Sei sulla pagina 1di 9
INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD PRESENTADO POR: LEIDY JOHANA

INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD

PRESENTADO POR: LEIDY JOHANA GUTIERREZ DÁVILA-Estudiante Facultad Ingeniería Biomédica

1. Defina:

1.1. Análisis de sensibilidad

El análisis de sensibilidad busca determinar los efectos que se producen en la solución óptima al realizar cambios en cualquiera de los parámetros del modelo de programación lineal planteado inicialmente. Entre los cambios que se investigan están:

los cambios en los coeficientes de las variables en la función objetivo tanto para variables básicas como para las variables no básicas, cambios en los recursos disponibles de las restricciones, variación de los coeficientes de utilización en las restricciones e introducción de una nueva restricción [1]. El objetivo principal del análisis de sensibilidad es identificar el intervalo permisible de variación en los cuales las variables o parámetros pueden fluctuar sin que cambie la solución optima. Sin embargo, así mismo se identifica aquellos parámetros sensibles, es decir, los parámetros cuyos valores no pueden cambiar sin que cambie la solución óptima. Los investigadores de operaciones tienden a prestar bastante atención a aquellos parámetros con holguras reducidas en cuanto a los cambios que pueden presentar, de forma que se vigile su comportamiento para realizar los ajustes adecuados según corresponda y evitar que estas fluctuaciones pueden desembocar en una solución no factible [1].

1.2. Problema primal Problema primal nos informa sobre niveles de producción óptimos para maximizar el valor de la función objetivo, sujeto a las limitaciones en los recursos especificadas en las restricciones, en este caso los tiempos de traslado y de captura. Por una variedad de razones sería deseable estimar el valor de cada uno de estos recursos, por ejemplo para decidir el tipo de cambios que se podría hacer si el predador decidiera disponer de recursos adicionales para mejorar su consumo calórico [2]. 1.3. Problema dual El problema dual es una programación lineal definida en forma directa y sistemática a partir del modelo original (o primal) de programación lineal. Los dos problemas están relacionados en forma tan estrecha que la resolución optima ´ de un problema produce en forma automática la resolución optima ´ del otro. En la mayor parte de las presentaciones de programación lineal, el dual se define para varias formas del primal, dependiendo del sentido de la optimización (maximización o mini-mización), tipos de restricciones (≤, ≥ o =), y la orientación de las variables (no negativa o no restringida). Este tipo de tratamiento puede confundir Por esta razón presentaremos una sola definición que comprenda en forma automática a todas las formas del primal.

2. ¿Cuáles son los cuatro pasos para la construcción de un problema dual?

INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD 2. Se define una restricción

INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD

2. Se define una restricción dual por cada variable primal

3. Los coeficientes de restricción (columna) de una variable primal define los coeficientes en el lado izquierdo de la restricción dual, y su coeficiente objetivo define el lado derecho.

4. Los coeficientes, objetivo del problema dual son iguales al lado derecho de las ecuaciones de restricción primal.

al lado derecho de las ecuaciones de restricción primal. 3. ¿Cómo cambia al sentido de la

3. ¿Cómo cambia al sentido de la optimización en un problema dual frente al primal? Problema primal: encontrar max z tal que Ax ≤ b, x ≥ 0, c T x = z (A: m x n) [2] Problema dual: encontrar min v tal que A T y ≥ c, y ≥ 0, b T y = v (A: m x n) [2]

Todas las restricciones primales son ecuaciones con lado derecho no negativo, y todas las variables son no negativas.

4. Completar

OBJETIVO PROBLEMA PRIMAL

 

PROBLEMA DUAL

 

TIPO DE

SIGNO DE LAS VARIABLES

OBJETIVO

RESTRICCION

Maximización

Maximización

 

irrestricta

Minimización

Minimización

 

irrestricta

5. Formule los problemas duales de los siguientes primales

INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD Minimizar Z= -5X1+X2 < -2

INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD

DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD Minimizar Z= -5X1+X2 < -2 Sujeto a: -X1+X2 <

Minimizar Z= -5X1+X2< -2

Sujeto a:

-X1+X2< -2 2X1+3X2 < 5 X1,X2 > 0 Solución:

En la función objetivo, una de las variables es negativa, por lo que según la teoría mencionada al principio del capítulo no es posible hallar una dual que al regresarla a primal (dualizando) nos resulta mismo resultado inicial.

La teoría

Ambos detalles impiden la solución

también menciona la no negatividad del lado derecho de las restricciones

la no negatividad del lado derecho de las restricciones Minimizar z = 6X1 +3X2 Sujeta a

Minimizar z = 6X1 +3X2 Sujeta a 6X1-3X2+X3 > 2 3X1+4ª2+X3 > 5 X1, X2, X3 > 0

Solución:

En la función dual maximizar P=2X1 +5X2 Sujeto a 6X1+3X2 < 6 -3X1+4X2 < 3 X1+X2 < 0

-X1

<

0

 

-X3

<

0

INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD Maximizar Z= X1+X2 Sujeta a:

INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD

DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD Maximizar Z= X1+X2 Sujeta a: 2X1+X2=5 3X1-X2=6 X1, X2

Maximizar Z= X1+X2

Sujeta a:

2X1+X2=5

3X1-X2=6

X1, X2

Solución:

En función dual minimizar

p=5X1+6X2

Sujeto a:

2X1+3X2 > 1

X1-X2

X1, X2

>

0

>

>

1

0

6. Responda si las siguientes afirmaciones son verdaderas o falsas

6.1. El dual del problema dual da como resultado el primal (compruébelo con un ejemplo) (verdadera) Ejemplo:

Máx. Z(x) = ct x Sujeto a:

A

x

El problema dual (dual simétrico) es:

Mín. G(λ) = λ b Sujeto a:

λ A ≥ c

λ ≥ 0, es decir, variables libres.

x ≤ b ≥ 0

6.2. Si la restricción primal esté originalmente en forma de ecuación, la variable dual correspondiente es necesariamente no restringida. (falsa) 6.3. Si la restricción primal es del tipo <=, la variable dual correspondiente será no negativa dependiendo de si el objetivo primal es maximización (verdadera) 6.4. Si la restricción primal es del tipo >=, la variable dual correspondiente será no negativa dependiendo de si el objetivo primal es minimización

(verdadera) INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD 6.5. Una variable

(verdadera)

INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD

6.5. Una variable primal no restringida dará como resultado una restricción dual de igualdad. (verdadera)

7. Completar:

7.1. “La soluciones primal y dual se relacionan en forma tan estrecha que la solución optimal del problema primal produce en forma directa (con unos pocos cálculos adicionales) la solución óptima del dual.” (valores óptimos de las variables duales) = (vector final de los coeficientes objetivos

originales de las variables básicas optimas primales) * (inversa primal optima). Los elementos del vector fila de los coeficientes objetivos del primal original deben aparecer en el mismo orden que aparecen las variables básicas en la columna Básica de la tabla simplex. La solución dual optima se puede determinar resolviendo las siguientes ecuaciones:

(Coeficiente z-primal óptimo de cualesquiera variables xj) = (Lado izquierdo de la j- esima restricción dual) * (Lado derecho de la j-esima restricción dual).

7.2. En los problemas prima dual si uno es de maximización el otro debe ser de minimización. Para cualquier par de soluciones primales y duales factibles, (Valor objetivo en el problema de Maximización) <= (Valor objetivo en el problema de Minimización). En el óptimo, la relación es válida estrictamente como ecuación.

7.3. Valor objetivo en el problema de maximización <=, =, >= Valor objetivo en el problema

de minimización >=, =, <=

8. Describa el algoritmo para cada uno de los dos métodos ALGORITMO PRIMAL: En el algoritmo primal, la solución básica inicial es factible, pero no óptima. Las iteraciones sucesivas permanecen factibles a medida que avanzan hacia el óptimo. Se desarrolló un algoritmo subsiguiente para PLs, llamado simplex dual, que se inicia como no factible pero óptimo y que se dirige hacia la factibilidad, al tiempo que mantiene la optimalidad. La iteración final ocurre cuando se restaura la factibilidad. En un inicio, el algoritmo dual se utilizó sobre todo en el análisis post óptimo de PL y en la

programación lineal entera, pero no como un algoritmo independiente para resolver PLs. La razón principal es que su regla para seleccionar la variable de salida era débil. Sin embargo, todo esto cambió cuando se adoptó la idea de la regla del borde más inclinado primal para determinar la variable de salida en el algoritmo simplex dual. En la actualidad, el simplex dual con la adaptación del borde más inclinado ha demostrado que es dos veces más rápido que el simplex dual, y por el momento es el algoritmo simplex dominante en los códigos comerciales más importantes.

INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD Algoritmo de barrera : El

INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD

Algoritmo de barrera: El algoritmo de punto interior es totalmente diferente del algoritmo simplex en que cruza el espacio factible y poco a poco se mueve (en el límite) hacia el óptimo. Computacionalmente, el algoritmo es polinomial en el tamaño del problema. Por otra parte, el algoritmo simplex es exponencial en el tamaño del problema (se han construido ejemplos hipotéticos en los que el algoritmo simplex visita cada punto de esquina del espacio de soluciones antes de alcanzar el óptimo). El algoritmo de punto interior se introdujo en 1984 y, sorpresivamente, fue patentado por AT&T y vendido en una computadora especializada (aparentemente por una exuberante cantidad) sin revelar sus detalles computacionales. Al fin, la comunidad científica “se ocupó” y descubrió que el método de punto interior tenía raíces en los primeros algoritmos de programación no lineal de la década de 1960 (vea por ejemplo el algoritmo SUMT.El resultado es el llamado método de barrera con algunas variaciones algorítmicas. Para problemas en extremo grandes, el método de barrera ha demostrado ser mucho más rápido que el algoritmo simplex dual. La desventaja es que el algoritmo de barrera no produce soluciones de punto de esquina, una restricción que limita su aplicación en el análisis pos óptimo y también en la programación entera. Aunque se han desarrollado métodos para convertir una solución de punto interior óptimo de barrera en una solución de punto de esquina, la carga de computo asociada es enorme, lo que limita su uso en aplicaciones como programación entera, donde la frecuente necesidad de localizar soluciones de punto de esquina es fundamental para el algoritmo. No obstante, todos los códigos comerciales incluyen el algoritmo de barrera como herramienta para resolver PL grandes.

9. ¿Cuál es la interpretación económica de las variables duales? Establece que para cualquiera de las dos soluciones factibles primal y dual, los valores de las funciones objetivo, cuando son finitos, deben satisfacer la siguiente desigualdad:

= ∑ ≤ ∑ =

=1

=1

En el óptimo, los dos valores objetivo son iguales, es decir, z 5 w. En función del modelo de asignación de recursos, z representa $ ingresos, y bi representa unidades disponibles del recurso i. Por lo tanto, dimensionalmente, z 5 w implica

$

Esto quiere decir que la variable dual, yi, representa el valor por unidad del recurso i. Como se expone en la sección 3.6, el nombre estándar precio dual (o precio sombra) del recurso i reemplaza el nombre (sugestivo) valor por unidad en toda la literatura de programación lineal y en los paquetes de software, de ahí que también se adoptó el nombre estándar en este libro. Utilizando el mismo análisis dimensional, podemos interpretar la desigualdad z , w (para cualquiera de las dos soluciones primal y dual) como (ingreso)<(valor de los recursos

ingresos =

=1

=

=1

( ) ∗ ($ )

INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD Esta relación expresa que en

INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD

Esta relación expresa que en tanto el ingreso total de todas las actividades sea menor que el valor de los recursos, las soluciones primal y dual correspondientes no serán óptimas. La optimalidad se alcanza sólo cuando los recursos se han explotado por completo. Esto puede suceder sólo cuando la entrada (valor de los recursos) se iguala a la salida (ingreso en dólares).

10. ¿Cuál es la interpretación económica de las restricciones duales? Se pueden interpretar las restricciones duales, usando la fórmula, que indica que en cualquier iteración primal.

(Coeficiente objetivo de xj) = Pm i=1 aijyi cj De nuevo se aplicar a el análisis dimensional para interpretar esta ecuación. La utilidad cj por unidad de actividad j está en $ por unidad. En consecuencia, para tener consistencia, la cantidad Pm i=1 aijyi también debe estar en $ por unidad. Además, como cj representa una utilidad, la cantidad Pm i=1 aijyi, que aparece en la ecuación con signo contrario, debe representar un costo. Al mismo tiempo, como aij es la cantidad del recurso i que usa la actividad j, las variables duales yi deben representar al costo imputado por unidad de recurso i y se puede considerar que la cantidad Pm i=1 aijyi es el costo imputado de todos los recursos necesarios para producir una unidad de actividad j. La condición de optimalidad de maximización del método simplex indica que un aumento en la cantidad de una actividad, j no usada (no básica) puede mejorar la utilidad solo en caso de que su coeficiente objetivo (Pm i=1 aijyi − cj) sea negativo. En función de la interpretación anterior, esta condición establece que (Costo imputado de recursos por unidad de actividad j) < (Utilidad por unidad de actividad

j)

Así, la condición de optimalidad de maximización indica que es económicamente bueno aumentar una actividad a un valor positivo si su utilidad unitaria es mayor que su costo imputado unitario.

11. ¿Qué otros nombres reciben los precios duales? Precio social o precio de sombra, llamado también precio de cuenta, es una medida monetaria del cambio en el bienestar de la comunidad debido a un cambio muy pequeño en la disponibilidad de bienes finales o factores de producción. El Precio Sombra de una restricción en Programación Lineal indica cuánto cambia el valor de la función objetivo (óptimo) ante una variación marginal del lado derecho de una restricción.

12. ¿Qué cambios afectan la factibilidad? La factibilidad de la solución óptima actual se ve afectada sólo si cambia el lado derecho de las restricciones, o se agrega una nueva restricción al modelo. En ambos casos, la no factibilidad ocurre cuando una o más de las variables básicas actuales se vuelven negativas. Existen 2 tipos de cambios que pudieran afectar la factibilidad de la solución actual [4].

INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD 1. Cambios en la disponibilidad

INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD

1. Cambios en la disponibilidad de recursos (o segundo miembro de las restricciones) y

2. Adición de nuevas restricciones. Consideraremos cada caso en forma individual.

En ambos casos la factibilidad ocurre cuando por lo menos uno de los elementos de B^ (-1) b se vuelve negativo, es decir, si una o más de las variables básicas actuales se vuelven negativas. Cambios discretos en el vector b del lado derecho. Se considera el caso en que se hacen cambios específicos discretos en uno o más de los elementos del vector b.

13. ¿Qué cambios afectan la optimalidad?

La solución actual dejará de ser óptima sólo si los coeficientes de la función objetivo z_i-c_j, violan la condición de optimalidad [5]. Dado el vector de los precios duales Y=C_B B^(-1), la definición. z_i-c_j=YP_j-c_j Nos dice que la optimalidad de la solución sólo se verá afectada cuando cambiamos los coeficientes objetivo c_j (y, por tanto, C_B) o el vector P_j de utilización de recursos por unidad. Cambios en los coeficientes objetivo c_j. El efecto de hacer cambios en c_jsobre la optimalidad implica volver a calcular z_ic_ j, únicamente para las variables no básicas. La razón por la cual no necesitamos volver a calcular z_i-c_jpara las variables básicas es que siempre serán igual a cero, sin importar los cambios que se hagan en c_j. El procedimiento del cálculo se resume como sigue:

Calcule el valor de los precios duales Y=C_B B^(-1)utilizando un nuevo vector C_Bsi se cambió.Calcule z_i-c_j=YP_j- c_j para todas las x, no básicas actuales.

Resultarán dos casos:

Si se satisface a condición de optimalidad, la solución actual seguirá siendo la misma pero a un nuevo valor óptimo de la función objetivo. (Sin embargo, si C_B pertenece inalterada el valor objetivo óptimo seguirá siendo el mismo.)

Si no se satisface la condición de optimalidad, aplicamos el método simplex (primal) para recuperar optimalidad.

REFERENCIAS INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD [1]

REFERENCIAS

INGENIERÍA INDUSTRIAL INVESTIGACION DE OPERACIONES I CUESTIONARIO ANALISIS DE DUALIDAD

[2]http://dualidad.pdf

[4]http://introduccionmetodos.blogspot.com.co/2014/05/cambios-que-afectan-la-

factibilidad.html [5] http://introduccionmetodos.blogspot.com.co/2014/05/cambios-que-afectan-la-

optimalidad.html