PESQUISA OPERACIONAL - Unesp
PESQUISA OPERACIONAL - Unesp PESQUISA OPERACIONAL - Unesp
72Capítulo 77. DESENVOLVIMENTO E OTIMIZAÇÃO DE MODELOS DE OTIMIZAÇÃO COMBINATÓRIANeste tópico vamos comentar sobre problemas de dificuldade polinomial (P) e problemas dedificuldade não polinomiais (NP).Problemas polinomiais são problemas cujos algoritmos conhecidos fornecem soluções quepodem ser obtidas por meio de uma função polinomial de n tamanho de entrada, ou seja: f (n) =O(n k ) sendo que(k) uma constante. Problemas NP são problemas cujos algoritmos de soluçãoconhecidos são baseados em enumeração, seja ela implícita ou não. De maneira geral, o númerode combinações possíveis é assustadoramente grande, fazendo com que os algoritmosenumerativos não consigam resolver problemas com grande número de entradas em tempohábil. São denominados algoritmos de tempo exponencial e, é nestes contextos que se encaixamos problemas de otimização combinatória. Os problemas NP podem ser classificado, conforme(COLIN, 2007): Problemas NP - Completos: são problemas que possuem uma forte evidência da nãoexistência de um algoritmo cujo tempo de solução seja uma função polinomial dotamanho da entrada. São considerados os mais difíceis da classe NP, e, se algum deles forresolvido em tempo polinomial, então todos os problemas NP também serão.Quando se sabe que um problema de otimização é NP - difícil, tem-se a certeza de que nemsempre a solução ótima será encontrada. Portanto, tem se aplicado métodos heurísticos, comopor exemplo, algoritmos genéticos, colônias de formigas, busca tabu, dentre outras. Abaixoencontra-se o modelo do problema do Caixeiro-Viajante (CV), sendo este modelo de otimizaçãocombinatória.
Desenvolvimento e Otimização de Modelos de otimização combinatória_______________________73Min Zsujeito a :i1j1unni u nxSão subrotasXXXi,ji,ji,jjnn i1 j1Restrição de saídaRestrição de chegadai, j0,1,u 0jCi,j. Xi,j n -1 (i j; i2, 3,...,n; j 2,3,..., n)As restrições de saída e de chegada são binárias, e garantem que cada um dos xij seja 0 ou 1. Asrestrições de saída garantem que para cada cidade haverá apenas uma rota de saída e,analogamente uma chegada para as restrições de chegada.As restrições de subrotas ou subcircuitos garantem que a solução ótima não contenhasubcircuitos.Exemplo1:PARASede P1 P2 P3 P4DESede 5 3.8 2.2 2.4P1 5 2.6 3.1 5.1P2 3.8 2.6 1.6 2.8P3 2.2 3.1 1.6 2.3P4 2.4 5.1 2.8 2.3A Figura 7.1 mostra a solução deste problema por meio da linguagem GAMS.
- Page 21 and 22: Desenvolvimento e Otimização de M
- Page 23 and 24: animais Z sujeito a :nimaxbezerrami
- Page 25 and 26: Desenvolvimento e Otimização de M
- Page 27 and 28: Desenvolvimento e Otimização de M
- Page 29 and 30: Desenvolvimento e Otimização de M
- Page 31 and 32: Desenvolvimento e Otimização de M
- Page 33 and 34: Desenvolvimento e Otimização de M
- Page 35: Desenvolvimento e Otimização de M
- Page 38 and 39: Desenvolvimento e Otimização de M
- Page 41 and 42: Desenvolvimento e Otimização de M
- Page 43 and 44: Desenvolvimento e Otimização de m
- Page 45 and 46: Desenvolvimento e Otimização de m
- Page 47 and 48: Desenvolvimento e Otimização de m
- Page 49 and 50: Desenvolvimento e Otimização de m
- Page 51 and 52: Desenvolvimento e Otimização de m
- Page 53 and 54: Desenvolvimento e Otimização de m
- Page 55 and 56: Desenvolvimento e Otimização de m
- Page 57 and 58: Desenvolvimento e Otimização de m
- Page 59 and 60: Desenvolvimento e Otimização de m
- Page 61 and 62: Desenvolvimento e Otimização de m
- Page 63 and 64: Desenvolvimento e Otimização de m
- Page 65 and 66: Desenvolvimento e Otimização de m
- Page 67 and 68: Desenvolvimento e Otimização de m
- Page 69 and 70: Desenvolvimento e Otimização de m
- Page 71: Desenvolvimento e Otimização de m
- Page 75 and 76: Desenvolvimento e Otimização de M
- Page 77 and 78: Desenvolvimento e Otimização de M
- Page 79 and 80: Desenvolvimento e Otimização de M
- Page 81 and 82: Desenvolvimento e Otimização de m
- Page 83 and 84: Desenvolvimento e Otimização de m
- Page 85 and 86: Desenvolvimento e Otimização de m
- Page 87 and 88: Desenvolvimento e Otimização de m
- Page 89 and 90: Desenvolvimento e Otimização de m
- Page 91 and 92: Aplicações reais_________________
- Page 93 and 94: Aplicações reais_________________
- Page 95 and 96: Aplicações reais_________________
- Page 97 and 98: REFERÊNCIAS BIBLIOGRÁFICASANDRADE
- Page 99 and 100: ANEXO A - LINGUAGEM DE MODELAGEM GA
- Page 101 and 102: Linguagem de Modelagem GAMS _______
- Page 103 and 104: Modelagem e Simulação____________
- Page 105 and 106: Modelagem e Simulação____________
- Page 107: Bertrand e Fransoo_________________
Desenvolvimento e Otimização de Modelos de otimização combinatória_______________________73Min Zsujeito a :i1j1unni u nxSão subrotasXXXi,ji,ji,jjnn i1 j1Restrição de saídaRestrição de chegadai, j0,1,u 0jCi,j. Xi,j n -1 (i j; i2, 3,...,n; j 2,3,..., n)As restrições de saída e de chegada são binárias, e garantem que cada um dos xij seja 0 ou 1. Asrestrições de saída garantem que para cada cidade haverá apenas uma rota de saída e,analogamente uma chegada para as restrições de chegada.As restrições de subrotas ou subcircuitos garantem que a solução ótima não contenhasubcircuitos.Exemplo1:PARASede P1 P2 P3 P4DESede 5 3.8 2.2 2.4P1 5 2.6 3.1 5.1P2 3.8 2.6 1.6 2.8P3 2.2 3.1 1.6 2.3P4 2.4 5.1 2.8 2.3A Figura 7.1 mostra a solução deste problema por meio da linguagem GAMS.