teorema fundamental da programação linear
DESCRIPTION
A04-1. Teorema Fundamental da Programação Linear. Dado um problema de Programação Linear na forma padrão min c.x s.a. Ax = b x 0 onde A é uma matriz ( m x n ) de “rank” m , i) se existir uma solução factível , existe uma solução básica factível ; - PowerPoint PPT PresentationTRANSCRIPT
Teorema Fundamental da Programação Linear
• Dado um problema de Programação Linear na forma padrão
min c.x
s.a. Ax = b
x 0
onde A é uma matriz (m x n) de “rank” m,
i) se existir uma solução factível, existe uma solução
básica factível;
ii) se existir uma solução factível óptima, existe uma
solução básica factível óptima.
Teorema da Equivalência entre pontos extremos e soluções básicas
• Seja A uma matriz m x n e b um vector de m componentes.
Seja K o polítopo convexo consistindo de todos os vectores
x de tamanho n que satisfazem
Ax = b
x 0
Um vector x é um ponto extremo de K sse x é uma solução
básica factível.
A04-1
Corolário 1: Se o conjunto convexo K correspondente a
Ax = b
x 0
é não vazio, possui pelo menos um ponto extremo.
Corolário 2: Se existir uma solução óptima finita para um problema
de programação linear, existe uma solução óptima fini-
ta que é um extremo do conjunto de restrições.
Corolário 3: O conjunto de restrições K correspondente a Ax = b,
x 0 possui, no máximo, um número finito de
pontos extremos.
Corolário 4: Se o conjunto K (polítopo convexo) for limitado, então
K é um poliedro convexo, i.e., K consiste de pontos
que são combinações lineares de um número finito de
pontos.
Proposição: Uma função objectivo linear, cx, atinge o seu mínimo
sobre um poliedro convexo K num ponto extremo de
K.
A04-2
Teorema: Dada uma solução básica factível não degenerada com
custo z0, suponha-se que para algum j se verifica
cj - zj < 0. Então existe uma solução factível com
custo z < z0.
Se a coluna aj puder ser substituída por algum vector
na base original que conduza a uma nova solução
básica factível, esta nova solução tem z < z0.
Se aj não puder ser substituída, então o conjunto K de
soluções factíveis é não limitado e a função objectivo
pode ser feita arbitrariamente pequena.
Teorema: Se para alguma solução básica factível cj - zj 0 para
todo o j, então a solução é óptima.
A05-1
Passo1: Calcular os coeficientes de custo relativo
r = cD - cBB-1D.
Primeiro calcular = cBB-1 e depois o vector de custo
relativo cD - D. Se r 0 parar; a solução presente é
óptima.
Passo 2: Determinar que vector aj entra na base selecionando
aquele para o qual o custo relativo é mais negativo;
calcular yj = B-1aj que expressa aj na base presente.
Passo 3: Calcular os valores yi0/yij para determinar que vector sai
da base.
Passo 4: Actualizar B-1 e a solução presente é B-1b. Voltar ao
Passo 1.
Dados de partida: Uma base e B-1 correspondente com a solução
respectiva dada por xB = y0 = B-1b.
O método Simplex
A07-1
Lema 1: Se x e são factíveis para (1) e (2), respectivamente,
então cx b.
PRIMAL
min c.x
s.a. Ax = b (1)
x 0
DUAL
min b
s.a. A c (2)
Corolário: Se x0 e 0 são factíveis para (1) e (2), respectivamente, e
se cx0 = 0b, então x0 e 0 são óptimos para os seus
problemas respectivos.
PORQUÊ?...
Teorema da Dualidade:
Se qualquer dos problemas (1) ou (2) possuir uma solução
óptima finita, também o outro a possui, e os valores das
funções objectivo são iguais.
Se qualquer dos problemas tiver uma função objectivo não
limitada, o outro não tem qualquer solução factível.
A07-2
Teorema:Seja o problema de programação linear (1) com uma solução
básica factível óptima correspondente à base B.
Então o vector = cBB-1 é uma solução óptima para o
problema dual (2).
Os valores óptimos para ambos os problemas são iguais.
Teorema 1: (Complementary Slackness - forma assimétrica)(Complementary Slackness - forma assimétrica)
Seja x e soluções factíveis para o problema primal e dual,
na forma assimétrica, respectivamente. Uma condição
necessária e suficiente para que ambas sejam óptimas é que
para todo o i:
i) xi > 0 ai = ci
ii) xi = 0 ai < ci
em que ai é a i-ésima coluna de A.
Teorema 2: (Complementary Slackness - forma simétrica)(Complementary Slackness - forma simétrica)Sejam x e soluções factíveis para o problema primal e dual,na forma simétrica, respectivamente. Uma condição necessária e suficiente para que ambas sejam óptimas é que para todo o i e j:
i) xi > 0 ai = ci
ii) xi = 0 ai < ci
iii) j > 0 ajx = bj
iv) j = 0 aix > bj
em que aj é a j-ésima linha de A e ai é a i-ésima coluna de A.
A07-3