Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

Revises

Variantes sobre o mtodo Simplex: Mtodo do grande M

Simplex bsico Soluo ptima multipla

Em simplex: valores 0 na funo custo

Soluo degenerada
Em simplex: empates na varivel a sair, variveis base nulas

Soluo ilimitada
Em simplex: no h variveis para sair

Variantes do simplex
Casos em que so necessrios
Restries so do tipo = ou No h soluo inicial admissvel

Exemplo do Wyndor Glass Co.

Se impusermos que a oficina 3 tem que ser usada em pleno, a 3 restrio fica
3x1+2x2 = 18

Mtodo do Grande M
Ideia base:
Vamos acrescentar uma VARIVEL ARTIFICIAL nas equaes (similar folga), mas vamos forar essa varivel artificial a anular-se no fim.

Sistema revisto:
Funo objectivo
Z =3x1+5x2

x2 (janelas)

10

Restries
x1 4 2x2 12 3x1+2x2 =18

2 1 0 1 2 5 10 x1 (portas)

Formulao para simplex

Sistema aumentado Z- 3x1 - 5x2 +s1 x1 2x2 +s2 +s3 3x1+ 2x2 =0 =4 = 12 = 18

1 Passo do mtodo big M

Ao introduzir as penalizaes, deixamos de ter a forma cannica da matriz (a diagonal de variveis base)
Usar eliminao de Gauss ! Passar para forma cannica

Vamos introduzir uma forte penalizao para um valor positivo deste factor
Como funciona ?

No final TEM que ser 0 !

V Sistema aumentado +Ma3 =0 Z- 3x1 - 5x2 +s1 =4 x1 2x2 +s2 = 12 +a3 = 18 3x1+ 2x2
M- Um nmero arbitrariamente grande Podemos substituir M por um nmero (neste caso, 10000), ou manipul-lo algebricamente Z

x1
-3 1 0 3

x2
-5 0 2 2

s1
0 1 0 0

s2
0 0 1 0

a3
M 0 0 1 0 4 12 18

V
Z

x1
-(3M+3) 1 0 3

x2
-(2M+5) 0 2 2

s 1 s 2 a3
0 1 0 0 0 0 1 0 0 0 0 1 -18M 4 12 18

s1 s2 a3

s1 s2 a3

Temos a forma cannica, mas no uma soluo vivel !

Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

2Passo:avanar at soluo vivel

V
Z

(1)

2Passo:avanar at soluo vivel

(2)

x1
-(3M+3) 1 0 3

x2
-(2M+5) 0 2 2

s1
0 1 0 0

s2
0 0 1 0

a3
0 0 0 1 -18M 4 12 18

V
Z

x1
0 1 0 0

x2
-(2M+5) 0 2 2

s1
3M+3 1 0 -3

s2
0 0 1 0

a3
0 0 1 1 -6M+12 4 12 6

s1 s2 a3

x1 s2 a3 V
Z

V
Z

x1
0 1 0 0

x2
-(2M+5) 0 2 2

s1
3M+3 1 0 -3

s2
0 0 1 0

a3
0 0 0 1 -6M+12 4 12 6

x1
0 1 0 0

x2
0 0 0 1

s1
-4 1/2 1 3 -1 1/2

s2
0 0 1 0

a3
M+5/2 27 0 0 1/2 4 6 3

x1 s2 a3

x1 s2 x2

Restries do tipo
Em vez de somar uma varivel de folga, vamos subtra-la
x1+x2 k x1+x2 s3 = k

Exemplo com restries =, ,

Radio-terapia
Regular a intensidade dos vrios feixes de modo a:
No exceder o nvel crtico em zonas saudveis Ter exactamente o nvel crtico na zona limtrofe do tumor Exceder o nvel crtico no local do tumor Minimizar a quantidade total de radiao

Introduo de uma varivel artificial x1+x2 k x1+x2 s3 + a3 = k

Pormenores sobre o problema

Ideia base
Ter vrios feixes que se interceptam num ponto. Nesse ponto, a dose total muito maior

Complicaes do problema real

H centenas (milhares?) de feixes possveis
No problema para o Simplex !

O feixe disperso medida que passa pelo corpo

Modelo apresentado no tem isso em conta

Os danos no dependem linearmente da dosagem

necessrio usar um modelo no-linear

Absoro diferenciada
Diferentes tecidos absorvem quantidades diferentes de radiao Diferentes tecidos tm tolerncias diferentes

Ver (por exemplo)

Optimizing the Delivery of Radiation Therapy to Cancer patients, by Shepard, Ferris, Oliveira, and Mackie, SIAM Review, Vol 41, pp 721-744, 1999.

Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

Problema simplificado
Caso da Mary (de Lieberman)
Apenas dois feixes so possveis Tumor perto de zonas muito sensveis
Tecido absoro Feixe 1 Saudvel Sensvel Tumor Tumor (ctr.) 0.4 0.3 0.5 0.6 Feixe 2 0.5 0.1 0.5 0.4 Dose max. minimo 2.7 =6 6

Formalizao
Objectivo
Ajustar a intensidade dos feixes de modo a optimizar o tratamento

Variveis de deciso
x1 Intensidade do feixe 1 x2 - Intensidade do feixe 1
Feixe 1

Funo objectivo:
Z radiao que atinge a zona saudvel
min z = 0.4 x1 + 0.5 x2 s.a 0.3x1 + 0.1x2 2.7 0.5x1 + 0.5x2 = 6 Zona sensvel Zona tumor Centro do Tumor

Feixe 2

0.6x1 + 0.4x2 6 x1, x2, > 0

Soluo grfica

Resoluo com o grande M

Transformaes
Minimizar Z Maximizar Z Acrescentar variaveis artificiais em 2 e 3
Equao 0 1 2 3 z -1 0 0 0 x1 0.4 0.3 0.5 0.6 x2 0.5 0.1 0.5 0.4 s1 a2 0 M 1 0 0 s3 0 1 0 a3 0 M 0 0 -1 radiacao 0 0 1 0 2.7 6 6

Equao z 0 (Z) 1 (s1) 2 (a2) 3 (a3)

x1 x2 s1 -1 -1.1M+0.4 -0.9M+0.5 0 0,3 0,1 0 0,5 0,5 0 0,6 0,4

a2 0 1 0 0

s3 0M 0 1 0

a3 0 0 -1

radiacao 0 -12M 0 2,7 0 6 1 6

Resoluo completa
1 Z
Equao z s1 a2 a3 2 Z x1 a2 a3 3 Z x1 a2 x2 4 Z x1 s3 x2 x1 x2 s1 a2 s3 a3 radiacao -1 -1.1M+0.4 -0.9M+0.5 0 0 M 0 -12M 0 0.3 0.1 1 0 0 0 2.7 0 0.5 0.5 0 1 0 0 6 0 0.6 0.4 0 0 -1 1 6 -1 0 -16/30M+11/30 11/3M-4/3 0 M 0 -2.1M-3.6 0 1 1/3 10/3 0 0 0 9 0 0 1/3 -5/3 1 0 0 1.5 0 0 0.2 -2 0 -1 1 0.6 -1 0 0 -5/3M+7/3 0 -5/3M+11/6 -8/3M-11/6 -0.5M-4.7 0 1 1 20/3 0 5/3 -5/3 8 0 0 0 5/3 1 5/3 -5/3 0.5 0 0 0 -10 0 -5 5 3 -1 0 0 0.5 M-1.1 0 M -5.25 0 1 1 5 -1 0 0 7.5 0 0 0 1 0.6 1 -1 0.3 0 0 0 -5 3 0 0 4.5

Soluo final
Usar uma dose de 7.5 Kilorads no feixe 1 Usar uma dose de 4.5 Kilorads no feixe 2
Soluo real

Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

Mtodo das duas fases

Ao usar o mtodo do grande M
1 Eliminar as variveis artificiais
For-las a zero, tirando-as da base

No exemplo de radiao
Funes a minimizar
1 Fase: Z=a2+a3 2 Fase: Z=0.4x1+0.5x3

2 Fazer a optimizao propriamente dita

Separar essas duas fazes:

1 Minimizar a soma das variveis artificias
Usar Simplex com Z=-Ma1-Ma2.

2 Usar o Simplex com a funo objectivo do problema

Mtodo das duas fases no usa M, e por isso mais usado nas implementaes computacionais

Variveis negativas
Se estiverem limitadas inferiormente
x1 -L x2=x1+L, x20 Reescrever as equaes usando x2 em vez da varivel original

Exemplo de variveis negativas

Wyndor Glass Co.
Suponhamos que x1 o aumento na produo de portas (por hiptese j esto a ser produzidas 10 portas) Em vez de x1 0, teremos x1 -10
Seja x1= x-10, x 0
Max Z = 3 (x-10) + 5 x2 4 2 x2 12 3 (x-10) + 2x2 18 (x-10) (x-10) -10, x2 0. Max Z = 3x + 5 x2 -30 = 14 x +s1 = 12 2x +s2 +s3 = 48 3x+ 2x2 x 0, x2 0.

Se puderem assumir qualquer valor

x1 = x2 x3 , com x2,x3 0 Reescrever as equaes usando x2 e x3 em vez da varivel original

Anlise ps-optimal
Questo:
Ser que alterando um pouco as condies, as solues iro ser muito diferentes ?

Como fazer essa anlise ?

1 - Refazer o problema, com parmetros ligeiramente diferentes
Dar ao decisor vrias hipteses. Pode ser rpido resolver vrias vezes o problema

Porque importante
Muitos parmetros so estimados, e podem no ser o que pensamos As condies podem variar no tempo A prpria aproximao linear isso mesmo: uma aproximao

2 - A partir da soluo j obtida, ver como pequenas alteraes afectam a soluo

mais rpido que recalcular tudo Pode no ser necessrio fazer contas

Mtodo Simplex - Variantes

V 1.1, V.Lobo, EN / ISEGI, 2008

Variaes nas restries

Quais so as restries que mais afectam a soluo ? Quais so as restries que no o so de facto ? Ser que vale a pena fazer um esforo extra para esticar uma das restries ?
A11X1+ A12X2+ A13X3 + B1
variar B

Analisando a tabela final do Simplex

Variveis de folga na base
O recurso em questo no est a limitar a soluo. A folga est directamente acessvel V x1 x2 s1 s2 s3
Z
0 0 0 1 0 0 1 0 0 1 0 0 3/2 1 36
Lucro Folga (em h) da oficina de alumnios Lotes de janelas Lotes de portas

s1 x2 x1

1/3 1/3 2 1/2 0

-1/3

1/3 2

Analisando a tabela final do Simplex

Coeficientes as variveis de folga indicam quanto que o recurso tem que crescer para o lucro aumentar 1
V x1 x2 s1 s2 s3
Z
0 0 0 1 0 0 1 0 0 1 0 0 3/2 1 36
Basta um pequeno aumento no recurso 2 para aumentar o lucro Chama-se tambm PREO SOMBRA Lucro Folga (em h) da oficina de alumnios Lotes de janelas Lotes de portas

Coeficientes finais das variveis de folga

Tambm chamados preos sombra Permitem calcular dZ/dsi (sensibilidade do lucro ao recurso i)
Valores altos = Para aumentar Z no necessrio aumentar muito os recursos a disponibilizar

Variaes nos Ci, e Aij

Enquanto as relaes de ordem se mantiverem directo

s1 x2 x1

1/3 1/3 2 1/2 0

-1/3

Limitaes da anlise ps-optimal

S vlida para pequenas variaes Variaes maiores implicam uma mudana na escolha das variveis base, logo uma soluo completamente diferente

1/3 2