Escolar Documentos
Profissional Documentos
Cultura Documentos
Teodoro Brás
A avaliação da disciplina é composta por dois testes com ponderação de 40% da média e um
exame final com ponderação de 60%.
Avalição Exercício Cotação Data Cotação
1º Teste aula TP 25% por definir 15 valores
2º Teste aula TP 25% por definir 15 valores
Projeto Final aula TP 40% por definir 10 valores
Exame aula TP 60% por definir 20 valores
Do 1º teste à Projeto final são 40% do valor da média, e do exame são 60% da nota.
∑ Test1 + Test2 + PF ∗ 40% + Exame ∗ 60%
O estudante tem direito a aprovação na disciplina desde que tenha uma nota superior ou igual
a 9.5 valores.
A investigação operacional (IO), surgiu na inglaterra durante a segunda guerra mundial (1939 −
1945) para a solução de problemas de natureza logística, tática e de estratégia militar, quando
foi convocado um grupo de cientista para decidir sobre a utilização mais eficaz de recursos
militares limitados, marcando a primeira atividade formal desse campo de estudo
Pelos seus resultados positivos alcançados, fez com que fosse disseminada nos EUA, e em 1947
a equipe liderada por George B. Dantzig deu a origem ao método simplex para a resolução de
problemas de programação linear.
Investigação Operacional consiste na utilização de métodos científicos (modelos matemáticos,
estatísticos e algoritmos computacionais) para a tomada de decisões.
Os parâmetros são os valores fixos previamente conhecidos do problema, por exmplo: custo
de variável para produzir determinado tipo de móvel; lucro ou custo por unidade de produto
fabricado; custo por funcionário contratado, etc.
▶ Função Objetivo
A função objetivo é uma função matemática que determina o valore que se pretende alcançar
ou a qualidade da solução, em funçao das variáveis de decisão e dos parâmetro, podendo ser
uma função de maximização (lucro, receita, utilidade, nível de serviço, riqueza, ...) ou de
minimização (custos, risco, erro, ...)
▶ Restrições
As restrições podem ser definidas como sendo um conjunto de equações e inequações que as
variáveis de decisão do modelo devem satisfazer. As restrições são adicionadas ao modelo de
forma a considerar as limitações físicas do sistema, e afetam diretamente os valores das variáveis
de decisão, como por exemplo: a capaicidade máxima de produção; demanda mínima aceitável
de um produto, ...
▶ Validação do modelo
Um modelo pode ser considerado válido se conseguir representar ou prever, com precisão
aceitável, o comportamento do sistema em estudo.
▶ Implementação dos resultados
Após validar o modelo, é preciso implementar os resultados que devem ser controladas e
acompanhada por uma equipe responsável, de forma a detetar e corrigir possíveis
mudanças nos valores da nova resolução.
▶ Avaliação final
Consiste em verificar se o objetivo final foi ou não alcançado.
Um problema de programação linear que esteja na forma canónica, as restrições devem ser
desigualdades, a função objetivo pode ser de maximização ou de minimização. Se z for de
maximização, as restrições devem ser do tipo ≤, caso contrário devem ser do tipo ≥.
A forma canónica é representada matematicamente como:
4. Uma restrição de desigualdadedo tipo ≤ pode escrita por meio de uma equação
adicionando uma nova variável não negativa do lado esquerdo (LHS-left hand side)
xk ≥ 0, chamada de variável de folga:
5. Se x j não tem restrição, é chamada variável livre, expressa: x j = x1j − x2j , x1j , x2j ≥ 0
Exemplo:
1. Escreve o PL a seguir na forma padrão, a partir de uma função objetivo de minimização.
max z = f (x1 , x2 , x3 , x4 ) = 5x1 + 2x2 − 4x3 − x4
sujeito a:
x1 + 2x2 − x4 ≤ 12
2x1 + x2 + 3x3 ≥ 6
x2 , x3 , x4 ≥ 0
Resolução:
min −z = − f (x1 , x2 , x3 , x4 ) = −5x1 − 2x2 + 4x3 + x4
sujeito a:
x11 − x12 + 2x2 − x4 + x5 = 12
2x11 − 2x12 + x2 + 3x3 − x6 = 6
x11 , x12 , x2 , x3 , x4 , x5 , x6 ≥ 0
Exemplo:
2. Transforme o problema a seguir na forma canónica max z = f (x1 , x2 , x3 ) = 3x1 + 4x2 + 5x3
sujeito a:
2x1 + 2x2 + 4x4 ≥ 320
3x1 + 4x2 + 5x3 = 580
x1 , x2 , x3 ≥ 0
Resolução:
max z = f (x1 , x2 , x3 ) = 3x1 + 4x2 + 5x3
sujeito a:
−2x1 − 2x2 − 4x4 ≤ −320
−3x1 − 4x2 − 5x3 ≤ −580
3x1 + 4x2 + 5x3 ≥ 580
x1 , x2 , x3 ≥ 0
Um problema simples de programação linear que envolve duas variáveis de decisão pode ser
facilmente resolvido de forma gráfica. Os problemas com até três variáveis de decisão também
podem ser resolvidos de forma gráfica, porém, com complexidade maior.
Na resolução gráfica de um modelo de progrmação linear, primeiramente, determina-se o espaço
de soluções viáveis ou região factível em um plano cartesiano.
Definição (solução viável ou factível): Uma solução viável ou factível é aquela que satisfaz
todas as restrições do modelo, inclusive as de não negatividade. O conjunto de todas as soluções
factíveis é chamado região viável ou factível.
Se determinada solução não satisfazer uma das restrições do modelo, a mesma é chamada
solução inviável ou infactível.
De seguida, consiste em determinar a solução ótima do modelo, isto é, solução factível que
apresenta o melhor valor da função objectivo. Para um problema de maximização, determindo
o conjunto de soluções viáveis, a solução ótima é aquela que fornece o maior valor à função
objectivo dentro desse conjunto. E para um problema de minimização, a solução ótima é aquela
que minimiza a função objectivo.
Resolução: