Tema 5: Análisis de Sensibilidad y Paramétrico
|
|
- Vicente Ramírez Navarrete
- hace 7 años
- Vistas:
Transcripción
1 Tema 5: Análisis de Sensibilidad y Paramétrico 5.1 Introducción 5.2 Cambios en los coeficientes de la función objetivo 5.3 Cambios en el rhs 5.4 Análisis de Sensibilidad y Dualidad Cambios en el coeficiente en la función objetivo de una variable no básica Cambios en la columna de una variable no básica Añadir una nueva variable 5.5 Análisis Paramétrico con WinQSB 1
2 5.1 Introducción Hipótesis en PL: parámetros deterministas (conocidos y fijos). Realidad: los parámetros son estimaciones de los valores reales. Análisis de Sensibilidad: cómo afecta a la solución óptima los cambios en los parámetros del modelo? Obtener de forma eficiente la nueva solución óptima (si existe) sin resolver de nuevo el modelo. Min c t x Supongamos resuelto el ppl en forma estándar: s.a: Ax = b x 0 n En la tabla óptima del Simplex tenemos: z j c j 0 j = 1,..., n bi 0 i = 1,..., m 2
3 Cómo afectan los cambios en: los coeficientes de la función objetivo (c j )? Posible pérdida de la posibilidad dual Reoptimizar con el algoritmo Simplex los términos de la derecha de las restricciones (b i )? Posible pérdida de la posibilidad primal Reoptimizar con el Dual del Simplex una fila y/o columna de A (a ij )? Posible pérdida de la posibilidad primal Posible pérdida de la posibilidad dual Posible pérdida de ambas Reoptimizar con dos Fases 3
4 5.2 Cambios en los coeficientes de la función objetivo Pueden provocar la pérdida de la optimalidad primal Para qué rango de valores de c k sigue siendo óptima la solución actual? Coeficiente de una variable no básica: sólo afecta al coste reducido de la variable cuyo coeficiente se ha cambiado. z k c k = (z k c k ) + (c k c k) Si z k c k 0 La solución sigue siendo óptima. Si z k c k > 0 Reoptimizamos con el algoritmo del Simplex, haciendo básica x k. 4
5 Ejemplo 1 Min 2x 1 + x 2 x 3 s.a.: x 1 + x 2 + x 3 6 x 1 + 2x 2 4 x 1, x 2, x 3 0 x = z = 12 Tabla óptima: x 1 x 2 x 3 x 4 x 5 rhs z x x
6 Ejemplo: Cambio en el Coeficiente de una Variable no Básica c 2 c 2 {}}{{}}{ z = 2x 1 +1 x 2 x 3 z = 2x 1 3 x 2 x 3 z 2 c 2 = (z 2 c 2 ) + (c 2 c 2) = 3 + (1 ( 3)) = 1 > 0 x 1 x 2 x 3 x 4 x 5 rhs z x x Reoptimizamos con el Simplex, x 2 se hace básica y x 5 deja de serlo. x 1 x 2 x 3 x 4 x 5 rhs z 0 0 x x x = z =
7 Para qué rango de valores del coeficiente de una variable no básica sigue siendo óptima la solución actual? La solución actual sigue siendo óptima sii: z k c k 0 sii (z k c k ) + (c k c k) 0 sii c k c k + (z k c k ) Ejemplo, continuación... c k [c k + (z k c k ), [ En el Ejemplo 1, c 2 = 1 y z 2 c 2 = 3, luego la solución actual seguirá siendo óptima sii: c 2 [1 + ( 3), [ = [ 2, [ x = z = 12 7
8 Coeficiente de una variable básica: cambiará toda la fila asociada a la función objetivo (Fila 0), excepto los costes reducidos de las variables básicas, que seguirán siendo iguales a cero. Nueva Fila 0 = (Fila 0 actual) + (c k c k) (Fila actual de x k ) Si algún coste reducido se hace positivo reoptimizamos con el algoritmo del Simplex. Para determinar el rango de valores para los cuales sigue siendo óptima la solución actual se resuelve el sistema de inecuaciones dado por: z j c j 0 j N En dicho rango, la solución óptima será la misma y el valor óptimo: z = c B B 1 b + (c k c k )x k 8
9 Ejemplo: Cambio en el Coeficiente de una Variable Básica z = c 1 {}}{ 2 x 1 + x 2 x 3 z = c 1 {}}{ 0 x 1 + x 2 x 3 z = x 2 x 3 x 1 x 2 x 3 x 4 x 5 rhs z x x Nueva Fila 0 = (Fila 0 actual) + (c 1 c 1 ) (Fila actual de x 1 ) x 1 x 2 x 3 x 4 x 5 rhs z x x
10 x 1 x 2 x 3 x 4 x 5 rhs z x x Reoptimizamos con el Simplex, x 3 se hace básica y x 1 deja de serlo. x 1 x 2 x 3 x 4 x 5 rhs z x x x = z = 6 10
11 Ejemplo, continuación... Para qué rango de valores del coeficiente de x 1 sigue siendo óptima la solución actual? x 1 x 2 x 3 x 4 x 5 rhs z x x x = Nueva Fila 0 = (Fila 0 actual) + (c 1 c 1) (Fila actual de x 1 ) z = 12 z 2 c 2 = 3 + (c 1 c 1)1 0 (c 1 c 1) 3 z 3 c 3 = 1 + (c 1 c 1)1 0 (c 1 c 1) 1 z 4 c 4 = 2 + (c 1 c 1)1 0 (c 1 c 1) 2 c c 1 En el ejemplo, c 1 = 2, si c 1 ], 1] la solución óptima sigue siendo la misma pero el valor óptimo será: z = 12 + (c 1 c 1 )6 = c = 6c 1 11
12 5.3 Cambios en el término de la derecha de una restricción Pueden provocar la pérdida de la optimalidad dual pérdida de la posibilidad primal Si x B = B 1 b = b tiene alguna componente negativa será necesario reoptimizar con el algoritmo Dual del Simplex. Para qué rango de valores de b i sigue siendo óptima la base actual? Aquél que se obtiene al resolver el sistema de inecuaciones: b = b + (columna i-ésima de B 1 ) (b i b i ) 0 }{{} i En dicho rango, la solución óptima será: El valor óptimo: x B = b + (columna i-ésima de B 1 )( i ), x N = 0 z = c t B b + ω i i 12
13 Ejemplo, cambio en el término de la derecha de una restricción (no hay pérdida de posibilidad primal) b = 6 4 Cambiamos b 1 b = 3 4 La nueva solución será: b = B 1 b = = La base B = {a 1, a 5 } sigue siendo óptima, la nueva solución es: 3 x = 0 z = c t B b = ( 2, 0) 3 =
14 Ejemplo, Continuación..., sí hay pérdida de posibilidad primal Cambiamos b 1 = 6 por b 1 = 2. La nueva solución y el nuevo coste serán: b = B 1 b = = z = c t B b = ( 2, 0) 2 2 = 4 x 1 x 2 x 3 x 4 x 5 rhs Nuevo z x x Perdemos la posibilidad primal, reoptimizamos con el Dual del Simpex: Dual no acotado Primal Imposible 14
15 Ejemplo En cuánto podemos incrementar b 1 sin que cambie la base óptima? Si cambiamos b = 6 por b = x B = B = = proporcionará una solución óptima sii proporciona una solución posible: b 1 [0, [ La solución óptima y el valor óptimo serán, respectivamente: x B = 6 + x N = 0 z = ( 2, 0) 6 + =
16 Para qué rango de valores de b 2 sigue siendo óptima la base actual? x B = B 1 6 = = 6 b b b 2 proporcionará una solución óptima sii proporciona una solución posible: b 2 0 b 2 6 b 2 [ 6, [ La solución óptima y el valor óptimo serán, respectivamente: x B = 6 x N = 0 z = ( 2, 0) 6 = b b 2 Notar que el precio sombra para esta restricción será 0. 16
17 5.4 Análisis de Sensibilidad y Dualidad Dada una solución posible básica del problema primal, (x B = B 1 b, x N = 0), dicha solución es óptima si y sólo si la solución obtenida a partir de B, ω = c t B B 1, es solución posible del dual. Cambios en la función objetivo del coeficiente de una variable no básica Cambios en la columna de A de una variable no básica Adición al problema de una nueva variable 17
18 La empresa Dakota Furniture Company fabrica escritorios, mesas y sillas. La fabricación de cada tipo de mueble requiere madera y dos tipos de procesos: carpintería y acabado. La cantidad de recursos que necesita cada tipo de mueble vienen dados en la siguiente tabla, en la que también se incluyen los precios de venta de los muebles: Recurso Escritorios Mesas Sillas Madera (en pies de tablero) Carpintería (en horas) Acabado (en horas) Precio de Venta (en euros) En la actualidad se dispone de 48 pies de tableros de madera, 20 horas de acabado y 8 de carpintería. Puesto que los recursos ya han sido adquiridos y se supone que la demanda de cualquiera de los productos es ilimitada, la empresa está interesada en planificar la producción de forma que se maximicen los beneficios obtenidos. 18
19 x 1 = escritorios x 2 = mesas x 3 = sillas Max 60x x x 3 s.a.: 8x 1 + 6x 2 + x x 1 + 2x 2 + 1,5x x 1 + 1,5x 2 + 0,5x 3 8 x 1, x 2, x 3 0 x 1 = 2, x 2 = 0, x 3 = 8 19
20 ω 1 = precio madera, ω 2 = precio acabado, ω 3 = precio carpint. Min 48ω ω 2 + 8ω 3 s.a.: 8ω 1 + 4ω 2 + 2ω ω 1 + 2ω 2 + 1,5ω 3 30 ω 1 + 1,5ω 2 + 0,5ω 3 20 ω 1, ω 2, ω 3 0 ω 1 = 0, ω 2 = 10, ω 3 = 10 z =
21 5.4.1 Cambios en la función objetivo del coeficiente de una variable no básica Para qué valores de c 2 seguirá siendo óptima la solución actual? Una mesa consume, 6 pies de madera, a ω 1 = 0 euros el pie 2 horas de acabado, a ω 2 = 10 euros la hora, y 1.5 horas de carpintería, a ω 3 = 10 euros la hora En total: ,5 10 = 35 Mientras el precio de venta de las mesas c 2 35 euros seguirá sin interesar fabricar mesas, x 2 = 0. La solución actual seguirá siendo óptima. 21
22 Los cambios en el coeficiente no afectan a la factibilidad de la solución del primal. Min 48ω ω 2 + 8ω 3 s.a.: 8ω 1 + 4ω 2 + 2ω ω 1 + 2ω 2 + 1,5ω 3 c 2 ω 1 + 1,5ω 2 + 0,5ω 3 20 ω 1, ω 2, ω 3, 0 6ω 1 + 2ω 2 + 1,5ω 3 c ,5 10 c 2 35 c 2 22
23 5.4.2 Cambios en la columna de una variable no básica Supongamos que cambia el vector de coeficientes de las mesas y también su precio de venta. 6 5 c 2 = 30 c 2 = 43 a 2 = 2 a 2 = 2 La nueva restricción del dual sería: 1,5 5ω 1 + 2ω 2 + 2ω 3 43 Que es violada por la solución del dual actual: Fabricar una mesa consume 40 euros, si se vende por 43, interesará fabricar mesas. El coste reducido cambiaría de signo. 2 23
24 5.4.3 Añadir una nueva variable Dakota está considerando fabricar zapateros. Podrían venderse por 15 euros y consumirían 1 pie de madera, 1 hora de acabado y 1 hora de carpintería. Seguiría siendo óptima la solución actual?, Interesa fabricar zapateros? Introducir una nueva variable, x 4, con, c 4 = 15 a 4 = Equivale a añadir una restricción al dual: ω 1 + ω 2 + ω 3 15 Como la solución actual del dual, sí que cumple la restricción: No interesará fabricar zapateros z 4 c 4 = ω 1 + ω 2 + ω 3 c 4 = =
25 5.5 Análisis Paramétrico El análisis paramétrico es una extensión del análisis de sensibilidad. Consiste en investigar cómo cambia la solución óptima y el valor óptimo de un PPL cuando se efectúan cambios continuos en uno o más parámetros, de la función objetivo: o del rhs: z(µ) = c + µc, c y c conocidos, µ escalar b(µ) = b + µb, b y b conocidos, µ escalar 25
26 Procedimiento 1. Calcular la solución óptima para µ = Determinar el rango de valores para µ, [0, µ 1 ], para los que la solución sigue siendo óptima. 3. Para µ = µ 1 se produce un cambio de base óptima. Realizar el cambio. Obtener la nueva solución óptima. 4. Determinar el nuevo rango de valores de µ para los que es óptima la solución actual. Sea [µ 1, µ 2 ]. 5. Repetir el proceso hasta que se detecta un µ r tal que: el problema es imposible µ µ r, o la solución óptima actual sigue siendo óptima µ µ r. 26
27 Min x 1 3x 2 s.a.: x 1 + x 2 6 x 1 + 2x 2 6 x 1, x 2 0 z(µ) = µ 2 1 x 1 x 2 z(µ) = ( 1 + 2µ)x 1 + ( 3 + 1µ)x 2 b(µ) = µ 1 1 = 6 µ 6 + µ 27
28 5.5.1 Análisis Paramétrico de la Función Objetivo µ = 0 µ [0, 1] Solución Óptima: x = 2 4 Valor Óptimo: z = 14 z [ 14, 6] con pendiente 8 z (µ) = µ Notar que la misma conclusión se obtiene para: µ [ 2, 0] pero aquí z [ 30, 14] 28
29 µ = 1 µ [1, 3] Cambio de base: x 1 deja de ser básica, h 1 se hace básica. x 2 + h 1 = 6 2x 2 = 6 x 2 = 3 h 1 = 3 Solución Óptima: x = 0 3 Valor Óptimo: z = 6 z [ 6, 0] con pendiente 3 z (µ) = 9 + 3µ 29
30 µ = 3 µ [3, [ Cambio de base: x 2 deja de ser básica, h 2 se hace básica. h 1 = 6 h 2 = 6 Solución Óptima: x = 0 0 Valor Óptimo: z = 0 z [0, 0] con pendiente 0 z (µ) = 0 30
31 µ = 2 µ ], 2] Cambio de base: x 2 deja de ser básica, h 2 se hace básica. x 1 = 6 x 1 + h 2 = 6 x 1 = 6 h 2 = 12 Solución Óptima: x = 6 0 Valor Óptimo: z = 30 z ], 30] con pendiente 12 z (µ) = µ 31
32 Resumiendo: µ ], 2] x = 6 0 z (µ) = µ µ [ 2, 1] x = 2 4 z (µ) = µ µ [1, 3] x = 0 3 z (µ) = 9 + 3µ µ [3, [ x = 0 0 z (µ) = 0 32
33 5.5.2 Análisis Paramétrico del rhs µ ], 2] Las variables básicas óptimas son x 1 y x 2. x 1 + x 2 = 6 µ x 1 + 2x 2 = 6 + µ x 1 = 2 µ x 2 = 4 Solución Óptima: x = 2 µ 4 Valor Óptimo: z = 14 + µ 33
34 µ = 2 µ [2, 6] Cambio de base: x 1 deja de ser básica, h 2 se hace básica. x 2 = 6 µ 2x 2 + h 2 = 6 + µ x 2 = 6 µ h 2 = 6 + 3µ Solución Óptima: x = 0 6 µ Valor Óptimo: z = µ 34
35 µ = 6 µ ]6, [ Cambio de base: x 2 deja de ser básica, No es posible determinar la variable que se hace básica: Dual no Acotado Primal Imposible Resumiendo: µ ], 2] x = µ [2, 6] x = 2 µ µ z (µ) = 14 + µ z (µ) = µ µ [6, [ Problema Imposible 35
Dualidad 1. 1 Formas simétricas. 2 Relación primal-dual. 3 Dualidad: el caso general. 4 Teoremas de dualidad. 5 Condiciones de holgura complementaria.
Dualidad 1 1 Formas simétricas. 2 Relación primal-dual. 3 Dualidad: el caso general. 4 Teoremas de dualidad. Condiciones de holgura complementaria. 6 Solución dual óptima en la tabla. 7 Interpretación
Más detallesTema 3: El Método Simplex. Algoritmo de las Dos Fases.
Tema 3: El Método Simplex Algoritmo de las Dos Fases 31 Motivación Gráfica del método Simplex 32 El método Simplex 33 El método Simplex en Formato Tabla 34 Casos especiales en la aplicación del algoritmo
Más detallesPROBLEMA 1. Considere el siguiente problema de programación lineal:
PROBLEMA 1 Considere el siguiente problema de programación lineal: Sean h1 y h2 las variables de holgura correspondientes a la primera y segunda restricción, respectivamente, de manera que al aplicar el
Más detallesUNIVERSIDAD NACIONAL DE INGENIERIA SEDE: UNI - NORTE Prueba del modelo y Evaluación de la solución. Teoría de Dualidad y Análisis de Sensibilidad
UNIVERSIDAD NACIONAL DE INGENIERIA SEDE: UNI - NORTE Prueba del modelo Evaluación de la solución. Teoría de Dualidad Análisis de Sensibilidad Prof. :M.C. Ing. Julio Rito Vargas Avilés I.O. 8 Dualidad análisis
Más detallesDualidad y postoptimización
Dualidad y postoptimización José María Ferrer Caja Universidad Pontificia Comillas Definición A cada problema de optimización lineal le corresponde otro que se denomina problema dual En forma canónica
Más detallesAnálisis de sensibilidad 1
Análisis de sensibilidad Planteamiento general Cambios en el vector de recursos 3 Cambios en el vector de costes 4 Cambios en un vector a j no básico 5 Nuevas variables 6 Nuevas restricciones Planteamiento
Más detallesAnálisis de Sensibilidad
IN3701 - Modelamiento y Optimización Departamento de Ingeniería Industrial Universidad de Chile 2011 Basado en Bertsimas, D., Tsitsiklis, J. (1997) Introduction to Linear Optimization Capítulo 5 Contenidos
Más detallesmax z = c T x sujeto a Ax b
Tema 4 Análisis de sensibilidad El análisis de sensibilidad se realiza después de obtener la solución óptima de un modelo lineal para deteminar como afectan los cambios en los parámetros del modelo a la
Más detallesEjemplo 1: Programación Entera
Repaso Prueba 2 Ejemplo 1: Programación Entera Supongamos que una persona está interesada en elegir entre un conjunto de inversiones {1,,7} y quiere hacer un modelo 0,1 para tomar la decisión. Modelar
Más detallesColección de Problemas II. mín Z = 8x 1 + 9x 2 + 7x 3 s. a: x 1 + x 2 + x x 1 + 3x 2 + x x 1 + x 2 x 3 30
1.- Dado el siguiente problema mín Z = 8x 1 + 9x + 7x 3 s. a: x 1 + x + x 3 40 x 1 + 3x + x 3 10 x 1 + x x 3 30 x 1 0, x 0, x 3 0 A) Plantear el problema dual y escribir las condiciones de la holgura complementaria
Más detallesEl planteamiento y la solución obtenidos por medio del WINQSB son:
Ejemplos sobre la Regla del 100% 1. Mi alimentación requiere que todo lo que coma pertenezca a uno de los cuatro grupos básicos de alimentos (pastel de chocolate, helado, refrescos y pastel de queso).
Más detallesUnidad III Teoría de la Dualidad.
Curso de investigación de operaciones http://www.luciasilva.8k.com/5.5.htm Unidad III Teoría de la Dualidad. III.1 FORMULACIÓN DEL PROBLEMA DUAL La Teoría de la Dualidad es una de las herramientas que
Más detallesDakota quiere maximizar el ingreso total por que se han comprado ya los recursos. Definiendo las variables de decisión como:
UNIVERSIDAD NACIONAL AUTONOMA DE NICARAGUA UNAN-MANAGUA FAREM - CARAZO Teléfono 2532-2668/Telefax 2532-2684 INVESTIGACIÓN DE OPERACIONES LABORATORIO #7 ANALISIS DE SENSIBILIDAD Y DUALIDAD DE UN PPL I.
Más detallesEJERCICIO 1. Max Z = 6 x x 2 s.r. (1) 4 x x 2 12 (2) 2 x x 2 16 (3) 2 x 1 6 x 1, x 2 0
Considere el Programa Lineal siguiente: EJERCICIO Max Z 6 x + 9 x 2 s.r. () 4 x + 6 x 2 2 (2) 2 x + 8 x 2 6 (3) 2 x 6 x, x 2 0 (.a) 3 2 0 2 3 4 5 6 7 8 El Problema tiene una Región Factible delimitada
Más detallesANÁLISIS DE SENSIBILIDAD.
ANÁLISIS DE SENSIBILIDAD. En la mayoría de las aplicaciones practicas, algunos datos del problema no son conocidos con exactitud y por esto son estimados tan bien como sea posible. Es importante poder
Más detallesTema 5 Dualidad y condiciones de Karush-Kuhn-Tucker
Tema 5 Dualidad y condiciones de Karush-Kuhn-Tucker José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 5 Condiciones de Karush-Kuhn-Tucker (KKT). Problemas
Más detallesTEST IO-I T1. CONCEPTOS PREVIOS. C1.1. Cualquier conjunto convexo tiene al menos un punto extremo?
TEST IO-I T1. CONCEPTOS PREVIOS C1.1. Cualquier conjunto convexo tiene al menos un punto extremo? a) Puede tener puntos extremos. b) Puede no tener puntos extremos. c) Puede tener vértices. C1.2. Es convexo
Más detallesLa Programación Lineal. H. R. Alvarez A., Ph. D. 1
La Programación Lineal H. R. Alvarez A., Ph. D. 1 El Método Simplex Desarrollado en 1947 por George Dantzig como parte de un proyecto para el Departamento de Defensa Se basa en la propiedad de la solución
Más detallesTema 4: Teoría de dualidad. Algoritmo Dual del Simplex 1
Tema 4: Teoría de dualidad. Algoritmo Dual del Simplex 1 4.1 Introducción 4.2 Definición del Problema Dual 4.3 Relaciones Primal-Dual 4.4 Condiciones de Holgura Complementaria 4.5 Interpretación Económica
Más detallesUniversidad de Managua Al más alto nivel Facultad de Ciencias Económicas y Administrativas. Curso de Programación Unidad IV Lineal Tema.
Universidad de Managua Al más alto nivel Facultad de Ciencias Económicas y Administrativas Profesor: MSc. Julio Rito Vargas Avilés. Estudiantes: F.C.E.A Curso de Programación Unidad IV Lineal Tema Análisis
Más detallesConversión a la Forma Estándar
10 de junio de 2014 Introducción Introducción En esta lectura daremos una introducción al método Simplex desarrollado por George Bernard Dantzig (8 de noviembre de 1914 13 de mayo de 2005) en 1947. Este
Más detallesPOST-OPTIMIZACIÓN Y SENSIBILIDAD EN PROBLEMAS LINEALES.
POST-OPTIMIZACIÓN Y SENSIBILIDAD EN PROBLEMAS LINEALES. Una de las hipótesis básicas de los problemas lineales es la constancia de los coeficientes que aparecen en el problema. Esta hipótesis solamente
Más detallesDegeneración y ciclaje. Método de las dos fases CO-3411 (S08) 30/03/
CO-3411 (S08 30/03/2008 98 Degeneración y ciclaje En el caso de problemas generales, una solución será degenerada cuando alguna de las variables básicas se encuentra en una de sus cotas (comparar con el
Más detallesProgramación Lineal. Yolanda Hinojosa
Programación Lineal Yolanda Hinojosa Contenido Formulación primal de un programa lineal. Propiedades Algoritmo del simplex Algoritmo dual del simplex Formulación dual de un programa lineal. Propiedades
Más detallesFundamentos de Programación Entera. A. Revisión. Carlos Testuri Germán Ferrari
Fundamentos de Programación Entera A. Revisión Carlos Testuri Germán Ferrari Departamento de Investigación Operativa Instituto de Computación Facultad de Ingeniería Universidad de la República 2012-2018
Más detallesUniversidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones Profesor: MSc. Julio Rito Vargas Avilés. Estudiantes: FAREM-Carazo IV Unidad UnidadIV Análisis Dualidad de
Más detallesDirección de operaciones. SESIÓN # 6: Análisis de Sensibilidad. Primera parte.
Dirección de operaciones SESIÓN # 6: Análisis de Sensibilidad. Primera parte. Contextualización Qué sucede si varía algo en el problema de programación lineal? Ya en este momento tenemos los suficientes
Más detallesOptimización bajo Incertidumbre. 0. Revisión. Depto. Investigación Operativa. Instituto de Computación. Facultad de Ingeniería, UdelaR
Optimización bajo Incertidumbre 0. Revisión Carlos Testuri Germán Ferrari Depto. Investigación Operativa. Instituto de Computación. Facultad de Ingeniería, UdelaR 2003-17 Contenido 1 Revisión Probabilidad
Más detallesLa Programación Lineal. H. R. Alvarez A., Ph. D. 1
La Programación Lineal H. R. Alvarez A., Ph. D. 1 Aspectos generales Se considera a George Dantzig el padre de la P. L. Su objetivo es el de asignar recursos escasos a actividades que compiten por ellos.
Más detallesOptimización y Programación Lineal
Optimización y Programación Lineal La regla del 100 % 17 de febrero de 2011 La regla del 100 % () Optimización y Programación Lineal 17 de febrero de 2011 1 / 21 Introducción Introducción Veamos ahora
Más detalles84 Tema 3. Dualidad. todas las restricciones son del tipo, todas las variables son no negativas.
Tema 3 Dualidad En el desarrollo de la programación lineal la teoria de la dualidad es importante, tanto desde el punto de vista teórico como desde el punto de vista práctico. Para cada modelo lineal se
Más detallesMatemáticas
al Método al Método Matemáticas al Método En esta lectura daremos una introducción al método desarrollado por George Bernard Dantzig (8 de noviembre de 1914-13 de mayo de 2005) en 1947. Este método se
Más detallesForma estándar de un programa lineal
Forma estándar de un programa lineal Sin pérdida de generalidad, todo programa lineal se puede escribir como: min cx s.t Ax = b x 0 Objetivo: minimizar Todas las desigualdades como ecuaciones Todas las
Más detallesExamen de Investigación Operativa (Plan 96) Febrero de er Parcial
Examen de Investigación Operativa (Plan 96) Febrero de 2010 1 er Parcial Solución del Ejercicio 1. Definimos las variables de decisión ½ 1, si se coloca una cámara en el punto de localización i x i = 0,
Más detallesLicenciatura en Administración y Dirección de Empresas
Licenciatura en Administración y Dirección de Empresas Programación Matemática de junio de 200 Ejercicio 3 pt. Considera el siguiente problema de programación no lineal:. Se trata de un problema convexo?
Más detalles3.1 Por inspección del tablero óptimo genere las respuestas a los numerales dados. X 1 = Cantidad de tarjetas de invitación a producir semanalmente en Kimberly Colpapel y X 2 = Cantidad de tarjetas de
Más detallesWinQSB. Módulo de Programación Lineal y Entera. Al ejecutar el módulo Linear and Integer Programming, la ventana de inicio es la siguiente:
WinQSB Módulo de Programación Lineal y Entera Al ejecutar el módulo Linear and Integer Programming, la ventana de inicio es la siguiente: Desde la cual, a partir del menú: File New Problem Puedes introducir
Más detallesANALISIS DE SENSIBILIDAD
ANALISIS DE SENSIBILIDAD El análisis de sensibilidad también es conocido como el análisis de post optimalidad. Aquí se estudia cómo ciertos cambios de los parámetros del modelo matemático pueden afectar
Más detallesDirección de Operaciones
Dirección de Operaciones 1 Sesión No. 6 Nombre: Análisis de sensibilidad. Primera parte. Objetivo: Al finalizar la sesión, el alumno será capaz de identificar la relevancia de la programación lineal en
Más detallesLa factorización eta CO-3411 (S08) 09/03/
CO-3411 (S08) 09/03/008 74 La factorización eta Esta factorización es una forma de llevar la matriz A B en cada iteración que evita tener que resolver los sistemas lineales involucrados desde cero, pudiendo
Más detallesEl método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.
El método simplex Forma estándar y cambios en el modelo. Definiciones. Puntos extremos y soluciones factibles básicas. 4 El método simplex. Definiciones y notación. Teoremas. Solución factible básica inicial.
Más detallesUNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL ROSARIO INVESTIGACIÓN OPERATIVA PRÁCTICA: ANÁLISIS DE SENSIBILIDAD DUALIDAD PARAMETRIZACIÓN
UNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL ROSARIO INVESTIGACIÓN OPERATIVA PRÁCTICA: ANÁLISIS DE SENSIBILIDAD DUALIDAD PARAMETRIZACIÓN Ejercicio 1 Sea el siguiente programa lineal: Max z = 2x1-1
Más detallesWinQSB. Módulo de Programación Lineal y Entera. Al ejecutar el módulo Linear and Integer Programming, la ventana de inicio es la siguiente
WinQSB Módulo de Programación Lineal y Entera Al ejecutar el módulo Linear and Integer Programming, la ventana de inicio es la siguiente desde la cual, a partir del menú File New Problem puedes introducir
Más detallesRESOLUCIÓN DE MODELOS DE PROGRAMACIÓN ENTERA MÉTODOS DE CORTE CORTES DE GOMORY
25 de Junio de 2012 RESOLUCIÓN DE MODELOS DE PROGRAMACIÓN ENTERA MÉTODOS DE CORTE CORTES DE GOMORY Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Programación
Más detallesProgramación Lineal. - Si no: Sea j tal que c
Programación Lineal El objetivo de este documento es hacer una breve introducción a la programación lineal que pueda contribuir al fácil manejo de la aplicación. La programación lineal es un procedimiento
Más detallesUNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 4
Ing. César Urquizú UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 4 Ing. César Urquizú Teoría de la dualidad El desarrollo de esta teoría de la dualidad es debido al interés que existe en la interpretación económica
Más detallesTema 18. Programación lineal Formulación primal de un programa lineal
Tema 18 Programación lineal 18.1. Formulación primal de un programa lineal Dentro de la programación matemática hablamos de programación lineal (PL) si tanto la función objetivo como las restricciones
Más detallesTeórica VIII. Modelos y Optimización I. Curso 2018 Segundo Cuatrimestre
Teórica VIII Nuevamente recordamos que este material es de apoyo a las clases teóricas. Si no asistieron a la clase, les faltarán varias cosas que tienen que ver con el trabajo en clase y con las explicaciones
Más detallesProgramación lineal: Algoritmo del simplex
Programación lineal: Algoritmo del simplex Se considera la formulación estándar de un problema de programación lineal siguiendo la notación utilizada en las clases teóricas: Minimizar c t x sa: Ax = b
Más detallesAuxiliar 7: Dualidad
IN3701: Modelamiento y Optimización Profs: Richard Weber, Rodrigo Wolf Coordinador: M. Siebert Aux: V. Bucarey, N. Devia, P. Obrecht Auxiliar 7: Dualidad Lunes 5 de Diciembre de 2011 Pregunta 1: Dualidad
Más detallesLa lección de hoy de febrero de Notación. Solución factible básica
1.3 1 de febrero de La lección de hoy Método simplex (continuación) Entregas: material de clase Nota: el diseño de esta presentación incluye animaciones que permiten verla en forma de diapositivas. Repaso
Más detallesAnálisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 8va versión MGM
Universidad Católica del Norte Escuela de Negocios Mineros Magíster en Gestión Minera Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 8va versión MGM Antofagasta, Diciembre de 2014
Más detallesDUALIDAD EN PROGRAMACION LINEAL
DUALIDAD EN PROGRAMACION LINEAL Relaciones primal-dual Asociado a cada problema lineal existe otro problema de programación lineal denominado problema dual (PD), que posee importantes propiedades y relaciones
Más detallesProgramación entera 1
Programación entera 1 1. El modelo de programación entera. 2. Aplicaciones de la programación entera. 3. Solución gráfica de problemas enteros. 4. El algoritmo de ramificación y acotación. 5. El algoritmo
Más detallesEl algoritmo del Simplex. Forma tabular
El algoritmo del Simplex. Forma tabular 1 Soluciones básicas factibles Consideremos el siguiente poliedro P = {x R n, tal que Ax = b, x } con A M m n, b R m, m n, x y RangoA = RangoA, b = m. Observación
Más detalles3.1. Motivación gráfica del método Simplex
l método Simplex. Algoritmo de las dos fases.. Motivación gráfica del método Simplex l método gráfico de resolución nos garantiza que si la región de soluciones posibles es acotada, como ocurre en los
Más detallesAnálisis de sensibilidad. M. En C. Eduardo Bustos Farias
Análisis de sensibilidad M. En C. Eduardo Bustos Farias Análisis de sensibilidad para la solución óptima. Es sensible la solución óptima a cambios en los parámetros de entrada? Posibles razones para responder
Más detallesmax c T x s.a. Ax b x 0 y un diccionario general para dicho problema a rs x s, c s x s z = d + b r y r min b T y s.a. A T y c y 0
CO-34 (S8) 25/3/28 8 Formalizaremos lo visto en la clase anterior. Considere un problema en forma estándar max s.a. c T x Ax b x un diccionario general para dicho problema x r = b r + a rs x s, s NB z
Más detallesTema 3 Optimización lineal. Algoritmo del simplex
Tema 3 Optimización lineal. Algoritmo del simplex José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 3 Teorema fundamental de la programación lineal. Algoritmo
Más detallesMATE Método Simplex maximización estándar
MATE 3012 Método Simplex maximización estándar Problema de maximización estándar Un problema de maximización de programación lineal está en la forma estándar, si la función objetiva w = c 1 x 1 + c 2 x
Más detallesLINGO - Parte 3. Análisis de sensibilidad con LINGO
Optimització Curs 2006/2007 Assignatura d Estadística, UAB LINGO - Parte 3 Análisis de sensibilidad con LINGO Ejemplo Una carpintería industrial produce tablas de madera de cuatro tamaños: pequeñas, medianas,
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA)
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS 1. INFORMACIÓN GENERAL
Más detalles4. Métodos de Solución PPL : Solución Algebraica: MÉTODO SIMPLEX Segunda Parte
4. Métodos de Solución PPL : Solución Algebraica: MÉTODO SIMPLEX Segunda Parte Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co MÉTODO SIMPLEX Ejemplo de Simplex: Vamos a
Más detallesINGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA
INGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA Sesión 4 Objetivos: Aplicar el método simplex a la solución de problemas reales. Contenido: Introducción al método Simplex Requerimiento del método Simplex
Más detallesUn sistema de ecuaciones diferenciales son aquellas que tienen varias posibilidades para su solución. Estas son:
Unidad X: Programación lineal (continuación) Objetivo específico: Entender ampliamente el fenómeno del comportamiento de los modelos matemáticos para la resolución de problemas enfocados a las ecuaciones
Más detallesEJERCICIOS DE ANALISIS DE SENSIBILIDAD
EJERCICIOS DE ANALISIS DE SENSIBILIDAD Investigación de Operaciones (Prof. Miguel Sierra) 1) EJERCICIO RESUELTO A continuación se muestra la formulación y el reporte en Lindo se obtiene por la producción
Más detallesMÉTODO DEL DUAL (TEORIA DE DUALIDAD)
MÉTODO DEL DUAL (TEORIA DE DUALIDAD) Todo problema de programación lineal tiene asociado con él otro problema de programación lineal llamado DUAL. El problema inicial es llamado PRIMO y el problema asociado
Más detallesPROGRAMACIÓN MATEMÁTICA
PROGRAMACIÓN MATEMÁTICA TEMA 1. INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA. CONJUNTOS CONVEXOS. CONVEXIDAD DE UNA FUNCIÓN. PLANTEAMIENTO FORMAL DEL PROBLEMA DE PROGRAMACION MATEMATICA. - Función Objetivo:
Más detallesANÁLISIS DE SENSIBILIDAD. Programación Lineal
ANÁLISIS DE SENSIBILIDAD Programación Lineal CONCEPTO Dados los cambios que surgen con el paso del tiempo, o gracias a que los datos iniciales de una situación son aproximados o pronosticados y requieren
Más detallesUniversidad de Managua Curso de Optimización
Universidad de Managua Curso de Optimización Profesor: MSc. Julio Rito Vargas Avilés. Objetivos y Temáticas del Curso Estudiantes: Facultad de Ingeniería Año académico: I Cuatrimestre 2018 ORIENTACIONES
Más detallesPráctico N 5 Parte a: Programación lineal
U.N.C.P.B.A FACULTAD DE INGENIERÍA PROCESOS QUÍMICOS II Práctico N 5 Parte a: Programación lineal Planteo n 1: Supóngase que una compañía fabrica 2 conjuntos xx e yy. Cada unidad de los respectivos productos
Más detalles(2.b) PROPIEDADES DE LOS MODELOS LINEALES
(2.b) PROPIEDADES DE LOS MODELOS LINEALES ESTUDIO GRÁFICO DE UN P.P.L. EN R 2. Caracterización de la región factible. Resolución gráfica del problema. Óptimos alternativos. Problemas no factibles y no
Más detallesFORMULACIÓN DE MODELOS DE PROGRAMACIÓN LINEAL (Parte 2)
25 de Septiembre de 2017 FORMULACIÓN DE MODELOS DE PROGRAMACIÓN LINEAL (Parte 2) Ingeniería Industrial Ingeniería Informática Facultad de Ingeniería Universidad Católica Andrés Bello Programación Lineal
Más detallesOptimización de Problemas de Producción
Optimización de Problemas de Producción Pedro Piñeyro - Luis Stábile Colaboran: Héctor Cancela - Antonio Mauttone - Carlos Testuri Depto. Investigación Operativa. Instituto de Computación. Facultad de
Más detallesPLE: Ramificación y Acotamiento
PLE: Ramificación y Acotamiento CCIR / Depto Matemáticas TC3001 CCIR / Depto Matemáticas PLE: Ramificación y Acotamiento TC3001 1 / 45 La compañía TELFA fabrica mesa y sillas. Una mesa requiere 1 hora
Más detallesEjercicios resueltos de Álgebra, hoja 2. Beatriz Graña Otero
Ejercicios resueltos de Álgebra, hoja 2. Beatriz Graña Otero 11 de Diciembre de 2008 2 B.G.O. 104.- Determina si los siguientes subconjuntos del espacio vectorial correspondiente son subvariedades afines:
Más detallesCO5411. Dantzig-Wolfe / Descomposición de Benders. Prof. Bernardo Feijoo. 06 de febrero de 2008
Dantzig-Wolfe / Departmento de Cómputo Cientíco y Estadística Universidad Simón Bolívar 06 de febrero de 2008 Contenido 1 Dantzig-Wolfe 2 Contenido Dantzig-Wolfe 1 Dantzig-Wolfe 2 Ahora la nueva base produce
Más detallesHerramientas para la Decisión en Operaciones
Herramientas para la Decisión en Operaciones Tema 1. Ejercicio 1. Programación lineal Interpretación informe sensibilidad Lidia Sánchez Ruiz Beatriz Blanco Rojo Departamento de Administración de Empresas
Más detallesProgramación Lineal III. Análisis Post-Optimal
Programación Lineal III. Análisis Post-Optimal P.M. Mateo y David Lahoz 7 de mayo de 009 En este tema se estudia al análisis post-optimal, qué ocurre en un problema de programación lineal que ya hemos
Más detallesMétodo Simplex en Optimización de Problemas de Producción
Método Simplex en Optimización de Problemas de Producción Pedro Piñeyro - Luis Stábile - Fernando Islas - Carlos Testuri Héctor Cancela - Antonio Mauttone Depto. Investigación Operativa. Instituto de Computación.
Más detallesAlgoritmos de Planos de Corte
Algoritmos de Planos de Corte Problema: max {cx / x X} con X = {x / Ax b, x Z n + } Proposición: conv (X) es un poliedro que puede entonces escribirse como conv (X) = {x / Ax b, x 0} Lo mismo ocurre para
Más detallesKg P1 Kg P Unidades Vitamina A
Dualidad El concepto de dualidad desempeña importantes papeles dentro de la programación lineal (también en la no lineal), tanto desde un punto de vista teórico como práctico. Todo programa lineal lleva
Más detallesHoras requeridas por unidad de producto Laminado 1 Laminado 2 Horas totales disponibles Acondicionamiento Laminado Pulido
PROBLEMA Una empresa que realiza laminados de aceros de aleación especial produce dos tipos de láminas, que le reportan 8 y 6 (unidades monetarias) netas respectivamente por cada metro producido. El proceso
Más detallesControl 2 13 de Mayo 2009
Control 2 13 de Mayo 2009 Profs: Auxs: Guillermo Durán Richard Weber Fernanda Bravo, André Carboni, Rodrigo Wolf Pregunta 1 1. (1.2 Ptos.) Cuáles son los 3 criterios principales que guían el algoritmo
Más detallesContenido: Solución algebraica a los problemas de programación lineal con el método simplex.
Tema II: Programación Lineal Contenido: Solución algebraica a los problemas de programación lineal con el método simplex. Introducción El método simplex resuelve cualquier problema de PL con un conjunto
Más detallesAnálisis de sensibilidad en Modelos lineales:
Universidad de Managua Curso de Optimización Análisis de sensibilidad en Modelos lineales: CAMBIOS EN LOS COEFICIENTES TECNOLÓGICOS CAMBIOS EN LOS COSTOS/UTILIDADES CAMBIOS EN LOS RECURSOS NUEVO PRODUCTO
Más detallesProblemas de Programación Lineal: Método Simplex
Problemas de Programación Lineal: Método Simplex Ej. (3.1) (C) Los siguientes Tableaux fueron obtenidos en el transcurso de la resolución de PL en los cuales había que maximizar una Función Objetivo con
Más detallesAnálisis Post Optimal y Algoritmo de Ramificación y Acotamiento
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN34A: Clase Auxiliar Análisis Post Optimal y Algoritmo de Ramificación y Acotamiento Marcel Goic F.
Más detalles-PROTHIUS- Métodos Cuantitativos de Organización Industrial: Programación Lineal. Joaquín Bautista Valhondo. D-05/2011 (Rec.
Cátedra Nissan -PROTHIUS- Métodos Cuantitativos de Organización Industrial: Programación Lineal. Joaquín Bautista Valhondo D-05/2011 (Rec. IO-JBV) Departamento de Organización de Empresas Universidad Politécnica
Más detallesNelson Devia C Basado en Bertsimas, D., Tsitsiklis, J. (1997) Introduction to Linear Optimization Capítulo 3
IN3701 - Modelamiento y Optimización Departamento de Ingeniería Industrial Universidad de Chile 2011 Basado en Bertsimas, D., Tsitsiklis, J. (1997) Introduction to Linear Optimization Capítulo 3 Contenidos
Más detallesTema 2: Optimización lineal. Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga
Tema 2: Optimización lineal Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga Sumario El modelo de programación lineal Formulación de modelos Método gráfico
Más detallesMétodo Simplex: Variaciones (Caso Minimización)
Método Simplex: Variaciones (Caso Minimización) Existen dos formas de resolver un problema de minimización con método simplex:. Modificar en dos aspectos el algoritmo que se utilizó para el caso de maximización:
Más detallesAnálisis de Sensibilidad de los Resultados
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 22 Análisis de Sensibilidad de los Resultados ICS 02 Optimización Profesor : Claudio Seebach
Más detallesUNIVERSIDAD NACIONAL AUTONOMA DE NICARAGUA UNAN-MANAGUA FAREM - CARAZO
UNIVERSIDAD NACIONAL AUTONOMA DE NICARAGUA UNAN-MANAGUA FAREM - CARAZO INVESTIGACIÓN DE OPERACIONES Laboratorio #1 GRAFICA DE REGIONES CONVEXAS Y SOLUCIÓN POR MÉTODO GRÁFICO DE UN PROBLEMA DE PROGRAMACIÓN
Más detallesUniversidad Nacional de Ingeniería. UNI RUACS. Investigación de Operaciones I 3T1 I.S. Docente: Ing. Mario Pastrana. Nombres: Frania Flores Zeledón.
Universidad Nacional de Ingeniería. UNI RUACS Investigación de Operaciones I 3T1 I.S. Docente: Ing. Mario Pastrana. Nombres: Frania Flores Zeledón. Tema: Teoría de la Dualidad. 28/ Septiembre/2011 Teoría
Más detallesGuía de Problemas para el Control 2
Guía de Problemas para el Control 2 Geometría Problema 1 Demuestre que la intersección de conjuntos convexos es un conjunto convexo. Utilizando esto demuestre que todo poliedro es un conjunto convexo.
Más detalles