Você está na página 1de 22

Universidade Federal da Bahia

Escola Politécnica - Departamento de Engenharia Elétrica


Programa de Pós Graduação em Engenharia Elétrica

ENG574 - Otimização

Semestre: 2019.2
Profa: Luciana Martinez
2019.2 ENG574 - Otimização

’Aurélio’

Otimização.[De otimizar+-ção] S.f. 1. Estat. Processo pelo qual se


determina o valor ótimo de uma grandeza.

Ótimo. [Do lat. optimu] Adj. 3. Diz-se de grau, quantidade ou


estado que se considera o mais favorável em relação a um determinado
critério.

Contextualizando

Conceitos métodos e aplicações relacionadas à determinação das me-


lhores soluções para problemas de tomada de decisão a partir de mo-
delos matemáticos.

DEE-UFBA 2/22
2019.2 ENG574 - Otimização

Otimização envolve,

• Estudo de condições de otimalidade


• Sı́ntese de métodos algoritmicos
• Análise da estrutura dos algoritmos
• Experimentação computacional
• Aplicações em áreas diversas

DEE-UFBA 3/22
2019.2 ENG574 - Otimização

1 Introdução à Otimização de Sistemas

A filosofia de otimização é extremamente adequada ao tratamento de problemas


complexos de tomada de decisões. Problemas reais envolvem:

Objetivos: Quantificam aspectos essenciais do problema, tais como desempenho


e custo, sujeitos a otimização. Medem a qualidade da decisão tomada;

Variáveis: Grandezas sobre as quais se exerce controle visando atingir o objetivo


especificado. A escolha dos valores destes elementos determina a decisão tomada;

Parâmetros: Valores constantes que caracterizam um modelo de otimização


particular;

Restrições: Relações que restringem os valores que as variáveis de decisão podem


assumir.

DEE-UFBA 4/22
2019.2 ENG574 - Otimização

Modelagem do problema: Etapa importante!

O modelo deve ser suficientemente complexo, para descrever o mais


o processo de maneira fiel, e ao mesmo tempo matematicamente
tratável.

Forma geral de um problema de otimização:

maximizarf (x)
sujeito a : x ∈ Ω

em que:
x - vetor de variáveis de decisão,
Ω - conjunto admissı́vel,
f (x) - função objetivo (ou critério).

DEE-UFBA 5/22
2019.2 ENG574 - Otimização

Os problemas de otimização podem ser classificados segundo a natu-


reza de x, f (:) e Ω:

Linear ou não-linear: um problema de otimização é linear quando


a função objetivo e as restrições são lineares em relação às variáveis
de decisão. Caso contrário, o problema é não-linear.

Mono ou multi-objetivo: um problema é mono-objetivo quando


possui uma única função objetivo e é multi-objetivo quando várias
funções objetivo são consideradas simultaneamente. Neste último
caso deve-se procurar uma solução de compromisso.

Irrestritos ou Restritos: um problema é irrestrito quando não


possui restrições envolvendo as variáveis de decisão. Caso contrário
o problema é restrito.

DEE-UFBA 6/22
2019.2 ENG574 - Otimização

Determinı́stico ou estocástico: um problema é determinı́stico


quando o objetivo e as restrições são funções de variáveis deter-
minı́sticas e é estocástico quando o objetivo e/ou as restrições são
funções de variáveis aleatórias.

Diferenciável ou não-diferenciável: um problema é diferen-


ciável se o objetivo e as restrições são funções diferenciáveis das
variáveis de decisão e é não-diferenciável caso contrário.

Estático ou dinâmico: um problema é dinâmico quando as


variáveis de decisão são funções do tempo e é estático caso contrário.

E ainda: variáveis reais, inteiras ou mistas


DEE-UFBA 7/22
2019.2 ENG574 - Otimização

Algumas aplicações
Problema da dieta: Como selecionar alimentos e suas quantida-
des de modo a satisfazer as necessidades básicas de nutrientes
de um indivı́duo a um custo mı́nimo?

DEE-UFBA 8/22
2019.2 ENG574 - Otimização

Algumas aplicações
Problema da dieta: Como selecionar alimentos e suas quantida-
des de modo a satisfazer as necessidades básicas de nutrientes
de um indivı́duo a um custo mı́nimo?
Sejam:
xj j = 1, 2, . . . , n quantidade do alimento j
bi i = 1, 2, . . . , m quantidade mı́nima necessária do nutriente i

i = 1, 2, . . . , m
ai,j concentração do nutriente i no alimento j
j = 1, 2, . . . , n
cj j = 1, 2, . . . , n custo do alimento j

Para que as necessidades mı́nimas de nutriente sejam respeitadas a


um custo mı́nimo, tem-se então o seguinte problema de otimização:

DEE-UFBA 9/22
2019.2 ENG574 - Otimização

minimizar c1x1 + c2x2 + . . . cnxn = f (x1, x2, . . . , xn)




 a11x1 + a12x2 + . . . + a1nxn ≥ b1


 a21x1 + a22x2 + . . . + a2nxn ≥ b2



sujeito a : ..
am1x1 + am2x2 + . . . + amnxn ≥ bn







x1, x2, . . . , xn ≥ 0

Forma matricial:
minx f (x) = cT x
(
Ax = b
s. a :
x≥0

DEE-UFBA 10/22
2019.2 ENG574 - Otimização

 
a11 a12 . . . a1n
     
c1 b1 x1
 
 
 c2   a21 a22 . . . a2n   
 b2 
 
 x2 
c= 
 . , A= . , b= 
 . , x= 
 . .
    
.  .  .  . 
 
cn am1 am2 . . . amn bm xn

Programação Linear

• Algoritmo SIMPLEX

DEE-UFBA 11/22
2019.2 ENG574 - Otimização

Suponhamos que no problema da dieta deseje-se minimizar também


os nı́veis de colesterol e de carboidratos, considerando-se:
si: concentração de colesterol por unidade do alimento i,
ri: concentração de carboidrato por unidade do alimento i,

DEE-UFBA 12/22
2019.2 ENG574 - Otimização

Suponhamos que no problema da dieta deseje-se minimizar também


os nı́veis de colesterol e de carboidratos, considerando-se:
si: concentração de colesterol por unidade do alimento i,
ri: concentração de carboidrato por unidade do alimento i,

T


 f 1 (x) = c1 x 1 + c 2 x 2 + . . . , cn x n = c x
T
minx f2(x) = s1x1 + s2x2 + . . . , snxn = s x
 f (x) = r x + r x + . . . , r x = rT x

3 1 1 2 2 n n
(
Ax = b
s. a :
x≥0

Otimização Multi Objetivo

Não é possı́vel otimizar todos os objetivos simultaneamente: “solução


de compromisso”

DEE-UFBA 13/22
2019.2 ENG574 - Otimização

Programação Estocástica: Problema onde a função objetivo e/ou


as restrições são funções de variáveis aleatórias.

minimizar E{c1x1 + c2x2 + . . . cnxn}




 a11x1 + a12x2 + . . . + a1nxn ≥ b1


 a21x1 + a22x2 + . . . + a2nxn ≥ b2



sujeito a : ..
am1x1 + am2x2 + . . . + amnxn ≥ bn







x1, x2, . . . , xn ≥ 0

em que E: representa a esperança matemática, cT = [c1 c2 . . . cn]


é um vetor de variáveis aleatórias
Estratégia de solução: obter um modelo determinı́stico equiva-
lente.
DEE-UFBA 14/22
2019.2 ENG574 - Otimização

Exercı́cio: Formular, como um problema de otimização, o


cálculo do paralelepı́pedo de volume máximo, com área constan-
te igual a c.

DEE-UFBA 15/22
2019.2 ENG574 - Otimização

Exercı́cio: Formular como um problema de otimização o se-


guinte problema de transporte:

Sejam:

ai, i = 1, . . . , m quantidade de produto a ser enviada da localidade

bj , j = 1, . . . , n quantidade de produto a ser recebida na localidade



i = 1, 2, . . . , m custo unitário de transporte do produto
ci,j ,
j = 1, 2, . . . , n da localidade i para a localidadej

Determinar as quantidades xi,j de produto a serem transportadas


entre cada par origem-destino (i, j) de modo a satisfazer as exigências
de entrega e minimizar o custo total do transporte.
Pm Pn
OBS.: i=1 ai = j=1 bi

DEE-UFBA 16/22
2019.2 ENG574 - Otimização

ENG 574 - Otimização:

• lineares,
• não-lineares diferenciáveis,
• mono-objetivos,
• determinı́sticos,
• estáticos,
e que podem ser escritos matematicamente na forma:
minx f (x)

h (x) = 0, i = 1, . . . , m
 i


s. a : gj (x) ≤ 0, j = 1, . . . , n


x∈Ω

Sendo Ω = {x ∈ <n : x ≤ 0} o conjunto de restrições.

DEE-UFBA 17/22
2019.2 ENG574 - Otimização

Programa do Curso

1. Introdução
2. Fundamentos Matemáticos
• Espaços Lineares
• Normas
• Matrizes
• Funções
• Conjuntos e Funções Convexos

DEE-UFBA 18/22
2019.2 ENG574 - Otimização

3. Otimização Não Linear


• Problemas sem Restrições
• Problemas com Restrições
- Problemas com Restrições de Igualdade
- Problemas com Restrições de Desigualdade
- Condições Suficientes Gerais
- Noções de Dualidade
4. Métodos Numéricos de Otimização Não-Linear
• Convergência de Seqüências
• Forma Geral dos Métodos de Descida
• Busca Unidimensional
• Método do Gradiente
• Método de Newton
• Métodos Quasi-Newton

DEE-UFBA 19/22
2019.2 ENG574 - Otimização

• Método do Gradiente Conjugado


• Métodos de Direções Admissı́veis (Otimização com Restrições)
• Método do Gradiente Projetado
• Método de Penalidades
• Método do Lagrangeano Aumentado
• Métodos de Pontos Interiores
• Métodos à definir
5. Otimização Linear
• Forma Padrão
• Definições Básicas
• Teoremas Fundamentais
• O Método Simplex

DEE-UFBA 20/22
2019.2 ENG574 - Otimização

Bibliografia

D.G. Luenberger, “Linear and Nonlinear Programming,”Addison-Wesley


Publishing Company, 2nd edition, 1989.
D.P. Bertsekas, “Nonlinear Programming,”Athena Scientific, 2nd
edition, 1999.
M. S. Bazaraa, H. D. Sherali, C. M. Shetty, “Nonlinear Program-
ming: Theory and Algorithms,”Wiley, 2nd Edition, 1993.
M.A. Bhatti, “Practical Optimization Methods,”Springer-Verlag, 2000.
J. Nocedal, S. J. Wright “Numerical Optimization,”Springer, 2006.

DEE-UFBA 21/22
2019.2 ENG574 - Otimização

Avaliação

P1 ∗ 3, 5 + P2 ∗ 3, 5 + T ∗ 3, 0
Média =
10
P1, P2 notas das provas e T média dos trabalhos computacionais.

Datas das Avaliações


Provas: 23 de setembro, 13 de novembro.

Entrega dos trabalhos computacionais: 27 de novembro.

Apresentações dos trabalhos computacionais: 27 de novembro e 02


de dezembro.

DEE-UFBA 22/22