Professional Documents
Culture Documents
Modelagem matemtica um jeito de representar matematicamente processos e/ou problemas reais. Dividem-se em descritivos e prescritivos. Prescritivos: Nos modelos prescritivos define-se o objetivo e as restries para atingir esse. O modelo serve para atingir o objetivo respeitando as restries da melhor maneira possvel. Exemplo: Reduza o custo de produo de canetas, sendo que ser necessrio fazer cem mil canetas. Neste exemplo reduzir o custo de produo o objetivo e fazer cem mil canetas a restrio. A soluo para esses problemas pode ser de maneira exata ou aproximada, como o prprio nome diz: de forma exta obtm-se a melhor forma possvel para todos os casos. Enquanto que de maneira aproximada no se pode garantir que o resultado ser timo para todos os casos, apenas garantido que ser de boa qualidade, e com razovel custo computacional. Descritivos: Os modelos descritivos no so utilizados para atingir a melhor soluo. So utilizados geralmente em modelos reais ou propostos, para comparar um ou mais modelos e dizer qual o melhor para cada situao. Exemplo: Em uma fila de banco o que melhor, uma fila nica para todos os caixas. Ou uma fila para cada caixa? Neste exemplo so expostos dois modelos, que sero formulados matematicamente e atravs do modelo matemtico ser definido qual o melhor.
Um modelo matemtico escrito formalmente da seguinte maneira: Maximizar/Minimizar f(x) , sujeito a: g(x) >= a h(x) <= b s(x) = c l<=x <= u
Onde f(x) a funo ser otimizada respeitando as restries (lineares ou no lineares) que podem indicar uma necessidade (maior ou igual), uma disponibilidade (menor ou igual) ou um condicionante de maneira exata (igual). Podem-se classificar os modelos das seguintes formas: (1) Existncia de restries: (a) Otimizao irrestrita: quando no h restries. (b) Otimizao restrita: quando h restries. (2) Natureza das variveis: (a) Modelos discretos: A regio factvel formada por um conjunto de alternativas definido, por exemplo, apenas nmeros inteiros, ou apenas binrios, etc. (b) Modelos contnuos: Neste caso a regio factvel contnua, no havendo restries quanto natureza do conjunto de alternativas. (3) Natureza das restries e funo objetivo: (a) Otimizao no-linear: Se alguma das restries ou a funo objetivo no-linear ento o modelo ser no linear. Estes modelos tem uma resoluo muito mais complexa. Em diversos casos pode ser muito caro resolver modelos no lineares de maneira exata. (b) Otimizao linear: A funo objetivo e todas as restries so lineares. H vrios algoritmos eficientes para resolver esses problemas, como exemplos temos o Mtodo Simplex e mais recentemente, os Mtodos de ponto interiores. (4) Nmeros de objetivos do modelo: (a) Otimizao escalar: Quando h apenas uma funo objetivo. (b) Otimizao Multi-Objetivo: Quando h dois ou mais objetivos. H mtodos especficos de programao multi-objetivos, bem como mtodos de escalarizao, transformando os objetivos em um s, resultando em um modelo escalar. (5) Dinmica dos dados de entrada: (a) Modelos estticos: Serve para se ter uma noo superficial do sistema modelado. Por exemplo, saber apenas a quantidade de produtos produzidos, sem entrar em detalhes de tempo, custo, etc. (b) Modelos dinmicos: Quando se quer uma viso mais precisa, tendo como condicionante a varivel tempo, no exemplo acima, acrescentaramos a informao de quanto produzido por dia.
Processo de Modelagem
Em sntese, o processo de modelagem consiste em recolher os dados de entrada do sistema, definir a funo objetivo e suas restries. Aps isso desenha-se o modelo, implementa-o. Usando ele para tomada de decises ou como ferramenta de anlise. Lembrando que modelagem um processo contnuo. Assim, sempre deve ser possvel acrescentar novas varveis, para tentar otimizar os resultados.