Professional Documents
Culture Documents
Sum
ario
1 Introduc
ao
1.1 Definicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Metodologia da Pesquisa Operacional . . . . . . . . . . . . . .
1.2.1 Definicao do Problema . . . . . . . . . . . . . . . . . .
1.2.2 Desenvolvimento de um modelo matematico e aquisicao
1.2.3 Resolucao do modelo matematico . . . . . . . . . . . .
1.2.4 Validacao, instrumentacao e controle da solucao . . . .
1.3 Aplicacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.1 Areas
. . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.2 Ferramentas . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . .
. . . . . .
. . . . . .
dos dados
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3
3
3
3
3
4
4
4
4
4
2 Programac
ao Linear
2.1 Exemplos de problemas . . . . . . .
2.2 Analise Grafica . . . . . . . . . . .
2.2.1 Exemplo . . . . . . . . . . .
2.2.2 Exercicios . . . . . . . . . .
2.3 O problema de Programacao linear
2.3.1 Formulacao Generica . . . .
2.3.2 Interpretacao Economica . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4
4
10
10
10
11
12
12
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
do Simplexo
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
13
13
14
15
15
16
16
16
17
17
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
18
18
18
18
19
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3 O M
etodo do Simplexo
3.1 Algoritmo Simplexo - Exemplo . . . . . . . . . . . .
3.2 Exercicios . . . . . . . . . . . . . . . . . . . . . . .
3.3 Problemas Especiais de Formulacao . . . . . . . . .
3.3.1 Formulacao . . . . . . . . . . . . . . . . . .
3.3.2 Dificuldades Durante a Solucao pelo Metodo
3.4 Metodo do Simplexo - Fase I/Fase II . . . . . . . .
3.4.1 Procedimento para a Fase I . . . . . . . . .
3.4.2 Exemplo . . . . . . . . . . . . . . . . . . . .
3.4.3 Exerccios . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
4 An
alise de Sensibilidade
4.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . .
4.2 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.1 Variacao na Funcao Objetivo . . . . . . . . .
4.2.2 Variacao na Quantidade de Recursos Escassos
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
21
21
5 Solver
5.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
23
23
6 Pert - Redes de
6.1 Definicoes .
6.2 Redes . . .
6.3 Exemplos .
6.4 Formacao de
.
.
.
.
25
25
25
25
26
7 Otimimizac
ao N
ao-Linear
7.1 Funcao de uma variavel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
29
29
4.3
Preced
encia
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
Redes . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Introduc
ao
1.1
Definic
ao
1.2
Definicao do
Problema
?
Desenvolvimento de um
modelo matematico e
aquisicao dos dados
Resolucao do
modelo
matematico
Solucao
?
Q
Q
sim
Implementacao
1.2.1
Defini
c
ao do Problema
Identificar;
Comprender;
Descrever.
1.2.2
1.2.3
Resolu
c
ao do modelo matem
atico
Metodos Otimos;
Metodos Heursticos.
1.2.4
1.3
Valida
c
ao, instrumenta
c
ao e controle da soluc
ao
Aplicac
ao
Areas
Processos de producao
Processos de Fluxo (transporte)
Financas
Marketing (participacao no mercado)
Misturas (alimentos, ligas, misturas quimicas)
1.3.2
Ferramentas
Matematica
Analise de sistemas
Estatistica
Programac
ao Linear
2.1
Exemplos de problemas
Liga Tipo
A
2
1
1
R$30
Liga Tipo
B
1
2
3
R$50
Materia Prima
Disponivel
16
11
15
Funcao Objetivo
Maximizar Z= 30.xa + 50.xb
Restricoes
Sujeito A
Restricoes de nao
Negatividade
xa 0
xb 0
(Nao podemos fabricar quantidade negativa de liga)
2. Um fazendeiro tem que decidir o quanto vai plantar de milho e de alfafa. Os lucros sao
de R$2.000 por alqueire de milho e de R$1.000 por alqueire de alfafa. Suponha que
suas limitacoes sejam: terra disponivel = 8 alqueires; agua disponivel para irrigacao =
80.000 litros; deseja plantar no maximo 4 alqueires de milho; cada alqueire de milho
requerera 10.000 litros de agua para irrigacao; cada alqueire de alfafa requerera 20.000
litros de agua para irrigacao.
3. Sabe-se que os alimentos, leite, carne e ovos fornecem as quantidades de vitaminas
dadas pela tabela.
Vitaminas
Leite (litro)
Carne (kg)
Ovos(d
uzia)
A
B
C
Custo unitario
0,25 mg
25 mg
2,5 mg
R$2,2
2 mg
20 mg
200 mg
R$17,0
10 mg
10 mg
10 mg
R$4,2
Quantidade
diaria minima
1 mg
50 mg
10 mg
(b) Luisa, mais simples, prefere um divertimento mais popular, de modo que, uma
saida de tres horas custara 55 reais;
(c) seu orcamento permite dispor de 330 reais mensais para diversao;
(d) seus afazeres escolares lhe dao liberdade de, no maximo, 18 horas e 40.000 calorias
de sua energia para atividades sociais;
(e) cada saida com Maria consome 5.000 calorias, mas com Lisa, mais alegre e extrovertida, gasta o dobro;
(f) ele gosta das duas com a mesma intensidade.
Como deve planejar sua vida social para obter o n
umero maximo de saidas? Formule
o problema.
6. Devido ao n
umero incostante de passageiros, uma companhia de onibus necessita um
n
umero variado de motoristas dependendo do horario considerado. A tabela a seguir
especifica a quantidade de motoristas necessarios.
Horario
1 as 5 horas
5 as 9 horas
9 as 13 horas
13 as 17 horas
17 as 21 horas
21 as 1 horas
Quantidade de
motoristas
15
30
26
32
30
19
Considerando que cada motorista trabalha 8 horas seguidas e que o servico pode ser
iniciado as 1, 5, 9, 13, 17 ou 21 horas, elaborar um plano de trabalho para os motoristas,
de modo que o n
umero destes seja minimo.
Conjunto
Alfa
0,4
0,8
0,25
0,2
0,06
3
Conjunto
Beta
0,3
0,4
0,4
0,2
0,1
4,5
Conjunto
Gama
0,3
0,6
0,4
0,2
0,05
6
8
Alocacao Inicial de
Recurso Por Secao
704 H.h.
1.232 H.h.
704 H.h.
528 H.h.
352 H.h.
10.000 m2
Custo Unitario
2,40
3,50
2,20
2,50
2,00
6,50
8. Uma empresa tem tres tipos de maquinas na sua linha de producao, tendo cada uma
delas velocidade e precisao diferente. A maquina do tipo 1 produz 20 pecas por hora
com 99% de precisao. A maquina do tipo 2 produz 15 pecas por hora com 95% de
precisao. E a maquina do tipo 3 produz 10 pecas por hora com 100% de precisao.
A maquina do tipo 1 custa R$2,00 por hora de operacao, o tipo 2 custa R$1,75 por
hora de operacao e o tipo 3 custa R$1,50 por hora de operacao. A empresa possui 15
operadores fixos disponveis para as maquinas 1 e 2, e todos devem ser utilizados, os
outros serao contratados temporariamente. Devem ser processados por dia pelo menos
3.500 pecas (dia de 8 horas), mas so se dispoe de 8 maquinas do tipo 1, dez maquinas
do tipo 2 e 20 maquinas do tipo 3. Cada peca errada custa R$1,00.
Pergunta-se:
(a) Quantas maquinas de cada tipo devem ser usadas para minimizar o custo.
(b) Qual o benefcio marginal no custo no caso da:
tipo 1.
tipo 2.
tipo 3.
por dia.
2.2
2.2.1
10
An
alise Gr
afica
Exemplo
Max.
Z= 30.xa + 50.xb
Sujeito A 2xa + xb 16 (para o cobre)
xa + 2.xb 11 (para o zinco)
xa + 3.xb 15 (para o chumbo)
xa 0
xb 0
xa 6
zinco
B
B
15B
@
regiao de
aceitacao
2.2.2
@
RA
@
A
chumbo
B
B
ponto
otimo
A B
10 A B
A B
A B
H
H
HH A B
HA
B
H
A H
B H
cobre
A B HH
A
H
B
5
HH
@
AB
H
@
AB
HH
@
AB
H
HH
@
A
B
@u
H
BA
HH
BA
H
HH
BA
H
H
A
B
0
5B A
10
15
xb
Exercicios
1. Resolva graficamente, mostrando a regiao de pontos viaveis (regiao de aceitacao), indicando o ponto otimo.
Max.
Z= 10.x + 15.y
Sujeito A x + y 12
2.x + 5.y 40
x2
x8
y1
2. Resolva graficamente o problema de Programacao Linear.
11
Max.
Z= 2.x1 + x2
Sujeito A x1 + 4.x2 24
x1 + 2.x2 14
2.x1 x2 8
x1 x2 3
x1 0
x2 0
3. Resolva graficamente
Min.
Z= x1 + 2.x2
Sujeito A x1 + x2 1
6.x1 + 4.x2 24
x1 0
x2 2
4. Resolva graficamente
Min.
Z= 2.x1 + x2
Sujeito A 4.x1 5.x2 40
5.x1 + 8.x2 40
9.x1 6.x2 0
x1 0
x2 2
2.3
O problema de Programac
ao linear
A representacao grafica se aplica nos casos bem mais simples de apenas duas variaveis de
decisao (x1 , x2 ), em geral o n
umero de variaveis e muito maior, o que impossibilita visualizacoes graficas.
Ao estruturarmos um problema sob a forma de um modelo matematico, o intuito e o de
nos ajudar no processo de decisao: que atividade empreender e o quanto de cada uma, a fim
de satisfazer de um dado objetivo.
Programacao Linear e uma ferramenta de planejamento que nos ajuda a selecionar que
atividades (variaveis de decisao) empreender, dado que essas atividades (diversas alternativas) competem entre si pela utilizacao de recursos escassos (restricoes) ou entao precisam
satisfazer certos requisitos minimos. O objetivo sera maximizar (ou minimizar) uma funcao
das atividades, geralmente lucros (perdas).
2.3.1
12
Formula
c
ao Gen
erica
Funcao Objetivo
Maximizar Z= c1 .x1 + c2 .x2 + + cn .xn
Restricoes Principais
Sujeito A
b1
b
a21 .x1 + a22 .x2 + + a2n .xn
2
.........
Interpreta
c
ao Econ
omica
13
O M
etodo do Simplexo
3.1
Max.
Z= 30.x1 + 50.x2
Sujeito A 2x1 + x2 16
x1 + 2.x2 11
x1 + 3.x2 15
x1 0
x2 0
Forma padr
ao para escrever os dados
Atividades x
Variavel de Folgas
I(matriz
b(coeficientes)
identidade)
independentes)
Atividades
1o Tableau
Folgas
x1
x2
y1
y2
y3
16
16
1
11
11
2
15
15
3
-50
1
1
-30
@
I
@ mais negativo
menor relacao
Procedimento:
1. Selecionar a coluna j com o valor mais negativo;
2. Ache, para todas as linha i, a menor relacao
escolhido sera o pivo.
bi
aij
14
(b) em todas as outras linhas de r, para cada elemento da coluna k, calcular ark =
aij
.arj .
ark aik
(c) fazer o calculo do item b tambem para a lilha c.
4. Repita as etapas 1,2,3 ate que nao haja mais valores negativos na u
ltima linha c.
Atividades
2o Tableau
Folgas
x1
x2
y1
y2
y3
5/3
1/3
11
1/3
2/3
1/3
1/3
40/3
50/3
250
y3
Atividades
o
3 Tableau
Folgas
x1
x2
y1
y2
-5
-1
40
10
290
Atividades
4o Tableau
Folgas
x1
x2
y1
y2
y3
1/3
-5/3
2/3
-1/3
-1/3
2/3
10/3
70/3
310
Resultados
Z = 310
x1 = 7
x2 = 2
x3 = 0
y1 = 0
y2 = 0
y3 = 2
3.2
Exercicios
15
3.3
3.3.1
1. Convers
ao de Minimizar para Maximizar na Fun
c
ao Objetivo:
O Simplexo, resolve apenas problemas de maximizacao. Devemos converter os problemas de minimizacao, fazendo: M ax(Z 0 ) = M in(Z), onde Z 0 = Z
2. xj livre:
Uma variavel e livre quando nao tem condicoes de nao negatividade.
Resolve-se introduzindo as variaveis x0j e x00j .
Com
xj = x0j x00j
x0j 0
x00j 0
E resolvendo o problema nas novas variaveis.
Exemplo
Max.
Z= 4.x1 + x2 + 3.x3
Sujeito A
x1 2.x2 + x3 = 20
x1 + 5.x2 2.x3 50
x1 0
x2 0
x3 livre
3.3.2
16
x2
x3
x4
x5
12
-3
-5
3.4
M
etodo do Simplexo - Fase I/Fase II
3.4.1
1. Alem das variaveis de folga, serao introduzidas variaveis artificiais, da seguinte maneira:
sinal
variavel de folga
17
variavel artificial
+
Exemplo
Max.
Z= x1 6.x2 + 7.x3 x4 5.x5
Sujeito A 5.x1 4.x2 + 13.x3 2.x4 + x5 20
x1 x2 + x3 x4 + x5 = 8
2.x1 + x2 x3 + 4.x4 15
x1 0
x2 0
x3 0
x4 0
x5 0
3.4.3
x1
x2
x3
x4
x5
x6
x7
y1
y2
-4
+13
-2
-1
20
-1
-1
-1
15
-7
-6
-14
-2
-28
Exerccios
Z= 2.x1 + x2 + x3
3.x1 + 4.x2 + x3 = 5
x1 + x2 + 2.x3 = 3
x1 0
x2 0
x3 0
18
An
alise de Sensibilidade
4.1
Introduc
ao
A resposta final de um problema de Programacao Linear, muitas vezes, tem valor limitada.
Alem da simples resposta do valor das variaveis, devemos saber o que acontece com elas, se
existir variacoes nos coeficientes dados no problema original.
Muitas vezes queremos saber, quanto podemos variar nos coeficientes da funcao objetiva
e na quantidade de recursos escassos de maneira que aquela resposta final otimizada (as
alternativas que devemos usar) nao sera modificada.
A analise de sensibilidade e feita de maneira muito facil, analisando os dados do primeiro e u
ltimo Tableau.
4.2
Exemplo
x1
x2
x3
x4
x5
x6
x7
35
80
90
-5
-4
-6
Primeiro Tableau
Ultimo
Tableau
4.2.1
x1
x2
x3
x4
x5
x6
x7
3/4
5/4
3/2
-1/4
30
11/4
5/4
-1/2
-1/4
40
1/4
-1/4
-1/2
1/4
5/4
51/4
9/2
1/4
180
Varia
c
ao na Fun
c
ao Objetivo
19
0
0
0
0
5/3
51/5
3
1
Varia
c
ao na Quantidade de Recursos Escassos
20
35 +
80
90
Que pode ser reescrita como:
35
80 + 0 .
0
90
No u
ltimo Tableau as colunas se transformam em:
30
3/2
40 + 1/2 .
5
1/2
Os valores das variaveis basicas passam a ser:
x1 = 30 + .
1
x6 = 40 .
x3 = 5 .
2
Como os valores da coluna b nunca podem assumir valores negativos, temos os limites
para sendo impostos desta maneira:
30 + . 0
20
1
40 . 0 80
5 . 0
10
2
Os limites, para acrescimo e decrescimo sao os mais apertados. Portanto:
Limite para acrescimo em b1 10
Limite para decrescimo em b1 20
Para obter os limites para b3 procedemos de maneira similar.
4.2.3
21
Pre
co Sombra
Quanto efetuamos um acrescimo de uma unidade numa quantidade de Recurso Escasso que
nao tenha folga, vamos ter um acrescimo correspondente no valor do Z maximo. Este valor
e chamado de preco Sombra ou beneficio marginal deste recurso escasso.
Podemos identificar o preco sombra para cada quantidade de recurso escasso diretamente no
u
ltimo Tableau, na linha linha de custo reduzido, na coluna da variavel de folga correspondente.
Preco Sombra para bi u
ltimo Tableau
No exemplo temos, o preco sombra para b1 igual a 9/2, o preco sombra para b3 igual a 1/4
e o preco sombra para b2 igual a 0 pois o recurso escasso tem folga e nao obtemos nenhum
beneficio aumentando a sua quantidade.
4.3
Itens em Produc
ao
Conjunto ALFA
Conjunto BETA
Conjunto GAMA
Disponibilidade de Recursos
m
ao-de-obra: 3520 H.h. por m
es
2
estoque de madeira: 10.000 m por m
es
Processo de Fabrica
c
ao
e Alocac
ao Inicial de M
ao-De-Obra
a) Corte 704 H.h.
b) Prepara
c
ao 1232 H.h.
e) Embalagem 352 H.h.
Conjunto
Conjunto
Conjunto
Alocacao Inicial
Realocacao
Alfa
Beta
Gama
Recurso/Secao
de Recurso
Corte
0,4
0,3
0,3
704 H.h.
704 H.h.
Preparacao
0,8
0,4
0,6
1.232 H.h.
1.364 H.h.
Montagem
0,25
0,4
0,4
704 H.h.
704 H.h.
Pintura
0,2
0,2
0,2
528 H.h.
484 H.h.
Embalagem
0,06
0,1
0,05
352 H.h.
264 H.h.
Madeira
Contribui
c
ao Unit
aria
4,5
10.000 m
Conjunto
22
Alfa
21,00
Beta
19,50
Gama
22,00
Modelagem
Vari
aveis de Decis
ao
x1 = n
umero de conjuntos ALFA
x2 = n
umero de conjuntos BETA
x3 = n
umero de conjuntos GAMA
Fun
c
ao Objetivo (maximizar o lucro)
Max. Z = 21.x1 + 19, 5.x2 + 22.x3
Restri
c
oes (condicoes devido aos recursos escassos)
x1 0
704 (corte)
0, 4.x1
+0, 3.x2
+0, 3.x3
0, 8.x1
+0, 4.x2
+0, 6.x3
0, 25.x1
+0, 4.x2
+0, 4.x3
704
(montagem)
0, 2.x1
+0, 2.x2
+0, 2.x3
528
(pintura)
0, 06.x1
+0, 1.x2
+0, 05.x3
352
(embalagem)
3.x1
+4, 5.x2
+6.x3
10.000
x2 0
1.232 (preparacao)
(madeira)
x3 0
Primeiro Tableau
1
0.350
0.400
0.000
0.000
0.000
0.000
704.000
0.450
0.300
0.000
0.000
0.000
0.000
1232.000
0.350
0.350
1.000
0.000
0.000
0.000
704.000
0.350
0.450
0.000
1.000
0.000
0.000
528.000
0.070
0.110
0.000
0.000
1.000
0.000
352.000
3.000
4.500
0.000
0.000
0.000
1.000
10000.000
0.000 0.000
0.000
0.000
0.000
0.000
Z -19.000 -20.000
Ultimo
Tableau
-23.000 0.000
0.000 0.000
0.000 1.000
0.000
-0.500 -0.500
0.000
-0.000
88.000
0.000 0.000
0.000 0.000
1.000
-2.308
0.385
0.000
0.074
554.051
1.000 0.000
0.000 0.000
0.000
9.231
-1.539
0.000
-0.564
45.129
0.000 1.000
0.000 0.000
0.000
-7.692
4.615
0.000
0.359
611.282
0.000 0.000
0.000 0.000
0.000
0.154
-0.292
1.000
-0.007
234.174
0.000 0.000
1.000 0.000
0.000
1.154
-2.692
0.000
0.179
1185.641
0.000 0.000
0.000 0.000
0.000
48.077
1.154
0.000
0.590
40352.820
23
Solver
5.1
Introduc
ao
O Solver e um modulo do Excel que permite-nos de uma forma muito simples e rapida
obter solucoes para problemas de programacao linear.
5.2
Exemplo
Como exemplo, vamos resolver o exerccio envolvendo a companhia ALT-M que produz
moveis de escritorio que, por questoes de marketing, agrupou em tres conjuntos basicos
cujos modelos sao: ALFA, BETA E GAMA. Exerccio resolvido e analisado em sala.
Em geral o modulo Solver nao esta disponvel no arranque do Excel. Devemos ativa-lo
no menu Ferramentas - Suplementos. Para rodar o modulo Solver selecione a funcao
Solver no menu Ferramentas.
Organize as informacoes pertinentes da melhor forma possvel em uma planilha.
(Exemplo: u
ltima folha).
reserve uma celula para a formula do calculo de Z (E17)(=B18*B5+C18*C5+D18*D5)
calcule os recursos escassos consumidos (coluna E linhas 9 a 14)
(E9 =B9*B5+C9*C5+D9*D5)
(E10 =B10*B5+C10*C5+D10*D5)
(E11 =B11*B5+C11*C5+D11*D5)
(E12 =B12*B5+C12*C5+D12*D5)
(E13 =B13*B5+C13*C5+D13*D5)
(E14 =B14*B5+C14*C5+D14*D5)
rode o Solver
no parametro Definir c
elula destino (conforme figura acima) coloque a celula reservada para o Z ($E$18).
24
no parametro C
elulas vari
aveis coloque as celulas das variaveis de decisao ($B$5:$D$5)
no parametro Submeter `
as restric
oes coloque as restricoes usando Adicionar.
no parametro Opco
es marque conforme Figura abaixo.
aplique Resolver
25
6.1
Definic
oes
Redes de Precedencia:
atividades do projeto
sequencia temporal
obedecer restricoes
Redes de Precedencia: Uma vez definidas as atividades do projeto e suas respectivas
duracoes deve-se empreender a montagem destas atividades em um sequencia temporal,
de maneira racional, exeq
uvel e efeciente, de forma a dispo-las na melhor ordem para
o projeto. Esta montagem deve obedecer `a restricoes de precedencia, conflitos de
recursos, fluxos de recursos e janelas de oportunidades. Existem diversas tecnicas para
elaboracao destas redes como PERT, P-PERT, PERT-Custo, GERT, CPM, PDM e
Corrente Crtica.
CPM - Critical Path Method.
PERT - Program Evaluation and Review Technique.
6.2
Redes
atividade
?
?
'$
4h
&%
6
tempo
6.3
Exemplos
a) Provao 1999
evento
?
'$
-
&%
b) Provao 2000
6.4
Formac
ao de Redes
Exemplo 1:
26
27
Atividades
Duracao da
antecessoras
tarefa -
imediatas
(Dias)
-.-
Atividade
28
Exemplo 2:
Atividades
Duracao da
antecessoras
tarefa -
imediatas
(Dias)
-.-
-.-
AeB
Atividades
Duracao da
antecessoras
tarefa -
imediatas
(Dias)
-.-
DeE
Atividades
Duracao da
antecessoras
tarefa -
imediatas
(Dias)
-.-
HeG
IeF
Atividade
Exemplo 3:
Atividade
Exemplo 4:
Atividade
Otimimizac
ao N
ao-Linear
7.1
Func
ao de uma vari
avel
7.2
Exerccios
a) Exemplo 1
Max. Z = 32x 2x2
Sujeito A: x 2
x 10
(a) Z 0 = 32 4x
(b) Z 0 = 0; 32 4x = 0; x = 8
(c) Z 00 = 4
(d) Z 00 (8) = 4 < 0
A funcao passa por um maximo em x=8 (Z=128)
(e) 8 2 ok
8 10 ok
(f) Z(2) = 56
Z(10) = 120
Resposta: Ponto otimo : x=8
Z maximo = 128
b) Exemplo 2
Min. Z = x2 8x
Sujeito A: x 0
x3
c) Exemplo 3
Min. Z = 13 x3 3x2 + 5x + 3
Sujeito A: x 0
x4
29