Escolar Documentos
Profissional Documentos
Cultura Documentos
Página | 10
1
IO - Aulas TP
Página | 23
2
IO - Aulas TP
Página | 19
9
19
Problema de Transportes
Como deve o produtor enviar o seu produto das várias origens para os vários destinos de modo a
minimizar o custo total de transporte?
Origens i Destinos j
6
IO - Aulas TP
Página | 76
Com,
cij – custos reduzidos; coeficientes da função objetivo em cada iteração uma vez reduzido o
sistema de eixos em cada iteração (à semelhança do método simplex)
Destinos j
(procura)
D1 D2 … Dn
ci
O1
j
𝑐̅𝑖̅𝑗 Xij a1
O2
a2
Origens i
(oferta)
…
…
Om
am
b1 b2 … bn
Exercício exemplo
7
IO - Aulas TP
Página | 86
Procura
d 100 50 200
einertes
(m3/dia)
Produção
de 140 110 100
inertes
(m3/dia)
8
IO - Aulas TP
Página | 96
Portalegre 4 3 3.2
Variáveis de Decisão:
𝑥11 +𝑥 + 𝑥31 =
21 100
9
IO - Aulas TP
Página | 10
6
𝑥12 + 𝑥22 + 𝑥32 = 50
4 3 3.2
Portalegre 140
10
IO - Aulas TP
Página | 11
6
Ao contrário da resolução pelo método simplex, a resolução pelo algoritmo de transportes não
começa na origem do sistema de eixos (se assim fosse todas as variáveis seriam nulas, já que o
problema de transportes não usa variáveis adicionais para além das variáveis de decisão). Em
alternativa, escolhe-se uma qualquer solução básica admissível (SBA) do problema para iniciar a
sua resolução. Uma solução é básica e admissível se cumprir todas as restrições doproblema e se
tiver o número correto de variáveis básicas (VB). Um problema de Transportes tem tantas VBs
como o número de restrições menos uma. Na resolução pelo método simplex um problema tem
tantas VBs como restriçõesmas no problema de transportes uma das restrições é redundante, sendo,
portanto, o número de variáveis básicas igual ao número de restrições menos 1 (condição necessária
e suficiente para que um problema de transportes tenha solução admissível).
(um de entre os diversos métodos que existem para encontrar uma SBAinicial)
100 50 200
0 40 60
0 0
11
IO - Aulas TP
Página | 12
6
100 50 200
0 0 60
12
IO - Aulas TP
Página | 13
6
Aqui não podemos usar os coeficientes da função objetivo pois os coeficientes presentes na tabela
são apenas válidos para o sistema de equações quando se começa a resolver o problema na origem
do sistema de eixos. Assim, no problema de transportes recorre-se ao problema Dual e
Usamos a dualidade para calcular o valor dos coeficientes da função objetivo em cada iteração (𝑐𝑖𝑦).
Sujeito a:
para todos os i= 1,…,m e j=1,…,n
Por isso,
• Para as VB’s (𝒙𝒊𝒋 ≥ 𝒐): como os seus coeficientes na função objetivo em cada iteração do problema primal
são nulos (𝑐𝑖𝑗=0), então as variáveis de folga das restrições correspondentes do problema dual são nulas
(sij=0), logo:
13
IO - Aulas TP
Página | 14
aos Teoremas da Dualidade para encontrar os coeficientes da função objetivo em cada 6
iteração –
os chamados custos reduzidos (𝑐̅𝑖̅𝑦 ). Para mais detalhes sobre a Dualidade ver secção 3 - Teoremas
da Dualidade)
14
IO - Aulas TP
Página | 15
6
Solução não é
ótima.VBE – x32
VBS - ?
4 3 3.
2 u1=3.2
2. 0.8 0 140
2
2. 2.4 3.
2 4 u2=3.4
0. 0 50- 0 60+
2
15
IO - Aulas TP
Página | 16
6
2. 2.5 VBE 3. VBS
2 6 u3=3.6
0 100 - + 0 0-
0.1
Quadro da 2ª iteração
4 3 3.
2 u1=3.2
2. 0.8 0 140
1
2. 2.4 3.
2 4 u2=3.4
0. 0 50 0 60
1
2. 2.5 3.
2 6 u3=3.5
0 100 0 0 0.
1
Solução ótima
16
IO - Aulas TP
Página | 17
6
1ª Quadro
ui
0,3
0,4
4 3 3,2
140
vi 1,9 2,1 3,2
2,1 0,9 0
Solução: x13=140; x21=100; x22=10; x32=40; x33=60
2,2
Solução 2,4de crescimento negativas
não é optima (há taxas 3,4
VBE - x23
VBS - ? min - =10 VBS - x22 = 10
-0,1 0 40 0 60 0,4
vi 2,1 3,2
VBE - x31
VBS - ? min - =50 VBS - x33 = 50
3º Quadro
ui
0,2
0,2
vi 4 3
2,3 3,2
3,2
2
Solução: x13=140; 0, x31=50; x32=50 0
x21=50; x23=60; 140
Solução não é optima (há taxas de crescimento negativas)
9
VBE - x22
VBS - ? min - =50 VBS - x21 = 50
2,2 2, 3,4
3º Quadro
4 ui
0 100 0, 0 10
0,2
1
0,3
2,2 2,5 3,6
vi 1,9 2,2 3,2
17
IO - Aulas TP
Página | 18
6
4 3 3,
2 0,7 2
0 140
2,2 2,4 3,
50
0 -0,1 4
0 60
2,2 2,5 3,6
0 50 0 50 0,2
4 3 3,
2,1 0,8 2
0 140
2, 2,4 3,
50
2 0 4
0, 0 60
1
2,2 2,5 3,6
0 100 0 0 0,1
18
IO - Aulas TP
Página | 19
6
Modelo Matemático
m n
i j
Sujeito a:
Restrições de não negatividade para todas as variáveis (todas as variáveis são não negativas e inteiras)
xij ∈ {0,1}
Estes problemas de programação linear são ideais, por exemplo, para formular situações em que
19
IO - Aulas TP
Página | 20
existe um certo número de operários a afetar ao desempenho do mesmo número de tarefas6 (um
Assim, se xij=1, o operário i efetua a tarefa j, e se xij=0 o operário i não efetua a tarefa j.
Se representarmos por cij o tempo que o operário i demora a desempenhar a tarefa j, o objetivo
consiste em distribuir as tarefas pelos operários, de forma a que a soma dos tempos por eles
despendidos seja mínima. Os problemas de afetação podem, como é evidente, ser tratados como
problemas de transportes.
cij’ = cij – pi - qj
Usando os coeficientes cij’ na função objetivo obtêm-se os mesmos valores ótimos para xij do que
quando se usa cij:
20
IO - Aulas TP
Página | 21
6
(passos elementares)
21
IO - Aulas TP
Página | 22
6
22
IO - Aulas TP
Página | 23
6
É impossível abastecer um (ou mais) destino(s) a partir de uma (ou mais) origens
o Atribui-se a esse custo um valor muito elevado, o que impede o estabelecimento dessa ligação (M
A empresa de construção Constrói-Muito, Lda. (CM) está neste momento a construir edifícios de
luxo em 3 cidades:Vila Real, Braga e Coimbra. Na construção desses edifícios é utilizado mármore
de alta qualidade importado de Itália. O mármore chega ao porto de Leixões por barco, e tem então
de ser transportado para cada obra por camioneta. A empresa CM pediu orçamentos para o
transporte do mármore a 3 firmas diferentes e obteve a seguinte tabela de preços:
Sempre-Rápido (I) 7 4 10
Empacota-Mal (II) 5 3 9
Empacota-Bem (III) 6 5 9
O consumo diário de mármore é respetivamente de 1800, 1000 e 800 Kgs em Vila Real, Braga e
Coimbra. A quantidade máxima que cada firma pode transportar por dia é respetivamente de 1200,
1600 e 2400 Kg para as firmas I, II e III.
Partindo do princípio que a empresa CM não tem preferência especial por qualquer das
transportadoras, formule o problema de forma a minimizar os custos.
A empresa Empacota-Bem garante a entrega dos materiais sempre em excelentes condições. Por essa
razão, a CM tem preferência por essa empresa. Como formula o problema neste caso?
23
IO - Aulas TP
Página | 24
6
7 4 10 0
I 1200
5 3 9 0
II 1600
6 5 9 0
III 2400
24
IO - Aulas TP
Página | 25
6
7 4 10 0
I 1200
5 3 9 0
II 1600
6 5 9 M
III 2400
Exercício 19
Os custos de transporte por unidade são os indicados na tabela seguinte (expressos em unidades
monetárias):
P Q R S
A 3 4 10 3
B 3 9 4 5
C 6 3 7 2
25
IO - Aulas TP
Página | 26
6
Como deve o produtor enviar o seu produto das fábricas para os armazéns de modo a minimizar o
custo total de transporte?
Exercício 20
26
IO - Aulas TP
Página | 27
6
D1 1
D2 0
D3 1
D4 3
45
1 -1 4
O1 20
5 1 4 7
60
25 25 30 45
é uma solução básica ótima. Se não for, determine a solução ótima do problema.
O problema tem soluções ótimas alternativas? Justifique a sua resposta. Se a resposta for
afirmativa, determine uma solução ótima diferente da apresentada na alínea anterior.
Exercício 21
Custos Destin
Transpor os
te 1 2 3 4 5
1 3 1 1 6 3
2 2 9 4 6 1
Origens
3 1 5 3 0 1
4 4 1 0 3 3
27
Estão disponíveis em cada origem 4, 2, 4 e 2 unidades, respetivamente. Em cada destinoIOsão
- Aulas TP
pedidas 5,
Página | 28
2, 1, 2 e 2 unidades respetivamente. 6
Exercício 22
Num gabinete de projetos existem quatro desenhadores para desenhar quatro projetos. Embora
todos possam cumprir essas tarefas, as suas eficiências relativas variam de trabalho para trabalho.
Com base em desempenhos já conhecidos, produziu-se a seguinte tabela de custos:
1 2 3 4
P 8 7 9 9
1
P 5 2 7 8
2
P 6 1 4 9
3
P 2 3 2 6
4
28
IO - Aulas TP
Página | 29
6
Exercício 23
O quadro seguinte apresenta a pontuação de cada ginasta nacional (G1, G2, G3 e G4) para cada
uma das diferentes modalidades olímpicas (A, B, C, D). O quadro foi construído pelo treinador da
equipa nacional e usa com referência a pontuação obtida por cada um dos ginastas nas diferentes
modalidades em que competiu no último campeonato nacional. É sabido que o Ginasta G1 não
está em condições de participar na modalidade C.
A B C D
G 8 9 - 1
1 0
G 10 8 8 8
2
G 10 10 6 7
3
G 8 8 6 9
4
Sabendo que cada ginasta só pode participar numa modalidade e que todas as modalidades só têm
competições individuais, identifique a distribuição de atletas pelas modalidades que maximiza a
pontuação da equipa.
Exercício 24
Uma fábrica possui 4 locais (1, 2, 3 e 4) para receber 3 máquinas novas (A, B e C). O local 4 é
demasiado pequeno para conter a máquina A. O custo de manipulação dos materiais que são
processados nas máquinas, em centenas de euros/hora, envolvendo cada máquina e as respetivas
posições, é o seguinte:
29
IO - Aulas TP
Página | 30
6
1 2 3 4
A 5 1 3 n. adm.
B 3 1 4 3
C 3 3 4 2
O objetivo consiste em determinar que local ocupará cada uma das novas máquinas de forma a
minimizar o custo total de manipulação dos materiais.
Exercício 25
Um gabinete de gestão de projetos foi contratado pelas Estradas de Portugal para lhe dar apoio
especializado durante a construção de uma grande autoestrada na Região Interior. Há 4 tarefas
principais que a equipa de gestão de projetos terá a seu cargo:
O chefe do gabinete tem quatro engenheiros disponíveis para integrar esta equipa e deve decidir
como distribui-los pelas diferentes tarefas. Considerou boa ideia atribuir uma nota por tipo de
tarefa a cada um dos engenheiros,
30
IO - Aulas TP
Página | 31
6
baseada no seu desempenho em projetos anteriores. O Eng.º António e a Eng.ª Carla não têm
qualquer experiência de Controlo de Custos e Revisão de Projeto, respetivamente, pelo que são
automaticamente excluídos dessas tarefas.
Antóni 5 5 n. adm. 2
o
Bernar 7 4 2 3
do
Carla 9 3 5 n. adm.
Daniel 7 2 6 7
Exercício 26
Duas empresas farmacêuticas têm stocks de 1,1 e 0,9 milhões de doses de uma determinada
vacina contra a gripe, e uma epidemia de gripe parece iminente em três cidades.
Dado que a gripe pode ser fatal para os idosos, é imperativo que os idosos sejam vacinados em
primeiro lugar; os demais cidadãos serão vacinados por ordem de chegada enquanto houver doses
de vacina disponíveis.
As necessidades da referida vacina (expressas em milhões de doses) para as três cidades são dadas
no quadro seguinte:
31
IO - Aulas TP
Página | 32
6
Cida
População-Alvo de
1 2 3
Cida
Empresas Farmacêuticas de
1 2 3
Empresa 1 3 3 6
Empresa 2 1 4 7
32
IO - Aulas TP
Página | 33
6
Exercício 27
As necessidades diárias mínimas que terão de ser obrigatoriamente satisfeitas são de 20 unidades
para o armazém A1 e de 10 unidades para o armazém A2.
Sabendo que as distâncias entre as fábricas e os armazéns estão representadas na figura seguinte
(expressas em Km), e que os custos de transporte são de 3 euros por Km, formule o problema
como um problema de transportes.
F2
2 3 10
F1 F3
3 2 3 4
A1 A2 A3
33
IO - Aulas TP
Página | 34
6
Exercício 28
MESES ENCOMENDAS
Junho 90 misturadoras
Agosto 70 misturadoras
As misturadoras feitas em determinado mês podem ser entregues nesse mês e nos que se lhe
seguem. O contrato deve ser cumprido todos os meses.
Formule o modelo que permite encontrar um programa de produção de modo a maximizar o lucro.
Determine a solução ótima.
34
IO - Aulas TP
Página | 35
6
Exercício 29
A empresa MWD gere a distribuição de água numa vasta região. Esta região é bastante árida, de
modo que a empresa MWD tem de adquirir água fora dessa região. As origens desta água são os
rios A, B e C. A empresa MWD efetua depois a distribuição e venda da água aos seus utilizadores
na região referida. Os seus principais clientes são os serviços municipalizados das cidades V, X, Y
e Z. É possível abastecer qualquer destas cidades com água proveniente de qualquer um dos rios,
com exceção da cidade Z, que não pode receber água do rio C. No entanto, devido às características
geográficas da região, o custo da distribuição da água para a empresa MWD depende quer da
origem da água quer da cidade a ser fornecida. O custo variável por m3 de água para cada
combinação de rio e cidade é dado na tabela seguinte:
Cidad Disponibilid
e ade(milhões
V X Y Z de m3)
Rio A 1 13 22 17 50
6
Rio B 1 13 19 15 60
4
Rio C 1 20 23 - 50
9
Necessidades mínimas 3 70 0 10
0
Máxi
Requerido 5 70 30 mo
0 possív
el
Apesar destas variações, o preço por m3 cobrado pela empresa MWD é independente da origem da
água, e é o mesmo para todas as cidades
35
IO - Aulas TP
Página | 36
A gestão da empresa depara-se com o problema de como alocar a água disponível 6
durante o
próximo verão. As quantidades disponíveis de água (expressas em milhões de m3) estão na última
coluna da tabela.
Os valores da última linha do quadro indicam que a cidade X não precisa de mais do que o valor
correspondente às necessidades mínimas, as cidades V e Y aceitam mais 20 e 30 milhões de m 3,
respetivamente, que as suas necessidades mínimas, e a cidade Z aceita qualquer quantidade que
vier a mais.
A gestão da empresa pretende tomar uma decisão sobre as quantidades de água a distribuir a partir
dos três rios para as quatro cidades, de modo a satisfazer, pelo menos, as necessidades básicas de
cada cidade, minimizando o custo total para a empresa.
Problema de Redes
A
representação em rede fornece uma ajuda visual e concetual poderosa para traduzir relações entre
componentes de sistemas.
A representação em rede fornece uma ajuda visual e concetual poderosa para traduzir relações entre
componentes de sistemas.
• transportes
• eletricidade
• comunicações
• produção
• distribuição
• projetos
36
• localização de instalações
INVESTIGAÇÃO OPERACIONAL
• gestão de recursos
planeamento financeiro
Terminologia de Redes
Uma rede consiste num conjunto de pontos e num conjunto de linhas que unem certos pares de pontos:
37
INVESTIGAÇÃO OPERACIONAL
Tipos de Problemas:
3. Fluxo Máximo
Os últimos dois tipos de redes usam-se para a gestão de projetos de larga escala que requerem um cuidadoso
planeamento de operações e a coordenação de numerosas atividades inter-relacionadas. Estes métodos são
utilizados para ajudar no planeamento e controlo e, por essa razão, não envolvem a otimização direta do
problema. Em alternativa, os seus objetivos são:
Identificar quais as tarefas mais problemáticas sobre as quais será necessário exercer maior controlo;
Avaliar o efeito de algumas alterações na evolução futura;
Determinar a probabilidade de cumprir determinados prazos (só PERT) Assim,
estas redes servem para:
Calendarizar as atividades a programar (definindo os tempos de início mais cedo e mais tarde e os tempos de
fim mais cedo e mais tarde);
Determinar o caminho crítico das atividades a programar, bem como as folgas nos tempos
38
IO - Aulas TP
Dualidade otimização
Geralmente, o termo "problema dual" refere-se ao problema dual de Lagrange, mas outros problemas duais
são usados - por exemplo, o problema dual de Wolfe e o problema dual de Fenchel. O problema dual de
Lagrange é obtido pela formação do Lagrangeano de um problema de minimização usando multiplicadores
de Lagrange não-negativos para adicionar as restrições à função objetivo e, em seguida, resolvendo os
valores primários das variáveis que minimizam a função objetivo original. Essa solução fornece as variáveis
primárias como funções dos multiplicadores de Lagrange, que são chamadas de variáveis duais, de modo
que o novo problema é maximizar a função objetivo com relação às variáveis duais sob as restrições
derivadas nas variáveis duais (incluindo pelo menos a não-negatividade restrições).
igual a . Este valor é sempre maior que ou igual a 0. O gap de dualidade é zero se e somente se
a dualidade forte for válida. Caso contrário, a lacuna é estritamente positiva e a dualidade é fraca.
Na otimização computacional, outro "gap de dualidade" é frequentemente relatado, que é a diferença de
valor entre qualquer solução dual e o valor de uma iteração factível, mas sub-ótima, para o problema
primordial. Essa alternativa "gap de dualidade" quantifica a discrepância entre o valor de uma iteração
factível, mas sub ótima, para o problema primordial e o valor do problema dual; o valor do problema duplo
é, sob condições de regularidade, igual ao valor do relaxamento convexo do problema primário: o
relaxamento convexo é o problema que surge substituindo um conjunto viável não convexo por seu casco
convexo fechado e com a substituição de uma função não-convexa com o seu fechamento convexo, que é a
função que tem a epígrafe que é o casco convexo fechado da função objetivo primitiva original.
Caso linear
Artigo principal: dual linear program
Problemas de programação linear são problemas de otimização nos quais a função objetivo e
as restrições são todas lineares. No problema primal, a função objetivo é uma combinação linear de n
variáveis. Existem m restrições, cada uma das quais coloca um limite superior em uma combinação linear
das n variáveis. O objetivo é maximizar o valor da função objetiva sujeita às restrições. Uma solução é
um vetor (uma lista) de n valores que alcança o valor máximo para a função objetivo.
No problema dual, a função objetivo é uma combinação linear dos valores m que são os limites nas restrições
39
IO - Aulas TP
m do problema primal. Existem n restrições duplas, cada uma das quais coloca um limite inferior em uma
combinação linear de m variáveis duplas.
Relações primais-duais
No caso linear, no problema primal, de cada ponto sub-ótimo que satisfaz todas as restrições, existe uma
direção ou subespaço de direções para mover que aumenta a função objetivo. Movendo-se em tal direção é
dito para remover a folga entre a solução candidata e uma ou mais restrições. Um valor inviável da solução
candidata é aquele que excede uma ou mais das restrições.
No problema dual, o vetor dual multiplica as restrições que determinam as posições das restrições no primal.
Variar o vetor dual no problema dual é equivalente a revisar os limites superiores no problema primal. O
limite superior mais baixo é procurado. Ou seja, o vetor dual é minimizado para remover a folga entre as
posições candidatas das restrições e o ótimo real. Um valor inviável do vetor dual é aquele que é muito
baixo. Define as posições candidatas de uma ou mais das restrições em uma posição que exclui o ótimo real.
Esta intuição é formalizada pelas equações em Programação Linear: Dualidade.
Caso não linear
Na programação não linear, as restrições não são necessariamente lineares. No entanto, muitos dos mesmos
princípios se aplicam.
Para garantir que o máximo global de um problema não linear possa ser identificado facilmente, a
formulação do problema frequentemente requer que as funções sejam convexas e tenham conjuntos de nível
mais baixo compactos.
Este é o significado das condições de Karush-Kuhn-Tucker. Eles fornecem condições necessárias para
identificar ótimos locais de problemas de programação não linear. Existem condições adicionais
(qualificações de restrição) que são necessárias para que seja possível definir a direção para uma solução
ótima. Uma solução ótima é aquela que é um ótimo local, mas possivelmente não é um ótimo global.
40
IO - Aulas TP
A Programação Dinâmica
A Programação Dinâmica procura resolver o problema de otimização através da análise de uma seqüência de
problemas mais simples do que o problema original.
A resolução do problema original de N variáveis é caracterizado pela determinação de uma variável e pela resolução
de um problema que possua uma variável a menos (N-1). Este por sua vez é resolvido pela determinação de uma
variável e pela resolução de um problema de N-2 variáveis e assim por diante. O problema a ser resolvido é do tipo:
-existem N atividades ou estágios numerados de 1 a N.
41
IO - Aulas TP
Bibliografia
Tavares, L. V.; Oliveira, R. C.; Themido, I. H.; Correia, F. N. , Investigação Operacional, McGraw-Hill
42
Conclusão
Ao longo do meu trabalho concluímos que problemas de transportes ele está associado qualquer tipo de
bem proveniente de um conjunto de fornecedores (denominados origens) para um conjunto de clientes
(denodos destinos).
Assim, uma origem i (i = 1, 2, …, m) pode fornecer ai unidades de um dado bem aos vários destinos, e um
determinado
43