P. 1
Aula 2 o Metodo Simplex

Aula 2 o Metodo Simplex

|Views: 208|Likes:
Publicado porWilliam Lopes

More info:

Published by: William Lopes on Jan 18, 2012
Direitos Autorais:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

12/06/2012

pdf

text

original

2- O Método Simplex

Objetivo: 
  

Este é o procedimento geral para resolver problemas de programação linear. É sempre usado um computador, e os programas estão amplamente disponíveis. Utilizaremos em nosso curso o aplicativo Solver disponível nas ferramentas do Excell. Serão apresentados os principais aspectos do método simplex para resolver qualquer problema de programação linear tal que bi > 0 para todo i = 1, 2, ...,m.
Métodos de Otimização CIV 7031 1

2- O Método Simplex
O método simplex é um algoritmo.  

 

Um algoritmo é um processo onde um procedimento sistemático é repetido (iterado) seguidamente até que o resultado desejado seja obtido. Cada percurso do procedimento sistemático é chamado de iteração. Conseqüentemente, um algoritmo substitui um problema difícil por uma série de outros fáceis. Além das iterações, os algoritmos também incluem um procedimento de dar início e um critério para determinar quando parar.
Métodos de Otimização CIV 7031 2

2- O Método Simplex
Em resumo:
Estrutura dos Algoritmos: Passo de inicialização Passo iterativo Regra de parada Se sim Se não Pare
Métodos de Otimização CIV 7031 3

Preparar para iniciar iterações Repetir quantas vezes necessário Foi obtido o resultado desejado?

2- O Método Simplex
Aplicação do método simplex ao problema da Wyndor Glass Co. Estabelecimento do Método Simplex   

É muito mais conveniente lidar com equações do que com relações de desigualdade. Por isso, o primeiro passo para se estabelecer o método simplex é converter as restrições funcionais de desigualdade em restrições equivalentes de igualdade. Isto é feito introduzindo variáveis de folga.

Métodos de Otimização CIV 7031

4

2. Conseqüentemente. x1<4 é inteiramente equivalente ao conjunto de restrições e x1  x3 ! 4 x3 u 0 Métodos de Otimização CIV 7031 5 . x3 ! 4  x1 x1  x3 ! 4 A constate original x1<4 se mantém sempre que x3>0.O Método Simplex Consideremos a primeira restrição do exemplo: x1 e 4 A variável de folga para esta restrição é: Portanto.

.. o modelo de programação linear original pode agora ser substituído pelo modelo equivalente..2. Maximizar Z = 3x1+5x2 sujeito a (1) (2) (3) x1 2x2 3x1+2x2 + x3 = 4 +x4 = 12 +x5 = 18 e xj > 0.5 Métodos de Otimização CIV 7031 6 .O Método Simplex Pela introdução de variáveis de folga de maneira idêntica para as outras variáveis funcionais. para j = 1..2.

O Método Simplex Note-se que o novo sistema de restrições funcionais tem duas variáveis mais que equações. uma solução ótima tem que ser uma solução básica viável. A solução resultante é chamada de solução básica. Se todas as variáveis básicas forem não-negativas. uma vez que quaisquer duas variáveis podem ser escolhidas para serem consideradas igual a qualquer valor arbitrário a fim de resolver as três equações em termos das três variáveis restantes. Métodos de Otimização CIV 7031 7 .2. O método simplex usa o zero para este valor arbitrário. tratar-se-á de uma solução básica viável. As variáveis consideradas zero são chamadas de variáveis nãobásica. Pela teoria da programação linear. As outras são chamadas de variáveis básicas. (3 equações e 5 variáveis) Isto nos dá dois graus de liberdade na solução do sistema.

antes de começar o método simplex o problema é escrito mais uma vez de maneira equivalente como: Maximizar Z.O Método Simplex É conveniente considerar e manipular a equação da função-objetivo ao mesmo tempo que as novas equações de restrição.. sujeito a (0)Z . Por isso..3x1.2.. para j = 1.5 Métodos de Otimização CIV 7031 8 .2..5x2 = 0 (1) x1 + x3 = 4 (2) 2x2 +x4 = 12 (3) 3x1+2x2 +x5 = 18 e xj > 0.

até que seja alcançada uma solução (básica viável) ótima. cada uma melhor que a sua predecessora.2. Cada nova solução básica viável é obtida a partir de sua predecessora. Métodos de Otimização CIV 7031 9 .    O sistema de equações é resolvido repetidamente para uma seqüência de soluções básicas viáveis. transformando uma variável não-básica em variável básica (a variável básica entrando) e transformado uma variável básica numa variável não-básica ( a variável básica saindo). Duas destas soluções básicas viáveis diferindo apenas por uma única troca de variáveis básica e não-básica são chamadas de adjacentes.O Método Simplex Agora podemos resumir simplesmente a idéia básica do método simplex.

Cada uma destas partes do algoritmo será descrita para o exemplo.2.O Método Simplex Resumo do Método Simplex Passo de inicialização Passo iterativo Regra de parada Identificar uma solução básica viável inicial Mover-se para a melhor solução básica viável adjacente Parar quando não houver nenhuma solução básica viável adjacente melhor. Métodos de Otimização CIV 7031 10 .

Selecione as variáveis originais (x1.O Método Simplex Passo de inicialização:    Introduza variáveis de folga (x3.x5) como descrito acima.x2) para serem as variáveis não-básicas originais.2. é conveniente usar a forma tabular do método simplex. iguale a zero e considere as variáveis de folga como sendo as variáveis básicas iniciais. Quando estiver resolvendo um problema à mão. Métodos de Otimização CIV 7031 11 .x4.

O Método Simplex Passo de inicialização:  1. O quadro simplex para o exemplo é mostrado abaixo: Coeficiente de Variável Eq.2. Z x1 x2 x3 Z 0 1 -3 -5 0 x3 1 0 1 0 1 x4 2 0 0 2 0 x5 3 0 3 2 0 x4 0 0 1 0 x5 0 0 0 1 Lado direito 0 4 12 18 12 Métodos de Otimização CIV 7031 . 2.  O quadro simplex para registro de informações inclui: Os coeficientes das variáveis As constantes do lado direito das equações e A variável básica que aparece em cada equação. 3. básica No.

x3.12.x2.4. a solução básica viável inicial para o exemplo (x1.O Método Simplex Passo de inicialização:    Uma vez que cada equação contém apenas uma variável básica.0. a qual tem um coeficiente de +1.x5) = (0. Assim. cada variável básica é igual à constante do lado direito de sua equação.2.x4.18). Vá a seguir para a regra de para parada para determinar se essa solução é ótima Métodos de Otimização CIV 7031 13 .

O Método Simplex Regra de parada:    A atual solução básica viável é ótima se e somente se cada coeficiente na Eq. pare. Se assim é. vá para o passo iterativo para obter a próxima solução básica viável ± a qual envolve transformar uma variável não-básica numa variável básica (parte 1) e vice-versa (parte 2) e então resolva para a nova solução (parte 3). Métodos de Otimização CIV 7031 14 . O exemplo possui dois coeficientes negativos. portanto. vá para o passo iterativo.2. de outro modo. (0) for não-negativo (> 0).

3.2. Métodos de Otimização CIV 7031 15 . 4. (0).O Método Simplex Passo iterativo:  Parte 1:   Determine a variável básica entrando selecionando a variável com o maior coeficiente negativo na Eq. Selecionando a variável básica para esta equação. Determine a variável básica saindo 1. Faça um retângulo circunscrevendo a coluna abaixo deste coeficiente que será chamada de coluna pivô.  Parte 2:  2. Dividindo o valor ³lado direito´ de cada linha pelo coeficiente correspondente. selecionando cada coeficiente na coluna circunscrita que seja estritamente positivo. Identificando as equações que tenham as menores destas razões.

Chame também o número que está em ambos os retângulos de número pivô.2. e chame a linha circunscrita de linha pivô. Métodos de Otimização CIV 7031 16 .O Método Simplex Passo iterativo:  Parte 2:   Faça um retângulo circunscrevendo esta linha da equação no quadro à direita da coluna Z.

O coeficiente da nova variável básica deverá ser mudado para +1. dividindo-se toda a linha pivô pelo número pivô. As três primeiras colunas não são modificadas com exceção de que a variável básica saindo na primeira coluna é substituída pela variável básica entrando.O Método Simplex Passo iterativo:  Parte 3:    Determine a nova solução básica viável a partir da construção de um novo quadro simplex abaixo do atual. de modo que: Nova linha pivô = antiga linha pivô número pivô Métodos de Otimização CIV 7031 17 .2.

2. Z x1 x2 Z 0 1 -3 -5 x3 1 0 1 0 x4 2 0 0 2 x5 3 0 3 2 Linha pivô Coluna pivô x3 x4 x5 Razão 0 0 0 12 = 6 (mín) 1 0 0 0 1 0 2 0 0 1 18= 9 2 Número pivô Lado direito 0 4 12 18 18 Métodos de Otimização CIV 7031 . básica No.O Método Simplex Variável básica que entra Maior coeficiente negativo Coeficiente de Variável Básica que sai Variável Eq.

0).2. básica No. Z x1 x2 Z 0 1 -3 -5 x3 1 0 1 0 x4 2 0 0 2 x5 3 0 3 2 x3 0 1 0 0 x4 0 0 1 0 x5 0 0 0 1 Lado direito 0 4 12 18 Nova linha pivô = antiga linha pivô número pivô 2 Z x3 x2 x5 0 1 2 3 1 0 0 0 0 1 0 1/2 0 6 Para eliminar a nova variável básica das outras equações. todas as Linhas (inclusive da Eq. exceto a linha pivô.O Método Simplex Iteração 1 Coeficiente de Variável Eq. são modificadas para Usando se a seguinte fórmula: Nova linha = antiga linha ± (coeficiente da coluna pivô)x nova linha pivô Métodos de Otimização CIV 7031 19 .

0] 6] 30] Linha 1. 0. 1.2. 18] 6] 6] O novo quadro para a iteração 1. é mostrado a seguir: Métodos de Otimização CIV 7031 20 . 0. Não modificada pois o coeficiente da coluna pivô é zero Linha 3 [3 -(2) [ 0 Nova linha= [ 3 2 1 0 0 0 0 0 1/2 -1 1. 0.O Método Simplex As nova linhas do exemplo são: Linha 0 [ -3 -(-5) [ 0 Nova linha= [ -3 -5 1 0 0 0 0 0 1/2 5/2 0.

4.O Método Simplex Coeficiente de Iteração 1 Variável Eq. Z x1 x2 Z 0 1 -3 -5 x3 1 0 1 0 x4 2 0 0 2 x5 3 0 3 2 x3 0 1 0 0 x4 0 0 1 0 x5 0 0 0 1 Lado direito 0 4 12 18 2 Z x3 x2 x5 0 1 2 3 1 -3 0 0 1 0 0 0 1 0 3 0 0 1 0 0 5/2 0 1/2 -1 0 0 0 1 30 4 6 6 Uma vez que cada variável básica é igual ao lado direito de sua equação. 6.0 ainda possui um coeficiente negativo a solução ainda não é ótima e deve ser feita uma nova iteração. a nova solução viável é (0. 6). básica No. Métodos de Otimização CIV 7031 21 . 0.2. com Z=30 Como a Eq.

2.O Método SimplexRazão Iteração 1 Z x3 x2 x5 0 1 2 3 1 -3 0 0 1 0 0 0 1 0 3 0 0 1 0 0 5/2 0 1/2 -1 0 0 0 1 30 4 6 6 Linha 3 = Esta é a nova linha pivô Nova linha= 1/3 [ 3 0 0 = [1 0 0 [ -3 -(-3) [1 Nova linha = [ 0 Linha 1 [1 -(1) [1 Nova linha = [ 0 Linha 0 0 0 0 0 0 0 0 0 0 1 0 1 4=4 1 6= 2 (mín) 3 6] 2] 30] 2] 36] 4] 2] 2] 22 -1 -1/3 -5/2 -1/3 3/2 0 -1/3 1/3 1. 0. 1. 1/3. -1/3. 0. 1/3. Métodos de Otimização CIV 7031 . 1/3.

2. 2. básica No. 0) com Z = 36 -> solução ótima Métodos de Otimização CIV 7031 .O Método Simplex Iteração 0 Coeficiente de Variável Eq. 6. 0. Z x1 x2 Z 0 1 -3 -5 x3 1 0 1 0 x4 2 0 0 2 x5 3 0 3 2 x3 0 1 0 0 x4 0 0 1 0 x5 0 0 0 1 Lado direito 0 4 12 18 1 2 Z x3 x2 x5 Z x3 x2 x1 0 1 2 3 0 1 2 3 1 -3 0 0 1 0 0 0 1 0 3 0 1 0 0 0 0 0 0 0 1 0 1 0 0 5/2 0 1 0 0 0 1/2 0 0 -1 1 0 3/2 1 1 1/3-1/3 0 1/2 0 0 -1/31/3 30 4 6 6 36 2 6 2 23 A solução básica viável é (2.

Olha quem voltou!! Métodos de Otimização CIV 7031 24 .

onde bi representa a quantidade dos recursos feitos disponíveis para as atividades em consideração.O Método Simplex Preços-Sombra:    Além de encontrar a solução ótima.2. Métodos de Otimização CIV 7031 25 . freqüentemente seria extremamente útil ter informações sobre a contribuição econômica dos recursos. Como pode haver alguma variação nas quantidades que são colocadas à disposição. o método simplex também fornece outras informações valiosas para análises adicionais no modelo. Os problemas de programação linear podem ser tipicamente interpretados como alocação de recursos a atividades.

isto é a taxa à qual Z poderia ser aumentado.  Métodos de Otimização CIV 7031 26 .2. aumentando (ligeiramente) a quantidade deste recurso (bi) feito disponível.O Método Simplex Preços-Sombra:  Por definição: O preço-sombra para o recurso i (denotado por yi*) mede o valor marginal deste recurso. (0) do quadro simplex final.  O método-simplex identifica este preço-sombra como yi* = coeficiente da i-ésima variável de folga da Eq.

x2=13/2 com Z = 37 1/2 ((Z = 3/2 = y2* ) x1=7/3.    Onde esses recursos são as capacidades de produção disponíveis das fábricas 1. de fato aumentaria de yi* o valor ótimo de Z. Pode-se verificar que aumentando de uma unidade cada bi. y3* = 1 = preço-sombra do recurso 3.2. tem-se: (1) (2) (3) x1=2. x2=6 com Z = 36 ((Z = 0 = yi* ) x1=5/3. Nos três casos respectivos. x2=6 com Z = 37 ((Z = 1 = y3* ) Métodos de Otimização CIV 7031 27 .O Método Simplex Preços-Sombra:  Em nosso exemplo temos:    y1* = 0 = preço-sombra do recurso 1. 2 e 3. y2* = 3/2 = preço-sombra do recurso 2.

Não há um método conveniente para predizer antecipadamente que escolha conduzirá mais rapidamente à solução ótima.O Desempate no Método Simplex  Empate para a Variável Básica Entrando:       A parte 1 do passo iterativo escolhe a variável nãobásica que tenha o coeficiente negativo maior. não importando a variável empatada escolhida. A solução ótima será encontrada eventualmente. Como deveria ser feito o desempate caso duas ou mais variáveis não-básicas tenham o maior coeficiente negativo? A resposta é que a seleção entre estes coeficientes pode ser feita arbitrariamente. A diferença estará no número de iterações necessárias para se chegar a solução ótima. Métodos de Otimização CIV 7031 28 .

vamos simplesmente fazer o desempate arbitrariamente. Métodos de Otimização CIV 7031 29 . Será que importa qual delas é escolhida? Teoricamente sim.O Desempate no Método Simplex  Empate para a Variável Básica Saindo Degeneração      Suponha agora que duas ou mais variáveis básicas empatem para ser a variável básica saindo na parte 2 do passo iterativo. entretanto estas regras têm sido virtualmente ignoradas na aplicação atual. Foram construídas regras especiais para desempates. Para nossos propósitos. podendo gerar um Z que não aumente a cada iteração.

Variável Eq.O Desempate no Método Simplex Variável básica saindo inexistente ± Z ilimitado   Isto ocorre se a variável básica entrando pudesse ser aumentada indefinidamente sem dar valores negativos a qualquer das variáveis básicas atuais. x1 básica No. Uma vez que nem a programação linear descobriu um modo de ter lucros infinitos. isto significa que todo o coeficiente na coluna pivô [excluindo a Eq. Z Z 0 1 -3 x3 1 0 1 x2 x3 -5 0 0 1 Lado direito 0 4 Razão Nenhum mínimo   A interpretação de uma tal ocorrência é que as restrições não previnem o aumento do valor da funçãoobjetivo (Z) indefinidamente na direção favorável. (0)] é negativo ou zero. Na foram tabular. para problemas práticos deve ter havido algum engano! Métodos de Otimização CIV 7031 30 .

pelo menos uma das variáveis não-básicas tem um coeficiente de zero na Eq. Por isso. (0) final.O Desempate no Método Simplex Soluções ótimas múltiplas:    Toda a vez que um problema tem mais que uma solução básica viável ótima. Métodos de Otimização CIV 7031 31 . escolhendo a cada vez uma variável não-básica com um coeficiente zero como a variável básica entrando. qualquer aumento nessa variável não mudaria o valor de Z. essas outras soluções ótimas podem ser identificadas perfazendo-se iterações adicionais do método simplex. Portanto.

básica No.Iteração 0 Coeficiente de Variável Eq. temos: 1 2 Extra Z x1 x4 x5 Z x1 x4 x2 Z x3 x2 x1 0 1 2 3 0 1 2 3 0 1 2 3 1 0 0 0 1 0 0 0 1 0 0 0 0 1 0 0 0 1 0 1 0 0 0 1 -2 3 0 0 0 1 0 0 2 0 1 0 2 -3 0 1 0 0 0 1 0 1 0 0 0 3 1 -1 0 -3/2 0 1/2 0 0 0 1 0 1 -1/31/3 1 0 1/3-1/3 0 0 1/2 0 12 4 12 6 18 4 6 3 18 2 2 6 Soluções Ótimas Métodos de Otimização CIV 7031 32 . Z x1 x2 Z 0 1 -3 -2 x3 1 0 1 0 x4 2 0 0 2 x5 3 0 3 2 x3 0 1 0 0 x4 0 0 1 0 x5 0 0 0 1 Lado direito 0 4 12 18 Para a função-objetivo Z = 3x1+2x2.

. m.. Métodos de Otimização CIV 7031 33 . com bi>0 para todo i=1.Adaptação para outras formas de modelo Até o momento foram apresentado detalhes do método simplex. Esta técnica constrói um problema revisado. introduzindo. A abordagem-padrão que é usada para todos esses casos é a técnica da variável artificial. em cada restrição que precise uma variável dummy (chamada de variável artificial) com o propósito de ser a variável básica inicial para aquela equação. >.. ou bi<0) introduzem está na identificação de uma solução básica viável. assumindo que o problema esteja na forma padrão. O único problema real que as outras formas para restrições funcionais (=. . 2.

Restrições de Igualdade Qualquer restrição de igualdade: ai1x1+ ai2x2+ . + ainxn < bi ai1x1+ ai2x2+ .. + ainxn > bi Entretanto... A técnica da variável artificial introduz uma variável artificial não-negativa (a qual chamamos de xi ) nesta equação. é mais conveniente usar a técnica da variável artificial... + ainxn = bi Equivale a um par de restrições de desigualdade: ai1x1+ ai2x2+ .. em lugar de fazer esta substituição. exatamente como se fosse uma variável de folga! Métodos de Otimização CIV 7031 34 .

4.3x1.x3.0.(3).18) Métodos de Otimização CIV 7031 35 . o conjunto de equações se tornaria : (0)Z .5x2 = 0 (1) x1 + x3 = 4 (2) 2x2 +x4 = 12 (3) 3x1+2x2 = 18.x4. caso a restrição de desigualdade 3x1+2x2 <18 fosse igualdade 3x1+2x2 = 18.(3) para: (3) 3x1+2x2 + x5 = 18.Restrições de Igualdade Em nosso exemplo. ‡ A técnica muda a Eq.x2. desta forma estas equações não possuem uma solução viável inicial óbvia porque não existe mais uma variável de folga para ser usada como a variável básica inicial para a Eq.12. com uma solução básica viável original (x1.x5)= (0.

Restrições de Igualdade Suponha que seja permitido ao método simplex prosseguir e obter uma solução ótima para o problema revisado e que aconteça de essa solução ser viável para o problema original. Para que se tenha esta garantia. é utilizado o método do grande M. Portanto. que aplica uma penalidade tão esmagadora para quando estiver fora da região viável para o problema original.5x2 + Mx5 = 0 Métodos de Otimização CIV 7031 36 .Mx5 onde. (0) tem-se: Z . Ajustando a Eq. O valor de Z tem que ocorrer quando X5=0. se a função-objetivo é Z = 3x1+5x2 temos: Z = 3x1+5x2.3x1. Não há garantia de que a solução ótima para o problema revisado também seja viável para o problema original. M denota algum número muito grande.

Restrições de Igualdade Na forma tabular: L0= [-3 -5 0 0 M. e x5 é uma variável básica. 0 0 0.(3) Nova linha = [(-3M-3). toda a variável básica deve ter o coeficiente zero. -18M] Isto completa o trabalho adicional no passo de inicialização e o resto do método simplex prossegue como antes. 0] Pelo método.(-2M-5). Para o nosso exemplo temos: Métodos de Otimização CIV 7031 37 . 18] -> Eq. 0] -M [ 3 2 0 0 1. É realizada a seguinte operação: Linha 0 [ -3 -5 0 0 M.

Iteração 0 Coeficiente de Variável Eq. Lado x2 x3 x4 x5 básica No. Z x1 direito Z 0 1 (-3M-3) (-2M-5) 0 0 0 -18M x3 1 0 1 0 1 0 0 4 x4 2 0 0 2 0 1 0 12 x5 3 0 3 2 0 0 1 18 0 (-6M+12) Z 0 1 0 (-2M-5) (3M+3) 0 x1 1 0 1 0 1 0 0 4 x4 2 0 0 2 0 1 0 12 x5 3 0 0 2 -3 0 1 6 Z 0 1 0 0 -9/2 0 ´(M+5/2) 27 x1 1 0 1 0 1 0 0 4 x4 2 0 0 0 3 1 -1 6 x2 3 0 1 0 -3/2 0 1/2 3 Z 0 1 0 0 0 3/2 (M+1) 36 x3 1 0 0 0 1 -1/3 1/3 2 x2 2 0 0 1 0 1/3 -1/3 2 x1 3 0 0 0 1/2 0 6 Métodos1 Otimização CIV 7031 de 1 2 3 38 .

Esta abordagem para a terceira restrição do exemplo fica: 3x1+2x2 > 18 -3x1-2x2 < -18 -3x1-2x2 +x5= -18 Ainda será necessária uma mudança que será vista a seguir. Métodos de Otimização CIV 7031 39 .Restrições de Desigualdade > A direção de uma desigualdade é sempre revertida quando ambos os lados são multiplicados por (-1).

seria necessário a inclusão de mais uma variável artificial. com isto. assim temos: 3x1+2x2 > 18 p 3x1+2x2 -x5 = 18 (x5>0) p 3x1+2x2 -x5 + x6 = 18 (x5>0.Lado Direito Negativo O método simplex pressupõe que bi>0 . x6>0) Nesta forma x5 é chamado de variável de excesso. no entanto como a terceira restrição o lado direito está negativo Multiplicando a equação por (-1). o lado direito fica positivo mas a variável de folga seria negativa. Métodos de Otimização CIV 7031 40 .

Se o problema original não tem soluções viáveis.Soluções Viáveis Inexistentes Se não há uma escolha óbvia para a solução básica viável inicial. Contudo. Métodos de Otimização CIV 7031 41 . A técnica da variável artificial fornece o seguinte indicador para se saber quando isso aconteceu. não há nada que impeça o método simplex de proceder como de costume e finalmente registrar uma solução supostamente ótima. isto pode ser devido à não haver soluções viáveis como um todo. na construção de uma solução ³viável´ artificial. então qualquer solução ótima para o problema revisado tem pelo menos uma variável artificial não igual a zero.

Estas reduções poderiam permitir uma taxa de produção maior para um outro produto mais lucrativo. nem sempre este é o caso. Suponha que a variável de decisão x1 represente o aumento na taxa de produção.   Então o valor negativo de x1 indica que o produto deve ser reduzido nesta quantidade. os valores negativos para as variáveis de decisão não teriam nenhuma significação física. Métodos de Otimização CIV 7031 42 . Qualquer problema contendo variáveis que possam ser negativas tem que ser convertido num problema equivalente envolvendo variáveis não-negativas A modificação requerida para cada variável depende se ela tem ou não um limite inferior nos valores permitidos.Variáveis que podem ser negativas Na maioria dos problemas práticos. Entretanto.

esta variável seria redefinida como ( x¶1=x1+10).Variáveis com um limite nos valores negativos permitidos Para obter o modelo equivalente necessário para uma restrição (x1> -10).X2> 0 X1 Z = 3(x¶1-10) + 5x2 (x¶1-10) <4 X2< 12 3(x¶1-10) + X2< 18 (x¶1-10) > -10.X2> 0 Métodos de Otimização CIV 7031 43 . a qual produz as seguintes mudanças na função-objetivo e restrições: Z = 3x1 + 5x2 <4 X2< 12 X1 + X2< 18 X1> -10.X2> 0 Z = -30+3x¶1 + 5x2 x¶1 < 14 X2< 12 x¶1 + X2< 48 x¶1 > 0.

X2> 0 Métodos de Otimização CIV 7031 44 . seria efetuada a seguinte substituição: x1=x¶1-x´1. a variável é substituída por todo o modelo pela diferença de duas novas variáveis não-negativas. X´1> 0 Como mostrado: Z = 3x1 + 5x2 <4 X2< 12 X1 + X2< 18 X2> 0 (somente) X1 Z = 3x¶1-3x´1 + 5x2 x¶1-x´1 <4 X2< 12 3x¶1-3x´1 + X2< 18 X¶1> 0. X´1> 0.Variáveis sem limite nos valores negativos permitidos No caso em que a variável de decisão não tem uma restrição no modelo formulado. onde X¶1> 0. Caso x1 possa assumir qualquer valor.

You're Reading a Free Preview

Descarregar
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->