Académique Documents
Professionnel Documents
Culture Documents
Pesquisa Operacional
• Resolução Gráfica.
• Definições e Teoremas.
• Método Simplex.
• Exercícios
Programação Linear
3
Programação Linear:
Preocupação em encontrar a melhor solução para problemas
associados com modelos lineares.
Formulação do modelo
1. Identificação das variáveis de decisão:
XA – produção diária do modelo A
XB – produção diária do modelo B
XC – produção diária do modelo C
Modelo
Encontrar números XA, XB, XC tais que:
TV TV Rádio Revistas
horário horário
normal nobre
Função-objetivo:
“Maximizar nº. de clientes atingidos”
Max Z = 400.000X1 + 900.000X2 + 500.000X3 + 200.000X4
Modelagem em Programação Linear
13
Restrições:
Orçamento:
40.000X1 + 75.000X2 + 30.000X3 + 15.000X4 800.000
Mulheres atingidas:
300.000X1 + 400.000X2 + 200.000X3 + 100.000X4 2.000.000
Gasto com TV
40.000X1 + 75.000X2 500.000
Nº. de veiculações em TV, rádio e revistas
X1 3, X2 2, 5 X3 10, 5 X4 10
Não-negatividade
X1, X2, X3, X4 0.
Exercícios
14
Aula 3
Modelagem em Programação Linear
20
Variáveis de decisão:
X1 = número de partes 1 produzidas por dia
X2 = número de partes 2 produzidas por dia
Restrições:
3X1 + 5X2 480
(minutos por dia disponíveis para a furadeira)
(20X1 + 15X2)/5 = 4X1 + 3X2 480
(minutos por dia disponíveis para cada fresa)
Modelagem em Programação Linear
22
Variáveis de decisão:
Xi = nº. de inspetores do nível i (= 1, 2) alocados à inspeção.
Função objetivo:
Restrições:
• Dados técnicos:
B1 requer 2 kg de plástico e 3 minutos por dúzia.
B2 requer 1 kg de plástico e 4 minutos por dúzia.
Resolução gráfica de modelos de PL
28
Variáveis de decisão:
sujeito a:
2X1 + 1X2 ≤ 1000 (Plástico - Kg)
3X1 + 4X2 ≤ 2400 (Tempo de produção - minutos)
X1 + X2 ≤ 700 (Produção total)
X1 - X2 ≤ 350 (mix)
Xj 0, j = 1,2 (Não negatividade)
Resolução gráfica de modelos de PL
31
Conceitos importantes:
Os pontos (X1, X2) que satisfazem todas as restrições do
modelo formam a Região Viável.
Esses pontos são chamados de Soluções Viáveis.
1º Passo:
As restrições de não-negatividade, X1 0 e X2 0,
implicam que os pares (X1, X2) viáveis estão no 1º quadrante
dos eixos considerados.
Resolução gráfica de modelos de PL
33
2º Passo:
X2
X1
Resolução gráfica de modelos de PL
35
Notar que cada reta suporte define dois semi-planos no espaço (X1, X2).
Para identificar qual destes semi-planos é de interesse no caso, ou seja,
contém os pontos que satisfazem a desigualdade da restrição, basta testar
algum ponto à esquerda ou à direita (acima ou abaixo) da reta suporte da
desigualdade.
Um ponto que torna isto fácil é a origem (0, 0), mas poderia ser qualquer
outro.
Pesquisa Operacional - UNESP / Campus de Guaratinguetá
Resolução gráfica de modelos de PL
36
X2
Inviável
Tempo de Viável
produção
3X1+4X2 2400 X1
500 700
Resolução gráfica de modelos de PL
37
X2
1000 Restrição do plástico
2X1+X2 1000
700 Restrição da produção total:
X1+X2 700 (redundante)
500
Inviável
Restrição do mix da produção:
X1-X2 350
Tempo de Produção Viável
3X1+4X2 2400
X1
Resolução gráfica de modelos de PL
38
X2
1000
700
500
Inviável
Viável
X1
500 700
Pontos interiores. Pontos na fronteira. Pontos extremos.
Há três tipos de pontos viáveis.
Resolução gráfica de modelos de PL
39
X* = (320, 360)
700
X1
500
Resolução gráfica de modelos de PL
40
X2 X2
Z
Z*
Solução X1 X1
Solução
única ilimitada
Resolução gráfica de modelos de PL
42
X*2
Resolução gráfica de modelos de PL
43
X2
X2
Z
* X*
X*
X1 Z* X1
Múltiplas Soluções
Múltiplas
Ótimas 1 –
Soluções Ótimas 2
Segmento de Reta
Semi-reta Ótima
Ótimo
Resolução gráfica de modelos de PL
44
X2
O conjunto
viável é vazio. Problema
Há restrições inviável
incompatíveis.
X1
45
Forma padrão de modelo de PL
b (m x 1) vetor de demandas
Exemplo Completo
X1 + X2 + X3 7 1
X1 X2 + X3 2 2
Sujeito a:
3X1 X2 2X3 = 5 3
X1 0, X2 0, X3 livre
55
Forma padrão de modelo de PL
1. Introduzir variáveis de folga nas restrições (1) e (2):
X1 + X2 + X3 + X4 = 7 (1’) com X4 0.
X1 – X2 + X3 – X5 = 2 (2’) com X5 0.
Usando
De (1’’): X3 = 7 – X1 + X2’ – X4 ou X3 = X3’ – X3’’
57
Definições e Teoremas em PL
Ponto central na resolução de modelos de PL é a solução de
sistemas de equações lineares.
(S1)
X1 2X 2 X3 4X 4 2X5 2 1
X1 X 2 X3 3X 4 X5 4 2
• Uma variável é dita ser variável básica para uma dada equação do
sistema se ela possuir coeficiente 1 nesta equação e coeficientes
nulos nas demais equações do sistema.
Exemplo: em (S3) X1 e X2 são variáveis básicas
Nº de soluções básicas = 5 = 10
2
Teorema 2
Problemas:
1. Nº de soluções básicas viáveis pode ser excessivo.
Exemplos:
2X1 X2 2X3 4
s. a:
3X1 3X2 X3 3
Xi 0, i 1,3
Questão:
Como verificar se a Solução Básica Viável explicitada em (S’) é
ótima para o modelo em estudo?
Resposta:
Considere a expressão (I) em (S’), dada por:
Z + Cm 1 X m + 1 + .... + Cn Xn = Zo,
Onde Zo = C1 b1 + C2 b2 + ... + Cm bm.
Método Simplex - Minimização
78
Hipótese:
Problema:
Solução:
br Min bi
=
A r , s Ai, s > 0 Ai, s
• A variável básica da Solução Básica Viável atual associada
com a equação r acima será substituída por XS.
83
Método Simplex - Minimização
X1 1 0 2 3 5
X2 0 1 2 -2 6 (6/2)
-Z 0 0 -4 5 -4
X3 entra
X 1* 0
X3 1/2 0 1 3/2 5/2
X2 -1 1 0 -5 1 X 2 * 1
X* =
X 3* 5/2
-Z 2 0 0 11 6
X 4 * 0
Não há Cj < 0 , assim a
solução atual é ótima.
Z* = - 6
85
Método Simplex - Maximização
Modelo de Programação Linear com função objetivo de
maximização.
Etapa (A):
Solução básica viável atual será ótima Cj > 0.
Etapa (B):
A variável XS que entra terá C S > 0, para possibilitar uma
melhoria (aumento) no valor da função objetivo associado com a
Solução Básica Viável atual.
X1 4 X1 + X3 = 4
s. a:
X2 6 s. a:
X2 + X4 = 6
3X1 + 2X2 18 3X1 + 2X2 + X5 = 18
X1 0, X2 0 Xi 0, i = 1,5
86
87
Método Simplex
VB X1 X2 X3 X4 X5 b
X3 1 0 1 0 0 4
Entra X2, Sai X4
X4 0 1 0 1 0 6
X5 3 2 0 0 1 18
-Z 3 5 0 0 0 0
X3 1 0 1 0 0 4
X2 0 1 0 1 0 6 Entra X1, Sai X5
X5 3 0 0 -2 1 6
-Z 3 0 0 -5 0 -30
Exemplo:
Modelo original
Min Z = –3X1 – 5X2
X1 4
s. a: X2 6
X2
3X1 + 2X2 18
Xi 0, i = 1, 2 Região
viável
X1
93
Método Simplex
Exemplo:
Modelo original Modelo na forma padrão
Min Z = –3X1 – 5X2 Min Z = –3X1 – 5X2
X1 4 X1 + X3 = 4
X2 6
s. a: s. a: X2 + X4 = 6
3X1 + 2X2 18 3X1 + 2X2 + X5 = 18
Xi 0, i = 1, 2 Xi 0, i = 1, 5
X2
Região
viável
X1
94
Método Simplex
Resolução do exemplo para interpretação geométrica do Método Simplex:
VB X1 X2 X3 X4 X5 b
Quadro 1: Entra X2 Sai X4
X3 1 0 1 0 0 4
X4 0 1 0 1 0 6
X5 3 2 0 0 1 18
-Z -3 -5 0 0 0 0
X3 1 0 1 0 0 4 Quadro 2: Entra X1 Sai X5
X2 0 1 0 1 0 6
X5 3 0 0 -2 1 6
-Z -3 0 0 5 0 30
Solução básica viável ótima: X1* = 2, X2* = 6, X3* = 2, X4* = X5* = 0, Z* = –36
95
Método Simplex
Visualização das iterações
Quadro 3:
X4 *= X5* = 0,
Z* = -36, X1* = 2,
X2* = 6, X3* = 2.
X2
Quadro 2:
X1 = X4 = 0,
Z = -30,
X2 = 6, X3 = 4, X5 = 6.
Região
viável
Quadro 1:
X1 = X2 = 0, X1
Z = 0, X3 = 4, X4 = 6,
X5 = 18.
96
Método Simplex
(4) Identificação de Soluções Ótimas Múltiplas:
Considere que há uma Solução Básica Viável ótima para um
modelo de minimização, ou seja, tem-se Z* = Z* e todos C S 0 para toda
variável não-básica X s .
A identificação da ocorrência de Soluções Ótimas múltiplas é feita,
no Quadro Ótimo, quando há alguma variável não-básica Xj com C j = 0.
Assim ao se escolher Xj para entrar no conjunto das variáveis
básicas, não se alterará o valor ótimo Z* da função objetivo.
Desta maneira, pode-se obter uma nova Solução Básica Viável
ótima na qual Xj será uma variável básica.
Fica caracterizada assim a existência de múltiplas Soluções Ótimas.
97
Método Simplex
Exemplo:
Modelo original Modelo na forma padrão
Min Z = – X1 – 2X2 Min Z = – X1 – 2X2
X1 3 X1 + X3 =3
S. a:
X2 4 S. a: X2 + X4 =4
X1 + 2X2 9 X1 + 2X2 + X5 = 9
Xi 0, i = 1, 5
Xi 0, i = 1, 2
A seguir apresenta-se:
A resolução gráfica do modelo original.
A resolução do modelo na forma padrão pelo Método Simplex.
Uma visualização das iterações desenvolvidas pelo Método
Simplex sobre a região viável do modelo original.
98
Método Simplex
Resolução gráfica do exemplo com múltiplas Soluções Ótimas
X2
1 = XA*
4
(0,4) 3
= XB*
3
X*
Z* = - 9
Z=-6
(3,0) X1
Quadro 1: X1
X1 = X2= 0, X3 = 3,
X4 = 4, X5 = 9,
Z=0
101
Método Simplex
Observação importante:
Se no Quadro 3, na coluna da variável X4 não houvesse algum
coeficiente Ai, 4 > 0 , não se poderia efetuar o pivoteamento;
Quando não há uma Solução Básica Viável inicial deve-se utilizar algum
procedimento de inicialização para o Método Simplex.
Procedimentos de inicialização para o Método Simplex
104
Fase 1:
(a) Construção e resolução de um modelo artificial
(b) Análise da Solução Ótima do modelo artificial
Fase 2:
Resolução do modelo original utilizando como solução inicial a Solução
Ótima do modelo artificial.
Observe que o modelo artificial está na forma padrão com Solução Básica
Viável inicial:
X1 = X2 = ... = Xn = 0 (variáveis não-básicas)
Y1 = b1, Y2 = b2, ..., Ym = bm (variáveis básicas)
W = b1 + b2 + ... + bm.
Modelo
Min Z = -3X1 - 5X2
X1 4 (1)
X2 6
s. a: (2)
3X1 + 2X2 18 (3)
Xi 0, i = 1,2 (4)
Procedimentos de inicialização para o Método Simplex
111
X1 4 X1 + X3 =4
X2 6
s. a: s. a: X2 + X4 = 6
3X1 + 2X2 18 3X1 + 2X2 - X5 = 18
Xi 0, i = 1,2 Xi 0, i = 1, 5
Procedimentos de inicialização para o Método Simplex
112
Min W = Y1
s. a: X1 + X3 =4
X2 +X4 =6
3X1 + 2X2 – X5 + Y1 = 18
Xi ≥ 0, i = 1,5; Yi ≥ 0
X1 = X2 = X5 = 0 (variáveis não-básicas)
X3 = 4, X4 = 6, Y1 = 18 (variáveis básicas)
W = 18
Exemplo de aplicação do Método das Duas Fases
113
VB X1 X2 X3 X4 X5 b
Coeficientes de
X1 1 0 1 0 0 4 Adequar a
variáveis
X4 0 0 3/2 1 1/2 3 função
básicas na F. O.
X2 0 1 -3/2 0 -1/2 3 objetivo
devem ser Zero
-Z -3 -5 0 0 0 0
X1 1 0 1 0 0 4
X4 0 0 3/2 1 1/2 3 Quadro 3’
Solução ótima
X2 0 1 -3/2 0 -1/2 3
(única) do Modelo
-Z 0 0 -9/2 0 -5/2 27 Original:
X1* 1 0 0 0 0 4 X1* = 4, X2* = 6,
X5* 0 0 3 2 1 6 Quadro 4 X5* = 6,
X2* 0 1 0 1 0 6 (Ótimo) X3* = X4* = 0,
-Z* 0 0 3 5 0 42 Z* = -42
Visualização da Iterações do Método das Duas Fases
115
Quadro 4: Ótimo,
X2 Z* = -42
Quadro 3= (4, 3)
Quadro 3’:
W = 0,
Quadro 1: Z = -27
W = 18,
Z=0
(4, 0) X1
Quadro 2:
W = 6,
Z = -12
SIM
Exercícios: Resolver graficamente e pelo
117
Simplex
1. Min Z = X1 + 2 X2
X1 + X2 ≥ 3
s. a: 2X1 + X2 ≤ 2
X1, X2 ≥ 0 (R: Inviável)
2. Max Z = 6X1 + 10 X2
3X1 + 5X2 ≤ 15
s. a: 5X1 + 2X2 ≤ 10
X1, X2 ≥ 0 R: há mais de uma solução ótima
(Segmento de reta ótimo)
Exercícios
118
X1 - X2 ≥ -1
s. a: - ½ X1 + X2 ≤ 2
X1, X2 ≥ 0 (R: Solução ilimitada)
4. Max Z = X1 + X2
X1 + 4X2 ≥ 4
s. a: 3X1 + X2 = 1
X1, X2 ≥ 0 Comentário: Fica a Variável Artificial na solução ótima do
Problema Artificial como Variável Básica, ela sai por
pivoteamento.
Exercícios
119
5. Max Z = X1 + X2
2X1 + 3X2 = 5
s. a: - 6X1 - 9X2 = - 15
X1 – X2 ≥ 0 Comentário: 1a. equação é
6. Max Z = - 4X1 + X2
3X1 + X2 ≥ 3
s. a: X1 - X2 ≤ - 1
4X1 – X2 ≥ - 4
X1, X2 ≥ 0 R: Há mais de uma solução
ótima (Semi-reta ótima)
Exercícios 7. Max Z = 3X1 – 5X2
X1 – 2X2 -2
Xi 0, i = 1,2