Optimización I

Método de las Dos Fases

El Método de M Grande y Dos Fases se diferencian de los demás métodos
pues estos trabajan fuera del origen ya que los modelos van a presentar el uso
de variables de exceso por lo tanto se agregan variables artificiales, sin
embargo la desventaja del método de M Grande es el posible error de cómputo
que podría resultar de asignar un valor muy grande a la constante M o que para
muchas personas les resulta incomodo trabajar con M's, en estos casos para
evitar esta dificultad el problema se puede resolver en 2 fases.
Pasos del Método
FASE 1.
 Plantear el modelo en su forma estándar
 Plantear el modelo en su forma ampliada
 Formule un nuevo problema reemplazando la función objetivo por la suma de
las variables artificiales.
 La nueva función objetivo se minimiza sujeta a las restricciones del problema
original.
 Si el problema tiene un espacio factible el valor mínimo de la función objetivo
óptima será cero, lo cual indica que todas las variables artificiales son cero. En
este momento pasamos a la fase 2.

Nota : Si el valor mínimo de la función objetivo óptima es mayor que cero, el

problema tiene solución no factible.

FASE 2.
 Utilice la solución óptima de la fase 1 como solución de inicio para el problema
original.
 Elimine las columnas de las variables de holgura y la función objetivo
minimizada de la fase 1
 En este caso, la función objetivo original se expresa en términos de las
variables no básicas utilizando las eliminaciones usuales Gauss-Jordan hasta
llegar a la solución.
Ventajas y Desventajas del Método
Ventajas:
 Evita muchos problemas del método de la gran M.
 Se pasa fácilmente del modelo ampliado a la forma estándar.
 Permite encontrar solución no factible, no acotada, múltiple y óptima.
Desventajas:
 Resulta confuso el momento en el cual hay que cambiar de la función objetivo
modificada a la función original.
 Requiere realizar dos tablas simplex por separado o una donde se juntan las
dos funciones objetivo.
 Es complicado o imposible visualizar lo que esta pasando en este modelo de
una forma gráfica durante la primera fase.
Debido al impacto potencial adverso del error de redondeo sobre la exactitud del método
M, donde se manipulan en forma simultánea coeficientes grandes y pequeños, el método
de dos fases reduce el problema eliminado por completo la constante M. Como su nombre
indica, el método resuelve la programación lineal en dos fases:

La fase uno trata de determinar una solución básica factible de inicio y, si se encuentra, se
invoca la fase dos para resolver el problema original.

 Fase 1:
El problema se pone en forma de ecuación y se agregan a las restricciones las
variables artificiales necesarias (exactamente como en el método M) para asegurar
una solución básica de inicio. A continuación se determina una solución básica de las
ecuaciones resultantes, que minimice la suma de las variables artificiales. Si el valor
mínimo de la suma es positivo, el problema de programación lineal no tiene solución
factible, y termina el proceso (recuérdese que una variable que es artificial positiva
significa que no se satisface una restricción original). En caso contrario, se prosigue a
la fase dos.
 Fase 2:
Se usa la solución factible de la fase uno como solución básica factible de inicio para
el problema original

La desventaja de la técnica M es el posible error de cómputo que podría

resultar de asignar un valor muy grande a la constante M. Esta situación podría
presentar errores de redondeo en las operaciones de la computadora digital.
Para evitar esta dificultad el problema se puede resolver en 2 fases.

FASE 1. Formule un nuevo problema reemplazando la función objetivo por la

suma de las variables artificiales.

La nueva función objetivo se minimiza sujeta a las restricciones del problema

original. Si el problema tiene un espacio factible el valor mínimo de la función
objetivo óptima será cero, lo cual indica que todas las variables artificiales son
cero. En este momento pasamos a la fase 2.

* Si el valor mínimo de la función objetivo óptima es mayor que cero, el

problema no tiene solución y termina anotándose que no existen soluciones
factibles

FASE 2. Utilice la solución óptima de la fase 1 como solución de inicio para el

problema original. En este caso, la función objetivo original se expresa en
términos de las variables no básicas utilizando las eliminaciones usuales
Gauss-Jordan.