Escolar Documentos
Profissional Documentos
Cultura Documentos
Operacional
Professor Jos Arnaldo Barra Montevechi
montevechi@unifei.edu.br
l.3 Conceitos
Conceito 1: PO a aplicao do mtodo cientfico, por equipes interdisciplinares, a
problemas que dizem respeito ao controle de sistemas organizados (homem-mquina) com a
finalidade de obter as solues que melhor satisfazem aos objetivos da organizao, como
UM TODO.
Conceito 2: A PO se esfora ao mximo para compensar a incerteza, mas no a pode
eliminar. (Pois importante assinalar que como esto implicados fatores humanos e
mquinas, fornecida uma estimativa da incerteza no resultado previsto e nos valores, nas
eficincias e nos custos da ao proposta).
Conceito 3: A PO firmou-se como uma atividade que pode colocar a servio da gerncia - e
realmente o faz - novas atitudes, novos conceitos e novas tcnicas; ajudando-a a resolver
problemas complexos e tomar decises importantes.
ESTRATGIA - significa o dispositivo bsico de recursos disponveis ao dirigente.
TTICA - exprime a maneira de utilizar os recursos confiados a uma atividade determinada.
TECNOLOGIA - o termo que se aplica s coisas fsicas envolvidas na transformao de
"INPUTS" em "OUTPUTS" da atividade.
ORGANIZAO - quer dizer virtualmente qualquer complexo identificvel de homens e
mquinas trabalhando no sentido de um objetivo determinado, quer o complexo seja militar
ou civil, industrial ou comercial, governamental ou privado.
Conceito 4: PO a aplicao de anlises quantitativas dos problemas gerenciais. O objetivo
da anlise encontrar as melhores solues dos problemas, isto , escolher as boas decises.
Conceito 5: Pesquisa Operacional a preparao cientfica das decises, visando a
modificao do binmio "Experincia - Intuio" pela "Informao - Racionalidade".
Conceito 6: A PO o conjunto de mtodos que depois de haver analisado, recorrendo as
diversas disciplinas cientificas envolvidas, as relaes que unem os fatores de ordem tcnica
ou psicolgica que concorrem na formao de um fenmeno econmico ou humano se
propem, com a finalidade de preparar as decises que se devem tomar, determinar
6. Implantao da soluo.
3. Quais aspectos da situao esto sujeitos ao controle de quem toma a deciso (as
variveis controladas) e dentro de que limites essas variveis podem ser controladas
(restries).
4. Que outros aspectos do meio ambiente envolvam ou no seres humanos, podem afetar
os resultados das escolhas disponveis (as variveis no controladas)
Portanto, formular um problema para pesquisa consiste em identificar, definir e especificar as
medidas dos componentes de um modelo de deciso. A determinao da relao entre estes
componentes (a funo f) o objetivo da fase da pesquisa denominada construo do modelo.
Nesta primeira fase do estudo, portanto, requer a definio do problema. Do ponto de vista da
PO, isto indica trs aspectos principais:
a) Uma exata descrio dos objetivos do estudo;
b) Uma identificao das variveis de deciso do sistema;
c) Reconhecimento das limitaes, restries, as possveis linhas de ao alternativas, o
inter-relacionamento entre o setor a ser estudado e outros setores da organizao.
impossvel extrair respostas certas de um problema errado. No se devem esquecer as
principais partes que afetam os negcios de uma firma:
a) O proprietrio (acionistas) que deseja lucros (dividendos, aes, bonificaes,
valorizao do capital, etc.).
b) Os empregados, que desejam emprego estvel com razovel salrio.
c) Os clientes, que desejam um produto confivel a um preo mdico (razovel).
d) Os vendedores, que desejam integridade e uma boa remunerao pelas boas
qualidades de vendedor.
e) O governo e, consequentemente, a nao, que deseja o pagamento de taxas justas e
consideraes de interesses nacionais.
modelo universal da PO. Sua 1inguagem so as equaes. Na formulao destes tipos admitese que todas as variveis relevantes so quantificveis.
Ento, os smbolos matemticos so usados para representar as variveis, as quais so ento
representadas por funes matemticas apropriadas para descrever as operaes do sistema. A
soluo do modelo ento procurada pela manipulao matemtica apropriada.
Em complementao dos modelos matemticos, modelos de simulao e heursticos so
usados.
A estrutura bsica dos modelos de PO assume a forma:
Z = f (x1, x2, x3, ......, xn; y1, y2, y3, ......, yn)
Onde:
Z = funo objetivo (medida de eficincia do sistema);
x1, x2, x3, ......, xn = sistemas de variveis que so sujeitas ao controle;
y1, y2, y3, ......, yn = sistemas de variveis que no so sujeitas ao controle.
Os modelos simulados e heursticos no tm nenhuma estrutura fixada, um modelo
matemtico incluiu trs conjuntos fundamentais de elementos, sendo eles:
a) VARIAVEIS DE DECISO E PARMETROS: As variveis de deciso so as
incgnitas para serem determinadas da soluo do modelo. Os parmetros representam as
variveis controladas do sistema. No exemplo, o nvel de produo representa a varivel
de deciso; os parmetros, neste exemplo, so: a taxa de produo e consumo. Os
parmetros podem ser determinsticos ou probabilsticos.
b) LIMITAES OU RESTRIES: Para considerar as limitaes fsicas do sistema, o
modelo deve incluir restries que limitam os valores possveis das variveis de deciso.
Isto , usualmente, expresso em forma de equaes e/ou inequaes matemticas. Por
exemplo, seja x1 e x2 o nmero de unidades produzidas de dois produtos (variveis de
deciso) e seja a1 e a2 a matria prima (recursos) por unidade (parmetros). Se o total dos
recursos disponveis (MP) A, a Funo restritiva dada por a1x1+a2x2 = A.
c) FUNO OBJETIVO (FO): Define a medida de efetividade do sistema como uma
funo matemtica de suas variveis de deciso. Por exemplo, se o objetivo do sistema
maximizar o lucro total, a funo objetiva deve especificar o lucro em termos das
10
11
12
revelar alguns desses erros. Outra verificao muito usada consiste em verificar se todas as
expresses matemticas esto dimensionalmente corretas.
Finalmente, ou a equipe de PO, ou o pessoal que dever tomar decises podem observar
detalhes na soluo obtida que surgiram particulares omisses ou erros no modelo. Outros
procedimentos mais sistemticos podem ainda ser empregados.
2.8 Concluso
Os problemas de PO tm as seguintes caractersticas:
1) Compilao de dados anteriores, relativos a operaes de produo, vendas ou outros
setores da empresa;
2) Anlise dos dados colhidos atravs de tcnicas estatsticas;
3) Criao do modelo matemtico destinado a previso e deciso no tocante as mesmas
operaes no futuro.
13
O curso baseia-se na aplicao da PO a uma grande variedade de problemas que podem ser
representados por um pequeno nmero de problemas tpicos.
14
15
16
17
18
19
de 30.000 horas para a montagem destes produtos (750 montadores trabalhando 40 horas por
semana) e de 20.000 horas para decorao (500 decoradores trabalhando 40 horas por
semana). Quanto de cada um dos modelos deve ser produzido durante esta ltima semana a
fim de maximizar o lucro? Admita que todas as unidades possam ser vendidas.
b) Seja o caso de um investidor que, dispondo de $6000 esteja contemplando a possibilidade
de compra de dois seguintes tipos de aes:
Tipo 1 - preo unitrio de compra de $ 5,00 e rentabilidade anual esperada de 30%.
Tipo 2 - preo unitrio de compra de $ 3,00 e rentabilidade anual estimada em 35%.
Supondo que o investidor no deseje adquirir mais do que 1750 aes, e que seu corretor s
possa conseguir 1000 aes do tipo 1 e 1500 aes do tipo 2, que quantidades deve comprar
de cada tipo de ao, na hiptese de que seja seu objetivo maximizar o total de capital no fim
de um ano?
c) Uma empresa esta analisando um conjunto de alternativas de projetos de investimentos
disponveis e apresentados na tabela seguir.
Projeto
1
2
3
4
5
6
7
8
9
Investimento no Investimento no
ano 1
ano 2
12
54
6
6
30
6
48
36
18
3
7
6
2
35
6
4
3
2
Vida til
5 anos
5 anos
5 anos
5 anos
5 anos
5 anos
5 anos
5 anos
5 anos
Economia anual
nos prximos 3
anos
9.29
26.85
9.88
7.92
35.33
8.14
22.78
16.91
11.04
20
Soluo:
Definindo o objetivo
9 Sabendo que a matria prima
necessria obtida sem problemas,
Giapetto tem como objetivo maximizar
o lucro semanal (receitas - custos).
9 Vamos ento formular
matematicamente a situao de
Giapetto com o objetivo de maximizar
o lucro semanal.
Primeiro ponto
importante: Variveis de
deciso
9 Em qualquer modelo de PL, as variveis
de deciso devem descrever
completamente as decises a serem
feitas.
9 Caso de Giapetto: quantos soldados e
trens devem ser feitos na semana?
Variveis de deciso
9 X1 = nmero de soldados produzidos
cada semana;
9 X2 = nmero de trens produzidos a cada
semana.
Segundo ponto
importante:
Funo objetivo
9 Em qualquer modelo de PL, o decisor
quer maximizar ou minimizar alguma
funo das variveis de deciso.
9 Caso de Giapetto: custos fixos (aluguel,
seguro) no depende dos valores de X1
e X2, assim ele pode se concentrar em
maximizar a venda da semana.
21
Funo objetivo
9 Receitas e custos: podem ser expressos em termos
das variveis X1 e X2.
9 Seria tolice Giapetto produzir mais soldados que ele
possa vender, assim assumimos que todos
brinquedos produzidos podem ser vendidos.
9 Receita da semana = receita dos soldados + receita
dos trens
Funo objetivo
maximizar Z = 3X1 + 2X2
ou
max Z = 3X1 + 2X2
Varivel
usualmente
utilizada
22
Restries
9 M.P. ilimitada, portanto no h
restries.
9 Como, prximo passo, necessrio
expressar as restries 1, 2 e 3, em
termo das variveis de deciso: X1 e X2.
Restrio 1
no mais de 100 h de acabamento
Total de h de acab./semana = horas de aca./sold. * sold. feitos/semana +
horas de acab./trem * trens feitos/semana
23
Restrio 2
no mais de 80 h de carpintaria
Total de h de carp./semana = horas de carp./sold. * sold. feitos/semana +
horas de carp./trem * trens feitos/semana
Restrio 2: X1 + X2 80
Restrio 3
venda mxima de soldados: 40
Restrio 3: X1 40
Restries para o
problema de PL
de Giapetto
Usualmente
representam a
quantidade de
recursos
disponveis.
24
25
Significa que
X1 e X2
precisam satisfazer
todas as restries
Resumindo
P.L. - todos os
termos X so de
expoente 1 e as
restries so
inequaes
lineares
X1 + X2 80
X1 40
X1 0
X2 0
O problema de Giapetto
tpico de muitos outros,
onde precisa-se
maximizar lucros
sujeitos a recursos
limitados
26
Implicaes implcitas da FO
em PL
max Z = 3X1 + 2X2
9 A contribuio para a funo objetivo
de cada varivel de deciso
proporcional ao valor da varivel de
deciso;
9 A contribuio para a funo objetivo
para cada varivel independente dos
valores de outras variveis de deciso.
Definio
9 Regio de soluo para um problema de
PL: o conjunto de todos os pontos que
satisfazem todas as restries do
problema.
Regio de soluo
Giapetto: X1 = 40 X2 = 20
Restries:
2X1 + X2 100
X1 + X2 80
X1 40
X1 0
X2 0
regio de soluo
ok 2*40+20 100
ok 40+20 80
ok 40 40
ok 40 0
ok 20 0
Regio de soluo
Giapetto: X1 = 15 X2 = 70
Restries:
2X1 + X2 100
X1 + X2 80
X1 40
X1 0
X2 0
no regio de soluo
ok 2*15+70 100
no 15+70 > 80
ok 15 40
ok 15 0
ok 70 0
27
Regio de soluo
regio de soluo
Soluo tima
Soluo tima
9 A maioria dos problemas de PL, tem
somente uma soluo tima;
9 Alguns no tem soluo tima;
9 Alguns tem infinitas solues.
Para o problema de Giapetto, soluo tima:
X1=20 e X2 = 60
28
6
5
4
Regio onde:
2X1+3X2 6
2
1
Regio onde:
2X1+3X2 6
X1
1
Para um
ponto (X1, X2)
pertencer a regio de
soluo preciso
satisfazer todas
estas inequaes.
29
X2
(2)
(4)
120
100
80
60
40
(3)
20
E
H
20
40
X1
60
80
100 120
Encontrando a soluo
tima
9 Aps a identificao da regio de soluo,
ns devemos procurar a soluo tima, que
ser o ponto da regio que leva ao maior
valor de:
Z = 3X1+2X2
Encontrando a soluo
tima
9 Para encontrar a soluo tima, ns
precisamos desenhar uma linha sobre a
qual todos os pontos levem ao mesmo valor
de Z.
9 Escolhe-se qualquer ponto da regio de
soluo:
(20, 0): Z = 3X1+2X2 = 60
Assim (20, 0) cai sobre a reta:
Z = 3X1 + 2X2 = 60
X2 = 30 - 3/2X1
30
Encontrando a soluo
tima
9 3X1 + 2X2 = 60
9 tem coeficiente angular = -3/2
9 Assim todas as retas 3X1+2X2 = constante
tero o mesmo coeficiente angular.
Importante: uma vez desenhada a reta,
podemos encontrar
todas as outras pelo movimento paralelo da reta
que desenhamos.
X2
(2)
(4)
120
Retas iso-lucro
100
80
60
40
F
20
E
H
20
(3)
40
X1
60
80
100 120
X2 = 30 - 3/2 X1
Lucro de Giapetto
9Z = 3*20 + 2*60 = 180
31
32
4.4.1 Exemplos
Resolver graficamente os exerccios 1, 2 e 3, formulados anteriormente no item 4.3, e as
seguintes formulaes:
1) Max Z = 5X1 + 2X2
Sujeito a:
X1 3
X2 4
X1 + 2X2 9
X1 0
X2 0
2) Max Z = 2X1 -1X2
Sujeito a:
X1 X2 1
2X1 + X2 6
X1 0
X2 0
33
Desembolso
Inv. 1
Inv. 2
Inv. 3
Inv. 4
Inv. 5
11
53
29
34
13
16
16
14
39
34
instante 0
Desembolso
instante 1
Valor
presente
A empresa tem no momento $ 40 milhes para investir; e estima-se que no primeiro ano
estaro disponveis $ 20 milhes para investimento. A empresa pode comprar qualquer frao
de cada investimento. Neste caso, o fluxo de caixa e valor presente ajustado de acordo com
a proporo do investimento realizado. Por exemplo, se a empresa comprar 1/5 do
investimento 3, ento o pagamento necessrio ser de 1/5 ($5) = $1 nos tempos 0 e 1. O valor
presente do investimento 3 ser de 1/5 (16) = $3.2 milhes. A empresa quer maximizar o
valor presente liquido que pode ser obtido pelos investimentos realizados entre as opes 1 a
5. Formular o problema para atingir este objetivo. Assumir que qualquer fundo no usado no
instante 0 no poder ser usado no primeiro ano (instante 1).
Gravador
Rdio
Preo de venda
100
90
Mo de obra
50
35
30
40
Em primeiro de dezembro de 06, a empresa ter matria prima que suficiente para fabricar
100 gravadores e 100 rdios. Na mesma data, o balancete previsto da empresa o mostrado a
seguir, e a razo entre ativo circulante e as suas obrigaes (dvida com banco) ser 2
(20000/10000).
Ativo circulante
Caixa
10000
Contas a receber
Estoques
Dvidas em bancos
3000
7000
35
Obrigaes
10000
Petrleo 1
Petrleo 2
Petrleo 3
A refinaria pode comprar at 5000 barris de cada tipo de petrleo por dia. Os 3 tipos de
gasolina se diferem na octanagem e no enxofre presente. O petrleo misturado para fabricar a
gasolina 1 precisa ter uma octanagem mdia de pelo menos 10 e conter quando muito 1% de
enxofre. O petrleo misturado para fabricar a gasolina 2 precisa ter uma octanagem mdia de
pelo menos 8 e conter quando muito 2% de enxofre. O petrleo misturado para fabricar a
gasolina 3 precisa ter uma octanagem mdia de pelo menos 6 e conter quando muito 1% de
enxofre. A taxa de octanagem e de enxofre que contm os 3 tipos de petrleo so as seguintes:
Petrleo 1
Petrleo 2
Petrleo 3
Octanagem
Enxofre
12
6
8
0.5%
2%
3%
36
37
sua mo de obra regular a um custo de $ 400 por veleiro. Tendo de trabalhar com horas extras
durante o trimestre, a empresa pode produzir veleiros a mais a um custo total de $ 450 por
barco.
No final de cada trimestre (aps ter ocorrido a produo e a demanda do trimestre ter sido
atendida), um custo de transporte ou armazenagem de $ 20 por barco ocorre. Usar a
programao linear para determinar a seqncia de produo para minimizar a soma dos
custos de produo e estoques durante os 4 prximos trimestres.
A
B
C
D
E
0
-$1
$0
-$1
-$1
$0
1
$0.50
-$1
$1.2
$0
$0
2
$1
$0.50
$0
$0
-$1
3
$0
$1
$0
$1.9
$1.5
38
No incio de Janeiro, 50 tcnicos faro parte do quadro de funcionrios da CLS. Cada tcnico
pode trabalhar at 160 horas por ms. Para atender futuras demandas, novos tcnicos precisam
ser treinados. necessrio um ms para se treinar um novo tcnico. Durante o ms de
treinamento, o novo funcionrio precisa ser supervisionado por um tcnico experiente por 50
horas. Cada tcnico com experincia recebe $ 2000 por ms (mesmo se ele no trabalhar s
160 horas). Durante o ms de treinamento, o novo funcionrio recebe $ 1000 por ms. No
final de cada ms, 5% dos tcnicos experientes saem para se juntar a outra empresa de
computadores. Formular o problema de tal modo que sua soluo permitir a CLS minimizar
os custos relativos a pagamento de salrios atendendo a programao prevista para os
prximos 5 meses.
Exigncia
Sigla
Mnimo (%)
Mximo (%)
Gordura
Slidos de leite (no-gordurosos)
Total de slidos do leite
Acar
Total de slidos
gua
Estabilizador
Emulsificador
Gord.
SLNG
TSL
10
10,5
20,5
11
37,5
58,5
0,37
0,10
16
13
25
17
41,5
62,5
0,37
0,10
TS
39
Nome
1
2
3
4
5
6
7
8
9
10
11
12
13
%
Gord
Creme 40%
40
Creme 38%
38
Leite 3,2%
3,2
Leite 4,0%
4,0
Leite condensado gordo
8
Leite condensado
magro
Manteiga
5
Slidos secos Whey
Sacarose
Garapa
Estabilizador
Emulsificador
gua
%
SLNG
5,4
5,6
8,7
8,6
20
28
%
TSL
45,4
43,6
11,9
12,6
28
28
92
95
97
95
%
Acar
100
67
%
TS
45,4
43,6
11,9
12,6
28
28
%
gua
54,6
56,4
88,1
87,4
72
72
Custo
97
95
100
67
80
3
5
15
10
10
9
55
78
0
33
20
100
Obter a formulao que permita ao fabricante obter um bom produto ao mnimo custo.
27
26
3
3
7
3
40
41
Z
ZC = 24
D (1, 4)
ZB = 15
ZD = 13
C (3, 3)
ZE = 8
Pontos extremos
X1
A (0, 0)
B (3, 0)
Sabe-se que a soluo tima do modelo uma soluo compatvel bsica do sistema, ou seja,
um ponto extremo do polgono ABCDE.
O mtodo simplex, para ser iniciado, necessita conhecer uma soluo compatvel bsica
(soluo inicial) do sistema, isto , um dos pontos A, B, C, D ou E do trapzio. Suponha-se
que essa soluo seja o ponto A.
O mtodo simplex verifica se a presente soluo tima. Se for o processo est encerrado. Se
no for tima, porque um dos pontos adjacentes fornece um valor maior que o ponto A.
Neste caso, o mtodo simplex faz ento mudana do ponto A para o ponto extremo
adjacente que mais aumente o valor da funo objetivo. No caso o ponto B.
Agora, tudo que foi feito para o ponto extremo A feito para o ponto extremo B. O processo
finaliza quando se obtm um ponto extremo onde todos os pontos extremos a ele adjacentes,
fornecem valores menores que a funo objetivo.
Como fazer, algebricamente, a mudana de um ponto extremo para outro, a ele adjacente?
Achar, portanto, a prxima soluo bsica (ponto extremo adjacente) exige a escolha de uma
varivel bsica para deixar a base atual, tornando-se no bsica, e a escolha de uma varivel
no bsica para entrar na base em sua substituio.
O mtodo simplex compreender, portanto, os seguintes passos:
1. Achar uma soluo compatvel bsica inicial.
2. Verificar se a soluo atual tima. Se for, pare. Caso contrrio siga para o passo III.
3. Determinar a varivel no-bsica que deve entrar na base.
4. Determinar a varivel bsica que deve sair da base.
5. Achar a nova soluo compatvel bsica, e voltar ao passo II.
42
( ou = ou ) b1
( ou = ou ) b2
( ou = ou ) b3
( ou = ou ) bm
43
=0
x1+ 2x2 + x3 + x4
3x1
+2x3
xl + 4x2
= 430
+ x5
= 460
+ x6 = 420
z
1
0
0
0
X1
-3
1
3
1
X2
-2
2
0
4
X3
-5
1
2
0
X4
0
1
0
0
X5
0
0
1
0
X6
0
0
0
1
b
0
430
460
420
bi/aie
430
230
ind.
44
equac.
0
1
2
3
ser igual a 0 (zero) na soluo atual (ou seja deve ser no bsica);
possuir em sua coluna, pelo menos um coeficiente positivo. Escolher para entrar na
base aquela que apresentar, na linha de Z, o coeficiente negativo de maior valor
absoluto. Marcar a coluna na tabela.
entra
Base
Z
X4
X5
X6
z
1
0
0
0
X1
-3
1
3
1
sai
X2
-2
2
0
4
X3
-5
1
2
0
X4
0
1
0
0
X5
0
0
1
0
X6
0
0
0
1
b
0
430
460
420
bi/aie
430
230
ind.
equac.
0
1
2
3
Piv
Base
Z
X4
X3
X6
z
1
0
0
0
X1
4.5
-0.5
1.5
1
X2
-2
2
0
4
X3
0
0
1
0
X4
0
1
0
0
X5
2.5
-0.5
0.5
0
X6
0
0
0
1
b
1150
200
230
420
bi/aie
100
ind.
105
45
equac.
0
1
2
3
z
1
0
0
0
X1
4
-0.25
1.5
2
X2
0
1
0
0
X3
0
0
1
0
X4
1
0.5
0
-2
X5
2
-0.25
0.5
1
X6
0
0
0
1
Resolvendo o problema de
Giapetto pelo simplex
Max Z = 3X1 + 2X2
sujeito a:
2X1 + X2 100
X1 + X2 80
X1 40
X1 0
X2 0
b
1350
100
230
20
bi/aie
equac.
0
1
2
3
Converter o problema de PL na
forma cannica
Max Z = 3X1 + 2X2
sujeito a:
2X1 + X2 + X3
= 100
X1 + X2
+ X4
= 80
X1
+ X5 = 40
X1, X2, X3, X4 e X5 0
= 100
+ X4
X1
= 80
+ X5 = 40
Variveis no bsicas: X1 = X2 = 0
Variveis bsicas: X3 = 100 X4 = 80 X5 = 40
Base
X3
X4
X5
Z
1
0
0
0
X1
-3
2
1
1
X2
-2
1
1
0
X3
0
1
0
0
X4
0
0
1
0
X5
0
0
0
1
b
0
100
80
40
Razo
100/2=50
80/1=80
40/1=40
Pivo
Soluo parcial: (0, 0, 100, 80, 40)
Prximo quadro - Base: X3, X4 e X1
Devem se colocadas na forma cannica
Indica que
X1 entra no
lugar de X5
46
Segunda iterao
Ainda no a
soluo tima
Pivo
Z
1
0
0
0
Base
X3
X4
X1
X1
0
0
0
1
X2
-2
1
1
0
X3
0
1
0
0
X4
0
0
1
0
X5
3
-2
-1
1
b
120
20
40
40
Razo
20/1=20
40/1=40
40/0
Indica que
X2 entra no
lugar de X3
Terceira iterao
Ainda no a
soluo tima
Z
1
0
0
0
Base
X2
X4
X1
Pivo
X1
0
0
0
1
X2
0
1
0
0
X3
2
1
-1
0
X4
0
0
1
0
X5
-1
-2
1
1
b
160
20
20
40
Razo
-10
20
40
Indica que
X5 entra no
lugar de X4
Quarta iterao
Valor mximo possvel
para a funo objetivo
soluo tima
Base
X2
X5
X1
Z
1
0
0
0
X1
0
0
0
1
X2
0
1
0
0
X3
1
-1
-1
1
X4
1
2
1
-1
X5
0
0
1
0
b
180
60
20
20
Razo
47
48
Soluo do problema de
Giapetto pelo simplex
Max Z = 3X1 + 2X2
sujeito a:
2X1 + X2 + X3
= 100
X1 + X2
+ X4
= 80
X1
+ X5 = 40
X1, X2, X3, X4 e X5 0
Soluo tima: (20, 60, 0, 0, 20)
4.6.6 Exerccios
Resolver pelo Simplex as seguintes formulaes:
1) Max Z = 5X1 +2X2
Sujeito a:
X1 3
X2 4
X1 + 2X2 9
X1 0
X2 0
49
50
51
52
5. SOFTWARES
A utilizao de programao linear recomendada para problemas de maior porte, em que
muitas variveis e restries devem ser consideradas. Por isso, o desenvolvimento de
algoritmos computacionais eficientes e precisos tem sido a maior preocupao entre os
pesquisadores. Programas adequados existem, virtualmente, para cada sistema computacional
comercial desenvolvido nos ltimos 20 anos.
Problemas de grande porte requerem sistemas computacionais potentes e, portanto, sistemas
paralelos tm sido utilizados nos ltimos anos. Entretanto, problemas menores podem ser
resolvidos em um computador pessoal utilizando um dos softwares desenvolvidos para
resoluo de problemas de programao linear, como por exemplo, XPress-MP LINDO e
MINOS.
Para problemas considerados mdios, recomendvel a utilizao de planilhas eletrnicas
com recursos para resoluo de problemas. Exemplos destas planilhas so o "What's Best?"
(LINDO Systems) para Lotus 1-2-3, o Microsoft Excel e Borland Quattro e ainda o solver
para microsoft Excel. Todos eles so ferramentas poderosas, apesar de sua aparncia simples.
O Solver do Excel ser utilizado em alguns exemplos apresentados. Outro programa que
tambm ser visto o LINDO.
O instituto de pesquisa operacional e cincias administrativas (INFOR-MS) publicam,
eventualmente, pesquisas sobre os softwares de programao matemtica em seu peridico
OR/MS Today. O relatrio de 1995 apresenta softwares que rodam em computadores pessoais
e destaca softwares capazes de atacar problemas maiores tanto quanto extenses de planilhas
eletrnicas.
53
Para resolver o problema de otimizao, basta clicar no boto assinalado na figura a seguir.
Clicar
54
55
Funo objetivo
Sujeita a:
2X1 + X2 100
X1 + X2 80
X1 40
maximizar
X1 = nmero
de soldados
3
X2 = nmero de
trens
2
Sujeito as
limite
restries
2
100
80
40
Lucro bruto
Soluo
Com exceo da ltima linha, denominada soluo, as demais restries expostas nas matrizes
j eram conhecidas. A linha de soluo representa os valores atribudos a X1 e X2 antes de
qualquer otimizao. No estado atual, ambos X1 e X2 so definidos como zero o que resulta
em um lucro bruto de zero unidade.
O primeiro estgio de uso Solver escrever esta matriz na planilha, como apresentado na
Figura 5.1. Como em qualquer planilha, muito importante observar que algumas clulas
contm valores constantes, mas outras contm frmulas as quais assumem os valores que so
exibidos nas mesmas. Neste exemplo, as clulas D4, D5, D6 e E8 contm frmulas. As
demais contm textos, que so utilizados para deixar o exemplo mais claro, ou contm
valores.
56
57
A coluna E foi utilizada para que os limites mximos e mnimos das restries fossem
observados, a qual freqentemente conhecida como right-hand-sides (abreviada como RHS
por muitas pessoas). Assim, existe um limite de 100 horas para acabamento, de 80 horas para
carpintaria e venda mxima de 40 soldados. A coluna D, como mencionado anteriormente,
usada para armazenar a utilizao atual dos recursos. Assim, a clula D4 representa a
quantidade da restrio horas de acabamento que foi utilizada e seu valor zero, uma vez que
as clulas B8 e C8 contm valor zero antes de qualquer otimizao.
Finalmente, uma clula da planilha deve ser utilizada para armazenar o resultado da
otimizao (neste caso, o valor do lucro semanal obtido); nesta planilha, este valor est
contido na clula E8.
58
59
Figura 5.4 - Entrada das clulas que iro variar para que a soluo tima seja encontrada
(clulas variveis).
Antes de executar a otimizao, interessante informar ao Solver que todas as restries so
expresses lineares, assim como a funo objetivo. Estas informaes devem ser fornecidas,
pois estamos tratando de um problema de programao linear. Para entrar com esta
informao, clique o boto opes da janela dos parmetros do Solver. Uma nova janela ir
aparecer onde a opo presume modelo linear deve ser selecionada. Isto ir aumentar a
velocidade da otimizao e, tambm, far com que os relatrios fornecidos sejam adaptados
para o formato de problemas de programao linear (veja a seguir).
Para executar a otimizao, retorne janela de parmetros do Solver e aperte o boto resolver.
A Figura 5.5 apresenta o resultado da otimizao.
60
importante observar que muitas outras informaes, alm do valor timo das variveis
estudadas, podem ser obtidas a partir da soluo fornecida para um problema de programao
linear. Um bom pacote computacional como o Solver fornece relatrios que ajudam o usurio
a entender muito mais sobre a soluo apresentada. O Solver fornece trs relatrios padro e
permite que sua soluo seja exportada para outro pacote se uma anlise mais detalhada for
necessria.
Clula de destino (Mximo): apresenta o mximo lucro obtido pelo Solver. Se este
fosse um problema de minimizao, esta seo iria conter o valor mnimo.
Clulas ajustveis: mostram as variveis de entrada, seus valores aps a soluo tima
e seus valores iniciais (zero, neste caso).
61
custo pode ser diferente. Assim, importante conhecer quais so os efeitos que as mudanas
nos coeficientes podem gerar na soluo tima.
62
Recurso
armrio
mesa
cadeira
8 m2
6 m2
1 m2
Horas de
acabamento
1.5
Horas de
carpintaria
1.5
0.5
Mogno
63
base
X4
X5
X6
X7
Z
1
0
0
0
0
base
X4
X5
X1
X7
Z
base
X4
X3
X1
X7
1
0
0
0
0
X1
X2
X3
X4
X5
X6
X7
razo
-60
8
4
2
0
-35
6
2
1.5
1
-20
1
1.5
0.5
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
48
20
8
5
6
5
4
no
X1
X2
X3
X4
X5
X6
X7
razo
0
0
0
1
0
-10
0
-1
0.75
1
-5
-1
0.5
0.25
0
0
1
0
0
0
0
0
1
0
0
30
-4
-2
0.5
0
0
0
0
0
1
240
16
4
4
5
no
8
16
no
X1
X2
X3
X4
X5
X6
X7
razo
0
0
0
1
0
0
-2
-2
1.25
1
0
0
1
0
0
0
1
0
0
0
10
2
2
-0.5
0
10
-8
-4
1.5
0
0
0
0
0
1
280
24
8
2
5
24
8
2
5
Lembra-se que todas as variveis bsicas precisam ter coeficiente 0 (zero) na primeira linha
(de outra forma elas no seriam bsicas). Entretanto na ltima tabela (tima), existe uma
varivel no bsica, X2, que tem o coeficiente na primeira linha igual zero. Vejamos o que
ocorre se X2 entrar na base. O teste de razo mostra que X2 deveria entrar no lugar de X1. A
tabela com o resultado mostrada o a seguir.
Z
base
X4
X3
X2
X7
1
0
0
0
0
X1
X2
X3
X4
X5
X6
X7
razo
0
1.6
1.6
0.8
-0.8
0
0
0
1
0
0
0
1
0
0
0
1
0
0
0
10
1.2
1.2
-0.4
0.4
10
-5.6
-1.6
1.2
-1.2
0
0
0
0
1
280
27.2
11.2
1.6
3.4
27.2
11.2
1.6
3.4
64
Uma importante observao que devido a X2 ter coeficiente 0 (zero) na primeira linha da
tabela de resultado timo, o fato de X2 entrar na base no muda a primeira linha. Isto significa
que todas as variveis na nova primeira linha continuam com coeficientes positivos. Assim, a
nova tabela tambm tima. Uma vez que o piv no mudou o valor de Z, uma soluo
alternativa para o exemplo Z = 280, X4 = 27.2, X3 = 11.2, X2 = 1.6 e X1 = X5 = X6 = 0.
Em resumo, a empresa pode obter um lucro de $280 fabricando 2 armrios e 8 cadeiras ou
fabricando 1.6 mesas e 11.2 cadeiras. Assim, o problema tem mais de um ponto timo
extremo. Cada ponto entre a linha que liga estes pontos tambm soluo.
Quando a formulao tem apenas 2 variveis, como a formulao abaixo, esta situao
facilmente identificada na soluo grfica, como mostra a figura do QM for Windows a
seguir.
Max Z = 3X1 + 2X2
Sujeito a:
1/40X1 + 1/60X2 1
1/50X1 + 1/50X2 1
X1, X2 0
65
66
67
quando a iterao leva a longos circuitos, sem caracterizar a soluo tima. Embora o caso
seja raro, h maneiras de solucion-lo. Entretanto, a discusso deste caso no relevante a
nvel deste curso.
68
7. ANLISE ECONMICA
7.1 O conceito da anlise econmica
A anlise econmica baseia-se nos coeficientes das variveis, na funo objetivo final. Este
tpico ser explicado atravs da anlise dos coeficientes do problema de Giapetto.
Reconsiderando o problema de Giapetto.
Max Z = 3X1 + 2X2
Sujeito a:
2X1 + X2 100 (Restrio de acabamento)
X1 + X2 80 (Restrio de carpintaria)
X1 40 (Restrio de demanda)
X1, X2 0
Onde:
X1 = Nmero de soldados
X2 = Nmero de trens
Para aplicar o Simplex a formulao fica:
Max Z = 3X1 + 2X2
Sujeito a:
2X1 + X2 + X3 = 100 (Restrio de acabamento)
X1 + X2 + X4 = 80 (Restrio de carpintaria)
X1 + X5 = 40 (Restrio de demanda)
X1, X2 0
Onde:
X3 = sobra de horas de acabamento;
X4 = sobra de horas de carpintaria;
X5 = sobra de demanda.
69
Base
X2
X5
X1
Z
1
0
0
0
X1
0
0
0
1
X2
0
1
0
0
X3
1
-1
-1
1
X4
1
2
1
1
X5
0
0
1
0
b
180
60
20
20
70
7.2 Exerccio
Fazer anlise semelhante para o problema a seguir.
No programa de produo do prximo perodo, uma determinada empresa escolheu 3
produtos P1, P2 e P3. O quadro abaixo mostra os montantes solicitados por unidade na
produo.
Produto
P1
P2
P3
Lucro por
unidade
2100
1200
600
Horas de
trabalho
6
4
6
Horas de uso de
mquina
12
6
2
Demanda
mxima
800
600
600
Os preos de venda foram fixados por deciso poltica e as demandas foram estimadas tendo
em vista estes preos. A empresa pode obter um suprimento de 4800 horas de trabalho
durante o perodo de processamento e pressupe-se usar trs mquinas que podem prover
7200 horas de trabalho. Estabelecer um programa timo de produo para o perodo. Analisar
os coeficientes das variveis de folga da soluo final.
71
8. DUALIDADE
8.1 Fundamento da dualidade
Em determinadas situaes, a quantidade de clculos necessria para resolver um modelo
linear pelo mtodo Simplex pode ser reduzida. O modelo inicial chamado Primal, pode ser
substitudo por outro modelo chamado Dual, cuja soluo mais rpida. Ser mostrado que
uma vez conhecida soluo do Dual, conhece-se em conseqncia a soluo do Primal, o
que resolve o problema.
Seja o seguinte problema, que ser chamado de Primal:
Max Z = 2X1 + 3X2 + X3
Sujeito a:
3X1 + 4X2 + 2X3 10
2X1 + 6X2 + X3 20
X1 X2 X3 30
X1, X2, X3 0
A obteno do Dual se processa da seguinte maneira: para cada restrio ser atribuda uma
varivel de deciso (Yi). A funo objetivo do Dual ser de minimizao e cada uma de suas
parcelas ser o produto da varivel Yi pelo termo da direita da restrio correspondente. Cada
varivel de deciso do Primal gera uma restrio no Dual. Neste caso o sinal ser , e o termo
da direita ser o coeficiente da varivel Primal na funo objetivo. Todas as variveis do Dual
sero no negativas. O quadro a seguir sintetiza as regras bsicas para obteno do Dual.
72
Y1
4X1 + 6X2 - X3 3
Y2
2X1 + X2 X3 1
Y3
X1, X2, X3 0
Dual:
Max W = 2Y1 + 3Y2 + Y3
Sujeito a:
Termos da direita
3Y1 + 4Y2 + 2Y3 10
Coeficiente de X1
2Y1 + 6Y2 + Y3 20
Coeficiente de X2
Y1 - Y2 - Y3 30
Coeficiente de X3
Y1, Y2, Y3 0
A soluo tima Primal corresponde soluo tima Dual com Z = W. O coeficiente da
varivel de deciso na funo objetivo Primal o valor da varivel de folga correspondente na
soluo Dual. O coeficiente da varivel de folga da funo objetivo Primal o valor da
73
Y1
X1 + X2 80
Y2
X1 40
Y3
X1, X2 0
Dual:
Y1 + Y2 2
Coeficiente de X1
Coeficiente de X2
Y1, Y2, Y3 0
A ltima tabela do Primal, com a soluo tima vista a seguir.
Z
1
0
0
0
Base
X2
X5
X1
X1
0
0
0
1
X2
0
1
0
0
X3
1
-1
-1
1
X4
1
2
1
1
X5
0
0
1
0
b
180
60
20
20
Y1
Y2
Z
-1
0
0
Y1
0
1
0
Y2
0
0
1
Y3
20
1
-1
Y4
20
-1
1
Y5
60
1
-2
Y a1
M-20
1
-1
Ya2
M-60
-1
2
Correspondncia:
Coeficiente de X1 = 0 (var. deciso)
Valor de Z = 180
Valor de W = 180
b
-180
1
1
74
75
8.4 Exerccio
Suponha que um problema de produo tenha como modelo:
Max L = X1 + 0,3X2 + 3X3
Sujeito a:
X1 + X2 + X3 10
2X1 + X2 + 4X3 12
X1 3X2 X3 9
X1, X2 e X3 0
e que o quadro final de soluo pelo Simplex seja:
L
1
0
0
0
X1
0.5
0.5
0.5
1.5
X2
0.45
0.75
0.25
3.25
X3
0
0
1
0
XF1
0
1
0
0
XF2
0.75
-0.25
0.25
0.25
XF3
0
0
0
1
b
9
7
3
12
76
5. Se algum insistir em comprar uma unidade do recurso R2, que preo de venda
compensaria o fato dele ser escasso?
6. Construa o modelo Dual do problema?
7. Obter a soluo do Dual.
8. O que significa a varivel dual Y1?
9. O que mede a funo objetivo Dual?
10. O que mede o lado esquerdo da Segunda restrio Dual? E o lado direito?
11. Em termos de valores interno e externo, como podemos justificar a no fabricao de
P2 no programa?
12. Em termos de valores interno e externo, como podemos justificar a fabricao de P3?
13. Quanto voc pagaria por uma unidade adicional do recurso R2? Por qu?
14. Quanto voc pagaria por uma unidade adicional do recurso R3? Por qu?
77
9. ANLISE DE SENSIBILIDADE
Anlise de sensibilidade se refere a como mudana na formulao de um problema de
programao linear, afeta a soluo tima. Reconsiderando o problema de Giapetto.
Max Z = 3X1 + 2X2
Sujeito a:
2X1 + X2 100 (Restrio de acabamento)
X1 + X2 80 (Restrio de carpintaria)
X1 40 (Restrio de demanda)
X1, X2 0
Onde:
X1 = Nmero de soldados
X2 = Nmero de trens
Soluo tima Z = 180, X1 = 20, X2 = 60, ponto identificado no grfico abaixo. As
variveis bsicas so X1, X2 e X5 (varivel de folga da restrio de demanda). A questo que
se coloca em anlise de sensibilidade como alteraes nos coeficientes da funo objetivo e
no lado direito das inequaes que representam as restries afetam a soluo tima.
78
tornaria no bsica). Ser mostrado a seguir como o valor de contribuio para o lucro pode
variar e a soluo tima ainda permanecer.
Seja C1 a contribuio para o lucro de cada soldado. Para quais valores de C1 a corrente
soluo permanece tima?
Na formulao C1 = 3 e cada linha reta que representa a funo objetivo igual a uma constante
tem a seguinte equao: 3X1 + 2X2 = constante, ou X2 = -3/2 X1 + constante/2. Cada linha
paralela tem o coeficiente angular igual a 3/2. Da figura anterior pode-se ver que uma
mudana em C1 causa uma mudana na inclinao desta linha. Se esta inclinao for menor
que a da restrio de carpintaria, a soluo tima passar a ser a do ponto A. Se a contribuio
para o lucro de cada soldado C1, o coeficiente angular da reta ser - C1/2. Uma vez que o
coeficiente angular da restrio de carpintaria 1, a reta que representa a funo objetivo
ser menos inclinada que a d restrio de carpintaria se C1/2> -1, ou C1 < 2, e a nova
soluo tima ser (0, 80), ponto A da figura anterior.
Se a inclinao da reta for maior que a da restrio de acabamento a soluo ira do ponto B
para o ponto C. O coeficiente angular da restrio de acabamento 2. Se C1/2 < -2, ou C1
> 4, a soluo corrente deixa de ser tima e o ponto C (40, 20) passar a ser timo.
Em resumo, foi mostrado que (se todos outros parmetros permanecerem inalterados) a
soluo corrente permanece tima para 2 < C1 < 4, e Giapetto deveria continuar fabricando 20
soldados e 60 trens. claro que com a alterao a funo objetivo tem seu valor modificado..
79
80
Como exemplo, o coeficiente de X1 na funo objetivo pode alterar entre 2 e 4, que a soluo
continuaria sendo X1 = 20, X2 = 60 e X5 = 20. J X2 pode variar entre 1, 5 e 3. J os valores
de bi, por exemplo, b2, pode variar entre 60 e 100, que a base continuaria sendo X1, X2 e X5.
Na figura a seguir encontram-se os resultados destas variaes possveis apresentadas pelo
programa QM for Windows. Esta janela acessada no menu WINDOW opo Ranging.
Na figura a seguir esta o relatrio que se obtm atravs do Excel, selecionando quando
utilizado o Solver a emisso do relatrio de sensibilidade.
81
9.3 Exerccio
Suponha que um problema de produo tenha como modelo:
Max Z = 2100X1 +1200X2 + 600X3
Sujeito a:
1) 6X1 + 4X2 + 6X3 4800
2) 12X1 + 16X2 + 2X3 7200
3) X1 800
4) X2 600
5) X3 600
X1, X2 e X3 0
Onde: Xi so as decises de produo dos bens Pi. O objetivo maximizar o lucro pela venda
desses produtos.
Restries:
1. Horas de mquina para a produo dos bens;
2. Horas de mo de obra para a produo;
3. Demanda de P1;
4. Demanda de P2;
5. Demanda de P3.
O quadro final de soluo pelo Simplex o seguinte:
Z
1
0
0
0
0
0
X1
0
0
1
0
0
0
X2
1.4
-0.8
1.467
-1.467
1
0.8
X3
0
1
0
0
0
0
XF1
50
0.2
-0.033
0.033
0
-0.2
XF2
150
-0.1
0.1
-0.1
0
0.1
XF3
0
0
0
1
0
0
XF4
0
0
0
0
1
0
XF5
0
0
0
0
0
1
b
1320000
240
560
240
600
360
Questes:
1. Qual o coeficiente de estabilidade para o coeficiente de X1? O que isto significa?
2. Qual o coeficiente de estabilidade para o coeficiente de X3? O que isto significa?
3. Qual o coeficiente de estabilidade para o coeficiente de XF3? O que isto significa?
82
83
(10.1)
ST:
X1 + 0,45X2 5
X1 + 1,7X2 12
X1, X2 0
X1 = 2,48
(10.2)
X2 = 5,60
Z = 105,60
A soluo deste problema tambm pode ser vista na anlise do grfico da figura 10.1.
84
85
Alguns programas de inteiros so difceis (at mesmo 100 variveis podem ser
difceis);
Se todas as variveis devem ser inteiras, ento esse programa pode ser chamado de
programa puro de inteiros.
86
x1 + x2 + x3 + x4 + x5 + x6 = 3
(10.3)
x1 x2
(10.4)
87
88
Min C = 6X11 + 5X12 + 8X13 + 13X21 + 12X22 + 1X23 + 7X31+ 9X32 + 5X33 + 10X41 +
6X42 + 4X43
Resumindo
min C = 6X11 + 5X12 + 8X13+ 13X21 + 12X22 + 1X23+ 7X31+ 9X32 + 5X33+ 10X41 +
6X42 + 4X43
Sujeito a:
X11 + X12 + X13 = 10
X21 + X22 + X23 = 20
X31 + X32 + X33 = 12
X41 + X42 + X43 = 13
X11 + X21 + X31 + X41 = 8
X12 + X22 + X32 + X42 = 32
89
11.3 Exerccios
Exerccio 1
Determinar a melhor programao de transporte de maneira a se ter o menor custo.
90
Exerccio 2
Determinar a melhor programao de transporte. Os lucros unitrios e as disponibilidades e
necessidades do produto esto no quadro abaixo.
Exerccio 3
Determinar a melhor programao de transporte de maneira a se ter o menor custo. No
possvel abastecer D3 a partir de O1.
12. REDES
Problemas de rede
Casos especiais de problemas de programao
linear que so mais bem analisados atravs de
uma representao grfica.
Importantes problemas de otimizao, tais como
problemas de logstica e de energia, produo e
outros, so eficientemente resolvidos e
modelados como problemas de rede.
Problemas de rede
Modelos de rede facilitam a visualizao das
relaes entre os componentes do sistema,
aumentando o entendimento do problema e de
seus possveis resultados.
uma modelagem muita usada.
Terminologia
Redes, ns e arcos:
Ns
Arcos
91
Problemas de rede
(Classificao usual)
Problemas de
Distribuio
Problemas que consideram mltiplas fontes,
centros consumidores e locais intermedirios
por onde os produtos simplesmente passam so
denominados problemas de distribuio.
O problema de transporte j estudado uma
simplificao do problema de rede de
distribuio.
92
Problemas de
Distribuio exemplo
Uma montadora de carros esta iniciando as
suas operaes no Brasil, construindo 2
fbricas: uma na Bahia e outra em So Paulo. A
montadora esta estudando a forma de
distribuio de seus carros para as diversas
revendas, localizadas nos estados: Gois, Rio de
Janeiro, Minas Gerais, Paran, Santa Catarina e
Rio Grande do Sul, que minimize o custo total
de distribuio.
7
Problemas de
Distribuio exemplo
As capacidades instaladas de cada uma das
fbricas, as demandas das revendas, bem como
os custos unitrios de transporte entre fbricas
e revendas esto evidenciados no diagrama a
seguir.
Problemas de
Distribuio exemplo
-500
40
BA
1
25
GO
5
150
20
MG
3
30
200
-600
SP
2
Demandas
20
20
(1400)
RJ
4
15
350
20
35
PR
6
300
50
SC
7
150
20
(1100)
RS
8
250
93
Problemas de
Distribuio
Existem 2 maneiras bsicas de resolver este
problema. A primeira consiste em inserir uma
unidade dummy que iguale a oferta a demanda.
A segunda forma de resolver seguir a Regra do
Fluxo Balanceado para cada n da rede. Este
mtodo dispensa o uso de unidades dummys. O
desequilbrio entre oferta e demanda total
tratado atravs de restries maior ou igual ou
de menor ou igual.
10
Problemas de
Distribuio
Regra do fluxo balanceado:
Situao
do
exemplo
Hiptese:
Tipo de Restrio:
Oferta = Demanda
40
BA
1
25
Quantidades
de veculos
enviados de
cada fbrica
para cada
distribuidor
GO
5
150
PR
6
300
20
MG
3
30
200
20
20
-600
SP
2
RJ
4
15
350
20
35
50
SC
7
150
20
RS
8
250
12
94
X13 nmero de
de BA para MG.
X14 nmero de
de BA para RJ.
X15 nmero de
de BA para GO.
X23 nmero de
de SP para MG.
X24 nmero de
de SP para RJ.
X26 nmero de
de SP para PR.
X27 nmero de
de SP para SC.
X28 nmero de
de SP para RS.
X34 nmero de
de MG para RJ.
X35 nmero de
de MG para GO.
X78 nmero de
de SC para RS.
carros enviados
carros enviados
-500
40
BA
1
25
carros enviados
30
150
PR
6
300
200
carros enviados
20
20
carros enviados
carros enviados
GO
5
20
MG
3
-600
SP
2
RJ
4
15
350
20
carros enviados
35
carros enviados
50
SC
7
carros enviados
carros enviados
150
20
RS
8
carros enviados
250
13
40
BA
1
25
X13
X14
X15
X23
X24
X26
X27
X28
X34
X35
X78
BA para MG.
BA para RJ.
BA para GO.
SP para MG.
SP para RJ.
SP para PR.
SP para SC.
SP para RS.
MG para RJ.
MG para GO.
SC para RS.
GO
5
150
PR
6
300
20
MG
3
30
200
20
20
-600
RJ
4
15
SP
2
350
20
35
50
SC
7
150
20
RS
8
250
14
40
BA
1
25
Restrio 01 n 01
GO
5
150
PR
6
300
20
MG
3
30
200
20
20
-600
SP
2
RJ
4
15
350
20
35
50
Situao do
exemplo
Hiptese:
Tipo de Restrio:
Oferta = Demanda
SC
7
150
20
RS
8
15
250
95
40
BA
1
25
GO
5
150
PR
6
300
20
MG
3
30
200
20
20
-600
SP
2
RJ
4
15
350
20
35
50
SC
7
Restrio 02 n 02
150
20
RS
8
250
16
40
BA
1
25
GO
5
150
PR
6
300
20
MG
3
30
200
20
20
-600
SP
2
RJ
4
15
350
20
35
50
SC
7
Restrio 03 n 03
150
20
RS
8
250
17
40
BA
1
25
GO
5
150
PR
6
300
20
MG
3
30
200
20
20
-600
SP
2
RJ
4
15
350
20
35
50
Restrio 04 n 04
X14 + X24 + X34 350
SC
7
150
20
RS
8
250
18
96
40
BA
1
25
GO
5
150
PR
6
300
20
MG
3
30
200
20
20
-600
SP
2
RJ
4
15
350
20
35
50
SC
7
Restrio 05 n 05
150
20
RS
8
250
19
40
BA
1
25
GO
5
150
PR
6
300
20
MG
3
30
200
20
20
-600
SP
2
RJ
4
15
350
20
35
50
SC
7
Restrio 06 n 06
150
20
X26 300
RS
8
250
20
40
BA
1
25
GO
5
150
PR
6
300
20
MG
3
30
200
20
20
-600
SP
2
RJ
4
15
350
20
35
50
Restrio 07 n 07
X27 X78 150
SC
7
150
20
RS
8
250
21
97
40
BA
1
25
GO
5
150
PR
6
300
20
MG
3
30
200
20
20
-600
SP
2
RJ
4
15
350
20
35
50
SC
7
Restrio 08 n 08
150
20
RS
8
250
22
23
40
BA
1
25
GO
5
150
PR
6
300
20
MG
3
30
200
Variveis de
deciso
20
20
-600
SP
2
Para
3
4
5
3
4
6
7
8
4
5
8
350
20
Distribuio de carros
De
1
1
1
2
2
2
2
2
3
3
7
RJ
4
15
35
Custo
25
30
40
20
15
20
35
50
20
20
20
Unidades
0
0
0
0
0
0
0
0
0
0
0
N
1
2
3
4
5
6
7
8
50
SC
7
150
20
RS
8
250
Informaes conhecidas
24
Custo Total =
98
BA
1
-500
25
GO
5
150
PR
6
300
20
MG
3
30
200
20
20
-600
SP
2
RJ
4
15
350
20
Distribuio de carros
De
1
1
1
2
2
2
2
2
3
3
7
Para
3
4
5
3
4
6
7
8
4
5
8
Custo
25
30
40
20
15
20
35
50
20
20
20
Unidades
0
0
0
0
0
0
0
0
0
0
0
N
1
2
3
4
5
6
7
8
35
Custo Total =
50
SC
7
150
20
RS
8
Frmula
250
25
26
40
BA
1
25
Restrio 01 n 01
30
150
PR
6
300
200
20
20
-600
GO
5
20
MG
3
SP
2
RJ
4
15
350
20
35
50
SC
7
150
20
RS
8
27
250
99
40
BA
1
25
GO
5
150
PR
6
300
20
MG
3
30
Restrio 01 n 01
200
20
20
SP
2
RJ
4
15
350
20
35
Entradas
Sadas
50
SC
7
150
20
RS
8
250
28
29
Soluo pelo
Solver
-500
40
BA
1
25
GO
5
150
PR
6
300
20
MG
3
30
200
20
20
(Soluo)
-600
SP
2
RJ
4
15
350
20
35
50
SC
7
150
20
RS
8
30
250
100
Problema do Menor
Caminho
Problema que representa um outro caso
especial de problemas de redes, em que
os arcos significam a distncia entre 2
pontos (ns).
Quando deseja-se achar a rota que une
estes pontos com a distncia mnima
possvel, tem-se um problema de menor
caminho.
31
Problema do Menor
Caminho
Nestes problema existem sempre 2 ns
especiais chamados de origem e destino.
Entre um n de origem e um n de
destino geralmente existem ns
intermedirios, que podem representar
cidades que conectam rodovias,
subestaes em problemas de
distribuio de energia, etc...
32
Problema do Menor
Caminho - Exemplo
Um fabrica de artigos de decorao,
localizada em Lambari, deve entregar
uma grande quantidade de peas na
cidade de Baependi. A empresa quer
saber qual o caminho que seu caminho
deve fazer para minimizar a distncia
percorrida.
33
101
Problemas de Menor
Caminho exemplo
S. Thom das Letras
Trs Coraes
Lambari
37
Km
41
Km
50
Km
45
Km
5
27
Km
44
Km
Baependi
4
Km
Caxambu
So Loureno
34
Problemas de Menor
Caminho
A modelagem do problema ter variveis
binrias do tipo Xij, indicando o sentido
da cidade i para a cidade j. Se o valor da
varivel for igual a 1 significa que aquele
trecho deve ser percorrido. De forma
inversa, se o valor da varivel for igual a
zero, significa que aquele trecho no deve
ser percorrido.
35
Trs Coraes
Lambari
37
Km
41
Km
50
Km
45
Km
5
27
Km
44
Km
Baependi
4
Km
Caxambu
So Loureno
X12 trecho
X13 trecho
X15 trecho
X24 trecho
Letras.
X35 trecho
X46 trecho
X56 trecho
36
102
Trs Coraes
41
Km
Lambari
37
Km
45
Km
50
Km
5
27
Km
44
Km
Baependi
4
Km
Caxambu
So Loureno
Trs Coraes
Lambari
37
Km
41
Km
45
Km
50
Km
5
27
Km
44
Km
Oferta = -1
Baependi
4
Km
Caxambu
Demanda = 1
So Loureno
Situao
do
exemplo
Hiptese:
Tipo de Restrio:
Oferta = Demanda
38
Trs Coraes
Lambari
37
Km
41
Km
50
Km
45
Km
5
27
Km
44
Km
4
Km
Baependi
Caxambu
Restrio 01:
So Loureno
Situao
do
exemplo
Hiptese:
Tipo de Restrio:
Oferta = Demanda
39
103
Trs Coraes
Lambari
37
Km
41
Km
50
Km
45
Km
5
27
Km
44
Km
Caxambu
Restrio 02:
X12 X24 = 0
So Loureno
Situao
do
exemplo
Baependi
4
Km
Hiptese:
Tipo de Restrio:
Oferta = Demanda
40
Trs Coraes
Lambari
41
Km
37
Km
50
Km
45
Km
5
27
Km
44
Km
Baependi
4
Km
Caxambu
So Loureno
Restrio 03:
X13 X35 = 0
41
Trs Coraes
Lambari
41
Km
37
Km
50
Km
5
27
Km
44
Km
45
Km
4
Km
Baependi
Caxambu
So Loureno
Restrio 04:
X24 X46 = 0
42
104
Trs Coraes
Lambari
41
Km
37
Km
50
Km
45
Km
5
27
Km
44
Km
Baependi
4
Km
Caxambu
So Loureno
Restrio 05:
X15 + X35 X56 = 0
43
Trs Coraes
Lambari
41
Km
37
Km
50
Km
5
27
Km
44
Km
45
Km
4
Km
Baependi
Caxambu
So Loureno
Restrio 06:
X46 + X56 = 1
44
45
105
Trs Coraes
41
Km
Lambari
37
Km
50
Km
Baependi
4
Km
5
27
Km
44
Km
Variveis de
deciso
45
Km
Caxambu
So Loureno
46
Informaes conhecidas
Trs Coraes
Lambari
37
Km
41
Km
50
Km
45
Km
5
27
Km
44
Km
Baependi
4
Km
Caxambu
So Loureno
Frmula
47
Trs Coraes
Lambari
41
Km
37
Km
50
Km
5
27
Km
44
Km
45
Km
Baependi
4
Km
Caxambu
So Loureno
Frmula
48
106
Restrio 01:
- X12 - X13 - X15 = - 1
49
(Restries)
Tipo de Restrio:
Oferta = Demanda
Entradas
Sadas
50
(Restries)
Tipo de Restrio:
Oferta = Demanda
51
107
Trs Coraes
Lambari
41
Km
37
Km
50
Km
5
27
Km
44
Km
45
Km
Baependi
4
Km
Caxambu
So Loureno
52
Problema do Fluxo
Mximo
Quando se quer maximizar a quantidade de um
fluxo de um ponto de origem para um ponto de
destino e estamos sujeitos a restries de
capacidade de fluxo nos arcos.
Estes problemas geralmente envolvem fluxo de
materiais como gua, leo, gs, energia atravs
de uma rede de tubos ou canos. Podem
representar fluxo de carros em malhas virias,
produtos em linha de produo, etc....
53
108
Problema do Fluxo
Mximo - Exemplo
Uma empresa distribuidora de gs deseja
determinar a quantidade mxima de metros
cbicos por segundo de gs que pode bombear
da estao de Campos para o centro
consumidor do Rio de Janeiro, atravs da rede
de gasodutos existentes. A figura a seguir
ilustra o caso.
54
Problema do Fluxo
Mximo - Exemplo
30 m3/s
40 m3/s
20 m3/s
Rio de Janeiro
,
Campos
20 m3/s
A
B
40 m3/s
30 m3/s
4
30 m3/s
55
Problema do Fluxo
Mximo
Para resolvermos este problema, utilizaremos
um pequeno artifcio: adicionaremos um arco
virtual ligando o n B ao n A.
A FO ser portanto a maximizao do fluxo de
gs que passa de B para A.
Como o fluxo do Rio de Janeiro para Campus
no existe, o valor do fluxo no arco artificial
representar o total de gs que pode chegar ao
Rio de Janeiro vindo de Campus por mais de
um caminho simultaneamente.
56
109
Problema do Fluxo
Mximo - Exemplo
30 m3/s
1
40 m3/s
20 m3/s
Rio de Janeiro
Campos
20 m3/s
A
B
30 m3/s
40 m3/s
4
30 m3/s
57
40 m3/s
20 m3/s
Rio de Janeiro
Campos
20 m3/s
A
B
40 m3/s
30 m3/s
4
30 m3/s
20 m3/s
Rio de Janeiro
Campos
20 m3/s
A
B
30 m3/s
40 m3/s
4
30 m3/s
Max Z =
XBA
59
110
20 m3/s
Rio de Janeiro
Campos
20 m3/s
A
B
30 m3/s
40 m3/s
4
30 m3/s
Restries:
O fluxo de cada arco dever ser maior ou igual a zero;
O fluxo de cada arco dever ser menor ou igual a capacidade
do arco;
O fluxo que chega em cada n dever ser igual ao fluxo do
que sai do mesmo;
O fluxo do arco artificial (desconhecido) deve ser grande o
bastante para assumir qualquer valor possvel, j que este
ser maximizado.
60
20 m3/s
Rio de Janeiro
Campos
20 m3/s
A
B
30 m3/s
40 m3/s
4
30 m3/s
Restries de capacidade:
XA1 40; XA2 30;
X13 30; X14 20;
X24 30; X3B 20;
X4B 40; XBA 9999;
61
20 m3/s
Rio de Janeiro
Campos
20 m3/s
A
B
40 m3/s
30 m3/s
4
30 m3/s
Restries de fluxo:
XBA (XA1 + XA2) = 0
XA1 (X13 + X14) = 0
XA2 X24 = 0
X13 X3B = 0
X14 + X24 X4B = 0
X3B + X4B XBA = 0
Hiptese:
Tipo de Restrio:
Oferta = Demanda
Situao do
exemplo
62
111
63
40
m3/s
20
m3/s
Rio de Janeiro
20
m3/s
B
40
m3/s
30
m3/s
2
4
30
m3/s
Variveis de
deciso
64
Informaes conhecidas
Frmula
65
112
Entradas
Sadas
66
67
20 m3/s
Rio de Janeiro
Campos
20 m3/s
A
B
30 m3/s
40 m3/s
4
30 m3/s
68
113
ESTUDOS DE CASOS
114
115
Uma empresa do setor eltrico esta considerando sua participao em seis novas
possibilidades de investimento. Estes projetos esto sendo elaborados atravs de Project
Finance. Como os acionistas da empresa querem participar de novos investimentos no setor,
buscando melhorar seus dividendos e permitir o crescimento da empresa, eles pediram ao
Diretor Financeiro uma avaliao e sugestes de quais projetos deveriam investir e com qual
participao. O Diretor Financeiro montou uma equipe de analistas para lhe ajudar.
As informaes preliminares, de cada alternativa de investimento, foram s apresentadas na
tabela a seguir.
-5
-8
-15
-15
-40
-25
-10
-6
-13
-7
-2
-30
15
15
30
20
30
55
15
15
30
20
30
55
15
15
30
20
30
55
15
15
30
20
30
55
Ano
45
30
A TMA da empresa de 15% ao ano. O Diretor Financeiro fez aos seus analistas uma srie de
perguntas, para que na prxima reunio de acionistas pudesse informar e esclarecer melhor
sobre o assunto. As perguntas foram:
1. Os investimentos so atrativos? Sendo vocs a equipe de analistas de investimentos,
qual seria a opinio quanto a cada um dos investimentos?
2. Qual o melhor investimento?
3. Para que fosse possvel maximizar a rentabilidade destes investimentos, qual a
sugesto de quanto investir em cada uma das alternativas? Qual o VPL desta
116
ANEXOS
117
X1
X2
X3
X4
X5
razo
X1
X2
X3
X4
X5
razo
X1
X2
X3
X4
X5
razo
X1
X2
X3
X4
X5
razo
X1
X2
X3
X4
X5
razo
Base
Variveis bsicas:
Variveis no bsicas:
Funo Z:
Tabela:
Z
Base
Variveis bsicas:
Variveis no bsicas:
Funo Z:
Tabela:
Z
Base
Variveis bsicas:
Variveis no bsicas:
Funo Z:
Tabela:
Z
Base
Variveis bsicas:
Variveis no bsicas:
Funo Z:
Tabela:
Z
Base
Variveis bsicas:
Variveis no bsicas:
Funo Z:
118
X1
X2
X3
X4
X5
razo
X1
X2
X3
X4
X5
razo
X1
X2
X3
X4
X5
razo
X1
X2
X3
X4
X5
razo
X1
X2
X3
X4
X5
razo
Base
Variveis bsicas:
Variveis no bsicas:
Funo Z:
Tabela:
Z
Base
Variveis bsicas:
Variveis no bsicas:
Funo Z:
Tabela:
Z
Base
Variveis bsicas:
Variveis no bsicas:
Funo Z:
Tabela:
Z
Base
Variveis bsicas:
Variveis no bsicas:
Funo Z:
Tabela:
Z
Base
Variveis bsicas:
Variveis no bsicas:
Funo Z:
119
X1
X2
X3
X4
X5
razo
X1
X2
X3
X4
X5
razo
X1
X2
X3
X4
X5
razo
X1
X2
X3
X4
X5
razo
X1
X2
X3
X4
X5
razo
Base
Variveis bsicas:
Variveis no bsicas:
Funo Z:
Tabela:
Z
Base
Variveis bsicas:
Variveis no bsicas:
Funo Z:
Tabela:
Z
Base
Variveis bsicas:
Variveis no bsicas:
Funo Z:
Tabela:
Z
Base
Variveis bsicas:
Variveis no bsicas:
Funo Z:
Tabela:
Z
Base
Variveis bsicas:
Variveis no bsicas:
Funo Z:
120
Formulao:
Max Z = 2100X1 + 1200X2 + 600X3
Sujeito a:
6X1 + 4X2 + 6X3 4800
12X1 + 6X2 + 2X3 7200
X1 800
X2 600
X3 600
X1; X2; X3 0.
ltima tabela:
Z
1
0
0
0
0
0
X1
0
0
1
0
0
0
X2
0
0
0
0
1
0
X3
0
1
0
0
0
0
XF1
50
0.2
-0.03
0.03
0
0.2
XF2
150
-0.1
0.1
-0.1
0
0.1
XF3
0
0
0
1
0
0
XF4
100
-0.2
-0.47
0.47
1
0.2
XF5
0
0
0
0
0
1
b
1380000
120
280
520
600
480
121
122