Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Investigacin Operativa
En los modelos de programacin lineal, los distintos coeficientes de la funcin objetivo, restricciones y valores de los recursos son datos que pueden
estar sujetos a errores o fluctuaciones. Por ello, su conocimiento no siempre
es preciso y pueden cambiar con el tiempo, ya que muchos dependen de
parmetros no controlables.
Analizar el efecto de cambios en la estructura del modelo sobre la solucin
ptima es, por tanto, de gran importancia y recibe el nombre de anlisis de
sensibilidad o postoptimalidad.
En este tema estudiamos el anlisis de sensibilidad, que utiliza la tabla ptima del smplex para obtener con el cambio de algn dato la nueva solucin
ptima, sin necesidad de resolver nuevamente el problema.
Veremos algunas tcnicas para llevar a cabo distintos tipos de anlisis de
sensibilidad, estudiando primero los cambios discretos y, posteriormente, los
cambios paramtricos (o de variacin continua), englobados estos ltimos en
la que se denomina programacin paramtrica.
Investigacin Operativa
1. Cambios discretos
Los cambios discretos se refieren al estudio del impacto o efecto que se produce sobre la solucin ptima cuando el valor actual de uno o ms coeficientes del problema se cambian por otros distintos.
Estudiamos aqu los cambios discretos debidos a que se produzca una nica
variacin en algn coeficiente, as como la incorporacin de una nueva restriccin o una variable de decisin.
El anlisis de la solucin ptima para ms de un cambio simultneo es bastante ms difcil y, en la mayora de los casos, es necesario resolver nuevamente el problema con los cambios introducidos.
Investigacin Operativa
yj cj
.
4
Investigacin Operativa
el nuevo valor
5
Investigacin Operativa
Si zj cj 0 la tabla permanece ptima. Los valores ptimos de la funcin objetivo y de las variables de decisin siguen siendo las
mismas ya que no ha sido necesario recalcular ninguna de
ellas.
Si zj cj < 0 tendremos una indicacin de mejora (la tabla dejar de ser
ptima) y ser necesario aplicar de nuevo el mtodo del smplex primal para alcanzar la optimalidad.
El estudio de cambios en los coeficientes cj bsicos y no bsicos simultneamente es ms complicado y nicamente es sencilla la interpretacin cuando,
al introducir nuevos coeficientes en la funcin objetivo y determinar los valores de la fila indicador correspondientes a las variables no bsicas, stos permanecen no negativos y, por tanto, se mantiene la optimalidad. En otro caso,
lo ms conveniente es resolver nuevamente el problema.
6
Investigacin Operativa
Se le plantea ahora al fabricante el problema que consiste en decidir los litros que
debe producir de cada cerveza para que el beneficio total por da sea mximo.
7
Investigacin Operativa
La tabla inicial del mtodo del smplex, tras la introduccin de dos var. de holgura es:
Investigacin Operativa
Investigacin Operativa
Por lo tanto, si c2[2, 8] la tabla seguir siendo ptima, se seguirn produciendo x1*=
5 litros de N, x2* = 20 de R y x3* = 0 de A, y el valor de la funcin objetivo, que
depender de c2 ser:
z =
= (4 , c2) (5 , 20)T = 20 + 20c2
El intervalo de valores para el cual la tabla sigue siendo ptima se denomina intervalo de optimalidad del coeficiente correspondiente.
10
Investigacin Operativa
Como ya sabamos, uno de los indicadores ha quedado negativo, por lo que la tabla deja de ser ptima y tenemos que aplicar el mtodo del smplex primal. Calculamos el valor de z e introducimos los nuevos valores en la tabla para aplicar el sm11
plex.
Investigacin Operativa
z = (4 , 9) (5 , 20)T = 200.
12
Investigacin Operativa
Investigacin Operativa
Si xBi 0 para todo i La tabla ptima del smplex sigue sindolo. Los valores ptimos de las variables de decisin y el valor ptimo de la funcin objetivo son los recalculados.
Si xBi < 0 para algn i La tabla ptima del smplex deja de serlo. Debemos
aplicar el mtodo del smplex dual para obtener la
nueva solucin ptima del problema.
Determinacin de la inversa de la base, B-1, que utiliza la tabla del smplex.
Un mtodo de obtencin de la matriz inversa de una matriz cuadrada M consiste en adjuntar a M la matriz identidad I del mismo orden, lo que indicamos con
(MI).
Mediante operaciones que consisten en:
a) multiplicar o dividir cualquier fila por un nmero, y
b) multiplicar cualquier fila por un nmero y sumarla a otra fila,
la transformamos en (IN), de manera que la matriz N ser la inversa de M. 14
Investigacin Operativa
Investigacin Operativa
Formada por los vectores columna yj en la tabla ptima de las var x4 y x5, que
eran bsicas en la tabla inicial.
Por lo tanto, la tabla sigue siendo ptima y la nueva solucin ptima consiste en pro16
ducir x1*= 11 litros de N, x2*=17 de R y x3*=0 de A, y con un beneficio de 16 u.
Investigacin Operativa
y1*= 1/3 Por cada unidad adicional de malta de que dispongamos el beneficio
aumentar en 1/3 unidades.
y2*= 10/3 Por cada unidad adicional de levadura de que dispongamos el beneficio aumentar en 10/3 unidades.
17
Investigacin Operativa
18
Investigacin Operativa
Por lo tanto, si b1[45/2,90], los valores ptimos de las variables de decisin sern:
x1*= 2b1 - 45 litros de N, x2*= -b1 + 90 de R y x3*=0 de A,
con un beneficio de z = cBT xB = (4, 7) (2b1-45 , -b1+90 )T= b1 + 450 unidades.
19
Investigacin Operativa
Investigacin Operativa
yj = B-1 ak
zj cj = cBTyj cj
Si zj cj 0 la tabla permanece ptima. Los valores ptimos de la funcin objetivo y de las variables de decisin siguen siendo las
mismas.
Si zj cj < 0 tendremos una indicacin de mejora (la tabla dejar de ser
ptima) y ser necesario aplicar de nuevo el mtodo del smplex primal para alcanzar la optimalidad.
21
Investigacin Operativa
22
Investigacin Operativa
Como el coste reducido ha quedado negativo, la tabla deja de ser ptima y debemos
aplicar el mtodo del smplex primal para alcanzar la nueva solucin ptima del problema.
23
Investigacin Operativa
24
Investigacin Operativa
Investigacin Operativa
2. La siguiente tabla del smplex se corresponde con la ptima de un problema de programacin lineal, siendo x4, x6 y x7 var de holgura y x5 artificial.
Sabiendo que las var bsicas en la tabla inicial fueron x5, x6 y x7:
a) Completar la tabla anterior y obtener el problema de PL original.
b) Qu ocurre si sustituimos el valor de la constante M por 3? y si lo sustituimos por 2?
c) Sean a y b los coeficientes en la funcin objetivo de las variables bsicas
x1 y x2. Obtener las condiciones que deben cumplir para que la solucin
actual siga siendo ptima.
d) Cul es la nueva solucin del problema si hacemos b1 = 3?
26
Investigacin Operativa
Investigacin Operativa
Investigacin Operativa
Como los vectores columna de las variables bsicas deben formar la matriz identidad
en cualquier tabla del smplex, resulta necesario pasar a cero los coeficientes de las
variables (bsicas) x1 y x2 de la nueva fila.
Multiplicamos la primera fila por -3, la segunda por -1 y se las sumamos a a la tercera, obteniendo de esta forma la tabla:
La nueva tabla es dual factible (zj cj 0 para todo j) y primal infactible (xB3 < 0) por
lo que debemos aplicar el mtodo del smplex dual para obtener la nueva solucin. 29
Investigacin Operativa
30
Investigacin Operativa
La nueva tabla es primal y dual factible y, por lo tanto, ptima. La solucin ptima es:
x1*= 3 litros de N, x2*= 21 de R y x3*= 0 de A,
con un beneficio de z = 159 unidades.
El valor de la variable de holgura x4*=3 nos indica que nos ha sobrado 3 kg de los 35
que tenamos de malta en el proceso de produccin.
31
Investigacin Operativa
Investigacin Operativa
Investigacin Operativa
Investigacin Operativa
35
Investigacin Operativa
Aplicamos el mtodo del smplex primal para obtener la nueva solucin ptima.
Investigacin Operativa
Investigacin Operativa
2. Anlisis paramtrico
Estudiamos variaciones continuas en los coeficientes del modelo, considerando as que stos cambian simultneamente como funcin de un
parmetro.
2.1 Variaciones en el vector de costes
Dado el problema lineal:
38
Investigacin Operativa
Al variar los parmetros ti cambian los coeficientes cj y el problema consiste en determinar las soluciones ptimas cuando los ti recorren
o
algn subconjunto de l.
Consideraremos el caso en que ti = t para todo i. La consideracin de
ms de un parmetro, aunque obliga a un anlisis sistemtico de los
distintos recorridos, se ejecuta con el mismo procedimiento.
Este procedimiento se apoya en el mtodo del smplex primal y utiliza la
fila indicador de la tabla ptima modificada, al aadir bajo ella otra fila
con los valores zso - cso y zo, correspondiente a la funcin objetivo parametrizada.
Como la fila indicador es funcin del parmetro t, se tiene
39
Investigacin Operativa
con zo = cBoTxB y cBo el vector formado por los elementos de co correspondientes a las variables bsicas de la tabla ptima.
Un algoritmo para el estudio sistemtico es
Paso 0. Calcular la tabla ptima del smplex para t = 0, y aadirle una
nueva fila bajo la fila indicador cuyos elementos son los zso - cso
asociados a cada variable y zo.
Paso 1. Imponer a la tabla modificada la condicin de optimalidad, es
decir, que los valores (zs - cs)(t) de la fila indicador sean no negativos. Determinar los recorridos de los parmetros para los
cuales la tabla permanece ptima, es decir, los valores extremos I y S, tales que para I t S se mantiene la optimalidad.
40
Investigacin Operativa
Paso 2. Sustituir t por aquellos valores extremos que sean finitos y aplicar el mtodo del smplex primal a las columnas no bsicas que
pasen a degeneradas (es decir, (zs - cs)(t)=0) obteniendo las soluciones ptimas alternativas.
Paso 3. Repetir pasos 1 y 2 hasta haber analizado el recorrido de los
parmetros.
En la ejecucin de este algoritmo se obtiene a lo sumo 2n recorridos no
triviales para t y se puede ver que z*(t) es una funcin lineal a trozos y
convexa de t.
41
Investigacin Operativa
aadiendo posteriormente zso-cso y zo, que aparecen en la fila marcada con t, obtenemos la siguiente tabla:
42
Investigacin Operativa
1/3 + t 0,
10/3 t 0,
43
Investigacin Operativa
Paso 2. Sustituimos t = -1/3 (=I) en la tabla, la fila indicador con elementos (zs - cs)(t)
estara formada por los elementos 0, 0, 14/3, 0, 11/3.
Al haber un 0 bajo la columna de la variable no bsica x4, aplicamos el mtodo del
smplex primal. Obtenemos la nueva tabla
4 -2t 0,
7/2 - t/2 0,
y as, siempre que t sea inferior a -1/3 la tabla anterior es ptima y la solucin es
x* =(0, 45/2, 0, 15/2, 0)
con z* = 315/2 - 45t/2.
44
Investigacin Operativa
Sustituimos ahora t = 10/3 (=S) en la tabla, la fila indicador con elementos (zs - cs)(t)
estara formada por los elementos 0, 0, 1, 11/3, 0.
Al haber un 0 bajo la columna de la variable no bsica x5, aplicamos el mtodo del
smplex primal. Obtenemos la nueva tabla
2 + t/2 0,
45
Investigacin Operativa
Una vez analizados todos los valores extremos finitos obtenidos para el parmetro t,
resumimos los resultados
Otro aspecto que puede ser de ayuda es la representacin grfica de z*(t), que es
lineal a trozos y convexa.
46
Investigacin Operativa
el anlisis de la variacin continua de los recursos bi se lleva a cabo parametrizando el lado derecho de las restricciones, lo que lleva a considerar el mismo problema salvo que las restricciones toman la forma
Ax = b + tT bo,
con t vector de parmetros desconocidos y bo vector de variaciones.
47
Investigacin Operativa
48
Investigacin Operativa
con zo = cBTxBo.
Al variar t no hay efecto sobre los valores zj - cj de la fila indicador, que
permanecen no negativos. Sin embargo, s pueden cambiar los valores
de xB y, mientras sean no negativos, la solucin ser factible y ptima.
Para el anlisis de sensibilidad de los bi tenemos el siguiente algoritmo:
Paso 0. Calcular la tabla ptima del smplex para t = 0 y aadir a sta una
columna a la derecha de xB, cuyos elementos son los valores xBo y zo.
49
Investigacin Operativa
Paso 1. Imponer a la tabla modificada la condicin de factibilidad (manteniendo la optimalidad), es decir, que los valores xB(t) sean no negativos.
Determinar el recorrido de los parmetros para los que la tabla permanece factible, es decir, determinar los valores extremos I y S, tales que para
I t S se mantiene la factibilidad.
Paso 2. Sustituir t por aquellos valores extremos que sean finitos y aplicar
el mtodo del smplex dual a las filas que pasen a degeneradas (es decir,
xBi(t) = 0), obteniendo la nueva tabla.
Paso 3. Repetir los pasos 1 y 2 hasta haber analizado el recorrido de los
parmetros.
Si comparamos este proceso con el de la variacin en los coeficientes de
coste y recordamos el concepto de dualidad, vemos que el proceso de
anlisis de variaciones en los recursos bi es el dual del proceso utilizado
en el anlisis de las variaciones con los coeficientes cj.
50
Investigacin Operativa
aadimos a la derecha una nueva columna formada por los valores xBo y zo, que apa51
recen en la siguiente tabla bajo la columna t.
Investigacin Operativa
Investigacin Operativa
Investigacin Operativa
54
Investigacin Operativa
55