Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Investigación Operativa Análisis de Sensibilidad Profesor: Ing. Carlos A. Martin E-mail: ing_carlos_martin@hotmail.com Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR • Introducción gráfica al análisis de sensibilidad • Análisis de sensibilidad de la solución óptima de un programa lineal. • Variaciones en la disponibilidad de recursos. Cambios en los costos o precios unitarios. • Cambios en los coeficientes tecnológicos. Cambios en el número de actividades. Cambios en el número de restricciones del sistema lineal a optimizarse. • Conveniencia de incrementar o no algún tipo de recurso. • Precios sombra. Costo de oportunidad. • Ejemplos práctica. Unidad IV: Análisis de Sensibilidad Ing. Carlos Martin PRESENTACIÓN Se presenta el proceso de consecución de soluciones óptimas de un problemas de programación lineal a partir de una solución óptima; cuando se realizan cambios en los parámetros iniciales del problema. OBJETIVO GENERAL Al finalizar el capítulo el estudiante debe estar en capacidad de obtener la solución óptima de un problema de programación lineal haciendo uso del análisis de sensibilidad, cuando ya se tiene la solución óptima de un problema y éste sufre cambios en los parámetros iniciales. OBJETIVOS ESPECÍFICOS • Obtener la solución óptima de un problema de P.L. cuando hay modificación en la disponibilidad de recursos; dado que ya se tiene la solución óptima del problema inicial. • Obtener la solución óptima de un problema de P.L. cuando hay modificación en los costos , precios o utilidades; dado que ya se tiene la solución óptima del problema inicial. • Obtener la solución óptima de un problema de P.L. cuando hay modificación en la asignación unitaria de recursos; dado que ya se tiene la solución óptima del problema inicial. • Obtener la solución óptima de un problema de P.L. cuando se adicionan nuevas restricciones al modelo; dado que ya se tiene la solución óptima del problema inicial. • Obtener la solución óptima de un problema de P.L. cuando hay la posibilidad de agregar nuevos productos o actividades; dado que ya se tiene la solución óptima del problema inicial. • Interpretar las nuevas soluciones obtenidas. COMPETENCIAS El estudiante tendrá la capacidad de obtener nuevas soluciones a problemas de programación lineal, cuando el problema original tiene cambios en la información de sus parámetros. INDICADORES DE LOGRO El estudiante deberá demostrar el manejo e interpretación de las nuevas soluciones obtenidas a través del análisis de sensibilidad cuando un problema original presenta cambios en sus parámetros. CONOCIMIENTOS PREVIOS • Gauss Jordan. • Vectores y matrices. • Operaciones entre matrices. Ing. Carlos Martin No es suficiente, para el tomador de decisiones conocer solo el valor de la solución óptima, sino que también es necesario saber en que grado es estable dicha solución respecto a posibles variaciones de los coeficientes CJ y bi. Todos los cambios se evalúan a partir de la solución óptima de la información inicial. Esto se estudia mediante el análisis de sensibilidad. Estudiaremos: a.- Cambios en el vector c: Análisis de Optimalidad. Como varia la S.O. en función de la variación de los coeficientes de beneficio Cj. Los Cj definen la pendiente del funcional m , por lo tanto, al cambiar ellos, cambia m. Calcularemos el rango de variación de Cj dentro del cual la solución se mantiene. b.- Cambios en el vector b: Análisis de Factibilidad. Como varía la S.O. en función de la variación de las disponibilidades bi. Si se modifican los bi siempre existe un cambio del convexo y a veces se modifica la solución. c.- Cambios en la matriz A. d.- Cambios en el vector X. e.- Cambios en el número de restricciones del sistema lineal a optimizarse. Análisis de Sensibilidad Ing. Carlos Martin Análisis de Sensibilidad: Método Grafico Estudia la sensibilidad de la solución optima respecto a los cambios que se hagan en el modelo. Ejemplo: Ing. Carlos Martin Análisis de Sensibilidad: Método Grafico Ing. Carlos Martin Análisis de Sensibilidad: Método Grafico Ing. Carlos Martin Análisis de Optimalidad: Cambios en los Coeficientes Cj de la F. O. • Los Cambios en los coeficientes C1 y C2 harán cambiar la pendiente de Z. • Sin embargo existe un intervalo de variación, tanto para C1 como para C2 en el cual el óptimo permanece sin cambio. Ing. Carlos Martin Recordemos Ing. Carlos Martin Recordemos Ing. Carlos Martin Rango de Variación de C1 y C2 Ing. Carlos Martin Análisis de Factibilidad: Cambios en los Coeficientes bi de las Restricciones Ing. Carlos Martin Intervalo de Factibilidad para (1): 6 X1 + 4 X2 ≤ 24 Ing. Carlos Martin • La cantidad de b1´ en I (2,2): = 6 (2) + 4 (2) = 20 • La cantidad de b1“ en G (6,0): = 6 (6) + 4 (0) = 36 • 20 ≤ b1 ≤ 36 En la Figura, la recta b1 corresponde a la restricción inicial siendo el vértice solución óptima el C. Un aumento en la disponibilidad desplazará paralelamente a sí misma a la recta ·b1. Esto trae como consecuencia un aumento del área del polígono de soluciones y un desplazamiento del vértice representativo de la solución óptima, lo que origina un aumento del funcional. La recta b”1 corresponde a una disponibilidad b1=36, la solución óptima se encuentra en G. Observamos que el desplazamiento del vértice desde C a G se hace permanentemente sobre la recta: 1 x1 + 2 x2 = 6 Estos aumentos en la b1 tienen sentido hasta un cierto límite G, a partir del cual la solución óptima deja el convexo Una forma de encontrar ese límite sería hallar la ecuación de la recta que pasa por G (6,0) y tiene una pendiente m = –3/2: Veremos qué ocurre si se varía la disponibilidad de un recurso saturado. Consideraremos un aumento de b1. X2 – 0 = - 3/2 (X1 – 6) Intervalo de Factibilidad para (1): 6 X1 + 4 X2 ≤ 24 Ing. Carlos Martin • La cantidad de b1´ en I (2,2): = 6 (2) + 4 (2) = 20 • La cantidad de b1“ en G (6,0): = 6 (6) + 4 (0) = 36 • 20 ≤ b1 ≤ 36 • En la Figura, la recta b1 corresponde a la restricción inicial siendo el vértice solución óptima el C. • Una disminución en la disponibilidad desplazará paralelamente a sí misma a la recta ·b1. • Esto trae como consecuencia una disminución del área del polígono de soluciones y un desplazamiento del vértice representativo de la solución óptima, lo que origina una disminución del funcional. • La recta b´1 corresponde a una disponibilidad b1=20, la solución óptima se encuentra en I (2,2). • Observamos que el desplazamiento del vértice desde C a I se hace permanentemente sobre la recta: 1 x1 + 2 x2 = 6 • Estas disminuciones en la b1 tienen sentido hasta un cierto límite I, a partir del cual la solución óptima abandona la restricción 6 x1 + 4 x2 = 24 • Una forma de encontrar ese límite sería hallar la ecuación de la recta que pasa por I (2,2) y tiene una pendiente m = –3/2: X2 – 2 = - 3/2 (X1 – 2) Veremos qué ocurre si se varía la disponibilidad de un recurso saturado. Consideraremos una disminución de b1 Intervalo de Factibilidad para (2): 1 X1 + 2 X2 6 Ing. Carlos Martin • La cantidad de b2´ en B (4,0): = 1 (4) + 2 (0) = 4 • La cantidad de b2“ en E (8/3,2): = 1 (8/3) + 2 (2) = 20/3 • 4 ≤ b2 ≤ 20/3 Consideraremos un aumento en la disponibilidad correspondiente al recurso b2. En la Figura, la recta b2 corresponde a la restricción inicial siendo el vértice solución óptima el C. Un aumento en la disponibilidad desplazará paralelamente a sí misma a la recta ·b2. Esto trae como consecuencia un aumento del área del polígono de soluciones y un desplazamiento del vértice representativo de la solución óptima, lo que origina un aumento del funcional. La recta b”2 corresponde a una disponibilidad b2=20/3, la solución óptima se encuentra en E. Observamos que el desplazamiento del vértice desde C a E se hace permanentemente sobre la recta: 6 x1 + 4 x2 = 24 Intervalo de Factibilidad para (3): -1 X1 + 1 X2 ≤1 Ing. Carlos Martin • La cantidad de b3´ en C (3 , 3/2): = -1 (3) + 1 (3/2) = - 3/2 • La cantidad de b3“: = • - 3/2 ≤ b3 ≤ • Un aumento en la disponibilidad de un recurso no saturado no produce variación en el valor del funcional ni en la estructura de la solución. • Únicamente aumenta la cantidad no aprovechada del recurso. • Una disminución en la disponibilidad de ese recurso no produce variaciones, siempre que esa disminución sea menor que el sobrante. • En el caso que estamos considerando, una disminución en la disponibilidad del recurso b3 en una cantidad igual al sobrante, origina que este recurso se convierta en recurso saturado, no modificándose la solución. • Gráficamente lo vemos en la Figura, la recta b3 correspondiente a la restricción original, se ha desplazado en forma paralela, hasta la posición b´3, sin que se haya desplazado el vértice C solución. Intervalo de Factibilidad para (4): 1 X2 ≤ 2 Ing. Carlos Martin • La cantidad de b4´ en C (3 , 3/2): = + 1 (3/2) = 3/2 • La cantidad de b4“: = • 3/2 ≤ b4 ≤ • Un aumento en la disponibilidad de un recurso no saturado no produce variación en el valor del funcional ni en la estructura de la solución. • Únicamente aumenta la cantidad no aprovechada del recurso. • Una disminución en la disponibilidad de ese recurso no produce variaciones, siempre que esa disminución sea menor que el sobrante. • En el caso que estamos considerando, una disminución en la disponibilidad del recurso b4 en una cantidad igual al sobrante, origina que este recurso se convierta en recurso saturado, no modificándose la solución. • Gráficamente lo vemos en la Figura, la recta b4 correspondiente a la restricción original, se ha desplazado en forma paralela, hasta la posición b´4, sin que se haya desplazado el vértice C solución. Valor por Unidad de Recursos Ing. Carlos Martin Valor por Unidad de Recursos Ing. Carlos Martin Análisis de Sensibilidad: Rangos de Variación de los Cj y de los bi Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Tipos de Restricciones Ing. Carlos Martin Hay 2: •Restricción Activa: Cuando el Recurso correspondiente a esa restricción está Agotado. •Restricción Inactiva: Cuando el Recurso correspondiente no está agotado, entonces hay un sobrante. Restricción Activa • Cuando el recurso correspondiente a esa restricción está agotado tiene un Valor Marginal (VM) positivo (+). (Ej. El agua X3 y el capital X5). • Desde el punto de vista del Esquema Directo, es un Beneficio Marginal (BM) referido a la disponibilidad del recurso. Si se incrementara la disponibilidad de este recurso en una unidad se tendrá un beneficio igual al VM • Desde el punto de vista del Esquema Dual es un Costo Marginal (CM). Si el Costo de Mercado (cm) es menor (<) que el CM conviene comprar el recurso (es oportuno), sino no. Ing. Carlos Martin Restricción Inactiva • Cuando el recurso correspondiente no está agotado, entonces hay un sobrante, por lo tanto tiene un V.M. = 0 el B.M = 0 • Si se incrementara la disponibilidad de este recurso en una (1) unidad se tendrá un beneficio = 0. • Por otra parte C.M = 0. • Si c.m. < C.M.: es oportuno comprar Ing. Carlos Martin Cambios en el vector c: Análisis de Optimalidad Consideremos una tabla genérica en la cual se ha arribado a la solución óptima para un PL de MAX Ing. Carlos Martin Análisis de los Cj de las Variables no Básicas C4 y C5: • Para que la solución se mantenga inalterable, las variables que están fuera de la S.O. deben mantener esa condición • Entonces, si se trata de maximizar Cj debe ser tal que Zj - Cj siga siendo ≥ 0 e inversamente si se trata de minimizar. De lo contrario la solución se alteraría. • De la última tabla obtenemos los Zj - Cj de las variables que no están en la solución C4 y C5: Ing. Carlos Martin ❖ Para 444,334,224,11444 ...: kcacacacCZC =−++=− Incremento C4 en C4 y planteo la condición que debe cumplirse para que no cambie la solución: ( ) 00 444444 −−+− CCZCCZ 4444 kCZC =− ❖ Para 55555 : kCZCC =− ❖ En general imizaciónCZC imizaciónCZC jjj jjj min max − − Nota: Si los jC fueran (-) los jj CZ − continuarían siendo (+) por lo que la solución no se alteraría. Análisis de los Cj de las Variables Básicas • De la última tabla obtenemos los Zj - Cj de las variables que están en la solución C1 , C2 y C3 • Para que la solución se mantenga inalterable, las variables que están en la S.O. deben mantener esa condición • Entonces, si se trata de maximizar Cj debe ser tal que Zj - Cj siga siendo ≥ 0 e inversamente si se trata de minimizar. De lo contrario la solución se alteraría. Ing. Carlos Martin ❖ Lo mismo se hace para C2 y C3 En Síntesis: Ing. Carlos Martin Ejemplo • Un sistema de riego puede ser cultivado con dos tipos de cultivos. • La superficie disponible es de 60 hectáreas. • El cultivo 1 requiere dos unidades de agua por unidad de superficie y 60 unidades de capital • El cultivo 2 requiere una unidad de agua por unidad de superficie y 10 unidades de capital. • Maximizar el beneficio sabiendo que el cultivo 1 genera 30 unidades monetarias y el cultivo 2 genera 10. • Se dispone de 80 unidades de agua y 2100 de capital. • Realizar: a) El tratamiento grafico de la sensibilidad de los coeficientes del funcional. b) El tratamiento analítico de la sensibilidad de los coeficientes del funcional: i. Análisis de los coeficientes de las variables que no están en la solución; ii. Análisis de los coeficientes de las variables que están en la solución. c) El tratamiento grafico de la sensibilidad de los recursos: i) Saturados; ii) No saturados. d) El tratamiento analítico de la sensibilidad de las restricciones: i. Análisis de los recursos de las variables que no están en la solución del Dual; ii. Análisis de los recursos de las variables que no están en la solución del Dual. Ing. Carlos Martin Resolución Grafica Ing. Carlos Martin Tratamiento Analítico de la Sensibilidad de los Cj que no están en la Base: C3 y C5 Análisis analítico de la sensibilidad de los jC : Las V. que no están en la S.O. son: X3 y X5 Las V. que están en la S.O. son: X1, X2 y X4 ➢ Análisis de los coeficientes de las V. que no están en la S.O.: jjj CZC − • Para 3 3 3: 7.50 7.5C C C − • Para 5 5 5 : 0.25 0.25C C C − Ing. Carlos Martin Tratamiento Analítico de la Sensibilidad de los Cj que están en la Base: C1, C2 y C4 Ing. Carlos Martin ➢ Análisis de los coeficientes de las V. que están en la S.O.: jk jj k a CZ c , − = • Para 30)(30 25.0 5.7 : 1,11 =+−== CaCC j 10)(10 025.0 25.0 11 =−+== CaC ij 602030301030 11 +− CC • Para 5)(5 5.1 5.7 : 222 =−+== CaCC ij 2 2 0.25 5 ( ) 5 0.05 ijC a C = = − + = 155510510 22 +− CC • Para 4 4 4 7.5 : 6 ( ) 6 1.25 ijC C a C = = − + = 10)(10 025.0 25.0 44 =−+== CaC ij 61060100 44 −+− CC Análisis de Sensibilidad: Rangos de Variación de los Cj y de los bi • Valores de las variables genuinas del Directo y las variables Duales • Costos reducidos • Rangos de variación de las variables genuinas del Directo y las variables Duales Ing. Carlos Martin Ing. Carlos Martin Cambios en el vector b: Análisis de Factibilidad Ing. Carlos Martin • Resolvemos el Directo y de la tabla Optima pasamos a la tabla optima del Dual, o bien • Del esquema Directo pasamos al esquema Dual y resolvemos aplicando Simplex teniendo en cuenta que es un caso de minimización. Luego para el Análisis analítico de la sensibilidad de las disponibilidades bi usamos la regla vista para los Cj del Directo. : :j j j j j jDirecto C Z C Dual b Z b − − ➢ a.- Análisis de los bj que no están en la solución: b2, b4 y b5: bj ≥ Zj - bj Para b2 = 60: 22422 5.47:;60):(5.12 bbcomotierraxyb =−Mientras la disponibilidad de tierra sea b2 0..5.47 = MBel Tienen una interpretación matemática −=− +=− 55255 44144 15;0:)(0.15 5.32;0:)(5.32 bbcomoxyb bbcomoxyb Cambios en el vector b: Análisis de Factibilidad Ing. Carlos Martin ➢ b.- Análisis de los bj que están en la S.O.: ij jj j a bZ b − = ❖ Para 10)(10 25.1 5.12 80 12,1 2,1 22 11 +=+== − == ba a bZ bb 130)(130 25.0 5.32 14,1 4,1 44 1 +=+== − = ba a bZ b 10)(10 5.1 15 15,1 5,1 55 1 −=−== − = ba a bZ b aguaXyb :10801080 311 +− 9070 1 b ❖ Para 500)(;500 025.0 5.12 2100 32,2 2,2 22 33 −=−== − == ba a bZ bb 1300)(;1300 025.0 5.32 34,2 4,2 44 3 −=−== − = ba a bZ b 300)(;300 05.0 15 35,2 5,2 55 3 +=+== − = ba a bZ b 30021005002100 3 +− b capitalXyb :24001600 533 Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Un cambio en el vector de disponibilidad de recursos, indica que hay un nuevo vector b (denotado como b*); también cambia XB (denotado como XB*). Además, si cambia XB, genera un cambio en el valor de la función objetivo Z (al nuevo llámelo Z*). En conclusión el vector crítico a evaluar es XB*, el cual puede arrojar dos posibles valores así: • Si XB* = B-1 b* ≥ 0, indica que este nuevo vector es la solución óptima del nuevo problema; y por lo tanto se debe calcular el nuevo valor de la función objetivo Z*=CBXB* • Si XB* = B-1 b*< 0, indica que hay mínimo una variable que está tomando valor negativo (no cumple con las restricciones de no negatividad a que obliga el algoritmo); por lo tanto la solución ha dejado de ser optima. En este caso se toma el nuevo vector XB* y se reemplaza en el tablero óptimo por el vector XB. De ahí en adelante se aplica el método dual simplex, hasta obtener la nueva solución óptima. Ing. Carlos Martin 1. Cambio en la Disponibilidad de Recursos (Vector b) Cambios simultáneos Tenga en mente que la información del análisis de sensibilidad del lado derecho se basa en el supuesto de que sólo un lado derecho cambia a la vez. Sin embargo, en algunos casos, nos puede llegar a interesar lo que ocurre si dos o más lados derechos cambian de forma simultánea. Es posible realizar un análisis de cambios simultáneos con la ayuda de la regla del 100 por ciento REGLA DEL 100 POR CIENTO PARA LOS LADOS DERECHOS Para todos los lados derechos que cambian, sume los porcentajes de los aumentos y las disminuciones permisibles. Si la suma de los porcentajes es menor o igual que 100%, los precios duales no cambian. Disminución permisible = Valor actual - Límite inferior Aumento permisible = Límite superior - Valor actual Ing. Carlos Martin Ahora suponga que la gerencia de RMC decide comprar 0.5 toneladas adicionales de material 1 y 4.5 toneladas adicionales de material 3. Como muestra la tabla 8.2, el material 1 tiene un aumento permisible de 1.5 toneladas; por consiguiente, el incremento del lado derecho de dicho material es 0.5 /1.5 = 0.333, o 33.3%, de su aumento permisible. De manera similar, como el material 3 tiene un aumento permisible de 9 toneladas, el incremento del lado derecho de dicho material es 4.5 / 9 = 0.50, o 50%, de su aumento permisible. La suma de los porcentajes para los dos lados derechos es 33.3% + 50% = 83.3%. Ing. Carlos Martin Al aplicar la regla del 100 por ciento al problema de RMC, vemos que la suma de los porcentajes de los aumentos y las disminuciones permisibles es 83.3%. Por tanto, la regla del 100 por ciento indica que el precio dual para la restricción del material 1 aún es $33.33 por tonelada, y el precio dual para la restricción del material 3 sigue siendo $44.44 por tonelada. De ahí que las 0.5 toneladas adicionales de material 1 y las 4.5 toneladas adicionales de material 3 mejoren el valor de la función objetivo 0.5(33.33) + 4.5(44.44) = $216.65. Sin embargo, observe que el programa lineal modificado tendrá que resolverse para determinar las cantidades de producción F y S que proporcionan la nueva solución óptima. La regla del 100 por ciento no establece que los precios duales cambiarán si la suma de los porcentajes de los aumentos y las disminuciones permisibles es mayor que 100%. Todo lo que podemos decir es que si la suma de los porcentajes es mayor que 100%, pueden existir precios duales diferentes. Por tanto, siempre que la suma de los cambios porcentuales sea mayor que 100%, se debe resolver un problema modificado con el propósito de determinar la nueva solución óptima y los nuevos precios duales. Ing. Carlos Martin A modo de teoría, cuando se evalúa posibles cambios en precios, costos o utilidades unitarias, en la estructura general del modelo se está cambiando por lo menos un valor Cj . Dentro de la estructura del tablero simplex, el Cj se utiliza para calcular todo el renglón Zj - Cj , que es el renglón que permite determinar si la solución es o no óptima. Entonces, se pueden presentar los siguientes dos casos dependiendo del valor que tomen los Zj - Cj : • Si Zj - Cj ≥ 0, la solución del problema original sigue siendo la optima. • Si Zj - Cj < 0, la solución ha dejado de ser óptima y se debe utilizar el método simplex para llegar a la nueva solución óptima. Ing. Carlos Martin 2. Cambio en los Precios o Costos Unitarios (Vector C) Cambios simultáneos La información del análisis de sensibilidad proporcionada por los coeficientes de la función objetivo se basa en el supuesto de que sólo cambia un coeficiente de la función objetivo a la vez y que todos los demás aspectos del problema original permanecen sin cambios. De ahí que el rango del coeficiente objetivo sea aplicable a cambios en un solo coeficiente objetivo. Sin embargo, en algunos casos nos podría interesar lo que ocurre si dos o más coeficientes de la función objetivo cambian simultáneamente. Como demostraremos, es posible hacer un análisis de los cambios simultáneos con la ayuda de la regla del 100 por ciento, REGLA DEL 100 POR CIENTO PARA LOS COEFICIENTES DE LA FUNCIÓN OBJETIVO Para todos los coeficientes de la función objetivo que cambian, sume los porcentajes de los aumentos y las disminuciones permisibles; si la suma es menor o igual que 100%, la solución óptima no cambiará. Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Por último, observe que la regla del 100 por ciento no afirma que la solución óptima cambiará si la suma de los porcentajes de los aumentos y las disminuciones permisibles es mayor que 100%. Todo lo que podemos asegurar es que si la suma de los porcentajes es mayor que 100%, puede existir una solución óptima diferente. Por tanto, siempre que la suma de los cambios porcentuales sea mayor que 100%, el problema modificado debe resolverse para determinar la solución óptima. Ing. Carlos Martin Cuando se presentan cambios en precios, costos o utilidades unitarias, se recomienda seguir el siguiente procedimiento. En el tablero óptimo del problema original, cambie los valores Cj que hayan sido modificados. • Si los valores modificados pertenecen a variables básicas, se debe modificar el vector CB. • Recalcule nuevamente todos los valores Zj - Cj. • Si los valores calculados en el ítem anterior son mayores o iguales a cero, se concluye que la solución del problema original sigue siendo la óptima; de lo contrario se utiliza el método simplex para encontrar la nueva solución optima. Recomendación Ing. Carlos Martin Para realizar análisis de sensibilidad cuando se producen cambios en la asignación unitaria de recursos (coeficientes tecnológicos) hay que aclarar que se puede aplicar sólo a variables no básicas. Pues, en el evento que estos cambios se surtan en variables básicas, el cambio generado en toda la información es muy brusco; por lo tanto se recomienda resolver el problema desde el principio. Cuando se modifica un vector aj , dentro de la estructura del tablerosimplex, el aj se utiliza para calcular cada uno de los valores Zj - Cj , que es el renglón que permite determinar si la solución es o no óptima. Entonces, se pueden presentar los siguientes dos casos dependiendo del valor que tomen los Zj -Cj : • Si Zj - Cj ≥ 0, la solución del problema original sigue siendo la óptima. • Si Zj - Cj < 0, la solución ha dejado de ser óptima y se debe utilizar el método simplex para llegar a la nueva solución optima; no sin antes actualizar el vector KB de la variable a la cual se le está realizando el análisis de sensibilidad. Todos los vectores KB se calculan mediante la fórmula B-1aj . 3. Cambio en la Asignación Unitaria de Recursos (Matriz A o vectores aj) Ing. Carlos Martin En el evento que se agreguen nuevas restricciones a un problema de programación lineal se debe aplicar el siguiente procedimiento: Verificar si la solución óptima del problema original, satisface todas las nuevas restricciones. • Si esto es cierto, la solución actual sigue siendo la óptima para el nuevo problema. • Cuando no se satisfacen las restricciones por la solución actual, se llevan estas nuevas restricciones al tablero óptimo del problema original; obviamente, agregándole las variables de holgura, exceso y artificiales que sean necesarias. Restituir o recomponer todos los vectores unitarios que se hayan dañado con la adición de las nuevas restricciones. Aplicar el método simplex o método dual simplex, según sea el caso para obtener la nueva solución óptima 4. Nuevas Restricciones Ing. Carlos Martin Cuando se evalúa la posibilidad de fabricar nuevos productos o actividades, por obvias razones se generan nuevas variables; las que necesariamente crearán nuevas columnas dentro del tablero simplex. Por lo tanto surgen nuevos valores Zj - Cj , los cuales pueden tener uno de los dos siguientes comportamientos: • Zj - Cj = CBB-1aj - Cj ≥ 0. En este caso el nuevo producto no se debe fabricar ya que no es rentable para la compañía; y la solución óptima del problema original seguirá siendo la óptima. • Zj - Cj = CBB-1aj - Cj < 0. En este caso las condiciones de optimalidad ya no se cumplen y se deberá aplicar el algoritmo simplex hasta obtener la nueva solución óptima. 5. Nuevos Productos o Actividades Ing. Carlos Martin El algoritmo simplex (primal) que se inicia siendo factible y continúa siéndolo hasta que se alcanza el óptimo. El algoritmo simplex dual que se inicia como no factible (pero mejor que óptimo) y así permanece hasta que se restaura la factibilidad, y El algoritmo simplex generalizado, que combina los métodos simplex primal y dual, los cuales se inician sin ser ni óptimos ni factibles Algoritmos Simplex Adicionales Ing. Carlos Martin Anteriormente nos ocupamos de la sensibilidad de la solución óptima al determinar los intervalos de los diferentes parámetros de PL que mantendrían las variables básicas óptimas sin cambiar. Ahora nos ocuparemos de los cambios de los parámetros del modelo y de la determinación de la nueva solución óptima. El análisis pos óptimo determina la nueva solución de una manera eficiente. Los nuevos cálculos tienen su raíz en el uso de las relaciones duales y primales-duales. Análisis Pos Óptimo Ing. Carlos Martin La siguiente tabla lista esos casos que pueden surgir en el análisis postóptimo y las acciones necesarias para obtener la nueva solución (suponiendo que existe una): Ing. Carlos Martin Bibliografía Ing. Carlos Martin ⚫ Prawda Witenberg J. “Métodos y Modelos de Investigación de Operaciones – Vol. 1 Modelos Determinísticos”. Editorial Limusa. ©1999 ⚫ Taha Hamdy A. “Investigación de Operaciones”. Editorial Alfa Omega. ©1998 ⚫ Winston Wayne L.. “Investigación de Operaciones. Editorial. Grupo Editorial Iberoamericana. ©2005 ⚫ Hillier Frederick S. “Introducción a la Investigación de Operaciones. Editorial. Mc Graw Hill. ©2001 ⚫ Eppen G.D. “Investigacion de Operaciones En la Ciencia Administrativa. Editorial Prentice. ©2000 ⚫ Mathur-Solow – Investigación de Operaciones – Ed. Prentice Hall 1996. ⚫ MARIN, Isidoro. “Investigación Operativa”. UBA. Centro de Estudiantes Universidad Nacional de Buenos Aires. © 1970 ⚫ LEVIN, Richard I.. “Enfoques Cuantitativos a la Administración”. CECSA Preguntas Ing. Carlos Martin
Compartir