12-09-2013

1
Conceitos Bsicos
de Otimizao
Escola Politcnica da Universidade de So Paulo
Departamento de Engenharia Hidrulica e Ambiental
PHA2343 - Anlise de Sistemas Ambientais
Em aulas anteriores vimos a Simulao,
agora vamos ver a Otimizao
Na simulao, as variveis de deciso so
determinadas por tentativa e erro;
Vamos estudar uma metodologia que fornece uma
soluo tima para o problema em pauta, ou seja: as
variveis de deciso so calculadas pelo modelo e
fornecidas ao decisor (para maximizar ou minimizar
um objetivo).
2
12-09-2013
2
Elementos de um problema de
Otimizao
Dada uma Funo Objetivo:
max (ou min) F(x
1
,x
2
,...,x
n
)
Este problema pode ser bastante complexo
dependendo da forma da funo F e do nmero de
variveis de deciso (vetor X)
Calcular o vetor X acima um problema de
otimizao
Se no existem restries para os elementos de X ela
dita no condicionada, mas...
3
Variveis
de deciso
Elementos de um problema de
Otimizao
Agora considerem que as variveis de deciso
estejam sujeitas a diversas Restries:
g
1
(x
1
,x
2
,...,x
n
) < b
1
g
2
(x
1
,x
2
,...,x
n
) > b
2
g
3
(x
1
,x
2
,...,x
n
) = b
3
...

O problema se torna de otimizao condicionada
(mais complexo ainda!)
4
12-09-2013
3
Elementos de um problema de
Otimizao
Dependendo do formato da funo objetivo,
das restries e da quantidade de variveis de
deciso envolvidas, a obteno da soluo do
problema de otimizao pode ser muito difcil,
ou s vezes impossvel de ser resolvido!
5
Problema geral de Otimizao
Variveis de deciso: x
1
,x
2
,...,x
n

Funo Objetivo:
max (ou min) F(x
1
,x
2
,...,x
n
)
Sujeito a (restries):
g
1
(x
1
,x
2
,...,x
n
) < b
1
g
2
(x
1
,x
2
,...,x
n
) > b
2
g
3
(x
1
,x
2
,...,x
n
) = b
3
...

6
recursos
12-09-2013
4
Problemas de Otimizao
se as equaes forem lineares e as variveis
contnuas: Programao Linear (PL)
caso particular da PL: Fluxo em Rede
funo F quadrtica: Programao Quadrtica (PQ)
se as decises forem sequenciais (no tempo ou no
espao): Programao Dinmica (PD)
se as funes forem no lineares: Programao No
Linear (PNL)
com toda ou parte da variveis inteiras (discretas):
Inteira ou Inteira Mista (PLI, PNLIM, etc...)
7
Algumas aplicaes da otimizao na
anlise de sistemas de recursos hdricos
Planejamento, projeto e operao de:
canais, reservatrios, sistemas de irrigao, alocao entre
diversos usos consuntivos, gerao de energia, navegao,
controle de cheias, abastecimento de gua, tratamento de
guas para abastecimento e residurias, etc.
Calibrao de modelos:
hidrolgicos (como o SMAP!), guas subterrneas,
qualidade da gua em rios e represas, etc.
Sempre que falamos em maximizar ou minimizar
podemos pensar em otimizao!
8
12-09-2013
5
A sequncia bsica de estruturao
de um modelo de otimizao :
Definir as variveis envolvidas (de deciso e as
no controlveis), restries, funo objetivo
Verificar a melhor forma de estruturar o
problema (aproximao)
Considerar a quantidade e qualidade dos
dados disponveis
Compatibilizar custo de desenvolvimento, as
rotinas de otimizao, a eficcia do modelo
9
Ou seja, a estruturao do
modelo uma fase
fundamental, fruto de um
grande entendimento entre o
analista e o DECISOR !
10
12-09-2013
6
Otimizao no condicionada
(sem restries)

Otimizao: determinar o mximo de uma funo
objetivo desejada ou o mnimo de uma funo
objetivo indesejada

Funo Objetivo: expresso a ser otimizada, F(X)

Variveis de Deciso: vetor de variveis sob as quais
so feitas decises, X = x
1
,x
2
,...,x
n


11
Otimizao no condicionada






Lembrando um pouco o curso de
Clculo: se F(X) for contnua, so
condies para mximo e mnimo:
12
X
F(X)
A
B
C
D
( )
0 , i
i
F X
x
c
=
c
12-09-2013
7
Otimizao no condicionada
Condies secundrias:
13
( )
( )
i
2
2
i
2
2
cncava na vizinhana de x
0 pontos de mximo (B,D)
0 pontos de mnimo
convexa na vizinhana de
(A,C)
x
i
i
F X
x
F X
x
c
<
c
c
>
c
Condies de Mximos, Mnimos
e Pontos de Inflexo de uma Funo
14
X
F(X)
Mnimo local
Mnimo global
Mximo local
Mximo global
Ponto de
Inflexo
( )
*
0
X X
F X
X
=
c
=
c
12-09-2013
8
Condies de Mximos, Mnimos
e Pontos de Inflexo de uma Funo
Funo cncava:


Funo convexa:


x
1
e x
2
so dois pontos no domnio de F(X)
0<<1
15
1 2 1 2
[ (1 ) ] ( ) (1 ) ( ) F x x F x F x + > +
1 2 1 2
[ (1 ) ] ( ) (1 ) ( ) F x x F x F x + < +
Funo convexa e Funo cncava






Geometricamente, as relaes anteriores indicam que no intervalo
(x1-x2) um segmento de reta unindo esses dois pontos localiza-se
sempre acima (abaixo) da funo se ela for convexa (cncava).
A importncia desse conceito reside no fato de que, se a funo
objetivo for convexa, o mnimo local tambm o mnimo global; no
caso da funo ser cncava o mximo ser global.
16
F(X) F(X)
X
X
X
1
X
1
X
2
X
2
12-09-2013
9
Condies de timo (mximo ou mnimo)
de uma funo multidimensional
forma quadrtica da matriz Hessiana...




definida positiva, negativa, indefinida...
lgebra linear...
autovalores e autovetores...
17
11 12 1
2
21 2
ij
1
...
... ...
( )
, h =
... ... ... ...
... ...
n
n
i j
n nn
h h h
h h
F X
H
x x
h h
c
=
c c
Otimizao no condicionada - Exemplo
Problema do Isolamento Trmico: determinar a espessura do
isolamento sabendo que a funo de custo F(X) dada pela
soma dos custos de combustvel e do isolamento:



X: espessura do isolamento (varivel de deciso!)



o asterisco * indica a soluo tima...
18
2
1
min ( ) X
K
F
X
K X = +
*
1
2
2
1
2
( )
0
K F X
K
X X
K
X
K
c
= = + =
c
12-09-2013
10
Otimizao no condicionada - Exemplo
19
0
100
200
300
400
500
600
0 2 4 6 8 10 12 14
c
u
s
t
o
espessura do isolante (")
combustvel isolante total
Otimizao condicionada
A otimizao condicionada envolve a existncia de
equaes de restrio
As restries podem ser de dois tipos bsicos:
Restries de Igualdade: alguns fatores tm que ser
iguais a um certo valor
Restries do tipo inequao: alguns fatores tm que
ser menores ou iguais ou maiores ou iguais a um
certo valor e assim por diante (limites superiores e
inferiores)
20
12-09-2013
11
Restries de Igualdade
Exemplo: melhor aplicao de um oramento:



Neste caso a soluo no est em um ponto local de
mximo, mas na fronteira do espao de solues
viveis (imposta pela restrio):
21
+
=
=
1 2
1 1 2
1 2
2
0
sujeito a: oramento
max

( )

a a
Z
p x
X x
p
a
x
x
( ( ))
0 no mximo
Z X
X
c
=
c
Otimizao condicionada
Vamos ver agora mtodos para resolver problemas
de maior complexidade, por exemplo otimizao
com restries de igualdade e restries tipo
inequao...
Como: transformar um problema difcil num outro
mais fcil...
Ou seja:
22
12-09-2013
12
transformar a otimizao
condicionada numa otimizao no
condicionada
23
Lagrangeano
24
12-09-2013
13
Mtodo Lagrangeano
Seja a funo F(x)= F(x1, x2, ....xn) o mximo, o mnimo ou o
ponto de inflexo desta funo podem ser determinados
igualando a zero as derivadas parciais para cada varivel:

Se as variveis satisfazem a uma srie de m funes de
restrio:
g1(x1......xn), .......gm(x1.....xn) = 0
pode-se isolar cada varivel das funes de restrio e substitu-
las em F, encontrando os pontos de mximo, mnimo e
inflexo. Todavia, nem sempre isso possvel...
25
1
..... 0
n
F F
x x
c c
= = =
c c
Mtodo Lagrangeano
Para resolver isso, o matemtico Joseph Louis
Lagrange (1736-1813) desenvolveu o mtodo
dos multiplicadores:
26
12-09-2013
14
Mtodo Lagrangeano
Vamos transformar o problema de otimizao
condicionada num no condicionado:



Seja a funo L (funo Lagrangeana) definida por:
27
-
otimizar ( )
sujeito a: ( )
j: restries de iguald
0
d
(
e
)
a
j j j j
g
F X
g X b b X = =
{ }
( , ) ( ( ) )
j
j j j
g X b L X F X (

Mtodo Lagrangeano

j
so os multiplicadores de Lagrange
Os s so quantidades desconhecidas que podem
ser determinadas com o timo da funo L
Note que: [g
j
(x)-b
j
]=0 por definio, ento o timo de
F(x) igual ao timo de L
A funo L assim proposta possui o mesmo timo de
F, porm, possui espao de deciso dado pela
restrio de igualdade.
28
12-09-2013
15
Mtodo Lagrangeano

O timo de L deve ser obtido da
mesma forma, calculando-se as
derivadas parciais em relao as
variveis de deciso, acrescido das
derivadas parciais dos s
29
Mtodo Lagrangeano
Para determinar o mximo de L(X,
j
):
30
i
0 , e 0 ,
j
i j
L L
x
c c
= =
c c
12-09-2013
16
Exemplo do Mtodo de Lagrange
31
1 2
1 2
max ( ) 6
. : ( ) 3 4 18
F X x x
s a g x x x
=
= + =
2
1
1
2
1 2
6 3 0
6 4 0
3 4 18 0
L
x
x
L
x
x
L
x x

= =

c
= =

c
= + =

*
1
*
2
*
* *
3
2,25
4,5
( ) 40,5
x
x
F X
1 2 1 2
6 (3 4 18) L x x x x = +
Exemplo do Mtodo de Lagrange
vamos alterar o recurso da restrio em 0,1
unidades, passando agora para 18,1






F(x) = 40,95-40,5 = 0,45 = 0,1 * (aumento de 0,1)

32
2
1
1
2
1 2
6 3 0
6 4 0
3 4 18,1 0
L
x
x
L
x
x
L
x x

c
= =
c
c
= =
c
c
= + =
c
* *
( ) 40,95 F X =
12-09-2013
17
O significado dos s: Preos Sombra
O Preo sombra ou Shadow Price - SP a taxa de mudana
no valor timo da funo objetivo por unidade de mudana
no valor da restrio (recurso)


Este o significado do multiplicador de Lagrange!
O shadow price extremamente importante no projeto de
um sistema, ele mensura a sensibilidade da funo objetivo s
restries impostas

33

c
= =
c
*
j j
j
F
SP
b
Mtodo Lagrangeano
Observar na expresso da funo
Lagrangeana o sinal de (negativo)

Ou seja, a expresso de L com o sinal negativo
permite a interpretao do valor de com o
sinal positivo, conforme descrito
anteriormente (preo sombra)
34
12-09-2013
18
Exerccio : Mtodo de Lagrange
Determinar as dimenses de um canal retangular para veicular uma
dada vazo Q com declividade I e comprimento D conhecidas. Deseja-se
determinar H e B de tal modo que o custo total da obra seja mnimo.







Neste caso, o custo total (CT) do canal envolver os custos de escavao
(CE) e revestimentos (CR)
So conhecidos os custos unitrios de escavao C1 e revestimento C2
Dica: lembrar da Equao de Manning
35
H
B
D
I
E se as restries forem
desigualdades?
36
12-09-2013
19
Otimizao Condicionada
Para isso, vamos introduzir novas variveis chamadas de
Variveis de Folga (slack)
As variveis Slack medem a distncia ou diferena entre o
recurso da restrio e a quantidade utilizada
As equaes resultantes so chamadas
Condies de Kuhn-Tucker
Metodologia: Transformar as inequaes em igualdades e ento
proceder como antes
Como resolver agora o problema com inequaes ao invs de
igualdade?
37
A varivel de folga (slack), s
j
, para cada
inequao:



O quadrado garante a positividade da varivel de
folga
O problema de otimizao passa a ser:

Otimizao Condicionada
j j j j j
j j j j j
b s x g b x g
b s x g b x g
= >
= + s
2
2
) ( por a substitud ) (
) ( a passa slack forma na ) (
] ) ( [ ) (
por dado L otimizar que mesmo o
) (
a sujeito
) ( otimizar
2
j j j
j
j
j j
b s x g x F L
b x g
x F
+ =
s

38
12-09-2013
20
As condies de otimizao so:
Otimizao Condicionada
0 0 0 = =
c
c
=
c
c
=
c
c
j j
j j i
s
s
L L
x
L

Essas novas equaes implicam em:

0 e 0
ou
0 e 0
= =
= =
j j
j j
s
s

Elas so chamadas de condies de folga complementar

(complementary slackness)
Um ou outro igual a zero!
39
Interpretao:
Se existir folga em b
j
ela no agrega mais valor
na funo objetivo: j =
F(x) / bj = 0 e sj 0
Se j 0, ento todo b
j
disponvel foi usado
sj = 0 (no existe folga!)
Otimizao Condicionada
j j j j j
j j j j j
b s x g b x g
b s x g b x g
= >
= + s
2
2
) ( por a substitud ) (
) ( a passa slack forma na ) (
0 e 0
ou
0 e 0
= =
= =
j j
j j
s
s

40
12-09-2013
21
Vamos analisar o problema do isolamento
1
2
2 1
2
1 2
2
2
minimizar o custo
sujeito a 8
[ ]
para 500 e 24 e 8
chega-se ao seguinte sistema
500
24 0
x
8
2. . 0
se 0 implica em 8 e 16,2 com custo 254,5
se a res
K
K X
x
x
K
L K x x s b
x
K K b
x s
s
s x

= +
>
= +
= = =
+ =
=
=
= = = =
*
trio for relaxada, chega-se ao mnimo anterior:
4,56 com custo igual a 221 x =
0 0 0 = =
c
c
=
c
c
=
c
c
j j
j j i
s
s
L L
x
L

41
Vamos agora introduzir no problema do isolamento trmico
uma restrio de isolamento (espessura) mnimo
Variao do Custo Total Anual do Aquecimento e do Isolamento Trmico
0,0
100,0
200,0
300,0
400,0
500,0
600,0
0 1 2 3 4 5 6 7 8 9 10 11 12 13
Espessura do Isolamento (polegadas)
C
u
s
t
o

A
n
u
a
l

(
U
S
$
)
Custo do Isolamento ou Implantao (US$) Custo do Combustvel Operao (US$) Custo Total
8 > x
42
12-09-2013
22
Vamos analisar o problema do isolamento com um novo limite
1
2
2 1
2
1 2
2
2
2
minimizar o custo
sujeito a 4
[ ]
para 500 e 24 e 4
chega-se ao seguinte sistema
500
24 0
x
2 0
4
se 0 implica em 4,56 com 1,56
custo 221, portanto n
K
K X
x
x
K
L K X x s b
x
K K b
s
x s
x s

= +
>
= +
= = =
+ =
=
=
= = =
= o h necessidade de se
relaxar a restrio!
43