Vamos a hablar de las anomalías

Probablemente las encuentren cuando creen estos modelos y los corran

y me gustaría hablar sobre tres anomalías

que son una especie de casos especiales.

Por el momento parecerán superfluas

cuando estudiemos un problema sencillo.

Pero pueden llegar a ser una pesadilla

cuando de problemas grandes y realistas se trate.

Permítanme presentarlas ahora para que puedan entender.

El primero son las soluciones óptimas alternativas.

¿Y qué quiere decir esto?

Bien, tomo la solución de Banner Chemicals

otra vez.

Aquí tienen la región factible y las tres restricciones.

La pregunta sería ¿Qué ocurre

cuando tengo la función objetivo que representa de manera

idéntica una restricción?

Acabo de trazar la función objetivo en azul.

¿Qué pasa si se visualiza así?

Esto quiere decir que hay más de una solución óptima

porque capturo dos esquinas,

y esto quiere decir que capturo todo lo que existe dentro de ellas.

Así que mi solución óptima aquí sería

todos los puntos ubicados en la línea entre los dos puntos.

O sea que puede haber más de una solución óptima.

Ahora, es el mismo valor de función objetivo ¿Verdad?

Pero hay formas distintas de llegar a él.

Por lo tanto, en este caso, podría producir

¿Cuánto sería? 100 barriles de alta calidad,

además de producir 80 y alrededor de 20, alrededor de 30

de calidad superior.
Entonces todas estas combinaciones

Le darán el mismo valor de función objetivo.

Parece que esto nunca fuera a ocurrir.

Y normalmente ocurre únicamente en programas lineales pequeñitos

donde hay coeficientes muy parecidos.

Pero también ocurre bastante cuando introducimos variables binarias

y enteras, porque en ese caso, son

muchas rutas alternativas.

De hecho, cuando desarrollamos modelos de diseño para la ubicación

de las instalaciones, pasa mucho que

pueden tener soluciones alternativas que les brindan

el mismo valor de función objetivo,

Pero son soluciones muy diferentes.

Ahora vamos a hablar de las restricciones redundantes.

Aquí volví a mi formulación original.

En esta línea de punto tengo mi función objetivo.

Y aquí vemos la solución óptima,

de 25 barriles de alta calidad y 85 barriles de calidad superior.

¿Qué pasa si tengo una nueva restricción?

Digamos que por las restricciones laborales,

no puedo producir más de 100 barriles

de calidad superior por semana.

Ahora bien, debo agregar esta restricción, lo cual es

bastante fácil de hacer.

Sencillamente trazo una línea recta, horizontal.

No puede ser mayor a 100.

Si miro esto ¿Tiene algún efecto?

No toca mi región factible,

Esto se conoce como una restricción redundante.

Se agrega, pero ni siquiera se acerca

a la región factible.
Así que no importa la función objetivo--

porque recordarán que la función objetivo es

lo que nos permite desplazarnos entre estas posibles soluciones

en los puntos de las esquinas-- nunca tocarán

esa restricción.

No limita la región factible, por lo tanto es redundante

Nunca ejerce un efecto sobre la misma.

Parece superfluo a primera vista

pero en varias ocasiones, tenemos un modelo

con varias restricciones

y ni siquiera nos damos cuenta que algunas de las restricciones

que tenemos son redundantes.

Así que es muy útil tratar de profundizar en esto para entenderlo.

El tercero que queremos ver; el peor.

Se conoce como la inviabilidad, o

una región no factible.

Y esto ocurre más de lo que se imaginan

cuando varias personas trabajan el mismo modelo.

es muy complejo.

Y además le tenemos que agregar muchas restricciones.

Y aquí la situación es que, supongamos

que tengo una nueva restricción y dicta que debo

producir al menos 100 barriles de calidad superior por semana--

esa restricción se visualizaría de la siguiente manera.

Debe estar hacia el norte, o encima, de la línea roja.

Entonces mi x sub s debe ser mayor o igual a 100.

Ahora, tan pronto agregue esta restricción,

Mi región factible se reduce a 0.

es un conjunto nulo.

No hay región factible, porque no existe ningún

punto que se adhiera a esta región, mayor a 100,

ni tampoco a estas de aquí.

No se puede-- todo lo demás está en la parte inferior, la gris.

Entonces una restricción no viable significa

que no hay un espacio de solución, o sea que no voy a encontrar una solución.

No hay puntos existentes dentro de la región viable.

Esto ocurre con frecuencia.

De hecho, en algunos problemas grandes, es

casi igual de complicado encontrar una solución factible

como lo es encontrar la solución óptima,

porque el espacio es muy grande.

Y tenemos muchas variables y restricciones.

entonces este es otro caso en el que

debemos comenzar a reducir las restricciones para

poder encontrar el causante de la no factibilidad.

Y la práctica, una buena práctica

que se puede emplear en este aspecto, que mencionaremos después,

es la construcción de modelos, que podemos construir lentamente.

Podemos construirlos por piezas.

No es aconsejable crear un modelo único para todo, porque lo más probable,

es que no funcione de manera precisa.

Y es difícil depurarlo.

Así como agregamos una restricción a la vez, gráficamente,

fue muy útil para mí en la práctica,

Cuando construimos estos modelos, los debemos construir pieza por pieza.

Probarlos, asegurarnos que cada pieza funcione, y seguirle añadiendo,

en lugar de emplear un enfoque big bang.

Estos fueron 3 casos especiales que debemos tener pendiente.

Las soluciones óptimas alternativas pueden ser muy frustrantes.

No son mortales.

Pero son frustrantes porque al final quedamos

con soluciones muy distintas que producen el mismo resultado.

Las restricciones redundantes son molestas.

No nos matan, pero siempre es

útil saber si una restricción es redundante.

La no factibilidad es lo que nos puede matar.

Deben enfocarse en las restricciones porque suele pasar con

bastante frecuencia que cuando agregamos una nueva restricción

y tenemos múltiples personas trabajando sobre el mismo modelo,

se vuelve no factible.