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

Conseqüentemente.2.O Método Simplex Consideremos a primeira restrição do exemplo: x1 e 4 A variável de folga para esta restrição é: Portanto. 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 modelo de programação linear original pode agora ser substituído pelo modelo equivalente. para j = 1. Maximizar Z = 3x1+5x2 sujeito a (1) (2) (3) x1 2x2 3x1+2x2 + x3 = 4 +x4 = 12 +x5 = 18 e xj > 0.2.....5 Métodos de Otimização CIV 7031 6 .O Método Simplex Pela introdução de variáveis de folga de maneira idêntica para as outras variáveis funcionais.2.

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

para j = 1. antes de começar o método simplex o problema é escrito mais uma vez de maneira equivalente como: Maximizar Z.2.O Método Simplex É conveniente considerar e manipular a equação da função-objetivo ao mesmo tempo que as novas equações de restrição.3x1.2.5x2 = 0 (1) x1 + x3 = 4 (2) 2x2 +x4 = 12 (3) 3x1+2x2 +x5 = 18 e xj > 0...5 Métodos de Otimização CIV 7031 8 .. sujeito a (0)Z .. Por isso.

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

Métodos de Otimização CIV 7031 10 .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. Cada uma destas partes do algoritmo será descrita para o exemplo.

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

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. básica No. 3. 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 Método Simplex Passo de inicialização:  1. O quadro simplex para o exemplo é mostrado abaixo: Coeficiente de Variável Eq.

0.18).x2.12. cada variável básica é igual à constante do lado direito de sua equação.x3. a solução básica viável inicial para o exemplo (x1. a qual tem um coeficiente de +1.O Método Simplex Passo de inicialização:    Uma vez que cada equação contém apenas uma variável básica. Assim.x5) = (0.x4. Vá a seguir para a regra de para parada para determinar se essa solução é ótima Métodos de Otimização CIV 7031 13 .2.4.

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

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

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

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

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

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

2. 1. 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. 0] 6] 30] Linha 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.

a nova solução viável é (0.2.0 ainda possui um coeficiente negativo a solução ainda não é ótima e deve ser feita uma nova iteração. 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. 0. 6).O Método Simplex Coeficiente de Iteração 1 Variável Eq. com Z=30 Como a Eq. 6. básica No. Métodos de Otimização CIV 7031 21 . 4.

2. -1/3. 1/3. 0. 0. Métodos de Otimização CIV 7031 . 1/3. 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.

básica No. 2. 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. 6.O Método Simplex Iteração 0 Coeficiente de Variável Eq. 0. 0) com Z = 36 -> solução ótima Métodos de Otimização CIV 7031 .2.

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

freqüentemente seria extremamente útil ter informações sobre a contribuição econômica dos recursos. 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. Métodos de Otimização CIV 7031 25 . o método simplex também fornece outras informações valiosas para análises adicionais no modelo.2. Os problemas de programação linear podem ser tipicamente interpretados como alocação de recursos a atividades. Como pode haver alguma variação nas quantidades que são colocadas à disposição.

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.2. aumentando (ligeiramente) a quantidade deste recurso (bi) feito disponível. isto é a taxa à qual Z poderia ser aumentado.  Métodos de Otimização CIV 7031 26 .  O método-simplex identifica este preço-sombra como yi* = coeficiente da i-ésima variável de folga da Eq.

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

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 solução ótima será encontrada eventualmente. A diferença estará no número de iterações necessárias para se chegar a 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 há um método conveniente para predizer antecipadamente que escolha conduzirá mais rapidamente à solução ótima. não importando a variável empatada escolhida. Métodos de Otimização CIV 7031 28 .

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

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

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

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 .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. básica No.

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

.. 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 ai1x1+ ai2x2+ .. + ainxn = bi Equivale a um par de restrições de desigualdade: ai1x1+ ai2x2+ .. exatamente como se fosse uma variável de folga! Métodos de Otimização CIV 7031 34 . em lugar de fazer esta substituição.. + ainxn > bi Entretanto.Restrições de Igualdade Qualquer restrição de igualdade: ai1x1+ ai2x2+ ..

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. ‡ A técnica muda a Eq.x2.x5)= (0. o conjunto de equações se tornaria : (0)Z .Restrições de Igualdade Em nosso exemplo. caso a restrição de desigualdade 3x1+2x2 <18 fosse igualdade 3x1+2x2 = 18.5x2 = 0 (1) x1 + x3 = 4 (2) 2x2 +x4 = 12 (3) 3x1+2x2 = 18.x4.3x1.x3.4.18) Métodos de Otimização CIV 7031 35 .(3). com uma solução básica viável original (x1.0.12.(3) para: (3) 3x1+2x2 + x5 = 18.

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

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

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 . Lado x2 x3 x4 x5 básica No.

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.

Métodos de Otimização CIV 7031 40 .Lado Direito Negativo O método simplex pressupõe que bi>0 . o lado direito fica positivo mas a variável de folga seria negativa. seria necessário a inclusão de mais uma variável artificial. com isto. x6>0) Nesta forma x5 é chamado de variável de excesso. 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).

Soluções Viáveis Inexistentes Se não há uma escolha óbvia para a solução básica viável inicial. na construção de uma solução ³viável´ artificial. Se o problema original não tem soluções viáveis. Métodos de Otimização CIV 7031 41 . Contudo. 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. então qualquer solução ótima para o problema revisado tem pelo menos uma variável artificial não igual a zero. não há nada que impeça o método simplex de proceder como de costume e finalmente registrar uma solução supostamente ótima.

os valores negativos para as variáveis de decisão não teriam nenhuma significação física. Entretanto. Métodos de Otimização CIV 7031 42 . 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. 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. nem sempre este é o caso.Variáveis que podem ser negativas Na maioria dos problemas práticos.

a qual produz as seguintes mudanças na função-objetivo e restrições: Z = 3x1 + 5x2 <4 X2< 12 X1 + X2< 18 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. 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 Métodos de Otimização CIV 7031 43 .X2> 0 Z = -30+3x¶1 + 5x2 x¶1 < 14 X2< 12 x¶1 + X2< 48 x¶1 > 0.

X´1> 0. onde X¶1> 0. 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. Caso x1 possa assumir qualquer valor. 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.Variáveis sem limite nos valores negativos permitidos No caso em que a variável de decisão não tem uma restrição no modelo formulado.X2> 0 Métodos de Otimização CIV 7031 44 .

Sign up to vote on this title
UsefulNot useful