1

CONTEÚDOS DESTA AULA

TEMA 2
Modelos e métodos numéricos de
otimização

OBJETIVOS DESTA AULA

• Apresentar o conceito de modelagem em análises

determinísticas.
• Principais elementos na modelagem
determinística: Função objetivo, variáveis e
restrições.
• Apresentação do método gráfico
 3
Modelagem

PASSADO
INTUIÇÃO
GERENCIAL

TOMADA
DE
DECISÕES
MODELAGEM
DA SITUÇÃO

FUTURO

Modelagem

Modelagem
Construção de modelos, para representar uma situação problema.
Processo de análise e simulação de cenários, de maneira a estudar
mais profundamente um problema ou oportunidade.

MUNDO REAL

MUNDO SIMBÓLICO
SITUAÇÃO
MODELO RESULTADO DECISÕES
GERENCIAL

INTUIÇÃO
Modelagem
Tipos de modelos
• Maquetes de residências
MODELOS
FÍSICOS
• Miniaturas de aeronaves

• Mapas rodoviários
MODELOS
ANÁLOGOS
• Marcador do tanque de gasolina

• Nos modelos matemáticos ou simbólicos as

grandezas são representadas por variáveis de
MODELOS
MATEMÁTICOS
decisão e as relações entre essas variáveis por
expressões matemáticas.

Modelagem

Componentes básicos de um modelo em Programação

Linear.

1 – Variáveis de decisão que procuramos determinar.

2 – Objetivo (meta) que precisamos otimizar (maximizar ou
minimizar).
3 – Restrições que a solução deve satisfazer.
Modelagem

Componentes básicos de um modelo em Programação Linear.

VARIÁVEIS
FUNÇÃO
RESTRIÇÕES
OBJETIVO

Modelagem

Exemplo: Uma empresa fabrica 2 produtos, A e B. O volume

de venda de A é de no mínimo 80% do total de venda de
ambos. Contudo, a empresa não pode vender mais do que
100 unidades de A por dia. Ambos os produtos usam uma
matéria-prima cuja disponibilidade máxima diária é de
240Kg. A taxa de utilização da matéria-prima são 2Kg por
unidade de A e 4Kg por unidade de B. Os lucros unitários
para A e B são $20 e $50, respectivamente. Objetivo:
Maximizar o lucro.
Identifique as variáveis, restrições e a função objetivo.
Modelagem

Variáveis: Quantidade dos produto A e B

x1: quantidade do produto A
x2: quantidade do produto B
Restrições:
(i) x1 ≥ 0,8.(x1 + x2)
(ii) x1 ≤ 100
(iii) 2.x1 + 4.x2 ≤ 240
Função objetivo:
z = 20.x1 + 50.x2
MAXIMIZAR

Modelagem

Restrições - simplificando:
(i) x1 ≥ 0,8.(x1 + x2) ⇔ x1 ≥ 0,8.x1 + 0,8.x2
(i) 0,2.x1 - 0,8.x2 ≥ 0
(ii) x1 ≤ 100
(iii) 2.x1 + 4.x2 ≤ 240
(iii) x1 + 2.x2 ≤ 120
Duas outras restrições comuns:
(iv) x1 ≥ 0 CONSIDERANDO QUE NÃO
PODEMOS TER VENDAS
(v) x2 ≥ 0
NEGATIVAS
2.2 – Método Gráfico
Restrições – Análise gráfica:

2.2 – Método Gráfico

Restrições – Análise gráfica:
2.2 – Método Gráfico
Restrições – Análise gráfica:

ÁREA DO
GRÁFICO QUE
SATISFAZ TODAS
AS INEQUAÇÕES
(RESTRIÇÕES)

2.2 – Método Gráfico

Restrições – Análise gráfica:
PARA
ENCONTRAR A
SOLUÇÃO ÓTIMA
PARA O
PROBLEMA,
SIMULAR A
FUNÇÃO
OBJETIVO NOS
PONTOS
EXTREMOS
(VÉRTICES)
2.2 – Método Gráfico
Restrições – Análise gráfica:

Pontos extremos:
a – {0,0}
b – {80,20}
c – {100,10}
d – {100,0}

b
c
a
d

2.2 – Método Gráfico

Restrições – Análise gráfica:

Função objetivo:
z = 20.x1 + 50.x2
MAXIMIZAR

Pontos extremos:
a – {0,0} ⇔ z = 20.x1 + 50.x2 = 20.0 + 50.0 = 0
b – {80,20} ⇔ z = 20.80 + 50.20 = 1600 + 1000 = 2600
c – {100,10} ⇔ z = 20.100 + 50.10 = 2000 + 500 = 2500
d – {100,0} ⇔ z = 20.100 + 50.0 = 2000 + 0 = 2000
A solução ótima é o ponto B.
x1 = Quantidade do produto A = 80un.
x2 = Quantidade do produto B = 20un.
 17
Exercício 1

18
Exercício 1
 19
Exercício 1

a) RESTRIÇÕES:
i 6.x1 + 4.x2 ≤ 24
ii 1.x1 + 2.x2 ≤ 6
iii x2 ≤ x1 + 1
iv x2 ≤ 2
v x1 ≥ 0
vi x2 ≥ 0

20
Exercício 1
b) Equações:
i 6.x1 + 4.x2 = 24 x1 x2
0 6
2 3
ii 1.x1 + 2.x2 = 6 x1 x2
0 3
2 2
iii x2 = x1 + 1 x1 x2
0 1
2 3
iv x2 = 2 x1 x2
0 2
1 2
v x1 = 0 x1 x2
0 0
0 6
vi x2 = 0 x1 x2
0 0
6 0
 21
Exercício 1

22
Exercício 1

c) Lucro diário = z = 5.x1 + 4.x2

d) Maximizar o lucro
SIMULAÇÃO DOS PONTOS EXTREMOS.

P (x1;x2) z = 5.x1 + 4.x2

P1 (0;0) z = 5.0 + 4.0 z=0
P2 (0;1) z = 5.0 + 4.1 z=4
P3 (1;2) z = 5.1 + 4.2 z = 13
P4 (2;2) z = 5.2 + 4.2 z = 18
P5 (3;1,5) z = 5.3 + 4.1,5 z = 21 => ponto de máximo lucro
P6 (4;0) z = 5.4 + 4.0 z = 20
 23
Exercício 2

24
Exercício 2

FUNÇÃO OBJETIVO: Maximizar z = 8.x1 + 10.x2

RESTRIÇÕES:
i 0,5x1 + 0,5x2 ≤ 150
ii 0,6x1 + 0,4x2 ≤ 145
iii x1 ≥ 30
iv x1 ≤ 150
v x2 ≥ 40
vi x2 ≤ 200
 25
Exercício 2
Equações:
i 0,5x1 + 0,5x2 =150 x1 x2
0 300
100 200
ii 0,6x1 + 0,4x2 = 145 x1 x2
15 340
125 175
iii x1 = 30 x1 x2
30 0
30 400
iv x1 = 150 x1 x2
150 0
150 400
v x2 = 40 x1 x2
0 40
400 40
vi x2 = 200 x1 x2
0 200
400 200

26
Exercício 2
 27
Exercício 2

SIMULAÇÃO DOS PONTOS EXTREMOS.

P (x1;x2) z = 8.x1 + 10.x2

P1 (30;40) z = 8.30 + 10.40 z = 640
P2 (30;200) z = 8.30 + 10.200 z = 2240
P3 (100;200) z = 8.100 + 10.200 z = 2800 => ponto de máximo lucro
P4 (125;175) z = 8.125 + 10.175 z = 2750
P5 (150;137,5) z = 8.150 + 10.137,5 z = 2575
P6 (150;50) z = 8.150 + 10.40 z = 1600

28
Exercício 3
 29
Exercício 3
x1 - número de camisas
x2 - número de blusas

FUNÇÃO OBJETIVO: Maximizar z = 8.x1 + 12.x2

RESTRIÇÕES:
Disponibilidade de horas semanais = 8 horas . 5 dias = 40 horas = 2.400min
Disponibilidade no corte = 40 horas . 25 homens = 1.000 horas = 60.000min
Disponibilidade na costura = 40 horas . 35 homens = 1.400 horas = 84.000min
Disponibilidade na embalagem = 40 horas . 5 homens = 200 horas = 12.000min

i 20.x1 + 60.x2 ≤ 60000

ii 70.x1 + 60.x2 ≤ 84000
iii 12.x1 + 4.x2 ≤ 12000
iv x1 ≥ 0
v x2 ≥ 0

30
Exercício 3
Equações:
i 20.x1 + 60.x2 = 60000 x1 x2
0 1000
3000 0
ii 70.x1 + 60.x2 = 84000 x1 x2
0 1400
1200 0
iii 12.x1 + 4.x2 = 12000 x1 x2
0 3000
1000 0
iv x1 = 0 x1 x2
0 0
0 3000
v x2 = 0 x1 x2
0 0
3000 0
 31
Exercício 3

32
Exercício 3

SIMULAÇÃO DOS PONTOS EXTREMOS.

P (x1;x2) z = 8.x1 + 12.x2

P1 (0;0) z = 8.0 + 12.0 z=0
P2 (0;1000) z = 8.0 + 12.1000 z = 12000
P3 (500;833) z = 8.500 + 12.833 z = 13996 => ponto de máximo lucro
P4 (873;382) z = 8.873 + 12.383 z = 11568
P5 (1000;0) z = 8.1000 + 12.0 z = 8000
 33
Exercício 4

34
Exercício 4
x1 - quantidade de mesas produzidas
x2 - quantidade de cadeiras produzidas

Função Objetivo - maximizar lucro z = 100.x1 + 50.x2

Montagem
Mesas

Serraria Capacidade: Pintura

60 mesas/dia

Capacidade: Capacidade:
80 mesas/dia ou Montagem 110 mesas/dia ou
200 cadeiras/dia 150 cadeiras/dia
Cadeiras

Capacidade:
120 cadeiras/dia
 35
Exercício 4

a) RESTRIÇÕES:
i 200.x1 + 80.x2 ≤ 16000
ii x1 ≤ 60
iii x2 ≤ 120
iv 150.x1 + 110.x2 ≤ 16500
v x1 ≥ 0
vi x2 ≥ 0

36
Exercício 4
b) Equações:
i 200.x1 + 80.x2 = 16000 x1 x2
80 0
0 200
ii x1 = 60 x1 x2
60 0
60 200
iii x2 = 120 x1 x2
0 120
200 120
iv 150.x1 + 110.x2 = 16500 x1 x2
0 150
110 0
v x1 = 0 x1 x2
0 0
0 200
vi x2 = 0 x1 x2
0 0
200 0
 37
Exercício 4

38
Exercício 4
c) Função objetivo: Maximizar o Lucro Diário = z = 100.x1 + 50.x2

d) Maximizar o lucro
SIMULAÇÃO DOS PONTOS EXTREMOS.

P (x1;x2) z = 100.x1 + 50.x2

P1 (0;0) z = 100.0 + 50.0 z=0
P2 (0;120) z = 100.0 + 50.120 z = 6000
P3 (22;120) z = 100.22 + 50.120 z = 8200
P4 (44;90) z = 100.44 + 50.90 z = 8900 => ponto de máximo lucro
P5 (60;50) z = 100.60 + 50.50 z = 8500
P6 (60;0) z = 100.60 + 50.0 z = 6000
 39
Exercício 5

40
Exercício 5

x1 - quantidade de chapéus tipo 1

x2 - quantidade de chapéus tipo 2

Função Objetivo - maximizar lucro z = 8.x1 + 5.x2

 41
Exercício 5
Formulação das restrições:
=> Chapéu tipo 1 utiliza 2 vezes mais mão-de-obra do que um chapéu do tipo 2
=> 100% da mão de obra dedicada ao chapéu do tipo 2 - produção total = 400 chapéus tipo 2
portanto, se 100% da mão-de-obra for dedicada ao chapéu do tipo 1 - produção total = 200 chapéus.
Equação da reta: a.x + b = y
Gráfico de produção
Com os 2 pontos que conhecemos na equação,
chapéu tipo 1 X tipo 2 pode-se substituir formando um sistema de equações
450 pontos {200,0} e {0,400}
a.200 + b = 0 (1)
400 a.0 + b = 400 (2)
350 pela equação (2), temos:
a.0 + b = 400
300 b = 400
250 substituindo (2) em (1), temos:
a.200 + b = 0
200 a.200 + 400 = 1
a.200 = - 400
150
a = -2
100
a equação da reta será portanto:
-2.x + 400 = y ou 2.x1 + x2 = 400
50
y = -2x + 400 Como a reta corresponde a situação limite máxima,
0
podemos escrever a inequação como:
0 50 100 150 200 250
2.x1 + x2 ≤ 400

42
Exercício 5

a) RESTRIÇÕES:
i 2.x1 + x2 ≤ 400
ii x1 ≤ 150
iii x2 ≤ 200
iv x1 ≥ 0
v x2 ≥ 0
 43
Exercício 5
b) EQUAÇÕES:
i 2.x1 + x2 = 400 x1 x2
200 0
0 400
ii x1 = 150 x1 x2
150 0
150 400
iii x2 = 200 x1 x2
0 200
400 200
iv x1 = 0 x1 x2
0 0
0 400
v x2 = 0 x1 x2
0 0
400 0

Análise Gráfica - restrições Wild West

400 x2 44
Exercício 5
380
360
340
320
300
280
260
240
220 P2 P3
200
180
160
140
120 P4
região que
100
atende a todas as
80 restrições
60
40
20 P1 P5
0 x1
-20
-20 0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 320 340 360 380 400
 45
Exercício 5
c) Função objetivo: Maximizar o Lucro Diário = z = 8.x1 + 5.x2

d) Maximizar o lucro
SIMULAÇÃO DOS PONTOS EXTREMOS.

P (x1;x2) z = 8.x1 + 5.x2

P1 (0;0) z = 8.0 + 5.0 z=0
P2 (0;200) z = 8.0 + 5.200 z = 1000
P3 (100;200) z = 8.100 + 5.200 z = 1800 => ponto de máximo lucro
P4 (150;100) z = 8.150 + 5.100 z = 1700
P5 (150;0) z = 8.150 + 5.0 z = 1200

46
Exercício 6
 47
Exercício 6
x1 - quantidade de anúncios em rádio
x2 - quantidade de anúncios em TV

Função Objetivo - maximizar eficiência da propaganda z = x1 + 25.x2

a) RESTRIÇÕES:
i 15.x1 + 300.x2 ≤ 10.000
ii x1 ≥ 2.x2 ou, simplificando : x1 - 2.x2 ≥ 0
iii x1 ≤ 400
iv x1 ≥ 0
v x2 ≥ 0

48
Exercício 6
b) EQUAÇÕES:
i 15.x1 + 300.x2 = 10000 x1 x2
0 33,3
500 8,3
ii x1 - 2.x2 = 0 x1 x2
0 0
100 50
iii x1 = 400 x1 x2
400 0
400 50
iv x1 = 0 x1 x2
0 0
0 50
v x2 = 0 x1 x2
0 0
500 0
 49
Exercício 6

50
Exercício 6
c) Função objetivo: Maximizar a eficiência da propaganda = z = x1 + 25.x2

d) Maximizar o lucro
SIMULAÇÃO DOS PONTOS EXTREMOS.

P (x1;x2) z = x1 + 25.x2
P1 (0;0) z = 0 + 25.0 z=0
P2 (60,6;30,3) z = 60,6 + 25.30,3 z = 818,1 => máxima eficiência
P3 (400;13,3) z = 400 + 25.13,3 z = 732,5
P4 (400;0) z = 400 + 25.0 z = 400

O indicado é investir 60,6 minutos em propaganda de rádio e 30,3 minutos em propaganda de TV

 51
Exercício 7

MINIMIZAÇÃO

52
Exercício 7
Variáveis:
x1 - quantidade de milho na ração
x2 - quantidade de soja na ração

Função Objetivo - minimizar custo diário z = 0,3.x1 + 0,9.x2

 53
Exercício 7
Restrições:
i A empresa usa no mínimo 800Kg de ração por dia, portanto:
x1 + x2 ≥ 800
ii Requisito - utilizar no mínimo 30% de proteína
Como cada Kg de milho tem 0,09Kg de proteína => 0,09.x1
Como cada Kg de soja tem 0,60Kg de proteína => 0,60.x2
0,09.x1 + 0,60.x2 ≥ 0,3.(x1 + x2)
simplificando:
0,09.x1 - 0,3.x1 + 0,60.x2 - 0,3.x2 ≥ 0
-0,21.x1 + 0,3.x2 ≥ 0
iii Requisito - utilizar no máximo 5% de fibra
Como cada Kg de milho tem 0,02Kg de fibra => 0,02.x1
Como cada Kg de soja tem 0,06Kg de fibra => 0,06.x2
0,02.x1 + 0,06.x2 ≤ 0,05.(x1 + x2)
simplificando:
0,02.x1 - 0,05.x1 + 0,06.x2 - 0,05.x2 ≤ 0
-0,03.x1 + 0,01.x2 ≤ 0
iv A quantidade máxima de soja disponível é de 650Kg por dia.

54
Exercício 7

i x1 + x2 ≥ 800
ii -0,21.x1 + 0,3.x2 ≥ 0
iii -0,03.x1 + 0,01.x2 ≤ 0
iv x2 ≤ 650
v x1 ≥ 0
vi x2 ≥ 0
 55
Exercício 7
EQUAÇÕES:
i x1 + x2 = 800 x1 x2
0 800
800 0
ii -0,21.x1 + 0,3.x2 = 0 x1 x2
0 0
1000 700
iii -0,03.x1 + 0,01.x2 = 0 x1 x2
0 0
330 990
iv x2 = 650 x1 x2
0 650
1000 650
v x1 = 0 x1 x2
0 0
0 1000
vi x2 = 0 x1 x2
0 0
1000 0

56
Exercício 7
 57
Exercício 7
P3
x2 = 650
-0,03.x1 + 0,01.x2 = 0
-0,03.x1 + 0,01(650) = 0
-0,03.x1 + 6,5 = 0
-0,03.x1 = -6,5
x1 = 217
x2 = 650
P4
x2 = 650
-0,21.x1 + 0,3.x2 = 0
-0,21.x1 + 0,3(650) = 0
-0,21.x1 + 195 = 0
-0,21.x1 = -195
x1 = 929
x2 = 650

58
Exercício 7
Função Objetivo - minimizar custo diário z = 0,3.x1 + 0,9.x2
SIMULAÇÃO DOS PONTOS EXTREMOS.

P (x1;x2) z = 0,3.x1 + 0,9.x2

P1 (471;329) z = 0,3.471 + 0,9.329 z = 437,4 => mínimo custo
P2 (200;600) z = 0,3.200 + 0,9.600 z = 600
P3 (217;650) z = 0,3.217 + 0,9.650 z = 650,1
P4 (929;650) z = 0,3.929 + 0,9.650 z = 863,7

A solução de mínimo custo é utilizar 471Kg de milho e 329Kg de soja.