Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2010/1
2ª Parte
Modelos
• “Estruturas de abstração” representar a
realidade.
• Impossibilidade de lidar diretamente com
a complexidade do mundo.
• Busca de uma visão bem estruturada da
realidade (esclarecimento) é fundamental
para a modelagem.
2
Modelos
• Modelo representação substitutiva da
realidade.
3
Modelos
• Equilíbrio Simplificação X Realidade
• Simplificação Factibilidade operacional
• Representatividade validação do
modelo (etapa de processo científico).
• Complexidade interferência da
tradução na possibilidade solução.
4
Modelos
• “Os modelos são representações
simplificadas da realidade que preservam,
para determinadas situações e enfoques,
uma equivalência adequada”.
Goldbarg e Luna (2005)
5
Dimensões da complexidade de
modelos
• Meio ambiente “permeabilidade” ao meio
ambiente.
– Modelo Simples perímetro de interferência simples
e bem definido.
• Domínio estrutura interna.
– Modelo Simples estrutura homogênea, morfologia
uniforme e número reduzido de variáveis.
• Dinâmica como a estrutura interna se altera
ao longo do tempo.
6
Dimensões da complexidade de
Dinâmica
modelos
Indeterminado
Estocástico
Poucas variáveis e
homogeneidade Muitas variáveis e
Determinístico heterogeneidade
Domínio
Tratável
Intratável
Meio ambiente 7
Goldbarg e Luna, 2005
Modelo é simples quando:
• É pouco influenciado pelas variações em
seu meio ambiente.
• É estruturalmente estável, homogêneo e
possui poucas variáveis.
• Possui comportamento facilmente
previsível.
8
Sistema
• Qualquer unidade física, composta de
partes inter-relacionadas, interatuantes e
interdependentes.
• É praticamente impossível levar em conta
todos os elementos intervenientes em um
problema real.
9
Sistema
Elementos
Realidade Fundamentais Modelo
10
Sistema
• Modelar representar a realidade ou os
sistemas originais através de outros
sistemas de substituição, estruturados e
comparáveis, denominados modelos.
11
Vantagens dos Modelos
• Simplificam a representação de determinado
sistema.
• Podem revelar relacionamentos não aparentes.
• Facilitam a experimentação (ou aprendizado por
tentativa e erro controlado) o que não é,
normalmente, viável em sistemas reais.
• Análise altamente auxiliada (estrutura do
modelo independe dos dados de operação ou
instância).
12
Modelos de otimização
• Um modelo não é igual a realidade, mas
suficientemente similar para que as
conclusões obtidas através de sua análise
e/ou operação possam ser estendidas à
realidade.
13
Classificação dos modelos
• Determinísticos
– Programação Linear
– Programação Linear Inteira
– Programação Não-linear
– Fluxo em redes
– Programação dinâmica determinística
• Probabilístico
– Simulação
– Modelos de estoque
– Teoria das filas
14
Processo de Modelagem
Definição do Problema
Formulação e Construção
do Modelo Inicial
Reformulação do Modelo
Aplicação do Modelo
15
Programação Matemática
• Grande utilidade na solução de problemas de
otimização.
• As técnicas de solução são agrupadas em
várias subáreas como:
• Programação Linear:
– Caso particular dos modelos de programação.
– Variáveis contínuas.
– Comportamento Linear (restrições e função objetivo).
– Eficiência dos algoritmos de solução existentes.
16
Programação Matemática
• Programação Não-linear:
– Existem algum tipo de não-linearidade
(restrições ou função objetivo).
– Bem tratável nos casos de convexidade
(preserva propriedades importantes).
• Programação Inteira:
– Qualquer variável não pode assumir valores
contínuos, assumindo valores discreto.
– Normalmente, apresenta grande
complexidade computacional.
17
Em que situações da vida real poderemos
utilizar a Programação Matemática?
• Apoio a tomada de decisão no gerenciamento
de sistemas de grande porte.
• Permite modelagem de inter-relações entre
variáveis que dificilmente seriam visíveis de
forma intuitiva.
• Tomada de decisão ato de selecionar, dentre
várias decisões possíveis, a mais adequada
para o alcance de certo objetivo.
18
Características dos Modelos de
Programação Matemática
• Representação de determinado sistema realizada por
um conjunto de equações ou expressões matemáticas.
• Variável de decisão Quantifica o nível de operação da
atividade i. Valores serão determinadas pelo próprio
modelo.
– xi, i = 1, 2,....,n.
• Função Objetivo função numérica das variáveis de
decisão que expressa a medida da eficácia.
– F= f(xi,....,xn)
• Restrições limitação dos recursos, restrição aos
valores das variáveis expressas matematicamente por
equações e inequações.
• Em Programação Linear, as função e restrições
impostas às variáveis são expressões lineares.
19
Formulação Algébrica
n
Otimizar f(x) cjxj
j
1
Sujeito a:
n
aijxj bi i 1,...,m
j 1
xj 0 j 1,...,n
20
Terminologia
• Solução – qualquer especificação de valores
para as variáveis de decisão
independentemente de se tratar de uma escolha
desejável ou permissível.
• Solução Viável – solução que satisfaz todas as
restrições.
• Solução ótima – solução viável que tem o valor
mais favorável da função objetivo, isto e,
maximizar ou minimizar a função objetivo.
21
Dificuldade de Representação na
Modelagem Matemática
• Capacidade da equipe (modelador) de perceber
os relacionamentos de causa e efeito e
encontrar as causas fundamentais.
• Domínio das técnicas de representação do
fenômeno em um contexto de diferente do
original, o contexto do modelo.
• Incerteza do comportamento das variáveis
(situação de risco ou de conflito) dificulta a
previsão do comportamento.
• Ferramenta de solução – modelos devem ser
implementados, complexidade impõe restrições,
inadequado as representações.
22
• “Os modelos quantitativos não tomam
decisões, mas podem torná-las muito
mais claras e fáceis.”
Goldbarg e Luna, 2005.
23