17 Simpsio do Programa de Ps-graduao em Engenharia Mecnica Universidade Federal de Uberlndia Faculdade de Engenharia Mecnica

PROGRAMAO LINEAR APLICADA AO PROBLEMA DE PLANEJAMENTO DE TRANSPORTE

Carlos Alberto da Silva Junior
FEMEC Universidade Federal de Uberlndia, Av. Joo Naves de vila, 2160 - Campus Santa Mnica - Bloco 1M Uberlndia/MG, CEP: 38400-902 carlosdamat@gmail.com

Sezimria Pereira de Ftima Saramago

FAMAT Universidade Federal de Uberlndia, Av. Joo Naves de vila, 2160 - Campus Santa Mnica - Bloco 1F Uberlndia/MG, CEP: 38400-902 saramago@ufu.br

Resumo: A Programao Linear amplamente usada na soluo de problemas nas mais diversas reas do conhecimento, por isto, continua sendo estudada e aprimorada. Este trabalho visa apresentar alguns conceitos envolvendo o Mtodo Simplex e sua aplicao na resoluo de um problema de transporte. Os resultados obtidos por trs cdigos comerciais (LINDO, LINPROG e MOSEK) so analisados e comparados, sendo apresentado ainda o tempo computacional e o nmero de iteraes necessrias. Palavras-chave: Otimizao, Programao Linear, Mtodo Simplex, Problema de Transporte. 1. INTRODUO O sucesso de qualquer metodologia de otimizao depende da capacidade de se tratar com problemas complexos, exigindo uma modelagem matemtica adequada para esses problemas, pois a obteno correta da funo objetivo e das restries envolvidas no problema fundamental na representao de qualquer projeto. A Otimizao Linear, tambm conhecida como Programao Linear, de grande importncia nas mais diversas reas, como na resoluo de problemas ligados ao planejamento de Transporte de cargas, distribuio de gua, etc. Este tema ainda apresenta um grande interesse de estudo, como visto nos trabalhos de Barboza (2006), Berger (2003), Costa (2005), do Couto (2004), Fukasawa (2002), Melo (2004), Pigatti (2003), Silva (2003) e Steiner (2006) e, por isto, um estudo detalhado dos mtodos de resoluo de PPL relevante. Existem vrios cdigos comerciais que podem ser utilizados na resoluo de PPL, neste trabalho so escolhidos trs destes cdigos, o MOSEK (Mathematical Optimization Software Specifed), o LinProg (Linear Programming), ambos utilizando o Software MatLab e o cdigo LINDO (Linear, Interactive and Discrete Optmizer). O vetor soluo obtido em cada cdigo, o nmero de iteraes necessrias e o tempo computacional so comparados, para que seja possvel obter informaes relevantes sobre cada um destes cdigos.

2. O MTODO SIMPLEX

17 POSMEC. FEMEC/UFU, Uberlndia-MG, 2007.

Um Problema Geral de Otimizao visa minimizar ou maximizar uma funo, chamada de Funo Objetivo, sujeita ou no a algumas restries. Estas restries podem ser restries de igualdades, desigualdades ou restries laterais. A funo objetivo e as restries podem ser funes lineares ou no-lineares; funes de uma nica varivel ou de vrias variveis; podem ser funes explcitas ou implcitas. Assim, um problema geral de otimizao pode ser definido como a seguir. Definio: Sejam F : 1 1 , G j : 2 2 ,j , H k : 3 3 ,k , onde 1 , 2 ,3 m e

1 , 2 , 3 n . Ento, um problema geral de otimizao definido por:

min imizar ou max imixar F ( x ) = [ f 1 ( x ) f 2 ( x ) L f n ( x )] Sujeita a G j ( x ) 0 , j = 1,L , s H k ( x ) = 0 , k = 1,L ,t xil xi xiu , i = 1,L , m
sendo F o vetor das funes objetivos, Gj, Hk so funes de restrio de desigualdade e igualdade, respectivamente, e xi so as variveis de projeto. Um Problema de Programao Linear (PPL) um caso particular do problema peral de otimizao, onde o objetivo deste minimizar uma funo objetivo, chamada de funo custo, sujeita a restries. O que diferencia este tipo de problema de todos os outros que todas as funes envolvidas, a Funo Custo e as restries, so funes lineares. Um vetor que satisfaz todas as restries chamado uma soluo vivel. O conjunto de todas as solues viveis chamado de conjunto vivel. A varivel xj chamada de uma varivel livre se N = {1, , n} e j N. possvel escrever um PPL em linguagem matricial. Ele dito estar na forma padro se todas as restries forem restries de desigualdade da forma (1)

aiT bi

(2)

onde aiT o vetor formado por todos os coeficientes da restrio i e bi o vetor dos termos independentes correspondendo a restrio i (recursos disponveis). Ento, para transformar todas as restries de um PPL apresentado pela Equao 2 tem-se que aiT = bi equivalente a aiT bi e

aiT bi ; toda restrio da forma aiT bi pode ser reescrita como sendo da forma aiT bi ; e xi 0 ou xi 0 so casos particulares da restrio da Equao 2, sendo que aiT o i-simo vetor unitrio e bi = 0 . Assim, um PPL pode ser escrito da forma:
min imizar sujeito a F( X ) = C T X AX b

(3)

17 POSMEC. FEMEC/UFU, Uberlndia-MG, 2007.

T a1 T a2 sendo A a matriz dos coeficientes das restries A = M T a n

, b o vetor dos recursos

b1 b disponveis b = 2 e X o vetor das variveis de projeto. M bm O conjunto soluo de um PPL uma regio convexa chamada de poliedro, sendo que em alguns problemas este poliedro pode ser limitado e em outros casos no. Os pontos extremos de um poliedro P qualquer ponto que no seja possvel achar dois vetores y , z P tais que exista [0,1] de modo que x = y + ( 1 )z . Em outras palavras, pontos extremos so equivalentes a vrtices de um poliedro. Dentre as restries que definem o poliedro, em cada vrtice, existem restries que so chamadas de ativas. Estas restries so aquelas que satisfazem aiT x* = bi , para algum i do conjunto das restries. Se existir n restries que so ativas num determinado vetor x*, ento x* satisfaz um determinado sistema de n equaes lineares e n incgnitas. Este sistema ter uma nica soluo se, e somente se, as n restries lineares forem LI, no sentido que os vetores correspondente ai so LI. Com isto, possvel apresentar a seguinte definio.

Definio: Considere um poliedro P definido por restries de igualdade e de desigualdade e seja x* um elemento do m . a) O vetor x* uma soluo bsica se: i) Todas as restries de igualdade forem ativas; ii) Dentro destas restries que so ativas em x* existem n delas que so LI. b) Se x* uma soluo bsica que satisfaz todas as restries, ento se diz que ela uma soluo bsica vivel. O Teorema a seguir apresenta uma maneira de construir solues bsicas, utilizando as colunas LI da matriz de restrio. Teorema: Considere a restrio Ax = b e x 0, e assuma que a matriz A de dimenso mxn tem linhas LI. Um vetor x n uma soluo bsica se, e somente se, tem-se que Ax = b e existem ndices B(1); ;B(m) tal que: a) As colunas AB(1); ; AB(m) so LI; b) Se i B(1); ;B(m), ento xi = 0. Assim, utilizando este Teorema possvel criar um procedimento para a construo de solues bsicas, dado pela Tabela 1. Tabela 1: Procedimento para construir solues bsicas viveis. 1 Escolha m colunas LI AB(1); ; AB(m); 2 Tome xi = 0, para todo i B(1); ;B(m); 3 - Resolva o sistema de m equaes Ax = b para os xB(1), , xB(m) desconhecidos.

17 POSMEC. FEMEC/UFU, Uberlndia-MG, 2007.

Se a soluo bsica construda por este procedimento for no negativa ento ela uma soluo bsica vivel. Se x for uma soluo bsica, ento xB(1), , xB(m) so chamadas de variveis bsicas enquanto que as demais variveis so chamadas de variveis no bsicas. Uma soluo chamada de degenerada se ela possui mais do que n restries ativas, assim no espao bidimensional uma soluo degenerada tem pelo menos trs restries ativas relacionadas a ela. Teorema: a) Considere o PPL de minimizar CTX sobre um poliedro P. Suponha que P tenha no mnimo um ponto extremo e que exista uma soluo tima. Ento, existe uma soluo tima que um ponto extremo de P. b) Considere o PPL de minimizar CTX sobre um poliedro P. Suponha que P tenha pelo menos um ponto extremo. Ento, o custo timo igual a ou existe um ponto extremo que ser timo. Teorema: Considere uma soluo bsica vivel x associada com a matriz bsica B e seja C o vetor custo reduzido correspondente. (a) Se C 0 ento x timo. (b) Se x uma soluo tima e x no degenerada ento C 0. Com isto possvel completar o Mtodo Simplex. A principal tarefa apresentar os detalhes de como se mover para uma soluo bsica vivel melhor, sempre que uma direo bsica vantajosa encontrada. Assim, utilizando o procedimento apresentado na Tabela 2 possvel encontrar as solues bsicas viveis atravs do mtodo simplex. Tabela 2: Uma Iterao do Mtodo Simplex. 1 - Inicie o processo com uma base constituda das colunas bsicas AB(1), , AB(m) e uma soluo bsica vivel associada com esta base. 2 - Calcule o custo reduzido C j = Cj CBB1Aj, para todo ndice no bsico j. Se todos forem no negativos, a presente soluo bsica tima, por isto, o algoritmo se encerra. Caso contrrio, escolha algum j para o qual C j < 0. 1 3 - Calcule u = B Aj . Se nenhuma das componentes de u positiva, temse que * = e que o custo timo tambm e, por isto, o algoritmo se finaliza. 4 - Se alguma componente se u for positiva, seja X B (i ) * = min {i =1,L,t|ui >0} u i 5 - Seja l tal que l = *. Forme uma nova base trocando AB(l) com Aj. Se y a nova soluo bsica vivel, o valor da nova varivel bsica yj = * e yB(i) = xB(i) *ui, para i l. Se o conjunto vivel no vazio e se cada soluo bsica vivel no degenerada, ento o Mtodo Simplex termina depois de um nmero finito de iteraes. Alm disso, ao terminar ou temse uma base tima B e uma soluo bsica vivel associada com este ponto timo ou tem-se achado um vetor d satisfazendo Ad = 0, d 0, CTd < 0 e que o custo timo . 3. UM PROBLEMA DE TRANSPORTE

17 POSMEC. FEMEC/UFU, Uberlndia-MG, 2007.

O PPL apresentado aqui foi proposto por Couto (2004). O objetivo deste problema maximizar os lucros obtidos na transferncia de cargas, entre vrias cidades, por uma determinada transportadora, sendo que a mesma possui uma grande frota e uma grande rea de cobertura. Neste estudo adotou-se que o custo operacional est diretamente relacionado quilometragem rodada por cada tipo de carreta e de cavalos. Por isto, no so levados em conta o peso ou o tipo de produtos transportados j que as Demandas so montadas levando em conta a quantidade e o tipo de carreta. Tambm no foi considerado a localidade do transporte e os custos particulares de cada carreta e cada cavalo e as possveis alteraes que ocorreriam devido a restries climticas, manuteno de veculos, fechamento de estradas, etc. Da mesma forma que na frota prpria, os custos da frota terceirizada esto estimados por quilmetros rodados pelo conjunto que pode atender uma demanda. Por fim, o custo dos motoristas est relacionado, tambm, com a quilometragem. O objetivo do problema definir a frota, isto , definir a quantidade de cada tipo de veculo que deve ser enviada para cada cidade, em cada uma das datas, definindo quais as cargas a serem terceirizadas para que todas as demandas sejam atendidas, de forma a maximizar os lucros na transferncia de cargas entre as cidades. As restries que tem que ser respeitadas so: a capacidade da frota agregada; atender a todas as demandas; limite do comprimento do conjunto cavalo e carreta; capacidade em nmeros de carreta, de cada filial; horrio de carregamento; viagem acima de 12 horas precisam de dois motoristas; prazo de entrega do pedido; datas de compras de veculos novos; sadas dos cavalos e carretas prprios para manuteno agendada. Na formulao do problema foi usado o modelo matemtico de multi-fluxos multi-peridicos, com restries adicionais para controlar o atendimento das demandas e a capacidade das filiais. Para resolver o problema os dados abaixo so necessrios vrios dados, sendo estes dados por V, o conjunto de todos os tipos de Cavalos; R, o conjunto de todos os tipos de Carretas; D, o conjunto de todas as demandas; N, o conjunto de todos os ns das malhas; M, o conjunto de todas as viagens (i; j) que possuem uma durao acima de 12 horas; G, o conjunto de todas as viagens (i; j) que possuem uma durao abaixo de 12 horas e que no representam veculos parados nas filiais; Fd, frete, ou ganho, para a uma carreta atender demanda d; Ctd, custo de terceirizar um conjunto, para atender demanda d; Demrd, quantidade de carretas, do tipo r, requeridas pela demanda d; Cvi;j, custo da viagem de i para j, para um cavalo do tipo v; Cri;j, custo da viagem de i para j, para um carreta do tipo r; Qvi, quantidade de cavalos do tipo v que esto disponveis na cidade i no dia de estudo; Qri, quantidade de carretas do tipo r que esto disponveis na cidade i no dia de estudo; CM, custo por hora de um motorista; Hi;j, quantidade de horas da viagem de i para j; Capi, capacidade, em nmero de carretas, da filial i. Com isto, o PPL fica definido pelas seguintes variveis de projeto: xvi;j: nmero de cavalos do tipo v, indo da cidade i para a cidade j; yri: nmero de carretas do tipo r, parada na cidade i; zr,vi,j: nmero de conjuntos cavalos do tipo v e carreta do tipo r, vazios, indo da cidade i para a cidade j; wr,v,di,j: nmero de conjuntos formados por cavalos do tipo v e carretas do tipo r, atendendo a demanda d, indo da cidade i para a cidade j; td: nmero de conjuntos terceirizados, atendendo a demanda d. Assim, a funo objetivo que representa o PPL modelado escrita conforme a Equao:

Max: FO = FO1 + FO2 FO3 FO4 FO5 FO6,

(4)

onde FO1 a equao que representa o lucro das entregas das demandas obtidos pela frota prpria e obtido pela Equao 5, FO2 o lucro das entregas das demandas obtidos pela frota terceirizada, dada pela Equao 6; FO3 o custo das viagens dos conjuntos cavalo carreta viajando vazios, dado pela Equao 7; FO4 o custo das viagens dos cavalos, sem carretas, dado pela Equao 8; FO5 e FO6 representam o custo dos motoristas com viagens acima de 12 horas e inferior a 12 horas, respectivamente, sendo dadas pelas Equao 9 e Equao 10, respectivamente.

FO1 =

iN jN rR vV dD

(Fd Cir, j Civ, j ) wir,,jv,d

(5)

17 POSMEC. FEMEC/UFU, Uberlndia-MG, 2007.

FO2 =

dD

(Fd Ct

) t

(6)

FO3 =

iN jN rR vV

(Cir, j + Civ, j ) zir,,jv

Civ, j xiv, j
H i, j wir,,jv,d + z ir,,jv + xiv, j rR vV dD (i , j )M rR vV vV

(7)

FO4 =

(8)

iN jN vV

FO5 = 2CM

(9)

FO6 = CM

H i, j wir,,jv,d + z ir,,jv + xiv, j rR vV dD (i , j )M rR vV vV

(10)

As restries s quais o PPL est sujeito esto reunidas em vrios conjuntos. O primeiro grupo de restries representa a entrada de fluxo para cada cidade, em um dia, para cavalos do tipo v, este grupo de restries, dado pela Equao 11. O conjunto de restries que representa o fluxo em cada cidade, num dia, considerando as carretas num ptio do tipo r, mostrado na Equao 12. O terceiro grupo de restries anlogo ao primeiro, sendo que as restries esto relacionadas com a conservao do fluxo para uma determinada cidade k que no representa nem o primeiro nem o ltimo dia para cavalos do tipo v, e ainda k S, k T, v V, este grupo de restries dado pela Equao 13. O quarto grupo de restries anlogo ao segundo grupo, sendo que as restries representam a conservao do fluxo para uma determinada cidade k que no considera nem o primeiro nem o ltimo dia para carretas do tipo r, e ainda k S, k T, r R, apresentadas na Equao 14. O quinto conjunto de restries, ligadas ao atendimento da demanda indo da cidade i para a cidade j, sendo d D e r R, dado pela Equao 15. O sexto grupo de restries consideram a capacidade de um ptio i, para todas as carretas i N, sendo representado pela Equao 16. Os cinco ltimos tipos de restries esto relacionados com as restries laterais, que exige que todas as variveis sejam no negativas, sendo representadas pelas Equaes 17 at 21.

g 1 : xiv, j + zir,,jv + wir,,jv ,d = Qiv , i S , v V jN rR rR dD g 2 : yir + zir,,jv + wir,,jv ,d = Qir , i S , r R jN vV vV dD

(11)

(12)

v r r , , v g 3 : xk , j + z k ,,vj + wk ,,vj ,d xiv,k + zir,kv + wir,kv ,d = Qk (13) jN rR rR dD rR rR dD iN v r r , , g 4 : y k + z k ,,vj + wk ,,vj ,d yiv + zir,kv + wir,kv ,d = Qkr iN jN vV vV dD vV vV dD

(14)

17 POSMEC. FEMEC/UFU, Uberlndia-MG, 2007.

r g 5 : t d + wir,,jv ,d = Demd vV

(15)

r, r r, g 6 : wkinv,,id + z kinv,i + y kin kinN rR vV kinN rR kinN rR vV dD v r ,v ,d r ,v wi ,kout + zi ,kout + y kout Capi k N rR vV dD kout N rR vV kout N vV out g7 : wir,,jv ,d 0 g 8 : zir,,jv 0 g 9 : xiv, j 0

(16)

(17) (18) (19) (20) (21)

g 10 : yir 0
g 11 : t d 0

Para uma melhor compreenso do PPL definido pela Equao 5 at a Equao 21, considere o problema simplificado, ou seja, considere apenas um tipo de demanda, duas cidades que so tanto cidades de sada como cidades de chegada. Alm disso, suponha que existam 3 tipos de cavalos, e 3 tipos de carretas, sendo que apenas uma destas combinaes, ultrapassa a medida permitida por lei para transitar em rodovias. Para efetuar a simulao numrica, considerado o conjunto de dados dado pela Tabela 3. Tabela 3: Dados de Entrada utilizados para resolver o PPL de transporte.

N=2 R=3 CM = R$ 10,00 Ctd = R$ 50,00 CrI,II = CrII,I = [07 09 11] QrI,II = [15 15 15] Capi = [50 50]

V=3 D=1 Fd = R$ 100,00 Demrd = [40 40 40] CvI,II = CvII,I = [10 12 14] QvI,II = [10 10 10] HI,II = [03 03]

Com o objetivo de comparao, so utilizados os cdigos MOSEK, Linprog e LINDO. Estes cdigos permitem a escolha dos mtodos de otimizao: Simplex ou Ponto Interior. Nesta pesquisa, todos os cdigos foram aplicados utilizando o mtodo Simplex. O valor da funo objetivo, o tempo gasto e o nmero de iteraes de cada um dos cdigos so apresentados na Tabela 4. Tabela 4: Resultados Obtidos para o PPL. Funo Objetivo (R$) Tempo Gasto (s) 3940 3.00 3940 2.10 3940 1.00 Nmero de Iteraes 17 24 08
7

LINDO LINPROG MOSEK

17 POSMEC. FEMEC/UFU, Uberlndia-MG, 2007.

Os vetores das variveis de projeto, relacionados com a varivel w, obtido por cada cdigo, so dado na Tabela 05. Tabela 5: Variveis de Projeto w Obtidas para o PPL. LINDO LINPROG MOSEK [0 10 0 0 0 10 10 0 0 0 10 10 0 0 0 10]T [5 0 10 0 10 0 5 0 0 0 5 0 5 5 10 5]T [0 0 1010 0 0 0 10 10 0 0 0 0 10 0 10]T

Pode-se observar que os vetores obtidos em cada um dos cdigos so diferentes, mas apresentaram o mesmo valor da funo objetivo. Mesmo sendo distintos, possvel observar que existe certa simetria entre eles, isto , as primeiras coordenadas da Tabela 4 saem da cidade I em direo a cidade II e, nos trs cdigos, foram necessrios 30 conjuntos cavalo-carreta, da frota prpria, para atender a demanda. O mesmo ocorre com o trajeto entre a cidade II e a cidade I. Em relao varivel t, os trs cdigos obtiveram a necessidade de terceirizar 25% da demanda, mostrado na Tabela 6, sendo preciso, ento, de 20 conjuntos terceirizados para atender a demanda. Tabela 6: Variveis de Projeto t Obtidas para o PPL. LINDO LINPROG MOSEK [20]T [20]T [20]T

Para todos os cdigos, na soluo tima, as variveis z (conjuntos viajando sozinhos) e x (cavalos viajando sozinhos) so nulas. Assim, a soluo tima apresentada por cada um considera que nestes casos o melhor no ter nenhum conjunto (ou cavalo) viajando vazio. Sobre as carretas paradas nos ptios, todos os cdigos deixaram o mesmo nmero de carretas em cada cidade, como visto na Tabela 7. O que diferencia uma soluo da outra apenas o tipo de carreta que fica parado, que depende do tipo de carreta que foi usado para atender a demanda s. Tabela 7: Variveis de Projeto y Obtidas para o PPL. LINDO LINPROG MOSEK [5 5 5 5 5 5]T [0 5 10 10 5 0]T [5 5 5 5 5 5]T

fcil observar que mesmo os trs cdigos tenham chegado ao mesmo valor da funo objetivo, as solues obtidas por cada um foram distintas, o que demonstra que existem infinitas solues. A maior diferena observada nas solues obtidas foi o tempo gasto e no nmero de iteraes, sendo que o cdigo MOSEK mostrou-se mais eficiente. 4. CONCLUSES O uso do mtodo simplex na resoluo de PPL sempre se mostra eficiente, visto que ele construdo de maneira sempre andar nos vrtices do poliedro que define a sua regio vivel. importante observar tambm que neste exemplo, como o nmero de variveis de projeto baixo, os cdigos foram precisos e os trs chegaram ao mesmo vetor soluo, porm alguns gastaram mais tempo computacional ou precisou de um nmero maior de iteraes.

17 POSMEC. FEMEC/UFU, Uberlndia-MG, 2007.

Outra informao importante est relacionada ao fato que para problemas com alto nmero de variveis e restries o cdigo LINDO no se torna muito recomendado, visto que ele no trabalha diretamente com as matrizes e, para sua aplicao, existe a necessidade de se escrever todas as equaes envolvida no PPL, fazendo com que este processo no seja eficiente e recomendvel para grandes problemas.

5. AGRADECIMENTOS O primeiro Autor agradece Capes pelo financiamento deste projeto. 6. REFERNCIAS Barboza, C. B e Oliveira, A. R. L., 2006, Planejamento do tratamento por radioterapia atravs de mtodos de pontos interiores, Pesquisa Operacional, Vol.26, N 1, Rio de Janeiro. Berger, R., Timofeiczyk Jr, R., Carnieri, C. Lacowicz, P. G., Sawinski Junior, J. e Brasil, A. A., 2003, Minimizao de Custos de Transporte Florestal com a utilizao da Programao Linear, Revista Floresta, Vol. 33, N 1. Costa, F. P., Souza, M. J. F. e Pinto, L. R., 2005, Um modelo de programao matemtica para alocao esttica de caminhes visando ao atendimento de metas de produo e qualidade, Revista Escola de Minas, vol.58 no.1 Ouro Preto. do Couto, P. T. B., 2004, Resoluo de problemas de transporte rodovirio de cargas utilizando programao inteira DISSERTAO DE MESTRADO, PUC-Rio. Fukasawa, R., 2002, Resoluo de problemas de logstica ferroviria utilizando programao inteira DISSERTAO DE MESTRADO, PUC-Rio. Melo, M. P.; Lima, D. P. e Pinheiro, P. R., 2004, Modelos em programao matemtica para o processamento do biscoito tipo Cracker, Cincias e Tecnologia de Alimentos, Vol.24, N 03, Campinas. Pigatti, A. A., 2003, Modelos e Algoritmos para o Problema de Alocao Generalizada (PAG) e Aplicaes DISSERTAO DE MESTRADO, PUC-Rio. Silva, G. F.; Leite, H. G.; da Silva, M. L., Rodrigues, F. L. e Santos, H. N, 2003, Problemas com o uso de programao linear com posterior arredondamento da soluo tima, em regulao florestal, Revista rvore, Vol.27 N 5, Viosa. Steiner, M. T. A.; Soma, N. Y., Shimizu, T., Nievola, J. C. e Steiner Neto, P. J.; 2006, Abordagem de um problema mdico por meio do processo de KDD com nfase anlise exploratria dos dados, Gesto e Produo, Vol.13 N 2, So Carlos.

LINEAR PROGRAMMING APPLIED TO THE PROBLEM OF TRANSPORT PLANNING

Carlos Alberto da Silva Junior
FEMEC Universidade Federal de Uberlndia, Av. Joo Naves de vila, 2160 - Campus Santa Mnica - Bloco 1M Uberlndia/MG, CEP: 38400-902 carlosdamat@gmail.com

Sezimria Pereira de Ftima Saramago

FAMAT Universidade Federal de Uberlndia, Av. Joo Naves de vila, 2160 - Campus Santa Mnica - Bloco 1F Uberlndia/MG, CEP: 38400-902 saramago@ufu.br

17 POSMEC. FEMEC/UFU, Uberlndia-MG, 2007.

Abstract: Linear programming is frequently used in the solution of problems of several areas of knowledge. Thus, It has still been studied and improved. The objective of this work is to present some concepts about the Simplex Method and its application in the resolution of a transport problem. The main theorems related with the development of this method are studied. A simple transport problem is modeled. The optimal results obtained by using three commercial codes (LINDO, LINPROG and MOSEK) are analyzed and compared, presenting the computational time and the number of iterations for each methodology. Keywords: Optimization, Linear Programming, Simplex Method, Transport Problems.

10