(Parte 1 de 2)

4 - O Método SimplexPesquisa Operacional

Prof. Erico Lisboa 15 http://www.ericolisboa.eng.br

CAPÍTULO 4

O Método Simplex caminha pelos vértices da região viável até encontrar uma solução que não possua soluções vizinhas melhores que ela. Esta é a solução ótima. A solução ótima pode não existir em dois casos: quando não há nenhuma solução viável para o problema, devido a restrições incompatíveis; ou quando não há máximo (ou mínimo), isto é, uma ou mais variáveis podem tender a infinito e as restrições continuarem sendo satisfeitas, o que fornece um valor sem limites para a função objetivo.

O modelo de programação linear pode ser resolvido por um método de solução de sistema de equações lineares. O processo que será apresentado no exemplo a seguir, retirado de ANDRADE (2000), é bastante intuitivo e tem por finalidade apresentar a metodologia utilizada pelo método Simplex.

a) Formulação do problema

"Uma marcenaria deseja estabelecer uma programação diária de produção. Atualmente, a oficina faz apenas dois produtos: mesa e armário, ambos de um só modelo. Para efeito de simplificação, vamos considerar que a marcenaria tem limitações em somente dois recursos: madeira e mão-de-obra, cujas disponibilidades diárias são mostradas na tabela a seguir.

Recurso Disponibilidade Madeira 12m2

Mão-de-obra8 H.h

O processo de produção é tal que, para fazer uma mesa a fábrica gasta 2 m2 de madeira e 2 H.h de mão-de-obra. Para fazer um armário, a fábrica gasta 3 m2 de madeira e 1 H.h de mão de obra.

Além disso, o fabricante sabe que cada mesa dá uma margem de contribuição para o lucro de $ 4 e cada armário de $ 1. O problema é encontrar o programa de produção que maximiza a margem de contribuição total para o lucro." b) Montagem do modelo As variáveis de decisão envolvidas no problema são:

x2: quantidade a produzir de armários A função objetivo é:

Lucro:z = 4 x1 + x2 Para as restrições, a relação lógica existente é:

Utilização de recurso £ Disponibilidade

4 - O Método SimplexPesquisa Operacional

Prof. Erico Lisboa 16 http://www.ericolisboa.eng.br

Assim temos

Madeira: 2 x1 + 3 x2 £ 12 Mão-de-obra: 2 x1 + x2 £ 8 c) Solução do modelo

Já conhecemos o método de solução gráfica para problemas de programação linear de duas variáveis. Será agora apresentada a solução por sistemas de equações lineares.

De forma a transformar as restrições do problema de programação linear de inequações em equações, são introduzidas as variáveis de folga. Neste problema, as restrições têm a seguinte estrutura lógica:

Utilização de recurso £ Disponibilidade.

Ao se introduzir o conceito de folga de recurso, a inequação pode ser escrita como

Utilização de recurso + Folga = Disponibilidade.

Isso significa que

Utilização de recurso < Disponibilidadeimplica Folga > 0; Utilização de recurso = Disponibilidadeimplica Folga = 0.

Deste modo, a folga de cada recurso pode ser representada por uma variável de forma exatamente igual à produção de cada produto. Desse modo, vamos chamar:

Introduzindo as variáveis de folga, o problema a ser resolvido passa a ser:

Maximizar:z = 4 x1 + x2 Sujeito a2 x1 + 3 x2 + f1 = 12 2 x1 + x2 + f2 = 8

O problema se transformou em encontrar a solução do sistema de equações lineares que maximiza o lucro. Como neste caso o número de variáveis (m = 4) é superior ao número de equações (n = 2), o sistema é indeterminado, apresentando infinitas soluções.

No entanto, todas as variáveis devem ser maiores ou iguais a zero. Atribuir zero a uma variável significa não produzir um dos produtos (se a variável for x1 ou x2) ou utilizar toda a

4 - O Método SimplexPesquisa Operacional

Prof. Erico Lisboa 17 http://www.ericolisboa.eng.br disponibilidade de recursos (se a variável for f1 ou f2). Desta forma, podemos encontrar soluções para o sistema de equações zerando duas variáveis (n - m = 2) e encontrando o valor para as duas variáveis restantes. Teremos que resolver então

Uma vez resolvido um sistema, serão aplicados na função objetivo os valores encontrados. As variáveis zeradas são chamadas variáveis não-básicas. As variáveis cujos valores são calculados pelo sistema de equações são chamadas variáveis básicas.

c.1) Variáveis não-básicas: x1 = 0 x2 = 0 temos as variáveis básicasf1 = 12 f2 = 8 dando o lucroz = 0 c.2) Variáveis não-básicas: x1 = 0 f1 = 0 temos as variáveis básicasx2 = 4 f2 = 4 dando o lucroz = 4 c.3) Variáveis não-básicas: x1 = 0 f2 = 0 temos as variáveis básicasx2 = 8 f1 = -12 como f1 < 0, a solução obtida é INVIÁVEL.

c.4) Variáveis não-básicas: x2 = 0 f1 = 0 temos as variáveis básicasx1 = 6 f2 = -4 como f2 < 0, a solução obtida é INVIÁVEL.

4 - O Método SimplexPesquisa Operacional

Prof. Erico Lisboa 18 http://www.ericolisboa.eng.br c.5) Variáveis não-básicas: x2 = 0 f2 = 0 temos as variáveis básicasx1 = 4 f1 = 4 dando o lucroz = 16 c.6) Variáveis não-básicas: f1 = 0 f2 = 0 temos as variáveis básicasx1 = 3 x2 = 2 dando o lucroz = 14

Comparando todas as soluções encontradas por este processo, achamos a solução ótima, ou seja, x1 = 4, x2 = 0, f1 = 4, f2 = 0, dando um lucro z = 16.

Da forma como foi resolvido o problema anteriormente, é necessário que muitos sistemas de equações sejam resolvidos e suas soluções comparadas. Para problemas reais de programação linear, esta solução se torna inviável. Desta forma, para termos condições de resolver um problema de programação linear, precisamos de uma sistemática que nos diga:

ü qual o sistema de equações que deve ser resolvido; ü que o próximo sistema a ser resolvido fornecerá uma solução melhor que os anteriores; ü como identificar um solução ótima, uma vez que a tenhamos encontrado.

Essa sistemática é o método Simplex, e as regras que o método utiliza para atender às três questões acima são, basicamente, os critérios que desenvolvemos nos itens anteriores. Vamos voltar ao nosso pequeno problema, já com as variáveis de folga:

maximizarz = 4 x1 + x2 sujeito a2 x1 + 3 x2 + f1 = 12 2 x1 + x2 + f2 = 8

Vamos montar um quadro para ordenarmos as operações, colocando nele apenas os coeficientes das variáveis. No caso da função objetivo, vamos realizar a seguinte transformação:

de: z = 4 x1 + x2 para:z - 4 x1 - x2 = 0

4 - O Método SimplexPesquisa Operacional

Prof. Erico Lisboa 19 http://www.ericolisboa.eng.br

Quadro 1

A última coluna corresponde aos termos independentes das equações, e a última linha contém os coeficientes das variáveis na função objetivo. Nessa última linha teremos sempre a contribuição que cada variável dá para o lucro total z, por unidade, em cada iteração do processo de solução. Essa última linha será chamada de função objetivo transformada, ou função z-transformada.

a) Solução inicial

A solução inicial para o problema será sempre obtida fazendo as variáveis originais do modelo (no caso x1 e x2) iguais a zero e achando o valor das demais.

Assim, fazendo x1 = x2 = 0 (variáveis não básicas), obtemos do Quadro 1: f1 = 12 f2 = 8(variáveis básicas) z = 0

As variáveis básicas estão indicadas no Quadro 1, para facilitar o acompanhamento das operações.

b) Segunda solução

Como a primeira solução claramente não é a melhor, vamos procurar outra que dê um valor maior para z. O problema é descobrir:

ü Das duas variáveis não básicas (nulas) na primeira solução, qual deve se tornar positiva? ü Das duas variáveis básicas (positivas) na primeira solução, qual deverá ser anulada?

Qual variável deverá se tornar positiva?

Vamos observar que na última linha do Quadro 1 temos os coeficientes da função objetivo que mostram a contribuição para o lucro z de cada unidade produzida de mesa (x1) e de armário (x2). Assim, aplicando o critério de que devemos produzir primeiro o produto que mais contribui para o lucro, vamos começar a produção pela variável x1, já que sua contribuição unitária para o lucro (4) é maior que a contribuição de x2, igual a 1.

Nota-se pelo Quadro 1 que, na primeira equação, o maior valor possível de x1 é 6, quando f1 for igual a zero (note que x2 vale zero por ser variável não básica). Qualquer valor maior de x1 fará com que o valor de f1 fique negativo, o que não é permitido. Na segunda equação, o maior valor permitido para x1 é 4, quando f2 for igual a zero. Analisando simultaneamente as duas equações, percebe-se que o maior valor possível para x1 é 4, já que atende às duas equações.

Observe que esta análise pode ser feita diretamente do Quadro 1, através da divisão dos elementos da coluna b pelos correspondentes elementos da coluna x1. O menor quociente indica, pela linha em que ocorreu, qual a variável básica que deve ser anulada. Assim, como o menor quociente é dado pela

4 - O Método SimplexPesquisa Operacional

Prof. Erico Lisboa 20 http://www.ericolisboa.eng.br divisão 8 / 2 = 4, a variável básica a ser anulada é f2, que é a variável positiva na atual solução, cujo valor foi encontrado na segunda linha.

Assim temos:

e o sistema restante deve ser resolvido para acharmos o valor de x1 e f1. A solução desse sistema será feita usando o Quadro 1 com as equações completas e usando as operações válidas com as linhas da matriz, como apresentado no Capítulo 2.

1ª operação: Dividir a segunda linha por 2 (L2 ¬ L2 / 2)

Quadro 1A

Quadro 1B

Quadro 2

Como a última linha (função z-transformada) mostra as contribuições líquidas para o lucro, caso as variáveis x1 e f2 venha a ter seus valores aumentados de 0 para 1 e como estas contribuições têm seus valores trocados com relação ao quadro original, concluímos que a solução encontrada é ótima.

f2 = 0 e z = 16

4 - O Método SimplexPesquisa Operacional

Prof. Erico Lisboa 21 http://www.ericolisboa.eng.br

4.3 Procedimento do Método Simplex (Problemas de Maximização) Passo 1:Introduzir as variáveis de folga; uma para cada desigualdade.

Passo 2:Montar um quadro para os cálculos, colocando os coeficientes de todas as variáveis com os respectivos sinais e, na última linha, incluir os coeficientes da função objetivo transformada.

Passo 3:Estabelecer uma solução básica inicial, usualmente atribuindo valor zero às variáveis originais e achando valores positivos para as variáveis de folga.

Passo 4:Como próxima variável a entrar na base, escolher a variável não básica que oferece, na última linha, a maior contribuição para o aumento da função objetivo (ou seja, tem o maior valor negativo). Se todas as variáveis que estão fora da base tiverem coeficientes nulos ou positivos nesta linha, a solução atual é ótima. Se alguma dessas variáveis tiver coeficiente nulo, isto significa que ela pode ser introduzida na base sem aumentar o valor da função objetivo. Isso quer dizer que temos uma solução ótima, com o mesmo valor da função objetivo.

Passo 5:Para escolher a variável que deve deixar a base, deve-se realizar o seguinte procedimento:

a) Dividir os elementos da última coluna pelos correspondentes elementos positivos da coluna da variável que vai entrar na base. caso não haja elemento algum positivo nesta coluna, o processo deve parar, já que a solução seria ilimitada.

b) O menor quociente indica a equação cuja respectiva variável básica deverá ser anulada, tornando-se variável não básica.

Passo 6:Usando operações válidas com as linhas da matriz, transformar o quadro de cálculos de forma a encontrar a nova solução básica. A coluna da nova variável básica deverá se tornar um vetor identidade, onde o elemento 1 aparece na linha correspondente à variável que está sendo anulada.

Passo 7:Retornar ao passo 4 para iniciar outra iteração.

Vamos resolver pelo método Simplex o problema das rações proposto no Capítulo 1, cujo modelo foi apresentado no Capítulo 3.

a) Inclusão das variáveis de folga Com a inclusão das variáveis de folga, o problema torna-se:

4 - O Método SimplexPesquisa Operacional

Prof. Erico Lisboa 2 http://www.ericolisboa.eng.br b) Solução inicial c) Primeira iteração

Variável a entrar na base:x2 (coluna com maior valor negativo na última linha)

Variável a sair da base:f1 (o quociente 10000/4 é o menor quociente entre a última coluna e a coluna da variável x2, que vai entrar na base) d) Segunda iteração

Variável a entrar na base:x1 (coluna com maior valor negativo na última linha)

Variável a sair da base:f2 (o quociente 25000/ 4,5 é o menor quociente entre a última coluna e a coluna da variável x1, que vai entrar na base) e) Solução ótima encontrada

Como todos os valores da última linha (função z-transformada) são positivos ou nulos, concluímos que a solução encontrada é ótima, ou seja:

x2 = 1,1 z = 744,4

4 - O Método SimplexPesquisa Operacional

Prof. Erico Lisboa 23 http://www.ericolisboa.eng.br

Na modelagem de um problema de programação linear, algumas situações específicas podem ocorrer, o que pode levar a casos em uma forma matemática diferente da apresentada até o momento. Entretanto, alguns artifícios matemáticos ajudam a reduzir o modelo obtido à forma padrão estudada. Estes artifícios são mostrados a seguir.

A minimização de uma função z(x) é matematicamente análoga à maximização da negativa desta função (-z(x)).

Exemplo:minimizar z = c1 x1 + c2 x2 ++ cn xn

é equivalente a

maximizar z' = - c1 x1 - c2 x2 -- cn xn

com z' = - z.

Essa é uma das formas de se resolver os problemas de minimização utilizando o mesmo algoritmo. Caso que queira resolver diretamente, devemos alterar o critério de entrada das variáveis na base. A variável que entra na base passa a ser aquela que tem o maior valor positivo na linha z-transformada. Caso todas tenham coeficientes negativos ou nulos, a solução obtida é ótima.

Uma desigualdade em uma direção (£ ou ‡) pode ser mudada para uma desigualdade na direção oposta, pela multiplicação de ambos os lados da desigualdade por (-1).

Exemplo:a1 x1 + a2 x2 ‡ b é equivalente a

4.5.3 Restrições de igualdade Uma equação pode ser substituída por duas desigualdades de direções opostas.

Exemplo:a1 x1 + a2 x2 = b é equivalente a duas desigualdades simultâneas:

Uma variável irrestrita em sinal (ou seja, que pode ser positiva, nula ou negativa) pode ser substituída pela diferença de duas variáveis não negativas.

Exemplo:se a variável x1 for irrestrita em sinal, pode ser substituída pela diferença (x'1 - x''1) com

4 - O Método SimplexPesquisa Operacional

Prof. Erico Lisboa 24 http://www.ericolisboa.eng.br

O Método Simplex utiliza uma solução inicial viável para começar o processo iterativo, trabalhando

i = 1,, n era uma solução viável, já que todas as restrições apresentadas foram do tipo (£). Quando as

sempre dentro da região viável. Nos casos apresentados até o presente momento, a solução xi = 0, para restrições são do tipo (=) ou (‡), esta solução não existe.

Seja o exemplo abaixo:

Como temos uma restrição do tipo (‡), a variável de folga deve ter coeficiente negativo, tendo o significado de uma variável de excesso. O problema transformado é:

minimizarz = 10 x1 + 4 x2 + 5 x3 sujeito a:8 x1 + 3 x2 + 4 x3 - f1 = 10 4 x1 + 3 x2 + f2 = 8 onde f1 é uma variável de excesso e f2 é uma variável de folga.

Note que, pelo processo de solução anterior, a variável de excesso (f1) passaria a ter valor negativo na solução inicial (-10), o que não é permitido. Assim, a solução x1 = x2 = x3 = 0 é inviável. É necessário então encontrar uma solução viável para que o método Simplex possa ser iniciado.

A forma de se resolver isto é inventando novas variáveis. Estas variáveis são chamadas de variáveis artificiais, e representadas por zi. Será colocada uma variável artificial em cada restrição do modelo, ou seja:

(Parte 1 de 2)

Comentários