UNIVERSIDAD NACIONAL DE INGENIERIA FACULTAD DE CIENCIAS ESCUELA PROFESIONAL DE MATEMATICAS i TOSS Algoritmos en Programacién Lineal Paramétrica TESIS PARA OPTAR EL TITULO PROFESIONAL DE: Licenciado en Matematica JOSE ALBERTO FLORES SALINAS LIMA - PERU 1,997UL INDICE Pag. Introduccion. 1 1.1 Fundamenios del algorlimo Simplex ... 3 Variacion en el vector ¢ . i TL Algoritmo paramétrico usando tablas ... 17 Variacién en el vector b .. 26 IIL1 Algoritmo paraméirico usando tablas . 31 Variacion en filas no bisicas de la matriz A .... 37 Conelusiones . 41 Bibliografia 42 Anexos : Anexo A: Analisis de sensibilidad en programacién lineal .. B Anexo B ; Implementacién del algoritmo lineal paramétrico enla variacion del vector ¢ . 46 Anexo C : Implementacién del algoritmo lineal paramétrico en la variacién de] vector b ... 67LL INTRODUCCION La Programacion Lineal Paramétrica (P.L.P.) estudia los cambios en Ja solucién optima de un problema de Programacién Lineal (P.L.) debido a variaciones continuas predeterminadas en los parametros del modelo, de un programa de Ja forma: min eT Ax=b como la disponibilidad de recursos que representa b, cambios de utilidades 0 costos que representa ¢ 6 cambios en la matriz, A del Indo izquierdo de las restricciones. En otras palabras Ja P.L-P. permitira un ahorro considerable en los costos de utilizacién de una computadora. Se presenta también la formalizacién de Ia solucién del P.L.P. mediante algoritmos que dan Ja solucién de las mismas, si existen. Del programa anterior x, ¢ R°, b © R” y Aes una roatriz de orden m x n (mz n) mangoes igual a Las variaciones sobre el programa a ser analizadas son las siguientes: i) Cambios en el vector c: min (¢ + 09" x Ax2b, O20yfeR" if) Cambios en », lado derecho de las restriciones : mine" x Ax 2b+0f , @20yfeR™ iii) Cambios en una fila a; de ta matriz no basica de A = min" x A@)x =bm a a2 a2 donde A = . 3 AO)=|—: On ntl atOy, on Oa con aj, i ¢ {1..m} se denofant In fila i-ésima de Ja matriz, A. Se dice que Ag es matriz basica si es una submatriz invertible de Asa (m2), Ag es de rango n. ),0),03,.. Oy filas de Ia matriz. bisica Se dice matriz no bisica a la matriz constituida por Jas filas de A y que no corresponden a una matriz bisica. Bieety 9 iyneenny Bin filas de la matriz, no bisica. yjies un vector fila que modifica a cualquier fila no bdsica y que se estudia en el caso iii). @ es un parimetro no negativo. En los tres casos se hace un andlisis para determinar los valores de @ para los cuales la solucién éptima no cambia, y correspondientemente los valores de © para Jos cuales Ja solucién optima si cambia. En esta parte de Ia introduccién hacemos mencidn de algunos fandamentos del algoritmo simplex que nos servira como base para el estudio en capitulos posteriores. En Jo capitulos I y IM se trata de Jas variaciones de Jos vectores c y b sespectivamente. Con respecto al capitulo IV se hace el estudio de Ins variaciones de Ja fila aj de la matsiz no bisica de A. Por ultimo, se presentan tres anexos A, B y C; el primero presenta el antlisis de sensibilidad (en programacién lineal) y los dos llimos son dos programas en Lenguaje C++ que resuelve las variaciones de cy b respectivamente de la P.L.P.Lt Fundamentgs del algoritmo op! En las siguientes definiciones se considerara fos programas primal y dual Ly 1" respectivamnente, cone signen: L: mine’ Axzh uro0 Definiciones : 0 Lina base Ap de una matriz A es una sub matriz invertible de rango n Si Ap es una base de A podemos eseribir A,b y Ins resiricciones de L y L* como sigue : ba b= by ‘An bs Ag x 2bp Ax >| x2 e An. by, Anx 2 by ug Up T, To al > Al = [ Aly, Alw uy Us = Abyup + ATwunze donde: ‘Ag : Matriz Basica Ayr: Matriz, No Basicaii) iv) vi La unica solucién xy ~ Ap’ by del si istema Ap x = bp se Hama solucisn basica asoeiada a Ap use Hama solucidn basiea de 1.* asoviada a Ap” ug uy a ")te si us = UN Q a up yuo asociadas a una misma base ° Las soluciones basic: Ag se Haman soluciones basieas conjugadns. } son soluciones basicas admi Se dice que xp, u~ ibles para Ly L* respectivamente si cumplen: Axp=b, uped i xp y wson soluciones bitsicns admisibles conjugadas paca L y L* respectivamente decimos que (xp.0) ¢s admisible para (L,L") Teorema 1.1 Sea Ag una base de Ay Ay una matriz no basica de A. donde B= { it, in cccive sink ¥ N= (inst, in. im } Son conjuntos de indices de Any Aw respectivamente,Sean xp = Ap” bp, Oe) a. Si xp es admisible pero no dptimo pam L entonces existe un ote R® tal que a t=o vi © B-{rh (res un subindice de BY b. Sives admisible pero no éptimo para L*, entonces Jo# ve R” yun seN talquey=o wi ¢N- {s}, v.=1 (ses un subindice de Jano bisica N) Atv=o, b’y>0 Demostracion a. Como xp es admisible pero no dptimo, se cumple que un 70 (si us = 0, vp seria sohieién éptima). Elegimos r =i, € B tal que v, = vip <0 El sistema a7 t=0 i ¢B- {ip}, [Ant=]p) ;1p=(, 0,...0, 1, 0,...0) tiene exactamente una solucién t +0 (11 esta ex fa posicibn p-ésima) Ag! Ip. Si As” = (G1, Ba. comoc =Ag' us fx) entonces t= 6, si se multiplica por {ala transpuesia de c se tiene: et = EZ v0; ieB» = Evy ay By. Pero ay’ By = Gy = (0,0,0)..1,0,0,0,0,....07 inl (ol 1 oath on fa post dom pets Luego elt un b. Como ( = admisible pero no opti para L*, se cumple ° d=Axg-bfo (Wor eriterio de optimidad. Si Ax - b = © entences up seria éplime) Se cumple da = d, oY i € B, clegimos s € N tal que d, <0. Ve Siv = elegimos vy como sigue + Vir <= N- {sh Peterminamos vy tal que: o= Aly = Alva f+ Ay’ vi va, entonces se fiene que: va - Ty = Tr ds=o => bly = (Axg-d)ly = xp Aty-dlyPropiedad 1.4 Sean los programas. Limin ex L*: Max bTu Ax2b Atuse uso Luego ,si Xp y Up son soluciones bisicas admisibles conjugadas y ¢™p = bug entonces xg y Ug son soluciones dptimas de L y L* Prucba Se cumple lo siguiente mine" =Max bu etx =mine™ = Max blu> blu scx 2 blu = elxy 2 Tag =elxp clx > cTxp => xp es Optimo para L. Por otra parte bTug2bTu —entonces upes dptimo para L*goritme Simplex Primal para L, (Dual para L) En el siguiente algoritno se mwestran los pasos a seguir para resolver un programa primal-dual : L* Max blu Limine's AK Eb Atos veo En el capitulo Hy 11 hacemos uso de estos pasos considerando los cambios de ¢ yb respectivamente. Paso 1 : Se parte de una solucién basica admisible Xp=Ag' ba (xs : solucion basica asocinda a Ap) d =Axp-bzo up = (Ag?) c (up: solucisn basica de L* asociada a A‘p). Si up =o entonces (xp, u) es Optimo para WL, L4), luego parar, Otro caso, ir al paso 2. Paso 2: Seelige r= iy € 3 conu, ho. Pata éste caso se bace un cambio de base de la siguiente forma Sea¥ = xp +25 By que cumple 8 {ip} jay” HD Dy ay X= b SiB=BU {s}\ {ip} eutonces Ap es una base de A ph Esto es, Fes solucion basica admisible correspondiente a Ap Entonces se regresa al pasol.Algoritmo Simplex Tabular (Primal para L Si bien es cierto que el algoritmo simplex primal-dua) permite resolver problemas siguiendo los pasos deductivos, esto no representa una facilidad de seguimiento para dicha solucién: es por ello que el formalismo dado por el algoritmo simplex se presenta en una tabla que por su visualizacion grafica nos permitira resolver los problemas de manera mis agil y versalil up d=Axp-b ; Ta=(T]} a fitas de la tabla m columnas de Ja tabla Pasol: Se empieza con Te Zo Wiz 1. Si Ti. 20 Viz } enfonces (xp , v) es dptimo para (L, L.*) luego parar OU caso. ir al paso 2. Paso2: Se elige cualquier r 2 1 tal que Tw <0. SiT,20 Yj 2 lenionces Les noacotado y el dominio admisible de L* es vacio, luego parar. iro caso, ir al paso 3 Paso 3: Si Ty, b Para esio presentamos un programa lineal adicional min fx Ax=b y formamos un tercer programa fineal min ¢7 @)x donde c@)=e+ OF Ax2b Analizaremos el tercer programa para cada valor de @ 2 0 cuando el primero tenga solucién dptima y el segundo solucién basica, por ultimo mostraremos un algoritmo que solucione el tereer programa. Propiedad 2.1 Sean Jos programas i min cTx I*: Max bTu Ax2 b ATu=c u20 U: min {Tx Wt: Max bTy Axzb ATu=f u20 UI: min cl (@)x. It: Max bTu Ax2b ATu = c(0) u20donde ¢(0) ~ ¢ + OF a O20, Luego, siup 7 1. solncion a°)T ¢ es solucion éptima de M* yw, = As"! T basica de I1* se tiene que = i) Siw, 20 entonces ty + Ow, es solucidn Splima de Hit “uy Uy HH) Siw, 0 y x, solucion optima de J, se tiene lo siguiente: oT x, =x,Me + Onii) = byl [(AgT e+ 0 (AT = byt (vu, + Own)... (1) ahora, veamos que Xj, U, + Ow, son soluciones admisibles del programa TI y T1I*. Puesto que x,, 08 solucién dptina de I, se deduce que x,, es solucién admisible de IIT Por otra parte, AT, (u, + Ow )=AT,u, +OAT, w, =c+Of =c (8)... (2) (por propiedad 1.1 del capitulo I) Por lo tanto considerando (1) y (2) se deducen que x,t, + Ow, son soluciones 6ptimas de II y II* respectivamente. Sea®; = min {- <0} wi Luego : O s-uj/w, , paratodoi tal que w,<0 De donde se deduce 1, + 0) wi 2 0 Ahora, sea 09 €] 0,01) entonces @ < 6; De donde resulta yu tows uy t+Ow Deduciéndose que uy +Ow2 0 WiEsdecir ug + Ows 20 Por Jo tanto se tiene que up + 0 we es solucion éptima de IIT". Observacion: Dado el programa min ¢"(6) x Ax 2b y muesira tabla Te Si © 2 0; cvalquicra enionces se presenian dos casos a) SiTy bla 2 0¥j 0 entonces no existe solucién de TI1* Veamos : Setiene que Tj =bT,aj 2 0 vj 20. entonces v2 >0 Como AT, u,= ¢+6f se tiene que pth b es admisible para Ill (c+ ONT (x, + Ab) = (FONT, + &M,TA, Jb, = (FON Tx, +A (oan i by fo ON Tx, +A Zuj (at b,) ti Tr. +2.u; (+ ON Tx, +2 U5 Lim (¢ + ONT (xa + Ab, = n> 20 (ver natas del enrso Optimizacién Fy 1) 2D(Pues vie <0) entences Jaf (IIT) = = y el dominio admisible TE* es vacio por Jo Lante vo existe solucion para H* , b) Si Ty <0 para algun j 20, entonces ejeculamos un cambio de base en Ty usando como fila de intercambio Ia fila r: Calculamos min aT, entra ala base A, , y regresamos a i) uy + Opw, = ASDT (c+ 9,0 De esto se deduce que wes solucidn bisica admisible de HI* asociada a la nueva base AS, y fuego usamos ia propiedad (2.1) a lomas C a veces.( © * combinacion de m elementos tomades den enn) mas aun, como u es una solucién bisicn admisible se tiene que A, es una base admisible de II. La 0-ésima colanmna se deja escribir. BT Age + (© -0)) dT (AS EE (Agtyle + (@ -0)(AsTYIT Entonces haciendo e] cambio de partmetro u=6 - @ ; repetimos ef procedimeinto ya descrito en IIE Luego, Ts (u) es tabla éptima de IIT aAhora teniendo Ja nueva abla consideramos Jo siguiente = 1) Siwa © Anes base Sptinna para TU; vu =O 2) Siw; <0 para algin i ¢ B ealeulamos: = min is nsw, <0 iz Ww, Ages base éptima para II Vu e [0,u, | es decir [0),0) Huy] =f) 037 Pata 0 >02 seré necesario efeciuar al menos un cambio de base para oblener una tabla dptima para (IIL, LU 16IL 1 Algoritmo paramétrico usando tablas Presentamos un algoritino por tablas que resuelva los cambios de ¢, donde partinsos cle una tabla optima. Ta! Afiadimos la columna T,, a la tabla Ty como signe : kp ug= (Ag! jhe Ty = Wa Wa=(Ap™)7f Ty Ta fxs SSeS at (Ap? Fat BPasel : Si We 20 entonces Ap es base dptima para (II, Ht) ‘YO > 0, exo Otro caso, ir al paso 2. Paso 2: Siwy £0, sea w, <0 componente de wa, para algin i 6) = min “To / Tia<0 Ta donde Tyo = 4: Ta = Wy Luego, i) Ap es base optima para (III, III) YOe]0,6;] . Pero Ag ya no es base optima para > 0; entonces ir a ii). ii) Si_ © > 6; entonces consideramos: To™ Tot iT. a)SiT, 20 7 solucién para TI, luego pa Ove caso ir al paso b b} Si T,, <0: algun j, a7,, sale de Ja base y haciendo un cambio de base zegresar a paso 1 con Ja nueva base B. 18Ejemplo 1 Sea el programa : L* (0): Max 3u, + 2ng + Sus uyt2uptus Ss 440 + 2000 3uyt hay s 480 - 1000 u 2 o Teniendo en cuenta el programa primat-dual min eTx, Max bTv Ax2 b ATusec consideramos variables de holgura para dar forma a las restrieciones seann el dual para nuestro ejemplo, L’ (9): max 3; +2u2+Su5 up 2ug taste 4402000 Suytustus ~ 480-1000 u 20; 1"( 0); ta tabla cuando @ = 0Ta es In tabla optima de 1.4(0). CAleulo de T de acuerdo a (2.2) 200 & -100 lo 200 200 (Ag ft = = “lhl -100 -300 (8) : 1 200 Tot =be (Ap™ f= (5,0) = 1000: afladimos T, a Tp 300 Ta Ts 1000 | 2200 | 2 pt 4 200 | 440; 0 i | -300 | 40. oO 1 1 i 40 2 300 02 —— = 300 15 Entonces Ap es una base éptima para (140) ; L'0) donde 0 ¢ (0, 2/15] 20Ahora , consideramos 0-0) Ajustamos in columma Ts To= To +O) Ty i 2 1 7000 2200 + —— (1000) us 3 { 2 { | 1400 440+ — (200) | = 15 | | 3 | | 40+ —— (-300) | | 0 | L 13 Jo J Cambio de base con la segunda como fila de intercambio Jj 21 con Ts, <0 y el j elegide es igual a 2 entonees se obliene la siguiente tabla 200 7000/3 10 0 o 1 -100 1400/3 3 Oo “Tho 1400/3 That -100>B= =) Ap os una base optima VO € (01, 01402) 2 4 2 2 72 —,—+—]=|— , — 31s] [as ‘15 T.j 2 0 Vj 26 Incgo el dominio admisible de L“(0) es vaclo VO 2 72/15, entonces no existe solucién por lo tanto paramos. 22Ejemple 2: ‘Una refineria puede comprar dos tipos de petriteo : petrleo crude ligero y petrdleo crudo pesado . El costo por barril de estos tipos de petroleo es $ 11 y 9 respectivamente, De cada tipo de petréleo se producen por barril Ins siguientes cantidades de gasolina, kerosene y combustible para reactores: Gasolina Kerosene Combustible para Reactores Petroleo erudo OA 0.2 0.35 Tigero Petréleo erndo 0.32 O4 0.20 pesado La refinerfa tiene un contrato para entregar 1 000,000 de barriles de gasolina, 400,000 barriles de kerosene y 250, 000 barriles de combustible para reactores. Si el costo de barri! ligero y pesado baja en 18.18% y 44.4% respectivamente, en un perlodo de 10 affos y se asume una variacién uniforme en el tiempo, indicar cuantos aflos, dentro de dicho periodo, tienen que pasar para que cambie el nimero de barriles de petrdleo ligero y pesado. (Handy Toha - Investigacion de Opernciones pag. 190) En el ejemplo tenemos el problema min cx (1) Ax2b donde c cambia, Para esio resolvemos el problema (1) , y segin ésto hacemos una aplicacién de | algoritmo paramétrico desarrollado en el apéndice B. 23Solucion tr min 11 xy 1 9x5 OAs, $0.32 x21 0.2; +04 xy 20.4 O35 x1 40.2 x 20.25 Vr: Max our! Oduz +0.25 ua QA ut 0.20) + 0.35 us + ua = 1) 0.32 m+ O.du, $0.2 v3 us =9 © =( 11,9, 0.0, 0) -4, 0,0, 0) pérdida en c cada 10 alos. @ ; variacion del costo por unidad de tiempo a intervalos de 10 aites =e OL Max u+Oduz +0.25 us 0.4 yt O.2u2 +035 ua + tay = 11-20, 0.32 uy + O.4ug +0.2 us + lus = 9-40... (ea) Tp) es In tabla Optima pasa el programa I*, -0.875 2.500 0.000 n -0.080 -0.800 1.000 | 537. 2. O = min (Tro [Tal FO. B~ {1,5} 0 © [0, 083); mediante el andJisis de sensibilidad como varia y la base se mantiene igual en ese intervalo entonces se concluye qu mantiene igual aproximadamente 10 meses (Los cilculos se efectuaron usando el programa listado en el anexo B). seINTERPRETACION GEOMETRICA. Variacion del vector c Siendo m1 , %2, 3, y 14 soluciones bisicas, cuando el parimetro @ € [0,6)] existe solucién, En otro caso, no hay solucién.WH. VARIACION EN EL VECTOR b En este capitulo analizaremos los cambios de la solucién ptima si el vector b cambia en el siguiente programa lineal min "x y min cx con sus Ax2b Axzf sespectivos duales y sus tablas; formamos un tercer programa lineal min c'x z donde b(0) = b + Of; 0 20 Ax = bi) Analizaremos Ia solucién del tercer programa para cada valor de @ = 0; todos los andlisis se hacen a partir de Ia tabla Sptima del primero, para finalmente mostrar un algoritmo para hallar Ia solucién éplima del tercer programa. Propiedad 3.1 Sean los siguientes programas Lmine’x I: Maxb'o Ax2b Atu=e u>0 donde se tiene su tabla éptima : elxs d? = Axg-b Ts Up (As? FAT B 261, Ti: min e's: Max i" AX Atusc usd donde se tiene su tabla éptima: | clxp _| ts | uw | IL: min c™ x IE : Max bT (0) a Ax 2 bi) Alure uzo0 donde bi0) = b+ Of, 02 0 Luego si: )D=0, — entonces Ages una base optima para (HI, HL) ¥ 020 ii) Si D, <0 algun componente deD y -ds oe enn dL / Ds Dd d, componente de d D, componente de Dentonces d(0)20, V0 € [0,0; ] donde d(0) = d+0D Prucba i) SiD20_ cntonces es obvio que Ag es una base dplima para (IH, TH), 0 0 ii) Siendo di) =d +01 yD, < Oy teniendo encuenla que ds. ody a= — =inin one / 1 Ds Di se tiene que: d40;D, = 0 sid € [0.0] Os0s0 y D,<0 026D, = OD, > 8D, 2 0,;Ds Sumando d, rT => 440D, 2 d#O:D,20por() U 4+0D, > 0 vist d+0D = 0 ¥Oe{0.0) \ = do) = 0 Ye [00] entonces Apes base optima para (IIT, 111*)Observacian : Dado el programa mince? x y su respectiva tabla Ax 2 b(0) (st stat Si © > 9; ccurren dos casos a) SiT,£0 ; 1S i 0; donde -d, an nin [2 fist D D, y Ta SOV 1s isn, entonces ut Aves admisible para HI" ¥% 20 donde Up welos Q yn OWie NV {5} Considerando que : AT =0 fil ge et ‘Bb =+fAp ) as =: T t Av = Ap VatAy vw Toa = As vet Bay = Ap vpta, = Ast CAG) Tas ay = 0 Finalmente considecando : b(0)=b+ OF; p= Ag bp; d@) = AT px p-b(®) Se tiene DO) Gray = —-DT@)a+abT@)v = bT O)u + A(Axpd(0)) Tv = BT ju + (axg! AT-2d(0)") v = bE yu + Axp? AT y -Ad(o)Fv = — vbi@)u-ad@), => Lim b" (u- Av) = +0 hte => Sup IT = +00 Por lo tanto, el dominio admisible de II es vacio ¥ 0 > 0; . pucsto que el supremo del conjunto vacio es infinito. Por consiguiente no existe solucién para II*, SiT,>0 para algin i2 1 enfonces ejecutamos un cambio de base en la tabla de ‘usando como fila de intercambio Ia fila r. 30Calculamos. “To Ta ming — => B=BU fs} \ fit entra a la Base Ag, y tegresamos a i) TILL AlgoriGme Paramé(rico usando Tablas Se afiade a la tabla optima una fila Ty tal que: [cfats fa LDF | donde D=A A's fo-f =Ta., Paso 1 : SiTj,20 Yjzl entonces Ag es una base optima de (IU, HT) '¥ 020. luego parar, Otro easo ir al paso 2. Paso2: i) Como Ty, ,<0 para algiin j 21 se calcula Fey Ves O,=min = / Tay <0, j21S$= — Tas Tay ‘Ap es uma base optima para Tl, ¥ 6¢{0,01),¥ An ya no es base éptima para > 0), Iuego ir aii).ii) Se calcula Ty = Ty + OT) Para Ia tabla modifieada se hace un cambio de base usando Ja cohumna s como columna de intercambio. a) Si Ty, $0 enlonces A solucion para TIH* . luego parar Otro enso ir ab). b) SiT,,> 0 para algun i % 1 entonces se efecuta un cambio de base. Luego, Ag ser base Optima para II, YO € [0;, 02} donde B= Bw {a} \ {i}, iral paso 1 Ejemplo 1 L'(O ): Max (3403 uy + (2 +6) uy + (5+ 20) us vu, t2ugtustus = 440 Sup bun Fis = 480 az 0 Salucién : ‘Tp (0) es Ia tabla optima de L* (0); cuando 0 = 0 Ta O)= Caleulo de Ty: f= (1. 1,2, 0,0) 1 a 2 2 te=Agtiy = = = Ag! fa 0 1 0 0 Aw Xp" cou 4 e Luego, Ag es una base optima, B= { 3, 5} para 1(0); 820 (oe (Este grifice representa parn que valores de 0 existe soluciom, An es fijo en el semieje positive constante en el semiaje positive) Sicambiamos = (1, 2, -2,0, 0) 13 2 1 3 Dy =| 2 0 - 2 = 6 10 0 0 Se tiene que T,,< 0 para algun j 21 Caleulames 0; ~ min { 2/3, 8/6, 5/6 => Ages base optima para 0 € [0.2/3] Veamos para 0» 0; ajustamos fa fila Te con fa fila T.; como sigueTo = Tot 2/3 Ta 4800/3 = 2200+ 2/3 (-880) 0 = 2+2/3(-3) 4 = 842/366) 13 = 5 + 2/3 (-2) Puesto que el minimo se da en el indice 2, y TaOesto 7 solucidnA peepee tae fiat hkl bg Hit (iste grifico representa los valores de © para los que existe solucién, Si 0 {0,23}, Ap es base Sptimn, donde B= {3,5}. Si 0 € (23, 109], Ap es hace Sptinns, donde B {3,1} Bi 0 > 10/9 no existe solucién) Ejempto 2 Considerando las hipétesis del ejemplo 2 del capitulo I, si la oferta de gasolina y kerosene se reducen en 5% y 12.5% al mes respectivamente, y la denanda del combustible para reactores se incrementa en 20% mensual, determinar el intervalo del tiempo en el cual el costo de produccién se pueda minimizar. Es decir, obiener soluciones reales para las variables que representa al Petréleo crudo ligero y pesado respectivamente. En el ejemplo tenemos el problema (Handy Tnha - Investigacién de Operaciones pfig. 195) min cx .() Ax2b donde b cambia. Para esto resolvemnos (1), y segtin esto hacemos una aplicacién del algoritmo paramétrico desarrollado en el apéndice C. Solucién : b=(1, 04, 0.25) millones f= (-0.05, -0.05, 0.05) millones, son los cambios ce b mensualmente @: vatincién de {a cantidad con respecto al tiempo a intervalos mensuales 0@)=b + OF x1: ntimero de barriles de petrdleo crudo ligero. xg! mimero de barriles de petréleo erudo pesado. min Lx) + 9x2 0.4x; + 0.32x2 2 1-0.050 0.2x; + 0.2x, 2 0.4 - 0.056 0.35x; + 0.2x, 20.2 - 0.050 3S0.35x, + O.2x2 20.2 - 0.050 y su dual respective es Max (1 - 0.050) m + (0, 0.050) up + (0.25 + 0.050) us Od ur $0.2u2 +035 ust used 0.32) 40.2 2 40.20ustus= 9 Consicetando ( > y By del capitulo Ty teniendo en euenta que agregamos Ty como una fila adicional a In tabla By (Ty = 1.378 0.000 Q.025 -0.004 0,125 0,000) se tiene la siguiente tabla : Tz es la tabla optima de T(O) 0.094 0.125 0,000 0.000 1.000 2.300 6000 | 2.500 0.000 L | 1D -0.080 +0. $00 1.000 | —_ tL @=min (Taf Tas} = (Toa! Tas } 6.667 B = {1,5} es optimo ¥ ¢ [0, 6.667] Mediante ef analisis de sensibilidad varia b entonces xa cambid, por Io tanto la solucién aptima cambia, pero este cambio aproximadamente se lace en seis meses diesiocho dias; después de ese ticmpo no habra solucion Por olra parte se tiene que T,3 <0, '¥ 121 entonces no existe solucidn para 8 > 6.667. (Los cileulos se efectuaron usando el programa listaco en el anexo C ). 36INTERPRETACION GEOMETRICA Variacién del vector b Siendo 1 , X2, %3, Y xa soluciones bisicas, cuando el parimetro © € {0,0;] existe solucién. En otro caso, no hay solucién.TV. VARIACION EN FILAS NO BASICAS DE. LA MATRIZ. A En este capitulo analizaremos el cambio del elemento a,. fila de la matriz no bisiea. Para esto presentamos dos propeamas min ex, y sin e'x, Axzb AiO) x 2b donde A@ A 5 6 a [0 i (A= =] 0 } nfilas de la matriz basica ‘ Yuet An } m-n filas de la matriz no basica Yin donde n es el rango de la matriz basica An) Eneeste caso se hace un anilisis de In solucion del segundo programa con respecto at primero, teniendo en cuenta que el primero liene solucién optima. Sean los programas: i mine’x > Max b'n Ax2b ATuFe veo Con su tabla Sptima : 37TL :mine"x 1: Max b'y AO) xz AOU ved a donde A (6) =A + 6A 70) = AQ) xg -b { Te: | yt Atpy a on (Aa!) AMO) Bo — ne aad Luego: A i Si Axa 20 entonces xp es solucion optima de 11 ii. Si, xp < 0 para algiin v, no basico, i ¢ N (no bisico) ody : yo;=mn / v%_<0} entonces xp es solucisn dptima de TT, ieN Yi Xa para todo 0 [0, 6;] Prucba: = A@)xp-b A = (A¥@A) xed = tAxa-b) + 0Axs del programa I Axp-b 20 y considerando Ja hipotesis se tiene que 7 (0) =9 ©. xa es solucion optima de I,ii Se tiene que e aed, Axe => yxatd, SO Para alpiin ieN Si 0 e]0, 01} 050, 5-di/vixe Avyxptd 20 Paro algun ieN Abora para los denrds i que no cumplen que ¥, xp <0 se tiene que vyxp2 0230 WxB20; Ox bd 20 para los demas i = Oyxetd20 vieN = GAxat Axp-b20 A => (At 0A) xp-b 20 = digyz0 xp es solucion optima de TI vO ¢ (0, J 39Ejemplo : 10) : mip 440%, 1480s, UO) 4G +40)x: Solucién : Se tiene la tabla optima : T3(0) = donde los indices no basicos son 1, 2, 4 Por otra parte : wip =v Ag" bp =.5 mas ain 01 = En consecuencia xp es solucion optimia de L (8) para todo 0 ¢ [0, 2/5) 40INTERPRETACION GEOMETRICA Variacién de la fila no basica de A Sean. x) ,X2,.%3 y x4, soluciones bisicas; 1, ,L2,Ls, Ls rectas no basieas. SiL, cambia basta un L2 para un parimetro 6 € (0,0), la solucidn éptima sigue siends la misma, Regidn. donde Ja solucién no cambia,¥._CONCLUSIONES Con respecto al programa Jineal nin e7x AX=b si modificamos ¢ ala forma ¢ + Of, donde f es constante y 0 es el parimetro entonees no hay ninguna dificultad en hacer ef andlisis de los cambios de la tabla éptima, pore olucién del solamente se cambia Ja columna 0 de dicha tabla, y el algoritmo que determina Ia programa no tiene ninguna restriecién. Similarmente, si cambiamos b a la forma b + 6 f, donde fes constante y 0 es el pardmetro. fampoco hay restriccion en hacer el andlisis de todas las modificaciones de la tabla dptina, porque solo cambia la f 0 de diebu tabla, y el algoriimo de In solucion del programa ne tiene Jimitaciones. En cambio si variamos alguna fila de ta matriz de restricciones, y que es fila de la matriz bisica, enlonces eambiarin todas las componentes de Ia tabla, lo cual no periiliri hacer un antilisis por su complejidad. Fo cambio, si se considera variaciones en tas filas cle Ia matrix no basiea sélo se requiere algunos cambios en la tabla optima. La programacion lineal paramtrica es un estudio que forma parte del anailisis de sensibilidad.2 4, BIBLIOGRAFIA Optimization Theory and Applications. Lamterto Cesary Springer Verlag. New York, 1983 Investigacion de Operaciones Handy Taha. Mexico Alfnomega, 1991 Parametric Linear Programming and Sensitivity Analys Jobn Cooper, Isaac Leon. Spring - Verlag. New York . 1972 Notas del curse Optimizacion 1 y If Eugen Blum. Biblioteca de la Facultad de Ciencias (UND, 1995 Linear Programming Ivar Ekeland, Roger Teman. American Elsevier Publishing Company. lnc - New York, 1980 Optimization Theory and Applications Frank Clarke, John Wiley & Sons; bic; 1990 Mathematical Programming Vajda Peter. Mac Graw - Hill Book Company; New York; 199) 42