Aula 17 1 Análise Sintáctica Compiladores, Aula Nº 17 João M. P. Cardoso.
Plano de Aula 17
-
Upload
marcos-eduardo -
Category
Documents
-
view
213 -
download
0
description
Transcript of Plano de Aula 17
UEM – Universidade Estadual de MaringáCTC – Centro de Tecnologia
DEP – Departamento de Engenharia de Produção
.
Plano de Aula 17
Título da aula
Método Big M
Recursos Didáticos
Exposição por meio de quadro e pincel.
Objetivos
Entender o método Big M
Desenvolvimento
Até este momento, todos os exercícios propostos para resolução pelo método
simplex tabular envolviam apenas restrições do tipo “menor igual”, nas quais as
variáveis de folga deveriam ser introduzidas para complementar a folga da
restrição.
O método do Big M nos permite considerar restrições formadas por qualquer
desigualdade ou igualdade. Para tanto deve-se conhecer o conceito de
variáveis de excesso e artificial.
Enquanto a variável de folga ocupava um espaço para consumir toda a
restrição, a variável de excesso age de forma análoga, mas retirando o
excesso dos limites das restrições de “maior igual”. Para que isso seja possível,
esta variável de excesso deve assumir um valor negativo.
O problema agora é que uma variável com o coeficiente negativo não pode se
tornar variável básica. Para resolver esta questão, deve-se inserir, além da
variável de excesso, uma variável artificial, a qual na verdade não existe, e só
deve estar ali para ocupar a base no lugar da variável de excesso.
Restrições do tipo “igual” não possuem nem variável de excesso nem variável
de folga, sendo necessário introduzir apenas a variável artificial para os
cálculos com o simplex.
UEM – Universidade Estadual de MaringáCTC – Centro de Tecnologia
DEP – Departamento de Engenharia de Produção
.
Como as variáveis artificiais não existem, é importante que o valor dela, no final
das iterações, seja igual a zero. Para que isso seja garantido, a variável
artificial é colocada na função objetivo com um valor muito grande (M) e
negativo.
Vamos analisar o funcionamento deste método com um exemplo:
Max Z = 3X1 – X2
s.a.:
2X1 + X2 >= 5
3X1 + X2 <= 7
Não negatividade
Adicionando as variáveis de folga, de excesso e artificial, temos:
Max Z = 3X1 – X2 – MX4
S.a.:
2X1 + X2 – X3 + X4 = 5
3X1 + X2 + X5 = 7
Não negatividade
Com isso é possível montar o quadro (com a função objetiva transformada)
Linha Base X1 X2 X3 X4 X5 LD
L1 Z -3 1 0 M 0 0
L2 X4 2 1 -1 1 0 5
L3 X5 3 1 0 0 1 7
Neste caso, é importante se alertar ao fato de que X4 ainda não é uma variável
básica, pois sua coluna ainda tem mais do que um valor estritamente positivo
(não é uma coluna identidade). Para que isso ocorra, L1 recebe L1 – ML2.
UEM – Universidade Estadual de MaringáCTC – Centro de Tecnologia
DEP – Departamento de Engenharia de Produção
.
Linha Base X1 X2 X3 X4 X5 LD
L1 Z -3 – 2M 1 - M M 0 0 -5M
L2 X4 2 1 -1 1 0 5
L3 X5 3 1 0 0 1 7
Como M é um valor muito grande, a variável que entra na base é X1, pois é o
menor negativo (ou a maior taxa de crescimento na FO). Como 7/3 é menor do
que 5/2, X5 é a variável que sai da base.
Linha Base X1 X2 X3 X4 X5 LD
L1 Z -3 – 2M 1 - M M 0 0 -5M
L2 X4 2 1 -1 1 0 5
L3 X5 3 1 0 0 1 7
Assim, L3 L3/3, L1 L1 + (3+2M).L3 e L2 L2 – 2L3, obtendo:
Linha Base X1 X2 X3 X4 X5 LD
L1 Z 0 2 – M/3 M 0 1 + 2M/3 7-M/3
L2 X4 0 1/3 -1 1 -2/3 1/3
L3 X1 1 1/3 0 0 1/3 7/3
Assim, L2 L2 / 1/3, L1 L1 – (2-m/3)L2, e L3 L3 – L2/3, obtendo:
Linha Base X1 X2 X3 X4 X5 LD
L1 Z 0 0 6 M – 6 5 5
L2 X2 0 1 -3 3 -2 1
L3 X1 1 0 1 -1 1 2
Como não existem mais coeficientes negativos na Linha 1, então, pela regra da
parada, esta é a solução ótima, com Z=5, X1=2 e X2 = 1.
UEM – Universidade Estadual de MaringáCTC – Centro de Tecnologia
DEP – Departamento de Engenharia de Produção
.
Lousa _______
Método Big M
Variáveis de Excesso
Variáveis Artificiais Resolução do Exercício
Feedback_____ ______
Bibliografia
ANDRADE, E. L. Introdução à Pesquisa Operacional: Métodos e Modelos para
Análise de Dados. 3 ed. Editora LTC: Rio de Janeiro, RJ, 2004
COLIN, E. C. Pesquisa Operacional: 170 aplicações em estratégia, finanças,
logística, produção. Editora LTC, 2007.
LISBOA, E. F. A. Pesquisa Operacional. Rio de Janeiro, 2002.