Baixe o app para aproveitar ainda mais
Prévia do material em texto
Otimização Linear Solução Gráfica Prof. Dr. Willy A. de Oliveira Soler Resolução Gráfica no ℝ𝟐 𝑓 𝑥 = 𝑓 𝑥1, 𝑥2 = 𝑐1𝑥1 + 𝑐2𝑥2 𝑓 𝑥1, 𝑥2 = 𝑘 ⟺ 𝑐1𝑥1 + 𝑐2𝑥2 = 𝑘 (curva de nível 𝑧 = 𝑘) 𝛻𝑓 𝑥 = 𝑐1, 𝑐2 = 𝑐, ∀ 𝑥 ∈ ℝ 2 Curva de nível 𝑧 = 𝑘 𝑥1 𝑥2 𝛻𝑓 = 𝑐 𝑥0 𝑥1 = 𝑥0 − 𝜖𝛻𝑓 𝑥0 Uma solução factível inicial Uma nova solução obtida a partir de 𝑥0 se deslocando na direção oposta ao gradiente A Proposição 1 nos garante que 𝑓 𝑥1 < 𝑓 𝑥0 = 𝑘 𝑥0 = 𝑥1 0, 𝑥2 0 uma solução inicial com valor 𝑓 𝑥0 = 𝑐1𝑥1 0 + 𝑐2𝑥2 0 = 𝑘 Resolução Gráfica no ℝ𝟐 A proposição 1 nos permite desenvolver um algoritmo para resolver graficamente qualquer problema de otimização linear com duas variáveis de decisão: Minimização Passo 1: Esboce a região factível (𝑆) do problema (𝑃) no plano cartesiano Passo 2: Identifique uma solução factível qualquer para (P) e trace a sua curva de nível Passo 3: Desloque a curva de nível na direção oposta ao vetor gradiente (para minimização) até alcançar um ponto extremo da região factível Passo 4: Identifique o ponto extremo e calcule o valor de função objetivo associado Maximização Basta substituir o Passo 3 pelo Passo 3’ Passo 3’: Desloque a curva de nível na direção do vetor gradiente até alcançar um ponto extremo da região factível Exemplo 1: Um artesão produz dois tipos de jogos de madeira e sua capacidade de trabalho é de 50 horas semanais. O jogo A requer 3 horas de trabalho para ser confeccionado e é vendido por R$ 30,00, enquanto que, o jogo B requer 5 horas para ser produzido e possui preço de venda de R$ 40,00. A demanda máxima para o jogo B é de 7 unidades e para o jogo A, 15. Determine a quantidade a ser produzida de cada jogo visando maximizar o lucro obtido pelo artesão. Exemplo 1: Um artesão produz dois tipos de jogos de madeira e sua capacidade de trabalho é de 50 horas semanais. O jogo A requer 3 horas de trabalho para ser confeccionado e é vendido por R$ 30,00, enquanto que, o jogo B requer 5 horas para ser produzido e possui preço de venda de R$ 40,00. A demanda máxima para o jogo B é de 7 unidades e para o jogo A, 15. Determine a quantidade a ser produzida de cada jogo visando maximizar o lucro obtido pelo artesão. Solução: Primeiramente, vamos escrever um modelo para representar o problema. Em seguida, aplicaremos o método gráfico para encontrar a melhor solução. Variáveis de decisão: 𝑥𝑗: quantidade a ser produzida do jogo 𝑗 = 𝐴, 𝐵. Objetivo: max 30𝑥𝐴 + 40𝑥𝐵 Capacidade de trabalho: 3𝑥𝐴 + 5𝑥𝐵 ≤ 50 Demandas máximas: 𝑥𝐴 ≤ 15 e 𝑥𝐵 ≤ 7 Solução: O modelo é dado por Agora, vamos representar a região factível e curva de nível 𝑓∗ = 0. max30𝑥𝐴 + 40𝑥𝐵 3𝑥𝐴 + 5𝑥𝐵 ≤50 𝑥𝐴 ≤ 15 𝑥𝐴 ≥ 0, 𝑥𝐵 ≥ 0 s.a. 𝑥𝐵 ≤ 7 𝑓∗ = 0 𝑥𝐴 = 15 𝑥𝐵 = 7 𝑓∗ = 0 7 15 5 𝑓∗ = 0 Solução ótima 𝑥𝐴 ∗ = 15 𝑥𝐵 ∗ = 1 𝑧∗ = 30 ∗ 15 + 40 ∗ 1 = 490 (valor ótimo) 1 𝑥𝐴 𝑥𝐵 30𝑥𝐴 + 40𝑥𝐵 = 0 Exemplo 2: Resolva o problema de otimização linear abaixo utilizando o método gráfico. min𝑓 𝒙 = −𝑥1 − 2𝑥2 s.a. 𝑥1 ≥ 0, 𝑥2 ≥ 0 𝑥1 + 𝑥2 ≤ 4 𝑥1 ≤ 2 𝑥2 ≤ 3 Exemplo 2: Solução: Vamos aplicar o algoritmo desenvolvido. Passo 1: Esboçar a região factível 𝑆 = 𝑥1, 𝑥2 ∈ ℝ 2|𝑥1 + 𝑥2 ≤ 4, 𝑥1≤ 2, 𝑥2≤ 3, 𝑥1≥ 0, 𝑥2≥ 0 min𝑓 𝒙 = −𝑥1 − 2𝑥2 s.a. 𝑥1 ≥ 0, 𝑥2 ≥ 0 𝑥1 + 𝑥2 ≤ 4 𝑥1 ≤ 2 𝑥2 ≤ 3 𝑥1 𝑥2 𝑥1 = 2 2 3 2 1 𝑥2 = 3 𝑥1 + 𝑥2 = 4 𝑆 Exemplo 2: Solução: Vamos aplicar o algoritmo desenvolvido. Passo 2: Encontrar uma solução factível inicial e traçar a curva de nível Solução Factível: 𝑥0 = 0, 0 𝑓 𝑥 = −𝑥1 − 2𝑥2 𝑓 𝑥0 = 𝑓 0, 0 = 0 Curva de nível: 𝑓 𝑥1, 𝑥2 = 0⟺ −𝑥1 − 2𝑥2 = 0 𝑥1 𝑥2 2 3 1 𝑆 𝑥0 2 −1 2 𝑓 = 0 Exemplo 2: Solução: Vamos aplicar o algoritmo desenvolvido. Passo 3: Deslocar a curva de nível na direção oposta ao vetor custo (vetor gradiente) até alcançar um ponto extremo da região factível 𝑓 𝑥 = −𝑥1 − 2𝑥2 𝛻𝑓 = 𝑐 = −1,−2 𝑥1 𝑥2 2 3 1 𝑆 𝑥0 2 𝑓 = 0 −1 𝛻𝑓 Solução Ótima Exemplo 2: Solução: Vamos aplicar o algoritmo desenvolvido. Passo 4: Identifique o ponto extremo e calcule o valor de função objetivo associado 𝑓 𝑥 = −𝑥1 − 2𝑥2 𝑥∗ = 1, 3 𝑥1 𝑥2 2 3 1 𝑆 𝑥0 2 𝑓 = 0 𝛻𝑓 Solução Ótima 𝑓(𝑥∗) = 𝑓 1, 3 = −1 − 2 ∗ 3 = −7 (Solução ótima) (Valor ótimo) Exemplo 3: Resolva o problema de otimização linear abaixo utilizando o método gráfico. min 𝑓 𝒙 = −𝑥1 − 𝑥2 s.a. 𝑥1 ≥ 0, 𝑥2 ≥ 0 −3𝑥1 + 𝑥2 ≤ 2 𝑥1 + 2𝑥2 ≤ 9 𝑥2 ≤ 3 3𝑥1 + 𝑥2 ≤ 18 Exemplo 3: Solução: Passo 1: Esboçar a região factível min𝑓 𝒙 = −𝑥1 − 𝑥2 s.a. 𝑥1 ≥ 0, 𝑥2 ≥ 0 −3𝑥1 + 𝑥2 ≤ 2 𝑥1 + 2𝑥2 ≤ 9 𝑥2 ≤ 3 3𝑥1 + 𝑥2 ≤ 18 𝑥1 𝑥2 3 1 3 𝑥2 = 3 −3𝑥1 + 𝑥2 = 2 5 3 3𝑥1 + 𝑥2 = 18 27 5 9 5 𝑥1 + 2𝑥2 = 9 6 Exemplo 3: Solução: Passo 2: Encontrar uma solução factível inicial e traçar a curva de nível Solução Factível: 𝑥0 = 0, 0 𝑓 𝑥 = −𝑥1 − 𝑥2 𝑓 𝑥0 = 𝑓 0, 0 = 0 Curva de nível: 𝑓 𝑥1, 𝑥2 = 0⟺ −𝑥1 − 𝑥2 = 0 ⟺ 𝑥2 = −𝑥1 𝑥1 𝑥2 3 1 3 5 3 27 5 9 5 6 𝑓 = 0 𝒙𝟎 Exemplo 3: Solução: Passo 3: Deslocar a curva de nível na direção oposta ao vetor custo (vetor gradiente) até alcançar um ponto extremo da região factível 𝑓 𝑥 = −𝑥1 − 𝑥2 𝛻𝑓 = 𝑐 = −1,−1 𝑥1 𝑥2 3 1 3 5 3 27 5 9 5 6 𝑓 = 0 Solução Ótima 𝛻𝑓 𝒙𝟎 Exemplo 3: Solução: Passo 4: Identifique o ponto extremo e calcule o valor de função objetivo associado 𝑓 𝑥 = −𝑥1 − 𝑥2 𝑥∗ = 27 5 , 9 5 𝑓(𝑥∗) = 𝑓 27 5 , 9 5 = − 27 5 − 9 5 = − 36 5 = −7,2 (Solução ótima) (Valor ótimo) 𝑥1 𝑥2 3 1 3 5 3 27 5 9 5 6 𝑓 = 0 Solução Ótima 𝛻𝑓 𝒙𝟎 Exemplo 4: Resolva o problema de otimização linear abaixo utilizando o método gráfico. Solução: min 𝑓 𝒙 = −𝑥1 − 𝑥2 s.a. 𝑥1 ≥ 0, 𝑥2 ≥ 0 −𝑥1 + 𝑥2 ≤ 2 𝑥1 𝑥2 2 𝑓 = 0 𝛻𝑓 𝒙𝟎 Não existe uma solução ótima Exemplo 5: Resolva o problema de otimização linear abaixo utilizando o método gráfico. Solução: min 𝑓 𝒙 = −𝑥1 − 𝑥2 s.a. 𝑥1 ≥ 0, 𝑥2 ≥ 0 −𝑥1 + 𝑥2 ≤ 2 𝑥1 + 𝑥2 ≤ 5 −𝑥1 + 𝑥2 = 2 𝑥1 + 𝑥2 = 5 𝑓 3 2 , 7 2 = − 3 2 − 7 2 = − 10 2 = −5 𝑓 5, 0 = −5 − 0 = −5 𝑥1 𝑥2 2 𝑓 = 0 𝛻𝑓 𝒙𝟎 5 3 2 7 2 Existe um segmento (R) de soluções ótimas 𝑅 = 𝑥1, 𝑥2 | 𝑥1 + 𝑥2 = 5; 3 2 ≤ 𝑥1 ≤ 5; 0 ≤ 𝑥2 ≤ 7 2 ⊂ 𝑆 𝑥∗ ∈ 𝑅 ⇒ 𝑓 𝑥∗ = −𝑥1 ∗ − 𝑥2 ∗ = − 𝑥1 ∗ + 𝑥2 ∗ = −5 Resolução Gráfica no ℝ𝟐 Exemplo 5: Resolva o problema de otimização linear abaixo utilizando o método gráfico. Solução: min 𝑓 𝒙 = −𝑥1 − 𝑥2 s.a. 𝑥1 ≥ 0, 𝑥2 ≥ 0 −𝑥1 + 𝑥2 ≤ 2 𝑥1 + 𝑥2 ≤ 5 −𝑥1 + 𝑥2 = 2 𝑥1 + 𝑥2 = 5 𝑥1 𝑥2 2 𝑓 = 0 𝛻𝑓 𝒙𝟎 5 3 2 7 2 Existe um segmento (R) de soluções ótimas Isso pode ocorrer quando o vetor custo (𝑐) é paralelo a uma linha da matriz de recurso 𝐴. 𝑐 = −1 , −1 = −1 1 , 1 = −1𝐴2 Resolução Gráfica no ℝ𝟐 Conclusões que podemos extrair dos exemplos resolvidos: • Um PL pode admitir uma única solução ótima • Um PL pode não possuir solução ótima (exemplo 4) • Um PL pode admitir um segmento de soluções ótimas (exemplo 5) • Se um PL admite solução ótima, então existe (pelo menos um) vértice ótimo Esse último fato, embora não intuitivo, é sempre verdadeiro independentemente do número de variáveis de decisão. Ele é a base para o estabelecimento do algoritmo simplex. Proposição 2: Se um problema de otimização linear admite solução ótima, então existe um vértice ótimo.
Compartilhar