Você está na página 1de 10

28/05/2009

Programação Linear
 A programação linear é uma das muitas
Programação Linear técnicas analíticas recentemente
desenvolvidas que se têm mostrado úteis na
resolução de certos tipos de problemas
empresariais.

Métodos Aplicados

Programação Linear Programação Linear


 Esses métodos quantitativos de resolução de  Os problemas de programação linear
problemas, como muitos aplicados na referem-se à distribuição eficiente de
pesquisa operacional, são baseados em recursos limitados entre diversas alternativas,
conceitos matemáticos e estatísticos. com a finalidade de atender a um
 A programação linear é um modelo que pode determinado objetivo, por exemplo,
ser utilizado no processo de tomada de maximizar lucros ou minimizar custos.
decisão administrativa.

Programação linear
 É necessário dizer quais atividades  Existem diversas maneiras de distribuir os
consomem quais recursos e em que escassos recursos entre as diversas
proporção é feito este consumo. Estas alternativas, considerando que qualquer
informações são fornecidas por equações ou empresário tem restrições de capital, mão-
inequações lineares, uma para cada recurso. de-obra e terras.
Ao conjunto destas equações ou inequações  Entretanto deseja-se ao mesmo tempo em
se dá o nome de conjunto de restrições do que se satisfaz as restrições, achar a
modelo. distribuição que satisfaça o objetivo
desejado, ou seja, maximizar lucros ou
minimizar custos.

1
28/05/2009

Programação linear Lucro Total


 Em empresário deseja saber quanto de cada  O lucro unitário de cada produto é dado pela
produto ele deve produzir para maximizar o letra c.
lucro de sua empresa.  Assim o lucro de x1 é dado por c1x1
 Cada pproduto é chamado de x. Se ele  Assim o lucro de x2 é dado por c2x2
produzir 3 produtos, serão x1, x2, x3.
 Se ele produzir n produtos, sua produção
 Se ele produzir n produtos o lucro total será
será dada por x1, x2, x3, ... , xn dado por
Z = c1x1 + c2x2 + c3x3 + ... + cnxn

Função Objetivo Restrições


Z = c1x1 + c2x2 + c3x3 + ... + cnxn  Conforme foi dito anteriormente, todo
 Esta função é chamada de função objetivo, empresário enfrenta restrições de recursos
pois ela determina o objetivo do empresário. produtivos, como capital, terra, trabalho.
 O objetivo do empresário é maximizar esta  Estas restrições
ç são identificadas pela
p letra b.
função. Para isto ele deve saber quanto  Assim a restrição de capital pode ser dada
produzir de cada produto, ou seja, saber as por b1, a restrição de trabalho pode ser dada
quantidades de por b2 e assim por diante.
 x1, x2, x3, ... , xn

FORMULAÇÃO DE MODELOS DE PROGRAMAÇÃO


Restrições LINEAR

Desta forma o consumo total de capital para O problema consiste em determinar os valores de
a produção de n produtos deve ser menor x1, x2, x3, ... , xn, que maximize a função objetivo:
que a disponibilidade total de capital. Z = c1x1 + c2x2 + c3x3 + ... + cnxn
Sabendo que x1, x2, x3, ... , xn devem satisfazer o
Uma função
ç deste tipo p é chamada de
seguinte sistema de inequações lineares:
restrição
a11x1 + a12x2 + a13x3 + ... + a1nxn ≤ b1
a11x1 + a11x2 + a13x3 + ... + a1nxn ≤ b1 a21x1 + a22x2 + a23x3 + ... + a2nxn ≤ b2
 Os valores a11, a12 até a1n é a quantidade de ................................................................
capital gasta pelo produto 1, pelo produto am1x1 + am2x2 + am3x3 + ... + amnxn ≤ bm
2 até o produto n. e que x1≥0; x2≥0; x3≥0; ... ; xn≥0

2
28/05/2009

Programação linear Restrições


 Este modelo pode ser associado a uma empresa que tem m
 Pode-se representar este problema de forma recursos disponíveis para a realização de n atividades. Tem-se
mais compacta, ou seja: então, para j=1,2,3, ... , n e i = 1,2,3, ... , m:
n
 Maximizar Z  c x j 1
j j  bi = quantidade do recurso i disponível para as n atividades.
Os b  0
i

 Sujeito às restrições
 (i = 1,2,3, ... , m)  x j = nível de produção da atividade j. Osx j (j=1,2,3, ... , n) são
as incógnitas do problema.
e  c j = lucro unitário do produto j
 a ij = quantidade do recurso i consumida na produção de uma
 xj ≥ 0 (j=1,2,3, ... , n) unidade do produto j.

Forma Matricial Forma Matricial Simplificada


 Verifica-se então que a função objetivo a ser maximizada representa o
lucro total da empresa nas n atividades. As m restrições informam que
 Max Z = cx
o total gasto no recurso i nas n atividades tende a ser menor ou igual à  sujeito a
quantidade disponível daquele recurso.
 A notação matricial do modelo se torna:  Ax ≤ 0
a11 a12 ... a1n  x1  b1   x≥0
a a22 ... a2n  x2  b2   Esta forma exige a solução algébrica, para
A   21 x b c  c1c2...cn  melhor entendimento
 ... ... ... ...  ...  ...
     
am1 am2 ... amn xn  bm

Exemplo Exemplo
 Um produtor agrícola precisa decidir a área de  Suponha que a disponibilidade de recursos
plantio de soja e de milho. Dados os preços dos
produtos e os custos de produção. Verificou-se que o seja a seguinte:
milho gera uma renda líquida de R$ 490/ha,  Mão-de-obra – 2150 homens dia
enquanto a soja gera uma renda líquida de
R$560 00/ha O produtor tem uma área total de 750
R$560,00/ha.  Horas máquina – 4500 horas máquina
ha. E deseja saber quanto deve plantar de milho e de  Terra – 750 ha de área cultivável
soja, de forma a obter a maior renda líquida possível.
 Como vimos toda a produção está sujeita a restrição
de recursos disponíveis como mão-de-obra, horas
máquina, e terra e capital. Desta forma este produtor
tem uma quantidade limitada destes recursos que
devem ser levados em conta.

3
28/05/2009

Exemplo Exemplo
 Temos portanto 3 restrições para a produção: mão-  Assim deseja-se maximizar a Receita líquida
de-obra, horas máquina, e terra. dada pela seguinte função:
 Sabe-se que o milho usa as seguintes quantidades
 RL = 490 x1 + 560x2
de recursos: 5,7 homens dia/ha e 3,1 horas
máquina/ha.
máquina/ha Onde 490 é a receita líquida do milho por ha e
 Sabe-se que a soja usa as seguintes quantidades 560 é a receita líquida da soja por ha.
de recursos por ha: 2,1 homens dia/ha e 5,6 horas Assim é necessário determinar a área de milho
máquina/ha
(x1) e a área de soja (x2) de tal forma que a
 Com estas informações podemos montar o seguinte
receita líquida da propriedade seja máxima.
problema:

Restrições de recursos mão-de-obra Restrições de recursos horas-máquina


 Sabe-se que a propriedade dispõe de 2150  Sabe-se que a propriedade dispõe de 4500
homens dia durante o ano agrícola, e que o horas máquina durante o ano agrícola, e que
milho usa 5,7 homens dia por ha e a soja 2,1 o milho usa 3,1 horas máquina por ha e a
homens dia por ha. Assim a restrição de mão soja 7,6 horas máquina por ha. Assim a
de obra será dada por: restrição de máquinas será dada por:
 5,7 x1 + 2,1 x2 ≤ 2150 3,1x1 + 7,6 x2 ≤ 4500

Restrição de recursos - terra O problema


 Sabe-se que a propriedade dispõe de 750  Maximizar:
ha. Assim a restrição de terra será dada por: RL = 490 x1 + 560x2
Terra → x1 + x2 ≤ 750  Sujeito às restrições de:
 Além disso tem-se
tem se as restrições de não Mão de obra: 5,7 x1 + 2,1 x2 ≤ 2150
negatividade, onde x1 ≥ 0 e x2 ≥ 0. Máquinas: 3,1x1 + 7,6 x2 ≤ 4500
 Assim o modelo final a ser resolvido é: Terra: x1 + x2 ≤ 750.
x1 e x2 ≥ 0.
O próximo passo é transformar as
desigualdades em igualdades

4
28/05/2009

Modelo Exemplo
RL = 490 x1 + 560x2  Mão de obra → x1 = 377,2 – 0,368 x2
 5,7 x1 + 2,1 x2 = 2150  Horas máquina → x1 = 1451,6 – 2,45x2
 3,1x1 + 7,6 x2 = 4500  Terra → x1 = 750 - x2
 x1 + x2 = 750  Como
C ttemos apenas d
duas variáveis
iá i x1 e x2
(milho e soja respectivamente), podemos
O próximo passo é fazer x1 = f (x2), para as encontrar a solução graficamente. Admite-se
funções de restrição de recursos. que a as áreas de produção não podem
assumir valores negativos, portanto tem-se a
primeira restrição dada por valores positivos
de x1 e x2

Restrição de mão-de-obra Solução Geométrica


x2
 Mão de obra → x1 = 377,2 – 0,368 x2
 Quando x2 = 0 , x1 = 377,2 Área que satisfaz a restrição de horas
máquina

 Quando x1 = 0, x2 = 1025
Área que satisfaz a restrição de
 Colocando-se no gráfico temos: t
terra

Área que satisfaz a restrição de


mão-de-obra

x1

Área de Soluções Possíveis Achar a solução ótima


 O processo que realiza a técnica de
x2
encontrar algebricamente, a solução ótima de
um modelo de programação linear tem o
nome de método simplex.
D
Área de soluções possíveis
 O método simplex é um procedimento
C algébrico e iterativo que fornece a solução
exata de qualquer problema de programação
linear em um número finito de iterações. É
também capaz de indicar se o problema tem
solução ilimitada, se não tem solução ou se
possui infinitas soluções.
A B x1

5
28/05/2009

Teoremas do algoritmo simplex Solução Ótima


 1)O conjunto de soluções compatíveis é um conjunto  A solução que maximiza a renda líquida está
convexo.
sobre uma das retas, ou sobre os pontos O,
 2)Toda solução compatível básica do sistema Ax=b é
um ponto extremo do conjunto de soluções A, B, ou C.
compatíveis.  Qual destes ppontos representa
p a máxima
 3)Se a função objetivo possui um máximo finito, renda líquida?
então pelo menos uma solução ótima é um ponto
extremo do conjunto convexo.  Para isto plota-se a função da receita líquida
 4)Se a função objetivo assume um valor máximo em no gráfico. Quanto mais distante da origem,
mais de um ponto extremo, então ela toma o mesmo maior é a renda líquida.
valor para qqr combinação convexa destes pontos
extremos.

Método simplex Solução ótima


 Para isto toma-se a função da receita líquida X1 (milho)
ou função objetivo RL = 490 x1 + 560x2 Portanto a solução ótima é
RL  560 x
 Fazemos x1 = f(x2) 490
2
x
1
dada por 515 ha de soja e 189
ha de milho
 Então tem
tem-se
se a função da reta

x1  0,002RL  1,143x 2
Função objetivo
mais distante da
189 origem, portanto
configura o lucro
máximo

515 X2 (soja)

Solução ótima Casos onde a solução não existe


 Portanto a solução ótima será o plantio de  Conjunto de Possibilidades é vazio
189 ha de milho e 515 ha de soja.  Não há solução compatível
 O resultado da função objetivo (substituindo  Exemplo:
as áreas de milho e de soja
j na Função
ç x2
Objetivo será obtido o resultado de
Valores p/
R$381.026,00 Restrição 1

Valores p/
Restrição 2

0 x1

6
28/05/2009

Casos onde a solução não existe Caso de Infinitas Soluções


 A solução é ilimitada
x2
 Não há como definir a decisão
 Exemplo:
x2 Direção de As soluções
Crescimento são
do Lucro combinações
lineares dos
pontos Conjunto
extremos de Possibilidades Isolucro
Conjunto de
Possibilidades

0 x1 0 x1

Solução ótima = Receita líquida 380.540 reais consta


Solução pelo programa como resultado da Função Objetivo

 Os mesmos resultados serão obtidos pelo


software, que apresenta a vantagem de
poder ser incluídas diversas atividades, além
de soja e milho, bem como dependendo do Atividade Variável Valor Coeficiente Coeficiente
programa usado, inúmeras restrições. de
Sensibilidade
 Os resultados são dados da seguinte forma: Milho X1 187 490 0
Soja X2 515 560 0

Interpretação do coeficiente de
Resultados de Restrições
sensibilidade
 Se a solução ótima acusasse apenas o
plantio de soja, ou seja, se x1=0, coeficiente Restrições ValorValor Sobra Preço
de sensibilidade de x1 (milho) seria diferente
de zero e a interpretação é a seguinte: Não Original Sombra
deve ser plantado milho, pois x1=0 , mas se
for plantado um ha de milho o lucro seria Mão-de-obra 2150 2150 0 54,01
reduzido no valor do coeficiente de
sensibilidade.
Horas Máquina 4500 4500 0 58,76
Terra 702,93 750 47,07 0

7
28/05/2009

Resultados Primal e Dual


 A coluna valor indica o uso de recursos, a  A cada modelo de programação linear existe
coluna 2 a disponibilidade original a coluna uma correspondência em outro modelo,
sobra indica quanto não foi usado do recurso. denominado dual formado pelos mesmos
A coluna preço sombra indica que se coeficientes porem dispostos de maneira
houvesse disponibilidade de uma unidade a diferente. Ao modelo original dá-se o nome
mais de mão-de-obra a receita aumentaria de primal.
em R$54,01.  Primais e duais servem para a análise de
 No caso da terra, como houve sobra de terra, sensibilidade das variáveis e das restrições
uma unidade a mais de terra não aumentaria
a renda líquida total

Análise de sensibilidade da Receita


Analise de Sensibilidade
Líquida
 Até que ponto estes resultados
permanecem? Atividade Variável Mínimo Valor Máximo
 Para responder esta pergunta é feita a
análise de sensibilidade. original
g
 1. Função Objetivo (Receita Líquida)
 2. Das restrições ( mão de obra, máquina e
Milho X1 228,42 490 1520
terra) X2 180,53 560 1201
Soja

Análise de sensibilidade das


Análise de sensibilidade
restrições
 Mínimo e máximo indicam qual o intervalo de
renda líquida, mantidos os demais Restrições Limite Valor Limite Superior
indicadores constantes, deveria ter o milho
para continuar sendo produzido. Inferior Original
 Assim , se o receita líquida do milho cair para Mão-de-obra
d b 1243 2150 2535
228 reais por ha ou aumentar até 1520 reais
por ha o milho continua a solução, ou seja Horas Máquina 1169 4500 4981
ele deve ser produzido. Terra 702,93 750 infinito

8
28/05/2009

Análise de sensibilidade das Análise de sensibilidade das


restrições restrições
 Este quadro indica quais os limites das  É importante lembrar contudo, que se forem
disponibilidades de recursos de tal forma que alterados os valores da disponibilidade de
não altera a solução original. recursos, pode ser alterada os valores de x1
 Por exemplop ppara mão de obra, significa
g q
que e x2, assim como a receita líquida.
o limite estabelecido em 2150 homens dia
poderia ser alterado para qualquer valor
entre 1243 e 2535, sem que as variáveis
milho e soja saiam da solução ou seja,
deixem de ser produzidas.

Limitações da Programação Linear Limitações da Programação Linear


 Coeficientes Constantes: Nos modelos de  Divisibilidade: As soluções ótimas dos
programação linear os coeficientes aij , bj e cj modelos de programação linear poderão
são considerados como constantes apresentar valores fracionários para qualquer
conhecidas. Na realidade, esses valores uma de suas variáveis. Assim, por exemplo,
podem não ser constantes e sim variáveis. se uma variável representar o número de
 A análise de sensibilidade do modelo, cadeiras a serem produzidas por uma
permite fornecer os intervalos desses empresa, ela poderia tomar um valor
coeficientes, para os quais a solução ótima fracionário na solução ótima, o que não é
continua a mesma. nada desejável.

Limitações da Programação Linear Limitações da Programação Linear


 Proporcionalidade: Nos modelos de programação  Aditividade: A condição de aditividade, existente em todos os
modelos de programação linear, consiste em considerar as
linear assume-se, por exemplo, que o lucro de cada atividades do modelo como entidades totalmente
atividade é proporcional ao nível de produção xi, independentes, não permitindo que haja interdependência entre
sendo o lucro unitário ci o coeficiente de as mesmas. Assim o lucro total de uma empresa será sempre
igual à soma dos lucros obtidos em cada uma das atividades.
p p
proporcionalidade. Para mostrar que isso nem sempre é verdade,
verdade considere-se
considere se
 Essa hipótese diz que o lucro unitário ci independe uma empresa que trabalhe com produtos similares como, por
exemplo, coalhada e iogurte. Se um dos produtos tem boa
do nível de produção xi e não considera a chamada aceitação, isso deve favorecer as vendas do outro. Igualmente,
economia de escala, não sendo válida na maioria uma propaganda intensa sobre um dos produtos deve afetar as
dos problemas reais. Para atenuá-la pode-se vendas do outro. Tais interrelações entre as variáveis não são
captadas pela programação linear.
considerar intervalos de produção nos quais essa
proporcionalidade é, aproximadamente, verificada.

9
28/05/2009

Programação Linear
 Tais situações não são impeditivas e as
relações lineares, que a criatividade do
modelador está livre para estabelecer,
podem aproximar as relações existentes de
interdependência conjunta.
 Bibliografia
 Introdução à Programação Linear - Puccini

10