Escolar Documentos
Profissional Documentos
Cultura Documentos
OPERACIONAL
Prefaciais.indd 2
27/08/2011 21:57:50
Acad�mica Fernando Augusto Silva Marins
Cultura
INTRODU��O � PESQUISA
OPERACIONAL
S�o Paulo
2011
M339i
Marins, Fernando Augusto Silva
Introdu��o � Pesquisa Operacional / Fernando Augusto
Silva Marins. �
S�o Paulo : Cultura Acad�mica : Universidade Estadual
Paulista, Pr�-Reitoria
de Gradua��o, 2011.
176 p.
ISBN 978-85-7983-167-6
CDD 658.05
equipe
Prefaciais.indd 4
31/08/2011 21:19:41
PROGRAMA DE APOIO
� PRODU��O DE MATERIAL DID�TICO
Prefaciais.indd 5
27/08/2011 21:57:51
Prefaciais.indd 6 27/08/2011 21:57:51
SUM�RIO
Apresenta��o 9
Refer�ncias 21
2 programa��o linear 23
2.1. Introdu��o 23
2.2. Modelagem 24
2.3. Limita��es 38
Refer�ncias 80
3.1. Introdu��o 81
3.3. Algoritmos 90
Refer�ncias 102
Prefaciais.indd 7
27/08/2011 21:57:51
8 | INTRODU��O � PESQUISA OPERACIONAL
Refer�ncias 127
Refer�ncias 150
Anexo 172
Refer�ncias 176
Prefaciais.indd 8
27/08/2011 21:57:51
APRESENTA��O
Prefaciais.indd 9
27/08/2011 21:57:51
10 | INTRODU��O � PESQUISA OPERACIONAL
Guaratinguet�,
agosto de 2011.
Fernando Augusto
Silva Marins
Prefaciais.indd 10
27/08/2011 21:57:51
1
PESQUISA OPERACIONAL: ORIGENS, DEFINI��ES E �REAS
Cap_1.indd 11
27/08/2011 21:51:26
12 | INTRODU��O � PESQUISA OPERACIONAL
Cap_1.indd 12
27/08/2011 21:51:27
Pesquisa Operacional:
origens, defini��es e �reas | 13
Como descrito por L�ss (1981), desde o s�culo III A.C. quando
Hieron,
Imperador da Siracusa, solicitou de Arquimedes a idealiza��o de
meios para
acabar com o cerco naval dos romanos, lideres pol�ticos e militares
t�m con-
sultado os cientistas para a solu��o de problemas t�ticos e
estrat�gicos. No
Cap_1.indd 13
27/08/2011 21:51:27
14 | INTRODU��O � PESQUISA OPERACIONAL
Cap_1.indd 14
27/08/2011 21:51:27
Pesquisa Operacional:
origens, defini��es e �reas | 15
Cap_1.indd 15
27/08/2011 21:51:27
16 | INTRODU��O � PESQUISA OPERACIONAL
Escolha do
Fomula��o Obten��o M�todo de Obten��o
Implementa��o
Resultados
do Problema do Modelo Obten��o dos Dados
da Solu��o
da Solu��o
Teste do
Modelo e
da sua
Solu��o
Experi�ncia
Cap_1.indd 16
27/08/2011 21:51:27
Pesquisa Operacional:
origens, defini��es e �reas | 17
Cap_1.indd 17
27/08/2011 21:51:28
18 | INTRODU��O � PESQUISA OPERACIONAL
Normalmente na etapa de modelagem leva-se em conta a t�cnica
que
poder� vir a ser utilizada, uma vez que muitas vezes atrav�s de
pequenas adap-
ta��es nesta fase, que n�o comprometem os resultados obtidos,
consegue-se
uma simplifica��o na etapa de obten��o da solu��o.
Cap_1.indd 18
27/08/2011 21:51:28
Pesquisa Operacional:
origens, defini��es e �reas | 19
(e) Implementa��o
Cap_1.indd 19
27/08/2011 21:51:28
20 | INTRODU��O � PESQUISA OPERACIONAL
Cap_1.indd 20
27/08/2011 21:51:28
Pesquisa Operacional:
origens, defini��es e �reas | 21
REFER�NCIAS
2.1. INTRODU��O
Cap_2_equacoes corrigidas.indd 23
27/08/2011 21:52:07
24 | INTRODU��O � PESQUISA OPERACIONAL
2.2. MODELAGEM
Cap_2_equacoes corrigidas.indd 24
27/08/2011 21:52:09
Programa��o Linear | 25
Cap_2_equacoes corrigidas.indd 25
27/08/2011 21:52:09
26 | INTRODU��O � PESQUISA OPERACIONAL
modelo
a b
c
M�o-de-obra (horas por unidade) 7 3
6
Material (quilos por unidade) 4 4
5
Lucro ($ por unidade) 4 2
3
Modelagem:
Vari�veis de decis�o:
xa � produ��o di�ria do modelo a
xb � produ��o di�ria do modelo b
xc � produ��o di�ria do modelo c
Restri��es:
(limita��o de m�o-de-obra) 7xa + 3xb +6xc 150
(limita��o de material) 4xa + 4xb +5xc 200
(n�o-negatividade) xa 0, xb 0, xc 0.
Modelo final: Encontrar n�meros xa, xb, xc tais que: Max L = 4xa
+ 2xb +3xc
sujeito as restri��es:
Cap_2_equacoes corrigidas.indd 26
02/09/2011 23:09:17
Programa��o Linear | 27
n
O modelo geral ter�: Fun��o objetivo - Max Z =
c x
j =1
j j
Restri��es � sujeito a:
AX b
Max Z = C' X sujeito a:
X 0
Cap_2_equacoes corrigidas.indd 27
02/09/2011 23:09:19
28 | INTRODU��O � PESQUISA OPERACIONAL
Modelagem:
Vari�veis de decis�o � Seja xj a quantidade do alimento j
presente na dieta,
j = 1,2,3,4,5,6.
Fun��o objetivo -Min Z = 10,8x1 + 20,5x2 + 22,5x3 + 21,2x4 +
16,lx5 +
+ 15,0x6
Restri��es � 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
Restri��es � sujeito a:
X 0.
Cap_2_equacoes corrigidas.indd 28
02/09/2011 23:09:19
Programa��o Linear | 29
Dep�sitos Rio de
Florian�polis Salvador
Manaus Produ��es
F�bricas Janeiro
Curitiba 1 0,8 3
4,5 470
S�o 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 f�brica i (i =
Curitiba, S�o Pau-
lo, Aracaju) ao dep�sito j (j = Florian�polis, Rio de Janeiro,
Salvador, Manaus)
Fun��o objetivo � Min CT = 1x11 + 0,8x12 + 3x13 + 4,5x14 +
1,5x21 + 0,6x22
+ 2,5x23 + 3x24 + 6x31 + 5x32 + 1,2x33 + 2,8x34
Restri��es � sujeito a:
Curitiba x11 + x12 +
x13 + x14 470
(Restri��es de produ��o) S�o Paulo x21 + x22 +
x23 + x24 400
Aracaju x31 + x32 +
x33 + x34 400
Florian�polis x11 + x21 + x31
+ x41 = 350
RJ x12 + x22 +
x32 + x42 = 300
(Restri��es de demanda)
Salvador x13 + x23 +
x33 + x43 = 300
Manaus x14 + x24 +
x34 + x44 = 120
(N�o � negatividade) xij 0, i =
1,2,3 e j = 1,2,3,4
Cap_2_equacoes corrigidas.indd 29
02/09/2011 23:09:19
30 | INTRODU��O � PESQUISA OPERACIONAL
n
x
j =1
ij ai , i =
1,2,..., m
m
Restri��es � sujeito a:
x
i =1
ij = b j , j =
1,2,..., n
xij 0, i = 1,2,..., m
e j = 1,2,..., n
TV
TV hor�rio
hor�rio
R�dio 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
Cap_2_equacoes corrigidas.indd 30
27/08/2011 21:52:09
Programa��o Linear | 31
Modelagem:
Vari�veis de decis�o:
x1 = N�mero de exposi��es em hor�rio normal na tv.
x2 = N�mero de exposi��es em hor�rio nobre na tv.
x3 = N�mero de exposi��es feitas utilizando r�dio.
x4 = N�mero de exposi��es feitas utilizando revistas.
Restri��es: sujeito a
40.000x1 + 75.000x2 + 30.000 x3 + 15.000x4 800.000
(or�amento)
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 (n�mero de veicula��es em
TV,
r�dio e revistas)
x1, x2, x3, x4 0. (n�o-negatividade)
a) Trainee � $ 400;
b) Operador treinado trabalhando � $ 700;
c) Operador treinado ocioso � $ 500. Um acordo firmado com o
sindicato
pro�be demiss�es de operadores treinados no per�odo.
Encontrar um modelo de PL que forne�a um programa de treinamento
de
custo m�nimo e satisfa�a os requisitos da empresa em termos de
n�mero
de operadores treinados dispon�veis a cada m�s.
Modelagem:
Observe-se que, a cada m�s, um operador treinado est� operando
m�quina,
trabalhando como instrutor, ou est� ocioso. Al�m disto, o n�mero de
operadores
treinados, trabalhando nas m�quinas � fixo e conhecido: 100 em
janeiro, 150
em fevereiro, 200 em mar�o e 250 em abril.
Vari�veis de decis�o:
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 mar�o
x6 = operadores ociosos em mar�o
Cap_2_equacoes corrigidas.indd 32
27/08/2011 21:52:09
Programa��o Linear | 33
Mar�o � 130 + 7x1 + 7x3 = 200 + x5 + x6 7x1 + 7x3 - x5 - x6 =
70
Abril � 250 = 130 + 7x1 + 7x3 + 7x5 7x1 + 7x3 + 7x5 = 120.
Modelagem:
Vari�veis de decis�o - xi = n�mero de inspetores do n�vel i (=
1, 2) alocados
� inspe��o.
Cap_2_equacoes corrigidas.indd 33
27/08/2011 21:52:09
34 | INTRODU��O � PESQUISA OPERACIONAL
M�ximo dispon�vel
Custo
Constituintes
(barris/dia) Por
barril
1 3.000 3
2 2.000 6
3 4.000 4
4 1.000 5
Modelagem:
Vari�veis de decis�o:
xij = quantidade do constituinte i (1,2, 3, 4) na gasolina j
(A, B, C).
Cap_2_equacoes corrigidas.indd 34
27/08/2011 21:52:09
Programa��o Linear | 35
Vari�veis 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.
Restri��es:
Quantidades m�ximas de constituintes
x1j 3.000
x2j 2.000
x3j 4.000
x1j 1.000
Especifica��es 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
N�o 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
fun��o linear, mas com respeito ao produto c, ver Figura 2 (b), isto
n�o ocorre:
Produto b
Lucro Produto a Lucro
+10
Produto c
+4
+3
-2
Quantidade
Quantidade
5
(a) (b)
Cap_2_equacoes corrigidas.indd 36
27/08/2011 21:52:10
Programa��o Linear | 37
Restri��es:
2 x1 + 3 x2 16 (disponibilidade de tempo para opera��o
1)
3 x1 + 4 x2 24 (disponibilidade de tempo para opera��o
2)
x3 + x4 = 2 x2 (produ��o do produto c a partir do
produto b)
x3 5 (previs�o de produto c que pode ser
vendido)
x1, x2, x3, x4 0 (n�o-negatividade)
Furadeira
Fresa
Parte 1 03 20
Parte 2 05 15
Obs: tempos para produzir as partes dados em
minutos.
Cap_2_equacoes corrigidas.indd 37
27/08/2011 21:52:10
38 | INTRODU��O � PESQUISA OPERACIONAL
Modelagem:
Vari�veis de decis�o:
x1 = n�mero de partes 1 produzidas por dia
x2 = n�mero de partes 2 produzidas por dia
Restri��es:
3 x1 + 5 x2 480 (minutos por dia dispon�veis para a
furadeira)
(20 x1 + 15 x2)/5 = 4 x1 + 3 x2 480 (minutos por dia
dispon�veis para cada
fresa)
|(4 x1 + 3 x2) - (3 x1 + 5 x2)| = | x1 -2 x2| 30
(balanceamento de carga entre
as m�quinas)
Observe-se que esta �ltima restri��o n�o � linear, mas �
equivalente a duas
equa��es lineares que podem substitu�-la:
x1 - 2 x2 30 e - x1 + 2 x2 30
x1, x2 0 (n�o-negatividade).
2.3. LIMITA��ES
Programa��o Linear | 39
Cap_2_equacoes corrigidas.indd 39
27/08/2011 21:52:10
40 | INTRODU��O � PESQUISA OPERACIONAL
Cap_2_equacoes corrigidas.indd 40
27/08/2011 21:52:10
Programa��o Linear | 41
Modelagem
Vari�veis de decis�o: xi � quantidade (em d�zias) a serem
fabricadas sema-
nalmente do brinquedo Bi
Max 8x1 + 5x2 (Lucro semanal)
Sujeito a
2 x1 + 1 x2 1000 (Pl�stico)
3 x1 + 4 x2 2400 (Tempo de Produ��o - Minutos)
x1 + x2 700 (Produ��o Total)
x1 - x2 350 (Mix)
xj 0, j = 1,2 (N�o-negatividade)
Resolu��o Gr�fica
x2
x1
Cap_2_equacoes corrigidas.indd 41
27/08/2011 21:52:10
42 | INTRODU��O � PESQUISA OPERACIONAL
ficados os pares (x1, x2) que satisfazem todas elas. Testar se (x1 =
0, x2 = 0)
satisfaz a restri��o analisada para descobrir qual o semi-plano que
correspon-
de � restri��o.
1.000
x2 Restri��o de pl�stico: 2 x1
+ 1 x2 < 1000
x2
500
x1
x2
600 Restri��o de tempo de
produ��o:
3 x1 + 4 x2 < 2400
x1
800
x2
x1
700
Cap_2_equacoes corrigidas.indd 42
27/08/2011 21:52:10
Programa��o Linear | 43
x2
350
x1
Regi�o Solu��o
Vi�vel
Vi�vel � um
V�rtice
350
Cap_2_equacoes corrigidas.indd 43
27/08/2011 21:52:10
44 | INTRODU��O � PESQUISA OPERACIONAL
x2
8x1 + 5x2 = 4.360 -
lucro �timo
x1 = 320
8x1 + 5x2 = 2.000
x2 = 360
400 Melhoria do
objetivo
8x1 + 5x2 = 0
x1
250
Cap_2_equacoes corrigidas.indd 44
27/08/2011 21:52:10
Programa��o Linear | 45
Cap_2_equacoes corrigidas.indd 45
27/08/2011 21:52:10
46 | INTRODU��O � PESQUISA OPERACIONAL
x2 x2
cresce
cresce
x1
x1
(a) uma solu��o �tima
(b) solu��o ilimitada
x2 x2
cresce
conjunto vi�vel vazio
x1
x1
(c) n�o h� solu��o
x2
cresce
x1
(e) mais de uma solu��o
�tima
aij x j = bi
, bi 0 i = 1,2,..., m
Min Z = c x j j s.a. : j =1
j =1 x 0, j =
1,2,..., n
j
Cap_2_equacoes corrigidas.indd 46
27/08/2011 21:52:10
Programa��o Linear | 47
AX = b com b 0
Min Z = CX s.a. :
X 0.
AX = b, b 0
Min Z = C X s.a. :
X 0.
onde, Xnx1 , Amxn , Cnx1 , bmx1.
2 x1 + x2 + x3 = 4 com x3 0,
estas restri��es s�o equivalentes a
-3x1 + 2 x2 - x 4 = 5 com x 4
0.
Cap_2_equacoes corrigidas.indd 47
27/08/2011 21:52:10
48 | INTRODU��O � PESQUISA OPERACIONAL
,
xk 0 e xk ,,
0.
(c2) expressar xk , a partir de uma restri��o j� na forma de
igualdade, como
fun��o das demais vari�veis n�o-negativas e substituir xk nas outras
equa��es
por esta express�o. Ap�s a resolu��o do novo modelo, sem xk e a
equa��o de re-
corr�ncia utilizada, calcula-se o valor de xk atrav�s da equa��o de
recorr�ncia.
(d) Ocorr�ncia de vari�vel n�o positiva: se existe xk < 0,
basta substitu�-la
,
pela sua sim�trica x k = - x k 0 nas equa��es 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
1
x 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
Cap_2_equacoes corrigidas.indd 48
27/08/2011 21:52:11
Programa��o Linear | 49
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
'
Resta agora fazer x2 = -x em todas as equa��es do modelo,
resultando, fi-
2
nalmente, na forma padr�o procurada:
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 = b
0
O vetor X � solu��o vi�vel 0
0
, isto �, X0 satisfaz as
restri��es.
X 0
x1 + x2 - x3 = 2
Cap_2_equacoes corrigidas.indd 49
27/08/2011 21:52:11
50 | INTRODU��O � PESQUISA OPERACIONAL
1 3
Os vetores 0
X1 = 1 e 0
X2 = 0 s�o solu��es
vi�veis.
0 1
{ }
Os vetores Xo tais que X 0 AX 0 = b e X 0 0 formam o conjunto
vi�vel
do modelo de minimiza��o na forma padr�o.
Observa��es:
ai = .
a
mi
Cap_2_equacoes corrigidas.indd 50
27/08/2011 21:52:11
Programa��o Linear | 51
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
Cap_2_equacoes corrigidas.indd 51
27/08/2011 21:52:11
52 | INTRODU��O � PESQUISA OPERACIONAL
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
x2 - x3 = 12
2x2+ 2x3 = 6, cuja solu��o � x2 = 7,5 e x3 = -4,5 (vari�veis
b�sicas)
6 1 1
B =
X1 6 com AB = - 1 2
1
e as vari�veis b�sicas s�o x1 e x2;
Cap_2_equacoes corrigidas.indd 52
27/08/2011 21:52:11
Programa��o Linear | 53
30 1 -1
2
XB = com AB
2
= e as vari�veis b�sicas s�o x1 e x3.
18 -1 2
A seguir est�o dois importantes resultados da PL, cujas
demonstra��es fo-
gem do escopo deste livro e n�o ser�o, portanto apresentadas,
recomenda-se
aos interessados a consulta �s refer�ncias bibliogr�ficas do final
do cap�tulo.
O modelo original, citado nos Teoremas 1 e 2, se referem ao
modelo antes
de ser colocado na forma padr�o.
Cap_2_equacoes corrigidas.indd 53
27/08/2011 21:52:11
54 | INTRODU��O � PESQUISA OPERACIONAL
x2 + a2m+1xm+1 + + a2n xn = b2
(S'):
xm + amm+1xm+1 + + amn xn = bm
vari�veis b�sicas: x1 = b1 ,
x2 = b2 , , xm = bm
Cap_2_equacoes corrigidas.indd 54
27/08/2011 21:52:12
Programa��o Linear | 55
Figura 11 Pivoteamento
a1j 0
a2j Aplicando as 0
. opera��es de .
.
. .
.
aij 1
. pivoteamento .
.
. a partir de aij .
.
amj 0
Observe-se que, por meio do pivoteamento, o coeficiente aij �
transforma-
do em 1, e os demais coeficientes de xj s�o transformados em zeros.
2 x1 - 2 x2 + 6 x3 = 4 (1)
Exemplo 7: Dado o sistema (S) :
- x1 + 4 x2 - x3 = 2 (2)
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)
3x2 + 2 x3 = 4 (2')
x1 - x2 + 3x3 = 2 (1)
3
x2 + x3 = 2 (2)
2
Cap_2_equacoes corrigidas.indd 55
27/08/2011 21:52:12
56 | INTRODU��O � PESQUISA OPERACIONAL
11
x1 - x2 = -4 (1)
2
(S'): (ver 3o Quadro da Figura
12)
3
x + x = 2 (2)
2
2 3
Vari�vel
B�sica 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')
x1 1 -11/2 0 -4 (1'')
= (1') - 3 (2'')
3o Quadro
x3 0 3/2 1 2 (2'')
= (2') / 2
Programa��o Linear | 57
a x + + a x + a
m1 1 mm m mm+1 x m+1 + + amn xn = bm (m)
- Z + c1 x1 + + cm xm + cm+1 xm+1 + + cn xn = 0 (m
+ 1)
Cap_2_equacoes corrigidas.indd 57
27/08/2011 21:52:12
58 | INTRODU��O � PESQUISA OPERACIONAL
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
2 x1 + x2 + 2 x3 = 4 (1)
3 3
- x2 + x3 =
4 2
5 1
x1 + x2 + =
4 2
- Z 13 - 7
- x2 = (I )
4 2
Cap_2_equacoes corrigidas.indd 58
27/08/2011 21:52:12
Programa��o Linear | 59
7 13
Da equa��o (I): Z = - x2, como x2 = 0 (� vari�vel n�o-b�sica)
2 4
1 7
Z = Z0 = , que � o valor da fun��o objetivo para esta primeira
s.b.v., que
2
tem x3 = 3/2, x1 = 1/2 e x2 = 0.
7 13
An�lise: Como Z = - x2 , se x 2 entao Z como se deseja.
Assim, a
2 4
s.b.v. atual n�o � �tima, pois tem-se x2 = 0 (ou seja, x2 est�
assumindo o seu
menor valor).
Procura-se tornar x2 vari�vel b�sica numa pr�xima s.b.v.
aplicando o
MEGJ, e considerando como vari�veis b�sicas, x3 para a 1a equa��o,
x2 para
a 2a equa��o, e -Z para a 3a equa��o. Obt�m-se, deste modo:
3 9
x1 + x3 =
5 5
4 2
x1 + x2 =
5 5
- + 13 -11
Z x1 = (II )
5 5
11 13
Da equa��o (II): Z = + x1, como x1 = 0 (� vari�vel n�o-
b�sica)
5 5
11
Z = Z0
2
= , que � o valor da fun��o objetivo. para a segunda
s.b.v., onde
5
9 2
x3 = , x2 = e x1 = 0 .
5 5
11 13
An�lise: Como Z = + x1 , se x1 ent�o Z o que n�o �
interessante,
5 5
11
pois deseja-se minimizar a fun��o objetivo. Logo o valor de Z =
n�o pode
5
ser melhorado.
Cap_2_equacoes corrigidas.indd 59
27/08/2011 21:52:13
60 | INTRODU��O � PESQUISA OPERACIONAL
{
}
b) Procurar equa��o i tal que bi / ais = Min b j / a js , a js
> 0 , onde a js � o
coeficiente da vari�vel xs na equa��o j.
b
O coeficiente ais correspondente ao quociente m�nimo i
� denominado
ais
Piv�. A vari�vel b�sica associada � equa��o i ser� substitu�da pela
vari�vel n�o-
b�sica xs atrav�s de opera��es de pivoteamento com ais.
Cap_2_equacoes corrigidas.indd 60
27/08/2011 21:52:13
Programa��o Linear | 61
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 restri��es deve ser ent�o Min ,
= .
2 2
2
Conclus�o: A nova s.b.v. tem como vari�veis b�sicas, x3 = 5
e
5
x2 = 6 - 2 x3 = 1; como vari�vel n�o-b�sicas, x1 = x4 = 0, e Z = 4 -
4. = -6 .
2
Pode ser utilizado um esquema de tabelas como artif�cio para
sistematizar a
obten��o de s.b.v., isso foi aplicado ao Exemplo 9 e est� ilustrado
na Figura 13.
Coment�rios Adicionais
Cap_2_equacoes corrigidas.indd 61
27/08/2011 21:52:13
62 | INTRODU��O � PESQUISA OPERACIONAL
Normalmente, escolhe-se a vari�vel correspondente ao menor
deles, este
crit�rio � conhecido como a Regra de Dantzig.
Vari�vel que
entra
Vari�veis
B�sicas x1 x2 x3 x4
5 Menor quociente
x1 1 0 2 3 5
= 2,5
2 (indica a linha
s.b.v. vari�vel
do Piv�)
atual que sai x2 0 1 2 -2 6
= 3,0
-Z 0 0 -4 5
-4 2
torno de a13 = 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)
Cap_2_equacoes corrigidas.indd 62
27/08/2011 21:52:13
Programa��o Linear | 63
bi
Znovo = Zatual + cs para cs < 0, bi > 0 e ais > 0 (Piv�)
ais
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
x2 6
3x1 + 2 x2 18
x1 , x2 0
Cap_2_equacoes corrigidas.indd 63
27/08/2011 21:52:13
64 | INTRODU��O � PESQUISA OPERACIONAL
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
x3 0 0 1 2/3 -1/3 2
Quadro 3
x5 =
x4 = 0
x2 0 1 0 1 0 6 x3 =
2, x5 = 6,
x2 =
6, Z = -36
x1 1 0 0 -2/3 1/3 2
s.b.v.
3 � �tima
-Z 0 0 0 3 1 36
Cap_2_equacoes corrigidas.indd 64
27/08/2011 21:52:14
Programa��o Linear | 65
x2 x2
(Z = -30, Quadro 2)
(0,6) (2,6) (0,6)
(2,6)
Regi�o
Vi�vel
(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)
Cap_2_equacoes corrigidas.indd 65
31/08/2011 21:34:04
66 | INTRODU��O � PESQUISA OPERACIONAL
Devem-se analisar os coeficientes de custo relativo
cuidadosamente. Se h�
algum cs = 0, associado a alguma vari�vel n�o-b�sica xs, ent�o
existe outra
s.b.v. (2), onde xs � vari�vel b�sica, que tamb�m � �tima, pois
neste caso n�o
h� altera��o no Z, quando xs se torna vari�vel b�sica.
Isto pode ser verificado utilizando-se a express�o matem�tica do
coment�-
rio (3) onde:
bi
Z2 = Z1 + cs , como cs = 0 Z2 = Z1 = Z .
ais
Z = Z
x2 s.b.v. 1 (�tima)
combina��es lineares de
s.b.v. 1 e s.b.v. 2
s.b.v. 2
(�tima)
Z=0
x1
Programa��o Linear | 67
x1 + x3 =3
x2 + x4 =4
x1 + 2 x2 + x5 = 9
xi 0, i = 1,5.
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
-Z 0 0 0 0 1 9
Cap_2_equacoes corrigidas.indd 67
02/09/2011 23:19:38
68 | INTRODU��O � PESQUISA OPERACIONAL
1 3
4 3
X = X A + (1 � )X B, 0 1, onde: X A = 2 , X B = 0 e Z * = -9.
* *
0 1
0 0
x2
XA
4
x1
XB
Z = -9
Z=0
Cap_2_equacoes corrigidas.indd 68
05/09/2011 15:36:33
Programa��o Linear | 69
Ainda no Exemplo 11, observe-se que, no Quadro referente a
solu��o �tima
*
X se os coeficientes nas restri��es da vari�vel n�o-b�sica x4,
associada ao
A,
coeficiente de custo relativo c4 = 0, fossem todos nulos ou
negativos, ent�o n�o
haveria piv�, e a solu��o �tima m�ltipla seria dada por uma semi-
reta �tima:
X = X
A , 1, Z = �9
x1 4
x2 6
3x1 + 2 x2 18
x1 , x2 0
Cap_2_equacoes corrigidas.indd 69
27/08/2011 21:52:15
70 | INTRODU��O � PESQUISA OPERACIONAL
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
Solu��o �tima, pois cs > 0
x1
2
6
x2
2
X = x3
= 0 , Z = 36
x
4 0
x5
Cap_2_equacoes corrigidas.indd 70
27/08/2011 21:52:15
Programa��o Linear | 71
Achar solu��o
inicial
H�
Solu��o atual � N�o
Sim Escolher
Cj < 0
(X
�tima (X* ))
AA
Cs < 0 Xs entra
?
H�
H�
Solu��o �tima N�o Solu��o
N�o
Cj = 0
ais > 0
(X*
�nica (X =X
= X*A)
A) ilimitada
?
?
Sim
Sim
Fim Fim
Achar piv� ars
H� m�ltiplas
Xr sai
solu��es �timas
(Etapa (B))
Por Pivoteamento
xj entra
achar nova 1
solu��o
H�
x=
x* = x
x*A
A
N�o
aij > 0
>1 Observa��o:
?
Cj = Coeficiente de
custo relativo da vari�vel n�o-b�sicas Xj
Sim Xj, Xs = Vari�veis
n�o-b�sicas
Xr = Vari�vel b�sica
associada � equa��o r
Fim Achar piv� arj
aij, ais =
Coeficientes na equa��o i das vari�veis Xj e Xs,
Xr sai
(Etapa (B)) respectivamente
X = Solu��o �tima
Por Pivoteamento
achar nova
solu��o �tima (X
(X*
BB))
X = XA
+ (1 - ) XB
0<<1
Fim
Cap_2_equacoes corrigidas.indd 71
27/08/2011 21:52:15
72 | INTRODU��O � PESQUISA OPERACIONAL
a x + a x + ... + a2n xn = b2
s.a.: 21 1 22 2
Cap_2_equacoes corrigidas.indd 72
31/08/2011 21:56:10
Programa��o Linear | 73
a x + ... + a2n xn + y2 = b2
s.a.: 21 1
y1 = b1 , y 2 = b2 , ... , y m = bm e W = b1 + b2 + ... +
bm .
Cap_2_equacoes corrigidas.indd 73
31/08/2011 21:56:12
74 | INTRODU��O � PESQUISA OPERACIONAL
Cap_2_equacoes corrigidas.indd 74
27/08/2011 21:52:15
Programa��o Linear | 75
Obter modelo na
forma padr�o
Observa��o:
W = Valor �timo da fun��o
objetivo artificial H�
Sim Iniciar
Fase 2 = Aplica��o do fluxograma 1 solu��o inicial
Fase 2
?
N�o
Iniciar Fase 1
Fim
definir modelo
artificial
Iniciar Fase 1
definir modelo
artificial
Iniciar Fase 1
Problema
definir modelo
orginal invi�vel
artificial
Eliminar vari�vel
Fim
H�
artificiais substituir N�o
vari�vel artificial
fun��o objetivo
b�sica?
artificial pela original
Sim
�
Iniciar poss�vel a
Fase 2 substitui��o
Sim Efetuar
por vari�vel
pivoteamento
original?
Fim N�o
Eliminar vari�vel
artificial b�sica e
equa��o associada
Cap_2_equacoes corrigidas.indd 75
27/08/2011 21:52:15
76 | INTRODU��O � PESQUISA OPERACIONAL
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.
Cap_2_equacoes corrigidas.indd 76
27/08/2011 21:52:15
Programa��o Linear | 77
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
Q3 x4 0 0 3/2 1 1/2 -1/2 3
-W 0 0 0 0 0 1 0
Cap_2_equacoes corrigidas.indd 77
27/08/2011 21:52:16
78 | INTRODU��O � PESQUISA OPERACIONAL
Cap_2_equacoes corrigidas.indd 78
27/08/2011 21:52:16
Programa��o Linear | 79
VB x1 x2 x3 x4 x5
b
x1 1 0 1 0 0
4
Adequar a
fun��o 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
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 Solu��o �tima do PPLO est� em Q4:
X5 = 6, Z = -42.
Cap_2_equacoes corrigidas.indd 79
27/08/2011 21:52:16
80 | INTRODU��O � PESQUISA OPERACIONAL
x2 x2
(2,6) (4,6)
(2,6) (4,6)
(0,6) (0,6)
X = conjunto vi�vel
(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)
REFER�NCIAS
Cap_2_equacoes corrigidas.indd 80
27/08/2011 21:52:16
3
INTRODU��O � TEORIA DOS GRAFOS E A OTIMIZA��O EM REDES
3.1. INTRODU��O
Ilha B
Margem A
Cap_3.indd 81
27/08/2011 21:53:14
82 | INTRODU��O � PESQUISA OPERACIONAL
D
B
Cap_3.indd 82
27/08/2011 21:53:16
Introdu��o � Teoria dos Grafos e
a Otimiza��o em Redes | 83
A D1
B D2
C D3
Verifica-se que o envio do abastecimento D3 para setor de
montagem A
intercepta o abastecimento D2 � B. Neste tipo de grafo, conhecido
como K3,3,
n�o h� solu��o, ou seja, qualquer outra tentativa levar� sempre a
esta intersec-
��o indesej�vel.
Em Teoria dos Grafos existe uma �rea denominada Grafos Planares
em
que se estuda esta situa��o. A detec��o desses pontos de cruzamento
planar
tem uma import�ncia fundamental em v�rios outros casos, como na
implan-
ta��o de viadutos em projetos vi�rios ou na fabrica��o de chips
para equipa-
mentos eletr�nicos.
Um Problema de Localiza��o
Cap_3.indd 83
27/08/2011 21:53:16
84 | INTRODU��O � PESQUISA OPERACIONAL
Defini��o de Grafo
Representa��es de um Grafo
Xij =
0, caso contr�rio.
Cap_3.indd 84
27/08/2011 21:53:16
Introdu��o � Teoria dos
Grafos e a Otimiza��o em Redes | 85
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
5
d
Cap_3.indd 85
27/08/2011 21:53:16
86 | INTRODU��O � PESQUISA OPERACIONAL
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
380 Km 600 Km
B. Horizonte 300 Km
Vit�ria
Cap_3.indd 86
27/08/2011 21:53:16
Introdu��o � Teoria dos Grafos e
a Otimiza��o em Redes | 87
e
a
b f
7
1
c h
h
Cap_3.indd 87
27/08/2011 21:53:17
88 | INTRODU��O � PESQUISA OPERACIONAL
a b
d c
Observa��es:
Cap_3.indd 88
27/08/2011 21:53:17
Introdu��o � Teoria dos Grafos e
a Otimiza��o em Redes | 89
G'
1 2
6
3
5
4
Cap_3.indd 89
27/08/2011 21:53:17
90 | INTRODU��O � PESQUISA OPERACIONAL
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 M�nimo = 16 = 2 + 1 + 2 +
2 + 4 + 2 + 3
dii = 0,
d = , se n�o h� um arco ligando os n�s i e j.
ij
Cap_3.indd 91
27/08/2011 21:53:17
92 | INTRODU��O � PESQUISA OPERACIONAL
Descri��o do Algoritmo
Cap_3.indd 92
27/08/2011 21:53:17
Introdu��o � Teoria dos Grafos
e a Otimiza��o em Redes | 93
A D
8
7 2 2
1
E 2
B 3
G 10
4
1 4 7
3
C F
Cap_3.indd 93
27/08/2011 21:53:17
94 | INTRODU��O � PESQUISA OPERACIONAL
8
outros com
8
7 0 1 P2 - RT com
i = B
8
8
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!
Cap_3.indd 94
27/08/2011 21:53:17
Introdu��o � Teoria
dos Grafos e a Otimiza��o em Redes | 95
Defini��o:
Uma fun��o fij definida em E com valores reais � dita ser um
fluxo para um
grafo orientado G = (N, E) se:
Defini��o:
Um Corte � um conjunto de arcos que se forem removidos de uma
rede,
desconectam um conjunto de n�s dos demais. Na Figura 16, percebe-se
que o
corte formado pelos arcos (2, 4) e (3, 4) desconectam o n� 4 dos
n�s 1, 2 e 3.
Cap_3.indd 95
27/08/2011 21:53:17
96 | INTRODU��O � PESQUISA OPERACIONAL
2 u24 CORTE
u12
1 u13 4
u34
3
Para uma rede com uma �nica fonte e um �nico destino, o fluxo
vi�vel
m�ximo que pode ser enviado da fonte ao destino t � igual ao Valor
do Corte
M�nimo (Corte com menor capacidade) entre os Cortes da rede. Como
ilustra-
��o, pode ser verificado que o fluxo m�ximo na rede da Figura 17 �
3, os n�me-
ros que aparecem ao lado dos arcos representam suas capacidades nas
dire��es
especificadas pelas setas. O Corte M�nimo consiste dos arcos (s,2)
e (3,t) e tem
valor igual a 3.
Cap_3.indd 96
27/08/2011 21:53:17
Introdu��o � Teoria
dos Grafos e a Otimiza��o em Redes | 97
2
2 6
S 1
T
8 1
3
Deve ser observado que o Problema Fluxo M�ximo numa Rede pode
ser
expresso como um Problema de Programa��o 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 ji = 0, i s, i t
j j -F , i = t
Cap_3.indd 97
27/08/2011 21:53:17
98 | INTRODU��O � PESQUISA OPERACIONAL
Fases do Algoritmo
Cap_3.indd 98
27/08/2011 21:53:17
Introdu��o � Teoria dos
Grafos e a Otimiza��o em Redes | 99
7 1
9
F
S 3
T F
9
8
2
*
(0,7) 1
(0,9)
F=0 * (0,3)
F=0
S
T
(0,9) 2
(0,8)
*
*
*
1
7
3
8 T
S
*
*
2
*
Cap_3.indd 99
27/08/2011 21:53:18
100 | INTRODU��O � PESQUISA OPERACIONAL
(3,7) 1 (0,9)
F=3 (3,3)
F=3
S
T
(0,9) 2 (3,8)
*
4 I 9 *
* T
S
(7,7) 1 (4,9)
F=7 (3,3)
F=7
S
T
(0,9) 2 (3,8)
Cap_3.indd 100
27/08/2011 21:53:18
Introdu��o � Teoria
dos Grafos e a Otimiza��o em Redes | 101
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
*
Cap_3.indd 101
27/08/2011 21:53:18
102 | INTRODU��O � PESQUISA OPERACIONAL
Figura 27 Quarta altera��o de fluxo (�tima)
1 (7,9)
(7,7)
F = 15 (0,3)
F = 15
S T
* (8,9)
2 (8,8)
* Corte M�nimo
Coment�rios:
REFER�NCIAS
(b) Modelagem
Vari�veis de Decis�o:
m n
Fun��o-objetivo � min CT =
C i =1 j =1
ij xij
xij = ai , i = 1,2,..., m
(balan�o do produto nas origens)
j =1
m
Restri��es
s.a. xij = b j , j = 1,2,..., n
(balan�o do produto nos destinos)
i =1
xij 0, i, j
- negatividade)
(nao
Observa��es 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
Cap_4.indd 104
27/08/2011 21:53:46
O
Modelo de Transporte Simples | 105
Exemplo 1:
Considere uma situa��o onde h� 3 f�bricas (F1, F2, F3)
produzindo um
mesmo produto, e 4 dep�sitos (D1, D2, D3, D4) onde este produto
ficar� estoca-
do para posterior venda.
As capacidades de produ��o das f�bricas s�o: a1 = 40, a2 = 80,
a3 = 110,
respectivamente para F1, F2 e F3.
Nos dep�sitos devem ser atendidas as seguintes demandas: b1
= 20, b2 = 30,
b3 = 100 e b4 = 80, respectivamente para D1, D2, D3, D4.
Os custos unit�rios de transporte (Cij) do produto nos 12
trajetos poss�veis
s�o dados na Tabela 1.
Modelagem:
Fun��o objetivo:
Min CT = 10 x11 + 5x12 + 12 x13 + 4 x14 + 2 x21 + 0 x22
+1x23
+ 9 x24 +13x31 + 11x32 + 14 x33 + 6 x34
Cap_4.indd 105
02/09/2011 23:52:26
106 | INTRODU��O � PESQUISA OPERACIONAL
Restri��es:
x11 + x12 + x13 + x14 = 40
x21 + x22 + x23 + x24 = 80 (Balan�o nas F�bricas)
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
Cap_4.indd 106
02/09/2011 23:32:05
O Modelo
de Transporte Simples | 107
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
Deve ser observado, ainda, que toda solu��o b�sica vi�vel para
o modelo
de transporte corresponde a uma estrutura de �rvore com respeito a
rede
associada.
Cap_4.indd 107
27/08/2011 21:53:46
108 | INTRODU��O � PESQUISA OPERACIONAL
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)
Cap_4.indd 108
27/08/2011 21:53:47
O
Modelo de Transporte Simples | 109
D1 D2 D3
D4 Total
01 10 5 12
4 40
2 0 1
9
02
80
13 11 14
6
03
110
Total 20 30 100
80 230
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
Total 20 30 100
80 230
Cap_4.indd 109
27/08/2011 21:53:47
110 | INTRODU��O � PESQUISA OPERACIONAL
C21 = +2 - 10 + 5 - 0 = -3 / unidade.
Cap_4.indd 110
27/08/2011 21:53:47
O
Modelo de Transporte Simples | 111
D1
D2
10
5
01
-1 +1
2
0
02
+1 -1
D1 D2
D3
10 5
12
01
-1 +1
2 0
1
02
-1
+1
13 11
14
03
+1
-1
Observa��es:
Cap_4.indd 111
27/08/2011 21:53:47
112 | INTRODU��O � PESQUISA OPERACIONAL
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
Total 20 30 100
80 230
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
Total 20 30 100
80 230
A partir do Quadro 4 pode-se explicitar qual deve ser o
programa �timo
de entregas do produto das f�bricas Oi, i = 1,2,3, para os
dep�sitos Dj, j =
1,2,3,4:
Cap_4.indd 113
27/08/2011 21:53:47
114 | INTRODU��O � PESQUISA OPERACIONAL
Passo 1: Inicializa��o
Cap_4.indd 114
27/08/2011 21:53:47
O
Modelo de Transporte Simples | 115
Cap_4.indd 115
27/08/2011 21:53:47
116 | INTRODU��O � PESQUISA OPERACIONAL
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
Total 20 30 100
80 230
Para a situa��o do Quadro 5, tem-se o sistema de 6 equa��es e 7
vari�veis,
confirmando que ele �, portanto, de solu��o indeterminada:
L1 + K1 = 10
L1 + K 2 = 5
L2 + K 2 = 0
L2 + K 3 = 1
L3 + K 3 = 14
L3 + K 4 = 6.
L1 = 0, L2 = -5, L3 = 8,
K1 = 10, K 2 = 5, K 3 = 6, K 4 = -2 .
Cap_4.indd 116
27/08/2011 21:53:47
O Modelo de
Transporte Simples | 117
Cap_4.indd 117
27/08/2011 21:53:48
118 | INTRODU��O � PESQUISA OPERACIONAL
Cap_4.indd 118
27/08/2011 21:53:48
O
Modelo de Transporte Simples | 119
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
Total 20 30 100
80 230
Cap_4.indd 119
27/08/2011 21:53:48
120 | INTRODU��O � PESQUISA OPERACIONAL
01D1 10 � �
Esgotada
01D2 5 � �
Esgotada
01D3 12 � �
Esgotada
01D4 4 3a 40
Esgota linha 1
02D1 2 � �
Esgotada
02D2 0 1a 30
Esgota coluna 2
a
02D3 1 2. 50
Esgota linha 2
02D4 9 � �
Esgotada
03D1 13 5a 20
Esgota linha 1
03D2 11 � �
Esgotada
Esgota linha 3
03D3 14 6a 50
e
coluna 3
03D4 6 4a 40
Esgota coluna 4
Cap_4.indd 120
27/08/2011 21:53:48
O Modelo
de Transporte Simples | 121
4.6. DEGENERESC�NCIA
Cap_4.indd 121
27/08/2011 21:53:48
122 | INTRODU��O � PESQUISA OPERACIONAL
Cap_4.indd 122
27/08/2011 21:53:48
O
Modelo de Transporte Simples | 123
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
Cap_4.indd 123
27/08/2011 21:53:48
124 | INTRODU��O � PESQUISA OPERACIONAL
01 = 40
b1 = 20
01
D1
b3 = 80
D3
02 = 80
bf = 20
02
Df fict�cio
b4 = 70
D4
b2 = 30
03
D2
03 = 100
Cap_4.indd 124
27/08/2011 21:53:48
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 ent�o, conservar uma delas como b�sica com valor zero
(por
exemplo x33), e a outra dever� se tornar vari�vel n�o b�sica
(neste caso x22).
Na seq��ncia, resolve-se o problema como anteriormente, at� se
obter a
solu��o �tima (ver Quadro 8), onde todos os custos marginais das
vari�veis
n�o b�sicas s�o positivos, e como o problema � de minimiza��o,
tem-se a solu-
��o �tima.
Cap_4.indd 125
27/08/2011 21:53:48
126 | INTRODU��O � PESQUISA OPERACIONAL
Quadro 8 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
Cap_4.indd 126
27/08/2011 21:53:48
O
Modelo de Transporte Simples | 127
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
Total 20 30 100
80 230
Cap_4.indd 127
27/08/2011 21:53:48
Cap_4.indd 128 27/08/2011 21:53:48
5
O MODELO DA DESIGNA��O
5.1. INTRODU��O
Medida
Recurso Atividade
de Efetividade
Cap_5.indd 129
27/08/2011 21:54:18
130 | INTRODU��O � PESQUISA OPERACIONAL
1,
se o recurso i � designado � atividade j.
xij =
0,
caso contr�rio.
Deste modo, uma solu��o b�sica vi�vel para este modelo pode
ser apresen-
tada na forma de uma Matriz das Vari�veis de Decis�o dada por X =
(xij),
como ilustrado no Exemplo 1.
No caso de um Modelo da Designa��o, com m recursos e m
atividades,
uma solu��o b�sica vi�vel corresponde a uma designa��o vi�vel,
sendo que
h� m! designa��es vi�veis, para um dado valor de m.
Observe-se que, como os recursos s�o indivis�veis, e cada
atividade neces-
sita de apenas um recurso, uma designa��o vi�vel � 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 Designa��o, � poss�vel
exibir uma
designa��o vi�vel, ou seja, atribuir um recurso para cada
atividade, de modo
que cada atividade receba um �nico recurso, colocando-se um
c�rculo ao redor
Cap_5.indd 130
27/08/2011 21:54:20
4 7 0 0
0 1
C = (cij) = 0 3 8 X = (xij) = 1
0 0
6 3 9 0
1 0
i ij
i j j
xij 0 i e j
{1,2,..., m}
Cap_5.indd 131
27/08/2011 21:54:20
132 | INTRODU��O � PESQUISA OPERACIONAL
ci j
ij xij = di j
ij xij -
x - d
gx
jj ij
ij
i j
ij xij
= d i j
ij xij - g -
i
d = d
i
j
jj
i j
ij xij + constante
ci j
ij xij � equivalente a minimizar
d i j
Cap_5.indd 132
27/08/2011 21:54:20
Oper�rios
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
Oper�rios
Tarefas I II III
IV Menor N�mero
A 5 24 13
7 (5)
B 10 25 3
23 (3)
C 28 9 8
5 (5)
D 10 17 15
3 (3)
Cap_5.indd 133
27/08/2011 21:54:20
134 | INTRODU��O � PESQUISA OPERACIONAL
Oper�rios
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
Oper�rios
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
Cap_5.indd 134
27/08/2011 21:54:20
O
Modelo da Designa��o | 135
Oper�rios
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
Cap_5.indd 135
27/08/2011 21:54:20
136 | INTRODU��O � PESQUISA OPERACIONAL
1 0 0 0
0 0 1 0
X =
0 1 0 0
0
0 0 1
Cap_5.indd 136
27/08/2011 21:54:20
O
Modelo da Designa��o | 137
A seguir, est�o os detalhamentos operacionais de cada fase:
Observa��es:
Cap_5.indd 139
02/09/2011 23:56:28
140 | INTRODU��O � PESQUISA OPERACIONAL
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
I II III
IV Menor N�mero
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)
Cap_5.indd 140
27/08/2011 21:54:20
O
Modelo da Designa��o | 141
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
Cap_5.indd 141
27/08/2011 21:54:21
142 | INTRODU��O � PESQUISA OPERACIONAL
1 2 3 4
A 1 0 3 X
B 2 3 0 4
C 0 1 5 3
D X 2 2 5
Cap_5.indd 142
27/08/2011 21:54:21
O
Modelo da Designa��o | 143
I II III IV
A 1 0 3 0
B 2 3 0 4
C 0 1 5 3
D 0 2 2 5
Cap_5.indd 143
27/08/2011 21:54:21
144 | INTRODU��O � PESQUISA OPERACIONAL
1 2 3 4
A 1 0 3 0
B 3 3 0 4
C 0 0 4 2
D 0 1 1 4
Cap_5.indd 144
27/08/2011 21:54:21
O
Modelo da Designa��o | 145
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
Cap_5.indd 145
27/08/2011 21:54:21
146 | INTRODU��O � PESQUISA OPERACIONAL
Uma f�brica possui quatro locais (I, II, III, IV) para receber
tr�s m�quinas
novas (A, B, C). O local IV n�o comporta a m�quina A por
restri��es f�sicas.
Os custos de manuseio de materiais, numa certa unidade monet�ria
por hora
(u.m./h), envolvendo cada m�quina com as posi��es poss�veis, est�o
na Fi-
gura 16.
O objetivo � designar as novas m�quinas aos locais dispon�veis
de modo a
minimizar o custo total de manuseio de materiais.
Assim como no problema do transporte, quando da ocorr�ncia de
desba-
lanceamento e trajetos proibidos, s�o necess�rios os seguintes
passos antes de
se aplicar o M�todo H�ngaro:
I II III IV
A 5 1 3 X
B 3 1 4 3
C 3 3 4 2
Cap_5.indd 146
27/08/2011 21:54:21
O
Modelo da Designa��o | 147
I II III IV
Menos N�mero
A 5 1 3 M
(1)
B 3 1 4 3
(1)
C 3 3 4 2
(2)
D 0 0 0 0
(0)
I II III IV
A 4 0 2 M
B 2 0 3 2
C 1 1 2 0
D 0 0 0 0
Cap_5.indd 147
27/08/2011 21:54:21
148 | INTRODU��O � PESQUISA OPERACIONAL
Figura 19 Matriz para a Fase (2) � 2a Itera��o
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
Cap_5.indd 148
27/08/2011 21:54:21
O Modelo
da Designa��o | 149
I II III IV
A 2 0 X M
B 0 X 1 X
C 1 3 2 0
D X 2 0 X
M�quina Local
A II
B I
C IV
Cap_5.indd 149
27/08/2011 21:54:21
150 | INTRODU��O � PESQUISA OPERACIONAL
Figura 23 Outra Designa��o �tima de M�quinas para Locais
M�quina Local
A III
B II
C IV
REFER�NCIAS
Cap_5.indd 150
03/09/2011 00:00:49
6
INTRODU��O � TEORIA DE FILAS: MODELOS MARKOVIANOS
6.1. INTRODU��O
Cap_6.indd 151
27/08/2011 21:54:43
152 | INTRODU��O � PESQUISA OPERACIONAL
Sistema
FONTE unidades
Esta��o unidades
Fila de
que chegam
Servi�o servidas
(popula��o)
Disciplina de
Atendimento
Cap_6.indd 152
27/08/2011 21:54:45
Introdu��o � Teoria de
Filas: Modelos Markovianos | 153
Cap_6.indd 153
27/08/2011 21:54:45
154 | INTRODU��O � PESQUISA OPERACIONAL
Cap_6.indd 154
27/08/2011 21:54:45
Introdu��o � Teoria de
Filas: Modelos Markovianos | 155
Defini��o:
Cap_6.indd 156
27/08/2011 21:54:45
Introdu��o � Teoria de
Filas: Modelos Markovianos | 157
Defini��es:
Cap_6.indd 157
27/08/2011 21:54:45
158 | INTRODU��O � PESQUISA OPERACIONAL
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)
Pn (t + t) = (1) +
(2) + (3) + (4)
Pn (t + t )- Pn (t )
lim = n-1 .Pn-1 (t ) + n+1 .Pn+1
(t ) - (n + n )Pn (t ) (2)
t 0 t
Como o termo do lado direito da equa��o (2) � a derivada da
derivada da
Probabilidade do Estado do Sistema, no instante t, ser n, tem-se
as equa��es
(3) e (4):
Cap_6.indd 158
27/08/2011 21:54:45
Introdu��o �
Teoria de Filas: Modelos Markovianos | 159
dPn (t )
Para n > 0, = n-1 .Pn-1 (t ) + n+1 .Pn+1 (t ) -
(n + n )Pn (t ) (3)
dt
d Po (t )
Para n = 0 : 0 = 0; P-1 (t ) = 0 = 1P1
(t ) - 0 P0 (t ) (4)
dt
0
Para n = 0, 1P1 - 0 P0 P1 = P0
(6)
1
n-1
(i )
i =0
ou ainda Pn = P0 n>0
(7)
n
(i )
i =1
n=1
Pn = , ou ainda:
n-1
(i )
i =0
1
P0 + n
P0 = 1 P0 = n-
1
(8)
n=1
(i )
(i )
i =1
i
=0
1+
n=1
(i )
i =1
Cap_6.indd 159
27/08/2011 21:54:45
160 | INTRODU��O � PESQUISA OPERACIONAL
Lembrando que P0 � a propor��o do tempo em que o sistema fica
vazio,
ou seja, os atendentes ficam ociosos, com a express�o (7) �
poss�vel calcular os
valores de probabilidade de ter n clientes no sistema, ou seja, o
valor de Pn.
Apresentam-se, na seq��ncia, alguns modelos de filas
importantes:
tem-se: se < 1
1 1 1
P0 =
= = =1-
, (9)
n
n 1
1+ n
1-
n=1 n =0
n-1
i n
i =0
Pn = P0 = P0 para n > 0.
(10)
n
i
i =1
Cap_6.indd 160
27/08/2011 21:54:45
Pn = (1 - )n , com n = 0, 1, 2...
(11)
dn
L= n =0
n Pn =
�
n =0
n (1 - ) n = (1 - )
�
(
n
=0
n n-1 = (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=1
Pn
2
= L - (1 - P0 ) =
( - )
2
assim, Lq =
(13)
( - )
1
como, L = W (F�rmula de Little) tem-se W =
(14)
( - )
Cap_6.indd 161
27/08/2011 21:54:45
162 | INTRODU��O � PESQUISA OPERACIONAL
Observa��es:
1 1 1-
P0 = = =
(16)
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
Cap_6.indd 162
27/08/2011 21:54:45
Introdu��o � Teoria de
Filas: Modelos Markovianos | 163
(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 = P0 , para n = 1,2,..., N
(N - n )!
(21)
N
+
(1 - P0 )
N
Lq = (n - 1)Pn Lq = N -
(22)
n=1
L = n Pn L = Lq + (1 - P0 ) L = N - (1 - P0 )
N
(23)
n=1
Observa��es:
Cap_6.indd 163
27/08/2011 21:54:46
164 | INTRODU��O � PESQUISA OPERACIONAL
Tem-se:
n
Pn = 1
1
P0 , n = 0, 1, 2,... (24) ; P0 =
(25);
(n !)
c
n
8
n=0
(n !)
Lq
L
L = n Pn (26); Lq = L - (1 - P0 ) (27); W =
8
(28); Wq = (29)
n =0
Observa��o:
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 S
S -1
. 1
P0 = + . com < S
(30)
n -0 n! S ! (1 - S )
. P , se 0 n S
n!
0
Pn = n
(31)
n-S . P0 , se n > S
S !S
Cap_6.indd 164
27/08/2011 21:54:46
Introdu��o � Teoria de
Filas: Modelos Markovianos | 165
P0
Lq = (n - S )Pn Lq = 2 , com =
(32)
n=S S ! (1 - ) S
Lq 1
Wq = (33); W = Wq + (34); L = Lq +
(35).
(36)
k =S k =S S ! S
Nota��o: C S,
Observa��o: 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
Cap_6.indd 165
27/08/2011 21:54:46
166 | INTRODU��O � PESQUISA OPERACIONAL
Tem-se ainda,
n ! P0 , se n = 0,1,..., S - 1
Pn =
(38)
S n
S P0 , se n = S,..., N
S!
0, se n > N
-1
(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) +
, se
=1
S ! n =0 n !
(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 ) 1 - N -S+1 P0
S
)
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 perman�ncia 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 +1
consiste de k novos usu�rios para o sistema, tem-se que: W = kW +
ou
2
k +1
W=
(43)
2 ( - k )
k (k + 1)
L = kW =
(44)
2 ( - k )
1 k +1 1
Wq = W - = -
(45)
2 ( - k )
Cap_6.indd 167
27/08/2011 21:54:46
168 | INTRODU��O � PESQUISA OPERACIONAL
Lq = kWq = 2k
(k + 1) - k
(46)
2 ( - k )
Observa��o:
Em alguns casos o n�mero de clientes em potencial para a
esta��o de ser-
vi�os � pequeno. Se este valor for t�o pequeno que a chegada de um
cliente
para ser atendido ou um atendimento afeta a probabilidade de
futuras chega-
das, n�o ser� mais v�lido o pressuposto de uma popula��o 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 = P0 , para n = 1, 2,..., p
(p - n )!
(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
Cap_6.indd 168
27/08/2011 21:54:46
Introdu��o �
Teoria de Filas: Modelos Markovianos | 169
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-S
n = 0 ( p - n )! n !
(p - n )! S ! S
n=S
p!
n
P0 , se 0 n S
(p - n )!n !
n
p!
Pn = n-S
, 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 -
Pn =
n =0 n=S n =0
(55)
S -1 p 1 p
n
p n!
n
n + n n-S 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)
Cap_6.indd 169
27/08/2011 21:54:46
170 | INTRODU��O � PESQUISA OPERACIONAL
Cap_6.indd 170
27/08/2011 21:54:46
Introdu��o � Teoria de Filas:
Modelos Markovianos | 171
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
Cap_6.indd 172
27/08/2011 21:54:47
Introdu��o
� Teoria de Filas: Modelos Markovianos | 173
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
Cap_6.indd 173
27/08/2011 21:54:47
174 | INTRODU��O � PESQUISA OPERACIONAL
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
Cap_6.indd 174
27/08/2011 21:54:47
Introdu��o � Teoria de Filas:
Modelos Markovianos | 175
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
Cap_6.indd 175
27/08/2011 21:54:47
176 | INTRODU��O � PESQUISA OPERACIONAL
REFER�NCIAS
Cap_6.indd 176
27/08/2011 21:54:47