Beruflich Dokumente
Kultur Dokumente
ESTUDO DE INVESTIGAO
OPERACIOAL
1
PRIMEIRA
PARTE
PROGRAMAO LINEAR
O MTODO SIMPLEX
ANLISE DE SENSIBILIDADE
PROBLEMAS RESOLVIDOS
2
INDECE
PRIMEIRA PARTE
TEMA NOVE
PROBLEMA DE TRANSPORTE
1. Noes Gerais
5.1.1. Situao
5.1.2. Formulao do problema
5.1.3. O algoritmo de BUSACRER GOWEN
5.1.4. Exerccios Proposto
4
TEMA UM:
BREVE HISTORIAL DA INVESTIGAO OPERACIONAL
5
esse respeito motivaram-se para desenvolver pesquisas relevantes nesse campo, o que
resultou em avanos rumo ao que havia de mais novo. Um exemplo essencial o
mtodo simplex para soluo de problemas com programao linear, desenvolvido por
George Dantzig, em 1947.
6
interesses entre as unidades de modo que seja a melhor soluo para a organizao
como um todo. Isso no implica que o estudo de cada problema deva considerar
explicitamente todos os aspectos da organizao, ao contrrio, os objetivos devem ser
consistentes com aqueles de toda a organizao.
7
2. OBJECTO DE ESTUDO DA INVESTIGAO OPERACIONAL
Muitos dos problemas atuais baseiam-se em escolher uma alternativa, a melhor entre,
muitas ou seja, a tomada de deciso. A investigaooperacional (IO) um dos ramos
da matemtica que utiliza processos numricos de chegar a melhor alternativa.
Objetivo de Ensino da IO
Suponhamos por exemplo, que uma empresa dispe de diversos recursos (matria
prima, mo de obra, etc.) que os pode combinar de diversos modos para produzir
certo bem. Admitindo que o problema consiste em determinar a combinao produtiva
que permite obter o bem a um certo custo mnimo, pode sugerir a questo de procurar a
tcnica matemtica mais eficaz para minimizar certo tipo de funo custo.
8
Definio: Designa se por modelo uma representao suficientemente precisa de
caractersticas essncias da situao a analisar (da realidade) de modo que as concluses
(solues) obtida a partir dele sejam tambm validas para o problema real.
Nota: O modelo um esquema simplificado para a interpretao da realidade. Em
consequncia da complexidade do mundo real, necessrio formular modelos
simplificados que levem a compreenso de certos fenmenos. A mera acumulao de
observao no pode oferecer explicao satisfatria do fenmeno e, portanto, o
investigador tem a necessidade de sistematizar e racionalizar os factos conhecidos,
selecionando os aspectos mais importantes e desprezando os que considera irrelevante.
Existem 3 tipos de modelos:
9
TEMA DOIS
PROGRAMAO LINEAR
Os trs principais grupos de problemas que podem ser resolvidos por Programao
Linear so:
10
1. Formulao do problema. Definir o problema de interesse e anotar dados.
2. Construo do modelo matemtico para representar o problema.
3. Resoluo do problema: Desenvolver um procedimento a fim de derivar
solues para o problema a partir do modelo.
4. Avaliao do resultado: Testar o modelo e aprimor-lo conforme necessrio.
5. Tomada de deciso: Preparar-se para a aplicao contnua do modelo
conforme prescrito pela gerncia.
6. Implementao.
I. Formulao do Problema:
Nesta fase, o problema analisado a partir de um sistema integrado, no sentido de
coloca-lo de maneira clara e coerente, definindo os objetivos a alcanar e quais os
possveis caminhos alternativos para que isso ocorra.
NOTA: muito difcil procurar uma soluo certa para um problema mal formulado
11
Um tipo importante de modelos matemticos o modelo de programao linear (PL),
onde as funes matemticas que aparecem na funo objectivo e nas restries so
lineares.
Quando se desenvolve o modelo, deve-se comear com uma verso muito simples, para
depois evoluir-se para modelos mais elaborados e que mais de perto reflita a
complexidade do problema real. Este processo de enriquecimento de modelo contnua
apenas enquanto o modelo permanecer manejvel. Desta forma, o compromisso base a
considerar a entre a preciso e o manejar do modelo.
11 1 + 12 2 + + , {, =, }1
22 2 + + 2 , {, =, }2
. : { 21 1 +
1 1 + 2 2 + + , {, =, }
1 , 2 , , 0 condies de no negatividade
Onde:
12
III.Resoluo do problema. Clculo de uma soluo atravs do modelo.
Depois da construo do modelo matemtico para o problema, a etapa seguinte consiste
em obter uma soluo a partir do modelo. Existem 2 mtodos principais para obter uma
soluo ptima (ou vizinha da soluo ptima):
O modelo analtico consiste em obter a soluo por via dedutiva, utilizando diversos
ramos da matemtica.
Tem sido desenvolvido muito procedimento para determina estas solues para certo
tipo de problema. No entanto, necessrio reconhecer que estas solues so ptimas
apenas relativamente ao modelo utilizando. Uma vem que o modelo , necessariamente
mais uma idealizao do que uma representao exata do problema real, no existe
garantia de que a soluo ptima do modelo seja o melhor possvel que possa ser
incompleta no problema real. No entanto, se o modelo estiver bem formulado e testado,
a soluo resultante tendera a ser uma boa aproximao da ao real.
Combinada numa medida composta denominada por medida de rendimento total. Esta
medida pode ser muitas vezes evidente (por exemplo, custo) correspondendo a uma
grande meta da organizao, ou pode ser abstrata (por exemplo, utilidade). Neste
ultimo caso, a tarefa para desenvolver esta medida tende a ser um certo complexo,
exigindo uma comparao cuidadosa dos objetivos e da sua importncia relativa.
Exprimindo esta medida com uma funo matemtica das variveis de deciso.
13
nogarantem uma soluo ptima) para encontrar uma boa soluo, sub ptima, isto
muito frequente em casos em que o tempo, ou custo, para encontrar uma soluo ptima
de um modelo adequado do problema deve ser muito elevado.
Em conjunto com o estudo da fase seguinte, a anlise ps - otimal tambm implica uma
obteno de uma sequncia de solues que incluem uma serie de melhoramentos que
se aproximam da aco ideal. Assim, as aparente fraqueza da soluo inicial so
utilizadas para sugerir melhoramentos no modelo, nos seus dados de entrada e, talvez, o
procedimento de obteno de uma soluo. Uma nova soluo ento obtida, o ciclo
contnuo, at que o melhoramento nas sucessivas solues torne-se demasiado pequeno
para justificar a continuao.
14
incluir o modelo e um procedimento para a tomada de deciso, o que significa, que
todas aces a serem realizadas para a implementao dos resultados, devem ser
includas numa metodologia bem detalhada com todos os passos que sejam necessrio
seguir para sua implementao.
VI. Implementao
Neste passo efetua-se a implementao das solues obtidas usando a metodologia
elaborada. Neste processo, preciso envolver ativamente todos os componentes que
atuam no sistema em estudo.
Depois de seterem implementado as solues, tal como se referiu no 2 passo, pode ser
necessrioavanar para uma etapa mais complexa, incluindo alguns elementos novos.
Neste caso, inicia-se um novo ciclo para a resoluo do problema em causa, s que
agora com um nvel de complexidade superior.
1. Formulazao do problema:
- Quantidade de secretaria a produzir por ms (1 )
- Quantidades de estantes a produzir por ms (2 )
a) Funo objetivo
= 61 + 32
b) Restries
- Disponibilidade mensal de UE.
- Disponibilidade mensal de UMA.
15
- Produo mensal de secretarias.
Modelao matemtica
- Cada secretaria necessita de 2h (UE) pelo que o numero de horas necessria na
produo de 1 secretarias de 21 .
21 + 42 720
41 + 42 880 (UMA)
1 160 (MERCADO)
1 , 2 , 0 (no negatividade)
16
Os dados relativo ao custo de cada tipo de rao, as qualidades mnima diria de cada
ingrediente nutritivo bsico a fornecer a cada animal, bem como as quantidades destes
existentes em cada tipo de rao (j/kg) constam no seguinte quadro:
1) Formalizao do problema
a) Variveis de deciso
b. Funo objetivo
Minimizar o custo da rao diria.
= 101 + 52
b) Restries
- Quantidademnima diria de hidrato de carbono.
- Quantidade mnima diria de vitaminas.
- Quantidade mnima diria de protenas.
2) Modelao matemtica
1 , 2 0 (no negatividade)
17
As estaes de MARCO POLO, situada em vrio osis ao longo do caminho, apenas
tm disponveis 1600 gales de gua e 60 fardos de feno.
b) Funo objectivo
= 111 + 52
c) Restries
- Disponibilidade de caravana.
- Disponibilidade de feno.
- Disponibilidade de gua.
Camelos Dromedrios Disponbilidade
Capacidade 100 50 1000
Feno 3 4 60
Agua 100 80 1600
Renda a pagar 11 5
2) Modelao matemtica
Minimizar = 111 + 52 (renda)
Sujeito a 1001 + 502 1000 (capacidade)
31 + 42 60 (feno)
1001 + 802 1600 (gua)
1 , 2 0 (no negatividade)
18
Resoluo de exerccio
Com relao a P1
-variveis bsicas
Funo objectivo
Conjunto de restries
21 + 32 120
{ 1 40
1 30
1 0
Exemplo 5
Uma empresa de comida canina produz dois tipos de raes: Tobi e Rex.
19
Deseja-se saber qual a quantidade de cada rao a produzir de modo a maximizar o
lucro.No modelo deseja maximizar o lucro (Z) a partir da quantidade da rao Tobi
(1) e de rao Rex (2).
Funo objectivo
= 111 + 122
Conjunto de restries
11 + 42 10000 ( )
{
51 + 22 30000 ( )
1 , 2 0 ( )
20
TEMA TRS
RESOLUO GRFICA DE PROBLEMAS DE PL
2) Montar a funo-objetivo.
=, Sobre a reta
9) Formular a resposta.
21
ponto da regio admissvel e esteja o mais distante possvel da reta Z = 0 (maximizar)
ou o mais perto possvel (minimizar).
Max Z 4 x1 3x2
3x 4 x2 12
s.a : 1
7 x1 2 x2 14
x1 , x2 0
Max Z 4 x1 3x2
3x 4 x2 12
s.a : 1
7 x1 2 x2 14
x1 , x2 0
p / x1 0 4x2 12 x2 3
p / x2 0 3x1 12 x1 4
3
c) A inclinao da reta obtida de . Este valor corresponde ao simtrico do
4
quociente entre os coeficientes de x1 e x2.
p / x1 0 2x2 14 x2 7
p / x2 0 7 x1 14 x1 2
7
Inclinao da reta:
2
22
Nota: Sendo que, a regio de solues admissveis corresponder a uma regio limitada
pelas duas restries e pelos dois eixos, limitando se assim a uma figura do primeiro
quadrante:
Ao contrrio das restries, na funo objetivo no existe termo constante fixo com o
qual possamos relacionar os coeficientes das variveis. Assim sendo, escolhe se um
valor arbitrrio para o lucro ou seja, Z = 0 e tenta se representar a F.O. para esta
situao.
Max Z 4 x1 3x2
Z 4 x1 3x2 0
4 Z
x2 x1 F .O. reduzida
3 3
4
p / Z 0 tem se que x2 x1
3
p / x1 0 x2 0
4
p / x1 1 x2
3
23
3
OBS: O declive da reta da FO que corresponde a razo entre os coeficientes das
4
abcissas e das ordenadas.
16
1
3 x 4 x 12 x1
2
11
1
7 x 2 x 2 14 x2
21
11
Logo:
16 21 127
Z 4 x1 3x2 4. 3.
11 11 11
Problema de minimizao
Min Z 12 x1 14 x2
3x 7 x2 4
s.a : 1
4 x1 2 x2 3
x1 , x2 0
Flexibilidade do sistema
Min Z 12 x1 14 x2
3x 7 x2 4
s.a : 1
4 x1 2 x2 3
x1 , x2 0
24
Reta associado a 3x1 7 x2 4
4
P / x1 0 x 2
7
4
P / x 2 0 x1
3
3
P / x1 0 x2
2
3
P / x2 2 x1
4
A funo objetivo
Z 12 x1 14 x2
12
P / Z 0 12 x1 14 x2 0 x2 x1
14
P / x1 0 x2 0
6
Inclinao: 7 1 3
P / x1 x2
2 7
Graficamente:
25
3. PONTO TIMO. SOLUO TIMA
Este ponto denomina se ponto ptimo e corresponde ao par (x1, x2) de menor valor e
traduz a soluo ptima.
Uma vez identificada a soluo ptima, bastar calcular os valores que a traduzem,
considerando o vrtice obtido pela interseco das duas restries.
7
1
3 x 7 x 4 x1
2
22
1
4 x 2 x 2 3 x2
13
22
Logo:
13 7 127
Z 12 x1 14 x2 12. 14.
22 22 11
O problema de misto
Min Z x1 2 x2
15 x1 10 x2 75
s.a :
5 x1 5 x2 75
x1 , x2 0 A representao grfica conduz nos ao seguinte esquema:
26
Reta associado a 15 x1 10 x2 75
P / x1 0 x2 7,5
P / x2 0 x1 5
P / x1 0 x2 15
P / x2 0 x1 15
1
Inclinao: 2
1
P / Z 0 x2 x1
2
Minimizao da PO
Para diminuir Z, teremos que diminuir x1 e aumentar x2, isto , deslocar paralelamente a
reta que traduz a FO para a esquerda, at que esta atinja o ultimo ponto da regio de
solues admissveis.
Este ltimo ponto em que a FO passa, ser o ponto em que x1 mnimo e x2 mximo.
Este ponto torna o valor de Z mximo, logo o ponto ptimo.
15 x1 10 x2 75 x1 3
5 x1 5 x2 75 x2 12
Z x1 2x2 3 2 12 21
27
O problema de solues mltiplas
Max Z 10 x1 10 x2
x2 40
s.a : x1 20
2 x 2 x 80
1 2
x1 , x2 0
Flexibilidade do sistema
Min Z 10 x1 10 x2
x2 40
s.a : x1 20
2 x 2 x 80
1 2
x1 , x2 0
Reta associado a 2 x1 2 x2 80
P / x1 0 x2 40
P / x2 0 x1 40
Reta associado a x1=20 (reta vertical com abcissa igual a 20); a x2 = 40 (reta horizontal
com ordenada igual a 40)
FO: p/ Z = 0; x2 = x1
28
Aqui, a FO dever ser deslocada at coincidir com a ltima restrio (2x 1 2x2 = 80)
pois a posio que maximiza o lucro ainda dentro da regio de solues admissveis.
Z 10 x1 20 x2 10 40 10 0 400
10 80 10 4 400
Para calcular a inclinao da funo objetivo, procura-se a sua forma reduzida, ou seja,
transformar a equao por formas a encontrar a expresso da ordenada que funo da
abcissa.
Z - 3,50X1 - 0,25X2 = 0
28
X2 = 1 + 4 F.O. reduzida
2
28
Para Z =0 tem-se que X2= 1 X2=141
2
Ponto ptimo
X1 = 770.149,25 litros
X2 = 600.000 litros
Valor ptimo
29
Deve-se lembrar que no se perdeu informao relativamente a quantidade de
gasolina comum ( em litros) a ser produzida, que pode ser agora recuperada.
Z* = 2.845.522.38$
30
TEMA QUATRO
Seja: a x
ij ij bi
Esta restrio pode ser convertida numa igualdade pela adio de uma nova varivel no
negativa ao primeiro membro da desigualdade. Tal varivel ser numericamente igual a
diferena entre o segundo membro e o primeiro e designa se por varivel de folga.
Exemplo: x1 5 x2 4 x3 2 x4 30
Esta desigualdade pode ser convertida numa equao, bastando subtrair uma nova
varivel no negativa ao primeiro membro da desigualdade. Esta tal varivel designada
por varivel por varivel de excesso, representa numericamente a diferena entre o
primeiro e o segundo membro da desigualdade.
Exemplo: 2 x1 5x2 x3 50
Assim, todas as equaes que representam restries tero ou uma varivel de folga ou
uma varivel artificial. Uma soluo inicial no negativa para este novo conjunto de
restries, obtm se igualando em cada restrio, a respectiva varivel de folga ou
31
artificial, ao correspondente termo independente e igualando se a zero as restantes
variveis, incluindo as variveis de excesso.
Exemplo:
x1 2 x2 3
4 x1 5 x2 6
7 x 8 x 15
1 2
x1 2 x2 x3 3
4 x1 5 x2 x4 6
7 x 8 x 15
1 2
x1 2 x2 x3 3
4 x1 5 x2 x4 x5 6
7 x 8 x x6 15
1 2
Nota: Uma soluo inicial no negativa para este sistema de equaes, ser:
x3 3, x5 6, x6 15, x1 x2 x4 0
3. CUSTOS E PENALIZAO
Para garantir que isto acontea na soluo ptima (em contraste com a soluo inicial),
as variveis artificiais so incorporadas na funo objetivo com coeficientes positivos
de valores muito elevados nos problemas de minimizao, designados por M, e
coeficientes negativos de valores muito elevados nos problemas de maximizao,
designados por M. estes coeficientes (M e M), representam uma penalidade muito
severa em que se incorre se a respectiva varivel artificial tomar valor igual a unidade.
32
4. FORMA PADRO
Um problema de PL, diz se que est na forma padro, se todas as restries estiverem
representadas pe equaes e se for conhecida uma soluo inicial admissvel. Na
notao matricial, a forma padro tem as seguintes caractersticas:
Otimizar : Z C T X
Sujeito a : AX B
com : X 0
Onde:
Nota: doravante, os vectores sero normalmente representados por matrizes com uma
nica coluna e designados apenas por vectores , em vez de vector coluna. O expoente
T, indica a transposio.
33
Os dois vrtices 1 e 2 so solues ptimas, bem como qualquer outro ponto sobre o
segmento que se une.
Soluo no infinito:
34
TEMA CINCO
MTODO SIMPLEX
Porem, se dado um sistema Ax = b, onde: { (3.1)
35
Tal que m n, ou seja, sistema retaguarda, como determinar solues de Ax = b?
Teorema 1:
Definio : Seja Ax = b, A , , ( )
Se A tem m colunas LI ento a matriz B formada por estas colunas uma base para
,, .
+ =
36
Definio soluo bsica de Ax = b:Seja o sistema Ax = bdefinido em (3.1) ento uma
soluo de Ax = b ou seja A = b, denominada soluo bsica, se e somente se, em
(3.2), Xn = 0, ento:
= = 1
Definio soluo bsica factvel (vivel): combinada a soluo bsica factvel para
Ax = b se, e somente se:
Teorema 2:
demonstrao :
Seja 1 2 , [0,1].
Mostrara-se que:
i) 1 + (1 ) 2 ;
ii) 1 + (1 ) 0
Se 1 2 A1 = b;
Assim, A ( + (1 ) = + (1 ) = + (1 ) = .
Logo, ( + (1 ) ) = .
iii) Para se mostrar ii): 1 0 2 0 1 0 (1 ) 2 0;
Assim, ): 1 + (1 ) 2 0.
:. 1 + (1 ) 2 .
:. convexo
Teorema 3:
37
= ( ) com = 0 = +
Ento, sem perda de generalidade, suponha que
1, , .
= 1 + (1 ) 2 ; [0,1] 1 2 2 0.
Desde que = 0 = + 1, ,
1 1
= 0 = 0
{ 2 = + 1, , { 2 = + 1, , .
(1 ) = 0 = 0
1 2
Logo, 1 = ( 1 ) 2 = ( 2 )
1 1 =
1 2
como { 2 = {
=
2 =
1 2 = (1 2 ) = 0.
Teorema 4:
Ento, , pode ser escrito como combinao convexa dos pontos extremo
1 , 2 , , de S, ou seja = =1 =1 = 1
Teorema 5:
38
Ento, pelo teorema 3.3.3, , pode ser escrito como combinao convexa dos
pontos extremo 1 , 2 , , , ou seja, = =1 =1 = 1.
Logo = (=1 )1 1 + 2 2 + + .
Mas = 1 1 + 2 2 +
1 + 2 + + = =
=1
Ento , .
Corolrio
se a funo objetivo possui um mximo (mnimo) finito, ento pelo menos uma
soluo ptima um ponto extremo do conjunto convexo S.
Teorema 6:
Corolrio se um P.P.L admitir mais uma soluo ptima ento admite infinitas
solues ptimas.
Otimizar: =
Sujeito a: =
Com: 0
39
M mtodo simplex comea com a soluo bsica admissvel 0 e vai sucessivamente,
localizando outras solues bsicas (sempre adimissiveis) correspondentes a melhores
valores de funo objetivo, ate que seja encontrada uma soluo ptima
Resumidamente, podemos dizer que o mtodo simplex parte de uma soluo bsica
admissvel no ptima ate encontrar uma soluo bsica admissvel ptima.
0 0 A B
0
0
0 0 A B
0 0
Uma vez obtida esta ultima linha do quadro, a segunda linha e a segunda coluna do
quadro. Corresponde a 0 , respectivamente, torna-se suprfluas e podem ser
eliminadas
Exemplo 1
Maximizar z = 80 x1 + 60x2
Sujeito a:
40
com:x1 e x2 no negativos
Sujeito a:
x1 + x2 + x4 = 1
0,2 0,32 1 0
0 = [80 60 0 ] [0, ] [ ]
1 1 0 1
[80 60 0 ] [0 + 0 + 0]
[80 60 0 ] [ 0 ]
[80 60 00]
0,25
0 = [0 , ] [ ] =
1
Quadro simplex
x1 x2 x3x4
80 60 0 M
3 0 0,2 0,32 1 0 0,25
4 0 1 1 0 1 1
80 -M60 -M0 0 -M
Exemplo: 2
Maximizar z = x1 + 9x2 + x3
Sujeito a:
1 + 22 + 33 9
31 + 22 + 23 15
41
[1
= [1 2 3 4 ] 9 1 0 0]
1 2 3 1 0 9
=[ ] =[ ] 0 = [ 4 ]
3 2 2 0 1 15 5
Quadro simplex
x1 x2 x3 x4 x5
1231 0 9
4 3220 1 15
5 -1-9 -10 0 0
0 0
Passo 1: Localize numero mais negativo na ltima linha do quadro simplex, excluda a
ultima coluna, designando a coluna em que este nmero aparece como coluna de
trabalho. Se existir mais do que um candidato a numero mais negativo, escolha um.
Passo 2: Para cada linha do quadro (excetuando a ultima) como coeficiente positivo na
coluna de trabalho, divida cada elemento da ltima coluna pelo correspondente
coeficiente da coluna de trabalho. Designe o coeficiente de trabalho correspondente ao
menor coeficiente por elemento pivot. Se mais de um coeficiente mnimo, escola um.
Passo 4: Use operaes elementares sobre as linhas para converter o elemento pivot em
1 e, em seguida, reduzir a zero todos os outro elementos da coluna de trabalho.
42
Modificao 1: A ltima linha do quadro 3 1 decomposta em duas linhas, a primeira
linhas, a primeira das quais envolve os termos que no contem M, e a segunda os
coeficientes de M nos restantes termos
Exemplo: a linha
[9 8 0 9 9 0 0 14 2]
[9 0 9 0 0 0 14]
[8 0 9 0 1 0 2]
Modificao 3: sempre que uma varivel artificial deixa de ser bsica, isto , deixa de
figurar na 1 coluna do quadro, em resultado do passo 4, a correspondente
coluna(identificada na linha superior do quadro por essa varivel ) deve ser removida.
Modificao 4: a ultima linha do quadro pode ser eliminada quando for constituda
unicamente por zeros.
Coluna de trabalho
x1 x2 x3 x4 x5
4 1 2 310 9
5 32 201 15
-1 -9 -1 0 0 0
Coluna de trabalho
Segundo passo:
43
x1 x2 x3 x4 x5 9
= 4,5
2
4 1 2 310 9
5 32 2 0 1 15 15
= 7,5
-1 -9 10 0 0 2
Quarto passo
x1 x2 x3 x4 x5
1 31 9
4 2
1 22
0
2
5 2 0 -1 -1 1 6
7 259 81
2
0 22
0
2
Quinto passo
44
Exemplo n 3
Um fabricante de fantasia tem em stock 32m de brim, 22m de seda e 30m de cetim que
pretende fabricar dois tipos de fantasia. O primeiro modelo (M1) consome 4m de brim,
2m de seda e 2m de cetim. O segundo modelo (M2) consome 2m de brim, 4m de seda e
6m de cetim. Se M1 vendido a 6.000 u.m e M2 a 10.000 u.m quantas peas de cada
tipo o fabricante deve fazer para obter a receita mxima? Elabore o modelo.
- Formulao do problema
Dados
- Variveis de deciso
- Funo objetivo
- Restries
41 + 22 32
. {21 + 42 22
21 + 62 30
, 0
- Construo do modelo
- Restries
41 + 22 32
. {21 + 42 22
21 + 62 30
, 0
45
- Flexibilizao das restries
- Restries
41 + 22 = 32
. {21 + 42 = 22
21 + 62 = 30
32
p/2 = 0 41 = 32 1 = 2
=8
4
A inclinao da reta obtida de 2 2
22
p/2 = 0 21 = 22 1 = = 11
2
4 1
A inclinao da reta obtida de 2 = 2
30
p/2 = 0 21 = 30 1 = = 15
2
4 4
A inclinao da reta obtida de 2 = 2
p/Z = 0
0 = 6.0001 + 10.0002
6.0001 + 10.0002 = 0
10.0002 6.0001
46
6000
2 =
1000 1
3
2 = 1
5
p/1 = 0 2 = 0
3
p/1 = 1 2 = 5 = 0,6
6000 3
O declive da reta da FO 10000 = 5
1 = (0; 0)
2 = (8; 0)
3 = (0; 5)
4 21 + 42 = 22 |. (1)
21 + 62 = 30
21 42 = 22
4 {
21 + 62 = 30
22 = 8
8
22 = =4
2
21 + 42 = 22
21 + 4.4 = 22
21 + 16 = 22
21 = 22 16
6
21 = 6 1 = =3
2
4 = (3; 4)
21 + 42 = 22 |. (2)
5 {
41 + 22 = 32
47
41 82 = 44
5 {
41 + 22 = 32
62 = 12
12
2 = =2
6
21 + 42 = 22
21 + 4.2 = 22
21 + 8 = 22
21 = 22 8
14
21 = 14 1 = =7
2
4 = (7; 2)
= 6.0001 + 10.0002
/1 = (0; 0)
= 6.000 + 10.000
=0
/2 = (8; 0)
= 6.000.8 + 10.000.0
= 48000
/3 = (0; 5)
= 6.000.0 + 10.000.5
= 50000
/4 = (3; 4)
= 6.000.3 + 10.000.4
= 18000 + 40000
= 58000
48
/5 = (7; 2) .
= 6.000.7 + 10.000.2
= 42000 + 20000
= 62000
41 + 22 32
. {21 + 42 22
21 + 62 30
, 0
41 + 22 + 2 + 04 + 05 = 32
. {21 + 42 + 02 + 4 + 05 = 22
21 + 62 + 02 + 04 + 5 = 30
41 + 22 + 2 + 04 + 05 = 32
. {21 + 42 + 02 + 4 + 05 = 22
21 + 62 + 02 + 04 + 5 = 30
. 1 = 32; 4 = 22; 5 = 30
= = 0
Quadro simplex
0 0 A
+ 0 .
0 .
X=[ X1 X2 X3 X4 X5 X6 X7 X8 ]t
C=[6000 10000 0 0 0 0 ]T
4 2 1 0 0
= [2 4 0 1 0 ]
2 6 0 0 1
49
32 3 0
= [22] [0 = 4 ] [0 = 0]
30 5 0
4 2 1 0 0
+ 0 . = - [6000 10000 0 0 0 0 ]+ [0 0 0 ].[2 4 0 1 0]
2 6 0 0 1
+ 0 . = - [6000 10000 0 0 0 0 ]
= [6000 10000 0 0 0 0 ]
32
0 . = - [ 0 0 0 ].[22] = 0
30
1 2 3 4 5 6000 10000
0 0 0
X3 4 4 10 0 32
X4 2 4 0 00 22
X5 2 0 0 1 30
-6000 -100000 0 0 0
32 22 30
= 16; = 5,5; =5
2 4 6
1 2 3 4 5
X3 4 2 1 0 0 32
X4 2 4 0 1 0 22
X5 2 0 0 1 1
30 4
6
-6000 -10000 0 0 0 0
1 2 3 4 5
X3 4 2 1 0 0 32 2 24
X4 2 4 0 1 0 22
X5 2 1
1 0 0 5
3 6
-6000 -10000 0 0 0 0
1 2 3 4 5
X3 10 1 22
0 1 0
3 3
X4
2 4 0 1 0
X5 1 1 22 3 44
1 0 0 5
3 6
-6000 -10000 0 0 0 0
50
1 2 3 4 5
X3 10 1 22
0 1 0
3 3
X4 2 2
4 0 1 22
3 3
X5
1 1
1 0 0 5
3 6
8000 5000 0 5 + 100004
0 0 0
3 3
1 2 3 4 5
X3 10 1 22
0 1 0
3 3
X4 2 2
4 0 1 2
3 3
1 1
X5 1 0 0 5
3 6
8000 5000 50.000
0 0 0
3 3
1 2 3 4 5
X3 10 1 22
0 1 0
3 3
X4 2 2
4 0 1 3
3 3 2 3
2
1 1
X2 1 0 0
3 6 5
8000 5000 50.000
0 0 0
3 3
22 3 66 2 3 5
10 22 = = 6,6; 2 2. = 3; 1 5.3 = 15
10 10 2
3 3 3
1 2 3 4 5
X3 10 1 10
0 1 0 22 2 3
3 3 3
X4 3
1 0 0 -1
2
3
1 1
X2 1 0 0
3 6 5
8000 5000 50.000
0 0 0
3 3
1 2 3 4 5
X3 0 0 1- 53 12
X4 3
1 0 0 -1
2
3
1 1
X2 1 0 0 1
3 6 5 4 3
3
51
8000 5000 50.000
0 0 0
3 3
1 2 3 4 5
X3 0 0 1 -5 3 12
X4 3
1 0 0 -1
2
3
1 1
X2 0 1 0 4
2 2
X4 3
1 0 0 -1
2
3
1 1
X2 0 1 0 4
2 2
1 2 3 4 5
X3 0 0 1 -5 3 12
X4 3
1 0 0 -1
2
3
1 1
X2 0 1 0 4
2 2
1 2 3 4 5
1
X3 0 0 1 -5 12 2
3
X4 3
1 0 0 -1 3
2
1 1 4
X2 0 1 0
2 2
1 2 3 4 5
X3 1 5 4
0 0 - 1
3 3
X4 3 3 3 + 2
1 0 0 -1
2
4
1 1
X2 0 1 0
2 2
52
1 2 3 4 5
X3 1 5 4
0 0 - 1
3 3
X4 3 1 7
1 0 - 0
2 6
1
1 1
4 4 2
2
X2 0 1 0
2 2
1 2 3 4 5
X3 1 5 4
0 0 - 1
3 3
X1 3 1 7
1 0 - 0
2 6
X2 1 1 1
0 1 0 4 4 2
2 2 2
1 2 3 4 5
X1 1 1 7
1 0 - 0
3 6
1 1 2
X2 0 1 0
3 3
X5 1 1 4
0 0 - 1
3 3
X1 1 1 7
1 0 - 0
3 6
X2
1 1
0 1 0 2
3 3
1 = 7
= 62.000
Para obter a receita mxima o fabricante deve fabricar para o MODELO 1, 7m de cada
pea e para o modelo 2, 2m de cada pea.
53
TEMA SEIS
Exemplo de um Problema
a) Formulao do problema
Recurso Disponibilidade
Madeira 12m2
Mo-de-obra 8 H.h
O processo de produo tal que, para fazer uma mesa a fbrica gasta 2 m2 de madeira e
2 H.h de mo-de-obra. Para fazer um armrio, a fbrica gasta 3 m2 de madeira e 1 H.h
de mo-de-obra.
Alm disso, o fabricante sabe que cada mesa d uma margem de lucro de $4.00 e cada
armrio de $1.00. O problema encontrar o programa de produo que maximiza a
margem de contribuio total para o lucro."
b) Montagem do modelo
54
Para as restries, a relao lgica existente :
Assim temos
Madeira: 2 x1 + 3 x2 12
Mo-de-obra: 2 x1 + x2 8
O modelo completo :
Maximizar: z = 4 x1 + x2
Sujeito a: 2 x1 + 3 x2 12
2 x1 + x2 8
x1, x2 0
Soluo do modelo
Deste modo, a folga de cada recurso pode ser representada por uma varivel de forma
exatamente igual produo de cada produto. Desse modo, vamos chamar:
55
Maximizar: z = 4 x1 + x2
Sujeito a:
2 x1 + 3 x2 + f1 = 12
2 x1 + x2 + f2 = 8
No entanto, todas as variveis devem ser maiores ou iguais a zero. Atribuir zero a uma
varivel significa no produzir um dos produtos (se a varivel for x1 ou x2) ou utilizar
toda a disponibilidade de recursos (se a varivel for f1 ou f2). Desta forma, podemos
encontrar solues para o sistema de equaes igualando a zero duas variveis (n - m =
2) e encontrando o valor para as duas variveis restantes. Teremos que resolver ento
4!
C 42 6
2! 2!
sistemas de equaes lineares.
Variveis no-bsicas: x1 = 0 e x2 = 0
Variveis bsicas f1 = 12 e f2 = 8
Dando o lucro z = 0
Variveis no-bsicas: x1 = 0 e f1 = 0
Dando o lucro z = 4
3) Variveis no bsicas: x1 = 0 e f2 = 0
4) Variveis no bsicas: x2 = 0 e f1 = 0
56
Como f2< 0, a soluo obtida INVIVEL.
5) Variveis no bsicas: x2 = 0 e f2 = 0
6) Variveis no bsicas: f1 = 0 e f2 = 0
Comparando todas as solues encontradas por este processo, achamos a soluo tima,
ou seja, x1 = 4, x2 = 0, f1 = 4, f2 = 0, dando um lucro z = 16.
Que o prximo sistema a ser resolvido fornecer uma soluo melhor que os anteriores;
Como identificar uma soluo ptima, uma vez que a tenhamos encontrado.
Essa sistemtica o mtodo Simplex, e as regras que o mtodo utiliza para atender s
trs questes acima so, basicamente, os critrios que desenvolvemos nos itens
anteriores. Vamos voltar ao nosso pequeno problema, j com as variveis de folga:
Maximizarz = 4 x1 + x2
Sujeito a:
2 x1 + 3 x2 + f1 = 12
2 x1 + x2 + f2 = 8
de: z = 4 x1 + x2
Quadro
Base x1 x2 f1 f2 b
57
f1 2 3 1 0 17
f2 2 1 0 1 8
Z -4 -1 0 0 0
A ltima coluna corresponde aos termos independentes das equaes, e a ltima linha
contm os coeficientes das variveis na funo objetivo. Nessa ltima linha teremos
sempre a contribuio que cada varivel d para o lucro total z, por unidade, em cada
iterao do processo de soluo. Essa ltima linha ser chamada de funo objetivo
transformada, ou funo z-transformada.
a) Soluo inicial
A soluo inicial para o problema ser sempre obtida fazendo as variveis originais
do modelo (no caso x1 e x2) iguais a zero e achando o valor das demais.
f1 = 12
f2 = 8 (variveis bsicas)
z=0
b) Segunda soluo
Das duas variveis no bsicas (nulas) na primeira soluo, qual deve se tornar
positiva?
Das duas variveis bsicas (positivas) na primeira soluo, qual dever ser
anulada?
Assim, aplicando o critrio de que devemos produzir primeiro o produto que mais
contribui para o lucro, vamos comear a produo pela varivel x1, j que sua
contribuio unitria para o lucro (4) maior que a contribuio de x2, igual a 1.
58
Logo, a varivel que dever se tornar positiva x1.
Observe que esta anlise pode ser feita diretamente do Quadro 1, atravs da diviso dos
elementos da coluna b pelos correspondentes elementos da coluna x1. O menor
quociente indica, pela linha em que ocorreu, qual a varivel bsica que deve ser
anulada. Assim, como o menor quociente dado pela diviso 8 / 2 = 4, a varivel bsica
a ser anulada f2, que a varivel positiva na atual soluo, cujo valor foi encontrado
na segunda linha.
Assim temos:
x2 = 0
f2 = 0
E o sistema restante deve ser resolvido para acharmos o valor de x1 e f1. A soluo desse
sistema ser feita usando o Quadro 1 com as equaes completas e usando as operaes
vlidas com as linhas da matriz, como apresentado no Captulo 2.
Quadro 1A
Bas x1 x2 f1 b
e f2
f1 2 3 1 0 12
x1 1 1/2 0 1/2 4
Z -4 -1 0 0 0
2 operao: Multiplicar a segunda linha do Quadro 1A por (-2) e somar com a primeira
linha do mesmo quadro, colocando o resultado na primeira linha (L1 L1 - 2 L2)
Quadro 1B
Base x1 x2 f1 f2 b
f1 0 2 1 -1 4
59
x1 1 1/2 0 1/2 4
Z -4 -1 0 0 0
3 Operao: Multiplicar a segunda linha do Quadro 1B por (4) e somar com a terceira
linha do mesmo quadro, colocando o resultado na terceira linha (L3 L3 + 4 L2).
Quadro 2
Base x1 x2 f1 f2 b
f1 0 2 1 -1 4
x1 1 1/2 0 1/2 4
Z 0 1 0 2 16
Passo 3: Estabelecer uma soluo bsica inicial, usualmente atribuindo valor zero s
variveis originais e achando valores positivos para as variveis de folga.
Passo 4: Como prxima varivel a entrar na base, escolher a varivel no bsica que
oferece, na ltima linha, a maior contribuio para o aumento da funo objetivo (ou
seja, tem o maior valor negativo). Se todas as variveis que esto fora da base tiverem
coeficientes nulos ou positivos nesta linha, a soluo atual ptima. Se alguma dessas
variveis tiver coeficiente nulo, isto significa que ela pode ser introduzida na base sem
60
aumentar o valor da funo objetivo. Isso quer dizer que temos uma soluo ptima,
com o mesmo valor da funo objetivo.
Passo 5: Para escolher a varivel que deve deixar a base, deve-se realizar o seguinte
procedimento:
O menor quociente indica a equao cuja respectiva varivel bsica dever ser anulada,
tornando-se varivel no bsica.
Outro exemplo
Vamos resolver pelo mtodo simplex o problema das raes proposto no capitulo 1 cujo
o modelo foi apresentado no capitulo 3.
Maximizar Z= 11 x1 +12 x2
Sujeito a:
x1 + 4 x2 10000
x1, x2 0
Sujeito a:
x1 + 4 x2 + f1 10000
5 x1 + 2x2 + f2 30000
Base x1 x2 f1 f2 b
61
F1 1 4 1 0 10000
f2 5 2 0 1 30000
z -11 -12 0 0 0
b) Primeira interao
Varivel a entrar na base: 2 (coluna com maior valor negativo na ultima
linha)
Varivel a sair da base: 1 (o quociente 10000/4 menor quociente entre a
ultima coluna e a coluna da varivel 2 que vai entrar na base)
1 1 /4
2 2 /21
3 3 + 121
Base x1 x2 f1 f2 b
Z -8 0 3 0 30000
c) Segunda iterao
Varivel a entrar na base: 1 (coluna com maior valor negativo na ltima linha)
Base x1 x2 f1 f2 b
62
Na modelagem de um problema de programao linear, algumas situaes especficas
podem ocorrer, o que pode levar a casos em uma forma matemtica diferente da
apresentada ate o momento. Entretanto, alguns artifcios matemticos ajudam a reduzir
o modelo obtido a forma padro estudada.
Exemplo: minimizar = 1 1 + 2 2 + +
equivalente a
Maximizar = 1 1 2 2
Caso que queira resolver directamente, devemos alterar o critrio de entrada das
variveis na base. A varivel que entra na base passa a ser aquela que tem o maior valor
positivo na linha z-transformada.
Uma desigualdade em uma direo ( ou ) pode ser mudada por uma desigualdade na
direo oposta, pela multiplicao de ambos os lados da desigualdade por (-1)
Exemplo: 1 1 + 2 2
equivalente a
1 1 2 2
Restries de igualdade
Uma equao pode ser substituda por duas desigualdades de direo oposta.
Exemplo: 1 1 + 2 =
Equivalente a duas desigualdades simultneas:
1 1 + 2
1 1 + 2
Uma varivel irrestrita em sinal (ou seja, pode ser positiva, nula ou negativa) pode ser
substituda pela diferena de duas variveis no negativas.
63
Exemplo: se a varivel1 for irrestrita em sinal pode ser substituda pela diferena
(1 1 )
Com
1 0 1 0
O Mtodo Simplex utiliza uma soluo inicial vivel para comear o processo iterativo,
trabalhando sempre dentro da regio vivel. Nos casos apresentados at o presente
momento, a soluo xi = 0, para i = 1, ..., n era uma soluo vivel, j que todas as
restries apresentadas foram do tipo (). Quando as restries so do tipo (=) ou (),
esta soluo no existe.
Minimizar z = 10 x1 + 4 x2 + 5 x3
sujeito a:
8 x1 + 3 x2 + 4 x3 10
4 x1 + 3 x2 8
x1, x2, x3 0
Como temos uma restrio do tipo (), a varivel de folga deve ter coeficiente negativo,
tendo o significado de uma varivel de excesso. O problema transformado :
Minimizar z = 10 x1 + 4 x2 + 5 x3
sujeito a:
8 x1 + 3 x2 + 4 x3 f1 = 10
4 x1 + 3 x2 + f2 = 8
Note que, pelo processo de soluo anterior, a varivel de excesso (f1 passaria a ter
valor negativo na soluo inicial (-10), o que no permitido. Assim, a soluo x1 = x2
= x3 = 0 invivel. necessrio ento encontrar uma soluo vivel para que o mtodo
Simplex possa ser iniciado.
64
8 x1 + 3 x2 + 4 x3 f1 + z1 = 10
4 x1 + 3 x2 + f2 + z2 = 8
= - z1 z2 = 12 x1 + 6 x2 + 4 x3 f1 + f2 18
d) Soluo inicial
Base x1 x2 x3 f1 f2 z1 z2 b
z1 8 3 4 -1 0 1 0 10
z2 4 3 0 0 1 0 1 8
z' = -z 10 4 5 0 0 0 0 0
65
zaux = 0: neste caso foi obtida uma soluo bsica do problema original e o processo de
soluo deve continuar, desprezando-se as variveis artificiais e os elementos da ltima
linha. o incio da segunda fase do processo.
zaux 0: neste caso o problema original no tem soluo vivel, o que significa que as
restries devem ser inconsistentes.
Varivel a entrar na base: x1 (coluna com maior valor negativo na ltima linha)
Varivel a sair da base: z1 (o quociente 10/8 o menor quociente entre a ltima coluna e
a coluna da varivel x1, que vai entrar na base)
L1 L1 / 8
L2 L2 - 4 L1
L3 L3 - 10 L1
L4 L4 + 12 L1
Base X1x2x3f1f2z1z2 b
Varivel a entrar na base: x2 (coluna com maior valor negativo na ltima linha)
L1 L1 - 3 L2 / 8
L3 L3 - L2 / 4
L4 L4 + 3 L2 / 2
Base x1x2x3f1f2z1z2 b
66
z' = -z 0 0 1/3 7/6 -1/6 -7/6 1/6 -13
zaux 0 0 0 0 0 1 1 0
Como na ltima linha o valor da funo objetivo artificial zero, a primeira fase
terminou e a soluo encontrada a soluo bsica inicial para a segunda fase.
Removendo a ltima linha e as colunas referentes s variveis artificiais, o quadro se
torna:
Base x1x2x3f1f2 b
X1 1 0 1 -1/4 -1/4
X2 0 1 -4/3 1/3 2/3 2
z' = -z 0 0 1/3 7/6 -1/6 -13
Varivel a entrar na base: f2 (coluna com maior valor negativo na ltima linha)
L2 3 L2 / 2
L1 L1 + L2 / 4
L3 L3 + L2 / 6
Base x1x2x3f1f2 b
X1 1 3/8 -1/8 0 5/4
X2 0 3/2 -2 1/2 1 3
z' = -z 0 0 5/4 0 -12,5
X1 = 1,25
X2 = 0
z = -z' = 12,5
67
TEMA SETE
PROBLEMAS MODELADOS
x1 , x 2 0
2) Uma companhia de aluguer de caminhes possua-os de dois tipos: o tipo A com 2 metros cbicos
de espao refrigerado e 4 metros cbicos de espao no refrigerado e o tipo B com 3 metros cbicos
refrigerados e 3 no refrigerados. Uma fbrica precisou transportar 90 metros
cbicos de produto refrigerados e 120 metros cbicos de produto no refrigerado.
Quantos caminhes de cada tipo ela deve alugar, de modo a minimizar o custo, se o aluguer do
caminho A era $0,30 por km eo do B, $0,40 por km. Elabore o modelo de programao
linear.
68
preparao do sorvete disponibilizam 180 horas de operao, sendo que cada lote de bolos de
chocolate consome 2 horas de trabalho e cada lote de bolos de creme 3 horas.
Formule apenas o modelo do problema.
Max.Z x1 3 x 2
x1 40
x2 60
x2 10
s.a :
x1 x2 203
x1 2x2 180
x1 , x 2 0
4) A Fashion Things Ltda. uma pequena empresa fabricante de diversos tipos de acessrios femininos,
entre eles bolsas de modelos diferentes. A empresa foi convencida, pelo seu distribuidor, de que existe
mercado tanto para bolsas do modelo padro (preo mdio) quanto para as bolsas do modelo luxo
(preo alto). A confiana do distribuidor to acentuada que ele garante que ele ir comprar todas as
bolsas que forem produzidas nos prximos trs meses. Uma anlise detalhada dos requisitos de
fabricao resultaram na especificao da tabela abaixo, a qual apresenta o tempo despendido (em
horas) para a realizao das quatro operaes que constituem o processo produtivo, assim
como o lucro estimado por tipo de bolsa:
69
tonelada de Lminas grossas por dia. Quantos dias cada uma das fbricas dever
operar para atender aos pedidos ao menor custo possvel? Elabore o modelo.
x1 , x2 0
6) Um vendedor de frutas pode transportar 800 caixas de frutas para sua regio de
vendas. Ele j transporta 200 caixas de laranjas a 20 u.m. de lucro por caixa por
ms. Ele necessita transportar pelo menos 100 caixas de pssegos a 10 u.m. de
lucro por caixa, e no mximo 200 caixas de tangerinas a 30 u.m. de lucro por
caixa. De que forma dever ele carregar o caminho para obter lucro mximo?
Max.Z 10 x1 30 x 2 4000
x1 x 2 600
100
s.a : x1
x 2 200
x1 , x2 0
7) Uma rede de televiso local tem o seguinte problema: foi descoberto que o
programa A com 20minutos de msica e 1 minuto de propaganda chama a ateno
de 30.000 telespectadores, enquanto o programa B, com 10 minutos de msica e 1
minuto de propaganda chama ateno de 10.000 telespectadores. No decorrer de
uma semana, o patrocinador insiste no uso de no mnimo, 5 minutos para sua
propaganda e que no h verba para mais de 80 minutos de msica. Quantas vezes
por semana cada programa deve ser levado ao ar para obter o nmero mximo de
telespectadores? Elabore o modelo.
70
gramas de extrato de guaran e 1 grama de cafena, enquanto uma dose da soluo
Blue contribui com 6 gramas de extrato de guaran e 2 gramas de cafena. Uma
dose de soluo Red custa R$ 0,06 e uma dose de soluo Blue custa R$ 0,08.
x1 , x2 0
9) Um fabricante de bombons tem estocado bombons de chocolate, sendo 130 kg
com recheio de cerejas e 170 kg com recheio de menta. Ele decide vender o
estoque na forma de dois pacotes sortidos diferentes. Um pacote contm uma
mistura com metade do peso dos bombons de cereja metade em menta e vende por
R$ 20,00 por kg. O outro pacote contm uma mistura de um tero de bombons de
cereja e dois teros de menta e vende por R$12,50 por kg. O vendedor
deveria preparar quantos quilos de cada mistura a fim de maximizar seu lucro nas
vendas?
Max.Z 20 x1 12,50 x 2
1 1
x1 x 2 130
s.a : 2 3
1 x 2 x 70
2
1 2
3
x1 , x2 0
10) Uma mulher tem R$ 10.000,00 para investir e seu corretor sugere investir em dois
ttulos, A e B.O ttulo A bastante arriscado, com lucro anual de 10% e o ttulo B
bastante seguro, com um lucro anual de 7%. Depois de algumas consideraes,
ela resolvem investir no mximo R$ 6.000,00no ttulo A, no mnimo R$ 2.000,00
no ttulo B. Como ela dever investir seus R$ 10.000,00 a fim de maximizar o
rendimento anual?
71
PROBLEMAS PROPOSTOS DE PROGRAMAO LINEAR
min Z x1 3x 2 x 4 2 x5
s.a. : x1 x 4 x5 3
x1 x 2 x 4 3
5 x1 x3 2 x 4 16
x1 , x 2 , x3 , x 4 , x5 0
min Z 2 x1 3x 2 4 x3
s.a. : x1 5 x 2 3x3 15
x1 x 2 x3 5
5 x1 6 x 2 4 x3 10
x1 , x 2 , x3 0
3. Uma fbrica de tintas produz dois tipos de produto: 1 tinta para interiores e uma tinta
para exteriores. Para isso recorre a dois tipos de matria prima, A e B, das quais possu,
respectivamente, 6 e 9 toneladas, em stock, stock esse que no pode ser reforado . Para
72
produzir uma tonelada de tinta interior so necessrias 1 tonelada de A e 2 toneladas de
B. No caso da tinta exterior, para produzir uma tonelada so necessrias 1 tonelada de A
e duas toneladas de B. Um estudo de mercado indica que a procura de tinta interior no
excede em mais de 1 tonelada de tinta exterior. O preo de venda da tinta interior de
30$00 por Kg e o da tinta exterior de 45$00 por kg.
Formule o problema.
leo A leo B
Viscosidade 40 40
( Baum)
Teor em Enxofre 30 52
Preo 30 20
(u.m/l)
Formule o problema.
6.Um fabricante de papel produz trs tipos de papel: pesado (P) com um lucro de 6
u.m./ton, mdio (M) com um lucro de 4 u.m/ton e fino (F) com um lucro de 5 u.m./ ton.
73
Considera-se que para produzir uma tonelada de P so necessrios 2 ton de pasta e 2
unidades de energia elctrica, para M os valores so 1 e 2 e para F 1 e 5.
Formule o problema
7.Uma empresa possui uma fbrica de objetos de plstico. Dois dos tipos de matria
prima de que necessita, designemo-los por A e B, so produzidos internamente, numa
linha de produo parcialmente autnoma, com custo de 16$00/kg e de 24$00/kg,
respectivamente.
Sabe-se que so necessrios 2 trabalhadores para obter uma tonelada de matria primas
A, enquanto para obter uma tonelada de matria-prima B necessrio somente 1.
max Z 80 x1 60 x 2
s .a . : 5 x1 3x 2 30
2 x1 3x 2 24
x1 3 x 2 18
x1 , x 2 0
74
a) Obtenha o quadro do simplex no qual se tem como variveis bsicas as variveis
x1 , y 2 , y3 e prossiga com a aplicao do mtodo at chegar ao valor ptimo do
problema.
b) Discuta as implicaes das alteraes que a seguir se descrevem na resposta
apresentada em a).
bi ) O vector dos termos independentes das restries passa a ser dado
por 30 22 18
T
min Z 2 x1 3x 2
s.a. : x1 2 x 2 1
x1 x 2 2
x1 , x 2 0
linear:
75
produo (em toneladas). Os preos de venda dos refrigerantes so 1.5 e 1 u.m.,
respectivamente.
b)
maxZ x1 x 2 x3
s .a . : x1 x3 1
2 x1 x 2 x3 8
x1 x 2 x3 2
x1 , x 2 , x3 0
76
Z 5 0 0 0
3/2 1 0 -1/8 3/8 0
2 0 1 -1/2 0
4 0 0 1 -2 1
a) Recorrendo primeira fase do mtodo das duas fases determine uma soluo bsica
admissvel e o seu valor para o problema P
b) Classifique a soluo encontrada em a) quanto optimizao. Caso a soluo no
seja ainda a ptima, escreva e resolva as equaes conducentes obteno da
prxima soluo.
14.Considere o seguinte problema de programao linear:
x1 x2 y1 y2
x1 16 1 0 -2 6
77
c) Realize uma anlise de sensibilidade aos segundos termos das restries e aos
coeficientes da funo objetivo.
d) Escreva o dual problema e, recorrendo complementaridade, encontre a sua soluo
ptima.
e) Suponha que introduzida uma restrio adicional ao problema
x2 15
Quais as alteraes que a introduo de uma tal restrio trar ao quadro ptimo?
(P) Min Z x1 3x 2 x3
s.a : 2 x1 x 2 x3 18
x1 x 2 3 x3 36
x1 3 x 2 x3 24
x1 , x 2 , x3 0
Numa pequena oficina produzem-se dois tipos de peas: A e B. Para tal, o arteso
dispe de uma nica mquina que pode utilizar at 8h por dia. Para produzir uma
pea A o arteso necessita de utilizar a mquina durante uma hora, enquanto que para
produzir uma pea de B o arteso ocupa a mquina durante duas horas.
Recentemente o arteso recebeu a visita de uma equipa de consultores da regio de
turismo que definiu que:
78
A mquina no deve ser ocupada em mais do que 50% do seu tempo
disponvel com cada um dos dois tipos de pea a produzir.
a) Determine o esquema de produo que permite maximizar o valor das receitas.
min Z x1 3x 2 2 x3
s.a. : 2 x1 3x 2 7
5 x1 3x 2 2 x3 8
5 x1 2 x 2 x3 7
x1 , x 2 , x3 0
( P ) min z x1 3 x 2
s.a. x1 x 2 2
x1 4
x1 x 2 5
x2 6
x1 , x 2 0
79
xi (i=1,2,3,4) que se deve produzir mensalmente. Sabe-se que o lucro unitrio associado
a cada um dos produtos de 300, 725, 200 e 450 u.m./Kl, respectivamente.
1 3 1 2 60
Matria-Prima
(Kg/ms)
2 8 2 3 140
Mo-de-obra
(horas
homem/ms)
3 5 6 3 100
Espao de
armazenagem
(m3/ms)
Com base em todas estas informaes foi possvel formular o problema em termos de
Programao Linear na seguinte forma:
80
x1 x2 x3 x4 y1 y2 y3
81
b) Resolva-o graficamente, indicando a sua soluo ptima. Caracterize-a,
descrevendo o que se produz e em que quantidade e refira o consumo de
matria-prima
c) Formule o problema dual correspondente. Determine e interprete
economicamente a soluo ptima dual.
1)
a) x1 3 , x2 6 e x3 1 . S.B.A..
b) ptima visto que os valores dos custos reduzidos das variveis no bsicas
mostram que no possvel melhorar o valor actual da funo objectivo.
2)
a) y1 15 , y2 5 e y3 10 . S.B.A..
b) Novas variveis bsicas: y1 , y 2 , x 3 .
c) Nova soluo bsica: y1 45 / 2 , y 2 5 / 2 , x3 5 / 2 .
3)
a) Sejam:
x1 Quantidade de tinta para interiores a produzir (kg)
MaxZ 30 x1 45 x 2
s.a. x1 2 x 2 6
2 x1 x 2 9
x1 x 2 1
x1 , x 2 0
b) x * 8 / 3, 5 / 3 ; y * 0, 2,0 ; z * 155 .
4) x * 11 / 3, 5 ; y * 1 / 3,0,0 ; z * 400 / 3 .
5)
a) Sejam:
x1 Quantidade de leo A no novo leo (l)
82
x2 Quantidade de leo B no novo leo (l)
MinZ 30 x1 20 x 2
s.a. 40 x1 40 x 2 60( x1 x 2 )
0.3x1 0.52 x 2 0.4( x1 x 2 )
x1 x 2 100
x1 , x 2 0
MaxZ 5 x1 4 x 2 6 x3
s.a. x1 x 2 2 x3 30
5 x1 2 x 2 2 x3 40
x1 , x 2 , x3 0
b) x * 0,10,10 ; y * 0, 0 ; z * 100 .
7)
a) Sejam:
83
MinZ 16 x1 24 x 2
s.a. x1 4
x 2 10
2 x1 x 2 30
x1 , x 2 0
b) Problema Dual:
MaxG 4w1 10w2 30w3
s.a. w1 2w3 16
w2 w3 24
w1 , w2 0
w3 0
9)
a) S.B.A: x 0,1/ 2 ; y 0, 3 / 2 .
b) Valor da soluo: z =3/2. A soluo ptima.
10)
a) x1 , x2 1,1/ 2 1 4 / 3,0, com 0,1 .
b) Problema Dual:
MinG 40w1 60w2
s.a. 20w1 45w2 1.5
40w1 30w2 1
w1 , w2 0
84
0, o que significa que no h vantagem em adquiri-la. Por sua vez, o preo
sombra da matria-prima 2 1/30 u.m., o que significa que vantajoso para a
empresa adquirir uma quantidade extra de matria-prima 2, desde que o preo de
aquisio seja inferior a 1/30 u.m/unidade adquirida.
11)
a) A soluo bsica encontrada x 0,0,1 ; y 0, 7,3 . Trata-se de uma soluo
bsica admissvel.
b) A soluo ptima obtida x * 0,3,1 ; y * 0, 4,0 e tem valor z * =4.
c) b1 0,3
d) A nova soluo ptima x * 1,1,0 ; y * 0,5,0 com valor z * =5.
e) A soluo permanece admissvel e ptima.
12)
MaxZ 2 x1 x 2
s.a. 4 x1 3 x 2 12
4 x1 x 2 8
4 x1 x 2 8
x1 , x 2 0
85
c)
x1 x2 x3 y1 y2
Z 24 0 0 2 0 0
y1 10 -5/3 0 2/3 1 0
y2 28 4/3 0 8/3 0 1
x2 8 -1/3 1 1/3 0 0
MaxZ 5 x1 10 x 2
s.a. x1 2 x 2 8
x1 2 x 2
x1 4
2 x2 4
x1 , x 2 0 e inteiros
40 0 0 5 0 0 0
Z
x1 4 1 0 1/2 -1/2 0 0
x2 2 0 1 1/4 1/4 0 0
y3 0 0 0 -1/2 1/2 1 0
y4 0 0 0 -1/4 -1/4 0 1
16)
86
a) A soluo bsica encontrada x 7 / 5,0,0; y 21/ 5,1,0 . Trata-se de uma
S.B.A.
b) A soluo ptima x* 1,1,0; y* 2,0,0 e tem valor z*= - 2.
17)
a) O conjunto das solues admissveis de P o poliedro cujos pontos extremos
so:
A(0,5); B(0,6); C(4,6); D(4,2) e E(7/2,3/2).
c) Problema Dual:
18)
a) Produzem-se os solventes 1, 2 e 4 nas quantidades de 2Kl, 14 Kl e 8 Kl,
respectivamente. Consomem-se todos os recursos disponveis, havendo
vantagem em aumentar a sua disponibilidade, desde que esse aumento no traga
custos superiores a 142.5 u.m., 367.5 u.m. e 47.5 u.m, por unidade de matria-
prima, mo-de-obra e espao de armazenagem disponibilizados.
b) A soluo permanece ptima.
c) No h vantagem em alterar o plano de produo, logo a soluo permanece
ptima.
19)
a) Sejam:
x1 Quantidade de refrigerante 1 a produzir
87
MaxZ 2 x1 x 2
s.a. 3 x1 x 2 70
x1 2 x 2 60
x 2 25
x1 , x 2 0
88
TEMA OITO
Uma empresa produz trs produtos numa fbrica sua. Na fabricao dos produto, trs
insumos so crticos em termos de restringir a capacidade de produo possvel. A
mo-de-obra disponvel, a quantidade de matria-prima e o espao para o
armazenamento dos produtos j produzidos. Assim, o departamento de produo j sabe
que para o prximo ms ter disponvel 100 kg de matria-prima, 3602 de rea para
armazenamento e 400 homens hora de mo de obra. Cada unidade de P1 consome 1 kg
de matria prima, precisa de 62 para ser armazenada e necessita de 8 h-h em mo de
obra. Por sua vez cada unidade do produto 2, consome 2 kg de matria prima, 62 para
ser armazenada e envolve o uso de 4 h-h.
Variveis de deciso:
89
3 - quantidade de P3 a serem produzidos
Max = 41 + 52 + 33
1 + 22 + 23 100 ( )
. { 61 + 62 + 43 360 (2
81 + 42 + 43 400 ( )
1 , 2 , 3 0
ST: (0) 41 + 52 33 = 0
(1) 1 + 22 + 53 + 1 = 100
(2) 61 + 62 + 43 + 3 = 360
(3) 81 + 42 + 43 + 3 = 400
1 = 100 1 = 0
{2 = 320 {2 = 0
3 = 400 3 = 0
=0
= 250
90
1 = 40 1 = 0
{2 = 20 {2 = 0
3 = 80 3 = 0
= 280
1. ANLISE PS OPTIMALIDADE
Numa anlise previa, por intuio pode-se dizer que sim, pois se um lucro igual a 3 no
foi suficiente que purifica 3 de zero, muito menos o far um lucro menor.
Para responder esta pergunta podemos imaginar um coeficiente para 3 maior que 3 na
soluo final e baseando se nas propriedades do sistema de equaes lineares, calcular
como ficaria a funo (eq.0) no sistema ptimo (F).
91
De realar que para se saber se uma soluo ptima ou no, temos que examinar a
equao da F.O.
Teremos: 41 52 (3 + )3 = 0
Ou seja: 41 52 33 3 = 0
Se considerarmos 3 = = 0 teremos:
41 52 33 + = 0
Pergunta 3: Se com esta equao no sistema inicial aplicassem o simplex como que
se chegaria a soluo ptima?
1
+ 3 3 + 1 + 2 = 280
2
1
+ (1 )3 + 1 + 2 = 280
2
A equao acima seria a equao (0) da soluo final (SF) se o coeficiente original de
3 fosse 3 + : Para esta soluo continuar sendo ptima, lembrando-nos que o modelo
de Max, teremos que garantir que: 1 0 , logo devemos ter que 1.
Se 1 a soluo (SF) deixa de ser ptima porque 3 ser varivel entrante porque seu
coeficiente seria menor que zero.
Definio: UPPER LIMIT (limite Superior) o maior valor que um coeficiente pode
assumir sem alterar a soluo ptima.
Definio: LOWER LIMIT (limite inferior) menor que um coeficiente pode assumir
sem alterar a soluo ptima.
Nota: importante observar uma valiosa premissa bsica para determinar do LOWER e
UPPER limite para os parmetros de um modelo de PL. Quando se diz na definio dos
92
vectores de LL e UL sem alterar a soluo ptima queremos dizer sem alterar o
conjunto as variveis bsicas e consequentemente de variveis no bsicas.
Noutras palavras se o [; ], por exemplo [2; 12], isto significa que neste intervalo
fechado, o conjunto de variveis bsicas (e no bsicas) no se altera podendo no
entanto , se alterar o valor numricos delas.
(0) (4 + )1 52 33 = 0
Substituindo pelo valor de , tem-se:
41 1 52 33 = 0
Fazendo 1 = , teremos:
(0) 1 + 52 33 = 0
Como so aparece na equao (0) original, na soluo (F) teramos:
1
(0) + + 3 + 1 + 2 2 = 280
Sendo que 3 varivel bsica, tem de ser eliminada da equao (0). Para tal,
multiplica-se a equao (2) que onde 3 aparece como bsica na soluo F, por e
somamos a equao (0), obtendo-se:
93
2 1 1 = 280
(0) + [1 ] 2 + [1 ]1 + [ + ] 2
3 2 3 +20
Para garantir que a soluo (F) continue sendo ptima, teremos que ter todos os
coeficientes 0, ou seja:
2 3
1 = 0
2 2
1 = 0 1
1 2 3
+ = 0
2 3 2
Dada a existncia de sobreposio teremos:
2 N 2
0
3 3
3
1
2
Logo para o coeficiente de 1 na funo objectivo teremos:
3
[4 2 ; 4 + 1] Ou [2,5; 5]
Nota: Se o lucro unitrio de P1 estiver neste intervalo, ento, a soluo (F) continua a
ser ptima.
94
Suponhamos que a constante do lado direito original, da 3 restrio seja 4 + ; onde
um valor qualquer.
: (3)1 43 + 41 22 + 3 = 80 +
Nota: Para ma soluo seu ptimo, antes tem de ser praticvel. Logo como os vectores
do lado direito representam os vectores das variveis bsicas, eles tem de ser 0 pois
excepto Z todas as variveis tem de ser 0 para (F) continuar a ser praticvel e
consequentemente ptima.
Assim sendo, para que a soluo (F) continue a ser ptima bastar que:
80 + 0 80
80
Nota:Na verdade era sabido que UPPER LIMIT era porque na soluo ptima o
valor ptimo de 3 era 80. Como 3 representa a falsa na mo-de-obra o seu valor
ptimo maior que zero indica que na soluo ptima j no se esta a usar toda a mo-de-
obra disponvel. Desta forma o aumento da mo-de-obra disponvel de qualquer
quantidade no vai provocar qualquer alterao na soluo ptima. Respondendo a
mesma pergunta para a constante do lado direito da primeira restrio, teremos:
(1) 1 + 22 + 23 + 1 = 100 +
Usando o raciocnio anterior, segundo o qual tendo o que acontecer com 1 acontecer
com no sistema (F) teremos:
1
+ 3 + 1 + 2 = 280 +
2
4 1
2 + 3 + 1 2 = 40 +
() 2 6
2 1
1 3 1 + 2 = 20
3 3
{41 + 41 22 + 3 = 80 + 4
95
Para que a soluo (F) continua a ser ptima todas as constantes do lado direito, excepto
o da equao (0) (valor de Z), devem ser 0 logo devemos ter:
40 + 0 40
20 0 20
80 + 4 0 20
40 20 0 20
Entretanto, se por exemplo, o vector de for igual a 10, ou seja se tivermos 110 quilos
de matria-prima, o valor numrico ptimo de variveis bsicos vai ser diferente pois
teremos:
Assim fica claro o conceito de UPPER e LOWER LIM IT. Como o conjunto de
variveis bsicas (e no bsicas) no se altere diz-se que a soluo ptima permanece a
mesma, apesar de ter mudado o seu valor numrico.
6. DUALIDADE
O termo dualidade refere-se ao facto de que cada modelo de P.L. pode tomar duas
formas. A primeira, a original designa-se PRIMAL e a segunda forma do modelo
denomina-se DUAL. As propriedades de uma forma do modelo esto relacionadas com
96
as outras. Como consequncia disto, pode-se a partir da soluo ptimas de um dos
modelos, buscar-se a soluo ptima da outra.
Max = 41 + 52 + 93
1 + 2 + 22 16
. {
71 + 52 + 33 20
1 , 2 , 3 0
1 + 2 + 22 16
. { 1 + 2 5
21 + 32 9
1 , 2 0
b. Teorema DUAL
1 1 + 1 2 + 21 3 + 72 1 + 52 2 + 32 3 161 + 252
97
Se da mesma forma multiplicarmos a ensima restrio do DUAL por e somarmos as
trs teremos:
1 1 + 72 1 +1 2 + 52 2 + 21 3 + 32 3 32 43 + 52 + 93
161 + 52 41 + 52 + 93
Ou
Este resultado em que o vector da F.O. de uma soluo praticvel de um dos modelos
um limite para qualquer outra soluo praticvel do outro modelo.
Qualquer soluo praticvel, inclusive a ptima para o PRIMAL ser menor ou igual a
75 e qualquer soluo praticvel, inclusive a ptima para o DUAL, ser maior ou igual a
32. A concluso clara que a soluo ptima ser aquela em que Z = Y.
Teorema DUAL: No evento em que tanto o modelo DUAL quanto o PRIMAL possuam
solues praticveis terias que: Z = Y, ou seja, o vector ptimo dos dois modelos o
mesmo.
Nota: Um corolrio deste teorema que se um dos modelos tem soluo ilimitada,
ento o outro modelo no tem soluo praticvel, pois caso tivesse, seria uma
contradio ao exposto anteriormente.
Min = 31 42 + 3 24
21 + 2 + 23 + 4 = 10
3 + 24 10
. : 4 + 2 4 5
22 + 32 + 3 + 4 5
{21 + 32 + 3 + 4 20
1 , 2 , 3 0
4 Irrestrita em sinal
Antes da aplicao da tabela devemos colocar o modelo PRIMAL dentro das regras que
conformam o uso da tabela. Desta forma sendo o PRIMAL um modelo de minimizao,
faz-se com que todas as restries seja do tipo ou =.
Min = 31 42 + 3 24
21 + 2 + 23 + 4 = 10 1
3 + 24 10 2
. : 4 + 2 4 5 3
22 + 32 + 3 + 4 5 4
{21 + 32 + 3 + 4 20 5
1 , 2 , 3 0
4 Irrestrita em sinal
99
21 + 3 + 24 5 3 1
1 3 + 34 35 4 2
. : 2 1 2 + 4 5 1 3
{ .
2 , 3 , 4, 5 0
1 Irrestrita em sinal
a) Y = Z (teorema DUAL)
b) O valor ptimo da varivel igual ao coeficiente da varivel de folga da j-
sima restrio da equao (0) do sistema Primal.
Propriedade adicional
Max = 41 + 52 + 33 ()
1 + 22 + 22 100 ( )
. {61 + 62 + 43 360 (2
81 + 42 + 43 400 (
1 + 62 + 83 4
{21 + 62 + 43 5
21 + 42 + 43 3
= = 280
1 =Coeficiente de 1 em (0) = 1
1
2 = Coeficiente de 2 em (0) = 2
3 = Coeficiente de 3 em (0) = 0
100
O coeficiente de 1 na equao (0) 0. Se a propriedade valida, a diferena os lados
esquerdo e direito da 1 restrio do modelo DUAL tem que ser igual a 0 (zero).
Restrio dual 1 + 62 + 83 4
Lado esquerdo 1 + 62 + 83
Lado direito 4
Pela propriedade L (equao) = L(div.); usando os valores ptimos dos
1
Lequ = 1 + 6 2 + 8 0 = 4
Lequ = 4 4 = 0
Voltemos ao modelo:
Max = 41 + 52 + 33 ( )
1 + 22 + 23 100 ( )
. {61 + 62 + 43 360 ( 2
81 + 42 + 43 400 (
MODELO DUAL
1 + 62 + 83 4
{21 + 62 + 43 5
21 + 42 + 43 3
101
1
= 280; 1 = 1; 2 = ; 3 = 0
2
Com 1 = 1 o lucro em tese aumentaria $10 o que poderia justificar a compra de mais
de um kg de matria-prima. Entretanto se o custo de compra deste kg adicional fosse
por exemplo: $3, estaramos na verdade a ter um prejuzo $2 ao invs de aumentar o
lucro.
Assim sendo a resposta sim, desde que o preo de compra deste kg adicional seja
menor que $1.
Resposta: o limite que se deve pagar por uma unidade adicional do recurso associado
a varivel.
Nota: Por terem este significado, os valores ptimos das variveis do modelo DUAL
so chamados de VALORES IMPLICITOS (SHADOW PRICES em ingls).
O valor lcito para a mo-de-obra (homens hora) zero (valor ptimo de 3 ). Este valor
coincide com analise j feita anteriormente, pois, como ao existe folga nesta restrio,
ou seja, no se esta a utilizar toda mo-de-obra disponvel no existe nenhum ganho em
adquirir mais mo-de-obra, mesmo sem custo, ou seja sobraria mais.
102
Vamos fazer esta anlise usando o DUAL:
21 + 42 + 43 3 +
1
21+4 +4 3+
2
1
Suponhamos que no nosso exemplo seja adicionado uma nova varivel cujos
coeficientes so 3 na 1 restrio, 6 na 2 e 4 na terceira restrio.
Pergunta: Com esta nova varivel a soluo ptima (F) continuaria a ser ptima?
Max = 41 + 52 + 33 + 8
1 + 22 + 23 + 3 100
. { 61 + 62 + 43 + 6 360
81 + 42 + 43 + 4 400
1
31+6 +40 8
2
6 0 (falso)
Logo como a restrio DUAL violada o ptimo DUAL deixa de ser ptimo pois deixa
de ser praticvel. Como consequncia, ptimo principal (F) tambm deixa de s-lo.
103
necessrio colocar os coeficientes de na equao (0). Ele ser igual a diferena
entre os dados esquerdo e os dados direitos da restrio DUAL associada, ou seja
usando-se os antigos valores ptimo do DUAL:
1
= 31 + 62 + 43 = 3 1 + 6 + 4 0 = 6
2
= 8
O coeficiente de em (0) = = 6 8 = 2
Sabendo que os coeficientes das variveis de folga formam uma matriz identidade no
sistema inicial, podemos escrever:
= 3 + 1 + 6
2 + 4
3 .
(1) = 3 1 + 6 0 + 4 0 = 3
(2) = 3 0 + 6 1 + 4 0 = 6
(3) = 3 0 + 6 0 + 4 1 = 4
1
(1) = 3 1 + 6 + 4 0 = 2
6
1
(2) = 3 (3) + 6 + 4 0 = 1
3
(3) = 3 4 + 6 2 + 4 1 = 4
104
1
(0) + 3 + 1 + 2 2 = 280
2
4 1
(1)2 + 3 + 1 2 + 2 = 40
() 3 6
2 1
(2)1 3 1 + 2 = 20
3 3
{ (3)43 + 41 22 + 3 + 4 = 80
=0
2 = 40
3 = 0
{1 = 20 { = 280
3 = 0
3 = 80
= 0
(2 + )1 + 42 + 43 3
A soluo (F) continuar a ser ptima se a restrio DUAL continuara a ser praticvel.
Substituindo pelos valores ptimo teremos:
1
(2 + ) 1 + 4 + 4 0 3 1
2
Assim sendo, se 1 , ou seja se o coeficiente de 3 na 1 restrio for menor que 1,
a restrio DUAL violada, logo a soluo DUAL deixa de ser ptimo pois deixa de ser
praticvel. Pelo teorema DUAL o ptimo PRIMAL tambm deixa de ser ptimo.
105
(0) 41 52 93 114 = 0
(1)1 + 2 + 3 + 4 + 1 = 15
(1)
(2)71 + 52 + 33 + 24 + 2 = 120
{(3) 31 + 52 + 103 + 154 + 3 = 100
1 =0
1 = 15
=0
{2 = 120 { 2
3 =0
3 = 100
4 =0
=0
25
1 = 1 = 0
3
320 =0
2 = { 2
3 3 = 0
20 4 = 0
{ 4 = 3
220
=
3
Varivel entrante:3 Varivel sainte4
3 11 13 5 695
(0) + 2 4 1 + 3 =
7 7 7 7 7
5 5 10 1 50
(1)1 + 3 1 + 1 3 =
(2) 7 7 7 7 7
7 13 61 4 325
(2) 2 + + 2 3 =
6 7 4 7 1 7 7
2 12 3 1 55
{ (3) 7 2 + 3 + 7 4 + 7 1 + 7 3 = 7
50
1 = 2 = 0
7
325 = 0
2 = { 4
7 1=0
55 3 = 0
{ 4= 7
106
695
=
7
Responda as seguintes perguntas relativas ao modelo acima:
107
0
Se acrescentarmos 1 , 2 3 como variveis de folga obteremos, aps aplicar o
simplex, o seguinte sistema (F) final:
5 12 1 4
(0) + 1 + 5 + 1 + 2 = 11
5 5 5 5
3 4 2 1
(1) 1 + 2 + 4 + 1 + 2 = 4
10 5 5 10
1 2 1 3
(2) 1 + 3 + 4 + 1 + 2 = 5
10 5 5 10
1 1
(3) 1 + 104 + 1 2 + 3 = 11
2 2
() =
=1
s.a
1 + 1
1 + = 2, ,
0
i. Monte o mdelo para T=5, onde1 = 8, 2 = 7, 3 = 10, 4 = 10 5 = 2.
ii. Chamando o modelo acima de Dual,monte o Primal.
iii. Resolva o Primal pelo Simplex e d a soluo otima Dual.
iv. Ache os valores otimo Primal e Dual quando 1 = 9 em vez de 8.
D) A companhia Mveis Fino S/A fabruca varios tipo de mveis inclusive mveis
rsticos paara casas de campo actualmente eles fabricam 3 produtos na linha dr
produo de mveis rsticos: uma cadeira de balano, um banco de jardim e
uma mesa de jantar.
Este produtos so fabricados em 2 etapas envolvndo a seco de corte de
madeira e a seco de montagem de mveis.
108
O tempo, em horas, necessario para cada item em cada seco mostrado
abaixo:
Produto
Cadeira Banco Mesa Capacidade
(Horas)
Seco de Corte 1,2 1,7 1,2 1.000
Seco de 0,8 0 2,3 1.200
Montagem
O lucro que a moveis Fino S/A recebe pela fabricao e venda de cada unidade
$3 para cadeira $3 para o banco e $5 para mesa.
A companhia esta tenando planejar a sua produo para o proximo ms. Como a
procura miuto grande por este tipo de mveis, qualquer quantidade que venha
a ser produzida ser vendida.
A produo esta limitada, no entanto, pelas horas disponveis nas sces de
corte e montagem, alem da quantidade da madeira disponvel para este tipo de
mveis.
No proximo ms a companhia dispor de somente 2.0003 de madeira para
fazer os mveis da linha rsticas sendo que cada madeira gasta 2 3 cada
banco 3 3 e cada mesa 4,5 3 .
De maneira a determinar a produo otima do proximo ms foi formulado o
seguite modelo de P. Linear:
() 31 + 32 + 53
.
1,21 + 1,72 + 1,23 1000
0,81 + 2,32 + 33 1200
21 + 32 + 4,53 2000
0
Onde:
1 n de cadeiras a serem fabricadas no proximo ms.
2 idem, bancos.
3 idem mesas
O modelo foi submetido ao simplex, obtendo-se o seguite sistema final:
83 7 4 8300
(0) + 2 + 4 + 2 =
60 6 5 3
27 3 2
(1)1 + + = 700
20 2 2 1 5 3
37 1 3 1000
(2) 2 + 1 + 2 3 =
30 3 5 3
1 2 2 400
(3) 2 + 3 2 + 3 =
{ 15 3 5 3
109
1. Qual a produo otima para o proximo ms?
2. Um distribuidor local esta oferecendo a Mveis Finos S/A, madira adicional a
0,60 3 . Deve a companhia comprar? (justifique)
3. O departamento de vendas sugeriu que sugeriu que um novo modelo de banco fosse
produzido. Cada unidade deste novo modlo de banco necessita de 1,8 horas da
seco de corte 0,5 horas na seco de motagem, alem de consumir 1.3 3 .
Que lucro deve ter este novo produto para que seja atrativo produz-lo?
4. Se o lucro da cadeira diminuisse para $2,50 qual deveria ser o plano de produo e
o lucro para o proximo ms?
E) Uma de aparelho de TV produz 4 modelos: Um modelo preto e braco, porttil,
chamado Sport; um modelo preto e braco no porttil, chamado Standard; um
modelo acores, porttil, chamado Viajante e o modelo a cores, no porttil,
chamado Super.
Cada modelo consome tempo para sua motagem e teste. As necessidades de tempo
para a montagem e teste, assim como o tempo disponvel so mostrado abaixo:
110
(0) + 201 + 104 + 302 + 404 = 11000
(1) 41 24 + 1 54 84 = 300
1 1
(2)1 + 2 + 4 + 2 + 24 = 50
2 2
1 1
(3) 4 2 + 2 4 = 30
2 2
(4)3 + 4 4 = 100
A capacidade de produo da mercenaria est limitada em 900 horas para corte, 800
horas para para a montagem e 480 horas para acabamento.
0
Usando o simplex chegamos ao seguinte sistema timo:
111
25
(0) + 101 + 1305 + + 152 = 18000
2 1
1 5 1
(1)1 + 3 + 1 2 = 25
8 32 16
3 1 1
(2)1 + 3 + 4 1 + 2 = 140
2 8 4
11 5 3
(3) 21 3 1 2 + 3 = 0
2 8 4
1. Qual o modelo Dual e a soluo timaDual?
2. Qual deveria ser o lucro de 3 para ele deixasse de ser igual a zero na soluo
tima?
3. Para que intervalo na capacidade da seco de montagem, a soluo tima
permanece otima?
4. Deve ser fabricado ou no, um novo modelo de Armrio que necessita 20 horas
de corte, 3 horas de montagem e 2 horas de acabamento por cada unidade
produzida, dando um lucro de $120? (justifique)
G) Formular o Dual para o modelo abaixo:
Min = 31 52 + 43 54
s.a
1 + 2 4 + 4 11
1 3 +4 12
1 + 2 +3 +4 = 18
41 52 3 19
1 , 2 , 3 , 4 0
3 Irrestrita em sinal
H) Considere o seguinte modelo deP. Linear:
(Max) = 101 + 152 + 53
s.a
21 + 2 6000
31 + 32 +3 9000
1 + 22 +23 4000
1 , 2 , 3 0
20 5
(0) + 3 + 2 + 53 = 35000
3 3
(1)3 + 1 2 + 3 = 1000
4 2
(2)1 3 + 2 3 = 2000
3 3
5 1
(3)2 3 2 + 3 = 1000
3 3
1. Qual o Lower e o Upper Limitpara os coeficientes de 1 , 2 3 na funo
objectivo?
2. Idem para CLD das 3 restries
112
I) Considere o seguinte modelo de P. Linear:
(Max) = 21 32 + 63
s.a
31 42 63 2
21 + 2 +23 11
1 + 32 23 5
0
(0) + 41 + 62 + 33 = 33
(1) 91 2 + 1 32 = 35
1 1 11
(2)1 + 2 + 3 + 2 =
2 2 2
(3) 31 + 43 + 2 3 = 16
Exerccio A
1) 2521 ; 1342 ; 47
2) 3421 ; 542 ; 1 7
3)18 7
4)4 7
113
7) O Dual do problema original :
1 + 72 + 33 4
1 + 52 + 53 5
1 + 32 + 103 9
1 + 22 + 153 11
(e) Adicione:
1 + 2 + 183 13
8) () 7087 )100
3
9) 5
3
10) 13
11) 4
12) 93/7
Exerccio B
1) = 11 2 = 4 3 = 5 3 = 11
3
2) [, 5
2
3) [, 5]
4) )[3; ]
14
c) [ = 34]
3
d) [1; ]
5)
(MIN) = 71 + 122 + 103
114
s.a
1 2 3 2
31 22 43 1
1 + 42 + 33 3
21 + 83 2
0
1 4
6) 1 = 2 2 = 5 3 = 0 = 11
7) Sim
8) -7
9) -7/14;
Exerccio C
1) (MIN) = 1 + 2 + 3 + 4 + 5
s.a
1 + 5 8
1 + 2 7
1 + 3 10
3 + 4 10
4 + 5 2
s.a
1 + 2 1
2 + 3 1
3 + 4 1
4 + 5 1
1 + 5 1
3) = 372 1 = 12 2 = 12 3 = 12 3 = 12 4 = 12 5 = 1 2
4) = 19 1 = 7 2 = 0 3 = 0 4 = 10 5 = 2
Exerccio D
115
1 = cadeiras =700
2 = bancos = 0
400
3 = Mesas = 3
8300
=
3
Otimizao
Matemtica
O problema de afetao
Optimizao em Redes
Certezas e incertezas
116
O Docente: Jos AntnioFazenda
TEMA NOVE:
1. NOES GERAIS
O problema dos transportes um caso particular dos problemas de programa
matemtica e utilizado sempre que nos deparamos com um produto homogneo, dado
por um conjunto de um centro de oferta ou origens e procurado por outro conjunto de
centros de procura ou destinos, desde que:
Se pretenda transportar o produto dado dos centros de oferta para os centros de procura.
Seja nosso objectivo, encontrar a oferta mais barata ou mais rpida de o fazer.
Uma empresa tem 4 padarias e pretende distribuir o po que produz diariamente por 6
pastelarias 8 exploradas. As 4 padarias tm capacidade diria de produo de
300,400,400 e 500 pes respectivamente.
Pastelarias
01 3 2 5 1 1 3 300
0 2 2 4 3 2 5 400
0 5 4 2 4 5 1 400
0 3 4 3 4 3 2 500
117
Procura 250 360 280 200 250 200
01 300 250 1
02 400 360 2
400 280 3
4 500 200 4
111226 250 5
6
200
Consideremos que devemos transportar um nico produto homogneo desde m origens
ou pontos de embarque at n destinos que podem ser armazns ou fbricas.Denotemos
por a1,a2, , am as ofertas ou quantidade de produtos disponvel e por b1, b2, , bn a
procura ou necessidades existentes deste produto em n destinos. possvel transportar
este produto a partir de qualquer origem para qualquer destino sendo Cij o custo de
transportao de uma unidade de produto desde a origem i at ao destino j.
Neste caso em que se supem que a oferta existente nas origens igual a procura nos
destinos, o objectivo determinar as quantidades de produto que deveram ser enviadas
desde cada origem at a cada destino de forma que se satisfaa a procura existente e se
esgotem as ofertas das origens a um custo mnimo de transportao.A situao que
descrevemos atrs, pode ser representada mediante o esquema que segue, tambm
conhecido como fluxograma.
118
a1 b1
a2 b2
a3 b3
Am bn
NOTA: Para concluir pode-se dizer que, desde que a oferta total seja igual a procura
total, o problema de transportes tem sempre soluo.
11 + 12 + 13 + 14 + 15 + 16 300 Restries
21 + 22 + 23 + 24 + 25 + 26 400 de
31 + 32 + 33 + 34 + 35 + 36 400 oferta
41 + 42 + 43 + 44 + 45 + 46 500
11 + 21 + 31 + 41 250
12 + 22 + 32 + 42 360 Restries
13 + 23 + 33 + 43 280 de
14 + 24 + 34 + 44 200 procura
15 + 25 + 35 + 45 250
16 + 26 + 36 + 46 200
119
11 , 12 , 13 , 14 , 15 , 16 0
21 , , 23 , 24 , 25 , 26 0 Restries
31 , 32 , 33 , 34 , 35 , 36 0 de no
41 , 42 , 43 , 44 , 45 , 46 0 negatividade
Neste caso, oferta total das padarias igual a 1600 pes enquanto as 6 pastelarias
procuram 1540 pes, devemos criar uma pastelaria fictcia que consuma os 60 pes
excedentes. Assim sendo:
Seja:
0
o custo de transporte de uma unidade de produto da origem i at ao destino j.
S.a
11 + 12 + 13 +. . . + 14 1
21 + 22 + 23 +. . . + 24 2 Restries
de
1 + 2 + 3 +. . . + 4 4 oferta
120
11 + 21 + 31 +. . . + 1 1
12 + 22 + 32 +. . . + 2 2 Restries
de
1 + 2 + 3 +. . . + 4 4 procura
11 , 12 , 13 , . .. , 14 0
21 , 22 , 23 , . . . , 24 0 Restries
da
1 , 2 , 3 , . .. , 0 no negatividade
Simplificadamente:
0
=1 =1
. : ; = 1, ,
=1
; = 1, ,
=1
0 ; = 1, , ; = 1, ,
121
Se o total do produto a oferecer for superior ao total do produto procurado, ento a
quantidade total a transportar ser apenas o limite dos produtos procurados ficando
alguns produtos em stock, na origem.
Desta forma para conseguir-se que a oferta total seja igual a procura total deve-se criar
um destino fictcio quando a oferta total e superior a procura total ou uma origem
fictcia sempre que a procura total seja superior a oferta total.
Os custos de transporte das unidades que saem da origem fictcia ou que entram para o
destino fictcio sero nulos. As quantidades transportadas caminhos
fictcioscorrespondem a oferta que fica por utilizar ou a procurar que fica por
satisfazer.
Simbolicamente tem-se:
0 0 0 0
= 11 11 + 12 12 + 13 13 + + 14 14
0 0 0 0
+21 21 + 22 22 + 23 23 +. . . +24 24
0 0 0 0
+ 1 1 + 2 2 + 3 3 +. . . +,4 4
S.a.:
11 + 12 + 13 + + 14 = 1
21 + 22 + 23 +. . . + 24 = 2
1 + 2 + 3 +. . . + 4 = 4
11 + 21 + 31 +. . . + 1 = 1
12 + 22 + 32 +. . . + 2 = 2
1 + 2 + 3 +. . . + 4 = 4
122
11 , 12 , 13 , . .. , 14 0
21 , 22 , 23 , . . . , 24 0
1 , 2 , 3 , . .. , 4 0
OBS: 1 + 2 +. . . + = 1 + 2 +. . . +4
Simbolicamente:
0
=1 =1
. . : = ; = 1, ,
=1
= ; = 1, ,
=1
0 = 1, , ; = 1, ,
Em que:
=1 =1 = .
n m m n
Tal que: xij b j ; xij ai sendo que
j 1 i 1
ai
i 1
b j 1
j A(oferta e procura )
ai b j n b j
ai . A
Seja xij
A
i, y ento xij 0 sendo que: x
j 1
ij ai
j 1
A
A
ai
m m ai b j m
ai b j . A
xij
i 1 i 1 A
bj
i 1 A
A
bj
123
Teorema n2: No modelo de transporte, qualquer uma das equaes do sistema de
restries pode ser expressa como combinao linear das restantes.
Demonstrao:
xij b j
j 1
x
i 1
ij ai ; i 1,, m; j 1,, n
xm1 xm 2 xmn a
m
x1n x2 n xmn b
n
124
Como A combinao linear das equaes do segundo tipo e B combinao linear de
m-1 equaes do primeiro tipo (no se inclui a primeira), ento A B combinao
linear das equaes do sistema a partir da segunda.
O problema de transporte admite uma soluo, quanto mais m+n-1 variveis positivas.
Demonstrao:
Consiste em indicar um procedimento para obter uma soluo bsica possvel. Este
procedimento denomina se mtodo da esquina noroeste e foi proposto por Dantzig.
Vemos detalhar o mtodo para um sistema de trs origens e quatro destinos, ou seja:
b1 b2 b3 b4
Determinemos um valor para x11 (esquema noroeste). X11=Min (a1.b1). se x11=a1, ento
x1j = 0;
a1 0 0 0 0
x21 x22 x23 x24 a2
x31 x32 x33 x34 a3
b1 a1 b2 b3 b4
Segundo passo:
125
a1 0 0 0 0
b1 a1 x22 x23 x24 a2 b1 a1
0 x32 x33 x34 a3
0 b2 b3 b4
a1 0 0 0 0
b1 a1 b2 x23 x24 a2 b1 a1 b2
0 0 x33 x34 a3
0 b2 b3 b4
a1 0 0 0 0
b1 a1 b2 a2 b1 a1 b2 x24 a2 b1 a1 b2
0 0 x33 x34 a3
0 0 b3 a2 b1 a1 b2 b4
Resumidamente teremos:
x34 b4
Nota se claramente que as suas variveis tem valores positivos. O nmero de equaes
deste modelo 3+4=7, isto , obtivemos uma soluo bsica possvel.
De notar que a1, a2, a3, b1, b2, b3, b4 so nmeros inteiros no negativos e
consequentemente a soluo obtida (como combinao da soma e o resto dos ai e dos
bj), tambm consistir em nmeros inteiros no negativos.
126
Exemplo: Determine uma soluo bsica com: a1=2, a2=4, a3=7, b1=3, b2=2, b3=4, b4=2,
b5=2
2 0 0 0 0 2
1 2 1 0 0 4
0 0 3 2 2 7
3 2 4 2 2
Exemplo: o sistema de equaes anterior ser agora resolvido pelo mtodo de retro
substituio.
1 1 0 0 0 0 0 x11 3
0
1 1 1 0 0 0 x21 4
0 0 1 0 0 0 0 x22 2
0 0 0 1 1 0 0. x23 4
0 0 0 0 1 1 1 x33 7
0 0 0 0 0 1 0 x34 2
0
0 0 0 0 0 1 x35 2
127
x11 x21 3
x21 x 22 x23 4
x22 2
x23 x23 4
x33 x34 x35 7
x34 2
x35 2
x33 2 2 7 x33 3
x23 3 4 x23 1
x21 2 1 4 x21 1
x11 1 3 x11 2
0btivemos assim uma soluo original. Quando o sistema de equaes triangular ento
pelo menos uma equao tem contem apenas uma varivel ( que pode ser isolada
directamente) se substituir este valor no resto das equaes do sistema obtm se pelo
menos uma equao com uma incgnita e assim sucessivamente at achar todas as
variveis e isto consiste precisamente no mtodo de retro substituio.
Sexto teorema: Existe sempre nos problemas de transporte uma soluo possvel
mnima finita.
Mtodos para construo de uma soluo bsica inicial dos problemas de transporte.
128
Seja c1k o custo mnimo da primeira fila (se existir mas do que um custo mnimo
seleccionaremos aquele que tenha menor sub ndice j)
Se x1k = a1 ento passamos a segunda fila depois de trocar bk por bk a1. Seguidamente
encontramos na segunda fila o escaque que tenha custo mnimo e repetimos o processo
Se x1k=bk , ento trocamos a1 por a1 bk e bk por zero e encontramos o seguinte cij mais
pequeno que na primeira fila repetindo o processo.
Exemplo: Determine uma soluo bsica inicial pelo mtodo do custo mnimo por fila,
no problema cujos dados se oferecem na seguinte tabela:
cij D1 D2 D3 D4 O
O1 8 15 24 12 60
O2 16 25 7 9 70
O3 70 15 24 32 100
D 50 80 30 50 210
D1 D2 D3 D4 O
O1 8 15 24 12 40
40
O2 16 25 9
7
40 70
30
129
O3 32
70 15 24
10 100
10 80
D 50 80 30 50
= 320+210+360+700+1200+320
= 3110
Passamos para segunda fila e localizamos o escaque do custo mnimo na e neste caso
ser x23 , sendo assim: x23= Min (30,50) = 30, nesta mesma fila o escaque seguinte de
acordo com o custo mnimo x24, logo:
Assim podemos concluir que estamos diante de uma soluo bsica possvel.
Este mtodo anlogo ao anterior, s que aqui o processo decorre nas colunas.
Exemplo: Determine uma soluo bsica inicial pelo mtodo do custo mnimo por
coluna, no problema cujos dados se oferecem na seguinte tabela:
D1 D2 D3 D4 O
O1 8 24 12
15
130
40 40
O2 16 25 9
7
10 30 70
30
O3 70 15 32
24
80 20 100
D 50 80 30 50
A soma das variveis bsicas que aparecem numa fila i, igual a ai, (oferta
correspondente a origem i).
A soma das variveis bsicas que aparecem numa coluna j, igual a bj (procura
correspondente ao destino j).
Estas propriedades fazem com que a soluo obtida seja bsica e possvel.
Ao resolver qualquer mtodo de PL devemos de forma geral esperar que o nmero total
de iteraes requeridas depender do mais prximo que se encontre o valor da FO na
soluo possvel inicial do mnimo real. Como o mtodo da esquina noroeste no
131
considera os coeficientes cij no podemos esperar que o valor da FO numa soluo
inicial pelo mtodo da esquina noroeste se aproxime do mnimo.
Estudaremos o mtodo que toma em conta os cij e que portanto dever der uma soluo
inicial melhor que o mtodo da esquina noroeste.
Soluo inicial
Vamos utilizar como exemplo o problema apresentado na Seo 6.1. Para encontrar
uma soluo inicial, ser utilizado o mtodo do mnimo custo. Este mtodo consiste nos
seguintes passos:
1. Atribuir o mximo possvel varivel com menor custo unitrio e preenche com
zeros a linha ou coluna satisfeita. No exemplo, faz-se x31 = 80 j que c31 = 3, utilizando
completamente o fornecimento da Fonte 3. Desta forma, x32 e x33 devem ser iguais a 0.
D1 D2 D3
O1 8 5 6
70 50 0 120
O2 15 10
12
0 20 80
60
O3 9
132
3 0 10 80
80 0
D 150 70 60
Processo iterativo
Cada clula vazia representa uma varivel no bsica que poderia entrar na base. Para
entrar, a contribuio da varivel no bsica deve implicar a reduo do custo total.
Calculando essas contribuies para a clula x13:
1. Atribua 1 unidade a x13. Assim, no mais 60, mas 61 o total de unidades na coluna
3.
2. Para no violar a restrio da coluna 3, uma unidade dever ser subtrada de x23, que
passa a ter 59 unidades, e a coluna 3 com um total de 60 novamente.
3. Agora a linha 2 totaliza 79 e no 80, o que pode ser corrigido com a adio de uma
unidade a x22 (20 21).
4. A coluna 2 fica ento com um total de 71, o que pode ser corrigido com a subtrao
de uma unidade de x12.
Para cada varivel zerada, devemos determinar um caminho fechado de forma a calcular
a sua contribuio na funo objectivo. Estes caminhos so definidos por linhas
verticais ou horizontais, delimitando um polgono fechado. Apenas em um vrtice deste
polgono deve haver uma varivel zerada, que a prpria varivel no bsica que ser
includa na base. S possvel formar um nico caminho com essas caractersticas para
cada varivel zerada.
133
Como um problema de minimizao, a varivel a entrar na base ser aquela que
contribui com a maior reduo no valor da funo objectivo, que a varivel x13. O
valor a ser alocado a esta clula deve ser o mximo, de modo que nenhuma das
variveis fique com valor negativo. Este valor o menor valor das variveis que esto
nos vrtices do caminho mnimo com sinal negativo. No caso, as variveis com sinal
negativo so x12 e x23. Logo, o valor a ser alocado 50.
x13 = 0 + 50 = 50;
x23 = 60 - 50 = 10;
x22 = 20 + 50 = 70;
x12 = 50 - 50 = 0.
Logo, a varivel que sai da base x12. A seguir, apresentado o quadro aps a primeira
iterao.
D1 D2 D3
O1 8 5 6
70 0 50 120
O2 15 10
12
0 70 80
10
O3 9
3 10
0 80
80 0
D 150 70 60
134
Como todas as variveis tm contribuio positiva, isto indica que a incluso de
qualquer uma delas far aumentar o valor da funo objectivo, portanto a soluo
encontrada ptima.
Para o problema inicial, se a produo total for maior que a capacidade total, criar um
depsito fictcio com capacidade = produo total - capacidade total, com custos de
distribuio nulos. Se a produo total for menor que a capacidade total, criar uma
fbrica fictcia.
Solues mltiplas
Ocorrem quando, detectada a soluo ptima, um dos valores das contribuies for
zero. O caminho fechado para a varivel xij correspondente indicar a forma de obteno
da soluo alternativa.
135
Sabe se que a Inglaterra, Frana e Espanha tem disponvel para plantao: 7000,
12400 e 7100 hectares respectivamente. Os trs pases necessitam para satisfazer a
procura, de plantar 13700 hectares de milho, 5800 de trigo e 7000 de centeio. A
produo de uma tonelada de milho necessita em Inglaterra, Frana e Espanha
respectivamente, de 20, 14 e 17 trabalhadores. Por sua vez, a produo de uma tonelada
de trigo necessita respectivamente de 15, 12 e 12 trabalhadores. Finalmente, a produo
de uma tonelada de centeio necessita respectivamente de 12, 10 e 11 trabalhadores. Esta
ainda provado que cada pas pode produzir mais do que um produto.
O custo de cada carregamento de USD 100,00 acrescido de 0,5 cntimos por km.
136
Destino 1 Destino 2 Destino 3 Destino 4
Origem 1 45 17 21 30
Origem 2 14 18 19 31
Os custos de transporte entre cada depsito e cada retalhista em euros por tonelada so:
P Q R
5.Uma empresa txtil possui duas fbricas, F1 e F2, situadas no interior e no litoral do
Pas. A Fbrica F1,possui uma capacidade produtiva de 6000 casacos por ms, enquanto
a F2 produz 9000 casacos mensalmente.
Aps a confeco, os casacos so enviados para quatro armazns, A1, A2, A3 e A4,
para posteriormente serem distribudos. A Fbrica F1 apenas pode enviar casacos para
os armazns A1,A2 e A3, enquanto a fbrica F2 tem apenas acesso aos armazns A2,
A3 e A4.
A1 A2 A3 A4
F1 40 50 55 ----
137
F2 --- 60 30 50
MINA 1 9 16 28
MINA 2 14 29 19
(a) Construa o modelo matemtico que represente o problema de transportar minrio das
minas para as fbricas transformadoras, de modo a minimizar o custo total de
transporte.
138
i. Do canto noroeste
ii. Do mnimo da matriz de custo
iii. Das penalidades
d) Partido de uma soluo bsica admissveis iniciais obtida em (c), determine o
plano ptimo de transporte.
8. Uma companhia tem 3 fabricas a produzir um dado produto que deve ser depois
transportado para 4 centro de distribuio necessita de receber 10 carregamento por
ms. A distncia de cada fbrica para cada centro de distribuio (em km) so dados na
tabela.
O custo do frete de cada carregamento de 5000 euros acrescido de 50n euros por km.
D1 D2 D3
A1 4 4 5
A2 5 3 8
10. 8. Uma companhia tem 3 fabricas a produzir um dado produto que deve ser
depois transportado para 3 centro de distribuio. As fabricas (1, 2 e 3)
produzem 50, 60 e30 unidades por ms respectivamente os centro de
139
distribuio (1,2 e 3) necessitam de receber 10, 70 e 20 unidades por ms,
respectivamente. Os custos unitrios de transporte so dados no quadro:
Armazm 1 Armazm 2
Fabrica 1
Fabrica 2
Admitindo que possvel utilizar qualquer ponto como entreposto, e que o custo
unitrio de transexpedio entre a fabrica 1 e entre os armazns 2, determine o plano
ptimo de distribuio.
13. Numa seco de uma fabrica existe 4 maquinas. Um dado processo de produo
consiste em 4 tarefas que devem ser levada a cabo nessas mquinas. Cada mquina s
pode imprimir uma tarefa. Os custos a realizar a tarefa j (j = 1,,4) na maquina i(i =
1,4) so dados na tabela.
J1 J2 J3 J4
M1 10 9 7 8
M2 5 8 7 7
M3 5 4 6 5
140
M4 2 3 4 5
15.
Resolva-o pelo mtodo simplex dos transportes determinando a soluo inicial pelo
mtodo dos mnimos custos.
1
50 A 3 1 40
4
2
50 B 4 3 70
7
5 1
50 C 6 3 30
16. Aps os fogos dos ltimos anos, o comando central dos bombeiros decidiu instalar
um sistema de optimizao de deslocao de bombeiro para frente do fogo, em funo
das necessidades do momento.
Num dado dia de vero muito quente nas imediaes de uma grande cidade, foram
dados cinco alertas de fogo, em outras tantas localizaes. A cidade em questo tem
quatro quartis de bombeiro, como respectivos homens prontos para combater os
sinistros.
141
Devidas as boas condies de comunicaes existentes com a populao, foi
rapidamente estimado o nmero de homens necessrio para cada local.
A estimativa do tempo de viagem, em minuto, de cada quartel para cada fogo foi obtida
a a partir de um sistema de informao geogrfica, previamente instalado no centro de
comando.
Pretende-se saber qual o plano de transporte ptimo dos homens, que minimize o tempo
de chegada dos mesmos aos locais onde lavram os fogos.
F1 F2 F3 F4 F5
Q1 11 7 40 35 36 50
Q2 10 9 30 32 28 50
Q3 50 60 5 6 7 75
Q4 45 52 7 4 8 75
60 40 50 55 45
A B C D E
1 13.5 11 5 1.5 8
2 12 12.5 6.5 1 1
3 8 11.5 10.5 7 7
4 0.5 4 10 13.5 13.5
9 5.5 4.5 8 8
Cidades A B C D E
Quantidade actual de nibus 31 43 66 29 86
Demanda para o prximo perodo 25 29 68 36 78
Formule o problema da relocao dos nibus, respeitando as restries de demanda, de
modo a minimizar a distncia percorrida.
142
E 2.500 1.200 1.400 600 0
143
Formule e resolva o problema de atribuio de locomotivas objectivando minimizar a
distncia total percorrida.
23. uma companhia de transporte areo deve planejar suas compras de combustvel.
Formule resolva o problema para que a companhia de transporte areo minimize o custo
de compra.
TEMA DEZ
NLISE DE REDES
144
determinados tipos de problemas podem ser mais convenientes para a sua soluo do
que algoritmos mais genricos.
Em muitos problemas que nos seguem, a forma mais simples os descrever , representa-
los em formas de grafos, sendo que um grafo proporciona uma representao visual que
trs vantagens na construo modelo matemtico com vista a resoluo do problema.
Os problemas de fluxo em rede esta associado questes que envolvem distancia como a
forma mais curta de ir de um local ao outro, ou ainda como ligar um conjunto de
localidades entre si com a menor distancia possvel. O estudo das redes poder ir mais
longe do que isto, como os casos dos problemas a serem estudados neste tema:
Este tipo de problema acontece quando se pretende instalar uma rede de distribuio gs
natural, gua, electricidade, telefone de modo a que todos os beneficirios fiquem
ligados entre si ou seja que as condutas a instalar tenham o menor comprimento
possvel, de modo a minimizar os custos.
145
Os problemas de optimizao em rede so situaes particulares dos problemas de
optimizao lineares, podendo
2 desta forma ser valido5 uma validao do algoritmo da
simplex.
Graficamente
2 7
1 3 6 8
4 5
Grfico orientado
146
8
Grafo no orientado
4
7
2 5
1 6 8
3
Definio: denominam-se antecessores de um vrtice v todos os vrtice donde partem
ares que terminam em v, so todos os vrtices em que terminam ares que comeam com
vrtice v. 4 7
Definio: Dos ares consideram - se adjacentes ou conexos se possurem um vrtice.
EXEMPLO: (1 figura)
Antecessor de 5 ={4}; porque o vrtice 4 o nico de onde sai um arco que termina no
vrtice 5.
Sucessor de 5 = {6,8}; porque do vrtice 5 saem arcos que terminam nos vrtices 6 e 6.
Nota: No necessrio que os arcos que os arcos estejam todos orientados no mesmo
sentido. Os que estiverem orientados de i para f designam-se por ares directo enquanto
de f para i chamam-se ares invlidos. Se o vrtice inicial for tambm o vrtice final ou
seja de sairmos de um vrtice e voltarmos a ele, ento estaremos diante de ciclo.
2 4 6
147
8
5 7
4 6
2
OBS: O arco (5,7) esta a ser utilizado no sentido inverso ao da sua orientao.
3 5 7
5 6
2
1
8
OBS: No possvel sair do sair do vrtice 1 e voltar posteriormente ao mesmo sem
utilizar pelo menos
3 um dos arcos ao sentido7inverso.
4
NOTA: Se numa cadeia, os arcos estiverem todos orientados no sentido de i para f,
obteremos um caminho de i para f. Se o vrtice inicial do caminho for tambm o vrtice
final, termos um circuito
148
2 3
3 4 6
8
1
Definio: Um grafo denomina-se conexo ou fracamente conexo se, para todo par do
vrtice do grafo existir pelo menos uma cadeia interligando o par, ou seja se for possvel
deslocar-se de um vrtice qualquer para um outro atravs de uma cadeia.
2 5 7
Definio: Um grafo denomina-se fortemente conexo se for sempre possvel estabelecer
um caminho entre quaisquer dos seus vrtices.
8 3
2 4
1
2
NOTA: Podemos concluir que, os conceitos de cadeia ciclo ou conexidade nos grafos
no orientados correspondem os conceitos de caminho, circuitos e conexidade
3 forte nos 2
3 5
grafos orientados.
Definio: Um grafo diz-se completo se cada dois vrtices esta ligada por um arco.
Assim o diagrama de um grafo completo com N vrtices tem N(N-1) arcos pois deve-se
considerar que cada um dos restante (N-1 ) vrtices. Se o grafo for no orientado divide-
se estes valor por dois, porque a aresta esta entre um vrtice i e um vrtice f substitui os
arcos (i,f) e (f,i).
EXEMPLO
149
Vrtice: {1,2,3,4}
4(4-1) = 12 Arcos
(1,2)(2,1)(1,3)(3,1)(1,4)(4,1)
3
(2,3)(3,2)(2,4)(4,2)(3,4)(4,3)
4
1
2
EXEMPLOS
6 8
3
4 7
1 = {(1,2)(1,3)(1,4)(2,7)(3,6)(4,5)(5,8)(6,7)(6,7)(7,8)
150
Subgrafo Parcial
17
15
21
15 10
20
REDE OREITADA 12 26
2 4 7
17 22 6
4
10 8
1 3
8 10
21 3 5 6
REDE NO ORIENTADA 15
108
6
NOTA: Em relao ao valor que apresentam as capacidades, por exemplo, a capacidade
6 mximo permitido ao canal fluvial
17 associada ao arco (1,2) poder apresentar o caudal
6
entre as barragens situadas nos locais correspondentes a, vrtices 1 e 2 enquanto a
8
capacidade 8 associada a aresta (5,7) poder representar o tempo que um carteiro leva a
151
distribuir correio em cada um dos sentidos da rua que se situa entre os cruzamentos
representados pelas vrtices 5 e7.
Problema:
A empresa REDE VIVA LDA, precisa determinar sob que ruas devero instalar cabos
telefnicos para ligar todas as estaes usando o menor comprimento total de cabos. A
figura abaixo ilustra as 8 estaes e o plano de ruas. Sobres cada aresta est
representado o comprimento de cabos necessrio para efectuar a respectiva ligao.
12 20
2 4 7 26
17
4
17
8
1
8 15
2 3 6
5
15
1
Definio: Chama-se arvore (T) a um grafo com N vrtice que seja conexo e sem ciclo,
ou ainda:
152
Definio: Dado o grafo G (V, A) com N vrtices, chama-se rvore geradora de G ou
rvore de suporte G, a um grafo parcial de G que construa uma rvore
1 4 8
3 5 6
21 15
10
NOTA: A partir da def de rvore geradora temos aqui de facto um grafo parcial do
esquema anterior (aumentar todos os vrtices e considera apenas algumas arestas).
Verifica-se tambm que o grafo conexo (no existem ilhas de vrtices) e sem ciclo e
devera ter N 1 = 8 -1 = 7 arestas.
Podemos constatar tambm que existe uma cadeia entre qualquer par de vrtices ou seja,
que possvel encontrar uma ligao de um qualquer vrtice para qualquer outro que
essa ligao nica.
2
12
4
2 7
17 16
3 8
1 8
6
15
3 5 6
10
17+3+12+15+10+8+26=91
20
2 4 7
153
4
17
3
1 8
3 5 6
21+3+17+20+4+10+15=90
12
2 4 7
17
8 4
1 3 8
5 6
3
10
17+ 3+12+8+10+4+15=69
5. Formulao do problema
Este problema pode ser formulado em P.L.. seja uma varivel de deciso que toma
valor 1 se a aresta (i;j) esta includa na arvores e o valor o caso contrario.
No devem existir ciclos. Se Cij for o custo associado a aresta (i,j) teremos:
Minimizar
154
=
=0 (,)
. : + 1, = 1, ,
:(,)=0 :(,)=0
= 1
=1 :()=
|| 1
:()
(0,1), = 1, , : (, )
O primeiro conjunto de restries garante que para cada um dos vrtices, o nmero total
de arestas que, sai e que entra nesse vrtice no mnimo uma, ou seja, existe para
cada um dos vrtices pelo menos uma aresta considerada na rvore, isto no existe
vrtice que no estejam ligados.
Embora o problema assim formulado possa ser resolvido por um algoritmo de P.L,
como o simplex, a estrutura particular dos problemas de redes permite o
desenvolvimento de algoritmo especfico para o efeito.
6. ALGORITMO DE KRUSKAL
7.
O algoritmo do KRUSKAL desenvolve a rvore geradora de custo mnimo permitindo
de uma rede com todos os vrtices e sem aresta colocadas, ordenando-as por ordem
crescente de capacidades.
Em seguida vai introduzindo as arestas por uma nas rvores desde que a sua incluso
no origine a formao de ciclos com as arestas j colocados. O algoritmo termina
quando estiverem N 1 aresta colocadas.
155
12 20
2 4 7
17 54 26
8
3 17
1
8
15
21 3 5 6
15 10
Sendo a rede composta por 8 vrtices a arvore geradora ter N 1 = 8 1 = 7 vrtices.
1 Passo: Ordenar as aresta por ordem crescente das capacidades. Seja tabela
2 Passo: Iniciar a construo da rvore colocando as arestas na ordem dada pela tabela
anterior.
2.1.
2 4 7
1 8
3 5 6
Capacidade: 3
156
2.2.
2 4 7
1 8
3 5 6
Capacidade 3+4=7
2.3. Segundo o raciocnio anlogo, colocam-se as trs arestas seguintes: (5,7) (5,6) e
(2,4). Deve-se ter ateno que, embora passe a existir um cruzamento entre as aresta
(5,7) e (4,6) isto no constitui um ciclo e depende apenas da posio relativa dos
vrtices, pois bastar que o vrtice 7 se encontrasse abaixo do vrtice 5 para que
deixasse de existir esse cruzamento assim sendo, teremos
12
2 4 7
8
1 8
3 4
3 6
5
Capacidade: 7+8+10+12=37
2.4. A sexta aresta a ser colocada seria a (3,5) entretanto ela d origem ao surgimento de
um ciclo (repetir a figura). Logo, ignora-se esta aresta e colocamos a aresta seguinte
tambm com a capacidade 15 a aresta (6,8). Teremos ento:
2 12 4 7
4
1 8
3 8
Capacidade: 37+15=52
3 5 6 15
3 Passo: 10
Estas colocadas 6 arestas. A prxima aresta a ser colocada ser a aresta (1,2) com
capacidade 17 e que no fecha nenhum ciclo. Tratando-se da 7 aresta, obtemos a rvore
geradora de mnimo custo com capacidade igual a 52+17=69.
157
Com a relao de N 1 arestas a arvore geradora esta completa, traduzindo o final do
algoritmo
31
7
2 4
8
1
41
3 5 6
8. Algoritmo de PRIM
Uma das formas de aplicao do algoritmo de PRIM consiste na construo de uma
matriz triangular inferior cujo elemento so as capacidades entre os vrtices (como os
mapas das estradas).
O facto de estarmos diante de uma rede no orientadas origina a utilizao a aresta (i,j)
no sentido de i para j ou de j para. A matriz das distncias resultante uma matriz
triangular inferior
158
3 21
4 17
5
81
121
7 20
101
8
26
151
1 2 34 5 6 7 8
4 passo: mais uma vez escolhe-se o mnimo entre os elementos cortados uma vez, que
neste caso corresponde ao 10 na ligao entre os vrtices 5 e 6.
Teremos ento que escolher o 2 mnimo dos elementos cortados. e, tambm de valor
15, ms a ligao entre os vrtices 6 e 8.
6 Passo: mais uma vez se cortam a linha e coluna do vrtice 8 e determina-se o menor
dos elementos cortados uma vez que corresponde ao 17 da ligao dos vrtices 2 e 1.
159
Determina-se ento as ligaes que formam a rvore geradora do aresto mnimo, que
so os assinalados.
17+3+12+4+10+8+15=69
No entanto, tambm podem ser aplicadas a redes no orientadas, pois, uma rede no
orientada pode ser considerada como um caso especial de redes orientadas fazendo
corresponder a cada vrtice um par arco orientados em sentidos opostos.
PROBLEMA
A empresa, REDE VIVA pretende agora encontrar o caminho mais curto entre a sede da
empresa (vrtice 1) e o centro de distribuio (vrtice 8) atravs do sistema de ruas
assinalado na figura abaixo.
12 20
2 4 7 26
4
17 8 8
1 3
4
15
3 5 6
15 10
Este problema pode ser formado em programao linear e tal como no caso da arvore
geradora de custo mnimo, que define as variveis de deciso como sendo a opo de,
incluso ou no de cada uma das ligaes (i, j) no caminho de custo mnimo ou seja,
neij uma varivel que tenha o valor 1 se o arco (i,j) est includo no caminho mais
curto entre o vrtice final N e toma valor 0 (zero) caso contrario.
O caminho mnimo constitudo por uma sequncia de arcos onde cada um deles
comea um vrtice e acaba noutro.
160
5
Se cij for o comprimento do arco (i.j) o problema pode ser formulado da seguinte
forma:
=
=1 :(,)
: = 1
:(;) :(,)
= 0, = 2, , 1
:(,) :(,)
= 1
:(,) :(,)
{0,1}, , = 1, , : ()
A primeira restrio garante que o numero de arcos que sai e o nmero de arcos que
entra no vrtice inicial 1 e1; A terceira restrio garante que a diferena entre o nmero
de arcos e o nmero de arcos que entra no vrtice 1 -1.
a necessidade de minimizar uma combinao linear dos arcos que forem utilizados
que nos garante que s teremos um arco a sair ou a entrar em cada vrtice.
=
=1 :(,)
: = 1
:(;) :(,)
= 0, = 2, , 1
:(,) :(,)
161
= 1
:(,)
{0,1}, , = 1, , : ()
RESOLUO DO PROBLEMA
12 20
4
17 2 7
26
1
3 17 4 8
3 5 8
21
6 15
15 10
Seja o caminho C = {(1,2), (2,4), (4,7), (7,8)}. A ligao entre os vrtices 1 e 8 ter o
comprimento M= 17+12+20+26=75.
Esta seria uma maneira de resolver este problema enumerando todos os caminhos em
escolher o que apresentam menos comprimentos. Podemos concluir facilmente que esta
pratica complicada e . a medida que aumenta o numero de vrtices ou de arcos de
rede.
Assim sendo, vamos definir alguns vrtice que nos permitiro facilidade e rapidez na
aplicao do.
162
logo o comprimeto do caminho mais curto entre o vrtice inicial e o vrtice 1 igual a
zero.
1 1
JC(j) = {
+
P(j) um vrtice antecessor do j no caminho mais curto entre 1 e j. Assim sendo, no
inicio teremos:
1 1
*P(j) = {
0 .
Este algoritmo, pode ser aplicado directamente sobre a rede, mas existe uma aplicao
sobre tabela que torna mais fcil a prpria resoluo. Representam-se todos os vrtices j
em linha e para cada interaco do problema e actualizam-se todos os vrtices P(j) e
(j) voltemos a rede:
12
4 20
2 7
17 26
4
1
3 8
17
21 15
3 5 6
15
10
Claramente se verifica que o caminho mais curto entre eles da ligao entre o vrtice 1
e 2 logo (2) = 17. Sabendo que o vrtice antecessor de 2 nesse caminho o vrtice 1,
logo P(2) =1.
De forma anloga temos que o caminho mais curto 1e 3 o da ligao directa entre eles
donde (3) = 21 (3) = 1
163
Aos restantes vrtices que no so sucessor directo de 1 consideramos no termos
obtidos ainda um caminho at eles e assim atribui-se o valor + ao respectivo e o
valor 0 (zero) ao respectivo P. vejamos a tabela:
vert. 1* 2 3 4 5 6 7 8
Vect
0 17 21 + + + + +
P 1 1 1 0 0 0 0 0
Em seguida escolhe-se o vrtice que se encontra mais perto de1 ou seja, entre todos os
que ainda no tm etiqueta permanente aquele cujo o mnimo do (17 para o
vrtice o que se assinala radiado) e etiqueta-se o vrtice 2 com (*). Isto significa que
est encontrado o caminho mais curto entre 1 e 2.
Como certificar?
Qualquer outro caminho passaria obrigatoriamente por outro vrtice, no caso e 3, que
sabemos no se encontra a uma menor distncia a que liga 1 e 2. Desta forma no
possvel encontrar outro caminho mais curto. Mesmo que a distncia entre 1 e 3 fosse
igual a de 1e 2 e tivemos que ir pelo vrtice 3, para chegarmos ao 2 teramos ainda a
distancia entre 3 e 2. Assim o estado da tabela ser:
Vert. 1* 2* 3 4 5 6 7 8
vect
21 + + + + + +
P 1 1 0 0 0 0 0 0
=17 + 3
=20
= 17 + 12
164
=29
Vert. 1* 2* 3 4 5 6 7 8
vect
17 21 + + + + + +
P 1 1 0 0 0 0 0 0
29 + + + +
P 2 2 0 0 0 0
Etiqueta-se o vrtice 3 na rede e na tabela com (*) e podemos a partir dele ir para o
vrtice 4 e 5.
O caminho mais curto de 1 a 4 passando por 3 seria este composto pelo caminho curto
de 3 e pelo arco (3,4).
(3) + 34 = 20 + 17 = 37
Vert. 1* 2* 3 4 5 6 7 8
vect
17 21 + + + + + +
P 1 1 0 0 0 0 0 0
.
29
35 + + +
3 0 0 0 +
P 2 0
Repetindo o raciocnio, mais uma vez escolhemos o vrtice que se encontra mais perto
de 1, ou seja aquele que apresenta o mnimo dos entre os vrtices no
165
Sabe-se que j foi obtido o caminho mais curto entre os vrtices 1 e 4. Etiqueta-se o
vrtice 4 e verifica-se que os sucessores so 6 e 7. Vejamos:
12 20
7
17 2 4 26
3
1 8
17
7
3 12 5 6
21 15
15
10
Para o vrtice 6 o caminho mais curto imediatamente pelo vrtice 4 ser o caminho
mais curto at 4 nos arcos (4,6) o que originara um comprimento total: (4) + 4 6 =
29 + 4 = 33. Comparando com o actual (6) + , preferimos o caminho novo e
actualizamos (6) = 33 (6) = 4
Vert. 1* 2* 3 4 5 6 7 8
vect
49 48
35
4 6
P 3
Neste momento nota-se que o vrtice com o caminho mais curto desde o vrtice 1 e o 6
com (6) = 33 logo o vrtice 6 etiquetado, sendo o vrtice 8 o seu sucessor no
etiquetado.
2 4 7
12 20
17 26
166
1 8
4
3
17
12
21 15
15 10
O caminho mais curto para 8 tendo 6 por vrtice antecessor ser ento o caminho mais
curto at 6 seguido do arco (6,8) com comprimento total(6) + 6 8 = 35 + 5 = 48.
Comparando com o actual comprimento (8) = +, novamente preferimos o novo
caminho e actualizamos (8) = 48 (8) = 6, logo teremos:
Vert. 1* 2* 3 4 5 6 7 8
vect
35
49 48
4 6
P 3
Vert. 1* 2* 3 4 5 6 7 8
Vect
43 48
4 6
P
Vert. 1* 2* 3 4 5 6 7 8
vect
167
0 21 + + + + +
P 1 1 1 0 0 0 0 0
29 + + + +
P 2 2 0 0 0 0
29
29
35 + + +
P 2 3 0 0 0
49 46
35
4 6
P 3
48
35
P 5 6
35
P 6
Resta apenas reconstruir o caminho mais curto donde o vrtice 1 ate ao vrtice 8. Para
isso verifica-se que o antecessor de 8 e 6 esse caminho o 6, ou seja (8) = 6, temos
assim:
6 8
4 6 4
1 2 3 4 5
12
2 4 7 26
17
4168
3 17 8
1
8
21 15
3 5 6
4 10
NOTA: Para concluir pode-se dizer que, desde que a oferta total seja igual a procura
total, o problema de transportes tem sempre soluo.
169
1. Uma companhia sediada no Porto pretende estabelecer o plano mais econmico para
as deslocaes dos seus vendedores s cidades onde existem representantes dos seus
produtos. A figura 1 mostra um mapa simplificado da regio em que os ns representam
as cidades e os arcos representam as ligaes possveis.
A cada arco est associado um valor, que representa o custo que a empresa atribui a esse
trajecto, em funo da distncia, das condies da entrada e da densidade do trfego.
a) S = 1 e T = 7
b) S = 1 e T = 11
3. Nas cidades de Porto, Braga, Bragana, Vila Real e Viseu, esto sediadas empresas
de diferentes ramos de actividade que tm necessidade de definir os trajectos mais
econmicos para as deslocaes dos seus vendedores entre a sede e as restantes cidades.
Considerando o mapa simplificado do problema 1, determine os percursos mais
econmicos para cada empresa.
4. Seja G = (N, A, C), com N = {1, 2, ..., 20}, uma rede dirigida. Sabe-se que o caminho
mais curto entre os ns 5 e 20 :
5. Uma empresa de Construo Civil ficou encarregue de construir uma rede de estradas
que sirvam uma certa regio. A figura em baixo mostra um mapa simplificado da regio
onde os ns representam as localidades a servir e os arcos representam as ligaes onde
tecnicamente possvel a construo de estradas. A cada arco est associada a distncia
entre as localidades que ele liga. Quais as ligaes a concretizar se a empresa quer
minimizar o comprimento de estradas a construir e ligar um qualquer par de
localidades?
7. Uma empresa de telecomunicaes pretende servir uma regio com uma nova rede
telefnica. A figura em baixo mostra um mapa simplificado da regio onde os ns
representam as localidades a servir e os arcos representam as ligaes onde e
tecnicamente possvel o lanamento de cabos. a cada arco esta associada a distancia
entre as localidades que liga.
170
Quais as ligaes a concretizar se a empresa quer minimizar o comprimento de cabo
utilizado?
8. Uma empresa de telecomunicaes pretende servir uma regio com uma nova rede
telefnica. A figura em baixo mostra um mapa simplificado da regio onde os ns
representam as localidades a servir e os arcos representam as ligaes onde
tecnicamente possvel o lanamento de cabos. A cada arco est associado a distncia
entre as localidades que liga.
9. A rede da figura em baixo representa uma parte do sistema rodovirio de uma cidade.
O custo associado a cada arco representa o tempo mdio em minutos que o trfego
demora nesse percurso. A cada mudana de direco num cruzamento est associada
uma penalizao adicional de 3 minutos. Qual o caminho mais rpido entre o n 1 e o
n 8?
(Sugesto: Nas verdadeiras justifique por palavras suas e nas falsas apresente um contra
exemplo).
11. Dada a rede da figura em baixo onde a cada arco esta associado uma capacidade,
qual o fluxo mximo que pode ser enviado do n origem (1 ) para o n terminal (5) ?
12. A empresa Paga & Ri, L.da. proprietria de um parque de diverses. Na figura em
baixo, os ns representam os pontos de diverso e os arcos as respectivas ligaes, onde
os visitantes so transportados por pequenos comboios elctricos. Dado que os
caminhos so algo acidentados, geograficamente, e o material circulante apresenta
sinais de envelhecimento, apenas podem ser realizadas diariamente as viagens
assinaladas. Assumindo que os comboios andam sempre cheios, quais so os percursos
e quantos comboios devem circular de modo a levar o mximo nmero de visitantes
dirios da entrada (n 1) para a montanha russa (n 7). Considere a situao em que no
h viagens como soluo inicial.
13. Na rede da figura em baixo, onde a cada arco est associado a respectiva
capacidade, calcule o fluxo mximo que possvel enviar do n origem 1 para o n
destino 5 (o fluxo inicial nulo).
171
Assinale graficamente o corte mnimo e calcule a respectiva capacidade.
14. Uma companhia sediada no n 3 pretende estabelecer o plano mais econmico para
as deslocaes dos seus vendedores s cidades onde existem representantes dos seus
produtos. A figura seguinte mostra um mapa simplificado da regio em que os ns
representam as cidades e os arcos as ligaes possveis.
a) A cada arco esta associado um valor, que representa o custo que a empresa atribui a
esse trajecto, em funo da distncia, das condies da entrada e da densidade do
trfego.
15. Na rede da figura a cada arco (i, j) est associado a sua capacidade, bij, e o fluxo
existente, xij.
16. Na rede da figura a cada arco (i, j) est associado a sua capacidade, bij, e o fluxo
existente, xij.
17. Na rede da figura em baixo, onde a cada arco est associado a respectiva
capacidade, calcule o fluxo mximo que possvel enviar do n origem 1 para o n
destino 5 (o fluxo inicial nulo).
18. Na rede da figura, a cada arco (i,j) est associado a sua capacidade, bij, e o fluxo ai
existente, xij.
c) Determine o corte mnimo da rede e mostre que a sua capacidade igual ao fluxo
mximo.
Na rede da figura, a cada arco (i,j) est associado a sua capacidade, bij, e o fluxo ai
existente, xij.
172
a) Determine o fluxo que actualmente pode ser enviado do n 1 para o n 6.
200
Caxito 2 4
100
60
Malanje
Ndalatando
120
3
Luanda 1 200
120
70 Gabela
5 150
130 6 Lubango
8
Sumbe
60 150
7
Lobito
Cada arco esta associado a um valor, que representa o custo que a empresa atribiu a esse
trajecto, em funo da distancia, das condies da entrada e da densidade do trfego.
20. Utilizando o algoritmo de Dijkstra, determine o caminho mais curto entre os nos S e
T, assim como seu comprimento, nas seguintes redes:
a) S = 1 e T = 7
2 7
4
6
1 5 5
6
1 1 7
3
173
4
2 8
6
b) S = 15 e T =11
4
3 4
2 5 8
7
4 5 2 2 2
2
6 2 5 8
1 3 6 9 11
4 5 1 2
3 4
3
6 5
4 7 10
22. Seja G=(N,A,C), com N={1,2, , 20}, uma rede dirigida. Sabe-se que o caminho
mais curto entre os nos 5 e 20 :
[5,1,13,7,18,2,20].
Qual o caminho mais curto entre os nos 1 e 2? Qual o seu comprimento, assumido
que c (p) o comprimento do caminho p? Justifique as suas respostas.
23. Uma empresa de construo civil ficou encarregue de construir uma rede de estrada
que servia uma certa regio. A figura em baixo mostra um mapa simplificado da regio
onde os nos representam nas. Localidades a servir e os arcos representam ligaes onde
tecnicamente possvel a construo de estrada. A cada arco esta associada a distancia
entre as localidades que ele liga.
20
2 4
6 10 20
174
1 3 6
12 12
15
7 13
25 5
24. Usando o algoritmo de Floyd, determine o caminho mais curto entre todos os pares
de ns da seguinte rede
1 2
5 2
25. Uma empresa de telecomunicaes pretende servir uma regio com uma nova rede
telefnica.A figura abaixo mostra um mapa simplificado da regio onde os ns
representam as localidades a servir e os arcos representam as ligaes onde
tecnicamente possvel o lanamento de cabos. A cada arco esta associada a distancia
entre as localidades que liga.
3
5 2 5
9
1 4
7 7
1 3 5
5
2
Quais as liga as ligaes a concretizar se a empresa quer minimizar o comprimento de
cabo utilizado. 4 6 6
4
4
26. A empresa Paga & Ri, Lda. proprietria de um parque de diverses. Na figura em
baixo, os ns representam os pontos de diverso e os arcos as respectiva ligaes, onde
os visitante so transportados por pequenos comboios elctricos. Dado que os caminhos
175
so algo acidentados, geograficamente, e o material circulante apresenta sinais de
envelhecimento, apenas podem ser realizadas diariamente as viagens assinaladas.
Assumindo que os comboios andam sempre cheios, quais so os percursos e quantos
comboios devem circular de modo a levar o mximo numero de visitante dirios de
entrada (n 7). Considere a situao em que no h viagens como soluo inicial.
3
5 2 5
9
1 4
7
1 3 1 7
5
2
4 6
4
4
6
27. Na rede da figura em baixo, onde a cada arco esta associada a respectiva capacidade,
calcule o fluxo mximo que possvel enviar do n origem 1 para o no destino 5 (o
fluxo inicial nulo)
5
2
4
3
4
2 2
1
6
8 5
REFERNCIAS BIBLIOGRFICAS
176
2. K. M. Anstreicher: Linear programming in Operations.SIAM Journal on
Optimization Vol. 9, N. 4, pp. 803-812, 1999.
177
de raes para bovinos. II Encontro de Matematica Aplicada e
Computacional em Braslia, 2001.
24. Manuela Hill, Mariana Marques dos Santos e Ana Lbano: Investigao
Operacional I, II, III. 2008
29. http//www.ericolisboa.eng.br
178
35. CHESLT, Kenneth R; EDWARDS,Thomas G. Does This Line Ever Move?:
Everyday Applicationsof Operations Research. Emeryville, CA: Key
Curriculum Press, 2005. 144 p. ISBN: 1-55953-673-X.
36. COSTA, Jos de Jesus da. Tpicos de Pesquisa Operacional. 2. ed. Rio de
Janeiro: Editora Rio, 1975. p. 280.
37. LOESCH, Cludio; HEIN, Nelson. Pesquisa Operacional: Fundamentos e
modelos. Blumenal:Editora da FURB, 1999. 270 p.
38. CUKIERMAN, Zigmundo Salomao. O modelo PERT/COM aplicado a
projectos: panejamento para o futuro. 7. ed. Rio de Janeiro: Reichman & Affonso
Editora, 2000. 216 p.
39. HAGUETTE, Teresa M. Frota. Metodologia Qualitativa da Sociologia. 2. ed.
Rio de Janeiro: vozes, 1990. 168 p.
40. HERNANDEZ Fernando. Transgresso e Mudana na Educao: os
projectos de trabalho. Traduo
Jussara Haubert Rodrigues. Porto Alegre: ArtMed, 1998.
41. HILLER, Frederick S; LIEBERMAN, Gerald J. Introduo Pesquisa
Operacional. Traduo
42. Helena L. Lemos. 1. ed. Rio de Janeiro: Campus; So Paulo: Editora da
Universidade de So Paulo, 1988. 805 p. Traduo de: Introduction to Operations
Research. Third edition.
43. LOESCH, Cludio; HEIN, Nelson. Pesquisa Operacional: fundamentos e
modelos. Blumenau: Editora da FURBE, 1999. 270 p
44. MATOS, Joo Filipe (Coord.); CAREIRA Paula Susana; SANTOS, Madalena
Pinto dos; AMORIM, Isabel. Modelao Matemtica. Lisboa: Universidade
Aberta, 1995. 188 p.
45. MORGADO, Augusto C., WAGNER, Eduardo, ZANI. Sheila C. Progresso e
Matemtica Financeira. Rio de Janeiro: Sociedade Brasileira de Matemtica, 1993.
100 p. Coleco do Professorde Matemtica.
4
6. MOURA, Dacio Guimares de, BARBOSA, F. Barbosa. Trabalhando com
Projectos: panejamento e gesto de projectos educacionais. Petropolis, RJ: Vozes,
2006. 246 p.
47. PRADO, Darci Santos do. Programao Linear. Belo Horizonte: INDG
Tecnologia e Servios Ltda, 2003, 206 p, il.: (Serie Pesquisa Operacional v. 1).
179
48. STEFE, Rodrigo. Projectos Pedaggicos Interdisciplinares Utilizando
Softwares de Produtividades: uma experiencia no ensino fundamental. Dissertao
(Mestrado Integrado Profissional em Computacao) Universidade Estadual do
Ceara (UECE) e Centro Federal de Educacao Tecnologica do Ceara (CEFET-CE).
Ceara, 2006. 122 p.
49. STANGER, Luiz B. Nocoes Preliminares. Estabelecimento de um Programa de
Pesquisa ou de Producao. Tecnica para Montagem de uma Rede PERT. In: CPM-
CPM: tecnica de planejamento e controle. 1. ed. rev. Rio de Janeiro: Livros
Tecnicos e Cientificos, 1976 (cap. 1, 2 e 3).
50. THIOLLENT, Michel. Metodologia da pesquisa-ao. 13. ed. So Paulo:
Cortez, 2004. (Coleco temas bsicos de pesquisa-acao).
51. TRALDI JUNIOR, Armando. Sistema de Inequaes do 1. Grau: uma
abordagem do processo
Ensino-aprendizagem focando os registos de representaes. Dissertao (Mestrado
em EducaoMatemtica) -Pontifcia Universidade Catlica de So Paulo, So
Paulo, 2002. 112 p. Impresso.
52. TRIVINOS, Augusto Nibaldo Silva. Introduo Pesquisa em Cincias
Sociais: a pesquisa qualitativa em educacao. 1. ed. Sao Paulo: Atlas, 1928. 175 p.
53. SILVA, Carlos Alberto da. Uma metodologia para o ensino Operacional no
Ensino Tcnico de Nvel mdio: Estudo de Caso na UNED- Imperatriz/MA.
Dissertao (Mestrado Integrado Profissional em Computao) Universidade
Estadual do Ceara (UECE) e Centro Federal de EducaoTecnolgica do Ceara
(CEFET-CE). Ceara, Fevereiro/2009. 54. WEISS, Neil; YOSELOFF, Mark.
Matemtica Finita. Traduo Roberto Angelo de Barros Padilha. Inc. 1975; Rio de
Janeiro: Guanabara Dois: 1978. 584 p. Traduo de: Finite Mathematics.Worth
Publishers Inc.: New York.
180