NOTAS DE AULA POII-UFF

Prof. Joo Carlos C.B. Soares de Mello

PESQUISA OPERACIONAL
MODELOS ESTOCSTICOS (PO II)
Professor: Joo Carlos Soares de Mello
Bibliografia:
Taha, H.A., Pesquisa Operacional, Pearson, 2008
Tavares, L.T.; Oliveira, R.C.; Themido, I.H.; Correia, F.N.
Investigao Operacional, McGraw-Hill, 1996
Bronson, R. Pesquisa Operacional, McGraw-Hill (Coleo
Schaum), 1985
Fiani, R. Teoria dos Jogos, Campus-Elsevier, 2006
Revistas: Pesquisa Operacional, Investigao Operacional,
Gesto & Produo, Produo (www.scielo.org)
Pgina: www.uff.br/decisao

TPICOS

Otimizao em redes (Teoria dos Grafos)

Tipologia das decises
Decises sob incerteza (jogos contra a natureza)
Teoria dos jogos
Decises sob risco e teoria da utilidade
Decises seqenciais (rvores de deciso)
Processos multidecisor (Teorema de Arrow e
mtodos ordinais)

TPICOS
Processo de Markov
Processos de nascimento e morte Teoria
das filas
Gesto de estoques

Teoria dos Grafos

Pontes de Knigsberg
na Prssia (atual
Kalingrado, na Russia):
seria possvel percorrer
todas as quatro sees e
voltar ao local de
partida cruzando cada
ponte uma nica vez?
Resolvido por Leonhard
Euler XVIII

Teoria dos Grafos

Um grafo uma noo simples e abstrata
utilizada para representar a idia de relao entre
elementos". Exemplos: ......???
Matematicamente: G = (V,A), onde V o
conjunto de vrtices e A o conjunto de ligaes
entre vrtices.
Grafo no orientado: ligaes representadas os
pares de vrtices no possuem uma ordem (i,j) =
(j,i) = [i,j], aresta
Grafo orientado (dgrafo): ligaes (arcos)
representadas por partes ordenados (i,j) (j,i)

Teoria dos Grafos

Grafo no orientado
V=(1,2,3,4,5,)
A=([1,2],[1,3],[3,4],
[3,5],[3,4],[4,5])

Grafo orientado
V=(A,B,C,D,E)
A=((A,B),(A,D),(A,C),(B,C),
(C,E),(D,E),(E,D))

Representao de um Grafo
Listas de Adjacncias: armazena o relacionamento
entre os vrtices em uma estrutura de listas.
Representao econmica do ponto de vista
computacional.
Grafos orientados: duas listas origem - destinos e
destino - origens
Grafo no orientados: uma lista

Representao de um Grafo
Matriz de adjacncias: dois vrtices so adjacentes
se esto unidos por uma aresta ou arco. Matriz
Mnxn (n total de vrtices)

Exemplo:

Representao de um Grafo
Matriz de adjacncias valorada - Matriz de
Distncias (custos): valores associados s
ligaes, matriz D

Exemplo

Percursos em grafos
Percurso ou itinerrio ou ainda cadeia uma

famlia de ligaes sucessivas adjacentes.

Hamiltonianos: percurso que visita cada vrtice
uma nica vez. Problema do Caixeiro Viajante:
O Caixeiro Viajante deve sair da sua cidade
(origem), visitar cada uma das outras (n-1)
cidades uma nica vez e retornar cidade de
origem, de forma tal a percorrer uma nica
distncia possvel
Eulerianos: percurso que usa cada ligao
exatamente uma vez. Problema do Carteiro
Chins.: o carteiro deseja percorrer todas as

ruas da sua rota um nmero mnimo de vezes

Problemas estudados em Grafos

O Problema do Caixeiro Viajante

O Problema do Carteiro Chins
O Problema de Caminho Mnimo
O Problema de Fluxo Mximo
O Problema de Fluxo Mximo a custo mnimo
rvore Geradora Mnima (AGM)
Colorao em Grafos
Roteamento de veculos
Etc.

O Problema de Caminho
Mnimo
Objetivo: minimizao do custo de percurso de
um grafo entre dois vrtices, custo este dado pela
soma dos custos de cada aresta percorrida.
Existem muitos algoritmos para resolver este
problema, estudaremos dois: Dijkstra e Floyd
Algoritmo de Dijkstra: determina o custo ou
distncia mnima entre uma origem e um destino.
Algoritmo de Floyd: determina os custo ou
distncias mnimas entre todos os pares de
vrtices

Algoritmo de Dijkstra
Para cada vrtices usamos a notao: [c,j] X,
chamada de rtulo
c custo at o momento, j vrtice precedente, X pode
ser T (temporrio) ou P (permanente)
Incio no vrtice origem: [0,-]P
Analisar os vrtices adjacentes e colocamos rtulos
temporrios, calculamos a distncia at esse ponto,
caso esteja rotulado escolhemos o de menor distncia
Todos os vrtices rotulados, pare, caso contrrio,
escolha o de menor custo rotule como P e repetir o
passo anterior

Algoritmo de Dijkstra
Exemplo:

Tipologia das decises

Quanto s informaes
Quanto ao nmero de decisores
Quanto aos critrios
Quanto ao objeto

Tipologia das decises - Quanto

s informaes

Determinsticas
Com incerteza
Com risco

Tipologia das decises - Quanto

aos decisores

Mono decisor
Multi decisor
Jogos

Tipologia das decises - Quanto

aos critrios

Mono critrio
Multicritrio

Tipologia das decises - Quanto

ao objeto

Escolha (P )
Classificao (P )
Ordenao (P )
Correta descrio do problema
(P)

DECISES COM INCERTEZA

Sem distribuio de probabilidade

Racionalidade do decisor
Jogo contra a natureza
No usar valor esperado
Auxiliar o decisor, sem respostas
prontas

MTODOS
Pessimista (Maxmin). Se algo pode dar
errado, vai dar errado
Otimista (Maxmax). Tudo vai dar certo
Savage (intermedirio dos anteriores)
Custo de oportunidade perdida. No me
quero arrepender da deciso tomada.
Laplace. Valor esperado se as alternativas
forem equiproporcionais.

Cenrios de a a d, de estagnao a forte crescimento.

As alternativas representam opes de investimento

150

270

350

470

225

225

375

425

300

300

300

400

450

450

450

450

MTODO OTIMISTA
1
2
3
4

A
150
225
300
450

B
270
225
300
450

C
350
375
300
450

D
470
425
400
450

Escolhe-se o maior valor da tabela. O valor 470

corresponde alternativa 1.

MTODO PESSIMISTA
1
2
3
4

A
150
225
300
450

B
270
225
300
450

C
350
375
300
450

D
470
425
400
450

Escolhe-se o menor valor de cada linha. Min1=150,

Min2=225, Min3=300, Min4=450. V-se ento qual
o maior dos mnimos. Max (150, 225, 300, 450)=450.
Escolhe-se a opo 4.

MTODO DE LAPLACE
1
2
3
4

A
150
225
300
450

B
270
225
300
450

C
350
375
300
450

D
470
425
400
450

Esp1=(150+270+350+470)/4=310
Esp2=(225+225+375+425)/4=312,5
Esp3=(300+300+300+400)/4=325
Esp4=450

Consideram-se as
alternativas
equiprovveis e
usa-se o valor
esperado. Tem
srias restries
de uso

MTODO DE SAVAGE
1
2
3
4

A
150
225
300
450

B
270
225
300
450

S1=470 +150(1- )
S2=425 +225(1- )
S3=400 +300(1- )
S4=450

C
350
375
300
450

D
470
425
400
450

Faz uma avaliao de cada

alternativa ponderando
otimismo e pessimismo.
Adota um coeficiente de
otimismo, subjetivo e
difcil de determinar.
Para =1 o mtodo
otimista. Para =0 o
mtodo pessimista.

MTODO DE SAVAGE
1
2
3
4

A
150
225
300
450

B
270
225
300
450

C
350
375
300
450

D
470
425
400
450

necessrio comparar
apenas 1 e 4, j que 4
domina 2 e 3. Ou seja, na
hiptese do decisor achar
que deveria escolher 2 ou 3,
melhor escolher 4.

Dominar significa nunca

ser pior e ser melhor pelo
menos um vez
470 +150(1- )>450, significa que a alternativa 1 ser
escolhida. Caso contrrio a escolhida ser a alternativa 4.
Resolvendo: 470 +150-150 =450
320 =300 As duas alternativas so equivalentes para =15/16.`
preciso um otimismo superior a 93,75% para escolher a
alternativa 1

MTODO DE SAVAGE
Grfico do mtodo de Savage
500
400

300
200
100
0
Alfa

S1=470 +150(1- )
S2=425 +225(1- )
S3=400 +300(1- )
S4=450

A avaliao otimista sempre superior

pessimista. Este comentrio, que parece
bvio, pode no ser vlido em situaes em
que otimismo e pessimismo tenham um
significado diferente, envolvendo valores
relativos

MTODO DO MENOR ARREPENDIMENTO

(OU DO MENOR CUSTO DE
OPRTUNIDADE PERDIDA)
1
2
3
4

A
150
225
300
450

B
270
225
300
450

C
350
375
300
450

D
470
425
400
450

1
2
3
4

A
300
225
150
0

B
180
225
150
0

C
100
75
150
0

D
0
45
70
20

Verificar qual a melhor opo de cada cenrio. Nos cenrios A, B e

C a melhor alternativa a 4, com valor 450. No cenrio D a melhor
alternativa a 1 com valor 470. Para cada par (alternativa, cenrio)
verifica-se quanto se deixou de ganhar por no ter escolhido a
melhor alternativa para aquele cenrio. Assim, para cenrio A tendo
escolhido a alternativa B o arrependimento 450-150=300. Constrise uma matriz auxiliar

MTODO DO MENOR ARREPENDIMENTO

(OU DO MENOR CUSTO DE
OPRTUNIDADE PERDIDA)
A

300

180

100

225

225

75

45

150

150

150

70

20

Os valores da matriz, agora, so perdas. Quem no quer sofrer

crticas quer, no pior dos caso, ter a menor perda possvel. Para cada
alternativa o pior caso a pior perda. A menor das piores perdas a
escolhida. Tem-se assim um problema minmax.

MTODO DO MENOR ARREPENDIMENTO

(OU DO MENOR CUSTO DE
OPRTUNIDADE PERDIDA)
A

300

180

100

225

225

75

45

150

150

150

70

20

Max1=300
Max2=225
Max3=150
Max4=20
Min(300,225,150,20)=20. Escolhe-se a alternativa 4.

DISCUSSO
Diante dos vrios mtodos, qual alternativa
escolher?
Depende da psicologia do decisor.
Neste caso h uma rara convergncia para
a alternativa 4. S o otimista escolheria a 1.
Savage permite uma anlise de
sensibilidade. Pelo grfico v-se que quase
certamente a 4 seria a escolhida.

EXEMPLO
C1

C2

C3

C4

A1

10

500 1000

-100 0

A2

20

30

40

A3

150 0

500

Observar que nenhuma alternativa dominada

C5

EXEMPLO MTODO
OTIMISTA
C1

C2

C3

A1

10

500

1000 -100 0

A2

20

30

40

A3

150

500

Escolhida a A1

C4

C5

EXEMPLO MTODO
PESSIMISTA
C1

C2

C3

A1

10

500

1000 -100 0

A2

20

30

40

A3

150

500

Escolhida a A2

C4

C5

EXEMPLO MTODO DE
LAPLACE
C1

C2

C3

C4

A1

10

500

1000 -100 0

A2

20

30

40

A3

150

500

Esp A1= (10+500+1000-100)/5=282

Esp A2=(20+30+40+5+1)/5=19,2
Esp A3=(150+500)/5=130

C5

EXEMPLO MTODO DE
SAVAGE
C1

C2

C3

C4

C5

A1

10

500

1000 -100 0

A2

20

30

40

A3

150

500

EXEMPLO MTODO DE
SAVAGE
1200
1000
800
600

A1
A2

400
200
0
-200

A3

EXEMPLO MTODO DE
MENOR ARREPENDIMENTO
C1

C2

C3

C4

C5

A1

10

500

1000 -100

A2

20

30

40

A3

150

500

QUAL A ESCOLHIDA?

C1

C2

C3

C4

C5

A1

140

105

A2

130

470

960

A3

500

500

FIM DO PRIMEIRO TPICO

EM SEGUIDA: TEORIA DOS
JOGOS

O que um jogo
Situaes em que o resultado esperado no
depende s das nossas decises.
Interao estratgica
Racionalidade
Xadrez, Bridge, Guerra, Cartel, Combate
ao Crime, Localizao, Poltica...
No so considerados jogos de sorte e
habilidade puras.

Batalha do Mar de Coral

II Guerra Mundial, derrota de Guadalcanal para
os japoneses (1942)
Transporte de tropas
Risco: poderio areo aliado (americano)
Duas rotas possveis
Dificuldades de reconhecimento aliado
Fevereiro de 1943: transporte de 6900 soldados
em uma frota escoltada a alta velocidade naval.

Batalha do Mar de Coral

Rota Norte: mau tempo

Rota Sul: bom tempo
Reconhecimento em uma rota de cada vez
Rota Norte: dois dias de bombardeio se forem
descobertos no primeiro dia,1 caso contrrio
Rota Sul: 3 dias de bombardeio se forem
descobertos no primeiro dia, 2 caso contrrio
O que fazer?

MODELO PARA O MAR DE

CORAL
Rota Sul

Rota Norte

Busca Sul

Busca Norte

MODELO PARA O MAR DE

CORAL
Rota Sul

Rota Norte

Busca Sul

Busca Norte

Jogo estritamente competitivo, estratgias dominantes

DILEMA DOS PRISIONEIROS

Confessa

No confessa

Confessa

(-3,-3)

(-1,-5)

No confessa

(-5, -1)

(-2,-2)

Cooperao e competio, combate ao crime,

Equilbrio de Nash, timo de Pareto, Deciso
pessimista

DILEMA DOS PRISIONEIROS

Confessa

Confessa

No confessa

No confessa

(-6,-6)

(-4,-10)

(-10, -4)

(-2,-2)

Dificuldade no Equilbrio de Nash

TEORIA DOS JOGOS

Lgica situacional de Popper: objetividade
dos dados, sem subjetividade dos decisores
Entender situaes
Aprimorar raciocnio
Cournot (1838), Zermelo e o jogo de
Xadrez, Borel e o conceito de estratgia,
von Neumann e Morgenstern 1994, Nash,
1950

JOGOS COM 3 JOGADORES

Votao em 2 turnos
O truelo

Votao em 2 turnos.
Diretor 1

Diretor 2

Diretor 3

Ap

Am

Ap

Am

Am

Ap

Primeiro turno entre Investir e Ampliar

Ao estratgica do diretor 2

O Truelo

3 atiradores
Atirador 1 100%
Atirador 2 80%
Atirador 3 20%

TEORIA DA DECISO
RACIONAL

Preferncias do decisor
Relaes binrias: ordem, ordem lata
Dadas A e B, A P B, B PA ou A I B
Se A P B e B P C ento A P C
Se A I B e B I C ento A I C
Racionalidade forte e fraca
Simplicidade, aprendizado, recompensas

IRRACIONALIDADE DE
GRUPO

Aumentar programas sociais G

Manter programas sociais M
Diminuir programas sociais D
Conservador: D G M
Moderado: M D G
Radical: G M D
G P M, M P D, D P G

SOLUO DE JOGOS
Eliminao sucessiva de estratgias dominadas: a
racionalidade conhecimento comum
Exemplo: Gato e Rato
Emprstimos bancrios: decises simultneas

Renova

No renova

Renova

4,4

1,5

No renova

5,1

3,3

LIMITAO DO MTODO

No exporta

Exporta pouco

Exporta muito

Investe

2,1

1,0

0,-1

No investe

1,0

2,1

-1,2

No h eliminao de estratgias

EQUILIBRIO DE NASH
Cada estratgia a melhor resposta
possvel s estratgias dos demais
jogadores e isso verdade para todos os
jogadores
No exporta

Exporta pouco

Exporta muito

Investe

L2,1 C

1,0

L0,-1

No investe

1,0

L2,1

-1,2

COMRCIO
INTERNACIONAL
Tarifa protecionista

Tarifa simblica

Tarifa protecionista

800, 800

2300, -700

Tarifa simblica

-700, 2300

1700, 1700

Compara Nash com Pareto

VRIOS EQUILIBRIOS DE
NASH
Campanha agressiva

Campanha normal

Campanha agressiva

-20, -20

10, -10

Campanha normal

-10, 10

0,0

GUERRA DOS SEXOS

Cinema

Jogo

Cinema

Jogo

2, 1

-1, -2

-2, -1

1, 2

LOCALIZAO
Sem custos de transporte: localizao
concentrada
Com custos de transporte: Localizao nos
extremos

Localizao de lojas

3 cidades, ABC
d(A,B)=10, d(A,C)=20, d(B,C)=15
P(A)=45%, P(B)=35%, P(C)=20%
Rede I (Grande), rede II (pequena)
I e II juntas ou equidistantes, I fica com
65%
I mais prxima fica com 90%
I mais distante fica com 40%
I no fica em C
Onde localizar?

Localizao de lojas
Jogo estritamente competitivo
(soma=100%)
(I,A), (II,A) g(I)=65% (o mesmo para B)
(I,A), (II,B)
g(I)=0,9x0,45+0,4x0,35+0,4x0,2=0,625
(I,A), (II,C)
g(I)=0,9x0,45+0,9x0,35+0,4x0,2=0,8
...

Localizao de lojas
II,A

II,B

II,C

I,A

65

62,5

80

I, B

67,5

65

80

Soluo
As duas em B
Soluo contra intuitiva
Jogo estvel, equilibrio de Nash
determinstico.

Jogos de Soma Zero

O que um ganha o outro perde
Guerra (ser mesmo), medalhas olmpicas,
mercados de demanda fixa.
A soma pode ser constante, no nula.
Jogos estveis (exemplo anterior). J tendo
jogado antes, os jogadores repetem as
estratgias.
Jogos instveis. Um jogador muda a
estratgia como resposta estratgia do
outro

Jogos de Soma Zero

Conceito de maxmin e min max: na pior das
hipteses ganhar o mximo ou perder o
mnimo (se perder sempre, para qu jogar?).
Matriz do segundo jogador a simtrica da
transposta do primeiro jogador.
Estabilidade: se os dois jogadores
concordam com a soluo:
minmax=maxmin=equilibrio de Nash,
ponto de sela (rever as lojas).

Jogo instvel

I,A

I, B

II,A

II,B

II,C

10

-1

II,A

II,B

I,A

10

I, B

-1

-2
I,A

II,A

-2

II, B

-10

I,B

-3

Jogo instvel
No tem equilibrio de Nash se for jogado
uma s vez.
Resolvido em termos de probabilidades
O jogo tem que ser jogado vrias vezes
para se obter um equilibrio de Nash em
estratgias mistas, isto , com alternncia
aleatria de estratgias, segundo uma
determinada distribuio de probabilidade

I,A
I, B

II,A
2
3

II,B
10
-1

Jogo instvel

Se o jogador II escolhe a sua estratgia A,

o ganho esperado do jogador I :
E1=2p1+3p2 onde pi a probabilidade do
jogador I escolher a estratgia i (ele
controla essa probabilidade, no as
escolhas do jogador II).
Se II escolhe a sua B, temos E2=10p1-p2
A soma das probabilidades unitria

I,A
I, B

II,A
2
3

II,B
10
-1

Jogo instvel

O jogador I quer maximizar o seu ganho. Mas,

qual deles?
Deve minimizar o pior caso, que no sabe qual .
Pior caso: min [(2p1+3p2), (10p1-p2)]
Max E=min [(2p1+3p2), (10p1-p2)]
s.a
p1+p2=1
p1,p2 0
Isto um PPNL (problema de programao no
linear), no separvel, no diferencivel

I,A
I, B

II,A
2
3

II,B
10
-1

Linearizao

Max (2p1+3p2) se este for o menor (podendo ser

igual).
Ou, Max (10p1-p2) se o menor for este (podendo
ser igual)
s.a
p1+p2=1
p1,p2 0
So, aparentemente, dois Problemas de
Programao Linear (PPL). Mas, E sempre ser
igual a uma das expresses.

I,A
I, B

II,A
2
3

II,B
10
-1

Linearizao

Max E onde E=(2p1+3p2) e E< (10p1-p2).

Ou, Max E onde E=(10p1-p2) e E< (2p1+3p2)
s.a
p1+p2=1
p1,p2 0
As restries de menor podem ser agrupadas
com as de igual, dando duas restries de menor
ou igual.

I,A
I, B

II,A
2
3

II,B
10
-1

Linearizao

Max E
s.a
E 2p1+3p2
E 10p1-p2
p1+p2=1
p1,p2 0
PPL com 3 variveis. Pode ser usado o mtodo
grfico?

I,A
I, B

II,A
2
3

II,B
10
-1

Linearizao

p2=1-p1 e p1 est entre 0 e 1.

Max E
s.a
E 2p1+3(1-p1)
E 10p1-(1-p1)
p1 1
p1 0

I,A
I, B

II,A
2
3

II,B
10
-1

Linearizao

p2=1-p1 e p1 est entre 0 e 1.

Max E
s.a
E -p1+3
E 11p1-1
p1 1
p1 0

I,A
I, B

II,A
2
3

II,B
10
-1

Grfico

p1=1/3

Ponto comum s retas:-p1+3=11p1-1, donde p1=1/3 e

p2=2/3. E=-1/3 + 3 = 8/3

I,A
I, B

II,A
2
3

II,B
10
-1

E para o segundo jogador?

Usar dualidade

p1=1/3

JOGOS REPETIDOS
-Jogo possui uma histria prvia de
conhecimento comum.
-Negcios, poltica, biologia.
-Formao de carteis: o cartel no estvel.
Exemplo: OPEP e a tica entre ladres.
-Ganha-se com coordenao, mas mais ainda
se apenas um trapacear.

COALIZO
Coordenao de quantidades ou preos. O
caso extremo o cartel em que se chega ao
preo do monoplio.
Pode haver conluios explcitos e tcitos.
Os explcitos so, normalmente proibidos
por lei.
Conluios tcitos: empresas dominantes,
pontos focais.

REPETIO
E se o jogo for realizado outra vez?
Os jogadores sabem que na segunda vez
no haver cooperao.
Logo, no h incentivo para cooperao na
primeira.
Pode-se generalizar para qualquer nmero
de repeties finitas.

JOGOS REPETIDOS
Loja dominante com nmero finito de unidades.
Se no valer a pena impedir a concorrncia uma
vez, no valer nunca. Ou seja, no vale a pena
ter fama de durona.
Cartis existem, obstculos concorrncia
existem. O que falha?
Hipteses simplificadoras: custos no
conhecidos, modelagem finita no apropriada.

EQUILIBRIOS ADICIONAIS
Todo o equilbrio de Nash em jogo
simples, tambm em jogo repetido.
Jogos com mais de um equilbrio de Nash
podem gerar repeties em que o equilbrio
no nenhum dos originais.
Situao de ameaas

AMEAAS
Especial
Comum

Urgente
4,3
0,1

Normal
0,0
2,2*

Rpida
2,5*
0,1

Primeiro ano: Especial, urgente

Segundo ano: mantm se o compromisso foi honrado,
muda para comum normal caso contrrio
Qual o novo equilbrio?

INDUO COOPERAO
Coero externa: punies adequadas,
custo da estrutura.
Cooperao espontnea: estratgia severa e
de Talio.
Probabilidade do jogo acabar.
Fatores de desconto e somas infinitas.

DECISES SEQUENCIAIS
rvores de deciso e jogos
sequenciais

DECISES SEQUENCIAIS
Aps uma tomada de deciso espera-se um
acontecimento para toma a prxima
deciso
O acontecimento pode ser aleatrio (rvore
de deciso) ou a deciso de outro (jogo
sequencial)
Forma matricial e estendida.

EXEMPLO

Duas empresas, dominante e desafiante.

Desafiante: entra ou no
Dominante: acomoda ou luta
No entra, (0,10)
Entra, luta (-1,9)
Entra acomoda (3,7)
Sub jogos e soluo reversa

Ameaas e promessas: regulao

Credibilidade

Jogos sequencias contra o acaso

Segundo jogador no racional

Podem ser estimadas probabilidades
Valor esperado ou pessimista
Indicar se deciso ou acaso

Exemplo
Recursos provveis num terreno
Companhia oferece 60 pelos direitos
Opo para investimentos futuros se os atuais forem
promissores: valor 600
Explorao prpria : 100 de custo inicial, 2000 de lucro
se houver explorao positiva
Supor probabilidade de haver o recurso de 60%
E se houver uma opo de terceirizar aps a descoberta
do recurso?
E se a empresa tiver outros terrenos para pesquisar?

Mtodos ordinais multidecisor

Mtodos Ordinais
Problema: existem n ordenaes
(correspondendo a n critrio ou n
decisores). Como fazer uma ordenao
justa?
O que uma ordenao justa?

Escolha justa-Axiomas de Arrow

Independente em relao s alternativas
irrelevantes
Ordem total (sem intransitividades e sem
incomparabilidades)
Unanimidade de Pareto
Universalidade
S MTODOS DITATORIAIS

Mtodos de ditador

Ditador puro
Ditadores sucessivos (ou lexicogrfico)
De novo as medalhas
Bb x Azar

Mtodo de Borda

Chevalier de Borda
Revoluo francesa
Soma de postos
No respeita a independncia em relao
s alternativas irrelevantes
Exemplo piorado: Frmula 1

Exemplo para fazer por Borda

D1
a
d
e
c
b

a
b
c
d
e

D2
b
a
e
c
d

D3
b
a
c
d
e

5
7
11
11
11

Borda: retira-se c, d
D1
a
e
b

D2
b
a
e

a
b
e

D3
b
a
e

5
5
8

Borda: retira-se c, d, e
D1
a
b

D2
b
a
a
b

D3
b
a
5
4

Dependo do conjunto de anlise pode-se ter aPb, bPa

ou aIb.

Mtodo de Condorcet
Resolver o paradoxo de Borda
Considera apenas as alternativas duas a
duas.
Constri uma matriz binria
Maria Jean de Caritat, Marquis de
Condorcet

Para o exemplo de Borda:

comparaes pareadas
a
a
a
a
b
b
b
c
c
d

1
3
3
3
2
2
2
2
1
2

x
x
x
x
x
x
x
x
x
x

b
c
d
e
c
d
e
d
e
e

2
0
0
0
1
1
1
1
2
1

Para o exemplo de Borda: matriz

de Condorcet
a
b
c
d
e

a b
0
1
0 0
0 0
0 0

c d e
1 1 1
1 1 1
1 0
0
1
1 0

B ganha de todos. colocado em primeiro e

retirado da matriz. Destilao descendente.

Para o exemplo de Borda: matriz

de Condorcet
a
c
d
e

a c
1
0
0 0
0 1

d e
1 1
1 0
1
0

A ganha de todos. colocado em segundo e

retirado da matriz. Destilao descendente.

Para o exemplo de Borda: matriz

de Condorcet
c d e
c
1 0
d 0
1
e 1 0

c ganha de d que ganha de e que ganha de c. Ciclo

de intransitividade. No fornece ordenao.
Paradoxo de Condorcet.

Mtodo de Copeland:
a
b
c
d
e

a b
0
1
0 0
0 0
0 0

c d e
1 1 1
1 1 1
1 0
0
1
1 0

a=3
b=4
c=1
d=1
e=1

Tirou a intransitividade. Empate bem diferente de

intransitividade.
Copeland=Condorcet quando no intrnasitividade..
Quando h. melhor que Borda para resolver.

Tratamento de empates nas

ordenaes: Borda
:

D1
a,b
c
d

a
b
c
d

1,5+2
1,5+2
3+2
4+4

D2
a,b,c
d

Tratamento de empates nas

ordenaes: Condorcet
:

Substituir ganhar por no perder

a
b
c
d

a
1
1
0
0

b
1
1
0
0

c
1
1
1
0

d
1
1
1
1

a,b empatado em primeiro, c em terceiro, d em quarto.

Tratamento de empates nas

ordenaes: Copeland
Fazer linhas menos colunas

a
b
c
d

a
1
1
0
0

b
1
1
0
0

c
1
1
1
0

d
1
1
1
1

a=2, b=2, c=-1, d=-3

a,b empatado em primeiro, c em terceiro, d em quarto.

Borda no SIAD: Invertido

DECISES COM RISCO

Risco e utilidade

Deciso com risco

conhecida uma distribuio de
probabilidade
Valor mdio, com seus problemas; moda
Deciso eficiente: conceito de risco
Escolha entre decises eficientes
Propenso e averso ao risco.

Loterias
Um evento estocstico com apenas dois
resultados.
P(A)=1-P(B)

Utilidade
Verdadeiro valor do ganho
Definida probabilisticamente. Se definida
deterministicamente chama-se funo de
valor
Exemplo: loteria do milho, rea para uma
fbrica, nota numa matria, tamanho de
onda, salrio, raspadinha...

Utilidade
Averso ao risco: utilidade marginal
diminui
Propenso ao risco: utilidade marginal
aumenta
Utilidade assinttica
Teorias psicolgicas da utilidade

Utilidade
Utilidade de von Neumann: Indiferena
entre obter um ganho e, com 100% de
probabilidade e participar de uma loteria
em que o maior valor tem probabilidade p
e o menor 1-p. Determinar esse p.
U(e) =pU(max) + (1-p)U(min)
Se normalizado, U(e) = U(max)
Crticas conduzem a funes de valor

Funes usadas para modelar a

utilidade

Raiz
Ln[(a+bx)/c]
Arctg
tgh

PROCESSOS DE MARKOV

Definies bsicas
Estado de um sistema: situao em que se
encontra em determinado tempo
Vetor de estado: indica a probabilidade de cada
estado, em um determinado instante ou etapa do
processo
Processo de Markov: a probabilidade de numa
etapa o sistema se encontrar em um determinado
estado, depende apenas do estado anterior (sem
memria)
Cadeia de Markov: processo de Markov discreto

Definies bsicas
Probabilidade de transio: a probabilidade de o
sistema chegar ao estado j na etapa n+1, dado que
na etapa n estava no estado i.
Matriz de transio: matriz composta das
probabilidades de transio
Propriedades: produto de matrizes de transio
uma matriz de transio, produto de uma matriz
de transio por um vetor de estado um vetor de
estado
Transies sucessivas

Exemplos
Viajar de vrias formas
Processos peridicos
Estados absorventes

Matriz regular
Pelo menos uma potncia da matriz no tem nenhum
valor nulo
Comportamento esttico: vP=v
Significa tem um autovalor unitrio
O autovetor associado o vetor de estado no infinito, ou
vetor fixo.
Vetor fixo independe do estado inicial:
n

lim (n) = lim (0). P =

n

Cada linha da matriz converge para o vetor v

Exemplo: manuteno de uma

mquina

Esperar que a mquina quebre

Trocar no comeo do quarto ms
Trocar no comeo do terceiro ms
Trocar no comeo do segundo ms
1 a mquina inicia o primeiro ms de operao e a substituio
foi planejada.
Q a mquina inicia o primeiro ms de operao
e a substituio se deveu a quebra da anterior.
2 a mquina inicia o segundo ms de operao.
3 a mquina inicia o terceiro ms de operao.
4 a mquina inicia o quarto ms de operao.

Exemplo: manuteno de uma

mquina

Custo de troca programada 500

Custo de troca por quebra 1500
Probabilidade de quebrar no ms 1: 0,1
Probabilidade de quebrar at o ms 2: 0,2
Probabilidade de quebrar at o ms 3: 0,5
Probabilidade de quebrar at o ms 4: 1
DETERMINE A POLTICA TIMA

TEORIA DAS FILAS

Fogliatti, MC, Mattos, N.M.C.,
Teoria das Filas, 2007, Intercincia

Teoria das Filas

Surge no incio do sculo XX para centrais
de telefone.
Existncia de filas: clientes que precisam
de um servio.
Fonte (populao), fila, servio, sistema

Fonte
Universo onde se encontram a populao que
dar origem aos clientes
Populao: finita, infinita. Influncia na
probabilidade de novas chegadas.
Chegadas simples e em grupo
Chegadas controlveis e incontrolveis
Taxa de chegada (cliente por unidade de tempo).
Pode ser constante ou aleatrio. Mede-se o tempo
entre duas chegadas.
Clientes podem ser pacientes ou impacientes

Fila
Simples e mltiplas
Finita ou infinita
Disciplina: FIFO (PEPS), FILO (PEUS),
aleatria, prioridades.

Servio
Simples ou em grupo
Tempo de servio
Taxa de servio (numero de clientes por
unidade de tempo)

Parmetros e critrios
Congestionamento: tempo do cliente
pouco valorizado
Ociosidade: tempo do cliente muito
valorizado

Parmetros e critrios

Comprimento mdio da fila Lq

Nmero mdio de clientes no sistema L
Tempo mdio de espera na fila Wq
Tempo mdio de espera no sistema W
Taxa de ocupao
Probabilidade de haver n atendentes
desocupados...

Parmetros e critrios
Pn Probabilidade de haver n elementos no
sistema
P (n k) Probabilidade de haver k ou mais
elementos no sistema
P (W>t)
taxa de chegada. O seu inverso o intervalo
mdio de chegada.
taxa de servio e seu inverso o tempo mdio
de servio
Taxa de ocupao

Distribuies usuais
Exponencial negativa f(t) =a.exp (-at)
Poisson f(x)= (at)x.exp (-at)/x!
Clculo de valor esperado, varincia, CV
Propriedade inversa
Falta de memria:
P(T>a+b/T>b)=P(T>a+b)/P(T>b)=P(T>a)
Distribuio de chegadas em relao mdia

Relao fundamental

L=W
Lq=Wq
W=wq+1/
L=Lq+ /

Classificao das filas

X/Y/Z/W
Entrada, sada, nmero de servidores,
outras propriedades (finita, paciente...)
M/M/1

Nascimento e morte M/M/1

Estado zero para 1 com chegada
Estado 1 para zero com sada, para 2 com
chegada
P1=P0
P1 = P0 /
Generalizando: Pn = nP0 / n ou
Pn = nP0
Somatrio dos P deve ser unitrio
Utilizando convergncia chega-se taxa de
desocupao e seu valor

Nascimento e morte M/M/1

O comprimento do sistema igual ao valor
mdio do estado do sistema, somatrio de
n por Pn.
L= /( - )
Para a fila, Lq=L-(1-Po)

Formulrio M/M/1

Exemplo
Caminhes a serem descarregados
Chegada de 16 por dia
Funcionrio
1

Tempo (minutos)
50

20

15

12

10

Exemplo

Caminho parado: 3000/h

Funcionrio 1500/h
Dia de trabalho com 8h
Quantos empregados contratar?

Formulrio M/M/S

Exemplo
Verificar o que melhor para a fila:
duplicar a velocidade de atendimento ou
duplicar o nmero de servidores.

Comprimento Limitado e um
servidor M/M/1/K

n= para n de 0 a k-1
n=0 caso contrrio
mdio= (1-Pk)
preciso distinguir entre taxa de ocupao
e taxa de presso. A taxa de presso deste
caso equivale de ocupao no caso
M/M/1

Formulrio para M/M/1/K

Exemplo
Porto com um guindaste mvel de descarga e
dois beros.
Porto ocupado implica em desviar navios. Custo
de 20000 por navio desviado e de 12000 por dia
por navio parado.
Chegadas markovianas de 3 navios por dia e
atendimento de 5 navios por dia.
Expanso para 3 beos custa 1000 por dia. Vale a
pena?

Formulrio para populao finita

(M/M/1/N)

M/G/1

Exemplo
Chegada markoviana de 15 clientes por
hora
Tempo de atendimento mdio de 3 minutos
a)Com distribuio constante (varincia
nula)
b)Com distribuio uniforme entre 1 e 5
minutos
c)Com distribuio exponencial

GESTO DE ESTOQUES

Papel dos estoques

Haver abastecimento quando a procura superior oferta
Manter o abastecimento quando no h produo

Modelos de gesto de estoques

Determinsticos ou Estocsticos
Quanto comprar
Quando comprar
Minimizao de custos (incluindo perda de
oportunidade)
Acumulao de estoques custos de posse
Baixo estoque mau servio
Modelos diferentes para vrios itens
classificao ABC

Custos dos estoques

Aquisio: pagamento ao fornecedor. C1.Q
Encomenda: custos administrativos,
geralmente fixos e sub-avaliados. A
Custo de posse: seguros, aluguel de
espao, capital imobilizado, obsolescncia
Custos de quebra

Modelos determinsticos

Reposio: instantnea, gradual

Procura: constante, varivel
Quebra: permitida, no permitida
Preo: constante, com descontos

Modelos determinsticos
Reposio instantnea, procura constante,
quebra no permitida, sem descontos
Q: Quantidade encomendada
T: intervalo entre encomendas
r: procura por unidade de tempo
(determinada por modelos de previso,
aqui suposta conhecida)
Q=Tr

Modelos determinsticos
Custo de encomenda: A
C2: manter uma unidade de artigo numa
unidade de tempo. Custo de todas as
unidade, variveis no tempo, a integral ao
longo do perodo T= C2(Q/2)T
CT=A+C2(Q/2)T
Ciclos de tamanho diferente no so
comparveis.

Modelos determinsticos

Custo por unidade de tempo

K=CT/T=A/T + C2Q/2=Ar/Q + C2Q/2
Custo mnimo: deriva e iguala a zero
Q*=(2Ar/C2)1/2
E os custos de aquisio C1Q?
A derivada nula, no interferem nos
valores timos das variveis de deciso

Anlise de sensibilidade

Modelo robusto, curva quase plana no mnimo.; Melhor

comprar mais que menos. E o JIT,como fica?

Outros casos
Reposio no instantnea: fazer o grfico e
calcular nova integral
Demanda varivel: fazer o grfico e calcular nova
integral
Quebra permitida: incluir o custo de quebra.
Nova varivel quanto de quebra se permite.
Problema com derivadas parciais
Custo de encomenda varivel: incluir esse custo
no custo total e resolver novo problema de
otimizao

Exemplo
Consumo: 10000/ano
Custo unitrio: 3100 at 2000 unidades, 3000
entre 2000 e 5000 unidades, 2900 para mais de
5000 unidades
Custo fixo 5000
Custo de posse 600/unidade/ano (na verdade tem
pequenas variaes pelos descontos)
Calcular o lote timo

Modelos Estocsticos
Encomenda fixa no ponto de encomenda,
intervalos variveis
Intervalos de tempo fixos, quantidade
varivel
Ambas trabalham com estoques de
segurana
Simulao

FIM