



Estude fácil! Tem muito documento disponível na Docsity
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Prepare-se para as provas com trabalhos de outros alunos como você, aqui na Docsity
Encontra documentos específicos para os exames da tua universidade
Prepare-se com as videoaulas e exercícios resolvidos criados a partir da grade da sua Universidade
Responda perguntas de provas passadas e avalie sua preparação.
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Funcionamento do SIMPLEX
Tipologia: Notas de estudo
1 / 6
Esta página não é visível na pré-visualização
Não perca as partes importantes!




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:
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:
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 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.
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
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
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.
2.000/-2= - 1.000 (não
- X1 X2 X3 X4 X