Académique Documents
Professionnel Documents
Culture Documents
INTRODUO A
PESQUISA OPERACIONAL
Conceitos-chave:
a) uso ou aplicao para resolver problemas reais
b) apoio a tomada de decises
c) multidisciplinariedade
2
Pesquisa Operacional
Durante a Segunda Guerra Mundial, os lderes militares solicitaram que
cientistas estudassem problemas como posicionamento de radares,
armazenamento de munies e transporte de tropa, etc...
3
Modelagem e Simulao:
Definio do problema:
1. Quais so as alternativas para a deciso?
Conceptualization: decisions
2. Sob quais restries a deciso tomada?
Modeling: build the quantitative
about the variables that need to 3. Qual seria um critrio objetivo para avaliar as
model by alternativas?
defining causal
be included in the model, and the
relationships between
Construo the variables.
do modelo:
scope of the problem and model
to be addresses.
Resoluo do modelo:
1. Utilizao de algoritmos ou mtodos de
resoluo
2. Anlise de sensibilidade
Validao do modelo:
1.
OBS: The research cycle can arguably
Formulao est adequada?
begin and end at any of the phases
2. Resolve o problema?
in the cycle (according to the
selected
Implementao research type)
da soluo
Definio do problema:
Advanced
Planning &
Transportation Demand
Tactical Component Scheduling
Planning Planning
Supplier
Management Inventory
Planning
ERP
Execution
Planejamento de empresas de
transporte areo:
Categorias de modelos:
Relacionamento Valores das variveis Tcnicas de Pesquisa
funcional f() independentes Operacional
7
Programao da disciplina:
Semana Contedo
1 Apresentao da disciplina. Introduo Programao Linear (PL). Resoluo grfica de problemas de PL.
Anlise de Sensibilidade. Problemas com solues iniciais (Mtodos das 2 fases e o do Big-M). Degenerao,
3
ciclagem e convergncia do mtodo simplex.
4 O problema dual. Formulao e Interpretao econmica do problema dual. Teoremas da dualidade.
5 Algoritmos simplex adicionais. Anlise ps-otimizao.
6 Feriado (7/9)
7 Prova 1 (14/9)
8 O Problema do Transporte (e do transbordo) e suas variaes. O problema da atribuio.
9 (1) Programao Linear Inteira (PLI). Mtodos de resoluo de PLI: Branch and Bound (B&B) e planos de corte.
8
Avaliao:
1o Bimestre: 1 prova (70% da nota) + 1 trabalho individual
(30% da nota) (Entrega do trabalho at o dia 21/9 s 12h)
2o Bimestre: 1 prova (70% da nota) + 1 trabalho individual
(30% da nota) (Entrega do trabalho at o dia 23/11 s 12h)
Exame: 1 prova (toda a matria)
9
Bibliografia:
12
Hipteses em Programao Linear:
13
Problema 1: Mix de Produo
Giapetto Woodcarving, Inc fabrica dois tipos de brinquedos de madeira:
soldados e trens. Um soldado vendido por $27 e usa $10 de matria-prima.
Cada soldado fabricado incrementa os custos variveis de trabalho e
"overhead" por $14. Um trem vendido por $21 e usa $9 de matria-prima.
Cada trem produzido incrementa os custos variveis de trabalho e "overhead"
por $10. A fabricao de soldados de madeira e de trens requer dois tipos de
trabalho qualificado: carpintaria e acabamento. Um soldado requer 2 horas de
trabalho de acabamento e 1 hora de trabalho de carpintaria. Um trem requer 1
hora de trabalho de acabamento e 1 hora de trabalho de carpintaria. A cada
semana, Giapetto pode obter toda a matria prima necessria, mas dispe de
somente 100 horas de trabalho de acabamento e 80 horas de trabalho de
carpintaria. A demanda para os trens ilimitada, mas no mximo 40 soldados
so vendidos a cada semana. A Giapetto deseja determinar seu mix de
produo de forma a maximizar seu lucro semanal (faturamento menos custos).
14
Formas de Representao:
Formato pado: todas as restries so igualdades e todas as
variveis so no-negativas.
15
Mtodo Simplex Formalizao (Problema de Maximizao):
Inicializao:
Encontrar uma soluo bsica vivel ( B).
Passo principal:
Seja zk - ck = Mnimo {zj - cj: j R}. Se zk - ck 0 pare - a soluo tima.
Caso contrrio examine yk.
Se yk 0 pare a soluo tima ilimitada.
bi
Se yk > 0 determine o ndice r como: r Minimo : y ik 0
1i m
y ik
Atualize o tableau pivotando em yik (atualize as variveis bsicas e as no
bsicas com xk que entra na base e xi que sai).
Repita o passo principal
16
A matemtica do mtodo simplex:
Em cada iterao:
xB = B-1.b
w = cBT.B-1
B R
z = w.b = cB.B-1.b
zj - cj = w.aj - cj
yj = B-1. aj
x1 c1
a1,1 a n ,1 1 0 0
x c b1
a1, 2 a n , 2 0 1 0
x n
, c n
,A b
1
f 0 ,
b
a m
1,m a n ,m 0 0 0 1
0
f
m
17
Problema 2: Problema da Mistura
Um fabricante de bebidas pretende lanar um novo refrigerante que obtido
misturando refrigerante sabor laranja e suco de laranja. Anlises executadas
pelo fabricante mostraram que cada ml de refrigerante sabor laranja tem 5 mg
de acar e 1 mg de vitamina C e que cada 1 ml de suco de laranja tem 2 mg
de acar e 3 mg de vitamina C. O custo de produo de 100 ml de
refrigerante sabor laranja de R$0,20 e de 100 ml de suco de laranja de
R$0,50. O departamento de marketing da empresa decidiu que o novo
refrigerante ser comercializado em embalagens de 300 ml e que cada
unidade do produto deve conter no mnimo 600 mg de vitamina C e no
mximo 1.200 mg de acar. O fabricante deseja determinar a composio do
novo refrigerante de forma a minimizar o custo para produzir o produto.
18
Mtodo Simplex Formalizao (Problema de Minimizao):
Inicializao:
Encontrar uma soluo bsica vivel ( B).
Alternativas (se a origem no for uma soluo vivel): Mtodo das 2 fases / Big-M
Passo principal:
Seja zk - ck = Mximo {zj - cj: j R}. Se zk - ck 0 pare - a soluo tima.
Caso contrrio examine yk.
Se yk 0 pare a soluo tima ilimitada.
bi
Se yk > 0 determine o ndice r como: r Minimo : y ik 0
1i m
y ik
Atualize o tableau pivotando em yik (atualize as variveis bsicas e as no
bsicas com xk que entra na base e xi que sai).
Repita o passo principal
19
Processo para Resoluo Computacional:
SOLVERS
R (http://cran.r-project.org/web/views/Optimization.html)
LPSolve (http://lpsolve.sourceforge.net/5.5/IDE.htm)
O problema da mistura (R):
PACOTE LINPROG (linprog package):
MODELO:
EXEMPLO:
library(linprog)
c <- c(5,2)
names(c) <- c("Suco","Refrigerante")
b <- c(300,1200,600)
names(b) <- c("Composio","Acar","Vitamina C")
A <- rbind( c( 1,1),
c( 2,5),
c( 3,1) )
solveLP( c, b, A, const.dir = c(">=","<=",">="), maximum=FALSE)
O problema da mistura (LPSolve IDE):
22
PO 201
DEGENERAO,
CICLAGEM E
CONVERGNCIA DO
SIMPLEX
Consequncias da degenerao:
24
Exemplo de PPL degenerado, inconsistente e ineficiente:
x1 25
Exemplo de ciclagem: x1 x2 x3 x4 x5 x6 x7 RHS
Z 3/4 -20 1/2 -6 0 0 0 0
x5 1/4 -8 -1 9 1 0 0 0
FO: Min - x1+20x2 x3+6x4 x6 1/2 -12 -1/2 3 0 1 0 0
x7 0 0 1 0 0 0 1 1
Z 0 4 7/2 -33 -3 0 0 0
x1 12x2 x3 +7x4 0 x7
Z
0
0
0
0
1
2
0
-18
0
-1
0
-1
1
0
1
0
x3 1 x1
x2
1
0
0
1
8
3/8
-84
-15/4
-12
-1/2
8
1/4
0
0
0
0
x1, x2 , x3 , x4 0 x7
Z
0
-1/4
0
0
1
0
0
3
0
2
0
-3
1
0
1
0
x3 1/8 0 1 -21/2 -3/2 1 0 0
x2 -3/64 1 0 3/16 1/16 -1/8 0 0
x7 -1/8 0 0 21/2 3/2 -1 1 1
Z 1/2 -16 0 0 1 -1 0 0
x3 -5/2 56 1 0 2 -6 0 0
x4 -1/4 16/3 0 1 1/3 -2/3 0 0
x7 5/2 -56 0 0 -2 6 1 1
Z 7/4 -44 -1/2 0 0 2 0 0
x5 -5/4 28 1/2 0 1 -3 0 0
x4 1/6 -4 -1/6 1 0 1/3 0 0
x7 0 0 1 0 0 0 1 1
Z 3/4 -20 1/2 -6 0 0 0 0
x5 1/4 -8 -1 9 1 0 0 0
x6 1/2 -12 -1/2 3 0 1 0 0
x7 0 0 1 0 0 0 1 1
26
Regra para previnir o ciclismo:
Regra Lexicogrfica:
Passo principal:
Seja zk-ck = Max {zj-cj: jR}. Se zk - ck 0 pare - a soluo tima.
Caso contrrio examine yk.
Se yk 0 pare a soluo tima ilimitada.
bi
Se yk > 0 determine o ndice r como: r Minimo : y ik 0
1i m
y ik
Em caso de empate, deixar a base a varivel com o menor yik
Atualize o tableau pivoteando em yik (atualize as variveis bsicas e as
no bsicas com xk que entra na base e xi que sai).
Repita o passo principal
27
Exemplo de PPL degenerado, inconsistente:
x1 28
Regra para previnir o ciclismo:
Regra de Brant:
Passo principal:
Seja zk-ck = Max (Min) {zj-cj: jR}. Se zk - ck () 0 pare - a soluo
tima.
Caso contrrio examine yk.
Se yk 0 pare a soluo tima ilimitada.
bi
Se yk > 0 determine o ndice r como: r Minimo : y ik 0
1i m
y ik
x1 30
Convergncia do mtodo simplex:
31
PO 201
O PROBLEMA DUAL
Primal Dual
Maximizar Minimizar
Funo objetivo Termo independente (RHS)
I-sima linha de coeficientes I-sima coluna de coeficientes
J-sima coluna de coeficientes J-sima linha de coeficientes
I-sima relao I-sima varivel no negativa
I-sima relao de = I-sima varivel irrestrita
I-sima varivel no negativa Restrio
I-sima varivel irrestrita Restrio de =
Problema do Mix de Produo (planejamento esttico)
MADEIRA ALUMNIO
Dados:
CORTE
MONTAGEM
35
Propriedades do problema Dual:
PRIMAL m
DUAL
Min (v) b j y j
n
Max (z) ci xi
j 1
i 1
S.A. : S.A. :
m
a
n
j 1
ij y j ci , i 1,..., n a
i 1
x bj ,
ij i j 1,..., m
yj 0 xi 0
cT x bT y
n
* m
y j b j aij xi 0 xi aij y j c j 0 , i e j
* * *
e
i 1 j 1
Possibilidades:
n
*
yj 0 b j aij xi 0
*
ou
i 1
e
m
xi 0
*
ou aij y j c j 0
*
j 1
Exemplo de aplicao do teorema das folgas complementares:
n
*
y j - b j aij xi 0
Min Z = 2*x1 + 5*x2 + 2*x3 + 3*x4 *
e
i 1
S.A. 1*x1 + 2*x2 + 1*x3 + 3*x4 4
2*x1 + 3*x2 + 1*x3 + 1*x4 3 m
xi aij y j c j 0 , i e j
* *
x1, x2 , x3 , x4 0
j 1
Mtodo simplex (problema primal):
Z x1 x2 x3 x4 x5 RHS
Max Z = 4,0*xmad + 6,0*xalu 1 -4 -6 0 0 0 0
x3 1,5 4 1 0 0 24
x4 3 1,5 0 1 0 21
S.A. 1,5*xmad + 4,0*xalu 24 x5 1 1 0 0 1 8
3,0*xmad + 1,5*xalu 21 1 -7/4 0 3/2 0 0 36
x2 3/8 1 1/4 0 0 6
1,0*xmad + 1,0*xalu 8 x4 39/16 0 -3/8 1 0 12
xmad, xalu 0 x5 5/8 0 -1/4 0 1 2
1 0 0 4/5 0 14/5 208/5
x2 0 1 2/5 0 -3/5 24/5
x4 0 0 3/5 1 -39/10 21/5
x1 1 0 -2/5 0 8/5 16/5
a2 4 3/2 1 0 -1 0 1 6
n
* m
y j b j aij xi 0 xi aij y j c j 0 , i e j
* * *
e
i 1 j 1
S.A.:
yj 0 Ganho proporcionado Todo produto fabricado
m m
a ij y j c i , i 1,...,n a
j1
ij y j ci
j1
Um novo produto s
Valor dos recursos ser fabricado se
Utilizao dos recursos m
a
j1
ij y j ci
Dualidade:
Inicializao:
Encontrar uma soluo bsica que atenda as condies de otimalidade,
mas que no atenda as condies de viabilidade.
Passo principal:
Seja xB a soluo corrente. Se o termo de xB 0 pare - a soluo tima.
Caso contrrio escolha o termo de xB mais negativo para sair da base.
zi ci
Determine a varivel que vai entrar na base por mnimo , yik 0
1i m
yik
Se todos yik 0 pare o problema no tem soluo vivel
Atualize o tableau pivotando em yik (atualize as variveis bsicas e as no
bsicas com xk que entra na base e xi que sai).
Repita o passo principal
Mtodo Dual Simplex (PPL primal de Maximizao):
Max Z = 4,0*xmad + 6,0*xalu Min V = 24*ycorte + 21*ymont + 8*yacab
S.A. 1,5*xmad + 4,0*xalu 24 S.A. 1,5*ycorte + 3*ymont + 1*yacab 4
3,0*xmad + 1,5*xalu 21 4*ycorte + 1,5*ymont + 1*yacab 6
1,0*xmad + 1,0*xalu 8 ycorte, ymont, yacab 0
xmad, xalu 0
Z x1 x2 x3 x4 x5 RHS V y1 y2 y3 y4 y5 RHS
1 -4 -6 0 0 0 0 1 -24 -21 -8 0 0 0
x3 1,5 4 1 0 0 24 y4 -1,5 -3 -1 1 0 -4
x4 3 1,5 0 1 0 21 y5 -4 -1,5 -1 0 1 -6
x5 1 1 0 0 1 8 1 0 -12 -2 0 -6 36
1 -7/4 0 3/2 0 0 36 y4 0 -39/16 -5/8 1 -3/8 -7/4
x2 3/8 1 1/4 0 0 6 y1 1 3/8 1/4 0 -1/4 3/2
x4 39/16 0 -3/8 1 0 12 1 0 -21/5 0 -16/5 -24/5 208/5
x5 5/8 0 -1/4 0 1 2 y3 0 39/10 1 -8/5 3/5 14/5
1 0 0 4/5 0 14/5 208/5 y1 1 3/5 0 2/5 -2/5 4/5
x2 0 1 2/5 0 -3/5 24/5
x4 0 0 3/5 1 -39/10 21/5
x1 1 0 -2/5 0 8/5 16/5
O dual simplex pode ser visto como um mtodo que busca atender as
condies de viabilidade mantendo as condies de otimalidade
Generalizao do Mtodo Simplex:
Opo A: O simplex pode ser visto como um mtodo que
busca atender as condies de otimalidade mantendo as
condies de viabilidade.
SOLUO ATUAL SE ALTERAES NOS COEFIC. DA F.O. USAR O SIMPLEX (PRIMAL) PARA
TORNA NO-TIMA ADIO DE UMA NOVA ATIVIDADE RECUPERAR A OTIMALIDADE
Recurso gargalo:
A base fica inalterada: -7 A 8 (B e C: ctes)
5 xmadeira
Alteraes no RHS (recursos):
FO: Max Z = 4,0*x1 + 6,0*x2
Z x1 x2 x3 x4 x5 RHS
248
1 0 0 4/5 0 14/5 /5
44
x2 0 1 2/5 0 -3/5 /5
51
x4 0 0 3/5 1 -39/10 /5
-4
x1 1 0 -2/5 0 8/5 /5
1 2 0 0 0 6 48 + 6C
x2 1 1 0 0 1 8+C
x4 3/2 0 0 1 -1,5 9 +B 1,5 C
x3 -5/2 0 1 0 -4 2 + A 4C
5
5
Adio de novas restries:
Quando novas restries so adicionadas, h 2 possibilidades:
x1, x2, x3 , x4 , x5 , x6 0
Z x1 x2 x3 x4 x5 x6 RHS
1 0 0 4/5 0 14/5 0 208/5
x2 0 1 2/5 0 -3/5 1 24/5
x4 0 0 3/5 1 -39/10 0 21/5
x1 1 0 -2/5 0 8/5 0 16/5
x6 1 0 0 0 0 1 3
1 0 0 4/5 0 14/5 0 208/5
x2 0 1 2/5 0 -3/5 1 24/5
x4 0 0 3/5 1 -39/10 0 21/5
x1 1 0 -2/5 0 8/5 0 16/5
x6 0 0 2/5 0 -8/5 1 -1/5
Adio de novas restries:
Z x1 x2 x3 x4 x5 x6 RHS
1 0 0 4/5 0 14/5 0 208/5
x2 0 1 2/5 0 -3/5 1 24/5
x4 0 0 3/5 1 -39/10 0 21/5
x1 1 0 -2/5 0 8/5 0 16/5
x6 0 0 2/5 0 -8/5 1 -1/5
1 0 0 3/2 0 0 7/4 825/20 Soluo tima:
x2 0 1 1/4 0 0 -3/8 195/40 x1 (madeira) = 3
x4 0 0 -15/40 1 0 -195/80 375/80
x1 1 0 0 0 0 1 3 x2 (alumnio) = 4,875
x5 0 0 -1/4 0 1 -5/8 1/8
Lucro = 208/5 = 41,25
5
xalumnio(x
2)
5 xmadeira(x1)
PO 201
O PROBLEMA DO
TRANSPORTE
Fbricas Depsitos
S1 D1
S2 D2
Fornecimentos
disponveis Demandas
S3 D3
(capacidade)
...
...
Sm Dn
Formulao do problema do transporte:
m n
Minimizar c x
i 1 j 1
ij ij
S . A.
n
x
j 1
ij Si para i 1,..., m (oferta)
x
i 1
ij Dj para j 1,..., n (demanda)
S D
i
i
j
j PROBLEMA BALANCEADO
S D
i
i
j
j PROBLEMA COM SOLUO INVIVEL
S D
i
i
j
j PROBLEMA DEVE SER BALANCEADO
CRIA-SE UM PONTO FICTCIO DE DEMANDA
COM CUSTO DE TRANSPORTE = 0
Exemplo - problema do transporte:
Uma empresa geradora de energia possui 3 usinas termoeltricas (A, B
e C) e abastece 3 cidades (1, 2 e 3). O custo estimado de levar energia
de cada uma das usinas para cada uma das cidades (em R$/kWh),
assim como a demanda de cada uma das cidades e a capacidade de
gerao de cada usina dada na tabela abaixo:
DESTINOS CAPACIDADE
ORIGENS
CIDADE 1 CIDADE 2 CIDADE 3 (kWh)
PLANTA A 24 18 27 700
PLANTA B 16 11 7 340
PLANTA C 30 10 4 400
DEMANDA (kWh) 650 450 340
1 2 3 3 + 3 1 = 5 rotas
A 24 18 27
700 Alternativa:
650 50
B 16 11 7 Northwest-Corner Method
340
340
C 30 10 4
400
60 340
650 450 340
O mtodo simplex para o problema do transporte:
1 2 3 3 + 3 1 = 5 rotas
A 24 18 27
700 Alternativa:
650 50
B 16 11 7 Least-Cost Method
340
340
C 30 10 4
400
60 340
650 450 340
O mtodo simplex para o problema do transporte:
3 + 3 1 = 5 rotas
Alternativa:
A
A 24
24 18
18 27
27
700
700 Penalty = 6
310 390
B
B 16
16 11
11 77
340
340 Penalty = 4
340
C
C 30
30 10
10 44
400
400 Penalty = 620
60 340
650
650 450
450 340
340
Penalty Penalty Penalty
68
== 24 ==18
81 ==23
3
O mtodo simplex para o problema do transporte:
1 2 3 1 2 3
A 24 18 27 A 24 18 27
700 700
650 50 649 51
B 16 11 7 B 16 11 7
340 340
340 1 339
C 30 10 4 C 30 10 4
400 400
60 340 60 340
650 450 340 650 450 340
1 2 3 1 2 3
A 24 18 27 A 24 18 27
700 700
650 50 0 0 +15
B 16 11 7 B 16 11 7
340 340
340 -1 0 +2
C 30 10 4 C 30 10 4
400 400
60 340 +14 0 0
650 450 340 650 450 340
O mtodo simplex para o problema do transporte:
1 2 3 1 2 3
A 24 18 27 A 24 18 27
700 700
650 50 310 390
B 16 11 7 B 16 11 7
340 340
340 340
C 30 10 4 C 30 10 4
400 400
60 340 60 340
650 450 340 650 450 340
O mtodo simplex para o problema do transporte:
1 2 3 1 2 3
A 24 18 27 A 24 18 27
700 700
310 390 0 0 +15
B 16 11 7 B 16 11 7
340 340
340 0 +1 +3
C 30 10 4 C 30 10 4
400 400
60 340 +14 0 0
650 450 340 650 450 340
Exemplo - problema do transporte:
1 2 3
A 24 18 27
700
310 390
B 16 11 7
340
340
C 30 10 4
400
60 340
650 450 340
x
j 1
ij Si para i 1,..., m (oferta)
x
DUAL
ij Dj para j 1,..., n (demanda)
i 1
m n
Maximizar S v D w
i 1
i i
j 1
j j
S . A.
vi w j cij para i 1,..., m e j 1,..., n
vi , w j irrestrito s
Formulao do dual do problema do transporte:
m n
Maximizar S v D w
i 1
i i
j 1
j j
S . A.
vi w j cij para i 1,..., m e j 1,..., n
vi , w j irrestrito s
1 2 3 1 2 3
A 24 18 27 A 24 18 27
700 v1700
=8
650 50 0 0 -15
B 16 11 7 B 16 11 7
340 v2340
=1
340 +1 0 -2
C 30 10 4 C 30 10 4
400 v3400
=0
60 340 -14 0 0
650 450 340 w650
A=16 wB450
= 10 w340
C= 4
O mtodo simplex para o problema do transporte:
PASSO 2:
Item 1: Coloque 0 nos coeficientes das variveis bsicas
Item 2: Escolha um vi ou wj e anule
Item 3: Determine os outros valores de vi e wj (vi+wj = cij)
Item 4: Calcule os coeficientes das variveis no bsicas (vi+wj-cij)
1 2 3 1 2 3
A 24 18 27 A 24 18 27
700 v1700
=8
310 390 0 0 -15
B 16 11 7 B 16 11 7
340 v2340
=0
340 0 -1 -3
C 30 10 4 C 30 10 4
400 v3400
=0
60 340 -14 0 0
650 450 340 wA650
=16 wB450
= 10 wC340
=4
Variaes do problema do transporte:
O problema do transporte com custo fixo (fixed charge transportation
problem)
Exemplo:
Exemplo:
XM,NY, XM,C, XM,LA, XM,B, XD,NY, XD,C, XD,LA, XD,B, XNY,C, XNY,LA, XNY,B, XC,NY,
XC,LA, XC,B 0
Exemplo - problema do transbordo:
PO 201
PROBLEMA DA
ATRIBUIO
Deciso: designar um agente para cada tarefa de forma a minimizar o custo total
TAREFAS AGENTES
Formulao do problema da atribuio:
m n
Minimizar c x
i 1 j 1
ij ij
x
j 1
ij 1 para i 1,..., n
x
i 1
ij 1 para j 1,..., n
Tempo de Execuo
Tar 1 Tar 2 Tar 3 Tar 4
Maq A 14 5 8 7
Maq B 2 12 6 5
Maq C 7 8 3 9
Maq D 2 4 6 10
MIN Z = 14XA1+5XA2+8XA3+7XA4+2XB1+12XB2+6XB3+5XB4
+7XC1+8XC2+3XC3 +9XC4 +2XD1+4XD2+6XD3 +10XD4
S.A.
XA1+XA2+XA3+XA4 =1
XB1+XB2+XB3+XB4 =1
XC1+XC2+XC3+XC4 =1
XD1+XD2+XD3+XD4 = 1
XA1 +XB1 +XC1 +XD1 =1
XA2 +XB2 +XC2 +XD2 =1
XA3 +XB3 +XC3 +XD3 =1
XA4 +XB4 +XC4 +XD4 = 1
XA1,XA2,XA3,XA4, XB1,XB2,XB3,XB4, XC1,XC2,XC3,XC4 , XD1,XD2,XD3,XD4 {0,1}
O mtodo hngaro para resoluo do probl. da atribuio:
9 0 3 2
0 10 4 3
4 5 0 6
0 2 4 8
O mtodo hngaro para resoluo do probl. da atribuio:
9 0 3 2 9 0 3 2-2
0 10 4 3 0 10 4 3-2
4 5 0 6 4 5 0 6-2
0 2 4 8 0 2 4 8-2
0 0 0 2
9 0 3 0
0 10 4 1
4 5 0 4
0 2 4 6
O mtodo hngaro para resoluo do probl. da atribuio:
9 0 3 0 9 0 3 0
0 10 4 1 0 10 4 1
4 5 0 4 4 5 0 4
0 2 4 6 0 2 4 6
O mtodo hngaro para resoluo do probl. da atribuio:
9 0 3 0 9+1 0 3 0
0 10 4 1 1 0 10-1 4-1 1-1
4 5 0 4 4 +1 5 0 4
0 2 4 6 0 2-1 4-1 6-1
O mtodo hngaro para resoluo do probl. da atribuio:
10 0 3 0 10 0 3 0
0 9 3 0 0 9 3 0
5 5 0 4 5 5 0 4
0 1 3 5 0 1 3 5
O mtodo hngaro para resoluo do probl. da atribuio:
10 0 3 0 Maq A X
0 9 3 0 Maq B X
5 5 0 4 Maq C X
0 1 3 5 Maq D X
PO 201
PROGRAMAO
LINEAR INTEIRA
x2
ARREDONDAMENTO:
x1 = 2 e x2 = 0 SOLUO INVIVEL
x1 = 1 e x2 = 0 SOLUO VIVEL, MAS NO TIMA
x1
x1 = 13/7
Z = 39
x2 = 0
Resoluo de problemas de Programao Inteira:
x2
SOLUES VIVEIS:
x1 = 0 e x 2 = 0 Z = 0
x1 = 0 e x2 = 1 Z = 11
x1 = 0 e x2 = 2 Z = 22
x1 = 0 e x2 = 3 Z = 33
x1 = 1 e x2 = 0 Z = 21
x1 = 1 e x2 = 1 Z = 32
x1
SOLUO TIMA: x1 = 0 e x2 = 3 (Z=33)
Resoluo de problemas de Programao Inteira:
ALTERNATIVA:
MTODO BRANCH-AND-BOUND:
ILUSTRAO DO MTODO:
Z = 41,6
4,8
3,2 5
xmadeira
Mtodo branch-and-bound:
SUB-PROBLEMA 1:
FO: Maximizar Z = 4,0*xmadeira + 6,0*xalumnio
SUB-PROBLEMA 2:
FO: Maximizar Z = 4,0*xmadeira + 6,0*xalumnio
SUB-PROBLEMA 1
SUB-PROBLEMA 2
5
xmadeira
Mtodo branch-and-bound:
SUB-PROBLEMA 1: xMAD = 3
Z = 41,25
xALU = 4,875
SUB-PROBLEMA 2: xMAD = 4
Z = 40
xALU = 4
SUB-PROBLEMA 1
SUB-PROBLEMA 2
5
xmadeira
Mtodo branch-and-bound:
SUB-PROBLEMA 3: SUB-PROBLEMA 4:
FO: Maximizar Z = 4,0*xmadeira + 6,0*xalumnio FO: Maximizar Z = 4,0*xmadeira + 6,0*xalumnio
SUB-PROBLEMA 3: xMAD = 3
Z = 36
xALU = 4
SUB-PROBLEMA 2
5
xmadeira
Mtodo branch-and-bound:
SUB-PROBLEMA 5: SUB-PROBLEMA 6:
FO: Maximizar Z = 4,0*xmadeira + 6,0*xalumnio FO: Maximizar Z = 4,0*xmadeira + 6,0*xalumnio
SUB-PROBLEMA 6: xMAD = 2
Z = 39,5
xALU = 5,25
S-P 6
SUB-PROBLEMA 3
SUB-PROBLEMA 2
5
xmadeira
Mtodo branch-and-bound:
SUB-PROBLEMA 6: xMAD = 2
Z = 39,5
xALU = 5,25
SUB-PROBLEMA 2: xMAD = 4
S-P 6
Z = 40
xALU = 4
SUB-PROBLEMA 3
SUB-PROBLEMA 2
5
xmadeira
Mtodo branch-and-bound:
PROBLEMA:
Z = 41,60
xMAD = 3,2
xMAD 3 xMAD 4
xALU = 4,8
SUB-PROBLEMA 1: SUB-PROBLEMA 2:
Z = 41,25 xALU 5 Z = 40,00
xMAD = 3 xMAD = 4
xALU 4
xALU = 4,875 xALU = 4
SUB-PROBLEMA 3: SUB-PROBLEMA 4:
Z = 36,00 xMAD 2 Z = 40,68
xMAD = 3 xMAD = 2,67
xALU = 4 xALU = 5 xMAD 3
SUB-PROBLEMA 6: SUB-PROBLEMA 5:
Z = 39,50 NO H
xMAD = 2
SOLUO
xALU = 5,25
VIVEL
Tcnicas de desenvolvimento da rvore de enumerao:
- Busca em profundidade P0
P1 P2
P3 P4
P5 P6
- Busca em largura P0
P1 P2
P6 P3 P4
P5
- Variantes hbridas
Mtodo dos planos de corte de Gomory:
Objetivo: obter uma aproximao da envoltria convexa da regio vivel de
um PLI que contenha um ponto extremo correspondente a uma
soluo tima.
Passos: 1. Resolver o PLI relaxado (como um PPL)
2. Se a soluo for inteira, ento a soluo tima do PLI. Caso
contrrio, v para o passo 3
3. Escolha uma linha do tableau com soluo no inteira e construa o
corte de Gomory. Resolva o PPL com a nova restrio.
PO 201
OTIMIZAO
COMBINATRIA
MADEIRA ALUMNIO
CORTE
EXPANSO DA PRODUO:
MONTAGEM MQUINA CORTE:
+5h (INVEST=$50) / +15h (INVEST=$80)
MQUINA MONTAGEM:
ACABAMENTO +6h (INVEST=$30) / +15h (INVEST=$50)
NOVAS RESTRIES:
Dados:
2. Necessidade:
123
Problemas de corte e empacotamento:
Uma empresa fabrica rolos de papel com 20 ps de comprimento (dimetro
padro). Em uma certa semana recebeu 3 pedidos:
Pontos
pretos
indicam
que a
coluna
atende a
linha
125
O problema da localizao:
Caso 1: O problema da cobertura
F
1,9 H
2,1 I
1,2 X
1,2 3,4
B
A 0,9 R
2,2 1,5 C
G
2,4 2,2
4,6 Distncia mxima: 3 km
1,7 1,2
0,7 2,6
D 2,5 4,2 U
J 0,5
1,9 E
3,2 S
2,8
1,3 3,2 0,7 1,2
K Z
1,2 0,8
2,8 L P V
N 2,2
1,7
2,2 2,1 A B C D E F G H I J K L M N O P Q R S T U V X Z
1,4
0,8 T A 1 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
M 1,4 B 0 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
O Q C 0 1 1 0 1 0 1 0 1 1 0 1 0 1 1 1 0 0 1 0 0 0 0 0
1,2 D 1 1 0 1 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0
E 0 1 1 0 1 0 1 0 1 1 0 1 0 1 1 0 1 0 0 0 0 0 0 0
F 1 1 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
G 0 1 1 0 1 0 1 0 1 1 0 1 0 1 0 1 0 1 1 0 0 1 0 0
H 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
I 0 0 1 0 1 0 1 0 1 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0
J 0 0 1 0 1 0 1 0 1 1 0 0 0 0 0 1 0 0 1 1 0 1 0 0
K 0 0 0 1 0 0 0 0 0 0 1 1 1 0 1 0 0 0 0 0 0 0 0 0
L 0 0 1 0 1 0 1 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0
M 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0
N 0 0 1 0 1 0 1 0 0 0 0 1 1 1 1 0 1 0 0 0 0 0 0 0
O 0 0 1 0 1 0 0 0 0 0 1 1 1 1 1 0 1 0 0 0 0 0 0 0
P 0 0 1 0 0 0 1 0 0 1 0 0 0 0 0 1 0 0 1 1 0 1 0 0
Q 0 0 0 0 1 0 0 0 0 0 0 0 0 1 1 0 1 0 0 0 0 0 0 0
R 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 1 0 1 0 0 0
S 0 0 1 0 0 0 1 0 1 1 0 0 0 0 0 1 0 1 1 1 0 1 0 0
T 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 1 1 0 1 0 0
U 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 1
V 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 1 0 0 1 1 0 126
1 0 0
X 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0
Z 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1
O problema da localizao:
Caso 2: O problema das p-medianas
(x1;x2)
Resultados:
P1=(1,05;6,85)
P2=(1,1;3,55)
P3=(1,25;0,85) p = 1 9: (1,2,3,...,13,14)
P4=(4,0;6,65)
P5=(3,55;2,85) p = 2 2: (1,2,3,5)
P6=(6,3;7,25) 9: (4,6,7,8,9,10,11,12,13,14)
P7=(7,0;6,4)
P8=(5,05;3,55)
p = 3 5: (1,2,3,5,8,10)
P9=(7,0;4,35)
P10=(6,4;1,2) 7: (4,6,7,9,11)
t1 = 1,1 h t6 = 1,7 h V8 V9
Soluo: 4 caminhes
t2 = 1,3 h t7 = 2,9 h
V1 V2 V3
1 V3, V4, V5 (T=7,9)
t3 = 3,7 h t8 = 3,9 h
t4 = 2,3 h t9 = 5,1 h 2 V10 (T=7,3)
V4
t5 = 1,9 h t10 = 7,3 h V7
CD 3 V1, V2, V6, V8 (T=8,0)
4 V7, V9 (T=8,0)
V6
V5
V10
Problemas de distribuio de bens de consumo:
Dados: N pontos de entrega, ti (i=1,,N) o peso da carga que ser
transportada do CD ao ponto de entrega (ida e volta) e T a capacidade
de carga do caminho.
Decises: Quantos caminhes sero necessrios e qual varejista ser visitado
por cada caminho
Exemplo: N=10 entregas (T = 10 ton por caminho)
V8 V9
t1 = 1,1 ton t6 = 1,7 ton
Soluo: 4 caminhes
t2 = 1,3 ton t7 = 2,9 ton V1 V2 V3
1 V8, V6, V4, V2 (T=9,2)
t3 = 3,7 ton t8 = 3,9 ton
2 V7, V5, V3, V1 (T=9,6)
t4 = 2,3 ton t9 = 5,1 ton
CD V4
t5 = 1,9 ton t10 = 7,3 ton V7 3 V10 (T=7,3)
4 V9 (T=5,1)
V6
V5
V10
PO 201
OTIMIZAO EM
REDES
Principais Problemas:
Transporte (Transportation)
Transbordo (Transshipment)
Atribuio ou Designao (Assignment)
Circuitos Hamiltonianos (TSP)
Caminho Mnimo (Shortest-Path) / Mximo
Mximo fluxo (Maximum-flow problems)
Problema da rvore geradora mnima (Minimum Spanning Tree)
Fluxo em Redes (Network Flows) :
Definies:
Diz-se que um circuito Hamiltoniano se passar uma e s uma vez por todos os
vrtices de uma rede. A designao provm do islands Hamilton que em 1857
props um jogo denominado Around the World". Nesse jogo, os vrtices
representavam as 20 cidades mais importantes do mundo na poca. O objetivo
do jogo consistia em encontrar um percurso atravs dos vrtices, com incio e fim
no mesmo vrtice e que passasse por cada vrtice apenas uma vez.
0 2 0 2
4 4
1 3 1 3
6 5 6 5
O problema do caixeiro viajante:
Formulao de Dantzig-Fulkerson-Johnson:
xij S 1, S grafo
i , jS
O problema do caixeiro viajante:
Exemplo: 1
1
2
2
6
5 3
3
5 4
4
1 1
2
2
5
6
3 x1,4 + x4,1 + x4,5 + x5,4 + x1,5 + x5,1 2
3
5 4
4
Soluo: 1 1
2
2
x1,2 = x2,3 = x3,4 = x4,5 = x5,1 = 1
5 3
3
Distncia percorrida = 15
5 4
4
O problema do caixeiro viajante:
Embora a formulao de Dantzig-Fulkerson-Johnson tenha conseguido
resolver o problema h uma dificuldade de implementao: colocar na
formulao de todos os subgrafos de um grafo complexo.
Exemplo:
1
3
5
4
O problema do caixeiro viajante:
Resoluo por branch-and-bound:
xij 1, i
j
Se a soluo do problema relaxado for vivel para o problema do
caixeiro viajante, esta tima. Caso contrrio adicione uma
restrio para bloquear o arco (xij = 0).
1
3
5
4
O problema do caixeiro viajante:
Resoluo pela heurstica do vizinho mais prximo:
Passo 1: selecione um ponto de partida.
Passo 2: Conecte este ponto ao seu vizinho mais prximo, desde
que esse no forme um subcircuito.
Repita o passo 2 at que todos os ns tenham sido escolhidos.
Exemplo:
1
3
152431 D = 668
5
4
O problema do caixeiro viajante:
Teste da soluo pela heurstica da inverso:
possvel buscar melhorar a soluo invertendo-se 2 a 2, 3 a 3,
, n-1 a n-1, em que n o nmero de ns de uma rede.
Exemplo:
152431 D = 668
125431 D = 737
154231 D = 962
152341 D = 704
142531 D = 964
153421 D = 807
132451 D = 962
O problema do carteiro chins (PCC):
O PCC um problema de otimizao que objetiva cobrir com um
passeio todos os arcos de um grafo, minimizando a distncia total
percorrida, permitindo a repetio de arestas.
Ilustrao:
VD: xij o nmero de vezes que o arco (i,j) usado (no sentido i j)
n n
Minimizar d
i 1 j 1
x
ij ij (MINIMIZAR A DISTNCIA PERCORRIDA)
n n
S . A. x x
j 1
ji
j 1
ij 0, i 1,..., n
xij x ji 1, i j
xij 0 e inteiro
O problema do carteiro chins (PCC):
Exemplo:
x 6 ,8 x 8, 6 1 4
4 8
x1, 2 , , x 8, 6 0
4
5
6
O problema do caminho mnimo / mximo:
Problema do caminho mnimo / mximo Otimizao de redes lineares
3
2 4
4 2
2
Depsito 1 1 6 Cidade 1
3 2
4
3 5
Formulao do problema do caminho mnimo / mximo:
1 , k s ( fonte )
S . A. xkj xik 0, para todos os outros k
j i
1 , k r ( sorvedouro)
xij 0 , i, j
Formulao do problema do caminho mnimo / mximo:
3
2 4
4 2
2
Depsito 1 1 6 Cidade 1
3 2
4
3 5
Resoluo do problema do caminho mnimo:
Algoritmo Dijkstra:
1 4
* 2 4
3
0 0
2
4
Depsito 1 1 2 6 Cidade 1
3 2
4
3 5
1 3
Resoluo do problema do caminho mnimo:
Algoritmo Dijkstra:
1 4
* 2 4
3
0 0
2
4
Depsito 1 1 2 6 Cidade 1
3 2
4
3 5
1 3 3 7
*
Resoluo do problema do caminho mnimo:
Algoritmo Dijkstra:
*
1 4 2 7
* 2 4
3
0 0
2
4
Depsito 1 1 2 6 Cidade 1
3 2
4
3 5
1 3 2 6
*
Resoluo do problema do caminho mnimo:
Algoritmo Dijkstra:
*
1 4 2 7
* 2 4
0 0 3 5 8
4 2
Depsito 1 1 2 6 Cidade 1
3 2
4
3 5
1 3 2 6
* *
Resoluo do problema do caminho mnimo:
Algoritmo Dijkstra:
* *
1 4 2 7
* 2 4
0 0 3 5 8
4 2
Depsito 1 1 2 6 Cidade 1
3 2
4
3 5
1 3 2 6
* *
Resoluo do problema do caminho mnimo:
Algoritmo Dijkstra:
* *
1 4 2 7
* 2 4 *
0 0 3 5 8
4 2
Depsito 1 1 2 6 Cidade 1
3 2
4
3 5
1 3 2 6
* *
Resoluo do problema do caminho mnimo:
Algoritmo Dijkstra:
* *
1 4 2 7
* 2 4 *
0 0 3 5 8
4 2
Depsito 1 1 2 6 Cidade 1
3 2
4
3 5
1 3 2 6
* *
Idade do carro (anos) Custo de Manuteno (US$) Idade do carro (anos) Preo de Revenda (US$)
0 2,000.00 1 7,000.00
1 4,000.00 2 6,000.00
2 5,000.00 3 2,000.00
3 9,000.00 4 1,000.00
4 12,000.00 5 0,000.00
5 4 3 2 1 0
Exemplo - problema do caminho mnimo:
Custo total: Ficar com o carro 1 ano (US$ mil) = 12+2 -7 = 7
5 4 3 2 1 0
0 0 5 7 5 12 5 21 5 31 5 44
Exemplo - problema do caminho mnimo:
5 4 3 2 1 0
0 0 5 7 5 12 4 19 4 28 4 38
5 4 3 2 1 0
0 0 5 7 5 12 4 19 3 24 3 33
3 19
Exemplo - problema do caminho mnimo:
5 4 3 2 1 0
0 0 5 7 5 12 4 19 3 24 2 31
3 19
5 4 3 2 1 0
0 0 5 7 5 12 4 19 3 24 2 31
3 19 1 31
Exemplo - problema do caminho mnimo:
5 4 3 2 1 0
0 0 5 7 5 12 4 19 3 24 2 31
3 19 1 31
2 7
0 1 3 4 8 9 10
5 6
Problema do caminho mximo: Resoluo
8 11
8 11
3
2 7 12 14
6 7 3 12 14
1
2 6
4 1
0 1 3 4 8 9 10
2 0
1
1
2
3 8 14
0 5 6
7 14
0 2
4 7
3 6
8 11
8 11
3
2 7 12 14
6 7 3 12 14
1
2 6
4 1
0 1 3 4 8 9 10
2 0
1
1
3 8 14
1 0 2 5 6
14
0 2 7
2 4 7
3 6
7
8
3
9
5 4
2 6 8 11 12 14 tempo
O problema da rvore geradora mnima:
Exemplo:
O problema da rvore geradora mnima:
Em uma rede com n ns, uma rvore geradora um grupo de n-1 arcos
que conectam todos os ns de uma rede sem formar loopings.
Exemplo:
O problema da rvore geradora mnima:
Exemplo:
F.O. MIN 2Xab + 1Xac + 4Xae + 2Xbd + 3Xbc + 2Xcd + 2Xce + 5Xcg +
3Xeg + 2Xdf + 4Xfg + 4Xfh + 5 Xgh
S.A.
Xab + Xac + Xae 2
Xab + Xbc + Xbd 2
Xac + Xbc + Xcd + Xce + Xcg 2
Xbd + Xcd + Xdf 2 b
d
Xae + Xce + Xeg 2 a
f
Xdf + Xfg + Xfh 2 c
h
Xeg + Xfg + Xgh 1
e
Xfh + Xgh 1 g
Passo 0: C0 = e 0 = N
Var. deciso: xij = qtde (volume) que deve ir da origem i para o destino j
Maximizar Z x
i corte j corte
ij
S . A. x x
j
kj
i
ik 0 , (i, j) origem ou destino
Nmero Mximo
Cidades
Manaus Belm de Vos Dirios
Manaus - Belm 3
Fortaleza Belm - Braslia 2
Belm - Fortaleza 3
Braslia - Salvador 1
Fortaleza - Salvador 2
Braslia Salvador
Planejamento da Freqncia de Vos:
Fortaleza
S.A.
1
3 QMAN-BEL 3 QBEL-BRA 3
Restries de
QBEL-FOR 2 QBRA-SAL 2
Limite
Braslia Salvador
2
QFOR-SAL 1
Soluo: QMAN-BEL = QBEL-BRA + QBEL-FOR
Balanceamento
Restries de
QBEL-BRA = QBRA-SAL
3 1
Manaus Belm QBEL-FOR = QFOR-SAL
Fortaleza Qi-j 0
1
2
Braslia Salvador
2
Resoluo do problema do fluxo mximo:
IT1:
SMANAUS = {Belm}
K = Belm e
[3,Manaus]
3
CMANAUS-BELM = MAX{3} = 3
3 [3,Belm]
Manaus Belm SBELM = {Fortaleza;Braslia}
Fortaleza
[,-] K = Fortaleza pois
2
2 CBELM-FORTALEZA = MAX{3,2} = 3
[2,Fortaleza]
Braslia Salvador SFORTALEZA = {Salvador}
1 K = Salvador e
CFORTALEZA-SALVADOR = MAX{2} = 2
IT2:
SMANAUS = {Belm}
K = Belm e
[1,Manaus]
1
CMANAUS-BELM = MAX{1} = 1
1
Manaus Belm SBELM = {Fortaleza;Braslia}
Fortaleza
[,-] K = Braslia pois
0
2 CBELM-BRASLIA = MAX{1,2} = 2
[1,Belm]
Braslia Salvador SBRASLIA = {Salvador}
1 K = Salvador e
[2,Belm]
CBRASLIA-SALVADOR = MAX{1} = 1
IT3:
Como todos os ns que partem
[1,Manaus] de Manaus (ou chegam a
0 1 Salvador) tm capacidade
Manaus Belm
residual 0, no h mais nenhuma
Fortaleza
[,-] rota de passagem possvel.
0
1
Assim,
[1,Belm]
Braslia Salvador
0
[2,Belm]
Princpio da Otimidade:
Maximizar 50X1+40X2+25X3+20X4+10X5
S.A. 5X1+3X2+2X3+2X4+1X5 5
X1 0 , X2 0 , X3 0 ,
X4 0 , X5 0
O problema da mochila:
N
Formulao por PLI: Maximizar R j 1
j X j
N
S . A. w
j 1
j X j W
X j 0
g(0) 0
Exemplo clssico 1 O problema da mochila:
g(0) 0 R1 g (3); 10 40
g (1) mximo R1 g (0) 10 0 10 g (4) mximo R2 g (2); 25 25 50
R g (1); 10 10 R3 g (1) 40 10
g (2) mximo 1 25
R2 g (0) 25 0 R1 g (4); 10 50
R1 g (2); 10 25
R g (3); 25 40
g (5) mximo 2 65
g (3) mximo R2 g (1); 25 10 40 R3 g (2); 40 25
R3 g (0) 40 0
5R g ( 0) 50 0
Formulao do problema do caminho mnimo:
3
2 4
4 2
2
Depsito 1 1 6 Cidade 1
3 2
4 f0 (6) 0
3 5
Resoluo do problema do caminho mnimo:
n 0 f 0 (6) 0 3
2 4
2
n 1 Deciso: j f1 (x) j1 (x)
4
6 2
1 6
Estado Inicial: 4 2 2 6
3 2
x 5 2 2 6
4
3 5
n 2 Deciso: j f2 (x) j2 (x)
4 5
Estado Inicial: 2 3+2 2+2 4 5
x 3 - 4+2 6 5
n 0 f0 (1) 0 2
3
4
2
f1 2 4 f 0 1 4
4
2
n 1 1 6
f1 3 3 f 0 1 3 3 2
4
f 2 4 3 f1 2 7 (do n 2)
3 5
2 f1 2 6
n 2
f 2 5 mn 6 (do n 2)
4 f1 3 7
2 f 2 4 9
n 3 f3 6 mn 8 (do n 5)
2 f 2 5 8
Soluo tima (mnimo): 1 2 5 6 (distncia=8)
Exemplo Problema de substituio de equipamento:
Uma empresa que opera uma oficina mecnica possui uma furadeira de pedestal
muito dispendiosa que deve ser substituda periodicamente quando se gasta. O
diretor de produo j autorizou instalar um novo modelo computadorizado
controlado por fita, mas pediu ao encarregado para montar um plano timo de
substituio para os prximos 5 anos, depois dos quais a furadeira no ser mais
necessria. Os dados financeiros relavantes so:
Tempo Preo de compra Valor de revenda Custo de operao
t pt vt rt
1 100 50 30
2 105 25 40
3 110 10 50
4 115 5 75
5 120 2 90
i j 2 3 4 5 6
1 80 145 210 290 373
2 85 150 215 295
3 90 155 220
4 95 160
5 100
1 2 3 4 5 6
0 1 2 3 4 5
g(0) 200.000
Exemplo Problema do investimento:
g(0) 200.000
g(1) mximo 1 R 1 * 200.000 224.000
1
1 R 1 * 224.000 250.880
g( 2) mximo 1 R * 200.000 250.000 250.880
1, 2
2
1 R 1 * 250.880 280.985,60
g(3) mximo 1 R * 224.000 280.000,00 280.985,60
1, 2
2
1 R 1 * 280.985,60 314.703,87
g( 4) mximo 1 R * 250.880,00 313.600,00 314.703,87
1, 2
2
1 R 1 * 314.703,87 352.468,33
g(5) mximo 1 R * 280.985,60 351.232,00 352.468,33
2
1 R 3 * 250.880,00 351.232,00
1, 2 , 3
0,7r Ewt 3
Sensitividade Rigidez E 2,1x106
Ewt 2 r3
Otimizao Multiobjetivo: Soluo Eficiente
i : F .O.i X 1 F .O.i X 2
i : F .O.i X 1 F .O.i X 2
Otimizao Multiobjetivo: Fronteira Eficiente
Exemplo: 20
18
16 w=5
14
r=20
Ln(Regidez)
12
w=10
10
8
t=0,1
6
r=1,25
4
2
t=2
0
-18,4 -16,4 -14,4 -12,4 -10,4 -8,4 -6,4
Ln(Sensitividade)
Otimizao Multiobjetivo:
xfutebol
FO: Max / Min Z = ?xnovela + ?xfutebol
5
xnovela
Goal programming (Programao de metas):
Construo do modelo:
Resoluo do modelo:
1. Utilizao de algoritmos ou mtodos de
resoluo
2. Anlise de sensibilidade
Validao do modelo:
1. Formulao est adequada?
2. Resolve o problema?
Implementao da soluo
Modelagem e Simulao:
PPG-PO (Programa de Ps-Graduao em Associao ITA e UNIFESP)
Site: http://www.unifesp.br/campus/sjc/ppgpo
Disciplinas:
Introduo Pesquisa Operacional (Obrigatria)
Programao Linear (Obrigatria)
Programao Inteira
Programao No-Linear
Algoritmos em Grafos
Econometria
Gerncia de Operaes e Logstica
Meta-Heursticas em Otimizao Combinatria
Mtodos Estocsticos
Mtodos Multicritrios de Apoio Deciso
Modelagem de Investimentos e Riscos
Simulao
OBSERVAO