Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
Aula 23: Geração de colunasOtimização Linear e Inteira
Túlio Toffolohttp://www.toffolo.com.br
BCC464 / PCC174 – 2018/2Departamento de Computação – UFOP
Aula de Hoje
1 Geração de Colunas
2 Exemplo: Problema de Corte Unidimensional
3 Como implementar?
4 Decomposição de Dantzig-Wolfe
5 Exemplo: Time Constrained Shortest Path
1 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Aula de Hoje
1 Geração de Colunas
2 Exemplo: Problema de Corte Unidimensional
3 Como implementar?
4 Decomposição de Dantzig-Wolfe
5 Exemplo: Time Constrained Shortest Path
1 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Funcionamento do algoritmo
Problema Mestre
Geração de Colunas(subproblemas)
co
luna
s
2 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Algoritmo de geração implícita de colunas
1 Resolver o Programa Linear LP (J) (chamado Problema Mestre):
min.∑j∈J
cjxj
s.a. Ax ≥ bx ≥ 0
2 Pricing: considerando o valor das variáveis duais π, descubra seexiste alguma variável j /∈ J com custo reduzido negativo, ou seja,uma variável j /∈ J tal que cj − πAj < 0.
Se existir, insira a nova variável em LP (J) e retorne ao passo 1.
Caso contrário, a solução é ótima para todas as variáveis!
3 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Aula de Hoje
1 Geração de Colunas
2 Exemplo: Problema de Corte Unidimensional
3 Como implementar?
4 Decomposição de Dantzig-Wolfe
5 Exemplo: Time Constrained Shortest Path
3 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Sub-problemas de “Pricing”
Chamamos de Pricing os subproblemas que resolvemos paraencontrar as variáveis com custo reduzido negativo (para problemasde minimização).
Como seria o pricing no caso do Problema de Corte Unidimensional?
O pricing consistirá em gerar um ou mais padrões de corte comcusto reduzido negativo.
Para encontrar este(s) padrão(ões), resolvemos um problema deotimização!
Mas... qual problema?
4 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Exemplo: Problema de Corte Unidimensional
Problema Mestre
min.∑p∈P
λp
s.a.∑p∈P
ai,pλp≥ bi ∀i ∈ {1, . . .m}
λp ≥ 0
Como avaliar o custo reduzido de um novo padrão p?
Utilizamos os valores duais π das restrições!
Lembre-se que o valor dual πi de uma restrição i indica o ganhoque obtemos ao alterar o RHS desta restrição...
Utilizaremos π para calcular o benefício de adicionar uma variável pcom coeficiente ai,p em cada restrição i.
5 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Exemplo: Problema de Corte Unidimensional
Problema Mestre
min.∑p∈P
λp
s.a.∑p∈P
ai,pλp≥ bi ∀i ∈ {1, . . .m}
λp ≥ 0
No exemplo acima, um padrão p terá custo reduzido c̄p negativo se:
c̄p = 1−m∑i=1
πiaip < 0
Assim, queremos encontrar um padrão viável que minimize c̄p.
5 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Exemplo: Problema de Corte Unidimensional
Problema Mestre
min.∑p∈P
λp
s.a.∑p∈P
ai,pλp≥ bi ∀i ∈ {1, . . .m}
λp ≥ 0
Pricing
min. 1−m∑i=1
πiai
s.a.
m∑i=1
wiai ≤ L; ai ∈ Z+ ∀i ∈ {1, . . .m}
5 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Exemplo: Problema de Corte Unidimensional
Vamos resolver uma instância do problema:
Estoque Pedidos (m = 4)n = 10L = 250
w = [ 187, 119, 74, 90 ]b = [ 1, 2, 2, 1 ]
n: número de barras disponíveis
L: tamanho das barras
m: número de diferentes peças
w: tamanhos das peças solicitadas
b: quantidade requisitada de cada peça.
6 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Primeiro passo: mestre deve ser factível
Precisamos de uma solução inicial (ou utilizar variáveis artificiais):
O mestre restrito deve ter solução factível
Do contrário, como obteremos valores duais?
Podemos, por exemplo, gerar uma solução trivial...
Exemplo de padrões de corte iniciais:
Padrão 1: cortar uma unidade do item 1
Padrão 2: cortar uma unidade do item 2
Padrão 3: cortar uma unidade do item 3
Padrão 4: cortar uma unidade do item 4
7 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Mestre restrito inicial
1a iteração: mestre com os quatro padrões de corte iniciais
min. z = λ1+λ2+λ3+λ4
s.a. λ1 ≥ 1 (π1)
λ2 ≥ 2 (π2)
λ3 ≥ 2 (π3)
λ4 ≥ 1 (π4)
Solução do mestre:
z = 6 e λ1 = 1, λ2 = 2, λ3 = 2, λ4 = 1
Shadow prices (valores duais):
π1 = 1, π2 = 1, π3 = 1, π4 = 1, ou seja: π = [ 1 1 1 1 ]
8 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Pricing
Formulação do problema de pricing (encontrar padrões de corte comcusto reduzido negativo considerando valores duais π):
min. c̄ = 1−m∑i=1
πiai
s.a.
m∑i=1
wiai ≤ L
ai ∈ Z+ ∀i ∈ Z+
Substituindo os valores de π e w, teremos:
9 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Pricing
1a iteração: π = [ 1 1 1 1 ], portanto:
min. c̄ = 1 −a1 −a2 −a3 −a4s.a. 187a1 +119a2 +74a3 +90a4 ≤ 250
a1, a2, a3, a4 ∈ Z+
Solução ótima do pricing:
c̄ = −2
a = [ 0 0 3 0 ]
Novo padrão gerado:
Coluna 5 (representada por λ5): cortar 3 vezes o item 3
10 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Mestre restrito
2a iteração:
min. z = λ1+λ2+λ3+λ4 +λ5
s.a. λ1 ≥ 1 (π1)
λ2 ≥ 2 (π2)
λ3 +3λ5 ≥ 2 (π3)
λ4 ≥ 1 (π4)
Solução do mestre:
z = 143 e λ1 = 1, λ2 = 2, λ4 = 1, λ5 = 2
3
Shadow prices (valores duais):
π =[
1 1 13 1]
11 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Pricing
2a iteração: π =[
1 1 13 1], portanto:
min. c̄ = 1 −a1 −a2 −1
3a3 −a4
s.a. 187a1 +119a2 +74a3 +90a4 ≤ 250
a1, a2, a3, a4 ∈ Z+
Solução ótima do pricing:
c̄ = −1
a = [ 0 0 0 2 ]
Novo padrão gerado:
Coluna 6 (representada por λ6): cortar 2 vezes o item 4
12 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Mestre restrito
3a iteração:
min. z = λ1+λ2+λ3+λ4 +λ5 +λ6
s.a. λ1 ≥ 1 (π1)
λ2 ≥ 2 (π2)
λ3 +3λ5 ≥ 2 (π3)
λ4 +2λ6 ≥ 1 (π4)
Solução do mestre:
z = 256 e λ1 = 1, λ2 = 2, λ5 = 2
3 , λ6 = 12
Shadow prices (valores duais):
π =[
1 1 13
12
]13 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Pricing
3a iteração: π = [ 1 1 13
12 ], portanto:
min. c̄ = 1 −a1 −a2 −1
3a3 −
1
2a4
s.a. 187a1 +119a2 +74a3 +90a4 ≤ 250
a1, a2, a3, a4 ∈ Z+
Solução ótima do pricing:
c̄ = −1
a = [ 0 2 0 0 ]
Novo padrão gerado:
Coluna 7 (representada por λ7): cortar 2 vezes o item 2
14 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Mestre restrito
4a iteração
min. z = λ1+λ2+λ3+λ4 +λ5 +λ6 +λ7
s.a. λ1 ≥ 1 (π1)
λ2 +2λ7 ≥ 2 (π2)
λ3 +3λ5 ≥ 2 (π3)
λ4 +2λ6 ≥ 1 (π4)
Solução do mestre:
z = 196 e λ1 = 1, λ5 = 2
3 , λ6 = 12 , λ7 = 1
Shadow prices (valores duais):
π =[
1 12
13
12
]15 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Pricing
4a iteração: π = [ 1 12
13
12 ], portanto:
min. c̄ = 1 −a1 −1
2a2 −
1
3a3 −
1
2a4
s.a. 187a1 +119a2 +74a3 +90a4 ≤ 250
a1, a2, a3, a4 ∈ Z+
Solução ótima do pricing:
c̄ = −16
a = [ 0 0 2 1 ]
Novo padrão gerado:
Coluna 8 (λ8): cortar 2 vezes o item 3 e uma vez o item 4
16 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Mestre restrito
5a iteração:
min. z = λ1+λ2+λ3+λ4 +λ5 +λ6 +λ7 +λ8
s.a. λ1 ≥ 1 (π1)
λ2 +2λ7 ≥ 2 (π2)
λ3 +3λ5 +2λ8 ≥ 2 (π3)
λ4 +2λ6 +λ8 ≥ 1 (π4)
Solução do mestre:
z = 3 e λ1 = 1, λ7 = 1, λ8 = 1
Shadow prices (valores duais):
π =[
1 12
14
12
]17 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Pricing
5a iteração: π = [ 1 12
14
12 ], portanto:
min. c̄ = 1 −a1 −1
2a2 −
1
4a3 −
1
2a4
s.a. 187a1 +119a2 +74a3 +90a4 ≤ 250
a1, a2, a3, a4 ∈ Z+
Solução ótima do pricing:
c̄ = 0
a = [ 0 0 2 1 ]
Como o custo reduzido é maior ou igual a zero......
Encontramos a solução ótima do mestre!
18 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Aula de Hoje
1 Geração de Colunas
2 Exemplo: Problema de Corte Unidimensional
3 Como implementar?
4 Decomposição de Dantzig-Wolfe
5 Exemplo: Time Constrained Shortest Path
18 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Geração de colunas
Embora baseado em uma idéia simples, a implementação de umalgoritmo de geração de colunas não é trivial.Alguns desafios:
Solução inicial (ou usar variáveis artificiais?)
Possíveis dificuldades numéricas
Definição de parâmetros. Exemplos:
Quantas colunas adicionar por iteração?
Quanta energia dedicar para encontrar a melhor coluna?
Métodos heurísticos × exatos.
19 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Aula de Hoje
1 Geração de Colunas
2 Exemplo: Problema de Corte Unidimensional
3 Como implementar?
4 Decomposição de Dantzig-Wolfe
5 Exemplo: Time Constrained Shortest Path
19 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Decomposição de Dantzig-Wolfe
Uso comum de geração de colunas: separar o conjunto de restrições“fáceis” do resto das restrições do problema (as restrições“complicadoras”)
As restrições fáceis podem envolver uma pequena porção dasvariáveis do problema
Essas restrições podem apresentar uma estrutura especial, como ade algum problema em grafos para o qual existam algoritmosrápidos de resolução
Assim, pode-se resolver separadamente as restrições fáceis!
20 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Decomposição de Dantzig-Wolfe
Alguns modelos possuem uma certa estrutura...
min cx
s.a. Ax ≥ bDx ≥ dx ∈ Zn
Em alguns casos, esta estrutura significa: subproblemas fáceis ouconhecidos
Podemos explorar esta estrutura para reformular o problema, obtendogeralmente um modelo mais forte
21 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Estrutura clássica para DW
min cx
s.a. Ax ≥ bDx ≥ dx ∈ Z+
Em caso de Programas Inteiros, a decomposição de Dantzig-Wolferesulta em uma convexificação parcial: conv{x ∈ Zn|Dx ≥ d}
22 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Estrutura clássica para DW
min cx
s.a. Ax ≥ bDx ≥ dx ∈ Z+
Em caso de Programas Inteiros, a decomposição de Dantzig-Wolferesulta em uma convexificação parcial: conv{x ∈ Zn|Dx ≥ d}
22 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Aula de Hoje
1 Geração de Colunas
2 Exemplo: Problema de Corte Unidimensional
3 Como implementar?
4 Decomposição de Dantzig-Wolfe
5 Exemplo: Time Constrained Shortest Path
22 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Decomposição de Dantzig-Wolfe
Exemplo: Time Constrained Shortest Path
Fonte: Desrosiers and Lübbecke (2005)Column Generation – Chapter 1: A Primer in Column Generationhttp://www.or.rwth-aachen.de/research/publications/primer.pdf
O problema é descrito por um grafo G = (V,A)
A arco (i, j) ∈ A é associado um custo ci,j e uma duração ti,j
Deve-se encontrar o menor caminho entre os vértices v1 e vn
Sujeito a restrições adicionais de capacidade (tempo total da rota)
Problema é NP-difícil-fraco (admite algoritmo pseudopolinomial)
Portanto, uso de Programação Inteira é justificado
23 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Decomposição de Dantzig-Wolfe
Exemplo: Time Constrained Shortest Path
Fonte: Desrosiers and Lübbecke (2005)Column Generation – Chapter 1: A Primer in Column Generationhttp://www.or.rwth-aachen.de/research/publications/primer.pdf
Example: Taken from the “Primer”
Find: Resource constrained shortest path from 1 to 6Total traversal time must not exceed 14 units
3 5
42
6
(2,3)
(10,1)
(2,2)
(12,3)
(1,7)
(1,1)
(1,2)
(1,10)
(10,3)
1
(5,7)
@mluebbecke · #colgen2018 · The Basics · 27/128
custotempo
Suponha que a rota não pode ultrapassar 14 unidades de tempo
24 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Decomposição de Dantzig-Wolfe
Exemplo: Time Constrained Shortest Path
Fonte: Desrosiers and Lübbecke (2005)Column Generation – Chapter 1: A Primer in Column Generationhttp://www.or.rwth-aachen.de/research/publications/primer.pdf
Example: Taken from the “Primer”
Find: Resource constrained shortest path from 1 to 6Total traversal time must not exceed 14 units
42
6
(2,3)
(10,1)
(2,2)
(12,3)
(1,7)
(1,1)
(1,2)
(1,10)
(10,3)
1
(5,7)
3 5
Path 1-3-5-6 is quick but expensive: cost 24, time 8
@mluebbecke · #colgen2018 · The Basics · 27/128
custotempo
Caminho mais rápido é caro: custo 24 | 8 unidades de tempo
24 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Decomposição de Dantzig-Wolfe
Exemplo: Time Constrained Shortest Path
Fonte: Desrosiers and Lübbecke (2005)Column Generation – Chapter 1: A Primer in Column Generationhttp://www.or.rwth-aachen.de/research/publications/primer.pdf
Example: Taken from the “Primer”
Find: Resource constrained shortest path from 1 to 6Total traversal time must not exceed 14 units
42
6
(2,3)
(10,1)
(2,2)
(12,3)
(1,7)
(1,1)
(1,2)
(1,10)
(10,3)
1
(5,7)
3 5
Path 1-2-4-6 is cheap but too slow: cost 3, time 18
@mluebbecke · #colgen2018 · The Basics · 27/128
tempocusto
Caminho mais barato demora: custo 3 | 18 unidades de tempo
24 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Decomposição de Dantzig-Wolfe
Exemplo: Time Constrained Shortest Path
Fonte: Desrosiers and Lübbecke (2005)Column Generation – Chapter 1: A Primer in Column Generationhttp://www.or.rwth-aachen.de/research/publications/primer.pdf
Example: Taken from the “Primer”
Find: Resource constrained shortest path from 1 to 6Total traversal time must not exceed 14 units
3 5
42
6
(2,3)
(10,1)
(2,2)
(12,3)
(1,7)
(1,1)
(1,2)
(1,10)
(10,3)
1
(5,7)
Path 1-3-2-4-6 is optimal: cost 13, time 13
@mluebbecke · #colgen2018 · The Basics · 27/128
custotempo
Caminho ótimo: custo 13 | 13 unidades de tempo
24 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Exemplo: Time Constrained Shortest Path
Seja ci,j o custo do arco (i, j), ti,j o tempo para percorrer o arco (i, j)e T = 14 o tempo total disponível para o percurso:
min∑
(i,j)∈A
ci,jxi,j
s.a.∑
j:(i,j)∈A
xi,j −∑
j:(j,i)∈A
xi,j =
+1 se i é a origem (i = 1)
−1 se i é o destino (i = 6)
0 caso contrário,
∀v ∈ V
∑(i,j)∈A
ti,jxi,j ≤ T
xi,j ∈ {0, 1} ∀(i, j) ∈ A
Como decompor o problema?
Exploramos o subproblema de caminho mínimo!
25 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Exemplo: Time Constrained Shortest Path
Se retirarmos a restrição de capacidade, temos um modelo cuja matrixde coeficientes é TUM (Totalmente Unimodular).
min∑
(i,j)∈A
ci,jxi,j
s.a.∑
j:(i,j)∈A
xi,j −∑
j:(j,i)∈A
xi,j =
+1 se i é a origem (i = 1)
−1 se i é o destino (i = 6)
0 caso contrário,
∀v ∈ V
xi,j ∈ {0, 1} ∀(i, j) ∈ A
É simples verificar esta propriedade!
26 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Exemplo: Time Constrained Shortest Path
Aprendemos anteriormente que uma matrix A é TUM se:1 A contém apenas valores −1, 0 e +1 tal que haja no máximo dois
valores não-nulos em cada coluna.
e existe uma partição R1 e R2 de suas linhas (R) tais que:1 Cada coluna com dois termos não nulos de mesmo sinal tem uma
entrada em R1 e outra em R2.2 Cada coluna com dois termos não nulos de sinal diferente tem ambas
entradas em R1 ou em R2.
No exemplo, claramente cada coluna tem exatamente 2 termos não nulosde sinais diferente!
Assim, uma partição R1 = R e R2 = ∅ satisfaz as condições.
27 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Exemplo: Time Constrained Shortest Path
Podemos utilizar caminhos ao invés de arcos!
xi,j =∑p∈P
xp,i,jλp ∀(i, j) ∈ A∑p∈P
λp = 1
λp ≥ 0 ∀p ∈ P
P é o conjunto de todos os caminhos do nó 1 ao 6
xp,i,j = 1 se o arco (i, j) está no caminho p e 0 caso contrário∑p∈P
λp = 1 é chamada de restrição de convexificação
28 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Exemplo: Time Constrained Shortest Path
Agora vamos substituir xi,j no problema original:
min∑p∈P
∑(i,j)∈A
ci,jxp,i,jλp
s.a.∑p∈P
∑(i,j)∈A
ti,jxp,i,jλp ≤ T
xi,j =∑p∈P
xp,i,jλp ∀(i, j) ∈ A
∑p∈P
λp = 1
λp ≥ 0 ∀p ∈ P
xi,j ∈ Z+ ∀(i, j) ∈ A
Relaxando a integralidade, podemos remover o link entre xi,j e xp,i,j .
29 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Exemplo: Time Constrained Shortest Path
Após remover o link entre xi,j e xp,i,j , obtemos a formulação a seguir:
min∑p∈P
∑(i,j)∈A
ci,jxp,i,jλp
s.a.∑p∈P
∑(i,j)∈A
ti,jxp,i,jλp ≤ T∑p∈P
λp = 1
λp ≥ 0 ∀p ∈ P
Problema: o número de caminhos é exponencial...
Resolvemos este modelo por meio de geração de colunas.
30 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Exemplo: Time Constrained Shortest Path
Problema Mestre
min∑p∈P
∑(i,j)∈A
ci,jxp,i,jλp
s.a.∑p∈P
∑(i,j)∈A
ti,jxp,i,jλp ≤ T (π)
∑p∈P
λp = 1 (τ)
λp ≥ 0 ∀p ∈ P
PricingEncontre um caminho p tal que:
c̄p =∑
(i,j)∈A
ci,jxp,i,j −∑
(i,j)∈A
ti,jxp,i,jπ − τ < 0
31 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Exemplo: Time Constrained Shortest Path
Para encontrar a coluna com menor custo reduzido resolvemos:
Pricing – Problema de Otimização
min c̄ =∑
(i,j)∈A
ci,jxi,j −∑
(i,j)∈A
ti,jxi,jπ − τ
s.a.∑
j:(i,j)∈A
xi,j −∑
j:(j,i)∈A
xi,j =
+1 se i é a origem (i = 1)
−1 se i é o destino (i = 6)
0 caso contrário,
∀v ∈ V
xi,j ∈ {0, 1} ∀(i, j) ∈ A
Se c̄ ≥ 0, não há variáveis que melhorem a solução!
Caso contrário, encontramos uma variável (coluna) que deve seradicionada.
32 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
Exemplo: Time Constrained Shortest Path
Eis o problema de caminho mínimo referente ao Pricing:
Pricing Subproblem
In our case this is a shortest path problem in
5
61
2
3
4
10 − 1π
10 − 3π
1 − 2π
1 − 10π
1 − 1π
1 − 7π1
2 − 2π
12 − 3π
2 − 3π
5 − 7π
This is the original graph with modified costs
@mluebbecke · #colgen2018 · The Basics · 37/128
Note que os custos das arestas incluem o valor dual π.
Neste exemplo, o valor dual da restrição de convexificação (τ ) adicionauma constante na função objetivo.
33 / 33 Túlio Toffolo – Otimização Linear e Inteira – Aula 23: Geração de colunas
/ 12
Perguntas?