Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 AULA 02 Problema geral de Programac¸a˜o Linear DORIRLEY RODRIGO ALVES1, PETR YAKOVLEVITCH EKEL 2 1 Optimum Consultoria Ltda SSME - Service Science, Management & Engineering dorirley@optimumconsultoria.com 2PUC Minas - Pontifı´cia Universidade Cato´lica de Minas Gerais Programa de Po´s graduac¸a˜o em Engenharia Ele´trica - PPGEE ekel@pucminas.br Abstract. Esta aula apresenta o modelo ba´sico para a compreensa˜o de todos os outros modelos da Programac¸a˜o Matema´tica. Os conceitos nele firmados sera˜o extendidos para todos os outros, concedendo suporte a` estudos mais avanc¸ados 1 Formulac¸a˜o do Problema geral de Programac¸a˜o Li- near Oproblema geral de Programac¸a˜o Linear - PL e´ uti-lizado para otimizar (Maximizar ou Minimizar)uma func¸a˜o linear (Func¸a˜o Objetiva - FO) su-jeita a uma se´ria de equac¸o˜es ou inequac¸o˜es li- neares (Restric¸o˜es - Rs). O problema geral de PL pode ser definido da seguinte forma: Maximizar (Max) ou Minimzar (Min) Z onde: Z = c1x1 + c1x1 + c1x1 + . . .+ cnxn sujeito a: a11x1 + a12x2 + . . .+ a1nxn ≤ b1 a21x1 + a22x2 + . . .+ a2nxn ≤ b2 . . . am1x1 + am2x2 + . . .+ amnxn ≤ bm ∀xn onde n = {1, 2, . . .} A desigualdade acima poderia ser representada tam- be´m por (≥) ou (=). A inclusa˜o no sistema de equac¸o˜es apenas das igual- dades na˜o limita a formulac¸a˜o do problema, porque as res- tric¸o˜es dadas como desigualdades, podem ser reduzidas a`s igualdades pela introduc¸a˜o de varia´veis adicionais. Ale´m disso, o problema da maximizac¸a˜o da func¸a˜o objetivo, pode ser reduzido ao um problema de minimizac¸a˜o da func¸a˜o ob- jetivo pela alterac¸a˜o do seu sinal. Por isso, pode-se falar em problema geral da programac¸a˜o linear. Uma circunstaˆncia importante e´ o fato de que o nu´mero de varia´veis deve ser maior do que o nu´mero das restric¸o˜es incluı´das no sistema, isto e´, n ≥ m. No caso extremo, n = m, o sistema de equac¸o˜es e´ considerado como na a´lgebra habitual. Se o determinante do sistema e´ diferente de zero, enta˜o o sistema tem uma soluc¸a˜o u´nica. Se essa soluc¸a˜o inclui pelo menos uma varia´vel entre xi, i = 1, ..., n que na˜o satisfac¸a as restric¸o˜es para os valores das varia´veis na˜o negativos, enta˜o a soluc¸a˜o obtida na˜o e´ permissı´vel e o pro- blema na˜o tem soluc¸a˜o. Se todos os valores x1, x2, ..., xn sa˜o na˜o negativas, enta˜o a soluc¸a˜o obtida e´ permissı´vel e, o que e´ natural, o´tima. Esse caso e´ trivial e na˜o apresenta interesse. Por isso, mais adiante consideraremos somente o caso de quando o nu´mero das varia´veis xi e´ maior do que o nu´mero das equac¸o˜es, isto e´, n > m. [1] Introduzimos a seguir a terminologia mais comum u- sada em programac¸a˜o linear. 2 Terminologia Quando o nu´mero n de varia´veis no sistema das equac¸o˜es e´ maior que o nu´mero m das equac¸o˜es, enta˜o uma das pos- sı´veis soluc¸o˜es pode ser obtida para quando n − m das varia´veis arbitra´rias for consideradas iguais a zero. O sis- tema assim obtido dasm equac¸o˜es com n varia´veis pode ser resolvido na base dos diferentes me´todos alge´bricos. E´ ne- cessa´rio apenas observar a condic¸a˜o de na˜o igualdade a zero do determinante desse sistema. Se esta condic¸a˜o na˜o for ob- servada, e´ possı´vel considerar-se outras das varia´veis n−m como iguais a zero. A soluc¸a˜o que se pode obter chama-se a soluc¸a˜o ba´sica. A expressa˜o base e´ usada para qualquer 2 4 COMPREENDENDO O GRA´FICO conjunto de n varia´veis tais que o determinante construı´do com os coeficientes dessas varia´veis na˜o seja igual a zero. Essas n varia´veis chamam-se ba´sicas (relativamente a` base dada). As n−m varia´veis restantes chamam-se na˜o ba´sicas ou livres. Qualquer soluc¸a˜o ba´sica sera´ uma soluc¸a˜o ba´sica per- missı´vel se ela satisfizer as restric¸o˜es para os valores das varia´veis na˜o negativos. Uma soluc¸a˜o ba´sica permissı´vel chama-se o´tima se gera o mı´nimo da func¸a˜o objetivo. Ao mesmo tempo, e´ necessa´rio esclarecer o que segue. O problema geral da programac¸a˜o linear nem sem- pre possui uma soluc¸a˜o. Em particular, pode-se encontrar situac¸o˜es em que as restric¸o˜es sa˜o contradito´rias. Em outras palavras, as situac¸o˜es apontam uma falta de soluc¸o˜es per- missı´veis. Ale´m disso, e´ possı´vel que existam soluc¸o˜es per- missı´veis do problema geral da programac¸a˜o linear, pore´m entre elas na˜o existe uma soluc¸a˜o o´tima (a Func¸a˜o Obje- tiva na˜o e´ limitada). E´ evidente que o problema geral da programac¸a˜o linear e´ um caso particular da programac¸a˜o convexa (a func¸a˜o convexa e´ dada no conjunto convexo). Entretanto, para uma apresentac¸a˜o geral da programac¸a˜o linear, consideraremos sua interpretac¸a˜o geome´trica como exemplo concreto. 3 Interpretac¸a˜o Geome´trica do Problema Geral de Pro- gramac¸a˜o Linear Admitamos que seja necessa´rio escolher por exemplo, os valores que determine em uma dieta alimentar que esteja restrita a leite desnatado e uma salada de composic¸a˜o bem conhecida. Sabendo-se ainda que os requisitos nutricionais sera˜o expressos em termos de vitamina A, ca´lcio e ferro controlados por suas quantidades ma´ximas e mı´nimas (em miligramas). A tabela 1 resume a quantidade de cada nu- triente em disponibilidade nos alimentos e sua necessidade dia´ria para a boa sau´de de uma pessoa, bem como o custo unita´rio dos alimentos. O objetivo e´ minimizar o custo to- tal da dieta de forma a satisfazer as restric¸o˜es nutricionais. Vale ressaltar, que o participante da dieta deve consumir os dois alimentos do carda´pio respeitando algumas dispo- nibilidade. Neste caso, o participante deve consumir no ma´ximo 600 mg de Vitamina A. Ale´m disso, sabe-se que os dois alimentos devem possuir juntos, no mı´nimo, 300 mg de Ca´lcio e 100 mg de Ferro. A Tabela 1 ilustra todos os dados necessa´rios para a compreensa˜o do cena´rio. Enta˜o, podemos considerar o custo total da dieta como a func¸a˜o objetivo: Minimzar (Min) Z, sendo: • Leite→ x1 • Salada→ x2 Leite (copo) Salada (500 mg) Requisito Nutricio- nal Vit. A 0,6 1 600 Ca´lcio 1 1 300 Ferro 1 100 Custo / Unidade R$6,00 R$12,00 Tabela 1: Custos, nutrientes e limitantes nutricionais pre- vistos Onde x1 e x2 sa˜o as varia´veis de decisa˜o. Portanto, a Func¸a˜o Objetiva e´: FO(x)→ Min Z = 6x1 + 12x2 A minimizac¸a˜o da func¸a˜o objetiva deve ser acompa- nhada da satisfac¸a˜o das seguintes restric¸o˜es para: 0, 6x1 + x2 ≤ 600→ Vitamina A x1 + x2 ≥ 300→ Ca´lcio x2 ≥ 100→ Ferro x1 ≥ 0 x2 ≥ 0 Neste caso, como temos duas varia´veis de decisa˜o, po- demos representar o referido modelo matema´tico grafica- mente conforme ilustrado na Fig.1: Figura 1: Resolvendo o modelo de forma gra´fica 4 Compreendendo o Gra´fico Se observarmos as restric¸o˜es, as mesmas podem ser repre- sentadas como tangentes no referido gra´fico. Para transfor- mar as restric¸o˜es determinadas pela Vitamina A e os demais minerais Ca´lcio e Ferro nas tangentes apresentadas no refe- rido gra´fico, introduzimos as varia´veis adicionais x3, x4 e x5 a fim de transforma´-las nas equac¸o˜es (a), (b) e (c). Neste caso, podemos escreveˆ-las da seguinte forma: 3 0, 6x1 + x2 ≤ 600 → Vitamina A 0, 6x1 + x2 + x3 = 600 → tangente (a) x1 + x2 ≥ 300 → Ca´lcio x1 + x2 − x4 = 300 → tangente (b) x2 ≥ 100 → Ferro x2 − x5 = 100 → tangente (c) E´ possı´vel apresentar as equac¸o˜es da seguinte forma: x3 = 600− 0, 6x1 − x2 ≥ 0; x4 = −300 + x1 + x2 ≥ 0; x5 = −100 + x2 ≥ 0; As desigualdades x3 ≥ 0 , x4 ≥ 0 e x5 ≥ 0 em func¸a˜o das varia´veis x1 e x2 e tambe´m x1 ≥ 0 e x2 ≥ 0, de- finem os correspondentes semi-espac¸os positivos no plano (x1, x2). Por exemplo, na Fig. 2, a desigualdade x1 ≥ 0 define o semi-espac¸o superior. A regia˜o correspondente a x1 < 0 e´ proibida (o que esta´ sendo representado por um sombreado naquela figura). A regia˜o proibida x2 < 0 tambe´me´ marcada por um sombreamento. A desigual- dade x3 ≥ 0 define o semi-espac¸o na regia˜o logo acima da linha 600 − 0.6x1 − x2 = 0 (indicada como a linha (a) na Fig. 2) e, tal lado inclui particularmente a origem das ordenadas. Isto e´ simples de se verificar se substituir- mos x1 = x2 = 0 na correspondente desigualdade. Aqui, tambe´m a regia˜o proibida e´ sombreada no lado acima da li- nha−300+x1+x2 = 0 (linha (b) na Fig. 2). A regia˜o proi- bida correspondente e´ mostrada com um sombreamento. Finalmente, a desigualdade x5 ≥ 0 define o semi-espac¸o que esta´ acima da linha −100 + x2 = 0 (a linha (c) na Fig. 2). A regia˜o proibida x5 < 0 tambe´m e´ mostrada por um sombreamento [2]. Enta˜o, a regia˜o (conjunto) das soluc¸o˜es permissı´veis e´ envolvida pelo polı´gono limitados pelos pontos enderec¸ados como ABCD. E´ importante salientar que o polı´gono das soluc¸o˜es permissı´veis e´ fechado e convexo (e´ a intersecc¸a˜o dos conjuntos convexos definidos pelas condic¸o˜es xi ≥ 0). O polı´gono ABCD permite dar a interpretac¸a˜o geome´- trica da soluc¸a˜o ba´sica. Toda a linha corresponde a` trans- formac¸a˜o de uma das varia´veis em zero. Por isso, nos pon- tos de intersec¸a˜o das duas linhas, temos a transformac¸a˜o de duas varia´veis em zero, isto e´, em nosso caso, temos n − m = 5 − 3 = 2 varia´veis. Mas n − m e´ o nu´mero das varia´veis na˜o ba´sicas (livres). A transformac¸a˜o dessas varia´veis em zero corresponde a` soluc¸a˜o ba´sica. Enta˜o, os pontos de intersec¸a˜o das linhas xi = 0, i = 1, 2, ..., 5 defi- nem as soluc¸o˜es ba´sicas do problema geral da programac¸a˜o linear. Agora, construiremos uma linha que corresponde a fun- c¸a˜o objetiva, isto e´: Figura 2: Espac¸o permissı´vel gerado pelas tangentes que represetam as restric¸o˜es no problema da dieta FO(x)→ Min Z = 6x1 + 12x2 = L Como resultado obtemos a equac¸a˜o da reta no plano (x1, x2). O coeficiente angular desta reta e´: −6/12 = −1/2, e o segmento cortado por esta reta no eixo Ox2 e´ L/12. E´ evidente que variando-se a constante de L para L1 o coeficiente angular na˜o se modifica, variando apenas o segmento que corta o eixo Ox2. Enta˜o, as linhas correspondentes a` func¸a˜o objetivo sa˜o representadas por diferentes retas (retas de nı´vel) no plano (x1, x2). Todas estas retas, pore´m, sa˜o paralelas uma em relac¸a˜o a`s outras. Constro´i-se, enta˜o, no plano (x1, x2) a chamada linha fundamental, que corresponde a` L = 0 (a linha (d) na Fig. 2). Levantaremos uma perpendicular (li- nha (e) na Fig. 2) para obter a direc¸a˜o de maior aumento ou decre´scimo da func¸a˜o objetiva. Movendo a linha (d) para- lelamente a` si mesma, pode-se obter diferentes soluc¸o˜es. E´ evidente que no ponto A - o primeiro ponto da regia˜o das soluc¸o˜es permissı´veis em movimento da linha fundamen- tal (linha (d1) correspondente ao ponto A, onde teremos o mı´nimo da func¸a˜o objetivo). O ponto C e´ o u´ltimo ponto na regia˜o das soluc¸o˜es permissı´veis (linha (d2) correspondente ao ponto C, onde teremos o ma´ximo da func¸a˜o objetivo). O nı´vel da func¸a˜o objetiva no ponto A e´ F (200, 100) = 6× 200 + 12× 100 = R$2.400, 00 e no ponto C e´ 4 4 COMPREENDENDO O GRA´FICO F (0, 600) = 0× 200 + 12× 600 = R$7.200, 00 A ana´lise da interpretac¸a˜o geome´trica do problema ge- ral da programac¸a˜o linear permite fazer-se as seguintes con- siderac¸o˜es gerais: 1. a soluc¸a˜o do problema da programac¸a˜o linear, se essa soluc¸a˜o existe, na˜o esta´ contida na regia˜o das soluc¸o˜es permissı´veis, mas pode estar localizada apenas na fron- teira dessa regia˜o. Ale´m do mais, se a soluc¸a˜o o´tima e´ u´nica, enta˜o ela sempre existe num ve´rtice do polı´gono das soluc¸o˜es permissı´veis que corresponde a` soluc¸a˜o ba´sica permissı´vel. Pode-se, tambe´m dizer que, em programac¸a˜o linear, o mı´nimo e´ u´nico e, por isso, glo- bal pois pode-se repetir que se tem a func¸a˜o objetiva convexa dada na regia˜o fechada e convexa; 2. a soluc¸a˜o do problema da programac¸a˜o linear pode na˜o ser u´nica. Realmente, se a reta fundamental e´ pa- ralela ao tal lado do polı´gono das soluc¸o˜es permissı´veis onde alcanc¸a-se o mı´nimo da func¸a˜o objetivo, enta˜o ela esta´ situada na˜o num ponto, mas em todo esse lado. Neste caso, o problema tem um nu´mero infinito de soluc¸o˜es o´timas. Por exemplo, se no nosso problema a func¸a˜o objetivo e´ FO(x)→ Min Z = 6x1 + 6x2 enta˜o, a reta fundamental e´ paralela ao lado do po- lı´gono definido pela condic¸a˜o 2). Entretanto, se as soluc¸o˜es o´timas situam-se em todo o lado, enta˜o elas situam-se em todos os ve´rtices pelos quais passar este lado. Assim sendo, tal como anteriormente, a soluc¸a˜o pode ser obtida no ponto da soluc¸a˜o ba´sica permissı´vel; 3. As considerac¸o˜es citadas nos itens 1 e 2 , permitem- nos trac¸ar o seguinte caminho principal para obter-se a soluc¸a˜o o´tima do problema geral da programac¸a˜o li- near: e´ suficiente considerar todos os ve´rtices da regia˜o das soluc¸o˜es permissı´veis (soluc¸o˜es ba´sicas permissı´- veis) e escolher um ve´rtice onde a func¸a˜o linear obje- tiva recebe o valor mı´nimo. Conforme ja´ dissemos acima, o problema geral da pro- gramac¸a˜o linear pode na˜o ter soluc¸a˜o. Em particular, as soluc¸o˜es permissı´veis podem na˜o existir, se a regia˜o corres- pondente a`s soluc¸o˜es permissı´veis for vazia (as restric¸o˜es sa˜o contradito´rias). Para o caso n −m = 2, esta situac¸a˜o e´ mostrada na Fig. 3. Ale´m disso, pode-se encontrar si- tuac¸o˜es onde o problema na˜o tem soluc¸a˜o apesar da regia˜o das soluc¸o˜es permissı´veis existir. Como se pode entender na Fig. 4, por exemplo, a transfereˆncia da reta fundamen- tal correspondente a` func¸a˜o objetivo: FO(x) → Min Z = Figura 3: Gra´fico contendo restric¸o˜es contradito´rias impe- dindo a formac¸a˜o de uma regia˜o permissiva. −2x1 − 5x2, pode levar ao decre´scimo ilimitado dela, isto e´, a func¸a˜o objetiva na˜o limitada desce. A interpretac¸a˜o geome´trica permite tirar-se uma se´rie de concluso˜es importantes para o caso n − m = 2. En- tretanto, para o caso n − m > 2 , as restric¸o˜es definem a regia˜o das soluc¸o˜es permissı´veis - conjunto poliedral, que e´ convexo (apesar de poder ser vazio ou na˜o limitado). Para o caso n − m > 2 a soluc¸a˜o o´tima tambe´m situa-se em um ve´rtice do conjunto poliedral - a soluc¸a˜o ba´sica per- missı´vel. Por isso, como para o caso n −m = 2, pode-se primeiro definir todas as soluc¸o˜es ba´sicas correspondentes ao conjunto poliedral (isso e´ efetuado porque o nu´mero de ve´rtices esta terminado), e depois, entre os ve´rtices encon- trados, escolhe-se um ve´rtice onde a func¸a˜o objetiva tenha um valor mı´nimo. Em princı´pio, este caminho na˜o causa di- ficuldades. Entretanto nos problemas de interesse pra´tico, o nu´mero de ve´rtices e´ demasiado grande e o caminho na˜o e´ construtivo mesmo com a ajuda de computadores mais ra´pidos. Na pro´xima aula, consideraremos o me´todo conhecido como Simplex para a busca da soluc¸a˜o o´tima dos problemas da programac¸a˜o linear [3]. Aqui, tambe´m, faz-se um atalho na regia˜o das soluc¸o˜es permissı´veis. Entretanto esse atalho na˜o e´ cego, pore´m e´ dirigido, o que prova a possibilidade de excec¸a˜o na considerac¸a˜o da quantidade significativa das soluc¸o˜es ba´sicas que, com certeza, na˜o sa˜o o´timas. REFEREˆNCIAS 5 Figura 4: Gra´fico apresentando um situac¸a˜o onde a soluc¸a˜o e´ Ilimitada por na˜o se formar uma regia˜o permissiva fe- chada Refereˆncias [1] Petr. EKEL, Witold. PEDRYCZ, and Roberta. PAR- REIRAS. Fuzzy Multicriteria Decision-Making - Mo- dels, Methods and Applications. John Wiley & Sons, Ltd, United Kingdom, 1 edition, 2011. [2] David G. LUENBERGER. Linear and nonlinear pro- gramming. Kluwer Academic, Boston, 2 edition, 2003. [3] Eduard S. VENTCEL. Operations analysis [in russian]. Sovetskoe Radio,, page 552, 1972. Dorirley Rodrigo Alvestem ex- perieˆncia em ensino e consultoria. Coor- denou e participou de projetos relaciona- dos a` modelagem e otimizac¸a˜o de va´rios processos gerenciais tais como escalona- mento de ma˜o-de-obra e de tarefas, pla- nejamento de produc¸a˜o, corte de materi- ais e empacotamento. Possui graduac¸a˜o em Sistemas de Informac¸a˜o (PUC Minas, 2006) e mestrado em Engenharia Ele´trica (PUC Minas, 2010). Atualmente e´ professor assistente dos cursos de Sistemas de Informac¸a˜o e Engenharia de Energia na PUC Minas e Tecnologia em Logı´stica na Faculdade UNA de Contagem. Petr Iakovlevitch Ekel tem ex- perieˆncia em pesquisa, ensino, consul- toria e servic¸o pu´blico. Com sua coordenac¸a˜o e participac¸a˜o foram desen- volvidos mais de 40 projetos, relacio- nados a` modelagem, otimizac¸a˜o e con- trole de sistemas, incluindo sistemas de poteˆncia. Publicou mais de 250 traba- lhos (livros, capı´tulos de livros, artigos em perio´dicos e anais, padro˜es estatais, patente, etc.). Sua experieˆncia de ensino inclui os va´rios cursos de graduac¸a˜o e de po´s-graduac¸a˜o e tambe´m os cursos para indu´stria. Possui graduac¸a˜o em Engenharia Ele´trica (Instituto Polite´cnico de Kiev, KPI, 1972), mestrado (KPI, 1973), doutorado - Ph.D. (KPI, 1981) e doutorado - D.Sc., hab. (Suprema Comissa˜o de Atesta- dos junto ao Conselho de Ministros da URSS, VAK, 1990). Tem tı´tulos de Cientista Seˆnior (VAK, 1986), Professor Titular (Comiteˆ Estatal da URSS de Educac¸a˜o Pu´blica, 1991) e Acadeˆmico (Aca- demia de Cieˆncias de Engenharia da Ucraˆnia, 1991). Atualmente, e´ professor titular da PUC Minas, orientador de teses de douto- rado da UFMG, membro do Conselho de Desenvolvimento Tec- nolo´gico da FIEMG, membro do Conselho de Diretores da World Scientific and Engineering Academy and Society.
Compartilhar