>

MODELAGEM MATEMÁTICA

Aula 10: Otimização

Apresentação
Na última aula, nós estudamos os métodos mais tradicionais de resolução de EDO de 1ª ordem. Vimos o método de Euler
e suas variantes, bem como o método de Runge-Kutta. Ao final da aula, nós aplicamos os métodos estudados por meio da
implementação computacional de programas em Python. 

Agora, nós veremos outro problema clássico em Engenharia – a resolução de Problema de Programação Linear. Trata-se
de uma ferramenta importante em um sem número de casos em Engenharia de Produção, de modo que o conhecimento
de técnicas computacionais pode ser decisivo em situações-problema da Engenharia. 

Nesta aula de conclusão da disciplina, você fará um estudo dos fundamentos de Otimização e o emprego de métodos
numéricos de apoio. Nosso estudo começará com problemas unidimensionais sem restrições. Em seguida, você estudará
problemas de programação linear com restrições, com apoio da solução gráfica. Por fim, você resolverá problemas
relacionados ao tema, aplicando o software Solver do Microsoft Excel.

Objetivos
Identificar os principais métodos de resolução de Problemas de Programação Linear (PPL)

Aplicar o método de resolução de PPL, por meio da implementação computacional com suporte do pacote Solver do
Microsoft Excel.

Problema de programação linear

Conforme descrito em Sucena (2019), o Problema de Programação Linear (PPL) é um método analítico empregado para
resolver problemas em que se procura alocar recursos limitados a atividades ou a identificação da solução ótima para tomada
de decisões diversas. No PPL, todas as funções definidas no modelo matemático que descreve o problema (função objetivo e
restrições do problema) devem ser lineares. A forma padrão de representação matemática do PPL é descrita a seguir:
 Min ou Max Z = c1.x1 + c2.x2 + … + cn.xn

sujeito às restrições:

a11.x1 + a12.x2 + … + a1n.xn = b1

a21.x1 + a22.x2 + … + a2n.xn = b2

am1.x1 + am2.x2 + … + amn.xn = bm

xi>= 0, i = 1, 2, …, n

Na representação anterior, considere que:

xj: variáveis de decisão para j=1,2,...n;

bj: quantidade disponível de um determinado recurso para j=1,2,...m;

n: quantidade de variáveis de decisão do modelo de PPL;

m: quantidade de restrições do modelo de PL;

Z: função-objetivo do modelo de PL

aj1.x1 + aj2.x2 + … + ajn.xn = bj → j-ésima restrição (j = 1, …, m)

Atenção! Aqui existe uma

videoaula, acesso pelo conteúdo online

 
A forma mais comum de resolução do PPL é a solução gráfica, empregada para casos simples com duas variáveis de decisão.
Veja como empregar a solução gráfica a partir da resolução do exemplo a seguir, extraído de Sucena (2019). Vamos lá:

Exemplo
Determine a solução ótima do PPL
Max Z = 3X1 + 4X2
Sujeito a:
2,5X1 + X2 ≤ 20
3X1 + 3X2 ≤ 30
X1 + 2X2 ≤ 16
X1 ≥ 0, X2 ≥ 0
Resolução:
 
1º passo - Represente as restrições no plano cartesiano x-y. Como as restrições deste problema de PL são dadas em forma de
desigualdades, então a solução gráfica do conjunto de restrições será um polígono convexo (não necessariamente fechado) que
recebe o nome de Região de Soluções Viáveis (R.S.V.). A solução ótima do problema de programação linear será um dos vértices
desse polígono.
 
2º passo - Encontre o ponto ótimo. Começa-se traçando a reta que anula a função-objetivo, ou seja, a reta que passa pela origem
(X1 = 0, X2 = 0 e Z = 0) e que corresponde a Z = 0, representando a situação mais desfavorável; em seguida procura-se o vértice
do polígono pelo qual passa a reta paralela à reta traçada anteriormente, ponto esse que deve ser o mais afastado possível (visto
que o problema é de maximização). As equações de reta que representa Z = 0 e as paralelas que se destinam ao vértice mais
afastado do polígono convexo são também conhecidas como “equações equipotenciais”.
 
3º passo - Aplicando os dois passos anteriores, verifica-se que o ponto B apresenta a solução ótima do PPL. As coordenadas
cartesianas do ponto B são x1 = 4 e x2 = 6. Assim, conforme ilustrado na Figura 1, você pode concluir que a solução ótima, dado
que x1 = 4 e x2 = 6, é Z = 3.4 + 4.6 = 36.


Figura 1 – Solução do PPL com emprego do método gráfico. (Fonte: SUCENA, 2018).
 O problema dual

Atenção! Aqui existe uma

videoaula, acesso pelo conteúdo online

Outro aspecto relevante do PPL é a possibilidade de construção do

dito problema dual. Mais do que um mero exercício matemático, o
conceito de dualidade foi uma das mais importantes descobertas no
início do desenvolvimento da Programação Linear, pois permite a
análise de sensibilidade do resultado do sistema a variações nos
valores dos coeficientes das restrições. Assim, o modelo dual
apresenta informações sobre questões econômicas relevantes em um
PPL.

Neste momento, é importante que você saiba que há um conjunto de relações simples1 que permitem transformar um
problema original (dito primal) em dual.
 Implementação com o pacote Solver – Microsoft Excel
Vamos ver agora um exemplo de resolução do PPL com suporte computacional? Para isto, nós utilizaremos o Solver,
ferramenta de análise de dados disponível no Microsoft Excel.

 
O manual de ajuda da ferramenta apresenta diversas orientações ao usuário, seja para habilitar a ferramenta, seja para modelar
um problema de programação linear e, com isto, obter a solução, caso exista.

 
Como ilustração, vamos resolver novamente o exemplo 1 desta aula, a saber:

Max Z = 3X1 + 4X2

Sujeito a:

2,5X1 + X2 ≤ 20

3X1 + 3X2 ≤ 30

X1 + 2X2 ≤ 16

X1 ≥ 0, X2 ≥ 0

A Figura 2 mostra como fica o modelo inicial deste problema de programação linear no Excel:


Figura 2 – Montagem inicial da planilha em Excel para resolução do problema de programação linear indicado no exemplo 1.
Nesta figura, é interessante perceber que:

Os valores finais de X1 e X2 estão indicados, respectivamente, em A1 e B1.

Os valores indicados em A2 e B2 são os coeficientes da função-objetivo. A célula C2, destacada em amarelo na figura,
representa o valor de Z. Inicialmente, o valor é 0, visto que A1 e B1 (ou seja, X1 e X2) não têm valores inseridos.

Em seguida, vemos os coeficientes das restrições, a saber:

A3 e B3 representam os coeficientes da 1ª restrição, enquanto C3 simboliza o produto com os valores presentes de X1 e

X2

A4 e B4 representam os coeficientes da 2ª restrição, enquanto C4 simboliza o produto com os valores presentes de X1 e

X2

A5 e B5 representam os coeficientes da 3ª restrição, enquanto C5 simboliza o produto com os valores presentes de X1 e

X2

E3, E4 e E5 indicam os termos independentes das três restrições.

Os símbolos indicados em D3, D4 e D5 aparecem como referência para ajudar o procedimento de inserção no Solver,
ainda a ser executado.

Repare que a coluna C apresenta os produtos dos coeficientes pelos valores de X1 e X2. Esta soma de produtos pode ser
representada por meio da função SOMARPRODUTO, da seguinte forma:

C2 =SOMARPRODUTO(A1:B1;A2:B2)

C3 = SOMARPRODUTO($A$1:$B$1;A3:B3)

C4 = SOMARPRODUTO($A$1:$B$1;A4:B4)

C5 = SOMARPRODUTO($A$1:$B$1;A5:B5)

Agora que já modelamos o problema de programação linear, é tempo de inserir as informações no Solver. A Figura 3
mostra como fica o problema ao final da inserção na ferramenta:


Figura 3 – Inserção do PPL do exemplo 1 no Solver.
Veja que:
O objetivo é a célula C2;

As variáveis do problema são as células A1 e B1;

As restrições são C3 <= 20, C4 <= 30 e C5 <= 16.

 
As variáveis vêm intercaladas com o sinal $ para simbolizar que se trata de valores a serem alterados ao longo da execução do
problema. Adicionalmente, vemos que o método de solução escolhido foi o LP Simplex, de acordo com o que vimos na primeira
seção desta aula.

 
Assim, clicando-se em Resolver, vemos uma nova tela, apresentada na Figura 4 exposta a seguir:


Figura 4 – Tela de resultados do Solver.

Assim, basta clicar em Resposta, depois em OK, para se ter a solução do PPL. Na Figura 5, vemos que X1 = 4, X2 = 6 e Z = 36,
exatamente como previsto, dado que já tínhamos calculado a solução com apoio do método gráfico no início desta aula.

Figura 5 – Tela com a solução do PPL (X1 = 4, X2 = 6 e Z = 36).

Atenção! Aqui existe uma

videoaula, acesso pelo conteúdo online

Atividade
1. Assinale a única alternativa que apresenta o valor de Z para o problema apresentado a seguir:

Max Z = 3X1 + 4X2

Sujeito a:

2,5X11 + X2 ≤ 20

3X1 + 1X2 ≤ 30

X1 + 2X2 ≤ 16

X1 ≥ 0, X2 ≥ 0

a) 30
b) 32
c) 34
d) 36
e) 38
2. (Petrobras - 2010) Considere o seguinte problema de Programação Linear: Minimize Z = α. X1 + β. X2

Sujeito a:

X1 ≤ 3

X1 ≤ 4

X1 + 2X2 ≥ 9

X1 ≥ 0

X2 ≥ 0

Para quais valores de α e β o problema apresenta soluções múltiplas?

a) α=2 e β=4
b) α=2 e β=1
c) α=1 e β=1
d) α=2 e β=3
e) α=3 e β=3

3. (Petrobras - 2012).Considere o seguinte problema de programação linear: Maximize: Z = x1 + 4x2

Sujeito a:

2x1 + 4x2 ≤20

−x1 + 2x22 ≤8

x1 + x2 ≤5

x1 ≥0,x2 ≥0

Verifica-se que o valor ótimo da função objetivo é

a)0
b) 9
c) 17
d) 18
e) 20
4. (Petrobras - 2011). Considere o seguinte problema de Programação Linear. Min Z = 2x1 − x2

Sujeito a:

−x1 + x2 ≤ 3

2x1 − x2 ≤ 6

x1 ≥ 0, x2 ≥ 0

Qual é a solução ótima?

a) x1 = 0 e x2 = 1
b) x1 = 0 e x2 = 3
c) x1 = 1 e x2 = 0
d) x1 = 1 e x2 = 4
e) x1 = 3 e x2 = 0

5. Assinale a única alternativa que apresenta o valor de Z para o problema apresentado a seguir: Max Z = 3X1 + 2X2

Sujeito a:

X2,5X1 + X2 ≤ 20

3X1 + 1X2 ≤ 30

X1 + 2X2 ≤ 16

X1 ≥ 0,X2 ≥ 0

a) 30
b) 32
c) 34
d) 36
e) 28

Notas

Conjunto de relações simples 1

As variáveis duais podem ser interpretadas como sendo os preços associados às restrições do problema primal;

A função objetivo do primal deve ser maximizada, enquanto a do dual deve ser minimizada;

As constantes dos segundos membros das restrições do primal são os coeficientes da função objetivo do dual;

Os coeficientes da função objetivo do primal são as constantes dos segundos membros do dual;

As restrições do primal são do tipo <=, enquanto que as do dual são do tipo >=;
 O número de variáveis do primal é igual ao número de restrições do dual;

O número de variáveis do dual é igual ao número de restrições do primal;

Os coeficientes dos primeiros membros das restrições do primal formam uma matriz que é transposta da dos
coeficientes dos primeiros membros das restrições do dual;

O dual do dual é o primal;

A matriz dos coeficientes do dual é a transposta da matriz dos coeficientes do primal; e

As variáveis de ambos os problemas são não-negativas.

Referências

SUCENA, M. P., Apostila de Pesquisa Operacional I – CCE 1012 – 2018/2.

Próxima aula

Explore mais

Conheça mais sobre o assunto nos links:

Hijazi, S. Using Solver in Excel (Office 365) to solve Linear Programming Problem; .

PHPSimplex;

Simplex Programação Linear.