Você está na página 1de 125

1

Faculdade de Engenharia - Campus de Guaratinguet


Pesquisa Operacional
Livro: Introduo Pesquisa Operacional
Captulo 2 - Programao Linear
Fernando Marins fmarins@feg.unesp.br
Departamento de Produo
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Sumrio
2
Modelagem e limitaes da Programao Linear.
Resoluo Grfica.
Forma padro de um modelo de Programao Linear.
Definies e Teoremas.
Forma cannica de um sistema de equaes lineares.
Mtodo Simplex.
Exerccios
Pesquisa Operacional - UNESP / Campus de Guaratinguet
3
Programao Linear:
Preocupao em encontrar a melhor soluo para problemas
associados com modelos lineares.
Modelo de Programao Linear:
Maximizao (ou minimizao) de uma funo objetivo linear com
relao as variveis de deciso do modelo.
Respeitando-se as limitaes (restries) do problema expressas por
um sistema de equaes e inequaes associadas com as variveis de
deciso do modelo.
Programao Linear
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
4
Razes para o uso da Programao Linear:
1. Grande variedade de situaes podem ser aproximadas por
modelos lineares.
2. Existncia de tcnicas (algoritmos) eficientes para a soluo
de modelos lineares.
3. Possibilidade de realizao de anlise de sensibilidade nos
dados do modelo.
4. Estgio de desenvolvimento da tecnologia computacional.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
5
Passos bsicos na obteno de modelos de PL:
1. Identificar as variveis de deciso, represent-las em simbologia
algbrica.
2. Identificar as restries do problema, express-las como
equaes ou inequaes lineares em termos das variveis de
deciso.
3. Identificar o objetivo de interesse no problema, represent-lo
como funo linear em termos das variveis de deciso, que
dever ser maximizada ou minimizada.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
6
Construo de modelos no uma cincia, mas uma
arte, podendo ser melhorada com a prtica.
Exemplos a serem trabalhados:
Determinao do mix de produo
Seleo de mdia para propaganda
Um problema de treinamento
Uma indstria qumica
Uma oficina mecnica
Dimensionamento de equipes de inspeo
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
7
Determinao do mix de produo
Uma companhia deseja programar a produo de um utenslio de cozinha
que requer o uso de dois tipos de recursos mo-de-obra e material. A
companhia est considerando a fabricao de trs modelos e o seu
departamento de engenharia forneceu os dados a seguir:
Modelo
A B C
Mo-de-obra
(horas por unidade)
7 3 6
Material
(kg por unidade)
4 4 5
Lucro
($ por unidade)
4 2 3
O suprimento de material de
200 kg por dia. A
disponibilidade diria de mo-
de-obra 150 horas. Formule
um modelo de Programao
Linear para determinar a
produo diria de cada um dos
modelos de modo a maximizar
o lucro total da companhia.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
8
Formulao do modelo
1. Identificao das variveis de deciso:
X
A
produo diria do modelo A
X
B
produo diria do modelo B
X
C
produo diria do modelo C
2. Identificao das restries:
(Limitao de mo-de-obra) 7X
a
+ 3X
b
+ 6X
c
s 150
(Limitao de material) 4X
a
+ 4X
b
+5X
c
s 200
(No-negatividade) X
a
> 0, X
b
> 0, X
c
> 0.
3. Identificao do objetivo: maximizao do lucro total
Lucro Total = L = 4X
a
+ 2X
b
+3X
c
Max L = 4X
a
+ 2X
b
+3X
c
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
9
Modelo
Encontrar nmeros X
a
, X
b
, X
c
tais que:
Max L= 4X
a
+ 2X
b
+3X
c
Sujeito as restries: 7X
a
+ 3X
b
+6X
c
s 150
4X
a
+ 4X
b
+5X
c
s 200
X
a
> 0, X
b
> 0, X
c
> 0
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
10
Seleo de mdia para propaganda
Uma companhia de propaganda deseja planejar uma campanha em 03
diferentes meios: TV, rdio e revistas. Pretende-se alcanar o maior
nmero de clientes possvel. Um estudo de mercado resultou em:
TV
horrio
TV
horrio
Rdio Revistas
normal nobre
Custo
40.000 75.000 30.000 15.000
Clientes
Atingidos
400.000 900.000 500.000 200.000
Mulheres
Atingidas
300.000 400.000 200.000 100.000
0bs: valores vlidos para cada veiculao da propaganda.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
11
A companhia no quer gastar mais de $ 800.000 e, adicionalmente,
deseja:
(1) Que no mnimo 2 milhes de mulheres sejam atingidas;
(2) Gastar no mximo $ 500.000 com TV;
(3) Que no mnimo 03 veiculaes ocorram no horrio normal TV;
(4) Que no mnimo 02 veiculaes ocorram no horrio nobre TV;
(5) Que o n. de veiculaes no rdio e revistas fiquem entre 05 e 10, para
cada meio de divulgao.
Formular um modelo de PL que trate este problema,
determinando o n. de veiculaes a serem feitas em cada meio de
comunicao, de modo a atingir o mximo possvel de clientes.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
12
Resoluo do exemplo seleo de mdia para propaganda
Variveis de deciso:
X
1
= n. de exposies em horrio normal na tv.
X
2
= n. de exposies em horrio nobre na tv.
X
3
= n. de exposies feitas utilizando rdio
X
4
= n. de exposies feitas utilizando revistas.
Funo-objetivo:
Maximizar n. de clientes atingidos
Max Z = 400.000X
1
+ 900.000X
2
+ 500.000X
3
+ 200.000X
4
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
13
Restries:
Oramento:
40.000X
1
+ 75.000X
2
+ 30.000X
3
+ 15.000X
4
s 800.000
Mulheres atingidas:
300.000X
1
+ 400.000X
2
+ 200.000X
3
+ 100.000X
4
> 2.000.000
Gasto com TV
40.000X
1
+ 75.000X
2
s 500.000
N. de veiculaes em TV, rdio e revistas
X
1
> 3, X
2
> 2, 5 s X
3
s 10, 5 s X
4
s 10
No-negatividade
X
1
, X
2
, X
3
, X
4
> 0.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
14
Um problema de treinamento
Uma empresa de mquinas ferramentas tem um programa
de treinamento para operadores de mquinas. Alguns operadores
j treinados podem trabalhar como instrutores neste programa
ficando responsveis por 10 trainees cada. A empresa pretende
aproveitar apenas 07 trainees de cada turma de 10.
Estes operadores treinados tambm so necessrios na
linha de fabricao, e sabe-se que sero necessrios para os
prximos meses: 100 operadores em janeiro, 150 em fevereiro,
200 em maro, e 250 em abril. Atualmente h 130 operadores
treinados disponveis na empresa.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
15
Encontrar um modelo de PL que fornea um programa de
treinamento de custo mnimo e satisfaa os requisitos da empresa
em termos de n. de operadores treinados disponveis a cada ms.
Observao: acordo firmado com o sindicato probe demisses de
operadores treinados no perodo.
Os custos associados a cada situao so:
Trainees ...........................................................................$ 400.
Operador treinado trabalhando ........................................$ 700.
Operador treinado ocioso..................................................$ 500.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
16
Variveis de deciso:
X
6
= operadores ociosos em maro
X
5
= operadores trabalhando como instrutores em maro
X
4
= operadores ociosos em fevereiro
X
3
= operadores trabalhando como instrutores em fevereiro
X
2
= operadores ociosos em janeiro
Resoluo do exemplo: Um problema de treinamento
Observe que a cada ms um operador treinado est: operando
mquina, trabalhando como instrutor, ou est ocioso. Alm disto, o
n. de operadores treinados trabalhando nas mquinas fixo e
conhecido: 100 em janeiro, 150 em fevereiro, 200 em maro e 250
em abril.
X
1
= operadores trabalhando como instrutores em janeiro
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
17
Funo-objetivo:
Min C = 400-(10X
1
+ 10X
3
+ 10X
5
) + 700-(X
1
+ X
3
+ X
5
) +
+ 500-(X
2
+ X
4
+ X
6
) + 700-(100 + 150 + 200)
Min C = 4700X
1
+500X
2
+ 4700X
3
+500X
4
+4700X
5
+500X
6
+ 315.000
Custo total = custo trainees + custo instrutores + custo ociosos +
custo operadores trabalhando em mquinas.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
18
Restries: X
1
, X
2
, X
3
, X
4
, X
5
, X
6
> 0 (no-negatividade)
Abril: 250 = 130 + 7X
1
+ 7X
3
+ 7X
5
7X
1
+ 7X
3
+ 7X
5
= 120.
operadores treinados no incio do ms = operadores nas mquinas
+ instrutores + operadores ociosos.
Equao de balano mensal:
Janeiro: 130 = 100 + X
1
+ X
2
X
1
+ X
2
= 30
Fevereiro: 130 + 7X
1
= 150 + X
3
+ X
4
7X
1
- X
3
- X
4
= 20
Maro: 130 + 7X
1
+ 7X
3
= 200 + X
5
+ X
6
7X
1
+ 7X
3
- X
5
- X
6
= 70
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
19
Uma indstria qumica
Dois produtos, A e B, so feitos a partir de duas operaes
qumicas. Cada unidade do produto A requer 02 horas da operao 1 e 03
horas da operao 2. Cada unidade do produto B requer 03 horas da
operao 1 e 04 horas da operao 2. O tempo total disponvel para a
realizao da operao 1 de 16 horas, e o tempo total para a operao 2
de 24 horas.
A produo do produto B resulta, tambm, num subproduto C
sem custos adicionais. Sabe-se que parte do produto C pode ser vendido
com lucro, mas o restante deve ser destrudo. Previses mostram que no
mximo 05 unidades do produto C sero vendidas, e sabe-se que cada
unidade do produto B fabricada gera 02 unidades do produto C.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
20
Sabe-se que:
Produto A gera um lucro de $ 4 por unidade.
Produto B gera um lucro de $ 10 por unidade.
Produto C gera um lucro de $ 3 por unidade se for vendido.
Produto C gera um custo de $ 2 por unidade se for destrudo
Determinar um modelo de PL para tratar este problema, e
encontrar quanto produzir de cada produto, de modo a maximizar
o lucro da indstria qumica.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
21
Observe que o lucro da venda do produto A uma funo linear,
mas com respeito ao produto C isto no ocorre.
Resoluo do exemplo: Uma indstria qumica - produto A
Quantidade
Lucro
Produto A
4
Produto B
10
Quantidade
Produto C
-2
Lucro
3
5
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
22
2 X
1
+ 3 X
2
s 16 (disponibilidade de tempo para operao 1)
3 X
1
+ 4 X
2
s 24 (disponibilidade de tempo para operao 2)
X
3
+ X
4
= 2 X
2
(produo do produto C a partir do produto B)
X
3
s 5 (previso de produto C que pode ser vendido)
X
1
, X
2
, X
3
, X
4
> 0 (no-negatividade)
Restries:
Artifcio: considerar as variveis de deciso como sendo
X
1
= quantidade produto A produzida
X
2
= quantidade produto B produzida
X
3
= quantidade produto C vendida
X
4
= quantidade produto C destruda
Funo-objetivo:
Max Z = 4 X
1
+ 10 X
2
+ 3 X
3
2 X
4
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
23
Oficina mecnica
Uma oficina mecnica tem 01 furadeira vertical e 05 fresas,
que so usadas para a produo de conjuntos formados de 2 partes.
Sabe-se qual a produtividade de cada mquina na fabricao destas
partes do conjunto:
Furadeira Fresa
Parte 1 03 20
Parte 2 05 15
Obs: tempo para produzir as partes dado em minutos.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
24
O encarregado pela oficina deseja manter uma carga balanceada
nas mquinas de modo que nenhuma delas seja usada mais que 30
minutos por dia que qualquer outra, sendo o carregamento de
fresamento dividido igualmente entre as 05 fresas.
Achar um modelo de PL para dividir o tempo de trabalho entre as
mquinas de modo a obter o mximo de conjuntos completos ao
final de um dia, num total de 08 horas de trabalho.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
25
Restries:
3X
1
+ 5X
2
s 480
(minutos por dia disponveis para a furadeira)
(20X
1
+ 15X
2
)/5 = 4X
1
+ 3X
2
s 480
(minutos por dia disponveis para cada fresa)
Resoluo do exemplo: Oficina mecnica
Variveis de deciso:
X
1
= nmero de partes 1 produzidas por dia
X
2
= nmero de partes 2 produzidas por dia
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
26
Observe que esta ltima restrio no linear, mas equivalente
a duas equaes lineares que podem substitu-la:
X
1
- 2X
2
s 30 e -X
1
+ 2X
2
s 30
X
1
, X
2
> 0 (no-negatividade).
|(4X
1
+ 3X
2
) - (3X
1
+ 5X
2
)| = |X
1
-2X
2
| s 30
(Balanceamento de carga entre as mquinas)
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
27
maximizao do nmero de conjuntos completos por dia
Max Z = min (X
1
, X
2
)
Observe que esta funo no linear, mas pode ser linearizada
utilizando-se uma nova varivel, da forma:
Seja Y = min (X
1
, X
2
), Y > 0, naturalmente tem-se duas novas
restries
Dadas por: Y s X
1
e Y s X
2
.
A funo-objetivo linear fica sendo: Max Z = Y
Funo-objetivo:
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
28
Problema de dimensionamento de equipes de inspeo
Uma companhia deseja determinar quantos inspetores alocar
uma dada tarefa do controle da qualidade. As informaes
disponveis so:
H 08 inspetores do nvel 1 que podem checar as peas a
uma taxa de 25 peas por hora, com uma acuracidade de 98%, sendo
o custo de cada inspetor deste nvel $4 por hora;
H 10 inspetores do nvel 2 que podem checar as peas a
uma taxa de 15 peas por hora, com uma acuracidade de 95%, sendo
o custo de cada inspetor deste nvel $3 por hora.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
29
A companhia deseja que no mnimo 1800 peas sejam
inspecionadas por dia (= 08 horas).
Sabe-se, ainda, que cada erro cometido por inspetores no controle
da qualidade das peas acarreta um prejuzo companhia de $2 por
pea mal inspecionada.
Formular um modelo de PL para possibilitar a designao tima do
n. de inspetores de cada nvel de modo a otimizar o custo da
inspeo diria da companhia.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
30
Funo objetivo:
Minimizar C = custo total dirio de inspeo ($/dia)
onde : custo total = custo do salrio dos inspetores + custo dos erros
Min C = 8 *[(4X
1
+ 3X
2
) + 2 * (25*0,02X
1
+ 15*0,05X
2
)]
Min C = 40X
1
+ 36X
2
Resoluo do exemplo: Dimensionamento de equipes de inspeo
Variveis de deciso:
X
i
= n. de inspetores do nvel i (= 1, 2) alocados inspeo.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelagem em Programao Linear
31
1. Quanto ao n. de inspetores disponveis:
X
1
s 8 (inspetores do nvel 1)
X
2
s 10 (inspetores do nvel 2)
2. Quanto ao n. de peas inspecionadas por dia:
8 * (25X
1
+ 15X
2
) > 1800 5X
1
+ 3X
2
> 45
3. Restries implcitas de no negatividade:
X
1
> 0
X
2
> 0.
Restries:
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
32
Aplicvel para modelos com 02 variveis de deciso
til para a ilustrao de alguns conceitos bsicos utilizados na
resoluo de modelos de maior porte.
Etapas a serem seguidas na resoluo grfica
1 Passo: identificar a regio vivel do modelo, isto , quais so os
pares (X
1
, X
2
) que satisfazem a todas as restries.
2 Passo: achar a melhor soluo vivel, denominada Soluo
tima e denotada por (X
1
*, X
2
*), que leva ao valor timo da
funo-objetivo Z*.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
33
Problema de mix de Produo
Fabricao de dois modelos de brinquedos: B
1
e B
2
.
Lucros unitrios/dzia: $8 para B
1
e $5 para B
2
Recursos disponveis:
1000 kg de plstico especial.
40 horas para produo semanal.
Requisitos do Departamento de Marketing:
Produo total no pode exceder 700 dzias;
A quantidade de dzias de B
1
no pode exceder em 350 a
quantidade de dzias de B
2
.
Dados tcnicos:
B
1
requer 2 kg de plstico e 3 minutos por dzia.
B
2
requer 1 kg de plstico e 4 minutos por dzia.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
34
A Gerncia est procurando um
programa de produo que aumente
o lucro da Companhia.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
35
Variveis de deciso:
X
2
: produo semanal de B
2
(em dzias).
X
1
: produo semanal de B
1
(em dzias).
Funo Objetivo: Maximizar o Lucro semanal
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
36
Max 8X
1
+ 5X
2
(Lucro semanal)
sujeito a:
2X
1
+ 1X
2
1000 (Plstico - Kg)
3X
1
+ 4X
2
2400 (Tempo de produo - minutos)
X
1
+ X
2
700 (Produo total)
X
1
- X
2
350 (mix)
X
j
> 0, j = 1,2 (No negatividade)
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
37
Conceitos importantes:
Os pontos (X
1
, X
2
) que satisfazem todas as restries do
modelo formam a Regio Vivel.
Esses pontos so chamados de Solues Viveis.
Usando a resoluo grfica pode-se representar todos as
restries (semi-planos), a funo objetivo (reta) e os trs
tipos de pontos viveis.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
38
1 Passo:
Traar eixos cartesianos, associando a cada um deles uma
varivel de deciso.
No exemplo de fabricao de brinquedos: X
1
para o eixo
das abscissas e X
2
para o eixo das ordenadas.
As restries de no-negatividade, X
1
> 0 e X
2
> 0,
implicam que os pares (X
1
, X
2
) viveis esto no 1 quadrante
dos eixos considerados.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
39
Representando as condies de no negatividade
X
2
X
1
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
40
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Observar que no exemplo dos brinquedos, as restries correspondem a
semi-planos associados, respectivamente, s retas suportes dadas por:
2X
1
+ 1X
2
= 1000
3X
1
+ 4X
2
= 2400
X
1
+ X
2
= 700
X
1
- X
2
= 350
X
j
> 0, j = 1,2
Notar que cada reta suporte define dois semi-planos no espao (X
1
, X
2
).
Para identificar qual destes semi-planos de interesse no caso, ou seja,
contm os pontos que satisfazem a desigualdade da restrio, basta testar
algum ponto esquerda ou direita (acima ou abaixo) da reta suporte da
desigualdade.
Um ponto que torna isto fcil a origem (0, 0), mas poderia ser qualquer
outro.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
41
1000
500
Vivel
X
2
Invivel
Tempo de
produo
3X
1
+4X
2
s2400
Restrio da produo total
X
1
+X
2
s700 (redundante)
500
700
Restrio do plstico
2X
1
+X
2
s 1000
X
1
700
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
42
1000
Vivel
X
2
Invivel
Tempo de Produo
3X
1
+4X
2
s 2400
Restrio da produo total:
X
1
+X
2
s 700 (redundante)
500
Restrio do mix da produo:
X
1
-X
2
s350
Restrio do plstico
2X
1
+X
2
s 1000
X
1
700
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
43
1000
500
Vivel
X
2
Invivel
500
700
X
1
700
H trs tipos de pontos viveis.
Pontos interiores.
Pontos na fronteira.
Pontos extremos.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
44
2 Passo:
Observar que a funo-objetivo, ao se fixar um valor para Z,
representa uma reta. Alteraes neste valor de Z gera uma famlia de
retas paralelas.
No exemplo dos brinquedos: considere a reta obtida fazendo
Z= 2000, isto , a reta dada por 8X
1
+ 5X
2
= 2000. Percebe-se que ao se
traar retas paralelas no sentido de ficar mais afastado da origem (0, 0), o
valor de Z aumenta.
De fato pode-se verificar que a reta paralela, que contm algum
ponto da regio vivel, no caso o ponto timo X* = (320, 360), e est
mais afastada da origem, corresponde a um valor timo da funo
objetivo Z* = 4360.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
45
A busca por uma Soluo tima:
Comear com algum valor de lucro arbitrrio,
Por exemplo $2000...
Depois aumentar o lucro, se possvel...
...e continuar at que seja invivel
600
700
1000
500
X
2
X
1
X* = (320, 360)
com Z* = 4.360
Pesquisa Operacional - UNESP / Campus de Guaratinguet
46
Pontos extremos e Solues timas
Se o problema de Programao Linear tem uma Soluo
tima, um ponto extremo Soluo tima.
Resoluo grfica de modelos de PL
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
47
Solues timas Mltiplas
Quando a funo objetivo paralela a alguma restrio.
Todos os pontos do segmento de
reta sero Solues timas.
X* = oX*
1
+ (1 - o)X*
2
, com 0 s o s 1
X*
1
X*
2
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
48
Visualizao de situaes possveis
X
2
Soluo
nica
X
1
Z
Z*
Soluo
ilimitada
Z
X
2
X
1
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
49
Mltiplas Solues
timas 1
Segmento de Reta
timo
X
1
X*
Z
Z
*
X
2
X
2
X
1
Mltiplas
Solues timas 2
Semi-reta tima
Z*
X*
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Resoluo grfica de modelos de PL
50
X
2
X
1
O conjunto
vivel vazio.
H restries
incompatveis.
Problema
invivel
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Forma padro de modelo de PL
51
Um modelo de PL com m restries e n variveis est na forma
padro se possuir as caractersticas abaixo:
1. A funo-objetivo de minimizao ou maximizao;
2. Todas as restries esto na forma de igualdade;
3. Todas as variveis so no-negativas;
4. As constantes de cada restrio so no-negativas.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Forma padro de modelo de PL
52
Modelo na forma padro:
Minimizar (ou maximizar) Z = C
1
X
1
+ C
2
X
2
+ ... + C
n
X
n
Sujeito a:

> > >


> > >
0. b ..., 0, b 0, b
0 X ..., 0, X 0, X
b = X A + ... + X A + X A
... ... ... ...
... ... ... ...
b = X A + ... + X A + X A
b = X A + ... + X A + X A
m 2 1
n 2 1
m n mn 2 m2 1 m1
2 n 2n 2 22 1 21
1 n 1n 2 12 1 11
Pesquisa Operacional - UNESP / Campus de Guaratinguet
53
Notao matricial para um modelo na forma padro:
Minimizar (ou maximizar) Z = C X
Sujeito a:
Onde: A (m x n) matriz de coeficientes tecnolgicos
X (n x 1) vetor das variveis de deciso
b (m x 1) vetor de demandas
C (1 x n) vetor de custos (lucros)

>
>
=
0. b
0 X
b AX
Forma padro de modelo de PL
Pesquisa Operacional - UNESP / Campus de Guaratinguet
54
Reduo de um modelo geral para a forma padro
O Mtodo Simplex exige que o modelo esteja na forma padro.
Tratando com restries na forma de inequaes:
Estas restries so transformadas em equaes atravs da
introduo de novas variveis (no-negativas), chamadas de
variveis de folga.
Forma padro de modelo de PL
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Forma padro de modelo de PL
55
Exemplo:
Considere o problema de dimensionamento de equipes de
inspeo:
X
1
s 8 X
1
+ X
3
= 8, X
3
> 0 uma varivel de folga.
X
2
s 10 X
2
+ X
4
= 10, X
4
> 0 uma varivel de folga.
5 X
1
+ 3 X
2
> 45 5 X
1
+ 3 X
2
X
5
= 45, X
5
> 0 uma varivel
de folga.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Forma padro de modelo de PL
56
Interpretao das variveis de folga no exemplo:
X
3
= nmero de inspetores do nvel 1 no utilizados.
X
4
= nmero de inspetores do nvel 2 no utilizados.
X
5
= nmero (extra) de peas inspecionadas por dia, acima da
quantidade mnima (1800) especificada pela empresa
Variveis de folga fornecem informaes teis sobre o problema.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Forma padro de modelo de PL
57
Tratando com variveis livres (irrestritas em sinal):
Em algumas situaes exige-se o uso de variveis que podem
assumir tanto valores positivos, nulos, e negativos. Estas variveis
so chamadas de livres (free) ou irrestritas em sinal.
Exemplo: Modelo de Planejamento Macroeconmico
Uma das Variveis de Deciso a Taxa de Inflao que pode
assumir qualquer valor positivo, nulo ou negativo (neste caso
conhecida como Deflao).
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Tratando com variveis livres (irrestritas em sinal):
58
Estas variveis devem ser eliminadas do modelo na forma padro. H,
pelo menos, duas maneiras de se fazer isto:
1. Por substituio utilizando uma das restries do modelo,
j na forma padro (igualdade), procura-se expressar a varivel livre
como funo das demais variveis (no negativas) do modelo. A seguir
eliminar a varivel livre do modelo substituindo-a pela funo
escolhida na etapa anterior. A equao utilizada para expressar a
varivel livre como funo das demais variveis tambm ser
eliminada do modelo.
2. Por transformao Suponha que a varivel livre S. Basta
substituir em todas as restries, e na funo objetivo, a varivel S por
S = S S, com S > 0 e S > 0 sendo duas novas variveis
(auxiliares) no modelo.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Forma padro de modelo de PL
59
Tratando com variveis no-positivas:
Suponha que num determinado modelo h uma varivel X
1
s 0.
Basta substitu-la no modelo por uma nova varivel no-negativa
X
1
> 0, dada por X
1
= X
1
.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Forma padro de modelo de PL
( )
( )
( )

s >

>
s
livre X 0, X 0, X
3 5 = 2X X 3X
2 2 X + X X
1 7 X + X + X
3 2 1
3 2 1
3 2 1
3 2 1
Exemplo Completo
Obtenha a forma padro do modelo abaixo:
Maximizar Z = X
1
2X
2
+ 3X
3
Sujeito a:
60
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Forma padro de modelo de PL
61
1. Introduzir variveis de folga nas restries (1) e (2):
X
1
+ X
2
+ X
3
+ X
4
= 7 (1) com X
4
> 0.
X
1
X
2
+ X
3
X
5
= 2 (2) com X
5
> 0.
2. Multiplicar a restrio (3) por ( 1) para eliminar b
3
= 5 < 0:
3X
1
+ X
2
+ 2X
3
= 5 (3)
3. Substituir X
2
s 0 por X
2
> 0 atravs de X
2
= X
2
:
Max Z = X
1
+ 2 X
2
+ 3 X
3
Sujeito a:
( )
( )
( )

' 3' 5 = 2X + ' X 3X


' 2' 2 = X X + ' X X
' 1' 7 = X + X + ' X X
3 2 1
5 3 2 1
4 3 2 1
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Forma padro de modelo de PL
62
4. Eliminar X
3
:
4.1. Substituio ou 4.2. Transformao
Max Z = -2X
1
+ 5X
2
- 3X
4
+ 21 ou Max Z = X
1
+ 2X
2
+ 3X
3
- 3X
3

s. a: s. a:
Usando
De (1): X
3
= 7 X
1
+ X
2
X
4
ou X
3
= X
3
X
3

>

+
0 X , X , ' X , X
9 = 2X + ' X 5X
5 = X + X ' 2X
5 4 2 1
4 2 1
5 4 2

>


+
0 X , X , ' ' X , ' X , ' X , X
5 = ' ' 2X ' '+2X X 3X
2 = X ' ' X ' X '+ X + X
7 = X ' ' X ' X '+ X X
5 4 3 3 2 1
3 3 2 1
5 3 3 2 1
4 3 3 2 1
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Definies e Teoremas em PL
63
Ponto central na resoluo de modelos de PL a soluo de sistemas
de equaes lineares.
Apresenta-se a seguir o Mtodo de Eliminao de Gauss Jordan.
Considere o sistema de equaes abaixo:
(S
1
)
(n variveis >> n equaes)
( )
( )

=
= + +
2 4 X X 3 X X X
1 2 X 2 X 4 X X 2 X
5 4 3 2 1
5 4 3 2 1
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Definies e Teoremas em PL
64
Conjunto soluo de (S
1
) a coleo de todos os valores de (X
1
,
X
2
, X
3
, X
4
, X
5
) que satisfazem as equaes (1) e (2)
conjuntamente.
Dois sistemas so equivalentes se possuem o mesmo conjunto
soluo.
Sistemas equivalentes podem ser obtidos por meio de operaes
elementares sobre as linhas do sistema:
1. Multiplicar (dividir) qualquer equao por um n.
2. Adicionar qualquer equao uma Combinao Linear das
demais equaes.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Forma Cannica
65
Um sistema (S
2
) equivalente a (S
1
) pode ser obtido
multiplicando-se a equao (1) por 1 e adicionando-se o
resultado equao (2):
(S
2
)
Um sistema (S
3
) equivalente a (S
1
) pode ser obtido
multiplicando-se equao (4) por 2 e adicionando-se o resultado
equao (3):
(S
3
)
(S
3
) denominado uma forma cannica do sistema original (S
1
).

=
= + +
(4) 2 3X X + 2X X
(3) 2 X 2 X 4 X X 2 X
5 4 3 2
5 4 3 2 1



(6) 2 = 3X X + 2X X
(5) 6 = 4X 2X 3X X
5 4 3 2
5 4 3 1
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Forma Cannica
66
Considere uma forma cannica de um sistema de equaes lineares:
(como (S
3
) anteriormente obtido)
Uma varivel dita ser varivel bsica para uma dada equao do
sistema se ela possuir coeficiente 1 nesta equao e coeficientes
nulos nas demais equaes do sistema.
Exemplo: em (S
3
) X
1
e X
2
so variveis bsicas
Variveis que no satisfazem a condio acima so chamadas de
variveis no-bsicas.
Exemplo: em (S
3
) X
3
, X
4
, X
5
so variveis no-bsicas.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Soluo Bsica
67
|
|
.
|

\
|
M
N
|
|
.
|

\
|
2
5
A soluo de um sistema na forma cannica, obtida fazendo-se as
variveis no-bsicas iguais a zero, chamada de uma soluo
bsica (SB).
N mximo de solues bsicas =
Exemplo:
Em (S
3
) fazendo-se X
3
= X
4
= X
5
= 0 X
1
= 6 e X
2
= 2 formam
uma soluo bsica.
N de solues bsicas = = 10
Uma Soluo Bsica Vivel (SBV) de um sistema uma soluo
bsica onde todas as variveis assumem valores no-negativos.
Exemplo: a soluo bsica do exemplo anterior uma SBV.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Pivoteamento
68
Operaes de Pivoteamento so as operaes elementares
aplicadas um sistema para transformar uma dada varivel em
varivel bsica. So usadas pelo mtodo de eliminao de
Gauss Jordan. Deve-se identificar o elemento Piv que deve
ser transformado em 1 e os demais elementos da sua coluna
que devem ser transformados em 0.
Para obter uma forma cannica de um sistema basta aplicar uma
sequncia de operaes de pivoteamento (mtodo de Gauss
Jordan) de modo se conseguir uma varivel bsica associada
com cada equao.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo de Eliminao de Gauss Jordan
69
Artifcio para a realizao de operaes de pivoteamento:
Considere o sistema (S) abaixo:
(S)
Achar (S) uma forma cannica de (S) de modo que X
1
seja a
varivel bsica associada com a equao (1), e X
3
seja a varivel
bsica associada com a equao (2).



(2) 2 = X 4X + X
(1) 4 = X 6 + X 2 X 2
3 2 1
3 2 1
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo de Eliminao de Gauss Jordan
70
VB X
1
X
2
X
3
b Operaes Elementares Feitas
X
1
2 -2 6 4 (1) - Piv em azul
X
3
-1 4 -1 2 (2)
(S)
Soluo bsica (no vivel): X1 = 4 (Varivel bsica)
X
3
= 2 (Varivel bsica) X2 = 0 (Varivel no bsica)
( )
( )


2 = X + X 3/2
4 = X 2 / 11 X
3 2
2 1
X
1
1 -11/2 0 -4 (1) = (1) - 3*(2)
X
3
0 3/2 1 2 (2) = (2)/2 Equao do Piv
X
1
1 -1 3 2 (1) = (1)/2 - Equao do Piv
X
3
0 3 2 4 (2) = (2) + (1) Piv em Azul
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Teoremas em PL
71
Teorema 1
Dado um modelo j na forma padro, as solues bsicas viveis do
sistema de equaes, correspondente s restries do modelo, esto
associadas a pontos extremos do conjunto de solues viveis do
modelo original.
Teorema 2
Se um modelo de Programao Linear possui Soluo tima ento
pelo menos um ponto extremo, do conjunto de solues viveis do
modelo original, corresponde a uma Soluo tima.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Comentrios Gerais
72
Procedimento simplista para resolver um modelo de PL
Gerar todas as possveis solues bsicas viveis.
Determinar qual das solues bsicas viveis corresponde ao
melhor valor da funo-objetivo.
Problemas:
1. N de solues bsicas viveis pode ser excessivo.
2. Modelo pode apresentar soluo ilimitada ou ainda ser invivel.
Observe que problemas de mdio porte, que aparecem na prtica,
costumam envolver centenas de variveis (valor de n) e milhares
de restries (valor de m).
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Comentrios Gerais
73
Linhas de Pesquisa
Algoritmos de pontos interiores e suas derivaes.
Implementaes de algoritmos para processamento em paralelo.
Linguagens de modelagem: ajudar no desenvolvimento e aplicao de
modelos de Pesquisa Operacional.
Exemplos:
AMPL - Modeling Language for Mathematical Programming - R. Fourer, D.
M. Gay, and B. W. Kerningham, 1993.
GAMS - General Algebraic Modeling System - J. Bisschop and A. Meeraus,
1982.
Whats best - The ABC of Optimization - S. L. Savage, 1992.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
74
Procedimento iterativo que resolve qualquer modelo de PL num nmero
finito de iteraes. Indica a ocorrncia de mltiplas Solues timas,
soluo ilimitada, e problema invivel.
Etapas de aplicao do Mtodo Simplex
Considere um modelo de PL que esteja na forma padro, e uma Soluo
Bsica Vivel inicial.
O Mtodo Simplex consiste basicamente da aplicao sucessiva de duas
etapas:
Etapa A: Identificao de uma Soluo tima.
Etapa B: Melhoria de uma Soluo Bsica Vivel.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
75
Etapa A: Identificao de uma Soluo tima.
Verificar se a Soluo Bsica Vivel atual satisfaz o critrio de
otimalidade do algoritmo:
Se o critrio for satisfeito termina a aplicao do mtodo;
Caso contrrio deve-se aplicar a etapa B.
Etapa B: Melhoria de uma Soluo Bsica Vivel.
Procurar obter uma Soluo Bsica Vivel melhor que a atual:
Determinao da varivel no-bsica que deve entrar;
Determinao da varivel bsica que ser substituda;
Obteno da nova Soluo Bsica Vivel - atravs de operaes
de pivoteamento.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex - Minimizao
76
Desenvolvimento do Mtodo Simplex
Seja um modelo de PL (minimizao) colocado na forma
padro:
Min Z = C
1
X
1
+ C
2
X
2
+ ... + C
n
X
n
s. a:

> > >


> > >
0 b , ... 0, b 0, b
0 X , ... 0, X 0, X
b = X A + ... + X A + X A
... ... ... ...
... ... ... ...
b = X A + ... + X A + X A
b = X A + ... + X A + X A
m 2 1
n 2 1
m n mn 2 m2 1 m1
2 n 2n 2 22 1 21
1 n 1n 2 12 1 11
Pesquisa Operacional - UNESP / Campus de Guaratinguet
77
Considere o sistema (S) abaixo:
s. a:
Obter, aplicando o mtodo de eliminao de Gauss-Jordan, o sistema
equivalente (S) = uma forma cannica de (S) onde:
X
1
seja a varivel bsica referente a equao (1),
X
2
seja a varivel bsica referente a equao (2),
...
X
m
seja a varivel bsica referente a equao (m),
Z seja a varivel bsica referente a equao (m+1).

1) + (m 0 = X C + ... + X C + X C + Z -
(m) b = X A + ... + X A + X A
... ... ... ... ...
... ... ... ... ...
(2) b = X A + ... + X A + X A
(1) b = X A + ... + X A + X A
n n 2 2 1 1
m n mn 2 m2 1 m1
2 n 2n 2 22 1 21
1 n 1n 2 12 1 11
Mtodo Simplex - Minimizao
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex - Minimizao
78

(I) Z = X C + .... + X C + Z
b = X A + ... + X A + X
.......
b = X A + ... + X A + X
b = X A + ... + X A + X
o n n 1 + m 1 + m
m n n m, 1 + m 1 + m m, m
2 n n 2, 1 + m 1 + m 2, 2
1 n n 1, 1 + m 1 + m 1, 1
O sistema (S), que uma forma cannica de (S), foi obtido
pelas operaes de pivoteamento aplicadas s variveis X
1
, X
2
,
..., X
m
, e Z, dado por:
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex - Minimizao
79
Em (S) :
(1) so respectivamente os novos coeficientes das variveis
nas equaes de (S), as novas constantes nestas mesmas equaes, e
os novos coeficientes das variveis na funo objetivo (expresso (I)),
obtidos pelas operaes de pivoteamento no sistema (S).
(2) Os coeficientes so denominados coeficientes de custo relativo
(ou reduzido) das variveis no-bsicas da soluo atual.
(3) H uma Soluo Bsica Vivel explcita em (S), onde:
Variveis bsicas:
Variveis no-bsicas:
Valor da funo objetivo:
; b X , ... , b X , b X m m 2 2 1 1 = = =
0 X ... X X n 2 m 1 m = = = = + +
n n 2 2 1 1 o b C ... b C b C Z + + + =
j j j , i C , b , A
j C
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex - Minimizao
80
Visualizao da etapa A do Mtodo Simplex:
Teste de otimalidade da Soluo Bsica Vivel atual.
Min Z = 4X
1
+ X
2
+ X
3
s. a:
(S):

= >
= + +
= + +
1,3 i 0, X
3 X 3X 3X
4 2X X 2X
i
3 2 1
3 2 1

= + + + (3) 0 X X X 4 Z
(2) 3 = X + 3X + 3X
(1) 4 = 2X + X + 2X
3 2 1
3 2 1
3 2 1
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex - Minimizao
81

(I) 7/2 = X 13/4 Z


1/2 = X 5/4 + X
3/2 = X + X 3/4
2
2 1
3 2
Aplicando o mtodo de eliminao de Gauss Jordan para obter uma
forma cannica (S) associando X
3
como varivel bsica para a
equao (1), X
1
para a equao (2) e Z para a equao (3), tem-se:
(S):
Soluo bsica vivel atual
Variveis bsicas: X
1
= 1/2, X
3
= 3/2
Variveis no-bsicas: X
2
= 0
Funo objetivo: Z = Z
0
= 7/2
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex - Minimizao
82
De (I): Z = 7/2 13/4 X
2
Anlise de otimalidade da Soluo Bsica Vivel (SBV) atual:
X
2
= 0 varivel no bsica
Se X
2
se tornar VB o valor de X
2
Se X
2
o valor de Z o que desejvel pois a funo objetivo
de minimizao
Concluso: A SBV atual no tima e X
2
deve se tornar VB numa
prxima SBV melhor que a atual.
Assim X
2
deve Entrar. Ir a etapa (B).
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex - Minimizao
83
Etapa (A) do Mtodo Simplex
Questo:
Como verificar se a Soluo Bsica Vivel explicitada em (S)
tima para o modelo em estudo?
Resposta:
Considere a expresso (I) em (S), dada por:
m. m 2 2 1 1 o
o n n 1 + m 1 m
b C + ... + b C + b C = Z Onde
, Z = X C + .... + X C + Z

+
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex - Minimizao
84
Analisando (I) h duas possibilidades:
Se no h ento a soluo atual tima. No
haver a aplicao da etapa (B). Fim da aplicao do
Mtodo Simplex.
Se h a soluo atual no tima.
Uma varivel no-bsica X
S
, associada com um
coeficiente de custo relativo , deve ser transformada em
varivel bsica numa prxima soluo bsica vivel .
Esta nova Soluo Bsica Vivel ter um valor para a
funo objetivo melhor (no caso do modelo de minimizao,
menor) que o valor da funo objetivo atual Z
0
.
Aplicar a etapa (B).
C 0 j (
C 0 j (
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex - Minimizao
85
Visualizao da etapa B do Mtodo Simplex (PL de Minimizao):
Seja uma Soluo Bsica Vivel disponvel dada por,
X
1
= 5, X
2
= 6, X
3
= X
4
= 0, Z = 4,
Associada ao sistema (S) abaixo:
(S):



(3) 4 = 5X + 4X Z
(2) 6 = 2X 2X + X
(1) 5 = 3X + 2X + X
4 3
4 3 2
4 3 1
Aplicando a etapa (A) tem-se:
Como
Desta maneira X
3
deve Entrar e seu valor dever aumentar. Observe-se
que X
4
no deve Entrar pois piorar o valor da F. O.
. de valor X de valor o se 0 < 4 - = 3 3 + | Z o C
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex (minimizao)
86
Problema:
At quanto aumentar o valor de X
3
?
Anlise: como X
4
= 0 (permanece varivel no-bsica), tem-se:
De (1): X
1
= 5 2X
3
ou seja se
De (2): X
2
= 6 2X
3
ou seja se
Sabe-se que X
1
> 0 X
3
s 5/2
Sabe-se que X
2
> 0 X
3
s 6/2
Portanto X
3
substituir X
1
no conjunto das variveis bsicas da
nova Soluo Bsica Vivel dada por:
X
3
= 5/2, X
2
= 1, X
1
= X
4
= 0, Z = 4 - 4X
3
= -6
{ } 5/2 = 6/2 5/2, Min = X3

+ | X X 1 3
+ | X X 2 3
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex - Minimizao
87
Etapa (B) do Mtodo Simplex
Hiptese:
H um coeficiente de custo relativo deve-se achar uma
nova Soluo Bsica Vivel onde X
S
seja varivel bsica.
Problema:
Qual das atuais variveis bsicas ser substituda por X
S
na
prxima Soluo Bsica Vivel?
C < 0 S
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex - Minimizao
88
Soluo:
Sejam
i,s
os coeficientes de X
S
nas equaes do sistema de
restries, onde i = 1, ..., m.
Procurar a equao r do sistema de restries onde ocorra:
A varivel bsica da Soluo Bsica Vivel atual associada
com a equao r acima ser substituda por X
S
.
A
)
`

s i,
i
s i, , A
b
0 > A
Min
=
s r
r
A
b
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex - Minimizao
89
Artifcio para aplicar as etapas (A) e (B) do Mtodo Simplex.
Considere o exemplo de minimizao usado na visualizao da
etapa (B), j colocado numa forma cannica:



(3) 4 = 5X + 4X Z
(2) 6 = 2X 2X + X
(1) 5 = 3X + 2X + X
4 3
4 3 2
4 3 1
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex - Minimizao
90
VB X
1
X
2
X
3
X
4
b
X
1
1 0 2 3 5
X
2
0 1 2 -2 6
No h , assim a
soluo atual tima.
|
|
|
|
|
.
|

\
|
|
|
|
|
|
.
|

\
|
=
0
5/2
1
0
=
*
*
*
*
*
4
3
2
1
X
X
X
X
X
Z* = - 6
-Z 0 0 -4 5 -4
X
3
1/2 0 1 3/2 5/2
X
2
-1 1 0 -5 1
-Z 2 0 0 11 6
0 < Cj
Operacionalizao da aplicao das etapas (A) e (B):
+
+
(5/2) menor quociente X
1
sai
(6/2)
| X
3
entra
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex - Maximizao
91
Modelo de Programao Linear com funo objetivo de
maximizao.
Etapa (A):
Soluo bsica vivel atual ser tima
Etapa (B):
A varivel X
S
que entra ter > 0, para possibilitar uma
melhoria (aumento) no valor da funo objetivo associado com a
Soluo Bsica Vivel atual.
Importante: as operaes de pivoteamento no se alteram.
/ - C > 0. j
CS
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex (maximizao)
92
Exemplo de modelo de maximizao resolvido pelo Mtodo
Simplex.
Modelo original Modelo na forma padro
Max Z = 3X
1
+ 5X
2
Max Z = 3X
1
+ 5X
2
s. a: s. a:

> >
s
s
s
0 X 0, X
18 2X + 3X
6 X
4 X
2 1
2 1
2
1

> 1,5 = i 0, X
18 = X + 2X + X 3
6 = X + X
4 = X + X
i
5 2 1
4 2
3 1
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
93
VB X
1
X
2
X
3
X
4
X
5
b
X
3
1 0 1 0 0 4
X
4
0 1 0 1 0 6
X
5
3 2 0 0 1 18
-Z 3 5 0 0 0 0
X
3
1 0 1 0 0 4
X
2
0 1 0 1 0 6
X
5
3 0 0 -2 1 6
-Z 3 0 0 -5 0 -30
X
3
* 0 0 1 2/3 -1/3 2
X
2
* 0 1 0 1 0 6
X
1
* 1 0 0 -2/3 1/3 2
-Z* 0 0 0 -3 -1 -36
Soluo tima
X*
1
= 2, X*
2
= 6,
X*
3
= 2, X*
4
= X*
5
= 0,
Z* = 36
Entra X
2
, Sai X
4
Entra X
1
, Sai X
5
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
94
Comentrios Gerais
Considere um modelo de Programao Linear na forma padro que
seja de minimizao.
(1) Ocorrncia de Empate na Entrada:
Escolher para entrar a varivel no-bsica X
s
associada ao
menor valor de coeficiente de custo relativo < 0.
(Regra de entrada de Dantzig)
CS
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
95
(2) Identificao de Soluo Ilimitada:
Pode ser feita a identificao de soluo ilimitada durante a
aplicao da etapa (B).
Se houver alguma varivel no-bsica X
s
para entrar que tenha
coeficientes s 0, em todas as equaes i (= 1,..., m) do
sistema de restries.
s i A ,
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
96
Exemplo de Modelo com Soluo Ilimitada:
Seja a Soluo Bsica Vivel abaixo, associada a forma cannica (S):
X
1
= 5, X
2
= 6, X
3
= X
4
= 0, Z = 4
(S):

(3) 4 = 5X + 4X Z
(2) 6 = 2X 2X X
(1) 5 = 3X + 2X X
4 3
4 3 2
4 3 1
Observar que = 4 < 0 X
3
deve entrar. Quem vai sair?
De (1): X
1
= 5 + 2X
3
quando X
3
| X
1
| , X
2
| e Z+
De (2): X
2
= 6 + 2X
3
Assim o modelo apresenta soluo ilimitada com Z .
C3
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
97
(3) Interpretao geomtrica do Mtodo Simplex:
Em cada iterao do Mtodo Simplex (Etapa (A) + Etapa
(B)) h um deslocamento de uma Soluo Bsica Vivel para
outra que apresenta um valor para a funo objetivo melhor.
Em termos da resoluo grfica: numa iterao h a
locomoo de um ponto extremo para outro ponto extremo
adjacente na regio vivel do modelo em questo.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
98
Exemplo:
Modelo original
Min Z = 3X
1
5X
2
s. a:

>
s
s
s
2 1, = i 0, X
18 2X + 3X
6 X
4 X
i
2 1
2
1
X
2
Regio
vivel
X
1
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
99

>
s
s
s
2 1, = i 0, X
18 2X + 3X
6 X
4 X
i
2 1
2
1

> 5 1, = i 0, X
18 = X + 2X + 3X
6 = X + X
4 = X + X
i
5 2 1
4 2
3 1
s. a:
s. a:
Exemplo:
Modelo original Modelo na forma padro
Min Z = 3X
1
5X
2
Min Z = 3X
1
5X
2
X
2
Regio
vivel
X
1
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
100
VB X
1
X
2
X
3
X
4
X
5
b
X
3
1 0 1 0 0 4
X
4
0 1 0 1 0 6
X
5
3 2 0 0 1 18
-Z -3 -5 0 0 0 0
X
3
1 0 1 0 0 4
X
2
0 1 0 1 0 6
X
5
3 0 0 -2 1 6
-Z -3 0 0 5 0 30
X
3
* 0 0 1 2/3 -1/3 2
X
2
* 0 1 0 1 0 6
X
1
* 1 0 0 -2/3 1/3 2
-Z* 0 0 0 3 1 36
Soluo bsica vivel tima: X
1
* = 2, X
2
* = 6, X
3
* = 2, X
4
* = X
5
* = 0, Z* = 36
Resoluo do exemplo para interpretao geomtrica do Mtodo Simplex:
Quadro 1: Entra X
2
Sai X
4
Quadro 2: Entra X
1
Sai X
5
Quadro 3 (timo)
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
101
Quadro 2:
X
1
= X
4
= 0,
Z = -30,
X
2
= 6, X
3
= 4, X
5
= 6.
Quadro 3:
X
4
*= X
5
* = 0,
Z* = -36, X
1
* = 2,
X
2
* = 6, X
3
* = 2.
Quadro 1:
X
1
= X
2
= 0,
Z = 0, X
3
= 4, X
4
= 6,
X
5
= 18.
X
2
Regio
vivel
X
1
Visualizao das iteraes
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
102
(4) Identificao de Solues timas Mltiplas:
Considere que h uma Soluo Bsica Vivel tima para um
modelo de minimizao, ou seja, tem-se Z* = Z* e todos > 0 para toda
varivel no-bsica X
s
.
A identificao da ocorrncia de Solues timas mltiplas feita,
no Quadro timo, quando h alguma varivel no-bsica X
j
com = 0.
Assim ao se escolher X
j
para entrar no conjunto das variveis
bsicas, no se alterar o valor timo Z* da funo objetivo.
Desta maneira, pode-se obter uma nova Soluo Bsica Vivel
tima na qual X
j
ser uma varivel bsica.
Fica caracterizada assim a existncia de mltiplas Solues timas.
j C
S C
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
103
Exemplo:
Modelo original Modelo na forma padro
Min Z = X
1
2X
2
Min Z = X
1
2X
2
S. a: S. a:

>
s
s
s
2 1, = i 0, X
9 2X + X
4 X
3 X
i
2 1
2
1

> 5 1, = i 0, X
9 = X + 2X + X
4 = X + X
3 = X + X
i
5 2 1
4 2
3 1
A seguir apresenta-se:
A resoluo grfica do modelo original.
A resoluo do modelo na forma padro pelo Mtodo Simplex.
Uma visualizao das iteraes desenvolvidas pelo Mtodo
Simplex sobre a regio vivel do modelo original.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
104
Resoluo grfica do exemplo com mltiplas Solues timas
Observao: X
A
* , X
B
* so solues bsicas viveis timas, Z* = 9
o valor timo da funo objetivo, a expresso geral da Soluo tima :
X* = o X
A
* + (1 o) X
B
* com 0 s o s 1.
(3,0) X
1
1
4
Z = - 6
Z* = - 9
3
3
X*
(0,4)
X
2
= X
A
*
= X
B
*
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
105
VB X
1
X
2
X
3
X
4
X
5
b
X
3
1 0 1 0 0 3
X
4
0 1 0 1 0 4
X
5
1 2 0 0 1 9
-Z -1 -2 0 0 0 0
Soluo tima geral:
X* = o X
A
* + (1 - o) X
B
*
,
com 0 s o s 1, e Z* = - 9
X
3
1 0 1 0 0 3
X
2
0 1 0 1 0 4
X
5
1 0 0 -2 1 1
-Z -1 0 0 2 0 8
X
3
* 0 0 1 2 -1 2
X
2
* 0 1 0 1 0 4
X
1
* 1 2 0 -2 1 1
-Z* 0 0 0 0 0 9
X
4
* 0 0 1/2 1 -1/2 1
X
2
* 0 1 -1/2 0 1/2 3
X
1
* 1 0 1 0 0 3
Z* 0 0 0 0 1 9
Resoluo do modelo na forma padro
Quadro 1: Entra X
2
e Sai X
4
Quadro 2: Entra X
1
e Sai X
5
Quadro 3: timo (X
A
*)
Quadro 4
timo
(X
B
*)
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
106
Visualizao das iteraes do Mtodo Simplex
Quadro 2:
X
1
= X
4
= 0,
X
2
= 4, X
3
= 3,
X
5
= 1, Z = -8
Quadro 3:
X
4
* = X
5
* = 0,
X
1
* = 1, X
2
* = 4,
X
3
* = 2, Z* = -9
Quadro 4:
X
3
* = X
5
* = 0,
X
1
* = 3, X
2
* = 3,
X
4
* = 1, Z* = -9
Quadro 1:
X
1
= X
2
= 0, X
3
= 3,
X
4
= 4, X
5
= 9,
Z = 0
X
A
X
B
X*
X
1
X
2
(0,0)
X* = o X
A
* + (1 -o) X
B
*,
onde 0 s o s 1
o caso, em termos
de resoluo grfica,
de um segmento de
reta timo.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
107
Observao importante:
Se no Quadro 3, na coluna da varivel X
4
no houvesse algum
coeficiente , no se poderia efetuar o pivoteamento;
Ento este o caso, em termos da resoluo grfica, que a Soluo
tima uma semi-reta, da forma X* = oX
A
* com o > 1 .
0 > A 4 , i
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Pesquisa Operacional - UNESP / Campus de Guaratinguet
109
Considere um modelo de Programao Linear que esteja na forma
padro
Se todas as restries do modelo original (ainda no colocado na forma
padro) forem desigualdades do tipo s , tem-se uma forma cannica
inicial (ou seja, uma Soluo Bsica Vivel inicial) evidente, onde as
variveis bsicas sero as variveis de folga introduzidas para a reduo das
desigualdades para equaes equivalentes.
Se alguma restrio do modelo original for uma igualdade =, ou ainda
desigualdade do tipo > , a condio acima no ocorrer e no haver
uma Soluo Bsica Vivel inicial explcita.
Quando no h uma Soluo Bsica Vivel inicial deve-se utilizar algum
procedimento de inicializao para o Mtodo Simplex.
Procedimentos de inicializao para o Mtodo
Simplex
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Procedimentos de inicializao para o Mtodo
Simplex
110
(1) Mtodo das Duas Fases.
Fase 1:
(a) Construo e resoluo de um modelo artificial
(b) Anlise da Soluo tima do modelo artificial
Fase 2:
Resoluo do modelo original utilizando como soluo inicial a Soluo
tima do modelo artificial.
(2) Mtodo do Big M.
Introduz variveis artificiais, nas equaes do sistema de restries
(exatamente como o mtodo das duas fases), e na funo objetivo original com
coeficientes penalizantes adequados, isto , M >>0 para minimizao e M <<0
para maximizao.
A seguir apresenta-se as bases do Mtodo das Duas Fases para inicializao do
Mtodo Simplex.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Procedimentos de inicializao para o Mtodo
Simplex
111
Desenvolvimento do Mtodo das Duas Fases
Considere que o modelo de Programao Linear na forma padro
abaixo no apresenta uma Soluo Bsica Vivel inicial, isto , no h
uma forma cannica evidente.
Modelo original (na forma padro)
Min Z = C
1
X
1
+ C
2
X
2
+ ... + C
n
X
n
s.a:

> n 1, = i 0, X
b X A + ... + X A
.......... .......... .......... ..........
.......... .......... .......... ..........
b = X A + .... + X A
i
m = n mn 1 m1
1 n 1n 1 11
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Procedimentos de inicializao para o Mtodo
Simplex
112
Fase 1: Construo e resoluo de um modelo artificial
O modelo artificial, a partir das equaes do sistema de restries
do modelo original ser:
com Y
1
, Y
2
, ..., Y
m
sendo as variveis artificiais no negativas.
Min W = Y
1
+ Y
2
+ .... + Y
m
s. a:

> > m 1, = j 0, Y ; n 1, = i 0,
b = Y + X A + ... + X A
.. .......... .......... .......... .......... .......... .......... ..........
b = Y + X A + ... + X A
b = Y + X A + ... + X A
j
m m n mn 1 m1
2 2 n 2n 1 21
1 1 n 1n 1 11
i X
A F. O. artificial sempre ser de Minimizao, qualquer que seja o Modelo Original.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Procedimentos de inicializao para o Mtodo
Simplex
113
Observe que o modelo artificial est na forma padro com Soluo Bsica
Vivel inicial:
X
1
= X
2
= ... = X
n
= 0 (variveis no-bsicas)
Y
1
= b
1
, Y
2
= b
2
, ..., Y
m
= b
m
(variveis bsicas)
W = b
1
+ b
2
+ ... + b
m
.
Analisando o valor timo da funo objetivo W* do modelo artificial
pode-se concluir:
Caso 1: Se W* = 0 h pelo menos uma varivel bsica artificial Y
j
com
valor = 0.
Nesta situao conclui-se que o sistema de restries do modelo original
depende destas variveis artificiais no nulas para ser satisfeito. Assim o
Modelo Original invivel. No h a fase 2.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Procedimentos de inicializao para o Mtodo
Simplex
114
Caso 2: se W* = 0 Y
1
* = Y
2
* = ... = Y
m
* = 0.
Conclui-se que o sistema de restries do Modelo Original
pode ser satisfeito apenas com as variveis X
i
.
Desta forma o Modelo Original vivel.
Subcaso 2.1: se todas as variveis artificiais so no-
bsicas na Soluo tima do modelo artificial.
Basta eliminar todas as variveis artificiais, substituir a
funo objetivo artificial pela original, e iniciar a fase 2.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Procedimentos de inicializao para o Mtodo
Simplex
115
Subcaso 2.2: se alguma varivel artificial permanece como varivel bsica
na Soluo tima do modelo artificial. Observe que estas variveis devem
ser nulas, pois W* = 0.
Deve-se, atravs de operaes de pivoteamento, substituir estas variveis
artificiais bsicas por variveis originais, eliminar todas as variveis
artificiais no bsicas, substituir a funo objetivo artificial pela original, e
iniciar a fase 2.
Se no possvel substituir alguma varivel artificial bsica por uma
varivel original (pela inexistncia de elemento pivot), basta eliminar a
equao associada com a varivel artificial em questo (a equao uma
combinao linear das demais equaes do modelo original).
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Procedimentos de inicializao para o Mtodo
Simplex
116
Exemplo de aplicao do Mtodo das Duas Fases
Modelo Modelo na forma padro
Min Z = -3X
1
- 5X
2
Min Z = -3X
1
- 5X
2
s. a: s. a:

>
>
s
s
1,2 = i 0, X
18 2X + 3X
6 X
4 X
i
2 1
2
1

> 5 1, = i 0, X
18 = X - 2X + 3X
6 = X + X
4 = X + X
i
5 2 1
4 2
3 1
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Procedimentos de inicializao para o Mtodo
Simplex
117
Fase 1: construo do Modelo Artificial
Min W = Y
1
s. a: X
1
+ X
3
= 4
X
2
+X
4
= 6
3X
1
+ 2X
2
X
5
+ Y
1
= 18
X
i
0, i = 1,5; Y
i
0
Soluo bsica vivel inicial para o Modelo Artificial:
X
1
= X
2
= X
5
= 0 (variveis no-bsicas)
X
3
= 4, X
4
= 6, Y
1
= 18 (variveis bsicas)
W = 18
Pesquisa Operacional - UNESP / Campus de Guaratinguet
118
Exemplo de aplicao do Mtodo das Duas Fases
VB X
1
X
2
X
3
X
4
X
5
Y
1
b
X
3
1 0 1 0 0 0 4 Adequar a
X
4
0 1 0 1 0 0 6 funo
Y
1
3 2 0 0 -1 1 18 objetivo
-W 0 0 0 0 0 1 0
Fase 1: Anlise da Soluo
tima do Modelo Artificial
W* = 0
Caso 2.1: Modelo Original
vivel. No h variveis
bsicas artificiais. Eliminar
variveis artificiais,
substituir funo objetivo
artificial pela original.
Iniciar fase 2.
X
3
1 0 1 0 0 0 4
X
4
0 1 0 1 0 0 6 Quadro 1
Y
1
3 2 0 0 -1 1 18
-W -3 -2 0 0 1 0 18
Fase 1: Resoluo do Modelo Artificial
X
1
1 0 1 0 0 0 4
X
4
0 1 0 1 0 0 6 Quadro 2
Y
1
0 2 -3 0 -1 1 6
-W 0 -2 3 0 0 1 0
X
1
1 0 1 0 0 0 4
X
4
0 0 3/2 1 1/2 -1/2 3 Quadro 3
X
2
0 1 -3/2 0 -1/2 1/2 3
-W* 0 0 0 0 0 1 0
Transformar em
Zeros os coeficientes
das variveis
artificiais na F. O.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
119
VB X
1
X
2
X
3
X
4
X
5
b
X
1
1 0 1 0 0 4 Adequar a
X
4
0 0 3/2 1 1/2 3 funo
X
2
0 1 -3/2 0 -1/2 3 objetivo
-Z -3 -5 0 0 0 0
Exemplo de aplicao do Mtodo das Duas Fases
Soluo tima
(nica) do Modelo
Original:
X
1
* = 4, X
2
* = 6,
X
5
* = 6,
X
3
* = X
4
* = 0,
Z* = -42
Fase 2: Resoluo do Modelo Original
X
1
1 0 1 0 0 4
X
4
0 0 3/2 1 1/2 3 Quadro 3
X
2
0 1 -3/2 0 -1/2 3
-Z 0 0 -9/2 0 -5/2 27
X
1
* 1 0 0 0 0 4
X
5
* 0 0 3 2 1 6 Quadro 4
X
2
* 0 1 0 1 0 6 (timo)
-Z* 0 0 3 5 0 42
Coeficientes de
variveis
bsicas na F. O.
devem ser Zero
Pesquisa Operacional - UNESP / Campus de Guaratinguet
120
Visualizao das iteraes
Modelo
Min Z = -3X
1
- 5X
2
s. a:
Exemplo de aplicao do Mtodo das Duas Fases

>
>
s
s
(4) 1,2 = i 0, X
(3) 18 2X + 3X
(2) 6 X
(1) 4 X
i
2 1
2
1
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Visualizao da Iteraes do Mtodo das Duas Fases
121
Quadro 1:
W = 18,
Z = 0
(4, 0)
Quadro 2:
W = 6,
Z = -12
X
1
(4, 3)
Quadro 4: timo,
Z* = -42
Regio
Vivel
X
2
(2, 6)
(4, 6)
Quadro 3=
Quadro 3:
W = 0,
Z = -27
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Exerccios: Resolver graficamente e pelo
Simplex
123
1. Min Z = X
1
+ 2 X
2
X
1
+ X
2
3
s. a: 2X
1
+ X
2
2
X
1
, X
2
0 (R: Invivel)
2. Max Z = 6X
1
+ 10 X
2
3X
1
+ 5X
2
15
s. a: 5X
1
+ 2X
2
10
X
1
, X
2
0 R: h mais de uma soluo tima
(Segmento de reta timo)
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Exerccios
124
3. Max Z = 2X
1
+ 2X
2
X
1
- X
2
-1
s. a: - X
1
+ X
2
2
X
1
, X
2
0 (R: Soluo ilimitada)
4. Max Z = X
1
+ X
2
X
1
+ 4X
2
4
s. a: 3X
1
+ X
2
= 1
X
1
, X
2
0 Comentrio: Fica a Varivel Artificial na soluo tima do
Problema Artificial como Varivel Bsica, ela sai por
pivoteamento.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Exerccios
125
5. Max Z = X
1
+ X
2
2X
1
+ 3X
2
= 5
s. a: - 6X
1
- 9X
2
= - 15
X
1
X
2
0 Comentrio: 1a. equao
X
1
, X
2
0 combinao linear das demais.
6. Max Z = - 4X
1
+ X
2
3X
1
+ X
2
3
s. a: X
1
- X
2
- 1
4X1 X2 - 4
X
1
, X
2
0 R: H mais de uma soluo
tima (Semi-reta tima)