LINGO - PARTE 1 :

MANUAL DE REFERNCIA

Alosio de Castro Gomes Jnior

Marcone Jamilson Freitas Souza

Projeto patrocinado pelo programa PR-ATIVA da UFOP

DEPARTAMENTO DE COMPUTAO
UNIVERSIDADE FEDERAL DE OURO PRETO
JANEIRO DE 2004

Contedo
1 LINGO

1.1

O que o LINGO? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2

Exemplos de como Modelar usando o LINGO . . . . . . . . . . . . . . . . . . . . .

1.2.1

Problema da Otimizao de Padres de Produo

. . . . . . . . . . . . . .

1.2.2

Problema da Agncia de Propaganda . . . . . . . . . . . . . . . . . . . . . .

1.2.3

Problema da Carteira de Investimento . . . . . . . . . . . . . . . . . . . . .

1.2.4

Problema da Mochila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12

1.2.5

Problema da Fbrica de Brinquedos . . . . . . . . . . . . . . . . . . . . . .

13

Bibliograa

17

Lista de Figuras
1.1

Padres de Corte para o exemplo da seo 1.2.1 . . . . . . . . . . . . . . . . . . . .

1.2

Tela Inicial do LINGO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3

Modelo LINGO para o exemplo da seo 1.2.1 . . . . . . . . . . . . . . . . . . . . .

1.4

Janela de Resultados do LINGO . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.5

Relatrio de Soluo do LINGO para o Exemplo da seo 1.2.1 . . . . . . . . . . .

1.6

Modelo LINGO para o exemplo da seo 1.2.2 . . . . . . . . . . . . . . . . . . . . .

1.7

Modelo LINGO para o exemplo da seo 1.2.3 . . . . . . . . . . . . . . . . . . . . .

10

1.8

Janela de Opes de Congurao do LINGO . . . . . . . . . . . . . . . . . . . . .

11

1.9

Anlise de Sensibilidade para o exemplo da seo 1.2.3 . . . . . . . . . . . . . . . .

11

1.10 Modelo LINGO para o exemplo da seo 1.2.4 . . . . . . . . . . . . . . . . . . . . .

15

1.11 Modelo LINGO para o exemplo da seo 1.2.5 . . . . . . . . . . . . . . . . . . . . .

15

1.12 Planilha do Excel usada no Exemplo seo 1.2.5

16

ii

. . . . . . . . . . . . . . . . . . .

Captulo 1

LINGO
1.1 O que o LINGO?
O LINGO uma ferramenta simples para utilizar o poder da otimizao linear ou no-linear para
formular problemas grandes concisamente, resolv-los e analisar a soluo.
Neste curso aprenderemos algumas noes bsicas de utilizao deste poderoso software, trabalheremos com modelos simples e modelos comlexos, onde a leitura dos dados poder ser feita
diretamente no LINGO ou num arquivo do bloco de notas e at mesmo em uma planilha do Excel.

1.2 Exemplos de como Modelar usando o LINGO

Para familiarizarmos com o uso do LINGO utilizaremos uma srie de exemplos para a xao de
seus principais comandos.

1.2.1 Problema da Otimizao de Padres de Produo

Uma determinada fbrica produz panelas de metal mdias e grandes a partir de elementos circulares
de dimetros circulares de dimetros de 0,25 e 0,40 metros, respectivamente. A primeira operao
para obter as panelas um corte desses elementos circulares sobre chapas de dimenso de 1,40
x 0,50 metros. Os elementos planos circulares so transformados em panelas em uma segunda
operao de estamparia. Para o corte existem quatro tipo de matrizes conforme mostra a gura
1.1. A fbrica deseja uma produo diria mnima de 500 panelas mdias (obtidas do elemento
circular 0,25) e 350 grandes (obtidas do elemento circular de dimetro 0,40). Os custos em reais
por chapa pelo uso de cada matriz de corte so respectivamente: 1,2,3,2. Elaborar o modelo de
Programao Linear que planeje a produo de modo a minimizar o custo com o uso de chapas.
Seja xi a quantidade de chapas cortadas de acordo com a matriz, i = 1, . . . , 4 a serem utilizadas
na produo.

O modelo de deciso do problema dado a seguir.

min
s.a

x1
8x1

+
+

x2 +
x3 +
4x2 + 2x3
x2 + 2x3 +
xi 0, i=1,. . . ,4 e xj Z +

x4
3x4

500
350

Outra forma de representar o modelo de deciso deste problema :

min
s.a

n
X
j=1
n
X

cj xj
aij xj bi i = 1, 2

j=1

xj 0 , j = 1, . . . , 4 e xj Z +

1
x1

2
x2
8 4 2 0
500

onde: n=4; c=
3 ; a= 0 1 2 3 ; b= 350 e x= x3 .
2
x4
Para este exemplo, usaremos uma modelagem simples, parecida muito com a modelagem uti

lizada pelo LINDO.

Primeiramente devemos abrir o LINGO, depois de aberto o LINGO mostrar uma tela em
branco, parecida com o da gura 1.2 onde ser digitado o modelo.
Um modelo LINGO muito parecido com o LINDO, conforme podemos observar atravs da
gura 1.3.
Aqui neste modelo estamos declarando a Funo-Objetivo (FO) a qual deve ser minimizada, da
o comando MIN. Caso este PPL fosse de maximizao o comando a acompanhar a FO deveria ser
o comando MAX. Nas duas linhas abaixo esto sendo declaradas as restries do problema. Note
que no nal de cada comando devemos colocar ";". No h necessidade de digitar END ao nal do
modelo. As quatro ltimas linhas esto informando ao LINGO que as variveis so do tipo inteiro,
o que feito atravs do comando @GIN(nome da varivel). Os tipos de variveis que podem ser
usadas com o LINGO so apresentadas na tabela a seguir. Vale lembrar que os nomes das variveis
tm que ser iniciados por letras e podem ser seguidos por qualquer caracter alfanumrico.

Observao:
1. Caso queira fazer algum comentrio basta digitar "!"seguido do comentrio.
2. Voc pode dar nome s linhas das restries, para isto, basta digitar o nome da restrio
entre colchetes. Ex.: [Rest1]
Tabela de tipos de variveis do LINGO

Figura 1.1: Padres de Corte para o exemplo da seo 1.2.1

Figura 1.2: Tela Inicial do LINGO

Figura 1.3: Modelo LINGO para o exemplo da seo 1.2.1

COMANDO
@GIN(VAR)
@BIN(VAR)
@FREE(VAR)
@BND(LI,VAR,LS)

EXPLICAO
usado para designar variveis inteiras
usado para designar variveis binrias
usado para designar que a varivel livre
usado para designar os valores pelos quais a varivel VAR
limitada inferiormente e superiormente. Aqui temos que LI
valor mnimo da varivel e LS o valor mximo, ou seja,
LI VAR LS.

No nosso exemplo todas as variveis so inteiras, da a necessidades da incluso das ltimas

quatro linhas ao modelo. Agora s falta resolv-lo, para isto basta clicar no menu "LINGO" e logo
em seguida em "SOLVE", ou simplesmente clique no boto "SOLVE" na barra de ferramentas. Se
tudo estiver digitado corretamente aparecer uma janela como a mostrada na gura 1.4.

Figura 1.4: Janela de Resultados do LINGO

Clique no boto "CLOSE" para fechar esta janela, aparecer na tela uma janela com os resultados do problema obtidos pelo LINGO, conforme pode ser observado na gura 1.5.
Em um relatrio de soluo do LINGO voc encontrar uma parte denominada REDUCED
COST (custo reduzido) para cada varivel do problema. Ela pode ser interpretada da seguinte
maneira:
O custo reduzido de uma varivel do tipo real pode ser interpretado como a quantia de penalidade (positiva ou negativa, dependendo do problema) que voc teria que pagar para introduzir
uma unidade daquela varivel na soluo. No nosso exemplo, a varivel x2 (caso ela fosse do tipo
real) teria como custo reduzido 1, signicando que se diminuirmos uma unidade do coeciente da
varivel na FO, seu uso se tornaria interessante.
J a coluna SLACK or SURPLUS, indica o excesso em restries do tipo ou a folga em

restries do tipo . No nosso exemplo podemos observar que temos uma folga de 4 unidades na

1a restrio e 1 unidade na 2a restrio.

A coluna DUAL PRICE pode ser interpretada como a quantia pela qual a funo objetivo FO
melhoraria (pioraria) quando o lado direito das restries (constantes) aumentado (diminudo)
em uma unidade. Ele tambm pode ser entendido como o que estamos dispostos a pagar por
unidades adicionais de um recurso. Por isto ele tambm chamado de SHADOW PRICE. Essas
informaes, no entanto, s tem sentido se as variveis envolvidas no modelo forem do tipo real e
essa anlise tem validade apenas em um certo intervalo de variao das restries (vide nal da
seo 1.2.3 sobre como proceder para fazer esta anlise).

1.2.2 Problema da Agncia de Propaganda

Uma agncia de propaganda planeja uma campanha de publicidade em trs meios de comunicao:
televiso, rdio e revistas. O propsito da propaganda de alcanar tantos "fregueses em potencial"quanto possvel. Os resultados de um estudo de mercado esto no quadro a seguir:

Meios de Comunicao \
Itens
Custo de uma unidade
de propaganda
no de fregueses em potencial alcnados por
unidade de propaganda
no de fregueses do sexo
feminino alcanados
por unidade de propaganda

TV
Horrio Horrio
Comum Nobre

Rdio

Revistas

40.000

75.000

30.000

15.000

400.000

900.000

500.000

200.000

300.000

400.000

200.000

100.000

A empresa que encomendou a campanha no quer gastar mais que $800.000 com propaganda.
Alm disso, requer:
a) que pelo menos 2 milhes de pessoas alcanadas sejam do sexo feminino;
b) que a propaganda vinculada pela TV seja limitada a um custo de $500.000;
c) que pelo menos 3 unidades de propaganda sejam vinculadas no horrio comum e pelo menos 2
durante horrio nobre;
d) que o nmero de unidades de propaganda no rdio e na revista que individualmente entre 5
e 10.
A modelagem para este PPL apresentada a seguir:

max
s.a

400.000x1 + 900.000x2 +
40.000x1 +
75.000x2 +
300.000x1 + 400.000x2 +
40.000x1 +
75.000x2
x1 3 ;
x2 2 ;
xj 0, j =1,. . . ,4 e xj Z +

500.000x3
30.000x3
200.000x3

+
+
+

200.000x4
15.000x4
100.000x4

5 x3 10

5 x4 10

800.000
2.000.000
500.000

Onde xj nmero de unidades de propaganda a serem veiculadas no meio de comunicao

j=(1: horrio comum na TV; 2: horrio nobre na TV; 3: rdio; 4: revista).
Outra forma de representar o modelo de deciso deste problema :

max
s.a

n
X
j=1
n
X
j=1
n
X

cj xj
aij xj bi i = 1, 2
dj xj 2.000.000

j=1

x1 3 ; x2 2 ; 5 x3 10 ; 5 x4 10
xj 0 , j = 1, . . . , 4 e xj Z +

400.000

900.000

40.000 75.000 30.000 15.000

800.000

onde: n=4; c=
; b=
d=
500.000 ; a= 40.000 75.000

0
0
500.000
200.000

x1
x2

e x=
x3 .
x4
Para modelarmos este PPL no LINGO, usaremos uma forma diferente da proposta no

300.000
400.000

200.000
100.000

exem-

plo anterior. Usaremos neste problema o conceito de SETS (grupos de objetos relacionados) que
normalmente so utilizados em problemas de grande porte. Em um modelo LINGO, uma seo
SETS denida da seguinte forma:
SETS:
setname [/ member_list /] [: variable_list];
ENDSETS
onde:
setname o nome que voc escolhe para designar o grupo de objetos.
[/member_list/] lista de membros que constituem o grupo de objetos.
Tabela de exemplos
Lista de Membros
na forma implcita
1..n
StringM..StringN
dayM..dayN
monthM..monthN
monthYearM..monthYearN

de lista de membros de um grupo de objetos

Exemplo
Membros do grupo
1..5
TR3..TR204
MON..FRI
OCT..JAN
OCT2001..DEZ2001

1, 2, 3, 4, 5
TR3, TR4,. . . ,TR204
MON,TUE,WED,THU,FRI
OCT, NOV,DEC,JAN
OCT2001,NOV2001,DEC2001

[:variable_list] lista de variveis (ou constantes) que tem as mesmas caractersticas do grupo
de objetos. Quando h mais de uma varivel (ou constante), elas devem ser separadas por vrgula.
Observao: os colchetes indicam que essas informaes so opcionais.

Exemplo:
v1 / 1..4 /: x, C, D ;
Neste exemplo estamos denindo um grupo de objetos com nome v1, cujos membros so 1, 2,
3 e 4. x, C e D so variveis (ou constantes) que tm esses membros em seu domnio de denio
(x(1),. . . ,x(4),C(1),. . . ,C(4),D(1),. . . ,D(4)).
Um grupo de objetos tambm pode ser derivado de outros grupos, como o caso do exemplo
abaixo, onde temos o grupo Matriz que depende dos grupos v1 e v2 e A uma constante (no
caso, uma matriz) que tem como domnio o conjunto dos membros dos grupos anteriores(A(1,1),
A(1,2),. . . ).
matriz(v2, v1): A;
Observao: Um SET pode ser entendido, fazendo uma analogia com a linguagem PASCAL,
como uma estrutura de dados do tipo vetor (SETS simples) ou matriz (SETS derivado), onde cada
posio um membro do grupo de objetos.
Tambm usaremos os comando @SUM e @FOR, que so utilizados em conjunto com os grupos
de objetos denidos na seo SETS. @SUM utilizado para calcular um somatrio e @FOR um
comando de repetio.
Usaremos tambm a seo DATA para ler os valores das constantes denidas na seo SETS.
Exemplos dos comandos @FOR e @SUM e da seo DATA so mostrados na gura 1.6, onde
apresentado a modelagem LINGO para este PPL.
Vale notar que as variveis x1 e x2 so limitadas apenas inferiormente. Neste caso, o limite
superior representado por um nmero arbitrariamente grande, por exemplo, 1E19 (1 1019 ).
Para resolver o problema procede-se da mesma forma do exemplo da seo 1.2.1.

1.2.3 Problema da Carteira de Investimento

Um investidor possui $18.000 e tem a sua disposio trs opes para aplicar seu capital, alm de
deix-lo, todo ou em parte, no banco, rendendo 6% ao ano.
ALTERNATIVA 1: Comprar um lote de aes cujo preo unitrio de $4,50 e cuja rentabilidade
anual esperada de 47%.
ALTERNATIVA 2: Comprar letras de cmbio cujo preo unitrio $3,00 e cuja rentabilidade

Figura 1.5: Relatrio de Soluo do LINGO para o Exemplo da seo 1.2.1

Figura 1.6: Modelo LINGO para o exemplo da seo 1.2.2

anual de 32%.
ALTERNATIVA 3: Comprar Obrigaes do Tesouro, cujo preo unitrio $1,50 e cuja rentabilidade anual de 8%.
Supondo que o investidor no desaja adquirir mais do que 1.750 aes e/ou letras de cmbio;
que seu corretor s possa conseguir at 1.000 aes e 1.500 letras de cmbio; que o investidor
queira - por medida de segurana quanto liquidez - deixar, pelo menos, $2.000 no banco; que o
investimento feito em obrigaes do Tesouro no ultrapasse 1,7 vezes o depsito deixado no banco,
que quantidades o investidor deve alocar a cada alternativa, considerando que o seu objetivo
maximizar o seu capital no m do ano? Formule um modelo de Programao Linear para responder
esta pergunta.
A modelagem para este PPL apresentada a seguir:

max
s.a

6, 62x1
4, 50x1

+
+

3, 96x2
3, 00x2

+
+

1, 62x3
1, 50x3

+
+

2, 12x1
x1
x1

+
+

0, 96x2
x2

0, 12x3

4, 05x3

x2
7, 65x1 + 5, 10x2
xj 0, j =1,. . . ,4

1, 06x4
x4
x4
0, 06x4

18.000
2.000
0
1.750
1.000
1.500
30.600

Onde x4 total deixado no banco e xj nmero de opes do tipo j=(1: aes; 2: letras de
cmbio; 3: obrigaes do tesouro).
Outra forma de representar o modelo de deciso deste problema :

max
s.a

n
X
j=1
n
X
j=1
n
X
j=1
n
X

cj xj
aj xj = 18.000
bj xj 0
dij xj ei i = 1, 2

j=1

x1 1.000, x2 1.500, x4 2.000

xj 0 , j = 1, . . . , 4

6, 62
4, 50
3, 96
3, 00

onde: n=4; c=
1, 62 ; a= 1, 50
1, 06
1, 00

x1
x2

e x=
x3 .
x4

2, 12

1
1
0 0
1.750
; b= 0, 96 ; d=
;
e=

0, 12
7, 65 5, 1 4, 05 0
30.600
0, 06

A diferena da modelagem deste PPL para os anteriores, reside no fato de que aqui os parmetros so lidos atravs do comando DATA em um arquivo de texto j previamente digitado. Utiliza-se
para isto o comando @FILE(`nome do arquivo'). O nome do arquivo deve estar entre aspas simples
e estar no diretrio onde foi salvo o modelo. Caso contrrio, dever ser informado o caminho completo onde o mesmo se encontra (ex.: c=@FILE(`C:\LINGO\SAMPLES\teste.txt'). Os valores
nestes arquivos devem ser digitados um em cada linha.
Na gura 1.7 apresentado a modelagem LINGO para este PPL usando este comando.

Figura 1.7: Modelo LINGO para o exemplo da seo 1.2.3

Para resolv-lo, devemos proceder conforme foi explicado no exemplo da seo 1.2.1.
Neste exemplo mostraremos como fazer a anlise de sensibilidade no LINGO. Inicialmente
necessrio ativar esta opo. Para tanto, clique no menu LINGO e logo em seguida em OPTIONS.
V at a aba GENERAL SOLVER e escolha a opo PRICES & RANGES no campo DUAL

COMPUTATIONS. A gura 1.8 ilustra tal procedimento.

Aps resolvido o modelo e ativada a opo PRICES & RANGES para o LINGO apresentar
a anlise de sensibilidade necessrio clicar no menu LINGO e em seguida em RANGE tendo
como janela ativa a janela do modelo. A gura 1.9 apresenta a tela com o resultado da anlise de
sensibilidade deste exemplo.

Figura 1.8: Janela de Opes de Congurao do LINGO

Figura 1.9: Anlise de Sensibilidade para o exemplo da seo 1.2.3

Referncias sobre anlise de sensibilidade so encontradas no captulo referente ao estudo do

software LINDO.

1.2.4 Problema da Mochila

Dado n objetos, cada qual com um peso wi e importncia pi , aloc-los em uma mochila de capacidade b maximizando a importncia dos objetos colocados. Assumi-se que h apenas uma unidade
de cada objeto.
A modelagem
( deste PPL apresentado a seguir:
1; se o objeto i alocado na mochila,
Seja xi =
0; caso contrrio.

max

n
X
i=1
n
X

s.a

pi xi
wi xi b

i=1

xj {0, 1} i = 1, ..., n
Para este problema da mochila vamos considerar a seguinte tabela de dados:

Objeto(xi )
Peso (wi ) (em kg)
Importncia (pi )

01
2
7

02
3
4

03
4
4

04
5
6

05
1
2

06
5
3

07
4
7

08
2
3

09
3
2

10
7
8

Objeto(xi )
Peso (wi ) (em kg)
Importncia (pi )

11
3
4

12
4
2

13
8
9

14
9
8

15
2
3

16
4
5

17
5
6

18
5
7

19
6
7

20
9
9

Objeto(xi )
Peso (wi ) (em kg)
Importncia (pi )

21
1
1

22
2
3

23
5
5

24
4
3

25
3
2

26
7
6

27
9
8

28
2
3

29
4
3

30
3
1

Objeto(xi )
Peso (wi ) (em kg)
Importncia (pi )

31
9
4

32
8
7

33
7
9

34
6
7

35
5
7

36
4
7

37
3
5

38
2
3

39
1
2

40
5
2

Objeto(xi )
Peso (wi ) (em kg)
Importncia (pi )

41
2
2

42
3
4

43
4
5

44
5
6

45
1
1

46
5
8

47
4
9

48
2
5

49
3
5

50
7
8

Capacidade da mochila (b) = 150 kg

A modelagem LINGO deste PPL apresentado na gura 1.10. Aqui podemos observar que
a nica diferena que os parmetros usados nos SETS so lidos atravs de arquivos textos com
base no comando @FILE(`nome do arquivo') e as solues so geradas em arquivo texto atravs do
comando @TEXT(`nome do arquivo'). Para ler os parmetros m e n em um nico arquivo, basta
separ-los por til, no caso, 50v150.
Notamos que este PPL seria de difcil modelagem usando a forma apresentada no exemplo da
seo 1.2.1, da a comodidade da utilizao da seo SETS em problemas deste porte.

1.2.5 Problema da Fbrica de Brinquedos

A companhia Coelho S.A. fabrica motores para brinquedos e pequenos aparelhos. O departamento
de marketing est prevendo vendas de 6100 unidades do motor Roncam no prximo semestre. Esta
uma nova demanda e a companhia ter que testar sua capacidade produtiva. O motor Roncam
montado a partir de trs componentes: o corpo, a base e a blindagem. Alguns destes componentes
podem ser comprados de outros fornecedores, se houver limitaes da Coelho S.A. Os custos de
produo e os custos de aquisio em R$/unidade esto resumidos na tabela a seguir.
Componente
Corpo
Base
Blindagem

Custo de Aquisio
(em R$)
10
20
16

Custo de Produo
(em R$)
8
20
10

A fbrica da Companhia Coelho S.A. tem trs departamentos. O requisito de tempo em minutos
que cada componente consome em cada departamento est resumido na tabela a seguir. O tempo
disponvel na companhia para cada componente est listado na ltima linha.
Componente
Corpo
Base
Blindagem
Disponibilidade

Tempo de Preparao
(em minutos)
2
5
4
49200

Tempo de molde
(em minutos)
4
2
5
49200

Tempo de fabricao
(em minutos)
2
4
5
49200

O modelo de deciso do problema dado abaixo, onde xij representa a quantidade de componentes i=(1=se o componente for o Corpo, 2=se o componente for a Base e 3=se o componente
for a Blindagem) a serem utilizados no modo j = (A=se o componente for adquirido e F=Se o
componente for fabricado).

min
s.a

8x1F
2x1F
4x1F
2x1F
x1F

+
+
+
+

20x2F
5x2F
2x2F
4x2F

+
+
+
+

10x3F
4x3F
5x3F
5x3F

10x1A

x1F

x2F

20x2A

x2A

x2A

x1A

Outra forma de representar este modelo apresentado abaixo:

min
s.a

n
X
j=1
n
X
j=1
n
X
j=1

16x3A

x1A

x2F
x3F
x3F

cj xj
aij xj 49.200 i = 1, 2, 3
dij xj 6.100 i = 1, 2, 3

xj 0 , j = 1, . . . , 6

+
,

x3A
x3A

49200
49200
49200
6100
6100
6100
0

8
20

2 5 4 0 0 0
1 0 0
10
; a= 4 2 5 0 0 0 ; d= 0 1 0
onde: n=6; c=
10

2 4 5 0 0 0
0 0 1
20
16
Para efeito de clculo, estamos adotando que x1F =x1 , x2F =x2 ,

x1
x2

e x= x3 .
x4

x5
x6
x1A =x4 , x2A =x5 e

1
0
0

0
1
0

0
0
1

x3F =x3 ,

x3A =x6 .
O modelo LINGO para este PPL apresentado na gura 1.11.
A diferena deste modelo para os outros est no fato de estarmos lendo as constantes da
seo SETS atravs de uma planilha do Excel e depois exportando o resultado para a mesma,
utilizando a seo DATA. Tanto a leitura quanto a exportao dos dados para a planilha feita
atravs do comando @OLE(`nomearq.xls',`nome do conjunto de clulas'). Para a utilizao de uma
planilha do Excel, devemos denir um nome para cada conjunto de clulas referenciadas no modelo.
Considerando a planilha apresentada na gura 1.12, temos os seguintes conjuntos de clulas com
seus respectivos nomes:

Conjunto de clulas
B3 a G3
I5 a I7
I8 a I10
C16
B5 a G7
B8 a G10
B14 a G14

Nome
custo
Coef1
Coef2
FO
Rest1
Rest2
x

Figura 1.10: Modelo LINGO para o exemplo da seo 1.2.4

Figura 1.11: Modelo LINGO para o exemplo da seo 1.2.5

Figura 1.12: Planilha do Excel usada no Exemplo seo 1.2.5

Bibliograa
[1] M. C .Goldbarg e H. P. L. Luna. Otimizao Combinatria e Programao Linear: Modelos e
Algoritmos. Editora Campus, Rio de Janeiro, 2000.
[2] Helmut Kopka and Patrick W. Dale. A Guide to LATEX. Addison-Wesley, Harlow, England,
3rd edition, 1999.
[3] Gerson Lachtermacher. Pesquisa Operacional na Tomada de Decises. Editora Campus, Rio
de Janeiro, 2002.
[4] Lindo Systems Inc., Chicago. LINGO: the modeling language and optmizer, 2001.

17