28/05/2009
Programação Linear
Programação Linear
Métodos Aplicados
Programação Linear
 Esses métodos quantitativos de resolução de
problemas, como muitos aplicados na
pesquisa operacional, são baseados em
conceitos matemáticos e estatísticos.
 A programação linear é um modelo que pode
ser utilizado no processo de tomada de
decisão administrativa.
 É necessário dizer quais atividades
consomem quais recursos e em que
proporção é feito este consumo. Estas
informações são fornecidas por equações ou
inequações lineares, uma para cada recurso.
Ao conjunto destas equações ou inequações
se dá o nome de conjunto de restrições do
modelo.
 A programação linear é uma das muitas
técnicas analíticas recentemente
desenvolvidas que se têm mostrado úteis na
resolução de certos tipos de problemas
empresariais.
Programação Linear
 Os problemas de programação linear
referem-se à distribuição eficiente de
recursos limitados entre diversas alternativas,
com a finalidade de atender a um
determinado objetivo, por exemplo,
maximizar lucros ou minimizar custos.
Programação linear
 Existem diversas maneiras de distribuir os
escassos recursos entre as diversas
alternativas, considerando que qualquer
empresário tem restrições de capital, mão-
de-obra e terras.
 Entretanto deseja-se ao mesmo tempo em
que se satisfaz as restrições, achar a
distribuição que satisfaça o objetivo
desejado, ou seja, maximizar lucros ou
minimizar custos.
1

Programação linear
 Em empresário deseja saber quanto de cada
produto ele deve produzir para maximizar o
lucro de sua empresa.
 Cada pproduto é chamado de x. Se ele
produzir 3 produtos, serão x1, x2, x3.
 Se ele produzir n produtos, sua produção
será dada por x1, x2, x3, ... , xn
Função Objetivo
Z = c1x1 + c2x2 + c3x3 + ... + cnxn
 Esta função é chamada de função objetivo,
pois ela determina o objetivo do empresário.
 O objetivo do empresário é maximizar esta
função. Para isto ele deve saber quanto
produzir de cada produto, ou seja, saber as
quantidades de
 x1, x2, x3, ... , xn
Restrições
Desta forma o consumo total de capital para
a produção de n produtos deve ser menor
que a disponibilidade total de capital.
Uma função
ç deste tipo p é chamada de
restrição
a11x1 + a11x2 + a13x3 + ... + a1nxn ≤ b1
 Os valores a11, a12 até a1n é a quantidade de
capital gasta pelo produto 1, pelo produto
2 até o produto n.
28/05/2009
Lucro Total
 O lucro unitário de cada produto é dado pela
letra c.
 Assim o lucro de x1 é dado por c1x1
 Assim o lucro de x2 é dado por c2x2
 Se ele produzir n produtos o lucro total será
dado por
Z = c1x1 + c2x2 + c3x3 + ... + cnxn
Restrições
 Conforme foi dito anteriormente, todo
empresário enfrenta restrições de recursos
produtivos, como capital, terra, trabalho.
 Estas restrições
ç são identificadas pela
p letra b.
 Assim a restrição de capital pode ser dada
por b1, a restrição de trabalho pode ser dada
por b2 e assim por diante.
FORMULAÇÃO DE MODELOS DE PROGRAMAÇÃO
LINEAR
O problema consiste em determinar os valores de
x1, x2, x3, ... , xn, que maximize a função objetivo:
Z = c1x1 + c2x2 + c3x3 + ... + cnxn
Sabendo que x1, x2, x3, ... , xn devem satisfazer o
seguinte sistema de inequações lineares:
a11x1 + a12x2 + a13x3 + ... + a1nxn ≤ b1
a21x1 + a22x2 + a23x3 + ... + a2nxn ≤ b2
................................................................
am1x1 + am2x2 + am3x3 + ... + amnxn ≤ bm
e que x1≥0; x2≥0; x3≥0; ... ; xn≥0
2
 28/05/2009

Programação linear Restrições

 Este modelo pode ser associado a uma empresa que tem m
 Pode-se representar este problema de forma recursos disponíveis para a realização de n atividades. Tem-se
mais compacta, ou seja: então, para j=1,2,3, ... , n e i = 1,2,3, ... , m:
n
 Maximizar Z  c x j 1
j j  bi = quantidade do recurso i disponível para as n atividades.
Os b  0
i

 Sujeito às restrições
 (i = 1,2,3, ... , m)  x j = nível de produção da atividade j. Osx j (j=1,2,3, ... , n) são
as incógnitas do problema.
e  c j = lucro unitário do produto j
 a ij = quantidade do recurso i consumida na produção de uma
 xj ≥ 0 (j=1,2,3, ... , n) unidade do produto j.

Forma Matricial Forma Matricial Simplificada

 Verifica-se então que a função objetivo a ser maximizada representa o
lucro total da empresa nas n atividades. As m restrições informam que
 Max Z = cx
o total gasto no recurso i nas n atividades tende a ser menor ou igual à  sujeito a
quantidade disponível daquele recurso.
 A notação matricial do modelo se torna:  Ax ≤ 0
a11 a12 ... a1n  x1  b1   x≥0
a a22 ... a2n  x2  b2   Esta forma exige a solução algébrica, para
A   21 x b c  c1c2...cn  melhor entendimento
 ... ... ... ...  ...  ...
     
am1 am2 ... amn xn  bm

Exemplo Exemplo
 Um produtor agrícola precisa decidir a área de  Suponha que a disponibilidade de recursos
plantio de soja e de milho. Dados os preços dos
produtos e os custos de produção. Verificou-se que o seja a seguinte:
milho gera uma renda líquida de R$ 490/ha,  Mão-de-obra – 2150 homens dia
enquanto a soja gera uma renda líquida de
R$560 00/ha O produtor tem uma área total de 750
R$560,00/ha.  Horas máquina – 4500 horas máquina
ha. E deseja saber quanto deve plantar de milho e de  Terra – 750 ha de área cultivável
soja, de forma a obter a maior renda líquida possível.
 Como vimos toda a produção está sujeita a restrição
de recursos disponíveis como mão-de-obra, horas
máquina, e terra e capital. Desta forma este produtor
tem uma quantidade limitada destes recursos que
devem ser levados em conta.

3

Exemplo
 Temos portanto 3 restrições para a produção: mão-
de-obra, horas máquina, e terra.
 Sabe-se que o milho usa as seguintes quantidades
de recursos: 5,7 homens dia/ha e 3,1 horas
máquina/ha.
máquina/ha
 Sabe-se que a soja usa as seguintes quantidades
de recursos por ha: 2,1 homens dia/ha e 5,6 horas
máquina/ha
 Com estas informações podemos montar o seguinte
problema:
Restrições de recursos mão-de-obra
 Sabe-se que a propriedade dispõe de 2150
homens dia durante o ano agrícola, e que o
milho usa 5,7 homens dia por ha e a soja 2,1
homens dia por ha. Assim a restrição de mão
de obra será dada por:
 5,7 x1 + 2,1 x2 ≤ 2150
Restrição de recursos - terra
 Sabe-se que a propriedade dispõe de 750
ha. Assim a restrição de terra será dada por:
Terra → x1 + x2 ≤ 750
 Além disso tem-se
tem se as restrições de não
negatividade, onde x1 ≥ 0 e x2 ≥ 0.
 Assim o modelo final a ser resolvido é:
28/05/2009
Exemplo
 Assim deseja-se maximizar a Receita líquida
dada pela seguinte função:
 RL = 490 x1 + 560x2
Onde 490 é a receita líquida do milho por ha e
560 é a receita líquida da soja por ha.
Assim é necessário determinar a área de milho
(x1) e a área de soja (x2) de tal forma que a
receita líquida da propriedade seja máxima.
Restrições de recursos horas-máquina
 Sabe-se que a propriedade dispõe de 4500
horas máquina durante o ano agrícola, e que
o milho usa 3,1 horas máquina por ha e a
soja 7,6 horas máquina por ha. Assim a
restrição de máquinas será dada por:
3,1x1 + 7,6 x2 ≤ 4500
O problema
 Maximizar:
RL = 490 x1 + 560x2
 Sujeito às restrições de:
Mão de obra: 5,7 x1 + 2,1 x2 ≤ 2150
Máquinas: 3,1x1 + 7,6 x2 ≤ 4500
Terra: x1 + x2 ≤ 750.
x1 e x2 ≥ 0.
O próximo passo é transformar as
desigualdades em igualdades
4
 28/05/2009

Modelo Exemplo
RL = 490 x1 + 560x2  Mão de obra → x1 = 377,2 – 0,368 x2
 5,7 x1 + 2,1 x2 = 2150  Horas máquina → x1 = 1451,6 – 2,45x2
 3,1x1 + 7,6 x2 = 4500  Terra → x1 = 750 - x2
 x1 + x2 = 750  Como
C ttemos apenas d
duas variáveis
iá i x1 e x2
(milho e soja respectivamente), podemos
O próximo passo é fazer x1 = f (x2), para as encontrar a solução graficamente. Admite-se
funções de restrição de recursos. que a as áreas de produção não podem
assumir valores negativos, portanto tem-se a
primeira restrição dada por valores positivos
de x1 e x2

Restrição de mão-de-obra Solução Geométrica

x2
 Mão de obra → x1 = 377,2 – 0,368 x2
 Quando x2 = 0 , x1 = 377,2 Área que satisfaz a restrição de horas
máquina

 Quando x1 = 0, x2 = 1025
Área que satisfaz a restrição de
 Colocando-se no gráfico temos: t
terra

Área que satisfaz a restrição de

mão-de-obra

x1

Área de Soluções Possíveis Achar a solução ótima

 O processo que realiza a técnica de
x2
encontrar algebricamente, a solução ótima de
um modelo de programação linear tem o
nome de método simplex.
D
Área de soluções possíveis
 O método simplex é um procedimento
C algébrico e iterativo que fornece a solução
exata de qualquer problema de programação
linear em um número finito de iterações. É
também capaz de indicar se o problema tem
solução ilimitada, se não tem solução ou se
possui infinitas soluções.
A B x1

5
 28/05/2009

Teoremas do algoritmo simplex Solução Ótima

 1)O conjunto de soluções compatíveis é um conjunto
convexo.
 2)Toda solução compatível básica do sistema Ax=b é
um ponto extremo do conjunto de soluções
compatíveis.
 3)Se a função objetivo possui um máximo finito,
então pelo menos uma solução ótima é um ponto
extremo do conjunto convexo.
 4)Se a função objetivo assume um valor máximo em
mais de um ponto extremo, então ela toma o mesmo
valor para qqr combinação convexa destes pontos
extremos.
 A solução que maximiza a renda líquida está
sobre uma das retas, ou sobre os pontos O,
A, B, ou C.
 Qual destes ppontos representa
p a máxima
renda líquida?
 Para isto plota-se a função da receita líquida
no gráfico. Quanto mais distante da origem,
maior é a renda líquida.

Método simplex Solução ótima

 Para isto toma-se a função da receita líquida X1 (milho)
ou função objetivo RL = 490 x1 + 560x2 Portanto a solução ótima é
RL  560 x
 Fazemos x1 = f(x2) 490
2
x
1
dada por 515 ha de soja e 189
ha de milho
 Então tem
tem-se
se a função da reta

x1  0,002RL  1,143x 2
Função objetivo
mais distante da
189 origem, portanto
configura o lucro
máximo

515 X2 (soja)

Solução ótima Casos onde a solução não existe

 Portanto a solução ótima será o plantio de  Conjunto de Possibilidades é vazio
189 ha de milho e 515 ha de soja.  Não há solução compatível
 O resultado da função objetivo (substituindo  Exemplo:
as áreas de milho e de soja
j na Função
ç x2
Objetivo será obtido o resultado de
Valores p/
R$381.026,00 Restrição 1

Valores p/
Restrição 2

0 x1

6
 28/05/2009

Casos onde a solução não existe Caso de Infinitas Soluções

 A solução é ilimitada
x2
 Não há como definir a decisão
 Exemplo:
x2 Direção de As soluções
Crescimento são
do Lucro combinações
lineares dos
pontos Conjunto
extremos de Possibilidades Isolucro
Conjunto de
Possibilidades

0 x1 0 x1

Solução ótima = Receita líquida 380.540 reais consta

Solução pelo programa como resultado da Função Objetivo

 Os mesmos resultados serão obtidos pelo

software, que apresenta a vantagem de
poder ser incluídas diversas atividades, além
de soja e milho, bem como dependendo do Atividade Variável Valor Coeficiente Coeficiente
programa usado, inúmeras restrições. de
Sensibilidade
 Os resultados são dados da seguinte forma: Milho X1 187 490 0
Soja X2 515 560 0

Interpretação do coeficiente de
Resultados de Restrições
sensibilidade
 Se a solução ótima acusasse apenas o
plantio de soja, ou seja, se x1=0, coeficiente Restrições ValorValor Sobra Preço
de sensibilidade de x1 (milho) seria diferente
de zero e a interpretação é a seguinte: Não Original Sombra
deve ser plantado milho, pois x1=0 , mas se
for plantado um ha de milho o lucro seria Mão-de-obra 2150 2150 0 54,01
reduzido no valor do coeficiente de
sensibilidade.
Horas Máquina 4500 4500 0 58,76
Terra 702,93 750 47,07 0

7
 28/05/2009

Resultados Primal e Dual

 A coluna valor indica o uso de recursos, a
coluna 2 a disponibilidade original a coluna
sobra indica quanto não foi usado do recurso.
A coluna preço sombra indica que se
houvesse disponibilidade de uma unidade a
mais de mão-de-obra a receita aumentaria
em R$54,01.
 No caso da terra, como houve sobra de terra,
uma unidade a mais de terra não aumentaria
a renda líquida total
 A cada modelo de programação linear existe
uma correspondência em outro modelo,
denominado dual formado pelos mesmos
coeficientes porem dispostos de maneira
diferente. Ao modelo original dá-se o nome
de primal.
 Primais e duais servem para a análise de
sensibilidade das variáveis e das restrições

Análise de sensibilidade da Receita

Analise de Sensibilidade
Líquida
 Até que ponto estes resultados
permanecem? Atividade Variável Mínimo Valor Máximo
 Para responder esta pergunta é feita a
análise de sensibilidade. original
g
 1. Função Objetivo (Receita Líquida)
 2. Das restrições ( mão de obra, máquina e
Milho X1 228,42 490 1520
terra) X2 180,53 560 1201
Soja

Análise de sensibilidade das

Análise de sensibilidade
restrições
 Mínimo e máximo indicam qual o intervalo de
renda líquida, mantidos os demais Restrições Limite Valor Limite Superior
indicadores constantes, deveria ter o milho
para continuar sendo produzido. Inferior Original
 Assim , se o receita líquida do milho cair para Mão-de-obra
d b 1243 2150 2535
228 reais por ha ou aumentar até 1520 reais
por ha o milho continua a solução, ou seja Horas Máquina 1169 4500 4981
ele deve ser produzido. Terra 702,93 750 infinito

8

Análise de sensibilidade das
restrições
 Este quadro indica quais os limites das
disponibilidades de recursos de tal forma que
não altera a solução original.
 Por exemplop ppara mão de obra, significa
g q
que
o limite estabelecido em 2150 homens dia
poderia ser alterado para qualquer valor
entre 1243 e 2535, sem que as variáveis
milho e soja saiam da solução ou seja,
deixem de ser produzidas.
Limitações da Programação Linear
 Coeficientes Constantes: Nos modelos de
programação linear os coeficientes aij , bj e cj
são considerados como constantes
conhecidas. Na realidade, esses valores
podem não ser constantes e sim variáveis.
 A análise de sensibilidade do modelo,
permite fornecer os intervalos desses
coeficientes, para os quais a solução ótima
continua a mesma.
Limitações da Programação Linear
 Proporcionalidade: Nos modelos de programação
linear assume-se, por exemplo, que o lucro de cada
atividade é proporcional ao nível de produção xi,
sendo o lucro unitário ci o coeficiente de
p p
proporcionalidade.
 Essa hipótese diz que o lucro unitário ci independe
do nível de produção xi e não considera a chamada
economia de escala, não sendo válida na maioria
dos problemas reais. Para atenuá-la pode-se
considerar intervalos de produção nos quais essa
proporcionalidade é, aproximadamente, verificada.
28/05/2009
Análise de sensibilidade das
restrições
 É importante lembrar contudo, que se forem
alterados os valores da disponibilidade de
recursos, pode ser alterada os valores de x1
e x2, assim como a receita líquida.
Limitações da Programação Linear
 Divisibilidade: As soluções ótimas dos
modelos de programação linear poderão
apresentar valores fracionários para qualquer
uma de suas variáveis. Assim, por exemplo,
se uma variável representar o número de
cadeiras a serem produzidas por uma
empresa, ela poderia tomar um valor
fracionário na solução ótima, o que não é
nada desejável.
Limitações da Programação Linear
 Aditividade: A condição de aditividade, existente em todos os
modelos de programação linear, consiste em considerar as
atividades do modelo como entidades totalmente
independentes, não permitindo que haja interdependência entre
as mesmas. Assim o lucro total de uma empresa será sempre
igual à soma dos lucros obtidos em cada uma das atividades.
Para mostrar que isso nem sempre é verdade,
verdade considere-se
considere se
uma empresa que trabalhe com produtos similares como, por
exemplo, coalhada e iogurte. Se um dos produtos tem boa
aceitação, isso deve favorecer as vendas do outro. Igualmente,
uma propaganda intensa sobre um dos produtos deve afetar as
vendas do outro. Tais interrelações entre as variáveis não são
captadas pela programação linear.
9
 28/05/2009

Programação Linear
 Tais situações não são impeditivas e as
relações lineares, que a criatividade do
modelador está livre para estabelecer,
podem aproximar as relações existentes de
interdependência conjunta.
 Bibliografia
 Introdução à Programação Linear - Puccini

10