Método Simplex - Exemplos. Iteração 1 - variáveis básicas: y 1, y 2, y 3. Exemplo 1. Facom - UFMS. Exemplo. Edna A. Hoshino.



Documentos relacionados
Pesquisa Operacional

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Professor: Rodrigo A. Scarpel

1. Método Simplex. Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção. Pesquisa Operacional II Profa. Dra. Lílian Kátia de Oliveira

ExemResumo parcial da última Quinta-feira, 28 de fevereiro. Os preços-sombra podem ser encontrados ao se examinar os quadros inicial e final!

Estudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser:

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

O Método Simplex para

Revisão para a Bimestral 8º ano

Uma lei que associa mais de um valor y a um valor x é uma relação, mas não uma função. O contrário é verdadeiro (isto é, toda função é uma relação).

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

Exercícios Teóricos Resolvidos

[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo

Pesquisa Operacional

Tópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções

Aula 07: Análise de sensibilidade (2)

Investigação Operacional- 2009/10 - Programas Lineares 3 PROGRAMAS LINEARES

4-1 PESQUISA OPERACIONAL MÉTODO SIMPLEX

Departamento de Matemática - UEL Ulysses Sodré. Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.

INF Otimização combinatória Notas de aula

Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU

Método Simplex - Variantes V 1.1, V.Lobo, EN / ISEGI, 2008

Variantes sobre o método Simplex: Método do grande M

Resolução da Lista 2 - Modelos determinísticos

MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 04. Prof. Dr. Marco Antonio Leonel Caetano

O Problema do Transporte. Pesquisa Operacional. Formulação do Problema. Descrição Geral de um problema de transporte. Parte 2

Problemas de transportes

Análise de Arredondamento em Ponto Flutuante

Definição. A expressão M(x,y) dx + N(x,y)dy é chamada de diferencial exata se existe uma função f(x,y) tal que f x (x,y)=m(x,y) e f y (x,y)=n(x,y).

Números complexos são aqueles na forma a + bi, em que a e b são números reais e i é o chamado número imaginário.

Pesquisa Operacional na Tomada de Decisões. Conteúdos do Capítulo. Programação Linear. Lindo. s.t. Resolvendo Programação Linear Em um Microcomputador

Matemática - UEL Compilada em 18 de Março de Prof. Ulysses Sodré Matemática Essencial:

Prof. Márcio Nascimento. 22 de julho de 2015

Pesquisa Operacional Programação em Redes

POLINÔMIOS. x 2x 5x 6 por x 1 x seja x x 3

Análise da sensibilidade

Disciplinas: Mecânica dos Materiais 2 6º Período E Dinâmica e Projeto de Máquinas 2-10º Período

Lógica do Método Simplex: Passar de Solução Básica Factível para outra Solução Básica, buscando melhorar a Função Objetivo e manter factibilidade

6. Geometria, Primitivas e Transformações 3D

Utilizando o EXCEL Solver

Resolução da Prova da Escola Naval Matemática Prova Azul

Aula 02: Algoritmo Simplex (Parte 1)

Capítulo 7 Conservação de Energia

LINDO: MANUAL DE REFERÊNCIA

CMg Q P RT P = RMg CT CF = 100. CMg

Quinta-feira, 14 de março. Introdução aos Fluxos de Rede Handouts: Notas de Aula

APLICAÇÕES DA DERIVADA

Pesquisa Operacional. Função Linear - Introdução. Função do 1 Grau. Função Linear - Exemplos Representação no Plano Cartesiano. Prof.

Utilização do SOLVER do EXCEL

13 ÁLGEBRA Uma balança para introduzir os conceitos de Equação do 1ºgrau

INSTITUTO SUPERIOR DE GESTÃO

Aula 22: Formulações com número exponencial de variáveis

Exercícios 1. Determinar x de modo que a matriz

Cálculo Numérico Aula 1: Computação numérica. Tipos de Erros. Aritmética de ponto flutuante

PESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR. Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 *

Lógica Matemática e Computacional 5 FUNÇÃO

Matemática Aplicada à Tecnologia

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

Potenciação no Conjunto dos Números Inteiros - Z

5 Análise de Sensibilidade

Método de Eliminação de Gauss. Eduardo Camponogara

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

MS428 - RESOLUÇÃO DA PROVA 02-19/10/2010 Prof. Moretti - Respostas sem justificativas não serão consideradas para correção

O momento do gol. Parece muito fácil marcar um gol de pênalti, mas na verdade o espaço que a bola tem para entrar é pequeno. Observe na Figura 1:

Introdução ao estudo de equações diferenciais

Arquitetura de Rede de Computadores

Faculdade Sagrada Família

Lei de Gauss Origem: Wikipédia, a enciclopédia livre.

Dificuldades de Modelos de PNL. Onde está a solução ótima? Outro exemplo: Condição ótima Local vs. Global Quinta-feira, 25 de abril

MATERIAL MATEMÁTICA I

a 1 x a n x n = b,

CADEX. Consultoria em Logística Interna. Layout de armazém. Objectivos. Popularidade. Semelhança. Tamanho. Características

ATENÇÃO: Escreva a resolução COMPLETA de cada questão no espaço reservado para a mesma.

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2

O preço de uma opção de compra segundo a teoria de Black, Scholes e Merton

Método Simplex Revisado

CURSO TÉCNICO MPU Disciplina: Matemática Tema: Matemática básica: potenciação Prof.: Valdeci Lima Data: Novembro/Dezembro de 2006 POTENCIAÇÃO.

PROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO

Figura 2.1: Carro-mola

IBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 4

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Eduardo C. Xavier. 24 de fevereiro de 2011

Cálculo Diferencial e Integral I

Modelagem no Domínio do Tempo. Carlos Alexandre Mello. Carlos Alexandre Mello 1

MAT Cálculo Diferencial e Integral para Engenharia II

Árvores Binárias de Busca

OTIMIZAÇÃO VETORIAL. Formulação do Problema

Complexidade de Algoritmos. Edson Prestes

4.2 Produto Vetorial. Orientação sobre uma reta r

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

CPV 82% de aprovação na ESPM

2-) Digite. Note que algumas calculadoras já apresentam. quadrado" e "elevado ao cubo e inverso.

Sistemas Lineares. Propõe-se, neste capítulo, apresentar métodos numéricos para resolver sistemas lineares postos na forma:

por séries de potências

1. Extremos de uma função

UNIVERSIDADE FEDERAL DE ALFENAS UNIFAL/MG. Projeto Institucional de Formação Continuada

FUNÇÃO COMO CONJUNTO R 1. (*)= ou, seja, * possui duas imagens. b) não é uma função de A em B, pois não satisfaz a segunda condição da

3º Ano do Ensino Médio. Aula nº 02. Assunto: JUROS E PORCENTAGENS

Transcrição:

Tópicos Método Simplex - s Edna A. Hoshino 1 Facom - UFMS março de 2010 E. Hoshino (Facom-UFMS) Simplex março de 2010 1 / 21 E. Hoshino (Facom-UFMS) Simplex março de 2010 2 / 21 1 Iteração 1 - variáveis básicas: y 1,, y 3 na forma padrão: z = max x 1 + 2x 2 s.a. 2x 1 + x 2 4 x 1 + 3x 2 6 x 1 + x 2 3 z = max x 1 + 2x 2 s.a. 2x 1 + x 2 + y 1 = 4 x 1 + 3x 2 + = 6 x 1 + x 2 + y 3 = 3 x 1, x 2, y 1,, y 3 0 Base B = I e B 1 = I. Uma vez que z = c B B 1 b + (c N c B B 1 N)x N, temos que: z = 0 + 1x 1 + 2x 2. Custo reduzido de x 1 é 1 e de x 2 é 2. Portanto, x 2 é um bom candidato para entrar na base. Quem deve sair da base? Reescrevendo as variáveis básicas em função das variáveis não-básicas, nos dá uma dica de qual variável básica limita o aumento da variável não-básica que está entrando na base (variável x 2 no exemplo). E. Hoshino (Facom-UFMS) Simplex março de 2010 3 / 21 E. Hoshino (Facom-UFMS) Simplex março de 2010 4 / 21

1 (cont.) Iteração 2 - entra x 2 sai Como x B = B 1 b B 1 Nx N temos: y 1 1 0 0 4 = 0 1 0. 6 y 3 0 0 1 3 ou seja, 1 0 0 0 1 0 0 0 1 y 1 = 4 2x 1 x 2 = 6 x 1 3x 2 y 3 = 3 x 1 x 2.. 2 1 1 3 1 1.[ x1 x 2 Portanto, x 2 não pode ser maior que 2, caso contrário, violará a restrição de não-negatividade. Variáveis básicas: y 1,x 2,y 3. 1 1 0 B = 0 3 0 B 1 = 0 1 1 0 1/3 0 Uma vez que z = c B B 1 b + (c N c B B 1 N)x N, temos que: z = [ 0 2 0. 0 1/3 0 [ 1 0 [ 0 2 0.. 4 6 3 0 1/3 0 +. 2 0 1 1 1 0 x1.[ ou seja, z = 4+1/3x 1 2/3 e, portanto, x 1 tem custo reduzido positivo! E. Hoshino (Facom-UFMS) Simplex março de 2010 5 / 21 E. Hoshino (Facom-UFMS) Simplex março de 2010 6 / 21 1 (cont.) Iteração 3 - entra x 1 sai y 1 Como x B = B 1 b B 1 Nx N temos: y 1 4 x 2 = 0 1/3 0. 6 y 3 3 ou seja, y 1 = 2 5/3x 1 + 1/3 x 2 = 2 1/3x 1 1/3 y 3 = 1 2/3x 1 + 1/3. 0 1/3 0. 2 0 1 1 1 0 Portanto, x 1 não pode ser maior que 6/5, caso contrário, y 1 violará a restrição de não-negatividade..[ x1 Variáveis básicas: x 1,x 2,y 3. 2 1 0 B = 1 3 0 B 1 = 1 1 1 3/5 1/5 0 1/5 2/5 0 2/5 1/5 1 Uma vez que z = c B B 1 b + (c N c B B 1 N)x N, temos que: z = [ 1 2 0 3/5 1/5 0 4. 1/5 2/5 0. 6 + 2/5 1/5 1 3 [ 0 0 [ 1 2 0. 3/5 1/5 0 1/5 2/5 0 2/5 1/5 1. 1 0 0 1 0 0 y1.[ E. Hoshino (Facom-UFMS) Simplex março de 2010 7 / 21 ou seja, z = 66/15 1/5y 1 3/5 e, portanto, nenhuma variável não-básica tem custo reduzido positivo! Páre! Solução básica é ótima! E. Hoshino (Facom-UFMS) Simplex março de 2010 8 / 21

Solução ótima Passos principais x 1 = 3/5.4 1/5.6 +0.6 = 6/5 x 2 = 1/5.4 +2/5.6 +0.3 = 8/5 y 3 = 2/5.4 1/5.6 +1.3 = 1/5 = 0 y 1 = 0 E. Hoshino (Facom-UFMS) Simplex março de 2010 9 / 21 z = max cx s.a. Ax = b x 0 (1) Escolha um conjunto de variáveis básicas e defina base B; (2) Resolva o sistema Bx B = b. Como B é base então solução é única e dada por x B = B 1 b, x N = 0 e z = c B x B ; (2) Calcule c j z j, custo reduzido para cada variável não-básica x j. Seja k tal que c k z k 0. Se não existir k então páre. (3) x k entra na base e x r, variável não-básica bloqueante que limita o crescimento de x k e deve sair da base é aquela que minimiza a razão: b r b i = min y rk 1 i m:y i k>0 y ik (5) Atualize a base e volte ao passo (2). E. Hoshino (Facom-UFMS) Simplex março de 2010 10 / 21 lembrando... Exercícios c j = c j B 1 a.j y j = B 1 a.j b = B 1 b. 1 Resolva o seguinte programa linear usando o método simplex: z = min x 1 + x 2 s.a. x 1 + 2x 2 4 x 2 1 2 Resolva o seguinte programa linear 1 graficamente e 2 usando o método simplex. z = max 5x 1 + 4x 2 s.a. x 1 + 2x 2 6 2x 1 x 2 4 5x 1 + 3x 2 15 E. Hoshino (Facom-UFMS) Simplex março de 2010 11 / 21 E. Hoshino (Facom-UFMS) Simplex março de 2010 12 / 21

Tableau Simplex Tableau Simplex - cont. Resolver equivale a Como B é inversível, e z = min c B x B + c N x N s.a. Bx B + Nx N = b x B, x N, 0 min z s.a. z c B x B c N x N = 0 Bx B + Nx N = b x B, x N, 0 x B + B 1 Nx N = B 1 b z + 0x B + (c B B 1 N c N )x N = c B B 1 b. Então, temos o seguinte sistema: z + 0x B + (c B B 1 N c N )x N = c B B 1 b Ix B + B 1 Nx N = B 1 b x B, x N, 0 cuja matriz de coeficientes estendida com o RHS é: [ 1 0 cb B 1 N c N c B B 1 b 0 I B 1 N B 1 b que é exatamente o conteúdo do tableau. E. Hoshino (Facom-UFMS) Simplex março de 2010 13 / 21 E. Hoshino (Facom-UFMS) Simplex março de 2010 14 / 21 Tableau Simplex - cont. Tableau - cont. O conteúdo inicial do tableau é: z x B x N rhs z 1 c B c N 0 x B 0 B N b Após uma seqüência de operações elementares, obtemos I no lugar de [ 1 cb 0 B no tableau. Isso significa que o tableau resultante após essas operações equivale a pré-multiplicar o tableau original pela inversa de [ 1 cb 0 B que é igual a [ 1 cb B 1 0 B 1 E. Hoshino (Facom-UFMS) Simplex março de 2010 15 / 21. Logo, aplicar pivoteamentos no tableau equivale ao resultado da multiplicação: [ 1 cb B 1 [ 1 cb c 0 B 1. N 0 0 B N b = [ 1 0 cb B 1 N c N c B B 1 b 0 I B 1 N B 1 b E. Hoshino (Facom-UFMS) Simplex março de 2010 16 / 21

Tableau Simplex - exemplo - iteração 2 : z = max x 1 + 2x 2 s.a. 2x 1 + x 2 + y 1 = 4 x 1 + 3x 2 + = 6 x 1 + x 2 + y 3 = 3 x 1, x 2, y 1,, y 3 0 Tableau inicial - iteração 1 (y 1, e y 3 variáveis básicas) y 1 y 3 x 1 x 2 rhs z 0 0 0-1 -2 0 y 1 1 0 0 2 1 4 0 1 0 1 3 6 y 3 0 0 1 1 1 3 Solução não é ótima, pois x 2 tem custo reduzido positivo! E. Hoshino (Facom-UFMS) Simplex março de 2010 17 / 21 y 1 y 3 x 1 x2 rhs z 0 0 0-1 -2 0 y 1 1 0 0 2 1 4 0 1 0 1 3 6 y 3 0 0 1 1 1 3 y 1 y 3 x 1 x 2 rhs z 0 2/3 0-1/3 0 4 y 1 1-1/3 0 5/3 0 2 x 2 0 1/3 0 1/3 1 2 y 3 0-1/3 1 2/3 0 1 Solução não é ótima, pois x 1 tem custo reduzido positivo! l 0 l 0 + 2l 2 l 1 l 1 l 2 l 2 l 2 /3 l 3 l 3 l 2 E. Hoshino (Facom-UFMS) Simplex março de 2010 18 / 21 - iteração 3 Exercício y 1 y 3 x1 x 2 rhs z 0 2/3 0-1/3 0 4 y 1 1-1/3 0 5/3 0 2 x 2 0 1/3 0 1/3 1 2 y 3 0-1/3 1 2/3 0 1 y 1 y 3 x 1 x 2 rhs z 1/5 3/5 0 0 0 22/5 x 1 3/5-1/5 0 1 0 6/5 x 2-1/5 6/15 0 0 1 8/5 y 3-2/5-1/5 1 0 0 1/5 l 0 l 0 + l 1 /3 l 1 (3/5)l 1 l 2 l 2 l 1 /3 l 3 l 3 (2/3)l 1 1 Resolva o seguinte problema de programação linear pelo método simplex (utilize o tableau): z = min x 1 3 x 2 s.a. x 1 2x 2 4 x 1 + x 2 3 Solução é ótima! z = 22/5 e solução ótima é x 1 = 6/5, x 2 = 8/5, y 3 = 1/5 e y 1 = = 0. E. Hoshino (Facom-UFMS) Simplex março de 2010 19 / 21 E. Hoshino (Facom-UFMS) Simplex março de 2010 20 / 21

Simplex: caso ilimitado Ocorre sempre que, num problema de minimização (maximização), existir uma variável não-básica x k com custo reduzido negativo (positivo) z k c k > 0 (z k c k < 0) e y k 0. Uma vez que x B = B 1 y k x k, tem-se que x k pode aumentar de valor indefinidamente! Valor ótimo é (+ ) e pode ser obtido movendo o ponto extremo atual em direção ao raio extremo dado por: [ yk d = ou seja, x B = B 1 b + dx k e x k 0. Condição necessária e suficiente: cd = [c B c N d = c B y k + c k = z k + c k < 0. e k E. Hoshino (Facom-UFMS) Simplex março de 2010 21 / 21