El documento describe el análisis de sensibilidad o postoptimal en el método simplex para programación lineal. Explica cómo analizar el impacto de cambios en parámetros, restricciones y variables de decisión en la solución óptima. A través de ejemplos, muestra cómo determinar si una solución óptima se mantiene o cambia ante variaciones y encontrar nuevas soluciones óptimas si es necesario.
0 calificaciones0% encontró este documento útil (0 votos)
91 vistas5 páginas
El documento describe el análisis de sensibilidad o postoptimal en el método simplex para programación lineal. Explica cómo analizar el impacto de cambios en parámetros, restricciones y variables de decisión en la solución óptima. A través de ejemplos, muestra cómo determinar si una solución óptima se mantiene o cambia ante variaciones y encontrar nuevas soluciones óptimas si es necesario.
El documento describe el análisis de sensibilidad o postoptimal en el método simplex para programación lineal. Explica cómo analizar el impacto de cambios en parámetros, restricciones y variables de decisión en la solución óptima. A través de ejemplos, muestra cómo determinar si una solución óptima se mantiene o cambia ante variaciones y encontrar nuevas soluciones óptimas si es necesario.
El documento describe el análisis de sensibilidad o postoptimal en el método simplex para programación lineal. Explica cómo analizar el impacto de cambios en parámetros, restricciones y variables de decisión en la solución óptima. A través de ejemplos, muestra cómo determinar si una solución óptima se mantiene o cambia ante variaciones y encontrar nuevas soluciones óptimas si es necesario.
(Método Simplex)1 por Francisco el 22/09/2015 en Método Simplex
El Análisis de Sensibilidad o Análisis
Postoptimal en el Método Simplex permite flexibilizar un supuesto básico de la Programación Lineal, el cual es asumir que el valor de los parámetros o constantes de un modelo son conocidos, es decir, que no existe incertidumbre (modelo determinista). En este contexto luego de resolver un problema de Programación Lineal con el Método Simplex resulta de interés analizar el impacto en los resultados (solución óptima, valor óptimo, variables básicas óptimas, etc) ante variaciones en la estimación preliminar de dichos parámetros. A continuación presentamos a través de un ejemplo algunos casos típicos que se abordan sobre el Análisis Postoptimal (Análisis de Sensibilidad) en cursos introductorios de Investigación de Operaciones. Para ello consideremos el siguiente problema de Programación Lineal:
El cual luego de llevar a la forma estándar y resolver por el Método Simplex
permite alcanzar la siguiente tabla final: Donde y son las variables de holgura para las restricciones 1 y 2 respectivamente. Se solicita realizar un Análisis Postoptimal (o Análisis de Sensibilidad) que de respuesta a los siguientes escenarios de forma independiente. Análisis de Sensibilidad o Postoptimal con la Tabla Final del Método Simplex Interpretación de Resultados Tabla Final del Método Simplex ¿Cuál es la solución óptima y valor óptimo de P)? Indique cuales son las variables básicas y cuales las variables no básicas. ¿La solución óptima es única? ¿Cuáles son las restricciones que se encuentran activas en el óptimo?. La solución óptima en términos de las variables originales del modelo es: . En cuanto a las variables de holgura, y (variable básica y no básica, respectivamente). El valor óptimo es . Las variables básicas son y y las variables no básicas son y . Las restricciones activas en el óptimo, es decir, aquellas que se cumplen en igualdad, es la restricción 2 (dado que su variable de holgura representada por es no básica en el óptimo, por tanto adopta un valor igual a cero), además de las restricciones de no negatividad para las variables y .
Intervalo de Variación Coeficiente de una Variable No
Básica en la Función Objetivo en el Método Simplex Encuentre un intervalo de variación para (coeficiente asociado a la variable en la función objetivo) que mantenga la actual solución óptima.
Este es un caso sencillo de abordar en el Análisis de Sensibilidad. Por simple
inspección se observa que el costo reducido de la variable no básica es 3/5. Notar adicionalmente que el coeficiente de la variable en la función objetivo de maximización es igual a 5. Luego se concluye que para que la variable pueda ingresar a la base (y de esta forma cambiar la solución óptima y la base óptima) el parametro correspondiente en la función objetivo ( ) debería ser al menos 5+3/5=28/5. Es decir, se conserva la solución óptima si y solo sí varía en el intervalo en la función objetivo de maximización. Notar que en particular si se da lugar al escenario de infinitas soluciones óptimas (variable no básica con costo reducido igual a cero en la actual solución básica factible óptima).
Intervalo de Variación Coeficiente de una Variable Básica
en la Función Objetivo en el Método Simplex Si el coeficiente para en la función objetivo cambia de 14 a 12. ¿Cambia la actual solución óptima?. ¿Cambia la actual base óptima?. Sea el costo reducido correspondiente a una variable no básica en la actual solución óptima e denotan las entradas en la tabla final del Método Simplex correspondiente a la variable básica (cuyo coeficiente cambia) y la respectiva variable no básica . Dado lo anterior se conserva la solución óptima si la variación propuesta para el parámetro que pondera a una variable básica en la función objetivo se encuentra en el intervalo que provee la fórmula a continuación:
En el ejemplo propuesto esto da origen un aumento permisible de más
infinito y una reducción permisible de 3/2 (la interpretación se ha realizado sobre el parámetro en la función objetivo de maximización). No obstante la resolución del problema mediante el Método Simplex y el correspondiente análisis de sensibilidad se ha realizado sobre el modelo en su forma estándar, es decir, considerando una función objetivo de minimización. Se concluye a través del Análisis de Sensibilidad que puede variar entre 12,5 e infinito y se conserva la actual solución óptima (y base óptima). Agregar Nueva Restricción en el Método Simplex Considere que se incorpora la siguiente restricción al problema: . ¿Cambia la solución óptima y valor óptimo?. En caso de ser afirmativo encuentre la nueva solución óptima y valor óptimo. En primer lugar corresponde evaluar si la actual solución óptima resulta ser factible al considerar la nueva restricción, es decir,: , lo que claramente se cumple. En consecuencia se conserva tanto la solución óptima como el valor óptimo.
Agregar Nueva Variable de Decisión en el Método Simplex
Asuma ahora que se incorpora una nueva variable de decisión con coeficiente en la función objetivo (de maximización) igual a 10 y con parámetros 3 y 5 en la primera y segunda restricción, respectivamente. ¿Cambia la actual solución óptima?.
Este análisis requiere evaluar el costo reducido de la nueva variable
propuesta y verificar si éste es mayor o igual a cero. En dicho caso se conserva tanto la solución óptima como el valor óptimo (un caso particular sería obtener un costo reducido igual a cero donde se genera el caso de infinitas soluciones óptimas). Por el contrario si el costo reducido para la nueva variable de decisión resulta ser negativo, entonces cambia la solución óptima y esta nueva variable deberá ingresar a la base y obliga a continuar con las iteraciones del Método Simplex. En el ejemplo el costo reducido de la variable es -3, por tanto ingresa a la base, agregándose una columna adicional a la tabla con coeficientes en las restricciones tal como se muestra a continuación:
Indicación: La variable ingresa a la base y sale la variable
considerando el criterio del mínimo cuociente. Se propone al lector continuar las iteraciones a contar de este punto. Cambio Vector del Lado Derecho en el Método Simplex Considere que cambia el vector del lado derecho de las restricciones a . Indique si las actuales variables básicas óptimas lo son también del nuevo problema.
Se actualiza el vector de las variables básicas considerando la modificación
propuesta según se detalla a continuación:
La variable básica asociada a la fila 1 ( ) adopta un valor negativo (-10)
por tanto cambia la actual base óptima. Para encontrar la nueva solución óptima y valor óptimo se debe continuar las iteraciones utilizando el Método Simplex Dual previa actualización del valor de la función objetivo en la nueva solución básica (de momento infactible). Cambio Coeficientes Función Objetivo en el Método Simplex Si cambia la función objetivo de maximización a . ¿Cambia la actual base óptima?. ¿Cuál es la solución óptima y valor óptimo de este nuevo escenario?.
En este caso se debe recalcular el vector de los costos reducidos de las
variables no básicas del problema que denotamos por según se muestra en la imagen. Notar que el costo reducido de la variable es negativo (- 4/5) lo cual implica que cambia la actual solución óptima (y se deberá actualizar el valor de la función objetivo dado los nuevos coeficientes de la función objetivo). Para encontrar la nueva solución óptima se deberá ingresar la variable a la base y seguir con las iteraciones del Método Simplex.