The data obtained to develop these

The data obtained to develop these estimates often are rather crude or non-existent, so that the parameters in the original formulation may represent little more than
quick rules of thumb provided by harassed line personnel. The data may even represent
deliberate overestimates or underestimates to protect the interests of the estimators.
The data may even represent
deliberate overestimates or underestimates to protect the interests of the estimators.
Thus, the successful manager and operations research staff will maintain a healthy
skepticism about the original numbers coming out of the computer and will view them in
many cases as only a starting point for further analysis of the problem. An “optimal” so-
lution is optimal only with respect to the specific model being used to represent the real
problem, and such a solution becomes a reliable guide for action only after it has been ver-
ified as performing well for other reasonable representations of the problem. Furthermore,
) sometimes are set as a result of managerial policy
the model parameters (particularly b
i
decisions (e.g., the amount of certain resources to be made available to the activities), and
these decisions should be reviewed after their potential consequences are recognized.
For these reasons it is important to perform sensitivity analysis to investigate the ef-
fect on the optimal solution provided by the simplex method if the parameters take on
other possible values. Usually there will be some parameters that can be assigned any rea-
sonable value without the optimality of this solution being affected. However, there may
also be parameters with likely alternative values that would yield a new optimal solution.
This situation is particularly serious if the original solution would then have a substan-
tially inferior value of the objective function, or perhaps even be infeasible!
Therefore,one main purpose of sensitivity analysis is to identify the sensitive param-
eters (i.e., the parameters whose values cannot be changed without changing the optimal
solution). For certain parameters that are not categorized as sensitive, it is also very help-
ful to determine the range of values of the parameter over which the optimal solution will
remain unchanged. (We call this range of values the allowable range to stay optimal.) In
some cases, changing a parameter value can affect the feasibility of the optimal BF solu-
tion. For such parameters, it is useful to determine the range of values over which the op-
timal BF solution (with adjusted values for the basic variables) will remain feasible. (We
call this range of values the allowable range to stay feasible.) In the next section, we will
describe the specific procedures for obtaining this kind of information.
Such information is invaluable in two ways. First, it identifies the more important pa-
rameters, so that special care can be taken to estimate them closely and to select a solu-
tion that performs well for most of their likely values. Second, it identifies the parame-
ters that will need to be monitored particularly closely as the study is implemented. If it
is discovered that the true value of a parameter lies outside its allowable range, this im-
mediately signals a need to change the solution.
For small problems, it would be straightforward to check the effect of a variety of
changes in parameter values simply by reapplying the simplex method each time to see
if the optimal solution changes. This is particularly convenient when using a spreadsheet
formulation. Once the Solver has been set up to obtain an optimal solution, all you have
to do is make any desired change on the spreadsheet and then click on the Solve button
again.
However, for larger problems of the size typically encountered in practice, sensitiv-
ity analysis would require an exorbitant computational effort if it were necessary to reap-
ply the simplex method from the beginning to investigate each new change in a parame-
ter value. Fortunately, the fundamental insight discussed in Sec. 5.3 virtually eliminates
computational effort.

Kết quả (Việt) 1:

Các dữ liệu thu được để phát triển những ước tính thường là khá thô hoặc không tồn tại, do đó các thông số trong công thức ban đầu có thể đại diện cho ít hơnnhanh chóng quy tắc của ngón tay cái được cung cấp bởi dòng quấy nhiễu nhân. Các dữ liệu có thể thậm chí đại diệncố ý eo hoặc xuẩn để bảo vệ lợi ích của các estimators. Các dữ liệu có thể thậm chí đại diệncố ý eo hoặc xuẩn để bảo vệ lợi ích của các estimators.Do đó, các nhân viên quản lý và hoạt động nghiên cứu thành công sẽ duy trì một lành mạnhhoài nghi về bản gốc số sắp ra khỏi máy tính và sẽ xem chúng trongnhiều trường hợp như chỉ một bắt đầu từ điểm để tiếp tục phân tích của vấn đề. Một "tối ưu" vậy...lution là tối ưu chỉ đối với các mô hình cụ thể được sử dụng để đại diện cho realvấn đề, và một giải pháp sẽ trở thành một hướng dẫn đáng tin cậy cho hành động chỉ sau khi nó đã là ver-ified như thực hiện tốt cho khác hợp lý của vấn đề. Hơn nữa,) đôi khi được thiết lập là kết quả của chính sách quản lýCác thông số mô hình (đặc biệt là btôiquyết định (ví dụ, số lượng tài nguyên nhất định phải được thực hiện có sẵn cho các hoạt động), vàCác quyết định cần được xem xét sau khi hậu quả tiềm năng của họ được công nhận.Vì những lý do nó là rất quan trọng để thực hiện phân tích độ nhạy để điều tra ef-fect trên giải pháp tối ưu cung cấp bởi các phương pháp simplex nếu các thông số có trênCác giá trị có thể khác. Thông thường sẽ có một số thông số có thể được chỉ định bất kỳ rea-sonable các giá trị mà không có điều giải pháp này bị ảnh hưởng. Tuy nhiên, có thểcũng có các tham số với các giá trị có khả năng thay thế mà sẽ mang lại một giải pháp tối ưu mới.Tình trạng này là đặc biệt nghiêm trọng nếu các giải pháp ban đầu sau đó sẽ có một substan-tially kém giá trị hàm mục tiêu, hoặc có lẽ thậm chí được infeasible!Vì vậy, một trong những mục đích chính của phân tích độ nhạy là xác định các param nhạy cảm-eters (tức là, các tham số có giá trị không thể thay đổi mà không thay đổi sự tối ưugiải pháp). Đối với một số thông số chưa được phân loại là nhạy cảm, nó cũng là rất giúp đỡ-ful để xác định phạm vi của các giá trị của tham số mà sẽ là giải pháp tối ưuvẫn không thay đổi. (Chúng tôi gọi này phạm vi giá trị phạm vi cho phép ở lại tối ưu.) Ởmột số trường hợp, thay đổi một giá trị tham số có thể ảnh hưởng đến tính khả thi của việc tối ưu BF solu-tion. Đối với các thông số như vậy, nó là hữu ích để xác định phạm vi của các giá trị mà op -giải pháp BF timal (với các giá trị điều chỉnh cho các yếu tố cơ bản) sẽ vẫn còn khả thi. (Chúng tôigọi này phạm vi giá trị phạm vi cho phép ở lại khả thi.) Trong phần tiếp theo, chúng tôi sẽMô tả các thủ tục cụ thể cho việc thu thập loại thông tin.Những thông tin đó là vô giá trong hai cách. Đầu tiên, nó xác định quan trọng hơn nữa-rameters, do đó, chăm sóc đặc biệt mà có thể được thực hiện để ước tính họ chặt chẽ và chọn một solu-tion thực hiện tốt cho hầu hết các giá trị có khả năng của họ. Thứ hai, nó xác định parame-ters mà sẽ cần phải được theo dõi đặc biệt là chặt chẽ nghiên cứu được thực hiện. Nếu nóđược phát hiện ra rằng giá trị thực sự của một tham số nằm bên ngoài của nó phạm vi cho phép, im-mediately tín hiệu cần phải thay đổi giải pháp.Cho các vấn đề nhỏ, nó sẽ được đơn giản để kiểm tra hiệu quả của một loạt cácnhững thay đổi trong giá trị tham số chỉ đơn giản bằng reapplying simplex phương pháp mỗi lần xemNếu thay đổi các giải pháp tối ưu. Điều này đặc biệt thuận tiện khi sử dụng một bảng tínhxây dựng. Một khi giải đã được thiết lập để có được một giải pháp tối ưu, tất cả các bạn cóđể làm là làm cho bất kỳ thay đổi mong muốn trên các bảng tính và sau đó bấm vào nút giải quyếtmột lần nữa.Tuy nhiên, đối với các vấn đề lớn hơn kích thước thường gặp trong thực tế, sensitiv-Anh phân tích sẽ đòi hỏi một nỗ lực tính toán cắt cổ nếu nó là cần thiết để gặt hái-lớp phương pháp simplex từ đầu để điều tra mỗi thay đổi mới trong một parame-giá trị Ter. May mắn thay, sự thấu hiểu cơ bản đã thảo luận trong Sec. 5.3 hầu như loại bỏnỗ lực tính toán.

Kết quả (Việt) 2:

Các dữ liệu thu được để phát triển những ước tính thường khá thô hoặc không tồn tại, do đó các thông số trong công thức ban đầu có thể đại diện cho hơn chút so với
quy tắc của ngón tay cái nhanh chóng được cung cấp bởi các nhân viên đường quấy rối. Các dữ liệu thậm chí có thể đại diện cho
ước lượng quá cố ý hoặc đánh giá thấp để bảo vệ lợi ích của người dự toán.
Các dữ liệu thậm chí có thể đại diện cho
ước lượng quá cố ý hoặc đánh giá thấp để bảo vệ lợi ích của người dự toán.
Vì vậy, người quản lý và nhân viên điều hành nghiên cứu thành công sẽ duy trì một sức khỏe
hoài nghi về số gốc ra khỏi máy tính và sẽ xem chúng trong
nhiều trường hợp như là chỉ có một điểm khởi đầu để phân tích thêm về vấn đề này. Một "tối ưu" Xô
lution là tối ưu chỉ đối với các mô hình cụ thể với được sử dụng để đại diện cho các thực
vấn đề, và một giải pháp như vậy sẽ trở thành một hướng dẫn đáng tin cậy cho hành động chỉ sau khi nó đã được version
ified như hoạt động tốt cho đại diện hợp lý khác của vấn đề. Hơn nữa,
) đôi khi được thiết lập như là một kết quả của chính sách quản lý
các thông số mô hình (đặc biệt là b
i
quyết định (ví dụ, số lượng tài nguyên nhất định để được cung cấp cho các hoạt động), và
những quyết định này nên được xem xét lại sau những hậu quả tiềm năng của họ được công nhận.
Vì những lý do quan trọng là phải thực hiện phân tích độ nhạy để điều tra cách hiệu
fect về các giải pháp tối ưu được cung cấp bởi các phương pháp simplex nếu các thông số đưa vào
giá trị có thể khác. thông thường sẽ có một số thông số có thể được chỉ định bất kỳ rea
giá trị mà không sonable sự tối ưu của giải pháp này bị ảnh hưởng. Tuy nhiên, có thể
cũng là thông số có giá trị thay thế có thể sẽ mang lại một giải pháp tối ưu mới.
tình trạng này là đặc biệt nghiêm trọng nếu các giải pháp ban đầu sau đó sẽ có một substan-
tially kém giá trị của hàm mục tiêu, hoặc thậm chí là không khả thi!
Vì vậy, một trong những mục đích chính của phân tích độ nhạy là xác định các param- nhạy cảm
eters (tức là, các tham số có giá trị không thể thay đổi mà không thay đổi tối ưu
giải pháp). Đối với một số thông số mà không được phân loại là nhạy cảm, nó cũng rất Help-
ful để xác định phạm vi của các giá trị của tham số trong đó giải pháp tối ưu sẽ
không thay đổi. (Chúng tôi kêu gọi phạm vi này của các giá trị phạm vi cho phép ở lại tối ưu). Trong
một số trường hợp, việc thay đổi giá trị tham số có thể ảnh hưởng đến tính khả thi của BF tối ưu solu-
tion. Đối với các thông số như vậy, nó rất hữu ích để xác định phạm vi của các giá trị trong đó các op-
giải pháp timal BF (với các giá trị điều chỉnh cho các biến cơ bản) sẽ vẫn khả thi. (Chúng tôi
gọi phạm vi này của các giá trị phạm vi cho phép ở lại khả thi). Trong phần tiếp theo, chúng tôi sẽ
mô tả các thủ tục cụ thể để thu thập các thông tin này.
Những thông tin này là vô giá trong hai cách. Đầu tiên, nó xác định các nhân quan trọng hơn
rameters, để chăm sóc đặc biệt có thể được thực hiện để ước tính họ chặt chẽ và để chọn một solu-
sự thể hoạt động tốt nhất của các giá trị có thể của chúng. Thứ hai, nó xác định các tham số
ters mà sẽ cần phải được theo dõi chặt chẽ đặc biệt là nghiên cứu được thực hiện. Nếu nó
được phát hiện ra rằng giá trị đích thực của một tham số nằm ngoài phạm vi cho phép của nó, điều này trọng
mediately tín hiệu cần phải thay đổi các giải pháp.
Đối với những vấn đề nhỏ, nó sẽ được đơn giản để kiểm tra tác động của một loạt các
thay đổi trong giá trị tham số đơn giản bằng phương pháp nộp đơn lại simplex mỗi lần để thấy
nếu những thay đổi giải pháp tối ưu. Điều này đặc biệt thuận tiện khi sử dụng một bảng tính
xây dựng. Một khi các Solver đã được thiết lập để có được một giải pháp tối ưu, tất cả các bạn có
để làm là thực hiện bất kỳ thay đổi mong muốn trên bảng tính và sau đó nhấn vào nút Giải quyết
một lần nữa.
Tuy nhiên, đối với những vấn đề lớn hơn kích thước thường gặp trong thực tế, sensitiv-
phân tích ity sẽ đòi hỏi một nỗ lực tính toán cắt cổ nếu nó là cần thiết để reap-
lớp các phương pháp simplex từ đầu để điều tra mỗi thay đổi mới trong một tham số
giá trị ter. May mắn thay, sự hiểu biết cơ bản được thảo luận trong Sec. 5.3 hầu như loại bỏ
nỗ lực tính toán.