Sensitivity

 Analysis  

  Sensitivity  Analysis  is  used  to  see  how  the  optimal  solution  is  affected  by  the  objective  
function  coefficients  and  to  see  how  the  optimal  value  is  affected  by  the  right-­‐hand  side  values.    Using  
LINDO,  you  can  figure  out  how  to  integrate  different  variables  to  the  problem  without  affecting  the  
objective  function.    The  Wilson  Problem’s  objective  function  was  to  maximize  7X1+10X2  and  was  subject  
to  X1  <  500,  X2  <  500,  X1  +  2X2  <  960,  and  5X1  +  6X2  <  3600.    The  optimal  value  for  the  Wilson  problem  
was  $5,520.    

LINDO  INPUT  &  RESULTS  

Maximize  7X1  +  10X2  

Subject  to  

X1  <  500  

X2  <  500  

X1  +  2X2  <  960  

5X1  +  6X2  <  3600  

END  

(LINDO  assumes  <  is  less  than  or  equal  to)  

(Click  Solve  on  the  top  menu  or  ctrl  +S)  

(Asks:  DO  RANGE  SENITIVITY  ANALYSIS?  YES)  

(LINDO  Solver  Status)  

(Optimizer  Status)  

(Status:  Optimal)  

(Iterations:  2)  

(Objective:  5520)  

NO.  ITERATIONS=              2  

 RANGES  IN  WHICH  THE  BASIS  IS  UNCHANGED:  

 

                                                     OBJ  COEFFICIENT  RANGES  

 VARIABLE                  CURRENT                ALLOWABLE                ALLOWABLE  

                                     COEF                    INCREASE                  DECREASE  

             X1                7.000000                  1.333333                  2.000000  

             X2              10.000000                  4.000000                  1.600000  

                                                     RIGHTHAND  SIDE  RANGES  

           ROW                  CURRENT                ALLOWABLE                ALLOWABLE  

                                       RHS                    INCREASE                  DECREASE  

               2            500.000000                  INFINITY              140.000000  

               3            500.000000                  INFINITY              200.000000  

               4          3600.000000              280.000000              720.000000  

               5            960.000000              160.000000                93.333336  

 LP  OPTIMUM  FOUND  AT  STEP            2  

               OBJECTIVE  FUNCTION  VALUE  

               1)            5520.000  

   VARIABLE                VALUE                    REDUCED  COST  

               X1              360.000000                    0.000000  

               X2              300.000000                    0.000000  

 

             ROW      SLACK  OR  SURPLUS          DUAL  PRICES  

               2)              140.000000                    0.000000  

               3)              200.000000                    0.000000  

               4)                  0.000000                    1.000000  

               5)                  0.000000                    2.000000  

 NO.  ITERATIONS=              2  

 RANGES  IN  WHICH  THE  BASIS  IS  UNCHANGED:  

                                                     OBJ  COEFFICIENT  RANGES  

 VARIABLE                  CURRENT                ALLOWABLE          ALLOWABLE  

                                                             COEF                        INCREASE                        DECREASE  

             X1                              7.000000                  1.333333                      2.000000  

             X2                          10.000000                  4.000000                      1.600000  

                                                     RIGHTHAND  SIDE  RANGES  

           ROW                  CURRENT                ALLOWABLE                ALLOWABLE  

                                                             RHS                          INCREASE                  DECREASE  

               2                        500.000000                  INFINITY              140.000000  

               3                        500.000000                  INFINITY              200.000000  

               4                    3600.000000              280.000000              720.000000  

               5                        960.000000              160.000000                93.333336  

Now  to  construct  a  dual  problem,  you  would  need  to  formulate  a  minimization  linear  model.    For  the  
Wilson  problem  we  will  use  the  decision  variables  U1,  U2,  U3,  and  U4,  since  there  are  4  constraints  in  
the  original  problem.  The  dual  model  for  the  Wilson  problem  would  be:  

Minimize  3600U1+960U2+500U3+500U4  

Subject  to          

5U1+1U2+U3>=7  

6U1+2U2+U4>=10  

Uj>=0    

END  

As  you  can  see  we  have  switched  the  objective  function  to  the  constraints  and  the  constraints  to  the  
object  function.    This  would  be  the  dual  problem  for  the  Wilson  Problem.    After  we  have  figured  out  our  
program  model,  we  can  use  LINDO  in  order  to  solve  the  problem.    

LINDO  INPUT  

Minimize  3600U1+960U2+500U3+500U4  

Subject  to          

5U1+1U2+U3>=7  

6U1+2U2+U4>=10  

Uj>=0    

END  

LINDO  RESULTS  

 LP  OPTIMUM  FOUND  AT  STEP            3  

               OBJECTIVE  FUNCTION  VALUE  

               1)            5520.000  
 

   VARIABLE                VALUE                    REDUCED  COST  

               U1                  1.000000                    0.000000  

               U2                  2.000000                    0.000000  

               U3                  0.000000                140.000000  

               U4                  0.000000                200.000000  

               UJ                  0.000000                    0.000000  

             ROW      SLACK  OR  SURPLUS          DUAL  PRICES  

               2)                  0.000000              -­‐360.000000  

               3)                  0.000000              -­‐300.000000  

               4)                  0.000000                    0.000000  

 NO.  ITERATIONS=              3  

 RANGES  IN  WHICH  THE  BASIS  IS  UNCHANGED:  

                                                     OBJ  COEFFICIENT  RANGES  

 VARIABLE                  CURRENT                ALLOWABLE                ALLOWABLE  

                                     COEF                    INCREASE                  DECREASE  

             U1          3600.000000              280.000000              720.000000  

             U2            960.000000              160.000000                93.333336  

             U3            500.000000                  INFINITY              140.000000  

             U4            500.000000                  INFINITY              200.000000  

             UJ                0.000000                  INFINITY                  0.000000  

                                                     RIGHTHAND  SIDE  RANGES  

           ROW                  CURRENT                ALLOWABLE                ALLOWABLE  

                                       RHS                    INCREASE                  DECREASE  

               2                7.000000                  1.333333                  2.000000  

               3              10.000000                  4.000000                  1.600000  

               4                0.000000                  0.000000                  INFINITY  

As  you  can  see  the  objective  coefficients  from  the  original  problem  have  become  the  right  hand  side  
ranges  in  the  dual  problem.    The  results  from  the  minimization  problem  have  shown  that  the  optimal  
value  is  the  same,  $5,520.    The  solutions  being  U1=1,  U2=2,  U3=0,  U4=0,  were  found  at  Step  3.    The  
value  column  comes  from  the  Right  Hand  Side  Ranges.    The  slack  or  surplus  columns  result  from  
remaining  or  excess  resources.    The  cost  coefficient  can  increase  or  decrease  without  affecting  the  
current  optimal  solution  of  5520.  That  is  what  either  output  is  called  combined  report:  Final  report  to  
the  primal  and  the  dual  problems.  

Definitions  of  LINDO  Terms  Related  to  Original  and  Dual  Wilson  Problem  
LP  Optimum:    Tells  which  step  the  optimal  solution  was  found  at.    The  original  Wilson  problem  was  
found  at  step  2  and  the  dual  problem  was  found  at  step  3.      

Objective  Function  Value:  The  value  to  which  the  decision  variables  were  used  to  optimize  the  objective  
function.    The  objective  function  value  for  the  Wilson  problem  and  dual  problem  was  $5,520,  it’s  the  
same  as  we  expect.  

Variable:  In  the  original  Wilson  problem  the  decision  variables  were  X1  and  X2,  but  in  the  dual  problem  
they  were  U1,  U2,  U3  and  U4.    These  variables  represent  the  objectives  being  produced.  

Value:  The  values  of  the  decision  variables.    In  the  original  problem,  X1=360  and  X2=300,  and  in  the  dual  
problem  U1=1,  U2=2,  U3=0,  and  U4=0.    When  plugged  in  to  the  objective  function  you  will  find  the  
optimal  value  of  the  objective  function.  
Reduced  Cost:  These  values  indicate  the  amount  the  coefficient  value  in  the  objective  function  must  
increase  before  it  has  a  positive  impact  on  the  optimal  solution.    In  both  problems,  the  values  is  0,  
because  solution  to  both  problem  are  positive  numbers.  

Slack  or  Surplus:  Represents  the  lack  of  or  excess  of  resources  from  production.  

Shadow  Price:  The  amount  of  change  to  the  right  hand  side  of  a  constraint  and  is  also  the  solution  to  the  
dual  problem.    For  example,  the  dual  prices  in  the  original  Wilson  problem  were  0,  0,  2,  1  and  are  the  
solution  for  the  dual  problem  being  U1=1,  U2=2,  U3=0,  and  U4=0.    The  dual  prices  in  the  dual  problem  
were  360  and  300,  which  are  the  solutions  for  the  optimal  value  for  X1  and  X2.  

What  if  Analysis  

1) For  the  first  what  if  analysis,  I  decided  to  delete  a  constraint.    The  constraint  I  deleted  
was  the  amount  of  cowhide  allowed  for  production  of  baseballs  and  softballs.  This  
constraint  is  binding  which  means  it  will  change  the  optimal  solution.  The  deletion  of  
this  constraint  yielded  a  surplus  of  270  for  softballs.    It  takes  less  time  to  produce  
baseballs,  so  with  no  limit  to  the  amount  of  cowhide  for  production,  Wilson  would  
utilize  production  of  baseballs.    The  optimal  solution  of  the  deleted  constraint  would  
maximize  profit  at  $5800,  with  production  of  500  baseballs,  and  230  softballs.    The  
LINDO  results  were:  

Maximize  7X1  +  10X2  

Subject  to  

X1  <  500  

X2  <  500  

X1  +  2X2  <  960  

END  

LP  OPTIMUM  FOUND  AT  STEP            1  

               OBJECTIVE  FUNCTION  VALUE  

               1)            5800.000  

 
   VARIABLE                VALUE                    REDUCED  COST  

               X1              500.000000                    0.000000  

               X2              230.000000                    0.000000  

             ROW      SLACK  OR  SURPLUS          DUAL  PRICES  

               2)                  0.000000                    2.000000  

               3)              270.000000                    0.000000  

               4)                  0.000000                    5.000000  

 NO.  ITERATIONS=              1  

 RANGES  IN  WHICH  THE  BASIS  IS  UNCHANGED:  

                                                     OBJ  COEFFICIENT  RANGES  

 VARIABLE                  CURRENT                ALLOWABLE                ALLOWABLE  

                                     COEF                    INCREASE                  DECREASE  

             X1                7.000000                  INFINITY                  2.000000  

             X2              10.000000                  4.000000                10.000000  

                                                     RIGHTHAND  SIDE  RANGES  

           ROW                  CURRENT                ALLOWABLE                ALLOWABLE  

                                       RHS                    INCREASE                  DECREASE  

               2            500.000000              460.000000              500.000000  

               3            500.000000                  INFINITY              270.000000  

               4            960.000000              540.000000              460.000000  

2)  For  the  second  what  if  analysis,  I  decided  to  add  a  variable.    I  decided  to  add  the  production  of  a  
cricket  ball.    Cricket  balls  are  similar  to  baseballs  with  a  core  and  the  use  of  hide  for  the  outer  
cover.    Since  there  will  be  no  change  to  the  amount  of  cowhide  or  time  available  for  production,  
there  will  probably  be  no  change  to  the  objective  function.    The  profit  per  cricket  ball  will  be  $5  
and  the  maximum  amount  of  cricket  balls  produced  daily  will  be  300.  It  will  take  3  sq.  ft.  of  hide  
per  dozen  cricket  balls  and  take  90  seconds  to  produce  each  dozen.    After  solving  the  new  
variable  in  LINDO,  the  optimal  solution  did  not  change  and  showed  that  the  production  of  the  
cricket  ball  is  not  necessary.      That  is,  it  is  not  profitable  to  produce  the  new  product.  
 

One  can  see  that  by  considering  what  goes  into  the  new  product  1.5($1)  +  3($2)  =  $7.5  which  more  that  
net  profit  of  5.  Therefore  do  not  product.  The  following  report  confirms  it.  

The  objective  coefficient  ranges  remained  the  same  except  for  the  allowable  decrease  of  softballs.    
LINDO  results:  

Maximize  7X1  +  10X2  +  5X3  

Subject  to  

X1  <  500  

X2  <  500  

X3  <  300  

X1  +  2X2  +  1.5X3<  960  

5X1  +  6X2  +  3X3  <  3600  

END  

LP  OPTIMUM  FOUND  AT  STEP            2  

               OBJECTIVE  FUNCTION  VALUE  

               1)            5520.000  
 

   VARIABLE                VALUE                    REDUCED  COST  

               X1              360.000000                    0.000000  

               X2              300.000000                    0.000000  

               X3                  0.000000                    1.000000  

             ROW      SLACK  OR  SURPLUS          DUAL  PRICES  

               2)              140.000000                    0.000000  

               3)              200.000000                    0.000000  

               4)              300.000000                    0.000000  

               5)                  0.000000                    2.000000  

               6)                  0.000000                    1.000000  

 NO.  ITERATIONS=              2  

 RANGES  IN  WHICH  THE  BASIS  IS  UNCHANGED:  

                                                     OBJ  COEFFICIENT  RANGES  

 VARIABLE                  CURRENT                ALLOWABLE                ALLOWABLE  

                                     COEF                    INCREASE                  DECREASE  

             X1                7.000000                  1.333333                  2.000000  

             X2              10.000000                  4.000000                  0.888889  

             X3                5.000000                  1.000000                  INFINITY  

 

                                                     RIGHTHAND  SIDE  RANGES  

           ROW                  CURRENT                ALLOWABLE                ALLOWABLE  

                                       RHS                    INCREASE                  DECREASE  

               2            500.000000                  INFINITY              140.000000  

               3            500.000000                  INFINITY              200.000000  

               4            300.000000                  INFINITY              300.000000  

               5            960.000000              160.000000                93.333336  

               6          3600.000000              280.000000              720.000000  

3) For  the  next  what  if  analysis,  I  decided  to  add  to  the  amount  of  time  allowed  for  production.    I  
increases  the  amount  of  time  allowed  for  production  from  960  minutes  to  1500  minutes  per  
day.    Since  Wilson  manufacturing  makes  more  profit  from  softballs,  you  would  think  that  the  
amount  of  softballs  produced  would  increase  with  them  having  more  time  to  produce  them.    
With  all  other  constraints  kept  the  same,  I  plugged  the  new  problem  into  LINDO.    The  amount  of  
softballs  produced  increased  from  300  dozen  to  500  dozen  per  day,  and  the  amount  of  baseballs  
produced  decreased  from  360  dozen  to  120  dozen  per  day.    The  surplus  of  baseballs  was  380  
dozen  for  both  quantity  and  time.      With  the  amount  of  production  time  increased,  Wilson’s  
profits  were  increased  to  $5,840.    LINDO  results:  

Maximize  7X1  +  10X2    

Subject  to  

X1  <  500  

X2  <  500  

X1  +  2X2  <  1500  

5X1  +  6X2  <  3600  

END  

LP  OPTIMUM  FOUND  AT  STEP            2  

               OBJECTIVE  FUNCTION  VALUE  

 

               1)            5840.000  

   VARIABLE                VALUE                    REDUCED  COST  

               X1              120.000000                    0.000000  

               X2              500.000000                    0.000000  

             ROW      SLACK  OR  SURPLUS          DUAL  PRICES  

               2)              380.000000                    0.000000  

               3)                  0.000000                    1.600000  

               4)              380.000000                    0.000000  

               5)                  0.000000                    1.400000  

 NO.  ITERATIONS=              2  

 RANGES  IN  WHICH  THE  BASIS  IS  UNCHANGED:  

                                                     OBJ  COEFFICIENT  RANGES  

 VARIABLE                  CURRENT                ALLOWABLE                ALLOWABLE  

                                     COEF                    INCREASE                  DECREASE  

             X1                7.000000                  1.333333                  7.000000  

             X2              10.000000                  INFINITY                  1.600000  

 
                                                     RIGHTHAND  SIDE  RANGES  

           ROW                  CURRENT                ALLOWABLE                ALLOWABLE  

                                       RHS                    INCREASE                  DECREASE  

               2            500.000000                  INFINITY              380.000000  

               3            500.000000                99.999992              316.666656  

               4          1500.000000                  INFINITY              380.000000  

               5          3600.000000            1900.000000              600.000000  

4) The  last  what  if  analysis  I  decided  to  analyze  was  the  deletion  of  a  variable.    I  decided  to  delete  
the  production  of  baseballs.    The  profit  should  decrease  because  the  production  of  both  
baseballs  and  softballs  with  the  current  constraints  are  necessary  to  maximize  profit.    With  the  
deletion  of  baseballs,  Wilson’s  profit  from  softball  production  was  $5,000  with  the  production  of  
500  dozen  softballs  per  day.    The  surplus  of  time  was  460  minutes  and  the  surplus  of  cowhide  
was  600  square  feet.    If  you  were  to  delete  softballs  instead  of  baseballs,  the  profit  from  
baseballs  would  be  $3,500,  with  a  surplus  of  460  minutes  and  1100  square  feet  of  cowhide.    So  
it  would  be  more  profitable  to  produce  only  softballs  than  only  baseballs,  with  fewer  surpluses  
of  materials.    But  it  would  still  be  better  to  produce  both  baseballs  and  softballs  with  the  original  
constraints  provided.  LINDO  Results  for  both  scenario’s:  
a. Maximize  10X  

Subject  to  

X<  500  

X  <  960  

6X  <  3600  

END  

 LP  OPTIMUM  FOUND  AT  STEP            1  

               OBJECTIVE  FUNCTION  VALUE  

 

               1)            5000.000  

   VARIABLE                VALUE                    REDUCED  COST  

                 X              500.000000                    0.000000  

             ROW      SLACK  OR  SURPLUS          DUAL  PRICES  

               2)                  0.000000                  10.000000  

               3)              460.000000                    0.000000  

               4)              600.000000                    0.000000  

 NO.  ITERATIONS=              1  

 RANGES  IN  WHICH  THE  BASIS  IS  UNCHANGED:  

                                                     OBJ  COEFFICIENT  RANGES  

 VARIABLE                  CURRENT                ALLOWABLE                ALLOWABLE  

                                     COEF                    INCREASE                  DECREASE  

               X              10.000000                  INFINITY                10.000000  

                                                     RIGHTHAND  SIDE  RANGES  

           ROW                  CURRENT                ALLOWABLE                ALLOWABLE  

                                       RHS                    INCREASE                  DECREASE  

               2            500.000000              100.000000              500.000000  

               3            960.000000                  INFINITY              460.000000  

               4          3600.000000                  INFINITY              600.000000  

     

b. Maximize  7X  

Subject  to  

X<  500  

X  <  960  

5X  <  3600  

END  

  LP  OPTIMUM  FOUND  AT  STEP            0  

               OBJECTIVE  FUNCTION  VALUE  

               1)            3500.000  

   VARIABLE                VALUE                    REDUCED  COST  

                 X              500.000000                    0.000000  

             ROW      SLACK  OR  SURPLUS          DUAL  PRICES  

               2)                  0.000000                    7.000000  

               3)              460.000000                    0.000000  

               4)            1100.000000                    0.000000  

 NO.  ITERATIONS=              0  

 RANGES  IN  WHICH  THE  BASIS  IS  UNCHANGED:  

                                                     OBJ  COEFFICIENT  RANGES  

 VARIABLE                  CURRENT                ALLOWABLE                ALLOWABLE  

                                     COEF                    INCREASE                  DECREASE  

               X                7.000000                  INFINITY                  7.000000  

                                                     RIGHTHAND  SIDE  RANGES  

           ROW                  CURRENT                ALLOWABLE                ALLOWABLE  

                                       RHS                    INCREASE                  DECREASE  

               2            500.000000              220.000000              500.000000  

               3            960.000000                  INFINITY              460.000000  

               4          3600.000000                  INFINITY            1100.000000