Programação Linear/Inteira
|
|
- João Guilherme Figueiredo Pinto
- 4 Há anos
- Visualizações:
Transcrição
1 Unidade de Matemática e Tecnologia - RC/UFG Programação Linear/Inteira Prof. Thiago Alves de Queiroz Aula 2 Thiago Queiroz (IMTec) Aula 2 Aula 2 1 / 46
2 Hipóteses de Linearidade Existem algumas hipóteses que a Linearidade deve satisfazer; Aditividade: o todo é igual à soma das partes dos componentes; Exemplo: a mistura de 1 kg de A (contendo 0,2 kg de j) somados com 1 kg de B (contendo 0,1 kg de j), resulta em 2 kg contendo 0,3 kg de j; Proporcionalidade: a contribuição de cada componente é diretamente proporcional ao valor assumido pela respectiva variável; Exemplo: se a ij expressa a quantidade do componente i em uma unidade de j, então a ij x j expressa a quantidade de i em x j unidades de j; Fracionamento: valores fracionários para as variáveis são aceitáveis; Exemplo: posso usar 1 kg de um ingrediente, bem como 0,25 kg desse ingrediente. Thiago Queiroz (IMTec) Aula 2 Aula 2 2 / 46
3 Hipóteses de Linearidade Porém, alguns problemas requerem o uso de variáveis inteiras, isto é, o arredondamento não é válido; Exemplo: variáveis que representam o número de máquinas ou veículos a serem comprados; Em outros casos, o arredondamento pode ser feito, como em variáveis que representam o número de peças a produzir; Certeza: todas as quantidades, custos e lucros são valores constantes conhecidos; Apesar destas hipóteses, modelos de otimização linear não possuem utilização limitada; Existem aplicações nas mais diversas áreas: alimentos, aeronáutica, civil, computação, florestal, produção, física, minas, naval, etc. Thiago Queiroz (IMTec) Aula 2 Aula 2 3 / 46
4 Conceitos Básicos Definição 1. A seguinte forma do problema de otimização é chamada de forma padrão. Minimizar z = c 1 x 1 + c 2 x c n x n (i) a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 sujeito a :. (ii) a m1 x 1 + a m2 x a mn x n = b m x 1 0, x 2 0,..., x n 0. (iii) (1) A função z em (1.i), a ser minimizada, representa a função objetivo; O sistema de equações lineares em (1.ii) representa as restrições do problema; As condições de não-negatividade das variáveis estão em (1.iii). Thiago Queiroz (IMTec) Aula 2 Aula 2 4 / 46
5 O problema (1) pode ser escrito em notação matricial; Minimizar z { = f (x) = c T x Ax = b sujeito a : x 0. (2) Sendo: a 11 a a 1n a 21 a a 2n A =. a m1 a m2... a mn m n c T = (c 1 c 2... c n ), o vetor de custos; a matriz dos coeficientes; x T = (x 1 x 2... x n ), o vetor das variáveis ou incógnitas; b T = (b 1 b 2... b m ), o vetor dos termos independentes ou de recursos; 0 T = ( ), o vetor nulo. Thiago Queiroz (IMTec) Aula 2 Aula 2 5 / 46
6 Solução factível Os desenvolvimentos que se seguem são para o problema na forma padrão; Definição 2. Uma solução (x 1, x 2,..., x n ) é dita factível (ou viável) se satisfizer todas as restrições (1.ii) e as condições de não-negatividade (1.iii). O conjunto de todas as soluções factíveis é chamado de região factível (ou Poliedro); Quando o poliedro é limitado, tem-se um politopo; Exemplo. Para o problema abaixo: Minimizar z = 2x 1 x 2 + 4x 3 x 1 + 2x 2 + x 3 = 3 sujeito a : x 2 + 2x 3 = 4 x 1 0, x 2 0, x 3 0. (3) a) Coloque-o na forma matricial. Diga quem é cada vetor/matriz; b) Verifique se (x 1, x 2, x 3 ) = (1, 0, 2) é uma solução factível. Qual o valor da função objetivo? Thiago Queiroz (IMTec) Aula 2 Aula 2 6 / 46
7 Resolução do Exemplo a) As matrizes/vetores são: [ ] A = a matriz dos coeficientes; c = (2 1 4) T, o vetor de custos; x = (x 1 x 2 x 3 ) T, o vetor das variáveis; b = (3 4) T, o vetor dos termos independentes; b) Sim, é uma solução factível, pois satisfaz todas as restrições. O valor da função objetivo é: f (1, 0, 2) = 10. Thiago Queiroz (IMTec) Aula 2 Aula 2 7 / 46
8 Solução Ótima Definição 3. Uma solução factível que fornece o menor valor à função objetivo z é chamada solução ótima, denotada por (x 1, x 2,..., x n). Uma solução factível é ótima se: f (x 1, x 2,..., x n) f (x 1, x 2,..., x n ) para qualquer solução factível (x 1, x 2,..., x n ); Exemplo. Para o problema abaixo: Minimizar z = 2x 1 x 2 + 4x 3 x 1 + 2x 2 + x 3 = 3 sujeito a : x 2 + 2x 3 = 4 x 1 0, x 2 0, x 3 0. (4) a) Qual das duas soluções é melhor: (1,0,2) ou (0,25; 0,5; 1,75)? b) Existe alguma solução melhor que as do item (a)? Conclua observando (0; 2 3 ; 5 3 ). Thiago Queiroz (IMTec) Aula 2 Aula 2 8 / 46
9 Resolução do Exemplo a) Observe que f (1, 0, 2) = 10 e f (0, 25; 0, 5; 1, 75) = 7; Logo (x 1, x 2, x 3 ) = (0, 25; 0, 5; 1, 75) é melhor para o problema; b) Note que f (0; 2 3 ; 5 3 ) = 6, tem valor melhor que os valores da função objetivo obtidos com as soluções do item (a); Logo, existe solução (ou soluções) melhor que as do item (a). Thiago Queiroz (IMTec) Aula 2 Aula 2 9 / 46
10 Transformação de problemas Existem outras formas de problemas de otimização linear, com: maximizar, restrições de desigualdade ou variáveis livres; Porém, existem maneiras de transformar o modelo/problema para a forma padrão; Encontrar uma solução que maximize a função objetivo, ou seja, um x* tal que: f(x*) f(x), para toda solução x factível, equivale a: Multiplicar a função objetivo por -1, resultando em: -f(x*) -f(x), para toda solução x factível. Ou seja, equivale a encontrar uma solução x* que minimize -f(x*); Logo: maximizar f(x) é equivalente à minimizar -f(x). Thiago Queiroz (IMTec) Aula 2 Aula 2 10 / 46
11 Restrições de desigualdade As restrições poderiam aparecer na forma de inequações; Dada uma restrição: a 1 x 1 + a 2 x a n x n b, a quantidade que falta para alcançar b é: x k = b a 1 x 1 + a 2 x a n x n 0; Ou seja, a desigualdade a 1 x 1 + a 2 x a n x n b torna-se: a 1 x 1 + a 2 x a n x n + x k = b, com a adição da nova variável x k 0; Dada uma restrição a 1 x 1 + a 2 x a n x n b, a quantidade que excede o valor de b é: x k = a 1 x 1 + a 2 x a n x n b 0; Thiago Queiroz (IMTec) Aula 2 Aula 2 11 / 46
12 Restrições de desigualdade Ou seja, a desigualdade a 1 x 1 + a 2 x a n x n b torna-se: a 1 x 1 + a 2 x a n x n x k = b, com a subtração da nova variável x k 0; As variáveis adicionais são chamadas de variáveis de folga; No caso da desigualdade do tipo, a variável introduzida é chamada de variável de excesso; Essas variáveis deixam o problema com restrições de igualdade e mantêm as condições de não-negatividade; Thiago Queiroz (IMTec) Aula 2 Aula 2 12 / 46
13 Variáveis livres É uma variável irrestrita de sinal no problema, isto é, x i R; Pode ser substituída por outras duas variáveis não-negativas; Observe que qualquer número pode ser sempre escrito como a diferença de dois outros não-negativos. Para uma variável x i, temos: x i = x + i x i, com x + i 0 e x i 0; Então, basta substituir x i por (x + i x i ) no problema; Exemplo. Escreva o problema abaixo na forma padrão: Maximizar z = 2x 1 3x 2 + 3x 3 x 1 + 2x 2 x 3 3 sujeito a : 2x 1 + x 2 + 2x 3 1 x 1 R, x 2 0, x 3 0. (5) Thiago Queiroz (IMTec) Aula 2 Aula 2 13 / 46
14 Resolução do Exemplo Multiplicar a função objetivo por -1, para ser de minimização; Criar a variável de excesso x 4 0, para a primeira restrição; Criar a variável de folga x 5 0, para a segunda restrição; Redefinir a variável livre x 1 como x 1 = (x + 1 x 1 ), criando as novas variáveis x e x 1 0; Reescrever o problema com as novas definições/variáveis criadas, resultando em: Minimizar z = 2(x + 1 x 1 ) + 3x 2 3x 3 (x + 1 x 1 ) + 2x 2 x 3 x 4 = 3 sujeito a : 2(x + 1 x 1 ) + x 2 + 2x 3 + x 5 = 1 x + 1 0, x 1 0, x 2 0, x 3 0, x 4 0, x 5 0. (6) Thiago Queiroz (IMTec) Aula 2 Aula 2 14 / 46
15 Expressões na forma Padrão Outras formas de escrever o problema padrão é: Minimizar z = sujeito a : n c j x j j=1 n a j x j = b j=1 x j 0, j = 1,..., n. (7) Sendo: a 1j a 2j a mj a j = : j-ésima coluna da matriz A, que são os coeficientes. que multiplicam x j ; Thiago Queiroz (IMTec) Aula 2 Aula 2 15 / 46
16 Resolução Gráfica A representação gráfica permite intuir várias propriedades e obter um método de solução geral; Aplica-se a problemas de duas variáveis: a representação acontece no plano cartesiano (x,y); Aplica-se a problemas de três variáveis: a representação acontece no espaço (x,y,z); Desenha-se primeiro a região de todas as soluções factíveis; Em seguida, determina a solução que fornece o menor valor de função objetivo (no caso de minimização); Thiago Queiroz (IMTec) Aula 2 Aula 2 16 / 46
17 O Caso Geral Para uma reta qualquer a 1 x 1 + a 2 x 2 = b, um vetor perpendicular a essa reta é a T = (a 1, a 2 ), ou seja, calculando o gradiente da função; O vetor gradiente de uma função de duas variáveis é f (x 0, y 0 ) = ( f (x 0, y 0 ) ; f (x 0, y 0 ) ); x y O vetor gradiente aponta para a direção de crescimento da função; Para desenhar o vetor, considere um ponto x sobre a reta como sendo o ponto inicial do vetor; O ponto final do vetor é dado por x = x + δa, para δ > 0; O vetor desenhado desta forma aponta no sentido de crescimento, isto é, para a 1 x 1 + a 2 x 2 > b, pois δ > 0; Thiago Queiroz (IMTec) Aula 2 Aula 2 17 / 46
18 O Caso Geral A mesma definição se aplica no R n, de forma que a equação a T x = b define um hiperplano em que o vetor a é perpendicular; Para encontrar a solução ótima, seguimos o mesmo raciocínio; Pega-se inicialmente uma solução factível qualquer x ; Seja f (x ) = c T x = f o valor da função objetivo em x ; Desenha-se a curva de nível f (x) = f, com o gradiente de f igual ao vetor c; O gradiente aponta para os pontos tais que f (x) > f ; Então, seguimos o sentido do gradiente para Maximização e, o sentido contrário para minimização, até chegar em uma curva de nível limite que intercepta a região factível; Thiago Queiroz (IMTec) Aula 2 Aula 2 18 / 46
19 O Caso Geral A solução ótima x* é uma solução factível chamada vértice ou ponto extremo do poliedro; Os vértices são determinados pela interseção de (pelo menos) duas retas que definem a fronteira de S; Sabe-se que se um problema tem uma solução ótima, então existe um vértice ótimo; Exemplo. Determine a solução do problema de programação linear pelo método gráfico: Maximizar z = x 1 + x 2 3x 1 + x 2 2 x 2 3 sujeito a : x 1 + x 2 9 3x 1 + x 2 18 x 1 0, x 2 0. (8) Thiago Queiroz (IMTec) Aula 2 Aula 2 19 / 46
20 Exemplo de Resolução Gráfica Considere o seguinte problema de otimização linear: Maximizar z = x 1 + 2x 2 x 1 + x 2 4 x sujeito a : 1 2 x 2 3 x 1 0, x 2 0. (9) A região factível é dada por: S = {(x 1, x 2 ) tal que x 1 + x 2 4, x 1 2, x 2 3, x 1 0, x 2 0}; A região S, que é um poliedro, consiste no conjunto de pontos que satisfazem simultaneamente todas as restrições do problema. Thiago Queiroz (IMTec) Aula 2 Aula 2 20 / 46
21 Desenhando a Região S Represente primeiro os pontos (a região) que satisfazem as condições de não-negatividade; Figura: Região para x 1 0, x 2 0. Note que corresponde ao primeiro quadrando do plano cartesiano; Thiago Queiroz (IMTec) Aula 2 Aula 2 21 / 46
22 Desenhando a Região S Represente os pontos que também satisfazem a primeira restrição de desigualdade: x 1 + x 2 4; Primeiro, identifique os pontos que satisfazem: x 1 + x 2 = 4; Em seguida, identifique os pontos que satisfazem x 1 + x 2 4; Para tanto, considere f (x 1, x 2 ) = x 1 + x 2 4 = 0 e calcule o gradiente f (x 1, x 2 ) = (1, 1); Ou seja, resulta no vetor perpendicular a função x 1 + x 2 = 4 que cresce na direção do vetor (1, 1) partindo de um ponto da reta; Thiago Queiroz (IMTec) Aula 2 Aula 2 22 / 46
23 Desenhando a Região S Portanto, os pontos do lado para o qual o vetor (1, 1) T aponta são tais que: x 1 + x 2 > 4; Os pontos do lado oposto à aquele para o qual o vetor (1, 1) T aponta são tais que: x 1 + x 2 < 4; A reunião dos pontos que satisfazem x 1 + x 2 < 4 e x 1 + x 2 = 4 é o que se deseja; Figura: Região para x 1 + x 2 4, x 1 0, x 2 0. Thiago Queiroz (IMTec) Aula 2 Aula 2 23 / 46
24 Desenhando a Região S Repete-se o raciocínio para as restrições x 1 2 e x 2 3; A figura abaixo mostra a região para somente a restrição x 1 2; Figura: Região para x 1 2. Thiago Queiroz (IMTec) Aula 2 Aula 2 24 / 46
25 Desenhando a Região S A figura abaixo mostra a região para somente a restrição x 2 3; Figura: Região para x 2 3. Thiago Queiroz (IMTec) Aula 2 Aula 2 25 / 46
26 Desenhando a Região S A figura seguinte mostra a interseção de todas as regiões representadas nas figuras anteriores; Figura: Região factível S. A interseção de todas as regiões define a região factível S; Como a região factível (poliedro) é limitada, tem-se um politopo. Thiago Queiroz (IMTec) Aula 2 Aula 2 26 / 46
27 Obtendo a Solução Ótima A função objetivo f (x 1, x 2 ) = x 1 + 2x 2, sobre o conjunto S, pode assumir infinitos valores; Define-se o conjunto de pontos que atribui o mesmo valor à função objetivo de curva de nível; Ou seja, para o caso em exemplo, os pontos que fazem f (x 1, x 2 ) = f, para um f qualquer; Considera-se um f, por exemplo f = 0, resultando em: f (x 1, x 2 ) = x 1 + 2x 2 = 0; Ou seja, em x 1 + 2x 2 = 0 com f (x 1, x 2 ) = (1, 2); Logo, desenha-se a curva de nível f (x 1, x 2 ) = x 1 + 2x 2 = 0 e marcamos a direção de crescimento de acordo com o vetor gradiente; Se o problema for de maximizar, desenham-se curvas de nível no sentido de crescimento do gradiente até obter uma curva de nível limite (fronteira entre S é o lado externo); Thiago Queiroz (IMTec) Aula 2 Aula 2 27 / 46
28 Obtendo a Solução Ótima Para o problema em questão, traça-se a curva de nível x 1 + 2x 2 = 0 e observa-se que há curvas de níveis que permitem melhorar o valor da função objetivo; Por exemplo, a curva x 1 + 2x 2 = 2. A curva x 1 + 2x 2 = 7 é uma curva limite ; Logo, o ponto extremo (x 1, x 2 ) = (1, 3) é a solução ótima x, resultando em f (x ) = f (x 1, x 2 ) = 7; Figura: Determinando a solução ótima. Thiago Queiroz (IMTec) Aula 2 Aula 2 28 / 46
29 Outras Situações Quando a região factível é limitada, então existe uma solução ótima; Figura: Única solução ótima. Thiago Queiroz (IMTec) Aula 2 Aula 2 29 / 46
30 Outras Situações A região factível pode ser ilimitada, porém podemos ter uma única solução ótima; Figura: Única solução ótima. Thiago Queiroz (IMTec) Aula 2 Aula 2 30 / 46
31 Outras Situações Podemos ter o caso com infinitas soluções ótimas, mas com mesmo valor de função objetivo; Figura: Infinitas soluções ótimas. Thiago Queiroz (IMTec) Aula 2 Aula 2 31 / 46
32 Outras Situações O problema pode não ter uma solução ótima, apesar de ter soluções factíveis. Neste caso, a solução é ilimitada; Figura: Solução Ilimitada. Thiago Queiroz (IMTec) Aula 2 Aula 2 32 / 46
33 Outras Situações A inexistência de solução ótima pode ocorrer quando inexiste solução factível, isto é, as restrições são conflitantes, S = ; Figura: Não existe região factível. Thiago Queiroz (IMTec) Aula 2 Aula 2 33 / 46
34 Teoria Básica e o Método Simplex Um dos métodos mais importantes da otimização linear é o o método simplex; A teoria é desenvolvida sobre o problema na forma padrão (7); Vejamos algumas propriedades considerando a região factível S definida pelas restrições: Otimizar z sujeito a : x 1 + x 2 6 x 1 x 2 4 3x 1 + x 2 3 x 1 0, x 2 0. (10) Adicionando variáveis de folga, tem-se o problema na forma padrão: Thiago Queiroz (IMTec) Aula 2 Aula 2 34 / 46
35 Soluções Básicas Otimizar z sujeito a : x 1 + x 2 + x 3 = 6 x 1 x 2 + x 4 = 4 3x 1 + x 2 x 5 = 3 x 1 0, x 2 0. (11) O problema passa a ter cinco variáveis (x 1, x 2, x 3, x 4, x 5 ); Note, porém, que qualquer ponto de S determina unicamente essas cinco variáveis; Veja para os pontos (x 1, x 2 ) igual a A = (3, 2); B = (1,3); C = (2,4); D = (1, 5); Tais soluções são factíveis, pois satisfazem as restrições do problema; Por outro lado, os pontos E=(4,5) e F=(6,0) não pertencem a região factível; Thiago Queiroz (IMTec) Aula 2 Aula 2 35 / 46
36 Soluções Básicas Note que a fronteira da região factível é o lugar em que pelo menos uma variável se anula; Quando uma restrição tem folga nula para alguma solução, dizemos que a restrição é ativa; No caso do ponto D=(5,1), em que x 3 = 0 e x 4 = 0, a restrição é ativa. Em C=(2,4) também; Figura: Região factível e os pontos A, B, C, D, E e F. Thiago Queiroz (IMTec) Aula 2 Aula 2 36 / 46
37 Soluções Básicas Observa-se que podemos encontrar uma solução ótima entre os vértices da região factível S; Estas soluções são obtidas pela interseção de duas retas, significando que 2 variáveis (de folga) são nulas; Lembre-se do ponto D=(5,1), em que x 3 = 0 e x 4 = 0, e x 1 = 5, x 2 = 1 e x 5 = 15; Isto mostra uma maneira de obter a solução do sistema Ax = b; Note que no exemplo há m = 3 equações e n = 5 variáveis, portanto 2 variáveis independentes; Por exemplo, fixando x 3 = 0 e x 4 = 0, obtemos um sistema m m (3 3) nas variáveis restantes; Thiago Queiroz (IMTec) Aula 2 Aula 2 37 / 46
38 Soluções Básicas Fixar duas variáveis em zero não garante que teremos uma solução factível; Veja F=(6,0), sendo x 2 = 0 e x 3 = 0, satisfaz Ax = b, porém não satisfaz às condições de não-negatividade; Conclusão. Podemos obter soluções fixando as variáveis independentes e resolvendo o sistema restante m m de Ax = b; Vejamos como rearranjar o sistema agrupando as n m variáveis independentes, que devem ser fixas, e as m variáveis dependentes; Voltando ao exemplo em que x 3 e x 4 foram escolhidas como fixas. Então: x 1 + x 2 + x 3 6 x 1 + x 2 x 3 6 Ax = b x 1 x 2 + x 4 = 4 x 1 x 2 + x 4 = 4 3x 1 + x 2 x 5 3 3x 1 + x 2 x Thiago Queiroz (IMTec) Aula 2 Aula 2 38 / 46
39 Soluções Básicas Em notação matricial, Bx B + Nx N = b, ou seja: x [ ] x x3 = 4 x x Denotando as colunas de A = [a 1, a 2, a 3, a 4, a 5 ], em que a i é a i-ésima coluna de A, tem-se: B = = [a 1 a 2 a 5 ] e = [a 3 a 4 ] 0 0 No sistema Ax = b cada variável multiplica sua respectiva coluna de A; Isto é, Ax = b é equivalente a a 1 x 1 + a 2 x a n x n = b; Reorganiza-se as variáveis em: x 1 [ ] x B = x 2 x3 e x N = x x 4 5 Thiago Queiroz (IMTec) Aula 2 Aula 2 39 / 46
40 Em Resumo A ideia de reorganizar as colunas para encontrar uma solução é importante no método simplex; Um modo de resolver o sistema Ax = b é fixando n m variáveis, resultando em um sistema m m; Por outro lado, pode-se escolher m colunas da matriz A que formem uma matriz invertível e fixamos as demais variáveis; E para isto, (sem perda de generalidade), parte-se da hipótese de que posto(a) = m; Por esta hipótese, m n e o sistema Ax = b tem sempre (infinitas) soluções; O grau de liberdade é n m, ou seja, tem n m variáveis sobrando; As variáveis sobrando devem ser fixadas para obter solução única; Thiago Queiroz (IMTec) Aula 2 Aula 2 40 / 46
41 Partição Básica Definição 4. Observe uma reorganização nas colunas da matriz da seguinte forma: A = [B N], em que: B m m, chamada matriz básica, é formada por m colunas de A e é invertível, dada por B = [a B1 a B2... a Bm ]; Nm (n m), chamada matriz não-básica, é formada pelas n-m colunas restantes de A, dada porn = [a N1 a N2... a N( n m)]; Essa partição nas colunas de A é chamada partição básica; [ ] xb Esta partição introduz uma partição no vetor x: x = em que: x N x B1 x B2 x B =., x N = x Bm x N1 x N2. x N( n m) chamado vetor de variáveis básicas;, chamado vetor de variáveis não-básicas. Thiago Queiroz (IMTec) Aula 2 Aula 2 41 / 46
42 Partição Básica Dada a partição básica, escrevemos o sistema Ax = b equivalentemente [ como: ] xb Ax = b [B N] = b. x N Ou seja, Bx B + Nx N = b com solução geral: x B = B 1 b B 1 Nx N ; Através da solução geral podemos determinar qualquer solução do sistema, atribuindo valores a x N e determinando as variáveis básicas em x B ; Observação: Ao introduzir o conceito de partição básica, as variáveis ficam reorganizadas por x = (x B, x N ); Thiago Queiroz (IMTec) Aula 2 Aula 2 42 / 46
43 Solução Básica Definição 5: Considere uma partição básica A = [B N] e a seguinte solução obtida ao se fixar as n m variáveis de x N em zero, isto é: ˆx B = B 1 b ˆx N = 0. A solução ˆx é chamada de solução básica; Se ˆx B = B 1 b 0, dizemos que ˆx é uma solução básica factível; Se ˆx B = B 1 b > 0, dizemos que a solução básica factível é não-degenerada; Exemplo. Veja no exemplo anterior que D=(5,1) é uma solução básica factível, isto é: x B = (x 1, x 2, x 5 ) = (5, 1, 13) e x N = (x 3, x 4 ) = (0, 0) atende a condição ˆx B = B 1b 0 e ˆx N = 0; Exemplo. Veja no exemplo anterior que F=(6,0) não é uma solução factível. Thiago Queiroz (IMTec) Aula 2 Aula 2 43 / 46
44 Vértices Propriedade 1: Considere uma região factível S = {x R n tal que Ax = b, x 0}. Um ponto x S é um vértice de S se e somente se x for uma solução básica factível; Como consequência existe um número finito de vértices, pois há um número finito de partições básicas, limitado por C n m = n! m!(n m)! ; Note que, apesar de finito, o número de vértices pode ser muito grande, principalmente em problemas práticos que envolvam centenas ou milhares de decisões (n) e m << n; Propriedade 2: Se um problema de otimização linear tem solução ótima, então existe um vértice ótimo; Ou seja, se existe uma solução ótima, existe uma solução básica factível ótima; Thiago Queiroz (IMTec) Aula 2 Aula 2 44 / 46
45 Vértices Uma consequência da Propriedade 2 é que basta procurar o ótimo entre as soluções básicas factíveis; O método simplex inicia com uma solução básica factível; E, iterativamente, busca apenas por outras soluções básicas melhores que a corrente. Um método menos eficiente consiste em: Determine todas as K soluções básicas factíveis (vértices de S): x 1, x 2,..., x k ; Determine a solução ótima xj tal que f(x j ) = mínimo {f (x k ), k = 1, 2,..., K }. Exemplo. Qual o motivo do método acima ser menos eficiente que o simplex? Note que pode ocorrer K = C n m = n! m!(n m)!. Thiago Queiroz (IMTec) Aula 2 Aula 2 45 / 46
46 Exemplos Para uma boa alimentação, o corpo necessita de vitaminas e proteínas. A necessidade mínima de vitaminas é de 32 unidades por dia e a de proteínas de 36 unidades por dia. Uma pessoa tem disponível carne e ovos para se alimentar. Cada unidade de carne contém 4 unidades de vitaminas e 6 unidades de proteínas. Cada unidade de ovo contém 8 unidades de vitaminas e 6 unidades de proteínas. Qual a quantidade diária de carne e ovos que deve ser consumida para suprir as necessidades de vitaminas e proteínas com o menor custo possível? Cada unidade de carne custa 3 unidades monetárias e cada unidade de ovo custa 2,5 unidades monetárias. a) Obtenha o modelo de otimização linear para o problema acima; b) Obtenha todas as soluções básicas factíveis para o problema acima; c) Determine a solução ótima, caso exista, do problema acima; Thiago Queiroz (IMTec) Aula 2 Aula 2 46 / 46
Otimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana
Otimização Linear Profª : Adriana Departamento de Matemática adriana@fc.unesp.br wwwp.fc.unesp.br/~adriana Forma geral de um problema Em vários problemas que formulamos, obtivemos: Um objetivo de otimização
Leia maisProgramação Linear - Parte 3
Matemática Industrial - RC/UFG Programação Linear - Parte 3 Prof. Thiago Alves de Queiroz 1/2016 Thiago Queiroz (IMTec) Parte 3 1/2016 1 / 26 O Método Simplex Encontre o vértice ótimo pesquisando um subconjunto
Leia maisProgramação Linear - Parte 5
Matemática Industrial - RC/UFG Programação Linear - Parte 5 Prof. Thiago Alves de Queiroz 1/2016 Thiago Queiroz (IMTec) Parte 5 1/2016 1 / 29 Dualidade Os parâmetros de entrada são dados de acordo com
Leia maisProgramação Linear/Inteira
Unidade de Matemática e Tecnologia - RC/UFG Programação Linear/Inteira Prof. Thiago Alves de Queiroz Aula 3 Thiago Queiroz (IMTec) Aula 3 Aula 3 1 / 45 O Método Simplex Encontre o vértice ótimo pesquisando
Leia maisProgramação Linear M É T O D O S : E S T A T Í S T I C A E M A T E M Á T I C A A P L I C A D A S D e 1 1 d e m a r ç o a 2 9 d e a b r i l d e
Programação Linear A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um problema. Existe um conjunto particular de problemas nos quais é decisivo a aplicação de um procedimento
Leia maisProgramação Linear/Inteira - Aula 5
Unidade de Matemática e Tecnologia - RC/UFG Programação Linear/Inteira - Aula 5 Prof. Thiago Alves de Queiroz Aula 5 Thiago Queiroz (IMTec) Aula 5 Aula 5 1 / 43 Análise de Sensibilidade Estudar o efeito
Leia maisOtimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana
Otimização Linear Profª : Adriana Departamento de Matemática adriana@fc.unesp.br wwwp.fc.unesp.br/~adriana Teoria da Otimização Linear Transformação de problemas na forma padrão a a b i1 1 in n i a a b
Leia maisPesquisa Operacional Modelos, Conceitos Básicos para PL. Prof. Ricardo Santos
Pesquisa Operacional Modelos, Conceitos Básicos para PL Prof. Ricardo Santos Problema do Transporte Centros de produção de produtos são denominados origens Mercados consumidores são denominados destinos
Leia maisProgramação Linear. MÉTODOS QUANTITATIVOS: ESTATÍSTICA E MATEMÁTICA APLICADAS De 30 de setembro a 13 de novembro de 2011 prof. Lori Viali, Dr.
Programação Linear São problemas complexos, muitas vezes de difícil solução e que envolvem significativas reduções de custos, melhorias de tempos de processos, ou uma melhor alocação de recursos em atividades.
Leia maisOtimização Aplicada à Engenharia de Processos
Otimização Aplicada à Engenharia de Processos Aula 4: Programação Linear Felipe Campelo http://www.cpdee.ufmg.br/~fcampelo Programa de Pós-Graduação em Engenharia Elétrica Belo Horizonte Março de 2013
Leia maisProgramação Matemática
Programação Matemática Docentes: Ana Paula, Franklina e Maristela Instituto de Ciências Matemáticas e de Computação - ICMC Universidade de São Paulo USP (Material Elaborado por Aline Leão modificado por
Leia maisMaristela Santos. Instituto de Ciências Matemáticas e de Computação Universidade de São Paulo
Programação Matemática Maristela Santos Instituto de Ciências Matemáticas e de Computação Universidade de São Paulo Forma Padrão - Definição Características da forma padrão: Problema de minimização Todas
Leia maisOtimização Linear. Conceitos básicos Álgebra Linear Introdução ao método simplex
Otimização Linear Conceitos básicos Álgebra Linear Introdução ao método simplex Revisão de Álgebra Linear Denomina-se posto ou Rank de uma matriz A, um número k tal que: a)existe pelo menos uma sub-matriz
Leia maisResolvendo algebricamente um PPL
Capítulo 6 Resolvendo algebricamente um PPL 6.1 O método algébrico para solução de um modelo linear A solução de problemas de programação linear com mais de duas variáveis, não pode ser obtida utilizando-se
Leia maisMétodos de Pesquisa Operacional
Métodos de Pesquisa Operacional Programação Linear é a parte da Pesquisa Operacional que trata da modelagem e resolução de problemas formulados com funções lineares. Programação Linear } Métodos de Resolução
Leia maisNo exemplo há duas variáveis básicas: ST e LX. Serão agora representadas, em um gráfico bidirecional, tanto as restrições como a função objetivo.
RESOLUÇÃO PELO MÉTODO GRÁFICO No exemplo há duas variáveis básicas: ST e. Serão agora representadas, em um gráfico bidirecional, tanto as restrições como a função objetivo. O modelo é: Maximizar: Sujeito
Leia maisPESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX. Prof. Angelo Augusto Frozza, M.Sc.
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX Prof. Angelo Augusto Frozza, M.Sc. ROTEIRO Esta aula tem por base o Capítulo 3 do livro de Taha (2008): Motivação Conceitos Matemáticos Iniciais
Leia maisÁLGEBRA LINEAR AULA 2
ÁLGEBRA LINEAR AULA 2 Luís Felipe Kiesow de Macedo Universidade Federal de Pelotas - UFPel 1 / 14 Sistemas de 1 2 3 4 5 6 7 2 / 14 matrizes Muitos problemas em várias áreas da Ciência recaem na solução
Leia maisα ( u 1 - u 2 ) = u 3 - u 2.
2- NOÇÕES DE CONVEXIDADE E FORMULAÇÃO MATEMÁTICA DE PROBLEMAS DE PROGRAMAÇÃO LINEAR 21 Noções de Convexidade 211 - Combinação Convexa de pontos ponto b = αx 1 Considere C um conjunto contendo os pontos
Leia maisProgramação Matemática. Método Simplex
Programação Matemática Método Simplex Forma Padrão - Revisão Características da forma padrão: Problema de minimização Todas as restrições são de igualdade Todas as variáveis são não-negativas Considerar
Leia maisPoliedros na forma padrão
Poliedros na forma padrão Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisOtimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana
Otimização Linear Profª : Adriana Departamento de Matemática adriana@fc.unesp.br wwwp.fc.unesp.br/~adriana Revisão Método Simplex Solução básica factível: xˆ xˆ, xˆ N em que xˆ N 0 1 xˆ b 0 Solução geral
Leia maisMarina Andretta. 10 de outubro de Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis.
Solução básica viável inicial Marina Andretta ICMC-USP 10 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211
Leia maisOtimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana
Otimização Linear Profª : Adriana Departamento de Matemática adriana@fc.unesp.br wwwp.fc.unesp.br/~adriana Perguntas?? Dada uma solução básica factível (vértice de S e, portanto, candidata à solução ótima),
Leia maisÁLGEBRA LINEAR SISTEMAS DE EQUAÇÕES LINEARES
ÁLGEBRA LINEAR SISTEMAS DE EQUAÇÕES LINEARES Luís Felipe Kiesow de Macedo Universidade Federal de Pelotas - UFPel 1 / 14 Sistemas de Equações Lineares 1 Sistemas e Matrizes 2 Operações Elementares 3 Forma
Leia maisTeoremas de dualidade
Teoremas de dualidade Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisModelagem Matemática de Problemas de Programação Linear
Capítulo 1 Modelagem Matemática de Problemas de Programação Linear 1.1. Introdução Neste Capítulo analisamos brevemente a estratégia usada para encontrar a modelagem matemática de um problema de programação
Leia maisMS428 - RESOLUÇÃO DA PROVA 02-19/10/2010 Prof. Moretti - Respostas sem justificativas não serão consideradas para correção
MS428 - RESOLUÇÃO DA PROVA 02-19/10/2010 Prof. Moretti - Respostas sem justificativas não serão consideradas para correção Nome: Esta prova é composta de três questões. Questão 1: Considere o seguinte
Leia maisProgramação Matemática Lista 3
Programação Matemática Lista 3. Coloque na forma padrão os seguintes problemas de programação linear: a) Maximizar X 7 X + 8 X 3 +X 4 X + X X 3 + X 4 4 X + X 3 9 X + X 3 + X 4 6 X 0, X 0, X 3 0, X 4 0
Leia maisCálculo Numérico BCC760
Cálculo Numérico BCC760 Resolução de Sistemas de Equações Lineares Simultâneas Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ 1 Introdução! Definição Uma equação é dita
Leia maisPesquisa Operacional Aula 4 Solução Gráfica em Programação Linear
Pesquisa Operacional Aula 4 Solução Gráfica em Programação Linear Prof. Marcelo Musci aula@musci.info www.musci.info Aplicável para modelos com 02 variáveis de decisão Útil para a ilustração de alguns
Leia maisProgramação Linear/Inteira
Unidade de Matemática e Tecnologia - RC/UFG Programação Linear/Inteira Prof. Thiago Alves de Queiroz Aula 6 Thiago Queiroz (IMTec) Aula 6 Aula 6 1 / 45 Otimização Discreta A característica de otimização
Leia maisPesquisa Operacional. Introdução à Pesquisa Operacional Programação Linear
Pesquisa Operacional Introdução à Pesquisa Operacional Programação Linear 1 Sumário Modelagem e limitações da Programação Linear. Resolução Gráfica. Forma padrão de um modelo de Programação Linear. Definições
Leia maisOTIMIZAÇÃO. O processo de otimização normalmente involve a procura de pontos de máximos e mínimos de uma função.
OTIMIZAÇÃO O processo de otimização normalmente involve a procura de pontos de máximos e mínimos de uma função. Pontos de máximos e mínimos de uma função são pontos onde a derivada da função é nula. A
Leia maisPESQUISA OPERACIONAL. Prof. Carlos Norberto Vetorazzi Jr.
PESQUISA OPERACIONAL Prof. Carlos Norberto Vetorazzi Jr. 1. INTRODUÇÃO Definições : Método científico de tomada de decisão Conjunto de técnicas e ferramentas de apoio à decisão, através da modelagem matemática
Leia mais4- Dualidade em Programação Linear
4- Dualidade em Programação Linear 4.1- Introdução Considere o problema clássico da dieta: (problema primal): Quer-se consumir quantidades de determinados alimentos de tal forma a satisfazer as necessidades
Leia maisOtimização Combinatória - Parte 4
Graduação em Matemática Industrial Otimização Combinatória - Parte 4 Prof. Thiago Alves de Queiroz Departamento de Matemática - CAC/UFG 2/2014 Thiago Queiroz (DM) Parte 4 2/2014 1 / 33 Complexidade Computacional
Leia maisMétodo Simplex dual. Marina Andretta ICMC-USP. 24 de outubro de 2016
Método Simplex dual Marina Andretta ICMC-USP 24 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisTeoria de dualidade. Marina Andretta ICMC-USP. 19 de outubro de 2016
Teoria de dualidade Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisÁlgebra Linear e Geometria Analítica Bacharelados e Engenharias Parte I - Matrizes
Álgebra Linear e Geometria Analítica Bacharelados e Engenharias Parte I - Matrizes Prof.a Tânia Preto Departamento Acadêmico de Matemática UTFPR - 2014 Importante Material desenvolvido a partir dos livros
Leia maisPESQUISA OPERACIONAL 11. SOLUÇÃO ALGEBRICA O MÉTODO SIMPLEX ( ) DEFINIÇÕES REGRAS DE TRANSFORMAÇÃO. Prof. Edson Rovina Página 16
11. SOLUÇÃO ALGEBRICA O MÉTODO SIMPLEX Página 16 Após o problema ter sido modelado, pode-se resolvê-lo de forma algébrica. A solução algébrica é dada pelo método simplex elaborado por Dantzig. Antes da
Leia maisADA 1º BIMESTRE CICLO I 2018 MATEMÁTICA 2ª SÉRIE DO ENSINO MÉDIO
ADA º BIMESTRE CICLO I 08 MATEMÁTICA ª SÉRIE DO ENSINO MÉDIO ITEM DA ADA Um sistema de equações pode ser usado para representar situações-problemas da matemática ou do dia-a-dia. Assinale a alternativa
Leia maisOtm1 12/04/2012. Método Simplex Obtenção base inicial Degeneração (alguns comentários) Variáveis Canalizadas
Otm1 12/04/2012 Método Simplex Obtenção base inicial Degeneração (alguns comentários) Variáveis Canalizadas Base inicial FASE I Como determinar uma partição básica factível inicial (A=(B, N)). Algumas
Leia maisPesquisa Operacional. Prof. José Luiz
Pesquisa Operacional Prof. José Luiz Resolver um problema de Programação Linear significa basicamente resolver sistemas de equações lineares; Esse procedimento, apesar de correto, é bastante trabalhoso,
Leia maisRepresentação de poliedros
Representação de poliedros Marina Andretta ICMC-USP 8 de novembro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 -
Leia maisAula 01: Introdução Otimização Linear e Inteira Túlio A. M. Toffolo
Aula 01: Introdução Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Slides baseados no material de Haroldo Gambini Aula de Hoje 1 Otimização 2 Pesquisa Operacional
Leia maisGAN00140-Álg. Linear GAN00007 Int à Alg. Linear Aula 3 2ª. Parte: Matrizes e Operações Matriciais
GN4-Álg Linear GN7 Int à lg Linear 8 ula ª Parte: Matrizes e Operações Matriciais Matrizes Definição (Matriz): Chamamos de Matriz a todo conjunto de valores, dispostos em linhas e colunas Representamos
Leia maisAula 02: Algoritmo Simplex (Parte 1)
Aula 02: Algoritmo Simplex (Parte 1) Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Slides baseados no material de Haroldo Gambini Previously... Aula anterior:
Leia maisSimplex. Investigação Operacional José António Oliveira Simplex
18 Considere um problema de maximização de lucro relacionado com duas actividades e três recursos. Na tabela seguinte são dados os consumos unitários de cada recurso (A, B e C) por actividade (1 e 2),
Leia maisAulas práticas de Álgebra Linear
Ficha Matrizes e sistemas de equações lineares Aulas práticas de Álgebra Linear Mestrado Integrado em Engenharia Eletrotécnica e de Computadores o semestre 6/7 Jorge Almeida e Lina Oliveira Departamento
Leia maisPesquisa Operacional aula 3 Modelagem PL. Profa. Alessandra Martins Coelho
Pesquisa Operacional aula 3 Modelagem PL Profa. Alessandra Martins Coelho agosto/2013 Exercício Considerando que x j representa as variáveis de decisão, classificar os problemas a seguir em uma das categorias:
Leia maisDegenerescência. Marina Andretta ICMC-USP. 19 de outubro de 2016
Degenerescência Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisMétodos e Medidas II
Métodos e Medidas II Disciplina: 1 Prof. Álvaro José Periotto ajperiotto@uem.br 3. Método Gráfico (conjunto de soluções/ponto ótimo) 1. Entendimento do Enunciado 2 Início Entendimento do Enunciado do P.P.L.
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Linear (PL) Aula 10: Método Simplex Técnica das variáveis artificias Método das penalidades ( Big M ). Método das duas fases. 2 Modificando o Exemplo Protótipo. Suponha-se que é modificado
Leia maisG3 de Álgebra Linear I
G3 de Álgebra Linear I 11.1 Gabarito 1) Seja A : R 3 R 3 uma transformação linear cuja matriz na base canônica é 4 [A] = 4. 4 (a) Determine todos os autovalores de A. (b) Determine, se possível, uma forma
Leia maisCombinando inequações lineares
Combinando inequações lineares A multiplicação por um número > 0 não altera uma inequação 2x x 5 4x 2x 10 1 2 1 2 A soma de duas inequações (com o mesmo sentido) produz uma inequação válida x 3x x 3 1
Leia maisCones e raios extremos
Cones e raios extremos Marina Andretta ICMC-USP 7 de novembro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia mais3- O MÉTODO SIMPLEX Introdução e fundamentos teóricos para o Método Simplex
3- O MÉTODO SIMPLEX 3.1- Introdução O Método Simplex é uma técnica utilizada para se determinar, numericamente, a solução ótima de um modelo de Programação Linear. Será desenvolvido inicialmente para Problemas
Leia maisPESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR. Prof. Angelo Augusto Frozza, M.Sc.
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR Prof. Angelo Augusto Frozza, M.Sc. ROTEIRO Esta aula tem por base o Capítulo 2 do livro de Taha (2008): Introdução O modelo de PL de duas variáveis Propriedades
Leia maisSolução de problemas de PL com restrições do tipo >= e =
Solução de problemas de PL com restrições do tipo >= e = Seja o Problema de maximização abaixo: O problema na forma padrão: Tem-se um problema, não existe na restrição 3 uma variável de folga para entrar
Leia maisMatrizes e Sistemas Lineares
Matrizes e Sistemas Lineares Reforço de Matemática Básica - Professor: Marcio Sabino - 1 Semestre 2015 1 Matrizes Uma matriz é um conjunto retangular de números, símbolos ou expressões, organizados em
Leia maisParte 1 - Matrizes e Sistemas Lineares
Parte 1 - Matrizes e Sistemas Lineares Matrizes: Uma matriz de tipo m n é uma tabela com mn elementos, denominados entradas, e formada por m linhas e n colunas. A matriz identidade de ordem 2, por exemplo,
Leia maisG2 de Álgebra Linear I
G2 de Álgebra Linear I 2008.1 Gabarito 1) Decida se cada afirmação a seguir é verdadeira ou falsa e marque COM CANETA sua resposta no quadro a seguir. Itens V F N 1.a x 1.b x 1.c x 1.d x 1.e x 1.a) Suponha
Leia maisProgramação Linear e Inteira, Introdução
Programação Linear e Inteira Introdução Haroldo Gambini Santos Universidade Federal de Ouro Preto 15 de agosto de 2010 1 / 25 Conteúdo 1 Introdução 2 Pesquisa Operacional 3 Prob. da Dieta 4 Método Gráco
Leia maisO método gráfico resolve PLs com 2 variáveis. 3 variáveis se você for um ninja da geometria descritiva!
Resolução de PLs O método gráfico resolve PLs com 2 variáveis 3 variáveis se você for um ninja da geometria descritiva! Precisamos de métodos para resolver PLs com qualquer número de variáveis 1 Pesquisa
Leia maisAula 19: Lifting e matrizes ideais
Aula 19: Lifting e matrizes ideais Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Departamento de Computação UFOP Previously... Branch-and-bound Formulações
Leia maisA = B, isto é, todo elemento de A é também um elemento de B e todo elemento de B é também um elemento de A, ou usando o item anterior, A B e B A.
Capítulo 1 Números Reais 1.1 Conjuntos Numéricos Um conjunto é uma coleção de elementos. A relação básica entre um objeto e o conjunto é a relação de pertinência: quando um objeto x é um dos elementos
Leia maisCapítulo 3. O Método Primal Simplex
Capítulo 3 O Método Primal Simplex 3.. Introdução Neste Capítulo, apresenta-se o método de resolução de problemas de programação linear mais utilizado, isto é, o método primal simplex. Assim, apresenta-se
Leia maisPESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX. Prof. Angelo Augusto Frozza, M.Sc.
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX Prof. Angelo Augusto Frozza, M.Sc. MÉTODO SIMPLEX A ideia geral é Em vez de enumerar todas as soluções básicas (pontos extremos) do problema de PL,
Leia maisDefinição: Uma função de uma variável x é uma função polinomial complexa se pudermos escrevê-la na forma n
POLINÔMIO I 1. DEFINIÇÃO Polinômios de uma variável são expressões que podem ser escritas como soma finita de monômios do tipo : a t k k onde k, a podem ser números reais ou números complexos. Exemplos:
Leia maisNotas em Álgebra Linear
Notas em Álgebra Linear 1 Pedro Rafael Lopes Fernandes Definições básicas Uma equação linear, nas variáveis é uma equação que pode ser escrita na forma: onde e os coeficientes são números reais ou complexos,
Leia maisResolução de PL usando o método Simplex
V., V.Lobo, EN / ISEGI, 28 Resolução de PL usando o método Simplex Método Simplex Algoritmo para resolver problemas de programação linear George Dantzig, 947 Muito utilizado Facilmente implementado como
Leia maisConteúdo. Introdução. Notas. Programação Linear Inteira, Introdução. Notas. Notas
Programação Linear Inteira Introdução Haroldo Gambini Santos Universidade Federal de Ouro Preto 30 de agosto de 2011 1 / 26 Conteúdo 1 Otimização 2 Pesquisa Operacional 3 Prob. da Dieta 4 Método Gráco
Leia mais5 Análise de Sensibilidade
MAC-35 - Programação Linear Primeiro semestre de 00 Prof. Marcelo Queiroz http://www.ime.usp.br/~mqz Notas de Aula 5 Análise de Sensibilidade Neste capítulo consideramos o problema de programação linear
Leia maisProgramação Linear. (2ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016
Programação Linear (2ª parte) Informática de Gestão 61020 Maria do Rosário Matos Bernardo 2016 Conteúdos Representação e resolução gráfica dos problemas de programação linear Problema de minimização Problema
Leia maisficha 1 matrizes e sistemas de equações lineares
Exercícios de Álgebra Linear ficha matrizes e sistemas de equações lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2/2
Leia maissujeito a: 30x x (madeira) 5x x (horas de trabalho) x 1, x 2 0
IV. MÉTODO GRÁFICO O método gráfico só permite resolver problemas de PL de pequena dimensão (duas ou três variáveis) não tendo pois qualquer interesse prático. O método gráfico permite visualizar um conjunto
Leia maisBANCO DE EXERCÍCIOS - 24 HORAS
BANCO DE EXERCÍCIOS - HORAS 9º ANO ESPECIALIZADO/CURSO ESCOLAS TÉCNICAS E MILITARES FOLHA Nº GABARITO COMENTADO ) A função será y,5x +, onde y (preço a ser pago) está em função de x (número de quilômetros
Leia maisOtimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana
Otimização Linear Profª : Adriana Departamento de Matemática adriana@fc.unesp.br wwwp.fc.unesp.br/~adriana Dualidade A eoria da Dualidade é um dos mais importantes tópicos da Programação Linear (PL). Estudos
Leia maisProfessor João Soares 20 de Setembro de 2004
Teoria de Optimização (Mestrado em Matemática) Texto de Apoio 2A Universidade de Coimbra 57 páginas Professor João Soares 20 de Setembro de 2004 Optimização Linear Considere o problema (1) abaixo, que
Leia maisCurso de Álgebra Linear
Curso de Álgebra Linear Fundamentos e Aplicações Terceira Edição 25 de Outubro de 2012 Marco Cabral PhD Indiana University, EUA Paulo Goldfeld PhD Courant Institute, EUA Departamento de Matemática Aplicada
Leia maisMétodo Simplex V 1.1, V.Lobo, EN / ISEGI, 2008
.,.Lobo, EN / ISEGI, 8 Método Simplex Resolução de PL usando o método Simplex Algoritmo para resolver problemas de programação linear George Dantzig, 97 Muito utilizado Facilmente implementado como programa
Leia maisUniversidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática
Universidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista MAT 146 - Cálculo I 218/I APLICAÇÃO DE DERIVADAS: OTIMIZAÇÃO Otimização é outra aplicação de derivadas. Em
Leia maisApresentaremos as equações do plano: Equação vetorial e Equação geral do. = AB e v. C A u B. ) não-colineares do plano.
CAPÍTULO VIII PLANO Consideremos em V 3 o sistema de referência (O, i, j, k ), onde E = ( i, j, k ) é base ortonormal positiva e O(0, 0, 0). 8.1. EQUAÇÕES DO PLANO plano. Apresentaremos as equações do
Leia maisResolução das Questões Discursivas
COMISSÃO PERMANENTE DE SELEÇÃO COPESE PRÓ-REITORIA DE GRADUAÇÃO PROGRAD CONCURSO PISM III - TRIÊNIO 008-010 Prova de Matemática Resolução das Questões Discursivas São apresentadas abaixo possíveis soluções
Leia maisÁlgebra Linear e Geometria Anaĺıtica. Matrizes e Sistemas de Equações Lineares
universidade de aveiro departamento de matemática Álgebra Linear e Geometria Anaĺıtica Agrupamento IV (ECT, EET, EI) Capítulo 1 Matrizes e Sistemas de Equações Lineares Geometria anaĺıtica em R 3 [1 01]
Leia maisProblema de Transporte (Redes) Fernando Nogueira Problema de Transporte 1
Problema de Transporte (Redes) Fernando Nogueira Problema de Transporte 1 O Problema de Transporte consiste em determinar o menor custo (ou o maior lucro) em transportar produtos de várias origens para
Leia maisUm sistema linear é um conjunto de n equações lineares do tipo:
Um sistema linear é um conjunto de n equações lineares do tipo: Este sistema pode ser representado através de uma representação matricial da forma: A.x = b onde: A matriz de coeficientes de ordem x vetor
Leia maisAula 20: Revisão Otimização Linear e Inteira Túlio A. M. Toffolo
Aula 20: Revisão Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464 / PCC174 Departamento de Computação - UFOP Breve Revisão Programação Linear vs Programação Inteira Modelagem
Leia maisUnidade: Modelo Simplex e Modelo Dual. Unidade I:
Unidade: Modelo Simplex e Modelo Dual Unidade I: 0 Unidade: Modelo Simplex e Modelo Dual Segundo Wikipédia (2008), em teoria da otimização matemática, o algoritmo simplex de George Dantiz é uma técnica
Leia maisUNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE CAMPUS AVANÇADO DE NATAL CURSO DE CIÊNCIA DA COMPUTAÇÃO DISCIPLINA: ÁLGEBRA LINEAR
UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE CAMPUS AVANÇADO DE NATAL CURSO DE CIÊNCIA DA COMPUTAÇÃO DISCIPLINA: ÁLGEBRA LINEAR PROFESSOR: MARCELO SILVA 1. Introdução No ensino fundamental você estudou
Leia maisPontos extremos, vértices e soluções básicas viáveis
Pontos extremos, vértices e soluções básicas viáveis Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta
Leia maisInversão de Matrizes
Inversão de Matrizes Prof. Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2017.1 18 de
Leia maisNotas para o Curso de Algebra Linear Il Dayse Haime Pastore 20 de fevereiro de 2009
Notas para o Curso de Álgebra Linear Il Dayse Haime Pastore 20 de fevereiro de 2009 2 Sumário 1 Matrizes e Sistemas Lineares 5 11 Matrizes 6 12 Sistemas Lineares 11 121 Eliminação Gaussiana 12 122 Resolução
Leia maisFunção Quadrática e Proporcionalidade Inversa ( )
Função Quadrática e (18-01-08) F. Quadrática e Matemática e Estatística 2007/2008 Função Quadrática Chama-se função quadrática a qualquer função f de R em R dada por uma lei da forma f(x) = ax 2 + bx +
Leia maisMétodo Simplex. Marina Andretta ICMC-USP. 19 de outubro de 2016
Método Simplex Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização linear
Leia maisInterbits SuperPro Web
1 (Ita 018) Uma progressão aritmética (a 1, a,, a n) satisfaz a propriedade: para cada n, a soma da progressão é igual a n 5n Nessas condições, o determinante da matriz a1 a a a4 a5 a 6 a a a 7 8 9 a)
Leia maisSistemas de Equações Lineares
Capítulo 2 Sistemas de Equações Lineares 21 Generalidades Chamamos equação linear nas variáveis (incógnitas) x 1, x 2, x 3,, x n uma igualdade da forma a a 1 x 1 + a 2 x 2 + a 3 x 3 + + a n x n = b Os
Leia maisALGEBRA LINEAR 1 RESUMO E EXERCÍCIOS* P1
ALGEBRA LINEAR 1 RESUMO E EXERCÍCIOS* P1 *Exercícios de provas anteriores escolhidos para você estar preparado para qualquer questão na prova. Resoluções em VETORES Um vetor é uma lista ordenada de números
Leia mais