AULA 5

TEMA III OTIMIZAÇÃO

Introdução
Métodos de Otimização
Método algébrico. Lagrange.
Otimização de pesquisa direta.
 INTRODUÇÃO
O homem sempre desejou obter o melhor ou o
máximo do bom ou o menor ou mínimo do mau. A
palavra ótimo (do latim optimus) é o adjetivo
superlativo de bom e significa extremamente bom,
que não pode ser melhorado [1]. O conceito de ótimo,
embora às vezes se abusa
de seu significado, converteu-se em um termo técnico
relacionado com medições quantitativas e a análise
matemática, enquanto que a palavra melhor se deixa
para questões menos precisas. O verbo otimizar ou
optimar, com um sentido mais profundo que
melhorar, significa alcançar o ótimo.
Logo, a teoria da otimização abrange o estudo
quantitativo do ótimo e os métodos para alcançá-lo.
Dado que a otimização tem que ver com a melhor
forma de fazer as coisas, é lógico esperar que tenha
muitas aplicações no mundo real onde inclusive
Euler, grande matemático do século XVIII, escreveu [3]
“Dado que a fábrica do mundo é a mais perfeita e foi
estabelecida pelo mais sábio Criador, nada ocorre neste
mundo onde não saia a reluzir certa razão de máximo ou
mínimo”* Tal generalização, difícil de aceitar até vindo de
uma grande autoridade como a do Euler, entretanto,
produziu formulações simples de certas leis complexas
da natureza. Nessa época, as leis da mecânica se
formularam em termos de princípios de mínimo. O
princípio da menor ação, defendido fortemente pelo
Euler, induziu a Lagrange [4] a inventar o potencial
cinético e mais tarde, Gauss [5] estabeleceu a partir do
princípio da menor resistência, a igualdade entre as
forças externas e internas na estática. Hamilton [6],
Astrônomo Real da Irlanda, expôs um princípio do
mínimo simples a partir do qual se podiam obter todas as
leis da óptica conhecidas até o momento. Muitas das leis
da termodinâmica química se resumem ao assinalar que
 ESTRATÉGIA PARA A SOLUÇÃO DE UM PROBLEMA DE
OTIMIZAÇÃO

A maioria dos problemas reais têm muitas soluções e em

alguns casos pode que seja um número infinito de
soluções. O propósito da otimização é encontrar a melhor
destas apoiando-se em algum critério de efetividade ou
comportamento. Um problema que solo admite uma
solução não precisa ser otimizado. A otimização pode
levar-se a cabo seguindo diferentes estratégias que
abrangem desde procedimentos analíticos ou numéricos
avançados até a aplicação inteligente de princípios
aritméticos simples. Se se assumir que o problema está
definido de certa forma a otimização pode levar-se a
cabo de diferentes maneiras, mediante:
1. Métodos analíticos que utilizam técnicas do cálculo
diferencial e do cálculo de variações, os quais procuram um
valor extremo de uma função f(x) ao achar os valores de x que
fazem que as derivadas de f(x) com respeito a x sejam zero.
Em presença de restrições se usam os métodos do Lagrange e
das variações restringidas. Para a aplicação dos métodos
analíticos o problema deve ser formulado em termos
matemáticos. Estes métodos, em geral, não são satisfatórios
nos casos de problemas que apresentam uma grande não
linearidade.
2. Métodos numéricos que utilizam informação determinada
anteriormente de forma iterativa para gerar uma melhor
solução. Podem usar-se para resolver os problemas que não
podem ser resolvidos de forma analítica, o qual é bastante
comum na prática real.
3. Métodos gráficos que, mediante a elaboração de gráficas da
função, permitem determinar diretamente o valor extremo por
simples inspeção. Têm a vantagem de ser elementares e que
mostram o caráter do comportamento da função. Por razões
4. Métodos experimentais que se utilizam sem a
necessidade de ter um modelo matemático, mediante a
obtenção de valores do critério de efetividade a partir
da experimentação com o processo real. A partir de um
conjunto de experimentos é possível definir para onde
se
encontra o valor extremo e prosseguir a
experimentação de maneira tal que se melhorem os
resultados. Este procedimento é muito valioso nos
casos em que seja muito complexo ou impossível de
obter o modelo matemático determinístico do problema.
5. Casos de estudo, o que consiste na elaboração de
várias alternativas de solução do problema e dentro
delas obter a melhor. Não há garantia, portanto, de que
se chegue a uma
solução ótima. Isto é sozinho recomendável quando a
complexidade do problema seja muito alta, a
disponibilidade de meios de computo seja baixa ou nula
Para a solução de uma tarefa de otimização não existe
uma estratégia universal que possa ser aplicada a todo
tipo de problemas. A que se propõe a seguir parece ser
a mais acertada e consta dos passos seguintes:
1. Analise o processo de maneira tal que se possam
definir as variáveis do mesmo e que características do
processo são de interesse do ponto de vista técnico -
econômico.
Neste sentido se devem seguir os passos seguintes:
• Examine as restrições externas, tais como: o nível de
automatização existente ou requerido pelo processo, o
caráter do mercado para os produtos (local, nacional ou
internacional), a disponibilidade e qualidade das
matérias primas e outros recursos, as condições
geográficas e outros aspectos que sejam independentes
da tecnologia que se
determine utilizar
• Escolha o sistema ou subsistema a otimizar, ou seja,
•Examine a estrutura do sistema (inter-relação entre
seus elementos e correntes). Com ela é possível definir
as variáveis mais importantes do sistema e as relações
entre estas, as quais têm sua origem em limites físicos
(valores inferiores e superiores permissíveis), balanços
de massa e energia e relações tecnológicas. Estas
relações se conhecem como restrições internas.
2. Defina o critério de otimização a utilizar e expresse-o como uma
função matemática das variáveis do processo.
Por exemplo: Max (Produção) ou MIN (Custo)
Esta se conhece como a função objetivo do problema. devido à
importância de seu definição.
Neste passo se deve, além disso, desenvolver um modelo
matemático que relacione as variáveis de entrada / saída, incluindo
todas as restrições, as quais podem ser de dois tipos, de acordo com
sua representação matemática:
restrições de igualdade gj = gj (x1, x2, ...., xn) = 0
e restrições de desigualdade*. gj = gj (x1, x2, ...., xn) <
0

Utilize o conhecimento do processo e os princípios

físicos (balanços de materiais e energia), relações
empíricas, conceitos tecnológicos implícitos e restrições
externas que sejam imprescindíveis.
Existem, em geral, três tipos de modelos de acordo com
as fontes de informação a partir de as quais se
desenvolvem:

Modelos determinísticos ou fenomenológicos.

(desenvolvem-se a partir de leis físicas).

Modelos estocásticos ou estatísticos. (Partem do

desenho e coleta de dados experimentais).
Sempre é conveniente simular o sistema, ou seja obter
resultados do modelo e validá-lo com dados reais do
processo. Isto pode realizar-se mediante linguagens de
simulação de propósito geral ou específico, já sejam
profissionais ou desenvolvidos pela equipe encarregada
da tarefa.
Se a formulação do problema for muito grande é possível,
em alguns casos:
• Simplificar o modelo cuidando de não desvirtuar quão
resultados dele se obtêm.
• Fracioná-lo em partes mais pequenas
3. Determine a solução ótima do problema mediante a
aplicação de um método de otimização adequado, de
acordo com as características deste e cheque a
racionalidade de a resposta obtida. Se os resultados não
forem satisfatórios se deverá revisar a colocação do
problema, incluindo variáveis e (o) restrições não
consideradas anteriormente.
4. De ser satisfatórios os resultados, então examine a
sensibilidade destes. Isto permite conhecer como se
verão afetados os resultados diante de mudanças da
função objetivo ou das restrições. Na figura 1.1 se mostra
um esquema dos passos da estratégia antes exposta.
 Conceitos fundamentais
Formulação do problema de Otimização

Quando se formula um problema de otimização se

deve ter:
1. A função objetivo: Max ou Min f(x)
2. A ou as equações de enlaces, conhecidas como
Restrições
- H(x)=0 Restrição de igualdade
- G(x)<=0 Restrição de desigualdade
3. Os variáveis limites ou de fronteiras
Para um intervalo de valores xmin < x < x max
Um modelo matemático é uma equação, desigualdade
ou sistema de equações ou desigualdades, que
representa determinados aspectos do sistema físico
representado no modelo. Os modelos deste tipo se
utilizam em grande medida nas ciências físicas, no
campo da engenharia, os negócios e a economia.
Um modelo oferece ao analista uma ferramenta que
pode manipular em sua análise do sistema em estudo,
sem afetar ao sistema em si.
Por exemplo, suponha-se que se desenvolveu um
modelo matemático para predizer as vendas anuais
como uma função do preço de venda unitário. Se
conhecer-se o custo de produção por unidade, podem-se
calcular com facilidade as utilidades anuais totais para
qualquer preço de venda.
• O modelo matemático que descreve o comportamento da
medida de efetividade se denomina função objetivo.
Se a função objetivo é descrever o comportamento da medida
de efetividade, deve capturar a relação entre essa medida e
aquelas variáveis que fazem que dita medida flutue. As
variáveis do sistema podem categorizar-se em variáveis de
decisão e parâmetros.
• Uma variável de decisão é uma variável que pode ser
diretamente controlada pelo decisor. Também existem
alguns parâmetros cujos valores podem ser incertos para o
decisor.
Depois de descobrir a melhor estratégia.
Requer-se um análise de sensibilidade. Na prática, resulta
quase impossível capturar a relação precisa entre todas as
variáveis do sistema e a medida de efetividade através de
uma equação matemática. Em troca, deve-se tratar de
identificar aquelas variáveis que afetam em maior grau a
medida de efetividade e logo deve tentar definir de maneira
lógica a relação matemática entre estas variáveis e a
medida de efetividade.
 Que é otimizar?

• Otimizar é sinônimo de procurar o melhorar,

sobre um máximo ou um mínimo. Por exemplo
alcançar o ganho máxima ou ter a perda mínima.
O objetivo da otimização é portanto:
Selecionar a melhor decisão possível para um
conjunto dado de circunstâncias sem ter que
enumerar todas as possibilidades.
Nos anos recentes o assunto de otimização
maturou e se usou amplamente em numerosas
aplicações, por exemplo, as operações de
refinação de petróleo, as rotas para a aviação
comercial, misturado de alimentos e trajetórias
de projéteis.
 Em Resumo:
• Em todos os casos, antes de que um ótimo seja
determinado corretamente, devemos:
1. Selecionar um critério de otimização. Este pode ser
uma variável do processo, tal como, o rendimento
de um produto por unidade de volume de reator, o
custo mínimo de produção, etc.
2. A meta da otimização é maximizar ou minimizar a
função objetivo,
• O problema de otimização ocorre nos casos
onde:
Tem–se que selecionar entre duas ou mais
características quantitativas afetando as variáveis
de processo diferentemente uma contra a outra.
Por exemplo, a eficiência de processo pode ser
equilibrada em contra do rendimento específico,
qualidade contra a quantidade, inventário de
 METODOS ANALÍTICOS SEM
RESTRIÇÕES.
METODO CLASSICO MINIMO Y MAXIMO
• A teoria clássica de máximos e mínimos
(métodos analíticos) preocupa-se com
encontrar o máximo ou mínimo, quer dizer
os pontos extremos de uma função para
determinada condições.
 Em essência

• O problema de determinar o benefício

máximo ou o custo mínimo para um
sistema usando a teoria clássica
sucede em localizar todos os
máximos ou mínimos locais, e logo
comparando os valores individuais,
para determinar o máximo ou mínimo
global.
 Condicione necessárias e Suficientes para
determinar pontos extremos

Teorema de Weierstrass' (o qual garante a existência

de máximos e mínimos. Este estabelece:
Qualquer função a qual é contínua em um
domínio fechado possui um valor máximo e um valor
mínimo já seja no interior ou nos limite do domínio.
Este teorema nos diz que não se requer que a
função tenha contínuas derivadas para que exista um
máximo ou um mínimo.
Condicione Suficientes para Uma Variável
Independente
Para desenvolver o critério que estabelece se um ponto
estacionário é um máximo ou mínimo local, começamos
realizando uma expansão por série do Taylor ao redor
do ponto estacionário xo.
f (x) = f (xo) + f '(xo) (x - xo) + ½ f ''(xo) (x - xo)2 +
términos de alto ordem
onde sabe-se que f '(xo) = 0 por definição do ponto
estacionário. Agora, selecionamos X suficientemente
perto de xo de maneira que os términos de ordem
superiora a
f ''(xo) sejam desprezíveis comparados aos términos de
segunda ordem. Como a primeira derivada é zero no
ponto estacionário, a equação anterior se transforma
em:
f (x) = f (xo) + ½ f " (xo) (x - xo) 2
 Condição de suficiência

Se f ''(xo) > 0 então f (xo) é um mínimo

f ''(xo) < 0 f (xo) é um máximo
f ''(xo) = 0 não esta definido

Em forma geral
Se n é par, então (x – xo)n é sempre positivo, e o
resultado é:
Si f (n)(xo) > 0 então f (xo) é um
mínimo
f (n)(xo) < 0 f (xo) é um
máximo
Se n é ímpar então (x - xo)n troca de signo à
medida que x se move de x < xo até x > xo, e
então é um ponto de inflexão.
 Exemplo
Localizar os pontos extremos das duas funções
seguintes:
a) f (x) = x4/4 - x2/2
f '(x) = x3 - x = x(x2 - 1) = x(x - 1)(x+1) = 0
Os pontos estacionários sao x = 0, 1, -1
f "(x) = 3x2 - 1
f "(0) = -1 maximo, f "(1) = 2 minimo f "(-1) = 2
minimo

b) f (x) = x5 f '(x) = 5x4 = 0 O ponto estacionário é

x=0
f "(x) = 20x3 f "(0) = 0
f "'(x) = 60x2 f "'(0) = 0 não pode fazer-
se nenhuma declaração
f (iv)(x) = 120x f (iv)(0) = 0
f (v)(x) = 120 f (v)(0) = 120 não é ímpar,
 Resumo
O método da Análise clássico de otimização (Problemas
un dimensionáis) é possível de aplicar quando:
A função objetivo é continua e derivável.
A primeira derivada e as derivadas de ordem superior
são continuas também.
No se considera possível restrições sobre o valor que
pode tomar a variável independente
Condição necessária. Determinar os pontos extremos.
(Xo) ou estacionários. dF/dx= 0. è possível determinar a
variável independente de a equação da primeira
derivada igualada a zero.
Estabelecer as condições de suficiência.
d2 F/dX2 < 0 a função tem uns Máximo
Si o resultado é = 0 Não há máximo, nem mínimo.
Si o resultado é > 0 a função tem uns mínimo.
Obter o valor ótimo da função objetivo
 Condicione Suficientes para Duas
Variáveis Independentes

f (x1, x2) Para o intervalo (X 10 , X20)

 FUNÇÃO OBJETIVO COM RESTRIÇÕES. Método de
Lagrange
Na atualidade, os valores das variáveis independentes
estão limitados já que eles normalmente representam
quantidades físicas tal como proporções de fluxo,
temperaturas, pressões, capacidades de unidade de
processo e recursos disponíveis.
Em muitos casos eles se limitam dentro dos limites
ditados pela equipamento de processo e relacionados
pelas equações tais como os balanços de material. As
restrições nas variáveis podem ser em forma de equações
e desigualdades.
Se desenvolverão os métodos para localizar os pontos
estacionários de funções (os modelos econômicos)
sujeitas às restrições de igualdade (por Ex., equações de
balanço de matéria e energia), e se darão exemplos que
ilustram as técnicas. As restrições de desigualdade
podem ser convertidas a restrições de igualdade, e então
MÉTODOS ANALÍTICOS, OTIMIZAÇÃO COM RESTRIÇÕES

Há três métodos analíticos para determinar os

pontos ótimos da função e(x1,x2,x3,...xn) de n
variáveis independentes sujeita a m equações de
restrição fi(x1,x2,x3,...xn) = 0. Estes são:
1. Substituição direta.
2. Solução por variação restritiva .
3. Método dos multiplicadores do Lagrange. Este
será um dos mais frequentemente usados.
O método mais frequentemente usado para restrições é
empregando os multiplicadores do Lagrange.
A técnica será apresentada usando duas variáveis
independentes e uma equação de restrição para ilustrar
os conceitos. Logo o procedimento será estendido ao
caso geral de n variáveis independentes e m equações
de restrição. Para o caso de duas variáveis
independentes, temos:
Optimizar: e(x1, x2)
Sujeita a : f(x1, x2) = 0
O desenvolvimento da função Lagrangiana para o caso de
n variáveis independentes e m equações de restrição é
uma extención direta do caso de duas variáveis
independentes e uma equação de restrição, A função
Lagrangiana ou aumentada, é formada igual ao caso
anterior, y para cada equação de restrição existe um
multiplicador do Lagrange. Isto se mostra a seguir:
otimizar:e(x) x = (x1, x2,...,xn) (2-23)
sujeita a : fi(x) = 0 para i = 1,2,m,...
donde n > m
A função Lagrangiana, ou aumentada é formada do
problema com restrição com segue:

Sendo: λ = [λ1 + λ2 +….. λ m ] Vetor de Lagrange

Encontrar os pontos estacionários para o seguinte problema
com restrição usando o método dos multiplicadores do
Lagrange.
Optimizar: e(x) = x1x2
Sujeita a : f(x) =A função Lagrangiana ou aumentada é
formada como se mostra a seguir.
L(x1, x2, λ) = x1x2 + λ( )
As equações seguintes são obtidas ao fazer as primeiras
derivadas parciais igual a zero.
∂L/∂x1 = x2 + 2 λ x1 = 0
∂ L/ ∂ x2 = x1 + 2 λ x2 = 0
∂ L/ ∂ λ = x12 + x22 - 1 = 0
Resolvendo simultaneamente as equações anteriores se têm
os seguintes pontos estacionários:
maximo : x1 = , x2 = , λ = -½
x1 = - , x2 = - , λ = - ½
minimo : x1 = , x2 = - , λ = ½
x1 = -, x2 = , λ = ½
 Restrições como igualdades

Para o processo dado, é necessário manter o produto da

pressão e a razão de reciclo igual a 9000 psi. Determinar
os valores ótimos da pressão e razão de reciclo e o custo
mínimo dentro desta restrição por substituição direta,
variação da restrição, multiplicadores do Lagrange
Novamente, o problema é minimizar C
C = 1000*P + 4 x 109/P*R + 2.5 x 105*R
Entretanto, C está sujeita a seguinte equação de
restrição.
P*R = 9000
A função Lagrangiana ou aumentada é:
L = 1000P+4x109/P*R+2.5x105*R+λ(P*R -
9000)
Encontrando as derivadas parciais de L com
respeito a P, R, e λ e igualando a zero se tem:
1000 - 4 x 109/P2*R + λ R = 0
2.5 x 105 - 4 x 109/P*R2 + λ P = 0
P*R - 9000 = 0
Resolvendo as equações anteriores
simultaneamente, se tem:P = 1500, R = 6, λ =
Restricciones en Forma de inecuaciones.
Esta restrição de desigualdade pode converter-se a uma
restrição de igualdade adicionando uma variável de folga
S como S2 para assegurar que se adicionou à equação
um número positivo.
Exemplo: Requere determinar a máxima espessura da
torta de um filtro rotatório ao vácuo (Y), y para elo se
controlou a quantidade de bagazinho acrescentado ao
suco(X1), e os resultados de vácuo aplicado(X2).Se sabe
ademais que a extração de suco não é factível para
valores de:10–X1 –X2 6. A busca de um modelo mediante
um desenho experimental fatorial do tipo 2K, com K= 2
2 2
 Transformar a desigualdade a igualdade mediante a
introdução de variáveis de folga.
10 – X1 – X2 + X32 = 6
 Fazendo a restrições igual zero
4 – X1 – X2 + X32 = 0
 Construir a função de Lagrange.
F= 4X12 + 5X22 + λ1 (4 – X1 – X2 + X32)
 Condição necessária:

δF/δX1= 8X1 - λ1 = 0

δF/δX2= 10X2 - λ1 = 0

δF/δX3= 2 λ1 X3 = 0

δF/δ λ1 = 4 – X1 – X2 + X32 = 0
 Resolvendo o sistema de equações para determinar os
pontos extremos, temos que:
X1 = 20/9; X2 = 16/9; λ1 = 160/9; e sendo 2
A condição suficiente :
F´´X1 X1 = 8 F´´X1 X2 = 0
F´´X2 X1 = 0 F´´X2 X2 = 10

Sendo D1 = F´´X1 X1 = 8 > 0

8 0
D2 : = 80 > 0
0 10

Logo si D1 y D2 são > 0 Há um mínimo.

Avaliar a função objetivo.

Y= 4(20/9)2 + 5(16/9)2 = 1880/81 = 35,55