Escolar Documentos
Profissional Documentos
Cultura Documentos
Método Simplex 23
11 Descrição de um Método para Maximização 23
4.1.1 Aplicação do Método Simplex: Problema de Alocação (Rádios
Standard e Rádios Luxo): 1. 0.102.200
0204 2 2 2 2 e e e a a 30
4.3 Soluções Degeneradas, Tlimitadas e Múltiplas 2.01...
02 0202002200 0200 34
4,2.1 Critérios Para Aplicação do Simplex 40
4.2.2. De Volta Para Modelo Original 41
4.9,3 Método da Função Objetivo Auxiliar 10.010. .202 0200202 22/0204 0200 41
Dualidade 46
5.1 Problema Primal x Problema Dual. 1.2.0.0. 4/22 aa 47
5.1.1 Algoritmo de Transformação do Primal Para Dual 1... 1.2... 50
5.1.2 Análise Econômica do Dual: 1121000002 222 eee. 55
GG Análise de Sensibilidade
6.0.1 Aplicação da Análise de Sensibilidade: Intervalo de Estabilidade
do Recurso [. 2101.0100 eo a RR a RR A e 62
60,2 Aplicação da Análise de Sensibilidade: Intervalo de Estabilidade
do Recurso TE 100 0 uia ce ce ce er a oe cer oe ENE E Ea 63
6.0.3 Aplicação da Análise de Sensibilidade: Intervalo de Estabilidade
para os Coeficientes da Função Objetivo 0.102 0020202000 0200200
6.0.4 Aplicação da Análise de Sensibilidade: Mudança no Coeficiente
de uma Restrição. 0..000.20/202002 2 e e e e e
7 Transportes
T.l Relação entre Redes é Transporte . cc... 02 02 eee a a eo
7.2 Sistemas Equilibrados e Não Equilibrados
T.3 Modelo para Transporte . 006.0... 0202 02 204 a a a e e e e aa a a oa
74 Solução Básica Inicial para Transportes 2.0. .0.000002020/20/
02402 502 200
72
9 Coletânea de Exercícios
cAPÍTULO 1
O estudo de Pesquisa Operacional teve seu início durante a Segunda Guerra Mundial,
seu desenvolvimento
se deu com o intuito principal de decidir sobre a forma mais eficaz
de utilização dos recursos limitados durante a guerra. Portanto, o que denominamos de
Pesquisa Operacional é à atividade desenvolvida com o intuito de suprir necessidades
urgentes na alocação de recursos escassos nos operações militares.
O primeiro programa formal de estudos da Pesquisa Operacional ocorreu em 1948, no
Massachusetts Institute of Technology nos Estados Unidos, que culminou com um apri-
moramento das técnicas e grandes avanços na resolução de problemas de programação
línear. É Nesse cenário, que surge um dos 5 algoritmos mais importantes do mundo,
o Método Simple, desenvolvido por George Dantzig em 1947, que com o auxílio da
Programação Linear, tem o intuito de resolver problemas diversos relacionados a ali-
mentação, industrias petrolíferas e moveleiras, agricultura, manufatura, siderurgia, me-
talurgia e transportes.
es
1.1. Fases da Pesquisa Operacional
Não existe um número de fases específico para a resolução de um problema em Pes-
quisa Operacional, isso depende da complexidade do problema que 6 decisor tem em
mão, contudo, geralmente, o que se deseja é marimiízar ou minimizar alguma coisa,
portanto, o objetivo é chegar na solução que otimiza o problema, a seguir, serão apre-
sentadas algumas etapas que são essenciais nesse processo, com à certeza de que tal
exposição dará um norte do caminho à ser seguido pelo leitor.
a) Definição do Problema: é uma fase que se baseia em três aspectos:
(1) Identificação das variáveis de decisão
(11) Descrição e definição dos objetivos, bem como o reconhecimento das limitações
(111) Restrições e exigências do sistema.
A resolução do problema começa pela definição dos objetivos que pode ser de: maxi-
mização ou minimização de alguma coisa. O segundo ponto é determinar as variáveis
de decisão que estão relacionadas aos objetivos, Por último, deve ser identificada as
zar algo como custo ou tempo, Nos modelos de Programação Linear existe apenas um
objetivo, mas é possível, em outras áreas de P.O estudos com múltiplos objetivos. À
JSunção objetivo mede à eficiência do sistema para cada solução proposta.
Para melhor elucidação do que foi dito, vamos ver um exemplo de um problema de
alocação em Programação Linear como motivador:
TE 24
2x, < 32
sujeito a :
Tr, +2r< 40
7130.7430
Aa + Guaira + + + imitn E bm
com +; = O
onde
v cjéoluero na venda de uma unidade do produto 7 =1,2,3,...,0
vv hétn quantidade de recursos disponíveis é = 1,2,3,..., m
Y né a quantidade de recursos é usada para produzir uma unidade do produto j
é r1;60 nível de produção do produto
De uma forma geral, podemos escrever o modelo padrão para maximização como:
MazZ = SF ejx;
jel
o
Sujeita a: 3º agr; <€ by Vi=1,2,3,...,7m sendo x; > O
j=1
com
Fá a, bi, e; en
10
CAPÍTULO 3
1
e O segundo passo é relaxar à inequação e construir o gráfico de dr, + 2r; = 16, mas
para isto, devemos pôr 3 em função de +;
é Dai temos: dr, + 274 = 16 = 2r; = =x, + 16, portanto, 23 = =27, + 8.
O gráfico então será:
Figura 3.1:
A reta 13 = —2r, +58 é o limite da desigualdade. Como à inequação tem sinal do tipo
>, tem-se que todos os pontos da reta pertencem ao conjunto de valores que satisfazem
à inequação, bem como todos os valores situados na região onde 447 + 233 > 16.
Considere agora o sistema de inequações lineares:
à E=yS5
sujeito à : « Observeque = W < Dm py <€ - sr +isy>r-õe
2r+y>10
Ir+y>l10=sp7<-2r+10.
O gráfico que representa esse sistema é:
Figura 3.2:
12
A região de soluções viáveis é à intersecção das regiões delimitadas pelas retas, isto
significa que, qualquer ponto nessa região satisfaz as duas desigualdades simultanca-
mente, além disso, todos os pontos da reta y = * = 5 pertencem à essa região, já os
pontos da reta y = 2x7 + 10 não fazem parte do conjunto solução do sistema.
Figura 3.3:
Podemos observar que na figura 2.3 (polígono não convexo) os pontos do segmento
BD não fazem parte do conjunto,
13
Figura 3,4:
“ Observe que à medida que o valor de FO, aumenta à reta se afasta da origem do
sistema de eixos coordenados, varrendo toda a região de soluções viáveis do problema,
cessa varredura se dá com as curvas de nível da FC, até encontrar o ponto P(a,b)
(vértice do polígono). Como 6 ponto P(a,b) é o ponto mas distante da origem do
plano cartesiano, isso nos faz concluir que P(a,b) é solução ótima para 6 problema, ou
seja, é a solução que maximiza o modelo,
v“ Por outro lado, podermos perceber, que a reta que representa a função objetivo FO,
coincide com a restrição 1a (ambas possuem o mesmo coeficiente angular), represen-
tada pelo segmento AP, o que nos permite afirmar que, nesse caso, o problema terá
infinitas soluções, pois entre dois pontos À e B de um segmento AB existe sempre um
ponto C€ entre À e B;
v Quanto a reta s, veja que a mesma não cruza a região de viabilidade, logo não pode
conter solução ótima.
Caso 2: Solução degenerado ou problema inviável ocorre no caso em que não existe
nenhum ponto (£1,+) no plano cartesiano que satisfaça simultaneamente as restrições
i e j, conforme se observa na figura (2.5).
Caso 3: Quando à solução pode ser melhorada, mas não existem restrições que limi-
tem esta solução (o método não converge), isto é, o valor da função objetivo eresce
indefinidamente na região de viabilidade, chamamos de solução indefinida,
Observe que, não há como definir a solução, pois à mesma tende para o infinito.
Agora, vamos a partir do Problema de Alocação dos rádios standard e luxo, discutido
na seção 1.2 do capítulo 1 resolver o seu modelo usando o Método Gráfico, isso nos
permitirá entender 6 processo de produção dos rádios de forma analítica. O modelo
obtido no problema foi:
14
Figura 3.5:
15
MarZ = 30r + 40y
rE<2
24 < 32
sujedo 6 ;
r+2N<9<A0
r> O, y>0
a) Traçado da inequação + < 24: Observe que x = 24 não é função, seu gráfico
é uma reta perpendicular ao cixo 7 (qualquer valor de y terá sempre a mesma abscissa
x = 24). Ponto de intersecção no eixo das abscissas é (24,0).
Figura 3.7:
16
S | TA | | — Retaquerepresenta o limite
Figura 3.8:
17
uy =16, seu gráfico é uma reta horizontal,
c) Traçado da inequação x + 2y < 40 ; Para que essa reta seja traçada, basta que
se tenham dois pontos sobre o eixos coordenados, pela lógica temos que se + 2y < 40
então 7 +27 < 40 ou ++ 2y = 40 . Tomemos à função afim + +29 = 40. Tem-se então
que para y = (0 a raiz da função é 7 = 40, * = O temos 4 = 20, logo, os dois pontos
pelo qual a reta passa são (40,0) e (0,20), 6 que nos dá a reta:
observe que as intersecções de todas as regiões das restrições nos dá e conjunto de todas
as soluções que são viáveis para o modelo, isto é, tomando qualquer ponto dentro da
região de vinbilidade, o ponto irá satisfazer o modelo, pois de acordo com a discussão
da solução gráfica a solução ótima está mun dos vértices: AÇO, 0), B(O0,16), C(8,16),
D(24,8), E(40,0). Dessa forma, temos o seguinte gráfico:
18
Reta limite da produção do —
par (standard, luxo) que utiliza
à capacidade máxima
de 40.
operários
Figura 3.9:
Figura 3.10:
19
Figura 3.11:
A função objetivo está escrita na forma da equação geral da reta, isto é, 27 = eyr+eay.
Para esbocçarmos e gráfico o da Função objetivo, devemos escrevé-la sol a forma reduzida
da reta, ou seja, y = =. + - com ca É O,
Assim, utilizaremos o coefici te nte angular da reta, que representará uma família de re-
tas (curvas de nível) com mesma direção.
Consideremos, como exemplo, à função objetivo do probléma de alocação dos rádios
standard e luxo, já modelado anteriormente.
A função objetivo é L = 30x + 404. Sua equação reduzida da reta é y = - + ã
20
Figura 3.12:
vy Fazendo a função objetivo passar pelo ponto FO, 10), tem-se L = 30-04 40-10
A i F ; EL à
o que nos dá L = 400. Como na função objetivo 6 termo independente é To então
= Ez +10,
v Fazendo a função objetivo passar pelo ponto B(0, 16), tem-se L = 30-04 4140-160
que nos dá L = 640, Então, a função objetivo será y = —=x +16.
v Fazendo a função objetivo passar pelo ponto €(8, 16), tem-se L = 30- 8 + 40-16 0
que nos dá L = 880, Dessa forma, a função objetivo será y = e + 22,
MÉTODO SIMPLEX
para escolha de soluções básicas que melhorem o desempenho do modelo. Para ser
iniciado é necessário se conhecer uma solução compatível básica (chamada solução ini-
cial). O Método Simplex então, faz a mudança do ponto inicial para o ponto extremo
adjacente que melhore o valor da função objetivo. O procedimento adotado para o
ponto extremo inicial é repetido para este segundo ponto extremo. O processo fina-
liza quando, estando num ponto extremo, todos os pontos extremos à ele adjacentes,
fornecem valores piores para à função objetivo.
1, + 2, < AO)
o dae, + 1 < 50
sujeito a :
ny +X=X<15
71 > O, > 0,14 3O
Observe que para Z = 0 temos 0,27, + 274 + dry = 0 e que se x, entra na base
com valor igual a 1, sendo 3 = 7; = 0, £ passa de Z = O para Z£ = 0,2 décimos de
unidade, o que aumenta Z em exatamente (1,2 que é 6 coeficiente de x.
Situação semelhante vai ocorrer com ra e +47, cada variável contribuirá na proporção
do valor do seu coeficiente, Isso nos leva a crê que se 05 coeficientes das variáveis forem
negativos o valor de £ pode ser aumentado com a entrada de uma variável na base
proporcionalmente ao valor do seu coeficiente, isto é, escrevendo a função objetivo na
forma Z = 0,27, = 2r1 = dr, = O a solução testada somente será ótima quando, e
somente quando as variáveis de decisão não apresentarem coeficientes negativos,
b) Variáveis de Folga: Toda inequação do tipo ax + by < c pode ser completada
atése obter uma equação linear, bastando apenas acrescentar uma variável f é Z com
f = 0 denominada " variável de folga"na inequação obtendo ax +by+ f=c. De forma
análoga, toda inequação do tipo ax + by > e pode ser completada até se obter uma
equação linear, nesse caso, acrescentamos uma variável f e NR com f > O denominada
"variável de excesso”. Observe que nesse caso, à variável de excesso entra com coefici-
ente negativo resultando em ar +by = f=ec.
No caso da maximização, as variáveis de folga representam as sobras dessas restrições,
isto é, a diferença entre o segundo e 0 primeiro membro. Às variáveis de folga /; são
sempre positivas. Cada variável de folga será introduzida em uma restrição técnica do
madelo e irá representar a diferença entre o segundo membro e o primeiro membro da
restrição na qual ela será introduzida. No exemplo anterior tem-se:
fh=MN-(r +27) n+2n+f/=XN
ví fi=M-(ir +71) => Sn+rn+l.=50
'
1, +2r, + f, = 20
el Sr + 1, + fa =50
sujeito à :
TT, +T3— Ta + fa = 15
24
d) Tabela Simplex: A tabela é construída com os coeficientes do modelo. as colunas
são indicadas por €,, as linhas por L;, além disso, 6; representa os termos indepen-
dentes, Na primeira linha Ly consta os coeficientes da função objetivo, observe que
como não há variáveis de folga na função objetivo, então completa-se com zeros, além
disso, tem-se que o termo independente da função objetivo é zero. nas demais linhas
Li, La, La e La constam os coeficientes das restrições técnicas, os coeficientes das suas
respectivas variáveis de folga e os termos independentes de cada restrição,
SERSBISILSILSSESTESALSS
Á E ta [ea | Dh [fa | fa |
L|/0)|/3 DIi1|[Oo
Li |O l 1/-1/0
1 —1/5 —2 —4 0 0 0 O
UU) l 2 01002
U) 3 [U) 101050
[Ud | 1-1 00115
Ta — L, +ALz
Ea — La +La
1 59/5 =2 O O 4 O 200
[is | 20100 20
26
O elemento que deve ser transformado no elemento pivô será obtido de O, & La que
no caso é 2,
O próximo passo é construir uma matriz a partir da tabela e em primeiro lugar, trans-
formar o elemento pivô em 1, Em seguida, repetiremos o procedimento anterior trans-
formando os elementos da coluna pivó em zero. Nesse novo procedimento à variável x,
se tornará não básica e à variável f, se tornará variável básica, isto é, fy = 0.
1 59/5 —2 0 0 4 O 200
[RS | 20100 20
o A 01010 50
no SA 10 011 65
1
Ez — ae
159/58 -2 O O 4 0 200
O 1/2 101/200 10
O 3 01 0 1050
U) 4 10 0 11 G5
Ta — LL, +20
Ea — La — La
164/50001 40
O 1/2 10 1/2 00 10
O 3 01 0 10
O 7/2 00 1/2 11
|) Ia a & QI &
PREESEIE CENTRE R/SS/AR
LI 1/18/0100 | 4/0/2320
E, + E + E 100
7 + T+ T+ /,=100
CEISENESSFISEAAFINR)
2/-3/-4/0 /0/0/ 0
[ 1 1 /1/1/0/0//100
0/3 /1/0/0/1/0) 210
D/J1/0/0/0/0/11|80
28
O próximo passo, como já sabemos, é construir uma matriz a partir da tabela e trans-
formar os elementos da coluna pivô em zero. Esse procedimento fará à variável x; se
tornar mão básica e consequentemente transformará à variável fy em variável básica,
isto é, fa = O,
1 =2 -3 14 000 0
[UU | 1 1100100
o? 1 0010210
nl O 0001 580
LL, — L, + 1L;
120400400
11100100
=
=
10010210
ho
00001 80
=
E [6 [a CEE] CC
FEESSE SSE CSN/SPB/SE/SR'
h)1/2/1/0/4 /0/0/ /400
&)o 1/1 /1/1 /0/0 /10
ti )o / 2/1 /0/0/1/0 210
Lilo / 1/0 /0/0 /0/1] 58
(1) Variáveis não básicas: 77 = 0,17 = 0, 7 = O
(II) Variáveis básicas: 2 = 100, fa = 210 e f; = 80
(II) Z = 400
A função objetivo não possui coeficiente negativo em nenhuma de suas variáveis, pode-
mos dizer então que à solução ótima para o problema é £ = 400, se 174 = 100, f; = 210.
4.1.1 Aplicação do Método Simplex: Problema de Alocação
(Rádios Standard e Rádios Luxo):
rn< 24
2x < 32
sujeito a :
x, +27, < 40
rx > 0,14 20
Z = 30r, = 40%; = O
mn +fi=s2
211 + fi =32
sujeito a:
rv, +27 + fa = 40
n>Or>0,>0,6>0,4>0
a) Solução Básica Inicial:
(1) Variáveis nho básicas: 7, = 0,73 = O
(11) Variáveis básicas: fy = 40, ; = 246 f; = 16
(M)Z=0
bh) Cálculo da Nova Solução Básica:
A variável que entra na base é 2a, pois | = 40) = 40, além disso, a coluna pivô é C3.
A variável que sai da base é « primeiro que se anula com a entrada de ++, no caso f;,
pois: » = 16 é o menor quociente obtido da divisão dos termos independentes pelos
elementos da coluna pivó (exceto números negativos e zero). A linha pivó nesse caso é
Lo e o elemento Pivó é Cy + la =.
30
Tabela Simplex:
Ly 1 /-30/-40) 0/0
1 30 400 0 0 0
O 1 0 100%
O 0 1 01016
0 1 2 00140)
La — Es — 2E3
L, — L, + 40La
1 —30 0 0 40 0 610
OD 1 01 0 0 24
DO 10 1 0 16
O 1 00-21 8
31
a) Cálculo da Nova Solução Básica
À variável que entra na base é 7, pois | = 30) = 30. À coluna pivô é Cs.
À variável que sai da base é a primeira que se anula com à entrado de x; € fa, pois:
—=8éo menor quociente obtido da divisão dos termos independentes pelos elementos
da coluna pivó (exceto múmeros negativos e zero). Note que a linha pivó será então L,.
Elemento Pivô: Ca = La = 1.
1 —30 0 0 40 0 GO
O 1 01 0 -3 &
OO 1001 0 16
0 1 00 -2 1 &
La — La
— Ly
L] — LL, + 30L,
1000-200 30 880
0001 3 —1 16
0010 1 0 16
0100 —2 1 8
100 30 O —20 88
nD10 1 0 —-2 à
000-1/21/2 1 8
001 00 16
Éh — LL] + 200;
La — La + 2L3
La — La = Lo
100 Wo 20 1040
000 1/21 1/2 8
0011/20 1/2 8
D10 10 o 3H
33
Agora, à nova solução básica é:
(1) Variáveis não básicas: fy = 0,f;=0
(II) Variáveis básicas: 1, = HJ, =8e fo=8
(111) é = 1040
Se a fábrica alocar 24 operários para produção de rádios standard e 16 operários na li-
nha de produção de rádios luxo haverá uma sobra de 8 unidades de rádios luxo (fa = 8)
e não haverá sobra de rádios standard, dessa forma, Z passou de Z = 880 para £ =
1040, e esta é à solução ótima, pois a primeira linha LL, que corresponde à função
objetivo, não apresenta nenhum valor negativo,
Análise Econômica: À produção que maximiza o lucro para R$ 1040,00 fica estabe-
lecida da seguinte forma: devem ser produzidas 24 unidades diárias de rádio standard e
& unidades de rádios luxo por dia. À quantidade de operários alocados nas duas linhas
de produção deve ser 24 operários para a linha de produção de rádios standard e 16
operários para a linha de produção de rádios luxo, isso garante o máximo de operários
trabalhando nas duas linhas de produção (40 operários), além disso, não houve sobras
na produção de rádios standard, o que respalda essa afirmação é o fato de que f7 = 0.
A sobra de & unidades na produção de rádios lnxo pode estar relacionada com a quan-
tidade de operários alocados nessa produção, isto pode ser considerado um fator para
esse limite.
e Degeneração;
Múltiplas Soluções;
» Solução Wimitada;
Solução Inviável;
31
não influencia no espaço das soluções do problema. fazendo uma análise gráfica, tal
restrição não interfere na região de viabilidade, podendo ser retirada sem comprometi-
mento da solução ótima,.
Vamos observar um exemplo:
1 +inss
sujeito a: € 1, +2Qrn <
Ti => 0, E) > LU
ZE —-tr-In=0
E) +diri+fi=8
8 4
-=2c-=2
1 “3
= Elemento Pivô: Cq + La = 4
gg — a
vY Cúlculo da Nova Solução:
l —t —-8 O 8410 U
O 1/4 1 1/40
DD 1 2 0 1
lh =: La + Hz
LL — 4 — 2a
1 -3/4 O 9/4 O
O 1/4 1 1/4 O
oO 1/2 0 =1/2 1
La =— 2a
1 —3/4 0 9/4 0 18
O 1/4 1 1/4 O 2
[ 1 o 132 Ú
rm — Ih + Ly
La =— La — àLa
1003/2 3/2
2.o
0011/21
rw
010 2
a) Nova Solução:
(1) Variáveis não básicas: x; = 0,11 = 2
(II) Variáveis básicas: f7 = 0, fa = 0
(M) £ = 18
36
Veja que 1, = O (variável básica), o que indica a solução degenerada. O fato de 6
decisor saber à priore que uma das restrições é redundante (recursos supériluos), traz
grande vantagem na tomada de decisão, A informação também pode levar à descober-
tas de distorções e irregularidades na modelagem do problema. Vejamos 6 problema
graficamente. Observe que a restrição x, + dr, < 8 (reta vermelha) pode ser removida
Figura 4.1:
sem comprometer a região de viabilidade (abaixo da reta verde). Dizemos que 6 ponto
(0,2) é superdeterminado,
7, +2r<S5
Zn -timn=0
s7
rn+2n+f=5
sujeitoad: € rn + xa +fa=4
720,74 20, f1 20,120
6 6/6 6) CC,
CRENSE/SERIBE/2R]
L|/1/-2/-4/0/0 | 0
Li |O 1 /2|/1 njI5
La; |O 1 LO l |
La
— La
1 23 4 O O O
O 1/2 1 1/20 5/2
uu A) 1 no 1 4
La — La = La
1 0 0 3 010
1/2 1 1/2 0 5/2
o
Observe que o coeficiente de x, é igual à zero, isso indica que x, pode entrar na
solução básica sem alterar o valor da função objetivo, contudo, sua entrada provocará
mudanças nos valores das outras variáveis,
Vamos mostrar isto fazendo +, entrar na base e forçando à saída de fa.
35
1 0 0 3 010
O 1/21 1/2 O 6/2
o 1/2 0 1/2 1 3/2
La — 214
1 0 0 2 010
O 1/2 11/20 5/2
0 1 012
L+— La—dly
a) Nova Solução:
(1) Variáveis não básicas: 1, = 3,7: =]
(Il) Variáveis básicas: fy = 0, fa = 0
(IM) ZE = 10
É importante notar que o Método Simplex fornece apenas 06 extremos do intervalo das
múltiplas soluções. Na solução da iteração 1,7, = Or, = 5/2, significa que o ponto onde
a restrição corta o eixo 2 é (0;2,5) na iteração 29,77 = 3,7 = 1, isto é, o ponto ótimo
[vértice do poliedro convexo) é 6 ponto (3,1). Portanto, todas as múltiplas soluções
para o problema se encontram entre cases dois pontos.
Observe 6 gráfico do problema:
Figura 4.2:
bh) Problema da Solução Ilimitada: Quando à variável que entra na base não
possui em sua coluna nenhum coeficiente positivo o problema possui solução ilimi-
tada. Devemos então, buscar 2 última solução básica antes da solução ter se tornado
ilimitada,
140
v Para tratar de problemas que envolvem à minimização da função objetivo, devemos
multiplicá-la por =1, assim, obter-se=4 uma função equivalente para maximização.
v Quando as restrições do modelo forem do tipo (=), devemos acrescentar uma variável
com coeficiente negativo igual a -1 denominada de variável de excesso,
v' As restrições do tipo (=), não recebem nem variáveis de folga nem variáveis de ex-
CEsSO,.
“ Se houver variável livre no modelo, significa que a condição de não negatividade
não está satisfeita, nesses casos, podemos substituí-la pela diferença de duas outras
variáveis não negativas, polis um mimero qualquer sempre pode ser escrito como à di-
ferença de dois números positivos.
“ Sempre que houver restrições do tipo (>) on ( =), devemos acrescentar nossas
restrições o que denominamos de variáveis artificiais 1, eunjo objetivo é forçar uma
solução básica inicial para aplicação do Método Simplex.
Quando inserimos variáveis artificiais no modelo para produzir uma solução básica ini-
cial, perdemos a originalidade do mesmo com relação as suas variáveis iniciais, por isso
devemos buscar uma forma de retornar ao modelo original. As técnicas mais uti
para retornar ao medelo original são:
é Método do Big M e
» Método da Função Objetivo Auxiliar/ Método das duas Fases
Ambos 05 métodos têm o mesmo objetivo, eliminar as variáveis auxiliares do mo-
delo mantendo a solução básica inicial, isto é, transformá-las de variáveis básicas em
variáveis não básicas, em outras palavras, devemos fazer m = mm =nT=:-s=n=0
eÃ=O,
41
27 +31: > 10
mM +12 -f+m=l0
sujeito à: 4 1, +5ra = fi+m=15
A função À deve ser escrita em termos das variáveis originais para compor o novo
objetivo a ser minimizado,
Assim, o próximo passo é escrever cada uma das variáveis artificiais das restrições
têcnicas em função das variáveis originais, visando substituí-las na função objetivo au-
xiliar A.
« Restrição 1: 171 = =29r, = 7. + f, + 10
e Restrição 2: 17 = =r, — Sra + fa +15,
Agora, devemos substituir 1 € 13 na função objetivo auxiliar A.
À = Im — 1 + fi +UW0+ xr, = Bra + fo +15
que nos dá À = —3r, — Gra + fo + fa +25
Lembre-se que MinA = Mar(=A) = 3r, + Gra = ff, = fa 25,
42
e Fique Atento!: O objetivo inicial não é determinar a solução ótima, mas eliminar
as variáveis auxiliares, portanto, é necessário ficar atento na escolha da variável que
entra na base, esta deve ser àquela que expulsa uma das variáveis auxiliares do qua-
dro simplex. Isso deverá ocorrer enquanto houver variável auxiliar no modelo, quando
todas forem eli 1adas, devemos abandonar o quadro simplex e retornar ao quadro
original com à solução básica inicial mantida. Ressaltamos que, isso ocorrerá quando:
msem=sâmR= e =m=0eAs=0
Pode haver casos em que 2 função auxiliar À apresenta solução ótima quando todas
as variáveis auxiliares já são iguais a zero, neste caso, o problema é impossível de
ser resolvido, isto é, não existe solução. Além disso, é possível que as variáveis não
básicas não possuam condições de expulsar uma variável básica auxiliar, nesse caso,
não haverá solução básica, e consequentemente, o problema não apresentará solução.
Agora sim, estamos prontos para aplicar o Método Simplex no problema proposto de
minimização. A Tabela Simplex com a função objetivo auxiliar A é:
IOGA G|G8&|&
Variáveis | Z| x || h)flejmim]| ho
F.O original | -1| 3/ 2/ 0) 0/ 0/0 /0 [&
(RL) DI 2/1/-1)/ 0/1/0 [10/28
(R2) ola1 [so /2/0/1/ /15 4
F.O auxiliar | -1 | -3|/ -G | 1 1) 0/0 |[-25 /L,
Vamos escolher qualquer variável que entre na base com o objetivo de eliminar uma
variável auxiliar qualquer, isto é, provocar sua saída, no problema proposto temos que:
é Se à variável x, entrar na base primeiro, então sai a variável básica auxiliar 7,
e Se a variável xs entrar na base primeiro, então sai a variável básica auxiliar 15
Sabendo disso, vamos começar mostrando uma solução básica inicial com às variáveis
artificiais:
(1) Variáveis não básicas: 1; = 0.1; = 0, = 0,4, =0
(II) Variáveis básicas: m = 10,174 = 15
(UM Z=0
Cálculo da Nova Solução Básica:
é À variável que entra na base é 2, pois | = 6) = 6 e a coluna pivô é Ca.
e À variável que sai da base é a primeira que se anula com 6 entrada de +32. no caso é
1h, pois estamos considerando: = =3é o menor quociente obtido da divisão dos ter-
mos independentes pelos elementos da coluna pivô (exceto números negativos e zero)
e a linha pivô será La,
48
e Elemento Pivô: Cg - La = 5 (5 é 0 elemento que deverá ser transformado no ele=
mento pivô).
f à 1 - :
Aplicaremos a operação elementar L4 — =L,y na tabela anterior, visando transformar
Jd
o elemento pivô em 1, para assim iniciarmos o processo com as matrizes,
SBESALSIRSEESNESSESARS
Variáveis E mpb | felmice| &
F.O original | -14 | 3|/ 23) 0) 0/ 0/0 /0|&
(RI) Dj) 2 1 -1/ 0/1 /0/10|E
(R2) ni a)
É
0O/-1/ 0/1 15 | &a
F.O auxiliar | =1 | -3 | -6 1 1/ 0/0 |[-25|/L,
ht ih
—-l 3 2 0 000 à
O 2 1-1 010 10
0 1 1 0-10601 à
—! —3 6 1 100 -—2%
L) — Ll, — 21;
La —la—-L,
L, — LL, +6L.,
14
LE; — La — Elo
La — Es + Fo
CIO| &) EC Cs
ENE) fa bi
Ly /-<1/0/0/13/98) 1/9 /-145/9
La | 0 /1/0/-5/9/1/90| 35/9
La | 0 /0|/1|/1/9/-2/9) 20/90
Veja que não há coeficientes negativos na função objetivo, isto significa que n solução
MinW = 9 by,
im)
nm
ou
Dado um problema de programação Linear do tipo MarZ =X" cr, Na forma ma-
fel
tricial temos;
MaxrZ = CX
Sujeita a: AX < B com X >.
Então a forma matricial do sen modelo dual será:
Min = BY
Sujeita a; A'Y > C com Y >= 0.
Veja que, o modelo dual associado ao modelo primal é determinado pela transposta da
matriz dos coeficientes das variáveis 1; do modelo dual com sinal >=. Além disso, os
cocficientes c; do modelo primal, passam a ser os termos independentes do modelo dual.
47
Vejamos um exemplo:
MarZg = dx + Ox + 5a
Max Z =| 4 6 5] o
Sujeito a:
Como já sabemos:
e Os termos independentes das restrições do primal, são os coeficientes da função ob-
jetivo do dual, isto é:
[a 16]
e Os coclicientes da função objetivo do primal, correspondem aos termos independentes
do dual, o que nos dá:
|
«e Os termos independentes do primal, agora são os coeficientes da função objetivo do
dual;
[21 16]
e À matriz dos coeficientes das restrições do dual, corresponde à transposta da matriz
do primal, ou seja:
IS)
[LB
e]
-
&&
e O número de restrições do dual, corresponde ao múmero de variáveis do primal com
a perda de uma variável, no caso 3.
[2]
Mini =[2 16])- | |
Ha
21 E
Sujeito a: | 5 3 [2 | > É
3 a JL, 5
Isto é:
22n + 2A
a + dia > 6
Sujeito 6: ”
din + Als 25
naz0n=0
Então temos:
Naodelo Primal
49
Modelo Dual
MinW = 28, + 19
2 +24
siãa 51 + 26
sujeito a :
Im + de 25
120720
Br, + Bra
+ dry < 23
Sujeito à: 4 x, + dra + < 19
x > Ora > Or. 30
» Construa à matriz ampliada do conjunto de restrições técnicas
2583853
A = 183419
165 0
B Caleule A'
2 14
2] 5 36
] 3 4 os
23 19 O
Que corresponde ao modelo dual
MinW = 23y, + 197
Mm +n2A
o Sm + Sia = 6
sujeito a ;
Sm +4digã = 5
m=0,71>0
Vejamos um exemplo:
Uma fábrica de embalagens produz dois tipos de caixas, cereais e sabão em pó. Nas
caixas de cereais são gastos GOdm? de papelão e 0,20 homem-hora' e nas caixas de sabão
em pó gastam-se 100dm? de papelão e 0,25 homem-hora, À empresa pode contar dia-
riamente, com 100m? de papelão e, atualmente, possui 5 funcionários que trabalham G
horas por dia. Sabendo-se que a contribuição para o lucro das caixas de cereais e das
caixas de sabão em pó é de R$ 5,00 e R$ 8,00 respectivamente, responda:
à) Qual o modelo que maximiza 6 lucro da fábrica?
b) Quantas caixas de cereais e de sabão em pó a fábrica deve produzir para obter
o lucro máximo? Qual é esse lucro?
ec) Com quais valores cada recurso utilizado deve contribuir para formação do lucro
na venda de cada caixa? Faça uma análise cconômica”?
!Unidado comvencionada e subjetiva que mede n quantidade de trabalho realizada por uma pessoa
durante uma liora,
MODELO PRIMAL
MarZ = ar, + 8a
= 10,000
e Variáveis básicas: h
fa = 3.000
Y À variável que entra na base? é x3 e portanto à coluna pivô é Ca.
/ À variável que sai da base' é f, e então a linha pivô é La.
vY O elemento pivô é dado por 3 = La = 100
52
Dadas todas as informações necessárias, vamos às iterações que nos mostrará à
nova solução.
v Cálculo da Nova Solução:
Ly /1|/-5/-8 /0|/0 [
1
La — Too"?
1 = -& 0 0 O
O 3/5 1 1/1000 O 100
o 20 25 U 1 3.000
ti — LL, + BL
La — La — 2851,
Desse ultimo quadro (matriz), podemos notar que a solução ainda não é ótima", dessa
lorma, devemos continuar as iterações na busca da solução ótima, mas antes, vamos
analisar o último quadro:
v A solução básica é:
IR do ; 7 =0
e Variáveis não básicas:
1=0
A
& Variáveis básicas:
Tv4 = 100
fa = 500
v À variável que entra na base é x, e a coluna pivô é Cs,
v' À variável que sai da base é f. e a linha pivô é La.
v O elemento pivô é Ca = Li =5
ão ; si E 1
Multiplicando toda a linha La por =, isto é L1 — =Ly temos:
5) 5
1Poja ainda existe cocficlkente negativo na função objetivo (primeira linho da matriz).
[-
EB)
“ Cálculo da nova solução básica:
Ly — L, + ia
La — La — Fo
No novo quadro Simplex podemos ver que para a fábrica conseguir um lucro máximo
de R$ 820,00 diariamente, é necessário produzir 40 caixas de cerenis e 100 caixas de
sabão em pó.
No item (ec) a pergunta é: Com quais valores cada recurso ntilizado deve contribuir
para formação do lucro na venda de cada caixa? Isso nos remete ao que denominamos
de preços sombra.
Na Dualidade o principal objetivo é identificar 6 valor de oportunidade de cada re-
curso produtivo envolvido na produção de bem. O gestor decide por meio da Dualidade
se existe a necessidade de produção de um bem, ou mesmo, se mantém em estoque 05
recursos envolvidos no processo produtivo. Chamamos de Preços Sombra, 05 valores
duais, que tem o significado de ser a contribuição unitária de cada recurso utilizado
para formação do lucro que é produzido na venda do bem, ou seja, os preços sombra
são 08 valores por unidade dos recursos adicionais,
Então, para análise dos preços sombras, precisamos do MODELO DUAL:
Tal modelo pode ser obtido da transposta da matriz ampliada do primal:
60 100 10,000
A=|/ 2 25 3000
5 8 D
60 20 5
At = MO 25 &
10.000 3.000 O
54
Então o modelo dual será:
GO + 2045 >= 5
Sujeito 6: 1007, + 2545 > E
n>=0,12>0
Do quadro final Simplex do primal, podemos construir um quadro final Dual Simplex
da seguinte forma:
Wiyvjve| ss se) B
1 /0/0/100/40| $20
tjo 7/100
o 1/25 |
é O valor de 17 (0,07) foi obtido do coeficiente f7, e representa, portanto, 6 valor de
oportunidade do recurso R1, isto é, cada unidade do recurso R1 tem 2 capacidade de
O resultado nos mostra que 6 valor interno é igual ao valor externo, quando isso
acontece, significa que o bem deve ser fabricado, portanto, as caixas de cereal devem
ser fabricadas.
De forma análoga, na segunda restrição, tem-se que 6 valor interno é igual 206 valor ex-
terno, e portanto as caixas de sabão em pó também podem ser fabricadas. À decisão de
lnbricar ou não um bem deve ser tomada com base no desempenho do modelo quanto
ao preço sombra, se ao substi o preço sombra no modelo 6 resultado indicar que o
valor interno é menor ou iqual do que o valor externo, sugere-se fabricar o
bem, no entanto, se o valor interno é maior do que o valor externo, sugere-se
que o produto não seja fabricado”,
Exemplo 2: Considere uma empresa que fabrica porta e portões de ferro cujo mo-
delo que maximiza os lucros da empresa é:
TZ > DD, Ta = [
Sendo Ry: Recurso Ferro (Restrição 1) e RR: Horas mão de obra e à situação
final do quadro Simplex
a le |) oh |&)|) b
nm
"Note que, em termos de mercado, dificilmente 6 produto não serin fnbricado, pois isso poderia
resultar em perdas significativas para à empresa, como clientes insatisfeitos e perda de participação
de mercado, Cabe no decisor annlisar o cenário atual para decidir sobre 6 fnbrico ou não do produto,
56
Perguntáa-se:
a) Qual o modelo Dual?
b) Qual o quadro Dual Simplex (situação final)?
ec) Qual o valor de oportunidade do recurso ff. Explique.
dj) Qual 6 valor de oportunidade do recurso Rh. Explique.
e) Se você fosse o Engenheiro de Produção dessa fábrica, você produziria portões de
ferro? Por que?
[) Quanto as portas de ferro, vale a pena 2 produção desse bem? Por qué?
Solução: O modelo Primal é: MarZ = 200r, + 500ra
O modelo Dual é dado pela matriz transposta da matriz ampliada do primal, isto
&
nn 30 120
A=|/ 20 10 80
200 500 O
20 20 200
A'=| 30 10 500
120 80 O
20 + 2047 = 200
Sujeito e: 4 30 + 106 >= 500
n=0,n4>0
O quadro final Dual Simplex é:
Win) ve ss |s EB
1 /[0/40/0/4)| 2000
1 Ú) 16,66
UU 1 198,38
57
Já o recurso R3 (mão de obra),não é escasso”. Neja que de fato o resultado é
lógico, se 12 = 0, então existem 40 horas de mão de obra disponíveis para uso.
Agora, vamos comparar o valor de oportunidade atribuída ao produto pelos recursos
de cada uma das restrições com o valor atribuído aos produtos pelo mercado,
e Da primeira restrição do Dual temos: 204, + 2073 >= 200. Veja que a restrição dual
indica quanto de cada recurso é utilizado na fabricação de uma porta de ferro, isto é,
para produzir uma porta de ferro, são necessários 20 unidades do recurso ferro e 20
horas de mão de obra, Substituindo os valores de oportunidade de cada recurso temos:
Isso significa que 6 valor interno (lado esquerdo da desigualdade) supera o valor ex-
terno (lado direito da desigualdade), nesse caso, sugere-se não fabricar portas de ferro,
pois algum problema pode está ocorrendo na empresa, como estabelecimento de uma
margem muito pequena de lucro.
« Da segunda restrição do Dual temos: 30m + lOys = 500, ou seja, para fabricar
um portão de ferro, são necessários 30 unidades de ferro e 10 horas de mão de obra.
Substituindo os valores de oportunidade de cada recurso temos:
Isso significa que 6 valor de mercado cobre 6 valor interno, e dessa forma, 6 produto
pode ser fabricado,
Conclusão: Pode-se Ínbricar 05 portões de ferro, mas é necessário eautela na decisão
de fabricar portas de ferro, recomenda-se 6 não fabrico desse produto.
Agora, imagine que a empresa decida realizar um estudo para verificar o impacto que
a Ínbricação de uma unidade de porta de ferro (r,) causaria na resultado final da
fabricação dos portões (4) e como o lucro da empresa (Z) seria afetado com essa
inbricação.
Para isso, vamos procurar na coluna de 2 o elemento pivô (1). Como o produto a ser
fnbricado será z,, devemos localizar na linha do elemento pivô o valor correspondente
em 5, que no caso é 0,67. Este valor representa a variação que r+ sofrerá com a
fabricação de x,, então, Ara = =0,67 (variação negativa), pois 2 + 0,67 = 4, o que
resulta em 73 = 3,33, Daí tem-se que se, £ = 200r, + 500r; = /Z = 200,01) +
500(3,33) |. Z = 1.865.
Esse resultado, mostra que se uma unidade de porta de ferro for fabricada, haverá um
prejuízo para 2 empresa de R$ 135,00, Isso se chama Análise de Sensibilidade, é
o que estudaremos no próximo capítulo.
"Não escassez significa um bem que não é desejado, Não há procura por esse bem no mercado.
Mntemnticamente isso ocorre quando uma variável de decisão do Dual é não básica (igunl 6 zero), pois
se isto acontece, é devido no valor da variável de folga no quadro final do primal, que indica sobra de
POCOS,
58
CAPÍTULO O
ANÁLISE DE SENSIBILIDADE
Para melhor compreenção do que foi exposto, vamos resolver 6 problema da fabrica de
tijolos.
Uma fabrica produz dois tipos de tijolos para construção cívil: tijolo baiano e tijolo
comum. A fábrica gasta 2 unidades do recurso 1 e 4 unidade dos recurso 11 na fa-
bricação dos tijolos do tipo baiano. Na fabricação dos tijolos do tipo comum são gastos
5 unidades do recurso | é 5 unidades do recurso 11. À contribuição para o lucro dos
tijolos baiano e comum é R$ 10,00 e R$ 14,00, respectivamente. À fábrica dispõe de
400 unidades do recurso 1 e 600 unidades do recurso Il. Deseja-se saber quais as quan-
tidades que devem ser produzidas para que o lucro da empresa seja máximo.
SIRSRRTSASRESARO)
PRESNEISFISE/ARL
Li |1/10/-14/ 0 [0 à
Lx | O 2 5 1 oO | 400
Ex |O 4 5 |O 1 | 600
Após todas as iterações para determinação da solução ótima tem-se o seguinte quadro
final:
2 5 400
A=| 4 5 600
10 4 O
2 4 1
A'=| 5 5 1
400 G00 O
O modelo dual é;
21 + 10
RA
Sujeito e: é Say + Si = 1
VW
nn Z0,n=0
Da primeira restrição temos 27, + dás > 10 = 2(0,60) + 4(2,20) = 10,00, e por-
tanto, o valor de oportunidade de mercado é igual no valor de oportunidade atribuído
ao produto pelo recurso, recomenda-se a fabricação dos tijolos do tipo baiano.
De forma anúloga podemos interpretar a situação na segunda restrição, pois: 51, +
Bi > 14 = 5(0,60) + 5(29,290) = 14, o nos mostra que 66 tijolos do tipo comum
também podem ser fabricados.
Mas, se quisermos saber, qual o intervalo de estabilidade dos recursos 1 e 1 (termos
independentes)?
Esse estudo deve ser realizado separadamente, portanto, inicialmente, vamos ver como
identificar um intervalo estável para 6 recurso [, isto é, vamos identificar os valores
máximo e minimo no qual podemos crescer e decrescer este recurso sem alterar o preço
sombra,
61
Para isso, vamos considerar apenas as restrições do modelo primal
2, + ra € 400
Sujeito à : 4 dr, + 5x2 < GO00
Ti => 0, ra > (
Para identificar o intervalo de variação do recurso 1 devemos obter 608 pontos (7,0) e
(O, xa) na segunda restrição:
e Para 17, = O temos 4(0) + &ro = GO0 2, xa = 120 e portanto (0,120)
«e Para r2 = 0 temos 4, + 5(0) = G0O0 x, = 150 e portanto (150,0)
[Esses valores são os limites aceitáveis para o recurso 1, dessa forma, substituindo os
pontos encontrados na restrição que representa o recurso L temos:
« Para (0,120) = 2(0) + 5(120) = 600
e Para (150,0) = 2(150) + 5(0) = 300
Esse dois valores são os limites admissíveis para 6 crescimento das quantidades do
recurso 1, logo, seu intervalo de variação será:
Obs: Esse método é baseado em análise Ecométrica, pois, mantendo-se a reta que
representa a segunda restrição fixa, à reta que representa a primeira restrição só po-
derá se deslocar até os pontos (0, 120) e (150,0), devido à tal deslocamento somente
ser possível enquanto houver intersecção entre as duas retas.
6.0.2 Aplicação da Análise de Sensibilidade: Intervalo de Es-
tabilidade do Recurso 11
Vamos obter o intervalo de variação do recurso 11 de forma análoga ao recurso 1.
Tomando à segunda resirição temos:
Assim como utilizamos à ideia de análise geométrica baseada nas retas que representa-
vam as restrições, quando estabelecemos um intervalo de estabilidade para os recursos
(termos independentes), faremos o mesmo para determinar os intervalos de variação dos
coeficientes da função objetivo, contudo, nesse caso, devemos garantir que, enquanto o
coeficiente angular da função objetivo estiver entre os coeficientes angulares das retas
que determinam à solução ótima (restrições), a solução ótima não se alterará.
Para isso, vamos considerar o problema proposto da fábrica de tijolos, em que a função
objetivo é MarZ = 10x, + lda.
Sabemos que as restrições do problema são:
n> O, 7 >0O
Us)
Vamos, inicialmente, descobrir 05 coeficientes angulares de cada uma das retas que
representam as restrições:
2 2
* Ir + Sra = 400 = 53 = —2r, + 400 ;'(,1º = <=, + 400, Logo a = —=.
E DE
4
e dr, + 5ra = 600 = Gra = —4Ar, + 600 (ra = Zi + 600. Logo
À = —-.
5
Ls | FF.
Tg = —=— + —
Ca ts
pe a
a
Vamos tomar a função objetivo do problema
10 Fi 10
& = 0x, + dra (14 = TI + donde À = NT
——
< —), 4
=— > —U,80
Para cs = 14 temos:
Cc
[ — 0,80 <—=——
< TES< —).O, 40
I,6€c,<11,20
[E
Interpretação dos resultados: É sabido que os coeficientes da função objetivo é à
contribuição individual de cada variável para o lucro, que no caso provém da fabricação
de tijolos, dessa forma, podemos dizer que o intervalo da contrilmição para o lucro da
venda de tijolos do tipo baiano é 5,6 < ec, < 11,20, ou seja, 105,6 < e, < 11, 20-10,
ao que nos leva a 4,40 < e, < 1,20, isto é, é, pode decrescer em 4,40 unidades om au-
mentar em 1,20 unidades que o lucro permanecerá o mesmo. O lucro em ambas às
situações permaneceria o mesmo, pois os valores em questão se encontram dentro do
intervalo 5,6 < e, < 11,20. Isso garante que o intervalo de estabilidade é legítimo,
Para e, = 10 temos:
10
—0,80 < =— < —O,40
[2]
10
/ == >= =0,80 = 10 >= =0, 805, .(, 129,5 8 6
o)
10
é —— < —0,4 = —10 < —0,404 (25 3 o
Co
12,5€04<2
)
CAPÍTULO 7
TRANSPORTES
Figura 7.1:
e À quantidade minima a ser transportada (05 caminhos) de cada origem + para cada
destino 3 está representada pelos arcos vermelhos, azuis e verdes.
67
7.2 Sistemas Equilibrados e Não Equilibrados
Dois casos podem ocorrer quando da necessidade de resolver um problema de distri-
buição: o sistema pode estar em equilibrio ou desequilibrado. Quando o sistema se
encontra equilibrado, as quantidades existentes na origem e no destino são iguais, isto
é, o somatório da oferta é igual ao somatório da demanda. No caso do sistema se
encontrar desequilibrado, as quantidades na origem é no destino são diferentes.
e Caso 1: Sistema Equilibrado À quantidade ofertada é igual a quantidade deman-
dada, isto é:
Origens = Ofertas ]
Figura 7.2:
Gs
De forma análoga, se a quantidade do que se procura é maior do que a quantidade ofer=
tada, então acrescenta-se uma origem fantasma de valor Sº Demanda — $” O ferta,
que irá equilibrar o sistema,
Fora |« (o
E man-da Zi, GE) o
Figura 7,3;
Go)
Podemos dizer então que à função objetivo é um somatório duplo das cargas a serem
transportadas em que os indices representam as origens e os destinos. De uma forma
geral, a função objetivo ligada ao transporte pode ser escrita da seguinte forma:
LN)
MinZ =X"Xx;
ij
FS) + Tia = a
FR 1 + TH + 14 = 100
Restrições de Demanda: ' ' !
12 + Taz + TH = 1TO
Et ="
Lts
j=
FG > Ois=1,9,8,...,mAjs=1,2,83,...,7
Como em qualquer modelo de PL, não podemos esquecer a condição de não nega-
tividade: ;; > 0. Em resumo, o modelo geral é:
mor
MinZ=5"3"xy4
é j
Sujeito a: EE TES b;
Ty + ER + Em = 100
Fo + Fa + Eq, = 170
Fu + Ti = 50
Sujeito a: . É
Fay + Es = 100
Ti + FT = VA)
ty 20
Tl
T.4.1 Método do Canto Noroeste
Este método tem o intuito de alocar carga a partir da primeira célula situada no canto
noroeste. O processo consiste em descarregar 6 máximo possível de carga de acordo
com à demanda da primeira coluna e as ofertas da primeira linha, repetindo o processo
da esquerda para direita até que toda a carga disponível no primeiro depósito tenha
sido distribuída. Em seguida, repetimos o processo para as linhas seguintes, até que
toda carga seja distribuída. O processo finaliza quando toda a capacidade de oferta
satisfaz a toda demanda existente. Vejamos sua aplicação.
COLETÁNEA DE EXERCÍCIOS
FT, +La+EZEIO
onde x; representa as decisões de produção dos produtos PR, £ o lucro devido a cessa
atividade, as restrições, o uso dos recursos 1; e a tabela final de solução pelo Simplex:
FAR Fa ta h Ff fa [3
10,50 | 0,45) 0,00 | 0,00 | 0,75 | 0,00 | 9,00
O 0,50 | 0,75 ) 0,00 | 1,00 | -0,25 | 0,00 | 7,00
0 | 0,50 / 0,25 | 1,00 | 0,00 | 0,25 [| 0.00 | 3,00
O | 1,50 | 3,25 | 0,00 | 0,00 | 0,25 | 1,00 | 12,00 |
Pergunta-se:
a) Qual o intervalo de estabilidade para o coeficiente de +47
75
b) Qual o intervalo de estabilidade para o coeficiente de f?
c) O que significa 6 intervalo obtido no item (a)?
d) Como podemos interpretar o resultado obtido em (b)?
e) Qual o intervalo de estabilidade para o coeficiente de +17?
É) Qual o intervalo de estabilidade para o coeficiente de 27
E) Suponha que um novo produto P;, use duas unidades do recurso 1, uma unidade do
recurso 11 e três unidades do recurso TI. Qual deverá ser seu luero unitário para sua
incorporação no programa?
h) Qual o limite para o aun nto da disponibilidade do recurso Ra que mantém à in-
formação contida em seu custo de oportunidade?
i) E para o recurso Ry?