Optimització Curs 2006/2007

Assignatura d’Estadística, UAB

LINDO - Parte 3

Variables no positivas y análisis de sensibilidad usando gráficos

Variables no positivas
Hemos visto que por omisión, prácticamente todos los paquetes de software de resolución de
problemas de PL (como por ejemplo LINDO) presuponen que todas las variables son no negativas.
Entonces...¿cómo se puede crear condiciones de negatividad?
Este problema se puede resolver de manera siguiente:
Si cualquier variable X está restringida a ser no positiva, la reemplazamos - X. Esto reduce la
complejidad del problema

Ejemplo 1
Se supone que tenemos el siguiente problema
Maximizar 50X1 + 30 X2 + 5X3
Sujeto a
2X1 + X2 + X3 <=40
X1 + 2X2 <= 50
X1,X2>=0
X3<=0

Ejercicio 1
Escribir el problema del ejercicio 1 en LINDO poniendo –X3 en lugar de X3.
LINDO nos da: X1=50, X2=0, X3=60
Entonces la solución del problema es,
X1=50
X2=0
X3=-60

1
Análisis de sensibilidad

Ejemplo 2

La compañía Buenpintura posee una pequeña fabrica de pinturas para interiores y exteriores de casa
para su distribución al mayoreo. Se utilizan dos materiales básicos A y B para producir pinturas. La
disponibilidad máxima de A es de 6 toneladas diarias; la de B es de 8 toneladas diarias. La
necesidad diaria de materia prima por tonelada de pintura par interiores y exteriores se resumen en
la siguiente tabla:

Toneladas de materia prima por toneladas de pintura

Exterior Exterior Interior Disponibilidad Máxima
(toneladas)
Materia prima A 1 2 6
Materia prima B 2 1 8

Un estudio del mercado ha establecido que la demanda diaria de pintura para interiores no puede ser
mayor que la de pintura para exteriores en mas de una tonelada. Asimismo, el estudio señala que la
demanda máxima de pinturas para interiores esta limitada a dos toneladas diaria.
El precio al mayor por tonelada es de 3000 euros para la pintura de exteriores y 2000 euros para la
pintura de interiores.
¿ Cuanta pintura para interiores y exteriores debe producir la compañía todos los das para
maximizar el ingreso bruto?

El problema lineal para Buenpintura queda expresado de la siguiente manera:

Variables de decisión:
XE= toneladas de pintura para exteriores producidas diariamente.
XI= toneladas de pinturas para interiores producidas diariamente.

Función objetivo: maximizar 3000XE + 2000XI

Restricciones:
R1) Restricción de disponibilidad máxima de materia prima A: XE + 2XI ≤ 6
R2) Restricción de disponibilidad máxima de materia prima B: 2XE + XI ≤ 8
R3) Demanda diaria de pintura para interiores <=
demanda diaria de pintura para exteriores + una tonelada :
XI ≤ XE+1
R4) Restricción de demanda máxima de pinturas para interiores: XI ≤ 2
R5) XE, XI ≥ 0

Ejercicio 2

Resolver el problema lineal utilizando LINDO.

¡Cuidado con restricción (R3)!!! Recuerda que XI ≤ XE+1 es equivalente a XI –XE ≤ 1

2
a) ?Que pasaría con la solución óptima si el precio al mayor por tonelada de pintura para exteriores
aumentaría a 1000 euros? (la solución óptima no cambiará, ‘Allowable increase’=1000 para el
coeficiente de XE en la función objetivo)

b) ?Que pasaría con la solución optima si el precio al mayor por tonelada de pintura para interiores
disminuiría a 1000 euros? (la solución óptima cambiará, ‘Allowable decrease’=500 para el
coeficiente de XI en la función objetivo)

c) Cuáles son las restricciones activas en el óptimo? (las dos primeras)

Hacemos ahora un análisis de sensibilidad (MENU: Reports/Parametrics) de la restricción sobre

la disponibilidad máxima de materia prima A.
Vamos a dibujar el valor óptimo de la función objetivo (eje vertical) y el máximo permitido de
materia prima A (lado derecho de restricción R1) (eje horizontal).

En nuestra pantalla aparece la ventana siguiente:

3
Seleccionamos la restricción R1 y un gráfico 2 dimensional y hasta un RHS valor (valor del lado
derecho de la desigualdad) igual a 8, es decir,

Hacemos clic en OK y LINDO nos da el siguiente gráfico:

4
 Con este gráfico se puede observar que la restricción R1 se queda activa hasta un valor RHS de la
restricción R1=7, es decir, hasta 7 el valor en el óptimo cambia.

A partir de RHS=7 la restricción R1 pasa de ser inclinada a ser constante (horizontal). Esto quiere
decir que hasta 7 la restricción R1 siempre es activa y en 7 empieza tener el mismo valor (es
inactiva). A partir de RHS=7, el valor en el óptimo se queda constante
Como vemos, se trata de una dependencia lineal hasta 7 de modo creciente.

Podemos elegir (MENU: Reports/Parametrics) otra vez y crear un gráfico 3 dimensional

(¡ojo! Antes de cada análisis se sensibilidad hay que hacer clic sobre el botón Solve de nuevo)

En el gráfico 3 dimensional anterior se pude observar otra vez la dependencia del valor óptimo (a
partir de RHS=7 la restricción empieza de ser inactiva).

5
Ejercicio 3

Hacer un análisis de sensibilidad de la restricción R2 y dibujar la dependencia del valor óptimo en

función del lado derecho de la R2 hasta RHS=15.
¿A partir de cuál el valor del lado derecho de R2 la restricción R2 empieza de ser inactiva? A partir
de este valor, ¿cuál es el valor constante de la función objetivo?
(a partir de RHS=12, {valor de máximo a partir de RHS=12} = 18000)

Ejercicio 4

El gráfico siguiente es el resultado de un análisis de sensibilidad de la restricción R4 poniendo

como nuevo RHS=0.5 en la ventana de ‘Row parametrics’ . ¿Qué se puede observar en este gráfico?

Nota: para poder decir a partir cuál valor la restricción pasa de ser activa a ser inactiva es mejor
elegir un ‘report’ en la forma de texto, en la ventana del análisis de sensibilidad (Row parametrics):
Es decir,

6
Esta opción nos da unas columnas nuevas en la ventana de REPORTS que está debajo de la ventana
principal del LINDO:

Se puede observar que el valor ‘crítico’ que aparece en el gráfico anterior es igual a 1.33333.

Es decir, a partir de RHS=1.33333 la restricción R4 pasa de ser activa a ser inactiva con un valor de
la función objetivo constante e igual a 23666.7.

Octubre 2006 – Maria Zakynthinaki