x A1

WW
xA2
A
8000 ZZ

xB 2
ZZ

x B1
B
WW
6000

Max f ( X )  (20)(700)( x A1  xB1 )  (20)(650)( x A 2  xB 2 )

s.a.
Local A : (20)(50) x A1  (20)(35) x A 2  8000
Local B : (20)(30) xB1  (20)(28) xB 2  6000
W W : x A1  xB1  16
ZZ : x A2  xB 2  22
n º max : x A1  xB1  x A2  xB 2  23
x A1  xB1  x A 2  xB 2  0  Int
 © Morais Silva

Modelo para Solver

xa1 xa2 xb1 xb2
8 0 0 11
Min f(X)= 14000 13000 14000 13000 255000

1º membro
Volume em A 1000 700 8000 >= 8000
Volume em B 600 560 6160 >= 6000
Tipo WW 1 1 8 <= 16
Tipo ZZ 1 1 11 <= 22
nº viat. Disponível 1 1 1 1 19 <= 23

Óptimo:
No local "A" operar com 8 viaturas WW
No local "B" operar com 11 viaturas ZZ
Custo total mínimo = 25500€
 Modelo para So
x1  20 x1 x2
20 8.75
x2  20
Min f (X)= 3 2
x3  10
x4  30
A1 1
2x1  4 x2  x 3  6 x4
5 A2 1
x1  x2  x 3  x4 A3
A4
x3  2 x4
A2<20% tot -0.2 0.8
É necessário considerar uma META senão Min f ( X )  0 Amónio -3 -1
A3>2A4
Usar o total do stock (80kg ) como meta e penalizar Meta 1 1

fortemente a var iável de " defeito " d em f ( X ) :
Óptimo:
x1  x2  x 3  x4  d   d   80 Mistura: 20kg de A1 + 8.75kg de A2 + 10 k
Min f ( X )  3x1  2 x2  4x 3  x4  1000d  Custo total mínimo = 122.5 u.m.

x1 , x2 , x3 , x4  0
 © Morais Silva

Modelo para Solver

x3 x4 d+ d-
10 5 0 36.25

4 1 0 1000 36372.5

1º membro
20 <= 20
8.75 <= 20
1 10 <= 10
1 5 <= 30
-0.2 -0.2 0 <= 0
-4 1 -103.75 <= 0
1 -2 0 >= 0
1 1 -1 1 80 = 80

de A1 + 8.75kg de A2 + 10 kg de A3 + 5kg de A4 = 43.75 kg

nimo = 122.5 u.m.
 Modelo
xa
13745

Max f ( X )  3x A  4 xB  6 x C Max f(X)= 3

s.a.
A : x A  300 Min A 1
B : x B  500 y1  700 y2 B: 500 ou 700
3 B: max 4 C
B e C : 4 x B  3xC Binárias
y1  y2  1 Fabrico 0.03
Embalagem 0.03
3 3 5
Fabrico : xA  xB  xC  480
100 100 100 Plano óptimo para 8 horas
3 4 3 A=13745 unidades
Embalagem : xA  xB  xC  480
100 100 100 B=700 unidades
x A , xB , xC  0  Int C=933 unidades
Lucro = 49633 u.m.
y1 , y2   0,1
 © Morais Silva

Modelo para Solver

xb xc y1 y2
700 933 0 1

4 6 0 0 49633.00

1º membro
13745.00 >= 300
1 -500 -700 0.00 = 0
4 -3 1.00 >= 0
1 1 1 = 1
0.03 0.05 480.00 <= 480
0.04 0.03 468.34 <= 480

para 8 horas
 V . decisão : xij : encomendas do fornecedor "i" para a fábrica"j"(i=1 a 3;j=1 a 3)
Restrições técnicas
Fornecedor A : x11  x12  x13  250
Fornecedor B : x21  x22  x23  140
Fornecedor C : x31  x32  x33  300
Fábrica A : x11  x21  x31  170
Fábrica B : x12  x22  x32  260
Fábrica C : x13  x23  x33  300
Orçamento : 20 x11  14 x12  10 x13  45 x21  16 x22  18 x23  12 x31  35 x32  55 x33  10000
xij  0  Int (i  1 a 3; j  1 a 3)

É a restrição do orçamento que "domina" o movimento fornecedor-fábrica.

Se a função objectivo maximizar, serão escolhidas para movimentar as MP por ordem decrescente de custo
pelo que não é solução.
Se a função objectivo minimizar, o valor de f(X) será ZERO porque as restrições são todas do tipo "≤" e as variáveis são n
pelo que não é solução.

Situações deste tipo requerem uma função que "obrigue" que as variáveis cresçam por ordem inversa do coeficiente em f
Recorre-se pois aos coeficientes da Matriz de Desgosto afectados de sinal negativo
 20 14 10
Original 45 16 18
12 35 55

35 41 45
Desgosto 10 39 37
43 20 0

Min f ( X )  35 x11  41x12  45 x13  10 x21  39 x22  37 x23  43 x31  20 x32  0 x33
 © Morais Silva

3;j=1 a 3)

 55 x33  10000 Modelo para Solver

x11 x12 x13 x21 x22 x23 x31 x32 x33
0 0 250 0 140 0 170 92 0

1 1 1
scente de custo 1 1 1
1 1 1
o tipo "≤" e as variáveis são não nulas 1 1 1
1 1 1
1 1 1
m inversa do coeficiente em f(X). 20 14 10 45 16 18 12 35 55

Min f(X)= -35 -41 -45 -10 -39 -37 -43 -20 0
 Solução óptima
F1 F2 F3 tot desvios
f1 250 250 0
f2 140 140 0
f3 170 92 262 -38
tot 170 232 250
desvios 0 -28 -50

x32  0 x33 Custo total mínimo: 10000 u.m

er

1º membro
250 ≤ 250
140 ≤ 140
262 ≤ 300
170 ≤ 170
232 ≤ 260
250 ≤ 300
10000 ≤ 10000

-25860
V . decisão : xij : unidades do produto produzido na fábrica " i " (1, 2) para o Cliente " j " (1 a 3)
Max f ( X )  Lucro - Transporte  77 x11  73 x12  71x13  67 x21  70 x22  71x23
s.a.
Re strições técnicas
Cliente 1: x11  x21  200
V . decisão : xij : unidades do produto produzido na fábrica " i " (1, 2) para o Cliente " j " (1 a 3)
Max f ( X )  Lucro - Transporte  77 x11  73 x12  71x13  67 x21  70 x22  71x23
s.a.
Re strições técnicas
Cliente 1: x11  x21  200
Cliente 2 : x12  x22  800
Cliente 3 : x13  x23  500
MP " A " para F1: 11( x11  x12  x13 )  A1
MP " B " para F1: 7( x11  x12  x13 )  B1
MP " A " para F 2 : 10( x21  x22  x23 )  A2
MP " B " para F 2 : 9( x21  x22  x23 )  B 2
xij  0
 © Morais Silva

Modelo para Solver

x11 x12 x13 x21 x22 x23 A1 B1 A2 B2
200 800 0 0 0 500 11000 7000 5000 4500 1º membro
1 1 200 = 200
1 1 800 = 800
1 1 500 = 500
11 11 11 -1 -1.212E-08 ≤ 0
7 7 7 -1 1.89E-09 ≤ 0
10 10 10 -1 9.095E-13 ≤ 0
9 9 9 -1 1.819E-12 ≤ 0

Min f(X) 77 73 71 67 70 71 109300

Adquirir 16000 e 11500 u.m.p. de matéria prima "A" e "B",respectivamente, destinadas

às fábricas 1 (11000 de A e 7000 de B) e fábrica 2 (5000 de A e 4500 de B)
As encomendas dos clientes serão satisfeitas sem desperdício.
Lucro total da produção = 109300 u.m.

iente " j " (1 a 3)

iente " j " (1 a 3)
Variáveis decisionais

Cor capa Horário Mês Variável Limite Prod

amarela normal Abril ana 1000
amarela extra Abril aea 400
amarela normal Maio anm 1000
amarela extra Maio aem 400
vermelha normal Abril vna 300
vermelha extra Abril vea 200
vermelha normal Maio vnm 300
vermelha extra Maio vem 200

Para procura mercado

Cor capa Mês Variável Mínimos
amarelas Abril x1
x1+x2≥200
vermelhas Abril x2
amarelas Maio x3
x3+x4≥200
vermelhas Maio x4

Min f ( X )  100(ana  anm)  110( aea  aem) 

 120(vna  vnm)  132(vea  vem)
ana  aea  1200  x1  s AA
anm  aem  s AA  800  x3  s AM
vna  vea  300  x2  sVA
vnm  vem  sVA  600  x4  sVM
x1  x2  200
x3  x4  200
ijk  0  Int (i  amarelo, vermelho; j  normal , extra; k  abril , maio)
xz  0  Int
© Morais Silva

Modelo para Solver

ana aea anm aem vna vea vnm vem Saa Sam Sva Svm
1000 400 1000 0 300 200 300 100 0 0 200 0
1
1
1
1
1
1
1
1
1 1 -1
1 1 1 -1
1 1 -1
1 1 1 -1
Min f(X) 100 110 100 110 120 132 120 132

Produção

Cor capa Horº Mês Prod

amarela normal Abril 1000
amarela extra Abril 400
amarela normal Maio 1000
amarela extra Maio 0
vermelha normal Abril 300
vermelha extra Abril 200
vermelha normal Maio 300
vermelha extra Maio 100

Custo produção total mínimo= 355600$

r
x1 x2 x3 x4
200 0 200 0 1º membro
1000 ≤ 1000
400 ≤ 400
1000 ≤ 1000
0 ≤ 400
300 ≤ 300
200 ≤ 200
300 ≤ 300
100 ≤ 200
-1 1200 = 1200
-1 800 = 800
-1 300 = 300
-1 600 = 600
1 1 200 ≥ 200
1 1 200 ≥ 200
355600
 Numa empresa há que executar 3 tarefas na mesma máquina.
No quadro seguinte estão registados o tempo necessário à execução de cada tarefa, o Tempo Mais Tar
cada tarefa e o Prejuizo/dia se ultrapassar a data limite:

Tempo necº Prejuízo

Data-limite
(dias) (u.m)
A 5 25 19

Seja : x A  TE A e xB  TEB
(TE  tempo mais cedo de início da tarefa)

xB  x A  5 xB  x A  5  M y1
Activar uma delas... x A  xB  20  M ( y1  1)
( M é big M )
x A  xB  20

xC  xA  5  M y2
x A  xC  15  M ( y2  1)

xC  xB  20  My3
xB  xC  15  M ( y3  1)

Metas : V . decisão : x j  TE j
x A  5  d A  d A  25 Min f ( X )  19d A  12d B  3
xB  20  d B  d B  22 s.a.
Re strições técnicas
xC  15  d C  d C  35
xB  xA  5  M y1
x A  xB  20  M ( y1  1)
xC  x A  5  M y2
Metas : V . decisão : x j  TE j
x A  5  d A  d A  25 Min f ( X )  19d A  12d B  3
xB  20  d B  d B  22 s.a.
Re strições técnicas
xC  15  d C  d C  35
xB  xA  5  M y1
x A  xB  20  M ( y1  1)
xC  x A  5  M y2
x A  xC  15  M ( y2  1)
xC  xB  20  My3
xB  xC  15  M ( y3  1)
x A  5  d A  d A  25
xB  20  d B  d B  22
xC  15  dC  d C  35
x j  0  Int ( j  A, B, C )
yk   0,1 (k  1, 2, 3)
d i , d i x j  0  Int ( j  A, B , C
 © Morais Silva

cada tarefa, o Tempo Mais Tarde para

xA  5  M y1
xB  20  M ( y1  1)
é big M )

x A  5  M y2
xC  15  M ( y2  1)

xB  20  My3
xC  15  M ( y3  1)

o : x j  TE j Modelo para Solver (M=1000)

xA xB xC y1 y2 y3 dA+ dA- dB+ dB-
)  19d A  12d B  34dC 20 0 25 1 0 1 2E-10 0 0 2
-1 1 1000

es técnicas
5  M y1
20  M ( y1  1)
5  M y2
o : x j  TE j
)  19d A  12d B  34dC

1 -1 -1000
es técnicas -1 1 1000
5  M y1 1 -1 -1000
-1 1 -1000
20  M ( y1  1) 1 -1 1000
5  M y2 1 -1 1
1 -1 1
15  M ( y2  1) 1
20  My3 Min f(X) 19 12
15  M ( y3  1)

A  d A  25
d B  d B  22
dC  d C  35
nt ( j  A, B, C ) A pronta no final do dia 25 (não penaliza)
B pronta no final do dia 20 (não penaliza)
(k  1, 2, 3)
C pronta no final do dia 40 (penaliza 5 dias=170 u.m.)
 0  Int ( j  A, B , C )
=1000)
dC+ dC-
5 0 1º membro
980 ≥ 5
 -980 ≥ -980
5 ≥ 5
-5 ≥ -985
-975 ≥ -980
975 ≥ 15
20 = 20
2 = 2
-1 1 20 = 20
34 170

a 5 dias=170 u.m.)
 O proprietário de uma herdade necessitando reforçar a capacidade de rega de três terrenos A, B e C decidiu efe
um furo. A ligação deste aos terrenos será feita por tubagens instaladas exclusivamente nas direcções Norte-Su
Este-Oeste para facilitar o emprego de máquinas agrícolas sem destruição de tubagens.
As áreas de A, B e C são, respectivamente, 100, 300 e 200 hectares e a sua posição relativamente à
proprietário é a seguinte (eixos graduados em km):

10 N

B(3,8)

C(7,6)

A(1,2)

10
Proprietário

O critério de localização do furo é o seguinte:

"Minimizar a soma dos produtos obtidos multiplicando a área de cada terreno pelo comprimento da tubage
liga ao furo".

V . decisão : x, y (coordenadas do ponto óptimo para o furo)

Restrições técnicas
A(1, 2) : x  x A  x A  1
A(1, 2) : y  y A  y A  2
B(3,8) : x  xB  xB  3
B(3,8) : y  y B  y B  8
V . decisão : x, y (coordenadas do ponto óptimo para o furo)
Restrições técnicas
A(1, 2) : x  x A  x A  1
A(1, 2) : y  y A  y A  2
B(3,8) : x  xB  xB  3
B(3,8) : y  y B  y B  8
C (7, 6) : x  xC  xC  7
C (7, 6) : y  yC  yC  6
Min f ( X )  100( x A  x A  y A  y A )  300( xB  xB  y B  y B ) 
 200( xC  xC  yC  yC )
x, y , x j  x j  0 ( j  A; B; C )
 © Morais Silva

ês terrenos A, B e C decidiu efectuar

amente nas direcções Norte-Sul e/ou
bagens.
sua posição relativamente à casa do

o pelo comprimento da tubagem que o

Modelo para Solver

x y xa+ xa- ya+ ya- xb+ xb- yb+ yb- xc+ xc- yc+
3 6 2 0 4 0 0 0 0 2 0 4 0
1 -1 1
1 -1 1
1 -1 1
1 -1 1
1 -1 1
1 -1

Min f(X)= 100 100 100 100 300 300 300 300 200 200 200
2 + 4 = 6km de tubo para A
2 km de tubo para B
4 km de tubo para C
Min f(X)=2000
Não é solução única.
yc-
0 1º membro
1 = 1
2 = 2
3 = 3
8 = 8
7 = 7
1 6 = 6

200 2000
V . decisão : x j ( j  1, 2, 3); produção de A1, A2 e A3
Restrições técnicas
Madeira :15 x1  30 x2  50 x3  800
Horas : 3x1  2.5 x2  4 x3  85
x1  10 y1
x1  My1
x2  x3  20 y2
x2  x3  My2
x3  7 y2
Min f ( X )  20 x1  30 x2  40 x3
x1 , x2 , x3  0  Int
"M é bigM" = 1000 (p.exº)
© Morais Silva

Modelo para Solver

x1 x2 x3 y1 y2
0 15 7 0 1 1º membro
15 30 50 800 ≤ 800
3 2.5 4 65.5 ≤ 85
1 -10 0 ≥ 0
1 -1000 0 ≤ 0
1 1 -20 2 ≥ 0
1 1 -1000 -978 ≤ 0
1 -7 -1.663E-12 ≥ 0

Min f(X)= 20 30 40 730

Óptimo
Produzir 15 A2 e 7 A3
Lucro Max = 730 u.m.
Primeiro: identificar para cada aldeia(potencial posição de meios), quais as que estão a ≤ 15 km

A B C D E F
A 0 10 20 30 20 20
B 10 0 25 35 20 10
C 20 25 0 15 30 20
D 30 35 15 0 15 25
E 20 20 30 15 0 14
F 20 10 20 25 14 0

Meio em Cobre
V . decisão : x j ( j  A, B,...F )  0 ou 1
A A, B
B A, B, F Restrições técnicas
C C,D A : x A  xB  1
D C,D,E
E D,E,F B : x A  xB  x F  1
F B,E,F C : xC  xD  1
D : xC  xD  xE  1
E : xD  xE  xF  1
F : xB  xE  xF  1
Min f ( X )  x A  xB  xC  xD  xE  xF
xJ   0,1 ; ( j  A, B,...F )
 © Morais Silva

stão a ≤ 15 km

Modelo para Solver

xA xB xC xD xE xF
0 1 0 1 0 0 1º membro
1 1 1 ≥ 1
1 1 1 1 ≥ 1
1 1 1 ≥ 1
1 1 1 1 ≥ 1
1 1 1 1 ≥ 1
1 1 1 1 ≥ 1

Min f(X)= 1 1 1 1 1 1 2

Óptimo
Viaturas em B e D

A B C D E F
0 10 20 30 20 20
B 10 0 25 35 20 10
20 25 0 15 30 20
D 30 35 15 0 15 25
20 20 30 15 0 14
20 10 20 25 14 0