Scribd Logo
Importer

Bienvenue sur Scribd !

  • Etapa 4 Pesquisa Operacional

    Transféré par

    AndréRibeiro
    35 vues2 pages
    ETAPA 4 Um problema de programação linear que tenha só duas variáveis pode ser resolvido graficamente, representando as soluções de cada uma das inequações por um semiplano e em seguida procurando o ponto do polígono obtido que corresponde à solução óptima. O que está implícito em qualquer modelo de Programação Linear a) Proporcionalidade Esta consideração implica em que o nível da contribuição de uma variável qualquer é sempre proporcional ao seu valor. Para exemplificar vejamos no nosso exemplo o caso da variável x1. O seu lucro unitário é igual a 20. Esta propriedade diz que a contribuição de x1 para o lucro total é 20x1 independentemente se x1 é igual a 10 ou igual a 100.000.000. Em um esquema produtivo este fato nem sempre é verdade pois existe, quase sempre, um fator de economia de escala. Os modelos de programação linear não levam isto em conta e ou se usa, se for o caso, uma aproximação ou se tem que usar programação não linear. Normalmente, a solução de modelos de programação não linear é muito mais complexa. 1.7 O que está implícito em qualquer modelo de P.Linear 17 b) Aditividade Esta consideração implica em que não há interação entre as diversas variáveis do modelo, ou seja, a contribuição do total de variáveis é a soma das contribuições individuais de cada uma das variáveis. Para exemplificar vamos considerar o nosso exemplo protótipo. A contribuição para o lucro total da variável x1 é 20x1 independentemente se x2 é igual a 1 ou 10.000. Por sua vez a contribuição de x2 para o lucro total é 60x2 seja qual for o valor assumido por x1. No mundo real isto, normalmente, também não acontece assim, ou seja, a quantidade de um produto pode influir na produção de outro independentemente das restrições tecnológicas. Se em um modelo a consideração da aditividade modifica a essência do problema, deve-se usar programação não linear. c) Divisibilidade A partir da construção de um modelo de P.Linear nós transformamos um problema do mundo real para o “mundo matemático”. Para encontrarmos a solução que procuramos, temos que resolver o problema matematicamente. A solução gráfica, por exemplo, é um procedimento matemático. Assim sendo, é perfeitamente normal que a solução de um modelo de P.Linear dê, como solução ótima, valores fracionários. Assim sendo poderia ter acontecido que a resposta para o nosso exemplo fosse x ∗ 1 = 17, 96 e x ∗ 2 = 14, 88. Mas x1 e x2 representam unidades de produtos. Como fabricar “pedaços” de produtos ? Será que a solução seria cortar a parte fracionária ? Isto poderia nos tirar do ótimo pois nem sempre o ótimo inteiro é o ótimo fracionário com a parte fracionária cortada. Como se resolve na prática este tipo de problema ? Se as variáveis de decisão representam bens cujo valor de mercado é reduzido (uma mesa, por exemplo) trabalhamos com programação linear e simplesmente cortamos a parte fracionária dos valores ótimos. Se no entanto as variáveis representam bens de alto valor (um avião, por exemplo), temos que trabalhar com Programação Linear Inteira acrescentando as restrições de que as variáveis tem de ser inteiras. Porque, para este tipo de modelo, não trabalhar sempre com P.Linear inteira ? Porque o processo de obtenção da solução ótima é muito mais lento que a P.Linear simples. d) Certeza Esta consideração implica em que todos parâmetros do sistema são constantes conhecidas não se aceitando nenhuma incerteza de qualquer tipo. Se alguns dos parâmetros tem qualquer nível de incerteza a formulação como um modelo de P.Linear poderá levar a resultados incorretos. http://www.facom.ufms.br/ LACHTERMACHER, Gerson. Pesquisa Operacional. 4. ed. São Paulo: Pearson, 2009. PLT 401. http://www.youtube.com/watch?v=24A_ITifOL0>. http://www.youtube.com/watch?v=p4H2k0WCI

    Copyright

    © © All Rights Reserved

    Formats disponibles

    DOC, PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Signaler ce document
    ETAPA 4 Um problema de programação linear que tenha só duas variáveis pode ser resolvido graficamente, representando as soluções de cada uma das inequações por um semiplano e em seguida procurando o ponto do polígono obtido que corresponde à solução óptima. O que está implícito em qualquer modelo de Programação Linear a) Proporcionalidade Esta consideração implica em que o nível da contribuição de uma variável qualquer é sempre proporcional ao seu valor. Para exemplificar vejamos no nosso exemplo o caso da variável x1. O seu lucro unitário é igual a 20. Esta propriedade diz que a contribuição de x1 para o lucro total é 20x1 independentemente se x1 é igual a 10 ou igual a 100.000.000. Em um esquema produtivo este fato nem sempre é verdade pois existe, quase sempre, um fator de economia de escala. Os modelos de programação linear não levam isto em conta e ou se usa, se for o caso, uma aproximação ou se tem que usar programação não linear. Normalmente, a solução de modelos de programação não linear é muito mais complexa. 1.7 O que está implícito em qualquer modelo de P.Linear 17 b) Aditividade Esta consideração implica em que não há interação entre as diversas variáveis do modelo, ou seja, a contribuição do total de variáveis é a soma das contribuições individuais de cada uma das variáveis. Para exemplificar vamos considerar o nosso exemplo protótipo. A contribuição para o lucro total da variável x1 é 20x1 independentemente se x2 é igual a 1 ou 10.000. Por sua vez a contribuição de x2 para o lucro total é 60x2 seja qual for o valor assumido por x1. No mundo real isto, normalmente, também não acontece assim, ou seja, a quantidade de um produto pode influir na produção de outro independentemente das restrições tecnológicas. Se em um modelo a consideração da aditividade modifica a essência do problema, deve-se usar programação não linear. c) Divisibilidade A partir da construção de um modelo de P.Linear nós transformamos um problema do mundo real para o “mundo matemático”. Para encontrarmos a solução que procuramos, temos que resolver o problema matematicamente. A solução gráfica, por exemplo, é um procedimento matemático. Assim sendo, é perfeitamente normal que a solução de um modelo de P.Linear dê, como solução ótima, valores fracionários. Assim sendo poderia ter acontecido que a resposta para o nosso exemplo fosse x ∗ 1 = 17, 96 e x ∗ 2 = 14, 88. Mas x1 e x2 representam unidades de produtos. Como fabricar “pedaços” de produtos ? Será que a solução seria cortar a parte fracionária ? Isto poderia nos tirar do ótimo pois nem sempre o ótimo inteiro é o ótimo fracionário com a parte fracionária cortada. Como se resolve na prática este tipo de problema ? Se as variáveis de decisão representam bens cujo valor de mercado é reduzido (uma mesa, por exemplo) trabalhamos com programação linear e simplesmente cortamos a parte fracionária dos valores ótimos. Se no entanto as variáveis representam bens de alto valor (um avião, por exemplo), temos que trabalhar com Programação Linear Inteira acrescentando as restrições de que as variáveis tem de ser inteiras. Porque, para este tipo de modelo, não trabalhar sempre com P.Linear inteira ? Porque o processo de obtenção da solução ótima é muito mais lento que a P.Linear simples. d) Certeza Esta consideração implica em que todos parâmetros do sistema são constantes conhecidas não se aceitando nenhuma incerteza de qualquer tipo. Se alguns dos parâmetros tem qualquer nível de incerteza a formulação como um modelo de P.Linear poderá levar a resultados incorretos. http://www.facom.ufms.br/ LACHTERMACHER, Gerson. Pesquisa Operacional. 4. ed. São Paulo: Pearson, 2009. PLT 401. http://www.youtube.com/watch?v=24A_ITifOL0>. http://www.youtube.com/watch?v=p4H2k0WCI

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme DOC, PDF, TXT ou lisez en ligne sur Scribd
    Signaler comme contenu inapproprié
    35 vues2 pages

    Etapa 4 Pesquisa Operacional

    Transféré par

    AndréRibeiro
    ETAPA 4 Um problema de programação linear que tenha só duas variáveis pode ser resolvido graficamente, representando as soluções de cada uma das inequações por um semiplano e em seguida procurando o ponto do polígono obtido que corresponde à solução óptima. O que está implícito em qualquer modelo de Programação Linear a) Proporcionalidade Esta consideração implica em que o nível da contribuição de uma variável qualquer é sempre proporcional ao seu valor. Para exemplificar vejamos no nosso exemplo o caso da variável x1. O seu lucro unitário é igual a 20. Esta propriedade diz que a contribuição de x1 para o lucro total é 20x1 independentemente se x1 é igual a 10 ou igual a 100.000.000. Em um esquema produtivo este fato nem sempre é verdade pois existe, quase sempre, um fator de economia de escala. Os modelos de programação linear não levam isto em conta e ou se usa, se for o caso, uma aproximação ou se tem que usar programação não linear. Normalmente, a solução de modelos de programação não linear é muito mais complexa. 1.7 O que está implícito em qualquer modelo de P.Linear 17 b) Aditividade Esta consideração implica em que não há interação entre as diversas variáveis do modelo, ou seja, a contribuição do total de variáveis é a soma das contribuições individuais de cada uma das variáveis. Para exemplificar vamos considerar o nosso exemplo protótipo. A contribuição para o lucro total da variável x1 é 20x1 independentemente se x2 é igual a 1 ou 10.000. Por sua vez a contribuição de x2 para o lucro total é 60x2 seja qual for o valor assumido por x1. No mundo real isto, normalmente, também não acontece assim, ou seja, a quantidade de um produto pode influir na produção de outro independentemente das restrições tecnológicas. Se em um modelo a consideração da aditividade modifica a essência do problema, deve-se usar programação não linear. c) Divisibilidade A partir da construção de um modelo de P.Linear nós transformamos um problema do mundo real para o “mundo matemático”. Para encontrarmos a solução que procuramos, temos que resolver o problema matematicamente. A solução gráfica, por exemplo, é um procedimento matemático. Assim sendo, é perfeitamente normal que a solução de um modelo de P.Linear dê, como solução ótima, valores fracionários. Assim sendo poderia ter acontecido que a resposta para o nosso exemplo fosse x ∗ 1 = 17, 96 e x ∗ 2 = 14, 88. Mas x1 e x2 representam unidades de produtos. Como fabricar “pedaços” de produtos ? Será que a solução seria cortar a parte fracionária ? Isto poderia nos tirar do ótimo pois nem sempre o ótimo inteiro é o ótimo fracionário com a parte fracionária cortada. Como se resolve na prática este tipo de problema ? Se as variáveis de decisão representam bens cujo valor de mercado é reduzido (uma mesa, por exemplo) trabalhamos com programação linear e simplesmente cortamos a parte fracionária dos valores ótimos. Se no entanto as variáveis representam bens de alto valor (um avião, por exemplo), temos que trabalhar com Programação Linear Inteira acrescentando as restrições de que as variáveis tem de ser inteiras. Porque, para este tipo de modelo, não trabalhar sempre com P.Linear inteira ? Porque o processo de obtenção da solução ótima é muito mais lento que a P.Linear simples. d) Certeza Esta consideração implica em que todos parâmetros do sistema são constantes conhecidas não se aceitando nenhuma incerteza de qualquer tipo. Se alguns dos parâmetros tem qualquer nível de incerteza a formulação como um modelo de P.Linear poderá levar a resultados incorretos. http://www.facom.ufms.br/ LACHTERMACHER, Gerson. Pesquisa Operacional. 4. ed. São Paulo: Pearson, 2009. PLT 401. http://www.youtube.com/watch?v=24A_ITifOL0>. http://www.youtube.com/watch?v=p4H2k0WCI

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme DOC, PDF, TXT ou lisez en ligne sur Scribd
    Signaler comme contenu inapproprié
    sur 2

    ETAPA 4

    Um problema de programao linear que tenha s duas variveis pode ser resolvido
    graficamente, representando as solues de cada uma das inequaes por um semiplano
    e em seguida procurando o ponto do polgono obtido que corresponde soluo ptima.
    O que est implcito em qualquer modelo de Programao Linear
    a) Proporcionalidade
    Esta considerao implica em que o nvel da contribuio de uma varivel qualquer
    sempre proporcional ao seu valor. Para exemplificar vejamos no nosso exemplo o caso
    da varivel x1. O seu lucro unitrio igual a 20. Esta propriedade diz que a contribuio
    de x1 para o lucro total 20x1 independentemente se x1 igual a 10 ou igual a
    100.000.000. Em um esquema produtivo este fato nem sempre verdade pois existe,
    quase sempre, um fator de economia de escala. Os modelos de programao linear no
    levam isto em conta e ou se usa, se for o caso, uma aproximao ou se tem que usar
    programao no linear. Normalmente, a soluo de modelos de programao no linear
    muito mais complexa. 1.7 O que est implcito em qualquer modelo de P.Linear 17
    b) Aditividade
    Esta considerao implica em que no h interao entre as diversas variveis do
    modelo, ou seja, a contribuio do total de variveis a soma das contribuies
    individuais de cada uma das variveis. Para exemplificar vamos considerar o nosso
    exemplo prottipo. A contribuio para o lucro total da varivel x1 20x1
    independentemente se x2 igual a 1 ou 10.000. Por sua vez a contribuio de x2 para o
    lucro total 60x2 seja qual for o valor assumido por x1. No mundo real isto,
    normalmente, tambm no acontece assim, ou seja, a quantidade de um produto pode
    influir na produo de outro independentemente das restries tecnolgicas. Se em um
    modelo a considerao da aditividade modifica a essncia do problema, deve-se usar
    programao no linear.

    c) Divisibilidade
    A partir da construo de um modelo de P.Linear ns transformamos um problema do
    mundo real para o mundo matemtico. Para encontrarmos a soluo que procuramos,
    temos que resolver o problema matematicamente. A soluo grfica, por exemplo, um
    procedimento matemtico. Assim sendo, perfeitamente normal que a soluo de um
    modelo de P.Linear d, como soluo tima, valores fracionrios. Assim sendo poderia
    ter acontecido que a resposta para o nosso exemplo fosse x 1 = 17, 96 e x 2 = 14,
    88. Mas x1 e x2 representam unidades de produtos. Como fabricar pedaos de
    produtos ? Ser que a soluo seria cortar a parte fracionria ? Isto poderia nos tirar do
    timo pois nem sempre o timo inteiro o timo fracionrio com a parte fracionria
    cortada. Como se resolve na prtica este tipo de problema ? Se as variveis de deciso
    representam bens cujo valor de mercado reduzido (uma mesa, por exemplo)
    trabalhamos com programao linear e simplesmente cortamos a parte fracionria dos
    valores timos. Se no entanto as variveis representam bens de alto valor (um avio, por
    exemplo), temos que trabalhar com Programao Linear Inteira acrescentando as
    restries de que as variveis tem de ser inteiras. Porque, para este tipo de modelo, no
    trabalhar sempre com P.Linear inteira ? Porque o processo de obteno da soluo tima
    muito mais lento que a P.Linear simples.
    d) Certeza
    Esta considerao implica em que todos parmetros do sistema so constantes
    conhecidas no se aceitando nenhuma incerteza de qualquer tipo. Se alguns dos
    parmetros tem qualquer nvel de incerteza a formulao como um modelo de P.Linear
    poder levar a resultados incorretos.
    http://www.facom.ufms.br/
    LACHTERMACHER, Gerson. Pesquisa Operacional. 4. ed. So Paulo: Pearson,
    2009. PLT 401.
    http://www.youtube.com/watch?v=24A_ITifOL0>.

    http://www.youtube.com/watch?v=p4H2k0WCIjc

    Vous aimerez peut-être aussi