Sie sind auf Seite 1von 53

PROGRAMAO INTEIRA E OTIMIZAO EM REDES PROGRAMA

1. Mtodos Branch and Bound (Ramifique e Delimite) 2. Mtodos tipo Cutting-Plane (Plano Cortante) 3. Problemas com variveis zero-um 4. Problemas de Transporte 5. Problemas de Designao 6. Busca de Caminhos Mnimos 7. Problema do Caixeiro-Viajante 8. Fluxo de Custo Mnimo em Redes 9. Fluxo Mximo atravs de uma Rede 10. Aplicaes

BIBLIOGRAFIA
1. Ahuja, R. K., Magnanti, T. L. and Orlin, J. B. Networks Flows Theory, Algorithms and Applications. Prentice Hall, Upper Saddle River, New Jersey, 1993. 2. Bodin L., Golden B., Assad A. and Ball M. Routing and Scheduling of veicles and crews. Special edition of Computer and Operations Research, col 10, n.2, 1983. 3. Bodin, L., B. Golden, A. Assad and M. Ball. Routing and Scheduling of vehicles and Crews. Oxford, Pergamon Press, 1983. 4. Bradley, S. P., A. C. Hax and T. L. Magnanti. Applied Mathematical Programming. Menlo Park, California, Addison-Wesley, 1977. 5. Bronson, R. Pesquisa Operacional. So Paulo, Schaum McGraw-Hill do Brasil, Ltda, 1985. 6. Christofides, N. Graph Theory - An Algorithmic Approach. New York, Academic Press, 1975. 7. Eilon, S., C.D.T. Watson-Gandy, N. Christofides. Distribution Management : Mathematical modelling and practical analysis. London, Griffin, 1970. 8. Golden, B. L., L. D. Bodin. Proceedings of the International Workshop on Current and Future Directions in Routing and Scheduling of Vehicles and Crews. Networks, vol. 11, n. 2, pp. 93-229, 1979. 9. Golden, B. L., A. A. Assad. Vehicle Routing : Methods and Studies. Amsterdam,

Elsevier Science Publishers B.V., 1988. 10. Lapin, L. L. Quantitative Methods for Business Decisions. Fort Worth, The Dryden Press, 1994. 11. Lawler, E.L., J.K. Lenstra, A.H.G. Rinnooy Kan, D.B. Shmoys. The Traveling Salesman Problem. Chichester, John Wiley & Sons, 1985. 12. McLaughlin, F. S. and Pickharatt R. C. Quantitative Techniques for Management Decisions. Boston, Houghton Mifflin Company, 1979. 13. Murty, K. Linear and Combinatorial Programming. Robert E. Krieger Publishing Company, Malabar, Florida, 1985. 14. Puccini, A. de L. e Pizzolato, N. D. Programao Linear. Livros Tcnicos e Cientficos Ed. Ltda., Rio de Janeiro, 1990. 14. Salkin, H. M. Integer Programming. Menlo Park, California, Addison-Wesley, 1975. 15. Zionts, S. Linear and Integer Programming. New Jersey, Prentice-Hall, 1974.

AVALIAO
2 provas (com consulta) - 60% listas de exerccios - 20% anlise e crtica de artigos e dissertaes- 20%

PACOTES COMPUTACIONAIS
LINDO Linear, Interactive and Discrete Optimizer LINGO Language for Interactive General Optimizer QSB2 Quantitative Systems for Business GAMS General Algebraic Modeling System Outros...

PROBLEMAS DE PROGRAMAO INTEIRA

(PPI)
A. INTRODUO Um PPI um PPL (Problema de Programao Linear) com o requisito adicional de que o valor de todas as variveis sejam nmeros inteiros. Os PPI ampliam enormemente a variedade de situaes em que os modelos de PL podem ser aplicados como, por exemplo, oramento de capital, modelos de localizao, de economia de escala, decises do tipo sim ou no, e outros. 1.1 CLASSIFICAO DOS MTODOS DE SOLUO DOS PPI a) Tipos de problemas Inteiro (puro): todas as variveis so inteiras (no necessariamente zero-um); Inteiro zero-um: todas as variveis so inteiras zero-um; variveis de folga das restries de desigualdade no so necessariamente zero-um; Inteiro misto: algumas, mas no todas as variveis, so inteiras; Inteiro misto-zero-um: inteiro-misto, mas todas as variveis inteiras so zero-um. b) Natureza dos algoritmos Branch and bound ou enumerao implcita: enumera implicitamente todas as possveis solues examinando certas solues bem escolhidas e usando informao gerada daquelas solues pelo domnio de conceitos e argumentos de inviabilidade para eliminar outras solues e estabelecer critrios mais rgidos para futuras solues a serem examinadas. Corte: adiciona e fora restries que precisam ser satisfeitas por solues inteiras, mas que algumas solues no inteiras no satisfazem.

2. OS PPI E OS MTODOS BRANCH AND BOUND (B&B)


(Ramifique e Delimite)

2.1 INTRODUO Um primeiro artigo usando um mtodo branch and bound de 1960, das cientistas A.H. Land e A.G. Doig. O mtodo elegante em sua simplicidade; ele exige o uso do mtodo simplex e pode resolver qualquer PPI. Uma 1a. aproximao da soluo do PPI obtida resolvendo-se o PPL ignorando-se o requisito de valores inteiros. Se a soluo tima do PPL for inteira ento esta tambm a soluo tima do PPI. Caso contrrio, pode-se arredondar a soluo da 1a. aproximao aos valores inteiros mais prximos e obter uma 2a. aproximao. Este procedimento colocado em prtica quando a 1a. aproximao envolve nmeros grandes, mas pode ser impreciso quando os nmeros so pequenos. Assim sendo, quando a 1 aproximao envolve nmeros pequenos, pode-se resolver o problema atravs do algoritmo branch and bound. 2.2 ALGORITMO BRANCH AND BOUND Se a 1a. aproximao contm uma varivel no inteira, por exemplo, xj*, ento: i1 < xj* < i2, onde i1 e i2 so inteiros consecutivos e no negativos. Dois novos modelos de PPI so criados aumentando o PPI original com a restrio xj i1 ou com a restrio xj i2. Este processo, chamado bifurcao (branch), tem o efeito de contrair a regio vivel de um modo que elimina de consideraes posteriores a soluo corrente no inteira para xj preservando ainda todas as possveis solues inteiras do problema original. Admita-se que a funo objetivo deva ser, por exemplo, maximizada. A bifurcao continua at ser obtida uma 1a. aproximao inteira, que uma soluo ao PPI. O valor da funo objetivo referente a esta 1a. aproximao inteira torna-se um limite (bound) inferior para o problema e, todos os

modelos, cujas 1as. aproximaes, inteiras ou no, conduzam a valores da funo objetivo menores do que o limite inferior, so descartados. O processo de bifurcao prossegue at que no haja mais modelos com 1a. aproximao no inteira a considerar. Neste ponto, a soluo correspondente ao limite inferior corrente a soluo tima do PPI original. a) Algumas Consideraes 1. Bifurca-se sempre a partir do modelo que se revela mais prximo do timo, com maior valor para z, se a funo objetivo for de maximizao. 2. So acrescentadas restries adicionais, uma de cada vez. Se a 1a. aproximao envolver mais de uma varivel no inteira, as novas restries sero impostas sobre a varivel que est "mais longe" de se tornar inteira, isto , a varivel cuja parte decimal estiver mais prxima de 0.5. 3. possvel um PPI ter mais de uma soluo tima. 2.3) EXEMPLOS Exemplo 1. O problema da moblia (Lapin) Uma companhia de moblia produz mesas e cadeiras como parte de sua linha de mveis de jardim. A tabela abaixo mostra os recursos consumidos e os lucros de cada produto. Por simplicidade, assumiremos que somente 2 recursos so consumidos para produzir os mveis de jardim: madeira (310 metros de placa em estoque) e trabalho (113 horas disponveis). O proprietrio deseja determinar quantas mesas e cadeiras deveriam ser feitas para maximizar os lucros. Recurso \ Un. Nec. Quantidade Mesa Cadeira
Disponvel

Madeira (m. placa) Trabalho (horas) Lucro ($)

30 5 6

20 10 8

310 113

Exemplo 2. Problema da Mochila (Schaum) Uma excursionista planeja fazer uma viagem acampando. H 5 itens que a excursionista deseja levar consigo, mas estes, juntos, excedem o limite de 60 kg que ela supe ser capaz de carregar. Para ajudar a si prpria no processo de seleo ela atribuiu valores, por ordem crescente de importncia, a cada

um dos itens segundo a tabela: tem Peso (kg) Valor 1 52 100 2 23 60 3 35 70 4 15 15 5 7 15

Que itens devem ser conduzidos de forma a maximizar o valor total sem exceder as restries de peso? Exemplo 3. Problema de Minimizao (Lapin) Min C = 4x1 + 3x2 + 5x3 s.a: 2x1 - 2x2 + 4x3 7 2x1 + 4x2 - 2x3 5 x1, x2, x3 0 e inteiras Exemplo 4. Locadora de carros (Lapin) Uma locadora de carros especialista em carros econmicos para turistas quer determinar uma plano timo para compra de carros para ordenar a compra de sua prxima frota at $500.000. O proprietrio reduziu as possibilidades a 3 veculos: vans econmicas, carros compactos e carros grandes. Os respectivos custos de compra por veculo so: $25.000, $15.000 e $21.000. Experincias passadas estabeleceram as seguintes taxas de lucros de aluguel anual: $15.000 para vans, $7.600 para os compactos e $10.600 para carros grandes. O proprietrio quer maximizar os lucros anuais com o aumento de sua frota. A compra deve incluir no mnimo: 5 vans, 5 carros grandes e 12 carros de passageiros. Alm disso, a compra deve envolver, no mnimo, 25 veculos. O nmero de carros grandes no pode exceder o nmero de compactos. As taxas mdias de aluguel dirias so: $50 para vans, $30 para compactos e $40 para carros grandes. Para manter uma imagem de locadora de baixos custos, o proprietrio deseja que a taxa mdia de aluguel para a nova frota seja de no mximo $39. Formule o problema como um PPI e o resolva computacionalmente.

Incio

Resolva o PPL correspondente

A soluo satisfaz as restries de integralidade ? Sim No Escolha uma varivel inteira xk cujo valor soluo yk no inteiro Pare

Resolva 2 problemas, cada um aumentado com as seguintes restries, uma de cada vez: xk yk xk yk + 1 Exclua quaisquer solues inviveis. ( b = maior inteiro menor que b)

Fluxograma do Algoritmo Branch and Bound Selecione da lista a soluo com o maior valor para a funo objetivo (se o problema for

de maximizao). Se a lista est vazia, pare; no existe nenhuma soluo vivel inteira para o problema.

Das novas solues determinadas por PL, adicione-as a lista se sua funo objetivo for melhor do que qualquer soluo inteira conhecida.

Exemplo 5. Programao de horrios de funcionrios (apostila de exerccios) A Rodovia Interestadual 17 tem uma cobrana de pedgio cuja demanda de funcionrios a seguinte:
Horrio 0h 6h 6 10 10 12 12 14 14 16 16 18 18 22 22 24 Nmero de Funcionrios 2 6 4 5 4 6 4 3

Chamando de xj o nmero de funcionrios que iniciam na hora j, para j par, e considerando que eles trabalham 8 horas ininterruptas, construa um modelo matemtico de PI que minimize o nmero de funcionrios. Exemplo 6. Programao de horrios de funcionrios (apostila de exerccios) Uma empresa que administra um parque de diverses precisa alocar seus funcionrios segundo os planos de jornadas de trabalho semanal. Cada

funcionrio trabalha 5 dias seguidos e folga 2. Os 7 planos possveis e as demandas dirias esto na tabela. Construa um modelo que decida quantos funcionrios devem trabalhar em cada plano, satisfazendo a demanda e minimizando o nmero total de funcionrios.
Pl.\DSem. Domingo 1 --2 1 3 1 4 1 5 1 6 1 7 --Demanda 18 Segunda ----1 1 1 1 1 12 Tera 1 ----1 1 1 1 12 Quarta 1 1 ----1 1 1 14 Quinta 1 1 1 ----1 1 16 Sexta 1 1 1 1 ----1 16 Sbado 1 1 1 1 1 ----18

Exemplo 7. Construo do diagrama em rvore (Mtodo Branch and Bound) (Lapin) As solues para diversos programas lineares, contidas no quadro a seguir, foram obtidas durante o processo de resoluo do seguinte PPL: Min C = 5x1 + 2x2 + 3x3 s. a: 3x1 - 2x2 + 4x3 8 3x1 + 4x2 - 2x3 6 x1, x2, x3 0 e inteiras Construa um diagrama em rvore resumindo a soluo do problema. Indique a soluo tima.
Problema 1 2 3 4 5 6 7 ltima varivel ramificada nenhuma x1 x1 x2 x2 x1 x1 x1 2 2/9 2 3 --1 5/9 1 2 x2 0 1/3 0 --1 1 5/6 1 x3 1/3 2/3 0 --1 1/3 2 1/6 1 C 12 1/9 12 2/3 15 (invivel) 13 7/9 15 1/6 15

Exemplo 8. Oramento de Capital (Puccini)

Suponha que uma empresa esteja planejando seus investimentos para os prximos T perodos. Existem n projetos prioritrios, mas que devem ser compatibilizados com o oramento disponvel Gt no perodo t (t = 1, 2, ..., T). Se o projeto j for realizado, ele exige um investimento atj no perodo t. Suponha ainda que de cada projeto j seja conhecido o seu valor presente bj. O problema do oramento de capital consiste em selecionar projetos a realizar, de forma a maximizar o valor presente total, respeitada a limitao oramentria. Variveis de Deciso para este PPI: xj = 1, se o projeto j for aprovado; 0, se o projeto j for recusado. Maximizar z = b1x1 + b2x2 + ... + bnxn s.a: a11x1 + a12x2 + ... + a1nxn G1 (perodo 1) a21x1 + a22x2 + ... + a2nxn G2 (perodo 2) ........... ....... aT1x1 + aT2x2 + ... + aTnxn GT (perodo T) xj = 0 ou 1 para todo j = 1, 2, ..., n. Este modelo (exemplo 7) rico em aplicaes e adaptaes:
B. Projetos divisveis. Se um dos projetos xk no for necessariamente inteiro

(como o caso, por exemplo, de investimentos financeiros, a varivel xk pode ser colocado no modelo acima com a forma:
C. xk 1 D. Projetos mutuamente exclusivos. Suponhamos que no modelo acima,

alguns projetos, por exemplo, p, q e r, sejam mutuamente exclusivos, ou seja, se um deles for aprovado, os demais devem ser rejeitados. Para esta situao, basta acrescentar ao modelo a restrio: xp + xq + xr 1
E. Projetos contingenciais. Suponhamos que um projeto f s possa ser

realizado se um projeto g tambm for realizado. Neste caso, basta

acrescentar ao modelo a restrio: xf xg


F. Modelo

com valores alternativos. Suponhamos que no modelo apresentado a varivel xj s possa assumir os valores W1, W2 ou W3. A incorporao desta caracterstica do problema no modelo pode ser feita pela substituio de xj pela expresso: W1y1 + W2y2 + W3y3 e a incluso das restries: y1 + y2 + y3 = 1 y1, y2, y3 = 1 ou 0

Exemplo 9. Modelos de Localizao (Puccini) Sejam m localizaes potenciais onde se produz um nico bem. Este bem deve ser distribudo a n depsitos, cada um com uma demanda dj (j = 1, 2, ..., n). Se uma localizao i for ativada e passar a produzir, ela ter um custo fixo Ki e uma capacidade de produo Mi. O custo para transportar uma unidade da fonte i ao depsito j gij. Quais as fontes que devem ser ativadas? Que quantidades devem ser transportadas da fonte i ao depsito j? Variveis de Deciso para este PPI Misto: yj = 1, se a localizao i for ativada; 0, caso contrrio. zij = volume a ser transportado da localizao i ao depsito j. Minimizar z = i=1,m j=1,n gij zij + i=1,m Ki yi s.a: i=1,m zij = dj
dj)

(j = 1, 2, ..., n) (o volume recebido pelo depsito j,


de todas as localizaes, igual a demanda (s h transporte a partir da localizao i, se yi = 1).

j=1,n zij Mi yi (i = 1, 2, ..., m)

zij 0 (para todo i e j) yi = 0 ou 1 (para todo i)

3. OS PPI E MTODOS TIPO CUTTING-PLANE (CP)


(Plano Cortante)

3.1 INTRODUO A nica diferena entre os mtodos do tipo Cutting Plane e os Mtodos Branch and Bound reside no fato de que naqueles (CP) feito o acrscimo de apenas uma nova restrio a cada etapa, e no duas como em B&B, fazendo com que a regio vivel seja reduzida sem partio. O corte uma restrio derivada que tem a propriedade desejvel de "cortar" parte do conjunto de solues viveis enquanto que no exclui qualquer soluo inteira. 3.2 ALGORITMOS DE CORTE DE GOMORY Algoritmo de corte fracionrio de Gomory Algoritmo de corte inteiro de Gomory Algoritmo de corte misto de Gomory. Algoritmo de Corte Fracionrio de Gomory

Consideremos o tableau timo aquele que resulta da aplicao do mtodo simplex a um modelo de PI com as restries relativas a valores inteiros desprezadas. Tomando uma restrio a partir do tableau timo, tem-se: ai1 x1 + ai2 x2 + ... + ain xn + xn+i = bi , ou i=1,n aij xj + xn+i = bi Podemos escrever esta restrio como se segue: j=1,n [aij] xj + j=1,n (aij - [aij]) xj + xn+i = [bi] + (bi - [bi]) onde [aij] = parte inteira de aij , tal que a parte fracionria seja > 0. Agrupando os termos com coeficientes inteiros no 1o. membro, temos: (1) j=1,n [aij] xj + xn+i - [bi] = (bi - [bi]) - j=1,n (aij - [aij]) xj .

O lado esquerdo de (1) deve ser inteiro em uma soluo tima inteira, porque todos os coeficientes e variveis devem ser inteiros. Pela igualdade em (1), o lado direito da expresso deve ser inteiro tambm. Alm disso, o limite superior do lado direito no pode ser positivo (como o lado direito de (1), alm de ser inferior a 1, deve ser inteiro, ele deve ser menor ou igual a zero). Obviamente, o mesmo verdadeiro para o lado esquerdo de (1). Esta condio o corte utilizado por Gomory, que fornece, o Algoritmo de Corte Fracionrio de Gomory. Assim sendo, (2) (bi - [bi]) - j=1,n (aij - [aij]) xj 0 , ou, j=1,n (aij - [aij]) xj (bi - [bi]) A restrio (2) a nova restrio imposta ao problema pelo algoritmo de corte de Gomory. 3.3 EXEMPLOS

Resolver os exemplos 1 e 2 a seguir, utilizando o algoritmo de corte fracionrio de Gomory. Exemplo 1. (Schaum) Max z = 2x1 + x2 s.a : 2x1 + 5x2 17 3x1 + 2x2 10 x1, x2 0 e inteiras Exemplo 2. (Zionts) Max z = 5x1 + 2x2 s.a : 2x1 + 2x2 9 3x1 + x2 11 x1, x2 0 e inteiras

3.4 ALGORITMO DE CORTE DE DANTZIG Considere-se o tableau timo aquele que resulta da aplicao do mtodo simplex a um modelo de PI com as restries relativas a valores inteiros desprezadas. Suponha-se que uma das variveis bsicas, xb, no inteira. A equao da restrio correspondente linha do tableau que determinou xb deve ser da forma: xb + j yj xj = y0 onde o somatrio diz respeito a todas as variveis no bsicas. Se cada varivel no bsica xj for zero, ento xb = y0 ser no inteiro. Se xb deve ser inteira, ento pelo menos uma das variveis no bsicas xj dever ser diferente de zero. Tendo em vista que se requer que todas as variveis sejam no negativas e inteiras, segue-se que pelo menos uma varivel no bsica deve ser maior ou igual a 1. Isto, por sua vez, implica que a soma de todas as variveis no bsicas deve ser 1. Se utilizarmos esta condio como uma nova restrio

a ser incorporada ao modelo de PI original, tem-se o Algoritmo de Corte sugerido por Dantzig. 3.5 EXEMPLOS Exemplo 1. (Schaum) Max z = 3x1 + 4x2 s.a : 2x1 + x2 6 2x1 + 3x2 9 x1, x2 0 e inteiras

LISTA DE EXERCCIOS Selecionar 05 exerccios variados para resolv-los manualmente e utilizando o software LINGO. Pesquisar e selecionar 05 problemas prticos em referncias bibliogrficas, apresentando, alm do enunciado, a construo do modelo matemtico e a sua soluo atravs do LINGO. Problema 1. Resolva o seguinte problema utilizando o mtodo branch and bound (faa no mximo 2 ramificaes): Max z = x1 + 5x2 + 9x3 + 5x4 s. a : x1 + 3x2 + 9x3 + 6x4 16 6x1 + 6x2 + 7x4 19 7x1 + 8x2 +18x3 + 3x4 44 x1, x2, x3, x4 0 e inteiras. Problema 2. Idem para o PPI a seguir. Max z = 7x1 + 9x2 + x3 + 6x4 s.a.: 8x1 + 2x2 + 4x3 + 2x4 16 4x1 + 8x2 + 2x3 20

7x1 + 6x3 + 2x4 11 x1, x2, x4 0 e inteiras e x3 0. Problema 3. Idem para o PPI a seguir. Min z = 3x1 + 4x2 + 3x3 s.a : 3x1 + 2x2 + 2x3 13 2x1 + 5x2 + 3x3 15 2x1 + x2 + 2x3 9 x2, x3 0 e inteiras e x1 0. Problema 4. Idem para o PPI a seguir. Min z = 2x1 + 3x2 + 5x3 s.a : x1 + 2x2 + 3x3 7 3x1 + 2x2 + 3x3 11 x1, x3 0 e inteiras e x2 0.

Problema 5. Resolva o seguinte PPIB Misto (Problema de Programao Inteira Binria Misto) utilizando o mtodo que desejar (faa no mximo 2 iteraes). Min z = 3x1 + 7x2 + 9x3 + 2x4 + 6x5 s.a: 3x1 + x2 + 4x3 + 5x4 + 8x5 10 5x1 + 2x2 + 9x3 + x4 + 5x5 12 3x1 + x2 + 3x3 + 2x4 + 2x5 2 x1, x2, x5 = 1 ou 0 e x3, x4 0 Problema 6. Resolva o seguinte PPI: Max z = 5x1 + 7 x2 s.a : 12 x1 + 7 x2 84 5 x1 + 7 x2 35 x2 7 x1, x2 0 e inteiras Resolva o problema do PPI utilizando o algoritmo branch and bound e faa a interpretao geomtrica do problema. Problema 7.

Com base no tableau timo para o PPL obtido no problema 6 determine: G. Uma restrio de corte utilizando o algoritmo fracionrio de Gomory. H. Uma restrio de corte utilizando o algoritmo de Dantzig. I. Faa a interpretao geomtrica dos itens a e b anteriores. Problema 8. Dado o tableau timo do PPL do seguinte PPI, faa uma iterao completa usando o algoritmo fracionrio de Gomory e fornea a interpretao geomtrica. Max z = 5 x1 + 4 x2 s.a : 3 x1 + 3 x2 10 12x1 + 6 x2 24 x1, x2 0 e inteiras z x2 x1 14 8/3 2/3 x1 0 0 1 x2 0 1 0 x3 1 2/3 -1/3 x4 1/6 -1/6 1/6

Problema 9. Dado o tableau timo do PPL do seguinte PPI, faa uma iterao completa usando o algoritmo branch and bound e fornea a interpretao geomtrica. Max z = 3 x1 + 4 x2 s.a : 2 x1 + x2 6 2 x1 + 3 x2 9 x1, x2 0 e inteiras Z x1 x2 12,75 2,25 1,5 x1 0 1 0 x2 0 0 1 x3 0,25 0,75 -0,5 x4 1,25 -0,25 0,5

Problema 10. Com respeito ao o problema 9 anterior: a) Indique qual seria a restrio de corte segundo Dantzig; b) Indique uma possvel restrio de corte utilizando o algoritmo fracionrio de Gomory. c) Acrescente a restrio ao problema (a OU b) e faa uma iterao. Problema 11. Dado o problema: Max z = 3x1 + 5x2

2x1 + 4x2 10 5x1 + 2x2 12 x1, x2 0 Sabe-se que o tableau da soluo tima : s.a: x1 0 1 0 x2 0 0 1 x3 19/16 -1/8 5/16 x4 1/8 1/4 -1/8

z x1 x2

107/8 7/4 13/8

a) Mostre como gerar novos problemas, a fim de se obter uma soluo inteira, utilizando o mtodo branch and bound; b) Escolha um dos problemas gerados e faa 1 iterao completa; J. Fornea a interpretao geomtrica do problema at esta etapa. Problema 12. O estudo de um problema real resultou no seguinte modelo matemtico (P1) apresentado a seguir. A soluo tima no inteira para P1 apresentada em seguida. Pede-se: a) Utilizando o algoritmo branch and bound, obtenha P2 e P3; b) Determine a soluo tima para P2 (ou P3); c) Fornea a soluo grfica para P1 e P2 (ou P3). Max z = - x1 - 2x2 s.a: 2x1 + 3x2 3 x1, x2 0 e inteiras Z x1 -3/2 3/2 x1 0 1 x2 1/2 3/2 x3 1/2 -1/2

Problema 13. Considere o seguinte programa inteiro: Max P = 3 x1 + 4 x2 s.a: x1 + 2 x2 8 3 x1 + x2 10 x1, x2 0 e inteiras K. Ignorando as restries de integralidade, resolva este problema graficamente como um programa linear. L. Identifique todos os pontos que fornecem uma soluo inteira no grafo contidos na regio de solues viveis de seu programa linear. M. Ache o ponto mais lucrvel dentre aqueles do item b e a correspondente soluo tima. Problema 14.

Aplique o mtodo branch and bound para resolver o programa inteiro 13 anterior. Faa isto resolvendo graficamente uma sucesso de programas lineares. Resuma o procedimento usando um diagrama em rvore. Problema 15. A soluo para muitos programas lineares contidos no quadro a seguir foram obtidos no decorrer do processo de resolver o seguinte programa inteiro: Max P = 3 XA + 5 XB + 4 XC s.a: 2 XA + 3 XB + 3 XC 13 5 XA + 4XB + 5 XC 17 XA, XB, XC 0 e inteiras.

Problema 1 2 3 4 5 6 7

ltima var. ramificada Nenhuma XB XB XC XC XA XA

XA 0 0 --0.2 0 0 1

XB 4.25 4 --4 3 4 3

XC 0 0.2 --0 1 0 0

P 21.25 20.8 (invivel) 20.61 19 20 18

Construa um diagrama em rvore resumindo as solues do problema. Indique as solues timas.

EXEMPLO DE UM PT MODELADO PARA SER EXECUTADO NO LINGO:


MODEL: SETS: origens /1..3/; destinos /1..4/; matriz(origens,destinos): x,custos; capacidade(origens): cap; demanda(destinos): dem; ENDSETS DATA: custos = 19,7,3,21,15,21,18,6,11,14,15,22; cap = 100,300,200; dem = 150,100,200,150; ENDDATA MIN = @SUM(matriz(i,j): custos(i,j) * x(i,j)); @FOR(origens(i): @SUM(destinos(j) : x(i,j)) <= cap(i)); @FOR(destinos(j): @SUM(origens(i) : x(i,j)) >= dem(j)); END OU_____________________________________________________________________ __ MODEL: SETS: origens /1..3/: capacidades; destinos /1..4/: demandas;

links(origens, destinos): custos, x; ENDSETS ! Funo Objetivo; MIN = @SUM(links(i,j): custos(i,j)* x(i,j)); ! Restries de demandas; @FOR(origens(i): @SUM(destinos(j) : x(i,j))<= capacidades(i)); ! Restries de capacidades; @FOR(destinos(j): @SUM(origens(i) : x(i,j))>= demandas(j)); ! Dados do problema; DATA: capacidades = 100 300 200; demandas = 150 100 200 150; custos = 19 7 3 21 15 21 18 6 11 14 15 22; ENDDATA END

E OUTRAS FORMAS MAIS...

PROBLEMAS DE TRANSPORTES (PT)


N. INTRODUO

Um problema de transportes envolve: m origens com ai, i = 1, 2, ..., m unidades disponveis, n destinos com bj, j = 1, 2, ..., n unidades necessrias, e cij que so os custos para transportar uma unidade da origem i para o destino j. O objetivo desenvolver um esquema de transporte a valores inteiros (a quantidade de produto a ser transportada no pode ser fracionria) que atenda a todas as demandas a partir do estoque atual a um custo de transporte mnimo. Admite-se que: i=1,m ai = j=1,n bj , ou seja, que a oferta total igual a demanda total.

Esta equao assegurada criando-se: um destino fictcio (se a demanda total for < a oferta total) e uma origem fictcia (se a demanda total for > oferta total)
2. MODELO MATEMTICO PARA OS PT:

Sendo: xij = nmero de unidades a serem transportadas da origem i para o destino j Ento: Min z = i=1,m j=1,n cij xij s.a: j=1,n xij = ai (i = 1,...,m) i=1,m xij = bj (j = 1,...,n) xij 0 e inteiros Mais especificamente, um problema de transportes pode ser definido: Min z = c11x11 + c12x12 +...+ c1nx1n +...+ cm1xm1 + cm2xm2 +...+ cmnxmn s.a: x11+x12+...+x1n = a1 x21+x22+...+x2n = a2 . . . (1) xm1+xm2+...+xmn = am x11+ x21+ xm1 = b1 x12+ x22+ xm2 = b2 . . . x1n+ x2n+ xmn = bn Dada a hiptese de que i=1,m ai = j=1,n bj , qualquer uma das

equaes do sistema (1) redundante, desde que ela pode ser gerada pela combinao linear das (n + m - 1) outras equaes. Por exemplo, a 1 equao igual a soma das ltimas n equaes menos a soma das equaes de 2 at m. Assim sendo, qualquer equao de (1) pode ser retirada. Logo, a base para um problema de transportes consiste de (m + n - 1) vetores linearmente independentes, ou seja, o nmero de variveis bsicas para qualquer Problema de Transportes (m + n 1). O problema dual de (1) : Sendo as variveis duais ui, i = 1, ..., m para as fontes e vj, j = 1, ..., n para os destinos, tem-se:

Max z = a1u1 + a2u2 +...+ amum + b1v1 + b2v2 +...+ bnvn s.a : u1 + v1 c11 u1 + v2 c12 . . u1 + vn c1n u2 + v1 c21 u2 + v2 c22 (2) . . u2 + vn c2n ... . um + v1 cm1 um + v2 cm2 . . um + vn cmn uj, vj irrestritos em sinal

Obs.: O problema de transportes pode ser representado e resolvido esquematicamente por meio do seguinte quadro: 1 1 2 .. m Dem.
c11 c21 cm1

2
c12 c22 cm2

.. n
c1n c2n cmn

Of. a1 a2 am

b1

b2

bn

Como uma das restries do sistema (1) redundante, qualquer uma das variveis do sistema (2) pode ser escolhida para ter algum valor arbitrrio. Por dualidade, para toda varivel bsica no problema primal (1), tem-se uma restrio do problema dual (2) satisfeita como uma igualdade. Ento, se temos uma soluo bsica inicial para o problema primal, podemos: 1. escolher o valor de qualquer varivel dual (ui ou vj) arbitrariamente; 2. calcular todas as outras variveis por causa da triangularidade da base, ou seja, resolver expresses do tipo: ui + vj = cij , para toda varivel bsica usando um valor ui ou vj que conhecido; Obs. Uma matriz quadrada triangular se, aps arranjos adequados de linhas e colunas, todos os coeficientes abaixo da diagonal principal so zero. 3. calcular os custos reduzidos para todas as variveis no bsicas: cij - ui - vj 4. Podemos checar se a soluo tima ou no. Se , todos os custos reduzidos para as variveis no bsicas so 0, ou seja, cij - ui - vj 0. Se existir um custo reduzido negativo, ou seja, cij - ui - vj < 0, ento a correspondente varivel dever ser bsica. Aquela varivel dever ser expressa em termos das variveis bsicas e a troca de base dever ser efetuada.
3. ALGORITMO DE TRANSPORTES:

O algoritmo de transportes o mtodo simplex particularizado. Este algoritmo envolve (como sempre): i. Determinao de uma soluo inicial bsica vivel; ii. Teste da soluo quanto a condio de timo; iii. Melhoria da soluo quando no tima; iv. Repetio de ii. e iii. at se obter a soluo tima.

3.1 Obteno de uma soluo bsica inicial:


Dado o quadro inicial para o problema de transportes:
Origens\ Destinos

1 x11 c21 x21 ... cm1 xm1 b1


c11 c12

2 x12 c22 x22 ... cm2 xm2 b2

... ... ... ... ... ...


c1n

N x1n c2n x2n ... Cmn xmn Bn

Ofertas

1 2 ... m
Demandas

a1 a2 ... am

Podemos determinar a soluo bsica inicial para o problema de diversas formas: Regra do Canto Noroeste, Mtodo do Custo Mnimo; Mtodo de Vogel e outros. 3.1.1 Regra do Canto Noroeste: 1. Comea-se a alocao na clula (1,1), da a denominao "canto noroeste". Aloca-se a x11 tantas unidades quantas sejam possveis sem violar as restries; 2. Continua-se a alocao das unidades, deslocando-se para a clula imediatamente direita. Se no for possvel, para a clula

imediatamente abaixo; 3. Nenhuma alocao pode ser negativa. A alocao pode ser zero (neste caso, tratar-se- de soluo inicial degenerada para o Problema de Transportes). Exemplo 1: Uma companhia faz esquis em 3 fbricas atravs do mundo. As fbricas suprem 4 depsitos que distribuem os esquis diretamente s lojas de esquis. O problema determinar quantos pares de esquis devem ser transportados de cada fbrica para os vrios depsitos para minimizar o custo total. (determine a soluo inicial pela R. C. Noroeste)

Fbrica \ Depsito

Frankfurt

New York

Phoenix

Yokohama

Capacidade da fbrica

Juarez Seoul TelAviv


Demanda

$19 15 11 150

17 21 14 100

3 18 15 200

21 6 22 150

100 300 200 600

3.1.2 Mtodo de Vogel: 1. Para cada linha e cada coluna possuindo alguma sobra de oferta ou de demanda, calcula-se o respectivo resduo (diferena 0 entre os dois menores custos cij associados s clulas ainda sem alocao nesta linha ou coluna); 2. Considera-se a linha (ou coluna) possuidora do maior resduo; 3. Nesta linha (ou coluna) identifica-se a clula com o menor custo unitrio de transporte ainda sem alocao e aloca-se ali tantas unidades quantas sejam possveis; 4. Recalculam-se os novos resduos e repete-se o procedimento at que todas as demandas sejam satisfeitas. Consideraes:

1. As variveis para as quais se atribuiu valores por meio de qualquer dos procedimentos anteriores (Canto Noroeste ou Vogel ou outro) tornam-se as variveis bsicas da soluo inicial. As variveis sem alocao so no bsicas e, por conseguinte, valem zero. 2. A regra do Canto Noroeste o mais simples dos mtodos, contudo, o mtodo de Vogel, que leva em considerao os custos unitrios de transporte, resulta numa soluo inicial mais prxima da soluo tima.

Exemplo 2. Uma companhia locadora de automveis se defronta com um problema de alocao resultante dos contratos de locao que permitem que os automveis sejam devolvidos em localidades outras que aquelas onde foram originalmente alugados. Atualmente h 2 agncias de locao com, respectivamente, 15 e 13 carros excedentes e 4 outras agncias necessitando de 9, 6, 7 e 9 carros, respectivamente. Os custos unitrios de transporte entre as locadoras so os seguintes: L. Or. 1 L. Or. 2 L. Dest. 1 45 14 L. Dest. 2 17 18 L. Dest. 3 21 19 L. Dest. 4 30 31

Determine uma soluo inicial para este problema utilizando o mtodo que desejar.

3.2 Teste da Condio de timo:


Atribui-se o valor zero a um dos elementos ui ou vj e calcula-se os valores restantes para ui e vj de maneira que para cada varivel bsica tenha-se: ui + vj = cij Em seguida, calcula-se para cada varivel no bsica a quantidade:

cij - ui - vj Se todas essas quantidades forem 0, a soluo presente tima; caso contrrio, a soluo atual deve ser aperfeioada.

3.3 Aperfeioamento da soluo:


Considera-se a varivel no bsica correspondente ao valor mais negativo da grandeza (cij - ui vj), calculada anteriormente. Esta a varivel a ser introduzida na base. Constri-se um percurso de avaliao constitudo unicamente : por esta varivel (que foi introduzida) e pelas variveis bsicas correntes. Em seguida, aloca-se clula introduzida tantas unidades quantas sejam possveis de modo que, depois de terem sido efetuados os acertos apropriados nas outras clulas do percurso de avaliao, as restries de oferta e de demanda no sejam violadas, todas as alocaes permaneam 0 e uma das variveis bsicas anteriores tenha sido reduzida a zero, ou seja, deixa de ser bsica.

O PROBLEMA DE TRANSSHIPMENT (Transbordo) um problema mais geral de transportes, no qual depsitos podem receber e tambm transportar um produto. Este tipo de problema pode ser resolvido utilizando o mtodo de transportes, incluindo para cada ponto de transshipment (ponto de transbordo ou depsito) uma linha e uma coluna com capacidade e demanda idnticas. Transportes entre os pontos de transshipment so permitidos. Cada ponto de transshipment ter um custo zero e uma clula artificial representando a quantidade que ele transporta para si mesmo. Qualquer entrada nesta clula representa a quantidade pela qual aquela locao opera abaixo da sua capacidade. Exemplo 1. A ABC Container serve 4 consumidores a partir de 2 fbricas. A mdia de distribuio mensal foi otimizada utilizando o mtodo de transportes, com os dados do problema e a soluo inicial mostrados no quadro abaixo. As capacidades e demandas esto em toneladas, com a unidade de custos em $ por tonelada (unidades monetrias/ton.). Resolvendo-se este problema, a soluo tima fornece um custo mensal de C = $ 20.600. P1 P2
Demandas

C1 14 300
18

300

C2 15 200 19 50 250

C3
20 16 17 21

C4 250 250

Artif.
0 0

Capacidades

450 450

250 250

500 1.000 1.500

Dois depsitos foram temporariamente incorporados rede de distribuio da ABC. A ABC quer saber se a utilizao de tais depsitos traro economias. Os custos de transporte ($ por tonelada) so os seguintes:
Fbricas aos Depsitos: P1-W1 = 2 P1-W2 = 13 P2-W1 = 7 P2-W2 = 9 Depsito ao Consumidor: W1-C1 = 3 W2-C1 = 6 W1-C2 = 4 W2-C2 = 1 W1-C3 = 5 W2-C3 = 11 W1-C4 = 12 W2-C4 = 10

O depsito W1 tem uma capacidade (e consequentemente demanda) de 400 tons.; a capacidade de W2 de 500. Os depsitos podem transportar de um para o outro a um custo de $ 8 por tonelada. Assumindo como soluo inicial os dados contidos no quadro a seguir, determine a soluo tima para este problema de transshipment. C1 P1 P2 W1 W2
Demandas
14 18

C2
15 19 4 1

C3
20 16 5

C4
17 21 12 10

W1 2 400
7 0 8

W2
13 9 8 0

300 6 0 300
3

350 100

500

Artif. 0 100 0 500


0 0

Capacidades

250 250

11

450

250 250

400

500

250

500 1.000 400 500 2.400

O valor da soluo tima de $14.850, fornecendo uma economia empresa de $5.750 ($20.600 - $14.850).

PROBLEMAS DE DESIGNAO (PD) (ASSIGNMENT PROBLEM)


O. INTRODUO:

Os problemas de designao envolvem uma alocao biunvoca de, por exemplo, operrios a tarefas. O nmero de operrios se presume igual ao nmero de tarefas, condio que pode ser assegurada pela criao de operrios ou tarefas fictcias e o tempo cij para o i-simo operrio completar a j-sima tarefa so conhecidos. O objetivo designar cada um dos operrios para cada uma das tarefas, de modo que estas sejam concludas num tempo total mnimo. Os problemas de designao podem ser convertidos em problemas de transporte, considerando-se os operrios como origens e as tarefas como destinos, em que todas as ofertas e demandas so iguais a 1. Um procedimento mais eficiente do que a resoluo matemtica de um PPLIB o chamado Algoritmo de Transportes, ou ainda, Mtodo Hngaro (desenvolvido por 2 matemticos hngaros na dcada de 70).
2. MODELO MATEMTICO PARA OS PD:

Sendo: xij = 1, se a origem i for designada para o destino j; 0, caso contrrio. Ento: Min z = i=1,m j=1,n cij xij

s.a:

j=1,n xij = 1 (i = 1,...,n) i=1,m xij = 1 (j = 1,...,n) xij 0 e binrias

Os dados de um PD podem ser colocados em uma matriz de eficincia, que para o caso do problema dos funcionrios fica da seguinte forma:
Op.\Tarefas

1 2 3 ... n 3. EXEMPLOS: Exemplo 1. (Puccini) Resolva o seguinte PD:


A B C D E 1 12 7 9 7 9

1 c11 c21 c31 ... cn1

2 c12 c22 c32 ... cn2

3 c13 c23 c33 ... cn3

... ... ... ... ... ...

n c1n c2n c3n ... cnn

2 8 9 6 6 6

3 7 17 12 14 12

4 15 14 6 6 10

5 4 10 7 10 6

Exemplo 2. (Puccini) Uma empresa vende produtos em 4 regies e possui 4 vendedores para serem destacados, um para cada regio. As regies no so igualmente ricas e apresentam o seguinte potencial de vendas: Regio I: $ 60.000,00; Regio II: $ 50.000,00; Regio III: $ 40.000,00; Regio IV: $ 30.000,00. Os vendedores, por outro lado, no so igualmente hbeis e as suas eficincias, que refletem a capacidade de atingir o mercado potencial da

regio, so dadas pelo quadro que se segue:


Vend\Regio A B C D I 0,7 0,8 0,5 1,0 II 0,7 0,8 0,5 0,4 III 0,7 0,8 0,5 1,0 IV 1,0 1,0 1,0 0,4

Pede-se determinar, empregando o mtodo da designao, como destacar os vendedores para que o volume de vendas seja o maior possvel. Exemplo 3. (Schaum) Uma rede de armazns deseja construir quatro novas lojas na rea de Campo Mouro. No passado a cadeia utilizou os servios de seis empresas construtoras e, tendo ficado satisfeita com todas, convidou cada uma delas a cotar cada um dos servios. As propostas finais (em milhares de $) esto indicadas no quadro a seguir.
Armazns\ Construtoras

1 85.3 78.9 82 84.3

2 88 77.4 81.3 84.6

3 87.5 77.4 82.4 86.2

4 82.4 76.5 80.6 83.3

5 89.1 79.3 83.5 84.4

6 86.7 78.3 81.7 85.5

Armazm 1 Armazm 2 Armazm 3 Armazm 4

Uma vez que a rede de armazns deseja dispor das novas lojas prontas o mais rpido possvel, designar no mximo uma obra a cada uma das companhias construtoras. Que alocao resulta em custo total mnimo para a rede de lanchonetes? 4. MTODO HNGARO Algoritmo: (Problema de designao: Minimizao) 1. Coloque os custos por unidade de recurso na forma de matriz (matriz de eficincia). 2. Subtraia ou adicione uma constante a cada linha e/ou coluna, tal que

exista no mnimo um zero em cada linha e em cada coluna; e nenhum valor negativo. 3. Marque o mximo nmero de designaes s clulas zero, como segue: 3.1 Em cada linha com somente um 0, designe o 0 e elimine todos os 0's daquela coluna. 3.2 Em cada coluna com somente um 0, designe o 0 e elimine todos os 0's daquela linha. 3.3. Repita 3.1 e 3.2 at que todos os 0's tenham sido marcados (designados ou eliminados). 3.4 Esteja certo de que no existe mais do que um 0 designado em cada linha e coluna. 4. Se existe um 0 designado em cada linha e coluna, estas so as designaes timas. Marque as correspondentes clulas originais e obtenha o custo total. Esta a designao de custos mnimos. ------------------------------------------------------------------------------------------5. Se no existe um 0 designado em cada linha e em cada coluna, obtenha mais 0's como segue: 5.1 Marque todas as linhas que no tenham designao. 5.2 Marque todas as colunas com 0's eliminados nas linhas marcadas. 5.3 Marque todas as linhas com 0's designados nas colunas marcadas. 5.4 Repita 5.2 e 5.3 at a exausto. 6. Passe uma linha atravs de todas as linhas no marcadas e colunas marcadas. Verifique: 1) se o nmero de linhas = nmero de 0's designados; 2) se todo 0 (designado ou eliminado) tem uma linha. 7. Marque a matriz reduzida, como segue: (este procedimento produz no mnimo mais um 0) 7.1 Ache o mnimo valor, no alinhado. 7.2 Subtraia este valor de todas as linhas marcadas. 7.3 Adicione este valor a todas as colunas marcadas.

8. Faa o mximo nmero de designaes, como no passo 3 e repita 5, 6 e 7 at que exista uma designao 0 em cada linha e cada coluna, como no passo 4. Obs.: No passo 3, se todas as linhas e colunas com um nico 0 acabaram e somente linhas e colunas com dois 0's permanecem, significa que existe mais de uma designao mnima para estas linhas e colunas. Qualquer um desses 0's pode ser designado para produzir o mesmo custo mnimo total. Neste caso, as solues alternativas devem ser registradas. 5. TEOREMA (Designao): O processo iterativo que conduz soluo tima baseia-se no seguinte teorema: Ao se adicionar (subtrair) uma constante de cada elemento de uma linha (coluna) qualquer da matriz de eficincia de um PD, a soluo tima da matriz alterada ser tambm a soluo tima da matriz inicial. Seja ki = constante somada (subtrada) a cada elemento da linha (coluna) i (i = 1, 2, ..., n) Zk = j=1,n (c1j + k1) x1j + j=1,n (c2j + k2) x2j + ... + j=1,n (cnj + kn) xnj Zk = i=1,nj=1,n cij xij + k1 j=1,n x1j + k2 j=1,n x2j + ... + kn j=1,n xnj Mas, como: j=1,n x1j = j=1,n x2j = ... = j=1,n xnj = 1, tem-se que: Zk = i=1,n j=1,n cij xij + j=1,n ki ou ainda, Zk = Z + i=1,n ki LEITURA: K. MURTY: Captulos: 11, 13, 14 e 15 L. LAPIN: Captulos: 13, 14, 15 e 16 M. GOLDBARG e H. LUNA: Captulo 5.

2 LISTA DE EXERCCIOS Selecionar 06 exerccios variados (3 de Transportes e 3 de Designao) para resolvlos manualmente (Transporte: soluo inicial pelo mtodo que desejar e 2 iteraes completas pelo Algoritmo de Transportes e Designao: todas as iteraes at achar a soluo tima) e utilizando o software LINGO. PROBLEMAS DE TRANSPORTES: Problema 1. Uma companhia locadora de automveis se defronta com um problema de alocao resultante dos contratos de locao que permitem que os automveis sejam devolvidos em localidades outras que aquelas onde foram originalmente alugados. Atualmente h 2 agncias de locao com, respectivamente, 15 e 13 carros excedentes e 4 outras agncias necessitando de 9, 6, 7 e 9 carros, respectivamente. Os custos unitrios de transporte entre as locadoras so os apresentados no quadro abaixo. Determine um plano de transporte timo que minimize o custo de transporte. L. Or. 1 L. Or. 2 L. Dest. 1 45 14 L. Dest. 2 17 18 L. Dest. 3 21 19 L. Dest. 4 30 31

Problema 2. Uma companhia faz esquis em 3 fbricas atravs do mundo. As fbricas suprem 4 depsitos que distribuem os esquis diretamente s lojas. O problema achar quantos pares de esquis devem ser transportados de cada fbrica para os vrios depsitos para minimizar o custo total.
Fbr\Depsito

Frankfurt 19 15 11 150

New York 17 21 14 100

Phoenix 3 18 15 200

Yokohama 21 6 22 150

Capac. da fbrica

Juarez Seoul TelAviv Demanda

100 300 200 600

Problema 3. Um fabricante de artigos de plstico possui um estoque de 1.200 caixas de envlucros transparentes em uma de suas fbricas e outras 1.000 caixas em uma segunda fbrica. O fabricante recebeu pedidos deste produto provenientes de trs diferentes varejistas nas quantidades de 1.000, 700 e 500 caixas, respectivamente. Os custos unitrios de expedio (em $ por caixa) desde as fbricas at os varejistas so os seguintes: Fbrica 1 Fbrica 2 Varejista 1 14 13 Varejista 2 13 13 Varejista 3 11 12

Determine o programa de expedio que atenda as demandas a partir do estoque disponvel, a um custo mnimo. Problema 4. O Expresso Rpido Faxina uma empresa de transporte com quatro grandes terminais localizados em Curitiba, Cascavel, Londrina e Campo Mouro. Os pneus utilizados pela frota dessa empresa so padronizados. A empresa fez uma tomada de preos em trs grandes revendedores de pneus e obteve as seguintes cotaes: LOCAL Revendedor A Revendedor B Revendedor C Pneus Necessrios 4000 8000 3000 5000

Curitiba 70 64 68 Londrina 74 62 65 Cascavel 62 68 64 Campo 62 72 66 Mouro Pneus 12000 6000 4000 Disponveis Se o objetivo da empresa Expresso Rpido Faxina minimizar o custo total de aquisio dos pneus, quanto ela dever comprar de cada revendedor? Problema 5. Uma companhia area regional pode comprar seu combustvel para jato a partir de qualquer um dentre trs fornecedores. As necessidades da companhia area para o ms entrante em cada um dos trs aeroportos em que ela opera so: 100.000 gales no aeroporto 1; 180.000 gales no aeroporto 2 e 300.000 no aeroporto 3. Cada fornecedor pode abastecer cada um dos aeroportos de acordo com os preos (em $ por galo) dados no seguinte quadro: Aeroporto 1 Aeroporto 2 Aeroporto 3 Fornecedor 1 92 89 90 Fornecedor 2 91 91 95 Fornecedor 3 87 90 92 Cada fornecedor, contudo, est limitado pelo nmero total de gales que ele pode abastecer por ms. Estas capacidades so 320.000 gales para o fornecedor 1, 270.000 gales para o fornecedor 2 e 150.000 gales para o fornecedor 3. Determine a poltica de aquisio que suprir as necessidades da companhia em cada aeroporto a um custo total mnimo. Problema 6. A Lincoln Refeies Industriais S/A administra trs restaurantes (Pinhais, Boqueiro e Araucria) para fornecer refeies industriais para funcionrios de empresas da regio metropolitana de Curitiba. Atualmente ela est analisando trs novos contratos para fornecer mais 4.000 refeies. Os custos e as necessidades de refeies esto especificadas abaixo:

Restaurante

Empresa A

Empresa B

Empresa C

Capacidade

Adicional Pinhais 4.0 3.0 2.4 1500 Boqueiro 2.8 4.0 3.2 1200 Araucria 2.0 2.4 2.8 2000 Refeies Necessrias 1400 800 1800 Qual deve ser a logstica de distribuio de refeies da Lincoln Refeies Industriais S/A? Problema 7. Os mercados Deise-Luzia atendem 11 armazns de trs centros regionais, segundo os volumes mostrados no quadro a seguir. O custo mdio de movimentar bens de um centro para um armazm de $ 0.50 por ton. por km. Ache o programa de transporte timo e seu custo. Distncia (km) Centro W1 W2 W3 W4 W5 W6 W7 W8 W9 W10 W11 Capac. centros (kiloto ns.) 500 750 400

C1 C2 C3 Demanda Armazm (kilotons.)

10 25 18 112

22 35 19 85

29 17 22 138

45 38 29 146

11 9 24 77

31 17 54 89

42 65 39 101

61 45 78 215

36 42 51 53

21 5 14 49

45 41 38 153

Problema 8. Algumas modificaes so sugeridas no exerccio 7 anterior. Considere cada item independentemente, modificando o problema original em cada caso. Resolva o problema modificado e responda as questes: a. Um programa de modernizao no centro C1 aumentar a sua capacidade em 100 kilotons. e reduzir os custos em 10% de todos os transportes de C1? 1. De quanto o custo total decrescer ? 2. De quanto o volume transportado de C1 aumentar ? b. O Armazm W8 est fechado. As operaes esto consolidadas em W7, tal que as demandas so combinadas e os custos de W7 se aplicam para todo o transporte originalmente definido por W8. 1. O custo total aumenta ou diminui ? 2. Quais centros transportam agora para W7 ? c. O centro C1 est fechado, e a capacidade de C3 aumentada de 400 para 500. 1. O custo total aumenta ou diminui ? P. Qual o nvel das economias no custo operacional lquido fixo que justificaria as trocas ?

Problema 9. Considere o seguinte problema da Distribuidora BGLP, cujos custos de transporte das fbricas at os depsitos esto contidos no quadro a seguir: Fbr. \ Dep. P1 P2 P3 Demandas W1 2 7 5 50 W2 6 3 8 150 W3 4 10 9 200 W4 12 11 13 250 Capacidades 100 250 300 650

a) Formule este problema como um PPI. b) Utilizando o mtodo que desejar, determine uma soluo inicial. Calcule o custo para esta soluo inicial. c) Verifique se a soluo inicial tima. Caso negativo, utilize o algoritmo de transportes e determine uma nova soluo com o respectivo custo. Problema 10. Uma empresa tem 2 fbricas e 3 depsitos de distribuio. Os custos de distribuio, demandas e capacidades esto no quadro a seguir. Quanto deve ser enviado de cada fbrica para cada depsito de modo a minimizar o custo total de transporte? Fbrica\Depsito 1 2 Demandas 1 6 4 180 2 7 5 220 3 5 9 270 Ofertas 140 250

Problema 11. Uma firma que produz um nico produto tem 3 fbricas e 4 clientes. As 3 fbricas produziro 40, 20 e 30 unidades, respectivamente, durante o prximo perodo de produo. A firma tem um compromisso de vender 20 unidades ao cliente 1, 30 unidades ao cliente 2 e pelo menos 10 unidades ao cliente 3. Os clientes 3 e 4 querem, tambm, comprar tanto quanto possvel das unidades restantes. O lucro lquido associado remessa de uma unidade da fbrica i para venda ao cliente j dado pelo quadro seguinte: Fbr.\Cli 1 2 3 1 7 9 6 2 5 8 3 3 4 6 2 4 6 3 4

A gerncia deseja saber quantas unidades deve vender aos clientes 3 e 4 e quantas unidades deve remeter de cada uma das fbricas para cada um dos clientes de modo a maximizar o lucro. Problema 12.

Uma companhia de locao de automveis necessita aumentar o nmero de carros nas suas bases litorneas como preparao para um forte vero. Simultaneamente pode reduzir o nmero de carros em algumas cidades afastadas do litoral e que tem, tradicionalmente, reduo de demanda durante o vero. As necessidades so: Salvador-9 carros; Santos-6 carros; Estreito-7 carros e Natal-9 carros. As sobras so as seguintes: Braslia-18 carros e Belo Horizonte-13 carros. Os custos de transporte incluem as despesas com salrios dos motoristas e com a viagem de volta, e esto no quadro a seguir: Origem/Destino Braslia Belo Horizonte Salvador 45 14 Santos 17 18 Estreito 21 19 Natal 30 31

Problema 13. Sr. Alfredo necessita definir a quantidade a ser enviada de cada uma das 2 fbricas da PiseBem, principal empresa de calados do estado. Existem 3 fbricas: TOLEDO com capacidade de produo de 6000 unidades e PONTA GROSSA com capacidade de produo de 2500 unidades, e DOIS VIZINHOS, com capacidade de 5000 unidades e 4 depsitos: Curitiba, com demanda de 6000, Cascavel, com demanda de 4000, Maring com demanda de 2000 e Campo Mouro com demanda de 1500. Formule este problema como um PPLI de modo a obter o menor custo possvel dada a tabela de custo a seguir: Orig.\Dest. Toledo Ponta Grossa Dois Vizinhos Curitiba 7 2 3 Cascavel 5 5 2 Maring 2 4 7 Campo Mouro 3 5 6

Problema 14. Expresso Rpido Paranaense uma empresa de transporte com quatro grandes terminais localizados nas cidades A, B, C e D. Conseguiram padronizar o tamanho dos pneus em cada um de seus caminhes e se preparam para fazer um grande pedido de reposio de pneus para as duas grandes companhias no Brasil, a Goodrelli e a Pi-ano. A demanda total de 20.000 pneus. Estes sero estocados em cada um dos quatro terminais, nas quantidades mostradas na tabela a seguir. Tambm na tabela consta o custo de entrega de cada pneu, por companhia.

Terminal A B C D

Pneus Necessrios 3.500 8.500 4.500 3.500

$/pneu Goodrelli 66 65 37 42 Pi-ano 38 75 65 48

O Sr. Shiguetoshi, gerente de suprimentos tem a informao que a Goodrelli dispe de no mximo 16.000 pneus, e que a Pi-ano somente dispe de 8.000 unidades para pronta entrega. Deseja-se minimizar o custo total de receber as 20.000 unidades. Resolva o problema como um problema de transporte cuja soluo informe ao Sr. Shiguetoshi a quantidade ideal de pneus que deve ser encomendada de cada companhia para cada terminal. Problema 15. Uma grande indstria de bebidas possui 3 fbricas e 3 centros de distribuio venda direta, na Regio Sul. As fontes so as fbricas de Curitiba, Continental e Lajes com as respectivas capacidades mensais de produo de caixas de cerveja inteira (600 ml): 40.000, 55.000 e 35.000. Os destinos so os centros de distribuio de Curitiba, Florianpolis e Porto Alegre com as respectivas demandas do mesmo produto: 30.000, 40.000 e 60.000. Com base na tabela de preos de transportes a seguir, determine qual a melhor forma de distribuir esta produo a fim de que se atenda totalmente as demandas e que proporcione o menor custo para a empresa. Destinos\ Curitiba Continental Lajes Fontes Curitiba --12,00 9,00 Florianpolis 9,50 7,00 5,00 Porto Alegre 15,00 --10,00 Est sendo estudada a possibilidade de se construir um depsito para auxiliar o transporte entre as fbricas e os centros de distribuio (ponto de transbordo) para diminuir os custos de transporte. Os custos de transportes para este caso so: Destinos\ Curitiba Continental Lajes Transbordo Demanda Fontes Curitiba --12,00 9,00 5,00 30.000 Florianpolis 9,50 7,00 5,00 2,50 40.000 Porto Alegre 15,00 --10,00 6,50 60.000 Tranbordo 5,00 6,50 2,50 --100.000 Produo 40.000 55.000 35.000 100.000 Mensal Faa a anlise dos resultados para verificar as vantagens ou no da colocao deste ponto de transbordo.

PROBLEMAS DE DESIGNAO: Problema 1. A Metalrgica Araucria S/A, dentro de 60 dias, dever comear a funcionar em sua nova sede localizada na Cidade Industrial de Curitiba (CIC). O Presidente da Metalrgica deseja que a distribuio das salas, dessa nova instalao, seja feita de modo a atender, na medida do possvel, as preferncias j manifestadas. Em uma pesquisa realizada, os Diretores manifestaram as suas preferncias:

Sala 1 Sala 2 Sala 3 Sala 4 Sala 5 Sala 6 Diretor 1 2 4 3 1 5 6 Diretor 2 1 5 4 6 3 2 Diretor 3 5 3 4 2 1 6 Diretor 4 1 3 2 4 6 5 Diretor 5 3 2 5 6 1 3 Se voc fosse convidado a opinar sobre a distribuio das salas qual seria a sua recomendao? Problema 2. A Companhia Area Xanadu oferece uma excurso a preos reduzidos que permite a uma pessoa utilizar todos os itinerrios de vo. O bilhete, vlido por duas semanas a contar da data de aquisio, possui a seguinte restrio : nenhuma cidade do itinerrio pode ser revisitada exceto a de origem, que ser a ltima parada da excurso. Uma turista estrangeira, que est na cidade 1 (a capital), deseja conhecer as cidades provinciais 2, 3 e 4 antes de retornar capital. Ela decide viajar pela companhia Xanadu. Os tempos de vo (em minutos) entre as cidades de interesse so dados no quadro a seguir. Determine um itinerrio aceitvel que minimize o tempo total de vo da turista. Cidades 1 2 3 4 1 --65 53 37 2 65 --95 --3 53 95 --81 4 ----81 ---

Problema 3. Uma empresa construtora tem 5 tratores em locais diferentes e um trator necessrio para cada uma das trs obras situadas em locais diferentes. Se os custos de transporte dos tratores forem os do quadro a seguir, determine o esquema de designao de custo mnimo. LocTr\LocCons 1 2 3 4 5 A 2 7 3 4 4 B 3 6 5 6 6 C 4 4 8 5 3

Problema 4. Resolva o seguinte problema de designao at atingir a soluo tima. 1 9 7 11 19 12 2 15 5 14 22 8 3 6 10 13 15 10 4 14 4 10 26 9 5 18 13 14 24 13

A B C D E

Problema 5. Seis trabalhadores devem ser designados para seis diferentes trabalhos, cada qual devendo ser executado em um tipo diferente tipo de mquina. Registros passados fornecem as performances individuais para os seis trabalhadores, em minutos, conforme o quadro apresentado a seguir. O objetivo designar os indivduos aos trabalhos de tal maneira que o tempo seja minimizado. i\j Arinei Deisi Luzia Neiva Paulo Wladimir Tarefa 1 13 18 20 14 21 17 Tarefa 2 22 17 22 19 14 23 Tarefa 3 19 24 23 13 17 18 Tarefa 4 21 18 24 30 25 20 Tarefa 5 16 22 17 23 15 16 Tarefa 6 20 27 31 22 23 24

Problema 6. Quatro trabalhadores devem ser designados para quatro diferentes trabalhos, cada qual devendo ser executado em um tipo diferente de mquina. Registros passados fornecem as performances individuais para os quatro trabalhadores, em minutos, conforme o quadro apresentado a seguir. O objetivo designar os indivduos aos trabalhos de tal maneira que o tempo seja minimizado. i\j Ana Joo Marcos Luiz Tarefa 1 13 18 20 14 Tarefa 2 22 17 22 19 Tarefa 3 19 24 23 13 Tarefa 4 21 18 24 30

Problema 7. Quatro operrios devem ser designados para quatro diferentes trabalhos, cada qual devendo ser executado em um tipo diferente de mquina. Registros passados fornecem as performances individuais para os quatro operrios, em minutos, conforme o quadro apresentado a seguir. O objetivo designar os operrios aos trabalhos de tal maneira que o tempo seja minimizado. Operrio/Tarefa 1 2 3 4 Deise 13 22 19 21 Luzia 18 17 24 18 Arinei 20 22 23 24 Volmir 14 19 13 30 Problema 8. A Xan Consulting deseja determinar a melhor distribuio de trabalho para seus trs principais consultores. O objetivo obter a distribuio que estabelea o menor tempo total para a execuo das tarefas. Os tempos que cada consultor levaria para cada tarefa so:

Consultor\Clien Luiz Antonio Geraldo Agivaldo

ABC 10 9 7

PQR 15 18 14

XYZ 9 5 3

Ajude Xan a determinar a melhor soluo.

OTIMIZAO EM REDES 1. ALGUMAS DEFINIES:


*Grafo ou Rede: uma coleo de vrtices (ns, pontos) x1, x2, ..., xn, e uma coleo de linhas (arcos, arestas) a1, a2, ..., am conectando todos ou alguns destes pontos. O grafo G denotado e descrito pela dupla (X, A), ou seja, G(X, A). Quanto as linhas, o grafo poder ser: direcionado ou no-direcionado. *Sucessores: o conjunto de sucessores do n xi, denotado por (xi),

definido como: (xi) = {xj X | (xi, xj) em G} Ex. 1: Obs.: Um grafo G pode ser denotado tambm por (X, ), ou seja, G(X, ) *Antecessores: o conjunto de antecessores do n xi, denotado por -1(xi), definido por: -1(xi) = {xk X | (xk, xi) em G} Ex. 2: Obs.: Para grafos no direcionados (xi) = -1(xi) xi X. *Caminho (para grafo direcionado): um caminho em um grafo direcionado qualquer seqncia de arcos onde o vrtice final de um o vrtice inicial do seguinte. Ex. 3: *Arcos adjacentes: dois arcos so adjacentes, se possurem pelo menos um vrtice comum. *Vrtices adjacentes: dois vrtices xi e xj so adjacentes, se (xi, xj) e/ou (xj, xi) existir(em). *Caminho simples: um caminho no qual um arco no figura mais que uma vez. *Caminho elementar: um caminho no qual um vrtice no figura mais que uma vez. Obs.: Um caminho elementar tambm simples. O recproco nem sempre verdadeiro.

*Cadeia (para grafo no direcionado): uma cadeia em um grafo no direcionado qualquer seqncia de arestas onde o vrtice final de um o vrtice inicial do seguinte. *Cadeia simples: (anlogo a caminho simples) *Cadeia elementar: (anlogo a caminho elementar) Obs.: Um caminho ou uma cadeia podero ser representados pela seqncia de vrtices, o que mais conveniente em se tratando de achar caminhos ou cadeias elementares. *Custo (ou peso ou comprimento) de um caminho: se a cada arco (xi, xj) de um grafo for associado um custo cij, um caminho representado pela seqncia de arcos (a1, a2, ..., aq), ter o seu custo calculado por : L () = (xi,xj) cij *Cardinalidade de um caminho: a cardinalidade de um caminho o nmero de arcos que formam este caminho. *Lao: um arco cujo vrtice inicial o mesmo que o final. Ex. 4: *Circuito: um caminho a1, a2, ..., aq, no qual o vrtice inicial de a1 coincide com o vrtice final de aq. *Circuito elementar: um circuito no qual um vrtice s aparece uma vez (exceto o inicial e o final que so os mesmos). *Circuito Hamiltoniano: o circuito elementar que contm todos os n vrtices do grafo G. Obs.: nem todo grafo possui um circuito hamiltoniano. *Grau de sada de um vrtice: o grau de sada de um vrtice xi, denotado por ds(xi), o nmero de arcos que tm xi como vrtice inicial.

ds(xi) = | (xi) | *Grau de entrada de um vrtice: o nmero de arcos que tm este vrtice como final. de(xi) = | -1(xi) | Obs.: i=1,n ds (xi) = i=1,n de(xi) = m (n = nmero de vrtices, m = nmero de arcos) Grafos parciais e subgrafos: Dados um grafo G (X, A) = G(X, ) define-se: a. Grafo parcial de G um Gp (X, Ap), tal que Ap A. b. Subgrafo de G um Gs (Xs, s), com Xs X, e para cada xi Xs, s(xi) = (xi) Xs. Outra notao para Gs : < Xs >. c. Subgrafo parcial de G um grafo parcial de subgrafo de G. Ex 5. Graus de conexidade de um grafo: Um grafo G (X, A) dito: a. Fortemente conexo, se para cada par xi, xj X, existe um caminho ligando xi a xj e um caminho ligando xj a xi. b.Unilateralmente conexo, se para cada par xi, xj X, existe um caminho ligando xi a xj e/ou um caminho ligando xj a xi. c. Conexo, se para cada par xi, xj X, existe pelo menos uma cadeia ligando xi a xj. d. Desconexo, se pelo menos para um par xi, xj X, no existir uma cadeia conectando xi a xj. Ex. 6:

Representao Matricial de um grafo:


Q. Matriz de adjacncia: dado um grafo

G (X, A), sua matriz de adjacncia, denotada por A = [aij], uma matriz n x n, definida como: aij = 1, se o arco (xi, xj) em G; aij = 0, se o arco (xi, xj) em G.

Ex. 7:
R. Matriz de incidncia: dado um grafo G (X, A), sua matriz de incidncia,

denotada por B = [bij], uma matriz n x m, definida como: bij = 1, se xi o vrtice inicial de aj; bij = -1, se xi o vrtice final de aj; bij = 0, se xi no um vrtice terminal de aj, ou se aj um lao. Ex. 8: Obs.: Se G (X, A) for um grafo no direcionado, a matriz de incidncia definida como anteriomente, exceto trocando os "-1" por "1".

2. PROBLEMAS REDES:

QUE

ENVOLVEM

OTIMIZAO

EM

Vimos que a PL pode ser usada para avaliar uma grande variedade de decises. Agora vamos ver aplicaes especiais que podem ser representadas em termos de uma rede. Aplicaes dos modelos de redes: Problemas de Roteamento de Veculos; Problemas de entrega e coleta de mercadorias (correio, leiteiro, leituristas da Sanepar, da COPEL, etc); Projeto de Scheduling; Planejamento de Produo; Decises de layout; dentre outros. Vamos analisar situaes em rede que envolvem tomadas de deciso tais como: qual rota tomar; como enviar cargas para minimizar tempo ou custo; etc.

Estes problemas envolvem determinao de fluxo. Eles podem ser expressos como programas lineares envolvendo uma varivel de fluxo para cada arco. Os seguintes problemas, dentre outros, sero estudados: *Problema de rota mnima: rota que minimiza a distncia de uma cidade inicial a qualquer cidade da rede, por exemplo. *Problema da minimal spanning tree, ou problema da mnima arborescncia: procura o conjunto de arcos conectando todos os ns com o mnimo possvel de distncias combinadas. *Problema do fluxo mximo: determina, por exemplo, o fluxo mximo de chamadas telefnicas atravs de uma rede. *Problema de fluxo mximo a um mnimo custo: muito parecido com o problema de transporte; otimiza o transporte para um sistema de distribuio com arcos tendo tanto limites inferiores como superiores.

2.1 Problema da Rota Mnima ou Busca de Caminhos Mnimos


conceitualmente o modelo mais simples de rede. Exemplo 1: (Lapin) Para ilustrar este tipo de problema, consideraremos o problema de um despachante de longas distncias, que responsvel pela rota de caminhes sobre a seguinte rede: ... Os arcos so no-direcionados, ou seja, o movimento nos dois sentidos possvel entre todos os centros de distribuio. Os nmeros sobre os arcos indicam as distncias em centenas de km. O despachante quer determinar a rota mnima, representada por uma seqncia de arcos, de A at O. S. O Modelo Matemtico para o Problema da Rota Mnima:

A rede contm ns de 0 a n. As variveis xij representam a quantidade de fluxo ao longo do arco no-direcionado (i, j). Cada arco (i, j) tem um comprimento ou distncia cij entre os ns i e j. Min C = i=0,n j=0,n cij xij s.a : i=0,n xik = j=0,n xkj , para os ns intermedirios k = 1, 2, ..., n-1 (conservao de fluxo) j=0,n x0j = 1 (exigncia de percurso) i=0,n xin = 1 (exigncia de percurso) xij = 0 ou 1 (binrias) A soluo ser: xij = 1, se o arco (i, j) est na rota mnima de 0 at n 0, se " " " O problema do despachante possui: 28 variveis de fluxo (so os arcos); 14 restries de igualdade; 14 variveis artificiais. Agora, consideraremos um algoritmo mais eficiente para resolver este tipo de problema. B. Algoritmo de Dijkstra: 1. Designe para o n inicial o valor zero, sendo que desta forma ele fica avaliado; 2. Identifique todos os ns no avaliados conectados a um n avaliado; 3. Selecione o n que fornece a mnima soma e faa com que ele fique avaliado. Este n ter um "ponteiro" para indicar de onde a mnima soma foi obtida. Se o n terminal ainda no est avaliado, retorne ao passo 2; 4. A mnima distncia do incio ao final o valor do n final. Podemos determinar a rota mnima traando o percurso backward do trmino ao incio, seguindo os ponteiros. Resoluo do Ex. 1. ...

Exemplo 2: (Schaum) Uma pessoa que vive em Ridgewood, NJ, e trabalha em Whippany, NJ, procura um itinerrio que minimizar o tempo de viagem matinal. Esta pessoa registrou o tempo de viagem (em minutos) ao longo das principais auto-estradas entre diferentes cidades intermedirias. Estes dados esto mostrados na tabela a seguir. Uma clula em branco significa a inexistncia de auto-estradas interligando diretamente as localidades assinaladas. Determinar o melhor itinerrio de viagem diria.
Ridgewood Clifton Orange Troy Hills Parsippany Whippany Ridgewood --18 --32 ----Clifton 18 --12 28 ----Orange Troy Hills --32 12 28 --17 17 ----4 32 17 Parsippany Whippany ----------32 4 17 --11 11 ---

Exemplo 3: (Schaum)
Uma empresa industrial ganhou um contrato para produzir embalagens. O contrato de 4 anos e no se espera que seja renovado. O processo de produo requer uma mquina especializada com que a empresa no conta. A empresa pode : comprar a mquina; fazer sua manuteno durante os 4 anos de contrato e em seguida vend-la como sucata ou substitui-la ao final de um determinado ano por um modelo novo. Os novos modelos requerem menos manuteno que os antigos. O custo de operao lquido estimado (preo de compra da mquina + mais manuteno - valor de revenda) para se comprar uma mquina no comeo do ano i e dla como pagamento parcial ao incio do ano j fornecido pela tabela a seguir, com todos os nmeros expressos em unidades de milhares de $. Determinar a poltica de substituio que minimizar o custo total de operao referente a mquina durante a vigncia do contrato. (Obs.: Este problema pode ser resolvido por Programao Dinmica ou, pode ser modelado como um problema de percurso mnimo sobre uma rede orientada).
i\j 1 2 3 4 5

1 2 3 4

---------

12 -------

19 14 -----

33 23 16 ---

49 38 26 13

Exemplo 4. ... C. Algoritmo de Floyd: Fornece os caminhos de mnimo custo para todos os pares de vrtices. Seja C = [cij] a matriz de custos associada a um grafo G(X,A), e definida como:

custo associado ao arco (xi, xj) A cij = 0, (xi, xi) A , se (xi, xj) A

1. Faa k = 0 2. k = k + 1 3. Para todo i k tal que cik e todo j k tal que ckj faa a operao: cij = min [cij, (cik + ckj)]. 4. a. Se k = n, pare. A soluo foi alcanada e [cij] fornece os custos mnimos para cada par de vrtices. b. Se k < n, volte a 2. O algoritmo pode ser complementado a fim de apresentar, alm dos custos mnimos, os caminhos nos quais estes custos foram obtidos. Para tanto, T.C. Hu (1969) sugere o armazenamento de uma segunda matriz = [ ij], onde ij o vrtice predecessor do vrtice xj no caminho mnimo entre os vrtices xi e xj. Inicialmente, ij = xi, j. A atualizao desta matriz ser feita da seguinte forma:

ij = kj, se (cik + ckj) < cij

ij, se (cik + ckj) cij