01 - Introducao - Io - 2009 - 02

Universidade do Minho
Escola de Engenharia
Departamento de Produção e Sistemas
Introdução à Investigação Operacional
Filipe Pereira e Alvelos

falvelos@dps.uminho.pt
http://pessoais.dps.uminho.pt/falvelos/
2003 - 2009
Índice
•Problemas
•Metodologia da IO
•Modelos e métodos da IO
•História da IO
•A IO na actualidade
•Definições de IO
•Problemas adicionais
•Links fundamentais
•Bibliografia e links
Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 2
1
Problema da dieta
•Determinar dieta diária com menor custo possível que cumpra requisitos nutritivos.
•Requisitos nutritivos diários:
o exactamente 3000 calorias;
o pelo menos 100 gramas de proteínas.
•Alimentos disponíveis A, B e C, com preços e composição nutritiva dados na tabela.
Calorias / Proteínas (gramas / Custo (€ /

Alimento
unidade de alimento unidade de alimento) unidade de alimento)
A 1000 20 10
B 1000 50 10
C 3000 50 20
Problema do caixeiro viajante (1)

•Dado um número de cidades juntamente com a distância entre cada par delas,
determinar a forma de visitar todas as cidades (uma e uma só vez) voltando àquela
de que se partiu, percorrendo a menor distância possível.
3 1.0
2.2 3.2
1.
4
6 7
2 4
1 5 8
2
Fonte: Solving TSP problems, http://www.math.princeton.edu/tsp/, University of Princeton

•É fácil de resolver – testam-se todas as alternativas possíveis. Mas... por exemplo,
num problema com 30 cidades há, aproximadamente, 2.65x1032 alternativas.
Testando 1 bilião de alternativas por segundo (um computador muito bom!), o
tempo total seria mais de oito milénios! Pode experimentar-se em
http://www.tutor.ms.unimelb.edu.au/tsp/tsp.html.
“We are pleased to announce the solution of a traveling salesman problem through
15,112 cities in Germany. This is the largest TSPLIB instance that has been solved
to date, exceeding the 13,509-city tour through the United States that was solved in
1998. The computation was carried out on a network of 110 processors located at
Rice University and at Princeton University. The total computer time used in the
computation was 22.6 years, scaled to a Compaq EV6 Alpha processor running at
500 MHz. The optimal tour has length 1,573,084 in the units used in TSPLIB; this
translates to a trip of approximately 66,000 kilometers through Germany.”
» David Applegate, Robert Bixby, Vašek Chvátal, William Cook, 2001
•Imagem de fundo: instância do problema do caixeiro viajante (World TSP) com

1,904,711 cidades. Não é conhecida uma solução óptima (melhor solução
conhecida foi obtida em 27 de Janeiro de 2005). Visualização animada disponível
em http://www.tsp.gatech.edu/world/images/anim10.html.
3
•“In May 2004, the traveling salesman problem of
visiting all 24,978 cities in Sweden was solved: a tour
of length 855,597 TSPLIB units (approximately 72,500
kilometers) was found and it was proven that no
shorter tour exists. This is currently the largest solved
TSP instance, surpassing the previous record of
15,112 cities through Germany set in April 2001.”
» David Applegate, AT&T Labs – Research; Robert
Bixby, ILOG and Rice University; Vašek Chvátal,
Rutgers University; William Cook, Georgia Tech;
Keld Helsgaun, Roskilde University.
•Exemplos de aplicações:
http://www.tsp.gatech.edu/apps/index.html.
Problema da selecção de projectos

•Seleccionar um conjunto de projectos, cada qual com um determinado orçamento e
um determinado proveito, de tal forma que o orçamento disponível (20 unidades
monetárias – UM) não seja excedido e o proveito total seja máximo.
Projecto 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Proveito 39 35 68 61 46 46 38 16 42 68 85 72 42 16 75 25 29 31 68 67
Orçamento 4 5 5 10 7 5 5 2 3 10 8 6 3 1 8 1 3 3 8 6
4
Problema das pontes de Könisberg (1)
•Euler (1707-1783) - início da Teoria dos Grafos.
•É possível, começando numa zona qualquer, atravessar todas as pontes uma só
vez e regressar ao ponto inicial?
Fonte da imagem: http://www-groups.dcs.st-and.ac.uk/~history/Miscellaneous/other_links/Konigsberg.html
Problema das pontes de Könisberg (2)
Fonte da imagem: “Graph Theory“, Britannica 2002 Deluxe Edition CD-ROM.
5
Problema de corte (1)
•Uma empresa de mobiliário compra placas de madeira de 2.550 por 2.100 metros
que corta em placas mais pequenas (usualmente designadas por itens) para
produzir estantes. Em determinado momento, os itens necessários são os
representados na Figura, em que junto a cada item se indicam as suas dimensões
(largura por altura em milímetros) e o número de unidades requeridas. Por
exemplo, pretendem-se duas placas do tipo 1 (que tem 2.203 por 0.753 metros).

7 1602 X 481 (1)
1 2203 X 753 (2)
8 1122 X 481 (1)

2 1003 X 583 (2)
9 896 X 258 (1)
3 273 X 583 (4) 10 975 X 90 (2)

11 502 X 481 (1)
4 1252 X 581 (2)
5 2382 X 487 (4)

2550 X 2100
6 1504 X 483 (2)
6
Aplicação computacional resultante do projecto SCOOP - Sheet Cutting and Process Optimization for Furniture Enterprises, financiado pelo “6th Framework
Programme on Research, Technological Development and Demonstration” (Contract N° COOP-CT-2006-032998), 2006-2008. Coordenador do projecto:
Ferdinando Pezzella (Universitá Politecnica delle Marche, Ancona, Italy). Coordenador do workpackage “Optimization algorithms for cutting and packing”: J. M.
Valério de Carvalho (DPS-UM)
Implementa os métodos heurísticos descritos em Sequence based Heuristics for Two-dimensional Bin Packing Problems, F. A., T. M. Chan, P. Vilaça, T. Gomes, E.
Silva, J. M. Valério de Carvalho, Engineering Optimization, aceite para publicação, 2009
Problema do centro de atendimento telefónico (1)

•O responsável por um centro de atendimento telefónico, que funciona entre as 8:00
e as 23:00 horas, pretende definir os horários de todos os colaboradores para o
próximo mês. Actualmente, existem 30 colaboradores e o responsável do centro
pode contratar, no máximo, mais 10 colaboradores. Cada colaborador trabalha
nove horas e tem direito a dois períodos de descanso de 15 minutos e a um
período de uma hora para uma refeição. Em cada semana, os colaboradores
gozam dois dias consecutivos de folga. Estimou-se que, em média, cada
colaborador atende 12 telefonemas por hora. Os dados da Tabela correspondem à
estimativa do número de chamadas dadas pelo departamento de marketing. A
gestão faz questão de manter um excelente nível de serviço (medido pela
percentagem de telefonemas que são atendidos), mas pretende reduzir ao máximo
a contratação de novos colaboradores.
7
Problema do centro de atendimento telefónico (2)
Estimativa do número de telefonemas recebidos por hora e dia da semana
Segunda Terça Quarta Quinta Sexta Sábado Domingo
08:00:00 159 133 89 115 67 25 53
09:00:00 160 138 106 133 86 38 65
10:00:00 179 153 115 148 89 56 80
11:00:00 193 169 132 163 102 71 93
12:00:00 175 155 128 152 84 66 73
13:00:00 166 152 121 132 69 59 59
14:00:00 147 133 116 120 57 50 46
15:00:00 135 114 113 110 37 46 41
16:00:00 120 103 107 100 18 44 40
17:00:00 128 117 108 105 27 32 38
18:00:00 138 133 127 123 46 15 21
19:00:00 144 144 138 135 51 1 1
20:00:00 137 125 133 116 40 7 2
21:00:00 126 122 117 113 23 3 3
22:00:00 110 115 115 112 18 3 1
Problema da acidificação (1)

•Acidificação na Europa.
•Modelo RAINS – Regional Acidification
Information and Simulation do International
Institute for Applied Systems Analysis
(Áustria) permite a projecção da deposição
de enxofre com base nas emissões de
dióxido de enxofre (SO2), óxidos de azoto
(NOx) e amónia (NH3) resultantes dos
combustíveis fósseis utilizados na produção
de energia e transportes e pelo estrume
animal utilizado na agricultura.
P. Van Beek, L. Fortuin, L. N. Van Wassenhove, L. Hordijk, “OR and the Environment, a fruitful combination”, in “OR at wORk, practical
experiences of Operational Research”, edited by L. Fortuin, P. Van Beek, L. N. Van Wassenhove, Taylor and Francis, 1996
8
Fonte da imagem: http://www.iiasa.ac.at/Admin/INF/OPT/Summer98/description.htm

•De que forma investir o orçamento existente na redução de emissões de forma a
causar o máximo impacto ambiental?
•É pretendida uma determinada redução, quanto dinheiro tem de ser gasto por ano,
considerando que o dinheiro é alocado de forma óptima?
•Negociações do Protocolo do Enxofre assinado em Oslo, Junho de 1994,
(http://www.unece.org/env/lrtap/status/94s_st.htm)
baseadas em corridas do módulo de optimização do RAINS.
•Experimentar em http://www.iiasa.ac.at/~rains/cgi-bin/rains_web.pl
9
Problema do crime
•“O crime é um problema a sério neste país. Estamos sempre a gastar mais a
prender pessoas em prisões e, mesmo assim, o crime não pára de aumentar.
Muitas das pessoas estão presas por razões relacionadas com problemas médicos
(e.g., droga e doenças mentais) e quando saem, esses problemas não estão
resolvidos e elas voltam ao crime. Talvez as penas de prisão já não sejam a
solução.”
Exemplo de http://people.brunel.ac.uk/~mastjjb/jeb/or/softor.html
Tipos de problemas (1)

•A Investigação Operacional (IO) é uma forma de abordar problemas de decisão
•Um problema de decisão caracteriza-se por
1. “existir pelo menos um indíviduo a quem o problema é atribuido (o agente de
decisão) num determinado contexto,
2. existirem pelo menos duas alternativas de decisão,
3. o agente de decisão ter pelo menos um objectivo a atingir quando opta por uma
das decisões alternativas,
4. as alternativas de decisão não corresponderem todas ao mesmo grau de satisfação
do objectivo.”
•Problemas de decisão muito estruturados, em que o agente de decisão tem um
papel pouco relevante, designam-se usualmente por problemas de optimização (por
exemplo, o problema de corte)
•No outro extremo dos problemas de decisão, estão os problemas muito pouco
estruturados, em que os agentes de decisão têm um papel fundamental (por
exemplo, o problema do crime). Nestes problemas, o papel da IO pode ser
“apenas” o de estruturar uma situação problemática.
10
Tipos de problemas (2)
•A tipologia da tabela é flexível: um problema pode ter características de diferentes
(um ou mais) tipos de problemas.
Tipo de problema Optimização “Gestão” Estruturação
Subsistema (vários
Âmbito Componente individual componentes que Sistema complexo
interactuam)
Nível Operacional Táctico Estratégico
Prazo Curto (horas, poucos dias) Médio (semanas, meses) Longo (anos)
Ambiente Estático Evolutivo Dinâmico
Objectivo(s) Bem definido Múltiplos Difuso
Objectiva e passível de ser Menos objectiva e com Pouco (ou nada) objectiva
Tipo de informação
recolhida sem incerteza mais incerteza e incerta
Papel do agente de
Pouco importante Importante Essencial
decisão
Competências do Técnicas, analíticas e Comportamentais, de
Técnicas e analíticas
investigador operacional comportamentais mediação e de negociação
Problema de escalonamento (1)

•Planeamento de produção numa empresa têxtil
•Alguma informação sobre a empresa
o está dividida em 4 sectores produtivos:
tricotagem;
montagem;
tingimento;
acabamento.
o produz em média 1.300.000 peças por ano, que englobam uma média de 4.300 artigos
diferentes.
o trabalha por encomenda, podendo esta ser constituída por vários artigos finais, divididos
por tamanho e cor.
o trabalha com 4 tipos de encomendas (protótipos, colecções, pré-séries e produções).
Baseado em A Scheduling Model for a Knitting Planning Problem, C. Pimentel, F. A., A. Duarte, J. M. Valério de Carvalho, Proceedings of the 3rd World
Conference on Production and Operations Management - POM, August 5-8, 2008, Tokyo, Japan, pp 2239-2254
11
•Secção de tricotagem está dividida em três subsecções
o corpos;
o revesilhos e reversos;
o golas, bolsos, presilhas, alças e outras guarnições.
•Subsecção de corpos é o gargalo de produção
o vários conjuntos de máquinas paralelas idênticas;
o datas de entrega associadas a artigos finais;
o matriz de compatibilidade entre máquinas e artigos finais/componentes/tamanhos;
o datas de disponibilidade de máquinas;
o tempos de preparação dependentes da sequência;
o possibilidade de processamento simultâneo (“job splitting”).

•Exemplo com cinco máquinas que demoram um minuto a produzir uma unidade de
um componente.
Data de Tempo de
Artigo entrega Componente Quantidade Máquinas produção
(horas)
CA1 1000 1,2,3,4,5 16.67
A1 20
FA1 1000 1,2,3,4,5 16.67
CA2 1500 1,4,5 25
A2 22
FA2 1500 1,4,5 25
CB2 500 1,2,3,4 8.33
B1 30 FB2 500 1,2,3,4 8.33
MB2 1000 1,2,3,4,5 16.66
CC3 200 1,3,4 3.33
C3 21 FC3 200 1,3,4 3.33
MC3 400 1,2,3,4,5 6.66
CC4 300 1,2,3,4,5 5
C4 24 FC4 300 1,2,3,4,5 5
MC4 600 1,2,3,4,5 10
12
•Uma solução para o problema
Metodologia da IO (1)
•Definição do problema
•Formulação de um modelo
•Obtenção de uma solução
•Validação do modelo e teste da solução
•Implementação da solução
13
•Fases do método científico (“hard”)
1. Observação
Observação de um fenómeno ou de um conjunto de fenómenos
2. Generalização
Formulação de hipóteses que generalizam as observações feitas
3. Experimentação
As hipóteses feitas são usadas para prever a ocorrência de outros fenómenos ou prever os
valores de novas observações
4. Validação
Validação tendo por base testes experimentais (independentes) das previsões que
confirmam ou não as hipóteses formuladas
•Passos 1 e 4 da metodologia da IO relacionam-se directamente com os passos 1 e
4 do método científico
•Passos 2 e 3 da metodologia da IO lidam com modelos por não ser viável a
experimentação nos sistemas em estudo (por exemplo, empresas)
•Passo 5 da metodologia da IO corresponde a uma actuação na realidade
Fonte: Hugh Miser, Is it possible to have a good definitional descri+ption of Operations Research and Management Science?, Interfaces, 27, 1997,.
14
Modelos e métodos da IO (1)
•Modelos determinísticos •Modelos de apoio à decisão
o Programação linear
o Teoria dos jogos
o Programação não linear
o Programação inteira o Análise de decisão
o Programação dinâmica o Análise multi-critério
o Optimização de redes o ...
o Programação linear multi-objectivo
o Optimização combinatória •Métodos da IO “soft”
o Gestão de stocks o Soft systems methodology
o ...
o Strategic options development and
•Modelos estocásticos analysis (SODA)
o Cadeias de Markov
o Métodos Delphi
o Filas de espera
o Programação dinâmica estocástica o Meta e hiper jogos
o Simulação o ...
o Gestão de stocks
o Modelos de previsão
o Programação estocástica
o ...

•Exemplo de um modelo de programação linear (problema da dieta)
Variáveis de decisão
‫ݔ‬1 − ‫ܣ ݋ݐ݈݊݁݉݅ܽ ݋݀ ݎ݅ݎ݁݃݊݅ ܽ ݁݀ܽ݀݅ݐ݊ܽݑݍ‬
‫ݔ‬2 − ‫ܤ ݋ݐ݈݊݁݉݅ܽ ݋݀ ݎ݅ݎ݁݃݊݅ ܽ ݁݀ܽ݀݅ݐ݊ܽݑݍ‬
‫ݔ‬3 − ‫ܥ ݋ݐ݈݊݁݉݅ܽ ݋݀ ݎ݅ݎ݁݃݊݅ ܽ ݁݀ܽ݀݅ݐ݊ܽݑݍ‬
Modelo de Programação Linear

‫ = ݖ ݊݅ܯ‬10‫ݔ‬1 + 10‫ݔ‬2 + 20‫ݔ‬3
sujeito a:
1000‫ݔ‬1 + 1000‫ݔ‬2 + 3000‫ݔ‬3 = 3000
20‫ݔ‬1 + 50‫ݔ‬2 + 50‫ݔ‬3 ≥ 100
‫ݔ‬1 ≥ 0, ‫ݔ‬2 ≥ 0, ‫ݔ‬3 ≥ 0
15
•Exemplo de um modelo de programação inteira (problema da selecção de
projectos)
Parâmetros
‫ ݆݌‬− ‫݆ ݋ݐ݆ܿ݁݋ݎ݌ ݋݀ ݋ݐ݅݁ݒ݋ݎ݌‬, ݆ = 1, … ,20
݆ܿ − ‫ݎ݋‬çܽ݉݁݊‫݆ ݋ݐ݆ܿ݁݋ݎ݌ ݋݀ ݋ݐ‬, ݆ = 1, … ,20
Variáveis de decisão
1, ‫ ݆ ݋ݐ݆ܿ݁݋ݎ݌ ݁ݏ‬é ‫݋݀ܽ݊݋݈݅ܿܿ݁݁ݏ‬
‫ = ݆ݔ‬ቊ , ݆ = 1, … ,20
0, ܿܽ‫ݎݐ݊݋ܿ ݋ݏ‬á‫݋݅ݎ‬
Modelo de Programação Inteira

20
‫ = ݖ ݊݅ܯ‬෍ ‫݆ݔ ݆݌‬

݆ =1
sujeito a:
20
෍ ݆ܿ ‫ ≤ ݆ݔ‬20
݆ =1
‫ ∈ ݆ݔ‬ሼ0,1ሽ, ݆ = 1, … ,20

•Exemplo de um modelo de optimização combinatória (problema da selecção de
projectos)
Modelo de Optimização Combinatória
‫)ݔ(݂ = ݖ ݊݅ܯ‬
sujeito a:
‫ܵ∈ݔ‬
em que
x – grupo de projectos
S – conjunto dos grupos de projectos que não excedem o
orçamento disponível
f(x) – proveito associado ao subconjunto de projectos x
• f(x) pode tomar qualquer forma desde que, para cada solução x, retorne um número
• S é um conjunto enumerável, mas, em geral, com um número enorme de elementos
•Se f(x) for uma função linear em que x é um vector de variáveis de decisão e S puder
ser representado através de equações e/ou inequações lineares, então existe um
modelo de programação (linear) inteira equivalente ao modelo de optimização
combinatória
16
•Modelo geral de um problema de optimização
Modelo de Optimização
‫)ݔ(݂ = ݖ ݊݅ܯ‬
Função objectivo
sujeito a:
݃݅ (‫ ≤ )ݔ‬0, ݅ = 1, … , ݉ Restrições
‫ܵ∈ݔ‬

•Determinar o caminho mais curto entre os vértices 1 e 6 da rede da figura que não
ultrapasse 14 minutos. Em cada arco é dado o comprimento (em Km) e o tempo
(em minutos), por esta ordem, associado à passagem pelo arco.
2,3
10
1,
7
1,
10
2,2
,3
• x é um caminho
5,7
• f(x) é o comprimento do caminho x

• S é o conjunto de todos os caminhos entre 1 e 6
݃(‫ = )ݔ‬෍ ‫ ݆݅ݔ ݆݅ݐ‬− 14

݆݅ ∈‫ܣ‬
em que
‫ ݆݅ݐ‬− ‫݆݅ ݋ܿݎܽ ݋݊ ݎܽݏݏܽ݌ ܽ ܽݎ݋݉݁݀ ݁ݑݍ ݋݌݉݁ݐ‬, ∀݆݅ ∈ ‫ܣ‬
1, ‫݊݅݉ܽܿ ݋݀ ݁ݐݎܽ݌ ݖ݂ܽ ݆݅ ݋ܿݎܽ ݁ݏ‬ℎ‫ݔ ݋‬
‫ = ݆݅ݔ‬ቊ , ∀݆݅ ∈ ‫ܣ‬
0, ܿܽ‫ݎݐ݊݋ܿ ݋ݏ‬á‫݋݅ݎ‬
17
•Uma solução x´ é uma solução admissivel se satisfaz todas as restrições
•Uma solução admissivel x* é uma solução óptima se e só se f(x*)≤f(x) para qualquer
solução admissivel x
•Para um mesmo modelo de optimização, podem existir vários métodos para obter
soluções
•Métodos exactos garantem a obtenção de uma solução óptima
o Exemplos: algoritmo simplex para programação linear, método de partição e avaliação para
programação inteira
•Métodos heurísticos procuram a obtenção de uma solução satisfatória (não
necessariamente óptima)
o Exemplos: heurísticas construtivas, heurísticas de pesquisa local, pesquisa tabu, algoritmos
genéticos
•Os métodos heurísticos só fazem sentido para os problemas em que os métodos
exactos não conseguem obter soluções óptimas em tempos computacionais aceitáveis
o Por exemplo, são raras as heurísticas propostas para problemas de programação linear

•Exemplo de um método heurístico para o problema da selecção de projectos
1. Definir uma lista L de projectos ordenada de forma decrescente pela razão entre o
proveito e o orçamento de cada projecto
2. Seleccionar o primeiro projecto de L (projecto j)
Remover j de L
Se existe orçamento disponível, aprovar j e actualizar o orçamento disponível
Se não, não aprovar o projecto j
3. Se L não está vazia, ir para 2
•Para o caso dos dados anteriormente apresentados
o Inicialização
L = [16, 14, 9, 13, 3, 12, 20, 11, 18, 1, 17, 15, 6, 19, 8, 7, 2, 10, 5, 4]
Orçamento disponível = 20
o Primeira iteração
j=16
L = [14, 9, 13, 3, 12, 20, 11, 18, 1, 17, 15, 6, 19, 8, 7, 2, 10, 5, 4]
1≤20 logo projecto é aprovado e orçamento disponivel passa a 20-1=19
o ...
o Solução final (não necessariamente óptima): aprovar os projectos 16, 14, 9, 13, 3 e 12 com
proveito total de 265
18
História da IO (1)
•Raizes
o Referências a problemas de optimização na antiguidade
o Primeiros trabalhos sobre optimização (mínimos de funções) a partir do século XVII
Fermat, Newton, Euler, Lagrange, Gauss
o Primeiros trabalhos em algumas áreas relacionadas com a IO em finais do século XIX e
início do século XX
Cadeias de Markov (Markov)
Gestão científica (Taylor)
Gestão de stocks (Harris)
Teoria das filas de espera (Erlang)
o Primeira Grande Guerra Mundial
Lancaster, Edison
o Período entre as duas Grandes Guerras
Cartas de controlo em gestão da qualidade (Shewart)
História da IO (2)
•Origens
o Em 1936, é constituída uma equipa de cientistas na RAF (Royal Air Force, UK) para
estudar a aplicação do (recentemente inventado) radar
o Primeira vez em que o termo Operational Research foi utilizado:
o “Although the exercise had again demonstrated the technical feasibility of the radar
system for detecting aircraft, its operational achievements fell far short of requirements.
He [A. P. Howe, head of the research group involved] therefore proposed that research
into the operational – as opposed to the technical – aspects of the system should
begin immediately.”
» H. Larnder, 1938, Cited in Committee on the Next Decade in Operations Research (CONDOR),
“Operations Research Next Decade”, in “Understanding the Process of Operational Research, Collected
Readings”, edited by Paul Keys, John Wiley and Sons, 1995.
o Em 1942, grupos de IO formalmente existentes nos três ramos das forças armadas
britânicas.
19
História da IO (3)
• “The important lesson from the Battle of Britain was that radar was only effective as part of an
integrated air defence system. Whilst radar could detect approaching bombers, this information
was in itself only of use if it reached those people who could act upon it. This was where Britain
really had a lead in the technology, because the Fighter Command organisation had at its core the
use of radar information. Radar plots were sent by telephone line to Fighter Command
Headquarters. In the filter room there the information from separate stations was compared and
sorted, removing any inconsistencies, with the intention of producing a true picture. This was then
passed to the operations room where aircraft movements around Great Britain could be seen at a
glance. Thus, Air Chief Marshal Sir Hugh Dowding, Air Officer Commanding-in-Chief of Fighter
Command, had a complete picture of the battlefield, making it possible for him to direct his forces
to maximum effectiveness. This was the real achievement of the C.H. and C.H.L. radar stations
during the Battle of Britain.”
» Ian Brown, Radar in WW II, http://www.skylighters.org/radar/index.html
História da IO (4)
Stansfield, R. G. (1983).
"Harold Larnder: Founder of
Operational Research: An
Appreciation." The Journal
of the Operational Research
Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 40 Society 34(1): 2-7.
20
História da IO (5)
•Equipas multidisciplinares de cientistas analisam problemas militares
o Por exemplo, o Operational Research Section of Costal Command (UK) era constituída
por 3 físicos, 3 especialistas em comunicações, 4 matemáticos, 2 astrónomos, 8
fisiologistas e biólogos
» D. Christopherson, E. C. Baughan, “Reminescences of Operational Research in Worl War II by Some of Its
Practitioners”, in “Understanding the Process of Operational Research, Collected Readings”, edited by Paul Keys,
John Wiley and Sons, 1995
o Guerra aérea contra submarinos (u-boats)
aumento de 400% a 700% da destruição de submarinos através da análise da profundidade a
que deviam deflagrar as bombas
o Dimensionamento de comboios marítimos no atlântico norte (1941-42)
aumento de número de navios escolta de 6 para 9 conduziu à diminuição em 25% das perdas
aumento do tamanho médio dos comboios de 32 para 54 conduziu à diminuição em 56% das
perdas
aumento da velocidade de 7 para 9 nós conduziu à diminuição em 43% das perdas
cobertura aérea de 8 horas por dia no último semestre de 1942 conduziu à diminuição em
64% das perdas
o Estimativa do impacto na produção de guerra dos bombardeamentos britânicos
o Implementação áerea de campos de minas marítimas (Pacífico)
o Definição de rotas e horários de patrulhas aéreas para descobrir navios e submarinos
História da IO (6)
o “A final, though lesser known, scientific breakthrough of World War II was the application of
methods from the physical and social sciences to problems of production, logistics, and
combat. Known as “operational research,” this application of science to practical problems
was a major step in the process by which military men in the 20th century lost primacy in
their profession to civilian specialists. Whether in the scientific study of various
antisubmarine tactics, the selection of targets for strategic bombing, or the optimal size and
pattern for naval convoys, operational research completed the mobilization by governments
of the world's intellectual community.”
» “World War II, 1939–45“, Britannica 2002 Deluxe Edition
21
História da IO (7)
•Finais dos anos 30 e anos 40
o Dualidade e teoria dos jogos (Von Neumann)
o Problemas de transportes (Tolstoi, Kantorovich, Hitchcock, Koopmans)
o Programação linear e algoritmo Simplex (Kantorovich, Dantzig)
•Anos 50
o IO na indústria (primeiro petrolífera, depois muitas outras)
o Programação não linear, fluxos em rede, programação linear (software comercial e
métodos para problemas de grande dimensão), programação estocástica, programação
inteira
o Desenvolvimento notável da base teórica (“practicality gap”)
•Anos 60
o Alargamento das suas fronteiras (para além dos campos militar e industrial)
o Disciplina científica autónoma
o Profissionalização da actividade de IO
História da IO (8)
•Anos 70
o Teoria da complexidade
o Debate sobre a vitalidade da IO (Ackoff)
•Anos 80
o Generalização da IO (muitas vezes com outros nomes)
o Desenvolvimento dos computadores
o Crescente complexidade dos problemas
o Crescente preocupação com racionalidade técnica, económica e ambiental
•Anos 90
o Optimização e simulação em folhas de cálculo
o Linguagens de modelação
o Optimização de problemas de grande dimensão
22
História da IO (9)
•Século IX a.C.: “[...] episódio narrado por Vergílio segundo o qual a rainha Dido, ao
fundar a cidade de Cartago, determinou qual a figura geométrica para a qual seria
maximizada a área por ela delimitada para um dado perímetro constante.”
» L. V. Tavares, F. N. Correia, “Optimização Linear e Não Linear”, Fundação Calouste
Gulbenkian, 1986.
•Séculos VI-V a.C.: “[...] pensamentos de Confúcio traduzem sabiamente algumas
das preocupações mais recentes da Teoria da Decisão [...]”
» L. V. Tavares, F. N. Correia, “Optimização Linear e Não Linear”, Fundação Calouste
Gulbenkian, 1986.
•Século III a.C.: Hieron, Rei de Siracusa, pediu a Arquimedes para desenvolver
meios de quebrar o cerco naval romano
» F. N. Trefethen, “History of Operations Research” in “Understanding the Process of
Operational Research, Collected Readings”, edited by Paul Keys, John Wiley and
Sons, 1995
•1665: I. Newton, Método de Newton para determinar mínimo de uma função
•1736: L. Euler, Problema das pontes de Königsberg
•1788: J. L. Lagrange, Multiplicadores de Lagrange
•1826: C. F. Gauss, Solução de equações lineares
•1880: A. Markov, Cadeias de Markov
•1896: V. Pareto, Soluções óptimas de Pareto
História da IO (10)
•1896: H. Minkowski, Soluções de equações lineares como combinação de um
conjunto de pontos e raios extremos
•1900: F. Taylor, Gestão científica
•1903: J. Farkas, Soluções de sistemas de inequações
•1909: A. K. Erlang, “The theory of probabilities and telephone conversation”
•1913: F. W. Harris, Quantidade económica de encomenda
•1931: W. Shewart, Cartas de controlo de qualidade
•1939: W. Karush, Condições de optimalidade para problemas (não lineares) com
restrições
•1944: J. von Neumann, O. Morgenstern, “Theory of games and economic
behaviour”
•1947: G. Dantzig, Programação Linear e Método Simplex
•1948: Aparecimento da IO como disciplina académica (MIT, US)
•1948: Operational Research Club, actualmente Operational Research Society (UK)
•1949: S. M. Ulam, J. von Neumann, Simulação de Monte-Carlo
•1950: IO na Indústria: British Iron and Steel Industry Research Association e British
National Coal Board
23
•1950: Operational Research Quarterly (UK), primeira revista de IO, actualmente Journal
of the Operational Research Society
•1951: Primeira solução de um Problema de Transportes (Hitchcok Problem, 1941) num
computador
•1951: J. von Neumann, G. Dantzig, A. Tucker, Problemas de Programação Linear
Primal-dual
•1952: Operations Research Society of America, actualmente INFORMS
•1955: Aplicação de Programação Linear na indústria petrolífera (ESSO Standard Oil
Company)
•1957: R. Bellman, Programação Dinâmica
•1958: R. Gomory, Programação Inteira
•1959: R. Dijkstra, Problema do Caminho mais Curto
•1960: Inteligência Artificial / Sistemas Periciais
•1962: L. Ford, D. Fulkerson Jr., Fluxos em Rede
•1973: P. Keen, S. Morton, Sistemas de Apoio à Decisão
•1970: G. Box, G. Jenkins, Análise de Séries Temporais
•1971: S. A. Cook, R. Karp, Complexidade Computacional
•1972: P. Chekland, Metodologia de Sistemas “Soft”
•1979: Associação Portuguesa para o Desenvolvimento da IO, actualmente
Associação Portuguesa De IO – APDIO
•1980: Programação em Lógica por Restrições
•1980: Gestão de receitas
•1982: W. Metropolis, Pesquisa por Arrefecimento Simulado
•1984: N. Karmarkar, Métodos de Ponto Interior
•1989: F. Glover, Pesquisa Tabu
•1990: Gestão da Cadeia Logística
•1990: Algoritmos Evolucionários
•2000: Algoritmo Simplex para programação linear é eleito um dos 10 “melhores”
algoritmos do século XX pelo American Institute of Physics e IEEE Computer Society
•2003: EURO/INFORMS Joint International Meeting, cerca de 1500 apresentações.
•2004: Iniciativa da INFORMS: “Operations research – The science of better”
24
Isaac Newton, Patrick Blackett, John von Neumann, Leonid Kantorovich, George Dantzig, Ralph Gomory, Narendra Karmarkar, Fred Glover
A IO na actualidade (1)
•Tipos de problemas de IO e a sua relação com áreas de conhecimento e disciplinas
científicas
•Áreas de aplicação fundamentais

o Agricultura, indústria automóvel, aviação, distribuição, electrónica, finanças, indústria
alimentar, logística, militar, produção, saúde, transportes, telecomunicações
•As aplicações da IO e os seus benefícios são o tema da revista (científica)Interfaces,
http://www.informs.org/site/Interfaces/, da INFORMS. Os volumes desta revista com
mais de dois anos (e desde o início da sua publicação em 1970) estão disponíveis na
maior parte das instituições de ensino superior portuguesas através da biblioteca do
conhecimento online, http://www.b-on.pt/
25
•Áreas de aplicação • Indústria petrolífera
• Agricultura • Inovação e gestão de conhecimento
• Aviação • Marketing
• Bioinformática • Medicina
• Biologia molecular computacional • Modelização económica
• Caminhos de ferro • Modelização da poluição do ar
• Corte e empacotamento • Planeamento da produção de semicondutores
• Comércio electrónico • Política energética
• Cuidados de saúde
• Política florestal
• Desenho, planeamento e controlo de armazéns
• Desenho de VLSIs • Recursos naturais
• Desenho de redes • Sector militar
• Empreendedorismo • Serviços financeiros
• Engenharia financeira • Sistemas de manufactura flexíveis
• Estabelecimento de horários • Sistemas de produção e inventários
• Gestão ambiental • Sistemas de reservatórios de água
• Gestão da cadeia de abastecimento • Sistemas eléctricos de potência
• Gestão de desastres e de crises • Sistemas sociais complexos
• Gestão de projectos
• Telecomunicações e redes de computadores
• Gestão de sistemas de informação
• Indústria aeroespacial • Transportes
• ...
Lista baseada nas sessões da conferência “EURO/INFORMS joint international meeting Istanbul 2003” e nas aplicações abordadas
em P. N. Pardalos and Mauricio G. C. Resende, (editors), “Handbook of Applied Optimization”, Oxford University Press, 2002
•Tópicos de IO
• Optimização de problemas de grande dimensão
(ou relacionados) • Optimização robusta
• Algoritmos de pesquisa • Planeamento e gestão estratégicas
• Algoritmos paralelos • Previsão
• Apoio à decisão multi-critério
• Processo hierárquico analítico
e multi-objectivo
• Conjuntos difusos • Programação dinâmica
• Corte e empacotamento • Programação estocástica
• Data envelopment analysis • Programação inteira
• Decisão em grupo e negociação • Programação linear
• Encaminhamento (routing) • Programação matemática
• Escalonamento • Programação não linear
• Estatística Bayesiana • Redes e grafos
• Fiabilidade • Revenue management and pricing
• Gestão da Qualidade
• Sequenciamento
• Inteligência artificial, sistemas periciais
e redes neuronais • Simulação
• Localização • Substituição de equipamento
• Logística • Teoria e análise da decisão
• Logística inversa / Remanufactura • Teoria de sistemas dinâmicos
• Metaheurísticas • Teoria dos jogos
• Modelos estocásticos • Transportes
• Optimização combinatória • ...
Lista baseada nas sessões da conferência “EURO/INFORMS joint international meeting Istanbul 2003”.
26
•Instituições internacionais sedeadas nos Estados Unidos da América
Fonte: M. Emes,A. Smith, D. Cowper, Confronting an identity crisis - How to brand systems engineering,
Systems Engineering, Vol. 8, No. 2, 2005
Fonte: F. S. Hillier and G. J. Lieberman,

“Introduction to Operations Research”, Mc-GrawHill,
7th edition, 2001.
Tabela 1.1, página 4.
27
•“Escalonamento de tripulações permite poupar 20 000 000 $/ano à American
Airlines
•Encaminhamento de encomendas permite poupar mais de 17 300 000 $/ano à
Yellow Freight
•Estima-se que modelos de encaminhamento de frotas permitem poupar 100 000
000 $/ano à United Airlines”
» J. Orlin, Introduction to Optimization, MIT OpenCourseware, 2005
•Muitas oportunidades para a IO

o Quantidades enormes de informação disponível (e-business, sensores, ...)
o Automatização da tomada de decisão (por exemplo, engenharia de tráfego em redes de
telecomunicações)
o Necessidade da coordenação eficiente da utliização de recursos (por exemplo, gestão da
cadeia de abastecimento)
• Operation Everything - It stocks your grocery store, schedules your favorite team's
games, and helps plan your vacation. A primer on the most influential academic
discipline you've never heard of.
» Título de jornal (Virginia Postrel, Boston Globe, June 27, 2004)
• O Departamento de trabalho dos Estados Unidos da América prevê um aumento

de 11% no número de profissionais classificados como Analistas de IO entre os
anos de 2006 e 2016, correspondendo a um aumento de 58000 para 65000 do
número de profissionais.
» United States Department of Labor, Bureau of Labor Statistics, Occupational Outlook Handbook, 2008-09 Edition, Operations
Research Analysts, http://www.bls.gov/oco/ocos044.htm.
•“Despite its rapid growth, operations research is still a relatively young scientific
activity. Its techniques and methods, and the areas to which they are applied, can
be expected to continue to expand rapidly. Most of its history lies in the future.”
» “Operations Research“, Britannica 2002 Deluxe Edition CD-ROM
28
Definições de IO (1)
•Numa frase:
o “A ciência aplicada para melhores decisões”
» [tema do 8º Congresso da Associação Portuguesa de Investigação Operacional
realizado em 1998]
•Enciclopédia Britânica:
o “Application of scientific methods to the management and administration of organized
military, governmental, commercial, and industrial processes.”
» “Operations Research“, Britannica 2002 Deluxe Edition CD-ROM
•Operational Research Society (1962):

o “Using science in attacking complex problems which arise from the direction and
management of systems of people, machines, materials, and money in industry,
business, government and defence.“
•OR/MS Today (1999):
o “Operations research (OR) is the application of scientific methods to improve the
effectiveness of operations, decisions and management. By means such as analyzing
data, creating mathematical models and proposing innovative approaches, OR
professionals develop scientifically based information that gives insight and guides
decision-making. They also develop related software, systems, services and products”
Randy Robinson
•Associação Portuguesa de Investigação Operacional:
o “[...] ciência aplicada voltada para a resolução de problemas reais, em que se procura
trazer para o campo da tomada de decisões (sobre a concepção, o planeamento ou a
operação de sistemas) a atitude e os métodos próprios de outras áreas científicas.
Através de desenvolvimentos de base quantitativa, a Investigação Operacional visa
também introduzir elementos de objectividade e racionalidade nos processos de tomada
de decisão, sem descurar no entanto os elementos subjectivos e de enquadramento
organizacional que caracterizam os problemas.”
29
www.scienceofbetter.org
30
Problema de engenharia de tráfego (1)
•IEEE 802.1D Spanning Tree Protocol
o Permite a activação de um conjunto mínimo de ligações, formando uma árvore de
suporte que suporta o tráfego na rede; as outras ligações passam a ser ligações de
backup no caso de falha
Problema de engenharia de tráfego (2)

•IEEE 802.1S Multiple Spanning Tree Protocol
o Encaminhamento do tráfego na rede é feito com base em várias árvores de suporte
melhora o balanceamento de carga na rede
minimiza o atraso médio do tráfego
aumenta o número de percursos disponíveis para estabelecer novos fluxos ou reencaminhar
fluxos em caso de falha
Baseado em Engineering of Telecommunication Networks based on Multiple Spanning Tree Routing, D. Santos, A. Sousa, F. A., a ser publicado em “Traffic
Management and Traffic Engineering for the Future Internet, First Euro-NF International Workshop, FITraMEn 2008, Porto, Portugal, December 11-12, 2008,
Revised Selected Papers”, Lecture Notes in Computer Science, Springer-Verlag Berlin, Vol. 5464
31
Transportes colectivos (1)
•Sistema GIST utilizado por STCP, Carris, Horários do Funchal, Vimeca e Rodoviária
de Lisboa.
J. P. Sousa, J. F. Cunha, R. Guimarães, J. P. Paixão, “GIST – Um Sistema de Apoio à Decisão para o Planeamento Operacional de Transportes Colectivos”, em
“Casos da Aplicação da Investigação Operacional”, editado por C. H. Antunes, L. V. Tavares, McGraw-Hill, 2000
32
Concursos públicos
•Metodologia utilizada no “Concurso
Público Internacional para a adjudicação
do projecto, construção, equipamento,
financiamento e operação por um curto
período de tempo, de um sistema de
metro ligeiro na Área Metropolitana do
Porto”.
C. Bana e Costa, J. Ferreira, É. Corrêa, “Metodologia Multicritério de

Avaliação de Propostas em Concursos Públicos”, em “Casos da
Aplicação da Investigação Operacional”, editado por C. H. Antunes, L.
V. Tavares, McGraw-Hill, 2000
33
VLSI routing
Terminais
Redes: 1,2,3
Layers
Fonte da imagem: B. Golda, B. Laczay, A. A. Mann, C. Megyeri, A. Recsksi. Implementation of VLSI routing algorithms,
http://citeseer.nj.nec.com/golda02implementation.html
Desenho de redes
•Dados: localizações dos terminais, tráfego de cada terminal e custos e capacidades
das ligações possíveis.
•Definir quais as ligações a estabelecer de forma a obter uma configuração da rede
de acesso com o menor custo possível.
•Se a rede de acesso tiver n nodos, existem nn-2 configurações possíveis (não
considerando restrições de capacidade).
Nodo da
rede
backbone Ponto de
acesso
34
Links fundamentais
•Operations Research – The Science of Better
www.scienceofbetter.org/
•APDIO – Associação Portuguesa de Investigação Operacional.
www.apdio.pt/
•EURO – The Association of European Operational Research Societies
http://www.euro-online.org/
•IFORS – International Federation of Operational Research Socities.
http://www.ifors.org/
•INFORMS – Institute for Operations Research and Management Sciences
http://www.informs.org/
•estudIO – Estudantes de Investigação Operacional.
http://www.estudio.fc.ul.pt/
Bibliografia e Links (1)

• APDIO – Associação Portuguesa de Investigação Operacional.
http://www.apdio.pt/
• D. Applegate, R. Bixby, V. Chvátal, W. Cook, University of Princeton, Solving TSP problems.
http://www.math.princeton.edu/tsp/
• C. H. Antunes e L. V. Tavares (editores), “Casos da Aplicação da Investigação Operacional”, McGraw-Hill,
2000.
• Anthony Balderrama, 10 Jobs That Pay $30 an Hour.
http://www.careerbuilder.com/JobSeeker/careerbytes/CBArticle.aspx?articleID=807&cbRecursionCnt=2
&cbsid=c6490d750043458588c32767c91081e7-257840038-RH-4
• J. Buescu, “O Mistério do Bilhete de Identidade e Outras Histórias, Crónicas das Fronteiras da Ciência”,
4a Edição, Gradiva, 2002.
• M. A. Carravilla, “História e Metodologia da Investigação Operacional”, transparências de apoio à
leccionação de aulas teóricas, Faculdade de Engenharia da Universidade do Porto, 2001.
• B.A. Cipra, “The Best of the 20th Century: Editors Name Top 10 Algorithms”, SIAM News, Volume 33,
Number 4, May 2000.
http://www.siam.org/siamnews/05-00/current.htm
• G. Dantzig, “Linear Programming and Extensions”, Princeton University Press, 1963.
• G. Dantzig, “The Diet Problem”, Interfaces, Volume 20, Number 4, Jul/Aug 1990 pp:43-47.
http://www.interfaces.smeal.psu.edu
• G. Dantzig, “Linear programming”, Operations Research, Volume 50, 2002, pp. 42.47.
35
• e-optimization.community (entrevista com G. Dantzig).
http://www.e-optimization.com/directory/trailblazers/dantzig/
• EURO – The Association of European Operational Research Societies
http://www.euro-online.org/
• L. Fortuin, P. Van Beek and L. N. Van Wassenhove (editors),“OR at wORk, practical experiences of
Operational Research”, Taylor and Francis, 1996.
• R. Gardner, “L. V. Kantorovich: The price implications of optimal planning”, Journal of Economic
literature, June 1990, Vol. XXVIII, pp. 638-648.
• S. I. Gass, “Great Moments in HistORy “, OR/MS Today, October 2002, Volume 29, Number 5.
http://www.lionhrtpub.com/orms/orms-10-02/tocfr.html
• B. Golda, B. Laczay, A. A. Mann, C. Megyeri, A. Recsksi. “Implementation of VLSI routing
algorithms”.
http://citeseer.nj.nec.com/golda02implementation.html
• R. Guimarães, “Metodologia da Investigação Operacional”, Faculdade de Engenharia da
Universidade do Porto, 1979.
• F. S. Hillier and G. J. Lieberman, “Introduction to Operations Research”, Mc-GrawHill, 7th edition,
2001.
• IFORS – International Federation of Operational Research Socities.
http://www.ifors.org/

• INFORMS Time Line for Operations Research, On the Occasion of OR’s 50th Anniversary.
http://www.informs.org/Press/Timeline03f.htm
• P. Keys (editor), “Understanding the Process of Operational Research, Collected Readings”, John
Wiley and Sons, 1995.
• Manufacturing Systems / Industrial Engineering @ Sabanci University
(inclui time line e volumes 1 (1952), 25 (1977) e 50 (2002) da revista Operations Research –
Volume 50 é dedicado ao 50º aniversário).
http://fens.sabanciuniv.edu/msie/operations_research_50_years/anniversary/
• J. Orlin, Introduction to Optimization, OpenCourseware, 2005
• P. N. Pardalos and Mauricio G. C. Resende, (editors), “Handbook of Applied Optimization, Oxford
University Press, 2002.
• R. Robinson, OR/MS Today, August 1999.
http://www.lionhrtpub.com/orms/orms-8-99/robinson.html
• A. Schrijver, “Combinatorial Optimization”, Springer, 2003.
• L. V. Tavares, F. N. Correia, “Optimização Linear e Não Linear”, Fundação Calouste Gulbenkian,
1986.
• tutOR, OR Group, Department of Mathematics and Statistics, The University of Melbourne,
Australia.
http://www.tutor.ms.unimelb.edu.au/
36

01 - Introducao - Io - 2009 - 02

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

01 - Introducao - Io - 2009 - 02

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade do Minho

Introdução à Investigação Operacional

Filipe Pereira e Alvelos

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 2

Calorias / Proteínas (gramas / Custo (€ /

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 3

Problema do caixeiro viajante (1)

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 4

Fonte: Solving TSP problems, http://www.math.princeton.edu/tsp/, University of Princeton

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 5

Problema do caixeiro viajante (3)

•Imagem de fundo: instância do problema do caixeiro viajante (World TSP) com

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 6

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 7

Problema da selecção de projectos

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 8

Fonte da imagem: http://www-groups.dcs.st-and.ac.uk/~history/Miscellaneous/other_links/Konigsberg.html

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 9

Problema das pontes de Könisberg (2)

Fonte da imagem: “Graph Theory“, Britannica 2002 Deluxe Edition CD-ROM.

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 10

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 11

Problema de corte (2)

8 1122 X 481 (1)

3 273 X 583 (4) 10 975 X 90 (2)

4 1252 X 581 (2)

5 2382 X 487 (4)

6 1504 X 483 (2)

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 12

Problema do centro de atendimento telefónico (1)

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 14

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 15

Problema da acidificação (1)

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 16

Fonte da imagem: http://www.iiasa.ac.at/Admin/INF/OPT/Summer98/description.htm

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 17

Problema da acidificação (3)

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 18

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 19

Tipos de problemas (1)

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 20

Ambiente Estático Evolutivo Dinâmico

Objectivo(s) Bem definido Múltiplos Difuso

Problema de escalonamento (1)

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 22

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 23

Problema de escalonamento (3)

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 24

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 25

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 26

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 27

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 28

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 29

Modelos e métodos da IO (2)

Modelo de Programação Linear

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 30

Modelo de Programação Inteira

‫ = ݖ ݊݅ܯ‬෍ ‫݆ݔ ݆݌‬

Modelos e métodos da IO (4)

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 32

Filipe Pereira e Alvelos, Introdução à Investigação Operacional, pg. 33

Modelos e métodos da IO (6)

• f(x) é o comprimento do caminho x