Escolar Documentos
Profissional Documentos
Cultura Documentos
Cap3 Notas Aulas Valente
Cap3 Notas Aulas Valente
c 1999
37
Pareto-otimalidade
PAVF c 1999
38
Problema multiobjetivo
'minimizar' f (x) s.a x 2
obtidos
Note que f :
! Y Rm e Y e parcialmente
ordenado: em geral, qualquer que seja > 0,
6 9 x 2
: f (x) f (x); 8x 2
\ B(x; )
Denic~ao - Soluc~ao utopica
A soluc~ao utopica y := (y1; y2; : : : ; ym) do problema e
denida como y i = fi(xi); i = 1; 2; : : :; m, onde
xi := arg min
f (x)
x2
i
PAVF c 1999
39
Rn =
<(x0) [
(x0) [
(x0); 8 x0 2 Rn
<(x0) e
(x0) cont^em pontos de
que dominam
e s~ao dominados por x0 de acordo com ''
(x0) contem todos os pontos n~ao-comparaveis a x0
Como se busca a minimizac~ao simult^anea dos objetivos
e x0 62
<(x0), uma soluc~ao candidata x 2
devera
ser tal que
\
<(x) = ;
Denic~ao - Soluc~ao eciente
x 2
e uma soluc~ao eciente se n~ao existe qualquer
outro ponto x 2
tal que f (x) f (x) e f (x) 6= f (x)
PAVF c 1999
40
Na literatura, eciente=n~ao-dominada=n~ao-inferior=
Pareto-otima
Soluco~es ecientes n~ao s~ao dominadas por quaisquer
outros pontos de
Qualquer ponto x 2
que proporcione um decrescimo
em algum objetivo, deve ao mesmo tempo levar ao
acrescimo de pelo menos algum outro, relativamente
aos valores produzidos por uma soluc~ao eciente
Interpretac~ao:
f1 f2
PSfrag replacements
e (
)
x
xn
Adota-se um sentido global para eci^encia, mas caracterizaco~es locais s~ao possveis
PAVF c 1999
41
Tecnicas de escalarizac~ao
Caractersticas
Teorema 1
x 2 e (
) se e somente se x resolve os m problemas
escalares
Pk : minimizarx2
fk (x)
s.a fj (x) fj (x); 8j 6= k
Prova: ()) Suponha que x 2 e (
). Ent~ao n~ao existe
x 2
tal que f (x) f (x) e f (x) 6= f (x) e neste caso
x resolve Pk ; k = 1; 2; ::; m. (() Suponha que x resolve
Pk ; k = 1; 2; ::; m, mas x 62 e (
). Ent~ao existe x 2
tal que f (x) f (x) e que para algum k, fk (x) < fk (x)
e x n~ao resolveria o problema Pk .
2
blemas
PAVF c 1999
42
Tecnicas de escalarizac~ao
Teorema 2
Se x 2
e soluc~ao unica de Pk para algum k, ent~ao
x 2 e (
)
Teorema 3
Se x 2 e (
), ent~ao existem um inteiro k 2 I :=
f1; 2; : : :; mg e reais j ; j = 1; 2; : : : ; m (j 6= k) tais que
x resolve
Pk () : minimizarx2
fk (x)
s.a fj (x) j ; 8j 6= k
onde esta denido em
k () := fx 2
: fj (x) j ; 8j 6= kg
PAVF c 1999
43
Tecnicas de escalarizac~ao
Prova: Dena fi = fi(x); i = 1; 2; ::; m e suponha que
x 2 e (
) n~ao resolve o problema para nenhum k 2 I
e reais j ; j = 1; 2; : : :; m (j 6= k). Neste caso, para
algum k e j = fj; 8 j 6= k, deve existir x 2
tal que
fk (x) < fk (x) e fj (x) fj; 8 j 6= k, o que contradiz
x 2 e (
).
2
Teorema 4
Dado 2 Ek , uma soluc~ao x de Pk () e eciente se
a)
b)
PAVF c 1999
44
Tecnicas de escalarizac~ao
Prova: a) Se x e a soluc~ao unica de Pk () para algum k,
ent~ao x e tambem a soluc~ao unica do problema Pk
minimizarx2
fk (x)
s.a: fj (x) fj (x); 8j 6= k
pois fj (x) j ; 8j 6= k. Logo, pelo Teorema anterior,
x e eciente; b) Suponha que x e eciente, mas n~ao
resolve Pk () para todo k 2 I . Ent~ao existe um k tal que
x n~ao resolve
minimizarx2
fk (x)
s.a fj (x) fj (x); 8j 6= k
Exemplo (k = 1)
e (
)
f2
f1
PSfrag replacements
02
002
x00
1 (00 )
1 ( 0 )
x0
PAVF c 1999
45
Tecnicas de escalarizac~ao
Observac~oes
f1
PSfrag replacements
01
x0
2 (0 )
PAVF c 1999
46
Tecnicas de escalarizac~ao
Teorema 5
Seja x 2
uma soluc~ao de
Pw : minimizarx2
< w; f (x) >
para w 2 Rm; w 0 dado. Ent~ao x 2 e (
) se
x e a soluc~ao unica de Pw , ou
b) wi > 0; i = 1; 2; ::; m
a)
Formulac~ao equivalente
Pw : minimizarx2
< w; f (x) >
onde w 2 W := fw : w 0;
m
X
i=1
wi = 1g
PAVF c 1999
47
Tecnicas de escalarizac~ao
Observac~oes
e (
) se
8
>
>
< [0; 0:5); x = (0; 0; 1)
w2>
>
: [0:5; 1]; x = (1; 0; 0)
PAVF c 1999
48
:= fx : g(x) 0g 6= ;
Diz-se que x satisfaz as condico~es de Kuhn-Tucker para
eci^encia - KTCe - se existem reais wi 0; i = 1; 2; : : :; m
n~ao todos nulos e j 0; j = 1; 2; : : :; p tais que
m
X
i=1
p
X
w r f (x ) +
i
j =1
j r gj (x
) = 0
gj (x) 0; j gj (x) = 0; j = 1; 2; : : :; p
PAVF c 1999
49
i6=k
wir fi(x) +
p
X
j =1
j r gj (x) = 0
PAVF c 1999
50
PSfrag replacements
f2
b c
convexo
Com w1 > 0 e w2 = = 0, KTCe s~ao satisfeitas no
intervalo (1; 2):
w 0; w 6= 0; 0
g(x) 0 ; g(x) = 0
1(x)
2 (x)
w1 dfdx
+ w2 dfdx
=0
PAVF c 1999
51
x
2 e (
)
U ou P
x
= arg min
x2
m
X
i=1
w2W
U ou T
x
= arg min
f (x)
x2
k
fj (x) fj (x );
2
C
wi fi (x)
x
R
x
8j 6= k
satis. KTCe
R
satis. KTCk
PAVF c 1999
52
wi ! rf (x) + Xp j ! rg (x) = 0
i
j
wk
j =1 wk
3!4
5 ! 4 (R) : As KTC do problema Pw , KTCw , s~ao equivalentes as KTCe. Note que se w 2 W , ent~ao w 0 e
w 6= 0
PAVF c 1999
53
Proposic~ao
Seja C o cone gerado pelos vetores f c1; c2; : : : ; cmg
e C o cone polar associado. Ent~ao
<(x0) = C
Prova: Por denic~ao, C = fy : yT z 0; z 2 Cg. Em
particular, para z = ci 2 C ; i = 1; 2; : : : ; m,
yT ( ci) 0; i = 1; 2; : : : ; m
Considere C e C com vertices em x0. Como (ci)T y
0; i = 1; 2; : : :; m; 8 y 2 C , os pontos de C fornecem
valores iguais ou menores para objetivos, relativamente a
f (x0), isto e,
<(x0) = C
2
PAVF c 1999
54
PSfrag replacements
c2
x0
C
C
c1
g2
c2
x
C
g1
c1
g2 (x) = 0
x1
Como
\
<(x0) 6= ;, x0 n~ao e eciente
Como
\
<(x) = ;, x e eciente (assim como todos
Como x 2 @
e
\ C = ;, existe um hiperplano H
que separa
de
<(x). Se
e o vetor normal de H,
existem w1; w2 0 e 1; 2 0 tais que
isto e,
PAVF c 1999
55
Y := fy 2 Rm : y = f (x); x 2
g
Formulac~ao no espaco dos objetivos
Py : minimizary2Y y
Conjunto de soluco~es ecientes: e (Y ) := f (e (
))
Proposic~ao
Se y 2 e (Y ), ent~ao y 2 @ Y
Prova: Se y 2 int (Y ) pode-se denir B(y; ) no entorno
de y, e qualquer ponto y 2 B(y; ) da reta que une
y a origem do Rm seria tal que y < y, contradizendo
y 2 e (Y )
PAVF c 1999
56
PSfrag
replacements
0
y1
PAVF c 1999
57
y1
2 Y
y
PSfrag replacements
y3
N~ao se pode garantir Y convexo, mesmo que o problema seja convexo, isto e, mesmo que f1; f2; : : : ; fm
sejam convexas sobre
convexo
Entretanto pode-se garantir que se o problema for convexo, ent~ao qualquer ponto de e (Y ) admite um hiperplano suporte
PAVF c 1999
58
y=
mX
+1
i=1
iyi;
i 0;
mX
+1
i=1
i = 1
com yi 2 Y ; i = 1; 2; : : : ; m + 1
Teorema 8
Sejam f1; f2; : : : ; fm funco~es convexas sobre um conjunto convexo
. Ent~ao Y admite um hiperplano suporte em
qualquer ponto de e (Y )
Prova: Seja conv (Y ) a casca convexa de Y e e (conv (Y ))
o conjunto das soluco~es ecientes de conv (Y ). Se y0 2
e (conv (Y )), ent~ao y 0 2 conv (Y ) e atraves do Lema
y0 =
mX
+1
i=1
i y i ;
i 0;
mX
+1
i=1
i = 1
PAVF c 1999
59
i=1
Py : minimizary2Y y
e um problema convexo
PAVF c 1999
60
Y + D := f 2 Rm : = y + d; y 2 Y ; d 2 Dg
onde D e o cone convexo
D := fd 2 Rm : d 0g
Teorema 9
e (Y ) = e (Y + D)
Prova:
Suponha y 2 e (Y ), mas y 62 e (Y + D). Ent~ao
existem y 2 Y e d 2 D tais que y + d y e y + d 6=
y, o que implica em y y e y 6= y, isto e, que
y 62 e (Y ). Portanto, e (Y ) e (Y + D)
Suponha y 2 e (Y + D), mas y 62 e (Y ), ou seja,
existe y 2 Y tal que y y e y 6= y. Por continuidade, existe d 2 D; d 6= 0, tal que y + d y, isto e,
y 62 e (Y + D). Logo e (Y + D) e (Y ) e assim
e (Y + D) = e (Y )
PAVF c 1999
61
Py : minimizary2Y +D y
2D
PAVF c 1999
62
Py : minimizary2F y
e convexo
Py apresenta objetivos lineares (componentes de y) e
regi~ao factvel convexa
O numero de variaveis (objetivos) e m e, em geral,
m n; ocorre um drastica reduc~ao de dimensionalidade
Teorema 11 (Representac~ao de F )
F := fy : f (x) y; x 2
g
Note que cada y 2 F se escreve como y = f (x) +
d; x 2
; d 2 D
Qualquer metodo de resoluc~ao de Py deve estar preparado para, dado y0 2 Rm, vericar se y0 2 F
PAVF c 1999
63
x2
x2
sup xinf
< w; f (x) y0 > 0
2
w 2W
Neste caso,
0>=0
sup xinf
<
w;
f
(
x
)
y
2
w0
PAVF c 1999
64
y1
y2
y3
PSfrag replacements
y4
< w2 ; y >
y5
O sistema de inequaco~es
0 > 0; 8 w 2 W
inf
<
w;
f
(
x
)
y
x2
restringe y a pertencer a F
PAVF c 1999
65
f1(x) = x1 3x2
f2(x) = 4x1 + 2x2
g1(x) = x1 + x2 7=2
g2(x) = x1 + x2 11=2
g3(x) = 2x1 + x2 9
g4(x) = x1 4
g5(x) = x1
g6(x) = x2
= fx : gi(x) 0; i = 1; 2; : : :; 6g
PSfrag replacements
c2
x2
C
A
c1
F
3
B
e (
)
2
1
E
1
4D
x1
PAVF c 1999
66
PSfrag replacements
E0
0
y1
A0
Y
A0 = ( 12:5; 5)
B0 = ( 2:5; 10)
C0 = (1; 14)
D0 = (4; 16)
E0 = (0; 0)
F0 = ( 10:5; 7)
e (Y )
B0
C0
D0
= 0:67
= 1:14
= 1:50
Relac~oes com Pw :
minimizarx2
wf1(x) + (1 w)f2(x); w 2 [0; 1]
PAVF c 1999
67
No trecho A0B0,
= 1 w w = 1:50 ) w = 0:60
x1 + x2 11=2 = 0
correspondente a restric~ao g2(x) (soluco~es multiplas)
PAVF c 1999
68
lp
Se y 2 Rm, a norma lp de y e
0m
11=p
X
kykp := @ j yi jpA ; p 1
i=1
As normas l1 (soma absoluta), l2 (Euclideana) e l1 (innito) s~ao particularmente uteis. Curvas de nveis (kykp =
cte):
y2
y2
y1
l1
y2
PSfrag replacements
y1
l2
y1
l1
PAVF c 1999
69
F0
PSfrag replacements
A0
E0
0
e (Y )
By10
p == 2
p =1
p
C0
D0
y=(
12:5; 16)
PAVF c 1999
70
0m
11=p
X
lp (x) := @ (fi(x) y i)p A ; 1 p < 1
i=1
m
X
i=1
m
X
i=1
PAVF c 1999
71
yi)gp
l1 (x) = maxf(fi(x)
yi)g
e (
)
(fi(xp)
i=1
m
X
yi (fi(x) yi)p; 8 x 2
)p
i=1
Suponha x 2
tal que f (x) f (xp) e f (x) 6= f (xp).
Ent~ao existe i tal que fi(x) < fi(xp), o que contraria a
desigualdade acima. Portanto xp 2 e (
)
2
Eventualmente, xp 62 e (
) se p = 1