Pesquisa Operacional
|
|
- Maria Beppler Barata
- 8 Há anos
- Visualizações:
Transcrição
1 Faculdade de Engenharia - Campus de Guaratinguetá Pesquisa Operacional Livro: Introdução à Pesquisa Operacional Capítulo 2 - Programação Linear Fernando Marins fmarins@feg.unesp.br Departamento de Produção 1
2 Sumário Modelagem e limitações da Programação Linear. Resolução Gráfica. Forma padrão de um modelo de Programação Linear. Definições e Teoremas. Forma canônica de um sistema de equações lineares. Método Simplex. Exercícios 2
3 Programação Linear Programação Linear: Preocupação em encontrar a melhor solução para problemas associados com modelos lineares. Modelo de Programação Linear: Maximização (ou minimização) de uma função objetivo linear com relação as variáveis de decisão do modelo. Respeitando-se as limitações (restrições) do problema expressas por um sistema de equações e inequações associadas com as variáveis de decisão do modelo. 3
4 Modelagem em Programação Linear Razões para o uso da Programação Linear: 1. Grande variedade de situações podem ser aproximadas por modelos lineares. 2. Existência de técnicas (algoritmos) eficientes para a solução de modelos lineares. 3. Possibilidade de realização de análise de sensibilidade nos dados do modelo. 4. Estágio de desenvolvimento da tecnologia computacional. 4
5 Modelagem em Programação Linear Passos básicos na obtenção de modelos de PL: 1. Identificar as variáveis de decisão, representá-las em simbologia algébrica. 2. Identificar as restrições do problema, expressá-las como equações ou inequações lineares em termos das variáveis de decisão. 3. Identificar o objetivo de interesse no problema, representá-lo como função linear em termos das variáveis de decisão, que deverá ser maximizada ou minimizada. 5
6 Modelagem em Programação Linear Construção de modelos não é uma ciência, mas uma arte, podendo ser melhorada com a prática. Exemplos a serem trabalhados: Determinação do mix de produção Seleção de mídia para propaganda Um problema de treinamento Uma indústria química Uma oficina mecânica Dimensionamento de equipes de inspeção 6
7 Modelagem em Programação Linear Determinação do mix de produção Uma companhia deseja programar a produção de um utensílio de cozinha que requer o uso de dois tipos de recursos mão-de-obra e material. A companhia está considerando a fabricação de três modelos e o seu departamento de engenharia forneceu os dados a seguir: Mão-de-obra (horas por unidade) Material (kg por unidade) Lucro ($ por unidade) Modelo A B C O suprimento de material é de 200 kg por dia. A disponibilidade diária de mãode-obra é 150 horas. Formule um modelo de Programação Linear para determinar a produção diária de cada um dos modelos de modo a maximizar o lucro total da companhia. 7
8 Modelagem em Programação Linear Formulação do modelo 1. Identificação das variáveis de decisão: X A produção diária do modelo A X B produção diária do modelo B X C produção diária do modelo C 2. Identificação das restrições: (Limitação de mão-de-obra) 7X a + 3X b + 6X c 150 (Limitação de material) 4X a + 4X b +5X c 200 (Não-negatividade) X a 0, X b 0, X c Identificação do objetivo: maximização do lucro total Lucro Total = L = 4X a + 2X b +3X c Max L = 4X a + 2X b +3X c 8
9 Modelagem em Programação Linear Modelo Encontrar números X a, X b, X c tais que: Max L= 4X a + 2X b +3X c Sujeito as restrições: 7X a + 3X b +6X c 150 4X a + 4X b +5X c 200 X a 0, X b 0, X c 0 9
10 Modelagem em Programação Linear Seleção de mídia para propaganda Uma companhia de propaganda deseja planejar uma campanha em 03 diferentes meios: TV, rádio e revistas. Pretende-se alcançar o maior número de clientes possível. Um estudo de mercado resultou em: TV horário TV horário Rádio Revistas normal nobre Custo Clientes Atingidos Mulheres Atingidas bs: valores válidos para cada veiculação da propaganda. 10
11 Modelagem em Programação Linear A companhia não quer gastar mais de $ e, adicionalmente, deseja: (1) Que no mínimo 2 milhões de mulheres sejam atingidas; (2) Gastar no máximo $ com TV; (3) Que no mínimo 03 veiculações ocorram no horário normal TV; (4) Que no mínimo 02 veiculações ocorram no horário nobre TV; (5) Que o nº. de veiculações no rádio e revistas fiquem entre 05 e 10, para cada meio de divulgação. Formular um modelo de PL que trate este problema, determinando o nº. de veiculações a serem feitas em cada meio de comunicação, de modo a atingir o máximo possível de clientes. 11
12 Modelagem em Programação Linear Resolução do exemplo seleção de mídia para propaganda Variáveis de decisão: X 1 = nº. de exposições em horário normal na tv. X 2 = nº. de exposições em horário nobre na tv. X 3 = nº. de exposições feitas utilizando rádio X 4 = nº. de exposições feitas utilizando revistas. Função-objetivo: Maximizar nº. de clientes atingidos Max Z = X X X X 4 12
13 Modelagem em Programação Linear Restrições: Orçamento: X X X X Mulheres atingidas: X X X X Gasto com TV X X Nº. de veiculações em TV, rádio e revistas X 1 3, X 2 2, 5 X 3 10, 5 X 4 10 Não-negatividade X 1, X 2, X 3, X
14 Modelagem em Programação Linear Um problema de treinamento Uma empresa de máquinas ferramentas tem um programa de treinamento para operadores de máquinas. Alguns operadores já treinados podem trabalhar como instrutores neste programa ficando responsáveis por 10 trainees cada. A empresa pretende aproveitar apenas 07 trainees de cada turma de 10. Estes operadores treinados também são necessários na linha de fabricação, e sabe-se que serão necessários para os próximos meses: 100 operadores em janeiro, 150 em fevereiro, 200 em março, e 250 em abril. Atualmente há 130 operadores treinados disponíveis na empresa. 14
15 Modelagem em Programação Linear Os custos associados a cada situação são: Trainees...$ 400. Operador treinado trabalhando...$ 700. Operador treinado ocioso...$ 500. Encontrar um modelo de PL que forneça um programa de treinamento de custo mínimo e satisfaça os requisitos da empresa em termos de nº. de operadores treinados disponíveis a cada mês. Observação: acordo firmado com o sindicato proíbe demissões de operadores treinados no período. 15
16 Modelagem em Programação Linear Resolução do exemplo: Um problema de treinamento Observe que a cada mês um operador treinado está: operando máquina, trabalhando como instrutor, ou está ocioso. Além disto, o nº. de operadores treinados trabalhando nas máquinas é fixo e conhecido: 100 em janeiro, 150 em fevereiro, 200 em março e 250 em abril. Variáveis de decisão: X 1 = operadores trabalhando como instrutores em janeiro X 2 = operadores ociosos em janeiro X 3 = operadores trabalhando como instrutores em fevereiro X 4 = operadores ociosos em fevereiro X 5 = operadores trabalhando como instrutores em março X 6 = operadores ociosos em março 16
17 Modelagem em Programação Linear Função-objetivo: Custo total = custo trainees + custo instrutores + custo ociosos + custo operadores trabalhando em máquinas. Min C = 400(10X X X 5 ) + 700(X 1 + X 3 + X 5 ) (X 2 + X 4 + X 6 ) + 700( ) Min C = 4700X X X X X X
18 Modelagem em Programação Linear Restrições: X 1, X 2, X 3, X 4, X 5, X 6 0 (não-negatividade) Equação de balanço mensal: operadores treinados no início do mês = operadores nas máquinas + instrutores + operadores ociosos. Janeiro: 130 = X 1 + X 2 X 1 + X 2 = 30 Fevereiro: X 1 = X 3 + X 4 7X 1 - X 3 - X 4 = 20 Março: X 1 + 7X 3 = X 5 + X 6 7X 1 + 7X 3 - X 5 - X 6 = 70 Abril: 250 = X 1 + 7X 3 + 7X 5 7X 1 + 7X 3 + 7X 5 =
19 Modelagem em Programação Linear Uma indústria química Dois produtos, A e B, são feitos a partir de duas operações químicas. Cada unidade do produto A requer 02 horas da operação 1 e 03 horas da operação 2. Cada unidade do produto B requer 03 horas da operação 1 e 04 horas da operação 2. O tempo total disponível para a realização da operação 1 é de 16 horas, e o tempo total para a operação 2 é de 24 horas. A produção do produto B resulta, também, num subproduto C sem custos adicionais. Sabe-se que parte do produto C pode ser vendido com lucro, mas o restante deve ser destruído. Previsões mostram que no máximo 05 unidades do produto C serão vendidas, e sabe-se que cada unidade do produto B fabricada gera 02 unidades do produto C. 19
20 Modelagem em Programação Linear Sabe-se que: Produto A gera um lucro de $ 4 por unidade. Produto B gera um lucro de $ 10 por unidade. Produto C gera um lucro de $ 3 por unidade se for vendido. Produto C gera um custo de $ 2 por unidade se for destruído Determinar um modelo de PL para tratar este problema, e encontrar quanto produzir de cada produto, de modo a maximizar o lucro da indústria química. 20
21 Modelagem em Programação Linear Resolução do exemplo: Uma indústria química - produto A Observe que o lucro da venda do produto A é uma função linear, mas com respeito ao produto C isto não ocorre. Lucro Produto B Produto A Lucro Produto C Quantidade 5 Quantidade 21
22 Modelagem em Programação Linear Artifício: considerar as variáveis de decisão como sendo X 1 = quantidade produto A produzida X 2 = quantidade produto B produzida X 3 = quantidade produto C vendida X 4 = quantidade produto C destruída Função-objetivo: Max Z = 4 X X X 3 2 X 4 Restrições: 2 X X 2 16 (disponibilidade de tempo para operação 1) 3 X X 2 24 (disponibilidade de tempo para operação 2) X 3 + X 4 = 2 X 2 (produção do produto C a partir do produto B) X 3 5 (previsão de produto C que pode ser vendido) X 1, X 2, X 3, X 4 0 (não-negatividade) 22
23 Modelagem em Programação Linear Oficina mecânica Uma oficina mecânica tem 01 furadeira vertical e 05 fresas, que são usadas para a produção de conjuntos formados de 2 partes. Sabe-se qual é a produtividade de cada máquina na fabricação destas partes do conjunto: Furadeira Fresa Parte Parte Obs: tempo para produzir as partes dado em minutos. 23
24 Modelagem em Programação Linear O encarregado pela oficina deseja manter uma carga balanceada nas máquinas de modo que nenhuma delas seja usada mais que 30 minutos por dia que qualquer outra, sendo o carregamento de fresamento dividido igualmente entre as 05 fresas. Achar um modelo de PL para dividir o tempo de trabalho entre as máquinas de modo a obter o máximo de conjuntos completos ao final de um dia, num total de 08 horas de trabalho. 24
25 Modelagem em Programação Linear Resolução do exemplo: Oficina mecânica Variáveis de decisão: X 1 = número de partes 1 produzidas por dia X 2 = número de partes 2 produzidas por dia Restrições: 3X 1 + 5X (minutos por dia disponíveis para a furadeira) (20X X 2 )/5 = 4X 1 + 3X (minutos por dia disponíveis para cada fresa) 25
26 Modelagem em Programação Linear (4X 1 + 3X 2 ) - (3X 1 + 5X 2 ) = X 1-2X 2 30 (Balanceamento de carga entre as máquinas) Observe que esta última restrição não é linear, mas é equivalente a duas equações lineares que podem substituí-la: X 1-2X 2 30 e -X 1 + 2X 2 30 X 1, X 2 0 (não-negatividade). 26
27 Modelagem em Programação Linear Função-objetivo: maximização do número de conjuntos completos por dia Max Z = min (X 1, X 2 ) Observe que esta função não é linear, mas pode ser linearizada utilizando-se uma nova variável, da forma: Seja Y = min (X 1, X 2 ), Y 0, naturalmente tem-se duas novas restrições Dadas por: Y X 1 e Y X 2. A função-objetivo linear fica sendo: Max Z = Y 27
28 Modelagem em Programação Linear Problema de dimensionamento de equipes de inspeção Uma companhia deseja determinar quantos inspetores alocar à uma dada tarefa do controle da qualidade. As informações disponíveis são: Há 08 inspetores do nível 1 que podem checar as peças a uma taxa de 25 peças por hora, com uma acuracidade de 98%, sendo o custo de cada inspetor deste nível $4 por hora; Há 10 inspetores do nível 2 que podem checar as peças a uma taxa de 15 peças por hora, com uma acuracidade de 95%, sendo o custo de cada inspetor deste nível $3 por hora. 28
29 Modelagem em Programação Linear A companhia deseja que no mínimo 1800 peças sejam inspecionadas por dia (= 08 horas). Sabe-se, ainda, que cada erro cometido por inspetores no controle da qualidade das peças acarreta um prejuízo à companhia de $2 por peça mal inspecionada. Formular um modelo de PL para possibilitar a designação ótima do nº. de inspetores de cada nível de modo a otimizar o custo da inspeção diária da companhia. 29
30 Modelagem em Programação Linear Resolução do exemplo: Dimensionamento de equipes de inspeção Variáveis de decisão: X i = nº. de inspetores do nível i (= 1, 2) alocados à inspeção. Função objetivo: Minimizar C = custo total diário de inspeção ($/dia) onde : custo total = custo do salário dos inspetores + custo dos erros Min C = 8 *[(4X 1 + 3X 2 ) + 2 * (25*0,02X *0,05X 2 )] Min C = 40X X 2 30
31 Modelagem em Programação Linear Restrições: 1. Quanto ao nº. de inspetores disponíveis: X 1 8 (inspetores do nível 1) X 2 10 (inspetores do nível 2) 2. Quanto ao nº. de peças inspecionadas por dia: 8 * (25X X 2 ) X 1 + 3X Restrições implícitas de não negatividade: X 1 0 X
32 Resolução gráfica de modelos de PL Aplicável para modelos com 02 variáveis de decisão Útil para a ilustração de alguns conceitos básicos utilizados na resolução de modelos de maior porte. Etapas a serem seguidas na resolução gráfica 1º Passo: identificar a região viável do modelo, isto é, quais são os pares (X 1, X 2 ) que satisfazem a todas as restrições. 2º Passo: achar a melhor solução viável, denominada Solução Ótima e denotada por (X 1 *, X 2 *), que leva ao valor ótimo da função-objetivo Z*. 32
33 Resolução gráfica de modelos de PL Problema de mix de Produção Fabricação de dois modelos de brinquedos: B 1 e B 2. Lucros unitários/dúzia: $8 para B 1 e $5 para B 2 Recursos disponíveis: 1000 kg de plástico especial. 40 horas para produção semanal. Requisitos do Departamento de Marketing: Produção total não pode exceder 700 dúzias; A quantidade de dúzias de B 1 não pode exceder em 350 a quantidade de dúzias de B 2. Dados técnicos: B 1 requer 2 kg de plástico e 3 minutos por dúzia. B 2 requer 1 kg de plástico e 4 minutos por dúzia. 33
34 Resolução gráfica de modelos de PL A Gerência está procurando um programa de produção que aumente o lucro da Companhia. 34
35 Resolução gráfica de modelos de PL Variáveis de decisão: X 1 : produção semanal de B 1 (em dúzias). X 2 : produção semanal de B 2 (em dúzias). Função Objetivo: Maximizar o Lucro semanal 35
36 Resolução gráfica de modelos de PL Max 8X 1 + 5X 2 (Lucro semanal) sujeito a: 2X 1 + 1X (Plástico - Kg) 3X 1 + 4X (Tempo de produção - minutos) X 1 + X (Produção total) X 1 - X (mix) X j 0, j = 1,2 (Não negatividade) 36
37 Resolução gráfica de modelos de PL Conceitos importantes: Os pontos (X 1, X 2 ) que satisfazem todas as restrições do modelo formam a Região Viável. Esses pontos são chamados de Soluções Viáveis. Usando a resolução gráfica pode-se representar todos as restrições (semi-planos), a função objetivo (reta) e os três tipos de pontos viáveis. 37
38 Resolução gráfica de modelos de PL 1º Passo: Traçar eixos cartesianos, associando a cada um deles uma variável de decisão. No exemplo de fabricação de brinquedos: X 1 para o eixo das abscissas e X 2 para o eixo das ordenadas. As restrições de não-negatividade, X 1 0 e X 2 0, implicam que os pares (X 1, X 2 ) viáveis estão no 1º quadrante dos eixos considerados. 38
39 Resolução gráfica de modelos de PL Representando as condições de não negatividade X 2 X 1 39
40 Resolução gráfica de modelos de PL Observar que no exemplo dos brinquedos, as restrições correspondem a semi-planos associados, respectivamente, às retas suportes dadas por: 2X 1 + 1X 2 = X 1 + 4X 2 = 2400 X 1 + X 2 = 700 X 1 - X 2 = 350 X j 0, j = 1,2 Notar que cada reta suporte define dois semi-planos no espaço (X 1, X 2 ). Para identificar qual destes semi-planos é de interesse no caso, ou seja, contém os pontos que satisfazem a desigualdade da restrição, basta testar algum ponto à esquerda ou à direita (acima ou abaixo) da reta suporte da desigualdade. Um ponto que torna isto fácil é a origem (0, 0), mas poderia ser qualquer outro. 40
41 Resolução gráfica de modelos de PL X Restrição do plástico 2X 1 +X Restrição da produção total X 1 +X (redundante) Inviável Tempo de produção 3X 1 +4X Viável X 1 41
42 Resolução gráfica de modelos de PL X Tempo de Produção 3X 1 +4X Viável Restrição do plástico 2X 1 +X Restrição da produção total: X 1 +X (redundante) Inviável Restrição do mix da produção: X 1 -X X 1 42
43 Resolução gráfica de modelos de PL X Inviável Viável Pontos interiores. Pontos na fronteira. Pontos extremos. Há três tipos de pontos viáveis. X 1 43
44 Resolução gráfica de modelos de PL 2º Passo: Observar que a função-objetivo, ao se fixar um valor para Z, representa uma reta. Alterações neste valor de Z gera uma família de retas paralelas. No exemplo dos brinquedos: considere a reta obtida fazendo Z= 2000, isto é, a reta dada por 8X 1 + 5X 2 = Percebe-se que ao se traçar retas paralelas no sentido de ficar mais afastado da origem (0, 0), o valor de Z aumenta. De fato pode-se verificar que a reta paralela, que contém algum ponto da região viável, no caso o ponto ótimo X* = (320, 360), e está mais afastada da origem, corresponde a um valor ótimo da função objetivo Z* =
45 Resolução gráfica de modelos de PL A busca por uma Solução Ótima: X 2 Começar com algum valor de lucro arbitrário, Por exemplo $ Depois aumentar o lucro, se possível......e continuar até que seja inviável X* = (320, 360) com Z* = X 1 45
46 Resolução gráfica de modelos de PL Pontos extremos e Soluções Ótimas Se o problema de Programação Linear tem uma Solução Ótima, um ponto extremo é Solução Ótima. 46
47 Resolução gráfica de modelos de PL Soluções Ótimas Múltiplas Quando a função objetivo é paralela a alguma restrição. Todos os pontos do segmento de reta serão Soluções Ótimas. X* 1 X* = X* 1 + (1 - )X* 2, com 0 1 X* 2 47
48 Resolução gráfica de modelos de PL Visualização de situações possíveis X 2 X 2 Z Z* Z Solução única X 1 Solução ilimitada X 1 48
49 X 2 X 2 Resolução gráfica de modelos de PL Z * X* Z X* Múltiplas Soluções Ótimas 1 Segmento de Reta Ótimo X 1 Z* Múltiplas Soluções Ótimas 2 Semi-reta Ótima X 1 49
50 Resolução gráfica de modelos de PL X 2 O conjunto viável é vazio. Há restrições incompatíveis. Problema inviável X 1 50
51 Forma padrão de modelo de PL Um modelo de PL com m restrições e n variáveis está na forma padrão se possuir as características abaixo: 1. A função-objetivo é de minimização ou maximização; 2. Todas as restrições estão na forma de igualdade; 3. Todas as variáveis são não-negativas; 4. As constantes de cada restrição são não-negativas. 51
52 Forma padrão de modelo de PL Modelo na forma padrão: Minimizar (ou maximizar) Z = C 1 X 1 + C 2 X C n X n Sujeito a: A11 X1 + A12 X A1n Xn = b1 A21 X1 + A22 X A2n Xn = b Am1 X1 + Am2 X Amn Xn = b X1 0, X2 0,..., Xn 0 b1 0, b2 0,..., bm 0. m 52
53 Forma padrão de modelo de PL Notação matricial para um modelo na forma padrão: Minimizar (ou maximizar) Z = C X Sujeito a: AX X b Onde: A (m x n) matriz de coeficientes tecnológicos 0 0. b X (n x 1) vetor das variáveis de decisão b (m x 1) vetor de demandas C (1 x n) vetor de custos (lucros) 53
54 Forma padrão de modelo de PL Redução de um modelo geral para a forma padrão O Método Simplex exige que o modelo esteja na forma padrão. Tratando com restrições na forma de inequações: Estas restrições são transformadas em equações através da introdução de novas variáveis (não-negativas), chamadas de variáveis de folga. 54
55 Forma padrão de modelo de PL Exemplo: Considere o problema de dimensionamento de equipes de inspeção: X 1 8 X 1 + X 3 = 8, X 3 0 é uma variável de folga. X 2 10 X 2 + X 4 = 10, X 4 0 é uma variável de folga. 5 X X X X 2 X 5 = 45, X 5 0 é uma variável de folga. 55
56 Forma padrão de modelo de PL Interpretação das variáveis de folga no exemplo: X 3 = número de inspetores do nível 1 não utilizados. X 4 = número de inspetores do nível 2 não utilizados. X 5 = número (extra) de peças inspecionadas por dia, acima da quantidade mínima (1800) especificada pela empresa Variáveis de folga fornecem informações úteis sobre o problema. 56
57 Forma padrão de modelo de PL Tratando com variáveis livres (irrestritas em sinal): Em algumas situações exige-se o uso de variáveis que podem assumir tanto valores positivos, nulos, e negativos. Estas variáveis são chamadas de livres (free) ou irrestritas em sinal. Exemplo: Modelo de Planejamento Macroeconômico Uma das Variáveis de Decisão é a Taxa de Inflação que pode assumir qualquer valor positivo, nulo ou negativo (neste caso é conhecida como Deflação). 57
58 Tratando com variáveis livres (irrestritas em sinal): Estas variáveis devem ser eliminadas do modelo na forma padrão. Há, pelo menos, duas maneiras de se fazer isto: 1. Por substituição utilizando uma das restrições do modelo, já na forma padrão (igualdade), procura-se expressar a variável livre como função das demais variáveis (não negativas) do modelo. A seguir eliminar a variável livre do modelo substituindo-a pela função escolhida na etapa anterior. A equação utilizada para expressar a variável livre como função das demais variáveis também será eliminada do modelo. 2. Por transformação Suponha que a variável livre é S. Basta substituir em todas as restrições, e na função objetivo, a variável S por S = S S, com S 0 e S 0 sendo duas novas variáveis (auxiliares) no modelo. 58
59 Forma padrão de modelo de PL Tratando com variáveis não-positivas: Suponha que num determinado modelo há uma variável X 1 0. Basta substituí-la no modelo por uma nova variável não-negativa X 1 0, dada por X 1 = X 1. 59
60 Forma padrão de modelo de PL Exemplo Completo Obtenha a forma padrão do modelo abaixo: Maximizar Z = X 1 2X 2 + 3X 3 Sujeito a: X1 + X2 + X3 X1 X2 + X3 3X1 X2 2X3 X1 0, X2 0, 7 2 = 5 X 3 livre
61 Forma padrão de modelo de PL 1. Introduzir variáveis de folga nas restrições (1) e (2): X 1 + X 2 + X 3 + X 4 = 7 (1 ) com X 4 0. X 1 X 2 + X 3 X 5 = 2 (2 ) com X Multiplicar a restrição (3) por ( 1) para eliminar b 3 = 5 < 0: 3X 1 + X 2 + 2X 3 = 5 (3 ) 3. Substituir X 2 0 por X 2 0 através de X 2 = X 2 : Max Z = X X X 3 X Sujeito a: X 3X X 2' + X 2' + 2X X 2' + X X X 4 X 5 = 7 = 2 = 5 1'' 2'' 3'' 61
62 Forma padrão de modelo de PL 4. Eliminar X 3 : 4.1. Substituição ou 4.2. Transformação Max Z = -2X 1 + 5X 2-3X ou Max Z = X 1 + 2X 2 + 3X 3-3X 3 2X 2' X4 + X5 = 5 s. a: s. a: 5X1 X 2' + 2X4 = 9 X 1, X 2', X 4, X5 0 X1 X 2'+ X 3' X 3'' X4 X1 + X 2'+ X 3' X 3'' 3X1 X 2'+2X 3' 2X 3'' X 1, X 2', X 3', X 3'', X 4, X5 0 X 5 = 7 = 2 = 5 Usando De (1 ): X 3 = 7 X 1 + X 2 X 4 ou X 3 = X 3 X 3 62
63 Definições e Teoremas em PL Ponto central na resolução de modelos de PL é a solução de sistemas de equações lineares. Apresenta-se a seguir o Método de Eliminação de Gauss Jordan. Considere o sistema de equações abaixo: (S 1 ) X X 1 1 2X X 2 2 X X 3 3 4X 3X 4 4 2X X (nº variáveis >> nº equações) 63
64 Definições e Teoremas em PL Conjunto solução de (S 1 ) é a coleção de todos os valores de (X 1, X 2, X 3, X 4, X 5 ) que satisfazem as equações (1) e (2) conjuntamente. Dois sistemas são equivalentes se possuem o mesmo conjunto solução. Sistemas equivalentes podem ser obtidos por meio de operações elementares sobre as linhas do sistema: 1. Multiplicar (dividir) qualquer equação por um nº. 2. Adicionar à qualquer equação uma Combinação Linear das demais equações. 64
65 Forma Canônica Um sistema (S 2 ) equivalente a (S 1 ) pode ser obtido multiplicando-se a equação (1) por 1 e adicionando-se o resultado à equação (2): (S 2 ) Um sistema (S 3 ) equivalente a (S 1 ) pode ser obtido multiplicando-se equação (4) por 2 e adicionando-se o resultado à equação (3): (S 3 ) X 1 X 1 2X X X X 3 2X 3X 2X 3 4X X X X 2X 4 3X 4 (S 3 ) é denominado uma forma canônica do sistema original (S 1 ) X 3X = 6 = 2 (3) (4) (5) (6) 65
66 Forma Canônica Considere uma forma canônica de um sistema de equações lineares: (como (S 3 ) anteriormente obtido) Uma variável é dita ser variável básica para uma dada equação do sistema se ela possuir coeficiente 1 nesta equação e coeficientes nulos nas demais equações do sistema. Exemplo: em (S 3 ) X 1 e X 2 são variáveis básicas Variáveis que não satisfazem a condição acima são chamadas de variáveis não-básicas. Exemplo: em (S 3 ) X 3, X 4, X 5 são variáveis não-básicas. 66
67 Solução Básica A solução de um sistema na forma canônica, obtida fazendo-se as variáveis não-básicas iguais a zero, é chamada de uma solução básica (SB). Nº máximo de soluções básicas = Nº de soluções básicas = 5 = 10 2 N M Exemplo: Em (S 3 ) fazendo-se X 3 = X 4 = X 5 = 0 X 1 = 6 e X 2 = 2 formam uma solução básica. Uma Solução Básica Viável (SBV) de um sistema é uma solução básica onde todas as variáveis assumem valores não-negativos. Exemplo: a solução básica do exemplo anterior é uma SBV. 67
68 Pivoteamento Operações de Pivoteamento são as operações elementares aplicadas à um sistema para transformar uma dada variável em variável básica. São usadas pelo método de eliminação de Gauss Jordan. Deve-se identificar o elemento Pivô que deve ser transformado em 1 e os demais elementos da sua coluna que devem ser transformados em 0. Para obter uma forma canônica de um sistema basta aplicar uma sequência de operações de pivoteamento (método de Gauss Jordan) de modo se conseguir uma variável básica associada com cada equação. 68
69 Método de Eliminação de Gauss Jordan Artifício para a realização de operações de pivoteamento: Considere o sistema (S) abaixo: (S) 2X1 2X X1 + 4X X X 3 3 = 4 = 2 (1) (2) Achar (S ) uma forma canônica de (S) de modo que X 1 seja a variável básica associada com a equação (1), e X 3 seja a variável básica associada com a equação (2). 69
70 Método de Eliminação de Gauss Jordan VB X 1 X 2 X 3 b Operações Elementares Feitas X (1) - Pivô em azul X (2) X (1 ) = (1)/2 - Equação do Pivô X (2 ) = (2) + (1 ) Pivô em Azul X /2 0-4 (1 ) = (1 ) - 3*(2 ) X 3 0 3/2 1 2 (2 ) = (2 )/2 Equação do Pivô (S ) X1 11/ 2 X2 = 4 3/2X2 + X3 = 2 Solução básica (não é viável): X1 = 4 (Variável básica) X 3 = 2 (Variável básica) X2 = 0 (Variável não básica) 70
71 Teoremas em PL Teorema 1 Dado um modelo já na forma padrão, as soluções básicas viáveis do sistema de equações, correspondente às restrições do modelo, estão associadas a pontos extremos do conjunto de soluções viáveis do modelo original. Teorema 2 Se um modelo de Programação Linear possui Solução Ótima então pelo menos um ponto extremo, do conjunto de soluções viáveis do modelo original, corresponde a uma Solução Ótima. 71
72 Comentários Gerais Procedimento simplista para resolver um modelo de PL Gerar todas as possíveis soluções básicas viáveis. Determinar qual das soluções básicas viáveis corresponde ao melhor valor da função-objetivo. Problemas: 1. Nº de soluções básicas viáveis pode ser excessivo. 2. Modelo pode apresentar solução ilimitada ou ainda ser inviável. Observe que problemas de médio porte, que aparecem na prática, costumam envolver centenas de variáveis (valor de n) e milhares de restrições (valor de m). 72
73 Comentários Gerais Linhas de Pesquisa Algoritmos de pontos interiores e suas derivações. Implementações de algoritmos para processamento em paralelo. Linguagens de modelagem: ajudar no desenvolvimento e aplicação de modelos de Pesquisa Operacional. Exemplos: AMPL - Modeling Language for Mathematical Programming - R. Fourer, D. M. Gay, and B. W. Kerningham, GAMS - General Algebraic Modeling System - J. Bisschop and A. Meeraus, What s best - The ABC of Optimization - S. L. Savage,
74 Método Simplex Procedimento iterativo que resolve qualquer modelo de PL num número finito de iterações. Indica a ocorrência de múltiplas Soluções Ótimas, solução ilimitada, e problema inviável. Etapas de aplicação do Método Simplex Considere um modelo de PL que esteja na forma padrão, e uma Solução Básica Viável inicial. O Método Simplex consiste basicamente da aplicação sucessiva de duas etapas: Etapa A: Identificação de uma Solução Ótima. Etapa B: Melhoria de uma Solução Básica Viável. 74
75 Método Simplex Etapa A: Identificação de uma Solução Ótima. Verificar se a Solução Básica Viável atual satisfaz o critério de otimalidade do algoritmo: Se o critério for satisfeito termina a aplicação do método; Caso contrário deve-se aplicar a etapa B. Etapa B: Melhoria de uma Solução Básica Viável. Procurar obter uma Solução Básica Viável melhor que a atual: Determinação da variável não-básica que deve entrar; Determinação da variável básica que será substituída; Obtenção da nova Solução Básica Viável - através de operações de pivoteamento. 75
76 Método Simplex - Minimização Desenvolvimento do Método Simplex Seja um modelo de PL (minimização) colocado na forma padrão: Min Z = C 1 X 1 + C 2 X C n X n s. a: A11 X1 + A12 X A1n X n = b1 A21 X 1 + A22 X A2n X n = b Am1 X 1 + Am2 X Amn X n = b X 1 0, X 2 0,..., X n 0 b1 0, b2 0,..., bm 0 m 76
77 Considere o sistema (S) abaixo: s. a: Método Simplex - Minimização A11 X1 + A12 X A21 X1 + A22 X Am1 X1 + Am2 X Z + C1 X1 + C2 X (m +1) Obter, aplicando o método de eliminação de Gauss-Jordan, o sistema equivalente (S ) = uma forma canônica de (S) onde: + A + A 1n A + C 2n mn n X X X n n X n = b = b n = b = m (1) (2) (m) X 1 seja a variável básica referente a equação (1), X 2 seja a variável básica referente a equação (2),... X m seja a variável básica referente a equação (m), Z seja a variável básica referente a equação (m+1). 77
1. Método Simplex. Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção. Pesquisa Operacional II Profa. Dra. Lílian Kátia de Oliveira
Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção. Método Simple.. Solução eata para os modelos de Programação Linear O modelo de Programação Linear (PL) reduz um sistema real a um conjunto
Leia maisa 1 x 1 +... + a n x n = b,
Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Linear (PL) Aula 5: O Método Simplex. 2 Algoritmo. O que é um algoritmo? Qualquer procedimento iterativo e finito de solução é um algoritmo. Um algoritmo é um processo que se repete (itera)
Leia maisPesquisa Operacional. Introdução à Pesquisa Operacional Programação Linear
Pesquisa Operacional Introdução à Pesquisa Operacional Programação Linear 1 Sumário Modelagem e limitações da Programação Linear. Resolução Gráfica. Forma padrão de um modelo de Programação Linear. Definições
Leia maisPesquisa Operacional Programação em Redes
Pesquisa Operacional Programação em Redes Profa. Alessandra Martins Coelho outubro/2013 Modelagem em redes: Facilitar a visualização e a compreensão das características do sistema Problema de programação
Leia maisInvestigação Operacional- 2009/10 - Programas Lineares 3 PROGRAMAS LINEARES
Investigação Operacional- 2009/10 - Programas Lineares 3 PROGRAMAS LINEARES Formulação A programação linear lida com problemas nos quais uma função objectivo linear deve ser optimizada (maximizada ou minimizada)
Leia maisPesquisa Operacional
Faculdade de Engenharia - Campus de Guaratinguetá Pesquisa Operacional Fabrício Maciel fabricio@feg.unesp.br Departamento de Produção 1 Programação linear Sumário Modelagem e limitações da Programação
Leia maisPesquisa Operacional
Pesquisa Operacional Prof. José Luiz Resolver um problema de Programação Linear significa basicamente resolver sistemas de equações lineares; Esse procedimento, apesar de correto, é bastante trabalhoso,
Leia maisPesquisa Operacional. Função Linear - Introdução. Função do 1 Grau. Função Linear - Exemplos Representação no Plano Cartesiano. Prof.
Pesquisa Operacional Prof. José Luiz Prof. José Luiz Função Linear - Introdução O conceito de função é encontrado em diversos setores da economia, por exemplo, nos valores pagos em um determinado período
Leia maisPROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO
PROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO Luciano Pereira Magalhães - 8º - noite lpmag@hotmail.com Orientador: Prof Gustavo Campos Menezes Banca Examinadora: Prof Reinaldo Sá Fortes, Prof Eduardo
Leia maisVariantes sobre o método Simplex: Método do grande M
Variantes sobre o método Simplex: Método do grande M Revisões Simplex básico Solução óptima multipla Em simplex: valores 0 na função custo Solução degenerada Em simplex: empates na variável a sair, variáveis
Leia maisO ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2
3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata
Leia mais[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo
4. SISTEMAS LINEARES 4.1. CONCEITO Um sistema de equações lineares é um conjunto de equações do tipo a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 11 x 1 + a 12 x 2 +... + a 1n x n = b 2... a n1 x 1 + a
Leia maisMétodo Simplex - Variantes V 1.1, V.Lobo, EN / ISEGI, 2008
Revisões Variantes sobre o método Simplex: Método do grande M Simplex básico Solução óptima multipla Em simplex: valores 0 na função custo Solução degenerada Em simplex: empates na variável a sair, variáveis
Leia maisNotas de aula número 1: Otimização *
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL UFRGS DEPARTAMENTO DE ECONOMIA CURSO DE CIÊNCIAS ECONÔMICAS DISCIPLINA: TEORIA MICROECONÔMICA II Primeiro Semestre/2001 Professor: Sabino da Silva Porto Júnior
Leia maisProjetos. Universidade Federal do Espírito Santo - UFES. Mestrado em Informática 2004/1. O Projeto. 1. Introdução. 2.
Pg. 1 Universidade Federal do Espírito Santo - UFES Mestrado em Informática 2004/1 Projetos O Projeto O projeto tem um peso maior na sua nota final pois exigirá de você a utilização de diversas informações
Leia maisUtilização do SOLVER do EXCEL
Utilização do SOLVER do EXCEL 1 Utilização do SOLVER do EXCEL José Fernando Oliveira DEEC FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO MAIO 1998 Para ilustrar a utilização do Solver na resolução de
Leia maisão: modelagem e técnicas
Curso de Especialização em Gestão Empresarial (MBA Executivo Turma 15) Disciplina: Pesquisa Operacional Prof. Dr. Álvaro José Periotto 3. Otimização ão: modelagem e técnicas de resolução Passando da daetapa
Leia maisExemResumo parcial da última. 15.053 Quinta-feira, 28 de fevereiro. Os preços-sombra podem ser encontrados ao se examinar os quadros inicial e final!
15.053 Quinta-feira, 28 de fevereiro Análise de Sensibilidade 2 Mais sobre pricing out Efeitos sobre os quadros finais Apostilas: Notas de Aula ExemResumo parcial da última O preço-sombra é a alteração
Leia maisx0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas?
Recorrências Muitas vezes não é possível resolver problemas de contagem diretamente combinando os princípios aditivo e multiplicativo. Para resolver esses problemas recorremos a outros recursos: as recursões
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Matrizes; Matrizes Especiais; Operações com Matrizes; Operações Elementares
Leia maisAPLICAÇÕES DA DERIVADA
Notas de Aula: Aplicações das Derivadas APLICAÇÕES DA DERIVADA Vimos, na seção anterior, que a derivada de uma função pode ser interpretada como o coeficiente angular da reta tangente ao seu gráfico. Nesta,
Leia maisCapítulo 1. x > y ou x < y ou x = y
Capítulo Funções, Plano Cartesiano e Gráfico de Função Ao iniciar o estudo de qualquer tipo de matemática não podemos provar tudo. Cada vez que introduzimos um novo conceito precisamos defini-lo em termos
Leia maisMatemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.
Matemática Essencial Equações do Segundo grau Conteúdo Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.br/matessencial/ 1 Introdução
Leia maisficha 3 espaços lineares
Exercícios de Álgebra Linear ficha 3 espaços lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12 3 Notação Sendo
Leia maisGABARITO OTM 09 [ ] [ ] ( ) [ ] O que mostra que e, logo o sistema não possui solução. [ ]
GABARITO OTM 09 Questão 1 a) Observe que o, deste modo o sistema não possui única solução ou não possui solução. Como [ ] [ ] [ ] [ ] O que mostra que e, logo o sistema não possui solução. b) Sim. Basta
Leia maisPESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR. Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 *
PESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR 1 Graduando Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 * 2 Pesquisador - Orientador 3 Curso de Matemática, Unidade Universitária
Leia maisO Método Simplex para
O Método Simplex para Programação Linear Formas de Programas Lineares O problema de Programação Matemática consiste na determinação do valor de n variáveis x 1, x 2,, x n que tornam mínimo ou máximo o
Leia maisPESQUISA OPERACIONAL
Universidade Castelo Branco PESQUISA OPERACIONAL Prof. Cláudio H. S. Grecco RIO DE JANEIRO, RJ - BRASIL ii ÍNDICE. INTRODUÇÃO À PESQUISA OPERACIONAL. O Desenvolvimento da Pesquisa Operacional. Modelagem.3
Leia maisCAP. I ERROS EM CÁLCULO NUMÉRICO
CAP. I ERROS EM CÁLCULO NUMÉRICO 0. Introdução Por método numérico entende-se um método para calcular a solução de um problema realizando apenas uma sequência finita de operações aritméticas. A obtenção
Leia maisINTRODUÇÃO AO ASSUNTO PESQUISA OPERACIONAL. O que é Pesquisa Operacional?
INTRODUÇÃO AO ASSUNTO PESQUISA OPERACIONAL O que é Pesquisa Operacional? Denomina-se Management Sciences (Ciência de Negócios) a área de estudos que utiliza computadores, estatística e matemática para
Leia maisO Problema do Troco Principio da Casa dos Pombos. > Princípios de Contagem e Enumeração Computacional 0/48
Conteúdo 1 Princípios de Contagem e Enumeração Computacional Permutações com Repetições Combinações com Repetições O Problema do Troco Principio da Casa dos Pombos > Princípios de Contagem e Enumeração
Leia maisMétodo de Eliminação de Gauss. Eduardo Camponogara
Sistemas de Equações Lineares Método de Eliminação de Gauss Eduardo Camponogara Departamento de Automação e Sistemas Universidade Federal de Santa Catarina DAS-5103: Cálculo Numérico para Controle e Automação
Leia maisPLANEJAMENTO OPERACIONAL - MARKETING E PRODUÇÃO MÓDULO 3 O QUE É PLANEJAMENTO DE VENDAS E OPERAÇÕES?
PLANEJAMENTO OPERACIONAL - MARKETING E PRODUÇÃO MÓDULO 3 O QUE É PLANEJAMENTO DE VENDAS E OPERAÇÕES? Índice 1. O que é planejamento de...3 1.1. Resultados do planejamento de vendas e operações (PVO)...
Leia maisPor que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,...
Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... 0) O que veremos na aula de hoje? Um fato interessante Produtos notáveis Equação do 2º grau Como fazer a questão 5 da 3ª
Leia maisA função do primeiro grau
Módulo 1 Unidade 9 A função do primeiro grau Para início de conversa... Já abordamos anteriormente o conceito de função. Mas, a fim de facilitar e aprofundar o seu entendimento, vamos estudar algumas funções
Leia maisCAPÍTULO 6 - ESTRUTURA DE SELEÇÃO
6.1 - INTRODUÇÃO CAPÍTULO 6 - ESTRUTURA DE SELEÇÃO Existem problemas que podem ter mais de um caminho a ser seguido para seleção correta, ou existem restrições em suas soluções. O sujeito que irá executar
Leia maisResolução da Lista 2 - Modelos determinísticos
EA044 - Planejamento e Análise de Sistemas de Produção Resolução da Lista 2 - Modelos determinísticos Exercício 1 a) x ij são as variáveis de decisão apropriadas para o problemas pois devemos indicar quantos
Leia maisMATRIZES Matriz quadrada Matriz linha e matriz coluna Matriz diagonal Matriz identidade
MATRIZES Matriz quadrada matriz quadrada de ordem. diagonal principal matriz quadrada de ordem. - 7 9 diagonal principal diagonal secundária Matriz linha e matriz coluna [ ] colunas). (linha e matriz linha
Leia maisInvestigação Operacional
Ano lectivo: 2014/2015 Universidade da Beira Interior - Departamento de Matemática Investigação Operacional Ficha de exercícios n o 5 Problemas de Transportes e Afectação. Cursos: Economia, Gestão e Optometria
Leia maisOTIMIZAÇÃO VETORIAL. Formulação do Problema
OTIMIZAÇÃO VETORIAL Formulação do Problema Otimização Multiobjetivo (também chamada otimização multicritério ou otimização vetorial) pode ser definida como o problema de encontrar: um vetor de variáveis
Leia maisDepartamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Matemática Essencial Extremos de funções reais Departamento de Matemática - UEL - 2010 Conteúdo Ulysses Sodré http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Leia maisCorrelação e Regressão Linear
Correlação e Regressão Linear A medida de correlação é o tipo de medida que se usa quando se quer saber se duas variáveis possuem algum tipo de relação, de maneira que quando uma varia a outra varia também.
Leia maisCAP. 2 CONSIDERAÇÕES SOBRE OS CRITÉRIOS DE DECISÃO
CAP. 2 CONSIDERAÇÕES SOBRE OS CRITÉRIOS DE DECISÃO 1. OS CRITÉRIOS DE DECISÃO Dentre os métodos para avaliar investimentos, que variam desde o bom senso até os mais sofisticados modelos matemáticos, três
Leia maisUma lei que associa mais de um valor y a um valor x é uma relação, mas não uma função. O contrário é verdadeiro (isto é, toda função é uma relação).
5. FUNÇÕES DE UMA VARIÁVEL 5.1. INTRODUÇÃO Devemos compreender função como uma lei que associa um valor x pertencente a um conjunto A a um único valor y pertencente a um conjunto B, ao que denotamos por
Leia maisFundamentos da PESQUISA OPERACIONAL
Andréa Cardoso Fundamentos da PESQUISA OPERACIONAL Março 200 2 0. Lista de Problemas 6. O quadro a seguir mostra o processo de resolução de um PPL. A partir dos dados fornecidos, responda às seguintes
Leia mais6. Programação Inteira
Pesquisa Operacional II 6. Programação Inteira Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção Programação Inteira São problemas de programação matemática em que a função objetivo, bem
Leia maisProf. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Programação Linear Programação linear: Preocupação em encontrar a melhor solução para problemas associados
Leia maisEstudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser:
1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia
Leia maisUnidade II - Sistemas de Equações Lineares
Unidade II - Sistemas de Equações Lineares 1- Situando a Temática Discutiremos agora um dos mais importantes temas da matemática: Sistemas de Equações Lineares Trata-se de um tema que tem aplicações dentro
Leia mais1. Resolução de problemas de Programação Linear utilizando Excel
1. Resolução de problemas de Programação Linear utilizando Excel O software Excel resolve problemas de Programação Linear através da ferramenta Solver. Retomando um problema de Programação Linear já citado,
Leia maisDificuldades de Modelos de PNL. Onde está a solução ótima? Outro exemplo: Condição ótima Local vs. Global. 15.053 Quinta-feira, 25 de abril
15.053 Quinta-feira, 25 de abril Teoria de Programação Não-Linear Programação Separável Dificuldades de Modelos de PNL Programa Linear: Apostilas: Notas de Aula Programas Não-Lineares 1 2 Análise gráfica
Leia maisPRO 528 - Pesquisa Operacional II. 5. Análise econômica e análise de sensibilidade
Pesquisa Operacional II 5. Análise econômica e análise de sensibilidade Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção Interpretação econômica do problema dual Cada variável w ii do do
Leia maisMódulo 2 Custos de Oportunidade e Curva de Possibilidades de Produção
Módulo 2 Custos de Oportunidade e Curva de Possibilidades de Produção 2.1. Custo de Oportunidade Conforme vínhamos analisando, os recursos produtivos são escassos e as necessidades humanas ilimitadas,
Leia maisCAPÍTULO 9 RISCO E INCERTEZA
CAPÍTULO 9 9 RISCO E INCERTEZA 9.1 Conceito de Risco Um fator que pode complicar bastante a solução de um problema de pesquisa operacional é a incerteza. Grande parte das decisões são tomadas baseando-se
Leia maisMétodo Simplex - Exemplos. Iteração 1 - variáveis básicas: y 1, y 2, y 3. Exemplo 1. Facom - UFMS. Exemplo. Edna A. Hoshino.
Tópicos Método Simplex - s Edna A. Hoshino 1 Facom - UFMS março de 2010 E. Hoshino (Facom-UFMS) Simplex março de 2010 1 / 21 E. Hoshino (Facom-UFMS) Simplex março de 2010 2 / 21 1 Iteração 1 - variáveis
Leia maisErros. Número Aproximado. Erros Absolutos erelativos. Erro Absoluto
Erros Nenhum resultado obtido através de cálculos eletrônicos ou métodos numéricos tem valor se não tivermos conhecimento e controle sobre os possíveis erros envolvidos no processo. A análise dos resultados
Leia maisUNIVERSIDADE FEDERAL DA BAHIA INSTITUTO DE MATEMÁTICA 5 0 Encontro da RPM TRANSFORMAÇÕES NO PLANO
UNIVERSIDADE FEDERAL DA BAHIA INSTITUTO DE MATEMÁTICA 5 0 Encontro da RPM TRANSFORMAÇÕES NO PLANO Jorge Costa do Nascimento Introdução Na produção desse texto utilizamos como fonte de pesquisa material
Leia maisModelos lineares de otimização aos quais eventualmente se incorporam restrições
Capítulo 2 Programação Linear 21 Introdução Modelos lineares de otimização aos quais eventualmente se incorporam restrições de integralidade das variáveis de decisão são os mais utilizados em planejamento
Leia maisMétodo Simplex Especializado para Redes
Método Simplex Especializado para Redes Prof. Fernando Augusto Silva Marins Departamento de Produção Faculdade de Engenharia Campus de Guaratinguetá UNESP www.feg.unesp.br/~fmarins fmarins@feg.unesp.br
Leia maisEquações do primeiro grau
Módulo 1 Unidade 3 Equações do primeiro grau Para início de conversa... Você tem um telefone celular ou conhece alguém que tenha? Você sabia que o telefone celular é um dos meios de comunicação que mais
Leia maisCálculo Numérico Aula 1: Computação numérica. Tipos de Erros. Aritmética de ponto flutuante
Cálculo Numérico Aula : Computação numérica. Tipos de Erros. Aritmética de ponto flutuante Computação Numérica - O que é Cálculo Numérico? Cálculo numérico é uma metodologia para resolver problemas matemáticos
Leia maisAlgoritmos e Estrutura de Dados III. Árvores
Algoritmos e Estrutura de Dados III Árvores Uma das mais importantes classes de estruturas de dados em computação são as árvores. Aproveitando-se de sua organização hierárquica, muitas aplicações são realizadas
Leia mais2. A FERRAMENTA SOLVER (EXCEL)
Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção 2. A FERRAMENTA SOLVER (EXCEL) Diversas ferramentas para solução de problemas de otimização, comerciais ou acadêmicos, sejam eles lineares
Leia maisPARTE 2 FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL
PARTE FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL.1 Funções Vetoriais de Uma Variável Real Vamos agora tratar de um caso particular de funções vetoriais F : Dom(f R n R m, que são as funções vetoriais de uma
Leia maisPesquisa Operacional na Tomada de Decisões. Conteúdos do Capítulo. Programação Linear. Lindo. s.t. Resolvendo Programação Linear Em um Microcomputador
ª Edição Pesquisa Operacional na Tomada de Decisões Resolvendo Programação Linear Em um Microcomputador Gerson Lachtermacher,00 Programação Linear Software Versão Windows e comandos Formulação do problema
Leia maisNa medida em que se cria um produto, o sistema de software, que será usado e mantido, nos aproximamos da engenharia.
1 Introdução aos Sistemas de Informação 2002 Aula 4 - Desenvolvimento de software e seus paradigmas Paradigmas de Desenvolvimento de Software Pode-se considerar 3 tipos de paradigmas que norteiam a atividade
Leia maisAnálise e Complexidade de Algoritmos
Análise e Complexidade de Algoritmos Uma visão de Intratabilidade, Classes P e NP - redução polinomial - NP-completos e NP-difíceis Prof. Rodrigo Rocha prof.rodrigorocha@yahoo.com http://www.bolinhabolinha.com
Leia maisConcentração Mínima de Açúcar (g/l) N (normal) 2000 60 2 E (europeu fino) 1000. 80 1. Teor Máximo de Acidez (%)
FACULDADE LOURENÇO FILHO Revisão ENADE 2011 Disciplina: Pesquisa Operacional Profa. Danielle Abreu 17/096/2011 Questão 1 ENADE 2008 O gerente de planejamento e controle da produção de uma empresa de suco
Leia mais9. Derivadas de ordem superior
9. Derivadas de ordem superior Se uma função f for derivável, então f é chamada a derivada primeira de f (ou de ordem 1). Se a derivada de f eistir, então ela será chamada derivada segunda de f (ou de
Leia mais2 A Derivada. 2.1 Velocidade Média e Velocidade Instantânea
2 O objetivo geral desse curso de Cálculo será o de estudar dois conceitos básicos: a Derivada e a Integral. No decorrer do curso esses dois conceitos, embora motivados de formas distintas, serão por mais
Leia maisÁlgebra Linear. Mauri C. Nascimento Departamento de Matemática UNESP/Bauru. 19 de fevereiro de 2013
Álgebra Linear Mauri C. Nascimento Departamento de Matemática UNESP/Bauru 19 de fevereiro de 2013 Sumário 1 Matrizes e Determinantes 3 1.1 Matrizes............................................ 3 1.2 Determinante
Leia maisPodemos encontrar uma figura interessante no PMBOK (Capítulo 7) sobre a necessidade de organizarmos o fluxo de caixa em um projeto.
Discussão sobre Nivelamento Baseado em Fluxo de Caixa. Item aberto na lista E-Plan Podemos encontrar uma figura interessante no PMBOK (Capítulo 7) sobre a necessidade de organizarmos o fluxo de caixa em
Leia maisModelos, em escala reduzida, de pontes e barragens. Simuladores de voo (ou de condução), com os quais se treinam pilotos (ou condutores).
SIMULAÇÃO 1 Introdução Entende-se por simulação a imitação do funcionamento de um sistema real recorrendo a uma representação desse sistema. Com essa representação modelo, pretende-se realizar experimentações
Leia maisExercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
Leia maisObjetivos: Construção de tabelas e gráficos, escalas especiais para construção de gráficos e ajuste de curvas à dados experimentais.
7aula Janeiro de 2012 CONSTRUÇÃO DE GRÁFICOS I: Papel Milimetrado Objetivos: Construção de tabelas e gráficos, escalas especiais para construção de gráficos e ajuste de curvas à dados experimentais. 7.1
Leia maisINSTITUTO TECNOLÓGICO
PAC - PROGRAMA DE APRIMORAMENTO DE CONTEÚDOS. ATIVIDADES DE NIVELAMENTO BÁSICO. DISCIPLINAS: MATEMÁTICA & ESTATÍSTICA. PROFº.: PROF. DR. AUSTER RUZANTE 1ª SEMANA DE ATIVIDADES DOS CURSOS DE TECNOLOGIA
Leia maisOs Problemas de Natureza Econômica
Os Problemas de Natureza Econômica 1 O PROBLEMA FUNDAMENTAL DA ECONOMIA Como já foi visto, a atividade económica numa sociedade é realizada com o propósito de produzir bens e serviços que se destinem à
Leia maisAula 03 - Modelagem em PPLIM
Thiago A. O. 1 1 Universidade Federal de Ouro Preto 1 Componentos do modelo 2 3 4 5 6 Componentes de uma modelagem matemática Elementos; Conjuntos; Parâmetros; Variáveis; Objetivo; Restições; Elementos
Leia maisCI202 - Métodos Numéricos
CI202 - Métodos Numéricos Lista de Exercícios 2 Zeros de Funções Obs.: as funções sen(x) e cos(x) devem ser calculadas em radianos. 1. Em geral, os métodos numéricos para encontrar zeros de funções possuem
Leia maisDadas a base e a altura de um triangulo, determinar sua área.
Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação ana.santos@qi.edu.br Conceitos Preliminares
Leia maisAspectos Sociais de Informática. Simulação Industrial - SIND
Aspectos Sociais de Informática Simulação Industrial - SIND Jogos de Empresas Utilizada com sucesso para o treinamento e desenvolvimento gerencial Capacita estudantes e profissionais de competência intelectual
Leia maisLista 2 - Modelos determinísticos
EA044 - Planejamento e Análise de Sistemas de Produção Lista 2 - Modelos determinísticos Exercício 1 A Companhia Ferroviária do Brasil (CFB) está planejando a alocação de vagões a 5 regiões do país para
Leia maisUnidade: Vetores e Forças. Unidade I:
Unidade I: 0 Unidade: Vetores e Forças 2.VETORES 2.1 Introdução Os vetores são definidos como entes matemáticos que dão noção de intensidade, direção e sentido. De forma prática, o conceito de vetor pode
Leia maisCálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) III Resolução de sistemas lineares por métodos numéricos. Objetivos: Veremos
Leia maisBacharelado em Ciência e Tecnologia Bacharelado em Ciências e Humanidades. Representação Gráfica de Funções
Bacharelado em Ciência e Tecnologia Bacharelado em Ciências e Humanidades BC 0005 Bases Computacionais da Ciência Representação Gráfica de Funções Prof a Maria das Graças Bruno Marietto graca.marietto@ufabc.edu.br
Leia maisGAAL - 2013/1 - Simulado - 1 Vetores e Produto Escalar
GAAL - 201/1 - Simulado - 1 Vetores e Produto Escalar SOLUÇÕES Exercício 1: Determinar os três vértices de um triângulo sabendo que os pontos médios de seus lados são M = (5, 0, 2), N = (, 1, ) e P = (4,
Leia maisUniversidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas ICEB
Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas ICEB PROBLEMA DE PROGRAMAÇÃO DE VEÍCULOS 1 (Vehicle Scheduling Problem) Cássio Roberto de Araújo cassio@em.ufop.br Elva
Leia maisE A D - S I S T E M A S L I N E A R E S INTRODUÇÃO
E A D - S I S T E M A S L I N E A R E S INTRODUÇÃO Dizemos que uma equação é linear, ou de primeiro grau, em certa incógnita, se o maior expoente desta variável for igual a um. Ela será quadrática, ou
Leia maisPesquisa Operacional. 4x1+3x2 <=1 0 6x1 - x2 >= 20 X1 >= 0 X2 >= 0 PESQUISA OPERACIONAL PESQUISA OPERACIONAL PESQUISA OPERACIONAL PESQUISA OPERACIONAL
Modelo em Programação Linear Pesquisa Operacional A programação linear é utilizada como uma das principais técnicas na abordagem de problemas em Pesquisa Operacional. O modelo matemático de programação
Leia maisEXERCÍCIOS DE REVISÃO PFV - GABARITO
COLÉGIO PEDRO II - CAMPUS SÃO CRISTÓVÃO III 1ª SÉRIE MATEMÁTICA I PROF MARCOS EXERCÍCIOS DE REVISÃO PFV - GABARITO 1 wwwprofessorwaltertadeumatbr 1) Seja f uma função de N em N definida por f(n) 10 n Escreva
Leia maisSistemas Lineares e Escalonamento
Capítulo 1 Sistemas Lineares e Escalonamento Antes de iniciarmos nos assuntos geométricos da Geometria Analítica, vamos recordar algumas técnicas sobre escalonamento de matrizes com aplicações na solução
Leia maisPESQUISA OPERACIONAL
PARTE I Para os exercícios de programação linear abaixo, apresentar a modelagem do problema, a solução algébrica e a solução gráfica: 1. Uma confecção produz dois tipos de vestido: um casual e um de festa.
Leia maisTópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções
Tópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções 1. INTRODUÇÃO Ao se obter uma sucessão de pontos experimentais que representados em um gráfico apresentam comportamento
Leia maisUM CONCEITO FUNDAMENTAL: PATRIMÔNIO LÍQUIDO FINANCEIRO. Prof. Alvaro Guimarães de Oliveira Rio, 07/09/2014.
UM CONCEITO FUNDAMENTAL: PATRIMÔNIO LÍQUIDO FINANCEIRO Prof. Alvaro Guimarães de Oliveira Rio, 07/09/2014. Tanto as pessoas físicas quanto as jurídicas têm patrimônio, que nada mais é do que o conjunto
Leia maisUniversidade da Beira Interior Departamento de Matemática. Fábrica 1 Fábrica 2 Fábrica 3 Mina 1 45 80 140 Mina 2 70 145 95
Universidade da Beira Interior Departamento de Matemática INVESTIGAÇÃO OPERACIONAL Ano lectivo: 2008/2009; Curso: Economia Ficha de exercícios nº5: Problema de Transportes e Problema de Afectação. 1. Uma
Leia maisContagem I. Figura 1: Abrindo uma Porta.
Polos Olímpicos de Treinamento Curso de Combinatória - Nível 2 Prof. Bruno Holanda Aula 4 Contagem I De quantos modos podemos nos vestir? Quantos números menores que 1000 possuem todos os algarismos pares?
Leia maisEstrada de Rodagem Terraplanagem
Estrada de Rodagem Terraplanagem Prof. Dr. Rodrigo de Alvarenga Rosa rodrigoalvarengarosa@gmail.com (27) 9941-3300 1 O motivo para realizar terraplenagem é que o terreno natural não é adequado ao tráfego
Leia mais