Escolar Documentos
Profissional Documentos
Cultura Documentos
!2
1 2
Forma Padrão
min f (x) = c1 x1 + . . . + cn xn
8
❖ Não negatividade: deve ser sempre possível < a11 x1 + . . . + a1n xn
> = b1
..
desenvolver dada atividade em qualquer nível não > .
:
negativo e qualquer proporção de um dado recurso am1 x1 + . . . + amn xn = bm
deve sempre poder ser utilizado. x1 , . . . , x n 0
!3 !4
3 4
Solução Factível, Região Factível e Solução Ótima
5 6
Problemas de Maximização Restrições de Desigualdade: ≤
ai1 x1 + . . . + ain xn bi
f (x⇤ ) f (x) para todo x factı́vel
Variável de folga:
multiplicando a inequação por -1:
x k = bi (ai1 x1 + . . . + ain xn )
⇤
f (x ) f (x) para todo x factı́vel
logo:
logo: ai1 x1 + . . . + ain xn bi
+ xk 0
max f (x) ) min f (x)
ai1 x1 + . . . + ain xn + xk = bi
!7 !8
7 8
Restrições de Desigualdade: ≥ Exercício 2
ai1 x1 + . . . + ain xn bi min 2x1 3x2 + 3x3
Variável de folga: ⇢
x1 + 2x2 x3 3
x k = bi (ai1 x1 + . . . + ain xn ) 2x1 + x2 + x3 1
logo: x 0
ai1 x1 + . . . + ain xn bi
+ xk 0
ai1 x1 + . . . + ain xn xk = bi
!9 !10
9 10
Variáveis Livres Exercício 3
x1 livre, x2 , x3 , x4 , x5 0
!11 !12
11 12
Teoria Básica
8
< x1 + x2 6
x1 x2 4
Estratégia Simplex :
3x1 + x2 3
x 1 , x2 0
!13 !14
13 14
Na forma padrão:
8
< x1 + x2 + x3 = 6
x1 + x2 6 x1 x2 + x4 = 4
:
3x1 + x2 x5 = 3
x 1 , x2 , x3 , x4 , x5 0
3x1 + x2 3
x1 x2 4
!15 !16
15 16
Ponto A:
x1 = 3
x2 = 2
x3 = 1
x4 = 3
x5 = 8
!17 !18
17 18
Ponto B: Ponto C:
x1 = 1 x1 = 2
x2 = 3 x2 = 4
x3 = 2 x3 = 0
x4 = 6 x4 = 6
x5 = 3 x5 = 7
!19 !20
19 20
❖ Os pontos A, B, C e D são factíveis:
Ponto D: ❖ o sistema Ax=b é atendido;
x1 = 5 ❖ as restrições de não-negatividade são atendidas.
x2 = 1
x3 = 0
x4 = 0
❖ O ponto C está sobre uma restrição (aresta do politopo).
x5 = 13
❖ O ponto D está sobre a interseção de duas restrições
(vértice do politopo).
!21 !22
21 22
Ponto E: Ponto F:
x1 = 4 x1 = 6
x2 = 5 x2 = 0
x3 = -3 x3 = 0
x4 = 5 x4 = -2
x5 = 14 x5 = 15
!23 !24
23 24
❖ Os pontos E e F não são factíveis:
x3 = 0 ! x1 + x2 = 6
❖ o sistema Ax=b é atendido; x1 + x2 6
x3 < 0 ! x1 + x2 > 6
❖ as restrições de não-negatividade não são atendidas. x3 > 0 ! x1 + x2 < 6
3x1 + x2 3
!25 !26
25 26
x4 = 0 ! x1 x2 = 4 x5 = 0 ! 3x1 + x2 = 3
x1 + x2 6
x4 < 0 ! x1 x2 > 4 x1 + x2 6
x5 < 0 ! 3x1 + x2 < 3
3x1 + x2 3
x4 > 0 ! x1 x2 < 4 3x1 + x2 3
x5 > 0 ! 3x1 + x2 > 3
x1 x2 4 x1 x2 4
!27 !28
27 28
Um vértice será sempre solução do problema de
otimização, se factível.
❖ O sistema linear resultante é sub-determinado:
❖ possui n incógnitas e m equações:
❖ sempre: n > m;
❖ geralmente: n >> m. x1 + x2 6
valores);
❖ múltiplas soluções.
Deve-se então examinar os vértices para encontrar a
solução ótima.
!29 !30
29 30
❖ Fazendo-se x3=0 e x4=0. ❖ Deve-se buscar partições do problema para identificar
os vértices e encontrar o vértice ótimo:
8
< x1 + x2 = 6 xB
x1 x2 = 4 Ax = b , [B N] = b , BxB + NxN = b
: xN
3x1 + x2 x5 = 3
• xB : conjunto de variáveis básicas.
8 !
< x1 = 5 • xN = 0 : conjunto de variáveis não-básicas.
Solução/Vértice factível
x2 = 1
: Ponto D • B: partição básica de A.
x5 = 13
• N: partição não-básica de A.
!31 !32
31 32
2 3
1 1 1 0 0
A=4 1 1 0 1 0 5
No exemplo: 3 1 0 0 1
2 3 2 3
8 1 1 0 1 0
< x1 + x2 + x3 = 6 B=4 1 1 0 5 N=4 0 1 5
x1 x2 + x4 = 4 3 1 1 0 0
:
3x1 + x2 x5 = 3
x 1 , x2 , x3 , x4 , x5 0
2 3
x1 23
6 x2 7 x1
6 7 x3
x=6
6 x3 7
7 x B = 4 x2 5 xN =
4 5 x4
x4 x5
x5
!33 !34
33 34
Primeira Estratégia de Solução Problema 1 (RG)
1. Inicialize x* := [] e f(x*) := inf;
max f (x1 , x2 ) = x1 + 2x2
2. Para cada partição m x m de A:
1. Encontre o vértice correspondente xp; x1 + x2 4
x1 2
2. Avalie xp para se obter f(xp); x2 3
3. Se xp é uma solução básica factível e f(xp) < f(x*): x1 , x2 0
1. x* := xp;
2. f(x*) := f(xp).
!35 !36
35 36
❖ Represente o problema na forma padrão.
❖ Encontre todos os vértices factíveis do problema.
❖ Encontre as bases associadas a cada um desses vértices.
❖ Encontre o valor de função objetivo em cada vértice.
❖ Encontre a solução ótima do problema.
!37 !38
37 38
Problema 2 (RG)
max f (x1 , x2 ) = x1 + x2
❖ Represente o problema na forma padrão.
❖ Encontre todos os vértices factíveis do problema.
3x1 + x2 2
x2 3
❖ Encontre as bases associadas a cada um desses vértices.
x1 + 2x2 9 ❖ Encontre o valor de função objetivo em cada vértice.
3x1 + x2 18
x1 , x2 0 ❖ Encontre a solução ótima do problema.
!39 !40
39 40
Dificuldades
❖ Dificuldade 1:
❖ Nem toda partição m x m é uma partição válida:
❖ Caso 1: nem todo sistema B.xB = b tem solução:
❖ A matriz B deve ser inversível.
!41 !42
41 42
Exemplo 2 3
x1
8 x B = 4 x2 5
< x1 2 x5
x1 4
:
x1 + x2 6
x 1 , x2 0
2 32 3 2 3
1 0 0 x1 2
2 3 4
BxB = b , 1 0 0 5 4 x2 5 = 4 4 5
1 0 1 0 0
A=4 1 0 0 1 0 5 1 1 1 x5 6
1 1 0 0 1
!43 !44
43 44
❖ Dificuldade 1:
❖ Nem toda partição m x m é uma partição válida:
❖ Caso 2: mesmo que o sistema B.xB = b tenha
solução, isso não garante factibilidade:
❖ As restrições de não-negatividade não são
necessariamente atendidas.
❖ Existem vértices infactíveis.
!45 !46
45 46
2 3
Exemplo x1
x B = 4 x4 5
x5
2 32 3 2 3
8 1 0 0 x1 6
< x1 + x2 6 4
BxB = b , 1 1 0 5 4 x4 5 = 4 4 5
x1 x2 4 3 0 1 x5 3
:
3x1 + x2 3
x 1 , x2 0
8
< x1 = 6
Solução/Vértice infactível
x4 = 2
: Ponto F
x5 = 15
!47 !48
47 48
❖ Dificuldade 2:
❖ O número de vértices (bases) cresce fatorialmente
x1 + x2 6
com o número de variáveis:
x1 x2 4
3x1 + x2 3
n n!
Nbases = Cm =
m!(n m)!
!49 !50
49 50
n m bases
5 3 10
10 6 210
80 48 2,19E+22
160 96 3,75E+45
!51 !52
51 52
Particão Básica Solução Geral
A = [B N] xB
Ax = b , [B N] = b , BxB + NxN = b
xN
1 1
xB = B b B NxN
!53 !54
53 54
Solução Básica
❖ Propriedade 1: considere a região factível S tal que
Ax=b, x > 0. Um ponto x de S é um vértice S se e
Dado: A = [B N]
somente se x for uma solução básica factível.
1 1
xB = B b B NxN
❖ Propriedade 2: se um problema de otimização linear
⇢ tem solução ótima, então existe um vértice ótimo.
1
xˆB = B b
xˆN = 0
!55 !56
55 56
Método Simplex
!57 !58
57 58
Pergunta 1 Exemplo 1
Como encontrar uma solução inicial básica factível?
max f (x1 , x2 ) = x1 + 2x2
!59 !60
59 60
Exemplo 2 Pergunta 2
Essa solução é ótima?
61 62
Considerando a partição básica, a função objetivo pode ser
❖ Para a solução básica:
expressa por: f (x̂) = cTB xˆB + cTN xˆN
xB 1 1
T T T
f (x) = c x = [cB cN ] = cTB xB + cTN xN = cTB (B b B NxˆN ) + cTN xˆN
xN
1 1
= cTB (B b B N · 0) + cTN · 0
e para a solução geral:
1
1 1 = cTB B b
f (x) = cTB (B b B NxN ) + cTN xN
1 1
= cTB B b cTB B NxN + cTN xN
!63 !64
63 64
❖ Voltando novamente para a solução geral:
!65 !66
65 66
logo:
❖ Definindo os custos reduzidos (custos relativos):
!67 !68
67 68
Exemplo 1
❖ Represente o problema na forma padrão.
❖ Verifique se a solução associada a base [x1,x2,x3] é ótima.
min f (x) = 2x1 x2
❖ Verifique se a solução associada a base [x1,x2,x5] é ótima.
8
< x1 + x2 4 ❖ Verifique se a solução associada a base [x3,x4,x5] é ótima.
x1 3
: 7
x2 2
❖ Verifique graficamente onde estão cada uma das
x 1 , x2 0 soluções associadas às bases.
!69 !70
69 70
Pergunta 3
Caso não seja ótima, como determinar outra solução
básica factível melhor?
71 72
8
< xNk = " , ( c N
ˆk < 0 , " 0)
:
xNj = 0 , j = 1, 2, . . . , n m , j 6= k
!73 !74
73 74
❖ Tamanho ótimo do passo:
0 1 0 1
xN1 0
B .. C B .. C
B . C B . C
B C B C ❖ Definindo a direção simplex:
xN = B
B x N k
C=B " C
C B C k
B .. C B . C 1
@ . .
A @ . A =B aNk
xN n m 0 ❖ Este vetor também pode ser calculado sem inversão de
matrizes:
A = [B N] = [aB1 . . . aBm aN1 . . . aNn m
. . . aNn m
] 1
=B aNk , B = aNk
1 1 1
xB = B b B NxN = xˆB B aNk "
!75 !76
75 76
❖ Atualizando a solução básica:
❖ Analisando a nova solução básica quanto ao sistema
Ax=b:
❖ O sistema é atendido por definição.
1
xB = xˆB B aNk " ❖ Analisando a nova solução básica quanto às restrições
de não-negatividade:
= xˆB "
❖ xNi ∀ i ≠ k: permanecem com valor 0.
❖ xNk: assume valor ε > 0.
❖ xBi: são afetadas e devem permanecer não negativas.
!77 !78
77 78
xBi = xˆBi i" 0 , 8i = 1, . . . , m
8
< i 0, entao xBi 0 para qualquer " 0
❖ Logo:
se
: xB
ˆi
i > 0, entao xBi 0 se, e somente se " i
xB = xˆB " 0
❖ Logo, o passo ótimo é dado por:
❖ Ou para cada variável básica: ⇢
xˆB` xˆBi
"ˆ = = arg` min 8i 2 {1, . . . , m} | i >0
` i
xBi = xˆBi i" 0 , 8i = 1, . . . , m
❖ A variável básica correspondente a este passo se torna 0
e sai da base.
!79 !80
79 80
❖ Solução ótima ilimitada: se todas as coordenadas de γ
Exemplo 1
são não positivas, então o passo pode crescer
infinitamente. Nesse caso o problema não possui
solução ótima. Pode-se ainda dizer que o problema
possui solução ótima ilimitada. min f (x) = 2x1 x2
8
< x1 + x2 4
xBi = xˆBi i" 0 , 8i = 1, . . . , m x1 3
: 7
x2 2
8
< i 0, entao xBi 0 para qualquer " 0 x 1 , x2 0
se
: xB
ˆi
i > 0, entao xBi 0 se, e somente se " i
!81 !82
81 82
❖ Considere a base [x3,x4,x5]:
❖ Encontre um vértice factível melhor que o associado à
referida base.
❖ Analise graficamente o ponto obtido após a avaliação
do passo para cada variável básica.
❖ Resolva o problema até a otimalidade.
!83 !84
83 84
Algoritmo Simplex
Dados: partição básica factível. ❖ Passo 3: Se não existe nenhum custo reduzido negativo:
❖ Passo 1: Calcule a solução básica correspondente: ❖ PARE! Solução ótima.
⇢
xˆB = B 1 b ❖ Passo 4: Escolha variável não básica com menor custo
xˆN = 0
reduzido (Regra de Dantzig).
❖ Passo 2: Calcule o Vetor Multiplicador Simplex (λT) e os ❖ Passo 5: Calcule o Vetor Direção Simplex (𝛾):
custos reduzidos (ĉ):
1 1 T 1
T
= cTB B , = (B ) c B , BT = cB =B aNk , B = aNk
!85 !86
85 86
Problema 1 (RG - Pb1)
❖ Passo 6: Se todas as coordenadas do Vetor Direção
Simplex são não positivas:
❖ PARE! Solução ótima ilimitada. max f (x1 , x2 ) = x1 + 2x2
!87 !88
87 88
Problema 2 (RG - Pb2) Problema 3 (RG - Pb3)
max f (x1 , x2 ) = x1 + x2 max f (x1 , x2 ) = x1 + 2x2
3x1 + x2 2 3x1 + x2 2
x2 3 x2 3
x1 + 2x2 9 x1 + 2x2 9
3x1 + x2 18 3x1 + x2 18
x1 , x2 0 x1 , x2 0
!89 !90
89 90
Método Simplex em Tabelas
x1 x2 ... xn
Método Simplex em Tabelas VB c1 c2 ... cn f
x B1 a1,1 a1,2 ... a1,n b1
.. .. .. .. .. ..
. . . . . .
x Bm am,1 am,2 ... am,n bm
!91 !92
91 92
❖ Mas, inicialmente: ❖ Logo:
!93 !94
93 94
Exemplo x1 x2 x3 x4 x5 b
-1 -2 0 0 0 f
min f (x) = x1 2x2
8
< x1 + x2 + x3 = 6 x3 1 1 1 0 0 6
x1 x2 + x4 = 4
:
x1 + x2 + x5 = 4
x4 1 -1 0 1 0 4
x 0
x5 -1 1 0 0 1 4
!95 !96
95 96
x2
x1 x3 x4 x5 b x1 x2 x3 x4 x5 b
entra
-1 -2 0 0 0 f -3 0 0 0 2 f+8
x3 1 1 1 0 0 6 ε=6÷1=6 x3 2 0 1 0 -1 2
x4 1 -1 0 1 0 4 ε livre x4 0 0 0 1 1 8
x5
-1 1 0 0 1 4 ε=4÷1=4 x2 -1 1 0 0 1 4
sai
!97 !98
97 98
x1
x2 x3 x4 x5 b x1 x2 x3 x4 x5 b
entra
x3
2 0 1 0 -1 2 ε=2÷2=1 x1 1 0 1/2 0 -1/2 1
sai
x4 0 0 0 1 1 8 ε livre x4 0 0 0 1 1 8
!99 !100
99 100
Problema 1 (RG - Pb1) Problema 2 (RG - Pb2)
3x1 + x2 2
x1 + x2 4
x2 3
x1 2
x1 + 2x2 9
x2 3
3x1 + x2 18
x1 , x2 0
x1 , x2 0
!101 !102
101 102
Como encontrar uma base inicial factível?
❖ Na maior parte dos casos não existe base inicial factível
óbvia, pois o problema possui restrições do tipo maior
!103 !104
103 104
Exemplo Estratégia 1:
❖ Encontrar uma partição básica factível inspecionando as
bases do problema.
❖ Encontrar uma base inicial factível por inspeção
max f (x1 , x2 ) = x1 + 2x2
exaustiva é, por si só, um problema combinatório:
8 n n!
< x1 + x2 4 Nbases = Cm =
x1 2 m!(n m)!
:
x2 3 ❖ Pior caso: o problema não tem solução factível.
x 1 , x2 0
❖ TODAS as bases devem ser inspecionadas antes de se
chegar a conclusão de que o problema não tem
solução.
!105 !106
105 106
n m bases
Problema Artificial
5 3 10 ❖ Para cada restrição do tipo maior ou igual e de igualdade, acrescenta-se
uma nova variável (variável artificial), que irá compor a base junto com
10 6 210 as variáveis de folga das restrições do tipo menor ou igual.
❖ Diferentemente das variáveis de folga, que fazem parte da formulação
20 12 125.970
original, as variáveis artificiais não existem no problema e precisam ser
eliminadas. Variáveis artificiais na base (com valor positivo) implicam
40 24 6,28E+10 em soluções infactíveis.
❖ Logo, as variáveis de folga devem ser eliminadas de forma a encontrar
80 48 2,19E+22
uma solução básica factível:
160 96 3,75E+45 ❖ Cria-se uma nova função objetivo: minimização do somatório das
variáveis de folga.
!107 !108
107 108
Interpretação geométrica:
X
❖ O conjunto de restrições do problema artificial é uma relaxação
min f (x, y) = yi do conjunto de restrições do problema original.
❖ Aumenta-se a dimensão do problema original de tal forma em
⇢ que é obvia a escolha de uma base inicial factível.
Ax + y = b
x 0, y 0 ❖ A resolução do problema artificial equivale a eliminar a
relaxação inicialmente feita, de tal forma a encontrar um
vértice factível no espaço de busca do problema original
onde y é o vetor de variáveis artificiais. (problema de factibilidade).
❖ A solução final do problema artificial é a solução inicial do
problema original.
!109 !110
109 110
Exemplo 1 ❖ Na forma padrão:
⇢ ⇢
x1 + x2 + x3 = 3 x1 + x2 + x3 = 3
2x1 x2 + 3x3 4 2x1 x2 + 3x3 + x4 = 4
x 1 , x2 , x3 0 x 1 , x 2 , x 3 , x4 0
!111 !112
111 112
❖ Problema artificial:
❖ A base obtida imediatamente após a a eliminação de
todas as variáveis artificiais (solução ótima do problema
min xa5 artificial) é base factível para o problema original. Nesse
caso, deve-se resolver o problema original considerando
essa base.
⇢
x1 + x2 + x3 + xa5 = 3 ❖ Caso a solução ótima do problema artificial inclua ao
2x1 x2 + 3x3 + x4 = 4
menos uma variável artificial na base, então o problema
x1 , x2 , x3 , x4 , xa5 0
original não tem solução factível.
!113 !114
113 114
Simplex de Duas Fases
1. Construa o problema artificial.
2. Fase 1: Resolva o problema artificial (problema de
factibilidade) utilizando o Algoritmo Simplex.
Algoritmo Simplex de Duas Fases 3. Caso exista alguma variável artificial com valor não nulo
após a solução da Fase 1, então PARE! O problema não
tem solução factível.
4. Fase 2: Caso contrário, resolva o problema original a partir
da base ótima obtida na Fase 1, utilizando o Algoritmo
Simplex.
!115 !116
115 116
Problema 1 Exercício 1
⇢ ⇢
x1 + x2 + x3 = 3 x1 + x2 2
2x1 x2 + 3x3 4 2x1 x2 6
x 1 , x2 , x3 0 x 1 , x2 0
!117 !118
117 118
Problema 1
em Tabelas ⇢
x1 + x2 + x3 = 3
2x1 x2 + 3x3 4
x 1 , x2 , x3 0
!119 !120
119 120
❖ Na forma padrão: ❖ Problema artificial:
⇢ ⇢
x1 + x2 + x3 = 3 x1 + x2 + x3 + xa5 = 3
2x1 x2 + 3x3 + x4 = 4 2x1 x2 + 3x3 + x4 = 4
x 1 , x 2 , x 3 , x4 0 x1 , x2 , x3 , x4 , xa5 0
!121 !122
121 122
x1 x2 x3 x4 x5a b
art 0 0 0 0 1 fa
Primeira Fase
orig. 1 -1 2 0 0 f
Problema de Factibilidade
x5a 1 1 1 0 1 3
x4 2 -1 3 1 0 4
!123 !124
123 124
x1
x1 x2 x3 x4 x5a b x2 x3 x4 x5a b
entra
orig. 1 -1 2 0 0 f orig. 1 -1 2 0 0 f
x4
x4 2 -1 3 1 0 4 2 -1 3 1 0 4 ε=4÷2=2
sai
!125 !126
125 126
x2
x1 x2 x3 x4 x5a b x1 x3 x4 x5a b
entra
art 0 -1.5 0.5 0.5 0 fa-1 art 0 -1.5 0.5 0.5 0 fa-1
orig. 0 -0.5 0.5 -0.5 0 f-2 orig. 0 -0.5 0.5 -0.5 0 f-2
x5a ε=1÷1.5=
x5a 0 1.5 -0.5 -0.5 1 1 0 1.5 -0.5 -0.5 1 1
sai 0.67
!127 !128
127 128
x1 x2 x3 x4 x5a b
art 0 0 0 0 1 fa
Segunda Fase
orig. 0 0 0.33 -0.67 0.33 f-1.67
Problema Original
x2 0 1 -0.33 -0.33 0.67 0.67
!129 !130
129 130
x4
x1 x2 x3 x4 b x1 x2 x3 b
entra
x1 ε=2.33÷0.3
x1 1 0 1.33 0.33 2.33 1 0 1.33 0.33 2.33
sai 3=7
!131 !132
131 132
Exercício 1
x1 x2 x3 x4 b
⇢
x2 1 1 1 0 3 x1 + x2 2
2x1 x2 6
x 1 , x2 0
x4 3 0 4 1 7
!133 !134
133 134
Método do M-Grande Exemplo 1
Uma alternativa ao Algoritmo Simplex de Duas Fases é o
Método do M-Grande: min x1 x2 + 2x3
❖ Nesse método, associa-se a variável artificial à função
objetivo do problema com um custo muito grande, de ⇢
x1 + x2 + x3 = 3
tal forma que essa venha a ser eliminada da base 2x1 x2 + 3x3 4
rapidamente.
x 1 , x2 , x3 0
❖ Com essa abordagem pode-se aplicar o Algoritmo
Simplex tradicional para solução do problema.
!135 !136
135 136
Apesar de mais simples, o Método do M-Grande
apresenta duas dificuldades principais:
❖ O conceito de “grande" varia de problema para
problema.
❖ A escolha de valores de M muito grandes pode levar a
problemas de condicionamento numérico.
!137 !138
137 138
Problema com Solução Ótima Ilimitada
!139 !140
139 140
x1
x2 x3 x4 x5 b
Problema sem Solução Factível
entra
-3 0 0 0 2 f+8
x2 -1 1 0 0 1 4 E livre
!141 !142
141 142
x1 x2 x3 x4 x5a b
Múltiplas Soluções Ótimas
art 1 1 1 0 0 fa-3
x4 2 -1 3 1 0 4
!143 !144
143 144
x1 x2 x3 x4 x5 b
Degeneração e Ciclagem
!145 !146
145 146
x4 x5
x1 x2 x3 x6 x7 b
entra? entra?
Situação crítica: 0 0 0 -1 -1 1 0 f
x3 0 0 1 -1 0 0 0 2 ε livre
!147 !148
147 148
❖ É uma situação rara, mas possível, principalmente em
problemas de grande porte.
❖ Pode ser facilmente corrigida:
Regra de Bland:
❖ Entre todas as a candidatas a entrar na base, selecione a
variável xk que possui o menor índice.
❖ Entre todas as variáveis candidatas a sair da base,
selecione a variável xr que possui o menor índice.
!149 !150
149 150
Referências
❖ [Arenales et al, 2007] M. Arenales; V. Armentano; R.
Morabito; H. Yanasse. Pesquisa Operacional para Cursos
de Engenharia, Editora Campus / Elsevier, 2007.
❖ [Goldbarg et al, 2005] M. C. Goldbarg; H. P. Luna.
Otimização Combinatória e Programação Linear -
Modelos e Algoritmos, 2a ed., Editora Campus / Elsevier,
2005.
❖ [Hillier et al, 2013] F. S. Hillier; G. J. Lieberman. Introdução
à Pesquisa Operacional, 9a ed., Editora Mc Graw Hill, 2013.
151