Escolar Documentos
Profissional Documentos
Cultura Documentos
Docente
Joã o Luís de Miranda
Discente
Mariana Vicente
Gestão 2022-2023
Estudo de um Problema de Programação Linear
Lista de Siglas
GESTÃO
INVESTIGAÇÃO OPERACIONAL 2
Estudo de um Problema de Programação Linear
Índice de Anexos
GESTÃO
INVESTIGAÇÃO OPERACIONAL 3
Estudo de um Problema de Programação Linear
Índice Geral:
Lista de Siglas...........................................................................................................................3
Índice de Anexos.......................................................................................................................4
GESTÃO
INVESTIGAÇÃO OPERACIONAL 4
Estudo de um Problema de Programação Linear
Índice Geral...............................................................................................................................5
Índice de Expressões................................................................................................................7
Índice de Quadros.....................................................................................................................8
Índice de Gráficos.....................................................................................................................9
Capítulo I- Programação Linear..........................................................................................11
1.1 Introdução à programação linear.....................................................................12
Índice de Expressões
Expressão 1- Modelo de PL
Expressão 2- Formulaçã o do problema
GESTÃO
INVESTIGAÇÃO OPERACIONAL 5
Estudo de um Problema de Programação Linear
Índice de Quadros
GESTÃO
INVESTIGAÇÃO OPERACIONAL 6
Estudo de um Problema de Programação Linear
Índice de Gráficos
GESTÃO
INVESTIGAÇÃO OPERACIONAL 7
Estudo de um Problema de Programação Linear
Introdução
GESTÃO
INVESTIGAÇÃO OPERACIONAL 8
Estudo de um Problema de Programação Linear
A Programaçã o Linear é uma técnica utilizada para otimizar funçõ es lineares sob
condiçõ es restritivas mas também lineares. A cadeira de Investigaçã o Operacional para
Gestã o tem uma abordagem teó rico-prá tica que procura conectar os aspetos teó ricos
mais relevantes com a resoluçã o prá tica de problemas. Com a realizaçã o deste trabalho
tenho como principal objetivo desenvolver um problema de programaçã o linear,
utilizando vá rias técnicas e vá rias metodologias desenvolvidas em sala de aula, tais como
a resoluçã o grá fica, método Simplex (forma tabular e matricial), dualidade e relaçõ es
existentes entre os problemas dual e primal. Para a resoluçã o do problema utilizarei
ferramentas de resoluçã o computacional que nã o só validem e verifiquem os valores
obtidos mas que também ajudem na interpretaçã o dos resultados para o meio de
relató rios. No final serã o apresentadas conclusõ es sobres os principais aspetos críticos
da elaboraçã o e desenvolvimento deste trabalho académico.
Abstract
Many of today's problems are based on choosing an alternative in this exact case
the best alternative, these can be several, but we have one that is very important which is
called decision making. IO is one of the branches that uses methods or processes to
arrive at the best alternative. Optimization is a common need in both business and
personal viewpoints, and many times it is necessary to find the optimal solution to a
problem considering several possible solutions and imposed constraints. Linear
Programming is a technique used to optimize linear functions under constrained but also
linear conditions.
GESTÃO
INVESTIGAÇÃO OPERACIONAL 9
Estudo de um Problema de Programação Linear
GESTÃO
INVESTIGAÇÃO OPERACIONAL 10
Estudo de um Problema de Programação Linear
Noções fundamentais
GESTÃO
INVESTIGAÇÃO OPERACIONAL 11
Estudo de um Problema de Programação Linear
existem algumas definiçõ es essenciais que devem ser consideradas durante esta
introduçã o à programaçã o linear. Aqui estã o algumas delas:
Função objetivo: uma funçã o linear que se deseja otimizar, seja através da
minimizaçã o ou maximizaçã o;
Restrições funcionais: limitaçõ es lineares que devem ser satisfeitas para
garantir a soluçã o ó tima;
Condições de não-negatividade: restringem as variá veis do problema a valores
positivos ou nulos;
Solução possível: uma soluçã o que satisfaz todas as restriçõ es;
Região possível: a regiã o que abrange todas as soluçõ es possíveis;
Solução impossível: uma soluçã o que viola pelo menos uma das restriçõ es;
Solução ótima: uma soluçã o possível que leva ao melhor valor possível da funçã o
objetivo.
Além das noçõ es fundamentais e abstratas, é essencial entender as características
comuns a todos os modelos de programaçã o linear:
Proporcionalidade: cada atividade contribui proporcionalmente para o objetivo
de acordo com o seu pró prio nível.
Aditividade: o valor global do objetivo ou da utilizaçã o de recursos é a soma das
contribuiçõ es individuais de cada atividade.
Continuidade ou divisibilidade: as variá veis de decisã o podem assumir valores
fracioná rios.
GESTÃO
INVESTIGAÇÃO OPERACIONAL 12
Estudo de um Problema de Programação Linear
GESTÃO
INVESTIGAÇÃO OPERACIONAL 13
Estudo de um Problema de Programação Linear
excedidos esses limites e que a carga total do contentor nã o ultrapasse as 6,7 toneladas.
O problema pode ser modelado por meio de um modelo de programaçã o linear que
permita encontrar a soluçã o ó tima.
GESTÃO
INVESTIGAÇÃO OPERACIONAL 14
Estudo de um Problema de Programação Linear
Para maximizar o valor da carga, é necessá rio considerar a combinaçã o ideal de caixas de
produtos P e Q, tendo em conta as margens de lucro e as restriçõ es de capacidade e tonelagem. O
objetivo é encontrar a quantidade de cada produto que maximiza o lucro total dentro dessas
limitaçõ es.
GESTÃO
INVESTIGAÇÃO OPERACIONAL 15
Estudo de um Problema de Programação Linear
variá veis de decisã o multiplicadas pelos lucros unitá rios de cada produto como:
3x1+4x2. As restriçõ es sã o as condiçõ es que limitam as soluçõ es viá veis do problema,
estas podem ser restriçõ es de capacidade, disponibilidade de recursos, entre outras.
Cada restriçã o é uma expressã o matemá tica que envolve as variá veis de decisã o. Temos
o exemplo: de termos uma restriçã o de capacidade que limita a produçã o total de ambos
os produtos, poderia ser expressa como: 2x1+3x2 ≤ 100.
Apó s identificarmos as variá veis de decisã o, a funçã o objetivo e as restriçõ es,
podemos formular o modelo de programaçã o linear da seguinte forma:
Maximizar ou minimizar: Z=funçã o objetivo
Sujeito a: restriçã o 1 restriçã o 2….restriçã o n
Cada restriçã o é escrita como uma desigualdade (≤, ≥, ou =) ou uma igualdade e
todas as variá veis de decisã o devem ser nã o negativas (x1≥0 , x2≥0,…).
Esta é a estrutura bá sica de um modelo de programaçã o linear. Depois de
formular, podemos resolver o modelo utilizando métodos específicos, como o método
simplex ou algoritmos de programaçã o linear.
3.2 Modelação matemática
3.2.1 Função objetivo
GESTÃO
INVESTIGAÇÃO OPERACIONAL 16
Estudo de um Problema de Programação Linear
GESTÃO
INVESTIGAÇÃO OPERACIONAL 17
Estudo de um Problema de Programação Linear
Estas restriçõ es devem ser consideradas em conjunto com a funçã o objetivo para a
otimizaçã o da carga transportada em cada contentor, de acordo com as condiçõ es
estabelecidas.
3.2.4 Simplificações
GESTÃO
INVESTIGAÇÃO OPERACIONAL 18
Estudo de um Problema de Programação Linear
A margem por cada caixa do produto P é de 75 unidades monetá rias (em euros),
enquanto a margem por caixa do produto Q é de 65 unidades monetá rias.
A seçã o de armazém pode carregar até 3000 caixas de P.
A seçã o de armazém também pode carregar até 1500 caixas de Q.
Existe uma restriçã o de peso, onde cada caixa do produto P pesa 7 quilogramas e
cada caixa do produto Q pesa 4 quilogramas. O limite total de carga é de 6,7
toneladas (em milhares de quilogramas).
A aná lise grá fica de um problema de Programaçã o Linear oferece uma maneira de
entender o comportamento das variá veis envolvidas e permite identificar a regiã o viá vel,
que é a á rea onde todas as soluçõ es que a compõ em sã o vá lidas de acordo com as
restriçõ es. Além disso, na representaçã o grá fica, é possível determinar a soluçã o ó tima,
ou seja, o melhor valor que a funçã o objetivo pode alcançar dentro do conjunto de
soluçõ es viá veis.
GESTÃO
INVESTIGAÇÃO OPERACIONAL 19
Estudo de um Problema de Programação Linear
GESTÃO
INVESTIGAÇÃO OPERACIONAL 20
Estudo de um Problema de Programação Linear
GESTÃO
INVESTIGAÇÃO OPERACIONAL 21
Estudo de um Problema de Programação Linear
GESTÃO
INVESTIGAÇÃO OPERACIONAL 22
Estudo de um Problema de Programação Linear
Ciclo iterativo:
Escolher a direção da procura: Selecionar a variá vel nã o bá sica que entrará na
base, escolhendo aquela com o maior valor absoluto entre os coeficientes negativos da
funçã o objetivo.
GESTÃO
INVESTIGAÇÃO OPERACIONAL 23
Estudo de um Problema de Programação Linear
Determinar o passo: Selecionar a variá vel que sairá da base, utilizando o teste da
razã o mínima para escolher aquela que primeiro atinge zero.
Cálculo da nova solução básica: Utilizando as operaçõ es de eliminaçã o de
Gauss-Jordan em matrizes, obter uma matriz identidade na coluna correspondente à
nova variá vel bá sica.
5.4 Forma Simplex
A forma tabular do algoritmo do Simplex para o problema dado é a seguinte:
Nesta forma tabular, cada linha representa uma restriçã o e a ú ltima linha
representa a funçã o objetivo. As colunas correspondem à s variá veis x1, x2, e à s variá veis
de folga S1, S2, S3, respetivamente. A coluna RHS (right-hand side) representa os lados
direitos das restriçõ es.
GESTÃO
INVESTIGAÇÃO OPERACIONAL 24
Estudo de um Problema de Programação Linear
Quadro 3: 1ªInteração
Na pró xima iteraçã o, selecionamos a variá vel nã o bá sica x2 para entrar na base e
a variá vel bá sica S3 para sair da base. Realizamos novamente a operaçã o de pivô e
atualizamos o restante da tabela:
Quadro 4: 2ª Interação
5.5Forma Matricial
GESTÃO
INVESTIGAÇÃO OPERACIONAL 25
Estudo de um Problema de Programação Linear
GESTÃO
INVESTIGAÇÃO OPERACIONAL 26
Estudo de um Problema de Programação Linear
GESTÃO
INVESTIGAÇÃO OPERACIONAL 27
Estudo de um Problema de Programação Linear
GESTÃO
INVESTIGAÇÃO OPERACIONAL 28
Estudo de um Problema de Programação Linear
GESTÃO
INVESTIGAÇÃO OPERACIONAL 29
Estudo de um Problema de Programação Linear
GESTÃO
INVESTIGAÇÃO OPERACIONAL 30
Estudo de um Problema de Programação Linear
Agora, podemos resolver o problema dual. Neste caso, iremos utilizar um método
de soluçã o específico para problemas de programaçã o linear.
Apó s a resoluçã o do problema dual, obtemos os valores ó timos das variá veis duais Y1, Y2
e Y3. Esses valores podem ser interpretados como os preços sombra ou os custos
marginais das restriçõ es do problema primal.
Com a soluçã o do problema dual, podemos analisar a sensibilidade do problema
primal à s mudanças nas restriçõ es e nos coeficientes da funçã o objetivo. Além disso, a
soluçã o dual também pode ser ú til para a tomada de decisõ es e interpretaçã o econó mica
do problema.
A justificaçã o dos valores duais obtidos no problema dual está relacionada com a
interpretaçã o econó mica das restriçõ es e dos coeficientes da funçã o objetivo do
problema primal.
No problema primal, temos três restriçõ es:
P ≤ 3000
Q ≤ 1500
7P + 4Q ≤ 6700
GESTÃO
INVESTIGAÇÃO OPERACIONAL 31
Estudo de um Problema de Programação Linear
As variá veis duais (Y1, Y2, Y3) no problema dual correspondem a cada uma
dessas restriçõ es. Os valores duais representam o custo marginal de relaxar cada
restriçã o em uma unidade, ou seja, o impacto na funçã o objetivo primal ao permitir um
aumento infinitesimal na respetiva restriçã o.
Ao resolver o problema dual, encontramos os valores ó timos para as variá veis
duais (Y1, Y2, Y3). Esses valores refletem o custo marginal de relaxar cada restriçã o no
problema primal. Vamos analisar cada valor dual correspondente à s restriçõ es do
problema primal:
O valor dual Y1 está relacionado à restriçã o P ≤ 3000. Indica o custo marginal de
permitir que P ultrapasse o limite de 3000. Se Y1 for positivo, significa que é vantajoso
aumentar o valor de P além de 3000. Se Y1 for zero ou negativo, indica que a restriçã o P
≤ 3000 é vinculativa e nã o há benefício em ultrapassar esse limite.
O valor dual Y2 está relacionado à restriçã o Q ≤ 1500. Funciona de maneira
semelhante a Y1, mas para a variá vel Q. Se Y2 for positivo, é vantajoso permitir que Q
ultrapasse o limite de 1500. Se Y2 for zero ou negativo, a restriçã o Q ≤ 1500 é
vinculativa.
O valor dual Y3 está relacionado à restriçã o 7P + 4Q ≤ 6700. Indica o custo
marginal de permitir que a combinaçã o linear de P e Q exceda o limite de 6700. Se Y3 for
positivo, é vantajoso aumentar o valor de 7P + 4Q além de 6700. Se Y3 for zero ou
negativo, a restriçã o 7P + 4Q ≤ 6700 é vinculativa.
Os valores duais fornecem informaçõ es sobre a sensibilidade das restriçõ es do
problema primal e indicam a importâ ncia relativa de cada restriçã o na determinaçã o do
valor ó timo da funçã o objetivo primal. Valores duais positivos indicam que as restriçõ es
correspondentes sã o menos restritivas e têm um impacto positivo na funçã o objetivo
primal quando relaxadas, enquanto valores duais zero ou negativos indicam restriçõ es
vinculativas.
Portanto, os valores duais justificam-se como os custos marginais associados à
relaxaçã o de cada restriçã o do problema primal, fornecendo informaçõ es sobre a
importâ ncia relativa dessas restriçõ es e sua influência no valor ó timo da funçã o objetivo
primal.
GESTÃO
INVESTIGAÇÃO OPERACIONAL 32
Estudo de um Problema de Programação Linear
GESTÃO
INVESTIGAÇÃO OPERACIONAL 33
Estudo de um Problema de Programação Linear
GESTÃO
INVESTIGAÇÃO OPERACIONAL 34
Estudo de um Problema de Programação Linear
GESTÃO
INVESTIGAÇÃO OPERACIONAL 35
Estudo de um Problema de Programação Linear
GESTÃO
INVESTIGAÇÃO OPERACIONAL 36
Estudo de um Problema de Programação Linear
Além disso, a aná lise de sensibilidade também pode ser feita em relaçã o aos
coeficientes das restriçõ es (A) e ao lado direito das restriçõ es (b), para avaliar o impacto
dessas variaçõ es nas soluçõ es ó timas.
A aná lise de sensibilidade da variaçã o na funçã o objetivo (c') permite
compreender como as alteraçõ es nos coeficientes da funçã o objetivo afetam as soluçõ es
ó timas do problema primal. Ela é fundamental para entender a estabilidade das soluçõ es
em relaçã o a mudanças nos parâ metros do problema e para tomar decisõ es informadas
com base nessa aná lise.
GESTÃO
INVESTIGAÇÃO OPERACIONAL 37
Estudo de um Problema de Programação Linear
CONCLUSÃO
Neste trabalho, explorei os conceitos relacionados com a programaçã o linear e a relaçã o
primal-dual. Di discutindo a formulaçã o do problema primal na forma algébrica e
matricial, identificando as restriçõ es e a funçã o objetivo. Em seguida, apresentamos o
problema dual correspondente, com suas restriçõ es e funçã o objetivo.
GESTÃO
INVESTIGAÇÃO OPERACIONAL 38
Estudo de um Problema de Programação Linear
Isso mostra a relaçã o intrínseca entre os problemas primal e dual, permitindo que
informaçõ es e propriedades sejam transferidas entre eles.
Explorá mos a aná lise de sensibilidade, que nos permite avaliar o impacto de variaçõ es
nos coeficientes da funçã o objetivo (c') e nos parâ metros das restriçõ es (b') nas soluçõ es
ó timas. Esta ajuda-nos a compreender como as mudanças nos parâ metros afetam as
soluçõ es e a tomar decisõ es informadas com base nesses insights.
Por fim, destaco a importâ ncia destes conceitos na resoluçã o de problemas reais,
tanto na interpretaçã o e implementaçã o da aná lise de sensibilidade quanto na aplicaçã o
em problemas econó micos e de aná lise econó mica.
A programaçã o linear e a relaçã o primal-dual sã o ferramentas valiosas para a
otimizaçã o de problemas complexos. Através destes conceitos, podemos formular e
resolver problemas, analisar sensibilidade e tomar decisõ es com base em dados. A
compreensã o destes princípios fundamentais é fundamental para o estudo e a aplicaçã o
bem-sucedida da programaçã o linear em diversas á reas.
GESTÃO
INVESTIGAÇÃO OPERACIONAL 39