Optimizacin

Anlisis de Sensibilidad
1

Carlos Martnez H.
2 Anlisis de Sensibilidad

El anlisis de sensibilidad estudia los limites hasta donde pueden

variar los parmetros de entrada sin que cambie la solucin optima
del problema.

Pueden ser dos casos:

Cambios en la disponibilidad de los recursos:
Cambios en la utilidad unitaria o el costo unitario:
3 Recordatorio

Algunas formulas de simplex revisado

= 1

= 1 0

= 1 0
4 1.1 Cambios en los Recursos
(Factibilidad)
Cambia el lado derecho de la restricciones
Se agrega al modelo una restriccin nueva
5 1.1 Cambios en los Recursos
(Factibilidad)
Ejemplo: Un florista hace dos tipos de arreglos para los que usa 3
tipos de flores distintas.

Qu sucede si se pierden 20 hibiscos?

6 1.1 Cambios en los Recursos
(Factibilidad)
Solucion:

1/2 1/2 0 300

= 1/2 3/2 0 140
1 4 1 280

80
= 60
20

R: Como todos los coeficientes son positivos las solucin sigue siendo
optima.
7 1.2 Cambios en los Recursos
(Factibilidad)
Intervalo de factibilidad de los limitantes de las restricciones:
Cuanto puede variar el lado derecho sin cambiar la solucin
optima, el cambio en los recursos queda acotado por:
8 1.2 Cambios en los Recursos
(Factibilidad)
Ejemplo: Cuanto puede variar el numero de rosas sin cambiar la
solucin optima?
9 1.2 Cambios en los Recursos
(Factibilidad)
Solucin: La variable de holgura asociada al numero de rosas es S1.

60
= = 120
1/2
80 40
= , = 40
1/2 1

La VARIACION de la restriccin 1 es: 40 < 1 < 120

Por lo tanto el numero de rosas debe ser: 300 40 < < 300 + 120
260 < < 420
10 2.1 Adicin de Nuevas Restricciones

Se tienen 2 casos:
1. La nueva restriccin es redundante, lo que significa que satisface
la solucin optima actual.

Ejemplo: El florista desea incluir lirios a sus arreglos, para ello dispone
de 300 lirios y a cada arreglo desea colocarles 2 lirios, verificar si es
factible la solucin optima actual.
11 2.1 Adicin de Nuevas Restricciones

Solucin: Se crea la nueva restriccin y se verifica si esta se cumple:

2 1 + 2 2 300

2 80 + 2 60 300
220 300

Como se cumple la condicin la nueva restriccin es redndate.

12 2.2 Adicin de Nuevas Restricciones

2. La solucin optima viola la nueva restriccin, por lo que se debe

usar simplex dual.
Ejemplo: El florista desea incluir lirios a sus arreglos, para ello dispone
de 140 lirios. Para el arreglo 1 utilizara 3 lirios y para el arreglo 2
utilizara 1 lirios. Calcular si la solucin optima es factible, si no lo es
calcular la nueva solucin optima
13 2.2 Adicin de Nuevas Restricciones

Solucin: 3 80 + 1 60 = 300 140 , no cumple

14 2.2 Adicin de Nuevas Restricciones
15 3.1 Cambios en los Coeficientes
Objetivos (Optimalidad)
Se tienen 2 casos:
1. Coeficientes asociados a variables no bsicas: El intervalo para
que la solucin siga siendo optima es:

Donde 0 es el coeficiente original de la variable no bsica y es el

coeficiente reducido de .
16 3.1 Cambios en los Coeficientes
Objetivos (Optimalidad)
Ejemplo: Se tiene el siguiente tablou inicial y optimo:

Determine cuanto puede variar el costo del arreglo 2.

17 3.1 Cambios en los Coeficientes
Objetivos (Optimalidad)
Solucin:
1 1/5 < <
6/5 < < /*-1

6
>
5
18 3.2 Cambios en los Coeficientes
Objetivos (Optimalidad)
2. Coeficientes asociados a variables bsicas:
19 3.2 Cambios en los Coeficientes
Objetivos (Optimalidad)
Ejemplo: Cual es el intervalo en que puede variar el arreglo 1 para
que la solucin siga siendo optima.
20 3.2 Cambios en los Coeficientes
Objetivos (Optimalidad)
Solucin:

1/2
= =1
1/2
1/2
= = 1
1/2
Por lo tanto la variacin en el costo es: -1 < D1 < 1

Aplicando al costo del arreglo 1: -2-1 < C1 < -2+1

-3 < C1 < -1 /*-1
3 > C1 > 1
21 4.1 Adicin de una Nueva Variable al
Modelo (Optimalidad)
Puede que al agregar una nueva variable no afecte a la solucin
optima del problema y que esta genere un nuevo valor objetivo.

Ejemplo: Crear un nuevo arreglo de flores que contenga las flores

que poseen holgura en el problema, en este caso los hibiscos.
22 4.2 Adicin de una Nueva Variable al
Modelo (Optimalidad)
Si al agregar una nueva variable la solucin que se tenia
anteriormente no es la optima se debe utilizar el mtodo de simplex
revisado para recuperar el optimo.
Ejemplo: El florista evala la creacin de un nuevo arreglo de flores
(arreglo 3), en el cual utiliza 1 rosas, 2 tulipn y 2 hibiscos. El arreglo
se puede vender en 2 unidades monetarias. Se pide analizar el
cambio en la solucin optima del problema.
23 4.2 Adicin de una Nueva Variable al
Modelo (Optimalidad)
Solucin: Tablou inicial

1/2 1/2 0
1
= 1/2 3/2 0
1 4 1

1 = 1/2 1/2 0
24 4.2 Adicin de una Nueva Variable al
Modelo (Optimalidad)
1 1 3 1 1 1 0 0
= 2 1 2 0 0 0 0 1 1 2 0 1 0
2 2 1 3 2 0 0 1

= 0 0 1/2 1/2 1/2 0 ; entra X3

1/2 1/2 0 1 1/2

Coeficientes tecnolgicos: = 1/2 3/2 0 2 = 5/2
1 4 1 2 5

80/(-1/2) ignorar
60/(5/2)=24 -> mnimo; sale X2
40/-5 ignorar
25 4.2 Adicin de una Nueva Variable al
Modelo (Optimalidad)
1 5
1 ( )/( ) 0 0 1
1
1 2 2
5 5
Nueva matriz inversa: 3 = 0 1/( )0 = 0 0
2
2
3 5
5
0 (5)/( ) 1 0 2 1
2
1 1 1 2 1
1 0 0 0
5 2 2 5 5
2 1 = 2 1 3 = 1 3
0 0 0 0
5 2 2 5 5
0 2 1 1 4 1 0 1 1

2 1
0
5 5
2 = 2 2 0 1 3 = 2/5 4/5 0
0
5 5
0 1 1

3 1 1 1 0 0
= 2 1 2 0 0 0 2/5 4/5 0 1 1 2 0 1 0
1 3 2 0 0 1
= 0 1/5 0 2/5 4/5 0

Como todos los costos reducidos son mayores o iguales a cero la solucin es optima
26 4.2 Adicin de una Nueva Variable al
Modelo (Optimalidad)
2/5 1/5 0 300 92
= 1/5 3/5 0 140 = 24
0 1 1 300 160
Solucin optima:
1 92
3 = 24
3 160
Max Z:
300
= 2/5 4/5 0 140 = 232
300
 Ejercicio PEP
27
28
El tablou inicial queda:

VB X1 X2 S1 S2 S3 b
S1 50 60 1 0 0 1000
S2 20 25 0 1 0 250
S3 2 2 0 0 1 22
-Z -140 -150 0 0 0 0

El tablou optimo

VB X1 X2 S1 S2 S3 b
S1 0 0 1 -2 -5 390
X2 0 1 0 1/5 -2 6
X1 1 0 0 -1/5 5/2 5
-Z 0 0 0 2 50 -1600
29 1)

VB X1 X2 S1 S2 S3 b
S1 0 0 1 -2 -5 390
X2 0 1 0 1/5 -2 6
X1 1 0 0 -1/5 5/2 5
-Z 0 0 0 2 50 -1600
30 2)

VB X1 X2 S1 S2 S3 b
S1 0 0 1 -2 -5 390
X2 0 1 0 1/5 -2 6
X1 1 0 0 -1/5 5/2 5
-Z 0 0 0 2 50 -1600
31 2)

390 5
= , = 25
2 1/5

6
= = 30
1/5

30 < 2 < 25

250 30 < < 250 + 25

220 < < 275
32 3)

70
= 0 2 50 30
4

= 260 < 0

> 260
33 4)

Nueva restriccin:
1 + 2 10

5 + 6 10
10 10
34 5)

1 2 5 1000 410 1
0 1/5 2 240 = 4 = 2
0 1/5 5/2 22 7 1

= 140 7 + 150 4 = 1580

35 6)

VB X1 X2 S1 S2 S3 b
S1 0 0 1 -2 -5 390
X2 0 1 0 1/5 -2 6
X1 1 0 0 -1/5 5/2 5
-Z 0 0 0 2 50 -1600
36 6)
VB X1 X2 S1 S2 S3 S4 b
S1 0 0 1 -2 -5 0 390
X2 0 1 0 1/5 -2 0 6
X1 1 0 0 -1/5 5/2 0 5
S4 10 12 0 0 0 1 120
-z 0 0 0 2 50 0 -1600
37 6)
VB X1 X2 S1 S2 S3 S4 b
S1 0 0 1 -2 -5 0 390
X2 0 1 0 1/5 -2 0 6
X1 1 0 0 -1/5 5/2 0 5
S4 10 12 0 0 0 1 120
-z 0 0 0 2 50 0 -1600

VB X1 X2 S1 S2 S3 S4 b
S1 0 0 1 -2 -5 0 390
X2 0 1 0 1/5 -2 0 6
X1 1 0 0 -1/5 5/2 0 5
S4 0 0 0 -2/5 -1 1 -2
Max(z) 0 0 0 -2 -50 0 -1600
38 6)
VB X1 X2 S1 S2 S3 S4 b
S1 0 0 1 0 0 -5 400
X2 0 1 0 0 -5/2 1/2 5
X1 1 0 0 0 3 -1/2 6
S2 0 0 0 1 5/2 -5/2 5
Max(z) 0 0 0 0 -45 -5 -1590