Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Bruglieri
Analisi di sensitività
Sia dato un problema di PL
max z = c T x
Ai x ≤ bi per i =1,…, m (1.1)
xj 0 per j =1,…, m
Supponiamo che ammetta una soluzione ottima x* e che il valore ottimo sia z*. Perciò
Dispensa Analisi di Sensitività – Postottimalità, Prof. M. Bruglieri
risulta z* = cTx* = c BT x B* .
Vogliamo ora rispondere a due tipi di domanda.
1) Di quanto varia la funzione obiettivo se cj varia della quantità Δcj, supponendo che tale
variazione non faccia cambiare la base ottima?
Indichiamo con ej il vettore di n tale che il j-mo elemento è uguale a 1 e tutti gli altri sono
uguali a 0. Indichiamo con z* (c + Δcj ej) il valore ottimo di (1.1) in corrispondenza dei nuovi
costi c + Δcj ej. Allora risulta
𝑇 * 𝑇 * 𝑇 *
𝑧* se𝑥𝑗 fuori base
z (c + Δcj ej) = (𝑐 + Δ𝑐𝑗 𝑒𝑗 )𝐵 𝑥𝐵 = 𝑐𝐵 𝑥𝐵 + (Δ𝑐𝑗 𝑒𝑗 )𝐵 𝑥𝐵 = { * (1.2)
𝑧 + Δ𝑐𝑗 𝑥𝑗* se𝑥𝑗 in base
2) Di quanto varia la funzione obiettivo se bi varia della quantità Δbi, supponendo che tale
variazione non faccia cambiare la base ottima?
Consideriamo il duale del problema (1.1) dato da
min = bT y
Aj y cj per j=1,…, n (1.4)
yi 0 per i=1,…, m
dove Aj denota la j-ma colonna della matrice A dei vincoli del primale.
Dal teorema della dualità forte sappiamo che anche il duale ammette una soluzione ottima y* e
che il valore ottimo del duale coincide con quello del primale, ossia z* (b + Δbi ei) =
ω* (b + Δbi ei).
Perciò il problema si riconduce a stabilire come varia la funzione obiettivo del duale in seguito a
una variazione Δbi del coefficiente bi. Possiamo quindi applicare al duale il risultato precedente,
ottenendo
Sempre per il teorema della dualità forte possiamo sostituire z* a ω* nell'ultima uguaglianza.
Ora in base al teorema degli scarti complementari si ha
Perciò se l’i-mo vincolo del primale non è soddisfatto con l'uguaglianza (cioè, immaginando
che sia la formulazione di un mix produttivo, la i-ma risorsa non è scarsa) allora per (1.7) risulta
yi = 0 e quindi yi è fuori base (a parte il caso degenere). Viceversa se l'i-mo vincolo del primale
è soddisfatto con l'uguaglianza allora yi può essere anche maggiore di 0 e quindi in base. Perciò
Quindi la variazione della funzione obiettivo in corrispondenza della variazione Δbi di bi è data
da
Da ciò si deduce che nel caso di un problema di mix produttivo il valore ottimo dell'i-ma
variabile duale indica il massimo prezzo che l'azienda sarebbe disposta a pagare per acquisire
una unità aggiuntiva della risorsa rappresentata dall'i-mo vincolo. Per questo motivo i valori
ottimi delle variabili duali vengono anche detti prezzi ombra (shadow price).
Analisi di postottimalità
Vogliamo ora rispondere, sempre in merito al problema (1.1) dotato della soluzione ottima x*, ai
seguenti due tipi di domanda.
1) Di quale quantità Δcj può variare il coefficiente cj della funzione obiettivo senza che la
soluzione ottima cambi?
Se xj è fuori base, ossia xj = 0, qualunque diminuzione di cj non farebbe cambiare la soluzione
ottima. Ad esempio nel caso di un mix produttivo cj rappresenta il guadagno unitario per la
vendita del j-mo prodotto: se il j-mo prodotto non è fabbricato quando il guadagno unitario vale
cj, a maggior ragione non sarà fabbricato quando il guadagno unitario diminuisce. Indichiamo il
fatto che cj può diminuire di una quantità Δcj arbitraria scrivendo -∞ < Δcj.
Se invece aumentiamo il guadagno unitario del j-mo prodotto troveremo una soglia oltre la
quale diventa conveniente produrre il j-mo prodotto e quindi da quella soglia in poi la soluzione
ottima cambia, dato che xj passa dal valore 0 a un valore strettamente maggiore di 0.
Tale soglia è data dal costo ridotto della variabile xj che denotiamo con c j . Infatti il costo
ridotto di una variabile fuori base rappresenta la variazione della funzione obiettivo che si
avrebbe se tale variabile entrasse in base. Nel caso di un problema di massimo, se xj entrasse in
base la funzione obiettivo diminuirebbe della quantità c j < 0. Affinché ciò sia conveniente
occorre che l'aumento Δcj del coefficiente cj compensi almeno la diminuzione di funzione
obiettivo di c j . Quindi l'intervallo entro cui la soluzione ottima non cambia è dato da
− c j −c j (1.10)
Analogamente, per un problema di minimo l’intervallo di variazione è il seguente
Dispensa Analisi di Sensitività – Postottimalità, Prof. M. Bruglieri
− c j c j + (1.11)
Consideriamo ora il caso in cui la variabile xj è in base.
Affinché i costi ridotti siano ottimi deve risultare
c N − ( c B + c j e j ) B −1 N 0 (1.12)
da cui
c N − c B B −1 N c j e j B −1 N (1.13)
CN
dove il secondo membro di (1.13) rappresenta la riga j-ma di B-1N moltiplicata per Δcj. Si noti
che dalla definizione di sistema in forma canonica, tale riga corrisponde all’opposto dei
coefficienti delle variabili fuori base della riga del sistema finale in forma canonica in cui la
variabile xj è in base (sia σj l’indice di tale riga).
Perciò l’intervallo di variazione è il seguente
c c
− (k− ) c j − (k+ ) , k : xk fuori base (1.14)
A j k A j k
dove A( −j k) e A( +j k) denotano rispettivamente i coefficienti negativi e quelli positivi della riga σj del
sistema finale in forma canonica.
Se il problema di ottimizzazione lineare è di minimo (anziché di massimo), poiché la (1.13)
andrebbe invertita si ha che l’intervallo di variazione diverrebbe
c c
− (k+ ) c j − (k− ) , k : xk fuori base (1.15)
A j k A j k
2) Di quale quantità Δbi può variare il termine noto bi dell'i-mo vincolo senza che la soluzione
ottima cambi?
Supponiamo che l'i-mo vincolo non sia soddisfatto con l'uguaglianza (nel caso del problema del
mix produttivo ciò corrisponde a dire che la i-ma risorsa non è scarsa).
Questo significa che la variabile di slack si = bi - aix associata all'i-mo vincolo è in base nella
soluzione ottima dato che risulta si* = bi − ai x * 0 . Ci chiediamo quindi per quali variazioni
Δbi di bi, la variabile di slack si continua a restare in base nella soluzione ottima. Ovviamente bi
può aumentare arbitrariamente senza che la soluzione cambi dato che lo scarto si aumenterebbe
e quindi risulterebbe a maggiore ragione positivo. Invece per quanto riguarda la diminuzione di
bi esiste una soglia oltre la quale l'i-mo vincolo è soddisfatto con l'uguaglianza: tale soglia è data
proprio dal valore ottimo si* della variabile di slack si. Infatti diminuendo il termine noto bi di
una quantità maggiore di si* la variabile si all'ottimo uscirebbe dalla base dato che il suo valore
diventerebbe 0. Quindi l'intervallo entro cui la soluzione ottima non cambia è dato da
−𝑠𝑖* ≤ Δ𝑏𝑖 < +∞ (1.16)
Consideriamo ora il caso in cui l'i-mo vincolo sia soddisfatto con l'uguaglianza (ossia per il
problema del mix produttivo ciò corrisponde al caso in cui la i-ma risorsa è scarsa).
Affinché la soluzione sia ammissibile deve essere
x B = B −1 (b + bi ei ) 0 (1.17)
ossia
Dispensa Analisi di Sensitività – Postottimalità, Prof. M. Bruglieri
bk b
( −)
bi (k+ ) , k = 1,..., m (1.19)
Aki Aki
bk b
− (+)
bi − (k− ) , k = 1,..., m (1.20)
Aki Aki
Esempio
Vogliamo effettuare l’analisi di postottimalità di un problema di massimizzazione con vincoli
di ≤ a cui corrisponde all’ottimo il seguente sistema in forma canonica:
15 3 1
x1 = 2 − 2 s1 + 2 s 2
5 1 1
x2 = + s1 − s 2
2 2 2
s3 = 25 7 3
− s1 + s 2
2 2 2
− 0.1 − 0.05
− c1 − − 0.07 c1 0.10
3 1
−
2 2
− 0.05 − 0.1
− c2 − − 0.10 c2 0.20
1 1
−
2 2
Per quanto riguarda la variazione dei termini noti dei vincoli entro cui non cambia la base
ottima, poiché le variabili di slack dei primi due vincoli sono fuori base ci troviamo nel caso di
risorse scarse e quindi bisogna applicare la formula (1.19):
Dispensa Analisi di Sensitività – Postottimalità, Prof. M. Bruglieri
15 25 5
25
max − 2 , − 2 b 2 − b1 5
3 7 1
1 7
2 2 2
5 15 25
25
− 2 b2 min − 2 , − 2 − 5 b2
1 1 3 3
− −
2 2 2
Infine per l’ultimo vincolo, essendo la variabile di slack in base, si deve applicare la formula
(1.16):
25
− b3 +
2