Baixe o app para aproveitar ainda mais
Prévia do material em texto
> MODELAGEM MATEMÁTICA Aula 10: Otimização Apresentação Na última aula, nós estudamos os métodos mais tradicionais de resolução de EDO de 1ª ordem. Vimos o método de Euler e suas variantes, bem como o método de Runge-Kutta. Ao �nal da aula, nós aplicamos os métodos estudados por meio da implementação computacional de programas em Python. Agora, nós veremos outro problema clássico em Engenharia – a resolução de Problema de Programação Linear. Trata-se de uma ferramenta importante em um sem número de casos em Engenharia de Produção, de modo que o conhecimento de técnicas computacionais pode ser decisivo em situações-problema da Engenharia. Nesta aula de conclusão da disciplina, você fará um estudo dos fundamentos de Otimização e o emprego de métodos numéricos de apoio. Nosso estudo começará com problemas unidimensionais sem restrições. Em seguida, você estudará problemas de programação linear com restrições, com apoio da solução grá�ca. Por �m, você resolverá problemas relacionados ao tema, aplicando o software Solver do Microsoft Excel. Objetivos Identi�car os principais métodos de resolução de Problemas de Programação Linear (PPL) Aplicar o método de resolução de PPL, por meio da implementação computacional com suporte do pacote Solver do Microsoft Excel. Problema de programação linear Conforme descrito em Sucena (2019), o Problema de Programação Linear (PPL) é um método analítico empregado para resolver problemas em que se procura alocar recursos limitados a atividades ou a identi�cação da solução ótima para tomada de decisões diversas. No PPL, todas as funções de�nidas no modelo matemático que descreve o problema (função objetivo e restrições do problema) devem ser lineares. A forma padrão de representação matemática do PPL é descrita a seguir: Min ou Max Z = c .x + c .x + … + c .x sujeito às restrições: a .x + a .x + … + a .x = b a .x + a .x + … + a .x = b … a .x + a .x + … + a .x = b x >= 0, i = 1, 2, …, n 1 1 2 2 n n 11 1 12 2 1n n 1 21 1 22 2 2n n 2 m1 1 m2 2 mn n m i Na representação anterior, considere que: x : variáveis de decisão para j=1,2,...n; b : quantidade disponível de um determinado recurso para j=1,2,...m; n: quantidade de variáveis de decisão do modelo de PPL; m: quantidade de restrições do modelo de PL; Z: função-objetivo do modelo de PL a .x + a .x + … + a .x = b → j-ésima restrição (j = 1, …, m) A forma mais comum de resolução do PPL é a solução grá�ca, empregada para casos simples com duas variáveis de decisão. Veja como empregar a solução grá�ca a partir da resolução do exemplo a seguir, extraído de Sucena (2019). Vamos lá: j j j1 1 j2 2 jn n j Atenção! Aqui existe uma videoaula, acesso pelo conteúdo online Exemplo Determine a solução ótima do PPL Max Z = 3X + 4X Sujeito a: 2,5X + X ≤ 20 3X + 3X ≤ 30 X + 2X ≤ 16 X ≥ 0, X ≥ 0 Resolução: 1º passo - Represente as restrições no plano cartesiano x-y. Como as restrições deste problema de PL são dadas em forma de desigualdades, então a solução grá�ca do conjunto de restrições será um polígono convexo (não necessariamente fechado) que recebe o nome de Região de Soluções Viáveis (R.S.V.). A solução ótima do problema de programação linear será um dos vértices desse polígono. 2º passo - Encontre o ponto ótimo. Começa-se traçando a reta que anula a função-objetivo, ou seja, a reta que passa pela origem (X1 = 0, X2 = 0 e Z = 0) e que corresponde a Z = 0, representando a situação mais desfavorável; em seguida procura-se o vértice do polígono pelo qual passa a reta paralela à reta traçada anteriormente, ponto esse que deve ser o mais afastado possível (visto que o problema é de maximização). As equações de reta que representa Z = 0 e as paralelas que se destinam ao vértice mais afastado do polígono convexo são também conhecidas como “equações equipotenciais”. 3º passo - Aplicando os dois passos anteriores, veri�ca-se que o ponto B apresenta a solução ótima do PPL. As coordenadas cartesianas do ponto B são x1 = 4 e x2 = 6. Assim, conforme ilustrado na Figura 1, você pode concluir que a solução ótima, dado que x1 = 4 e x2 = 6, é Z = 3.4 + 4.6 = 36. 1 2 1 2 1 2 1 2 1 2 Figura 1 – Solução do PPL com emprego do método gráfico. (Fonte: SUCENA, 2018). O problema dual Atenção! Aqui existe uma videoaula, acesso pelo conteúdo online Outro aspecto relevante do PPL é a possibilidade de construção do dito problema dual. Mais do que um mero exercício matemático, o conceito de dualidade foi uma das mais importantes descobertas no início do desenvolvimento da Programação Linear, pois permite a análise de sensibilidade do resultado do sistema a variações nos valores dos coe�cientes das restrições. Assim, o modelo dual apresenta informações sobre questões econômicas relevantes em um PPL. Neste momento, é importante que você saiba que há um conjunto de relações simples que permitem transformar um problema original (dito primal) em dual. 1 https://estacio.webaula.com.br/cursos/go0323/aula10.html Implementação com o pacote Solver – Microsoft Excel Vamos ver agora um exemplo de resolução do PPL com suporte computacional? Para isto, nós utilizaremos o Solver, ferramenta de análise de dados disponível no Microsoft Excel. O manual de ajuda da ferramenta apresenta diversas orientações ao usuário, seja para habilitar a ferramenta, seja para modelar um problema de programação linear e, com isto, obter a solução, caso exista. Como ilustração, vamos resolver novamente o exemplo 1 desta aula, a saber: Max Z = 3X + 4X Sujeito a: 2,5X + X ≤ 20 3X + 3X ≤ 30 X + 2X ≤ 16 X ≥ 0, X ≥ 0 A Figura 2 mostra como �ca o modelo inicial deste problema de programação linear no Excel: 1 2 1 2 1 2 1 2 1 2 Figura 2 – Montagem inicial da planilha em Excel para resolução do problema de programação linear indicado no exemplo 1. Nesta �gura, é interessante perceber que: Os valores �nais de X1 e X2 estão indicados, respectivamente, em A1 e B1. Os valores indicados em A2 e B2 são os coe�cientes da função-objetivo. A célula C2, destacada em amarelo na �gura, representa o valor de Z. Inicialmente, o valor é 0, visto que A1 e B1 (ou seja, X1 e X2) não têm valores inseridos. Em seguida, vemos os coe�cientes das restrições, a saber: A3 e B3 representam os coe�cientes da 1ª restrição, enquanto C3 simboliza o produto com os valores presentes de X1 e X2 A4 e B4 representam os coe�cientes da 2ª restrição, enquanto C4 simboliza o produto com os valores presentes de X1 e X2 A5 e B5 representam os coe�cientes da 3ª restrição, enquanto C5 simboliza o produto com os valores presentes de X1 e X2 E3, E4 e E5 indicam os termos independentes das três restrições. Os símbolos indicados em D3, D4 e D5 aparecem como referência para ajudar o procedimento de inserção no Solver, ainda a ser executado. Repare que a coluna C apresenta os produtos dos coe�cientes pelos valores de X1 e X2. Esta soma de produtos pode ser representada por meio da função SOMARPRODUTO, da seguinte forma: C2 =SOMARPRODUTO(A1:B1;A2:B2) C3 = SOMARPRODUTO($A$1:$B$1;A3:B3) C4 = SOMARPRODUTO($A$1:$B$1;A4:B4) C5 = SOMARPRODUTO($A$1:$B$1;A5:B5) Agora que já modelamos o problema de programação linear, é tempo de inserir as informações no Solver. A Figura 3 mostra como �ca o problema ao �nal da inserção na ferramenta: Figura 3 – Inserção do PPL do exemplo 1 no Solver. Veja que: O objetivo é a célula C2; As variáveis do problema são as células A1 e B1; As restrições são C3 <= 20, C4 <= 30 e C5 <= 16. As variáveis vêm intercaladas com o sinal $ para simbolizar que se trata de valores a serem alterados ao longo da execução do problema. Adicionalmente, vemos que o método de solução escolhido foi o LP Simplex, de acordo com o que vimos na primeira seção desta aula. Assim, clicando-se em Resolver, vemos uma nova tela, apresentada na Figura 4 exposta a seguir: Figura 4 – Tela de resultados do Solver. Assim, basta clicar em Resposta, depois em OK, para se ter a solução do PPL.Na Figura 5, vemos que X1 = 4, X2 = 6 e Z = 36, exatamente como previsto, dado que já tínhamos calculado a solução com apoio do método grá�co no início desta aula. Figura 5 – Tela com a solução do PPL (X1 = 4, X2 = 6 e Z = 36). Atenção! Aqui existe uma videoaula, acesso pelo conteúdo online Atividade 1. Assinale a única alternativa que apresenta o valor de Z para o problema apresentado a seguir: Max Z = 3X + 4X Sujeito a: 2,5X1 + X ≤ 20 3X + 1X ≤ 30 X + 2X ≤ 16 X ≥ 0, X ≥ 0 1 2 1 2 1 2 1 2 1 2 a) 30 b) 32 c) 34 d) 36 e) 38 2. (Petrobras - 2010) Considere o seguinte problema de Programação Linear: Minimize Z = α. X + β. X Sujeito a: X ≤ 3 X ≤ 4 X + 2X ≥ 9 X ≥ 0 X ≥ 0 Para quais valores de α e β o problema apresenta soluções múltiplas? 1 2 1 1 1 2 1 2 a) α=2 e β=4 b) α=2 e β=1 c) α=1 e β=1 d) α=2 e β=3 e) α=3 e β=3 3. (Petrobras - 2012).Considere o seguinte problema de programação linear: Maximize: Z = x + 4x Sujeito a: 2x + 4x ≤20 −x + 2x2 ≤8 x + x ≤5 x ≥0,x ≥0 Veri�ca-se que o valor ótimo da função objetivo é 1 2 1 2 1 2 1 2 1 2 a)0 b) 9 c) 17 d) 18 e) 20 4. (Petrobras - 2011). Considere o seguinte problema de Programação Linear. Min Z = 2x1 − x2 Sujeito a: −x1 + x2 ≤ 3 2x1 − x2 ≤ 6 x1 ≥ 0, x2 ≥ 0 Qual é a solução ótima? a) x1 = 0 e x2 = 1 b) x1 = 0 e x2 = 3 c) x1 = 1 e x2 = 0 d) x1 = 1 e x2 = 4 e) x1 = 3 e x2 = 0 5. Assinale a única alternativa que apresenta o valor de Z para o problema apresentado a seguir: Max Z = 3X + 2X Sujeito a: X2,5X + X ≤ 20 3X + 1X ≤ 30 X + 2X ≤ 16 X ≥ 0,X ≥ 0 1 2 1 2 1 2 1 2 1 2 a) 30 b) 32 c) 34 d) 36 e) 28 Notas Conjunto de relações simples 1 As variáveis duais podem ser interpretadas como sendo os preços associados às restrições do problema primal; A função objetivo do primal deve ser maximizada, enquanto a do dual deve ser minimizada; As constantes dos segundos membros das restrições do primal são os coe�cientes da função objetivo do dual; Os coe�cientes da função objetivo do primal são as constantes dos segundos membros do dual; As restrições do primal são do tipo <=, enquanto que as do dual são do tipo >=; O número de variáveis do primal é igual ao número de restrições do dual; O número de variáveis do dual é igual ao número de restrições do primal; Os coe�cientes dos primeiros membros das restrições do primal formam uma matriz que é transposta da dos coe�cientes dos primeiros membros das restrições do dual; O dual do dual é o primal; A matriz dos coe�cientes do dual é a transposta da matriz dos coe�cientes do primal; e As variáveis de ambos os problemas são não-negativas. Referências SUCENA, M. P., Apostila de Pesquisa Operacional I – CCE 1012 – 2018/2. Próxima aula Explore mais Conheça mais sobre o assunto nos links: Hijazi, S. Using Solver in Excel (O�ce 365) to solve Linear Programming Problem; . PHPSimplex; Simplex Programação Linear. javascript:void(0); javascript:void(0); javascript:void(0);
Compartilhar