MÉTODO SIMPLEX SOLUÇÃO INICIAL ARTIFICIAL

Documentos relacionados
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX. Prof. Angelo Augusto Frozza, M.Sc.

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

Programação Linear (PL) Solução algébrica - método simplex

O Método Simplex. Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto

Programação Linear - Parte 4

Pesquisa Operacional. Prof. José Luiz

Determinação de Uma Solução Básica Factível Inicial

Professor: Rodrigo A. Scarpel

Resolvendo algebricamente um PPL

Simplex. Investigação Operacional José António Oliveira Simplex

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

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

Pesquisa Operacional

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

CAPÍTULO 4. Teoria da Dualidade

Combinando inequações lineares

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

Pesquisa Operacional

Programação Linear/Inteira

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

PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX. Prof. Angelo Augusto Frozza, M.Sc.

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

Resolução de PL usando o método Simplex

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

Exemplo de um problema de transporte, com 3 fontes e 3 destinos. Custos unitários de transporte para o exemplo de problema de transporte

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

Aula 03: Algoritmo Simplex (Parte 2)

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

Otimização Aplicada à Engenharia de Processos

LISTA SOBRE MÉTODO SIMPLEX

Otimização Combinatória - Parte 4

Otm1 12/04/2012. Método Simplex Obtenção base inicial Degeneração (alguns comentários) Variáveis Canalizadas

Degenerescência, ciclagem e eficiência do Simplex

Combinando inequações lineares

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

Investigação Operacional

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

Problema de Transporte (Redes) Fernando Nogueira Problema de Transporte 1

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

Aula 02: Algoritmo Simplex (Parte 1)

Pesquisa Operacional

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

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

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

Vânio Correia Domingos Massala

Programação Linear - Parte 5

Unidade II PESQUISA OPERACIONAL. Profa. Ana Carolina Bueno

Pesquisa Operacional

PESQUISA OPERACIONAL 11. SOLUÇÃO ALGEBRICA O MÉTODO SIMPLEX ( ) DEFINIÇÕES REGRAS DE TRANSFORMAÇÃO. Prof. Edson Rovina Página 16

Teoremas de dualidade

Aula 07: Análise de sensibilidade (2)

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

Programação Linear/Inteira - Aula 5

Prova I - Pesquisa Operacional - 12/05/2011. nome:

Unidade: Modelo Simplex e Modelo Dual. Unidade I:

INVESTIGAÇÃO OPERACIONAL. Programação Linear. Exercícios. Cap. X Programação por Metas

O método gráfico resolve PLs com 2 variáveis. 3 variáveis se você for um ninja da geometria descritiva!

4-1 PESQUISA OPERACIONAL MÉTODO SIMPLEX

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

Programação Linear. Dual Simplex: Viabilidade Dual Método Dual Simplex

MÉTODO SIMPLEX QUADRO SIMPLEX

Simplex. Transparências de apoio à leccionação de aulas teóricas. c 2011, 2009, 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP

Investigação Operacional

Pesquisa Operacional

4- Dualidade em Programação Linear

Sistemas Lineares. Juliana Pimentel. juliana.pimentel. Sala Bloco A, Torre 2

O método Simplex Aplicado ao Problema de Transporte (PT).

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

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

Universidade Federal de Goiás Instituto de Matemática e Estatística

PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR. Prof. Angelo Augusto Frozza, M.Sc.

Programação Linear. Dualidade

Programação Matemática Lista 3

Algoritmo Simplex para Programação Linear I

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

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

max z = 10x 1 + 4x 2 s.a x 1 + x x 1 + 4x x 1 + 6x 2 300

Programação Linear - Parte 3

Programação Linear. (3ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016

Regras para evitar ciclagem

Método de Hardy-Cross Capitulo 11- Programação linear engenheiro Plínio Tomaz 18 dezembro de Programação linear 11-1

Gabriel Coutinho DCC035 - Pesquisa Operacional Lista 6

Programação Matemática. Método Simplex

Pesquisa Operacional Modelos Determinísticos Parte 2

Professor: Rodrigo A. Scarpel

VERSÃO 1 RESPOSTAS PROVA DE MÉTODOS QUANTITATIVOS

OTIMIZAÇÃO. O processo de otimização normalmente involve a procura de pontos de máximos e mínimos de uma função.

Métodos de Pesquisa Operacional

Tópicos Especiais em Computação I

Transcrição:

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 variáveis são de folga. Isso não acontece com os modelos que envolvem restrições (=) ou ( ). Chamados de problemas de PL mal comportados

MÉTODO SIMPLEX SOLUÇÃO INICIAL ARTIFICIAL O procedimento para iniciar a resolução de problemas de PL mal comportados, com restrições (=) ou ( ), é usar variáveis artificiais que desempenham o papel de folgas na primeira iteração e, então, descartá-las legitimamente em iterações posteriores. Para isso, existem dois métodos principais: Método M-Grande mais antigo, porém não utilizado em situações práticas; Método das Duas Fases

Fase I Expresse o problema na forma de equações e adicione as variáveis artificiais necessárias às restrições para garantir uma solução básica inicial. Em seguida, ache uma solução básica com as equações resultantes que, independentemente de o problema de PL ser de Maximização ou Minimização, sempre minimizará a soma das variáveis artificiais. Se o valor mínimo da soma for positivo, o problema de PL não tem solução viável, o que encerra o processo (OBS.: uma variável artificial positiva significa que uma restrição original não foi satisfeita. Caso contrário, passe para a FASE II.

Fase II Use a solução viável da Fase I como uma solução básica viável inicial para o problema original.

Dado o problema de PL Minimizar z = 4x 1 + x 2 Sujeito a 3x 1 + x 2 = 3 4x 1 + 3x 2 6 x 1 + 2x 2 4 x 1, x 2 0

Dado o problema de PL Minimizar z = 4x 1 + x 2 Sujeito a 3x 1 + x = 2 3 4x 1 + 3x 2 6 x 1 + 2x 2 4 x 1, x 2 0

Transformando em equações: Minimizar z = 4x 1 + x 2 (z 4x 1 x 2 = 0) Sujeito a 3x 1 + x 2 = 3 4x 1 + 3x 2 s 1 = 6 x 1 + 2x 2 + s 2 = 4 x 1, x 2, s 1, s 2 0

FASE I Adicionando as variáveis artificiais R 1 e R 2 Minimizar z = R 1 + R 2 (z R 1 R 2 = 0) Sujeito a 3x 1 + x 2 + R 1 = 3 4x 1 + 3x 2 s 1 + R 2 = 6 x 1 + 2x 2 + s 2 = 4 x 1, x 2, s 1, s 2, R 1, R 2 0

FASE I A tabela inicial é Base x1 x2 s1 s2 R1 R2 Solução z 0 0 0 0-1 -1 0 R 1 3 1 0 0 1 0 3 R 2 4 3-1 0 0 1 6 x 4 1 2 0 1 0 0 4 Próximo passo: A tabela está inconsistente, em função da inclusão de R 1 e R 2 Substituir os valores de R 1 e R 2 na linha z usando o cálculo: Nova Linha z = Velha Linha z + (1 * Linha R 1 + 1 * Linha R 2 )

FASE I A tabela inicial é Nova Linha z = Velha Linha z + (1 * Linha R 1 + 1 * Linha R 2 ) Nova Linha z = (0 0 0 0-1 -1 0) + ((3 1 0 0 1 0 3) + (4 3-1 0 0 1 6)) Nova Linha z = (0 0 0 0-1 -1 0) + (7 4-1 0 1 1 9) Nova Linha z = (7 4-1 0 0 0 9)

FASE I A tabela inicial é Base x1 x2 s1 s2 R1 R2 Solução z 7 4-1 0 0 0 9 R 1 3 1 0 0 1 0 3 R 2 4 3-1 0 0 1 6 x 4 1 2 0 1 0 0 4 Próximo passo: Resolver normalmente a FASE I do problema, a fim de encontrar uma nova solução em que R 1 e R 2 não façam parte da solução.

FASE I A tabela ótima da Fase I é Base x1 x2 s1 s2 R1 R2 Solução z 0 0 0 0-1 -1 0 x 1 1 0 1/5 0 3/5-1/5 3/5 x 2 0 1-3/5 0-4/5 3/5 6/5 x 4 0 0 1 1 1-1 1 Próximo passo: Com z = 0, a Fase I produz a solução básica viável x 1 = 3/5, x 2 = 6/5 e x 4 = 1. As variáveis artificiais concluíram sua missão e suas colunas podem ser eliminadas. Passamos para a Fase II.

FASE II Solução final O problema original é reescrito como Minimizar z = 4x 1 + x 2 (z 4x 1 x 2 = 0) Sujeito a x 1 + 1/5s 1 = 3/5 x 2 3/5s 1 = 6/5 s 1 + s 2 = 1 x 1, x 2, s 1, s 2 0

FASE II A tabela da Fase II representa uma solução básica viável inicial Base x1 x2 s1 s2 Solução z -4-1 0 0 0 x 1 1 0 1/5 0 3/5 x 2 0 1-3/5 0 6/5 x 4 0 0 1 1 1 Próximo passo: Como as variáveis básicas x1 e x2 têm coeficientes não zero na linha z, elas devem ser substituídas com o seguinte cálculo: Nova Linha z = Velha Linha z + (4 * Linha x 1 + 1 * Linha x 2 )

FASE II A Nova Linha z é Nova Linha z = Velha Linha z + (4 * Linha x 1 + 1 * Linha x 2 ) Nova Linha z = (-4-1 0 0 0) + ( 4 * (1 0 1/5 0 3/5) + 1 * (0 1-3/5 0 6/5)) Nova Linha z = (-4-1 0 0 0) + ( (4 0 4/5 0 12/5) + (0 1-3/5 0 6/5)) Nova Linha z = (-4-1 0 0 0) + (4 1 1/5 0 18/5) Nova Linha z = (0 0 1/5 0 18/5)

FASE II A nova tabela inicial é Base x1 x2 s1 s2 Solução z 0 0 1/5 0 18/5 x 1 1 0 1/5 0 3/5 x 2 0 1-3/5 0 6/5 x 4 0 0 1 1 1 Próximo passo: Resolver normalmente pelo método Simplex s 1 entra na solução básica e s 2 sai, sendo necessário apenas concluir essa iteração para encontrar a solução ótima.

Exercícios Agora sim... Resolva o problema da Casa das Rações pelo Método Simplex; Desenvolva todos os cálculos necessários, passo a passo; Compare a sua solução com a realizada no software TORA; Encaminhe a solução para o e-mail do professor.

Comentários finais: A remoção das variáveis artificiais e suas colunas no final da Fase I só pode ocorrer quando todas elas forem não básicas. Se uma ou mais variáveis artificiais forem básicas no final da Fase I, então é preciso executar as etapas a seguir para removê-las antes do início da Fase II.

Comentários finais: Etapa 1 Selecione uma variável artificial com coeficiente igual a zero para sair da solução básica e designe sua linha como a linha pivô. A variável que entra pode ser qualquer variável não básica (não artificial) que tenha um coeficiente não zero (positivo ou negativo) na linha pivô. Execute a iteração simplex associada. Etapa 2 Remova da tabela a coluna da variável artificial (que acabou de sair). Se todas as variáveis artificiais com coeficiente igual a zero tiverem sido removidas da solução básica, passe para a Fase II. Caso contrário, volte para a Etapa I.

REFERÊNCIAS BIBLIOGRÁFICAS TAHA, H. A. Pesquisa Operacional. 8. ed. São Paulo: Pearson, 2008.