Pular para o conteúdo principal

Método Gráfico (parte 2) - Exemplo

Solução através do método gráfico o seguinte problema:

Maximizar Z = f(x,y) = 3x + 2y
sujeita às restrições: 2x + y ≤ 18
  2x + 3y ≤ 42
  3x + y ≤ 24
  x ≥ 0 , y ≥ 0

1.Inicialmente, o sistema de coordenadas da associação de um eixo com variável "X" e o outro o "Y" é desenhado (geralmente associa-se "x" em relação ao eixo horizontal e o "y" ao vertical), como pode ser visto na figura.

2.Nestes eixos, marca-se uma escala numérica apropriada aos valores que podem assumir as variáveis conforme as restrições do problema. Para isto, em cada restrição anulam-se todas as variáveis, exceto aquelas que correspondem a um eixo concreto, estabelecendo o valor adequado para este eixo. Este processo é repetido para cada um dos eixos.

3.As restrições são representadas a seguir. Primeiramente, desenha-se a reta que é obtida ao considerar a restrição como uma igualdade. Ela é representada como o segmento que une A com B e região que delimita esta restrição é indicada pela cor AMARELA. O processo é repetido com as outras restrições, ficando delimitada a região de cor AZUL e VERMELHO para a segunda e terceira restrição respectivamente.

4.A região viável é a interseção das regiões definidas tanto pelo conjunto de restrições, como pelas condições de não negatividade das variáveis, ou seja, ambos os eixos de coordenadas. Tal região viável é representada pelo polígono O-F-H-G-C, de cor VIOLETA.

5.Como existe uma região viável, passamos a determinar os seus pontos extremos, ou vértices do polígono que representa. Esses vértices são os pontos candidatos a soluções ótimas. Neste exemplo são os pontos O-F-H-G-C da figura.

6.Finalmente, a função objetivo (3x + 2y) em cada um destes pontos (resultado determinado na tabela abaixo) é avaliada. Como o ponto G fornece o maior valor para a função Z e o objetivo é maximizar, este ponto é a solução ideal: Z = 33 con x = 3 e y = 12.



Ponto extremo Coordenadas (x,y) Valor objetivo (Z)
O (0,0) 0
C (0,14) 28
G (3,12) 33
H (6,6) 30
F (8,0) 24

Comentários

Postagens mais visitadas deste blog

A História da Programação Linear

O desenvolvimento de técnicas algébricas para se lidar com inequações lineares é algo bastante antigo. Durante o século XVIII, o matemático e físico Jean-Baptiste Joseph Fourier desenvolveu vários métodos inovadores para se resolver sistemas de ineqüações. Um dos principais algoritmos desenvolvido por Fourier foi o Método de Eliminação de Fourier–Motzkin. Durante a Segunda Guerra Mundial, novas tecnologias bélicas levaram à criação de grupos acadêmicos com o objetivo de resolver problemas como o uso eficiente de radares, canhões antiaéreos, escoltas navais, etc. O objetivo era sempre reduzir custos militares e buscar maximizar as baixas inimigas. Para resolver estes problemas, a Programação Linear mostrou-se extremamente útil. Os grupos acadêmicos que a utilizavam eram sempre mantidos secretos até o ano de 1947, após o término da guerra. Foi quando a Programação Linear passou a ser muito usada em empresas com o objetivo de reduzir despesas e maximizar lucros. Também no ano de ...

Vídeo Aulas

Vídeo Aulas Matrizes https://www.youtube.com/embed/gE_1LTPwhV0 https://www.youtube.com/embed/pNWx2LE9meQ Método Gráfico https://www.youtube.com/embed/B518pKT7xks https://www.youtube.com/embed/4hZKBvMTOLI Método Simplex https://www.youtube.com/embed/OD0BVZbDieY https://www.youtube.com/embed/uendv1Khpcw Dualidade https://www.youtube.com/embed/z6-kdJoSwpg https://www.youtube.com/embed/tgPe1XnK9aU

Teoria de Programação Linear

Geometricamente, as restrições lineares definem um poliedro convexo, que é chamado de conjunto dos pontos viáveis. Uma vez que a função objectivo é também linear, todo ótimo local é automaticamente um ótimo global. A função objetivo ser linear também implica que uma solução ótima pode apenas ocorrer em um ponto da fronteira do conjunto de pontos viáveis. Existem duas situações nas quais uma solução ótima não pode ser encontrada. Primeiro, se as restrições se contradizem (por exemplo, x ≥ 2 e x ≤ 1) logo, a região factível é vazia e não pode haver solução ótima, já que não pode haver solução nenhuma. Neste caso, o PL é dito inviável. Alternativamente, o poliedro pode ser ilimitado na direção da função objetivo (por exemplo: maximizar x1 + 3 x2 sujeito a x1 ≥ 0, x2 ≥ 0, x1 + x2 ≥ 10), neste caso não existe solução ótima uma vez que soluções arbitrariamente grandes da função objetivo podem ser construídas, e o problema é dito ilimitado. Fora estas duas condições patológicas (que são...