Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Problema Dual Problema Primal (PP)- Problema Dual (PD) La formulación natural de un problema de programación lineal se denomina directa (primal), asociado tiene un planteo denominado dual, con interpretación económica del primal. Considerando al problema original o directo o primal (PP) como: Maximizar Z = cj xj , j=1 a n s. a aij xj bi, para i= 1,2,...,m. j=1 a n xj 0 , para j= 1,2,....n. Asociado a este existe un planteo denominado programación dual (PD). Tiene la forma: Minimizar G = bi yi i=1 a m s. a aij T yi cj , para j = 1,2,...,n i=1 a m yi 0, para i= 1,2, ....,m. Es decir que el problema dual usa los mismos parámetros que el problema primal, TRASPUESTOS. El problema primal en forma estándar es: Max Z = 3 x1 + 2 x2+ 0 x3 + 0 x4 + 0 x5+ 0 x6 x1 + 2 x2 + x3 = 6 2 x1 + x2 + x4 = 8 - x1 + x2 + x5 = 1 x2 + x6 = 2 x1 0 , x2 0, x3 0,x4 0,x5 0,x6 0 El problema dual, del mismo problema, es: Min G = 6 y1 + 8 y2 + y3 + 2 y4 y1 + 2 y2 - y3 + 0 y4 3 2 y1 + y2 + y3 + y4 2 y1 0, y2 0, y3 0, y4 0 Si xE = x1 ; xI= x2 Ejemplo xE + 2 xI 6 (1) 2 xE + xI 8 (2) xI xE + 1 (3) xI 2 (4) xE 0 (5) , xI 0 (6) FO: Max z = 3 xE + 2 xI Correspondencia de variables y1 ↔ x3 y2 ↔ x4 y3 ↔ x5 y4 ↔ x6 y5↔ x1 y6↔ x2 •Se puede observar que los coeficientes de la función objetivo en un problema son los términos independientes del otro y viceversa. Esta correspondencia es la clave de las aplicaciones de la dualidad y del análisis de sensibilidad. Para determinar los restantes elementos del problema dual: sentido de la optimización, tipo de restricciones y signo de las variables y partiendo de que el problema primal está en forma estándar; todas las restricciones son ecuaciones con segundo miembro no negativo y todas las variables son no negativas, se procede como indica la tabla: F. Objetivo Dual estándar del primal F. objetivo Restricciones Variables Max Min Irrestrictas Min Max Irrestrictas Problema Dual El problema primal en forma estándar es: Min Z = 15 x1 + 12 x2 x1 + 2 x2 3 2 x1 - 4 x2 5 x1 0 , x2 0 Primal estándar Min Z = 15 x1 + 12 x2+ 0 x3 + 0 x4 x1 + 2 x2 - x3 = 3 2 x1 - 4 x2 + x4 = 5 x1 0 , x2 0, x3 0, x4 0 El problema dual, del mismo problema, es: Max G = 3 y1 + 5 y2 y1 + 2 y2 15 2 y1 - 4 y2 12 -y1 0; (o y1 0) y2 0 y1 ; y2 no restringida (redundante) • Pasar todas las restricciones a ecuaciones de “=“ ; con segundo miembro no negativo • Todas las variables son no negativas y1 y2 Problema Dual ⚫ Expresado en forma matricial: Problema primal Problema dual Max Z = c x Min G = b y sujeto a sujeto a A x b AT y c x 0 y 0 ⚫ El Problema Dual tiene una variable real (VR) por cada restricción del Problema Primal. Nº de Var Reales del Prob Dual = Nº de restricciones del Prob Primal La Var Reales del PDual se corresponde con la Variable de Holgura (VH) de la restricción asociada del Prob Primal ⚫ El Problema Dual tiene una restricción por cada variable real del Prob Primal. Nº de restricciones del Prob Dual = Nº de VReales del Prob Primal. La variable de superávit de la restricción del PDual se corresponde con la VReal asociada del PPrimal. Ejemplo: Construir el Dual Teorema fundamental de la dualidad. Se puede demostrar que: 1- Si Z y G son soluciones factibles de un par de problemas primal- dual, entonces: Z = c x b y = G 2- Dado un par de problemas primal- dual, puede ocurrir: a) Ambos tienen solución óptima y sus funciones objetivo son iguales Z* = c x = b y = G* Correspondencia primal-dual La información generada por la solución de uno de los problemas permite conocer la solución del otro, sin tener que resolverlo. G Z Optimo DIRECTO DUAL FUNCIONAL DE SOLUCION OPTIMA FINITA = FUNCIONAL DE SOLUCION OPTIMA FINITA SOLUCION OPTIMA ALTERNATIVA ↔ SOLUCION OPTIMA DEGENERADA SOLUCION INCOMPATIBLE ↔ SOLUCION POLIEDRO ABIERTO Pasaje de Tabla óptima (TO) del PP al PD ⚫ Si una variable del Problema Primal no está en su Tabla optima, su correspondiente variable del PDual está en la base del PDual. ⚫ Si una Variable del PP está en la base de la TO, su correspondiente variable del PD no está en la base del PD. ⚫ El valor del funcional del PP coincide con el valor del funcional del PD. ⚫ Los valores de las variables (columna B) de un problema de maximización pasan con signo cambiado a la fila del funcional en las columnas de las variables duales correspondientes. ⚫ Los valores de las variables (columna B) de un problema de minimización pasan con su signo a la fila del funcional en las columnas de las variables duales correspondientes. ⚫ Ídem para las columnas Aj. Pasaje de Tabla óptima (TO) del PP al PD ⚫ Si una variable del PP no está en su TO, su correspondiente variable del PD está en la base del PD. ⚫ El valor del funcional del PP coincide con el valor del funcional del PD. Z=G Pasaje de Tabla óptima (TO) del PP al PD ⚫ Los coeficientes aij de los vectores columnas asociadas a las actividades pasan con signo cambiado a la fila de la variable dual correspondiente. Ejemplo: tenemos el siguiente planteo Correspondencia de variables y1 ↔ x3 y2 ↔ x4 y3 ↔ x5 y4 ↔ x1 y5↔ x2 Pasaje de Tabla óptima (TO) del PP al PD ⚫ Ejemplo: Problema de maximización Tabla optima del primal Tabla optima dual x1 x2 x3 x4 x5 y1 y2 y3 y4 y5 Correspondencia de variables y1 ↔ x3 y2 ↔ x4 y3 ↔ x5 y4 ↔ x1 y5↔ x2 Interpretación económica del PD ⚫ Las variables reales del PD son los valores marginales zj-cj de las restricciones del PP. Representan la modificación que se verifica en el funcional por cada unidad de relajación (liberación) de la restricción. ⚫ En las restricciones de menor o igual, liberar (relajar) la restricción implica aumentar la condición en un unidad. ⚫ En las restricciones de mayor o igual, liberar (relajar) la restricción implica reducir la condición en una unidad ⚫ En las restricciones de ≤ en el PP, el VM representa la “mejora” en el funcional por cada unidad de recurso que se obtenga. Precio máximo que se estaría dispuesto a pagar por obtener una unidad adicional del mismo; o el precio mínimo al que se debería vender una unidad del recurso. Cuando el VM es cero, tenemos disponibilidad sobrante , por lo que no habría necesidad de aumentarlo Interpretación económica del PD En las restricciones de ≥ en el PP, que indican un requerimiento mínimo de fabricación “b” de un producto (ej. Compromisos con el cliente), el VM representa la mejora que experimentaría el funcional por cada unidad que se pudiera disminuir la limitación del requerimiento. Significa que el hecho de cumplir este requerimiento mínimo resulta un perjuicio, en consecuencia el VM sería el precio máximo que se podría pagar a un tercero por una unidad del producto, a fin de cumplir con el requerimiento impuesto. También representa lo que se debería incrementar el precio de venta de las unidades que estén por encima de la producción óptima a fin de cumplir con la restricción. Interpretación económica del PD Las Variables Superavit del Problema Dual son los costos de oportunidad (CO) zj-cj de las variables reales del PP. El Costo de Oportunidad representa el perjuicio que se obtiene en el funcional por cada unidad que se active de una variable cuando la solución optima indica que es nula. CO nos indica en cuanto habría que modificar el coeficiente de la variable en el funcional para que convenga activarla. Si x representara cantidad a fabricar de un producto, y la solución optima estableciera que no se debe producir, el CO representaría el incremento que debería realizarse en el precio de venta unitario (o la disminución de costo) para que convenga producirlo.Si x representara cantidad a adquirir de un producto y la solución optima determinara no comprarlo, el CO representará el valor que el proveedor debería disminuir el precio para que sea conveniente adquirir el producto. Interpretación de la solución óptima 1. Vector B (Base). Da el nivel de actividad óptimo de las variables que están en la base. 2. Vector Aj asociado a una variable de holgura que no esté en la base: los aij indican la variación (en el sentido del signo del coeficiente) que se produciría en las variables xi básicas por cada unidad que se relaja la restricción. Los zj-cj muestran la variación que se verificaría en el funcional en el sentido de su signo por cada unidad que se relaja la restricción. Estos valores zj-cj relacionados con las restricciones se llaman valores marginales o precios sombra. 3. Vector Aj asociado a una variable real que no está en la base: los aij indican la variación (en el sentido contrario al signo del coeficiente) que se produciría en las variables xi básicas por cada unidad que se activara la variable. Estos valores zj-cj relacionados con actividades se llaman costos de oportunidad o costos reducidos. B Interpretación de la solución óptima |Básic a z xE xI s1 s2 s3 s4 Solución z 1 0 0 1/3 4/3 0 0 12,66 xI 0 0 1 2/3 -1/3 0 0 4 / 3 xE 0 1 0 -1/3 2/3 0 0 10 /3 s3 0 0 0 -1 1 1 0 3 s4 0 0 0 -2/3 1/3 0 1 2 / 3 Por cada Tn adicional que se disponga de materia prima A, se podrá producir 2/3 unidades adicionales de pintura para Interiores Valor marginal Por cada Tn adicional que se disponga de materia prima A, se producirá -1/3 unidades de pintura para Exteriores Interpretación económica (Problema primal de maximización y Problema dual de minimización) Interpretación económica para el problema primal: Dada una unidad de valor para cada producto o actividad (cj) y un límite superior para la disponibilidad de cada insumo o recurso (bi ), lo que se pregunta es: cuántas unidades de cada producto o actividad deben ser producidas con el objeto de maximizar el valor del producto total ( Z ), cumpliendo con las restricciones . Interpretación económica para el problema dual Sin embargo el empresario podría plantearse, vender los recursos involucrados a un tercero interesado. Entonces la interrogante seria el precio mínimo de venta de esos recursos Con una disponibilidad dada de cada insumo ( bi) y un límite inferior al valor unitario para cada actividad (cj) la pregunta es , qué valores deberían ser asignados a cada insumo (yi) con el objetivo de minimizar el valor del insumo total de los recursos consumidos (G); cumpliendo con las restricciones . •En la función objetivo yi puede interpretarse como la contribución a la ganancia por unidad de recurso i cuando se utiliza el actual conjunto de variables básicas en la solución primal; yi son los precios sombra para el recurso i. Representan un valor marginal, en este caso la tasa a la que G puede aumentar si se incrementa en una unidad la cantidad disponible de ese recurso. Minimizar G = bi yi i=1 a m se interpreta entonces como la minimización del valor total implícito de los recursos consumidos por las actividades. •En las restricciones funcionales Dado que cada unidad de actividad j en el primal consume aij unidades del recurso yi , el primer término de las restricciones aij yi , para j = 1,2,...,n i=1 a m se interpreta como la contribución actual a la ganancia de esa mezcla de recursos, que se consumiría si se produjera una unidad de la actividad j. El beneficio que se obtendría al vender los recurso 1 a un precio y1, los recurso 2 a un precio y2 , etc; debe ser mayor que el beneficio que se obtendría por fabricar y vender la pieza 1… (idem para cada actividad) Esta mezcla de recursos se podría usar de otras formas, pero no debe hacerse si este uso es menos rentable que una unidad de la actividad j. Dado que cj es la ganancia unitaria de la actividad j, cada restricción funcional en el problema dual aij yi cj , para j = 1,2,...,n i=1 a m puede interpretarse diciendo que la contribución actual a la ganancia de la mezcla de recursos debe ser por lo menos tanta como si se utilizara por una unidad de la actividad j, si no, no se estaría haciendo el mejor uso de estos recursos. •La condición de no negatividad (en prob. de min.) yi 0 se interpreta como que la contribución a la ganancia por el recurso i debe ser no negativa, de lo contrario sería mejor no usar este recurso. Análisis Matricial En el problema primal Max Z = c x sujeto a A x b x 0 al estandarizarlo y resolverlo: BxB + NB xNB = b como xNB = 0 entonces B xB = b Pre multiplicando por B-1 ; B-1 B xB = B -1 b entonces xB* = B -1 b (1) En el problema dual G* = bT y, (2) En el problema primal Z* = c x (3) En el optimo Z* = G*, entonces cB xB* = b T y o sea, de (1), (2) y (3) cB B -1 b = bT y es decir y= cB B -1 (4) I -c 0 0 A I b 1ra. tabla cBB -1A- c cB B -1 - 0 Z* = cBxB*=cBB -1 b B-1A B-1 xB* = B -1 b Tabla óptima En forma tabular B B-1 Forma tabular |Básica z xE xI s1 s2 s3 s4 Solución z 1 0 0 1/3 4/3 0 0 12,66 xI 0 0 1 2/3 -1/3 0 0 4 / 3 xE 0 1 0 -1/3 2/3 0 0 10 /3 s3 0 0 0 -1 1 1 0 3 s4 0 0 0 -2/3 1/3 0 1 2 / 3 Básica z xE xI s1 s2 s3 s4 Solución z 1 -3 -2 0 0 0 0 0 Razón s1 0 1 2 1 0 0 0 6 6 s2 0 (2) 1 0 1 0 0 8 4 s3 0 -1 1 0 0 1 0 1 s4 0 0 1 0 0 0 1 2 cBB -1A- c yi = cBB -1- 0 Z* = cBxB*=cBB -1 b B-1A xB* = B -1 b = 0 0 3 2 BC Aplicaciones del problema dual El problema dual permite: - Resolver problemas lineales que tienen más restricciones que actividades - Hacer interpretaciones económicas - Generar métodos como el dual simplex para el análisis de sensibilidad - Generar nuevos algoritmos para redes de optimización. Método Dual Simplex Nuevo método: comienza en un optimo no factible . La iteraciones sucesivas avanzan hacia la factibilidad , sin violar la optimalidad. Cuando se restaura la factibilidad , el algoritmo termina. El MDS conserva la optimalidad y va anulando la infactibilidad Convertir a y agregar variables de holgura 1. Condición de factibilidad: sale la variable básica con valor más negativo. Si todas son no negativas se alcanza la solución óptima 2. Condición de optimalidad: se consideran los cocientes con denominador negativo. Entra a la base la variable de cociente mas pequeño (min) o el valor absoluto más pequeño (max) Se utiliza para devolver la factibilidad en modificaciones que se realizan en el análisis de sensibilidad Ejemplo: Método Dual Simplex Max Z = 3x1 + 2 x2 (Función Objetivo) sujeto a: 1. 3 x1 + 2 x2 ≥ 6 2. 2x1+ x2 ≥ 8 3. x1+ x2 1 (Condiciones de vínculo ) x1 0 , x2 0 (CNN) Salida Variable X1 X2 X3 X4 X5 renglon zj-cj -3 -2 0 0 0 renglon x4, a4j -2 -1 0 1 0 proporcion (zj-cj)/a4j ´3/2 ´2/1 - - - SBF X1 X2 X3 X4 X5 solucion z -3 -2 0 0 0 0 X3 -3 -2 1 0 0 -6 X4 -2 -1 0 1 0 -8 X5 1 1 0 0 1 1 Entrada Pasaje de Tabla óptima (TO) del PP al PD ⚫ Ejemplo: Problema de minimización Tabla optima del primal Tabla optima dual Correspondencia de variables y1 ↔ x3 y2 ↔ x4 y3 ↔ x5 y4 ↔ x6 y5↔ x1 y6↔ x2
Compartir