Baixe o app para aproveitar ainda mais
Prévia do material em texto
28/10/12 1 PROGRAMAÇÃO LINEAR: UMA ABORDAGEM GRÁFICA ¨ Exemplo(Mathur e Solow): Chemicals Company(CC) produz 2 solventes(CS1 e CS2) em sua planta de Cleveland. A planta opera 40 horas pode semana e emprega 5 trabalhadores em tempo integral e 2 em tempo parcial (15h/semana) para fazer funcionar suas 7 máquinas que misturam certos produtos químicos para fabricar solvente. Esta força de trabalho fornece 230 horas no depto de mistura. Os produtos, uma vez misturados, são refinados no depto de purificação o qual, atualmente, tem 7 purificadores e empregam 6 trabalhadores em tempo integral e um em tempo parcial(10 horas/semana). A força de trabalho neste depto é, portanto, de 250 horas por semana. 28/10/12 2 ¨ As horas requeridas nos referidos deptos são descritas abaixo. CC tem fornecimento ilimitado de matéria prima e pode vender qq quantia de CS1 mas a demanda de CS2 está limitada a 120 galões/semana. A contabilidade estima uma margem de lucro de $0,30/galão de CS1 e $0,50/galão de CS2. Determine o plano de produção semana da CC. Tabela 1 – requerimentos de mobra(h/1000gal) CS1 CS2 Mistura 2 1 Purificação 1 2 ¨ Maximize 3x1 + 5x2 ¨ s.t. ¨ Mistura) 2x1 + x2 <= 230 (1) ¨ Embal) x1 + 2x2 <= 250 (2) ¨ DemP2) x2 <= 120 (3) ¨ x1 >= 0 (4) ¨ x2 >= 0 (5) 28/10/12 3 O que se deseja? ¨ Valores para as variáveis de decisão que obedeçam a todas as restrições Valores Viáveis ¨ Conjunto de valores para as varáveis de decisão em um programa linear que satisfaz todas as restrições Região Viável 28/10/12 4 ¨ Uma solução na qual as variáveis de decisão são viáveis Solução Viável ¨ Aquela solução que além de satisfazer todas as restrições (solução viável) conduz ao melhor valor da função objetivo Solução Ótima 28/10/12 5 -250 -150 -50 50 150 250 350 -300 -200 -100 0 100 200 300 x1 x2 (1) 2x1+x2<=230 (2) x1+2x2<=250 (3) x2<=120 (4) x1>=0 (5) x2>=0 FO) 3x1+5x2=660 Ótima: x1 = 70; x2 = 90 (FO= 660) FO) 3x1+5x2=210 FO) 3x1+5x2=400 Solução Ótima Ponto Extremo X1 X2 F.O. A 0 0 0 B 115 0 345 C 70 90 660 D 10 120 630 E 0 120 600 28/10/12 6 -250 -150 -50 50 150 250 350 -300 -200 -100 0 100 200 300 x1 x2 (1) 2x1+x2<=230 (2) x1+2x2<=250 (3) x2<=120 (4) x1>=0 (5) x2>=0 FO) 3x1+5x2=660 Ótima: x1 = 70; x2 = 90 (FO= 660) (4) x1>=150 (2) x1+2x2>=250 -250 -150 -50 50 150 250 350 -300 -200 -100 0 100 200 300 x1 x2 (1) 2x1+x2>=230 (3) x2<=120 (5) x2>=0 (4) x1>=0 28/10/12 7 -250 -150 -50 50 150 250 350 -300 -200 -100 0 100 200 300 x1 x2 (1) 2x1+x2<=230 (2) x1+2x2<=250 (3) x2<=120 (4) x1>=0 (5) x2>=0 FO) 3x1+5x2=660 Ótima: x1 = 70; x2 = 90 (FO= 660) (6) x1+x2<=300 (2) x1+2x2<=250 -250 -150 -50 50 150 250 350 -300 -200 -100 0 100 200 300 x1 x2 (1) 2x1+ x2<=230 (3) x2<=120 (4) x1>=0 (5) x2>=0 FO) 2x1+4x2=500 Ótima: x1 = 70; x2 = 90 (FO= 500) Ótima: x1 = 10; x2 = 120 (FO= 500) FO) 3x1+5x2 FO) 2x1+4x2 28/10/12 8 DUALIDADE E ANÁLISE DE SENSIBILIDADE 2a. Aula – 16/08/2011 Análise de Sensibilidade Investigar os efeitos sobre a solução ótima de realizar-se mudanças nos parâmetros do modelo aij, bi e cj. Ex.: sempre que yi* >0 então a solução ótima muda caso bi seja modificado 28/10/12 9 ¨ Problemas empresariais devem considerar as incertezas ¤ Oque aconteceria se o custo do produto aumentasse 7%? ¤ O que aconteceria se a redução do tempo de configuração de uma máquina permitisse capacidade adicional a essa máquina? ¤ Oque aconteceria se o tempo de mão-obra para a produção de um produto precisasse de duas horas e não três? ¨ Maximize 3x1 + 5x2 ¨ s.t. ¨ Mistura) 2x1 + x2 <= 230 (1) ¨ Embal) x1 + 2x2 <= 250 (2) ¨ DemP2) x2 <= 120 (3) ¨ x1 >= 0 (4) ¨ x2 >= 0 (5) 28/10/12 10 Microso' Excel 14.0 Sensi3vity Report Worksheet: [Workbook1]Sheet1 Report Created: 15/08/2011 23:21:00 Variable Cells Final Reduced Objec3ve Allowable Allowable Cell Name Value Cost Coefficient Increase Decrease $B$2 x1 70 0 3 7 0,5 $C$2 x2 90 0 5 1 3,5 Constraints Final Shadow Constraint Allowable Allowable Cell Name Value Price R.H. Side Increase Decrease $D$4 Mistura) 230 0,333333333 230 270 90 $D$5 Embalagem) 250 2,333333333 250 45 135 $D$6 DemP2) 90 0 120 1E+30 30 Microso' Excel 14.0 Answer Report Worksheet: [Workbook1]Sheet1 Report Created: 15/08/2011 23:20:59 Result: Solver found a solu3on. All constraints and op3mality condi3ons are sa3sfied. Solver Engine Engine: Simplex LP SoluHon Time: 0,690193 Seconds. IteraHons: 3 Subproblems: 0 Solver Op3ons Max Time Unlimited , IteraHons Unlimited , Precision 1e-‐06 Max Subproblems Unlimited , Max Integer Sols Unlimited , Integer Tolerance 1%, Assume NonNegaHve ObjecHve Cell (Max) Cell Name Original Value Final Value $D$3 Max 0 660 Variable Cells Cell Name Original Value Final Value Integer $B$2 x1 0 70 ConHn $C$2 x2 0 90 ConHn Constraints Cell Name Cell Value Formula Status Slack $D$4 Mistura) 230 $D$4<=$F$4 Binding 0 $D$5 Embalagem) 250 $D$5<=$F$5 Binding 0 $D$6 DemP2) 90 $D$6<=$F$6 Not Binding 30 28/10/12 11 Dualidade “TODO O PROBLEMA DE PROGRAMAÇÃO LINEAR TEM ASSOCIADO A ELE UM OUTRO PROBLEMA DE PROGRAMAÇÃO LINEAR QUE FORNECE A MESMA SOLUÇÃO ÓTIMA” PRIMAL à DUAL Relações Primal-Dual PRIMAL DUAL Maximizar z=c1x1+c2x2+...+cnxn s.a. a11x1 + a12x2 +...+ a1nxn<=b1 (y1) a21x1 + a22x2 +...+ a2nxn<=b2 (y2) ... am1x1 + am2x2 +...+ amnxn<=bm (yn) xj >=0,(j=1,2,...,n) Minimizar D=b1y1+b2y2+...+bmym s.a. a11y1 + a21y2 +...+ am1ym>=c1 (x1) a12y1 + a22x2 +...+ a2nym>=c2 (x2) ... a1ny1 + a2nx2 +...+ a1nym>=cn (xn) yi >=0,(i=1,2,...,m) 28/10/12 12 Relações Primal-Dual ¨ 1º.) se o problema primal é de maximização, o problema dual é de minimização e vice-versa; ¨ 2º.) lados direitos das restrições do problema primal se transformam nos coeficientes da função objetivo do dual; ¨ 3º.) os coeficientes da função-objetivo do primal se transformam nos lados direitos das restrições do problema dual; ¨ 4º.) a matriz dos coeficientes das restrições do dual corresponde à transposta da matriz tecnológica do primal. Relações Primal-Dual ¨ 5º) o número de restrições do primal corresponde ao número de variáveis do dual ¨ 6º.) os resultados do primal e do dual são iguais; ¨ 7º) o dual do problema dual é o próprio primal. Se W=b1y1+b2y2+...+bmym então yi pode ser interpretada como a contribuição atual ao lucro por unidade de recurso i 28/10/12 13 ¨ Teorema I : o dual do dual é o primal ¨ Teorema II: se a k-ésima restrição do primal é uma igualdade, então a k-ésima variável do dual(yk) é sem restrição de sinal, isto é, pode ter valor positivo, zero ou negativo ¨ Teorema III: se a p-ésima variável do primal é sem restrição de sinal, então a p-ésima restrição do dual é uma igualdade. ¨ Teorema IV: se tanto o primal quanto o dual tem soluções viáveis finitas, então existe uma solução ótima finita para cada um dos problemas tal que Z*=D*. (propriedade forte da dualidade; Hillier e Libermann, 1995) Exemplos: ¨ Max Z = 2y1 + y2 ¨ s.a. n -y1 + y2 <= 1 n y1 + y2 <=3 n y1 – 2y2 <=4 n y1>=0, y2 >=0 28/10/12 14 ¨ Max Z = y1 + 2y2 ¨ s.a. n 3y1 + y2 <= 6 n 2y1 + y2 = 3 n Y1 >=0, y2>=0 n COLIN PG. 70, exercs. 1,2,3 DEA CCR orientado a insumos 28/10/12 15 ¨ Max Ef = 2u1 ¨ s.a. ¨ 4v1 + 3v2 = 1 ( ) ¨ 2u1 – 4v1 -3v2 <=0 ¨ 5u1 – v1 – 6v2 <=0 ¨ 4u1 – 2v1 -3v2 <=0 ¨ u1 – v1 -2v2 <=0 ¨ 8u1 – 10v1 -5v2 <=0 ¨ u1, v1, v2 >=0 1! 2! 3! 4! 5! ! 28/10/12 16 DEA CCR orientado a insumos Modelo do Envelopamento 28/10/12 17 28/10/12 18 Interpretação econômica do problema dual ¨ As variáveis originais(yi) são, normalmente, chamadas de preço-sombra ou preço dual e representam economicamente o valor marginal do recurso da restrição i em relação ao valor da função objetivo, isto é, o valor pelo qual a função objetivo seria alterada caso a quantidade do recurso i(representada pela constante da restrição bi) fosse aumentada em uma unidade. 28/10/12 19 ¨ PROBLEMA NA FORMA PADRÃO Maximizar z=c1x1+c2x2+...+cnxn s.a. a11x1 + a12x2 +...+ a1nxn + s1=b1 (y1) a21x1 + a22x2 +...+ a2nxn +s2=b2 (y2) ... am1x1 + am2x2 +...+ amnxn + sn = bm (yn) xj >=0,(j=1,2,...,n) ¨ Forma Padrão ¤ A funçao objetivo é do tipo de maximização ¤ Todos os lados direitos das equações são não negativos ¤ Todas as restrições são do tipo igualdade; ¤ Todas as variáveis de decisão são não-negtivas 28/10/12 20 PREÇO SOMBRA OU PREÇO DUAL • Preço sombra para o recurso i(yi*) mede o valor marginal desse recurso, i.e., a taxa na qual Z poderia ser aumentado, elevando-se ligeiramente a quantidade deste recurso(bi) que está sendo disponibilizado. • É fornecido pela solução ótima para o problema dual. O valor deste preço sombra só é válido dentro do intervalo de sensibilidade.
Compartilhar