Escolar Documentos
Profissional Documentos
Cultura Documentos
OPERACIONAL
INTRODUO PESQUISA
OPERACIONAL
So Paulo
2011
M339i
Marins, Fernando Augusto Silva
Introduo Pesquisa Operacional / Fernando Augusto Silva Marins.
So Paulo : Cultura Acadmica : Universidade Estadual Paulista, Pr-Reitoria
de Graduao, 2011.
176 p.
ISBN 978-85-7983-167-6
CDD 658.05
equipe
Apresentao 9
Referncias 21
2 programao linear 23
2.1. Introduo 23
2.2. Modelagem 24
2.3. Limitaes 38
Referncias 80
3.1. Introduo 81
3.3. Algoritmos 90
Referncias 102
Referncias 127
Referncias 150
Anexo 172
Referncias 176
Como descrito por Lss (1981), desde o sculo III A.C. quando Hieron,
Imperador da Siracusa, solicitou de Arquimedes a idealizao de meios para
acabar com o cerco naval dos romanos, lideres polticos e militares tm con-
sultado os cientistas para a soluo de problemas tticos e estratgicos. No
Escolha do
Fomulao Obteno Mtodo de Obteno Implementao
Resultados
do Problema do Modelo Obteno dos Dados da Soluo
da Soluo
Teste do Modelo e
da sua Soluo
Experincia
(e) Implementao
sem levar em conta que a qualidade das informaes necessrias a esse refina-
mento no o justificam. Um estudo utilizando a anlise de sensibilidade, em
muitos casos, permite verificar a influncia de determinado dado (parmetro),
o que poderia no justificar um maior detalhamento do modelo.
O porte do modelo deve ser adequado as suas finalidades. Em muitos ca-
sos so utilizados modelos extremamente complexos, o que possvel com o
grande desenvolvimento dos computadores, que no justificam a sua adoo.
O custo da implementao e operao de alguns modelos pode superar os be-
nefcios proporcionados inviabilizando-os. Modelos de grande porte devem
ser utilizados somente quando possam ser justificados atravs de uma relao
benefcio-custo desejvel.
Recursos escassos devem ser utilizados racionalmente de maneira racio-
nal. Por outro lado as exigncias do desenvolvimento industrial brasileiro, e a
globalizao da economia, foram a utilizao de ferramentas mais poderosas
na soluo de problemas especficos ou gerais das empresas.
Hoje se constata que, embora as tcnicas da PO j estejam bastante divul-
gadas no meio acadmico, nas Empresas ainda h vrias restries ao conhe-
cimento e domnio desse ferramental. A falta de tradio no uso de tcnicas
sofisticadas no mundo empresarial brasileiro, aliada a dificuldades de comuni-
cao com as universidades, fazem com que o uso da PO por empresas esteja
bem aqum do que seria desejvel.
Nas universidades a tendncia uma diversificao muito grande de reas
de aplicao. H pessoas trabalhando com problemas determinsticos, estocs-
ticos e combinatrios; h desenvolvimentos importantes relacionados teoria
da deciso, a mtodos computacionais aplicados Programao Matemtica e
a outras reas mais contemporneas, como a Logstica e o Gerenciamento da
Cadeia de Suprimentos (Supply Chain Management).
A esta diversificao se alia um crescente intercmbio da universidade
com a empresa, na forma de assessoria e participao em projetos.
Pode-se afirmar que a PO tem tido um impacto crescente na adminis-
trao das empresas, tendo aumentado o nmero e a variedade de suas apli-
caes. A seguir esto relacionadas reas tratadas neste texto e exemplos de
problemas tpicos:
REFERNCIAS
2.1. INTRODUO
2.2. MODELAGEM
modelo
a b c
Mo-de-obra (horas por unidade) 7 3 6
Material (quilos por unidade) 4 4 5
Lucro ($ por unidade) 4 2 3
Modelagem:
Variveis de deciso:
xa produo diria do modelo a
xb produo diria do modelo b
xc produo diria do modelo c
Restries:
(limitao de mo-de-obra) 7xa + 3xb +6xc 150
(limitao de material) 4xa + 4xb +5xc 200
(no-negatividade) xa 0, xb 0, xc 0.
Modelo final: Encontrar nmeros xa, xb, xc tais que: Max L = 4xa + 2xb +3xc
sujeito as restries:
n
O modelo geral ter: Funo objetivo - Max Z = c x
j =1
j j
Restries sujeito a:
AX b
Max Z = C X sujeito a:
X 0
onde: X = (x1 x2 ... xn)t o vetor das variveis de deciso; C = (c1 c2 ... cn)
o vetor de custos; b = (b1 b2 ... bm)t o vetor das quantidades dos recursos
em cada restrio e
Modelagem:
Variveis de deciso Seja xj a quantidade do alimento j presente na dieta,
j = 1,2,3,4,5,6.
Restries sujeito a:
44,7x1 + 8,4x2 + 7,4x3 + 2,2x4 + 9,6x5 + 26,9x6 3,0
2,0xl + 19,lx2 + 16,4x3 + 0,2x4 + 2,7x5 + 11,4x6 0,8
33,3x1 + 23,5x2 + 10,3x3 + 50,8x4 + 5,4x5 + 24,7x6 2,7
xj > 0, j = 1,2,3,4,5,6
AX b
Restries sujeito a:
X 0.
Depsitos Rio de
Florianpolis Salvador Manaus Produes
Fbricas Janeiro
Curitiba 1 0,8 3 4,5 470
So Paulo 1,5 0,6 2,5 3 400
Aracaju 6 5 1,2 2,8 400
Demanda 350 300 300 120
Modelagem:
Sejam xij quantidade enviada do produto da fbrica i (i = Curitiba, So Pau-
lo, Aracaju) ao depsito j (j = Florianpolis, Rio de Janeiro, Salvador, Manaus)
Funo objetivo Min CT = 1x11 + 0,8x12 + 3x13 + 4,5x14 + 1,5x21 + 0,6x22
+ 2,5x23 + 3x24 + 6x31 + 5x32 + 1,2x33 + 2,8x34
Restries sujeito a:
Curitiba x11 + x12 + x13 + x14 470
(Restries de produo) So Paulo x21 + x22 + x23 + x24 400
Aracaju x31 + x32 + x33 + x34 400
Florianpolis x11 + x21 + x31 + x41 = 350
RJ x12 + x22 + x32 + x42 = 300
(Restries de demanda)
Salvador x13 + x23 + x33 + x43 = 300
Manaus x14 + x24 + x34 + x44 = 120
(No negatividade) xij 0, i = 1,2,3 e j = 1,2,3,4
x
j =1
ij ai , i = 1,2,..., m
m
Restries sujeito a:
x
i =1
ij = b j , j = 1,2,..., n
TV
TV horrio
horrio Rdio Revistas
normal
nobre
custo 40.000 75.000 30.000 15.000
clientes atingidos 400.000 900.000 500.000 200.000
mulheres atingidas 300.000 400.000 200.000 100.000
Modelagem:
Variveis de deciso:
x1 = Nmero de exposies em horrio normal na tv.
x2 = Nmero de exposies em horrio nobre na tv.
x3 = Nmero de exposies feitas utilizando rdio.
x4 = Nmero de exposies feitas utilizando revistas.
Restries: sujeito a
40.000x1 + 75.000x2 + 30.000 x3 + 15.000x4 800.000 (oramento)
300.000x1 + 400.000x2 + 200.000 x3 + 100.000x4 2.000.000 (mulheres
atingidas)
40.000x1 + 75.000x2 500.000 (gasto com TV)
x1 3, x2 2, 5 x3 10, 5 x4 10 (nmero de veiculaes em TV,
rdio e revistas)
x1, x2, x3, x4 0. (no-negatividade)
a) Trainee $ 400;
b) Operador treinado trabalhando $ 700;
c) Operador treinado ocioso $ 500. Um acordo firmado com o sindicato
probe demisses de operadores treinados no perodo.
Encontrar um modelo de PL que fornea um programa de treinamento de
custo mnimo e satisfaa os requisitos da empresa em termos de nmero
de operadores treinados disponveis a cada ms.
Modelagem:
Observe-se que, a cada ms, um operador treinado est operando mquina,
trabalhando como instrutor, ou est ocioso. Alm disto, o nmero de operadores
treinados, trabalhando nas mquinas fixo e conhecido: 100 em janeiro, 150
em fevereiro, 200 em maro e 250 em abril.
Variveis de deciso:
x1 = operadores trabalhando como instrutores em janeiro
x2 = operadores ociosos em janeiro
x3 = operadores trabalhando como instrutores em fevereiro
x4 = operadores ociosos em fevereiro
x5 = operadores trabalhando como instrutores em maro
x6 = operadores ociosos em maro
Modelagem:
Variveis de deciso - xi = nmero de inspetores do nvel i (= 1, 2) alocados
inspeo.
Modelagem:
Variveis de deciso:
xij = quantidade do constituinte i (1,2, 3, 4) na gasolina j (A, B, C).
Variveis auxiliares:
xA = xiA, xB = xiB, xC = xiC, para i = 1, 2, 3, 4.
x1 = x1j, x2 = x2j, x3 = x3j, x4 = x4j, para j = A, B, C.
Restries:
Quantidades mximas de constituintes
x1j 3.000
x2j 2.000
x3j 4.000
x1j 1.000
Especificaes das gasolinas
x1A 0,30 xA
x3A 0,50 xA
x2A 0,40 xA
x1B 0,50 xB
x2B 0,10 xB
x1C 0,70 xC
No negatividade xij 0, para todo i = 1, 2, 3, 4 e j = A, B, C.
Modelagem:
Observe-se na Figura 2 (a) que o lucro da venda dos produtos a e b uma
funo linear, mas com respeito ao produto c, ver Figura 2 (b), isto no ocorre:
Produto b
Lucro Produto a Lucro
+10
Produto c
+4
+3
-2
Quantidade Quantidade
5
(a) (b)
Restries:
2 x1 + 3 x2 16 (disponibilidade de tempo para operao 1)
3 x1 + 4 x2 24 (disponibilidade de tempo para operao 2)
x3 + x4 = 2 x2 (produo do produto c a partir do produto b)
x3 5 (previso de produto c que pode ser vendido)
x1, x2, x3, x4 0 (no-negatividade)
Uma oficina mecnica tem uma furadeira vertical e cinco fresas que so
usadas para a produo de conjuntos formados de duas partes. Na Tabela 7
est a produtividade de cada mquina na fabricao destas partes do conjunto.
O encarregado pela oficina deseja manter uma carga balanceada nas mquinas
de modo que nenhuma delas seja usada mais que 30 minutos por dia que qual-
quer outra, sendo o carregamento de fresamento dividido igualmente entre as
05 fresas.
Furadeira Fresa
Parte 1 03 20
Parte 2 05 15
Obs: tempos para produzir as partes dados em minutos.
Modelagem:
Variveis de deciso:
x1 = nmero de partes 1 produzidas por dia
x2 = nmero de partes 2 produzidas por dia
Restries:
3 x1 + 5 x2 480 (minutos por dia disponveis para a furadeira)
(20 x1 + 15 x2)/5 = 4 x1 + 3 x2 480 (minutos por dia disponveis para cada
fresa)
|(4 x1 + 3 x2) - (3 x1 + 5 x2)| = | x1 -2 x2| 30 (balanceamento de carga entre
as mquinas)
Observe-se que esta ltima restrio no linear, mas equivalente a duas
equaes lineares que podem substitu-la:
x1 - 2 x2 30 e - x1 + 2 x2 30
x1, x2 0 (no-negatividade).
2.3. LIMITAES
Modelagem
Variveis de deciso: xi quantidade (em dzias) a serem fabricadas sema-
nalmente do brinquedo Bi
Max 8x1 + 5x2 (Lucro semanal)
Sujeito a
2 x1 + 1 x2 1000 (Plstico)
3 x1 + 4 x2 2400 (Tempo de Produo - Minutos)
x1 + x2 700 (Produo Total)
x1 - x2 350 (Mix)
xj 0, j = 1,2 (No-negatividade)
Resoluo Grfica
1a Etapa Encontrar a Regio Vivel, ou seja, o conjunto dos pares (x1, x2)
que satisfazem todas as restries. As restries de no negatividade correspon-
dem ao 1o. Quadrante do espao de pontos (x1, x2), conforme Figura 3, onde as
setas indicam a rea onde esto os pontos que satisfazem essas restries.
x2
x1
ficados os pares (x1, x2) que satisfazem todas elas. Testar se (x1 = 0, x2 = 0)
satisfaz a restrio analisada para descobrir qual o semi-plano que correspon-
de restrio.
1.000
x2 Restrio de plstico: 2 x1 + 1 x2 < 1000
x2
500
x1
x2
x1
800
x2
x1
700
x2
350
x1
Soluo Vivel
Interior
600
Soluo Vivel
na Fronteira
350
a) Arbitrar um valor qualquer para 8x1 + 5x2, por exemplo, 2.000 e traar
a reta associada, 8x1 + 5x2 = 2.000;
b) Verificar para qual sentido, em direo regio Vivel, deve-se pesqui-
sar, na famlia de retas paralelas reta arbitrada, h melhoria no valor
da funo objetivo. Isso pode ser feito comparando-se o valor arbitrado,
2.000, com o valor da funo objetivo obtido quando (x1 = 0, x2 = 0), ou
seja, comparar com uma reta paralela que passa pela origem do sistema
de coordenadas. Neste caso tem-se que o valor zero, ou seja, menor
que 2.000 (ver Figura 9);
x2
8x1 + 5x2 = 4.360 - lucro timo
x1 = 320
8x1 + 5x2 = 2.000
x2 = 360
400 Melhoria do
objetivo
8x1 + 5x2 = 0
x1
250
O ponto da Regio Vivel (x1, x2), tangenciado por essa reta ser a
soluo tima, com xi sendo a quantidade tima (em dzias) a ser fabricada
semanalmente do brinquedo Bi, e o valor da funo objetivo ser o lucro total
semanal timo. Uma ilustrao desse procedimento est na Figura 9, obten-
do-se: $4.360 lucro timo, x1 (timo) = 320 e x2 (timo) = 360.
Assim, a programao tima da produo de brinquedos produzir 320
dzias do brinquedo B1 e 360 dzias do brinquedo B2, gerando um lucro total
semanal de $4.360.
Na Figura 10 apresenta-se uma visualizao grfica de casos possveis num
PPL que seja de maximizao envolvendo duas variveis. Nesta Figura 10 esto
indicados: a Regio Vivel (quando existe), h uma reta obtida para um valor
arbitrrio da funo objetivo, o sentido de melhoria da funo objetivo e o
valor timo da funo objetivo, Z.
Na Figura 10 (a), apresenta-se uma situao em que a soluo nica e
corresponde a um vrtice da Regio Vivel. Na Figura 10 (b), est ilustrado um
caso onde a Regio Vivel aberta direita e devido s caractersticas da fun-
o objetivo que cresce exatamente para esta direo, a soluo dita ser ilimi-
tada, para um problema de maximizao, com o valor de Z tendendo a . Na
situao da Figura 10 (c), as restries no possuem pontos em comum no 1o.
Quadrante, o que indica que o problema invivel, ou seja, no tem solues
viveis que satisfaam, ao mesmo tempo, todas as suas restries.
Finalmente, nas Figuras 10 (d) e (e), esto ilustrados os dois casos pos-
sveis onde h mais de uma soluo tima. Observe-se que, na Figura 10 (d),
o valor timo da funo objetivo (Z) ocorre para todos os pontos que esto
num segmento de reta na fronteira da Regio Vivel e, na Figura 10 (e), Z est
associado aos pontos de uma semi-reta que compe uma das fronteiras da
Regio Vivel.
x2 x2
cresce
cresce
x1 x1
(a) uma soluo tima (b) soluo ilimitada
x2 x2
cresce
conjunto vivel vazio
z
x1
x1
(c) no h soluo
(d) mais de uma soluo tima
x2
z
cresce
x1
(e) mais de uma soluo tima
AX = b com b 0
Min Z = CX s.a. :
X 0.
AX = b, b 0
Min Z = C X s.a. :
X 0.
2 x1 + x2 4
Exemplo 2: Sejam as restries:
3x1 + 2 x2 5
2 x + x2 + x3 = 4 com x3 0,
estas restries so equivalentes a 1
3x1 + 2 x2 x 4 = 5 com x 4 0.
(c) Ocorrncia de variveis livres, isto , variveis que podem ser positivas,
nulas ou negativas. Seja xk uma varivel livre, h dois tipos de operaes para
elimin-la:
(cl) substituir em todas as equaes do modelo xk por x k = x k x k , onde
, ,,
x k, 0 e x k,, 0 .
(c2) expressar xk , a partir de uma restrio j na forma de igualdade, como
funo das demais variveis no-negativas e substituir xk nas outras equaes
por esta expresso. Aps a resoluo do novo modelo, sem xk e a equao de re-
corrncia utilizada, calcula-se o valor de xk atravs da equao de recorrncia.
(d) Ocorrncia de varivel no positiva: se existe xk < 0, basta substitu-la
pela sua simtrica x k, = x k 0 nas equaes do modelo.
Max 2x1 x2 + x3
s. a:
x1 + 2 x2 x3 5
4 x1 + x3 0
x1 2 x3 7
x + x =8
1 2
x1 0, x2 0, x3 livre.
Max Z = 2x1 x2 + x3
s. a:
x1 + 2 x2 x3 x 4 = 5 (1)
4 x1 + x3 + x5 = 0 (2)
x1 + 2 x3 + x6 = 7 (3)
x +x =8 (4)
1 2
x1 0, x2 0, x3 livre, x 4 0 , x5 0, x6 0
Max -2x1 - x2 - x5
s. a:
5x1 + 2 x2 x 4 + x5 = 5
7 x1 2 x5 + x6 = 7
x1 + x2 = 8
x2 0, x1 , x 4 , x5 , x6 0
Max -2x1 - x2 - x5
s. a:
5x1 + 2 x2' x 4 + x5 = 5
7 x1 2 x5 + x6 = 7
x1 + x2 = 8
'
x , x' , x , x , x 0
1 2 4 5 6
AX 0 = b
O vetor X soluo vivel 0
0
, isto , X0 satisfaz as restries.
X 0
x1 + x2 x3 = 2
Min Z = x1 + 2 x2 + x3 s.a. : 2 x1 + 3x2 x3 = 7
x 0, i = 1, 2, 3
i
1 3
Os vetores X10 = 1 e X20 = 0 so solues viveis.
0 1
{ }
Os vetores Xo tais que X 0 AX 0 = b e X 0 0 formam o conjunto vivel
do modelo de minimizao na forma padro.
Observaes:
{ }
(b) Se existir uma seqncia de solues viveis X10 , X20 ,... de modo que
C X i0 - quando i ento o modelo tem soluo ilimitada.
x1 + x2 x3 = 12
x1 + 2 x2 + 2 x3 = 6
x1
1 1 -1 12 1 1 -1
A= , X = x 2 ,b = , a1 = , a2 = , a3 =
-1 2 2 x3 6 -1 2 2
1 1
{a1, a2} LI pois
-1 2
=3
1 -1
{a1, a3} LI pois
-1 2
=1
1 -1
{a2, a3} LI pois
2 2
=4
x1 + x2 = 12
, cuja soluo x1 = 6 e x 2 = 6 (variveis bsicas)
x1 + 2 x2 = 6
x1 + x2 = 12
, cuja soluo x1 = 30 e x3 = 18 (variveis bsicas)
x1 + 2 x2 = 6
x2 - x3 = 12
2x2+ 2x3 = 6, cuja soluo x2 = 7,5 e x3 = -4,5 (variveis bsicas)
6 1 1
X 1B = com A1B = e as variveis bsicas so x1 e x2;
6 1 2
30 1 1
X B2 = com AB2 = e as variveis bsicas so x1 e x3.
18 1 2
A seguir esto dois importantes resultados da PL, cujas demonstraes fo-
gem do escopo deste livro e no sero, portanto apresentadas, recomenda-se
aos interessados a consulta s referncias bibliogrficas do final do captulo.
O modelo original, citado nos Teoremas 1 e 2, se referem ao modelo antes
de ser colocado na forma padro.
variveis bsicas: x1 = b1 , x2 = b2 , , xm = bm
Figura 11 Pivoteamento
a1j 0
a2j Aplicando as 0
.. operaes de ..
. .
aij 1
.. pivoteamento ..
. a partir de aij .
amj 0
2 x1 2 x2 + 6 x3 = 4 (1)
(ver 1o Quadro da Figura 12)
x1 + 4 x2 x3 = 2 (2)
x1 x2 + 3x3 = 2 (1)
x1 + 4 x2 x3 = 2 (2)
x1 x2 + 3x3 = 2 (1)
(ver 2o Quadro da Figura 12)
3x2 + 2 x3 = 4 (2')
x1 x2 + 3x3 = 2 (1)
3
x2 + x3 = 2 (2)
2
11
x1 2 x2 = 4 (1)
(S): (ver 3o Quadro da Figura 12)
3 x + x = 2 (2)
2 2 3
Varivel
Bsica x1 x2 x3 b
x1 2 -2 6 4 (1)
1o Quadro
x3 -1 4 -1 2 (2)
x1 1 -1 3 2 (1) = (1) / 2
2o Quadro
x3 0 3 2 4 (2) = (2) + (1)
O Valor da funo objetivo para esta soluo bsica vivel pode ser obtido
da equao (m+1) modificada, pois:
n
Z = Z0 + c
j =m+1
j x j , e xj = 0, j = m + 1,..., n Z = Z0.
2 x1 + x2 + 2 x3 = 4
Z = 4 x1 + x2 + x3 s.a. 3x1 + 3x2 + x3 = 3
x , x , x 0
1 2 3
2 x1 + x2 + 2 x3 = 4 (1)
3x1 + 3x2 + x3 = 3 (2)
Z + 4 x + x + x = 0 (3)
1 2 3
3 3
x2 + x3 =
4 2
5 1
x1 + x2 + =
4 2
Z 13 7
x2 = (I )
4 2
7 13
Da equao (I): Z = x2, como x2 = 0 ( varivel no-bsica)
2 4
7
Z = Z 01 = , que o valor da funo objetivo para esta primeira s.b.v., que
2
tem x3 = 3/2, x1 = 1/2 e x2 = 0.
7 13
Anlise: Como Z = x2 , se x 2 entao Z como se deseja. Assim, a
2 4
s.b.v. atual no tima, pois tem-se x2 = 0 (ou seja, x2 est assumindo o seu
menor valor).
Procura-se tornar x2 varivel bsica numa prxima s.b.v. aplicando o
MEGJ, e considerando como variveis bsicas, x3 para a 1a equao, x2 para
a 2a equao, e -Z para a 3a equao. Obtm-se, deste modo:
3 9
x1 + x3 =
5 5
4 2
x1 + x2 =
5 5
+ 13 11
Z 5 x1 = (II )
5
11 13
Da equao (II): Z = + x1, como x1 = 0 ( varivel no-bsica)
5 5
11
Z = Z02 = , que o valor da funo objetivo. para a segunda s.b.v., onde
5
9 2
x3 = , x2 = e x1 = 0 .
5 5
11 13
Anlise: Como Z = + x1 , se x1 ento Z o que no interessante,
5 5
11
pois deseja-se minimizar a funo objetivo. Logo o valor de Z = no pode
5
ser melhorado.
Admitindo que j foi realizada a etapa (A) do Mtodo Simplex, num mo-
delo de minimizao, e existe cs < 0; deve-se achar uma nova s.b.v. com xs
tendo seu valor aumentado (era zero) at que alguma restrio do modelo na
forma padro seja violada.
Problema: Nesta nova s.b.v., que outras variveis deve-se alterar (e de quanto)
para compensar o aumento de xs?
a) Cada varivel bsica s afeta uma equao, podendo ser colocada como
uma funo de xs, facilitando descobrir qual a variao possvel de xs,
sem que cada varivel bsica se torne negativa;
b) As variveis bsicas tm coeficientes de custo relativo nulos na equao
associada funo objetivo (equao m+1); portanto, alteraes nos
seus valores no afetam o valor de Z, assim pode-se garantir que a fun-
o objetivo diminuir ao se aumentar xs.
{ }
b) Procurar equao i tal que bi / ais = Min b j / a js , a js > 0 , onde a js o
coeficiente da varivel xs na equao j.
b
O coeficiente ais correspondente ao quociente mnimo i denominado
ais
Piv. A varivel bsica associada equao i ser substituda pela varivel no-
bsica xs atravs de operaes de pivoteamento com ais.
x1 + 2 x3 3x 4 = 5 (1)
x2 + 2 x3 2 x 4 = 6 (2)
Z 4 x3 + 5x 4 = 4 (3)
6
Deste modo tem-se: x1 0 x3 5 / 2 e x2 0 x3 o maior valor
2
5 6 5
que x3 pode assumir, sem violar as restries deve ser ento Min , = .
2 2 2
Concluso: A nova s.b.v. tem como variveis bsicas, x3 = 5 e
2
5
x2 = 6 2 x3 = 1; como varivel no-bsicas, x1 = x4 = 0, e Z = 4 4. = 6 .
2
Pode ser utilizado um esquema de tabelas como artifcio para sistematizar a
obteno de s.b.v., isso foi aplicado ao Exemplo 9 e est ilustrado na Figura 13.
Comentrios Adicionais
Variveis
Bsicas x1 x2 x3 x4
5 Menor quociente
x1 1 0 2 3 5 = 2,5
2 (indica a linha
s.b.v. varivel do Piv)
atual que sai x2 0 1 2 -2 6
6
= 3,0
-Z 0 0 -4 5 -4 2
-Z 2 0 0 11 6
0
1
A nova s.b.v.: X = , Z = -6
5/2
0
x1 2 x3 3x 4 = 5 (1)
x2 2 x3 2 x 4 = 6 (2)
Z 4 x3 + 5x 4 = 4
(3)
bi
Znovo = Zatual + cs para cs < 0, bi > 0 e ais > 0 (Piv)
ais
Para ilustrar isto, considere o Exemplo 9, onde foram obtidas duas s.b.v:
s.b.v.1 x1 = 5, x2 = 6, x3 = x 4 = 0, Z1 = 4
5
s.b.v.2 x1 = 0, x2 = 1, x3 = , x 4 = 0, Z2 = 6
2
bi
Notar que Z2 = Z1 + cs com, Z1 = 4, bi = 5, ais = 2 e c s = 4
ais
2
Z2 = 4 + (4) = 6
5
x1 + x3 = 4
x2 + x4 = 6
3x1 + 2 x2 + x5 = 18
xi 0, i = 1,5
VB x1 x2 x3 x4 x5 b
x3 1 0 1 0 0 4 Quadro 1
x1 = x2 = 0
x4 0 1 0 1 0 6 x3 = 4, x4 = 6,
x5 = 8, Z = 0
x5 3 2 0 0 1 18 s.b.v. 1
-Z -3 -5 0 0 0 0
x3 1 0 1 0 0 4 Quadro 2
x1 = x4 = 0
x2 0 1 0 1 0 6 x3 = 4, x5 = 6,
x2 = 6, Z = -30
x5 3 0 0 -2 1 6 s.b.v. 2
-Z -3 0 0 5 0 30
-Z 0 0 0 3 1 36
x2 x2
(Z = -30, Quadro 2)
(0,6) (2,6) (0,6) (2,6)
0
Regio
Vivel
(4,3) (4,3)
0
x1 x1
(0,0) (4,0) (0,0) (4,0)
(Z = 0, Quadro 1)
x2
(0,6) (2,6)
0
(Z = -36, Quadro 3)
(4,3)
x1
(0,0) (4,0)
bi
Z2 = Z1 + cs , como cs = 0 Z2 = Z1 = Z .
ais
Figura 16 Modelo com mais de uma soluo tima Segmento de reta timo
Z = Z
x2 s.b.v. 1 (tima)
combinaes lineares de s.b.v. 1 e s.b.v. 2
s.b.v. 2 (tima)
Z=0
x1
x1 + x3 =3
x2 + x4 =4
x1 + 2 x2 + x5 = 9
xi 0, i = 1,5.
Aplicando o Mtodo Simplex, tm-se a seqncia de quadros da Figura 17.
Esto indicados por crculos os coeficientes que so os pivs.
VB x1 x2 x3 x4 x5 b
x3 1 0 1 0 0 3
x4 0 1 0 1 0 4 Q1
x5 1 2 0 0 1 9
-Z -1 -2 0 0 0 0
x3 1 0 1 0 0 3
x2 0 1 0 1 0 4 Q2
x5 1 0 0 -2 1 1
-Z -1 0 0 2 0 8
x3 0 0 1 2 -1 2 Q3
x2 0 1 0 1 0 4 (XA)
x1 1 0 0 -2 1 1
-Z 0 0 0 0 1 9
x4 0 0 1/2 1 -1/2 1 Q4
x1 1 0 1 0 0 3
-Z 0 0 0 0 1 9
x2
XA
4
x1
XB
Z = -9
Z=0
X = X A , 1, Z = 9
Etapa (A) Teste de Otimalidade A s.b.v. atual ser tima todos os coefi-
/ cj > 0 .
cientes de custos relativos forem no-positivos, isto , se
x1 4
x2 6
3x1 + 2 x2 18
x1 , x2 0
VB x1 x2 x3 x4 x5 b
x3 1 0 1 0 0 4
x4 0 1 0 1 0 6
x5 3 2 0 0 1 18
-Z 3 5 0 0 0 0
x3 1 0 1 0 0 4
x2 0 1 0 1 0 6
x5 3 0 0 -2 1 6
-Z 3 0 0 -5 0 -30
x3 0 0 1 2/3 -1/3 2
x2 0 1 0 1 0 6
x1 1 0 0 -2/3 1/3 2
-Z 0 0 0 -3 -1 -36
x1 2
6
x2
2
X = x 3 = , Z = 36
x
0
4 0
x5
Achar soluo
inicial
H
Soluo atual No Sim Escolher
Cj < 0
(XAA) )
tima (X* Cs < 0 Xs entra
?
H H
Soluo tima No Soluo No
Cj = 0 ais > 0
(X* ==XX*
nica (X A )A) ilimitada
? ?
Sim Sim
Por Pivoteamento
xj entra achar nova 1
soluo
H
x*x==x*
xAA No
aij > 0
>1 Observao:
?
Cj = Coeficiente de custo relativo da varivel no-bsicas Xj
Sim Xj, Xs = Variveis no-bsicas
Xr = Varivel bsica associada equao r
Fim Achar piv arj
aij, ais = Coeficientes na equao i das variveis Xj e Xs,
Xr sai
(Etapa (B)) respectivamente
X = Soluo tima
Por Pivoteamento
achar nova
(X*B B) )
soluo tima (X
X = XA+ (1 - ) XB
0<<1
Fim
a11x1 + + a1n xn + y1 = b1
a x + + a2n xn + y2 = b2
s.a.: 21 1
am1x1 + + amn xn + ym = bm
y1 = b1 , y 2 = b2 , , y m = bm e W = b1 + b2 + + bm .
Caso 1: Se o valor timo da funo objetivo artificial for W > 0, isto indi-
car que pelo menos uma varivel artificial, ys, permaneceu como varivel
bsica na s.b.v. tima do PPLA. Deve-se observar que as restries do PPLA
so exatamente as mesmas do PPLO, acrescentadas em cada equao de uma
varivel artificial.
Assim pode-se concluir que necessrio que ys seja no negativa (ys > 0)
para que as restries do PPLO sejam satisfeitas, evidenciando com isto que o
PPLO Invivel, isto , apenas com as variveis originais (de deciso e de fol-
ga), x1 , x2 , , xn, no possvel satisfazer conjuntamente todas as suas restri-
es. Assim o Conjunto Vivel do PPLO vazio. (Fim da Fase 1 da Resoluo
do PPLO, no h a Fase 2).
Visando a facilitao do uso do Mtodo Simplex com Duas Fases, foi ela-
borado o Fluxograma (2) apresentado na Figura 21.
Obter modelo na
forma padro
Observao:
W = Valor timo da funo
objetivo artificial H Sim Iniciar
Fase 2 = Aplicao do fluxograma 1 soluo inicial
Fase 2
?
No
Iniciar Fase 1
definir modelo
artificial
Iniciar Fase 1
Problema
definir modelo
orginal invivel
artificial
Iniciar possvel a
Fase 2 substituio Sim Efetuar
por varivel pivoteamento
original?
Fim No
Eliminar varivel
artificial bsica e
equao associada
x1 4
x2 6
Min Z = 3x1 5x2 s.a.:
3x1 + 2 x2 18
x1 , x2 0.
x1 + x3 =4
x2 + x4 =6
Min Z = 3x1 5x2 s.a.
3x1 + 2 x2 x5 = 18
xi 0, i = 1,5.
x1 + x3 =4
x2 + x4 =6
Min W = y1 s.a.: (PPLA)
3x1 + 2 x2 x5 + y1 = 18
xi 0, i = 1,5, y1 0.
VB x1 x2 x3 x4 x5 y1 b
x3 1 0 1 0 0 0 4
Quadro
x4 0 1 0 1 0 0 6
inicial
y1 3 2 0 0 -1 1 18
Adequar a f.o.
-W 0 0 0 0 0 1 0
x3 1 0 1 0 0 0 4
Q1 x2 0 1 0 1 0 0 6
y1 3 2 0 0 -1 1 18
-W -3 -2 0 0 1 0 -18
x1 1 0 1 0 0 0 4
Q2 x4 0 1 0 1 0 0 6
y1 0 2 -3 0 -1 1 6
-W 0 -2 3 0 1 0 -6
x1 1 0 1 0 0 0 4
-W 0 0 0 0 0 1 0
VB x1 x2 x3 x4 x5 b
x1 1 0 1 0 0 4
Adequar a
funo x4 0 0 3/2 1 1/2 3
objetivo
x2 0 1 -3/2 0 -1/2 3
-Z -3 -5 0 0 0 0
x1 1 0 1 0 0 4
Q3 x4 0 0 3/2 1 1/2 3
x2 0 1 -3/2 0 -1/2 3
-Z 0 0 -9/2 0 -5/2 27
x1 1 0 0 0 0 4
Q4 x5 0 0 3 2 1 6
x2 0 1 0 1 0 6
-Z 0 0 3 5 0 42
PARAR!
X1 = 4, X 2 = 6, X 3 = 0, X 4 = 0
A Soluo tima do PPLO est em Q4:
X5 = 6, Z = 42.
Notar nas Figuras 24 (a), 24 (b) e 24 (c) que, na Fase 1, o Mtodo das Duas
Fases procura se aproximar do conjunto vivel do PPLO. Quando encon-
trada uma s.b.v. do Modelo Original (um vrtice da Regio Vivel) inicia-se a
Fase 2 (ver Q3).
x2 x2
(2,6) (4,6) (2,6) (4,6)
(0,6) (0,6)
X = conjunto vivel
(4,3) (4,3)
(W = 6, Z = -12,
Quadro 2)
0 x1 0 x1
(4,0) (0,0) (4,0)
(W = 18, Z = 0, Quadro 1)
x2 x2
(2,6) (4,6) (2,6) (4,6)
0 (Z = -42, timo,
Quadro 4)
0 (Z = -27, Quadro 3 =
(4,3) (4,3)
= Quadro 3)
x1 x1
(0,0) (4,0) (0,0) (4,0)
REFERNCIAS
3.1. INTRODUO
Ilha D
Rio Pregel
Ilha B
Margem A
D
B
A D1
B D2
C D3
Um Problema de Localizao
Definio de Grafo
Representaes de um Grafo
2
1 2 3 4
1 0 1 0 1
2 1 0 1 1
1 3 X =
3 0 1 0 1
4 1 1 1 0
1 6
a
h 2 e b
4
g
f c
3
5
d
a b c d e f g h
1 0 0 0 0 0 0 0 1
2 0 0 0 0 1 1 1 1
3 0 0 0 1 0 1 0 0
A =
4 1 1 1 0 1 0 0 0
5 0 0 1 1 0 0 1 0
6 1 1 0 0 0 0 0 0
A cada n de grafo e/ou a cada aresta (ou arco) pode estar associado um
nmero (peso, custo ou valor). Neste caso, diz-se que G = (N, E) um grafo
valorado (ver Figura 6).
380 Km 600 Km
e
a
b f 7
1
c h h
a b
d c
Observaes:
(a) Um ciclo que passa por todas as arestas ou arcos de um grafo chama-
do Euleriano. Em problemas como coleta de lixo e vendas domiclio
o interesse est em ciclos Eulerianos de comprimento mnimo;
(b) Um circuito que passa por todos os ns de um grafo chamado
Hamiltoniano. Um problema muito importante da Pesquisa Opera-
cional, onde o interesse por um circuito Hamiltoniano de menor
comprimento, Problema do Caixeiro Viajante.
1 2
6
3
5
4
3.3. ALGORITMOS
Algoritmo de Kruskal
B 7 G
2
2 B G
3
F
A 2 2
4 3
4 3
8 2 1 4
A C 8 C F
H
3 E
D 2
2 1 H
5
E
2 12
D
Valor Total Mnimo = 16 = 2 + 1 + 2 + 2 + 4 + 2 + 3
Descrio do Algoritmo
A D
8
7 2 2
1
E 2
B 3 G 10
4
1 4 7
3
C F
Exemplo 4: Seja o grafo da Figura 14, determine o caminho mais curto entre os
ns B (ser o n s) e G (ser o n t). Determine, tambm, o comprimento total
mnimo do caminho.
8
outros com
8
7 0 1 P2 - RT com i = B
8
7 0 1 P3 - menor valor: RD C
8
4 0 1 5 4 P2 - RT com i = C
8
8
4 0 1 5 4 P3 - menor valor: RD F
8
8
4 0 1 14 5 4 11 P2 - RT com i = F
4 0 1 14 5 4 11 P3 - menor valor: RD A
4 0 1 12 5 4 11 P2 - RT com i = A
4 0 1 12 5 4 11 P3 - menor valor: RD F
4 0 1 12 5 4 7 P2 - RT com i = E
4 0 1 12 5 4 7 P3 - menor valor: RD G
PARAR!
Definio:
Uma funo fij definida em E com valores reais dita ser um fluxo para um
grafo orientado G = (N, E) se:
onde, uij a capacidade do arco (i,j), isto , a quantidade mxima de fluxo que
pode ser remetida de i para j.
A condio (2) representa a hiptese da conservao de fluxo na rede, po-
rm existem estudos referentes a redes onde pode haver ganhos ou perdas de
fluxo, os interessados podem consultar as referncias ao final do captulo.
Notao: F o valor do fluxo que pode ser enviado da fonte s ao destino t,
atravs da rede G = (N, E).
Deve-se notar que o valor mximo de F limitado pelas capacidades asso-
ciadas a cada arco da rede e determinado por uma propriedade fundamental
de uma rede, denominada Corte, definido a seguir.
Definio:
Um Corte um conjunto de arcos que se forem removidos de uma rede,
desconectam um conjunto de ns dos demais. Na Figura 16, percebe-se que o
corte formado pelos arcos (2, 4) e (3, 4) desconectam o n 4 dos ns 1, 2 e 3.
2 u24 CORTE
u12
1 u13 4
u34
3
Para uma rede com uma nica fonte e um nico destino, o fluxo vivel
mximo que pode ser enviado da fonte ao destino t igual ao Valor do Corte
Mnimo (Corte com menor capacidade) entre os Cortes da rede. Como ilustra-
o, pode ser verificado que o fluxo mximo na rede da Figura 17 3, os nme-
ros que aparecem ao lado dos arcos representam suas capacidades nas direes
especificadas pelas setas. O Corte Mnimo consiste dos arcos (s,2) e (3,t) e tem
valor igual a 3.
2
2 6
S 1 T
8 1
3
Deve ser observado que o Problema Fluxo Mximo numa Rede pode ser
expresso como um Problema de Programao Linear: Seja o fluxo fij numa
rede G = (N, E), onde N = {s, 2,...,t} e uij a capacidade do arco (i.j). O valor
deste fluxo F se f =f
j
sj
j
jt = F.
F, i = s
Max F s.a. : fij
f ji = 0, i s, i t
j j F , i = t
0 fij uij , (i, j) E
Fases do Algoritmo
7 1 9
F
S 3 T F
9 8
2
Notao: Nas Figuras 19, 21, 23, 25 e 27, os nmeros ao lado dos arcos (i,j)
representam ( fij , uij) e nas Figuras 20, 22, 24 e 26, os nmeros ao lado dos ar-
vos (i, j) representam fi.
Passo 1 (Figura 19). Vamos encontrar uma CFA de s para t. Assim, rotula-se
inicialmente s (rtulos so denotados por asteriscos).
De s, pode-se rotular o n 1 pois (s, 1) um arco forward, levando um
fluxo f s1 us1 = 7. Do n 1 pode-se rotular o n 2 pelo arco forward (1,2) e fi-
nalmente rotula-se o destino t.
*
(0,7) 1 (0,9)
F=0 * (0,3) F=0
S T
(0,9) 2 (0,8)
*
*
Desta forma, obtm-se a CFA, dada na Figura 20, formada apenas por
arcos forward.
*
1
7
3 8 T
S
* *
2
*
(3,7) 1 (0,9)
F=3 (3,3) F=3
S T
(0,9) 2 (3,8)
*
4 I 9 *
* T
S
Agora o fluxo mximo permitido 4. Isso aumenta o fluxo F pela rede para
7 unidades. A nova configurao fica sendo aquela da Figura 23.
(7,7) 1 (4,9)
F=7 (3,3) F=7
S T
(0,9) 2 (3,8)
Passo 3 (Figura 23). O n 1 no pde ser rotulado a partir de s, pois o arco (s,1)
forward e fs1 = us1 = 7. Mas, uma nova CFA pode ser encontrada, como aquela
da Figura 24.
*
5 T
S 9
* 2
*
*
(7,7) 1 (4,9)
F = 12 (3,3)
* F = 12
S T
* (5,9) 2 (8,8)
*
*
1 5
3 T *
S
* 4 2
*
Para aumentar o fluxo por essa cadeia, aumenta-se o fluxo nos arcos
forward e decresce-se no arco backward. O mximo valor que se pode aumen-
tar em F de 3 unidades e o novo fluxo na rede fornecido a seguir.
1 (7,9)
(7,7)
F = 15 (0,3) F = 15
S T
* (8,9)
2 (8,8)
* Corte Mnimo
Comentrios:
REFERNCIAS
(b) Modelagem
Variveis de Deciso:
n
xij = ai , i = 1,2,..., m (balano do produto nas origens)
j =1
m
Restries
s.a. xij = b j , j = 1,2,..., n (balano do produto nos destinos)
i =1
xij 0, i, j negatividade)
(nao
Observaes importantes:
m n
(1) Notar que a = b , ou seja, o modelo est balanceado. Adiante se
i =1
i
j =1
j
m n m n
i =1
ai <
j =1
bj e i =1
ai > b .j =1
j
Exemplo 1:
Considere uma situao onde h 3 fbricas (F1, F2, F3) produzindo um
mesmo produto, e 4 depsitos (D1, D2, D3, D4) onde este produto ficar estoca-
do para posterior venda.
As capacidades de produo das fbricas so: a1 = 40, a2 = 80, a3 = 110,
respectivamente para F1, F2 e F3.
Nos depsitos devem ser atendidas as seguintes demandas: b1 = 20, b2 = 30,
b3 = 100 e b4 = 80, respectivamente para D1, D2, D3, D4.
Os custos unitrios de transporte (Cij) do produto nos 12 trajetos possveis
so dados na Tabela 1.
D1 D2 D3 D4
F1 10 5 12 4
F2 2 0 1 9
F3 13 11 14 6
Modelagem:
Funo objetivo:
Min CT = 10 x11 + 5x12 + 12 x13 + 4 x14 + 2 x21 + 0 x22 +1x23
+ 9 x24 +13x31 + 11x32 + 14 x33 + 6 x34
Restries:
x11 + x12 + x13 + x14 = 40
x21 + x22 + x23 + x24 = 80 (Balano nas Fbricas)
x31 + x32 + x33 + x34 = 110
1 1 1 1 0 0 0 0 0 0 0 0 x11 40
x12 80
0 0 0 0 1 1 1 1 0 0 0 0 x13 110
x14 = 20
0 0 0 0 0 0 0 0 1 1 1 1 x21 30
x22 100
1 0 0 0 1 0 0 0 1 0 0 0
x23 80
0 1 0 0 0 1 0 0 0 1 0 0 x24
x31
0 0 1 0 0 0 1 0 0 0 1 0 x32
x33
0 0 0 1 0 0 0 1 0 0 0 1
x34
Todo modelo linear cuja matriz de restries tiver estas caractersticas po-
der ser resolvido pelo algoritmo especial que ser apresentado a seguir.
(3) Um resultado importante que pode ser provado que qualquer equao
do sistema formado pelas restries do modelo de transporte pode ser obtida
por uma combinao linear das demais.
D1 (b1 = 20)
C11 = 10
(a1 = 40) F1 C12 =
5
C
13 =
C 12
14
=
4
C21 = 2 D2 (b2 = 30)
C 22 = 0
(a2 = 80) F2 C2
=
C 3 1
24 =
9
1
=1
13
D3 (b3 = 100)
C 32
=
31
C
D4 (b4 = 80)
Deve ser observado, ainda, que toda soluo bsica vivel para o modelo
de transporte corresponde a uma estrutura de rvore com respeito a rede
associada.
Figura 3 rvore associada a uma Soluo Bsica Vivel Inicial para o Exemplo 1
X11 = 20 D1 (20)
(40) F1 X12 = 20
X22 = 10 D2 (30)
(80) F2 X23 = 70
X33 = 30 D3 (100)
(110) F3 X34 = 80
D4 (80)
D1 D2 D3 D4 Total
01 10 5 12 4 40
2 0 1 9
02 80
13 11 14 6
03 110
D1 D2 D3 D4 Total
10 5 12 4
01 20 20 40
2 0 1 9
02 10 70 80
13 11 14 6
03 30 80 110
(a) Neste caso para enviar uma unidade do produto de O2 para D1, deve-se
diminuir uma unidade no percurso O1D1, seno O1 receber mais que
as 20 unidades do produto previstas;
(b) Porm para diminuir uma unidade em O1D1, deve-se aumentar uma
unidade em O1D2, para se manter o total de 40 unidades de produto
produzidas em O1;
(c) Aumentando uma unidade em O1D2 deve-se diminuir uma unidade
em O2D2, o que ir compensar exatamente aquela unidade colocada
inicialmente em O2D1.
C21 = +2 10 + 5 0 = 3 / unidade.
D1 D2
10 5
01
-1 +1
2 0
02
+1 -1
De forma idntica, pode-se analisar cada uma das outras variveis no-
bsicas, com outros ciclos de compensao, como por exemplo o do trajeto
O3D1, ver Figura 5, resultando no custo marginal da varivel no-bsica x31:
C31 = +13 10 + 5 0 + 1 14 = 5 / unidade .
D1 D2 D3
10 5 12
01
-1 +1
2 0 1
02
-1 +1
13 11 14
03
+1 -1
Observaes:
D1 D2 D3 D4 Total
10 5 12 4
01 20 20 +16 +6 40
2 0 1 9
02 -3 10 70 +16 80
13 11 14 6
03 -5 -2 30 80 110
D1 D2 D3 D4 Total
10 5 12 4
01 10 30 +1 +1 40
2 0 1 9
02 +2 +5 80 +16 80
13 11 14 6
03 10 +3 20 80 110
Passo 1: Inicializao
Determinar uma soluo bsica vivel (rvore bsica) inicial que tenha
m + n - 1 variveis (arcos) bsicas. Ir Ao Passo 2.
H uma maneira prtica para avaliao dos custos (lucros) marginais das
variveis no-bsicas, associadas a uma dada soluo bsica vivel. Este mtodo
conhecido como Mtodo Modificado ou Modi.
Considere um quadro tpico de aplicao do Stepping Stone Method, onde
h uma soluo bsica vivel identificada:
K1 = 10 K2 = 5 K3 = 6 K4 = -2
Total
D1 D2 D3 D4
10 5 12 4
L1 = 0 01 20 20 +6 +6 40
2 0 1 9
L2 = -5 02 +3 10 70 +16 80
13 11 14 6
L3 = 8 03 -5 -2 30 80 110
L1 + K1 = 10
L1 + K 2 = 5
L2 + K 2 = 0
L2 + K 3 = 1
L3 + K 3 = 14
L3 + K 4 = 6.
Para resolver o sistema deve-se atribuir um valor qualquer a uma das vari-
veis (por exemplo, L1 = 0) e calcular as demais por simples substituio. Na
situao acima, com L1 = 0, tem-se:
L1 = 0, L2 = 5, L3 = 8,
K1 = 10, K 2 = 5, K 3 = 6, K 4 = 2 .
Etapa 2 Considere, agora um dos ciclos, por exemplo aquele formado pela
adio do trajeto O3D1 (ver Figura 5). O custo marginal C31 para a varivel
no bsica x31 pode ser calculado por: C31 = C31 C33 + C23 C22 + C12 C11.
Substituindo os valores de Cij por (Li + KJ) quando pertinente, tem-se:
C31 = C31 (L3 + K3) + (L2 + K3) (L2 + K2) + (L1 + K2) (L1 + K1) cance-
lando-se os termos semelhantes, tem-se C31 = C31 (L3 + K1).
Ou seja, conclui-se que o custo marginal da varivel no-bsica x31 igual
ao seu custo unitrio de transporte menos a soma dos custos marginais da li-
nha 3 e coluna 1 correspondentes.
De fato este resultado geral, ou seja: para cada varivel no-bsica xij,
tem-se que Cij = Cij
(Li + Kj).
O Quadro 5, ainda, mostra os demais custos marginais pelo mtodo Modi
para a soluo inicial do Exemplo 1, evidentemente os valores so coincidentes
com aqueles dispostos no Quadro 3.
As modificaes na soluo bsica com a introduo de nova varivel b-
sica so feitas da forma anteriormente descrita.
Obtida uma nova soluo bsica vivel, podem-se calcular os custos mar-
ginais dessa soluo utilizando novamente o mtodo Modi, e assim por diante,
at a obteno da soluo tima.
Observe-se que o mesmo procedimento vale para o caso de maximizao
da funo objetivo em que h lucros marginais, ao invs de custos marginais.
Foi o mtodo utilizado para se obter uma soluo bsica vivel inicial no
Exemplo 1.
A RCE consiste em atribuir o mximo valor transportvel do produto
partindo-se da clula localizada no canto superior esquerdo do Quadro de
resoluo pelo Stepping Stone Method, e continuar a distribuio do produto
disponvel pelas demais clulas, atravs de deslocamentos sucessivos para a
direita e para baixo, atendendo totalmente as demandas de cada destino
e esgotando os recursos das origens, at atingir a clula localizada no canto
inferior direito do Quadro.
Uma linha (ou coluna) considerada satisfeita quando a quantidade de
produto disponvel na origem associada j tiver se esgotado (ou o total da
demanda pelo produto no destino associado tiver sido atendido).
Vantagem: simplicidade na obteno da soluo inicial.
Quadro 6 Soluo Bsica Vivel Inicial para o Stepping Stone Method pela regra do
Custo Mnimo
D1 D2 D3 D4 Total
10 5 12 4
01 40 40
2 0 1 9
02 30 50 80
13 11 14 6
03 20 50 40 110
Tabela 2 Detalhes sobre a ordem e quantidade alocada a cada clula pelo Mtodo
do Menor Custo Associado
01D1 10 Esgotada
01D2 5 Esgotada
01D3 12 Esgotada
02D1 2 Esgotada
02D4 9 Esgotada
03D2 11 Esgotada
Esgota linha 3
03D3 14 6a 50
e coluna 3
1o Caso: a > b ; isto , tem-se mais oferta do que demanda. Neste caso,
i j
2o Caso: a < b ; isto , tem-se mais demanda que oferta. Neste caso,
i j
4.6. DEGENERESCNCIA
Isto pode ocorrer se estas variveis bsicas, que empataram na sada, per-
tencem ao ciclo de compensao da varivel no-bsica que entrar, so doa-
doras de unidades e possuem o mesmo valor mnimo de quantidade de
produto, para as variveis doadoras, do ciclo de compensao em questo.
Neste caso, opta-se por substituir uma delas (das que empataram) da solu-
o bsica e mantm-se as outras (que empataram) como variveis bsicas na
prxima soluo bsica vivel do problema, porm com valor zero associado.
Isto ser ilustrado a partir do Exemplo 2 que apresenta tanto o desbalan-
ceamento entre oferta e demanda, como ocorrncia de soluo bsica vivel
degenerada.
Exemplo 2:
Destinos
Origens D1 D2 D3 D4 Capacidades
01 10 5 12 4 40
02 2 0 1 9 80
03 13 11 14 6 100
Demandas 20 30 80 70 220
200
01 = 40 b1 = 20
01 D1
b3 = 80
D3
02 = 80 bf = 20
02 Df fictcio
b4 = 70
D4
b2 = 30
03 D2
03 = 100
K1 = 10 K2 = 5 K3 = 6 K4 = -2 K5 = -8
Capacidades
D1 D2 D3 D4 D5
10 5 12 4 0
L1 = 0 01 20 20 +6 +6 +8 40
2 0 1 9 0
L2 = -5 02 -3 10 70 +16 +13 80
13 11 14 6 0
L3 = 8 03 -5 -2 10 70 20 100
Demandas 20 30 80 70 20 220
D1 D2 D3
01 20 20
+1
-1
02 10 70
+1
-1
03 10
+1
-1
Deve-se ento, conservar uma delas como bsica com valor zero (por
exemplo x33), e a outra dever se tornar varivel no bsica (neste caso x22).
Na seqncia, resolve-se o problema como anteriormente, at se obter a
soluo tima (ver Quadro 8), onde todos os custos marginais das variveis
no bsicas so positivos, e como o problema de minimizao, tem-se a solu-
o tima.
K1 = 10 K2 = 5 K3 = 11 K4 = 3 K5 = -3
Total
D1 D2 D3 D4 D5
10 5 12 4 0
L1 = 0 01 10 30 +1 +1 +3 40
2 0 1 9 0
L2 = -10 02 +2 +5 80 +16 +13 80
13 11 14 6 0
L3 = 3 03 10 +3 0 70 20 100
Total 20 30 80 70 20 220
D1 D2 D3 D4 Total
10 12 4
01 20 20 40
2 0 1 9
02 30 50 80
13 11 14 6
03 30 80 110
REFERNCIAS
5.1. INTRODUO
Medida
Recurso Atividade
de Efetividade
Deste modo, uma soluo bsica vivel para este modelo pode ser apresen-
tada na forma de uma Matriz das Variveis de Deciso dada por X = (xij),
como ilustrado no Exemplo 1.
No caso de um Modelo da Designao, com m recursos e m atividades,
uma soluo bsica vivel corresponde a uma designao vivel, sendo que
h m! designaes viveis, para um dado valor de m.
Observe-se que, como os recursos so indivisveis, e cada atividade neces-
sita de apenas um recurso, uma designao vivel obtida quando for selecio-
nado um e somente um elemento de cada linha e coluna da matriz X para as-
sumir o valor 1.
Dada uma matriz C para um Modelo da Designao, possvel exibir uma
designao vivel, ou seja, atribuir um recurso para cada atividade, de modo
que cada atividade receba um nico recurso, colocando-se um crculo ao redor
dos custos correspondentes aos elementos da matriz X tais que xij = 1. Ver
ilustrao no Exemplo 1.
4 7 0 0 0 1
C = (cij) = 0 3 8 X = (xij) = 1 0 0
6 3 9 0 1 0
c
i j
ij xij = d
i j
ij xij g xx d
i j
jj ijij
i j
ij xij
= di j
ij xij g d = d
i
i
j
jj
i j
ij xij + constante
c
i j
ij xij equivalente a minimizar d i j
ij xij , mantendo-se as restri-
es do Modelo de Designao.
O Mtodo Hngaro utiliza este resultado, subtraindo de toda linha e co-
luna da matriz C o menor valor encontrado em cada uma delas, e tentando
identificar uma designao vivel com custo total nulo, na matriz de custos
modificada.
Se tal soluo existe, ela ser uma designao tima; caso contrrio, o
mtodo altera a matriz de custos novamente visando a criar mais opes de
elementos nulos.
No Exemplo 2, h uma ilustrao deste procedimento de subtrair o menor
elemento de cada linha e coluna, na Matriz de Custos, objetivando identificar
as melhores opes de alocao de recursos para atividades (associadas aos
valores nulos na Matriz Modificada), de forma a se ter um custo total nulo
das designaes.
Operrios
Tarefas I II III IV
A 5 24 13 7
B 10 25 3 23
C 28 9 8 5
D 10 17 15 3
Operrios
A 5 24 13 7 (5)
B 10 25 3 23 (3)
C 28 9 8 5 (5)
D 10 17 15 3 (3)
Operrios
Tarefas I II III IV
A 0 19 8 2
B 7 22 0 20
C 23 4 3 5
D 7 14 12 0
Operrios
Tarefas I II III IV
A 0 19 8 2
B 7 22 0 20
C 23 4 3 5
D 7 14 12 0
Operrios
Tarefas I II III IV
A 0 15 8 2
B 7 18 0 20
C 23 0 3 5
D 7 10 12 0
I II III IV
A 0 15 8 2
B 7 18 0 20
C 23 0 3 0
D 7 10 12 0
1 0 0 0
0 0 1 0
X =
0 1 0 0
0 0 0 1
O mesmo valor pode ser obtido somando-se as constantes que foram sub-
tradas de cada linha e cada coluna.
No Exemplo 2, a reduo da matriz de custos inicial pela subtrao dos
elementos mnimos de cada linha e coluna, forneceu uma soluo tima bvia.
Entretanto, em geral, isto muito difcil de ocorrer. Tudo o que se pode
assegurar que, aps as subtraes indicadas, se obtenha no mnimo um zero
em cada linha e em cada coluna, entretanto, estes zeros nem sempre permitem
a obteno da soluo tima.
Deve-se, portanto, ter um procedimento sistematizado que permita identi-
ficar a designao tima para uma situao geral. Assim, passa-se a descrever as
fases de aplicao do Mtodo Hngaro que consiste basicamente de trs fases:
(a) Marcar todas as linhas que no tenham designaes aps a Fase (2),
ou seja, colocar um asterisco ao lado da linha da Matriz de Custos
Modificada na Fase (1);
Observaes:
Locais
I II III IV
A 2 1 4 2
B 3 4 1 6
Diretores
C 1 2 6 5
D 1 3 3 7
Locais
A 2 1 4 2 (1)
B 3 4 1 6 (1)
Diretores
C 1 2 6 5 (1)
D 1 3 3 7 (1)
I II III IV
A 1 0 3 1
B 2 3 0 5
C 0 1 5 4
D 0 2 2 6
I II III IV
A 1 0 3 0
B 2 3 0 4
C 0 1 5 3
D 0 2 2 5
1 2 3 4
A 1 0 3 X
B 2 3 0 4
C 0 1 5 3
D X 2 2 5
I II III IV
A 1 0 3 0
B 2 3 0 4
C 0 1 5 3
D 0 2 2 5
1 2 3 4
A 1 0 3 0
B 3 3 0 4
C 0 0 4 2
D 0 1 1 4
Pelo Mtodo Hngaro, deve-se retornar a Fase (2) para se tentar identifi-
car, finalmente, uma designao completa que ser a soluo tima.
I II III IV
A 2 X 3 0
B 3 3 0 4
C X 0 4 2
D 0 1 1 4
Diretor Local
A IV
B III
C II
D I
Uma fbrica possui quatro locais (I, II, III, IV) para receber trs mquinas
novas (A, B, C). O local IV no comporta a mquina A por restries fsicas.
Os custos de manuseio de materiais, numa certa unidade monetria por hora
(u.m./h), envolvendo cada mquina com as posies possveis, esto na Fi-
gura 16.
O objetivo designar as novas mquinas aos locais disponveis de modo a
minimizar o custo total de manuseio de materiais.
Assim como no problema do transporte, quando da ocorrncia de desba-
lanceamento e trajetos proibidos, so necessrios os seguintes passos antes de
se aplicar o Mtodo Hngaro:
(a) Atribuir um custo muito grande (M) posio (A,4) para se evitar a
designao da mquina A ao local 4;
(b) Criar uma mquina fictcia D, com todos os custos nulos, para igualar
o nmero de mquinas com o nmero de locais disponveis.
I II III IV
A 5 1 3 X
B 3 1 4 3
C 3 3 4 2
Isto feito tem-se Matriz de Eficincias da Figura 17, onde j foi identificado
o menor valor de custo em cada uma das linhas, para aplicao da Fase (1).
A 5 1 3 M (1)
B 3 1 4 3 (1)
C 3 3 4 2 (2)
D 0 0 0 0 (0)
Aplicando-se as Fases (1), (2) e as etapas de (a) at (e) da Fase (3) tem-se,
como resultado parcial, a Figura 18.
I II III IV
A 4 0 2 M
B 2 0 3 2
C 1 1 2 0
D 0 0 0 0
I II III IV
A 2 0 0 M
B 0 0 1 0
C 1 3 2 0
D 0 2 0 0
I II III IV
A 2 0 0 M
B 0 0 1 X
C 1 3 2 0
D 0 2 0 X
I II III IV
A 2 0 X M
B 0 X 1 X
C 1 3 2 0
D X 2 0 X
Mquina Local
A II
B I
C IV
Mquina Local
A III
B II
C IV
REFERNCIAS
6.1. INTRODUO
Sistema
Disciplina de
Atendimento
Definio:
Definies:
Eventos em
Estado em t Probabilidade correspondente
(t, t +t)
En-1 1 nascimento [
Pn-1 (t). n-1.t + 0(t) ] (1)
En+1 1 morte [
Pn+1 (t). n+1.t + 0(t) ] (2)
En Nenhum evento [
Pn (t). 1 n.t n.t + 0(t) ] (3)
Ou ainda:
Pn (t + t ) Pn (t )
= n1 .Pn1 (t ) + n+1.Pn+1 (t ) (n + n ).Pn (t ) (1)
t
Pn (t ).0 (t ) + 0 (t )
+
t
Pn (t + t ) Pn (t )
lim = n1 .Pn1 (t ) + n+1 .Pn+1 (t ) (n + n )Pn (t ) (2)
t 0 t
Como o termo do lado direito da equao (2) a derivada da derivada da
Probabilidade do Estado do Sistema, no instante t, ser n, tem-se as equaes
(3) e (4):
dPn (t )
Para n > 0, = n1 .Pn1 (t ) + n+1 .Pn+1 (t ) (n + n )Pn (t ) (3)
dt
d Po (t )
Para n = 0 : 0 = 0; P1 (t ) = 0 = 1P1 (t ) 0 P0 (t ) (4)
dt
0
Para n = 0, 1P1 0 P0 P1 = P0 (6)
1
n Pn n1 Pn1 n1 n2 n1 ... 0
Pn+1 = Pn = = Pn2 = ... = P0
n+1 n n n1 n ...1
n1
(i )
i =0
ou ainda Pn = P0 n>0 (7)
n
(i )
i =1
Como sabe-se que
n =0
Pn = 1, tem-se que P0 +
n=1
Pn = , ou ainda:
n1
(i )
i =0
1
P0 + n
P0 = 1 P0 = n1
(8)
n=1
(i ) (i )
i =1
i =0
1+
n=1
n
(i )
i =1
Nesta seo esto alguns dos principais modelos de filas conhecidas como
Markovianas, ou seja, tm as chegadas e os atendimentos seguindo as distri-
buies de Poisson e Exponencial.
1 1 1
P0 =
= = =1 , (9)
n
n 1
1+ n
1
n=1 n =0
n1
i n
i =0
Pn = P0 = P0 para n > 0. (10)
n
i
i =1
Aqui = denominado fator de utilizao e assim:
dn
L=
n =0
n Pn =
n =0
n (1 ) n = (1 )
(
n =0
)
n n1 = (1 ) n =0 d
=
d n d (1 )
1
= (1 ) n =0
= (1 ) = =
d d 1
assim, L = (12)
Lq = (n 1)P = n P
n=1
n
n=1
n
n=1
Pn = n P
n =0
n
n=1
Pn
2
= L (1 P0 ) =
( )
2
assim, Lq = (13)
( )
1
como, L = W (Frmula de Little) tem-se W = (14)
e como Lq = Wq (Frmula de Little) tem-se Wq = (15)
( )
Observaes:
1 1 1
P0 = = = (16)
N*
n
N * +1
1 N *+1
1
n =0
1
1 n
Para n = 0, 1, 2, ... pode-se obter Pn = N * +1
1
N*
De L = n Pn tem-se:
n=0
L=
(N * +1) N * +1
e Lq = L (1 P0 ) . (17)
1 1 N *+1
Para este modelo de filas, o tempo mdio que um usurio passa no sistema
pode ser de dois tipos:
(N n ), se n = 0,1,..., N
n =
0 , se n N ; n = 0 para n = 1,2...
1
P0 = (20)
N N ! n
n=0 (N n )!
n
N!
Pn = P , para n = 1,2,..., N
(N n )! 0
(21)
N
+
(1 P0 )
N
Lq = (n 1)Pn Lq = N
(22)
n=1
N
L = n Pn L = Lq + (1 P0 ) L = N (1 P0 )
N
(23)
n=1
Observaes:
Tem-se:
n
Pn = 1 c P0 , n = 0, 1, 2,...
1
(24) ; P0 = (25);
(n !)
n
1
8
n=0 (n !)
c
Lq
L
L = n Pn (26); Lq = L (1 P0 ) (27); W =
8
(28); Wq = (29)
n =0
Observao:
Neste caso, h S atendentes em paralelo (modelo de fila nica) para a mes-
ma fila, assim:
n , se 0nS
=
n S , se nS
n
. P , se 0 n S
n ! 0
Pn = n (31)
nS . P0 , se n > S
S ! S
S
P0
Lq = (n S )Pn Lq = 2 , com = (32)
n=S S ! (1 ) S
Lq 1
Wq = (33); W = Wq + (34); L = Lq + (35).
Notao: C S,
Observao: para N S
, se 0 n N 1
Aqui: n =
0, se n N
n , se 0 n S
n =
S , se S + 1 n N
Tem-se ainda,
n
n ! P0 , se n = 0,1,..., S 1
Pn = (38)
S n
S P0 , se n = S,..., N
S!
0, se n > N
(S )
S
(1 )
N S +1 S 1
S
n
( ) ,
S ! (1 )
+
n =0 n!
se 1
P0 = (39)
S 1
S 1
S
n
S (N S + 1) +
S ! n =0 n !
, se =1
(S )S P
0
S ! (1 )2
( )
1 N S +1 (N S + 1)N S (1 ) , se 1
Lq = (40)
S S P0 (N S + 1)(N S )
, se =1
S! 2
1
= (1 PN ), W = Wq + , Wq = = Lq /
S 1
S
(
(S ) 1 N S+1 P0 )
L +
q n=1 nPn +
( S 1)! (1 )
, se 1
L= (41)
S 1
S S (N S + 1)
Lq + nPn +
(S 1)! 0
P, se = 1
n=1
1 1 k k +1
+ ... + ou seja
k 2
Portanto:
[tempo de permanncia no sistema / h n clientes no instante de chegada]
k +1 1
= n + ,e
2
1 k +1 1 k +1
W= n + P = n P + Pn
n=0 2 n=0 2 n = 0
n n
Mas, como: Pn = 1 e n Pn = L :
n=0 n=0
1 k +1
W= L+ (42)
2
k (k + 1)
L = kW = (44)
2 ( k )
1 k +1 1
Wq = W = (45)
2 ( k )
Lq = kWq = 2k
(k + 1) k (46)
2 ( k )
Observao:
Em alguns casos o nmero de clientes em potencial para a estao de ser-
vios pequeno. Se este valor for to pequeno que a chegada de um cliente
para ser atendido ou um atendimento afeta a probabilidade de futuras chega-
das, no ser mais vlido o pressuposto de uma populao infinita. Assim,
teremos:
(p n ), se 0 n p
n =
0, se n p
n = , se n = 1,2,...,
1
P0 = , (47)
p ! n
n=0 ( p n )!
n
p!
Pn = P , para n = 1, 2,..., p
(p n )! 0
(48)
( + )
L = nPn = p (1 P0 ) (49); Lq = p (1 P0 ) (50)
n =0
L Lq
W= (51); Wq = com = (p L ) (52)
(p n ), se n = 0,1,..., p
n =
0, se n p
n, se n = 1, 2,..., S 1
n =
S, se n = S, S + 1,..., p
Podem-se obter:
1
P0 = (53)
S 1 p!
n
p p!
n
+ nS
n = 0 ( p n )! n ! n=S (p n )! S ! S
p!
n
P0 , se 0 n S
(p n )!n !
n
p!
Pn = nS
, se S n p (54)
(p n )! S ! S
0, se n > p
S 1 p
S 1
L = nPn + (n S )Pn + S 1 n=0
Pn =
n =0 n=S
(55)
S 1 p 1 p n
p n!
n
n + n nS P0
n =0 n S ! n=S n S
p S 1 p
n
Lq = ( ) n
n S P = L S + ( )n
S n P0 (56)
n=S
n =0
L Lq
W= (57); Wq = , com = (p L ) (58)
Para finalizar, a melhor abordagem parece ser aquela que permite uma
anlise preliminar, atravs de um modelo matemtico, seguida de uma simu-
lao (quando necessria), que leve em conta aspectos no considerados, uma
vez que nem sempre os Modelos de Filas conseguem representar as situaes
reais com grande preciso.
Mesmo assim, h vantagem em desenvolver tais modelos, principalmente
porque eles levam a um melhor entendimento das principais condicionantes
do processo.
ANEXO
Po
1.0
s=1
s=2
0.1
s=3
s=4
s=5
s=7
0.01
s = 10
s = 15
s = 20
s = 25
0.001
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
=
s
100
5
s=2
10
s = 20
15
s=
1 0
s=
s =7
5
s=
4
1.0 s=
3
s=
2
s=
1
s=
0.1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
=
s
1.0
0.9
0.8
0.7
0.6
0.5
c=
0.4
c=
0.2
0.0
c=
0.4
c=
0.3 0.6
0.2
0.1
0.0
0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0
0
s1
100
10 0.2
c=
c=0
.6
.4 c=0
c =0
1.0
0.1
0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0
0
s1
REFERNCIAS