Anda di halaman 1dari 14

CAPTULO 2

Introduo Programao Linear

1. Definio
Um problema de PL consiste em determinar valores no negativos para as variveis de deciso, de forma que satisfaam as restries impostas e que optimizem (minimizem ou maximizem) uma funo (real) linear dessas variveis.

2. Formalizao e modelao matemtica de problemas de PL


Existem 2 formas diferentes de apresentar o modelo, conforme se pretenda maximizar ou minimizar, que so as seguintes :

Maximizar (Minimizar) Sujeito a

Z = c 1 x 1 + c 2 x 2 +L+ c n x n

(1.1)

a 11 x 1 + a 12 x 2 +L+ a 1n x n a 21 x 1 + a 22 x 2 +L+ a 2n x n ...

{ , =, } { , =, }

b1 b2
(1.2)

a m1 x 1 + a m2 x 2 +L+ a mn x n

{ , =, }

bm
(1.3)

x 1 , x 2 , L, x n 0 onde, aij (i = 1, ...,m; j = 1, ...,n) coeficientes tcnicos ou tecnolgicos,

b1, b2, ..., bm termos independentes (constantes de restrio ou segundos membros), c1 , c2, . . . , cn coeficientes da funo objectivo (coeficientes de custo),

14

Formalizao e modelao matemtica de problemas de PL

x1 , x2, . . . , xn variveis de deciso (principais ou controlveis), (1.1) funo objectivo (econmica ou critrio), (1.2) restries (restries funcionais), em que apenas se verifica uma das relaes, (1.3) condies de no negatividade. No entanto, o modelo frequentemente apresentado nas seguintes formas tpicas : Maximizar (Minimizar) Sujeito a Z = c 1 x 1 + c 2 x 2 +L+ c n x n
(2.1)

a 11 x 1 + a 12 x 2 +L+ a 1n x n ( ) b 1 a 21 x 1 + a 22 x 2 +L+ a 2n x n ( ) b 2 ... a m1 x 1 + a m2 x 2 +L+ a mn x n ( ) b m


x 1 , x 2 ,L, x n 0
(2.3) (2.2)

Estas duas formas so to gerais quanto (1.1), (1.2) e (1.3), pois, mediante operaes convenientes, sempre possvel dar a qualquer problema uma daquelas formas. Com efeito, qualquer problema pode ser reduzido a uma destas formas, da seguinte maneira : qualquer problema de minimizao pode converter-se num de maximizao, pois Minimizar Z = Maximizar ( Z) restries do tipo () pode ser convertida em restries do tipo (), mediante a multiplicao por (1) de ambos os membros,

a i1 x 1 + a i2 x 2 + L + a in x n b i a i1 x 1 a i2 x 2 L a in x n b i
restries do tipo (=) pode ser convertida em 2 do tipo () equivalentes, em conjunto, quela,
a i1 x 1 + a i2 x 2 + L + a in x n b i a i1 x 1 + a i2 x 2 + L + a in x n b i

a i1 x 1 + a i2 x 2 + L + a in x n = b i

a i1 x 1 + a i2 x 2 + L + a in x n b i a i1 x 1 a i2 x 2 L a in x n b i

varivel livre (sem restrio de sinal) pode ser substituda pela diferena de variveis no negativas1 ( x j = x 'j x 'j' destas variveis.

com x 'j , x 'j' 0 ), formulando-se de novo o problema em termos

Qualquer nmero pode ser obtido como a diferena de dois nmeros no negativos.

Introduo Programao Linear

Formalizao e modelao de alguns problemas de PL

15

3. Formalizao e modelao de alguns problemas de PL


Problema 1 :

Uma empresa de mobilirio de escritrio pretende lanar um modelo de secretrias e estantes. Pensa-se que o mercado pode absorver toda a produo de estantes, mas aconselha-se que a produo mensal de secretrias no ultrapasse as 160 unidades. Ambos os produtos so processados nas unidades de estampagem (UE) e de montagem e acabamento (UMA). A disponibilidade mensal em cada uma destas unidades de 720 horasmquina (hm) na UE e 880 horashomem (hh) na UMA. Cada secretria necessita de 2hm na UE e de 4 hh na UMA. Cada estante necessita de 4 hm na UE e de 4 hh na UMA. As margens de lucro unitrias estimadas so de 6 contos para as secretrias e de 3 contos para as estantes. Qual o plano de produo mensal para as secretrias e estantes que maximiza a margem de lucro.
Formalizao do problema : Variveis de deciso :
quantidade de secretrias a produzir por ms (x1) quantidade de estantes a produzir por ms (x2)

Funo objectivo :
maximizar a margem bruta total por ms (Z = 6 x1 + 3 x2)

Restries :
disponibilidade mensal na unidade de estampagem disponibilidade mensal na unidade de montagem e acabamento produo mensal de secretrias

Secretrias

Estantes

Capacidade disponvel

UE UMA Mercado Lucro

2 4 1 6

4 4 0 3

720 880 160

Introduo Programao Linear

16 Modelao matemtica :

Formalizao e modelao de alguns problemas de PL

Relativamente ao Departamento de Estampagem, sabe-se que :


cada secretria necessita de 2 hm, pelo que o n total de hm necessrias produo de

x1 secretrias de 2 x1;
cada estante necessita de 4 hm, pelo que o n total de hm necessrias produo de x2

secretrias de 4 x2;
a disponibilidade mensal de 720 hm.

Logo, a restrio relativa a este Departamento : Total de hm gasto nas secretrias


+

Total de hm gasto nas estantes

Disponibilidade em hm

que se traduz algebricamente na desigualdade linear : 2 x1 + 4 x2 720 Da mesma forma se determinam as restantes restries. Resumindo, o problema consiste em determinar x1 e x2 por forma a Maximizar sujeito a Z = 6 x1 + 3 x2 2 x1 4 x1 x1 x1, x2 0
Problema 2 :

(lucro mensal em contos)


+ +

4 x2 4 x2

720 880 160

(UE) (UMA) (mercado) (no negatividade)

Um criador de porcos, pretende determinar a quantidade de cada tipo de rao a dar diariamente a cada animal, para conseguir uma dada qualidade nutritiva a custo mnimo. Os dados relativos ao custo de cada tipo de rao, s quantidades mnimas dirias de ingredientes nutritivos bsicos a fornecer a cada animal, bem como s quantidades destes existentes em cada tipo de rao (g/kg) constam do quadro em baixo.
Granulado (gr/Kg) Farinha (gr/Kg) Quantidade mnima requerida

Hidratos de carbono Vitaminas Protenas Custo (esc./Kg)

20 50 30 10

50 10 30 5

200 150 210

Introduo Programao Linear

Formalizao e modelao de alguns problemas de PL Formalizao do problema : Variveis de deciso :


quantidade (Kg) de granulado existente na rao diria (x1) quantidade (Kg) de farinha existente na rao diria (x2)

17

Funo objectivo :
minimizar o custo da rao diria (Z = 10 x1 + 5 x2)

Restries :
quantidade mnima diria de hidratos de carbono quantidade mnima diria de vitaminas quantidade mnima diria de protenas

Modelao matemtica :

Pretende-se determinar x1 e x2 de modo a minimizar sujeito a Z = 10 x1 + 5 x2

(custo dirio) 200 quantidade mnima necessria por dia


20 x1 + 50 x2 quantidade a fornecer diariamente 50 x1 + 10 x2 30 x1 + 30 x2 x1, x2 0

(hidratos de carbono)

150 210

(vitaminas) (protenas) (no negatividade)

Problema 3 :

As Caravanas Marco Polo L.da. usam dromedrios (1 bossa) e camelos (2 bossas) para transportar figos secos de Bagdade para Meca. Um camelo pode levar no mximo 1000 lbs e um dromedrio 500 lbs. Durante a viagem um camelo consome 3 fardos de feno e 100 gales de gua. Um dromedrio consome 4 fardos de feno e 80 gales de gua. As estaes da Marco Polo, situadas em vrios osis ao longo do caminho, apenas tm disponveis 1600 gales de gua e 60 fardos de feno. Os camelos e os dromedrios so alugados a um pastor perto de Bagdade a 11 pazuzas por camelo e 5 pazuzas por dromedrio. Se as Caravanas Marco Polo L.da. tiverem uma carga de 10000 lbs de figos para transportar, quantos camelos e dromedrios devem ser usados para minimizar a renda a pagar ao pastor ?
Formalizao do problema : Variveis de deciso :
quantidade de camelos a usar (x1) quantidade de dromedrios a usar (x2)

Funo objectivo : Introduo Programao Linear

18

Representao e resoluo grfica de problemas de PL


minimizar a renda a pagar ao pastor (Z = 11 x1 + 5 x2)

Restries :
capacidade da caravana disponibilidade de feno disponibilidade de gua

Camelos

Dromedrios

Capacidade disponvel

Capacidade Feno gua Renda a pagar


Modelao matemtica :

1 000 3 100 11

500 4 80 5

10 000 60 1 600

Pretende-se determinar x1 e x2 de modo a Minimizar sujeito a 1 000 x1 3 x1 100 x1 + + + 500 x2 4 x2 80 x2


Z = 11 x1 + 5 x2

(renda)

10 000 60 1 600

(capacidade) (feno) (gua) (no negatividade)

x1, x2 0

4. Representao e resoluo grfica de problemas de PL


A representao grfica de problemas de PL s possvel, quando os problemas tm 2 ou 3 variveis de deciso. No entanto, aqui, apenas sero analisados os problemas com 2 variveis, os quais so representados atravs de um grfico a 2D. Para representar graficamente um problema de PL, comea-se por construir um sistema de eixos cartesianos x1 e x2. O passo seguinte consiste em identificar os valores de x1 e x2 que satisfaam todas as restries
construo do espao das solues.

Por ltimo, procuram-se os pontos situados nesta regio que maximizem (minimizem) o valor de Z. Esta fase vai proceder-se por tentativas (mais adiante ser enunciada uma regra prtica que permite resolver esta questo de uma forma quase automtica). O processo baseia-se na representao grfica da recta Z = F (x1, x2) = constante para um conjunto de valores. A ideia traar rectas Z = constante, at que contenha pelo menos um ponto da
Introduo Programao Linear

Representao e resoluo grfica de problemas de PL

19

regio admissvel e esteja o mais distante possvel da recta Z = 0 (maximizar) ou o mais perto possvel (minimizar). Resoluo grfica do Problema 1 :

Soluo ptima do problema : xopt = (160, 60) Zopt = 1140.

Introduo Programao Linear

20

Representao e resoluo grfica de problemas de PL

Resoluo grfica do Problema 2 :

Soluo ptima do problema : xopt = (2, 5) Zopt = 45

Introduo Programao Linear

Forma padro ou standard de um problema de PL

21

Resoluo grfica do Problema 3 :

Soluo ptima do problema : xopt = (4, 12) Zopt = 104.

5. Forma padro ou standard de um problema de PL


Um PL diz-se estar na forma padro, se todas as restries propriamente ditas (no incluindo as de no negatividade) so equaes. Todo o PL pode escrever-se na sua forma padro, por introduo de variveis folga (slack) nas restries que so inequaes, da seguinte forma : f(x) b f(x) b

f(x) + x = b, x 0 (x varivel slack) f(x) x = b, x 0 (x varivel slack)

A forma padro apresenta a seguinte estrutura : Maximizar Sujeito a Z = c 1 x 1 + c 2 x 2 +L+ c n x n


a 11 x 1 + a 12 x 2 + L + a 1n x n a 21 x 1 + a 22 x 2 + L + a 2n x n ... a m1 x 1 + a m2 x 2 + L + a mn x n = b m x1 , x2 , L , xn 0 (3.3) = b1 = b2 (3.2)
(3.1)

Introduo Programao Linear

22 A reduo forma padro do problema de PL Maximizar Sujeito a Z = c1x1 + c2 x 2 + L + cn xn

Terminologia associada s solues do PL

a 11 x 1 + a 12 x 2 + L + a 1n x n b 1 a 21 x 1 + a 22 x 2 + L + a 2n x n b 2

...
a m1 x 1 + a m2 x 2 + L + a mn x n b m x 1 , x 2 , L, x n 0 conduz ao seguinte problema equivalente : Maximizar Sujeito a Z = c 1 x 1 + c 2 x 2 + L + c n x n + 0 x n +1 + 0 x n + 2 + L + 0 x n +m a 11 x 1 + a 12 x 2 + L + a 1n x n + x n +1 a 21 x 1 + a 22 x 2 + L + a 2n x n + x n+2 = b1 = b2 + x n +m = b m

...
a m1 x 1 + a m2 x 2 + L + a mn x n x 1 , x 2 , L , x n , x n +1 , x n + 2 , L , x n +m 0 em que, x 1 , x 2 , L , x n so as variveis de deciso (principais) x n + 1 , x n + 2 , L , x n +m so as variveis folga (slack) Tambm frequente o modelo de PL ser apresentado em forma matricial : Maximizar Sujeito a em que, C = [ c1 c2 . . . cn ] a matriz dos custos A = [ aij ] (mn) a matriz das restries X = [ x1 x2 . . . xn ]T a matriz das variveis b = [ b1 b2 . . . bm ]T a matriz dos termos independentes 0 = [ 0 0 . . . 0 ]T (1m) a matriz nula Z=CX AX=b X0

6. Terminologia associada s solues do PL


Soluo qualquer conjunto de valores assumidos pelas variveis de deciso satisfazendo as
restries funcionais (3.2).

Soluo admissvel soluo que satisfaz as condies de no negatividade (3.3). Regio admissvel o conjunto de todas as solues admissveis. Introduo Programao Linear

Tipos de solues Soluo ptima a soluo admissvel que tem o melhor valor da funo objectivo. Soluo no limitada no existe um valor mximo (mnimo) para a funo objectivo.

23

7. Tipos de solues
ptima nica : problema tem apenas uma soluo (Problemas 1, 2 e 3). ptimas alternativas : o valor ptimo da funo objectivo pode ser obtido atravs de

infinitas combinaes de recursos.

no limitada : no existe um valor mximo finito para a funo objectivo (Z ).

Introduo Programao Linear

24

Tipos de solues ptima (com regio admissvel no limitada) : facto do conjunto das solues admissveis ser no
limitado, no implica necessariamente que a soluo seja no limitada (Z ).

valor ptimo da FO finito (variveis podem assumir valores arbitrariamente grandes) : conjunto
das solues no limitado e o valor ptimo de Z finito, com as variveis de deciso a poderem assumir valores arbitrariamente grandes na soluo ptima.

Introduo Programao Linear

Anlise convexa

25

inexistente (problema impossvel) : esta situao, normalmente deriva de erros de formalizao.


Isto pode acontece por no existirem valores das variveis a satisfazerem as restries do problema ou as condies de no negatividade, ou ambas simultaneamente.

8. Anlise convexa
Chama-se combinao linear convexa de um n finito de pontos x1, ..., xn ao ponto 1 x1 + 2 x2 + . . . + n xn com os escalares i 0 e 1 + 2 + . . . + n = 1. O segmento de recta que une 2 pontos do espao, o conjunto de todas as combinaes convexas desses pontos.

Conjunto convexo X, um conjunto tal que o segmento de recta que une dois quaisquer dos
seus pontos, est contido no conjunto. Por outras palavras, X um conjunto convexo, se quaisquer que sejam x1 e x2, X e 0 1, se tem x1 + (1 - ) x2 X Um conjunto convexo fechado se compreende a sua fronteira.

Conjunto convexo

Conjunto no convexo

Resultado : A interseco finita de conjuntos convexos um conjunto convexo. Introduo Programao Linear

26

Propriedades fundamentais Ponto extremo de um conjunto convexo X, um ponto que no pertence ao segmento de recta a

unir dois outros pontos quaisquer de X. Por outras palavras, um ponto extremo de X no pode ser obtido por combinao linear convexa positiva de pontos de X. Algebricamente : x = x1 + (1-) x2 , com ]0, 1[ e x1, x2 X x = x1 = x2 Um conjunto convexo da forma X = { x : A x = b, x 0 } (X o conjunto de solues admissveis do PL) chama-se um politopo convexo. Um politopo convexo limitado, chama-se poliedro convexo. Em R2, um poliedro convexo chama-se polgono convexo. Chama-se vrtice (ou ponto extremo) dum politopo ou poliedro convexo X, a um qualquer ponto x X que no possa ser expresso como combinao linear de outros pontos y X (y x).

9. Propriedades fundamentais
n O conjunto convexo (politopo ou poliedro) X, tem um n finito de vrtices v(X) ( C m ).

Todo o ponto dum poliedro convexo X Rn combinao convexa dos vrtices de X. O conjunto das solues admissveis, X, de um problema de PL um conjunto convexo fechado (compreende a sua fronteira). Optimalidade num vrtice :
O ptimo duma funo linear num poliedro convexo X Rn obtido em, pelo menos, um

vrtice de X;
Se ele for obtido em mais que um vrtice, ento ser obtido em todo o ponto que uma

combinao linear convexa desses vrtices.


Se X um politopo convexo, ento existe pelo menos um ponto extremo de X que

optimiza a funo objectivo.

Introduo Programao Linear