Professional Documents
Culture Documents
SUPERIOR DE MASCOTA
TRABAJO:
ANTOLOGA UNIDAD 3
DUALIDAD Y ANLISIS DE SENCIBILIDAD
PRESENTA:
FELIPE ANTONIO MAGAA DUEAS
No. CONTROL:
1212I0003
CARRERA:
INGENIERIA INDUSTRIAL
MATERIA:
INVESTIGACIN DE OPERACIONES
DOCENTE:
ING. JOSE BENJAMIN VILLALVAZO RIVERA
MASCOTA, JALISCO. MXICO. 02 DE MAYO DEL 2014
CONTENIDO
ANTECEDENTES.................................................................................................. 3
OBJETIVO GENERAL............................................................................................ 3
OBJETIVO ESPECIFICO........................................................................................ 3
MARCO TERICO................................................................................................. 4
3.1.- TEORA PRIMAL DUAL................................................................................ 4
3.2.- FORMULA DEL PROBLEMA DUAL................................................................5
Ejemplo:......................................................................................................... 6
3.3.- RELACIN PRIMAL-DUAL........................................................................... 7
3.4.- DUAL SIMPLEX........................................................................................... 8
Algoritmo Dual-Simplex para un modelo de maximizacin.....................................8
Ejemplo:....................................................................................................... 10
3.5.- ANLISIS DE SENSIBILIDAD: CAMBIO EN EL VECTORRECURSOS (BJ) Y SUS
LIMITES, CAMBIO EN EL VECTOR (CI) Y SUS LIMITES, ADICIN DEUNA VARIABLE (XI),
CAMBIO EN COEFICIENTES TECNOLGICOS (AIJ), ADICIN DE UNA NUEVA
RESTRICCIN................................................................................................. 13
Primer caso: Cambios en las bi (columna lado derecho)......................................15
Segundo caso:.............................................................................................. 15
Tercer caso: Cambios en los coeficientes de una variable bsica..........................15
3.6 INTERPRETACIN DEL ANLISIS DE SENCIBILIDAD....................................17
3.7.- USO DE SOFTWARE................................................................................. 20
Ejemplo:....................................................................................................... 21
CONCLUSIN..................................................................................................... 25
REFERENCIAS ELECTRNICAS..........................................................................26
ANTECEDENTES
Cuando el tiempo lo requiere se deben implementar nuevas medidas, las cuales
cumplan con el objetivo establecido y hagan a su vez el mejor aprovechamiento
del trabajo.
Gracias a eso, es como se a logrado realizar diversos tipos de modelos
matemticos, teoras, y diversos organismos para la verdadera realizacin de los
trabajos, ya que estn en constante cambio es necesario tener nuevos y
mejoradas herramientas que nos ayuden a cumplir con este cometido, sin dejar de
lado la calidad y la maximizacin de ganancias y minimizacin de perdidas.
OBJETIVO GENERAL
Dar un enfoque ms objetivo y ms realista a mtodos que son utilizados en la
industria, los cuales al ser muy eficaces, han podido sobrevivir al paso de los aos
y a los diversos cambios que estn sometidos.
Y con ello hacer que se comprenda fcilmente, que sea ms entendible y a su vez
aprovecharlos al mximo.
OBJETIVO ESPECIFICO
Hacer que este no se a solo un trabajo, sino, un manual en el cual nos podamos
basar en un futuro para hacer ms eficiente un proceso, una distribucin, obtener
unas mayores ganancias y hacer que con ello la empresa crezca ms y garantizar
las metas a lograr.
MARCO TERICO
Dualidad Y Anlisis De Sensibilidad Pgina 3
1.
minimizacin y viceversa.
2.
Los signos de desigualdad del problema dual son contrarios a los del
primal.
6.
PROBLEMA
PRIMAL
EN PROBLEMA
DUAL
FORMA CANONICA:
FORMA CANONICA:
MAX Z= CX
MIN Z= BY
Sujeto a:
Sujeto a:
AX b
AY C
X0
Y0
Tabla.1.1.- problema de dualidad.
Ejemplo:
Dualidad Y Anlisis De Sensibilidad Pgina 5
EN
X2 +
X3 200
Es importante destacar que este proceso es muy til ya que en muchos modelos
evita la inclusin de variables artificiales en el momento de transformar un modelo
a formato estndar.
El algoritmo para resolver un modelo de maximizacin es el siguiente:
Paso 1: Hallar una solucin bsica inicial infactible e inmejorable
Escribir el tablero inicial tomando a las variables de holgura y de exceso como
variables bsicas iniciales
Paso 2: Prueba de factibilidad
Si todas las variables bsicas son no negativas, la actual solucin es la ptima.
Si hay al menos una variable bsica negativa, seleccionar como variable de salida,
( llammosla (XB)s ), a aquella con el valor ms negativo. Los empates se pueden
romper arbitrariamente.
Paso 3: Prueba de inmejorabilidad
S en el rengln de la variable bsica de salida (XB)s todos los coeficientes de
reemplazo con las variables no bsicas son no negativos, la solucin del modelo
es ptima limitada. Se termina el proceso.
Si en el rengln de la variable bsica de salida (XB)s, hay al menos un coeficiente
de intercambio negativo , se efectan los cocientes entre el efecto neto de cada
variable no bsicas y su correspondiente coeficiente de intercambio negativo.
Es decir, siendo (XB)s la variable de salida se calculan todos los cocientes
multipliquemos por (-1) en ambos lados de las ecuaciones, para formar los
vectores unitarios, requeridos para contar con una base inicial unitaria.
Maximizar Z= -2X1 -2X2 -3X3
Sujeto a :
paso 1.
Tomando las variables bsicas iniciales hacemos lo siguiente:
Cj -2
-2
-3
CB X1
X2 X3 E1
XB
E2
Solucin Bsicas
-2
-4
-2
-10
E1
-3
-9
-12
E2
Zj 0
Ej -2
-2
-3
Paso 2
Sale E2 = (XB)2 o sea s = 2
Paso 3
Calculando los cocientes para todo (Sj)2 < 0 obtenemos:
-2
-3
CB X1 X2 X3 E1
0
-4/3
XB
E2
Solucin Bsicas
-2/9 -22/3
E1
-3 -1/3 -1/3 1
-1/9 4/3
X3
Zj -1
-3
1/3
Ej -1
-3
-1/3 -4
14/3
Tabla 2
Cj -2
-2
-3
CB X1
X2 X3 E1
-2 2/7 1
-3 3/7 0
Zj
13/7
Ej -1/7 0
-3
3/14
-
XB
E2
Solucin Bsicas
1/21 11/7
-
1/14 2/21
9/14
-
X2
13/7
X3
-61/7
4/21
-
9/14 4/21
Una solucin es ptima slo en lo que se refiere al modelo especfico que se usa para
representar el problema real estudiado, pero no puede ser confiable hasta verificar un
buen comportamiento al hacer cambios en sus parmetros. El anlisis de sensibilidad
tiene el propsito de investigar el efecto sobre la solucin ptima entregada por el mtodo
simplex, con los cambios a los valores originales.
En tal caso, la PL tiene el recurso de revisar la "solucin ptima" de un problema para
ajustarla a lo que se juzga vlido por los responsables de la decisin, o bien en respuesta
a cambios (slo discretos, pues los cambios continuos forman parte de la programacin
paramtrica, no incluida aqu) del entorno econmico; por tal motivo a este anlisis
tambin se le llama de posoptimalidad.
En general se pueden presentar cambios que no afecten la optimalidad de la solucin ya
obtenida, pero tambin puede ocurrir que se pierda esa condicin. Por tal motivo es
importante identificar los parmetros sensibles, que al cambiar de valor, se pierde el
ptimo. En este caso, es posible calcular el intervalo de valores permitido en que no se
pierde el ptimo. Tambin se puede determinar el intervalo de valores para conservar
factibilidad (valores no negativos de variables).
dividual, dgase los coeficientes de la funcin objetivo y los lmites de cada una de
las restricciones.
En ese sentido se plantea el siguiente procedimiento:
1. Revisin del modelo: se realizan los cambios que se desean investigar en el
modelo.
2. Revisin de la tabla final Smplex: se aplica el criterio adecuado para determinar
los cambios que resultan en la tabla final Smplex.
3. Conversin a la forma apropiada de eliminacin Gauss: se convierta la tabla en
la forma apropiada para identificar y evaluar la solucin bsica actual, para lo cual
se aplica la metodologa de eliminacin Gauss si es necesario.
4. Prueba de factibilidad: se prueba la factibilidad de esta solucin mediantela
verificacin de que todas las variables bsicas de la columna del lado derecho aun
tengan valores no negativos.
5. Prueba de optimalizad: se verifica si esta solucin es optima y factible,
mediante la comprobacin de que todos los coeficientes de las variables no
bsicas del regln Z permanecen no negativos.
6. Re-optimizacin: si esta solucin no pasa una de las pruebas indicadas en los
puntos 4 y 5 anteriores, se procede a buscar la nueva solucin optima a partir de
la tabla actual como tabla Smplex inicial, luego de aplicadas las conversiones de
lugar, ya sea con el mtodo Smplex o el Smplex Dual.
Aplicacin del anlisis de sensibilidad
Este anlisis casi siempre comienza con la investigacin de los cambios en los
valores de las bi, la cantidad del recurso i (i = 1, 2,. . ., m) que se encuentra
disponible para las actividades bajo consideracin. La razn es que en general
existe mayor flexibilidad al establecer y ajustar estos valores que los otros
parmetros del modelo. La interpretacin econmica de las variables duales (las
yi) como precios sombra es extremadamente til para decidir cules son los
cambios que se deben estudiar.
Primer caso: Cambios en las bi (columna lado derecho)
Supongamos que los nicos cambios al modelo actual consisten en el cambio de
uno o ms de los parmetros bi (i= 1, 2,. . ., m). En este caso, los nicos cambios
que resultan en la tabla simplex final se encuentran en la columna del lado
derecho, por lo cual, se pueden omitir del procedimiento general tanto la
conversin a la forma apropiada de eliminacin de Gauss como la prueba
optimalidad.
Segundo caso:
Cambios en los coeficientes de una variable no bsica
Considere una variable especfica xj (j fija) que sea no bsica en la solucin
ptima dada en la tabla simplex final. El caso 2a es aquel en el que los nicos
cambios al modelo actual ocurren en uno o ms de los coeficientes de esta
variable, cj, a1j, a2j........,amj. Entonces, si cj y aij, denotan los nuevos valores de
estos parmetros con Aj, (columna j de la matriz A) como el vector que contiene a
aij, se tiene para el modelo revisado.
Tercer caso: Cambios en los coeficientes de una variable bsica
Ahora suponga que la variable xj (con j fija) que se est estudiando es unavariable
bsica en la solucin ptima que se muestra en la tabla simplex final. El caso 3
supone que los nicos cambios al modelo actual se hacen en los coeficientes de
esta variable. El caso 3 difiere del 2a debido al requisito de que la tabla simplex
debe estar en la forma apropiada de eliminacin de Gauss.
Esta forma permite que los elementos en la columna de una variable no bsica
tengan cualquier valor, as que no afecta en el caso 2a. Sin embargo, para el caso
3 la variable bsica xj debe tener coeficiente 1 en su rengln de la tabla simplex y
coeficiente 0 en todos
los dems renglones (incluyendo el rengln 0). Por lo tanto, una vez que se han
calculado los cambios en la columna xj de la tabla simplex final, es probable que
sea necesario aplicar la eliminacin de Gauss para restaurar la forma apropiada.
Este paso, a su vez, quiz cambie los valores de la solucin bsica actual, y
puede hacerla no factible o no ptima (con lo que puede ser necesario re
optimizar).
pequeas reglas proporcionadas por el personal de lnea el que tal vez se sinti
presionado para dar su opinin. Los datos pueden incluso representar
estimaciones optimistas o pesimistas que protegen los intereses de los
estimadores.
Por todo esto, un gerente razonable y el personal de investigacin de operaciones
mantendrn cierto escepticismo respecto a los valores originales entregados por el
computador y, en los muchos casos, los considerarn solamente como un punto
de inicio para el anlisis posterior del problema. Una solucin "ptima" es ptima
nada ms en lo que se refiere al modelo especfico que se est usando para
representar el problema real, y tal solucin no se convierte en una gua confiable
para la accin hasta que se verifica que su comportamiento es bueno para otras
representaciones razonables del problema. An ms, algunas veces los
parmetros del modelo (en particular bi) se establecen como resultado de
decisiones por polticas gerenciales, y estas decisiones deben revisarse despus
de detectar sus consecuencias.
Estas son las razones por las cuales es importante llevar a cabo un anlisis de
sensibilidad, para investigar el efecto que tendra sobre la solucin ptima
proporcionada por el mtodo smplex el hecho de que los parmetros tomaran
otros valores posibles. En general, habr algunos parmetros a los que se les
pueda asignar cualquier valor razonable sin que afecten la optimalidad de la
solucin. Sin embargo, tambin existirn parmetros con valores probables que
nos lleven a una nueva solucin ptima. Esta situacin es particularmente
preocupante, si la solucin original adquiere valores sustancialmente inferiores en
la funcin objetivo, o tal vez no factibles!
Por lo tanto, el objetivo fundamental del anlisis de sensibilidad es identificar los
parmetros sensibles, (por ejemplo, los parmetros cuyos valores no pueden
cambiar sin que cambie la solucin ptima ).
Para ciertos parmetros que no estn clasificados como sensibles, tambin puede
resultar de gran utilidad determinar el intervalo de valores del parmetro para el
Dualidad Y Anlisis De SensibilidadPgina 17
resolver todo el problema cada vez que alguno de los datos originales se haya
modificado.
Obviamente, utilizando este mtodo, podra llevar bastante tiempo determinar
todas las variantes cuando nos encontremos ante un conjunto amplio de posibles
cambios. La otra forma (Anlisis de Sensibilidad) consistira en, una vez resuelto
un problema, analizar cmo afectara a la solucin obtenida y al valor de la funcin
objetivo la variacin dentro de un rango tolerable, de uno de los parmetros,
manteniendo fijos los restantes.
Por supuesto, en caso de que queramos estudiar los efectos de la variacin de
ms de un parmetro (o de un parmetro ms all del rango de tolerancia)
deberemos reprogramar el problema.
Anlisis de Sensibilidad con LINDO
Ejemplo:
Supongamos que una empresa produce dos lneas de productos distintos y utiliza
LINDO para resolver el siguiente problema de Programacin Lineal:
Como ya hemos comentado, el precio dual asociado a una restriccin nos informa
de cunto mejorara el valor de la funcin objetivo si relajsemos la restriccin en
una unidad. Ello nos da una idea de la cantidad que estaramos dispuestos a
pagar por cada unidad adicional del recurso asociado. Por supuesto, no es posible
seguir aumentando indefinidamente los recursos disponibles sin que ello afecte a
la clasificacin actual de variables bsicas y no bsicas.
La informacin que el output nos proporciona es, precisamente, el rango en el
cual este precio sombra es vlido. As, en la primera de las restricciones
anteriores, podramos aumentar los recursos disponibles hasta un total de 240
unidades (80+160), incrementando con ello el valor de la funcin objetivo en unas
4.800 unidades (160*30).
CONCLUSIN
Al comenzar a realizar este trabajo tenia algunas dudas de sobre como era que se
realizaban algunos movimientos, como a la vez de tener cerca un problema que
sea difcil al simple vista resulte fcil por este lado, es una manera ms fcil y
exacta de darle solucin a los problemas que muchas veces encontramos difciles.
Cuando comenc a darle un orden, me di cuenta que muchas veces este tipo de
problemas no solo resulta en la empresa, sino tambin muchas veces en la vida
diariacon lo cual ponindose a ver desde otra perspectiva nos damos cuenta
que ese problemita es fcil siempre y cuando tu as lo quieras ver.
Este trabajo me dio la visin ms clara sobre como es en verdad la manera de
solucionar las cosas que nos rodean.
Y adems contiene detalladamente todo lo que estuvimos viendo en la unidad, y al
ser as, contamos con un repaso oportuno y comprensible para hacer ms fcil la
comprensin de la dualidad y el anlisis de sensibilidad.
REFERENCIAS ELECTRNICAS
Scribd Publicado por Omar Silvestre Hernndez Teora Primal-Dual referencia en:
http://es.scribd.com/doc/90983080/Teoria-primal-dual
Inves De Operacin publicado por Christian Garca Problema Dual referencia en:
http://christian5t1is.blogspot.mx/p/problema-dual.html
De
Antioquia
Mtodo
Dual-Simplex
referencia
en:
http://docencia.udea.edu.co/ingenieria/plineal/dualidad10.htm
S.A.
Investigacin
de
operaciones
referencias
en:
http://148.204.211.134/polilibros/portal/Polilibros/P_Terminados/Investigacion_de_
Operaciones_Careaga/Common/IO-modulo3-sensibilidad.htm
S.A. INTERPRETACIN DEL ANLISIS DE SENCIBILIDAD referencia en:
http://www.investigaciondeoperaciones.net/analisis_de_sensibilidad.html
CYTA
ANLISIS
DE
SENCIBILIDAD
CON
LINDO
referencia
en:
http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/analisis_sensibilidad/analisis_sen
sibilidad_.htm