Documente Academic
Documente Profesional
Documente Cultură
No siempre es fcil obtener una solucin bsica factible inicial, en las variables originales del
modelo. Para conseguir esto utilizaremos el Mtodo Simplex de dos fases.
El Mtodo de las Dos Fases es una variante del algoritmo simple que es usado como
alternativa al Mtodo de la Gran M, donde se evita el uso de la constante M para las variables
artificiales.
FASE 1:
Se considera un problema auxiliar que resulta de agregar tantas variables auxiliares a las
restricciones del problema, de modo de obtener una solucin bsica factible. Resolver por
Simplex un nuevo problema que considera como funcin objetivo la suma de las variables
auxiliares. Si el valor ptimo es cero ir a la Fase 2. En caso contrario, no existe solucin
factible.
FASE 2:
Resolver por Simplex el problema original a partir de la solucin bsica factible hallada en la
Fase1.
Ejemplo: Max 2x1 + x2
sa:
10x1 + 10x2 9
10x1 + 5x2 1
x1,x2 0
Se debe agregar una variable de holgura (x 3) y una variable de exceso (x4), y llevarlo a su
forma estndar.
Min -2x1 - x2
10x1 + 5x2 - x4 = 1
x1,x2, x3, x4 0
Fase 1: Min x5
sa: 10x1 + 10x2 +x3 =9
10x1 + 5x2 - x 4 + x5 = 1
Donde:
Luego se hace cero el costo reducido de la variable x5 de la tabla anterior, y queda la siguiente
tabla inicial.
Quedando:
Fase 2:
Luego la variable entrante a la base es x 4 (pues r4<0). Y calculando Min { 8/1, (-1/10)/(1/10) } =
8, se tiene que sale x3.
Quedando:
1) Problema Infactible. Esta situacin se detecta cuando el valor ptimo del problema de la
Fase 1 da mayor que cero.
2) Mltiples soluciones ptimas. Esta situacin se detecta cuando existen costos reducidos
iguales a cero en una o ms de las variables bsicas ptimas.
CONDICION DE FACTIBILIDAD
La variable que sale es la variable bsica que tiene el valor ms negativo (los empates se
rompen arbitrariamente si todas las variables bsicas son No negativas, el proceso termina y
esta ltima tabla es la solucin ptima factible).
CONDICION DE OPTIMIDAD
La variable que entra se elige entre las variables no bsicas como sigue. Tome los cocientes de
los coeficientes de la funcin objetivo entre los coeficientes correspondientes a la ecuacin
asociada a la variable que sale.
Como sabemos, el mtodo simplex es un algoritmo iterativo que iniciando en una solucin
bsica factible pero no ptima, genera soluciones bsicas factibles cada vez mejores hasta
encontrar la solucin ptima (s esta existe). La base de su lgica es mantener la factibilidad,
mientras busca la optimalidad. Pero surge la posibilidad de usar otro esquema igualmente
iterativo, que como contraparte del simplex, comienza en una solucin bsica ptima, pero no
factible y mantiene la inmejorabilidad mientras busca la factibilidad. Con este procedimiento se
llega igualmente a la solucin ptima.
El nuevo algoritmo fue desarrollo en 1954 por C. E. Lemke y se conoce con el nombre
de Mtodo Dual-Simplex.
Cada problema de programacin lineal tiene un segundo problema asociado con el.
Uno se denomina primal y el otro dual. Los 2 poseen propiedades muy relacionadas,
de tal manera que la solucin ptima a un problema proporciona informacin completa
sobre la solucin ptima para el otro.
Las relaciones entre el primal y el dual se utilizan para reducir el esfuerzo de computo
en ciertos problemas y para obtener informacin adicional sobre las variaciones en la
solucin ptima debidas a ciertos cambios en los coeficientes y en la formulacin del
problema. Esto se conoce como anlisis de sensibilidad o post-optimidad.
Otra de las ventajas que presenta es que dado a que el nmero de restricciones y
variables entre problema dual y primal es inverso, se pueden resolver grficamente
problemas que presenten dos restricciones sin importar el nmero de variables.
Si el modelo primal o dual tiene solucin ptima finita entonces su respectivo dual o
primal tendrn solucin ptima finita.
Obtendremos que los trminos del lado derecho de las ecuaciones multiplicadas por (-
1) quedan con signo negativo, lo cual hace que la solucin inicial sea infactible.
Es importante destacar que este proceso es muy til ya que en muchos modelos evita
la inclusin de variables artificiales en el momento de transformar un modelo a formato
estndar.
Si el modelo primal o dual tiene solucin ptima no acotada, entonces su respectivo
dual o primal no tendrn solucin, ser un modelo infactible.
Si el modelo primal o dual no tiene solucin entonces su respectivo dual o primal no
tendrn solucin.
Al hacer lo anterior se logra que debajo de las variables bsicas aparezca una matriz
identidad, que es la que el simplex siempre toma como base inicial.
EJEMPLOS:
FUNCIN OPTIMA:
SUJETA A :
X1 + 18X3 >= 3
X1 X2 X3 >= 0
X1 X2 X3 >= 0
Bsicas: S1 y S2
No Bsicas: X1 X2 X3
b) Nuevas filas Fila anterior - coeficiente de la columna pivote * nueva fila pivote