Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Análisis de sensibilidad
Método gráfico
Regiones
Clasificación de problemas PL.
Análisis de sensibilidad.
IO1 R.Delgadillo 2
Regiones
Según sea el conjunto de restricciones
del modelo de programación linea, se
puede tener los siguientes casos:
Región limitada (cerrada)
Región ilimitada (abierta)
Región vacia
IO1 R.Delgadillo 3
Región limitada
Max 2x1 + 7x2
sujeto a:
3x1 + 4x2 <= 12
x1 + 8x2 <= 8
6x1 + x2 <= 15
x1, x2 >= 0
IO1 R.Delgadillo 4
Región limitada
Payoff: 2.0 x + 7.0 y = 9.6
0
x
0 1 2 3
IO1 R.Delgadillo 5
Región ilimitada
Min 50 x1 + 100 x2
Sujeto a:
7 x1 + 2 x2 >= 28
2 x1 + 12 x2 >= 24
x1, x2 >= 0
IO1 R.Delgadillo 6
Región ilimitada
x2
14
13
12
11
: 7.0 x1 + 2.0 x2 = 28.0
10
9
8
7
6
5
4
3 Payoff: 50.0 x1 + 100.0 x2 = 320.0
IO1 R.Delgadillo 7
Región vacia
Min 50 x1 + 100 x2
Sujeto a:
7 x1 + 2 x2 >= 28
2 x1 + 12 x2 >= 24
x1 <= 2.5
x2 <= 5
x1, x2 >= 0
IO1 R.Delgadillo 8
Región vacia
x2
14
13
12
11
: 7.0 x1 + 2.0 x2 = 28.0
10
9
8
7
6
5
4
3 Payoff: 50.0 x1 + 100.0 x2 = 320.0
IO1 R.Delgadillo 9
Ejercicio
Max 3x1 + 2 x2
sujeto a:
1/40 x1 + 1/60 x2 <= 1
1/50 x1 + 1/50 x2 <= 1
x1 >= 30
x2 >= 20
x1, x2>= 0
IO1 R.Delgadillo 10
Tipos de problemas lineales
Se pueden presentar cuatro tipos de problemas
lineales según sea su solución
Problemas que admiten una única solución
(óptimas alternativas)
Problemas que no tienen solución (problemas
inviables)
Problemas con solución ilimitada.
IO1 R.Delgadillo 11
Tipos de problemas lineales
Problemas que admiten una única
solución
Se presenta cuando la región es
limitada y la solución cae en un vertice
de la región.
IO1 R.Delgadillo 12
Tipos de problemas lineales
Problemas que admiten multiples
soluciones (óptimas alternativas)
Se presenta cuando la solución cae en un
IO1 R.Delgadillo 13
Tipos de problemas lineales
Problemas que no tienen solución
(problemas inviables)
Se presenta cuando la región que
describe el problema es vacio.
Esta clase de problemas se presenta
cuando existe incongruencia en los
datos y/o especificaciones; o cuando el
problema no esta bien formulado.
IO1 R.Delgadillo 14
Tipos de problemas lineales
Problemas con solución ilimitada
(Problemas ilimitados).
Se presenta cuando la región es ilimitada y la
solución no cae en ningún extremo de la
región. Esto es posible encontrar puntos en la
región factible con valores de la función
objetivo muy grandes (∞ en caso de
problema de máx.) o muy pequeños (-∞ en
caso de problemas de min)
Se presenta en caso de que la formulación
del problema no es correcto.
IO1 R.Delgadillo 15
Tipos de problemas lineales
En Resumen:
Región limitada P.L. solución única
P.L.óptimas alternativas
P.L.solución única
Región ilimitada PL óptimas alternativas
P.L. ilimitado
IO1 R.Delgadillo 17
Análisis de sensibilidad
¿ Porqué es importante?
Permite incorporar factores omitidos
IO1 R.Delgadillo 18
Análisis de sensibilidad
Cambios en el coeficiente de la F.O.
Cambiando los coeficientes de la
función objetivo se cambia la pendiente
de los contornos de esta.
Esto puede o no afectar a la solución
óptima y al valor óptimo de la función
IO1 R.Delgadillo 19
Ejemplo.
5000x1 + 10000x2
x2
9
7 4000x1 + 5000x2
6
2 5000x1 + 4000x2
1
0
x1
0 1 2 3 4 5 6 7
IO1 R.Delgadillo 20
Cambio en las restricciones
El cambio en el valor de un lado
derecho produce un desplazamiento
paralelo de la restricción modificada.
Esto puede afectar tanto a la solución
óptima como al valor objetivo. El efecto
dependerá precisamente de cuál lado
derecho se haya cambiado y en qué
medida.
IO1 R.Delgadillo 21
Ejemplo.
Payoff: 5000.0 x1 + 4000.0 x2 = 49000.0
x2 x2
9 6
8
LD 135 5 LD 210
7
6 4
5
3
4
3 2
2
1
1
0 0
x1 x1
0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7
Payoff: 5000.0 x1 + 4000.0 x2 = 50624.7
Optimal Decisions(x1,x2): ( 4.5, 7.0) Optimal Decisions(x1,x2): ( 5.0, 6.0)
: 1.0x1 + 1.0x2 >= 5.0 : 1.0x1 + 1.0x2 >= 5.0
: 1.0x1 - 3.0x2 <= 0.0 : 1.0x1 - 3.0x2 <= 0.0
: 10.0x1 + 15.0x2 <= 150.0 : 10.0x1 + 15.0x2 <= 150.0
: 20.0x1 + 10.0x2 <= 160.0 : 20.0x1 + 10.0x2 <= 160.0
: 30.0x1 + 10.0x2 >= 135.0 : 30.0x1 + 10.0x2 >= 210.0
IO1 R.Delgadillo 22
Estrechamiento de una restricción
Estrechar una desigualdad significa
hacerla más difícil de satisfacer.
Para una restricción >= esto significa
aumentar el lado derecho de la
desigualdad
Para una restricción <= significa
disminuir el lado derecho de la
desigualdad
IO1 R.Delgadillo 23
Relajación de una restricción
Relajar una restricción de desigualdad
significa hacerla más fácil de cumplir
Para una restricción >= esto significa
disminuir el lado derecho
Para una restricción <= significa
aumentar el lado derecho de la
desigualdad
IO1 R.Delgadillo 24
Efectos sobre la región factible
Al estrechar una restricción de
desigualdad, o bien se contrae el
conjunto factible o posiblemente quede
inalterado.
Al relajar una restricción de
desigualdad, o bien se expande el
conjunto factible o posiblemente quede
inalterado.
IO1 R.Delgadillo 25
Ejemplo
Payoff: 5000.0 x1 + 4000.0 x2 = 50500.0
x2
9
0
x1
0 1 2 3 4 5 6 7
IO1 R.Delgadillo 26
Restricciones redundantes
Una restricción es redundante si al ser
eliminada no cambia la región factible
Es muy posible que una restricción
redundante para un conjunto de datos
no lo sea cuando se cambian algunos
datos.
IO1 R.Delgadillo 27
Ejemplo
Payoff: 5000.0 x1 + 4000.0 x2 = 50500.0
x2
9
6 Restricción redundante
0
x1
0 1 2 3 4 5 6 7
IO1 R.Delgadillo 28
Restricciones activas
Las restricciones importantes son aquellas
que determinan o definen el conjunto
factible.
Dentro de las restricciones importantes las
restricciones activa (o limitantes) son aquellas
que determinan la solución óptima.
Se determina porque al reemplazar los
valores optimos en las restricciones ambos
lasdos de la restricción son de igualdad
Las restricciones inactivas (no limitantes)
verifican la desigualdad al reemplazarse los
valores óptimos.
IO1 R.Delgadillo 29
Ejemplo
Payoff: 5000.0 x1 + 4000.0 x2 = 50500.0
x2
9 Restricciones Activas
8
0
x1
0 1 2 3 4 5 6 7
IO1 R.Delgadillo 30
Adición o eliminación de
restricciones
Al eliminar restricciones la región
factible queda inalterada o aumenta
La adición restricciones hace que la
región factible quede inalterada o se
reduzca.
IO1 R.Delgadillo 31
Efecto sobre el valor objetivo
La adición de restricciones en un
modelo o bien empeora el valor
objetivo o lo deja inalterado.
La eliminación de restricciones en el
modelo o bien mejora el valor objetivo
o lo deja inalterado.
IO1 R.Delgadillo 32
Ejemplo
Payoff: 5000.0 x1 + 4000.0 x2 = 47112.0 Nuevo punto
óptimo
x2
9
Punto óptimo
anterior
8
0
x1
0 1 2 3 4 5 6 7
IO1 R.Delgadillo 33
Ejercicios
Resolver gráficamente los siguientes
modelos
Max 5000 x1 + 3000 x2
S.a: 3 x1 + 5 x2 <= 15
500 x1 + 200 x2 <= 1000
x1 , x2 >= 0
IO1 R.Delgadillo 34
Ejercicios
Max 4 x1 + 4 x2
S.a: -2 x1 + 2 x2 <= 2
- x1 + 2 x2 <= 4
x1 , x2 >= 0
Max 2 x1 + 2 x2
S.a: x1 - x2 <= 2
x1 + x2 >= 4
x1 , x2 >= 0
IO1 R.Delgadillo 35
Ejercicios
Min 3 x1 + 5 x2
S.a: 3 x1 + 2 x2 <= 18
x1 <= 4
x2 <= 6
x1 + 4x2 <= 10
x1 , x2 >= 0
IO1 R.Delgadillo 36