UNIVERSIDADE LÚRIO

FACULDADE DE ENGENHARIA

DEPARTAMENTO DE ENGENHARIA GEOLÓGICA E CIVIL

Campus Universitário de Pemba – Bairro Eduardo Mondlane

Investigação operacional

TEMA: PROBLEMAS DE AFETAÇÃO E TRANSPORTE

Discentes:

Abudo Aquimo

Abiude Félix Sinamunda

José Nunes Vicente Martins

Márcio Machude Binadre

Salima Assara Marques

Docente:

Fernando Vahanle, Msc

Pemba, abril de 2024

1
 UNIVERSIDADE LÚRIO
FACULDADE DE ENGENHARIA
DEPARTAMENTO DE ENGENHARIA GEOLÓGICA E CIVIL
Campus Universitário de Pemba – Bairro Eduardo Mondlane

TEMA: PROBLEMAS DE AFETAÇÃO E TRANSPORTE

Discentes:
Abudo Aquimo
Abiude Felix Sinamunda
José Nunes Vicente Martins
Márcio Machude Binadre
Salima Assara Marques

Trabalho de investigação e pesquisa, de carácter

avaliativo, recomendado pelo docente Fernando
Vahanle, na disciplina de IO, aos estudantes do
curso de Licenciatura em Engenharia Geológica e
Civil da Universidade Lúrio, 4° e 2° ano, 1°
semestre

Pemba, abril de 2024

Índice
1. Introdução ..................................................................................................................... 4

1. Objetivos ....................................................................................................................... 4

1.1 Objetivo Geral ............................................................................................................ 4

1.2 Objetivos específicos .................................................................................................. 4

2. Metodologia .................................................................................................................. 4

3. O problema de transporte............................................................................................... 5

4. Historial de problemas de afetação e transporte ............................................................. 5

5. Estrutura geral de um modelo de problemas de transporte.............................................. 5

6. Formulação do problema de transporte .......................................................................... 6

7. Os métodos para obter a primeira aproximação nos problemas de transporte ................. 8

7.1 Método do canto noroeste ........................................................................................... 8

7.2 Método de custo mínimo (lucro máximo) ................................................................. 10

7.3 Método de aproximação de Vogel............................................................................. 11

8. Teste de optimidade e melhoramento de solução ......................................................... 13

9. Método das Pedras para o teste de solução ................................................................... 14

10. Método de MODI para o teste de solução ................................................................. 15

11. Método de Stepping Stone para o Melhoramento da Solução .................................... 16

12. Resolução de exercícios sobre teste de optimidade e melhoramento da solução ........ 16

13. Conclusão ................................................................................................................. 21

14. Referências bibliográficas ......................................................................................... 22

 1. Introdução
A optimização de recursos é uma questão fundamental em muitos campos, incluindo o sector
de administração de empresas e a logística de transporte. A necessidade de distribuir de forma
eficiente os recursos limitados entre várias demandas é um problema comum que requer
soluções inovadoras. Neste contexto, os problemas de transporte e afectação surgem como
desafios significativos que exigem estratégicas para sua otimização.

Este trabalho de pesquisa apresenta alguns métodos avançados para testar a optimidade e
melhorar as soluções para esses problemas. Em particular, apresentaremos o Método das
Pedras (Stepping Stone), o Método de MODI (Modified Distribution Method) e o Método de
Stepping Stone para o Melhoramento da Solução. Esses métodos oferecem abordagens
sistemáticas para minimizar o custo total enquanto satisfazem as restrições de capacidade.

1. Objetivos

1.1 Objetivo Geral

➢ Abordar os Métodos Avançados de Resolução de Problema de Transporte e
Afetação.

1.2 Objetivos específicos

➢ Fazer um teste de optimidade de solução usando método das pedras;
➢ Fazer um teste de optimidade de solução usando o método de MODI;
➢ Fazer um teste de optimidade de solução usando Método de Stepping Stone para o
Melhoramento da Solução;
➢ Resolver exercícios relacionados a esses temas.

2. Metodologia
Para a realização deste trabalho fez-se uma pesquisa bibliográfica e análise documental, foi
utilizada uma abordagem quantitativa e qualitativa de maneira a buscar um aprofundamento da
compreensão do tema, elucidando os conceitos necessários ao entendimento da questão.
Também se tratou de uma pesquisa explicativa, buscando os factores que determinam ou que
colaboram para a ocorrência dos factos e situações a serem estudadas.

4
 3. O problema de transporte
Um dos problemas frequentes na administração de empresas é como conseguir fazer operar um
conjunto de máquinas como autocarros ou aviões numa rede permissível com um custo
mínimo? Como estruturar as fábricas de produção de um determinado produto em relação aos
locais de vendas de tal forma que o lucro das vendas seja máximo. Este e outros casos, são
problemas que afetam a rede de transporte.
Este problema, que é um dos particulares de programação linear, consiste em determinar a
forma mais económica de enviar um bem disponível, em quantidades limitadas, em
determinados locais para outros locais onde é necessário. Desempenha um papel fundamental
em diversas áreas como logística, distribuição, design de redes, entre outros.
Como quaisquer problemas de programação linear, também este pode ser resolvido pelo
método Simplex. Porém, a sua estrutura própria permitiu a utilização de métodos que, embora
derivados do Simplex, são mais eficientes.

4. Historial de problemas de afetação e transporte

Segundo Render e Ralph (1997) apud (Mulenga,2006), o conhecimento e utilização dos
modelos de problemas de transporte, foi proposto pela primeira vez por Hitchcock, F.L. (1941)
no seu estudo chamado “Distribuição de produtos de diversas fontes para vários locais”. Doze
anos depois e independentemente Koopmans, T.C(1953), fez uma grande contribuição ao
publicar na revista o tema “Sistemas de transporte e sua optimização”. A. Charnes e W.W,
Cooper desenvolveram o método de Stepping Stone e em 1955 o método de MODI já era
conhecido como um método mais rápido para a optimização dos Problemas de Transporte
(PTR).
Na planificação da distribuição de qualquer produto a função transporte desempenha um papel
importante, pois não adianta nada do ponto de vista do mercado, o fornecedor dispor de um
bom produto que não é encontrado pelo cliente no momento que ele o deseja.

5. Estrutura geral de um modelo de problemas de transporte

Segundo (Mulenga, 2010) A estrutura geral de um modelo de problemas de transporte consiste
em:
➢ Uma empresa que possui fábricas localizadas em algumas cidades e depósitos em
outras. A empresa deve determinar um programa de transporte de seus produtos de
forma a satisfazer a procura destes e minimizar os seus gastos, mas respeitando a
capacidade das fábricas e dos depósitos (transporte direto);

5
 ➢ Na empresa os produtos não vão diretamente da fonte ao consumidor, mas passa
primeiro por outras fontes ou destinos (transporte com transbordo ou indireto).
➢ A última variante, é o caso em que se tem um certo número de serviços que devem ser
executados por algumas pessoas ou máquinas, e cada conjunto tarefa - máquina tem seu
custo particular de execução (problemas de afetação ou assinação).

6. Formulação do problema de transporte

Suponhamos que existem 𝑚 fábricas de um certo produto, cada fonte pode fornecer uma
quantidade 𝑎𝑖 e por outro lado existem 𝑛 mercados, cada um pode absorver uma quantidade 𝑏𝑗
e sabe-se que o custo de transportar de uma unidade da fonte i para o destino j é 𝑐𝑖𝑗 . O objetivo
do administrador é determinar o número de unidades que devem ser transportadas de cada fonte
para cada destino de forma a minimizar o custo total de transporte. (Mulenga, 2010, p. 71)
Este problema pode ser representado no seguinte esquema:

Figura 1:Esquema da Formulação de um Problema de Transporte, fonte: (Mulenga, 2010, p.71)

Os problemas de transporte possuem uma particularidade nos problemas de programação

linear, e em especial da programação linear inteira, porque o número de unidades a transportar
de uma fábrica (local) para a loja (outro local) deve ser um número inteiro. (Mulenga, 2010,
p.71)
O modelo geral do problema de transporte pode ser formulado da seguinte forma:

Optimizar 𝑍 = ∑𝑚 𝑛
𝑖=1 ∑𝑗=1 𝑐𝑖𝑗 𝑥𝑖𝑗

6
 ∑𝑚
𝑗=1 𝑥𝑖𝑗 = 𝑎𝑖 ; 𝑖 = 1,2,3, … . , 𝑚
∑𝑛𝑗=1 𝑥𝑖𝑗 = 𝑏𝑖 ; 𝑖 = 1,2,3, … . , 𝑛
Sujeito à
∑𝑚 𝑛
𝑗=1 𝑎𝑖 = ∑𝑗=1 𝑏𝑖
+
{ 𝑥𝑖𝑗 ∈ 𝑍0

Onde:
• 𝑥𝑖𝑗 : é a quantidade transportada de origem i para o destino j;
• 𝑐𝑖𝑗 : é o custo de transporte de uma unidade de 𝑎𝑖 para 𝑏𝑗 ;
• 𝑎𝑖 : é a quantidade disponível na origem i (oferta);
• 𝑏𝑖 : é a quantidade necessária no destino j (procura).
O objetivo da programação é determinar as quantidades que 𝑥𝑖𝑗 devem ser transportadas de
cada origem para cada destino de modo a otimizar o produto 𝑐𝑖𝑗 . 𝑥𝑖𝑗 .
A restrição 𝛴𝑎𝑖 = 𝛴𝑏𝑗 é condição necessária para que o problema de transporte tenha solução,
caso contrário introduzem-se origens e destinos fictícios com custo nulo: 𝑐𝑖𝑗 = 0.

a) Se 𝛴𝑎𝑖 > 𝛴𝑏𝑗 , introduz-se um destino fictício 𝑏𝑛+1 = 𝛴𝑎𝑖 – 𝛴𝑏𝑗 ;

b) Se 𝛴𝑎𝑖 < 𝛴𝑏𝑗 , introduz-se uma origem fictícia 𝑎𝑚+1 = 𝛴𝑏𝑗 – 𝛴𝑎𝑖 .

Esta formulação do problema bem como a sua interpretação dão origem a um quadro
padrão do seguinte tipo:

Figura 2:Tabela ou quadro padrão da Formulação de um Problema de Transporte, fonte: (Mulenga, 2010,
p.72)

A solução dos modelos de distribuição pelo método simplex não é eficiente pelo facto de
apresentar o maior número de variáveis, sendo assim foram criados algoritmos especiais para

7
a sua solução ( (Hillier & Lieberman, 2006); (Mulenga, 2010); (Taha, 2008); (Arenales,
Armentano, Morabito, & Yanasse, 2011).

7. Os métodos para obter a primeira aproximação nos problemas de transporte

Os métodos mais comuns para resolver ou obter a primeira aproximação nos problemas de
transporte são:
• Método ou Regra de Canto Noroeste (NWC);
• Método de custo (lucro) mínimo (máximo)
• Método de aproximação de Vogel (VAM).

7.1 Método do canto noroeste

Para encontrar a primeira aproximação de um problema de transporte pelo Método de Canto
Noroeste (MCN; NWC = NorthWest Corner) é necessário seguir os seguintes passos:
• Passo 1:
Começar por colocar a quantidade necessária no canto noroeste, na posição 𝑋11 , com uma
alocação suficientemente grande.
𝑋11 = 𝑚𝑖𝑛{𝑎1 , 𝑏1 }
• Passo 2:
Ajustar a linha ou coluna satisfeita com zero e simultaneamente passar a coluna ou linha
seguinte:
𝑆𝑒 𝑋11 = 𝑎1 ⇒ 𝑋21 = 𝑏1 − 𝑎1 ⇒ 𝑙𝑖𝑛ℎ𝑎 𝑠𝑒𝑔𝑢𝑖𝑛𝑡𝑒
𝑆𝑒 𝑋11 = 𝑏1 ⇒ 𝑋12 = 𝑎1 − 𝑏1 ⇒ 𝐶𝑜𝑙𝑢𝑛𝑎 𝑠𝑒𝑔𝑢𝑖𝑛𝑡𝑒
• Passo 3:
Repetir os passos 1 e 2 até completar o preenchimento de quadro, obtendo-se assim a solução
inicial (primeira aproximação), tendo em conta que: ∑ 𝑋𝑖𝑗 = 𝑎𝑖 e ∑ 𝑋𝑖𝑗 = 𝑏𝑗
Exemplo 1:
Consideremos uma situação com duas fontes e três destinos.

Custos de transporte por rotas: 𝐶11 = 10 , 𝐶12 = 3, 𝐶13 = 5, 𝐶21 = 12, 𝐶22 = 7, 𝐶23 = 9

8
a) Construir o modelo matemático de programação linear inteira.
b) Construir o quadro modelo do problema de transporte.
c) Resolver pelo método canto noroeste
Resolução:
a) Minimizar W=10𝑋12 + 3𝑋12 + 5𝑋13 + 12𝑋21 + 7𝑋22 + 9𝑋23

b)

c) Como temos Σ𝑎𝑖 = Σ𝑏𝑗 = 40 não é necessário introduzir colunas nem linhas fictícias.

Ordem de preenchimento:
X11 =15 , X12 =0, X13 =0; linha 1 satisfeita
X21 =5; coluna 1 satisfeita
X22 =10, coluna 2 satisfeita
X23 = 10, coluna 2 e linha 3 satisfeitas
Custo total=15×10+5×12+10×7+10×9=370 u.m.

9
 7.2 Método de custo mínimo (lucro máximo)
O método de custo mínimo (lucro máximo), pode ser aplicado para procurar uma solução
inicial viável de menor custo ou maior lucro. O procedimento do método é seguinte:
• Passo 1:
Começar por colocar o máximo possível à célula ou variável de menor custo unitário (maior
lucro) e colocar zero nas células da linha ou coluna satisfeita.
• Passo 2:
Ajustar os elementos ou a quantidade que resta na linha ou coluna não ajustada, a partir da
variável com menor custo (maior lucro).
• Passo 3:
Repetir o processo para as variáveis com outros custos na ordem crescente (decrescente) até
completar o preenchimento do quadro.
Resolvendo o exemplo 1, pelo método do custo mínimo:

O preenchimento do quadro seguiu a sequência crescente dos custos:

• 𝐶12 = 3 → 𝑋12 = 10; coluna 2 satisfeita;
• 𝐶13 = 5 → 𝑋13 = 5; linha 1 está satisfeita;
• 𝐶23 = 9 → 𝑋23 = 5; coluna 3 satisfeita;
• 𝐶21 = 12 → 𝑋21 = 20; linha 2 e coluna 1 estão satisfeitas.
𝑊𝑚𝑖𝑛 = 10*3 + 5*5 + 20*12 + 5*9 = 340 u.m.
Observação: Usando o método de custo mínimo, diminuímos o custo total de 370 para 340
unidades de medida, i.é, poupou-se 30 unidades de medida.
Exemplo 2:
Uma empresa tem três fábricas, F1, F2, F3 onde produz uma determinada mercadoria nas
quantidades 75, 150 e 100 toneladas respetivamente. Esta mercadoria deve ser enviada para
cinco consumidores C1, C2, C3, C4, e C5, que necessitam de 100, 60, 40, 75 e 75 toneladas
respetivamente. Os custos de transporte por tonelada entre as várias fábricas e os consumidores
são os seguintes:

10
Usando o método de custo mínimo, determine qual a programação que a empresa deve adotar
por forma a satisfazer as necessidades dos consumidores com um custo de transporte mínimo.

Ordem de preenchimento:
𝐹4 𝐶1 = 25; linha 4 satisfeita;
𝐹3 𝐶2 = 60; coluna 2 satisfeita;
𝐹3 𝐶1 = 40; linha 3 satisfeita;
𝐹1 𝐶5 = 75; linha 1 e coluna 5 satisfeitas;
𝐹2 𝐶3 = 40; coluna 3 satisfeita;
𝐹2 𝐶1 = 35; linha 2 e coluna 1 satisfeitas;
𝐹2 𝐶4 = 75; linha 2 e coluna 4 satisfeitas;
CT = Wmin = 75*1 + 35*4 + 40*2 + 75*4 + 40*1 + 60*0 + 25*0 = 635 u.m.
O valor 𝐹4 𝐶1 = 25 para 𝐶41 ; significa que o consumidor C1 não recebeu 25 unidades, portanto
só recebeu 75 unidades, porque as quantidades existentes não chegaram.

7.3 Método de aproximação de Vogel

O método de aproximação de Vogel (VAM – Vogel’s Approximation Method) é uma versão
desenvolvida do método do custo mínimo, geralmente este método produz uma melhor solução
inicial em relação ao método do canto noroeste.
O método de aproximação de Vogel, baseia-se na comparação dos custos (lucros), calculando
resíduos ou penalidades em cada linha e em cada coluna da matriz. O procedimento para a
determinação da solução inicial pelo método de aproximação de Vogel está resumido nos
passos:
11
 • Passo 1:
Para cada linha e coluna da tabela do problema de transporte, determinar a diferença positiva
entre o menor custo unitário na linha e coluna e o imediatamente superior custo unitário.
Se o problema é de maximização a diferença é calculada para os dois primeiros lucros unitários
máximos. (O valor da diferença é o custo de oportunidade por não ter usado a melhor rota).
Penalidade:
𝑃 = 𝐶2 − 𝐶1 ; 𝑐𝑜𝑚 𝐶1 < 𝐶2 𝑝𝑎𝑟𝑎 𝑚𝑖𝑛𝑖𝑚𝑖𝑧𝑎çã𝑜
𝑃 = 𝑙1 − 𝑙2 ; 𝑐𝑜𝑚 𝑙1 > 𝑙2 𝑝𝑎𝑟𝑎 𝑚𝑖𝑛𝑖𝑚𝑖𝑧𝑎çã𝑜
• Passo 2:
Identificar a linha ou coluna com o maior custo de oportunidade “penalidade”.
• Passo 3:
Na linha ou coluna escolhida, colocar o máximo possível para a variável com o menor custo
unitário (maior lucro unitário para os problemas de maximização).
• Passo 4.:
Eliminar a linha ou coluna que estiver completamente satisfeita depois desta alocação. A
eliminação é feita colocando X’s nas células que não devem participar mais nos próximos
cálculos das penalidades.
• Passo 5:
Repetir os passos 1, 2, 3 e 4 até que a solução inicial seja obtida.
Exemplo 3:
Sejam dadas 3 origens A, B e C com as possibilidades de 90, 110 e 50 unidades de medida,
respetivamente e 4 destinos 1, 2, 3 e 4 que necessitam de 60, 50, 85 e 45 unidades de medida.
Sendo dada a matriz dos custos, determinar pelo método de aproximação de Vogel a alocação
ótima de modo que o custo de transporte seja mínimo.

Σ𝑎𝑖 = 90 + 110 + 50 = 250;

Σ𝑏𝑖 = 60 + 50 + 85 + 45 = 240
Como Σ𝑎𝑖 > Σ𝑏𝑖 → b5 = 250 – 240 = 10, introduzimos uma coluna fictícia.

12
Para exemplificar, as penalidades foram calculadas da seguinte maneira:
Linha A. 𝑝𝑎 = 40 – 0 = 40; coluna 1: 𝑝1 = 42 – 30 = 12;
Linha B. 𝑝𝑏 = 31 – 0 = 31; coluna 2: 𝑝2 = 38 – 31 = 7;
Linha C. 𝑃𝑐 = 30 – 0 = 30; etc.
A penalidade máxima nesta série é de 40 u.m, é por isso que se escolheu a linha A e afectou -
se com 10 unidades na posição 𝑥𝑎5 .
Tendo sido satisfeita a coluna 5 colocou-se X’s e repetiu-se o cálculo das segundas penalidades.
CT = 𝑊𝑚𝑖𝑛 = 10*42 + 70*40 + 10*0 + 50*31 + 15*38 + 45*35 + 50*30 = 8415 u.m
Resolvendo o exemplo 3, mas agora suponha que a matriz dos custos representa lucros e
procure maximizar o lucro total, usando o método de aproximação de Vogel, neste caso:

LT = 𝑍𝑚𝑎𝑥 = 45*40 + 45*44 + 60*46 + 5*31 + 35*38 + 10*0 + 50*46 = 10325 u.m.

8. Teste de optimidade e melhoramento de solução

No contexto de problemas de transporte, após encontrar uma solução inicial através de métodos
como o Canto Noroeste, Custo Mínimo ou Aproximação de Vogel, realiza-se um teste de
optimidade para determinar se esta solução é óptima. Se não for, procede-se ao melhoramento
da solução.

Uma solução é óptima se todos os multiplicadores do simplex ou preços de sombra das

variáveis não básicas não for menor que zero (𝜹𝒊𝒋 ≥ 𝟎, para minimização) e maior que zero

13
(𝜹𝒊𝒋 ≤ 𝟎, para maximização) (Arenales, et al (2011); Mulenga (2010)). Uma solução é
degenerada, quando o número de células ocupadas for menor do que 𝒎 + 𝒏 – 𝟏. Esta
situação pode ocorrer tanto na primeira aproximação como em qualquer estado do
melhoramento da solução (Arenales, et al (2011); Mulenga (2010)).

Afirma Mulenga (2010) que quando se tem uma solução degenerada, muitas das vezes não se
consegue desenvolver o teste de optimidade de solução. Para que sejam desenvolvidos os
métodos de teste de optimidade da solução é introduzida uma alocação artificial com uma
quantidade bastante pequena (𝜀 = é𝑝𝑠𝑖𝑙𝑜𝑛) em uma ou mais células não ocupadas e
considera-se que esta célula está ocupada. Depois de encontrada a solução óptima do problema
retira-se da tabela a alocação artificial fazendo 𝜀 = 0.

Chama-se circuito de avaliação um caminho mais (+), menos (-), que começa numa variável
não básica (𝑥𝑖𝑗 = 0), passa por células com variáveis básicas (𝑥𝑖𝑗 ≠ 0) e termina na posição
inicial.

Um circuito deve ter um percurso fechado, descrevendo ângulos rectos ou rasos ao passar de
uma célula para outra.

O teste de optimidade de solução pode ser feito usando dois procedimentos:

• Método das pedras (para o teste da solução);

• Método de MODI (Modified Distribution).

9. Método das Pedras para o teste de solução

O método proposto por Stepping Stone, consiste em avaliar os custos efectivos das rotas para
encontrar a rota mais viável do problema de transporte com objectivo de melhorar a solução
(Mulenga, 2010).

Segundo Mulenga (2010) os passos do procedimento são:

• Passo 1. Identificar todas as células não alocadas ou todas as variáveis não básicas;
• Passo 2. Traçar todos circuitos de avaliação tendo em conta que cada circuito deve
começar e terminar na mesma variável não básica, passando por variáveis básicas e
deve-se movimentar só no sentido vertical ou horizontal.

14
 • Passo 3. Começando da variável não básica colocar o sinal (+) e sinal (-) em todos os
cantos alternando até passar em todos cantos do circuito de avaliação.
• Passo 4. Para cada circuito, calcular os preços de sombra 𝛿𝑖𝑗 como adição entre a soma
dos custos (lucros) com o sinal (+) e soma dos custos (lucros) com o sinal (-).

𝛿𝑖𝑗 = 𝛴(+𝑐𝑖𝑗 ) + 𝛴(−𝑐𝑖𝑗 ) 𝑜𝑢 𝛿𝑖𝑗 = 𝛴(+𝑙𝑖𝑗 ) + 𝛴(−𝑙𝑖𝑗 )

• Passo 5. Se todos os preços de sombra forem positivos (𝛿𝑖𝑗 ≥ 0, para minimização)

ou negativos (𝛿𝑖𝑗 ≤ 0, para maximização) a solução é óptima caso contrário a solução
pode ser melhorada.

10. Método de MODI para o teste de solução

De acordo com Mulenga (2010) para aplicar o método de MODI, começa–se também com a
solução da primeira aproximação, mas agora, partindo dos valores dos custos ou lucros calcula-
se os valores de cada coluna 𝒗𝒋 e linha 𝒖𝒊 .

• Passo 1. Partindo da tabela da primeira aproximação, construir um sistema de equações,

escrevendo uma equação para cada variável básica, i.é:

𝑢𝑖 + 𝑣𝑗 = 𝑐𝑖𝑗 𝑝𝑎𝑟𝑎 𝑥𝑖𝑗 ≠ 0

• Passo 2. Depois de todas equações serem escritas, faz-se um qualquer 𝑢𝑖 ou 𝑣𝑗 igual a

zero, de preferência o que aparecer em mais equações.
• Passo 3. Resolver o sistema de equações do passo 1, tomando em conta que um 𝑢𝑖 ou 𝑣𝑗
é nulo. Determina-se assim os valores dos restantes 𝑢’𝑠 e 𝑣’𝑠.
• Passo 4. Calculam-se os preços de sombra “multiplicadores do simplex” para cada
variável não básica usando a fórmula:

𝛿𝑖𝑗 = 𝑐𝑖𝑗 − 𝑢𝑖 − 𝑣𝑗 𝑝𝑎𝑟𝑎 𝑥𝑖𝑗 = 0

• Passo 5. Se todos os preços de sombra forem positivos (𝛿𝑖𝑗 ≥ 0, para minimização)

ou negativos (𝛿𝑖𝑗 ≤ 0, para maximização) a solução é óptima caso contrário a solução
pode ser melhorada.

15
 11. Método de Stepping Stone para o Melhoramento da Solução

Tendo-se chegado a conclusão pelo método de MODI ou das pedras de que a solução pode ser
melhorada seguem-se os passos de melhoramento da solução.

• Passo 1. Identifica-se a célula com o menor preço de sombra (para minimização) ou

maior preço de sombra (para maximização) 𝛿𝑖𝑗 e a variável não básica 𝑥𝑖𝑗
correspondente entra na base. Se houver empate deve-se fazer uma escolha aleatória da
variável que deve entrar na base entre as variáveis com os preços de sombra empatados.
• Passo 2. Traça-se um circuito de avaliação mais e menos partindo da variável que deve
entrar na base, passando por células com variáveis básicas e terminando na posição
inicial.
• Passo 3. Partindo da célula escolhida no passo 1, fazer uma nova alocação mais – menos
com a maior quantidade possível, respeitando que 𝛴𝑥𝑖𝑗 = 𝑎𝑖 𝑒 𝛴𝑥𝑖𝑗 = 𝑏𝑗
• Passo 4. Usando o método de MODI ou pedras, teste a nova solução se é óptima, caso
contrário, use o método de Stepping Stone para melhorar novamente.

Para consolidar os temas abordados acima iremos de seguinte resolver alguns exercícios,
mostrando assim a sua aplicação prática.

12. Resolução de exercícios sobre teste de optimidade e melhoramento da solução

Problema 1. Uma empresa manufactura cadeiras em três fábricas e manda-as para três
armazéns onde posteriormente os clientes compram-nas. A gerência deseja maximizar o lucro
no fim de cada lote vendido. Os lucros unitários variam com as distâncias entre os armazéns e
as fábricas conforme a tabela.

Fábrica 1 2 3 Oferta

1 20 22 14 40

2 15 20 13 50

3 22 23 18 30

Procura 28 38 54

a) Estabeleça a solução inicial pelo método de lucro máximo.

b) Use o método de aproximação de Vogel, para obter a solução base.

16
 c) Partindo da solução aproximada de Vogel, use o método das pedras e o algoritmo de
Stepping Stone para determinar a solução óptima.

Resolução

a) Pelo método de lucro máximo:

𝐿𝑇 = 𝑍𝑚𝑎𝑥 = 28 ∙ 20 + 8 ∙ 22 + 4 ∙ 14 + 50 ∙ 13 + 30 ∙ 23 = 2132 𝑢. 𝑚

b) Pelo método de aproximação de Vogel:

𝐿𝑇 = 𝑍𝑚𝑎𝑥 = 28 ∙ 20 + 12 ∙ 14 + 38 ∙ 20 + 12 ∙ 13 + 30 ∙ 18 = 2184 𝑢. 𝑚. ;

∆𝑧 = 52 𝑢. 𝑚.

c) Teste 1 de optimidade de solução (método das pedras):

As variáveis não básicas na tabela da alínea (b) são: 𝑥12 ; 𝑥21 ; 𝑥31 𝑒 𝑥32

Para melhor compreensão vamos apresentar em separado o circuito de cada variável.

Para 𝑥12 , o circuito é: 𝑥12 → 𝑥22 → 𝑥23 → 𝑥13 → 𝑥12

17
Para 𝑥21 , o circuito é: 𝑥21 → 𝑥23 → 𝑥13 → 𝑥11 → 𝑥21

Para 𝑥31 , o circuito é: 𝑥31 → 𝑥33 → 𝑥13 → 𝑥11 → 𝑥31

Para 𝑥32 , o circuito é: 𝑥32 → 𝑥33 → 𝑥23 → 𝑥22 → 𝑥32

18
Traçados os circuitos com sinais (+) e (-), vamos calcular os preços de sombra 𝛿𝑖𝑗 para cada
variável do circuito, tomando um lucro negativo para a célula com sinal (-) e positivo para a
célula com (+).

𝛿𝑖𝑗 = 𝛴(+𝑙𝑖𝑗 ) + 𝛴(−𝑙𝑖𝑗 )

𝛿12 = 22 – 20 + 13 – 14 = 1; ⇐ 𝑥12 𝑑𝑒𝑣𝑒 𝑒𝑛𝑡𝑟𝑎𝑟 𝑛𝑎 𝑏𝑎𝑠𝑒
𝛿21 = 15 – 13 + 14 – 20 = −4;
𝛿31 = 22 – 18 + 14 + 20 = −2;
𝛿32 = 23 – 18 + 13 – 20 = −2.

O problema é de maximização e 𝛿12 = 1 > 0, logo, conclui-se que a solução actual pode ser
melhorada introduzindo a variável 𝑥12 na base. E como o mínimo das alocações com sinal (-)
é 12, então 12 é a quantidade máxima a colocar na posição 𝑥12 em seguida faz-se um
ajustamento das quantidades que estão no circuito de variável 𝑥12 : 𝑚𝑖𝑛 {38; 12} = 12.

𝐿𝑇 = 𝑍𝑖 = 28 ∙ 20 + 12 ∙ 22 + 26 ∙ 20 + 24 ∙ 13 + 30 ∙ 18 = 2196 𝑢. 𝑚;

∆𝑧 = 12 𝑢. 𝑚

Teste 2 de optimidade de solução (Stepping Stone para melhoramento da solução):

Para 𝑥13 ∶ 𝑥31 → 𝑥33 → 𝑥13 → 𝑥11 → 𝑥31 de onde 𝛿13 = 14 – 22 + 20 – 13 = −1;

Para 𝑥21 : 𝑥21 → 𝑥22 → 𝑥12 → 𝑥11 → 𝑥21 de onde 𝛿21 = 15 – 20 + 22 – 20 = −3;

Para 𝑥31 : 𝑥31 → 𝑥33 → 𝑥23 → 𝑥22 → 𝑥12 → 𝑥11 → 𝑥31 de onde 𝛿31 = 22– 18 +
13– 20 + 22– 20 = −1;

Para 𝑥32 : 𝑥32 → 𝑥33 → 𝑥23 → 𝑥22 → 𝑥32 de onde 𝛿32 = 23 – 18 + 13 – 20 = −2;

19
Como todos os preços de sombra são negativos ∀𝛿𝑖𝑗 < 0, então já encontramos o lucro
máximo ou a solução óptima.

Logo a resposta é 𝒁ó𝒑𝒕𝒊𝒎𝒐 = 𝟐𝟏𝟗𝟔 𝒖. 𝒎

20
 13. Conclusão
Os problemas de afetação e transporte tem uma grande importância em diversas áreas, como
logística, economia e engenharia, eles fornecem métodos analíticos essências para otimização
de gestão dos recursos e também para a escolha das melhores alternativas para distribuição
desses recursos, o método simplex também pode ser usado porem devido a quantidade elevada
de variáveis, os métodos apresentados no trabalho apresentam maior eficiência.

21
 14. Referências bibliográficas
Arenales, M., Armentano, V. A., Morabito, R., & Yanasse, H. H. (2011). Pesquisa operacional
[recurso eletrônico]. Rio de Janeiro: Elsevier.
Hillier, F. S., & Lieberman, G. J. (2006). Introdução à pesquisa operacional (8 ed.). (A. Gries,
& J. C. Junior., Trads.) São Paulo: McGraw-Hill.
Marconi, M. D., & Lakatos, E. M. (2007). Técnicas de Pesquisas: Planejamento e execução
de pesquisas; Amostragens e técnicas de pesquisa e Elaboração, análise e interpretação de
dados (6th ed.). São Paulo: ATLAS S.A.
Mulenga, A. (2010). Investigação Operacional: uma abordagem introdutória. Maputo:
ISUTC.
Nascimento, Z., & Pinto, J. M. (2006). A Dinâmica da Escrita. Como escrever com êxito (5th
ed.). Lisboa: Plátano Editora.

22