Otimização Linear

Profª : Adriana
Departamento de Matemática

adriana@fc.unesp.br
wwwp.fc.unesp.br/~adriana
 Perguntas??

Dada uma solução básica factível (vértice de S e,

portanto, candidata à solução ótima),

1) Essa solução é ótima?

2) Caso não seja ótima, como determinar uma outra solução

básica factível melhor?
 Pergunta 1
A solução atual é ótima?
Considere uma solução básica factível:

 x̂ B   xˆB  B1b  0
x̂    , em que 
 x̂ N   xˆN  0

E a solução geral usando a mesma partição básica,

isto é:

 xB 
x 
 xN 

Qual o valor desta solução geral??

Pergunta 1  xB 
x 
 xN 
A função objetivo f(x)=cTx pode ser expressa considerando a
partição básica:
 xB 
f ( x)  c x  cBT
T T
N

c     cBT xB cTN xN
 xN 
coeficientes das coeficientes das
variáveis básicas na variáveis não-básicas
função objetivo na função objetivo

f (x)  cTB (B1b  B1Nx N )  cTN x N

 
xB

 cTBB1b  cTBB1Nx N  cTN x N

valor da solução básica associada a esta partição: f ( xˆ )

 Vetor Multiplicador Simplex
cTB B1b corresponde ao valor da função objetivo em x̂

f (xˆ )  cTBxˆ B  cTNxˆ N  cTB (B1b)  cTN (0) = cTB (B1b)

f (xˆ )  cTBxˆ B  cTNxˆ N  cTB (B1b)  cTN (0)  cTBB 1b

T

Definição (vetor multiplicador simplex) é o vetor  (m 1),

também chamado de vetor das variáveis duais dado por:

T  c TBB 1
BT  cB
T
 cTB B 1   B   cB  BT   cB
1 T
 Vetor Multiplicador Simplex
Vetor multiplicador simplex na expressão de f(x):

f (x)  f (x) ˆ  T Nx N  cTN x N

ˆ  cTBB-1Nx N  cTN x N  f (x)
 f (xˆ )  (cTN  λT N)xN

Expressando por colunas:

cTN  T N  (cN , cN , , cN )  λT (a N , a N , , a N )
1 2 nm 1 2 nm

 (cN1  λT a N1 , cN 2  λT a N 2 , , cN nm  λT a N nm )

x N  ( xN 1 , xN 2 , , xN nm )T

f (x)  f (xˆ )  (cN1  λT a N1 )x N  (cN2  λT a N2 )xN2   (cNnm  λT a Nnm )xNnm

1
 Custos Relativos

f (x)  f (xˆ )  (cN1  λT a N1 )x N   (cNnm  λT a Nnm )xNnm

1

cˆN j  (cN j  λT a N j ) Custos relativos ou custos

reduzidos

Reescrevendo f(x):
f( x )  f( xˆ )  cˆN1 x N  cˆN2 xN2   cˆNnm xNnm
1
Exemplo
 Considere o problema de otimização linear

Forma padrão
Exemplo

Intersecção das retas:

x1 + x2 = 4 e x1 = 3
 Exemplo
 x1 + x2 = 4
(variável de folga associada: x3)
 x1 = 3
(variável de folga associada: x4)

Logo, o vértice (solução básica) deve ser obtido

com a partição:

B = (1, 2, 5) N = (3, 4)
 Exemplo
 Atribuindo zero às variáveis não-básicas:
x3 = x4 = 0

Todos positivos: solução básica factível.

Exemplo
n-m variáveis não-básicas
B = (B1,B2,B3) = (1, 2, 5) N = (N1,N2) = (3, 4)
m variáveis básicas
 Cálculo dos custos relativos

ˆcN j  (cN j  λ T a N j )

OU

B   cB
T
 Cálculo dos custos relativos
Como

OU
Cálculo dos custos relativos
Condição de Otimalidade
Propriedade: (condição de otimalidade) Considere uma
partição básica factível A  B N  com solução básica
factível associada x̂ B  B1b  0 e seja T  cTBB1 o vetor
multiplicador simplex.
Se (c N  λ T aN )  0, j 1,, n  m então a solução básica é
j j

ótima.
“Se a condição de otimalidade for verificada, então a solução
básica é ótima”.
 Perguntas
1) Essa solução é ótima?

Condição de
otimalidade!!!

2) Caso não seja ótima, como determinar uma outra

solução básica factível melhor?
 A solução não é ótima...
Resposta à segunda pergunta: como determinar uma
solução básica factível melhor??
Supondo que a solução atual não seja ótima (a condição de
otimalidade está violada), isto é, suponha que exista k tal
que:
cˆN  c N  λ T a N  0
k k k

* Problemas de minimização

Perturbamos essa solução básica factível de modo a

diminuir o valor da função objetivo.

Essa estratégia é o fundamento do Método Simplex

Exemplo
Exemplo

(B = B-1 = I)
 Cálculo dos custos relativos

cˆ1 e cˆ2 são negativos e não satisfazem a condição de

otimalidade.
 Estratégia Simplex
Perturbamos essa solução básica
cˆ c  λT a 0 factível de modo a diminuir o valor da
Nk Nk Nk
função objetivo.

Estratégia Simplex: perturbar soluções básicas factíveis

que consiste em alterar as variáveis não-básicas por:
 x N k  ε  0, (variável com custo relativo negativo)

 x N j  0, j  1, 2,...., n  m, i  k .

Em outras palavras, apenas uma variável não-básica

deixa de ser nula.

Essa estratégia é o fundamento do Método Simplex

 Estratégia Simplex - resultado na
função objetivo
 xN k  ε  0, (variável com custo relativo negativo)


 x  0, j  1, 2,....,n  m, i  k .
 Nj

A função objetivo passa a valer:

f (x)  f (xˆ )  cˆN1 

0    cˆN k 
ε    cˆN nm 
0
x N1 x Nk x N nm
 f (xˆ )  cˆN k ε  f (xˆ )
 Estratégia Simplex - resultado na
função objetivo
• A função objetivo decresce quando  cresce, a uma taxa ĉ N k

• Quanto menor o valor de 𝑐𝑁Ƹ 𝑘 , mais rápido a função objetivo

decresce. Isso justifica a escolha da variável não-básica a ser
perturbada com o menor custo relativo Regra de Dantzig
 Direção Simplex e Tamanho do
Passo
Qual o tamanho do passo  ?
Mudando as variáveis não-básicas, as variáveis básicas
também são alteradas, de modo que o sistema Ax = b seja
satisfeito. Alteração nas variáveis não-básicas é:
 xN1  0
    
   
x N   xN k   ε   k
   
    
 x  0 
 N nm   
As variáveis básicas são modificadas por:
x B  B-1b  B-1 Nx N  x̂ B  B-1a N k ε  x̂ B  y ε

y Direção Simplex
Direção Simplex e Tamanho do
Passo

Direção Simplex: é o nome dado ao vetor y  B-1a N k , o

qual fornece os coeficientes de como as variáveis
básicas são alteradas na estratégia simplex. A
direção simplex é a solução do sistema de equações
lineares B y  a Nk .
 Direção Simplex e tamanho do
Passo
Reescrevendo a equação vetorial: x B  x̂ B  y ε
Considerando a não-negatividade das variáveis básicas:
xBi  xˆ Bi  y i ε  0
y i  0 então xBi  0 para todo ε0
xˆ Bi
y i  0 como x Bi  x̂ Bi  yi   0 devemos ter ε 
yi
Logo, o menor valor de  é dado por:
xˆ B  xˆ Bi 
ε̂   mínimo  tal que yi  0, i  1,..., m
y  yi  Tamanho
do passo
 Tamanho do Passo

Se no cálculo do passo, todos os yi ≤ 0...

... significa que para qualquer valor de , a nova solução

é factível (não há limitante superior para ).

Como a função objetivo decresce com o crescimento de

, então f(x)  - ∞ quando   ∞. Disso concluímos que
o problema não tem solução ótima (a solução ótima
será ilimitada!)
 Exemplo

(obtida para xNi =0)

xˆ B  B 1b
 Exemplo
A solução é ótima?
Multiplicador Simplex:

Solução do sistema BT  = cB ou :

Custos relativos:
k = 1 (x1 é alterada
pela estratégia
simplex)
 Exemplo

A direção simplex indica a maneira como as variáveis

básicas se modificam, ao aumentar uma dada variável
não-básica (no caso, N1 = 1)

x3 = 4 - 
x4 = 3 - 
x5 = 7/2
Qual o valor máximo para ??
 Exemplo
Tamanho do passo:
 Atualização
x̂ B  x̂ Bi 
Ao resolvermos ˆ   min  / y i  0
y  yi 
Determinamos qual variável básica vai se anular (sair da
base)
Isso sugere uma nova partição!

A variável básica x̂ B se anula (sair da base)



A variável não-básica x̂ N torna-se positiva (entrar na

k

base)
De fato,
 x̂ B 
 -ésima variável básica: x B  x̂ B  ˆ  x̂ B  y     0
 y 
k - ésima variável não-básica: x Nk  ˆ
 Atualização

Nova partição básica, com a troca de índices:

B  Nk
 Atualização
Isto significa que as matrizes básicas e não-básicas são
alteradas por apenas uma coluna:
B  [aB1 ,, a B ,, a Bm ]  B´ [aB1 ,, a Nk ,, a Bm ]
N  [a N1 ,, a Nk ,, a Nnm ]  N´[a N1 ,, a B ,, a Nnm ]

Teorema: A matriz B’, definida anteriormente, é invertível, de

modo que A = [B’ N’] é uma nova partição básica.

Pode-se mostrar as colunas de B’ são linearmente independentes

(invertível).
 Atualização
Com isso mostramos que a estratégia simplex produz uma
solução básica factível (novo vértice), para o qual a função
objetivo tem um valor menor.

f ( x)  f ( xˆ )  cˆN k ε̂  f ( xˆ )

Podemos repetir o procedimento, isto é, encontrar outra

solução básica melhor a partir daquela em mãos, enquanto
a condição de otimalidade não for verificada.
 Graficamente, no exemplo

Índice da variável não-básica escolhida para entrar (N1 = 1)

(escolhemos aquela com menor custo relativo)
Índice da variável básica escolhida para sair (B2 = 4)
(escolhemos aquela que primeiro se anulava ao aumentarmos .)
Nova partição: B = (3,1,5) N=(4,2)
 Algoritmo Simplex
Supomos que temos uma partição básica factível já
determinada. Em alguns casos, será necessário efetuar alguns
procedimentos para obtê-la
Algoritmo
Algoritmo
 Exercício
 Seja o exemplo: