Baixe o app para aproveitar ainda mais
Prévia do material em texto
Programação Inteira/Otimização discreta Exemplo Deseja-se produzir dois diferentes produtos, Mesas e Cadeiras usando as peças disponíveis (matéria-prima): � 6 peças grandes � 8 peças pequenas � Especificação do produto: � Mesa : 2 peças grandes 2 peças pequenas � Cadeira : 1 peça grande 2 peças pequenas Pendegraft, 1997 Objetivo Encontrar uma combinação de produtos (mesas e cadeiras) que dê o maior lucro possível, considerando: Preço de venda : Mesa $ 16 Cadeira $ 10 Modelagem do Problema Max 16 m + 10 c s.a 2 m + 2 c ≤ 8 (disp. Peças pequenas) 2 m + c ≤ 6 (disp. Peças grandes) Variáveis: m – número de mesas c – número de cadeiras Solução Gráfica cadeiras mesas Peças pequenas Peças Grandes 4 4 3 6 Solução Ótima (c=2,m=2) Soluções Viáveis Solução Gráfica (motivação) E se tivéssemos disponíveis 9 peças pequenas, qual seria a melhor solução pelo método gráfico? cadeiras mesas Peças pequenas Peças Grandes 4.5 4.5 3 6 Solução Ótima (3 cadeiras e 1.5 mesas) Soluções Viáveis Não é inteiro. Faz sentido??? Modelos de Programação Linear � ZPL = Max cx + dy � Sujeito a: � Ax+Dy ≤ b � x≥0 e y≥0 n n + + ℜ∈ ℜ∈ y x Problema da mistura, dieta, planejamento de projetos, problema do transporte e outros. Programação (Linear) Inteira Mista (PIM) � ZPIM = Max cx + dy � Sujeito a: � Ax+Dy ≤ b � x≥0 e inteiro e y≥0 n nZ + + ℜ∈ ∈ y x Problema de planejamento da produção e outros. Problema de PI (programação inteira) � ZPI = Max cx + dy � Sujeito a: � Ax+Dy ≤ b � x≥0 e inteiro e y≥0 e inteiro n n Z Z + + ∈ ∈ y x Se X e Y assumir somente valores 0-1? Problema de programação 0-1 (binária) � Z = Max cx � Sujeito a: � Ax ≤ b � x∈{0,1} ou x ∈B2 Problema da mochila, do caixeiro viajante, de localização de facilidades e outros. Problema de programação 0-1 (binária) Exemplo })1,0{,}1,0{( 1086 .. 32max 21 2 21 21 ∈∈∈ ≤+ += xxouBx xx as xxZ (0,1)}(1,0),{(0,0),X FactívelRegião = Qual a solução ótima? )inteiroe0( 554 4559 .. 610max 2 21 21 21 ≥∈ ≤+− ≤+ += + i PI xouz xx xx as xxZ x Região Factível )}0,5(),1,4(),0,4(),3,3(),2,3( ),1,3(),0,3(),2,2(),1,2(),0,2( ),1,1(),0,1(),1,0(),0,0{(=x Qual a solução ótima? X=(5,0), ZPI=50 1 2 1 1 21 21 21 , 554 4559 .. 610max ++ ∈ℜ∈ ≤+− ≤+ += Zxx xx xx as xxZPIM Região Factível: Quatro segmentos de reta } 9 300),3,{( } 9 350),2,{( } 9 400),1,{( }50),0,{( 114 113 112 111 ≤≤= ≤≤= ≤≤= ≤≤= xx xx xx xx x x x x Qual a solução ótima? X=(10/3,3), ZPIM=154/3 ≅51,33 1 2 1 1 21 21 21 , 554 4559 .. 610max ++ ℜ∈ℜ∈ ≤+− ≤+ += xx xx xx as xxZPL Qual a solução ótima? ZPL=670/13≅51,58 A solução relaxada pode estar bem distante da solução ótima Mais que isso: em problemas grandes, pode ser difícil, por meio do arredondamento, obter uma solução factível A relaxação tem um papel chave nos principais algoritmos de resolução de PI e PIM. Idéia: ela fornece um limitante •Em geral, não faz sentido resolver a relaxação linear e arredondar a solução ótima obtida. A solução arredondada pode nem sequer ser factível ou pode estar muito afastada da solução ótima. •Há circunstâncias práticas em que o arredondamento pode fazer sentido, tendo-se a consciência de que está obtendo uma solução que pode não ser ótima (por exemplo, na prática será muito diferente x=1999.5 ou x=2000?). •Um problema PI é muito mais difícil de resolver do que o PL (perdeu-se a convexidade do conjunto de soluções factíveis...). Para PI não são conhecidas condições necessárias nem suficientes de otimalidade: dada uma solução factível, a única forma de determinar se ela é ótima ou não é demonstrar que não existe nenhuma solução factível com melhor valor. Intervalo (gap) de integralidade (gráfico problema maximização) * * RL PI * PI Z - Z relativo = Z Soluções factíveis para o PI Soluções factíveis para o RL GAP
Compartilhar