6

IA527 - Programac~ao Multiobjetivo

Exerc
cios

01. Seja f : Rn ! R uma func~ao convexa denida sobre um conjunto

convexo
e g : R ! R uma func~ao quasi-convexa n~ao-decrescente sobre
R. Mostre que g (f (x)) 
e convexa sobre
.
02. Seja
um conjunto convexo e f1 ; f2 ; : : : ; fm func~oes convexas denidas
sobre
. Mostre que a funca~o

f (x) = max ff1 (x); f2 (x); : : : ; fm (x)g

tambem e convexa sobre

a)

a partir da denic~ao de func~ao convexa;

b)

vericando que o epgrafo de f e convexo.

03. Diz-se que uma func~ao f : Rn ! R e uma norma se para quaisquer

x; y 2 Rn
a)
b)
c)

f (x) = 0 , x = 0
f (x + y)  f (x) + f (y)
f (x) = j  j f (x);  escalar
Mostre que qualquer norma e uma func~ao convexa sobre o Rn .

04. Seja o problema de otimizac~ao

minimizarx
s.a

1 (x  )2 x x
1
2
2 1
2
x1 + x2  0
x21 + x22  2

7
a)

b)

c)

Esboce a regi~ao factvel do problema e determine os pontos em que

ambas as restric~oes est~ao ativas;
Selecione o ponto com componentes positivas e determine os valores de
 para os quais o ponto selecionado satisfaz as condic~oes necessarias
de Kuhn-Tucker;
Para os valores de  determinados em b), o ponto selecionado e um
mnimo local (global) do problema ? Justique.

05. Seja o problema de otimizac~ao

minimizarx 3x1 + x2
s.a x21 + x22  5

x1 x2  1

a)

Verique que x = ( 3 2=2; 2=2) satisfaz as condic~oes necessarias

de Kuhn-Tucker do problema;

b)

Interprete gracamente as condic~oes de Kuhn-Tucker no ponto x ;

c)

Mostre que x e a unica soluc~ao global do problema.

06. Considere as seguintes alternativas, associadas a tr^es diferentes objetivos que devem ser minimizados:
A
B
C
D
E

f1 f2 f3

35
50
25
20
20

40
30
20
80
90

25
10
20
60
75

Quais das alternativas acima s~ao ecientes ?

07. Uma maneira de se testar eci^encia de uma dada alternativa x e
resolver o problema escalar

minimizarx2

m
X
i=1

fi(x)

s.a fi(x)  fi (x ); i = 1; 2; : : : ; m

Mostre que x e eciente se e somente se x resolve o problema escalar acima. Resolva novamente o Exerccio 06 (
e representado pelas
alternativas A,B,. . . ,E) usando o problema escalar.
08. Seja o problema multiobjetivo
minimizarx2
f (x)
onde f = (f1 ; f2 ; : : : ; fm ). Adote a seguinte estrategia: obtenha inicialmente

1 := fx : x = arg min
f (x)g
x2
1
Em seguida obtenha

2 := fx : x = arg xmin
f2 (x)g
2

prosseguindo no mesmo esquema ate obter

m . Mostre que se x 2
m ,
ent~ao x e eciente. Interprete gracamente este resultado.
09. Seja o problema bi-objetivo
minimizarx2
(f1 (x); f2 (x))
onde

f1 (x) = 6x1 + 4x2 5x3

f2 (x) = x1 2x2 + 8x3

= fx : x1 + x2 + x3  2; xi 2 f0; 1g; i = 1; 2; 3g

9
a)

Determine Y = f (
);

b)

Determine e (
) e e (Y ).

10. Seja o problema bi-objetivo

minimizarx2
(f1 (x); f2 (x))
onde

f1(x) = 6x1 + 4x2

f2(x) = x1 2x2

= fx : g(x)  0; x  0g
g1 (x) = x1 + x2 2
g2 (x) = 2x1 x2 10
g3 (x) = x1 + x2 8
a)

Esboce a regi~ao factvel

e determine e (
);

b)

Esboce Y = f (
) e determine e (Y );

c)

Determine os valores de 0  w  1 a serem utilizados no problema

ponderado
minimizarx2
wf1 (x) + (1 w)f2 (x)
de forma a gerar e (
) completamente;

d)

Considere o problema -restrito

minimizarx2
f1 (x) s.a f2 (x)  2
Determine os valores de 2 que permitem gerar e (
) completamente.

11. Seja o problema bi-objetivo

minimizarx2
(f1 (x); f2 (x))

10
Dena xi := arg min
f (x) e
x2
i

yi := fi(xi ); i = 1; 2
yi := fi(xj ); i = 1; 2; j 6= i
Mostre que se y 2 e (Y ), ent~ao y 2 fy : y  y  yg.
12. Considere o problema ponderado
minimizarx2
wT f (x)
e dena x(w) := arg min
wT f (x) sobre
x2

W + := fw : w > 0;

m
X
i=1

wi = 1g

Mostre ent~ao que

yi  fi(x(w)) 

X
j 6=i

(j =i )(yjp yj ); i = 1; 2; : : : ; m

ff (xk )g.
onde yjp := 1max
km j
13. Seja o problema bi-objetivo
minimizarx2
(f1 (x); f2 (x))
onde

f1(x) = 6x1 4x2

f2(x) = x1

= fx : g(x)  0; x  0g
g1 (x) = x1 + x2 100
g2 (x) = 2x1 + x2 150

11
a)

Encontre a soluc~ao utopica y;

b)

Considere o criterio global

m
X
i=1

(fi (x)

yi )p

!1=p

e determine a soluc~ao do problema para p = 1; p = 2 e p = 1;

c)

Esboce Y = f (
) e indique as soluc~oes encontradas em b).

14. Assuma que x e uma soluc~ao otima para

minimizarx2
f1 (x) s.a fj (x)  fj (x ); j = 2; 3; : : : ; m
Seja j o multiplicador otimo de Kuhn-Tucker associado a j -esima restric~ao. Assuma que x0 e uma soluc~ao otima alternativa n~ao-degenerada
para o mesmo problema, isto e,

0j = 0 , fj (x0) fj (x ) < 0

Mostre que se 0j = 0 para algum j , ent~ao x n~ao e uma soluc~ao
eciente do problema.
15. Seja o problema -restrito

P : minimizarx2
f1 (x) s.a fj (x)  j ; j = 2; 3; : : : ; m
Assuma que j ; j = 2; 3; : : : ; m s~ao os multiplicadores otimos de KuhnTucker associados as -restric~oes. Mostre que o problema ponderado

Pw : minimizarx2

m
X
i=1

wi fi(x)

com w := (1; 2 ; 3 ; : : : ; m ) fornece a mesma soluc~ao otima de P . Sugest~ao: obtenha o problema dual de P .

12
16. Discuta as modicac~oes a serem introduzidas no metodo Simplex de
Zeleny caso se deseje considerar explicitamente problemas de maximizac~ao.
Redena o Problema Auxiliar nestes termos e encontre a base inicial factvel
correspondente.
17. Seja o problema bi-objetivo linear
minimizarx2
(f1 (x); f2 (x))
onde

f1(x) = 2x1 3x2

f2(x) = 2x1 x2

= fx : g(x)  0; x  0g
g1 (x) = x1 + x2 10
g2 (x) = x1 6
g3 (x) = x2 6
Encontre todas as soluc~oes basicas ecientes do problema atraves do
metodo Simplex de Zeleny.
18. Considere o problema multiobjetivo linear
minimizarx2
(c1 x; c2 x; : : : ; cm x)
onde ci 2 Rn ; i = 1; 2; : : : ; m, e dena

w :=

m
X
i=1

i ci ; i > 0

Mostre que se x resolve

minimizarx2

ent~ao x e eciente.

n
X
i=j

wj xj