“Otimização vem ganhando espaço nas organizações atuais. Entre outras coisas otimizam-se processos, custos e tempo, e entende-se por otimização a satisfação das necessidades dentro de um custo adequado.” (Prado, 1999). Com o avanço da informática, hardware e softwares robustos, os modelos que utilizam os conceitos de simulação e otimização simultaneamente, o que se tem tornado cada vez mais freqüente, associando-se os objetivos da otimização às vantagens da simulação. Em outras palavras, pode-se determinar o “objetivo ótimo” de um modelo de simulação incluindo aspectos probabilísticos, através do uso de variáveis não determinísticas ou estocásticas. Desenvolver um modelo de simulação tem sido uma tarefa cada vez menos árdua e mais veloz. Os modelos considerados mais simples de serem otimizados são os lineares com variáveis contínuas, que podem ser otimizados através do método simplex (Rila, 1999; Prado, 1999). Para otimização dos modelos inteiros e mistos, abordagens de enumeração implícita como “Branch-and-Bound”. A técnica do “Branch-and-Bound” se baseia na geração de uma árvore de decisão que divide todo o espaço de soluções (“Branch”) e o ponto ótimo é garantido através da enumeração de todas as soluções. Os limites inferiores e superiores (“Bound”) da função objetivo, quando são alcançados, permitem eliminar todo um sub-ramo da árvore de decisão, facilitando a obtenção do resultado otimizado. (Akbay, 1996).