Aspectos Complementarios - 1 De sesin 1

1.8.1. La condicin ojos de serpiente

Alternativa optima puede existir slo si alguna fila del informe de solucin tiene ceros, tanto en el segunda y tercera columnas del informe, una configuracin que algunos estadsticos llaman "ojos de serpiente". Esto es, alternativa ptima puede existir slo si alguna variable tiene valor cero y cero costo reducido, o algn tipo de restriccin tiene tanto holgura cero y el precio de dual cero. Los matemticos, sin ninguna intencin de juicio moral, se refieren a este tipo de soluciones como degenerativas . Si hay alternativa ptima, es posible que su computadora le da una solucin diferente de la que en el texto. Sin embargo, siempre se debe obtener el mismo valor de la funcin objetivo .

 Hay, de hecho, dos formas en que mltiples soluciones ptimas pueden ocurrir. Para el ejemplo en la figura 1.9, los dos informes de la solucin ptima slo se diferencian en los valores de las llamadas variables primarias (es decir, nuestras variables de decisin originales A, C) y las variables de holgura en la restriccin. Tambin puede haber situaciones en que existen mltiples soluciones ptimas en las que slo se diferencian las variables duales. Considerar esta variacin del problema Enginola en la que la capacidad de la lnea Cosmo ha sido reducida a 30.

La formulacin es:

MAX = 20*A + 30*C; A<60; C<30; A+2*C<120; El grfico correspondiente de este problema est en la Figura 1.10. Una solucin optima es:
Global optimal solution found. Objective value:

2100.000

Variable Value A 60.00000 C 30.00000

Reduced Cost 0.000000 0.000000

Row Slack or Surplus Dual Price 1 2100.000 1.000000 2 0.000000 20.00000 3 0.000000 30.00000 4 0.000000 0.000000

 Otra vez, note los "ojos de serpiente" en la solucin (es decir, el par de ceros en una fila del informe de solucin). Esto sugiere que la capacidad de la lnea de Cosmo (el lado derecho de la fila 3) podra ser cambiado sin cambiar el valor objetivo. La figura 1.10 ilustra la situacin. Tres restricciones pasan por el punto A = 60, C = 30. Cualquieras dos de las limitaciones determinan el punto. De hecho, la restriccin de A + 2C 120 es matemticamente redundante (es decir, se podra caer/salir sin cambiar la regin factible).

Si decrece el lado derecho de la fila 3 muy ligeramente, obtendr la siguiente solucin : Optimal solution found at step: 0 Objective value: 2100.000 Variable Value Reduced Cost A 60.00000 0.0000000 C 30.00000 0.0000000 Row Slack or Surplus Dual Price 1 2100.000 1.000000 2 0.0000000 5.000000 3 0.0000000 0.0000000 4 0.0000000 15.00000

Ntese que esta solucin difiere de la anterior solamente en los valores duales. Ahora podemos establecer la siguiente regla: Si un informe de solucin tiene la caracterstica Ojos de serpiente (es decir, un par de ceros en cualquier fila del informe), entonces puede haber una solucin alternativa ptima que es diferente, ya sea en las variables primarias, las variables duales, o en ambos. Si todas las restricciones son restricciones de desigualdad, entonces "ojos de serpiente", de hecho, implica que hay una solucin ptima alternativa. Si una o ms restricciones son restricciones de igualdad, sin embargo, el siguiente ejemplo ilustra que "ojos de serpiente" no implica que tiene que haber una solucin ptima alternativa: MAX = 20 * A; A <= 60; C = 30;

La nica solucin es: Optimal solution found at step: Objective value: Variable Value A 60.000000 C 30.000000 Row Slack or Surplus 1 1200.000 2 0.0000000 3 0.0000000

0 1200.000 Reduced Cost 0.0000000 0.0000000 Dual Price 1.000000 20.00000 0.0000000

Si un informe de solucin presenta Ojos de Serpiente , una pregunta natural es: se puede determinar a partir del informe de solucin por s sola si la alternativa ptima es en las variables primarias o las variables duales? La respuesta es "no", los siguientes dos problemas relacionados ilustran. Problem D Problem P MAX = X + Y; MAX = X + Y; X + Y + Z <= 1; X + Y + Z <= 1; X + 2 * Y <= 1; X + 2 * Z <= 1;

Ambos problemas tienen mltiples soluciones ptimas. Los que pueden ser identificados por los mtodos de solucin estndar simplex son los siguientes:
Solucin 1 Problema D Problema P OBJECTIVE VALUE OBJECTIVE VALUE 1) 1.00000000 1) 1.00000000 Variable Value Reduced Cost Variable Value Reduced Cost X 1.000000 0 000000 X 1.000000 0.000000 Y 0.000000 0.000000 Y 0.000000 0.000000 Z 0.000000 1.000000 Z 0.000000 1.000000 Row Slack or Surplus Dual Prices Row Slack or Surplus Dual Prices 2) 0.000000 1.000000 2) 0.000000 1.000000 3) 0.000000 0.000000 3) 0.000000 0.000000

Solucin 2 Problema D Problema P OBJECTIVE VALUE OBJECTIVE VALUE 1) 1.00000000 1) 1.00000000 Variable Value Reduced Cost Variable Value Reduced Cost X 1.000000 0.000000 X 0.000000 0.000000 Y 0.000000 1.000000 Y 1.000000 0.000000 Z 0.000000 0.000000 Z 0.000000 1.000000 Row Slack or Surplus Dual Prices Row Slack or Surplus Dual Prices 2) 0.000000 0.000000 2) 0.000000 1.000000 3) 0.000000 1.000000 3) 1.000000 0.000000

Tenga en cuenta que: Solucin 1 es exactamente la misma para ambos problemas; Problema D tiene mltiples soluciones ptimas en las variables duales (solo), mientras que P problema tiene mltiples soluciones ptimas en las variables primarias (slo). Por lo tanto, no se puede determinar a partir del informe de solucin por s solo el tipo de alternativa ptima que pueda existir. Puede generar Solucin 1 mediante el establecimiento del lado derecho de la fila 3 y el coeficiente de X en el objetivo para un valor ligeramente mayor que 1 (por ejemplo, 1.001). Del mismo modo, la solucin 2 se genera mediante el establecimiento del lado derecho de la fila 3 y el coeficiente de X en el objetivo para un valor ligeramente menor de 1 (por ejemplo, 0,9999)

 Algunos autores se refieren a un problema que tiene mltiples soluciones para las variables primarias como dual (doble) degenerativo y un problema con mltiples soluciones en las variables duales como primario degenerativo. Otros autores dicen que un problema tiene mltiples ptimos slo si hay mltiples soluciones ptimas para las variables primarias.

1.8.2. Restricciones degenerativas y redundantes

The constraint set below and the corresponding Figure 1.11 illustrate: En pequeos ejemplos, la degeneracin por lo general significa que hay restricciones redundantes. En general, sin embargo, especialmente en problemas grandes, la degeneracin no implica que hay restricciones redundantes. El conjunto de restricciones siguientes y la figura 1.11 ilustran: 2x y 1 2x z 1 2y x 1 2y - z 1 2z - x 1 2z - y 1

 Estas restricciones definen un cono con vrtice o punto en x = y = z = 1, que tiene seis lados. El punto x = y = z = 1 es degenerado, ya que cuenta con ms de tres restricciones que pasan por l. No obstante, ninguna de las limitaciones son redundantes. Tenga en cuenta el punto x = 0,6, y = 0, z = 0,5 viola la primera restriccin, pero responde a todos los dems. Por lo tanto, la primera restriccin es no redundante. Al tratar todas las seis permutaciones de 0,6, 0, 0.5, usted puede verificar que cada una de las seis restricciones son no redundantes

1.9. Modelos no lineales y optimizacin global.

A lo largo de este texto se hace hincapi en la formulacin de programas lineales. Histricamente, los modelos no lineales fueron evitados, si era posible, por dos razones: a) se toman mucho ms tiempo para resolver, y b) una vez "resuelto" por solucionadores tradicionales slo se poda garantizar que usted tena una solucin ptima a nivel local. Una solucin es un ptimo local si no hay una mejor solucin cercana, aunque podra haber una solucin mucho mejor a cierta distancia. Tradicionales solucionadores no lineales son como los escaladores de miopes de montaa, que pueden llegar a la cima del pico ms prximo, pero no puede ver y alcanzar que el pico ms alto en toda la montaa.

Versiones de LINGO desde LINGO 8 en adelante tienen una opcin Global Solver. Si revisa la opcin Global Solver, entonces Ud tiene garanta que alcanz el ptimo global, si dejas que el solucionador funcione (corra) el tiempo suficiente. Para ilustrar, supongamos que nuestro problema es el siguiente: Min = @sin(x) + .5*@abs(x-9.5); x <= 12; La grfica de la funcin aparece en la Figura 1,12

 Si se aplica un solucionador no lineal tradicional a este modelo es posible que obtenga una de las tres soluciones: o bien x = 0, x = 5,235987, o x = 10.47197. Si marca la opcin Global Solver en LINGO, le informar la solucin x = 10.47197 y etiquetarlo como un ptimo global. Tenga presente que el Global Solver no elimina la desventaja (a), es decir, modelos no lineales pueden tomar mucho tiempo para resolver la optimalidad garantizada. Sin embargo, el Global Solver puede dar una muy buena, incluso ptima, la solucin muy rpidamente, pero luego tomar tiempo para probar que no hay otra solucin mejor.