Baixe o app para aproveitar ainda mais
Prévia do material em texto
Programação Linear Inteira APRESENTAÇÃO Os problemas de programação linear inteira (PLI) estão relacionados, frequentemente, ao fato de algumas ou todas as variáveis de decisão terem de se restringir a valores inteiros. Há, também, muitas aplicações que envolvem decisões sim-ou-não que podem ser representadas por variáveis binárias (0-1). Por causa desses fatores, a programação inteira se tornou uma das técnicas de pesquisa operacional (PO) mais amplamente utilizadas. Nesta Unidade de Aprendizagem, você vai conhecer características importantes da programação linear inteira, suas principais aplicações e os algoritmos mais utilizados para resolver problemas de PLI. Bons estudos. Ao final desta Unidade de Aprendizagem, você deve apresentar os seguintes aprendizados: Identificar as características gerais da programação linear inteira.• Determinar a alocação de recursos a atividades.• Descrever uma programação linear inteira.• DESAFIO Você trabalha em uma confeitaria que produz dois tipos de bolos: chocolate e creme. Cada lote de bolos de chocolate é vendido com um lucro de R$ 3,00, e cada lote de bolos de creme é vendido com um lucro de R$ 1,00. Contratos com várias lojas impõem que sejam produzidos no mínimo 10 lotes de bolos de chocolate por dia e que o total de bolos fabricados nunca seja menor que 20. O mercado só é capaz de consumir até 40 lotes de bolos de creme e 60 de chocolate. As máquinas de preparação dos bolos disponibilizam 180 horas de operação, sendo que cada lote de bolos de chocolate consome 2 horas de trabalho, e cada lote de bolos de creme, 3 horas. Você é responsável pela estratégia de vendas, e seu gerente solicitou que você determine o esquema de produção que maximize os lucros com a venda dos bolos. INFOGRÁFICO O branch-and-bound (B&B) é o mais confiável dos dois algoritmos de solução para programação linear inteira (PLI). Na verdade, praticamente todos os códigos comerciais de resolução de problemas de PLI são baseados em B&B. Veja no infográfico um resumo desse algoritmo. Conteúdo interativo disponível na plataforma de ensino! CONTEÚDO DO LIVRO Programação Linear Inteira (PLI) são programações lineares nas quais algumas ou todas as variáveis estão restritas a valores inteiros (ou discretos). Quando estudamos PLI, precisamos destacar três áreas: aplicação, teoria e cálculo. Veja no capítulo Programação Linear Inteira, do livro "Pesquisa Operacional", algumas aplicações que demonstram a ampla utilização de PLI na prática. Boa leitura. PESQUISA OPERACIONAL Organizador: Rodrigo Rodrigues Catalogação na publicação: Poliana Sanchez de Araujo – CRB 10/2094 R696p Rodrigues, Rodrigo. Pesquisa operacional / Rodrigo Rodrigues. – Porto Alegre : SAGAH, 2017. 121 p. : il. ; 22,5 cm. ISBN 978-85-9502-004-7 1. Pesquisa operacional – Engenharia de produção. I. Título. CDU 658.5 Programação linear inteira Objetivos de aprendizagem Ao final deste texto, você deve apresentar os seguintes aprendizados: � Identificar as características gerais da programação linear inteira. � Determinar a alocação de recursos a atividades. � Descrever uma programação linear inteira. Introdução Os problemas de programação linear inteira (PLI) estão relacionados, frequentemente, ao fato de algumas ou todas as variáveis de decisão terem de se restringir a valores inteiros. Há, também, muitas aplicações que envolvem decisões sim-ou-não que podem ser representadas por variáveis binárias (0-1). Por causa desses fatores, a programação inteira se tornou uma das técnicas de pesquisa operacional (PO) mais amplamente utilizadas. Neste texto, você vai conhecer características importantes da pro- gramação linear inteira, suas principais aplicações e os algoritmos mais utilizados para resolver problemas de PLI. Programação linear inteira: características gerais Programação linear inteira (PLI) são programações lineares nas quais algumas ou todas as variáveis estão restritas a valores inteiros (ou discretos). Quando estudamos PLI, precisamos destacar três áreas: aplicação, teoria e cálculo. Você vai ver algumas aplicações que demonstram a ampla utilização de PLI na prática. Vai ver, também, dois algoritmos proeminentes de PLI: branch-and- -bound (B&B) e planos de corte. Dos algoritmos, o B&B é o mais eficiente em termos de cálculo. Na realidade, praticamente todos os códigos comerciais têm suas raízes no B&B (TAHA, 2008). Os algoritmos de PLI apresentam uma desvantagem, que é a sua falta de consistência na resolução de problemas com números inteiros. Embora seja comprovado teoricamente que esses algoritmos convergem em um número finito de iterações, sua implantação em computador (com seu inerente erro de arredondamento) é uma experiência diferente. Não se esqueça disso quando estudar os algoritmos PLI. Programação linear inteira: recursos e aplicações Em geral, as aplicações possuem duas categorias: direta e transformada. Na categoria direta, as variáveis são naturalmente inteiras e podem assumir valores binários (0 ou 1) ou discretos gerais. O problema pode consistir em determinar, por exemplo, se um projeto será ou não selecionado para execução (binário) ou achar o número ótimo de máquinas necessárias para executar uma tarefa (valor discreto geral). Na categoria transformada, o problema original, que pode ou não envolver quaisquer variáveis inteiras, é intratável analiticamente. Para transformá-lo em tratável, são usadas variáveis auxiliares inteiras (em geral, binárias). Segundo Taha (2008), a natureza “ou” das restrições é que torna o problema analiticamente intratável, porque todos os algoritmos matemáticos de programação matemática tratam apenas de restrições “e”. A situação é remediada usando variáveis binárias auxiliares para transformar as restrições “ou” em restrições “e” equivalentes. Convencionou-se a definição de um problema inteiro puro como aquele que tem todas as variáveis inteiras. Caso trate de variáveis contínuas e inteiras, é um problema de programação inteira mista. Orçamento de capital O nosso viés, agora, é com relação a decisões sobre o investimento ou não em projetos individuais. A decisão é influenciada pelo orçamento limitado e pelas prioridades na execução dos projetos. � Exemplo 1: seleção de projeto Em uma projeção de planejamento de três anos, cinco projetos estão sob avaliação. A Tabela 1 apresenta os resultados esperados para cada projeto e os investimentos anuais associados. Pesquisa operacional94 Desembolsos (milhões $)/ano Projeto 1 2 3 Retornos (milhões $) 1 2 3 4 5 5 4 3 7 8 1 7 9 4 6 8 10 2 1 10 20 40 20 15 30 Fundos disponíveis (milhões $) 25 25 25 Tabela1. Retornos esperados. Quais projetos devem ser selecionados na projeção de três anos? O problema se reduz a uma decisão “sim-não” para cada projeto. Definimos a variável binária xj, como: � O problema de PLI é: Maximizar z = 20x1 + 40x2 + 15x4 + 30x5 Sujeito a: 5x1 + 4x2 + 3x3 + 7x4 + 8x5 ≤ 25 x1 + 7x2 + 9x3 + 4x4 + 6x5 ≤ 25 8x1 + 10x2 + 2x3 + x4 + 10x5 ≤ 25 x1, x2, x3, x4, x5 = (0,1) A solução inteira ótima, que pode ser obtida pelo Excel Solver ou outros programas, é x1 = x2 = x3 = x4 = 1, x5 = 0, com z = 95 (milhões $). A solução mostra que todos os projetos, com exceção do 5, devem ser selecionados. É interessante comparar a solução contínua de PL com a solução de PLI. A PL ótima, obtida pela substituição de xj = (0,1) por 0 ≤ x ≤ 1 para todo j, dá como resultado x1 = 0,5789, x2 = x3 = x4 = 1, x5 = 0,7368 e z = 108,68 (milhões 95Programação linear inteira $). Não há sentido para a solução devido a duas das variáveis que assumem valores fracionários. Podemos arredondar a solução para o inteiro mais pró- ximo, que dá x1 = x5 = 1. Contudo, a solução resultante é inviável porque as restrições são violadas. Mais importante, o conceito de arredondamento não tem sentido aqui, porque xj representa uma decisão “sim-não”. Problema de cobertura Nos problemasde cobertura, várias instalações oferecem serviços sobrepostos a várias localidades. O objetivo é identificar o número mínimo de instalações que atenderão às necessidades de cada localidade. Por exemplo, estações de tratamento de água podem ser construídas em vários locais, sendo que cada uma atenderia a um conjunto diferente de cidades. A sobreposição surge quando uma determinada cidade poderá ser atendida pelos serviços de mais de uma estação. � Exemplo 2: instalação de telefones de segurança Outro exemplo apresentado por Taha (2008) é de um departamento de segurança de uma universidade que, para promover a segurança no campus, iniciou um processo de instalação de telefones de emergência em locais se- lecionados. O departamento quer instalar o número mínimo de telefones, contanto que cada uma das principais ruas do campus seja atendida por, no mínimo, um telefone. A Figura 1 mostra o mapa do campus. É conveniente colocar os telefones em cruzamentos de ruas, de modo que cada um atenda no mínimo duas ruas. A Figura 1 mostra que o leiaute das ruas requer um máximo de oito localizações de telefones. Defina-se � As restrições do problema requerem a instalação de, no mínimo, um telefone em cada uma das 11 ruas (A a K). Veja como fica o modelo: Minimizar z = x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 Pesquisa operacional96 Sujeito a A solução ótima do problema requer instalar quatro telefones nos cru- zamentos 1, 2, 5 e 7. Mais especificamente, os problemas de cobertura são caracterizados por: 1. As variáveis xj, j = 1,2,...,n são binárias. 2. Os coeficientes do lado esquerdo das restrições são 0 ou 1. 3. O lado direito de cada restrição é da forma (≥ 1). Figura 1. Mapa de ruas do campus da universidade. 97Programação linear inteira 4. A função objetivo minimiza c1x1 + c2x2 + ... + cnxn, em que cj > 0 para todo j = 1, 2, ..., n. Nesse exemplo, cj = 1 para todo j. Se cj representar o custo de instalação no local j, então esses coeficientes podem assumir valores que não sejam 1. Variações do problema de cobertura incluem condições adicionais de lado. Problema de carga fixa O problema de carga fixa aborda situações em que a atividade econômica implica em dois tipos de custos: uma taxa inicial “fixa”, que deve ser incidida no início da atividade, e um custo variável, que é diretamente proporcional ao nível da atividade. Por exemplo, a preparação e o ajuste inicial das ferramentas de uma máquina, antes de iniciar a produção, implicam em um custo fixo de preparação independentemente da quantidade de unidades fabricadas. Uma vez concluída, o custo da mão de obra e do material é proporcional à quantidade produzida. Dado que F é a carga fixa, c é o custo unitário variável, e x é o nível de produção, a função custo é expressa como: A função C (x) é intratável analiticamente porque envolve uma desconti- nuidade em x = 0. Restrições ou-ou e se-então Usamos variáveis binárias, no problema de carga fixa, para lidar com descon- tinuidade na função objetivo custo. Em muitos modelos, as restrições não são satisfeitas ao mesmo tempo (ou- -ou) ou são dependentes (se-então), novamente usando variáveis binárias. A transformação não muda a natureza de “ou” ou de “dependência” das restrições. Ela simplesmente usa um truque matemático para apresentá-las no formato desejado de restrições “e” (TAHA, 2008). Pesquisa operacional98 Programação linear inteira: resolução de problemas por meio de algoritmos Problemas de PLI são muito mais difíceis do que seriam sem a restrição de números inteiros, por isso, os algoritmos disponíveis para programação inteira são, em geral, menos eficientes que o método simplex. Contudo, ao longo das últimas décadas houve progresso na capacidade de resolver alguns (mas não todos) problemas de PLI extensos, com dezenas ou até mesmo centenas de milhares de variáveis inteiras (HILLIER; LIEBERMAN, 2013). Para todo problema de PLI existe um problema de programação linear correspondente no qual as restrições de não fracionariedade são removidas (ou relaxadas). Veja alguns resultados: � Espaço de soluções viáveis do PLI ⊆ Espaço de soluções viáveis do PLI “relaxado”. � Valor ótimo de z do PLI ≤ Valor ótimo do PI relaxado. Uma possível abordagem para a solução de problemas de PLI é resolver seus problemas correspondentes “relaxados” e arredondar as variáveis de decisão para o maior ou menor inteiro mais próximo. No entanto, dois problemas podem resultar dessa abordagem: � Os valores arredondados podem resultar em pontos inviáveis no PLI. � As soluções resultantes são altamente subótimas. Os algoritmos de PLI são baseados na exploração do indiscutível sucesso computacional da PL. Segundo Taha (2008), a estratégia desses algoritmos envolve três etapas: � Etapa 1. Relaxe a região de soluções da PLI eliminando a restrição inteira imposta a todas as variáveis inteiras e substituindo qualquer variável binária y pela faixa contínua 0 ≤ y ≤ 1. O resultado da relaxação é uma PL normal. � Etapa 2. Resolva a PL e identifique a solução ótima contínua. � Etapa 3. Começando do ponto ótimo contínuo, adicione restrições especiais que modifiquem interativamente a região de soluções da PL de maneira que, a certa altura, resultará em um ponto extremo ótimo que satisfaça os requisitos inteiros. 99Programação linear inteira Dois métodos gerais foram desenvolvidos para gerar as restrições especiais na etapa 3: 1. Método branch-and-bound (B&B) 2. Método de planos de corte Embora nenhum dos dois métodos seja consistentemente efetivo em termos computacionais, a experiência mostra que o método B&B é muito mais bem- -sucedido do que o método de plano de corte. Método Branch-and-Bound para solução de problemas PLIs puros Considere o problema de PLI: Max z = 8x1 + 5x2 s.a x1 + x2 ≤ 6 9x1 + 5x2 ≤ 45 x1 , x2 ≥ 0 x1 , x2 inteiros. O método de solução de problemas de PI utilizando o branch-and-bound (B&B) é operacionalizado em cinco passos, descritos a seguir. 1. Comece resolvendo o PLI relaxado. Se a solução ótima for inteira, esta é a solução do PLI. Quando esse não for o caso, a solução ótima do IPR (problema de programação inteira relaxado) é o limite superior da solução ótima do PLI. A solução ótima desse exemplo de IPR é: z* = 165/4 x1 = 15/4 x2 = 9/4 2. Escolha uma variável de decisão fracionária em z* do IPR, por exemplo, x1 = 15/4. O PLI admite valores de x1 ≤ 3 ou x1 ≥ 4, mas não em 3 < x1 < 4. Crie dois subproblemas a partir de x1: SP2: SP1 + restrição x1 ≥ 4. SP3: SP1 + Restrição x1 ≤ Pesquisa operacional100 A sigla SP designa subproblema. O problema designado por SP1 é o próprio problema de PLI. 3. Escolha qualquer SP listado no passo anterior e resolva como se fosse um problema de programação linear. Digamos SP2, com solução ótima z* = 41, x1 = 4 e x2 = 9/5. Os resultados obtidos até agora podem ser apresentados na forma de uma árvore hierárquica. 4. Repita o procedimento em (3) usando o SP2 e a variável de decisão fracionária x2 = 9/5. Os subproblemas resultantes são: SP4: SP1 + x1 ≥ 4 + x2 ≥ 2 ou SP2 + x2 ≥ 2. SP5: SP1 + x1 ≥ 4 + x2 ≤ 1 ou SP2 + x2 ≤ 1. Temos três problemas que podem ser resolvidos: SP3, SP4 e SP5. Escolhemos entre eles um para resolução, por exemplo, SP4. SP4 não apresenta soluções viáveis, não podendo, assim, gerar uma solução ótima para o problema de PLI. Assim, diz-se que esse nodo da árvore foi terminado. Entre os SPs não resolvidos, escolhe-se o mais recente, SP5. Veja a solução na árvore do problema a seguir. 101Programação linear inteira 5. Repita o procedimento em (3) usando SP5 e a variável de decisão fracio- nária x1. Os subproblemas resultantes são: SP6: SP5 + x1 ≥ 5. SP7: SP5 + x1 ≤ 4. Três SPs podem ser resolvidos: SP3, SP6 e SP7. Escolhe-se, aleatoriamente, um dos mais recentes, SP7, por exemplo. A solução só possui valores inteiros para a variável de decisão, podendo ser inter- pretada como uma solução candidata ou um limite inferior no valorótimo do problema de PLI. O Solver pode ser usado para obter a solução dos diferentes subproblemas usando as opções adicionar/modificar/excluir na caixa de diálogo “Parâmetros do Solver”. Pesquisa operacional102 Algoritmo de plano de corte O algoritmo de corte, a exemplo do algoritmo B&B, também começa na solução contínua ótima da PL. Restrições especiais (denominadas corte) são adiciona- das na região de soluções de uma maneira que resulta em um ponto extremo ótimo inteiro. Em geral, na resolução de um problema nesse método é feita sua representação em gráfico de como os cortes são usados para produzir uma solução inteira e, então, implementa-se a ideia algebricamente (TAHA, 2008). Mesmo após anos de pesquisa, não há um código de computador que possa resolver problemas de PLI de modo consistente. Contudo, dos dois algoritmos de solução que vimos, o B&B é o mais confiável. Praticamente todos os códigos comerciais de resolução de problemas de PLI são baseados em B&B. Em geral, o método de planos de corte é difícil e incerto. Segundo Hillier e Lieberman (2013), esse progresso se deve a uma com- binação de três fatores: melhorias impressionantes nos algoritmos de PLI, melhorias notáveis nos algoritmos de programação linear usados internamente nos algoritmos de PLI e a grande aceleração no desenvolvimento dos com- putadores. Contudo, os algoritmos de PLI, ocasionalmente, também falharão na resolução de problemas bem menores (até mesmo como uma centena de variáveis inteiras). 103Programação linear inteira 1. Com relação à programação linear inteira (PLI), marque a alternativa correta: a) PLI são programações lineares nas quais qualquer variável pode, ou não, assumir valores inteiros. b) Os algoritmos de PLI apresentam uma vantagem, que é a sua consistência na resolução de problemas com valores inteiros. c) Em geral, as aplicações de PLI possuem apenas uma categoria, que é a categoria transformada. d) As variáveis são naturalmente inteiras e podem assumir valores binários (0 ou 1) ou discretos gerais. Essa é uma característica da categoria transformada. e) Em PLI, na categoria transformada, o problema original, que pode ou não envolver quaisquer variáveis inteiras, é intratável analiticamente. 2. Quanto a aplicações de programação linear inteira (PLI), analise as alternativas a seguir e marque a afirmativa correta. a) Os problemas de cobertura são os relacionados a decisões sobre o investimento ou não em projetos individuais. b) Os problemas de orçamento de capital em geral estão relacionados a instalações que oferecem serviços sobrepostos a várias localidades. c) Os problemas de cobertura abordam situações em que a atividade econômica implica em dois tipos de custos: uma taxa inicial “fixa” e um custo variável. d) Há modelos de problemas de restrições ou-ou e se-então, em que a transformação não muda a natureza de “ou” ou de “dependência” das restrições. e) Os problemas de carga fixa são caracterizados pelas variáveis xj, j = 1,2,...,n são binárias. Os coeficientes do lado esquerdo das restrições são 0 ou 1. O lado direito de cada restrição é da forma (≥ 1). A função objetivo minimiza c1x1 + c2x2 + ... + cnxn, em que cj > 0 para todo j = 1, 2, ..., n. 3. Com relação aos algoritmos de programação inteira, marque a alternativa correta: a) Para todo problema de PLI existe um problema de programação linear correspondente no qual as restrições de não fracionariedade são mantidas. b) Uma possível abordagem para a solução de problemas de PLI é resolver seus problemas correspondentes “relaxados” sem arredondar as variáveis de decisão para o maior ou menor inteiro mais próximo. c) Dois métodos gerais foram desenvolvidos para gerar as restrições especiais na etapa 3: o método branch-and-bound (B&B) e o método de planos de corte. d) Os métodos branch-and-bound (B&B) e de planos de corte são consistentemente efetivos Pesquisa operacional104 em termos computacionais. e) O algoritmo de corte, ao contrário do algoritmo B&B, não começa na solução contínua ótima da PL. 4. O método de solução de problemas de programação linear inteira (PLI) utilizando o branch-and-bound (B&B) é operacionalizado em cinco passos. Com relação a esses passos, marque a alternativa correta: a) O passo 1 é a escolha de uma variável de decisão fracionária em z* do PIR. b) O passo 2 é escolher um SP. c) O passo 3 é resolver o PLI relaxado. d) O passo 4 é repetir o passo 3 usando SP2 e a variável de decisão fracionária x1. e) O passo 5 é repetir o passo 3 usando SP5 e a variável de decisão fracionária x1. 5. Ainda sobre aspectos gerais que envolvem a programação linear inteira (PLI), marque a alternativa correta: a) Nos problemas de PLI, não há a necessidade de algumas ou todas as variáveis de decisão terem de se restringir a valores inteiros. b) Há poucas aplicações que envolvem decisões sim-ou-não. c) A programação linear inteira é uma das técnicas de pesquisa operacional (PO) menos utilizadas. d) Problemas de PLI são muito mais fáceis pelo fato de não haver restrição de inteiros; portanto, os algoritmos disponíveis para programação inteira são, em geral, consideravelmente mais eficientes que o método simplex. e) O progresso na capacidade de resolver alguns problemas de PLI se deve a uma combinação de três fatores: melhorias impressionantes nos algoritmos de PLI, melhorias notáveis nos algoritmos de programação linear usados internamente nos algoritmos de PLI e a grande aceleração no desenvolvimento dos computadores. 105Programação linear inteira HILLIER, F. S.; LIEBERMAN, G. J. Introdução à pesquisa operacional. 9. ed. Porto Alegre: AMGH, 2013. E-book. TAHA, H. A. Pesquisa operacional: uma visão geral. São Paulo: Pearson Prentice Hall, 2008. Leitura recomendada HILLIER, F. S.; LIEBERMAN, G. J. Introdução à pesquisa operacional. 9. ed. Port Alegre: AMGH, 2013. E-book. Pesquisa operacional106 Encerra aqui o trecho do livro disponibilizado para esta Unidade de Aprendizagem. Na Biblioteca Virtual da Instituição, você encontra a obra na íntegra. DICA DO PROFESSOR Nesse vídeo, você vai ver como encontrar a solução ótima para a maximização da receita da venda de móveis de uma fábrica, por intermédio de programação linear inteira, utilizando o software Lindo. Conteúdo interativo disponível na plataforma de ensino! EXERCÍCIOS 1) Com relação à programação linear inteira (PLI), marque a alternativa correta: A) PLI são programações lineares nas quais qualquer variável pode, ou não, assumir valores inteiros. B) Os algoritmos de PLI apresentam uma vantagem, que é a sua consistência na resolução de problemas com valores inteiros. C) Em geral, as aplicações de PLI possuem apenas uma categoria, que é a categoria transformada. D) As variáveis são naturalmente inteiras e podem assumir valores binários (0 ou 1) ou discretos gerais. Essa é uma característica da categoria transformada. E) Em PLI, na categoria transformada, o problema original, que pode ou não envolver quaisquer variáveis inteiras, é intratável analiticamente. 2) Quanto a aplicações de programação linear inteira (PLI), analise as alternativas a seguir e marque a afirmativa correta. Os problemas de cobertura são os relacionados a decisões sobre o investimento ou não em A) projetos individuais. B) Os problemas de orçamento de capital em geral estão relacionados a instalações que oferecem serviços sobrepostos a várias localidades. C) Os problemas de cobertura abordam situações em que a atividade econômica implica em dois tipos de custos: uma taxa inicial “fixa” e um custo variável. D) Há modelos de problemas de restrições ou-ou e se-então, em que a transformação não muda a natureza de “ou” ou de “dependência” das restrições. E) Os problemas de carga fixa são caracterizados pelas variáveis xj, j = 1,2,...,n são binárias. Oscoeficientes do lado esquerdo das restrições são 0 ou 1. O lado direito de cada restrição é da forma (≥ 1). A função objetivo minimiza c1x1 + c2x2 + ... + cnxn, em que cj > 0 para todo j = 1, 2, ..., n. 3) Com relação aos algoritmos de programação inteira, marque a alternativa correta: A) Para todo problema de PLI existe um problema de programação linear correspondente no qual as restrições de não fracionariedade são mantidas. B) Uma possível abordagem para a solução de problemas de PLI é resolver seus problemas correspondentes “relaxados” sem arredondar as variáveis de decisão para o maior ou menor inteiro mais próximo. C) Dois métodos gerais foram desenvolvidos para gerar as restrições especiais na etapa 3: o método branch-and-bound (B&B) e o método de planos de corte. D) Os métodos branch-and-bound (B&B) e de planos de corte são consistentemente efetivos em termos computacionais. E) O algoritmo de corte, ao contrário do algoritmo B&B, não começa na solução contínua ótima da PL. 4) O método de solução de problemas de programação linear inteira (PLI) utilizando o branch-and-bound (B&B) é operacionalizado em cinco passos. Com relação a esses passos, marque a alternativa correta: A) O passo 1 é a escolha de uma variável de decisão fracionária em z* do PIR. B) O passo 2 é escolher um SP. C) O passo 3 é resolver o PLI relaxado. D) O passo 4 é repetir o passo 3 usando SP2 e a variável de decisão fracionária x1. E) O passo 5 é repetir o passo 3 usando SP5 e a variável de decisão fracionária x1. 5) Ainda sobre aspectos gerais que envolvem a programação linear inteira (PLI), marque a alternativa correta: A) Nos problemas de PLI, não há a necessidade de algumas ou todas as variáveis de decisão terem de se restringir a valores inteiros. B) Há poucas aplicações que envolvem decisões sim-ou-não. C) A programação linear inteira é uma das técnicas de pesquisa operacional (PO) menos utilizadas. Problemas de PLI são muito mais fáceis pelo fato de não haver restrição de inteiros; portanto, os algoritmos disponíveis para programação inteira são, em geral, D) consideravelmente mais eficientes que o método simplex. E) O progresso na capacidade de resolver alguns problemas de PLI se deve a uma combinação de três fatores: melhorias impressionantes nos algoritmos de PLI, melhorias notáveis nos algoritmos de programação linear usados internamente nos algoritmos de PLI e a grande aceleração no desenvolvimento dos computadores. NA PRÁTICA Veja a aplicação prática da programação linear inteira (PLI): Carlos é dono de uma pequena fábrica de pães e utiliza uma única máquina para processar três tarefas. O empresário possui clientes grandes, que cobram multa caso a entrega seja feito com atraso. Sendo assim, ele precisa calcular a sequência que resulte na multa mínima por atraso para o processamento das três tarefas. SAIBA MAIS Para ampliar o seu conhecimento a respeito desse assunto, veja abaixo as sugestões do professor: Programação linear - soluções inteiras Conteúdo interativo disponível na plataforma de ensino! Simulação e técnicas da computação evolucionária aplicadas a problemas de programação linear inteira mista. Conteúdo interativo disponível na plataforma de ensino! HILLIER, F. S.; LIEBERMAN, G. J. Introdução à pesquisa operacional. 9. ed. Porto Alegre: AMGH, 2012. 1028p
Compartilhar