CENTRO DE TECNOLOGIA E URBANISMO - CTU

DEPARTAMENTO DE ENGENHARIA ELÉTRICA - DEEL

PROGRAMA MESTRADO E DOUTORADO EM ENGENHARIA ELÉTRICA - MEEL

Otimização Linear
2ELE134

Tópicos Especiais em Programação Linear

2ELE065

Aula No. 1
Grupo de Pesquisa
Prof. Luis Alfonso Gallego Pareja Planejamento e Operação
luispareja@uel.br Ótima de Sistemas
Elétricos

1
Otimizar
Otimizar é dar um rendimento ótimo; criar condições
favoráveis de modo a tirar melhor partido possível; tornar
ótimo ou ideal algum processo ou sistema.

Na área da matemática o termo otimização, ou programação

matemática, refere-se ao estudo de problemas em que se
busca minimizar ou maximizar uma função com ou sem um
conjunto de restrições, que através da escolha sistemática dos
valores das variáveis do problema (reais, inteiras) poderemos
chegar a uma solução.

2
Porque Otimizar?
• No campo da engenharia os desenhadores, operadores e
planejadores dos sistemas estão continuamente
enfrentando-se a problemas que devem ser resolvidos.

• É comum encontrar procedimentos de desenho, operação e

planejamento que seguem regras construídas a partir de
conceitos técnicos e da experiência.

• Os sistemas atuais devem ser competitivos: em custos (de

construção, operação e manutenção), qualidade, segurança,
confiabilidade.

3
Otimizar !!!!!

Otimizar com recursos escassos ou em conflito

com outras entidades que demandam o mesmo
recurso.

4
Porque Otimizar?
• Um bom desenho, uma boa programação da operação ou
um bom plano de expansão devem ser econômicos em
inversão, em custos de operação e em custos de
manutenção.

• Um sistema deve ser fácil de operar, de atualizar e deve ser

portável, outras condições adicionais podem ser impostas
aos sistemas.

• Para obter um maior lucro na atividade que estamos

desenvolvendo;

5
Porque Otimizar?

Quando vamos a solucionar problema de otimização

matemática devemos responder alguns
questionamentos:
• Pode-se obter um desenho mais econômico?
• Pode-se obter uma operação mais econômica?

• Estamos fazendo uso eficiente dos recursos escassos?

• Os ricos estão dentro dos limites permitidos?

6
Porque Otimizar?
Para dar resposta a estes interrogantes existem um continuo
desenvolvimento de ferramentas que incluem:
• Técnicas de modelamento matemático de sistemas e
simulação de sua operação;

• Técnicas de solução de modelos resultantes. Estas

técnicas fazem parte dos denominados métodos de
otimização (de rápido crescimento nos últimos anos).
• Sistemas de computo eficientes os quais devem realizar
muitos cálculos durante os processos de solução.

7
Pesquisa Operacional
• É um conjunto de métodos científicos, estatísticos ou algoritmos
de solução que ajudam à toma de decisões, que permite
determinar a melhor forma de desenhar e operar um sistema em
condições que exigem uso de recursos escassos e custosos.

• Fornece aos pesquisadores um conjunto de algoritmos que

podem ser implementados computacionalmente e que
constituem ferramentas efetivas para resolver problemas com
multiplex soluções.

• Pode ser aplicada em todas as disciplinas.

8
Problema de Otimização e
definições

9
Otimização
É rama da matemática aplicada que ocupa-se da determinação das
melhores soluções, em relação a um objetivo, para problemas que
podem ser modelados matematicamente e para os quais existem
modelos bem definidos. É uma ferramenta muito importante para a
toma de decisões. Envolve:

• Desenvolvimento de modelos matemáticos que representem

fielmente o problema da vida real.

• Medidas quantitativas de desempenho do sistema em

estudo.

• Estudo de critérios de otimalidade.

10
Otimização
Sua aplicação para o usa racional dos recursos encontrados nos
problemas de optimização de:

• Espaço • Tempo
• Energia • Alimentos
• Agua • Equipamentos
• Dinheiro • Pessoas capacitadas

O mineração o a pesca são exemplos de aplicação onde requer-se

de um exploração racional e eficiente dos recursos.

11
Otimização

Os problemas de engenharia possuem alguns

objetivo em comum, tais como: minimizar o custo de
investimento, operação e manutenção, maximizar o
beneficio econômico. Devemos decidir que objetivos
interessam em cada caso em particular e a
prioridade que temos para cada uns deles.

12
Otimização

Aspectos a minimizar:
1. Custo de investimento.
2. Custo de operação.
3. Custo de manutenção.
4. Perdas técnicas (em redes elétricas, de vapor, de gás, etc.).
5. Perdas financeiras.
6. Tempo de entrega.
7. Tempo de atraso.

13
Otimização

Aspectos a minimizar:
8. Tempo de espera.
9. Quantidade de pessoas.
10. Matéria prima.
11. Impacto ambiental
12. Tamanho.
13. Peso.
14. Desperdiço.

14
Otimização

Aspectos a maximizar:
1. Ganância econômica ou lucro.
2. Produtividade.
3. Qualidade do serviço.
4. Qualidade do produto.
5. Número de usuário atendidos.
6. Bem-estar.

15
Otimização

Em relação à principais áreas de aplicação da

otimização podemos destacar as seguintes:

• Matemática e física • Processos industriais

• Engenharia. • Industria militar
• Economia e finanças. • Energia
• Agricultura. • Sistemas de
comunicações
• Mineração. • Meio ambiente
• Transportes. • Serviços
16
Componentes de um problema de
otimização
Podemos falar que temos um problema de otimização sempre
que a partir da descrição do problema seja possível identificar
os seguintes componentes básicos:
Ø Função objetivo: aspecto fundamental do problema e que está sujeito a
minimizar ou maximizar.
Ø Variáveis de decisão: variáveis do problema sobre as quais tem-se
controle para otimizar um objetivo.
Ø Restrições: fatores que limitam ou restringem os valores que podem
assumir as variáveis de decisão.
Ø Parâmetros: dados ou recursos que fazem parte do problema de
otimização.

17
Um problema de programação linear (PL) ou não linear (PNL)
pode ser representado da seguinte forma:
ìmin f ( x )
ï
ï s.a
í
ï gi ( x) £ 0 i = 1,2,...,m
ï hi ( x) = 0 i = 1,2,...,l
î
é x1 ù
êx ú
x = ê 2ú e X ® valores factíveis das variáveis
ê!ú
ê ú
ë xn û

f ( x), g1 ( x), g 2 ( x),..., g m ( x), h1 ( x), h2 ( x),..., hl ( x) ® (Ân ® Â)

18
Classificação dos problemas de
otimização
a. Segundo a forma da função objetivo !(#) e as
restrições %&(#) , ℎ& # :

• Programação Linear (PL): Problemas com função objetivo !(#)

e restrições %&(#) , ℎ& # que todas são expressadas a través de
funções algébricas lineares.

• Programação Não Linear (PNL): Problemas com função objetivo

!(#) e restrições %&(#) , ℎ& # que todas são expressadas a
través de funções algébricas não lineares.

19
Classificação dos problemas de
otimização
b. Segundo a forma as variáveis envolvidas (") :

• Programação Inteira (PE): Problemas onde as variáveis somente

assumem valores inteiros.

• Programação Mista (PEM): Problemas onde as variáveis

assumem valores contínuos e inteiros.

• Programação Binaria (0-1): Problemas onde as variáveis

assumem somente valores de ZERO ou UM.

20
Classificação dos problemas de
otimização
d. Segundo a dimensão das variáveis ("):
• Programação em uma variável: Problemas onde só existe uma
variável de decisão (variáveis escalares): " ∈ ℜ

• Programação multivariável: Problemas onde variáveis: " ∈

ℜ'

21
Classificação dos problemas de
otimização
e. Segundo a dimensão da função objetivo !(#):
• Programação mono-objetivo: Problemas onde só existe uma
função objetivo : !(#) ∈ ℜ

• Programação multi-objetivo: Problemas onde existem várias

funções objetivo : !(#) ∈ ℜ(

22
Métodos de solução
Para resolver um problema de otimização matemática bem
definido pode-se empregar:
1. Métodos analíticos.

2. Métodos gráficos

3. Métodos experimentais.

4. Métodos numéricos, baseados em algoritmos ou

procedimentos iterativos.

23
Métodos de solução
Em todos os casos o pesquisador encontra as seguintes
dificuldades:
1. Não existe um método ou algoritmo de otimização universal
que resolva todos os problemas ou a grande maioria, em lugar
disto, existe uma ampla variedade de algoritmos. “o pesquisador
deve dominar um amplo espectro de esses algoritmos”.
2. Complexidade matemática para representar bem o problema.
3. Dificuldade na implementação computacional e adequação do
algoritmo escolhido para resolver certo problema.
4. Tempo.

24
Problema de programação linear:
Complexidade

• Complexidade Descritiva: quantidade de informação que deve-se

fornecer para ter uma adequada descrição do problema.

• Complexidade Generativa: quantidade de instruções que devem-

se dar para construir o sistema em estudo.

• Complexidade Computacional: quantidade de tempo e esforço

implicado na solução do problema. Na PL está associado como o
tamanho do problema.

25
Problema de programação linear:
Complexidade

• Complexidade Organizacional: variedade de formas de

ordenamento dos componentes do sistemas.

• Complexidade Operativa: variedade de modos de operação dos

componentes do sistema e do próprio sistema.

26
 Problema de programação linear: Características
do modelo
• Independência entre variáveis: a contribuição de uma variável de
decisão à função objetivo, ou ao uso de recursos, é independente
dos valores que se assignem a outras variáveis de decisão.

• Não negatividade das variáveis: as variáveis de decisão do

problema só podem assumir valores positivos ou iguais a zero.

• Continuidade das variáveis: as variáveis de decisão podem

assumir qualquer valor dentro de uma faixa predefinida. Em
consequência, as funções objetivos são de primeiro ordem,
continuas e diferenciáveis.

27
 Problema de programação linear: Características
do modelo
• Certeza ou determinismo: assuma-se que não temos aleatoriedade nos
coeficientes que definem as variáveis de decisão do problema. Não existe
uma retroalimentação em cadeia: informação -> decisão -> informação ->
decisão -> ...
• Aditividade: o uso total de recursos é a soma dos recursos empregados
pelas atividades individuais. O valor da função objetivo é a soma das
contribuições das atividades individuais.
• Proporcionalidade: as atividades se podem representar mediante funções
de produção lineares. Isto implica assumir retornos constantes a escala.
Assim, o uso de recursos por parte de uma atividade é proporcional ao
nível da atividade.

28
Problema de programação linear: Conceitos
associados

• Factibilidade e infactibilidade ;
• Pontos extremos ou vértices (SBF);
• Direções extremas;
• Espaço de solução limitado ou ilimitado;
• Espaço de solução aberto ou fechado;
• Noção de solução em PL;
• Cadeia: Inicialização -> iteração -> finalização.

29
Características do algoritmos de otimização
A pesar da diversidade dos algoritmo aplicáveis aos problemas de
programação linear e não linear, todos eles possuem em comum as
seguintes características:

§ São processos iterativos (são feitos passo a passo);

§ Requerem de uma estimativa inicial do vetor de solução ! a

qual se denominada condição inicial o ponto de inicio: !"

§ Possuem uma estratégia de gerar uma sequencia de valores

de ! que permitem avançar para uma solução:
!" ⟶ !$ ⟶ !% ⟶ ⋯ !∗

a estratégia empregada é o que diferencia um algoritmo de

outro.
30
Características do algoritmos de otimização

§ O passo de um valor !" ⟶ !"$% , empregando um estratégia,

se denomina iteração.

§ Possuem uma forma de determinar quando finalizar o

processo de busca da solução (critério de parada).

31
Algoritmos solução de problemas de
programação linear

Método Simplex Método de Pontos Interiores

32
Modelo matemático

• Um modelo matemático representa o desempenho e

comportamento de um sistema, em termos de equações
matemáticas, brindando resultados quantitativos.

• Um modelo matemático pode ser elaborado a partir do

entendimento físico de um sistema ou a partir de curvas, dados
experimentais, etc.

• O modelo pode estar constituído por equações algébricas,

equações diferenciais ordinárias e/ou parciais, equações integrais
ou por uma combinação de todas estas.

33
34
Mundo Real
Mundo Real
Mundo Real
 !"# $ &%
'. )
*+ (%&) ≤ 0 " = 1,2, . . . , !
ℎ+ (%&) = 0 " = 1,2, . . . , 5
Mundo Real
 Mundo Virtual

!"# $ &%
'. )
*+ (%&) ≤ 0 " = 1,2, . . . , !
ℎ+ (%&) = 0 " = 1,2, . . . , 5
 Mundo Virtual
Inadimplência

Inflação = 10%
PIB 5.2%

Custo
de Custo de combustíveis
transporte !"# $ &%
'. )
*+ (%& ) ≤ 0 " = 1,2, . . . , ! Custo de oportunidade
ℎ+ (%& ) = 0 " = 1,2, . . . , 5

Hidrologia

desvalorização 12%