Beruflich Dokumente
Kultur Dokumente
Anlisis
de
Postoptimal
Sensibilidad
El anlisis de sensibilidad o postoptimal para los modelos de Programacin Lineal, tiene por
objetivoidentificar el impacto que resulta en los resultados del problema original luego de determinadas
variaciones en los parmetros, variables o restricciones del modelo, sin que esto pase por resolver el problema
nuevamente.
Es decir, ya sea si resolvemos nuestro modelo grficamente o utilizando el Mtodo Simplex, lo que se busca es que estas
variaciones o sensibilidad hagan uso de la solucin y valor ptimo actual, sin tener la necesidad de resolver para cada variacin
un nuevo problema. En especial nos concentraremos en el anlisis de sensibilidad o postoptimal que hace uso de la tabla final
del Mtodo Simplex.
TEORA
Siguiendo la notacin utilizada en la seccin dedicada al Mtodo Simplex en nuestro sitio, ste opera para modelos de
Programacin Lineal en un formato estndar.
Min
cTx
s.a
Ax
x >= 0
Donde:
I: Matriz Identidad
0: Costos reducidos asociados a las variables bsicas
B: Matriz de variables bsicas
D: Matriz de variables no bsicas
b: Lado derecho
Cb: Coeficientes en la funcin objetivo asociados a las variables bsicas
Cd: Coeficientes en la funcin objetivo asociados a las variables no bsicas
1. Cambio en el "lado derecho" de las restricciones: Lo que se busca identificar si las actuales variables bsicas se
mantienen luego de la modificacin de uno o ms parmetros asociados al "lado derecho" del modelo. Si calculamos:
y se cumple
con el nuevo
, Las mismas variables bsicas lo son tambin de la nueva solucin ptima, calculada
EJEMPLO: Sin resolver nuevamente el problema, se desea saber si las actuales variables bsicas ptimas del problema
tambin lo son del mismo problema, donde los lados derechos corresponde al vector b=(20,30). (Observacin: X4 y X5 son
variables de holgura de la restriccin 1 y 2 respectivamente)
Max
2x1
sa:
+
x1
7x2
+
x1
3x2
+
+
4x2
3x3
4x3
-
<=
x3
30
<= 10
x1,x2,x3 >= 0
X1
X2
X3
X4
X5
-1
-1
20
-1
10
20
Para analizar este escenario debemos calcular el vector de variables bsicas y verificar si todos sus componentes son positivos
definidos. Ntese que para esto necesitamosla matriz B inversa, la cual fcilmente podemos rescatar identificando los
parametros asociados a X4 y X5 (variables de holgura de la restriccin 1 y 2 respectivamente) en la tabla final del Mtodo
Simplex:
Luego, dado que al menos uno de los coeficientes del nuevo lado derecho tiene un valor negativo, cambia la actual base
ptima. Cabe destacar que ante esta situacin no es necesario resolver el nuevo escenario partiendo de cero, sino lo que se
debe hacer es utilizar la tabla final del simplex del escenario base, actualizando el lado derecho y valor de la funcin objetivo.
X1
X2
X3
X4
X5
-1
-1
-10
-1
30
60
Posteriormente, se continua iterando haciendo uso del Mtodo Simplex Dual. (Ver referencia a la derecha).
2. Inclusin de una nueva variable: Debemos evaluar si la nueva variable es un aporte significativo a los resultados del
modelo original. Luego, para decir si la actual solucin bsica es ptima para el nuevo problema, calculamos el costo reducido
de la nueva variable como:
9x1
sa:
12x2
4x1
3x2
<=
180
2x1
3x2
<=
150
4x1
2x2
<=
160
x1,x2 >= 0
X1
X2
X3
X4
X5
1/2
-1/2
15
-1/3
2/3
40
-4/3
2/3
20
1/2
7/2
615
En este ejemplo rk=1>=0, por lo cual no conviene la incorporacin de esta nueva variable al modelo, es decir, aun cundo
sea incorporada no obtendremos un valor ptimo que supere el actual V(P)=615. De todas formas mostraremos como se
incluye en la tabla final del Simplex esta modificacin de modo que el lector pueda entender su incorporacin cuando es
necesario:
X1
X2
X3
X4
X5
XNew
1/2
-1/2
15
-1/3
2/3
40
-4/3
2/3
20
1/2
7/2
615
Si el costo reducido de esta nueva variable hubiese sido cero, entonces el nuevo escenario tendra infinitas soluciones.
3. Cambio en los Coeficientes Funcin Objetivo: Se busca identificar qu ocurre con la actual solucin ptima del
escenario base si se cambian uno o varios de los coeficientes que definen la funcin objetivo. La solucin ptima actual tambin
lo ser para el nuevo escenario siempre que los nuevos costos reducidos sean mayores o iguales a cero (notar que tambin
cambia el valor de la funcin objetivo en la actual solucin ptima). Es decir se debe cumplir que:
En caso contrario, se aplica el Simplex a partir de la tabla final del modelo original, con los nuevos costos reducidos y nuevo
valor de la actual solucin bsica.
EJEMPLO: Sin resolver nuevamente el problema, se desea saber que sucede si se modifica los parmetros de la funcin
objetivo, quedando stos de la siguiente forma: Z = x1 + 5x2 - 2x3. (X4 y X5 son las variables de holgura de la restriccin 1
y 2 respectivamente).
Max
2x1
sa:
+
x1
x1
x1,x2,x3 >= 0
+
+
7x2
3x2
4x2
3x3
4x3
<=
30
x3
<=
10
X1
X2
X3
X4
X5
-1
-1
20
-1
10
20
Debido a que los cambios en los parmetros de la funcin objetivo se producen en ms de una variable consideraremos la
siguiente frmula:
Debido a que al menos uno de los costos reducidos de las variables no bsicas se ha vuelto negativo, entonces cambia la actual
solucin y valor ptimo del problema. Para incorporar esta modificacin en la tabla final del Mtodo Simplex se actualiza los
costos reducidos asociados a las variables no bsicas, adems del valor ptimo, quedando como sigue:
X1
X2
X3
X4
X5
-1
-1
20
-1
10
-1
10
4. Inclusin de una nueva restriccin: Para saber si la actual solucin y valor ptimo se mantendr luego de incorporar una
nueva restriccin al problema se debe evaluar la solucin actual y verificar si satisface la nueva restriccin. En caso afirmativo,
la actual solucin tambin lo ser del problema con la nueva restriccin, en caso contrario se incorpora la nueva restriccin a la
tabla final del Simplex del escenario base.
EJEMPLO: Sin resolver nuevamente el problema, se desea saber que sucede si se considera una nueva restriccin de la
forma:3x1 + 2x2 + 3x3 <= 25. (Observacin: Considerar mismo modelo y tabla final del ejemplo anterior)
Se evalua la solucin actual en la restriccin: 3*(10) + 2*(0) + 3*(0) <= 25. No cumple. Por tanto se incorpora esta nueva
restriccin como fila a la tabla final del Simplex. Adicionalmente, se agrega X6 como variable de holgura asociada a esta nueva
restriccin:
X1
X2
X3
X4
X5
X6
-1
-1
20
-1
10
25
20
Una alternativa para encontrar el ptimo a travs de esta tabla es formar la identidad (debemos hacer cero el parmetro
asociado a X1 en la tercera fila) multiplicando la fila 2 por -3 y sumando dicho resultado a la fila 3. De esta forma se obtiene:
X1
X2
X3
X4
X5
X6
-1
-1
20
-1
10
-10
-3
-5
20
Finalmente obtenemos X4, X1 y X6 como variables bsicas. Producto de la transformacin un lado derecho queda negativo y en
este caso podemos continuar adelante utilizando el Mtodo Simplex Dual.
Sensibilidad
El Analisis de Sensibilidad se relaciona con la cuantificacion de los efectos
en la solucion optima de cambios en los parametros del modelo
matematico.
Cuando escribimos un modelo, damos por aceptado que los valores de los
parametros se conocen con certidumbre; pero en la realidad no siempre se cumple
que los valores sean verdicos, ya que por ejemplo las variaciones en los costos de
los materiales, en la mano de obra o en el precio de un producto, ocasionan
cambios en los coeficientes de la funcion objetivo. As mismo las demoras en los
envos de los proveedores, las huelgas, los deterioros no previstos y otros factores
imponderables generaran cambios en la disponibilidad de los recursos.
que completa la matriz de base I, pues no hay otra columna que pueda
cumplir los requisitos para matriz unitaria.
Clculo del valor ptimo de la funcin Z.- Se puede proceder con
este clculo, hasta determinar el modelo de PL original, pero se puede
adelantar utilizando las mismas relaciones matriciales ya mostradas. La
funcin objetivo dual es Yo = bT Y; eliminando M, se conoce Y = (Y1,
Y2) = (3/2, 5/4) conocidos como precios sombra (coeficientes en Z para
W1 y W2). An no se calcula el vector columna b, el cual aparece
en:X B = B-1 b b = B XB
El vector XB=(4,1)T es dato en tabla, slo falta obtener la matriz B
desde B-1: