Baixe o app para aproveitar ainda mais
Prévia do material em texto
Pesquisa Operacional I Modelagem Matemática Prof. Renan José dos Santos Viana Sala: CCE 303-B renanjviana@gmail.com Baseado no material produzido pelo prof. José Elias C. Arroyo Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Revisão da Aula Anterior • Programação Matemática: – Programação linear – Programação inteira – Programação não-linear – ... Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Revisão da Aula Anterior • Fases da PO: 1. Definição do problema 2. Construção do modelo 3. Resolução do modelo 4. Validação do modelo 5. Implantação da solução Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Revisão da Aula Anterior • Fases: 1. Definição do problema 2. Construção do modelo 3. Resolução do modelo 4. Validação do modelo 5. Implantação da solução Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a 1- Utilização de algoritmos ou métodos de resolução. 2- Análise de sensibilidade. Conteúdo desta Aula • Introdução à Programação Linear (PL). • Resolução de problemas de PL pelo Método Gráfico. • Introdução ao Método Simplex para resolução de problemas de PL. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Programação Linear • O termo programação significa planejamento. • O termo Linear é relativo a funções, equações ou inequações lineares. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Programação Linear • Programação Linear (PL) ou também Otimização Linear consiste na otimização (minimização ou maximização) de uma função linear enquanto satisfaz um conjunto de restrições representadas por equações e/ou inequações lineares. • As restrições representam, geralmente, limitações de recursos disponíveis (capital, mão de obra, matéria prima, etc.) ou exigências que devem ser cumpridas (satisfazer demandas, etc.). Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Programação Linear • Um problema de programação linear é um problema de otimização para o qual: – Tentamos maximizar (ou minimizar) uma função linear de variáveis de decisão. Esta função é chamada de função objetivo. – Os valores das variáveis de decisão devem satisfazer um conjunto de restrições. Cada restrição deve ser uma equação linear ou uma inequação linear. – Uma restrição de sinal é associada a cada variável. Para qualquer variável 𝑥𝑖 , a restrição de sinal deve ser: ou não- negativa (𝑥𝑖 ≥ 0) ou irrestrita em sinal (pode assumir tanto valores positivos quanto negativos, ou zero). Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Programação Linear • Passos fundamentais para resolver um problema de PL: – Modelagem do problema. – Utilização de um método de solução. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Programação Linear • Observações: – A solução é do modelo, não do problema original. – Se o modelo for muito simples, a solução pode não fazer sentido na prática. – Se o modelo for muito complexo, pode ser difícil encontrar sua solução. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Componentes de um Modelo PL Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Componentes de um Modelo PL • Variáveis de decisão: Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Componentes de um Modelo PL • Variáveis de decisão: – São as variáveis cujos valores devem ser calculados. – Representam as quantidades de atividades/itens/produtos a serem realizadas/alocados/produzidos. – O conjunto das variáveis de decisão forma uma solução do problema. – Podem ser contínuas, discretas ou binárias. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Componentes de um Modelo PL • Função objetivo: Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Componentes de um Modelo PL • Função objetivo: – Função matemática que determina o valor alvo que se pretende alcançar ou a qualidade da solução. – É uma meta (critério) do problema a ser otimizada. – Mede o “valor” da solução. – Exemplos: minimizar os custos, minimizar o tempo de produção, maximizar o lucro da produção, etc. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Componentes de um Modelo PL • Restrições: Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Componentes de um Modelo PL • Restrições: – São as condições do problema a serem satisfeitas pelas soluções. – Restringem os valores das variáveis de decisão. – Exemplos: • Os produtos devem ser produzidos utilizando somente os recursos disponíveis (capital, matéria prima e etc.). • O produto fabricado deve atender alguns requisitos mínimos (segurança, necessidade nutricional, etc.). • A produção de um produto deve atender o mínimo de unidades exigido pelo mercado (demanda de mercado e etc.). Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Componentes de um Modelo PL • A função objetivo e as restrições são expressões lineares (funções) definidas em termos das variáveis de decisão. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Programação Linear • Problema de programação linear (n variáveis e m restrições): Max/Min 𝑓(𝑥1, … 𝑥𝑛) = 𝑐1𝑥1 + 𝑐2𝑥2 +⋯+ 𝑐𝑛𝑥𝑛 Sujeito a: 𝑎11𝑥1 + 𝑎12𝑥2 +⋯+ 𝑎1𝑛𝑥𝑛 ≥ (≤,=) 𝑏1 𝑎21𝑥1 + 𝑎22𝑥2 +⋯+ 𝑎2𝑛𝑥𝑛 ≥ ≤,= 𝑏2 ... ... ... ... ... ... 𝑎𝑚1𝑥1 + 𝑎𝑚2𝑥2 +⋯+ 𝑎𝑚𝑛𝑥𝑛 ≥ ≤,= 𝑏𝑚 𝑥1, 𝑥2, … , 𝑥𝑛 ≥ 0 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Programação Linear • Problema de programação linear: Max/Min 𝑓(𝑥1, … 𝑥𝑛) = 𝑐1𝑥1 + 𝑐2𝑥2 +⋯+ 𝑐𝑛𝑥𝑛 Sujeito a: 𝑎11𝑥1 + 𝑎12𝑥2 +⋯+ 𝑎1𝑛𝑥𝑛 ≥ (≤,=)𝑏1 𝑎21𝑥1 + 𝑎22𝑥2 +⋯+ 𝑎2𝑛𝑥𝑛 ≥ ≤,= 𝑏2 ... ... ... ... ... ... 𝑎𝑚1𝑥1 + 𝑎𝑚2𝑥2 +⋯+ 𝑎𝑚𝑛𝑥𝑛 ≥ ≤,= 𝑏𝑚 𝑥1, 𝑥2, … , 𝑥𝑛 ≥ 0 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Função Objetivo Programação Linear • Problema de programação linear: Max/Min 𝑓(𝑥1, …𝑥𝑛) = 𝑐1𝑥1 + 𝑐2𝑥2 +⋯+ 𝑐𝑛𝑥𝑛 Sujeito a: 𝑎11𝑥1 + 𝑎12𝑥2 +⋯+ 𝑎1𝑛𝑥𝑛 ≥ (≤,=)𝑏1 𝑎21𝑥1 + 𝑎22𝑥2 +⋯+ 𝑎2𝑛𝑥𝑛 ≥ ≤,= 𝑏2 ... ... ... ... ... ... 𝑎𝑚1𝑥1 + 𝑎𝑚2𝑥2 +⋯+ 𝑎𝑚𝑛𝑥𝑛 ≥ ≤,= 𝑏𝑚 𝑥1, 𝑥2, … , 𝑥𝑛 ≥ 0 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Restrições Técnicas Função Objetivo Programação Linear • Problema de programação linear: Max/Min 𝑓(𝑥1, … 𝑥𝑛) = 𝑐1𝑥1 + 𝑐2𝑥2 +⋯+ 𝑐𝑛𝑥𝑛 Sujeito a: 𝑎11𝑥1 + 𝑎12𝑥2 +⋯+ 𝑎1𝑛𝑥𝑛 ≥ (≤,=)𝑏1 𝑎21𝑥1 + 𝑎22𝑥2 +⋯+ 𝑎2𝑛𝑥𝑛 ≥ ≤,= 𝑏2 ... ... ... ... ... ... 𝑎𝑚1𝑥1 + 𝑎𝑚2𝑥2 +⋯+ 𝑎𝑚𝑛𝑥𝑛 ≥ ≤,= 𝑏𝑚 𝑥1, 𝑥2, … , 𝑥𝑛 ≥ 0 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Restrições Técnicas Restrições de não-negatividade Função Objetivo Programação Linear • 𝒇: Função objetivo (Função critério) • 𝒄𝒊: coeficientes da função objetivo (lucro/custo), i = 1,...,n • 𝒙𝒊: variáveis de decisão, i = 1,...,n • 𝒂𝒋𝒊: coeficientes tecnológicos, i = 1,...,n e j = 1,...,m • 𝒃𝒋: constantes do lado direito, j = 1,...,m Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Programação Linear • Modelo de PL na forma matricial: Minimizar ou Maximizar 𝑓 𝑥 = 𝑐𝑥 Sujeito a: 𝐴𝑥 ≤ 𝑏 𝑥 ≥ 0 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de PL • Uma fábrica produz 4 tipos de cadeiras. • São usados 2 tipos de materiais: lâminas de madeira e tecido (recursos escassos). Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a 50 lâminas/semana 75 metros/semana Problema de PL • A fábrica precisa decidir quais modelos de cadeira deve produzir e quantas unidades de cada um, de tal maneira que o lucro seja maximizado. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de PL • Variáveis de decisão: Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de PL • Variáveis de decisão: 𝑥𝑖 = Quantidade (unidades) de cadeiras produzidas do modelo i (𝑖 = 1,2,3,4). Estas variáveis de decisão devem ser não negativas (𝑥𝑖 ≥ 0, 𝑖 = 1,2,3,4). Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de PL • Função objetivo: Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de PL • Função objetivo: Maximizar o lucro total gerado pela fabricação de todas as cadeiras. Maximizar Lucro total = 𝟏𝟓𝟎𝒙𝟏 + 𝟑𝟎𝟎𝒙𝟐 + 𝟑𝟎𝟎𝒙𝟑 + 𝟐𝟎𝟎𝒙𝟒 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de PL • Restrições: Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de PL • Restrições: Disponibilidade de matéria prima (Recursos Disponíveis). O total de lâminas de madeira utilizado na fabricação de todos os modelos de cadeira não deve ultrapassar 50 lâminas. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de PL • Restrições: Disponibilidade de matéria prima (Recursos Disponíveis). O total de lâminas de madeira utilizado na fabricação de todos os modelos de cadeira não deve ultrapassar 50 lâminas. 𝟏𝒙𝟏 + 𝟒𝒙𝟐 + 𝟑𝒙𝟑 + 𝟏𝒙𝟒 ≤ 𝟓𝟎 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de PL • Restrições: Disponibilidade de matéria prima (Recursos Disponíveis). O total de tecido utilizado na fabricação de todos os modelos de cadeira não deve ultrapassar 75 metros. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de PL • Restrições: Disponibilidade de matéria prima (Recursos Disponíveis). O total de tecido utilizado na fabricação de todos os modelos de cadeira não deve ultrapassar 75 metros. 𝟏𝒙𝟏 + 𝟏𝒙𝟐 + 𝟏𝒙𝟑 + 𝟐𝒙𝟒 ≤ 𝟕𝟓 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de PL 𝑥𝑖 = Quantidade (unidades) de cadeiras produzidas do modelo i (𝑖 = 1,2,3,4). Maximizar 150𝑥1 + 300𝑥2 + 300𝑥3 + 200𝑥4 Sujeito a: 1𝑥1 + 4𝑥2 + 3𝑥3 + 1𝑥4 ≤ 50 1𝑥1 + 1𝑥2 + 1𝑥3 + 2𝑥4 ≤ 75 𝑥1, 𝑥2, 𝑥3, 𝑥4 ≥ 0 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Restrições Técnicas Restrições de não-negatividade Função Objetivo ou Função Lucro Variáveis de Decisão Propriedades do Modelo de PL • Proporcionalidade: Requer que a contribuição de cada variável de decisão, tanto na função objetivo quanto nas restrições, seja diretamente proporcional ao valor da variável. • Aditividade: Requer que a contribuição total de todas as variáveis da função objetivo e das restrições seja a soma direta das contribuições individuais de cada variável. • Certeza: Todos os coeficientes da função objetivo e das restrições do modelo de PL são determinísticos, ou seja, são constantes conhecidas. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Propriedades do Modelo de PL • Proporcionalidade: Na realidade, – Assumimos que as fábricas obtêm lucro proporcional à quantidade produzida. – Na prática, é difícil que isso aconteça. – Por exemplo: Conceder algum tipo de desconto quando as vendas ultrapassarem certas quantidades. – Mas isso resultaria em um modelo mais difícil (complexo) de ser solucionado (provavelmente não de PL). Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Propriedades do Modelo de PL • Aditividade: Na realidade, – Assumimos que o lucro é a soma dos lucros individuais (não há sinergia ou efeito de substituição). – Na prática, os produtos podem competir no mercado (a venda de um atrapalha a venda do outro). – Ou podem depender um do outro (conjunto mesa + cadeiras). – Mas isso resultaria em um modelo mais difícil (complexo) de ser solucionado (provavelmente não de PL). Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Propriedades do Modelo de PL • Certeza: Na realidade, – Assumimos que o lucro e o uso de recursos são conhecidos e exatos (não são variáveis aleatórias). – Na prática, isso é raro. – O mais provável é que sejam representados por uma distribuição de probabilidade. – Mas isso resultaria em um modelo mais difícil (complexo) de ser solucionado (provavelmente não de PL).Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Tipos de Soluções • Uma solução do modelo é composta por um conjunto formado por valores das variáveis de decisão 𝑥 = 𝑥1, … , 𝑥𝑛 e pode ser de três tipos: Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Tipos de Soluções • Uma solução do modelo é composta por um conjunto formado por valores das variáveis de decisão 𝑥 = 𝑥1, … , 𝑥𝑛 e pode ser de três tipos: – Solução factível ou viável: é uma solução que satisfaz todas as restrições do modelo, inclusive as restrições de não-negatividade. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Tipos de Soluções • Uma solução do modelo é composta por um conjunto formado por valores das variáveis de decisão 𝑥 = 𝑥1, … , 𝑥𝑛 e pode ser de três tipos: – Solução factível ou viável: é uma solução que satisfaz todas as restrições do modelo, inclusive as restrições de não-negatividade. – Solução infactível ou inviável: é uma solução que não satisfaz pelo menos uma das restrições do modelo. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Tipos de Soluções • Uma solução do modelo é composta por um conjunto formado por valores das variáveis de decisão 𝑥 = 𝑥1, … , 𝑥𝑛 e pode ser de três tipos: – Solução factível ou viável: é uma solução que satisfaz todas as restrições do modelo, inclusive as restrições de não-negatividade. – Solução infactível ou inviável: é uma solução que não satisfaz pelo menos uma das restrições do modelo. – Solução ótima é uma solução viável que determina o valor máximo (Maximização) ou o valor mínimo (Minimização) da função objetivo do modelo. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Tipos de Soluções • Uma solução 𝑥∗ é ótima se: – 𝑓 𝑥∗ ≤ 𝑓 𝑥 , para toda solução factível 𝑥 (ou seja, para 𝑥∗ obtêm-se o menor valor de 𝑓) no caso de minimização. – 𝑓 𝑥∗ ≥ 𝑓 𝑥 , para toda solução factível 𝑥 (ou seja, para 𝑥∗ obtêm-se o maior valor de 𝑓) no caso de maximização. • O conjunto de todas as soluções viáveis compõem a região viável ou espaço viável de soluções. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema: Companhia Reddy Mikks • A Reddy Mikks produz tintas para interiores e exteriores com base em duas matérias-primas, M1 e M2, A tabela abaixo apresenta os dados básicos do problema: Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Toneladas de matéria-prima por tonelada de Tinta para exteriores Tinta para interiores Disponibilidade máxima diária (ton) Matéria-prima M1 6 4 24 Matéria-prima M2 1 2 6 Lucro por tonelada ($ 1.000) 5 4 Problema: Companhia Reddy Mikks • Uma pesquisa de mercado indica que a demanda diária de tintas para interiores não pode ultrapassar a de tintas para exteriores por mais de 1 tonelada. Além disso, a demanda máxima diária de tinta para interiores é de 2 toneladas. • A Reddy Mikks quer determinar o mix ótimo (o melhor) de produtos de tintas para interiores e exteriores que maximize o lucro total diário. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema: Companhia Reddy Mikks • Variáveis de decisão do modelo são definidas como: – 𝑥1: toneladas de tinta para exteriores produzidas diariamente. – 𝑥2: toneladas de tinta para interiores produzidas diariamente. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema: Companhia Reddy Mikks • Variáveis de decisão do modelo são definidas como: – 𝑥1: toneladas de tinta para exteriores produzidas diariamente. – 𝑥2: toneladas de tinta para interiores produzidas diariamente. • Representando o lucro total diário (em milhares de dólares) por 𝑧, o objetivo da empresa é (função objetivo do modelo): – Maximizar 𝑧 = 5𝑥1 + 4𝑥2 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema: Companhia Reddy Mikks • As restrições que limitam a utilização da matéria-prima e a demanda do produto são construídas da seguinte maneira: Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema: Companhia Reddy Mikks • As restrições que limitam a utilização da matéria-prima e a demanda do produto são construídas da seguinte maneira: – A utilização por dia da matéria-prima M1 é de 6t por tonelada de tinta para exteriores e de 4t por tonelada de tinta para interiores. Como a disponibilidade diária da matéria-prima M1 está limitada a 24t, a restrição é definida como: 𝟔𝒙𝟏 + 𝟒𝒙𝟐 ≤ 𝟐𝟒. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema: Companhia Reddy Mikks • As restrições que limitam a utilização da matéria-prima e a demanda do produto são construídas da seguinte maneira: – A utilização por dia da matéria-prima M1 é de 6t por tonelada de tinta para exteriores e de 4t por tonelada de tinta para interiores. Como a disponibilidade diária da matéria-prima M1 está limitada a 24t, a restrição é definida como: 𝟔𝒙𝟏 + 𝟒𝒙𝟐 ≤ 𝟐𝟒. – A utilização por dia da matéria-prima M2 é de 1t por tonelada de tinta para exteriores e de 2t por tonelada de tinta para interiores. Como a disponibilidade diária da matéria-prima M2 está limitada a 6t, a restrição é definida como: 𝒙𝟏 + 𝟐𝒙𝟐 ≤ 𝟔. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema: Companhia Reddy Mikks – A primeira restrição relacionada à demanda estipula que o excesso da produção diária de tintas para interiores em relação à de tintas para exteriores, 𝑥2 − 𝑥1, não deve ultrapassar 1t (limite de mercado), sendo assim definida como: 𝑥2 − 𝑥1 ≤ 1. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema: Companhia Reddy Mikks – A primeira restrição relacionada à demanda estipula que o excesso da produção diária de tintas para interiores em relação à de tintas para exteriores, 𝑥2 − 𝑥1, não deve ultrapassar 1t (limite de mercado), sendo assim definida como: 𝑥2 − 𝑥1 ≤ 1. – A segunda restrição relacionada à demanda estipula que a demanda diária máxima de tinta para interiores está limitada a 2t (limite de demanda), sendo assim definida como 𝑥2 ≤ 2. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema: Companhia Reddy Mikks – A primeira restrição relacionada à demanda estipula que o excesso da produção diária de tintas para interiores em relação à de tintas para exteriores, 𝑥2 − 𝑥1, não deve ultrapassar 1t (limite de mercado), sendo assim definida como: 𝑥2 − 𝑥1 ≤ 1. – A segundarestrição relacionada à demanda estipula que a demanda diária máxima de tinta para interiores está limitada a 2t (limite de demanda), sendo assim definida como 𝑥2 ≤ 2. – As variáveis 𝑥1e 𝑥2não podem assumir valores negativos. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema: Companhia Reddy Mikks • O modelo completo da Reddy Mikks é: Maximizar 𝑧 = 5𝑥1 + 4𝑥2 Sujeito a: 6𝑥1 + 4𝑥2 ≤ 24 (1) 𝑥1 + 2𝑥2 ≤ 6 (2) −𝑥1 + 𝑥2 ≤ 1 (3) 𝑥2≤ 2 (4) 𝑥1, 𝑥2 ≥ 0 (5) Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema: Companhia Reddy Mikks • Quaisquer valores de 𝑥1 e 𝑥2 que satisfazem todas as cinco restrições constituem uma solução viável. Caso contrário, a solução é inviável. • A meta do problema é achar a melhor solução viável, ou a solução ótima, que maximize o lucro total. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema: Companhia Reddy Mikks • Exemplo de soluções: – Solução (𝑥1, 𝑥2) = (3, 1), viável. 6 × 3 + 4 × 1 ≤ 24 (1) 3 + 2 × 1 ≤ 6 (2) −3 + 1 ≤ 1 (3) 1≤ 2 (4) 3 , 1 ≥ 0 (5) Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema: Companhia Reddy Mikks • Exemplo de soluções: – Solução (𝑥1, 𝑥2) = (4, 1), inviável. 6 × 4 + 4 × 1 ≤ 24 (1) 4 + 2 × 1 ≤ 6 (2) −4 + 1 ≤ 1 (3) 1≤ 2 (4) 4 , 1 ≥ 0 (5) Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Matéria-prima M1 insuficiente Problema: Companhia Reddy Mikks • O problema Reddy Mikks tem um número infinito de soluções viáveis. • Impossível a resolução do problema por enumeração. • Utilizar um procedimento sistemático que localizará a solução ótima em um número finito de etapas. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Marcenaria • Uma marcenaria deseja estabelecer uma programação diária da produção. São fabricados apenas dois produtos: mesas e armários, ambos de um só modelo. Vamos considerar que a marcenaria tem limitações diárias nos seguintes recursos: madeira e mão-de-obra. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Quantidade de recurso por unidade Mesa Armário Disponibilidade Madeira 2𝑚2 3𝑚2 12𝑚2 Mão-de-obra 2h/H 1h/H 8 horas/ Homem Lucro R$ 40 R$ 10 Problema da Marcenaria • O problema do fabricante é encontrar o programa de produção que maximiza a margem de contribuição total para o lucro. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Marcenaria • Variáveis de decisão: Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Marcenaria • Variáveis de decisão: 𝑥1 = quantidade de mesas produzidas diariamente 𝑥2 = quantidade de armários produzidas diariamente Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Marcenaria • Variáveis de decisão: 𝑥1 = quantidade de mesas produzidas diariamente 𝑥2 = quantidade de armários produzidas diariamente • Função objetivo: Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Marcenaria • Variáveis de decisão: 𝑥1 = quantidade de mesas produzidas diariamente 𝑥2 = quantidade de armários produzidas diariamente • Função objetivo: Maximizar 𝑓 𝑥1, 𝑥2 = 40𝑥1 + 10𝑥2 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Marcenaria • Variáveis de decisão: 𝑥1 = quantidade de mesas produzidas diariamente 𝑥2 = quantidade de armários produzidas diariamente • Função objetivo: Maximizar 𝑓 𝑥1, 𝑥2 = 40𝑥1 + 10𝑥2 • Sujeito a: Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Marcenaria • Variáveis de decisão: 𝑥1 = quantidade de mesas produzidas diariamente 𝑥2 = quantidade de armários produzidas diariamente • Função objetivo: Maximizar 𝑓 𝑥1, 𝑥2 = 40𝑥1 + 10𝑥2 • Sujeito a: 2𝑥1 + 3𝑥2 ≤ 12 Disponibilidade de madeira 2𝑥1 + 1𝑥2 ≤ 8 Disponibilidade de mão-de-obra Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Marcenaria Maximizar 𝑓 𝑥1, 𝑥2 = 40𝑥1 + 10𝑥2 • Sujeito a: 2𝑥1 + 3𝑥2 ≤ 12 2𝑥1 + 1𝑥2 ≤ 8 𝑥1 ≥ 0, 𝑥2 ≥ 0 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Marcenaria • Se a marcenaria fabricar por dia 2 mesas e 2 armários, o lucro seria: 𝑓 2, 2 = 40 × 2 + 10 × 2 = 𝑅$ 100 • Note que a solução é viável pois satisfaz todas as restrições do modelo: 2 × 2 + 3 × 2 = 10 ≤ 12 2 × 2 + 1 × 2 = 6 ≤ 8 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Marcenaria • Se a marcenaria fabricar por dia 3 mesas e 3 armários, o lucro seria: 𝑓 3, 3 = 40 × 3 + 10 × 3 = 𝑅$ 150 • Note que a solução é inviável pois viola as duas restrições de disponibilidade de recursos do modelo: 2 × 3 + 3 × 3 = 15 ≤ 12 2 × 3 + 1 × 3 = 9 ≤ 8 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Marcenaria • Se a marcenaria fabricar por dia 2 mesas e 3 armários, o lucro seria: 𝑓 2, 3 = 40 × 2 + 10 × 3 = 𝑅$ 110 • Note que a solução é inviável pois viola a 1° restrição de disponibilidade de recurso do modelo: 2 × 2 + 3 × 3 = 13 ≤ 12 2 × 2 + 1 × 3 = 7 ≤ 8 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Marcenaria • Se a marcenaria fabricar por dia 3 mesas e 2 armários, o lucro seria: 𝑓 3, 2 = 40 × 3 + 10 × 2 = 𝑅$ 140 • Note que a solução é viável pois satisfaz todas as restrições do modelo: 2 × 3 + 3 × 2 = 12 ≤ 12 2 × 3 + 1 × 2 = 8 ≤ 8 • Note que esta solução é melhor do que a primeira. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Refinaria • A refinaria de petróleo Recap destila óleo cru proveniente de duas fontes, Arábia e Venezuela e produz três produtos: gasolina, querosene e lubrificantes. Os óleos têm diferentes composições químicas e fornecem diferentes quantidades de destilados por barril processado. Cada barril de óleo cru da Arábia dá 0,3 barril de gasolina, 0,4 de querosene e 0,2 de lubrificante. Para o óleo da Venezuela estas quantidades são respectivamente: 0,4, 0,2 e 0,3. Há 10% de resíduos.Os óleos diferem em custo e disponibilidade. A Recap pode comprar até 9000 barris da Arábia a $20 o barril e até 6000 barris da Venezuela a $15 o barril. Contratos da Recap com distribuidores exigem que ela produza 2000 barris de gasolina, 1500 barris de querosene e 500 de lubrificantes por dia. Como cumprir os contratos gastando o mínimo? (qual o mix de compra dos óleos). Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Refinaria Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Produtos Arábia (barril) Venezuela (barril) Demanda (barris) Gasolina 0,3 0,4 2.000 Querosene 0,4 0,2 1.500 Lubrificante 0,2 0,3 500 Custo por barril R$ 20 R$ 15 Oferta (barris) 9.000 6.000 Problema da Refinaria • Variáveis de decisão: 𝑥1 = quantidade de barris de óleo/dia vindos da Arábia. 𝑥2 = quantidade de barris de óleo/dia vindos da Venezuela. • Função objetivo: Minimizar z = 20𝑥1 + 15𝑥2 • Restrições: 0,3𝑥1 + 0,4𝑥2 ≥ 2000 barris (Demanda gasolina) 0,4𝑥1 + 0,2𝑥2 ≥ 1500 barris (Demanda querosene) 0,2𝑥1 + 0,3𝑥2 ≥ 500 barris (Demanda lubrificantes) 𝑥1 ≤ 9000 barris (Oferta Arábia) 𝑥2 ≤ 6000 barris (Oferta Venezuela) Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Refinaria Minimizar z = 20𝑥1 + 15𝑥2 (custo total) Sujeito a: 0,3𝑥1 + 0,4𝑥2 ≥ 2000 0,4𝑥1 + 0,2𝑥2 ≥ 1500 0,2𝑥1 + 0,3𝑥2 ≥ 500 𝑥1 ≤ 9000 𝑥2 ≤ 6000 𝑥1 ≥ 0 𝑥2 ≥ 0 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Dieta • O objetivo do problema é determinar a quantidade de determinados alimentos a serem usados em uma dieta (ou ração). • A dieta deve conter as quantidades mínimas (necessárias) de determinados nutrientes. • O custo total dos alimentos utilizados na dieta deve ser minimizado. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Dieta • Na tabela abaixo estão os alimentos que podem ser utilizados em um dieta, o preço dos alimentos, a quantidade de nutrientes contidos em 100 gramas de cada alimento e a necessidade mínima de cada nutriente na dieta. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Dieta 𝑥𝑖 = quantidade do alimento i a ser inserida na dieta, (𝑖 = Carne, Arroz, Feijão, Açúcar, Alface, laranja). Min z = 0,5𝑥1 + 0,18𝑥2 + 0,2𝑥3 + 0,16𝑥4 + 0,3𝑥5 + 0,1𝑥6 Sujeito a: 225𝑥1 + 364𝑥2 + 337𝑥3 + 385𝑥4 + 15𝑥5 + 42𝑥6 ≥ 3200 7𝑥1 + 0𝑥2 + 2𝑥3 + 0𝑥4 + 87𝑥5 + 13𝑥6 ≥ 750 0𝑥1 + 0𝑥2 + 3𝑥3 + 0𝑥4 + 12𝑥5 + 59𝑥6 ≥ 70 2,9𝑥1 + 1,3𝑥2 + 7,6𝑥3 + 0,1𝑥4 + 1,3𝑥5 + 0,7𝑥6 ≥ 10 11𝑥1 + 9𝑥2 + 86𝑥3 + 0𝑥4 + 43𝑥5 + 34𝑥6 ≥ 650 𝑥𝑖 ≥ 0, ∀ 𝑖 = 1,… 6 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de Transporte • Considere uma companhia distribuidora de bebidas que tem 2 centros de produção: Araraquara e São José dos Campos – e 3 mercados consumidores principais: São Paulo, Belo Horizonte e Rio de Janeiro. Na tabela a seguir são mostrados os custos unitários de se transportar uma caixa de bebida de cada centro de produção para cada mercado consumidor, as demandas diárias de cada mercado e a número de caixas disponíveis diariamente em cada centro de produção. Deseja- se minimizar o custo total de transporte de bebidas dos diversos centros de produção em quantia suficiente para suprir as demandas dos mercados. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de Transporte Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de Transporte 𝑥𝑖𝑗 = Quantidade de caixas a ser enviada do centro de produção 𝑖 para o mercado 𝑗. Sendo 𝑖 = 1 (Araraquara), 𝑖 = 2 (S.J. Campos), j= 1 (SP), j= 2 (BH), j= 3 (RJ). Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de Transporte 𝑥𝑖𝑗 = Quantidade de caixas a ser enviada do centro de produção 𝑖 para o mercado 𝑗. Sendo 𝑖 = 1 (Araraquara), 𝑖 = 2 (S.J. Campos), j= 1 (SP), j= 2 (BH), j= 3 (RJ). Min 𝑓 𝑥11…𝑥23 = 4𝑥11 + 2𝑥12 + 5𝑥13 + 11𝑥21 + 7𝑥22 + 4𝑥23 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de Transporte 𝑥𝑖𝑗 = Quantidade de caixas a ser enviada do centro de produção 𝑖 para o mercado 𝑗. Sendo 𝑖 = 1 (Araraquara), 𝑖 = 2 (S.J. Campos), j = 1 (SP), j = 2 (BH), j = 3 (RJ). Min 𝑓 𝑥11…𝑥23 = 4𝑥11 + 2𝑥12 + 5𝑥13 + 11𝑥21 + 7𝑥22 + 4𝑥23 Sujeito a: 𝑥11 + 𝑥12 + 𝑥13 ≤ 800 (oferta Araraquara) 𝑥21 + 𝑥22 + 𝑥23 ≤ 1000 (oferta S.J. Campos) 𝑥11 + 𝑥21 ≥ 500 (demanda SP) 𝑥12 + 𝑥22 ≥ 400 (demanda BH) 𝑥13 + 𝑥23 ≥ 900 (demanda RJ) 𝑥11, 𝑥12, 𝑥13, 𝑥21, 𝑥22, 𝑥23 ≥ 0 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de Alocação de Recursos • Um gerente está executando o planejamento da produção de 3 produtos em 4 máquinas. Todos os produtos podem ser fabricados por todas as maquinas. • Há uma demanda (pedidos) de 4000, 5000, 3000 unidades para os produtos 1, 2 e 3, respectivamente. As máquinas utilizadas na produção estão disponíveis por uma quantidade determinada de horas e cada unidade de um produto requer uma quantidade fixa de horas em cada máquina de acordo com a tabela a seguir. • Deseja-se minimizar o custo total de produção. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de Alocação de Recursos Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de Alocação de Recursos • Variáveis de decisão: 𝑥𝑖𝑗 = Quantidade do produto 𝑖 produzido na máquina 𝑗 (unidades). (𝑖 = 1,2,3; 𝑗 = 1,2,3,4). • Função objetivo (Custo total de produção): Min 𝑓 = 4𝑥11 + 4𝑥12 + 5𝑥13 + 7𝑥14 + 6𝑥21 + 7𝑥22 + 5𝑥23 + 6𝑥24 + 12𝑥31 + 10𝑥32 + 8𝑥33 + 11𝑥34 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema de Alocação de Recursos • Restrições: Demanda de produtos 𝑥11 + 𝑥12 + 𝑥13 + 𝑥14 ≥ 4000 (Produto 1) 𝑥21 + 𝑥22 + 𝑥23 + 𝑥24 ≥ 5000 (Produto 2) 𝑥31 + 𝑥32 + 𝑥33 + 𝑥34 ≥ 3000 (Produto 3) Capacidade de produção das máquinas 0,3𝑥11 + 0,2𝑥21 + 0,8𝑥31 ≤ 1500 (Maquina 1) 0,25𝑥12 + 0,3𝑥22 + 0,6𝑥32 ≤ 1200 (Maquina 2) 0,2𝑥13 + 0,2𝑥23 + 0,6𝑥33 ≤ 1500 (Maquina 3) 0,2𝑥14 + 0,25𝑥24 + 0,5𝑥34 ≤ 2000 (Maquina 4) Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Mistura de Petróleo • Uma refinaria processa vários tipos de petróleo. Cada tipo de petróleopossui uma planilha de custos diferente, expressando condições de transporte e preços na origem. Por outro lado, cada tipo de petróleo representa uma configuração diferente de subprodutos para a gasolina. Na medida em que um certo tipo de petróleo é utilizado na produção da gasolina, é possível a programação das condições de octanagem e outros requisitos. Esses requisitos implicam a classificação do tipo de gasolina obtida. • Supondo que a refinaria trabalhe com uma linha de quatro tipos diferentes de petróleo e deseja produzir três tipos de gasolina, programar a mistura de tipos de petróleo atendendo às condições que seguem nas tabelas a seguir. Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Mistura de Petróleo Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Tipo de Petróleo Qtd Disponível (Barril/dia) Custo por Barril/dia (R$) 1 3.500 19 2 2.200 24 3 4.200 20 4 1.800 27 Tipo de Gasolina Especificação Preço de Venda R$/Barril SuperAzul Não mais que 30% de 1 Não menos que 40% de 2 Não mais que 50% de 3 35 Azul Não mais que 30% de 1 Não menos que 10% de 2 28 Amarela Não mais que 70% de 1 22 Problema da Mistura de Petróleo • Variáveis de decisão: 𝑥𝑖𝑗 = número de barris de petróleo do tipo 𝑗 (𝑗 = 1,2,3,4), que serão destinados à produção da gasolina 𝑖 (𝑖 = A - gasolina Amarela, Z - gasolina Azul, S - gasolina SuperAzul). Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Mistura de Petróleo • Função objetivo: Maximizar 𝑧 = 22 × 𝑥𝐴1 + 𝑥𝐴2 + 𝑥𝐴3 + 𝑥𝐴4 +28 × 𝑥𝑍1 + 𝑥𝑍2 + 𝑥𝑍3 + 𝑥𝑍4 +35 × (𝑥𝑆1 + 𝑥𝑆2 + 𝑥𝑆3 + 𝑥𝑆4) −19 × (𝑥𝐴1 + 𝑥𝑍1 + 𝑥𝑆1) −24 × 𝑥𝐴2 + 𝑥𝑍2 + 𝑥𝑆2 −20 × (𝑥𝐴3 + 𝑥𝑍3 + 𝑥𝑆3) −27 × (𝑥𝐴4 + 𝑥𝑍4 + 𝑥𝑆4) Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Mistura de Petróleo • Restrições: Restrições associadas à quantidade de petróleo disponível: 𝑥𝐴1 + 𝑥𝑍1 + 𝑥𝑆1 ≤ 3500 𝑥𝐴2 + 𝑥𝑍2 + 𝑥𝑆2 ≤ 2200 𝑥𝐴3 + 𝑥𝑍3 + 𝑥𝑆3 ≤ 4200 𝑥𝐴4 + 𝑥𝑍4 + 𝑥𝑆4 ≤ 1800 Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Problema da Mistura de Petróleo • Restrições: Restrições associadas às especificações da mistura: 𝑥𝑆1 ≤ 0.3 𝑥𝑆1 + 𝑥𝑆2 + 𝑥𝑆3 +𝑥𝑆4 𝑥𝑆2 ≥ 0.4 𝑥𝑆1 + 𝑥𝑆2 + 𝑥𝑆3 +𝑥𝑆4 𝑥𝑆3 ≤ 0.5 𝑥𝑆1 + 𝑥𝑆2 + 𝑥𝑆3 +𝑥𝑆4 𝑥𝑍1 ≤0,3 𝑥𝑍1 + 𝑥𝑍2 + 𝑥𝑍3 +𝑥𝑍4 𝑥𝑍2 ≥0,1 𝑥𝑍1 + 𝑥𝑍2 + 𝑥𝑍3 +𝑥𝑍4 𝑥𝐴1 ≤ 0,7 𝑥𝐴1 + 𝑥𝐴2 + 𝑥𝐴3 +𝑥𝐴4 Restrições de não-negatividade 𝑥𝑖𝑗 ≥ 0, ∀ 𝑖 = 𝐴, 𝑍, 𝑆 , 𝑗 = {1,2,3,4} Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a Perguntas Universidade Federal de Viçosa Departamento de Informática U FV - D e p ar ta m en to d e In fo rm át ic a
Compartilhar