INVESTIGAÇÃO OPERACIONAL

 6ª Aula
 Adaptação de problemas não standard ao Método Simplex
Ir-se-ão referir os procedimentos a adoptar para converter estes problemas em problemas que
possam ser resolvidos pelo método simplex.
O maior problema passa a ser a determinação da SBA inicial
Será utilizada a técnica da Introdução de Variáveis Artificiais em cada restrição que delas precise
de forma a criar um problema artificial que possa ser solucionado pelo Método Simplex.

 Restrições de igualdade
Max Z = 3x1 + 5x2 x5 = 18 – 3x1 – 2x2 Max Z - 3x1 - 5x2 + Mx5 = 0
x1 4 Max Z = 3x1 + 5x2 – Mx5 x1 + x3 4
2x2 12 x1 4 2x2 + x4 12
3x1 + 2x2  18 2x2 12 3x1 + 2x2 + x5  18
3x1 + 2x2  18

 A SBA inicial será dada por (x3, x4, x5)

 Como x5 tem um coeficiente diferente de zero na equação (0) teremos de o eliminar pelo método de Gauss
 Z – 3x1 – 5x2 + Mx5 = 0
 - M(3x1 +2x2 + x5 = 18)
 Z – (3M + 3) x1 – (2M + 5) x2 = - 18M , esta será a equação (0) para a resolução pela forma tabular

Cecília Rocha # 1 2001/2002

 INVESTIGAÇÃO OPERACIONAL
 6ª Aula
 Adaptação de problemas não standard ao Método Simplex

 Restrições de igualdade
 Na Função Objectivo (FO), o sinal da Variável Artificial varia consoante se está perante um
problema de minimização ou maximização, ou seja;
 Maximização

Z = 3x1 + 5x2 – Mx5, o sinal terá de ser negativo e ter um parâmetro de valor muito elevado (M)
para obrigar a variável artificial
correspondente a ser zero.
 Minimização
Z = 0.4x1 + 0.5x2 + Mx3, o sinal positivo é utilizado para contrariar a evolução de minimização
que se pretende e obter e, assim,
consegue-se obrigar a variável artificial a ser zero.

 Nestes problemas, a Solução Óptima não pode ter valor diferente de zero para a Variável Artificial.
 Se existirem várias restrições de igualdade no mesmo problema, devem ser todas tratadas da forma
aqui descrita.
Cecília Rocha # 2 2001/2002
 INVESTIGAÇÃO OPERACIONAL
 6ª Aula (cont.)
Coeficientes
Iteração VB Eq. LD rácio
Z x1 x2 x3 x4 x5
Z (0) 1 - 3M - 3 - 2M - 5 0 0 0 - 18M
x3 (1) 0 1 0 1 0 0 4 4/1 = 4
0
x4 (2) 0 0 2 0 1 0 12 S/s
x5 (3) 0 3 2 0 0 1 18 18/3 = 6
Z (0)-(-3M-3).(1) 1 0 - 2M - 5 3M + 3 0 0 - 6M + 12
x1 (1) 0 1 0 1 0 0 4 S/s
1
x4 (2) 0 0 2 0 1 0 12 12/2 = 6
x5 (3)-3(1) 0 0 2 -3 0 1 6 6/2 = 3
Z (0 –(-2M-5).(3) 1 0 0 - 9/2 0 M + 5/2 27
x1 (1) 0 1 0 1 0 0 4 4/1 = 4
2
x4 (2) –2(3) 0 0 0 3 1 -1 6 6/3 = 2
x2 (3)/ 2 0 0 1 - 3/2 0 1/2 3 S/s

Z (0) + 9/2.(2) 1 0 0 0 3/2 M+1 36

x1 (1) – (2) 0 1 0 0 - 1/3 1/3 2
Solução
x3 (2)  3 0 0 0 1 1/3 - 1/3 2 Óptima
3
(2,6,2,0,0)
x2 (3) + 3/2 (2) 0 0 1 0 1/2 0 6
Cecília Rocha # 3 2001/2002
 INVESTIGAÇÃO OPERACIONAL
 6ª Aula (cont.)
 Lados Direito negativos
 Nestes casos, pode-se multiplicar a restrição por –1, tendo em atenção que o sinal  passará a  e vice-versa,
exemplificando:
 x1 – x2  -1 ficará como -x1 + x2  1

 Se todas as variáveis tiverem restrições de Não- Negatividade, esta nova aparência da restrição permite
considerar estes novos valores (positivos) como os valores da Solução Básica Inicial.

 Restrições com a forma 

 Numa situação em que existam este tipo de restrições deve-se proceder da seguinte forma:
 Introduzir uma Variável Adicional (como forma de transformar o sinal  em igual);
 Introduzir uma Variável Artificial (o procedimento recomendado anteriormente para restrições de =).
 Na função objectivo, introduzir as variáveis artificiais com um parâmetro muito elevado

Problema Inicial Introdução da Var. Folga Introdução da Var. Artificial Introdução da Var. Adicional e Var. Artificial
Minimizar Z = 0.4x1 + 0.5x2 Minimizar Z = 0.4x1 + 0.5x2 Minimizar Z = 0.4x1 + 0.5x2 + Mx4x4 Minimizar Z = 0.4x1 + 0.5x2 + Mx4x4 + Mx6
x6
s.a.: s.a.: s.a.: s.a.:
0.3x1 + 0.1x2  2.7 0.3x1 + 0.1x2 + x3 = 2.7 0.3x1 + 0.1x2 + x3 = 2.7 0.3x1 + 0.1x2 + x3 = 2.7
0.5x1 + 0.5x2 = 6 0.5x1 + 0.5x2 =6 0.5x1 + 0.5x2 + x4 = 6 0.5x1 + 0.5x2 + x4 = 6
0.6x1 + 0.4x2  6 0.6x1 + 0.4x2 6 0.6x1 + 0.4x2 6 0.6x1 + 0.4x2 - x5 + x6 = 6
xi  0 xi  0 xi  0 xi  0

Cecília Rocha # 4 2001/2002

 INVESTIGAÇÃO OPERACIONAL
 6ª Aula (cont.)
 Minimização
Uma das formas de resolver o problema é trocar o papel dos coeficientes positivos e negativos na linha (0), no teste
de optimização e no primeiro passo do processo iterativo;
No entanto, iremos adoptar outra abordagem – encontrar o problema equivalente de Maximização, por exemplo:

Minimizar Z = 0.4x1 + 0.5 x2  Maximizar - Z = - 0.4x1 – 0.5x2

 Iremos utilizar este procedimento para resolver o problema tratado no ponto anterior – Método do BIG M
Formulação do Problema Artificial

Maximizar – Z = - 0.4x1 - 0.5x2 – Mx4 – Mx6

s.a.:
0.3x1 + 0.1x2 + x3 = 2.7
0.5x1 + 0.5x2 + x4 =6
0.6x1 + 0.4x2 - x5 + x6 = 6

Vamos considerar como variáveis básicas, na Solução Básica Admissível Inicial, ( x3, x4, x6) – as variáveis artificiais
prevalecem sobre as adicionais.
Linha (0) x1 x2 x3 x4 x5 x6
TInd
0.4 0.5 0 M 0 M 0
- M [ 0.5 0.5 0 1 0 0 6]
- M [ 0.6 0.4 0 0 -1 1 6] .
Nova Linha (0) (- 1.1M + 0.4) (- 0.9M + 0.5) 0 0 M 0 -12M

Cecília Rocha # 5 2001/2002

 INVESTIGAÇÃO OPERACIONAL
 6ª Aula (cont.)
Coeficientes
Iteração VB Equação LD Rácio
Z x1 x2 x3 x4 x5 x6
Z (0) -1 -1.1M+0.4 -0.9M+0.5 0 0 M 0 -12M

x3 (1) 0 0.3 0.1 1 0 0 0 2.7 2.7/0.3 = 9

0
x4 (2) 0 0.5 0.5 0 1 0 0 6 6/0.5 = 12

x6 (3) 0 0.6 0.4 0 0 -1 1 6 6/0.6 = 10

Z (0)-(-1.1M+0.4)(1) -1 0 -16/30M+11/30 11/3M-4/3 0 M 0 -2.1M-3.6

x1 (1)/0.3 0 1 1/3 10/3 0 0 0 9 91/3=27

1
x4 (2)-0.5(1) 0 0 1/3 -5/3 1 0 0 1.5 1.51/3=4.5

x6 (3)-0.6(1) 0 0 0.2 -2 0 -1 1 0.6 0.6/0.2=3

Z (0)-(16/30M+11/30)(3) -1 0 0 -5/3M+7/3 0 -5/3M+11/6 8/3M-11/6 -0.5M-4.7

x1 (1)-1/3(3) 0 1 0 20/3 0 5/3 -5/3 8 85/3=4.8

2
x4 (2)-1/3(3) 0 0 0 5/3 1 5/3 -5/3 0.5 0.55/3=0.3

x2 (3)/0.2 0 0 1 -10 0 -5 5 3 S/s

Z (0)-(-5/3M+11/6)(2) -1 0 0 0.5 M-1.1 0 M -5.25

x1 (1)-20/3(2) 0 1 0 5 -1 0 0 7.5
Solução
Óptima
3 x5 (2)5/3 0 0 0 1 3/5 1 -1 0.3
(7.5, 4.5, 0,
0, 0.3,
0.3 0)
x2 (3)+10(2) 0 0 1 -5 3 0 0 4.5
Cecília Rocha # 6 2001/2002
 INVESTIGAÇÃO OPERACIONAL
 6ª Aula (cont.)
 Minimização
Uma das formas de resolver o problema é trocar o papel dos coeficientes positivos e negativos na linha (0), no teste
de optimização e no primeiro passo do processo iterativo;
No entanto, iremos adoptar outra abordagem – encontrar o problema equivalente de Maximização, por exemplo:

Minimizar Z = 0.4x1 + 0.5 x2  Maximizar - Z = - 0.4x1 – 0.5x2

 Iremos utilizar este procedimento para resolver o problema tratado no ponto anterior – Método de DUAS FASES
Formulação do Problema Artificial

1ª Fase 2ª Fase
Maximizar – Z = – x4 – x6 Maximizar – Z = - 0.4x1 - 0.5x2
s.a.: s.a.:
0.3x1 + 0.1x2 + x3 = 2.7 0.3x1 + 0.1x2 + x3 = 2.7
0.5x1 + 0.5x2 + x4 =6 0.5x1 + 0.5x2 =6
0.6x1 + 0.4x2 - x5 + x6 = 6 0.6x1 + 0.4x2 - x5 = 6

A 1ª Fase tem como objectivo eliminar as variáveis artificiais, sendo obtida da equação da Nova Linha (0) do
método do BIG M que é dividida por M, obtendo-se alguns termos infinitesimais que são negligenciados. No final desta
fase como x4 e x6 se anularão, então poder-se-á utilizar esta solução com SBA Inicial para a 2ª Fase.
A 2ª Fase resolve o problema pelo método simplex, utilizando como SBA inicial o resultado da fase anterior.

Cecília Rocha # 7 2001/2002

 INVESTIGAÇÃO OPERACIONAL
 6ª Aula (cont.)
 1ª Fase
Coeficientes
Iteração VB Equação LD Rácio
Z x1 x2 x3 x4 x5 x6
Z (0) -1 -1. -0.9 0 0 1 0 -12
x3 (1) 0 0.3 0.1 1 0 0 0 2.7 2.7/0.3 = 9
0
x4 (2) 0 0.5 0.5 0 1 0 0 6 6/0.5 = 12
x6 (3) 0 0.6 0.4 0 0 -1 1 6 6/0.6 = 10

Z (0)-(-1.1)(1) -1 0 -16/30 11/3 0 1 0 -2.1

x1 (1)/0.3 0 1 1/3 10/3 0 0 0 9 91/3=27
1
x4 (2)-0.5(1) 0 0 1/3 -5/3 1 0 0 1.5 1.51/3=4.5
x6 (3)-0.6(1) 0 0 0.2 -2 0 -1 1 0.6 0.6/0.2=3

Z (0)-(16/30)(3) -1 0 0 -5/3 0 -5/3 8/3 -0.5

x1 (1)-1/3(3) 0 1 0 20/3 0 5/3 -5/3 8 85/3=4.8
2
x4 (2)-1/3(3) 0 0 0 5/3 1 5/3 -5/3 0.5 0.55/3=0.3
x2 (3)/0.2 0 0 1 -10 0 -5 5 3 S/s

Z (0)-(-5/3)(2) -1 0 0 0 1 0 1 0

x1 (1)/0.3 0 1 0 0 -4 -5 5 6
Fim da
3 x3 (2)-0.5(1) 0 0 0 1 3/5 1 -1 0.3 1ª Fase

x2 (3)-0.6(1) 0 0 1 0 6 5 -5 6

Cecília Rocha # 8 2001/2002

 INVESTIGAÇÃO OPERACIONAL
 6ª Aula (cont.)
Coeficientes
Iteração VB Equação LD Rácio
Z x1 x2 x3 x4 x5 x6
Z (0)-(-5/3)(2) -1 0 0 0 1 0 1 0

x1 (1)/0.3 0 1 0 0 -4 -5 5 6 Fim da
3 1ª Fase
x3 (2)-0.5(1) 0 0 0 1 3/5 1 -1 0.3
x2 (3)-0.6(1) 0 0 1 0 6 5 -5 6

Preparação da 2ª Fase
Z (0) -1 0 0 0 0 0

x1 (1) 0 1 0 0 -5 6
4
x3 (2) 0 0 0 1 1 0.3
x2 (3) 0 0 1 0 5 6

Z (0) -1 0.4 0.5 0 0 0

x1 (1) 0 1 0 0 -5 6
5
x3 (2) 0 0 0 1 1 0.3
x2 (3) 0 0 1 0 5 6

Z (0)-0.4(1)-0.5(3) -1 0 0 0 -0.5 -5.4

x1 (1) 0 1 0 0 -5 6
Final da
6 x3 (2) 0 0 0 1 1 0.3 preparação da
2ª Fase

x2 (3) 0 0 1 0 5 6

Cecília Rocha # 9 2001/2002

 INVESTIGAÇÃO OPERACIONAL
 6ª Aula (cont.)
Coeficientes
Iteração VB Equação LD Rácio
Z x1 x2 x3 x4 x5 x6
Z (0)-0.4(1)-0.5(3) -1 0 0 0 -0.5 -5.4

x1 (1) 0 1 0 0 -5 6 S/s
6
x3 (2) 0 0 0 1 1 0.3 0.3/1=0.3
x2 (3) 0 0 1 0 5 6 6/5=1.11

2ª Fase
Z (0) -1 0 0 0.5 0 -5.25

x1 (1) 0 1 0 5 0 7.5
Solução

7 x5 (2) 0 0 0 1 1 0.3 Óptima

(7.5, 4.5, 0,
0, 0.3,
0.3 0)
x2 (3) 0 0 1 -5 0 4.5

Cecília Rocha # 10 2001/2002

 INVESTIGAÇÃO OPERACIONAL
 6ª Aula (cont.)
 Problema sem Solução Admissível
 Se o problema inicial não tem Soluções Admissíveis então, tanto o método do BIG M como a 1ª Fase do método de DUAS
FASES irão conduzir a soluções finais em que pelo menos uma variável artificial tem valor diferente de zero.
 Como exemplo, se no problema anterior alterarmos a 1ª Restrição para 0.3x1 + 0.1x2  1.8 (anteriormente era  2.7)

Coeficientes
Iteração VB Equação LD Rácio
Z x1 x2 x3 x4 x5 x6
Z (0) -1 -1.1M+0.4 -0.9M+0.5 0 0 M 0 -12M
x3 (1) 0 0.3 0.1 1 0 0 0 1.8 1.8/0.3 = 6
0
x4 (2) 0 0.5 0.5 0 1 0 0 6 6/0.5 = 12
x6 (3) 0 0.6 0.4 0 0 -1 1 6 6/0.6 = 10

Z (0) -1 0 -16/30M+11/30 11/3M-4/3 0 M 0 -5.4M-2.4

x1 (1) 0 1 1/3 10/3 0 0 0 6 61/3=18
1
x4 (2) 0 0 1/3 -5/3 1 0 0 3 31/3=9
x6 (3) 0 0 0.2 -2 0 -1 1 2.4 2.4/0.2=12

Z (0) -1 0 0 M+0.5 1.6M-1.1 M 0 -0.6M-5.7

x1 (1) 0 1 0 5 -1 0 0 3
Como
x2 (2) 0 0 1 -5 3 0 0 9 x6 =0.6 >0
2
Problema
S/ solução
x6 (3) 0 0 0 -1 -0.6 -1 1 0.6

Cecília Rocha # 11 2001/2002

 INVESTIGAÇÃO OPERACIONAL
 6ª Aula (cont.)
 Variáveis sem restrição de não negatividade
 Com limite no valor negativo admitido
 xj  Lj, sendo Lj um valor negativo constante
 Considerar x’j = xj – Lj, em que x’j  0

Z = 3x1 + 5x2 Z = 3(x’1-10) + 5x2 Z = -30 + 3x’1 + 5x2

x1 4 (x’1-10) 4 x’1  14
2x2  12 2x2  12 2x2  12
3x1 + 2x2  18 3(x’1-10) + 2x2  18 3x’1 + 2x2  18
x1  -10 x2  0 (x’1-10)  -10 x2  0 X’1  0 x2  0

 Que admitem qualquer valor negativo

 xj = xj+ - xj-, em que xj+ 0 e xj- 0

Z = 3x1 + 5x2 Z = 3(x1+ - x1-) + 5x2 Z = 3x1+ - 3x1-) + 5x2

x1 4 (x1+ - x1-) 4 x1+ - x1- 4
2x2  12 2x2  12 2x2  12
3x1 + 2x2  18 3(x1+ - x1-) + 2x2  18 3x1+ - 3x1- + 2x2  18

x2  0 (x1+  0; x1-  0); x2  0 (x1+  0; x1-  0); x2  0

Cecília Rocha # 12 2001/2002