PROGRAMACIÓN LINEAL

Análisis de Sensibilidad

Ing. Andrea Mariel Malavé

Análisis de sensibilidad

El análisis de sensibilidad se encarga de estudiar cómo afectaría a la solución óptima y

a la función objetivo el cambio de algunas de sus variables, ya sea que una depende de
las otras.
Según (Peñafiel, 1976) utiliza para examinar los efectos de cambios en tres áreas
diferenciadas del problema:
1. Los coeficientes de la función objetivo (coeficiente objetivo). Los cambios en los
que los coeficientes objetivos NO afectan la forma de la región factible, por lo que
no afectarán a la solución óptima (aunque sí al valor de la función objetivo).

2. Los coeficientes tecnológicos (aquellos coeficientes que afectan a las variables de

las restricciones, situados a la izquierda de la desigualdad). Los cambios en estos
coeficientes provocarán cambios sustanciales en la forma de la región factible.
Gráficamente (en el caso de 2 variables) lo que varía es la pendiente de las rectas que
representan las restricciones.
 Análisis de sensibilidad
3. Los recursos disponibles (los términos independientes de cada restricción, situados a la
derecha de la desigualdad). Intuitivamente (para dos variables), los cambios en el RHS
suponen desplazamientos paralelos de las rectas asociadas a las restricciones, lo cual
hará variar la forma de la región factible y, con ello, a la solución óptima.

A continuación podremos ver la función objetivo y sus recursos:

 Análisis de sensibilidad
Y realizaremos el análisis de sensibilidad en la función objetivo la misma que cambiará el
parámetro o el multiplicador de la primera variable 𝑋1 de 40 a 60 y el multiplicador de la
segunda variable 𝑋2 de 50 a 35 los mismos que se realizan para ver cual será el cambio que
tendrá dentro de la solución óptima y de la función objetivo:
Coeficiente Objetivo

Tomando en cuenta que dichos cambios se deberán regir por la regla del 100%
Análisis de sensibilidad
❖ RESTRICCIONES
 Análisis de sensibilidad
PRECIOS SOMBRA
El precio sombra es el cambio marginal que se realiza en la función objetivo producto de
un cambio en las restricciones. Representa el costo oportunidad de producir o consumir un
bien o servicio. Un bien o servicio puede no tener un precio de mercado; sin embargo,
siempre es posible asignarle un precio sombra, que permite hacer un análisis de costo-
beneficio y cálculos de programación lineal.
 Análisis de sensibilidad
PRECIOS SOMBRA
Qué tipo de cambios hay?
Vamos a estudiar los siguientes tipos de cambios:
❖ Adición de nuevas restricciones

❖ Eliminar restricciones

❖ Adición de nuevas variables

❖ Cambios en los coeficientes objetivos

❖ Cambios en el lado derecho de las restricciones

1. Descartar un restricción
❖ Suponga que 𝑧Ƹ es el valor óptimo para el problema
después de descartar la restricción 𝑚

𝑧Ƹ = max 𝑐1 𝑥1 + ⋯ + 𝑐𝑛 𝑥𝑛
𝑠. 𝑡.
𝑎11 𝑥1 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1
𝑎21 𝑥1 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
…
𝑎𝑚1 𝑥1 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚
𝑥1 ≥ 0, … , 𝑥𝑛 ≥ 0
 1. Descartar un restricción
❖ Suponga que 𝑧Ƹ es el valor óptimo para el
problema después de descartar la restricción 𝑚
Su problema es menos
¿Qué puedes decir
sobre 𝒛ො en comparación 𝒛ො ≥ 𝒛∗ restrictivo. Su nueva región
factible es al menos tan grande
con 𝒛∗ ? como su región factible original

¿Podría ser inviable el Los puntos que eran factibles en

nuevo problema?
NO el primer modelo siguen siendo
factibles
¿Podría el nuevo
problema ser ilimitado?
YES La restricción que eliminamos
podría haber sido la que
mantuvo el problema acotado
 2. Adding a constraint

What can you say about Su problema es más restrictivo.

𝒛ො compared with 𝒛∗ ? 𝒛ො ≤ 𝒛∗ Su nueva región factible es
como máximo tan grande como
su región factible origina

Could the new problem

be infeasible?
YES If the new constraint makes all
the points of the initial model
infeasible

Could the new problem

be unbounded?
NO Every point of the new feasible
regions is a point of the initial
feasible region
Añadir o remover restricciones
❖ ¿Qué pasaría si el problema fuera un problema de
minimización?
❖ Restricción de eliminación
❖ Agregar restricción

❖ ¿Es posible que 𝑧 ∗ = 𝑧?Ƹ

❖ TAREA INVESTIGAR
3. Añadir una variable
Considerando un nuevo problema:
𝑧Ƹ = max 𝑐1 𝑥1 + ⋯ + 𝑐𝑛 𝑥𝑛 + 𝑐0 𝑥0
𝑠. 𝑡.
𝑎11 𝑥1 + ⋯ + 𝑎1𝑛 𝑥𝑛 + 𝑎10 𝑥0 = 𝑏1
𝑎21 𝑥1 + ⋯ + 𝑎2𝑛 𝑥𝑛 + 𝑎20 𝑥0 = 𝑏2
…
𝑎𝑚1 𝑥1 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 + 𝑎𝑚0 𝑥0 = 𝑏𝑚
𝑥1 ≥ 0, … , 𝑥𝑛 ≥ 0, 𝑥0 ≥ 0
obtenido al sumar una nueva variable 𝑥0
 3. Añadir una variable

Tienes más puntos sobre los que

¿Qué puedes decir
sobre 𝒛ො en comparación
𝒛ො ≥ 𝒛∗ optimizar tu objetivo. Agregar
una nueva variable es como
con 𝒛∗ ? agregar una nueva actividad
posible
Tienes más opciones que antes y
¿Podría ser inviable el
nuevo problema? NO las opciones factibles mucho
más

Si la nueva actividad introducida

tiene un coeficiente positivo en la
¿Podría el nuevo
problema ser ilimitado? YES función objetivo y no está
utilizando los recursos del
problema
4. Modificación de un coeficiente
objetivo
Considerar el nuevo problema:
𝑧 ∗ (𝜖) = max 𝑐1 𝑥1 + ⋯ + (𝑐𝑛 +𝜖)𝑥𝑛
𝑠. 𝑡.
𝑎11 𝑥1 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1
𝑎21 𝑥1 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
…
𝑎𝑚1 𝑥1 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚
𝑥1 ≥ 0, … , 𝑥𝑛 ≥ 0

Que tipo de funcion 𝑧 ∗ (𝜖)?

4. Modificación de un coeficiente objetivo

❖ Podemos obtener esta información de GAMS

𝒙𝟐
𝒙𝟏

❖ Siempre que el coeficiente objetivo de 𝑥1 permanezca entre

−∞ y 40, la solución óptima actual seguirá siendo óptima
❖ Siempre que el coeficiente objetivo de 𝑥2 se mantenga entre 75
y +∞, la solución óptima actual seguirá siendo óptima
5. Modificar un RHS Coeficiente
𝑧 ∗ = max 𝑐1 𝑥1 + ⋯ + 𝑐𝑛 𝑥𝑛
𝑠. 𝑡.
𝑎11 𝑥1 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝒃𝟏 + 𝝐
𝑎21 𝑥1 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
…
𝑎𝑚1 𝑥1 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚
𝑥1 ≥ 0, … , 𝑥𝑛 ≥ 0

❖ Hemos modificado solo UN coeficiente RHS

❖ ¿Qué tipo de función es 𝑧^∗ (𝜖)?
Modificando un coeficiente RHS de
Farmer Jones

z 𝜖 = max 30 𝑥1 + 100𝑥2
s.t.
𝑥1 + 𝑥2 ≤ 7
4𝑥1 + 10𝑥2 ≤ 40 + 𝜖
𝑥1 ≥ 3
𝑥1 , 𝑥2 ≥ 0
Modificando un coeficiente RHS de
Farmer Jones
𝟐 𝜖 =16
𝜖 =12
𝜖 =4

𝜖=0

𝟏
Modificando un coeficiente RHS de
Farmer Jones
❖ Podemos encontrar las soluciones óptimas duales en
GAMS
Modificando un coeficiente RHS de
Farmer Jones
❖ ¿Qué tan pequeño puede ser 𝜖?
❖ Puede obtener esa información de GAMS
Modificando un coeficiente RHS de
Farmer Jones

❖ Siempre que la cantidad de tierra se mantenga entre 5.8

and +∞, la solución óptima dual actual se mantiene óptima
❖ Siempre que la cantidad de mano de obra se mantenga
entre 12 and 52, la solución óptima dual actual se mantiene
óptima
 Modificando un coeficiente RHS de
Farmer Jones

❖ Si el terreno se mantiene entre 5,8 y +∞, el valor de solución

óptimo es 370
❖ Si el trabajo L está entre 12 y 52, la solución óptima tiene
valor 370+10(L-40)
❖ Si el requisito gubernamental G está entre 0 y 5, la solución
óptima tiene un valor de 370-10(G-3)