ANLISIS DE DUALIDADA

En la mayora de los procedimientos de PL, el dual se define para varias formas del primal, dependiendo de los tipos de restricciones, de los signos de las variables y del sentido de la optimizacin. La experiencia nos indica que en ocasiones, los principiantes se confunden con los detalles de esas definiciones. Ms importante an es que el uso de esas definiciones mltiples puede conducir a interpretaciones inconsistentes de los datos en la tabla simplex, sobre todo en lo que respecta a los signos de las variables. El concepto de dualidad indica que para cada problema de PL hay una asociacin y una relacin muy importante con otro problema de programacin lineal, llamado precisamente dual.

EJEMPLO DE ANLISIS DE DUALIDAD

Ejemplo. Si el problema primal es: MAX Z= 45X1 + 17X2 + 55X3 Sujeto a: X1 + X2 + X3 200

9X1 + 8X2 + 10X3 5000 10X1+ 7X2 + 21 X3 4000 Xj 0 El problema dual ser: MIN Z= 200Y1 + 5000Y2 + 4000Y3 Sujeto a: Y1 + 9Y2 + 10Y3 45 Y1 + 8Y2 + 7Y3 17 Y1 + 10Y2 + 21Y3 55 Yj 0  FORMA DE PRESENTAR EL PROBLEMA DUAL MIN = 2X1 - 3X2 Sujeto a: 1X1 + 2X2 12

4X1 - 2X2 3 6X1 - 1X2 = 10 X1,2 0 1. Llevar el problema a su equivalente de maximizacin, multiplicando la funcin objetivo por 1: MAX -2X1 + 3X2 2. Convertir las restricciones en una restriccin equivalente multiplicando por 1 ambos lados: -4x1 + 2x2 -3 3. Para las restricciones de igualdad, obtener 2 restricciones de desigualdad, una de forma y la otra de forma ; despus regresar al punto anterior y cambiar la restriccin a la forma : 6X1 1X2 10 6X1 1X2 10 6X1 1X2 10 -6X1 + 1X2 -10 As el problema primal se ha replanteado en la forma equivalente: MAX Z= -2X1 + 3X2 Sujeto a: 1X1 + 2X2 12 -4X1 + 2X2 - 3 6X1 1X2 10 -6X1 + 1X2 -10 X1,2 0 4. Teniendo el problema primal convertido a la forma cannica de un problema de maximizacin, es fcil llevarlo al problema dual: MIN Sujeto a: Y14Y2 + 6Y36Y3 -2 12Y1 3Y2 + 10Y3

Y3 y Y3 ambas se refieren a la tercera restriccin

2Y1 + 2Y2 1Y3 + 1Y3 3 Y1, 2, 3, 3 0

del problema primal.

ANLISIS DE SENSIBILIDAD
El objetivo fundamental del anlisis de sensibilidad es identificar los parmetros sensibles, (por ejemplo, los parmetros cuyos valores no pueden cambiar sin que cambie la solucin ptima). Para ciertos parmetros que no estn clasificados como sensibles, tambin puede resultar de gran utilidad determinar el intervalo de valores del parmetro para el que la solucin ptima no cambia. (Este intervalo de valores se conoce como intervalo permisible para permanecer ptimo). En algunos casos, cambiar el valor de un parmetro puede afectar la factibilidad de la solucin BF ptima. Para tales parmetros, es til determinar el intervalo de valores para el que la solucin BF ptima (con los valores ajustados de las variables bsicas) seguir siendo factible. (Este intervalo recibe el nombre de intervalo permisible para permanecer factible). EJEMPLO DEL ANLISIS DE SENSIBILIDAD

El anlisis de sensibilidad para el problema original de la Wyndor Glass Co. comienza por examinar los valores ptimos de las variables duales yi (Y1* = 0, Y2* =3/2, Y3* = 1). Estos precios sombra dan el valor marginal de cada recurso i para las actividades (dos nuevos productos) bajo consideracin, donde el valor marginal se expresa en las unidades de Z (miles de dlares de ganancia por semana). Se puede aumentar la ganancia total debida a estas actividades en $1500 semanales (y2* multiplicado por $1000 por semana) por cada unidad adicional del recurso 2 (hora de produccin a la semana en la planta 2) que quede disponible. Este aumento en la ganancia es vlido para cambios relativamente pequeos que no afecten la factibilidad de la solucin bsica actual (y por tanto, que no afecten los valores de yi*). En consecuencia, el equipo de 10 ha investigado la ganancia marginal posible debida a los otros usos actuales de este recurso para determinar si alguna es menor que $1500 semanales. Esta investigacin puso de manifiesto que uno de los productos antiguos es mucho menos redituable. La tasa de produccin para este producto ya se redujo a la cantidad mnima que justifica sus gastos de comercializacin, pero se puede descontinuar, lo que proporcionara 12 unidades adicionales del recurso 2 para los nuevos productos. Entonces, el siguiente paso es determinar la ganancia que se podra obtener de los nuevos productos si se hiciera esta transferencia. Esto cambia b2 de 12 a 24 en el modelo de programacin lineal. La figura 2 muestra el efecto grfico de este cambio incluyendo el cambio en la solucin en un vrtice final de (2, 6) a (-2, 12). (Observe que esta figura es distinta a la 1 porque la restriccin 3x1 + 2X2 < 18, no cambi en este caso.) El cambio en el vector de los valores de bi es 4_4 b = 12 b = 24

18 18 Por lo tanto, cuando se aplica la idea fundamental (tabla 1.1), se encuentra que el efecto de este cambio sobre la tabla smplex final original (parte media de la tabla 1.2) es que los elementos de la columna del lado derecho cambian a los siguientes valores: 4 Z* = y* b = (0,3/2,1) 24 = 54, 18 _ 1 1/3 -1/3 4 6 X3 6 b* = S* b = 0 0 24 = 12 , de modo que X2 = 12 0 -1/3 1/3 18 -2 X1 -2

De manera similar, como el nico cambio en el modelo original es b2 = 24 - 12 = 12, se puede usar el anlisis incremental para calcular estos mismos valores con mayor rapidez. El anlisis incremental involucro el clculo de los incrementos en los valores de la tabla causados por el cambio (o cambios) en el modelo original, y despus la suma de estos incrementos a los valores originales. En este caso, los incrementos en Z* y b* son b1 0 Z* = y* b = y* b2 = y* 12 , b3 0 b1 0 b* =S* b =S* b2 = S* 12 b3 0 Figura 2: Regin factible para el problema de la Window Glass Co. Despus de cambiar slo b2 a 24. Por lo tanto la segunda componente de y* y la segunda columna de S* , los nicos clculos que se necesitan son Z* = 3/2(12) = 18, as Z* = 36 +18 = 54, b1* = 1/3(12) = 4, as b1* = 2+ 4=6, b2* =1/2( 12) = 6, as b2* = 6 + 6 = 12, b3* = 1/3( 12) = -4, as b3*= 2-4=-2,

en donde los valores originales de estas cantidades se obtienen de la columna del lado derecho en la tabla smplex final original (parte media de la tabla 1.2). La tabla smplex final revisada corresponde por completo a la tabla smplex final original, excepto por la columna del lado derecho que tiene estos nuevos valores. Por lo tanto, la solucin bsica actual (antes ptima) se ha convertido en (X1, X2, X3, X4, X5) = (-2, 12, 6, 0, 0). que no pasa la prueba de factibilidad porque tiene un valor negativo. Ahora se puede aplicar el mtodo smplex dual a partir de esta tabla revisada, para encontrar la nueva solucin ptima. Este mtodo conduce, en una sola iteracin, a la nueva tabla smplex final que se muestra en la tabla 1.3. (En forma alternativa, se pudo haber aplicado el mtodo smplex desde el principio y en este caso, tambin se hubiera llegado a esta tabla final en una sola iteracin.) Esta tabla smplex indica que la nueva solucin ptima es (X1, X2, X3, X4, X5) = (0, 9, 4, 6, 0) con Z = 45, proporcionando as un incremento en la ganancia de 9 unidades ($9000 semanales) sobre el valor anterior Z = 36. El hecho de que X4 = 6 indica que 6 de las 12 unidades adicionales del recurso 2 quedan sin usarse con esta solucin. Aunque b2 = 12 result ser un incremento de b2 demasiado grande para mantener la factibilidad (y por ende la optimalidad) con la solucin bsica en la que X1, X2, X3 las variables bsicas (parte media de la tabla 1.2), el anlisis incrementar anterior muestra qu tan grande puede ser el incremento para seguir siendo factible. En particular, se observa que b1* = 2 + 1/3 b2, b2* = 6 + -1/2 b2, b3* = 2 - 1/3 b2, En donde estas tres cantidades son los valores de X3, X2 y X1, respectivamente, para esta solucin bsica. La solucin permanece factible y, por lo tanto, ptima, siempre y cuando las tres cantidades sigan siendo no negativas.