Tópicos Especiais em Computação I

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

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

PROGRAMAÇÃO LINEAR 11º ANO MATEMÁTICA A

Universidade Estadual de Mato Grosso do Sul Sistemas de Informação. Tópicos Especiais em Computação I TEC I Prof. Fabio Henrique N.

PESQUISA OPERACIONAL - LISTA DE EXERCÍCIOS 1

LISTA DE EXERCÍCIOS 1 PESQUISA OPERACIONAL MODELAGEM

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Programação Linear (PL) Solução algébrica - método simplex

Pesquisa Operacional

1ª Lista de Exercícios (Programação Linear: Modelagem, Método Gráfico e Método Simplex)

Método Simplex V 1.1, V.Lobo, EN / ISEGI, 2008

de fevereiro de 2002

PESQUISA OPERACIONAL APLICADA A LOGÍSTICA

DECISÕES ESTRATÉGICAS DE CURTO PRAZO: Programação Linear

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

Universidade Federal de Goiás Instituto de Matemática e Estatística

Pesquisa Operacional

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

Resolução de PL usando o método Simplex

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº4 Pós-Optimização e Análise de Sensibilidade

Programação Linear. Rosa Canelas 2010

Pesquisa Operacional

Vânio Correia Domingos Massala

Pesquisa Operacional

Cap. 2 Pesquisa Operacional na Tomada de Decisão

Sumário. Modelagem. Introdução. Processo de Modelagem 3/30/2016

Otimização Aplicada à Engenharia de Processos

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

Pesquisa Operacional. Prof. José Luiz

Investigação Operacional

Métodos de Pesquisa Operacional I

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

PRODUÇÃO. Introdução a Economia

Unidade II PESQUISA OPERACIONAL. Profa. Ana Carolina Bueno

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

PESQUISA OPERACIONAL. UNIDADE 1 Introdução à Pesquisa Operacional. Prof. Me. Carlos Guimarães

FORMAÇÃO DO PREÇO DE VENDA.

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

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

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

α ( u 1 - u 2 ) = u 3 - u 2.

TÓPICO 9 PLANEJAMENTO MESTRE DA PRODUÇÃO (PMP) E CÁLCULO DAS NECESSIDADES DE MATERIAIS (MRP) Aulas 16 e 17

Programação Linear (PL)

GESTÃO DA PRODUÇÃO E LOGÍSTICA. Aula 5 Projeto da Rede de Suprimentos

Normal Montanha Competição Preço de venda Custos variáveis Fábrica Fábrica

Investigação Operacional

LISTA DE EXERCÍCIOS 1 PESQUISA OPERACIONAL MODELAGEM

Otimização. Conceitos Fundamentais. Paulo Henrique Ribeiro Gabriel Faculdade de Computação Universidade Federal de Uberlândia 2016/2

Métodos Numéricos. Turma CI-202-X. Josiney de Souza.

x 2 (75;25) (50;40) x 1 Sendo a resposta (50;40).

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

MÉTODO SIMPLEX SOLUÇÃO INICIAL ARTIFICIAL

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

MAXIMIZAÇÃO DO FATURAMENTO DE UMA EMPRESA DO SETOR ENERGÉTICO COM BASE NA PROGRAMAÇÃO LINEAR

Ferramenta de Suporte à Tomada de Decisão na Indústria Têxtil

Contabilidade de Custos

Problema de Designação. Fernando Nogueira Problema de Designação 1

Aplicações de PL possíveis até o momento

Pesquisa Operacional 1. Aula 5- Modelagem de problemas. Profa. Milena Estanislau Diniz 2º Semestre/2011

Otimização. Utilizando o OpenOffice-Calc para Solução de Problemas de Otimização. Paulo Henrique Ribeiro Gabriel

Francisco Cavalcante Alocação dos gastos fixos para o contrato. Alocação da meta de lucro para o contrato

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

Clovis Alvarenga-Netto

GESTÃO DE CUSTOS Caderno de Exercícios. Professor: CÉLIO CORRÊA DOS SANTOS,Me

4 Oferecem uma representação do mundo real para geração. 4 Dão ao analista um grau de liberdade considerável para a

O Método Simplex. Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto

USO DO SOLVER PARA MAXIMIZAR O LUCRO EM UMA PRODUÇÃO DE GASOLINA

Aula Nº 5 Custeio por Absorção

LISTA DE EXERCÍCIOS II

Dualidade e Análise de Sensibilidade

Geometria analítica - Programação linear

Exercícios de Aprofundamento Matemática Funções Quadráticas

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

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

IMPLEMENTAÇÃO E RESOLUÇÃO DE MODELOS MATEMÁTICOS UTILIZANDO A PLANILHA EXCEL

Programação Matemática /2011

Problemas de Fluxos em Redes

CONTABILIDADE GERENCIAL. Aula 12 Exercícios de Fixação. Prof.: Marcelo Valverde

EXERCÍCIOS DE ESTRUTURA SEQUENCIAL

Exercícios de Transportes Enunciados

INEQUAÇÕES ESPECIALIZAÇÃO EM INSTRUMENTAÇÃO PARA O ENSINO DE MATEMÁTICA. Prof. M.Sc. Armando Paulo da Silva 1

INVESTIGAÇÃO OPERACIONAL. Programação Linear. Exercícios

Investigação Operacional

Transparências de apoio à lecionação de aulas teóricas. c 2012, 2011, 2009, 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP

Prof. Denise Benino - UNINOVE

* O que originou a designação Operational Research no Reino Unido, A origem da Investigação Operacional (IO)?

Quinta-feira, 11 de abril

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº3: Dualidade. Interpretação Económica.

Universidade Católica de Petrópolis. Matemática 1. Funções Funções Polinomiais v Baseado nas notas de aula de Matemática I

Professor: Rodrigo A. Scarpel

Ministério da Educação Universidade Tecnológica Federal do Paraná. Campus Apucarana Departamento Acadêmico de Matemática

Custos Diretos são facilmente alocados à produção. E os custos indiretos?

CAPÍTULO IV PROGRAMAÇÃO LINEAR INTEIRA (PLI)

5 Análise de Sensibilidade

Optimização em Redes e Não Linear

Formulação e problemas típicos

Conteúdo. Introdução. Notas. Programação Linear Inteira, Introdução. Notas. Notas

O método Simplex Aplicado ao Problema de Transporte (PT).

Transcrição:

Tópicos Especiais em Computação I Pesquisa Operacional Exercícios (Simplex) Prof. Fabio Henrique N. Abe Fabio.henrique.abe@gmail.comd

Método Simplex Desenvolvido por George Dantzig em 1947 É um procedimento Algébrico que utiliza conceitos Geométricos Requisitos para uso: Precisa ser um problema de Maximização; Todas as restrições funcionais devem ser na forma ; Todas as variáveis devem possui restrições de nãonegatividade; Todos os lados direitos devem ser não-negativos.

Método Simplex Conceito 1 O Simplex se concentra apenas em soluções FPE. Conceito 2 O Simplex é um Algoritmo Iterativo. Conceito 3 Sempre que possível o Simplex opta pela origem. Conceito 4 O Simplex opta por buscar sempre uma solução melhor adjacente à solução atual Conceito 5 A solução adjacente escolhida é aquela que tem a maior taxa de crescimento em Z Conceito 6 O Simplex verifica se as duas soluções adjacentes possuem taxa de crescimento positiva, caso contrário, a solução atual é a ótima

Configurando o Simplex Maximizar Z = 3x 1 + 5x 2 (1) x 1 4 (2) 2x 2 12 (3) 3x 1 + 2x 2 18 (4) x i 0, para i = 1,2 Maximizar Z - 3x 1-5x 2 = 0 (1) x 1 + x 3 = 4 (2) 2x 2 + x 4 = 12 (3) 3x 1 + 2x 2 + x 5 = 18 (4) x i 0, p/ i = 1,2,3,4,5 Forma Original do Modelo Forma Aumentada do Modelo

Configurando o Simplex x3, x 4 e x 5 recebem o nome de variáveis de folga; Se a variável de folga for igual a zero na solução atual, então essa solução está no limite de restrição para a restrição funcional correspondente; Se a variável de folga possui um valor maior que zero, significa que a solução está no lado viável da restrição funcional correspondente; Se a variável de folga possui um valor menor que zero, significa que a solução está no lado inviável da restrição funcional correspondente;

Simplex Revisão de Termos Conhecidos: Solução: Solução em Ponto Extremo: Solução Inviável: Solução Viável: Solução Viável em Ponto Extremo:

Simplex Solução Aumentada Solução para as variáveis de decisão originais, acrescidas dos valores das ariáveis de folga; Solução Básica Solução em ponto extremo aumentada; Solução Básica Viável Solução FPE aumentada

Simplex Maximizar Z - 3x 1-5x 2 = 0 (1) x 1 + x 3 = 4 (2) 2x 2 + x 4 = 12 (3) 3x 1 + 2x 2 + x 5 = 18 (4) x i 0, para i = 1,2,3,4,5 5 Variáveis 3 Equações Funcionais 2 Graus de Liberdade 2 Variáveis não básicas 3 Variáveis básicas Variáveis não básicas são configuradas em zero Os valores das variáveis básicas são obtidos como a solução simultânea das equações O conjunto de variáveis básicas é conhecido como base Se as variáveis básicas satisfazerem as restrições de não-negatividade, então a solução básica é uma solução básica viável.

Exercício Simplex Maximizar Z = 10x 1 + 12x 2 Sujeito a x 1 + x 2 100 x 1 + 3x 2 270 x i 0, para i = 1, 2 Solução em: https://youtu.be/uendv1khpcw

Exercícios Uma companhia fabrica dois produtos P1 e P2 que utilizam os mesmos recursos produtivos: matéria-prima, forja e polimento. Cada unidade de P1 exige 4 horas de forjaria, 2 h de polimento e utiliza 100 unidades de matéria-prima. Cada unidade de P2 requer 2 horas de forjaria, 3 h de polimento e 200 unidades de matériaprima. O preço de venda de P1 é R$ 1900,00 e de P2, R$ 2100,00. O mercado só consegue absorver 5 unidades por dia. As disponibilidades são de: 20 h de forja; 10 h de polimento e 500 unidades de matériaprima, por dia. Elabore o modelo que maximize o lucro e resolva utilizando o método tabular.

(Próxima Aula) Um carpinteiro dispõe de 90, 80 e 50 metros de compensado, pinho e cedro, respectivamente. O produto A requer 2, 1 e 1 metro de compensado, pinho e cedro, respectivamente. O produto B requer 1, 2 e 1 metros, respectivamente. Se A é vendido por $120,00 e B por $100,00, quantos de cada produto ele deve fazer para obter um rendimento bruto máximo? Elabore o modelo e resolva utilizando o método tabular.

(Próxima Aula) Um fabricante de fantasias tem em estoque 32 m de brim, 22 m de seda e 30 m de cetim e pretende fabricar dois modelos de fantasias. O primeiro modelo (M1) consome 4m de brim, 2 m de seda e 2 m de cetim. O segundo modelo (M2) consome 2 m de brim, 4 m de seda e 6 m de cetim. Se M1 é vendido a 6.000 u.m. e M2 a 10.000 u.m., quantas peças de cada tipo o fabricante deve fazer para obter a receita máxima? Elabore o modelo e resolva utilizando o método tabular.

Tarefa para 01/06/17 Valor: 2 Pontos dos trabalhos Uma determinada confecção opera com dois produtos: calças e camisas. Como tratam-se de produtos semelhantes, possuem uma produtividade comparável e compartilham os mesmos recursos. A programação da produção é realizada por lotes de produto. O departamento de produção informa que são necessários 10 homens x hora para um lote de calças e 20 homens x hora para um lote de camisas. Sabe-se que não é necessária mão de obra especializada para a produção de calças, mas são necessários 10homens x hora desse tipo de mão de obra para produzir um lote de camisas. O departamento de pessoal informa que a força máxima de trabalho disponível é de 30 homens x hora de operários especializados é de 50 homens x hora de não especializados. Da planta de produção, sabemos que existem apenas duas máquinas com capacidade de produzir os dois tipos de produto, sendo que a máquina 1 pode produzir um lote de calças a cada 20 horas e um lote de camisas a cada 10 horas, não podendo ser utilizada por mais de 80 horas no período considerado. A máquina 2 pode produzir um lote de calças a cada 30 horas e um lote de camisas a cada 35 horas, não podendo ser utilizada por mais de 130 horas no período considerado. São necessários dois tipos de matéria-prima para produzir calças e camisas. Na produção de um lote de calças são utilizados 12 quilos de matéria-prima A e 10 da B. Na produção de um lote de camisas são utilizados 8 quilos da matéria-prima A e 15 da B. O almoxarifado informa que, por imposições de espaço, só pode fornecer 120 quilos de A e 100 quilos de B no período considerado. Sabendo-se que o lucro pela venda é de 800 reais nos lotes de camisas e de 500 reais nos lotes de calças. Formule o modelo que maximiza o lucro da confecção. Resolva a PL utilizando o métod tabular.

(Próxima Aula) Uma empresa possui 4 fábricas onde existe capacidade de produção em excesso. Todas as fábricas estão aptas a produzir um novo produto e a direção decidiu usar desta forma parte da capacidade disponível. Este novo produto pode ser fabricado em 2 tamanhos (grande [G] e médio [M]), que dão um lucro unitário de 40 e 30 reais, respectivamente. As fábricas 1, 2, 3 e 4 têm capacidade em excesso para produzir diariamente 700, 600, 900 e 450 unidades destes produtos, respectivamente, independentemente dos tamanhos ou combinação de tamanhos. O espaço de armazenamento disponível impõe uma limitação na produção do novo produto. As fábricas 1, 2, 3 e 4 têm 10000, 9000, 11000 e 5000 m² de espaço de armazenamento disponível, respectivamente, para um dia de produção. Cada unidade dos produtos G e M produzida por dia necessita de 18 e 14 m², respectivamente. As previsões de vendas indicam que podem ser vendidas diariamente até 850 e até 1250 unidades dos produtos G e M, respectivamente. A direção pretende saber quanto de cada tamanho deve ser produzido em cada fábrica, de modo a maximizar o lucro total. Elabore o modelo e resolva utilizando o método tabular.

Passo a Passo 1) Transforma a PL na versão aumentada (adicionar as variáveis de folga) 2) Escolher a Coluna Pivô (CP) a) Olhar na linha 1 e escolher a coluna com o maior número negativo; 3) Dividir cada valor de b m pelo respectivo item na CP m 4) Escolher a linha com o menor valor positivo da divisão b m /CP m para ser a Linha Pivô (LP) 5) Calcular a Nova Linha Pivô (NLP), dividindo todos os itens da LP pelo Item Pivô (IP). O item pivô fica na intersecção da LP com a CP 6) Para calcular os novos valores de cada linha você deve: a) Multiplicar a NLP pelo respectivo item na CP * (-1) b) Somar o resultado com o valor da linha a ser alterada 7) Reconstruir a tabela com os resultados das novas linhas 8) Caso ainda exista algum valor negativo na primeira linha, voltar no passo 2.