método do simplex - técnico lisboa - autenticação · generalidades do método do simplex...
TRANSCRIPT
Optimização e Decisão
06/10/2008
Método do Simplex
11
Vânio Correia - 55671
Domingos Massala - 58849INSTITUTO SUPERIOR TÉCNICO
Generalidades do Método do Simplex
� Procedimento algébrico iterativo para resolver problemas de programação linear.
� Fácil implementação computacional…
� Boa ferramenta de cálculo para problemas com muitas variáveis (limitação do método gráfico).
� Apresenta-se num formato especial (Forma canónica)
� Restrições sob a forma de igualdade
� Introduz novas variáveis – variáveis de folga
Domingos Massala/Vânio Correia - IST 2008
2
� Introduz novas variáveis – variáveis de folga
� A função objectivo transforma-se num constrangimento…
� Processo iterativo através do método tabular
Exemplo� Empresa de fabrico de alcatifas…
ProductosProductos
A BRecurso disponível
Máquina 1 3 4 12
Máquina 2 7 3 14
Margem contribuição
(€)
40 30
Objectivo: Determinar X1 e X2 que maximizam o lucro
Domingos Massala/Vânio Correia - IST 2008
3
Objectivo: Determinar X1 e X2 que maximizam o lucro
Variáveis de Decisão: Quantidade de alcatifas a produzir do tipo j, Xj; j = 1, 2.
Exemplo(Formulação)
� Formulação do problema
21 3040 XXMaxZ += 21 3040 XXMaxZ +=
1243 21 ≤+ XX
1427 21 ≤+ XX
0, 21 ≥XX
• Formulação do problema através do método do Simplex
03040 21 =−− XXZ Notar que a função objectivo é
Domingos Massala/Vânio Correia - IST 2008
4
03040 21 =−− XXZ
1243 321 =++ XXX
1427 421 =++ XXX
0,,, 4321 ≥XXXX
Notar que a função objectivo é apresentada em forma de restrição
X3 e X4 são as variáveis de folga(Slack variables)
Exemplo(Solução Inicial)
� Método do Simplex na forma tabular
V. Variáveis não Básicas
Quadro inicial
• Solução básica inicial
=12X =0X
V.
Básicas
Variáveis não Básicas
bjZ X1 X2 X3 X4
Z 1 -40 -30 0 0 0
X3 0 3 4 1 0 12
X4 0 7 2 0 1 14
Domingos Massala/Vânio Correia - IST 2008
5
Variáveis básicas
=
=
14
12
4
3
X
XVariáveis não básicas
=
=
0
0
2
1
X
X
0=∧ Z
Exemplo(Iteração 0)
V.
Básicas
Variáveis não Básicas
bj
Z X1 X2 X3 X4
Valor mínimo27
14
43
12
=
=
Coluna pivot Número pivot
• Troca de variáveis – Básica/Não Básica
Linha Pivot
Z 1 -40 -30 0 0 0
X3 0 3 4 1 0 12
X4 0 7 2 0 1 14
Domingos Massala/Vânio Correia - IST 2008
6
Sai X4:
=<= 4
a
b2
a
b
11
1
21
2 )3040( −>−Entra X1:
Exemplo(1ª Iteração)
� Processo de eliminação de Gauss (Condensação de Gauss)V.
Básicas
Variáveis não Básicas
bjZ X1 X2 X3 X4
L1 + 40*L3
L2 – 3*L3
• Solução Básica
=
=
6
2
3
1
X
X
=
=
0
0
4
2
X
X
Variáveis básicas 80=∧ Z Variáveis não básicas
Básicas bjZ X1 X2 X3 X4
Z 1 0 -18.57 0 5.71 80
X3 0 0 3.14 1 -0.42 6
X1 0 1 0.29 0 0.14 2
Domingos Massala/Vânio Correia - IST 2008
7
= 63X
• Teste de Optimalidade
Há coeficientes negativos na linha correspondente à função objectivo, logo, a solução não é óptima! Recorrer à nova iteração.
Exemplo(2ª Iteração)
V.
Básicas
Variáveis não Básicas
bjZ X1 X2 X3 X4
Z 1 0 -18.57 0 5.71 80
729.0
2
91.114.3
6
≅
= Valor mínimo
• Troca de variáveis – Básica/Não BásicaSai X3: 1.91 < 7 Entra X2: Única possibilidade
Z 1 0 -18.57 0 5.71 80
X3 0 0 3.14 1 -0.42 6
X1 0 1 0.29 0 0.14 2
V.
Básicas
Variáveis não Básicas
bjZ X1 X2 X3 X4
Z 1 0 0 5.91 3.1 115.45
Domingos Massala/Vânio Correia - IST 2008
8
Não há coeficientes negativos na linha correspondente à função objectivo, Logo, a solução é óptima!
Z 1 0 0 5.91 3.1 115.45
X2 0 0 1 0.31 -0.14 1.91
X1 0 1 0 -0.09 0.18 1.45
Exemplo(conclusão)
� Solução Óptima
= 91.1X
=Variáveis básicas
=
=
45.1
91.1
1
2
X
X
45.115max =Z
=
=
0
0
4
3
X
X
Variáveis básicas
Variáveis não básicas
Domingos Massala/Vânio Correia - IST 2008
9
Outros casos a considerar� Igualdade entre os coeficientes negativos na linha referente à
variável de decisão
Escolha arbitrária da variável que entra (N.Básica para Básica)
� Igualdade nas razões bj/aj que definem a variável que sai…
Escolha arbitrária da variável que sai
� Várias soluções óptimas
O Simplex acha apenas uma delas. Acham-se as outras
Domingos Massala/Vânio Correia - IST 2008
10
O Simplex acha apenas uma delas. Acham-se as outras prosseguindo o algoritmo, com a escolha de uma variável não básica de coeficiente zero como variável básica…
Casos Particulares� Constrangimentos de igualdade
Não há uma solução inicial óbvia. Recorremos ao uso de variáveis artificiais e ao MÉTODO DO GRANDE M.variáveis artificiais e ao MÉTODO DO GRANDE M.
� Lado direito da desigualdade apresenta valor com sinal negativoMultiplicar a inequação por -1.
� Constrangimentos funcionais na forma de >=Usar as ’’surplus variables’’ e as variáveis artificiais/Método do Grande M.
Domingos Massala/Vânio Correia - IST 2008
11
Grande M.
� Problema de Minimização de ZMaximizar -Z
Análise Pós-Óptima� Reoptimização
Quando se altera ligeiramente o problema, pode-se obter uma nova Quando se altera ligeiramente o problema, pode-se obter uma nova solução a partir do quadro final do Simplex.
� Preço Sombra (Shadow price)
Para um dado recurso j, dá-nos uma medida do aumento de Z variando ligeiramente a quantidade (disponibilidade) do recurso bj.
Para o exemplo analisado, os preços sombra são y*1=5.91 e
Domingos Massala/Vânio Correia - IST 2008
12
Para o exemplo analisado, os preços sombra são y*1=5.91 e y*2=3.1.
Os preços sombra são parte da ANÁLISE DE SENSIBILIDADE
Análise de Sensibilidade� Identificar os parâmetros sensíveis (aqueles que não se podem
alterar sem que causem alteração à solução óptima)
Parâmetros bj podem ser analisados usando os preço sombra
Parâmetros cj podem ser analisados graficamente para problemas de duas variáveis
Parâmetros aij podem igualmente ser analisados graficamente
Domingos Massala/Vânio Correia - IST 2008
13