Método Simplex Revisado

Documentos relacionados
Método Simplex Dual. Prof. Fernando Augusto Silva Marins Departamento de Produção Faculdade de Engenharia Campus de Guaratinguetá UNESP

que não torne uma variável básica negativa. Se esse valor for infinito, o PL é ilimitado. Caso contrário, escolha uma variável

Programação Linear - Parte 4

Algoritmo Simplex em Tabelas. Prof. Ricardo Santos

Método Simplex das Duas Fases

CAPÍTULO O Método Simplex Pesquisa Operacional

MÉTODO SIMPLEX QUADRO SIMPLEX

INVESTIGAÇÃO OPERACIONAL. Programação Linear. Exercícios. Cap. III Método Simplex

Teoria Básica e o Método Simplex. Prof. Ricardo Santos

Universidade Federal de Itajubá. Instituto de Engenharia de Produção e Gestão. Pesquisa Operacional. Dualidade

(1, 6) é também uma solução da equação, pois = 15, isto é, 15 = 15. ( 23,

Universidade Federal de Santa Maria Centro de Ciências Naturais e Exatas Departamento de Física Laboratório de Teoria da Matéria Condensada

Tipos de problemas de programação inteira (PI) Programação Inteira. Abordagem para solução de problemas de PI. Programação inteira

UNIPAC Araguari FACAE - Faculdade de Ciências Administrativas e Exatas SISTEMAS DE INFORMAÇÃO

Método Simplex Resolução Algébrica. Prof. Ricardo Santos

Simplex e o Problema do Transporte

Exercícios de Método Simplex Enunciados

Investigação Operacional

MANUAL DO USUÁRIO SIMPLEX. Prof. Erico Fagundes Anicet Lisboa, M. Sc.

Onde: A é a matriz do sistema linear, X, a matriz das incógnitas e B a matriz dos termos independentes da equação

Resolução Numérica de Equações Parte I

Matrizes e Sistemas Lineares. Professor: Juliano de Bem Francisco. Departamento de Matemática Universidade Federal de Santa Catarina.

UM SOFTWARE INTERATIVO PARA O ALGORITMO SIMPLEX EM PROGRAMAÇÃO LINEAR

Álgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP

Exercícios de Aprofundamento Mat Polinômios e Matrizes

Resolução de sistemas de equações lineares: Método de eliminação de Gauss

Introdução em Engenharia. Problemas de Engenharia. Engenharia: Sérgio Haffner SÍNTESE. Conceitos Conceitos fundamentais

Programação Linear. Problema de produção. Transparências de apoio à disciplina de Métodos de Apoio à Decisão. Matéria prima disponível diariamente

PESQUISA OPERACIONAL: NA TOMADA DE DECISÕES ADMINISTRATIVA

Regressão, Interpolação e Extrapolação Numéricas

Aula 8 Variações da Eliminação de Gauss/Fatoração LU.

Programação Linear - Parte 3

Semana 7 Resolução de Sistemas Lineares

Definição de determinantes de primeira e segunda ordens. Seja A uma matriz quadrada. Representa-se o determinante de A por det(a) ou A.

Cálculo Numérico / Métodos Numéricos. Solução de sistemas não lineares Método de Newton

Método Simplex. Alexandre Salles da Cunha. DCC-UFMG, Março v.02

PRO Pesquisa Operacional II

Lógica do Método Simplex: Passar de Solução Básica Factível para outra Solução Básica, buscando melhorar a Função Objetivo e manter factibilidade

CAP. II RESOLUÇÃO NUMÉRICA DE EQUAÇÕES NÃO LINEARES

Exercícios de Álgebra Linear

ESCOLA SUPERIOR DE TECNOLOGIA DE VISEU

Pesquisa Operacional. Prof. José Luiz

CAMPUS DE GUARATINGUETÁ FACULDADE DE ENGENHARIA. Introdução à Programação em C. Algoritmos: Estruturas de Repetição. Prof. Dr. Galeno.J.

TEORIA 5: EQUAÇÕES E SISTEMAS DO 1º GRAU MATEMÁTICA BÁSICA

Método Simplex Especializado para Redes

Alocação de Custos pelo Método Recíproco

ALGA - Eng.Civil - ISE / Matrizes 1. Matrizes

Seleção de Materiais. 1. Introdução. 1. Introdução

Investigação Operacional

O método de enumeração de soluções básicas é muito ineficiente.

Matemática Básica Intervalos

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

Um pouco da História dos Logaritmos

PROGRAMAÇÃO LINEAR. Formulação de problemas de programação linear e resolução gráfica

PROLIN. Sistema para PROgramação LINear

Análise de Regressão. Notas de Aula

a) 2 b) 3 c) 4 d) 5 e) 6

A. Equações não lineares

Aula 01 TEOREMAS DA ANÁLISE DE CIRCUITOS. Aula 1_Teoremas da Análise de Circuitos.doc. Página 1 de 8

Roteiro da aula. MA091 Matemática básica. Conjuntos. Subconjunto. Aula 12 Conjuntos. Intervalos. Inequações. Francisco A. M. Gomes.

Professor: Rodrigo A. Scarpel

AGRUPAMENTO DE ESCOLAS DA SÉ GUARDA. MATEMÁTICA B Curso de Artes Visuais

Determinantes. ALGA 2008/2009 Mest. Int. Eng. Electrotécnica Determinantes 1 / 17

Determinantes. Matemática Prof. Mauricio José

Investigação Operacional

Inversão de Matrizes

1 Introdução. 1.1 Importância da Utilização da Amostragem

Expressões de sequencias

2) Escreva um algoritmo que leia um conjunto de 10 notas, armazene-as em uma variável composta chamada NOTA e calcule e imprima a sua média.

Álgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP

Departamento de Matemática da Universidade de Coimbra Álgebra Linear e Geometria Analítica Engenharia Civil Ano lectivo 2005/2006 Folha 1.

cuja distribuição é t de Student com n 1 graus de liberdade.

Ajuste de Reguladores de Velocidade de Turbinas Hidráulicas

Álgebra Linear Computacional

Programação Linear/Inteira

RESOLVER EQUAÇÕES. EXEMPLO. Seja a equação:

( ) ( ) ( ) ( ) ( ) 3 - INTRODUÇÃO À RESOLUÇÃO DE SISTEMAS NÃO LINEARES. Introdução.

Elvis Magno da Silva, autor Vladas Urbanavicius Júnior, autor

Equação e Inequação do 2 Grau Teoria

10 - LEIS DE KIRCHHOFF

CÁLCULO 1 Teoria 0: Revisão Gráfico de Funções elementares Núcleo de Engenharias e Ciência da Computação. Professora: Walnice Brandão Machado

Simulated Annealing Aplicado ao Problema de Programação de Horário em Escolas

PROVA RESOLVIDA DA PETROBRAS 2011 ADMINISTRADOR JUNIOR. Professor Joselias

. (A verificação é imediata.)

Coordenadoria de Matemática Programação Linear. Professor: Oscar Luiz T. de Rezende

Métodos Formais. Agenda. Relações Binárias Relações e Banco de Dados Operações nas Relações Resumo Relações Funções. Relações e Funções

Bem-vindo ao tópico sobre importação de dados do cadastro do item utilizando o Data Transfer Workbench.

Aula 02: Algoritmo Simplex (Parte 1)

GEOMETRIA ANALÍTICA II

ROTEIRO PARA ELABORAÇÃO DO PROJETO DE PESQUISA

Matrizes. matriz de 2 linhas e 2 colunas. matriz de 3 linhas e 3 colunas. matriz de 3 linhas e 1 coluna. matriz de 1 linha e 4 colunas.

PESQUISA OPERACIONAL I

O cilindro deitado. Eduardo Colli

Capítulo VI. Teoremas de Circuitos Elétricos

1. Escreva um programa em Pascal que leia três valores inteiros e mostre-os em ordem crescente. Utilize seleção encadeada.

OBSERVAÇÕES: EXERCÍCIOS

Teoria dos Grafos. Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada.

Estatística - exestatmedposic.doc 25/02/09

Engenharia Econômica

Transcrição:

Método Simplex Revisado Prof. Fernando Augusto Silva Marins Departamento de Produção Faculdade de Engenharia Campus de Guaratinguetá UNESP www.feg.unesp.br/~fmarins fmarins@feg.unesp.br

Introdução Método Simplex Tradicional - MST: Em cada iteração são modificados todos os elementos das tabelas usadas na aplicação do método. Informações necessárias para a continuidade do Simplex: Coeficientes de custo relativo ( C j ); Coeficientes da variável não básica que entra nas restrições (coluna do pivot); Quais são as variáveis básicas atuais e seus valores ( ). Observação: as demais colunas da tabela do simplex não contém informações relevantes para o pivoteamento: para modelos de PL de porte razoável a aplicação do MST pode ser ineficiente e custosa do ponto de vista computacional. b j 2

Método Simplex Revisado Códigos comerciais com implementações do Simplex usam um refinamento conhecido como Método Simplex Revisado - MSR. Características do MSR: Usa os mesmos princípios do MST; Não atualiza toda a tabela em cada iteração; As informações para concretizar cada iteração são obtidas diretamente a partir dos dados originais. 3

Vantagens do MSR sobre o MST Quando o número de variáveis do modelo é bem maior que o número de restrições (n >> m) o total de operações em cada iteração é menor no MSR, pois trabalha-se com tabelas cuja dimensão é determinada pelo número de restrições (m); Há um controle maior de erros de arredondamento no MSR; Para modelos onde há muitos coeficientes nulos nas restrições, usando o MST estes coeficientes nulos desaparecem já nas operações iniciais de pivoteamento; O MSR é útil para a abordagem facilitada de outros tópicos de Programação Linear. 4

Forma Matricial do Método Simplex Considere o modelo de PL na forma padrão: Min Z = C X s. a. : {AX = b ( 0), X 0} Considere as partições: A = [B N], X t = [X B X N ], C = [C B C N ] onde, B = colunas básicas, N = colunas não-básicas, X B = variáveis básicas (VB), X N = variáveis não-básicas (VNB), C B = coeficientes de VB na Funcão Objetivo (F.O.), C N = coeficientes de variáveis não-básicas na F.O. 5

Forma Matricial do Método Simplex Pode-se reescrever o modelo na forma padrão: Min Z = C B X B + C N X N s.a: B X B + N X N = b (), X B 0 (2), X N 0 (3) De () tem-se: X B = B - b - B - N X N, e substituindo na F. O. : Z = C B (B - b - B - N X N ) + C N X N = C B B - b + (C N - C B B - N) X N (4) Denote e calcule por: Z 0 = C B B - b = C B b = valor da F.O. da S.B.V. dada por X 0t = (X B 0); C N = C N - C B B- N = vetor dos coeficientes de custo relativo das VNB na solução X 0t. 6

Seja o modelo de PL : Max Z = 3X + 4X 3 - s. a: Exemplo X + 2X 2 + 2X 3 + X 4 = 8 3X + 4X 2 + X 3 + X 5 = 7 X i 0, i =, 2, 3, 4, 5. Onde: 3 2 4 2 0 0 A = (a a 2 a 3 a 4 a 5 ), a =, a 2 =, a 3 =, a 4 =, a 5 = C = (3 0 4 0 0) = (c c 2 c 3 c 4 c 5 ), X t = (X X 2 X 3 X 4 X 5 ), b = 8 7 = b b 2 7

Tabelas do MST no Exemplo VB X X 2 X 3 X 4 X 5 b Tabela x 4 2 2 0 8 inicial x 5 3 4 0 7 -z 3 0 4 0 0 x 3 / 2 /2 0 4 Tabela 2 x 5 5/2 3 0 - /2 3 -z -4 0-2 0-5 Tabela 3 x 3 * 0 2/5 3/5 -/5 7/5 ótima x * 6/5 0 -/5 2/5 6/5 -z * 0-26/5 0-9/5-2/5-8/5 8

Método Simplex Revisado Todos os coeficientes das Tabelas 2 e 3 podem ser obtidos a partir dos dados originais e da matriz B -. - Para a Tabela 2: 2 0 B = colunas básicas = (a 3 a 5 ) = B - = - Colunas atualizadas da matriz A: / 2 0 / 2 a j - = B a j para j=,5. a = B a = / 2 0 -/ 2 3 = / 2-5 / 2 a 2 = B a = / 2 0 2 -/ 2 4 = - 2 3 9

Método Simplex Revisado Constantes atualizadas das restrições (ou seja os valores das variáveis básicas): b = B b = - / 2 0 8 - / 2 7 C = C - C a = 3-4 0 B = 4 3 Coeficientes de custo relativo atualizados: com sendo o Vetor de - Multiplicadores do Simplex = C B B C j = C - C a j = C j j B j ou j j j j B - = C -C B a =C - a / 2 = 5 / 2 j = 2 C 2 = C - C a = 0-4 0 2 B 2 3 = - 4 0

MSR - Problemas de Minimização - Considere uma Solução Básica Viável inicial (SBV) = Passo: Montar a tabela com a SBV Inicial X B = B b b Solução inicial X B B - Inversa da matriz das colunas básicas - b = B b Valores da variáveis básicas Variável que entra A ser preenchida no Passo 2 Coluna do pivot A ser preenchida no Passo 3 Passo 2: Teste de otimalidade/escolha da variável não-básica que entra Calcular C j = Cj - CB a para toda VNB X j j Se todo C j 0 Parar. Solução Ótima Senão escolha x r com C r < 0 para ser a VNB que entra (preencher a tabela)

MSR - Problemas de Minimização Passo 3: calcular a coluna atualizada do pivot/escolha da VB que sai Achar coluna atualizada do pivot = B a (preencher a tabela) b s = MIN b a i Determinar PARA a ir > 0 x s = ir a r - r b sai, pivot = s a sr Se a ir > 0 Parar. Solução Ilimitada Passo 4: atualizar a SBV, a matriz B -, e o vetor pivoteamento. Voltar ao Passo 2. - b = B b pelo 2

Exemplo completo de aplicação do Método Simplex Revisado Max Z = 3X + X 2 + 3X 3 s. a: 2X Xi + X 2 + X 3 2 X + 2X 2 + 3X 3 5 2X + 2X 2 + X 3 6 0, i =, 3. Colocando este modelo na forma padrão de minimização e identificando os dados originais que serão usados nas iterações do Método Simplex Revisado: a a 2 a 3 a 4 a 5 a 6 X B X X 2 X 3 X 4 X 5 X 6 b S. B. V. X 4 2 0 0 2 b Inicial X 5 2 3 0 0 5 b 2 X 6 2 2 0 0 6 b 3 -Z -3 - -3 0 0 0 0 C C 2 C 3 C 4 C 5 C 6 -Z 0 3

Exemplo - MSR Expressões úteis: = Vetor de multiplicadores do simplex = - CN = CN - C B N a j - = B a j B, = - b = B b 0 0 0 0 0 0 CN - N 2 2 3 2 2 C B B - Passo : C B = (0 0 0) B = N = C N = (-3 - -3) Tabela S.B.V. B - b Variável que entra Coluna Pivot X 4 0 0 2 X 5 0 0 5 Passo 2 Passo 3 X 6 0 0 6 4

Exemplo Passo 2 - Cálculos: = = (0 0 0) I 3 = (0 0 0) C B B - 2 C N = (C C 2 C 3 ) = CN - N = (-3 - - 3) - (0 0 0) 2 3 (-3 - - 3) 2 2 Candidatas a entrar: X,X 2 e X 3. Escolhendo X para entrar (Preencher a Tabela ). - Passo 3 - Coluna do pivot: a = B a = I3 = (Preencher Tabela ) Min b Determinação do pivot: i para a a i i > 0 2 5 6 2 Min,, = = sai X 4 e o pivot = a = 2 2 2 2 2 2 2 2 5

Exemplo Tabela S.B.V. B - b Variável que entra Coluna Pivot X 4 0 0 2 2 X 5 0 0 5 X X 6 0 0 6 2 A seguir efetuar o pivoteamento em B - e b Tabela 2 com nova SBV com X no lugar de X 4. 6

Exemplo Aplicar os Passos 2 4 na Tabela 2 Tabela 2 S.B.V. B - b variável entra coluna pivot X /2 0 0 X 5 -/2 0 4 Passo 2 Passo 3 X 6-0 4 7

Método Simplex Revisado Passo 2-3 Cálculos: = C B B - = (-3/2 0 0) C N = (C 2 C 3 C 4 ) = (- - 3 0) - (-3 / 2 0 0) 2 3 0 (/ 2-3 / 2 3 / 2) 2 0 Candidata a entrar: X 3 (Preencher a Tabela 2). Coluna Pivot: Tabela 2) / 2 0 0 - a 3 = B a 3 = -/ 2 0 0 3 = / 2 5 / 2 0 (Preencher 8

Exemplo Tabela 2 S.B.V. B - b variável entra coluna pivot X /2 0 0 /2 X 5 -/2 0 4 X 3 5/2 X 6-0 4 0 Determinação do Pivot: b Min i para a > 0 a i3 i3 4 8 Min, = sai X 5 e o pivot = a 23 5 5 2 2 = 5/2 9

Exemplo Efetuando o pivoteamento em B - e b Tabela 3 com nova SBV com X 3 no lugar de X 5. Tabela 3 S.B.V. B - b variável entra coluna pivot X 3/5 -/5 0 /5 X 3 -/5 2/5 0 8/5 Passo 2 Passo 3 X 6-0 4 20

Método Simplex Revisado Tabela 3 S.B.V. B - b variável entra coluna pivot X 3/5 -/5 0 /5 X 3 -/5 2/5 0 8/5 Passo 2 Passo 3 X 6-0 4 2 0 3 0 2 0 2 0 2 0 0 C B = (-3-3 0) B = N = C N = (- 0 0) Cálculos: = C 3 / 5 / 5 0 B B - = (-3-3 0) = (-6/5-3/5 0) / 5 2 / 5 0 0 2

Exemplo - MSR 0 C N = (C 2 C4 C 5 ) = (- 0 0) - (-6/ 5-3/ 5 0) 2 0 (7/ 5 6/ 5 3/ 5) 2 0 0 C N 0 a SBV da Tabela 3 é ótima: X * * * * * * = / 5, X = 8 / 5, X = 4, X = X = X = 0 3 6 2 4 5 * - Z = C B b = b = (-6 / 5-3 / 5 0) B 2 5 6 = - 27 / 5 * * W = - Z = 27 / 5 22

Método do Big M para inicialização do MSR Nas restrições onde não há Variáveis Naturais (originais e de folga) do modelo que possam ser variáveis básicas são incorporadas novas Variáveis denominadas Artificiais. Estas Variáveis Artificiais ( 0) também são incorporadas à função objetivo recebendo, para modelos de Minimização (Maximização), coeficientes penalizantes dados por M (-M), onde M é um número positivo suficientemente grande com relação aos demais coeficientes envolvidos com o modelo original. Desta maneira obtém-se uma solução básica viável inicial para o modelo ampliado que contém todas as variáveis artificiais. 23

Método do Big M para inicialização do MSR Aplica-se o MSR anteriormente ao modelo ampliado, buscando a substituição das Variáveis Artificiais (VA) básicas por Variáveis Naturais (Decisão e de Folga) do modelo original. As VA que se tornam não-básicas podem ser desconsideradas nas iterações subseqüentes do MSR. A aplicação do MSR ao modelo ampliado pode levar a duas situações: (A) Existe VA como variável básica na solução ótima do modelo ampliado neste caso a conclusão é que o modelo original é inviável. (B) Não existe VA como variável básica na solução ótima do modelo ampliado neste caso o modelo original é viável e uma solução ótima com Variáveis Naturais do modelo original foi obtida. 24

Exemplo de aplicação do MSR com Big M Min Z = -3 X + X 2 + X 3 s. a: X - 2X2 + X3-4X + X2 + 2X3 3 2X - X3 = - Xi 0, i =, 3. () (2) (3) (4) Modelo original na forma padrão: Sendo X 4 e X 5 as variáveis de folga para as restrições () e (2), respectivamente; Y, e Y 2 as variáveis artificiais para as restrições (2) e (3), respectivamente. Min Z = -3X + X 2 + X 3 + MY + MY 2 Sujeito a: X - 2X2 + X3 + X4 = () - 4X + X2 + 2X3 - X5 + Y = 3 (2) - 2X + X3 + Y2 = (3) Xi 0, i =, 5. Yj 0, j =, 2. (4) 25

Aplicação do MSR com Big M Identificação dos dados originais A = C = a a a a a a a 2 3 4 5 6 7 2 0 0 0 4 2 0 0 2 0 0 0 0 C C C C C C C 2 3 4 5 6 7 3 0 0 M M b = 3 b b b 2 3 26

Aplicação do MSR com Big M Tabela X B B - b variável entra coluna pivot X 4 0 0 Y 0 0 3 Passo 2 Passo 3 Y 2 0 0 Dados referentes a solução básica viável da Tabela : C B = (0 M M), B = 0 0 0 0 0 0, N = -2 0-4 2 - -2 0 0, C = -3 0 N Cálculos: = (O M M) I 3 = (0 M M) 2 0 CN = C C C C = -3 0-0 M M = M -M -M M 2 0 0 2 3 5 4 2 27

Aplicação do MSR com Big M Tabela X B B - b variável entra coluna pivot X 4 0 0 Y 0 0 3 X 3 Passo 3 Y 2 0 0 Variáveis X 2 e X 3 são candidatas a entrar. Escolhendo X 3 (preencher a Tabela ). para entrar - Coluna do pivot: a 3 = B a 3 = I3 2 = 2 (preencher Tabela ) 28

Aplicação do MSR com Big M Tabela X B B - b variável entra coluna pivot X 4 0 0 Y 0 0 3 X 3 2 Y 2 0 0 Determinação do pivot: Min b a i i 3, a > 0 3 2,, = Sai Y e o pivot = a =. i3 2 33 Nova SBV: Pivotear em - a 33, B, b na Tabela Tabela 2. 29

Aplicação do MSR com Big M Tabela 2 X B B - b variável entra coluna pivot X 4 0-0 Y 0-2 Passo 2 Passo 3 X 3 0 0 Dados referentes a SBV da Tabela 2: C B = (0 M ), B = 0 0 2 0 0, N = -2 0 0-4 - 0-2 0 0, C = -3 0 M N Cálculos: = (O M ) 0 0 2 0 0 = (0 M -M) 2 0 0 CN = C C C C = -3 0 M - 0 M -M = - -M M M 2 0 0 2 5 7 4 0 30

Aplicação do MSR com Big M X B B - Tabela 2 b variável entra coluna pivot X 4 0-0 Y 0-2 X 2 X 3 0 0 Variáveis X e X 2 são candidatas a entrar. Escolhendo X 2 entrar (preencher a Tabela 2). para 0 - -2-2 - Coluna do pivot: a 2 = B a 2 = 0-2 = (preencher Tabela 2) 0 0 0 0 3

Aplicação do MSR com Big M Tabela 2 X B B - b variável entra coluna pivot X 4 0-0 -2 Y 0-2 X 2 X 3 0 0 0 Determinação do pivot: Min b a i i2, a i2 > 0 Min = sai Y e o pivot = a =. 22 Nova SBV: Pivotear em - a 22, B, b na Tabela 2 Tabela 3. 32

Aplicação do MSR com Big M Tabela 3 X B B - b variável entra coluna pivot X 4 2-5 2 X 2 0-2 Passo 2 Passo 3 X 3 0 0 Dados referentes a solução básica viável da Tabela 3: C B = (0 ), B = 2 0 2 0 0 2 5 0 2 0 0, N = 0 0 0-4 - 0-2 0 0 Cálculos: = (0 ) = (0-2), C = -3 0 M M 0 0 0 CN = C C C C = -3 0 M M - 0-2 = - - M M 2 0 0 33 5 6 7 4 0 N

Aplicação do MSR com Big M Tabela 3 X B B - b variável entra coluna pivot X 4 2-5 2 X 2 0-2 X X 3 0 0 Variável X é candidata única a entrar. (Preencher a Tabela 3). 2-5 3 - Coluna do pivot: a = B a = 0-2 -4 = 0 (preencher Tabela 3) 0 0-2 -2 34

b a i Min, a > 0 Min i Aplicação do MSR com Big M Tabela 3 X B B - b variável entra coluna pivot X 4 2-5 2 3 X 2 0-2 X 0 X 3 0 0-2 Determinação do pivot: 2 3 i = 4 sai X e o pivot = a = 3. 4 Nova SBV: Pivotear em - a, B, b na Tabela 3 Tabela 4. 35

Aplicação do MSR com Big M Tabela 4 X B B - b variável entra coluna pivot X /3 2/3-5/3 4 X 2 0-2 X 3 2/3 4/3-7/3 9 Dados referentes a SBV da Tabela 4: C B = (-3 ), B = 2-0 0 0 4 2, N = 0-0 2 0 0 0 0 Cálculos: = (-3 ) = (-/3 /3 2/3) / 3 2 / 3 5 / 3 0 2 2 / 3 4 / 3 7 / 3, C = 0 0 M M N 36

Aplicação do MSR com Big M 0 0 0 C = C C N C C = 0 0 M M - - / 3 / 3 2 / 3 = / 3 / 3 M M 0 0 0 4 5 6 7 0 0 Como não há VNB candidatas a entrar. A solução da Tabela 4 é ótima. * X * * * * = 4, X =, X = 9, X = X = 0. 2 3 4 5 * Z = C b = -3 B 4 9 = - 2 37