Estudiar y llevar este documento para la prxima clase!

ANALISIS DE SENSIBILIDAD o ANALISIS DE POST-OPTIMALIDAD Los modelos de PL son representaciones matemticas de situaciones reales. Estas representaciones son de carcter esttico por cuanto corresponden a una instantnea del conjunto de condiciones que prevalecen en el momento de formular y resolver el modelo. Sin embargo, las situaciones reales son cambiantes, los ambientes de decisin rara vez permanecen estticos y en consecuencia es esencial determinar cmo cambia la solucin ptima cuando cambian los elementos y parmetros del modelo. Esto es lo que hace el anlisis de sensibilidad. Proporciona tcnicas de cmputo eficientes para estudiar el comportamiento dinmico de la solucin ptima que resulta al hacer cambios en las condiciones iniciales del problema, pero sin necesidad de tener que repetir por completo el proceso de solucin. Los cambios pueden estar relacionados con: 1. La disponibilidad de recursos: bi 2. Los coeficientes de las variables en la F.O. Desde el punto de vista de la tabla ptima estos coeficientes pueden estar asociados a variables no bsicas Cj o a variables bsicas Ci. 3. Ejecucin de nuevas actividades, dentro del modelo esto es equivalente a la adicin de nuevas variables. 4. Nuevas restricciones o restricciones que originalmente no haban sido incluidas. 5. Los coeficientes de las variables dentro de las restricciones: aij En la siguiente tabla se resumen todos los casos posibles (efectos) que pueden surgir como consecuencia de los cambios anteriores y las acciones necesarias para obtener la nueva solucin: Efecto o condicin resultante de los cambios La nueva solucin queda factible y ptima La nueva solucin queda infactible La nueva solucin queda no ptima La nueva solucin queda infactible y no ptima Accin recomendada Ninguna Utilizar el dual para desaparecer la infactibilidad. Utilizar el Simplex para recuperar la optimalidad. Utilizar el Dual- simplex para obtener una nueva solucin factible ptima.

A continuacin vamos a estudiar como evaluar el efecto o el impacto de cada uno de estos cambios sobre la solucin ptima ya encontrada. 1. Cambio en la disponibilidad de recursos (RHS): bi Todo cambio en disponibilidad de recursos o cambio en el lado derecho de las restricciones afecta o cambia el valor de la solucin, es decir se tienen nuevos valores para las variables bsicas y para la F.O. Si los nuevos valores para las variables bsicas son todos positivos entonces se dice que la nueva solucin es factible y el problema ha concluido. Pero, si por lo menos una de las variables bsicas es negativa entonces la nueva solucin es in-factible y en consecuencia se debe utilizar el algoritmo dual para desaparecer la infactibilidad. Los problemas o preguntas asociados con cambios en la disponibilidad de recursos son dos: 1) 2) Dado el cambio en uno, en varios o en todos los recursos, encontrar la nueva solucin.

Determinar cunto puede cambiar la disponibilidad de cada recurso de manera que la nueva solucin siga factible. Esto es equivalente a encontrar lo que se denomina rango factible e intervalo de factibilidad En sistemas computarizados se denomina sensibilidad para los trminos de lado derecho (RHS) y representan los valores dentro de los cuales puede variar la disponibilidad de cada recurso y la nueva solucin seguir factible. Universidad Tecnolgica de Bolivar Inv. de Operaciones I Msc. Misael Cruz Monroy

Veamos como solucionar estos problemas: 1.1 Dado el cambio en la disponibilidad de un recurso, encontrar la nueva solucin. alternativas que son: a)
-1

Para este efecto tenemos dos

Utilizar la matriz inversa de la base inicial: A Por propiedades de la matriz inversa se puede comprobar que en la tabla ptima: Cualquier Vector columna final = Inversa x Vector columna inicial. As por ejemplo: [solucin]final = A .[solucin]inicial -1 X1(final) = A .X1(inicial) -1 X2(final) = A .X2(inicial); y as sucesivamente Entonces, si cambia la disponibilidad de un recurso, de dos o de todos los recursos, tendremos un nuevo vector -1 de trminos independientes Bi. En cuyo caso: Nueva [solucin] = A Bi(nuevo)
-1

b)

Utilizar los coeficientes de la variable de holgura asociada tal como aparecen en la columna correspondiente de la tabla ptima. Este tratamiento es equivalente al anterior por cuanto si suponemos que: bi = bi + bi y aplicamos la propiedad de la matriz inversa podemos comprobar que: Nuevo valor variables bsicas = Valor actual + (coeficiente variable holgura asociada) bi De acuerdo con esto, el nuevo valor de Xi = X0 + (coeficiente variable holgura asociada) bi Los coeficientes de la variable de holgura sern los de S1 para cambios en b1, los de S2 para cambios en b2 y as sucesivamente.

1.2 Encontrar el rango y el intervalo de factibilidad para cada recurso, es decir determinar cunto puede cambiar la disponibilidad de cada recurso (bi) de manera que la nueva solucin siga factible. Entonces, como se trata de encontrar los valores de bi, segn el recurso de que se trate utilizamos las expresiones correspondientes a: Xi = X0 + (coeficiente variable holgura asociada) bi Despejamos de cada ecuacin bi para luego encontrar el rango factible y el intervalo de factibilidad

2. Cambios en los coeficientes de la funcin objetivo. El cambio en el Cj de una variable se interpretara, por ejemplo, como en incremento en el precio de un producto para un objetivo de maximizacin, o como la disminucin en el costo de una materia prima para un objetivo de minimizacin. Finalmente, se estudiar por separado si la modificacin en el Cj es para una variable no-bsica o para una bsica, ya que las consecuencias en cada caso son muy diferentes. 1.1 Cambios en el coeficiente Objetivo de una variable No-bsica: variables que fueron evaluadas pero no quedaron en la solucin. Es importante mencionar que una variacin de Cj a Cj en el coeficiente objetivo de una variable no -bsica, no necesariamente conlleva a una infraccin de la inmejorabilidad de la solucin ptima actual, aunque en ciertas ocasiones si lo haga. Por este motivo, se considerarn a continuacin dos alternativas de cambio mutuamente exclusivas en el Cj de una variable no-bsica.

Universidad Tecnolgica de Bolivar

Inv. de Operaciones I

Msc. Misael Cruz Monroy

Cuando Cj < Cj (maximizacin)

En la solucin ptima actual: Dj = Cj Zj 0. Si Cj pasa a Cj<Cj entonces Dj = Cj - Zj < 0 con lo cual la ptimalidad de la solucin no se afecta. En consecuencia, se deduce que cuando el Cj < Cj en un problema de maximizacin, la solucin ptima actual no se alterara, lo mismo en minimizacin con Cj > Cj.

Cuando Cj > Cj (maximizacin) Es claro que solamente cuando el valor de la utilidad de una variable no-bsica se incrementa, Cj > Cj, en un problema de maximizacin, surge la posibilidad de que se altere la ptimalidad y por ende el valor de la solucin actual. En la solucin actual Dj = Cj - Zj 0 Si Cj cambia Cj>Cj entonces Dj = Cj Zj podr ser positivo con lo cual cabe la posibilidad de que la solucin deje de ser ptima. Alternativamente, si Cj = Cj + Cj entonces Dj = Cj + Cj Zj o lo que es lo mismo Dj = Dj + Cj En maximizacin la solucin sigue ptima si Dj 0 o que Dj + Cj 0 de donde Cj - Dj Rango de ptimalidad. El intervalo de ptimalidad correspondiente para este caso es: Cj Cj + Dj Es decir, si el nuevo Cj satisface la desigualdad, la actual solucin permanece ptima; de lo contrario, debe calcularse el Dj el cual ser positivo, e introducir Xj a la base para encontrar la nueva solucin ptima. La pregunta importante de responder en este caso es: cul debera ser la utilidad de Xj para que sea lucrativa su fabricacin? 1.2 Cambios en el coeficiente Objetivo de una variable bsica. Cualquier cambio en el coeficiente objetivo de una variable bsica (Ci) afectar el valor de las dos ltimas filas de la tabla simplex. Es decir que es necesario recalcular el valor de la fila de Zj y el valor de Cj Zj. Como consecuencia la nueva solucin puede quedar ptima o no ptima. Si la solucin es no ptima se debe utilizar el simplex para encontrar una nueva solucin ptima. La otra pregunta a responder en este caso es: cunto puede cambiar el coeficiente de cada variable bsica en la funcin objetivo de manera que la nueva solucin siga ptima? Esto es lo que se denomina rango de ptimalidad e intervalo de ptimalidad. Para esto: Se sustituye el Ci en consideracin por Ci + Ci; se calcula Zj y Cj Zj y con base en el nuevo valor de cada Dj se despeja el Ci teniendo en cuenta que en problemas de maximizacin la nueva solucin sigue ptima si el nuevo Dj 0; en minimizacin lo contrario. 3. Adicin de una nueva variable La adicin de una variable dentro del modelo es consecuencia de la ejecucin de una nueva actividad. Para el -1 tratamiento de esta situacin se utiliza la inversa de la base inicial: A en cuyo caso, en la tabla ptima: La nueva Xi(final) = A .Xi(inicial) Al tener el vector columna final de la nueva variable con su correspondiente Dj, podemos determinar si la nueva actividad es o no lucrativa y en caso afirmativo encontrar la nueva solucin. 4. Adicin de nuevas restricciones La adicin de una nueva restriccin a un modelo existente, puede llevar a uno de los siguientes dos casos:
-1

Universidad Tecnolgica de Bolivar

Inv. de Operaciones I

Msc. Misael Cruz Monroy

1) La solucin actual satisface la nueva restriccin, lo que quiere decir que la nueva restriccin es redundante y por consiguiente se puede eliminar del modelo. 2) La solucin actual no satisface la nueva restriccin. La solucin queda infactible y por consiguiente es necesario utilizar el dual para recuperar la factibilidad. EJERCICIO DE APLICACIN: Dado el siguiente modelo de PL: Max. Z = 60X1 + 120X2 + 180X3 s.a 2X1 + 2X2 + 4X3 120 X1 + 4X2 + 2X3 80 4X1 + 2X2 + 4X3 100 X1, X2, X3 0 La tabla ptima es: Base S1 X2 X3 Zj Cj - Zj Solucin 20 10 20 4800 X1 -2 - 1/3 7/6 170 110 X2 0 1 0 120 0 X3 0 0 1 180 0 S1 1 0 0 0 0 S2 0 1/3 - 1/6 10 - 10 S3 - 1 - 1/6 1/3 40 - 40

De acuerdo con esta solucin: 1. 2. 3. 4. 5. Cul es el estado de cada uno de los recursos? Cul es el precio sombra de cada uno de los recursos? Qu representan dichos precios? Cules son las tasas de sustitucin? Qu representan dichas tasas? por ejemplo para X1. Cul es la matriz inversa de la base inicial? Suponga que le ofrecen 30 unidades adicionales del recurso 2 con un sobreprecio de 8$/unidad. Comprara usted estas unidades adicionales? En caso afirmativo, cul es la nueva solucin? Qu pasara si la oferta fuera de 60 unidades? 6. Suponga que la disponibilidad del recurso 3 disminuye hasta 70 unidades, cul es la nueva solucin? 7. Si b1 se aumenta hasta un valor de 140, cul sera el efecto sobre la solucin? Cunto podra disminuir la disponibilidad del recurso 1 de manera que la solucin siga factible? 8. Cunto puede cambiar la disponibilidad de cada recurso de manera que la solucin siga factible? Es decir dentro de qu lmites puede variar la disponibilidad de cada recurso para que no se afecte la factibilidad dela solucin actual? 9. Cul es el intervalo de ptimalidad para los coeficientes de la funcin objetivo? 10. Cul debera ser la utilidad de X1 para que sea lucrativa su fabricacin? Si su utilidad se incrementa hasta 180, cul es la nueva solucin? 11. Cul debe ser el valor de C3 para que X3 se convierta en no bsica? 12. Qu tan grande debe ser b2 para dejar de ser una restriccin limitante? 13. Cul debera ser el valor de a31 para que X1 entre en la solucin? 14. Si la empresa se compromete en entregar 6 unidades de X1, cul es la nueva solucin? 15. Suponga que la empresa desarrolla un nuevo producto para el cual se estima que requiere: 2 unidades del recurso 1, 3 unidades del recurso 2 y 1 unidad del recurso 3. Si la utilidad por unidad se proyecta en $75. Determine si es lucrativa su fabricacin y en caso afirmativo encontrar la nueva solucin.

Universidad Tecnolgica de Bolivar

Inv. de Operaciones I

Msc. Misael Cruz Monroy