Metodologias de Apoio a Deciso ` a

20

Programaao Matemtica c a
Transparncias de apoio ` leccionaao de aulas tericas e a c o Slide 39

Maria Antnia Carravilla o Jos Fernando Oliveira e

Programao Matemtica ca a
Constru mos modelos muito especiais de Programaao Matemtica: c a Todas as variveis tomam valores em R ou em Z. a H s um objectivo a maximizar ou a minimizar. a o Slide 40 O objectivo e as restrioes so lineares. c a Modelos de Programao Linear se todas as variveis tomam valores ca a em R. Modelos de Programao Inteira se todas as variveis tomam ca a valores em Z.

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

21

Programao Matemtica ca a

Programao Separvel

Programao Linear

Programao Quadrtica

Slide 41

Programao Matemtica
Programao Convexa Programao No-Linear ... Programao Inteira

Problema de Programao Matemtica ca a

min sujeito a: gi (X) 0 Slide 42 hi (X) = 0 X i{1,...,m} i{1,...,l} S Rn f (X)

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

22

Programao Matemtica: Conceitos Fundamentais ca a

Funo Objectivo ca min f (X) Restrioes c gi (X) 0 i{1,...,m} Slide 43 Conjunto admiss vel Todos os pontos S Rn que satisfazem as restrioes. c Soluo admiss ca vel Qualquer X S soluao admiss e c vel. Soluo optima X S ca f (X ) f (X) XS hi (X) = 0 i{1,...,l}

Programao Matemtica ca a Exemplo de Programao No-Linear ca a

Curvas de nvel de f x2

min Slide 44

f (X) = (x1 6)2 + (x2 4)2 x2 1 0

Conjunto admissvel

(6, 4)

suj a : x2

x2 + x 1 6 x1 , x 2 0

x1 x2 = x12 x1 + x2 = 6

Sol: x1 = 2, x2 = 4, f = 16

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

23

Bibliograa

Ferreira, Jos Antnio Soeiro (1995). Apontamentos de Investigaao e o c Operacional 1. FEUP. Pinho, Maria do Rosrio e Ferreira, Maria Margarida (1999). a Apontamentos de Anlise Matemtica 2, FEUP. a a Slide 45

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

24

Programaao Linear c
Transparncias de apoio ` leccionaao de aulas tericas e a c o Slide 46

Maria Antnia Carravilla o Jos Fernando Oliveira e

Programao Linear ca Modelos

Forma geral xj - valor da varivel de deciso j; a a max/min Slide 47 sujeito a:
n n j=1 cj xj

cj - contribuiao da varivel de c a deciso xj , por unidade, para a a funao objectivo; c z - funao objectivo a ser maximic zada ou minimizada; aij - quantidade do recurso i gasta por unidade da varivel de deciso a a xj ; bi - disponibilidade do recurso i.

aij xj
j=1

bi 0 = bi qualquer

i{1,...,p} j{1,...,q} i{p+1,...,m} j{q+1,...,n}

xj
n

aij xj
j=1

xj

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

25

Programao Linear ca Modelos

Forma normalizada max sujeito a: Slide 48
n n j=1 cj xj

lado direito das restrioes 0; c restrioes sob a forma de igualdades; c

aij xj
j=1

= bi 0

i{1,...,m} j{1,...,n}

variveis 0. a

xj

Programao Linear ca Modelos

Equivalncia entre as diversas formas do problema PL e minf (X) = max[f (X)] x 0 x = y, y 0 Slide 49 x R x = u v, u 0 v 0
n j=1

aij xj bi

n j=1

aij xj si = bi si 0 (varivel de folga) a

aij xj = bi
j=1

n j=1 n j=1

aij xj bi aij xj bi

n j=1 aij xj n j=1 aij xj

bi bi

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

26

Programao Linear - Exemplo ca

O Sr. Victor Aguas, fabricante de renome internacional de barcos a remos e de canoas, pretende determinar as quantidades que deve produzir de cada um dos produtos, para maximizar o lucro da sua actividade industrial. Depois de analisado o problema, foi poss encontrar um modelo onde estivessem reectidas vel as restrioes mensais em termos de matria-prima (2000kg de alum c e nio), de tempo de mquina (300 horas) e de mo de obra (200 horas). O lucro (que se pretende a a obviamente maximizar) est representado em 103 $. As variveis xBR e xC , a a correspondem respectivamente ao nmero de barcos a remos e ao nmero de u u canoas a serem fabricadas. Neste modelo no se exige que xBR e xC sejam inteiros. a max sujeito a: 50xBR + 6xBR + 3xBR + 30xC 5xC 5xC xBR , xC 2000 300 200 0 Qual a optima? produo ca Z = 50xBR + 60xC

Slide 50

Programao Linear - Exemplo ca Resoluo grca ca a

xC 50xBR + 30xC = 2000

soluao ptima est necessaric o a amente num vrtice; e

Sentido de crescimento de Z

Slide 51

funao objectivo com outro dec clive (ptimo salta de vrtice o e em vrtice); e funao objectivo com mesmo c declive que restriao activa c (ptimo mltiplo); o u restriao activa com outro dec clive (valor ptimo altera-se o mas no muda de vrtice) a e

xBR =0 3xBR + 5xC = 200 Z=0 xBR 6xBR + 5xC = 300 (restrio redundante)

xC =0

Soluo optima: ca xBR = 25, x = 25, Z = 2750 C

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

27

Resoluo grca de problemas de Programao Linear ca a ca Exemplo 1

x2 0 4 8 12 16 20

max

Z = 4x1 + x2

Z = 4 x1 + x2

sujeito a: Slide 52 x1 x1 + x1 , x2 2x2 x2 2 8 0

x1 - x2 = 2

x1 + 2x2 = 8 x1

Resoluo grca de problemas de Programao Linear ca a ca Exemplo 2 (soluo optima no unica) ca a

x2 - 34 - 32 - 30 - 28 x1 - x2 = 2 Z = x1 - x2 - 30

max

Z = x1 x2 30

sujeito a: Slide 53 x1 x1 + x1 , x2 2x2 x2 2 8 0

x1 + 2x2 = 8 x1

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

28

Resoluo grca de problemas de Programao Linear ca a ca Exemplo 3 (soluo ilimitada) ca

x2 0 4 8 12 16 20

max Slide 54

Z = 4x1 + x2

Z = 4 x1 + x2

sujeito a: x1 x2 2 0

x1 - x2 = 2

x1 , x 2

x1

Resoluo grca de problemas de Programao Linear ca a ca Exemplo 4 (sem soluo admiss ca vel)
x2 x1 - x2 = -5

max sujeito a: Slide 55 x1 x1 , x2 x2

5 8 0
x1 + 2x2 = 8 x1

x1 + 2x2

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

29

Programao Linear abordagem algbrica ca e

max sujeito a:
n

n j=1 cj xj

Slide 56

aij xj
j=1

= bi 0

i{1,...,m} j{1,...,n}

Problema matemtico da Proa gramaao Linear (forma normalizada): c Encontrar a soluao de um sistema de c equaoes lineares que maximiza uma c dada funao objectivo linear. c

xj

Algebra um exerc cio

Dos seguintes sistemas de equaoes apresentados, verique quais so os que c a tm uma unica soluao, um nmero innito de soluoes ou nenhuma soluao. e c u c c x1 2x1 + Slide 57 4x1 + 2x2 8x1 + 4x2 = 6 = 11 2x1 + 6x2 x1 + 3x2 =4 =2 x2 2x2 = 5 = 10 x1 + x2 = 5 =8

2x1 + 2x2

Partindo deste exerc cio, indique as condioes gerais que deve satisfazer um c sistema de equaoes para que tenha uma unica soluao (sistema poss e c c vel determinado), uma innidade de soluoes (sistema indeterminado) ou c nenhuma soluao (sistema imposs c vel).
Pode sempre rever os apontamentos de Algebra...

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

30

Algebra Recordando...
Sistemas Equivalentes Dois sistemas so equivalentes se tm o mesmo conjunto de soluoes. Uma a e c soluao de um sistema logo soluao do outro sistema. c e c Resoluo de Sistemas de Equaoes Lineares ca c Para resolver um sistema de equaoes lineares tenta-se obter um sistema c equivalente que seja mais fcil de resolver. a Obteno de um Sistema Equivalente - operaoes elementares ca c Multiplicaao de qualquer equaao do sistema por um nmero positivo c c u ou negativo. Adiao a qualquer equaao de um mltiplo de outra equaao do sistema. c c u c

Slide 58

Resoluo de Sistemas de Equaoes Lineares ca c Exemplo

Considere-se o seguinte sistema de 2 equaoes a 5 incgnitas: c o x1 x1 Slide 59 Sistema equivalente: x1 2x2 + x2 Sistema equivalente: x1 x2 3x3 2x3 + 2x4 x4 4x5 = 6 3x5 = 2 x3 4x4 + 2x5 = 2 2x3 + x4 3x5 = 2 2x2 + x2 x3 4x4 + 2x5 = x3 3x4 x5 = 2 4

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

31

Resoluo de Sistemas de Equaoes Lineares ca c Exemplo

Sistema Cannico Sistema em que em cada equaao h uma varivel que nessa o c a a equaao tem coeciente 1 e nas outras equaoes coeciente 0 (no existe). c c a x1 0x1 + +0x2 x2 3x3 2x3 + 2x4 x4 4x5 = 3x5 = 6 2 x1 = x2 = 6+ 2+ 3x3 + 2x3 2x4 + x4 + 4x5 3x5

Slide 60

Pode-se obter o conjunto de todas as soluoes do sistema, dando valores arbitrrios c a as variveis x3 , x4 e x5 e calculando os valores correspondentes de x1 e de x2 . ` a Variveis bsicas a a x1 e x 2 Variveis no bsicas a a a x3 , x 4 e x 5

Soluo bsica Todas as variveis no bsicas iguais a zero. ca a a a a x1 = 6, x2 = 2, x3 = 0, x4 = 0, x5 = 0 Soluo bsica admiss ca a vel Soluao bsica em que os valores das variveis c a a bsicas so no-negativos. a a a

Relao vrtices - soluoes bsicas ca e c a

max sujeito a: x1 x 2 + x 3 x1 + 2x2 + x4 x1 , x 2 , x 3 , x 4 = = 2 8 0 Z = 4x1 + x2

Slide 61

Base correspondente a soluao optima ` c (numa forma matricial):

x1 x2 x3 x4 =

1 0

0 1

2/3 1/3

1/3 1/3

4 2

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

32

Soluoes bsicas e admissibilidade c a

Soluoes bsicas: c a (0, 0, 2, 8) (0, 4, 6, 0) (4, 2, 0, 0) (8, 0, 6, 0) admissvel admissvel admissvel no admissvel a admissvel no admissvel a fo = 8 fo = 0 fo = 4 f o = 18

Slide 62

(2, 0, 0, 6) (0, 2, 0, 12)

Algumas observaoes (importantes) c

Sendo Q o conjunto formado pelos pontos X tais que AX = X Slide 63 b 0 (4) (5)

um ponto X vrtice de Q se e s se X for soluao bsica admiss de e e o c a vel (4). Quando se passa de um vrtice a outro vrtice adjacente, uma s e e o varivel bsica passa a no bsica e uma s varivel no bsica passa a a a a a o a a a bsica. a

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

33

Generalizao/Demonstrao ca ca
Para provar que as observaoes so correctas e aplicveis a qualc a a quer problema de Programaao Linear, vai ser necessrio provar c a que: 1. O espao das soluoes de um problema de Programaao Linear um c c c e conjunto convexo. Slide 64 2. A soluao ptima de um problema de Programaao Linear corresponde c o c sempre a um ponto extremo do espao das soluoes. c c 3. A cada ponto extremo do espao das soluoes corresponde sempre uma c c soluao bsica admiss do sistema de equaoes. c a vel c

Algumas nooes de topologia c

Hiperplano Hiperplano {X Semi-espao fechado c Slide 65 Semi-espao fechado {X c
n n

: aX = , a

(a = 0), }

: aX }

Exemplo: semi-espao fechado em c x1 + x 2 1

Observaao: Em Programaao Linear o conjunto das soluoes admiss c c c veis a e intersecao de um nmero nito de semi-espaos fechados. c u c

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

34

Conjunto convexo Um subconjunto Q n diz-se convexo se, para qualquer par de pontos de Q, a sua combinaao linear convexa tambm pertencer a Q. c e X ,X Q 1 2 Q convexo 01

X1 + (1 )X2 Q

Slide 66

Conjuntos convexos

Conjuntos no convexos a

Poliedro (convexo) Um poliedro a intersecao de um nmero nito de semi-espaos fechados. e c u c Poliedro {X

n

: ai X i , i = 1, . . . , m},

ai

n,

ai =0, i , i=1,...,m

Slide 67

Um poliedro um conjunto convexo fechado mas no necessariamente e a limitado. Um poliedro limitado diz-se um politopo.

Observaao: O conjunto das soluoes admiss c c veis de um problema de Programaao c Linear um poliedro convexo. e

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

35

Ponto extremo O ponto extremo de um conjunto convexo Q um ponto de Q que no e a pertence a nenhum segmento de recta que una dois outros pontos de Q. Seja Q um conjunto convexo em n . O ponto X(k) Q um ponto extremo e de Q se, com X1 , X2 Q e 0 1 Slide 68 X(k) = X1 + (1 )X2 Exemplos de pontos extremos: X(k) = X1 X(k) = X2

Observaao: Qualquer ponto X Q pode ser expresso como uma combinaao linear c c convexa dos pontos extremos X(k) k = 1, 2, . . . K de Q
K K

X=
k=1

k X(k) ,

k 0,
k=1

k = 1

(a informaao relevante do conjunto est condensada nos seus pontos extremos). c a

Problema de Programao Linear ca O conjunto de soluoes admiss c veis convexo e

Seja Q = {X|AX = b, X 0)} o conjunto de todas as soluoes admiss c veis de um problema de Programaao Linear com m equaoes e n incgnitas. c c o Slide 69 Dena-se X como uma combinaao linear convexa de dois pontos quaisquer c pertencentes a Q. X 0 por deniao. c X = X1 + (1 )X2 0 1 Q convexo se e s se X Q ou seja, se AX = b. e o
AX = = = = A [X1 + (1 )X2 ] AX1 + (1 )AX2 b + (1 )b b

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

36

Problema de Programao Linear ca Soluo optima ponto extremo ca e

A soluao ptima de um problema de Programaao Linear: c o c max z = CX

Slide 70

sujeito a: AX X =b 0

sendo nita, est num ponto extremo do espao de soluoes admiss a c c veis Q. Corolrio a Se mais do que um ponto extremo for soluao ptima, ento toda a c o a combinaao linear convexa desses pontos corresponde a uma soluao ptima. c c o

O conjunto Q limitado se se acrescentar a restriao xj M para todos os xj que e c no sejam limitados. a Qualquer ponto X Q pode ser expresso como uma combinaao linear convexa dos c (k) k = 1, 2, . . . K de Q pontos extremos X
K K

X =
k=1

k X(k) ,

k 0,
k=1

k = 1

Slide 71

Dena-se X como o ponto extremo de Q ao qual corresponde o maior valor da funao objectivo: c z = CX = max CX(i)
i

Agora necessrio mostrar que a nenhum ponto de X Q pode corresponder um valor e a da funao objectivo maior do que z . c
K K

z = CX = C
k=1

k X(k)

=
k=1

k CX(k) CX = z

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

37

Problema de Programao Linear ca Soluo bsica admiss ca a vel ponto extremo e

A condiao necessria e suciente para que um ponto X seja um ponto c a extremo do espao de soluoes Q que X seja uma soluao bsica c c e c a admiss tal que: vel Slide 72 AX X =b 0

A demonstraao (por contradiao) deste teorema pode ser encontrada nas pginas 89 91 c c a de: Bazaraa, M., Jarvis, J, Sherali (1990). Linear Programming and Network Flows, 2nd ed. Wiley, New York.

Ento... a
Resolver um problema de PL resume-se a determinar todas as bases admiss veis do sistema de equaoes que as suas restrioes formam e escolher c c a que tiver melhor valor da funao objectivo. c Existem Slide 73
n! m!(nm)!

bases para um sistema m n.

Nem todas sero admiss a veis, mas...

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o

Metodologias de Apoio a Deciso ` a

38

Bibliograa

Ferreira, Jos Antnio Soeiro (1995). Apontamentos de Investigaao e o c Operacional 1. FEUP. Guimares, Rui Campos (1983). Introduao a Programaao Linear. a c ` c FEUP. Slide 74 Hillier, Frederick S. e Lieberman, Gerald (1995). Introduction to Operations Research, Mc Graw-Hill. Ravindram, Philips e Solberg (1987). Operations Research, Principles and Practice. John Wiley & Sons. Taha, Hamdy A. (1997). Operations Research, an Introduction. Prentice Hall.

MEEC FEUP

Jos Fernando Oliveira Maria Antnia Carravilla e o