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

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

.2. o modelo de programação linear original pode agora ser substituído pelo modelo equivalente..5 Métodos de Otimização CIV 7031 6 . Maximizar Z = 3x1+5x2 sujeito a (1) (2) (3) x1 2x2 3x1+2x2 + x3 = 4 +x4 = 12 +x5 = 18 e xj > 0.O Método Simplex Pela introdução de variáveis de folga de maneira idêntica para as outras variáveis funcionais. para j = 1.2...

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

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

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

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 . Cada uma destas partes do algoritmo será descrita para o exemplo.

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

2.O Método Simplex Passo de inicialização:  1.2. 3. O quadro simplex para o exemplo é mostrado abaixo: Coeficiente de Variável Eq. 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 . básica No.  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.

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

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). O exemplo possui dois coeficientes negativos. Métodos de Otimização CIV 7031 14 . (0) for não-negativo (> 0).O Método Simplex Regra de parada:    A atual solução básica viável é ótima se e somente se cada coeficiente na Eq. Se assim é.2. vá para o passo iterativo. portanto. pare. de outro modo.

Identificando as equações que tenham as menores destas razões. (0).  Parte 2:  2. selecionando cada coeficiente na coluna circunscrita que seja estritamente positivo.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. 3. Determine a variável básica saindo 1. Dividindo o valor ³lado direito´ de cada linha pelo coeficiente correspondente. 4. Faça um retângulo circunscrevendo a coluna abaixo deste coeficiente que será chamada de coluna pivô.2. Métodos de Otimização CIV 7031 15 .

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

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. O coeficiente da nova variável básica deverá ser mudado para +1. dividindo-se toda a linha pivô pelo número pivô.2. de modo que: Nova linha pivô = antiga linha pivô número pivô Métodos de Otimização CIV 7031 17 .

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 .O Método Simplex Variável básica que entra Maior coeficiente negativo Coeficiente de Variável Básica que sai Variável Eq. básica No.2.

2. exceto a linha pivô. 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 . todas as Linhas (inclusive da 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 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. básica No.O Método Simplex Iteração 1 Coeficiente de Variável Eq.0).

é mostrado a seguir: Métodos de Otimização CIV 7031 20 . 18] 6] 6] O novo quadro para a iteração 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. 0.2. 0. 1. 0] 6] 30] Linha 1. 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.

6. 6).0 ainda possui um coeficiente negativo a solução ainda não é ótima e deve ser feita uma nova iteração. 0. com Z=30 Como a Eq.2. Métodos de Otimização CIV 7031 21 . 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. 4.O Método Simplex Coeficiente de Iteração 1 Variável Eq. a nova solução viável é (0. básica No.

1. 1/3.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. 1/3. Métodos de Otimização CIV 7031 . 0. 1/3. -1/3.2. 0.

6. 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.O Método Simplex Iteração 0 Coeficiente de Variável Eq. 2.2. básica No. 0. 0) com Z = 36 -> solução ótima Métodos de Otimização CIV 7031 .

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

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

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

de fato aumentaria de yi* o valor ótimo de Z.O Método Simplex Preços-Sombra:  Em nosso exemplo temos:    y1* = 0 = preço-sombra do recurso 1. y3* = 1 = preço-sombra do recurso 3.    Onde esses recursos são as capacidades de produção disponíveis das fábricas 1.2. x2=6 com Z = 37 ((Z = 1 = y3* ) Métodos de Otimização CIV 7031 27 . Nos três casos respectivos. tem-se: (1) (2) (3) x1=2. y2* = 3/2 = preço-sombra do recurso 2. x2=6 com Z = 36 ((Z = 0 = yi* ) x1=5/3. x2=13/2 com Z = 37 1/2 ((Z = 3/2 = y2* ) x1=7/3. Pode-se verificar que aumentando de uma unidade cada bi. 2 e 3.

Não há um método conveniente para predizer antecipadamente que escolha conduzirá mais rapidamente à solução ótima. 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 . não importando a variável empatada escolhida.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. A solução ótima será encontrada eventualmente.

entretanto estas regras têm sido virtualmente ignoradas na aplicação atual. Para nossos propósitos. Foram construídas regras especiais para desempates. podendo gerar um Z que não aumente a cada iteração.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. Métodos de Otimização CIV 7031 29 . Será que importa qual delas é escolhida? Teoricamente sim. vamos simplesmente fazer o desempate arbitrariamente.

Na foram tabular. (0)] é negativo ou zero. 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. para problemas práticos deve ter havido algum engano! Métodos de Otimização CIV 7031 30 . Variável Eq. x1 básica No. Uma vez que nem a programação linear descobriu um modo de ter lucros infinitos.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. isto significa que todo o coeficiente na coluna pivô [excluindo a Eq.

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

básica No.Iteração 0 Coeficiente de Variável Eq. 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. 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 .

O único problema real que as outras formas para restrições funcionais (=. A abordagem-padrão que é usada para todos esses casos é a técnica da variável artificial. introduzindo. >.. .. assumindo que o problema esteja na forma padrão.Adaptação para outras formas de modelo Até o momento foram apresentado detalhes do método simplex. com bi>0 para todo i=1. Métodos de Otimização CIV 7031 33 . 2. Esta técnica constrói um problema revisado. m.. 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.

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

o conjunto de equações se tornaria : (0)Z .(3).x4.18) Métodos de Otimização CIV 7031 35 .12.x2.5x2 = 0 (1) x1 + x3 = 4 (2) 2x2 +x4 = 12 (3) 3x1+2x2 = 18. caso a restrição de desigualdade 3x1+2x2 <18 fosse igualdade 3x1+2x2 = 18.Restrições de Igualdade Em nosso exemplo.x3.4. com uma solução básica viável original (x1. ‡ A técnica muda a Eq.(3) para: (3) 3x1+2x2 + x5 = 18. 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.x5)= (0.0.3x1.

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

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

Lado x2 x3 x4 x5 básica No.Iteração 0 Coeficiente de Variável Eq. 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 .

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). 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.

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

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

Métodos de Otimização CIV 7031 42 .Variáveis que podem ser negativas Na maioria dos problemas práticos. nem sempre este é o caso. Estas reduções poderiam permitir uma taxa de produção maior para um outro produto mais lucrativo. Suponha que a variável de decisão x1 represente o aumento na taxa de produção. Entretanto. 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.   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.

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

Caso x1 possa assumir qualquer valor. a variável é substituída por todo o modelo pela diferença de duas novas variáveis não-negativas. seria efetuada a seguinte substituição: x1=x¶1-x´1.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. 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.X2> 0 Métodos de Otimização CIV 7031 44 .

Sign up to vote on this title
UsefulNot useful