Professional Documents
Culture Documents
Métodos de Resolução
Outras Formulações e Aplicações
Programação Linear
Aplicações e Métodos de Resolução
2018
Apresentação
1 Programação Linear
Introdução Histórica
Problemas de Programação Linear
2 Métodos de Resolução
Método Gráfico
Método Simplex
Apresentação
1 Programação Linear
Introdução Histórica
Problemas de Programação Linear
2 Métodos de Resolução
Método Gráfico
Método Simplex
Apresentação
1 Programação Linear
Introdução Histórica
Problemas de Programação Linear
2 Métodos de Resolução
Método Gráfico
Método Simplex
Apresentação
1 Programação Linear
Introdução Histórica
Problemas de Programação Linear
2 Métodos de Resolução
Método Gráfico
Método Simplex
Apresentação
1 Programação Linear
Introdução Histórica
Problemas de Programação Linear
2 Métodos de Resolução
Método Gráfico
Método Simplex
Introdução Histórica
Xn
MIN f (x) = cj xj MIN f (x) = cT x
j=1
Xn
aij xj ≤ bi (i = 1, 2, . . . , m) ou Ax ≤ b
j=1
xj ≥ 0 (j = 1, 2, . . . , n) x≥0
Introdução Histórica
Introdução Histórica
(PPL − P)
Maximizar hc, xi
Sujeito a Ax = b
x≥0
(PPL − D)
Minimizar hb, yi
Sujeito a AT y ≤ c
c, x ∈ Rn , b, y ∈ Rm ,
Figure: John Von Neumann- 1903
A ∈ M(m × n, R).
1957
PPL Formulação Primal e Dual
Introdução Histórica
Apresentação
1 Programação Linear
Introdução Histórica
Problemas de Programação Linear
2 Métodos de Resolução
Método Gráfico
Método Simplex
Min f (x) = c1 x1 + . . . + cn xn
S.a a11 x1 +a12 x2 + . . . +a1n xn ≤ b1
a21 x1 +a22 x2 + . . . +a2n xn ≤ b2
.. .. .. .. ..
. . . . .
am1 x1 +am2 x2 + . . . +amn xn ≤ bm
x1 ≥ 0, x2 ≥ 0, . . . , xn ≥ 0
Problema da Produção
Modelagem
x1 → Quantidade de Soldados produzidos por semana
x2 → Quantidade de Trens produzidos por semana
27 − (10 + 14) = 3 → Contribuição de lucro por unidade de soldado
21 − (9 + 10) = 2 → Contribuição de lucro por unidade de trem
f (x1 , x2 ) = 3x1 + 2x2 → Função objetivo que será Maximizada
2x1 + x2 ≤ 100 → Restrição de horas gastas em pintura
x1 + x2 ≤ 80 → Restrição de horas gastas em carpintaria
x1 ≤ 40 → Restição de demanda de soldados
x1 ≥ 0, x2 ≥ 0 → Restrições de não negatividade
(PPL Canônico)
Maximizar f (x1 , x2 ) = 3x1 + 2x2
Sujeito a 2x1 + x2 ≤ 100
x1 + x2 ≤ 80
x1 ≤ 40
x1 ≥ 0, x2 ≥ 0
(PPL Padrão)
Maximizar f (x1 , x2 ) = 3x1 + 2x2 + 0x3 + 0x4 + 0x5
Sujeito a 2x1 + x2 + x3 + 0x4 + 0x5 = 100
x1 + x2 + 0x3 + x4 + 0x5 = 80
x1 + 0x2 + 0x3 + 0x4 + 0x5 = 40
xi ≥ 0, i ∈ {1, . . . , 5}
(PPL Canônico)
Maximizar f (xM , xL ) = xM + xL
Sujeito a 3xM + 3xL ≤ 18
240xM + 160xL ≤ 960
5.000xM − 10.000xL ≤ 40.000
xM ≥ 0, xL ≥ 0
Apresentação
1 Programação Linear
Introdução Histórica
Problemas de Programação Linear
2 Métodos de Resolução
Método Gráfico
Método Simplex
Apresentação
1 Programação Linear
Introdução Histórica
Problemas de Programação Linear
2 Métodos de Resolução
Método Gráfico
Método Simplex
Método Gráfico
Maximizar f (x) = c1 x1 + c2 x2
Sujeito a:
a1 x1 +a2 x2 ≤ a3 R1
b1 x1 +b2 x2 ≤ b3 R2
x1 ≥ 0, x2 ≥ 0
Método Gráfico
Figure: Passo 1
Figure: Passo 2
Figure: Passo 3
(PPL Canônico)
Maximizar f (xM , xL ) = xM + xL
Sujeito a 3xM + 3xL ≤ 18
240xM + 160xL ≤ 960
5.000xM − 10.000xL ≤ 40.000
xM ≥ 0, xL ≥ 0
Figure: Passo 1
Figure: Passo 2
Figure: Passo 3
Apresentação
1 Programação Linear
Introdução Histórica
Problemas de Programação Linear
2 Métodos de Resolução
Método Gráfico
Método Simplex
Método Simplex
f (x) = c1 x1 + c2 x2 + . . . + cn xn → MIN
a11 x1 +a12 x2 + . . . +a1n xn ≤ b1
a21 x1 +a22 x2 + . . . +a2n xn ≤ b2
.. .. .. .. ..
. . . . .
am1 x1 +am2 x2 + . . . +amn xn ≤ bm
xj ≥ 0 (j = 1, 2, . . . , n)
MIN cT · x MIN cB · xB + cN · xN
A·x=b ⇒ BxB + NxN = b
x≥0 xB ≥ 0 xN ≥ 0
Método Simplex
f (x) = c1 x1 + c2 x2 + . . . + cn xn → MIN
a11 x1 +a12 x2 + . . . +a1n xn ≤ b1
a21 x1 +a22 x2 + . . . +a2n xn ≤ b2
.. .. .. .. ..
. . . . .
am1 x1 +am2 x2 + . . . +amn xn ≤ bm
xj ≥ 0 (j = 1, 2, . . . , n)
MIN cT · x MIN cB · xB + cN · xN
A·x=b ⇒ BxB + NxN = b
x≥0 xB ≥ 0 xN ≥ 0
Método Simplex
Método Simplex
Método Simplex
x1 = . . . = xn = 0 ; xn+1 = b1 , . . . , xn+m = bm
Passo 1
Método Simplex
f (x) = c1 x1 + . . . + cn xn = 0 já que x1 = . . . = xn = 0
f (x̂) = cs xs
Para Minimizar
xs se torna variável básica se cs = min (ci )
i;ci <0
Para Maximizar
xs se torna variável básica se cs = max(ci )
i;ci >0
PassoProgramação
André Matos de Souza 2 Linear
Programação Linear
Método Gráfico
Métodos de Resolução
Método Simplex
Outras Formulações e Aplicações
Método Simplex
f (x) = c1 x1 + . . . + cn xn = 0 já que x1 = . . . = xn = 0
f (x̂) = cs xs
Para Minimizar
xs se torna variável básica se cs = min (ci )
i;ci <0
Para Maximizar
xs se torna variável básica se cs = max(ci )
i;ci >0
PassoProgramação
André Matos de Souza 2 Linear
Programação Linear
Método Gráfico
Métodos de Resolução
Método Simplex
Outras Formulações e Aplicações
Método Simplex
f (x) = c1 x1 + . . . + cn xn = 0 já que x1 = . . . = xn = 0
f (x̂) = cs xs
Para Minimizar
xs se torna variável básica se cs = min (ci )
i;ci <0
Para Maximizar
xs se torna variável básica se cs = max(ci )
i;ci >0
PassoProgramação
André Matos de Souza 2 Linear
Programação Linear
Método Gráfico
Métodos de Resolução
Método Simplex
Outras Formulações e Aplicações
Método Simplex
bi bi
xs = = min
ars i∈K ais
Passo 3
Método Simplex
Passo 4
Problema da Produção
(PPL Padrão)
Maximizar f (x1 , x2 ) = 3x1 + 2x2 + 0x3 + 0x4
Sujeito a 2x1 + x2 + x3 + 0x4 + 0x5 = 100
x1 + x2 + 0x3 + x4 + 0x5 = 80
x1 + 0x2 + 0x3 + 0x4 + x5 = 40
xi ≥ 0, i ∈ {1, . . . , 5}
Método Simplex
VB x1 x2 x3 x4 x5 b
x3 2 1 1 0 0 100
x4 1 1 0 1 0 80
x5 1 0 0 0 1 40
Coefi. 3 2 0 0 0 f (x)
Método Simplex
VB x1 x2 x3 x4 x5 b
x3 0 1 1 0 −2 20
x4 0 1 0 1 −1 40
x1 1 0 0 0 1 40
Coefi. 0 2 0 0 −3 f (x) − 120
Método Simplex
VB x1 x2 x3 x4 x5 b
x2 0 1 1 0 −2 20
x4 0 0 −1 1 1 20
x1 1 0 0 0 1 40
Coefi. 0 0 0 0 1 f (x) − 160
Método Simplex
VB x1 x2 x3 x4 x5 b
x2 0 1 −1 2 0 60
x5 0 0 −1 1 1 20
x1 1 0 1 −1 0 20
Coefi. 0 0 −1 −1 0 f (x) − 180
Apresentação
1 Programação Linear
Introdução Histórica
Problemas de Programação Linear
2 Métodos de Resolução
Método Gráfico
Método Simplex
Minimizar f (x)
Sujeito a h(x) = 0
g(x) ≤ 0
f : Rn → R, g : Rn → Rm , h : Rn → Rl
Programação Semidefinida
(PPSD − P)
Minimizar hC, XiSn
Sujeito a hAi , XiSn = bi
X0
Programação Dinâmica