Pesquisa Operacional Modelos, Conceitos Básicos para PL. Prof. Ricardo Santos

Documentos relacionados
Otimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana

Otimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana

Programação Linear/Inteira

EAD 350 Pesquisa Operacional Aula 04 Parte 1 Resolução de Exercícios

Pesquisa Operacional Aula 3 Modelagem em PL

Pesquisa Operacional. Introdução à Pesquisa Operacional Programação Linear

Matemática Aplicada Nt Notas de aula

Programação Linear - Parte 1

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu

Otimização. Modelagem e Solução Gráfica. Paulo Henrique Ribeiro Gabriel Faculdade de Computação Universidade Federal de Uberlândia

Pesquisa Operacional Aula 4 Solução Gráfica em Programação Linear

Programação Linear M É T O D O S : E S T A T Í S T I C A E M A T E M Á T I C A A P L I C A D A S D e 1 1 d e m a r ç o a 2 9 d e a b r i l d e

EAD 350 Pesquisa Operacional Aula 03 Parte 2

EAD 350 Pesquisa Operacional Aula 01 Parte 2

EAD 350 Pesquisa Operacional Aula 01 Parte 2

Pesquisa Operacional aula 3 Modelagem PL. Profa. Alessandra Martins Coelho

PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR. Prof. Angelo Augusto Frozza, M.Sc.

Pesquisa Operacional / Programação Matemática

Investigação Operacional

Introdução. Otimização Multiobjetivo. Muitas aplicações de interesse prático podem ser representadas por meio de modelos matemáticos lineares.

Métodos e Medidas II

Programação Linear. MÉTODOS QUANTITATIVOS: ESTATÍSTICA E MATEMÁTICA APLICADAS De 30 de setembro a 13 de novembro de 2011 prof. Lori Viali, Dr.

Pesquisa Operacional aplicada ao Planejamento e Controle da Produção e de Materiais Programação Linear

AULA 03 MODELOS DE PROGRAMAÇÃO LINEAR. Eduardo Camargo de Siqueira PESQUISA OPERACIONAL TECNÓLOGO EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS

Programação Inteira. Prof. Ricardo Santos

Aulas 2 e 3 - Modelos de Programação Linear

Max z= c 1 x 1 + c 2 x 2 + c 3 x c n x n. b 3. c ij : Coeficientes de Custos x j : Variáveis de Decisão. b i : Quantidade Disponível

Investigação Operacional

PESQUISA OPERACIONAL. Fabiano F. T. dos Santos. Instituto de Matemática e Estatística

Programação Linear - Parte 5

Pesquisa Operacional (PO)

Modelagem Matemática de Problemas de Programação Linear

Otimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana

PESQUISA OPERACIONAL. UNIDADE 2 Visão Geral do Modelo

Pesquisa Operacional

Tópicos Especiais em Computação I

Determinação de Uma Solução Básica Factível Inicial

Combinando inequações lineares

Universidade Federal de Goiás Instituto de Matemática e Estatística

α ( u 1 - u 2 ) = u 3 - u 2.

Solução de problemas de PL com restrições do tipo >= e =

Programação Linear/Inteira

Otimização. Problemas de Transportes. Paulo Henrique Ribeiro Gabriel Faculdade de Computação Universidade Federal de Uberlândia 2016/2

Otimização Aplicada à Engenharia de Processos

Otimização discreta Modelagem com variáveis binárias: problemas clássicos

Matemática computacional: métodos numéricos, programação linear, otimização

Programação Linear/Inteira - Aula 5

O método gráfico resolve PLs com 2 variáveis. 3 variáveis se você for um ninja da geometria descritiva!

Introdução à Pesquisa Operacional - Otimização Linear

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu

Programação Matemática Lista 3

Programação Linear/Inteira

Prof.: Eduardo Uchoa.

Programação Linear (PL)

MÓDULO 3 - PROBLEMAS DE TRANSPORTE

Otimização Linear Aplicada a Problemas de Planejamento de Produção

Problemas de Fluxos em Redes

Programação Matemática. Método Simplex

Programação Matemática

PROGRAMAÇÃO LINEAR 1. A TEORIA DA PROGRAMAÇÃO LINEAR 2. MÉTODO GRÁFICO 3. MÉTODO SIMPLEX 4. ANÁLIDE DE SENSIBILIDADE 5. APLICAÇÕES

DECISÕES ESTRATÉGICAS DE CURTO PRAZO: Programação Linear

Modelos em Programação Linear Inteira

Pesquisa Operacional. 4x1+3x2 <=1 0 6x1 -x2 >= 20 X1 >= 0 X2 >= 0 PESQUISA OPERACIONAL PESQUISA OPERACIONAL PESQUISA OPERACIONAL PESQUISA OPERACIONAL

Programação Matemática

202'(/2'(352*5$0$d 2/,1($53$5$352%/(0$6'( 0,6785$6

Pesquisa Operacional. Introdução à Pesquisa Operacional Programação Linear

Recursos críticos disponíveis: Madeira 300 metros Horas de trabalho 110 horas

Pesquisa Operacional

Teoria de dualidade. Marina Andretta ICMC-USP. 19 de outubro de 2016

PROGRAMAÇÃO LINEAR E APLICAÇÕES

PEA 2522 MÉTODOS DE OTIMIZAÇÃO. Otimização

Exemplos de modelos de PL ou PI

LMI Toolbox. Conceitos Básicos

Problemas de Transportes e de Afectação

Maristela Santos. Instituto de Ciências Matemáticas e de Computação Universidade de São Paulo

Dualidade - Definições

DISCIPLINA: Investigação Operacional ANO LECTIVO 2009/2010

Introdução à Otimização: modelagem

PROGRAMAÇÃO LINEAR. Tipo de problemas: cálculo do plano óptimo de distribuição de mercadorias; minimiação de desperdícios no corte de materiais;

Programação Matemática - Otimização Linear

Complementos de Investigação Operacional. Folha nº 1 Programação Inteira 2006/07

Professor: Rodrigo A. Scarpel

Programação Linear. (1ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016

Índice. Prefácio Os modelos de programação linear e a investigação operacional 17

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Pesquisa Operacional. Prof. José Luiz

Programação Linear (PL)

Complementos de Investigação Operacional. Folha nº 1 Programação Inteira 2007/08

Otimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana

Cap ıtulo 1 Exerc ıcios de Formula c Enunciados

MB PRINCÍPIOS DA PESQUISA OPERACIONAL PO INTRODUÇÃO A PESQUISA OPERACIONAL LISTA DE EXERCÍCIOS - PROGRAMAÇÃO LINEAR

Lema de Farkas e desigualdades lineares

4- Dualidade em Programação Linear

1 Otimização com restrições I: Condições de Primeira Ordem

Lista 3 - Exercícios sobre Modelagem Matemática

Combinando inequações lineares

INVESTIGAÇÃO OPERACIONAL. Programação Linear. Exercícios. Cap. IV Modelo Dual

Problema de Transporte (Redes) Fernando Nogueira Problema de Transporte 1

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Transcrição:

Pesquisa Operacional Modelos, Conceitos Básicos para PL Prof. Ricardo Santos

Problema do Transporte Centros de produção de produtos são denominados origens Mercados consumidores são denominados destinos Supor a existência de m origens e n destinos e o custo de transporte de uma unidade do produto da origem i para o destino j é c ij Oferta do produto na origem i é ai e a demanda do produto no destino j é b j a 1 c 11 1 1 b 1 a 2 2 2 b 2 a m m c mn n b n

Problema do Transporte As variáveis do problema são as quantidades transportadas das origens aos destinos: x ij quantidade transportada da origem i para o destino j c ij x ij é o custo incorrido para realizar o transporte de i para j com a quantidade x de produtos com o custo c O custo total de transporte é a soma dos custos de transporte de todas as quantidades transportadas de todas as origens i a todos os destinos j. Esse custo deve ser minimizado. Observe que: O que é transportado de cada origem i a todos os destinos j não pode ultrapassar a quantidade ofertada em i As quantidades transportadas das diversas origens ao destino j satisfaçam a demanda requerida neste destino Como seria o modelo de PO para esse problema?

Problema do Transporte Modelo Matemático de PO Minimizar f(1,..., x mn )= s.a n xij j=1 a m x b ij = j i=1 i m n c i= 1 j= 1 ij x i =1,, ij m j =1,,n x ij 0 i = 1,, m j =1,, n

Problema do Transporte Exercício Considere uma distribuidora de bebidas com 2 centros de distribuição: Paranaíba e Sonora e quatro mercados consumidores principais: Campo Grande, Dourados, Corumbá e Três Lagoas. O custo unitário para transportar uma unidade do produto de cada centro de produção a cada mercado é dado na Tabela a seguir: Centro de distribuição Mercado Suprimento disponível CGrande Dourados Corumbá TLagoas Paranaíba 5 7 10 4 950 Sonora 5 8 7 11 1200 Demanda 900 500 300 350 Elabore o modelo matemático que representa esse problema

Problema do Planejamento de Produção Esses problemas envolvem decidir quais produtos e quanto fabricar de cada produto em um período visando a maximização das margens de lucro da empresa Considere xj a quantidade do produto j=1,2,..., n a ser produzida em um período de planejamento Seja Ci, i=1,2,...m a capacidade do recursos disponível no período Para produzir o produto j, são consumidas aij unidades do recurso i Uma produção mínima do produto j, digamos dj, precisa ser realizada no período As vendas do produto não excedem vj unidades no período em estudo Cada unidade do produto j resulta em uma contribuição ao lucro de lj para a empresa

Problema do Planejamento de Produção O problema do Planejamento (Mix) de Produção Maximizar f(,..., x n )= n l j=1 j x j n a j=1 ij x j C i i =1,2,,m d j x i v j j =1,2,,n

Problema do Planejamento de Produção Um fabricante de geladeiras deve decidir quais modelos deve produzir numa fábrica recentemente instalada A empresa sabe que 1500 unidades do modelo de luxo e 6000 unidades do modelo básico A empresa dispõe de 25000 homens hora/mês. Cada modelo de luxo requer 10 homens hora e o modelo básico requer 8 homenshora A linha de montagem é compartilhada pelos dois modelos A capacidade de produção dessa linha é de 4500 geladeiras por mês O lucro do modelo luxo é de R$ 100,00 e do modelo básico é de R$ 50,00 Elabore o modelo matemático de modo a determinar quanto produzir de cada modelo para maximizar o lucro da empresa.

Hipóteses de Linearidade Hipóteses que os modelos de PL devem obedecer: Aditividade: o todo é igual à soma das partes Proporcionalidade: se a ij é a quantidade do componente i em uma unidade do ingrediente j, então a ij x j será a quantidade do componente i em x j unidades Francionamento: valores fracionários para as variáveis são aceitáveis. Porém, dependendo do problema, o arredondamento de valores pode ter conotação distorcida da prática (ex: número de máquinas)

Conceitos Básicos para PL Definição 1: Modelos de PL obedecem a uma forma (formato) padrão: minimizar f(,x 2,...,x n )=c 1,c 2 x 2,...,c n x n s.a a 11 +a 12 x 2 +...+a 1n x n =b 1 a 21 +a 22 x 2 +...+a 2n x n =b 2... a m1 +a m2 x 2 +...+a mn x n =b m >=0, x 2 >=0,..., x n >=0, O modelo anterior pode ser escrito equivalentemente em notação matricial como: Minimizar f(x)=c T x Ax=b x>=0,

Conceitos Básicos para PL O modelo anterior pode ser escrito equivalentemente em notação matricial como: Minimizar f(x)=c T x Ax=b x>=0, Observe que: A = a a a 11 21 m1......... a a a 1n 2n mn c T =(c 1, c 2,..., c n ) é o vetor de custos x T =(, x 2,..., x n ) é o vetor de variáveis é uma matrix mxn, chamada matriz de coeficientes b T =(b 1, b 2,..., b m ) é o vetor de termos independentes

Conceitos Básicos para PL Definição 2: Uma solução (x1, x 2,..., x n ) é dita factível se satisfazer as restrições e as condições de não negatividade. O conjunto de todas as soluções factíveis é chamada de região factível Definição 3: Uma solução factível que fornece o menor valor (considerando minimização) à função objetivo f é chamada solução ótima, denotada por ( *, x 2 *,...,x n *). Uma solução factível é ótima se: f( *,x 2 *,...,x n *)<=f(,x 2,...,x n ), para qualquer solução factível f(,x 2,...,x n )

Conceitos Básicos para PL Transformação na forma padrão: Problemas de Maximização Encontrar uma solução ótima que maximize a função objetivo, corresponde a encontrar uma solução factível x*=( *,x 2 *,...,x n *) tal que f(x*)>=f(x), para toda solução x factível Se multiplicarmos essa desigualdade por 1, tem se f(x*)<= f(x), para toda solução x factível De forma que encontrar uma solução factível x* que maximize f(x) é equivalente a encontrar uma solução factível x* que minimize f(x)

Conceitos Básicos para PL Transformação na forma padrão: Problemas de Maximização O seguinte problema de PL Maximizar f(, x 2, x 3 )=2 x 2 +4x 3 +2x 2 +x 3 =3 x 2 +2x 3 =4 >=0, x 2 >=0, x 3 >=0 É equivalente ao problema na forma padrão Minimizar f(, x 2, x 3 )= 2 +x 2 4x 3 +2x 2 +x 3 =3 x 2 +2x 3 =4 >=0, x 2 >=0, x 3 >=0

Conceitos Básicos para PL Transformação na forma padrão: Restrições de desigualdade Se as restrições do problema são dadas na forma de desigualdades, inserimos novas variáveis para transformá lo na forma padrão Exemplo: 3x1 +4x 2 x 3 <=7 E note que: xk =b i (a i1 +a i2 x 2 +...+a in x n )>=0 Então, o exemplo fica da seguinte forma: 3x1 +4x 2 x 3 +x 4 =7 Igualmente, se tivéssemos: 3x1 +4x 2 x 3 >=7 Teríamos como resultado da transformação: 3x1 +4x 2 x 3 x 4 =7 Essas variáveis adicionais (nesses exemplos: x 4 ) são chamadas de variáveis de folga (para as restrições de >=, a variável introduzida é chamada variável de excesso)

Conceitos Básicos para PL Transformação na forma padrão: Restrições de desigualdade Exemplo: Minimizar f(,x 2,x 3 )=2 3x 2 +3x 3 +2x 2 x 3 >= 3 2 +x 2 +x 3 <= 1 >=0, x 2 >=0, x 3 >=0 Introduzindo as variáveis de folga, temos: Minimizar f(,x 2,x 3 )=2 3x 2 +3x 3 +0x 4 +0x 5 +2x 2 x 3 x 4 = 3 2 +x 2 +x 3 +x 5 = 1 >=0, x 2 >=0, x 3 >=0, x 4 >=0, x 5 >=0