O método de otimização Simplex possui a característica de encontrar a solução exata em um problema de programação linear, porém, em problemas de grande dimensão, o algoritmo apresenta alto custo computacional para atingir a convergência. O método de optimização Pontos Interiores apresenta baixo custo computacional em problemas de grande dimensão, mas apresenta resultados que apenas aproximam a solução ótima. O objetivo deste projeto foi ilustrar o funcionamento desses dois algoritmos, compará-los por meio de simulações para identificar suas vantagens e desvantagens e construir um algoritmo de otimização híbrido que unifica os pontos fortes de cada método.