1) O documento discute análise de sensibilidade em programação linear, que significa verificar como a solução ótima é afetada por variações nos parâmetros do modelo.
2) A análise determina os limites de oscilação dos recursos sem alterar a solução ótima, calculando os intervalos nos quais cada recurso pode variar.
3) Os exemplos demonstram como calcular esses intervalos ótimos e analisar o impacto de mudanças específicas nos recursos.
1) O documento discute análise de sensibilidade em programação linear, que significa verificar como a solução ótima é afetada por variações nos parâmetros do modelo.
2) A análise determina os limites de oscilação dos recursos sem alterar a solução ótima, calculando os intervalos nos quais cada recurso pode variar.
3) Os exemplos demonstram como calcular esses intervalos ótimos e analisar o impacto de mudanças específicas nos recursos.
1) O documento discute análise de sensibilidade em programação linear, que significa verificar como a solução ótima é afetada por variações nos parâmetros do modelo.
2) A análise determina os limites de oscilação dos recursos sem alterar a solução ótima, calculando os intervalos nos quais cada recurso pode variar.
3) Os exemplos demonstram como calcular esses intervalos ótimos e analisar o impacto de mudanças específicas nos recursos.
1) O documento discute análise de sensibilidade em programação linear, que significa verificar como a solução ótima é afetada por variações nos parâmetros do modelo.
2) A análise determina os limites de oscilação dos recursos sem alterar a solução ótima, calculando os intervalos nos quais cada recurso pode variar.
3) Os exemplos demonstram como calcular esses intervalos ótimos e analisar o impacto de mudanças específicas nos recursos.
Baixe no formato PDF, TXT ou leia online no Scribd
Fazer download em pdf ou txt
Você está na página 1/ 4
Capítulo 3.
Dualidade e Análise de sensibilidade
3.3 ANÁLISE DE SENSIBILIDADE EM PROGRAMAÇÃO LINEAR
A análise de sensibilidade em modelos de programação linear significa simplesmente
procurar uma nova interpretação a partir da solução obtida. Já que tanto os recursos como os preços no mercado estão sujeitos a mudanças contínuas e subsequentes reavaliações, a análise Pós – Optimização é uma ferramenta dinâmica e indispensável ao administrador para avaliar as consequências das mudanças.
A análise de sensibilidade da solução óptima tem como objectivo determinar as
condições para as quais a solução óptima obtida é ainda válida. A solução óptima de um problema é calculada com base nos dados do modelo, que podem sofrer variações por várias razões: • Porque os dados foram estimados e não traduzem a realidade; • Novas possibilidades apareceram após a formulação do modelo e que devem ser consideradas na implementação da solução.
Conclusão: A análise de sensibilidade tem por objectivo verificar a validade da solução
obtida quando submetida a variações nos coeficientes do modelo original.
3.3.1 Variação nas quantidades dos recursos
Exemplo 3.7. Vamos utilizar as tabelas simplex inicial e terminal do problema 3.3 Maximizar Z = 5x1 + 6x2 1x1 + 2 x 2 ≤ 14 1x + 1x ≤ 9 Sujeito à 1 2
Como todos os valores são maiores ou iguais a zero, a solução actual é viável e óptima. Assim para x1 = 2; x2 = 7 e x5 = 14 temos Z = 5*2 + 6*7 = 52, o que significa que a variação de b1 de 14 para 16 trouxe um aumento no lucro ∆z = 52 – 50 = +2 u.m.
Seja a seguinte mudança para o recurso b1 de 14 para 20.
A maior variação negativa no recurso 1, sem alterar a base deve ser de 8/3 ou o valor mínimo admissível é de 14 – 8/3 = 34/3.
Apontamentos de Investigação Operacional 58 Alberto Mulenga
Capítulo 3. Dualidade e Análise de sensibilidade
Assim, sem haver alteração na base que forma a solução óptima, a quantidade do recurso 1 pode variar de 34/3 até 18. Com o recurso 2, usando o mesmo raciocínio calcula-se o intervalo de oscilação. Quanto ao recurso 3, cuja variável de folga tem valor positivo na solução básica (tabela terminal), a redução máxima admissível é a própria folga (8 unidades) e qualquer aumento não afecta a solução final.
Intervalo óptimo de variação dos recursos
Para se obter os intervalos de oscilação dos recursos podem se usar os limites:
∆+ = limite superior – é igual ao menor quociente absoluto entre o novo valor do recurso na tabela terminal da variável que era básica na tabela inicial (no nosso caso o recurso 1 está associado a x3) e os coeficientes negativos da mesma variável na tabela terminal (razões negativas). b ∆+ = min | raz. neg | = min | i |; a ij < 0 a ij ∆- = limite inferior – é igual ao menor quociente absoluto entre os novos recursos óptimos e os coeficientes positivos da variável associada ao recurso bi (razões positivas). b ∆− = min | raz. pos | = min | i |; a ij > 0 a ij Exemplo 3.8. Calcular o intervalo óptimo de oscilação de todos os recursos do exemplo 3.7 anterior. a) b1 está associado a x3 = 14 na tabela inicial, logo vamos usar a coluna de x3 na tabela terminal. 4 5 8 8 ∆+ = min | raz. neg | = min | | = 4 ↑ . ∆− = min | raz. pos | = min | ; |= ↓ . -1 1 3 3 O intervalo é: 14 – 8/3 ≤ b1 ≤ 14 + 4 ⇔ 34/3 ≤ b1 ≤ 18
b) b2 está associado a x4 = 9 na tabela inicial, logo vamos usar a coluna de x4 na tabela
c) b3 está associado a x5 = 56 na tabela inicial, logo vamos usar a coluna de x5 na tabela
terminal. ∆+ = min | raz. neg | = min | nao existe | = nao limitado ↑ . 8 ∆− = min | raz. pos | = min | | = 8 ↓ . 1 O intervalo é: 56 - 8 ≤ b3 ≤ 56 + ∞ ⇔ 48 ≤ b3 ≤ ∞
Apontamentos de Investigação Operacional 59 Alberto Mulenga
Capítulo 3. Dualidade e Análise de sensibilidade
Exemplo 3.9. Seja o seguinte problema de programação linear, reportando os lucros
unitários e as horas gastas na produção de um determinado artigo que passa por três secções: max imizar z = 16 x1 + 16 x 2 (margem bruta) 4x 1 + 4x 2 ≤ 24 (seccao de corte) 4x + 2x ≤ 18 1 2 (seccao de montagem) sujeito a 2x 1 + 6x 2 ≤ 32 (seccao de acabamento) x i ≥ 0 onde x1 – representa centenas de peças do tipo A a produzir diariamente; x2 – representa centenas de peças do tipo B a produzir diariamente. O quadro óptimo do simplex para este modelo económico matemático é o seguinte
SMOLE, Kátia Cristina Stocco. A Matemática Na Educação Infantil A Teoria Das Inteligências Múltiplas Na Prática Escolar. Resolução de Problemas Matemática de 0 A 6 Anos.
SMOLE, Kátia Cristina Stocco. A Matemática Na Educação Infantil A Teoria Das Inteligências Múltiplas Na Prática Escolar. Resolução de Problemas Matemática de 0 A 6 Anos.
