Pesquisa Operacional Notas de Aula UCB

PesquisaOperacionalPrograma
oLinearSimplexModelagemSol
uoGrficaDualidadeSensibilid
adeTransportesOtimizaoRede
Pesquisa Operacional
sGrafosPERtCPMFilasDesigna
Notas de Aula
oAlocaoDeRecursosTomadaD
eDecisoDualDualsimplexsimpl
exFluxoMximoMenorCaminho
rvoreMnimaTeoriaDosJogosGeo
rgeDantzigPesquisaOperacional
GrafosSimplexProgramaoLine
arModelagemCPMSoluoGrfic
aDualidadeSensibilidadeTransp
ortesOtimizaoRedesGrafosPE
RTCPMFilasDesignaoAlocao
DeRecursosTomadaDeDecisoD
Prof. Washington Lemos, MSc.
Razo de ser
Estas notas de aula tem como funo unicamente assessorar o
processo de aprendizado. Ou seja, pretende-se com estas anotaes
disponibilizar ao aluno um guia de estudo, uma espcie de subcaderno.
Longe de condensar todas as informaes da disciplina ou todos os
assuntos debatidos em sala de aula, estas notas so um material
complementar
auxiliar
aulas
alm
de
sempre
dinmico
(frequentemente alterado, portanto cuide de ter sempre a ltima

verso).
Elas sero disponibilizadas antes de cada aula no WEBCAF.
Ler estas notas antes da aula far com que sua compreenso da
disciplina aumente, contudo mesmo sem l-la anteriormente
fundamental que sejam levadas para sala de aula juntamente com
seu caderno de modo que possam esclarecer suas dvidas e que voc
as utilize para colocar observaes, comentrios ou marcar pontos
importantes.
Espero que seja til. Alm disso, qualquer crtica, comentrio ou

indicao de erro sero bem-vindos.
Prof. Washington Lemos, MSc.
Washington.lemos@terra.com.br
Bibliografia
Bsica
Hillier, Frederick S.; Lieberman, Gerald J.
Introduo Pesquisa Operacional,
8a
ed., McGrawHill, 2010.
Lachtermacher, Gerson. Pesquisa Operacional na

Tomada de Decises , 3 Edio, Editora Elsevier,
2007.
Complementar
Passos, Eduardo Jos Pedreira Franco. Programao Linear como
instrumento de Pesquisa Operacional, Ed. Atlas, 2008.
3
Slack, Nigel; Chambers, Stuart; Johnston, Robert. Administrao da

Produo, 2 Edio, Editora Atlas, 2010
Andrade, Eduardo Leopoldino. Introduo Pesquisa
Operacional - Mtodos e Modelos para Anlise de
Decises; 4 Edio, Editora LTC, 2012.
Colin,
Emerson.
aplicaes
em
Pesquisa
Estratgia,
Operacional
Finanas,
170
Logstica,
Produo, Marketing e Vendas. Editora LTC, 2011.
Taha, Hamdy A. Pesquisa Operacional. 8 Edio. Editora

Pearson, 2008.
Pizzolato, Nlio D., Gandolpho, Andr Alves. Tcnicas

de Otimizao. Editora LTC, 2012.
menta
1 Introduo
2 Modelagem
3 Soluo Grfica
4 Mtodo Simplex
5 Dualidade e Dual-Simplex
6 Problemas de transporte
7 Problemas de designao
8 Modelos em rede (grafos) Fluxo
Mximo, rvore Mnima, Menor Caminho.
9 Gesto de Projetos (Pert/CPM)
10 Teoria das Filas *
5
11 Teoria dos Jogos *

*Assuntos extra curriculares, cujo contedo pertinente a um curso mais
avanado. Sua presena desejvel porm no imprescindvel. Dependendo do
tempo disponvel, do ritmo da turma e do interesse dos alunos podero ser
apresentados de forma menos ou mais aprofundada, ou at mesmo suprimidos.
1.Introduo
A Pesquisa Operacional
tem origem na necessidade de se resolver e
controlar problemas complexos de logstica, controle de recursos e

projetos. Ela intrinsecamente multidisciplinar reunindo conceitos de
estatstica,
psicologia
economia,
sempre
matematicamente
orientada para que seja capaz de resolver os problemas de maneira

quantitativa.
A Pesquisa Operacional uma das maiores conquistas cientficas do
sculo XX fruto dos desafios blicos da Segunda Grande Guerra (1939
1945) que nos tempos posteriores ao conflito difundiu-se pelos
1 Pesquisa Operacional (PO) tambm chamada de Cincia da Administraoou ainda

Management Sciences (MS). importante ficar atento, pois alguns livros utilizam esta
notao, especialmente os estrangeiros.
6
grupos de estudiosos e empresrios que buscavam mtodos mais

eficientes e eficazes de organizar suas atividades.
O desafio quase sempre distribuir recursos limitados entre
atividades que disputam por tais recursos. De forma geral busca-se
sempre um planejamento de atividades objetivando tornar o resultado
timo
(o
melhor
resultado
possvel
frente
variveis
consideradas).
Percebam que a maior qualidade da Pesquisa Operacional tambm
determina seus limites.
Ao tentar seguir um mtodo cientfico, a
Pesquisa Operacional investiga o problema, observa os fatos, formula

a problemtica indicando os dados relevantes. Em seguida o problema
real ser reduzido a um modelo matemtico que representa a
essncia do problema real. Neste ponto fica implcita a premissa de
que
acreditamos
que
soluo
do
problema
matemtico
tambm ser vlida para o problema real. Para sustentar esta

premissa buscamos validar o modelo verificando alguma hiptese.
Fica claro ento que a Pesquisa Operacional tem o compromisso de
ser uma ferramenta de gesto, fornecendo solues prticas a
problemas reais, auxiliando a tomada de deciso. Por isso
7
fundamental analisar os resultados advindos do modelo matemtico

observando a subjetividade inerente e as questes prticas das
atividades.
A figura a seguir2 retrata esta necessidade de interpretar as
informaes provenientes do modelo matemtico, utilizando os
conhecimentos do gestor que tomar as decises.
Mundo Real
Como consequncia do que debatemos, as etapas de um estudo de

Pesquisa Operacional sero:
a) Definir o problema de interesse e coletar os dados referentes s
variveis consideradas relevantes.
b) Formular um modelo matemtico para representar o problema,
indicando a as relaes quantitativas e qualitativas das variveis.
c) Desenvolver um procedimento computacional para derivar as
solues do modelo.
d) Testar as solues do modelos, verificando as hipteses do
problema real.
2 Adaptada de Lachtermacher, Gerson. Pesquisa Operacional na Tomada de Decises , 3
Edio, Editora Elsevier.
8
e) Implementar a soluo obtida do modelo e analisada pelos

gestores.
A definio do problema real uma atividade exclusivamente
gerencial, para a qual a Pesquisa Operacional tem pouco a contribuir.
Uma vez definido, precisamos construir um modelo matemtico que
represente e interprete o problema real. Trataremos disso agora.
2.Modelagem
Um modelo a representao de um sistema real. As diferenas entre

a soluo real e a soluo proposta pelo modelo depende da preciso
do modelo em descrever o comportamento original do sistema.
Em Pesquisa Operacional utilizamos modelos matemticos. Nestes
modelos as grandezas so representadas por variveis e as relaes
entre as mesmas por sistemas de equaes ou inequaes. Por esta
razo precisamos sempre de informaes quantificveis ao modelar

um problema de Pesquisa Operacional.3
Os modelos matemticos apresentam trs elementos principais:
a) Variveis de deciso e parmetros - As variveis de deciso
so as incgnitas a serem determinadas na soluo do modelo.
Os parmetros so constantes presentes nas restries e na
funo objetivo (F.O.).
b) Restries Expresses que representam os limites fsicos do
problema, definindo o universo de solues viveis (possveis).
c) Funo Objetivo a medida de desempenho apropriada do
problema e expressa atravs das variveis de deciso.
Em linguagem matemtica fica assim:
3 conveniente falar um pouco das bases matemticas. A Pesquisa Operacional utiliza

conceitos bsicos de matemtica e estatstica. Se voc tiver qualquer dificuldade em
entender alguma passagem matemtica aqui tratada, no se acanhe e pergunte, pois
fundamental saber o que est acontecendo. Para auxiliar h como anexo a este
material uma reviso de lgebra (para resolver equaes e inequaes e interpret-las
graficamente) e Estatstica (que utilizaremos na parte de Gesto de Projetos). No deixe
de consultar estes materiais caso no esteja entendendo os procedimentos matemticos
envolvidos. Insisto, usamos apenas a matemtica mnima necessria. mais que hora de
perder este medo dos nmeros.
10
Otimizar: Z f ( x1 , x2 ,... xn )
Sujeito a:
g1 ( x1 , x2 ,... xn )
g 2 ( x1 , x2 ,... xn )

M

g m ( x1 , x2 ,... xn )
b1

b

2

M

bm
Onde:
f ( X ) Funo Objetivo que mede o desempenho da soluo
gi ( X ) So as restries do problema. (i = 1; 2; ... m)
x j So as variveis de deciso do modelo (j = 1; 2; ... n)
b j So a quantidade disponvel de um dado recurso (j = 1; 2; ... n)
n Nmero de variveis de deciso
m Nmero de restries do modelo
Se a funo objetivo juntamente com todas as restries forem

representadas por funes lineares, ento dizemos que temos um
modelo de Programao Linear. Caso ao menos uma das restries
ou
funo
objetivo
forem
equaes/inequaes
no-lineares,
dizemos que o modelo de Programao no-linear.

Neste curso vamos dar nfase especial Programao Linear, visto
sua aplicabilidade aos problemas reais e seus mtodos mais simples
de resoluo.
A premissa de que o problema pode ser representado por relaes
lineares emerge as seguintes propriedades:
11
a) Proporcionalidade: a contribuio de cada atividade ao valor

Ou seja, no
est prevista
economia de
escala!
b)
da funo objetivo Z proporcional ao nvel da atividade

representado pela varivel de deciso.
Aditividade: a contribuio total de todas as atividades da
funo
objetivo
das
restries
soma
direta
das
contribuies individuais.
c) Divisibilidade: as variveis de deciso podem assumir qualquer
As variveis no se
influenciam.
valor no inteiro.
d) Certeza: os coeficientes da funo objetivo e das restries
4
devem ser bem conhecidos. Como no mundo real isso nem

sempre vivel, preciso garantir que tenham ao menos um
baixo desvio padro, pois caso contrrio o modelo pouco
representativo.
Veremos ento ver alguns exemplos de como transformar um

problema real em um modelo matemtico.
No h forma padronizada de se elaborar um modelo. preciso, antes
de tudo, conhecer (ou buscar conhecer) o assunto e ter alguma
experincia. Entretanto alguns pontos podem ser destacados:
4 Modelos que representem a necessidade de valores inteiros sero tratados no tpico de
programao linear inteira mais adiante.
12
a) Deve-se escolher as variveis de deciso e mant-las at o final

da modelagem, tomando cuidado para no trocar as variveis no
meio da modelagem.
b) Monte a funo objetivo de modo que represente o que o
problema deseja alcanar e entende como timo, ou seja: tratase de maximizar ou de minimizar a funo objetivo?
c) Verifique todas as grandezas que possam limitar o problema,
classificando-os por padres (p.e.: mo-de-obra, horas, matriaprima etc.).
Vejamos um exemplo.
Exemplo I
5
Uma pequena fbrica de calados produz sapatos e sandlias. As
sandlias so vendidas no mercado por R$22,00 e os sapatos por

R$48,00. Para a fabricao de um par de sandlias gastam-se 0,30 m 2
5 Passos, Eduardo Jos Pedreira Franco. Programao Linear como instrumento de
Pesquisa Operacional, Ed. Atlas, 2008. pg. 16
13
de couro, levam-se trs horas no corte e costura e uma pessoa

utilizada no acabamento, detalhes finais e embalagem. Na confeco
de um sapato gasta-se 0,50 m2 de couro, quatro horas no corte e
costura e duas pessoas no acabamento, detalhes finais e embalagem.
A empresa conta, diariamente, com 15 m 2 de couro, 120 horas de
trabalho e 15 pessoas atuando na produo. Determine o modelo de
programao linear (PL) que maximiza a receita diria desta fbrica
de calados.
Resoluo:
Precisamos saber a quantidade a ser produzida de sapatos e
sandlias que tornem a receita diria a maior possvel, sendo assim,
nossas variveis de deciso sero as quantidades vendidas de
sapatos e sandlias.
x1 quantidade diria a ser produzida de sandlias
x 2 quantidade diria a ser produzida de sapatos
Com estas variveis de deciso precisamos de uma funo que

descreva o objetivo a ser alcanado: aumentar ao mximo possvel a
receita diria. Ora, como receita o resultado do preo de um
14
produto pela quantidade de vendas do mesmo, podemos entender
que a receita total da empresa estudada ser dada por:
22 x1 48 x2
o resultado desta expresso que desejamos otimizar (neste

exerccio representado pelo valor mximo, ou seja, maximizado).
Logo, a funo objetivo (representada por Z) pode ser escrita como
sendo:
Z mx 22 x1 48 x2
Uma vez que j identificamos as variveis de deciso e elaboramos

uma funo objetivo que sintetize a problemtica, precisamos saber
quais so as condies que devem ser obedecidas para alcanar
nosso objetivo. Vamos definir nossas restries.
No temos recursos infinitos, no dispomos de couro, mo-de-obra ou
horas ilimitadas para alcanar nosso objetivo. Ento vamos ver nossos
limites.
Para o couro temos um limite dirio de 15 m 2. Como para produzir
sandlias gastam-se 0,30 m 2 e na confeco de um sapato gasta-se
0,50 m2 conclumos que a quantidade total de couro consumida
15
diariamente ser
0,30 x1 0,50 x2
e este valor no pode em hiptese
alguma ser superior a 15 m2 (limite dirio), ele pode ser menor, ou

seja, eu posso no consumir todo o recurso disponvel, mas nunca
consumir mais do que existe. Matematicamente podemos escrever
esta restrio na forma da seguinte inequao:
0,30 x1 0,50 x2 15
Outro ponto que deve ser obedecido o limite de horas de trabalho

disponveis (120h). Analogamente ao que fizemos para o couro, a
quantidade total de horas consumidas na produo ser dada por
3 x1 4 x2
(sandlias necessitam de 3 horas no corte e costura e sapatos
precisam de 4 horas para as mesmas atividades). Como temos um

limite de 120 horas para serem distribudas, ento a restrio pode
ser expressa por:
3 x1 4 x2 120
O problema ainda limita a quantidade de pessoas envolvidas na

produo em 15. Como precisamos de 1 pessoa na produo de
sandlias e 2 na produo de sapatos, podemos escrever que:
16
x1 2 x2 15
Se no h mais restries, podemos seguir. Aqui cabe uma dica.

Muitas vezes fazer uma tabela com todas as informaes do problema
ajuda a compreend-lo melhor e no esquecer nenhum dado.
Bem, descrevemos ento todas as restries relativas ao consumo de
recursos, contudo uma outra restrio (implcita no problema) ainda
no foi descrita e fundamental do ponto de vista matemtico.
Pensem nos valores que as variveis de deciso podem assumir.
Podemos produzir qualquer quantidade de sandlias e sapatos,
podemos at mesmo no produzir nada, mas no podemos de
qualquer ponto de vista produzir quantidade negativa de sapatos ou
sandlias! As variveis de deciso no podem assumir valores
negativos!
Matematicamente dizemos que:
x1 0
x2 0
Feito isso esgotamos as possveis restries e podemos apresentar o

modelo completo:
So denominados
coeficientes da funo
objetivo.
17
Zmax 22 x1 48 x2
Sujeito a:
0,30 x1 0,50 x2 15
3 x1 4 x2 120
x1 2 x2 15
So denominados
coeficientes tecnolgicos
(ou de restrio).
So denominadas
constantes do lado direito.
x1 0 e x2 0
Vamos exercitar
Exerccio 1
6
Uma empresa produz dois produtos (I e II) em uma de suas fbricas.
Na fabricao deles ela utiliza trs insumos crticos que restringem u

nmero de unidades que podem ser produzidos. So estes insumos:
as quantidades de matria-prima (tipos A e B disponveis) e a mo-deobra. O departamento de suprimentos j informou que para o prximo
ms a fbrica ter disponvel, para a fabricao dos dois produtos, um
valor total de 4900kg de matria-prima do tipo A e
4500kg de
matria-prima do tipo B.
6 Santos, Maurcio Pereira. Apostila de Programao Linear do Instituto de Matemtica e

Estatstica da UERJ. Disponvel em http://www.mpsantos.com.br . Tem muito material de
qualidade. Pg. 01
18
Cada unidade do produto I necessita para ser produzida de 70 kg da

matria-prima A e 90kg da matria-prima B. Por sua vez o produto II
necessita de 70 kg da matria-prima A e 50kg da matria-prima B.
Como a produo destes dois produtos utiliza processos deferentes, a
mo-de-obra especializada e diferente para cada um deles, o que
impede a utilizao de operadores que produzem um produto na
confeco do outro. Por isso o produto I ter disponvel no prximo
ms 80 Homens-hora enquanto o produto II ter 180 Homens-hora.
Para cada unidade do produto I consome-se 2 homens-hora ao passo
que para o produto II este valor de 3 homens-hora. O lucro unitrio
de R$ 20 para o produto I e de R$ 60 para o produto II.
Dada a grande procura estima-se que todas as unidades produzidas
sero vendidas. Desta maneira a gesto da empresa deseja saber
qual o melhor mix de produo, ou seja, aquele que proporcionar o
maior lucro possvel nestas condies.
Resposta
Para a resoluo deste problema podemos conveniente tabelar todos
os dados encontrados no enunciado. Veja a tabela a seguir.
19
Com
base nesta tabela podemos escrever o modelo, partindo da funo
objetivo e chegando s restries.
Zmin 20 x1 60 x2 Funo que representa o lucro da empresa.

Sujeito a:
70 x1 70 x2 4900 Referente matria-prima A
90 x1 50 x2 4500 Referente matria-prima B
2 x1 80 Referente matria-prima A
3 x2 180 Referente matria-prima B
x1 0 e x2 0 Condio de no negatividade das variveis de deciso
Exerccio 2
7
Em uma fazenda deseja-se fazer 10.000kg de rao com o menor
custo possvel. De acordo com as recomendaes do veterinrio a

rao deve conter 15% de protena, um mnimo de 8% de fibra, nunca
7 Santos, Maurcio Pereira. Apostila de Programao Linear do Instituto de Matemtica e

Estatstica da UERJ . Pg. 18
20
menos do que 1.100 calorias por kg e no mximo 2.250 calorias por

kg.
Outra exigncia que a rao final tenha no mnimo 20% de milho e
no mximo 12% de soja.
Para elaborao desta rao deve-se utilizar os ingredientes abaixo,
cujas caractersticas esto tabeladas.
Determine o modelo de programao linear para este problema.

Resposta:
21
Zmax 30 x1 48 x2 44 x3 56 x4
Sujeito a:
x1 x2 x3 x4 10.000 (qtd. total de rao)
0, 069 x1 0, 085 x2 0, 09 x3 0, 271x4 0,15 10.000 (protena)
0, 06 x1 0,11x2 0,11x3 0,14 x4 0, 08 10.000 (fibra)
1760 x1 1700 x2 1056 x3 1400 x4 1100 10.000 (calorias)
1760 x1 1700 x2 1056 x3 1400 x4 2250 10.000 (calorias)
x4 0, 20 10.000 (milho)
x3 0,12 10.000 (soja)
xi 0 i 1; 2;3; 4
Exerccio 3
8
O rgo regulamentador do Meio Ambiente determinou restries de
pesca para as empresas que atuam em um determinado local, com o

objetivo de evitar a pesca predatria e indiscriminada. Desta maneira,
uma empresa recebeu a autorizao para capturar, mensalmente, no
mximo 3000 ton de badejo, 1200 ton de vermelho e 900 ton de
cao. Estes so os limites por espcie, porm existe o limite total de
4600 ton, que o valor mximo a ser pescado mensalmente
independente do tipo de pesca. Sabendo-se que por uma questo na
cmara fria, a quantidade a ser pescada de badejo no pode ser
Pesquisa Operacional, Ed. Atlas, 2008. Pg. 35
22
maior do que o dobro da quantidade de vermelho, determine o

modelo de programao linear adequando para se obter a quantidade
a ser pescada de cada espcie de peixe para que a receita desta
empresa seja o mximo. Faa isso sabendo que o preo do pescado :
badejo R$ 8,5/kg; vermelho R$9,00/kg; cao R$9,6/kg.
Resposta:
Zmax 8,5 x1 9, 00 x2 9, 60 x3
Sujeito a:
x1 x2 x3 4.600 (qtd. total de pescado)
3.000 (qtd. de badejo)
x1
x2
1.200 (qtd. de vermelho)

x3 900 (qtd. de cao)
x1 -2x2
0 (relao badejo/vermelho)
xi 0 i 1; 2;3
Exerccio 4
9
Uma empresa produz dois tipos de reboque: luxo (utilizado nos carros
de passeio) e comercial (usado em camionetes). Na produo dos
9 Passos, Eduardo Jos Pedreira Franco. Programao Linear como instrumento de Pesquisa
Operacional, Ed. Atlas, 2008. Pg. 37
23
reboques so utilizados os departamentos de montagem e pintura, os

quais tem a seguinte distribuio:
A empresa tem 15 funcionrios no departamento de montagem e 8 no

departamento de pintura, sendo que ambos departamentos trabalham
8 horas por dia. Sabendo-se que um reboque de luxo proporciona um
lucro unitrio de R$360 e o comercial um lucro de R$ 285, qual o
modelo de Programao Linear (PL) para se determinar a configurao
de maior lucro possvel?
Resposta:
Zmax 360 x1 285 x2

Sujeito a:
5 x1 2 x2 120
4 x1 x2 64
x1 0 x2 0
Exerccio 5
24
Um paciente foi diagnosticado com tumor maligno na bexiga (leso
10
integral de bexiga) em estado avanado. Devido a este diagnstico o

paciente precisa ser submetido a um tratamento que incluir
radioterapia. A radioterapia consiste em fluxos de raios de radiao
capazes de matar as clulas tumorais, contudo inevitvel que
durante o procedimento clulas saudveis vizinhas do tumor tambm
sejam atingidas, o que pode causar complicaes ainda mais srias
que o cncer em si.
Por tudo isso as sesses de radioterapia so processos delicados nos
quais
objetivo
atingir
tumor
com
nveis
de
radiao
suficientemente altos para que sejam eliminados, porm utilizando o

mnimo possvel de radiao para que as clulas saudveis sofram a
menor agresso possvel. Outro ponto que existem tecidos crticos,
que independente do tumor no podem receber radiao alm de um
determinado valor, pois isso causaria falncia dos mesmos.
O tumor precisa receber radiao do modo que maximize sua
exposio, por isso indicado usar dois ngulos para o fluxo (de um
lado e do outro do tumor como na figura).
10 Hillier, Frederick S.; Lieberman, Gerald J. Introduo Pesquisa Operacional, 8 a ed.,
McGrawHill, 2010. Pg. 43 (adaptado)
25
A equipe mdica estimou os dados referentes absoro de radiao

e precisa definir a quantidade de radiao a ser emitida de cada fluxo
de modo que o ncleo do tumor receba ao menos seis kilorad
(unidade de radiao), a regio do tumor precisa receber 6 kilorad e
os tecidos crticos no podem recebem em hiptese alguma mais do
que 2,7 kilorad.
Desta forma, determine o modelo de programao

Linear (PL) para que as chances de sobrevivncia do paciente sejam
as maiores possveis.
Resposta:
26
Zmin 0, 4 x1 0, 5x2
Sujeito a:
0,3x1 0,1x2 2, 7
0,5 x1 0,5 x2 6
0, 6 x1 0, 4 x2 6
x1 0 x2 0
Exerccio 6
Uma empresa possui 3 fazendas nas quais produz beterraba, algodo
11
e milho. A produo de cada uma delas limitada tanto pela

quantidade de rea irrigvel bem como pela quantidade de gua
disponvel para irrigao, do seguinte modo:
Por questo de exausto do solo, existe um limite do terreno que pode

ser utilizado para cada uma das culturas.
11 Hillier, Frederick S.; Lieberman, Gerald J. Introduo Pesquisa Operacional, 8a ed.,

McGrawHill, 2010. Pg. 45 foi corrigida tabela 3.9 do livro que estava errada e trocado
Sorgo por Milho.
27
Como h limitada disponibilidade de gua este ano, ficou claro que

no ser possvel utilizar toda a rea irrigvel disponvel nas 3
fazendas. Para garantir o equilbrio de mo-de-obra em cada uma das
fazendas, decidiu-se que todas elas tero a mesma proporo de rea
irrigvel plantada, mesmo sem a obrigao de todas as fazendas
possurem todas as culturas.
Desta maneira, defina o modelo de PL (programao linear) que
descreva o problema de se maximizar o retorno lquido total para a
empresa dona das 3 fazendas.
Resposta:
Sendo a quantidade produzida de cada cultura em cada fazenda:
28
Zmax 1000( xB1 xB 2 xB 3 ) 750( x A1 x A 2 x A3 ) 250( xM 1 xM 2 xM 3 )

Sujeito a:
xB1 x A1 xM 1 400
xB 2 x A 2 xM 2 600
Terra utilizvel por fazenda
xB 3 x A3 xM 3 300
3 xB1 2 x A1 xM 1 600
3 xB 2 2 x A 2 xM 2 800
3 xB 3 2 x A3 xM 3 375
Alocao de gua por

fazenda
xB1 xB 2 xB 3 600
x A1 x A 2 x A3 500
xM 1 xM 2 xM 3 325
rea mxima para cada

plantao
3( xB1 x A1 xM 1 ) 2( xB 2 x A 2 xM 2 ) 0
( xB 2 x A 2 xM 2 ) 2( xB 3 x A3 xM 3 ) 0
3( xB 3 x A3 xM 3 ) 4( xB1 x A1 xM 1 ) 0
Proporo igual para o

cultivo das terras
xij 0 i B, A, M j 1, 2, 3
Exerccio 7
Uma determinada siderrgica sempre foi o fator de emprego e
12
gerao de renda de certa cidade. Contudo, a cidade cresceu e o

pensamento o que bom para a siderrgica bom para a cidade
comea a mudar, devido aos danos ambientais e de sade causados
pela siderrgica.
McGrawHill, 2010. Pg. 48.
29
Para encarar estes novos desafios uma mudana de cultura e

mentalidade foi fundamental na direo da empresa que, reformulada
pelos acionistas, agora procura minimizar os impactos de sua
atividade na cidade que cresce em seus arredores.
Para isso uma srie de estudos foi feita juntamente com os rgos
governamentais de meio-ambiente e a sociedade organizada, o que
resultou em novos ndices rigorosos de emisso de poluentes
resumido na seguinte tabela:
Para solucionar este problema a direo reuniu um grupo de trabalho

cujo objetivo encontrar uma soluo tcnica para atingir estes
valores do modo mais econmico possvel.
As siderrgicas possuem duas fontes principais de poluio: os altosfornos (utilizados para fabricar lingotes de gusa) e fornos eltricos
(transformam lingotes em ao).
Os estudos do grupo tcnico
indicaram algumas possibilidades para reduzir a emisso. So elas:
30
1) Aumentar a altura das chamins13

2) Usar dispositivos filtrantes nas chamins
3) Incluir materiais limpadores entre os combustveis usados nos
fornos
Cada um destes mtodos de soluo possui uma limitao tecnolgica
na intensidade que podem ser usados. A quantidade de emisso
mxima que cada um destes mtodos pode proporcionar varia em
funo do tipo de forno e a poluio analisada. Veja esta tabela:
Analisando
tabela
equipe
concluiu
que
nenhum
mtodo
individualmente seria capaz de reduzir a emisso aos nveis exigidos,

em contrapartida , utilizar os trs mtodos simultaneamente com todo
o seu potencial certamente representaria um custo desnecessrio,
podendo ser proibitivo, podendo tirar toda a competitividade dos
produtos.
13 Esto soluo sempre ilusria. Ou seja, reduz a concentrao de poluio nas

imediaes da fbrica porm continua emitindo a mesma quantidade de poluentes, que
podem entre outras coisas piorarem a situao, pois agora ficaro mais tempo em
suspenso podendo causar chuva cida. Mas aqui fica valendo.
31
Por isso ficou claro que ser preciso encontrar a melhor distribuio
de uso de cada um destes mtodos de reduo de emisso, para cada
um dos tipos de fornos, utilizando-os no necessariamente me sua
carga mxima mas sim em fraes de seu uso mximo.
Ao descrever os custos, chegou-se tabela na qual os valores de
investimento, manuteno e operao de cada um dos mtodos foi
amortizada pelo tempo de uso, equalizada na tabela com valor anual.
A premissa existente que estes custos so lineares em relao ao

uso, ou seja, se usamos 100% da capacidade de um determinado
mtodo (aumentar o mximo possvel a chamin do alto-forno, por
exemplo) obrigatoriamente pagaremos 100% de seus custos (no caso
da chamin do alto-forno, um valor de 8 milhes). Contudo, se
reduzirmos o uso metade, o custo igualmente ser reduzido
metade.14
14 Nem sempre esta premissa vlida. Normalmente isso acontece quando os custos de
investimentos so muito baixos quando comparados ao de manuteno e operao, e
isso pode ocorrer quando o tempo de uso do equipamento muito grande. Mas no
exerccio consideremos esta simplificao.
32
Uma vez apresentado o problema, como voc, que coordena a equipe

que busca a soluo, descreveria o modelo em Programao Linear
para se encontrar o quanto de cada soluo ser implementado
buscando reduzir as emisses ao menor custo possvel?
Resposta
As variveis de deciso escolhidas esto abaixo e representam a
frao a ser utilizada de cada uma das solues.
Zmin 8 x11 10 x12 7 x21 6 x22 11x31 9 x32

Sujeito a:
12 x11 9 x12 25 x21 20 x22 17 x31 13x32 60
35 x11 42 x12 18 x21 31x22 56 x31 49 x32 150
37 x11 53 x12 28 x21 24 x22 29 x31 20 x32 125
xij 1
xij 0 i 1, 2,3 j 1, 2,3
Exerccio 8
33
Uma
15
empresa
de
aviao
comercial
est
em
processo
de
reformulao de seu quadro e deseja reduzir custos sem que isso se

reflita na satisfao dos clientes.
O ponto central programar as escalas dos agentes responsveis
para atender os clientes no aeroporto de modo que tenha a menor
quantidade possvel de agentes e alocados nos turnos de menor
custo. A tabela a seguir resume o estudo:
A coluna N mnimo de agentes indica o mnimo necessrio para se

garantir o nvel de atendimento ao cliente, em cada horrio. Os sinais
indicam o acordo coletivo feito com o sindicato da categoria que
indica os horrios autorizados de trabalho em cada turno. Atente que
15 Hillier, Frederick S.; Lieberman, Gerald J. Introduo Pesquisa Operacional, 8a ed., McGrawHill,
2010. Pg. 54.
34
os salrios dirio (incluindo benefcios) indicado na ltima linha difere

em cada turno, isso acontece porque alguns turnos so menos
desejados que outros, alm de encargos relativos ao horrio de
trabalho.
Com base nestas informaes, determine o modelo de programa
linear que indique quantos agentes devem ser alocados em quais
turnos com o objetivo de minimizar os custos totais, porm de modo
que ao menos o nvel mnimo de atendimento ao cliente seja
preservado.
Resposta:
Sendo a varivel de deciso a quantidade de agentes alocados em
cada turno:
35
Zmin 170 x1 160 x2 175 x3 180 x4 195 x5

Sujeito a:
x1
48
x1 x2
79
x1 x2
65
x1 x2 x3
87
x2 x3
64
x3 x4
73
x3 x4
82
x4
43
x4 x5 52
x5 15
xi 0 i 1, 2, 3, 4,5
Exerccio 9
Uma empresa de Investimento e Capital tem um oramento de R$
16
200 milhes para este ano, R$ 250 milhes para o prximo ano e R$
150 milhes para o ano seguinte. Desta forma esta empresa precisa
decidir onde investir este montante. Para isso ela tem algumas
opes referentes participao em algumas empresas listadas na
tabela a seguir. Ela pode comprar qualquer frao de qualquer
empresa, porm fundamental manter a percentual de participao
16 Colin, Emerson C.; Pesquisa Operacional - 170 aplicaes em estratgia, finanas,
logstica, produo, marketing e vendas.; LTC, 2011. Pg. 14
36
nos prximos anos, ou seja, se ela comprou um percentual desta

empresa neste ano, no prximo ano isso tambm dever ser feito. As
possibilidades de investimento que cada empresa disponibilizou bem
como o Valor Presente Lquido de cada investimento o seguinte:
Com estas informaes elabore o modelo de PL (programao lineal)

que descreva qual o aporte que a empresa deve fazer para
maximizar seu VPL.
Resposta:
Zmin 20 x A 15 xB 34 xC 17 xD 56 xE 76 xF 29 xG
Sujeito a:
12 x A 54 xB 65 xC 38 xD 52 xE 98 xF 15 xG 200
34 x A 94 xB 28 xC
+21xE 72 xF 48 xG 250
12 x A 67 xB 49 xC 8 xD 42 xE 25 xF 53 xG 150
xi 0 i A, B, C , D, E , F , G
xi 0 i A, B, C , D, E , F , G
37
Exerccio 10
Uma seo de manuteno opera 24 horas por dia sem interrupo.
17
A escala de planto segue a demanda esperada de servios, que varia

de acordo com o horrio do dia. Para permitir um melhor ajuste entre
demanda de servios e o nmero de funcionrios de planto foi
estabelecido que o turno de trabalho seria de 4 horas e que cada
funcionrio atuaria em 2 turnos totalizando 8 horas de jornada
consecutivas. O histrico mostra que um nmero mnimo de
funcionrios necessrio para atender a demanda, conforme tabela a
seguir:
Desta forma, monte um modelo de PL que permita obter o nmero de

empregados que devem comear cada turno de modo que a equipe
total do setor seja a menor possvel.
Resposta:
17 Andrade, Eduardo Leopoldino. Introduo Pesquisa Operacional Mtodos de
modelos para anlise de decises. 4 Edio. LTC. 2012. Pg. 59
38
Zmin x1 x2 x3 x4 x5 x6
Sujeito a:
x1 x2
10
x2 x3
12
x3 x4
x4 x5
16
x5 x6 6
x1
x6 4
xi 0 i 1; 2;3; 4;5;6
xi 0 i A, B, C , D, E , F , G
3.Soluo grfica
At aqui estudamos e exercitamos a formulao de modelos, ou seja,
somos capazes de transformar um problema real em uma srie de
39
formulaes matemticas. O passo seguinte a resoluo destes

modelos matemticos de modo encontrar os valores das variveis de
deciso que proporcionem o valor timo da funo objetivo. O
primeiro modo de soluo que abordaremos o Mtodo Grfico.
A soluo grfica tem um significado muito mais didtico do que
funcional, visto que normalmente os problemas do cotidiano possuem
dezenas ou centenas de variveis de deciso o que torna o mtodo
grfico extremamente complexo e pouco eficiente.
Entretanto se abordamos um problema com no mximo duas variveis
de deciso, a soluo grfica um caminho simples e fcil para
encontrar o ponto de otimizao do modelo.
Vamos ento ver como obter a soluo graficamente. Este mtodo
consiste em traar um grfico bidimensional em um plano cartesiano
que tenha X1 e X2 como abscissa e ordenada respectivamente. Veja a
figura:
X2
2 quadrante
1 quadrante
X1
40
3 quadrante
4 quadrante
Neste plano cartesiano representaremos a regio de solues

viveis, que so todas aquelas solues (conjuntos de valores de X 1 e
X2) que atendem as restries, mesmo que no sejam os valores para
os quais a funo objetivo (Z) assuma os valores timos. Para
encontrar esta regio de solues viveis precisamos plotar neste
plano cartesiano as retas que representam cada uma das restries. 18
Vamos usar o Exemplo I da fbrica de calados (pg.13). Neste
exemplo o modelo que descrevemos foi:
18 Neste momento utilizaremos conceitos bsicos de lgebra, nvel ginasial. Como

material de apoio, o anexo 1 revisa alguns destes conceitos, no hesite em consult-lo.
41
Zmax 22 x1 48 x2
Sujeito a:
1) 0,30 x1 0,50 x2 15
2) 3 x1 4 x2 120
3) x1 2 x2 15
x1 0 e x2 0
Verificaremos
inicialmente
se
existem
negatividade. Neste caso elas existem e so:
as
restries
x1 0 e x2 0
de
no
. Sendo assim
verificamos que a regio de solues viveis. Como obrigatoriamente

(devido s restries de no negatividade) X 1 e X2 s podem assumir
valores positivos, conclumos que a regio de solues viveis estar
necessariamente no 1 quadrante. Vamos ento destacar a regio de
solues viveis:
X2
Como
at
agora
consideramos apenas as
restries
de
no
negatividade
(
x1 0 e x2 0
),
qualquer
valor que esteja no 1
quadrante nos atende, pois
nele X1 e X2 so positivos.
X1
42
Sabemos que a soluo tima estar necessariamente na regio de

solues viveis, portanto no nosso exemplo no 1 quadrante. Vamos
ento prosseguir colocando no plano cartesiano as retas referentes s
restries. Vejamos como fica a restrio 1)
0,30 x1 0,50 x2 15
Para encontrarmos a regio do plano na qual os pontos nela atendam

a esta restrio, precisamos antes de tudo traar a reta da equao
limite, ou seja: qual a reta da equao
0,30 x1 0,50 x2 15
Para encontrarmos esta reta precisamos obrigatoriamente de dois

pontos (X1;X2) desta equao. Para encontrar estes dois pontos vamos
atribuir, alternadamente, valores a X1 e X2.
Se X1 = 0 ento
Se X2 = 0 ento:
43
0,30 0 0,50 x2 15
0,30 x1 0,50 0 15
0,50 x2 15
0,30 x1 15
15
0,50
x2 30
x2
15
0,30
x1 50
x1
Temos assim o ponto (0;30)
Temos assim o ponto (50;0)
Sendo
assim
0,30 x1 0,50 x2 15
podemos
traar
reta
equivalente
equao
pois sabemos que ela passa pelos dois pontos (0;30) e
(50;0).
Ponto X1 =
0 e X2=30,
ou seja,
(0;30).
X2
Reta da
da equao
equao referente
referente
Reta
0,30xx110,50
0,50xx22 15
15
0,30
3
restrio 1)
1)
restrio
Ponto X1 =
50 e X2=0,
ou seja,
(50;0).
5
X1
44
Observe que esta reta formada pelo conjunto de pontos que fazem
com que a igualdade seja atendida, ou seja, para qualquer valor de X 1
e X2 ao longo da reta
0,30 x1 0,50 x2ser sempre igual a 15
nosso problema, nele temos uma inequao (
. Mas voltemos ao
0,30 x1 0,50 x2 15
), ou seja,
no interessa qualquer conjunto de valores para X 1 e X2 que faam com
que
0,30 x1 0,50 x2seja sempre igual OU menor que 15
. Logo, no apenas qualquer
ponto que integre a reta atende esta restrio, mas tambm qualquer
valor abaixo dela!
Sendo assim, a regio de solues viveis agora ser constituda
por qualquer ponto que atenda a esta restrio (
X2
0,30 x1 0,50 x2 15
) bem
0,30x1 0,50x2 15
como restrio
de no negatividade (
30
x1 0 e x2 0
50
).
X1
45
Qualquer regio abaixo da reta atende restrio 1)
Vejamos agora como fica a restrio 2)
3 x1 4 x2 120
dois pontos para traar a reta da equao

Se x1 0
. Vamos encontrar
3 x1 4 x2 120
Se x2 0
3 0 4 x2 120 3 x1 4 0 120
4 x2 120
3 x1 120
x2 30
x1 40
(0;30)
(40;0)
Traando a reta que passe por estes dois pontos
(0;30);(40;0)
destacando a nova regio de solues viveis, que agora precisa
atender, alm das restries de no negatividade (
restrio 1
0,30 x1 0,50 x2 15
x1 0 e x2 0
), tambm restrio 2 (
) e da
3 x1 4 x2 120
).
46
esteX2
A regio de solues viveis agora assume
formato, pois somente um ponto aqui atende s restries de
30
40
Fazendo o mesmo procedimento para a restrio 3)
a equao
x1 2 x2 15
x1 2 x2 15
50
X1
teremos
que pode ser traada ao encontrarmos os dois
pontos:
Se x1 0
0 2 x2 15
x2 15
Se x2 0
x2 7,5
x1 2 0 15
(0;7,5)
(15;0)
30
x1 X2
15
7,5
47
15
40
50
X1
Observe que agora a regio

de solues viveis resumese a este espao, pois o
nico no qual todos os
pontos atendem a TODAS
as restries.
Uma vez que traamos no plano cartesiano todas as restries, a

regio de solues viveis final ser aquela que atenda a todas as
restries simultaneamente. Nesta regio qualquer ponto uma
soluo para o nosso problema, mas no necessariamente
proporcionar a soluo tima. Desta maneira nosso objetivo
agora descobrir, nesta regio de solues viveis, qual aquele(s)
ponto(s) para o(s) qual(is) a funo objetivo (Z) assume o melhor valor
possvel.
Para isso precisamos traar no plano cartesiano a famlia de retas
representada pela funo objetivo:
Zmax 22 x1 48 x2
48
Para isso vamos escolher um ponto qualquer (que esteja na regio
de solues viveis). Por exemplo, ponto (0;5), ou seja,
Para este ponto
x1 0 e x2 5
teremos um valor de Z:
x1 0 e x2 5
Z 22 0 48 5 240
Observe que chamamos de Z e no de Z max, pois no sabemos se ele

o mximo, isto , o valor timo. Para definir a reta, precisamos de
outro ponto que pertena a ela. Desta forma, j que sabemos que
Z=240, podemos fazer:
quando
x2 0
, neste ponto
240 22 x1 48 x2
esta reta cruza a abscissa
240 22 x1 48 0 10,9
. Desta forma sabemos
que quando Z=240 a reta passa pelos pontos: (0 ; 5) e (10,9 ; 0).

Agora podemos colocar esta reta no plano cartesiano.
X2
30
Z=240
7,5
5
10,9 15
40
50
X1
49
Observe a reta Z=240. Atente que possivelmente haver outra

paralela a ela cujo valor de Z seja maior, ou seja, outra reta da
mesma famlia que proporcione um valor melhor para Z (note que
estamos desejando maximizar Z, por isso dizemos que melhor, se o
objetivo fosse minimizar, um valor maior de Z seria pior). Vejamos
ento qual seria o valor de Z de uma reta (pertencente a esta famlia)
que passasse pelo ponto (15 ; 0).
Zmax 22 x1 48 x2
x1 15 e x2 0
Z 22 15 48 0 330
Atente que o valor de Z aumentou! Ou seja, melhorou . Para traar a

reta equivalente a este novo valor de Z podemos proceder como
fizemos. J que temos um ponto da reta, que neste caso o ponto (15
; 0) e o valor de Z (330), podemos obter o segundo ponto (0 ; 6,875).
H, contudo, outro caminho. Como temos a reta anterior (Z=240),
50
sabemos um ponto, no caso (15 ; 0), da NOVA reta e sabemos que a

nova reta ser PARALELA anterior, basta traar a paralela que passe
por este ponto (15 ; 0).
Qualquer uma doa maneiras resultar no plano cartesiano a seguir:
X2
30
Z=330
Z=240
7,5
5
10,9 15
40
50
X1
Vamos pensar um pouco sobre o resultado. Ns encontramos um valor

maior de Z sempre que avanamos para cima com uma nova paralela
equao inicial, ou seja, cada vez que traamos uma reta da mesma
famlia acima da anterior, o valor de Z aumenta. Podemos ento
51
deduzir que o valor timo de Z ser encontrado naquele ponto

alm do qual no existem outras solues viveis, ou seja, um
ponto limite da regio de solues viveis destacado em azul no
tringulo. Vamos ento verificar que esta reta limite, ou seja, aquela
que proporciona o valor mximo Z*, ser:
X2
30
Z*
Z=330
Z=240
7,5
5
10,9 15
40
50
X1
O ponto limite o (0 ; 7,5), pois alm dele, qualquer ponto pelo qual
passe a reta da famlia Z estar fora da regio de solues viveis.
52
Ento fica claro que o ponto timo, ou seja, aquele que proporcionar
o valor timo de Z (Z*) ser (0 ; 7,5). Neste ponto o valor de Z
assume:
Zmax 22 x1 48 x2
x1 0 e x2 7,5
Z 22 0 48 7,5 360
Ou seja, a empresa vai ter o faturamento mximo de R$360/dia e no

deve sapatos (x1), apenas sandlias (x2), sendo 7,5 unidades/dia.19
Este exemplo poderia tambm ser resolvido utilizando alguns
softwares simples que existem. Para fins didticos apresentaremos o
IRO tutorial (Interactive
Operations Research Tutorial )
que um software
gratuito disponibilizado no site da editora Mc Graw Hill, editora que

publica um de nossos livros textos20.
19 Este um exemplo super simplificado que cujo resultado vale mais pela forma de
encontr-lo do que por seu valor em sim. Atente que nem sempre possvel, do ponto de
vista de mercado, deixar de fornecer um produto. Mas de toda forma esta informao
vlida e a gesto precisa saber que a produo daquele produto deve ter outras
justificativas que no seja a de aumentar o faturamento. Outro aspecto a produo de
sete unidades e meia de sandlia. Podemos cair no equvoco de arredondar o valor para
8, pensando que assim estaremos razoavelmente prximos do valor timo. Isso nem
sempre verdade! Quando lidamos com itens que no podem ter sua produo
fracionada, ento precisamos resolver o problema utilizando conceitos de Programao
Linear Inteira, que estudaremos ao longo do curso. Por agora apenas precisamos que um
conceito fique claro: arredondar no garante que estejamos prximo do valor timo!
20 Trata-se do Hillier, Frederick S.; Lieberman, Gerald J. Introduo Pesquisa Operacional, 8a ed.,
McGrawHill, 2010, apresentado na Bibliografia
53
aplicativo
pode
ser
baixado
diretamente
no
endereo
http://www.mhhe.com/engcs/industrial/hillier/iortutorial/install/setup.exe
ou
no
http://goo.gl/NA3rY. Depois de instal-lo, abra-o e v em Procedure e
em seguida em Graphical Method and Sensitivity Analysis como

indicado na figura a seguir:
.
Aps usar poucos conhecimento de ingls e alguma intuio, voc
adicionar a funo objetivo
Zmax 22 x1 48 x2
e as restries. Fazendo isso
54
click
em
Solve
resoluo
grfica
ser
indicada
assim:
55
Valores de X1 e X2 que
proporcionam a soluo
tima.
Valor timo de Z, ou seja
Z*.
Agora que j sabemos encontrar a soluo tima pelo mtodo grfico,

faamos alguns exerccios.
56
Vamos exercitar
Exerccio 11
Como o
Exerccio 1 (pg.18) possui apenas duas variveis de deciso em seu
modelo, resolva-o por meio do mtodo grfico. 21
Resposta
O exerccio 1 resultou no modelo:
Zmax 20 x1 60 x2
Sujeito a:
1)70 x1 70 x2 4900
2)90 x1 50 x2 4500
3)2 x1 80
4)3 x2 180
x1 0 e x2 0
Traando estas retas no plano cartesiano teremos:
21 Resolva pelo mtodo grfico e depois utilize o IOR Tutorial para verificar o resultado.
57
Observe que o ponto timo est na interseo entre a restrio 1) e

4).
Para se encontrar o ponto timo de modo numrico precisamos
resolver este sistema:
70 x1 70 x2 4900
3 x2 180
Resolvendo teremos:
x1 10 x2 60
resultando em
Zmax 20 10 60 60 3.800
58
Ou seja,
o melhor mix de produo, ou seja, aquele que
proporcionar o maior lucro possvel nas condies do problema ser

fabricar 10 unidades de produto I e 60 do produto II, resultando no
lucro de R$ R$3.800.
Exerccio 12
Como o
modelo, resolva-o por meio do mtodo grfico.
Resposta
Zmax 360 x1 285 x2

Sujeito a:
5 x1 2 x2 120
4 x1 x2 64
x1 0 x2 0
Que resulta no plano cartesiano:
59
Percebemos
que
ponto
timo
x1 0 x2 60
que
resulta
em:
Zmax 360 0 285 60 17.100

O maior lucro possvel ser de R$ 17.100 e acontece quando se
produz apenas reboque comercial.
Exerccio 13
60
Como o
modelo, resolva-o por meio do mtodo grfico.
Resposta
Zmin 0, 4 x1 0, 5x2
Sujeito a:
0,3x1 0,1x2 2, 7
0,5 x1 0,5 x2 6
0, 6 x1 0, 4 x2 6
x1 0 x2 0
Que resulta no plano cartesiano:
61
Percebemos que agora a regio de solues viveis resume-se ao
ponto
timo
que
x1 6 x2 6
que
resulta
em:
Zmax 0, 4 6 0,5 6 5, 4
As chances de sobrevivncia do paciente so maiores possveis
quando emitimos 6 kilorad apenas pelo fluxo 1 e 6 pelo fluxo 2.
Exerccio 14
62
Resolva o modelo a seguir pelo mtodo grfico.
22
Zmax 3 x1 2 x2
Sujeito a:
x1 4
2 x2 12
3x1 2 x2 18
x1 0 x2 0
Resposta:

McGrawHill, 2010. Pg. 34
63
Observe que agora no temos apenas um ponto timo, mas sim

infinitos pontos que pertenam ao segmento de reta entre os pontos
destacados, isto , qualquer ponto entre (2 ; 6) e (4 ; 3) resulta no
valor timo de Z*=18.
Exerccio 15
23

64
Zmax 2 x1 x2
Sujeito a:
x2 10
2 x1 5 x2 60
x1 x2 18
3x1 2 x2 44
x1 0 x2 0
Resposta:
O ponto timo o ( 14,67 ; 0) resultando em Z*=29,33.
65
Exerccio 16
24
Zmax 3 x1 4 x2
Sujeito a:
6 x1 4 x2 12
7 x1 5 x2 35
x1 0 x2 0
Resposta:
Observe que agora no existe regio de solues viveis. O problema
no possui soluo, ou seja, no h nenhum ponto que satisfaa todas
as restries.25

25 Se resolver este problema pelo IOR Tutorial perceber que este software tem um
bug pois ao solicitar que resolva ele indica como soluo um ponto que no atende
todas as restries.
66
Exerccio 17
Resolva o modelo a seguir pelo mtodo grfico
26

67
Zmax 5 x1 3 x2
Sujeito a:
5 x1 7 x2 35
x1 2
x2 3
x1 0 x2 0
Resposta:
Observe que os valores de Z podem crescer indefinidamente, pois no
h restrio que os delimite. Assim dizemos que no h soluo tima
para o problema.
68
Exerccio 18
Resolva utilizando o mtodo grfico.
27
Zmin 40 x1 50 x2
Sujeito a:
2 x1 x2 30
x1 x2 12
2 x1 x2 20
x1 0 x2 0
Resposta:
2010. Pg. 93
69
Exerccio 19
Resolva utilizando o mtodo grfico.
28
Zmin 15 x1 20 x2
Sujeito a:
x1 2 x2 10
2 x1 3x2 6
x1 x2 6
x1 0 x2 0
2010. Pg. 92
70
Resposta:
Ponto timo (2 ; 4) e Z* = -110

Exerccio 20
Considere o modelo a seguir, no qual C1 ainda no foi definido.
29

71
Zmax C1 x1 2 x2
Sujeito a:
1)4 x1 x2 12
2) x1 x2 2
x1 0 x2 0
Use a anlise grfica30 para se determinar as solues timas para
todos os valores possveis de C1.
Resposta:
Primeiro tracemos as restries no plano cartesiano:
30 Para resolver este exerccio voc precisar fazer vrias solues grficas. Para ganhar
tempo e em capacidade de anlise, recomendamos utilizar o IOR tutorial para ganhar
tempo.
72
Coloquemos as inequaes na forma de equaes e encontremos X 2

em funo de X1 para evidenciar o coeficiente angular da reta31.
Assim:
Zmax C1
x1
2
2
1)4 x1 x2 12 x2 12 4 x1
Zmax C1 x1 2 x2 x2
2) x1 x2 2 x2 2 x1
Estes so os coeficientes
angulares de cada uma
das retas.
Desta forma nossa anlise fica mais fcil de ser feita.

Vamos pensar o que acontecer quando a funo objetivo tiver
coeficiente angular igual ao coeficiente da restrio , isto , quando
C1
4
2
. Para isso acontecer
C1 8
. Ao traarmos a funo objetivo
desta forma, perceberemos que esta reta referente ao Z* coincide

com a prpria restrio . Assim o Z* ser 24 e pode ser obtido por
31 Da lgebra linear sabemos que, se uma funo , ento o coeficiente angular da

reta, ou seja, o ngulo de inclinao da referida reta em relao abscissa. Consulte o
anexo sobre a reviso de lgebra se achar necessrio.
73
qualquer valor de
pontos
(14 5; 4 5)
x1 e x2
que estejam no segmento de reta entre os
[interseo entre as retas e ] e
Agora vamos verificar o que acontece quando

C1 8
acontea preciso que
(3;0)
C1
4
2
. Para que isso
. Percebemos que medida que
reduzimos o valor de C1 a reta referente funo objetivo gira em
torno do ponto timo
(14 5; 4 5)
. Isso acontecer at que a rotao seja
suficiente para que esta reta coincida com a restrio , ou seja,
quando
Quando
C1
1
2
,isto ,
C1 2
C1 2
a funo de Z*coincide com a restrio e qualquer
ponto no seguimento de reta entre
(14 5; 4 5)
(2;0)
timo. Se diminuirmos o valor de C 1 fazendo
resultar no valor
C1 < 2
o ponto timo
74
desloca-se para
(2;0)
e permanece a indefinidamente, por menor que
seja C1.
Ento at agora sabemos que, se:
C1 8 z* 24 sendo o ponto timo qualquer um entre (14 5; 4 5) e (3;0)
-2<C1 8 z* 21, 2 sendo o ponto timo sempre (14 5; 4 5)
C1 2 z* 4 sendo o ponto qualquer um entre (14 5; 4 5) e (2;0)
C1 2 z* 6 sendo o ponto timo sempre (2;0)
Percebemos que faltou a anlise quando
C1 >8
. Quando isso acontece a
funo Z* fica com um coeficiente angular maior do que o da
restrio , fazendo com que o ponto timo seja
(3;0)
e o Z*=27.
Assim podemos organizar a resposta final da seguinte forma:
75
4.
Soluo algbrica
Aps analisarmos os resultados obtidos pelo mtodo grfico podemos

fazer algumas consideraes.
A primeira considerao que a soluo tima ser obrigatoriamente
um ponto extremo da regio de solues viveis. Se o problema tiver
apenas
um
ponto
timo,
ento
este
ponto
timo
ser
obrigatoriamente um vrtice do polgono (ou poliedro) que delimita o

espao de solues viveis.
Caso dois vrtices do espao de solues viveis resultem no mesmo
valor timo da funo objetivo (Z) ento teremos certeza de que h
INFINITAS solues timas, sendo que TODAS elas esto no segmento
de reta delimitado por estes dois vrtices em questo.
Desta maneira, uma forma algbrica de resolver problemas de
Programao Linear - e que estar na base de todos os algoritmos que
veremos - encontrar os vrtices definidos por cada par de restries
e test-los, verificando qual deles proporciona o valor timo.
76
Voltemos ento ao nosso Exemplo I da fbrica de calados (pg.13).

Ns j obtivemos uma soluo grfica para este problema, vamos
agora verificar se o mtodo algbrico indicar a mesma soluo.
O modelo que encontramos para o Exemplo I foi:
Zmax 22 x1 48 x2
Sujeito a:
0,30 x1 0,50 x2 15
3x1 4 x2 120
x1 2 x2 15
x1 0 e x2 0
Vamos agora, tal como fizemos para encontrar a soluo grfica,
tratar das restries em seus limites representados pelas igualdades:
1) 0, 30 x1 0,50 x2 15
2) 3 x1 4 x2 120
3) x1 2 x2 15
4) x1 0
5) x2 0
Umas vez que temos todas as restries, basta agora encontrarmos
cada uma das intersees entre todos os pares de restries, verificar
77
se este ponto faz parte do espao soluo e depois se o ponto

timo.
Vamos comear entoa pelas restries 1)

3 x1 4 x2 120
0, 30 x1 0,50 x2 15
e 2)
. Para encontrar o ponto de interseo destas duas retas
basta encontrar o ponto que satisfaa ambas, ou seja, a soluo do

sistema de equaes definido por elas:
0,30 x1 0,50 x2 15
3 x1 4 x2 120
Resolvendo o sistema:
0,30 x1 0,50 x2 15 x (-10)
3x1 4 x2 120
3 x1 5 x2 150
3 x1 4 x2 120
x2 30
78
Ou seja,
x2 30
e para isso ser verdade
x2 0
interseo entre as restries 1) e 2) o ponto
Uma vez encontrado o ponto de interseo
. Assim, o ponto de
(0;30)
(0;30)
precisamos descobrir
se ele faz parte do espao soluo. Para isso basta saber se ele
atende TODAS as demais restries32.
Ou seja, quando X1 =0 e X2=30 as restries 1) e 2) sero
automaticamente atendidas pois foram elas que originaram este
ponto. Como X1 e X2 so positivos, podemos ver facilmente que as
restries de no-negatividade
x1 0 e x2 0
) foram atendidas, resta-
nos ento saber como ficar a restrio 3).
3) x1 2 x2 15
Se x1 0 e x2 30
0 2 30 60
32 No precisamos verificar nas restries 1) e 2) pois foram justamente elas que deram
origem a este ponto e portanto obrigatoriamente o mesmo as atender. Neste nosso
exemplo temos mais 3 restries: a restrio 3) e as duas outras restries de nonegatividade. Basta que o ponto no atenda a qualquer uma delas para que ele seja
descartado de estar na regio de solues viveis.
79
Atente que 60 NO
a 15, logo este ponto NO atende restrio
3) o que significa que ele no pertence ao espao de solues

viveis33.
Vamos seguir agora com o mesmo procedimento para o par de
restries 1) e 3).
0,30 x1 0,50 x2 15 0,30 (15 2 x2 ) 0,50 x2 15
x1 2 x2 15
x1 15 2 x2
Resolvendo o sistema termos encontraremos X2 = -105 o que
resultar em X1=225.
Logo, o ponto de interseo entre as restries 1) e 3) o ponto
(225; -105). Rapidamente podemos deduzir que ele no pertence
regio de solues viveis pois as condies de no-negatividade no
foram atendidas.
Por razes didticas seguiremos para verificar se este ponto atende a
restrio 2).
33 Veja na soluo grfica que realmente este ponto no pertence ao polgono que
descreve o espao de solues viveis destacado em azul na figura da Pg. 47.
80
3 x1 4 x2 120
x1 225 x2 105
3(225) 4( 105) 255
Como 225 NO
que 120, ento este ponto NO pertence regio
de solues viveis.
Tratemos agora o par de restries 2) e 3).
3 x1 4 x2 120
x1 2 x2 15
Resolvendo o sistema termos encontraremos X 1 = 90 o que resultar
em X2= -37,5.
Verificando este ponto na restrio 1) teremos:
0,30 x1 0,50 x2 15
x1 = 90 e x2 37,5
0,30(90) 0,50(37,5) 8, 25
Ou seja, o ponto (90;-37,5) atende a restrio 1) pois 8,25
15.
Contudo atente que X2= -37,5 no atende a restrio de no-
81
negatividade, portanto o ponto NO pertence regio de solues

viveis.
Seguiremos agora para as restries 1) e 4).
0,30 x1 0,50 x2 15
x1 0
Que resulta em X1 =0 e X2=30. Por coincidncia o mesmo ponto
resultante das restries 1) e 2). Portanto j verificamos que ele NO
pertence regio de solues viveis.
Vamos ento para as restries 1) e 5).
0,30 x1 0,50 x2 15
x2 0
Resolvendo teremos: X1=50 e X2=0.
Este ponto atende s condies de no-negatividade.
Veremos agora se atendem s demais restries.
Quanto restrio 2) temos:
82
3 x1 4 x2 120
3(50) 4(0) 150
Ou seja, no atende, pois 150 no
120 como exige a restrio dois.
3 x1 4 x2 120
x1 0
A soluo X1 = 0 e X2 = 30. Este ponto tambm por coincidncia j
foi verificado que no pertence regio de solues viveis.
3 x1 4 x2 120
x2 0
A soluo X1 = 40 e X2 = 0.
Veremos agora se atendem s demais restries 1) 3) e 4).
0,30 x1 0,50 x2 15
0,30(40) 0,50(0) 12
Como 12 15 ento a restrio 2) atendida. Veremos a restrio 3).

83
x1 2 x2 15
40 2(0) 40
Observe que 40 no
15, ou seja, este ponto no atende a restrio
3) e portanto no pertence regio de solues viveis.

x1 2 x2 15
x1 0
A soluo X1 = 0 e X2 = 7,5.
Vejamos se este ponto atende as
restries 1) 2) e 5).
Rapidamente podemos verificar que, como X 2 0, ento a restrio 5

atendida.
Vejamos agora a restrio 1).
0,30 x1 0,50 x2 15
0,30(0) 0,50(7,5) 3, 75
O que atende a esta restrio pois 3,75
15.
Vejamos se a restrio 2) tambm atendida.

84
3 x1 4 x2 120
3(0) 4(7,5) 30
Como 30
15, ento a restrio 2) tambm atendida e podemos
deduzir que o ponto (0;7,5) faz parte da regio de solues viveis

pois atende a TODAS as restries.
x1 2 x2 15
x2 0
A soluo X1 = 15 e X2 = 0.
Vejamos se este ponto atende as
restries 1) 2) e 4).
Rapidamente podemos verificar que, como X 1 0, ento a restrio 4

atendida.
Vejamos agora a restrio 1).
0,30 x1 0,50 x2 15
0,30(15) 0,50(0) 4,5
O que atende a esta restrio pois 4,5
15.
85
Vejamos se a restrio 2) tambm atendida.
3x1 4 x2 120
3(15) 4(0) 45
Como 45
15, ento a restrio 2) tambm atendida e podemos
deduzir que o ponto (15;0) faz parte da regio de solues viveis

pois atende a TODAS as restries.
Resta-nos agora apenas um par de restries, as que representam a
condio de no-negatividade: 4) e 5)
x1 0
x2 0
O ponto de interseo destas retas obviamente o (0;0). Precisamos
verificar se este ponto atende s demais restries:
1) 0, 30 x1 0,50 x2 15 0 15
2) 3 x1 4 x2 120 0 120
3) x1 2 x2 15 0 15
Verifique que o ponto (0;0) atende a TODAS as demais restries,

portanto ele est contido no espao de solues viveis.
86
Sendo assim, listemos o resumo de todos os pontos encontrados

indicando se pertence ou no regio de solues viveis.
Restries 1) e 2) Ponto (0;30) No pertence regio de solues

viveis.
Restries 1) e 3) Ponto (225;-105) No pertence regio de
solues viveis.
Restries 2) e 3) Ponto
(90;-37,5)
No pertence regio de
solues viveis.
viveis.
viveis.
viveis.
viveis.
87
Restries 3) e 4) Ponto (0;7,5) Pertence regio de solues

viveis.
(15;0)
Pertence regio de solues
(0;0)
Pertence regio de solues
viveis.
viveis.
Vemos que apenas 3 pontos pertencem regio de solues viveis.
Sabemos que necessariamente o ponto timo ser um destes pontos.
Ento, para descobrirmos qual deles o ponto timo basta submeter
a funo objetivo do modelo (
Zmax 22 x1 48 x2
) a estes pontos verificando
o valor encontrado. Aquele que proporcionar o melhor valor, ser o

ponto timo.
Ponto (0;7,5)
88
Z 22 x1 48 x2
x1 0 e x2 7,5
Z 22(0) 48(7,5) 360
Ponto (15;0)
Z 22 x1 48 x2
x1 15 e x2 0
Z 22(15) 48(0) 330
Ponto (0;0)
Z 22 x1 48 x2
x1 0 e x2 0
Z 0
Como neste exemplo a funo objetivo se refere maximizar, o ponto
que proporciona o melhor valor justamente o que proporciona o
maior valor de Z, ou seja, o ponto (0;7,5). Ento a soluo final do
problema que a soluo tima de uma receita de R$ 360 obtida da
produo diria de 7,5 sapatos (X2) e nenhuma sandlia (X1). Observe
89
que exatamente a mesma resposta encontrada via soluo grfica

(pg .52)
Vamos exercitar
Exerccio 21
Resolva o
Exerccio 1 (pg.18) pelo mtodo algbrico e verifique se o resultado
encontrado confere com o encontrado pela Soluo Grfica.
O modelo do exerccio 1 :
Zmax 20 x1 60 x2
Sujeito a:
1) 70 x1 70 x2 4900
2) 90 x1 50 x2 4500
3) 2 x1 80
4) 3 x2 180
5) x1 0
6) x2 0
90
Precisamos agora resolver TODOS os possveis sistemas tomando par

a par as restries. Ao fazer isso encontraremos os seguintes pontos
de interseo:
Restries 1) e 2) Ponto (25;45) Pertence regio de solues
viveis pois atende s demais restries.
viveis pois no atende a restrio 2).
viveis pois no atende as restries 2) e 3).
Restries 2) e 4) Ponto (16,67;60) No pertence regio de
solues viveis pois no atende a restrio 1).
91

viveis pois no atende s restries 1) e 4).
92
Verificando o valor da funo objetivo
Zmax 20 x1 60 x2
com cada um dos
pontos que pertencem ao espao de solues viveis teremos:
Ponto (25;45) - 3200

Ponto (10;60) - 3800
Ponto (40;18) - 1880
Ponto (0;0) - zero
Ponto (40;0) - 800
Ponto (0;60) - 3600
Desta forma verificamos que o maior valor 3800 obtido com o ponto
(10;60) que , ento, nosso ponto timo. Ou seja, tal como
encontramos pela soluo grfica, o melhor mix de produo (aquele
que proporcionar o maior lucro possvel nas condies do problema)
ser fabricar 10 unidades de produto I e 60 do produto II, resultando
no lucro de R$3.800.
Exerccio 22
93
Resolva o exerccio 3 pelo mtodo algbrico. Observe que ele possui 3

variveis de deciso o que invalida a soluo grfica, por isso no a
fizemos. Isso tambm torna a soluo algbrica mais complexa, como
pode ser observado a seguir.
O modelo do exerccio 3 :
Zmax 8,5 x1 9, 00 x2 9, 60 x3
Sujeito a:
x1 x2 x3 4.600
3.000
x1
x2
1.200
x3 200
x1 -2x2
xi 0 i 1; 2;3
Vamos montar o sistema agora com 3 equaes cada um, pois caso
contrrio no encontraremos soluo algbrica.
94
1) x1 x2 x3 4.600
2) x1
3)
= 3.000
x2
4)
5) x1 -2x2
= 1.200
x3 200
=0
6) x1 0
7) x2 0
8) x3 0
Vejamos o sistema formado pelas restries 1) 2) e 3). A interseo
destes 3 planos no ponto: (3000 ; 1200 ; 400). Este ponto no
pertence regio de solues viveis pois no atende as restries 4)
e 5).
pertence regio de solues viveis, pois no atende s restries 3)
e 5).
pertence regio de solues viveis, pois no atende restrio 3).
95
Vejamos o sistema formado pelas restries 1) 2) e 6). Observe que

este sistema possui duas retas paralelas (X 1=3000 e X1=0) que nunca
se cruzam. Desta forma estas 3 retas no possuem um ponto de
convergncia no qual se cruzem 34, no possuindo desta forma um
ponto de interseo.
pertence regio de solues viveis, pois no atende s restries
3), 4) e 5).
destes 3 planos no ponto: (3000 ; 1600; 0). Este ponto no pertence
regio de solues viveis, pois no atende restrio 3).
destes 3 planos no ponto: (3200 ; 1200; 200). Este ponto no
pertence regio de solues viveis, pois no atende s restries 2)
e 5).
34 N geometria dizemos que so retas reversas.

96

destes 3 planos no ponto: (2400 ; 1200; 1000). Este ponto no
este sistema tambm possui duas retas paralelas (X 2=1200 e X2=0)
que nunca se cruzam. Desta forma estas 3 retas no possuem um
ponto de convergncia no qual se cruzem, no possuindo desta forma
um ponto de interseo.
regio de solues viveis, pois no atende s restries 2) e 5).
destes 3 planos no ponto: (2933,33 ;1466,67 ; 200). Este ponto no
97

destes 3 planos no ponto: (0 ;4400 ; 200). Este ponto no pertence

regio de solues viveis, pois no atende s restries 2) e 5).
destes 3 planos tambm no ponto: (0 ; 0; 4600). Este ponto no
98

destes 3 planos tambm no
ponto: (3066,67 ; 1533,33; 0). Este
ponto no pertence regio de solues viveis, pois no atende s

restries 2) e 3).
destes 3 planos tambm no ponto: (3000 ; 1200; 200). Este ponto
no pertence regio de solues viveis, pois no atende restrio
5).
Vejamos o sistema formado pelas restries 2) 3) e 5). Estas retas
tambm no se cruzam. As equaes 2) e 3) no so compatveis com
a 5), representando que as 3 retas no se cruzam.
O mesmo
acontecendo com as 2) 3) e 6). Bem como com as 2) 3) e 7).

destes 3 planos tambm no ponto: (3000; 1200; 0). Este ponto no
destes 3 planos tambm no ponto: (3000; 1500; 200). Este ponto
no pertence regio de solues viveis, pois no atende s
restries 1) e 3).
99

ponto de interseo
destes 3 planos tambm no ponto: (3000; 0; 200). Este ponto no
35 Na geometria dizemos que so retas reversas.

100

ponto de interseo
tambm no se cruzam. As equaes 2) e 7) no so compatveis com
a 5), representando que as 3 retas no se cruzam.
destes 3 planos no ponto: (3000; 1500; 0). Este ponto no pertence
tambm no se cruzam, pois as
equaes 2) e 6) so paralelas.
Portanto o mesmo acontece com o sistema formado pelas restries

2) 6) e 8).
destes 3 planos no ponto: (2400; 1200; 200). Este ponto pertence
regio de solues viveis, pois atende a todas as restries.
36 Na geometria dizemos que so retas reversas.
101

um ponto de interseo. O mesmo acontece com o sistema formado
pelas restries 3) 4) e 8).
Vejamos o sistema formado pelas restries 3) 5) e 6). A reta 3) e 6)
so incompatveis com a 6) e nunca se cruzam.
Vejamos o sistema formado pelas restries 3) 5) e 7). As retas 3) e
7) nunca se cruzam.
7) nunca se cruzam.
destes 3 planos no
ponto: (0; 1200; 0). Este ponto pertence

102

7) nunca se cruzam.
destes 3 planos no ponto: (0; 0; 200). Este ponto pertence regio
de solues viveis, pois atende a todas as restries.
ponto: (0; 0; 200). Este ponto
pertence regio de solues viveis, pois atende a todas as

restries.
8) nunca se cruzam.
ponto: (0; 0; 200). Este ponto
pertence regio de solues viveis, pois atende a todas as

restries.
Vejamos o sistema formado pelas restries 4) 6) e 8).
As retas 4)
e 8) nunca se cruzam.
103
Vejamos o sistema formado pelas restries 4) 7) e 8).
As retas 4)
e 8) nunca se cruzam.
destes 3 planos tambm toda o eixo de X3 o que no atende a todas
as restries.
destes 3 planos tambm no ponto: (0; 0; 0). Este ponto pertence
destes 3 planos tambm no ponto: (0; 0; 0). Este ponto pertence
5.Mtodo Simplex
George Dantzig (1914-2005) apresentou os fundamentos do Algoritmo
Simplex em 1947. Seu desenvolvimento deveu-se ao esforo de
guerra impetrado pelos EUA durante a Segunda Guerra Mundial.
George Dantzig trabalhou durante a guerra no Pentgono, rgo de
defesa americano, como especialista em planejamento e programao
104
de atividades militares e ao final da guerra publicou as ferramentas

matemticas que desenvolveu para otimizar recursos e auxiliar na
tomada de deciso, era o Simplex 37.O mtodo simplex uma
poderosa ferramenta normalmente implementada em casos reais com
auxlio de programas de computador. Vamos neste tpico verificar os
princpios deste algoritmo para em seguida verificarmos como
implementar via computadores.
37 O nome Simplex deve-se ao conceito de simplex na geometria que

uma generalizao do conceito de tringulo a outras dimenses. o invlucro convexo de
(n+1) pontos independentes no
105

Pesquisa Operacional Notas de Aula UCB

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Pesquisa Operacional Notas de Aula UCB

Hochgeladen von

Copyright:

Verfügbare Formate

PesquisaOperacionalPrograma

(frequentemente alterado, portanto cuide de ter sempre a ltima

Espero que seja til. Alm disso, qualquer crtica, comentrio ou

ed., McGrawHill, 2010.

Lachtermacher, Gerson. Pesquisa Operacional na

Slack, Nigel; Chambers, Stuart; Johnston, Robert. Administrao da

Produo, Marketing e Vendas. Editora LTC, 2011.

Taha, Hamdy A. Pesquisa Operacional. 8 Edio. Editora

Pizzolato, Nlio D., Gandolpho, Andr Alves. Tcnicas

11 Teoria dos Jogos *

tem origem na necessidade de se resolver e

controlar problemas complexos de logstica, controle de recursos e

orientada para que seja capaz de resolver os problemas de maneira

1 Pesquisa Operacional (PO) tambm chamada de Cincia da Administraoou ainda

grupos de estudiosos e empresrios que buscavam mtodos mais

Ao tentar seguir um mtodo cientfico, a

Pesquisa Operacional investiga o problema, observa os fatos, formula

tambm ser vlida para o problema real. Para sustentar esta

fundamental analisar os resultados advindos do modelo matemtico

Como consequncia do que debatemos, as etapas de um estudo de

e) Implementar a soluo obtida do modelo e analisada pelos

Um modelo a representao de um sistema real. As diferenas entre

razo precisamos sempre de informaes quantificveis ao modelar

3 conveniente falar um pouco das bases matemticas. A Pesquisa Operacional utiliza

Se a funo objetivo juntamente com todas as restries forem

dizemos que o modelo de Programao no-linear.

a) Proporcionalidade: a contribuio de cada atividade ao valor

da funo objetivo Z proporcional ao nvel da atividade

devem ser bem conhecidos. Como no mundo real isso nem

Veremos ento ver alguns exemplos de como transformar um

a) Deve-se escolher as variveis de deciso e mant-las at o final

Uma pequena fbrica de calados produz sapatos e sandlias. As

sandlias so vendidas no mercado por R$22,00 e os sapatos por

de couro, levam-se trs horas no corte e costura e uma pessoa

Com estas variveis de deciso precisamos de uma funo que

produto pela quantidade de vendas do mesmo, podemos entender

que a receita total da empresa estudada ser dada por:

o resultado desta expresso que desejamos otimizar (neste

Uma vez que j identificamos as variveis de deciso e elaboramos

e este valor no pode em hiptese

alguma ser superior a 15 m2 (limite dirio), ele pode ser menor, ou

Outro ponto que deve ser obedecido o limite de horas de trabalho

(sandlias necessitam de 3 horas no corte e costura e sapatos

precisam de 4 horas para as mesmas atividades). Como temos um

O problema ainda limita a quantidade de pessoas envolvidas na

Se no h mais restries, podemos seguir. Aqui cabe uma dica.

Matematicamente dizemos que:

Feito isso esgotamos as possveis restries e podemos apresentar o

Uma empresa produz dois produtos (I e II) em uma de suas fbricas.

Na fabricao deles ela utiliza trs insumos crticos que restringem u

6 Santos, Maurcio Pereira. Apostila de Programao Linear do Instituto de Matemtica e

Cada unidade do produto I necessita para ser produzida de 70 kg da

Zmin 20 x1 60 x2 Funo que representa o lucro da empresa.

Em uma fazenda deseja-se fazer 10.000kg de rao com o menor

custo possvel. De acordo com as recomendaes do veterinrio a

7 Santos, Maurcio Pereira. Apostila de Programao Linear do Instituto de Matemtica e

menos do que 1.100 calorias por kg e no mximo 2.250 calorias por

Determine o modelo de programao linear para este problema.

O rgo regulamentador do Meio Ambiente determinou restries de

pesca para as empresas que atuam em um determinado local, com o

maior do que o dobro da quantidade de vermelho, determine o

1.200 (qtd. de vermelho)

de passeio) e comercial (usado em camionetes). Na produo dos

reboques so utilizados os departamentos de montagem e pintura, os