Pesquisa Operacional Resolução através do Método Gráfico

Slides:



Advertisements
Apresentações semelhantes
Método Simplex Resolução Algébrica
Advertisements

Análise de Sensibilidade: A Regra 100%
31/12/2013Prof. José Arnaldo B. Montevechi1 Pesquisa Operacional Universidade Federal de Itajubá Para fazer para a aula 03.
Análise de Sensibilidade
Modelos de Programação matemática
Subespaço, base e dimensão
Disciplina Pesquisa Operacional – 60 h
Programação Linear e Seus Teoremas
Resolução de inequações
Teorema Fundamental da Programação Linear
Funções Especiais Aula 3 – Prof Marli.
Desigualdades e inequações em R.
Estudo da reta.
Posições relativas de duas retas
Prof. M.Sc. Fábio Francisco da Costa Fontes Outubro
Prof. M.Sc. Fábio Francisco da Costa Fontes Agosto
Problemas de Forma Não-padrão
CÁLCULO DA INVERSA DA BASE
Pesquisa Operacional II Programação Linear Inteira
Programação Não Linear
 Revisão 01 Geometria Analítica Retas Prof. PH
Método SIMPLEX Marcone Jamilson Freitas Souza
Seções cônicas: parábola
Método Simplex (Noções iniciais) Sistemas de Equações Lineares
Pesquisa Operacional profa Úrsula Lisbôa Fernandes Ribeiro
Questão 1: O gráfico abaixo representa um polinômio P(x) de grau 4
Equações do 1º grau a 2 incógnitas
Intervalos de números reais
Curvas Polares Profª Ana Cristina Corrêa Munaretto
Norma e produto interno
Programação Linear Universidade Federal de Itajubá – UNIFEI
Programação Linear Universidade Federal de Itajubá – UNIFEI
Algoritmos Genéticos em Problemas com Restrições
Solução Básica Factível e Método Simplex Introdução ao Método Simplex Fase I e Fase II.
Pesquisa Operacional Programação Linear Solução Gráfica.
Aula 3 - Método gráfico Programação Linear
ZAZ 0763 – ECONOMIA Prof. Rubens Nunes
Interpolação.
Aula 5 Programação Inteira
PROGRAMAÇÃO MATEMÁTICA MÉTODO GRÁFICO
PROGRAMAÇÃO MATEMÁTICA MÉTODO SIMPLEX
Cálculo Numérico / Métodos Numéricos
Otimização Linear Definições e Solução Gráfica
Cálculo da Direção de Caminhada: Gradiente de f(x)
Programação Linear Universidade Federal de Itajubá – UNIFEI
Prof. André Aparecido da Silva
Introdução à análise Vetorial
Resolução Exercício 1 Ache a solução de: x³ < x x³ − x < 0
Introdução Prof. Antonio Carlos Coelho
Otimização Numérica de Processos
AULA 3 - Construindo Modelos Matemáticos
Profa. Mercedes Gonzales Márquez
Pesquisa Operacional MUROLO ENGENHARIA DE PRODUÇÃO
Programação Linear Resolução Gráfica
Métodos de Resolução Solução Analítica Solução Numérica
Distâncias Ponto a um Plano:
Plano Cartesiano.
Prof. Geraldo Nunes Silva Estas notas de aula são Basedas no livro: “Hillier, F. S. e G. J. Lieberman. Introdução à Pesquisa Operacional, Campus, 3 a ed.,
Pesquisa Operacional Profa. Leila Jane Brum Lage Sena Guimarães
Pesquisa Operacional Programação Linear
Disciplina: Otimização Econômica
Professor: Cezar Augusto Pereira dos Santos
Pesquisa Operacional Método Gráfico
Professor: Jailson Domingos-2012
MATEMÁTICA E SUAS TECNOLOGIAS
O Método Simplex Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto.
1 Geometria Analítica Prof. Paulo Salgado
3ª aula RESOLUÇÃO PELO MÉTODO GRÁFICO UNIDADE 3
Exemplo de derivada por definição
Método gráfico Os problemas de Pesquisa Operacional, quando esboçam uma relação linear entre as variáveis de decisão, são chamados de Problemas de Programação.
Transcrição da apresentação:

Pesquisa Operacional Resolução através do Método Gráfico Prof. Ricardo Santos

Solução Gráfica Representação gráfica de problemas de PL possibilita entender várias propriedades teóricas e delinear um método de solução Consideraremos duas variáveis para ilustrar soluções factíveis e a solução ótima em um plano cartesiano

Solução Gráfica Exemplo1: A região factível é denominada Max f(x1,x2)=x1+2x2 s.a. x1+x2<=4 x1 <=2 x2<=3 x1>=0, x2>=0 A região factível é denominada S={(x1, x2) tal que x1+x2<=4, x1=2, x2<=3, x1>=0, x2>=0}.

Solução Gráfica Deve-se ter em mente que a região factível deve satisfazer todas as restrições Observe que as restrições de não-negatividade (x1>=0, x2>=0) indicam que a região factível está no 1o. quadrante do plano cartesiano x2 x1

Solução Gráfica Considere agora os pontos que satisfazem x1+x2=4 Observe que esta equação é uma reta no plano Observe também que os coeficientes da reta, vetor (1,1)T é perpendicular à reta Observe que o vetor (1,1)T aponta no sentido que x1+x2 cresce A reunião dos pontos x1+x2<4 e x1+x2=4 é o que nos interessa x1 x2 x1+x2<=4

Solução Gráfica De modo semelhante à restrição x1+x2<=4, desenhamos as regiões que satisfazem as restrições x1<=2 e x2<=3 x1 x2 x1 x2 x2<=3 x1<=2

Solução Gráfica A intersecção de todas as regiões representadas nos gráficos anteriores define a região factível S A função objetivo f(x1,x2)=x1+2x2 definida no conjunto S pode assumir infinitos valores x2 S x1

Solução Gráfica A intersecção de todas as regiões representadas nos gráficos anteriores define a região factível S A função objetivo f(x1,x2)=x1+2x2 definida no conjunto S pode assumir infinitos valores Note que a solução factível x’=(x1’,x2’)T=(0,0)T, faz com que o valor da função seja f’=f(x’)=0 e todos os pontos do plano que atribuem este mesmo valor à função objetivo (curva de nível) estão na reta x1+2x2=0 x1 x2 S

Solução Gráfica O vetor de coeficientes (1,2)T (gradiente de f, denotado por ∇f(x1,x2)) da função objetivo é perpendicular à reta x1+2x2=0 e aponta no sentido em que f cresce Podemos observar pelo gráfico que existem pontos em S que atribuem valores maiores que 0 à função f. Logo, como o objetivo é maximizar, a solução factível x’=(0 0)T não é ótima x1 x2 S f’=0

Solução Gráfica Considere outra solução factível x”=(2 0)T onde a função objetivo vale f”=f(x”)=2 Existem outros pontos no gráfico que atribuem valores maiores que 2 à função objetivo. Logo, x” não é a solução ótima x1 x2 S f”=2 f’=0

Solução Gráfica Continuando com o procedimento, nota-se que no extremo x*=(1 3)T para o qual f(x*)=7 A curva de nível mostra que todos os pontos de S atribuem valores menores ou iguais que 7 à função objetivo Logo, para todo x em S, f(x)<=7=f(x*), então x* é uma solução ótima x1 x2 S f*=7 x* Solução Ótima f”=2 f’=0

Solução Gráfica Observações: Vértices (pontos extremos) são soluções de sistemas lineares Se o gradiente da função objetivo for modificado, outro vértice pode ser uma solução ótima Veja que: “se um problema de PL tem uma solução ótima, então existe um vértice ótimo” Mas, atente para o fato que: “se uma solução for ótima, ela não é, necessariamente, um vértice”

Solução Gráfica Exemplo2: Max f(x1,x2)=x1+x2 s.a. -3x1+x2<=2