Escolar Documentos
Profissional Documentos
Cultura Documentos
um vetor com
componentes
Toda funo
da forma:
com
com
(1)
Definio 3|: Um problema de Programao Geomtrica (PG) representado por:
com
k
> 0 e
kj
, j = 1,2,...,n, so nmeros reais. A funo objetivo e as restries so escritas
como
{ }
(2)
O conjunto J
0
descreve os monmios da funo objetivo e os conjuntos J
i
, onde i re-
presenta uma restrio do problema, descrevem os monmios das restries com J
i
J
j
=
para i j. Os nmeros P, p e n representam, respectivamente, o nmero total de termos do
problema, o nmero total de restries e o nmero de variveis.
Exemplos:
1) Monmios (e tambm posinmios):
2) Posinmios:
)
3) No so posinmios:
4) Problemas de Programao Geomrica:
Problema 1:
Problema 2:
Geralmente, problemas de programao geomtrica no so problemas convexos.
Entretanto, possvel transformar problemas de P.G. em problemas convexos por meio de
mudanas de variveis apresentadas a seguir. Essa mudana baseia-se nos conceitos de
Dualidade Lagrangeana.
Em vez de usarmos as variveis originais, usaremos o seu logaritmo natural, ou seja:
(ou ainda
com
(3)
O P.G.E. no tem aspecto muito diferente do P.G. original. A sua aparncia no
muito amigvel num primeiro momento. Porm, diferentemente do problema original, a
verso P.G.E. pode ser resolvida de um modo eficiente visto que ele convexo. interessante
entender o que significa um problema assumir a forma convexa (Boyd et.al,2007). Vamos ver
o que acontece com as restries olhando para a igualdade .
Suponha que g(x) seja um monmio:
Aplicando a transformao logartmica descrita acima, teremos
.
Como g(x) = 1, teremos
= 0
=
Todas as restries de igualdade devem ser lineares em um problema de otimizao
convexa. Vejamos, agora, como o tratamento das inequaes posinomiais. Se for um
posinmio, aps da mudana de variveis logartmica como em (3), teremos:
G(y) uma funo convexa, o que significa que para qualquer , e com
teremos:
. (4)
A expresso fornece a mdia aritmtica ponderada entre e .
Voltando s variveis originais, teremos:
Sendo assim, pela inequao (4) (lembrar que a funo
crescente):
(
(5)
A expresso
.
Podemos entender o vetor (
(6)
Dado u 0, o mnimo do Lagrangeano encontrado quando
Assim
sendo, o dual lagrangeano equivalente a
Maximizar {
} (7)
Calculando o gradiente da funo Lagrangeana:
[]
]
Agora, aplica-se a segunda transformao de variveis. Para isso, definimos
da seguinte maneira:
Note que a varivel y desapareceu do problema por uma convenincia de notao, mas
fica claro que as funes
(8)
Essas equaes so denominadas restries de normalizao. Utilizando as equaes
dadas em (3) e em (6), teremos:
Encontramos, ento, as restries de ortogonalidade. Essas restries ressaltam a
importncia dessa transformao para o mtodo, uma vez que a eliminao da varivel y se
torna clara. Faremos uma simplificao da funo objetivo (o dual lagrangeano). Observe:
Da mesma maneira, podemos escrever:
[]
Aqui percebemos a independncia do problema em relao varivel y. Pela equao
(4), utilizando as duas relaes anteriores, obtemos o Problema Geomtrico Dual Equivalente
(PGDE):
Esse problema, embora parea mais complexo que o original, convexo devido
funo objetivo ser uma funo cncava e as restries serem todas lineares. No momento em
que a soluo tima do problema PGDE encontrada, torna-se simples encontrar a soluo
tima para o problema original. A Otimizao Convexa possui uma propriedade muito
importante: o timo Global sempre atingido. Os mtodos computacionais so relativamente
velozes.
Os programas para otimizao convexa so muito eficientes. Atualmente, um
problema de otimizao convexa pode envolver centenas de variveis e milhares de restries
e mesmo assim pode ser resolvido em questo de segundos por algoritmos modernos. Muitos
problemas de Engenharia podem ser modelados como problemas de Programao Geomtrica
e a soluo tima encontrada em segundos.
A teoria de Programao Geomtrica Posinomial admite vrias generalizaes, das
quais discutiremos duas (B oyd et.al,2007):
Alteramos a estrutura de uma funo posinomial, que continuar sendo positiva
(Posinmio Generalizado);
Alteramos o sinal das constantes que acompanham os monmios (Problemas de
Programao Geomtrica Signomial).
2. Generalizao de Posinmios
Nessa seo, faremos uma generalizao do conceito de posinmios. Antes disso,
considere
posinmios. A restrio
, uma
vez que os expoentes so racionais. Ou seja, a funo do lado direito no posinomial.
Felizmente, problemas matemticos cujas funo objetivo e/ou restries aparecem nesse
formato podem ser convertidos em problemas de P.G. utilizando uma mudana de
variveis. Vejamos outro exemplo:
com variveis Este problema no de P.G. Entretanto, inserindo a transformao de
variveis:
obtemos um problema equivalente:
que um problema de P.G. nas variveis reais e positivas
so posinmios, a inequao
pode ser manipulada pela seguinte mudana:
onde
).
Existem determinados problemas nos quais existe um conjunto de funes objetivo
que precisam ser maximizadas (ou minimizadas) em conjunto para se encontrar o mximo (ou
mnimo) ideal para o problema. Tome o seguinte exemplo: uma barra metlica, composta por
segmentos metlicos de diferentes materiais submetida a uma variao de temperatura. Cada
segmento metlico possui uma diferente distribuio de temperatura (os coeficientes de calor
sensvel so diferentes). Para que eu encontre o segmento que, em um dado momento, tem a
maior temperatura, necessrio encontrar o mximo de cada funo de temperatura. Dentre
os valores obtidos, se escolhe o maior deles. Ou seja, se as distribuies de temperatura so
dadas por
} Considere, agora, um
outro exemplo:
{ }
{
} { }
Esse problema no de P.G. Porm, obter um problema de P.G. fazendo:
Obtemos, ento, um problema de P.G.
Essa mesma idia pode ser aplicada ao {
} {
}
onde
so nmeros racionais e f
n
so posinmios , n=1,..,q.
Qualquer problema cujas restries e funo objetivo forem posinmios generalizados
podem ser transformados em problemas de P.G. De agora em diante, no faremos mais a
distino entre os posinmios e a sua generalizao. Todos eles sero denominados problemas
de P.G.
3. Programao Geomtrica Signomial
Os problemas de Programao Geomtrica Signomial (P.G.S), como j foi dito
anteriormente, so caracterizados por funes objetivos e restries descritas como a
diferena de dois posinmios. Os P.G.S.'s contm um ou mais monmios com coeficientes
negativos. Sendo assim, o problema P.G.S. pode ser formulado como:
onde
, com
indicando
a parcela da funo objetivo que recebeu constante(s) positiva(s) e
onde l
i
representa o comprimento,
i
a largura (varivel de projeto) e
i
,
i
e
i
so constantes
positivas que dependem de propriedades fsicas da camada do segmento do fio.
Substituindo cada segmento por seu modelo simplificado, a rede de interconexo
torna-se uma rvore resistor-capacitor. Cada ramo possui uma resistncia associada. Cada n
tem vrias capacitncias ligadas terra: a capacitncia de carga, a capacitncia fornecida pelo
segmento montante (antes do n) e jusante (depois do n). As capacitncias de cada n so
somadas (esto em paralelo). As Figuras (2) e (3) mostram o modelo do segmento (real e o
modelo ) e o circuito equivalente:
Figura (2): Segmento. Figura (3) Circuito Equivalente.
Assim sendo,
Quando a fonte de tenso alterna entre um valor e outro, existe um atraso na tenso em
cada capacitor antes que o valor convirja para o novo valor. Usaremos o chamado atraso de
Elmore (Elmore Delay) para medir esse atraso. Para o circuito RC, o atraso de Elmore dado
por:
))
onde os resistores so tomados a montante dos capacitores com ndice k e i.
O atraso de Elmore uma soma de produtos dos
}
Esse mximo sempre ocorre nas folhas (extremidades) da rvore. Como exemplo,
observe o atraso Elmore para os capacitores 3 e 5 (as folhas):
Para essa rede de interconexo, o atraso crtico dado
por
} {
}
Formulamos matematicamente o Problema de Dimensionamento de Largura para
Redes de Interconexo:
Essa ltima condio diz respeito rea mxima que os segmentos podem ocupar
dentro do circuito.
2. Dimensionamento de uma caixa retangular
O problema consiste em determinar quais as dimenses de uma caixa retangular que
tm mximo volume, levando em considerao algumas restries de design. Seja h a altura,
w a largura e d o comprimento da caixa. Dependendo da finalidade da caixa, a rea lateral, a
rea da face inferior e a razo entre altura/largura e largura/comprimento so limitadas por
constantes. Nessas condies, o problema de encontrar o mximo volume dado por:
com
, que sero as
variveis do nosso problema. Como temos transmissores, precisamos de receptores. A
potncia recebida pelo receptor i fornecida pelo transmissor j dada por
O fator
.
Existe um rudo que provm da fontes alheias ao problema, o chamado rudo branco, que ser
identificado por . A taxa de interferncia e rudo de sinal SINR (do ingls Signal to
Interference and Noise Ratio) definida como
A SINR no pode estar abaixo de um determinado valor, porque isso retrata a inviabilidade
em se transmitir o sinal e a complexidade de um sistema de filtragem. Os transmissores e
receptores possuem uma faixa de potncia em que podem operar normalmente. Minimizando
a soma das potncias sujeito a essas restries, temos o problema:
Entretanto, perceba que esse problema no de P.G., visto que
no um
posinmio. Porm, ao transformarmos a restrio tomando o inverso da SINR, obtemos um
problema de P.G.:
Podemos generalizar esse modelo. A potncia do sinal de interferncia pode ser
tomado como uma funo posinomial das potncias. As interferncias sofrem contribuies
de produtos de intermodulao criados pelas no-linearidades nos receptores tipicamente
dimensionados como funes polinmiais das potncias.
4. Design de trelias
Vamos apresentar um problema simples de design mecnico. A Figura (6) mostra 2
barras de altura 2h e comprimento . As duas barras tm o formato de um tubo cilndrico de
raio interno r e raio externo R (Figura (7)). Estamos interessados em determinar os valores
que minimizam a massa da trelia, que limitada por alguns parmetros.
Figura (6): Disposio espacial das trelias Figura (7): Corte transversal de uma Trelia
A rea da seo transversal dada por:
e a massa da trelia proporcional ao volume total da barra, que dado por
Essa a funo a ser minimizada no problema de design. Vamos discutir alguns conceitos
fsicos que delimitam as restries.
A estrutura deve ser forte o suficiente para duas situaes. A primeira diz respeito
projeo vertical da fora aplicada ao n
.
Suponha, com base no esquema a seguir, que o esforo causado por
determina
foras (mesma intensidade , direo e sentido indicados pela direo da seta) nas trelias
como na Figura (8):
Figura (8): Esquema de Foras
Sabemos, pelas leis da fsica, que
Aplicamos o mesmo raciocnio para o segundo caso. Suponha que o esforo causado
por
Segundo um princpio de Resistncia dos Materiais, a fora aplicada a uma
determinada estrutura tem que ser menor que um mltiplo real da rea da seo transversal.
Isto :
Sabe-se, tambm, que as dimenses das trelias so escolhidas num intervalo
definido pelo construtor ou pelos responsveis pela fabricao. Utilizando as relaes
anteriores, podemos dizer que:
O Problema de Design de trelias definido como:
Como
Finalmente, o problema de Design de Trelias em formato de problema de P.G.
dado por:
CONCLUSES
Essa pesquisa cientfica apresentou um estudo terico dos conceitos clssicos de
Programao Geomtrica e suas aplicaes. As aplicaes apresentadas exemplificam
problemas encontrados com certa frequncia em reas do conhecimento que possuem um elo
com as cincias exatas. A proposta era estudar a modelagem em si e suas ferramentas.
Entretanto, esses problemas podem ser resolvidos analiticamente e/ou computacionalmente.
Futuramente, como um novo trabalho cientfico, sero apresentadas solues para alguns dos
problemas.
REFERNCIAS
- ACKER, Felipe; DICKSTEIN, Flvio. Uma introduo anlise convexa. Rio de Janeiro:
IMPA, c1983.
- BAZARAA, M. S.; SHERALI, Hanif D.; SHETTY, C. M. Nonlinear programming: theory
and algorithms. 3. ed. Hoboken, NJ: Wiley-Interscience, 2006.
- BOYD, S. P., Kim, S. J., VANDERBERGHE, L., HASSIBI, A. A Tutorial on Geometric
Programming. Relatrio Tcnico, Stanford University, 2005b.
- CONVERSE, A. O. (Alvin O.). Otimizao. So Paulo: EDART, 1977.
- OLIVEIRA, R. M. Algoritmos de Busca Global para Problemas de Otimizao Geomtricos
e Multiplicativos. Tese de Doutorado, Faculdade de Engenharia Eltrica e de Computao da
Universidade Estadual de Campinas, 2005.
- OLIVEIRA, R. M. ; FERREIRA, P. A. V. . Programao Geomtrica Multiobjetivo: Uma
Implementao Computacional Via Matlab. In: XXXV Simpsio Brasileiro de Pesquisa
Operacional, 2003, Natal. Anais do XXXV Simpsio Brasileiro de Pesquisa Operacional,
2003.
- PINTO, Diomara; MORGADO, Maria Cndida Ferreira. Clculo diferencial e integral de
funes de vrias variveis. 3. ed. Rio de Janeiro: Ed. UFRJ, 2006-2011.
- TAVARES, L. Valadares; CORREA, F. Nunes. Optimizao linear e no linear: conceitos,
mtodos e algoritmos. 2. ed. Lisboa: Fundao Calouste Gulbenkian, 1999.
PRODUTOS ALCANADOS
Parte do embasamento terico e aplicaes sero utilizados no Trabalho de Concluso
de Curso do Acadmico. Participao no XIV ENCONTRO DE INICIAO CIENTFICA
DA UFMS.