Investigación de Operaciones – Método Dual

Método Dual

Caracas, Enero de 2011

0

Investigación de Operaciones – Método Dual

Índice

 Introducción  Método Dual  Teoría de la Dualidad  Método Dual-Simplex  Ejercicios Prácticos  Conclusión

……………………………………….............. ……………………………………….............. ……………………………………….............. ……………………………………….............. ……………………………………….............. ………………………………………..............

2 3 7 8 13 19

1

tema del próximo capitulo. Ambos están relacionados estrechamente. Además. Una de las ventajas de la existencia del problema dual es la posibilidad de reducir el esfuerzo computacional al resolver ciertos modelos de Programación Lineal. los valores óptimos de las variables del modelo dual suministran información económica muy importante acerca del valor implícito de los recursos que se utilizan en el problema que se esta resolviendo. conocido como su problema Dual. Pero más importante aún es la relación que existe entre la dualidad y el análisis de sensibilidad.Investigación de Operaciones – Método Dual Introducción Todo problema de Programación Lineal tiene asociado un segundo problema. hasta el punto de que el modelo de uno puede obtenerse a partir del modelo del otro y la solución óptima del modelo del primero proporciona información completa acerca de la solución óptima del segundo. el cual estudia el efecto que las variaciones en los parámetros de un modelo tienen en la solución óptima de este. 2 .

por ejemplo: más restricciones que variables.Investigación de Operaciones – Método Dual MÉTODO DUAL El dual es un problema de PL que se obtiene matemáticamente de un modelo primal de PL dado. La experiencia nos indica que en ocasiones. Los problemas dual y primal están relacionados a tal grado. es decir el problema original llamado primal. presenta varias utilidades:    Aporta elementos que aumentan sustancialmente la compresión de la PL. el dual se define para varias formas del primal. dependiendo de los tipos de restricciones. 3 . que la solución símplex óptima de cualquiera de los dos problemas conduce en forma automática a la solución óptima del otro. El concepto de dualidad indica que para cada problema de PL hay una asociación y una relación muy importante con otro problema de programación lineal. El problema dual tiene interpretaciones e informaciones importantes que muestran que los análisis marginales están siempre involucrados implícitamente al buscar la solución óptima a un problema de PL. La relación entre el problema dual y su asociado. Más importante aún es que el uso de esas definiciones múltiples puede conducir a interpretaciones inconsistentes de los datos en la tabla símplex. El método simplex además de resolver un problema de PL llegando a una solución óptima nos ofrece más y mejores elementos para la toma de decisiones. sobre todo en lo que respecta a los signos de las variables. llamado precisamente dual. de los signos de las variables y del sentido de la optimización. los principiantes se confunden con los detalles de esas definiciones. El análisis de dualidad es una herramienta útil en la solución de problemas de PL. En la mayoría de los procedimientos de PL. La dualidad y el análisis de sensibilidad son potencialidades de éste método.

para maximizar o minimizar: sujeto a.Investigación de Operaciones – Método Dual La forma estándar general del primal se defina como.2 4 .2X2 12 3 6X1 .1X2 = 10 X1. FORMA DE PRESENTAR EL PROBLEMA DUAL MIN = 2X1 .3X2 Sujeto a: 1X1 + 2X2 4X1 .

ambos lados: -4x1 + 2x2 -3 –1 3. Para las restricciones de igualdad. obtener 2 restricciones de desigualdad.Investigación de Operaciones – Método Dual 1. multiplicando la función objetivo por –1: MAX -2X1 + 3X2 2. Llevar el problema a su equivalente de maximización. una de form 6X1 – 6X1 – 6X1 – 1X2 -6X1 + 1X2 10 -10 Así el problema primal se ha replanteado en la forma equivalente: MAX Z= -2X1 + 3X2 Sujeto a: 1X1 + 2X2 -4X1 + 2X2 6X1 – 1X2 -6X1 + 1X2 12 -3 10 -10 5 .

es fácil llevarlo al problema dual: MIN Sujeto a: 12Y1 – 3Y2 + 10Y3 Y1–4Y2 + 6Y3’– -2 3 Y’3 y Y’’3 ambas se refieren a la tercera restricción del problema primal.Investigación de Operaciones – Método Dual 4. 2Y1 + 2Y2 – 1Y3’ + 1Y3’’ 6 . Teniendo el problema primal convertido a la forma canónica de un problema de maximización.

de tal manera que la solución óptima a un problema proporciona información completa sobre la solución óptima para el otro. Para poder elaborar el problema dual a partir del primal.Investigación de Operaciones – Método Dual TEORIA DE LA DUALIDAD Cada problema de programación lineal tiene un segundo problema asociado con el. DEFINICION DEL PROBLEMA DUAL. Los 2 poseen propiedades muy relacionadas. este se debe presentar en su forma canónica de la siguiente forma: Maximizar Sujeto a: 7 . Uno se denomina primal y el otro dual. Esto se conoce como análisis de sensibilidad o post-optimidad. Las relaciones entre el primal y el dual se utilizan para reducir el esfuerzo de computo en ciertos problemas y para obtener información adicional sobre las variaciones en la solución óptima debidas a ciertos cambios en los coeficientes y en la formulación del problema.

Un problema busca maximizar y el otro minimizar. Se aplica cuando el problema cambia a no factible.Investigación de Operaciones – Método Dual El problema dual se puede obtener a partir del problema primal y viceversa de la siguiente manera: 1. se desarrolló el método dual-simplex que se aplica: en algunos casos de análisis de sensibilidad. Los elementos del lado derecho de las restricciones en un problema son iguales a los coeficientes respectivos de la función objetivo en el otro. El problema de maximización tiene restricciones tiene restricciones que. Aprovechando las propiedades de los problemas asociados primal y dual. Las variables en ambos casos son no negativas. Cada restricción de un problema corresponde a una variable en el otro. como ocurre en cambios de los recursos del problema. Método Dual . Ahora observe y compare la aplicación ( ) de criterios del simplex en coeficientes del modelo de PL resumido. 4. a los problemas primal y dual.Simplex. 3. o para ahorro en cálculos evitando los métodos simplex penal y dos fases. pero el renglón Z se presenta óptimo. 8 . 2. que y el problema de minimización 5. también para resolver problemas de objetivo mínimo y al menos una restricción de tipo >=.

Comparación funcional del simplex y el dual simplex. una VS que salga de la base. 9 . una VE que entre a la base con el siguiente procedimiento: Criterio de Optimalidad en el método dual-simplex. En el algoritmo dual-simplex aplican los siguientes criterios para cambio de base: Criterio de factibilidad Se aplica en el dual-simplex para determinar.Investigación de Operaciones – Método Dual Criterios del simplex en coeficientes del modelo de PL resumido. eligiendo para salir la que corresponda al valor más negativo en la columna de solución. entre las variables básicas. Criterios del método dual-simplex para el cambio de base. Enseguida se presenta una comparación funcional del simplex y el dual simplex. a los problemas primal y dual. Criterio de optimalidad Se aplica en el dual-simplex para determinar. Esto es válido tanto para el objetivo mínimo como para el máximo. entre las variables no básicas.

10 . Algoritmo Dual-Simplex para un modelo de maximización Primero se debe expresar el modelo en formato estándar. EL MÉTODO DUAL SIMPLEX Como sabemos. Enseguida. Pero surge la posibilidad de usar otro esquema igualmente iterativo. comienza en una solución básica óptima. el método simplex es un algoritmo iterativo que iniciando en una solución básica factible pero no óptima. Con este procedimiento se llega igualmente a la solución óptima. sin necesidad de agregar una variable artificial en esa restricción. Lemke y se conoce con el nombre de Método Dual-Simplex. y formar así un vector unitario que nos permita tomar esta variable de exceso como una variable básica inicial. se debe multiplicar por (-1) en ambos lados .Investigación de Operaciones – Método Dual Elemento Pivote Se ubica como pivote al coeficiente que corresponde al cruce del renglón y columna elegidos con los criterios del cambio de base. que como contraparte del simplex. genera soluciones básicas factibles cada vez mejores hasta encontrar la solución óptima (sí esta existe). pero no factible y mantiene la inmejorabilidad mientras busca la factibilidad. agregando las variables de holgura y de exceso que se requieran. A continuación se presenta su estructura y un ejemplo para ilustrar su aplicación. E. mientras busca la optimalidad. en las ecuaciones que tengan variables de exceso (resultantes de restricciones de tipo >). El nuevo algoritmo fue desarrollo en 1954 por C. para hacer positivo el coeficiente de la variable de exceso. Nótese que la base de su lógica es mantener la factibilidad.

se efectúan los cocientes entre el efecto neto de cada variable no básicas y su correspondiente el coeficiente de intercambio negativo. seleccionar como variable de salida. la solución del modelo es óptima ¡limitada. 11 . Es importante destacar que este proceso es muy útil ya que en muchos modelos evita la inclusión de variables artificiales en el momento de transformar un modelo a formato estándar. Sí en el renglón de la variable básica de salida (XB)s todos los coeficientes de reemplazo con las variables no básicas son no negativos. hay al menos un coeficiente de intercambio negativo . Paso 3: Prueba de inmejorabilidad a. Obtendremos que los términos del lado derecho de las ecuaciones multiplicadas por (-1) quedan con signo negativo. Los empates se pueden romper arbitrariamente. ( llamémosla (XB)s ). Se termina el proceso. Si en el renglón de la variable básica de salida (XB)s. a aquella con el valor mas negativo. Si hay al menos una variable básica negativa. la actual solución es la óptima. Paso 2: Prueba de factibilidad a. que es la que el simplex siempre toma como base inicial. Si todas las variables básicas son no negatívas. b. lo cual hace que la solución inicial sea infactible. El algoritmo para resolver un modelo de maximización es el siguiente: Paso 1: Hallar una solución básica inicial infactible e inmejorable Escribir el tablero inicial tomando a las variables de holgura y de exceso como variables básicas iniciales.Investigación de Operaciones – Método Dual Al hacer lo anterior se logra que debajo de las variables básicas aparezca una matriz identidad.

b. para formar los vectores unitarios. en la cual aparezca Xe como variable básica en lugar de la variable de salida (XB)s c. Ejemplo de aplicación del Método Dual Simplex Sea el siguiente modelo: Maximizar Sujeto a : | Z= | -2X1 | -2X2 | -3X3 | | 10 | 12 | | | | | 2X1 | +4X2 | +2X3 | > | 3X1 | -3X2 | +9X3 | = | con | X1. Repetir el algoritmo a partir del paso 2. X2. Si la variable de entrada es Xe el elemento pivote será el elemento (Se)s El empate se puede romper arbitrariamente. Aplicar la operación de pivoteo para generar la nueva tabla. Maximizar | Z= | -2X1 | -2X2 | -3X3 | | | | 12 . X3 > 0 Expresemos el modelo en formato estándar Maximizar Sujeto a : | Z= | -2X1 | -2X2 | -3X3 | | |= | | 10 | 12 | | | | 2X1 | +4X2 | +2X3 | -IE1 | | 3X1 | -3X2 | +9X3 | | -IE2 | = multipliquemos por (-1) en ambos lados de las ecuaciones. siendo (XB)s la variable de salida se calculan todos los cocientes Se toma como variable de entrada (llamémosla Xe ) a aquella que corresponda al mínimo de los cocientes del anterior conjunto. requeridos para contar con una base inicial unitaria.Investigación de Operaciones – Método Dual Es decir.

3X2 + X4 -8 -1 Dual Max Z = W1 .X4 x´s 0 .W2 + 8W3 .8W4 Sujeto a : 13 .3X2 + X3 2X1 + 3X2 2X1 + 3X2 .2X1 .X 8 .2X1 + 3X2 .2X2 + X3 Sujeto a : 2X1 2X1 .Investigación de Operaciones – Método Dual Sujeto a : | -2X1 | -4X2 | -2X3 | +IE1 | | -3X1 | +3X2 | -9X3 | |= | -10 | -12 | | | +IE2 | = Ejercicios Prácticos Ejemplo 1: Primo Min Z = 3X1 .

3W2 + 2W3 .Investigación de Operaciones – Método Dual 2W1 .3W4 W1 .W2 .W2 ³ 0 14 .X2 Sujeto a.20W2 Sujeto a. -X1 + 2X2 ≥ 5 X1 + 3X2 ≤ -2 X´s³0 Dual: Max Z= 5W1 .2W4 -3W1 + 3W2 + 3W3 .W3 1 3 -2 Ejemplo 2: Primo: Max Z = 3X1 . -W1 + W2 ≤ 3 2W1 + 3W2 ≤ -1 W 1 0. .

2X5 + 3X6 ≥ . W1 + W2 + ≤ -2 -W1 + + 5W3 ≤ 13 + + W3 ≤ 3 4W1 + 7W2 . X6 No restringidas Dual: Max Z=16W1 .3 X4 0 X5.X2 + 4X4 – X5+ X6 = 16 X1 + 7X4 .Investigación de Operaciones – Método Dual Ejemplo 3: Primo : Min Z = -2X1 +13X2 +3X3 .W2+ 5W3 Sujeto a.X6 ≤ 5 Xi ³ 0. W3 ≤ 0 15 . . X1 .X4+ 2X5 .2. para 1=1.1 5X2 + X3 .2X4+ X5 + 5X6 Sujeto a.W2 ³≥ 0.W3 = 5 W1 no restringida.W3 ³ ≥ -2 W1 -2W2 +2W3 = 1 5W1 + 3W2 .

H) Ganancias (en miles de pesos) 4 1 2 9 1 3 7 3 18 4 10 40 40 12 20 16 . cada escritorio es primero construido en el taller de carpintería y entonces es enviado al departamento de acabados.H (Horas-Hombre) en el taller de carpintería y 4000 H. donde este es barnizado.H en el de acabados. 4. Los insumos (materia prima y accesorios) están disponibles en cantidades suficientes y todos los escritorios pueden ser vendidos. Las limitaciones de capacidad por departamento par el próximo periodo de planeación son: 6000 H.H) Depto. 2. encerado y pulido. 3.Investigación de Operaciones – Método Dual Ejemplo 4: Una compañía fabrica 4 modelos de escritorios. de acabados (H. se proporciona a continuación la siguiente información: 1. La compañía desea determinar la mezcla óptima de productos tal que se maximice la ganancia. Las horas hombre requeridas por tipo de escritorio y sus ganancias se dan a continuación ESCRITORIO 1 Taller de carpintería (H.

Investigación de Operaciones – Método Dual Primo Dual Max Z=12+X120+X218X3+40X4 Sujeto a: 4X1+9X2+7X3+ 10X4 ≤ 6000 X1+ X2+ 3X3+ 40X4 ≤ 4000 X´s ≥ 0 Tabla Inicial: XB Zj-Cj X5 X6 X1 -12 4 1 X2 -20 9 1 X3 -18 7 3 X4 -40 10 40 X5 0 1 0 X6 0 0 1 LD 0 6000 4000 Tabla Final XB Zj-Cj X1 X4 X1 0 1 0 X2 20/3 7/3 -1/30 X3 10/3 5/3 1/30 X4 0 0 1 X5 44/15 4/15 -1/150 X6 4/15 -1/15 4/150 LD 56000/3 4000/3 200/3 17 .

indicará que por cada unidad que se incremente la disponibilidad del recurso i.Investigación de Operaciones – Método Dual Las variables del dual o precios sombra se encuentran en la fila Zj–Cj bajo las columnas que aportaron en la tabla inicial las variables de holgura. Interpretando en este ejemplo: De la tabla: Por cada Hora-Hombre extra que se tenga en el departamento de acabados la ganancia se incrementará en 4/15 pesos. es decir se usan todos los recursos de esta restricción. Por cada Hora-Hombre extra que se tenga en el taller de carpintería la ganancia se reducirá en 44/15 pesos. 18 . la función objetivo Z mejorara en W unidades. es decir que no se han usado todos los artículos de este recurso. estará relacionada con W1 . ( 1ª. Restricción que aporto la 1ª columna de la matriz identidad. 2ª restricción que aportó la 2ª columna de la matriz identidad. Indicar: a) si W 0 en su ecuación correspondiente la variable de holgura es igual a cero. estará relacionada con W2 y así sucesivamente. es decir no se usan todos los recursos de esta restricción. Para que adquirir más artículos ce cierto recurso si su precio sombra W es igual a cero. El precio sombra o W. b) Sí W=0. en su ecuación correspondiente la variable de holgura es diferente de cero.

Investigación de Operaciones – Método Dual Conclusión 19 .

Sign up to vote on this title
UsefulNot useful