2º Semestre 2002/2003 Problemas Resolvidos

Documentos relacionados
Investigação Operacional

X - D U A L I D A D E

Investigação Operacional

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Problemas em Programação Linear Resolução e Análise de Sensibilidade

Simplex. Investigação Operacional José António Oliveira Simplex

Método do Big M. Análise de Sensibilidade

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Frequência / Exame de 1. a Época

Vânio Correia Domingos Massala

Optimização/Matemática II (Eco)

Investigação Operacional

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

O Problema de Transportes

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

PROGRAMAÇÃO LINEAR. Tipo de problemas: cálculo do plano óptimo de distribuição de mercadorias; minimiação de desperdícios no corte de materiais;

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

Investigação Operacional

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

sujeito a: 30x x (madeira) 5x x (horas de trabalho) x 1, x 2 0

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

Frequência / Exame de 1. a Época

Resolução de PL usando o método Simplex

Programação Linear (PL) Solução algébrica - método simplex

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

DISCIPLINA: Investigação Operacional ANO LECTIVO 2009/2010

Pesquisa Operacional. Prof. José Luiz

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

A Dualidade em Programação Linear

Resolvendo algebricamente um PPL

Curso Satélite de. Matemática. Sessão n.º 1. Universidade Portucalense

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

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

Investigação Operacional

Investigação Operacional

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

INVESTIGAÇÃO OPERACIONAL. Programação Linear. Exercícios

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº4 Pós-Optimização e Análise de Sensibilidade

Modelos de Apoio à Decisão. Programação Linear. Rui Cunha Marques

Programação Linear. Rosa Canelas 2010

PEA 2522 MÉTODOS DE OTIMIZAÇÃO. Otimização

No eixo das ordenadas o ponto B tem abcissa nula (x 1 = 0) pelo que a equação se reduz a 20x 2 = 300. Madeira. C(10,10) não é admissível.

CAPÍTULO 3. Método Simplex

CAPÍTULO 4. Teoria da Dualidade

No exemplo há duas variáveis básicas: ST e LX. Serão agora representadas, em um gráfico bidirecional, tanto as restrições como a função objetivo.

PROGRAMAÇÃO LINEAR 11º ANO MATEMÁTICA A

Investigação Operacional

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

Otimização Linear. Conceitos básicos Álgebra Linear Introdução ao método simplex

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

Investigação Operacional E-FÓLIO A. Ano lectivo 2015/2016. Proposta de Resolução

Slide 1. c 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP

IX - A N Á L I S E D E S E N S I B I L I D A D E

Prof.: Eduardo Uchoa.

Pesquisa Operacional aula 3 Modelagem PL. Profa. Alessandra Martins Coelho

Análise de Sensibilidade. Investigação Operacional. Análise de Sensibilidade aos coeficientes da FO. Análise de Sensibilidade

II. Programação Linear (PL)

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

Álgebra Linear. Curso: Engenharia Electrotécnica e de Computadores 1 ō ano/1 ō S 2006/07

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

Instituto Universitário de Lisboa

VERSÃO RESPOSTAS PROVA DE MÉTODOS QUANTITATIVOS

Aula 07: Análise de sensibilidade (2)

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

Matemática I. Capítulo 3 Matrizes e sistemas de equações lineares

Investigação Operacional 1. Transparências de apoio à leccionação de aulas teóricas. x j - valor da variável de decisão j;

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

Programação Matemática. Método Simplex

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

Pesquisa Operacional

Análise dos Relatórios. Max Vinicius Bedeschi CRE 6859

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

4. Tensores cartesianos em 3D simétricos

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

Professor João Soares 20 de Setembro de 2004

Pesquisa Operacional

Programação Linear. (4ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016

CLP(X) Na Programação em Lógica, a operação fundamental que se executa na passagem de parâmetros é a unificação de termos de Herbrand.

IV - P R O G R A M A Ç Ã O L I N E A R :

Cálculo Diferencial e Integral I

Modelos de planeamento e gestão de recursos hídricos. 19 de Novembro

1 Despacho económico

Álgebra Linear. Cursos: Química, Engenharia Química, Engenharia de Materiais,Engenharia Biológica, Engenharia do Ambiente 1 ō ano/1 ō Semestre 2006/07

UNIVERSIDADE DE ÉVORA UNIVERSIDADE DO ALGARVE

Transparências de apoio à lecionação de aulas teóricas. c 2012, 2011, 2009, 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP

Problemas de Fluxos em Redes

INSTITUTO SUPERIOR DE CONTABILIDADE E ADMINISTRAÇÃO DO PORTO MICROECONOMIA. EXAME ÉPOCA DE RECURSO 28 DE JULHO DE 2008 Duração: 2 horas.

Optimização / Matemática II

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

Investigação Operacional. Análise de Sensibilidade

INSTITUTO SUPERIOR TÉCNICO GESTÃO E TEORIA DA DECISÃO GESTÃO DE PROJECTOS EXERCÍCIOS ANO LECTIVO 2006/2007 1º SEMESTRE

Investigação Operacional

CARACTERÍSTICAS ESTÁTICAS DE SISTEMAS DE MEDIÇÃO

12/06/14. Estatística Descritiva. Estatística Descritiva. Medidas de tendência central. Medidas de dispersão. Separatrizes. Resumindo numericamente

Programação Linear/Inteira

Métodos de Pesquisa Operacional

PESQUISA OPERACIONAL I

Transcrição:

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: 5x 1 + 1.25x 2-5x 4 20 R 3: x 1 + 2x 2 + 3x 3 + 4x 4 42 x 1, x 2, x 3 e x 4 0 a) Determinação da solução óptima para o problema por aplicação do algoritmo SIMPLEX Para a resolução deste problema através do algoritmo SIMPLEX, torna-se necessário escrever o problema na sua forma canónica, o que pressupõe transformar as inequações em igualdades adicionando variáveis de folga (f i ) aos primeiros membros das restrições. O problema fica R 1: x 1 - x 2 + 2x 3 +x 4 + f 1 = 10 R 2: 5x 1 + 1.25x 2-5x 4 + f 2 = 20 R 3: x 1 + 2x 2 + 3x 3 + 4x 4 + f 3 = 42 x 1, x 2, x 3 e x 4 0 f 1, f 2 e f 3 0 No que se refere à função objectivo (FO), a transformação a operar deve colocar todas as variáveis no primeiro membro, deixando o segundo membro para as constantes. A função fica - L + 4x 1-2x 2 + 2x 3 -x 4 = 0 14

Escreve-se agora o primeiro quadro do SIMPLEX onde as variáveis de folga assumem os valores dos segundos membros das restrições, deixando para as variáveis originais do problema o valor zero. Esta solução, designada solução básica inicial, define um vértice do espaço de soluções, a partir do qual o algoritmo SIMPLEX parte à procura da solução óptima (Nota: a solução básica inicial assim determinada encontra um vértice do espaço de soluções na origem do referencial, vértice que se define naturalmente dado que as variáveis não podem assumir valores negativos. Caso a origem do referencial não pertença ao espaço de soluções torna-se necessário o recurso a variáveis artificiais) Para a solução expressa no quadro seguinte, as variáveis e a função objectivo assumem os seguintes valores: x 1 = 0, x 2 = 0, x 3 = 0, x 4 = 0 f 1 = 10, f 2 = 20, f 3 = 42 L = 0 Verifica-se, no entanto, que a solução acima definida não é óptima. De facto, se for aumentado o valor de x 1 ou de x 3 o valor da função aumenta, passando a definir-se outra solução, melhor do que a anterior (convém relembrar que a intenção é a obtenção de um máximo para o valor da função objectivo L, e que actualmente a função vale zero porque as variáveis x i valem zero. Caso alguma das variáveis aumente o seu valor, a função também aumentará numa proporção que é definida pelo coeficiente que essa variável possui na função). Pretendendo-se um máximo para a função pode ser incrementada qualquer uma das duas variáveis atrás citadas. No entanto é geralmente aceite que, em caso de existência de mais do que uma variável nula capaz de produzir uma melhoria do valor da função, se incrementa (i.e. se passa a variável básica) aquela que permite à função o maior crescimento por cada unidade incrementada à variável. Seguindo este princípio será incrementada a variável x 1. Com a entrada desta nova variável para a base inicia-se um movimento sobre a fronteira do espaço das soluções, movimento que deverá terminar no vértice desse espaço adjacente ao vértice inicial. Isto consegue-se garantindo, do lado do SIMPLEX, 15

que uma das actuais variáveis básicas se anula, com a passagem de x 1 a variável básica. Para a determinação da variável básica a anular tem de ser calculado o crescimento máximo permitido para a nova variável básica por cada uma das restrições (o que se consegue dividindo o termo independente de cada restrição pelo coeficiente que esta variável possui nessa restrição, desde que esse coeficiente não seja negativo). O menor crescimento assim determinado define a restrição onde ocorrerá a troca de variável. Resulta assim o novo quadro do SIMPLEX, com os novos valores para as variáveis e função objectivo: x 1 = 4, x 2 = 0, x 3 = 0, x 4 = 0 f 1 = 6, f 2 = 0, f 3 = 38 L = 16 Dado que a solução ainda não é óptima, efectua-se nova iteração passando x 3 a variável básica. Resulta assim o quadro final 16

b) Diga por que é que a solução é óptima, qual o valor das 4 variáveis de decisão e o valor da função objectivo. Neste terceiro quadro verifica-se que a solução obtida é óptima, pois as actuais variáveis nulas apresentam coeficientes negativos na função objectivo (o que, a serem incrementadas, provocaria uma diminuição no valor da função). Assim, além de óptima, a solução é única. Os valores positivos das variáveis básicas indicam ainda que a solução não é degenerada. Os valores das variáveis de decisão e da função objectivo são: x 1 = 7, x 2 = 0, x 3 = 0, x 4 = 3, L= 25 c) Existe alguma indefinição relativamente ao valor do coeficiente de X 3 na função objectivo. Qual o valor máximo que pode ter este coeficiente para que a solução encontrada continue a ser óptima? Uma alteração no coeficiente de uma variável na função objectivo resulta integralmente no último quadro do SIMPLEX. Se atendermos ao facto de X 3 ser uma variável nula, então a solução óptima mantém-se desde que o seu coeficiente na linha da função objectivo seja não positivo. Assim -1 + 0 1 Coef. máximo = 2 + 1 = 3 d) Verificou-se à posteriori que o valor do coeficiente de X 1 na função objectivo era 2.5 em vez de 4 como inicialmente se tinha admitido. A solução continua a ser óptima? Em caso de resposta negativa, diga entre que valores pode variar o valor desse coeficiente para que a solução óptima se mantenha e quais os correspondentes valores da função objectivo. Com esta alteração, o último quadro (quadro 3) do SIMPLEX ficaria: 17

Dado que X 1 é variável básica o seu coeficiente deverá ser nulo na linha da função objectivo. Corrigindo esta linha o quadro fica: Existindo um coeficiente positivo para X 3 a solução anteriormente obtida deixa de ser óptima. Para a determinação do intervalo de variação do coeficiente de X 1 que mantém a anterior solução como óptima deixamos em aberto, no quadro inicial, o coeficiente desta variável na função objectivo (C 1 ). Deste modo resultaria o último quadro do SIMPLEX (quadro 3): Sendo X 1 variável básica o seu coeficiente deverá ser nulo na linha da função objectivo. Corrigindo esta linha o quadro fica: 18

Para que a solução se mantenha óptima teremos que garantir que na linha da função objectivo não existem coeficientes positivos. Deste modo, os valores de C 1 admissíveis para que a solução se mantenha óptima estarão no intervalo [3;7]. e) Admitindo que se considera o valor da função objectivo muito baixo e que se sabe que cada unidade adicional do recurso 1 tem um custo de 1 pilim, do recurso 2 custa 0.5 pilins e do recurso 3 se gasta 0.1 pilins, diga: e.1) Qual o recurso que seria mais profícuo incrementar? Atendendo aos preços sombra dos recursos seria preferível incrementar o recurso 1 (recurso associado à restrição 1). Notas: i) O preço sombra de um recurso representa o acréscimo que a função objectivo sofre quando se aumenta em uma unidade a disponibilidade desse recurso. ii) O preço sombra de um recurso é dado pelo simétrico do coeficiente que a variável de folga associada a esse recurso apresenta na linha da função objectivo do quadro que representa a solução óptima do problema (1.5, 0.5 e 0 para os recursos 1, 2 e 3 respectivamente). iii) Aos preços sombra devem ser deduzidos os custos dessas unidades adicionais do recurso, para se apurar do interesse em aumentar a sua quantidade disponível (o que revela que o recurso 1 é o único que interessa incrementar) e.2) Mantendo-se esta solução óptima e incrementando o recurso definido na alínea anterior, até quanto podia aumentar o valor da função objectivo? Com este incremento da quantidade de recurso 1 disponível vai alterar-se o termo independente da restrição R 1. Esta alteração na formulação tem como consequência uma alteração do espaço de soluções possíveis que pode levar o vértice que actualmente define a solução óptima (vértice correspondente à 19

intersecção das actuais restrições activas do problema e que define no SIMPLEX o actual conjunto de variáveis básicas) a ficar fora deste espaço, deixando a solução de ser possível. O conjunto de restrições activas que define a actual solução óptima do problema é constituído pelas seguintes restrições: R 1: x 1 - x 2 + 2x 3 +x 4 = 10 R 2: 5x 1 + 1.25x 2-5x 4 = 20 x 2 = 0, x 3 = 0 Deixando em aberto a quantidade de recurso 1 disponível (definida pelo termo independente da 1ª restrição) o sistema de equações anterior toma o aspecto (onde b designa essa quantidade): x 1 - x 2 + 2x 3 +x 4 = b 5x 1 + 1.25x 2-5x 4 = 20 x 2 = 0, x 3 = 0 Da resolução deste sistema resultam os seguintes valores para as variáveis: x 1 = (2 + 0,5 b),x 2 = 0, x 3 = 0, x 4 = (-2 + 0,5 b) Para que a solução se mantenha possível, e em consequência se mantenha óptima, todas as restrições do problema deverão constituir condições verdadeiras. Substitui-se nelas o valor das variáveis aqui obtidos e determinam-se os limites de b por forma a que todas as restrições se verifiquem. Desta substituição conclui-se que b deve estar compreendido no intervalo [4;19,2]. Em conclusão, seria vantajoso incrementar a quantidade disponível de recurso 1 de 10 até 19,2 unidades, com um aumento correspondente do valor da função objectivo de 13,8 unidades (valor obtido a partir da multiplicação do acréscimo de recurso 1 9,2 unidades pelo seu preço sombra). 20