Pesquisa Operacional

Introdução

Daniel Bernardon
Vinícius Jacques Garcia

2014
 O que é pesquisa Operacional?
• Podemos considerar que este contexto envolve
decidir sobre uma alternativa para o problema
apresentado, cuja solução requer a resposta
para três perguntas:
– Quais são as alternativas para a decisão?
– Sob quais restrições a decisão é tomada?
– Qual seria um critério objetivo para avaliar as
alternativas?

2
 Modelagem matemática
• Busca de uma visão estruturada;
• Idéia de simulação da realidade;
• Um modelo:
• É um veículo para uma visão bem estruturada da
realidade;
• Pode ser visto como uma representação substitutiva da
realidade;
• Modelos: são representações simplificadas da
realidade que preservam, para determinadas
situações e enfoques, uma equivalência adequada
(Goldbarg e Luna, 2000).
3
 Tomada de Decisão

• Tomada de decisão: é o
processo de identificar um
problema específico e
selecionar uma linha de ação
para resolvê-lo.

4
 Tomada de Decisão

• Um Problema ocorre quando o estado atual de

uma situação é diferente do estado desejado.

• Uma oportunidade ocorre quando as

circunstâncias oferecem a chance do
indivíduo/organização ultrapassar seus objetivos
e/ou metas.
5
 Problemas de Otimização
• Em problemas reais de otimização busca-se
maximizar ou minimizar uma quantidade
específica, chamada objetivo, que depende de
um número finito de variáveis de entrada.
• As variáveis de entrada podem ser:
– Independentes uma das outras.
– Relacionadas uma com as outras por meio de uma
ou mais restrições.

6
 Aplicações de
Otimização Matemática
• Determinação de Mix de Produtos
• Scheduling
• Roteamento e Logística
• Planejamento Financeiro

7
 Programação Matemática
• Um problema de programação matemática é
um problema de otimização no qual o objetivo
e as restrições são expressos como funções
matemáticas e relações funcionais
Otimizar : z = f ( x1 , x2 ,..., xn )
g1 ( x1 , x2 ,..., xn )   b1
 ≤
g 2 ( x1 , x2 ,..., xn )  b2
Sujeito a : =
: ≥  :
g n ( x1 , x2 ,..., xn ) 
 bn
8
 Variáveis de Decisão
• x1 , x2,...,xn , são as chamadas Variáveis de Decisão.

• As variáveis de decisão são aqueles valores que

representam o cerne do problema, e que podemos
escolher (decidir) livremente.

• As variáveis de decisão representam as opções que

um administrador têm para atingir um objetivo.
• Quanto produzir para maximizar o lucro?
• Quanto comprar de uma ação para minimizar o risco
da carteira?
9
 Programação Linear
• Um problema de programação matemática é
linear se a função objetivo f ( x1 , x2 ,..., xn ) e
cada uma das funções que representam as
restrições forem lineares, isto é, na forma
abaixo:
f ( x1 , x2 ,..., xn ) = c1 x1 + c2 x2 + ... + cn xn
e
gi ( x1 , x2 ,..., xn ) = ai 1 x1 + ai 2 x2 +...+ ain xn

10
 Linearidade

• A presença de qualquer das expressões abaixo

tornam o problema não linear.
n
• (x1 ) para n ≠ 1
•
log a ( x1 ) para qualquer base a
• a x1 para qualquer valor de a

11
 Programação Linear
Exemplos

max x1 + x2 min x1 + 2 x2
s.a. s.a.
2 x1 + 4 x2 ≤ 20 2 x1 + 3 x2 ≥ 20
180 x1 + 20 x2 ≤ 600 180 x1 + 20 x2 = 600
x1 , x2 ≥ 0 x1 , x2 ≥ 0

12
 Programação Linear
Áreas de Aplicação

• Administração da Produção
• Análise de Investimentos
• Alocação de Recursos Limitados
• Planejamento Regional
• Logística
– Custo de transporte
– Localização de rede de distribuição
• Alocação de Recursos em Marketing entre
diversos meios de comunicação.

13
 Programação Linear
Áreas de Aplicação

• Pacotes computacionais fazem uso:

– Método Simplex
– Pontos interiores
– Branch-and-bound (problemas “inteiros”)
– Branch-and-cut (problemas “inteiros”)
– Branch-and-cut-and-Price (problemas “inteiros”)

14
 Programação Linear
Problema na Forma Padrão

• Existem 4 características para um problema na

forma padrão:
– A função objetivo é de Maximizar;
– As restrições têm sinal de menor ou igual;
– As constantes de todas as restrições são não
negativas;
– As variáveis podem assumir valores não negativos.

15
 Programação Linear
Problema na Forma Padrão

Maximizar Z = c1 x1 + c2 x2 + ... + cn xn
Sujeito a :
a11 x1 + a12 x2 + ... + a1n xn ≤ b1
a21 x1 + a22 x2 + ... + a2 n xn ≤ b2
Não
negativos

am1 x1 + am 2 x2 + ... + amn xn ≤ bm

x1 , x2 , x3 ,...xn ≥ 0
16
 Exemplos

• Forma Padrão • Forma Não Padrão

max x1 + x2 min x1 + 2 x2
ss.a. s.a.
2 x1 + 4 x2 ≤ 20 2 x1 + 3 x2 ≥ 20
180 x1 + 20 x2 ≤ 600 180 x1 + 20 x2 = 600
x1 , x2 ≥ 0 x1 , x2 ≥ 0

17
 Programação Linear
Hipótese de Aditividade

• Considera as atividades (variáveis de decisão) do

modelo como entidades totalmente
independentes, não permitindo que haja
interdependência entre as mesmas, isto é, não
permitindo a existência de termos cruzados,
tanto na função-objetivo como nas restrições.

• Esta é a própria hipótese de linearidade do PPL

18
 Programação Linear
Hipótese de Proporcionalidade

• O valor da função objetivo é proporcional ao

nível de atividade de cada variável de decisão,
isto é, o valor da função objetivo se altera de
um valor constante dada uma variação
constante da variável de decisão;

19
 Programação Linear
Hipótese de Divisibilidade

• Assume que todas as unidades de atividade

possam ser divididas em qualquer nível
fracional, isto é, qualquer variável de decisão
pode assumir qualquer valor positivo
fracionário.
• Esta hipótese pode ser quebrada, dando
origem a um problema especial de
programação linear, chamado de problema
inteiro.

20
 Programação Linear
Hipótese de Certeza

• Assume que todos os parâmetros do modelo

são constantes conhecidas.
• Em problemas reais quase nunca satisfeita
– as constantes são estimadas.
• Requer uma análise de sensibilidade, sobre o
que falaremos posteriormente.

21
 Programação Linear
Terminologia

• Solução
– No campo de Programação Linear, a solução é
qualquer especificação de valores para as variáveis
de decisão, ainda que esta especificação trate de
uma escolha desejável ou permissível.

22
 Exemplo de Solução

max z = x1 + x2
s.a. x1 = 3 ; x2 = 2 S = (3,2)
2 x1 + 4 x2 ≤ 20
180 x1 + 100 x2 ≤ 800
x1 , x2 ≥ 0 x1 = 3 ; x2 = 4 S = (3,4)

23
 Classificação das Soluções
• Solução Viável
– É uma solução em que todas as restrições são
satisfeitas;

• Solução Inviável
– É uma solução em que alguma das restrições ou as
condições de não-negatividade não são atendidas;

24
 Exemplos de Solução Viável
e Inviável

max x1 + x2 x1 = 3 ; x2 = 2
S = (3, 2)
s.a. solução viável: todas as restrições
não são violadas
2 x1 + 4 x2 ≤ 20
180 x1 + 100 x2 ≤ 800
x1 = 3 ; x2 = 4
x1 , x2 ≥ 0 S = (3, 4)
solução inviável: as restrições são
violadas

25
 Valor da Função objetivo

• É especialmente importante verificar como fica

o valor da função objetivo z nas soluções viáveis
que podemos determinar:
max z = x1 + x2
S = (1,1) z=2
s.a.
2 x1 + 4 x2 ≤ 20 S = (2,1) z =3
180 x1 + 100 x2 ≤ 800
S = (3,2) z =5
x1 , x2 ≥ 0
26
 A Solução Ótima
• A Solução Ótima é uma solução viável especial.

• Dentre todas as soluções viáveis, aquela(s) que

produzir(em) o “melhor” valor da função objetivo
é chamada de ótima;

• A grande questão é como determinar a solução

ótima.
27
 Programação Linear
Solução Gráfica

• Quando o problema envolve apenas duas

variáveis de decisão, a solução ótima de um
problema de programação linear pode ser
encontrada graficamente.
Max Z = 5x1 + 2 x2
s. a. x 1 ≤ 3 (a)
x2 ≤ 4 (b)
x1 + 2 x2 ≤ 9 (c)
x1 ≥ 0, x2 ≥ 0 (d)
28
 Programação Linear
Solução Gráfica

x2 x1≤ 3
4
x2≤ 4
3
2
1
x2≥ 0
1 2 3 4 x1
x1≥ 0
29
 Programação Linear
Solução Gráfica

x1 + 2 x 2 ≤ 9
x2 x ≤3
x1 + 2 x 2 = 9 Reta Limite 1

2 x 2 = 9 −x 1 (0,4)
(1,4) (3,4)
x2 ≤ 4
(3,3)
x2 = 92 − 12 x1
x2 ≤ 92 − 12 x1
Região Limitada x2 ≥ 0
(0,0) (3,0) x1
x1 ≥ 0
30
 Programação Linear
Solução Gráfica

x2 Z = 21 = 5 x1 + 2 x2

(1,4)
(0,4)
(3,3) = Solução
Z = 0 = 5 x1 + 2 x2
Solução Ótima
Viável

(0,0) (3,0) x1
Z = 10 = 5 x1 + 2 x2
31
 Programação Linear
Solução Gráfica - Exercício
• Considere o seguinte o problema de LP

Max 3 x1 + 3 x2
s.t. 2 x1 + 4 x2 ≤ 12
6 x1 + 4 x2 ≤ 24
x1 , x2 ≥ 0
Encontre a solução ótima.

32
 Programação Linear
Solução Gráfica - Exercício

x2 7

(0,6)6
5 6 x1 + 4 x2 ≤ 24
4

(0,3)3
2

1 2 x1 + 4 x2 ≤ 12
x2 ≥ 0 (6,0)
0 1 2 3 4 6
(0,0) (4,0)5 x1
x1 ≥ 0

33
 Programação Linear
Solução Gráfica - Exercício

x2 7
Z = 0 = 3 x1 + 3 x2
6

5
Z = 6 = 3 x1 + 3 x2
4 Z = 13,5 = 3x1 + 3 x2
3

0 1 2 3 4 5 6
x1

34
 Programação Linear
Solução Gráfica - Exercício

x2 7
Z = 0 = 3x1 + 3x2
6

5
Z = 6 = 3x1 + 3x2
4
Z = 13,5 = 3x1 + 3x2
3

0 1 2 3 4 5 6
x1

35
Exercício Recomendado 1

Max 4x1 + 3x2

s.a.
x1 + 3x2 ≤ 7
2x1 + 2x2 ≤ 8
x1 + x2 ≤ 3
x2 ≤ 2
x1, x2≥ 0

36
Exercício Recomendado 2

Max 4x1 + 8x2

s.a.
3x1 + 2x2 ≤ 18
x1 + x2 ≤ 5
x1 ≤ 4
x1, x2≥ 0

37