INVESTIGACIN

DOCENTE:

ARELY BRENIS DZUL

MATERIA:

INVESTIGACIN DE OPERACIONES 1
CARRERA:

INGENIERIA INDUSTRIAL

ALUMNO:

RAFAEL DIONICIO GABRIEL

14 DE ABRIL DEL 2012 MISANTLA VER.

3.1Formulacin Problema Dual La programacin lineal puede ser usada para resolver una extensa variedad de problemas propios de los negocios, ya sea para maximizar utilidades o minimizar costos. Las variables de decisin en tales problemas fueron, por ejemplo, el nmero de productos a producir, la cantidad de pesos a emplear, etc. En cada caso la solucin ptima no explic cmo podran ser asignados los recursos (ejemplo: materia prima, capacidad de las mquinas, el d i n e r o , e t c . ) p a r a o b t e n e r u n o b j e t i v o e s t a b l e c i d o . E n e s t e c a p t u l o v e r e m o s q u e a c a d a problema de programacin lineal se le asocia otro problema de programacin lineal, llamado el p r o b l e m a d e programacin dual. La solucin ptima del problema de p r o g r a m a c i n d u a l , proporciona la siguiente informacin respecto del problema de programacin original: 1. La solucin ptima del problema dual proporciona los precios en el mercado o los beneficios de los recursos escasos asignados en el problema original. 2. La solucin ptima del problema dual aporta la solucin ptima del problema original y viceversa. Nor m a l m e n t e l l a m a m o s a l problema de programacin lineal original el problema de programacin primal

Relaciones entre los Problemas Primal y Dual - Cuando uno es de maximizar el otro es de minimizar y viceversa. - El nmero ro de variables principal e s de uno e s igual al nmero ro de r e s t r i c iono s de l ot ro. - Los coeficientes de la funcin objetivo de uno pasan a ser los trminos independientes de las res t r i c cines d e l o t r o. - La matriz de coefi c i ent e s de raspue s ta de la de l ot ro. las r e s t r i c c ione s de uno e s la t

- Cada variable e de uno s e r elac iona con una r e s t r i c c in de l ot ro. - Si el Primal est e

3.3Interpretacion Econmica del Dual Precio Sombra.- Se define como la proporcin con que mejora el valor de la funcin objetivo a partir de la i - sima restriccin, dependiendo si se trata de maximizacin tiende a aumentar y a disminuir cuando es de minimizacin. La interpretacin econmica de la dualidad se basa directamente en la interpretacin ms frecuente del problema primal (16). Interpretacin del problema dual. Para ver cmo la interpretacin del proble m a p r i m a l c o n d u c e a u n a interpretacin econmica del problema dual. Ntese el valor de Z como: Z = W1b1 + W2b2 +W3b3 + + Wmbm donde cada bi Wi puede interpretarse como la contribucin a la ganancia por disponer de bi unidades del recurso i

Es un algoritmo iterativo que iniciando en una solucin bsica factible pero no ptima, genera soluciones bsicas factibles cada vez mejores hasta encontrar la solucin ptima (s esta existe). Ntese que la base de su lgica es mantener la factibilidad, mientras busca la optimalizad. Pero surge la posibilidad de usar otro esquema igualmente iterativo, que como contraparte del simplex, comienza en una solucin bsica ptima, pero no factible y mantiene la in mejorabilidad mientras busca la factibilidad. Con este procedimiento se llega igualmente a la solucin ptima. Algoritmo Dual-Simplex para un modelo de maximizacin Primero se debe expresar el modelo en formato estndar, agregando las variables de holgura y de exceso que se requieran. Enseguida, en las ecuaciones que tengan variables de exceso (resultantes de restricciones de tipo >), se debe multiplicar por (-1) en ambos lados , para hacer positivo el coeficiente de la variable de exceso, y formar as un vector unitario que nos permita tomar esta variable de exceso como una variable bsica inicial. sin necesidad de agregar una variable artificial en esa restriccin. Al hacer lo anterior se logra que debajo de las variables bsicas aparezca una matriz identidad, que es la que el simplex siempre toma como base inicial.

Obtendremos que los trminos del lado derecho de las ecuaciones multiplicadas por (-1) queden con signo negativo, lo cual hace que la solucin inicial sea infactible. Es importante destacar que este proceso es muy til ya que en muchos modelos evita la inclusin de variables artificiales en el momento de transformar un modelo a formato estndar. El algoritmo para resolver un modelo de maximizacin es el siguiente: Paso 1: Hallar una solucin bsica inicial infactible e inmejorable Escribir el tablero inicial tomando a las variables de holgura y de exceso como variables bsicas inciales Paso 2: Prueba de factibilidad a. Si todas las variables bsicas son no negativas, la actual solucin es la ptima. b. Si hay al menos una variable bsica negativa, seleccionar como variable de salida, ( llammosla (XB)s ), a aquella con el valor mas negativo. Los empates se pueden romper arbitrariamente. Paso 3: Prueba de in mejorabilidad a. S en el rengln de la variable bsica de salida (XB) s todos los coeficientes de reemplazo con las variables no bsicas son no negativos, la solucin del modelo es ptima limitada. Se termina el proceso. Si en el rengln de la variable bsica de salida (XB) s, hay al menos un coeficiente de intercambio negativo, se efectan los cocientes entre el efecto neto de cada variable no bsicas y su correspondiente coeficiente de intercambio negativo.

Cambios en el vector costos cj, cuando xj decj es bsica, y cuando xj de cj no es bsica Cambio en un Cj cuando Xj es bsica: Si Xj es bsica Z*j - Cj = 0 y Z*j - C'j 0, con lo cual se debe modificar la fila de Z -C en el ltimotablero y en algunos casos se debe variar toda la tabla, si la solucin del primal dej de ser laptima.En algunos casos cuando Z*j - C'j > 0, la solucin es an ptima. La nueva solucin en el ptimo debe ser ptima o mejorar, pero en algunos casos puede no ser factible. Ejemplo

MAX Z = 50 X1+ 120 X2 A : MAX Z = 50 X1+40 X2 El nuevo valor de Z*j - Cj corresponde a una variable bsica, cuyo valor ser cero (0) .La solucin Optima es: Primal: X*1 = 16; X*2 = 12; S*1 = 0; S*2 = 0; Z*= 1280Dual: Y*1 = 7; Y*2 = 12; S*1= 0; S*2 = 0; W* = 2720P a r a q u e permanezca la solucin actual ptima y factible basta con p l a n t e a r y r e s o l v e r l a ecuacin que recalcula el valor de Z*j - Cj de cada una de las variables no bsicas, sabiendo que en el tablero ptimo el valor de C1 debe cumplir con la condicin que Z*j - Cj 0, por loc a l 4 C 2 + .

3.7Cambio en Bi de las Restricciones Cambio en un bi (recurso): Los nicos cambios posibles son en los lados derechos de las restricciones, porque estos lados dan los valores de las variables de la base y stas se pueden volver negativas; cuando no hay cambios en los Z*j - Cj, la solucin encontrada sigue siendo ptima. En el caso en que un bi sevuelva negativo se debe emplear el dual simplex para solucionar el primal. Adems es

posible en el problema dual encontrar e interpretar el precio sombra (marginal) y los costos reducidos. Ejemplo: 3 X1+X2 60a:3 X1+X2 50La solucin ptima actual es: Primal: X*1 = 0; X*2 = 20; S*1 = 0; S*2 = 30; Z*= 2400Dual: Y*1 = 30; Y*2 = 0; S*1= 10; S*2 = 0; W* = 2400Para que se mantenga la solucin actual factible basta con plantear y resolver las ecuaciones para encontrar los valores de los nuevos bi, de tal manera que las variables bsicas sean 0,por lo cual 70 b1 170 y 20 b2 +

3.8Cambio en Coeficientes Xj Cambio en aij cuando Xj es no bsica: En estos casos cambian los coeficientes de Xj en todas las filas del tablero; como Xj no es bsica, si la fila Z -C > 0, la solucin sigue siendo ptima. Es ms fcil investigar si la solucin anterior es todava ptima con el dual, ya que el nico Cambio es en la jsima restriccin: porque los valores ptimos de las variables originales Y*1 = Z no cambian; la solucin anterior e s f a c t i b l e y a n p t i m a s i l a n u e v a restriccin no se viola. Ejemplo: Cambiando la segunda restriccin de: 3 X1+X2 60 A: X1+X2 60 La solucin actual es: Primal: X*1 = 0; X*2 = 20; S*1 = 0; S*2 = 40; Z*= 2400 A d i c i n a l a n u e v a v a r i a b l e

Muchas veces es necesario analizar la sensibilidad de la solucin ptima, cuando se agrega al modelo una restriccin que no se considero inicialmente, ya sea por olvido o por decisin de quien plante el modelo. El primer paso en el anlisis de los cambios que sufre la solucin ptima actual al considerar una nueva restriccin, es determinar si esta se cumple para la solucin ptima. Para ello deben reemplazarse los valores ptimos de las variables en la nueva restriccin y determinar si se cumple la condicin expresada. En caso afirmativo concluimos que la solucin actual no se altera, pues la nueva restriccin tambin se cumple para ella. Tal caso ocurre en situaciones como la que podemos observar en la grafica 1, en donde la nueva restriccin A no altera la regin de factibilidad. Otra situacin del mismo caso es

la que se muestra en la grfica 2 para la nueva restriccin B, que s altera la regin de factibilidad, pero sin modificar el punto ptimo.

Adicin ala nueva restriccin El ltimo caso es aquel en el que debe introducirse al modelo una nueva restriccin despus de que ya se ha resuelto. Este caso puede ocurrir porque se pas por alto la restriccin en un principio o porque surgieron nuevas consideraciones despus de la formulacin original. Otra posibilidad es que a propsito se haya eliminado la restriccin p a r a d i s m i n u i r e l e s f u e r z o computacional por parecer menos restrictiva que otras ya planteadas en el modelo, pero ahora es necesario verificar esta impresin con la solucin ptima que se obtuvo. Para ver si la nueva r e s t r i c c i n a f e c t a a la solucin ptima actual, todo lo que tiene que hacerse es v e r i f i c a r directamente si esa solucin ptima satisface la restriccin. Si es as, todava sera la mejor s o l u c i n b s i c a f a c t i b l e ( e s decir, sera la solucin ptima), aun cuando se agregara la restriccin al modelo. La razn es que una nueva restriccin slo puede eliminar algunas de las soluciones factibles anteriores sin agregar ninguna. Si la nueva restriccin elimina la solucin ptima actual, y si se quiere encontrar la nueva solucin, se introduce esta restriccin a la tabla simplex final (como un rengln adicional) como si fuera la tabla inicial, en la que se designa la variable usual (de holgura o artificial) como la variable bsica que corresponde a este nuevo rengln. Como ste tal vez tenga coeficientes distintos de cero para algunas otras variables bsicas, se debe aplicar la conversin a la forma apropiada de eliminacin de Gauss y despus r e s t o d e l procedimiento general. Igual que para algunos de los casos a n t e r i o r e s , e s t e procedimiento para el caso de una adicin de una nueva restriccin es una versin simplificada del procedimiento general resumido anteriormente. La nica pregunta que hay que hacerse eneste caso es si la solucin ptima anterior es todava factible as que la prueba de optimalizad se ha eliminado. La prueba de factibilidad se ha reemplazado por una prueba de factibilidad m u c h o m s r p i d a ( l a s o l u c i n p t i m a a n t e r i o r s a t i s f a c e l a n u e v a r e s t r i c c i n ? ) q u e d e b e realizarse justo despus de la revisin del modelo. Slo cuando la respuesta a esta prueba es negativa y se quiere re optimizar, se usan los siguientes pasos; revisin de la tabla simplex final, conversin a la forma apropiada de eliminacin de Gauss, y re optimizacin.

EJEMPLO. Como ejemplo de este caso, supngase que se introduce la nueva restriccin,