Programação Linear. Dualidade

Documentos relacionados
Pesquisa Operacional

Combinando inequações lineares

Teoremas de dualidade

Combinando inequações lineares

Programação Linear. Dual Simplex: Viabilidade Dual Método Dual Simplex

Representação de poliedros

Lema de Farkas e desigualdades lineares

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº3: Dualidade. Interpretação Económica.

Teoria de dualidade. Marina Andretta ICMC-USP. 19 de outubro de 2016

Prof.: Eduardo Uchoa.

Programação Matemática. Método Simplex

Aula 07: Análise de sensibilidade (2)

Aulas 6 / 05 de setembro

Pontos extremos, vértices e soluções básicas viáveis

Otimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana

Graduação em Engenharia Elétrica MÉTODOS DE OTIMIZAÇÃO ENE081. PROF. IVO CHAVES DA SILVA JUNIOR

Aula 10: Revisão Otimização Linear e Inteira Túlio A. M. Toffolo

Existência e otimalidade de pontos extremos

Professor João Soares 20 de Setembro de 2004

α ( u 1 - u 2 ) = u 3 - u 2.

Método Simplex dual. Marina Andretta ICMC-USP. 24 de outubro de 2016

PESQUISA OPERACIONAL. Fabiano F. T. dos Santos. Instituto de Matemática e Estatística

CAPÍTULO 4. Teoria da Dualidade

Programação 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

PESQUISA OPERACIONAL I

Índice. Prefácio Os modelos de programação linear e a investigação operacional 17

Algoritmos de aproximação - Método primal-dual

Otimização Aplicada à Engenharia de Processos

Pesquisa Operacional

X - D U A L I D A D E

Métodos de Pesquisa Operacional

Maristela Santos. Instituto de Ciências Matemáticas e de Computação Universidade de São Paulo

TP052-PESQUISA OPERACIONAL I Algoritmo Dual Simplex. Prof. Volmir Wilhelm Curitiba, Paraná, Brasil

Programação Linear - Parte 5

5 Análise de Sensibilidade

Gabriel Coutinho DCC035 - Pesquisa Operacional Lista 6

Otimização Linear. Conceitos básicos Álgebra Linear Introdução ao método simplex

Método Simplex Dual. Prof. Fernando Augusto Silva Marins Departamento de Produção Faculdade de Engenharia Campus de Guaratinguetá UNESP

INVESTIGAÇÃO OPERACIONAL. Programação Linear. Exercícios. Cap. IV Modelo Dual

Algoritmo Simplex - versão 2.5

Programação Linear. MÉTODOS QUANTITATIVOS: ESTATÍSTICA E MATEMÁTICA APLICADAS De 30 de setembro a 13 de novembro de 2011 prof. Lori Viali, Dr.

Os números primos de Fermat complementam os nossos números primos, vejamos: Fórmula Geral P = 2 = 5 = 13 = 17 = 29 = 37 = 41 = Fórmula Geral

Bases Matemáticas. Como o Conhecimento Matemático é Construído. Aula 2 Métodos de Demonstração. Rodrigo Hausen. Definições Axiomas.

Capítulo 3. O Método Primal Simplex

Dualidade - Definições

Resolvendo algebricamente um PPL

Método Simplex. Marina Andretta ICMC-USP. 19 de outubro de 2016

4- Dualidade em Programação Linear

A Dualidade em Programação Linear

MB PRINCÍPIOS DA PESQUISA OPERACIONAL PO INTRODUÇÃO A PESQUISA OPERACIONAL LISTA DE EXERCÍCIOS - PROGRAMAÇÃO LINEAR

A forma canônica de Jordan

3- O MÉTODO SIMPLEX Introdução e fundamentos teóricos para o Método Simplex

Programação Linear Inteira. C. Requejo (UA) Métodos de Investigação Operacional MIO / 30

Unidade: Modelo Simplex e Modelo Dual. Unidade I:

TEMA 2 PROPRIEDADES DE ORDEM NO CONJUNTO DOS NÚMEROS REAIS

Cap. 5 Estabilidade de Lyapunov

Exemplo: Maximização de lucros em uma chocolateria que produz os seguintes produtos: (1) Chocolate Pyramide (2) Chocolate Pyramide Nuit

Investigação Operacional

Pesquisa Operacional

Capítulo 6. Operadores Ortogonais. Curso: Licenciatura em Matemática. Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo

1 Otimização com restrições I: Condições de Primeira Ordem

2 Geometria e Programação Linear

Material Teórico - Módulo Matrizes e Sistemas Lineares. Sistemas Lineares - Parte 2. Terceiro Ano do Ensino Médio

Aula 20: Revisão Otimização Linear e Inteira Túlio A. M. Toffolo

Jogos de soma zero com dois jogadores

Programação Matemática

Análise I Solução da 1ª Lista de Exercícios

Investigação Operacional

Otimização Combinatória - Parte 4

Aula 19: Lifting e matrizes ideais

Espaços Euclidianos. Espaços R n. O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais:

II. Programação Linear (PL)

Os números reais. Capítulo O conjunto I

Aritmética. Somas de Quadrados

Programação Linear. (2ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016

Notações e revisão de álgebra linear

Afirmações Matemáticas

Sistemas de Equações Lineares

Professor: Rodrigo A. Scarpel

MÉTODO SIMPLEX. Prof. MSc. Marcos dos Santos

Solução de problemas de PL com restrições do tipo >= e =

) a sucessão definida por y n

Métodos e Medidas II

Demonstrações. Terminologia Métodos

ÁLGEBRA LINEAR. Base e Dimensão de um Espaço Vetorial. Prof. Susie C. Keller

ALGA I. Operadores auto-adjuntos (simétricos e hermitianos). Teorema espectral

Otimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana

Material Teórico - Sistemas Lineares e Geometria Anaĺıtica. Sistemas com três variáveis - Parte 1. Terceiro Ano do Ensino Médio

Marina Andretta. 10 de outubro de Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis.

Técnicas de Demonstração. Raquel de Souza Francisco Bravo 17 de novembro de 2016

Gabarito da lista de Exercícios sobre Técnicas de Demonstração

Aula 13: Branch-and-bound

ALGA I. Bases, coordenadas e dimensão

Notas Sobre Sequências e Séries Alexandre Fernandes

Transcrição:

Programação Linear Dualidade

Dualidade Já vimos em sala que para cada PPL existe um outro PL chamado dual, que consiste em modelar um problema que utiliza os mesmos dados que o original, mas alterando a função objetivo, ou seja, o foco. Para facilitar a compreensão, vimos como exemplo o problema da dieta, que após modelado ficava no formato a seguir:

Dualidade Para esse mesmo PPL, mudando o foco da narrativa, conseguimos obter a formulação do seu problema dual: max b T w s.a A T w c w 0 (*) Observe que o vetor de variáveis duais pode ter várias representações (letras) diferentes dependendo do livro onde estejam olhando; a única coisa importante é que as variáveis duais são DIFERENTES das variáveis primais; assim, não é recomendável utilizar a letra 'x' para representar.

Dualidade O par de problemas primal-dual nesse formato é conhecido como forma canônica : Primal: Dual: min c T x max b T w s.a A x b s.a A T w c x 0 w 0 Independente do formado dos PPLs, as observações abaixo são válidas: * O número de variáveis de um PPL é igual ao número de restrições do outro PPL. * Se um PPL é min o outro é max (e vice-versa) * O tipo de restrição de um PPL influencia no tipo de variável do outro PPL. * O tipo de variável de um PPL influencia no tipo de restrição do outro PPL. * Se um PPL tem A como matriz nas restrições, o outro tem a matriz A T * Entre o primal e o dual, os vetores b e c trocam de posição.

Exemplo Primal: Dual:

Forma padrão da dualidade Para qualquer formato de PPL é possível escrever o dual. Para isso, basta pegar o primal, colocar no formato de minimização com restrições de maior ou igual, e escrever o dual conforme o slide anterior. Por exemplo, o para de problemas primal dual abaixo está no formato padrão : Primal: Dual: min c T x max b T w s.a A x = b s.a A T w c x 0 w irrestrito

Exemplo Primal: Dual:

Dualidade Para facilitar, é possível utilizar a tabela abaixo que ajuda a escrever o dual de acordo com as características (tipos de restrições e tipos de variáveis) do primal.

Dupla dualidade Os PPLs primal-dual possuem propriedades que os relacionam; a primeira propriedade é o lema abaixo, facilmente verificável (basta tomar um PPL original, escrever seu dual (D) e depois escrever o dual de (D), retornando ao PPL original). LEMA O dual do dual é o primal O primal do primal é o dual

Teorema Fraco de Dualidade TEOREMA FRACO DE DUALIDADE Considere o par de problemas primal-dual na forma canônica. Se x é um ponto viável para o problema primal e w é viável para o problema viável, então: Dem. Como x é viável-primal e w é viável-dual, temos e Juntando as duas desigualdades O que encerra a demonstração.

Teorema Fraco de Dualidade O teorema fraco vale para qualquer par de problemas primaldual, desde que o primal seja de minimização. Ou seja, se temos um ponto viável no primal e um ponto viável no dual, podemos comparar as imagens e assegurar que a imagem do dual é SEMPRE menor ou igual que a imagem do primal.

Teorema Fraco de Dualidade COROLÁRIO - TEOREMA FRACO DE DUALIDADE Se x é um ponto viável para o primal e w é viável para o dual, tais que as imagens coincidam: Então x é solução do primal e w é solução do dual. Dem. Seja x* SBV-primal e w* SBV-dual tais que b T w* = c T x*. Sabemos, do teorema, que: b T w c T x*, para todo w. Assim b T w c T x* = b T w* E portanto a imagem de w* é a maior possível no PPL dual w* é ótimo dual Sabemos, do teorema, que: b T w* c T x, para todo x. Assim c T x* = b T w* c T x E portanto a imagem de x* é a menor possível no PPL primal x* é ótimo primal

Teorema Forte de Dualidade Vimos que se as imagens são iguais, então temos as soluções primal-dual. Mas o contrário da afirmação também é verdade? TEOREMA Se o primal tem pelo menos uma SBV ótima x*, então o respectivo dual também tem pelo menos uma SBV ótima w*, e os correspondentes valores ótimos (imagens) coincidem. Dem. Considere o PL primal escrito na forma padrão. Se x* é uma SBV ótima do primal, então Como ela é ótima, sabemos que todos os custos reduzidos são menores ou iguais a zero

Teorema Forte de Dualidade Denotando por, temos Onde a j são as colunas da matriz A. Como a desigualdade acima é válida para todas as colunas, então: E portanto, verificamos que w* é ponto viável dual.

Teorema Forte de Dualidade Observe também que Ou seja, x* tem a mesma imagem que w*. Pelo corolário, sabemos então que w* é solução ótima dual.

Teorema Forte de Dualidade Ou seja, o que esse Teorema nos diz é que, se temos uma SBV ótima de um dos problemas (x*), podemos garantir que o outro PPL também tem pelo menos uma solução, dada por w*: Ou seja, além de garantir que o outro PPL também tem solução, podemos exibir uma solução usando c B e B. Isso nos indica que o número de bases ótimas é igual no dual e no primal.

Teorema Fund. de Dualidade Obs: No teorema abaixo, dizemos que um PPL tem valor ótimo finito se a imagem não tende a menos infinito (no caso de minimização) ou mais infinito (no caso de maximização). Ou seja, um PPL tem valor ótimo finito se existe pelo menos uma SBV ótima. TEOREMA (1) Um PPL tem valor ótimo finito se existem soluções viáveis para os problemas primal-dual. (2) Se algum dos problemas não tem ótimo finito, então o outro não possui soluções viáveis. Dem. (1) Sabemos que b T w c T x para quaisquer pontos x (viável primal) e w (viável dual). Em particular, para a solução x* do primal b T w c T x* E portanto a imagem de x* é limitada inferiormente, e não pode tender a menos infinito.

Teorema Fund. de Dualidade Dem. (1) Analogamente: Sabemos que b T w c T x para quaisquer pontos x (viável primal) e w (viável dual). Em particular, para a solução w* do dual b T w* c T x E portanto a imagem de w* é limitada superiormente, e não pode tender a mais infinito. Obs: * Se um PPL tem ponto viável, a solução do outro não tende a menos infinito. * Se um PPLtem solução ilimitada, então o outro PPL não tem ponto viável.

Teorema Fund. de Dualidade Dem. (2) Suponha que o primal não tem ótimo finito (ou seja, a imagem da função objetivo tende a - infinito ). Vamos supor por absurdo que, simultaneamente, o problema dual tem pontos viáveis; seja w um desses pontos. Sendo assim, teríamos que nos indica que o valor da função objetivo primal é limitado inferiormente, o que é um absurdo. De forma análoga, é possível demonstrar que se o dual não tem ponto ótimo finito, então o primal não tem pontos viáveis.

Conclusões Pode-se concluir que, para os problemas primal-dual, verificase uma e só uma das seguintes situações: Ambos têm soluções ótimas x* e w* e os valores ótimos coincidem: Se um problema não tem ótimo finito, então o outro é impossível; Ambos os problemas são impossíveis.

Exemplos Ambos têm solução ótima

Exemplos Primal: ótimo infinito; Dual: inviável;

Exemplos Ambos são impossíveis.