Baixe o app para aproveitar ainda mais
Prévia do material em texto
Aula 2 – Método Gráfico Objetivos: Ao final desta aula, o estudante será capaz de: 1. Encontrar a solução ótima de um modelo PL com duas variáveis via método gráfico. 2. Classificar os modelos PL de acordo com o número de soluções. 1.Introdução A Aula 1 mostrou que a modelagem via PL pode ser utilizada para modelar problemas de decisão relacionados a diversas áreas da Engenharia de Produção, como por exemplo planejamento da produção, logística e finanças. Nesta aula é apresentado o primeiro método de resolução de modelos PL, conhecido como método gráfico. Este método aplica-se apenas a modelos com duas variáveis de decisão. Apesar desta limitação, o método gráfico ajuda na compreensão do método Simplex, que é o método utilizado para resolução de modelos com mais variáveis e que será visto com detalhes em aulas posteriores. 2.Tipos de solução em PL Antes da apresentação dos fundamentos do método gráfico, deve-se ter em mente os conceitos de solução viável, inviável e ótima. Uma solução de um modelo PL é dita solução inviável se não satisfaz pelo menos uma das restrições do problema. Já uma solução que satisfaz todas as restrições do problema, é dita ser uma solução viável. A solução viável que mais otimiza a função objetivo é dita ser uma solução ótima do problema. Estes conceitos são ilustrados voltando ao modelo PL do Exemplo 1.1 da Aula 1: 𝑀𝑎𝑥 𝑧 = 20𝑥1 + 10𝑥2 s.a.: 3𝑥1 + 2𝑥2 ≤ 90 𝑥1 ≤ 25 𝑥1 𝑥2 ≥ 0 A solução 𝑥1 = 20 e 𝑥2 = 15 é uma solução viável para o problema, pois matematicamente satisfaz todas as restrições do problema: (3 × 20 + 2 × 15) ≤ 90, 20 ≤ 25,20 ≥ 0 e 15 ≥ 0. Já a solução 𝑥1 = 10 e 𝑥2 = 35 é inviável pois não satisfaz a primeira restrição do problema: 3 × 10 + 2 × 35 ≥ 90. A solução viável 𝑥1 = 20 e 𝑥2 = 15 gera o valor 𝑧 = 20 × 20 + 10 × 15 = 550 na função objetivo. Não podemos afirmar ainda se esta solução é ótima ou não pois não sabemos ainda se existe alguma outra solução viável que gere um maior valor para função objetivo. O método gráfico auxilia neste propósito, pois o mesmo encontra a solução ótima do problema. 3. Aplicação do Método Gráfico A aplicação do método gráfico é feita em dois passos: 1. Determinação da região de soluções viáveis. 2. Obtenção da solução ótima. A descrição destes passos é feita com base no modelo do Exemplo 1.1 da Aula 1, já discutido nesta aula. Passo 1: determinação da região de soluções viáveis Neste passo, um plano cartesiano é desenhado em que a abscissa representa os possíveis valores para a variável 𝑥1 enquanto a ordenada representa os possíveis valores para a variável 𝑥2. O objetivo é encontrar no plano a região de soluções viáveis 𝐹 formada por todos os pares (𝑥1, 𝑥2) que satisfazem todas as restrições do modelo. Para encontrar a região 𝐹, obtém-se, para cada uma das restrições, a região no plano representada pelas soluções que satisfazem a restrição. Começando por exemplo pelas restrições de não negatividade 𝑥1 ≥ 0 e 𝑥2 ≥ 0. Estas duas restrições em conjunto sem considerar as demais, fazem com que a região de soluções viáveis 𝐹 seja todo o primeiro quadrante do plano, conforme mostra a Figura 2.1. Figura 2.1: Região de soluções viáveis 𝐹 considerando apenas as restrições de não negatividade A Figura 2.2 adiciona ao gráfico prévio a região associada a restrição 𝑥1 ≤ 25. Graficamente, traça-se uma reta vertical em 𝑥1 = 25 e, como o objetivo é pontos com abcissa menores ou iguais a 25, a região será formada por todos os pontos que estão sobre esta reta ou a esquerda da mesma. Durante o desenho desta região, deve-se lembrar de fazer uma interseção com a região determinada pelas restrições de não negatividade (Figura 2.1). Figura 2.2: Região de soluções viáveis 𝐹 considerando as restrições de não negatividade e 𝑥1 ≤ 25 Finalmente, adiciona-se ao gráfico a região de soluções que falta, que é a região associada a restrição 3𝑥1 + 2𝑥2 ≤ 90. Para isso, inicialmente traça-se a reta 3𝑥1 + 2𝑥2 = 90. Esta reta passa pelos pontos (0,45) e (30,0). Esta reta também divide o plano em dois semiplanos e, os pontos de apenas um destes, satisfaz a desigualdade. Para saber qual é o semiplano viável, toma-se por exemplo o ponto (0,0) como ponto referência. Se este ponto satisfaz a desigualdade, então o semiplano em que ele pertence é o semiplano viável. Caso contrário, o viável é o outro lado. No exemplo, (0,0) satisfaz a restrição pois 3 × 0 + 2 × 0 = 0, que é menor ou igual a 90. Logo, o semiplano viável é o que contém o ponto(0,0). É válido ressaltar que o ponto (0,0) foi escolhido arbitrariamente e, portanto, qualquer outro ponto poderia ter sido escolhido como ponto referência. Fazendo uma interseção com a região da Figura 2.2, tem-se a região de soluções viável final 𝐹. A Figura 2.3 mostra a região de soluções viáveis 𝐹 considerando todas as restrições do modelo. Figura 2.3: Região de soluções viáveis 𝐹 considerando todas as restrições A região de soluções viáveis 𝐹 é formada por todos os pontos internos e sobre as arestas do polígono com quatro lados cujos vértices são interseções de retas associadas a duas restrições dos problema. Tal polígono é destacado na Figura 2.4. Figura 2.4: Polígono que contorna a região de soluções viáveis 𝐹 Pode-se encontrar as coordenadas de cada um destes vértices através da resolução de um sistema de equações do 1º grau. Por exemplo, o ponto 𝐶 é a interseção das retas associadas as restrições 3𝑥1 + 2𝑥2 ≤ 90 e 𝑥1 ≤ 25. Assim, as coordenadas de 𝐶 podem ser obtidas resolvendo o sistema: { 3𝑥1 + 2𝑥2 = 90 𝑥1 = 25 , cuja solução é 𝑥1 = 25 e 𝑥2 = 7,5. Todos os demais vértices são encontrados de maneira similar, obtendo 𝐴 = (0,0), 𝐵 = (25,0), 𝐶 = (25, 7,5) e 𝐷 = (0,45). De acordo com a definição 2.1, os pontos 𝐴, 𝐵, 𝐶, 𝐷 e (30,0) são pontos extremos do modelo. No entanto, o ponto (30,0) não está associado a uma solução viável do problema. Diz-se então que ele é um ponto extremo inviável, enquanto os demais pontos extremos são chamados de pontos extremos viáveis. Passo 2: obtenção da solução ótima A região de soluções viáveis 𝐹 obtida no passo anterior é composta de infinitos pontos. Assim, é necessário um método para encontrar qual destes pontos representa a solução ótima. Para encontrar a solução ótima, inicialmente é identificada a direção de crescimento da função objetivo 𝑧 = 20𝑥1 + 10𝑥2. Para isso, atribui-se valores para 𝑧 arbitrariamente e traça-se as retas associadas. Estas retas são chamadas de curvas de nível da função objetivo. Designando, por exemplo, 𝑧 = 200 e 𝑧 = 400, tem-se as retas 200 = 20𝑥1 + 10𝑥2 e 400 = 20𝑥1 + 10𝑥2. Tais retas estão desenhadas na Figura 2.5. Definição 2.1: os pontos que são interseção entre restrições de um modelo PL são chamados de pontos extremos. Figura 2.5: duas curvas de nível desenhadas Observa-se que as retas são paralelas e ambas tocam o conjunto de soluções. Assim, qualquer ponto pertencente ao conjunto de soluções viáveis 𝐹 e que ao mesmo tempo esteja sobre a reta 200 = 20𝑥1 + 10𝑥2 é uma solução viável com valor na função objetivo 𝑧 = 200. Raciocínio similar pode ser aplicado para a reta 400 = 20𝑥1 + 10𝑥2. Aumenta-se o valor de 𝑧 até a última reta que toca o conjunto de soluções viáveis ser encontrada. A Figura 2.6 mostra retas associadas a diversos valores de 𝑧, onde a reta com maior valor de 𝑧 e que toca o conjunto de soluções viáveis 𝐹 está destacada em negrito. Figura 2.6: Diversas curvas de nível do modelo A reta que toca o conjunto de soluções com maior valor de 𝑧 é a reta com 𝑧 = 575, ou seja é a reta 575 = 20𝑥1 + 10𝑥2. Tal reta toca o conjunto de soluções viáveis 𝐹 apenas no ponto extremo 𝐶 = (25, 7,5). Conclui-se que a solução ótima do problema é 𝑥1 = 25 e 𝑥2 = 7,5, que gera umafunção objetivo 𝑧 = 575. Seguem agora os passos do método o gráfico para um novo exemplo. Exemplo 2.1 Considere o modelo: 𝑀𝑖𝑛 𝑧 = 2𝑥1 + 𝑥2 s.a.: −𝑥1 + 𝑥2 ≥ 3 2,5𝑥1 + 𝑥2 ≥ 10 𝑥2 ≤ 11 𝑥1 , 𝑥2 ≥ 0 Pede-se um gráfico com a região de soluções viáveis 𝐹, as coordenadas dos pontos extremos viáveis do modelo e a solução ótima do modelo via método gráfico. Solução: Primeiramente, é desenhado em um plano a região 𝐹 de soluções viáveis, ou seja, a região formada por todos os pontos (𝑥1, 𝑥2) que satisfazem todas as restrições do problema. Para isso, desenha-se a região de soluções viáveis de cada restrição, fazendo uma interseção entre estas. Para se desenhar a região associada a restrição 2,5𝑥1 + 𝑥2 ≥ 10, por exemplo, desenha-se inicialmente a reta 2,5𝑥1 + 𝑥2 = 10. Esta reta é a que passa pelos pontos (𝑥1, 𝑥2) = (4,0) e (𝑥1, 𝑥2) = (0,10). Esta reta divide o plano em dois semiplanos e só um destes contém os pontos que satisfazem as restrições. Para saber qual o semiplano viável, toma-se um ponto como referência, por exemplo o ponto (𝑥1, 𝑥2) = (0,0). Como este ponto não satisfaz a restrição 2,5𝑥1 + 𝑥2 ≥ 10, temos que o semiplano viável é aquele que não contém o ponto (0,0). A região F completa encontra-se na Figura 2.7, onde a região associada a restrição 2,5𝑥1 + 𝑥2 ≥ 10 está destacada em amarelo. Figura 2.7: Região de soluções viáveis do Exemplo 2.1 Na Figura 2.7 estão destacados também os pontos 𝐴, 𝐵, 𝐶 e 𝐷, que são os pontos extremos viáveis do modelo. É mostrado aqui como exemplo o cálculo das coordenadas do ponto 𝐴. Tal ponto é interseção das restrições −𝑥1 + 𝑥2 ≥ 3 e 2,5𝑥1 + 𝑥2 ≥ 10. Assim, as coordenadas de 𝐴, satisfazem com igualdade estas duas restrições e, portanto, são obtidas resolvendo o sistema de equações: { −𝑥1 + 𝑥2 = 3 2,5𝑥1 + 𝑥2 = 10 , que tem como solução 𝑥1 = 2 e 𝑥2 = 5. Os demais pontos extremos viáveis são 𝐵 = (8,11), 𝐶 = (0,11) e 𝐷 = (0,10). 𝐹 possui infinitas soluções. Para saber a solução ótima do modelo, ou seja, a solução em 𝐹 que gera o menor valor para a função objetivo 𝑧 = 2𝑥1 + 𝑥2, alguns valores para 𝑧 são arbitrados e desenharmos as retas associadas. Para 𝑧 = 14 e 𝑧 = 12, por exemplo, tem- se as retas14 = 2𝑥1 + 𝑥2 e 12 = 2𝑥1 + 𝑥2, conforme destaca a Figura 2.8. Figura 2.8: Duas curvas de nível para o Exemplo 2.1 Ambas as retas tocam o conjunto de soluções viáveis. Assim, qualquer ponto que estiver sobre a reta 14 = 2𝑥1 + 𝑥2 e pertencer a 𝐹 é uma solução viável com função objetivo 𝑧 = 14. Raciocínio similar pode ser aplicado para se obter soluções com 𝑧 = 12. Encontra-se então a reta com menor valor de 𝑧 e que toque o conjunto de soluções viáveis. A Figura 2.9 apresenta diversas retas, onde a reta procurada é destacada em negrito. Figura 2.9: Diversas curvas de nível para o Exemplo 2.1 A reta destacada é a reta com 𝑧 = 9. Esta reta toca apenas no ponto extremo viável 𝐴 = (2,5). Logo, este ponto representa a solução ótima do problema. 4. Casos especiais Um modelo PL pode ser classificado como viável ou inviável. O modelo viável é aquele que possui pelo menos uma solução viável. Já o modelo inviável é aquele não possui nenhuma solução viável. Os dois modelos estudados nesta aula até o momento possuem uma única solução ótima. No entanto, alguns modelos podem ter múltiplas soluções ótimas ou ainda possuir solução ótima ilimitada. Para exemplificar o caso das múltiplas soluções ótimas, considere o seguinte modelo, que é semelhante ao do Exemplo 2.1, apenas com uma mudança na função objetivo: Os modelos PL viáveis podem possuir: uma única solução ótima, múltiplas soluções ótimas ou solução ilimitada. 𝑀𝑖𝑛 𝑧 = 5𝑥1 + 2𝑥2 s.a.: −𝑥1 + 𝑥2 ≥ 3; 2,5𝑥1 + 𝑥2 ≥ 10; 𝑥2 ≤ 11; 𝑥1 , 𝑥2 ≥ 0; A Figura 2.10 ilustra a região de soluções viáveis 𝐹 e as curvas de nível para o novo modelo. Figura 2.10: Exemplo com múltiplas soluções ótimas Observe que agora a curva de nível com menor valor de 𝑧 e que toca o conjunto de soluções viáveis é a reta 20 = 5𝑥1 + 2𝑥2. Esta reta toca o conjunto de soluções em todo o segmento 𝐴𝐷̅̅ ̅̅ e não somente em um único ponto. Assim, o modelo possui infinitas soluções ótimas uma vez que qualquer ponto pertencente ao segmento 𝐴𝐷̅̅ ̅̅ (incluindo o próprio 𝐴 e o próprio 𝐷) é uma solução ótima do problema. Note que substituindo as coordenadas de 𝐴 ou 𝐷 na função objetivo, obtemos 𝑧 = 20. Uma condição para que um modelo PL tenha múltiplas soluções ótimas é que os coeficientes da função objetivo devem ser proporcionais aos coeficientes de uma das restrições, o que deixa as curvas de nível paralelas a esta restrição. Agora, vamos analisar um modelo com solução ilimitada. Para isso, considere o seguinte modelo: 𝑀𝑎𝑥 𝑧 = 3𝑥1 + 𝑥2 s.a.: −𝑥1 + 𝑥2 ≤ 0 − 1 2 𝑥1 + 𝑥2 ≤ 3 𝑥1 , 𝑥2 ≥ 0 A Figura 2.11 mostra as curvas de nível associadas ao modelo prévio. Figura 2.11: Exemplo com solução ilimitada Observe que o valor de 𝑧 pode ser aumentado indefinidamente e a curva de nível associada continua tocando a região de soluções viáveis. Diz-se neste caso que a Solução é ilimitada ou que o modelo é ilimitado. 5. Enumeração de pontos extremos viáveis Nesta aula foram vistos dois modelos que possuíam uma única solução ótima. Para ambos, esta solução estava associada a um ponto extremo viável. Esta observação de uma certa maneira também é válida para o exemplo com múltiplas soluções ótimas, uma vez que os pontos extremos viáveis 𝐴 e 𝐷 (Figura 2.10) são também solução ótima do modelo. O fato da solução ótima, quando esta existe, estar associada a um ou mais pontos extremos viáveis não é uma mera coincidência, pois esta é uma característica presente em qualquer modelo PL, independente se este for de maximização ou minimização. Com base na informação prévia, se um modelo PL é viável e não é ilimitado, pode-se então achar a solução ótima do mesmo enumerando todos os pontos extremos viáveis da região de soluções e retornando aquele que gera maior valor para função objetivo (problemas de maximização), ou aquele que gera menor valor para função objetivo (problemas de minimização). Volte agora ao primeiro modelo trabalhado nesta aula. Tal modelo não é um modelo ilimitado e possui os pontos extremos viáveis 𝐴 = (0,0), 𝐵 = (25,0), 𝐶 = (25, 7,5) e 𝐷 = (0,45). Foi visto que a solução ótima era o ponto 𝐶, através do desenho das curvas de nível do modelo. Agora esta solução é encontrada enumerando os pontos extremos viáveis do modelo: Ponto extremo viável (𝑥1, 𝑥2) 𝑧 𝐴 (0,0) 0 𝐵 (25,0) 500 𝐶 (25, 7,5) 575 𝐷 (0,40) 400 Importante: Em modelos PL viáveis não ilimitados, ao menos uma solução ótima é um ponto extremo viável do modelo PL. Como já era esperado, o ponto extremo 𝐶 = (25, 7,5) é aquele que gera maior valor de 𝑧. 6. Exercícios Exercício 2.1 Considere o PPL: 𝑀𝑎𝑥 𝑧 = 3𝑥1 + 𝑥2 s.a.: −2𝑥1 + 𝑥2 ≤ 3 𝑥2 ≤ 10 3𝑥1 + 2𝑥2 ≤ 14 𝑥1 , 𝑥2 ≥ 0 a) Encontre graficamente a região de soluções viáveis. b) Calcule as coordenadas de todos os pontos extremos viáveis. c) Desenhe as curvas de nível do modelo, destacando aquela que toca o conjunto de soluções viáveis e com maior valor de 𝑧. Qual a solução ótima? d) Classifique o PPL dado de acordo com o número de soluções ótimas do mesmo. e) Neste modelo, é possível se obter a solução ótima enumerando os pontos extremos viáveis? Se sim, encontre tal solução por este método. Solução comentada: a) Primeiramente, o conjunto de soluções viáveis 𝐹 é desenhado: Observe que a restrição 𝑥2 ≤ 10 é redundante. Em outras palavras, se ela não existisse, o conjunto de soluções viáveis seria o mesmo. b) Pela região de soluções viáveis 𝐹 do item anterior, tem-se que a mesma determina quatro pontos extremosviáveis denotados por 𝐴, 𝐵, 𝐶 e 𝐷. Cada um destes pontos é interseção de duas retas associadas as restrições do modelo. Logo, as coordenadas destes pontos são encontradas resolvendo sistemas de equações do 1º grau: Ponto extremo viável Interseção das retas Coordenadas 𝐴 𝑥1 = 0 e 𝑥2 = 0 (0,0) 𝐵 𝑥2 = 0 e 3𝑥1 + 2𝑥2 = 14 ( 14 3 , 0) 𝐶 3𝑥1 + 2𝑥2 = 14 e −2𝑥1 + 𝑥2 = 3 ( 8 7 , 37 7 ) 𝐷 𝑥1 = 0 e −2𝑥1 + 𝑥2 = 3 (0,3) c) Para obtenção das curvas de nível, arbitra-se valores para 𝑧 e as retas (curvas de nível) associadas são desenhadas. Por exemplo, arbitrando 𝑧 = 10, a reta associada é 3𝑥1 + 𝑥2 = 10. Aumenta-se, então, os valores de 𝑧 até que seja encontrada a última reta que toca o conjunto de soluções viáveis: Note que a curva de nível que toca a região de soluções viáveis 𝐹 com maior valor de 𝑧 é quando 𝑧 = 14. Esta reta toca apenas no ponto 𝐵 = ( 14 3 , 0), indicando que este ponto representa a solução ótima do problema. d) O PPL fornecido é viável e possui uma única solução ótima. e) O PPL é viável e não é ilimitado. Logo, pelo menos uma solução ótima do problema é um dos pontos extremos viáveis. Assim, a solução ótima pode ser encontrada enumerando os pontos extremos viáveis ao invés de desenhar as curvas de nível: Ponto extremo viável Valor de 𝑧 𝐴 = (0,0) 3 × (0) + 0 = 0 𝑩 = ( 𝟏𝟒 𝟑 , 𝟎) 𝟑 × ( 𝟏𝟒 𝟑 ) + 𝟎 = 𝟏𝟒 𝐶 = ( 8 7 , 37 7 ) 3 × ( 8 7 ) + 37 7 = 61 7 𝐷 = (0,3) 3 × (0) + 3 = 3 Observe que o ponto 𝐵 é realmente aquele que gera o maior valor de 𝑧. Exercício 2.2 Considere o PPL: 𝑀𝑖𝑛 𝑧 = 2𝑥1 + 3𝑥2 s.a.: 𝑥1 + 𝑥2 = 9 −2𝑥1 + 𝑥2 ≤ 6 −𝑥1 + 𝑥2 ≥ 2 𝑥1 , 𝑥2 ≥ 0 a) Encontre graficamente a região de soluções viáveis. b) Calcule as coordenadas de todos os pontos extremos viáveis. c) Desenhe as curvas de nível do modelo, destacando aquela que toca o conjunto de soluções viáveis e com maior valor de 𝑧. Qual a solução ótima? d) Classifique o PPL dado de acordo com o número de soluções. e) Neste modelo, é possível se obter a solução ótima enumerando os pontos extremos viáveis? Se sim, encontre tal solução por este método. Solução comentada a) Desenha-se inicialmente que o conjunto de soluções viáveis 𝐹. Note que a região de soluções viáveis é apenas o segmento 𝐴𝐵̅̅ ̅̅ . Isto aconteceu porque o problema possui a restrição de igualdade 𝑥1 + 𝑥2 = 9. b) Ponto extremo viável Interseção das retas Coordenadas 𝐴 𝑥1 + 𝑥2 = 9 e −2𝑥1 + 𝑥2 = 6 (1,8) 𝐵 𝑥1 + 𝑥2 = 9 e −𝑥1 + 𝑥2 = 2 ( 7 2 , 11 2 ) c) Note que a curva de nível que toca a região de soluções viáveis 𝐹 com menor valor de 𝑧 acontece quando 𝑧 = 23,5 e toca apenas o ponto 𝐵 = ( 7 2 , 11 2 ), indicando que este ponto representa a solução ótima do problema. Observação: O vetor destacado na figura é uma representação do vetor (2,3) (coeficientes da função objetivo). Na figura, tal vetor não tem relação com a direção de decrescimento de 𝑧, servindo apenas para mostrar que as curvas de nível são paralelas, pois este vetor é ortogonal a elas. d) O PPL fornecido é viável e possui uma única solução ótima. e) O modelo é viável e não é ilimitado. Logo, pelo menos uma solução ótima do problema é um dos pontos extremos viáveis. Assim, a solução ótima pode ser encontrada enumerando os pontos extremos viáveis ao invés de desenhar as curvas de nível: Ponto extremo viável Valor de 𝑧 𝐴 = (1,8) 2 × 1 + 3 × 8 = 26 𝐵 = ( 7 2 , 11 2 ) 2 × 7 2 + 3 × 11 2 = 23,5 Observe que o ponto 𝐵 é realmente aquele que gera o menor valor de 𝑧. Exercício 2.3: Considere um modelo PL similar ao do exercício 2.1, cuja única diferença é a não consideração da restrição 3𝑥1 + 2𝑥2 ≤ 14. O que pode ser afirmado sobre a solução ótima deste novo modelo? Solução comentada: O conjunto de soluções viáveis e as curvas de nível do novo modelo são inicialmente desenhadas: Note que podemos aumentar o valor de 𝑧 indefinidamente e ainda assim as curvas de nível continuam tocando a região de soluções viáveis. Logo, o modelo agora passa a ser ilimitado. Além disso, o fato do modelo ser ilimitado faz com que não seja possível mais usar o método de enumeração dos pontos extremos. Exercício 2.4: Considere um modelo PL similar ao do exercício 2.1, cuja única diferença é a função objetivo, que agora é 𝑧 = 9𝑥1 + 6𝑥2. O que pode ser afirmado sobre a solução ótima deste novo modelo? Solução comentada: O conjunto de soluções viáveis e as curvas de nível do novo modelo são inicialmente desenhadas: Note que a curva de nível que toca a região de soluções viáveis 𝐹 com maior valor de 𝑧 toca a região no segmento 𝐵𝐶̅̅ ̅̅ , indicando que qualquer ponto deste segmento (incluindo os extremos) representa uma solução ótima do problema. Assim, pode-se dizer que o modelo agora tem múltiplas soluções ótimas. 7. Conclusão Nesta aula, o primeiro método de resolução de PPLs foi apresentado, conhecido como método gráfico. Este método é divido em duas partes: construção da região de soluções viáveis e obtenção da solução ótima. Foi visto ainda que o método gráfico nos permite classificar um PPL de acordo com o número de soluções. Resumo No início da aula, foram definidos os conceitos de solução viável e inviável. Uma solução é dita viável se satisfaz todas as restrições do problema. Já a solução inviável não satisfaz pelo menos uma das restrições do problema. Definiu-se ainda que uma solução é chamada de ótima quando é viável e é a que mais otimiza a função objetivo do problema. Foi visto nesta aula o chamado método gráfico, que permite a obtenção da solução ótima de um PPL com duas variáveis em duas etapas: • Construção do conjunto de soluções viáveis: a região de todos os pontos que satisfazem as restrições é desenhada em um plano cartesiano. • Obtenção da solução ótima: nesta etapa identifica-se a direção de otimização da função objetivo, desenhando as curvas de nível do modelo. A última curva que tocar o conjunto de soluções viáveis está associada a solução ótima. O método gráfico permite ainda identificar se o modelo possui ou não solução viável. Quando possui, o método permite ainda classificar o modelo em uma das três opções: • com uma única solução ótima. • com múltiplas soluções ótimas. • com solução ilimitada. Informações sobre a próxima aula Na próxima aula, será visto os conceitos de forma padrão e canônica de um modelo PL. Estes conceitos são extremamente importantes para entendimento do algoritmo responsável pela resolução de modelos PL com diversas variáveis, conhecido como método Simplex. Referências Taha, H. A. (2008). Pesquisa operacional. Pearson Educación. Hillier, F. S., & Lieberman, G. J. (2013). Introdução à pesquisa operacional. McGraw Hill Brasil.
Compartilhar