pl - moretti - aula12.pdf
DESCRIPTION
Programação LinearTRANSCRIPT
Programação Linear Prof°. Moretti
Aula 12 - Lema de Farkas Condições de Otimalidade de Karush-Kuhn-Tucker ( KKT ) Lema de Farkas: Apenas um dos dois sistemas abaixo tem solução:
1,
0:2 Sistema
00:1 Sistema
xnnxm
t
t
cA
wecwA
xceAx
ℜ∈ℜ∈
≥=
<≥
Prova: ( 1° ) Suponha que o Sistema 1 tenha solução e o Sistema 2 também. Se S tem 2
solução, então wA com . tc= 0w ≥ ⇒ solução. terS de fato ocontradiz que o , 0Ax e 0w pois ,0xcwAx 1
t ≥≥≥= ( 2° ) Suponha que não tenha solução. 1S ⇒ 0. xcom satisfeito é 0Axpois,0xc0xctqx tt =≥≥⇒<∃/ Agora, considere o seguinte problema:
0z0AxsaxczMin t
=
≥= ∗
Rescrevendo o problema, temos:
( )PPL Formato
0S,x,x0SAxAx
saxxczMin
'''
'''
'''t
≥=−−
−=
Portanto, é uma solução ótima. 0Sxx ''' === Logo temos: j,0cz jj ∀≤− Mas . jjjj cwacz −=−
( ) ( ) solução temScwA
0w0w:temos , Stipo do variáveis as Para
cwA0cAw:temos , 'x'tipo do variáveis as Para
cwA0cwA:temos , x'tipo do variáveis as Para
2t
tt
tt
⇒=
≥⇒≤−
≥⇔≤−−−
≤⇒≤−
Forma Alternativa do Lema de Farkas: Apenas um dos sistemas abaixo tem solução:
0:2 Sistema
0,0,0:1 Sistema
≥≤
>≤≤
wecwA
ycyAy
t
t
Condições de Otimalidade de Karush-Kuhn-Tucker ( KKT ) Considere o problema
)P(0xbAxsa
xczMin t
≥≥
=
.x em ativas são que Ade restrições as são GgGx
)P ( para factível soluçãox≥
=
Se x é uma SBF ótima, então tal que e Gd , ou seja, não
existe uma direção de descida que seja factível.
nd ℜ∈∃/ 0dct ≤ 0≥
Pelo Lema de Farkas, tal que e nw ℜ∈∃ 0w ≥ cwG = . Rescrevendo em termos de e , temos: bAx ≥ 0x ≥
{ }{ } .x em ativas 0 xrestrições das índices dos Conjunto0:
.x em ativas b Axrestrições das índices dos Conjunto:≥===
≥===
j
ii
xjJbxaiI
t
G é formado pelas linhas Jj,eeIi,a ji ∈∈ . Fazendo ( )Jj:v;Ii:wu ji ∈∈= , temos que
)(x em Ade ativas restrições
pelas gerado cone ao pertence e,0,00
∗
=+⇔=∈≥∈≥⇔≥
∑ ∑∈ ∈Ii Jj
jjii
j
i
cevawcGuJjvIiwu
Portanto, se x é uma SBF ótima, então o cone gerado pelas restrições ativas em x deve conter o vetor c.
Agora, suponha que x satisfaça ( )∗ conforme definidos anteriormente.
Considere uma SBF qualquer. Temos:
Jj,0vIi,0w
)1(evawc
j
i
Ii Jjjjii
∈≥∈≥
+= ∑ ∑∈ ∈
Vamos pós-multiplicar (1) por ( ).xx̂ −
( ) ( ) ( )
( ) ( )
( )∑ ∑
∑ ∑
∑ ∑
∈ ∈
∈ ∈
∈ ∈
≥⇒≥+−=−
−+−=−
−+−=−
Ii Jjjjjiii
Ii Jjjjjiii
Ii Jjjjii
xcxcxevbxawxcxc
xexevxaxawxcxc
xxevxxawxxc
ˆ0ˆˆˆ
ˆˆˆ
ˆˆˆ
Como x̂ é uma SBF qualquer, então x é uma SBF ótima. Concluímos que as Condições de KKT são condições necessárias e suficientes para a otimalidade. Em notação matricial, as KKT são:
( )0
0)3
00
)2
0)1
==−
≥≥
=+
≥≥
vxbAxw
vw
cvwA
xbAx
( )( )
nxm
n21
n21
A
v,...,v,vvw,...,w,wwonde
ℜ∈
=
=