AULA05-ModeloRedes

Otimizao em Redes Prof.
Dorirley Rodrigo Alves, 1/27
OTIMIZAO EM REDES
Modelando alguns problemas
Prof. Dorirley Rodrigo Alves

dorirley@pucminas.br
Pontifcia Universidade Catlica de Minas Gerais

Pesquisa Operacional (PO)
(2015)
Otimizao em Redes Prof. Dorirley Rodrigo Alves, 2/27
Introduo
Utilizando grafos para modelar problemas

Muitos problemas prticos de otimizao podem ser melhor
analisados utilizando-se uma estrutura especial denominada grafo ou
redes.
Problemas de otimizao em redes aparecem em diversas aplicaes
e em diversas formas.
Nesta aula, apresentamos alguns problemas que exibem esta
estrutura especial, que pode ser explorada para o desenvolvimento
de mtodos mais eficientes de resoluo.
Iniciamos esta aula apresentando algumas noes bsicas sobre
grafos.
Teoria dos Grafos
Em 1736, o matemtico suo Leonhard Euler (1707-1783) resolveu

um enigma, hoje conhecido como O Problema das Pontes de
Knigsberg, o qual ele resolveu e determinou um mtodo geral para
problemas do mesmo tipo.
6 7
2 4
A B C
3 5
Teoria dos Grafos
J no sculo XIX, grafos foram usados em circuitos eltricos e

diagramas moleculares.
Hoje em dia, alm dos grafos aparecerem em campos como a
Economia e Biologia, existem tpicos na matemtica pura que os
utilizam como ferramenta.
A Teoria de Grafos classificada como um ramo da Topologia, mas
est fortemente ligada lgebra e Teoria de Matrizes
1,1,L
qb 2
0.1
0,1,L 0,1,L
3
1
1,1,R
0.3 0.2 start qa qc
0.4 0.6
1
0.3
0.4 2 4 0.6 0,1,R 0,1,L
qd
0.8 0.2
0.1 0.2 4
1,0,R 1,0,R
3 1,1,R
5
qe
Regra de Equilbrio de Fluxo
A partir da Teoria dos Grafos, podemos utilizar a Regra de Equilbrio de Fluxo para
modelar problemas onde o modelo de rede representa um fluxo diversificado podendo,
inclusive, ser retroalimentado. Para o emprego da tcnica, necessrio observar as
seguintes propriedades:
1. Toda oferta caracterizada pela sada de produtos e portanto representada
pelo sinal negativo ()
2. Toda demanda caracterizada pela entrada de produtos e portanto
representada pelo sinal positivo (+)
3. Quando a oferta for igual a demanda (Oferta = Demanda)
Entrada - Sada = Oferta ou Demanda
4. Quando a oferta for maior que a demanda (Oferta > Demanda)
Entrada - Sada Oferta ou Demanda
5. Quando a oferta for menor que a demanda (Oferta < Demanda)
Entrada - Sada Oferta ou Demanda
Problemas de Transportes
O problema consiste em transportar o produto dos centros de produo aos mercados
consumidores de modo que o custo total de transporte seja o menor possvel.
Admite-se, geralmente, que as quantidades produzidas ou ofertadas em cada centro e as
quantidades demandadas em cada mercado consumidor so conhecidas.
O transporte deve ser efetuado respeitando-se as limitaes de oferta e atendendo
demanda.
Os produtos podem ser os mais variados possveis: petrleo, equipamentos, mquinas,
produo agrcola, energia eltrica etc.
m P
n
Minimizar
P
f (x 11 , x 12 , . . . , x mn ) = ci j xi j
i =1 j =1
n
Sujeito a
P
xi j ai i = [1, ..., m]
j =1
m
P
xi j = b j j = [1, ..., n]
i =1
xi j 0
i = [1, ..., m]
j = [1, ..., n]
Exemplo
Exemplo
Uma indstria de aguardente possui trs alambiques e trs armazns nos quais so
envelhecidos as cachaas. Como os alambiques e os armazns esto localizados em
diferentes locais do estado, a empresa deseja saber quantos tonis de cachaa deve
enviar de cada alambique para cada armazm de forma a minimizar seu custo de
transporte. A capacidade de cada alambique e de cada armazm (em nmero de
tonis, bem como os custos de transporte por tonel) esto explicitados na tabela a
seguir. Formule o modelo de transporte.
Arm. 1 Arm. 2 Arm. 3 Cap. Alamb.

Alamb. 1 20 16 24 300
Alamb. 2 10 10 8 500
Alamb. 3 12 18 10 200
Cap. Arm. 300 400 300
Modelo Matemtico
Utilizando o modelo genrico

Variveis de deciso: Todos os Alambiques X Todos os Armazns
Funo Objetivo: Min Z = 20x 11 + 16x 12 + 24x 13 +

10x 21 + 10x 22 + 8x 23 +
12x 31 + 18x 32 + 10x 33
Restries da Oferta
Alambique 1 x 11 + x 12 + x 13 300
Alambique 2 x 21 + x 22 + x 23 500
Alambique 3 x 31 + x 32 + x 33 200
Restries da Demanda
Armazm 1 x 11 + x 21 + x 31 = 300
Armazm 2 x 12 + x 22 + x 32 = 400
Armazm 3 x 13 + x 23 + x 33 = 300
Condies de
No Negatividade: x i , j 0 onde : i = {1, 2, 3}
j = {1, 2, 3}
Modelando por meio de um grafo
Uma indstria de aguardente possui trs alambiques e trs armazns nos quais so
envelhecidos as cachaas. Como os alambiques e os armazns esto localizados em
diferentes locais do estado, a empresa deseja saber quantos tonis de cachaa deve
enviar de cada alambique para cada armazm de forma a minimizar seu custo de
transporte. A capacidade de cada alambique e de cada armazm (em nmero de
tonis, bem como os custos de transporte por tonel) esto explicitados na tabela a
seguir. Formule o modelo de transporte.
Oferta Demanda
Alamb. 1 Arm. 1
Arm. 1 Arm. 2 Arm. 3 Cap. Alamb.
Alamb. 1 20 16 24 300
Alamb. 2 10 10 8 500
Alamb. 3 12 18 10 200 Alamb. 2 Arm. 2
Cap. Arm. 300 400 300
Alamb. 3 Arm. 3
Utilizando a Regra de Equilbrio de Fluxo
Variveis de deciso: Todos os Alambiques X Todos os Armazns
Funo Objetivo: Min Z = 20x 11 + 16x 12 + 24x 13 +

10x 21 + 10x 22 + 8x 23 +
12x 31 + 18x 32 + 10x 33
Restries da Oferta
Alambique 1 x 11 x 12 x 13 = 300
Alambique 2 x 21 x 22 x 23 = 500
Alambique 3 x 31 x 32 x 33 = 200
Restries da Demanda
Armazm 1 x 11 + x 21 + x 31 = 300
Armazm 2 x 12 + x 22 + x 32 = 400
Armazm 3 x 13 + x 23 + x 33 = 300
Condies de
No Negatividade: x i , j 0 onde : i = {1, 2, 3}
j = {1, 2, 3}
Problemas de Transportes com Transbordo
Problemas de Transportes com transbordo

Em alguns casos, para se fazer o deslocamento, podem-se usar localidades intermedirias
(ou de transbordo), ou seja, localidades que no so nem centros produtores nem
mercados consumidores dos produtos.
Assim, devemos adicionar ao modelo de transporte as restries x j k para toda
P P
xi j =
i k
localidade intermediaria j que represente um centro de distribuio.
m P
n
Minimizar
P
f (x 11 , x 12 , . . . , x mn ) = ci j xi j
i =1 j =1
n
Sujeito a
P
xi j ai i = [1, ..., m]
j =1
m
P
xi j = b j j = [1, ..., n]
iP
=1 P
xi j = x j k
i k
xi j 0
i = [1, ..., m]
j = [1, ..., n]
Exemplo
Exemplo
A empresa Verde Folhas localizada possui trs centros agrcolas localizados Belo Horizonte,
Caet e Sabar e fornece hortalias para regio metropolitana de Belo Horizonte. Dos trs
centros, as hortalias so enviadas por meio de veculos utilitrios para seus distribuidores
localizados nas cidades de Contagem, Betim, e Santa Luzia e Ribeiro das Neves. O grafo
abaixo mostra as possveis rotas de envio disponveis para a empresa e a tabela ao lado
apresenta os custos de transportes de cada veculo na rota indicada. Atualmente, h 90 caixas
de produtos disponveis em Belo Horizonte, 20 em Caet e 10 em Sabar. O nmero de caixas
solicitados pelos distribuidores em Contagem, Betim, Santa Luzia e Rib. das Neves 30, 15,
15 e 50, respectivamente. A Verde Folhas deseja determinar a maneira mais econmica de
transportar as caixas dos trs centros para as cidades onde esto localizadas seus
distribuidores. Entretanto, para atender Ribeiro das Neves, obrigatria a passagem
antecipada por um dos trs distribudores da rede.
Centros Distribuidores
Bhz (1) Ct (2) Sbr (3) Ctg (4) Btm (5) Sta (6) Rib (7) Centro #1
Bhz (1) 4 6 7
Ct (2) 3 4 5
Sbr (3) 6 7 8
Ctg (4) 8 Centro #2 Rib. Neves
Btm (5) 5
Sta (6) 3
Centro #3
Modelo Matemtico genrico
Variveis de deciso: Os custos do diagrama (as arestas)
Funo Objetivo: Min Z = 4x 14 + 6x 15 + 7x 16 + 3x 24

+4x 25 + 5x 26 + 6x 34 + 7x 35
+8x 36 + 8x 47 + 5x 57 + 3x 67
Restries da Oferta x 14 + x 15 + x 16 90
x 24 + x 25 + x 26 20
x 34 + x 35 + x 36 10
Restries da Demanda x 14 + x 24 + x 34 = 30
x 15 + x 25 + x 35 = 15
x 16 + x 26 + x 36 = 15
x 47 + x 57 + x 67 = 50
Restries da transbordo x 14 + x 24 + x 34 = x 47
x 15 + x 25 + x 35 = x 57
x 16 + x 26 + x 36 = x 67
Condies de
No Negatividade: x i , j onde : i = {1, . . . , 6}
j = {1, . . . , 6}
Variveis de deciso: Os custos do diagrama (as arestas)

+4x 25 + 5x 26 + 6x 34 + 7x 35
+8x 36 + 8x 47 + 5x 57 + 3x 67
x 14 x 15 x 16 = 90
x 24 x 25 x 26 = 20
x 34 x 35 x 36 = 10
x 14 + x 24 + x 34 x 47 = 30
x 15 + x 25 + x 35 x 57 = 15
x 16 + x 26 + x 36 x 67 = 15
x 47 + x 57 + x 67 = 50
Condies de
No Negatividade: x i , j onde : i = {1, . . . , 6}
j = {1, . . . , 6}
Problemas de Caminho Mnimo

Um dos problemas mais simples em grafos o de determinar o caminho mnimo entre
dois ns de um grafo.
Este problema aparece com frequncia em aplicaes prticas, tanto diretamente quanto
como um subproblema de outros mais difceis.
n
Minimizar
P P
f (x) = ci j xi j
i =1 j S(i )
Sujeito a
P
x1 j = 1
j S(i )
P
xi n = 1
i P
P(n) P
xi j = xjk j = [2, ..., n 1]
i P ( j ) kS( j )
xi j 0 i = [1, ..., n] e j = [1, ..., n]
S( j ) o conjunto dos ns sucessores de j
P ( j ) o conjunto dos ns predecessores de j
x i j a qtde. transportada do produto da origem i para o destino j utilizando a aresta i , j

Exemplo
Exemplo
Em uma pequena viagens de negcios, o vendedor deseja sair de Sete Lagoas e ir at a
cidade de Presidente Juscelino. Entretanto, o viajante deseja saber qual o ser o
menor caminho possvel entre as duas cidades. Na rota existente entre as cidades, os
traados em vermelho representam estradas sem pavimentao (terra) e os traados
em preto representam estradas pavimentadas (asfalto)
Modelo Matemtico genrico
Variveis de deciso: A quilometragem (as arestas)

+39x 34 + 65x 48 + 40x 54
+33x 57 + 43x 67 + 37x 78
x 12 + x 13 = 1
x 78 + x 48 = 1
x 12 = x 25 + x 26
x 13 = x 34
x 34 + x 54 = x 48
x 25 = x 54 + x 57
x 26 = x 67
x 57 + x 67 = x 78
Condies de
No Negatividade: x i , j {1, 0} onde : i = {1, . . . , 8}
j = {1, . . . , 8}
Variveis de deciso: A quilometragem (as arestas)

+39x 34 + 65x 48 + 40x 54
+33x 57 + 43x 67 + 37x 78
x 12 x 13 = 1
x 12 x 25 x 26 =0
x 13 x 34 =0
x 34 + x 54 x 48 =0
x 25 x 54 x 57 =0
x 26 x 67 =0
x 57 + x 67 x 78 =0
x 78 + x 48 =1
Condies de
No Negatividade: x i , j {1, 0, 1} onde : i = {1, . . . , 8}
j = {1, . . . , 8}
Problemas de Fluxo Mximo

Consiste em determinar o valor do maior fluxo possvel que pode ser enviado de um n a
outro da rede.
Ideal quando se deseja determinar qual a capacidade mxima de produo de um
determinado produto.
O produto pode ser fabricado utilizando-se roteiros diferentes, que podem passar por
diferentes centros de fabricao, cada um deles com uma certa capacidade instalada.
Maximizar x n1
Sujeito a
P P
xi j x ki = 0 i = [1, 2, ..., n]
j S(i ) kP (i )
0 x i j u i j (i , j ) E
u(i j ) a capacidade do arco

Exemplo
Exemplo
A COPASA - guas Minerais de Minas S/A, deseja determinar a quantidade mxima
de metros cbicos por segundo de gua que pode bombear da estao de Serra Azul
para o centro consumidor de Belo Horizonte pela rede de aquedutos existentes. A
figura abaixo, apresenta a estrutura da rede de distribuio e apresenta a capacidade
de fluxo mximo no trechos (em metros cbicos por segundo)
Variveis de deciso: O fluxo de gua (as arestas)
Funo Objetivo: Max Z = x bs
x s1 40
x s2 30
Restries da Capacidade x 13 30
x 14 20
x 24 30
x 3b 20
x 4b 40
x bs 9.999
x bs x s1 x s2 =0
x s1 x 13 x 14 =0
Restries do fluxo x s2 x 24 =0
x 13 x 3b =0
x 14 + x 24 x 4b =0
x 3b + x 4b x bs =0
Condies de
No Negatividade: x i , j 0 onde : i = {1, . . . , 4}
j = {1, . . . , 4}
Problemas de Atribuio ou Designao

Suponha o problema em que temos n tarefas que precisam ser atribudas a n pessoas e
que P i j mede o interesse do indivduo i na realizao da tarefa j . Seja a varivel de
deciso xi j igual a 1 se o indivduo i for designado para a realizao da tarefa j e 0, caso
contrrio.
n P
n
Minimizar
P
f (x 11 , . . . x nn ) = P i j xi j
i =1 j =1
n
Sujeito a
P
xi j = 1 i = [1, ..., n]
j =1
Pn
xi j = 1 j = [1, ..., n]
i =1
xi j = 0 1 i = [1, ..., n] e j = [1, ..., n]

Exemplo
Exemplo
O quadro abaixo indica o tempo em horas que cada uma das quatro mquinas da
empresa Grand Motors gasta para realizar cada uma das cinco tarefas relacionadas.
Sabendo que cada mquina pode realizar somente uma tarefa, a Grand Motors deseja
designar tarefas s mquinas, visando a minimizar o tempo gasto.
Tarefa 1 Tarefa 2 Tarefa 3 Tarefa 4

Mquina 1 14 5 8 7
Mquina 2 2 12 6 5
Mquina 3 7 8 3 9
Mquina 4 2 4 6 10
No h necessidade de aplicar a Regra de Equilbrio de Fluxo neste tipo de problema

Modelo Matemtico
Variveis de deciso: Todas as Mquinas X Todas as Tarefas

2x 21 + 12x 22 + 6x 23 + 5x 24
7x 31 + 8x 32 + 3x 33 + 9x 34
2x 41 + 4x 42 + 6x 43 + 10x 44
Restries da Oferta
Mquina 1 x 11 + x 12 + x 13 + x 14 =1
Mquina 2 x 21 + x 22 + x 23 + x 24 =1
Mquina 3 x 31 + x 32 + x 33 + x 34 =1
Mquina 4 x 41 + x 42 + x 43 + x 44 =1
Restries da Demanda
Tarefa 1 x 11 + x 21 + x 31 + x 41 =1
Tarefa 2 x 12 + x 22 + x 32 + x 42 =1
Tarefa 3 x 13 + x 23 + x 33 + x 43 =1
Tarefa 4 x 14 + x 24 + x 34 + x 44 =1
Condies de
No Negatividade: x i , j {0, 1} onde : i = {1, . . . , 4}
j = {1, . . . , 4}
Modelo Matemtico
Quer aprender mais modelagem?

Dvidas?!
Algum com dvida?!

Dvidas?!
Bibliografia Bsica
ARENALES, Marcos N. et all.

Pesquisa Operacional
Elsevier, 4 ED. 2007. 524 p. Rio de Janeiro. ISBN 85-352-1454-3
RAGSDALE, Cliff T.
Modelagem e Anlise de Deciso..
Cengage Learning. 2009. 590 p. Edio Revisada. So Paulo. ISBN 10: 0-324-58061-4
COLIN, Emerson C
Pesquisa Operacional - 170 Aplicaes em Estratgia, Finanas, Logstica, Produo, Marketing e Vendas..
LTC. 2007. 501 p. Rio de Janeiro. ISBN 978-85-216-1559-0
LACHTERMACHER, Gerson.
Pesquisa Operacional na Tomada de Decises..
Pearson Prentice Hall, 2009. 4 Ed. 224 p. So Paulo. ISBN 978-85-7605-093-3
WAGNER, Harvey M.
Pesquisa operacional.
Rio de Janeiro: Prentice-Hall do Brasil, 1986. 851p. ISBN 8570540205 (broch.)
LUENBERGER, David G.
Linear and nonlinear programming.
2nd ed. Boston: Kluwer Academic, c2003. 491p. ISBN 1402075936
TAHA, Hamdy A
Operations Research: An Introduction..
Pearson Education - Prentice Hall international editions. 1996. 916p. Ed. 6 ISBN 9780132811729

AULA05-ModeloRedes

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

AULA05-ModeloRedes

Transféré par

Droits d'auteur :

Formats disponibles

Otimizao em Redes Prof.

Dorirley Rodrigo Alves, 1/27

Prof. Dorirley Rodrigo Alves

Pontifcia Universidade Catlica de Minas Gerais

Utilizando grafos para modelar problemas

Em 1736, o matemtico suo Leonhard Euler (1707-1783) resolveu

J no sculo XIX, grafos foram usados em circuitos eltricos e

Arm. 1 Arm. 2 Arm. 3 Cap. Alamb.

Utilizando o modelo genrico

Funo Objetivo: Min Z = 20x 11 + 16x 12 + 24x 13 +

Variveis de deciso: Todos os Alambiques X Todos os Armazns

Funo Objetivo: Min Z = 20x 11 + 16x 12 + 24x 13 +

Problemas de Transportes com transbordo

Variveis de deciso: Os custos do diagrama (as arestas)

Funo Objetivo: Min Z = 4x 14 + 6x 15 + 7x 16 + 3x 24

Variveis de deciso: Os custos do diagrama (as arestas)

Funo Objetivo: Min Z = 4x 14 + 6x 15 + 7x 16 + 3x 24

Problemas de Caminho Mnimo

S( j ) o conjunto dos ns sucessores de j

P ( j ) o conjunto dos ns predecessores de j

x i j a qtde. transportada do produto da origem i para o destino j utilizando a aresta i , j

Variveis de deciso: A quilometragem (as arestas)

Funo Objetivo: Min Z = 20x 12 + 47x 13 + 25x 25 + 28x 26

Variveis de deciso: A quilometragem (as arestas)

Funo Objetivo: Min Z = 20x 12 + 47x 13 + 25x 25 + 28x 26

Problemas de Fluxo Mximo

u(i j ) a capacidade do arco

Variveis de deciso: O fluxo de gua (as arestas)

Funo Objetivo: Max Z = x bs

Problemas de Atribuio ou Designao

xi j = 0 1 i = [1, ..., n] e j = [1, ..., n]

Tarefa 1 Tarefa 2 Tarefa 3 Tarefa 4

No h necessidade de aplicar a Regra de Equilbrio de Fluxo neste tipo de problema

Variveis de deciso: Todas as Mquinas X Todas as Tarefas

Funo Objetivo: Min Z = 14x 11 + 5x 12 + 8x 13 + 7x 14

Quer aprender mais modelagem?

Algum com dvida?!

ARENALES, Marcos N. et all.

Vous aimerez peut-être aussi