Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Min (Max) f(xxxx)
s. a. gi(xxxx) (≤, ≥, =) bi, i = 1, … ,m onde xxxx = (x1,…,xn)Té o vetor n-dimensional das variáveis de decisão;
f (xxxx) é a função objetivo;
gi(xxxx) são as funções de restrição e os bisão constantes conhecidas.
PPNL
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Conjuntos Convexos
Definição:Um conjunto S ⊆ ℜné convexo se cada ponto, no segmento de linha conectando dois pontos quaisquer x, y em S, está também em S. Formalmente:
z = x + (1 - λ)y ∈ S para todo λ tal que 0 ≤ λ ≤ 1.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Exemplos
y x • • x y • • x y• •Curso: Engenharia de Produção
Otimização e Conjuntos Convexos
Seja S = { xxxx ∈ ℜn: g
i(xxxx) ≤ bi, i = 1,…,m } Se gi(xxxx) é uma função convexa para cada i = 1, …, m, então S é um conjunto convexo.
Curso: Engenharia de Produção
Teorema da Programação Convexa: Seja xxxx ∈ ℜn e seja f (xxxx) uma funçãofunçãofunçãofunção convexaconvexaconvexa definida sobre um umconvexa conjunto convexoconvexoconvexoconvexo SSSS. Se existe uma solução finita para o problema
Min (Max) { f (xxxx): xxxx ∈ S }
Então todo o ótimo local é global. Se f(xxxx) é estritamente convexa então a solução ótima é única.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Programação Convexa
Min (Max) f (x1,…,xn)
s. a gi(x1,…,xn) ≤ bi para i = 1,…,m e x1≥0, …, xn≥0
é um problema convexo se f é convexa (côncava) e cada gié convexa (côncava).
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
x 1 1 2 3 4 5 1 2 3 4 5 x2 Max f (xxxx) = z = (x – 2)2+ (y – 2)2 Sujeito a –3x – 2y ≤ –6 –x + y ≤ 3 x + y ≤ 7 2x – 3y ≤ 4
Exemplo
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Problema Não Convexo
Min f (xxxx) = -14x2-0,9y2 s. a 3x – 13/x + 0,8y ≤ 1,7
x + y ≤ 30 x ≤ 7 x, y ≥ 0
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Condições de Otimalidade de Primeira Ordem
Min (Max) {f (xxxx): gi(xxxx) ≤ bi, i = 1,…,m }
Lagrangiano:L(xxxx, λ) = f(xxxx) + Condições de Otimalidade • Estationaridade: ∇L(xxxx, λ) =∇f(xxxx) + = 0 • Complementaridade: λigi(xxxx) = 0, i = 1,…,m • Viabilidade: gi(xxxx) ≤ bi, i = 1,…,m • Não negatividade: λi≥0, i = 1,…,m ) ) x ( (gi bi m 1 i i − ∑λ = ) x ( gi m 1 i i ∇ ∑λ =
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Importância dos Problemas Convexos
Softwares de otimização comerciais não podem garantir que a solução é globalmente ótima se o problema não é convexo. Os algoritmos de PNL tentam encontrar um ponto onde o gradiente da função Lagrangiana é zero – um ponto estacionário – e exista uma folga completmentar.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Dado L(xxxx, µ) = f(xxxx) + µ(g(xxxx) – b) Queremos ∇L(xxxx, µ) = ∇f(xxxx) + µ∇g(xxxx) = 0
λ(g(xxxx) – b) = 0 g(xxxx) – b ≤ 0, λ ≥ 0
Para um problema convexo, toda a solução local é um ótimo global.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Um pacote postal é uma caixa de dimensões x, y, z, que deve atender a seguinte restrição para poder ser enviado via correio. A altura e mais o perímetro da base não pode exceder 108 cm. O objetivo é obter um pacote com o maior volume possível cujas dimensões atendam as especificações do correio.
Exemplo: pacote postal
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Max V(x, y, z) = xyz s. a. 2x + 2y + z ≤ 108
x ≥ 0, y ≥ 0 e z≥0
Solução via Lagrangiano
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
L(x, y, z, λ) = xyz + λ(2x + 2y + z – 108) Derivando e igualando a zero as derivadas parciais em relação a cada variável inclusive λ.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
108 z y 2 x 2 L xy z L 2 xz y L 2 yz x L − + + = λ ∂ ∂ λ + = ∂ ∂ λ + = ∂ ∂ λ + = ∂ ∂
Igualando essas expressões a zero, tem-se:
Curso: Engenharia de Produção
108 z y 2 x 2 0 108 z y 2 x 2 xy 0 xy xz 2 0 2 xz yz 2 0 2 yz = + + ⇒ = − + + − = λ ⇒ = λ + − = λ ⇒ = λ + − = λ ⇒ = λ +
Assim, concluí-se que: z = 2y e z = 2x. Logo x = y.
Substituindo esses resultados na quarta equação, tem-se:
Curso: Engenharia de Produção
2x + 2y + z = 108 2x + 2x + 2x = 108 6x = 108 ⇒ x = 18. Logo y = 18 e z = 36.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Queremos construir um recipiente na forma de um cilindro fechado em cima e em baixo que tenha o máximo de volume e que a área da superfície não seja superior a ssss unidades.
Max V(r, h) = πr2h
s. a. 2πr2+ 2πrh = s
r ≥ 0, h ≥ 0
r
h
Exemplo: projeto de um cilindro
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Essa é uma solução global ótima?
Solução via Cálculo
π π π π π = → = → π = π = = − π = → = → = π − = π π − π = π = = → π π − = 6 s 6 s 6 s r 6 s 6 s r r r r r 2 / 1 2 / 1 2 / 3 2 2 / 1 2 / 1 3 2 2 2 2 2 h r 2 h V 2 r r 2 s h r 0 dr dV . 2 rs r 2 2 s h V Volume r 2 2 s h
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Assim V(r ) é côncava em R3e a solução é um máximo global.
Teste de Convexidade
0. r todo para 0 r 6 d ) r ( V r 6 d ) r ( V 3 2 s dr ) r ( dV . 2 rs ) r ( V r d r d r r 2 2 2 2 2 3 ≥ ≤ π − = π − = → π − = → π − =Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Resolução pelo Lagrangiano
Dado o problema: Max V(r, h) = πr2h
s. a. 2πr2+2πrh = s O Lagrangiano será:
L(r, h) = πr2h + λ(2πr2+2πrh – s).
Derivando essa expressão em relação a r, h e λ, tem-se:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
s rh 2 2 L r 2 h L h 2 r 4 rh 2 r L r r 2 2 − π + π = λ ∂ ∂ πλ + π = ∂ ∂ πλ + πλ + π = ∂ ∂ Igualando essas expressões a zero, tem-se:
0 s rh 2 2 0 r 2 0 h 2 r 4 rh 2 r r 2 2 = − π + π = πλ + π = πλ + πλ + π λ = = λ + π = πλ + π 2 r 0 ) 2 r ( r 0 r 2 r2 Manipulando a segunda equação:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Substituindo esse resulltado na primeira equação, segue que:
r 2 h 0 2 rh 0 rh 2 rh 2 0 h 2 r 4 rh 2 0 ) h 2 r 4 rh 2 ( 0 h 2 r 4 rh 2 r r 2 2 = ⇒ = − = − − ⇒ = λ + λ + = λ + λ + π ⇒ = πλ + πλ + π
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Como h = 2r, segue que:
π = ⇒ π = ⇒ = π = π + π ⇒ = π + π = π + π ⇒ = − π + π 6 s r r r r r r r 2 / 1 2 2 2 2 2 2 2 r 6 s s 6 s 4 2 s r 2 r 2 2 s rh 2 2 0 s rh 2 2 π = 6 s 1/2 2 h
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Solução pelo Solver
r h
1,30 2,61 s = 32
Max 13,90
Sinal LD R 32 = 32
Para utilizar o Solver o valor de ssss deve ser fixado. Nesse caso: s = 32.
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
O departamento de Estradas e Rodagens planeja construir uma área de descanso para os motoristas ao longo de uma longa autoestrada. Ela deve ser retangular, com uma área de 5000 metros quadrados, e deverá ser cercada nos três lados não-adjacentes à estrada. Qual é a menor quantidade de cerca que será necessária para completar o trabalho?
Exercício: área de descanso
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
Max Min 2x + y s. a. xy = 5000
x ≥ 0, y ≥ 0
Resolver por cálculo e via Lagrangiano.
Modelagem
Curso: Engenharia de Produção
BERTSEKAS, Dimitri P. Nonlinear Programming.
Belmont (MA): Athena Scientific, 1995.
WINSTON, Wayne L. Operations Research:
Applications and Algorithms. 3 ed. Belmont (CA):
Duxbury Press, 1994.