Universidade Federal de Goiás Instituto de Matemática e Estatística

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

Universidade Federal de Goiás Instituto de Matemática e Estatística

PROGRAMAÇÃO LINEAR E APLICAÇÕES

Universidade Federal de Goiás Instituto de Matemática e Estatística

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

Professor: Rodrigo A. Scarpel

Combinando inequações lineares

Resolvendo algebricamente um PPL

O método de enumeração de soluções básicas é muito ineficiente.

Teoremas de dualidade

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

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

Combinando inequações lineares

Tópicos Especiais em Computação I

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

Introdução à Pesquisa Operacional - Otimização Linear

Problema de Designação. Fernando Nogueira Problema de Designação 1

No exemplo há duas variáveis básicas: ST e LX. Serão agora representadas, em um gráfico bidirecional, tanto as restrições como a função objetivo.

Programação Linear. Dual Simplex: Viabilidade Dual Método Dual Simplex

Pesquisa Operacional Aula 3 Modelagem em PL

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

Pesquisa Operacional. Introdução à Pesquisa Operacional Programação Linear

Programação Linear - Parte 5

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

PROGRAMAÇÃO LINEAR 11º ANO MATEMÁTICA A

Métodos de Pesquisa Operacional

Pesquisa Operacional

Métodos e Medidas II

3) = (10,0,0) é solução ótima do problema abaixo: (2 pontos)

Pesquisa Operacional. Prof. José Luiz

Programação Matemática Lista 3

Modelagem Matemática de Problemas de Programação Linear

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

Introdução à Programação Linear

Aula 03: Algoritmo Simplex (Parte 2)

Programação Linear/Inteira

Prof.: Eduardo Uchoa.

Optimização. Carlos Balsa. Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança

Professor João Soares 20 de Setembro de 2004

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

Pesquisa Operacional

Otimização Aplicada à Engenharia de Processos

Unidade: Modelo Simplex e Modelo Dual. Unidade I:

Universidade Federal de Goiás Instituto de Matemática e Estatística

MÉTODO SIMPLEX SOLUÇÃO INICIAL ARTIFICIAL

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

Área disponível para semear: A km 2 Tipo de plantação: trigo ou sevada Quantidade disponível de inseticida = P e fertilizante = F

Programação Matemática

Professor: Rodrigo A. Scarpel

Programação Linear (PL) Solução algébrica - método simplex

Programação Linear/Inteira - Aula 5

Programação Linear. Rosa Canelas 2010

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

Pesquisa Operacional Aula 4 Solução Gráfica em Programação Linear

Pesquisa Operacional

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

α ( u 1 - u 2 ) = u 3 - u 2.

PESQUISA OPERACIONAL 11. SOLUÇÃO ALGEBRICA O MÉTODO SIMPLEX ( ) DEFINIÇÕES REGRAS DE TRANSFORMAÇÃO. Prof. Edson Rovina Página 16

Investigação Operacional E-FÓLIO A. Ano lectivo 2015/2016. Proposta de Resolução

MÓDULO 3 - PROBLEMAS DE TRANSPORTE

Aula 07: Análise de sensibilidade (2)

Simplex. Transparências de apoio à leccionação de aulas teóricas. c 2011, 2009, 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP

Simplex. Investigação Operacional José António Oliveira Simplex

Cap ıtulo 1 Exerc ıcios de Formula c ao Enunciados

Investigação Operacional

Capítulo 5 - Optimização Não-Linear

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

Min cx (1) s a Ax = b (2) 0 x u, (3) sendo que b i = 0 (4)

4- Dualidade em Programação Linear

DISCIPLINA: Investigação Operacional ANO LECTIVO 2009/2010

Universidade Federal de Goiás Instituto de Matemática e Estatística

Exemplo de um problema de transporte, com 3 fontes e 3 destinos. Custos unitários de transporte para o exemplo de problema de transporte

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

Exemplo: Maximização de lucros em uma chocolateria que produz os seguintes produtos: (1) Chocolate Pyramide (2) Chocolate Pyramide Nuit

Otimização Combinatória - Parte 4

pontos: f(1)=2, f(2)=3, f(3)=5, f(5)=10 e f(6)=30.

MS428 - RESOLUÇÃO DA PROVA 02-19/10/2010 Prof. Moretti - Respostas sem justificativas não serão consideradas para correção

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

Pesquisa Operacional. Prof. José Luiz

Aula 10: Revisão Otimização Linear e Inteira Túlio A. M. Toffolo

Marina Andretta. 10 de outubro de Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis.

Unidade II PESQUISA OPERACIONAL. Profa. Ana Carolina Bueno

3- O MÉTODO SIMPLEX Introdução e fundamentos teóricos para o Método Simplex

Assim, podemos usar o método algébrico para resolver o problema. A função objetivo atingirá o máximo num dos vértices da região admissível.

Problemas de Fluxos em Redes

LISTA SOBRE MÉTODO SIMPLEX

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

Métodos de Pesquisa Operacional I

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

INTRODUÇÃO À ENGENHARIA

Teste 1 de Matemática I - Curso de Arquitectura

Programação Linear. (3ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016

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

Programação Linear - Parte 1

OTIMIZAÇÃO. O processo de otimização normalmente involve a procura de pontos de máximos e mínimos de uma função.

Representação de poliedros

Pesquisa Operacional

Curso: Especialização em Engenharia de Processos e de Sistemas de Produção - Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

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

Resolução de PL usando o método Simplex

Transcrição:

Universidade Federal de Goiás Instituto de Matemática e Estatística Prova 1 de Pesquisa Operacional Prof.: Fabiano F. T. dos Santos Goiânia, 16 de abril de 2014 Aluno: Nota: Descreva seu raciocínio e desenvolva todas as contas. Não utilize caneta vermelha. Responda todas as perguntas nas folhas correspondentes. O pessimista reclama do vento, o otimista espera que ele mude, o realista ajusta as velas. (Provérbio chinês)

Questão 1 Considere o seguinte conjunto de restrições: 2x 1 + 3x 2 6 x 1 5 x 2 5 x 1 0, x 2 0 Resolva, pelo método gráco, cada um dos PPL's abaixo. a) MAXIMIZAR: Z = 2x 1 + 3x 2, sujeito às restrições dadas. (1,00 ponto) b) MINIMIZAR: Z = 2x 1 + 3x 2, sujeito às restrições dadas. (1,00 ponto) SOLUÇÃO A região de soluções viáveis é: a) Veja que quando Z cresce, as retas 2x 1 + 3x 2 = z (em laranja) caminham em direção ao vértice (5, 5). Como esse é um problema de maximização, a solução ótima é (5, 5) e o valor máximo de Z é 25. b) Observe que quando Z decresce, as retas 2x 1 + 3x 2 = z (em laranja) caminham em direção ao segmento de extremos (3, 0) e (0, 2).

Como esse é um problema de minimização, existem múltiplas soluções: (x 1, x 2 ) = w 1 (3, 0) + w 2 (0, 2), com w 1 + w 2 = 1, w 1 0 e w 2 0. Nesse caso, o valor mínimo de Z é 6.

Questão 2 Uma rodovia ligando duas cidades muito importantes será construída. Infelizmente, não estão disponíveis na região, jazidas de rochas adequadas à obtenção de pedra britada (material essencial para a construção de tal rodovia). Faz-se necessário o transporte desse material de jazidas mais próximas para alguns pontos convenientes preestabelecidos ao longo do caminho onde será implantada a rodovia, ao menor custo. Na gura abaixo, são apresentados todos os caminhos posíveis que ligam cada pedreira (P 1, P 2, P 3 e P 4 ) aos depósitos (D 1, D 2 e D 3 ). As quantidades ofertadas e demandadas, em toneladas, bem como o custo, em reais, para transportar 1 tonelada de pedra da pedreira i para o depósito j, são dados na tabela abaixo Formule (não precisa resolver) um problema de programação linear com o objetivo de minimizar o custo de se transportar pedra britada das pedreiras para os depósitos (Dena claramente as variáveis de decisão, função objetivo e o signicado das restrições). (3,00 pontos) SOLUÇÃO Sejam x ij = quantidade de pedra britada transportada da pedreira i para o depósito j, com i = 1, 2, 3, 4 e j = 1, 2, 3. Z = custo para transportar a pedra britada das pedreiras para o depósito. O custo pode ser representado por Z = 30x 11 + 13x 12 + 21x 13 + 12x 21 + 40x 22 + 26x 23 + 27x 31 + 15x 32 + 35x 33 + 37x 41 + 25x 42 + 19x 43. A oferta de pedra britada nas pedreiras 1,2,3 e 4 gera, respectivamente, as seguintes restrições: x 11 + x 12 + x 13 433, x 21 + x 22 + x 23 215, x 31 + x 32 + x 33 782 e x 41 + x 42 + x 43 300.

A demanda nos depósitos 1,2 e 3 gera, respectivamente, as seguintes restrições: x 11 + x 21 + x 31 + x 41 = 697, x 12 + x 22 + x 32 + x 42 = 421 e x 13 + x 23 + x 33 + x 43 = 612. As restrições de não-negatividade são: x ij 0, i = 1, 2, 3, 4, j = 1, 2, 3. Logo, o problema de programação linear é: Minimizar: Z = 30x 11 + 13x 12 + 21x 13 + 12x 21 + 40x 22 + 26x 23 + 27x 31 + +15x 32 + 35x 33 + 37x 41 + 25x 42 + 19x 43 Sujeito a: x 11 + x 12 + x 13 433 x 21 + x 22 + x 23 215 x 31 + x 32 + x 33 782 x 41 + x 42 + x 43 300 x 11 + x 21 + x 31 + x 41 = 697 x 12 + x 22 + x 32 + x 42 = 421 x 13 + x 23 + x 33 + x 43 = 612 x ij 0, i = 1, 2, 3, 4, j = 1, 2, 3.

Questão 3 Um carpinteiro possui 6 peças de madeira e dispõe de 28 horas de trabalho para confeccionar biombos ornamentais. Dois modelos venderam muito bem no passado, de maneira que ele se limitou a esses dois tipos. O modelo I requer 2 peças de madeira e 7 horas de trabalho, enquanto o modelo II necessita de 1 peça de madeira e 8 horas de trabalho. Os preços são, respectivamente, 120 e 80 reais. Quantos biombos de cada modelo o carpinteiro deve montar se desejar maximizar o rendimento obtido com as vendas? Elabore um problema de programação linear e resolva-o via método simplex. (4,00 pontos) SOLUÇÃO Sejam x i = número de biombos do modelo i, com i = 1, 2. Z = rendimento obtido com as vendas. O problema de programação linear é: Maximizar: Z = 120x 1 + 80x 2 Sujeito a: 2x 1 + x 2 6 7x 1 + 8x 2 28 x 1 0, x 2 0 Acrescentando as variáveis de folga x 3 = 6 2x 1 x 2 e x 4 = 28 7x 1 8x 2, o problema na forma aumentada ca assim: Maximizar: Z Sujeito a: Z 120x 1 80x 2 = 0 (I) 2x 1 + x 2 + x 3 = 6 (II) 7x 1 + 8x 2 + x 4 = 28 (III) x 1 0, x 2 0, x 3 0, x 4 0 Na inicialização, as variáveis não-básicas são x 1 e x 2 (x 1 = x 2 = 0), a solução BV inicial é (0, 0, 6, 28) e Z = 0. Essa não é uma solução ótima, pois Z pode ser aumentada, aumentando-se x 1 ou x 2. A taxa de crescimento de Z é maior utilizando-se x 1 ; logo ela passará a ser básica. Devemos aplicar o teste da razão mínima para decidir quem deixa de ser básica: x 3 = 6 2x 1 0 e x 4 = 28 7x 1 0 x 1 3. Quando x 1 alcança seu valor máximo, que é 3, x 3 torna-se zero; logo, x 3 deixará de ser básica. Precisamos reescrever o problema a m de reestruturar as equações: Multiplicando a equação (II) por 1/2, obtemos x 1 + 1 2 x 2 + 1 2 x 3 = 3 ( ). Multiplicando a equação ( ) por 120 e somando coma equação (I), obtemos Z 20x 2 +60x 3 = 360. Multiplicando a equação ( ) por -7 e somando com a equação (III), obtemos 9 2 x 2 7 2 x 3 + x 4 = 7. O novo sitema é:

Z 20x 2 + 60x 3 = 360 (I) x 1 + 1 2 x 2 + 1 2 x 3 = 3 (II) 9 2 x 2 7 2 x 3 + x 4 = 7 (III) As variáveis não-básicas são x 2 e x 3 (x 2 = x 3 = 0) e a solução BV é (3, 0, 0, 7), com Z = 360. Essa não é uma solução ótima, pois Z pode ser aumentada, aumentando-se x 2. Devemos aplicar o teste da razão mínima para decidir quem deixa de ser básica: x 1 = 3 1 2 x 2 0 e x 4 = 7 9 2 x 2 0 x 2 14 9. Quando x 2 alcança seu valor máximo, que é 14 9, x 4 torna-se zero; logo, x 4 deixará de ser básica. Precisamos reescrever o problema a m de reestruturar as equações: Multiplicando a equação (III) por 2/9, obtemos x 2 7 9 x 3 + 2 9 x 4 = 14 9 ( ). Multiplicando a equação ( ) por -1/2 e somando coma equação (II), obtemos x 1 + 8 9 x 3 1 9 x 4 = 20 9. Multiplicando a equação ( ) por 20 e somando com a equação (I), obtemos Z+ 400 9 x 3+ 40 9 x 4 = 3520 9. O novo sitema é: Z + 400 9 x 3 + 40 9 x 4 = 3520 9 x 1 + 8 9 x 3 1 9 x 4 = 20 9 x 2 7 9 x 3 + 2 9 x 4 = 14 9 As variáveis não-básicas são x 3 e x 4 (x 3 = x 4 = 0) e a solução BV é ( 20, 14 3520, 0, 0), com Z = 9 9 9. Essa é a solução ótima, pois Z não pode mais ser aumentado. Assim, a solução ótima do problema é ( 20, 14 3520 ) e o rendimento máximo é de reais. 9 9 9

Questão 4 Dê um exemplo de um problema de programação linear que não tenha soluções (Obviamente, você deve explicar por que o problema não tem nenhuma solução). (1,00 ponto) SOLUÇÃO Existem inúmeros exemplos. Problemas com regiões ilimitadas ou regiões desconexas são os mais simples. Considere, por exemplo, o seguinte problema de programação linear: Maximizar: Z = x 1 + x 2 Sujeito a: x 2 5 x 1 0, x 2 0 Note que aumentando-se Z, as retas x 2 = x 1 + Z não conseguem fugir da região de soluções viáveis, pois tal região é ilimitada: Isso signica que Z pode ser aumentado indenidamente; logo, o problema não possui solução.