Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

Variantes sobre o mtodo Simplex: Mtodo do grande M

Revises
Simplex bsico Soluo ptima multipla
Em simplex: valores 0 na funo custo

Soluo degenerada
Em simplex: empates na varivel a sair, variveis base nulas

Soluo ilimitada
Em simplex: no h variveis para sair

Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

Variantes do simplex
Casos em que so necessrios
Restries so do tipo = ou No h soluo inicial admissvel

Mtodo do Grande M
Ideia base:
Vamos acrescentar uma VARIVEL ARTIFICIAL nas equaes (similar folga), mas vamos forar essa varivel artificial a anular-se no fim.

Exemplo do Wyndor Glass Co.

Se impusermos que a oficina 3 tem que ser usada em pleno, a 3 restrio fica
3x1+2x2 = 18

Sistema revisto:
Funo objectivo
Z =3x1+5x2

x2 (janelas)

10

Restries
x1 4 2x2 12 3x1+2x2 =18

2 1 0 1 2 5 10 x1 (portas)

Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

Formulao para simplex

Sistema aumentado Z- 3x1 - 5x2 x1 +s1 2x2 +s2 3x1+ 2x2 +s3 =0 =4 = 12 = 18

Vamos introduzir uma forte penalizao para um valor positivo deste factor
Como funciona ?

No final TEM que ser 0 !

Sistema aumentado Z- 3x1 - 5x2 +Ma3 =0 x1 +s1 =4 2x2 +s2 = 12 3x1+ 2x2 +a3 = 18

M- Um nmero arbitrariamente grande Podemos substituir M por um nmero (neste caso, 10000), ou manipul-lo algebricamente

1 Passo do mtodo big M

Ao introduzir as penalizaes, deixamos de ter a forma cannica da matriz (a diagonal de variveis base)
Usar eliminao de Gauss ! Passar para forma cannica

V
Z

x1
-3 1 0 3

x2
-5 0 2 2

s1
0 1 0 0

s2
0 0 1 0

a3
M 0 0 1 0 4 12 18

V
Z

x1
-(3M+3) 1 0 3

x2
-(2M+5) 0 2 2

s 1 s 2 a3
0 1 0 0 0 0 1 0 0 0 0 1 -18M 4 12 18

s1 s2 a3

s1 s2 a3

Temos a forma cannica, mas no uma soluo vivel !

Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

2Passo:avanar at soluo vivel

V
Z

(1)

x1
-(3M+3) 1 0 3

x2
-(2M+5) 0 2 2

s1
0 1 0 0

s2
0 0 1 0

a3
0 0 0 1 -18M 4 12 18

s1 s2 a3

V
Z

x1
0 1 0 0

x2
-(2M+5) 0 2 2

s1
3M+3 1 0 -3

s2
0 0 1 0

a3
0 0 0 1 -6M+12 4 12 6

x1 s2 a3

2Passo:avanar at soluo vivel

(2)

V
Z

x1
0 1 0 0

x2
-(2M+5) 0 2 2

s1
3M+3 1 0 -3

s2
0 0 1 0

a3
0 0 1 1 -6M+12 4 12 6

x1 s2 a3 V
Z

x1
0 1 0 0

x2
0 0 0 1

s1
-4 1/2 1 3 -1 1/2

s2
0 0 1 0

a3
M+5/2 27 0 0 1/2 4 6 3

x1 s2 x2

Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

Restries do tipo
Em vez de somar uma varivel de folga, vamos subtra-la
x1+x2 k x1+x2 s3 = k

Introduo de uma varivel artificial x1+x2 k x1+x2 s3 + a3 = k

Exemplo com restries =, ,

Radio-terapia
Regular a intensidade dos vrios feixes de modo a:
No exceder o nvel crtico em zonas saudveis Ter exactamente o nvel crtico na zona limtrofe do tumor Exceder o nvel crtico no local do tumor Minimizar a quantidade total de radiao

Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

Pormenores sobre o problema

Ideia base
Ter vrios feixes que se interceptam num ponto. Nesse ponto, a dose total muito maior

Absoro diferenciada
Diferentes tecidos absorvem quantidades diferentes de radiao Diferentes tecidos tm tolerncias diferentes

Complicaes do problema real

H centenas (milhares?) de feixes possveis
No problema para o Simplex !

O feixe disperso medida que passa pelo corpo

Modelo apresentado no tem isso em conta

Os danos no dependem linearmente da dosagem

necessrio usar um modelo no-linear

Ver (por exemplo)

Optimizing the Delivery of Radiation Therapy to Cancer patients, by Shepard, Ferris, Oliveira, and Mackie, SIAM Review, Vol 41, pp 721-744, 1999.

Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

Problema simplificado
Caso da Mary (de Lieberman)
Apenas dois feixes so possveis Tumor perto de zonas muito sensveis
Tecido absoro Feixe 1 Saudvel Sensvel Tumor Tumor (ctr.) 0.4 0.3 0.5 0.6 Feixe 2 0.5 0.1 0.5 0.4 Dose max. minimo 2.7 =6 6

Feixe 1

Feixe 2

Formalizao
Objectivo
Ajustar a intensidade dos feixes de modo a optimizar o tratamento

Variveis de deciso
x1 Intensidade do feixe 1 x2 - Intensidade do feixe 1

Funo objectivo:
Z radiao que atinge a zona saudvel
min z = 0.4 x1 + 0.5 x2 s.a 0.3x1 + 0.1x2 2.7 0.5x1 + 0.5x2 = 6 0.6x1 + 0.4x2 6 x1, x2, > 0 Zona sensvel Zona tumor Centro do Tumor

Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

Soluo grfica

Resoluo com o grande M

Transformaes
Minimizar Z Maximizar Z Acrescentar variaveis artificiais em 2 e 3
Equao 0 1 2 3 z -1 0 0 0 x1 0.4 0.3 0.5 0.6 x2 0.5 0.1 0.5 0.4 s1 a2 0M 1 0 0 s3 0 1 0 a3 0 M 0 0 -1 radiacao 0 0 1 0 2.7 6 6

Equao z 0 (Z) 1 (s1) 2 (a2) 3 (a3)

x1 x2 s1 -1 -1.1M+0.4 -0.9M+0.5 0 0,3 0,1 0 0,5 0,5 0 0,6 0,4

a2 0 1 0 0

s3 0M 0 1 0

a3 0 0 -1

radiacao 0 -12M 0 2,7 0 6 1 6

Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

Resoluo completa
Equao z

1 Z
s1 a2 a3 2 Z x1 a2 a3 3 Z x1 a2 x2 4 Z x1 s3 x2

x1 x2 s1 a2 s3 a3 radiacao -1 -1.1M+0.4 -0.9M+0.5 0 0 M 0 -12M 0 0.3 0.1 1 0 0 0 2.7 0 0.5 0.5 0 1 0 0 6 0 0.6 0.4 0 0 -1 1 6 0 M 0 -2.1M-3.6 -1 0 -16/30M+11/30 11/3M-4/3 0 1 1/3 10/3 0 0 0 9 0 0 1/3 -5/3 1 0 0 1.5 0 0 0.2 -2 0 -1 1 0.6 -1 0 0 -5/3M+7/3 0 -5/3M+11/6 -8/3M-11/6 -0.5M-4.7 0 1 1 20/3 0 5/3 -5/3 8 0 0 0 5/3 1 5/3 -5/3 0.5 0 0 0 -10 0 -5 5 3 -1 0 0 0.5 M-1.1 0 M -5.25 0 1 1 5 -1 0 0 7.5 0 0 0 1 0.6 1 -1 0.3 0 0 0 -5 3 0 0 4.5

Soluo final
Usar uma dose de 7.5 Kilorads no feixe 1 Usar uma dose de 4.5 Kilorads no feixe 2
Soluo real

Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

Mtodo das duas fases

Ao usar o mtodo do grande M
1 Eliminar as variveis artificiais
For-las a zero, tirando-as da base

2 Fazer a optimizao propriamente dita

Separar essas duas fazes:

1 Minimizar a soma das variveis artificias
Usar Simplex com Z=-Ma1-Ma2.

2 Usar o Simplex com a funo objectivo do problema

No exemplo de radiao
Funes a minimizar
1 Fase: Z=a2+a3 2 Fase: Z=0.4x1+0.5x3

Mtodo das duas fases no usa M, e por isso mais usado nas implementaes computacionais

10

Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

Variveis negativas
Se estiverem limitadas inferiormente
x1 -L x2=x1+L, x20 Reescrever as equaes usando x2 em vez da varivel original

Se puderem assumir qualquer valor

x1 = x2 x3 , com x2,x3 0 Reescrever as equaes usando x2 e x3 em vez da varivel original

Exemplo de variveis negativas

Wyndor Glass Co.
Suponhamos que x1 o aumento na produo de portas (por hiptese j esto a ser produzidas 10 portas) Em vez de x1 0, teremos x1 -10
Seja x1= x-10, x 0
Max Z = 3 (x-10) + 5 x2 4 2 x2 12 3 (x-10) + 2x2 18 (x-10) (x-10) -10, x2 0. Max Z = 3x + 5 x2 -30 = 14 x +s1 2x +s2 = 12 3x+ 2x2 +s3 = 48 x 0, x2 0.

11

Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

Anlise ps-optimal
Questo:
Ser que alterando um pouco as condies, as solues iro ser muito diferentes ?

Porque importante
Muitos parmetros so estimados, e podem no ser o que pensamos As condies podem variar no tempo A prpria aproximao linear isso mesmo: uma aproximao

Como fazer essa anlise ?

1 - Refazer o problema, com parmetros ligeiramente diferentes
Dar ao decisor vrias hipteses. Pode ser rpido resolver vrias vezes o problema

2 - A partir da soluo j obtida, ver como pequenas alteraes afectam a soluo

mais rpido que recalcular tudo Pode no ser necessrio fazer contas

12

Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

Variaes nas restries

Quais so as restries que mais afectam a soluo ? Quais so as restries que no o so de facto ? Ser que vale a pena fazer um esforo extra para esticar uma das restries ?
A11X1+ A12X2+ A13X3 + B1
variar B

Analisando a tabela final do Simplex

Variveis de folga na base
O recurso em questo no est a limitar a soluo. A folga est directamente acessvel V x1 x2 s1 s2 s3
Z
0 0 0 1 0 0 1 0 0 1 0 0 3/2 1 36
Lucro Folga (em h) da oficina de alumnios Lotes de janelas Lotes de portas

s1 x2 x1

1/3 1/3 2 1/2 0

-1/3

1/3 2

13

Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

Analisando a tabela final do Simplex

Coeficientes as variveis de folga indicam quanto que o recurso tem que crescer para o lucro aumentar 1
V x1 x2 s1 s2 s3
Z
0 0 0 1 0 0 1 0 0 1 0 0 3/2 1 36
Basta um pequeno aumento no recurso 2 para aumentar o lucro Chama-se tambm PREO SOMBRA Lucro Folga (em h) da oficina de alumnios Lotes de janelas Lotes de portas

s1 x2 x1

1/3 1/3 2 1/2 0

-1/3

1/3 2

Coeficientes finais das variveis de folga

Tambm chamados preos sombra Permitem calcular dZ/dsi (sensibilidade do lucro ao recurso i)
Valores altos = Para aumentar Z no necessrio aumentar muito os recursos a disponibilizar

Variaes nos Ci, e Aij

Enquanto as relaes de ordem se mantiverem directo

Limitaes da anlise ps-optimal

S vlida para pequenas variaes Variaes maiores implicam uma mudana na escolha das variveis base, logo uma soluo completamente diferente

14