Prof. M.Sc. Fábio Francisco da Costa Fontes Agosto

Slides:



Advertisements
Apresentações semelhantes
PROGRESSÕESMATEMÁTICASUCESSÃO junho Prof. Carmem Sperling MÁRIO HANADA.
Advertisements

AULA 02 PROGRAMAÇÃO LINEAR INTEIRA
Pesquisa Operacional Resolução através do Método Gráfico
A = ( 3 ) , logo | A | = 3 Determinantes
31/12/2013Prof. José Arnaldo B. Montevechi1 Pesquisa Operacional Universidade Federal de Itajubá Para fazer para a aula 03.
Análise de Sensibilidade
Modelos de Programação matemática
Amintas engenharia.
Disciplina Pesquisa Operacional – 60 h
Programação Linear e Seus Teoremas
Programação Linear Resolução Gráfica
Cecília Rocha # 12001/2002 I NVESTIGAÇÃO O PERACIONAL 2ª Aula 2ª Aula Programação Linear A programação linear utiliza um modelo matemático para descrever.
Desigualdades e inequações em R.
Sistemas lineares.
Função afim: a função geral de 1º grau
Prof. M.Sc. Fábio Francisco da Costa Fontes Outubro
CÁLCULO DA INVERSA DA BASE
Problemas de Forma Não-padrão
SOLUÇÃO MATRICIAL E MÉTODO SIMPLEX REVISADO
Determinantes Determinante é um número real associado a uma matriz quadrada. Notação: det A ou |A|. Determinante de uma Matriz Quadrada de 1ª Ordem. Seja.
SISTEMAS DE EQUAÇÕES.
PARTIÇÃO DE BENDERS Secundino Soares Filho Unicamp.
Método SIMPLEX Marcone Jamilson Freitas Souza
Método Simplex (Noções iniciais) Sistemas de Equações Lineares
Problema de designação
Problema de designação
8ª. série – 9º. ano 2010 Prof. Ynez Soledade
TEORIA DAS RESTRIÇÕES Prof Samir Silveira.
Matemática I Prof. Gerson Lachtermacher, Ph.D.
Determinantes.
Matrizes Definição Tipos de matrizes Matrizes Iguais
Teoria da Produção e do Custo
Programação Linear.
Calculada a solução óptima
Expressão algébrica a partir da representação gráfica da função
Sistemas Lineares Homogêneos
Programação Linear Universidade Federal de Itajubá – UNIFEI
Programação Linear Universidade Federal de Itajubá – UNIFEI
Introdução à Álgebra Linear Turma B1 Profa. Ana Maria Luz
UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA
Cálculo Numérico / Métodos Numéricos
Cálculo Numérico / Métodos Numéricos
Resolução de sistemas lineares Métodos Numéricos para Engenharia I
Cálculo Numérico / Métodos Numéricos
Cálculo Numérico / Métodos Numéricos
Salas de Matemática.
Programação Linear Rosa Canelas Janeiro 2008.
Solução Básica Factível e Método Simplex Introdução ao Método Simplex Fase I e Fase II.
Pesquisa Operacional Programação Linear Solução Gráfica.
Revisão do conceito de matrizes
Pesquisa Operacional: Método Simplex – Duas Fases
ÁLGEBRA – AULA 2 Equações.
Aula 5 Programação Inteira
Campus de Caraguatatuba Aula 12: Sistemas de Equações Lineares (2)
PROGRAMAÇÃO MATEMÁTICA MÉTODO GRÁFICO
PROGRAMAÇÃO MATEMÁTICA MÉTODO SIMPLEX
1.
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Otimização Linear Definições e Solução Gráfica
Programação Linear Universidade Federal de Itajubá – UNIFEI
Introdução Prof. Antonio Carlos Coelho
AULA 3 - Construindo Modelos Matemáticos
Capitulo 8: Dualidade O que é um modelo Dual?
Problemas de Forma Não-Padrão
Prof. Disney Douglas Sistemas de Equações Lineares e Operações Elementares.
Pesquisa Operacional Profa. Leila Jane Brum Lage Sena Guimarães
Pesquisa Operacional:
Disciplina: Otimização Econômica
Programação Linear ADSA António Câmara.
Fernando NogueiraTeoria dos Jogos1. Fernando NogueiraTeoria dos Jogos2 Introdução A Teoria dos Jogos trata com situações de tomada de decisão em que dois.
Transcrição da apresentação:

Prof. M.Sc. Fábio Francisco da Costa Fontes Agosto - 2009 Programação Linear Prof. M.Sc. Fábio Francisco da Costa Fontes Agosto - 2009

Introdução Diremos que um problema de programação linear está em sua forma padrão se tivermos uma Maximização da função objetivo e se todas as restrições forem do tipo menor ou igual, bem como os termos constantes e variáveis de decisão não-negativos. Matemáticamente podemos representar um problema padrão por:

Introdução Sujeito a: a11x1 + a12x2 + ... + a1nxn ≤b1 Maximizar: Z = c1x1 + c2x2 + ... Cnxn Sujeito a: a11x1 + a12x2 + ... + a1nxn ≤b1 a21x1 + a22x2 + ... + a2nxn ≤ b2 : : : am1x1 + am2x2 + ... + amnxn ≤ bm x1, x2, ... xn ≥ 0

Introdução ou na forma reduzida: Maximizar: Z = Sujeito a: x1, x2, ..., xn ≥ 0

Introdução ou na forma matricial, equivalentemente Max CTx s.a: Ax ≤ b Onde Amxn matriz, e

Resolução Gráfica Quando o problema envolve apenas duas variáveis de decisão, a solução ótima de um problema de programação linear pode ser encontrada graficamente. Imagine o seguinte problema de programação linear:

Resolução Gráfica (exemplo 1) Max Z = 5x1 + 2x2 Sujeito a: x1 ≤ 3 x2 ≤ 4 x1 + 2x2 ≤ 9 x1≥ 0 e x2 ≥ 0

Resolução Gráfica (exemplo 2) Max Z = x1 + x2 Sujeito a: 2x1 + x2 ≤ 2 6x1 + x2 ≤ 3 x1≥ 0 e x2 ≥ 0

Resolução Gráfica (exemplo 3) Min 7x1 + 9x2 s.a: -x1 + x2 ≤ 2 x1 ≤ 5 x2 ≤ 6 3x1 + 5x2 ≥ 15 5x1 + 4x2 ≥ 20 x1, x2 ≥ 0

Resolução Gráfica (exemplo 3) Min 6x1 + 10x2 s.a: -x1 + x2 ≤ 2 x1 + 2x2 ≥ 1 x1 ≤ 5 x2 ≤ 6 3x1 + 5x2 ≥ 15 5x1 + 4x2 ≥ 20 x1, x2 ≥ 0 Restrições Redundantes: restrições que não participam da determinação do conjunto de soluções viáveis.

Resolução Gráfica (exemplo 4) Min 6x1 + 10x2 s.a: -x1 + x2 ≤ 2 x1 ≤ 5 x2 ≤ 6 3x1 + 5x2 ≥ 15 5x1 + 4x2 ≥ 20 x1, x2 ≥ 0 Multiplicidade de Soluções: o problema apresenta mais de uma solução ótima

Resolução Gráfica (exemplo 5) Max 6x1 + 10x2 s.a: -x1 + x2 ≤ 2 x2 ≤ 6 3x1 + 5x2 ≥ 15 5x1 + 4x2 ≥ 20 x1, x2 ≥ 0 Problema Ilimitado: Quando existem infinitas soluções viáveis, porém não se consegue determinar a ótima.

Resolução Gráfica (exemplo 6) Max x1 + x2 s.a: x1 + x2 ≤ 12 x1 + x2 ≥ 20 x1, x2 ≥ 0 Conjunto de soluções viáveis vazio (problema inviável)

Resolução Analítica Para se utilizar o método de resolução Analítica não existe um limite de variávies. Vamos resolver o exemplo abaixo: Max x1 + x2 s.a: 2x1 + x2 ≤ 2 x1 + 3x2 ≤ 3 x1, x2 ≥ 0

Resolução Analítica Exemplo 2: Max 4x1 + 8x2 s.a: 3x1 + 2x2 ≤ 18

Resolução Analítica Exemplo 3: Max 2x1 + 6x2 s.a: 4x1 + 3x2 ≤ 12