Baixe o app para aproveitar ainda mais
Prévia do material em texto
Universidade Federal de Ouro Preto Instituto de Cieˆncias Exatas e Aplicadas Departamento de Engenharia de Produc¸a˜o ENP160 - Otimizac¸a˜o Combinato´ria Questo˜es de Provas 1 Complexidade 1. Defina e relacione as classes de complexidade dos problemas de otimizac¸a˜o combinato´ria. Soluc¸a˜o: Se P e Q ∈ NP e existe um algoritmo que converta qualquer instaˆncia de Q em uma instaˆncia de P em tempo polinomial, enta˜o dizemos que Q e´ redut´ıvel polinomial- mente a P. NPC e´ a classe de problemas NP - completo, i.e., e´ o subconjunto de problemas P (P ∈ NP) para os quais todos os problemas Q (∈ NP) sa˜o redut´ıveis polinomial- mente a P. Um problema de otimizac¸a˜o combinato´ria para o qual o problema de decisa˜o associ- ado e´ NPC, e´ chamado de NP-dif´ıcil (NP-hard). 2. Explique o conceito de reduc¸a˜o de problemas e cite dois problemas que pertencem a` classe NP - completo. Soluc¸a˜o: Reduzir um problema A em um problema B significa transformar A em B de forma que A passa a ser resolvido atrave´s do metodo de soluc¸a˜o de B ( Ex NP - completo: Problema da Machila e Problema do carteiro viajante. 3. Defina e diferencie as classes de problemas P , NP e NP - completo. Soluc¸a˜o: P : conjunto de todos os problemas polinomiais onde Fa(n) = O(np) para um pro- blema P . NP - Non determinant polinomial: classe para os quais a resposta e´ sim ou na˜o e pode ser verificada rapidamente. NP - completo: subconjunto de problemas P onde (P ∈ NP) para os quais todos problemas (Q ∈ NP) sa˜o redutivas polinomiais a P . Questo˜es de Provas Pa´gina 1 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas 4. Em 1982, os brasileiros Gabriel Bitran e Hora´cio Yanasse apresentaram reduc¸o˜es do Problema da Mochila para diferentes parametrizac¸o˜es do Problema da Definic¸a˜o do Tamanho do Lote Capacitado (CLSP). Sobre este fato responda: (a) Explique o que e´ uma reduc¸a˜o. (b) Sabendo que o Problema da Mochila pertence a` classe NPC, qual a implicac¸a˜o dos resultados obtidos pelos autores? Soluc¸a˜o: (a) Reduc¸a˜o e´ uma tranformac¸a˜o de um problema em outro, este me´todo e´ utilizado para definir classes de complexidade. Se reduzir um problema A em B, e se B na˜o e´ mais dif´ıcil que A, se na˜o houver algoritmo eficiente para B, na˜o ha´ algoritmo eficiente para A. (b) Implica que, como o problema da mochila pode ser reduzido ao CLSP, na˜o e´ mais fa´cil que o problema da mochila, uma vez que o problema da mochila e´ NPC, o CLSP tambe´m e´. 5. Corrija as sentenc¸as a seguir: (a) Os problemas de decisa˜o pertencentes a` classe NPC sa˜o problemas que na˜o podem ser resolvidos em tempo polinomial. (b) O SAT e´ um problema de decisa˜o que pertence a` classe P . Soluc¸a˜o: (a) Os NPC sa˜o problemas que podem ser reduzidos polinomialmente a P . (b) SAT e´ um problema de busca que pertence a NPC, encontrar uma soluc¸a˜o que torne a resposta de uma fo´rmula booleana verdadeira ou mostrar que ela na˜o existe. 6. Explique o conceito de reduc¸a˜o dentro da teoria da complexidade. Soluc¸a˜o: A reduc¸a˜o de A em um outro problema B significa mostrar que B na˜o e´ mais dif´ıcil que A. Isto e´, se na˜o houver algoritmo eficiente para B, enta˜o tambe´m na˜o ha´ algoritmo eficiente para A. Questo˜es de Provas Pa´gina 2 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas 7. Marque verdadeiro(v) ou falso (f) para as afirmativas abaixo e justifique quando a sentenc¸a na˜o for verdadeira. (a) Na˜o e´ poss´ıvel garantir a soluc¸a˜o de problemas de PLIM pertencentes a` classe NP-Dif´ıcil em tempo polinomial. (b) Problemas da classe NP sa˜o problemas para os quais na˜o se conhece algoritmo polinomial para a soluc¸a˜o. (c) A classe de problemas P na˜o possui elementos comuns a` classe NPC. Soluc¸a˜o: (a) Verdadeiro. (b) Falso, um problema pode ter sua soluc¸a˜o determinada em tempo polino- mial pelo algoritmo de SAT (busca). (c) Falso, a classe P e´ um subconjunto da classe NPC Questo˜es de Provas Pa´gina 3 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas 2 Regia˜o de Viabilidade, Envolto´ria Convexa e For- mulac¸a˜o Ideal 8. Dado o conjunto de pontos X = {(1,4), (2,4), (2,3), (3,3), (3,2), (4,2), (3,1), (4,1), (4,0)}, fac¸a: (a) Represente graficamente a envolto´ria convexa de X; (b) Descreva a formulac¸a˜o ideal para X. Soluc¸a˜o: (a) Envolto´ria convexa de X. (b) Encontrar equac¸o˜es: x1 = x2a+ b Para (1,4) e (3,1) { 1 = 4a+ b 3 = a+ b a = −2 3 ; b = 11 3 (1) Primeira equac¸a˜o: 3x1 + 2x2 ≥ 11 (2) Para (3,1) e (4,0) { 3 = a+ b 4 = 0 + b a = −1; b = 4 (3) Segunda equac¸a˜o: x1 + x2 ≥ 4 (4) Questo˜es de Provas Pa´gina 4 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas Para (2,4) e (4,2) { 2 = 4a+ b 4 = 2a+ b a = −1; b = 6 (5) Terceira equac¸a˜o: x1 + x2 ≤ 6 (6) Formulac¸a˜o Ideal: 3x1 + 2x2 ≥ 11 (7) x1 + x2 ≥ 4 (8) x1 + x2 ≤ 6 (9) x1 ≤ 4 (10) x2 ≤ 4 (11) x1, x2 ∈ Z2+ (12) 9. Dados o poliedro P := {x ∈ R2|8x1 + 4x2 ≤ 40; 15x1 + 30x2 ≤ 200;x1 ≥ 2}, o conjunto X := {x ∈ Z2+|x ∈ P} e o PPLI representado por (13-14), em um mesmo gra´fico, represente: max 10x1 + 15x2 (13) sujeito a: x1, x2 ∈ X (14) (a) A regia˜o de viabilidade da relaxac¸a˜o linear do PPLI (13-14), isto e´, a regia˜o de viabilidade do PPL associado ao PPLI. (b) O conjunto que representa a viabilidade do PPLI (13-14). (c) A envolto´ria convexa do conjunto via´vel do PPLI (13-14). Questo˜es de Provas Pa´gina 5 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas Soluc¸a˜o: (a) Regia˜o de Viabilidade do PLLI e´ toda regia˜o preenchida da figura. (b) {(2,0), (2,1), (2,2), (2,3), (2,4), (2,5), (3,0), (3,1), (3,2), (3,3), (3,4), (4,0), (4,1), (4,2), (5,0)}. (c) A envolto´ria convexa e´ a regia˜o com contorno preto na figura. 10. Dados o poliedro P := {x ∈ R2|x1+2x2 ≥ 4; 3x1−x2 ≤ 10; 4x1+6x2 ≤ 36;−2x1+3x2 ≤ 3}, o conjunto X := {x ∈ Z2+|x ∈ P} e o PPLI representado por (15-16), em um mesmo gra´fico, represente: max c′x (15) sujeito a: x ∈ X (16) (a) A regia˜o de viabilidade da relaxac¸a˜o linear do PPLI (15-16), isto e´, a regia˜o de viabilidade do PPL associado ao PPLI. (b) O conjunto que representa a viabilidade do PPLI (15-16). (c) A envolto´ria convexa do conjunto via´vel do PPLI (15-16). Questo˜es de Provas Pa´gina 6 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas Soluc¸a˜o: (a) Regia˜o de Viabilidade do PLLI e´ toda regia˜o preenchida da figura. (b) {(2,1), (2,2), (3,1), (3,2), (3,3), (4,2), (4,3)} (c) A envolto´ria convexa e´ a regia˜o com contorno preto na figura. 11. Considere os Problemas PLIM 1 e PLIM 2 definidos pelas formulac¸o˜es apresentadas na Tabela 1 e responda: PL1 PL2 -x1 + 2x2 ≤ 15(17) x1 + 2x2 ≤ 12(18) 5x1 + 3x2 ≤ 45(19) x1, x2 ∈ Z+(20) -x1 + x2 ≤ 6(21) x1 + 0.5x2 ≤ 8(22) x2 ≤ 8(23) x1, x2 ∈ Z+(24) Tabela 1: Formulac¸o˜es para Questa˜o 11 (a) Encontre o conjunto vabilidade para o PLI 1. (b) O PLI 2 e´ uma formulac¸a˜o para o PLI 1? Justifique. (c) Descreva a formulac¸a˜o que define a envolto´ria convexa para o PLI 1. Questo˜es de Provas Pa´gina 7 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas Soluc¸a˜o: (a) Regia˜o de Viabilidade do PLI 1 e´ toda regia˜o preenchida da figura. (b) O PLI 2 na˜o e´ uma formulac¸a˜o para o PLI 1, pois ha´ pontos inteiros no PLI 1 que na˜o esta˜o contidos no PLI 2. Questo˜es de Provas Pa´gina 8 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas (c) Encontrar equac¸o˜es: x1 = x2a+ b Para (0,7) e (1,8) { 0 = 7a+ b 1 = 8a+ b a = 1; b = −7 (25) Primeira equac¸a˜o: x1 − x2 ≤ −7 (26) Para (1,8) e (3,9) { 1 = 8a+ b 3 = 9a+ b a = 2; b = −15 (27) Segunda equac¸a˜o: x1− 2x2 ≤ −15 (28) Para (3,9) e (4,8) { 3 = 9a+ b 4 = 8a+ b a = −1; b = 12 (29) Terceira equac¸a˜o: x1 + x2 ≤ 12 (30) Para (4,8) e (6,5) { 4 = 8a+ b 6 = 5a+ b a = −2 3 ; b = 28 3 (31) Quarta equac¸a˜o: x1 + 2 3 x2 ≤ 28 3 (32) Para (6,5) e (9,0) { 6 = 5a+ b 9 = 0 + b a = −3 5 ; b = 9 (33) Quinta equac¸a˜o: x1 + 3 5 x2 ≤ 9 (34) Formulac¸a˜o Ideal: x1 − x2 ≤ −7 (35) x1 − 2x2 ≤ −15 (36) x1 + x2 ≤ 12 (37) x1 + 2 3 x2 ≤ 28 3 (38) x1 + 3 5 x2 ≤ 9 (39) x1, x2 ∈ Z2+ (40) Questo˜es de Provas Pa´gina 9 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas 12. Relacione os conceitos (i) Regia˜o de Viabilidade; (ii) Envolto´ria Convexa de um Conjunto de Pontos e (iii) Formulac¸a˜o ideal para um PPLIM. Com base nesta relac¸a˜o, qual a motivac¸a˜o de se obter uma formulac¸a˜o mais justa para um PPLIM? Soluc¸a˜o: Toda regia˜o de um problema de programac¸a˜o linear e´ um poliedro convexo. A envolto´ria convexa e´ o conjunto de todas as combinac¸o˜es convexas de x1, x2, ..., Xk ∈ X, ∀X ∈ R, ou seja, a envolto´ria convexa e´ a regia˜o de viabilidade do problema, que conte´m todas combinac¸o˜es viao problema. A formulac¸a˜o ideal de um PPLIM corresponde a envolto´ria convexa dos pontos in- teiros. A regia˜o de viabilidade de um PPLIM e´ uma regia˜o convexa formada pelos pontos inteiro internos ao poliedro que determina a regia˜o de vialidade do PPL associado. Uma formulac¸a˜o e´ dita ideal se ela garante que a soluc¸a˜o do PPL associado ao PPLIM seja a soluc¸a˜o do PPLIM. Em uma formulac¸a˜o ideal P1, todos os pontos extremos de P1 pertencem a` regia˜o de viabilidade do PPLIM. A envolto´ria convexa esta´ contida na regia˜o de vialidade e a formualac¸a˜o ideal e´ o conjunto de restric¸o˜es baseado na envolto´ria convexa. A ideia de se obter uma for- mulac¸a˜o mais justa se da´ pelo fato de garantir que a soluc¸a˜o do PPL associado ao PPLIM seja a soluc¸a˜o do PPLIM. 13. Dados a regia˜o A = {(x1, x2) ∈ R2| − x1 + x2 ≤ 4; 3x1 − 2x2 ≤ 3, se x1 ≤ 3; 6x1 + 4x2 ≤ 36;x1 + x2 ≥ 6, se x1 ≥ 3} no plano de R2, fac¸a o que se pede: (a) Desenhe a regia˜o A. Essa regia˜o e´ convexa? (b) Seja r ∈ {0, 1} uma varia´vel bina´ria. Utilize essa varia´vel para modelar a disjunc¸a˜o representa pela regia˜o A. (c) Desenhe a regia˜o de viabilidade do problema (lembre-se que voceˆ possui 3 varia´veis). Questo˜es de Provas Pa´gina 10 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas Soluc¸a˜o: (a) Regia˜o A na˜o e´ convexa. (b) Disjunc¸a˜o da regia˜o A. −x1 + x2 ≤ 4 (41) 6x1 + 4x2 ≤ 36− (1− r)M (42) x1 + x2 ≥ 6− (1− r)M (43) x1 ≤ 3 +Mr (44) Questo˜es de Provas Pa´gina 11 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas (c) Regia˜o de viabilidade. 14. Corrija as sentenc¸as a seguir: (a) A regia˜o de viabilidade de um PPLIM e´ uma regia˜o convexa formada pelos pontos internos ao polie´dro que determina a regia˜o de viabilidade do PPL associado. (b) Uma matriz totalmente unimodular garante em um PPLIM que sua regia˜o de viabilidade e´ a mesma do PPL associado. Soluc¸a˜o: (a) A regia˜o de viabilidade de um PPLIM e´ uma regia˜o convexa formada pelos pontos inteiros ao polie´dro que determina a regia˜o de viabilidade do PPL associado. (b) Uma matriz totalmente unimodular garante que a envolto´ria dessa e´ igual ao poliedro P associaco a um PPLIM. 15. Dado o conjunto de pontos X = {(1,1), (2,1), (3,1),(1,2), (2,2), (3,2), (2,3)}, fac¸a: (a) Represente graficamente a envolto´ria convexa de X; (b) Descreva a formulac¸a˜o ideal para X. Questo˜es de Provas Pa´gina 12 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas Soluc¸a˜o: (a) Envolto´ria convexa. (b) Encontrar equac¸o˜es: x1 = x2a+ b Para (1,2) e (2,3) { 1 = 2a+ b 2 = 3a+ b a = 1; b = −1 (45) Primeira equac¸a˜o: x1 − x2 ≥ −1 (46) Para (2,3) e (3,2) { 2 = 3a+ b 3 = 2a+ b a = −1; b = 5 (47) Segunda equac¸a˜o: x1 + x2 ≤ 5 (48) Formulac¸a˜o Ideal: x1 − x2 ≥ −1 (49) x1 + x2 ≤ 5 (50) x1 ≥ 1 (51) x1 ≤ 3 (52) x2 ≥ 1 (53) x1, x2 ∈ Z2+ (54) Questo˜es de Provas Pa´gina 13 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas 16. Para o PPLI (55-58), represente: max 3x1 + 4x2 (55) sujeito a: 0.4x1 + 2x2 ≤ 3 (56) 0.4x1 − 0.4x2 ≤ 1 (57) (x1, x2) ∈ Z2+ (58) (a) A regia˜o de viabilidade da relaxac¸a˜o linear. (b) O conjunto que representa a viabilidade. (c) A envolto´ria convexa do conjunto via´vel. Soluc¸a˜o: (a) Regia˜o de Viabilidade. (b) {(0,0), (0,1), (1,0), (1,1), (2,0), (2,1)} (c) A envolto´ria convexa e´ a regia˜o com contorno preto na figura. 17. Marque verdadeiro(v) ou falso (f) para as afirmativas abaixo e justifique quando a sentenc¸a na˜o for verdadeira. (a) Os pontos que formam a regiz ao de viabilidade de um PPLIM podem ser representados por um conjunto convexo. (b) O Me´todo simplex na˜o pode ser utilizado para resolver problemas de pro- gramac¸a˜o inteira uma vez que suas soluc¸o˜es sempre tera˜o valores fracionados. (c) Envoltoria convexa e´ o nome que se da´ ao poliedro formado pela regia˜o de viabilidade da relaxac¸a˜o linear de um PPLIM. (d) Existem problemas de otimizac¸a˜o combinatoria que podem ser resolvidos por enumerac¸a˜o das soluc¸o˜es no espac¸o de soluc¸o˜es. Questo˜es de Provas Pa´gina 14 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas Soluc¸a˜o: (a) Verdadeiro. (b) Falso, nem sempre as soluc¸o˜es do simples sa˜o fracionadas. (c) Falso, a envolto´ria convexa e´ o conjunto de todas as combinac¸o˜es convexas de x1, x2, ..., xk ∈ X. (d) Verdadeiro. 18. O poliedro P = {x1 + 2x2 ≤ 8; 2x1 − 2x2 ≤ 5;x1 ≥ 1;x2 ≥ 1} uma formulac¸a˜o para o conjunto de pontos X = {(1,1), (2,1), (3,1), (1,2), (2,2), (3,2), (1,3), (2,3)}? Justifique. Soluc¸a˜o: Regia˜o de Viabilidade. x1 + 2x+ 2 = 8 ; x1 = 5/2 (59) 2x1 − 2x2 = 5 ; x2 = −5/2 (60) O poliedro e´ uma formulac¸a˜o, pois conte´m todo o conjunto de pontos de X. Questo˜es de Provas Pa´gina 15 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas 19. Qual e´ o interesse de se obter uma formulac¸a˜o ideal para um PPLIM? Soluc¸a˜o: O interesse em se obter uma formulac¸a˜o ideal para PPLIM e´ a reduzir o conjunto de busca e dessa forma diminuir o custo computacional. 20. Marque verdadeiro(v) ou falso (f) para as afirmativas abaixo e justifique quando a sentenc¸a na˜o for verdadeira. (a) Os pontos extremos de um poliedro convexo podem gerar qualquer ponto in- terno ao mesmo. (b) Um politopo e´ a face de maior valor da func¸a˜o objetivo em um poliedro forma a regia˜o de viabilidade de um PPLIM. (c) No caso de um problema de maximizac¸a˜o, o valor da func¸a˜o objetivo obtido para a soluc¸a˜o o´tima do PL associado a um PPLIM e´ maior que o valor da soluc¸a˜o o´tima do PPLIM. Soluc¸a˜o: (a) Verdadeiro. (b) Falso, a func¸a˜o objetivo forma um valor e na˜o uma face. (c) Falso, a soluc¸a˜o o´tima do PL associado a um PPLIM pode ser maior ou igual ao valor da soluc¸a˜o o´tima do PPLIM. Questo˜es de Provas Pa´gina 16 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas 3 Modelagem 21. Considere uma situac¸a˜o onde existem |M | mochilas e |I| itens para serem alocados nestas. Todos os itens devem ser alocados a uma mochila e deve-se respeitar a capacidade volume´trica da mochila. Visando o balanceamento da carga de cada mochila, o objetivo do problema e´ minimizar o peso ma´ximo atribuido a uma delas. Sendo pi e vi o peso e o volume de cada item i ∈ I, respectivamente. Sendo xim uma varia´vel bina´ria que indica a alocac¸a˜o do item i ∈ I a` mochila m ∈M e Pmax uma varia´vel cont´ınua que representa o peso ma´ximo atribu´ıdo a uma mochila, fac¸a o que se pede. (a) Quais sa˜o os elementose conjuntos utilizados na formulac¸a˜o deste problema? (b) Quais sa˜o os paraˆmetros do problema? (c) Escreva matematicamente o conjunto de restric¸o˜es que garantem que todos os itens devem ser alocados a uma mochila. (d) Escreva matematicamente o conjunto de restric¸o˜es que garantem a na˜o violac¸a˜o da capacidade volume´trica de cada mochila. (e) Escreva matematicamente o conjunto de restric¸o˜es que garantem que Pmax representara´ o peso ma´ximo atribu´ıdo a uma mochila. (f) Escreva o objetivo do problema. (g) Crie uma instaˆncia com 2 mochilas e 6 itens. (h) Encontre uma soluc¸a˜o via´vel para a instaˆncia definida em (0g). Defina o valor de todas as varia´veis e da func¸a˜o objetivo para a soluc¸a˜o encontrada. Soluc¸a˜o: (a) Elementos: - mochilas (m); - itens (i). Conjuntos: - de mochilas (M); - de itens (I). (b) Paraˆmetros: - peso do item (pi); - volume do item (vi); - peso ma´ximo (Pmax); - volume ma´ximo (V max). (c) ∑ i∈I xim = 1,∀m ∈M (61) (d) ∑ i∈I vixim = V max,∀m ∈M (62) Questo˜es de Provas Pa´gina 17 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas (e) ∑ i∈I pixim = P max,∀m ∈M (63) (f) min ∑ i∈I ximpi (64) (g) Pmax V max m1 100 50 m2 60 30 Peso Volume i1 10 5 i2 25 10 i3 20 5 i4 40 15 i5 30 10 i6 50 10 (h) ∑ i∈I xim = 1 (65) m1 m2 i1 0 1 i2 1 0 i3 0 1 i4 0 1 i5 1 0 i6 1 0 ∑ i∈I ximvi ≤ V max (66) m1 = (x11v1) + (x21v2) + (x31v3) + (x41v4) + (x51v5) + (x61v6) m1 = (0 ∗ 5) + (1 ∗ 10) + (0 ∗ 5) + (0 ∗ 15) + (1 ∗ 10) + (1 ∗ 10) = 30 m2 = (x12v1) + (x22v2) + (x32v3) + (x42v4) + (x52v5) + (x62v6) m2 = (1 ∗ 5) + (0 ∗ 10) + (1 ∗ 5) + (1 ∗ 15) + (0 ∗ 10) + (0 ∗ 10) = 30 Questo˜es de Provas Pa´gina 18 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas Func¸a˜o objetivo: ∑ i∈I ximpi = (67) = (x11p1)+(x21p2)+(x31p3)+(x41p4)+(x51p5)+(x61p6)+x12p1)+(x22p2)+ (x32p3)+(x42p4)+(x52p5)+(x62p6) = (0∗10)+(1∗25)+(0∗20)+(0∗40)+ (1∗30)+(1∗50)+(1∗10)+(0∗25)+(1∗20)+(1∗10)+(0∗25)+(0∗50) = 125 22. Para atender demandas de pec¸as de diferentes tamanhos a partir do corte em barras de tamanho padra˜o, deve-se decidir quantos cortes de cada pec¸a deve-se realizar em cada barra de forma a minimizar o total de barras utilizadas. Uma formulac¸a˜o ba´sica para este problema foi proposto por Kantorovich e Zalgaller (1951). Com base na formulac¸a˜o e na situac¸a˜o descrita, fac¸a o que se pede: Formulac¸a˜o de Kantorovich e Zalgaller (1951): min ∑ k∈K yk (68) sujeito a: ∑ k∈K yik ≥ bi,∀i ∈ I (69)∑ i∈I wixik ≤Wyk,∀k ∈ k (70) yk ∈ {0, 1},∀k ∈ K (71) xik ∈ Z+,∀k ∈ K, ∀i ∈ I (72) (a) Quais sa˜o os elementos e conjuntos utilizados na formulac¸a˜o deste problema? (b) Qual e´ o significado das varia´veis xik e yk? (c) Explique o significado das restric¸o˜es 69. (d) Explique o significado das restric¸o˜es 70. (e) Suponha que existam barras de diferentes tipos de materiais e que cada pec¸a deve ser feita de um material espec´ıfico, altere o modelo de forma a contemplar esta situac¸a˜o. (f) Crie uma instaˆncia com 2 barras e 6 tipos de pec¸as para o problema original. (g) Encontre uma soluc¸a˜o via´vel para a instaˆncia definida em (0f). Defina o valor de todas as varia´veis e da func¸a˜o objetivo para a soluc¸a˜o encontrada. Soluc¸a˜o: (a) Elementos: - pec¸as (i); - barras (k). Conjuntos: - de pec¸as (I); - de barras (K). Questo˜es de Provas Pa´gina 19 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas (b) xik - quantidades de pec¸as i ∈ I produzidas a partir da barra k ∈ K; yk - se a barra k ∈ K e´ utilizada ou na˜o. (c) O somato´rio de todas as pec¸as i ∈ I produzidas deve ser maior ou igual a demanda de pec¸as i ∈ I. (d) A soma do comprimento de todas as pec¸as produzidas a partir da barra k ∈ K devera´ ser menor ou igual que o comprimento da barra k ∈ K, se ela for utilizada. (e) min ∑ k∈K yik (73) sujeito a: ∑ k∈K xik ≥ bi (74) wixik ≤ wyk,∀k ∈ K,∀i ∈ I (75) yk ∈ Z+∀k ∈ K (76) xik ∈ Z+∀k ∈ K,∀i ∈ I (77) (f) K = [1,2] I = [1,2,3,4,5,6] W=[100] w=[2,4,5,6,7,8] (g) x11 = 4, x21 = 3, x31 = 2, x41 = 3,x51 = 2, x61 = 1 y1 = 1, y2 = 0 23. Em 1957, Koopmans e Beckmann 1 apresentaram, pela primeira vez, o problema de alocac¸a˜o quadra´tica - PAQ. Uma formulac¸a˜o ba´sica para este problema e´ dada por (78-81). Com base na formulac¸a˜o do PAQ e na situac¸a˜o descrita abaixo, fac¸a o que se pede: Situac¸a˜o: O problema de leiaute de fa´brica pode ser resolvido atrave´s do PAQ. Para tanto, deve-se considerar a existeˆncia de n locais (l) candidatos a` instalac¸a˜o de n ma´quinas (m). Entre duas ma´quinas ha´ um fluxo de material (tm1m2) e entre dois locais ha´ um custo de transporte (cl1l2). O Objetivo e´ determinar a alocac¸a˜o de ma´quinas em locais de forma a minimizar o custo total de transporte de material. Formulac¸a˜o: min ∑ l1∈L ∑ l2∈L:l1 6=l2 ∑ m1∈M ∑ m2∈M :m1 6=m2 cl1l2tm1m2xm1l1xm2l2 (78) sujeito a: ∑ l∈L xml = 1,∀m ∈M (79)∑ m∈M xml = 1,∀l ∈ L (80) xml ∈ {0, 1},∀m ∈M, ∀l ∈ L (81) xik ∈ Z+,∀k ∈ K, ∀i ∈ I (82) Questo˜es de Provas Pa´gina 20 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas (a) Quais sa˜o os elementos e conjuntos utilizados na formulac¸a˜o deste problema? (b) Qual e´ o significado da varia´vel xml? (c) Explique o significado das restric¸o˜es 79. (d) Explique o significado das restric¸o˜es 80. (e) Na forma (78-81), uma vez que a func¸a˜o objetivo e´ formada por uma expressa˜o na˜o-linear em x, este problema na˜o e´ um PPLIM. Altere o problema de forma a linearizar sua func¸a˜o objetivo. (Dica: introduza uma nova varia´vel para representar a multiplicac¸a˜o e crie restric¸o˜es para definir seu valor). (f) Suponha que uma vez que uma ma´quina m1 e´ instalada em um local l1, as instalac¸o˜es de outras ma´quinas (m2 ∈ M\{m1}) ficariam restritas aos locais contidos em Lm2m1l1 . Acrescente ao modelo restric¸o˜es para contemplar esta si- tuac¸a˜o. (g) Crie uma instaˆncia de tamanho 3 (treˆs ma´quinas e treˆs locais) para o problema original. (h) Encontre uma soluc¸a˜o via´vel para a instaˆncia definida em (0g). Defina o valor de todas as varia´veis e da func¸a˜o objetivo para a soluc¸a˜o encontrada. Soluc¸a˜o: (a) Elementos: - locais (l); - ma´quinas (m). Conjuntos: - de locais (L); - de ma´quinas (M). (b) Utilizac¸a˜o das ma´quinas m ∈M nos locais l ∈ L. (c) A ma´quina deve ser instalada em apenas um local. (d) O local pode receber apenas uma ma´quina. (e) ym1l1m2l2 ≤ xm1l1 ym1l1m2l2 ≤ xm2l2 ym1l1m2l2 ≥ xm1l1 + xm2l2 − 1 y ∈ {0, 1} (f) ∑ l∈L m2 m1xm2l1 + xm1l1 ≤ 1 (83) (g) tm1m2 = 50 tm1m3 = 100 tm2m3 = 80 Questo˜es de Provas Pa´gina 21 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas cl1l2 = 3 cl1l3 = 1 cl2l3 = 2 (h) ∑ i∈I xml = 1 (84) 1 0 00 1 0 0 0 1 ∑ m∈M xml = 1 (85) 1 0 00 1 0 0 0 1 24. No Problema da definic¸a˜o do tamanho do lote na˜o-capacitado (ULSP) deve-se decidir quanto, quando produzir e quanto deve ser estocado de um produto. O objetivo e´ minimizar o custo total de produc¸a˜o formado pelos custos de estoque e de produc¸a˜o que podem variar ao longo dos per´ıodos. Em cada per´ıodo, a empresa deve atender uma demanda (dt) atrave´s da produc¸a˜o ou do estoque. Considerando s0 um paraˆmetro que representa o estoque inicial no per´ıodo 0, pt o custo unita´rio de produc¸a˜o no per´ıodo t,λt o custo unita´rio de estoque em t, dt a demanda em t e partindo da formulac¸a˜o ba´sica para este problema dada por (86-88), fac¸a o que se pede: Formulac¸a˜o: min ∑ t∈T ptxt + λtst (86) sujeito a: st−1 + xt − dt = st,∀t ∈ T (87) xt, st ∈ Z+,∀t ∈ T (88) (a) Quais sa˜o os elementos e conjuntos utilizados na formulac¸a˜o deste problema? (b)Qual e´ o significado das varia´veis xt? E das varia´veis st? (c) Explique o significado das restric¸o˜es 87. (d) O ULSP e´ um problema que pode ser resolvido em tempo polinomial, utili- zando, por exemplo, o algoritmo proposto por Wagner e Whitin(1958). No entanto, a versa˜o capacitada deste problema e´ muito mais complexa. Altere a formulac¸a˜o para introduzir uma capacidade de produc¸a˜o Ct em cada per´ıodo t. (e) Considerando a resposta da letra 0d, modifique o problema para cobrar um custo fixo f em todos os per´ıodos em que houver produc¸a˜o. (f) Considerando a resposta da letra 0d, altere o problema para considerar mu´ltiplos itens. Questo˜es de Provas Pa´gina 22 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas Soluc¸a˜o: (a) Elementos: - per´ıodo (t); Conjuntos: - de per´ıodos (T); (b) xt - indica a quantidade a ser produzida no per´ıodo t ∈ T . st - indica a quantidade estocada no per´ıodo t ∈ T . (c) Essa restric¸a˜o indica que o estoque do per´ıodo anterior mais a quantidade produzida menos a demana tem que ser igual ao estoque atual. (d) Introduzir uma capacidade de produc¸a˜o Ct em cada t ∈ T : ∑ t∈T xt ≥ (1− yt)M + 1,∀t ∈ T (89)∑ t∈T Ct ≥ ytdt − st−1,∀t ∈ T (90) yt ∈ {0, 1},∀t ∈ T (91) (e) Cobrar um custo fixo (CF) em todos os per´ıodos que houver produc¸a˜o. min ∑ t∈T ptxt + λtst + CFtyt (92) (f) Considerar multiplos itens: para isso e´ necessa´rio indexar um i ∈ I que acompanha o t ∈ T para todas as restric¸o˜es i varia de 1 a n→ {1, 2, ..., n}. min ∑ i∈I ∑ t∈T ptixti + λtisti + CFtiyti (93) sujeito a: st−1 + xti − dti = sti,∀t ∈ T, ∀i ∈ I (94)∑ t∈T ∑ i∈I xit ≥ (1− yitM + 1 (95)∑ t∈T ∑ i∈I Cit ≥ ytidti − st−1 (96) xti, sti ∈ Z+,∀t ∈ T, ∀i ∈ I (97) yti ∈ {0, 1},∀t ∈ T, ∀i ∈ I (98) 25. 25. A partir da caracterizac¸a˜o e do modelo (99-109) apresentados para o problema de sequenciamento de atividades em ma´quinas paralelas, fac¸a o que se pede. Situac¸a˜o: Uma unidade fabril possui diversas ma´quinas (m ∈ M) capazes de realizar as mesmas atividades (i ∈ I). Com o objetivo de minimizar o custo de total de atraso destas atividades, o gerente de produc¸a˜o deve alocar atividades a`s ma´quinas e decidir em qual Questo˜es de Provas Pa´gina 23 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas ordem executa´-las. Cada atividade possui: um custo de atraso por unidade de tempo (δi) transcorrido entre o te´rmino de sua execuc¸a˜o e sua data acertada de entrega (di); um tempo de processamento (pim) que depende da ma´quina onde sera´ executado e uma data de liberac¸a˜o, isto e´, momento a partir do qual a atividade podera´ ser executada (ri). Uma vez que G representa um nu´mero muito grande, o modelo de PLIM (99-109) representa a situac¸a˜o. (a) Quais sa˜o os elementos utilizados neste modelo? (b) Qual e´ o significado da varia´vel yim? (c) Qual e´ o significado da varia´vel xij? (d) Explique o significado das restric¸o˜es 100. (e) Explique o significado das restric¸o˜es 101. (f) Explique o significado das restric¸o˜es 102. (g) Explique o significado das restric¸o˜es 103. (h) Explique o significado das restric¸o˜es 105. (i) Suponha que para executar uma atividade i logo apo´s uma atividade j em uma ma´quina m tenha que se realizar a preparac¸a˜o de ma´quina que demanda um tempo sijm. Escreva textualmente as implicac¸o˜es desta alterac¸a˜o na formulac¸a˜o do problema (o que devera´ ser alterado?). (j) Com base na situac¸a˜o descrita em 0i, reescreva a formulac¸a˜o do problema. (k) Dado a Tabela 2 abaixo que refere-se a uma instaˆncia do problema com 2 ma´quinas e 4 atividades, apresente uma soluc¸a˜o via´vel para o problema e seu respectivo custo. (l) Para a instaˆncia apresentada na Tabela 2 qual seria um valor poss´ıvel para G? Explique. Formulac¸a˜o: min ∑ i∈I δiti (99) sujeito a: ∑ m∈M yim = 1,∀i ∈ I (100) xij + xji ≤ 1,∀(i, j) ∈ I × I (101) yim + ∑ m′∈M :m′ 6=m yim′ + xij + xji ≤ 2,∀(i, j) ∈ IxI,∀m ∈M (102) ti ≥ ci − di,∀i ∈ I (103) ci + pjm −G(3− xij − yim − yjm) ≤ cj ,∀(i, j) ∈ IxI,∀m ∈M (104) ri + pimyim ≤ ci,∀i ∈ I, ∀m ∈M (105) yim ∈ {0, 1},∀i ∈ I, ∀m ∈M (106) xij ∈ {0, 1},∀i ∈ I, ∀j ∈ I (107) ti ≥ 0,∀i ∈ I (108) ci ≥ 0,∀i ∈ I (109) Questo˜es de Provas Pa´gina 24 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas Atv pi1 pi2 ri di δi a1 2 1.5 1 3 0.5 a2 3 3 0 5 1.0 a3 1 1.5 0 3 1.0 a4 0.5 1.0 0 2 1.0 Tabela 2: Instaˆncia para o problema. Soluc¸a˜o: (a) Elementos: - ma´quinas (m); - atividades (i). Conjuntos: - de ma´quinas (M); - de atividades (I). (b) yim - varia´vel bina´ria que liga as ma´quinas a`s atividades. Indica que a atividade i ∈ I esta´ alocada a` ma´quina m ∈M . (c) xij - atividade i ∈ I que precede a atividade j ∈ J (d) Tem-se que alocar exatamente uma ma´quina para cada atividade. (e) Uma mesma atividade, independente de sua sequeˆncia, so´ pode ser alocada no ma´ximo uma vez. (f) 2 atividades so´ podem serem feitas em sequeˆncia se elas forem feitas na mesma ma´quina. (g) Indica que o atraso da atividade i ∈ I vai ser maior ou igual a data de te´rmino da atividade i ∈ I menos a data acertada da entrega. (h) Independente da ma´quina a ser alocada para a atividade i ∈ I, a sua data de liberac¸a˜o somado a seu tempo de processamento sera´ sempre menor ou igual a data de te´rmino da atividade i ∈ I. (i) Deveria ser acrescentado o tempo de setup. (j) Ci + Sijm + pjm −G(3− xij − yim − yjm) ≤ C + i (k) Data de entrega (Ci): C1 = 2, 5 C2 = 3 C3 = 4 C4 = 4, 5 Data acertada (di): d1 = 3 d2 = 5 Questo˜es de Provas Pa´gina 25 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas d3 = 3 d4 = 2 Ci − di = ti 4− 3 = 1 4, 5− 2 = 2, 5 min ∑ i∈I δiti = 1 ∗ 1 + 2, 5 ∗ 1 = 1 + 2, 5 = 3, 5 (110) (l) Um valor poss´ıvel seria 8, pois ele e´ grande o suficiente para anular a restric¸a˜o quando necessa´rio. 26. No Problema das Mochilas Mu´ltiplas (PMM) deve-se decidir se um item deve ser alocado e em qual mochila de forma a maximizar a utilizade total. O problema considera um limite de capacidade em termos de peso diferente para cada mochila e um peso associado a cada item. Uma formulac¸a˜o ba´sica para este problema e´ dada por (111-114). Com base na formulac¸a˜o do PMM, fac¸a o que se pede: Formulac¸a˜o: max ∑ m∈M ∑ i∈I uimxim (111) sujeito a: ∑ i∈I pixmi ≤ Pm,∀m ∈M (112)∑ m∈M xmi ≤ 1,∀i ∈ I (113) xmi ∈ {0, 1},∀m ∈M,∀i ∈ I (114) (a) Quais sa˜o os elementos e conjuntos utilizados na formulac¸a˜o deste problema? (b) Qual e´ o significado da varia´vel xmi? (c) Explique o significado das restric¸o˜es 112. (d) Explique o significado das restric¸o˜es 113. (e) Suponha que se tenha diferentes categorias de itens e, por algum motivo, deseja- se possuir no mı´nimo um item de cada categoria. Altere a formulac¸a˜o de forma a contemplar esta situac¸a˜o. (f) Voltando ao problema original, suponha agora que todos os itens devam ser carregados e que o objetivo passe a ser a minimizac¸a˜o do peso ma´ximo alocado a uma mochila. Altere a formulac¸a˜o de forma a contemplar esta situac¸a˜o. (g) Crie uma instaˆncia com 2 mochilas e 6 itens para o problema original. (h) Encontre uma soluc¸a˜o via´vel para a instaˆncia definida em (0g). Defina o valor de todas as varia´veis e da func¸a˜o objetivo para a soluc¸a˜o encontrada. Questo˜es de Provas Pa´gina 26 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas (i) Encontre uma soluc¸a˜o via´vel do problema definido em (0f) para a instaˆncia definida em (0g). Defina o valor de todas as varia´veis e da func¸a˜o objetivo para a soluc¸a˜o encontrada. Soluc¸a˜o: (a) Elementos: - mochilas (m); - itens (i). Conjuntos: - de mochilas (M); - de itens (I). (b) xmi e´ uma varia´vel bina´riaque representa se o item i ∈ I vai ou na˜o ser alocado a mochila m ∈M . (c) O somato´rio dos pesos dos itens que va˜o para a mochila tem que ser menor ou igual ao peso suportado por ela, para todo m ∈M . (d) O item i ∈ I so´ pode ser alocado em uma mochila m ∈M . (e) max ∑ m∈M ∑ i∈I ∑ j∈J uimjximj (115) sujeito a: ∑ i∈I ∑ j∈J pijxmij ≤ Pm,∀m ∈M (116)∑ m∈M ∑ j∈J xmij ≥ 1,∀i ∈ I (117) (f) min ∑ m∈M Pm (118) sujeito a: ∑ i∈I pi ≤ Pm,∀m ∈M (119)∑ m∈M xmi = 1,∀i ∈ I (120) xmi ∈ {0, 1},∀m ∈M,∀i ∈ I (121) (g) Mochila Pm 1 100 2 50 Questo˜es de Provas Pa´gina 27 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas Itens Peso 1 5 2 10 3 15 4 20 5 25 6 30 ∑ m∈M xmi ≤ 1 (122) m1 m2 x1 0 1 x2 1 0 x3 0 1 x4 0 1 x5 1 0 x6 1 0 (h) ∑ i∈I pixmi ≤ Pm,∀m ∈M (123) m1 → 0 ∗ 5 + 1 ∗ 10 + 0 ∗ 15 + 0 ∗ 20 + 1 ∗ 25 + 1 ∗ 30 = 65 m2 → 1 ∗ 5 + 0 ∗ 10 + 1 ∗ 15 + 1 ∗ 20 + 0 ∗ 25 + 0 ∗ 30 = 40 max ∑ m∈M ∑ i∈I uimxim (124) m1 → 0 ∗ 1 + 1 ∗ 2 + 0 ∗ 3 + 0 ∗ 4 + 1 ∗ 5 + 1 ∗ 6 = 13 m2 → 1 ∗ 1 + 0 ∗ 2 + 1 ∗ 3 + 1 ∗ 4 + 0 ∗ 5 + 0 ∗ 6 = 8 (i) Peso total do item = 105kg. Dividindo proporcionalmente: m1 = 70, m2 = 35 m1 → 1 ∗ 5 + 1 ∗ 10 + 0 ∗ 15 + 0 ∗ 20 + 1 ∗ 25 + 1 ∗ 30 = 70 m2 → 0 ∗ 5 + 0 ∗ 10 + 1 ∗ 15 + 1 ∗ 20 + 0 ∗ 25 + 0 ∗ 30 = 35 Questo˜es de Provas Pa´gina 28 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas 27. A partir da caracterizac¸a˜o e do modelo (125-127) apresentados para o problema de sequenciamento de aeronaves, fac¸a o que se pede. Situac¸a˜o: Considerando um voo (v ∈ V ) como o percurso de uma aeronave entre uma origem e um destino em determinado hora´rio, e como rota (r ∈ R) um caminho alternativo a ser percorrido por esta ao longo de um dia, o problema de sequenciamento de aeronaves consiste em escolher a rota de menor custo de forma a garantir o atendimento a` demanda por voos. Uma rota cobrira´ um determinado voo se λrv possuir valor 1 e zero caso contra´rio. Sendo cr o custo da rota r o modelo representado pelas equac¸o˜es 125-127 representa a situac¸a˜o. (a) Qual e´ o significado da varia´vel xr? (b) Explique o significado das restric¸o˜es 126. (c) Suponha que a empresa possua |A| aeronaves e para cada uma delas exista um custo cra de atribuir a a ∈ A a rota r ∈ R. Desta forma, rescreva o problema para garantir que o mesmo ira´ considerar tais alterac¸o˜es. Observe que apenas uma aeronave podera´ realizar cada voo. (d) Crie um conjunto de dados que possa representar uma situac¸a˜o real para o problema. Formulac¸a˜o: min ∑ r∈R crxr (125) sujeito a: ∑ r∈R λrvxr = 1,∀v ∈ V (126) xr ∈ {0, 1},∀r ∈ R (127) Soluc¸a˜o: (a) xr - varia´vel bina´ria que indica se a rota esta´ sendo utilizada ou na˜o. (b) Todo voo v ∈ V so´ podera´ ser atendido por uma rota r ∈ R. (c) cra - custo para se atribuir uma aeronave a` rota r ∈ R. tra - varia´vel bina´ria que indica se a aeronave esta´ sendo utilizada. min ∑ r∈R crxr + ∑ r∈R ∑ a∈A cratra (128) sujeito a: ∑ r∈R λrvxr = 1,∀v ∈ V (129)∑ a∈A tra = 1,∀r ∈ R (130) xr ∈ {0, 1},∀r ∈ R (131) tra ∈ {0, 1},∀r ∈ R,∀a ∈ A (132) Questo˜es de Provas Pa´gina 29 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas (d) V = {1, 2, 3}; R = {1, 2}; cr = {50, 100} r1 r2 v1 1 0 v2 0 1 v3 0 1 28. A partir da caracterizac¸a˜o e do modelo (133-138) apresentados para o problema na˜o capacitado de localizac¸a˜o de instalac¸o˜es, fac¸a o que se pede. Situac¸a˜o: Para melhorar o n´ıvel de servic¸o log´ıstico e diminuir os custos de transporte, uma em- presa deve decidir onde e quantos armaze´ns deve abrir dentre uma se´rie de cidades candidatas(s ∈ S). Cada candidata possui um custo fixo de abertura (fs), isto e´, um custo associado a` sua construc¸a˜o, que so´ e´ cobrado uma u´nica vez. O armaze´m existe para atender a demanda dos clientes da empresa (c ∈ C). Para cada cliente e´ definido um tempo ma´ximo de entrega (tmaxc ) e um volume associado (em toneladas/ano) (vc). O cliente pode ser atendido diretamente da fa´brica ou a partir de um armaze´m. Tendo conhecimento do custo (por tonelada) e do prazo de se entregar em um determinado cliente a partir de cada sede candidata e tambe´m da fa´brica (csc, tsc, cic e tic, respecti- vamente), o modelo modelo (133-138) representa a situac¸a˜o. Formulac¸a˜o: min ∑ s∈S fsys + ∑ s∈S ∑ c∈C cscvcxsc + ∑ c∈C cicvcxic (133) sujeito a: ∑ s∈S xsc + xic = 1,∀c ∈ C (134)∑ s∈S tscxsc + ticxic ≤ tc,∀c ∈ C (135)∑ c∈C xsc ≤ ys|C|,∀s ∈ S (136) ys ∈ {0, 1},∀s ∈ S (137) xsc ∈ {0, 1},∀s ∈ S, ∀c ∈ C (138) (a) Quais sa˜o os elementos utilizados neste modelo? (b) Qual e´ o signficado da varia´vel ys? (c) Qual e´ o significado da varia´vel xsc? (d) Explique o significado das restric¸o˜es 134. (e) Explique o significado das restric¸o˜es 135. (f) Explique o significado das restric¸o˜es 136. (g) Suponha que o modelo em questa˜o passe a ser capacitado, isto e´, os armaze´ns passem a possuir um limite de capacidade anual qs. Considerando que a fa´brica na˜o possui limite de capacidade, escreva textualmente as implicac¸o˜es desta alterac¸a˜o na formulac¸a˜o do problema. (h) Com base na situac¸a˜o descrita em (0g), reescreva a formulac¸a˜o do problema. Questo˜es de Provas Pa´gina 30 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas (i) Retornando a` formulac¸a˜o original, suponha que exista a possibilidade de re- alizar a entrega para um cliente a partir de diferentes modais de transportes (rodovia´rio, ferrovia´rio, ae´reo...) a partir de qualquer ponto de partida para qualquer cliente. Escreva textualmente as implicac¸o˜es desta alterac¸a˜o na for- mulac¸a˜o do problema. (j) Com base na situac¸a˜o descrita em (0i), reescreva a formulac¸a˜o do problema. Soluc¸a˜o: (a) Elementos: - clientes (c); - cidades candidatas (s); - fa´bricas (i). (b) ys - varia´vel de decisa˜o, se ira´ ser cobrado ou na˜o um custo fixo quando um armaze´m for aberto. (c) xsc - se o cliente c ∈ C for atendido pelo armaze´m ou na˜o. (d) O cliente deve ser atendido uma u´nica vez, ou diretamente pela fa´brica ou pelo armaze´m. (e) O tempo ma´ximo de entrega deve ser respeitado, sendo que a mercadoria deve ser entregue ou pelo armaze´m ou pela fa´brica. (f) So´ e´ poss´ıvel realizar a entrega da mercadoria de um armaze´m se ele estiver aberto. (g) Deveria ser criado um paraˆmetro para definir a capacidade do armaze´m (qi) e tambe´m ser criado uma restric¸a˜o na qual a quantidade de demanda dos produtos a serem entregues pelo armaze´m aos clientes seja menos que sua capacidade. (h) min ∑ s∈S fsys + ∑ s∈S ∑ c∈C cscvcxsc + ∑ c∈C cicvcxic (139) sujeito a: ∑ s∈S xsc + xic = 1,∀c ∈ C (140)∑ c∈C xsc ≤ ys|C|,∀s ∈ S (141)∑ c∈C vcxsc ≤ qsys,∀s ∈ S (142) (i) Deveria criar um novo elemento modal de transporte (m) que sera´ associ- ado ao custo de entrega dos armaze´ns e das fa´bricas para os clientes. Com isso, dois paraˆmetros sera˜o alterados, o Cicm sera´ o custo de entrega da Questo˜es de Provas Pa´gina 31 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas fa´brica i ∈ I ao cliente c ∈ C atrave´s do modal m ∈ M . O mesmo acon- tece com Cscm, que e´ o cust dos armaze´ns. Esse custo sera´ direcionado a func¸a˜o objetivo afim de minimiza´-lo. (j) min ∑ s∈S fsys + ∑ s∈S ∑ m∈M ∑ c∈C cscmvcx m sc + ∑ c∈C ∑ m∈M cicmvcx m ic (143) sujeito a: ∑ s∈S ∑ m∈M xmsc + x m ic = 1,∀c ∈ C (144)∑ s∈S ∑ m∈M tscx m sc + ticx m ic ≤ tc,∀c ∈ C (145)∑ c∈C ∑ m∈M xmsc ≤ ys|C|,∀s ∈ S (146) ys ∈ {0, 1},∀s ∈ S (147) xsc ∈ {0, 1},∀s ∈ S, ∀c ∈ C (148) Questo˜es de Provas Pa´gina 32 de 50 ENP160 - Otimizac¸a˜o Combinato´ria2018/1 Questo˜es de Provas 4 Relaxac¸a˜o Lagrangeana 29. Relaxac¸a˜o Lagrangeana: max 3x1 + 4x2 + 2x3 + x4 + 2x5 (149) sujeito a: 2x1 − x2 + x3 + x4 + x5 ≤ 1 (150) −x1 + 3x2 + x3 − x4 − 2x5 ≤ 1 (151) 2x1 + x2 − x3 + x4 + 3x5 ≤ 1 (152) x1, x2, x3 ∈ {0, 1} (153) x4, x5 ≥ 0 (154) (a) Relaxe a restric¸a˜o 1 (231) e escreva o Problema Dual Lagrangeano. (b) Suponha que durante a k-e´sima iterac¸a˜o do Me´todo do Subgradiente, o valor da varia´vel dual utilizada como penalidade na letra (0a) seja u1k = 2, o stepsize seja = 0, 5 e a soluc¸a˜o corrente x∗k(u 1 k) = (0 0 0 0 1 3 ). Encontre o valor de uk+11 . (c) Explique o objetivo do uso da Relaxac¸a˜o Lagrangeana. Soluc¸a˜o: (a) min−3x1 − 4x2 − 2x3 − x4 − 2x5 (155) sujeito a: −2x1 + x2 − x3 − x4 − x5 ≤ −1 (156) x1 − 3x2 − x3 + x4 + 2x5 ≤ −1 (157) −2x1 − x2 + x3 − x4 − 3x5 ≤ −1 (158) x1, x2, x3 ∈ {0, 1} (159) x4, x5 ≥ 0 (160) min−3x1 − 4x2 − 2x3 − x4 − 2x5 − U(−2x1 + x2 − x3 − x4 − x5 + 1)(161) sujeito a: x1 − 3x2 − x3 + x4 + 2x5 ≤ −1 (162) −2x1 − x2 + x3 − x4 − 3x5 ≤ −1 (163) x1, x2, x3 ∈ {0, 1} (164) x4, x5 ≥ 0 (165) U ∈ R (166) (b) uk+11 = uk − γkx(d−D∗x(uk)) uk+11 = 2− 0, 5(2x0− 0 + 0 + 0 + 13 ≤ 1) uk+11 = 2− 0, 5(23) uk+11 = 5 3 Questo˜es de Provas Pa´gina 33 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas (c) A relaxac¸a˜o Lagrangiana e´ usada para reformular problemas a fim de encontrar soluc¸a˜o de maneira mais fa´cil ou reformular o problema para melhorar o limite. 30. Corrija as sentenc¸as a seguir: (a) A Relaxac¸a˜o Lagrangiana de um PPLIM tem como objetivo encontrar uma soluc¸a˜o o´tima para o mesmo. (b) No Me´todo de Balas, todas as varia´veis inativas sa˜o candidatas a ativac¸a˜o, isto e´, a receber o valor 1. (c) O crite´rio de parada de me´todo do branch and bound. e´ um nu´mero ma´ximo de iterac¸o˜es estabelecidos previamente. (d) Os cortes de Gomory sa˜o va´lidos por na˜o eliminar soluc¸o˜es via´veis do problema relaxado. Soluc¸a˜o: (a) A Relaxac¸a˜o Lagrangiana de um PPLIM tem como objetivo encontrar uma soluc¸a˜o o´tima para o mesmo de maneira mais fa´cil ou reformular o problema para melhorar os limites. (b) No me´todo de Balas, apenas as varia´veis livres sa˜o candidatas a ativac¸a˜o, isto e´, a receber o valor 1. (c) No me´todo branch and bound os crite´rios de parada sa˜o poda por otima- lidade, poda por inviabilidade, poda por limite ou um nu´mero ma´ximo de iterac¸o˜es pre´-estabelecidas. (d) Os cortes de gomory sc¸ao va´lidos por eliminar soluc¸o˜es via´veis que na˜o sa˜o inteiras, restringindo a regia˜o de viabilidade do problema relaxado Questo˜es de Provas Pa´gina 34 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas 31. A partir da formulac¸a˜o de Kantorovich e Zalgaller (1951) para o problema de corte uni- dimensional (1-5) apresentado, Escolha uma restric¸a˜o para relaxar e escreva o Problema Dual Lagrangeano. Formulac¸a˜o de Kantorovich e Zalgaller (1951): min ∑ k∈K yk (167) sujeito a: ∑ k∈K yik ≥ bi,∀i ∈ I (168)∑ i∈I wixik ≤Wyk,∀k ∈ k (169) yk ∈ {0, 1},∀k ∈ K (170) xik ∈ Z+,∀k ∈ K, ∀i ∈ I (171) K conjunto de barras I conjunto de pec¸as bi demanda por i W comprimento das barras wi comprimento das pecc¸as yk indica o uso da barra k xik quantidade pec¸as i no corte da barra k Soluc¸a˜o: min ∑ k∈K yk − Ui(bi + ( ∑ k∈K xik)) (172) sujeito a: ∑ i∈I wixik ≤Wyk,∀k ∈ K (173) yk ∈ 0, 1,∀k ∈ K (174) xik ∈ Z+,∀k ∈ K,∀i ∈ I (175) Ui ∈ R+,∀i ∈ I (176) 32. Relaxac¸a˜o Lagrangeana: (a) Como pode ser feita a atualizac¸a˜o do stepsize no me´todo do subgradiente? (b) Qual a regra de atualizac¸a˜o das varia´veis duais em um problema escrito na forma padra˜o (maximizac¸a˜o, ≤)? (c) Explique como a Relaxac¸a˜o Lagrangeana pode ser utilizada para auxiliar na busca pela soluc¸a˜o o´tima. (d) Explique o que e´ uma Heur´ıstica Lagrangeana. Questo˜es de Provas Pa´gina 35 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas Soluc¸a˜o: (a) O me´todo usual e´ dividir γk por dois apo´s m interac¸o˜es sem melhora o limite superior do dual lagrangeano. (b) E´ utilizar γk = Z∗(uk)−DˆL ||d−Dx(uk)||2 onde DˆL pode ser substituido por um limite inferior, mas se o limite for ruim, o me´todo na˜o ira´ convergir. (c) Com a relaxc¸a˜o lagrangeana podemos obter um limite de relaxc¸a˜o mais estreito que o limite linear, com isso a a´rea de soluc¸o˜es via´veis ira´ diminuir. (d) O me´todo da relaxac¸a˜o lagrangeana na˜o garante que a soluc¸a˜o encontrada seja via´vel para o problema, mas mesmo encontrada na˜o quer dizer que ela e´ o´tima, mas com a estrtura da relaxac¸a˜o lagrangeana podemos obter uma soluc¸a˜o que pode ser ta˜o boa quanto a o´tima do problema denominada de heur´ıstica lagrangeana. 33. Marque verdadeiro(v) ou falso (f) para as afirmativas abaixo e justifique quando a sentenc¸a na˜o for verdadeira. (a) A resposta gerada pela Relaxac¸a˜o Lagrangiana de um PPLIM e´ uma soluc¸a˜o o´tima para o mesmo. (b) O uso do Me´todo do Subgradiente na Relaxac¸a˜o Lagrangiana tem como obje- tivo encontrar o valor o´timo da varia´vel dual associada a`s restric¸o˜es dualizadas. Soluc¸a˜o: (a) Falso, o me´todo da Relaxac¸a˜o Lagrangeana de um PPLIM na˜o garante que se encontre um soluc¸a˜o via´vel para o problema. Mesmo quando uma soluc¸a˜o via´vel e´ encontrada, ela na˜o e´, necessariamente, o´tima. (b) Verdadeiro. Questo˜es de Provas Pa´gina 36 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas 34. A partir da modelo (177-181) apresentado, escolha uma restric¸a˜o para relaxar e escreva o Problema Dual Lagrangiano. Formulac¸a˜o: min 4x1 + 6x2 + 2x3 + 6x4 + 7x5 − 7x6 (177) sujeito a: 6x1 − 4x2 − 6x4 + 2x6 ≥ 0 (178) 3x1 + x2 + 7x3 + 7x4 + 8x5 − 8x6 ≥ 17 (179) −9x1 + 4x2 + 5x3 + 2x4 + 8x5 − 8x6 ≥ 15 (180) xi ∈ {0, 1},∀i ∈ {1, ..., 6} (181) Soluc¸a˜o: Restric¸a˜o escolhida para relaxar e´ 177 max−4x1 − 6x2 − 2x3 − 6x4 − 7x5 + 7x6 + U ∗ (17− 3x1 + x2 + 7x3 + 7x4 + 8x5 − 8x6)(182) sujeito a: −6x1 + 4x2 + 6x4 − 2x6 ≤ 0 (183) 9x1 − 4x2 − 5x3 − 2x4 − 8x5 + 8x6 ≤ 15 (184) xi ∈ {0, 1},∀i (185) Questo˜es de Provas Pa´gina 37 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas 5 Branch and Bound 35. Para o PPLIM definido por (235-191) e o quadro final do simplex de sua relaxac¸a˜o linear (235), fac¸a o que se pede: max 3x1 + 4x2 + 2x3 + x4 + 2x5 (186) sujeito a: 2x1 − x2 + x3 + x4 + x5 ≤ 1 (187) −x1 + 3x2 + x3 − x4 − 2x5 ≤ 1 (188) 2x1 + x2 − x3 + x4 + 3x5 ≤ 1 (189) x1, x2, x3 ∈ {0, 1} (190) x4, x5 ≥ 0 (191) Eq vb Z x1 x2 x3 x4 x5 f1 f2 f3 f4 f5 f6 LD (0) Z 1 1 0 0 0,25 0 1,625 1,5 1,125 0 0 0 4,25 (1) x2 1 0 1 0 -0,125 0 -0,0625 0,25 0,1875 0 0 0 0,375 (2) x3 0 1 0 1 0,375 0 0,6875 0,25 -0,0625 0 0 0 0,875 (3) x5 0 2 0 0 0,5 1 0,25 0 0,25 0 0 0 0,5 (4) f4 0 1 0 0 0 0 0 0 0 1 0 0 1 (5) f5 0 0 0 0 0,125 0 0,0625 -0,25 -0,1875 0 1 0 0,625 (6) f6 0 -1 0 0 -0,375 0 -0,6875 -0,25 0,0625 0 0 1 0,125 (a) Escolha uma varia´vel para fazer o branch e justifique sua escolha. (b) Escreva os dois novos sub-problemas encontrados apo´s o branch realizado na letra (0a). (c) Cite e explique as treˆs formas de poda no me´todo branch and bound. (d) Escolha uma restric¸a˜o e crie um Corte de Gomory para o problema. (e) Escreva a nova linha do quadro Simplex. (f) Qual varia´vel devera´ sair da base? E qual varia´vel devera´ entrar? (g) Realize uma iterac¸a˜o do me´todo dos Cortes de Gommory para o resultado final da relaxac¸a˜o linear. (h) Escreva a formulac¸a˜o do novo problema apo´s o corte. (i) Para o novo quadro gerado em 0g, escolha uma varia´vel para fazer o branching e escreva um dos subproblema gerados. (j) Incorpore a restric¸a˜o de branching no quadro final do simplex e encontre o novo o´timo para osubproblema. (k) Qual nome se da´ ao procedimento esta´ sendo utilizado para solucionar o pro- blema nesta questa˜o (passos das letras 0g-0j)? Soluc¸a˜o: (a) Escolha X2 pois dentre as varia´veis de decisa˜o ela e´ a mais fracionada. Questo˜es de Provas Pa´gina 38 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas (b) (c) i. Poda por limite - Ocorre Quando o limite superior para um determi- nado subproblema e´ menor que o melhor limite inferior conhecido. ii. Poda por inviabilidade - Ocorre quando o subproblema e´ invia´vel iii. Poda por otimalidade - Ocorre qiando se dete´m uma soluc¸a˜o o´tima inteira para um subproblema relaxado (d) O corte sera´ feito na restric¸a˜o x2 pois ela e´ a restric¸a˜o fraciona´ria com valor mais pro´ximo de 0,5. O corte ficara´: (−0, 0625−b−0, 0625c)∗f1+(0, 25−b0, 25c)∗f2+(0, 1875−b0, 1875c)∗ f3 + (0− b0c) ∗ f4 + (0− b0c) ∗ f5 + (0− b0c) ∗ f6 ≤ (0, 375− b0, 375c) S = −0, 0625∗f1+0, 25∗f2+0, 1875∗f3+0∗f4+0∗f5+0∗f6 ≤ 0, 375 (e) Nova linha simplex. Eq vb Z x1 x2 x3 x4 x5 f1 f2 f3 f4 f5 f6 S LD (0) Z 1 1 0 0 0,25 0 1,625 1,5 1,125 0 0 0 0 4,25 (1) x2 1 0 1 0 -0,125 0 -0,0625 0,25 0,1875 0 0 0 0 0,375 (2) x3 0 1 0 1 0,375 0 0,6875 0,25 -0,0625 0 0 0 0 0,875 (3) x5 0 2 0 0 0,5 1 0,25 0 0,25 0 0 0 0 0,5 (4) f4 0 1 0 0 0 0 0 0 0 1 0 0 0 1 (5) f5 0 0 0 0 0,125 0 0,0625 -0,25 -0,1875 0 1 0 0 0,625 (6) f6 0 -1 0 0 -0,375 0 -0,6875 -0,25 0,0625 0 0 1 0 0,125 (7) S 0 0 0 0 0 0 -0,0625 0,25 0,1875 0 0 0 1 0,375 (f) A varia´vel que vai entrar na base sera´ a f1 e a que vai sair sera´ a x5. (g) Responsa´vel: [Aluno 3] (h) Responsa´vel: [Aluno 3] (i) Responsa´vel: [Aluno 3] (j) Responsa´vel: [Aluno 3] (k) Responsa´vel: [Aluno 3] Questo˜es de Provas Pa´gina 39 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas 36. Explique o que e´ Branch and Cut. Soluc¸a˜o: E´ um algoritmo de Branch and Bound onde planos de corte sa˜o gerados ao longo da a´rvore de subproblemas. A ideia e´ inicialmente tornar os subproblemas mais justos e quando os cortes na˜o surtirem mais efeito, voltar ao Branch and Bound. 37. Corrija as sentenc¸as a seguir: (a) O crite´rio de parada de me´todo do Branch and Bound e´ um nu´mero ma´ximo de iterac¸o˜es estabelecidos previamente. Soluc¸a˜o: Os crite´rios de parada do me´todo do Branch and Bound sa˜o: nu´mero ma´ximo de iterac¸o˜es estabelecidos previamente, poda por limite, poda por inviabilidade e poda por otimalidade. 38. Resolva a relaxac¸a˜o linear do problema definido pelo modelo (192-195) pelo me´todo gra´fico, Escolha uma varia´vel para realizar o branching e represente graficamente os dois subproblemas. Formulac¸a˜o: max 10x1 + 15x2 (192) sujeito a: 8x1 + 4x2 ≤ 40 (193) 15x1 + 30x2 ≤ 200 (194) x1, x2 ∈ Z+ (195) Questo˜es de Provas Pa´gina 40 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas Soluc¸a˜o: Branching => x1 ≤ 2 x1 ≥ 3 39. Marque verdadeiro(v) ou falso (f) para as afirmativas abaixo e justifique quando a sentenc¸a na˜o for verdadeira. (a) O me´todo Branch and Bound na˜o e´ um algoritmo polinomial. (b) No me´todo de Branch and Cut, Cortes de Gomory sa˜o feitos em cada no´ da a´rvore de busca do Branch and Bound. Soluc¸a˜o: (a) Verdadeiro. (b) Verdadeiro. Questo˜es de Provas Pa´gina 41 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas 40. Resolva a relaxac¸a˜o linear do problema definido pelo modelo (196-201) pelo me´todo gra´fico, escolha uma varia´vel para realizar o branching e represente graficamente os dois subproblemas. Formulac¸a˜o: max 4x1 + 6x2 (196) sujeito a: x1 + 2x2 ≤ 8 (197) 2x1 − 2x2 ≤ 5 (198) x1 ≥ 1 (199) x2 ≥ 1 (200) x1, x2 ∈ Z+ (201) Soluc¸a˜o: Solucao 1: Utilizando o me´todo gra´fico a reta vermelha mostra que a soluc¸a˜o se encontra no ponto c com os valores de x1 = 4, 3333 e x2 = 1, 83333. Como buscamos a soluc¸a˜o o´tima inteira devemos realizar o branching onde olhando para a variavel x1 temos ou x1 ≤ 4 ou x1 ≥ 5. Sendo x1 ≥ 5 infact´ıvel escolhemos x1 ≤ 4, e acrescentamos essa restric¸a˜o ao problema original e resolvemos novamente utilizando o metodo gra´fico na soluc¸a˜o 2 com soluc¸a˜o otima inteira no ponto c onde x1 = 4 e x2 = 1. Questo˜es de Provas Pa´gina 42 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas Solucao 2: Questo˜es de Provas Pa´gina 43 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas 41. Branch and Bound: max 3x1 + 4x2 (202) sujeito a: 0, 4x1 + 2x2 ≤ 3 (203) 0, 4x1 − 0, 4x2 ≤ 1 (204) x1, x2 ∈ Z2+ (205) (a) Resolva graficamente a relaxac¸a˜o linear do problema (202-205). (b) Escolha uma varia´vel para fazer o branch e, no mesmo gra´fico, represente os dois novos subproblemas. Soluc¸a˜o: (a) Relaxac¸a˜o linear do problema. (b) { 0, 4x1 + 2x2 = 3 0, 4x1 − 0, 4x2 = 1 (−1) (206) 2, 4x2 = 2 ;x2 = 0, 83 (207) 0, 4x1 − 0, 4 ∗ 0, 83 = 1 ;x1 = 3, 33 (208) 42. Sobre o me´todo de Branch and Bound : (a) Explique como e´ feita divisa˜o de problema em subproblemas filhos, isto e´, a etapa de Branch. (b) Enumere e explique os tipos de poda da a´rvore de soluc¸a˜o. (c) Qual e´ o crite´rio de parada do me´todo? Questo˜es de Provas Pa´gina 44 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas Soluc¸a˜o: (a) Os subproblemas sa˜o gerados a partir do problema original, onde cada subproblema e´ obtido atrave´s do arredondamento de varia´veis na soluc¸a˜o do problema relaxado. (b) Os 3 me´todos sa˜o: • Poda por otimilidade: ocorre quando se obte´m uma soluc¸a˜o o´tima para um problema relaxado; • Poda por inviabilidade: ocorre quando o subproblema e´ invia´vel; • Poda por limite: ocorre quando o limite superior para um determi- nado subproblema e´ menos que o melhor limite inrior conhecido. (c) O crite´rio de parada e´ quando todos os subproblemas esta˜o solucionados, ou seja, foram ”podados”por alguma das 3 podas. 43. Resolva a relaxac¸a˜o do problema representado pelas inequac¸o˜es (209-214) pelo simples e realize um primeiro corte por branch and bound ou planos cortantes. Formulac¸a˜o: max 4x1 + 6x2 (209) sujeito a: x1 + 2x2 ≤ 8 (210) 2x1 − 2x2 ≤ 5 (211) x1 ≥ 1 (212) x2 ≥ 1 (213) x1, x2 ∈ Z+ (214) Soluc¸a˜o: max 4x1 + 6x2 (215) sujeito a: x1 + 2x2 + x3 = 8 (216) 2x1 − 2x2 + x4 = 5 (217) x1 − x4 +A1 = 1 (218) x2 − x5 +A2 = 1 (219) Lb P0 P1 P2 P3 P4 P5 P6 P7 P8 0 8 1 2 1 0 0 0 0 0 0 5 2 -2 0 1 0 0 0 0 -1 1 1 0 0 0 -1 0 1 0 -1 1 1 0 0 0 0 -1 0 1 Z -2 -1 -1 0 0 1 1 0 0 Questo˜es de Provas Pa´gina 45 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas Lb P0 P1 P2 P3 P4 P5 P6 P7 P8 0 7 0 2 1 0 1 0 -1 0 0 3 0 -2 0 1 2 0 -2 0 0 1 1 0 0 0 -1 0 1 0 -1 1 0 1 0 0 0 -1 0 1 Z -1 0 -1 0 0 0 1 1 0 Lb P0 P1 P2 P3 P4 P5 P6 P7 P8 0 5 0 0 1 0 1 2 -1 -2 0 5 0 0 0 1 2 -2 -2 2 0 1 1 0 0 0 -1 0 1 0 0 1 0 1 0 0 0 -1 0 1 Z 0 0 0 0 0 0 0 1 1 Fase II: Lb P0 P1 P2 P3 P4 P5 P6 0 5 0 0 1 0 1 2 0 5 0 0 0 1 2 -2 4 1 1 0 0 0 -1 0 6 1 0 1 0 0 0 -1 Z 10 0 0 0 0 -4 -6 Lb P0 P1 P2 P3 P4 P5 P6 0 5 2 0 0 1 2 0 1 2 1 0 10 0 0 1 1 3 0 4 1 1 0 0 0 -1 0 6 7 2 0 1 1 2 0 1 2 0 Z 25 0 0 3 0 -1 0 Lb P0 P1 P2 P3 P4 P5 P6 0 5 6 0 0 1 3 −1 6 0 1 0 10 3 0 0 1 3 1 3 1 0 4 13 3 1 0 1 3 1 3 0 0 6 11 6 0 1 1 3 −1 6 0 0 Z 85 3 0 0 10 3 1 3 0 0 x1 = 13 3 → dx1e = 5, bx1c = 4 x2 = 11 6 → dx2e = 2, bx2c = 1 Z = 85 3 Questo˜es de Provas Pa´gina 46 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas 6 Me´todos de planos cortantes 44. Seja o poliedro P := {∑i∈I aixi ≥ b, xi ∈ {0, 1},∀i ∈ I}. Dado h > 0, prove que o corte gerado pela inequac¸a˜o 221 e´ va´lido para P.∑ i∈I ⌈ai h ⌉ xi ≥ ⌈b h ⌉ (220) Soluc¸a˜o: E´ sabido que o ⌈ ai h ⌉ xi ≥ aih onde o teto ∈ Z. Ale´m disso, foi informado que o xi e´ o bina´rio (0 ou 1), enta˜o podemos afirmar que: ∑ i∈I ⌈ai h ⌉ xi ≥ ∑ i∈I ai h xi ≥ ⌈ b h ⌉ (221) 45. Mostre que para o poliedro P := {(x1, x2, x3)|21, 5x1 + 43x2 + 86x3 ≥ 45, x1, x2, x3 ∈{0, 1}} possui a inequac¸a˜o 222 como desigualdade va´lida.∑ i∈I x1 + x2 + 2x3 ≥ 2 (222) Soluc¸a˜o: Calculando o teto de cada parcela e depois testar ⌈ 21, 5 43 ⌉ x1 + ⌈ 43 43 ⌉ x2 + ⌈ 86 43 ⌉ x3 ≥ ⌈ 45 43 ⌉ (223) 1 + 1 + 2 ≥ 2 (224) 46. A partir do quadro final do Simplex da relaxac¸a˜o linear de um PPLIM representado na tabela, fac¸a o que se pede: Eq vb Z x1 x2 f1 f2 f3 LD (0) Z 1 10 0 0 5 2 0 50 (1) f1 0 2 0 1 −1 4 0 15 (2) x2 0 1 1 0 1 8 0 5 2 (3) f3 0 -2 0 0 −1 4 1 5 (a) Escreva um corte de Gomory para essa soluc¸a˜o. Questo˜es de Provas Pa´gina 47 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas (b) Represente o corte em termo das varia´veis originais do problema (x1, x2). (c) Escreva o novo quadro simplex. (d) Discuta sobre a viabilidade primal e dual e sobre a viabilidade da nova soluc¸a˜o. Soluc¸a˜o: Responsa´vel: [Aluno 3] 47. Escreva a inequac¸a˜o que representa um corte de gommory e explique com suas palavras o funcionamento do me´todo. Soluc¸a˜o: Para qualquer u ∈ R+m e para todo x que satisfaz: k∑ j=1 aijxj ≤ bi,∀i = 1, 2, 3...,m (225) Temos que: m∑ i=1 ui k∑ j=1 aijxj ≤ m∑ i=1 uibi (226) Desse modo, todas as soluc¸o˜es que satisfazem (225) e xj ≥ 0 tambe´m satisfazem: k∑ j=1 ⌈ m∑ i=1 uiaij ⌉ xj ≤ m∑ i=1 uibi (227) Tendo: k∑ j=1 ⌈ m∑ i=1 uiaij ⌉ xj ≤ m∑ i=1 uibi (228) E considerando que xj ∈ Z obtemos o Plano de Corte de Chva´tal-Gomory: k∑ j=1 ⌈ m∑ i=1 uiaij ⌉ xj ≤ ⌈ m∑ i=1 uibi ⌉ (229) O me´todo busca refinar o conjunto via´vel de um PPLI e a cada iterac¸a˜o o algoritmo adiciona uma restric¸a˜o linear que e´ satisfeita por uma soluc¸a˜o inteira do problema original eliminando as partes fraciona´rias da soluc¸a˜o na˜o inteira. O algoritmo chega ao fim quando uma soluc¸a˜o inteira e´ obtida. Questo˜es de Provas Pa´gina 48 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas 48. Pre´-processamento: max 3x1 + 4x2 + 2x3 + x4 + 2x5 (230) sujeito a: 2x1 − x2 + x3 + x4 + x5 ≤ 1 (231) −x1 + 3x2 + x3 − x4 − 2x5 ≤ 1 (232) 2x1 + x2 − x3 + x4 + 3x5 ≤ 1 (233) x1, x2, x3 ∈ {0, 1} (234) x4, x5 ≥ 0 (235) (a) Verifique os limites superiores e inferiores para as varia´veis x4 e x5 (b) Apo´s a definic¸a˜o dos novos limites, verifique a viabilidade do problema. (c) Apo´s a definic¸a˜o dos novos limites, verifique se a restric¸a˜o 1 (231) e´ redundante. Soluc¸a˜o: (a) min−3x1 − 4x2 − 2x3 − x4 − 2x5 (236) sujeito a: 2x1 − x2 + x3 + x4 + x5 ≤ 1 (237) −x1 + 3x2 + x3 − x4 − 2x5 ≤ 1 (238) 2x1 + x2 − x3 + x4 + 3x5 ≤ 1 (239) x1, x2, x3 ∈ {0, 1} (240) x4, x5 ≥ 0 (241) Limite Inferior Limite Superior 0 1 0 1 0 1 0 2 0 2 3 x4 : R1 => x4 ≤ 1−2x1+x2−x3−x51 x4 ≤ 1−0+1−0−01 x4 ≤ 2 R2 => −x4 ≥ 1+x1−3x2−x3+x51 −x4 ≥ 1+1−0−0+∞1 x4 ≤ −∞ R3 => x4 ≤ 1−2x1−x2+x3−3x51 x4 ≤ 1−0−0+1−01 x4 ≤ 2 x5 : R1 => x5 ≤ 1−2x1+x2−x3−x41 x5 ≤ 1−0+1−0−01 x5 ≤ 2 R2 => −x5 ≥ 1+x1−3x2−x3+x41 −x5 ≥ 1+1−0−0+21 x5 ≤ −2 R3 => x5 ≤ 1−2x1−x2+x3−x41 x5 ≤ 1−0−0+1−01 x5 ≤ 23 Questo˜es de Provas Pa´gina 49 de 50 ENP160 - Otimizac¸a˜o Combinato´ria 2018/1 Questo˜es de Provas (b) R1 => LI => 2(0)− (0) + (0) + 0 ≤ 1 0 ≤ 1 => OK R1 => LS => 2(1)− (1) + (1) + 2 + 23 ≤ 1 14 3 ≤ 1→ Invia´vel (c) 2x1 − x2 + x3 + x4 + x5 ≤ 1 2(1)− 0 + 1 + 2 + 2 3 ≤ 1 17 3 ≤ 1→ A restric¸a˜o na˜o e´ redundante 49. 49. Sobre o me´todo de Gomory: (a) O me´todo e´ capaz de gerar a soluc¸a˜o o´tima para um PPLIM? Justifique. (b) A partir do quadro final do Simplex da Relaxac¸a˜o Linear do PPLIM, explique os procedimentos de uma iterac¸a˜o do me´todo. (c) Uma vez que uma varia´vel e´ integrlizada, isto e´, passa a ter um valor inteiro apo´s um corte, seu valor continuara´ sendo inteiro nos cortes seguintes? Justifique. Soluc¸a˜o: (a) Sim. O me´todo iterativo e´ capaz de encontrar uma soluc¸a˜o primal via´vel, ou seja, inteira atrace´s do dual simplex, que e´ o´tima para o novo problema modelado. (b) Deve-se escolher a varia´vel ba´sica mais fracionada, realizar o corte e representa-lo em termos das varia´veis originais do problema. Se a soluc¸a˜o na˜o for primal via´vel, mas for dual via´vel, devemos iterar o dual sim- plex para encontrar uma soluc¸a˜o primal via´vel. Se for o´tima pare, sena˜o, adicione outro corte. (c) Na˜o se pode garantir, pois e´ poss´ıvel que haja outras iterac¸o˜es que podem alterar novamente o valor da varia´vel. Questo˜es de Provas Pa´gina 50 de 50 Complexidade Região de Viabilidade, Envoltória Convexa e Formulação Ideal Modelagem Relaxação Lagrangeana Branch and Bound Métodos de planos cortantes
Compartilhar