1
© UNESP 6 Agosto 2008
Autor: Anibal Tavares de Azevedo
Limeira, 26 de Fevereiro 2014
PESQUISA OPERACIONAL
AULA 2 – Revisão de Função, Derivada,
Programação Linear e SIMPLEX
2
REVISÃO
A desintegração da
persistência da memória
Salvador Dali
Sócrates
3
© UNESP 6 Agosto 2008
FUNÇÃO
Em várias situações é interessante saber como estão relacionadas diferentes quantidades. Por exemplo: (1) O preço de uma ação na bolsa de valores no tempo; (2) A demanda de energia elétrica (ou de um outro produto qualquer) no tempo;
Nos exemplos anteriores deseja-se conhecer a relação entre o valor de uma variável (preço ação, demanda, etc) com o valor de outra variável (tempo).
Valor de ação Demanda de energia Balança Comercial
4
© UNESP 6 Agosto 2008
FUNÇÃO
Definição de Função:
Uma função f é uma lei que associa cada elemento x em
um conjunto D exatamente a um elemento f(x) em um
conjunto E.
Nos exemplos anteriores, ao se fornecer um valor x,
correspondente ao tempo, automaticamente fica
determinado o valor f(x) (preço, demanda).
x
(entrada)
f
(saída)
5
© UNESP 6 Agosto 2008
FUNÇÃO
x
f
a
f(a)
D
f
E
Diagrama de flechas
Domínio
Imagem
Variável independente
Variável
dependente
Em geral, considera-se funções tais que D
e E são conjuntos de números reais.
6
FUNÇÃO
Visualizando uma função
0
f(1)
f(2)
f(x)
(x,f(x))
1
2
x
x
domínio
imagem
y=f(x)
7
© UNESP 6 Agosto 2008
LOTE ECONÔMICO DE PRODUÇÃO
Modelos e Teoria de Estoque
Para se atender a demanda, muitas vezes, as
companhias devem empregar produtos disponíveis no
estoque. A Teoria de Estoque tenta determinar regras
de gerenciamento de modo que ao mesmo tempo o custo
de estoque seja minimizado e atenda a demanda. Para
tanto, modelos de estoque devem responde a duas
perguntas:
(1)Quando uma ordem de produção deve ser realizada?
(2)Quão grande ela deve ser?
ou
ou
8
© UNESP 6 Agosto 2008
LOTE ECONÔMICO DE PRODUÇÃO
Lote Econômico de Produção – Modelo Básico: Hipótese dos modelos:
(1)Demanda Constante: determística e ocorre a uma
taxa constante. D é o número de unidades
demandadas por ano tal que em um intervalo de t
anos será demandado um total de D*t unidades.
(2)Custo do Pedido: qualquer que seja o tamanho do
pedido (q unidades), o custo de setup é K.
(3)Tempo de processamento (lead time): É zero tal que
um pedido só é pedido se o nível de estoque L for
igual a zero (L = 0) para evitar custos de estoque
desnecessários (L > 0).
(4)Sem falta: toda a demanda é atendida.
(5)Custo de estoque: custo por unidade no período é
9
© UNESP 6 Agosto 2008
LOTE ECONÔMICO DE PRODUÇÃO
Lote Econômico de Produção – Modelo Básico:
Graficamente:
t
I(t)
q
q/D
2q/D
3q/D
(i)Em t = 0 chega pedido tamanho q
(i)Em q/D anos o estoque é zero (iii)Declinar com inclinação -D
10
LOTE ECONÔMICO DE PRODUÇÃO
Definição de ciclo:
Qualquer intervalo que comece com a chegada de um
pedido e termine no instante anterior a chegada de
outro pedido é chamado de ciclo.
t
I(t)
q
q/D
2q/D
3q/D
Ciclo Os ciclos têm tamanho:(q/D) Um ano contém:
11
© UNESP 6 Agosto 2008
LOTE ECONÔMICO DE PRODUÇÃO
Lote Econômico de Produção – Modelo Básico:
Suponha que TC(q) é a função do custo anual ao se
pedir q unidades por tempo quando L = 0. Para se
determinar o valor de q que minimiza o custo anual
(q*), detalha-se TC(q):
TC(q) = custo anual de realização de pedidos +
custo anual de compra +
custo anual de estoque
12
© UNESP 6 Agosto 2008
LOTE ECONÔMICO DE PRODUÇÃO
Lote Econômico de Produção – Modelo Básico:
Logo combinando os custos de realização de pedidos, compra e estoque:
TC(q) = custo anual de realização de pedidos +
custo anual de compra +
custo anual de estoque
13
© UNESP 6 Agosto 2008
LOTE ECONÔMICO DE PRODUÇÃO
Lote Econômico de Produção – Modelo Básico:
Logo combinando os custos de realização de pedidos, compra e estoque:
TC(q) = custo anual de realização de pedidos +
custo anual de compra +
custo anual de estoque
TC(q) = KDq + pD + hq 2
14
LOTE ECONÔMICO DE PRODUÇÃO
Graficamente: Custo
anual
q 0
15
© UNESP 6 Agosto 2008
LOTE ECONÔMICO DE PRODUÇÃO
Graficamente: Custo
anual
q 0
Custo pedido: KD/q
16
© UNESP 6 Agosto 2008
LOTE ECONÔMICO DE PRODUÇÃO
Graficamente: Custo
anual
q 0
Custo estoque: (h/2)q Custo pedido:
17
© UNESP 6 Agosto 2008
LOTE ECONÔMICO DE PRODUÇÃO
Lote Econômico de Produção – Modelo Básico:
Logo combinando os custos de realização de pedidos, compra e estoque:
TC(q) = custo anual de realização de pedidos +
custo anual de compra +
custo anual de estoque
TC(q) = KDq + pD + hq 2
18
LOTE ECONÔMICO DE PRODUÇÃO
Graficamente: Custo
anual
q 0
Custo total anual: TC(q)
Custo estoque: (h/2)q Custo pedido:
19
© UNESP 6 Agosto 2008
LOTE ECONÔMICO DE PRODUÇÃO
Graficamente: Custo
anual
q
0 q*
Custo total anual: TC(q)
Custo estoque: (h/2)q Custo pedido:
KD/q Menor
custo
20
© UNESP 6 Agosto 2008
MÁXIMOS E MÍNIMOS
Definição:
Uma função tem máximo absoluto (global) em c se f(c)
≥≥≥≥ f(x) para todo x em D, onde D é o domínio de f, e
f(c) é dito valor máximo de f em D. Analogamente, f
tem um mínimo absoluto em D se f(c) ≤ f(x) para todo
x em D e f(c) é dito valor mínimo de f. Os valores
máximo e mínimo de f são ditos valores extremos. Máximo Global
Mínimo Global
x
y
21
© UNESP 6 Agosto 2008
Definição:
Uma função f tem máximo local em c se f(c) ≥≥≥≥ f(x)
quando x estiver na vizinhança de c. Analogamente, f
tem um mínimo local em c se f(c) ≤ f(x) quando x está
na vizinhança de c.
Máximo local
Mínimo local
x
y
f(x)
Vizinhança
Vizinhança
MÁXIMOS E MÍNIMOS
22
Definição:
Um número crítico de uma função f é um número c no
domínio de f onde f’(c) = 0 ou f’(c) não existe.
f’(c2) = 0
x
y
f(x)
c
1c
2c
3c
4no. crítico
f’(c1) = 0
f’(c3) = 0
23
© UNESP 6 Agosto 2008
LIMITES E DERIVADAS
Máximo Global
Mínimo Global
x
y
f(x)
Definição:
Se f tiver um máximo ou mínimo local em c, então, c é
um número crítico de f.
c
1c
2c
3c
4no. crítico
f’(c1) = 0
Máximo local
Mínimo local
24
© UNESP 6 Agosto 2008
Teste da derivada segunda:
Suponha que f’’ seja contínua na proximidade de c
podem ocorrer 3 casos:
Caso 1: Se o f’(c) = 0 e f’’(c) < 0, então, f tem um
máximo local em c.
Caso 2: Se o f’(c) = 0 e f’’(c) > 0, então, f tem um
mínimo local em c.
Caso 3: Se o f’(c) = 0 e f’’(c) = 0, então, f não tem
nem máximo nem um mínimo local em c.
25
© UNESP 6 Agosto 2008
Exemplo 14: Análise dos exemplos 7, 8 e 9:
Caso 1
Seja y = 1-x2:
y’ = -2x →→→→ y’ = 0
→ →→
→ x = 0
y’’ = -2 < 0
Se y’’ em x=0 é -2 < 0. Logo, x=0
é ponto crítico e ponto de máximo.
Caso 2
Seja y = x2:
y’ = 2x →→→→ y’ = 0
→ → →
→ x = 0
y’’ = 2 > 0
Se y’’ em x=0 é 2 < 0. Logo, x=0
é ponto crítico e ponto de mínimo.
Caso 3
Seja y = x3:
y’ = 3x2 →→→→ y’ = 0
→ →→
→ x = 0
y’’ = 6x
Se y’’ em x=0 é 0. Logo, x=0
não é ponto de
máximo nem mínimo.
MÁXIMOS E MÍNIMOS
26
LOTE ECONÔMICO DE PRODUÇÃO
Lote Econômico de Produção – Modelo Básico:
Logo combinando os custos de realização de pedidos, compra e estoque:
TC(q) = custo anual de realização de pedidos +
custo anual de compra +
custo anual de estoque
TC(q) = + +
Para achar q que minimiza TC(q), usa-se TC’(q) = 0:
KD
q pD
27
© UNESP 6 Agosto 2008
LOTE ECONÔMICO DE PRODUÇÃO
Lote Econômico de Produção – Modelo Básico:
Logo combinando os custos de realização de pedidos, compra e estoque:
TC(q) = custo anual de realização de pedidos +
custo anual de compra +
custo anual de estoque
TC(q) = + +
Para achar q que minimiza TC(q), usa-se TC’(q) = 0:
TC’(q) = - + = 0 KD
q pD
hq 2
KD q2
h 2
1/2
h
2KD
q*
=
28
© UNESP 6 Agosto 2008
LOTE ECONÔMICO DE PRODUÇÃO
Lote Econômico de Produção – Modelo Básico:
A fórmula encontrada para q* é denominada de lote
econômico de compra (Economic Order Quantity – EOQ).
Pode ser demonstrado q* minimiza TC(q). Para tanto,
seja TC’’(q) = 2KD/q3 > 0, para todo q > 0, então,
29
© UNESP 6 Agosto 2008
LOTE ECONÔMICO DE PRODUÇÃO
Observações:
(1) O EOQ não depende do preço de compra por unidade
p, pois o tamanho do lote não modifica este valor.
Assim, o custo de compra anual independe de q. Essa
hipótese será modificada mais para frente.
(2) Se cada lote tem q* unidade, então, no ano será
realizado um total de D/q* pedidos.
(3) Pelo EOQ o tamanho do lote aumenta conforme K
(custo de setup) aumenta, mas diminui se h (custo de
estoque) aumenta. Se D (demanda) aumenta 4x, então,
q* só aumenta 2x devido ao fator de D1/2.
1/2
h
2KD
q*
=
30LOTE ECONÔMICO DE PRODUÇÃO
Observações:
(4) Para q* o custo anual de estoque e de pedido são
iguais. Isto é:
Custo estoque = = =
31
© UNESP 6 Agosto 2008
LOTE ECONÔMICO DE PRODUÇÃO
Graficamente: Custo
anual
q
0 q*
Custo total anual: TC(q)
Custo estoque: h(q/2) Custo pedido:
KD/q
32
© UNESP 6 Agosto 2008
FORMULAÇÃO MATEMÁTICA
EXERCÍCIO 1:Em uma fábrica deve ser decidido a quantidade de produção x1 e x2 de dois produtos P1 e P2. O
lucro com o produto P1 é de R$ 5,00 por unidade e do produto P2 é de R$ 2,00 por unidade. Existe uma máquina para processar apenas o produto P1 cuja capacidade máxima é de 3 unidades de tempo e para o produto P2, 4 unidades. Nestas duas máquinas gasta-se 1 unidade de tempo para processar 1 produto. Existe uma máquina capaz de processar tanto o produto P1 como o produto P2 cuja capacidade máxima de tempo é de 9 unidades de tempo. Assumindo que nesta máquina o tempo para processar o produto P2 é o dobro do gasto para processar o produto P1 e P1 gasta-se 1 unidade de tempo, pede-se:
(A) Formular o problema de otimização.
(B) Encontrar a solução gráfica deste problema.
33
© UNESP 6 Agosto 2008
FORMULAÇÃO MATEMÁTICA
x
1x
2Máquina 1
3 unidades
de tempo
Máquina 2
4 unidades
de tempo
x
1x
2Máquina 3
9 unidades
de tempo
x
2x
1Tempo
1x
Tempo
2x
Tempo
1x
Tempo
1x
34
Max Z=5x
1
+ 2x
2
S.a.: x
1
≤ 3
x
2
≤ 4
x
1
+ 2x
2
≤ 9
x
1
, x
2
≥ 0
Função Objetivo
Restrições
Variáveis
De
Decisão
35
© UNESP 6 Agosto 2008
Max Z=5x
1
+ 2x
2
S.a.: x
1
≤ 3
x
2
≤ 4
x
1
+ 2x
2
≤ 9
x
1
, x
2
≥ 0
Lucro por unidade
de cada produto
Restrições:
••••
Tempo maq.1
••••
Tempo maq.2
••••
Tempo maq.3
••••
não neg.
Quantidades
dos produtos
p
1e p
2FORMULAÇÃO MATEMÁTICA
36
© UNESP 6 Agosto 2008
RESOLUÇÃO GRÁFICA
4
x
237
© UNESP 6 Agosto 2008
RESOLUÇÃO GRÁFICA
4
x
20
x
1≤
3
3
x
2≤ 4
0
≤x
20
≤x
10≤x
1≤3
0≤x
2≤4
x
15
38
RESOLUÇÃO GRÁFICA
4
x
20
3
3
1
(1,4)
(3,3)
x
1+ 2x
2≤ 9
Se x
1= 3:
3+ 2x
2= 9
x
2= 3
Se x
2= 4:
x
1+ 8 = 9
x
1= 1
x
139
© UNESP 6 Agosto 2008
RESOLUÇÃO GRÁFICA
Min Z = 5x
1+ 2x
240
© UNESP 6 Agosto 2008
RESOLUÇÃO GRÁFICA
41
© UNESP 6 Agosto 2008
PROBLEMAS DE OTIMIZAÇÃO
Para funções de mais de uma variável (p. ex., z = 5x1+2x2) a variação da função pode ser obtida com o Gradiente (∇∇∇∇f):
= ∂ ∂ ∂ ∂ = ∇ 2 5 2 1 x z x z f
Variação de f em relação à x1
Variação de f em relação à x2
Deve-se utilizar a informação do Gradiente (∇∇∇∇f) no gráfico para se obter a direção de crescimento !
Sucessivas retas perpendiculares ao gradiente, correspondentes às curvas de nível, deverão ser traçadas
até se atingir o limite da região factível. As curvas de nível permitem determinar o crescimento da função, porém, sua obtenção é extremamente cara !!!
42 Eixo x1 E ix o x 2
Curvas de nível
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0 1 2 3 4 5
RESOLUÇÃO GRÁFICA
z=10 z=15 z=12 z=14 z=18
43
© UNESP 6 Agosto 2008
RESOLUÇÃO GRÁFICA
x
14
x
20
3
3
1
(1,4)
(3,3)
z =0
z =13
z =21
5
2
= = ∇ 2 5 2 1 dx dz dx dz f 44© UNESP 6 Agosto 2008
RESOLUÇÃO GRÁFICA
4
x
20
3
3
1
(1,4)
(3,3)
Solução ótimaz =5x
1+ 2x
2=5*3+2*3
=21
x
145
© UNESP 6 Agosto 2008
PROBLEMA DE PROGRAMAÇÃO LINEAR
Em 2 variáveis, porém, é possível identificar 4 tipos de solução que um PPL pode oferecer.
46
Min
z=6x
1
+ 10x
2
S.a.: -x
1
+ x
2
≤ 2
x
1
≤ 5
x
2
≤ 6
3x
1
+ 5x
2
≥ 15
5x
1
+ 4x
2
≥ 20
x
1
, x
2
≥ 0
Exemplo 1:Encontrar a solução ótima.
47
© UNESP 6 Agosto 2008
RESOLUÇÃO GRÁFICA
x
18
x
20
2
10
6
4
2
4
6
8
-2
Múltiplas
soluções
− − = ∂ ∂ − ∂ ∂ − = ∇ − 10 6 2 1 x z x z f = ∂ ∂ ∂ ∂ = ∇ 10 6 2 1 x z x z f 48© UNESP 6 Agosto 2008
RESOLUÇÃO GRÁFICA
x
18
x
20
2
10
6
4
2
4
6
8
-2
Múltiplas
soluções
(x1, x2) = (5, 0) z = 6x1 + 10x2
= 6*5 + 10*0 =30
(x1, x2) = (3, 6/5)
z= 6x1 + 10x2
49
© UNESP 6 Agosto 2008
RESOLUÇÃO GRÁFICA
x
18
x
20
2
10
6
4
2
4
6
8
-2
3x
1+ 5x
2= 15
5x
2= 15- 3x
1x
2= 3-3/5 x
16x
1+ 10x
2=0
10x
2=- 6x
1x
2= -3/5 x
1Coeficiente angular da restrição e da
função objetivo são iguais !
Múltiplas soluções
50
Max
z=6x
1
+ 10x
2
S.a.: -x
1
+ x
2
≤ 2
x
1
≤ 5
x
2
≤ 6
3x
1
+ 5x
2
≥ 15
5x
1
+ 4x
2
≥ 20
x
1
, x
2
≥ 0
Exemplo 2:Encontrar a solução ótima.
51
© UNESP 6 Agosto 2008
RESOLUÇÃO GRÁFICA
x
18
x
20
2
10
6
4
2
4
6
8
-2
Região
factível
= ∂ ∂ ∂ ∂ = ∇ 10 6 2 1 x z x z f 52© UNESP 6 Agosto 2008
RESOLUÇÃO GRÁFICA
x
18
x
20
2
10
6
4
2
4
6
8
-2
Solução ilimitada
53
© UNESP 6 Agosto 2008
Max
z=x
1
+ x
2
S.a.: x
1
+ x
2
≤ 2
x
1
+ x
2
≥ 6
x
1
, x
2
≥ 0
Exemplo 3:Encontrar a solução ótima.
FORMULAÇÃO MATEMÁTICA
54
RESOLUÇÃO GRÁFICA
8
x
26
4
2
Região factível
vazia
Solução inviável
55
© UNESP 6 Agosto 2008
PROBLEMA DE PROGRAMAÇÃO LINEAR
A resolução de um PPL para mais do que 3 variáveis de decisão depende do desenvolvimento de um método analítico como, por exemplo, o método SIMPLEX.
56
© UNESP 6 Agosto 2008
Max Z=5x
1+ 2x
2S.a.: x
1≤ 3
x
2≤ 4
x
1+ 2x
2≤ 9
x
1, x
2≥ 0
Max Z=5x
1+ 2x
2S.a.: x
1+ x
3= 3
x
2+ x
4= 4
x
1+ 2x
2+ x
5= 9
x
1, x
2, x
3, x
4, x
5≥ 0
MÉTODO SIMPLEX
57
© UNESP 6 Agosto 2008
RESOLUÇÃO ANALÍTICA
Todo problema de programação linear (PPL) pode ser formulado como um problema que possui apenas restrições de igualdade, isto é, pode ser colocado na Forma Padrão. Isto é importante, pois permite a resolução analítica (numérica), e, portanto por meio de um computador, do PPL. Para tanto, é necessário escrever as restrições de modo que um conjunto de variáveis, chamadas de variáveis básicas, depende de um outro conjunto de variáveis, denominadas de variáveis
não-básicas. No exemplo anterior, têm-se 3 equações e logo são
necessárias 3 variáveis básicas e 2 variáveis não-básicas:
x
3= 3 – x
1x
4= 4 – x
2x
5= 9 – x
1– 2x
2x
1+ x
3= 3
x
2+ x
4= 4
x
1+ 2x
2+ x
5= 9
variáveis básicas variáveis não-básicas
58
4
x
20
3
3
1
(1,4)
(3,3)
x
1+ 2x
2+ x
5=9
x
15
x
1+ x
3= 3
x
2+ x
4= 4
RESUMO MÉTODO SIMPLEX
59
© UNESP 6 Agosto 2008
4
x
20
3
3
1
(1,4)
(3,3)
x
1+ 2x
2+ x
5=9
x
15
Solução: z = 0 ( x1, x2, x3, x4, x5 )
=
(0, 0, 3, 4, 9)
x
1+ x
3= 3
x
2+ x
4= 4
MÉTODO SIMPLEX
60
© UNESP 6 Agosto 2008
4
x
20
3
3
1
(1,4)
(3,3)
x
1+ 2x
2+ x
5=9
x
15
x
1+ x
3= 3
x
2+ x
4= 4
A variável não-básica x1(valor zero) vira básica e
passa a valer 3.
61
© UNESP 6 Agosto 2008
4
x
20
3
3
1
(1,4)
(3,3)
x
1+ 2x
2+ x
5=9
x
15
x
1+ x
3= 3
x
2+ x
4= 4
Solução: z = 15 ( x1, x2, x3, x4, x5 )
=
( 3, 0, 0, 4, 6 )
MÉTODO SIMPLEX
62
4
x
20
3
3
1
(1,4)
(3,3)
x
1+ 2x
2+ x
5=9
x
15
x
1+ x
3= 3
x
2+ x
4= 4
A variável não-básica x2(valor zero) vira básica e
passa a valer 3.
63
© UNESP 6 Agosto 2008
4
x
20
3
3
1
(1,4)
(3,3)
x
1+ 2x
2+ x
5=9
x
15
x
1+ x
3= 3
x
2+ x
4= 4
Solução: z = 21 ( x1, x2, x3, x4, x5 )
=
( 3, 3, 0 , 1 , 0 )
MÉTODO SIMPLEX
64
© UNESP 6 Agosto 2008
4
x
20
3
3
1
(1,4)
(3,3)
x
15
Max Z =
21 – 4x
3- x
565
© UNESP 6 Agosto 2008
4
x
20
3
3
1
(1,4)
(3,3)
x
15
MÉTODO SIMPLEX
MÉTODO SIMPLEX
66
RESOLUÇÃO GRÁFICA
4
x
20
3
3
1
(1,4)
(3,3)
Solução ótima
z =5x
1+ 2x
2=5*3+2*3
=21
x
167
© UNESP 6 Agosto 2008
O que é um Algoritmo?
É uma sequência finita de passos que resolve um dado problema ! Um bom exemplo de algoritmo é uma receita de bolo, pois a ordem
dos passos pode mudar o resultado final!
RESOLUÇÃO ANALÍTICA
+
+
+
+
=
68
© UNESP 6 Agosto 2008
RESOLUÇÃO ANALÍTICA
Início
Determine uma solução inicial
Z tem coef. positivos?
Encontrou a solução ótima
Fim
1. Escolha uma variável
não-básica xi com
coeficiente positivo.
2. Determine a variável
básica xj que limita xi e vira não-básica.
3. Modifique as equações
das restrições e a
função objetivo.
Sim
Não
69
© UNESP 6 Agosto 2008
PROBLEMA DE PROGRAMAÇÃO LINEAR
Uma alternativa ao método SIMPLEX é o método de pontos interiores que percorre o interior do conjunto factível até alcançar o vértice relativo ao ponto ótimo.
Ponto
Ótimo
Ponto
Ótimo
Método Simplex Método de Pontos InterioresPonto Interior
Passo
70
71
© UNESP 6 Agosto 2008
PROBLEMA DE PROGRAMAÇÃO LINEAR
72
© UNESP 6 Agosto 2008
73
© UNESP 6 Agosto 2008
PROBLEMA DE PROGRAMAÇÃO LINEAR
74
75
© UNESP 6 Agosto 2008