Tarea 2 - Dualidad y análisis post-óptimo

PROGRAMACION LINEAL

DIANA MALLERLY MEDINA

PRESENTADO A: 

EVER ANTONIO POLO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

COLOMBIA
2020
1.1 Formular el problema como un modelo de programación lineal.

La funcón objetivo sería

Z=90000A+110000B+85000C Se debe máximizar
Las restriciones serían
100A+140B+150C<=8500
80A+90B+100C<=7000
100A+110B+120C<=7500
A,B,C>=0

1.2 Solucionar el problema primal por el método simplex primal.

La forma estandar del método sería

Z-90000A-110000B-85000C=0
100A+140B+150C+S1=8500
80A+90B+100C+S2=7000
100A+110B+120C+S3=7500

Tabla del método simplex primal

Función 90000
Solución A
S1 8500 100
S2 7000 80
S3 7500 100
Z 0 -90000

Primera iteración del método simplex prim

Función 90000
Solución A
B 60.7142857142857 0.714285714285714
S2 1535.71428571429 15.7142857142857
S3 821.428571428572 21.4285714285714
Z 6678571.42857143 -11428.5714285714

Segunda iteración del método simplex pri

Función 90000
Solución A
B 33.3333333333333 0
S2 933.333333333333 0
A 38.3333333333333 1
Z 7116666.66666667 0
Solver
Fun. Objetivo A
7116666.66666667 38.3333333333333
Restricciones
8500
6066.66666666667
 7500

1.3 Formular el problema dual a partir del problema primal.

La función obejtivo sería

Z=8500x+7000y+7500w Se debe minimizar
Las restricciones serían
100x+80y+100w>=90000
140x+90y+110w>=110000
150x+100y+120w>=85000
x,y,w>=0

1.4 Solucionar el problema dual por el método simplex dual.

La forma estandar del método sería

Z-8500x-7000y-7500w=0
-100x-80y-100w+S1=-90000
-140x-90y-110w+S2=-110000
-150x-100y-120w+S3=-85000
Tabla del método simplex dual
Función 8500
Solución x
S1 -90000 -100
S2 -110000 -140
S3 -85000 -150
Z 0 -8500
C.R 61
Primera iteración del método simplex dua
Función 8500
Solución x
S1 -11428.5714285714 0
x 785.714285714286 1
S3 32857.1428571429 0
Z 6678571.42857143 0
C.R
Segunda iteración del método simplex du
Función 8500
Solución x
w 533.333333333334 0
x 366.666666666666 1
S3 34000 0
Z 7116666.66666667 0

1.5 Interpretar los resultados de la solución de problema primal y de la solución del problema dual.

-Los pisos clase C se comercializan al percio más bajo, por eso es mejor producir solamente los
otros dos tipos. -La fibra de vidrio será el único recurso que no se usa por completo con respecto
a lo que se tiene de inventario.
simplex primal
110000 85000 0 0 0
B C S1 S2 S3 C.R
140 150 1 0 0 60.714286
90 100 0 1 0 77.777778
110 120 0 0 1 68.181818
-110000 -85000 0 0 0

del método simplex primal

110000 85000 0 0 0
B C S1 S2 S3 C.R
1 1.07142857 0.0071429 0 0 85
0 3.57142857 -0.642857 1 0 97.727273
0 2.14285714 -0.785714 0 1 38.333333
0 32857.1429 785.71429 0 0

del método simplex primal

110000 85000 0 0 0
B C S1 S2 S3
1 1 0.0333333 0 -0.033333
0 2 -0.066667 1 -0.733333
0 0.1 -0.036667 0 0.0466667
0 34000 366.66667 0 533.33333

B C
33.3333333333333 0
simplex dual
7000 7500 0 0 0
y w S1 S2 S3
-80 -100 1 0 0
-90 -110 0 1 0
-100 -120 0 0 1
-7000 -7500 0 0 0
78 68
del método simplex dual
7000 7500 0 0 0
y w S1 S2 S3
-15.7142857142857 -21.4285714 1 -0.714286 0
0.642857142857143 0.78571429 0 -0.007143 0
-3.57142857142857 -2.14285714 0 -1.071429 1
-1535.71428571429 -821.428571 0 -60.71429 0
98 38
del método simplex dual
7000 7500 0 0 0
y w S1 S2 S3
0.733333333333333 1 -0.046667 0.0333333 0
0.066666666666667 0 0.0366667 -0.033333 0
-2 0 -0.1 -1 1
-933.333333333333 0 -38.33333 -33.33333 0

blema dual.
2.1 Formular el problema como un modelo de programación lineal.

La fucnión objetivo sería

Z=450000X1+620000X2+680000 Se debe minimizar
Las restricciones serían
72X1+28X2+25X3>=17000
35X2+45X3>=15000
50A+30B+35C>=11000
X1,X2,X3>=0

2.2 Solucionar el problema primal por el método simplex dual.

La forma estandar del método sería

Z-450000X1-620000X2-680000X3=0
-72X1-28X2-25X2+S1=-17000
-35X2-45X3+S2=-15000
-50X1-30X2-35X3+S3=-11000 Tabla del método simplex dual
Función 450000
Solución X1
S1 -17000 -72
S2 -15000 0
S3 -11000 -50
Z 0 -450000
C.R 6250
Primera iteración del método simplex dua
Función 450000
Solución
X1 236.111111111111 1
S2 -15000 0
S3 805.555555555557 0
Z 106250000 0
C.R
Segunda iteración del método simplex du
Función 450000
Solución X1
X1 120.37037037037 1
X3 333.333333333333 0
S3 6685.18518518519 0
Z 280833333.333333 0
Solver
Fun. Objetivo X1
280833333.333333 120.37037037037
Restricciones
 -17000
-15000
-17685.1851851852

2.3 Formular el problema dual a partir del problema primal.

La función obejtivo sería

Z=17000x+15000y+11000w Se debe maximizar

Las restrcciones serían

72x+50w<=450000
28x+35y+30w<=620000
25x+45y+35w<=68000
x,y,w>=0

2.4 Solucionar el problema dual por el método simplex primal.

La forma estandar del método sería

Z-17000x-15000y-11000w=0
72x+50w+S1=450000
28x+35y+30w+S2=620000
25x+45y+35w+S3=68000

Tabla del método simplex primal

Función 17000
Solución x
S1 450000 72
S2 620000 28
S3 680000 25
Z 0 -17000

Primera iteración del método simplex prim

Función 17000
Solución x
x 6250 1
S2 445000 0
S3 523750 0
Z 106250000 0

Segunda iteración del método simplex pr

Función 17000
Solución x
x 6250 1
S2 37638.8888888889 0
 y 11638.8888888889 0
Z 280833333.333333 0
Solver
Fun. Objetivo x
280833333.333333 6250
Restricciones
450000
582361.111111111
680000

2.5 Interpretar los resultados de la solución de problema primal y solución del problema dual.

-Las pinturas del tipo 3 son las que se deben producir en mayor cantidad para reducir los costos de
producción. - El deisolvente es el recurso que más se debe usar para óptimizar el costo.
el método simplex dual
620000 680000 0 0 0
X2 X3 S1 S2 S3
-28 -25 1 0 0
-35 -45 0 1 0
-30 -35 0 0 1
-620000 -680000 0 0 0
22142.8571 27200
iteración del método simplex dual
620000 680000 0 0 0
S1 S2 S3
0.38888889 0.34722222 -0.01388889 0 0
-35 -45 0 1 0
-10.5555556 -17.6388889 -0.69444444 0 1
-445000 -523750 -6250 0 0
12714 11639
a iteración del método simplex dual
620000 680000 0 0 0
X2 X3 S1 S2 S3
0.11882716 0 -0.01388889 0.00771605 0
0.77777778 1 0 -0.02222222 0
3.16358025 0 -0.69444444 -0.39197531 1
-37638.8889 0 -6250 -11638.8889 0

X2 X3
0 333.333333
el método simplex primal
15000 11000 0 0 0
y w S1 S2 S3 C.R
0 50 1 0 0 6250
35 30 0 1 0 22143
45 35 0 0 1 27200
-15000 -11000 0 0 0

iteración del método simplex primal

15000 11000 0 0 0
y w S1 S2 S3 C.R
0 0.69444444 0.01388889 0 0
35 10.5555556 -0.38888889 1 0 12714
45 17.6388889 -0.34722222 0 1 11639
-15000 805.555556 236.111111 0 0

a iteración del método simplex primal

15000 11000 0 0 0
y w S1 S2 S3 C.R
0 0.69444444 0.01388889 0 0
0 -3.16358025 -0.11882716 1 -0.77777778
 1 0.39197531 -0.00771605 0 0.02222222
0 6685.18519 120.37037 0 333.333333

y w
11638.8889 0

problema dual.

a reducir los costos de

ptimizar el costo.
3.1 Formular el problema como un modelo de programación lineal.

La función objetivo sería

Z=1500000A+1300000B+1500000C Se debe máximizar
Las restricciones serían
120A+100B+200C<=100000
20A+20B+20C<=15000
60A+20B+20C<=30000
A,B,C>=0

3.2 Solucionar el modelo de programación lineal por el método simplex primal:

La forma estandar del método sería

Z-1500000A-1300000B-1500000C=0
120A+100B+200C+S1=100000
20A+20B+20C+S2=15000
60A+20B+20C+S3=30000

Función
Solución
S1 100000
S2 15000
S3 30000
Z 0

Función
Solución
S1 40000
S2 5000
A 500
Z 750000000

Función
Solución
C 250
S2 1666.66666666667
A 416.666666666667
Z 1000000000

Función
Solución
C 175
B 200
 A 375
Z 1085000000
Solver
Fun. Objetivo
1085000000
Restricciones
100000
15000
30000

3.3 Realizar el análisis de sensibilidad a la solución óptima simplex primal del modelo de programación line
Hoja "Analisis de sensibilidad"

-Si se debe aumentar la utilidad de algún producto, es mejor que sea la del
chocolate dulce y lo mismo para la disponibilidad de cacao.

3.4 Realizar el análisis post-óptimo a la solución óptima simplex primal del modelo de programación lineal.

3.4.a Realizar los cambios que afectan la factibilidad:

- Cambios en el lado derecho.
Dulce Semidulce
500 0
120 100
20 20
60 20

- Adición de una nueva restricción.

A B
53.1914893617021 457.446808510638
120 100
20 20
60 20
300 120

3.4.b Realizar los siguientes cambios que afectan la optimalidad:

- Cambios en los coeficientes de la función objetivo.

A B
Coeficientes 1000000 1800000
0 500
120 100
20 20
 60 20

- Adición de una nueva actividad.

A B
0 0
120 100
20 20
60 20

3.5 Interpretar los resultados de los cambios en los parámetros que afectan la optimalidad y de los cambio

- Ya solo se bede producir chocolate dulce. -cambia la solución óptima pero se sigue repartinedo de ma
chocoloate dulce tien una utilidad muy baja. - Se produce un nuevo tipo de chocolate que tiene un
mplex primal:

Tabla del método simplex primal

1500000 1300000 1500000 0 0 0
A B C S1 S2 S3 C.R
120 100 200 1 0 0 833
20 20 20 0 1 0 750
60 20 20 0 0 1 500
-1500000 -1300000 -1500000 0 0 0

Primera iteración del método simplex primal

1500000 1300000 1500000 0 0 0
A B C S1 S2 S3 C.R
0 60 160 1 0 -2 250
0 13.3333333 13.33333333333 0 1 -0.33333333 375
1 0.33333333 0.333333333333 0 0 0.01666667 1500
0 -800000 -1000000 0 0 25000

Segunda iteración del método simplex primal

1500000 1300000 1500000 0 0 0
A B C S1 S2 S3 C.R
0 0.375 1 0.00625 0 -0.0125 667
0 8.33333333 0 -0.08333333 1 -0.16666667 200
1 0.20833333 0 -0.00208333 0 0.02083333 2000
0 -425000 0 6250 0 12500

Tercera iteración del método simplex primal

1500000 1300000 1500000 0 0 0
A B C S1 S2 S3 C.R
0 0 1 0.01 -0.045 -0.005
0 1 0 -0.01 0.12 -0.02
 1 0 0 0 -0.025 0.025
0 0 0 2000 51000 4000

x y w
375 200 175

primal del modelo de programación lineal.

imal del modelo de programación lineal.

Función
Amargo 750000000
0
200 60000 <= 200000
20 10000 <= 10000
20 30000 <= 50000

Función
C 1033510638
239.361702127659
200 100000 <= 100000
20 15000 <= 15000
20 17128 <= 30000
80 90000 <= 90000

C Función
2300000 1475000000
250
200 100000 <= 100000
20 15000 <= 15000
 20 15000 <= 30000

Función
C D 2000000000
0 1111
200 90 100000 <= 100000
20 10 11111 <= 15000
20 10 11111 <= 30000

e afectan la optimalidad y de los cambios que afectan la factibilidad en la solución del modelo de programación lineal para la toma de

óptima pero se sigue repartinedo de manera "equitativa". -El

un nuevo tipo de chocolate que tiene una mejor utilidad
mación lineal para la toma de decisiones.
Analisis de sensibilidad
Celdas de variables
Final Reducido Objetivo Permisible Permisible
Celda Nombre Valor Coste Coeficiente Aumentar Reducir
$D$53 Dulce 375 0 1500000 2040000 160000
$E$53 Semidulce 200 0 1300000 200000 425000
$F$53 Amargo 175 0 1500000 800000 200000

Restricciones
Final Sombra Restricción Permisible Permisible
Celda Nombre Valor Precio Lado derecho Aumentar Reducir
$B$55 Cacao 100000 2000 100000 20000 17500
$B$56 Manteca de Cacao 15000 51000 15000 3888.8888889 1666.6666667
$B$57 Azucar 30000 4000 30000 10000 15000