Escolar Documentos
Profissional Documentos
Cultura Documentos
Po PDF
Po PDF
Fundamentos da
PESQUISA OPERACIONAL
UNIFAL-MG
Fevereiro 2011
SUMARIO
1.1
Modelos Matematicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
1.3
Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2 Programac
ao Matem
atica
24
2.1
Modelos de Otimizacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2
2.3
Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3 Programac
ao Linear
. . . . . . . . . . . . . . . . . . . 28
44
3.1
3.2
3.3
3.2.1
3.2.2
3.2.3
Solucoes do Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4 Resoluc
ao de PPL
64
4.1
4.2
Fundamentacao Teorica
4.3
Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5 O M
etodo Simplex
79
5.1
5.2
Analise de Sensibilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.3
Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.4
Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
CAPITULO
1
CONHECENDO A PESQUISA OPERACIONAL
O termo Pesquisa Operacional (PO) designa uma area do conhecimento que consiste no
desenvolvimento de metodos cientficos de sistemas complexos, com a finalidade de prever
e comparar estrategias ou decisoes alternativas, cujo objetivo e dar suporte a` definicao de
polticas e determinacao de acoes.
O trabalho do matematico russo Leonid Kantorovich de 1939 intitulado Metodos
matematicos na organizacao e no planejamento de producao e considerado um dos precursores da PO, porem manteve-se desconhecido da comunidade cientfica ocidental ate
1959. O proprio termo Pesquisa Operacional, do ingles Operations Research, foi cunhado
pelo matematico russo na tentativa de englobar, sob uma u
nica denominacao, todas as
tecnicas existentes ou que viriam a ser desenvolvidas e que tinham o mesmo objetivo
citado. De fato, o termo PO designa um conjunto de disciplinas isoladas tais como Programacao Linear, Teoria das Filas, Simulacao, Programacao Dinamica, Teoria dos Jogos,
dentre outras.
A Pesquisa Operacional tal qual como a conhecemos surgiu durante a Segunda Guerra
Mundial tendo como objetivo o desenvolvimento de metodologia para solucao de problemas relacionados com as operacoes militares quando os Aliados se viram confrontados
com problemas complexos de natureza logstica, tatica e de estrategia militar. Para apoiar
os comandos operacionais na resolucao desses problemas foram criados grupos multidisciplinares compostos por matematicos, fsicos, engenheiros e cientistas sociais. O que
esses cientistas fizeram foi aplicar o metodo cientfico, que tao bem conheciam, aos problemas que lhes foram sendo colocados. Desenvolveram entao a ideia de criar modelos
4
5
matematicos, apoiados em dados e fatos, que lhes permitissem perceber os problemas em
estudo, simular e avaliar o resultado hipotetico de estrategias bem como propor decisoes
alternativas. Em 1941 a Inglaterra inaugura a Secao de Pesquisa Operacional do Comando da Forca Aerea de Combate para trabalhar com problemas de operacoes de guerra,
manutencao e inspecao de avioes, melhoria da probabilidade de destruicao de submarinos,
controle de artilharia antiaerea, dimensionamento de comboios de frota, entre outros.
O sucesso e credibilidade ganhos durante a guerra foram tao grandes que, terminado o
conflito, esses grupos de cientistas e a sua nova metodologia de abordagem dos problemas
se transferiram para as empresas que, com o vertiginoso crescimento economico que se
seguiu, se viram tambem confrontadas com problemas de decisao de grande complexidade.
Em 1947 os Estados Unidos implantam o projeto SCOP (Scientific Computation of Optimal Programs) com o objetivo de apoiar decisoes de operacoes da forca aerea americana,
coordenado por um economista e por um matematico George Dantzig que desenvolveu e
formalizou o Metodo Simplex para resolver problemas de otimizacao linear.
Face ao seu carater multidisciplinar, atualmente as contribuicoes da PO estende-se
por praticamente todos os domnios da atividade humana, da Engenharia a` Medicina,
passando pela Economia e `a Gestao Empresarial.
Os ramos mais importantes desenvolvidos em PO sao:
Programac
ao Matem
atica
Outros Ramos
X Programacao Linear
X Analise Estatstica
X Programacao Dinamica
X Programacao Inteira
X Simulacao
X Otimizacao Global
X Gestao de estoques
Resumidamente podemos dizer que o objetivo principal da PO e determinar a programacao otimizada de atividades ou recursos, fornecendo um conjunto de procedimentos
e metodos quantitativos para tratar de forma sistematizada problemas que envolvam a
utilizacao de recursos escassos. Para apoiar a tomada de decisao, a PO busca a solucao
de problemas que podem ser representados por modelos matematicos.
De modo geral, para a resolucao de um problema, um estudo de PO e desenvolvido
em fases como indicado no esquema abaixo.
1.1
Modelos Matem
aticos
Observar, compreender, reproduzir e aprimorar fenomenos, que podem ser naturais, sociais ou economicos, tem sido desde sempre uma preocupacao basica da Ciencia. Eventualmente tais fenomenos podem ser controlaveis e havera entao condicoes de realizar previsoes
com pequeno nvel de incerteza, para tanto e necessaria a construcao de modelos que sao
representacoes idealizadas para tais fenomenos, processos ou sistemas.
Um modelo descreve, representa e imita o procedimento que ocorre no mundo real, estabelecendo o relacionamento das variaveis com os objetivos, da melhor maneira possvel,
obedecendo `a limitacao de tempo e de custo. Os modelos podem ser assim classificados:
1.1. MODELOS MATEMATICOS
Entrada
Modelo
Matemtico
Sada
O modelo mais adequado depende de varios fatores: a natureza das relacoes entre
as variaveis, os objetivos almejados, a extensao do controle sobre as variaveis e o nvel
de incerteza existente tanto nas relacoes entre as variaveis como na propria definicao
das variaveis. Para cada conjunto de situacoes especficas o modelo matematico, doravante denominado somente modelo, devera ter uma forma padronizada e a solucao podera
ser obtida por metodos matematicos especficos para cada caso, que serao estudados
posteriormente.
De maneira geral, um problema de tomada de decisao requer solucao que responda a
tres perguntas:
1. Qual e a meta a ser atingida?
(objetivo)
(vari
aveis de decis
ao)
1.2
Considere a situacao em que uma dona de casa precisa decidir entre comprar manteiga
ou margarina para o consumo da famlia. Ela vai seguir intuitivamente um raciocnio
logico atraves do qual procurara alinhar as vantagens e desvantagens de cada alternativa,
segundo seus criterios de decisao.
De incio, a dona de casa ira identificar as diferencas entre os produtos segundo varios
fatores que poderiam ser tomados para comparacao como: o custo, o sabor, a durabilidade,
a consistencia quando gelado, os efeitos para sa
ude, dentre outros. Para simplificar, ela se
limitara a avaliar apenas os itens que considera mais importantes: custo, sabor e efeitos
para a sa
ude. Esses serao os criterios para a tomada de decisao da dona-de-casa.
As consequencias de cada alternativa serao:
1. Comprando manteiga, a dona-de-casa
gasta mais dinheiro;
agrada a famlia;
poe em risco a famlia devido ao teor mais alto de colesterol.
2. Comprando margarina, a dona-de-casa
economiza dinheiro;
desagrada a famlia;
nao coloca em risco a sa
ude da famlia.
1
1.2. PRIMEIROS EXEMPLOS E APLICAC
OES
1, 5 + 1 + 3, 5 + 2 + 6
T2 =
1, 5 + 2 + 4, 5 + 1 + 5, 5
= 14 min
= 14, 5 min
10
Objetivo:
Restric
oes:
A tabela seguinte apresenta os retornos (ganhos ou perdas medias) para um valor fixo
de insvetimento associados `as decisoes de investir em conta poupanca, em dolar ou fundos
de investimentos.
Decis
ao A1
Decis
ao A2
Decis
ao A3
poupanca
d
olar
fundos
S1 : Recessao
0,40
$ 300
$ 400
- $ 100
S2 : Estabilidade
0,40
$ 300
$ 300
$ 200
S3 : Expansao
0,20
$ 300
$ 200
$ 700
= 300
GA2 =
= 320
Maximizar o retorno
Restric
oes:
1.2. PRIMEIROS EXEMPLOS E APLICAC
OES
11
1,00
0,10
0,30
0,40
Custo fixo
8.000,00
Vari
aveis de decis
ao: Preco unitario da esfirra
Objetivo:
Maximizar o lucro
Restric
oes:
Demanda de mercado
Para este problema, e preciso desenvolver um modelo que permita a simulacao do lucro
operacional mensal a partir da demanda d e dos custos para estabelecer o preco p a ser
praticado.
O lucro (L) e obtido pela diferenca entre a receita (R) e o custo total (CT),
L = R CT.
12
quantidade vendida, neste caso a quantidade demandada, que por sua vez depende do
preco praticado. Assim,
R(p) = p d(p).
O custo total e a soma do custo fixo com o custo variavel, que depende da quantidade
a ser produzida, neste caso a demanda.
CT = C + C(d)
d(1) = 70000.
d(p) = ap + b
a=
70000 75000
d
=
= 500000
p
1 0, 99
1.2. PRIMEIROS EXEMPLOS E APLICAC
OES
13
Logo,
b = 570000.
Portanto, a funcao demanda nas condicoes do problema e:
Para este caso o modelo sera construdo em planilha eletronica alcancando assim facilidade de interacao com o usuario e possibilitando rapidas alteracoes. Admitindo que o
preco praticado seja R$ 1,00 a unidade de esfirras, e possvel calcular a quantidade vendida, a receita e os custos mensais e consequente prever o lucro operacional. O modelo em
planilha eletronica e apresentado na tabela abaixo, onde as formulas para os respectivos
calculos estao explicitadas na coluna C.
14
1.2. PRIMEIROS EXEMPLOS E APLICAC
OES
15
Ano
Alcool
Gasolina
2007
2,00
5,00
2008
2,05
5,80
2009
3,00
6,20
Restric
oes:
Custo do pedido
Custo de Manutencao do estoque
16
2 + 2, 05 + 3
= 2, 35
3
aG =
5 + 5, 8 + 6, 2
= 5, 67
3
qA =
aA
n
qG =
aG
n
1.2. PRIMEIROS EXEMPLOS E APLICAC
OES
17
CMA = 138.000
qA
= 69.000qA
2
qG
= 179.400qG
2
Escrevendo o custo total em funcao das variaveis e constantes assim definadas e calculadas:
CT = 69.000qA + 179.400qG + 325n
2, 35
5, 67
+ 179.400
+ 325n
n
n
1
1
= 162.150 + 1.017.198 + 325n
n
n
= 69.000
Portanto,
CT (n) = 1.179.348
1
+ 325n
n
Como o objetivo e minimizar uma funcao em uma variavel real, devemos encontrar os
pontos crticos da funcao utilizando a primeira derivada.
d
1
CT (n) = 1.179.348 2 + 325 = 0
dn
n
A equacao diferencial acima e satisfeita para n
= 60, 24 ou n
= 60, 24. Entretanto
no contexto do problema proposto n deve ser um n
umero inteiro positivo, sendo assim
tomamos, por arredondamento, n = 60. E o teste da segunda derivada nos garante que
este e um ponto de mnimo.
d2
1
CT (n) = 2.358.696 3 > 0,
2
dn
n
n>0
Assim, deve-se encomendar 39.166,67 litros de alcool e 94.500 litros de gasolina por
18
vez totalizando 60 pedidos anuais com custo total de R$ 39.155,80 contra os custos atuais
de R$ 53.809,54 referentes a 26 pedidos anuais, o que representa uma economia para a
empresa de aproximadamente 27,21%.
Carboidratos
Vitaminas
Protenas
Objetivo:
Restric
oes:
(minimizar o custo)
3x1 + x2
x1 , x2
7 (quantidade de protenas)
0 (condicao de nao-negatividade)
1.2. PRIMEIROS EXEMPLOS E APLICAC
OES
19
Por simples inspecao visual e possvel identificar o ponto (1,4) do plano cartesiano
como sendo o ponto onde a funcao custo e minimizada, obtendo um custo mnimo de
$ 150 u.m. com consumo total de 2.300 kcal, enquanto o ponto (5,1) minimiza a quantidade
de calorias, 2.000 kcal, com custo de $ 275 u.m.
Proposto originalmente por M.Flood e M.Dresher em 1950, posteriormente adaptado por A.W.Tucker.
20
C
Prisioneiro A NC
NC
(10, 10)
(1,12)
(12,1)
(2,2)
1.3
21
Lista de Problemas
1. Durante a construcao de uma casa, seis vigas de 8m cada devem ser recortadas
para atingir o comprimento correto de 7, 5m. As operacoes para cortar uma viga
obedecem a seguinte sequencia:
Operac
ao
Tempo [s]
15
2. Marcar o comprimento
10
3. Cortar a viga
20
20
22
em R$
Preco medio praticado pela concorrencia (por pastel)
7,00
1,30
2,00
0,40
Custo fixo
6.000,00
23
u
ltimo ano, a empresa vendeu 2000 toneladas de cimento. Seus custos estimados de
colocacao de um pedido sao cerca de $25, e os custos de manutencao dos estoques
sao de 20% do custo de aquisicao, por ano. A empresa adquire cimento a $60 por
tonelada. Quanto cimento a empresa deveria pedir por vez?
7. Uma empresa comercializa queijos deseja estudar sua poltica de estocagem de modo
a otimizar sua operacao, reduzindo os custos. Apos um cuidadoso levantamento, o
gerente estimou que o custo anual de manter um item em estoque e de $50,00. Tal
custo foi obtido considerando-se o custo do capital investido, o custo das instalacoes,
refrigeracao, limpeza e seguros, durante um ano, e dividindo-se pelo n
umero estimado de itens que irao compor o estoque no mesmo perodo. Consideremos que este
n
umero seja constante e igual a 1.000 por ano. O suprimento do produto e feito
em quantidades constantes e intervalos regulares, a colocacao de cada encomenda
tem um custo fixo de $ 1.000,00, incluindo documentacao, despesas de pedido e
transporte. Qual a quantidade de mercadoria que deve ser encomendada de cada
vez?
CAPITULO
2
MATEMATICA
PROGRAMAC
AO
Desde a antiguidade varios cientistas tais como Euclides, Newton, Lagrange, Leontief, Von
Neumann, dentre outros, tem dedicado seus estudos `a pesquisa do otimo. A area que estuda Problemas de Otimizacao e denominada Programacao Matematica que engloba uma
ampla classe de problemas. O termo programacao significa que existe um planejamento
das atividades.
A Programacao Matematica vem se constituindo como uma das mais poderosas ferramentas matematicas para diversos segmentos, propiciando melhorias mensuraveis nos
processos e automatizacao dos mesmos, analises operacionais, de projetos, reengenharia e
identificacao de gargalos. Seus benefcios sao exatamente aqueles procurados por qualquer
empresa: diminuicao dos custos e aumento dos lucros. Em algumas organizacoes ela esta,
inclusive, embutida em suas rotinas informatizadas de planejamento diario dos processos
de operacao.
Segundo pesquisas efetuadas em empresas que tem utilizado esta ferramenta, a reducao
de custos se enquadra facilmente na faixa entre 1% e 5%, existindo casos que chegam
ate a 15%. A magnitude do benefcio da Programacao Matematica na performance das
empresas pode ser avaliada nos casos listados a seguir referentes a diferentes areas de
atividade economica:
24
25
1. A companhia de oleos TEXACO utilizou a Programacao Linear para obter condicoes
ideais de processamento do grude bruto para produzir quantidades proporcionais `as
necessidades do mercado aos diversos derivados do grude: gasolina, oleos com diversas graduacoes ou asfalto. A aplicacao da metodologia em sete das suas refinarias
permitiu obter uma melhoria de 30% nos lucros, atingindo 30 milhoes de dolares.
2. A rede de fast food McDonalds nos Estados Unidos aplicou a Programacao Matematica para otimizacao dos horarios de trabalho em quatro de seus estabelecimentos, pertencentes a Al Boxley. Este tipo de atividade recorre freq
uentemente
a` mao-de-obra em part-time, tendo como resultado uma grande aleatoriedade na
disponibilidade dos recursos humanos. A Programacao Linear proporcionou um
melhor aproveitamento dos recursos disponveis, com a exigencia de cobertura durante todo perodo de funcionamento das unidades, obtendo-se uma programacao
de horarios mais conveniente de acordo com as preferencias de horario de cada funcionario.
3. O exercito norte-americano desenvolveu um sistema designado de MLRPS
Manpower Long-Range Planning System que permite estimar as necessidades de
recursos humanos num horizonte que vai dos 7 aos 20 anos. O modelo de otimizacao
analisa a forma com que as forcas armadas podem obter no futuro a estrutura
militar desejada. Para tal, aspectos como as admissoes, abandonos, promocoes e
transferencias sao tidos em conta no modelo que determina o n
umero de recursos
necessario.
Uma das caractersticas principais de Programacao Matematica e sua extensibilidade, pode ser aplicada a diverso n
umero de organizacoes e sistemas: ind
ustrias, governos, agencias, hospitais, economia, sociologia, biologia, dentre outros. Algumas de suas
aplicacoes se tornaram classicas:
Problema de transporte;
Administracao da producao;
MATEMATICA
CAPITULO 2. PROGRAMAC
AO
26
Analise de investimentos;
A existencia de restricoes `a aplicacao dos recursos, tanto com relacao a`s quantidades
disponveis quanto com relacao `a forma de emprego.
2.1
Modelos de Otimiza
c
ao
2.1. MODELOS DE OTIMIZAC
AO
27
otimizar: z = f (x1 , x2 , . . . , xn )
g1 (x1 , x2 , . . . , xn )
g2 (x1 , x2 , . . . , xn )
sujeito a:
..
gm (x1 , x2 , . . . , xn )
b1
b2
=
..
bm
(2.1)
x1 x2 . . . xn
(2.2)
Programac
ao Linear: Todas as funcoes do modelo sao lineares em relacao `as variaveis.
Programac
ao N
ao-Linear: Pelo menos uma das funcoes envolvidas nao e linear.
A solucao de um PPM inicia-se pela modelagem, esta etapa e tao importante tanto
quanto o desenvolvimento de metodos de solucao, visto que a qualidade de todo o processo
e consequencia direta do grau de representatividade do modelo.
O exemplo 1.6 apresentado no captulo anterior foi modelado seguindo certa sistematizacao e agora iremos nos concentrar na estruturacao de modelos especficos para PPM.
A tarefa de construcao do modelo a partir do enunciado do problema deve seguir uma
metodologia basica, apresentada a seguir:
MATEMATICA
CAPITULO 2. PROGRAMAC
AO
28
Identificac
ao das vari
aveis de decis
ao
Todas as grandezas envolvidas devem ser determinadas, explicitando as decisoes que
devem ser tomadas, nomeando-as xj , j = 1, . . . , n.
Definic
ao do crit
erio de otimizac
ao
Criterios de avaliacao capazes de indicar que uma decisao e prefervel a outras
devem ser definidos. Deve-se identificar as metas que se pretendem alcancar com
a resolucao do problema, expressando-as como funcoes matematicas. Em geral, o
objetivo aparece na forma de maximizacao ou minimizacao de quantidades.
Formulac
ao das restric
oes
Todos os requisitos, condicionalismos e limitacoes do problema, tanto explcitas
como implcitas, devem ser identificados. Cada limitacao imposta na descricao do
problema deve ser expressa como uma equacao ou inequacao em funcao das variaveis
de decisao.
2.2
Problemas de Programa
c
ao Matem
atica
Para melhor ilustrar os conceitos discutidos, serao apresentadas algumas situacoes que podem ser descritas com o auxlio de um modelo de Programacao Matematica. A seguir sao
propostos alguns PPM onde espera-se exemplificar e detalhar o processo de modelagem,
entretanto sera a experiencia individual responsavel pelo desenvolvimento de habilidades
para a criacao de bons modelos matematicos, eficientes e realistas. Salientamos que, ainda
nao ha a preocupacao com a solucao de problemas que podera ser obtida posteriormente.
MATEMATICA
29
MATEMATICA
CAPITULO 2. PROGRAMAC
AO
30
Ainda ha uma condicao implcita ao problema que devemos considerar, quais os valores que as variaveis de decisao podem assumir?
xj R
max
s.a. :
z = 10x1 + 13x2
0, 1x2 1
x1 , x2 0
(condicao de nao-negatividade)
Observe que a condicao xj R foi omitida do modelo final, isto deve-se ao fato que
em modelos de Programacao Matematica, por convencao, esta condicao e considerada
implcita ao modelo. A informacao sobre o domnio da funcao constara no modelo caso o
domnio seja outro conjunto numerico.
MATEMATICA
31
min z =
3
X
p
i=1
i {1, 2, 3}
MATEMATICA
CAPITULO 2. PROGRAMAC
AO
32
min
3
X
p
z=
(xi x)2 + (yi y)2
i=1
p
s.a. :
(x2 x)2 + (y2 y)2 10 (distancia a Cajari)
kcal
pao
225
170
76
300
146
45
160
37
35
4,8
13
0,6
Vitamina A
mg
900
87
21
99
Vitamina C
mg
300
12
59
Ferro
mg
10
2,9
1,3
1,6
1,3
0,2
0,9
Calcio
mg
500
12
27
16
49
45
285
0,50
0,14
0,19
0,15
0,20
0,10
0,30
Custo (R$)
MATEMATICA
33
7
X
cj x j
j=1
225x1 + 170x2 + 76x3 + 300x4 + 146x5 + 45x6 + 160x7 3100 (mnimo kcal)
225x1 + 170x2 + 76x3 + 300x4 + 146x5 + 45x6 + 160x7 3300 (maximo kcal)
(b) A dieta deve fornecer as quantidades mnimas recomendadas de nutrientes
MATEMATICA
CAPITULO 2. PROGRAMAC
AO
34
900 (Vitamina A)
300 (Vitamina C)
37 (Protena)
10 (Ferro)
500 (Calcio)
(c) Ainda ha uma condicao implcita ao problema que devemos considerar, quais
os valores que as variaveis de decisao podem assumir? Nesta situacao estamos interessados em valores nao-negativos que satisfacam os nveis mnimos
de nutrientes. Devemos tambem considerar o tipo de variavel, neste problema
podemos admitir que a variavel xj pode receber qualquer valor real. Assim
temos definido o domnio da funcao objetivo e o criterio de nao-negatividade:
xj 0,
xj R.
min
s.a. :
37
900
300
10
500
xj
MATEMATICA
35
Toca-CD
DVD
Diadema
10
20
20
Ribeirao
20
10
20
Campinas
20
20
10
n
umero de
radios
x2d :
n
umero de
toca-CD
x3d :
n
umero de
DVD
x1r :
n
umero de
radios
x2r :
n
umero de
toca-CD
x3r :
n
umero de
DVD
x1c :
n
umero de
radios
MATEMATICA
CAPITULO 2. PROGRAMAC
AO
36
x2c :
n
umero de
toca-CD
x3c :
n
umero de
DVD
onde x e o n
umero total de horas que fabrica de Diadema funciona para atender o
pedido, y e o n
umero total de horas da fabrica de Ribeirao e z corresponde ao total
de horas da fabrica de Campinas.
De acordo com a tabela fornecida podemos determinar x em funcao das variaveis
de decisao x1d , x2d e x3d , y em funcao de x1r , x2r e x3r e z em funcao de x1c , x2c e
x3c :
x1d x2d x3d
+
+
= 0, 10x1d + 0, 05x2d + 0, 05x3d
10
20
20
x1r x2r x3r
+
+
= 0, 05x1r + 0, 10x2r + 0, 05x3r
y =
20
10
20
x1c x2c x3c
z =
+
+
= 0, 05x1c + 0, 05x2c + 0, 10x3c
20
20
10
x =
MATEMATICA
37
min
s.a. :
x2d + x2r + x2c 600 (encomenda de DVD)
xia 0
para i = 1, 2, 3 e a = d, r, c
xia Z
A Loja dos Queijos produz e comercializa dois tipos de queijos (Delux e Standard),
muito procurados na epoca do Natal. Estes queijos sao produzidos a partir de uma mistura
de frutas da epoca e de um queijo especial muito caro. A Loja dos Queijos pode dispor
de 20 kg de mistura de frutas e 60 kg do queijo especial utilizado. Cada kg de Delux
consiste em 0,2 kg da mistura de frutas e 0,8 kg do queijo especial, enquanto que 1 kg de
Standard consiste em 0,2 kg da mistura de frutas, 0,3 kg do queijo especial e 0,5 kg de um
queijo comum, disponvel em grande quantidade. De acordo com a experiencia da Loja
dos Queijos, foi possvel descobrir que a procura de cada um dos dois queijos depende do
preco adotado:
d1 = 190 25p1
d2 = 250 50p2
onde d representa a procura (em kg), p denota o preco (em u.m./kg), e os ndices 1 e 2
designam os tipos Delux e Standard, respectivamente.
Que quantidade de cada tipo de queijo devera a Loja dos Queijos preparar, e que
1
MATEMATICA
CAPITULO 2. PROGRAMAC
AO
38
precos deverao ser adotados para maximizar a receita e garantir que, apos a epoca do
Natal, nada reste dos dois queijos em estoque?
Vari
aveis de decis
ao: x1 : quantidade (em kg) a produzir de queijo tipo Delux
x2 : quantidade (em kg) a produzir de queijo tipo Standard
Objetivo:
Restric
oes:
max z = p1 x1 + p2 x2
(maximizar a receita)
x1 , x2 0 (condicao de nao-negatividade)
O modelo ainda nao esta completo pois e necessario garantir que toda a producao seja
vendida, para tanto a producao xi nao deve ultrapassar a demanda di , isto e,
xi d i ,
i = 1, 2
x1 190 25p1
e x2 250 50p2
x1 + 25p1 190
x2 + 50p2 250
Para simplificar o problema, o objetivo tambem deve ser reescrito somente em funcao
das variaveis de decisao. Observe que para quaisquer valores fixos de x1 e x2 a funcao
z = p1 x1 + p2 x2 aumenta conforme aumentarem os precos p1 e p2 , assim para maximizar
z, p1 e p2 devem assumir valores maximos, isto e assumir valores tais que as inequacoes
MATEMATICA
39
referente a`s restricoes de demanda se tornem equacoes. Desta forma, os precos podem ser
assumidos como:
p1 =
190 x1
= 7, 6 0, 04x1
25
p2 =
250 x2
= 5 0, 02x2
50
max
s.a. :
x1 , x2 0 (condicao de nao-negatividade)
Custo de Produc
ao
F
abrica
(paes de forma)
(u.m./pao de forma)
2500
2,3
2100
2,5
MATEMATICA
CAPITULO 2. PROGRAMAC
AO
40
Rede de
Necessidade m
axima
Preco m
aximo
Restaurantes
(paes de forma)
(u.m./pao de forma)
1800
3,9
2300
3,7
550
4,0
1750
3,6
O custo (em u.m.) de transporte de uma unidade de pao de forma de cada padaria
para cada rede de restaurantes e dado na tabela seguinte.
Restaurantes
Padaria
0,6
0,8
1,1
0,9
1,2
0,6
0,8
0,5
Vari
aveis de decis
ao: xij : quantidade a ser transportada (em unidades)
da origem i = A, B para o destino j = 1, 2, 3, 4
De acordo com tabela de precos, a funcao receita sera:
para i = A, B
A seguir e apresentado o modelo para maximizacao da funcao lucro obtida subtraindose dos precos unitarios os custos de producao e de transporte.
Objetivo:
P4
j=1 xAj
P4
j=1 xBj
xA1 + xB1
Restric
oes:
xA2 + xB2
xA3 + xB3
xA4 + xB4
xij
2.3
41
0 (condicao de nao-negatividade)
Lista de Problemas
Para cada PPM abaixo, elabore um modelo do sistema descrito de acordo com (2.1):
1. Sol Ltda. faz dois tipos de brinquedos de madeira: soldados e trens. Um soldado
e vendido por R$ 27,00 e usa R$ 10,00 de materia prima. Cada soldado produzido
aumenta os custos de Sol Ltda. em R$ 14,00. Um trem e vendido por R$ 21,00 e
usa R$ 9,00 de materia prima. O custo adicional para constru-lo e de R$ 10,00.
Para construir os soldados e os trens de madeira e necessario dois tipos de trabalho:
carpintaria e acabamento. Um soldado precisa de duas horas de acabamento e
um hora de carpintaria. Um trem necessita de uma hora de cada. Cada semana
Sol Ltda. pode obter toda materia-prima necessaria, mas somente 100 horas de
acabamento e 80 horas na secao de carpintaria.
A demanda de trem e ilimitada mas somente 40 soldados sao comprados por semana.
Sol Ltda. deseja maximizar o seu lucro.
2. Uma importante companhia petrolfera pretende construir uma refinaria que sera
abastecida por tres cidades portuarias A,B e C. O porto A esta situado a 300 km a
leste e a 400 km a norte do porto B; o porto C esta situado a 100 km a sul do porto
B. Determine a localizacao da refinaria que minimiza o comprimento total das vias
necessarias para interligar a refinaria aos tres portos.
MATEMATICA
CAPITULO 2. PROGRAMAC
AO
42
Porta 1
Porta 2
Porta 3
8 kg
4 kg
3 kg
R$ 50,00
R$ 40,00
R$ 55,00
Horas de trabalho
Lucro unitario
Protenas
H.Carbono
Gordura
(unidades/kg) (unidades/kg)
Custo
Rac
ao
(unidades/kg)
(u.m./kg)
20
50
30
30
40
20
11
40
25
10
45
50
30
20
10
Como deve ser feita uma mistura que satisfaca os requisitos da alimentacao diaria
de um hamster a um custo mnimo?
43
5. Uma rede de depositos de material de construcao tem 4 lojas que devem ser abastecidas com 50 m3 (loja 1), 80 m3 (loja 2), 40 m3 (loja 3) e 100 m3 (loja 4) de areia
grossa. Essa areia pode ser carregada em 3 portos P1, P2 e P3, cujas distancias a`s
lojas estao no quadro (em km): O caminhao pode transportar 10 m3 por viagem.
L1
L2
L3 L4
P1
30
20
24
18
P2
12
36
30
24
P3
15
25
20
Os portos tem areia para suprir qualquer demanda. Estabelecer um plano de transporte que minimize a distancia total percorrida entre os portos e as lojas e que supra
as necessidades das lojas.
6. O departamento de marketing de uma empresa estuda a forma mais economica de
aumentar em 30% as vendas de seus dois produtos P1 e P2. As alternativas sao:
a) Investir em um programa institucional com outras empresas do mesmo ramo.
Esse programa requer um investimento mnimo de $3.000,00 e deve proporcionar um aumento de 3% nas vendas de cada produto, para cada $1.000,00
investidos.
b) Investir diretamente na divulgacao dos produtos. Cada $1.000,00 investidos em
P1 retornam um aumento de 4% nas vendas, enquanto que para P2 o retorno
e de 10%.
A empresa dispoe de $10.000,00 para esse empreendimento. Quanto devera destinar
a cada atividade?
CAPITULO
3
LINEAR
PROGRAMAC
AO
DE MODELOS LINEARES
3.1. ESTRUTURAC
AO
3.1
45
Estruturac
ao de Modelos Lineares
f (x1 , x2 , . . . , xn ) = c1 x1 + c2 x2 + . . . + cn xn
gi (x1 , x2 , . . . , xn ) ai1 x1 + ai2 x2 + . . . + ain xn
onde os coeficientes aij e cj sao constantes para i = 1, . . . , m e j = 1, . . . , n, e o sinal
pode ser substituido pelos sinais de = ou ou , indistintamente.
De acordo com o formato (2.1), um modelo de PPL apresenta a seguinte estrutura:
min ou max
s.a. :
z = c1 x 1 + c2 x 2 + . . . + cn x n
(3.1)
x1 , x2 , . . . , xn 0
. . . Exemplo 3.1.
Considere que doceira deseja abrir um pequeno negocio para producao de balas. A
LINEAR
CAPITULO 3. PROGRAMAC
AO
46
princpio ela esta considerando produzir dois tipos de balas: caramelo e nozes. Na
producao sao utilizados tres ingredientes: leite, acu
car e nozes. A doceira tem em estoque 10kg de acu
car, 1kg de nozes e 6l de leite. A composicao da bala de caramelo e:
40% de leite e 60% de acu
car, e para as balas de nozes os ingredientes devem ser misturados na seguinte proporcao: 40% de leite, 50% de acu
car e 10% de nozes. Cada quilo de
bala de caramelo pode ser vendido a R$10,00 enquanto um quilo de bala de nozes pode
ser vendido por R$13,00. Qual deve ser a producao de cada tipo de bala para obter a
maior receita?
O modelo completo e:
max
s.a. :
z = 10x1 + 13x2
0, 1x2 1
x1 , x2 0
(nao-negatividade)
1. Certeza: No contexto do Exemplo 2.1, tanto precos de venda dos produtos, como
a quantidade a ser utilizada de cada ingrediente para fabricacao dos doces sao
constantes conhecidas. Entretanto este e um fato rara na maioria das aplicacoes
praticas, em geral utiliza-se como coeficientes para o modelo de textitPPL aproximacoes do valor medio das distribuicoes de probabilidade quando os respectivos
desvios-padroes forem suficientemente pequenos, caso contrario, o problema nao
podera ser modelado como PPL.
2. Proporcionalidade: Se a doceira vender 1kg de bala de caramelado ela recebera
R$10, 00, se vender 2kg obtera R$20, 00, se vender x1 kg obtera 10x1 . O valor obtido
na venda de balas de caramelo e proporcional a` quantidade vendida e preco de venda
do produto e a constante de proporcionalidade. A receita referente `a producao
de bala de nozes e 13x2 , sendo o produto da constante de proporcionalidade 13
pela quantidade vendida. Portanto, a receita referente a` determinado produto e
proporcional a quantidade vendida, se a doceira conceder algum tipo de desconto
DE MODELOS LINEARES
3.1. ESTRUTURAC
AO
47
quando a quantidade adquirida ultrapassar certo patamar, a receita nao sera mais
proporcional a`s quantidades vendidas e a funcao receita se tornara nao-linear. De
maneira analoga, para produzir 1kg de bala de caramelo utiliza-se 0, 6kg de acu
car,
para produzir o dobro necessita-se do dobro de acu
car, sendo assim a quantidade
utilizada do ingrediente e proporcional a quantidade produzida. Similarmente para
os outros ingredientes, constatamos a proporcionalidade em todas as restricoes do
problema.
3. Aditividade: Para a funcao objetivo, a receita total e a soma das receitas referentes
a cada um dos produtos. Tambem para as restricoes o todo e igual a soma das
partes, o total consumido de acu
car e a soma do acu
car utilizado para producao
da bala de caramelo e do acu
car gasto na producao da bala de nozes. Analogamente para os demais ingredientes. O comportamento aditivo e bastante comum,
entretanto ha situacoes onde nao e possvel assumir o princpio da aditividade, por
exemplo, se os produtos competirem entre si de forma que o aumento nas vendas
de um provoque diminuicao na procura do outro, a hipotese de aditividade nao sera
satisfeita. Outro exemplo ocorre com reacoes qumicas, se adicionarmos a um litro
de agua o equivalente a 0,1 litro de acu
car o volume resultante nao sera 1,1 litro de
agua doce.
4. Divisibilidade: Neste problema e possvel vender 1kg de bala como 0, 5kg. Dependendo do problema, as variaveis de decisao deverao assumir valores inteiros, neste
caso e ainda possvel modelar o problema como linear utilizando arredondamento,
entretanto este procedimento pode resultar em valores distorcidos, requerendo a
utilizacao de algoritmos especficos de programacao inteira.
` etapas estabelecidas anteriormente para modelar um PPM, e necessario acrescentar
As
a verificacao das hipoteses de linearidade. Portanto, para proceder a analise do problema
e formular um modelo de PPL o analista seguir as seguintes fases:
X Identificacao das variaveis de decisao
X Identificacao da funcao objetivo
LINEAR
CAPITULO 3. PROGRAMAC
AO
48
X Identificacao das restricoes
3.2
Resoluc
ao Gr
afica de um PPL
3.2.1
Representa
c
ao Gr
afica das Restric
oes
O espaco das solucoes de problemas com duas variaveis e o plano R2 . Dois pontos distintos
A = (xa , ya ) e B = (xb , yb ) do plano determinam um reta, e pelas condicoes de alinhamento, um ponto qualquer P = (x, y) R2 pertence a` reta AB que passa por A e B, se
e somente se, a inclinacao da reta AB for a mesma inclinacao da reta AP . Assim, temos:
y ya
yb ya
=
x b xa
x xa
(yb ya )x (xb xa )y = xa yb xa ya xb ya + xa ya
(y y ) x + (xa xb ) y = xa yb xb ya
{z
}
|
| b {z a}
| {z }
a
GRAFICA
3.2. RESOLUC
AO
DE UM PPL
49
ax + by = c
(3.2)
onde a,b e c sao constantes que podem assumir qualquer valor real. E, reciprocamente,
toda equacao deste tipo representa uma reta no plano R2 .
Uma reta divide o plano em duas regioes denominadas semiplanos, e as inequacoes
ax + by > c e ax + by < c
ax + by c e ax + by c
LINEAR
CAPITULO 3. PROGRAMAC
AO
50
. . . Exemplo 3.3.
A empresa TecniBOLA S.A. tem como u
nica atividade a fabricacao de bolas, sendo
todas elas em couro e fabricadas segundo os processos primordiais. Atualmente fabrica
dois produtos, a bola de futebol Catechumbo e a bola de volei Voleitok. Ambos os produtos
sao feitos do mesmo material, variando apenas na dimensao, tipo de costuras e rotulagem.
Os recursos que definem a fabricacao das bolas sao: o corte do couro, o trabalho de
costura, a pintura de inscricoes na bola e preparacao final. Esta u
ltima e composta pelas
atividades de enchimento, controle de qualidade (inspecao visual, calibracao e pesagem)
e embalagem.
Os dados fornecidos pela empresa referentes a` quantidade de recursos necessarios para
a producao de cada tipo de bola e as quantidades disponveis para o dia de amanha sao
os indicados na tabela:
Recursos
unid. Voleitok
Catechumbo
Disponibilidade
Couro
m2
0,25
0,3
ilimitada
Linha
2,5
ilimitada
Camera de Ar
un
25
Embalagens
un
ilimitada
Operacao de Corte
min
ilimitada
Operacao de Costura
min
25
480
Operacao de Logotipagem
min
1,5
ilimitada
Operacoes de Finalizacao
min
11
240
GRAFICA
3.2. RESOLUC
AO
DE UM PPL
Bola
51
Custo de Produc
ao Preco de Venda
Catechumbo
26,00
32,50
Voleitok
15,00
25,00
Como deve ser distribuda a producao amanha de forma a maximizar o lucro, tendo
em conta os recursos existentes?
x1 : n
umero de bolas Catechumbo a ser produzido amanha.
x2 : n
umero de bolas Voleitok a ser produzido amanha.
max
s.a. :
x1 , x2 0
(restricao de nao-negatividade)
Neste caso, estamos admitindo a hipotese de divisibilidade, entretando o problema requer variaveis inteiras, na proxima secao este PPL sera resolvido com as tecnicas usuais,
mas a resposta final devera respeitar a imposicao pratica de quantidades inteiras, utilizando arredondamento, se necessario.
. . . Exemplo 3.4. Construir a regiao viavel do problema da TecniBOLA S.A., apresentado no exemplo 3.3, cujo modelo e:
LINEAR
CAPITULO 3. PROGRAMAC
AO
52
max
s.a. :
(1)
(2)
x1 , x2 0
(restricao de nao-negatividade)
(4) e (5)
Somente as restricoes do problema sao consideradas para determinar a regiao viavel,
sendo assim as restricoes foram identificadas e numeradas. A seguir e apresentada a
representacao grafica de cada semiplano fechado correspondente a`s restricoes do problema.
(1) x1 + x2 25
(0; 25) r1
se x2 = 0 entao x1 = 25
(25; 0) r1
GRAFICA
3.2. RESOLUC
AO
DE UM PPL
53
LINEAR
CAPITULO 3. PROGRAMAC
AO
54
3.2.2
Representa
c
ao Gr
afica da Func
ao Objetivo
Funcoes lineares com duas variaveis do tipo z = f (x1 , x2 ) = c1 x1 + c2 x2 sao geometricamente planos em R3 , e somente admitem maximo e/ou mnimo se estiverem sujeitas a
restricoes, como no caso de um PPL. As curvas de nvel desse tipo de funcao sao retas
paralelas que crescem monotonamente na direcao do gradiente
f (x1 , x2 ) =
f f
,
x1 x2
A cada ponto do conjunto de solucoes viaveis esta associada uma, e somente uma, reta
da famlia de retas paralelas correspondente a` funcao objetivo. E solucionar graficamente
um PPL e determinar quais pontos da RV retornam o melhor valor para a funcao objetivo.
A origem do sistema de coordenadas e o u
nico ponto crtico de funcoes lineares, para
o caso especfico de PPL com duas variaveis o ponto crtico e (0, 0), que e um dos vertices
da RV e qualquer outro ponto extremo da funcao objetivo deve necessariamente estar
na fronteira da regiao delimitada pelas restricoes. Para encontrar tais pontos deve-se
percorrer a famlia de retas paralelas no sentido do gradiente.
GRAFICA
3.2. RESOLUC
AO
DE UM PPL
55
melhorar este valor basta tomar outro ponto de RV localizado `a direita de P e tracar o
representante da famlia de retas paralelas que passa por este ponto retornando maior
valor para a funcao objetivo. Se, por outro lado, P for tomado de maneira que nao exista
nenhuma outra solucao viavel situada no semiplano a` direita entao nao sera mais possvel
melhorar o valor da funcao objetivo e a solucao otima foi determinada.
A solucao do problema foi obtida tangenciando-se a` direita o polgono das solucoes
viaveis e este fato implica que a solucao otima, quando existe, localiza-se em ao menos
um dos vertices de RV.
O procedimento de busca pelo vertice otimo e analogo para problemas de minimizacao,
entretanto o sentido da busca pela solucao do problema deve seguir a direcao contraria
ao crescimento indicado pelo vetor gradiente.
. . . Exemplo 3.5. Resolver graficamente o problema da TecniBOLA S.A., apresentado
no exemplo 3.2
Na figura abaixo estao representadas algumas retas paralelas correspondentes a` funcao
objetivo z = 6, 5x1 + 10x2 para z = 0, z = 100, z = 100 e z = c.
A reta z = c pode ser deslocada ate atingir o vertice C, onde nao sera mais possvel aumentar o valor da funcao objetivo respeitando todas as restricoes do problema. Portanto,
o ponto C e o ponto onde o valor de z e maximo nas condicoes do PPL.
LINEAR
CAPITULO 3. PROGRAMAC
AO
56
x1 + x2
25
Portanto a solucao otima do PPL e: deverao ser produzidas amanha 7 bolas Catechumbo e 18 bolas Voleitok para obter um lucro maximo de $ 225,50.
3.2.3
Solu
co
es do Modelo
As condicoes para existencia de solucao para um PPL e garantida pelo seguinte teorema:
TEOREMA 3.1. (Teorema do Valor Extremo) Se f (x1 , x2 , . . . , xn ) e contnua em um
subconjunto fechado e limitado do Rn , entao f atinge valores globais de maximo e mnimo.
Como funcoes lineares sao contnuas, se o conjunto das solucoes viaveis, para o caso
especfico do R2 , formar um polgono fechado entao o problema admite solucao.
Ao resolver graficamente um PPL em duas variaveis, tres situacoes podem ocorrer:
1. RV e um conjunto vazio
Neste caso, as restricoes sao conflitantes e o PPL nao admite solucao.
GRAFICA
3.2. RESOLUC
AO
DE UM PPL
57
(a)
(b)
(a)
(b)
LINEAR
CAPITULO 3. PROGRAMAC
AO
58
De acordo com o que foi estudado ate aqui, a resolucao grafica de um modelo de PPL
com apenas duas variaveis segue os seguintes passos:
1. Construir o plano cartesiano, tomando como eixos as variaveis de decisao;
2. Determinar os semiplanos correspondentes a`s restricoes para delimitar a regiao
viavel;
3. Tracar uma reta referencia qualquer com a inclinacao da funcao objetivo;
4. Tracar retas paralelas a` referencia no sentido de crescimento da funcao (maximizacao
da funcao) ate tangenciar a regiao viavel. O ponto otimo, se existir, sera um vertice
ou um lado da regiao viavel.
Ainda um PPL com tres variaveis e possvel de ser resolvido graficamente, embora
exija habilidade em desenho e boa visao espacial. Problemas com mais que tres variaveis
necessitam de metodos algebricos para serem resolvidos. O interesse maior em estudar o
metodo grafico esta em, atraves da representacao grafica, intuir propriedades teoricas e
delinear um metodo de resolucao algebrica que possa ser utilizado em problemas com um
n
umero qualquer de variaveis.
3.3
Lista de Problemas
Para cada item abaixo, modele o problema de acordo com as hipoteses de linearidade e
resolva graficamente os PPL com duas variaveis.
1. Certa empresa fabrica 2 produtos P1 e P2. O lucro por unidade de P1 e de 100 u.m.
e o lucro unitario de P2 e de 150 u.m. A empresa necessita de 2 horas para fabricar
uma unidade de P1 e 3 horas para fabricar uma unidade de P2. O tempo mensal
disponvel para essas atividades e de 120 horas. As demandas esperadas para os
dois produtos levaram a empresa a decidir que os montantes produzidos de P1 e P2
59
LINEAR
CAPITULO 3. PROGRAMAC
AO
60
todos os cintos fosse do modelo M2, a empresa poderia produzir 1.000 unidades por
dia. A disponibilidade de couro permite fabricar 800 cintos de ambos os modelos
por dia. Os cintos empregam fivelas diferentes, cuja disponibilidade diaria e de 400
para M1 e 700 para M2. Os lucros unitarios sao de $4,00 para M1 e $3,00 para M2.
Qual o programa otimo de producao que maximiza o lucro total diario da empresa?
7. Um empresa, apos um processo de racionalizacao de producao, ficou com disponibilidade de 3 recursos produtivos, R1, R2 e R3. Um estudo sobre o uso desses
recursos indicou a possibilidade de se fabricar 2 produtos P1 e P2. Levantando
os custos e consultando o departamento de vendas sobre o preco de colocacao no
mercado, verificou-se que P1 daria um lucro de $120,00 por unidade e P2, $150,00
por unidade. O departamento de producao forneceu a seguinte tabela de uso de
recursos:
Produto
P1
P2
Disponibilidade de
recursos por mes
R1 p.u.
2
4
R2 p.u.
3
2
R3 p.u.
5
3
100
90
120
61
ferro - 60%
silcio - 20%
ferro - 70%
carvao - 20%
Composicao:
silcio - 5%
nquel - 5%
60
65
carvao
15
20
silcio
15
20
nquel
O custo dos materiais puros (por kg) sao: ferro $0,30; carvao $0,20; silcio $0,28;
nquel $0,50. Qual devera ser a composicao da mistura em termos dos materiais
disponveis, com menor custo por kilo?
LINEAR
CAPITULO 3. PROGRAMAC
AO
62
11. A ind
ustria Alumilaminas S/A iniciou suas operacoes em janeiro de 2006 e ja vem
conquistando espaco no mercado de laminados brasileiros, tendo contratos fechados
de fornecimento para todos os 3 tipos diferentes de laminas de alumnio que fabrica:
espessuras fina, media ou grossa. Toda a producao da companhia e realizada em
duas fabricas, uma localizada em Sao Paulo e a outra no Rio de Janeiro. Segundo
os contratos fechados, a empresa precisa entregar 16 toneladas de laminas finas, 6
toneladas de laminas medias e 28 toneladas de laminas grossas. Devido a` qualidade
dos produtos de Alumilaminas S/A, ha uma demanda extra para cada tipo de
laminas. A fabrica de Sao Paulo tem um custo de producao diaria de R$ 100.000,00
para uma capacidade produtiva de 8 toneladas de laminas finas, 1 tonelada de
laminas medias, 2 toneladas de laminas grossas por dia. O custo de producao diario
da fabrica do Rio de Janeiro e de R$ 200.000,00 para uma producao de 2 toneladas
de laminas finas, 1 tonelada de laminas medias, 7 toneladas de laminas grossas.
Quantos dias cada uma das fabricas devera operar para atender aos pedidos ao
menor custo possvel?
12. Uma companhia de transporte tem dois tipos de caminhoes: O tipo Atem 2m3
de espaco refrigerado e 3m3 de espaco nao refrigerado; tipo Btem 2m3 de espaco
refrigerado e 1m3 de espaco nao refrigerado. O cliente quer transportar um produto
que necessitara 16m3 de espaco refrigerado e 12m3 de espaco nao refrigerado. A
companhia calcula em 1.100 litros o consumo de combustvel para a viagem com o
caminhao Ae 750 litros para o caminhao B. Quantos caminhoes de cada tipo
deverao ser usados no transporte do produto, com o menor consumo de combustvel?
13. A empresa Have Fun S/A. produz uma bebida energetica muito consumida pelos
freq
uentadores de danceterias noturnas. Dois componentes utilizados na preparacao
da bebida sao solucoes compradas de laboratorios terceirizados - solucao Red e a
solucao Blue - e que proveem os principais ingredientes ativos do energetico: extrato
de guarana e cafena. A companhia quer saber quantas doses de 10ml. de cada
solucao deve incluir em cada lata da bebida, para satisfazer a`s exigencias mnimas
padronizadas de 48gr. de extrato de guarana e 12gr. de cafena e, ao mesmo tempo,
63
CAPITULO
4
DE PPL
RESOLUC
AO
4.1
Estruturac
ao de Modelos Lineares
s.a. :
z = c1 x 1 + c2 x 2 + . . . + cn x n
(4.1)
x1 , x2 , . . . , xn 0
Observe que, na forma padrao, a funcao objetivo deve ser minimizada, as restricoes
64
DE MODELOS LINEARES
4.1. ESTRUTURAC
AO
65
sao definidas como um sistema de equacoes lineares e todas as variaveis devem satisfazer
as condicoes de nao-negatividade.
A forma padrao nao e restritiva pois todo PPL pode ser posto como em (4.1), de fato:
1. Para PPL de minimizacao, encontrar uma solucao viavel x que minimize f (x) e
equivalente a encontrar uma solucao que maximizacao f (x).
Suponha que x e um ponto otimo de f (x), entao
(1)
f (x ) f (x),
x viavel
f (x ) f (x),
x viavel
de sinal. Uma variavel livre xj pode ser substituda por outras duas variaveis xj e
0
(4.2)
DE PPL
CAPITULO 4. RESOLUC
AO
66
a11 . . . a1n
..
A =
.
am1 . . . amn
=
c1 c2 . . . cn
e o vetor das variaveis de decisao;
x1 x2 . . . xn
e o vetor dos recursos;
b1 b2 . . . bm
=
bT =
e o vetor nulo.
0 0 ... 0
Horas P2
Horas disponveis
M1
70
M2
40
M3
90
max
z = 40x1 + 60x2
2x1 + x2 70
x1 + x2 40
s.a. :
x1 + 3x2 90
x1 , x2 0
TEORICA
4.2. FUNDAMENTAC
AO
67
x5 = 90 x1 3x2 0
Inserido as variaveis de folga, obtemos o modelo do PPL na forma padrao:
max
z = 40x1 + 60x2
2x1 + x2 + x3 =
x1 + x2 + x4 =
s.a. :
x1 + 3x2 + x5 =
xj
4.2
70
40
90
0
j = 1, . . . , 5
Fundamentac
ao Te
orica
O metodo algebrico Simplex para solucionar PPL esta fundamentado nas tecnicas e con
ceitos da Algebra
Linear. Para generalizar as ideias discutidas no metodo geometrico
algumas definicoes e reformulacoes se farao necessarias.
A definicao seguinte generaliza o conceito de semiplano definido na captulo anterior.
o 4.3. A equacao a1 x1 + a2 x2 + . . . + an xn = b, com a1 , . . . , an , b R deDefinic
a
fine um Hiperplano em Rn , que divide o espaco Rn em dois semi-espa
cos disjuntos:
a1 x 1 + a2 x 2 + . . . + an x n < b
a1 x1 + a2 x2 + . . . + an xn > b.
Analogamente ao que foi visto para PPL em duas variaveis, para problemas com tres
ou mais variaveis a funcao objetivo representa uma famlia de hiperplanos paralelos entre
si.
o 4.4. A interseccao de um n
Definic
a
umero finito de semi-espacos fechados e denominado politopo. Isto e, um politopo e definido por
(
P =
x Rn :
n
X
j=1
)
aij xj bi , para i = 1, 2, . . . , m
DE PPL
CAPITULO 4. RESOLUC
AO
68
O conjunto das solucoes viaveis de um PPL e um politopo pois e obtida pela interseccao
de um n
umero finito de restricoes. Mesmo as inequacoes do tipo que possivelmente
compoem o sistema de restricoes facilmente sao transformadas em inequacoes do tipo
pela simples multiplicacao da expressao por -1.
i=1
k
X
i=1
TEORICA
4.2. FUNDAMENTAC
AO
69
Os vetores 0, 5x1 + 0, 5x2 , 0, 6x1 + 0, 4x2 , 0, 4x1 + 0, 6x2 , 0, 7x1 + 0, 3x2 e 0, 3x1 + 0, 7x2
sao exemplo de combinacoes lineares convexas legtimas pois satisfazem 1 +2 = 1,
com 1 , 2 > 0.
Geometricamente pode-se interpretar uma combinacao linear convexa de dois pontos
como um ponto do segmento de reta que une os dois pontos originais.
o 4.6. Um conjunto M e convexo se toda combinacao linear convexa de qualDefinic
a
quer par de pontos do conjunto tambem for elemento de M .
Em outras palavras, M e convexo se todo segmento de reta definido por dois quaisquer
de seus pontos estiver contido no conjunto.
. . . Exemplo 4.3. Os conjuntos representados nas figuras (a) e (b) sao exemplos de
conjuntos convexos, enquanto as figuras (c) e (d) sao conjuntos nao convexos.
DE PPL
CAPITULO 4. RESOLUC
AO
70
1
2 1 1 0 0
x2
70
1 1 0 1 0 x3
= 40
1 3 0 0 1
90
x4
x5
Apesar do problema passar a ter cinco variaveis, qualquer par ordenado (x1 , x2 ) R2
determina unicamente todas as variaveis, pois as variaveis de folga sao dependentes das
duas variaveis de decisao do modelo original.
Observe que posto(A) = 3, sendo assim o sistema Ax = b com m = 3 equacoes e
m + n = 5 variaveis e um Sistema Possvel e Indeterminado. Portanto, o sistema tem
duas variaveis livres, para as quais podemos atribuir quaisquer valores.
Vamos admitir que atribuiremos apenas valores nulos para as variaveis livres, como
sao cinco variaveis agrupadas em conjunto de dois elementos, teremos 10 combinacoes
possveis:
1. Fixar x1 = x2 = 0 resulta em x3 = 70, x4 = 40, x5 = 90
x1 = 35
2x1 = 70
x2 = 0
resulta em
2. Fixar
x = 5
x + x4 = 40 cuja solucao e
1
4
x3 = 0
x1 + x5 = 90
x5 = 55
2x1 + x2 = 70
x1 = 30
x3 = 0
3. Fixar
resulta em
x1 + x2 = 40 cuja solucao e
x2 = 10
x4 = 0
x1 + 3x2 + x5 = 90
x5 = 30
TEORICA
4.2. FUNDAMENTAC
AO
71
2x1 + x2 + x3 = 70
x1 = 15
x4 = 0
4. Fixar
resulta em
x1 + x2 = 40 cuja solucao e
x2 = 25
x5 = 0
x3 = 15
x1 + 3x2 = 90
5. Fixar
x3 = 0
x5 = 0
resulta em
2x1 + x2
x1 + x2 + x4
x1 + 3x2
= 70
x1 = 24
= 40 cuja solucao e
x2 = 22
x4 = 6
= 90
x2 = 70
x2 =
70
x1 = 0
6. Fixar
resulta em
x2 + x4 = 40 cuja solucao e
x4 = 30
x3 = 0
3x2 + x5 = 90
x5 = 120
x2 =
40
x2 + x3 = 70
x1 = 0
7. Fixar
resulta em
x4 =
30
x2 = 40 cuja solucao e
x4 = 0
x5 = 30
3x2 + x5 = 90
x2 + x3 = 70
x2 = 30
x1 = 0
8. Fixar
resulta em
x + x4 = 40 cuja solucao e
x = 40
x = 0
2
3
x4 = 10
3x2 = 90
9. Fixar
2x1 + x3 = 70
x1 =
40
resulta em
x1 = 40 cuja solucao e
x3 = 10
= 0
x1 + x5 = 90
x5 =
50
x2 = 0
x4
2x1 + x3 = 70
x1 =
90
x2 = 0
10. Fixar
resulta em
x1 + x4 = 40 cuja solucao e
x3 = 110
x = 0
x4 = 50
x1 = 90
DE PPL
CAPITULO 4. RESOLUC
AO
72
A= B N
onde:
Bmm e chamada matriz B
asica, formada por m colunas de A que a torne invertvel.
Nmn e chamada matriz N
ao b
asica, formada pelas n colunas restantes de A.
TEORICA
4.2. FUNDAMENTAC
AO
73
xB
B N =b
xN
xB
onde e uma particao de x induzida pela particao de A,
xN
xB
xN
De acordo com a particao do sistema, e possvel obter o vetor das variaveis basicas xB
da seguinte maneira:
BxB + N xN = b
xB = B 1 b B 1 N xN
xB
Se considerarmos o vetor das variaveis nao basicas xN nulo, obtemos o vetor x =
xN
xB = B 1 b
denominado soluc
ao b
asica da seguinte maneira:
xN = 0
Se todas as variaveis basicas que compoem xB forem nao-negativas entao a solucao x
e denominada soluc
ao b
asica vi
avel.
1
2 1 1 0 0
x2
70
1 1 0 1 0
x = 40
1 3 0 0 1
90
x4
x5
Pode ser particionado da seguinte maneira:
DE PPL
CAPITULO 4. RESOLUC
AO
74
"
#
70
0 0
2 1 1 x1
1 1 0 x2 + 1 0 x4 = 40
x
5
90
0 1
1 3 0 x3
B
xB
N
xN
b
Fixando xN = 0, obtemos a solucao basica viavel xT = (15 25 15 0 0), que ja
constatamos tratar-se do vertice C da regiao viavel.
Estamos em condicoes de enunciar duas propriedades fundamentais:
TEOREMA 4.2. Um ponto x RV e um vertice se, e somente se, for uma soluc
ao
basica viavel.
TEOREMA 4.3. Se um PPL tem solucao otima, entao existe um vertice otimo.
TEOREMA 4.4. A regiao viavel de um PPL tem um n
umero finito de vertices.
Dem.: O n
umero de solucoes basicas do sistema Ax = b e a combinacao de m vetores
linearmente independentes tomados de um conjunto de n + m vetores correspondentes
n+m
a`s colunas da matriz A, isto e, a quantidade de solucoes basicas sera dada por Cm
.
Por definicao, as solucoes basicas viaveis formam um subconjunto das solucoes basicas
do PPL e como, pelo teorema 4.2 cada vertice corresponde a uma solucao basica viavel,
concluimos que o n
umero de vertices de RV e no maximo
n+m
Cm
=
(n + m)!
m! n!
que e finito.
Conclui-se que, se existe uma solucao otima para o PPL entao existe uma solucao
basica viavel e para resolver um PPL basta procurar a solucao otima nos vertices da
regiao viavel.
Assim para resolver o problema, basta determinar todas as solucoes basicas viaveis,
digamos x1 , x2 , . . . , xk e obter a solucao otima x tal que
f (x ) = min{f (
x1 ), f (
x2 ), . . . , f (
xk )}
TEORICA
4.2. FUNDAMENTAC
AO
75
C35 =
5!
= 10
2! 3!
x3 = 70 x2
x4 = 40 x2
x5 = 90 3x2
Como as variaveis de folga tambem devem obedecer as condicoes de nao-negatividade,
o valor limite para a variavel x2 na primeira equacao e 70, na segunda e 40 e na terceira
e 30, logo para que todas as variaveis de folga sejam nao negativas o valor maximo que
pode ser assumido para a variavel de decisao x2 deve ser 30.
Assim xB = (0 30)T , que corresponde ao vertice E da regiao viavel, e retorna um
DE PPL
CAPITULO 4. RESOLUC
AO
76
4.3
Lista de Problemas
77
z = 2x1 + 3x2
x1 + 3x2 6
s.a. :
3x1 + 2x2 6
x1 , x2 0
(a) Expresse o problema na forma padrao.
(b) Determine todas as solucoes basicas do problema e classifique-as como viaveis
e inviaveis.
(c) Determine a solucao basica viavel otima do problema.
(d) Confronte com a resolucao grafica e verifique a solucao obtida e realmente a
solucao otima do PPL. E conclua que a solucao otima pode ser determinada
algebricamente considerando somente solucoes basicas viaveis.
(e) Mostre como as solucoes basicas nao viaveis sao representadas graficamente na
regiao de solucoes.
6. Considere um PPL cujas as restricoes sao dada a seguir
2x1 + 3x2
x 1 + x2
x1 + 3x2
x1 , x2
33
15
27
DE PPL
CAPITULO 4. RESOLUC
AO
78
7. Seja o PPL
max
s.a. :
z = x1 + x2 + x 3
x1 + x2 6
x2 2x3 = 4
x1 , x2 , x3 0
CAPITULO
O METODO
SIMPLEX
CAPITULO 5. O METODO
SIMPLEX
80
z = c1 x 1 + c2 x 2 + . . . + cn x n
..
xj
b1
br
bm
0 (j = 1, . . . , n)
z = c1 x 1 + c2 x 2 + . . . + cn x n
..
..
s.a. :
.
xj
(j = 1, . . . , n, n + 1 . . . , n + m)
= b1
= br
(5.1)
= bm
0
Podemos representar o u
ltimo modelo em uma tabela com a seguinte configuracao:
81
x2
...
a11
..
.
a12
. . . a1n
...
...
b1
..
.
ar1
..
.
ar2
. . . arn
...
...
br
..
.
...
...
bm
...
...
z = f (x)
c1
c2
...
xn
x1
cn
(5.2)
Considerando que estamos analisando PPl cujas restricoes sao todas do tipo ,
sabemos que a origem do sistema de coordenadas e um dos vertices da regiao viavel, logo
naturalmente podemos tomar a seguinte particao:
1 0 ...
0 1 . . .
.
..
.
.
.
0 0 ...
0
xn+1
a11 a12
0 xn+2 a21 a22
..
. + .
. .. ..
1 xn+m
am1 am2
Bmm
xB
...
...
..
.
...
x1
a1n
b1
x2
a2n . b2
.
..
. = .
. . ..
..
amn
bm
xn
Nmn
xN
(5.3)
b1
..
Fixando xN = 0 obtemos xB = .
bm
T
Desta forma, tomando x = 0 0 . . . 0 b1 b2 . . . bm como solucao basica
viavel inicial, podemos reescrever a forma tabular (5.2) do PPL, adicionando a informacao
das variaveis basicas escolhidas, para obter o quadro simplex inicial:
base
x1
xn+1
..
.
a11
..
.
a1r
a1n
b1
..
.
xn+r
..
.
ar1
..
.
arr
arn
br
..
.
xn+m am1
amr
amn
bm
c1
cr
cn
...
xr
...
xn
CAPITULO 5. O METODO
SIMPLEX
82
z c1 x1 c2 x2 . . . cn xn + 0xn+1 + . . . + 0xn+m = 0
Para problemas de maximizacao, a solucao inicial claramente nao e a melhor. Logo,
devemos procurar outra solucao basica viavel que retorne maior valor para z. Para isto e
necessario primeiramente,
Passo 1: Escolher uma variavel nao-basica que deve se tornar positiva para compor a base.
Obviamente, conforme ja observado no exemplo 4.6 a variavel que retorna a maior
contribuicao para a funcao objetivo devera ser selecionada, isto e, aquela variavel
cuja contribuicao unitaria expressa na u
ltima linha do quadro simplex tenha sinal
negativo e maior modulo.
x1 = x2 = . . . = xr1 = xr+1 = . . . = xn = 0
Assim,
xn+i = bi air xr
para i = 1, . . . , m
83
bi
determina o valor de xr que anula a
air
variavel basica xn+i , para qualquer i = 1, . . . , n. Seja k o ndice tal que
bk
= min
akr
bi
, air > 0, i = 1, . . . , n
air
Definido desta forma, a variavel basica xn+k se anula, isto e, se torna variavel nao
basica e todas as outras variaveis basicas do quadro inicial permanecem positivas.
importante observar que para PPL com solucao finita, sempre existe pelo menos um
E
coeficiente air > 0 pois, caso contrario, se air 0 para todo i = 1, . . . , m entao f
e o PPL nao teria solucao otima finita.
Observando a particao (5.3) constatamos que a matriz B correspondente a`s variaveis
basicas e exatamente a matriz identidade e deve permanecer assim exceto por rearranjo
de colunas, mesmo com alteracoes na composicao do vetor das variaveis basicas.
Passo 3: Aplicar o metodo de Gauss-Jordan para resolucao de sistemas lineares.
A redefinicao das variaveis basicas e nao-basicas exige um pivoteamento do quadro
simplex para que os coeficientes das variaveis basicas formem a matriz identidade,
mediante possivelmente remanejamento de colunas, e que a contribuicao individual
para a funcao objetivo da variavel que entrou na base seja zerada.
O processo de entrada e sada de variaveis da base devera ser repetido ate que todos os coeficientes da u
ltima linha se tornem nulos ou positivos, pois neste caso nao ha
mais possibilidade de crescimento da funcao objetivo e a solucao otima (caso exista) foi
encontrada. Sendo assim, ao final de cada iteracao, deve-se:
Passo 4: Verificar se existe contribuicao individual para a funcao objetivo, expressas na u
ltima
linha do quadro simplex, negativa.
. . . Exemplo 5.1. Resolver pelo metodo Simplex o problema ilustrativo apresentado no
exemplo 4.1, cujo modelo na forma padrao e:
CAPITULO 5. O METODO
SIMPLEX
84
max
z = 40x1 + 60x2
2x1 + x2 + x3 =
x1 + x2 + x4 =
s.a. :
x1 + 3x2 + x5 =
xj
70
40
90
0
j = 1, . . . , 5
x1
x2
x3 x4 x5
x3
70
x4
40
x5
90
40 60
Quadro 1
x1
x2 x3 x4 x5
x3
5
3
1
3
40
x4
2
3
1
3
10
x2
1
3
1
3
30
20
Quadro 2
20 1800
85
De acordo com o quadro 2, a variavel x1 entra na base pois ha somente a contribuicao
desta variavel com sinal negativo na u
ltima linha. A variavel x4 sai da base pois
10
2
3
= min
40 10 30
5 , 2 , 1
3
= min {24, 15, 90}
x5
x3
5
2
1
2
15
x1
3
2
1
2
15
x2
1
2
1
2
25
30 10 2100
Quadro 3
O fato de nao haver contribuicao com sinal negativo no quadro simplex garante que a
solucao basica viavel no quadro 3 e otima. Portanto a solucao do problema e fabricar 15
unidades do produto P1 e 25 unidades de P2 para obter um lucro maximo de $ 2.100,00,
sendo que ha uma folga na operacao da maquina M1 de 15 horas.
De acordo com o que estudamos do metodo simplex, o modelo de programacao linear
pode ser resolvido por um metodo de resolucao de sistemas lineares e a programacao linear
pode ser vista como um aprimoramento do Metodo de Gauss-Jordan para resolucao de
sistemas lineares, incorporando uma equacao adicional que representa o comportamento
que deve ser otimizado e utilizando um sistematica para troca de variaveis basicas e nao
basica.
Roteiro
Passo 1: Introduzir as variaveis de folga; uma para cada desigualdade.
Passo 2: Montar um quadro para os calculos, colocando os coeficientes de todas as variaveis
com os respectivos sinais e, na u
ltima linha, incluir os coeficientes da funcao objetivo
transformada.
CAPITULO 5. O METODO
SIMPLEX
86
Passo 3: Estabelecer uma solucao basica inicial, usualmente atribuindo valor zero a`s variaveis
originais e achando valores positivos para as variaveis de folga.
Passo 4: Como proxima variavel a entrar na base, escolher a variavel nao basica que oferece,
na u
ltima linha, a maior contribuicao para o aumento da funcao objetivo (ou seja,
tem o maior valor negativo). Se todas as variaveis que estao fora da base tiverem
coeficientes nulos ou positivos nesta linha, a solucao atual e otima. Se alguma dessas
variaveis tiver coeficiente nulo, isto significa que ela pode ser introduzida na base
sem aumentar o valor da funcao objetivo. Isso quer dizer que temos uma solucao
otima, com o mesmo valor da funcao objetivo.
Passo 5: Para escolher a variavel que deve deixar a base, deve-se realizar o seguinte procedimento:
a) Dividir os elementos da u
ltima coluna pelos correspondentes elementos positivos da coluna da variavel que vai entrar na base, caso nao haja elemento algum
positivo nesta coluna, o processo deve parar, ja que a solucao seria ilimitada.
b) O menor quociente indica a equacao cuja respectiva variavel basica devera ser
anulada, tornando-se variavel nao-basica.
Passo 6: Usando operacoes elementares com as linhas da matriz (soma e multiplicacao por
um escalar nao-nulo), transformar o quadro de calculos de forma a encontrar a
nova solucao basica. A coluna da nova variavel basica devera se tornar um vetor
identidade, onde o elemento 1 aparece na linha correspondente a` variavel que esta
sendo anulada.
Passo 7: Se ainda houver elementos negativos na linha da funcao objetivo, retornar ao passo
4 para iniciar outra iteracao.
. . . Exemplo 5.2. Considere o PPL do exemplo 3.3 resolvido graficamente no exemplo
3.4, cujo modelo e:
87
max
z = 6, 5x1 + 10x2
x1 + x2 25
x1 , x2 0
(Lucro Total)
(restricao de camera de ar)
(restricao de operacao de costura)
(restricao de operacoes de finalizacao)
(restricao de nao-negatividade)
Para determinar a solucao do PPL por sistemas de equacoes lineares e preciso primeiro
transformar o sistema de inequacoes lineares que representam as restricoes do problema
em um sistema equivalente de equacoes lineares. Para isto, sera preciso introduzir novas
variaveis no problema, denominadas variaveis de folga.
Neste exemplo, as restricoes tem a seguinte estrutura logica:
A folga correspondente a cada recurso pode ser representada por uma variavel de modo
a transformar cada inequacao do PPL em uma equacao linear. Sejam
x3 : folga de cameras de ar;
x4 : folga de operacoes de costura;
x5 : folga de operacoes de finalizacao.
Introduzindo as variaveis de folga e trocando os termos de lado na equacao referente
a` funcao objetivo, obtemos o modelo do PPL a ser resolvido e:
CAPITULO 5. O METODO
SIMPLEX
88
z 6, 5x1 10x2
x1 + x2 + x3
25x1 + 9x2 + x4
s.a. :
6x1 + 11x2 + x5
xj
max
= 0
= 25
= 480
= 240
0
j = 1, 2, 3, 4, 5
x1
x2
x3 x4 x5
x3
25
x4
25
480
x5
11
240
6, 5 10
Quadro 1
Onde a primeira coluna corresponde a`s variaveis basicas, a u
ltima coluna corresponde
aos termos independentes das equacoes, e a u
ltima linha contem os coeficientes das
variaveis na funcao objetivo. Nessa u
ltima linha teremos sempre a contribuicao que cada
variavel da para o lucro total z, por unidade, em cada iteracao do processo de solucao.
Como a primeira solucao claramente nao e a melhor, vamos procurar outra que de um
valor maior para z. O problema e descobrir:
Das duas variaveis nao-basicas (nulas) na primeira solucao, qual deve se tornar
positiva?
Observando que na u
ltima linha do Quadro 1 temos os coeficientes da funcao objetivo
que mostram a contribuicao para o lucro z de cada unidade produzida de bola
89
Catechumbo (x1 ) e de bola Voleitok (x2 ). Assim, aplicando o criterio de que devemos
produzir primeiro o produto que mais contribui para o lucro, vamos comecar a
producao pela variavel x2 , ja que sua contribuicao unitaria para o lucro e maior que
a contribuicao de x2 . Logo, a variavel que devera entrar na base e x2 .
Das tres variaveis basicas (positivas) na primeira solucao, qual devera ser anulada?
Nota-se pelo Quadro 1 que, na primeira equacao, o maior valor possvel de x2 e 25,
quando x3 = 0 pois x1 = 0 por ser variavel nao-basica. Qualquer valor maior para
x2 fara com que o valor de x3 fique negativo, o que nao e permitido. Na segunda
equacao, o maior valor permitido para x2 e 53, 33, quando x4 = 0. Finalmente, na
terceira equacao o maior valor permitido para x2 e 21, 82, quando x5 = 0.
Analisando simultaneamente todas as equacoes, percebe-se que o maior valor possvel
para x2 e 21, 82, ja que atende a`s tres equacoes. Observe que esta analise pode ser
feita diretamente do Quadro 1, atraves da divisao dos elementos da coluna b pelos
correspondentes elementos da coluna x2 . O menor quociente indica, pela linha em
que ocorreu, qual a variavel basica que deve ser anulada.
Assim, como o menor quociente e dado pela divisao
240
,
11
da base e x5 .
Portanto, x1 = 0 e x5 = 0 sao as novas variaveis nao-basicas e o sistema deve ser
resolvido para encontrar os valores x3 , x4 e x2 . A solucao desse sistema sera feita usando
o Quadro 1 com as equacoes completas e usando as operacoes elementares de multiplicacao
de uma linha por um escalar nao nulo e soma de linhas da matriz.
x1 x2 x3 x4
x5
b
3, 18
x3
0, 4546
0 0, 09091
x4
20, 09
0, 8182 283, 6
x2
0, 5454
0, 09091 21, 82
1, 046
0, 9091 218, 2
Quadro 2
CAPITULO 5. O METODO
SIMPLEX
90
O processo de entrada e sada de variaveis da base devera ser repetido ate que todos
os coeficiente da linha 4 se tornem nulos ou positivos.
falta fazer quadro 3
x1 x2 x3 x4
x5
b
3, 18
x3
0, 4546
0 0, 09091
x4
20, 09
0, 8182 283, 6
x2
0, 5454
0, 09091 21, 82
1, 046
0, 9091 218, 2
Quadro 2
5.1. FLUXOGRAMA PARA SOLUC
OES
FINITAS
5.1
5.2
An
alise de Sensibilidade
5.3
Lista de Problemas
91
CAPITULO 5. O METODO
SIMPLEX
92
modelo a 10.000u.m., quantas pecas de cada tipo o fabricante deve fazer para obter
a receita maxima?
2. Um dono de loja estoca dois tipos de leite, semidesnatado e integral, e esta tentando
decidir quantos de cada um encomendar. Ele precisa encomendar o leite para entrega
com um dia de antecedencia. Sabe que vendera pelo menos 75 litros em um so
dia, e entao nao encomendara menos do que essa quantidade. Seu contrato com
o fornecedor diz que deve comprar pelo menos 30 litros de semidesnatado, e nao
possui espaco no refrigerador para mais de 100 litros ao todo. Se o dono da loja
obtem 15 centavos de lucro com um litro de leite semidesnatado e 17 centavos de
lucro cm um litro de leite integral, o que deve fazer para maximizar seu lucro?
3. A Gutchi Company fabrica carteiras, estojos de barbear e mochilas. A producao das
pecas utiliza couro e materiais sinteticos, sendo o couro a materia-prima que limita
a producao. O processo de producao requer dois tipos de mao-de-obra especializada:
costura e acabamento. A Tabela da a disponibilidade dos recurso, sua utilizacao
nos tres produtos e os lucros por unidade.
Recursos necess
arios por unidade
Recurso
Carteira
Estojo de barbear
Mochila
Disponibilidade diaria
Couro(pes2 )
42
Costura(h)
40
Acabamento(h)
0,5
45
Preco de Venda($)
24
22
45
93
10
12
11
CAPITULO 5. O METODO
SIMPLEX
94
Materias-primas consumidas
(litros por hora)
Processo
20
10
30
25
A usina pode funcionar por um total de 120 horas por semana mas, por motivo de
seguranca, o Processo 1 nao pode ser operado por mais de 100 horas por semana.
Quantas horas cada processo deve funcionar?
8. Uma pequena padaria local recebeu um pedido para fornecer dois tipos de pao:
sabor queijo e paozinho de semente de papoula, para um servico de entrega de
sanduches. Eles receberao 5 centavos por cada paozinho e 8 centavos por cada pao
sabor queijo que fornecerem. Inicialmente a empresa de entrega de sanduches esta
feliz em comprar quanto a padaria conseguir produzir desses dois tipos de pao. A
padaria ja possui encomendas semanais de 100 kg de farinha e 1 kg de fermento, e
gostaria de ser capaz de cumprir seu novo contrato sem aumentar essas quantidades.
Cada paozinho utiliza 30g de farinha e e 0,5g de fermento, enquanto cada pao sabor
queijo utiliza 125g de farinha e 1g de fermento. O acordo diz que eles devem fornecer
pelo menos 1.000 paes de semente de papoula e entre 300 e 500 paes sabor queijo
por semana.
95
(a) Quantos paes de cada tipo a padaria deve ter com objetivo fornecer a cada
semana para maximizar seu lucro?
(b) Se a padaria desejasse reduzir sua encomenda de farinha, poderia faze-lo?
Meses depois, a padaria decidiu expandir sua variedade de produtos, e agora produzira um segundo tipo de pao (tomate seco), que necessita de 140g de farinha,
1,2g de fermento e contribui com um lucro de 10 centavos por unidade. Ela mudou
seus pedidos para atender a crescente demanda e agora recebe entregas de 250kg de
farinha e 3kg de fermento. Os pedidos existentes significam que ele deve produzir
pelo menos 1.500 paezinhos e 800 bisnagas por semana. Que quantidade de cada
produto a padaria deve produzir e vender para maximizar seu lucro? Ela pode
reduzir a quantidade de fermento encomendada?
CAPITULO 5. O METODO
SIMPLEX
96
5.4
Lista de Problemas
BASE
X1
X2
X3
Y1
Y2
1
2
3
2
5
2
9
2
(Recurso A)
(Recurso B)
12
3
2
3
2
27
2
240
(Secao 1)
320
(Secao 2)
3x1 + 4x2
480
(Secao 3)
BASE
LUCRO
97
X1
X2
X3
Y1
Y2
Y3
1
4
1
4
60
1
2
14
1
2
40
11
4
5
4
140
1520
Pede-se:
(a) Na solucao otima do problema, identifique as utilidades marginais das tres
secoes utilizadas no processo de producao da empresa.
(b) Caso a Secao 1 tenha sua disponibilidade alterada para 200 H.h, quais os novos
valores das producoes otimas dos conjuntos MXA e MXB?
(c) Caos a empresa possa acrescentar mais 60 H.h a alguma secao, qual devera ser
a secao escolhida? Por que?
(d) Na hipotese anterior, quais os novos valores das producoes otimas e quais as
novas utilizacoes dos recursos?
3. Uma empresa produz dois produtos A e B. As receitas unitarias sao $ 2 e $ 3,
respectivamente. A disponibilidade das duas materias-primas (M1 e M2 ) usadas na
fabricacao dos produtos e de 8 e 18 unidades. Uma unidade de A usa duas unidades
de M1 e duas unidades de M2 , e uma unidade de B usa tres unidades de M1 e seis
unidades de M2 .
(a) Determine as faixas de viabilidade de cada restricao.
(b) Suponha que quatro unidades adicionais de M1 podem ser adquiridas ao custo
de 30 centavos por unidade. Voce recomendaria essa compra adicional?
(c) Qual e o valor maximo que a empresa pode pagar por unidade de M1 ?
(d) Determine a receita otima se a disponibilidade de M2 for aumentada em cinco
unidades.
(e) Determine as faixas de otimalidade para as receitas unitarias considerando que
as alteracoes sao feitas uma por vez.
CAPITULO 5. O METODO
SIMPLEX
98
(f) Como fica a solucao otima se a receita unitaria do produto A passar a ser $ 5?
E se a receita unitaria do produto B passar a ser $ 4?
4. Uma pequena empresa produz posteres de bandas de Rock. Ela fabrica quatro tipos
de posteres, que diferem em tamanho e nas cores utilizadas. A empresa conseguiu
uma impressora para produzir os posteres e estabeleceu um limite mnimo de 1000
posteres para producao. Cada poster deve ser impresso, cortado e dobrado. O
tempo (em minutos) para fazer isso para os quatro tipos de posteres e de:
Tipo de Poster
Impressao
Corte
Dobragem
Disponvel
15000
20000
20000
99
Redondo determinar dentro de certos limites impostos pela fabrica que quantidade
deseja receber de cada cerveja. A tabela abaixo discrimina os lucros unitarios por
caixa dos produtos e limites de cotas impostos pela fabrica.
Cerveja
Capacidade
Preco de venda
Max (%)
Min(%)
Recipiente (ml)
Antartida
600
55,00
60
55
Antartida
350
37,50
40
35
Boemia Regressa
600
60,00
3,0
1,0
Mudweiser
350
40,50
1,5
0,5
Malebier
350
34,00
1,5
1,0
Bama Chopp
350
40,50
1,7
0,5
Lambati
350
44,30
5,0
2,0
Desce Redondo
600
44,30
3,0
0,5
Pede-se
(a) Quais sao as quantias otimas a serem solicitadas? Qual o lucro total?
(b) Se voce pudesse aumentar seu pedido em 50 caixas, que cerveja solicitaria?
6. Considere o PPL
z = 5x1 + 5x2 + 13x3
max
s.a. :
x1 + x2 + 3x3 20
12x1 + 4x2 + 10x3 + 2x4 90
x1 , x2 , x3 0
x1
x2
x3
x4
x5
x2
-1
20
x5
16
-2
-4
10
-2
-5
-100
CAPITULO 5. O METODO
SIMPLEX
100
Resolva as seguintes questoes:
(a) Qual a nova solucao otima se alterarmos o vetor b de (20 90)T para (10 100)T ?
(b) Qual a nova solucao otima se alterarmos o custo c3 da variavel x3 de 13 para
8?
(c) Qual a nova solucao otima se alterarmos os coeficientes de x2 nas restricoes de
(1 4)T para (2 5)T ?
(d) Qual a nova solucao otima se introduzirmos no PPL original uma nova variavel
x6 com coeficientes a6 = (3 5)T e c6 = 10?
(e) Qual a nova solucao otima se introduzirmos uma nova restricao no PPL original: 2x1 + 3x2 + 5x3 50?
7. A Electra produz quatro tipos de motores eletricos, cada um em uma linha de
montagem separada. As capacidades respectivas das linha sao 500, 500, 800 e 750
motores por dia. O motor do tipo 1 usa oito unidades de um certo componente
eletronico, o motor do tipo 2 usa cinco unidades, o motor do tipo 3 usa quatro
unidades e o motor do tipo 4 usa seis unidades. O fabricante do componente pode
fornecer 8.000 pecas por dia. Os precos dos componentes para os respectivos tipos
de motor sao $ 60, $ 40, $ 25 e $ 30 por motor.
(a) Determine o mix otimo de producao diaria.
(b) A atual programacao de producao atende `as necessidades da Electra. Contudo, devido a` concorrencia, pode ser que a empresa precise reduzir o preco do
motor do tipo 2. Qual e a maior reducao que pode ser efetuada sem alterar a
programacao de producao atual?
(c) A Electra decidiu reduzir em 25% o preco de todos os tipos de motores. Use
a analise de sensibilidade para determinar se a solucao otima permanecera
inalterada.
(d) Atualmente, o motor do tipo 4 nao e produzido. De quanto deveria ser o
aumento no preco desse motor para ser includo na programacao de producao?
101
max
s.a. :
z = 10x1 + 8x2 + x3
x1 + x2 + x3 100
h1 x1 + h2 x2 + h3 x3 10000
x1 , x2 , x3 0
x2
x3
x4
x5
100
-2
-2
-5
9500
10
CAPITULO 5. O METODO
SIMPLEX
102
otima?
(c) Determine o valor das variaveis do dual para tres solucoes obtidas (a dada
no enunciado e mais as obtidas em (a) e (b)). Interprete o significado dessas
variaveis para as tres solucoes caracterizando as alteracoes sofridas.