Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouMarianne Dos Santos Alterado mais de 10 anos atrás
1
PARTIÇÃO DE BENDERS Secundino Soares Filho Unicamp
2
INTRODUÇÃO Método para otimização de problemas mistos e de grande dimensão Minimizar s.a. variáveis reais variáveis “cri-cri” (zero – um, inteira, etc)
3
INTRODUÇÃO Idéia Particionar (decompor) (1)
em dois problemas independentes
4
Hipótese: (1) tem solução ótima finita
PROJEÇÂO: Vamos projetar (1) sobre as variáveis Y MIN O mínimo é dado pelo PL: (MIN) PRIMAL
5
Note que para algum é possível que (3) seja infactível
Vamos procurar uma condição em que (3) seja sempre factível Vamos tomar o dual de (3). Seja a variável dual (MAX) SUBPROBLEMA
6
Devido a hipótese (1), esta forma dual do subproblema é sempre factível,
como garante a teoria da Dualidade em Programação Linear: O primal (dual) é factível se o seu dual (primal) tem solução ótima finita dual (MAX) primal (MIN) ótimo
7
Sejam os pontos extremos e
os raios extremos de Então, como RESULTADO da teoria de dualidade, o primal (3) é factível se o dual (4) tem solução ótima finita, ou seja, se A condição (5) assegura que o dual (4) é sempre finito o primal (3) é sempre factível
8
EXEMPLO
9
A restrição garante solução ótima finita para o dual (4). Pelo TEOREMA FUNDAMENTAL DA DUALIDADE (1), o dual (4) e o primal (3) têm solução ótimas iguais Então MIN
10
é equivalente a MIN Sujeito a:
11
O problema (6) é equivalente a
MIN Sujeito a: Pois o MÁXIMO é o menor limite superior. Note que (7) é equivalente a (1)
12
RESOLUÇÃO DE (7) (7) tem um grande número de restrições que não são conhecidas a priori IDÉIA: Usar RELAXAÇÃO. Ou seja, construir um problema mestre relaxado com somente algumas restrições, e aplicar a estratégia da RELAXAÇÃO. PROBLEMA MESTRE RELAXADO MIN s.a.
13
Seja uma solução ótima de (8). Dois casos são possíveis:
Se satisfaz todas as restrições de (7), então é solução ótima de (7), e portanto solução de (MIN) são a solução ótima de (1).
14
2) Se viola alguma restrição de (7), então a solução
não é ótima. Violação:
15
A restrição mais violada é aquela que
(MAX) (9) é equivalente a (4) (MAX) SUBPROBLEMA
16
Seja uma solução ótima finita do subproblema (4). Então, a
restrição mais violada a ser acrescentada ao programa mestre é: Caso (4) seja ilimitado, a restrição mais violada é do tipo raio extremo Com sendo um raio extremo de (4).
17
CONCLUSÃO: O sub-problema serve para testar a factibilidade/otimalidade de uma proposta do problema mestre.
18
ESQUEMA DA DECOMPOSIÇÃO
Gera propostas de PROBLEMA MESTRE PROBLEMA NA VARIÁVEL SUB-PROBLEMA PROBLEMA NA VARIÁVEL Testa as propostas do mestre
19
ESQUEMA DA DECOMPOSIÇÃO
ALGORITMO • Note que a resolução de um problema mestre relaxado (8) fornece um valor ótimo que é um limitante inferior (LI) do problema original (1). Por quê? (Note que a seqüência é monótona não decrescente). • Note que o valor ótimo fornecido pela resolução de um subproblema (4) para um fixo e adicionado do valor fornece um limitante superior (LS) do problema original (1) (se for melhor que a “incumbente” – melhor solução até o momento)
20
RESOLVA O SUBPROBLEMA (4) PARA OBTER
LS = LI = - SELECIONE UM VALOR INICIAL PARA INÍCIO RESOLVA O SUBPROBLEMA (4) PARA OBTER MELHOROU LS? SE SIM, CORRIJA O VALOR DE LS GERE UMA NOVA RESTRIÇÃO PARA O PROBLEMA MESTRE: — DE PONTO EXTREMO — DE RAIO EXTREMO RESOLVA UM PROBLEMA MESTRE PARA OBTER NOVO LI NÃO LS=LI SIM RESOLVA O SUBPROBLEMA PARA E OBTENHA FIM
21
BIBLIOGRAFIA [1] Benders, J. F., “Partitionning Procedures for Solving Mixed-Variables Programming Problems”, Numerische Mathematik, 4, , 1962. [2] Salkin, H. N., “Integer Programming”, Addison Wesley Publ. Co., 1975. [3] Hu, T. C., “Integer Programming and Network Flows”, Addison Wesley Publ. Co., 1969. [4] Geoffrion, A. M., “Generalized Benders Decomposition”, Journal of Optimization Theory and Application, 10, , 1972.
22
ED-15 Resolver o problema abaixo aplicando o método de Benders
Minimizar s.a. (P1) Solução: Projetando P1 sobre a variável , temos:
23
ED-15 Minimizar s.a. (P2) Temos o seguinte sub-problema primal
(SPP)
24
ED-15 O dual (SPP) é: Maximizar s.a. (SPP) 4 pontos extremos
O politopo das restrições do dual é limitado e, portanto, não possui raio extremo.
25
ED-15 O problema P2 pode ser reescrito como: Minimizar s.a. (P3)
Escrevendo o sub-problema em função dos pontos extremos do politopo do dual, temos: (P4) np = número total de pontos extremos
26
ED-15 P4 é equivalente ao problema Minimizar s.a.
Problema mestre Supondo que não conhecemos os pontos extremos, vamos aplicar a estratégia de relaxação: Minimizar s.a.
27
ED-15 Inicialização: Iteração 1: Problema mestre 1: (irrestrito)
Minimizar A solução é:
28
ED-15 Sub-problema 1 Minimizar s.a. Resolvendo pelo método simplex:
29
ED-15 Calculando o valor da função objetivo da solução:
A restrição mais violada do problema mestre é: (1) Note que a solução viola (1)
30
ED-15 Iteração 1: Problema mestre 2: Minimizar s.a. (1) A solução é:
31
ED-15 Sub-problema 2 Minimizar s.a. Resolvendo pelo método simplex:
32
ED-15 Calculando o valor da função objetivo da solução:
A restrição mais violada do problema mestre é: (2) Note novamente que a solução viola (2)
33
ED-15 Iteração 3: Problema mestre 3: Minimizar (2) s.a. (1)
A solução é:
34
ED-15 Sub-problema 3 Minimizar s.a. Resolvendo pelo método simplex:
35
ED-15 Calculando o valor da função objetivo da solução:
A solução ótima é:
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.