Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Modelagem de Sistemas
Lista de Exercicios
Aluno:
Prazo: 07-10-2015
Formular as questes 1 a 18 seguintes e resolver no LINDO (ou LINGO), fazendo a analise dos resultados.
Entregar arquivos .doc do equacionamento e hardcopy da tela do resultado (Lindo ou LINGO) em DVD.
(No entregar em papel)
Armario x1
8 m2
4h
2h
$ 58
-
Mesa x2
6 m2
2h
1.5 h
$ 42
5
Equacionamento:
Max 58 x1 + 42 x2 + 27 x3
s.a.
8 x1 + 6 x2 + x3 <= 48
4 x1 + 2 x2 + 1.5 x3 <= 20
2 x1 + 1.5 x2 + 0.5 x3 <= 8
X2 <= 5
End
Equacionamento para LINDO:
Max
58 x1 + 42 x2 + 27 x3
st
8 x1 + 6 x2 + x3 <= 48
4 x1 + 2 x2 + 1.5 x3 <= 20
2 x1 + 1.5 x2 + 0.5 x3 <= 8
X2 <= 5
End
GIN x1
GIN x2
GIN x3
Cadeira x3
1 m2
1.5 h
0.5 h
$ 27
-
Capacidade
48 m2
20 h
8h
-
2
Soluo:
tima
366.0000
366.0000
0.000000
0
3
0.03
Model Class:
PILP
Total variables:
Nonlinear variables:
Integer variables:
3
0
3
Total constraints:
Nonlinear constraints:
5
0
Total nonzeros:
Nonlinear nonzeros:
Variable
X1
X2
X3
Row
1
2
3
4
5
Value
0.000000
1.000000
12.00000
Slack or Surplus
366.0000
30.00000
0.000000
0.5000000
4.000000
13
0
Reduced Cost
-58.00000
-42.00000
-27.00000
Dual Price
1.000000
0.000000
0.000000
0.000000
0.000000
2) A Wyndoor Glass Co. fabrica produtos de vidro de alta qualidade, dentre eles portas de janelas de vidro.
A empresa tem trs fabricas, sendo a fabrica 1 uma fabrica de esquadrias de alumnio e ferragens, a fabrica
2, esquadrias de madeira e a fabrica 3 produz vidros planos e faz a montagem das peas produzidas nas
fabricas 1 e 2.
Dois novos produtos estosendo lanados, sendo :
Produto 1 : uma porta de vidro de 2,5 m feita com esquadrias de alumnio.
Produto 2: uma janela duplamente adornada com esquadrias de madeira, de 1,2 x 1,8 m.
Estes produtos so fabricados em lotes de 20 unidades. Cada lote do produto 1 requer 1 hora da fabrica 1 e
3 horas da fabrica 3. Cada lote do produto 2 requer 2 horas da fabrica 2 e 2 horas da fabrica 3 para ser
produzido. O lucro obtido em cada lote do produto 1 de $ 3.000 e em cada lote do produto 2 de $ 5.000.
Qual o mix de produo semanal que a empresa deve implementar para maximizar seu lucro, se o tempo
disponvel na fabrica 1 de 4 horas, na fabrica 2 de 12 horas e na fabrica 3 de 18 horas?
Usar as variveis de deciso:
x1 numero de lotes do produto 1 produzido semanalmente
x2 numero de lotes do produto 2 produzido semanalmente
3
Quadro Resumo
Produtos/Fabricas
Fabrica1
Fabrica2
Fabrica3
Lucro por lote
Produto1 x1
1
3
$ 3.000
Produto2 x2
2
2
$ 5.000
Capacidade
4h
12 h
18 h
<= 4
<= 12
<= 18
3000 x1 + 5000 x2
2x2
3x1 + 2x2
end
<= 4
<= 12
<= 18
Solua:
Global optimal solution found.
Objective value:
Infeasibilities:
Total solver iterations:
Elapsed runtime seconds:
36000.00
0.000000
1
0.03
Model Class:
Variable
X1
X2
Row
1
2
3
4
LP
Value
2.000000
6.000000
Slack or Surplus
36000.00
2.000000
0.000000
0.000000
Reduced Cost
0.000000
0.000000
Dual Price
1.000000
0.000000
1500.000
1000.000
3) Uma determinada empresa produz quatro produtos. Na fabricao destes produtos so empregados dois
tipos de equipamentos M1 e M2 e dois tipos de mo-de-obra MO1 e MO2. O quadro de uso de recursos e
disponibilidade total no mes esto na tabela a seguir.
Produto
P1
P2
P3
P4
Disponib.
Hrs/mes
M1
5
4
8
8
80
M2
2
6
6
20
MO1
2
4
2
8
120
MO2
7
3
7
160
O departamento comercial forneceu o seguinte potencial de vendas e os lucros esperados para cada produto.
Produto
P1
P2
P3
P4
Potencial
vendas
80
60
40
20
de
Lucro
unitrio $
12
8
10
6
Quadro Resumo
Recurso/
Produto
P1 - x1
P2 x2
P3 x3
P4 x4
Disponib.
Hrs/mes
M1
5
4
8
8
80 h
M2
2
6
6
20 h
Max 12x1 + 8 x2 + 10 x3 + 6 x4
s.a.
5 x1 + 4 x2 + 8 x3 + 8 x4 <= 80
2 x1 + 6 x2
+ 6 x4 <= 20
2 x1 + 4 x2 + 2 x3 + 8 x4 <= 120
7 x1 + 3 x2
7 x4 <= 160
MO1
MO2
2
4
2
8
120 h
7
3
7
160 h
Potencial
de vendas
80
60
40
20
Lucro
unitrio $
12
8
10
6
5
Equacionamento para LINDO:
Max 12x1 + 8 x2 + 10 x3 + 6 x4
s.a.
5 x1 + 4 x2 + 8 x3 + 8 x4 <= 80
2 x1 + 6 x2
+ 6 x4 <= 20
2 x1 + 4 x2 + 2 x3 + 8 x4 <= 120
7 x1 + 3 x2
7 x4 <= 160
End
Soluo:
Global optimal solution found.
Objective value:
Infeasibilities:
Total solver iterations:
Elapsed runtime seconds:
157.5000
0.000000
3
0.01
Model Class:
Variable
X1
X2
X3
X4
Row
1
2
3
4
5
LP
Value
10.00000
0.000000
3.750000
0.000000
Slack or Surplus
157.5000
0.000000
0.000000
92.50000
90.00000
Reduced Cost
0.000000
14.25000
0.000000
21.25000
Dual Price
1.000000
1.250000
2.875000
0.000000
0.000000
6
4) Uma pequena empresa fabrica apenas os produtos X e Y, em uma nica mquina, que funciona durante
40 horas por semana. O gerente da empresa decidiu rever seu mix de produo (quantidade fabricada de
cada produto) porque tinha a sensao de estar fazendo algo errado e achava que poderia, de alguma
maneira, aumentar seu lucro. Para isso, pediu ajuda a um engenheiro de produo, que fez diversas
entrevistas e resumiu todos os dados adicionais, relevantes para o problema, na tabela abaixo.
produto
tempo de produo (hora/unidade)
demanda (unidades/semana)
margem de lucro $
X
1
50
$ 88
Y
0,2
100
$ 45
O gerente explicou ao engenheiro que havia adotado o mix de produo atual porque acreditava ser mais
interessante fabricar e vender o mximo possvel do produto de maior margem de contribuio para o lucro
e usar o resto da capacidade para produzir e vender o mximo possvel do outro produto de menor margem.
O engenheiro explicou ao gerente que essa hiptese poderia levar a um mau resultado e que seria necessrio
examinar melhor os "gargalos de lucro", ou seja, as restries que poderiam efetivamente estar limitando o
lucro.
Com base exclusivamente na situao acima, faa a modelagem do problema acima como PL de
maximizao do lucro.
Usar as variveis de deciso:
x1 numero de lotes do produto X produzido na semana
x2 numero de lotes do produto Y produzido na semana
Quadro Resumo
produto
tempo de produo (hora/unidade)
demanda mxima (unidades)
margem de lucro $
88x1 + 45x2
st
x1
end
x1 + 0.2x2 <= 40
<= 50
x2 <= 100
X x1
1
50
$ 88
Y x2
0,2
100
$ 45
Capacidade
40 h
7
Soluo:
Global optimal solution found.
Objective value:
Infeasibilities:
Total solver iterations:
Elapsed runtime seconds:
6260.000
0.000000
0
1.75
Model Class:
Variable
X1
X2
Row
1
2
3
4
LP
Value
Reduced Cost
0.000000
0.000000
20.00000
100.0000
Slack or Surplus
6260.000
0.000000
30.00000
0.000000
Dual Price
1.000000
88.00000
0.000000
27.40000
rea disponivel
Hectares
400
600
300
Agua disponvel
M3
600
800
375
As opes de cultura so trs, x1, x2 e x3 (beterraba, algodo e sorgo), o limite mximo de cada cultura, o
consumo de agua por hectare e lucro esperado por hectare esto na tabela seguir. Formule o problema de
PL de maximizao do lucro.
Cultura
X1 beterraba
X2 algodo
X3 sorgo
rea maxima
hectares
600
500
325
Consumo
de
agua M3/hectare
3
2
1
Lucro por
Hectare $
1000
750
250
Formular o problema de maximizao do retorno, sabendo-se que foi acordado que os trs kibutz iro
plantar a mesma proporo de culturas em suas respectivas reas.
Usar as variveis de deciso:
x1y1 rea plantada de beterraba no kibutz1
x1y2 - rea plantada de beterraba no kibutz2
...
...
x3y2 - rea plantada de sorgo no kibutz2
x3y3 - rea plantada de sorgo no kibutz3
8
x1 = x1y1 + x1y2 + x1y3 total da rea plantada de beterraba
x2 = x2y1 + x2y2 + x2y3 total da rea plantada de algodo
x3 = x3y1 + x3y2 + x3y3 total da rea plantada de sorgo
y1 = x1y1 + x2y1 + x3y1 total da rea plantada do kibutz1
y2 = x1y2 + x2y2 + x3y2 total da rea plantada de kibutz2
y3 = x1y3 + x2y3 + x3y3 total da rea plantada de kibutz3
Quadros Resumos
Cultura
x1y1
x1y2
x1y3
x2y1
x2y2
x3y3
x3y1
x1y2
x1y3
Cultura
x1 - beterraba
x2 - algodo
x3 - sorgo
Area disponivel
Agua disponivel
Consumo
de agua
Lucro por
Hectare $
M3/hectare
3
3
3
2
2
2
1
1
1
Kibutz1
y1
x1y1
x2y1
x3y1
400
600
$ 1000
$ 1000
$ 1000
$ 750
$ 750
$ 750
$ 250
$ 250
$ 250
Kibutz2
y2
x1y2
x2y2
x3y2
600
800
Kibutz3
y3
x1y3
x2y3
x3y3
300
375
rea maxima
hectares
600
500
325
Equacionamento:
Ok
9
3x1y1
- 4x1y3 = 0
3x2y1 - 2x2y2
=0
x2y2 - 2x2y3 = 0
3x2y1
- 4x2y3 = 0
3x3y1 - 2x3y2
=0
x3y2 - 2x3y3 = 0
end
Soluo:
Global optimal solution found.
Objective value:
Infeasibilities:
Total solver iterations:
Elapsed runtime seconds:
583333.3
0.000000
1
0.02
Model Class:
Variable
X1Y1
X1Y2
X1Y3
X2Y1
X2Y2
X2Y3
X3Y1
X3Y2
X3Y3
Row
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
Value
64.10256
96.15385
48.07692
153.8462
230.7692
115.3846
0.000000
0.000000
0.000000
Slack or Surplus
583333.3
182.0513
138.4615
136.5385
343.5897
0.000000
375.0000
100.0000
50.00000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
LP
Reduced Cost
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
270.8333
0.000000
0.000000
Dual Price
1.000000
0.000000
0.000000
0.000000
0.000000
83.33333
0.000000
0.000000
0.000000
1444.444
-500.0000
0.000000
833.3333
-333.3333
0.000000
555.5556
173.6111
597.2222
1
6) Uma refinaria de petrleo fabrica dois tipos de gasolina G1 e G2, que so obtidos a partir do refino de
dois tipos de petrleo P1 e P2. A disponibilidade no mercado e os custor por barril em dlar (U$/bbl) esto
informados na tabela seguinte.
Tipo de petrleo
Custo de aquisio
U$/bbl
P1
P2
120
85
Disponibilidade no
mercado mil
bbl/ms
100
200
% min do petrleo P1
G1
G2
60
30
Preo venda
U$/bbl
159
128
Formule o modelo de otimizao para maximizar a margem de refino (receita da venda custo do petroleo).
Usar as variveis de deciso:
g1p1 gasolina g1 produzida com petrleo p1
g1p2 gasolina g1 produzida com petrleo p2
g2p1 gasolina g2 produzida com petrleo p1
g2p2 gasolina g2 produzida com petrleo p2
g1 = g1p1 + g1p2 - total produzido de gasolina g1
g2 = g2p1 + g2p1 total produzido de gasolina p2
p1 = g1p1 + g2p1 - total utilizado de petrleo p1
p2 = g1p2 + g2p2 total utilizado de petrleo p2
Quadro Resumo
Variavel
g1p1
g1p2
g2p1
g2p2
Min de p1
60%
60%
30%
30%
Recurso
Custo/bbl
Disponibilidade
Mil bbl/mes
p1
$ 120
100
Valor venda
$ 159
$ 159
$ 128
$ 128
p2
$ 85
200
Equacionamento:
max 159g1p1 + 159g1p2 + 128g2p1 + 128g2p2
- 85g2p2
Subject to
g1p1
g1p2
g1p1
g2p1
g1p1
g2p1
+
+
+
+
-
g2p1
<= 100
g2p2
<= 200
g1p2 - g1 = 0
g2p2 - g2 = 0
0.6g1 >= 0
0.3g2 >= 0
1
end
Soluo:
Global optimal solution found.
Objective value:
Infeasibilities:
Total solver iterations:
Elapsed runtime seconds:
9842.857
0.000000
1
0.03
Model Class:
Variable
G1P1
G1P2
G2P1
G2P2
G1
G2
Row
1
2
3
4
5
6
7
Value
14.28571
0.000000
85.71429
200.0000
14.28571
285.7143
Slack or Surplus
9842.857
0.000000
0.000000
0.000000
0.000000
5.714286
0.000000
LP
Reduced Cost
0.000000
721.7143
0.000000
0.000000
0.000000
0.000000
Dual Price
1.000000
39.00000
29.71429
0.000000
13.28571
0.000000
-44.28571
7) Edson adora bifes e batatas. Assim, decidiu fazer uso apenas destes dois produtos para fazer sua dieta
diria. Como est ciente de que no uma dieta saudvel, ele quer se assegurar de que est ingerindo as
quantidades mnimas necessrias de nutrientes principais (carboidratos, protenas) e no est excedendo o
mximo de ingesto de gorduras a fim de atender requisitos nutricionais. Ele obteve as informaes
descritas na tabela a seguir de composio dos elementos em cada tipo de ingrediente e o preo por poro
na refeio.
Ingredientes
Carboidratos
Proteinas
Gordura
Custo por poro
$
Composio do ingrediente
Bife
Batata
5
15
20
5
15
2
U$ 14
U$ 7
Necessidade diria
gramas
>= 50
>= 40
<= 60
Formule a dieta diria de Edson, para o custo mnimo, atendendo as restries de necessidade de nutrientes.
1
Min 14 x1 + 7x2
st
end
Equacionamento no LINDO:
Min 14 x1 + 7x2
st
end
GIN x1
GIN x2
Soluao;
Global optimal solution found.
Objective value:
Objective bound:
Infeasibilities:
Extended solver steps:
Total solver iterations:
Elapsed runtime seconds:
42.00000
42.00000
0.000000
0
1
0.03
Model Class:
PILP
Total variables:
Nonlinear variables:
Integer variables:
2
0
2
Total constraints:
Nonlinear constraints:
4
0
Total nonzeros:
Nonlinear nonzeros:
8
0
Variable
X1
X2
Row
1
2
3
4
Value
1.000000
4.000000
Slack or Surplus
42.00000
15.00000
0.000000
37.00000
Reduced Cost
14.00000
7.000000
Dual Price
-1.000000
0.000000
0.000000
0.000000
1
8) Frederico administrador de uma propriedade rural familiar. Para complementar a renda da plantao
de diversoas culturas, Fred tem ainda uma criao de sunos. Ele precisa determinar a quantidade
necessria de cada produto (milho, tancagem e alfafa) na rao diria dos sunos. O objetivo atender o
padro mnimo de nutrientes a um custo mnimo. O custo em centavos de dlar e a composio de
nutrientes (carboidratos, protenas e vitaminas) e gramas est na tabela a seguir.
Ingredientes
Nutricionais
Milho
kg
Carboidrato
Protenas
Vitaminas
Custo U$
90
30
10
80
Tancagem
kg
20
80
20
72
Alfafa
kg
40
60
60
60
Equacionamento:
Min 80 x1 + 72 x2 + 60 x3
Ok
s.a.
90x1 + 20x2 + 40x3 >= 210
30x1 + 80x2 + 60x3>= 170
10x1 + 20x2 + 60x3>= 140
X i>= 0 i=1,2,3
Solua:
Global optimal solution found.
Objective value:
Objective bound:
Infeasibilities:
Extended solver steps:
Total solver iterations:
Elapsed runtime seconds:
260.0000
260.0000
0.000000
0
5
0.02
Model Class:
PILP
Total variables:
Nonlinear variables:
Integer variables:
3
0
3
Total constraints:
Nonlinear constraints:
4
0
Total nonzeros:
Nonlinear nonzeros:
Variable
X1
X2
X3
Value
1.000000
0.000000
3.000000
12
0
Reduced Cost
80.00000
72.00000
60.00000
Necessidade
Minima diria
kg
210
170
140
1
Row
1
2
3
4
Slack or Surplus
260.0000
0.000000
40.00000
50.00000
Dual Price
-1.000000
0.000000
0.000000
0.000000
9) A Cia Metalco deseja misturar uma nova liga composta por 50% de estanho, 30% de zinco e 20% de
chumbo, a partir de cinco diferentes ligas disponveis no mercado, com as propriedades fornecidas na tabela
seguinte, alm do custo em $/kg.
Composio
%Estanho
%Zinco
%Chumbo
Custo $/kg
L1
60
10
30
2.2
L2
25
15
60
2.0
Ligas disponiveis
L3
L4
L5
45
20
50
45
50
40
10
30
10
2.5
2.4
2.7
Especificao
50%
30%
20%
O objetivo o de determinar a proporo das ligas que devem ser misturadas na matria prima para
produzir a nova liga a um custo mnimo.
Equacionamento:
Soluo:
Global optimal solution found.
Objective value:
Infeasibilities:
Total solver iterations:
Elapsed runtime seconds:
2.345652
0.000000
3
1.24
Model Class:
LP
Variable
Value
X1
0.4347826E-01
X2
0.2826087
X3
0.6739130
X4
0.000000
X5
0.000000
Row
1
2
3
4
Slack or Surplus
2.345652
0.000000
0.000000
0.000000
Reduced Cost
0.000000
0.000000
0.000000
0.2608696E-01
0.2217391
Dual Price
-1.000000
-0.2378261E-01
-0.2813043E-01
-0.1639130E-01
10) Uma pessoa deve fazer uma dieta devendo ingerir diariamente quantidades minimas de vitaminas A, B,
C e D. A dieta dever conter os seguintes ingredientes: leite, arroz, feijo e carne, que apresentam
diferentes composies de vitaminas (mg) por unidade ingerida (kg ou l). A tabela seguinte mostra a
composio de vitaminas e custos unitrios de cada alimento.
Vitaminas
A
B
C
D
Custo unitrio
$/unid
Leite litro
10
8
16
20
8.0
Alimentos
Arroz kg
5
7
3
1
4.5
Feijo kg
9
6
4
3
6.2
Carne kg
10
6
7
9
35
Necessidade
diria mg
80
70
100
60
Qual a quantidade de cada um deste ingredientes que deve entrar na dieta de uma pessoa para que seja
atendidas a quantidade de vitaminas mnima recomendada ao menor custo possvel ?
Equacionamento:
Soluo:
Global optimal solution found.
Objective value:
Infeasibilities:
Total solver iterations:
Elapsed runtime seconds:
63.83871
0.000000
3
1.42
Model Class:
Variable
X1
X2
X3
X4
Row
1
2
3
4
5
LP
Value
Reduced Cost
0.000000
0.000000
0.000000
28.12903
5.403226
2.580645
1.451613
0.000000
Slack or Surplus
63.83871
0.000000
0.000000
0.000000
55.00000
Dual Price
-1.000000
-0.4774194
-0.2741935
-0.6451613E-01
0.000000
11) Uma empresa fabrica um determinado produto em quatro cidades i i=1,2,3,4. O produto de destina-se
ao consumo em trs centros de consumo j j= 1,2,3. Sabe-se que a produo de cada cidade i i= 1,2,3,4 de
20, 50, 40 e 20 unidades) respectivamente. A demanda em cada centro de consumo j j= 1,2,3 de 40, 40 e
50 unidades. Os custos unitrios de transporte a partir da cidade i para o centro de consumo j dado pela
tabela seguir:
destino
Produo
11
10
13
6
40
12
5
2
40
14
8
12
16
50
20
50
40
20
origem
1
2
3
4
Demandas
Formular o modelo matemtico para minimizar o custo de transporte entre as fabricas i e os centros de
consumo j.
Equacionamento:
1
x41 + x42 + x43 = 20
x11 + x21 + x31 + x41 = 40
x12 + x22 + x32 + x42 = 40
x13 + x23 + x33 + x43 = 50
end
Soluo:
Global optimal solution found.
Objective value:
Infeasibilities:
Total solver iterations:
Elapsed runtime seconds:
940.0000
0.000000
5
1.20
Model Class:
Variable
X11
X12
X13
X21
X22
X23
X31
X32
X33
X41
X42
X43
Row
1
2
3
4
5
6
7
8
LP
Value
20.00000
0.000000
0.000000
0.000000
0.000000
50.00000
0.000000
40.00000
0.000000
20.00000
0.000000
0.000000
Slack or Surplus
940.0000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
Reduced Cost
0.000000
6.000000
1.000000
4.000000
998.0000
0.000000
3.000000
0.000000
0.000000
0.000000
1.000000
8.000000
Dual Price
-1.000000
-5.000000
0.000000
-4.000000
0.000000
-6.000000
-1.000000
-8.000000
1
12) Um dos principais produtos da P&T Co so ervilhas enlatadas. As ervilhas so preparadas em trs
fbricas de enlatados que ficam localizadas prximas a Belligham, Washington; Eugene, Oregon e Albert
Lea, Minnesota. Estas so transportadas por caminho at quatro centros de distribuio no oeste dos EUA
(Sacramento, Califrnia; Salt Lake City, Utah; Dakota do Sul e Albuquerque, Novo Mxico. Pelo fato de os
custos de transporte serem uma despesa importante, a direo da empresa quer reduzir estes custos ao
mnimo possvel. Para a prxima temperada de vendas, foi feita uma estimativa de produo em cada
fbrica e o total da demanda de ervilhas enlatadas em cada centro de distribuio.
Tabela 1 - Custo por ton de ervilha enlatada transportada
Centro de distrib.
1
2
3
4
fbrica
1
464
513
654
867
2
352
416
690
791
3
995
682
388
685
Demanda
80
65
70
85
Total (ton)
Produo
(ton)
75
125
100
Formular o modelo matemtico para minimizar o custo de transporte entre as fabricas i e os centros de
consumo j.
Equacionamento:
Solua:
Global optimal solution found.
Objective value:
Infeasibilities:
Total solver iterations:
Elapsed runtime seconds:
Model Class:
152535.0
0.000000
8
1.40
LP
Variable
X11
X12
X13
X14
X21
X22
X23
X24
X31
X32
X33
X34
X41
X42
X43
X44
Row
1
2
3
4
5
6
7
8
Value
Reduced Cost
15.00000
0.000000
84.00000
0.000000
0.000000
0.000000
217.0000
21.00000
728.0000
351.0000
0.000000
0.000000
418.0000
354.0000
297.0000
0.000000
0.000000
20.00000
0.000000
55.00000
80.00000
45.00000
0.000000
0.000000
0.000000
0.000000
70.00000
30.00000
0.000000
0.000000
0.000000
0.000000
Slack or Surplus
152535.0
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
Dual Price
-1.000000
-867.0000
-770.0000
-685.0000
418.0000
354.0000
297.0000
0.000000
13) Uma distribuidora de produtos de petrleo possui quatro postos de servio Pj j=1,2,3,4 que necessitam
do fornecimento de gasolina em litros. Este suprimento pode ser realizado a partir de trs depsitos Di
i=1,2,3. Estes locais dispe de volumes de gasolina que esto disponveis, em litros. Os custos do envio em
$ para estes postos de servio a partir dos depsitos, os volumes demandados por semana e as
disponibilidades esto ilustradas na tabela seguinte.
destino
70
50
80
50
60
80
50
40
60
60
80
60
60
70
60
40
Oferta litros
origem
1
2
3
Demanda litros
5
No ficticio
80
100
50
Dica: Como a oferta maior do que a demanda, deve-ser criar um n fictcio P5, com excesso de oferta e
custos de transporte M.
2
Equacionamento:
50460.00
0.000000
9
0.02
Model Class:
Variable
X11
X12
X13
X14
X15
X21
X22
X23
X24
X25
X31
X32
X33
X34
X35
Row
1
2
3
4
5
6
7
8
9
LP
Value
0.000000
0.000000
50.00000
30.00000
0.000000
50.00000
0.000000
10.00000
0.000000
40.00000
0.000000
40.00000
0.000000
10.00000
0.000000
Slack or Surplus
50460.00
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
Reduced Cost
20.00000
10.00000
0.000000
0.000000
0.000000
0.000000
30.00000
0.000000
10.00000
0.000000
30.00000
0.000000
20.00000
0.000000
0.000000
Dual Price
-1.000000
-50.00000
-50.00000
-50.00000
0.000000
0.000000
-10.00000
-10.00000
-949.0000
14) Um diretor de empresa est diante de um problema de designar gerentes para quatro regies distintas
do pais. Os custos estimados envolvidos na transferncia de cada gerente para cada nova regiao de trabalho
estao ilustrados na tabela seguinte.
Qual a poltica de designao que corrcsponde ao menor custo de transferncia dos gerentes
Regiao de
Destino
R1
R2
R3
R4
1
4
2
3
2
6
5
7
4
1
6
3
2
3
1
1
Gerente
G1
G2
G3
G4
Formular o modelo matemtico para minimizar o custo total de transferencia dos gerentes da empresa.
Equacionamento:
Min
st
x11 + x12 + x13 + x14 = 1
x21 + x22 + x23 + x24 = 1
x31 + x32 + x33 + x34 = 1
x41 + x42 + x43 + x44 = 1
x11 + x21 + x31 + x41 = 1
x12 + x22 + x32 + x42 = 1
x13 + x23 + x33 + x43 = 1
x14 + x24 + x34 + x44 = 1
end
Soluo:
Global optimal solution found.
Objective value:
Infeasibilities:
Total solver iterations:
Elapsed runtime seconds:
6.000000
0.000000
4
1.13
Model Class:
Variable
X11
X12
X13
X14
X21
X22
X23
X24
X31
LP
Value
0.000000
1.000000
0.000000
0.000000
0.000000
0.000000
1.000000
0.000000
1.000000
Reduced Cost
1.000000
0.000000
4.000000
2.000000
3.000000
3.000000
0.000000
2.000000
0.000000
2
X32
X33
X34
X41
X42
X43
X44
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
1.000000
1.000000
4.000000
1.000000
2.000000
4.000000
2.000000
0.000000
Row
1
2
3
4
5
6
7
8
9
Slack or Surplus
6.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
Dual Price
-1.000000
0.000000
-1.000000
-2.000000
-1.000000
0.000000
-2.000000
0.000000
0.000000
15) Um diretor de escola deve inscrever quatro estudantes numa Olimpada .de Matemtica englobando as
seguintes matrias: Algebra, Geometria Analitica, Geometrica Descritiva e Lgica. Nenhum aluno pode ser
inscrito em mais de uma matria porque as provas ocorrem simultaneamente. A tabela seguinte mostra
valores correspondente aos valores medios descontados da nota maxima (100) nas notas mais recentes
obtidas pelos seus melhores estudantes E1, E2. E3 e E4 em cada uma das matrias em disputa na
Olimpiada. Qual aluno deve ser inscrito em cada matria na Olimpada ?
algebra
Materia
aluno
E1
E2
E3
E4
7
8
4
5
Geometria
analitica
Geometria descritiva
logica
11
7
9
4
6
10
3
6
3
1
5
9
Formular o modelo matemtico para minimizar os valores deduzidos da nota maxima nesta participacao dos
alunos da escola na Olimpiada Matematica.
Equacionamento:
2
x11 + x12 + x13 + x14 = 1
x21 + x22 + x23 + x24 = 1
x31 + x32 + x33 + x34 = 1
x41 + x42 + x43 + x44 = 1
x11 + x21 + x31 + x41 = 1
x12 + x22 + x32 + x42 = 1
x13 + x23 + x33 + x43 = 1
x14 + x24 + x34 + x44 = 1
end
Soluo:
Global optimal solution found.
Objective value:
Infeasibilities:
Total solver iterations:
Elapsed runtime seconds:
15.00000
0.000000
6
1.27
Model Class:
Variable
X11
X12
X13
X14
X21
X22
X23
X24
X31
X32
X33
X34
X41
X42
X43
X44
Row
1
2
3
4
5
6
7
8
9
LP
Value
1.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
1.000000
0.000000
0.000000
1.000000
0.000000
0.000000
1.000000
0.000000
0.000000
Slack or Surplus
15.00000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
Reduced Cost
0.000000
5.000000
0.000000
0.000000
3.000000
3.000000
6.000000
0.000000
0.000000
6.000000
0.000000
5.000000
0.000000
0.000000
2.000000
8.000000
Dual Price
-1.000000
-6.000000
-4.000000
-3.000000
-4.000000
-1.000000
0.000000
0.000000
3.000000
2
16) O gerente de planejamento e controle da produo de uma empresa de suco concentrado de laranja
precisa decidir a mistura de matrias-primas (lotes de sucos primrios) para atender a um pedido de um
importador europeu. Esse pedido inclui dois tipos de produto final sucos N (normal) e E (europeu fino)
que diferem entre si pela concentrao mnima de acar e teor mximo de acidez, conforme
apresentado na tabela I abaixo. As quantidades de cada tipo foram definidas pela rea de vendas, e precisam
ser integralmente respeitadas. Para atender ao pedido, o gerente dispe hoje, nos tanques da fbrica, de
apenas dois tipos de suco primrio G (Grande Lima) e P (Pera) , cujos custos, concentrao mnima de
acar e teor mximo de acidez esto apresentados na tabela II a seguir.
Os custos de fabricao do produto final a partir de suco primrio so idnticos, no importando o tipo de
suco. Para produzir um tambor de produto final, necessrio um tambor de suco primrio. Para definir a
quantidade de cada tipo de suco primrio que a indstria deve usar na mistura, o gerente montou um
modelo de programao linear, denominado problema de mistura (blending problem), descrito a seguir.
Variveis de deciso:
xij = quantidade (em tambores) de suco primrio tipo i para produzir produto final j (i = G, P; j = N, E)
2
I A equao (1) representa a funo objetivo do modelo e significa que se deseja minimizar o custo total de
matria-prima para se atender a demanda do pedido. V
II As equaes (2) e (3) significam que as demandas por cada tipo de produto acabado sero plenamente
atendidas. V
III A equao (5) representa a restrio de mistura para o produto tipo europeu fino, que deve ter
concentrao de acar de, no mximo, 80. F
IV A equao (6) representa a restrio de mistura para produto tipo normal, que deve ter teor de acidez de,
no mximo, 2%. V
V A equao (7) representa a restrio de mistura para produto tipo normal, que deve ter teor de acidez de,
no mnimo, 1%. F
Esto certos apenas os itens
A
I, II e III.
X B
I, II e IV.
C
I, III e V.
D
II, IV e V.
E
III, IV e V.
Alternativa b.