2021

2022

ENGENHARIA DE COMPUTAÇÃO

OTIMIZAÇÃO I

INTRODUÇÃO

Maurílio Alves Martins da Costa

maurilioamc@gmail.com
 Introdução
Otimização é uma técnica utilizada para reduzir erros, desperdícios
de tempo e de recursos. Trata-se de um conjunto de ações para
aumentar o desempenho de processos identificando oportunidades
de melhorias, encontrando maneiras de aperfeiçoar os processos e
buscar melhores resultados do que os até então existentes.

A otimização encoraja a avaliação os

processos permitindo criar novas
formas de realizar um trabalho.

Sinônimos de otimizar: melhoria, melhoramento, melhora, desenvolvimento,

aperfeiçoamento, aprimoramento, aprimoração, potencialização, incremento, incrementação,
fortalecimento, intensificação, upgrade. Fonte: https://www.sinonimos.com.br/
 Introdução
Benefícios da otimização :

❑ Redução de Custos: Otimizar os processos possibilita a identificação e

eliminação de desperdícios. A partir do momento que você conhece os
problemas e suas causas, consegue traçar um plano de ações para
resolvê-los.

❑ Melhoria de Resultados: Permite oferecer maior qualidade aos

clientes por um custo reduzido, através de um trabalho de alto valor.
Por consequência, a empresa consegue se posicionar melhor no
mercado, se destacar de seus concorrentes e aumentar as vendas.
Além disso, o cliente tem uma experiência muito melhor e fica ainda
mais satisfeito com a sua marca.

❑ Correção de Falhas: Ajuda a garantir que haja o menor risco de erros

humanos, acidentes de trabalho, investimentos mal realizados e
reincidência de falhas nos processos
 Introdução
Em matemática e computação, o termo otimização refere-se ao
estudo de problemas em que se busca minimizar ou maximizar
uma função, f(x), através da escolha sistemática dos valores de
variáveis reais ou inteiras dentro de um conjunto viável.

Exemplo: Determinar as quantidades

de ingredientes para preparar uma
dieta alimentar que atenda as
necessidades nutricionais de um
estudante do CEFET-MG de modo
que o custo total dos ingredientes
seja o menor possível.

Em inteligência artificial, a forma como um computador "aprende" a fazer algo é,

comumente, minimizando uma "função custo" que o programador tenha especificado.
 Modelo
O ponto chave da otimização reside na construção de modelos
matemáticos a partir dos quais, escolhe-se uma técnica adequada
para resolução. Exemplos: determinação de custo mínimo para
produção, maximização de utilização de equipamentos, redução de
desperdícios de produtos, problemas de corte, empacotamento,
transporte e rotas.

Modelo genérico de uma solução ótima

A qualidade da solução resultante depende de quanto o modelo representa o sistema real.

 Modelo
O termo modelo pode ser compreendido como sendo um algoritmo
ou uma representação matemática previamente elaborada para
descrever um problema. O modelo pode ser usado para resolver
problemas que possuem similaridades, dado que as condições usadas
para a elaboração do modelo nem sempre são encontradas na
realidade. O emprego de um modelo é indicado pelos benefícios
obtidos, tais como menor custo, menor prazo para obter a solução
etc.

Modelo genérico de uma

deformação espaço tempo
de um corpo celeste.
 Modelagem
Quanto à modelagem, deve-se entender como a elaboração específica
de um algoritmo ou modelo matemático para um problema a ser
resolvido, que possui escopo e objetivos bem definidos, ou seja, será
construído um modelo sob medida ou personalizado. A modelagem
requer mais tempo para o desenvolvimento do modelo, logo precisa
de prazos maiores e possui maior custo em relação ao emprego de
modelo.

Modelagem de deformações
espaço tempo causados por
corpos celestes.
 Tipos de Modelos
Modelos conceituais: relacionam de maneira sequencial e lógica as
interações e as atividades existentes no processo em estudo, de modo
a possibilitar o estudo do processo e alcançar os objetivos definidos.
É o tipo de modelo recomendado para as etapas iniciais do processo
de modelagem.

Modelos físicos: são modelos reduzidos em escala, tais como

modelos de aeronaves, maquetes de edificações etc.

Modelo conceitual Modelo Físico

 Tipos de Modelos
Modelos simbólicos, diagramáticos ou icônicos: usam símbolos
gráficos para representar um sistema de maneira estática (o seu
comportamento no tempo não é considerado), por exemplo:
fluxograma de processo, mapas rodoviários, estações de metrô,
estações de ônibus, organograma organizacional de empresa e outros.
As suas limitações são não apresentar elementos quantitativos e não
permitir apresentar muitos detalhes. O seu uso é mais adequado para
documentar projetos e servir ferramenta de comunicação (visual).
 Tipos de Modelos
Modelos heurísticos: são construídos quando a complexidade do
problema é de tal ordem que a utilização de relações matemáticas é
inviável ou dispendiosa. Esses modelos baseiam-se em regras
empíricas ou intuitivas que, após se obter uma solução para o
problema, permitem avançar para uma solução mais aprimorada.

Modelos matemáticos: necessitam

que as informações e as variáveis
relevantes do problema sejam
quantificáveis. As grandezas são
representadas por variáveis de
decisão, e se usam expressões /
funções matemáticas para descrever
as relações entre elas e a operação
do sistema.
 Modelos Matemáticos
O modelo matemático é o que se utiliza mais nos estudos de
otimização e deve possuir variáveis suficientes para que:

❑ Os resultados atinjam seus propósitos.

❑ O modelo apresente consistência de dados.
❑ O modelo possa ser analisado no momento disponível à
sua concepção.

Num modelo matemático, quando uma das variáveis representa uma decisão a ser tomada,
o modelo é denominado de decisão. Normalmente, decisões são tomadas para se atingir
algum objetivo. Consequentemente, nos modelos de decisão adicionamos uma variável que
represente a medida de performance dos objetivos.
 Modelos Matemáticos
A modelagem matemática foi desenvolvido para simular a realidade
usando a linguagem matemática. Os modelos matemáticos se
subsidiam, por exemplo, das leis da física (como as leis de Kirchhoff
para sistemas elétricos e as leis de Newton para mecânicos).

Quanto maior é a proximidade do modelo com a realidade, mais

complexo será o modelo. Isto significa um maior numero de
parâmetros e consequentemente uma maior dificuldade tanto na
obtenção de dados a partir do modelo quanto na interpretação desses
dados gerados pelo modelo em questão.

Os modelos matemáticos podem ser classificados em determinísticos ou probabilísticos. Os

determinísticos são aqueles em que todas as variáveis relevantes são conhecidas. Nos
modelos probabilísticos, uma ou mais variáveis não são conhecidas com certeza e essa
incerteza deve ser incorporada ao modelo.
 Exemplos de Aplicação
Exemplos de aplicação de otimização na prática.

• Projeto de avião com menor peso e maior resistência mecânica;

• Projeto equipamentos de troca de calor de maior eficiência;
• Minimização do tempo de execução de um projeto (Gerenciamento de
Projetos);
• Minimização de custos de manufatura e maximização do lucro na produção.
• Estabelecimento de rotas de menor custo para a entrega dos produtos
(Problema do cacheiro viajante).
• Estabelecimento de rotas de menor custo para o tráfego urbano (Wize,
GoogleMaps).
• Busca de melhor caminho para roteamento de pacotes em uma rede de
computadores (Dijkstra e link state ) .

A otimização é um processo prático aplicado, ainda que use técnicas matemáticas e

computacionais nem sempre muito simples, o objetivo é sempre aplicado a um problema
real. Um especialista em otimização é um resolvedor de problemas.
Processo de Resolução de Problemas
Processo Simplificado de Modelagem

A validação do modelo conceitual

tem por objetivo verificar o quanto
a proposta do modelo está
adequada ao processo em estudo. A
verificação do modelo
computacional é realizada para
identificar a existência de algum
erro na programação (ou no
emprego do software). A validação
operacional é realizada para avaliar
se os dados obtidos com o modelo
são coerentes com os dados reais.
Após validado e verificado, o
modelo está apto para ser usado.
 História
As técnicas de otimização que utilizamos nos dias de hoje tem sua
origem nos esforços de guerra das forças armadas dos Estados Unidos
e Britânicas durante a Segunda Guerra Mundial. Eram utilizados
recursos estatísticos para auxiliar no fluxo das enormes quantidades
de suprimentos e na organização logísticas de produtos e tropas.
Nesse contexto o que importava era a eficácia do método, pois as
soluções tinham de ser alcançadas em tempo hábil.

Os governos reuniram cientistas que propuseram métodos matemáticos para solucionar

questões operacionais reais que as tropas enfrentavam durante a 2ª Guerra Mundial.
 História
Mas a busca de soluções ótimas faz parte da ciência em tempos bem
mais primordiais, como exemplo os modelos de Euclides para
encontrar a maior e a menor distância de um ponto a uma
circunferência, e uma forma de obter um paralelogramo de área
máxima com um dado perímetro.

Determine a área
máxima que pode
ter um retângulo de
perímetro igual a x.

Euclides de Alexandria (300 a.C.) foi um professor, matemático e escritor grego, muitas vezes
referido como o "Pai da Geometria".
 História
Quesnay, em 1759, publica o Tableau Economique que é considerado a
primeira grande tentativa de criar um modelo que descreva um
processo economico. Inovando com a apresentação de modelos e
métodos matemáticos aplicados à macroeconomia.

François Quesnay — (Méré, 4 de Junho de 1694 - Paris, 16 de dezembro de 1774) foi um

médico e economista francês que se destacou como principal figura da escola dos fisiocratas.
 História
Em 1937, John Von Neumann publicou um artigo denominado A
Model of General Economic Equilibrium que formula um modelo de
programação linear dinâmica com métodos alternativos para simular
produção simples ou conjunta. Essa obra influenciou o
desenvolvimento dos modelos dinâmicos de crescimento econômico,
propostos por Kenneth Arrow, Gerard Debreu, Paul Samuelson e
Robert Solow.
Leia mais:
a) John von Neumann: revolucionário na economia e na computação
b) Von Neumann: suas contribuições à Computação
c) A Model of General Economic Equilibrium

John von Neumann (1903 - 1957) foi um matemático, físico e cientista da computação
húngaro-americano. Ele fez importantes contribuições à matemática pura, foi pioneiro da
mecânica quântica e desenvolveu conceitos como teoria dos jogos, autômatos celulares,
máquinas auto replicantes e programação linear.
 História
O grande avanço da otimização se dá na década de 1940. George
Dantzig propôs o Método Simplex que tornou possível a
modelagem de problemas de estruturas lineares: transportes,
produção, locação de recursos e problemas de escalonamento.
Dantzig e o economista Koopmans encontraram-se na praia de Santa
Mónica e Koopmans disse: «Why not shorten “Programming in a
Linear Structure” to “Linear Programming”?» ao que Dantzig
respondeu: «That’s it! From now on that will be its name.». Nasceu
assim a designação de Programação Linear
Leia mais:
a) Programação Linear (artigo escrito por Dantzig)
b) A lenda do problema insolúvel (Gênio Indomável – Matt Damon)

George Bernard Dantzig (8 de novembro de 1914 — 13 de maio de 2005) foi um cientista

matemático norte-americano que fez contribuições para engenharia industrial, pesquisa
operacional, ciência da computação, economia e estatísticas.
 Pesquisa Operacional
Otimização é uma subárea da Pesquisa Operacional. A Pesquisa
Operacional é a área responsável pela solução de problemas reais,
através de modelos matemáticos. Busca aplicar conhecimentos de
outras disciplinas como matemática, estatística, computação para
aprimorar a racionalidade nos processos de tomadas de decisões.
 Pesquisa Operacional
A pesquisa operacional compreende um conjunto relativamente
grande de técnicas que podem ser utilizadas para resolução de
problemas. As principais são:

programação dinâmica programação linear

programação não-linear cadeias de Markov
simulação teoria da decisão
teoria das filas teoria dos jogos
grafos modelos de estoques
modelos de previsão inteligência artificial

Na área de negócios os casos de utilização da pesquisa operacional têm se concentrado nas

técnicas de programação linear e simulação. Pelo menos 70% das aplicações envolvem estas
duas áreas.
 Pesquisa Operacional (PO)
A pesquisa operacional é uma ciência aplicada voltada para a
resolução de problemas reais e complexos. Tendo como foco a
tomada de decisões, aplica conceitos e métodos de outras áreas
científicas para concepção, planejamento ou operação de sistemas a
fim de atingir seus objetivos.

Com a disseminação dos computadores observada tornou-se possível

trabalhar com grandes volumes de dados gerados pelas atividades das
empresas, tornando a representação do problema decisório cada vez
mais próxima da realidade e fazendo com que se observe o uso da PO
em um grande número de empresas.

IBM, HP, Microsoft, Gessy Lever, Nestlé, Petrobrás, Sadia, Aço Minas, Unibanco, Bradesco,
Brahma, Cosipa e Eletrobrás, são exemplos de organizações que vêm utilizando técnicas de
PO em seus gerenciamentos.
 Pesquisa Operacional
Quando nos vemos em situações nas quais uma decisão precisa ser
tomada entre um leque de opções possíveis e conflitantes, duas
alternativas se apresentam: usar a intuição gerencial ou utilizar um
processo metódico a fim de analisar as variáveis do problema para
encontrar a solução que possa ser avaliada como ótima?

As duas opções devem ser utilizadas conjuntamente

para aperfeiçoar os processos de tomada de decisões. A
intuição, quando baseada em experiências anteriores, é
especialmente relevante na seleção das informações
relevantes para o problema em questão, mas a
possibilidade de criação de possíveis cenários para
análise do problema, bem como a validação e análise
desses cenários, pode nos dar uma maior garantia da
decisão tomada. Além disso é muito mais fácil corrigir
um cenário criado de forma metodológica do que
mudar uma percepção intuitiva.
 Pesquisa Operacional
A Pesquisa Operacional (PO) busca encontrar uma solução ótima, a
melhor alternativa entre todas as opções disponíveis para um
determinado problema que podem ser de maximização ou de
minimização. Se o nosso objetivo for encontrar o maior valor
possível, temos um problema de maximização. Se o nosso objetivo for
encontrar o menor valor possível, temos um problema de
minimização.
 Pesquisa Operacional
Qual o valor positivo e inteiro de x para atender à equação:
2 x + 3 = 25

Quais os valores positivos e inteiros de x e y para atender à equação:

2 x + 3 y = 25

Qual o maior valor de x positivo e inteiro e de y positivo e inteiro para atender à equação:
2 x + 3 y = 25

Qual o menor valor de x positivo e inteiro e de y positivo e inteiro para atender à equação:
2 x + 3 y = 25

Quais os valores de x, y e z inteiros e positivos para atender à equação:

2 x + 3 y – 3z = 25
 Pesquisa Operacional
Exemplo de um problema de PO:

Fonte: GOLDBARG, M. C. & LUNA, H. P. L. ``Otimização Combinatória e Programação Linear:

Modelos e Algoritmos'', Editora Campus, Rio de Janeiro, 2000, pag 39.
 Pesquisa Operacional
Exemplo de um problema de PO:
 Pesquisa Operacional
Exemplo de um problema de PO:

Suponha que exista um produto especial que será retirado de 3

fábricas (localizadas em Fortaleza, Salvador e Vitória) e transportado
para 3 armazéns (localizados em Curitiba, Goiânia e Maceió). De
cada fábrica sairá apenas um produto, da mesma forma, cada
armazém poderá guardar apenas um produto. Como deverá ser feito
o transporte? Nesse problema estamos supondo que todos os gastos
com o transporte (combustível, desgaste etc.) são proporcionais à
quilometragem.

O objetivo é minimizar a quilometragem total.

Fonte: SOUTO-MAIOR, Cesar Duarte. Pesquisa operacional – 3. ed. – Florianópolis:

Departamento de Ciências da Administração/UFSC, 2014, pag. 13.
 Pesquisa Operacional
Para estimular o cérebro:

1. Pesquise na internet definições de Pesquisa Operacional.

2. Cite três itens que poderiam ser maximizados.
3. Cite três itens que poderiam ser minimizados.
4. Cite uma aplicação de Pesquisa Operacional na computação.

Leitura da dissertação de mestrado de Viviane Hengler Corrêa Chaves

disponibilizado nas plataformas utilizadas pelo curso com o nome de
Aula 1 – Perspectiva da PO.pdf