Baixe o app para aproveitar ainda mais
Prévia do material em texto
Pesquisa Operacional Gisele Tessari Santos, D.Sc. gisele.santos@prof.una.br Aula – Análise Pós-Otimalidade – Análise de Sensibilidade !"#$%&'()'(*'"&%+%$%),)'( • Uma das hipóteses dos problemas de programação linear é a consideração de certeza nos coeficientes e constantes (parâmetros) do modelo. • A solução ótima é dependente dos coeficientes da função objetivo (geralmente lucro, receita ou custo) e dos coeficientes e constantes das restrições (geralmente necessidades por produto e disponibilidade de um recurso). • No mundo real, quase nunca temos certeza destes valores, geralmente são apenas estimativas. • Portanto, devemos saber o quanto a solução ótima é dependente de um determinado parâmetro. E para isso devemos verificar quais são as possíveis variações nos valores desses parâmetros que não alteram a solução ótima. !"#$%&'()'(*'"&%+%$%),)'( • Devemos, então, fazer uma análise de pós-otimalidade conhecida com Análise de Sensibilidade. • Um dos principais objetivos da análise de sensibilidade é identificar os parâmetros sensíveis, isto é, aqueles que não podem ser modificados sem alterar a solução ótima. • Os parâmetros sensíveis são aqueles que precisam ser estimados com especial cuidado para minimizar o risco de se obter uma solução ótima errônea e devem ser monitorados de perto à medida que o estudo é implementado. • Em uma Análise de Sensibilidade deveremos responder basicamente a três perguntas: 1. Qual o efeito de uma mudança num coeficiente de uma restrição (aij)? 2. Qual o efeito de uma mudança numa constante de uma restrição (bi)? 3. Qual o efeito de uma mudança num coeficiente da função objetivo (cj)? Sensibilidade dos parâmetros aij( • Normalmente é dada mais atenção na realização da análise de sensibilidade dos parâmetros bi e cj que nos parâmetros aij. • Em problemas reais com centenas ou milhares de restrições e variáveis, o efeito de alterar o valor aij normalmente é desprezível. • Além disso, em muitos casos, os valores aij são determinados pela tecnologia que está sendo empregada. Assim, pode haver pouca (ou nenhuma) incerteza em relação aos seus valores finais. Sensibilidade dos parâmetros bi( • No caso dos parâmetros bi, os parâmetros sensíveis são identificados a partir dos preços-sombra fornecidos pela tabela simplex ou pelo relatório de sensibilidade do Solver (excel). • yi* > 0 ! solução ótima muda caso bi seja modificado; portanto, bi é um parâmetro sensível e deve ser monitorado de perto caso seja uma estimativa do recurso disponível. • yi* = 0 ! solução ótima não é sensível a pequenas alteração de bi. Sensibilidade dos parâmetros bi( Intervalo possível de bi • Para qualquer bi, seu intervalo possível é o intervalo de valores para o lado direito em relação ao qual a solução BV ótima atual permanece viável, supondo-se que não ocorra nenhuma alteração nos demais lados direitos. " O valor de Z e das variáveis de decisão (solução ótima) são alterados, mas a solução ótima permanece viável, ou seja, respeitando todas as restrições do modelo. • Quando se altera bi dentro desse intervalo possível, o preço-sombra atual para bi permanece válido para avaliar o efeito sobre Z. Como calcular o intervalo possível de bi? Vamos recordar o nosso problema protótipo. Não negatividade !!! x 1 ≤ 4 2x 2 ≤12 3x 1 + 2x 2 ≤18 e x 1 ≥ 0 x 2 ≥ 0 Restrições Quantidade de recurso bi disponibilizados para as atividades consideradas. • y1*= 0 – preço sombra para o recurso 1. • y2*= 3/2 – preço sombra para o recurso 2. • y3*= 1 – preço sombra para o recurso 3. Vamos recordar o nosso problema protótipo. Veja abaixo a tabela final do Simplex: Vamos verificar no gráfico o intervalo possível para o recurso 2: *-$./0-(12#3%4,( 2x 2 =18 Z = 3(0)+5(9) = 45 2x 2 = 6 Z = 3(4)+5(3) = 27 Intervalo possível de b2: 6 ≤ b2 ≤ 18 Vamos verificar no gráfico o intervalo possível para o recurso 3: *-$./0-(12#3%4,( ∆Z= y3* = 1 Z = 3(4)+5(6) = 42 3x 1 + 2x 2 =12 Z = 3(0)+5(6) = 30 Intervalo possível de b3: 12 ≤ b3 ≤ 24 (2,6) 3x 1 + 2x 2 = 24 Vamos verificar no gráfico o intervalo possível para o recurso 1: *-$./0-(12#3%4,( ∆Z= y1* = 0 Z = 3(2)+5(6) = 36 Intervalo possível de b1: 2 ≤ b1 ≤∞ ou 2 ≤ b1 (2,6) x 1 = 2 Sensibilidade dos parâmetros cj( • A alteração em um dos coeficientes cj provoca uma alteração no coeficiente angular (inclinação) da reta que define a função objetivo. • Visualmente pode-se notar que se a variação na inclinação for pequena a solução ótima (valor das variáveis de decisão que produzem o maior valor da função objetivo) não sofrerá alteração. • Devemos deixar claro que o valor máximo (Z) a ser produzido pela solução ótima será diferente, independentemente da manutenção da solução ótima. Sensibilidade dos parâmetros cj( Intervalo possível de cj • Para qualquer cj, seu intervalo possível é o intervalo de valores para esse coeficiente sobre o qual a solução ótima atual permanece ótima, pressupondo-se que não haja nenhuma alteração nos demais coeficientes. " Os valores das variáveis de decisão (solução ótima) permanecem os mesmos, entretanto o resultado para a função objetivo Z se altera. • Como cj pode ser modificado dentro do intervalo possível sem alterar a solução ótima, cj não é um parâmetro sensível. Como calcular o intervalo possível de cj? Vamos verificar no gráfico o intervalo possível para c1 e c2: *-$./0-(12#3%4,( A B Sensibilidade dos parâmetros cj( Intervalo possível de cj • Portanto, enquanto a inclinação da função objetivo estiver entre as inclinações das retas (2x2 = 12 e 3x1 + 2x2 = 18) que determinam a solução ótima esta não se alterará. • Matematicamente, isto pode ser representado por: Declividade ≤ Declividade ≤ Declividade da Linha A da FO da Linha B -3/2 ≤ Declividade ≤ 0 da FO 2x 2 =12 0x 1 + 2x 2 =12 x 2 = −0x 1 +6 3x 1 + 2x 2 =18 x 2 = − 3 2 x 1 +9 Sensibilidade dos parâmetros cj( Intervalo possível de cj • De uma forma geral, podemos obter o valor da inclinação de uma função objetivo (Z = c1x1 + c2x2) por: • Isto é, a inclinação é dada por – c1/c2. Logo, no caso, queremos: x 2 = − c 1 c 2 x 1 + Z c 2 −3 2 ≤ − c 1 c 2 ≤ 0 Sensibilidade dos parâmetros cj( Intervalo possível de cj • Assim, tem-se: −3 2 ≤ − c 1 5 ≤ 0 − c 1 5 ≥ −3 2 → c 1 5 ≤ 3 2 → c 1 ≤ 7,5 E − c 1 5 ≤ 0→ c 1 5 ≥ 0→ c 1 ≥ 0 0 ≤ c 1 ≤ 7,5 −3 2 ≤ − 3 c 2 ≤ 0 − 3 c 2 ≥ −3 2 → 3 c 2 ≤ 3 2 → 6 ≤ 3c 2 → c 2 ≥ 2 E − 3 c 2 ≤ 0→ 3 c 2 ≥ 0→ 3≥ 0c 2 → c 2 ≤∞ 2 ≤ c 2 ≤∞ 5'$,672%-()'(*'"&%+%$%),)'()-(*-$8'2( 9%+$%-:2,3%,( Introdução à Pesquisa Operacional; 9ª Edição Autor: Frederick S. Hillier; Gerald J. Lieberman Editora: McGraw-Hill!
Compartilhar