Sunteți pe pagina 1din 24

Capitolul

Introducere n programarea liniar


2.1. Introducere
Programarea liniar (P.L.) este o uneal pentru dezvoltarea model rii i rezolvarea problemelor de optimizare. Din punct de vedere matematic, programarea liniar implic optimizarea unei func ii liniare n func ie de unele cerin e exprimate ca inegalit i liniare sau ca egalit i. Pn la cel de-al doilea r zboi mondial, matematicienii au realizat c sunt necesare un num r mare de opera ii aritmetice pentru rezolvarea sistemelor i f r ajutorul calculatoarelor, calculele necesare nu se pot face ntr-un timp util. Apari ia calculatoarelor a f cut posibil rezolvarea rapid a problemelor cu ajutorul program rii liniare. Programarea liniar este un subset al modelelor de programare matematic . Cuvntul programare nu are nimic comun cu cel din programarea calculatoarelor i deriv din termenul englezesc programme cu sensul de plan sau planificare a opera iilor. Programarea liniar este un procedeu de optimizare matematic . Prin optimizare se n elege o metod prin care se maximizeaz sau se minimizeaz un anumit obiectiv, de exemplu, se maximizeaz beneficiul sau se minimizeaz costul. Scopul program rii liniare este de a alege deciziile optime de c tre manager. n modelul matematic al program rii liniare, deciziile sunt reprezentate de c tre variabilele de decizie. Problema de P.L. este de a maximiza sau minimiza o func ie obiectiv, n timp ce sunt satisf cute un num r de condi ii restrictive sau constrngeri. Func ia obiectiv reprezint scopul urm rit n func ie de variabilele de decizie. Restric iile pot fi exprimate matematic prin egalit i sau prin inegalit i. Mul imea restric iilor, exprimate cu ajutorul variabilelor de decizie, reprezint condi ii ce trebuie satisf cute, atunci cnd se determin valorile variabilelor de decizie. De exemplu, n cazul n care se dore te maximizarea profitului ob inut din produc ia i vnzarea unor produse, restric iile pot fi determinate de limitarea resurselor existente, umane i materiale, dar i de limitarea cererii acestor produse. Problema de P.L. este astfel denumit deoarece att func ia obiectiv, ct i restric iile sunt toate liniare n func ie de variabilele de decizie. Programarea liniar este utilizat n toate domeniile de la industrie la bancar, educa ie, forestier, petrolier conducnd la rezolvarea unei mari variet i de probleme: stabilirea resurselor umane, opera iile sistemelor hidroenergetice, traseele ma inilor de aprovizionare, etc. Dintr-un studiu efectuat asupra primelor 500 de firme de succes din S.U.A., a rezultat c 85% dintre acestea au utilizat programarea liniar .

10

Introducere n programarea liniar

11

Una dintre problemele clasice ale program rii liniare o reprezint , de exemplu, problema dietei. Aceasta const n g sirea unui grup de alimente - o diet - care ntrune te cerin ele nutritive zilnice ale unui cost minim. Versiuni ale acestui model sunt utilizate n spitale, gr dini e, coli, nchisori i n alte institu ii. n multe dintre aceste aplica ii, modelarea computerizat a dus la reduceri de costuri de 10 pn la 30 %, cerin ele nutritive fiind garantate i, surprinz tor, modelele fiind acceptate de clien i. Aceast problem este un bun exemplu asupra modului cum pot fi distinse modelele bune de celelalte. Este u or de dezvoltat un model care satisface condi iile costului minim i minimul cerin elor zilnice nutritive, dar nu se tie cine va mnca un asemenea meniu. Prin includerea unor cerin e suplimentare, ca de exemplu servirea unui anumit fel de mncare de cel mult de trei ori pe s pt mn , se pot ob ine meniuri optime acceptate de oameni.

2.2 Definirea problemei de programare liniar


Scopul acestui capitol este cel de a v nv a modul de formulare al problemelor de programare liniar . Odat ce problema a fost formulat corespunz tor este u or de rezolvat tradi ional (matematic) sau cu ajutorul calculatorului i de interpretat solu iile. n continuare se vor expune principalele no iuni teoretice ale program rii liniare i modul de formulare al problemei cu ajutorul unui exemplu: Problema produselor mixte. Aceast problem este considerat adesea ca fiind prototipul problemelor de programare liniar i const n alegerea produselor optime a fi realizate astfel nct s se ob in un profit maxim. Exemplul 2.1 Problema produselor mixte O companie produce patru tipuri de rame pentru tablouri, de exemplu tipul 1, 2, 3 i 4. Cele patru tipuri de rame difer ca m rime, form i materiale utilizate. Fiecare necesit o anumit calificare (manoper ) i material (metal i sticl ), ca n tabelul 2.1. n tabel se afl i profitul companiei pentru fiecare tip de ram , unde profitul este pre ul de vnzare minus manopera i materialele. Se consider c , pentru s pt mna ce vine, compania dispune de 4000 ore de munc calificat (manopera), 6000 u.m. (unit i de m sur ) de metal i 10000 u.m. de sticl (geam de accea i grosime). De asemenea, pe pia nu se pot vinde mai mult de 1000 rame tip 1, 2000 rame tip 2, 500 rame tip 3, i 1000 rame tip 4. Compania dore te s ob in profitul maxim s pt mnal. Tabelul 2.1. Datele pentru exemplul ramelor de tablouri Manoper Metal Sticl Profit (unit i monetare) 2 4 6 6 1 2 2 2 3 1 1 4 2 2 2 3

Rama tip 1 Rama tip 2 Rama tip 3 Rama tip 4

n cadrul program rii liniare se utilizeaz o serie de termeni importan i dup cum urmeaz :

12

Modelare i simulare n afaceri

a) Variabilele de decizie Variabilele de decizie sunt acele variabile care descriu deciziile ce vor fi luate. Pentru exemplul 2.1, variabilele de decizie sunt: x1 = num r rame tip 1 produse s pt mnal x2 = num r rame tip 2 produse s pt mnal x3 = num r rame tip 3 produse s pt mnal x4 = num r rame tip 4 produse s pt mnal b) Func ia obiectiv Func ia obiectiv reprezint func ia al c rei maxim sau minim se dore te a fi ob inut. Aceast func ie depinde de variabilele de decizie. n cazul problemei produselor mixte se poate scrie (din coloana profiturilor): 6x1+2x2+4x3+3x4 (2.1) i se dore te a se determina maximul acestei func ii. Deci, pe baza rela iei (2.1), func ia obiectiv devine: maximum z = 6x1+2x2+4x3+3x4 (2.2) c) Condi iile restrictive sau constrngerile Condi iile restrictive sau constrngerile sunt expresii scrise n func ie de variabilele de decizie. Coeficien ii variabilelor de decizie din constrngeri poart numele de coeficien i tehnologici. Coeficien ii tehnologici reflect , n general, tehnologia utilizat n producerea diferitelor produse, de unde provine i denumirea lor. Membrul drept al unei constrngeri reprezint , de obicei, cantitatea resurselor disponibile. n cazul exemplului 2.1 se poate observa c o cre tere a variabilelor x1, , x4 conduce la o m rire a profitului. Modificarea variabilelor nu se poate face arbitrar din cauza impunerii urm toarelor constrngeri: 1. Nu se pot dep i 4000 ore manoper pe s pt mn : 2 x1 + x 2 + 3x 3 + 2 x 4 4000 (2.3) 2. Nu se poate dep i cantitatea de 6000 u.m.metal i 10000 u.m. sticl utilizat s pt mnal: 4 x1 + 2 x2 + x 3 + 2 x 4 6000 (2.4) 6x1 + 2 x 2 + x 3 + 2 x4 10000 (2.5) 3. Nu se pot vinde s pt mnal mai mult de 1000 rame tip 1, 2000 rame tip 2, 500 rame tip 3 i 1000 rame tip 4: x1 1000 (2.6) x 2 2000 (2.7) x 3 500 (2.8) x 4 1000 (2.9) d) Restric iile de semn Restric iile de semn sunt condi ii impuse variabilelor de decizie n func ie de semnul acestora: negative, pozitive sau zero. Cnd o variabil de decizie poate lua doar valori pozitive sau zero atunci trebuie ad ugat restric ia de semn. Dac o variabil poate lua orice valori atunci aceasta nu are restric ie de semn. Pentru problema produselor mixte toate variabilele trebuie s fie pozitive sau zero (deoarece se pot produce numai cantit i pozitive):

Introducere n programarea liniar

13

(2.10) x1 0 x2 0 (2.11) (2.12) x3 0 x4 0 (2.13) n consecin , din rela iile (2.2) (2.13) se ob ine urm torul sistem de ecua ii i inegalit i ce constituie modelul de optimizare: max z = 6x1 + 2 x 2 + 4 x 3 + 3x 4 (func ia obiectiv) 2 x1 + x 2 + 3x 3 + 2 x 4 4000 (constrngerea de manoper ) 4 x1 + 2 x2 + x 3 + 2 x 4 6000 (constrngere metalul utilizat) 6x1 + 2 x 2 + x 3 + 2 x4 10000 (constrngere sticl utilizat ) x1 1000 (rame de tip 1 vndute) (2.14) x 2 2000 (rame de tip 2 vndute) x 3 500 (rame de tip 3 vndute) x 4 1000 (rame de tip 4 vndute) (restric ie de semn - valori pozitive) x1 0 x2 0 x3 0 x4 0 Pentru n elegerea formul rii se consider urm toarele: obiectivul profitului. Profitul a x1 rame de tipul 1 este 6 x1 deoarece fiecare ram contribuie cu 6 unit i monetare la profit. La fel este i pentru celelalte tipuri de rame, iar: profitul total = suma profiturilor celor 4 produse rela ia orelor de manoper . Valoarea din dreapta, 4000, reprezint num rul de ore disponibile. n partea stng , fiecare ram de tipul 1 utilizeaz dou ore de munc , astfel c x1 unit i necesit 2x1 ore de manoper . n mod similar se procedeaz pentru celelalte trei tipuri de produse. Deci: Num rul total de ore de manoper = suma orelor de manoper pentru cele 4 produse i nu poate dep i num rul de ore disponibile. maximul de vnz ri i condi ia valorilor pozitive determin limitele maxime i minime ce vor fi produse. Majoritatea programelor software care rezolv acest gen de probleme au fost scrise astfel nct s accepte problemele program rii liniare n acest format fundamental. Astfel se pot utiliza programe de calcul tabelar, cum sunt Microsoft Excel sau Lotus 12-3 for Windows. Microsoft Excel beneficiaz de un subprogram specializat numit Solver, dar se pot ad uga i alte subprograme (add-ins) realizate de ter i cum este de exemplu @RISK. Pe pia exist totodat i programe specializate cum sunt LINDO sau STORM, att n variante educa ionale ct i profesionale. nainte ns de a defini problema de programare liniar trebuie definite conceptele de func ie liniar i inegalitate liniar . e) Func ie liniar O func ie f(x1, x2, , xn) este liniar dac i numai dac pentru unele seturi de constante c1, c2, , cn este ndeplinit rela ia: f(x1, x2, , xn)= c1x1 +c2x2 ++cn xn (2.15)

14

Modelare i simulare n afaceri

f) Inegalitate liniar O inegalitate este liniar dac pentru orice func ie f(x1, x2, , xn) i orice num r b se ndepline te una dintre condi iile: f(x1, x2, , xn) b sau (2.16) f(x1, x2, , xn) b. g) Definirea problemei de programare liniar O problem de programare liniar este o problem de optimizare pentru care se urm re te: 1. Ob inerea unui maxim sau minim al func iei liniare numit func ie obiectiv. 2. Satisfacerea de c tre valorile variabilelor de decizie a unui set de constrngeri. Fiecare constrngere trebuie s fie o ecua ie liniar sau o inegalitate liniar . 3. Asocierea unei restric ii de semn fiec rei variabile. Orice variabil trebuie s fie pozitiv sau zero sau poate fi f r restric ie de semn. Deoarece, pentru problema produselor mixte, func ia obiectiv este o func ie liniar de variabilele de decizie x1, , x4 i toate constrngerile sunt inegalit i liniare, problema produselor mixte este o problem de programare liniar . Aceast problem face parte dintr-o categorie mai mare de probleme n care trebuie ob inut profitul maxim avnd resurse limitate.

2.3. Modelul matematic general al problemei de programare liniar


Modelul matematic asociat unei probleme de P.L. se poate reprezenta prin: 1. un sistem liniar de m ecua ii sau inecua ii ce reprezint restric ii ale variabilelor de decizie xj (j=1,n) a11 x1 + a12 x 2 +...+ a1n x n ( , , =) b1 a 21x1 + a 22 x 2 +...+ a 2 n x n ( , , =) b 2 (2.17) ... a m1x1 + a m 2 x 2 +...+ a mn x n ( , , =) b m 2. un sistem de condi ii de nenegativitate: x1 0, x2 0, , xn 0 3. o func ie obiectiv care trebuie optimizat : f(x) = c1x1 + c2x2 + ... +cnxn = MAX sau MIN

(2.18) (2.19)

Formularea problemei: S se g seasc n mul imea solu iilor sistemului (2.17) i a (2.18) o solu ie ce realizeaz valoarea optim (maxim sau minim ) a func iei obiectiv f(x) (2.19).

2.4. Propriet ile program rii liniare


Datorit faptului c :

Introducere n programarea liniar

15

func ia obiectiv trebuie s fie liniar i constrngerile s fie inegalit i liniare sau ecua ii liniare, rezult dou propriet i importante ale program rii liniare: propor ionalitatea i aditivitatea. n afara acestora, programarea liniar opereaz i cu conceptele de divizibilitate, certitudine i regiune realizabil (fezabil ) i solu ie optim . Propor ionalitatea Proprietatea de propor ionalitate const n aceea c orice activitate multiplicat printr-un factor constant conduce la multiplicarea prin acela i factor a contribu iei sale la func ia obiectiv sau la oricare alte constrngeri. Astfel: 1. Contribu ia fiec rei variabile de decizie la func ia obiectiv este propor ional cu valoarea acesteia. 2. Contribu ia fiec rei variabile la membrul stng al fiec rei constrngeri este propor ional cu valoarea variabilei. De exemplu, dac produc ia ramelor de tip 1 este redus de la valoarea 1000 la 500, adic este multiplicat cu 0.5, manopera, metalul i sticla consumat de tipul 1 sunt reduse la jum tate i contribu ia la profit al tipului 1 este de asemenea la jum tate. Aditivitatea Proprietatea de aditivitate const n faptul c suma contribu iilor diverselor activit i la o constrngere anume este egal cu contribu ia total la acea constrngere. Proprietatea de aditivitate implic de asemenea: 1. Contribu ia fiec rei variabile la func ia obiectiv este independent de valorile celorlalte variabile de decizie. 2. Contribu ia unei variabile la membrul stng al fiec rei constrngeri este independent de valorile celorlalte variabile. De exemplu, indiferent de num rul de rame produse de tip 2, 3 i 4 (adic variabilele x2, x3 i x4), producerea a x1 rame de tip 1 va contribui cu 6x1 unit i monetare la func ia obiectiv celorlalte variabile sau dac cele 4 tipuri de rame utilizeaz 1000, 800, 1200 i respectiv 3000 ore manoper atunci num rul total de ore manoper utilizate este suma acestor valori, adic 6000 ore. Pentru ca un model s fie o reprezentare ct mai apropiat a situa iei reale trebuie satisf cute att ipoteza propor ionalit ii ct i a aditivit ii. Divizibilitatea Proprietatea de divizibilitatea nseamn c se permit valori frac ionare ale variabilelor de decizie. Pentru exemplul produselor mixte, toate cantit ile tipurilor de rame au fost ntregi. Proprietatea de divizibilitate presupune c este acceptabil s se produc 1,5 rame de tip 1 sau 2,75 rame de tip 2. Dar, deoarece nu se poate produce un num r frac ionar de rame (cine ar cump ra 1,5 rame?), n cazul produselor mixte proprietatea de divizibilitate nu este satisf cut . n modelele program rii liniare se pot permite valori care nu sunt ntregi, de i n realitate acestea nu au sens fizic. De exemplu, dac produsul 1 este un frigider, nu are sens o valoare de 47,53 frigidere. Dac se dore te ca valorile anumitor activit i s fie ntregi, atunci exist 2 moduri de abordare: 1. se rezolv modelul program rii liniare f r constr ngerea ca valorile s fie ntregi, i dac solu ia nu are valori ntregi se poate rotunji. 2. se pot supune anumite variabile la constrngerea de a lua valori ntregi.

16

Modelare i simulare n afaceri

Problema de programare liniar n care una sau toate variabilele trebuie s aib valori ntregi pozitive sau zero poart denumirea de problem de programare cu valori ntregi. Totu i, este mai frecvent situa ia n care cantit ile optime nu sunt ntregi. Exist situa ii n care nu se poate pune ipoteza divizibilit ii, rotunjirea fiec rei variabile a solu iei optimale a program rii liniare putnd constitui o solu ie acceptabil . De exemplu, dac solu ia optim pentru o firm de automobile indic producerea a 150.000,4 ma ini ntr-un an, atunci este rezonabil a se estima planul optim de produc ie la 150.000 sau 150.001 ma ini. Dar dac solu ia optim indic o valoare de 0.4, atunci trebuie f cut diferen a ntre rotunjirea nspre zero sau nspre 1. n aceste situa ii se apeleaz la metodele program rii cu valori ntregi. La modelarea problemelor reale, se fac de obicei anumite ipoteze simplificatoare, ca n cazul modelelor program rii liniare. Din cauza neliniarit ilor, de obicei, nu se ine seama de unele dintre cele trei propriet i. Totu i, multe aplica ii de succes ale program rii liniare au demonstrat utilitatea modelelor liniare chiar dac sunt aproxim ri ale realit ii. Dac se b nuie te ns c aceste aproxim ri duc la invalidarea modelului, atunci se va utiliza un model ntreg sau, dup caz, unul neliniar. Certitudinea Alt proprietate a program rii liniare este certitudinea. Aceast proprietate implic faptul c fiecare parametru (coeficien ii func iei obiectiv, membrul drept al inegalit ilor i coeficientul tehnologic) sunt cunoscu i cu certitudine. De exemplu, dac nu se cunoa te num rul de ore de manoper necesare pentru producerea unei rame de tip 1, atunci nu este ndeplinit proprietatea de certitudine. Regiunea realizabil Regiunea realizabil a unei probleme de programare liniar este multimea de puncte care satisface toate constrngerile i toate restric iile de semn. De exemplu, pentru problema produselor mixte, mul imea de puncte (1000, 0, 500, 250) se afl n regiunea relizabil . Astfel, dac : x1 = 1000 x2 = 0 < 2000 x3 = 500 x4 = 250 < 1000 conform rela iilor (2.14) se ob ine: 2 1000 + 0 + 3 500 + 2 250 = 4000 4 1000 + 2 0 + 500 + 2 250 = 5000 < 6000 (2.20) 6 1000 + 2 0 + 500 + 2 250 = 7000 < 10000 Se observ c sunt satisf cute toate constrngerile i restric iile de semn deci setul de puncte (1000, 0, 500, 250) se afl n regiunea realizabil . Oricare set de puncte care nu satisfac constrngerile i restric iile de semn se vor afla n regiunea nerealizabil . Solu ia optim Pentru problemele de programare liniar n care se urm re te ob inerea maximului func iei obiectiv, solu ia optim este dat de punctul sau mul imea de puncte care, aflate n regiunea realizabil , ob in maximul func iei obiectiv. n mod similar, solu ia

Introducere n programarea liniar

17

optim pentru problemele n care se urm re te ob inerea minimului func iei obiectiv este acel punct al regiunii realizabile pentru care func ia obiectiv ia valoarea minim . Pentru problema produselor mixte, din exemplul (2.1) solu ia optim este setul de puncte (1000, 800, 400, 0). Astfel, nu exist un alt punct n regiunea realizabil pentru care s se ob in o valoarea mai mare a func iei obiectiv. Exist , totu i, probleme care nu au o solu ie optim sau au o infinitate de solu ii.

2.5. Metoda solu iei grafice pentru problemele de programare liniar cu dou variabile
Problemele program rii liniare pot fi rezolvate prin metode grafice doar n cazul n care prezint doar dou variabile de decizie. Exemplul 2.2 Se consider problema produselor mixte cu doar dou tipuri de rame (1 i 2), cu dou tipuri de resurse (manoper i metal) i cu urm toarele date de intrare: 2.25 unit i monetare profit rama tip 1; 2.60 unit i monetare profit rama tip 2; 4000 ore manoper disponibile; 2 ore manoper / ram tip 1; 1 ore manoper / ram tip 2; 5000 u.m. de metal; 1 u.m. metal /ram tip 1; 2 u.m. metal /ram tip 2. Rela iile care descriu modelul de optimizare sunt: max z= 2.25x1+2.60x2 (func ia obiectiv) 2x1+x2 4000 (constrngerea de manoper ) x1+2x2 5000 (constrngerea de metal) (2.21) x1 0 (restric ia de semn) x2 0 (restric ia de semn) Ob inerea solu iei realizabile Pentru rezolvarea exemplului 2.2 se se determin grafic regiunea realizabil . Regiunea realizabil o reprezint setul de puncte (x1,x2) care satisface toate rela iile (2.21). Solu ia este prezentat n figura 2.1. Ob inerea solu iei se face n urm toarele etape: 1. Se traseaz linia pentru orele de manoper 2x1+x2= 4000 (2.22) Linia ce une te punctele (0,4000) i (2000, 0), dat de intersec ia cu axele, ndepline te constrngerea de manoper . Toate punctele de sub aceast linie formeaz regiunea realizabil , adic punctele unde sunt utilizate mai pu in de 4000 ore de manoper . Dac punctul (0,0) nu satisface constrngea atunci acesta se va exclude din regiune.

18

Modelare i simulare n afaceri

x2 5000 4000 3000 2000 x1+2x2=5000 1000 x1 2x1+x2=4000


Solu ie optim

Linii de isoprofit

Regiune realizabil

1000 2000 3000 4000 5000


Fig. 2.1 Solu ia optim grafic

2. Se traseaz linia constrngerii de material x1+2x2= 5000 (2.23) fiind linia care une te punctele (0,2000) i (5000,0), linia unde toate cele 5000 de unit i sunt folosite, iar punctele de sub linie utilizeaz sub 5000. 3. n final, punctele de sub ambele sau de pe ambele linii constituie regiunea realizabil . Ob inerea solu iei optime Solu ia optim se afl n regiunea realizabil pentru care se g se te maximul func iei obiectiv (2.24) max z= 2.25x1+2.60x2 Pentru ob inerea solu iei optime se va trasa o linie ale c rei puncte determin aceea i valoare a func iei obiectiv (profit constant). Aceast linie se nume te linie de isoprofit. Ecua ia (2.24) se mai poate scrie: x2 =z/ 2.60 -(2.25/ 2.60 )x1 (2.25)

Liniile descrise de rela ia (2.22) au panta egal cu -2.25/2.60 i intersecteaz axa vertical la valoarea z/2.60. n figura 2.1 sunt trasate (cu linie ntrerupt ) trei linii de isoprofit. Profitul cre te cnd linia se mut n sus i n dreapta. Grafic se observ c ultimul punct posibil este dat de intersec ia liniilor constrngerilor de manoper i material. Aflnd coordonatele punctului (1000, 2000) se ob ine un profit P=7450$. Dac panta liniilor de isoprofit este mai abrupt atunci punctul optim va fi (2000,0), iar n caz contrar (0,2500). Deci, pot fi doar trei puncte optime: (2000,0), (0,2500) sau (1000, 2000). Dac panta liniilor de isoprofit coincide cu panta uneia din liniile de constrngere, atunci un segment ntreg poate fi optim avnd un caz cu solu ii optime multiple. Aceast abordare grafic nu este utilizat practic la rezolvarea problemelor reale, metoda simplex fiind o metod eficient n c utarea liniilor de puncte care apar n aplica iile reale.

Introducere n programarea liniar

19

Constrngeri restrictive i constrngeri nerestrictive O dat ce a fost g sit solu ia optim este util a se clasifica fiecare constrngere n: constrgere restrictiv . O constrngere este restrictiv dac membrul drept i cu membrul stng al constrngerii sunt egali cnd variabilele de decizie se nlocuiesc cu valorile optime. Constrngere nerestrictiv . O constrngere nu este restrictiv dac cei doi membrii ai constrngerii nu sunt egali cnd variabilele de decizie se nlocuiesc cu valorile optime. n cazul solu iei optime a exemplului 2.1 (1000, 800, 400, 0), constrngerile din rela iile (2.14) se scriu: x1 = 1000

x 2 = 800 < 2000 x 3 = 400 < 500 x 4 = 0 < 1000 2 1000 + 800 + 3 400 + 2 0 = 4000 4 1000 + 2 800 + 400 + 2 0 = 6000 6 1000 + 2 800 + 400 + 2 0 = 8000 < 10000
Se observ c rela iile 1, 5 i 6 sunt restrictive, n timp ce 2, 3, 4 i 7 nu sunt restrictive.

2.6. Imposibilitatea i nem rginirea


Imposibilitatea i nem rginirea sunt dou cazuri ce pot apare n rezolvarea problemelor de programare liniar . Imposibilitatea Imposibilitatea reprezint cazul n care problema de programare nu are regiune realizabil astfel c problema este imposibil . Dac un model nu are solu ii posibile, exist , n general, dou cauze: 1. o gre eal n formulare (de exemplu, scrierea lui n loc de ), caz n care trebuie verificate formul rile; 2. problema are asemenea constrngeri, nct nu exist o solu ie care s le satisfac . n acest caz trebuie simplificate sau eliminate unele constrngeri. Totu i, nu exist o metod de determinare a unei erori cauzate de o solu ie imposibil . Nem rginirea n acest caz, modelul a fost formulat nct obiectivul este nem rginit, astfel c poate fi orict de mare sau orict de mic. n asemenea situa ii, erorile se pot datora unor valori eronate de intrare sau din omiterea unor constrngeri. Imposibiltatea i nem ginirea sunt dificile din punct de vedere al sensului practic. Este posibil ca un model s nu aib solu ii. Singura cale const n eliminarea unor constrngeri.

20

Modelare i simulare n afaceri

Problema nem rginirii este diferit de cea a imposibilit ii. Nu exist posibilitatea ca un model real s aib solu ii nem rginite. Dac un model are solu ii nem rginite, ori este o gre eal n formularea modelului, ori sunt gre eli ale datelor de intrare, ori s-au omis una sau mai multe constrngeri.

2.7. Analiza sensibilit ii


Analiza sensibilit ii se ocup cu studierea modului n care solu ia optim este modificat de schimbarea parametrilor program rii liniare. Aceast analiz se reg se te n literatur i sub numele de analiza parametrilor sau analiza post-optimal . Analiza de sensibilitate arat ct de sensibil este solu ia optim odat cu modificarea datelor problemei, ca de exemplu modificarea coeficien ilor func iei obiectiv sau a coeficien ilor din partea dreapt a sistemului de restric ii. Dac solu ia optim se modific pu in la modific ri importante ale parametrilor nu intereseaz prea mult nesiguran a. n caz contrar, analiza de sensibilitate este important deoarece, n practic , valoarea coeficien ilor variabilelor de decizie i a restric iilor nu poate fi stabilit cu certitudine, sau este prea costisitoare, fiind adesea aproxim ri ale realit ii. Modificarea coeficien ilor func iei obiectiv conduce la modificarea nclin rii func iei obiectiv, lucru care poate sau nu s afecteze solu ia optim , ca n exemplul din figura 2.2.
x2

z=5x1+1x2

z=4x1+5x2

Modificarea valorilor din partea dreapt a restric iilor conduce la deplasarea dreptelor restric iilor cu paralele la ele. Acest lucru poate afecta att solu ia optim ct i valoarea solu iei optime. Efectul depinde exact de care restric ie este modificat i de valoarea acesteia. Principalele concepte cu care opereaz analiza sensibilit ii sunt: pre ul din urm i costul redus. Pre ul din urm (shadow price)

z=5x1+4x2
x1

Adeseori este important determinarea modului n care valoarea optim se poate modifica n func ie de valoarea membrului drept al unei constrngeri. Aceast modificare se poate studia prin intermediului pre ului din urm . Pre ul din urm se define te ca fiind valoarea cu care se modific solu ia optim (cre tere n cazul ob inerii unui maxim sau descre tere pentru ob inerea unui minim al func iei obiectiv) dac valoarea membrului drept al constrngerii studiate este incrementat . Aceast defini ie se aplic p strnd neschimbate datele de baz curente (datele de intrare). Pentru orice problem de programare liniar cu dou variabile este simplu de determinat grafic pre ul din urm al fiec rei constrngeri. n cazul exemplului 2.2, pentru modelul de optimizare (2.21):

Fig.2.2 Efectul modific rii coeficien ilor func iei obiectiv

Introducere n programarea liniar

21

max z= 2.25x1+2.60x2 2x1+x2 4000 x1+2x2 5000 x1 0 x2 0 solu ia optim se ob ine pentru punctul (1000, 2000). De exemplu, dac sunt disponibile 4000+ ore de manoper (presupunnd c datele curente r mn neschimbate) atunci solu ia optim este: x1 = 1000 + x2 = 2000 - Atunci valoarea optim z va fi: 2x1+x2 = 2(1000 + )+(2000 - ) = 4000 + Astfel, att timp ct valorile curente r mn optime, incrementarea orelor de manoper conduce la incrementarea valorii optime z. Dac valorile curente r mn optime pentru o cre tere cu valoarea a membrului drept al constrngerii, atunci noua valoarea z optim (a func iei obiectiv) este dat de rela ia: (Noua valoare z optim ) = (Vechea valoare z optim ) + + (Pre ul din urm al constrngerii) (2.26) Importan a analizei sensibilit ii Analiza sensibilit ii este important din mai multe motive. n multe aplica ii, valorile parametrilor program rii liniare se pot schimba. De exemplu, se poate modifica num rul orelor de manoper sau al cantit ilor de material disponibile. Dac un parametru se schimb , analiza sensibilit ii face s nu mai fie necesar o nou rezolvare a problemei. Cunoa terea analizei sensibilit ii permite determinarea solu iei optime la schimbarea parametrilor pornind de la solu ia ini ial . n multe situa ii unii parametrii pot avea valori incerte. De exemplu, nu se tie cu certitudine cte rame tip 1 se vor vinde s pt mnal. Cu ajutorul analizei sensibilit ii, se pot ob ine rezultate credibile chiar i n cazurile cnd apar parametrii ai c ror valori nu se cunosc cu certitudine. Analiza sensibilit ii cu ajutorul calculatorului n cazul problemelor de programare liniar cu mai mult de dou variabile, domeniul de valori al membrului drept (sau coeficientul func iei obiectiv) pentru care valorile curente r mn optime nu se poate determina grafic. n acest caz se utilizeaz programe software specializate precum LINDO, GINO, LINGO, Whats Best! sau cu ajutorul Microsoft Excel i Lotus 1-2-3 for Windows. Domeniul coeficientului func iei obiectiv Domeniul coeficientilor func iei obiectiv este indicat de rapoartele programelor software prin: cre terea permis (Allowable Increase) reprezint valoarea cu care poate fi crescut coeficientul func iei obiectiv astfel nct valorile curente s r mn optime; descre terea permis (Allowable Decrease) reprezint valoarea cu care poate fi mic orat coeficientul func iei obiectiv astfel nct valorile curente s r mn optime.

22

Modelare i simulare n afaceri

Costul redus (Reduced Cost) Costul redus ofer informa ii asupra modului de modificare a coeficientului func iei obiectiv la schimbarea variabilelor suplimentare. Pentru exemplul 2.1, variabilele de baz asociate solu iei optime sunt x1, x2, i x3 iar variabila suplimentar este x4 (nu vor fi produse rame de tip 4). Pentru orice variabil suplimentar xk, costul redus este valoarea cu care coeficientul func iei obiectiv al lui xk trebuie mbun t it nainte de a se ob ine o solu ie optim care s aib pe xk ca variabil de baz . Dac coeficientul func iei obiectiv al variabilei suplimentare xk este mbun t it de costul s u redus, atunci problema de programare liniar are solu ii optime alternative: cel pu in una pentru care xk este variabil de baz ; cel pu in una pentru care xk este variabil suplimentar . Dac coeficientul func iei obiectiv al variabilei suplimentare xk poate fi mbun t it nu numai prin costul redus atunci orice solu ie optim va avea pe xk > 0 ca variabil de baz .

2.8. Rezolvarea problemelor de programare liniar cu ajutorul foilor de calcul


2.8.1. Elementele unei foi de calcul Principalele elemente ale unei foi de calcul sunt: 1. Datele de intrare. Toate datele numerice de intrare necesare form rii obiectivului i constrngerile trebuie trecute n foaia de calcul. 2. Celulele ale c ror valori se schimb . n locul utiliz rii de variabile (cum se folose te n metoda clasic ), se vor utiliza unele celule destinate rolului de variabile de decizie. Valorile din aceste celule se vor schimba n timpul optimiz rii obiectivului. n Excel, aceste celule se numesc celule schimbabile sau celule ajustabile. 3. Celule int (scopul obiectivului). O celul numit celul int sau celul obiectiv con ine valoarea obiectivului. Solver-ul modific sistematic valorile din celulele ajustabile n ordinea optimiz rii valorii din celula int . 4. Constrngerile se vor specifica n ferestre de dialog prin rela ii similare cu: B15:D15<=B16:D16 care implic trei constrngeri distincte: B15<=B16 C15<=C16 D115<=D16 5. Valori strict pozitive. Variabilele de decizie, adic valorile din celulele schimbabile, trebuie s fie strict pozitive, constrngere care trebuie exprimat explicit n Excel. De exemplu, pentru a specifica faptul c valorile din irul C5:C9 sunt strict pozitive, trebuie inclus o constrngere de forma: C5:C9>=0 n general, determinarea solu iei complete a unei probleme se face n dou etape:

Introducere n programarea liniar

23

1. Introducerea datelor de intrare, a variabilelor de procesare din celulele schimbabile i formulele de leg tur pentru aceste valori n foaia de calcul. 2. Invocarea Solver-ului pentru aflarea solu iei optime. 2.8.2. Problema produselor mixte (vezi problema 2.1) n vederea prezent rii rezolv rii vom considera din nou problema (2.1). Reamintim enun ul acesteia i modul de organizare a datelor din tabelul 2.1. Astfel: O companie produce patru tipuri de rame pentru tablouri, 1, 2, 3 i 4. Cele patru tipuri de rame difer ca m rime, form i materiale utilizate. Fiecare necesit o anumit calificare (manoper ) i material (metal i sticl - geamuri), ca n tabelul 2.1. n tabel se afl i profitul companiei pentru fiecare tip de ram , unde profitul este pre ul de vnzare minus manopera i materialele. Pentru s pt mna ce vine, compania dispune de 4000 ore de manopera, 6000 zeci grame de metal i 10000 zeci grame de geam de accea i grosime. De asemenea, pe pia nu se pot vinde mai mult de 1000 rame tip 1, 2000 rame tip 2, 500 rame tip 3, i 1000 rame tip 4. Compania dore te s ob in profitul maxim s pt mnal. Tabelul 2.1. Datele pentru exemplul ramelor de tablouri Manoper Metal Sticl Profit $ Rama tip 1 2 4 6 6 Rama tip 2 1 2 2 2 Rama tip 3 3 1 1 4 Rama tip 4 2 2 2 3 Dezvoltarea modelului pe foaia de calcul (fig.2.3) 1. Intr ri. Se introduc datele de intrare pentru irurile B6:E8, H6:H8, B10:E10 i B17:E17 2. Nivelele produc iei. Se introduc valori pentru celulele B15:E15. Aceste celule sunt celule

Fig. 2.3 Solu ia ini ial a problemei produc iei ramelor de tablouri

24

Modelare i simulare n afaceri

schimbabile i se pot folosi orice valori ini iale, Solver-ul ncercnd s g seasc valorile optime. 3. Resurse utilizate. Se introduce formula: =SUMPRODUCT(B6:E6,$B$15:$E$15 n celula F6 i se copiaz n irul E7:F8. Aceste formule calculeaz unit ile pentru manoper , metal i sticl utilizate la produsele cerute. Funs ia SUMPRODUCT multiplic fiecare valoare din irul B6:E6 cu valoarea corespunz toare din irul B15:E15 i apoi nsumeaz aceste produse. Semnul $ (adresa absolut a celulei) din irul B15:E15 este introdus pentru a permite copierea formulei n irul F7:F8. 4. Profitul realizat. Se introduce formula: =SUMPRODUCT(B10:E10,B15:E15) n celula F10 pentru calculul profitului total. Inaintea apel rii Solver-ului pentru g sirea solu iei, este folositor a se ncerca unele valori pentru celulele schimbabile, din dou motive: a) se poate verifica corectitudinea calculelor; b) se poate observa func ionarea modelului. De exemplu, se poate ghici c tipurile de rame cu cel mai mare profit trebuie produse n num r ct mai mare. Astfel, se introduc valori de 0 n celulele schimbabile B15:E15, deci rezult profit nul. Apoi, deoarece tipul 1 aduce profitul cel mai mare (6$), iar pia a constrnge la 1000 rame, se introduce cifra 1000 n celula B15. Se observ c nici una dintre resurse nu sunt utilizate la maxim. Deci , se pot realiza cteva rame tip 3, tipul cu urm torul profit maxim. Deoarece pia a constrnge la cel mult 500 rame, se introduce valoarea 500 n celula D15. nc mai exist resurse disponibile. Aceasta permite producerea ramelor tip 4, rame cu urm torul profit. Totu i, se mai pot produce doar 2500 rame tip 4, deoarece n acest moment s-au epuizat orele de manoper . Solu ia rezultat este ilustrat n figura 2.4 avnd profitul de 8750$.

Fig. 2.4 O alt solu ie posibil a problemei produc iei ramelor de tablouri

Introducere n programarea liniar

25

Solu ia din figura 2.4 nu este cea mai optim . Chiar i-n acest exemplu simplu este dificil de ghicit solu ia optim , deoarece un tip de ram cu profit mare poate utiliza multe resurse i s exclud realizarea altor tipuri de resurse. Cu ajutorul Solver-ului se poate: specifica celula obiectiv, a celulelor schimbabile i a constrngerilor; rezolva modelul prin ajustarea valorilor din celulele schimbabile pn cnd toate constrngerile i obiectivul sunt ndeplinite. Utilizarea Solver-ului

Fig. 2.5 Fereastra de dialog a Excel Solver Pentru a apela Solver-ul din Excel, se selecteaz op iunea Solver din meniul Tools. Va ap rea o fereastr de dialog ca cea din figura 2.5, care este constituit din trei sec iuni importante: 1. Obiectivul. Se selecteaz celula F10 pentru profitul total i butonul Max. (n fereastr semnul $ apare al turi de adresa celulei i apare automat cnd se indic o celul sau un ir de celule, dar se va omite, n nota ii, cnd se specific intr rile din aceast fereast ). 2. Celulele schimbabile. Se selecteaz irul B15:E15, num rul de rame produs. 3. Constrngerile. Se alege op iunea Add i se introduc urm toarele constrngeri (se pot introduce n orice ordine dar vor fi afi ate n ordinea alfabetic a numelor sau adreselor): F6:F8<=H6:H8 utlizarea doar a resurselor necesare B15:E15<=B17:E17 cantitatea produs <= cantitatea vndut B15:E15>=0 valori strict pozitive 4. Modelul liniar. Solver-ul utilizeaz mai multe metode numerice. Problemele liniare pot fi rezolvate eficient prin metode simple. Pentru alegerea acestei metode trebuie selectat op iunii Assume Linear Model din fereastra de dialog ce apare la alegerea butonului Option. 5. Optimizarea. Se selecteaz butonul Solve pentru g sirea solu iei optime i alegerea unuia dintre cele trei rapoarte (fig.2.6).

26

Modelare i simulare n afaceri

Experimentarea unor noi valori de intrare Simpla modificare a valorilor de intrare i rularea Solver-ului poate conduce la g sirea unor noi solu ii, n acest fel urm rindu-se comportarea modelului. De exemplu, f cnd tipul 4 mai profitabil (de la 3 la 8$), iar celelalte r mnd la fel, se ob ine o nou solu ie optim : se vor produce 1000 rame tip 1 i 1000 de tip 4, crescnd profitul total la 14000$.

Fig. 2.6 Solu ia optim a problemei produc iei ramelor de tablouri La modificarea datelor de intrare nu mai trebuie specificate celula int , celulele schimbabile i constrngerile deoarece acestea sunt inute minte de c tre program. n figura 2.7 este prezentat modelul cu alte valori ale datelor de intrare.

Fig. 2.7 Solu ia problemei cu alte date de intrare

Introducere n programarea liniar

27

Rapoartele Solver-ului Solver-ul din Excel produce r spunsuri op ionale i rapoarte de sensibilitate dup ce a fost g sit solu ia optim . Dac se cer, aceste rapoarte sunt incluse ca foi n fi ierul foaie de calcul tabelar. Raportul cu r spunsuri al problemei ramelor de tablouri, prezentat n figura 2.8, cuprinde, printre altele, valorile finale (optime) ale func iei obiectiv i a variabilelor decizionale i pentru fiecare constrngere afi eaz lista cu starea (obligatorie sau nu).

Fig. 2.8 Raportul cu r spunsuri pentru exemplul produselor mixte Excel produce i un raport op ional de sensibilitate (fig.2.9) i mp r it n dou zone: a. Celule schimbabile. Dac o variabil de decizie este 0 (tipul 4) atunci nu este profitabil includerea activit ii de producere a ramelor tip 4 n produc ia optim . Costul sc zut al acestei activit i indic ct de profitabil trebuie s fie fiecare unitate a acestei unit i pentru a fi optim . Profitul pentru rama tip 4 este 3$. Conform costului sc zut, profitul unit ii trebuie s creasc cu 0.2$ (la 3.20 $) pentru ca tipul 4 s devin profitabil, fapt ce se reflect n coloana cre terii permise. Cre terea i descre terea permis indic pentru ce valori solu ia curent s nu mai este optim . De exemplu, dac tipul 3 r mne ntre 3.50$ (=4-0.50) i 6$ (4+2 ), atunci produc ia curent r mne optim (altfel profitul total se schimb ).

28

Modelare i simulare n afaceri

Dac o cre tere/descre tere permis are o valoare foarte mare (de exemplu, 1E+30) atunci profitul unitar poate cre te/descre te f r limite i solu ia optim nu se schimb . b. Constrngerile. Fiecare constrngere previne utilizarea a mai multor resurse dect este disponibil. Dac o constrngere este obligatorie, atunci compania a epuizat resursele disponibile i poate avea n vedere achizi ionarea altora. Pre ul din urm (shadow price) indic cu ct contribuie noile resurse la cre terea profitului total i reprezint modificarea valorii obiectivului n func ie de modificarea resurselor. n problema ramelor, deoarece constrngerile de manoper i metal sunt obligatorii, compania va dori s pl teasc mai mult pentru acestea. Pre ul din urm pentru manoper , 1.20$, nseamn c fiecare or suplimentar de manoper (peste cele 4000 disponibile) va ad uga 1.20$ la profit. Cre terile i descre terile permise indic domeniul n care pre ul din urm este relevant. Fiecare or suplimentar pn la 250 va aduce un profit suplimentar de 1.20 $ i fiecare or pierdut pn la 1000 va aduce o pierdere de 1.20$ la profit. n afara domeniului este dificil

Fig. 2.9 Raportul de sensibilitate pentru exemplul produselor mixte de spus ce se ntmpl . n contrast cu constrngerile obligatorii, pre ul din urm pentru cele neobligatorii este totdeauna egal cu zero. Explica ia economic const n faptul c dac resursele sunt mai mari dect cele necesare atunci nu se vor achizi iona altele. 2.8.3. Problem de produc ie multiperiodic Un alt tip de problem rezolvabil prin programarea liniar este luarea deciziilor n diferite perioade de timp. Acest tip de problem apare cnd o companie trebuie s ia o decizie care poate avea ramifica ii n viitor.

Introducere n programarea liniar

29

O companie produce mingi de fotbal. Aceasta trebuie s se decid asupra cantit ii poduse utiliznd un plan pe 6 luni. Cererile prev zute pentru urm toarele 6 luni sunt: 10000, 15000, 30000, 35000, 25000, 10000. Compania vrea s satisfac aceste cereri n termen cunoscnd c are 5000 mingi n stoc. La fiecare lun se pot produce pn la 30000 buc i i se pot nmagazina pn la 10000 buc i pn la sfr itul lunii. Produc ia prev zut cost pe urm toarele 6 luni, pe bucat , 12.50, 12.55, 12.70, 12.80, 12.85 i 12.95 $. Pre ul de nmagazinare la sfr itul lunii este de 5 % din costul de produc ie pe luna respectiv . Pre ul de vnzare nu este considerat relevant, deoarece se presupune c cererile vor fi onorate la timp indiferent de aceasta. Astfel, compania dore te s determine planul produc iei care minimizeaz costurile totale de produc ie i costurile depozit rii. Rezolvare Pentru ntocmirea foii de calcul (fig.2.10) trebuie introduse urm toarele informa ii: 1. Intr ri. Se introduc datele de intrare n irurile B5, B10:G12, B24:G24, B26:G26 i B30:G30. Zerourile din celulele B26:G26 prev d limitele minime pentru stocuirle finale i sunt utilizate n constrngeri pentru asigurarea cererii la timp.

Fig. 2.10 Solu ia neoptimizat a problemei produc iei mingilor de fotbal

30

Modelare i simulare n afaceri

2. 3.

4.

5. 6. 7.

Celula B12 con ine formula =0.5*B11 care va fi copiat n irul C12:G12. Celulele din rndul 12 indic costul de depozitare la 5% din costul produc iei unitare. Cantit ile produc iei. Se introduc orice valori pentru celulele B22:G22, ca valori ini iale ale cantit ilor produc iei. Inventarul final al primei luni este dat din formula din celula B28: =B5+B22-B10 i calculeaz inventarul la sfr itul primei luni ca inventarul ini ial + produc ia primei luni - cererea primei luni. Inventarul la sfr itul celorlalte luni este dat de formula din celula C28: =B28-C22-C10, copiat n celulele D28:G28. Deci inventarul la sfr itul lunii curente este egal cu inventarul lunii precedente + produc ia lunii curente - cererea lunii curente. Costurile totale de produc ie sunt date de formula din celula B15: =SUMPRODUCT(B11:G11,B22:G22) adic suma costurilor unitare de produc ie multiplicate prin cantitatea produs . Totalul costurilor de inventariere sunt date de formula din celula B16: =SUMPRODUCT(B12:G12,B28:G28) adic suma costurilor de unitare de inventariere multiplicate cu inventarele finale. Costul total este dat de rela ia din celula B17: =B15+B16 (suma costurilor de produc ie i a costurilor de inventariere) Se utilizeaz Solver-ul astfel: 1. Obiectivul. Se alege celula B17 ca celul int i op iunea Minimize (fig.2.11)

Fig. 2.11 Fereastra Excel Solver pentru problema produc iei 2. Celulele schimbabile (calculate) se aleg B22:G22 (cantit ile produse) 3. Constrngerile sunt date rela iile: B22:G22>=0 valoarea produc iei >=0 B22:G22<=B24:G24 produc ia>=capacitatea de produc ie B28:G28>=B26:G26 B28:G28<=B30:G30 stocul final<=capcaitatea de produc ie 4. Se alege op iunea Assume Linear Model i apoi butonul Solve, solu ia fiind prezentat n figura 2.12.

Introducere n programarea liniar

31

Fig. 2.12 Solu ia optim a problemei produc iei mingilor de fotbal

2.9. Teme
Rezolva i grafic, acolo unde acest lucru este posibil, i apoi cu ajutorul calculatorului problemele urm toare. Interpreta i rezultatele. 1. O firm produce i vinde dou produse A i B. Fiecare din acestea este prelucrat n dou sec ii ale firmei S1 i S2. Num rul de ore necesare prelucr rii unei unit i de produs, n fiecare din cele dou sec ii este dat n tabelul de mai jos. De asemenea se cunosc capacitatea fiec rei sec ii, n ore/s pt mn , precum i profitul unitar pe fiecare din cele cele dou produse. S se determine profitul maxim la o fabrica ie s pt mnal . A 3 ore 4 ore 5 u.m. B 2 ore 6 ore 6 u.m. Capacitate (pe s pt mn ) 120 ore 260 ore

Sec ia 1 Sec ia 2 Profitul unitar

32

Modelare i simulare n afaceri

2. Pentru a- i men ine s n tatea, o persoan trebuie s respecte zilnic un minimum necesar din mai multe substan e nutritive cum sunt calciul, proteinele i calorii. Dieta const din dou alimente A i B. Con inutul nutritiv al unei unit i din fiecare aliment, cantitatea minim necesar i pre ul fiec rei unit i din A i B este este dat n tabelul de mai jos. Ce combina ie din cele dou alimente va satisface necesit ile zilnice avnd i costul cel mai mic? Calciu Proteine Calorii Pret unitar A 10 5 2 0.6 u.m. B 4 5 6 1 u.m. Necesar 20 20 12

3. O firm produce i vinde dou produse A i B. Procesul de produc ie necesit o prelucrare manual , o prelucrare automat i un material. Datele produc iei sunt date n tabelul de mai jos. Se mai tie c se pot vinde cel mult 20 de unit i pe s pt mn din produsul A i c , datorit unui contract mai vechi, trebuie produse cel pu in 10 unit i din produsul B. Beneficiul pentru o unitate de produs A este 3 u.m. i pentru B de 4 u.m. Determina i planul de produc ie al firmei astfel nct beneficiul total s fie maxim. Produse A B Total disponibil (pe s pt mn ) Ma in (ore) 4 2 100 Resurse Manual (ore) 4 6 180 Material (kg) 1 1 40

4. O firm produce dou produse, A i B. Datele produc iei, pe unitatea de produs, sunt date n tabelul de mai jos. Afla i planul de produc ie astfel nct beneficiul total s fie maxim. Resurse For a de munc Materialul M1 Materialul M2 Beneficiul unitar A 3 4 6 8 B 5 2 8 10 Disponibil 500 350 800

5. O firm caut s - i optimizeze planul de produc ie lunar a celor trei repere A, B i C pe care le execut . Tehnologia de fabrica ie specific consumurile de metal, energie electric i for de munc descrise n tabelul de mai jos, n unit i conven ionale (u.i.). Planul de produc ie trebuie s in seama de urm toarele condi ii: - consumul lunar total de metal trebuie s nu dep easc 10.000 u1; - consumul lunar total de energie electric nu trebuie s dep easc 10.000 u2; - timpul de munc , evaluat la 12.000 u3 trebuie folosit integral; - valoarea produc iei reperului A trebuie s fie de cel pu in 26.000 u.m. tiind c valoarea unei unit i produse din fiecare reper este 10, 6 i 8 u.m., stabili i maximizarea valorii totale a produc iei lunare. Care este utilizarea resurselor? Resurse A B C Metal 1 2 4 Energie electric 2 1 1 Timp de munc 1 3 3

Introducere n programarea liniar

33

6. Ion P dure este proprietarul unui mic atelier de mobil . El confec ioneaz trei modele diferite de mese: A, B i C. Fiecare model necesit un anumit timp de produc ie pentru debitarea, asamblarea i vopsirea p r ilor componente. Ion poate vinde toate mesele pe care le produce. Mai mult, masa tip C se poate vinde i nevopsit . Pentru produc ie Ion angajeaz muncitorii n acord, astfel nct timpul dedicat de ace tia fiec rei activit i variaz de la o lun la alta. Utiliznd datele din tabelul de mai jos, formula i un model care s -l ajute pe Ion s determine ce produc ie i-ar putea aduce maximizarea profitului n luna urm toare. Model A B C C nevopsit Capacitate Debitare (ore) 3 1 4 4 150 Asamblare (ore) 4 2 5 5 200 Vopsire (ore) 5 5 4 0 300 Profit per mas (u.m.) 25 20 50 30

7. Vasile Breaz este pre edintele unei firme de investi ii care gestioneaz ac iunile clien ilor s i. Un nou client tocmai i-a cerut lui Vasile s -i investeasc 100.000 u.m. n ac iuni. Clientul dore te s - i limiteze investi ia la un mix de trei ac iuni, conform tabelului de mai jos. Formula i o problem de programare liniar care s indice cte ac iuni din fiecare tip s cumpete Vasile astfel nct s ob in maximul de venit anual. Firma Motor Oil CarboSib GazoMed Pre per ac iune (u.m.) 60 25 20 Valoarea anual estimat a venitului (u.m.) 7 3 3 Investi ia maxim posibil (u.m.) 60.000 25.000 30.000

8. Mircea Cazan este managerul unei firme care produce hran pentru animale. Mncarea pentru cini este ob inut prin amestecul a trei componente. Datele privind aceste componente sunt furnizate n tabelul care urmeaz . Dac Mircea dore te s fie sigur c fiecare cine prime te zilnic cel pu in 8 unit i de proteine, 1 unitate de carbohidra i i nu mai mult de 0,5 unit i de gr sime. Cte unit i din fiecare categorie trebuie s intre n meniul zilnic al cinelui pentru ca Mircea s nregistreze costuri minime? Componenta A B C Cost per unitate (u.m.) 0,45 0,38 0,27 Proteine (%) 62 55 36 Carbohidra i (%) 5 10 20 Gr simi (%) 3 2 1