Otimização Linear - Socorro Rangel (DMAp)

Extraído de: SIAM News, Volume 33, Number 4

By Barry A. Cipra
“Algos is the Greek word for pain. Algor is Latin, to be cold. Neither is the root for algorithm, which stems instead from al-
Khwarizmi, the name of the ninth-century Arab scholar whose book al-jabr wa’l muqabalah devolved into today’s high school algebra
textbooks. Al-Khwarizmi stressed the importance of methodical procedures for solving problems. Were he around today, he’d no
doubt be impressed by the advances in his eponymous approach. Some of the very best algorithms of the computer age are highlighted
in the January/February 2000 issue of Computing in Science & Engineering, a joint publication of the American Institute of Physics
and the IEEE Computer Society. Guest editors Jack Don-garra of the University of Tennessee and Oak Ridge National Laboratory and
Fran-cis Sullivan of the Center for Comput-ing Sciences at the Institute for Defense Analyses put togeth-er a list they call the “Top
Ten Algorithms of the Century.”
“We tried to assemble the 10 algorithms with the greatest influence on the development and practice of science and engineering in the
20th century,” Dongarra and Sullivan write. As with any top-10 list, their selections—and non-selections—are bound to be
controversial, they acknowledge. When it comes to picking the algorithmic best, there seems to be no best algorithm. Without further
ado, here’s the CiSE top-10 list, in chronological order. (Dates and names associated with the algorithms should be read as first-order
approximations. Most algorithms take shape over time, with many contributors.) ...
1947: George Dantzig, at the RAND Corporation, creates the simplex method for linear programming. In terms of widespread
application, Dantzig’s algorithm is one of the most successful of all time: Linear programming dominates the world of industry, where
economic survival depends on the ability to optimize within budgetary and other constraints. (Of course, the “real” problems of
industry are often nonlinear; the use of linear programming is sometimes dictated by the computational budget.) The simplex method
is an elegant way of arriving at optimal answers. Although theoretically susceptible to exponential delays, the algorithm in practice is
highly efficient—which in itself says something interesting about the nature of computation.”

O Problema da Ração (Arenales e outros, 2015) Uma agro-indústria deve produzir um tipo de ração para um determinado animal.
Essa ração é produzida pela mistura de farinhas de três ingredientes básicos: osso, soja e resto de peixe. Cada um destes três
ingredientes contém diferentes quantidades de dois nutrientes necessários à uma dieta nutricional balanceada: proteína e cálcio. O
nutricionista especifica as necessidades mínimas desses nutrientes em 1 kg de ração. Cada ingrediente é adquirido no mercado com um
certo custo unitário ($/kg). Na tabela 1, os dados do problema são apresentados. Por exemplo, a farinha de osso é constituída de 20%
de proteína e 60% de cálcio; a ração deve ser composta de pelo menos 40% de proteína e 50% de cálcio; 1 kg da farinha de osso custa
$ 0,56 (os ingredientes podem ser constituídos por outros elementos, mas que não são importantes para o problema em questão).
Deve-se determinar em que quantidades os ingredientes devem ser misturados de modo a produzir uma ração que satisfaça às
restrições nutricionais, com o mínimo custo.
Tabela 1 – Dados para o problema da ração
Ingredientes
Nutrientes Osso Soja Peixe Ração
Proteína 0,2 0,5 0,4 0,3
Cálcio 0,6 0,4 0,4 0,5
Custos ($/Kg) 0,56 0,81 0,46
O Problema do Transporte (Adaptado Wagner, 1986) O Presidente, Antônio Castor, da Companhia Ramos de Carvalho quer
distribuir da melhor maneira possível os recursos de madeira disponíveis em três de suas regiões florestais situadas nos estados do
Amazonas, Pará e Acre. Os recursos devem ser enviados para quatro depósitos situados nos estados de São Paulo, Bahia, Minas
Gerais e Rio de Janeiro. Como os custos de remessa são uma despesa importante, a gerência esta dando início a um estudo para
reduzi-los. Para a próxima safra, foi feita uma estimativa de qual seria a produção de cada reserva e foi alocada para cada depósito
uma determinada quantidade da oferta total de madeira. Esta informação (em unidades de caminhões com carga total), juntamente com
o custo da remessa por caminhão com carga total é dada na tabela 3 abaixo. Assim temos um total de 300 caminhões com carga total
para serem remetidos. O problema é então determinar que plano para o transporte entre as várias combinações reserva - depósito irá
minimizar o custo total de transporte.
Tabela 3 – Dados de remessa e custo (por caminhão com carga total)

Depósito

1 2 3 4 Produção

Reserva 1 464 513 654 867 75

2 352 416 690 791 125

3 995 682 388 685 100

Demanda 80 65 70 85
O Problema do Corte Unidimensional (Adaptado Wagner, 1986) - Uma fábrica da Companhia de Papel Textura Fina produz o
assim chamado papel capa em bobinas gigantes tendo um comprimento padrão de 170 cm. (Cada Bobina tem uma largura fixa). Os
fregueses da companhia, contudo, encomendam bobinas com comprimentos menores (e a mesma largura fixa que a bobina maior). Os
pedidos de hoje são para 80 bobinas de 30 cm de comprimento, 120 bobinas de comprimento 50cm, e 110 bobinas de comprimento
55cm. Essas bobinas de menor comprimento devem ser cortadas da bobina maior de tamanho padrão. Considerando por exemplo que
a companhia pode decidir dividir a bobina maior em 2 bobinas de comprimento 30cm, uma bobina de comprimento 50; e uma bobina
de comprimento 55cm, isto deixa [170-(2* 30+50+55)]= 5 cm de refugo (isto é, subbobinas que não poderão ser vendidas ao cliente).
1)De quantas maneiras é possível recortar a bobina gigante de 170 cm em bobinas de 30, 50 , e 55 cm de comprimento? Uma destas
combinações (esquema de corte) já foi ilustrada no exemplo. Calcule o refugo de cada esquema de corte.
2) Que esquemas de corte devem ser usados para atender os pedidos de forma a minimizar o refugo total?

O Problema do planejamento da produção (Arenales e outros, 2015) Considere uma fábrica de pré-moldados que produz dois tipos
de vigas, cujas demandas para as próximas três semanas são conhecidas, conforme a Tabela 2 Os produtos utilizam os mesmos tipos
de recursos, porém em quantidades diferentes. Suponha, por simplicidade, que apenas um centro de trabalho esteja disponível para a
produção dos dois itens, cuja disponibilidade é de 40 horas por período e que a produção de uma unidade do item 1 consuma 15
minutos e uma unidade do item 2 consuma 20 minutos. Os custos de produção por período são conhecidos e dados pela Tabela 3.
Admite-se que a produção possa ser antecipada e estocada para ser utilizada nos períodos seguintes. Os custos de estocagem são dados
na Tabela 4 (por exemplo, uma unidade do item 1 pode ser produzida no período 2 e guardada em estoque, para atender a demanda
no período 3, por $ 3,00/unidade). Deseja-se definir um plano da produção de modo que os pedidos sejam atendidos ao menor custo
de produção e estocagem. Os estoques iniciais dos dois produtos são nulos e deseja-se que seus estoques finais também sejam nulos.

Tabela 2– Demanda de vigas

Item Período 1 Período 2 Período 3

Item 1 100 90 120

Item 2 40 50 80

Tabela 3 – Custos de produção

Item Período 1 Período 2 Período 3

Item 1 20 20 30

Item 2 20 20 30

Tabela 4– Custos de estocagem

Item Período 1 Período 2

Item 1 2 3

Item 2 2,5 3,5

Referencias:
1. ARENALES, M., ARMENTANO, V., MORABITO, R. E YANASSE, H.- Pesquisa Operacional, Elsevier, 2015, 2ªEd
2. WAGNER, H. - Pesquisa Operacional, Ed. Prentice Hall, 1986.
3. RANGEL, S. Introdução à construção de modelos de otimização linear e inteira. 2. ed. São Carlos-SP: SBMAC 2012. 82
p. (disponível em http://www.sbmac.org.br/arquivos/notas/livro_18.pdf )