Cap tulo 1

Introdu c ao ` a Pesquisa Operacional

1.1

Introdu c ao

Este curso envolve o estudo de m etodos quantitativos para aux lio a ` tomada de decis oes (decision making, em ingl es), reunidos sob a denomina ca o de Pesquisa Operacional (Operational Research, na Inglaterra; Operations Research nos Estados Unidos), Ci encia da Administra c ao (Management Science ) ou Ci encia da Decis ao (Decision Science ). Os m etodos da Pesquisa Operacional visam auxiliar na sele ca o da melhor maneira de se operar um sistema, usualmente sob condi co es que exijam a utiliza ca o de recursos limitados. Empresas podem ser vistas como sistemas que visam obter o maior retorno poss vel para as suas atividades, com retorno podendo signicar qualidade do servi co prestado no caso de uma empresa p ublica, ou lucro nanceiro no caso de uma empresa privada. Planejar as atividades de uma empresa produtora de bens (eletrodom esticos, equipamentos eletr onicos, autom oveis, ...) e de servi cos (telefonia, transporte, energia, ...) signica determinar que decis oes a empresa deve tomar, eventualmente ao longo do tempo e sob condi co es de incerteza, para maximizar o seu retorno. Problemas pr aticos de planejamento podem exigir a utiliza ca o de sistemas de suporte ` a decis ao, softwares destinados a apoiar o processo de tomada de decis oes. Sistemas deste tipo geralmente oferecem op co es de modelagem matem atica e de m etodos quantitativos para tomada de decis oes compat veis com os modelos adotados. Os modelos matem aticos utilizados em planejamento da produ ca o s ao geralmente modelos de otimiza c ao, no sentido de que estes modelos prescrevem obter decis oes o timas, como m nimo custo ou m aximo lucro de produ ca o, por exemplo. Existe um modelo de otimiza ca o adequado a cada problema de planejamento. D a-se o nome de Programa c ao Mat ematica ao conjunto de modelos e m etodos de otimiza ca o utilizados em planejamento da produ ca o, podendo o termo programa ca o (programming ) ser entendido como sin onimo de planejamento (planning ). Os modelos e m etodos da programa ca o matem atica constituem um subconjunto dos modelos 1

Cap tulo 1. Introdu c ao ` a Pesquisa Operacional

e m etodos da Pesquisa Operacional. Um estudo introdut orio dos principais m etodos da programa ca o matem atica e o objetivo central deste curso.

1.2

Breve Hist orico

O termo Pesquisa Operacional foi utilizado pela primeira vez na Gr a-Bretanha em 1938 para designar o estudo sistem atico de problemas estrat egicos e t aticos decorrentes de opera co es militares. Numa atua ca o cl assica, um grupo de especialistas (matem aticos, f sicos, engenheiros, ...) foi designado para avaliar e reposicionar adequadamente os radares do sistema de defesa a erea da Gr a-Bretanha antes e durante a Segunda Guerra Mundial. Outras aplica co es militares incluiram o planejamento de opera co es de comboios, bombardeios e de guerra anti-submarina. Ap os a Segunda Guerra Mundial, muitos dos especialistas que estiveram envolvidos no planejamento de opera co es militares deram continuidade a suas pesquisas, agora visando tamb em opera co es n ao militares. Provavelmente o desenvolvimento metodol ogico mais importante do per odo p os-guerra foi o M etodo Simplex, por George Dantzig, em 1947, para a resolu ca o de problemas de Programa c ao Linear, isto e, de problemas de planejamento nos quais s ao utilizados modelos de otimiza ca o lineares. O surgimento de computadores digitais na d ecada de 1950 tornou poss vel desenvolver e utilizar novas metodologias para resolver uma grande varie` medida que a capacidade computacional dispon dade de problemas pr aticos. A vel foi crescendo, tornou-se poss vel resolver problemas cada vez mais complexos. Essa tend encia se verica at e os dias de hoje.

1.3

Problemas de decis ao

Problemas de tomada de decis ao s ao freq uentes no dia-a-dia. Escolher que trajeto seguir para ir de um ponto a outro da cidade ou que refei ca o pedir num restaurante s ao exemplos t picos. Nestes casos e preciso selecionar uma alternativa dentre v arias outras poss veis de maneira a satisfazer um ou mais objetivos, como minimizar o tempo de trajeto no primeiro caso e o consumo de calorias no segundo. Nem sempre o problema de tomada de decis ao possui um u nico objetivo ou os objetivos do problema s ao completamente mensur aveis. Exemplo: um aluno rec emformado recebe tr es propostas de emprego, resumidas na Tabela 1.1. Se o objetivo visar o maior sal ario inicial, a melhor decis ao e pela Empresa A; se visar o maior potencial para desenvolvimento pessoal e prossional, a Empresa B; se visar a melhor localiza ca o, a Empresa C. Embora existam poucas alternativas, nenhuma delas e melhor do ponto de vista de todos os objetivos. Neste caso, o tomador de decis ao pode ponderar os objetivos, isto e, atribuir pesos (normalmente subjetivos) aos objetivos de sal ario, potencial e localiza ca o, e decidir pela empresa que forne ca a melhor pondera ca o.

1.3. Problemas de decis ao Tabela 1.1: Dados para decis ao sobre emprego. Alternativas Sal ario Potencial de Localiza ca o Inicial Desenvolvimento da Empresa Empresa A R$ 4000 M edio M edio Empresa B R$ 3600 Excelente Bom Empresa C R$ 3700 Bom Excelente

Intui ca o e experi encia pr evia ao lidar com problemas similares s ao as pricipais caracter sticas empregadas pelos chamados m etodos qualitativos para tomada de decis oes.

M etodos quantitativos
Se o tomador de decis ao e inexperiente no tipo de problema considerado, ou se este e complexo o bastante para que intui ca o e experi encia n ao sejam sucientes, ent ao a ado ca o de m etodos quantitativos pode ser importante para se chegar a uma decis ao nal. Por m etodos quantitativos entenda-se m etodos baseados em dados quantitativos e em modelos descritos por express oes matem aticas que os relacionam. M etodos quantitativos s ao especialmente u teis quando: 1. O problema e complexo e n ao se consegue chegar a uma solu ca o adequada sem o emprego de an alise quantitativa; 2. O problema e importante envolve quest oes de seguran ca, por exemplo e uma an alise completa antes da decis ao e necess aria; 3. O problema e novo e n ao se disp oe de experi encia pr evia que permita antecipar o tipo de decis ao a ser tomada; 4. O problema e repetitivo e a decis ao pode ser tomada de forma autom atica, o que economiza tempo e esfor co. Diferentemente do processo de decis ao baseado em m etodos qualitativos, geralmente centrado na experi encia que o tomador de decis ao acumulou ao longo dos anos, decis oes baseadas em m etodos quantitativos requerem uma estrutura ca o do problema, seguida de sua representa ca o matem atica e da utiliza ca o de m etodos de an alise apropriados. A sa da produzida pelo m etodo quantitativo adotado e ent ao recomendada ao tomador de decis ao. Os m etodos qualitativos e quantitativos devem ser vistos como complementares. A experi encia acumulada pelo tomador de decis ao e importante para guiar a escolha e a utiliza ca o de m etodos quantitativos, enquanto que a an alise das decis oes decorrentes do emprego de m etodos quantitativos ajuda o tomador de decis ao a aumentar sua intui ca o e conhecimento sobre o problema, realimentando o processo de tomada de decis ao. Contrariamente a ` abordagem qualitativa, ganha-se habilidade na aplica ca o da abordagem quantitativa ao se estudar sistematicamente as hip oteses e as caracter sticas particulares dos m etodos quantitativos utilizados como ferramentas para

Cap tulo 1. Introdu c ao ` a Pesquisa Operacional

tomada de decis oes. A principal caracter stica destes m etodos e o emprego de modelos matem aticos para descrever problemas e avaliar o impacto das decis oes tomadas.

1.4

Modelos matem aticos

Dependendo do objeto de estudo, os m etodos quantitativos podem empregar basicamente dois tipos de modelos: concretos ou abstratos. Modelos concretos ou f sicos s ao utilizados, por exemplo, em estudos de aerodin amica, quando uma vers ao em escala reduzida de uma aeronave em projeto e submetida a testes em t uneisde vento. Modelos abstratos ou matem aticos s ao mais freq uentemente utilizados para descrever fen omenos como movimento e equil brio de corpos f sicos, crescimento populacional e varia co es clim aticas, entre outros. Eventualmente pode-se utilizar modelos abstratos numa etapa preliminar a ` constru ca o de modelos concretos, como forma de excluir alternativas para o projeto aerodin amico de uma aeronave, por exemplo. Modelos matem aticos s ao usados para descrever problemas de planejamento, mas, como em outras a reas do conhecimento, devem ser vistos como aproxima co es dos problemas reais que procuram retratar. Para que seja u til, um modelo de planejamento deve capturar os aspectos essenciais do problema, o que exige habilidade na tarefa de modelagem. Para se chegar a resultados signicativos a partir de modelos, uma boa capacidade de an alise e tamb em fundamental. Habilidade e capacidade de an alise podem ser adquiridas por meio da experi encia pr atica e do entendimento da teoria por tr as dos modelos matem aticos. Como modelos s ao aproxima co es de realidades, uma abordagem progressiva, que poderia ser vista como uma aplica ca o do M etodo Cient co a problemas de tomada de decis oes, e quase sempre utilizada. Os principais passos dessa abordagem seriam os seguintes: 1. Dena o problema a ser resolvido; 2. Construa um modelo para o problema; 3. Obtenha uma solu ca o baseada no modelo; 4. Verique se a solu ca o e realista. Se Sim, v a para 5; se N ao, volte para 2; 5. Implemente a solu ca o obtida.

Deni c ao do problema
A deni ca o do problema envolve delimitar seu escopo, descrever que quantidades representam dados, que quantidades podem ser manipuladas, que objetivo deve ser atingido e que eventuais limita co es podem atuar no sentido de restringir as quantidades manipuladas, isto e, as alternativas de solu ca o (decis ao) para o problema.

1.4. Modelos matem aticos

Constru c ao do modelo
A constru ca o de um modelo come ca pela ado ca o de uma nota ca o apropri comum ada para as principais quantidades presentes na deni ca o do problema. E denotar por x1 , x 2 , . . . , x n as (por hip otese) n quantidades manipuladas do problema. D a-se o nome de vari aveis de decis ao a estas quantidades. Os dados do problema podem ser representados por outras letras do alfabeto e s ao tamb em referidos como par ametros do problema. O passo seguinte e redenir matematicamente o problema por meio de f ormulas, rela co es matem aticas ou proposi co es. Uma f ormula denominada de fun c aoobjetivo e utilizada para descrever como o objetivo do problema e inuenciado pelos valores das vari aveis de decis ao. Rela co es matem aticas envolvendo os s mbolos =, , e proposi co es gerais s ao empregadas para descrever eventuais restri co es para a escolha de valores para as vari aveis de decis ao. Os modelos matem aticos normalmente adotados para problemas de planejamento s ao prescritivos, no sentido de que prescrevem como o tomador de decis ao deve agir para que a solu ca o derivada do modelo cumpra o objetivo proposto. A prescri ca o quase sempre e otimizar a fun ca oobjetivo sujeito a `s restri co es, sendo que otimizar pode signicar, dependendo do objetivo do problema, minimizar ou maximizar, isto e, determinar os valores das vari aveis de decis ao que conduzem ao menor ou maior valor para a fun ca oobjetivo. Um modelo sint etico, prescritivo, para o problema de decis ao seria otimizar sujeito a (fun ca oobjetivo) (restri co es).

Representando as vari aveis de decis ao por meio do vetor n-dimensional x = (x1 , x2 , . . . , xn ), e poss vel expressar tanto a fun ca oobjetivo como as restri co es em termos de x. Sejam f : Rn R e gi : Rn R, i = 1, 2, . . . , p, fun co es de n vari aveis, a primeira associada a ` fun ca oobjetivo e as p seguintes a `s restri co es do modelo. Denotando por qualquer das rela co es =, , , obt em-se o modelo prescritivo na forma simb olica otimizar sujeito a f (x) g1 (x) 1 b1 , g2 (x) 2 b2 , . . . gp (x) p bp , comum referir-se a (1.1) como no qual bi , i = 1, 2, . . . , p s ao valores constantes. E modelo ou problema de otimiza c ao associado ao problema de decis ao. Exemplo 1.1 A constru ca o de tanques para armazenagem de produtos e comum na ind ustria petroqu mica. Considere o problema de projetar um tanque cil ndrico com capacidade volum etrica m nima de V m3 . O objetivo do projeto e obter um tanque com a menor superf cie total poss vel.

(1.1)

Cap tulo 1. Introdu c ao ` a Pesquisa Operacional

A forma do tanque e determinada pelo raio das a reas circulares e da altura do natural ent cil ndro que o representa. E ao denir as vari aveis de decis ao, x1 e x2 , como raio e altura do tanque, em metros, respectivamente. Em termos das vari aveis de decis ao, a superf cie total do tanque e dada por 2x2 1 + 2x1 x2 . (1.2)

A primeira parcela de (1.2) e a superf cie das (duas) a reas circulares. A searea da gunda parcela e a superf cie da a rea lateral. O volume do tanque e x2 1 x2 ( base vezes a altura). Al em disso, por representarem comprimentos, as vari aveis de decis ao podem assumir apenas valores n ao negativos, isto e, deve-se impor x 1 0 e x2 0. O problema de otimiza ca o associado ao problema de projeto seria minimizar 2x2 1 + 2x1 x2 sujeito a x2 x 1 2 V, x1 0, x2 0.

(1.3)

Em termos da formula ca o geral (1.1), n = 2, m = 3, f (x) = 2x2 1 + 2x1 x2 , 2 g1 (x) = x1 x2 , g2 (x) = x1 , g3 (x) = x2 , b1 = V , b2 = b3 = 0 e as restri co es s ao do tipo . 2

Obten c ao de uma solu c ao

Vetores x = (x1 , x2 , . . . , xn ) de vari aveis de decis ao representam poss veis solu co es para o problema de otimiza ca o (1.1). Uma solu ca o e vi avel em geral existem in umeras solu co es vi aveis se satisfaz todas as restri co es do problema; uma solu ca o e invi avel, caso contr ario. No Exemplo 1.1, qualquer solu ca o com raio e altura n ao negativas gerando um cil ndro de volume maior ou igual a V e vi avel. Uma solu ca o eo tima podem existir in umeras solu co es o timas se produz o menor (maior) valor para a fun ca oobjetivo; uma solu ca o e sub otima, caso contr ario. Quando o problema de otimiza ca o e simples, pode-se obter solu co es o timas (vi aveis) lan cando-se m ao das condi co es de otimalidade aplic aveis ao problema. O estudo de condi co es de otimalidade e um dos objetivos do curso e ser a desenvolvido oportunamente. Por hora registre-se apenas que a solu ca o o tima para o problema de otimiza ca o (1.3), obtida a partir de condi co es de otimalidade, e x1 = V 2
1/3

x2 =

4V

1/3

= 2x 1.

A solu ca o o tima encontra-se parametrizada por V (volume). A superf cie total e minimizada quanda a altura do tanque e igual ao di ametro da sua base. O estudo de m etodos num ericos voltados para resolu ca o de problemas de otimiza ca o em computadores e outro objetivo do curso. Um m etodo e exato quando e capaz de gerar uma solu ca o o tima x = (x1 , x2 , . . . , xn ) para o problema (1.1). Entretanto, existem problemas de otimiza ca o complexos o bastante para tornar a aplica ca o de m etodos exatos impratic avel, porque isso implicaria em tempos de

1.5. Programa c ao matem atica

processamento innitos para todos os prop ositos pr aticos. Para problemas desta natureza pode-se adotar um m etodo heur stico. Enquanto que nos m etodos exatos todo o conjunto de solu co es vi aveis e explorado com vistas a ` obten ca o de uma solu ca o o tima, nos m etodos heur sticos apenas um subconjunto apropriado de solu co es vi aveis e explorado visando-se obter uma boa solu c ao em tempo de processamento razo avel.

Valida c ao da solu c ao
Este etapa do processo envolve vericar se o modelo adotado e a solu ca o obtida por meio dele s ao compat veis com a realidade do problema. Se todas as caracter sticas relevantes do problema tiverem sido levadas em conta na modelagem, a solu ca o obtida ser a implement avel. Caso contr ario, um novo ciclo de modelagem e obten ca o de solu ca o ter a de ser desenvolvido. Suponha, por exemplo, que a a rea da base do tanque revela-se maior do que a a rea dispon vel para coloc a-lo, um aspecto que n ao foi considerado inicialmente na modelagem. Uma possibilidade seria denir um raio m aximo x 1 para a base e incorporar ao modelo uma restri ca o do tipo x1 x 1 . Uma nova solu ca o o tima seria obtida, e o processo repetido, at e que n ao mais restassem diferen cas signicativas entre modelo e realidade.

Implementa c ao da solu c ao
A implementa ca o de uma solu ca o validada envolve transformar a solu ca o, obtida a partir do modelo, em um conjunto de instru co es na linguagem operacional usada pelos administradores do sistema.

1.5

Programa c ao matem atica

A utiliza ca o de modelos de otimiza ca o caracteriza os m etodos da programa ca o matem atica. Um modelo de otimiza ca o pode ser genericamente classicado como determin stico ou estoc astico, em rela ca o ao grau de precis ao com que os par ametros do modelo s ao conhecidos, monoobjetivo ou multiobjetivo, em rela ca o ao n umero de fun co esobjetivos utilizadas no modelo, e din amico ou est atico, em rela ca o a ` capacidade do modelo de representar decis oes por etapas ou est agios. Modelos de otimiza ca o determin sticos monoobjetivos est aticos s ao abordados na maior parte deste curso. Uma classica ca o dos principais modelos de otimiza ca o discutidos no curso baseada na natureza das vari aveis de decis ao e das diversas fun co es presentes do modelo e apresentada a seguir.

Programa c ao linear
Modelos de programa ca o linear envolvem vari aveis de decis ao que podem assumir qualquer valor real. A fun ca oobjetivo e as fun co es que descrevem restri co es s ao lineares, isto e, assumem a forma 1 x 1 + 2 x 2 + + n x n , (1.4)

Cap tulo 1. Introdu c ao ` a Pesquisa Operacional

na qual 1 , 2 , . . . , n e s ao valores reais conhecidos.

Programa c ao inteira
Os modelos de programa ca o inteira diferem dos modelos de programa ca o linear pela inclus ao da restri ca o adicional de que todas as vari aveis de decis ao podem assumir apenas valores inteiros.

Programa c ao n aolinear
Modelos n aolineares envolvem vari aveis de decis ao que podem assumir qualquer valor real, mas ou a fun ca oobjetivo ou alguma fun ca o presente nas restri co es n ao pode ser expressa na forma (1.4). (Vide Exemplo 1.1.)

1.6

Softwares

A maioria dos m etodos da programa ca o matem atica encontra-se implementada computacionalmente em softwares comerciais, como o MATLAB/Optimization Toolbox ou XpressMP , a serem adotados. O curso procurar a enfatizar os aspectos de modelagem dos processos de tomada de decis ao e discutir os m etodosmais adequados aos diferentes modelos de otimiza ca o gerados.