Baixe o app para aproveitar ainda mais
Prévia do material em texto
NOTAS DE AULA POII-UFF Prof. João Carlos C.B. Soares de Mello PESQUISA OPERACIONAL – MODELOS ESTOCÁSTICOS (PO II) • Professor: João Carlos Soares de Mello • Bibliografia: Taha, H.A., Pesquisa Operacional, Pearson, 2008 Tavares, L.T.; Oliveira, R.C.; Themido, I.H.; Correia, F.N. Investigação Operacional, McGraw-Hill, 1996 Bronson, R. Pesquisa Operacional, McGraw-Hill (Coleção Schaum), 1985 Fiani, R. Teoria dos Jogos, Campus-Elsevier, 2006 Revistas: Pesquisa Operacional, Investigação Operacional, Gestão & Produção, Produção (www.scielo.org) Página: www.uff.br/decisao TÓPICOS • Otimização em redes (Teoria dos Grafos) • Tipologia das decisões • Decisões sob incerteza (jogos contra a natureza) • Teoria dos jogos • Decisões sob risco e teoria da utilidade • Decisões seqüenciais (árvores de decisão) • Processos multidecisor (Teorema de Arrow e métodos ordinais) TÓPICOS • Processo de Markov • Processos de nascimento e morte – Teoria das filas • Gestão de estoques Teoria dos Grafos • Pontes de Königsberg na Prússia (atual Kalingrado, na Russia): “seria possível percorrer todas as quatro seções e voltar ao local de partida cruzando cada ponte uma única vez?” • Resolvido por Leonhard Euler XVIII Teoria dos Grafos • Um grafo é uma noção simples e abstrata utilizada para representar a idéia de relação entre “elementos". Exemplos: ......??? • Matematicamente: G = (V,A), onde V é o conjunto de vértices e A é o conjunto de ligações entre vértices. • Grafo não orientado: ligações representadas os pares de vértices não possuem uma ordem (i,j) = (j,i) = [i,j], aresta • Grafo orientado (dígrafo): ligações (arcos) representadas por partes ordenados (i,j) z (j,i) Teoria dos Grafos Grafo não orientado Grafo orientado V=(1,2,3,4,5,) V=(A,B,C,D,E) A=([1,2],[1,3],[3,4], A=((A,B),(A,D),(A,C),(B,C), [3,5],[3,4],[4,5]) (C,E),(D,E),(E,D)) Representação de um Grafo • Listas de Adjacências: armazena o relacionamento entre os vértices em uma estrutura de listas. Representação econômica do ponto de vista computacional. Grafos orientados: duas listas origem - destinos e destino - origens Grafo não orientados: uma lista Representação de um Grafo • Matriz de adjacências: dois vértices são adjacentes se estão unidos por uma aresta ou arco. Matriz Mnxn (n total de vértices) Exemplo: Representação de um Grafo • Matriz de adjacências valorada - Matriz de Distâncias (custos): valores associados ás ligações, matriz D • Exemplo Percursos em grafos • Percurso ou itinerário ou ainda cadeia é uma família de ligações sucessivas adjacentes. • Hamiltonianos: percurso que visita cada vértice uma única vez. Problema do Caixeiro Viajante: “O Caixeiro Viajante deve sair da sua cidade (origem), visitar cada uma das outras (n-1) cidades uma única vez e retornar à cidade de origem, de forma tal a percorrer uma única distância possível” • Eulerianos: percurso que usa cada ligação exatamente uma vez. Problema do Carteiro Chinês.: “o carteiro deseja percorrer todas as ruas da sua rota um número mínimo de vezes Problemas estudados em Grafos • O Problema do Caixeiro Viajante • O Problema do Carteiro Chinês • O Problema de Caminho Mínimo • O Problema de Fluxo Máximo • O Problema de Fluxo Máximo a custo mínimo • Árvore Geradora Mínima (AGM) • Coloração em Grafos • Roteamento de veículos • Etc. O Problema de Caminho Mínimo • Objetivo: minimização do custo de percurso de um grafo entre dois vértices, custo este dado pela soma dos custos de cada aresta percorrida. • Existem muitos algoritmos para resolver este problema, estudaremos dois: Dijkstra e Floyd • Algoritmo de Dijkstra: determina o custo ou distância mínima entre uma origem e um destino. • Algoritmo de Floyd: determina os custo ou distâncias mínimas entre todos os pares de vértices Algoritmo de Dijkstra • Para cada vértices usamos a notação: [c,j] X, chamada de rótulo • c custo até o momento, j vértice precedente, X pode ser T (temporário) ou P (permanente) • Início no vértice origem: [0,-]P • Analisar os vértices adjacentes e colocamos rótulos temporários, calculamos a distância até esse ponto, caso esteja rotulado escolhemos o de menor distância • Todos os vértices rotulados, pare, caso contrário, escolha o de menor custo rotule como P e repetir o passo anterior Algoritmo de Dijkstra • Exemplo: Tipologia das decisões • Quanto às informações • Quanto ao número de decisores • Quanto aos critérios • Quanto ao objeto Tipologia das decisões - Quanto às informações • Determinísticas • Com incerteza • Com risco Tipologia das decisões - Quanto aos decisores • Mono decisor • Multi decisor • Jogos Tipologia das decisões - Quanto aos critérios • Mono critério • Multicritério Tipologia das decisões - Quanto ao objeto • Escolha (PD ) • Classificação (PE ) • Ordenação (PJ ) • Correta descrição do problema (PG) DECISÕES COM INCERTEZA • Sem distribuição de probabilidade • Racionalidade do decisor • Jogo contra a natureza • Não usar valor esperado • Auxiliar o decisor, sem respostas prontas MÉTODOS • Pessimista (Maxmin). Se algo pode dar errado, vai dar errado • Otimista (Maxmax). Tudo vai dar certo • Savage (intermediário dos anteriores) • Custo de oportunidade perdida. Não me quero arrepender da decisão tomada. • Laplace. Valor esperado se as alternativas forem equiproporcionais. 4504504504504 4003003003003 4253752252252 4703502701501 DCBA Cenários de a a d, de estagnação a forte crescimento. As alternativas representam opções de investimento MÉTODO OTIMISTA 4504504504504 4003003003003 4253752252252 4703502701501 DCBA Escolhe-se o maior valor da tabela. O valor 470 corresponde à alternativa 1. MÉTODO PESSIMISTA 4504504504504 4003003003003 4253752252252 4703502701501 DCBA Escolhe-se o menor valor de cada linha. Min1=150, Min2=225, Min3=300, Min4=450. Vê-se então qual é o maior dos mínimos. Max (150, 225, 300, 450)=450. Escolhe-se a opção 4. MÉTODO DE LAPLACE 4504504504504 4003003003003 4253752252252 4703502701501 DCBA Esp1=(150+270+350+470)/4=310 Esp2=(225+225+375+425)/4=312,5 Esp3=(300+300+300+400)/4=325 Esp4=450 Consideram-se as alternativas equiprováveis e usa-se o valor esperado. Tem sérias restrições de uso MÉTODO DE SAVAGE 4504504504504 4003003003003 4253752252252 4703502701501 DCBA S1=470 DD+150(1+150(1-- DD)) S2=425 DD+225(1+225(1-- DD)) S3=400 S3=400 DD+300(1+300(1-- DD)) S4=450S4=450 Faz uma avaliação de cada Faz uma avaliação de cada alternativa ponderando alternativa ponderando otimismo e pessimismo. otimismo e pessimismo. Adota um coeficiente de Adota um coeficiente de otimismo, otimismo, DD subjetivo e subjetivo e difdifíícil de determinar. cil de determinar. Para Para DD=1 =1 éé o mo méétodo todo otimista. Para otimista. Para DD=0 =0 éé o o mméétodo pessimista.todo pessimista. MÉTODO DE SAVAGE 4504504504504 4003003003003 4253752252252 4703502701501 DCBA 470 DD+150(1+150(1-- DD)>450, significa que a alternativa 1 ser)>450, significa que a alternativa 1 seráá escolhida. Caso contrescolhida. Caso contráário a escolhida serrio a escolhida seráá a alternativa 4.a alternativa 4. Resolvendo: Resolvendo: 470 D+150-150 D=450 320 320 DD=300 As duas alternativas s=300 As duas alternativas sãão equivalentes para o equivalentes para DD=15/16.` =15/16.` ÉÉ preciso um otimismo superior a 93,75% para escolher a preciso um otimismo superior a 93,75% para escolher a alternativa 1alternativa 1 ÉÉ necessnecessáário comparar rio comparar apenas 1 e 4, japenas1 e 4, jáá que 4 que 4 domina 2 e 3. Ou seja, na domina 2 e 3. Ou seja, na hiphipóótese do decisor achar tese do decisor achar que deveria escolher 2 ou 3, que deveria escolher 2 ou 3, éé melhor escolher 4.melhor escolher 4. Dominar significa nunca Dominar significa nunca ser pior e ser melhor pelo ser pior e ser melhor pelo menos um vezmenos um vez MÉTODO DE SAVAGE S1=470 DD+150(1+150(1-- DD)) S2=425 DD+225(1+225(1-- DD)) S3=400 S3=400 DD+300(1+300(1-- DD)) S4=450S4=450 Gráfico do método de Savage 0 100 200 300 400 500 Alfa S A avaliação otimista é sempre superior à pessimista. Este comentário, que parece óbvio, pode não ser válido em situações em que otimismo e pessimismo tenham um significado diferente, envolvendo valores relativos MÉTODO DO MENOR ARREPENDIMENTO (OU DO MENOR CUSTO DE OPRTUNIDADE PERDIDA) 4504504504504 4003003003003 4253752252252 4703502701501 DCBA Verificar qual Verificar qual éé a melhor opa melhor opçãção de cada ceno de cada cenáário. Nos cenrio. Nos cenáários A, B e rios A, B e C a melhor alternativa C a melhor alternativa éé a 4, com valor 450. No cena 4, com valor 450. No cenáário D a melhor rio D a melhor alternativa alternativa éé a 1 com valor 470. Para cada par (alternativa, cena 1 com valor 470. Para cada par (alternativa, cenáário) rio) verificaverifica--se quanto se deixou de ganhar por nse quanto se deixou de ganhar por nãão ter escolhido a o ter escolhido a melhor alternativa para aquele cenmelhor alternativa para aquele cenáário. Assim, para cenrio. Assim, para cenáário A tendo rio A tendo escolhido a alternativa B o arrependimento escolhido a alternativa B o arrependimento éé 450450--150=300. Constr150=300. Constróóii-- se uma matriz auxiliarse uma matriz auxiliar 200004 701501501503 45752252252 01001803001 DCBA MÉTODO DO MENOR ARREPENDIMENTO (OU DO MENOR CUSTO DE OPRTUNIDADE PERDIDA) Os valores da matriz, agora, sOs valores da matriz, agora, sãão perdas. Quem no perdas. Quem nãão quer sofrer o quer sofrer crcrííticas quer, no pior dos caso, ter a menor perda possticas quer, no pior dos caso, ter a menor perda possíível. Para cada vel. Para cada alternativa o pior caso alternativa o pior caso éé a pior perda. A menor das piores perdas a pior perda. A menor das piores perdas éé a a escolhida. Temescolhida. Tem--se assim um problema se assim um problema minmaxminmax.. 200004 701501501503 45752252252 01001803001 DCBA MÉTODO DO MENOR ARREPENDIMENTO (OU DO MENOR CUSTO DE OPRTUNIDADE PERDIDA) Max1=300Max1=300 Max2=225Max2=225 Max3=150Max3=150 Max4=20Max4=20 Min(300,225,150,20)=20. EscolheMin(300,225,150,20)=20. Escolhe--se a alternativa 4.se a alternativa 4. 200004 701501501503 45752252252 01001803001 DCBA DISCUSSÃO • Diante dos vários métodos, qual alternativa escolher? • Depende da psicologia do decisor. • Neste caso há uma rara convergência para a alternativa 4. Só o otimista escolheria a 1. • Savage permite uma análise de sensibilidade. Pelo gráfico vê-se que quase certamente a 4 seria a escolhida. EXEMPLO 005000150A3 15403020A2 0-100100050010A1 C5C4C3C2C1 Observar que nenhuma alternativa é dominada EXEMPLO – MÉTODO OTIMISTA 005000150A3 15403020A2 0-100100050010A1 C5C4C3C2C1 Escolhida a A1 EXEMPLO – MÉTODO PESSIMISTA 005000150A3 15403020A2 0-100100050010A1 C5C4C3C2C1 Escolhida a A2 EXEMPLO – MÉTODO DE LAPLACE 005000150A3 15403020A2 0-100100050010A1 C5C4C3C2C1 Esp A1= (10+500+1000-100)/5=282 Esp A2=(20+30+40+5+1)/5=19,2 Esp A3=(150+500)/5=130 EXEMPLO – MÉTODO DE SAVAGE 005000150A3 15403020A2 0-100100050010A1 C5C4C3C2C1 EXEMPLO – MÉTODO DE SAVAGE -200 0 200 400 600 800 1000 1200 A1 A2 A3 EXEMPLO – MÉTODO DE MENOR ARREPENDIMENTO 005000150A3 15403020A2 0-100100050010A1 C5C4C3C2C1 155005000A3 00960470130A2 110500140A1 C5C4C3C2C1 QUAL A ESCOLHIDA? FIM DO PRIMEIRO TÓPICO EM SEGUIDA: TEORIA DOS JOGOS O que é um jogo • Situações em que o resultado esperado não depende só das nossas decisões. • Interação estratégica • Racionalidade • Xadrez, Bridge, Guerra, Cartel, Combate ao Crime, Localização, Política... • Não são considerados jogos de sorte e habilidade puras. Batalha do Mar de Coral • II Guerra Mundial, derrota de Guadalcanal para os japoneses (1942) • Transporte de tropas • Risco: poderio aéreo aliado (americano) • Duas rotas possíveis • Dificuldades de reconhecimento aliado • Fevereiro de 1943: transporte de 6900 soldados em uma frota escoltada a alta velocidade naval. Batalha do Mar de Coral • Rota Norte: mau tempo • Rota Sul: bom tempo • Reconhecimento em uma rota de cada vez • Rota Norte: dois dias de bombardeio se forem descobertos no primeiro dia,1 caso contrário • Rota Sul: 3 dias de bombardeio se forem descobertos no primeiro dia, 2 caso contrário • O que fazer? MODELO PARA O MAR DE CORAL Rota Sul Rota Norte Busca Sul 3 1 Busca Norte 2 2 MODELO PARA O MAR DE CORAL Rota Sul Rota Norte Busca Sul 3 1 Busca Norte 2 2 Jogo estritamente competitivo, estratégias dominantes DILEMA DOS PRISIONEIROS Confessa Não confessa Confessa (-3,-3) (-1,-5) Não confessa (-5, -1) (-2,-2) Cooperação e competição, combate ao crime, Equilíbrio de Nash, Ótimo de Pareto, Decisão pessimista DILEMA DOS PRISIONEIROS Confessa Não confessa Confessa (-6,-6) (-4,-10) Não confessa (-10, -4) (-2,-2) Dificuldade no Equilíbrio de Nash TEORIA DOS JOGOS • Lógica situacional de Popper: objetividade dos dados, sem subjetividade dos decisores • Entender situações • Aprimorar raciocínio • Cournot (1838), Zermelo e o jogo de Xadrez, Borel e o conceito de estratégia, von Neumann e Morgenstern 1994, Nash, 1950 JOGOS COM 3 JOGADORES • Votação em 2 turnos • O truelo Votação em 2 turnos. Diretor 1 Diretor 2 Diretor 3 I Ap Am Ap I I Am Am Ap Primeiro turno entre Investir e Ampliar Ação estratégica do diretor 2 O Truelo • 3 atiradores • Atirador 1 100% • Atirador 2 80% • Atirador 3 20% TEORIA DA DECISÁO RACIONAL • Preferências do decisor • Relações binárias: ordem, ordem lata • Dadas A e B, A P B, B PA ou A I B • Se A P B e B P C então A P C • Se A I B e B I C então A I C • Racionalidade forte e fraca • Simplicidade, aprendizado, recompensas IRRACIONALIDADE DE GRUPO • Aumentar programas sociais G • Manter programas sociais M • Diminuir programas sociais D • Conservador: D G M • Moderado: M D G • Radical: G M D • G P M, M P D, D P G SOLUÇÃO DE JOGOS • Eliminação sucessiva de estratégias dominadas: a racionalidade é conhecimento comum • Exemplo: Gato e Rato • Empréstimos bancários: decisões simultâneas Renova Não renova Renova 4,4 1,5 Não renova 5,1 3,3 LIMITAÇÃO DO MÉTODO Não exporta Exporta pouco Exporta muito Investe 2,1 1,0 0,-1 Não investe 1,0 2,1 -1,2 Não há eliminação de estratégias EQUILIBRIO DE NASH • Cada estratégia é a melhor resposta possível às estratégias dos demais jogadores e isso é verdade para todos os jogadores Não exporta Exporta pouco Exporta muito Investe L2,1 C 1,0 L0,-1 Não investe 1,0 L2,1 -1,2 C COMÉRCIO INTERNACIONAL Tarifa protecionista Tarifa simbólica Tarifa protecionista 800, 800 2300, -700 Tarifa simbólica -700, 2300 1700, 1700 Compara Nash com Pareto VÁRIOS EQUILIBRIOS DE NASH Campanha agressiva Campanha agressiva -20, -20 10, -10 Campanha normal -10, 10 0,0 Campanha normal GUERRA DOS SEXOS Cinema Jogo Cinema 2, 1 -1, -2 Jogo -2, -1 1, 2 LOCALIZAÇÃO• Sem custos de transporte: localização concentrada • Com custos de transporte: Localização nos extremos Localização de lojas • 3 cidades, ABC • d(A,B)=10, d(A,C)=20, d(B,C)=15 • P(A)=45%, P(B)=35%, P(C)=20% • Rede I (Grande), rede II (pequena) • I e II juntas ou equidistantes, I fica com 65% • I mais próxima fica com 90% • I mais distante fica com 40% • I não fica em C • Onde localizar? Localização de lojas • Jogo estritamente competitivo (soma=100%) • (I,A), (II,A) g(I)=65% (o mesmo para B) • (I,A), (II,B) g(I)=0,9x0,45+0,4x0,35+0,4x0,2=0,625 • (I,A), (II,C) g(I)=0,9x0,45+0,9x0,35+0,4x0,2=0,8 • ... Localização de lojas II,A II,B II,C I,A 65 62,5 80 I, B 67,5 65 80 Solução • As duas em B • Solução contra intuitiva • Jogo estável, equilibrio de Nash determinístico. Jogos de Soma Zero • O que um ganha o outro perde • Guerra (será mesmo), medalhas olímpicas, mercados de demanda fixa. • A soma pode ser constante, não nula. • Jogos estáveis (exemplo anterior). Já tendo jogado antes, os jogadores repetem as estratégias. • Jogos instáveis. Um jogador muda a estratégia como resposta à estratégia do outro Jogos de Soma Zero • Conceito de maxmin e min max: na pior das hipóteses ganhar o máximo ou perder o mínimo (se perder sempre, para quê jogar?). • Matriz do segundo jogador é a simétrica da transposta do primeiro jogador. • Estabilidade: se os dois jogadores concordam com a solução: minmax=maxmin=equilibrio de Nash, ponto de sela (rever as lojas). Jogo instável II,A II,B II,C I,A 2 10 1 I, B 3 -1 -2 II,A II,B I,A 2 10 I, B 3 -1I,A I,B II,A - 2 -3 II, B -10 1 Jogo instável • Não tem equilibrio de Nash se for jogado uma só vez. • Resolvido em termos de probabilidades • O jogo tem que ser jogado várias vezes para se obter um equilibrio de Nash em estratégias mistas, isto é, com alternância aleatória de estratégias, segundo uma determinada distribuição de probabilidade Jogo instável • Se o jogador II escolhe a sua estratégia A, o ganho esperado do jogador I é: • E1=2p1+3p2 onde pi é a probabilidade do jogador I escolher a estratégia i (ele controla essa probabilidade, não as escolhas do jogador II). • Se II escolhe a sua B, temos E2=10p1-p2 • A soma das probabilidades é unitária II,A II,B I,A 2 10 I, B 3 -1 Jogo instável • O jogador I quer maximizar o seu ganho. Mas, qual deles? • Deve minimizar o pior caso, que não sabe qual é. • Pior caso: min [(2p1+3p2), (10p1-p2)] • Max E=min [(2p1+3p2), (10p1-p2)] s.a p1+p2=1 p1,p2t 0 Isto é um PPNL (problema de programação não linear), não separável, não diferenciável II,A II,B I,A 2 10 I, B 3 -1 Linearização • Max (2p1+3p2) se este for o menor (podendo ser igual). • Ou, Max (10p1-p2) se o menor for este (podendo ser igual) s.a p1+p2=1 p1,p2t 0 São, aparentemente, dois Problemas de Programação Linear (PPL). Mas, E sempre será igual a uma das expressões. II,A II,B I,A 2 10 I, B 3 -1 Linearização • Max E onde E=(2p1+3p2) e E< (10p1-p2). • Ou, Max E onde E=(10p1-p2) e E< (2p1+3p2) s.a p1+p2=1 p1,p2t 0 As restrições de menor podem ser agrupadas com as de igual, dando duas restrições de menor ou igual. II,A II,B I,A 2 10 I, B 3 -1 Linearização • Max E s.a Ed 2p1+3p2 Ed 10p1-p2 p1+p2=1 p1,p2t 0 PPL com 3 variáveis. Pode ser usado o método gráfico? II,A II,B I,A 2 10 I, B 3 -1 Linearização • p2=1-p1 e p1 está entre 0 e 1. • Max E s.a Ed 2p1+3(1-p1) Ed 10p1-(1-p1) p1d 1 p1t 0 II,A II,B I,A 2 10 I, B 3 -1 Linearização • p2=1-p1 e p1 está entre 0 e 1. • Max E s.a Ed -p1+3 Ed 11p1-1 p1d 1 p1t 0 II,A II,B I,A 2 10 I, B 3 -1 Gráfico II,A II,B I,A 2 10 I, B 3 -1 Ponto comum às retas:-p1+3=11p1-1, donde p1=1/3 e p2=2/3. E=-1/3 + 3 = 8/3 p1=1/3p1=1/3p1=1/3p1=1/3 E para o segundo jogador? II,A II,B I,A 2 10 I, B 3 -1 p1=1/3p1=1/3p1=1/3p1=1/3 Usar dualidade JOGOS REPETIDOS -Jogo possui uma história prévia de conhecimento comum. -Negócios, política, biologia. -Formação de carteis: o cartel não é estável. Exemplo: OPEP e a ética entre ladrões. -Ganha-se com coordenação, mas mais ainda se apenas um trapacear. COALIZÃO • Coordenação de quantidades ou preços. O caso extremo é o cartel em que se chega ao preço do monopólio. • Pode haver conluios explícitos e tácitos. • Os explícitos são, normalmente proibidos por lei. • Conluios tácitos: empresas dominantes, pontos focais. REPETIÇÃO • E se o jogo for realizado outra vez? • Os jogadores sabem que na segunda vez não haverá cooperação. • Logo, não há incentivo para cooperação na primeira. • Pode-se generalizar para qualquer número de repetições finitas. JOGOS REPETIDOS • Loja dominante com número finito de unidades. • Se não valer a pena impedir a concorrência uma vez, não valerá nunca. Ou seja, não vale a pena ter fama de durona. • Cartéis existem, obstáculos à concorrência existem. O que falha? • Hipóteses simplificadoras: custos não conhecidos, modelagem finita não apropriada. EQUILIBRIOS ADICIONAIS • Todo o equilíbrio de Nash em jogo simples, também é em jogo repetido. • Jogos com mais de um equilíbrio de Nash podem gerar repetições em que o equilíbrio não é nenhum dos originais. • Situação de ameaças AMEAÇAS Urgente Normal Rápida Especial 4,3 0,0 2,5* Comum 0,1 2,2* 0,1 Primeiro ano: Especial, urgente Segundo ano: mantém se o compromisso foi honrado, muda para comum normal caso contrário Qual o novo equilíbrio? INDUÇÃO À COOPERAÇÃO • Coerção externa: punições adequadas, custo da estrutura. • Cooperação espontânea: estratégia severa e de Talião. • Probabilidade do jogo acabar. • Fatores de desconto e somas infinitas. DECISÕES SEQUENCIAIS Árvores de decisão e jogos sequenciais DECISÕES SEQUENCIAIS • Após uma tomada de decisão espera-se um acontecimento para toma a próxima decisão • O acontecimento pode ser aleatório (árvore de decisão) ou a decisão de outro (jogo sequencial) • Forma matricial e estendida. EXEMPLO • Duas empresas, dominante e desafiante. • Desafiante: entra ou não • Dominante: acomoda ou luta • Não entra, (0,10) • Entra, luta (-1,9) • Entra acomoda (3,7) • Sub jogos e solução reversa Ameaças e promessas: regulação Credibilidade Jogos sequencias contra o acaso • Segundo jogador não é racional • Podem ser estimadas probabilidades • Valor esperado ou pessimista • Indicar se é decisão ou acaso Exemplo • Recursos prováveis num terreno • Companhia oferece 60 pelos direitos • Opção para investimentos futuros se os atuais forem promissores: valor 600 • Exploração própria : 100 de custo inicial, 2000 de lucro se houver exploração positiva • Supor probabilidade de haver o recurso de 60% • E se houver uma opção de terceirizar após a descoberta do recurso? • E se a empresa tiver outros terrenos para pesquisar? Métodos ordinais multidecisor Métodos Ordinais • Problema: existem n ordenações (correspondendo a n critério ou n decisores). Como fazer uma ordenação justa? • O que é uma ordenação justa? Escolha justa-Axiomas de Arrow • Independente em relação às alternativas irrelevantes • Ordem total (sem intransitividades e sem incomparabilidades) • Unanimidade de Pareto • Universalidade • SÓ MÉTODOS DITATORIAIS Métodos de ditador • Ditador puro • Ditadores sucessivos (ou lexicográfico) • De novo as medalhas • Bábá x Azar Método de Borda • Chevalier de Borda • Revolução francesa • Soma de postos • Nãorespeita a independência em relação às alternativas irrelevantes • Exemplo piorado: Fórmula 1 Exemplo para fazer por Borda D1 D2 D3 a b b d a a e e c c c d b d e a 5 b 7 c 11 d 11 e 11 Borda: retira-se c, d D1 D2 D3 a b b e a a b e e a 5 b 5 e 8 Borda: retira-se c, d, e D1 D2 D3 a b b b a a a 5 b 4 Dependo do conjunto de análise pode-se ter aPb, bPa ou aIb. Método de Condorcet • Resolver o paradoxo de Borda • Considera apenas as alternativas duas a duas. • Constrói uma matriz binária • Maria Jean de Caritat, Marquis de Condorcet Para o exemplo de Borda: comparações pareadas a 1 x b 2 a 3 x c 0 a 3 x d 0 a 3 x e 0 b 2 x c 1 b 2 x d 1 b 2 x e 1 c 2 x d 1 c 1 x e 2 d 2 x e 1 Para o exemplo de Borda: matriz de Condorcet a b c d e a 0 1 1 1 b 1 1 1 1 c 0 0 1 0 d 0 0 0 1 e 0 0 1 0 B ganha de todos. É colocado em primeiro e retirado da matriz. Destilação descendente. Para o exemplo de Borda: matriz de Condorcet A ganha de todos. É colocado em segundo e retirado da matriz. Destilação descendente. a c d e a 1 1 1 c 0 1 0 d 0 0 1 e 0 1 0 Para o exemplo de Borda: matriz de Condorcet c ganha de d que ganha de e que ganha de c. Ciclo de intransitividade. Não fornece ordenação. Paradoxo de Condorcet. c d e c 1 0 d 0 1 e 1 0 Método de Copeland: a b c d e a 0 1 1 1 b 1 1 1 1 c 0 0 1 0 d 0 0 0 1 e 0 0 1 0 a=3 b=4 c=1 d=1 e=1 Tirou a intransitividade. Empate é bem diferente de intransitividade. Copeland=Condorcet quando não intrnasitividade.. Quando há. É melhor que Borda para resolver. Tratamento de empates nas ordenações: Borda : D1 D2 a,b a,b,c c d d a 1,5+2 b 1,5+2 c 3+2 d 4+4 Tratamento de empates nas ordenações: Condorcet : Substituir “ganhar” por “não perder” a b c d a 1 1 1 1 b 1 1 1 1 c 0 0 1 1 d 0 0 0 1 a,b empatado em primeiro, c em terceiro, d em quarto. Tratamento de empates nas ordenações: Copeland : Fazer “linhas menos colunas” a b c d a 1 1 1 1 b 1 1 1 1 c 0 0 1 1 d 0 0 0 1 a,b empatado em primeiro, c em terceiro, d em quarto. a=2, b=2, c=-1, d=-3 Borda no SIAD: Invertido DECISÕES COM RISCO Risco e utilidade Decisão com risco • É conhecida uma distribuição de probabilidade • Valor médio, com seus problemas; moda • Decisão eficiente: conceito de risco • Escolha entre decisões eficientes • Propensão e aversão ao risco. Loterias • Um evento estocástico com apenas dois resultados. • P(A)=1-P(B) Utilidade • Verdadeiro valor do ganho • Definida probabilisticamente. Se definida deterministicamente chama-se função de valor • Exemplo: loteria do milhão, área para uma fábrica, nota numa matéria, tamanho de onda, salário, raspadinha... Utilidade • Aversão ao risco: utilidade marginal diminui • Propensão ao risco: utilidade marginal aumenta • Utilidade assintótica • Teorias psicológicas da utilidade Utilidade • Utilidade de von Neumann: Indiferença entre obter um ganho e, com 100% de probabilidade e participar de uma loteria em que o maior valor tem probabilidade p e o menor 1-p. Determinar esse p. • U(e) =pU(max) + (1-p)U(min) • Se normalizado, U(e) = U(max) • Críticas conduzem a funções de valor Funções usadas para modelar a utilidade • Raiz • Ln[(a+bx)/c] • Arctg • tgh PROCESSOS DE MARKOV Definições básicas • Estado de um sistema: situação em que se encontra em determinado tempo • Vetor de estado: indica a probabilidade de cada estado, em um determinado instante ou etapa do processo • Processo de Markov: a probabilidade de numa etapa o sistema se encontrar em um determinado estado, depende apenas do estado anterior (sem memória) • Cadeia de Markov: processo de Markov discreto Definições básicas • Probabilidade de transição: a probabilidade de o sistema chegar ao estado j na etapa n+1, dado que na etapa n estava no estado i. • Matriz de transição: matriz composta das probabilidades de transição • Propriedades: produto de matrizes de transição é uma matriz de transição, produto de uma matriz de transição por um vetor de estado é um vetor de estado • Transições sucessivas Exemplos • Viajar de várias formas • Processos periódicos • Estados absorventes Matriz regular • Pelo menos uma potência da matriz não tem nenhum valor nulo • Comportamento estático: vP=v • Significa tem um autovalor unitário • O autovetor associado é o vetor de estado no infinito, ou vetor fixo. • Vetor fixo independe do estado inicial: • fon lim S(n) = fon lim S(0). P n = S Cada linha da matriz converge para o vetor v Exemplo: manutenção de uma máquina • Esperar que a máquina quebre • Trocar no começo do quarto mês • Trocar no começo do terceiro mês • Trocar no começo do segundo mês 1 – a máquina inicia o primeiro mês de operação e a substituição foi planejada. Q – a máquina inicia o primeiro mês de operação e a substituição se deveu a quebra da anterior. 2 – a máquina inicia o segundo mês de operação. 3 – a máquina inicia o terceiro mês de operação. 4 – a máquina inicia o quarto mês de operação. Exemplo: manutenção de uma máquina • Custo de troca programada 500 • Custo de troca por quebra 1500 • Probabilidade de quebrar no mês 1: 0,1 • Probabilidade de quebrar até o mês 2: 0,2 • Probabilidade de quebrar até o mês 3: 0,5 • Probabilidade de quebrar até o mês 4: 1 • DETERMINE A POLÍTICA ÓTIMA TEORIA DAS FILAS Fogliatti, MC, Mattos, N.M.C., Teoria das Filas, 2007, Interciência Teoria das Filas • Surge no início do século XX para centrais de telefone. • Existência de filas: clientes que precisam de um serviço. • Fonte (população), fila, serviço, sistema Fonte • Universo onde se encontram a população que dará origem aos clientes • População: finita, infinita. Influência na probabilidade de novas chegadas. • Chegadas simples e em grupo • Chegadas controláveis e incontroláveis • Taxa de chegada (cliente por unidade de tempo). Pode ser constante ou aleatório. Mede-se o tempo entre duas chegadas. • Clientes podem ser pacientes ou impacientes Fila • Simples e múltiplas • Finita ou infinita • Disciplina: FIFO (PEPS), FILO (PEUS), aleatória, prioridades. Serviço • Simples ou em grupo • Tempo de serviço • Taxa de serviço (numero de clientes por unidade de tempo) Parâmetros e critérios • Congestionamento: tempo do cliente é pouco valorizado • Ociosidade: tempo do cliente muito valorizado Parâmetros e critérios • Comprimento médio da fila Lq • Número médio de clientes no sistema L • Tempo médio de espera na fila Wq • Tempo médio de espera no sistema W • Taxa de ocupação • Probabilidade de haver n atendentes desocupados... Parâmetros e critérios • Pn Probabilidade de haver n elementos no sistema • P (nt k) Probabilidade de haver k ou mais elementos no sistema • P (W>t) • J taxa de chegada. O seu inverso é o intervalo médio de chegada. • P taxa de serviço e seu inverso é o tempo médio de serviço • U Taxa de ocupação Distribuições usuais Exponencial negativa f(t) =a.exp (-at) Poisson f(x)= (at)x.exp (-at)/x! Cálculo de valor esperado, variância, CV Propriedade inversa Falta de memória: P(T>a+b/T>b)=P(T>a+b)/P(T>b)=P(T>a) Distribuição de chegadas em relação à média Relação fundamental • L=OW • Lq=OWq • W=wq+1/P • L=Lq+ O /P Classificação das filas • X/Y/Z/W • Entrada, saída, número de servidores, outras propriedades (finita, paciente...) • M/M/1 Nascimento e morte M/M/1 • Estado zero para 1 com chegada • Estado 1 para zero com saída, para 2 com chegada • PP1=OP0 • P1 =OP0 /P • Generalizando: Pn = OnP0 /Pn ou • Pn = UnP0 • Somatório dos P deve ser unitário • Utilizando convergência chega-se à taxa de desocupação e seu valor Nascimento e morte M/M/1 • O comprimento do sistema é igual ao valor médio do estado do sistema, somatório de n por Pn. • L= O/(P - O) • Para a fila, Lq=L-(1-Po) Formulário M/M/1 Exemplo • Caminhões a serem descarregados • Chegada de 16 por dia 105 124 153 202 501 Tempo (minutos)Funcionário Exemplo • Caminhão parado: 3000/h • Funcionário 1500/h • Dia de trabalho com 8h • Quantos empregados contratar? Formulário M/M/S Exemplo • Verificar o que é melhor para a fila: duplicar a velocidade de atendimento ou duplicar o número de servidores. Comprimento Limitado e um servidor M/M/1/K • On= O para n de 0 a k-1 • On=0 caso contrário • Omédio= O(1-Pk) • É preciso distinguir entre taxa de ocupação e taxa de pressão. A taxa de pressão deste caso equivale à de ocupação no caso M/M/1 Formulário para M/M/1/K Exemplo • Porto com um guindaste móvel de descarga e dois berços. • Porto ocupado implica em desviar navios. Custo de 20000 por navio desviado e de 12000 por dia por navio parado. • Chegadas markovianas de 3 navios por dia e atendimento de 5 navios por dia. • Expansão para 3 beços custa 1000 por dia. Vale a pena? Formulário para população finita (M/M/1/N) M/G/1 Exemplo • Chegada markoviana de 15 clientes por hora • Tempo de atendimento médio de 3 minutos • a)Com distribuição constante (variância nula) • b)Com distribuição uniforme entre 1 e 5 minutos • c)Com distribuição exponencial GESTÃO DE ESTOQUES Papel dos estoques • Haver abastecimento quando a procura é superior à oferta • Manter o abastecimento quando não há produção Modelos de gestão de estoques • Determinísticos ou Estocásticos • Quanto comprar • Quando comprar • Minimização de custos (incluindo perda de oportunidade) • Acumulação de estoques – custos de posse • Baixo estoque – mau serviço • Modelos diferentes para vários itens – classificação ABC Custos dos estoques • Aquisição: pagamento ao fornecedor. C1.Q • Encomenda: custos administrativos, geralmente fixos e sub-avaliados. A • Custo de posse: seguros, aluguel de espaço, capital imobilizado, obsolescência • Custos de quebra Modelos determinísticos • Reposição: instantânea, gradual • Procura: constante, variável • Quebra: permitida, não permitida • Preço: constante, com descontos Modelos determinísticos • Reposição instantânea, procura constante, quebra não permitida, sem descontos • Q: Quantidade encomendada • T: intervalo entre encomendas • r: procura por unidade de tempo (determinada por modelos de previsão, aqui suposta conhecida) • Q=Tr Modelos determinísticos • Custo de encomenda: A • C2: manter uma unidade de artigo numa unidade de tempo. Custo de todas as unidade, variáveis no tempo, é a integral ao longo do período T= C2(Q/2)T • CT=A+C2(Q/2)T • Ciclos de tamanho diferente não são comparáveis. Modelos determinísticos • Custo por unidade de tempo • K=CT/T=A/T + C2Q/2=Ar/Q + C2Q/2 • Custo mínimo: deriva e iguala a zero • Q*=(2Ar/C2)1/2 • E os custos de aquisição C1Q? • A derivada é nula, não interferem nos valores ótimos das variáveis de decisão Análise de sensibilidade Modelo robusto, curva quase plana no mínimo.; Melhor comprar mais que menos. E o JIT,como fica? Outros casos • Reposição não instantânea: fazer o gráfico e calcular nova integral • Demanda variável: fazer o gráfico e calcular nova integral • Quebra permitida: incluir o custo de quebra. Nova variável é quanto de quebra se permite. Problema com derivadas parciais • Custo de encomenda variável: incluir esse custo no custo total e resolver novo problema de otimização Exemplo • Consumo: 10000/ano • Custo unitário: 3100 até 2000 unidades, 3000 entre 2000 e 5000 unidades, 2900 para mais de 5000 unidades • Custo fixo 5000 • Custo de posse 600/unidade/ano (na verdade tem pequenas variações pelos descontos) • Calcular o lote ótimo Modelos Estocásticos • Encomenda fixa no ponto de encomenda, intervalos variáveis • Intervalos de tempo fixos, quantidade variável • Ambas trabalham com estoques de segurança • Simulação FIM
Compartilhar