Fundamentos de Investigaci on de Operaciones Investigaci on de Operaciones 1 An alisis de Sensibilidad

1 de agosto de 2003

1.

Introducci on

Cualquier modelo de una situaci on es una simplicaci on de la situaci on real. Por lo tanto, existe cierta incertidumbre en la determinaci on de los valores de todos los par ametros involucrados. Debido a ello, es importante estudiar la variabilidad de la soluci on del problema planteado de acuerdo a eventuales modicaciones de los valores de los par ametros, o bien, debido a la incorporaci on de nuevos elementos a la situaci on. Llamaremos An alisis de Sensibilidad al estudio de la variaci on del optimo de un LP producto de modicaciones de ciertos par ametros como coecientes de variables en la funci on objetivo, coecientes del lado derecho de restricciones, etc. La idea general consiste en determinar rangos de variaci on de los par ametros del LP de forma de mantener una cierta base optima, teniendo en cuenta que una soluci on b asica es factible s olo si todas las variables basales tienen un valor no negativo. Debido a que el estudio de la variaci on simult anea de varios par ametros puede ser dif cil, nos centraremos en primer lugar en modicaciones de un par ametro a la vez manteniendo los restantes jos. Estudiaremos las siguientes posibilidades: Cambio 1 Cambio del coeciente en la funci on objetivo de una variable no b asica. Cambio 2 Cambio del coeciente en la funci on objetivo de una variable b asica. Cambio 3 Cambio del coeciente del lado derecho de una restricci on. Cambio 4 Incorporaci on de una nueva variable. Cambio 5 Incorporaci on de una nueva restricci on. Adem as, se estudiar a la variaci on simult anea de coecientes en la funci on objetivo y del lado derecho mediante la regla del 100 %. Para desarrollar las distintas opciones consideraremos el siguiente ejemplo en su versi on est andar: Max s.t. z = 60x1 + 30x2 + 20x3 8x1 + 6x2 + x3 + s1 = 48 (a) 4x1 + 2x2 + 1,5x3 + s2 = 20 (b) 2x1 + 1,5x2 + 0,5x3 + s3 = 8 (c) (1.1)

Aplicando el m etodo Smplex obtenemos el tableau nal del Cuadro 1.1. Luego, la soluci on optima del problema corresponde a z = 280, s1 = 24, x3 = 8, x1 = 2 y x2 = s2 = s3 = 0. 1

Segundo Semestre 2003

An alisis de Sensibilidad

Base cj s1 0 x3 x1 20 60

x1 60 0 0 1 60 0

x2 30 2 2 1,25 35 5

x3 s1 20 0 0 1 1 0 20 0 0 0 0 0

s2 0 2 2 0,5 10 10

s3 0 8 4 1,5

bi 24 8 2

zj cj z j

10 280 10

Cuadro 1.1: Tableau Final del Problema (1.1)

2.

Cambio del Coeciente en la Funci on Objetivo de una Variable No B asica

En la base optima del problema (1.1) la u nica variable de decisi on no basal es x 2 . Dicha variable, posee como coeciente en la funci on objetivo: c2 = 30. Llamaremos cj al coeciente en la funci on objetivo de la variable j . Como x2 no est a en la base, ser a interesante determinar el valor de c2 necesario para que la variable x2 sea incorporada a la base optima. Debido a que s olo se est a cambiando el coeciente de una variable en la funci on objetivo, la regi on factible del problema se ve inalterada, es decir, no se ve modicada la factibilidad del optimo actual. S olo puede ocurrir que la soluci on actual deje de ser la optima si c2 crece lo suciente. Para determinar dicho valor, incorporemos expl citamente una variaci on al coeciente c 2 y veamos su efecto sobre el tableau optimo (Cuadro 2.1).

Base cj s1 0 x3 x1 20 60

x1 60 0 0 1

x2 30 + 2 2 1,25

x3 s1 20 0 0 1 1 0 0 0 0 0

s2 0 2 2 0,5 10 10

s3 0 8 4 1,5

bi 24 8 2

zj cj z j

60 35 20 0 5 + 0

10 280 10

Cuadro 2.1: Modicaci on de c2 Debido a que la modicaci on es en una variable no basal, s olo se ve alterado el precio sombra de la variable no basal modicada, es decir, c2 z2 . Para que la base no se altere, el precio sombra de x2 debe seguir siendo no negativo (caso maximizaci on): c2 z2 = 5 + 0 5 (2.1)

En este caso, cualquier variaci on inferior a 5 no cambiar a la base. Un incremento exactamente igual 5 implica que x2 puede pasar a ser una variable basal ( optimo alternativo). Valores mayores a 5 representan un cambio en el optimo y requerir a efectuar iteraciones adicionales para obtener la nueva soluci on optima. De todas formas, antes de asegurar que haya cambiado la soluci on optima, se debe vericar que efectivamente pueda entrar a la base la variable a la que se le ha modicado su coeciente en la 2

Segundo Semestre 2003

An alisis de Sensibilidad

funci on objetivo. A modo de ejemplo, consideremos un incremento = 10. En este caso, chequeamos que la variable x2 pueda entrar (Cuadro 2.2). En este caso, s olo puede salir x1 , x2 puede entrar con valor 1,6. Luego, el nuevo valor de la funci on objetivo resulta: znueva = zactual + x2 (c2 z2 ) = 280 + 1,6 5 = 288 x1 60 0 0 1 60 0 x2 40 2 2 1,25 35 5 x3 s1 20 0 0 1 1 0 20 0 0 0 0 0 s2 0 2 2 0,5 10 10 s3 0 8 4 1,5 (2.2)

Base cj s1 0 x3 x1 20 60

bi 24 8 2

bi aij

2 1,25

= 1,6

zj cj z j

10 280 10

Cuadro 2.2: Modicaci on con = 10 La iteraci on se completa en el Cuadro 2.3, donde se verica el nuevo valor m aximo de la funci on objetivo y la combinaci on de valores de las variables basales. Si bien en este caso bast o s olo una iteraci on para determinar el nuevo optimo, en general pueden requerirse varias iteraciones. En este ejemplo la primera restricci on sigue siendo activa, pero en t erminos generales puede cambiar la condici on de una restricci on (pasar de activa a no activa o viceversa). En suma, si el cambio del coeciente de una variable no basal es lo suciente para alterar el optimo, se est a trasladando el optimo de un punto extremo a otro, en ning un caso se altera la regi on factible del problema. Base cj s1 0 x3 x2 x1 x2 x3 s1 60 40 20 0 1,6 0 0 1 0 1 1 0 0 0 0 0 s2 0 1,2 1,2 0,4 8 8 s3 0 bi 5,6 27,2 1,6 11,2 1,2 16 16 1,6 288

20 1,6 40 0,8

zj cj z j

64 40 20 4 0 0

Cuadro 2.3: Tableau Final Modicado

3.

Cambio del Coeciente en la Funci on Objetivo de una Variable B asica

El estudio de variaciones en coecientes en la funci on objetivo de variables b asicas sigue la misma l ogica de la variaci on de coecientes en la funci on objetivo de variables no b asicas. La idea es determinar c omo var an los cj zj de todas variables y obtener a partir de dichas modicaciones un rango en el cual la base se ve inalterada. Evidentemente, una modicaci on de este tipo no afectada la regi on factible y s olo puede cambiar la optimalidad de la soluci on actual si la variaci on es lo sucientemente importante. Para ilustrar el an alisis consideremos una variaci on sobre el coeciente c 1 , es decir, modiquemos el valor del coeciente en la funci on objetivo de la variable x1 . La incorporaci on del par ametro 3

Segundo Semestre 2003

An alisis de Sensibilidad

al tableau nal original del problema (Cuadro 1.1) se ve en forma expl cita en el Cuadro 3.1. x1 60 + 0 0 1 x2 30 2 2 1,25 x3 s1 20 0 0 1 1 0 0 0 0 0 s2 0 2 2 0,5 s3 0 8 4 1,5

Base s1 x3 x1

cj 0 20 60 +

bi 24 8 2

zj cj z j

60 + 35 + 1,25 20 0 5 1,25 0

10 0,5 10 + 1,5 280 10 + 0,5 10 1,5

Cuadro 3.1: Tableau Final del Problema (1.1) Como el tableau nal siempre es una forma can onica de las variables basales, la modicaci on s olo afecta los cj zj de variables no b asicas. En otras palabras, para determinar el rango de variaci on que mantiene la base debemos imponer (caso de maximizaci on): (ck zk ) aik 0 (3.1)

Donde el ndice k se reere a la variable no b asica k y aik es el coeciente en la restricci on i de la variable no b asica k . En este caso, se debe imponer: 5 1,25 0 10 + 0,5 0 10 1,5 0 1,5 25 = 4
10 0,5 = 20 20 10 1 ,5 = 3

(3.2)

Por lo tanto, el par ametro debe variar en el rango de optimalidad: 4 20 (3.3)

para mantener la base optima. En caso que la variaci on supere este rango cambir a la combinaci on de variables en la base y el valor de la funci on objetivo. Si el valor de se mantiene en el rango, las variables no cambian de valor y la nueva magnitud de la funci on objetivo queda denida por: znueva = zactual + x1 (3.4)

Si el valor de escapa al rango denido en (3.3) cambir a la base y ser a necesario iterar para determinar el nuevo valor de las variables basales. Consideremos por ejemplo = 40 y veamos el efecto sobre la soluci on optima. Incorporando el nuevo valor de c1 el tableau deja de ser optimo (Cuadro 3.2), en este caso conviene ingresar la variable s2 con valor 4. Completando la iteraci on (Cuadro 3.3) se verica que se ha alcanzado el optimo. En este caso se obtiene s1 = 16, s2 = 4, x1 = 4 y x2 = x3 = 0, con valor de funci on objetivo igual a 400. El nuevo valor de z se podr a haber predicho en t erminos del precio sombra de la variable entrante y el valor que toma la variable: znueva = zactual + s2 (10 + 0,5 )=40 = 360 + s2 10 = 400 (3.5)

Luego, un cambio en el coeciente de una variable b asica fuera de su rango de optimalidad implica un cambio de la base optima y por lo tanto un desplazamiento a otro punto extremo de la regi on factible (puede ser m as de una iteraci on). Por otro lado, un cambio dentro del rango de optimalidad modica los cj zj , pero mantiene la base. 4

Segundo Semestre 2003

An alisis de Sensibilidad

Base s1 x3 x1 zj

cj 0 20 100

x1 100 0 0 1 100 0

x2 30 2 2 1,25 85 55

x3 s1 20 0 0 1 1 0 20 0 0 0 0 0

s2 0 2 2 0,5 10 10

s3 0 8 4 1,5 70 70

bi 24 8 2 360

bi cij 24 2 = 12 8 2 =4

cj z j

Cuadro 3.2: Tableau Modicado Base s1 s2 x1 cj 0 0 100 x1 100 0 0 1 x2 30 0 1 x3 20 1 0,5 25 5 s1 s2 0 0 1 0 0 0 0 0 1 0 0 0 s3 0 4 2 0,5 bi 16 4 4

0,75 0,25

zj cj z j

100 75 0 45

50 400 50

Cuadro 3.3: Tableau Final Modicado

4.

Cambio del Coeciente del Lado Derecho de una Restricci on

La variaci on del coeciente del lado derecho de una restricci on modica la regi on factible del problema, por lo tanto puede afectar la optimalidad de la soluci on optima y la condici on de las restricciones (activas o no activas). El efecto de la variaci on del coeciente bi asociado a la restricci on i deber ser analizado considerando la condici on de la restricci on afectada. Desde este punto de vista existen dos posibilidades: Caso 1 La variaci on afecta a una restricci on no activa, es decir, una restricci on de tipo con su variable de holgura en la base, o bien una restricci on de tipo con su variable de exceso en la base. Caso 2 La variaci on afecta una restricci on activa, es decir, una restricci on de tipo con su variable de holgura igual a cero, o bien una restricci on de tipo con su variables de exceso igual a cero.

4.1.

Caso 1

En este caso, las restricciones tienen un costo de oportunidad nulo, es decir, no existe un costo asociado al hecho de no contar con una unidad adicional para esa restricci on (caso ). Como existe una variable de holgura o de exceso con valor no nulo (en la base), se puede disminuir (caso ) o aumentar (caso ) el coeciente bi hasta llevar la restricci on a su l mite sin alterar la soluci on optima. Para ilustrar la situaci on, en el problema en estudio podemos disminuir el coeciente b 1 hasta en 24 sin modicar la soluci on optima, ya que se est an quitando recursos que no se est an empleando. Si disminuimos b1 en exactamente 24 el tableau se degenera, con las consecuencias estudiadas previamente. Una disminuci on mayor a 24 cambiar a el optimo. En dicha situaci on, debemos buscar un tableau en el que podamos hacer la modicaci on sin degenerarlo (en el peor de los casos el inicial) y volver a iterar hasta encontrar el nuevo optimo. 5

Segundo Semestre 2003

An alisis de Sensibilidad

4.2.

Caso 2

En este caso es necesario estudiar dos aspectos: la variaci on del valor de la funci on objetivo y el rango en el que puede variar bi para mantener la condici on de no negatividad de las variables. Cuando la variable de holgura o de exceso asociada a la restricci on no est a en la base, el costo de oportunidad ser a no nulo (negativo en el caso de maximizaci on). Si se trata de una restricci on de tipo , el valor de cj zj representa lo que se deja de ganar por no disponer una unidad adicional a la derecha de esa restricci on. Por ejemplo, de acuerdo al tableau nal del problema (Cuadro 1.1) para la segunda restricci on se tiene: c2 z2 = 10, es decir el aumento en 1 unidad de b2 generar a un aumento en la funci on objetivo en 10, similarmente una disminuci on en 1 unidad provocar a una disminuci on de la funci on objetivo en 10. Las conclusiones anteriores son v alidas siempre y cuando la variaci on respecte el rango de factibilidad. Como rango de factibilidad entenderemos el intervalo de variaci on del coeciente del lado derecho bi asociado a la restricci on activa i de forma de mantener una cierta combinaci on de variables en la base (el valor de la funci on objetivo puede cambiar). Para ilustrar como se determina el rango de factibilidad consideremos una variaci on sobre b 2 . Observando la la asociada a la primera restricci on en el Cuadro 1.1 tenemos: 0 x1 + (2) x2 + 0 x3 + 1 s1 + 2 s2 + (8) s3 = 24 (4.1)

Debido a que las variables x2 , s2 y s3 son no basales, se tiene s1 = 24. Si estamos modicando el valor del lado derecho de la segunda restricci on, se est a modicando directamente el valor de su variable de holgura, es decir, el valor de s2 , ya que como s2 no est a en la base, la segunda restricci on es activa. Por lo tanto, si se incrementa el valor de s2 en se tiene: 0 x1 + (2) x2 + 0 x3 + 1 s1 + 2 + (8) s3 = 24 Considerando que las variables no basales valen cero, la expresi on anterior se reduce a: 1 s1 + 2 = 24 (4.3) (4.2)

Luego, el valor de s1 se reduce en 2 al incrementar el valor de s2 en , o bien al aumentar el coeciente b2 del lado derecho de la segunda restricci on en . Generalizando, podemos concluir que el coeciente aij representa la disminuci on de la variable basal de la la i debido a la incorporaci on de una unidad de la variable j a la base. A partir de (4.3) podemos determinar el valor m aximo de que mantiene en la base a s 1 . Como el valor actual de s1 es 24 y a la derecha de la expresi on (4.3) vemos el nuevo valor de la variable basal s1 , para mantener la base se debe cumplir 1 24 + 2 0 12 (4.4)

La operaci on realizada en la expresi on (4.4) pueden ser planteadas simult aneamente para todas las variables basales seg un (restricciones de tipo ): columna de la soluci on soluci on = + bi variable de (4.5) nueva actual holgura i 6

Segundo Semestre 2003

An alisis de Sensibilidad

En este caso se tiene: soluci on nueva 24 + 2b2 2 24 = 8 + b2 2 = 8 + 2b2 2 0,5b2 0,5 2 24 + 2b2 0 b2 12 8 + 2b2 0 b2 4 2 0,5b2 0 b2 4 Es decir, el rango de factibilidad queda: 4 b2 4 (4.8) (4.6)

Para que la soluci on nueva sea factible, cada componente debe ser positiva: (4.7)

Por ejemplo, si la variaci on fuera b2 = 2, sabemos que el nuevo valor de la funci on objetivo ser a: znueva = zactual + b2 (cj zj )de s2 = 280 + 2 10 = 300 (4.9)

Podemos obtener el mismo resultado calculando expl citamente el valor de la nueva soluci on o ptima: 24 2 28 soluci on (4.10) = 8 + 2 2 = 12 nueva 2 0,5 1 y luego evaluando en la funci on objetivo: z = 60 1 + 30 0 + 20 12 = 300 La expresi on (4.5) puede ser modicada para restricciones de tipo e =: Restricci on de tipo : soluci on nueva Restricci on de tipo =: soluci on nueva = soluci on actual columna de la variable + bi articial i (4.13) = soluci on actual columna de la bi variable de exceso i (4.12) (4.11)

Qu e ocurrir a si la modicaci on excede el rango de factibilidad ? Para responder esta pregunta consideremos que se decide aumentar el coeciente del lado derecho de la segunda restricci on b 2 en 6, es decir excediendo en 2 unidades el l mite m aximo obtenido en (4.8). En este caso, haremos la mocaci on en dos etapas: 1. Actualizamos la base al valor l mite del rango de factibilidad, en otras palabras se impone b2 = 4 y se actualiza el tableau. Se obtiene entonces un tableau degenerado (Cuadro 4.1). La funci on objetivo verica: 280 + 10 4 = 320. 2. Debido a que la variable s2 vale ahora 6 4 = 2, debemos incorporarla a la base en el lugar de la variable degenerada x1 mediante pivoteo. Primero, introducimos s2 a la base (Cuadro 4.2). En segundo lugar cambiamos el valor de s2 a 2 (Cuadro 4.3), el nuevo tableau corresponde al tableau nal del problema con el aumento del coeciente del lado derecho de la segunda restricci on en 6. En este caso, el nuevo tableau sigue siendo nal. 7

Segundo Semestre 2003

An alisis de Sensibilidad

Base cj s1 0 x3 x1 20 60

x1 60 0 0 1 60 0

x2 30 2 2 1,25 35 5

x3 s1 20 0 0 1 1 0 20 0 0 0 0 0

s2 0 2 2 0,5 10 10

s3 0 8 4 1,5

bi 24 + 4 2 = 32 8 + 4 2 = 16 2 + 4 (0,5) = 0

zj cj z j

10 320 10

Cuadro 4.1: Tableau Final Modicado - Primera Etapa (b2 = 4) x1 60 4 4 2 80 20 x2 30 3 3 2,5 60 30 x3 s1 s2 20 0 0 0 1 0 1 0 20 0 0 0 0 0 0 1 0 0 s3 0 2 2 3

Base cj s1 0 x3 s2 20 0

bi 32 16 0

zj cj z j

40 320 40

Cuadro 4.2: Tableau degenerado introduciendo s2 a la base Base cj s1 0 x3 s2 20 0 x1 60 4 4 2 80 20 x2 30 3 3 2,5 60 30 x3 s1 s2 20 0 0 0 1 0 1 0 20 0 0 0 0 0 0 1 0 0 s3 0 2 2 3

bi 32 16 2

zj cj z j

40 320 40

Cuadro 4.3: Tableau nal considerando b2 = 6

5.

Incorporaci on de una Nueva Variable

El an alisis consiste en determinar la conveniencia o no de la incorporaci on de una nueva variable (nuevo producto) a un problema, desde el punto de vista si la nueva variable mejorar a el valor actual de la funci on objetivo. Supongamos que se desea incorporar una variable x4 al problema en estudio. Las caracter sticas de esta nueva alternativa son: un benecio de 25 (coeciente en la funci on objetivo) y un requerimiento de una unidad en la primera y tercera restricci on, y de dos unidades en la segunda restricci on. Por lo tanto, el nuevo modelo queda: Max s.t. z = 60x1 + 30x2 + 20x3 + 25x4 8x1 + 6x2 + x3 + x4 + s1 = 48 (a) 4x1 + 2x2 + 1,5x3 + 2x4 + s2 = 20 (b) 2x1 + 1,5x2 + 0,5x3 + x4 + s3 = 8 (c) 8 (5.1)

Segundo Semestre 2003

An alisis de Sensibilidad

La idea del presente an alisis es denir la conveniencia de la incorporaci on de x 4 al problema. Para ello debemos estudiar la diferencia entre la utilidad o aporte de la variable a la funci on objetivo y la disminuci on debido al empleo de los recursos disponibles. Desde este punto de vista, considerando que el costo de oportunidad asociado a una restricci on de tipo se asocia a lo que se deja de ganar por no disponer de unidades adicionales, podemos asociar esta magnitud a la disminuci on de la funci on objetivo por cada unidad en que se reduce la disponibilidad. Los costos de oportunidad de las restricciones del problema (Cuadro 1.1) son: Restricci on (a) (cj zj )s1 = 0 Restricci on (b) (cj zj )s2 = 10 Restricci on (c) (cj zj )s3 = 10

(5.2)

Considerando los requerimientos en cada restricci on denidos previamente, el costo de producir una unidad de x4 resulta: De (a) 1 (cj zj )s1 = 0 De (b) 2 (cj zj )s2 = 20 (5.3) De (c) 1 (cj zj )s3 = 10 30 Por lo tanto, la producci on de una unidad de x4 representa una disminuci on de la funci on objetivo en 30. A continuaci on podemos contrastar este valor con el ingreso o aporte a la funci on objetivo de x 4 : z = (cj )x4
j

(aij )x4 (cj zj ) = 25 30 = 5 0

(5.4)

Luego, ingresar una unidad de x4 a la base representa un efecto neto de disminuir la funci on objetivo en 5. Por lo tanto si se incorpora a x4 al modelo, el optimo se mantiene y x4 no estar a en la base. La misma idea anterior puede ser aplicada cuando un modelo posee restricciones de tipo y/o =, poniendo atenci on a los signos involucrados. C omo se obtendr a el nuevo optimo si fuera conveniente introducir la nueva variable al problema ?

6.

Incorporaci on de una Nueva Restricci on

La incorporaci on de una nueva restricci on a un LP puede provenir no s olo de cambios en las hip otesis de formulaci on o bien de cambios en las condiciones de desarrollo de un cierto proceso productivo, si no que tambi en pueden aparecer producto de la resoluci on del problema con algunas condiciones especiales. M as adelante se estudir an t ecnicas para resolver problemas de LP con variables discretas basadas en la incorporaci on sucesiva de nuevas restricciones a un problema. En t erminos generales, pueden ocurrir dos situaciones al agregar una nueva restricci on a un problema: 1. La soluci on optima actual satisface la nueva restricci on. 2. La soluci on optima actual no satisface la nueva restricci on. En el primer caso la soluci on del problema no se ve alterada, ya que la restricci on no modica la regi on factible o al menos no excluye al punto extremo optimo actual. Hay que tener claro que la incorporaci on de una nueva restricci on no puede generar una mejora de la funci on objetivo, en el mejor de los casos s olo mantiene el optimo ya que la regi on factible corresponde a un subconjunto de la regi on 9

Segundo Semestre 2003

An alisis de Sensibilidad

factible original. Consideremos por ejemplo que al problema en estudio se le agrega la siguiente restricci on: 2x1 + x2 + x3 15 Al evaluar la soluci on optima actual se tiene: 2x1 + x2 + x3 = 2 2 + 0 + 8 = 12 15 (6.2) (6.1)

Como la restricci on se satisface, el optimo se mantiene. Si queremos ver como queda el nuevo tableau podemos ingresar la nueva restricci on como una nueva la en el tableau, tambi en se generar a una nueva columna para la nueva variable de holgura s5 . Para ello debemos respetar la condici on de las variables basales, es decir, mediante operaciones la debemos hacer coecientes 0 en las variables basales de la nueva restricci on. En este caso, en la nueva restricci on: 2x1 + x2 + x3 + s4 = 0 podemos hacer un cero para x1 multiplicando por 2 la la 3 del Cuadro 1.1 y sum andosela: 1,5x2 + x3 + s2 3s3 + s4 = 11 (6.4) (6.3)

A continuaci on, hacemos un cero para x3 multiplicando la la 2 del Cuadro 1.1 por 1 y sum andosela a (6.4): 0,5x2 s2 + s3 + s4 = 3 (6.5) La ecuaci on (6.5) puede ser introducida al tableau nal original para obtener el nuevo tableau optimo (Cuadro 6.1). Cuando la soluci on optima no satisface la nueva restricci on la situaci on no es tan sencilla. Por Base cj s1 0 x3 x1 s4 20 60 0 x1 60 0 0 1 0 60 0 x2 30 2 2 1,25 0,5 35 5 x3 s1 20 0 0 1 1 0 0 20 0 0 0 0 0 0 s2 0 2 2 0,5 1 10 10 s3 0 8 4 1,5 1 10 10 s4 0 0 0 0 1 0 0

bi 24 8 2 3 280

zj cj z j

Cuadro 6.1: Tableau Final con la nueva restricci on ejemplo, supongamos que la nueva restricci on es: 2x1 + x2 + x3 10 En este caso, al vericar la soluci on optima actual se tiene: 2x1 + x2 + x3 = 2 2 + 0 + 8 = 12 10 (6.7) (6.6)

Como la soluci on optima actual no satisface la nueva restricci on es preciso determinar el nuevo optimo. A diferencia del caso anterior, no es posible ingresar directamente la nueva restricci on al tableau nal 10

Segundo Semestre 2003

An alisis de Sensibilidad

ya que como no se satisface la restricci on al aplicar las operaciones las se obtendr a una valor negativo para la variable de holgura s4 . Luego, antes de ingresar la nueva restricci on debemos buscar una base que satisfaga la restricci on nueva. En este caso, el pen ultimo tableau (ver apunte de Smplex) tiene como soluci on s1 = 16, s2 = 4, x1 = 4 y x2 = x3 = s3 = 0 (Cuadro 6.2). Evaluando esta base en la nueva restricci on: 2x1 + x2 + x3 = 2 8 + 0 + 0 = 8 10 (6.8) Como esta soluci on b asica factible satisface la nueva restricci on podemos introducir la nueva restricci on Base cj s1 0 s2 x1 0 60 x1 60 0 0 1 x2 30 0 1 x3 20 1 0,5 15 5 s1 s2 0 0 1 0 0 0 0 0 1 0 0 0 s3 0 4 2 0,5

bi 16 4 4

0,75 0,25

zj cj z j

60 45 0 15

30 240 30

Cuadro 6.2: Tableau de la Segunda Iteraci on. al tableau. Se agrega una columna para s4 y mediante operaciones las construimos la forma can onica. Considerando la restricci on estandarizada: 2x1 + x2 + x3 + s4 = 10 (6.9)

podemos multiplicar por 2 la la 3 del Cuadro 6.2 para hacer un cero para la variable basal x 1 : 0,5x2 + 0,5x3 s3 + s4 = 2 (6.10)

Como en (6.10) las variables b asicas s1 y s2 no aparecen, podemos introducir la restricci on al tableau (Cuadro 6.3). En este caso, entra la variable x3 con valor igual a 4. Iterando, se completa el Cuadro 6.4. Como todos los cj zj son no positivos y se est a maximizando se ha alcanzado el optimo. El nuevo valor de la funci on objetivo resulta z = 260, con variables basales x1 = 3, x3 = 4, s1 = 20, s2 = 2 y x2 = s3 = s4 = 0. Base cj s1 0 s2 x1 s4 0 60 0 x1 60 0 0 1 0 60 0 x2 30 0 1 0,75 0,5 45 15 x3 20 1 0,5 0,25 0,5 15 5 s1 s2 0 0 1 0 0 0 0 0 0 1 0 0 0 0 s3 0 4 2 0,5 1 30 30 s4 0 0 0 0 1 0 0 bi 16 4 4 2 240
aij bi

8 16 4

zj cj z j

Cuadro 6.3: Tableau de la Segunda Iteraci on con restricci on nueva.

11

Segundo Semestre 2003

An alisis de Sensibilidad

Base cj s1 0 s2 x1 x3 0 60 20

x1 60 0 0 1 0 60 0

x2 30 1 0,5 1 1 40 10

x3 s1 s2 20 0 0 0 1 0 0 0 1 20 0 0 0 0 0 0 1 0 0 0 0

s3 0 6 1 1 2 20 20

s4 0 2 1 0,5 2 10 10

bi 20 2 3 4 260

zj cj z j

Cuadro 6.4: Tableau de Final con restricci on nueva.

7.

La Regla del 100 %

Los resultados del an alisis de sensibilidad en base a cambiar una variable manteniendo las otras jas se pueden emplear para estudiar variaciones simult aneas mediante la regla del 100 %. Se ver an los siguientes casos: Variaci on de coecientes en la funci on objetivo. Variaci on de coecientes del lado derecho.

7.1.

Variaci on simult anea de coecientes de la funci on objetivo

Se consideran dos casos: Caso 1 Todas las variables a las que se les modica el coeciente no son b asicas. Caso 2 Al menos una de variables a las que se les modica el coeciente es b asica. En el Caso 1 si todas las variables est an dentro de su rango de optimalidad (calculado variando una variable) la base actual permanece optima y el valor de las variables b asicas no cambia por lo que tampoco se ve afectado el valor de la funci on objetivo. Si la variaci on de al menos una de las variables est a fuera del rango de optimalidad, la soluci on deja de ser la optima. En el Caso 2 si denimos: cj cj Ij Dj = = = = coeciente original de xj en la funci on objetivo variaci on de cj incremento m aximo de cj para que se mantenga la base optima decremento m aximo de cj para que se mantenga la base optima

Para cada variable xj se puede denir la raz on rj como: Si cj 0 Si cj 0 rj = rj =

c j Ij cj Dj

(7.1)

Si cj no cambia, rj = 0. La raz on rj mide la proporci on entre el cambio real de cj y el m aximo cambio admisible para cj para mantener la base optima. Si s olo se cambia un coeciente de la funci on objetivo, 12

Segundo Semestre 2003

An alisis de Sensibilidad

la base permanecer a optima mientras rj 1 (un cambio inferior al 100 %). La regla del 100 % es una generalizaci on de la idea anterior, es decir si: rj 1
j

(7.2)

se puede asegurar que la base actual sigue siendo la optima y los valores de las variable tampoco cambian, pero la funci on objetivo podr a cambiar. Si la expresi on (7.2) es mayor a 1 no se puede asegurar que se mantenga como optima, pero tampoco hay seguridad de que vaya a cambiar. A modo de ejemplo, consideremos que en el problema en estudio el coeciente de la variable x 1 crece a 70 y el de x3 baja a 18. Como ambas variables son basales estamos en el Caso 2 (al menos una basal). Previamente se vio que I1 = 20 y D1 = 4, se deja al lector chequear que I3 = 2,5 y D3 = 5. Luego: c1 = 70 60 = 10 0, I1 = 20 r1 = 10 20 = 0,5 c2 = 0, r2 = 0
2 5

(7.3) = 0,4

c3 = 18 20 = 2 0, D3 = 5 r3 =

Luego r1 + r2 + r3 = 0,9 1, por lo que la soluci on sigue siendo optima.

7.2.

Variaci on simult anea de coecientes del lado derecho

Tambi en se consideran dos casos: Paso 1 Todas las restricciones a las que se les modica el coeciente del lado derecho son no activas, es decir, tienen su variable de holgura o exceso en la base. Paso 2 Al menos una de las restricciones a las que se les modica el coeciente del lado derecho es activa, es decir, tiene su variable de holgura o exceso fuera de la base. En el Caso 1 si todas las variaciones de los coecientes del lado derecho de las restricciones permanecen en el rango de factibilidad (calculando variando s olo una variable), la base actual permanece optima y los valores de las variables de decisi on no cambian, por lo que no cambia el valor de la funci on objetivo. Si alguna de las variaciones est a fuera del rango de factibilidad, la base actual deja de ser optima. En el Caso 2 si denimos: bi bi Ii Di = = = = valor original del coeciente del lado derecho de la restricci on i variaci on de bi incremento m aximo de bi para que se mantenga la base optima decremento m aximo de bi para que se mantenga la base optima

Para cada variable restricci on i se puede denir la raz on ri como: Si bi 0 Si bi 0 ri = ri =

b i Ii bi Di

(7.4)

La raz on ri mide la proporci on entre el cambio real de bi y el m aximo cambio admisible para bi para mantener la base optima. Si s olo se cambia un coeciente de la funci on objetivo, la base permanecer a optima mientras ri 1 (un cambio inferior al 100 %). Luego, si: ri 1
i

(7.5)

13

Segundo Semestre 2003

An alisis de Sensibilidad

la base permanecer a optima a pesar de que los valores de las variables puedan cambiar y con ello el valor de la funci on objetivo. Al igual que el caso anterior, si i ri > 1 la base puede como no puede cambiar, nada se puede asegurar. A modo de ejemplo, consideremos que en el problema en estudio el coeciente del lado derecho de la segunda restricci on aumenta a 22 y el de la tercera restricci on crece a 9. Como ambas variables de holgura son basales estamos en el Caso 2 (al menos una basal). Previamente se vio que I 2 = 4 y 4 D2 = 4, se deja al lector chequear que I3 = 2 y D3 = 3 . Luego: b1 = 0, b3 = 9 8 = 1 0, r1 = 0 I 3 = 2 r3 =
2 4 1 2

b2 = 22 20 = 2 0, I2 = 4 r2 =

= 0,5 = 0,5

(7.6)

Luego r1 + r2 + r3 = 1 1, por lo que la soluci on sigue siendo optima.

14