Beruflich Dokumente
Kultur Dokumente
Mtodo do Big M
base
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 10 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
Mtodo do Big M
= 21 + 32
= 21 + 32
. .
. .
21 + 32 6
21 + 32 + 3 = 6
1 + 22 8
1 + 22 4 = 8
1 + 2 = 6
1 + 2 = 6
1 , 2 0
1 , 2 0
= 21 + 32 + 03 + 04
5 6
21 + 32 + 3 = 6
+1 + 22 4 + 5 = 8
+1 + 2 + 6 = 6
1 , 2 , 3 , 4 , 5 , 6 0
10
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 10 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
= 1 + 2
. .
. .
51 + 22 20
51 + 22 + 3 = 20
21 2 2
21 2 4 + 1 = 2
31 + 52 15
31 + 52 5 + 2 = 15
1 , 2 0
1 , 2 0
11
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 10 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
15
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 10 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
Neste exemplo:
= 1 + 2
= 1 + 2
= 1 + 2
. .
. .
51 + 22 20
51 + 22 + 3 = 20
21 2 2
21 2 4 + 1 = 2
31 + 52 15
31 + 52 5 + 2 = 15
1 , 2 0
1 , 2 0
Lembrete
17
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 10 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
= 17 51 42 + 4 + 5
22
24
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 10 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
26
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 10 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
Soluo Eficiente
Uma soluo mais eficiente acrescentar restrio
= uma
+ =
= se
verifique
28
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 10 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 11 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
Anlise de Sensibilidade
Anlise de Sensibilidade
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 11 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
Anlise de Sensibilidade
= +
. +
Anlise de Sensibilidade
15
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 11 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
Anlise de Sensibilidade
16
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 11 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
Anlise de Sensibilidade
19
Anlise de Sensibilidade
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 11 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
Anlise de Sensibilidade
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 11 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
Anlise de Sensibilidade
26
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 11 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
Anlise de Sensibilidade
27
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 11 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
Anlise de Sensibilidade
28
Dualidade
Interpretao Econmica
Propriedades da Dualidade
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 12 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
Propriedades da Dualidade
+ + =
+ + =
+ =
+ =
, , , , ,
30
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 12 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
Propriedades da Dualidade
34
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 12 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
Interpretao Econmica
Cdigo MatLab
= +
clc
. .
clear all
format short
%
+
f = [ -600 ; -800 ];
%
+
A = [ 1 1
3 2
1 0
0 1 ];
%
b = [ 100
240
,
60
80 ];
%
[X,FVAL,EXITFLAG,OUTPUT,LAMBDA] = linprog(f,A,b);
disp('Vetor de soluo:')
X
disp('Valor da Funo Objetivo:')
-FVAL
disp('Multiplicadores Simplex:')
LAMBDA.ineqlin
Optimization terminated.
Vetor de soluo:
X =
20.0000
80.0000
Valor da Funo Objetivo:
FVAL =
-7.6000e+004
Variveis Duais:
ans =
600.0000
0.0000
0.0000
200.0000
= <0
17
Programao No-Linear
Condies Necessrias: so condies satisfeitas pelos pontos de
timo e, eventualmente, tambm por outros pontos no timos
Condies Suficientes: so condies satisfeitas unicamente pelos
pontos de timo
26
Programao No-Linear
Representao Grfica
Nessa representao, a Funo Objetivo representada por Curvas
de Nvel
Exemplo
Exemplo numrico:
3 +
. .
2 + 2 = 10
, , = 3 + + ( 2 + 2 10)
, , = 3 + 2 = 0 = 3/2
, , = 1 + 2 = 0 = 1/2
, , = 2 + 2 10 = 0 = 1/2
3
1
Gradiente da Restrio:
=
Relao:
2
2
2
3
=
2
1
53
+1 = + ,
= 0,1,2,3
Minimizao unidirecional
Exemplo:
Mtodo do Gradiente
Mtodo de Newton
29
Funo Barreira:
Mantm as variveis dentro
de seus limites
Programao Inteira
Programao Inteira-Mista
Expande o alcance da programao linear, permitindo a condio de
algumas (ou todas as) variveis do modelo, sejam nmeros inteiros (
. .
+
+
+
, ,
de 0 :
1 = 0 1 , 2 1 2
2 = 0 {(1 , 2 )|1 3}
em cada um dos quais uma nova soluo tima de PL dever ser obtida
soluo tima
(3;1) = 7
23
11
Disciplina Mtodos de Otimizao ENE081 Aula Nmero: 17 PROF. JOO A. PASSOS FILHO PERODO: 2015/01
Programao Inteira
15
Exemplo de utilizao:
= + +
= + +
. .
. .
+ + =
+ +
+ + + =
+ +
+ + + =
+ +
+ + + =
, ,
, , , , , ,
, ,
16
18
21