MODELOS DE PROGRAMAÇÃO LINEAR

Prof. Me. ELTON CÉSAR DOS SANTOS SILVA

elton-ceesar@hotmail.com
 OS PROBLEMAS DE PROGRAMAÇÃO LINEAR

• Os PPLs tratam da distribuição eficiente de recursos limitados entre

atividades, com a finalidade de atender a um determinado objetivo;

 Maximizar Lucro
FUNÇÃO OBJETIVO
 Minimizar Custo

• É necessário dizer quais as atividades que consomem cada recurso, e

em que proporção esse consumo é feito, tais informações são
fornecidas por equações e inequações.
 MODELOS DE PROGRAMAÇÃO LINEAR

• Há quatro modelos principais:

 Problema de Análise das Atividades

 Problema da Dieta
 Problema do Transporte
 Problema da Designação
 PROBLEMA DE ANÁLISE DAS ATIVIDADES

• Consiste em achar 𝑥1 , 𝑥2 , … , 𝑥𝑛 que maximize a função objetivo:

𝑚 = restrição
𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛
𝑛 = variável de decisão

Satisfazendo as seguintes restrições:

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 ≤ 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 ≤ 𝑏2
…
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 ≤ 𝑏𝑚
E que
𝑥1 ≥ 0; 𝑥2 ≥ 0; ... ; 𝑥𝑛 ≥ 0
 PROBLEMA DE ANÁLISE DAS ATIVIDADES

• Pode-se representar de forma mais compacta, ou seja:

𝑛
𝑀𝑎𝑥 𝑍 = 𝑗=1 𝑐𝑗 𝑥𝑗

Sujeito à:
𝑛
𝑚 é fixo na
𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 𝑖 = 1,2, … , 𝑚 restrição
𝑗=1

𝑥𝑗 ≥ 0 (𝑗 = 1,2, … , 𝑛)
 PROBLEMA DE ANÁLISE DAS ATIVIDADES

• Este modelo pode ser associado a uma empresa que tem 𝑚 recursos
disponíveis para a realização de 𝑛 atividades. Suponha-se que as
atividades sejam fabricação de produtos.

• Tem-se, então, para 𝑗 = 1,2, … , 𝑛 e 𝑖 = 1,2, … , 𝑚:

• 𝑏𝑖 − quantidade do recurso 𝑖 disponível para as 𝑛 atividades (𝑏𝑖  0);
• 𝑥𝑗 − nível de produção da atividade 𝑗. Os 𝑥𝑗 são incógnitas;
• 𝑐𝑗 − lucro unitário no produto 𝑗;
• 𝑎𝑖𝑗 − quantidade do recurso 𝑖 consumida na produção de uma
unidade do produto 𝑗.
 PROBLEMA DE ANÁLISE DAS ATIVIDADES

• A função objetivo (a ser maximizada) representa o lucro total da

empresa nessas n atividades;

• As 𝑚 restrições informam que o total gasto do recurso 𝑖 nas 𝑛

atividades tem de ser menor ou igual à quantidade 𝑏𝑖 disponível do
recurso;

• As restrições 𝑥𝑗 ≥ 0 (𝑗 = 1,2, … , 𝑛) eliminam a possibilidade de

níveis negativos para as diversas atividades.
 PROBLEMA DA DIETA

• Consiste em achar 𝑥1 , 𝑥2 , … , 𝑥𝑛 que minimize a função objetivo:

𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛 𝑚 = restrição
𝑛 = variável de decisão

Satisfazendo as seguintes restrições:

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 ≥ 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 ≥ 𝑏2
…
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 ≥ 𝑏𝑚
E que
𝑥1 ≥ 0; 𝑥2 ≥ 0; ... ; 𝑥𝑛 ≥ 0
 PROBLEMA DA DIETA

• Pode-se representar de forma mais compacta, ou seja:

𝑛
𝑀𝑖𝑛 𝑍 = 𝑗=1 𝑐𝑗 𝑥𝑗

Sujeito à:
𝑛
𝑚 é fixo na
𝑎𝑖𝑗 𝑥𝑗 ≥ 𝑏𝑖 𝑖 = 1,2, … , 𝑚 restrição
𝑗=1

𝑥𝑗 ≥ 0 (𝑗 = 1,2, … , 𝑛)
 PROBLEMA DA DIETA
• Este modelo pode ser associado a uma pessoa que deseja minimizar o custo
da sua dieta diária. As atividades representam os consumos dos alimentos que
poderão entrar na dieta, e os recursos são as vitaminas que não podem deixar
de ser supridas pela dieta.

• Tem-se, então, para 𝑗 = 1,2, … , 𝑛 e 𝑖 = 1,2, … , 𝑚:

• 𝑥𝑗 − quantidade do alimento 𝑗 na dieta. Os 𝑥𝑗 são incógnitas;
• 𝑏𝑖 − quantidade mínima da vitamina 𝑖 que deve ser obtida dos 𝑛
alimentos;
• 𝑐𝑗 − custo unitário do alimento 𝑗.
• 𝑎𝑖𝑗 − quantidade da vitamina 𝑖 fornecida por uma unidade do alimento 𝑗.
 PROBLEMA DA DIETA

• A função objetivo (a ser minimizada) representa o custo total da dieta

a ser realizada com os n alimentos;

• As 𝑚 restrições informam que o total da vitamina 𝑖 obtida dos 𝑛

alimentos tem de ser maior ou igual à quantidade mínima (𝑏𝑖 ) daquela
vitamina;

• As restrições 𝑥𝑗 ≥ 0 (𝑗 = 1,2, … , 𝑛) eliminam a possibilidade de

níveis negativos para os alimentos.
 PROBLEMA DO TRANSPORTE

• O modelo dos transportes tem por objetivo minimizar o custo total do

transporte necessário para abastecer 𝑛 centros consumidores (destinos),
a partir de 𝑚 centros fornecedores (origens).

Fonte: Taha (2008)

 PROBLEMA DO TRANSPORTE

• Para 𝑗 = 1,2, … , 𝑛 e 𝑖 = 1,2, … , 𝑚:

• 𝑐𝑖𝑗 − custo unitário de transporte da origem 𝑖 para o destino 𝑗;

• 𝑎𝑖 − quantidade disponível na origem 𝑖;

• 𝑏𝑖 − quantidade requerida no destino 𝑗;

• 𝑥𝑖𝑗 − quantidade a ser transportada da origem 𝑖 para o destino 𝑗. Os 𝑥𝑖𝑗

são incógnitas.
 PROBLEMA DO TRANSPORTE
• O problema consiste em achar os valores de 𝑥𝑖𝑗 que minimiza o custo total
do transporte.
𝑀𝑖𝑛 𝑍 = 𝑚 𝑛
𝑖=1 𝑗=1 𝑐𝑖𝑗 𝑥𝑖𝑗
Sujeito à:
𝑛
𝑛 é fixo
𝑥𝑖𝑗 = 𝑎𝑖 𝑖 = 1,2, … , 𝑚 (origem)
𝑗=1
𝑚

𝑥𝑖𝑗 = 𝑏𝑗 𝑗 = 1,2, … , 𝑛 𝑚 é fixo

(destino)
𝑖=1

𝑥𝑖𝑗 ≥ 0 𝑖 = 1,2, … , 𝑚 (𝑗 = 1,2, … , 𝑛)

 PROBLEMA DA DESIGNAÇÃO
• O problema da designação é um caso particular do problema do transporte,
em que:

𝑚=𝑛
𝑎1 = 1 para 𝑖 = 1,2, … , 𝑚
𝑏1 = 1 para 𝑗 = 1,2, … , 𝑛

Exemplo: quando há tarefas a serem

designadas (alocadas) para funcionários,
como operadores para máquinas ou
atendentes de caixas em supermercados,
etc.
 PROBLEMA DA DESIGNAÇÃO
𝑛 𝑛
𝑀𝑖𝑛 𝑍 = 𝑖=1 𝑗=1 𝑐𝑖𝑗 𝑥𝑖𝑗
Sujeito à:
𝑛

𝑥𝑖𝑗 = 1 𝑖 = 1,2, … , 𝑛
𝑗=1
𝑛

𝑥𝑖𝑗 = 1 𝑗 = 1,2, … , 𝑛
𝑖=1

𝑥𝑖𝑗 ≥ 0 𝑖 = 1,2, … , 𝑛 (𝑗 = 1,2, … , 𝑛)

 PROBLEMA DA DESIGNAÇÃO

• Este modelo tem o nome de problema da designação porque a sua solução

vai indicar qual a origem 𝑖 que foi designada para abastecer o destino 𝑗.

𝑥𝑖𝑗 =1 se a origem 𝑖 for designada para o destino 𝑗,

=0 caso contrário.
 EXEMPLO: Problema de Transporte

• Uma empresa que produz açúcar tem uma fábrica em São Carlos e outra em
Araraquara (F1 e F2) e 3 clientes espalhados pelo estado de São Paulo, que
chamaremos de C1, C2 e C3.
• A fábrica de São Carlos produz (p1) 50 toneladas de açúcar por semana,
enquanto que a fábrica de Araraquara produz (p2) 100 toneladas.
• Cada cliente possui uma demanda dj (em toneladas, por semana) por
açúcar, dada pela tabela abaixo:

C1 C2 C3
20 60 40
 EXEMPLO: Problema de Transporte

• O custo cij , em reais, de enviar uma tonelada de produto de cada fábrica i

para cada cliente j é dado pela tabela abaixo:

C1 C2 C3
F1 35 20 40
F2 90 55 70

• O problema é determinar quanto açúcar enviar, em uma semana, de cada

fábrica para cada cliente de modo a satisfazer todas as restrições e
minimizar o custo total.
 EXEMPLO: Problema de Transporte
• Para modelar este problema matematicamente, vamos definir variáveis xij que
terão como valor a quantidade de toneladas de açúcar enviadas, em uma
semana, da fábrica Fi para um cliente Cj .

• Com as variáveis definidas, podemos definir nossa função objetivo. Esta é uma
função de IR6 em IR que, dados os valores das variáveis xij devolve o custo.

• Usando os custos de transporte de cada fábrica para cada cliente, podemos

definir a função objetivo como:

f (x ) = 35x11 + 20x12 + 40x13 + 90x21 + 55x22 + 77x23

• No caso deste problema, desejamos minimizar a função objetivo.

 EXEMPLO: Problema de Transporte

Agora precisamos definir quais são as restrições do nosso problema.

Teremos 3 grupos de restrições:

• As restrições do primeiro grupo servirão para garantir que uma fábrica
não envie mais produtos do que é capaz de produzir;
• As restrições do segundo grupo irão garantir que as demandas de cada
cliente serão atendidas;
• As restrições do terceiro grupo irão garantir que a quantidade de
produto enviada de uma fábrica a um cliente nunca é negativa.
 EXEMPLO: Problema de Transporte

• Para garantir que a fábrica F1 não envie mais produtos do que é capaz
de produzir (50 toneladas), temos a restrição

• x11 + x12 + x13 ≤ 50

• Analogamente, para garantir que a fábrica F2 não envie mais produtos

do que é capaz de produzir (100 toneladas), temos a restrição

• x21 + x22 + x23 ≤ 100

 EXEMPLO: Problema de Transporte

• Para garantir que o cliente C1 receba a quantidade de produto desejada (20

toneladas), temos a restrição

• x11 + x21 = 20

• Analogamente, para garantir que os clientes C2 e C3 recebam as quantidades

de produtos desejadas (60 e 40 toneladas, respectivamente), temos as
restrições

• x12 + x22 = 60,

• x13 + x23 = 40.

 EXEMPLO: Problema de Transporte

• Por fim, para garantir que as quantidades de produto enviadas de cada

fábrica Fi para cada cliente Cj não seja menor que zero, temos as
restrições

x11 ≥ 0,
x12 ≥ 0,
x13 ≥ 0,
x21 ≥ 0,
x22 ≥ 0,
x23 ≥ 0.
 EXEMPLO: Problema de Transporte

• Então, nosso modelo para este problema de transporte fica:

Minimizar 35x11 + 20x12 + 40x13 + 90x21 + 55x22 + 77x23

sujeita à:
x11 + x12 + x13 ≤ 50, (capacidade)
x21 + x22 + x23 ≤ 100,
x11 + x21 = 20, (demanda)
x12 + x22 = 60,
x13 + x23 = 40,
x11, x12, x13, x21, x22, x23 ≥ 0.
 EXEMPLO: Problema de Transporte

• Para este modelo, a solução é

• x11 = 20, x12 = 0, x13 = 30,

• x21 = 0, x22 = 60, x23 = 10.

• O custo total para enviar todas as toneladas necessárias de açúcar

para os clientes será de R$ 5.970,00.
 ATIVIDADE PROPOSTA

• Modelar os PPLs e obter as soluções ótimas através do solver.

Prof. Me. ELTON CÉSAR DOS SANTOS SILVA
elton-ceesar@hotmail.com