Escolar Documentos
Profissional Documentos
Cultura Documentos
Pesquisa Operacional
Aula 1
1
Introdução
Pesquisa Operacional é o nome dado a
um conjunto de modelos e algoritmos
destinados a determinar o melhor curso
das ações que visam garantir o
funcionamento ótimo de sistemas, sob
restrições de recursos escassos.
É uma ciência que objetiva fornecer
ferramentas quantitativas ao processo de
tomada de decisões.
2
É difícil prescrever cursos de ação
específicos, mas podemos oferecer
diretrizes gerais para a implementação da
Pesquisa Operacional na prática.
As principais fases de implementação da
PO na prática incluem:
Definição do problema;
Construção do modelo;
Solução do modelo;
Validação do modelo;
Implementação da solução.
3
Programação Linear
É um tópico da Pesquisa Operacional, a
qual contém outros tópicos tais como
análise de decisão, otimização em redes,
teoria de filas, simulação, etc.
É uma ferramenta usada para encontrar o
lucro máximo ou o custo mínimo em
situações nas quais temos diversas opções
de escolha sujeitas a algum tipo de
restrição ou regulamentação.
4
Na prática, a PL tem sido aplicada em
áreas diversas como: alimentação, rotas
de transporte, manufatura, siderurgia,
petróleo, agricultura, carteira de
investimentos, localização industrial, etc.
5
Maximizar ou minimizar função objetivo
Sujeito a
restrições
Maximizar z=wh
Sujeito a
2(w+h)=L
w,h≥0
7
A solução ótima desse modelo é
w=h=L/4, o que significa a construção de
um quadrado.
Uma solução do modelo é viável se
satisfizer todas as retrições. É ótima se,
além de ser viável, resultar no melhor
valor da função objetivo.
Embora modelos de PO sejam elaborados
para otimizar um critério objetivo
específico sujeito a um conjunto de
restrições, a qualidade da solução depende
de quanto o modelo representa o sistema
real. 8
Solução do modelo de PO
Em PO, não temos uma única técnica para
resolver todos os modelos matemáticos
que podem surgir na prática.
O tipo e a complexibilidade do modelo
matemático é que determinam a natureza
do método de solução.
A técnica mais utilizada de PO é a
programação linear. Ela é aplicada a
modelos cujas funções objetivo e restrição
são lineares.
9
Outras técnicas são:
a programação inteira (na qual as variáveis
assumem valores inteiros);
a programação dinâmica (na qual o modelo
original pode ser decomposto em
subproblemas mais fáceis de tratar);
A otimização em redes (na qual o problema
pode ser modelado como uma rede);
A programação não linear (na qual as
funções do modelo são não lineares).
10
Uma peculiaridade da maior parte das
técnicas de PO é que as soluções não são
obtidas em formas fechadas (semelhantes
a fórmulas).
Em vez disso, são determinadas por
algoritmos que fornecem regras de cálculo
fixas que são aplicadas repetidas vezes ao
problema, sendo que a cada repetição
(iteração) a solução fica mais próxima de
se tornar ótima.
11
Modelagem com programação linear
O modelo de PL, como qualquer modelo
de PO, tem três componentes básicos:
Variáveis de decisão que procuramos
determinar;
Objetivo (meta) que precisamos otimizar
(maximizar ou minimizar);
Restrições que a solução deve satisfazer.
14
As variáveis do modelo são definidas como:
x1 = toneladas de tinta para interiores
produzidas diariamente;
x2 = toneladas de tinta para exteriores
produzidas diariamente;
Para construir a função objetivo,observe que
a empresa quer maximizar o lucro total
diário para as duas tintas.
Dado que os lucros por tonelada de tintas
para exteriores e interiores são de 5 e 4 (mil)
dólares, respectivamente, decorre que:
15
Lucro da tinta para exteriores = 5x1 (mil) dólares;
Lucro da tinta para interiores = 4x2 (mil) dólares;
Representando o lucro total diário (em
milhares de dólares) por z, o objetivo da
empresa é:
Maximizar z = 5 x1 +4 x2
sujeito a
6 x1 +4 x2 ≤ 24 (1)
x1 +2 x2 ≤ 6 (2)
-x1 + x2 ≤ 1 (3)
x2 ≤ 2 (4)
x1 , x2 ≥ 0 (5)
20
Quaisquer valores de x1 e x2 que satisfaçam
todas as cinco restrições constituem uma
solução viável.
Caso contrário, a solução é inviável.
A meta do problema é achar a melhor
solução viável, ou a solução ótima, que
maximize o lucro total.
Precisamos de um procedimento
sistemático que localizará a solução ótima
em um número finito de etapas.
21
Solução gráfica em PL
O procedimento gráfico inclui duas etapas:
1) Determinação da região de soluções
viáveis;
2) Determinação da solução ótima entre
todos os pontos viáveis da região de
soluções.
Vamos encontrar a solução gráfica para
o exemplo 1.
22
Etapa 1:
Em primeiro lugar levamos em conta as
restrições de não-negatividade x1≥0 e x2
≥0.
Na figura 1, o eixo horizontal x 1 e o eixo
vertical x2 representam as variáveis tinta
para exteriores e tinta para interiores,
respectivamente.
Assim, a não-negatividade das variáveis
restringe a área da região de soluções ao
primeiro quadrante.
23
Para levar em conta as quatro restrições
restantes, substituímos cada desigualdade
por uma equação e traçamos no gráfico as
retas.
A região de soluções viáveis do problema é
apresentada na figura 1.
Qualquer ponto que esteja dentro ou sobre
o contorno da área ABCDEF é parte da
região de soluções viáveis.
Todos os pontos fora dessa área são
inviáveis.
24
Figura 1 – Região viável do modelo da Reddy
Mikks
25
Etapa 2:
A região viável da Figura 1 é delimitada
pelos segmentos de reta que unem os pontos
A,B,C,D,E e F.
A determinação da solução ótima requer
identificar a direção na qual a função lucro
z= 5 x1 +4 x2 aumenta.
A direção do aumento de z é mostrada na
figura 2.
A solução ótima ocorre em C, que é o ponto
na região de soluções além do qual qualquer
aumento de z levará para fora da região
26
Figura 2 – Solução ótima do modelo da Reddy Mikks
27
Uma característica importante da solução
ótima em PL é que ela sempre está
relacionada com um ponto extremo da
região de soluções viáveis.
A ideia mostra que, do ponto de vista da
determinação da solução ótima em PL, o
espaço de solução ABCDEF com seu número
infinito de soluções pode ser substituído
pelos pontos extremos A,B,C,D,E e F.
Esse resultado é fundamental para o
desenvolvimento do algoritmo algébrico
geral denominado método simplex.
28
Exemplo 2: A Ozark Farms usa no mínimo
800lb de ração especial por dia. Essa ração é
uma mistura de milho e soja com as
composições elencadas na tabela abaixo:
lb por lb de ração
Ração Proteína Fibra Custo ($/lb)
Milho 0,09 0,02 0,30
soja 0,60 0,06 0,90
Os requisitos nutricionais da ração especial
são de no mínimo 30% de proteína e de no
máximo 5% de fibra.
A Ozark Farms quer determinar a mistura
que gera a ração de mínimo custo diário. 29
Como a ração consiste em milho e
preparado de soja, as variáveis de decisão
do modelo são definidas como:
x1 = lb de milho na mistura diária;
x2 = lb de preparado de soja na mistura
diária;
A função objetivo procura minimizar o
custo total diário da ração e, por isso, é
expressa como: