Scribd
Cargar
82 vistas

Clases IO03 Uach

Este documento presenta conceptos clave sobre análisis de sensibilidad en problemas de programación lineal. Explica que el análisis de sensibilidad estudia cómo cambia la solución óptima cuando cambian los parámetros del modelo, y provee técnicas para analizar el comportamiento dinámico de la solución. También define el problema dual y explica cómo se construye a partir del problema primal original. Finalmente, cubre conceptos como rango de optimalidad y precio sombra para medir la variabilidad en la solución.

Cargado por

Yuri Jaramillo
Derechos de autor
© © All Rights Reserved
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
82 vistas

Clases IO03 Uach

Este documento presenta conceptos clave sobre análisis de sensibilidad en problemas de programación lineal. Explica que el análisis de sensibilidad estudia cómo cambia la solución óptima cuando cambian los parámetros del modelo, y provee técnicas para analizar el comportamiento dinámico de la solución. También define el problema dual y explica cómo se construye a partir del problema primal original. Finalmente, cubre conceptos como rango de optimalidad y precio sombra para medir la variabilidad en la solución.

Cargado por

Yuri Jaramillo
Derechos de autor
© © All Rights Reserved
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 25

Profesor: Mg.

Oscar Romero Ayala

RESULTADOS DE APRENDIZAJE
Comprender los fundamentos de sensibilidad en

problemas de programacin lineal.


Analizar la variabilidad en la solucin encontrada

para problemas de programacin lineal.

La solucin ptima de una programacin lineal se basa en

una toma instantnea de las condiciones que prevalecen


en el momento de formular y resolver el modelo.
En el mundo real rara vez permanecen estticos, y es

esencial determinar cmo cambia la solucin ptima


cuando cambian los parmetros del modelo.
Eso es lo que hace el anlisis de sensibilidad. Proporciona

tcnicas eficientes para estudiar el comportamiento


dinmico de la solucin ptima que resulta de hacer los
cambios en los parmetros.

El problema dual es un problema de programacin lineal

definida en forma directa y sistemtica a partir del modelo

original (o primal) de programacin lineal.


Los dos problemas estn relacionados en forma tan estrecha

que la resolucin ptima de un problema produce en forma


automtica la resolucin ptima del otro.

Nuestra definicin del problema dual requiere expresar el

problema primal en forma de ecuaciones; todas las

restricciones son ecuaciones, con lado derecho no


negativo y todas las variables son no negativo.
Este requisito es consistente con el formato de la tabla de

inicio simplex.

Se presenta la siguiente ecuacin para definir el problema

dual:

Min o Max

j 1

sa :

a
j 1

ij

x j bi

xj 0

xj
i 1,2,..., n

j 1,2,..., m

Las variables xj; incluyen las variables de excedentes,


holguras y artificiales, si es que las hubiera de acuerdo
al signo.

Se construye el problema dual a partir del problema primal.


1. Se define una variable dual para cada ecuacin primal

(restriccin)
2. Se define una restriccin dual por cada variable primal.
3. Los coeficientes de restriccin (columna) de una variable

primal definen los coeficientes en el lado izquierdo de la


restriccin dual, y su coeficiente objetivo define el lado
derecho.
4. Los coeficientes objetivos del dual son iguales al lado derecho

de las ecuaciones de restriccin primal.

Reglas para determinar el sentido de la optimizacin y

las restricciones.
Objetivo del
Problema Dual
Problema
Objetivo
Tipo de
Signo de
Primal
Restriccin variables
Maximizacin Minimizacin

No
restringido

Minimizacin

No
restringido

Maximizacin

EJEMPLO PROBLEMA DUAL


EJ: Se tiene:

Maximizar Z= 3x1 + 5x2


s/a

x1 4

2x2 12
3x1 + 2x2 18

x1 , x2 0

y1 = 0; Implica que existe un supervit de este recurso, ya


que no esta ligado a la solucin ptima.
y2 = 3/2; Indica que si agregamos una hora ms al tiempo
de produccin a la semana en la planta 2 para estos
nuevos productos, aumentara la ganancia total en
$1500 a la semana. (solo para aumentos pequeos,
topa con eje x1)
y3 = 1; Indica un aumento proporcional a medida que
aumentamos 1 hora.

El anlisis de sensibilidad investiga el cambio de la

solucin ptima que resulta de hacer cambios en los

parmetros del modelo de programacin lineal.


Tarea: Puede Fmin(x) = - Fmax(x)?

EJEMPLO PROBLEMA DUAL


EJ: Se tiene: Maximizar Z= 5x1 + 4x2

s/a

6x1 + 4x2 24
-x1 + x2 1
x1 + 2x2 6
x2 2
x1, x2 0

Rango de los coeficientes de la Funcin objetivo

Si c1 0, entonces
O bien
Si c2 0, entonces

4
c
2
2
6
c1
1
1
c1
6

2
c2
4

Rango de los recursos de las restricciones que

tienen directa relacin con la solucin del


problema
Restriccin 1 : Puntos Extremos
Restriccin 2 : Puntos Extremos

Obtencin del precio sombra de las restricciones

asociadas a la solucin:
z punto extremo1 y 2
y1 :
restriccin1 punto extremo1 y 2
z punto extremo 3 y 4
y2 :
restriccin 2 punto extremo 3 y 4

Rango de Optimalidad

Gradiente reducido
Precio sombra
Aumento y disminucin permisible.

El rango de optimalidad es vlido cuando un nico

coeficiente de la funcin objetivo cambia.


Cuando cambia ms de una variable se utiliza la regla

del 100%.

Para cada aumento (disminucin) en un coeficiente de

la funcin objetivo calcular (y expresar como un


porcentaje) la relacin de cambio del coeficiente al
mximo aumento posible (disminucin) determinada
por los lmites del rango de optimalidad.
Sumar todos los cambios de porcentaje. Si el total es
menor que 100%, la solucin ptima no cambiar. Si
este total es mayor que 100%, la solucin ptima
puede cambiar.

X2
1200

Restriccin del plstico:


2X1+X2<=1200
The
Plastic constraint
Restriccin del total de produccin:
X1+X2<=800

No Factible

600

Horas de
Produccin
3X1+4X2<=2400

Restriccin del
exceso de produccin:
X1-X2<=450

Factible
600

800

X1

comenzar con una ganancia dada de = $2,000...

1200

X2

Entonces aumente la ganancia...

...y contine hasta que salga de la regin factible

800

4,2,000=$5040
Utilid. = $3,
Ganancia

600

X1
400

600

800

1200

X2

Se toma un valor cercano al punto


ptimo

800

Regin no
factible

600

Feasible
Regin
region
Factible

X1
400 600

800

1200

X2

800

600

X1
400

600

800

1200

X2

Rango de optimalidad

800

600

400

600

800

X1

X2
1200

Restriccin materiales
(plsticos)
Nueva restriccin materiales (plsticos)
Ganancia mxima= 5040

600

Restriccin del
tiempo de
produccin

Combinacin de restricciones
en la produccin

Feasible

Puntos extremos
X1
600

800

También podría gustarte