CAPÍTULO 3. Método Simplex
|
|
- Mario Abreu Guimarães
- 6 Há anos
- Visualizações:
Transcrição
1 CAPÍTULO 3 1. Soluções Básicas Admissíveis Considere um problema de PL representado nas suas formas padrão e matricial. Uma base é um conjunto de m variáveis, tais que a matriz dos coeficientes do sistema de equações lineares (3.2) é não singular (isto é, cujo determinante é não nulo). Por outras palavras, é toda a submatriz quadrada regular (m m) contida em A (m n) existe pelo menos uma, já que car (A) = m < n. Então, pode-se rescrever a matriz A da seguinte forma : A = [ B N ] onde N é a submatriz formada pelas colunas de A que não estão na base B. Da mesma forma, se pode particionar o vector X em X = [ X ] T e o vector C em B X N C = [ C B C N ]. Portanto, o problema pode ser representado da seguinte forma : Maximizar Z = [ C C ] B X X N B X X Sujeito a [ B N] = b B X + N X = b X 0 N B N B N
2 28 Considere-se as seguintes definições : variáveis básicas (VB) : as m variáveis que formam a base do sistema variáveis não básicas (VNB) : as restantes n-m variáveis solução básica (SB) : solução cujos valores das VNB são nulos (X com X N = 0 e X B = B -1 b) solução básica admissível (SBA) : SB com todas as VB não negativas (X B 0) SBA não degenerada : SBA em que as VB são estritamente positivas (X B > 0) SBA degenerada : SBA em que uma ou mais VB são nulas base admissível : uma base que corresponde a uma solução básica admissível um ponto x X é ponto extremo se e só se constituir uma SBA do problema de PL o conjunto dos vértices de um politopo X = { x : A x = b, x 0, x R n } corresponde ao conjunto de soluções básicas admissíveis o conjunto dos PE da região admissível corresponde ao conjunto das SBA e são ambos não vazios, desde que a região admissível seja não vazia. Cada SBA é equivalente a um PE, mas podem existir várias SBA correspondendo ao mesmo PE. Propriedades dos pontos extremos admissíveis : 1. Se existe apenas uma solução óptima, então tem de ser um PE admissível. 2. Se existem várias soluções óptimas, então pelo menos 2 são PE admissíveis adjacentes. 3. Existe um número finita de PE admissíveis. 4. Se um PE admissível não tem PE admissíveis adjacentes melhores, então esse PE é óptimo. As propriedades 1 e 2, implicam que a pesquisa de uma solução óptima pode ser reduzida, considerando apenas os PE admissíveis; desta forma, existe um número finito de soluções a considerar (propriedade 3). A propriedade 4 fornece um teste de optimalidade muito conveniente. 2. O método Simplex explora as 4 propriedades dos pontos extremos admissíveis apresentadas no sub-capítulo anterior (1), apenas examinando relativamente poucos PE admissíveis e parando logo que um deles passe o teste de optimalidade. Desta forma, o método Simplex move-se repetidamente (iterativamente) do PE admissível actual para um melhor PE admissível, até que a solução actual não tenha nenhum PE admissível adjacente melhor. Este processo é composto pelos seguintes passos : 1º) Iniciação : Começar com um PE admissível. Qualquer PE admissível pode ser adoptada como solução inicial; no entanto, uma boa hipótese para a SBA inicial será considerar as slacks como VB e as originais como VNB. 2º) Iteração : Mover-se para um melhor PE admissível adjacente. (Repetir este passo quantas vezes forem necessárias). Este movimento implica a conversão de uma VNB numa VB
3 Algoritmo Primal Simplex (problema de maximização) 29 (chamada a variável básica de entrada) e, simultaneamente, a conversão de uma VB numa VNB (chamada variável básica de saída), para depois identificar a nova SBA. 3º) Teste de optimalidade : O PE admissível actual é óptimo se nenhum dos PE admissíveis seus adjacentes são melhores. 3. Algoritmo Primal Simplex (problema de maximização) Considere-se um problema de PL de maximização na sua forma padrão (Error! Reference source not found.). Na resolução de um problema através do algoritmo de Simplex, recorre-se ao chamado quadro Simplex. Supondo que as variáveis básicas são as primeiras m, x B = (x 1,..., x m ) e x N = (x m+1,..., x m+n ), o quadro Simplex padrão assume o seguinte aspecto : X B x B x N 2º membro I m z j c j A = B N b = xb = B b CB A C N ZB = CB b Passo inicial : Construir o quadro Simplex, considerando como SBA inicial, as m variáveis slacks, ficando o quadro Simplex com o seguinte aspecto : X B x 1... x n x n+1... x n+m 2º m. x n+1 a a 1n b x n+m a m1... a mn b m z j c j c 1 c n Passo principal : Considerar o quadro Simplex padrão. 1) Seja z k c k = mínimo { z j c j : j R }, onde R é o conjunto dos índices das VNB (candidatas a entrarem na base) Se z k c k 0 então a SBA actual é óptima senão continuar (teste de optimalidade) 2) Examinar a coluna k do quadro ( A k ) : Se A ik 0 i então o problema tem óptimo ilimitado (+ ) senão continuar. 3) A variável x k entra na base e a x t sai da base, sendo t determinado pelo seguinte teste : bt bi xt = = min, aik > 0. atk aik
4 30 Algoritmo Primal Simplex (problema de maximização) Se existirem mais do que uma variável nestas condições, qualquer uma pode ser usada (conduz a soluções degeneradas). 4) Actualizar o quadro Simplex, sendo o pivot o valor de a tk Exemplo : eliminação de Gauss, de forma que o quadro apresente as seguintes alterações :, utilizando o método de a) na coluna k aparece tudo a 0, excepto na posição do pivot onde aparece 1, b) a linha z j c j recalculada. Uma empresa fabrica dois tipos de produtos : A e B. O lucro unitário líquido de cada um é 45 (A) e 30 u.m. (B). Numa máquina, os produtos são processados durante 2 min. (A) e 1 min. (B). A máquina está disponível 1000 min.. Cada um dos produtos requer 1 min. de mão-de-obra directa. A disponibilidade de mão-de-obra é 800 min.. Estudos de mercado indicam que a procura dos produtos A e B não excede 400 e 700 unidades, respectivamente. Quantas unidades de A e B devem ser fabricadas de modo a maximizar o lucro? Formalização do problema : x 1 = quantidade de unidades do produto A x 2 = quantidade de unidades do produto B Max 45 x x 2 (lucro) s. a 2 x 1 + x (máquina) x 1 + x (mão-de-obra) x (procura de A) x (procura de B) x 1, x 2 0 Passar o problema para a sua forma padrão : Determinar x i 0, i = 1,...,6 de modo a Max 45 x x 2 s. a 2 x 1 + x 2 + x 3 = x 1 + x 2 + x 4 = 800 x 1 + x 5 = 400 x 2 + x 6 = 700 x i 0, i = 1,...,6
5 Algoritmo Primal Simplex (problema de maximização) 31 Resolução do problema, utilizando o algoritmo Simplex : Passo inicial : X B x 1 x 2 x 3 x 4 x 5 x 6 2º m. L 1 2 L 3 x /2 = 500 L 2 L 3 x /1 = 800 L 3 x /1 = 400 L 4 x ( ) L L 3 z j c j ª Iteração : X B x 1 x 2 x 3 x 4 x 5 x 6 2º m. L 1 x /1 = 200 L 2 L 1 x /1 = 400 L 3 x ( ) L 4 L 1 x /1 = 700 L L 1 z j c j ª Iteração : X B x 1 x 2 x 3 x 4 x 5 x 6 2º m. L L 2 x ( ) L 2 x /1 = 200 L 3 L 2 x /1 = 400 L 4 2 L 2 x /2 = 250 L L 2 z j c j ª Iteração : X B x 1 x 2 x 3 x 4 x 5 x 6 2º m. x x 2 (opt) x x 5 (opt) x x 1 (opt) x x 6 (opt) z j c j Z max Como os elementos da linha (z j c j ) são todos não negativos, a solução presente é óptima : x* = (200, 600, 0, 0, 200, 100) com z* =
6 32 Técnica da base artificial 4. Problemas com restrições, = e Considere-se um problema de PL, apresentando a seguinte forma : Max C X s. a A X b {, =, } X 0 em que todas as componentes de b são não negativas. Restrição variável slack coeficiente 1 (coluna I) quando o valor de b excede o lado esquerdo coeficiente nulo na função objectivo corresponde à quantidade de recurso não consumido Restrição variável slack coeficiente 1 quando o lado esquerdo excede o valor de b coeficiente nulo na função objectivo corresponde à quantidade de recurso consumido além do mínimo requerido Restrições e = variável artificial coeficiente 1 (coluna I) não pode aparecer na solução óptima coeficiente negativo muito elevado na função objectivo 5. Técnica da base artificial Como não existe qualquer variável que possa ser imediatamente tornada como básica, isto é, a matriz dos coeficientes A não contém uma submatriz identidade (b 0), é necessário introduzir algumas variáveis artificiais, tantas quanto as necessárias, para se conseguir arranjar um submatriz identidade de ordem m. As variáveis artificiais, ao contrário das slacks, não têm significado de natureza económica, sendo apenas um mero artifício matemático daí a designação de artificiais. O objectivo consiste em anular as variáveis artificiais, pois só desta forma será possível a obtenção de uma solução do problema inicial. No entanto, qualquer solução do problema original é também solução do problema aumentado, com as variáveis artificiais a zero. O inverso também é verdade, desde que as variáveis artificiais valem zero. Para conseguir tal objectivo, irão ser estudados 2 métodos diferentes, que são 2 variantes do método Simplex : método do M Grande (Penalidades) e método das Duas Fases.
7 Técnica da base artificial Método do M Grande (ou das Penalidades) Neste método, as variáveis artificiais são fortemente penalizadas na função objectivo, de modo a provocar rapidamente o seu anulamento. O método Simplex, tenderá naturalmente a eliminar da base as variáveis artificiais, como se pretende, dado que aquelas estão penalizadas com coeficientes arbitrariamente grandes : ( M) na maximização e (+M) na minimização. Considere-se um problema de PL na forma padrão : Maximizar Z = c 1 x c n x n Sujeito a a 11 x a 1n x n = b 1... a m1 x a mn x n = b m x i 0, i = 1,,n Por aplicação do método do M-Grande, passa-se ao seguinte problema aumentado : Maximizar Z = c 1 x c n x n M x n+1 M x n+m Sujeito a a 11 x a 1n x n + x n+1 = b 1... a m1 x a mn x n + x n+m = b m x i 0, i = 1,, n+m em que as variáveis x i (i = n+1,, n+m) são artificiais e M o coeficiente de penalização. No entanto, os valores dos coeficientes de custo da função objectivo (linha de custo), associados às variáveis artificiais são não nulos (c j = M, j é índice de variável artificial) o que não pode acontecer, pois todos aqueles valores têm quer ser nulos. Logo, é necessário determinar uma nova função objectivo, que seja equivalente à anterior, mas em que os coeficientes de custo das variáveis artificiais sejam nulos. Para tal, calcula-se a nova função objectivo, em função da anterior e das restrições onde existam as referidas variáveis. Exemplo : Uma pequena empresa fabrica 3 tipos de kits electrónicos : A, B e C. O lucro unitário líquido de cada um é 5 (A), 10 (B) e 15 u.m. (C). O tempo disponível limita o número total de kits que podem ser fabricados, a 500. Estudos de mercado indicam que o total de kits tipos A e B deve ser pelo menos 100. O total de kits tipo A deve exceder exactamente em 120 o total de kits tipos B e C. Quantas unidades de A, B e C devem ser fabricadas de modo a maximizar o lucro?
8 34 Técnica da base artificial Formalização do problema : x 1 = quantidade de unidades do kit A x 2 = quantidade de unidades do kit B x 3 = quantidade de unidades do kit C Max Z = 5 x x x 3 (lucro) s. a x 1 + x 2 + x (capacidade) x 1 + x (procura de A e B) x 1 x 2 x 3 = 120 (excedente de A) x 1, x 2, x 3 0 Passar o problema para a sua forma padrão : Max Z = 5 x x x 3 s. a x 1 + x 2 + x 3 + x 5 = 500 x 1 + x 2 x 4 = 100 x 1 x 2 x 3 = 120 x i 0, i = 1,...,5 Como não é possível arranjar uma matriz identidade, terão que ser introduzidas variáveis artificiais no problema. Desta forma, o problema passará a ter a seguinte forma : Max Z = 5 x x x x x 5 M x 6 M x 7 (M + ) s. a x 1 + x 2 + x 3 + x 5 = 500 x 1 + x 2 x 4 + x 6 = 100 x 1 x 2 x 3 + x 7 = 120 x i 0, i = 1,...,7 (x 6, x 7 variáveis artificiais) Aplicando o algoritmo Simplex a este problema, tem-se : Passo inicial : X B x 1 x 2 x 3 x 4 x 5 x 6 x 7 2º m. L 1 L 2 x L 2 x L 3 L 2 x (1) z j c j M M 0 L 4 + (2M+5) L 2 (2) z j c j 2M 5 10 M 15 M M
9 Técnica da base artificial 35 (1) Como os valores de z j c j (j = 6, 7) são não nulos (M) e x 6 e x 7 são variáveis básicas (portanto, para que se possa aplicar o algoritmo Simplex têm que ter z j c j = 0, j = 6, 7), é necessário construir uma nova linha para z j c j, o que se faz da seguinte forma : Linha 4 [ M M 0 ] Linha 2 (x 6 ) M [ ] Linha 3 (x 7 ) M [ ] Nova linha 4 [ 2M 5 10 M 15 M M ] Desta forma, o primeiro quadro Simplex será o anterior, em que a linha z j c j será a (2). 1ª Iteração : X B x 1 x 2 x 3 x 4 x 5 x 6 x 7 2º m. L 1 L 3 x L 2 + L 3 x L 3 x L 4 + (M+5) L 2 z j c j 0 2M 5 M 15 M 5 0 2M M+500 2ª Iteração : X B x 1 x 2 x 3 x 4 x 5 x 6 x 7 2º m. ½ L 1 x L 2 + ½ L 1 x L 3 + ½ L 1 x L L 1 z j c j M M ª Iteração : X B x 1 x 2 x 3 x 4 x 5 x 6 x 7 2º m. x x x z j c j M M Como todos os elementos da linha (z j c j ) são não negativos, então a solução presente é óptima : x* = (310, 0, 190, 210, 0, 0, 0) com z* = No quadro inicial as variáveis artificiais x 6 e x 7 são VB R 2 e R 3 são violadas. No 2º quadro a variável artificial x 7 é VB R 3 é violada. No 3º quadro a variável artificial x 6 e x 7 são VNB Solução admissível.
10 36 Técnica da base artificial 5.2. Método das Duas-Fases Nesta variante, o problema de PL é resolvido em duas fases distintas : na primeira, procura-se determinar se existem soluções admissíveis para o problema inicial e, caso existam, obtém-se uma SBA que será a solução de partida (inicial), da fase seguinte; a segunda, consiste simplesmente na aplicação do algoritmo do Simplex, tal como foi descrito inicialmente. A 1ª fase consiste em remover da base todas as variáveis artificiais, de forma a obter uma SB apenas com variáveis não artificiais do problema. Para tal, resolve-se o seguinte problema de PL (problema auxiliar), começando com (X, X a ) = (0, b) como SBA : Minimizar Z = X a Sujeito a A X = b X 0 em que X a é o vector das variáveis artificiais e o objectivo consiste, nesta fase, em minimizar a sua soma (função objectivo artificial), quer o problema inicial seja de maximização quer seja de minimização. Portanto, obtida uma solução para o problema auxiliar com as variáveis artificiais nulas, fica determinada a SBA de partida para o problema inicial. É evidente que uma solução nestas condições só se verifica com o valor da FO artificial igual a zero (Z = 0). No entanto, outros situações podem acontecer. Portanto, no fim do 1ª fase, em que se atingiu a solução óptima do problema auxiliar, está-se numa das situações seguintes : i) z > 0 existe pelo menos uma variável artificial básica com valor estritamente positivo o problema inicial é impossível (região admissível vazia); ii) z = 0 com todas as variáveis artificiais não básicas a solução em presença é uma SBA de partida para o problema inicial passar directamente à 2ª fase. iii) z = 0 com pelo menos uma variável artificial básica (nula) a solução encontrada é uma solução admissível para o problema inicial. Se existir algum vector não artificial fora da base em condições de substituir um vector artificial procede-se à substituição, sendo a solução obtida degenerada; caso contrário, tira-se do quadro Simplex a linha respectiva (e a variável artificial associada). Em qualquer dos casos, após estas operações, passar à 2ª fase. A 2ª fase consiste em considerar a solução obtida na fase anterior como primeira SBA, e aplicar o método Simplex normalmente até se atingir a solução óptima. Nesta fase, os vectores artificiais podem ser suprimidos dos respectivos quadros; no entanto, é vantajoso a sua manutenção, sem contudo questionar a sua possível reentrada na base.
11 Técnica da base artificial 37 Exemplo : Considere o seguinte problema de PL (minimização) : Min Z = 3 x x 2 s. a x 1 3 x 2 4 x 1 + x 2 5 x x x x 2 10 x 1, x 2 0 Este problema é equivalente ao seguinte problema de maximização : Maximizar Z = 3 x 1 2 x 2 Sujeito a (x 1, x 2 ) X (mesmas restrições anteriores) Passar o problema para a sua forma padrão : Maximizar Z = 3 x 1 2 x 2 Sujeito a x 1 + x 5 = 3 x 2 + x 6 = 4 x 1 + x 2 + x 7 = 5 x x 2 x 3 + x 8 = 5 5 x x 2 x 4 + x 9 = 10 x i 0, i = 1,...,9 (x 8, x 9 variáveis artificiais) 1ª Fase : Resolver o seguinte problema de PL auxiliar : Minimizar Z = x 8 + x 9 sujeito a x X o qual é equivalente ao seguinte problema de maximização : Maximizar Z = x 8 x 9 sujeito a x X
12 38 Técnica da base artificial Aplicando o algoritmo Simplex a este problema de maximização, tem-se : Passo inicial : X B x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 x 9 2º m. L 1 x L 2 (1/5) L 4 x L 3 (1/5) L 4 x (1/5) L 4 x L 5 (2/5) L 4 x (1) z j c j L 6 + (7/5) L 4 (2) z j c j (1) Como os valores de z j c j (j = 8, 9) são não nulos (1), x 8 e x 9 são variáveis básicas (portanto, para que se possa aplicar o algoritmo Simplex têm que ter z j c j = 0, j = 8, 9), é necessário construir uma nova linha para z j c j, o que se faz da seguinte forma : Linha 6 [ ] Linha 4 (x 8 ) [ ] Linha 5 (x 9 ) [ ] Nova linha 6 [ ] Desta forma, o primeiro quadro Simplex será o anterior, em que a linha z j c j será a (2). 1ª Iteração : X B x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 x 9 2º m. L 1 (5/23) L 5 x L 2 + (1/23) L 5 x 6 1/5 0 1/ /5 0 3 L 3 (4/23) L 5 x 7 4/5 0 1/ /5 0 4 L 4 (1/23) L 5 x 2 1/5 1 1/ /5 0 1 (5/23) L 5 x 9 23/5 0 2/ /5 1 8 L 6 + L 5 z j c j 23/5 0 2/ / ª Iteração : X B x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 x 9 2º m. x /23 5/ /23 5/23 29/23 x /23 1/ /23 1/23 77/23 x /23 4/ /23 4/23 60/23 x /23 1/ /23 1/23 15/23 x /23 5/ /23 5/23 40/23 z j c j
13 Técnica da base artificial 39 Como z j c j 0, j, a solução actual é óptima, para o problema auxiliar, que será a SBA de partida para o problema inicial. Esta solução é a seguinte : 2ª Fase : x * =,, 0, 0,,, e z * = Resolver o problema inicial utilizando o algoritmo Simplex, em que a SBA de partida é a solução óptima do problema auxiliar. Portanto, retoma-se a função objectivo inicial, pelo que o 1º quadro desta fase apenas difere do último da 1ª fase no que diz respeito aos z j c j. Como x 1 e x 2 fazem parte da SBA de partida, então valores de z j c j (j = 1, 2) têm de ser nulos, o que não acontece (c 1 = 3 e c 2 = 2). Para tal, é necessário alterar a linha que corresponde a estes valores, da seguinte forma : X B x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 x 9 2º m. x /23 5/ /23 5/23 29/23 x /23 1/ /23 1/23 77/23 x /23 4/ /23 4/23 60/23 x /23 1/ /23 1/23 15/23 x /23 5/ /23 5/23 40/23 (1) z j c j (2) z j c j 0 0 4/23 13/ /24 13/23 150/23 Z max (1) Como os valores de z j c j (j = 1, 2) são não nulos (3, 2), x 1 e x 2 são variáveis básicas (portanto, para que se possa aplicar o algoritmo Simplex têm que ter z j c j = 0, j = 1, 2), é necessário construir uma nova linha para z j c j, o que se faz da seguinte forma : (1) Linha 6 [ ] Linha 4 (x 8 ) 2 [ 0 1 5/23 1/ /23 1/23 15/23 ] Linha 5 (x 9 ) 3 [ 1 0 2/23 5/ /23 5/23 40/23 ] (2) Nova linha 6 [ 0 0 4/23 13/ /23 13/23 150/23 ] Desta forma, o primeiro quadro Simplex será o anterior, em que a linha z j c j será a (2). Como z j c j 0, j, a solução associada ao quadro é óptima. Esta é a seguinte : * =,, 0, 0,,, x com Z = ( = ) min Z max
14 40 Problemas de minimização Resolução gráfica do problema : 6. Problemas de minimização Até aqui, o método Simplex apenas tem sido aplicado a problemas que consistem na maximização das funções de custo. No entanto, este método também se pode aplicar a problemas de minimização. Para tal, não será necessário alterar o algoritmo Simplex, descrito anteriormente, podendo aquele ser aplicando a problemas de minimização, pois pode-se converter um problema daquele tipo num problema de maximização equivalente, da seguinte forma : Minimizar Sujeito a Z = c 1 x 1 + c 2 x c n x n (x 1, x 2,, x n ) X é equivalente a Maximizar Sujeito a Z = c 1 x 1 c 2 x 2 c n x n (x 1, x 2,, x n ) X
15 Propriedades do quadro Simplex Interpretação económica das variáveis folga ( slack ) Uma variável slack, corresponde à quantidade de recurso não consumido (com coeficiente +1), ou à quantidade de recurso consumido além do mínimo requerido (com coeficiente 1). Considere-se a solução óptima encontrada para o exemplo descrito em (5.1) : X* = (310, 0, 190, 210, 0) Z* = { b = (500, 100, 120) } Estes valores significam o seguinte : x 1 (quantidade do kit A produzida) = 310 x 2 (quantidade do kit B produzida) = 0 x 3 (quantidade do kit C produzida) = 190 x 4 (quantidade de kits do tipo A e B produzidos, além do mínimo exigido) = 210 x 5 (quantidade de horas que restam) = 120 Por outro lado, z j = c 1 x 1j + c 2 x 2j c m x mj corresponde ao valor do rendimento que se deixa de ter pela activação unitária de cada uma das actividades excluídas custo de oportunidade. c j rendimento directo. 8. Propriedades do quadro Simplex Cada quadro contém uma matriz identidade de ordem m (I m ). Todas as componentes de b são positivas ( b 0 ). z j c j negativo função objectivo pode ser melhorada. Mesmo valor de z j c j para diferentes j qualquer um pode ser utilizado (heurística : escolher o de menor índice). Existe z j c j negativo mas apenas há elementos não positivos na coluna pivot solução não limitada. Acontece, normalmente, quando o problema está mal formulado. Variável artificial na solução óptima solução inexistente (região admissível vazia). Empate na escolha do elemento pivot qualquer um pode ser usado (conduz a soluções degeneradas). z j c j nulo e x j é VNB óptimos alternativos. Se x j entrar na base, obtém-se a solução alternativa (também PE admissível); portanto, qualquer solução resultante da combinação convexa daquelas soluções, será também solução óptima.
16 42 Degenerescência e entrada em ciclo (Técnica da Perturbação) 9. Degenerescência e entrada em ciclo (Técnica da Perturbação) Como a quantidade de SBA de um problema de PL é finito, o algoritmo Simplex garante a convergência para a solução óptima, desde que o valor da FO vá sempre melhorando (em sentido estrito) em cada iteração soluções não degeneradas. Desta forma, a solução óptima é atingida ao fim de um número finito de iterações, uma vez que cada SBA do problema aparecerá, quando muito, apenas uma vez ao longo do processo. No entanto, pode acontecer que, ao passar-se de uma SBA para outra, esta tenha associado um valor da função objectivo igual ao da anterior, podendo esta situação manter-se no decurso de uma sucessão de iterações, e até mesmo acontecer que, após algumas iterações, estar-se perante uma SBA já anteriormente considerada. A aplicação do algoritmo Simplex, reproduzirá periodicamente as mesmas SB, mantendo-se constante o valor da FO, entrando-se em ciclo; nestas condições, a solução óptima nunca será atingida. O algoritmo Simplex apenas entra em ciclo em situação de degenerescência. A degenerescência pode surgir logo na SBA inicial, ou após a ocorrência de empate no critério de saída, mesmo quando a SBA em presença é não degenerada. Neste caso, dado que existe melhoria da FO, apesar de existirem várias variáveis que podem sair da base, a nova SBA será degenerada. Geralmente, a entrada em ciclo depende do tipo de SBA degenerada em presença; tal só é possível quando nesta existir mais do que uma variável básica nula. Para casos destes, em que existe a possibilidade de entrada em ciclo, existem métodos que permitem eliminar a ambiguidade no critério de saída, mercê da determinação de uma única variável de entrada, sendo o que está em causa é a escolha correcta do vector a sair da base. Um desses métodos é a Técnica da Perturbação. Técnica da Perturbação. Esta técnica consiste em formular um novo problema, sem degenerescência, em que o vector formado pelos segundos membros das restrições, são obtidos deslocando ligeiramente ( perturbando ) o mesmo vector do problema inicial. Esta técnica consiste nos seguintes passos : Passo 1. Calcular x t bi = min, aik > 0 i aik Se x t é único, então o processo a seguir é o normal, de acordo com o processo descrito no algoritmo Simplex; neste caso não há lugar à técnica da perturbação.
17 Degenerescência e entrada em ciclo (Técnica da Perturbação) 43 Se, pelo contrário, houver empate no critério de saída, isto é, bi bs b x t = min, aik > 0 = = L = i aik asr a passa-se ao passo seguinte. Passo 2. Calcular a min a i= s,...,q i1 ik a ik > 0 para i correspondente aos vectores empatados. Se o mínimo desta expressão for único, então a variável associada àquele valor sai da base, de acordo com o processo descrito. Se, pelo contrário, o empate ainda persiste, isto é, ai1 as1 a min, aik > 0 = = L = i aik asr a passa-se ao passo seguinte. Passo 3. Calcular a min a i= s,...,q i2 ik a ik > 0 q1 qr para i correspondente aos vectores ainda empatados. Se o mínimo desta expressão for único, então a variável associada àquele valor sai da base, utilizando o mesmo processo. Se, pelo contrário, o empate ainda persistir, repetir o processo com q qr aij min, i aik aik > 0 para j = 3, 4,..., m, Exemplo : havendo a garantia de existir desempate, pois j percorre o conjunto dos índices dos vectores x 1, x 2,..., x m, e estes constituem uma matriz identidade. Considere-se o quadro seguinte, correspondente à resolução de um problema de maximização. X B x 1 x 2 x 3 x 4 x 5 x 6 x 7 2º m. x / x /2 12 1/2 3 0 x z j c j /4 20 1/ I 0 = = i : min, = { i : min { 0, 0 } { 1, 2}
18 44 Degenerescência e entrada em ciclo (Técnica da Perturbação) Como I 0 não é singular (situação de empate), então passar ao Passo I 1 = i : min, = x { i : min { 4, 0 } = {} 2 coluna 1 Como I 1 é singular, então a variável que sai na base é a x 2 (a 2ª na base). Logo, o quadro a passa a ter o seguinte aspecto : X B x 1 x 2 x 3 x 4 x 5 x 6 x 7 2º m. x 1 1 1/ /4 15/2 0 x x z j c j 0 3/ /4 21/2 0 1 I 0 = i : min = { i : min {} 1 } = {} 3 1 Como I 0 é singular, então a variável que sai na base é a x 3 (a 3ª na base). Logo, o quadro a passa a ter o seguinte aspecto : X B x 1 x 2 x 3 x 4 x 5 x 6 x 7 2º m. x 1 1 1/2 3/ /2 3/4 x x z j c j 0 3/2 5/ /2 5/4 Como z j c j 0, j, a solução actual é óptima. Esta solução é a seguinte : 3 5 x * =, 0, 0, 1, 0, 1, 0 com z* =. 4 4
Faculdade 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 maisCAPÍTULO 4. Teoria da Dualidade
CAPÍTULO 4 1. Introdução Uma dos conceitos mais importantes em programação linear é o de dualidade. Qualquer problema de PL tem associado um outro problema de PL, chamado o Dual. Neste contexto, o problema
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Linear (PL) Aula 8 : O método Simplex. Casos particulares. Empate no critério de entrada. Óptimo não finito. Soluções óptimas alternativas. Degenerescência. INÍCIO Forma Padrão Faculdade
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 maisINVESTIGAÇÃO OPERACIONAL. Programação Linear. Exercícios. Cap. IV Modelo Dual
INVESTIGAÇÃO OPERACIONAL Programação Linear Exercícios Cap. IV Modelo Dual António Carlos Morais da Silva Professor de I.O. i Cap. IV - Modelo Dual - Exercícios IV. Modelo Problema Dual 1. Apresente o
Leia maisInvestigação Operacional
Métodos de Programação Linear: Big M, Fases, S Dual (Licenciatura) Tecnologias e Sistemas de Informação http://dps.uminho.pt/pessoais/zan - Escola de Engenharia Departamento de Produção e Sistemas 1 Simplex
Leia maisProblemas de Transportes e de Afectação
CAPÍTULO 6 Problemas de Transportes e de Afectação 1. Problema de Transporte Este problema, que é um dos particulares de PL, consiste em determinar a forma mais económica de enviar um bem disponível, em
Leia maisInvestigação Operacional
Investigação Operacional Programação Linear Licenciatura em Engenharia Civil Licenciatura em Engenharia do Território Problema Uma firma fabrica dois produtos P e P em três máquinas M, M e M. P é processado
Leia maisO Problema de Transportes
Investigação Operacional- 00/0 - Problemas de Transportes 8 O Problema de Transportes O problema geral de transportes consiste em determinar a forma mais económica de enviar um bem que está disponível
Leia maisInvestigação Operacional
Ano lectivo: 0/06 Universidade da Beira Interior - Departamento de Matemática Investigação Operacional Ficha de exercícios n o Algoritmo Simplex Cursos: Gestão e Economia. Considere o seguinte conjunto
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 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 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 maisSimplex. Transparências de apoio à leccionação de aulas teóricas. c 2011, 2009, 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP
Simplex Transparências de apoio à leccionação de aulas teóricas Versão 3 c 2011, 2009, 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP Programação Linear abordagem algébrica max sujeito a: n
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 maisVânio Correia Domingos Massala
Optimização e Decisão 06/0/008 Método do Simplex Vânio Correia - 5567 Domingos Massala - 58849 INSTITUTO SUPERIOR TÉCNICO Generalidades do Método do Simplex Procedimento algébrico iterativo para resolver
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 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 maisX - D U A L I D A D E
X - D U A L I D A D E 1 - Introdução. Regras de transformação "Primal - Dual" Consideremos os dois problemas P1 e P2 de Programação Linear seguintes: P1 : n Maximizar F = Σ ck. Xk k = 1 n Σ aik. Xk bi
Leia maisLógica do Método Simplex: Passar de Solução Básica Factível para outra Solução Básica, buscando melhorar a Função Objetivo e manter factibilidade
Lógica do : Passar de Solução Básica Factível para outra Solução Básica, buscando melhorar a Função Objetivo e manter factibilidade Para isso, as condições que devem orientar esse movimento são: (i) a
Leia maisO Método Simplex. Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto
O Método Simplex Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto O Método Simplex para Problemas de Maximização Max Z(X) = 5X 1 + 2X 2 sujeito a X 1 = 0 X 2
Leia maisInvestigação Operacional
Análise de Sensibilidade, Formulação Dual (Mestrado) Engenharia Industrial http://dps.uminho.pt/pessoais/zan - Escola de Engenharia Departamento de Produção e Sistemas Uma das tarefas mais delicadas no
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 maisIV - P R O G R A M A Ç Ã O L I N E A R :
IV - P R O G R A M A Ç Ã O L I N E A R : C O N C E I T O S F U N D A M E N T A I S Consideremos um problema de Programação Linear apresentado na sua forma standard: Maximizar F = c1. X1 + c2. X2 + c3.
Leia maisProgramação Linear (PL) Solução algébrica - método simplex
Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão Pesquisa Operacional Simplex Prof. Dr. José Arnaldo Barra Montevechi Programação Linear (PL) Solução algébrica - método simplex
Leia maisSlide 1. c 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP
Programação Linear e Método Simplex Slide 1 Transparências de apoio à leccionação de aulas teóricas Versão 1 c 1998 Programação Linear e Método Simplex 1 Slide 2 Toda a teoria deve ser feita para poder
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 maisUniversidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº3: Dualidade. Interpretação Económica.
Ano lectivo: 2008/2009; Universidade da Beira Interior Departamento de Matemática INVESTIGAÇÃO OPERACIONAL Ficha de exercícios nº3: Dualidade. Interpretação Económica. Cursos: Economia 1. Formule o problema
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 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 maisGraduação em Engenharia Elétrica MÉTODOS DE OTIMIZAÇÃO ENE081. PROF. IVO CHAVES DA SILVA JUNIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA Graduação em Engenharia Elétrica MÉTODOS DE OTIMIZAÇÃO ENE081 PROF. IVO CHAVES DA SILVA JUNIOR E-mail: ivo.junior@ufjf.edu.br Aula Número: 07 Programação Linear Últimas
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 maisInvestigação Operacional 1. Transparências de apoio à leccionação de aulas teóricas. x j - valor da variável de decisão j;
Investigação Operacional 1 Programação Linear Slide 1 Transparências de apoio à leccionação de aulas teóricas Maria Antónia Carravilla José Fernando Oliveira Programação Linear Modelos Slide 2 Forma geral
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 maisAlgoritmo Simplex para Programação Linear I
EA Planejamento e Análise de Sistemas de Produção Algoritmo Simple para Programação Linear I DCA-FEEC-Unicamp Modelo de Programação Linear ma c ( n ) s. a. A b A ( m n) b ( m ) c ( n) P ( R n A b} Poliedro
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 maisProfessor: Rodrigo A. Scarpel
Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana : Apresentação da disciplina Introdução à Programação Linear Resolução de problemas de PL pelo Método Gráfico
Leia maisÍndice de conteúdos. Índice de conteúdos. Capítulo 7. Modelos de Otimização...1
Índice de conteúdos Índice de conteúdos Capítulo 7. Modelos de Otimização...1 1.Modelos matemáticos de otimização...1 2.Formulação do Problema...2 3.Construção do modelo matemático...3 4.Obtenção de uma
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 maismax z = 10x 1 + 4x 2 s.a x 1 + x x 1 + 4x x 1 + 6x 2 300
Escola Superior de Tecnologia de Tomar Área de Matemática Investigação Operacional / Técnicas de Optimização e Decisão Engenharia Química, Engenharia do Ambiente, Engenharia Informática e Engenharia Civil
Leia maisProblemas de Fluxo em Redes
CAPÍTULO 7 1. Conceitos fundamentais de grafos Em muitos problemas que nos surgem, a forma mais simples de o descrever, é representá-lo em forma de grafo, uma vez que um grafo oferece uma representação
Leia maisA Dualidade em Programação Linear
Investigação Operacional- 2009/10 - Programas Lineares 14 A Dualidade em Programação Linear Para melhor ilustrar este conceito vamos estudar dois problemas intimamente relacionadas: o problema da dona
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 Forma geral de um problema Em vários problemas que formulamos, obtivemos: Um objetivo de otimização
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 mais2º Semestre 2002/2003 Problemas Resolvidos
RESOLUÇÂO DO PROBLEMA Nº 19 Determinado problema de Programação Linear depois de formulado permitiu obter as seguintes expressões: Max L = 4x 1-2x 2 + 2x 3 -x 4 s.a. R 1: x 1 - x 2 + 2x 3 +x 4 10 R 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 maisMétodo do Big M. Análise de Sensibilidade
A 5 =A 4 +C 5 B 5 =B 3 +C 5 C 5 =C 4 /2 E 5 =E 4 +C 5 Método do Big M.5.5 4 -.5.5 6 -.5.5 2 -G.5.5 2 i 2/- 4/- 4/2=2 max = 2 Nuno Moreira - 22/23 x 2 R 3 5 G=2 R 2 R 5 x 3 Análise de Sensibilidade Nuno
Leia maisO método Simplex Aplicado ao Problema de Transporte (PT).
Prof. Geraldo Nunes Silva (Revisado por Socorro Rangel) Estas notas de aula são Baseadas no livro: Hillier, F. S. e G. J. Lieberman. Introdução à Pesquisa Operacional, Campus, a ed., 9 Agradeço a Professora
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 maisComplementos de Investigação Operacional. Folha nº 1 Programação Inteira 2006/07
Complementos de Investigação Operacional Folha nº Programação Inteira 2006/07 - A Eva e o Adão pretendem dividir entre eles as tarefas domésticas (cozinhar, lavar a louça, lavar a roupa, fazer as compras)
Leia maisPesquisa Operacional
Pesquisa Operacional Casos Especiais do Método Simplex e Gráfica Profa. Sheila Morais de Almeida DAINF-UTFPR-PG setembro - 2015 1 Casos Especiais do Método Simplex Degeneração Múltiplas soluções ótimas
Leia maisSistemas de Equações Lineares e Equações Vectoriais Aula 2 Álgebra Linear Pedro A. Santos
Sistemas de Equações Lineares e Equações Vectoriais Aula 2 Álgebra Linear MEG Operações Elementares Trocar a posição de duas equações Multiplicar uma equação por uma constante diferente de zero Não alteram
Leia mais2. Soluções do sistema de equações da forma-padrão. A mudança de base Considere-se o seguinte modelo de PL: Max f(x) = 6x 1 + 8x 2 + 0F 1 + 0F 2
Método do Simple V. MÉTODO DO SIMPLEX. Introdução No capítulo III foram apresentadas as bases teóricas do método do Simple sendo de interesse recordar o seguinte: a solução óptima do PPL (quando eiste)
Leia maisComplementos de Investigação Operacional. Folha nº 1 Programação Inteira 2007/08
Complementos de Investigação Operacional Folha nº Programação Inteira 2007/08 - A Eva e o Adão pretendem dividir entre eles as tarefas domésticas (cozinhar, lavar a louça, lavar a roupa, fazer as compras)
Leia maisO método de enumeração de soluções básicas é muito ineficiente.
Resolução de PLs O método de enumeração de soluções básicas é muito ineficiente. O número de possíveis bases pode ser enorme Para encontrar a solução associada a cada base é preciso resolver um sistema
Leia maisÍndice. Prefácio Os modelos de programação linear e a investigação operacional 17
Índice Prefácio 13 Capítulo 1 Introdução 1. Os modelos de programação linear e a investigação operacional 17 2. O problema de programação linear 18 2.1. O problema de programação linear em substituição
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 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 maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Linear (PL) Aula 5: O Método Simplex. 2 Algoritmo. O que é um algoritmo? Qualquer procedimento iterativo e finito de solução é um algoritmo. Um algoritmo é um processo que se repete (itera)
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 maisIX - A N Á L I S E D E S E N S I B I L I D A D E
IX - A N Á L I S E D E S E N S I B I L I D A D E A N Á L I S E P Ó S - O P T I M A L I D A D E Recordemos o exercício apresentado para ilustrar a aplicação do Algoritmo Simplex Revisto: Consideremos o
Leia maisINVESTIGAÇÃO OPERACIONAL. Programação Linear. Exercícios. Cap. X Programação por Metas
INVESTIGAÇÃO OPERACIONAL Programação Linear Exercícios Cap. X Programação por Metas António Carlos Morais da Silva Professor de I.O. i Cap. X Programação por Metas - Exercícios X. Programação por Metas.
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. 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 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 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 maisx 1 + b a 2 a 2 : declive da recta ;
- O que é a Álgebra Linear? 1 - É a Álgebra das Linhas (rectas). Equação geral das rectas no plano cartesiano R 2 : a 1 x 1 + a 2 = b Se a 2 0, = a 1 a 2 x 1 + b a 2 : m = a 1 : declive da recta ; a 2
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Linear (PL) Aula 15. Dualidade Interpretação económica. Problema dual: preços sombra e perdas de oportunidade. Propriedade dos desvios complementares 2 Formulação do Problema de PL em termos
Leia maisCLP(X) Na Programação em Lógica, a operação fundamental que se executa na passagem de parâmetros é a unificação de termos de Herbrand.
CLP(X) Na Programação em Lógica, a operação fundamental que se executa na passagem de parâmetros é a unificação de termos de Herbrand. Com efeito, dado um golo g, uma cláusula h:- b1,..., bk pode ser usada
Leia maisTP052-PESQUISA OPERACIONAL I Algoritmo Dual Simplex. Prof. Volmir Wilhelm Curitiba, Paraná, Brasil
TP052-PESQUISA OPERACIONAL I Algoritmo Dual Simplex Prof. Volmir Wilhelm Curitiba, Paraná, Brasil Algoritmo Dual Simplex Motivação max sa Z = cx Ax = b x 0 escolhida uma base viável max sa Z = c B x B
Leia maisLaboratório de Simulação Matemática. Parte 6 2
Matemática - RC/UFG Laboratório de Simulação Matemática Parte 6 2 Prof. Thiago Alves de Queiroz 2/2017 2 [Cap. 6] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning, 2010. Thiago
Leia maisPESQUISA OPERACIONAL Definições e Teoremas Básicos. Professor Volmir Wilhelm Professora Mariana Kleina
PESQUISA OPERACIONAL Definições e Teoremas ásicos Professor Volmir Wilhelm Professora Mariana Kleina Conceitos Solução Viável Solução Não Viável Região Viável Solução ásica Solução ásica Viável Solução
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 maisInvestigação Operacional
Modelos de Programação Linear (Mestrado) Engenharia Industrial http://dps.uminho.pt/pessoais/zan - Escola de Engenharia Departamento de Produção e Sistemas 1 Modelação Matemática As técnicas e algoritmos
Leia maisINSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 2007/2008 Semestre: 1 o
INSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 27/28 Semestre: o MATEMÁTICA COMPUTACIONAL Exercícios [4 Sendo A M n (C) mostre que: (a) n A 2 A n A 2 ; (b)
Leia maisMétodos Numéricos - Notas de Aula
Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Introdução Sistemas Lineares Sistemas lineares são sistemas de equações com m equações e n incógnitas formados por equações lineares,
Leia maisInvestigação Operacional E-FÓLIO A. Ano lectivo 2015/2016. Proposta de Resolução
Investigação Operacional - 07 E-FÓLIO A Ano lectivo 0/0 Proposta de Resolução. Variáveis: Sejam percentagem de M / Kg de mistura percentagem de M / Kg de mistura percentagem de M / Kg de mistura Tomando
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 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 maisAula 10: Revisão Otimização Linear e Inteira Túlio A. M. Toffolo
Aula 10: Revisão Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br 2018/2 - PCC174/BCC464 Aula Prática - Laboratório COM30!1 Breve Revisão Modelagem Método gráfico O Algoritmo Simplex
Leia maisInvestigação Operacional
Investigação Operacional Licenciatura em Gestão 3.º Ano Ano Lectivo 2013/14 Programação Linear Texto elaborado por: Maria João Cortinhal (Coordenadora) Anabela Costa Maria João Lopes Ana Catarina Nunes
Leia maisAvaliação e programa de Álgebra Linear
Avaliação e programa de Álgebra Linear o Teste ( de Março): Sistemas de equações lineares e matrizes. Espaços lineares. o Teste ( de Maio): Matriz de mudança de base. Transformações lineares. o Teste (
Leia maisINVESTIGAÇÃO OPERACIONAL. Programação Linear. Exercícios
INVESTIGAÇÃO OPERACIONAL Programação Linear Exercícios Cap. VII Interpretação económica do modelo de PL António Carlos Morais da Silva Professor de I.O. i Cap. VII - Interpretação económica do modelo de
Leia maisInvestigação Operacional
Licenciatura em Engenharia Electrotécnica e de Computadores Investigação Operacional Recurso 2004.02.09 Duração: 2 horas Nome: Teórica Responda a cada afirmação com (V) Verdadeira ou (F) Falsa. Por cada
Leia maisMÓDULO 3 - PROBLEMAS DE TRANSPORTE
UNESA Sistemas de Transportes Currículo 08 / 009- MÓDULO 3 - PROBLEMAS DE TRANSPORTE. PROBLEMA CLÁSSICO DE TRANSPORTE O Problema de Transporte constitui uma das principais aplicações da PL para auxiliar
Leia maisDepartamento de Matemática da Universidade de Coimbra. Licenciatura em Matemática. e B =
Departamento de Matemática da Universidade de Coimbra Optimização Numérica Licenciatura em Matemática Ano lectivo 2006/2007 Folha 1 1. Considere as matrizes A = [ 1 1 1 2 ] e B = [ 1 3 1 2 (a) Verifique
Leia maisPode-se mostrar que da matriz A, pode-se tomar pelo menos uma submatriz quadrada de ordem dois cujo determinante é diferente de zero. Então P(A) = P(A
MATEMÁTICA PARA ADMINISTRADORES AULA 03: ÁLGEBRA LINEAR E SISTEMAS DE EQUAÇÕES LINEARES TÓPICO 02: SISTEMA DE EQUAÇÕES LINEARES Considere o sistema linear de m equações e n incógnitas: O sistema S pode
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 maisProf.: Eduardo Uchoa.
Análise de sensibilidade Prof.: Eduardo Uchoa http://www.logis.uff.br/~uchoa/poi 1 Análise de Sensibilidade Uma vez que já se tenha resolvido um PL, existem técnicas para avaliar como pequenas alterações
Leia maisModelagem Computacional. Parte 6 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 6 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 6 e 7] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisComplementos de Investigação Operacional. Folha nº 2 Programação Multiobjectivo 2006/07
Complementos de Investigação Operacional Folha nº 2 Programação Multiobjectivo 2006/07 1- x2 D(7,6) C(4,5) E(11,5) F(12,4) B(2,3) X G(13,2) A(1,1) H(10,1) max f 1 (x) = x 1 max f 2 (x) = x 2 (a) Represente
Leia maisSistemas de equações lineares
Matemática II - / - Sistemas de Equações Lineares Sistemas de equações lineares Introdução Uma equação linear nas incógnitas ou variáveis x ; x ; :::; x n é uma expressão da forma: a x + a x + ::: + a
Leia mais5. Problema de Transporte
5. Problema de Transporte O Problema de Transporte é talvez o mais representativo dos Problemas de Programação Linear. É um problema de grande aplicação prática, tendo sido estudado por vários investigadores,
Leia maisMÉTODO SIMPLEX SOLUÇÃO INICIAL ARTIFICIAL
MÉTODO SIMPLEX SOLUÇÃO INICIAL ARTIFICIAL Problemas de PL nos quais todas as restrições são ( ) com lados direitos não negativos oferecem uma solução básica inicial viável conveniente, na qual todas as
Leia maisCombinando inequações lineares
Combinando inequações lineares A multiplicação por um número > 0 não altera uma inequação 2x x 5 4x 2x 0 2 2 A soma de duas inequações (com o mesmo sentido) produz uma inequação válida x 3x + x 3 2 + 5x
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 maisDeterminação de Uma Solução Básica Factível Inicial
Determinação de Uma Solução Básica Factível Inicial Método das duas fases Prof. Ricardo R. Santos Determinação de Uma Solução Básica Factível Inicial Para que o simplex seja aplicado, precisamos de uma
Leia maisProblema de Designação. Fernando Nogueira Problema de Designação 1
Problema de Designação Fernando Nogueira Problema de Designação 1 O Problema de Designação é um caso específico de um Problema de Transporte, que por sua vez é um caso específico de um Problema de Programação
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 mais