Documente Academic
Documente Profesional
Documente Cultură
Duales simétricos
Son los que se obtienen de un problema primal en forma canónica y ‘normalizada’, es
decir, cuando llevan asociadas desigualdades de la forma mayor o igual en los
problemas de minimización, y desigualdades menores o igual para los problemas de
maximización. Es decir, si el problema original es de la siguiente forma:
Máx. Z(x) = ct x
S.A:
Ax≤b
X≥0
El problema dual (dual simétrico) es:
Mín. G (λ) = λ b
S. A:
λA≥c
λ≥0
Dual asimétrico
Son los restantes tipos de combinaciones de problema. Como por ejemplo:
Máx. Z(x) = ct x
S. A:
Ax=b
X≥0
El problema dual (dual asimétrico) es:
Mín. G (λ) = λ b
S. A:
λA≥c
λ >< 0, es decir, variables libres.
Método Simplex Dual: Este método se aplica a problemas óptimos pero infactibles.
En este caso, las restricciones se expresan en forma canónica (restricciones). La
función objetivo puede estar en la forma de maximización o de minimización. Después
de agregar las variables de holgura y de poner el problema en la tabla, si algún
elemento de la parte derecha es negativo y si la condición de optimidad está
satisfecha, el problema puede resolverse por el método dual simplex. Note que un
elemento negativo en el lado derecho significa que el problema comienza óptimo pero
infactible como se requiere en el método dual simplex. En la iteración donde la
solución básica llega a ser factible esta será la solución óptima del problema.
La interpretación del problema dual proporciona también una interpretación económica
de lo que hace el método símplex en el problema dual. La meta del símplex es
encontrar la manera de usar los recursos disponibles en la forma más redituable. Para
alcanzarla, debe llegar a una solución BF que satisfaga todos los requisitos sobre el
uso provechoso de los recursos (las restricciones del problema dual). Estos requisitos
comprenden la condición de optimalidad del algoritmo. Para cualquier solución BF
dada, los requisitos (restricciones duales) asociados con las variables básicas se
satisfacen de manera automática (con la igualdad). Sin embargo, los asociados con
las variables no básicas pueden o no ser satisfechos. En particular, si una variable
original x j es no básica y por ende la actividad j no se usa, la contribución actual a
la utilidad debida a esos recursos, que se requerirían para emprender cada unidad de
la actividad j
m
∑ aij y i
i=1
Ventajas:
Reducir el esfuerzo computacional al resolver ciertos modelos de
programación lineal.
Permite resolver problemas de programación lineal de forma más rápida y
sencilla.
Es otra vía para resolver un problema de programación lineal.
Facilita profundizar en el contenido económico del problema original (primal).
Puede ser utilizada para resolver el caso en que se debe considerar la
introducción de una nueva variable en el primal una vez que ha de sido
obtenida la solución óptima, sin tener que resolver completamente el problema.
Dado al número de restricciones y variables entre problema dual y primal es
inverso, se pueden resolver gráficamente problemas que presenten dos
restricciones sin importar el número de variables.
Desventajas:
La única desventaja de este método, es que se requiere para empezar a iterar
la condición de factibilidad dual.
Análisis de sensibilidad
Es una herramienta útil cuando no tenemos una certeza absoluta sobre los valores
que se han dado a los términos independientes de las restricciones o los coeficientes
de la función objetivo, en este sentido el análisis de sensibilidad consiste en estudiar
cómo evoluciona el óptimo y el valor de la función objetivo del optimo ante variaciones
de dichos términos independientes y coeficientes.
Estudia los intervalos para los cuales la modificación de un valor en el programa lineal
de forma individualizada, no cambia las variables que componen la base de nuestra
solución, hallando para el rango de valores definido en el intervalo, la evolución de la
función objetivo expresado a través de los precios sombra. El objetivo del análisis de
sensibilidad es establecer un intervalo de números reales en el cual el dato que se
analiza puede estar contenido, de tal manera que la solución sigue siendo óptimo
siempre que el dato pertenezca a dicho intervalo, Investigar el cambio en la solución
óptima del problema, cuando se producen cambios en los parámetros del modelo.
Conclusión
Hay que considerar que todo problema de programación lineal tiene, asociado a él, un
problema dual de programación lineal. Existen ciertas relaciones útiles entre el
problema original (primal) y su problema dual que refuerzan la habilidad para analizar
el problema original. Por ejemplo, la interpretación económica del problema dual
proporciona los precios sombra que miden el valor marginal de los recursos en el
problema primal, al igual que permite dar una interpretación del método símplex.
Puesto que el método símplex se puede aplicar directamente a cualquiera de los dos
problemas para obtener la solución de ambos al mismo tiempo, es posible ahorrar una
gran cantidad de esfuerzo computacional si se maneja directamente el problema dual.
Bibliografía
S. Hillier, F., & Lieberman, G. (2010). INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONEs.
Mexico D.F: McGRAW-HILL.