Pesquisa Operacional Modelos, Conceitos Básicos para PL

Slides:



Advertisements
Apresentações semelhantes
Prof. M.Sc. Fábio Francisco da Costa Fontes Agosto
Advertisements

Algoritmos em Grafos Celso C. Ribeiro Caroline T. Rocha.
SISTEMA BINÁRIO Hardware de Computadores. SISTEMA BINÁRIO Hardware de Computadores.
PROGRESSÃO ARITMÉTICA P.A.
Técnicas e Projeto de Sistemas
Prof. Celso Gramática Prof. Celso
Introdução a Resolução Numérica de Equações Diferenciais Ordinárias
Estruturas de Dados para projeto de SGBD. Estruturas de dados analisadas Estruturas de nível Esparso Denso Combinadas Arvore B+ Tabela de hash.
Subconsultas em SQL. Subconsulta Estrutura geral SELECT.... FROM.... WHERE [at] OPERADOR ( SELECT... FROM... [WHERE... ]) Declaração SELECT localizada.
VI: EQUILÍBRIO RADIATIVO
ALGUNS CONCEITOS DE TERMODINÂMICA
Modelo Integrado de Gestão: base conceitual dos SIIGEE's - Cenpra junho Prof. Vasco1 MODELO INTEGRADO DE GESTÃO ESTRATÉGICA DA EMPRESA: CONCEITOS.
Reconstrução filogenética: Inferência Bayesiana
Arquiteturas de 4, 3, 2, 1 e 0 endereços.
1. Equivalência entre portas 2. Derivação de expressões booleanas 3
Criptografia Quântica : Um Estudo
Registro de Carta Topográfica
Geração de Código Otimizações independentes de máquina.
Geração de Código Algoritmo de Escalonamento de instruções – List Scheduling.
Solver (Microsoft Excel) Ferramentas disponíveis para utilização
Solver (Microsoft Excel) Ferramentas disponíveis para utilização
Problema do percurso mínimo
Banco de Dados I Profa. Jiani Cardoso 2/2005
Supply Chain Management
Planejando seu site Objetivos Abordagem Sílvia Dota.
A FUNÇÃO PRODUÇÃO O Processo de Transformação
Curso de Engenharia Industrial Madeireira – UFPR Prof. Umberto Klock
Pesquisa Operacional I Fundamentos
TRIBUNAL SUPERIOR DO TRABALHO DIRETORIA-GERAL DE COORDENAÇÃO ADMINISTRATIVA SECRETARIA DE CONTROLE INTERNO O CONTROLE INTERNO NA AVALIAÇÃO DE RESULTADOS.
Sistemas de Tutoria Inteligente (STI) Visam proporcionar instrução de forma adaptada a cada aprendiz. STIs adaptam o processo de instrução a determinadas.
CE-262 Ontologia e Web Semântica Prof. José M Parente de Oliveira
CES-10 INTRODUÇÃO À COMPUTAÇÃO Aulas Práticas – 2013 Capítulo III Comandos de Controle.
1.3 – Interpretadores – Compiladores versus Interpretadores
Capítulo VI – Variáveis Indexadas
Função Gráficos. Domínio e imagem no gráfico.
CARACTERIZAÇÃO DE PARTÍCULAS
TA 733 A – Operações Unitárias II
Probabilidade e Esperança Condicional
Intervalos de confiança Sejam X 1, X 2, …, X n i.i.d. com distribuição F. Um intervalo de confiança de nível 1– para é um par de estatísticas [T 1 (X),
Probabilidade Modelo matemático para incerteza Desenvolvimento relativamente recente –Cardano (século XVI) –Pascal (século XVII) Peter Bernstein, Against.
O TÍTULO DO TRABALHO DEVE SER EM FONTE VERDANA, TAMANHO 66, LETRAS MAIÚSCULAS, EM NEGRITO SOBRENOME, Autor 1., SOBRENOME, Autor 2…., Verdana, 32, negrito,
Copyright, 1999 © Marcelo Knörich Zuffo PEE-EPUSP Visualização Científica PSI a Aula – Conceitos Básicos de Iluminação.
Tema I TEMA DE DISCUSSÃO I Prof. Dr. Marcio Lobo Netto 1 o. Período / 2004 Escola Politécnica da USP MBA EPUSP em Gestão e Engenharia do Produto EP018.
ORÇAMENTO EMPRESARIAL Aula 05
Empreendedorismo DRUCKER ROBBINS
Gestão estratégica de custos: utilização do método de custeio UEP – Unidade de Esforço de Produção como ferramenta estratégica para redução do custo unitário.
Já definimos o coeficiente angular de uma curva y = f(x) no ponto onde x = x 0. Derivadas Chamamos esse limite, quando ele existia, de derivada de f em.
Teorema do Confronto Se não pudermos obter o limite diretamente, talvez possamos obtê-lo indiretamente com o teorema do confronto. O teorema se refere.
Interpolação Introdução Conceito de Interpolação
Representações na base decimal e binária
Resolução de Sistemas Não-Lineares- Parte 1
Sistemas Lineares Parte 2
Resolução de Sistemas Lineares- Parte 1
Desempenho A rápida taxa de melhoria na tecnologia de computadores veio em decorrência de dois fatores: avanços na tecnologia utilizada na construção.
Universidade do Estado do Rio de Janeiro Juliana dos Santos Oliveira Mat.:
7. ANUIDADE PERIODICA – MONTANTE NO MODELO BÁSICO
VENDAS NO CONTEXTO DE MARKETING
Sistema de Planejamento da Produção
Recursividade Estrutura de Dados.
Introdução à Probabilidade
The Data Warehouse Toolkit
Prof: Graciano Notação Científica.
Otimização Aplicada ao Dimensionamento e Operação de Reservatórios
Análise do Desempenho dos Modelos
Computação Gráfica Geometria de Transformações
Prof. André Laurindo Maitelli DCA-UFRN
SECRECRETARIA DE ESTADO DE PLANEJAMENTO E CORRDENAÇÃO GERAL CAPACITAÇÃO PARA ELABORAÇÃO PTA/LOA Cuiabá, 21 de junho de 2004.
Introdução Ciência da Computação estudo de algoritmos –ÊNFASE ao estudo de DADOS armazenamento manipulação refinamento (a partir de dados cru) estrutura.
1 Seja o resultado de um experimento aleatório. Suponha que uma forma de onda é associada a cada resultado.A coleção de tais formas de ondas formam um.
8. Uma Função de duas Variáveis Aleatórias
Transcrição da apresentação:

Pesquisa Operacional Modelos, Conceitos Básicos para PL Prof. Ricardo Santos

Problema do Transporte Centros de produção de produtos são denominados origens Mercados consumidores são denominados destinos Supor a existência de m origens e n destinos e o custo de transporte de uma unidade do produto da origem i para o destino j é cij Oferta do produto na origem i é ai e a demanda do produto no destino j é bj 1 2 n m a1 a2 am b1 b2 bn c11 cmn

Problema do Transporte As variáveis do problema são as quantidades transportadas das origens aos destinos: xij quantidade transportada da origem i para o destino j cijxij é o custo incorrido para realizar o transporte de i para j com a quantidade x de produtos com o custo c O custo total de transporte é a soma dos custos de transporte de todas as quantidades transportadas de todas as origens i a todos os destinos j. Esse custo deve ser minimizado. Observe que: O que é transportado de cada origem i a todos os destinos j não pode ultrapassar a quantidade ofertada em i As quantidades transportadas das diversas origens ao destino j satisfaçam a demanda requerida neste destino Como seria o modelo de PO para esse problema?

Problema do Transporte Modelo Matemático de PO Minimizar f(x11, ..., xmn)= s.a

Problema do Transporte - Exercício Considere uma distribuidora de bebidas com 2 centros de distribuição: Paranaíba e Sonora e quatro mercados consumidores principais: Campo Grande, Dourados, Corumbá e Três Lagoas. O custo unitário para transportar uma unidade do produto de cada centro de produção a cada mercado é dado na Tabela a seguir: Elabore o modelo matemático que representa esse problema Centro de distribuição Mercado Suprimento disponível CGrande Dourados Corumbá TLagoas Paranaíba 5 7 10 4 950 Sonora 8 11 1200 Demanda 900 500 300 350

Problema do Planejamento de Produção Esses problemas envolvem decidir quais produtos e quanto fabricar de cada produto em um período visando a maximização das margens de lucro da empresa Considere xj a quantidade do produto j=1,2,..., n a ser produzida em um período de planejamento Seja Ci, i=1,2,...m a capacidade do recursos disponível no período Para produzir o produto j, são consumidas aij unidades do recurso i Uma produção mínima do produto j, digamos dj, precisa ser realizada no período As vendas do produto não excedem vj unidades no período em estudo Cada unidade do produto j resulta em uma contribuição ao lucro de lj para a empresa

Problema do Planejamento de Produção O problema do Planejamento (Mix) de Produção Maximizar f(x1,..., xn)=

Problema do Planejamento de Produção Um fabricante de geladeiras deve decidir quais modelos deve produzir numa fábrica recentemente instalada A empresa sabe que 1500 unidades do modelo de luxo e 6000 unidades do modelo básico A empresa dispõe de 25000 homens-hora/mês. Cada modelo de luxo requer 10 homens-hora e o modelo básico requer 8 homens-hora A linha de montagem é compartilhada pelos dois modelos A capacidade de produção dessa linha é de 4500 geladeiras por mês O lucro do modelo luxo é de R$ 100,00 e do modelo básico é de R$ 50,00 Elabore o modelo matemático de modo a determinar quanto produzir de cada modelo para maximizar o lucro da empresa.

Hipóteses de Linearidade Hipóteses que os modelos de PL devem obedecer: Aditividade: o todo é igual à soma das partes Proporcionalidade: se aij é a quantidade do componente i em uma unidade do ingrediente j, então aijxj será a quantidade do componente i em xj unidades Francionamento: valores fracionários para as variáveis são aceitáveis. Porém, dependendo do problema, o arredondamento de valores pode ter conotação distorcida da prática (ex: número de máquinas)

Conceitos Básicos para PL Definição 1: Modelos de PL obedecem a uma forma (formato) padrão: minimizar f(x1,x2,...,xn)=c1x1,c2x2,...,cnxn s.a a11x1+a12x2+...+a1nxn=b1 a21x1+a22x2+...+a2nxn=b2 ... am1x1+am2x2+...+amnxn=bm x1>=0, x2>=0, ..., xn>=0, O modelo anterior pode ser escrito equivalentemente em notação matricial como: Minimizar f(x)=cTx Ax=b x>=0,

Conceitos Básicos para PL O modelo anterior pode ser escrito equivalentemente em notação matricial como: Minimizar f(x)=cTx Ax=b x>=0, Observe que: é uma matrix mxn, chamada matriz de coeficientes cT=(c1, c2, ..., cn) é o vetor de custos xT=(x1, x2, ..., xn) é o vetor de variáveis bT=(b1, b2, ..., bm) é o vetor de termos independentes

Conceitos Básicos para PL Definição 2: Uma solução (x1, x2, ..., xn) é dita factível se satisfazer as restrições e as condições de não-negatividade. O conjunto de todas as soluções factíveis é chamada de região factível Definição 3: Uma solução factível que fornece o menor valor (considerando minimização) à função objetivo f é chamada solução ótima, denotada por (x1*, x2*, ...,xn*). Uma solução factível é ótima se: f(x1*,x2*,...,xn*)<=f(x1,x2,...,xn), para qualquer solução factível f(x1,x2,...,xn)

Conceitos Básicos para PL Transformação na forma padrão: Problemas de Maximização Encontrar uma solução ótima que maximize a função objetivo, corresponde a encontrar uma solução factível x*=(x1*,x2*,...,xn*) tal que f(x*)>=f(x), para toda solução x factível Se multiplicarmos essa desigualdade por -1, tem-se -f(x*)<=f(x), para toda solução x factível De forma que encontrar uma solução factível x* que maximize f(x) é equivalente a encontrar uma solução factível x* que minimize –f(x)

Conceitos Básicos para PL Transformação na forma padrão: Problemas de Maximização O seguinte problema de PL Maximizar f(x1, x2, x3)=2x1-x2+4x3 x1+2x2+x3=3 x2+2x3=4 x1>=0, x2>=0, x3>=0 É equivalente ao problema na forma padrão Maximizar -f(x1, x2, x3)=-2x1+x2-4x3

Conceitos Básicos para PL Transformação na forma padrão: Restrições de desigualdade Se as restrições do problema são dadas na forma de desigualdades, inserimos novas variáveis para transformá-lo na forma padrão Exemplo: 3x1+4x2-x3<=7 E note que: xk=bi-(ai1x1+ai2x2+...+ainxn)>=0 Então, o exemplo fica da seguinte forma: 3x1+4x2-x3+x4=7 Igualmente, se tivéssemos: 3x1+4x2-x3>=7 Teríamos como resultado da transformação: 3x1+4x2-x3-x4>=7 Essas variáveis adicionais (nesses exemplos: x4) são chamadas de variáveis de folga (para as restrições de >=, a variável introduzida é chamada variável de excesso)

Conceitos Básicos para PL Transformação na forma padrão: Restrições de desigualdade Exemplo: Minimizar f(x1,x2,x3)=2x1-3x2+3x3 x1+2x2-x3 >= 3 -2x1+x2+x3 <=-1 x1>=0, x2>=0, x3>=0 Introduzindo as variáveis de folga, temos: Minimizar f(x1,x2,x3)=2x1-3x2+3x3+0x4+0x5 x1+2x2-x3-x4 = 3 -2x1+x2+x3+x5 =-1 x1>=0, x2>=0, x3>=0, x4>=0, x5>=0