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

Documentos relacionados
Programação Linear. (2ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016

Programação Linear. (4ª parte) Informática de Gestão Maria do Rosário Matos Bernardo 2016

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

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

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

Investigação Operacional

Métodos e Medidas II

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

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

EXERCÍCOS DES TESTES/EXAMES DE ANOS ANTERIORES (LEGI-IST-JRF)

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

Pesquisa Operacional Aula 3 Modelagem em PL

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

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

Otimização Aplicada à Engenharia de Processos

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

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

Lema de Farkas e desigualdades lineares

Pesquisa Operacional. Introdução à Pesquisa Operacional Programação Linear

Programação Linear. Gabriel Ferreira Gabriel Tutia Gabriel Yida Thiago Ferraz

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

UTILIZAÇÃO DE PROGRAMAÇÃO LINEAR EM UMA MICROEMPRESA DE USINAGEM

PESQUISA OPERACIONAL. UNIDADE 2 Visão Geral do Modelo

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

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

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

Combinando inequações lineares

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

Pesquisa Operacional

PROGRAMAÇÃO LINEAR 11º ANO MATEMÁTICA A

Unidade II PESQUISA OPERACIONAL. Profa. Ana Carolina Bueno

Pesquisa Operacional. Prof. José Luiz

Professor João Soares 20 de Setembro de 2004

Programação Linear. Rosa Canelas 2010

Aplicações de PL possíveis até o momento

Tópicos Especiais em Computação I

Investigação Operacional

Combinando inequações lineares

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

Problemas envolvendo. Prof. Félix Monteiro Pereira

Modelos em Programação Linear Inteira

OTIMIZAÇÃO DE UMA FORMULAÇÃO ALIMENTÍCIA UTILIZANDO PROGRAMAÇÃO LINEAR VISANDO DIMINUIÇÃO DE CUSTO

PESQUISA OPERACIONAL INTRODUÇÃO À DISCIPLINA HISTÓRICO CARACTERÍSTICAS

Programação Matemática

Programação Linear (PL)

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Prof.: Eduardo Uchoa.

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

Programação Linear. Dualidade

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

PROGRAMAÇÃO LINEAR E APLICAÇÕES

Pesquisa Operacional. Introdução à Pesquisa Operacional Programação Linear

Matemática Aplicada Nt Notas de aula

Pesquisa Operacional

Programação Linear/Inteira

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

Cap. 2 Pesquisa Operacional na Tomada de Decisão

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

Otimização Aplicada à Engenharia de Processos

DECISÕES ESTRATÉGICAS DE CURTO PRAZO: Programação Linear

Graduação em Engenharia Elétrica MÉTODOS DE OTIMIZAÇÃO ENE081. PROF. IVO CHAVES DA SILVA JUNIOR

PESQUISA OPERACIONAL Introdução. Professor Volmir Wilhelm Professora Mariana Kleina

α ( u 1 - u 2 ) = u 3 - u 2.

Vânio Correia Domingos Massala

PEA 2522 MÉTODOS DE OTIMIZAÇÃO. Otimização

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

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

Problemas de Fluxos em Redes

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

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

Problemas em Programação Linear Resolução e Análise de Sensibilidade

Métodos de Pesquisa Operacional

PROPOSTA DE MAXIMIZAÇÃO DE LUCROS ATRAVÉS DE UM MODELO MATEMÁTICO COM USO DA PROGRAMAÇÃO LINEAR EM UMA DOCERIA DE FORTALEZA, CEARÁ

Investigação Operacional

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

Modelagem Matemática I

Anais do IV Simpósio de Engenharia de Produção - ISSN:

Pesquisa Operacional Aula 4 Solução Gráfica em Programação Linear

Slide 1. c 2000, 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP

Investigação Operacional

Representação de poliedros

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

Modelagem Matemática de Problemas de Programação Linear

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

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

Programação Matemática. Método Simplex

Programação Linear - Parte 5

II. Programação Linear (PL)

Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL

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

Problema de Designação. Fernando Nogueira Problema de Designação 1

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

Disciplina que estuda métodos analíticos para auxiliar na tomada de decisões.

1 Despacho económico

GE-814: Introdução à Avaliação Operacional

1 Otimização com restrições I: Condições de Primeira Ordem

CLP(X) Na Programação em Lógica, a operação fundamental que se executa na passagem de parâmetros é a unificação de termos de Herbrand.

Aula 01: Introdução Otimização Linear e Inteira Túlio A. M. Toffolo

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

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

Transcrição:

Programação Linear (1ª parte) Informática de Gestão 61020 Maria do Rosário Matos Bernardo 2016

Conteúdos Introdução O modelo de programação linear: Problema de minimização Exemplo Formalização Problema de maximização Exemplo Formalização 2016 Maria do Rosário Matos Bernardo 2

Introdução A programação linear é um ramo da programação matemática que faz parte dos métodos quantitativos de apoio á tomada de decisão. Os problemas de programação matemática normalmente dizem respeito à afetação de recursos escassos a usos alternativos, de forma a satisfazer um objetivo sujeito a um conjunto, mais ou menos alargado, de condições ou restrições, a solução que satisfaz simultaneamente a função objetivo e as restrições é chamada a solução ótima do problema. A programação linear é aplicável quando o objetivo e as restrições do problema podem ser traduzidas por funções lineares. Este método pode ser utilizado na resolução de problemas das mais diversas áreas nomeadamente: economia, gestão, física e engenharia. 2016 Maria do Rosário Matos Bernardo 3

O modelo de programação linear (1/3) Um problema de programação é formalizado através de um modelo que inclui: N variáveis para as quais se pretende determinar o valor ótimo que satisfaça quer a função objetivo quer as restrições do problema. Uma função objetivo que pode ser de minimização, por exemplo minimização do custo de produção de um produto; ou de maximização, por exemplo do lucro de venda de um conjunto de produtos. A função objetivo é representada por uma função linear. 2016 Maria do Rosário Matos Bernardo 4

O modelo de programação linear (2/3) M restrições, ou condições, que as combinações de variáveis devem respeitar. As restrições são funções lineares e normalmente são representadas por inequações (desigualdades) de menor ou igual, no caso de problemas de minimização, ou de maior ou igual, no caso de problemas de maximização. Contudo podem existir restrições de maior ou igual nos problemas de minimização e restrições de menor ou igual nos problemas de maximização, ou mesmo restrições de igual em qualquer um dos problemas. 2016 Maria do Rosário Matos Bernardo 5

O modelo de programação linear (3/3) N restrições para as variáveis. Normalmente é necessário assegurar que as n variáveis do problema pertencem a um determinado conjunto de valores, por exemplo que são positivas, ou que são negativas, ou mesmo só assumem valores inteiros. Quando se pretende que as variáveis não assumam valores negativos estamos perante condições de não negatividade. 2016 Maria do Rosário Matos Bernardo 6

O problema de minimização (1/2) Min z = f (x1, x2,, xn) Função objetivo suj. a g1 (x1, x2,, xn) 0 g2 (x1, x2,, xn) 0. Restrições do problema.. gm (x1, x2,, xn) 0 x1, x2,, xn 0 Condições de não negatividade 2016 Maria do Rosário Matos Bernardo 7

O problema de minimização (2/2) Os problemas de minimização podem apresentar outras formas, nomeadamente restrições de igualdade ou de menor ou igual. Por uma questão de apresentação, qualquer tipo de restrição pode ser transformado numa restrição equivalente, de maior ou igual, através de manipulação matemática. Contudo, uma vez que não é relevante para os objetivos do presente capítulo, não iremos desenvolver esta questão. Caso tenha interesse, o leitor pode recorrer a manuais de matemática e de programação matemática para explorar esta questão. 2016 Maria do Rosário Matos Bernardo 8

Exemplo de um problema de minimização (1/3) A empresa Horto Belo utiliza normalmente dois tipos diferentes de adubo nos seus terrenos, o adubo químico com um custo de 12 euros por saco e o adubo biológico com um custo de 8 euros por saco. Cada tipo de adubo é constituído por combinações diferentes de nutrientes. No próximo mês, atendendo à dimensão do terreno a ser adubado e às necessidades específicas das suas plantas nesta altura do ano, é necessário assegurar que o terreno recebe no mínimo: 6 gramas do nutriente A; 12 gramas do nutriente B; e 8 gramas do nutriente C. 2016 Maria do Rosário Matos Bernardo 9

Exemplo de um problema de minimização (2/3) Estes nutrientes estão presentes em cada saco de adubo nas seguintes quantidades: Nutriente/Adubo Químico Biológico A 1 grama 1 grama B 1 grama 4 gramas C 3 gramas 1 grama 2016 Maria do Rosário Matos Bernardo 10

Exemplo de um problema de minimização (3/3) Quantas embalagens devem ser adquiridas de cada tipo de adubo para assegurar as necessidades do terreno ao menor custo? 2016 Maria do Rosário Matos Bernardo 11

Formalização do problema (1/7) 1.º passo: Definir as variáveis do problema: X 1 Número de sacos de adubo químico a adquirir X 2 Número de sacos de adubo biológico a adquirir 2.º passo: Identificar o tipo de problema: Uma vez que se pretende minimizar o custo total com adubo, estamos perante um problema de minimização. 2016 Maria do Rosário Matos Bernardo 12

Formalização do problema (2/7) 3.º passo: Formalizar a função objetivo: Cada saco de adubo químico tem um custo de 12 euros, o custo total com este tipo de adubo será: 12x 1 Cada saco de adubo biológico tem um custo de 8 euros, o custo total com este tipo de adubo será: 8x 2 Função objetivo: Z = 12x 1 + 8x 2 2016 Maria do Rosário Matos Bernardo 13

Formalização do problema (3/7) 4.º passo: Formalização das restrições, ou condições, do problema Restrição 1: O terreno tem de receber no mínimo 6 gramas do nutriente A. O adubo químico possui 1 grama/saco do nutriente A, o total de nutriente A que este adubo pode fornecer ao terreno será: x 1 O adubo biológico possui 1 grama/saco do nutriente A, o total de nutriente A que este adubo pode fornecer ao terreno será: x 2 Restrição 1: x 1 + x 2 6 2016 Maria do Rosário Matos Bernardo 14

Formalização do problema (4/7) Restrição 2: O terreno tem de receber no mínimo 12 gramas do nutriente B. O adubo químico possui 1 grama/saco do nutriente B, o total de nutriente B que este adubo pode fornecer ao terreno será: x 1 O adubo biológico possui 4 grama/saco do nutriente B, o total de nutriente B que este adubo pode fornecer ao terreno será: 4x 2 Restrição 2: x 1 + 4x 2 12 2016 Maria do Rosário Matos Bernardo 15

Formalização do problema (5/7) Restrição 3: O terreno tem de receber no mínimo 8 gramas do nutriente C. O adubo químico possui 3 grama/saco do nutriente C, o total de nutriente C que este adubo pode fornecer ao terreno será: 3x 1 O adubo biológico possui 1 grama/saco do nutriente C, o total de nutriente C que este adubo pode fornecer ao terreno será: x 2 Restrição 3: 3x 1 + x 2 8 2016 Maria do Rosário Matos Bernardo 16

Formalização do problema (6/7) 5.º passo: Condições de não negatividade As variáveis x 1 e x 2 não podem ser negativas, ou seja, vão assumir valores iguais ou superiores a zero 2016 Maria do Rosário Matos Bernardo 17

Formalização do problema (7/7) 6.º passo: O problema traduzido por um modelo de programação linear Min z = 12x 1 + 8x 2 Suj. a: x 1 + x 2 6 x 1 + 4x 2 12 3x 1 + x 2 8 x 1 e x 2 0 2016 Maria do Rosário Matos Bernardo 18

O problema de maximização (1/2) Max z = f (x1, x2,, xn) Função objetivo suj. a g1 (x1, x2,, xn) 0 g2 (x1, x2,, xn) 0. Restrições do problema.. gm (x1, x2,, xn) 0 x1, x2,, xn 0 Condições de não negatividade 2016 Maria do Rosário Matos Bernardo 19

O problema de maximização (2/2) Os problemas de maximização, tal como os problemas de minimização podem apresentar outras formas, com restrições de igual e de maior ou igual. Quanto às condições de não negatividade, estamos a assumir que as variáveis devem ser não negativas, mas podem ter outas condições, como por exemplo serem valores inteiros, ou assumirem valores num determinado limite. Mas para os nossos objetivos vamos assumir que as variáveis respeitam as condições de não negatividade. 2016 Maria do Rosário Matos Bernardo 20

Exemplo de um problema de maximização (1/3) Uma empresa têxtil está a planear a produção de 2 dos seus produtos: saias e calças. Cada um dos produtos tem de passar por 3 secções de produção, nas quais deve permanecer os tempos indicados na tabela seguinte, e a empresa dispõe de um número limitado de horas de trabalho nessas secções (também indicados na tabela). 2016 Maria do Rosário Matos Bernardo 21

Exemplo de um problema de maximização (2/3) Secção Saias (n.º de horas na secção) Calças (n.º de horas na secção) Disponibilidade de horas de trabalho 1 15 7 900 2 10 8 700 3 5 10 600 2016 Maria do Rosário Matos Bernardo 22

Exemplo de um problema de maximização (3/3) Sabendo que o valor de venda de cada saia é 40 euros e o valor de venda de cada par de calças é 30 euros, qual a produção de cada um destes produtos que permite maximizar as receitas de venda, atendendo à capacidade de produção da empresa? 2016 Maria do Rosário Matos Bernardo 23

Formalização do problema (1/7) 1.º passo: Definir as variáveis do problema: X 1 Número de saias a produzir X 2 Número de calças a produzir 2.º passo: Identificar o tipo de problema: Uma vez que se pretende maximizar a receitas das vendas, estamos perante um problema de maximização 2016 Maria do Rosário Matos Bernardo 24

Formalização do problema (2/7) 3.º passo: Formalizar a função objetivo: Cada saia é vendida a 40 euros, logo a receita total a obter com a venda das saias será: 40x 1 Cada par de calças é vendido a 30 euros, logo a receita total a obter com a venda das calças será: 30x 2 Função objetivo: z = 40x 1 + 30x 2 2016 Maria do Rosário Matos Bernardo 25

Formalização do problema (3/7) 4.º passo: Formalização das restrições, ou condições, do problema Restrição 1: A empresa dispõe de 900 horas na secção 1. Cada saia precisa de permanecer 15 horas na secção 1, o total de horas da secção 1 afeto á produção de saias será: 15x 1 Cada par de calças precisa de permanecer 7 horas na secção 1, o total de horas da secção 1 afeto á produção de calças será: 7x 2 Restrição 1: 15x 1 + 7x 2 900 2016 Maria do Rosário Matos Bernardo 26

Formalização do problema (4/7) Restrição 2: A empresa dispõe de 700 horas na secção 2. Cada saia precisa de permanecer 10 horas na secção 2, o total de horas da secção 2 afeto á produção de saias será: 10x 1 Cada par de calças precisa de permanecer 8 horas na secção 2, o total de horas da secção 2 afeto á produção de calças será: 8x 2 Restrição 2: 10x 1 + 8x 2 700 2016 Maria do Rosário Matos Bernardo 27

Formalização do problema (5/7) Restrição 3: A empresa dispõe de 600 horas na secção 3. Cada saia precisa de permanecer 5 horas na secção 3, o total de horas da secção 3 afeto á produção de saias será: 5x 1 Cada par de calças precisa de permanecer 10 horas na secção 3, o total de horas da secção 3 afeto á produção de calças será: 10x 2 Restrição 3: 5x 1 + 10x 2 600 2016 Maria do Rosário Matos Bernardo 28

Formalização do problema (6/7) 5.º passo: Condições de não negatividade As variáveis x 1 e x 2 não podem ser negativas, ou seja, vão assumir valores iguais ou superiores a zero 2016 Maria do Rosário Matos Bernardo 29

Formalização do problema (7/7) 6.º passo: O problema traduzido por um modelo de programação linear Max z = 40x 1 + 30x 2 Suj. a: 15x 1 + 7x 2 900 10x 1 + 8x 2 700 5x 1 + 10x 2 600 x 1 e x 2 0 2016 Maria do Rosário Matos Bernardo 30

2ª parte: Representação e resolução gráfica dos problemas de programação linear (por favor passe para a apresentação seguinte) 2016 Maria do Rosário Matos Bernardo 31