Programação Linear Universidade Federal de Itajubá – UNIFEI

Slides:



Advertisements
Apresentações semelhantes
Pesquisa Operacional Resolução através do Método Gráfico
Advertisements

AJUSTE DE CURVAS 6.1 Introdução 6.2 Método dos quadrados mínimos
Análise de Sensibilidade
Modelos de Programação matemática
Disciplina Pesquisa Operacional – 60 h
6- Aplicações da Derivada
Exercício 1 Resolva o seguinte problema de programação linear através do deslocamento da função-objetivo:
Programação Linear e Seus Teoremas
CONTEÚDO PROGRAMÁTICO
INVESTIGAÇÃO OPERACIONAL
Alexandre Suaide Ed. Oscar Sala sala 246 ramal 7072
Marcia Moura Edifício Oscar Sala – ramal 6837
Prof. M.Sc. Fábio Francisco da Costa Fontes Outubro
Pesquisa Operacional II Programação Linear Inteira
Prof. M.Sc. Fábio Francisco da Costa Fontes Agosto
Elasticidade e Suas Aplicações
Caso LCL Tintas Ltda A firma LCL Tintas Ltda produz dois tipos de tintas chamadas: Seca Rápido (SR) e Super Seca (SS). Ambas são produzidas a partir de.
Programação Linear Método Simplex
Método SIMPLEX Marcone Jamilson Freitas Souza
Profa Úrsula Lisbôa Fernades Ribeiro
Método Simplex (Noções iniciais) Sistemas de Equações Lineares
Pesquisa Operacional profa Úrsula Lisbôa Fernandes Ribeiro
TEORIA DAS RESTRIÇÕES Prof Samir Silveira.
SIMPLEX ANÁLISE COMPLETA ANDERSON BESTETTI 1, EDUARDO RIGHES 1, EVERTON FONTOURA 2, GUILHERME LAZZARI 3, RODRIGO SCHRAMM 3, ROGERIO MARTINS 4 1 {anderson.bestetti,
Técnicas de Tomada de Decisão
Análise e Modelagem de Processos
Programação Linear.
Teoria e Modelagem Matemática
UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA
Programação Linear - Prof. Helder Costa
Funções.
Otimização Prof. Benedito C. Silva IRN UNIFEI
Programação Linear Universidade Federal de Itajubá – UNIFEI
Benedito C. Silva Universidade Federal de Itajubá – UNIFEI Instituto de Recursos Naturais - IRN.
PROJETO INTEGRADOR II Autor: Marcos Banheti Rabello Vallim
ESTATÍSTICA.
Certa empresa fabrica 2 produtos P1 e P2
Análise de Sensibilidade
Solução Básica Factível e Método Simplex Introdução ao Método Simplex Fase I e Fase II.
Alexis Adriano da Silva Vitek Consultoria Ltda.
PROBLEMAS DE ALOCAÇÃO DE RECURSOS: PROGRAMAÇÃO LINEAR
Pesquisa Operacional Programação Linear Solução Gráfica.
Certa empresa fabrica 2 produtos P1 e P2
Aplicações da Função Polinomial do Primeiro Grau
Aula 3 - Método gráfico Programação Linear
Aula 5 Programação Inteira
PROGRAMAÇÃO MATEMÁTICA MÉTODO GRÁFICO
PROGRAMAÇÃO MATEMÁTICA MÉTODO SIMPLEX
SOLVER – EXCEL Prof. Antonio Carlos Coelho
Otimização Linear Definições e Solução Gráfica
NOÇÕES DE PROBABILIDADE
Cálculo da Direção de Caminhada: Gradiente de f(x)
Programação Linear Universidade Federal de Itajubá – UNIFEI
Usando o Solver em PL Pontifícia Universidade Católica de Goiás
Introdução Prof. Antonio Carlos Coelho
Otimização Numérica de Processos
AULA 3 - Construindo Modelos Matemáticos
Métodos de Resolução Solução Analítica Solução Numérica
Problemas de Forma Não-Padrão
Cálculo da Direção de Caminhada: Exemplo de Direção de Melhoria Considere a função objetivo do problema de localização do novo supermercado. Maximizar.
Programação Não-Linear
2 - Portfólio de Investimentos
Prof. Geraldo Nunes Silva Estas notas de aula são Basedas no livro: “Hillier, F. S. e G. J. Lieberman. Introdução à Pesquisa Operacional, Campus, 3 a ed.,
Pesquisa Operacional Profa. Leila Jane Brum Lage Sena Guimarães
Algoritmo de Transportes Objecto de Aprendizagem Manuel Pina MarquesDEIG
Pesquisa Operacional Programação Linear
Pesquisa Operacional:
Disciplina: Otimização Econômica
Programação Linear ADSA António Câmara.
O Método Simplex Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto.
Transcrição da apresentação:

Programação Linear Universidade Federal de Itajubá – UNIFEI Instituto de Recursos Naturais - IRN Programação Linear Benedito C. Silva

Programação Linear É técnica de otimização mais empregada na área de Recursos Hídricos, devido às seguintes razões: Flexibilidade para adaptação a uma grande variedade de problemas Maior Facilidade de entendimento, comparada com outras técnicas Capacidade de tratar problemas de grande porte, comuns em recursos hídricos Disponibilidade de pacotes computacionais, em nível comercial, para pronta utilização

Linear: refere-se à necessidade de haver relações lineares entre as variáveis. Ou seja, o problema é descrito por equações lineares Programação: refere-se ao planejamento de atividades

Vamos imaginar o seguinte problema: Deseja-se cultivar milho e feijão em uma propriedade de área igual a 100 ha, onde a água para irrigação é fornecida por um reservatório através de um sistema de bombeamento A receita líquida por unidade de área cultivada é de, Milho: 100 R$/ha Feijão: 80 R$/ha Pergunta: Considerando que não há restrição hídrica, qual a área a ser cultivada de cada cultura para que o agricultor maximize sua receita?

As variáveis de decisão são: X1 = área da cultura de milho X2 = área da cultura de feijão R = receita obtida com as duas culturas O problema pode ser escrito como: Função Objetivo Principais restrições Restrições de não negatividade

este é o formato da Programação Linear

Métodos de Solução Métodos Geométricos Vamos supor que desejamos determinar os pontos que satisfazem a: X2 (0,100) X1+X2 ≤ 100 X1 + X2 = 100 região factível X1 ≥ 0 X1 (100,0) X2 ≥ 0

Os pontos da área hachurada obedecem às restrições Os pontos da área hachurada obedecem às restrições....mas o máximo ou mínimo da Função Objetivo (FO) está nos vértices do plano definido pelas diversas restrições do problema: X1 + X2 = 100 X2 X1 região factível (0,100) (100,0)

Teorema muito importante: O Máximo ou um Mínimo de uma PL, se existir, irá ocorrer necessariamente num vértice (corner point) da região de soluções viáveis ou factíveis, dado pelo conjunto de restrições Qual o ponto de máximo rendimento para o problema?

X2 X1 Para o ponto A temos X1 = 20 e X2 = 50 R=100.20 + 80.50 = 6000 Para o ponto B (X1=0 e X2=100), R=8000 Para o ponto C (X1=100 e X2=0), R=10000 (máximo) X2 B (0,100) Direção de crescimento da FO A (20,50) R=10.000 Ponto de máxima receita R=8.000 R=6.000 X1 C (100,0)

Problema 2: Introdução da limitação do volume d’água O consumo de água por unidade de área para as culturas é, Milho: 3,0 dam3/ha Feijão: 1,5 dam3/ha A disponibilidade de água no reservatório para o período de estiagem é 240 dam3 A formulação do problema fica: (limite de área total) (limite de volume disponível)

Solução gráfica X2 X1 D (0,160) Reta da FO, coef. inalterados R=9.200 B (0,100) 3X1+1,5X2=240 Novo ponto de máxima receita F (60,40) X1+X2=100 X1 E (80,0) C (100,0)

Problema 3: Introdução da cobrança pelo uso da água A aquisição de água no reservatório terá um custo unitário igual a R$ 20/dam3 A receita passa ser calculada por: R = 100 X1 – 20 (3 X1) + 80 X2 – 20 (1,5 X2) R = 40 X1 + 50 X2 A formulação do problema fica:

Solução gráfica X2 X1 D (0,160) 3X1+1,5X2=240 B (0,100) Novo ponto de máxima receita R=5000 Reta da FO, coef. alterados X1+X2=100 X1 E (80,0) C (100,0)

Comparação das Soluções Enquanto a água não tinha limite (PL1) ou custo zero (PL2): X1> X2 na solução ótima, embora o milho exija mais água Quando houve custo para a água (PL3): X2>X1 na sol.ótima

O método gráfico é de fácil aplicação, mas só é viável de ser utilizado quando: se existirem duas ou no máximo três variáveis de decisão; se existirem poucas equações de restrição (um problema com muitas restrições possui muitos vértices para serem testados!)