Docsity
Docsity

Prepare-se para as provas
Prepare-se para as provas

Estude fácil! Tem muito documento disponível na Docsity


Ganhe pontos para baixar
Ganhe pontos para baixar

Ganhe pontos ajudando outros esrudantes ou compre um plano Premium


Guias e Dicas
Guias e Dicas


Aplicação do Método de Solução Simplex, Notas de estudo de Engenharia Elétrica

Funcionamento do SIMPLEX

Tipologia: Notas de estudo

2014

Compartilhado em 11/03/2014

carlos-lazaro-11
carlos-lazaro-11 🇧🇷

3

(1)

2 documentos

1 / 6

Toggle sidebar

Esta página não é visível na pré-visualização

Não perca as partes importantes!

bg1
Página | 1
APLICAÇÃO DO MÉTODO DE SOLUÇÃO
SIMPLEX
Carlos Lázaro Menco, UFSM
Resumo: O problema clássico de programação
linear consiste na alocação de recursos limitados
a atividades em competição, de forma ótima. O
método Simplex tem aplicação em diversas
áreas, tales como economia, produção, ventas,
etc. Com este artigo busca se que o engenheiro
elétrico tenha uma familiaridade maior com a
formulação geral do problema e tenha
condições de modelar problemas utilizando esta
importante técnica de otimização; pelo qual é
apresentado um problema didático, no qual são
aplicados conceitos da programação linear.
Palavras chaves: Programação linear, método
simplex, maximização, técnica de otimização.
I. INTRODUÇÃO.
O primeiro estudo abrangente da programação
linear, contendo aspectos de modelagem e
resolução foi realizada em 1947, por George
Dantzig, com base em problemas militares de
atribuição de atividades. Dantzig fez uma
contribuição para a matemática por o qual ele é o
mais famoso, o método “simplex” de
otimização. Ele cresceu a partir de seu
trabalho com a Força Aérea dos EUA, onde ele se
tornou um especialista em métodos de
planejamento resolvidos com calculadoras de
mesa.
O problema geral de programação linear é
utilizado para otimizar (maximizar ou minimizar)
uma função linear de variáveis, chamada de
"função objetivo", sujeita a uma série de
equações ou inequações lineares, chamadas
restrições.
________________________________________
C. Lázaro Menco, é estuda nte de Pós-graduação em
Engenharia Elétrica na Universidade Federal de Santa Maria,
UFSM/RS.
A formulação do problema a ser resolvido por
programação linear segue alguns passos básicos:
Deve ser definido o objetivo básico do
problema, ou seja, a otimização a ser
alcançada. Por exemplo, maximização de
lucros, ou de desempenhos, ou de bem-
estar social; minimização de custos, de
perdas, de tempo. Tal objetivo será
representado por uma função objetivo, a
ser maximizada ou minimizada.
Para que esta função objetivo seja
matematicamente especificada, devem
ser definidas as variáveis de decisão
envolvidas. Por exemplo, número de
máquinas, a área a ser explorada, as
classes de investimento à disposição etc.
Normalmente, assume-se que todas
estas variáveis possam assumir somente
valores positivos.
Estas variáveis normalmente estão
sujeitas a uma série de restrições,
normalmente representadas por
inequações. Por exemplo, quantidade de
equipamento disponível, tamanho da
área a ser explorada, capacidade de um
reservatório, exigências nutricionais para
determinada dieta etc.
Todas essas expressões, entretanto, devem estar
de acordo com a hipótese principal da
programação linear, ou seja, todas as relações
entre as variáveis devem ser lineares. Isto implica
proporcionalidade das quantidades envolvidas.
Esta característica de linearidade pode ser
interessante no tocante à simplificação da
estrutura matemática envolvida, mas prejudicial
na representação de fenômenos não lineares (por
exemplo, funções de custo tipicamente
quadráticas).
pf3
pf4
pf5

Pré-visualização parcial do texto

Baixe Aplicação do Método de Solução Simplex e outras Notas de estudo em PDF para Engenharia Elétrica, somente na Docsity!

APLICAÇÃO DO MÉTODO DE SOLUÇÃO

SIMPLEX

Carlos Lázaro Menco, UFSM

Resumo: O problema clássico de programação linear consiste na alocação de recursos limitados a atividades em competição, de forma ótima. O método Simplex tem aplicação em diversas áreas, tales como economia, produção, ventas, etc. Com este artigo busca se que o engenheiro elétrico tenha uma familiaridade maior com a formulação geral do problema e tenha condições de modelar problemas utilizando esta importante técnica de otimização; pelo qual é apresentado um problema didático, no qual são aplicados conceitos da programação linear.

Palavras chaves: Programação linear, método simplex, maximização, técnica de otimização.

I. INTRODUÇÃO. O primeiro estudo abrangente da programação linear, contendo aspectos de modelagem e resolução foi realizada em 1947, por George Dantzig, com base em problemas militares de atribuição de atividades. Dantzig fez uma contribuição para a matemática por o qual ele é o mais famoso, o método “simplex” de otimização. Ele cresceu a partir de seu trabalho com a Força Aérea dos EUA, onde ele se tornou um especialista em métodos de planejamento resolvidos com calculadoras de mesa.

O problema geral de programação linear é utilizado para otimizar (maximizar ou minimizar) uma função linear de variáveis, chamada de "função objetivo", sujeita a uma série de equações ou inequações lineares, chamadas restrições.


C. Lázaro Menco, é estudante de Pós-graduação em Engenharia Elétrica na Universidade Federal de Santa Maria, UFSM/RS.

A formulação do problema a ser resolvido por programação linear segue alguns passos básicos:

  • Deve ser definido o objetivo básico do problema, ou seja, a otimização a ser alcançada. Por exemplo, maximização de lucros, ou de desempenhos, ou de bem- estar social; minimização de custos, de perdas, de tempo. Tal objetivo será representado por uma função objetivo, a ser maximizada ou minimizada.
  • Para que esta função objetivo seja matematicamente especificada, devem ser definidas as variáveis de decisão envolvidas. Por exemplo, número de máquinas, a área a ser explorada, as classes de investimento à disposição etc. Normalmente, assume-se que todas estas variáveis possam assumir somente valores positivos.
  • Estas variáveis normalmente estão sujeitas a uma série de restrições, normalmente representadas por inequações. Por exemplo, quantidade de equipamento disponível, tamanho da área a ser explorada, capacidade de um reservatório, exigências nutricionais para determinada dieta etc.

Todas essas expressões, entretanto, devem estar de acordo com a hipótese principal da programação linear, ou seja, todas as relações entre as variáveis devem ser lineares. Isto implica proporcionalidade das quantidades envolvidas. Esta característica de linearidade pode ser interessante no tocante à simplificação da estrutura matemática envolvida, mas prejudicial na representação de fenômenos não lineares (por exemplo, funções de custo tipicamente quadráticas).

II. FORMULAÇÃO DE MODELOS. O problema geral de programação linear pode ser definido por:

  • Maximizar (ou minimizar) ᡒ 㐄 ᡕ⡩ᡶ⡩ ㎗ ᡕ⡰ᡶ⡰ ㎗ ⋯ ㎗ ᡕぁ ᡶぁ

Sujeito a: ᡓ⡩⡩ᡶ⡩ ㎗ ᡓ⡩⡰ᡶ⡰ ㎗ ⋯ ㎗ ᡓ⡩ぁ ᡶぁ 䙦㐐, 㐄, 㐉䙧 ᡔ⡩ ᡓ⡰⡩ᡶ⡩ ㎗ ᡓ⡰⡰ᡶ⡰ ㎗ ⋯ ㎗ ᡓ⡰ぁ ᡶぁ 䙦㐐, 㐄, 㐉䙧 ᡔ⡰ ᡓ぀⡩ᡶ⡩ ㎗ ᡓ぀⡰ᡶ⡰ ㎗ ⋯ ㎗ ᡓ぀ぁ ᡶぁ 䙦㐐, 㐄, 㐉䙧 ᡔ぀

Onde: ᡶ⡩ , ᡶ⡰ , … , ᡶぁ 㐐 0

III. O MÉTODO DE SOLUÇÃO SIMPLEX. O Método Simplex caminha pelos vértices da região viável até encontrar uma solução que não possua soluções vizinhas melhores que ela, ver figura 1. Esta é a solução ótima. A solução ótima pode não existir em dois casos: quando não há nenhuma solução viável para o problema, devido a restrições incompatíveis; ou quando não há máximo (ou mínimo), isto é, uma ou mais variáveis podem tender a infinito e as restrições continuarem sendo satisfeitas, o que fornece um valor sem limites para a função objetivo.

Figura 1. Vértices da região viável

IV. CONSIDERAÇÕES MATEMÁTICAS. Na modelagem de um problema de programação linear, algumas situações específicas podem ocorrer, o que pode levar a casos em uma forma matemática diferente da apresentada até o momento.

Entretanto, alguns artifícios matemáticos ajudam a reduzir o modelo obtido à forma padrão estudada.

Estes artifícios são mostrados a seguir:

a. Minimização de uma função:

A minimização de uma função z(x) é matematicamente análoga à maximização da negativa desta função (-z(x)).

Exemplo: Minimizar ᡒ 㐄 ᡕ⡩ᡶ⡩ ㎗ ᡕ⡰ᡶ⡰ ㎗ ⋯ ㎗ ᡕぁ ᡶぁ

É equivalente a:

Maximizar ᡒ䖓^ 㐄 ㎘ ᡕ⡩ᡶ⡩ ㎘ ᡕ⡰ᡶ⡰ ㎘ ⋯ ㎘ ᡕぁ ᡶぁ

Com ᡒ′ 㐄 ㎘ ᡒ

Essa é uma das formas de se resolver os problemas de minimização utilizando o mesmo algoritmo. Caso que queira resolver diretamente, devemos alterar o critério de entrada das variáveis na base. A variável que entra na base passa a ser aquela que tem o maior valor positivo na linha z-transformada. Caso todas tenham coeficientes negativos ou nulos, a solução obtida é ótima.

b. Restrições de limite inferior (≥):

Uma desigualdade em uma direção (≤ ou ≥) pode ser mudada para uma desigualdade na direção oposta, pela multiplicação de ambos os lados da desigualdade por (-1).

Exemplo: ᡓ⡩ᡶ⡩ ㎗ ᡓ⡰ᡶ⡰ 㐐 ᡔ

É equivalente a: ㎘ ᡓ⡩ᡶ⡩ ㎘ ᡓ⡰ᡶ⡰ 㐉 ㎘ ᡔ

c. Restrições de igualdade:

Uma equação pode ser substituída por duas desigualdades de direções opostas.

Exemplo: ᡓ⡩ᡶ⡩ ㎗ ᡓ⡰ᡶ⡰ 㐄 ᡔ

É equivalente a duas desigualdades simultâneas: ᡓ⡩ᡶ⡩ ㎗ ᡓ⡰ᡶ⡰ 㐐 ᡔ ᡓ⡩ᡶ⡩ ㎗ ᡓ⡰ᡶ⡰ 㐉 ᡔ

Solução: X2 = 9/2, X5 = 6 X1 = X3 = X4 = 0 Z = 81/

VI. CASO DE APLICAÇÃO. Produção de Energia: Um produtor dispõe de 2 unidades de geração, as tarifas para a venda de energia são distintos para os 2 geradores. O produtor deseja vender o máximo possível, mas não quer gastar acima de um valor pré- estabelecido.

Dados: G1 G Capacidade de produção (MWh) 5.000 7. Custo de produção (R$/MWh) 50 100 Tarifa de venda (R$/MWh) 90 120 Máximo custo de produção total (R$)

Max ᡒ 㐄 90ᡶ⡩ ㎗ 120ᡶ⡰ s.a. ᡶ⡩ 㐉 5. ᡶ⡰ 㐉 7. 50ᡶ⡩ ㎗ 100ᡶ⡰ 㐉 800. ᡶ⡩, ᡶ⡰ 㐐 0

Então nós temos que: 㐄㐄㐈 ᡒ ㎘ 90ᡶ⡩ ㎘ 120ᡶ⡰ 㐄 0 ᡶ⡩ ㎗ ᡶ⡱ 㐄 5. ᡶ⡰ ㎗ ᡶ⡲ 㐄 7. 50ᡶ⡩ ㎗ 100ᡶ⡰ ㎗ ᡶ⡳ 㐄 800. ᡶ⡩, ᡶ⡰ 㐐 0 ᡶ⡱, ᡶ⡲, ᡶ⡳ 㐐 0 ==> variáveis residuais

Quadro simplex: Solução inicial:

X1 X2 X3 X4 X

X3 0 0 1 2* -1/50 3.
X2 0 1 0 1 0 7.

X5 50 100 0 0 1 800. Z -90 -120 0 0 0 0

5.000/0=ind 7.000/1=7. 800.000/100=

X1 X2 X3 X4 X

X2 1/2 1* 3/2 1/2 0 9/

X5 2 0 -1 -1 1 6

Z 7/2 0 25/2 9/2 0 81/

Solução, pois não existe números negativos na última linha.

X1 X2 X3 X4 X X4 1 2* 3 1 0 9 X5 3 2 2 0 1 15 Z -1 -9 -1 0 0 0

Tomamos o menor valor, e denominamos linha pivô.

9/2=4, 15/2=7,

X1 X2 X3 X4 X X4 1/2 1* 3/2 1/2 0 9/ X5 3 2 2 0 1 15 Z -1 -9 -1 0 0 0

(Linha Pivô)/

X1 X2 X3 X4 X (9/2) (9) (27/2) (9/2) (0) (81/2) X4 1/2 1* 3/2 1/2 0 9/

X5 3 2 2 0 1 15 (7/2) (0) (25/2) (9/2) (0) (81/2) Z -1 -9 -1 0 0 0

Reduzindo a zero o elemento -9 da ultima linha. Multiplica-se por 9 a linha pivô: e faça uma soma algébrica com a linha que contem o elemento -9.

X1 X2 X3 X4 X (-1) (-2) (-3) (-1) (0) (-9)

X4 1/2 1* 3/2 1/2 0 9/

(2) (0) (-1) (-1) (1) (6)

X5 3 2 2 0 1 15

Z 7/2 0 25/2 9/2 0 81/

Reduzindo a zero o elemento 2. Multiplica-se por -2 a linha pivô: e faça uma soma algébrica com a linha que contem o elemento 2.

Outra solução: Outra solução:

2.000/-2= - 1.000 (não

 - X1 X2 X3 X4 X 
  • X3 1 0 1 0 0 5. - 0 120 0 120 0 840.
  • X4 0 1* 0 1 0 7.
  • X5 50 100 0 0 1 800. - -90 0 0 120 0 840. - Z -90 -120 - X1 X2 X3 X4 X
  • X3 1 0 1 0 0 5. - 0 -100 0 -100 0 -700.
  • X4 0 1* 0 1 0 7. - 50 0 0 -100 1 100.
  • X5 50 100 0 0 1 800. - Z -90 0 0 120 0 840. - X1 X2 X3 X4 X
  • X3 1 0 1 0 0 5.
  • X2 0 1 0 1 0 7.
  • X5 50* 0 0 -100 1 100. - Z -90 0 0 120 0 840. - 5.000/1=5. - 100.000/50= 7.000/0=ind - X1 X2 X3 X4 X
    • X3 1 0 1 0 0 5.
    • X2 0 1 0 1 0 7. - 50/50 0 0 -100/50 1/50 100.000/
    • X5 1* 0 0 -2 1/50 - Z -90 0 0 120 0 840. - X1 X2 X3 X4 X - X3 1 0 1 0 0 5. - X2 0 1 0 1 0 7. - 90 0 0 -180 9/5 180. - X5 1* 0 0 -2 1/50 2. - 0 0 0 -60 9/5 1.020. - Z -90 0 0 120 0 840. - X1 X2 X3 X4 X - 0 0 1 2 -1/50 3. - X3 1 0 1 0 0 5. - X2 0 1 0 1 0 7. - -1 0 0 2 -1/50 -2. - X5 1* 0 0 -2 1/50 2. - Z 0 0 0 -60 9/5 1.020. - X1 X2 X3 X4 X - X3 0 0 1 2* -1/50 3. - X2 0 1 0 1 0 7. - X1 1 0 0 -2 1/50 2. - Z 0 0 0 -60 9/5 1.020. - 3.000/2= - 7.000/1=7. - X1 X2 X3 X4 X pode ser negativo) - 0 0 1/2 2/2 -1/100 3.000/ - X3 0 0 1 2* -1/50 3. - X2 0 1 0 1 0 7. - X1 1 0 0 -2 1/50 2. - Z 0 0 0 -60 9/5 1.020.