Baixe o app para aproveitar ainda mais
Prévia do material em texto
Ga ldi no UE NF Engenharia de Produc¸a˜o Pesquisa Operacional Aplicac¸a˜o do me´todo cientı´fico a processos de tomada de decisa˜o, tais como planejar, projetar, e operar sistemas em situac¸o˜es que requerem alocac¸a˜o eficiente de recursos es- cassos — Arenales et al., 2007 Ga ldi no UE NF Me´todo Cientı´fico O bs er va r e qu es tio na r Te st ar a s hi pó te se s, co nd uz in do ex pe rim en to s Fo rm ul ar h ip ót es es P es qu is ar C ol et ar d ad os A ná lis e e sí nt es e E xa m in ar o s re su lta do s ex pe rim en ta is e ch eg ar a c on cl us õe s P en sa r n ov am en te A h ip ót es e é ve rd ad ei ra A h ip ót es e é fa ls a R el at ar r es ul ta do s Ga ldi no UE NF Origem A Pesquisa Operacional teve suas origens nos anos 1930, quando foi pedido a um grupo de oficiais da Real Força Aérea Britânica e a cien- tistas civis que determinassem como a recente tecnologia de radares poderia ser usada para in- terceptação controlada de aeronaves inimigas Ga ldi no UE NF A´reas da Pesquisa Operacional Otimizac¸a˜o Linear Otimizac¸a˜o Na˜o–Linear Otimizac¸a˜o Inteira Otimizac¸a˜o Dinaˆmica Otimizac¸a˜o Estoca´stica Otimizac¸a˜o Geome´trica Fluxos em Rede Heurı´sticas e Metaheurı´sticas Filas Estoques Simulac¸a˜o Confiabilidade Previsa˜o Ga ldi no UE NF Otimização Linear Programação LinearÑ Otimização Linear Ga ldi no UE NF Otimização Linear Programação LinearÑ Otimização Linear Ga ldi no UE NF O problema de otimizac¸a˜o linear Considera-se uma instalac¸a˜o industrial capaz de produzir uma variedade de n produtos. Esses sa˜o enumerados como 1,2,…,n. Eles sa˜o manufaturados a partir de algumas mate´rias primas. Assume-se que existam m mate´rias primas diferentes, que sa˜o enumeradas como 1,2,…,m. Ga ldi no UE NF O problema de otimizac¸a˜o linear Considera-se uma instalac¸a˜o industrial capaz de produzir uma variedade de n produtos. Esses sa˜o enumerados como 1,2,…,n. Eles sa˜o manufaturados a partir de algumas mate´rias primas. Assume-se que existam m mate´rias primas diferentes, que sa˜o enumeradas como 1,2,…,m. Ga ldi no UE NF O problema de otimizac¸a˜o linear Considera-se uma instalac¸a˜o industrial capaz de produzir uma variedade de n produtos. Esses sa˜o enumerados como 1,2,…,n. Eles sa˜o manufaturados a partir de algumas mate´rias primas. Assume-se que existam m mate´rias primas diferentes, que sa˜o enumeradas como 1,2,…,m. Ga ldi no UE NF O problema de otimizac¸a˜o linear Considera-se uma instalac¸a˜o industrial capaz de produzir uma variedade de n produtos. Esses sa˜o enumerados como 1,2,…,n. Eles sa˜o manufaturados a partir de algumas mate´rias primas. Assume-se que existam m mate´rias primas diferentes, que sa˜o enumeradas como 1,2,…,m. Ga ldi no UE NF O modelo de otimizac¸a˜o linear maximizar `1x1` `2x2`¨¨ ¨` `nxn sujeito a a11x1` a12x2`¨¨ ¨` a1nxnď b1 a21x1` a22x2`¨¨ ¨` a2nxnď b2 ... am1x1`am2x2`¨¨ ¨`amnxnďbm xj ě 0, j “ 1,2,…,n Ga ldi no UE NF Modelo de otimizac¸a˜o linear (com crite´rio de minimizac¸a˜o) minimizar c1x1` c2x2`¨¨ ¨` cnxn sujeito a a11x1` a12x2`¨¨ ¨` a1nxně b1 a21x1` a22x2`¨¨ ¨` a2nxně b2 ... am1x1`am2x2`¨¨ ¨`amnxněbm xj ě 0, j “ 1,2,…,n Ga ldi no UE NF Exemplo maximizar 3x1`2x2 sujeito a ´x1`3x2ď12 x1` x2ď 8 2x1´ x2ď10 xj ě 0, j “ 1,2 Ga ldi no UE NF Representac¸a˜o gra´fica 5. GEOMETRY 23 1 2 3 4 5 60 0 1 2 3 4 5 6 x1 x2 −x1+3x2=12 x1+x2=8 2x1−x2=10 3x1+2x2=22 3x1+2x2=11 FIGURE 2.1. The set of feasible solutions together with level sets of the objective function. solution. To illustrate, consider the following problem: maximize 3x1 + 2x2 subject to −x1 + 3x2 ≤ 12 x1 + x2 ≤ 8 2x1 − x2 ≤ 10 x1, x2 ≥ 0. Each constraint (including the nonnegativity constraints on the variables) is a half- plane. These half-planes can be determined by first graphing the equation one obtains by replacing the inequality with an equality and then asking whether or not some specific point that doesn’t satisfy the equality (often (0, 0) can be used) satisfies the inequality constraint. The set of feasible solutions is just the intersection of these half- planes. For the problem given above, this set is shown in Figure 2.1. Also shown are two level sets of the objective function. One of them indicates points at which the objective function value is 11. This level set passes through the middle of the set of feasible solutions. As the objective function value increases, the corresponding level set moves to the right. The level set corresponding to the case where the objec- tive function equals 22 is the last level set that touches the set of feasible solutions. Conjunto de soluc¸o˜es via´veis com as curvas de nı´vel da func¸a˜o objetivo Ga ldi no UE NF Modelagem O processo de modelagem esta´ inserido num conjunto de iniciativas que sa˜o resumidas por Entender o ambiente ou objeto de decisa˜o Construir o modelo Solucionar o modelo Interpretar e validar os resultados do modelo Retornar ao ambiente ou objeto de decisa˜o Ga ldi no UE NF Exemplos de modelos de otimizac¸a˜o linear Programas lineares Ga ldi no UE NF Uma refinaria de petro´leo pode adquirir dois tipos de o´leo: o´leo cru leve e o´leo cru pesado. Os custos por barril sa˜o, respectivamente, 40 e 30. A tabela a seguir indica as quantidades (em barris) de gasolina, querosene e combustı´vel de avia˜o, que podem ser produzidas por barril de cada tipo de o´leo cru. Tipo de o´leo cru Gasolina Querosene Combustı´vel de avia˜o Leve 0,45 0,18 0,32 Pesado 0,34 0,36 0,22 A refinaria tem contrato de fornecimento de 1.200.000 barris de ga- solina, 500.000 barris de querosene e 300.000 barris de combustı´vel de avia˜o. Formule um modelo de otimizac¸a˜o linear para determinar o nu´mero de barris de cada tipo de o´leo a serem adquiridos pela refinaria, visando minimizar o custo de atendimento da demanda. Ga ldi no UE NF Soluc¸a˜o: x1 e´ o nu´mero de barris de o´leo cru do tipo leve e x2 e´ o nu´mero de barris de o´leo cru do tipo pesado Tem-se: minimizar z “ 40x1 ` 30x2 sujeito a 0,45x1 ` 0,34x2 ě 1.200.000 0,18x1 ` 0,36x2 ě 500.000 0,32x1 ` 0,22x2 ě 300.000 xj ě 0, j “ 1,2 Ga ldi no UE NF Soluc¸a˜o: x1 e´ o nu´mero de barris de o´leo cru do tipo leve e x2 e´ o nu´mero de barris de o´leo cru do tipo pesado Tem-se: minimizar z “ 40x1 ` 30x2 sujeito a 0,45x1 ` 0,34x2 ě 1.200.000 0,18x1 ` 0,36x2 ě 500.000 0,32x1 ` 0,22x2 ě 300.000 xj ě 0, j “ 1,2 Ga ldi no UE NF Soluc¸a˜o: x1 e´ o nu´mero de barris de o´leo cru do tipo leve e x2 e´ o nu´mero de barris de o´leo cru do tipo pesado Tem-se: minimizar z “ 40x1 ` 30x2 sujeito a 0,45x1 ` 0,34x2 ě 1.200.000 0,18x1 ` 0,36x2 ě 500.000 0,32x1 ` 0,22x2 ě 300.000 xj ě 0, j “ 1,2 Ga ldi no UE NFUma cooperativa agrı´cola cria vacas e carneiros. A cooperativa tem esta´bulos para 50 vacas e instalac¸o˜es para 200 carneiros. Tem tambe´m 72 hectares de pasto. Um hectare e´ necessa´rio para sustentar uma vaca e 0,2 hectare para um carneiro. Para cuidar dos animais, a cooperativa pode prover ate´ 110.000 horas de trabalho por ano. Uma vaca requer 150 horas e um carneiro 25 horas por ano. O lucro anual e´ de 250,00 por vaca e 45,00 por carneiro.A cooperativa gostaria de determinar o nu´mero de vacas e carneiros a serem criados de forma a maximizar seu lucro. Ga ldi no UE NF Soluc¸a˜o: x1 e´ o nu´mero de vacas e x2 e´ o nu´mero de carneiros a serem criados Tem-se: maximizar z “ 250x1 ` 45x2 sujeito a x1 ď 50 x2 ď 200 x1 ` 0,2x2 ď 72 150x1 ` 25x2 ď 110.000 xj ě 0, j “ 1,2 Ga ldi no UE NF Soluc¸a˜o: x1 e´ o nu´mero de vacas e x2 e´ o nu´mero de carneiros a serem criados Tem-se: maximizar z “ 250x1 ` 45x2 sujeito a x1 ď 50 x2 ď 200 x1 ` 0,2x2 ď 72 150x1 ` 25x2 ď 110.000 xj ě 0, j “ 1,2 Ga ldi no UE NF Uma fa´brica produz treˆs tipos de chapas meta´licas, A, B e C, que sa˜o primeiramente prensadas e depois esmaltadas. A prensa dispo˜e de 2000 minutos livres por meˆs e cada chapa A ou B, leva um minuto para ser prensada, enquanto que a chapa C leva o dobro do tempo de- vido ao tamanho maior. Por outro lado, a aplicac¸a˜o de esmalte nesta u´ltima chapa leva apenas um minuto, enquanto que as chapas A e B exigem 3 e 4,5 minutos, respectivamente. O total de tempo disponı´vel na sec¸a˜o de esmaltagem e´ de 8000 minutos por meˆs. A demanda dos treˆs tipos de chapa absorve facilmente toda a produc¸a˜o e o lucro rela- tivo a`s chapas A, B e C e´ de 205, 107 e 308 por unidade, respectiva- mente. Formule um modelo de otimizac¸a˜o linear que permita a` fa´brica determinar a produc¸a˜o o´tima de chapas. Ga ldi no UE NF xA, xB , xC representam as quantidades de chapas de cada tipo. Tem-se: maximizar z “ 205xA ` 107xB ` 308xC sujeito a xA ` xB ` 2xC ď 2000 3xA ` 4,5xB ` xC ď 8000 xj ě 0, j “A,B,C Ga ldi no UE NF xA, xB , xC representam as quantidades de chapas de cada tipo. Tem-se: maximizar z “ 205xA ` 107xB ` 308xC sujeito a xA ` xB ` 2xC ď 2000 3xA ` 4,5xB ` xC ď 8000 xj ě 0, j “A,B,C Ga ldi no UE NF Uma fa´brica de geradores ele´tricos tem treˆs depo´sitos nas regio˜es A, B e C. Estes depo´sitos abastecem cinco depo´sitos secunda´rios mediante pedidos dirigidos a uma gereˆncia central. Os depo´sitos secunda´rios esta˜o localizados nas regio˜es 1, 2, 3, 4 e 5. A gereˆncia tem pedidos para entrega de 52 geradores distribuı´dos de acordo com a tabela a seguir. depo´sito demanda depo´sito oferta 1 8 A 27 2 12 B 23 3 8 C 12 4 9 5 15 Ga ldi no UE NF A gereˆncia observa que existe a possibilidade de entrega imediata dos pedidos. Todavia o custo de transporte de um gerador, de um depo´sito para outro, e´ diferente. A tabela abaixo informa esses cus- tos. O problema da gereˆncia consiste em determinar quantos geradores cada depo´sito central deve despachar para cada depo´sito secunda´rio de modo a atender os pedidos com o menor custo de transporte possı´vel. Formule um modelo de otimizac¸a˜o linear para resolver este problema. depo´sito (destino) depo´sito (origem) 1 2 3 4 5 A 6 3 1 4 2 B 7 2 2 7 3 C 5 4 5 5 2 Ga ldi no UE NF xij ,pi “ A,B,C, j “ 1,2,3,4,5q e´ o nu´mero de geradores enviados pelo depo´sito central i ao depo´sito secunda´rio j. cij e´ o custo unita´rio de transporte correspondente. Tem-se: minimizar z“6xA1`3xA2` xA3`4xA4`2xA5` 7xB1`2xB2`2xB3`7xB4`3xB5` 5xC1`4xC2`5xC3`5xC4`2xC5 sujeito a xA1` xA2` xA3` xA4` xA5ď27 xB1` xB2` xB3` xB4` xB5ď23 xC1` xC2` xC3` xC4` xC5ď12 xA1` xB1` xC1 “ 8 xA2` xB2` xC2 “12 xA3` xB3` xC3 “ 8 xA4` xB4` xC4 “ 9 xA5` xB5` xC5 “15 xij ě 0, i“A,B,C, j “ 1,2,3,4,5 Ga ldi no UE NF xij ,pi “ A,B,C, j “ 1,2,3,4,5q e´ o nu´mero de geradores enviados pelo depo´sito central i ao depo´sito secunda´rio j. cij e´ o custo unita´rio de transporte correspondente. Tem-se: minimizar z“6xA1`3xA2` xA3`4xA4`2xA5` 7xB1`2xB2`2xB3`7xB4`3xB5` 5xC1`4xC2`5xC3`5xC4`2xC5 sujeito a xA1` xA2` xA3` xA4` xA5ď27 xB1` xB2` xB3` xB4` xB5ď23 xC1` xC2` xC3` xC4` xC5ď12 xA1` xB1` xC1 “ 8 xA2` xB2` xC2 “12 xA3` xB3` xC3 “ 8 xA4` xB4` xC4 “ 9 xA5` xB5` xC5 “15 xij ě 0, i“A,B,C, j “ 1,2,3,4,5 Ga ldi no UE NF xij ,pi “ A,B,C, j “ 1,2,3,4,5q e´ o nu´mero de geradores enviados pelo depo´sito central i ao depo´sito secunda´rio j. cij e´ o custo unita´rio de transporte correspondente. Tem-se: minimizar z“6xA1`3xA2` xA3`4xA4`2xA5` 7xB1`2xB2`2xB3`7xB4`3xB5` 5xC1`4xC2`5xC3`5xC4`2xC5 sujeito a xA1` xA2` xA3` xA4` xA5ď27 xB1` xB2` xB3` xB4` xB5ď23 xC1` xC2` xC3` xC4` xC5ď12 xA1` xB1` xC1 “ 8 xA2` xB2` xC2 “12 xA3` xB3` xC3 “ 8 xA4` xB4` xC4 “ 9 xA5` xB5` xC5 “15 xij ě 0, i“A,B,C, j “ 1,2,3,4,5 Ga ldi no UE NF xij ,pi “ A,B,C, j “ 1,2,3,4,5q e´ o nu´mero de geradores enviados pelo depo´sito central i ao depo´sito secunda´rio j. cij e´ o custo unita´rio de transporte correspondente. Tem-se: minimizar z“6xA1`3xA2` xA3`4xA4`2xA5` 7xB1`2xB2`2xB3`7xB4`3xB5` 5xC1`4xC2`5xC3`5xC4`2xC5 sujeito a xA1` xA2` xA3` xA4` xA5ď27 xB1` xB2` xB3` xB4` xB5ď23 xC1` xC2` xC3` xC4` xC5ď12 xA1` xB1` xC1 “ 8 xA2` xB2` xC2 “12 xA3` xB3` xC3 “ 8 xA4` xB4` xC4 “ 9 xA5` xB5` xC5 “15 xij ě 0, i“A,B,C, j “ 1,2,3,4,5 Ga ldi no UE NF O corpo de enfermagem de um hospital tem a necessidade de pessoal de acordo com a tabela a seguir. Nu´mero mı´nimo de Perı´odo 24 horas/dia enfermeiras necessa´rias 1 06 a`s 10 30 2 10 a`s 14 40 3 14 a`s 18 30 4 18 a`s 22 20 5 22 a`s 02 10 6 02 a`s 06 15 As enfermeiras se apresentam na enfermaria do hospital no inı´cio de cada perı´odo e trabalham 8 horas consecutivas. A administrac¸a˜o do hospital deseja determinar o nu´mero mı´nimo de enfermeiras a se- rem empregadas, de forma a atender satisfatoriamente a cada perı´odo. Estabelec¸a um modelo de otimizac¸a˜o linear que permita atingir este objetivo. Ga ldi no UE NF Seja xj e´ o nu´mero de enfermeiras que entram no perı´odo j “ 1,…,6. Tem-se: minimizar z“x1`x2`x3`x4`x5`x6 sujeito a x1 `x6ě30 x1`x2 ě40 x2`x3 ě30 x3`x4 ě20 x4`x5 ě10 x5`x6ě15 xj ě 0, j “ 1,…,6 Ga ldi no UE NF Seja xj e´ o nu´mero de enfermeiras que entram no perı´odo j “ 1,…,6. Tem-se: minimizar z“x1`x2`x3`x4`x5`x6 sujeito a x1 `x6ě30 x1`x2 ě40 x2`x3 ě30 x3`x4 ě20 x4`x5 ě10 x5`x6ě15 xj ě 0, j “ 1,…,6 Ga ldi no UE NF Uma empresa pode fabricar, com uma ma´quina trabalhando 45 horas por semana, treˆs artigos diferentes: A1, A2, A3. O artigo A1 da´ um lucro lı´quido de 4,00, o artigo A2 de 12,00 e o artigo A3 de 3,00. Os rendimentos da ma´quina sa˜o, respectivamente, 50, 25 e 75 artigos por hora. Um estudo de mercado mostrou que as possibilidades de venda na˜o ultrapassam 100 objetosA1, 500 objetosA2 e 1500 objetosA3, por semana. Pede-se que se reparta a capacidade de produc¸a˜o da empresa entre os treˆs produtos, de maneira a maximizar o lucro lı´quido total. Ga ldi no UE NF Primeira Soluc¸a˜o: Artigo Lucro Artigos por hora Demanda por semana A1 4 50 100 A2 12 25 500 A3 3 75 1500 xj e´ o nu´mero de horas dedicadas ao artigo Aj , por semana. maximizar z“p4 × 50qx1`p12 × 25qx2`p3 × 75qx3 sujeito a x1` x2` x3ď 45 50x1 ď 100 25x2 ď 500 75x3ď1500 xj ě 0, j “ 1,2,3 Ga ldi no UE NF Primeira Soluc¸a˜o: Artigo Lucro Artigos por hora Demanda por semana A1 4 50 100 A2 12 25 500 A3 3 75 1500 xj e´ o nu´mero de horas dedicadas ao artigo Aj , por semana. maximizar z“p4 × 50qx1`p12 × 25qx2`p3 × 75qx3 sujeito a x1` x2` x3ď 45 50x1 ď 100 25x2 ď 500 75x3ď1500 xj ě 0, j “ 1,2,3 Ga ldi no UE NF Segunda soluc¸a˜o: xj e´ o nu´mero de artigos, do tipo Aj , produzidos por semana. Se sa˜o produzidos 50 artigos do tipo A1 por hora, cada artigo gasta para ser produzido, 150 da hora. Dessa forma os artigos A2 e A3 gastam, respectivamente, 125 e 1 75 da hora. Com esses valores cria-se uma ‘taxa de produc¸a˜o’ ou ‘taxa de uso do tempo’, usada numa restric¸a˜o do problema. maximizar z “ 4x1 `12x2 ` 3x3 sujeito a 150x1 ` 125x2 ` 175x3 ď 45 x1 ď 100 x2 ď 500 x3 ď 1500 xj ě 0, j “ 1,2,3 Ga ldi no UE NF Segunda soluc¸a˜o: xj e´ o nu´mero de artigos, do tipo Aj , produzidos por semana. Se sa˜o produzidos 50 artigos do tipo A1 por hora, cada artigo gasta para ser produzido, 150 da hora. Dessa forma os artigos A2 e A3 gastam, respectivamente, 125 e 1 75 da hora. Com esses valores cria-se uma ‘taxa de produc¸a˜o’ ou ‘taxa de uso do tempo’, usada numa restric¸a˜o do problema. maximizar z “ 4x1 ` 12x2 ` 3x3 sujeito a 150x1 ` 125x2 ` 175x3 ď 45 x1 ď 100 x2 ď 500 x3 ď 1500 xj ě 0, j “ 1,2,3 Ga ldi no UE NFUma Ageˆncia de Propaganda planeja uma campanha de publicidade em treˆs diferentes meios de comunicac¸a˜o: televisa˜o, ra´dio e mı´dia im- pressa. O propo´sito da propaganda e´ o de alcanc¸ar tantos “consumi- dores em potencial” quanto possı´vel. O resultado de um estudo de mercado esta´ na tabela a seguir Televisão Horário Horário Rádio Mídia comum nobre impressa Custo de uma unidade de propaganda 40.000 75.000 30.000 15.000 Número de consumidores (*) 400.000 900.000 500.000 200.000 Número de consumidores do sexo feminino (*) 300.000 400.000 200.000 100.000 (*) em potencial alcançados por unidade de propaganda Ga ldi no UE NF A empresa que encomendou a campanha na˜o quer gastar mais de 800.000 com a propaganda. Ale´m disso requer que: pelo menos 2 milho˜es de pessoas alcanc¸adas sejam do sexo feminino. a propaganda veiculada pela televisa˜o seja limitada a um custo de 500.000. pelo menos 3 unidades de propaganda veiculadas no hora´rio comum, e pelo menos 2 unidades durante o hora´rio nobre, e o nu´mero de unidades de propaganda, no ra´dio e na mı´dia impressa, fique, individualmente, entre 5 e 10, inclusive. Soluc¸a˜o: x1 unidades de propaganda no hora´rio comum x2 unidades de propaganda no hora´rio nobre x3 unidades de propaganda no ra´dio x4 unidades de propaganda na mı´dia impressa Ga ldi no UE NF A empresa que encomendou a campanha na˜o quer gastar mais de 800.000 com a propaganda. Ale´m disso requer que: pelo menos 2 milho˜es de pessoas alcanc¸adas sejam do sexo feminino. a propaganda veiculada pela televisa˜o seja limitada a um custo de 500.000. pelo menos 3 unidades de propaganda veiculadas no hora´rio comum, e pelo menos 2 unidades durante o hora´rio nobre, e o nu´mero de unidades de propaganda, no ra´dio e na mı´dia impressa, fique, individualmente, entre 5 e 10, inclusive. Soluc¸a˜o: x1 unidades de propaganda no hora´rio comum x2 unidades de propaganda no hora´rio nobre x3 unidades de propaganda no ra´dio x4 unidades de propaganda na mı´dia impressa Ga ldi no UE NF Tem-se: maximizar z“400x1`900x2`500x3`200x4 sujeito a 40x1` 75x2` 30x3` 15x4ď800 30x1` 40x2` 20x3` 10x4ě200 40x1` 70x2 ď500 x1 ě 3 x2 ě 2 x3 ě 5 x3 ď 10 x4ě 5 x4ď 10 Observac¸a˜o: Simplificar para nu´meros menores, quando for possı´vel, reduz os erros de arredondamento que podem ocorrer nas soluc¸o˜es por computador. Ga ldi no UE NF Tem-se: maximizar z“400x1`900x2`500x3`200x4 sujeito a 40x1` 75x2` 30x3` 15x4ď800 30x1` 40x2` 20x3` 10x4ě200 40x1` 70x2 ď500 x1 ě 3 x2 ě 2 x3 ě 5 x3 ď 10 x4ě 5 x4ď 10 Observac¸a˜o: Simplificar para nu´meros menores, quando for possı´vel, reduz os erros de arredondamento que podem ocorrer nas soluc¸o˜es por computador. Ga ldi no UE NF Tem-se: maximizar z“400x1`900x2`500x3`200x4 sujeito a 40x1` 75x2` 30x3` 15x4ď800 30x1` 40x2` 20x3` 10x4ě200 40x1` 70x2 ď500 x1 ě 3 x2 ě 2 x3 ě 5 x3 ď 10 x4ě 5 x4ď 10 Observac¸a˜o: Simplificar para nu´meros menores, quando for possı´vel, reduz os erros de arredondamento que podem ocorrer nas soluc¸o˜es por computador. Ga ldi no UE NF Tem-se: maximizar z“400x1`900x2`500x3`200x4 sujeito a 40x1` 75x2` 30x3` 15x4ď800 30x1` 40x2` 20x3` 10x4ě200 40x1` 70x2 ď500 x1 ě 3 x2 ě 2 x3 ě 5 x3 ď 10 x4ě 5 x4ď 10 Observac¸a˜o: Simplificar para nu´meros menores, quando for possı´vel, reduz os erros de arredondamento que podem ocorrer nas soluc¸o˜es por computador. Ga ldi no UE NF Tem-se: maximizar z“400x1`900x2`500x3`200x4 sujeito a 40x1` 75x2` 30x3` 15x4ď800 30x1` 40x2` 20x3` 10x4ě200 40x1` 70x2 ď500 x1 ě 3 x2 ě 2 x3 ě 5 x3 ď 10 x4ě 5 x4ď 10 Observac¸a˜o: Simplificar para nu´meros menores, quando for possı´vel, reduz os erros de arredondamento que podem ocorrer nas soluc¸o˜es por computador. Ga ldi no UE NF Tem-se: maximizar z“400x1`900x2`500x3`200x4 sujeito a 40x1` 75x2` 30x3` 15x4ď800 30x1` 40x2` 20x3` 10x4ě200 40x1` 70x2 ď500 x1 ě 3 x2 ě 2 x3 ě 5 x3 ď 10 x4ě 5 x4ď 10 Observac¸a˜o: Simplificar para nu´meros menores, quando for possı´vel, reduz os erros de arredondamento que podem ocorrer nas soluc¸o˜es por computador. Ga ldi no UE NF Tem-se: maximizar z“400x1`900x2`500x3`200x4 sujeito a 40x1` 75x2` 30x3` 15x4ď800 30x1` 40x2` 20x3` 10x4ě200 40x1` 70x2 ď500 x1 ě 3 x2 ě 2 x3 ě 5 x3 ď 10 x4ě 5 x4ď 10 Observac¸a˜o: Simplificar para nu´meros menores, quando for possı´vel, reduz os erros de arredondamento que podem ocorrer nas soluc¸o˜es por computador. Ga ldi no UE NF Tem-se: maximizar z“400x1`900x2`500x3`200x4 sujeito a 40x1` 75x2` 30x3` 15x4ď800 30x1` 40x2` 20x3` 10x4ě200 40x1` 70x2 ď500 x1 ě 3 x2 ě 2 x3 ě 5 x3 ď 10 x4ě 5 x4ď 10 Observac¸a˜o: Simplificar para nu´meros menores, quando for possı´vel, reduz os erros de arredondamento que podem ocorrer nas soluc¸o˜es por computador. Ga ldi no UE NF Tem-se: maximizar z“400x1`900x2`500x3`200x4 sujeito a 40x1` 75x2` 30x3` 15x4ď800 30x1` 40x2` 20x3` 10x4ě200 40x1` 70x2 ď500 x1 ě 3 x2 ě 2 x3 ě 5 x3 ď 10 x4ě 5 x4ď 10 Observac¸a˜o: Simplificar para nu´meros menores, quando for possı´vel, reduz os erros de arredondamento que podem ocorrer nas soluc¸o˜es por computador. Ga ldi no UE NF Tem-se: maximizar z“400x1`900x2`500x3`200x4 sujeito a 40x1` 75x2` 30x3` 15x4ď800 30x1` 40x2` 20x3` 10x4ě200 40x1` 70x2 ď500 x1 ě 3 x2 ě 2 x3 ě 5 x3 ď 10 x4ě 5 x4ď 10 Observac¸a˜o: Simplificar para nu´meros menores, quando for possı´vel, reduz os erros de arredondamento que podem ocorrer nas soluc¸o˜es por computador. Ga ldi no UE NF Tem-se: maximizar z“400x1`900x2`500x3`200x4 sujeito a 40x1` 75x2` 30x3` 15x4ď800 30x1` 40x2` 20x3` 10x4ě200 40x1` 70x2 ď500 x1 ě 3 x2 ě 2 x3 ě 5 x3 ď 10 x4ě 5 x4ď 10 Observac¸a˜o: Simplificar para nu´meros menores, quando for possı´vel, reduz os erros de arredondamento que podem ocorrer nas soluc¸o˜es por computador. Ga ldi no UE NFUm fazendeiro tem que decidir o quanto vai plantar de milho e de al- fafa. Os lucros sa˜o de 20.000 por alqueire de milho e de 10.000 por al- queire de alfafa. Supo˜e-se que suas limitac¸o˜es sejam: terra disponı´vel: 8 alqueires; a´gua disponı´vel para irrigac¸a˜o: 80.000 litros. Que ele de- seja plantar no ma´ximo 4 alqueires de milho; cada alqueire de milho requerera´ 10.000 litros de a´gua para irrigac¸a˜o; cada alqueire de alfafa requerera´ 20.000 litros de a´gua para irrigac¸a˜o. Formule um programa linear para este problema. Supo˜e-se agora requerido que a quantidade de alfafa plantada na˜o seja inferior a 30% do total cultivado. Refor- mule o programa linear para atender a essa nova restric¸a˜o. Ga ldi no UE NFx1 representa quantidade de alqueires a serem plantados com milho, e x2 quantidade de alqueires a serem plantados com alfafa. Tem-se: maximizar z “ 20.000x1 ` 10.000x2 sujeito a x1 ` x2 ď 8 x1 ď 4 10.000x1 ` 20.000x2 ď 80.000 xj ě 0, j “ 1,2 Para atender a restric¸a˜o de que a quantidade de alfafa plantada na˜o seja inferior a 30%do total cultivado, acrescenta-se ao programa a restric¸a˜o x2 ě 0,3px1 ` x2q. Ga ldi no UE NFx1 representa quantidade de alqueires a serem plantados com milho, e x2 quantidade de alqueires a serem plantados com alfafa. Tem-se: maximizar z “ 20.000x1 ` 10.000x2 sujeito a x1 ` x2 ď 8 x1 ď 4 10.000x1 ` 20.000x2 ď 80.000 xj ě 0, j “ 1,2 Para atender a restric¸a˜o de que a quantidade de alfafa plantada na˜o seja inferior a 30% do total cultivado, acrescenta-se ao programa a restric¸a˜o x2 ě 0,3px1 ` x2q. Ga ldi no UE NF Hipo´teses da otimizac¸a˜o linear A formulac¸a˜o de um programa linear para modelar um problema de otimizac¸a˜o e´ feita sob treˆs hipo´teses (ou axiomas): proporcionalidade aditividade e divisibilidade Ga ldi no UE NF Hipo´tese de proporcionalidade: Em otimizac¸a˜o linear “na˜o ha´ economia de escala”. Isto e´, se para produzir uma unidade de um produto o custo e´ c, enta˜o, para produzir x unidades do mesmo produto, o custo e´ cx. Hipo´tese de aditividade: Em otimizac¸a˜o linear “o todo e´ a soma das partes”. Se para produzir uma unidade do produto 1 o custo e´ c1, e para produzir uma unidade do produto 2 o custo e´ c2, enta˜o, para produzir x1 unidades do produto 1 e x2 unidades do produto 2, o custo e´ c1x1 ` c2x2. Hipo´tese de divisibilidade: Os procedimentos de soluc¸a˜o dos programas lineares “na˜o garantem a obtenc¸a˜o de valores inteiros” quando as atividades do modelo forem representadas por quantidades inteiras, como nu´mero de casas, de veı´culos ou de ma´quinas, por exemplo. Ga ldi no UE NF Hipo´tese de proporcionalidade: Em otimizac¸a˜o linear “na˜o ha´ economia de escala”. Isto e´, se para produzir uma unidade de um produto o custo e´ c, enta˜o, para produzir x unidades do mesmo produto, o custo e´ cx. Hipo´tese de aditividade: Em otimizac¸a˜o linear “o todo e´ a soma das partes”. Se para produzir uma unidade do produto 1 o custo e´ c1, e para produzir uma unidade do produto 2 o custo e´ c2, enta˜o, para produzir x1 unidades do produto 1 e x2 unidades do produto 2, o custo e´ c1x1 ` c2x2. Hipo´tese de divisibilidade: Os procedimentos de soluc¸a˜o dos programas lineares “na˜o garantem a obtenc¸a˜o de valores inteiros” quando as atividades do modelo forem representadas por quantidades inteiras, como nu´mero de casas, de veı´culos ou de ma´quinas, por exemplo. Ga ldi no UE NF Hipo´tese de proporcionalidade: Em otimizac¸a˜o linear “na˜o ha´ economia de escala”. Isto e´, se para produzir uma unidade de um produto o custo e´ c, enta˜o, para produzir x unidades do mesmo produto, o custo e´ cx. Hipo´tese de aditividade: Em otimizac¸a˜o linear “o todo e´ a soma das partes”. Se para produzir uma unidade do produto 1 o custo e´ c1, e para produzir uma unidade do produto 2 o custo e´ c2, enta˜o, para produzir x1 unidades do produto 1 e x2 unidades do produto 2, o custo e´ c1x1 ` c2x2. Hipo´tese de divisibilidade: Os procedimentos de soluc¸a˜o dos programas lineares “na˜o garantem a obtenc¸a˜o de valores inteiros” quando as atividades do modelo forem representadas por quantidades inteiras, como nu´mero de casas, de veı´culos ou de ma´quinas, por exemplo. Ga ldi no UE NF Otimizac¸a˜o em nu´meros inteiros x1 x2 ´3x1 ` 4x2 “ 4 3x1 ` 2x2 “ 11 2x1 ´ x2 “ 5 (2,2) (0,1) (0,0) (2,0) (2.5,0) (3,1) (2,2.5)
Compartilhar