5 Programação Matemática Princípios Básicos

Documentos relacionados
2 Programação Matemática Princípios Básicos

Solução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI)

5 Avaliação da Eficiência Computacional

5 Sistemas Lineares com Coecientes Periódicos

Aprendizagem Estatística de Dados. Francisco Carvalho

CAPÍTULO 2 PLANEJAMENTO DA OPERAÇÃO E FORMAÇÃO DO PREÇO SPOT EM UM MERCADO COMPETITIVO DE ENERGIA ELÉTRICA

Módulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira)

PCA e IMPCA. Capítulo. 5.1 Considerações Iniciais

MECÂNICA CLÁSSICA. AULA N o 3. Lagrangeano Princípio da Mínima Ação Exemplos

CAPÍTULO 4. Vamos partir da formulação diferencial da lei de Newton

AGG-232 SÍSMICA I 2011 SÍSMICA DE REFLEXÃO ANÁLISE DE VELOCIDADES

Introdução à Computação Gráfica

2. FUNDAMENTOS DE CORRENTE ALTERNADA

PROF. DR. JACQUES FACON LIMIARIZAÇÃO POR ENTROPIA DE WULU

Neo-fisherianos e teoria fiscal do nível de preços

5 Apreçamento de ESOs com preço de exercício fixo

Calibração Virtual de Projetores

Nota Técnica sobre a Circular nº 2.972, de 23 de março de 2000

EN3604 FILTRAGEM ADAPTATIVA

5 Avaliação do Título Conversível pelo Método de Diferenças Finitas Implícito (DFI)

TÉCNICAS DE PROGRAMAÇÃO NÃO LINEAR PARA OTIMIZAÇÃO DE GRANDE PORTE. Veranise Jacubowski Correia Dubeux

Inserção de Variáveis Ambientais no Planejamento da Operação de Sistemas Hidrotérmicos

Instituto de Física USP. Física V Aula 30. Professora: Mazé Bechara

CONSIDERAÇÃO DAS PERDAS NA REDE ELÉTRICA NO MODELO DESSEM-PAT METODOLOGIA E ANÁLISE DE DESEMPENHO

Erlon Cristian Finardi UFSC

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Iluminação e FotoRealismo: Radiosidade

TÉCNICAS DE OTIMIZAÇÃO DE PROBLEMAS COM MÚLTIPLOS OBJETIVOS UM ESTUDO SOBRE O MÉTODO DE MINIMIZAÇÃO DE ENERGIA E SUAS VARIANTES

. Para cada conexão i é atribuído um peso φ

Iluminação e FotoRealismo: Radiosidade

MECÂNICA CLÁSSICA. AULA N o 4. Carga de Noether- Simetrias e Conservação

2 Estabilidade de Tensão

CAPÍTULO 1 REPRESENTAÇÃO E CLASSIFICAÇÃO DE SISTEMAS. Sistema monovariável SISO = Single Input Single Output. s 1 s s n

Propagação de dano no modelo de Ising unidimensional

Controle Cinemático de Robôs Manipuladores

Programação Não Linear Irrestrita

Teoremas de Otimização com Restrições de Desigualdade

ESTIMADOR DE ESTADOS ORTOGONAL COM RESTRIÇÕES DE IGUALDADE

Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 2 = 12

Parte III. Objetivo: estudar o deslocamento de um corpo quando esta rolando

DANIELLE MARTINS DUARTE COSTA (UNIFEI ) Gabriela Belinato (UNIFEI )

2.1. Modelos Baseados em Premissas de Distribuições Simulação de Monte Carlo

Uma análise da não-linearidade da função de reação do Banco Central do Brasil: Avesso a Inflação ou a Recessão?

3 Modelos de Apreçamento de Opções

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina:

2 O Modelo Teórico O Modelo Básico

3 Análise de Demanda Condicionada

Conceitos Básicos de Circuitos Elétricos

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Interpolação Segmentada

UMA METODOLOGIA DE PRÉ-DESPACHO AC COM BASE EM UM MODELO DE FPO NEWTON

3. Modelos de Otimização no Contexto do Planejamento do Despacho Hidrotérmico

Experiência IV (aulas 06 e 07) Queda livre

MODELAGEM E OTIMIZAÇÃO ECONÔMICA DE COLUNAS DE DESTILAÇÃO

3 Modelo de Amortecimento Direto

ANÁLISE DOS ESFORÇOS HIDRODINÂMICOS EM COMPORTAS HIDRÁULICAS

2 Sistemas de Reconhecimento de Voz

Projeto de Inversores e Conversores CC-CC

CIRCUITOS ELÉTRICOS EXERCÍCIOS ) Para o circuito da figura, determinar a tensão de saída V out, utilizando a linearidade.

CAPÍTULO I CIRCUITOS BÁSICOS COM INTERRUPTORES, DIODOS E TIRISTORES 1.1 CIRCUITOS DE PRIMEIRA ORDEM Circuito RC em Série com um Tiristor

Olinda - Pernambuco - Brasil. Gestão da Previsão de Consumo e Energia Não Faturada. Glauber Renato Colnago Rodolfo Miyasaki Edson Amaral

defi departamento de física

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Modelagem de Curvas. Prof. Márcio Bueno Fonte: Material do Prof. Jack van Wijk

Previsão de Demandas para Controle dos Montantes de Uso do Sistema de Transmissão para Distribuidoras de Energia Elétrica

CAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS

Prof. Lorí Viali, Dr.

APLICAÇÃO DOS MÉTODOS DE PONTOS INTERIORES PRIMAIS-DUAIS AO PROBLEMA DE PRÉ-DESPACHO DE UM SISTEMA HIDROTÉRMICO

Díodo: Regime Dinâmico

EXERCÍCIO: VIA EXPRESSA CONTROLADA

Análise Tecno-Econômica da Correção do Perfil de Tensão de Alimentadores de Média Tensão

CIRCULAR Nº 3.634, DE 4 DE MARÇO DE Padrão. Padrão. max i. I - F = fator estabelecido no art. 4º da Resolução nº 4.

Física I. 2º Semestre de Instituto de Física- Universidade de São Paulo. Aula 5 Trabalho e energia. Professor: Valdir Guimarães

UFGD 2015 DANIEL KICHESE

Dinâmica Estocástica. Instituto de Física, outubro de 2016

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

5.1 O Processo TAR. é definida como um processo limiar auto-regressivo com h. regimes se puder ser representada por (5) ). Os termos ,...

Método Primal Dual Barreira Logarítmica Para Resolução de um Modelo de Leilão Multiperíodo de Sistemas Hidrotérmicos

Henrique M. J. Barbosa Instituto de Física USP

F-128 Física Geral I. Aula exploratória-10a UNICAMP IFGW

3 Método Numérico. 3.1 Discretização da Equação Diferencial

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP

Local branching aplicado ao problema de dimensionamento de lotes

O Modelo de Redes Neurais Globais-Locais

4 Premissas quanto aos Modelos de Despacho de Geração, Formação do Preço da Energia e Comercialização de Energia

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

INTEGRAÇÃO TEMPORAL EXPLÍCITA DE ALTA ORDEM VIA TÉCNICAS DE MALHA INTERCALADA APLICADA A PROBLEMAS GERAIS DE PRIMEIRA ORDEM.

Henrique M. J. Barbosa Instituto de Física USP

3 Algoritmo das Medidas Corretivas

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

Capítulo 3. Dinâmica crítica do modelo de Baxter-Wu. 3.1 O Modelo

Análise da Confiabilidade de Componentes Não Reparáveis

REGRESSÃO NÃO LINEAR 27/06/2017

DANIELE DA ROCHA FONSECA

PROVA DE ENGENHARIA GRUPO II

4 Discretização e Linearização

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

4 Sistema Inteligente de Otimização

Estudo da temperatura da transição de Fase do modelo de potts bidimensional

2 Aproximação por curvas impĺıcitas e partição da unidade

Transcrição:

5 Programação Maemáca Prncípos Báscos 5. Consderações Geras Ese capíulo em por objevo apresenar os conceos báscos de Programação Maemáca (PM), necessáros à compreensão do processo de omzação de dmensões, bem como descrever os algormos de omzação ulzados. Em problemas ípcos de engenhara, é possível denfcar uma nfndade de soluções capazes de aender à odas as especfcações de projeo. Em um problema de omzação deseja-se ober um projeo ómo, maxmzando ou mnmzando uma função, adoada como medda quanava do desempenho do ssema analsado, a qual denomna-se função objevo. A maora dos problemas de omzação são formulados em ermos de parâmeros e resrções. Os parâmeros escolhdos para descrever o projeo de uma esruura são conhecdos como varáves de projeo enquano que as resrções, mposas para que projeo seja admssível, são conhecdas como condções de resrção. A Programação Maemáca é a dscplna que esuda a mnmzação ou maxmzação de funções em problemas com ou sem resrções. Maemacamene, um problema de omzação, no caso mnmzação, podem ser enuncados como: Mnmzar f ( x ) n x R sujeo a c ( x )= =... l c ( x) = l+... m l x x u x =... n (5.) onde x é o veor de varáves, sobre o qual são mposos os lmes mínmos e máxmos (resrções laeras), f ( x ) é a função a ser mnmzada e as funções c ( x) represenam as resrções de gualdade e desgualdade mposas ao ssema. Assume-se que ano a função objevo quano as resrções são funções conínuas

Programação Maemáca Prncípos Báscos 79 no n R. Em geral, f ( x ) e varáves c ( x) ( x ) que defnem o problema. são funções não-lneares e mplícas das Espaço de Busca É o conjuno, espaço ou regão que compreende as possíves ou váves soluções do problema a ser omzado, sendo caracerzado pelas funções de resrção. Um pono que sasfaça odas as resrções é denomnado um pono vável e o espaço ou regão que conem odos os ponos que sasfaçam odas as resrções é conhecdo como regão vável. Uma resrção de desgualdade defne uma fronera que dvde o n R em uma regão vável e oura nvável. Quando um pono esá sobre esa fronera, a resrção é da ava; quando um pono esá no neror da regão vável, a resrção esá nava e, quando um pono esá fora desa regão, à resrção esá volada. 5. Condções de Ómo Para que a solução x seja um mínmo local do problema de omzação enuncado em (5.) é necessáro que esa aenda as condções de a ambém chamadas de condções de Kuhn-Tucer, enuncadas por: Lx x (, λ ) = c ( x ) = =... l ( ) c x = l+... m λ = l+... m λ c ( x ) = ordem, (5.) onde Lx (, λ ) é a função Lagrangana dada pela expressão a segur: (, ) = ( l ) + λ ( ) = Lx λ f x c x (5.3) onde solução. λ são os mulplcadores de Lagrange assocados às resrções no pono x

Programação Maemáca Prncípos Báscos 8 Para deermnadas classes de problemas de programação maemáca as condções de Kuhn-Tucer são sufcenes para a deermnação de uma solução óma local. Inclu-se nessas classes os problemas de programação convexa, as como os de programação lnear e quadráca. O problema de programação convexa é caracerzado por função objevo e resrções convexas. Porém, nos casos mas comuns, onde os problemas não são de programação convexa, as condções de prmera ordem não são sufcenes para a deermnação da solução óma local. Assm, além das condções expressas em (5.), deve ser verfcada a condção de segunda ordem expressa na equação (5.4) a segur: dwd, d da = (5.4) al que onde a = c ( x ) para odas as resrções avas e W = Lx ( ) é a Hessana da função Lagrangana. O que sgnfca que ómo para qualquer dreção esaconára d. W em x é posva defnda no pono 5.3 Forma Geral dos Algormos de Omzação Os problemas de programação maemáca são defndos de acordo com as caraceríscas da função-objevo e das resrções. Desa forma, os problemas de omzação podem se dvdr em dferenes formas, como mosra a Tabela.. TABELA 5. Dvsão dos problemas de Programação Maemáca Tpos de Omzação f (x) c (x) Programação Lnear lnear lnear Programação Quadráca quadráca lnear Programação Não-Lnear não-lnear não-lnear lnear não-lnear lnear não-lnear Algormos de omzação para problema de programação lnear e programação quadráca êm solução em um número fno de passos. Já os algormos de programação não-lnear podem não er solução em um número fno de passos, mas espera-se que a seqüênca gerada convrja para um mínmo local. Porano, um problema adconal no processo de omzação ocorre quando a função objevo e as resrções são funções não-lneares do veor de varáves de n projeo, x R.

Programação Maemáca Prncípos Báscos 8 Os algormos de programação não-lnear, resra e rresra, são procedmenos eravos. Neses, a parr de uma solução ncal x, denomnada solução básca, e com base no cálculo de dervadas para ndcar a dreção na qual se deve camnhar, novas soluções são geradas aravés da expressão (5.5). x = x + d (5.5) Assm, os algormos podem ser dvddos em duas eapas prncpas: a prmera eapa é a deermnação da dreção de busca d e a segunda é a avalação do parâmero escalar, que represena o amanho do passo a ser dado ao longo da dreção de busca. A parr da expressão (5.5) dversos algormos podem ser consruídos ulzando dferenes écncas para a deermnação da dreção de busca e do amanho do passo. Por rabalharem com o cálculo de dervadas, os algormos de PM são denomnados de algormos de ordem n, onde n é a maor dervada ulzada. Um algormo é do de prmera ordem se ulzar apenas os gradenes da função objevo e das resrções para calcular a dreção de busca. Por ouro lado, se o algormo ulza nformações sobre as Hessanas desas funções, ele é do de segunda ordem. 5.4 Méodo de Newon para Problemas de Omzação sem Resrção O prncípo do méodo de Newon é mnmzar a função f ( x ) aravés de uma aproxmação local por uma função quadráca. Para esse propóso a função f ( x ) é expandda por sére de Taylor aé o ermo de segunda ordem, ou seja: se e f ( x) = f( x ) + f( x )( x- x ) + ( x- x ) f( x )( x- x ) (5.6) d= x = ( x- x ) x= d + x (5.7) g = f ( x ) e H = f ( x ) (5.8) Subsundo-se (5.7) e (5.8) em (5.6) em-se ( d+ ) = ( ) + d g + dhd (5.9) f x f x

Programação Maemáca Prncípos Báscos 8 onde d é o ncremeno de x, g é veor gradene de f e H, uma marz smérca posva defnda, é a hessana da função f no pono x. A equação (5.9) é uma equação quadráca cuja varável é d. Porano, o algormo de omzação procura deermnar uma dreção de busca d al que f ( d + x) < f( x ) em cada passo, ou seja, uma dreção de decréscmo em f. Assm: f d+ = d g + d d (5.) mn ( x ) mn( H ) Escrevendo a condção de omaldade de (5.) ( d f( d + x) = ), obém-se d: - d= H g (5.) Assm, (5.) fornece um mínmo global únco para a função aproxmadora de f. Além dsso, se f é um função quadráca o méodo de Newon deermna o pono de mínmo em um únco passo. Ese méodo, enreano, em como desvanagem o elevado esforço compuaconal envolvdo nos cálculos para a monagem da marz H, sobreudo em problemas com grande número de varáves. Os méodos Quase-Newon surgram para resolver esse problema sem perder as boas propredades de convergênca do méodo de Newon. Nesses méodos, uma aproxmação da Hessana (ou de sua nversa) é consruída a parr dos valores dos gradenes ao longo das erações. Esses méodos, dos quas o BFGS (Broyden - Flecher - Goldfarb - Shanno) é o mas popular, possuem convergênca superlnear e são amplamene ulzados em problemas de omzação. 5.5 Busca Lnear Após a deermnação da dreção de busca d é necessáro calcular o amanho do passo a ser dado nessa dreção, a fm de se ober o novo veor das varáves de projeo em (5.5). O amanho do passo é calculado fazendo-se uma mnmzação da função undmensonal p defnda aravés da expressão: p() = f(x + d ) (5.)

Programação Maemáca Prncípos Báscos 83 A parr desa defnção, pode-se verfcar que: e p() = f(x ) (5.3) dx p (5.4) f ( x) '() = x d = onde p ndca a dervada em relação à. A busca lnear pode ser exaa ou aproxmada, dependendo do méodo ulzado para a mnmzação. A busca aproxmada é uma forma mas moderna, na qual o objevo é deermnar de forma que f apresene um cero nível de decréscmo, segundo um créro preesabelecdo, como: p () = f( x)+ γ d g, γ (,) (5.5) De acordo com esa equação, o parâmero γ conrola o amanho do passo. Assm, um γ pequeno perme a ulzação de passos maores e a ulzação de um γ grande força a ulzação de passos pequenos. Uma forma basane popular de busca lnear é fazer uma aproxmação quadráca de p e calcular como o mínmo desa aproxmação, verfcando se a equação (5.5) é sasfea. Uma forma anda mas smples é o méodo de Armjo (Hersovs, 995), no qual é gual ao prmero número da seqüênca {,α, α, α 3,...}, α (; ), para o qual p() sasfaz a condção (5.5). 5.6 Programação Quadráca solução A Programação Quadráca (PQ) em como objevo deermnar o veor x do problema colocado na segune forma:: mnmzar q x + x Q x sujeo a a x = b =... l a x b = l+... m (5.6)

Programação Maemáca Prncípos Báscos 84 onde a é uma marz que conem os coefcenes dos gradenes das resrções, b é o veor dos ermos ndependenes das resrções. Sendo Q uma marz posva defnda, o problema quadráco é convexo e pode-se garanr a exsênca de um únco mínmo local. A solução dese problema pode ser obda em rês eapas bem defndas (Ebol, 989 e Parene, ):. As l resrções de gualdade são elmnadas do problema dmnundo-se o número das varáves ndependenes para n - l, obendo-se um problema de programação quadráca (reduzda), chamado problema padrão de PQ, só com as resrções de desgualdade.. O problema quadráco reduzdo é ransformado em um Problema Lnear Complemenar (PLC), que pode ser resolvdo aravés de méodos de pvoeameno como o de Leme. 3. Recupera-se a solução para o espaço orgnal com o cálculo das varáves elmnadas na prmera eapa, obendo-se os valores de x e λ. 5.7 Algormo de Han-Powell - Programação Quadráca Seqüencal O algormo de omzação de Han-Powell proposo por Han em 976 e 977 e por Powell em 978 (Ebol, 989), fo mplemenado e aplcado a problemas de Engenhara Esruural no DEC/PUC-Ro por Ebol (989), Parene () e Farfán (). Ese algormo ulza a écnca de Programação Quadráca Seqüencal (PQS) aravés da resolução de um subproblema quadráco (PQ). O méodo de PQS pode ser consderado como o resulado da aplcação do méodo de Newon à mnmzação da função Lagrangana do problema. Ese méodo fornece a cada eração os veores d (correção de x) e λ (correção dos mulplcadores de Lagrange λ ). Ese fao pode ser demonsrado consderando o segune problema: mnmzar f ( x ) sujeo a c ( x )= (5.7)

Programação Maemáca Prncípos Báscos 85 cuja função Lagrangana é dada por: Lx (, λ ) = f( x) + λ c( x) (5.8) D esenvolvendo Lx (, λ ) em séres de Taylor em orno de ( x, λ ) aé a prmera ordem em-se: + + + d Lx ( + d, λ + λ ) = Lx (, λ ) + Lx (, λ ) + λ (5.9) Consderando + + d = x x e = + + λ λ λ e aplcando a condção de + esaconaredade a (5.9) no pono ( x + d, λ + λ + ) resula em: + d Lx (, λ ) = Lx (, ) + λ λ (5.) ou expresso na forma marcal como: + W A d g +A λ = + A λ c (5.) F nalmene, subsundo λ = λ + λ + + em-se: + W A d g = + A λ c (5.) onde, A é a marz dos gradenes das resrções, W é a Hessana da Lagrangana, e g é o gradene de f(x) sendo odos avalados no pono x. A solução de (5.) equvale à solução do subproblema de PQ (Ebol,989): mnmzar g d+ d W sujeo a c + A d = d (5.3)

Programação Maemáca Prncípos Báscos 86 Ou seja, cada eração da soluç ão do problema orgnal é dênca à solução do PQ obdo pela lnearzação das resrções e pela expansão quadráca de f em orno de x. busca e Em problemas em que odas as resrções são de gualdade, a dreção de os mulplcadores de Lagrange podem ser obdos pela solução do ssema de equações lneares gerado pelo méodo de Newon, como mosrado em (5.). Para consderar o caso de resrções de desgualdade, Wlson propôs resolver o problema geral de PM: mnmzar f ( x ) sujeo a c ( x )= =... l c ( x) = l+... m (5.4) defnndo uma dreção de busca d e uma nova esmava dos mulplcadores de Lagrange λ aravés da solução do PQ: mnmzar g d+ d W d sujeo a c + a d = =... l c + a d = l+... m (5.5) cujo méodo de solução fo vso na seção aneror. 5.7. Eapas do Algormo Não-Lnear Han-Powell (PQS) As eapas que formam o algormo Han-Powell são (Parene, ):. Dado um pono ncal x e uma aproxmação da Hessana da função Lagrangana B fazer =. B é dada pela segune função: B = b I (5.6) o onde bo é um parâmero defndo pelo usuáro do algormo. O número de renícos da marz B é conrolado pelo parâmero n r defndo pelo

Programação Maemáca Prncípos Báscos 87. usuáro. Segundo Parene () o reníco de B serve para descarar a nfluenca de ponos muo dsanes do pono correne. Para =+, monar e resolver o problema de programação quadráca defndo pela equação (5.5) deermnando os veores d e λ : Mnmzar sujeo a n g d+ d B d d R c + a d = =... l c + a d = l+... m (5.7) onde c é o veor com as resrções, a é uma marz com o gradene das resrções e B é uma aproxmação da Hessana no pono x. 3. Verfcar os créros de parada do algormo: g d ol max( c ) ol (5.8) 4. onde o prmero créro represena a varação da função objevo na dreção d e o segundo créro verfca explcamene o valor da resrção mas volada. Faz-se enão uma busca lnear undmensonal para deermnar o amanho do passo, na dreção d de forma que o novo esmador da solução x = x + d seja um pono que conrbua para o decréscmo da função objevo. A busca é fea sobre a função de penaldade (p), consruída no nuo de mpor um alo cuso à volação das resrções. Esa função é defnda pela expressão: l = = l+ [ ] p( ) = px ( + d ) = f( x) + rc( x) + r max c ( x ), m (5.9) onde os r são os faores de penaldades. A busca é aproxmada, so é a solução não é o mínmo de p(), mas aende a um cero decréscmo

Programação Maemáca Prncípos Báscos 88 5. pré-espulado em p() consderado sasfaóro. O coefcene de decréscmo da função é pelo parâmero γ defndo pelo usuáro. Aualzação da marz B do subproblema quadráco aravés do méodo BFGS. 6. Reorno à eapa. 5.8 Méodo dos Ponos Inerores O algormo ulzado nese rabalho basea-se na aplcação do méodo de Newon para a solução do ssema de equações não-lneares obdas a parr da aplcação das condções de Kuhn-Tucer do problema de omzação (Hersovz, 995). Apenas o algormo para resrções de desgualdade é dscudo, uma vez que os problemas de projeo ómo a serem resolvdos não possuem resrções de gualdade. No enano, as mesmas déas aqu apresenadas ambém são váldas para os problemas que possuem smulaneamene resrções de gualdade e de desgualdade e podem ser vsas com mas dealhes em (Hersovz, 995; Hersovz & Sanos, 997). O algormo de Ponos Inerores fo mplemenado e aplcado a problemas de Engenhara Esruural no DEC/PUC-Ro por Parene (). O méodo de Ponos Inerores em como caracerísca gerar uma seqüênca de ponos no neror da regão vável que converge para a solução do problema. Oura propredade mporane deses algormos é que cada um dos ponos nermedáros possu valores decrescenes da função objevo. Consdere o problema de omzação: mnmzar f ( x ) sujeo a c ( x) =... m (5.3) cujas condções de Kuhn-Tucer sã o: m λ = g+ a = λ c ( x ) = ( ) c x λ (5.3)

Programação Maemáca Prncípos Báscos 89 Sendo A a marz dos gradenes das resrções e C uma marz dagonal conendo o s valores das resrções, as duas prmeras equações podem ser escras como: g+ A λ = Cλ = (5.3) Aplcando o méodo de Newon para resolver o problema acma, obém-se o ssema: d W A = ΛA C λ g (5.33) Na equação acma, Λ é uma marz dagonal para a qual Λ = λ, d é a dreção de busca e λ é a esmava dos mulplcadores de Lagrange. Pode-se demonsrar que d é uma dreção de decréscmo de f e que d = se x for um pono esaconáro (Parene, ). O problema é que a dreção de busca fornecda por (5.33) nem sempre é uma dreção vável. Expandndo-se uma equação da pare nferor do ssema (5.33), chega-se a: λad + c λ = (5.34) Esa equação mplca que ad = para odo al que c =. Geomercamene, so sgnfca que d é angene às resrções avas, ndcando que a dreção apona para fora da regão vável. Uma solução para evar ese efeo é adconar uma consane negava do lado dreo da equação acma: λ + λ = ρλ ad (5.35) c onde λ é a nova esmava de λ. Ese procedmeno faz com que a dreção orgnal seja defleda, de um valor proporconal a ρ, para o neror da regão vável. Como a deflexão é proporconal

Programação Maemáca Prncípos Báscos 9 a ρ e d é uma dreção de decréscmo de f, é possível enconrar lmes em ρ para que d ambém seja uma dreção de decréscmo. Ese objevo pode ser angdo mpondo-se que: g d a g d (5.36) para a (; ). Em geral, a axa de decréscmo de f ao longo de d é menor que ao d longo de. Consderando o ssema auxlar: d g = ΛA C λ λ W A (5.37) é fácl mosrar que: e d=d + ρd (5.38) λ = λ + ρλ (5.39) Subsundo (5.38) em (5.36) chega-se a: g d ρ ( a -) g d (5.4) Defnda a dreção de busca, é necessáro realzar uma busca lnear resra ao longo dessa dreção, de forma a garanr que o pono gerado eseja no neror da regão vável. Além dsso, é necessáro aualzar os valores dos mulplcadores de Lagrange de manera a assegurar a convergênca para a solução correa. 5.8. Eapas do Algormo de Ponos Inerores O algormo de Ponos Inerores para problemas de resrções de desgualdade necessa de um pono ncal vável x, uma esmava para os mulplcadores de Lagrange de forma que λ > e uma marz B smérca e

Programação Maemáca Prncípos Báscos 9 posva defnda, que é uma aproxmação de W. O algormo pode ser dvddo nos segunes passos (Hersovs & Sanos, 997):. Ober a dreção de busca d: a) Deermnar os veores ( d, λ ) aravés da solução do ssema lnear defndo em (5.33). b) Verfcar o créro de convergênca: d ol (5.4) c) Deermnar os veores ( d, λ ) aravés da solução do ssema lnear defndo em (5.37). d) Calcular o valor de ρ: se, enao ρ = mn,( a ) / g d > % f d g d g d se gd, enao % ρ = f d (5.4) sendo f >. e) Calcular a dreção de busca d: e d=d + ρd (5.43) λ = λ + ρλ (5.44). Fazer busca lnear sobre d, deermnando o amanho do passo que sasfaça um créro sobre o decréscmo da função objevo e para o qual: c( x+ d), se λ c( x+ d) c( x), se λ < (5.45) e o novo pono x:

Programação Maemáca Prncípos Báscos 9 x = x + d (5.46) 3. Aualzar a marz B, que é uma aproxmação da Hessana da função Lagrangana, aravés do méodo BFGS. 4. Defnr uma nova esmava para os mulplcadores de Lagrange: λ = max λ, e d (5.47) sendo >. e 5. Fazer x gual a x e reornar ao passo. A aproxmação ncal e o reníco da Hessana da função Lagrangana são conrolados pelos mesmos parâmeros ulzados pelo algormo de Programação Quadráca Seqüencal.