PAVF

c 1999

Metodos com indicac~ao a-posteriori

 Caractersticas dos metodos a-posteriori

 Metodo das ponderac~oes
 Metodo das -restrico~es
 Programac~ao linear multiobjetivo

72

PAVF c 1999

73

Metodo das ponderac~oes

Caractersticas dos metodos a-posteriori

 Buscam gerar e (
), ou um subconjunto representa-

tivo de e (
), para posterior escolha de uma soluc~ao
de compromisso
 Quase sempre incorporados a outros metodos (a-priori,
interativos) como ferramentas de gerac~ao e analise de
alternativas

Metodo das ponderac~oes

Se f1; f2; : : :; fm s~ao convexas sobre
, e (
) pode ser
gerado resolvendo-se
Pw : minimizarx2
< w; f (x) >
varrendo-se o vetor w em W := fw : w  0;

m
X
i=1

wi = 1g

 Na pratica, a gerac~ao de e (
) por Pw (ou qualquer

outro metodo) e inviavel

 Gerac~ao de subconjuntos de e (
) caracterizados por
informaco~es (prefer^encias) contidas em w 2 W e usual
 Certas propriedades de Pw s~ao uteis ao desenvolvimento de varios metodos multiobjetivos

PAVF c 1999

74

Metodo das ponderac~oes

Problemas convexos
Considere o problema

Pw : minimizarx2
wT f (x)
com w 2 W . Dena

(w) := fx : x resolve Pw g
e

f [
(w)] := fy : y = f (x); x 2
(w)g

Teorema
Se f1; f2; : : :; fm s~ao funco~es convexas sobre
convexo,
ent~ao para cada w 2 W; w > 0, f [
(w)] e um conjunto
convexo contido num mesmo hiperplano do Rm
Prova: O valor otimo de Pw ; w 2 W , pode ser representado como

v(w) := wT f (x); 8 x 2
(w)

PAVF c 1999

75

Metodo das ponderac~oes

Prova (cont.) No espaco dos objetivos,

wT y = v(w); 8 y 2 f [
(w)]
e qquer ponto de f [
(w)] tambem pertence ao hiperplano

H := fy : wT y = v(w)g
ou seja, f [
(w)]  H. Para mostrar que f [
(w)] e convexo, sejam y1 = f (x1); y2 = f (x2) com x1; x2 2
(w).
Como
(w) e convexo, para  2 [0; 1],

v(w) = wT f (x1 + (1 )x2)

 wT [f (x1) + (1 )f (x2)]
 [wT f (x1)] + (1 )[wT f (x2)]
 v(w) + (1 )v(w) = v(w)
Como w > 0, para todo  2 [0; 1],

f (x1) + (1 )f (x2) = f (x1 + (1 )x2)

ou seja, y1 +  y2 2 f [
(w)]

PAVF c 1999

76

Metodo das poderac~oes

Problemas lineares
Se f1; f2; : : : ; fm s~ao lineares e
e um poliedro, e (
)
pode ser gerado por programac~ao linear parametrica

 Resultados especiais para problemas bi-objetivos

Pw : minimizarx2
wf1(x) + (1 w)f2(x)
onde w 2 [0; 1]. Dena

x(w) := arg min

wf1(x) + (1 w)f2(x)
x2

 x(w) e constante por partes:

x(w) = xi; wi  w  wi+1; i = 0; 1; : : : ; d
1
xi PSfrag
replacements

xi
wi 1

xi+1
wi

wi+1

0 = w0 < w1 <


< wd < wd+1 = 1

PAVF c 1999

77

Metodo das -restric~oes

 Metodo mais geral para obtenc~ao de soluco~es ecientes (problemas n~ao-convexos)

 Multiplicadores de Kuhn-Tucker associados as -restrico~es interpretados como trade-os entre objetivos
Seja

Pk () : minimizarx2
fk (x)
s.a fj (x)  j ; 8 j 6= k

Dene-se
k () := fx 2
: fj (x)  j ; 8 j 6= kg e

Ek := f :
k () 6= ;g
Teorema

Sejam 0 2 Ek , x0 uma soluc~ao de Pk (0) e 0kj os multiplicadores de Kuhn-Tucker de fj (x)  0j ; 8 j 6= k. Se

a)
b)
c)

x0 e um ponto regular de Pk (0)

x0 satisfaz as condico~es sucientes de 2a. ordem
n~ao existem restrico~es degeneradas em x0

ent~ao existe x() contnua em  tal que x(0) = x0 e

k
0kj = @f
0
@j

PAVF c 1999

78

Metodo das -restric~oes

Considere

:= fx : gi(x)  0; i = 1; 2; : : :; pg

Func~ao lagrangeana:

l(x; ; ) := fk (x) +

p
X
i=1

igi(x) +

X
j 6=k

kj (fj (x) 0j )

Condico~es de Kuhn-Tucker: se x0 e um mnimo local de

fk sobre
k (0), existem multiplicadores 0i  0; i =
1; 2; : : :; p e 0kj  0; 8 j 6= k tais que
a)
b)

c)

gi(x0)  0; i = 1; 2; : : :; p
fj (x0)  0j ; 8 j 6= k
0i gi(x0) = 0; i = 1; 2; : : :; p
0kj (fj (x0) 0j ) = 0; 8 j 6= k
p

rfk (x0) + X 0i rgi(x) + X 0kj rfj (x) = 0

i=1

j 6=k

Se fj (x0) e0j = 0, ent~ao 0kj > 0 (n~ao-degeneresc^encia)

e como 0j = fj (x0), obtem-se (f 0 := f (x0))

@fk
0kj = @f
0
j
e 0kj indica quanto fk (refer^encia) pode diminuir se fj
aumentar em relac~ao a f 0 (trade-o)

PAVF c 1999

79

Metodo das -restric~oes

Observac~oes

 Condico~es sucientes permitem vericar se 0 gera uma

soluc~ao eciente: x0 2 e (
) se
a)

x0 e a soluc~ao unica de Pk (0)

b)

x0 resolve Pk (0) para k = 1; 2; : : :; m

 Alguns metodos multiobjetivos baseiam-se em

1)

Gerar soluco~es ecientes obtendo os multiplicadores kj associados

2)

Determinar uma soluc~ao eciente cujos multiplicadores casem com os trade-os do decisor

 As tecnicas de gerac~ao atraves de Pw e Pk () s~ao baseadas em escalarizac~ao do problema multiobjetivo

 Se o problema multiobjetivo e linear, pode-se gerar

e (
) sem o uso direto de escalarizac~ao

PAVF c 1999

80

Programac~ao linear multiobjetivo

Problemas multiobjetivos lineares
minimizarx2
f (x)
onde fi(x) = ci x; ci 2 R1n e

2
66
f (x) = Cx; onde C := 6666
4

3
77
7
... 777 ; C 2 Rmn
5

c1
c2

cm

:= fx : Ax  b; x  0g; A 2 Rpn; b 2 Rp

Forma matricial
minimizarx Cx s.a Ax  b; x  0

Proposic~ao 1

Y := fy : y = Cx; x 2
g e um conjunto convexo
Prova: Sejam y1 = Cx1; y2 = Cx2 com x1; x2 2
.
Ent~ao, 8  2 [0; 1],

y1 + (1 )y2 = C (|x1 + (1{z )x2}) 2 Y

2

PAVF c 1999

81

Programac~ao linear multiobjetivo

Problemas multiobjetivos lineares
Se x 2
e eciente, ent~ao n~ao existe qualquer x 2

tal que
Cx  Cx e Cx 6= Cx
e (
) : decis~oes ecientes
e (Y ) := f (e (
)) : valores ecientes

politopico

possui um numero nito de pontos extremos:

ex := fx1; x2; : : : ; xv g


pode ser escrito como

= fx : x =

v
X
i=1

i x i ; i  0;

v
X
i=1

i = 1g


possui um numero nito de pontos extremos ecientes:

e (
)ex := e (
) \
ex

PAVF c 1999

82

Programac~ao linear multiobjetivo

Teorema
e (
)  conv (e (
)ex)

Prova: Assuma que x 2 e (

) e x 62 conv (e (
)ex).
Se
e um politopo e xi 2
ex; i = 1; 2; : : : ; v, existem
i; i = 1; 2; : : :; v tais que

x =

v
X
ixi;

i=1

i  0;

v
X
i = 1

i=1

Caso contrario, x 2 e (
) seria um ponto extremo e
x 2 conv (e (
)ex). Existe ent~ao no mnimo um k tal
que k 6= 0 e

x = k xk +

X  i
i x

i6=k

e xk 62 e (
). Neste caso, k < 1, pois se k = 1, ent~ao
x = xk contradiz x 2 e (
). Seja

onde

X i ! i
k


x;
x = k x + 
i|=
6 k {z }
x2

v
X
 := i. Por outro lado,
i=
6 k

x0 2
tal que

k +  = 1
se xk 62 e (
), existe

Cxk = Cx0 + ;   0;  6= 0

PAVF c 1999

83

Programac~ao linear multiobjetivo

Prova (cont.)
Mas neste caso,

Cx = k Cxk + Cx
= k Cx0 + Cx + k 
= C (|k x0{z+ x}) + k 
2

e do mesmo modo, x 62 e (
) (pois   0;  6= 0),
contradizendo a hipotese inicial
2

Gerac~ao de e (
)
1:
2:
3:

Identique
ex
Dentre
ex, determine e (
)ex
Obtenha e (
) atraves de combinaco~es convexas de
e (
)ex

 Note que, em geral, e (

) 6= conv (e (
))
 Em geral,

e (
) e descrito por pontos extremos e

faces ecientes

PAVF c 1999

84

Programac~ao linear multiobjetivo

PSfrag replacements

Exemplo
c2

C

x2 A
e (
)

F
3

c1

conv (e (
))

2
1

E
1

4 D x1


ex = fA,B,C,D,E,Fg
 e (
)ex = fA,B,C,Dg
 e (
) = ABCD
 Porque n~ao gerar apenas e (
)ex ? A soluc~ao do problema pode n~ao ser um ponto extremo ...

PAVF c 1999

85

Programac~ao linear multiobjetivo

Programac~ao linear (revis~ao)
Considere o PL mono-objetivo na forma padr~ao
minimizarx cx; c 2 R1n
s.a Ax = b; rank(A) = p

x0

Denic~ao - Soluc~ao basica

Seja B 2 Rpp qquer submatriz n~ao-singular formada
por colunas de A e N 2 Rp(n p) a matriz formada pelas
colunas restantes. Denindo x := (xB ; xN ), e possvel
escrever

BxB + NxN = b

e (xB ; 0) e uma soluc~ao basica de Ax = b

 xB : variaveis basicas
 xN : variaveis n~ao-basicas
Denic~ao - Soluc~ao basica degenerada
Uma soluc~ao basica (xB ; 0) e degenerada se uma ou
mais componentes de xB assume valor nulo

PAVF c 1999

86

Programac~ao linear multiobjetivo

Denic~ao - Soluc~ao basica factvel
Uma soluc~ao basica (xB ; 0) e factvel se xB  0. Uma
soluc~ao basica factvel e degenerada se uma ou mais componentes de xB assume valor nulo

Teorema 1 (Teorema fundamental da PL)

Dado um problema linear,
a) Se existe uma solu
c~ao factvel, existe uma soluc~ao basica
factvel
b) Se existe uma solu
c~ao otima factvel, existe uma soluc~ao otima basica factvel

Implicac~ao pratica
A busca por uma soluc~ao otima pode car restrita as
soluco~es basicas, cujo no. maximo e
0 1
@n A=

n!
p!(n p)!

Metodo Simplex
Evolui de uma soluc~ao basica factvel a outra de maneira
a decrescer continuamente o valor da func~ao objetivo

PAVF c 1999

87

Programac~ao linear multiobjetivo

Forma can^onica
BxB + NxN = b
xB + B 1NxN = B 1b
x1 x2


xp xp+1 xp+2


xn
1 0


0 a1;p+1 a1;p+2


a1;n b1
0 1


0 a2;p+1 a2;p+2


a1;n b2
... ... . . .
0 0

...
...
... . . . ...
1 ap;p+1 ap;p+2


ap;n

...

br

 Relativamente a base formada (spg) pelas primeiras p

colunas de A,

aij : representac~ao de aij (A := faij g)

bi : representac~ao de bi

 No caso,

xB = (x1; x2; : : : ; xp) = (b1; b2; : : : ; bp)

xN = (xp+1; xp+2; : : : ; xn) = (0; 0; : : :; 0)

 Assume-se a exist^encia de uma soluc~ao basica factvel:

xB = (b1; b2; : : : ; bp; 0; 0; : : :; 0)

PAVF c 1999

88

Programac~ao linear multiobjetivo

Func~ao objetivo
z = cx = c1x1 + c2x2 +


+ cnxn
= cB xB + cN xN
e em relac~ao a qualquer soluc~ao basica, z = z0 := cB xB .
Por outro lado,

z = cB [B 1b B 1NxN ] + cN xN
= cB B 1b + [cN cB B 1N ]xN
= z0 + [|cN c{zB B 1N }] xN
custos relativos

Dene-se

J : ndices das variaveis basicas

J : ndices das variaveis n~ao-basicas
I := J [ J = f1; 2; : : :; ng

Teorema 2 (Condic~ao de otimalidade)

Se para alguma soluc~ao basica factvel

rj := [cN cB B 1N ]j  0; 8 j 2 J
ent~ao a soluc~ao basica considerada e otima

PAVF c 1999

89

Programac~ao linear multiobjetivo

Algoritmo Simplex
1:

2:

3:

4:

5:

Obtenha a forma can^onica do problema linear; determine uma soluc~ao basica factvel inicial. O problema
e infactvel caso n~ao exista tal soluc~ao
Se rj  0; 8 j 2 J pare: a base corrente e otima.
Sen~ao, va para o passo 3
Selecione q tal que rq < 0. A variavel n~ao-basica xq
devera entrar na base. Va para o passo 4
Calcule as raz~oes bi=aiq para todo aiq > 0; i = 1; : : : ; p.
Se aiq  0; i = 1; : : : ; p, pare: o problema e ilimitado.
Caso contrario, selecione o ndice s correspondente a
menor raz~ao e va para o passo 5
Introduza a variavel xq na base atraves de pivoteamento sobre o elemento sq e volte ao passo 2

Caractersticas

 Converg^encia nita: existe um no. nito de soluco~es

basicas factveis
 Existem algoritmos mais ecientes para certos tipos de
problemas lineares

PAVF c 1999

90

Programac~ao linear multiobjetivo

Simplex Multiobjetivo
Na forma can^onica inicial,

B 1N
B 1b
0 c1N c1B B 1N z10
0 c2N c2B B 1N z20

...
...
0 cmN cmBB 1N

...

zm0

ciB ; ciN : custos basicos e n~ao-basicos do objetivo i

zi0 = ciB B 1b : valor corrente do objetivo i
x1 x2


xp xp+1 xp+2


xn
1 0


0 a1;p+1 a1;p+2


a1;n
0 1


0 a2;p+1 a2;p+2


a1;n
...
0
0
0
...
0

...
0
0
0
...
0

. . . ...



1



0



0
. . . ...



0

...

...

...

...

...

...

...

...

b1
b2
...

ap;p+1 ap;p+2


ap;n

r1;p+1 r1;p+2


r1;n
r2;p+1 r2;p+2


r1;n

bp
z10
z20

rm;p+1 rm;p+2


rm;n

zm 0

...

Dene-se o vetor de custos relativos da variavel xj como

rj := [r1;j r2;j


rm;j ]T ; j 2 J

PAVF c 1999

91

Programac~ao linear multiobjetivo

 Para todo j 2 J determina-se

j := min
fbi=aij ; aij > 0g
i
 Se a coluna j 2 J for introduzida na base, sera obtida

uma nova soluc~ao que se relaciona com a anterior atraves

de

z 2 = z 1 + j r j
i z i


z i ]T
onde z i := [z10
20
m0

Proposic~ao 2
Dada uma soluc~ao basica factvel e assumindo j > 0
para algum j 2 J , ent~ao
a)
a)

Se rj  0 e rj 6= 0, ent~ao a base corrente n~ao e

eciente
Se rj  0 e rj 6= 0, ent~ao a introduc~ao da variavel (coluna) xj na base conduz a uma soluc~ao n~ao-eciente

Proposic~ao 3
Dada uma soluc~ao basica factvel, se existem colunas
l; k 2 J tais que lrl  k rk e lrl 6= k rk , ent~ao a
soluc~ao resultante de se introduzir a coluna k e dominada
pela soluc~ao de se introduzir a coluna l na base

PAVF c 1999

92

Programac~ao linear multiobjetivo

Proposic~ao 4
Dada uma soluc~ao basica factvel, se ri;j  0; 8 j 2 J ,
ent~ao o objetivo i esta no seu valor mnimo. Se a soluc~ao
for unica (ri;j > 0; 8 j 2 J ), a soluc~ao basica corrente e
eciente
As proposico~es anteriores

 fornecem informaco~es limitadas acerca de uma dada

soluc~ao basica ser eciente ou n~ao

 indicam que determinadas mudancas de base levam a
soluco~es basicas n~ao-ecientes
 n~ao garantem que, mesmo excludas as mudancas explicitamente vedadas, a soluc~ao basica seguinte sera
eciente
Considere o Problema Auxiliar (PA)
maximizarx;

m
X
i=1

i

s.a Ax = b

Cx +  = Cx0
x  0;   0

 := (1; 2; : : : ; m)

x0 2
: soluc~ao factvel qualquer

PAVF c 1999

93

Programac~ao linear multiobjetivo

Teorema 3
Dado x0 2
, seja  o valor otimo do problema auxiliar
(  0). Ent~ao x0 2 e (
) se e somente se  = 0
Prova: Seja x 2
;   0 uma soluc~ao otima do problema auxiliar e suponha que  > 0. Ent~ao existe ao menos
um k tal que k > 0 e

ck x < ck x0
e portanto x0 62 e (
). Se  = 0, ent~ao i = 0; i =
1; 2; : : :; m e n~ao existe x 2
tal que

Cx  Cx0 e Cx 6= Cx0
ou seja, x0 2 e (
)

 PA: usado para vericar se uma dada soluc~ao basica e

ou n~ao eciente

 pode ser formulado e resolvido a partir do tableau que

expressa a soluc~ao basica objeto da vericac~ao

 parte essencial de qualquer algoritmo destinado a gerar

soluco~es basicas ecientes do problema multiobjetivo

PAVF c 1999

94

Programac~ao linear multiobjetivo

Formulac~ao do PA
Seja B uma base associada ao problema multiobjetivo e
x0 a soluc~ao basica correspondente. O tableau do problema
auxiliar e

Apn Ipp 0pm bp1

Cmn 0mp Imm Cx0
01n 01p e1m 0
e := [1 1


1]
Em termos da base B ,

B 1A
B 1 0pm B 1b
C cB B 1A cB B 1 Imm 0m1
e[cB B 1A C ] ecB B 1 01m 0
que fornece a soluc~ao basica (x; e) = (x0; 0) para o problema auxiliar. Note que cB B 1b = Cx0 e se

e[cB B 1A C j cB B 1]  0
ent~ao x0 tambem resolve PA

PAVF c 1999

95

Programac~ao linear multiobjetivo

Algoritmo Simplex Multiobjetivo (Zeleny, 1982)
1:
2:

3:

4:
5:

6:

7:
8:

Determine uma soluc~ao basica factvel inicial x0; faca

k = 0 (no. de bases) e l = 0 (no. bases ecientes)
Se xk minimiza algum objetivo, ent~ao xk (ou alguma
soluc~ao otima alternativa) e eciente; registre xk , faca
l = l + 1 e va para 5. Sen~ao, va para 3
Se rj  0; rj 6= 0 para algum j 2 J , ent~ao xk 62
e (
). Se a introduc~ao de j leva a uma base n~ao
explorada, faca a atualizac~ao, k = k + 1 e volte para
2; sen~
ao, va para 8. Se n~ao existe j 2 J tal que
j
r  0; rj 6= 0, va para 4
Formule e resolva o problema auxiliar (PA). Se xk e
eciente, registre xk e faca l = l + 1; va para 5
Verique se existe coluna dominante. Se existe e a base
resultante ainda n~ao foi explorada, faca a atualizac~ao,
k = k + 1 e va para 2; se a base ja foi explorada, va
para 8. Se n~ao existe coluna dominante, va para 8 se
xk 62 e (
) ou para 6 se xk 2 e (
) e/ou l = 0
Verique se existem colunas rj ; j 2 J n~ao comparaveis com o vetor 0. Se existem colunas deste tipo,
va para 7; se n~ao existem, va para 8
Armazene todas as colunas (bases) n~ao exploradas que
n~ao levariam a soluco~es dominadas; va para 8
Se existirem bases armazenadas a explorar, selecione
uma delas, faca a atualizac~ao, k = k + 1 e va para 2;
sen~ao, m

PAVF c 1999

96

Programac~ao linear multiobjetivo

Exemplo
minimizarx (f1(x); f2(x))
s.a gi(x)  0; i = 1; 2; 3; 4

x1; x2 
0
PSfrag replacements

f1(x) = 5x1 + 2x2

f2(x) = x1 4x2
g1(x) = x1 + x2 3
g2(x) = x1 + x2 8
g3(x) = x1 6
g4(x) = x2 4

c1

x2

c2

g1

3 B
2
1
0

e (
) = CDEF

g4

g3

E
g2

F
1

ex = fA,B,C,D,E,Fg
e (
)ex = fC,D,E,Fg

x1

PAVF c 1999

97

Programac~ao linear multiobjetivo

1:

Soluc~ao inicial

x1 x2 x3 x4 x5 x6
-1
1
1
0
-5
1

1
1
0
1
2
-4

1
0
0
0
0
0

0
1
0
0
0
0

0
0
1
0
0
0

0
0
0
1
0
0

3
8
6
4
0
0

 x0 = A = (0; 0; 3; 8; 6; 4); k = 0; l = 0
2:

Nenhum objetivo no valor otimo

3:

Nenhuma coluna rj  0; rj 6= 0 para algum j 2 J

4:

Formular e resolver o problema auxiliar

x1 x2 x3 x4 x5 x6 1 2
-1
1
1
0
-5
1
4

1
1
0
1
2
-4
2

1
0
0
0
0
0
0

0
1
0
0
0
0
0

0
0
1
0
0
0
0

0
0
0
1
0
0
0

0
0
0
0
1
0
0

0
0
0
0
0
1
0

3
8
6
4
0
0
0

PAVF c 1999

98

Programac~ao linear multiobjetivo

4:

O valor do PA pode ser melhorado introduzindo a variavel x1; 2 deixa a base; o novo tableau e

x1 x2 x3 x4 x5 x6 1 2
0 -3 1 0
0 5 0 1
0 4 0 0
0 1 0 0
0 -18 0 0
1 -4 0 0
0 18 0 0

0
0
1
0
0
0
0

0
0
0
1
0
0
0

0
0
0
0
1
0
0

1
-1
-1
0
5
1
-4

3
8
6
4
0
0
0

Pode-se introduzir x2, com a sada de x5, mas o pivotemanto produzira 1 = 6  (18=4) = 27. Portanto  > 0
e x0 62 e (
)
5:

N~ao existe coluna dominante

(l = 0) As colunas de custos 1 e 2 n~ao s~ao comparaveis

com 0

6:

Bases a explorar: J1 = f1; 3; 4; 6g; J2 = f2; 4; 5; 6g,

relativas as colunas 1 e 2
7:

PAVF c 1999

99

Programac~ao linear multiobjetivo

Existem bases a explorar; escolhe-se J2; x2 entra na
base, sai x3; o tableau apos pivotemento e
8:

x1 x2 x3 x4 x5 x6
-1
2
1
1
-3
-3

1
0
0
0
0
0

1
-1
0
-1
-2
4

0
1
0
0
0
0

0
0
1
0
0
0

0 3
0 5
0 6
1 1
0 -6
0 12

 x1 = B = (0; 3; 0; 5; 6; 1); k = 1
2:

Nenhum objetivo no valor otimo

r1  0; r1 6= 0; a base corrente n~ao e eciente; introduzir x1 com a sada de x6 leva a uma base n~ao explorada
(J = (1; 2; 4; 5)); pivoteando ...

3:

x1 x2 x3 x4 x5 x6
0
0
0
1
0
0

1
0
0
0
0
0

0
1
1
-1
-5
1

0
1
0
0
0
0

0
0
1
0
0
0

 x2 = C = (1; 4; 0; 3; 5; 0); k = 2

-1 4
-2 3
-1 5
1 1
3 -3
3 15

PAVF c 1999

100

Programac~ao linear multiobjetivo

O objetivo f2 esta no otimo; a soluc~ao e unica; x2 e
eciente; l = 1
2:

5:

A coluna 3 e dominante em relac~ao a 6; a base resultante

(J = (1; 2; 3; 5)) n~ao foi explorada; pivoteando

x1 x2 x3 x4 x5 x6
0
0
0
1
0
0

1
0
0
0
0
0

0
1
0
0
0
0

0
1
-1
1
5
-1

0
0
1
0
0
0

-1 4
-2 3
1 2
1 4
-7 12
5 12

 x3 = D = (4; 4; 3; 0; 2; 0); k = 3
2:
3:
4:

Nenhum objetivo no valor otimo

Nenhuma coluna rj  0; rj 6= 0 para algum j 2 J
Formular e resolver o problema auxiliar

x1 x2 x3 x4 x5 x6 1 2
0
0
0
1
0
0
0

1
0
0
0
0
0
0

0
1
0
0
0
0
0

0
1
-1
1
5
-1
-4

0
0
1
0
0
0
0

-1
-2
1
1
-7
5
2

0
0
0
0
1
0
0

0
0
0
0
0
1
0

4
3
2
4
0
0
0

PAVF c 1999

101

Programac~ao linear multiobjetivo

4:

O valor de PA pode ser melhorado introduzindo a variavel x6 na base, saindo 2; pivoteando ...

x1 x2 x3
0
0
0
1
0
0
0

1
0
0
0
0
0
0

x4 x5 x6 1

0 1/5 0 0
1 3/5 0 0
0 -4/5 1 0
0 6/5 0 0
0 18/5 0 0
0 -1/5 0 1
0 -18/5 0 0

0
0
0
0
1
0
0

2

-1/5
2/5
-1/5
-1/5
7/5
1/5
-2/5

4
3
2
4
0
0
0

 O valor otimo de PA foi atingido com  = 0; x3 e

eciente; l = 2

5:

N~ao existe coluna dominante

6:

As colunas 4 e 6 s~ao n~ao comparaveis com 0

Bases a explorar: J3 = f1; 2; 4; 5g, ja explorada, e

J4 = f1; 2; 3; 6g, relativas as colunas 4 e 6
7:

As bases existentes s~ao J1 = f1; 3; 4; 6g e J4 = f1; 2; 3; 6g;

escolhe-se introduzir a coluna 6, levando a base J4; pivoteando ...
8:

PAVF c 1999

102

Programac~ao linear multiobjetivo

x1 x2 x3 x4 x5 x6
0
0
0
1
0
0

1
0
0
0
0
0

0
1
0
0
0
0

1
-1
-1
0
-2
4

-1
2
1
1
7
-5

0 2
0 7
1 2
0 6
0 26
0 2

 x4 = E = (6; 2; 7; 0; 0; 2); k = 4
2:
3:
4:

Nenhum objetivo no valor otimo

Nenhuma coluna rj  0; rj 6= 0 para algum j 2 J
Formular e resolver o problema auxiliar

x1 x2 x3 x4 x5 x6 1 2
0
0
0
1
0
0
0

1
0
0
0
0
0
0

0
1
0
0
0
0
0

1
-1
-1
0
-2
4
-2

-1
2
1
1
7
-5
-2

0
0
1
0
0
0
0

0
0
0
0
1
0
0

0
0
0
0
0
1
0

2
7
2
6
0
0
0

 x4 resolve PA e  = 0; x4 e eciente; l = 3

PAVF c 1999

103

Programac~ao linear multiobjetivo

5:

N~ao existe coluna dominante

6:

Nenhuma coluna de custos comparavel com 0

Base a explorar: J1 = f1; 3; 4; 6g; entra x4, sai x2;

pivoteando, ...

8:

x1 x2 x3 x4 x5 x6
0
0
0
1
0
0

1
1
1
0
2
-4

0
1
0
0
0
0

1
0
0
0
0
0

-1
1
0
1
5
-1

0 2
0 9
1 4
0 6
0 30
0 -6

 x5 = F = (6; 0; 9; 2; 0; 4); k = 5
O objetivo f1 esta no otimo; a soluc~ao e unica; x5 e
eciente; l = 4
2:

A coluna 2 e dominante, mas a base J = f1; 2; 4; 6g ja

foi explorada

5:

8:

N~ao existem bases armazenadas a explorar; m

PAVF c 1999

104

Programac~ao linear multiobjetivo

Resumo
A
B
C
D
E
F

x1 x2 x3 x4 x5 x6 f1 f2
0
0
1
4
6
6

0
3
4
4
2
0

3
0
0
3
7
9

8
5
3
0
0
2

6
6
5
2
0
0

4 0 0
1 6 -12
0 3 -15
0 -12 -12
2 -26 -2
4 -30 6

 A base A e dominada por D e E; B e dominada por C;

C,D,E e F s~ao soluco~es basicas ecientes
 Os valores utopicos de f1 e f2 s~ao y1 = 30 e y2 =
15, respectivamente
 O exemplo teve incio com uma soluc~ao n~ao eciente
(A); uma maneira de obter uma base inicial eciente
seria resolver
minimizarx

m
X
i=1

wicix s.a Ax  b; x  0

para qualquer w 2 W com w > 0. A soluc~ao deste

problema ponderado e uma base eciente do problema
 Outros metodos poderiam ser usados para obter uma
base inicial eciente