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. 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>0.2. Conseqüentemente.

.2.. para j = 1. o modelo de programação linear original pode agora ser substituído pelo modelo equivalente..2.5 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.

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

3x1..2.5x2 = 0 (1) x1 + x3 = 4 (2) 2x2 +x4 = 12 (3) 3x1+2x2 +x5 = 18 e xj > 0. Por isso. 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....5 Métodos de Otimização CIV 7031 8 .2. para j = 1. sujeito a (0)Z .

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

Métodos de Otimização CIV 7031 10 .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.2.

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

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

O Método Simplex Passo de inicialização:    Uma vez que cada equação contém apenas uma variável básica. a solução básica viável inicial para o exemplo (x1. cada variável básica é igual à constante do lado direito de sua equação.x3.0.2.x2. Assim.12.x4. 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 .4.18).x5) = (0.

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

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

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

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. dividindo-se toda a linha pivô pelo número pivô.2. O coeficiente da nova variável básica deverá ser mudado para +1. As três primeiras colunas não são modificadas com exceção de que a variável básica saindo na primeira coluna é substituída pela variável básica entrando. 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.

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 . 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.2.0). exceto a linha pivô. todas as Linhas (inclusive da Eq.

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

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. básica No. com Z=30 Como a Eq. a nova solução viável é (0.2. 6).0 ainda possui um coeficiente negativo a solução ainda não é ótima e deve ser feita uma nova iteração. Métodos de Otimização CIV 7031 21 . 4. 0. 6.O Método Simplex Coeficiente de Iteração 1 Variável Eq.

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 .2. -1/3. 0. 0. 1. 1/3. 1/3.

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

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

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. onde bi representa a quantidade dos recursos feitos disponíveis para as atividades em consideração. Métodos de Otimização CIV 7031 25 .2.O Método Simplex Preços-Sombra:    Além de encontrar a solução ótima. freqüentemente seria extremamente útil ter informações sobre a contribuição econômica dos recursos.

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

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

Métodos de Otimização CIV 7031 28 . não importando a variável empatada escolhida. A diferença estará no número de iterações necessárias para se chegar a solução ótima. 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.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. vamos simplesmente fazer o desempate arbitrariamente. 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. podendo gerar um Z que não aumente a cada iteração. Para nossos propósitos. Será que importa qual delas é escolhida? Teoricamente sim. Métodos de Otimização CIV 7031 29 .

isto significa que todo o coeficiente na coluna pivô [excluindo a Eq. x1 básica No. Na foram tabular. 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. Variável 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. para problemas práticos deve ter havido algum engano! Métodos de Otimização CIV 7031 30 .

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. Métodos de Otimização CIV 7031 31 . essas outras soluções ótimas podem ser identificadas perfazendo-se iterações adicionais do método simplex. pelo menos uma das variáveis não-básicas tem um coeficiente de zero na Eq. qualquer aumento nessa variável não mudaria o valor de Z. Por isso. Portanto.

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 .

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

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

x2.x5)= (0.x4.(3) para: (3) 3x1+2x2 + x5 = 18. caso a restrição de desigualdade 3x1+2x2 <18 fosse igualdade 3x1+2x2 = 18.4.18) Métodos de Otimização CIV 7031 35 .x3. com uma solução básica viável original (x1. ‡ A técnica muda a Eq.5x2 = 0 (1) x1 + x3 = 4 (2) 2x2 +x4 = 12 (3) 3x1+2x2 = 18.3x1.(3).Restrições de Igualdade Em nosso exemplo.12. 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.0. o conjunto de equações se tornaria : (0)Z .

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

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

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 .

Restrições de Desigualdade > A direção de uma desigualdade é sempre revertida quando ambos os lados são multiplicados por (-1). Métodos de Otimização CIV 7031 39 . 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.

o lado direito fica positivo mas a variável de folga seria negativa. seria necessário a inclusão de mais uma variável artificial.Lado Direito Negativo O método simplex pressupõe que bi>0 . com isto. 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). Métodos de Otimização CIV 7031 40 . assim temos: 3x1+2x2 > 18 p 3x1+2x2 -x5 = 18 (x5>0) p 3x1+2x2 -x5 + x6 = 18 (x5>0.

não há nada que impeça o método simplex de proceder como de costume e finalmente registrar uma solução supostamente ótima. na construção de uma solução ³viável´ artificial. 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. Se o problema original não tem soluções viáveis.Soluções Viáveis Inexistentes Se não há uma escolha óbvia para a solução básica viável inicial. 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.Variáveis que podem ser negativas Na maioria dos problemas práticos. Métodos de Otimização CIV 7031 42 . os valores negativos para as variáveis de decisão não teriam nenhuma significação física.   Então o valor negativo de x1 indica que o produto deve ser reduzido nesta quantidade. Entretanto. 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.

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. 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 43 . esta variável seria redefinida como ( x¶1=x1+10).

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. Caso x1 possa assumir qualquer valor.X2> 0 Métodos de Otimização CIV 7031 44 . onde 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. 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.

Sign up to vote on this title
UsefulNot useful