5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 1/35
Tema 5: Analisis de Sensibilidad
y Parametrico
5.1 Introduccion
5.2 Cambios en los coeficientes de la funcion objetivo
5.3 Cambios en el rhs
5.4 Analisis de Sensibilidad y Dualidad
5.4.1 Cambios en el coeficiente en la funcion objetivo de una variable
no basica
5.4.2 Cambios en la columna de una variable no basica
5.4.3 Anadir una nueva variable
5.5 Analisis Parametrico con WinQSB
1
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 2/35
5.1 Introduccion
Hip´ otesis en PL: parametros deterministas (conocidos y fijos).
Realidad: los parametros son estimaciones de los valores reales.
An´ alisis de Sensibilidad: ¿como afecta a la solucion optima los cambios
en los parametros del modelo? Obtener de forma eficiente la nueva
solucion optima (si existe) sin resolver de nuevo el modelo.
Supongamos resuelto el ppl en forma estandar:
Min ctx
s.a: Ax = b
x ≥ 0n
En la tabla optima del Simplex tenemos:
zj − cj ≤ 0 ∀ j = 1, . . . , n bi ≥ 0 ∀i = 1, . . . , m
2
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 3/35
¿C´ omo afectan los cambios en:
los coeficientes de la funci´ on objetivo ( cj)?
Posible perdida de la posibilidad dual
Reoptimizar con el algoritmo Simplex
los terminos de la derecha de las restricciones ( bi)?
Posible perdida de la posibilidad primal
Reoptimizar con el Dual del Simplex
una fila y/o columna de A (aij)?
Posible perdida de la posibilidad primal
Posible perdida de la posibilidad dual
Posible perdida de ambasReoptimizar con dos Fases
3
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 4/35
5.2 Cambios en los coeficientes de la funcion objetivo
Pueden provocar la perdida de la optimalidad primal
¿Para que rango de valores de ck sigue siendo optima la solucion actual?
Coeficiente de una variable no basica: solo afecta al coste re-
ducido de la variable cuyo coeficiente se ha cambiado.
zk − ck = (zk − ck) + (ck − ck)
Si zk − ck ≤ 0 −→ La solucion sigue siendo optima.
Si zk − c
k > 0 −→ Reoptimizamos con el algoritmo del Simplex,haciendo basica xk.
4
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 5/35
Ejemplo 1
Min −2x1 + x2 − x3
s.a.: x1 + x2 + x3 ≤ 6
−x1 + 2x2 ≤ 4
x1, x2, x3 ≥ 0
x∗ =
6
0
0
z∗ = −12
Tabla optima:
x1 x2 x3 x4 x5 rhs
z 0 -3 -1 -2 0 -12
x1 1 1 1 1 0 6
x5 0 3 1 1 1 10
5
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 6/35
Ejemplo: Cambio en el Coeficiente de una Variable no Basica
z = −2x1
c2
+1 x2 − x3 → z = −2x1
c2
−3 x2 − x3
z2 − c
2 = (z2 − c2) + (c2 − c
2) = −3 + (1− (−3)) = 1 > 0
x1 x2 x3 x4 x5 rhs
z 0 1 -1 -2 0 -12
x1 1 1 1 1 0 6x5 0 3 1 1 1 10
Reoptimizamos con el Simplex, x2 se hace basica y x5 deja de serlo.
x1 x2 x3 x4 x5 rhs
z 0 0 −4
3
−7
3
−1
3
−46
3
x1 1 0 2
3
2
3
−1
3
8
3
x2 0 1 1
3
1
3
1
3
10
3
x∗
=
8
3
10
3
0
z∗
=−46
3
6
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 7/35
¿Para que rango de valores del coeficiente de una variable no basica
sigue siendo optima la solucion actual?
La solucion actual sigue siendo optima sii:
zk − c
k ≤ 0 sii (zk − ck) + (ck − c
k) ≤ 0 sii c
k ≥ ck + (zk − ck)
c
k ∈ [ck + (zk − ck),∞[
Ejemplo, continuacion . . .
En el Ejemplo 1, c2 = 1 y z2 − c2 = −3, luego la solucion actualseguira siendo optima sii:
c
2 ∈ [1 + (−3),∞[ = [−2,∞[
x∗ =
6
0
0
z∗ = −12
7
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 8/35
Coeficiente de una variable basica: cambiara toda la fila aso-
ciada a la funcion objetivo (Fila 0), excepto los costes reducidos de
las variables basicas, que seguiran siendo iguales a cero.
Nueva Fila 0 = (Fila 0 actual) + (ck − ck) (Fila actual de xk)
Si algun coste reducido se hace positivo reoptimizamos con el algoritmo
del Simplex. Para determinar el rango de valores para los cuales sigue
siendo optima la solucion actual se resuelve el sistema de inecuaciones
dado por:
zj − cj ≤ 0 ∀ j ∈ N
En dicho rango, la solucion optima sera la misma y el valor optimo:
z∗ = cBB−1b + (ck − ck)x∗k
8
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 9/35
Ejemplo: Cambio en el Coeficiente de una Variable Basica
z =
c1 −2 x1 + x2 − x3 → z =
c1
0 x1 + x2 − x3 → z = x2 − x3
x1 x2 x3 x4 x5 rhs
z 0 -3 -1 -2 0 -12
x1 1 1 1 1 0 6
x5 0 3 1 1 1 10
Nueva Fila 0 = (Fila 0 actual) + (c1 − c1) (Fila actual de x1)
x1 x2 x3 x4 x5 rhs
z 0 -1 1 0 0 0
x1 1 1 1 1 0 6
x5 0 3 1 1 1 10
9
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 10/35
x1 x2 x3 x4 x5 rhs
z 0 -1 1 0 0 0x1 1 1 1 1 0 6
x5 0 3 1 1 1 10
Reoptimizamos con el Simplex, x3 se hace basica y x1 deja de serlo.
x1 x2 x3 x4 x5 rhs
z -1 -2 0 -1 0 -6
x3 1 1 1 1 0 6x5 -1 2 0 0 1 4
x∗ =
0
0
6
z∗ = −6
10
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 11/35
Ejemplo, continuacion . . .
¿Para que rango de valores del coeficiente de x1 sigue siendo optima la
solucion actual?x1 x2 x3 x4 x5 rhs
z 0 -3 -1 -2 0 -12
x1 1 1 1 1 0 6
x5 0 3 1 1 1 10
x∗ =
6
0
0
z
∗ = −12
Nueva Fila 0 = (Fila 0 actual) + (c1 − c1) (Fila actual de x1)
z2− c2 = −3 + (c
1− c1)1 ≤ 0 ↔ (c
1− c1) ≤ 3
z3− c3 = −1 + (c
1− c1)1 ≤ 0 ↔ (c
1− c1) ≤ 1
z4− c4 = −2 + (c
1− c1)1 ≤ 0 ↔ (c
1− c1) ≤ 2
↔ c1 ≤ 1 + c1
En el ejemplo, c1 = −2, si c
1 ∈]−∞,−1] la solucion optima sigue siendo lamisma pero el valor optimo sera:
z∗ =− 12 + (c
1 − c1)6 = −12 + 6c
1 + 12 = 6c
1
11
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 12/35
5.3 Cambios en el termino de la derecha de una restriccion
Pueden provocar la perdida de la optimalidad dual ≡ perdida de la
posibilidad primal
Si xB = B−1b = b tiene alguna componente negativa sera necesario reop-
timizar con el algoritmo Dual del Simplex.
¿Para que rango de valores de bi sigue siendo optima la base actual?
Aquel que se obtiene al resolver el sistema de inecuaciones:b = b + (columna i-esima de B−1) (b
i − bi) i
≥ 0
En dicho rango, la solucion optima sera:
x∗
B = b + (columna i-esima de B−1)(i), x
∗
N = 0
El valor optimo:
z∗ = c
tB b + ωii
12
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 13/35
Ejemplo, cambio en el termino de la derecha de una restriccion
(no hay perdida de posibilidad primal)
b =
6
4
→ Cambiamos b1 → b
=
3
4
La nueva solucion sera:
b = B
−1b =
1 0
1 1
3
4
= 3
7
≥ 0
0
La base B = {a1, a5} sigue siendo optima, la nueva solucion es:
x∗
=
3
0
0
→ z
∗
= ctB b
= (−2, 0) 3
7 = −6
13
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 14/35
Ejemplo, Continuacion . . ., sı hay perdida de posibilidad primal
Cambiamos b1 = 6 por b1 = −2. La nueva solucion y el nuevo coste seran:
b = B
−1b =
1 0
1 1
−2
4
=
−2
2
z = ctB b
= (−2, 0)
−2
2
= 4
x1 x2 x3 x4 x5 rhs Nuevo
z 0 -3 -1 -2 0 -12 4
x1 1 1 1 1 0 6 → -2
x5 0 3 1 1 1 10 2
Perdemos la posibilidad primal, reoptimizamos con el Dual del Simpex:
Dual no acotado → Primal Imposible
14
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 15/35
Ejemplo
¿En cuanto podemos incrementar b1 sin que cambie la base optima?
Si cambiamos b = 6
4
por b = 6 +
4
xB = B−1
6 +
4
=
1 0
1 1
6 +
4
=
6 +
10 +
proporcionara una solucion optima sii proporciona una solucion posible:
6 + ≥ 0
10 + ≥ 0→ ≥ −6 → b1 ∈ [0,∞[
La solucion optima y el valor optimo seran, respectivamente:
x∗
B =
6 +
10 +
x
∗
N = 0 z∗ = (−2, 0)
6 +
10 +
= −12− 2
15
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 16/35
¿Para que rango de valores de b2 sigue siendo optima la base actual?
xB = B−1
6
b2
= 1 0
1 1
6
b2
= 6
6 + b2
proporcionara una solucion optima sii proporciona una solucion posible:
6 ≥ 0
6 + b2 ≥ 0→ b2 ≥ −6 → b2 ∈ [−6,∞[
La solucion optima y el valor optimo seran, respectivamente:
x∗
B =
6
6 + b2
x∗
N = 0 z∗ = (−2, 0)
6
6 + b2
= −12
Notar que el precio sombra para esta restriccion sera 0.
16
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 17/35
5.4 An´alisis de Sensibilidad y Dualidad
Dada una soluci´ on posible b´ asica del problema primal,
(xB = B−1b, xN = 0),
dicha soluci´ on es ´ optima si y s´ olo si la solucion obtenida a partir de
B, ω = ctBB−1, es soluci´ on posible del dual.
Cambios en la funci´ on objetivo del coeficiente de una variable no
b´ asica
Cambios en la columna de A de una variable no b´ asica
Adici´ on al problema de una nueva variable
17
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 18/35
La empresa Dakota Furniture Company fabrica escritorios, mesas y sillas.
La fabricacion de cada tipo de mueble requiere madera y dos tipos de
procesos: carpinterıa y acabado. La cantidad de recursos que necesita cadatipo de mueble vienen dados en la siguiente tabla, en la que tambien se
incluyen los precios de venta de los muebles:
Recurso Escritorios Mesas Sillas
Madera (en pies de tablero) 8 6 1
Carpinterıa (en horas) 2 1.5 0.5
Acabado (en horas) 4 2 1.5
Precio de Venta (en euros) 60 30 20
En la actualidad se dispone de 48 pies de tableros de madera, 20 horas de
acabado y 8 de carpinterıa. Puesto que los recursos ya han sido adquiridos
y se supone que la demanda de cualquiera de los productos es ilimitada, la
empresa esta interesada en planificar la produccion de forma que se
maximicen los beneficios obtenidos.
18
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 19/35
x1 = escritorios x2 = mesas x3 = sillas
Max 60x1 + 30x2 + 20x3
s.a.: 8x1 + 6x2 + x3 ≤ 48
4x1 + 2x2 + 1,5x3 ≤ 20
2x1 + 1,5x2 + 0,5x3 ≤ 8
x1, x2, x3 ≥ 0
x1 = 2, x2 = 0, x3 = 8
19
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 20/35
ω1 = precio madera, ω2 = precio acabado, ω3 = precio carpint.
Min 48ω1 + 20ω2 + 8ω3
s.a.: 8ω1 + 4ω2 + 2ω3 ≥ 60
6ω1 + 2ω2 + 1,5ω3 ≥ 30
ω1 + 1,5ω2 + 0,5ω3 ≥ 20
ω1, ω2, ω3 ≥ 0
ω1 = 0, ω2 = 10, ω3 = 10 z = 280
20
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 21/35
5.4.1 Cambios en la funcion objetivo del coeficiente de
una variable no basica
¿Para que valores de c2 seguira siendo optima la solucion actual?
Una mesa consume,
6 pies de madera, a ω1 = 0 euros el pie
2 horas de acabado, a ω2 = 10 euros la hora, y
1.5 horas de carpinterıa, a ω3 = 10 euros la hora
En total:
6× 0 + 2 × 10 + 1,5× 10 = 35
Mientras el precio de venta de las mesas c2 ≤ 35 euros seguira sin
interesar fabricar mesas, x2 = 0.
La solucion actual seguira siendo optima.
21
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 22/35
Los cambios en el coeficiente no afectan a la factibilidad de la
solucion del primal.
Min 48ω1 + 20ω2 + 8ω3
s.a.: 8ω1 + 4ω2 + 2ω3 ≥ 60
6ω1 + 2ω2 + 1,5ω3 ≥ c2
ω1 + 1,5ω2 + 0,5ω3 ≥ 20
ω1, ω2, ω3, ≥ 0
6ω1 + 2ω2 + 1,5ω3 ≥ c2
6× 0 + 2 × 10 + 1,5× 10 ≥ c2
35 ≥ c2
22
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 23/35
5.4.2 Cambios en la columna de una variable no basica
Supongamos que cambia el vector de coeficientes de las mesas y tambien su
precio de venta.
c2 = 30 c
2 = 43 a2 =
6
2
1,5
a
2 =
5
2
2
La nueva restriccion del dual serıa:5ω1 + 2ω2 + 2ω3 ≥ 43
Que es violada por la solucion del dual actual:
5× 0 + 2× 10 + 2× 10 ≥ 43
40 ≥ 43Fabricar una mesa consume 40 euros, si se vende por 43, interesara fabricar
mesas. El coste reducido cambiarıa de signo.
23
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 24/35
5.4.3 Anadir una nueva variable
Dakota esta considerando fabricar zapateros. Podrıan venderse por 15 euros
y consumirıan 1 pie de madera, 1 hora de acabado y 1 hora de carpinterıa.¿Seguirıa siendo optima la solucion actual?, ¿Interesa fabricar zapateros?
Introducir una nueva variable, x4, con, c4 = 15 a4 =
1
1
1
Equivale a anadir una restriccion al dual:
ω1 + ω2 + ω3 ≥ 15
Como la solucion actual del dual, sı que cumple la restriccion:
1× 0 + 1× 10 + 1× 10 ≥ 15
No interesara fabricar zapateros.
z4 − c4 = ω1 + ω2 + ω3 − c4 = 20− 15 = 5
24
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 25/35
5.5 Analisis Parametrico
El an´ alisis parametrico es una extension del analisis de sensibilidad.
Consiste en investigar como cambia la solucion optima y el valor opti-
mo de un PPL cuando se efectuan cambios continuos en uno o mas
parametros, de la funcion objetivo:
z(µ) = c + µc
, c y c
conocidos, µ escalar
o del rhs:
b(µ) = b + µb
, b y b
conocidos, µ escalar
25
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 26/35
Procedimiento
1. Calcular la solucion optima para µ = 0.
2. Determinar el rango de valores para µ, [0, µ1], para los que la
solucion sigue siendo optima.
3. Para µ = µ1 se produce un cambio de base optima. Realizar el
cambio. Obtener la nueva solucion optima.
4. Determinar el nuevo rango de valores de µ para los que es optima
la solucion actual. Sea [µ1, µ2].
5. Repetir el proceso hasta que se detecta un µr tal que:
el problema es imposible ∀µ ≥ µr, ola solucion optima actual sigue siendo optima ∀µ ≥ µr.
26
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 27/35
Min − x1 − 3x2
s.a.: x1 + x2 ≤ 6
− x1 + 2x2 ≤ 6
x1, x2 ≥ 0
z(µ) = −1
−3 + µ 2
1 x1
x2
z(µ) = (−1 + 2µ)x1 + (−3 + 1µ)x2
b(µ) = 6
6
+ µ −1
1
= 6− µ
6 + µ
27
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 28/35
5.5.1 Analisis Parametrico de la Funcion Objetivo
µ = 0 → µ ∈ [0, 1]
Solucion Optima: x∗ =
2
4
Valor Optimo: z∗ = −14
z ∈ [−14,−6] con pendiente 8 → z∗(µ) = −14 + 8µ
Notar que la misma conclusion se obtiene para:
µ ∈ [−2, 0]
pero aquı z ∈ [−30,−14]
28
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 29/35
µ = 1 → µ ∈ [1, 3]
Cambio de base: x1 deja de ser basica, h1 se hace basica.
x2
+ h1
= 62x2 = 6
→ x2
= 3h1 = 3
Solucion Optima: x∗ =
0
3
Valor Optimo: z∗ = −6
z ∈ [−6, 0] con pendiente 3 → z∗(µ) = −9 + 3µ
29
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 30/35
µ = 3 → µ ∈ [3,∞[Cambio de base: x2 deja de ser basica, h2 se hace basica.
h1 = 6
h2 = 6
Solucion Optima: x∗ =
0
0
Valor Optimo: z∗ = 0
z ∈ [0, 0] con pendiente 0 → z∗
(µ) = 0
30
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 31/35
µ = −2 → µ ∈]−∞,−2]Cambio de base: x2 deja de ser basica, h2 se hace basica.
x1 = 6
−x1 + h2 = 6
→x1 = 6
h2 = 12
Solucion Optima: x∗ =
6
0
Valor Optimo: z∗ = −30
z ∈ ]−∞,−30] con pendiente 12 → z∗
(µ) = −6 + 12µ
31
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 32/35
Resumiendo:
µ ∈]−∞,−2] → x∗
=
6
0
→ z∗
(µ) = −6 + 12µ
µ ∈ [−2, 1] → x∗ =
2
4
→ z∗(µ) = −14 + 8µ
µ ∈ [1, 3] → x∗ =
0
3
→ z∗(µ) = −9 + 3µ
µ ∈ [3,∞[ → x∗ =
0
0
→ z∗(µ) = 0
32
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 33/35
5.5.2 Analisis Parametrico del rhsµ ∈ ]−∞, 2]
Las variables basicas optimas son x1 y x2.
x1 + x2 = 6− µ
−x1 + 2x2 = 6 + µ→
x1 = 2− µ
x2 = 4
Solucion Optima: x∗ =
2− µ
4
Valor Optimo: z∗
= −14 + µ
33
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 34/35
µ = 2 → µ ∈ [2, 6]
Cambio de base: x1 deja de ser basica, h2 se hace basica.
x2 = 6− µ
2x2 + h2 = 6 + µ
→x2 = 6− µ
h2 = −6 + 3µ
Solucion Optima: x∗ =
0
6− µ
Valor Optimo: z∗ = −18 + 3µ
34
5/17/2018 Tema5 - slidepdf.com
http://slidepdf.com/reader/full/tema5-55b078c2e3493 35/35
µ = 6 → µ ∈]6,∞[
Cambio de base: x2 deja de ser basica, No es posible determinar lavariable que se hace basica: Dual no Acotado −→ Primal Imposible
Resumiendo:
µ ∈]−∞, 2] → x∗ =
2− µ
4
→ z∗(µ) = −14 + µ
µ ∈ [2, 6] → x∗ =
0
6− µ
→ z∗(µ) = −18 + 3µ
µ ∈ [6,∞[ → Problema Imposible
35