Analiza Economicomatematic A Unor Modele Liniare

Cuprins
I. Forma general a problemei e programare liniar. Definiii i

proprieti fundamentale ........................................................................... 5
1.a) Forma gneral. Forme echivalente .................................................................................... 5
1.b) Baze tipuri de soluii ........................................................................................................... 8
1.c) Teoremele fundamentale ale programrii liniare .......................................................... 11
2.a) Problema dual ...................................................................................................................... 12
2.b) Teoremele fundamentale ale dualitii ........................................................................... 15
3. Rezolvarea modelelor liniare n spaiul bunurilor R
2
+
..................................................... 16
4. Probleme propuse pentru fixarea cunotinelor .............................................................. 43
II. Metode SIMPLEX pentru modele liniare ............................................... 57
1. Algoritmul SIMPLEX primal. Descriere .............................................................................. 57
1.a) Teoreme fundamentale ale algoritmului SIMPLEX primal .......................................... 57
1.b) Schema de rezolvare prin algoritmul Simplex primal .................................................. 60
1.c) Aplicaii ale algoritmului SIMPLEX .................................................................................. 63
2. Generarea SAB prin metode particulare ........................................................................... 76
2.a) Metoda bazei artificiale ..................................................................................................... 76
2.b) Metoda celor dou faze ..................................................................................................... 83
3. Degenerare i ciclare n probleme de programare liniar .............................................. 89
3.a) Metoda lexicografic .......................................................................................................... 91
3.b) Metoda perturbaiilor ........................................................................................................ 94
3.c) Ciclare ..................................................................................................................................... 98
4. Algoritmul SIMPLEX revizuit ............................................................................................... 102
5. Algoritmul SIMPLEX dual ...................................................................................................... 111
6. Probleme pentru fixarea cunotinelor .............................................................................. 122
III. Analiza economico-matematic a problemelor aflate n dualitate . 134
1. Analiza problemei primale ...................................................................................................... 135
2. Analiza economico-matematic a problemelor primal-dual ........................................ 143
3. Interpretarea geometric a dualitii ............................................................................... 154
IV. Postoptimizare n programarea liniar ................................................... 160
1. Aspectul economic al postoptimizrii .................................................................................. 160
2. Postoptimizarea prin modificarea coeficienilor funciei scop .................................... 162
3. Postoptimizarea n cazul modificrii vectorului b ........................................................... 167
4. Postoptimizarea n cazul modificrii vectorului
J j a
j
,

177
5. Postoptimizarea n cazul adugrii unor restricii .......................................................... 188
6. Postoptimizarea n cazul adugrii unor noi variabile ..................................................... 193
7. Probleme pentru fixarea cunotinelor .............................................................................. 197
V. Problema de transport ................................................................................. 222
1. Problema de transport echilibrat. Model matematic. Proprieti .............................. 222
2. Modelarea i rezolvarea problemelor de transport echilibrate ................................... 235
3. Probleme reductibile la problema de transport echilibrat .......................................... 265
3.1. Probleme de transport cu rut blocat. Soluii admisibile degenerate ................... 265
3.2. Probleme de transport neechilibrate; probleme de transport cu prioriti .......... 271
4. Probleme de transport cu centre intermediare ............................................................... 293
5. Problema de transport generalizat ................................................................................... 301
6. Probleme de repartiie ........................................................................................................... 308
VI. Probleme propuse ........................................................................................ 344
Bibliografie .......................................................................................................... 362

I. FORMA GENERAL A PROBLEMEI
DE PROGRAMARE LINIAR. DEFINIII
I PROPRIETI FUNDAMENTALE

Acest paragraf are rolul de a fixa notaiile necesare formulrii
problemelor de optimizare liniar i de a reaminti cititorilor concepte i
rezultate remarcabile din programarea liniar.

1. a) Forma general. Forme echivalente.

I.1.1
+ =
+ = =
=
=
=
=
N
N
N
m m m m i b x a
m m m m i b x a
m m i b x a
i
n
j
j ij
i
n
j
j ij
i
n
j
j ij
2 2
1
2 1 2 1
1
1 1
1
, , 1 ,
, , 1 ,
, , 1 ,
.
Observaie: ( )
i
n
j
j ij
b x a
=1
, pentru un i fixat, reprezint un hiperplan cu
frontiera
i
n
j
j ij i
b x a d =
=1
: . Dac i ia toate valorile posibile, se obine un
poliedru convex din spaiul n-dimensional cu 1 + n vrfuri, care reprezint
un simplex. Orice punct al simplexului verific simultan restriciile I.1.1.
ntreaga teorie pe care o vom dezvolta este stabilit sub condiia
fundamental a non-negativitii, condiie care este impus a priori n quasi-
totalitatea problemelor economice

I.1.2 0
j
x , n j , 1 .
5
Analiza economico-matematic a unor modele liniare
Problema general de optimizare liniar se formuleaz astfel: n
mulimea soluiilor sistemului de restricii I.1.1 i a condiiei de
nenegativitate I.1.2, s se gseasc cel puin o soluie care optimizeaz
funcia scop (funcia obiectiv, economic) I.1.3:

I.1.3
=
=
n
j
j j
x c f
1
[max] sau
=
=
n
j
j j
x c f
1
[min] .

Din punct de vedere matematic, ea poate fi ncadrat n clasa
problemelor de extrem legat n care restriciile pot fi ecuaii i/sau inecuaii
liniare.

Notaii:
mn mi m
in ij i
n j
n m
a a a
a a a
a a a
A
... ...
.... ....
... ...
..... ....
... ...
1
1
1 1 11
, cu liniile

( )
in ij i i
a a a ... ...
1
= m i , 1 , i coloanele
=
mj
ij
j
j
a
a
a
a
...
...
1
n j , 1 ;

=
n
j
x
x
x
X
...
...
1
;
=
m
j
b
b
b
b
...
...
1
; ( )
n j
c c c c ... ...
1
= ; { } n J ,..., 1 = , { } m I ,..., 1 = .

6
Forma general a problemei de programare liniar. Definiii i proprieti fundamentale
Scrierea vectorial a formei generale a problemei de programare liniar:

I.1.1'
+ =
+ = =
=
m m i b X
m m i b X
m i b X
i i
i i
i i
, 1 ,
, 1 ,
, 1 ,
2
2 1
1
,
I.1.2' 0 X ,
I.1.3' cX f = ] opt [ .

Formele matriceale echivalente pentru problema de programare liniar sunt:

n forma canonic apar numai restricii concordante cu tipul de
optim al funciei economice. Urmtorul tabel sistematizeaz relaiile dintre
aceste elemente ale modelului:

Optim
Restricie
maxim minim

Concordant. Nonconcordant.

Nonconcordant. Concordant.

Trecerea de la o form la alta este posibil prin folosirea
urmtoarelor operaii:

(O1) ( ) ( ) ( ) x f x f = [max] [min] ;
Forma standard
b AX =
0 X
cX f = ] opt [
Forma canonic
b AX b AX
0 X 0 X
cX f = ] max [ sau cX f = ] min [
Forma mixt
=

1
1
\ ,
,
I I i b X
I I i b X
i i
i i

0 X
cX f = ] opt [
7
(O2)
i i
b X = , I i
i i
i i
b X
b X
;
(O3)
i i
b X , I i
i i n i
b x X = +
+
;

i i
b X , I i
i i n i
b x X =
+
,

unde - n ambele cazuri - 0
+i n
x se numete variabil de ecart sau variabil
de compensare. Aceste variabile au ntotdeauna coeficientul 0 n funcia
obiectiv.

(O4) Dac
*
R
j
x , atunci
+
=
j j j
x x x , unde
+
+
R
j j
x x , se numesc
variabile slack (variabile de abatere). n general, ) , 0 max( x x =
+
i
) , 0 max( x x =
.

1. b) Baze. Tipuri de soluii.

Se consider o problem de programare liniar (P.L.) scris sub
forma standard:

I.1.1.b) b AX = , rangA=m<n, 0 b i I i astfel nct 0 >
i
b ,
I.1.2.b) 0 X ,
I.1.3.b) cX f = [max] .

Vectorul b este numit vectorul resurselor.
Matricea A este numit matricea coeficienilor tehnologici. Acetia sunt
stabilii de ctre specialiti din domeniul procesului economic studiat. Din
punctul nostru de vedere, intereseaz datele de intrare i de ieire i
exprimarea matematic a legturilor dintre ele.

8
Problemei de mai sus i se pot asocia dou spaii:
Spaiul
m
R , care conine n particular vectorii coloan
n
a a ,...,
1
ai matricei
A, este numit spaiul bunurilor. Din sistemul acestor vectori coloan se pot
extrage sisteme de cel mult
m
n
C vectori liniar independeni.
Spaiul
n
R , care conine, n particular, vectorul X, l vom numi spaiul
activitilor. Un punct ( )
T
n
x x X ,...,
1
= reprezint, din punct de vedere
matematic, o soluie a sistemului I.1.1. n acest spaiu vom defini
urmtoarele tipuri de soluii:

1
D ( )
T
m s
x x x X ,.., ,..,
1
= este soluie a problemei dac
n
x x ,....,
1
verific
sistemul de restricii b AX = .

2
D Se numete soluie admisibil (posibil, program) a problemei
considerate un ansamblu de valori
n
x x ,....,
1
ale variabilelor
n
x x ,....,
1
care
satisfac restriciile i condiiile de nenegativitate. Altfel spus, componentele
sale satisfac condiiile de funcionalitate i de nenegativitate. Mulimea
acestor soluii admisibile se va nota cu .

3
D Se numete baz a sistemului b AX = orice baz a spaiului bunurilor
m
R . Se deduce uor c se pot forma cel mult
m
n
C baze (de exemplu, dac
20 = n i 10 = m ar rezulta limita superioar egal cu
4
10 25 ).

Considerm ( )
m k
j j j
a a a B ,..., ,...,
1
= , unde
m k
j j j
a a a ,..., ,...,
1
sunt m
vectori liniar independeni, J j
k
, m k , 1 . Atunci
m k
j j j
x x x ,... ,...,
1
sunt
variabilele bazice i rangA=m. Variabilele
j
x , { }
m
j j J j ,..., \
1
se vor
numi variabile nebazice, relativ la baza B; numrul lor este ( ) m n .
4
D Vom numi SAB (soluie admisibil de baz) corespunztoare bazei
( )
m k
j j j
a a a B ,..., ,...,
1
= un ansamblu de valori ale variabilelor
n
x x ,....,
1
care
ndeplinesc condiiile:

- b AX = i 0 X .
9
- Valorile variabilelor bazice sunt pozitive ( ) m k x
k
j
, 1 , 0 i ale celor
nebazice sunt nule { } ( )
m j
j j J j x ,..., \ , 0
1
= .
Dac SAB conine exact A m rang = componente strict pozitive,
atunci ea se numete nedegenerat, iar n caz contrar, se numete soluie
degenerat.

Presupunem c primii m vectori ai matricii A formeaz o baz i
introducem notaiile:

Terminologie Scriere vectorial Scriere pe coordonate
Baz
B
( )
m
a a ....
1

Matrice nebazic
R
( )
n m
a a ....
1 +

Variabile bazice
B
X
( )
T
m
x x ,...,
1

Variabile nebazice
R
X
( )
T
n m
x x ,...,
1 +

Sistemul de restricii b AX = admite scrierea: ( ) b
X
X
R B
R
B
=
,
echivalent cu forma canonic a sistemului de
restricii:
R B
X R B b B X =
1 1
, din care rezult o soluie admisibil de
baz:
=
=

0
1
R
B
X
b B X
, dac 0
not
1
=
B
X b B .

5
D O SAB care optimizeaz funcia de eficien f se numete soluie
optim (SO). Notat
*
X , ea reprezint coordonatele extremului absolut.
Observaii: Vectorii corespunztori variabilelor bazice sunt liniari
independeni.
Un vector oarecare din
m
R se exprim n mod unic ca o combinaie liniar
de vectori bazici.

10
1. c) Teoremele fundamentale ale programrii liniare

Se consider o problem de programare liniar scris sub forma
standard (n paragraful anterior au fost date operaiile cu ajutorul crora
orice problem de programare liniar poate fi adus la aceast form):
I.1.1.c) b AX = ,
I.1.2.c) 0 X ,
I.1.3.c) cX f = [max] , cu
I.1.4.c) rangA=m<n, 0 b i I i astfel nct 0 >
i
b .
Din punct de vedere matematic, determinarea soluiei optime, dac
exist, pentru
I.1.1.c) I.1.3.c), n condiiile I.1.4.c), nseamn determinarea extremului
absolut atunci cnd legturile care exist ntre variabilele problemei sunt
exprimate prin ecuaii i/sau prin inecuaii.
Teoremele ce urmeaz vor preciza dac exist sau nu soluii
admisibile pentru problema considerat, i legtura lor cu anumite puncte
ale mulimii ={ } 0 , = X b AX X . Rezultatele sunt utile n rezolvarea
problemelor de programare liniar.

Teorema 1: Mulimea soluiilor admisibile ale problemei I.1.1.c) I.1.3.c)
formeaz o mulime convex.

n general, mulimea este un tronson convex, numit i simplex.
Observaie: Un tronson convex are, prin definiie, un numr finit de puncte
de extrem i orice punct al mulimii poate fi exprimat ca o combinaie
liniar convex a acestora.

Teorema 2: Se consider problema I.1.1.c) I.1.3.c) n condiiile I.1.4.c) i
fie mulimea soluiilor sale admisibile. Atunci:
i) Dac este nevid i mrginit, o soluie optim a problemei
corespunde unui punct de extrem.
ii) Dac este nevid i nemrginit, atunci funcia obiectiv are valoare
optim infinit.
iii) Dac este vid, atunci problema nu are soluii.
11
Teorema 3: Dac sistemul de vectori ( )
m
j j
a a ...
1
este liniar independent n
spaiul bunurilor
m
R i b x a x a
m m
j j j j
= + +...
1 1
, atunci
( )
T
j j
m
x x X 0 ... ... ... 0
1
= este punct de extrem (vrf) al poliedrului convex .
Reciproca este de asemenea adevrat.

Teorema 4: O funcie liniar ( )

=
=
n
j
j j
x c X f
1
, unde X , convex, i
atinge valoarea optim, dac aceasta exist, ntr-un punct de extrem (vrf) al
mulimii .

Teorema 5: Dac ( ) X f ia valoarea optim n mai mult de un punct de
extrem al mulimii , atunci ea are aceeai valoarea pe toat mulimea
convex generat de aceste puncte.

2 a) Problema dual

n algebra formal, oricrui model liniar cu funcia scop
[ ] f max [ ] ( ) f min i corespunde un model liniar cu funcia obiectiv
[ ]g min [ ] ( ) g max .

Fiind dat problema de programare liniar
cX f = ] opt [
b AX sau b AX = sau b AX
0 X
se poate formula un alt model liniar utiliznd elementele { } c b A , , , cu alte
semnificaii matematice. Problema dat iniial o vom numi problema
primal (P.P), iar cea obinut n urma unui procedeu ce va fi dat, se va
numi problema dual (P.D). Ele se pot deduce reciproc pe baza unor
corespondene, oricare ar fi forma sub care se prezint primala.

12
DUALITATE Legturi formale

Elementele problemei primale Elementele problemei duale
[max]f /[ min]f [min]g / [max]g
m este numrul restriciilor independente m este numrul variabilelor duale
m i
u u u ,..., ,...,
1

n este numrul variabilelor primale
n j
x x x ,..., ,...,
1

n este numrul restriciilor
n m
M A

este matricea coeficienilor
tehnologici; rangA=m
T
A matricea coeficienilor tehnologici
m
b b ,...,
1
componentelor termenului liber
b
i
b , m i , 1 , coeficientul lui
i
u n
funcia obiectiv g:
m m
b u b u g + + = ...
1 1

) ,.., ,.., (
1 n j
c c c c = sunt coeficienii
variabilelor n f:
=
=
n
j
j j
x c f
1

n j
c c c ,.., ,..,
1
sunt termenii liberi ai
restriciilor
i
n
j
j ij
b x a
=1

) min(
) max(
f
f

0
0
i
i
u
u

l
n
j
j lj
b x a =
=1
R u
l

p
n
j
j pj
b x a
=1

) min(
) max(
f
f

0
0
p
p
u
u

13
Cazul general al construirii dualului unui program liniar

Caz particular: Probleme duale simetrice
Diagrama lui Tucker pentru problemele duale simetrice:

(P.P.) {
0
[max]

=
X
b AX
cX f
i (P.D.) {
0
[min]

=
U
c UA
Ub g

3 2 1
18 20 15 [max] x x x f + + =
Ineg. nonc.
cu [min]g
0 820 1 2 3
1
conc
[max]
3 2 1
+ + u x x x
f

0 400 11 1 7
2
nonc
[max]
3 2 1
+ + u x x x
f

R = + +
3
eg.
[max]
3 2 1
680 3 17 20 u x x x
f

3 2 1
680 400 820 [min] u u u g + + =
15 20 7 3
3 2 1
+ + u u u
20 17 2
3 2 1
= + + u u u
0
3
x
0
1
x
R
2
x
18 3 11
3 2 1
+ + u u u
Ineg. conc. cu [min]g
Ecuaie
Determinate de condiiile
impuse asupra variabilelor
primalei i de tipul de optim
al dualei.
14

Problema primal
Variabile
0
1
x 0
2
x

0
n
x
Relaii Disponibi
l
0
1
u
11
a
12
a

n
a
1

1
b
0
2
u
21
a
22
a

n
a
2

2
b

0
m
u
1 m
a
2 m
a

mn
a

m
b
Relaii

g [min]
Problema
dual
Venituri
unitare
1
c
2
c

n
c
[max

2. b)Teoremele fundamentale ale dualitii

Teorema 1: Valoarea funciei de eficien din problema de maxim nu poate
depi valoarea funciei de eficien din problema de minim, pentru orice
cuplu de soluii admisibile ale celor dou probleme duale:
) ( ) (
SAB SAB
U g X f .

Teorema 2: Dac
*
X i
*
U este un cuplu de soluii admisibile de baz a
problemelor duale (P.P.) i (P.D.) care verific relaia b U cX
* *
= , atunci
*
X este soluie optim pentru (P.P.) i
*
U este soluie optim pentru (P.D).

Teorema 3: Fiind dat un cuplu de probleme duale, una i numai una din
urmtoarele afirmaii este adevrat:
i) Cele dou probleme au soluii admisibile. n acest caz, ele admit i
soluii optime finite i valorile optime ale funciilor obiectiv coincid.
ii) Una din probleme are soluii admisibile, cealalt nu. n acest caz,
prima are optim nemrginit, iar duala sa nu are soluii.
iii) Nici una din probleme nu are soluii.
15
Teorema 4: Fiind dat un cuplu de probleme duale, o condiie necesar i
suficient pentru ca o soluie admisibil
*
X (sau
*
U ) s fie optim este s
existe o soluie admisibil
*
U (sau
*
X ) a dualei sale, astfel nct
b U cX
* *
= .

Urmtorul tabel sumarizeaz aceste teoreme:

P.D. \ P.P.

S.O.F Fr soluie Optim nemrginit
S.O.F *
Fr soluie * *
Optim nemrginit *

3. Rezolvarea modelelor liniare n spaiul bunurilor
2
+
R

Metodele de rezolvare a problemelor de programare liniar sunt
diferite de cele din analiza matematic pentru problemele de extreme cu
legturi. Ele in seama de particularitile modelului liniar i au la baz
teoremele enunate n primul paragraf. n continuare vor fi studiate modele
liniare n care n=2, ale cror extreme se ating n vrfurile unui poligon
convex (tronson) din plan. Metoda grafic, la care ne vom referi, este o
metod cu aplicabilitate limitat de posibilitatea reprezentrii mulimii n
spaiul activitilor, mai precis de numrul variabilelor. Sperm ca prin
aceste exemple s se neleag ideile de baz ale metodelor ce vor fi expuse
n capitolul urmtor. Subliniem faptul c metoda grafic se poate aplica i n
cazul n=3, dar, pe lng faptul c se poate pierde claritatea i capacitatea de
analiz a reprezentrii geometrice, metoda poate s implice un volum mare
de operaii elementare. n acest caz, sau atunci cnd n3, se utilizeaz
metode de tip simplex, ns independent de numrul variabilelor, procesul
de cutare a soluiei optime are loc n spaiul
n
R printre vrfurile
poliedrului definit de restriciile modelului. Pentru nceput se vor puncta
16
cteva aspecte deosebit de utile, desprinse din proprietile soluiilor unui
model liniar:
Fiecare soluie de baz corespunde unui punct extrem al mulimii
convexe .
Fiecrui punct de extrem i corespunde un sistem de m vectori liniar
independeni n
m
R .
Exist un punct extrem al mulimii , nevid i mrginit, n care
funcia economic i atinge optimul su.
Etapele principale de aplicare a metodei grafice n cazul n=2 sunt:
Etapa 1: Separarea planului n regiuni determinate de restriciile modelului.
Se verific dac sistemul format din restriciile modelului i condiia
de nenegativitate sunt compatibile sau nu, deci se obin informaii despre :
DA Problema nu admite soluii.
? =
NU Etapa 2.
Etapa 2: Mulimea soluiiilor admisibile este o mulime convex, nevid,
care poate fi:
[ ] [ ] + = f f max max .
Nemrginit
[ ] f min Etapa 3.
Mrginit Etapa 3.
Etapa 3: Fiecrui punct ( )
2 1
, x x i corespunde o anumit valoare a
funciei obiectiv
2 2 1 1
x c x c f + = . Pentru stabilirea celui n care i atinge
valoarea optim se procedeaz astfel:
Se calculeaz coordonatele vrfurilor poligonului convex .
Se construiete familia- fascicolul - de drepte
( )

= +
2 2 1 1
: x c x c D
R
.
Aceast familie are urmtoarele proprieti:
- Toate dreptele sunt paralele.
17
- Toate soluiile admisibile
( )
2 1
, x x
care se afl pe aceeai dreapt
dau aceeai valoare funciei
f
.
- Cu ct dreapta este mai deprtat de originea axelor de coordonate,
cu att valorile lui f vor fi mai mari, dar intereseaz numai cele
care au cel puin un punct comun cu .
Se cerceteaz distanele de la dreptele = +
2 2 1 1
x c x c care trec prin
vrfurile lui i dreapta ( )
0
D ; pentru [ ] f max se alege cea mai deprtat de
( )
0
D , iar pentru [ ] f min cea mai apropiat de ( )
0
D . Practic, se deplaseaz
( )
0
D paralel cu ea nsi pn cnd atinge cea mai mare distan [ ] ( ) f max
fa de poziia sa iniial i trece prin cel puin un vrf al trosonului .
Deoarece modelele de programare liniar difer nu numai de la un
proces la altul, ci i n cadrul unuia i aceluiai proces, datorit unor
modificri de ordin tehnologic i/sau a cerinelor modelului social-economic
n care i desfoar activitatea, este dificil s se elaboreze modele
generale. Totui, n ciuda varietii problemelor obinute prin modelarea
unor procese economice, se pot formula unele tipuri de modele, cum ar fi
cele de elaborare a unui program optim de producie, probleme de transport,
probleme de amestec, etc. n continuare sunt date exemple din cteva
domenii ale activitii economice.

Exemplul 1: n cadrul unei uzine se gsesc disponibile capaciti de
producie relativ mici care ar trebui folosite, cunoscut fiind faptul c aceste
resurse sunt nestocabile. S-a luat decizia de a fabrica dou produse
2 1
, P P a
cror tehnologie folosete capacitile disponibile. La punctul de turnare,
capacitatea disponibil este de 40h, iar randamentele orare sunt 3, respectiv
2 pentru
2 1
, P P . Capacitatea de achiere poate asigura prelucrarea a 100 piese
tip
1
P sau
2
P n aceeai unitate de timp sau combinaii ale acestor produse
n limita acestui numr. La linia de montaj se pot realiza cel puin 30 de
piese
1
P i 20 piese
2
P , dar nu mai mult de 55 piese
1
P i 60 piese
2
P .
18
Cheltuielile de producie au fost evaluate la 40 i 45 uniti monetare pentru
un produs
1
P , repectiv
2
P . S se gseasc numrul de produse de tip
1
P ,
respectiv
2
P ce se pot realiza cu cheltuieli minime n aceste condiii.
Soluie: Notm cu
1
x i
2
x numrul de produse de tipul
1
P , respectiv
2
P ce
se pot fabrica i cu f funcia economic a cheltuielilor totale. innd seama
de condiiile impuse de procesul tehnologic i de nivelurile resurselor
disponibile, putem scrie:

I.3.1 [ ]
2 1
45 40 min x x f + =
[ ]
2 1
45 40 min x x f + =
I.3.2
+
+
20
30
100
40
2 3
2
1
2 1
2 1
x
x
x x
x x
, cu forma standard
=
=
= + +
= + +
20
30
100
240 3 2
6 2
5 1
4 2 1
3 2 1
x x
x x
x x x
x x x

I.3.3 2 , 1 , 0 = j x
j
6 , 1 , 0 = j x
j

Observaie: Nu s-a folosit, deocamdat, informaia despre limitele
superioare ale numerelor de piese de tip
1
P (55), respectiv
2
P (60).

Etapa 1: Stabilirea compatibilitii relaiilor I.3.2 i I.3.3:
Restricii Semiplane Frontiere
20
30
100
240 3 2
2
1
2 1
2 1
+
+
x
x
x x
x x

19
( ) { }
( ) { }
( ) { }
( ) { } 20 ,
30 ,
100 ,
240 3 2 ,
2 2 1 4
1 2 1 3
2 1 2 1 2
2 1 2 1 1
=
=
+ =
+ =
x x x S
x x x S
x x x x S
x x x x S

( )
( )
( )
( ) 20 :
30 :
100 :
240 3 2 :
2 4
1 3
2 1 2
2 1 1
=
=
= +
= +
x d
x d
x x d
x x d

Reprezentnd grafic semiplanele date de restriciile anterioare
(figura I.3.1), intersecia lor, notat S, este chiar mulimea soluiilor
modelului cercetat:
I
4
1 =
=
i
i
S S .

Mulimea soluiilor admisibile se obine din operaia:

( ) { }
I
0 , 0 ,
2 1 2 1
x x x x S ,

1
x
F
E
G
2
x
D
( )
4
d
30
( )
0
D
A
B
C
100
80
20
( )
3
d
( )
1
d
( )
2
d
100 120 O
Figura I.3.1
20
care, conform notaiilor introduse n primul paragraf, reprezint . Ea apare
ca o mulime nevid i mrginit, cu patru puncte de extrem A, B, C, D, ce
vor corespunde unor soluii admisibile de baz. Despre orice punct
( )
0 0
, y x putem afirma urmtoarele:
( )
0 0
, y x poate fi exprimat ca o combinaie liniar convex a unor puncte
de extrem. De exemplu, coordonatele oricrui punct ( ) [ ] AB y x
0 0
, admit
scrierea:
( )
( )
B A
B A
y y y
x x x

+ =
+ =
1
1
0
0
[ ] 1 , 0 .
Astfel, pentru
2
1
= se obin coordonatele punctului ( )
3
d G :
30 30
2
1
1 30
2
1
=
+ =
G
x i 40 60
2
1
20
2
1
= + =
G
y .
Valoarea funciei economice f variaz n raport cu poziia lui ( )
0 0
, y x n .
40
40
=
=
E
E
y
x
3400 =
E
f ;
40
30
=
=
G
G
y
x
3000 =
G
f ;
3
140
50
=
=
F
F
y
x
4100 =
F
f .
Etapa 2: i mrginit. Conform teoremei 2i), paragraful 1.c), modelul
liniar admite cel puin o soluie optim finit.

Etapa 3: Din familia de drepte ( ) R = +
, 45 40 :
2 1
x x D se traseaz
dreapta
0
D i distanele de la aceasta la vrfurile poliedrului.

21
Valoarea minim a lui f va fi stabilit dup completarea tabelului sintez:
T.I.3.1
Vrf Coordonate SAB
Valorile
funciei
economice
30
1
= x 30
1
= x 120
3
= x 0
5
= x
A
20
2
= x 20
2
= x 50
4
= x 0
6
= x

2850
30
1
= x 30
1
= x 0
3
= x 0
5
= x
B
60
2
= x 60
2
= x 10
4
= x 40
6
= x
5250
60
1
= x 60
1
= x 0
3
= x 30
5
= x
C
40
2
= x 40
2
= x 0
4
= x 20
6
= x
5700
80
1
= x 80
1
= x 20
3
= x 50
5
= x
D
20
2
= x 20
2
= x 0
4
= x 0
6
= x
5600

Valoarea minim a funciei cheltuielilor de producie este atins n
vrful A, de unde rezult structura optim, n condiiile date, a programului
de fabricaie:
30
*
1
= x produse
1
P ,
20
*
2
= x produse
2
P .
Valorile variabilelor de abatere din soluia optim ofer informaii
importante n ceea ce privete folosirea resurselor. n cazul studiat avem:
= + + = + + 40
6 2 3
240 3 2
*
3
*
2
*
1 *
3
*
2
*
1
x x x
x x x
= + + 40
6
120
2
20
3
30
rmn nefolosite 20h.

100
*
4
*
2
*
1
= + + x x x 100 50
*
4
= + x

Ore consumate
prin programul
optim.
Ore
disponibile.
Ct se
prelucreaz.
Ct se putea
prelucra.
f [min]
22
50
*
4
= x reprezint numrul de produse
1
P ,
2
P sau combinaii ale
acestora care se mai pot prelucra.
Vom ncerca s modificm programul de fabricaie astfel nct
capacitatea utilajului s fie consumat, pe ct posibil, integral. n acest scop
se va alege varianta de mrire a numrului de piese ce pot fi realizate la linia
de montaj, fr a atinge limitele superioare impuse 55, respectiv 60, de
exemplu varianta

[ ]
2 1
45 40 min x x f + =

+
+
60 50
55 40
100
40
2 3
2
1
2 1
2 1
x
x
x x
x x

2 , 1 , 0 = j x
j

Conform restriciilor problemei mulimea este nevid i mrginit.
n urmtoarea figur este reprezentat aceast mulime i ( ) 0 45 40 :
2 1 0
= + x x D

2
x
60
55
C
40
( )
4
d
1
x
( )
0
D
B'
A' C'
100
80
50
( )
3
d
( )
1
d
( )
2
d
100 120 O
Figura I.3.2
23
Se constat c valoarea minim a funciei f se obine atribuind
variabilelor
1
x i
2
x coordonatele punctului A', cel mai apropiat de ( )
0
D :
50
40
*
2
*
1
=
=
x
x
i [ ] 3850 min = f .
Prin modificrile aduse modelului iniial s-a nregistrat o cretere a
cheltuielilor de fabricaie, dar numrul produselor fabricate a crescut de la
30 la 40 pentru
1
P i de la 20 la 50 pentru
2
P i, ceea ce este mai important,
capacitile de producie sunt folosite mai eficient.
ntr-adevr:
( ) h 10 50 40 100
h
3
5
2
50
3
40
40
*
4
*
3
= + =
=
+ =
x
x
.
Exemplul 2: Un mic ntreprinzor vrea s lanseze pe pia un extensor.
Pentru realizarea acestui produs este nevoie de trei materii prime, i anume,
lemn, fier i fibr elastic. Productorul selecteaz dou proiecte de modele,
conform sumei pe care poate s-o investeasc. n tabelul urmtor sunt date
consumurile specifice din fiecare resurs pentru fiecare tip de extensor,
precum i cantitile maxime de resurse pe care le poate achiziiona
productorul.
T.I.3.2

Consumuri specifice
Cantiti
maximale
Resurs PI PII (kg)
Lemn 0,1 0,2 45
Fier 0,3 0,25 75
Fibr elastic 0,3 0,1 66

Din vnzarea unui extensor de tip PI poate obine un profit de 60
u.m, iar din comercializarea unui extensor de tip PII, un profit de 54 u.m. S
se afle cantitile din fiecare resurs pe care trebuie s le achiziioneze
productorul pentru a-i realiza un profit maxim.

24
Soluie: Pentru a obine produsele finite trebuie achizionate materiile
prime:
Lemn ntr-o cantitate notat
1
x kg.
Fier ntr-o cantitate notat
2
x kg.
Fibr elastic ntr-o cantitate notat
3
x kg.
Utiliznd elementele i dependenele date n T.I.3.2 se poate scrie
modelul liniar:
[ ]
2 , 1 , 0
66 1 , 0 3 , 0
75 25 , 0 3 , 0
45 2 , 0 1 , 0
54 60 max
2 1
2 1
2 1
2 1
=
+
+
+
+ =
j x
x x
x x
x x
x x f
j
, cu forma standard
[ ]
5 , 1 , 0
66 1 , 0 3 , 0
75 25 , 0 3 , 0
45 2 , 0 1 , 0
54 60 max
5 2 1
4 2 1
3 2 1
2 1
=
= + +
= + +
= + +
+ =
j x
x x x
x x x
x x x
x x f
j
.
Pentru a rezolva geometric problema, reprezentm n spaiul
2 1
Ox x
mulimea soluiilor admisibile :

2
x
1
x
300
225
450 250 220
A
B
C
O
( )
0
D
( )
1
d
( )
2
d
( )
3
d
Figura I.3.3
660
25
Soluia optim a problemei se afl foarte simplu analiznd urmtorul tabel
sintez:

T.I.3.3
Vr
f
Coordonate SAB Valorile funciei
economice
O
0
0
2
1
=
=
x
x

0
0
2
1
=
=
x
x

75
45
4
3
=
=
x
x
66
5
= x 0
A
225
0
2
1
=
=
x
x

225
0
2
1
=
=
x
x

75 , 18
0
4
3
=
=
x
x
5 , 43
5
= x 12150
B
7 / 1200
7 / 750
2
1
=
=
x
x

7 / 1200
7 / 750
2
1
=
=
x
x

0
0
4
3
=
=
x
x
7 / 117
5
= x
7 , 15685
7
109800
=

C
60
200
2
1
=
=
x
x

60
200
2
1
=
=
x
x

0
13
4
3
=
=
x
x
0
5
= x 15240

Coordonatele vrfului B dau cea mai mare valoare funciei f :
[ ] 67 , 15685
7
1200
54
7
750
60 54 60 max
*
2
*
1
+ = + = x x f uniti monetare.
Cum produsele sunt bunuri indivizibile, rezultatul trebuie dat n numere
naturale, deci:

171
7
1200
107
7
750
2
1
=
=
=
=
x
x
i 15654 = f .

Prile fracionare ale valorilor optimale ale variabilelor bazice
1
x i
2
x , i anume { } 14 , 0
1
x , { } 42 , 0
2
x , sunt suficient de mici pentru a nu
justifica ncercarea de a mri partea ntreag cu o unitate. O astfel de mrire
poate provoca nerespectarea unor restricii. S justificm afirmaia:
45 1 , 45 172 2 , 0 107 1 , 0 < = + (Fals)
f [max]
26
Variabila de compensare 7 , 16 7 / 117
5
= x indic partea din
disponibilul resursei trei (fibr elastic) ce nu va fi consumat n procesul de
fabricaie optimal. Dac se merge pe soluia suboptimal 107
1
= x ,
171
2
= x , atunci:
8 , 16 ) 171 1 , 0 107 3 , 0 ( 66
5
= + = x .
Din interpretarea variabilelor de ecart rezult c primele dou
resurse sunt consumate integral prin planul optim.

Presupunem ca investitorul dispune de o sum de bani pe care s-o
investeasc n achiziionarea a nc 20 kg lemn i 25 kg fier. Vrem s
verificm dac noul program de fabricaie se supune unor restricii de
vnzri: [ ] 120 , 100
1
x , [ ] 200 , 170
2
x . n modelul matematic iniial se
modific, pentru nceput, numai
1
b i
2
b , primii doi termeni liberi:

I.3.4
[ ]
2 , 1 , 0
66 1 , 0 3 , 0
100 25 , 0 3 , 0
65 2 , 0 1 , 0
54 60 max
2 1
2 1
2 1
2 1
=
+
+
+
+ =
j x
x x
x x
x x
x x f
j

Intersecia semiplanelor I.3.4 din primul cadran este mulimea
convex, nevid i mrginit reprezentat n figura care urmeaz de
suprafaa i frontiera poligonului OABCD.

27

Se calculeaz elementele tabelului sintez:
T.I.3.4
Vrf Coordonate SAB Valorile funciei
economice
A
325
0
2
1
=
=
x
x

325
0
2
1
=
=
x
x

75 , 18
0
4
3
=
=
x
x
5 , 33
5
= x
17550
B
7 / 1900
7 / 750
2
1
=
=
x
x

7 / 1900
7 / 750
2
1
=
=
x
x

0
0
4
3
=
=
x
x
7 / 47
5
= x

147600/7=21085,7
C
3 / 680
9 / 1300
2
1
=
=
x
x

3 / 680
9 / 1300
2
1
=
=
x
x

0
9 / 47
4
3
=
=
x
x
0
5
= x
62720/3=20906,67
D
0
220
2
1
=
=
x
x

0
220
2
1
=
=
x
x

34
43
4
3
=
=
x
x
0
5
= x
13200
f [max]
2
x
400
333,3
D
1
x
660
325
650
220
A
B
C
O
( )
0
D
( )
'
1
d
( )
'
2
d
( )
3
d
Figura I. 1.3.4
28
Soluia optim n numere ntregi,
271
7
1900
, 107
7
750
2 1
=
= =
= x x , nu respect ambele restricii impuse

vnzrii, ca urmare, trebuie regndit modelarea procesului. Se va extinde
modelul cu restriciile de vnzri:
200 170
120 100
2
1

x
x
,
care vor fi scrise conform canoanelor programrii liniare i anume:
I.3.5
170
200
100
120
2
2
1
1
x
x
x
x

n figura I.3.5 este reprezentat mulimea soluiilor admisibile,
patrulaterul ABCD, care apare ca intersecia semiplanelor date de restriciile
I.3.4 i I.3.5, din primul cadran.

100
170
200
333
400
B
2
x
1
x
660
325
650 220
A D
C
O
Figura I.3.5
200
29
n acest caz, tabelul sintez este urmtorul:
T.I.3.5
Vrf Coordonate Valorile funciei
economice
A
200
100
2
1
=
=
x
x

16800
B
170
100
2
1
=
=
x
x
15180
C
170
120
2
1
=
=
x
x
16380
D
200
120
2
1
=
=
x
x

18000
Programul optim N =120
*
1
x , N = 200
*
2
x va aduce un profit de
18000u.m, dac toate produsele vor fi vndute.

Exemplul 3: La o secie din cadrul unei uzine metalurgice trebuie s se
elaboreze un program optim pentru executarea a dou tipuri de produs P1 i
P2. ntr-o anumit perioad T, secia are disponibile trei utilaje: cuptorul de
recoacere, agregatul de decapare i un laminor finisor. Fiecare din aceste
utilaje are un anumit fond de timp disponibil pentru cele dou piese.
Consumurile de timp pentru fiecare produs i fondul de timp disponibil sunt
date n tabelul T.I.3.6.

T.I.3.6
Utilaj
Consumuri specifice
(ore/ton)
1
P
2
P
Fond de timp
disponibil (ore)
Cuptor de recoacere 5 3 2100
Agregat de decapare 1/2 2 550
Laminor finisor 3 5 1500

Veniturile unitare au fost evaluate la 15 i 20 uniti monetare pentru
o ton de produs P1, repectiv P2. Programul se consider optim dac asigur
un venit total maxim n condiiile date.

f [max]
30
Soluie: Pentru a stabili programul optim de fabricaie este necesar ca n
primul rnd s se elaboreze modelul matematic. S notm cu
2 1
, x x
cantitile de produse P1 respectiv P2 care urmeaz s fie executate conform
indicatorilor cantitativi prezentai n T.I.3.6. Valorile variabilelor
2 1
, x x
depind de fondul de timp disponibil i de consumurile specifice. Aceste
dependene sunt exprimate matematic astfel:

Utilaj
Consum de timp pentru
programul ( )
2 1
, x x
Disponibil care nu
trebuie depit
Cuptor de recoacere
+ 3 5
2 1
x x 2100
Agregat de decapare + 2
2
1
2 1
x x 550
Laminor finisor
+ 5 3
2 1
x x 1500
La condiiile de corelare a variabilelor
2 1
, x x cu posibilitile de
producie limitate vor fi adugate restriciile naturale . 0 , 0
2 1
x x Din
mulimea valorilor posibile ale variabilelor
2 1
, x x care satisfac restriciile i
condiia de nenegativitate va fi aleas accea care maximizeaz funcia venit
total: [ ]
2 1
20 15 max x x f + = .
Poblema cutrii soluiei optime revine la rezolvarea programului liniar:
I.3.6
[ ]
2 , 1 , 0
1500 5 3
550 2
2
1
2100 3 5
20 15 max
2 1
2 1
2 1
2 1
=
+
+
+
+ =
j x
x x
x x
x x
x x f
j
cu forma standard I.3.7

[ ]
5 , 1 , 0
1500 5 3
550 2
2
1
2100 3 5
20 15 max
5 2 1
4 2 1
3 2 1
2 1
=
= + +
= + +
= + +
+ =
j x
x x x
x x x
x x x
x x f
j

31
Din exemplele prezentate rezult c, n descrierea formal a oricrui
proces economic care urmrete gsirea unui program optimal, se parcurg
etapele :
Exprimarea programului cu ajutorul variabilelor.
Exprimarea matematic a restriciilor impuse de procesul
tehnologic, condiionri logice,etc.
Fixarea scopului i scrierea funciei scop care va servi drept
criteriu de alegere a soluiei optime dintre soluiile admisibile.
Formularea problemei de programare liniar ca o problem de
cutare a extremului cu legturi.
Reprezentnd grafic n planul
1
x O
2
x mulimea convex =
poligonul OABCD a soluiilor admisibile corespunztoare modelului I.3.6
se obine:

A
2
x
700
300

275
500
420
E
D
C
B
O
( )
2
d
Figura I.3.6
1
x ( )
3
d
( )
1
d
1100
32
Tabelul sintez

Vrf Coordonate SAB
Valorile funciei
economice
O
0
0
2
1
=
=
x
x

0
0
2
1
=
=
x
x
;
550
2100
4
3
=
=
x
x
; 1500
5
= x 0
A
275
0
2
1
=
=
x
x

275
0
2
1
=
=
x
x
;
0
1275
4
3
=
=
x
x
; 125
5
= x 5500
B
7 / 1800
7 / 500
2
1
=
=
x
x

7 / 1800
7 / 500
2
1
=
=
x
x
;
0
7 / 6800
4
3
=
=
x
x
; 600
5
= x 28 , 6214
7
43500

C
75
375
2
1
=
=
x
x

75
375
2
1
=
=
x
x
;
2 / 425
0
4
3
=
=
x
x
; 0
5
= x

7125
D
0
420
2
1
=
=
x
x

0
420
2
1
=
=
x
x
;
340
0
4
3
=
=
x
x
; 240
5
= x 6300

permite aflarea soluiei optime, i anume, cea corespunztoare vrfului C.

innd seama de semnificaia constantelor i variabilelor modelului,
planul optim de fabricaie presupune realizarea a 375
*
1
= x t din produsul P1
i a 75
*
2
= x t din produsul P2. Venitul obinut este 7125 uniti monetare.

S analizm restriciile prin prisma acestei soluii:

Utilaj
Ct timp se consum
prin programul optim
Fond de timp
disponibil
Ct nu se consum din
fondul de timp
disponibil
Cuptor de recoacere
2100 3 5
*
2
*
1
= + x x h
2100h 0
*
3
= x
Agregat de decapare
2
675
2
2
1
*
2
*
1
= + x x h 550h 5 , 212
2
425
*
4
= = x h
Laminor finisor
1500 5 3
*
2
*
1
= + x x h
1500h 0
*
5
= x

[ ] f max
33
Dac perioada T considerat nu este prea mare i dac presupunem
c n aceast perioad nu se modific tehnologia produselor sau nu se
nlocuiesc utilajele, ipoteza c toi indicatorii sunt constani pe perioada
menionat este acceptabil.

Exemplul 4: O secie poate prelucra, n timpul unei perioade de cinci zile,
produsele
1
P i
2
P , folosind dou categorii de materii prime
2 1
, M M .
Consumurile specifice, veniturile unitare i disponibilitile de materii prime
sunt date n T.I.3.7.

T.1.3.7
Produse
Consumuri specifice
1
M
2
M
Venituri
unitare
1
P
2u.c
1
4 u.c 3 u.m.
2
P
5u.c 1 u.c 5 u.m.
Disponibil 16u.c 11 u.c

S se determine programul optim de fabricaie n ipoteza c exist
suficiente capaciti de producie la care trebuie prelucrate piesele.

Soluie:

Modelul matematic

1
Uniti convenionale = u.c.
Venituri
ateptate
SECIE
2
5x
1
3x
5 u.c
1
M , 1 u.c
2
M
2 u.c
1
M , 4 u.c
2
M
2 1
5 3 [max] x x f + =
1
x produse
1
P

2
x produse
2
P
Venit
total
2 , 1 , 0
11 4
16 5 2
2 1
2 1
=
+
+
j x
x x
x x
j
34
Forma standard:
[ ]
4 , 1 , 0
11 4
16 5 2
5 3 max
4 2 1
3 2 1
2 1
=
= + +
= + +
+ =
j x
x x x
x x x
x x f
j
.
Mulimea soluiilor admisibile corespunztoare modelului elaborat:

Tabelul sintez:

Vrf Coordonate SAB
( ) SAB f
O
0
0
2
1
=
=
x
x

0
0
2
1
=
=
x
x

11
16
4
3
=
=
x
x
0
A
5 / 16
0
2
1
=
=
x
x

5 / 16
0
2
1
=
=
x
x

5 / 39
0
4
3
=
=
x
x
16
B
3 / 7
6 / 13
2
1
=
=
x
x

3 / 7
6 / 13
2
1
=
=
x
x

0
0
4
3
=
=
x
x

) 6 ( 1 , 18
6
109
=

C
0
4 / 11
2
1
=
=
x
x

0
4 / 11
2
1
=
=
x
x

0
2 / 21
4
3
=
=
x
x
25 , 8
4
33
=

Interpretarea economic a soluiei optime:
Presupunnd c cele dou produse nu sunt indivizibile, prin
programul optim se prevede prelucrarea a 6 / 13
*
1
= x uniti convenionale
11
9
2
x
1
x
( )
2
d
( )
1
d
16/5
11/4
C
B
A
O
u.m. 17 , 18 [max] = f
Figura I.3.7
35
din
1
P i 3 / 7
*
2
= x uniti convenionale din
2
P , i se consum integral cele
dou materii prime. Se obine un venit total maxim de 18,17 uniti
monetare.
Pentru nelegerea analizei economice a programelor liniare vom da
n continuare un exemplu de astfel de analiz.
Pentru nceput se construiete duala modelului elaborat:
2 1
5 3 [max] x x f + =

16 5 2
2 1
+ x x 0
1
u

11 1 4
2 1
+ x x 0
2
u

2 1
11 16 [min] u u g + =

0
1
x 3 4 2
2 1
+ u u

0
2
x 5 5
2 1
+ u u
Soluia grafic a dualei rezult din figura urmtoare, n care este
nevid, convex i nemrginit.

D
5
1
2
x
1
x
( )
2
d
( )
1
d
3/4
3/2
E
F
O
Figura I.3.8
36
Completarea tabelului sintez necesit scrierea formei standard a
problemei duale:

[ ]
4 , 1 , 0
5 5
3 4 2
11 16 min
4 2 1
3 2 1
2 1
=
= +
= +
+ =
i u
u u u
u u u
u u g
i

Tabelul sintez al dualei este:

Prin rezolvarea acestor dou probleme duale s-a verificat prima
afirmaie a teoremei fundamentale a dualitii.
S presupunem c managerul sper s-i mbunteasc deciziile
prin modificarea unor disponibile. Vom verifica cum se modific funcia
venit total, f , dac disponibilul din
1
M crete cu o unitate.

Vrf Coordonate SAB
( ) SAB f
D
5
0
2
1
=
=
u
u

5
0
2
1
=
=
u
u

0
17
4
3
=
=
u
u
55
E
8 / 5
8 / 17
2
1
=
=
u
u

8
5
8
17
2
1
=
=
u
u

0
0
4
3
=
=
u
u

) 6 ( 1 , 18
6
109
=
F
0
2 / 3
2
1
=
=
u
u

0
2
3
2
1
=
=
u
u

2
5
0
4
3
=
=
u
u
24
g ) 6 ( 1 , 18 [min] = =

37
Ca urmare trebuie rezolvat modelul modificat:

[ ]
2 , 1 , 0
11 4
1 16 5 2
5 3 max
2 1
2 1
2 1
=
+
+ +
+ =
j x
x x
x x
x x f
j
,

cruia i corespunde forma standard:

[ ]
4 , 1 , 0
11 4
1 16 5 2
5 3 max
4 2 1
3 2 1
2 1
=
= + +
+ = + +
+ =
j x
x x x
x x x
x x f
j

Mulimea soluiilor admisibile este C B OA
1 1
i este reprezentat
mai jos:

2
x
1
x
8,5
3,4
11/4
1
A
1
B
C
O
( )
1
d
( )
2
d
Figura I.3.9.
11
38
Tabelul sintez:

Vrf Coordonate SAB
( ) SAB f
O
0
0
2
1
=
=
x
x

0
0
2
1
=
=
x
x

11
17
4
3
=
=
x
x

0
1
A
5 / 17
0
2
1
=
=
x
x

5 / 17
0
2
1
=
=
x
x

5 / 38
0
4
3
=
=
x
x

17
1
B
9 / 23
9 / 19
2
1
=
=
x
x

9 / 23
9 / 19
2
1
=
=
x
x

0
0
4
3
=
=
x
x

172/9=19,1(1)
C
0
4 / 11
2
1
=
=
x
x

0
4 / 11
2
1
=
=
x
x

0
2 / 23
4
3
=
=
x
x

55/4=13,75

Un calcul simplu i anume o diferen
=
8
17
6
109
9
172
ne permite
s tragem o concluzie care este adevrat n general, nu numai n acest caz
particular: "dac decidentul mrete disponibilul din resursa 1 cu o unitate,
valoarea implicit a acelei uniti este egal cu creterea corespunztoare a
valorii optimale a venitului total". Aceast cretere corespunde valorii
optime a variabilei dualei modelului iniial, care a fost corespondenta
restriciei cu disponibilul modificat, ianume
19
17
*
1
= u .
Am stabilit c o unitate de materie prim
1
M particip cu
17/8=2,125 uniti monetare la venitul total. Se poate mri acest disponibil
orict de mult i venitul s creasc continuu? Pentru a afla rspunsul, se va
exprima disponibilul din
1
b ca o funcie liniar de parametru
+
R :
[ ]
2 , 1 , 0
11 4
16 5 2
5 3 max
2 1
2 1
2 1
=
+
+ +
+ =
j x
x x
x x
x x f
j
,
*
+
R

[ ] ) 1 ( 1 , 19 max = f
39
n figura de mai jos sunt reprezentate mulimi de soluii admisibile
pentru diferite valori ale lui dup cum urmeaz:
= 0 este reprezentat de OABC.
=14 este reprezentat de OABC C B OA
1 1
.
= 39 este reprezentat de OABC C B OA C OA
1 1 2
.

Se observ c, dac 39 , atunci mulimea soluiilor posibile este
C OA
2
i soluia optim: 0 , 39 , 11 , 0
4
*
3
*
2
*
1
= = = = x x x x . Valoarea
optim a funciei venit total este 55 oricare ar fi 39 . De aici rezult c,
( )
3
1
d
( )
4
1
d
A
B
2
x
1
x
8
16/5
11/4
1
A
1
B
C
O
( )
1
1
d
( )
2
1
d
11
Figura I.3.10
40
dac este posibil mrirea disponibilului resursei
1
M , atunci ea nu trebuie s
depeasc valoarea 39, deoarece s-ar imobiliza inutil fonduri bneti.

Exemplul 5: Folosindu-se metoda grafic s se stabileasc natura modelului
[ ]
2 , 1 , 0
18 2 3
7
17 3 2
4 6 max
2 1
2 1
2 1
2 1
=
+
+
+
+ =
j x
x x
x x
x x
x x f
j

Soluie:
Mulimea soluiilor admisibile
( ) 17 3 2
2 1 1
= + x x d ; ( ) 7
2 1 2
= + x x d ; ( ) 18 2 3
2 1 3
= + x x d ;
( ) 0 4 6
2 1 0
= + x x D

( )
0
D
( )
2
d
( )
3
d
( )
1
d
1
x
9
7
17/3
17/2
7 6
C
B
A
O
Figura I.3.11
2
x
41
Tabelul sintez este:
T.I.3.8
Vrf Coordonate SAB
( ) SAB f
O
0
0
2
1
=
=
x
x

0
0
2
1
=
=
x
x

7
17
4
3
=
=
x
x
18
5
= x
0
A
3 / 17
0
2
1
=
=
x
x

3 / 17
0
2
1
=
=
x
x

3 / 4
0
4
3
=
=
x
x
3 / 2
5
= x
68/3=22,(6)
B
3
4
2
1
=
=
x
x

3
4
2
1
=
=
x
x

0
0
4
3
=
=
x
x
0
5
= x
36
C
0
6
2
1
=
=
x
x

0
6
2
1
=
=
x
x

1
5
4
3
=
=
x
x
0
5
= x
36

Modelele prezentate pn acum au admis toate soluie finit unic,
deoarece n toate cazurile, familia de drepte ( )
D nu era paralel cu nici o

latur a poligonului convex nevid OABC. n cazul de fa, una din laturile
acestui poligon, i anume, BC, este paralel cu dreapta ( )
0
D ; n realitate,
frontiera celei de-a treia restricii face parte din familia
( )
= +
2 1
4 6 : x x D , R . Ori de cte ori apare aceast particularitate,
modelul liniar poate admite o infinitate de soluii optime care vor fi
coordonatele tuturor punctelor situate pe segmentul de frontier care apare
ca latur n . Din punct de vedere algebric orice combinaie liniar convex
a vrfurilor B i C este un punct situat pe latura BC , deci ne poate conduce
la o soluie optim:
C B
C B
x x x
x x x
2 2
*
2
1 1
*
1
) 1 (
) 1 (

+ =
+ =
, [ ] 1 , 0 .
n particular pentru
2
1
= se obine: 5 6
2
1
4
2
1
*
1
= + = x ,
2
3
*
2
= x i
[ ] 36 max = f .

42
n practic acest caz este foarte interesant deoarece din mulimea
convex a soluiilor optime se poate alege cea care corespunde unui criteriu
de eficien diferit de cel considerat n model. Dac soluia optim
reprezint un program de fabricaie, decidentul poate alege un program
diversificat n care valorile variabilelor corespund unui plan de desfacere
profitabil.

4. Probleme propuse pentru fixarea cunotinelor

Problema 1 Dup calcularea timpului necesar ntreinerii curente a
utilajului U212, s-a constat c rmne un fond de timp disponibil de 20h.
S-a propus realizarea a dou produse indivizibile. Informaiile necesare
elaborrii modelului matematic sunt sistematizate n urmtorul tabel:

Produse Numrul
produselor
Pre
de
vnzare
Randament
orar
Capacitate
de desfacere
Unitate
convenional
1
P
1
x
125 u.m. 50 400
1 3 produs
1
P
2
P
2
x
117 u.m. 25 500
1 2 produs
2
P

S se determine varianta optim a planului de fabricaie a celor dou
produse astfel nct preul total de vnzare s fie maxim, s nu fie depit
capacitatea de depozitare de 1500 uniti convenonale i numrul de
produse de tipul
1
P s reprezinte cel puin 25% din ntreaga fabricaie.
Soluie:
Modelul matematic este
[ ]
2 1
117 125 max x x f + =
43
( )
2 , 1 , 0
0 3
100
25
1500 2 3
500
400
1000 2 20
25
1
50
1
2 1 2 1 2
2 1
2
1
2 1 2 1
=
+ +
+
+ +
j x
x x x x x
x x
x
x
x x x x
j

Deoarece un termen liber are valoare zero, pot exista soluii
admisibile degenerate.

Forma standard:
[ ]
2 1
117 125 max x x f + =
7 , 1 , 0
0 3
1500 2 3
500
400
1000 2
7 2 1
6 2 1
5 2
4 1
3 2 1
=
= +
= + +
= +
= +
= + +
j x
x x x
x x x
x x
x x
x x x
j

Reprezentarea grafic a mulimii :

( )
( )
( )
( )
( )
( ) 0 117 125 :
0 3 :
1500 2 3 :
500 :
400 :
1000 2 :
2 1 0
2 1 5
2 1 4
2 3
1 2
2 1 1
= +
= +
= +
=
=
= +
x x D
x x d
x x d
x d
x d
x x d
44

Tabelul sintez:

Vrf Coordonate SAB
( ) SAB f
O
0
0
2
1
=
=
x
x

0
0
2
1
=
=
x
x

400
1000
4
3
=
=
x
x

1500
500
6
5
=
=
x
x
0
7
= x 0
A
500
0
2
1
=
=
x
x

500
0
2
1
=
=
x
x

400
0
4
3
=
=
x
x

500
0
6
5
=
=
x
x
1500
7
= x 58.500 u.m.
B
375
250
2
1
=
=
x
x

375
250
2
1
=
=
x
x

150
0
4
3
=
=
x
x

0
125
6
5
=
=
x
x
875
7
= x
75.125 u.m.
C
150
400
2
1
=
=
x
x

150
400
2
1
=
=
x
x

0
300
4
3
=
=
x
x

0
350
6
5
=
=
x
x
50
7
= x 67.550 u.m.
D
3
400
400
2
1
=
=
x
x

3
400
400
2
1
=
=
x
x

0
3
1000
4
3
=
=
x
x

3
812
3
1100
6
5
=
=
x
x
0
7
= x 65.600 u.m.
f [max]
( )
5
d
( )
3
d
( )
2
d
( )
4
d
( )
1
d
2
x
1
x
750
500
1000 500 400
D
C
B
A
O
( )
0
D
Figura I.3.12
45
Se observ c apar dou soluii admisibile de baz degenerate i anume
cele corespunztoare vrfurilor A i O.
Interpretarea economic a soluiei optime:

Valori optimale Semnificaii economice
375
250
*
2
*
1
=
=
x
x

Structura planului optim de fabricaie.

0
*
3
= x
Fondul de timp disponibil al utilajului este
consumat integral.
150
*
4
= x Se mai pot desface cel mult 150 produse
1
P
125
*
5
= x i cel mult 125 produse
2
P .
0
*
6
= x Capacitatea de depozitare este complet folosit.
875
*
7
= x
Numrul produselor de tip
2
P depete cu 875/4,
25% din ntraga fabricaie:
( ) 375 250
100
25
375 + .

Problema 2 Se consider programul:
[ ]
2 , 1 , 0
5
6 2
2 max
2 1
2 1
2 1 1
=
+
+
+ =
j x
x x
x x
x x c f
j
.
a) Notai variabilele de ecart cu
3
x , respectiv
4
x . Gasii domeniul de
definiie pentru
1
c astfel ca baza ( )
4 2
a a s fie optimal. Fixai
marginea inferioar, justificnd economic limitarea, n ipoteza c
prin programul liniar se cere structura optim a programului de
fabricaie.
b) n dualul programului atribuii valoarea 1 lui
1
c i adugai restricia
3 6
2 1
+ u u . Ce relaii pot exista ntre ( )
. . . B A S
X f i ( )
'
. . . B A S
U g ?

46
Soluie:
Forma standard:
[ ]
4 , 1 , 0
5
6 2
2 max
4 2 1
3 2 1
2 1 1
=
= + +
= + +
+ =
j x
x x x
x x x
x x c f
j
.
Reprezentarea grafic a mulimii soluiilor admisibile :
( )
( ) 5 :
6 2 :
2 1 2
2 1 1
= +
= +
x x d
x x d

Tabelul sintez:

Vrf Coordonate SAB
( ) SAB f
A
3
0
2
1
=
=
x
x

3
0
2
1
=
=
x
x

2
0
4
3
=
=
x
x

6
B
1
4
2
1
=
=
x
x

1
4
2
1
=
=
x
x

0
0
4
3
=
=
x
x

2 4
1
+ c
C
0
5
2
1
=
=
x
x

0
5
2
1
=
=
x
x

0
1
4
3
=
=
x
x

1
5c

2
x
1
x
C
A
B
O
6
3
5
1
d
Figura I.3.13
2
d
47
Se expliciteaz sistemul de restricii n raport cu baza ( )
4 2
a a :
3
1
4
2
0 1
1 1
5
6
1 1
0 2
x
x
x
x

3
1
4
2
0 1
1 1
1
2
1
0
2
1
5
6
1
2
1
0
2
1
x
x
x
x

adic,
3
1
4
2
2
1
2
1
2
1
2
1
2
3
x
x
x
x
.
Dac 0
1
= x , 3
2
= x , 0
3
= x i 2
4
= x se obine soluia admisibil de
baz corespunztoare vrfului A. Baza ( )
4 2
a a este optimal dac
( ) 6 [max] = = A f f i 1
5 6
2 4 6
1
1
1

+
c
c
c
.
Din considerente economice,
1
c poate reprezenta un profit unitar, aadar,
( ] 1 , 0
1
c
Problema dual se scrie conform regulilor cunoscute i rezult:
[ ]
2 , 1 , 0
2 2
5 6 min
2 1
1 2 1
2 1
=
+
+
+ =
i u
u u
c u u
u u g
i

48
Dup nlocuirea lui
1
c cu valoarea impus i extinderea modelului cu
restricia 3 6
2 1
+ u u , se obine modelul

[ ]
2 , 1 , 0
3 6
2 2
1
5 6 min
2 1
2 1
2 1
2 1
=
+
+
+
+ =
i u
u u
u u
u u
u u g
i
cu forma standard
[ ]
5 , 1 , 0
3 6
2 2
1
5 6 min
5 2 1
4 2 1
3 2 1
2 1
=
= +
= +
= +
+ =
i u
u u u
u u u
u u u
u u g
i
.

Se observ c mulimea convex a soluiilor admisibile este nevid
i nemrginit.

3
d
3
2
x
1
x F
E
D
O
2
1
1
1
d
2
d
Figura I.3.14
49
Tabelul sintez al problemei duale este:

Vrf Coordonate SAB
( ) SAB f
D
3
0
2
1
=
=
u
u

3
0
2
1
=
=
u
u

1
2
4
3
=
=
u
u
0
5
= u 15
E
2 / 3
4 / 1
2
1
=
=
u
u

2 / 3
4 / 1
2
1
=
=
u
u
0
4 / 3
4
3
=
=
u
u
0
5
= u 9
F
0
1
2
1
=
=
u
u

0
1
2
1
=
=
u
u

0
0
4
3
=
=
u
u
0
5
= u

6

Observaie: Pentru 1
1
= c se obin 6 [max] [min] = = f g , dar i alte
rezultate interesante privind relaiile dintre soluiile admisibile de baz ale
celor dou probleme duale.

Valoarea funciei de eficien care se cere minimizat, calculat n
orice soluie admisibil de baz a respectivului model, depete sau este cel
g [min]
A
( ) 0 1 2 2 0
. .
=
D
B A S
U
( ) 15 = D g
D
( ) 0 0 4 / 3 2 / 3 4 / 1
. .
=
E
B A S
U
( ) 9 = E g
E
( ) 3 0 0 0 1
. .
=
F
B A S
U
( ) 6 = F g
F
( ) ( ) D g A f
( ) ( ) F g A f
=
2
0
3
0
. .
A
B A S
X soluie optim pentru 1
1
= c
( ) 6 [max] = = A f f
( ) ( ) E g A f
50
puin egal cu valoarea funciei de eficien a dualei sale n orice soluie
admisibil de baz a acesteia.

Problema 3 a) S se rezolve:

0 ,
2 2
2 2
15 3 5
2 3
4 7 2
6 5 ] opt [
2 1
2 1
2 1
2 1
2 1
2 1
2 1
+

+
+
+
+ =
x x
x x
x x
x x
x x
x x
x x f
.
Soluie:
Se aduce problema la forma n care termenii liberi sunt toi pozitivi:

0 ,
2 2
2 2
15 3 5
2 3
4 7 2
6 5 ] opt [
2 1
2 1
2 1
2 1
2 1
2 1
2 1

+
+
+
+
+ =
x x
x x
x x
x x
x x
x x
x x f
, apoi se scrie sub forma standard
7 , 1 , 0
2 2
2 2
15 3 5
2 3
4 7 2
6 5 ] opt [
7 2 1
6 2 1
5 2 1
4 2 1
3 2 1
2 1
=
= +
= + +
= + +
= +
= +
+ =
j x
x x x
x x x
x x x
x x x
x x x
x x f
j
.

51
Rezolvarea n spaiul activitilor:

Se observ c mulimea este nevid, mrginit i convex. n acest
caz, funcia liniar f i atinge valoarea minim, dar i cea maxim, ntr-unul
din vrfurile poligonului ABCDE, care reprezint exact mulimea soluiilor
admisibile .

4
7

( )
5
d
O
( )
3
d
( )
1
d
( )
4
d
( )
2
d
A
B
C
D
E
1
x
2
x
3
B
2
B
1
B
4
B
2

3
2
5

3

-1
-1

2

Figura I.3.15
52

Vrf Coordonate Valoarea funciei
obiectiv
Valori optime
A
19 / 10
1
= x
19 / 8
2
= x
16 , 5
19
98
=
B
0
1
= x
2
2
= x
12
16 , 5 [min] = f
19 / 10
*
1
= x
19 / 8
*
2
= x
C
11 / 9
1
= x
11 / 40
2
= x
90 , 25
11
285
=
D
13 / 36
1
= x
13 / 5
2
= x
15 , 16
13
210
=
E
2
1
= x
0
2
= x
10
90 , 25 [max] = f
11 / 9
*
1
= x
11 / 40
*
2
= x

Dac se nlocuiete condiia de nenegativitate cu cea de integritate
nenegativ,
+
Z
2 1
, x x ,
atunci mulimea soluiilor admisibile, I este mulimea nevid
I { } E , B , B , B , B B,
4 3 2 1
= ,
care nu este convex. n acest caz simplu, soluia optim se stabilete prin
investigarea tuturor punctelor mulimii soluiilor admisibile, dup cum
urmeaz:

Vrf Coordonate Valoarea funciei
obiectiv
Valori optime
B
X
1
= 0
X
2
= 2
12
B
1

X
1
= 1
X
2
= 3
23
B
2
X
1
= 1
X
2
= 2
17
B
3

X
1
= 1
X
2
= 1
11
B
4

X
1
= 2
X
2
= 1
16
E
X
1
= 2
X
2
= 0
10

23 [max] = f
1
*
1
= x
3
*
2
= x
11 [min] = f
1
*
1
= x
1
*
2
= x

53
b) S se rezolve aceeai problem prin extinderea modelului cu restricia:
Cazul I: 3
2
x i se cere [ ] f max .
Mulimea soluiilor admisibile
1
este reprezentat n figura ce urmeaz:

( )
5
d
Submulimea convex ( )
2 1
C CC
eliminat de 3
2
x
O
( )
3
d
( )
1
d
( )
4
d
( )
2
d
A
B
C
D
E
1
x
2
x
( )
6
d
1
C
2
C
3
Figura I.3.16
5
2
7/4
3
2
3
2
-1
-1
54
Cazul II: 2 2
2 1
+ x x i se cere [ ] f min .
Multimea soluiilor admisibile
2
:

Submulimea convex ( ) E AA
1

eliminat de 2 2
2 1
+ x x
2
x
( )
5
d
O
( )
3
d
( )
1
d
( )
4
d
( )
2
d

A
B
C
D
E
1
x
( )
6
d
1
A
1
55
Tabelul sintez pentru ambele cazuri:

Vrf Coordonate
Valoarea
funciei
obiectiv
Valori optime Observaii
A
19 / 10
1
= x
19 / 8
2
= x
19 / 98
B
0
1
= x
2
2
= x
12
1
C
2 / 1
1
= x
3
2
= x
2 / 41
2
C
5 / 6
1
= x
3
2
= x
24
D
13 / 36
1
= x
13 / 5
2
= x
13 / 210
E
2
1
= x
0
2
= x
10

19 / 98 [min] = f
19 / 10
*
1
= x
19 / 8
*
2
= x

24 [max] = f
5 / 6
*
1
= x
3
*
2
= x

Se menine fa
de modelul
iniial.

Valoarea
maxim pe noul
domeniu este
mai mic.

1
A
5 / 2
1
= x
5 / 4
2
= x
5 / 34
B
0
1
= x
2
2
= x
12
C
11 / 9
1
= x
11 / 40
2
= x
11 / 285
D
13 / 36
1
= x
13 / 5
2
= x
13 / 210
E
2
1
= x
0
2
= x
10
5 / 34 [min] = f
5 / 2
*
1
= x
5 / 4
*
2
= x

11 / 285 [max] = f
11 / 9
*
1
= x
11 / 40
*
2
= x
Valoarea
minim crete
fa de modelul
iniial.

Valoarea
maxim se
menine fa de
modelul iniial.

n general, este adevrat c dac mulimea intersectat cu un
semiplan
i i i
b x a x a +
2 2 1 1
i pierde o poriune convex, atunci:
- valoarea lui f [max] se menine sau scade;
- valoarea lui f [min] se menine sau crete.

56

II. METODE SIMPLEX PENTRU MODELE LINIARE

1. Algoritmul simplex primal. Descriere.

Pentru rezolvarea modelelor liniare, au aprut, ncepnd cu 1948,
mai multe metode, dintre care amintim: metoda simplex cu variantele sale,
metoda Kantorovici, metoda relaxrii. Dintre toate metodele aprute n
literatura de specialitate, cea mai rspndit este cea elaborat de
G. B. Dantzig.
Algoritmul propus de Dantzig permite determinarea unei soluii
admisibile de baz optime, dac exist, prin examinarea parial dirijat a
mulimii soluiilor admisibile de baz; mai precis, vor fi testate o parte din
soluiile admisibile de baz. n mod empiric, pe baza unor experiene de
calcul efectuate timp de 10 ani, s-a stabilit c soluia optim, dac exist, se
obine dup cel mult 3m iteraii (m = rangA). Fiecare dintre aceste noi
iteraii const n gsirea unei noi soluii admisibile de baz creia i
corespunde o valoare mai bun a funciei obiectiv dect n situaia
precedent.

1.a) Teoreme fundamentale ale algoritmului simplex primal

Se consider o problem de programare liniar sub form standard:

b AX = , unde ( ) R
n m
M A

, n m A < = rang ; 0 b i I i a..
(P) 0 X
CX x f = ) ( [max]
0
i
b

57
Fie
1
X o SAB corespunztoare bazei ( )
1
1
B
J s s
a B

= , n raport cu care
se va explicita sistemul de restricii ( ) ( )
R B
RX B b B X =
1
1
1
1
1
, unde
( ) ( ) 0
1
1
1
=
B
not
X b B . Elementele vectorului ( ) ( )
T
m
B
x x x X ...., , ,
2 1
1
= sunt
valorile variabilelor bazice, deci, componentele nenegative ale vectorului
1
X .

Teorema 1: Criteriul de mbuntire a unei soluii admisibile de baz

Fie problema de programare liniar (P),
1
B o baz n
m
R i
1
X
soluia admisibil de baz corespunztoare ei. Dac pentru un indice
B
J J j , 0 <
j j
c f i exist cel puin un indice
1
B
J s astfel nct
0 >
sj
y , atunci
1
X poate fi nlocuit printr-o soluie admisibil de baz
2
X
cel puin la fel de bun, n sensul ) ( ) (
2 1
X f X f . Soluia admisibil
2
X corespunde bazei
2
B dedus din
1
B prin nlocuirea lui
k
a ,
1
B
J k , cu
l
a ,
1
B
J J l . Indicii l i k sunt dai de relaiile:

II.1.1 { } 0 | min
1 1
<

=
j j j j
B
c f c f
J J j
c f
i
II.1.2
>
= 0 min
sj
sj
s
B
kl
k
y
y
x
J s
y
x
.

Teorema 2: Testul de optimalitate

O soluie admisibil de baz, X , a problemei (P) este optim dac i numai
dac
II.1.3 0
j j
c f , J j .
58
Metode simplex pentru modele liniare
Observaia 1 : Dac exist
SAB
X astfel nct s fie identificate relaiile
II.1.3 - numite criteriu de optimalitate - atunci + << ) ( [max] x f .

Observaia 2: Relaia
II.1.4 0
j j
c f , J j
este criteriu de optimalitate dac se cere minimizarea funciei liniare f.
Observaia 3: 0 =
s s
c f ,
B
J s , unde
B
J reprezint mulimea indicilor
variabilelor bazice.

Corolar: Soluia optim
*
X este unic determinat dac
II.1.5 0 >
j j
c f ,
B
J J j (adic, oricare j pentru care
j
a este
nebazic).

Teorema 3: Testul de optim infinit

Dac pentru o soluie admisibil de baz a problemei considerate
exist un indice
B
J J l astfel nct 0
l l
c f i 0
sl
y ,
B
J s ,
atunci (P) are optim infinit.

Observaia 4: Pentru problemele cu funcia obiectiv f [min] , criteriul de
recunoatere a optimului nemrginit (teorema 3) este:

B
J J l astfel nct 0 >
l l
c f i 0
sl
y ,
B
J s .

Din enunul teoremei rezult c o problem de programare liniar
are optim infinit dac exist un vector nebazic cu toate componentele
nenegative ( ( )
s sl l
y a = , 0
sl
y , s ), pentru care
l l
c f nu satisface
criteriul de optimalitate al tipului su de optim.

59
Concluziile celor trei teoreme sunt sistematizate n tabelul urmtor:

Soluie optim finit ([opt]f<<)
unic
determinat
multipl Optim infinit
[max]
0 >
j j
c f ,
B
J J j
0 =
j j
c f ,
B
J j
0
j j
c f , } ,.., 1 { n j
i
B
J J k a..
0 =
k k
c f
B
J J l a..
0 <
l l
c f i
0
sl
y ,
B
J s
[min]
0 =
j j
c f ,
B
J j
0 <
j j
c f ,
B
J J j
0
j j
c f , } ,.., 1 { n j
i
B
J J k a..
0 =
k k
c f
B
J J l a..
0 >
l l
c f i
0
sl
y ,
B
J s

1.b) Schema de rezolvare prin algoritmul simplex primal:

Modelul matematic.
Forma standard
b AX = , 0 X , ( ) cX X f = [max]
n m A
n m
< =
rang , 0 b , 0 >
k
b , m k , 1
Se genereaz o SAB
) 1 (
X ) ... (
1 m
a a B = i ) ... (
1 n m
a a R
+
=
=
= =
=

0
1
) 1 (
R
B B
x
x b B x
X , } ,..., 1 { m J
B
=
60

DA
Calculeaz:

=

nebazic vector pentru , 0
sau nebazic, vector pentru , 0
bazic vector pentru , 0
este care
1
j
j
j
j j
B
j j
a
a
a
c a B c c f
b B c f
B
=
1
0

STOP. Problema admite soluie
optim finit
f f [max]
0
= ;
=

0
1
*
b B
X
) ( vector nebazic cu
componentele negative i diferena
strict negativ?
(
B
J J l \ a.. 0 <
l l
c f
i 0
sl
y , I s
STOP.
Problema admite
optim nemrginit
(1)
NU
n j
c f
j j
, 1
0
=
DA
61

Se aplic:
criteriul de intrare n baz (C.I.B): { }
r r j j
c f
c f c f
j j
=
< 0
min ;
criteriul de eliminare din baz (C.E.B):
kr
k
sr
s
I s
o y
y
x
y
x
sr
=
>
min raport unic.
Observaii:
-
k
a va fi eliminat de
r
a ;
- 0 >
kr
y este pivotul iteraiei;
- dac raportul nu este unic determinat, se lucreaz cu problema perturbat sau se aplic
metoda lexicografic pentru a stabili ce vector va fi eliminat.

Se trece la
) 2 (
SAB
X , unde ( ) ( )
) 2 ( ) 1 (
X f X f
( )
m k k k
a a a a a ... ...
1 1 1 +
( )
m k r k
a a a a a ... ...
1 1 1 +

( ) } { } { \ : r k J J
B B
U =

Se calculeaz componentele vectorilor n noua baz:
1) Elementele din linia pivotului, linia k:
kr
kn
kr
k
kr
k
y
y
y
y
y
x
,...., ,
1
;
2) Vectorii care se menin n baz i menin componentele; dac
r
a a luat locul lui
k
a ,
atunci, n noua baz,
r
a va avea componentele lui
k
a ;
3) Pentru orice alt component care nu a fost calculat la 1) sau 2), se aplic una dintre
formulele:
kr
ir k kr i
i
y
y x y x
x

= : , pentru } { \ r J i
B

kr
ir kj kr ij
ij
y
y y y y
y

= : , pentru J j
(1)
NU
62
Observaia 5:
numrul soluiilor admisibile de baz este cel mult
m
n
C ;
trecerea de la o iteraie la alta presupune trecerea de la o SAB la o alt
soluie admisibil de baz, cel puin la fel de bun n sensul dat de optimul
funciei; rezult c dup un numr finit de pai acest procedeu iterativ se
oprete dac nu apare fenomenul de ciclare.

Observaia 6: Prin algoritmul simplex sunt examinate numai soluiile
admisibile de baz. Procedura de iterare a algoritmului simplex se oprete
atunci cnd nu va mai exista nici un vector care, introdus n baz, s duc la
creterea valorii funciei scop, dac problema admite optim finit. Din punct
de vedere geometric se ajunge la punctul de extrem al mulimii care
optimizeaz funcia scop.

Observaia 7: Prin trecerea de la o SAB la o alta cel puin la fel de bun n
sensul dat de tipul de optim al funciei ) ( X f , se realizeaz o cretere a
acesteia cu ( )
r r
kr
k
c f
y
x
.

Observaia 8: Cnd scopul este de a minimiza funcia obiectiv, algoritmul
se modific, n sensul maximizrii funciei ( ) f .

1.c) Aplicaii ale algoritmului simplex
n continuare vom exemplifica aplicarea algoritmului n trei modele
distincte.

Model liniar cu optim finit, unic determinat
Specific acestui prim exemplu, care va fi studiat, este c prin
aducerea la forma standard apar m vectori care formeaz o baz n spaiul
bunurilor.
63
Etapa 0:
Se consider un model simplificat al unui proces de fabricare a trei
produse, prin utilizarea limitat a trei resurse:

3 , 1 , 0
900 2 2
800 4 2
680 2
17 16 20 [max]
3 2 1
3 2 1
2 1
3 2 1
=
+ +
+ +
+
+ + =
j x
x x x
x x x
x x
x x x f
j
,

cu forma standard:

II.1.6
6 , 1 , 0
900 2 2
800 4 2
680 2
0 0 0 17 16 20 [max]
6 3 2 1
5 3 2 1
4 2 1
6 5 4 3 2 1
=
= + + +
= + + +
= + +
+ + + + + =
j x
x x x x
x x x x
x x x
x x x x x x f
j
.

Etapa 1: Generarea unei soluii admisibile de start.

Pasul 1 Se scrie matricea A i se verific apoi condiia
6 3 rang
6 3
< =
A :

6 5 4 3 2 1

1 0 0 1 2 2
0 1 0 4 1 2
0 0 1 0 2 1
a a a a a a
A
=
i rangA = 3 < 6.

64
Se scrie baza de start i se deduce soluia admisibil de baz (SAB)
de start: ( )
3 6 5 4 1
I a a a B = = este baza de start format din vectorii
unitate
4
a ,
5
a i
6
a . Aadar,
=
6
5
4
1
x
x
x
X
B
,
=
3
2
1
1
x
x
x
X
R
, de unde rezult
explicitarea sistemului n raport cu baza
1
B :

II.1.7
3
2
1
6
5
4
1 2 2
4 1 2
0 2 1
900
800
680
1 0 0
0 1 0
0 0 1
x
x
x
x
x
x

Se stabilete SAB de start:

B
not
X =
900
800
680
i
=
0
0
0
R
X , sau
( )
T
SAB
X 900 800 680 0 0 0 = .

Observaia 9: Nu are importan ce coloane ale matricii A sunt vectori
liniar independeni n
m
R ; important pentru rapiditatea gsirii soluiei
optime este ca A s conin o matrice unitate.

65
Pasul 2

( ) ( ) 0
900
800
680
0 0 0 ) (
6 5 4
1
0
=
= = = =
B B B
X c c c X c X f f ;
( ) 0
2
2
1
0 0 0
3 1
1
3 1
=
= =

I a I c f
B
,
( ) 0
2
1
2
0 0 0
3 2
1
3 2
=
= =

I a I c f
B
;
( ) 0
1
4
0
0 0 0
3 3
1
3 3
=
= =

I a I c f
B
,
( ) 0
0
0
1
0 0 0
3 4
1
3 4
=
= =

I a I c f
B
;
( ) 0
0
1
0
0 0 0
3 5
1
3 5
=
= =

I a I c f
B
,
( ) 0
1
0
0
0 0 0
3 6
1
3 6
=
= =

I a I c f
B
.

De obicei, calculele implicate de aplicarea algoritmului simplex sunt
organizate n tabelele simplex, care au cel mult 4 + m linii i 4 + n coloane,
i corespund unei baze. n continuare va fi dat tabelul corespunztor bazei
de start.

66

T. II.1.1

j
c 20 16 17 0 0 0
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a

0
4
a 680 1 2 0 1 0 0 680/1
0
5
a 800 2 1 4 0 1 0 800/2 (minim)
0
6
a 900 2 2 1 0 0 1 900/2

j
f
0 0 0 0 0 0 0

j j
c f -20 -16 -17

Pasul 3 Este verificat testul de optimalitate (vezi teorema 2)?

Pentru problema de fa, 0 <
j j
c f , 3 , 2 , 1 = j i 0 =
j j
c f ,
6 , 5 , 4 = j se trece la Pasul 4.

Pasul 4 Se verific dac problema admite optim infinit (teorema 3):

Din T.II.1.1 se observ c nu exist vector nebazic ( )
3 2 1
a a a cu toate
componentele negative i pentru care 0 <
l l
c f .
B
J J l astfel nct 0 <
l l
c f i 0
sl
y ,
B
J s ?
DA
STOP.
1
X este soluia optim
a problemei i
0
f valoarea
maxim a funciei obiectiv.
NU Pasul 4
DA
STOP.
+ = f [max]
NU
Pasul 5
0
j j
c f , n j , 1 = ?
67
Pasul 5 Dac algoritmul nu se oprete la Pasul 3 sau Pasul 4,
rezult c soluia testat,
1
X , nu este optimal, deci, trebuie s se treac la o
nou SAB,
2
X , cel puin la fel de bun ca
1
X , n sensul c ( ) ( )
2 1
X f X f .
Pentru aceasta se vor executa dou operaii.

Operaia 1: Se aplic criteriul de intrare n baz:

{ }
l l l j j j j
J J j
f
a c f c f c f
B
= <

0 min C.I.B
[max]
va intra n
baz.

Operaia 2: Se aplic criteriul de eliminare din baz:

[ ]
[ ]
kl
k
sl
sl
s
J s
sl
sl
s
J s
f
f
a
b
a
b
y
y
x
B B
=
> =
> =

0 a min 0 min C.E.B
max
min
, pentru
1
X ,
sau, n general,
kl
k
y
x
= , de unde rezult c
k
a va fi eliminat, iar
kl
y devine
pivotul iteraiei. Se va presupune c pivotul este unic, ceea ce este
echivalent cu a spune c noua SAB are m componente strict pozitive.

Rapoartele calculate se trec n ultima coloan din tabelul II.1.1.

n cazul nostru, avem:

Operaia 1: { } { }
1 1
3 , 2 , 1
20 17 - 16, - , 20 min 0 min c f c f c f
j j j j
j
= = = <
=
,
de unde rezult c
1
a va intra n noua baz (l=1).
Operaia 2:
21
2
33
3
21
2
11
1
2
800
2
900
,
2
800
,
1
680
min , , min
a
b
a
b
a
b
a
b
= =

2
a va fi eliminat i 2
21
= a este pivotul iteraiei, pe care l vom colora n
tabel.
68

Cele trei rapoarte se trec n ultima coloan a tabelului T.II.1.1; dac
un raport nu se poate calcula n sensul dat de C.E.B n ultima coloan,
pe acel loc, se va trece / sau - .

Pasul 6 Conform teoremei 1, se trece de la soluia admisibil de
baz
1
X la soluia admisibil de baz
2
X ce corespunde bazei
2
B dedus
din
1
B prin nlocuirea vectorului
k
a cu vectorul
l
a :

( )
n k l k
a a a a a B ... ...
1 1 1 2 +
= i } { }) { (
1 2
l k J J
B B
U = .

Se trece la un nou tabel simplex. Se vor scrie vectorii nebazici i
B
X n noua baz. Aceste calcule ce vor fi trecute n tabelul T.II.1.3
iteraia 2 a algoritmului simplex sunt efectuate n conformitate cu
calculele implicate de metoda eliminrii complete:

Dac un vector se menine n baz, atunci el i menine componentele
( )
m k k
a a a a ... ...
1 1 +
; dac vectorul
k
a este eliminat din baz de
ctre
l
a , atunci acesta i ia componentele (vezi tabelul T.II.1.2). n
particular, vectorii
4
a ,
6
a i menin componentele, iar vectorul
1
a va avea
componentele lui
5
a din iteraia 1.
Elementele din linia vectorului
l
a se obin mprind elementele din linia
vectorului
k
a , iteraraia precedent, la pivotul iteraiei,
kl
y . Astfel,
elementele din linia 2, iteraia 2, iau valorile
2
0
,
2
1
,
2
0
,
2
4
,
2
1
,
2
2
,
2
800
.

Formulele de trecere de la o iteraie la alta pot fi sistematizate direct n
tabelul simplex:

69
T.II.1.2

j
c
1
c
.
1 k
c
k
c
1 + k
c
.
m
c
1 + m
c
.
j
c
.
l
c
.
n
c

B
c
B
B
X
1
a .
1 k
a
k
a
1 + k
a .
m
a
1 + m
a .
j
a .
l
a .
n
a

1
c
1
a
kl
l k kl
a
a b a b
1 1

. . 0
kl
a
l
a
1

0 . 0 0
.
.
.
. .
. . . . . . . .
1 k
c
1 k
a
kl
l k k kl k
a
a b a b
1 1 +

. . 1
kl
a
l k
a
1
0 . 0
kl
a
il
a
kj
a
kl
a
ij
a

2
B
J J j
0

l
c
l
a
kl
k
a
b

. . .
kl
a
1

0 . .
kl
a
km
a
1 +

. . . 1 .
kl
a
kn
a

1 + k
c
1 + k
a
kl
l k k kl k
a
a b a b
1 1 + +

. . 0
kl
a
l k
a
1 +
1 . 0 0
.
.
.
. .
. . . . . . . .
m
c
m
a
kl
ml k kl m
a
a b a b

. . 0 . 0 . 1

0

j
f
0
f
1
f
. .
k
f
. .
m
f

l
f

n
f

j
j
c
f

1
1
c
f
. 0
k
c
k
f
0 .
m
c
m
f
1
1
+
+
m
c
m
f

. . .
l
c
l
f

.
n
c
n
f

70
Dup efectuarea calculelor, se revine la pasul 2. Pentru exemplul
numeric de mai nainte, obinem:

280
2
1 800 2 680
=

100
2
2 800 2 900
=

B
X
2
a
prima component

a treia component
1 2

1
2
1

2 2
2
2
1 1 2 2
:
12

= y
2
1 2 2 2
:
32

= y
71
Rezultatele calculelor pentru exemplul numeric propus, pn la
oprirea algoritmului, sunt date n tabelul II.1.3:

T.II.1.3

j
c

20 16 17 0 0 0
B
c

B
B
X
1
a

2
a
3
a

4
a

5
a
6
a

0
4
a
280 0 3/2 -2 1 -1/2 0 280/3/
2

20
1
a
400 1 1/2 2 0 1/2 0 400/2
0
6
a
100 0 1 -3 0 -1 1 100/2

j
f
8000 20 10 40 0 10 0

j j
c f

-6 23 10
0 ? NU
0
4
a
130 0 0 5/2 1 1 -3/2
20
1
a
350 1 0 7/2 0 1 -1/2
16
2
a
100 0 1 -3 0 -1 1

j
f
8600 20 16 22 0 4 6

j j
c f

5 4 6
0 ? DASTOP

n linia test
j j
c f este verificat criteriul de optimalitate, motiv
pentru care algoritmul se oprete, modelul liniar admind soluie optim
finit.

Iteraia 2
Iteraia 3
72
Citirea soluiei:

Baza optim Variabile bazice Valori optimale
4
a
4
x
130
1
a
1
x
350
2
a
2
x
100
Variabile nebazice Valori optimale

3
x
0

5
x
0

6
x
0

Soluia optim ( )
T
X 0 0 130 0 100 350
*
= este:
unic determinat, deoarece 0 >
j j
c f , pentru
j
a nebazic;
nedegenerat, pentru c numrul componentelor strict pozitive este egal cu
rangA=3.

0
8600 [max] f f = = n ultimul tabel, numit i tabel optimal.

Modelul liniar cu optim nemrginit

Considerm urmtorul program liniar

4 , 1 , 0
1
1
2
1
2 2 [max]
4 3 2
4 3 1
4 3 2 1
=
= +
= +
+ + + =
j x
x x x
x x x
x x x x f
j

73
Vom studia natura sa aplicnd algoritmul propus de Dantzig.
Deoarece 0
1
1
>
= b ,
4 3 2 1

1 1 1 0
2 / 1 1 0 1
a a a a
A

=
, rang A=2<4 i
( )
2 1
1 0
0 1
a a B =
= , rezult c scrierea canonic a sistemului de restricii

1
1
1 1
2 / 1 1
1 0
0 1
4
3
2
1
x
x
x
x
,

evideniaz o SAB de start, i anume, ( )
T
SAB
X 0 0 1 1 = .

Calculele implicate de aplicarea algoritmului sunt sistematizate n
urmtorul tabel simplex:

j
c

1 2 2 1
B
c

B
B
X
1
a
2
a

3
a
4
a

1
1
a
1 1 0 -1 1/2 1/(1/2)
2
2
a
1 0 1 1 -1 -

j
f
3 1 2 1 -3/2

j j
c f

-1 -5/2
0 ? NU; Th.3? NU Th.1
1
4
a
2 2 0 -2 1 -
2
2
a
3 2 1 -1 0 -

j
f
8 6 2 -4 1

j j
c f

5 -6
0 ? NU; Th.3? DA

74
n ultima linie exist un vector nebazic, i anume
3
a , pentru care

0
3 3
< c f i
< =
< =
0 1
0 2
23
13
y
y

3 . Th
STOP: + = f [max]

Vom investiga natura programului dual.

1
2
1
:
1 2 4
= u u d
2 :
2 2
= u d
2 :
1 2 3
+ = u u d
1 :
1 1
= u d
O
1
u
2
u
1
2
1
2 1
u u
4 3 2 1
1 2 2 1 [max] x x x x f + + + =
( )
= + + +
= + + +
1 ) 1 ( 1 1 0
1
2
1
1 0 1
4 3 2 1
4 3 2 1
x x x x
x x x x

0
1
x
0
2
x
0
3
x
0
4
x
2 1
[min] u u g + =
R
2
u
( ) 2 1
2 1
+ u u
R
1
u
2 1
2
u
1 0
2 1
+ u u
75
Din rezolvarea grafic a problemei duale, se observ c = . Nu
exist ( )
2 1
u u , R
i
u , 2 , 1 = i , care s verifice simultan cele 4 restricii.
S reinem c, dac o problem de programare liniar are optim infinit,
atunci duala sa nu are soluie. Este aceasta o afirmaie general valabil?
Rspunsul l vom afla n urmtorul capitol.

2. Generarea SAB prin metode particulare

n continuare, vom analiza cazul n care matricea A, dup aducerea
la forma standard, nu conine o baz unitate din spaiul
m
R . n general, n
matricea A din modelele matematice corespunztoare unor procese reale nu
apare complet
m
I . Pentru a genera o soluie admisibil de baz a problemei
date, dac acest lucru este posibil, se poate alege una din variantele:
Scrierea explicit a sistemului de restricii n raport cu o baz din
m
R .
Metoda celor dou faze.
Metoda bazei artificiale.

a) Metoda bazei artificiale (1953 A. Chaines, W. Cooper, D. Fan)

Se consider un model matematic sub forma sa standard:

II.2.1
( )
=
cX X f
X
b AX
[max]
0 i n m A
n m
< =
rang , 0 b , I k a.. 0
k
b .

Presupunem c matricea A nu conine o baz unitate de ordinul m.
Prin aceast metod se urmrete generarea unei SAB pentru (II.2.1), dac
acest lucru este posibil, folosind numai algoritmul simplex primal.

76
Metoda bazei artificiale presupune parcurgerea urmtoarelor etape:

Etapa 1 Se extinde problema prin introducerea a m variabile artificiale care
vor fi penalizate n funcia obiectiv:

II.2.2
=

= +
a
a
a m
X CX f
X X
b X I AX
[max]
0 , 0 ,

unde 0 >> ,
m
I este matricea unitate de ordin m, ( )
T
a
m n
a
n a
x x X
+ +
= ...
1
este
vectorul coloan cu componentele
a
i n
x
+
, m i , 1 , variabile artificiale. Din
scrierea AX b X
a
= , rezult soluia de start:

SAB
X
=
=
b X
X
a
0
.

Pentru a exemplifica parcurgerea acestei etape, considerm modelul
liniar:

3 , 1 , 0
4 2
6 3 4
4 2 3 [max]
3 2 1
3 2 1
3 2 1

= + +
= + +
+ + =
j x
x x x
x x x
x x x f
j
, unde
=
1 1 2
3 4 1
A ,
=
4
6
b , rangA=2<3.

3 2 1
a a a
77
Se constat c baza
=
1 0
0 1
B nu poate fi format cu ajutorul unor vectori
din A, motiv pentru care se trece la forma extins:

5 , 1 , 0
4 2
6 3 4
) ( 4 2 3 [max]
5 3 2 1
4 3 2 1
5 4 3 2 1

= + + +
= + + +
+ + + =
j x
x x x x
x x x x
x x x x x f
j
a
a
a a
, 0 >> n noua matrice
=
1 0 1 1 2
0 1 3 4 1
A , apare baza ( )
5 4
a a B = , care permite scrierea
soluiei de start
5 4 3 2 1
a a a a a pentru problema extins: 0
3 2 1
= = = x x x ,
6
4
=
a
x , 4
5
=
a
x i f va fi 0 ) 4 6 ( < .

Observaia 1: Valoarea funciei obiectiv este o valoare foarte mic ( 0
i
b ,
m i , 1 = i 0 >> ). Deoarece se cere maximizarea lui f, ideal ar fi ca n
soluia optim toate variabilele artificiale s aib valoarea 0. Variabilele
artificiale au fost penalizate n funcia obiectiv cu coeficieni foarte mici,
pentru ca algoritmul simplex s le elimine din baz. Dac se cere f [min] ,
atunci ele vor fi penalizate cu coeficieni foarte mari: ( )
a
m n
a
n
x x
+ +
+ +...
1
, cu
0 >> , ceea ce s-ar traduce printr-o comportare nerentabil n raport cu
tipul de optim.

Etapa 2: Se aplic algoritmul simplex problemei extinse. Presupunem c
dup k iteraii,
*
N k , < k , avem 0
j j
c f , m n j + = , 1 , deci,
problema extins admite soluie optim finit.

78
La baza discuiei ce va urma, relativ la existena sau nonexistena
soluiei optime a problemei iniiale, stau urmtoarele teoreme:

Dup oprirea algoritmului, se discut natura problemei iniiale dup
cum urmeaz:

Cazul 1: Soluia optim a problemei extinse nu conine nici o variabil
artificial cu valoare strict pozitiv soluia optim a problemei II.2.1 se
obine considernd numai valorile optimale ale variabilelor
n
x x ,...,
1
.

Cazul 2: n soluia optim exist cel puin o variabil artificial cu valoare
strict pozitiv; n acest caz, problema iniial nu are soluie.

Observaia 2: Deoarece funcia obiectiv este de forma ( )
a
X CX ,
diferenele
j j
c f vor fi funcii liniare de . S presupunem c la o
anumit iteraie exist ( ) 0 ) ( <
j j
c f pentru cel puin doi indici. Va intra
n noua baz vectorul
l
a dac ( ) ) (
l l
c f va avea cel mai mic coeficient
negativ (respectiv, pentru f [min] , cel mai mare coeficient pozitiv).

Observaia 3: S presupunem c algoritmul s-a oprit la iteraia
*
N k ,
+ < k , i c la iteraia
*
N r , k r < , s-a obinut o baz format numai cu
vectori din A (fr vectori artificiali). SAB corespunztoare acestei baze
Teorema 1 Dac II.2.1 are soluie
optim finit, atunci ea va fi optim
i pentru II.2.2. Orice soluie optim
a problemei extinse care nu conine
nici o variabil artificial strict
pozitiv este soluie optim i pentru
problema iniial, dup nlturarea
variabilelor artificiale.
Teorema 2 Dac II.2.1 are
funcia obiectiv nemr-
ginit, atunci i II.2.2 are
funcia obiectiv nemrginit.
Reciproca este adevrat.
79
este o SAB pentru problema iniial. Practic, la aceast etap, se aplic
algoritmul simplex primal pentru problema originar.
Observaia 4: n general, dac a fost eliminat un vector artificial din baz,
componentele sale nu vor mai fi calculate la urmtoarele iteraii. Nu se
recomand acest lucru atunci cnd se cere soluia optim a dualei sau se
pune problema postoptimizrii modelului.
Se continu problema prin aplicarea algoritmului simplex primal

j
c 3 2 4

B
c
B
B
X
1
a
2
a
3
a
4
a
5
a

4
a 6 1 4 3 1 0 6/4

5
a 4 2 1 1 0 1 4/1
j
f 10 3 5 4

j j
c f 3 3 2 5 4 4
0 ? j
NU
2
2
a 3/2 1/4 1 3/4 1/4 0 6

5
a 5/2 5/4 0 1/4 -1/4 1 2
j
f 3 2 / 5 + 4 / 5 2 / 1 2 4 / 2 / 3 4 / 2 / 1 +

j j
c f 4 / 5 2 / 5 4 / 5 2 / 5 2 / 5 2 / 1 +
0 ? j
NU
2
2
a 1 0 1 7/10 3/10 -1/5 10/7
3
1
a 2 1 0 1/5 -1/5 4/5 10
j
f 8 3 2 2 0 2

j j
c f -2
+ 2
0 ? j
NU
4
3
a 10/7 0 10/7 1 3/7 -2/7
3
1
a 12/7 1 -2/7 0 -2/7 6/7
j
f 76/7 3 24/7 24 6/7 10/7

j j
c f 20/7 + 7 / 6 + 7 / 10
0 DA
STOP

80
Exemplificarea observaiei 2:
Iteraia 1 C.I.B: { }= 4 - 4 - , 2 5 , 3 3 min
2 2
2 5 c f = sau
min{-3, -5, -4}=-5
2
a eliminat.

Iteraia 2 C.I.B: min{-5/4, -1/4}=-5/4
1
a va intra n baz.
La iteraia a 3-a, variabilele artificiale au fost eliminate i dispunem acum
de o baz a problemei iniiale: ( )
1 2
, a a , cu 2
1
= x , 1
2
= x , 0
3
= x .

Exemplificarea observaiei 1: n soluia optim a problemei extinse,
7
12
*
1
= x , 0
*
2
= x ,
7
10
*
3
= x , 0
*
4
= x , 0
*
5
= x , toate variabilele artificiale au
valori nule. Conform unei teoreme enunat anterior n acest capitol,
problema iniial admite soluia optim finit
T
X

=
7
10
0
7
12
*
i
7
76
[max] = f .

Considerm acum un alt exemplu pentru a aplica metoda i n cazul
n care se impune minimizarea funciei scop. Rezolvarea problemei, fr
comentarii, este redat n cele ce urmeaz:

3 , 1 , 0
18 2
20 4 3
6 2
2 5 [min]
3 2
3 2
3 2 1
3 2 1
=
+
= +
+ +
+ + =
j x
x x
x x
x x x
x x x f
j
forma standard
5 , 1 , 0
18 2
20 4 3
6 2
2 5 [min]
5 3 2
3 2
4 3 2 1
3 2 1
=
= +
= +
= + +
+ + =
j x
x x x
x x
x x x x
x x x f
j
.

81
5 4 3 2 1

1 0 2 1 0
0 0 4 3 0
0 1 1 2 1
a a a a a
A
=
, rang A=3< 5, 0
18
20
6
>
= b ,
=
1 0 0
0 1 0
0 0 1
3
B nu

poate fi
format numai cu coloane din A, dar
3 1
B a .

Etapa 1:
Forma extins:
a a
x x x x x f
7 4 3 2 1
2 5 [min] + + + + = ; . 0 >>
7 , 1 , 0
18 2
20 4 3
6 2
7 5 3 2
6 3 2
4 3 2 1
=
= + +
= + +
= + +
j x
x x x x
x x x
x x x x
j
a
a
,
7 6 5 4 3 2 1

1 0 1 0 2 1 0
0 1 0 0 4 3 0
0 0 0 1 1 2 1
a a a a a a a
A
=
7
6
1
x
x
x
X
B
=
18
20
6

( )
7 6 1
a a a B =
SAB
X
=
0
0
0
0
5
4
3
2
x
x
x
x
X
R

82
Tabelul simplex:

j
c 5 1 2 0 0

B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
7
a

5
1
a 6 1 2 1 -1 0 0 0 6/1

4
a 20 0 3 4 0 0 1 0 20/4 (min)

7
a 18 0 1 2 0 -1 0 1 18/2
j
f 38 30 + 5 10 4 + 5 6 + -5
f [min]

j j
c f 9 4 + 3 6 + -3

? 0 j NU
5
1
a 1 1 5/4 0 -1 0 -1/4 0

2
3
a 5 0 3/4 1 0 0 1/4 0

7
a 8 0 -1/2 0 0 -1 -1/2 1

j
f 8 15 + 5
2 / 4 / 31

2 -5
2 / 4 / 3
f [min]

j j
c f
2 / 4 / 27

-5

2 / 3 4 / 3

? 0 j DA
STOP

Problema extins admite soluia optim finit 1
*
1
= x , 0
*
2
= x ,
5
*
3
= x , 0
*
4
= x , 0
*
5
= x , 0
*
6
= x , 8
*
7
= x , care are o variabil artificial
bazic cu valoare strict pozitiv. Conform teoremei 2, problema propus
spre rezolvare este fr soluie.

b) Metoda celor dou faze (1954, G.B. Dantzig, A. Orden, P. Wolfe)
Se menin ipotezele de lucru de la metoda bazei artificiale. Ca i la
metoda precedent, se urmrete generarea unei SAB pentru II.2.1 ori de
cte ori calculul direct al unei astfel de soluii este dificil datorit
dimensiunilor problemei (m i/sau n foarte mari). Aceste dou metode pun
la dispoziia utilizatorului procedee generale de generare a soluiilor
admisibile de baz, sau informaia c problema nu are soluii ceea ce ar
putea indica o modelare greit a procesului economic.

83
Metoda celor dou faze const n parcurgerea urmtoarelor etape:
Faza 1: Scopul acestei etape este de a obine, dac este posibil, o SAB de
start pentru II.2.1, aplicnd algoritmul simplex-primal problemei auxiliare:
II.2.3 ( ) ( )
m
T
m n i n n
b b x x x B X A ... ... ...
1 1
= +
+ + +
,
unde
i n
x
+
este variabila artificial adugat numai prii stngi a restriciei i
, m i , 1 = , iar B este matricea unitate de ordinul m=rangA.
II.2.4 0 X , 0
a
X ,
II.2.5
=
+
=
m
i
i n
x W
1
[min] .
La aceast faz obiectivul va fi minimizarea sumei variabilelor
articiale din restricii, indiferent de tipul de optim al problemei considerate.
Din II.2.3 rezult c variabilele artificiale bazice sunt n SAB de start:
=
=
=
b X
X
X
a
SAB
0
. Se aplic algoritmul simplex primal problemei auxiliare.
Admitem c aceasta are soluie optim finit, deci exist o SAB care
verific criteriul de optimalitate: 0
j j
c w , m n j + = , 1 .
Atunci,

Faza 2: Se revine la
=
CX X f
X
b AX
) ( [max]
0
NU
STOP
II.2.1 nu are soluii
0 min = W
DA
Se trece la rezolvarea ei
prin metoda simplex
primal cu SAB de start
dat de soluia optim a
problemei auxiliare, dup
ce au fost eliminate
variabilele artificiale.
84
La baza metodei stau urmtoarele afirmaii:
Tema 1: Orice soluie admisibil de baz a problemei II.2.1 este SAB a
problemei auxiliare cu 0 =
a
X . Existena unei astfel de soluii atrage n mod
necesar [min]W=0.
Tema 2: Orice soluie admisibil de baz a problemei extinse pentru care
W=0 este o SAB a problemei iniiale.

S exemplificm numeric aplicarea acestei metode. Considerm
modelul liniar:

3 , 1 , 0
9 4 3
8 3 2
30 25 50 [min]
3 2 1
3 2 1
3 2 1
=
+ +
+ +
+ + =
j x
x x x
x x x
x x x f
j
, cu forma standard
5 , 1 , 0
9 4 3
8 3 2
30 25 50 [min]
5 3 2 1
4 3 2 1
3 2 1
=
= + +
= + +
+ + =
j x
x x x x
x x x x
x x x f
j
.

5 4 3 2 1

1 0 1 4 3
0 1 3 2 1
a a a a a
A

=
,
=
9
8
b , rangA=2<5. ntruct matricea A nu
conine 2 vectori unitari care s formeze baza unitate n
2
R , vom aplica
metoda celor dou faze.

85
Faza 1: Se construiete problema auxiliar

7 , 1 , 0
9 4 3
8 3 2
[min]
7 5 3 2 1
6 4 3 2 1
7 6
=
= + + +
= + + +
+ =
j x
x x x x x
x x x x x
x x W
j
,
7 6 5 4 3 2 1

1 0 1 0 1 4 3
0 1 0 1 3 2 1
a a a a a a a
A

=
. Deoarece
( )

= =
1 0
0 1
7 6
a a B , rezult ( )
T
a SAB
X X X 9 8 , 0 : = = . Se aplic
algoritmul simplex-primal:

j
c
0 0 0 0 0 1 1
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
7
a

1
6
a
8 1 2 3 -1 0 1 0 8/2
1
7
a
9 3 4 1 0 -1 0 1 8/4
j
f
17 4 6 4 -1 -1 1 1
j j
c f

4 6 4 -1 -1
1
6
a
7/2 -1/2 0 5/2 -1 1/2 1 7/5
0
2
a
9/4 3/4 1 1/4 0 -1/4 0 9
j
f
7/2 -1/2 0 5/2 -1 1/2 1
j j
c f

-1/2 5/2 -1 1/2
0
3
a
7/5 -1/5 0 1 -2/5 1/5
0
2
a
19/10 4/5 1 0 1/10 -3/10
j
f
0 0 0 0 0 0
j j
c f

0 0 0

Problema extins are soluie optim finit: 0
*
1
= x , 10 / 19
*
2
= x ,
5 / 7
*
3
= x , 0
*
7
*
6
*
5
*
4
= = = = x x x x ; [min]W=0 se trece la faza 2.
0 7 , 1 = j ? NU.
0 7 , 1 = j ? NU.
0 7 , 1 = j ? DASTOP.
86
Observaie: Coloana lui
7
a nu ne mai intereseaz, deoarece variabila
7
x ,
odat eliminat din baz, nu va mai fi reintrodus ulterior. Idem pentru
6
a .

Faza 2: Se revine la funcia obiectiv din modelul originar. Problema de
rezolvat va fi:
5 , 1 , 0
9 4 3
8 3 2
30 25 50 [min]
5 3 2 1
4 3 2 1
3 2 1
=
= + +
= + +
+ + =
j x
x x x x
x x x x
x x x f
j
, cu
=
0
0
5 / 7
10 / 19
0
5
4
3
2
1
x
x
x
x
x
X
SAB
obinut prin
eliminarea variabilelor auxiliare din soluia optim gsit la faza 1. Se
testeaz optimalitatea sa:

j
c

50 25 30 0 0

B
c

B
B
X
1
a
2
a
3
a
4
a
5
a
1
3
a 7/5 -1/5 0 1 -2/5 1/5

1
2
a 19/10 4/5 1 0 1/10 -3/10

j
f
89,5 14 25 30 -9,5 -1,5

j j
c f

-36 -9,5 -1,5

Problema admite soluia optim finit
T
SAB
X

= 0 0
5
7
10
19
0 ,
cu [min]f=89,5.
Vom continua studiul modelului matematic prin scrierea dualei:

3 , 1 , 0
9 4 3
8 3 2
30 25 50 [min]
2 3 2 1
1 3 2 1
3 2 1
=
+ +
+ +
+ + =
j x
u x x x
u x x x
x x x f
j
, pentru care duala este
2 , 1 , 0
30 3
25 4 2
50 3
9 8 [max]
2 1
2 1
2 1
2 1
=
+
+
+
+ =
i u
u u
u u
u u
u u g
i
.
0 5 , 1 = j ? DA STOP
87
Stabilim soluia optim a dualei (dac exist). Forma standard a
dualei va evidenia o baz unitate n
3
R . ntr-adevr,
5 , 1 , 0
30 3
25 4 2
50 3
9 8 [max]
5 2 1
4 2 1
3 2 1
2 1
=
= + +
= + +
= + +
+ =
i u
u u u
u u u
u u u
u u g
i
,
5 4 3 2 1

1 0 0 1 3
0 1 0 4 2
0 0 1 3 1
a a a a a
A
=
, rang A=3<5, 0
30
25
50
>
= b ,
( )
5 4 3
1 0 0
0 1 0
0 0 1
a a a B =
= , ( )
T
SAB
X 30 25 50 0 0 = .

Se aplic algoritmul simplex-primal:

j
c 8 9 0 0 0
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a

0
3
a 50 1 3 1 0 0 50/3
0
4
a 25 2 4 0 1 0 25/4
0
5
a 30 3 1 0 0 1 30/1
j
f 0 0 0 0 0 0

j j
c f -8 -9

0
3
a 125/4 -1/2 0 1 3/4 0
9
2
a 25/4 1/2 1 0 1/4 0 25/2
0
5
a 95/4 5/2 0 0 -1/4 1 19/2
j
f 175/4 9/2 9 0 9/4 0

j j
c f -7/2 9/4
0
3
a 26 0 0 1 -4/5 1/5

9
2
a 3/2 0 1 0 3/10 -1/5

8
1
a 19/2 1 0 0 -1/10 2/5

j
f 89,5 8 9 0 19/10 7/5

j j
c f 19/10 7/5

0 5 , 1 = j ? DA STOP
0 5 , 1 = j ?
88
Duala admite soluia optim finit: 2 / 3
*
1
= u , 2 / 19
*
2
= u , 36
*
3
= u ,
0
*
5
*
4
= = u u i f g [min] 5 , 89 [max] = = .

3. Degenerare i ciclare n probleme de programare liniar

Definiie: X se numete SAB degenerat pentru II.2.1 dac
numrul valorilor variabilelor bazice strict pozitive este cel mult (m-1) unde
m=rangA.
Soluiile admisibile de baz degenerate se pot obine n dou moduri:
1) n sistemul de restricii scris sub forma explicit b B RX B X
R B 1 1
= + ,
b B
1
are cel puin o component egal cu zero i toate celelalte strict
pozitive valorile variabilelor bazice b B X
B 1
= , strict pozitive, sunt
n numr de cel mult (m-1).
2) Exist cazul n care, n spaiul bunurilor
m
R , vectorul b nu formeaz un
sistem de vectori liniar independeni cu orice combinaie de (m-1)
vectori din A. Din punct de vedere geometric, acest lucru nseamn c b
trece printr-un vrf al poliedrului conex al restriciilor b AX = . S
presupunem c ( )
m
a a a ...
2 1
este o baz n
m
R , dar
( ) b a a a
m 1 2 1
...

nu este un sistem de m vectori liniar
independeni. Vectorul b poate fi scris n mod unic n baza
( )
m
a a a ...
2 1
:

II.3.1 b a x a x a x a
m m m
= + + + +

0 ...
1 1 2 2 1 1
.

Din II.3.1 rezult c
SAB
X are componentele ( )
T
m
x x 0 .... 0 ....
1 1
, deci
este SAB degenerat.

89
Rezolvarea urmtorului model matematic, n
2
R , ne va furniza o
interpretare geometric a conceptului de degenerare:

2 , 1 , 0
14 11 14
6 3 2
5 5 2
1 2
4 [max]
2 1
2 1
2 1
2 1
2 1
=
+
+
+
+
+ =
j x
x x
x x
x x
x x
x x f
j
, cu forma standard
6 , 1 , 0
14 11 14
6 3 2
5 5 2
1 2
4 [max]
6 2 1
5 2 1
4 2 1
3 2 1
2 1
=
= + +
= + +
= +
= + +
+ =
j x
x x x
x x x
x x x
x x x
x x f
j
.

Valoarea maxim este atins n
4
7
,
8
3
B , prin care trec trei drepte
care definesc mulimea convex (simplexul) a soluiilor admisibile. Dac
nlocuim soluia optim n forma standard, se obine un program optim
degenerat:
8
3
*
1
= x ,
4
7
*
2
= x , 0
*
3
= x , 3
*
4
= x , 0
*
5
= x , 0
*
6
= x .
Observaie: i prin A trec trei drepte,
1
d ,
2
d i 0
1
= x , deci, prin nlocuirea
coordonatelor sale n forma standard, se obine o SAB degenerat.
S presupunem c unei probleme de programare liniar degenerat i
se caut soluia optim aplicnd metoda simplex, i, la o anumit iteraie,
2
x
1
x O 3
2
1
-5/2
-1/2
B
C
3
d
2
d
1
d
A
90
raportul
min
nu este unic determinat. Metoda perturbaiilor (A. Chanes) i
metoda lexicografic (B.B. Dantzig i P. Wolfe) sunt dou metode ce nu
nltur degenerarea, ci creeaz posibilitatea continurii algoritmului prin
nlturarea arbitrariului n determinarea vectorului ce va fi eliminat din
baz, vector situat pe una din liniile rapoartelor minime de valori egale.

a) Metoda lexicografic
Presupunem c la iteraia
*
N p , vectorul
l
a , J l , trebuie s intre
n baz, toate componentele sale
sl
y , I s , sunt strict pozitive i
rl
r
kl
k
sl
s
y s
r k
y
x
y
x
y
x
sl
= =
= =
>0 |
min .
Se pune ntrebarea: care din cei doi vectori va fi eliminat,
k
a sau
r
a ?

T.II.3.1

j
c
1
c

l
c

n
c

B
c
B
B
X

1
a

l
a

n
a

1
c
1
a
1
x

l
y
1

11 1
/ y x

k
c
k
a
k
x

kl
y

kl k
y x /

r
c
r
a
r
x

rl
y

rl r
y x /

m
c
m
a
m
x

ml
y

ml m
y x /
j
f

j j
c f

Decizia va fi luat dup parcurgerea urmtorilor pai:
min
91
Pasul 1 Se mpart elementele liniei k, ncepnd cu
k
x , la eventualul element
pivot
kl
y . Se mpart elementele liniei r la eventualul element pivot
rl
y , i se
aeaz sub celelalte rapoarte n ordinea dat de coloanele tabelului simplex:

kl
kn
kl
kl
kl
kl
kl
k
kl
k
kl
k
y
y
y
y
y
y
y
y
y
y
y
x
,...., , ,..., , ,
1 2 1
;

rl
rn
rl
rl
rl
rl
rl
r
rl
r
rl
r
y
y
y
y
y
y
y
y
y
y
y
x
,...., , ,..., , ,
1 2 1
.

Pasul 2
Operaia 1

Operaia 2: + = 1 : k k Operaia 1.

Dup cel mult n operaii se poate stabili vectorul care trebuie
eliminat.

Observaie: n cazul programrii pe calculator, se va elimina din baz
vectorul cu cel mai mic indice. n foarte puine cazuri, aceast metod
prezint dezavantajul c, dup un anumit numr de iteraii, poate s se
revin la baza iteraiei p,
*
N p .

DA Se trece la
Operaia 2.
NU
Se compar rapoartele
din a doua coloan:
rl
r
kl
k
y
y
y
y
1 1
= ?
STOP. Pivotul iteraiei va fi numitorul
raportului minim. Va fi eliminat
din baz vectorul situat n linia pivotului.
92
Fie problema:

5 4 3 2 1
3 2 4 2 3 ) ( [min] x x x x x X f + + + + =
II.3.2
= + + +
= + + +
15 3 2
10 2
5 3 2 1
4 3 2 1
x x x x
x x x x
.
0
j
x , 5 , 1 = j

Dup scrierea matricii
=
1 0 1 3 2
0 1 1 2 1
A , rangA=2<5, ne este sugerat
soluia de
5 4 3 2 1
a a a a a
start pentru algoritmul simplex-primal, ( )
T
SAB
X 15 10 0 0 0 = .
Completnd primul tabel, se va observa n formula criteriului de eliminare
din baz c minimul nu este unic. ntr-adevr,

j
c
3 2 4 2 3

B
c
B
B
X
1
a
2
a
3
a
4
a
5
a

2
4
a 10 1 2 1 1 0 10/2
3
5
a 15 2 3 1 0 1 15/3
j
f
65 8 13 5 2 3 [ ] f min

j j
c f
5
11
1
0 ? 5 , 1 = j NU

Se observ c: ( ) = =
>
2 2
0
11 max c f c f
j j
c f
j j
2
a va intra n noua
baz. Dar,
3
15
2
10
= . Aadar, care vector va fi eliminat?

Pasul 1
2
0
,
2
1
,
2
1
,
2
2
,
2
1
,
2
10

3
1
,
3
0
,
3
1
,
3
3
,
3
2
,
3
15

Pasul 2 O
1
:
3
15
2
10
=
O
2
:
3
2
2
1
< se elimin vectorul
4
a .
Pivotul iteraiei este 2.
93

j
c
3 2 4 2 3
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
2
4
a 5 1/2 1 1/2 1/2 0
3
5
a 0 1/2 0 -1 -3 1
j
f
10 2 2 -1 -5 2
j j
c f

-1 -5 -7

Soluia optim este degenerat. Variabila bazic
5
x are valoarea
zero.

b) Metoda perturbaiilor
Vom exemplifica aceast metod pe modelul precedent.
Pasul 1 Fie ) 1 , 0 ( arbitrar de mic. Se va trece de la II.3.2, la o problem
perturbat, de forma:
=
=
n
j
j j
x c f
1
[max]
II.3.3

= = =
+ = +
n
j
j
j
n
j
j
j
n
j
j j
a b a x a
1 1 1

n j x
j
, 1 , 0 =
Dac soluia admisibil de baz corespunde bazei format din primii
m vectori, atunci restriciile din II.3.3 se mai pot scrie:

II.3.4 ( ) ) (
1 1
b a a x
n
m j
j
j
m
s
s
s
s
= + +

+ = =
,

unde
=
+ =
n
j
j
j
a b b
1
) ( .

= 5 , 1 0 j STOP
94
n particular, pentru II.3.2 avem scrierea

+ + + +
+ + + +
=
=
5 3 2
4 3 2
5 4 3 2 1
3 2 15
2 10
1
0
0
1
1
1
3
2
2
1
15
10
) (

b

Pasul 2 Prin modificarea de la pasul 1 s-a obinut o problem nedegenerat.
Presupunem c
l
a este vectorul ce va face parte din noua baz (se accept
ipotezele expuse la metoda lexicografic). Vom aplica acum criteriul de
eliminare din baz:

+ +
=

+ =
>
sk
n
m j
sk
j s
s
y s
y
y x
sk
1
0 |
min

.

n particular:
=
+ + + + + + + +
=
3
3 2 15
,
2
2 10
min
3 2 5 3 2 4

+ + + + + + + + =
3 3 3
2
5 ,
2 2 2
5 min
5 3
2
4 3
2

Pentru suficient de mic,
3 3 3
2
5
2 2 2
5
5 3
2
4 3
2

+ + + + < + + + +
4
a va fi eliminat.
Observaia 1: Metodele au fost date n cazul n care raportul minim este
realizat pentru doi indici I s , dar se pot aplica i n situaia n care se pot
elimina mai mult de doi vectori din baz.
b
1
a
2
a
3
a
4
a
5
a
95
Observaia 2: Se poate trece de la o SAB degenerat la o SAB cu valorile
variabilelor bazice strict pozitive (nedegenerat), aa cum se va vedea i din
exemplul urmtor:
Se dorete realizarea unui amestec din trei tipuri de benzin. Acest
amestec este de multe ori condiionat de cantitile de care dispunem din
fiecare produs. Se nelege c avem analizele de laborator ale tuturor
produselor i cunoatem caracteristicile chimice ale produselor pe care le
amestecm, de aceea, dac amestecm benzina de 92 cu benzina de 88 i cu
nafta o facem pentru a obine benzin de 92. Cantitatea de benzin de 92
trebuie s reprezinte cel puin 50% din ntregul amestec, iar nafta trebuie s
fie cuprins ntre 25% i 30% din ntregul amestec.
Preurile unitare ale sortimentelor sunt de 30$ barilul de nafta, 40$
barilul de benzin de 88 i 50$ barilul de benzin de 92. S determinm ce
cantiti se amestec astfel nct valoarea amestecului rezultat s fie maxim.
Notm cu
1
x cantitatea de nafta, cu
2
x cantitatea de benzin de 92 i
cu
3
x cantitatea de benzin de 88. Restriciile privind disponibilul sunt:
0
0 3 3 7
0 3
90
100
3 2 1
3 2 1
3 2 1
2
1
+

+ +

x x x
x x x
x x x
x
x
.
Forma standard este:
8 , 1 , 0
0
0 3 3 7
0 3
90
100
3 5 4 [max]
8 3 2 1
7 3 2 1
6 3 2 1
5 2
4 1
3 2 1
=
= + +
= +
= + + +
= +
= +
+ + =
j x
x x x x
x x x x
x x x x
x x
x x
x x x f
j
.

96
Calculele implicate de aplicarea algoritmului simplex primal sunt
prezentate n tabelul urmtor:

j
c
4 5 3 0 0 0 0 0
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
7
a
8
a

0
4
a 100 1 0 0 1 0 0
0
0 -
0
5
a 90 0 1 0 0 1 0
0
0 90
0
6
a 0 -3 1 1 0 0 1
0
0 0
0
7
a 0 7 -3 -3 0 0 0
1
0 -
0
8
a 0 1 -1 1 0 0 0
0
-1 -
j
f
0 0 0 0 0 0 0
0
0

j j
c f

-4 -5 -3

0
4
a 100 1 0 0 1 0 0
0
0 100
0
5
a 90 3 0 -1 0 1 -1
0
0 30
5
2
a 0 -3 1 1 0 0 1
0
0 -
0
7
a 0 -2 0 0 0 0 3
1
0 -
0
8
a 0 -2 0 2 0 0 1
0
1 -

j
f
0 -15 5 5 0 0 5
0
0

j
c f

-19 2 5
0
4
a 70 0 0 1/3 1 -1/3 1/3
0
0 210
4
1
a 30 1 0 -1/3 0 1/3 -1/3
0
0 -
5
2
a 90 0 1 0 0 1 0
0
0 -
0
7
a 60 0 0 -2/3 0 2/3 7/3
1
0 -
0
8
a 60 0 0 4/3 0 2/3 1/3
0
1 45
j
f
570 40 50 -4/3 0 19/3 -4/3
0
0

j j
c f

-13/3 19/3 -4/3

0
4
a 55 0 0 0 1 -1/2 1/4
0
-1/4 220
4
1
a 45 1 0 0 0 1/2 -1/4
0
1/4 -
97
5
2
a 90 0 1 0 0 1 0
0
0 -
0
7
a 90 0 0 0 0 1 5/2
1
1/2 36
3
3
a 45 0 0 1 0 1/2 1/4
0
3/4 180
j
f
765 4 5 3 0 17/2 -1/4
0
13/4

j j
c f

17/2 -1/4 13/4

j
c

4 5 3 0 0 0
0
0
B
c

B
B
X

1
a

2
a

3
a

4
a

5
a

6
a

7
a

8
a

0
4
a 46 0 0 0 1 -3/5 0
-1/10
-3/10
4
1
a 54 1 0 0 0 3/5 0
1/10
3/10
5
2
a 90 0 1 0 0 1 0
0
0
0
6
a 36 0 0 0 0 2/5 1
2/5
1/5
3
3
a 36 0 0 1 0 2/5 0
-1/10
7/10
j
f
774 4 5 3 0 43/5 0
1/10
33/10

j j
c f

43/5 1/10 33/10

Dup cteva iteraii, obinem soluia care recomand amestecarea a
54
1
= x barili nafta, 90
2
= x barili de benzin de 92 i 36
3
= x barili de
benzin de 88. Astfel, se vor obine 180 de barili cu valoarea total de
10 774 dolari. Preul unui baril de amestec va fi de 42$. Benzina nafta va
reprezenta % 30 100
180
54
= din amestec, benzina auto de 92 va reprezenta
50% din amestec, iar benzina auto de 88 reprezint 30% din amestec.
Se observ astfel c, dei la iteraia 2 soluia admisibil de baz este
degenerat, la urmtoarea iteraie soluia admisibil devine nedegenerat.

c) Ciclare
Dac valoarea funciei scop nu se modific pe parcursul ctorva
iteraii succesive, este posibil s apar fenomenul de ciclare, adic s se
revin la una dintre soluiile admisibile de baz prin care s-a trecut deja.
98
Degenerarea este o condiie necesar, dar nu i suficient, de ciclare. Dei
foarte multe procese economice sunt modelate prin programe liniare cu
soluii admisibile de baz degenerate, la nici una pn acum nu a aprut
fenomenul de ciclare. E. Beale [] a gsit i a publicat un astfel de model.

6 , 1 , 0
1
0 3
2
1
12
2
1
0 9 8
4
1
6
2
1
20
4
3
[min]
6 3
7 6 5 4 2
7 6 5 4 1
7 6 5 4
=
= +
= + +
= + +
+ + =
j x
x x
x x x x x
x x x x x
x x x x f
j
.

Prezentm n continuare rezultatele sub form de tabel a apte
iteraii. Se va observa c primul tabel coincide cu ultimul.

j
c
0 0 0 -3/4 20 -1/2 6
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
7
a

0
1
a 0 1 0 0 1/4 -8 -1 9 0
0
2
a 0 0 1 0 1/2 -12 -1/2 3 0
0
3
a 1 0 0 1 0 0 1 0 -
j
f
0 0 0 0 0 0 0 0

j j
c f
3/4 -20 1/2 -6

99

j
c
0 0 0 -3/4 20 -1/2 6

B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
7
a

-3/4
4
a 0 4 0 0 1 -32 -4 36 -
0
2
a 0 -2 1 0 0 4 3/2 -15 0
0
3
a 1 0 0 1 0 0 1 0 -
j
f
0 -3 0 0 -3/4 24 3 -27

j j
c f

-3 4 7/2 -33

j
c
0 0 0 -3/4 20 -1/2 6

B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
7
a

-3/4
4
a 0 -12 8 0 1 0 8 -84 0
20
5
a 0 -1/2 1/4 0 0 1 3/8
-
15/4
0
0
3
a 1 0 0 1 0 0 1 0 1
j
f
0 -1 -1 0 -3/4 20 3/2 -12

j j
c f

-1 -1 2 -18

j
c
0 0 0 -3/4 20 -1/2 6

B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
7
a

-1/2
6
a 0 -3/2 1 0 1/8 0 1 -21/2 -
20
5
a 0 1/16 -1/8 0 -3/64 1 0 3/16 0
0
3
a 1 3/2 -1 1 -1/8 0 0 21/2 2/21
j
f
0 2 -3 0 -1 20 -1/2 9

j j
c f
2 -3 -1/4 3

100

j
c
0 0 0 -3/4 20 -1/2 6

B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
7
a

-1/2
6
a 0 2 -6 0 -5/2 56 1 0 0
6
7
a 0 1/3 -2/3 0 -1/4 16/3 0 1 0
0
3
a 1 -2 6 1 5/2 -56 0 0 -
j
f
0 1 -1 0 -1/4 4 -1/2 6

j j
c f
1 -1 1/2 -16

j
c
0 0 0 -3/4 20 -1/2 6

B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
7
a

0
1
a 0 1 -3 0 -5/4 28 1/2 0 -
6
7
a 0 0 1/3 0 1/6 -4 -1/6 1 0
0
3
a 1 0 0 1 0 0 1 0 1
j
f
0 0 2 0 1 -24 -1 6

j j
c f
2 7/4 -44 -1/2

j
c
0 0 0 -3/4 20 -1/2 6

B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
7
a

0
1
a 0 1 0 0 1/4 -8 -1 9 4
0
2
a 0 0 1 0 1/2 -12 -1/2 3 0
0
3
a 1 0 0 1 0 0 1 0 -
j
f
0 0 0 0 0 0 0 0

j j
c f
3/4 -20 1/2 -6

n tabelele precedente, dei criteriul de intrare n baz ne-a dat
posibilitatea de a alege ntre dou variabile, am ales ntotdeauna prima
variabil din partea de sus a tabelelor. Dac ns vom alege la un moment
dat alte variabile care ies din baz dect cele alese anterior putem ajunge la
101
soluia optim, evitnd n acest fel ciclarea, aa cum se vede din
urmtoarele dou iteraii:

j
c
0 0 0 -3/4 20 -1/2 6

B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
7
a

0
1
a 0 1 -1/2 0 0 -2 -3/4 15/2 -
-3/4
4
a 0 0 2 0 1 -24 -1 6 -
0
3
a 1 0 0 1 0 0 1 0 1
j
f
0 0 -3/2 0 -3/4 18 3/4 -9/2

j j
c f

-3/2 -2 5/4 -21/2

j
c
0 0 0 -3/4 20 -1/2 6
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
7
a
0
1
a 3/4 1 -1/2 3/4 0 -2 0 15/2
-3/4
4
a 1 0 2 1 1 -24 0 6
-1/2
6
a 1 0 0 1 0 0 1 0
j
f
-5/4 0 -3/2 -5/4 -3/4 18 -1/2 -9/2

j j
c f

-3/2 -5/4 -2 -21/2
Astfel, soluia optim este dat de ( )
T
X 0 1 0 1 0 0 4 / 3 = ,
valoarea minim a funciei obiectiv fiind ( ) 4 / 5 = X f .
Dei n problemele practice nu s-a observat fenomenul de ciclare,
teoretic exist posibilitatea de a aprea i, ca urmare, este bine s
cunoatem o cale de a-l evita.

4. Algoritmul simplex revizuit

Acest algoritm este o form revizuit a algoritmului simplex
primal, care se recomand a fi folosit atunci cnd rezolvarea modelului
matematic se face cu ajutorul calculatorului. Ideea de baz este de a reine
datele iniiale, apoi, folosind matricea sistemului de restricii se va construi
102
o matrice invers, se vor calcula
1
B c
B
, b B X
B 1
= i
j j
c f , n funcie
de care se ia decizia de a opri algoritmul sau de a-l continua trecnd la o
soluie admisibil de baz mai bun.

Considerm problema de programare liniar la forma standard

II.4.1 {
0
) ( min
=
=
X
b AX
cX x f
,

unde ) (
,
R
n m
M A , n m rangA =
m
b R ,
n
X c R , .

Pentru aplicarea algoritmului simplex revizuit, se construiete
completata problemei II.4.1:
II.4.2
R
=
=
=
0
0
0 1
, 0
0
) ( min
x X
b AX
cX x
x x f
.
Aici, matricea sistemului de restricii va fi:

=
R B
c c
A
R B
0
1
1
,
unde ( ) R B A = . Se observ c 1
1
+ = m rangA . Vectorul termenilor liberi
pentru problema completat este
=
b
b
0
1
. Notm
=
k
k
k
a
c
a
1
, unde
k
a
este coloana k din matricea A.

103
Dac B este baz primal admisibil pentru II.4.1, atunci

=
B
c
B
B
0
1
1
este baz primal admisibil pentru II.4.2. Este uor de
verificat c
1
1
1
0
1
B
u
B
B
, unde
1
= B c u
B B
.
Tabelul simplex revizuit va avea urmtoarea form:

Variabilele de baz
1
1
B
1
1
1
b B

1 1
1 k
a B
*
0
x
1
1
= B c u
B B

B
f
k
B
k
c f
B
X
0
1
B
B
X
k
B
k
a B y
1
=
* Ultima coloan va aprea n momentul cnd se trece la mbuntirea
soluiei curente.

Etapele algoritmului simplex revizuit sunt prezentate n schema logic
S.II.4.1:

104
Schema logic
S.II.4.1
Datele iniiale:
b AX = , 0 X , ( ) cX x f = [max]
n m rangA
n m
=
,
m
b R ,
n
c R
Se determin o baz primal admisibil pentru problema
II.4.1 i se calculeaz apoi
1
B ,
1
1
1
b B
,
B
u ,
1 1
1 j
a B

n j
c f
j
B
j
, 1
0
=

STOP. Problema admite soluie
optim finit
f f [min]
0
= ;
=

0
1
b B
X
B
.
DA
NU
Alegem k astfel nct 0 ) ( max
0
> =
>
k
B
k j
B
j
c f
c f c f
j
B
j
.
Se completeaz ultima coloan din tabel cu vectorul
=

=

k
B
k
k
B
k
k
a B y
c f
a B
1
1 1
1
.
? 0
B
k
y
DA
STOP
Problema are optim ( ).
NU
Se alege r dup regula:
B
rk
B
r
B
ik
B
i
y i
y
x
y
x
B
ik
=
|
min .
Se nlocuiete coloana
r
a cu coloana
k
a , i se formeaz noua baz primal
admisibil,
1
~
B . Se calculeaz
1
1
1
~
b B
,
B
u
~
,
1 1
1
~
j
a B
.
1

105
Pas 0 Se determin B baz primal admisibil i se calculeaz:
1
B ,
B
X ,
B
f ,
1
= B c u
B B
.

Pas 1 Se calculeaz
j j
B
j
B
j
c a u c f = , R j .
Dac 0
j
B
j
c f , { } R B n j = ,.., 1 soluie optim.
Dac nu, se trece la Pasul 2.

Pas 2 Alegem k astfel nct 0 ) ( max
0
> =
>
k
B
k j
B
j
c f
c f c f
j
B
j
.
Se calculeaz
k
B
k
a B y
1
= . Dac 0
B
k
y , problema are optim
nemrginit ( ). Dac nu, se trece la Pasul 3.

Pas 3 Alegem r dup regula:
B
rk
B
r
B
ik
B
i
y i
y
x
y
x
B
ik
=
|
min . Se nlocuiete coloana
r
a cu
coloana
k
a , i se formeaz noua baz primal admisibil,
1
~
B . Se revine la
Pasul 1.
S rezolvm cu algoritmul simplex revizuit urmtoarea problem de
programare liniar:

2 , 1 , 0
6 2
18 3
4
2 [min]
2 1
2 1
2 1
2 1
=
+

=
i x
x x
x x
x x
x x f
i
.
106
n primul rnd, aducem, problema la forma standard:
5 , 1 , 0
6 2
18 3
4
2 [min]
5 2 1
4 2 1
3 2 1
2 1
=
= + +
= +
= +
=
i x
x x x
x x x
x x x
x x f
i
. Matricea restriciilor este
=
1 0 0 2 1
0 1 0 1 3
0 0 1 1 1
A ,
( )
5 4 3
3
a a a I B = = . Scriem completata problemei de mai sus:
5 , 1 , 0
6 2
18 3
4
0 ) 2 (
[min]
5 2 1
4 2 1
3 2 1
2 1 0
0
=
= + +
= +
= +
=
=
i x
x x x
x x x
x x x
x x x
x g
i
.
Aadar,
=
B R
c c
A
B R
0
1
1 0 0 2 1 0
0 1 0 1 3 0
0 0 1 1 1 0
0 0 0 1 2 1
1
,
=
b
b
0
16
8
4
0
1
.
Observaie: Dup reordonare putem obine chiar

=
R B
c c
A
R B
0
1
1
.

Completm tabelul simplex revizuit, evident fr ultima coloan:
( ) ( ) 0 0 0 0 0 0
3
1
= = =

I B c u
B B
.

Variabilele de baz
1
1
B
1
1
1
b B

0
x
1 0 0 0 0
3
x
0 1 0 0 4
4
x
0 0 1 0 18
5
x
0 0 0 1 6
107
Pentru R j , calculm ( )

=
j
j
B
j
B
j
a
c
u c f 1 . n cazul nostru,
} 2 , 1 { = R . Aadar, pentru 1 = j avem:
( ) ( ) 0 2
1
3
1
2
0 0 0 1 1
1
1
1 1
> =
=
a
c
u c f
B B
,
1
3
1
1
1
a B ,
iar pentru 2 = j ,
( ) ( ) 0 1
2
1
1
1
0 0 0 1 1
2
2
2 2
> =
=
a
c
u c f
B B
,
2
1
1
2
1
a B .

Soluia curent nu este optim i nici cazul optim nemrginit nu este
ndeplinit. Trecem la schimbarea bazei. Deoarece,
2 2 1 1
1 2 c f c f
B B
= > = ,
variabila
1
x va intra n noua baz.

Completm tabelul de mai sus cu ultima coloan:

Variabilele de baz
1
1
B
1
1
1
b B

11
1
1
a B

0
x
1 0 0 0 0 2
3
x
0 1 0 0 4 1
4
x
0 0 1 0 18 3
5
x
0 0 0 1 6 -1

Deoarece
1
4
3
18
,
1
4
min =
, variabila
3
x va iei din baz. Pivotul
este, desigur, valoarea aflat n csua colorat, adic 1. Tabelul simplex
revizuit urmtor se obine din cel precedent, dup aceleai reguli care se
aplic tabelului simplex obinuit.
108
Astfel, cu noua baz avem:

Variabilele de baz
1
1
~
B
1
1
1
~
b B

12
1
1
~
a B

*
0
x
1 -2 0 0 -8 3
1
x
0 1 0 0 4 -1
4
x
0 -3 1 0 6 2
5
x
0 1 0 1 10 1
* Ultima coloan se va completa ulterior.

( ) ( ) 0 3
2
1
1
1
0 0 2 1 1
2
2
~
2
~
2
> =
=
a
c
u c f
B B
(soluia curent
nu este optim).

1
2
1
2
1
1
1 0 1
0 1 3
0 0 1
~
2
1
a B (rezult de aici c nu avem optim
infinit),

( ) ( ) 0 2
0
0
1
0
0 0 2 1 1
3
3
~
3
~
3
< =
=
a
c
u c f
B B
.

Singura variabil care poate intra n baz este
2
x . Completm ultima
coloan. Cum
2
6
1
10
,
2
6
min =
, rezult c variabila
4
x iese din baz.
Pivotul este 2.
109
Urmtorul tabel simplex revizuit, unde baza este acum notat
1
~
~
B :

Variabilele de baz
1
1
~
~
B
1
1
1
~
~
b B

13
1
1
~
~
a B
**
0
x
1 5/2 -3/2 0 -17 5/2
1
x
0 -1/2 1/2 0 7 -1/2
2
x
0 -3/2 1/2 0 3 -3/2
5
x
0 5/2 -1/2 1 7 5/2
** Ultima coloan se va completa ulterior.

( ) 0 2 / 5
0
0
1
0
0 2 / 3 2 / 5 1
3
~
~
3
> =
= c f
B
(soluia curent nu este
optim).

2 / 5
2 / 3
2 / 1
0
0
1
1 2 / 1 2 / 5
0 2 / 1 2 / 3
0 2 / 1 2 / 1
~
~
3
1
a B (rezult de aici c nu avem
optim infinit),

( ) 0 2 / 3
0
1
0
0
0 2 / 3 2 / 5 1
4
~
~
4
< =
= c f
B
.

Variabil care intr n baz este
3
x . Completm ultima coloan.

Se observ imediat c singura variabil care poate iei din baz este
5
x . Pivotul este 5/2. La aceast iteraie baza curent este notat prin
1
B .

110
Variabilele de baz
1
1
B
1
1
1
b B

0
x
1 0 -1 -1 -24
1
x
0 0 2/5 1/5 42/5
2
x
0 0 1/5 3/5 36/5
3
x
0 1 -1/5 2/5 14/5

Cum ( ) 0 1
0
1
0
0
1 1 0 1
4
4
< =
= c f
B
i
( ) 0 1
1
0
0
0
1 1 0 1
5
5
< =
= c f
B
, rezult c soluia curent,
( )
T
x 0 0 5 / 14 5 / 36 5 / 42 = este optim, unic i nedegenerat.

Din exemplificarea aplicrii algoritmului simplex revizuit, rezult
urmtoarele:
Memoria calculatorului este eficient folosit, prin reducerea volumului de
infomaii stocate.
Datele reinute la o iteraie sunt suficiente pentru a obine toate
informaiile dorite, relativ la problema primal i la duala sa.

5. Algoritmul simplex dual

Cnd s-a aplicat algoritmul simplex primal s-a apelat pe tot
parcursul algoritmului la soluii admisibile de baz (SAB) i regulile sale
au fost stabilite impunndu-se condiia de nenegativitate a variabilelor din
model.

111
Cu ajutorul teoriei dualitii se poate formula un nou algoritm de
rezolvare a problemelor de programare liniar, pornind de la o soluie de
baz care nu respect - total sau parial - condiia de nenegativitate, i
anume, algoritmul simplex dual. Conceptul de baz cu care se opereaz este
cel de soluie dual realizabil (SDR).
Definiie: Se numete soluie dual realizabil a unei probleme de
programare liniar o soluie de baz care are cel puin o component strict
negativ i care verific criteriul de optimalitate al modelului liniar.
Algoritmul simplex-dual este o procedur de explorare orientat a
soluiilor dual-admisibile pn la obinerea soluiei optime sau pn la
evidenierea faptului c problema nu admite soluii. Aplicarea sa presupune
cunoaterea unei soluii dual-realizabile (sau dual-admisibile) dar nu i
admisibile, deoarece, dac toate variabilele ar avea valori pozitive, cum este
verificat criteriul de optimalitate, ar rezulta c soluia este optim. n
general, stabilirea unei soluii dual-admisibile este greu de realizat, motiv
pentru care acest algoritm se aplic atunci cnd o soluie dual realizabil se
poate stabili cu un volum mic de calcule, cnd restriciile sunt cu precdere
de forma , sau cnd aceasta se obine prin modificarea unor
caracteristici numerice din model. Acest algoritm poate fi privit ca dualul
algoritmului simplex-primal, deoarece reflect aplicarea acestuia la
problema dual.
Pentru algoritmul simplex dual, valorile funciei scop descresc cnd
aceasta se cere maximizat i cresc cnd se cere minimizat, pn cnd este
atins valoarea optim, dac programul liniar admite soluie optim finit.

112
Schema de desfurare a algoritmului simplex-dual, cnd se cere
[ ] f max este urmtoarea:

NU
DA
Modelul matematic se aduce la forma standard
Se stabilete o SDR:
( ) R
n
M B a.. ( )
T
m
B
x x b B X ....
1
1
= =

0
0
1
=

j j
B
j j
c a B c c f , n j , 1 =
0 <
k
x a.
0
kj
y , n j , 1 =
STOP
Problema
este fr
soluii.
Alege { }
s
x s
l
x x
s
0 |
min
<
= (C.E.B);
Elimin din baz vectorul
l
a ;
Alege
<
min
0 |
lj
j j
y j
lk
k k
y
c f
y
c f
lj
(C.I.B);
nlocuiete vectorul
l
a cu
k
a ;
Se formeaz
1
B
Se calculeaz elementele noului tabel; dup regulile aplicate n cazul algoritmului
simplex primal, avnd ca pivot elementul 0 <
lk
y . Dac nu apare fenomenul de
ciclare, dup efectuarea calculelor se ajunge la una din situaiile:
1. 0
1
B
X i 0
j j
c f , n j , 1 = STOP. Problema admite soluie
optim finit.
2. 0
1
B
X i 0 <
k k
c f , { } n k ,.., 1 s-a generat o SAB, se va continua
cu algoritmul simplex-primal.
3. Exist cel puin o variabil bazic cu valoare strict negativ i 0
j j
c f ,
n j , 1 =
113
Observaie: Cele dou criterii de eliminare i respectiv de intrare n baz,
sub aceast form, sunt invariante la tipul de optim.

Pentru o mai bun nelegere a modalitilor de operare a celor doi
algoritmi duali, se vor sumariza principalele lor elemente dup cum
urmeaz:

Algoritmul simplex primal Algoritmul simplex dual
Soluie de
start,
B baz
curent
SAB
X : 0
1
=

b B X
B
;
0 =
R
X ;
Obs: 0 =
s s
c f ,
s
x variabil
bazic
SDR
X : b B X
B
=
1
; 0 =
R
X a..
0 <
s
x ,
B
J s i
0
j j
c f j (pt. [max]) sau
0
j j
c f j (pt. [min])
STOP
a) Dac 0
j j
c f j (pt. [max]),
respectiv 0
j j
c f j (pt.
[min]) programul are soluie
optim finit.
b) Dac
k
a nebazic pentru care
0 <
k k
c f i 0
sk
y , s (pt.
[max]), respectiv 0 >
k k
c f i
0
sk
y , s (pt. [min])
program cu funcia obiectiv
nemrginit.
a) Dac 0
j j
c f j (pt. [max]),
respectiv 0
j j
c f j (pt.
[min]) i 0
B
X programul
liniar are soluie optim finit.
b) Dac 0 <
s
x ,
B
J s i 0
sj
y ,
j programul liniar nu are soluie.

Algoritmul
se continu
dac
Pt. [max]: 0 <
k k
c f i 0 >
sk
y
pentru cel puin o valoare
B
J s . Se
continu cu simplex primal.
Pt. [min]: 0 >
k k
c f i 0 >
sk
y
pentru cel puin o valoare
B
J s . Se
continu cu simplex primal.
Dac pt. [max] 0
j j
c f , respectiv
pt. [min] 0
j j
c f , j , i
0 <
s
x ,
B
J s , atunci se continu
cu simplex dual, deoarece s-a generat o
SDR.
Dac pt. [max] 0 <
k k
c f , respectiv
pt. [min] 0 >
k k
c f , cu
k
a nebazic,
i 0
s
x ,
B
J s , atunci se
continu cu simplex primal, deoarece s-a
generat o SAB.
Pivot
0 >
lk
y 0 <
lk
y
Criterii
pentru
schimbarea
bazei
a) C.I.B.
b) C.E.B.
a) C.E.B
b) C.I.B.
114
Pentru a nelege mai bine modul de aplicare a algoritmului simplex-
dual, precum i diferenele fa de aplicarea algoritmului simplex-primal,
vom da cteva exemple numerice.

Exemplul 1 S se gseasc soluia optim a modelului liniar:
3 , 1 , 0
3 2
6 2
2 4
6 5 6 [min]
3 2 1
3 2 1
3 2 1
3 2 1
=
+
+
+ +
+ + =
j x
x x x
x x x
x x x
x x x f
j
.

Soluie:
Se schimb sensul primelor dou restricii:
3 , 1 , 0
3 2
6 2
2 4
6 5 6 [min]
3 2 1
3 2 1
3 2 1
3 2 1
=
+
+

+ + =
j x
x x x
x x x
x x x
x x x f
j

Se aduce problema la forma standard
6 , 1 , 0
3 2
6 2
2 4
6 5 6 [min]
6 3 2 1
5 3 2 1
4 3 2 1
3 2 1

= + +
= + +
= +
+ + =
i x
x x x x
x x x x
x x x x
x x x f
i
.

Dup scrierea matricii

=
1 0 0 2 1 1
0 1 0 1 1 2
0 0 1 1 1 4
A , rangA=3<6,
se constat c bazei ( )
6 5 4
a a a i corespunde o soluie bazic
( )
T
X 3 6 2 0 0 0 = , care nu respect condiia de nenegativitate.

115
Pentru a stabili dac satisface criteriul de optimalitate, trebuie
construit primul tabel de tip simplex:

j
c

6 5 6 0 0 0
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
0
4
a -2 4 -1 -1
1 0
0
0
5
a -6 -2 1 -1
0 1
0
0
6
a 3 -1 1 -2
0 0
1

j
f
0 0 0 0 0 0 0

j j
c f

-6 5 -6

Soluia bazic construit este dual realizabil, deoarece verific
criteriul de optimalitate. Conform schemei de rezolvare vor fi efectuate
urmtoarele operaii:
Se verific dac n liniile valorilor strict negative ale variabilelor
bazice exist
i componente strict negative. Rspunsul fiind afirmativ, se vor aplica cele
dou criterii:
- Criteriul de eliminare din baz (C.E.B): { } 6 6 , 2 min =
5
a prsete
baza.
- Criteriul de intrare n baz (C.I.B):
2
6
1
6
,
2
6
min , min
23
3 3
21
1 1

y
c f
y
c f

1
a va fi al doilea
vector al noii baze i (-2) pivotul.
Se efectueaz calculele implicate de scrierea vectorilor b i
j
a ,
6 , 1 = j n noua
baz ( )
6 1 4
a a a i a diferenelor
j j
c f , 6 , 1 = j .

0 6 , 1 = j ? DA
116
Calculele sunt prezentate n tabelul de mai jos:

j
c
6 5 6 0 0 0
B
c

B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
0
4
a -14 0 1 -3
1 2
0
6
1
a 3 1 -1/2 1/2
0 1/2
0
0
6
a 6 0 1/2 -3/2
0 -1/2
1

j
f
18 6 -3 3 0 -3 0

j j
c f

-8 -3 -3

Noua soluie de baz se menine dual realizabil, ca urmare se vor aplica
criteriile algoritmului simplex-dual:
C.E.B: -14 unic
4
a eliminat;
C.I.B:
3
a va nlocui vectorul
4
a , -3 fiind singura component strict
negativ din linia vectorului eliminat.

Se va efectua o nou pivotare.

j
c

6 5 6 0 0 0
B
c
B
B
X
1
a

2
a
3
a
4
a
5
a
6
a
6
3
a 14/3 0 -1/3 1
-1/3 -2/3
0
6
1
a 2/3 1 -1/3 0
1/6 -1/6
0
0
6
a 13 0 0 0
-1/2 -3/2
1

j
f
32 6 -4 6 -1 -5 0

j j
c f

-9 -1 -5

0 6 , 1 = j ?
DA
0 6 , 1 = j ? DA
117
Din acest ultim tabel rezult: 0
B
X ; 0
j j
c f , 6 , 1 = j , deci
algoritmul se oprete. Problema admite soluia optim finit
T
X

= 13 0 0
3
14
0
3
2
*
cu 32 [min] = f .
Observaie: Spre deosebire de algoritmul simplex primal, unde valoarea
funciei obiectiv scade n cazul problemelor de minim de la o iteraie la
alta, pn la valoarea minim, n algoritmul simplex dual valoarea funciei
obiectiv crete pn la valoarea minim admisibil (n cazul studiat, de la 0
la 18, i apoi la 32).

Exemplul 2 Se consider programul liniar:
3 , 1 , 0
175 2 4
70 5 2
105 4 3
6 2 3 [max]
3 2 1
3 2 1
3 2 1
3 2 1

+ +
+ +
+ +
+ + =
j x
x x x
x x x
x x x
x x x f
j
.
Aflati soluia optim. S se scrie duala programului liniar dat. S se
afle soluia sa optim X aplicnd algoritmul simplex dual.
Soluie:
Mai nti aducem problema la forma standard:

6 , 1 , 0
175 2 4
70 5 2
105 4 3
6 2 3 [max]
6 3 2 1
5 3 2 1
4 3 2 1
3 2 1

= + + +
= + + +
= + + +
+ + =
j x
x x x x
x x x x
x x x x
x x x f
j
.

118
Rezolvarea acestei probleme este complet prezentat prin cele
3 tabele simplex de mai jos, corespunztoare iteraiilor parcurse pn la
aflarea soluiei optime:

j
c
3 2 6 0 0 0
B
c
B
B
X
1
x
2
x
3
x
4
x
5
x
6
x
0
4
x 105 1 3 4
1 0
0
0
5
x 70 2 5 1
0 1
0
0
6
x 175 4 1 2
0 0
1

j
f
0 0 0 0 0 0 0

j j
c f
-3 -2 -6

6
3
x 105/4 1/4 3/4 1
1/4 0
0
0
5
x 175/4 7/4 17/4 0
-1/4 1
0
0
6
x 490/4 7/2 -1/2 0
-1/2 0
1

j
f
315/2 3/2 9/2 6 3/2 0
0

j j
c f
-3/2 5/2 3/2

Se observ c 0
j j
c f , 6 , 1 = j , deci programul liniar admite
soluia optim finit ( )
T
X 35 0 0 20 0 25
*
= . Baza optim este dat
de ( )
6 1 3
a a a B = , a crei invers
1 2 0
0 7 / 4 7 / 1
0 7 / 1 7 / 2
1
B
6
3
x 20 0 1/7 1
2/7 -1/7
0
3
1
x 25 1 17/7 0
-1/7 4/7
0
0
6
x 35 0 -9 0
0 -2
1

j
f
195 3 58/7 6 9/7 6/7
0

j j
c f
43/7 9/7 6/7
0 6 , 1 = j ?
NU
0 6 , 1 = j ?
NU
0 6 , 1 = j ?
DA
119
poate fi citit n dreptul vectorilor care au format baza iniial.

Se construiete duala:

6 , 1 , 0
175 2 4
70 5 2
105 4 3
6 2 3 [max]
3 3 2 1
2 3 2 1
1 3 2 1
3 2 1

+ +
+ +
+ +
+ + =
j x
u x x x
u x x x
u x x x
x x x f
j

3 , 1 , 0
6 2 4
2 5 3
3 4 2
175 70 105 [min]
3 2 1
3 2 1
3 2 1
3 2 1

+ +
+ +
+ +
+ + =
i u
u u u
u u u
u u u
u u u g
i

Din forma standard:

6 , 1 , 0
6 2 4
2 5 3
3 4 2
175 70 105 [min]
6 3 2 1
5 3 2 1
4 3 2 1
3 2 1

= + +
= + +
= + +
+ + =
i u
u u u u
u u u u
u u u u
u u u g
i

rezult c matricea A conine matricea unitate, din
3
R , cu semn schimbat,
ca urmare toate restrictiile dualei vor fi nmulite cu ( ) 1 :

6 , 1 , 0
6 2 4
2 5 3
3 4 2
175 70 105 [min]
6 3 2 1
5 3 2 1
4 3 2 1
3 2 1

= +
= +
= +
+ + =
i u
u u u u
u u u u
u u u u
u u u g
i
.

120
Rezolvarea problemei, prin algoritmul simplex dual, este prezentat
mai jos:

j
c
105 70 175 0 0 0
B
c
B
B
X
1
u
2
u
3
u
4
u
5
u
6
u
0
4
u -3 -1 -2 -4
1 0
0
0
5
u -2 -3 -5 -1
0 1
0
0
6
u -6 -4 -1 -2
0 0
1

j
f
0 0 0 0 0 0 0

j j
c f
-105 -70 -175

0
4
u -3/2 0 -7/4 -7/2
1 0
-1/4
0
5
u 5/2 0 -17/4 -1/2
0 1
-3/4
105
1
u 3/2 1 1/4 1/2
0 0
-1/4

j
f
315/2 105 105/4 105/2 0 0 -105/4

j j
c f
-175/4 -243/4
-105/4
70
2
u 6/7 0 1 2
-4/7 0
1/7
0
5
u 43/7 0 0 -8
-17/7 1
-1/7
105
1
u 9/7 1 0 0
1/7 0
-2/7

j
f
195 105 70 140 -25 0 -20

j j
c f
-210 -25
-20

Se observ imediat c 195 [min] [max] = = g f . Soluia optim a
dualei este
= 0
7
43
0
7
6
7
9
*
U .

Se verific uor c
( )
*
3
*
2
*
1
20
0
25
7 / 2 0 7 / 1
7 / 1 1 7 / 17
7 / 1 0 7 / 4
15 0 70
x
x
x
.
0 6 , 1 = j
0 6 , 1 = j
0 6 , 1 = j
121
6. Probleme pentru fixarea cunotinelor

Problema 1 Se consider modelul liniar:
3 , 1 , 0
20 2
12 2
4 5 3 [min]
3 2 1
2 1
3 2 1
=
+ +
+
+ + =
j x
x x x
x x
x x x f
j
.
a) S se genereze, dac este posibil, SAB sau/i SDR prin explicitarea
sistemului de restricii n raport cu bazele ) , (
2 1
a a i ) , (
3 2
a a .
b) S se scrie duala sa. Admite soluie optim finit? Justificai rspunsul.
c) Ce legtur exist ntre SAB generat la punctul a) i problema dual?
d) S se rezolve problema dat cu ajutorul algoritmului simplex-dual.

Soluie:
a) Forma standard:
5 , 1 , 0
20 2
12 2
4 5 3 [min]
5 3 2 1
4 2 1
3 2 1
=
= + +
= +
+ + =
j x
x x x x
x x x
x x x f
j
.

Matricea sistemului de restricii:
=
1 0 1 2 1
0 1 0 1 2
A .

Vectorul termenilor liberi:
=
20
12
b .

122
Pentru baza determinat de coloanele 1 i 2 din matricea A,
) (
2 1
a a B = , rezult ) (
5 4 3
a a a R = ,
=
2
1
x
x
X
B
,
=
5
4
3
x
x
x
X
R
. Sistemul de
restricii scris sub forma canonic relativ la B este

II.6.1
20
12
1 0 1
0 1 0
2 1
1 2
5
4
3
2
1
x
x
x
x
x
.

Prin nmulirea relaiei II.6.1 cu
3
2
3
1
3
1
3
2
1
B , obinem:
20
12
3 / 2 3 / 1
3 / 1 3 / 2
1 0 1
0 1 0
3 / 2 3 / 1
3 / 1 3 / 2
1 0
0 1
5
4
3
2
1
x
x
x
x
x
, sau
3 / 28
3 / 4
3 / 2 3 / 1 3 / 2
3 / 1 3 / 2 3 / 1
5
4
3
2
1
x
x
x
x
x
.
Deoarece 0
3 / 28
3 / 4
1
>
b B se poate construi o soluie admisibil

de baz, i anume
3
4
1
= x ,
3
28
2
= x , 0
5 4 3
= = = x x x , pentru care valoarea
funciei obiectiv va fi
3
152
.
123
Baza generat de coloanele 2 i 3 din matricea sistemului de
restricii,
=
1 2
0 1
B , cu inversa
1 2
0 1
1
B , conduce la urmtoarea
explicitare a sistemului de restricii ale problemei:
20
12
1 0 1
0 1 2
1 2
0 1
5
4
1
3
2
x
x
x
x
x
,
de unde rezult, prin nmulirea cu
1
B :

20
12
1 2
0 1
1 0 1
0 1 2
1 2
0 1
5
4
1
3
2
x
x
x
x
x
.

Dup efectuarea calculelor apare scrierea explicit a sistemului de
restricii n raport cu baza ( )
3 2
a a din spaiul bunurilor:
4
12
1 2 3
0 1 2
5
4
1
3
2
x
x
x
x
x
sau
= + +
= +
4 2 3
12 2
5 4 3 1
4 2 1
x x x x
x x x
.

Se observ c
4
12
1
b B nu are toate componentele pozitive.
Dac se vor anula variabilele nebazice 0
5 4 1
= = = x x x i cele bazice vor
lua valorile 12
2
= x , 4
3
= x , se va obine o soluie a problemei care are
dou componente nenule (rangA=2) i vectorii ataai variabilelor bazice
sunt liniar independeni (
2
a i
3
a formeaz baza). n aceste condiii,
vectorul ( )
T
X 0 0 4 12 0
1
= nu poate fi SAB, dar ar fi dual
124
realizabil dac ar verifica criteriul de optimalitate. Se va verifica acest
lucru:

j
c
3 5 4 0 0
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
5
2
a
12 2 1 0 -1 0
3
3
a
-4 -3 0 1 2 -1

j
f
48 1 5 3 1 -3

j j
c f
-2 0 0 1 -3

Deoarece 0
4 4
> c f , vectorul ( )
T
X 0 0 4 12 0 = nu este
soluie dual realizabil, este doar soluie pentru modelul scris sub forma
standard.
Observaie: n tabel, vectorul
3
2
trecut n coloana lui
1
a reprezint
scrierea acestuia n baza ) (
3 2
a a . ntr-adevr,
= =
=
3 4
2
1
0
3
2
1
2 3 2
1
2
3 2 1
a a a .

b) Construim acum duala problemei din enun.
3 , 1 , 0
20 2
12 2
4 5 3 [min]
2 3 2 1
1 2 1
3 2 1
=
+ +
+
+ + =
j x
u x x x
u x x
x x x f
j
, de unde rezult duala
0 ,
4 0
5 2
3 2
20 12 [max]
2 1
2 1
2 1
2 1
2 1
+
+
+
+ =
u u
u u
u u
u u
u u g
.

Se observ c orice cuplu ) , (
2 1
u u care verific primele dou
restricii ale problemei duale, o verific i pe a treia. Mulimea soluiilor
admisibile ale acestei probleme este dat de intersecia dintre semiplanele
125
determinate de inecuaiile: 3 2
2 1
+ u u , 5 2
2 1
+ u u i 4
2
u , n
condiiile 0 ,
2 1
u u , i este o mulime mrginit i convex. Atunci (vezi
teorema programrii liniare), problema admite soluie optim finit.
c) Fie baza dat de coloanele 1 i 2 din matricea sistemului de restricii ale
problemei
primale: ) (
2 1
a a B = . Atunci
3
0
1
) 5 3 (
1
1
1
=
= =

a B c f
B
,
5
1
0
) 5 3 (
2
1
2
=
= =

a B c f
B
.
n problema dual, acestei baze i corespunde un sistem de restricii saturate,
i anume, restriciile cu termenii liberi 3 i 5:
=
=
= +
= +
3
7
3
1
5 2
3 2
2
1
2 1
2 1
u
u
u u
u u
.
d) Soluia de start pentru algoritmul simplex-dual este o soluie dual
realizabil (SDR).
Se observ c matricea A conine matricea unitate de ordinul 2 cu
semnul schimbat: ) )( 1 (
5 4
a a B = . Restriciile scrise sub forma standard
se vor nmuli cu (-1):
= +
= +
20 2
12 2
5 3 2 1
4 2 1
x x x x
x x x

apoi se va scrie sistemul sub forma matriceal:

20
12
1 0
0 1
1 2 1
0 1 2
5
4
3
2
1
x
x
x
x
x
.
Vectorul
1
X de componente 0
3 2 1
= = = x x x , 12
4
= x i
20
5
= x verific sistemul de restricii din forma standard, are dou
componente nenule (rangA=2), cel puin una strict negativ, i corespunde
126
bazei ) (
5 4
a a B = .
1
X va fi SDR dac ar satisface criteriul de
optimalitate. S verificm acest lucru:

j
c
3 5 4 0 0
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
0
4
a
-12 -2 -1 0 1 0
0
5
a
-20 -1 -2 -1 0 1

j
f
0 0 0 0 0 0

j j
c f
-3 -5 -4 0 0
5
4
a
-2 -3/2 0 1/2 1 -1/2
3
2
a
10 1/2 1 1/2 0 -1/2

j
f
50 5/2 5 5/2 0 -5/2

j j
c f
-1/2 0 -3/2 0 -5/2
5
1
a
4/3 1 0 -1/3 -2/3 1/3
3
2
a
28/3 0 1 2/3 1/3 -2/3

j
f
152/3 3 5 7/3 -1/3 -7/3

j j
c f
0 0 -5/3 -1/3 -17/3
Iteraia 1: Deoarece 0
j j
c f , 5 , 1 j
1
X este SDR . Se aplic
algoritmul simplex dual:
CEB: min(-12, -20)=-20 eliminm vectorul
5
a ; n linia vectorului
eliminat toate componentele sunt pozitive? NU aplicm CIB.
CIB: min(|-3/-1|, |-5/-2|, |-4/-1|)=|-5/-2|
2
a ia locul lui
5
a , 2
22
= y
este pivot.

Iteraia 2: Deoarece 0
j j
c f , 5 , 1 j
2
X este SDR.
CEB:
4
a eliminat
CIB:
2 / 3
2 / 1
2 / 1
2 / 5
,
2 / 3
2 / 1
min
.
127
Observaia 1: Matricea
1
B se citete din ultimul tabel, n dreptul
vectorilor ce au format prima baz, dar, atenie, elementele vor fi luate cu
semn schimbat:
3 / 2 3 / 1
3 / 1 3 / 2
1
B .

Observaia 2: Valorile optime ale variabilelor dualei se citesc n linia
j
f
din ultimul tabel, n dreptul vectorilor ce au format prima baz (ca n tabelul
simplexului-primal), cu semnul impus n modelul dualei: 2 , 1 , 0 = i u
i

3
7
,
3
1
*
2
*
1
= = u u .

Problema 2 S se rezolve grafic i printr-o metod simplex urmtorul
program liniar:
2 , 1 , 0
5 3
3 2
4
3 5 [min]
2 1
2 1
2 1
2 1

+
+
+
+ =
j x
x x
x x
x x
x x f
j
.

Soluia grafic: n primul rnd vom reprezenta grafic mulimea
soluiilor admisibile ale problemei. Aa cum tim, mulimea soluiilor
admisibile este generat de restriciile programului liniar de mai sus, i se
afl la intersecia semiplanelor definite de aceste restricii. Pentru a gsi
semiplanele i apoi interesecia acestora, vom reprezenta mai nti dreptele
4 :
2 1 1
= + x x d , 3 2 :
2 1 2
= + x x d i 5 3 :
2 1 3
= + x x d .
Semiplanul determinat de prima restricie a problemei este cel
mrginit de dreapta
1
d i care nu conine originea. Semiplanul determinat
de a doua restricie este determinat de
2
d i nu conine originea. n fine,
semiplanul determinat de cea de-a treia restricie este mrginit de
3
d i nu
128
include originea. Dac notm { } A d d =
2 1
I , { } B d d =
3 1
I i
{ } C d d =
3 2
I , prin rezolvarea sistemelor de ecuaii
= +
= +
3 2
4
2 1
2 1
x x
x x
,
= +
= +
5 3
4
2 1
2 1
x x
x x
i
= +
= +
5 3
3 2
2 1
2 1
x x
x x
, gsim coordonatele punctelor A, B i C, i
anume:
3
11
,
3
1
A ,
2
7
,
2
1
B i
5
19
,
5
2
C . Astfel, poriunea haurat din
grafic reprezint mulimea soluiilor admisibile. Se tie faptul c soluia
optim se gsete ntr-unul din vrfurile mulimii soluiilor admisibile.
Astfel, este foarte uor de realizat faptul c
5
19
,
5
2
C reprezint punctul de
minim. Valoarea funciei obiectiv n acest punct, valoarea minim a funciei,
este
5
67
5
19
3
5
2
5 = + .

1
d
3
d
2
d
A
B
C
1
x
2
x
O
129
Observaie: Acelai lucru ar fi fost observat cu uurin i dac am fi
construit dreapta de nivel corespunztoare funciei obiectiv,
0 3 5 :
2 1
= + x x d . Ducnd paralele la aceast dreapt, se vede c prima
paralel care intersecteaz mulimea soluiilor admisibile ale problemei este
cea care trece prin
5
19
,
5
2
C i se afl la cea mai mic distan de origine.

Soluie analitic: Vom utiliza algoritmul simplex dual (punctul a)), apoi
algoritmul simplex primal (punctul b)).

Aducem mai nti problema la forma standard:

5 , 1 , 0
5 3
3 2
4
3 5 [min]
5 2 1
4 2 1
3 2 1
2 1

= +
= +
= +
+ =
j x
x x x
x x x
x x x
x x f
j
.

a) Pentru a aplica algoritmul simplex dual, vom nmuli mai nti fiecare
restricie cu ( ) 1 :
5 , 1 , 0
5 3
3 2
4
3 5 [min]
5 2 1
4 2 1
3 2 1
2 1

= +
= +
= +
+ =
j x
x x x
x x x
x x x
x x f
j
, cu

=
1 0 0 1 3
0 1 0 1 2
0 0 1 1 1
A .

Baza de start pentru algoritmul simplex dual trebuie s fie dual
admisibil. O astfel de baz este format din vectorii
3
a ,
4
a ,
5
a .
Cunoscnd toate aceste date, putem trece la aplicarea algoritmului
menionat anterior:
130

j
c
5 3 0 0 0
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
0
3
a
-4 -1 -1 1 0 0
0
4
a
-3 2 -1 0 1 0
0
5
a
-5 -3 -1 0 0 1

j
f
0 0 0 0 0 0

j j
c f
-5 -3
0
3
a
-7/3 0 -2/3 1 0 -1/3
0
4
a
-19/3 0 -5/3 0 1 2/3
5
1
a
5/3 1 1/3 0 0 -1/3

j
f
25/3 5 5/3 0 6 -1/3

j j
c f
-4/3 -1/3
0
3
a
1/5 0 0 1 -2/5 -3/5
3
2
a
19/5 0 1 0 -3/5 -2/5
5
1
a
2/5 1 0 0 -1/5 -1/5

j
f
67/5 5 3 0 -4/5 -1/5

j j
c f
-4/5 -11/5

Prima baz admisibil ( )
1 2 3
a a a este i baz optim pentru
modelul studiat. Din tabelul optimal obinem cel puin dou informaii:
funcia de eficien are valoarea minim
5
67
;
soluia optim are componentele:
5
2
*
1
= x ,
5
19
*
2
= x ,
5
1
*
3
= x , 0
*
4
= x ,
0
*
5
= x .

b) S relum modelul de la forma standard, deoarece aceast form ne
sugereaz folosirea metodei bazei artificiale (sau metoda celor dou
faze), n cazul n care se impune rezolvarea prin algoritmul simplex
primal.
0 j ?
DASDR
0 j ?
DASDR
0 j ?
DA soluie optim
131
Forma extins este:
8 , 1 , 0
5 3
3 2
4
3 5 [min]
8 5 2 1
7 4 2 1
6 3 2 1
8 7 6 2 1

= + +
= + +
= + +
+ + + + =
j x
x x x x
x x x x
x x x x
x x x x x f
j

.

j
c
5 3 0 0 0
B
c
B B
X
1
a
2
a
3
a
4
a
5
a
6
a
7
a
8
a

6
a
4 1 1 -1 0 0 1 0 0

7
a
3 -2 1 0 -1 0 0 1 0

8
a
5 3 1 0 0 -1 0 0 1

j
f
14 2 3 - - -

j j
c f
2 -5 3 -3 - - -

6
a
1 3 0 -1 1 0 -1 0
3
2
a
3 -2 1 0 -1 0 0 0

8
a
2 5 0 0 1 -1 0 1

j
f
3 +9 8 3 - - -

j j
c f
8 -5 - - -
5
1
a
1/3 1 0 -1/3 1/3 0 0
3
2
a
11/3 0 1 -2/3 -1/3 0 0

8
a
1/3 0 0 5/3 -2/3 -1 1

j
f
(58+ )/3 5 3 (5 -11)/3 (2-2 )/3 -

j j
c f
(5 -11)/3 (2-2 )/3 -
5
1
a
2/5 1 0 0 1/5 -1/5
3
2
a
19/5 0 1 0 -3/5 -2/5
0
3
a
1/5 0 0 1 -2/5 -3/5

j
f
67/5 5 3 0 -4/5 -11/5

j j
c f
-4/5 -11/5
132
Prin rezolvarea acestui model liniar prin cei doi algoritmi am vrut s
evideniem, nc o dat, comportarea dual a acestora n ceea ce privete
atingerea minimului funciei f :

Algoritmul
simplex primal
Algoritmul
simplex dual
14
01
= f
( ) 3 / 58
03
+ = f
9 3
02
+ = f
5 / 67 [min] = f
3 / 25
02
= f
0
01
= f
133

III. ANALIZA ECONOMICO-MATEMATIC
A PROBLEMELOR AFLATE N DUALITATE

Exist probleme economice echivalente care utilizeaz aceleai date
de intrare pentru restriciile din modelele matematice i n care funciile
economice se prezint fie sub forma unui maxim, fie sub forma unui minim.
De exemplu, n problema nutriiei poate interesa ntocmirea unei raii
alimentare ce trebuie s conin cantitatea necesar de uniti nutritive cu
pre de cost minim, dar i problema stabilirii unei raii la un pre dat, care s
cuprind un numr maxim de uniti nutritive. Pentru a stabili o raie este
recomandat ca cele dou probleme duale s fie analizate economic dup
rezolvarea lor matematic.
Problema de baz a crei soluie se gsete prin metode de
programare liniar este numit problema primal. Fiecrei probleme
primale i corespunde o problem dual, care aduce unitii de decizie
informaii adiionale. Natura problemei duale depinde de problema primal.
Dac problema primal este o problem de maximizare, atunci duala ei va fi
o problem de minimizare. Analog, dac primala este de minimizare, duala
va fi de maximizare.
Soluia optim nu trebuie s fie considerat ca un model de
inteligen de nedepit, ea trebuie analizat i, eventual, ajustat de ctre
manager, sftuit de specialiti, conform unor intercondiionri care nu au
putut fi exprimate prin relaiile matematice din modelul rezolvat, dar
cunoaterea ei este absolut necesar n luarea unor decizii justificate
tiinific.
134
1. Analiza problemei primale
Pentru a realiza analiza economic a operaiilor algoritmului simplex
primal se va considera un model clasic de stabilire a unui program optim de
fabricaie.
Problema primal:

III.1.1
3 2 1
12 10 20 [max] x x x f + + =
III.1.2
+ +
+ +
+
3 3 2 1
2 3 2 1
1 2 1
900 2 4 5
800 4 2
680 2
u x x x
u x x x
u x x

III.1.3 3 , 1 , 0 = j x
j

Problema dual (semnificaiile economice ale relaiilor dualei
depind de procesul modelat prin primal i tipul restriciilor primalei i vor
fi deduse n paragraful 2):

III.1.4
3 2 1
900 800 680 [min] u u u g + + =
III.1.5
+
+ +
+ +
12 2 4
10 4 2
20 5 2
3 2
3 2 1
3 2 1
u u
u u u
u u u

III.1.6 3 , 1 , 0 = i u
i

Elementele
modelului
Semnificaii economice
j
x , 3 , 1 = j
Numr de produse de tip
j
P .
i
b , 3 , 1 = i
Disponibilul din resursa i .
ij
a , 3 , 1 , = j i
Cantitatea din resursa i care
se consum pentru o unitate
de produs
j
P .
i
j
j ij
b x a
=
3
1
Resursa i este limitat.
j
c , 3 , 1 = j
Venit ateptat de la o unitate
de produs
j
P .
135
Analiza economico-matematic a problemelor aflate n dualitate
Relum tabelul simplex-primal i l analizm din punctul de vedere
propus:
T.III.1.1

j
c
20 10 12 0 0 0 Criterii
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a

0
4
a
680 1 2 1 1 0 0 680
0
5
a
800 2 1 4 0 1 0 400
0
6
a
900 5 4 2 0 0 1 180 (min)

j
f
0 0 0 0 0 0 0

j j
c f

-20 -10 -12
? 0 j NU

Criteriul de intrare n baz:
= =
1 1
20 ) ( min c f c f
j j
nebazic a
j
produsul
1
P este cel mai rentabil
deoarece va provoca cea mai mare cretere a funciei economice venit total,
i anume:

III.1.7

Egalitatea
1 1 1
c f c = apare ca un caz particular cnd soluia de
start este format numai din variabile de abatere.
Criteriul de ieire din baz este invariabil la tipul de optim.

Venit
total
T.III.1.2 2
Venit
total
T.III.1.1 1

+
Numr de uniti
a noii variabile
bazice
1
x .
Venit unitar
1 1 1
c f c =

=
3600
5
900
0
1
= + c

=

=
136
Conform consumurilor specifice
5
2
1
din cele trei resurse disponibile
n cantiti egale cu 680, 800, respectiv 900, numrul maxim de produse
1
P
care pot fi fabricate este 180; resursa
3
R este prima resurs care se consum
prin introducerea lui
1
P n programul de fabricaie.

T.III.1.2

j
c
20 10 12 0 0 0 Criterii
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a

0
4
a
500 0 6/5 -2/5 1 0 -1/5 -
0
5
a
440 0 -3/5 16/5 0 1 -2/5 440/(16/5) (min)
20
1
a
180 1 4/5 2/5 0 0 1/5 180/(2/5)

j
f
3600 20 16 8 0 0 4

j j
c f
6 -4 4
? 0 j NU

0
4
a
555 0 9/8 0 1 1/8 -1/4
12
3
a
275/2 0 -3/16 1 0 5/16 -1/8
20
1
a
125 1 7/8 0 0 -1/8 1/4

j
f
4150 20 61/4 12 0 5/4 7/2

j j
c f
21/4 5/4 7/2
? 0 j DA
STOP

Informaiile coninute n ultima iteraie:
Problema primal admite soluie optim finit ( 6 , 1 , 0 = j c f
j j
),
nedegenerat ( 0 >
B
X ) i unic determinat (nu exist vector nebazic cu
0 =
j j
c f ). Soluia optim este ( )
T
X 0 0 555 5 . 137 0 125
*
= .
Astfel, venitul maxim de 4150u.m este obinut dac structura programului
137
de fabricaie este 125
1
= x , 5 . 137
3
= x . Prin programul optim, resursele
2
R
i
3
R sunt consumate integral. Din resursa
1
R rmne un stoc de 555
uniti. Calculm consumul din
1
R :

680 125 2
*
2
*
1
= + x x ,

i concluzionm c cele 555 uniti pot fi folosite pentru 4 125 noi
programe, rmnnd un stoc de 55 uniti. Este posibil ca aceast
imobilizare de fonduri fixe s mreasc cheltuielile totale de fabricaie.
Produsul
2
P este nerentabil n condiiile actuale.

Venitul total este maxim i egal cu:

Dac problema primal admite soluie optim finit, atunci i duala
sa admite soluie optim finit i:
( ) ( ) 2 / 7 4 / 5 0
4 / 1 8 / 1 0
8 / 1 16 / 5 0
4 / 1 8 / 1 1
20 12 0
1 *
=
= =

B c U
B
,
elemente ce apar n linia
j
f n dreptul vectorilor ce au format prima baz.
Mai mult, 4150 [max] [min] = = f g .
Inversa bazei optime
1
B este utilizat n procedura de
postoptimizare (vezi capitolul IV).
Veni
total
maxim
Venit
total
T.III.1.2

+
Numr de uniti
a noii variabile
bazice
3
x .

3 3
c f

=

4150 4
5 / 16
440
3600 = + .

=

=
138
Forma standard a problemei duale este
= +
= + +
= + +
12 2 4
10 4 2
20 5 2
6 3 2
5 3 2 1
4 3 2 1
u u u
u u u u
u u u u
. nlocuim
aici
*
U citit anterior:

= +
= +
= +
12 7 5
10 14
4
5
20
2
35
2
5
6
5
4
u
u
u
, de unde rezult 0
*
4
= u ,
4
21
*
5
= u , 0
*
6
= u .
Aadar, ( )
6 6 5 5 4 4
*
3
*
2
*
1
c f c f c f u u u este soluia
optim pentru forma standard a dualei problemei analizate.

Din iteraia a doua, construim n acelai mod vectorul
( ) 4 6 0 4 0 0
2
= u . nlocuindu-l n forma standard a dualei
obinem:
= + +
= + +
= + +
12 ) 4 ( 8 0 0
10 6 16 0 0
20 0 20 0 0
.

Cum 5 , 1 , 0 = i u
i
i 0 4
6
< = u , soluia
2
u nu este admisibil
pentru dual. Se tie c dac Ub cX = i soluia admisibil de baz X nu
este optim, atunci U nu este soluie admisibil pentru dual, ceea ce tocmai
am verificat.
Efectund aceleai calcule cu elementele din tabelul optimal, gsim
c
*
3
U U = , deoarece, n acest caz,
SAB
X este optim.

139
n continuare vom generaliza analiza economic a operaiilor
necesare gsirii soluiei optime.
Pentru
j
a nebazic relativ la baza ) ,..., (
1 m
a a B = exist reprezentarea
unic:
m mj j j j
a y a y a y a + + + = ...
2 2 1 1
, pentru } ,.., 1 { m j ,
care poate fi scris pe componente astfel:

III.1.8
+ +
mm
m
m
mj
m
j
m
j
mj
j
j
a
a
a
y
a
a
a
y
a
a
a
y
a
a
a
...
.....
...

...

...
1
2
1
2
22
21
2
1
21
11
1
2
1

Relaia III.1.8 exprim echivalena consumului: pentru a fabrica un
produs
j
P se consum din
m
R R R ,..., ,
2 1
tot att ct s-ar consuma dac s-ar
prelucra
mj j j
y y y ,..., ,
2 1
uniti din
m
P P P ,..., ,
2 1
.
Criteriul de intrare n baz: presupunem c obiectivul este f [max] ,
atunci,
k
a intr n baz dac ) ( min
0
j j
c f
k k
c f c f
j j
=
<
, unde:
j mj m j j
mj
j
B
j j
B
j j
c y c y c c
y
y
c c a B c c f + + =
= =

) ... ( ... ) (
1 1
1
1
.
Interpretarea economic:

j
a B
1
reprezint scrierea lui
j
a n baza B (vezi III.1.8).
Ct se consum din
resursele
1
R ,,
m
R
pentru o unitate de
produs
j
P .
Ct se consum din cele m
resurse disponibile pentru
j
y
2
uniti de produs
2
P .
Interpretarea
economic:

140

j
c este venitul unitar ateptat de la o unitate
j
P .
n expresia
j mj m j
c y c y c + + ) ... (
1 1
, ) ... (
1 1 mj m j
y c y c + + este venitul total
ateptat din vnzarea a
mj j
y y ,..,
1
uniti din
m
P P ,..,
1
, iar
j
c este venitul
scontat din vnzarea unui produs
j
P .
Se vor analiza cele dou situaii posibile:

S1) 0 <
j j
c f implic
j j
c f < , deci este rentabil producerea lui
j
P .
Pentru o rentabilitate maxim se alege ) ( min
0
j j
c f
k k
c f c f
j j
=
<
.
Introducerea lui
k
a n baz este echivalent cu introducerea lui
k
P n
procesul de fabricaie; n acest mod se va produce cea mai mare cretere a
lui f.

S2) Dac j c f
j j
, , nici un produs din afara celor care au reprezentant n
baz nu este rentabil a fi produs. Valoarea
k k
c f apare ca un venit
marginal algebric corespunztor introducerii activitii
k
P n programul de
fabricaie.
Trecerea de la iteraia i la iteraia i+1 este realizat astfel nct
) ( ) (
) 1 ( ) ( +
i
SAB
i
SAB
X f X f :
) ( 4150 550 3600 ) 4 (
5 / 16
440
) ( ) ( ) ( ) (
) 3 ( ) 2 (
2
) ( ) 1 (
X f X f c f X f X f
i
k k l
i i
= = + = = =
=
+

Se spune c [ ] ) ( ) (
k k
lk
l
k k l
c f
y
x
c f = reprezint creterea lui f prin
trecerea la noua soluie admisibil de baz.
141
Criteriul de ieire din baz: n ipoteza c se cere maximizarea funciei
economice, s presupunem c
l
a este eliminat din baz la iteraia i. Atunci
lk
l
sk
s
y
y
x
y
x
sk
=
>0
min .

Dac
) ( ) 1 (
1
i
s
i
k
x x =
+
scade cu
sk
y ;
sk
y apare ca o tax de
substituire a activitii
k
P de ctre activitatea
s
P .
Pentru problema considerat la iteraia 2 lum n discuie activitatea
1
P : 180
) 2 (
1
= x ; s=1, k=3
13
) 3 (
3
) 2 (
1
) 3 (
1
y x x x = , adic
5
2
2
275
180 125 = . n concluzie, numrul produselor
1
P scade la 125.

pivot
B
B
X
s
a
l
a
s
x
l
x
k
a
sk
y
lk
y
La iteraia ) 1 ( + i valorile variabilelor bazice
s
x i
k
x sunt:
lk
sk
l s
lk
sk l lk s
s
y
y
x x
y
y x y x
x =

= :
kl
l
k
y
x
x = : sau
k
l
kl
x
x
y = :
care nlocuit mai sus ne permite scrierea:
sk
i
k
i
s
i
k
i
l
sk i
l
i
s
i
s
y x x
x
x
y
x x x = =
+
+
+ ) 1 ( ) (
) 1 (
) (
) ( ) ( ) 1 (

142
2. Analiza economico-matematic a problemelor primal-dual

Problema primal este calea original prin care se enun
matematic problema propus a fi rezolvat.
Se consider m resurse,
m
R R R ,..., ,
2 1
(materii prime, materiale, for
de munc, capaciti de producie, etc) care particip la realizarea a n
produse,
n
P P P ,..., ,
2 1
. Notm cu
j
c venitul obinut n urma valorificrii unei
uniti
j
P , iar cu
j
x nivelul activitii
j
P , n j , 1 .

Obiectivul problemei este:

III.2.1

Restriciile sunt date de disponibilul limitat de resurse:
i
n
j
j ij
b x a
=1
, m i , 1 ,

adic,

III.2.2

m i , 1 .
Desigur, condiia de nenegativitate este de asemenea impus:
0
j
x , n j , 1 .

= =
= =
n
j
n
j
j j
x c f
1 1
[max]
Venit ateptat de
la o unitate
j
P
Numr de
uniti
j
P
=
n
j 1
Ct se consum din
resursa
i
R pentru
o unitate din
j
P
Numr
de uniti
j
P
Disponibil
din resursa
i
R
143
Problema dual este unic determinat pentru o problem primal
dat. Programul su liniar utilizeaz acealeai date de intrare, dar cu alte
semnificaii algebrice.
Obiectivul:

III.2.3

Restriciile sunt date de:
j
m
i
i ij
c u a
=1
, n j , 1 ,

ceea ce nseamn

III.2.4

Problema dual se rezolv n condiiile

0
i
u , m i , 1 .

Dac problema primal admite soluie optim finit, atunci i duala
are optim finit i

III.2.5 [ ] [ ] ) ( min ) ( max
* *
U g X f = .

= =
= =
m
i
m
i
i i
b u g
1 1
[min]
i
u
Disponibilul
din resursa
i
R
=
m
i 1

Ct se consum din
i
R pentru o unitate
de
j
P .
i
u
Venit ateptat de
la o unitate
j
P
, n j , 1 = .
144
Aceast relaie are urmtoarea interpretare:

Din cauza egalitii, variabila
i
u trebuie s aib semnificaia unui
pre ataat resursei
i
R ; acesta va fi numit pre umbr sau pre intern
sau pre de eficien.

Explicitd relaia III.2.5, gsim

III.2.6 [ ] [ ]
* * *
1 1
* *
1 1
... ... min max ...
m m i i n n
u b u b u b g f x c x c + + + + = = = + + ,
i, considernd

III.2.7 1 : + =
i i
b b ,

Obinem

III.2.8 [ ]
* *
1
* * * *
1 1
max ... ) 1 ( ...
i i
m
i
i i m m i i
u f u u b u b u b u b + = + = + + + + +

=
.
Din ultimele dou relaii, rezult semnificaia lui
*
i
u : acesta arat cu
ct crete valoarea optimal a programului primal dac disponibilul din
resursa
i
R crete cu o unitate. Aceast valoare poate fi privit ca o evaluare
i
u
=
n
j 1
Venit ateptat de
la o unitate
j
P
Numr de produse
j
P n programul
optim
=
=
m
i 1
Disponibil
din resursa
i
R
*
i
u
Uniti monetare Numr produse
Venit total optim msurat
n uniti monetare
Msurat n
kg, m
2
, lzi,
etc.
145
obiectiv determinat a unei uniti din resursa
i
R . Preurile umbr sunt
costuri impuse sau de oportunitate ale factorilor de producie (resurse, n
cazul considerat). Ei sunt indicatori cruciali pentru analiza programului
optim i pentru modificarea lui n cazul redefinirii valorilor unor
disponibile. Scrise ca un ir descresctor, valorile optimale ale variabilei
duale indic ordinea de preferin n aprovizionarea suplimentar din cele m
resurse; se poate astfel estima importana relativ a celor m resurse n
realizarea scopului declarat.
Resursele care sunt consumate prin programul optim au preuri
umbr nenule, iar cele care nu sunt consumate integral au preuri umbr
nule. Valorile
*
i
u , m i , 1 , depind de cantitile
i
b de resurse disponibile, de
valoarea consumurilor specifice
ij
a , n j , 1 , i de tipul restriciilor
primalei. n cazul 0
*
>
i
u , m i , 1 , ea va reprezenta aportul valoric
(contribuia bneasc) la venitul total al unei uniti din resursa
i
R i, n
acelai timp, reflect deficitul relativ al resursei n raport cu eficiena
sistemului, msurat prin venit.
Din punct de vedere matematic,
m
u u ,...,
1
sunt multiplicatorii lui
Lagrange; ei dau informaii despre rata de cretere sau descretere a lui
( ) X f la o cretere de o unitate a unui disponibil.
Din III.2.6 rezult c un program este optim dac i numai dac
exist un sistem de preuri umbr (
* *
1
,...,
m
u u ) astfel nct valoarea resurselor
exprimat prin ele egaleaz valoarea maxim a funciei obiectiv f. Preurile
umbr, ale cror valori sunt stabilite prin rezolvaea problemei primale, au o
mare importan practic, deoarece indic cu ct va crete venitul firmei
dac se decide mrirea produciei prin suplimentarea unor resurse.

146
S revenim la III.2.4. nlocuind
i
u prin semnificaia gsit, obinem:

pentru j fixat. Aceast restricie exprim un paradox,

care va fi nlturat prin utilizarea teoremei ecarturilor complementare.

Teorema ecarturilor complementare

Se consider un cuplu de probleme duale simetrice

{
0
] max [

=
X
b AX
cX f
x
i {
0
] min [

=
u
c uA
ub g
u
.

Condiia necesar i suficient pentru ca un cuplu de soluii
admisibile de baz
*
X i
*
U s fie optime este ca ele s satisfac simultan
relaiile:
III.2.9 0 ) (
* *
= b AX U ,
III.2.10 0 ) (
* *
= A U c X
T
.
=
m
i 1

Ct se consum din
resursa
i
R pentru
o unitate din
j
P
Preul umbr al
resursei
i
R
Venit ateptat de
la o unitate
j
P
Valoarea consumurilor din cele m
resurse pentru realizarea unui
produs
j
P , calculat pe baza
preurilor umbr
i
u
Venit ateptat de
la o unitate
j
P
147
Din III.2.10 se va analiza produsul

III.2.11 0
1
* *
=
=
i
n
j
j ij i
b x a u , m i , 1 = .

Cazul 1 0
*
>
i
u 0
1
*
=
=
i
n
j
j ij
b x a Dac prin programul optim resursa
i
R este consumat integral, atunci devine eficient mrirea acesteia cu cel
puin o unitate ( 1 +
i
b ). Cu ct valoarea lui
*
i
u este mai mare cu att crete
aceast eficien. Pe baza acestei interpretri putem trage concluzia c
*
f
crete orict dorim dac
i
b crete.
Pentru a exemplifica teoria care va fi dezvoltat, considerm dou
modele duale
3 , 1 , 0
800 2 2
900 4 3
700 3
15 14 18 [max]
3 2 1
3 2 1
2 1
3 2 1

+ +
+ +
+
+ + =
j x
x x x
x x x
x x
x x x f
j
i
3 , 1 , 0
15 2 4
14 2 3
18 3
800 900 700 [min]
3 2
3 2 1
3 2 1
3 2 1

+
+ +
+ +
+ + =
i u
u u
u u u
u u u
u u u g
i
,

despre care deinem urmtoarele informaii:

admit soluii optime finite
=
250
0
0
0
150
250
*
X , respectiv ( ) 4 5 3
*
= U ;
6600 [min] [max] = = g f .
148
primala a fost rezolvat prin algoritmul simplex primal. Din tabelul final
am extras baza optim: ) (
6 1 2
a a a ,
1 8 / 1 8 / 5
0 8 / 3 8 / 1
0 8 / 1 8 / 3
1
B i
) 0 5 3 5 0 0 ( =
j j
c f .
Pentru 1 = i relaia III.2.1 devine 0 ) 700 3 (
*
2
*
1
*
1
= + x x u . Soluiile
optime fiind cunoscute, se constat rapid c 0 700 3
*
2
*
1
= + x x i
0 3
*
1
> = u . Din interpretarea preului umbr u , rezult c, dac disponibilul
de 700 ar crete cu o unitate, f [max] de 6600 crete cu 3 uniti monetare.

Vom parametriza liniar acest disponibil n funcie de
*
1
u :
=
800
900
700
800
900
700
*
1
u
b

i ,...} 2 , 1 { . Scriem ) , (
*
1
u b n baza
) (
6 1 2
a a a :
} 400 ,..., 1 {
400
2000
,...} 2 , 1 {
0
8
5
250
8
250
8
3
150
800
900
700
) , (
*
1
*
1
*
1
*
1
*
1
1 *
1

+
=
+
=

u
u
u
u
u
B u X
B

Pentru aceste valori ale lui , ) ( X este optimal. n aceste
condiii,

3 6600
8
3
150 14
8
250 18 ) ( + =
+ +
= f .
Pentru = 400
+
=
800
900
1100
800
900
400 700
~
b
= =

0
200
300
~
~
1
b B X
B
.
149
Rezultatul obinut este foarte interesant deoarece s-a obinut un
program de fabricaie cu consumul integral al tuturor resurselor, dac
1
b
crete cu 400 de uniti, iar
2
b ,
3
b se menin. Valoarea maxim a funciei
obiectiv va fi, n acest caz, [ ] 8200 max = f u.m.
Cazul 2 0
1
*

=
i
n
j
j ij
b x a 0
*
=
i
u . Dac prin programul optimal resursa i
nu este complet utilizat, preul su umbr este nul. Pentru 3 = i , din
III.2.11, rezult:

0 ) 800 2 2 (
*
3
*
2
*
1
*
3
= + + x x x u , unde 550 2 2
*
3
*
2
*
1
= + + x x x reprezint
consumul din resursa
3
R , iar 800 este disponibilul din aceeai resurs.
Din relaia matriceal III.2.10, considerm produsul:

III.2.12 0
1
* *
=
=
m
i
i ij j j
u a c x , n j , 1 = ,
care va fi analizat n dou circumstane.

Cazul 3 0
*
>
j
x

=
=
m
i
i ij j
u a c
1
*
, cu interpretarea: este rentabil
prelucrarea produsului
j
P deoarece valoarea consumurilor unitare din cele
m resurse calculate pe baza preurilor (umbr) interne nu depete venitul
ateptat.

Pentru 1 = j , se observ c

0 )] 3 ( 18 [
*
3
*
2
*
1
*
1
= + + u u u x ,

1
11
=
a

3
12
=
a
1
13
=
a
150
cu 0 250
*
1
> = x . Coeficienii variabilelor dualei sunt elementele vectorului
1
a i reprezint consumurile specifice din cele trei resurse pentru un produs
1
P .
Ca urmare, avem urmtoarea interpretare:

Cazul 4
j
m
i
i ij
c u a
=1
*
0
*
=
j
x fabricarea lui
j
P nu este
rentabil deoarece evaluarea resurselor consumate pentru o unitate
j
P prin
preurile umbr depete venitul ateptat de la o unitate
j
P . Pentru cazul
numeric menionat mai sus i 3 = i , avem:
= = + 0 ] 20 15 [ )] 2 4 ( 15 [
*
3
*
3
*
2
*
3
x u u x = 0
*
3
x
3
P este nerentabil n
condiiile date.

S reinem:

Problema primal Problema dual
*
j
x nivelul activitii
j
P
(numr de produse
j
P )
j
n
j
i ij
c u a
=1
*
. Criterii de optimalitate pentru
primal cu factori de cost relativ.
i
m
i
j ij
b x a
=1
*
- ct va fi consumat din
i
R
prin programul optim)

*
i
u - preul umbr ataat lui
i
R , privit ca rata cu
care ) (
*
X f poate s creasc sau s descreasc la
o cretere cu o unitate a respectivei resurse.
RangA=m
Programul optim prevede realizarea a cel mult m
activiti diferite.
Cel mult m restricii ale dualei sunt verificate prin
egalitate.
[max]f [min]g
SAB SAB
U X X f U g , , 0 ) ( ) (
) ( ) ( ) ( ) (
*
X f U g X f U g
) ( ) ( ) ( ) (
*
X f U g X f U g
Venit
unitar
pentru
1
P

-
=
3
1 i
Ct se consum din cele
trei resurse pentru un
produs
1
P

Preurile unitare
umbr ale celor
trei resurse

= 0.
151
n finalul paragrafului revenim la problemele duale date de relaiile
III.1.1-III.1.3, respectiv III.1.4-III.1.6, pentru a le analiza prin prisma
teoremei ecarturilor complementare. Din teoremele fundamentale ale
dualitii rezult c duala unei probleme ce admite soluie optim finit are,
de asemenea, soluie optim finit i g f [min] [max] = . Soluia optim a
dualei poate fi stabilit aplicnd metoda simplex sau o variant a acesteia.

Rezolvarea dat n T.III.1.1-T.III.1.2 ne faciliteaz aflarea soluiei
optime a dualei. Deoarece baza iniial a fost ( )
6 5 4
a a a , soluia optim
a dualei este dat de valorile
4
f ,
5
f ,
6
f din ultimul tabel simplex. Astfel,
0
*
1
= u ,
4
5
*
2
= u ,
2
7
*
3
= u , iar valoarea minim a funciei obiectiv din dual
este
f g [max] 4150
2
7
900
4
5
800 0 680 [min] = = + + = .
Cele dou soluii optime,
T
X

=
2
275
0 125
*
i
=
2
7
4
5
0
*
U
trebuie s verifice relaiile:

( )
( )
( )
( ) [ ]
( ) [ ]
( ) [ ]
= +
= + +
= + +
= + +
= + +
= +
0 2 4 12
0 4 2 10
0 5 2 20
0 900 2 4 5
0 800 4 2
0 680 2
*
3
*
3
*
2
*
2
*
3
*
2
*
1
*
1
*
3
*
2
*
1
*
3
*
2
*
1
*
3
*
3
*
2
*
1
*
2
*
2
*
1
*
1
x u u
x u u u
x u u u
x x x u
x x x u
x x u

conform teoremei ecarturilor complementare.

152
S analizm o parte dintre aceste relaii:
- Valoarea optim a variabilei
2
u este strict pozitiv, 4 / 5
*
2
= u ,
atunci a doua relaie este adevrat 0 800 4 2
*
3
*
2
*
1
= + + x x x . Dac
preul intern ce caracterizeaz resursa a doua (fondul de timp disponibil al
seciei 2) este strict pozitiv, atunci aceast resurs este complet utilizat n
programul optim de producie. Valoarea 5/4 d creterea lui 4150 [max] = f
dac fondul de timp al seciei 2 crete cu o unitate. Dac problemele duale
nu sunt simetrice, i n practic acest lucru este frecvent,
*
i
u poate fi strict
negativ, ceea ce nseamn c matricea disponibilului resursei i este
nerentabil, deoarece duce la micorarea lui f [max] .

- n prima relaie avem 0 680 0 2 125 680 2
*
2
*
1
+ = + x x , de
unde rezult c
*
1
u trebuie s fie 0, i, ntr-adevr, 0
*
1
= u . n acest caz,
interpretarea economic este urmtoarea: dac programul optim nu
presupune epuizarea fondului de timp disponibil al seciei 1, atunci preul de
eficien al resursei este nul. Eficiena mririi acestui fond este nul, n
realitate ar provoca pierderi (resurs nestocabil).

- n penultima relaie,
( ) 0 4 2 10
*
3
*
2
*
1
+ + u u u
= > + +
2
10
2
7
4
4
5
0 2 c 0
*
2
= x .
Produsul de tip 2 nu intr n programul optim de fabricaie, deoarece
valoarea timpilor de prelucrare la cele trei secii a unui produs de tipul 2,
calculat pe baza preurilor interne optime, depete profitul su unitar.
- Din antepenultima i ultima relaie rezult c este rentabil
prelucrarea a 125 produse de tipul 1 i a
2
275
produse de tipul 2, pentru
c valorile timpilor de prelucrare obinute prin evaluarea acestora cu
ajutorul preurilor interne nu depesc profiturile.

153
Un program de producie este optim sub aspectul profitului dac i
numai dac exist un sistem de preuri interne (preuri umbr) care s
egaleze profiturile cu cheltuielile, g f [min] [max] = . Preurile interne apar
ca expresie a valorii resurselor luate n consideraie n modelul matematic.
Valoriel lor optime sunt nule pentru resursele excedentare i nenule numai
pentru resursele folosite integral n programul optim.

3. Interpretarea geometric a dualitii

Se consider problema de programare liniar

(P.P)
5 , 1 , 0
400
700 2
12 11 3 20 2 [min]
2 5 4 2
1 5 4 3 1
5 4 3 2 1

+ +
+ + +
+ + + + =
j x
u x x x
u x x x x
x x x x x f
j

care are duala

(P.D)
0 ,
12 2
11
3
20
2
400 700 [min]
2 1
5 2 1
4 2 1
3 1
2 2
1 1
2 1
+
+

+ =
u u
x u u
x u u
x u
x u
x u
u u g

154
Se aplic algoritmul simplex primal pentru a stabili existena sau
nonexistena soluiei optimale a primalei. Forma standard a sistemului de
restricii pentru problema primal este urmtoarea:

= + +
= + + +
400
700 2
7 5 4 2
6 5 4 3 1
x x x x
x x x x x
,

astfel c
=
1 0 1 1 0 1 0
0 1 2 1 1 0 1
A , cu rangA=2,
=
400
700
b i
( ) 0 0 12 11 3 20 2 = c .

Dac baza de start este ( )
2 1
a a , atunci
1
SAB
X ataat ei va avea
componentele 700
1
= x , 400
2
= x , 0 =
i
x 7 , 3 i i
9400 400 20 700 2 ) (
1
= + =
SAB
X f .

Dac ( )
2 3
a a B = , atunci
2
SAB
X va avea componentele 0
1
= x ,
400
2
= x , 700
3
= x , 0 =
i
x 7 , 4 i , iar
10000 700 3 400 20 ) (
2
= + =
SAB
X f .

Problema cere minimizarea formei liniare f, i cum ) (
1
SAB
X f este
mai apropiat de [min]f dect ) (
2
SAB
X f ,
1
SAB
X va fi soluia de start.
Se aplic algoritmul simplex primal.

155

j
c
2 20 3 11 12 0 0
B
c
B
B
x
1
a
2
a
3
a
4
a
5
a
6
a
7
a

2
1
a
700 1 0 1 1 2 -1 0 700/2 (min)
20
2
a
400 0 1 0 1 1 0 -1 400/1

j
f
9400 2 20 2 22 24 -2 -20

j j
c f
-1 11 12 -2 -20

j
c

2 20 3 11 12 0 0
B
c

B
B
x

1
a

2
a

3
a

4
a

5
a

6
a

7
a

12
5
a
350 1/2 0 1/2 1/2 1 -1/2 0 350/(1/2)
20
2
a
50 -1/2 1 -1/2 1/2 0 1/2 -1 50/(1/2) (min)

j
f
5200 -4 20 -4 16 12 4 -20

j j
c f

-6 -7 5 4 -20
12
5
a
300 1 -1 1 0 1 -1 1
11
4
a
100 -1 2 -1 1 0 1 -2

j
f
4700 1 10 1 11 12 -1 -10

j j
c f

-1 -10 -2 -1 -10
1,7 j , 0 =
STOP

Modelul admite optim finit
=
0
0
300
100
0
0
0
*
X ,
iar

[min]f=4700.
156
Din prima teorem fundamental a dualitii rezult c i duala
acestei probleme are soluie optim finit i . 4700 [max] [min] = = g f
Soluia optim a dualei se citete n linia
j
f din ultimul tabel, n dreptul
vectorilor ce au format prima baz. Aadar, soluia optim a dualei este:
1
*
1
= u , 10
*
2
= u .
Soluia optim a dualei poate fi determinat foarte uor folosind
metoda grafic. Intersecia semiplanelor ale cror ecuaii sunt date de
restriciile problemei va evidenia poligonul soluiilor admisibile:
2 : 2
1 1 1
= u d u ; 20 : 20
2 2 2
= u d u ; 3
1
u este eliminat de
2
1
u ;
11 : 11
2 1 3 2 1
= + + u u d u u ; 12 2 : 12 2
2 1 4 2 1
= + + u u d u u .

1
u
3
d
4
d

1
d
A O
B
C
D
2
d
Figura III.3.1
157
este poligonul convex OABCD cu O(0,0), A(2,0), B(2,8), C(1,10)
i D(0,11). Din teoremele fundamentale ale programrii liniare, rezult c
exist o coresponden biunivoc ntre aceste puncte extreme i soluiile de
baz ale problemei (P.D). Pentru a afla soluia optim tim c este suficient
s calculm :

g(0,0)=0; g(2,0)=1400; g(2,8)=4600; g(1,10)=4700; g(0,11)=4400,
apoi s alegem cea mai mare valoare. Aceasta este g(1,10)=4700=[max]g, i
deci 1
*
1
= u , 10
*
2
= u .

Coordonatele acestor puncte extreme mai au i alt semnificaie, i
anume, sunt soluiile unor sisteme saturate de restricii ale dualei (sistemele
saturate sunt formate din restricii verificate cu egalitate). De exemplu,
B(2,8) verific sistemul saturat

= +
=
12 2
2
2 1
1
u u
u
.

Fie B o baz din tabelul simplex al primalei i
B
J mulimea indicilor
variabilelor bazice: de exemplu, baza ( )
2 1
a a , } 2 , 1 { =
B
J . La aceast baz
se poate asocia un sistem saturat de 2 restricii ale dualitii (n general
hiperplane) dup urmtorul procedeu:

Pasul 1 n tabelul cu baza ( )
2 1
a a se citesc
j
f , cu
B
J j .
2 1
1
= = f j ;
20 2
2
= = f j .

Pasul 2 Dintre restriciile dualei se rein acelea care au termeni liberi
j
f
citii la pasul
158
1. Acestea vor forma sistemul saturat.

=
=
20
2
2
1
u
u

Se consider a doua baz ( ) } 2 , 5 {
2 5
=
B
J a a .
Pasul 1 12 , 5
5
= = f j ;
= = 20 , 2
2
f j Pasul 2
= +
=
12 2
20
2 1
2
u u
u
.

Sistemul saturat al bazei optime ( )
4 5
a a va fi
= +
= +
11
12 2
2 1
2 1
u u
u u
.
Se observ c soluia acestui sistem este soluia optim a dualei.

n concluzie, exist o coresponden biunivoc ntre soluiile de baz
ale problemei primale i vrfurile poliedrului soluiilor admisibile ale dualei,
iar
2 1
400 700 u u g + = este o combinaie liniar pozitiv de vectori normali
la dreptele intersectate n A. n general, exist un singur astfel de vrf,
acesta reprezentnd chiar soluia optim.
159

IV. POSTOPTIMIZARE N PROGRAMAREA LINIAR

1. Aspectul economic al postoptimizrii

Soluia optim finit a modelului unui proces economic poate
reprezenta un program optim de fabricaie, o repartiie optim, o raie
optim ntr-o anumit perioad i n condiii exprimate matematic n
modelul elaborat. Ea ofer informaii pentru luarea unei decizii optime n
anumite condiii, deci pentru decident este foarte important s tie dac o
soluie optim este stabil i dac o mic modificare a unor date numerice
implic modificri mari ale soluiei optime. n analiza unor procese
economice reale prezint interes cunoaterea modului n care se schimb
soluia optim a unui model liniar odat cu variaia unuia sau a mai multor
elemente ale programului. n practica economic, se produc frecvent astfel
de modificri , prin schimbarea anumitor aspecte ale procesului tehnologic
i/sau a preurilor materiilor prime sau semifabricatelor i/sau scderea
vnzrilor, etc. n alte cazuri, variabilele modelului trebuie supuse unor
restricii noi, de exemplu ncadrarea ntr-un anumit disponibil al unei resurse
care de la un moment dat devine deficitar i care nu a fost luat n
consideraie iniial. Nu este exclus nici cazul n care se pune problema
schimbrii structurii programului prin introducerea de noi produse ce par
rentabile.
Apar astfel modele liniare cu coeficieni variabili ale cror soluii
optime, dac exist, trebuie determinate pentru ca deciziile ce vor fi luate s
fie optimale.
Problematica expus mai sus poart denumirea de postoptimizare i
este caracterizat prin faptul c variaia coeficienilor este discret. Pentru
abordarea unitar a cazurilor n care modificarea procesului economic
160

produce schimbarea unor date numerice se va lucra cu un model liniar care
admite soluie optim finit,de forma:

[ ]
< = =

cX X f
X
n m A b AX
n m
) ( opt
0
A rang , ,
.

Se pune ntrebarea cum influeneaz aceste schimbri rezolvarea i
soluia optim a problemei iniiale? Se poate rspunde n dou moduri:
R1 Noul model poate fi rezolvat independent de cunoaterea soluiei
optime pentru problema iniial i a elementelor din tabelul simplex care o
conine.
R2 Se scrie modelul de aceeai structur cu cel iniial n care cel
puin o dat numeric este modificat sau modelul este extins prin
introducerea de noi restricii sau variabile. Se vor utiliza o parte din
elementele tabelului simplex care conine soluia optim a problemei iniiale
pentru a rezolva problema modificat. Acest procedeu poart denumirea de
postoptimizare sau reoptimizare i este preferat primului procedeu deoarece
volumul de calcul este redus simitor. Orice tip de postoptimizare presupune
parcurgerea a dou etape:

Etapa 1 Rezolvarea problemei ce modeleaz procesul economic
ntr-o anumit perioad.
Etapa 2 Se studiaz influena modificrii unor elemente ale
modelului sau extinderii lui asupra optimalitii soluiei gsite la Etapa 1.
Acest lucru se realizeaz prin refacerea unor calcule utiliznd anumite
elemente din tabelul simplex optimal.

161
Postoptimizare n programarea liniar

2. Postoptimizarea prin modificarea coeficienilor funciei scop

n practic, profiturile, preurile de vnzare, costurile unitare de
transport, ratele de schimb ale monedei naionale n alte uniti monetare,
preurile de achiziie, de fabricaie i alte asemenea elemente sunt elemente
supuse unor modificri repetate i uneori de amploare. Coeficienii
variabilelor
n
x x ,...,
1
din funcia scop pot avea aceste semnificaii.

Formulare matematic Se consider modelul liniar

IV.2.1
[ ]
< = =

cX X f
X
n m A A b AX
n m
) ( max
0
rang , ,
,

care admite soluia optim finit

IV.2.2
( )
( )
=
=

optimal baz
0
*
1
*
B
X
b B X
R
B
,

i se va specifica algoritmul folosit pentru aflarea acesteia. n cazurile ce vor
fi analizate n prezenta lucrare se va utiliza algoritmul simplex-primal cu
tabelul optimal de forma

T.IV.2.1

j
c
n j
c c c K K
1

B
c
B
B
X
n j
a a a K K
1

j
c
j
a
b B
1

n j a B
j
, 1 ,
1
=

j
f
B
B
X C
n j a B C
j B
, 1 ,
1
=

[ ] f max

j j
c f

j j B
c a B C
1

( ) n j , 1 , 0 =

162

Se cere s se stabileasc soluia optim, dac exist, a problemei de
programare liniar:

IV.2.3 [ ] X c X f
~
) (
~
max = ,
IV.2.4 n m A A b AX
n m
< = =

rang , , ,
IV.2.5 0 X ,

unde c
~
difer de c prin cel puin o component, c c c + =
~
, deci vectorul
) ,..., , (
2 1 n
c c c c = are ce puin o component diferit de 0.

Dac analizm cu atenie elementele din tabelul optimal (T.IV.2.1)
vom constata c ele pot fi clasificate n dou categorii:

Elemente n a cror formule de calcul nu intervin coeficienii
funciei scop:
b B X
B 1
= ,
n j a B a
j
B
j
, 1 ,
1
= =

.

Elemente care sunt afectate de modificarea elementelor vectorului
c .
T.IV.2.2

j
c
~

?
B
c
B
B
X
n j
a a a K K
1

?

j
f
~

? ?

j j
c f
~
~
?

Ce valori vor avea acestea dup modificarea lui c ? Soluia optim se
menine? i dac nu, cum se va afla noua soluie dac exist? Vom afla
rspunsurile la aceste ntrebri dup parcurgerea urmtorilor pai:

Pasul 1
Se identific baza iniial i se citete
1
B .
Se scrie ( )
N j
j j
c c c

+ =
~
.
163

Se construiete
B
c
~
ca fiind acea parte a vectorului c
~
care are
componentele respectiv egale cu coeficienii variabilelor bazice .

Pasul 2
Se citete baza optimal B pentru modelul iniial (vezi tabelul IV.2.1).
Dac
j
a este nebazic,
B
J J j \ , ( ) B a
j
, se calculeaz
j j
B
j j
c a B c c f
~ ~ ~
~
1
=

.
Se verific dac sunt ndeplinite condiiile de optimalitate dup
modificarea lui c :

Pentru[ ] ( ) n j c f f
j j
, 1 , 0
~
~
max = ?
- Dac NU Pasul 3.
- Dac DA STOP. Soluia optim a problemei iniiale este
optim i pentru problema postoptimizat i
[ ] ( ) ( ) [ ]
B B B B B B B B B
X c f X c X c X c c X c c X c f + = + = + = + = = max
~
~
max
* *

Pasul 3

Din teorema de optimalitate formulat pentru probleme de maxim,
rezult c exist cel puin o diferen strict negativ 0
~
~
<
j j
c f , cu
B
J J j \ , deci B nu mai este optimal pentru problema postoptimizat. Pe
de alt parte, valorile variabilelor bazice, nedepinznd de c , rmn pozitive,
ceea ce ne permite s tragem concluzia c soluia
*
X

va fi soluie
admisibil de baz pentru programul iniial. Se va verifica existena soluiei
optime a problemei cu c modificat, aplicnd algoritmul simplex-primal cu
soluia de start
*
X .

164

Exemplificare
Modelul matematic:
IV.2.6
[ ]
, 3 , 2 , 1 , 0
8 2
6
4 2
300 200 250 min
2 1
2 1
3 1
3 2 1
=
+
+
+
+ + =
j x
x x
x x
x x
x x x f
j

a fost rezolvat prin algoritmul simplex-primal. Generarea unei soluii
admisibile s-a realizat prin metoda bazei artificiale. S-a constatat c
programul liniar admite soluie optim finit, unic determinat i
degenerat, care poate fi citit din urmtorul tabel:
T.IV.2.3

j
c
250 200 300 0 0 0
0 >> 0 >>

B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
7
a
8
a

250
1
a
4 1 0 2 -1 0 0 1 0
200
2
a
2 0 1 -2 1 -1 0 -1 1
0
6
a
0 0 0 2 -1 2 1 1 -2

j
f
~

1400 250 200 100 -50 -200 0 50 200
[ ] min f

j j
c f
~
~

-200 -50 -200
50 200

( ) 8 , 1 , 0 = j

Acest tabel a fost obinut dup 2 iteraii, baza iniial fiind format
din ( )
6 8 7
, , a a a , unde
7
a i
8
a sunt vectori artificiali. Valorile optimale
sunt:
0 , 0 , 2 , 4 :
*
6
*
5
*
4
*
3 2
*
1
*
= = = = = =

x x x x x x X
i [ ] 1400 min = f .
Se va studia natura soluiei
*
X n cazul n care coeficienii funciei
obiectiv se modific astfel:
, 250
~
, 220
~
, 200
~
3 2 1
= = = c c c
sau
( ) ( ) c c c + = + = 50 300 , 20 200 , 50 250
~
.
Deseori paii 1 i 2 nu sunt parcuri explicit, ci se extinde tabelul
simplex optim al problemei iniiale cu:
linie
j
c
~
, deasupra liniei
j
c ;
165

o coloan
B
c
~
n stnga;
dou linii
j
f
~
i
j j
c f
~
~
n continuarea tabelului (aceste dou linii se
vor completa dup scrierea lui n j c
j
, 1 ,
~
= i
B
c
~
).
Redm aceast extindere i calculele implicate de aplicarea pasului 3
n urmtorul tabel:

j
c
~

200 250 250 0 0 0

j
c
250 200 300 0 0 0
B
c
~

B
c B
B
X
1
a
2
a
3
a
4
a
5
a
6
a

200 250
1
a
4 1 0 2 -1 0 0 _
250 200
2
a
2 0 1 -2 1 -1 0
1 2
0 0
6
a
0 0 0 2 -1 2 1 _

j
f
1400 250 200 100 -50 -200 0

j j
c f
-200 -50 -200

j
f
~

1300 200 250 -100 50 -250 0
[ ] min f

j j
c f
~
~

-350 50 -250
( ) ? 6 , 1 , 0 = j
NU Pasul 3
continu cu alg. simplex-
primal
200
1
a
6 1 1 0 0 -1 0
0
4
a
2 0 1 -2 1 -1 0
0
6
a
2 0 0 0 0 1 1

j
f
~

1200 200 200 0 0 -200 0
[ ] min f

j j
c f
~
~

-50 0 -200
( ) ? 6 , 1 , 0 = j
DA STOP

166

Se citesc valorile optimale:
2 , 0 , 2 , 0 , 6 :
~
*
6
*
5
*
4
*
3
*
2
*
1
*
= = = = = = x x x x x x X i [ ] 1200 min = f .
Spre deosebire de
*
X ,
*
~
X este nedegenerat. Verificm dac:
[ ] [ ]
B B
X c f f
~
max
~
max + = . ntr-adevr,

1200 200 1400 ) 0 2 4 )( 0 0 50 ( 1400 = = +
T
.

n concluzie, problema postoptimizat admite soluie optim finit
nedegenerat. Aceasta nu este unic determinat deoarece 0
3 3
= c
~
f
~
.
Propunem cititorului, ca exerciiu, aflarea unor soluii optime
nebazice cu generatorul + = , unde ,
*
2
*
1
*
X X X [ ] 1 0, , 1 = + i
*
X
1
,
*
X
2
soluii optime bazice.

3. Postoptimizarea n cazul modificrii vectorului b

Formulare matematic Se consider un program liniar

[ ]
< = =

. ) ( max
0
, ,
cX X f
X
n m A rang A b AX
n m

care admite soluie optim finit, cu tabelul optimal T. IV.2.1.

Presupunem c vectorul b i modific cel puin o component,
b b b + =
~
, cu 0 b , prin creterea unei capaciti de producie sau
modificarea disponibilului dintr-o resurs care nu a fost primit n timp util
sau din alte cauze similare. Examinnd cu atenie T.IV.2.1, se va observa c
modificarea lui b afecteaz valorile variabilelor bazice( b B
1
) i valoarea
funciei scop (
B B
X c ); celelalte elemente rmn neschimbate i subliniem
167

faptul c se menine criteriul de optimalitate. Noul tabel va avea modificat
doar coloana soluiei, dup cum se poate observa n urmtorul tabel:

T. IV.3.1

j
c
n j
c c c K K
1

B
c
B B
X
~

n j
a a a K K
1

b
~
B
1

j
f
B B
X C
~

j j
c f

Ne propunem s studiem natura urmtoarei probleme modificate:

[ ]
< = =

. ) ( max
0
rang , ,
~
cX X f
X
n m A A b AX
n m
.

n acest caz procedeul de postoptimizare este urmtorul:
Pasul 1 Se identific baza iniial i se citete
1
B .
Pasul 2 Se calculeaz noile valori ale variabilelor bazice; din punct
de vedere algebric, se scrie b
~
n baza B :
IV.3.1
( )
B
J j
j
B B
x b B X b B b B b b B b B X

= + = + = + = =
~
) (
~
~
1 1 1 1 1
.

Valoarea funciei obiectiv se modific astfel:
IV.3.2
b B c f b B c X c b B X c X c f
B B B B B B B B
+ = + = + = =
1
0
1 1
0
) (
~
~
.

168

Pentru
B
X
~
este verificat criteriul de optimalitate, deci pentru a-i
asigura optimalitatea mai trebuie s impunem condiia de non-negativitate a
componentelor sale: ? 0
~
X
Dac DA, atunci STOP. Noile valori optime ale variabilelor bazice
sunt respectiv egale cu
m
x x
~
, ,
~
1
K , iar valoarea funciei scop este dat de
relaia IV.3.2.
Dac NU, se trece la Pasul 3.
Pasul 3 Rezult c ( )
B
J s astfel nct 0
~
<
s
x . Cum criteriul de
optimalitate se menine, rezult c s-a generat o soluie dual realizabil
pentru problema postoptimizat. Se aplic algoritmul simplex-dual cu
soluia de start : . 0 ,
~
= =
R B B
X X X

Exemplificare Se consider un program liniar, prin care se cere
stabilirea structurii planului de fabricaie n condiiile existenei unor resurse
limitate (primele dou restricii), a folosirii unei resurse excedentare n
scopul asigurrii circulaiei fondurilor fixe i a realizrii unui venit maxim:

IV.3.3
[ ]
. 3 , 2 , 1 , 0

7500 2 3 5
4000 2 2
5600 2 2 3
2 2 3 max
3 2 1
3 2 1
3 2 1
3 2 1
=
+ +
+ +
+ +
+ + =
j x
x x x
x x x
x x x
x x x f
j
.

169

Din tabelul simplex-primal s-au reinut numai elementele ultimei
iteraii:

T. IV.3.2

j
c
3 2 2 0 0 0
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
7
a
2
2
a
1900 2 1 0 -1 0 -1 1
2
3
a
900 -1/2 0 1 3/2 0 1 -1
0
5
a
300 1 0 0 -2 1 -1 1

j
f
5600 3 2 2 1 0 0 0

j j
c f
0 1 0
0 >

Soluia optim
0 , 300 , 0 , 900 , 1900 , 0 :
*
6
*
5
*
4
*
3
*
2
*
1
*
= = = = = = x x x x x x X , nu este unic
determinat, deoarece n linia
j j
c f apar diferene egale cu zero ce
corespund vectorilor nebazici
1
a i
6
a . Variabilele
6 , 5 4
, x x x sunt variabile
de compensare. n soluia optim
5
x ia valoarea 300, ceea ce ar nsemna c
300 uniti din resursa
2
R cu disponibilul 4000 nu sunt utilizate. Se va
simula o modificare a termenului liber b prin micorarea disponibilului din
a doua resurs limitat:

. ) 7500 3700 5600 (
~
) 0 300 0 (
T T
b b = =

Pasul 1
Baza iniial este ) , , (
7 5 4
a a a . Se va lucra cu forma extins,
deoarece prin aducere la forma standard apar numai vectorii unitate
4
a i
5
a .

1 1 2
1 0
2
3
1 0 1
1
B .
170

Pasul 2
0 ) 0 900 1900 ( ) 7500 3700 5600 (
~
1
= =
T T B
B X STOP.
0 0
5600 ) 0 900 1900 ( ) 0 2 2 (
~
~
f X c f
T B B
= = = = .
Se observ c modificarea lui b las neschimbat structura programului de
fabricaie, dar consum integral resursa
2
R .
Se va exemplifica i cazul n care trebuie parcurs i Pasul 3, lund
b b b
T T T
+ = + = = ) 500 300 400 ( ) 7500 4000 5600 ( ) 8000 3700 6000 (
~
.
Pasul 2'
= =

? 0 ) 300 1000 2000 ( ) 8000 3700 6000 (
~
1 T T B
B x NU.

Pasul 3'
Primul tabel simplex-dual al problemei modificate va diferi de
tabelul simplex optimal al problemei iniiale prin componentele lui
B
X ,
valoarea lui
0
f i prin faptul c nu conine vectori artificiali. Exist o regul
general care spune c n tabelul simplex al problemei postoptimale nu
trebuie reinui vectorii artificiali, ca urmare rezult:

T. IV. 3.3

j
c
3 2 2 0 0 0
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a

2
2
a
2000 2 1 0 -1 0 -1
2
3
a
1000 -1/2 0 1 3/2 0 1
0
5
a
-300 1 0 0 -2 1 -1

j
f
6000 3 2 2 1 0 0
[ ] f max

j j
c f

0 1 0
( ) DA ? 6 , 1 , 0 = j
(vezi observaia 1)

171

T. IV. 3.3 (continuare)

j
c
3 2 2 0 0 0
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a

2
2
a
2300 1 1 0 1 -1 0
2
3
a
700 1/2 0 1 -1/2 1 0
0
6
a
300 -1 0 0 2 -1 1

j
f
6000 3 2 2 1 0 0
[ ] f max

j j
c f

0 1 0
( )
0
? 6 , 1 , 0
=
B
X
DA j
STOP

Observaia 1: Singura component strict negativ a vectorului
B
x este
5
) 300 ( a eliminat. Criteriul de intrare n baz:

( ) pivot 1
1
0
2
1
,
1
0
min

,

indic faptul c
6
a ia locul lui
5
a .

Se constat c, algoritmul se oprete dup o pivotare. Problema
postoptimizat admite soluia optim finit:

300 , 0 , 0 , 700 , 2300 , 0 :
*
6
*
5
*
4
*
3
*
2
*
1
*
= = = = = = x x x x x x X
i
6000
*
0
= f .

Remarcm faptul c soluia optim a problemei postoptimizate nu
este unic i propunem cititorului determinarea mulimii soluiilor optime
ale acestei probleme.
172

n teoria programrii liniare este cunoscut variaia funciei
economice, funcia cost total, funcia venit ateptat, n raport cu tipul de
optim al acesteia i sensul restriciilor inegaliti, atunci cnd o component
a vectorului b se modific. Principalele rezultate sunt sistematizate n tabelul
urmtor:

i
b
i
b
[ ] f min
i
n
j
j ij
b x a
=1

i
n
j
j ij
b x a
=1

[ ] f max
i
n
j
j ij
b x a
=1

i
n
j
j ij
b x a
=1

Pentru a exemplifica o parte dintre afirmaii se va utiliza modelul
IV.3.3, aplicndu-i procedeul de postoptimizare a vectorului b n cteva
cazuri particulare . Pentru o mai bun nelegere a celor ce urmeaz, din
T.IV.3.2 se va citi soluia optim a dualei problemei rezolvate: 1
*
1
= u ,
0
*
2
= u , 0
*
3
= u . Aceste valori vor fi folosite pentru analiza rezultatelor.

173

Ca i n alte cazuri totul va fi redat schematic dup cum urmeaz:
f [max]
Concluzii
Valorile
vectorului b
b B X
B
~
~
1
=
Valorile
funciei scop
B B B
X c X f
~
) ( =

Tipul
restriciei
f b
i
,
Valoare iniial
=
7500
4000
5600
b
5
3
2
300
900
1900
x
x
x
X
B
=
5600
*
= f
1 :
1 1
+ = b b
=
7500
4000
5601
~
b
5
3
2
298
2 / 1803
1899
~
x
x
x
X
B
= 5601 = f
Restricie
concordant

1
b 1u.resurs
f
*
1
1 u = u.
m
*
1 1 1
: u b b + =
+
R
+
=
7500
4000
5600
~
1
*
u
b
[ ] 150 , 0
0
2 300
2
3
900
1900
*
1
*
1
*
1
*
1

u
u
u
u

*
1
5600 u f + =
cu condiia
150 0
*
1
u
Restricie
concordant

>
+
0 ,
*
1
*
*
1 1
u R
u b

*
1
u f dac
150 0
*
1
u
din punct de
vedere
matematic. n
realitate acest
interval este
impus de
tehnologia
produselor.
100 :
1 1
= b b
=
7500
4000
5500
~
b
5
3
2
500
750
2000
x
x
x
5500 = f
Restricie
concordant

100
1
b u.res
urs
100 f u.
*
1
100u =
174

Concluzii
Valorile
vectorului b
b B X
B
~
~
1
=
Valorile
funciei scop
B B B
X c X f
~
) ( =

Tipul
restriciei
f b
i
,
100 :
3 3
= b b
=
7400
4000
5600
~
b
5
3
2
200
1000
1800
x
x
x
5600 = f
Restricie
neconcordan
t

100
3
b u.res
urs
f i menine
valoarea
100 :
3 3
+ = b b
=
7600
4000
5600
~
b
5
3
2
400
800
2000
x
x
x

5600 = f

Restricie
neconcordan
t

100
3
b u.res
urs
f i menine
valoarea
deoarece
0
*
3
= u

Pentru cazul complementar celui studiat se consider problema de
minim:
3 , 1 0
8 2
6
4 2
300 200 250 [min]
2 1
2 1
3 1
3 2 1
=
+
+
+
+ + =
j x
x x
x x
x x
x x x f
j

Din tabelul T.IV.2.3. reinem urmtoarele elemente:
Baza optim: ( )
6 2 1
a a a B = n raport cu care:

1 2 1
0 1 1
0 0 1
1
B ;
175

=
0
2
4
B
X ;
soluia optim a dualei: ( ) 0 200 50
*
= U ;
1400 [min]
*
= = f f .

Se simuleaz diferite modificri ale termenilor liberi i se obine
tabelul sintez:
f [min]
Concluzii
Valorile
vectorului
b
b B X
B
~
~
1
=

Valorile funciei
scop
B B B
X c X f
~
)
~
( =
Tipul
restriciei
f b
i
,
6 2
1 1
= + =b b
=
8
6
6
~
b
6
2
1
2
0
6
x
x
x

1500
~
= f
Restricie
concordant

> =
=
f f
b b
, 0 100
, 2
1 1

5 1
2 2
= =b b
=
8
5
4
~
b
6
2
1
2
1
4
x
x
x

1200
~
= f
Restricie
concordant

< =
=
f f
b b
, 0 200
, 1
2 2

10 2
3 3
= + =b b
=
10
6
4
~
b
6
2
1
2
2
4
x
x
x

1400
~
= f
Restricie
neconcordant

=
3 3
, 2 b b
0 = f deoarece 0
*
3
= u
7 1
3 3
= =b b
=
7
6
4
~
b
6
2
1
1
2
4
x
x
x

Restricie
neconcordant

SDR
176

4. Postoptimizarea n cazul modificrii vectorului J j a
j
,

Formulare matematic ntr-o problem de programare liniar ce
reprezint modelul unui proces economic, componentele vectorului
j
a pot
reprezenta consumuri specifice din m resurse utilizate pentru a obine un
produs j , timpi de prelucrare, sau altele. n general, aceste elemente,
numite coeficieni tehnologici, sunt supuse unei variaii lente n timp.
Totui, atunci cnd intervin modificri ale tehnologiei de fabricaie, o parte
a coeficienilor tehnologici se modific. S presupunem c numai un vector
J j a
j
, i schimb componentele. Considerm problema de programare
liniar:

b X
a a a a a
a a a a a
mn mj mj mj m
n ij ij ij
=
+
+
K K
K K K K K K K
K K
1 1 1
1 1 1 11
;

0 X ;

[ ]

=
+ =
n
j k
k
j j k k
x c x c f
1
max ,
care admite soluie optim finit. Prin modificarea vectorului
j
a ea devine:

b X
a a a a a
a a a a a
mn mj mj mj m
n ij ij ij
=
+
+
K K
K K K K K K K
K K
1 1 1
1 1 1 11
~
~
;

0 X ;
[ ]

=
+ =
n
j k
k
j j k k
x c x c f
1
~
max .
177

Cunoscnd tabelul simplex optimal al problemei iniiale, vom studia
influena modificrii lui
j
a i
j
c , J j asupra optimalitii soluiei sale.
Cu vectorii
n
a a , ,
1
K se pot forma dou mulimi disjuncte:
- mulimea vectorilor nebazici,
- mulimea vectorilor bazici,
i prin urmare deosebim dou cazuri:
Cazul 1 Vectorul
j
a este nebazic relativ la baza optim B .
Din tabelul urmtor se observ c n tabelul optimal al problemei rezolvate,
se modific numai coloana vectorului
j
a :

T IV.4.1

j
c
n j j j
c c c
~
c c K K K K K K K K
1 1 1 +

B
c
B
B
X
n j j j
a a a
~
a a K K K K K K K K
1 1 1 +

?

j
f
?

j j
c f

n j k c f j k c f
k k k k
, 1 , ? 1 , 1 , + = =

Natura programului postoptimizat va fi stabilit printr-un procedeu
descris n cele ce urmeaz.
Pasul 1
Se citete
1
B .
Se scrie vectorul
j
a
~
n baza B :
T
mj sj j j
B
j
y y y a B a )
~ ~ ~
(
~ ~
1
1
K K = =

,
B
J J j \ .
Se calculeaz
j
B
j
B
j j j j
c a c c f c f
~ ~ ~
~
:
~
~
= .
Pasul 2 Pentru [ ] ? 0
~
~
, max
j j
c f f
Dac DA, atunci STOP
*
X este soluie optim finit i
pentru problema modificat.
178


Pasul 3 ( ) ? } , , 1 { , 0
~
n s y
sj
K
Dac DA, atunci STOP, problema modificat admite optim
infinit, [ ] + = f max .

Pasul 4
*
X nu este soluie optim pentru problema postoptimizat.
Deoarece 0
~
~
<
j j
c f , nu se mai verific criteriul de optimalitate, ca
urmare
*
X este o soluie admisibil de baz pentru problema
postoptimizat. Pentru a-i stabili natura se aplic algoritmul simplex-primal
cu soluia de start
*
X . Practic, se copiaz tabelul IV.4.1, mai puin coloana
lui
j
a , care va fi completat cu rezultatele obinute la Pasul 1. Noua baz
va conine vectorul
j
a
~
.
T. IV.4.2

j
c
n j j j
c c c
~
c c K K K K K K K K
1 1 1 +

B
c
B
B
X
n j j j
a a a
~
a a K K K K K K K K
1 1 1 +

b B
1

j
a B
~ 1

j
f

j
f
~

j j
c f

0
~
~
<
j j
c f

Exemplificare Se consider problema IV.3.3, din paragraful 3 al
acestui capitol. Vectorul nebazic
T
a ) 5 2 3 (
1
= i modific
componentele i anume
T
a ) 3 2 2 (
~
1
= . Modificrile influeneaz venitul
ateptat n sensul creterii sale cu 0,5 uniti monetare: . u.m 5 , 3
~
3
= c
179

Pasul 1
T T
B
B a B ) 1 0 1 ( ) 3 2 2 (
~
1 1 2
1 0
2
3
1 0 1
1
1
1
= =
=

.
0 5 , 1 5 , 3
1
0
1
) 0 2 2 (
~ ~ ~
~
1 1 1 1
< =
= = c a c c f
B
B
.
Pasul 2 ? 0
~
~
1 1
c f NU. Atunci, se trece la urmtorul pas.

Pasul 3 Exist componente strict pozitive ale vectorului
1
~
a ? DA.
Atunci, se trece la Pasul 4.

Pasul 4 Se aplic algoritmul simplex-primal cu soluia de start
*
X .
Modificrile vor fi operate n T. IV.4.3.

T. IV.4.3

j
c
3,5 2 2 0 0 0
B
c
B
B
X
1
~
a
2
a
3
a
4
a
5
a
6
a

2
2
a
1900 1 1 0 -1 0 -1 1900/1
2
3
a
900 0 0 1 3/2 0 1 _
0
5
a
300 1 0 0 -2 1 -1 300/1

j
f
5600 2 2 2 1 0 0
[ ] max f

j j
c f
-1,5 1 0
( ) NU j ? 6 , 1 , 0 =

180

j
c
3,5 2 2 0 0 0
B
c
B
B
X
1
~
a
2
a
3
a
4
a
5
a
6
a

2
2
a
1600 0 1 0 1 -1 0 1600/1
2
3
a
900 0 0 1 3/2 0 1 900/3/2
3,5
1
a
300 1 0 0 -2 1 -1 _

j
f
650 3,5 2 2 -2 1,5 -1,5
[ ] max f

j j
c f
-2 1,5 -1,5
( ) NU j ? 6 , 1 , 0 =
2
2
a
1000 0 1 -2/3 0 -1 -2/3 _
0
4
a
600 0 0 2/3 1 0 2/3 600/3/2
3,5
1
a
1500 1 0 4/3 0 1 1/3 1500/1/3

j
f
7250 3,5 2 10/3 0 1,5 -1/6
[ ] max f

j j
c f
1/3 1,5 -1/6
( ) NU j ? 6 , 1 , 0 =
2
2
a
1600 0 1 0 1 -1 0
0
6
a
900 0 0 1 3/2 0 1
3,5
1
a
1200 1 0 1 -1/2 1 0

j
f
7400 3,5 2 3,5 1/4 1,5 0
[ ] max f

j j
c f
1,5 1/8 1,5
( ) DA j ? 6 , 1 , 0 =
STOP

Problema postoptimizat admite soluie optim finit:
900 , 0 , 1600 , 1200 :
*
6
*
5
*
4
*
3
*
2
*
1
*
= = = = = = x x x x x x X

i

[ ] 7400 2 1600 5 , 3 1200 max = + = f .

181

Se observ c venitul ateptat a crescut.

Cazul 1 Vectorul
j
a aparine bazei optime B .
Este tiut faptul c modificarea componentelor unui vector bazic
provoac modificarea scrierii vectorilor nebazici n respectiva baz:
j j
a B a B
1 1
~
.
Cum se poate afla
1
~
B ?
Spre deosebire de celelalte tipuri de postoptimizri, aici avem trei
variante de aciune pentru a stabili natura programului modificat.

V1. Se opereaz modificarea n model i se rezolv ca un program
liniar independent fa de cel iniial.

[ ]
=
+
. ) ( opt
0
)
~
(
1 1 1
cX X f
X
b X a a a a a
n j j j
K K
.

V2. Se scrie matricea A din forma standard a modelului studiat
) (
1 n j
a a a A K K = .
n cazul modelului IV.3.3 avem:

6 5 4 3 2 1
2
2
1
1
~
,
1 0 0 2 3 5
0 1 0 2 1 2
0 0 1 2 2 3
a a a a a a
a A
=
.

Se citete baza optim ) (
1 1 1 sm k s j k s s
a a a a a B K K
+
= :
) (
5 3 2
a a a B = .
182

Se construiete matricea ptratic de ordinul m cu coloanele
1 s
a ,...,
( ) 1 k s
a ,
j
a
~
,
( ) 1 + k s
a ,...,
sm
a , citite - excepie fcnd
j
a , care
va fi nlocuit cu
j
a
~
- din matricea A. Dac exist inversa sa, atunci
aceasta va fi
1
~
B . Ca exemplificare, avem:

=
0 2 2
1 2 1
0 3 1
,
2
1
1
~
2
B a ,
1
~
0 det

B B .

Se reconstituie iteraia cu baza B i
2
~
a , apoi se ia decizia de
STOP sau continuarea rezolvrii problemei postoptimizate.

Aceste variante implic un volum mare de calcule, chiar pentru m i
n relativ mici, motiv pentru care se va opta pentru varianta urmtoare.

V3. Se aplic procedeul de postoptimizare care const n parcurgerea
a cel mult cinci pai.

Pasul 1
n tabelul simplex optimal al problemei rezolvate, se citesc:

1
B ;
baza optim B i se noteaz cu k locul vectorului modificat n
aceast baz .

Pasul 2
Se afl componentele vectorului modificat n baza B :
T
mj kj j j
B
j
y y y a B a )
~ ~ ~
(
~ ~
1
1
K K = =

.
Componenta k este diferit de 0 ?

183

- Dac NU, atunci STOPnu exist soluie optim.
- Dac DA, atunci se trece la Pasul 3.

Pasul 3
Se construiete vectorul
T
kj
mj
kj
j k
kj kj
j k
kj
j
k
y
y
y
y
y y
y
y
y

=
+
~
~
~
~
~
1
~
~
~
~
1 1 1
.

Pasul 4
Fie
m
I matricea unitate de ordinul m . Prin
m
E
~
vom nelege
matricea ce difer de
m
I numai prin coloana k i anume:
) (
~
) (
1 1 1 1 m k k k m m k m
e e e e E e e e I K K K K
+
= = .
Se calculeaz:
1 1
~ ~

= B E B
m
.

Pasul 5
Se reconstituie iteraia problemei postoptimizate, n care apare baza
optim a problemei iniiale:
T.IV.4.4

j
c n k
c c c K K K K K K K K K K
1

B
c
B B
X
~

n k
a a a K K K K K K K K K K
1

im
j
i
c
c
c
M
M
~
1

im
j
i
a
a
a
M
M
~
1

b B
1
~
n j k a B a B j k a B
k j k
, 1 ,
~
1 , 1 ,
1 1 1
+ = =

j
f
~

0
~
f
n j f
j
, 1 ,
~
=

j j
c f
~
~

n j c f
j j
, 1 ,
~
~
=

184

Analiznd diferenele n j c f
j j
, 1 , = i valorile variabilelor bazice
date de b B
1
~
, deosebim patru cazuri sistematizate n urmtorul tabel
pentru problema de maxim:
T.IV.4.5
b B
1
~
B
j j
j
c f
\
0
~
~

( )
B
k k
J J k c f \ , 0
~
~
<

0
S1
STOP. Problema modificat
admite S.O. finit.
B
X
~
sunt
valorile optime ale
variabilelor bazice;
[ ]
0
~ ~
max f f = .
S2
S-a obinut o soluie
admisibil de baz; se
continu cu simplex-primal.
( )
B
B
s
J s x < , 0
~

S3
Se continu rezolvarea
problemei cu algoritmul
simplex-dual, deoarece s-a
generat o soluie dual
realizabil a problemei
modificate.
S4
Se reia rezolvarea de la
iteraia { } 1 \ , 1
*
+ i i ;
dac
j
a a intrat n baz n
iteraia
*
, i i , se
lucreaz cu
j
a
~
n baza
respectivei iteraii.

Observaia 1: Pentru problema de minim, n T.IV.4.5 se nlocuiete
0
~
~

j j
c f cu 0
~
~

j j
c f , ( )
B
k k
J J k c f \ , 0
~
~
> i [ ] f
~
max cu
[ ]
0
~ ~
min f f = . Celelalte condiii i comentariile rmn valabile.

185

Exemplificare
Pentru aflarea soluiei optime a programului liniar:

[ ]
. 4 , 1 , 0
40 2
100 2
17 20 6 4 max
4 3 2
4 3 1
4 3 2 1
=
+ +
+ +
+ + + =
j x
x x x
x x x
x x x x f
j

s-a folosit algoritmul simplex-primal. Iteraia n care s-a verificat criteriul de
optimalitate este dat n tabelul de mai jos:
T. IV.4.6

j
c
4 6 20 17 0 0
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a

4
1
a
20 1 -2 -3 0 1 -2
17
4
a
40 0 1 2 1 0 1

j
f
760 4 9 22 17 4 9
[ ] max f

j j
c f

3 2 4 9
( ) 6 , 1 , 0 = j

Observaia 2: Matricea A ataat problemei adus la forma standard este
de forma:
6 5 4 3 2 1
1 0 1 2 1 0
0 1 2 1 0 1
a a a a a a
A

=
.

186

Baza iniial poate fi: ( ) ( ) ( )
6 5 6 1 2 1
, , a a a a a a sau ( )
2 5
a a .
Dac, n T.IV.4.6, citim matricele scrise n dreptul acestor baze (n ordinea
n care apar vectorii bazei), se va obine o aceeai matrice:

1 0
2 1
1
B .

Presupunem c vectorul
4
a i modific componentele,
( )
T
a 5 , 1 5 , 1
~
4
= i
4
c crete cu o unitate, 18
~
4
= c . Ne propunem s
verificm dac problema postoptimizat

[ ]
. 4 , 1 , 0
40 5 , 1 2
100 5 , 1
18 20 6 4 max
4 3 2
4 3 1
4 3 2 1
=
+ +
+ +
+ + + =
j x
x x x
x x x
x x x x f
j

admite soluie optim finit. n continuare se va aplica procedeul descris:
Pasul 1 ( ) 2 ,
1 0
2 1
4 1
1
= =
k a a B B .
Pasul 2 ;
5 , 1
5 , 1
5 , 1
5 , 1
1 0
2 1
5 , 1
5 , 1
~ 1
4

=

B a
B
a doua
component ( 2 = k ) este diferit de 0.
Pasul 3
=
=
3 / 2
1
5 , 1 / 1
5 , 1 / 5 , 1
2 k
.
Pasul 4
3 / 2 0
1 1
1 0
2 1
3 / 2 0
1 1
~
1
B .
Pasul 5 Se reconstituie tabelul cu baza ( )
4 1
a a .
;
3 / 80
60
40
100
~
~
1
=

B X
B

187

;
2 / 3
1
1
0
~
~ 1
2

=

B a
B
;
3 / 4
1
2
1
~
~ 1
3

=

B a
B

;
0
1
0
1
~
~ 1
5

=

B a
B
;
3 / 2
1
1
0
~
~ 1
6

=

B a
B

T IV.4.7

j
c
4 6 20 18 0 0
B
c
~

B
B
X
1
a
2
a
3
a
4
a
5
a
6
a

4
1
a
60 1 -1 -1 0 1 -1
18
4
a
80/3 0 2/3 4/3 1 0 2/3

j
f
~

720 4 8 20 18 4 8
[ ] max f

j j
c f
~
~

2 0 4 8
( ) 6 , 1 , 0 = j

Deoarece:
; 0 >
B
X
( ) 6 , 1 , 0
~
~
= j c f
j j
i 0
~
~
=
j j
c f pentru
j
a bazic,
problema postoptimizat are soluia optim finit i nedegenerat:
0 ,
3
60
, 60
*
6
*
5
*
2
*
3
*
4
*
1
= = = = = = x x x x x x i [ ] . 720 max = f
Se observ o cretere cu mai mult de 50% a valorii funciei scop.

5. Postoptimizarea n cazul adugrii unor restricii

Formulare matematic Se consider un program liniar care admite
soluie optim finit. Fie acesta n forma standard

cX f = [max]
188

IV.5.1 { b AX = , unde ( ) R
n m
M A
,
, n m A = rang
0 X

S presupunem c se cunoate soluia optim a acestui program
obinut prin aplicarea algoritmului simplex primal. Tabelul simplex primal
ne ofer forma explicit a problemei IV.5.1, corespunztoare bazei optime
B, i anume:
=
=
n
i
i i
x c f
1
[max]
,
= +

B
i
J J j
j ij i
J i x x y x
B

n j x
j
, 1 , 0 =
unde variabilele bazice
B
i
J i x , sunt exprimate n funcie de variabilele
secundare
S
j
J j x , .
S presupunem, de asemenea, c ntr-o etap ulterioar obinerii
soluiei optime a problemei IV.5.1 apare necesitatea introducerii unor
restricii suplimentare n modelul analizat, ceea ce presupune modificarea
matricei A din IV.5.1 prin adugarea unor linii i ca urmare A devine
( ) R
n k m
M A
,
~
+
,
*
N k .
Ne propunem s studiem natura problemei postoptimizate
{
0
~ ~
[max]
=
=
X
b X A
cX f
,
189

unde ( )
=
+
+
+
k m
m
m
n k m
b
b
b
b
b M A
M
M
1
1
,
~
,
~
R sunt elemente cunoscute i obinute prin
bordarea lui A i, respectiv, b, cu k linii.
Schema de postoptimizare este urmtoarea:

Pasul 1
Cele k restricii suplimentare se transform n egaliti prin
adugarea a k variabile de ecart k m m i x
i n
+ + =
+
, 1 , ; acestea devin
k m m i b x x a
i i n
n
j
j ij
+ + = = +
+
=
, 1 ,
1
i deci problema postoptimizat poate fi
scris acum:
n j x
k m m i b x x y
J i x x y x
x c f
j
i
n
j
i n j ij
B
i
J J j
j ij i
n
i
i i
B
, 1 , 0
, 1 ,
,
[max]
1
1
=
+ + = +
= +
=

=
+

=
.

Pasul 2
Se elimin variabilele bazice din cele k restricii noi:
k m m i x x y x
i n
J j
j ij
B
i
S
+ + = + =
+
, 1 , .
Pasul 3
Dac k m m i x
B
i
+ + = , 1 , 0 , atunci s-a obinut soluia optim a
problemei postoptimizate. n caz contrar, soluia obinut nu e admisibil
190

dar verific criteriul de optim, deci se continu cu algoritmul simplex dual
pn la determinarea soluiei sale optime.
Exemplificare
Ca exemplu s considerm problema IV.3.3 care admite soluie
optim multipl avnd tabelul simplex final dat de:

T. IV.5.1

j
c
3 2 2 0 0 0
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
2
2
a 1900 2 1 0 -1 0 -1
2
3
a 900 -1/2 0 1 3/2 0 1
0
5
a 300 1 0 0 -2 1 -1

j
f
5600 3 2 2 1 0 0

j j
c f
0 1

S considerm c la un moment dat condiiile contractuale ale firmei
impun producerea a cel puin 1000 de uniti de produs
3
P . n acest caz se
impune adugarea restriciei 1000
3
x :
3 2 1
2 2 3 [max] x x x f + + =
+ +
+ +
+ +
1000
7500 2 3 5
4000 2 2
5600 2 2 3
3
3 2 1
3 2 1
3 2 1
x
x x x
x x x
x x x
.
0
j
x , 3 , 1 = j

Pasul 1
IV.5.2 1000 1000
8 3 8 3
= + = x x x x .
Pasul 2
Din T.IV.5.1, se citete linia vectorului bazic
3
a
IV.5.3 900
2
3
2
1
6 4 3 1
= + + + x x x x .
191

Adunnd IV.5.2 i IV.5.3 rezult:
100
2
3
2
1
8 6 4 1
= + + + x x x x ,
unde
8
x devine variabil bazic.

Pasul 3
Soluia corespunztoare bazei B
~
obinut din baza optim B prin
adugarea vectorului coloan
=
1
0
0
0
8
a este dual admisibil ( 0 100
8
< = x )
i deci vom continua cu aplicarea algoritmului simplex dual pn la
obinerea soluiei optime, pentru problema extins cu restricia 1000
3
x .

T. IV.5.2

j
c

3 2 2 0 0 0 0
B
c

B

B
X
1
a

2
a

3
a

4
a

5
a

6
a

8
a

2
2
a

1900 2 1 0 -1 0 -1 0
2
3
a

900 -1/2 0 1 3/2 0 1 0
0
5
a

300 1 0 0 -2 1 -1 0
0
8
a

-100 -1/2 0 0 3/2 0 1 1

j
f

5600 3 2 2 1 0 0 0
[ ] f max

j j
c f

0 1 0
j 0

2
2
a

1500 0 1 0 5 0 3 4
2
3
a

1000 0 0 1 0 0 0 -2
0
5
a

100 0 0 0 1 1 1 2
3
1
a

200 1 0 0 -3 0 -2 -2

j
f

5600 3 2 2 1 0 0 2

j j
c f

1 0 2
192

Soluia optim s-a obinut printr-o singur pivotare, i este dat de
200
~*
1
= x , =
*
2
~
x 1500, =
*
3
~
x 1000, =
*
5
~
x 100, =
*
4
~
x =
*
6
~
x =
*
8
~
x 0, cu valoarea
funciei obiectiv 5600
~
*
= f .
Observaie: n general, f f
~ ~
*
, dac se cere maximizarea funciei scop.

6. Postoptimizarea n cazul adugrii unor noi variabile

Formulare matematic Se consider un program liniar care admite
soluie optim finit
IV.6.1
n j x
b x a
x c f
j
n
i
i i
n
i
i i
, 1 , 0
max
1
1
=
=
=

=
=

unde
m
i
a R sunt vectorii coloan ai matricei coeficienilor tehnologici
( ) R
n m
M A
,
.

Observaie: Relaia a doua din programul liniar IV.6.1 poate fi scris n
forma echivalent:
( ) b
x
x
x
a a a
n
n
=
M
K
2
1
2 1
.

193

Suntem interesai n rezolvarea problemei postoptimizate

IV.6.2
+ =
=
=

+
=
+
=
, , 1 , 0
max
1
1
k n j x
b x a
x c f
j
k n
i
i i
k n
i
i i
,

unde coeficienii
k n n
c , , c
+ +
K
1
ai funciei scop i vectorii
k n n
a a
+ +
, ,
1
K din
spaiul bunurilor sunt presupui cunoscui. Aceasta revine la rezolvarea
problemei de programare liniar n care matricea coeficienilor tehnologici
( ) R
k n m
M A
+
,
~
se obine din ( ) R
n m
M A
,
prin adugarea celor k vectori
coloan
k n n
a a
+ +
, ,
1
K
,
N k .

Rezolvarea problemei extinse se bazeaz pe urmtoarea observaie
din cadrul teoriei generale: dac
n
X R
*
este soluie optim a problemei
IV 6.1 corespunztoare bazei optime B, atunci vectorul ( )
k
X
R
0 ,
* k n+
R
este soluie admisibil pentru problema IV.6.2.

Schema de rezolvare presupune parcurgerea urmtorilor:
Pasul 1 Se calculeaz
1
B i
i n
B
i n
a B a
+
+
=
1
, k , i 1 = .

Pasul 2 Formulm ntrebarea: 0
+ + i n i n
c f , k , i 1 = ?, adic
? , 1 , 0
1
k i c a B c
i n i n
B
=
+ +
sau cu notaia de la pasul 1,

? , 1 , 0 k i c a c
i n
B
i n
B
=
+ +

- Dac DA, atunci ( )
k
X
R
0 ,
* k n+
R este soluie optim pentru
IV.6.2.
194

- Dac NU, atunci fie { } 0 , 1
0
< =
+ + i n i n
c f k i I .
Alegem
0 0
I i astfel nct ( )
i n i n
I i
i n
c f c f
+ +
+ +
=
0
0 0
min
i n
, i
vectorul
0
i n
a
+
intr n baz dac are cel puin o component strict pozitiv; n
caz contrar, modelul extins are optim infinit.

n continuare se aplic algoritmul simplex primal pn la obinerea
soluiei
optime (dac exist) a problemei postoptimizate.

Exemplificare
Ca exemplu, vom considera programul liniar de stabilire a planului
optim de producie IV.3.3, analizat n seciunea 3. S presupunem c firma
i propune lansarea n fabricaie a unui nou produs pentru care vectorul
tehnologic este
=
1
2
` 1
8
a . Se pune ntrebarea: care ar trebui s fie profitul
unitar obinut din vnzarea acestui produs astfel nct acesta s intre n
programul optim de fabricaie?

Pasul 1
1 1 2
1 0 2 3
1 0 1
1
/ B ,
= =

1
2 / 1
0
1
2
1

1 1 2
1 0 2 / 3
1 0 1
8
1
8
a B a
B
.

Pasul 2
( ) 1 0 1 0
1
2 / 1
0
0 2 2 0
8 8 8 8 8
1
8 8

=

c c c c a B c c f
B
,
195

deci profitul unitar obinut din vnzarea noului produs trebuie s fie cel
puin 1 u.m. pentru ca acesta s fac parte din structura planului optim de
fabricaie.
n continuare analizm cazul 2
8
= c i, ca urmare, 0 1
8 8
< = c f .
T.IV.6.1

j
c 3 2 2 0 0 0 2
B
c
B
B
X 1
a
2
a
3
a
4
a
5
a
6
a
8
a

2
2
a
1900 2 1 0 -1 0 -1 0 -
2
3
a
900 -1/2 0 1 3/2 0 1 1/2 1800
0
5
a
300 1 0 0 -2 1 -1 1 300

j
f
5600 3 2 2 1 0 0 1
f [max]

j j
c f
0 1 0 -1 j? 0 NU
2
2
a
1900 2 1 0 -1 0 -1 0 -
2
3
a
750 -1 0 1 5/2 -1/2 3/2 0 300
2
8
a
300 1 0 0 -2 1 -1 1 -

j
f
5900 4 2 2 -1 1 -1 0
f [max]

j j
c f
1 -1 1 -1 j? 0 NU
2
2
a
2200 8/5 1 2/5 0 -1/5 -2/5 0 -
0
4
a
300 -2/5 0 2/5 1 -1/5 3/5 0 500
2
8
a
900 1/5 0 4/5 0 3/5 1/5 1 3000

j
f
6200 18/5 2 12/5 0 4/5 -2/5 0
f [max]

j j
c f
3/5 2/5 4/5 -2/5 j? 0 NU
2
2
a
2400 4/3 1 2/3 2/3 -1/3 0 0
0
6
a
500 -2/3 0 2/3 5/3 -1/3 1 0
2
8
a
800 1/3 0 2/3 -1/3 2/3 0 1

j
f
6400 10/3 2 8/3 2/3 2/3 0 2
f [max]

j j
c f
1/3 2/3 2/3 2/3 j? 0 DA
196

Deci, prin aplicarea algoritmului simplex primal se obine, n
4 iteraii, soluia optim a problemei postoptimizate, care prevede fabricarea
a 2400 uniti de produs
2
P i a 800 uniti de produs
8
P .

Se observ, comparnd cu soluia optim a problemei iniiale, o
modificare a structurii programului optim de fabricaie. Propunem cititorului
s fac interpretarea economic complet a rezultatelor obinute.

7. Probleme pentru fixarea cunotinelor

Problema 1 Pentru a realiza trei produse
2 1
P , P ,
3
P sunt necesare
operaii de prelucrare pe utilajele
4 3 2 1
, , , U U U U , ordinea operaiilor
nefiind impus. n tabelul urmtor se dau, n uniti convenionale, duratele
de prelucrare i fondurile de timp disponibile ntr-o anumit perioad
1
T ,
precum i veniturile unitare ateptate, exprimate n uniti monetare:

1
P
2
P
3
P
Disponibil
1
U
2 2 1 2200
2
U
1 1 0 1200
3
U
1 1 1 2000
4
U
1 2 1 1600
V.U. 3 4 2

a) S se scrie un model liniar care s permit stabilirea numrului de
produse care trebuie realizate, astfel nct venitul ateptat s fie maxim
i fondul de timp disponibil al utilajului
1
U s fie consumat integral.
197

b) Problema de programare liniar scris la a) a fost rezolvat prin metoda
simplex-primal. n ultimul tabel, n dreptul vectorilor ce au format prima
baz, s-a citit inversa bazei optime:
1 0 0 2 / 1
0 1 0 2 / 1
0 0 1 2 / 1
1 0 0 1
1
B .
Reconstituii ultimul tabel. Citii solutia optim. Cte soluii optime
bazice exist? Dar nebazice?
c) n viitorul apropiat se pune problema schimbrii structurii programului
de producie prin introducerea n fabricaie a dou produse
4
P i
5
P .
Duratele de prelucrare i veniturile unitare estimate sunt:

1
U
2
U
3
U
4
U
V.U.
4
P
1 0 2 1 5
5
P
2 1 2 1 3

Este rentabil prelucrarea acestor produse meninnd condiiile de la
punctul a)?
d) n perioada imediat urmtoare lui
1
T , se prevede micorarea veniturilor
1
c i
2
c cu 0.5, respectiv 1u.m. Ce implicaii au aceste modificri asupra
structurii optime stabilite la punctul b)? Dar asupra profitului total?
e) Aducnd anumite modificri utilajului
2
U , timpul de prelucrare al
produsului
2
P pe acesta se reduce la jumtate.S se determine structura
optim a produciei n noile condiii i valoarea corespunztoare a
venitului maxim ateptat.

198

Soluie:
a) Dac se va nota cu
j
x numrul produselor de tip
j
P din planul de
fabricaie a periodei
1
T ,cu datele din tabelul se obine programul liniar:

=
+ +
+ +
+
= + +
+ + =
6 , 1 , 0
1600 2
2000
1200
2200 2 2
2 4 3 ] [max
3 2 1
3 2 1
2 1
3 2 1
3 2 1
j x
x x x
x x x
x x
x x x
x x x f
j
.

Se observ c prima restricie este egalitate deoarece se impune
consumul integral al fodului de timp disponibil al utilajului
1
U .
b) Pentru a reconstitui ultimul tabel simplex trebuie s stabilim:
dimensiunile tabelului;
prima baz;
scrierea vectorilor
j
a
n baza optim;
mrimile
j
f
i
j j
c f
,
n j , 1 =
.
Prima baz i dimensiunile tabelului se deduc din forma standard a
problemei:

=
= + + +
= + + +
= + +
= + +
+ + =
6 , 1 , 0
1600 2
2000
1200
2200 2 2
2 4 3 [max]
6 3 2 1
5 3 2 1
4 2 1
3 2 1
3 2 1
j x
x x x x
x x x x
x x x
x x x
x x x f
j
.

199

Rezult:
1 0 0 1 2 1
0 1 0 1 1 1
0 0 1 0 1 1
0 0 0 1 2 2
6 4
A , rangA=4<6, 0
1600
2000
1200
2200
>
= b .

Vectorii
6 5 4
a , a , a constituie o submatrice a matricei unitate din
4
R ,
ca urmare se va introduce un vector artificial
T
a ) 0 0 0 1 (
7
= pentru a
obine baza iniial : ) (
6 5 4 7
a a a a B = . Dar, atenie, ea corespunde
formei extinse:

=
= + + +
= + + +
= + +
= + + +
+ + =
7 , 1 , 0
1600 2
2000
1200
2200 2 2
2 4 3 [max]
6 3 2 1
5 3 2 1
4 2 1
7 3 2 1
7 3 2 1
j x
x x x x
x x x x
x x x
x x x x
x x x x f
j

unde 0 >> este o constant arbitrar. Ca urmare m=4 i n=7.

Tabelul simplex va avea urmtoarea configuraie:

T.IV.7.1

j
c
3 4 2 0 0 0
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
7
a

j
f

j j
c f

200

1
B , dat n enunul problemei, se scrie n dreptul vectorilor care au
format baza de start ( )
6 5 4 7
a a a a

= =

0
0
0
1
1
1
1
2
1
1
1
1
B a B a
B
,
=

1
0
0
0
2
1
1
2
1
2
B a
B
,
=

2 1
2 1
2 1
0
1
1
0
1
1
3
/
/
/
B a
B
.

= =

500
900
100
600
1600
2000
1200
2200
1 1
B b B X
B
.

Se calculeaz
j
f i 7 1 , , j , c f
j j
K = .
nlocuind aceste date n T.IV.7.1 se obine tabelul optimal al modelului
considerat:
T.IV.7.2

j
c
3 4 2 0 0 0

B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
7
a
3
1
a
600 1 0 0 0 0 -1 1
0
4
a
100 0 0 -1/2 1 0 0 -1/2
0
5
a
900 0 0 1/2 0 1 0 -1/2
4
2
a
500 0 1 1/2 0 0 1 -1/2

j
f
3800 3 4 2 0 0 1 1

j j
c f
0 1 1+
201

Soluia optim ( )
T
X 0 900 100 0 500 600
*
1
= nu este unic,
deoarece exist un vector nebazic
3
a cu diferena
3 3
c f nul .
n acest caz exist o infinitate de programe (soluii) optimale i dou
programe de baz optimale. Acestea din urm se obin continund metoda
simplex, introducnd n baz un vector
j
a nebazic pentru care 0 =
j j
c f .
Criteriul de eliminare din baz i formulele de transformare sunt cele
cunoscute. Se va obine un tabel simplex n care
0
f ,
j
f i
j j
c f ,
n j , 1 = , nu se schimb. n cazul studiat vectorul
3
a va fi introdus n baz.
La o prim observaie el l poate elimina pe
5
a sau pe
6
a deoarece celelalte
dou componente nu sunt strict pozitive. Se aplic C.I.B:
2 / 1
500
2 / 1
500
,
2 / 1
900
min =
, rezult c
2
a va fi cel eliminat.
Dup aplicarea formulelor de transformare se obtine urmtorul tabel:
T.IV.7.3

j
c
3 4 2 0 0 0
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
3
1
a
600 1 0 0 0 0 -1
0
4
a
600 0 1 0 1 0 1
0
5
a
400 0 -1 0 0 1 -1
2
3
a
1000 0 2 1 0 0 2

j
f
3800 3 4 2 0 0 1

j j
c f

0 1

Noua soluie optim este: ( )
T
X 0 400 600 1000 0 600
*
2
= .
Mulimea soluiilor optimale, bazice sau nu, este o mulime convex,
iar elementele sale se obin cu ajutorul relaiei
*
2
*
1
*
) 1 ( X X X + = , unde
] 1 , 0 [ .
202

Prezentm n tabelul de mai jos valorile variabilelor principale i ale
variabilelor de ecart corespunztoare celor 2 soluii optime bazice i a dou
soluii nebazice:

Variabile
principale
Variabile
de ecart
*
1
X bazic
*
2
X bazic
*
3
X nebazic
2 / 1 =
*
4
X nebazic
5 / 1 =
Interpretare
economic
1
x
* 600 600 600 600
Numr produse
1
P
2
x
* 500 0 250 100
Numr produse
2
P
3
x
* 0 1000 500 800
Numr produse
3
P
*
4
x
100 600 350 500 Fond de timp
nefolosit la
2
U
*
5
x
900 400 650 500 Fond de timp
nefolosit la
3
U
*
6
x
0 0 0 0 Consum integral
la
4
U
[Max]f 3800 u.m. 3800 u.m. 3800 u.m. 3800 u.m.

n problemele concrete este interesant de cunoscut mulimea
programelor optimale, opiunea pentru unul sau altul fcndu-se dup
criterii impuse de situaia economic concret.

c) Fondurile de timp disponibile ale celor patru utilaje rmn nemodificate.
Pentru o utilizare eficient a informaiilor de la primul punct se vor nota
cu
8
x i
9
x numrul produselor de tip
4
P , respectiv
5
P . Modelul
matematic se va extinde prin mrirea numrului de coloane al matricei
A:
9 4 7 4
A A . Dup introducerea noilor variabile i aducerea la forma
standard se obine programul liniar:

=
= + + + + +
= + + + + +
= + + + +
= + + + +
+ + + + =
9 , 1 , 0
1600 2
2000 2 2
1200 1 0
2200 2 2 2
3 5 2 4 3 max
9 8 6 3 2 1
9 8 5 3 2 1
9 8 4 2 1
9 8 3 2 1
9 8 3 2 1
j x
x x x x x x
x x x x x x
x x x x x
x x x x x
x x x x x f
j
.

203

Se va aplica procedeul descris n seciunea 5 din acest capitol
(postoptimizarea problemelor de programare liniar prin adugarea unor
variabile).

Pasul 1
Se citete
1
B din ultimul tabel simplex al problemei rezolvate (n
cazul studiat, ea a fost dat la punctul b):
1 0 0 2 / 1
0 1 0 2 / 1
0 0 1 2 / 1
1 0 0 1
1
B .
Se citete baza optim din T.IV.7.2: ( )
2 5 4 1
a a a a B = .

Pasul 2
Se scriu vectorii
=
1
2
0
1
8
a i
=
1
2
1
2
9
a n baza optim:
= =

2 / 1
2 / 3
2 / 1
0
8
1
8
a B a
B
i
= =

0
1
0
1
9
1
9
a B a
B
.

Pasul 3
Se calculeaz
8 8
c f i
9 9
c f :
( ) 3 5
2 / 1
2 / 3
2 / 1
0
4 0 0 3
8 8 8 8
1
8 8
=
= = =

c a c c a B c c f
B B B
,

204

( ) 0 3
0
1
0
1
4 0 0 3
0 9 9 9
1
9 9
=
= = =

c a c c a B c c f
B B B
.
Se verific acum dac } 9 , 8 { , 0 j c f
j j
. Deoarece
0
8 8
< c f , se trece la Pasul 4.

Pasul 4
Se observ c vectorul
B
a
8
, cu diferena 0
8 8
< c f , are cel puin o
component strict pozitiv. n acest caz, trecem la Pasul 5. Dac toate
componentele vectorului ar fi fost negative, problema ar fi avut optim
infinit.

Pasul 5
Se construiete tabelul simplex al problemei postoptimizate
corespunztor bazei optime a problemei iniiale. n acest scop, T.IV.7.3 se
extinde cu dou coloane,
8
a i
9
a , n care se trec rezultatele de la paii
2 i 3. Coloana vectorului artificial
7
a va fi neglijat.

j
c
3 4 2 0 0 0 5 3

B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
8
a
9
a

3
1
a 600 1 0 0 0 0 -1 0 1 -
0
4
a 100 0 0 -1/2 1 0 0 -1/2 0 -
0
5
a 900 0 0 1/2 0 1 0 3/2 1 600
4
2
a 500 0 1 1/2 0 0 1 1/2 0 1000

j
f
3800 3 4 2 0 0 1 2 3

j j
c f
0 1 -3 0
NU ? 0 : max

205

Soluia
*
1
X extins cu 0
8
= x i 0
9
= x devine SAB pentru
problema postoptimizat. Deoarece
j j
c f nu sunt toate pozitive, trecem la
schimbarea bazei.
5
a iese din baz, fiind nlocuit de
8
a . Rezult noua SAB:

j
c
3 4 2 0 0 0 5 3
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
8
a
9
a
3
1
a 600 1 0 0 0 0 -1 0 1
0
4
a 400 0 0 -1/3 1 1/3 0 0 1/3
5
8
a 600 0 0 1/3 0 2/3 0 1 2/3
4
2
a 200 0 1 1/3 0 -1/3 1 0 -1/3

j
f
5300 3 4 3 0 2 1 5 5

j j
c f
1 2 1 2

care este chiar soluie optim, deoarece j c f
j j
, 0 .

Se vor compara soluiile optime ale programului iniial i
postoptimizat:

Variabile care caracterizeaz
programul optim
Ct se consum prin program
Ct din resursele
disponibile nu a fost
consumat
*
1
X
0
500
600
*
3
*
2
*
1
=
=
=
x
x
x

1600 2
1100
1100
2200 2 2
*
3
*
2
*
1
*
3
*
2
*
1
*
2
*
1
*
3
*
2
*
1
= + +
= + +
= +
= + +
x x x
x x x
x x
x x x

0
100

900
0
*
2
X
0
600
0
200
600
*
9
*
8
*
3
*
2
*
1
=
=
=
=
=
x
x
x
x
x

1600 2
2000 2 2
800
2200 2 2 2
*
9
*
8
*
3
*
2
*
1
*
9
*
8
*
3
*
2
*
1
*
9
*
2
*
1
*
9
*
8
*
3
*
2
*
1
= + + + +
= + + + +
= + +
= + + + +
x x x x x
x x x x x
x x x
x x x x x

0
400

0
0

206

Fabricarea a 600, 200, 600 produse de tipul
1
P ,
2
P , respectiv
8
P ,
presupune obinerea unui venit total de 5300 uniti monetare. Acest
program este superior lui
*
1
X , nu numai din punctul de vedere al profitului,
ci i n ceea ce privete fondul de timp nefolosit (400h la
2
U , fa de 100h i
900h la
2
U i
3
U ). Produsul
9
P este nerentabil n condiiile date de modelul
matematic.
d) Se va aplica procedeul de postoptimizare a vectorului c:
Pasul 1
Se citete baza optim , ( )
2 5 4 1
a a a a B = .
Se scriu vectorii linie:
( ) 0 0 0 2 4 3 = c
i
( ) ( ) 4 0 0 3
2 5 4 1
= = c c c c c
B
.
Se trece la vectorii modificai c
~
i
B
c
~
:
( ) 0 0 0 2 1 4 5 . 0 3
~
= c
i
( ) 3 0 0 5 . 2
~
=
B
c .

Observaie: c corespunde problemei scris sub forma standard la
punctul b) .
Pasul 2
Se stabilesc vectorii nebazici n raport cu baza optim, mai puin cei
artificiali:
3
a ,
6
a . Dup modificarea lui c , mai rmn
3 3
c f i
6 6
c f
pozitive?
( ) 0
2
1
2
2
3
2
2 / 1
2 / 1
2 / 1
0
3 0 0 5 . 2
~ ~ ~
~
3 3 3 3
< = =
= = c a c c f
B B
,
207

( ) 0 5 . 0 3 5 . 2 0
1
0
0
1
3 0 0 5 . 2
~ ~ ~
~
6 6 6 6
> = + =
= = c a c c f
B B
.
Observaie: Vectorii
B
a
3
i
B
a
6
se citesc din T.IV.7.2, tabel care conine i
baza optim citit la pasul 1.
Diferena
3 3
c
~
f
~
fiind strict negativ, se trece la Pasul 3. Are sens
aceast trecere deoarece
B
a
3
are cel puin o component strict pozitiv.
Pasul 3
Se stabilete soluia optim, dac exist, a problemei posoptimizate
aplicnd algoritmul simplex primal, cu
*
1
X soluie de start. n T.IV.7.2 se
modific c,
B
c ,
j
f i
j j
c f pentru
j
a nebazici, apoi se aplic algoritmul
simplex-primal:

j
c
~

2.5 3 2 0 0 0
B
c
B
B
X 1
a
2
a
3
a
4
a
5
a
6
a

2.5
1
a 600 1 0 0 0 0 -1 -
0
4
a 100 0 0 -1/2 1 0 0 -
0
5
a 900 0 0 1/2 0 1 0 1800
3
2
a 500 0 1 1/2 0 0 1 1000

j
f
~
3000 2.5 3 3/2 0 0 0.5

j j
c f
~
~
-0.5 0.5
2.5
1
a 600 1 0 0 0 0 -1
0
4
a 600 0 1 0 1 0 1
0
5
a 400 0 -1 0 0 1 -1
2
3
a 1000 0 2 1 0 0 2

j
f
~
3500 2.5 4 2 0 0 1.5 [max]f

j j
c f
~
~
1 1.5
0
~
~

j j
c f
6 , 1 j
STOP

208

Se constat c schimbarea veniturilorilor
1
c i
2
c a influenat
structura optim a programului de fabricaie: 600
*
1
= x , 0
*
2
= x , 1000
*
3
= x ,
600
*
4
= x , 400
*
5
= x i 0
*
6
= x , iar venitul total a sczut la [max]f=3500 u.m.
Fondurile de timp ale utilajelor
2
U i
3
U nu sunt consumate integral prin
programul optim. Nefiind resurse stocabile, se recomand utilizarea orelor
rmase disponibile la prelucrarea unor alte produse.
e) Vom discuta la acest subpunct postoptimizarea problemei prin
modificarea unui vector
j
a , 2 = j , din A, vector ce aparine bazei
optime.

Pasul 1
Se scrie vectorul cu componentele modificate:
=
2
1
5 . 0
1
~
2
a .
Se citete
1
B

=
1 0 0 2 / 1
0 1 0 2 / 1
0 0 1 2 / 1
1 0 0 1
.

Se citete baza optim i se noteaz cu k locul vectorului modificat n
aceast baz: ( )
2 5 4 1
a a a a B = , k=4.
Pasul 2
Se scrie vectorul modificat n baza optim:

= =

2 3
2 1
0
1
2
1
2
/
/
a
~
B a
~
B
.
Componenta
42
y este diferit de 0?
Dac NU STOP.
209

Dac DA se trece la Pasul 3.
Aici, . 0
2
3
42
= y

Pasul 3
Se construiete vectorul
k
ale crui componente se gsesc n
urmtoarele relaii, cu componentele vectorului modificat n baza B:
3
2
2 / 3
1 1
24
= = =
kj
kj
y
,
3
2
2 / 3
1
21
=
= =
kj
ij
ij
y
y
, 0
2 / 3
0
22
= = ,
3
1
2 / 3
2 / 1
23
= = .
Aadar,
=
3 / 2
3 / 1
0
3 / 2
k
, pentru k=4.

Pasul 4
Se calculeaz
1 1
~ ~

= B E B
m
, unde
m
E
~
este matricea unitate de
ordinul m, n care coloanele } { } ,.., 1 { k m j sunt vectorii unitari, iar
coloana k este chiar vectorul
k
.

3 / 2 0 0 3 / 1
3 / 1 1 0 3 / 1
0 0 1 2 / 1
3 / 1 0 0 3 / 2
1 0 0 2 / 1
0 1 0 2 / 1
0 0 1 2 / 1
1 0 0 1
3 / 2 0 0 0
3 / 1 1 0 0
0 0 1 0
3 / 2 0 0 1
~
1
B .

210

Este bine s ne reamintim c
1
B este inversa matricii
( )
= =
2 0 0 1
1 1 0 1
1 0 1 1
2 0 0 2
2 5 4 1
a a a a B ,
astfel c,
1
~
B va fi inversa lui B dup modificarea lui

2
a .

Pasul 5
Se calculeaz componentele vectorilor nebazici n baza B cu
2
a
modificat, precum i
j
f i
j j
c f , 6 , 1 j .

= =

3 / 400
3 / 2200
2300
3 / 2800
1600
2000
1200
2200
~ ~
~
1 1
B b B X
B
,
=

3 / 1
3 / 1
2 / 1
3 / 1
1
1
0
1
~
~ 1
3
B a
B
,

=

3 / 2
3 / 1
0
3 / 1
1
0
0
0
~
~ 1
6
B a
B
.

j
c
3 4 2 0 0 0
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
6
a
3
1
a 2800/3 1 0 1/3 0 0 -1/3
0
4
a 2300 0 0 -1/2 1 0 0
0
5
a 2200/3 0 0 1/3 0 1 -1/3
4
2
a 1000/3 0 1 1/3 0 0 2/3

j
f
12400/3 3 4 7/3 0 0 5/3

j j
c f
1/3 5/3

211

0
j j
c f , 6 , 1 j ? DA STOP. Problema admite soluia
optim finit: 3 / 2800
*
1
= x , 3 / 1000
*
2
= x , 0
*
3
= x , 2300
*
4
= x ,
3 / 2200
*
5
= x i 0
*
6
= x , ce corespunde unui venit total maxim egal cu
( ) 3 , 4133
3
12400
= uniti monetare.

Problema 2 Considerm problema de programare liniar:
IV.7.1
3 , 1 , 0

20 5 4
25 5 3 2
4 [max]
3 2 1
3 2 1
3 2 1
=
+ +
+ +
+ + =
j x
x x x
x x x
x x x f
j

pentru care
5 / 2 5 / 1
1 1
1
B , unde B reprezint baza optimal.
a) Identificai soluia optim folosind informaiile date.
b) Scriei problema dual.
c) Identificai soluia optim a dualei. Verificai aceast soluie
rezolvnd grafic problema dual.
d) Presupunnd c problema originar este modificat astfel:
IV.7.2
3 , 1 , 0
20 5 3
25 5 2 2
4 3 [max]
3 2 1
3 2 1
3 2 1
=
+ +
+ +
+ + =
j x
x x x
x x x
x x x f
j

utilizai teoria dualitii pentru a decide dac soluia precedent rmne
optim.
e) Utiliznd informaiile furnizate, gsii coeficienii lui
2
x din tabelul
optimal al problemei de la punctul d).

212

f) Presupunnd c singura modificare a problemei originare este o nou
variabil
6
x introdus n model dup cum urmeaz:
IV.7.3
0 , 3 , 1 , 0
20 2 5 4
25 3 5 3 2
2 4 max
6
6 3 2 1
6 3 2 1
6 3 2 1
=
+ + +
+ + +
+ + + =
x j x
x x x x
x x x x
x x x x f
j
,
utilizai teoria dualitii pentru a decide dac soluia optim a problemei
originare, la care adugai 0
6
= x , rmne nc optim pentru problema
extins IV.7.3.
g) Utilizai matricea invers a bazei optime a problemei originare
pentru a determina coeficienii lui
6
x n tabelul simplex optim al
problemei de la punctul f).
h) Determinai un interval de stabilitate[ ] pentru parametrul al
problemei:
IV.7.4
( )
3 , 1 , 0

20 5 4
25 5 3 2
) 2 4 ( ) 4 1 ( 1 max
3 2 1
3 2 1
3 2 1
=
+ +
+ +
+ + + + + =
j x
x x x
x x x
x x x f
j

,
astfel nct soluia pentru 0 = s rmn optim.

Soluie:
a) Forma standard a problemei ce trebuie rezolvat este

5 , 1 , 0

20 5 4
25 5 3 2
4 [max]
5 3 2 1
4 3 2 1
3 2 1
=
= + + +
= + + +
+ + =
j x
x x x x
x x x x
x x x f
j
.
213

Matricea coeficienilor tehnologici:
5 4 3 2 1

1 0 5 4 1
0 1 5 3 2
a a a a a
.
Baza iniial: ( )
5 4
, a a .
5 / 2 5 / 1
1 1
1
B .
Tabelul optimal:
T.IV.7.1

j
c
1 1 4 0 0
B
c
B
B
X
1
a
2
a
3
a
4
a
5
a
1
1
a 5 1 -1 0 1 -1
4
3
a 3 0 1 1 -1/5 2/5

j
f
~
17 1 3 4 1/5 3/5 f [max]

j j
c f
~
~
2 1/5 3/5 j? 0 DASTOP

Forma explicit a sistemului de restricii n raport cu baza optim:

+ + =
+ =
3 4 3 2
5 4 2 1
5
2
5
1
3
5
x x x x
x x x x
.
Aceast form faciliteaz rezolvarea punctului e).
Analiznd cu atenie tabelul simplex optimal, se observ c baza
optim este ( )
3 1
a a B = , iar soluia optim a problemei IV.7.1 are
componentele: 5
*
1
= x , 0
*
2
= x , 3
*
3
= x , 0
*
4
= x , 0
*
5
= x , ce corespunde unei
valori maxime a funciei obiectiv 17 [max] = f .

214

b) Respectnd regulile de scriere a problemei duale, rezult c duala
problemei considerate este problema de mai jos:
IV.7.5
2 , 1 0
4 5 5
1 4 3
1 2
20 25 [min]
2 1
2 1
2 1
2 1

+
+
+
+ =
i u
u u
u u
u u
u u g
i

c) Soluia optim a dualei se calculeaz cu formula:
1 *
= B c u
B
, unde
5 / 2 5 / 1
1 1
1
B i ( ) 4 1 =
B
c .
Deci, ( ) ( ) 5 / 3 5 / 1
5 / 2 5 / 1
1 1
4 1
1 *
=

= =

B c u
B
. Conform
teoremei
fundamentale a dualitii, valoarea minim a funciei obiectiv este:
17 [max] [min] = = f g .
Problema dual poate fi rezolvat utiliznd metoda grafic, fiind o
problem cu numai dou variabile principale. Verificarea soluiei prin
aceast metod va fi un exerciiu uor pentru cititor.

d) Observm c modelul IV.7.2 difer de problema iniial prin modificarea
vectorului
2
a i a coeficientului
2
c care au fost nlocuii cu
=
3
2
'
2
a i
respectiv cu 3
'
2
= c .
Duala problemei IV.7.2 este problema:
IV.7.6
2 , 1 0
4 5 5
3 3 2
1 2
20 25 [min]
2 1
2 1
2 1
2 1 1

+
+
+
+ =
i u
u u
u u
u u
u u g
i
.
215

Utiliznd metoda grafic, se obine soluia optim a acestei probleme
: ( ) 1 0
*
'
= u , cu 20
*
1
= g .

De aici rezult c 20 [max] [min]
1 1
= = f g . Deoarece
3 2 1 1
4 3 x x x f + + = ia valoarea 17 3 4 0 3 5 = + + pentru soluia optim a
problemei originare, valoare ce difer de 20, rezult c la punctul d)
rspunsul este negativ.
Un alt mod de a rezolva problema este acela al folosirii soluiei
optime ( ) 5 / 3 5 / 1
*
= u a dualei problemei IV.7.1, soluie ce poate fi citit
din T.IV.7.1, n linia
j
f , n dreptul vectorilor ce au format prima baz. Se
observ c aceasta nu verific a doua restricie din IV.7.6: 3
5
3
3
5
1
2 +
FALS.
e) Modelul IV.7.2 poate fi privit ca un model reoptimizat n dou faze al
modelului iniial.
O
u
1
u
2
A(0,1)

1/2

d
1
4/5

4/5

d
3
B(3/2,0)

d
2
216

Faza 1 Se modific doar coeficientul
2
c , nlocuindu-l cu 3
~
2
= c :
3 , 1 , 0

20 5 4
25 5 3 2
4 3 [max]
3 2 1
3 2 1
3 2 1
=
+ +
+ +
+ + =
j x
x x x
x x x
x x x f
j

Pentru aceast nou problem tabelul simplex final are forma:

j
c
1 3 4 0 0

B
c
B
B
X 1
a
2
a
3
a
4
a
5
a

1
1
a 5 1 -1 0 1 -1

4
3
a 3 0 1 1 5 / 1 5 / 2

j
f
17 1 3 4 1/5 3/5
f [max]

j j
c f

0 1/5 3/5
1,5 j , 0 = STOP

Se constat c soluia optim s-a meninut.
Faza 2 Se aplic procedura de postoptimizare cu modificarea unui vector
coloan problemei de la faza 1.Vom nlocui vectorul
=
4
3
2
a cu vectorul
=
3
2
'
2
a :
3 , 1 , 0

20 5 3
25 5 2 2
4 3 [max]
3 2 1
3 2 1
3 2 1
=
+ +
+ +
+ + =
j x
x x x
x x x
x x x f
j

Se calculeaz:

= =

5 / 4
1
3
2
5 / 2 5 / 1
1 1
~ '
2
1
2
a B a
B
. Se observ c are o
component strict pozitiv
( ) 0 5 / 4 3
5 / 4
1
4 1
~
~
3 2
< =

= c f .
217

Se aplic algoritmul simplex primal pentru a stabili natura problemei
postoptimizate:

j
c
1 3 4 0 0
B
c
B
B
X 1
a
'
2
~
a
3
a
4
a
5
a
1
1
a 5 1 -1 0 1 -1
4
3
a 3 0 4/5 1 5 / 1 5 / 2

j
f
17 1 11/5 4 1/5 3/5

j j
c f
-4/5 1/5 3/5

S-au obinut:
soluia optim de baz: 0 , 4 / 15 , 4 / 35
*
'
3
*
'
2
*
'
1
= = = x x x cu
20
*
'
= f .
forma explicit a sistemului de restricii n raport cu ( )
2 1
, a a :

5 4 3 2 1
2 / 1
2 / 1
4 / 1
4 / 3
4 / 5
4 / 5
1
0
0
1
4 / 15
4 / 35
x x x x x

.

Continund aplicarea algoritmului simplex primal , dup nc o
iteraie se obine cea de-a doua soluie optim de baz pentru problema
IV.7.2.

j
c
1 3 4 0 0
B
c
B
B
X 1
a
'
2
~
a
3
a
4
a
5
a
0
4
a 35/3 4/3 0 5/3 1 -2/3
3
2
a 20/3 1/3 1 5/3 0 1/3

j
f
20 1 3 5 0 1

j j
c f
0 1 1

218

Acum putem da rsunsul complet la ntrebarea formulat la
puctul e). Coeficienii lui
2
x n forma explicit a problemei IV.7.2, n raport
cu baza optimal ( )
2 1
a a sunt identici cu coeficienii lui
2
x n raport cu
baza optimal ( )
2 4
a a , i anume:
=
1
0
~'
2
a .

f) Problema IV.7.3 se poate rezolva prin postoptimizare cu adugarea unei
noi variabile n model. Dac ns utilizm teoria dualitii, scriem duala
IV.7.7 a problemei IV.7.2 dup cum urmeaz:
IV.7.7
2 , 1 0
2 2 3
4 5 5
1 4 3
1 2
20 25 min
2 1
2 1
2 1
2 1
2 1

+
+
+
+
+ =
i u
u u
u u
u u
u u
u u g
i
, care rezolvat grafic, ne permite scrierea
soluiei optime: ( ) 5 / 2 5 / 2
~*
= u , cu valoarea minim a funciei obiectiv:
17 18
~ * *
= = g g . Conform teoremei fundamentale a dualitii, problema
IV.7.3 are valoarea optim a funciei obiectiv
17 18
* *
*
' '
*
' '
= = = = g f g f , deci soluia optim a problemei IV.7.1, la
care adugm 0 = u , nu rmne optim pentru problema IV.7.3 (ntr-o astfel
de situaie ar avea loc egalitatea: 17
*
*
' '
= = f f ).

Observaie: Chiar i fr a rezolva problema dual IV.7.7, o simpl
verificare a restriciei 4 din IV.7.7 cu 5 / 1
*
1
= u i 5 / 3
*
2
= u , arat c
*
u nu
poate fi nici soluie admisibil pentru problema IV.7.7.

219

g) Se cunoate c
5 / 2 5 / 1
1 1
1
B . Utiliznd procedura de reoptimizare
n cazul modificrii sistemului de restricii prin adugarea unei coloane
n matricea A, obinem:

= =

5 / 1
1
2
3
5 / 2 5 / 1
1 1
1
u
B
u
a B a i
( ) =
= =

2
5 / 1
1
4 1
6 6
1
6 6
c a B c c f
B

0 5 / 1 < = , ceea ce arat c baza ( )
3 1
a a B = nu este optim pentru
problema IV.7.3. Pentru determinarea soluiei sale optime, se utilizeaz n
continuare algoritmul simplex primal. Soluia optim se obine ntr-o
singur iteraie, dup cum rezult din tabelul urmtor:

j
c 1 1 4 0 0 2
B
c
B
B
X 1
a
2
a
3
a
4
a
5
a
6
a
1
1
a 5 1 -1 0 1 -1 1
4
3
a 3 0 1 1 5 / 1 5 / 2 1/5

j
f 17 1 3 4 1/5 3/5 1/5

j j
c f 2 1/5 3/5 -1/5
2
6
a 5 1 -1 0 1 -1 1
4
3
a 2 -1/5 6/5 1 -2/5 3/5 0

j
f 18 6/5 14/5 4 2/5 2/5 2

j j
c f 1/5 9/5 2/5 2/5

Deci, problema IV.7.3 are n soluia optim componentele nenule
5 , 2
*
6
*
3
= = x x i valoarea maxim a funciei obiectiv 18
*
' '
= f . Privind
tabelul anterior putem da i rspunsul la ntrebarea formulat la punctul g):
=
0
1
~
6
a .
220

h) Problema IV.7.4 rezult printr-o parametrizare a vectorului coeficienilor
funciei obiectiv din problema IV.7.1. Aplicnd procedura de
postoptimizare cu modificarea vectorului coeficienilor funciei obiectiv,
obinem:

j
c + 1 4 1+ 2 4 + 0 0
B
c
B
B
X 1
a
2
a
3
a
4
a
5
a
+ 1
1
a 5 1 -1 0 1 -1
2 4 +
3
a 3 0 1 1 5 / 1 5 / 2

j
f
11 17 + + 1
+ 3
2 4 +
1/5+3/5 5 / 1 5 / 3
j j
c f
3 2 1/5+3/5 5 / 1 5 / 3

Punnd condiiile de optimalitate a soluiei, avem:
[ ] 3 / 2 , 3 / 1
0 5 / 1 5 / 3
0 5 / 3 5 / 1
0 3 2

i astfel problema este complet rezolvat.

221

V. PROBLEMA DE TRANSPORT

1. Problema de transport echilibrat. Model matematic.
Proprieti.

O problem de mare importan n cadrul expedierii mrfurilor o
reprezint micarea fizic, deplasarea n spaiu a acestora. n sistemul
cibernetic al firmei, sub-sistemul transport aprovizionare desfacere
realizeaz legtura direct dintre productor i consumator, condiionnd
realizarea planului de desfacere.

Organizarea eficient a transporturilor presupune cunoaterea tuturor
rutelor de transport, precum i a costurilor pe fiecare mijloc de transport n
parte, astfel nct s se utilizeze rutele cele mai economice, deoarece o
reducere permanent a cheltuielilor de transport conduce la sporirea
eficienei activitii economice a firmei. Toate cheltuielile care sunt legate
de transportul operativ al mrfurilor trebuiesc evideniate distinct pe
furnizori i pe cantiti transportate, pentru a se putea efectua o analiz
economic riguroas.

Concurena din ce n ce mai dur care i face simit prezena n
toate domeniile activitii economice impune sistemelor de conducere o
analiz cu instrumente tiinifice a tuturor alternativelor existente, cutndu-
se acea variant de aciune care s conduc la o activitate economic
eficient. Pe aceast linie se nscrie i activitatea din domeniul
transporturilor, care are ca obiect de studiu circulaia mrfurilor i ca
obiectiv principal, accelerarea vitezei de circulaie a mrfurilor i reducerea
la maximum a cheltuielilor de transport, transbordare, descrcare.
222
Analita economico-matematic a unor modele liniare

n acest capitol se vor studia o parte a modelelor liniare ce apar n
activitatea de aprovizionare, n circumstane ce vor fi specificate. Studiul
problemelor de transport pe baza teoriei programrii liniare a fost nceput
n 1941 de Hitchook, apoi extins de diveri matematicieni interesai de
rezolvarea acestei colecii de probleme.

Formularea economic a problemei de transport echilibrate
n punctele surs, reprezentnd locul de ncrcare a mrfii ntr-un
mijloc de transport, exist un tip de marf solicitat de ctre anumite puncte
de destinaie, care pot fi uniti de desfacere, unde marfa se descarc i,
astfel, se ncheie procesul de transport.
Se cere gsirea modului optim, n raport cu cheltuielile totale de
transport, n care se poate asigura aprovizionarea a
*
N n consumatori cu o
anumit marf disponibil, ntr-o perioad T, de la
*
N m surse, n
condiiile:
Se cunosc cantitile solicitate i cele disponibile.
Suma cererilor este egal cu suma disponibilitilor.
Livrarea se face prin transport direct, fr puncte de transbordare.
Orice depozit poate aproviziona orice centru consumator pe rute
prestabilite, cu costuri proporionale cu cantitatea de marf
expediat.

223
Problema de transport

Formulare matematic prezentare schematic

Notaii Semnificaii
Exprimarea grafic
a legturilor
i
D , } ,..., 1 { m M i = Depozitul i
j
C , } ,..., 1 { n N j = Consumatorul j
i
a , M i Cantitatea de marf disponibil n
i
D
a Vectorul disponibilului
j
b , N j Cantitatea de marf solicitat de
j
C
b Vectorul solicitrilor sau necesarului
) , ( j i , M i , N j Ruta fixat pentru aprovizionarea lui
j
C de la
i
D
ij
c , M i , N j
Cost unitar de transport pe
ruta ) , ( j i
( )
N j
M i
ij
c C
= Matricea costurilor unitare

ij
x , M i , N j Cantitatea de marf expediat pe
ruta ) , ( j i
( )
N j
M i
ij
x X
= Matricea variabilelor

Modelul matematic
Cantitatea expediat de
i
D , M i ,
la cele n centre consumatoare este
egal cu stocul din respectiva marf
existent n depozit.
=
=
n
j
i ij
a x
1
, M i
V.1.1
Cantitatea de marf primit de
j
C ,
N j , de la cele m depozite trebuie
s fie egal cu cantitatea pe care a
solicitat-o.
=
=
m
i
j ij
b x
1
, N j
V.1.2
Variabila
ij
x poate fi cel puin zero,
oricare ar fi M i i N j .
0
ij
x , M i , N j
V.1.3
Planul de transport trebuie s fie
minim sub aspectul costului total.
= =
=
m
i
n
j
ij ij
x c f
1 1
[min]
V.1.4
Oferta este egal cu cererea.

= =
=
n
j
j
m
i
i
b a
1 1

V.1.5

i
a
j
b
M i
D
i
N j
C
j

ij
c
ij
x
224

Prezentarea problemei sub forma tabelar
T.V.1.1
j
C
i
D
1
C ..
j
C
n
C D
1
D
11
c
11
x
.
j
c
1

j
x
1

..
n
c
1

n
x
1

1
a
. . . .. .
i
D
1 i
c
1 i
x
.
ij
c
ij
x
..
in
c
in
x
i
a
.. .. . .. . .. .
m
D
1 m
c
1 m
x
..
mj
c
mj
x
..
mn
c
mn
x
m
a
N
1
b
. j
b
.
m
b

= =
=
m
i
i
n
j
j
a b
1 1

Restriciilor V.1.1 i V.1.2 le corespunde scrierea
matriceal

=
b
a
AX
unde A are forma

mn n n n
A
... 2 ... 1 ... 2 1
1 ... 0 0 ... 1 ... 0 0 1 ... 0 0
... ... ... ...
0 ... 1 0 ... 0 ... 1 0 0 ... 1 0
0 ... 0 1 ... 0 ... 0 1 0 ... 0 1
1 ... 1 1 ... 0 ... 0 0 0 ... 0 0
... ... ... ...
0 ... 0 0 ... 1 ... 1 1 0 ... 0 0
0 ... 0 0 ... 0 ... 0 0 1 ... 1 1
+
=

i
n
j
ij
a x =
=1
, M i
j
m
i
ij
b x =
=1
, N j
Linia 1
Linia m
Linia m+1
Linia m+n
Coloanele:
225

Din relaia V.1.5 rezult c ntre ecuaiile sistemului mai exist o
relaie, deci, cele m+n restricii ale problemei nu sunt independente, ceea ce
ne permite s tragem concluzia c 1 rang + n m A , aadar, o soluie
admisibil de baz are cel mult m+n-1 componente pozitive.
Formularea matematic a problemei de transport arat n mod
evident c aceasta se poate rezolva prin metoda simplex sau alte metode
specifice programrii liniare.
Pentru exemplificare, considerm urmtoarea situaie:
Un ntreprinztor deine dou puncte de prelucrare a crnii de pui,
( )
2 1
, D D . Produsele finite sunt comercializate de trei centre,
j
C , 3 , 1 = j . n
punctul
1
D se prelucreaz 80% din ntreaga cantitate, iar n
2
D , restul de
20% din necesarul evaluat pentru o lun. Cantitile vndute n cele trei
centre sunt de 40%, 30% i, respectiv, 30% din producia total. Procentele
au fost stabilite n funcie de puterea de cumprare a clienilor din
respectivele zone. Costurile de transport pe rutele ( )
j i
C D , , 2 , 1 = i i
3 , 1 = j , sunt presupuse a fi proporionale cu lungimile rutelor, i sunt date n
urmtoarea matrice:
=
10 8 6
7 12 5
C .
n aceste condiii, problema de rezolvat este:
3 , 1 , 2 , 1 , 0
30
30
40
20
80
10 8 6 7 12 5 [min]
23 13
22 12
21 11
23 22 21
13 12 11
23 22 21 13 12 11
= =
= +
= +
= +
= + +
= + +
+ + + + + =
j i x
x x
x x
x x
x x x
x x x
x x x x x x f
ij

unde
ij
x reprezint procentul din marf, transportat pe ruta ( )
j i
C D , .
226

Vom rezolva aceast problem prin metoda grafic. Pentru aceasta,
notm
u x =
11
0 40
21
= u x ( 0 40 :
1
= u d )
v x =
12
0 30
22
= v x ( 0 30 :
2
= v d )
0 80
13
= v u x ( 0 80 :
3
= v u d )
v u x + + = 30 40 20
23
0 50
23
+ = v u x ( 0 50 :
4
= + v u d )
30 50 80 = + + v u v u (ceea ce este adevrat)
540 7 2
) 50 ( 10 ) 30 ( 8 ) 40 ( 6 ) 80 ( 7 12 5 ) , ( [min]
+ + =
= + + + + + + =
v u
v u v u v u v u v u f

Vrf ( ) v u, ( ) v u f ,
A (40,30) 830
B (20,30) 790
C (40,10) 690

min
30
50
80
4
d
3
d
2
d
1
d
B A
C
O
u
v
40
227

Se obine planul optimal

cu costul minim 690 [min] = f u.m.
Aplicarea algoritmului simplex chiar n acest caz particular n care
numrul restriciilor este m+n=5 i numrul variabilelor 6 = n m presupune
efectuarea unui numr foarte mare de calcule (tabelul simplex va avea
n m n m + + coloane numai pentru vectorii din spaiul bunurilor).
Modelul matematic al problemei de transport este un model liniar
prezentnd anumite particulariti care au fost folosite de Hitchoock numai
la stabilirea soluiei de start. n 1947, T. C. Koopmans a exploatat aceste
particulariti, i, ca urmare, problemele de transport nu sunt rezolvate prin
metode de tip simplex, ci prin metode speciale bazate pe teoria dualitii. O
parte dintre aceste particulariti sunt evideniate prin propoziiile care
urmeaz.

Propoziia 1 O problem de transport echilibrat este un caz particular de
problem de programare liniar care are cel puin o soluie admisibil.
ntr-adevr, dac lum
D
b a
x
j i
ij

= , unde N b a D
n
j
j
m
i
i
not
= = =

= = 1 1

atunci, se observ c:
0
ij
x , m i , 1 = , n j , 1 =
sunt verificate relaiile V.1.1 i V.1.2:
0
*
23
= x
20
*
22
= x
0
*
21
= x
30
*
13
= x
10
*
12
= x
40
*
11
= x
1
D
2
D
1
C
2
C
3
C
228

V.1.1'
i
n
j
j i
n
j
j i
a b a
D D
b a
= =

= = 1 1
1
, m i , 1
V.1.2'
j
m
i
i j
n
j
j i
b a b
D D
b a
= =

= = 1 1
1
, n j , 1 .

Propoziia 2 rangA=m+n-1.
Matricea A a sistemului V.1.1 - V.1.2 are m+n linii i n m coloane,
fiecare din acestea avnd dou elemente egale cu 1 i restul egale cu 0.
n m n m n m n m A < + = + ) , min( rang , } 2 , 1 , 0 { , N n m

Ca la orice problem de programare liniar, aflarea soluiei optime
impune parcurgerea a dou mari etape:
Etapa 1: Generarea unei soluii admisibile de baz.
Etapa 2: Verificarea optimalitii soluiei gsite i, dac este nevoie,
mbuntirea ei, pn la aflarea soluiei optime finite.

n continuare, vor fi comentate pe scurt aceste etape.

Etapa 1: Determinarea unei soluii admisibile de baz, pe care o vom numi
n continuare soluia iniial, poate fi fcut prin metodele cunoscute din
programarea liniar sau, mai simplu, prin metode specifice, printre care
menionm:
- metoda diagonalei (Dantzig) sau metoda colului de nord-vest;
- metoda elementului minim pe linie;
- metoda elementului minim pe coloan;
- metoda elementului minim pe tabel;
- metoda diferenelor maxime sau metoda lui Vogel.
Deoarece aceste metode nu cer o teoretizare special, vor fi expuse odat cu
aplicarea lor.
229

Etapa 2: Determinarea soluiei optime.
Pasul 1 Testarea optimalitii.
Soluia iniial
1
X este optim ?
DA
STOP. Se interpreteaz
economic rezultatele.

NU
Pasul 2.
Pasul 2 mbuntirea soluiei.
Se mbuntete soluia
1
X prin trecerea la o nou soluie
admisibil de baz,
2
X , cu ( ) ( )
1 2
X f X f . Se revine apoi la pasul 1,
nlocuind
1
X cu
2
X . Dup un numr finit de mbuntiri succesive, se
obine soluia optim.
Testarea i, eventual, mbuntirea soluiei pot fi realizate prin:
- metoda potenialelor;
- metoda distributiv modificat;
- metoda stepping-stone, etc.

Metoda potenialelor, sau algoritmul primal dual pentru rezolvarea
problemelor de transport, se bazeaz pe urmtoarele teoreme:

Teorema 1: Dac ( )
*
ij
x , m i , 1 = , n j , 1 = , este soluie admisibil de baz
pentru
j i x
n j b x
m i a x
x c f
ij
j
m
i
ij
i
n
j
ij
m
i
n
j
ij ij
, , 0
, 1 ,
, 1 ,
[min]
1
1
1 1

= =
= =
=
=
=
= =

i ( )
* *
,
j i
v u , m i , 1 = , n j , 1 = , este soluie admisibil de baz a dualei sale
230

{
n j m i v u
n j m i c v u
v b u a g
j i
ij j i
n
j
j j
m
i
i i
, 1 , , 1 , ,
, 1 , , 1 ,
[max]
1 1
= =
= = +
+ =

= =
R

atunci ele sunt optime dac i numai dac:

V.1.6 ( ) [ ] 0
* * *
= +
j i ij ij
v u c x , m i , 1 = , n j , 1 = .
V.1.7 0
1
*
=
=
i
n
j
ij
a x , m i , 1 = .
V.1.8 0
1
*
=
=
j
m
i
ij
b x , n j , 1 = .
V.1.9 0
*
ij
x i ( ) 0
* *
+
j i ij
v u c , m i , 1 = , n j , 1 = .
Variabilele dualei problemei de transport echilibrate,
i
u , m i , 1 = , i
j
v , n j , 1 = , mai sunt numite i multiplicatori simplex. Conform relaiei
V.1.6, dac
ij
x este o variabil bazic i are valoare strict pozitiv, notat
ij
x , atunci ( ) 0 = +
j i ij
v u c . O soluie admisibil de baz nedegenerat are
(m+n-1) componente strict pozitive, deci i va corespunde un sistem de
(m+n-1) ecuaii, cte o ecuaie pentru fiecare
ij
x bazic:
V.1.10
ij j i
c v u = + .
Necunoscutele fiind
n m
v v u u ,.., , ,..,
1 1
, rezult c totdeauna acest
sistem liniar este compatibil simplu nedeterminat. Fie
i
u , m i , 1 = , i
j
v , n j , 1 = , o soluie ce se poate afla, de exemplu, anulnd multiplicatorul
care apare de cele mai multe ori n sistem. Din relaiile V.1.9 rezult c
soluia admisibil de baz este optim dac:
V.1.11 ( ) 0 +
j i ij
v u c pentru
ij
x nebazic.
231

Teorema 2: Dac ( )
*
ij
x , m i , 1 = , n j , 1 = , este soluie optim a problemei de
transport echilibrate, atunci ea rmne optim i pentru problema n care
costurile de transport
ij
c cresc sau descresc cu
i
u uniti pe linia i i
j
v
uniti pe coloana j, m i , 1 = , n j , 1 = .

n practic, dup determinarea soluiei admisibile de baz, pentru
etapa 2 de mbuntire a soluiei optime,se procedeaz astfel:

Etapa 2
Pasul 1 Testarea optimalitii soluiei iniiale
1
X :
Se scrie sistemul
ij j i
c v u = + pentru toate variabilele bazice
ij
x .
Se calculeaz ( )
j i ij ij
v u c + = pentru toate variabilele
ij
x nebazice.
0
ij
,
ij
x variabil nebazic ? DA STOP.
NU Pasul 2.
Pasul 2 Se mbuntete soluia testat ( )
k
X trecnd la un alt
program de transport admisibil ( )
1 + k
X cel puin la fel de bun n sensul
( ) ( )
1 +
k k
X f X f .

Criteriul de intrare n baz: dac { } 0 min < =
ij ij kr
, atunci
kr
x va intra
n baz. Planul de transport se mbuntete prin micorarea costului total
dac se va folosi ruta ) , ( r k .
Se va atribui variabilei
kr
x o valoare pozitiv notat .

Criteriul de eliminare din baz: se va construi un contur poligonal nchis,
cu un numr par de vrfuri, avnd primul vrf n csua ) , ( r k i celelalte
vrfuri numai n csuele corespunztoare variabilelor bazice. Schimbarea
direciei se face numai sub un unghi de 90 grade. Dac este corect construit,
232

atunci este unic, i se revine n csua ) , ( r k . Vrfurile vor fi marcate
alternativ + i -, ncepnd cu vrful ) , ( r k .
Noii variabile bazice i se atribuie valoarea egal cu cea mai mic
dintre valorile
variabilelor bazice situate n csuele n care vrfurile au fost marcate -:
{ }
ep ij
x j i x = > = '-' marcat ) , ( | 0 min
Se determin soluia mbuntit
1 + k
X prin transferarea cantitii
de-a lungul liniei poligonale, conform urmtoarelor reguli:
=
ij ij
x x : , dac ) , ( j i a fost marcat cu -;
+ =
ij ij
x x : , dac ) , ( j i a fost marcat cu +;
ij ij
x x = : , dac ) , ( j i nu se afl pe conturul poligonal.
Variabila
ep
x va fi fi eliminat din baz de ctre
kr
x . Se revine la pasul 1,
nlocuind
k
X cu
1 + k
X .

Observaie: ntre ( )
k
X f i ( )
1 + k
X f exist relaia:

( ) ( )
( ) ( )
k k
kr
kr k k
X f X f
X f X f

<

+ =
+
+
1
1
0
0

.

n finalul acestei scurte prezentri a problemei de transport
echilibrate, se va sistematiza tehnica de rezolvare care utilizeaz metoda
potenialelor:

233

START
NU
Aplic procedeul
de perturbare.
Ataeaz restriciilor variabilele dualei:
m
u u ,...,
1
surselor (depozitelor);
n
v v ,...,
1
consumatorilor (destinaiilor).
DA
Dac
ij
x este variabil bazic n
1
X , atunci scrie ecuaia
ij j i
c v u = + .
Rezolv sistemul astfel obinut; el va fi totdeauna simplu
nedeterminat deoarece are:
(m+n) variabile (i anume variabilele dualei);
(m+n-1) ecuaii (cte una pentru fiecare variabil bazic).
Dac
kl
x este nebazic n
1
X , atunci calculeaz
diferena ) (
l k kl kl
v u c + = .
Soluia testat este
DA
aplic criteriul de intrare n
baz:
pr kl
kl
=
<
) ( min
0
;
aplic criteriul de ieire din
baz construind linia poligonal
nchis, cu vrful iniial n
) , ( r p ;
calculeaz componentele
soluiei mbuntite.
NU

STOP
Se determin o soluie iniial:
1
X .
Numrul
rutelor utilizate prin
1
X este (m+n-1).
0
kl

kl
x nebazic.
234

2. Modelarea i rezolvarea problemelor de transport echilibrate

2.1. Se consider problema de transport echilibrat, cu datele de
intrare specificate n tabelul urmtor.
T.V.2.1

1
C
2
C
3
C
4
C
Disponibil
1
D
5
11
x
7
12
x
11
13
x
4
14
x
400t
2
D
10
21
x
9
22
x
5
23
x
6
24
x
250t
3
D
7
31
x
8
32
x
8
33
x
9
34
x
300t
Necesar 200t 270t 330t 150t 950t

Fiecare csu (i,j) , } ,.., 1 { m i , } ,.., 1 { n j din cele n m de acest
tip existente n tabelul T.V.2.1, corespunde rutei dintre depozitul
i
D n care
sunt stocate
i
a uniti de marf (vezi coloana disponibilului) i centru
consumator
j
C care solicit
j
b uniti din aceeai marf (vezi linia
necesarului). Pe aceast rut este cunoscut costul transportului pe unitatea
de produs, exprimat n uniti monetare, la care se ataeaz variabila
ij
x ce
reprezint cantitatea cu care
i
D va aproviziona pe
j
C . Se cere s se
stabileasc acele valori ale variabilelor
ij
x , m i , 1 = , n j , 1 = care satisfac
restriciile:

V.2.1
= + + +
= + + +
= + + +
300
250
400
34 33 32 31
24 23 22 21
14 13 12 11
x x x x
x x x x
x x x x

235

11
x +
21
x +
31
x 200 =

12
x +
22
x +
32
x 270 =
V.2.2
13
x +
23
x +
33
x 330 =

14
x +
24
x +
34
x = 150

V.2.3 0
ij
x , 3 , 1 = i , 4 , 1 = j .
i minimizeaz forma liniar:
V.2.4
34 12 11
9 ... 7 5 [min] x x x f + + + = .
Din punct de vedere economic, soluia optim reprezint un plan de
aprovizionare a celor patru centre consumatoare, optim sub aspectul
costului. Optimizarea planurilor de transport al mrfurilor omogene poate fi
fcut i dup alte criterii de rentabilitate, cum ar fi:
distana parcurs s fie minim;
minimizarea consumului total de combustibil, etc.

Vom trece acum la rezolvarea modelului prezentat anterior.
Etapa 1: Determinarea unor soluii admisibile de baz de start. Se vor
exemplifica trei metode.

Metoda diagonalei
Aceast metod propus de Dantzig este deosebit de uoar, dar
acest avantaj este de cele mai multe ori anulat de faptul c repartizarea
mrfii stocate, disponibile, se face fr a se ine seama de costurile unitare
de transport.
Iteraia 1: Se ncepe construirea unei soluii iniiale, atribuind variabilei
11
x
cea mai mare valoare permis de restricii. Dar
11
x apare n prima i n a
patra restricie, deci,
11
x =min(400, 200)=200=
1
b . Dac
11
x =200, atunci a
236

patra restricie va fi verificat 0
31 21
= = x x , iar prima restricie va fi
verificat 200 400
14 13 12
= + + x x x .
n general apar trei cazuri:
1.
1 1 1 11
) , min( a b a x = =
1 11
a x = , 0
1
=
j
x , cu n j , 2 = , deoarece
disponibilul din
1
D a fost epuizat prin aprovizionarea lui
1
C . Dar
1
C care a
solicitat iniial
1
b uniti de marf, mai are nevoie de ) (
1 1
a b uniti.

= = =
= =
= = =
? ... ? ?
...
... ... ? ?
0 ... 0
2 1
22 21
1 12 1 11
mn m m
n
x x x
x x
x x a x

Se trece la iteraia 2 pentru a afla valoarea variabilei
21
x , care este
variabila cu cei mai mici indici din I , respectiv J.
2.
1 1 1 1 11
) , min( b a b a x = = =
1 1 11
b a x = = , 0
1
=
j
x , cu n j , 2 = i 0
1
=
i
x ,
cu m i , 2 =
= = =
= =
= = = =
? ... ? 0
...
... ... ? 0
0 ... 0
2 1
22 21
1 12 1 11
mn m m
n
x x x
x x
x x b a x

1
1
1
a x
n
j
j
=

1 1
2
1
a b x
m
i
i
=
=

Se noteaz:
. } ,..., 1 {
, } ,..., 2 {
N n J
M m I
= =
=

1 1
2
1
b a x
n
j
j
= =
=
Se actualizeaz mulimile
I i J :
}. ,..., 2 {
}, ,..., 2 {
n J
m I
=
=

1
1
1
b x
m
i
i
=
=

237

Se trece la iteraia 2 pentru a afla valoarea variabilei
22
x , unde 2 = i
este cel mai mic indice din I i 2 = j cel mai mic indice din J.
3.
1 1 1 1 11
) , min( a b b a x < = =
1 11
b x = , 0
1
=
i
x , cu m i , 2 = , deoarece
cantitatea solicitat de
1
C a fost primit numai de la
1
D , iar aceasta mai
rmne cu un stoc de ) (
1 1
b a uniti:

= = =
= = =
= = =
? ... ? 0
...
? ... ? 0
? ... ?
2 1
2 22 21
1 12 1 11
mn m m
n
n
x x x
x x x
x x b x

Se trece la iteraia 2 i se afl valoarea lui
12
x .

S revenim la exemplul dat:

1
C
2
C
3
C
4
C
Disponibil
1
D
5
200
7

11

4

400 200
2
D
10
0
9

5

6
250
3
D
7
0
8

8

9
300
Necesar
200
0
270 330 150
950

Iteraia 2: Se aplic raionamentul de la iteraia 1 pentru a stabili valoarea
variabilei
21
x n cazul 1, sau
22
x n cazul 2, sau
12
x n cazul 3.
1 1
2
1
b a x
n
j
j
=
=
Se actualizeaz
mulimile indicilor:
}. ,..., 2 {
}, ,..., 1 {
n J
m I
=
=

1
1
1
b x
m
i
i
=
=

238

Se observ c la fiecare iteraie va fi epuizat un disponibil i/sau
satisfcut un necesar, de unde rezult c dup cel mult (m+n-1) pai se
obine soluia de start.

Vom continua exemplificarea:
Iteraia 2: 200 ) 270 , 200 min(
12
= = x 0
14 13
= = x x i
70 200 270 :
2
= = b .
Iteraia 3: 70 ) 250 , 70 min(
22
= = x 0
32
= x i 180 70 250 :
2
= = a .
Iteraia 4: 180 ) 330 , 180 min(
23
= = x 0
24
= x i 150 180 330 :
3
= = b .
Iteraia 5: 150 ) 300 , 150 min(
33
= = x 150 150 300 :
3
= = a .
Iteraia 6: 150 ) 150 , 150 min(
34
= = x STOP.

1
C
2
C
3
C
4
C Disponibil
1
D 200 200 0 0 4002000
2
D 0 70 180 0 2501800
3
D
0 0 150 150 3001500
Necesar
200
0
270
70
0
330
150
0
150
0 950

Dup m+n-1=4+3-1 pai s-a obinut o soluie de start (S.A.B) cu
m+n-1=6 componente strict pozitive, grupate de-a lungul diagonalei
principale, deci, o soluie admisibil de baz nedegenerat.
Valoarea funciei cost pentru aceast variant de aprovizionare este:
6480 9 150 8 150 5 180 9 70 7 200 5 200
1
0
= + + + + + = f u.m.

Toate celelalte metode de gsire a soluiilor de start au la baz
urmtorul principiu: repartizarea cantitilor disponibile n cele m depozite
ctre cele n centre consumatoare este fcut astfel nct s fie folosite cele
239

mai economice rute, fiecare centru consumator s primeasc ntreaga
cantitate solicitat i fiecare depozit s livreze ntregul stoc.

Metoda elementului minim pe coloan
Se prezint problema de transport sub form de tabel (vezi T.V.2.1).
Se vor parcurge cel mult (m+n-1) iteraii, la fiecare iteraie stabilindu-se ce
variabil va intra n baz, prin regula alege variabila
ij
x dac } { min
ij
i
ij
c c = ,
apoi atribuie-i valoarea maxim compatibil cu ecuaiile i i m+j din
sistem.

S exemplificm:
Iteraia 1: 1 := j { }
11 1
, 1
5 } 7 , 10 , 5 min{ min c c
i
m i
= = =
=

11
x va fi variabil
bazic de valoare
1 1 1 11
200 ) , min( b b a x = = = 0
31 21
= = x x i
200 200 400 :
1
= = a .
Subliniem faptul c ultimele patru metode difer de metoda lui
Dantzig numai prin regula de alegere a variabilelor bazice, raionamentele
prezentate n cele trei cazuri rmnnd valabile.

Iteraia 2: ? 0
1
= b
DA
2 := j

NU
1 := j ; dar se va considera { }
1
1
min
i
i
c
.
Avem j=2 ,
{ } { }
12 2
3 , 1
7 8 , 9 , 7 min min c c
i
i
= = =
=
{ }
1 2 1 12
200 , min a b a x = = =
0
14 13
= = x x i 70 200 270
2
= = b .
Iteraia 3: ? 0
2
= b
NU
j=2, { } { }
32 2
1
8 8 , 9 min min c c
i
i
= = =

{ } 70 , min
2 3 32
= = b a x 0
22
= x i 230 70 300 :
3
= = a .
240

Iteraia 4: ? 0
2
= b
DA
3 := j , { } { }
23 33 23 3
1
5 , min min c c c c
i
i
= = =

{ } { } 250 330 , 250 min , min
3 2 23
= = = b a x 0
24
= x i 80 250 330 :
3
= = b
(ATENIE:
1
a ,
3
b vor fi luate cu valorile lor actualizate!).
Iteraia 5: ? 0
3
= b
NU
3 := j , { } { }
33 3
2 , 1
8 8 min min c c
i
i
= = =
80
33
= x
150 80 230 :
3
= = a .
Iteraia 6: ? 0
3
= b
DA
4 := j , { }
34 4
} 2 , 1 {
min c c
i
i
=

150 } 150 , 150 min{
34
= = x i 0
4
= b STOP .

1
C
2
C
3
C
4
C
Disponibil
1
D
5
200
7
200
11
0
4
0
400 200 0
2
D
10
0
9
0
5
250
6
0
250 0
3
D
7
0
8
70
8
80
9
150
300 230 150 0
Necesar
200
0
270

70

0

330

80

0
150

0
950

A fost distribuit ntreaga marf stocat. Planul de livrare folosete
(m+n-1)=6 rute i corespunde unui cost de:
1
0
2
0
u.m. 6200 150 9 80 8 70 8 250 5 200 7 200 5 f f < = + + + + + = .

Metoda lui Vogel
Regula de alegere a variabilelor bazice: se vor efectua diferenele
ntre cele mai mici costuri unitare de transport pe fiecare linie i fiecare
coloan i se va atribui valoarea maxim variabilei situat pe linia sau
coloana celei mai mari diferene dintre toate diferenele luate n modul, n
locul corespunztor celui mai mic cost.
241

Iteraia 1:
a) Se afl cel mai mic element al liniei } ,..., 1 { m i , { }
ik ij
n j
c c =
= , 1
min , apoi se
calculeaz diferena { }
ij
k j
ik i
c c

= min
1
, m i , 1 = .
b) Se afl cel mai mic element al coloanei } ,..., 1 { n j , { }
il ij
m i
c c =
= , 1
min , apoi
se calculeaz diferena { }
ij
l i
lj j
c c

= min
1
, n j , 1 = .
c) Se alege ( ) ( )
= =
1
, 1
1
,
max , max max
j
n j
i
m i i
pentru a fixa linia sau coloana n care
se va situa variabila bazic. Valoarea se va stabili n funcie de relaia
dintre disponibil i necesar, conform celor trei situaii descrise la metoda
diagonalei.
La urmtorii pai se repet acest raionament cu
i
a , m i , 1 = ,
j
b ,
n j , 1 = , I i J actualizai.

S exemplificm: { }
14 1
4 , 1
4 min c c
j
j
= =
=
, 4 = k { } 5 4 min
1
4
14
1
1
= =

j
j
c c
{ }
23 2
4 , 1
5 min c c
j
j
= =
=
, 3 = k { } 6 5 min
2
3
23
1
2
= =

j
j
c c
{ }
31 3
4 , 1
7 min c c
j
j
= =
=
, 1 = k { } 8 7 min
3
1
31
1
3
= =

j
j
c c
{ }
11 1
3 , 1
5 min c c
i
i
= =
=
, 1 = l { } 7 5 min
1
1
11
1
1
= =

i
i
c c
{ }
12 2
3 , 1
7 min c c
i
i
= =
=
, 1 = l { } 8 7 min
2
1
12
1
2
= =

i
i
c c
{ }
23 3
3 , 1
5 min c c
i
i
= =
=
, 2 = l { } 8 5 min
3
2
23
1
3
= =

i
i
c c
{ }
14 4
3 , 1
4 min c c
i
i
= =
=
, 1 = l { } 6 4 min
4
1
14
1
4
= =

i
i
c c
242

Rezult ( ) ( )
1
3
1
4 , 1
1
3 ,
3 8 5 max , max max = = =
= =
j
j
i
i i
. Se atribuie variabilei
situat n csua costului minim din coloana 3,
23
x , valoarea minim
(vezi tabelul urmtor): 250 ) , min(
3 2 23
= = b a x 0
24 22 21
= = = x x x ,
} 2 { } 3 , 2 , 1 { : = I i 80 250 330 :
3
= = b .

1
C
2
C
3
C
4
C
Disponibil
1

1
D
5

7 11 4 400 |4-5|
2
D
10
0
9
0
5
250
6
0
250 |5-6|
3
D
7

8 8 9 300 |7-8|
Necesar 200 270 330 150 950
1

|5-7| |7-8| |5-8| |4-6|

Observaie: I:={1,3} are urmtoarea semnificaie: prin repartizarea unei
cantiti de marf de 250t centrului
3
C , depozitul
2
D i-a epuizat stocul, ca
atare nu mai poate aproviziona alte centre i atunci va fi eliminat din
calculele urmtoare.

1
C
2
C
3
C
4
C Disponibil
1

2

3

4

5

1
D 5
200
7
50
11
0
4
150
400 250 50 0 |4-5| |4-5| |5-7| |4-5| Fr sens
2
D 10
0
9
0
5
250
6
0
250 0 |5-6|
3
D 7
0
8
220
8
80
9
0
300 220 0 |7-8| |7-8| |7-8| |7-8| Fr sens
N 200
0
270
220
0
330
80
0
150
0
950
Max iteraia 4
1

|5-7| |7-8| |5-8|* |4-6|
2

|5-7| |7-8| |8-11| |4-9|
Max iteraia 2
3

|5-7| |7-8| |8-11|
Max iteraia 3
4

|5-7| |7-8|
5

|7-8| Max iteraia 5 (unic)
Maxim
243

Iteraia 2:
} 3 , 1 { = I , } 4 , 3 , 2 , 1 { = J
1
1
2
1
= i
1
3
2
3
= .
Acest lucru se ntmpl ori de cte ori la pasul precedent a fost
epuizat un disponibil. I are doar dou elemente, deci:
| 7 5 | | |
31 11
2
1
= = c c ; | 8 7 | | |
32 12
2
2
= = c c ; | 11 8 | | |
33 13
2
3
= = c c ;
| 9 4 | | |
34 14
2
4
= = c c ; ( )
2
4
2
4
2
3
2
2
2
1
2
2
2
1
, , , , , , max = se alege cel
mai mic cost din coloana 4; 4
14
= c . Se atribuie variabilei cu aceeai indici
valoarea maxim compatibil cu restriciile corespunztoare depozitului
1
D
i centrului
4
C :
4 14
150 ) 150 , 400 max( b x = = = . n acest caz a fost satisfcut
necesarul centrului
4
C 0
34
= x ( 0
24
= x se tie de la pasul precedent),
} 4 { } 4 , 3 , 2 , 1 { : = J i 250 150 400 :
1
= = a , etc.
Calculele implicate de aplicarea metodei sunt sistematizate n tabelul
precedent.
Observaia 1: La iteraia 4 exist mai multe diferene maxime:
4
1
4
1
= . n
asemenea cazuri se recomand alegerea diferenei maxime ce corespunde
costului de transport minim i dac acestea sunt egale, atunci se prefer
diferena maximal care implic repartizarea cantitii celei mai mari. n
cazul studiat coincideau i costurile minime i cantitile ce urmau s fie
repartizate , i atunci este indiferent ce diferen maxim se alege.
Observaia 2: La iteraia 5, } 2 { = J i } 3 , 1 { = I , deci, diferenele
5
nu au
sens.
Observaia 3: Dup parcurgerea iteraiilor 1,,5, } 3 { = I i } 2 { = J , deci
este imposibil s mai calculm vreo diferen. Astfel, se atribuie variabilei
32
x valoarea maxim compatibil cu restriciile 3 i m+2=3+2, adic
220
32
= x .

244

Valoarea funciei scop va fi:
1
0
2
0
3
0
5600 80 8 220 8 250 5 150 4 50 7 200 5 f f f < < = + + + + + = .

Etapa 2: Stabilirea soluiei optime finite.

Pasul 1 Testarea optimalitii soluiei iniiale
1
X .

Operaia 1: Drept soluie iniial, notat
1
X , am considerat soluia
iniial obinut prin metoda elementului minim pe coloan. n tabel au fost
trecute numai valorile variabilelor bazice, n numr de m+n-1=6.

1
C
2
C
3
C
4
C
Disponibil
1
D
5
200
7
200
11

4

400
2
D
10

9

5
250
6

250
3
D
7

8
70
8
80
9
150
300
Necesar 200 270 330 150 950

Se scrie sistemul
ij j i
c v u = + pentru toate variabilele bazice
ij
x .
ij
x variabil bazic ecuaie soluie particular
11
x 5
1 1
= + v u
12
x 7
2 1
= + v u
23
x 5
3 2
= + v u
32
x 8
2 3
= + v u
33
x 8
3 3
= + v u
34
x 9
4 3
= + v u

1
1
= u
3
2
= u
0
3
= u
6
1
= v
8
2
= v
8
3
= v
9
4
= v
Obs: S-a anulat
3
u
deoarece apare cu cea
mai mare frecven n
sistem.
245

Operaia 2: Se calculeaz ( )
j i ij ij
v u c + = pentru toate variabilele
ij
x nebazice n
1
X :
ij
x nebazice diferena
ij

13
x ( ) ( ) 0 4 8 1 11
3 1 13 13
> = + = + = v u c
14
x ( ) ( ) 0 4 9 1 4
4 1 14 14
< = + = + = v u c
21
x ( ) ( ) 0 7 6 3 10
1 2 21 21
> = + = + = v u c
22
x ( ) ( ) 0 4 8 3 9
2 2 22 22
> = + = + = v u c
24
x ( ) ( ) 0 9 3 6
4 2 24 24
= + = + = v u c
31
x ( ) ( ) 0 1 6 0 7
1 3 31 31
> = + = + = v u c
0
ij
,
ij
x variabil nebazic ? NU pasul 2.

Pasul 2 mbuntirea soluiei n cazul n care nu este optim.
Se mbuntete
1
X trecnd la soluia admisibil de baz
2
X , cel
puin la fel de bun n sensul ( ) ( )
2 1
X f X f .
Criteriul de intrare n baz:
14 14
0
4 min x
ij
ij
= =
<
va intra n baz i i se va atribui valoarea 0 ;
=
14
x

1
C
2
C
3
C
4
C
Disponibil
1
D 200
200-
+ 400
2
D 250 250
3
D
70+
80 150 - 300
Necesar 200 270 330 150 950

Cum a fost construit conturul poligonal? Primul vrf, marcat cu +
este n csua (1,4) corespunztoare variabilei ce intr n baz; de la aceasta
se traseaz un segment de dreapt, pe linie sau pe coloan, pn la o csu
246

ce corespunde unei variabile bazice. S presupunem c se lucreaz pe linie.
n acest caz, avem dou alternative:
urmtorul vrf este (1,2);
urmtorul vrf este (1,1) se schimb direcia cu 90
0
, deci se continu
trasarea urmtoarei laturi n coloana lui
1
C pn la csua unei alte
variabile bazice. Se observ c este imposibil continuarea trasrii
conturului poligonal, deoarece n coloana lui
1
C exist o singur variabil
bazic. Alternativa aleas a fost greit. O vom adopta, aadar, pe prima.
Prima latur va fi ntre (1,4) i (1,2); se schimb direcia de naintare
cu 90
0
i se traseaz dreapta dintre (1,2) i (3,2). Se continu procedeul
trasnd laturile dintre (3,2) i (3,4), respectiv (3,4) i (1,4). Linia poligonal
s-a nchis, deci se poate trece la aflarea variabilei nlocuite de
14
x .
Criteriul de eliminare din baz:
34
150 ) 200 , 150 min( x = = = . n noua soluie admisibil de baz variabila
14
x a eliminat-o pe
34
x :

1
C
2
C
3
C
4
C
Disponibil
1
D 200 200-150 150 400
2
D 250 250
3
D 70+150 80 300
Necesar 200 270 330 150 950

( ) 5600 8 80 8 220 5 250 4 150 7 50 5 200
2
= + + + + + = X f
( ) 5600 ) 4 ( 150 6200
14 1
= + = + = X f .
Se reia algoritmul testnd optimalitatea soluiei mbuntite.

De multe ori, n practic, nu se scrie sistemul de ecuaii, calculul
soluiei particulare fcndu-se cu ajutorul unor matrice, i anume:
matricea costurilor de transport: ( )
ij
c , m i , 1 = , n j , 1 = ;

247

matricea costurilor comparative: ( )
ij
c , m i , 1 = , n j , 1 = , unde
j i ij
v u c + = ;
matricea diferenelor: ( )
ij
, m i , 1 = , n j , 1 = .

( )
ij
c
3 , 1 = i , 4 , 1 = j
( )
j i
ij
c
,

5
1
= v

7
2
= v

7
3
= v

4
4
= v
ij
c
ij
c
ij
=
5 7 11 4
0
1
= u
5 7 7 4 4
10 9 5 6
2
2
= u

3 5 5 2 7 4 4
7 8 8 9
1
3
= u
6 8 8 5 1 4

Se observ c matricea ( )
ij
ij
c a fost extins cu o linie i o coloan n
care vor fi trecute valorile multiplicatorilor simplex (variabilele dualei).
Elementele acestui tabel sunt completate n urmtoarea ordine:
Se trec valorile costurilor unitare ce corespund soluiei admisibile de baz
care trebuie testat, deci
ij ij
c c = dac
ij
x este variabil bazic. Se vor
haura toate cele (m+n-1) csue ce corespund rutelor folosite n soluia
testat. n realitate, aceste numere reprezint termenii liberi ai sistemului
ij j i
c v u = + , cu 3 , 1 = i i 4 , 1 = j .
Care coloan i/sau linie are cele mai multe csue haurate? Linia 1
0
1
= u ; se determin valorile celorlalte variabile: 5
1
= v din
5
1 1
= + v u , 7
2
= v din 7
2 1
= + v u , 4
4
= v din 4
4 1
= + v u ,
1 7 8
3
= = u , 7 1 8
3
= = v , 2 7 5
2
= = u .
Se calculeaz
ij
c corespunztoare variabilelor nebazice, conform formulei:
j i ij
v u c + = .
Se calculeaz matricea diferenelor cu elementul general
ij ij ij
c c = ,
m i , 1 = , n j , 1 = .
0
ij
m i , 1 = , n j , 1 = ? DA STOP. Soluia testat este optim dar
i unic, deoarece nici o variabil nebazic nu are diferena egal cu zero.

248

Planul optim de livrare este prezentat n urmtorul graf:

Valoarea cheltuielilor de transport va fi minim i egal cu 5600 = f u.m.
Se observ c rutele utilizate n programul optim au cele mai mici
costuri n coloan i linie, excepie fcnd linia a treia. Vom micora
31
c cu
o unitate pentru a stabili dac varianta optim de aprovizionare se menine.
Soluia optim a problemei rezolvate va fi considerat soluie iniial pentru
modelul n care funcia scop are coeficientul
31
c egal cu 6.

1
C
2
C
3
C
4
C
D
ij
c
5
1
=
v

7
2
=
v

7
3
=
v

4
4
=
v

ij
c
ij
c
ij
=
1
D 5
200
7
50
11 4
150 400
0
1
= u
5 7 7 4 4
2
D 10 9 5
250
6
250
2
2
= u
3 5 5 2 7 4 4
3
D 6 8
220
8
80
9
300
1
3
= u
6 8 8 5 0 4
N 200 270 330 150 950

Deoarece, pentru aceast soluie optim, exist diferena egal cu
zero corespunztoare unei variabile nebazice ( 0
31
= ), problema admite o
infinitate de soluii optime, dintre care cel puin dou bazice.

1
C
2
C
3
C
4
C
1
D
170 80 150
2
D
250
3
D
30 270

1
D
2
D
3
D
1
C
2
C
3
C
4
C
200
50
150
250
220
80
0
ij
j i, STOP
249

Se poate obine o nou soluie admisibil de baz optim
(corespunde aceluiai cost total minim) lund =
31
x . Se construiete
conturul poligonal nchis (sau ciclul) corespunztor rutei (3,1):

1
C
2
C
3
C
4
C
1
D
200 - 50 + 150
2
D
250
3
D
+ 270 30 -

Problema de transport fiind o problem de programare liniar,
rezult c orice combinaie liniar convex de dou soluii optime este tot o
soluie optim, eventual nebazic.

*
0 0 270 30
0 250 0 0
150 80 0 170
) 1 (
0 30 270 0
0 250 0 0
150 50 0 200
X =
, ] 1 , 0 [ .

Din punct de vedere economic, o soluie admisibil de baz optim
este un plan de transport ce utilizeaz (m+n-1) rute din cele n m posibile, i
care corespund unui cost total minim. O soluie optim nebazic obinut,
de exemplu, pentru
5
1
= :

=
0 6 270 24
0 250 0 0
150 74 0 176
0 0 270 30
0 250 0 0
150 80 0 170
5
4
0 30 270 0
0 250 0 0
150 50 0 200
5
1
*
X

este un plan optim de transport cu m+n rute folosite. Dac politica
economic impune folosirea a mai mult de (m+n-1) rute, atunci soluia
optim nebazic este preferat celei bazice. n practic, folosirea a prea
puine rute feroviare, aeriene sau navale poate provoca dereglri ale
=
= =
30
) 30 , 200 min(

250

activitii grilor, aeroporturilor sau porturilor, prin staionarea excesiv a
mijloacelor de transport.

Pentru fixarea cunotinelor, propunem o a doua problem de acest
tip, dar de data aceasta, metodele vor fi prezentate foarte pe scurt, unele sub
alt sistematizare. Lsm pe seama cititorului s aleag forma de prezentare
care i se potrivete.

2.2. n sursele
3 2 1
, , D D D sunt stocate 450, 820, respectiv 530
uniti dintr-o marf, care trebuie expediat consumatorilor
3 2 1
, , C C C i
4
C . Cantitile solicitate sunt 300, 700, 200, respectiv 600 uniti. Se cere
identificarea unui program de aprovizionare optim sub aspectul costului, n
ipoteza c se mai dein urmtoarele informaii:
Se poate folosi orice rut ) , (
j i
C D , 4 , 1 , 3 , 1 j i .
Sunt suficiente capaciti de transport i acestea pot fi folosite astfel nct
este inutil restricia de nedepire a capacitii pe ruta ) , ( j i .
Se cunoate matricea costurilor unitare de transport:
= =
=
=
10 9 9 8
4 11 7 10
6 12 8 5
) (
4 , 1
3 , 1
j
i
ij
c C .
Matricea C are elementele cvasiconstante n perioada n care trebuie
s se realizeze transportul; ele sunt stabilite n funcie de lungimea rutei
) , ( j i , 4 , 1 , 3 , 1 j i , i a tipului de drum (asfaltat, drum naional, pietruit,
stare proast a carosabilului, etc.).

251

Datele de intrare vor fi sistematizate ntr-un tabel (T.V.2.2) de tipul
tabelului T.V.1.1:

T.V.2.2

1
C
2
C
3
C
4
C
Disponibil
1
D
5 8 12 6 450
2
D
10 7 11 4 820
3
D
8 9 9 10 530
Necesar 300 700 200 600 1800

Notm cu
ij
x
cantitatea de marf care se transport de la
i
D la
j
C ,
adic pe ruta ) , ( j i , { } 3 , 2 , 1 i , { } 4 , 3 , 2 , 1 j .

Vom sublinia o parte din particularitile modelului primal:
numrul necunoscutelor este totdeauna n m ; aici, 12 = n m
numrul restriciilor independente este totdeauna ( 1 + n m ). n acest caz,
6 1 = + n m .
Problema primal:
= =
=
3
1
4
1
[min]
i j
ij ij
x c f
R
R
R
R
R
R
R

= + +
= + +
= + +
= + +
= + + +
= + + +
= + + +
4
3
2
1
3
2
1
34 24 14
33 23 13
32 22 12
31 21 11
34 33 32 31
24 23 22 21
14 13 12 11

1,4 j , 3 , 1 , 0
600
200
700
300
530
820
450
v
v
v
v
u
u
u
i x
x x x
x x x
x x x
x x x
x x x x
x x x x
x x x x
ij

Problema dual
{
4 , 1 , 3 , 1 , ,
4 , 1 , 3 , 1 ,
[max]
4
1
3
1

+
+ =

= =
j i v u
j i c v u
v b u a g
j i
ij j i
j
j j
i
i i
R

252

Modelul admite totdeauna soluia
=
m
i
i
j i
ij
a
b a
x
1
, n j m i , 1 , , 1 , deci,
conform teoriei cunoscute, are cel puin o soluie optim finit:

=
1800
600 350
1800
200 530
... ...
... ... ... ...
.. ...
1800
700 450
1800
300 450
X .

Aflarea programului optimal
4 , 1
3 , 1
* *
) (
=
=
=
j
i
ij
x X :
Etapa 1: Obinerea unei soluii iniiale.
Din punct de vedere economic se vor stabili variante de
aprovizionare care utilizeaz numai 1 + n m rute i onoreaz toate cererile,
dar nu sunt neaprat cele mai bune variante decizionale. n acest scop
propunem trei metode, i anume:

Metoda colului de nord-vest (impune atribuirea valorilor maxime
corespunztoare rutelor din nord-vestul fiecrei linii).

1
X
1
C
2
C
3
C
4
C
Disponibil
1
D
300 150 450
2
D
550 200 70 820
3
D
530 530
Necesar 300 700 200 600 1800

Sunt folosite exact 6 1 = + n m rute, motiv pentru care soluia
1
X
se numete nedegenerat (cele ase variabile bazice
11
x ,
12
x ,
22
x ,
23
x ,
24
x
i
34
x au valori strict pozitive).
253

Metoda elementului minim pe tabel - Costurile unitare vor fi grupate
n ordine cresctoare: 12 ... 6 5 4
13 14 11 24
= < < = < = < = c c c c . Variabilei
din ruta primului termen
24
c i se va atribui valoarea maxim:
600 ) 600 , 820 min( ) , min(
4 2 24
= = = b a x . Apar ntrebrile:
S-a lichidat stocul? Nu. Atunci, acesta se actualizeaz. Vor rmne n stoc
820-600=220.
A fost onorat cererea? Da. Atunci, se elimin din ir costurile din coloana
4 (deoarece, practic, se face o inspecie vizual a costurilor, eliminarea
unora este vizualizat prin zerourile de pe rutele devenite inutilizabile,
prin satisfacerea necesarului).

2
X
1
C
2
C
3
C
4
C
Disponibil
1
D
5 8 12 6
0
450
2
D
10 7 11 4
600
820-600=220
3
D
8 9 9 10
0
530
Necesar 300 700 200 600 1800

Cu subirul de costuri obinut se reia raionamentul. n final, se
obine SAB nedegenerat:

2
X
1
C
2
C
3
C
4
C
Disponibil
1
D
5
300
8
150
12
0
6
0 450 150 0
2
D
10
0
7
220
11
0
4
600 820 220 0
3
D
8
0
9
330
9
200
10
0 530 200 0
Necesar
300
0
700
480
330
0
200
0
600
0
1800

254

Metoda diferenelor maximale - Procedeul propus de Vogel d
prioritate rutelor cu cel mai sczut cost de transport i cu cea mai mare
penalizare. Cum sunt definite aceste penalizri? Se ordoneaz costurile
liniei i (coloanei j) n ordine strict cresctoare; penalizarea ataat celei mai
ieftine rute din linia i (coloana j) este modulul diferenei primilor doi
termeni ai irului.

1
C
2
C
3
C
4
C
D
) 1 (

1
D
5 8 12 6
450
6-5=1
2
D
10 7 11 4
600 820
3
3
D
8 9 9 10
530
1
N
300 700 200 600 1800
) 1 (

3 1 2 2

Coloana
) 1 (
este coloana penalizrilor asociate costurilor minime pe linii,
iar linia
) 1 (
reprezint penalizrile asociate costurilor minime din
coloane. Se va alege maximul acestor penalizri.
Se alege ruta de cost minim cu penalizare maxim, i anume, ruta (2,4);
atribuim variabilei
24
x valoarea maxim 600; dac disponibilul a fost
consumat, se elimin linia respectiv, sau, dac cererea a fost onorat , se
elimin coloana corespunztoare rutei n discuie.
Se reface raionamentul pe submatricea rmas cu necesarul sau
disponibilul actualizat.

255

n cazul problemei considerate, se elimin coloana 4 i se obine:

1
C
2
C
3
C
D
) 2 (

1
D
5
300
8 12
450
3
2
D
10

7 11
220
3
3
D
8

9 9
530
1
N
300 700 200
) 2 (

3 1 2

300
11
= x ; se elimin coloana 1:

2
C
3
C
D
) 3 (

1
D
8 12
150
4
2
D
7
220
11
220
4
3
D
9 9
530
0
N
700 200
) 3 (

1 2

Se observ c aici avem dou diferene maxime egale cu 4; deoarece
8
12
= c > 7
21
= c , alegem 220
21
= x i eliminm linia 2. Rezult

2
C
3
C
D
) 3 (

1
D
8
150
12
150 4
3
D
9 9
530 0
N
480 200
) 3 (

1 3
256

dup care se face atribuirea automat

2
C
3
C
D
3
D
9
330
9
200
530
N
330 200

Soluia iniial a problemei de transport prezentate va fi:

3
X
1
C
2
C
3
C
4
C
D
1
D
300 150 450
2
D
220 600 820
3
D
330 200 530
N
300 700 200 600

Etapa 2: Stabilirea soluiei optime finite.
Pasul 1 Testarea optimalitii.
Se va testa optimalitatea soluiei
1
X :
Operaia 1: Se asociaz variabilei bazice
ij
x ecuaia
ij j i
c v u = + i se afl
astfel o soluie particular a sistemului construit n acest mod.
5
1 1 11
= + v u x
8
2 1 12
= + v u x
7
2 2 22
= + v u x
11
3 2 23
= + v u x
4
4 2 24
= + v u x
10
4 3 34
= + v u x

257

Variabilei care apare de cele mai multe ori n sistem i se atribuie
valoarea 0:
= =
=
= = =
=
6 4
11
4 1 7
0
3 4
3
1 1 2
2
u v
v
v u v
u .
Soluia acestui sistem este: 1
1
= u , 0
2
= u , 6
3
= u , 4
1
= v , 7
2
= v ,
11
3
= v i 4
4
= v .
Operaia 2: Se asociaz variabilei nebazice
kl
x diferena
) (
l k kl kl
v u c + = :
0 ) 11 1 ( 12
13 13
= + = x
0 ) 4 1 ( 6
14 14
> + = x
0 ) 4 0 ( 10
21 21
> + = x
2 ) 4 6 ( 8
31 31
= + = x
4 ) 7 6 ( 9
32 32
= + = x
8 ) 11 6 ( 9
33 33
= + = x
Conform teoremei 1 (din paragraful 1 al acestui capitol), soluia
testat este optim dac 0
ij
, n j m i , 1 , , 1 . n cazul acesta soluia
nu este optim din punctul de vedere cerut. O funcie secundar a testului de
optimalitate este aceea de a indica ruta rentabil neutilizat n soluia testat:
( )
33
0
8 min = =
<
kl
kl

Variabila
33
x va deveni bazic i valoarea sa va fi notat 0 .
Ce variabil se elimin? Rspunsul va fi dat la pasul 2.

258

Pasul 2 mbuntirea soluiei testate.
Plecm de la soluia din tabelul de mai jos:

1
C
2
C
3
C
4
C
D
1
D
5
300
8
150
12 6 450
2
D
10 7
550
11
200
4
70
820
3
D
8 9 9

10
530
530
N
300 700 200 600 1800

Se va identifica un circuit de la ruta (3,3) spre rute folosite de
1
X i napoi
la ea nsi.
Se vor marca vrfurile alternativ +, -, ncepnd cu ruta (3,3) marcat cu
+.
Se constat c, n acest caz, transferul maxim ce poate fi realizat este
) 530 , 200 ( min
=
marcaj
, deoarece orice alt transfer nu ar respecta condiia
0
ij
x , j i, .

200-

70+

530-

Soluia mbuntit
'
1
X :

1
C
2
C
3
C
4
C
1
D
5
300
8
150
12 6
2
D
10 7
550
11

4
270
3
D
8 9 9
200
10
330
259

este nedegenerat. Variabila
23
x a fost eliminat din baz. Se observ
imediat c 12730 ) ( 14330 ) (
'
1 1
= = X f X f . Costul transferului unei uniti
de marf pe ciclul identificat va fi:
8 4 10 9 10 1 1 1 1
24 34 32 21
= + + = + + c c c c , deci costul
transferului a 200 = uniti va fi ) ( ) ( 1600 200 8
'
1 1
X f X f = = .
Orice ciclu care se construiete n alte csue ale variabilelor
nebazice conduce la un transfer cu cost mai mare. S exemplificm acest
lucru pentru
14
x :

5
300
8
150-
12 6

10 7
550+
11
200
4
70-
8 9 9

6
530

Costul pentru o unitate de marf transferat este 6-8+7-4=1 u.m.
Sistematizarea calculelor implicate de parcurgerea complet a etapei 2:

ij
c

4
1
=
v

7
2
=
v

11
3
=
v

4
4
=
v

ij ij ij
c c =

1
1
= u
5 8 12 5 0 1
0
2
= u

4 7 11 4 6
6
3
= u

10 13 17 10 -2 -4 -8

Celul haurat: pentru rute folosite n
1
X .
Elementele din celulele haurate sunt termenii liberi de la operaia 1.
Elementele din celulele nehaurate le regsim la operaia 2, dac se
efectueaz adunrile din paranteze.
260

Pentru
kl
x nebazic, diferena este cea calculat la operaia 2: j i
ij
, , 0
? NU se alege
33
) min( =
ij

33
x va intra n noua baz.

'
1
X
300 150 300 150
550
200- 70+
550 270

+ 530-
200 330

= = 200 ) 530 , 200 min( se elimin din baz
23
x noua soluie
Se testeaz optimalitatea lui
'
1
X :

ij
c

5
1
=
v

8
2
=
v

4
3
=
v

5
4
=
v

ij ij ij
c c =

0
1
= u 5 8 4 5 8 1
300 150
1
2
= u 4 7 3 4 6 8

550-

270+
5
3
= u
10 13 9 10 -2 -4
+ 200 330-

j i
ij
, , 0 ? NU
se alege
32
) min( =
ij

=
32
x va intra n noua baz
=
= =
330
) 330 , 550 min(

se elimin din baz
34
x .
Noua soluie va fi:
C.I.B C.E.B
' '
1
X
300 150
220 600
330 200
261

Testm acum optimalitatea soluiei
' '
1
X :

ij
c

3
1
= v

0
2
= v
0
3
= v

3
4
= v

ij ij ij
c c =

8
1
= u
5 8 8 5 4 1
7
2
= u
4 7 7 4 6 4
9
3
= u
6 9 9 6 2 4

j i
ij
, , 0 i ) , ( , 0 l k
kl
> pentru care
kl
x este nebazic. Rezult deci
c
' '
1
X este soluie optim unic determinat:

1
D
2
D
3
D
1
C
2
C
3
C
4
C
3005
1508
2207
6004
3309
2009
11410 min = f
262

Vom trece acum la reoptimizarea acestei probleme, prin mrirea cu o
unitate a termenilor liberi
1
a i
1
b . Considerm ca soluie de start, soluia
optim obinut pentru problema iniial:

1
X
1
C
2
C
3
C
4
C
Disponibil
1
D
5
301
8 12
150
6
451
2
D
10 7
220
11 4
600 820
3
D
8 9
480
9
50
10
530
Necesar 301 700 200 600 1800

Se testeaz optimalitatea acestei soluii:

j
v
i
u
ij
c
5 12 12 9
ij ij ij
c c =

0 5 12 12 9 -4 -3
301 + 150-
-5 0 7 7 4 10 4 220 600
-3 2 9 9 6 6 4
480- 50+

Rezult

2
X
j
v
i
u
ij
c
5 8 8 5
ij ij ij
c c =
301 150 0 5 8 8 5 4 1
220 600 -1 4 7 7 4 6 4
330 200 1 6 9 9 6 2 4

12
4 ) 3 , 4 min( = =
150 =
0
ij
, 3 , 1 = i , 4 , 1 = j
STOP
263

Costul total este de 11415, soluia optim fiind prezentat grafic mai jos.

Cantitate
transportat
Depozite Rute folosite i costurile
de transport
corespunztoare
Centre
consumatoare
Marf
primit

Reoptimizarea s-a realizat prin modificarea a doi termeni liberi din
modelul matematic, i anume:
451 1 :
1 1
= + = a a pentru prima restricie,
31 1 :
1 1
= + = b b pentru a ( ) 4 1= + m patra restricie.
Din teoria programrii liniare, rezult c 11410 [min] = f trebuie s se
modifice cu ( )
*
4
*
1
v u + uniti.
ntr-adevr, ( ) ( ) 11415 5 0 11410 11410
*
4
*
1
= + + = + + v u , costul total minim
pentru modelul postoptimizat.
451

820

530

1
D

2
D

3
D

1
C

2
C

3
C

4
C

301

700

200

600
5 301
8 150
7 220
4 600
9 330
9 200
264

3. Probleme reductibile la problema de transport echilibrat

3.1 Probleme de transport cu rut blocat. Soluii admisibile
degenerate.

3.1.1 Se va considera o problem de transport echilibrat, definit
complet de matricea costurilor unitare
=
9 9 5 8
5 4 4 6
5 6 4 3
C , vectorul cantitilor
disponibile
=
250
200
200
a , vectorul cantitilor solicitate ( ) 250 200 100 100 = b
i matricea variabilelor
34 33 32 31
24 23 22 21
14 13 12 11
x x x x
x x x x
x x x x
.

Matricea rutelor disponibile dat de
) 4 , 3 ( ) 3 , 3 ( ) 2 , 3 (
) 4 , 2 ( ) 3 , 2 ( ) 2 , 2 ( ) 1 , 2 (
) 4 , 1 ( ) 3 , 1 ( ) 2 , 1 ( ) 1 , 1 (

evideniaz faptul c ruta (3,1) nu poate fi folosit n perioada pentru care se
caut soluia optim.

n acest caz, se spune c problema are o rut blocat. Pentru a o
transforma ntr-o problem de transport echilibrat este suficient ca, n
matricea C, elementul 8
31
= c u.m. s fie nlocuit cu un cost mare. Prin
aceast modificare ruta blocat (3,1) nu va fi utilizat n programul optimal.
Vom considera, de exemplu, 20
31
= c sau orice valoare mai mare care,
totui, s nu mreasc volumul de calcul necesar aflrii soluiei optime.
265

Astfel, avem de rezolvat problema de transport cu datele de intrare
cuprinse n tabelul urmtor:

1
C
2
C
3
C
4
C
D
1
D
3 4 6 5 200
2
D
6 4 4 5 200
3
D
20 5 9 9 250
N 100 100 200 250 650

Vom trece la rezolvarea acestei probleme.
Etapa 1: Determinarea unei soluii iniiale. Se va aplica metoda elementului
minim pe linie.

1
C
2
C
3
C
4
C
D
1
D
3
100
4
100
6 5
200
2
D
6 4 4
200
5
200
3
D
20 5 9 9
250 250
N 100 100 200 250 650

O
1
:
11 1
3 ) ( min c c
j
j
= = ;
12
1
4 ) ( min c c
ij
j
= =
;
O
2
:
23 2
} 2 , 1 {
4 ) ( min c c
j
j
= =
;
O
3
: (3,4) este unica rut disponibil.

Soluia iniial
250 0 0 0
0 200 0 0
0 0 100 100
utilizeaz 4 rute; altfel spus,
prin aplicarea metodei s-au gsit numai 4 variabile bazice cu valori strict
pozitive. Se spune c s-a obinut o soluie degenerat.
266

Ca i n cazul programelor liniare studiate n capitolele anterioare, i
modelul problemei de transport poate admite soluii degenerate, ceea ce
nseamn c printre variantele de aprovizionare care utilizeaz cel mult
) 1 ( + n m rute exist cel puin unul care are cel mult ) 2 ( + n m rute
folosite. Condiia necesar a existenei unei astfel de variante este :
V.3.1 M M
1
i N N
1
astfel nct

=
1 1
N j
j
M i
i
b a .
Pentru problema de mai sus, se poate identifica uor } 1 {
1
= M i } 2 , 1 {
1
= N :
2 1 1
b b a + = .
Procedura de testare a optimalitii functioneaz doar pentru soluii
admisibile de baz, deci cu (m+n-1)=rangA=3+4-1 variabile bazice cu
valori pozitive. Din cele ( 4 4 3 ) variabile cu valori egale cu zero trebuie
s alegem [(m+n-1)-4]=2=k variabile bazice crora le vom atribui valori
egale cu 0. Alegerea nu este unic, dar nici indiferent. Pentru a decide care
din variabilele
13
x ,
14
x ,
21
x ,
22
x ,
24
x ,
31
x ,
32
x i
33
x vor deveni bazice i
pentru a evita ciclajul, se trece la problema de transport perturbat, care
conserv relaia de echilibru, dar face imposibil verificarea relaiei V.3.1.
Astfel, considerm
+ =
i i
a a ) ( , m i , 1
= +

=
n j m b
,n- j b
b
n
j
j
,
1 1 ,
) (

unde este un numr pozitiv foarte mic, ce va fi anulat dup stabilirea
soluiei optime a problemei perturbate.
Printr-o astfel de modificare a unor date iniiale se identific mai
uor variabilele bazice cu valoare zero, n opoziie cu cele nebazice, despre
care tim, de asemenea, c sunt egale cu zero.
Unii autori propun i alte variante de perturbare a problemei, cum ar fi:
Se mrete un disponibil, de exemplu
1
a , cu k uniti: 2
1 1
+ a a .
267

Pentru ca problema s rmn echilibrat, trebuie mrit i un necesar cu tot
attea uniti. Se va alege
j
b astfel nct 1 j (indicele disponibilului
mrit). n acest caz, alegem + = 200
3
b i + = 250
4
b ( sau doar
2 250
4
+ = b ).
n problema perturbat se aplic aceeai metod de gsire a soluiei
admisibile de baz, i anume, metoda elementului minim pe linie:

1
X
1
C
2
C
3
C
4
C
D
1
D
3
100
4
100
6

5
2 200 +
2
D
6 4 4
200
5
200
3
D
20 5 9 9
250 250
N 100 100
+ 200

+ 250

2 650 +

Etapa 2: Se stabilete soluia optim pentru problema perturbat.

1
X

j
v
i
u
ij
c
3 4 6 5
ij ij ij
c c =

3
100
4
100
6
0 3 4 6 5
100
100-

+
6 4 4
200
5 -2 1 2 4 3 5 2 2
200
20 5 9 9
250
4 7 8 10 9 13 -3 -1

+

250-

3 min
32
0
= =
<
ij
ij

32
x intr n noua baz
min(100,250)=100
12
x eliminat din baz
268

Continum algoritmul i obinem:

2
X

j
v
i
u
ij
c
3 1 6 5
ij ij ij
c c =
3
100
4 6

5
100+
0 3 1 6 5 3
100 -
100+ +
6 4 4
200
5 -2 1 -1 4 3 5 5 2
200
20 5
100
9 9
150
4 7 5 10 9 13 -1
100

150-

n final, gsim:

3
X
j
v
i
u
ij
c
7 5 9 9
ij ij ij
c c =
Soluia optim
3
100
4 6 5
100+2
-4 3 1 5 5 3 1
100
100+2

6 4 4
200
5 -5 2 0 4 4 4 4 1
200
20 5
100
9
9
150-
0 7 5 9 9 13
100 150-

1 min
33
0
= =
<
ij
ij

33
x intr n noua baz
min( ,150)=
13
x eliminat din baz
0
ij
j i,
i 0 >
kp

kp
x
nebazic
Soluie optim unic.

269

Aadar, problema perturbat admite soluia optim unic determinat:

+
=

150 100 0
0 200 0 0
2 100 0 0 100
*
X

Dup anularea lui se obine soluia optim a problemei iniiale:
=
150 0 100 0
0 200 0 0
100 0 0 100
*
X ,
care utilizeaz (m+n-2) rute, ceea ce, din puct de vedere practic s-ar putea s
fie un avantaj.

1
D
2
D
3
D
1
C
2
C
3
C
4
C
3 100
5 100
4 200
5 100
9 150
Se observ c ruta (3,1), blocat, nu
este folosit n programul optim cu
costul total de
300+500+800+500+1350=3450 u.m.
Dei soluia iniial este dublu
degenerat, n final, soluia optim
este simplu degenerat.
270

Observaie:

3.2 Probleme de transport neechilibrate; probleme de transport
cu prioriti.

Practica ofer numeroase situaii n care trebuie rezolvat o
problem de alocare a unor resurse, fr a fi satisfcut condiia de
echilibru, sau n care sunt impuse restricii privind programul de alocare. n
acest paragraf, vor fi studiate patru modele particulare reductibile la
problema standard, probleme ce vor fi prezentate schematic dup cum
urmeaz:

coeficientul
lui pentru
un
i
a ales

=

(m+n-1)

numrul rutelor
folosite n soluia
degenerat

= 6 - 4 = 2
271

Cum se manifest dezechilibrul Cum se face echilibrarea Cum se poate exprima o servire cu prioritate

i)

= =
>
n
j
j
m
i
i
b a
1 1
, adic,
oferta>cererea

1
C
2
C
D
1
D
5 4 700
2
D
9 3 300
3
D
2 4 500
N
600

700
1500
1300
3.2.1. Prin introducerea unui centru
consumator fictiv
1 + n
C
0

0

j i
b a

Soluia iniial pentru problema echilibrat,
gsit prin metoda N-V:

1
C
2
C

3
C
D
1
D
5
600
4
100
0
700
2
D
9 3
300
0
300
3
D
2 4
300
0
200 500
N 600 700 200 1500
Interpretarea economic a valorilor din
coloana fictiv:

200
32
= x
3
D
3
C
3.2.2. Se poate cere stabilirea unui
program optim de aprovizionare care s
epuizeze cu prioritate stocul depozitului
i
D , } ,.., 1 { m i .

1
C
2
C
3
C
D
1
D
5 4 0
700
2
D
9 3 0
300
3
D
2 4 20
500
N 600 700 200 1500

Ruta (3,3) se transform n rut
nerentabil (cost mare) dac se cere
lichidarea stocului
3
a .
Ct nu expediaz
3
D din
cantitatea 500
3
= a
272

ii)

= =
<
n
j
j
m
i
i
b a
1 1
, adic,
oferta<cererea

1
C
2
C
3
C
D
1
D
3 2 4 320
2
D
2 4 1 300
N 520 180 200
3.2.3. Prin introducerea unei surse de
aprovizionare fictive:

1 + m
D
00

i j
a b

Soluia iniial pentru problema echilibrat
(metoda N-V):
N-V
1
C
2
C
3
C
D
1
D
3
320
2

4
320
2
D
2
200
4
100
1
300
3
D
0 0
80
0
200 280
N 520 180 200 900
Interpretarea economic a valorilor din linia
fictiv:

3
D 80
32
= x
2
C

Ct nu primete
2
C din
cantitatea cerut
3.2.4. n acest caz se poate face servirea
cu prioritate a unui centru
j
C n
sensul de a i se asigura primirea
cantitii cerute.

1
C
2
C
3
C
D
1
D
3 2 4
320
2
D
2 4 1
300
3
D
0 10 0
280
N 520 180 200 900

S presupunem c se cer servirea cu
prioritate a centrului
2
C . Dac recitim
interpretarea dat lui 0 80
32
> = x ,
vom nelege c, n solutia optim
aceast variabil trebuie s fie egal cu
0, ceea ce este echivalent cu a bloca
ruta (3,2).
273
Trecem acum la rezolvarea succint a problemelor date ca exemplu.
Problema 3.2.1. Etapa 1:
Dup introducerea consumatorului fictiv
3
C , soluia admisibil de
baz iniial a fost gsit folosindu-se metoda colului de N-V

1
X
1
C
2
C
3
C
D
1
D
5
600
4
100
0
700
2
D
9 3
300
0
300
3
D
2 4
300
0
200 500
N 600 700 200 1500

Etapa 2: Testarea optimalitii. Iteraia 1:

1
X
j
v
i
u
ij
c
1 0 -4
ij ij ij
c c =

5
600
4
100
0 4 5 4 0 0
600- 100+

9 3
300
0 3 4 3 -1 5 1
300
2 4
300
0
200
4 5 4 0 -3
+
300- 200

Iteraia 2:
2
X
j
v
i
u
ij
c
5 4 3
ij ij ij
c c =

5
300
4
400
0

0 5 4 3 -3
300-
400
+
9 3
300
0 -1 4 3 2 5 2
300
2
300
4

0
200
-3 2 1 0 3
300+

200-

3 min
31
0
= =
<
ij
ij

31
x intr n noua baz
min(600,300)=300
32
x eliminat din baz
3 min
13
0
= =
<
ij
ij

13
x intr n noua baz
min(300,200)=200
33
x eliminat din baz
274

Iteraia 3:
3
X
j
v
i
u
ij
c
5 4 0
ij ij ij
c c =

Soluia optim
5
100
4
400
0
200
0 5 4 0
100 400 200
9 3
300
0 -1 4 3 -1 5 1
300
2
500
4

0

-3 2 1 -3 3 3
500

Comentariu: Cele 200 uniti de marf repartizarte consumatorului fictiv
3
C au urmtoarea semnificaie: n depozitul
1
D mai rmn 200 uniti de
marf nefolosite (n stoc). Depozitele
2
D i
3
D i epuizeaz stocul.
Evident, cererile consumatorilor
1
C i
2
C sunt satisfcute.
Schema soluiei optime

0
ij
, j i, i
0 >
kp
,
kp
x nebazic

Soluie optim unic
determinat.
3
C fictiv 200 :
*
13
= x stoc n
1
D .
500
*
31
= x
300
*
22
= x
100
*
11
= x
200
*
13
= x
400
*
12
= x
1
D
2
D
3
D
600 :
*
31
*
11 1
= + x x C uniti
de marf primit.
700 :
*
22
*
12 2
= + x x C uniti
de marf primit.
4000 [min] = f u.m
275

Problema 3.2.2.
Etapa 1: Epuizarea cu prioritate a stocului din
3
D se face prin
blocarea rutei (3,3). Dup introducerea consumatorului fictiv
3
C i blocarea
rutei (3,3) - prin repartizarea unui cost mare ( 20
33
= c ) pe aceast
rut - soluia admisibil de baz iniial a fost gsit folosindu-se metoda
elementului minim pe coloan:

1
X
1
C
2
C
3
C
D
1
D
5
100
4
400
0
200 700
2
D
9 3
300
0
300
3
D
2
500
4

20
500
N 600 700 200 1500

Se observ c este o soluie care utilizeaz m+n-1=5 rute.

Etapa 2: Testarea optimalitii.

1
X
j
v
i
u
ij
c
5 4 0
ij ij ij
c c =
Soluia optim
5
100
4
400
0
200
0 5 4 0
100 400 200
9 3
300
0 -1 4 3 -1 5 1
300
2
500
4

0

-3 2 1 -3 3 3
500

0
ij
, j i,
0 >
kp
,
kp
x nebazic
Soluie optim
unic determinat.
276

S-a obinut planul optim de aprovizionare al problemei precedente,
plan care verific i restriciile impuse n cadrul acestui exemplu.

Problema 3.2.3
Etapa 1: Dup introducerea sursei fictive
3
D , soluia admisibil de
baz iniial a fost gsit aplicnd metoda colului de nord-vest.

1
X
1
C
2
C
3
C
D
1
D
3
320
2

4
320
2
D
2
200
4
100
1
300
3
D
0 0
80
0
200 280
N 520 180 200 900

Etapa 2: Testarea optimalitii.

1
X
j
v
i
u
ij
c
2 4 4
ij ij ij
c c =

3
320
2

4

-1 3 3 3 -1 1
320
2
200
4
100
1 0 2 4 4 -3
200
100-
+
2 0
80
0
200
-4 -2 0 0 2

80+
200-

3 min
23
0
= =
<
ij
ij

23
x intr n noua baz
min(100,200)=100
22
x eliminat din baz
277

2
X
j
v
i
u
ij
c
2 1 1
ij ij ij
c c =

3
320
2

4

0 3 2 2 0 2
320
2
200
4

1
100
0 2 1 1 3
200-
100+
0

0
180
0
100
-1 1 0 0 -1
+
180 100-

3
X
j
v
i
u
ij
c
0 0 -1
ij ij ij
c c =

3
320
2

4

3 3 3 2 -1 2
320- +

2
100
4

1
200
2 2 2 1 2
100 200
0
100
0
180
0

0 0 0 -1 1
100+
180-

1 min
31
0
= =
<
ij
ij

31
x intr n noua baz
min(200,100)=100
33
x eliminat din baz
1 min
12
0
= =
<
ij
ij

12
x intr n noua
min(320,180)=180
32
x eliminat din baz
278

4
X
j
v
i
u
ij
c
0 -1 -1
ij ij ij
c c =
Soluia optim
3
140
2
180
4

3 3 2 2 2
140 180
2
100
4 1
200
2 2 1 1 3
100 200
0
280
0

0

0 0 -1 -1 1 1
280

Schema soluiei optime

0
ij
, j i,
0 >
kp
,
kp
x nebazic
Soluie optim unic

determinat.
280
*
31
= x
200
*
23
= x
100
*
21
= x
140
*
11
= x
180
*
12
= x
1
D
2
D
3
D
ficti
v
240 :
*
21
*
11 1
= + x x C uniti
de marf primit.
280
*
31
= x deficit
180 :
*
12 2
= x C uniti de marf primit.
200 :
*
23 3
= x C uniti
de marf primit.
1180 [min] = f u.m.
279

Problema 3.2.4.
Etapa 1: Sevirea cu prioritate a centrului
2
C este echivalent, aa
cum am mai spus, cu blocarea rutei (3,2). Dup introducerea depozitului
fictiv
3
D i blocarea rutei (3,2) - prin repartizarea unui cost mare ( 10
32
= c )
pe aceast rut - soluia admisibil de baz iniial a fost gsit folosindu-se
metoda elementului minim pe linie:

1
X
1
C
2
C
3
C
D
1
D
3
140
2
180
4
320
2
D
2
100
4 1
200 300
3
D
0
280
10

0
280
N 520 180 200 900

Etapa 2: Testarea optimalitii:

1
X
j
v
i
u
ij
c
0 -1 -1
ij ij ij
c c =
Soluia optim
3
140
2
180
4

3 3 2 2 2
140 180
2
100
4 1
200
2 2 1 1 3
100 200
0
280
10

0

0 0 -1 -1 11 1
280

n continuare, vom prezenta o problem n care decizia de eliminare
din baz este mai dificil dect n cazul problemelor rezolvate anterior.

0
ij
, j i,
0 >
kp
,
kp
x nebazic
Soluie optim unic

determinat. Ea
coincide cu soluia
optim a problemei
3.2.3.
280

Problema 3.2.5. Considerm problema de transport cu datele iniiale
prezentate n urmtorul tabel:

1
C
2
C
3
C
4
C
D
1
D
9 10 9 16
100
2
D
12 9 16 8
120
3
D
15 8 13 11
150
N 80 90 100 80

Este uor de observat c problema este neechilibrat. ntr-adevr,

= =
=
4
1
3
1
370
j
j
i
i
b a . n aceste condiii, se impune introducerea unui
consumator fictiv,
5
C . n coloana acestuia, 0
5
=
i
c , 3 , 1 = i , deoarece nu s-au
impus serviri cu prioritate.

Rezolvarea problemei echilibrate:

Etapa 1: Soluia admisibil de baz iniial a fost stabilit prin metoda lui
Vogel:
1
X
1
C
2
C
3
C
4
C
5
C
D ) 1 (

) 2 (
) 3 (
) 4 (

) 5 (

1
D
9 10 9
80
16 0
20100
9* 0
2
D
12
40
9 16 8
80
0
120
8 1 1 4* 4*
3
D
15
40
8
90
13
20
11 0
150
8 3 3* 2 2
N 80 90 100 80 20 370
) 1 (

3 1 4* 3 0
) 2 (

3 1 4* 3
) 3 (

3 1 3 3
) 4 (

3 3 3
) 5 (

3 3

281

Etapa 2: Stabilirea soluiei optime.
Pasul 1 Testarea optimalitii soluiei obinute la etapa 1.
1
X

80

20

40

80

40

90 20

j
v
i
u
ij
c
15 8 13 11 4
ij ij ij
c c =
-4 11 4 9 7 0 -2 6 9
-3 12 5 10 8 1 4 6 -1
0 15 8 13 11 4 0 -4

Observaie: Conform teoriei, trecerea la o soluie admisibil de baz mai
bun se face prin trecerea la o nou baz care provine din baza soluiei
testate, prin nlocuirea unui singur vector. n acest caz, problema este aceea
de a stabili care variabil trebuie eliminat:
15
x sau
33
x . Scopul declarat
este acela de a stabili un program de transport care s corespund unui cost
total minim, deci se va elimina variabila corespunztoare rutei cu cost
maxim:
0 0
15 15 15
= = x c x este variabil bazic i n noua soluie;
0 13
33 33 33
= = x c x este variabil nebazic n noua soluie.

TESTARE
4 min
35
0
= =
<
ij
ij

35
x intr n noua baz
282

Ca urmare a acestei decizii, se obine:

80+

20-

40

80

40

90
20-
+

Iteraia 2: Noua soluie admisibil de baz este dat n tabelul urmtor:

100

0

40

80

40

90 20

j
v
i
u
ij
c
15 8 9 11 0
ij ij ij
c c =
0 15 8 9 11 0 -6 2 5
-3 12 5 6 8 -3 4 10 3
0 15 8 9 11 0 4 0

( ) ( ) = = = 20 , 20 min , min
33 15
x x
33
20 x = = ,
deoarece ( )
33 15 33
, max c c c = .
6 min
11
0
= =
<
ij
ij

11
x intr n noua baz
TESTARE
283

100

0-

40

80

40-

90 20+

Iteraia 3: Continum cu testarea soluiei mbuntite:

0

100

40

80

40

90 20

j
v
i
u
ij
c
15 8 15 11 0
ij ij ij
c c =
-6 9 2 9 5 -6 8 11 6
-3 12 5 12 8 -3 4 4 3
0 15 8 15 11 0 -2 0

=min(0,40)=0.

15
x eliminat
din baz.
2 min
33
0
= =
<
ij
ij

33
x intr n noua

284

0+

100-

40

80

40-

90 + 20

Iteraia 4:

40

60

40

80

90 40 20

j
v
i
u
ij
c
13 8 13 9 0
ij ij ij
c c =
-4 9 4 9 5 -4 6 11 4
-1 12 7 12 8 -1 2 4 1
0 13 8 13 9 0 2 2

=min(100,40)=40.

31
x eliminat din baz.
0
ij
, j i,
soluia gsit este optim.
TESTARE
285

Schema soluiei optime:

Propunem spre rezolvare urmtoarea problem, care exemplific
faptul c prin metode diferite se gsesc soluii admisibile de baz diferite,
unele dintre acestea putnd conduce la soluii degenerate, dar, n final, se
vor gsi planuri (sau, un plan, dac soluia este unic) de aprovizionare care
folosesc cel mult ( ) 1 + n m rute i dau aceeai valoare funciei cost total.
40
*
33
= x
90
*
32
= x
80
*
24
= x
40
*
21
= x
60
*
13
= x
40
*
11
= x
1
D
2
D
3
D
1
C
2
C
3
C
4
C
5
C fictiv
20
*
35
= x ,
adic exact cantitatea
care rmne n stoc, n
3
D
Costul total este
de 3260u.m.
286

Problema 3.2.6. Problema de transport ce va fi studiat are urmtoarea
prezentare matriceal:

1
C
2
C
3
C
D
1
D
3

2
30
1
190
220
2
D
2
300

1

300
3
D
1
180
3

5

180
4
D
2
40
4
160
3

200
N
520 190
190 900

Se observ imediat c este verificat condiia suficient de apariie a
unor soluii degenerate
1 2 1
b a a = + i
3 2 4 3
b b a a + = + .
Vom cuta acum soluii admisibile de baz folosind dou metode:

Metoda elementului minim pe tabel

1
C
2
C
3
C
D
1
D
3

2
30
1
190
0 30 220
2
D
2
300
4

1
0 300
3
D
1
180
3 5

0 180
4
D
2
40
4
160
3

0 160 200
N
520
340
40
0
190
160
0
190
0
900

Comparnd cele dou soluii, se observ c a doua este simplu
degenerat, ea folosete cinci rute, ce corespund unui numr de ( ) 2 + n m
Metoda lui Dantzig

1
C
2
C
3
C
D
1
D 220 220
2
D 300 300
3
D 180 180
4
D 10 190 200
N 520 190 190 900
287

variabile bazice, din totalul de 12 = n m rute posibile. Din cele ( 5 4 3 )
variabile nebazice, trebuie s alegem una creia s-i atribuim valoarea zero
i care s formeze mpreun cu
11
x ,
21
x ,
32
x ,
42
x ,
43
x , o soluie admisibil
de baz degenerat (amintim c la etapa 2 se lucreaz numai cu soluii
admisibile de baz, din spaiul
1 +n m
R , degenerate sau nu).
Stabilirea noii variabile bazice se face prin perturbarea problemei de
transport:
se mrete disponibilul 220
1
= a (sau 300
2
= a ) cu uniti. Pentru ca
problema s rmn n continuare echilibrat trebuie mrit i necesarul cu
tot attea uniti. n general se adaug cele uniti unui necesar
j
b ,
unde } 3 , 2 { } 1 { } 3 , 2 , 1 { } ,..., 2 , 1 {
1
= = = N n j , de exemplu +
2
b .
se aplic metoda diagonalei (sau metoda colului de N-V) problemei
perturbate:

1
C
2
C
3
C
D
1
D 220 220+
2
D 300 300
3
D 180 180
4
D 10 190 200
N 520 190+ 190 900+

se stabilete soluia optim.
Observaia 1: Dac o soluie iniial este degenerat, soluia optim poate fi
nedegenerat.
288

1
X
ij
c
1
1
=
v

0
2
=
v
1
3
=
v
ij
c
ij
c
ij
=
3
220
2

1
2
1
= u
3 2 1 0 220- +
2
300
4 1
1
2
= u
2 1 0 3 1 300
1 3
180
5
3
3
= u
4 3 2 -3 3 + 180-
2 4
10
3
190
4
4
= u
5 4 3
-3
10 190

2
X
ij
c
0
1
=
v

1
2
=
v
2
3
=
v
ij
c
ij
c
ij
=
3
40
2
180+
1
3
1
= u
3 2 1 0
40-
180+ +

2
300
4 1
2
2
= u
2 1 0 3 1 300
1
180
3

5
1
3
= u
1 0 -1 3 6 180
2 4
10
3
190
5
4
= u
5 4 3 -3
+
10- 190

( )

= =
=
1 , min
3 ) 3 , 3 min(
31 41 31
c c c
=
31
x intr n baz.
41
0
3 min = =
<
ij
ij

41
x intr n baz.
min(10,40)=10
42
x eliminat
din baz.
= = 180 ) 180 , 220 min(

32
x va fi eliminat din
baz.
289

3
X
ij
c
0
1
=
v

1
2
=
v
1
3
=
v
ij
c
ij
c
ij
=

3
30
2
190+
1
3
1
= u
3 2 2 -1
30-
190+
+
2
300
4 1
2
2
= u
2 1 1 3 0 300
1
180
3

5
1
3
= u
1 0 0 3 5 180
2
10
4

3
190
2
4
= u
2 1 3 3
10+
190-

4
X
ij
c
0
1
=
v

2
2
=
v

1
3
=
v

ij
c
ij
c
ij
=
3

2
190+
1
30
0
1
= u
0 2 1 3 190+ 30
2
300
4 1
2
2
= u
2 4 3 0 -2 300-

+
1
180
3

5
1
3
= u
1 3 2 0 3 180
2
40
4

3
160
2
4
= u

2 4 3 0 40+ 160-

13
0
1 min = =
<
ij
ij

13
x intr n baz.
min(30,190)=30
11
x eliminat
din baz.
23
0
2 min = =
<
ij
ij

23
x intr n baz.
min(300,160)=160
43
x eliminat din
baz.
290

5
X
ij
c
0
1
=
v

0
2
=
v

1
3
=
v

ij
c
ij
c
ij
=
3

2
190+
1
30
2
1
= u

0 2 1 1
2
140
4 1
160
2
2
= u

2 4 3 2
1
180
3

5
1
3
= u

1 3 2 2 5
2
200
4

3

2
4
= u

2 4 3 2 2

0
ij
, 4 , 1 = i i = 3 , 1 j STOP.

Schema soluiei optime ( ) 0 := :

180
*
31
= x
200
*
41
= x
160
*
23
= x
140
*
21
= x
30
*
13
= x
190
*
12
= x
1
D
2
D
3
D
1
C
2
C
3
C
4
D
291

Soluia optim este unic i nedegenerat i corespunde unui cost
total minim egal cu 1630 u.m.

n cazul n care soluia admisibil de start este gsit cu metoda
elementului minim pe tabel, stabilim soluia optim n urmtoarele dou
iteraii:

1
X
ij
c
0
1
=
v

2
2
=
v

1
3
=
v

ij
c
ij
c
ij
=
3

2
30
1
190
0
1
= u
0 2 1 3

30+

190-
2
300
4 1
2
2
= u
2 4 3 0
-2
300-

+
1
180
3

5
1
3
= u
1 3 3 0 3 180
2
40
4
160
3

2
4
= u
2 4 3 0
40+
160-

5
X
ij
c
0
1
=
v

0
2
=
v

1
3
=
v

ij
c
ij
c
ij
=
3

2
190
1
30
2
1
= u
2 2 1 1
2
140
4 1
160
2
2
= u
2 2 1 2
1
180
3

5
1
3
= u
1 1 0 2 4
2
200
4

3

2
4
= u
2 2 1 2 2

0
ij
, 4 , 1 = i i = 3 , 1 j STOP. Evident, s-a obinut aceeai soluie
optim.
23
0
2 min = =
<
ij
ij

23
x intr n baz.
min(190,300,160)=160
42
x eliminat din
baz.
292

4. Probleme de transport cu centre intermediare

n cadrul jocurilor de intreprindere din domeniul agriculturii,
participanii la joc sunt pui n faa rezolvrii unor probleme n care recolta
din diferite puncte de colectare trebuie expediat n silozuri, iar acestea,
conform unor programe, trebuie s satisfac cererile unor consumatori, cum
ar fi morile sau fabricile de pine. Se pune, astfel, problema gsirii unor
planuri de aprovizionare a unor centre consumatoare, dup ce marfa a fost
stocat o anumit perioad n puncte de pstrare, pe care le vom numi centre
intermediare. Acest proces de aprovizionare n dou faze nu este specific
agriculturii, el apare n multe alte domenii ale activitii economice sau
informatice.

Formularea problemei Cunoscnd:

i
a , producia n sursa
i
P (centrul de expediere a materiei prime, mrfii),
M i ; ( )
M i i
a A

= ;
k
d , capacitatea depozitului
k
D , numit centru intermediar (poate fi centru
de
prelucrare), } ,.., 1 {
1 1
m M k = ; ( )
1
M k k
d D

= ;
j
b , cererea consumatorului
j
C , N j ; ( )
N j
j
b B

= ;
ik
c , costul unitar pe ruta ( )
k i
D P , ;
kj
p , costul unitar pe ruta ( )
j k
C D , ,

s se stabileasc planurile de transport de la productor la centru intermediar
i de la centru intermediar la consumatori astfel nct cheltuielile totale de
transport s fie minime. i n acest caz, cheltuielile sunt date pe unitatea de
cantitate transportat i sunt proporionale cu aceasta.

293

Modelul matematic

V.4.1
i
m
k
ik
a x =
=
1
1
, M i
V.4.2
k
m
i
ik
d x =
=1
,
1
M k

V.4.3
=
=
n
j
k kj
d y
1
,
1
M k
V.4.4
j
m
k
kj
b y =
=
1
1
, N j

V.4.5 0
ik
x , 0
kj
y , M i ,
1
M k , N j

V.4.6

= = = =
+ =
1 1
1 1 1 1
[min]
m
k
n
j
kj kj
m
i
m
k
ik ik
y p x c f

i
a
j
b
i
P
k
D
ik
x
ik
c
k
d
k
D
j
C
kj
y
kj
p
k
d
294

Modelul liniar V.4.1 - V.4.6 admite soluii dac:

V.4.7 0
i
a , 0
k
d , 0
j
b ;

= = =
= =
n
j
j
m
k
k
m
i
i
b d a
1 1 1
1
, M i ,
1
M k , N j .

n acest model apar ( ) ( ) n m m m +
1 1
necunoscute, supuse unui
numr de ( ) ( ) 1 1
1 1
+ + + n m m m restricii independente relativ la
cantitile transportate.
Din condiia V.4.7 rezult c, n aceast problem echilibrat,
variabilele
ik
x i
kj
y sunt independente, ceea ce permite descompunerea
problemei de transport cu centre intermediare n dou probleme de transport
echilibrate, succesive:

( ) 1 PB
i
m
k
ik
a x =
=
1
1
, M i
k
m
i
ik
d x =
=1
,
1
M k
0
ik
x , M i ,
1
M k
= =
=
m
i
m
k
ik ik
x c f
1 1
1
1
[min]
0
i
a , 0
k
d

= =
=
1
1 1
m
k
k
m
i
i
d a

( ) 2 PB
=
=
n
j
k kj
d y
1
,
1
M k
j
m
k
kj
b y =
=
1
1
, N j
0
kj
y ,
1
M k , N j
= =
=
1
1 1
2
[min]
m
k
n
j
kj kj
y p f
0
k
d , 0
j
b

= =
=
n
j
j
m
k
k
b d
1 1
1

295

Dup rezolvarea celor dou probleme, se construiete, prin reuniune,
soluia optim a modelului enunat. n realitate se ntlnesc destul de rar
probleme echilibrate. Cel mai adesea trebuie s se introduc puncte surs
sau depozite sau centre consumatoare fictive pentru a face posibil
aplicarea algoritmului de rezolvare. n cazul n care capacitatea total a
centrelor intermediare este mai mare dect oferta total i cererea total,
exist riscul ca o parte din marf s rmn n aceste depozite. Aceste
stocuri pot fi admise sau nu. De exemplu, dac marfa e perisabil, s-ar dori
stocuri ct mai mici, eventual nule. Din acest motiv s-a elaborat un procedeu
de punere de acord a soluiilor optime ale problemelor ( ) 1 PB i ( ) 2 PB ,
procedeu prin care se urmrete:
minimizarea stocurilor n centrele intermediare;
reducerea cheltuielilor prin redistribuirea cantitilor transportate.

n continuare se va exemplifica acest caz special al problemelor de
transport cu centre intermediare, i anume, cazul n care capacitatea
centrelor intermediare este strict mai mare dect oferta surselor i cererea
consumatorilor. Datele numerice dup echilibrare sunt cele din tabelele
T.V.4.1 i T.V.4.2. Se observ c iniial au existat
relaiile:
4 3 2 1 4 3 2 1 3 2 1
b b b b d d d d a a a + + + > + + + < + + . Centrele
4
P i
5
C sunt fictive. Deoarece nu s-a impus nici o prioritate n aprovizionare
i/sau servire, toate costurile din linia lui
f
P
4
, respectiv coloana lui
f
C
5
au
valori nule:

0
4
=
k
c i 0
5
=
k
p , 4 , 1 k .

296

Dup rezolvarea independent a celor dou probleme s-au obinut soluiile
optime:

Reprezentnd schematic soluiile optime, dup cum urmeaz,

T.V.4.1

1
D
2
D
3
D
4
D
A
1
P
9 4
9
7
25
8
34
2
P
3
15
6 11 3
15
3
P
8
3
5 9 7
48 51
f
P
4

0
8
0 0
12
0
20
D
26 9 37 48120

T.V.4.2

1
C

2
C

3
C

4
C

f
C
5

D
1
D

4 1
26
1 3 0
26
2
D

6 2 1
9
4 0
9
3
D

3
12
5 5 1
23
0
2
37
4
D

4 3
4
2
16
3 0
28
48
N 12 30 25 23 30 120

1
P
2
P
3
P
4
P
fictiv
1
D
2
D
3
D
4
D
1
C
2
C
3
C
4
C
5
C
fictiv
9
25
15
3
48
8
12
26
9
12
23
2
4
16
28
616 [min]
1
= f
138 [min]
2
= f
Rute fictive folosite
n variantele optime:
( )
1 4
, D P
( )
3 4
, D P , ( )
5 3
, C D
( )
5 4
, C D
297

se pot observa mai uor modalitile de aprovizionare a celor patru centre
consumatoare reale
1
C ,
2
C ,
3
C i
4
C i se pot sesiza soluii de
mbuntire a variantelor optime de transport. Consumatorul fictiv
5
C este
aprovizionat de
3
D i
4
D .

Pe de alt parte,
4
D , ca centru intermediar, este aprovizionat numai
de
3
P i expediaz spre
5
C , fictiv, 28t. Este logic s dorim micorarea
cantitii transportate pe ruta ( )
4 3
, D P cu 28 uniti. S verificm dac acest
lucru este posibil. Se vor reaeza soluiile optime pentru a facilita procedeul
de punere de acord a variantelor de transport:

T.V.4.3 T.V.4.4

1
P
2
P
3
P
f
P
4
D
1
C
2
C
3
C
4
C
f
C
5

1
D
15 3 8 26 26
2
D
9 9 9
3
D
25 12 37 12 23 2
4
D
48 48 4 16 28
A
34 15 51 20
B
12 30 25 23 30

Din acest tabel, rezult c
4
D primete o cantitate de marf egal cu
capacitatea sa, dar aprovizioneaz
2
C i
3
C numai cu 4t, respectiv 16t, iar
1
D primete numai (15+3)t ( 8
*
41
= x ) i trebuie s satisfac o cerere de 26t.
i
P j
C
k
D
3
D
4
D
5
C 30=2+28
2
28
298

Aceast situaie poate fi eliminat prin introducerea n baz a variabilei
44
x .
n tabelele T.V.4.3- T.V.4.4 se construiesc liniile poligonale i se obin:

T.V.4.5 T.V.4.6

1
P
2
P
3
P
f
P
4

D
1
C
2
C
3
C
4
C
f
C
5

1
D
15
3+ 8-
26 26
2
D
9 9 9
3
D
25 12 37
12-
~
23
2+
~

4
D

48-
48
~

4 16
28-
~

A
34 15 51 20
B
12 30 25 23 30

Aplicnd criteriul de eliminare din baz, rezult 8 = , ceea ce
implic:
din
3
P se vor expedia (3+8)t spre
1
D i (48-8)t spre
4
D ;
sursa
4
P , fictiv, nu va expedia nimic spre
1
D , deci
1
D , prin aceast
modificare, va expedia spre
2
C 26t (15t primite de la
2
P i 11t de la
3
P ).
S trecem la analiza soluiei optime corespunztoare planului de
transport (centre intermediare centre de consum). n primul rnd trebuie s
construim o linie poligonal prin care s eliminm 8 uniti de pe ruta
( )
5 4
, C D . Din analiza ultimului tabel, rezult c cea mai bun strategie este
aceea ce permite eliminarea acestor 8t de la
3
D , care primete 12t de la
sursa fictiv
4
P :

12-
~
23
2+
~

~

28-
~

i
P
j
C
k
D
12
~
=
Aprovizionarea se face de
la
3
D , care primete n
realitate numai 25t.
299

n final, rezult soluia:
T.V.4. 7 T.V.4.8

1
P
2
P
3
P
f
P
4
D
1
C
2
C
3
C
4
C
f
C
5

1
D
9 3

15
8

11
0
26
4 1

26
1 3 0
2
D
4

9
6 5 0
9
6 2 1

9
4 0
3
D
7

25
11 9 0

12
37
3 5 5 1

23
0

14
4
D
8 3 7

40
0

8
48
4

12
3

4
2

16
3 0

16

A

34 15 51 20

B

12 30 25 23 30

Costul total va fi: 624+150=774u.m. Acest cost poate fi micorat n
continuare, prin reducerea cantitilor primite de
3
D i
4
D cu 2t, respectiv
8t:

Pentru evitarea imobilizrilor de fonduri fixe, pierderea valorii
mrfii prin depozitarea sau folosirea neraional a mijloacelor de transport,
se recomand urmtoarele politici n alte dou cazuri de excepie:

= = =
> =
n
k
k
m
j
j
m
i
i
b d a
1 1 1
1
Deoarece se cere mai puin dect se ofer,
diferena

= =

n
k
k
m
i
i
b a
1 1
nu va fi expediat spre centrele intermediare.
Expediaz tot
ce primete.
Expediaz tot
ce primete.
Primete 25t,
expediaz 23t
i rmne cu un
stoc de 2 uniti.
Primete 40t,
expediaz
(12+4+16)t
i rmne
n stoc cu 8t.
1
P
3
D
3
P
4
D
1
P
3
D
3
P
4
D
25
*
13
= x
40
*
34
= x
2 25
~*
13
= x
8 40
~*
34
= x
300

= = =
< =
n
k
k
m
j
j
m
i
i
b d a
1 1 1
1
Se recomand satisfacerea cu prioriti a cererilor
formulate de unele centre consumatoare.

5. Problema de transport generalizat

Introducem aceast problem printr-un exemplu.
Formularea problemei. Din contractele ncheiate de firma
productoare FAUR rezult c la atelierul A5, n cursul trimestrului al
II-lea, vor fi realizate produsele
i
P , } 4 , 3 , 2 , 1 { i , pe utilajele
j
U ,
} 3 , 2 , 1 { j . Se dorete gsirea unui program de producie care s
asigure firmei un venit total maxim. Pentru scrierea unui model
matematic cu ajutorul cruia s atingem obiectivul propus, se vor
utiliza urmtoarele elemente:

Semnificaie Notaie

Timp disponibil al utilajului
j
U n
trimestrul al II-lea, exprimat n h
Producia planificat din fiecare
produs, exprimat
n numr de produse
Randamentul orar al utilajului
j
U
relativ la produsul
i
P
Costul de producie de la o unitate
de produs
i
P realizat pe utilajul
j
U

j
a , 3 , 1 = j

i
b , 4 , 1 = i

ij
w , 4 , 1 = i , 3 , 1 = j

ij
c , 4 , 1 = i , 3 , 1 = j
301

Modelul matematic

V.5.1
j
i
ij
ij
a
w
x
=
4
1
, 3 , 1 = j

V.5.2
i
j
ij
b x =
=
3
1
, 4 , 1 = i

V.5.3 0
ij
x , 4 , 1 = i , 3 , 1 = j ;

V.5.4
= =
=
4
1
3
1
[min]
i j
ij ij
x c f .

Spre deosebire de modelele studiate pn acum, n aceast problem
de ncrcare a utilajelor,
j
a i
i
b sunt msurai n uniti diferite, i, ca
urmare, procedeul iterativ prin care se stabilete soluia optim se va
modifica parial, dar criteriile de eliminare sau intrare n baz, precum i cel
de verificare a optimalitii soluiei testate se menin.
n tabelul de mai jos sunt prezentate datele numerice ale problemei.
Astfel, ntr-o csu ( )
j i
U P, se vor trece: costul
ij
c n stnga sus,
randamentul
ij
w n stnga jos; variabila cantitate produs
ij
x n dreapta va fi
scris atunci cnd este cazul. n ultima coloan vor fi scrise cantitile din
i
U
i
a
j
P
j
b
ij ij
c w ,
ij
x
Suma timpilor necesari
pentru producerea
reperelor pe utilajul
j
U
nu trebuie s depeasc
durata de timp disponibil.
Suma unitilor fizice din
produsul
i
P ce se
prelucreaz pe cele 3
utilaje trebuie s fie egal
cu cantitatea necesar
onorrii contractelor.
302

fiecare produs planificate pentru a fi produse, iar ultima linie prezint
disponibilul de timp pentru fiecare utilaj.

1
U
2
U
3
U
i
b - producia planificat
1
P
5
20
6
80
1.5
40
600
2
P
1.2
80
20
20
1.3
50
14900
3
P
3
32
2
160
1.2
50
11600
4
P
1.3
64
2
200
0.35
200
100000
j
a - timpul disponibil
(n ore)
180 540 360

Etapa 1: Pentru determinarea soluiei iniiale, se vor parcurge urmtorii
pai:
Pasul 1 Se fixeaz linia i i se alege { }
ik
m k i
ij
c c

= min .
Pasul 2 Se atribuie variabilei
ij
x valoarea } , min{ :
j ij i ij
a w b x = .
Pasul 3 Se terge din tabel linia sau coloana saturat (
i
b a fost
obinut sau disponibilul utilajului
j
U a fost epuizat) i se revine la pasul 1,
pentru tabelul redus, pn la epuizarea tuturor liniilor.
n cazul nostru, soluia iniial, gsit prin metoda descris mai sus,
este:

1
U
2
U
3
U
i
b
1
P
5
20 0
6
80 0
1.5
40 6000
600 0
2
P
1.2
80 14400
20
20 0
1.3
50 500
14900 500 0
3
P
3
32 0
2
160 1600
1.2
50 10000
11600 1600 0
4
P
1.3
64 0
2
200 100000
0.35
200 0
100000 0
j
a
180
0
540
530
30
360
200
0

303

Se observ c avem 6 variabile de baz nenule, aadar problema este
nedegenerat.

Etapa 2 Determinarea soluiei optime
Pasul 1 Pentru indicii ) , ( j i pentru care 0
ij
x , se scrie sistemul de
ecuaii
ij
ij
j
i
c
w
v
u = + .
n acest caz se obine sistemul simplu nedeterminat
5 . 1
40
3
1
= +
v
u , 2 . 1
80
1
2
= +
v
u , 3 . 1
50
3
2
= +
v
u ,
2
160
2
3
= +
v
u , 2 . 1
50
3
3
= +
v
u , 2
200
2
4
= +
v
u .
Se consider 0 =
h
u sau 0 =
k
v pentru variabila care intervine de
cele mai multe ori n acest sistem i se stabilete o soluie particular.
ntruct
3
v apare de cele mai multe ori n sistem, vom lua 0
3
= v . Obinem
astfel soluia: 5 , 1
1
= u , 3 , 1
2
= u , 2 , 1
3
= u , 36 , 1
4
= u , 8
1
= v , 128
2
= v .
Pasul 2 Se calculeaz
+ =
ij
j
i ij ij
w
v
u c , n i , 1 , m , 1 . Dac toate
aceste diferene sunt pozitive sau nule, soluia este optim.

Pentru aceast problem, matricea diferenelor este
01 . 1 0 065 . 0
0 0 05 . 2
0 3 . 12 0
0 9 . 2 9 . 3
. Aadar, nu toate elementele acestei matrici sunt
pozitive sau nule, deci soluia gsit nu este optim.

304

Trecem la mbuntirea soluiei. Se alege perechea de indici ( ) k j,
dup criteriul cunoscut
{ } 0 | min
) , (
< =
ij ij
j i
jk
.
Pentru perechea ( ) k j, vom avea =
jk
x . Se construiete conturul poligonal
cu primul vrf ( ) k j, . El va fi numit n continuare circuit de transfer i va fi
notat prin
) , ( k j
C :
)} , ( ),..., , ( ), , ( ),..., , ( ), , ( ), , {(
1 2 2 2 1 1 1 ) , (
j i j j k i j i j i j i C
s k h k j
= .
Notm
) , (
) , (
k j
C k j U = .
Numim distana de la ) , (

j i la ( ) k j, numrul de schimbri de
poziie necesare pentru a aduce elementul ) , (

j i n locul lui ( ) k j, n
mulimea . Elementele lui la distan par de ( ) k j, se marcheaz cu +,
iar cele la distant impar se marcheaz cu -, astfel nct
+
= U . Se
determin astfel ca
=

ij
ij
j i
w
x
) , (
min .
Noua soluie ' X va avea componenta
jk
x dat de relaia
jk jk
w x =
'
, iar
componentele corespunztoare perechilor de indici situai la distan egal
cu 1 fa de ( ) k j, sunt:
' '
jk
jj
k i
k i k i
x
w
w
x x
k
h
h h
= ,
' '
jk jj jj
x x x
k k
= .
Componentele corespunztoare indicilor situai la distan egal cu 2 fa de
( ) k j, se vor calcula dup formula:
' '
jk
jj
k i
k i k i
x
w
w
x x
k
h
l h l h
+ = .

305

Analog pentru celelalte componente.
Dup aflarea soluiei mbuntite, se testeaz din nou optimalitatea.
Justificarea acestui algoritm este similar justificrii algoritmului
potenialelor, din cazul problemelor de transport.

Revenim la problema noastr. Singurul 0 <
ij
este 0 01 , 1
43
< = .
Avem ( ) ) 3 , 4 ( , = k j , )} 2 , 4 ( ); 3 , 4 ( ); 3 , 3 ( ); 2 , 3 {( = , )} 2 , 4 ( ); 3 , 3 {( =
.
Aflm 200
200
100000
;
50
10000
min
) , (
=
=

j i
. Rezult c
40000 200 200
43
'
43
= = = w x ,
0 40000
200
50
10000
'
43
42
33
33
'
33
= = = x
w
w
x x ,
60000 40000 100000
'
43 42
'
42
= = = x x x ,
i
11600 40000
200
50
1600
'
42
42
33
32
'
32
= + = + = x
w
w
x x .
Noua soluie este prezentat n tabelul de mai jos:
T.V.5.1

1
U
2
U
3
U
1
P
5
20 0
6
80 0
1,5
40 6000
2
P
1,2
80 14400
20
20 0
1,3
50 500
3
P
3
32 0
2
160 11600
1,2
50 0
4
P
1,3
64 0
2
200 60000
0,35
200 40000

306

S vedem dac aceast soluie este optim. Sistemul
ij
ij
j
i
c
w
v
u = +
pentru indicii bazici este:
5 , 1
40
3
1
= +
v
u , 2 , 1
80
1
2
= +
v
u , 3 , 1
50
3
2
= +
v
u ,

2
160
2
3
= +
v
u , 2
50
2
4
= +
v
u , 35 , 0
200
3
4
= +
v
u ,

i are soluia 0
3
= v , 5 , 1
1
= u , 3 , 1
2
= u , 0625 , 0
3
= u , 35 , 0
4
= u , 8
1
= v ,
330
2
= v . Matricea cu elementele ( )
j i
ij
,
este, pentru aceast soluie,

0
0 0 075 , 1
2625 , 1 0 0875 , 3
0 2 . 2 0
0 375 , 0 9 , 3

Analiza soluiei optime:

i
P
Prod.
planif.
Cerere
onorat
Cerere
neonorat
j
U
Fond de
timp disp.
Fond de timp utilizat
1
P 6.000 6.000 0
1
U 180
180
80
*
21
=
x

2
P 14.900 14.900 0
2
U 540
25 , 307
200 160
*
42
*
32
= +
x x

3
P 11.600 11.600 0
3
U 360
360
200 50 40
*
43
*
23
*
313
= + +
x x x

4
P 100.000 100.000 0
400 . 425 . 8 [min] = f

soluia optim este cea
prezentat n T.V.5.1.
307

Fondul de timp fiind o resurs nestocabil, se recomand folosirea n
alte scopuri a celor (540-307,25) ore rmase neutilizate la
2
P prin
programul optim de fabricaie. Cum elementele acestei matrici sunt positive,
rezult c soluia gsit este optim.

6. Probleme de repartiie

Problemele de repartiie sunt probleme ntlnite n domeniul
organizrii aprovizionrii cu un anumit produs, a repartizrii unor sarcini de
plan pe utilajele existente, a formrii unor echipe de cercetare n care fiecare
persoan elaboreaz singur o parte a temei studiate, etc.

Formularea problemei Exist
*
N n necesiti i pentru fiecare exist cel
puin una i cel mult n posibiliti de realizare. Se cere aflarea a n
posibiliti de repartizare a celor n necesiti ce corespund unei eficiene
maxime.
Dac trebuie repartizai n solicitani pe tot attea posturi vacante, n
ipoteza c un solicitant are competena s ocupe mai mult de un post, atunci
afectarea poate s in seama de satisfacerea global a preferinelor sau de
obinerea unui randament global maxim. n cazul n care n persoane trebuie
s-i mpart n bunuri indivizibile de valori cvasiegale, se va urmri
realizarea unui partaj echitabil. Scopul urmrit poate fi i distana total
minim n cazul satisfacerii cererilor a n puncte cu un produs aflat n
excedent de disponibil n n depozite.

Modelul matematic

ij
z reprezint repartizarea posibilitii i pentru necesitatea j ;
} ,..., 1 { , n j i . Aceast variabil este de tip Boole:
=
rest in , 0
lui alocat este daca , 1 j i
z
ij

ij
c este coeficientul de eficien asociat alocrii ) , ( j i .
308

Se urmrete aflarea valorilor } 1 , 0 {
ij
z , } ,..., 1 { , n j i , supuse
restriciilor
V.6.1 1
1
=
=
n
i
ij
z , n j , 1 = ,
V.6.2 1
1
=
=
n
j
ij
z , n i , 1 = ,
i care corespund unei eficiene maxime
V.6.3
= =
=
n
i
n
j
ij ij
c x f
1 1
] opt [ .
Modelul problemei de repartiie sau de afectare este un model liniar,
cu particularitile unei probleme de transport echilibrate cu 1 = =
i i
b a ,
n i , 1 = . Dualul su are forma
{
n j i
n j i c
g
j i
ij j i
n
j
j
n
i
i
, 1 , , ,
, 1 , ,
1 1 ] opt [
1 1

+
+ =

= =
R

Se prefer abordarea acestui tip de problem prin teoria grafurilor,
datorit procedeelor relativ simple i elegante de gsire a soluiei optime.

n continuare se vor introduce conceptele ce vor fi folosite n
determinarea unei repartiii minimale, care, n teoria grafelor, este
echivalent cu stabilirea unui cuplaj maxim de valoare minim, ntr-un graf
particular care descrie problema (graf asociat) formulat.

Definiia 1 Graf simplu
Graful ( ) = , X G este graf simplu dac:
B A X U = i = B AI
( ) B A i ( ) = B
Grafurile simple se numesc i bipartite, deoarece orice arc al grafului
are vrful iniial n A i cel final n B, deci are loc o bipartiie n produsul
cartezian B A .
309

Definiia 2 Cuplajul unui graf simplu
O mulime de arce U W este un cuplaj n graful simplu
( ) ( ) U B A B A G , , U U = = dac dou arce oarecare nu sunt adiacente.
Se spune c A x
i
acoper vrful B y
j
, sau
i
x este alocat
(atribuit, afectat) vrfului
j
y dac, prin cuplaj, ( ) W y x
j i
, .
ntr-un graf simplu toate drumurile sunt formate numai din cte un
arc, care poate avea ataat o valoare ( )
*
R
+
j i
y x v , ; n acest caz, se poate
defini valoarea unul cuplaj W astfel:

( ) ( )
( )
=
W y x
j i
j i
y x v W v
,
, .

Pentru exemplificarea rezolvrii unei probleme de repartiie,
considerm urmtoarea problem.
Exemplu n depozitele
i
D , 5 , 1 = i , exist stocuri mari dintr-un anumit tip
de marf. Punctele de consum
j
C , 5 , 1 = j , solicit aceast marf, cu
observaia c nu au nici o preferin relativ la depozitul furnizor, i orice
depozit poate satisface oricare din cele ase cereri. Distanele dintre surse i
consumatori sunt date n urmtoarea matrice:
6 6 6 2 8
8 4 8 7 3
4 7 3 3 5
6 9 7 4 6
3 9 8 5 5

Se cere s se aloce fiecrui centru
j
C un depozit
i
D i numai unul,
de la care s primeasc ntreaga cantitate de marf, astfel nct distana
total s fie minim.
Mulimea arcelor trasate, i anume
( ) ( ) ( ) ( ) ( ) { }
5 5 3 4 4 3 2 2 1 1 1
, , , , , , , , , C D C D C D C D C D W = este unul din cele 5!
cuplaje maximale posibile, i reprezint o variant de repartizare, cu distana
total egal cu (5+4+7+8+6).
310

Modelarea matematic

6
8
7
4
5
1
D
2
D
3
D
4
D
5
D
1
C
2
C
3
C
4
C
5
C
Model primal
n j n i z
z
z
z
z
z z z z z
z
z
z
z
z z z z z
z z z z f
ij
i
i
i
i
i
i
i
i
j
j
j
j
j
j
j
j
, 1 , , 1 , } 1 , 0 {
1
1
1
1
1
1
1
1
1
1
6 ... 9 5 5 [min]
5
5
1
5
4
5
1
4
3
5
1
3
2
5
1
2
1 51 41 31 21 11
5
5
1
5
4
5
1
4
3
5
1
3
2
5
1
2
1 15 14 13 12 11
55 13 12 11

=
=
=
=
= + + + +
=
=
=
=
= + + + +
+ + + + =
=
=
=
=
=
=
=
=

Model dual
n j
n i
c
f
j
i
ij j i
j
j
i
i
, 1 ,
, 1 ,
6
....... ..........
....... ..........
9
5
5
[max]
5 5
3 1
2 1
1 1
5
1
5
1

+
+
+
+
+
+ =

= =
R
R

311

Varianta 1 Metoda Kuhn-Tucker-Knig

n 1955, Kuhn propune un algoritm pentru aflarea cuplajului maxim
de valoare minim ntr-un graf simplu n care | | | | B A = . n realitate, acest
algoritm a rezultat i din lucrrile elaborate de Knig i Ergvary.
Algoritmul propune parcurgerea urmtoarelor etape:
Etapa 0: Construirea matricei M
n general, grafului simplu considerat i se asociaz o matrice
ptratic de ordinul | | | | B A n = = , notat ( )
n j i
ij
m M
, 1 , =
= , unde
( )
( )
+

=
U x x
U x x v
m
j i
j i ij
ij
, daca ,
, daca ,
, dac se cere f [min] .
n cazul studiat, matricea M va fi de forma
( )
= =
=
6 6 6 2 8
8 4 8 7 3
4 7 3 3 5
6 9 7 4 6
3 9 8 5 5
5 , 1 , j i
ij
m M .

Etapa 1: Obinerea matricei distanelor reduse
Pasul 1 Se noteaz cu
i
cel mai mic element al liniei i; deci,
) ( min
, 1
ij
n j
i
m
=
= , pentru } ,..., 1 { n i . De la matricea M se trece la matricea
( )
n j i
ij
m M
, 1 ,
~
~
=
= , n care
i ij ij
m m =
~
, pentru } ,..., 1 { , n j i .

Pasul 2 Se noteaz cu
j
cel mai mic element al coloanei j din matricea
M
~
: )
~
( min
, 1
ij
n i
j
m
=
= , } ,..., 1 { n j . Vom numi matricea redus matricea
notat
R
M , de element general
j ij
R
ij
m m =
~
.
312

Prin construcie, matricea redus conine cel puin un element egal
cu zero n fiecare linie i coloan. Numrul acestor zerouri este cel puin
egal cu ordinul matricei. Elementele nule ale matricei reduse indic rutele
rentabile sub aspectul distanei.

Pentru problema de noastr, gsim:

Cele dou operaii efectuate asupra elementelor matricei M nu
modific soluia optim a problemei, conform propoziiei:
Soluia optim a problemei de afectare nu se schimb dac se micoreaz
sau mresc cu aceeai valoare toate elementele liniei N i , sau toate
elementele coloanei N j din matricea M.
Se vor analiza valorile lui
i
i
j
din punctul de vedere al
programrii liniare:

3
1
=
4
2
=
3
3
=
3
4
=
3
5
=

Pasul 1

=
=
=
=
=
=
4 4 4 0 6
5 1 5 4 0
1 4 0 0 2
2 5 3 0 2
0 5 6 2 2
~

2
3
3
4
3
5
4
3
2
1
M

Pasul 2

=
=
=
=
=
=
4 3 4 0 6
5 0 5 4 0
1 3 0 0 2
2 4 3 0 2
0 4 6 2 2

0
1
0
0
0
5
4
3
2
1
R
M

11 1 1 1
5 3 0 c = < = + =
12 2 1 2
5 3 0 c = < = + =
13 3 1 3
9 3 0 c = < = + =
14 4 1 4
8 4 1 c = < = + =
* 3 0
15 5 1 5
c = = + =
313

Cititorul poate verifica uor, pe baza schemei prezentate, c valorile
5 1 5 1
,..., , ,..., , obinute la etapa 1, definesc o soluie admisibil a dualei.
Conform unei teoreme cunoscute din teoria dualitii, avem:
f g
j
j
i
i
[min] 16 ) , (
5
1
5
1
= + =

= =
.
Cnd

+
j i
este maximal, atunci relaia se verific cu
egalitate.

Observaie: Zerourile matricei
R
M indic restriciile dualei verificate cu
egalitate.

Etapa 2: Se cerceteaz existena unui cuplaj optim n graful simplu asociat
problemei.
Dac n matricea redus
R
M se pot stabili n zerouri, dou cte dou
nesituate n aceeai linie i coloan, atunci cu ajutorul lor putem pune n
eviden un cuplaj maxim de valoare minim i algoritmul se oprete; dac
nu, se trece la etapa 3. Afirmaiile se bazeaz pe propoziia:
Cuplajul maxim de valoare minim a grafului ( ) C B A G , , = U este dat de
elementele egale cu zero, situate la intersecii de linii i coloane distincte n
matricea ( )
n j i
R
ij
R
m M
, 1 , =
= , unde ) (
j i ij
R
ij
m m + = , ) ( min
ij
j
i
m = ,
) ( min
i ij
i
j
m = .
Se ncearc stabilirea soluiei optime pe mulimea csuelor ) , ( j i cu
elemente nule, numite i csue admisibile, cu ajutorul procedeului:
1
0
Se consider linia cu cele mai puine zerouri. Se ncadreaz unul din
zerouri i se bareaz zerourile situate n linia i n coloana zeroului
ncadrat.
2
0
Din cele (n-1) linii rmase, se consider linia cu cele mai puine
zerouri. n continuare se procedeaz ca la 1
0
.
314

k
0
n ultima linie neconsiderat pn acum, linia cu cele mai multe
zerouri, se alege un zero oarecare i se ncadreaz; se vor bara toate
celelalte zerouri situate pe linia sa.
Dac numrul zerourilor ncadrate este n, atunci algoritmul se
oprete; dac nu, se trece la etapa 3.

Pentru problema de fa, avem

=
4 3 4 0 6
5 0 5 4 0
1 3 0 0 2
2 4 3 0 2
0 4 6 2 2

R
M

Etapa 3: Determinarea unui suport minimal
La aceast etap se va stabili un numr minim de linii i coloane ale
matricei reduse, care
s-i conin zerourile. n acest scop, vom proceda astfel:
(a) se vor marca liniile care nu au nici un zero ncadrat;
(b) se vor marca toate coloanele ce conin zerouri barate n linii marcate;
(c) se vor marca liniile care au cel puin un zero ncadrat n coloane
marcate.
Operaiile (b) i (c) se repet pn cnd nu se mai pot marca linii i
coloane.
Suportul minimal este dat de mulimea liniilor nemarcate, la care se
adaug mulimea coloanelor marcate.

1
0
linia 1: 0
15
=
R
m ncadrat
2
0
linia 2: 0
22
=
R
m ncadrat 0
52 32
= =
R R
m m barat
3
0
linia 3: 0
33
=
R
m ncadrat
4
0
linia 4: 0
41
=
R
m ncadrat 0
44
=
R
m barat
315

n cazul problemei studiate,

*
=
4 3 4 0 6
5 0 5 4 0
1 3 0 0 2
2 4 3 0 2
0 4 6 2 2

R
M

Operaia (b) nu se poate repeta, deoarece linia 2 marcat nu conine
nici un zero barat. Liniile 1, 3, 4 nemarcate i coloana 2 marcat dau o
modalitate de acoperire a zerourilor cu un numr minim de linii i coloane.

Etapa 4: Deplasarea eventual a unor zerouri
Dup parcurgerea etapei 3 n matricea
R
M apar trei tipuri de
elemente:
T
1
= elementele nesituate pe linii i coloane haurate sau elemente libere;
T
2
= elementele situate pe linii sau coloane haurate sau elemente simplu
acoperite;
T
3
= elementele situate la intersecia liniilor haurate cu coloane haurate
sau elemente dublu acoperite.
Se va aplica o procedur de modificare a matricei reduse dup cum
urmeaz.
Se va nota cu
1
cel mai mic element de tip T
1
. Valoarea
1
se va
scdea din elementele de tip T
1
i se va aduna la elementele de tip T
3
. Prin
acest procedeu se obine cel puin un nou element zero. Elementele de tip T
2

nu se vor modifica. Astfel, se obine o nou matrice redus
1 R
M . Cu aceast
matrice se revine la etapa 2.

*

*
(a) se va marca linia 5;
(b) se va marca coloana 2 (zero barat din
linia 5, marcat, se afl n coloana 2);
(c) coloana 2, marcat, conine un zero
ncadrat n linia 2 linia 2 va fi
marcat.
316

Aici,
T
1
: { }
R R R R R R R R
m m m m m m m m D
55 54 53 51 25 24 23 21 1
, , , , , , , = ;
( )
25 21 1
2 min
1
m m m
R
ij
D m
R
ij
= = = =

;
T
2
: { }
R R R R R R R R R R R R R R
m m m m m m m m m m m m m m D
52 45 44 43 41 35 34 33 31 22 15 14 13 11 2
, , , , , , , , , , , , , = ;
T
3
: { }
R R R
m m m D
42 32 12 3
, , = .
Dup efectuarea calculelor, se obine:
=
2 1 2 0 4
5 0 5 6 0
1 3 0 2 2
0 2 1 0 0
0 4 6 4 2
1 R
M .

Dac se compar
1 R
M cu prima matrice redus, se observ c au
aprut dou zerouri pe poziiile (2,1) i (2,5), i a disprut zeroul din (3,2).
Valoarea lui ) , ( g va crete cu
1
uniti:
2 16
1
5
1
5
1
+ = + +

= =

j
j
i
i
.
Se revine la etapa 2 i se ncearc gsirea a 5 = n zerouri nesituate pe
aceeai linie i aceeai coloan:

=
2 1 2 0 4
5 0 5 6 0
1 3 0 2 2
0 2 1 0 0
0 4 6 4 2
1 R
M

1
0
linia 1: 0
1
15
=
R
m ncadrat 0
1
25
=
R
m barat
2
0
linia 3: 0
1
33
=
R
m ncadrat
3
0
linia 5: 0
1
52
=
R
m ncadrat 0
1
22
=
R
m barat
4
0
linia 2: 0
1
21
=
R
m ncadrat 0
1
41
=
R
m barat
5
0
linia 4: 0
1
44
=
R
m ncadrat
317

Numrul elementelor ncadrate este egal cu ordinul matricei M, deci
algoritmul se oprete. Valoarea funciei g nu mai poate fi mrit:
f g [min] 18 [max] = = .

Conform propoziei enunate la etapa 2, cuplajul maxim de valoare
minim este subgraful

iar valoarea sa ( ) 18
*
= W v reprezint distana minim necesar mijloacelor
de transport pentru a aproviziona cele cinci centre consumatoare. Dac
aprovizionarea se face cu o singur curs, aceasta este distana total
minim, iar dac sunt necesare mai multe, atunci ea se va amplifica cu
numrul curselor.
6
1
D
2
D
3
D
4
D
5
D
1
C
2
C
3
C
4
C
5
C
3
3
4
2
318

Pentru fixarea cunotinelor, credem c este necesar ca n final s fie
fcut o sistematizare a algoritmului:
Sistematizarea algoritmului

Se scrie matricea M.
Se calculeaz matricea redus
R
M i marginea inferioar a funciei f.
Se cerceteaz existena unui cuplaj optim, ncercnd gsirea a n csue
admisibile, nesituate n aceeai linie i aceeai coloan.
Exist?
Se aplic procedeul
de marcare a liniilor
i coloanelor; se
stabilete acoperirea
minimal a matricei
reduse.
Se modific matricea.
NU
DA
STOP
319

Observaie: Dac n problem scopul urmrit este maximizarea lui f, de
exemplu profitul maxim, se poate trece la minimizarea lui f , prin trecerea
la o matrice C . Se poate fixa un profit dorit, i toate elementele lui C vor fi
nlocuite cu (profitul dorit profitul evaluat pe ruta ) , ( j i ) i se va obine o
problem de minimizare.

Varianta 2 Algoritmul lui Little

Algoritmul propus de J.D.C Little este o metod de tip branch and
bound (ramific i mrginete sau separ i evalueaz) ce poate fi
folosit la rezolvarea problemelor de tip combinatoric, n care relaiile dintre
elemente pot fi reprezentate printr-o matrice n m (ca n cazul problemei
considerate). Dac matricea este dreptunghiular, se completeaz cu linii
sau coloane fictive coninnd elemente foarte mari pentru a evita alocarea,
deoarece, prin model, se cere minimizarea lui f .
Rezultatele sunt reprezentate printr-o arborescen, n care vrfurile
corespund unor submulimi de soluii admisibile. Aplicarea metodei propus
de Little presupune respectarea unor reguli, cum ar fi:
reguli pentru ramificarea de la un nod la alte noi noduri;
reguli pentru determinarea marginii inferioare a funciei obiectiv n
noduri;
reguli de alegere a unui nod intermediar din care s se continue
ramificarea;
reguli de recunoatere a unui nod care nu conine soluii admisibile;
reguli de recunoatere a nodului final.
Pentru exemplificarea algoritmului, se va enuna o problem de
repartiie, i anume:
Se consider o matrice ( )
n j i
ij
c C
, 1 , =
= ale crei elemente reprezint,
de exemplu, timpii necesari executrii unei lucrri de ctre
i
L , pe maina
320

j
M . O soluie optim a acestei probleme const n determinarea acelei
repartizri la locurile de munc, ce corespunde unui consum total minim de
munc.
Ideea de baz a algoritmului: dac W este mulimea cuplajelor
maxime corespunztoare matricei C (matricea poate avea elemente
=
pl
c , corespunztoare situaiei n care
p
L nu poate efectua lucrarea pe
l
M ) i w un element al su, atunci funcia scop va fi:
=
W j i
ij
W w
c f
) , (
min [min] ,
care este o scriere echivalent a formei V.6.3. Se va calcula matricea redus
R
C . Pornind de la ea, se va forma o arborescen folosind un proces de
ramificare succesiv. Dichotomizarea (ramificarea) de la un nod oarecare al
arborescenei se va face astfel inct trecerea de la un nod la altul s conduc
la o valoare ct mai mic a funciei obiectiv, iar mulimea cuplajelor
maxime s fie mprit n dou submulimi disjuncte. La fiecare iteraie,
matricea i va micora ordinul cu o unitate, deci, dup un numr finit de
pai se va stabili soluia optim (cuplajul maxim de valoare minim).

Algoritmul lui Little poate fi organizat n etape, astfel:
Etapa 1 : Se va determina matricea redus ce va avea cel puin un
element egal cu zero pe linie i pe coloan.
Pasul 1 Din fiecare linie se scade cel mai mic element al su.
( )
n j i
ij
c C
, 1 , =
= ( )
n j i
ij
c C
, 1 ,
' '
=
= , unde
ij
j
ij ij
c c c min ' = .
Pasul 2 Din fiecare coloan a matricii ' C se scade cel mai mic
element al su i se obtine astfel matricea redus, notat
R
C :
( )
n j i
R
ij
R
c C
, 1 , =
= , unde
ij
i
ij
R
ij
c c c ' min ' = .
321

Spre exemplificare, vom aplica algoritmul lui Little pentru
problema cu urmtoarele date:

j
M
i
L
1
M
2
M
3
M

4
M
5
M

6
M

i

1
L
6 7 4 2 5 4 2
2
L
7 1 2 6 3 4 1
3
L
4 5 2 7 6 8 2
4
L
4 5 6 3 8 7 3
5
L
5 5 3 7 5 2 2
6
L
6 4 4 3 6 5 3
=
6
1 i
i

13

j
M
i
L
1
M
2
M
3
M
4
M
5
M
6
M
=
6
1 j
j
1
L
4 5 2 0 3 2
2
L
8 0 1 5 2 3
3
L
2 3 0 5 4 6
4
L
1 2 3 0 5 4
5
L
3 3 1 5 3 0
6
L
3 1 1 0 3 2
j

1 0 0 0 2 0 3

j
M
i
L
1
M
2
M
3
M
4
M
5
M
6
M
1
L
3 5 2 0 1 2
2
L
7 0 1 5 0 3
3
L
1 3 0 5 2 6
4
L
0 2 3 0 3 4
5
L
2 3 1 5 1 0
6
L
2 1 1 0 1 2
C
} { min
ij
j
i
c =
' C
} ' { min
ij
i
j
c =
R
C
322

Etapa 2: Se construiete nodul iniial al arborescenei, notat E i se
calculeaz marginea inferioar ( )

= =
+ =
n
j
j
n
i
i
E
1 1
. Mrimea ( ) E este
considerat ca fiind valoarea minim posibil a soluiei optime (cuplaj
maxim), iar E rdcina comun tuturor soluiilor. Nodului E i corespunde o
mulime a cuplajelor maxime ce se pot forma n condiiile date.

Etapa 3: Fiecrui element nul
R
ij
c din matricea redus i se asociaz numrul
ij
definit ca suma dintre cel mai mic element al liniei i fr
R
ij
c i cel mai
mic element al coloanei j fr
R
ij
c :
} { min } { min
R
kj
i k
R
il
j l
ij
c c

+ = .
Cuplul ) , ( l k corespunztor valorii } { max
,
ij
j i
kl
= este ales astfel
nct cuplajul maxim care nu conine arcul ( )
j k
M L , are valoarea cea mai
mare.
n cazul nostru,
0 1 } { min } { min
4
1
1
4
14
+ = + =

R
k
k
R
l
l
c c , 1 0 } { min } { min
1
4
4
1
41
+ = + =

R
k
k
R
l
l
c c ,
1 0 } { min } { min
2
2
2
2
22
+ = + =

R
k
k
R
l
l
c c , 0 0 } { min } { min
4
4
4
4
414
+ = + =

R
k
k
R
l
l
c c ,
1 0 } { min } { min
5
2
2
5
25
+ = + =

R
k
k
R
l
l
c c , 2 1 } { min } { min
6
5
5
6
56
+ = + =

R
k
k
R
l
l
c c ,
1 1 } { min } { min
3
3
3
3
33
+ = + =

R
k
k
R
l
l
c c , 0 1 } { min } { min
4
6
6
4
64
+ = + =

R
k
k
R
l
l
c c ,
{ }
56 64 56 44 41 33 25 22 14
,
3 , , , , , , , max } { max = = =
ij
j i
.

E ( ) 16 = E
Figura V.6.1
323

Etapa 4: Prin ramificare, din nodul E vor porni dou arce cu nodurile
finale notate
kl
E i
kl
E . Nodului
kl
E i corespund cuplajele maxime ce nu
conin arcul ( )
l k
M L , . Marginea sa inferioar va fi notat ( )
kl
E , i se afl
astfel:

( ) ( )
kl kl
E E + =

Etapa 5: Nodului
kl
E i coresounde mulimea cuplajelor maxime care
conin arcul ( )
l k
M L , . Pentru a-i determina marginea inferioar ( )
kl
E , se
parcurg etapele 6 i 7 dup ce se vor tia din matricea redus linia k i
coloana l. Eliminarea lor este justificat de faptul c n fiecare cuplaj nu
intr dect un singur element dintr-o linie i coloan.

Pentru problema prezentat,

1
M

2
M

3
M

4
M

5
M

1
L
3 5 2 0 1
2
L
5 0 1 5 0
3
L
1 3 0 5 2
4
L
0 2 3 0 3
6
L
2 1 1 0 1

Etapa 6:
a) Dac matricea aflat la pasul 5 conine cel puin un zero pe linie i
coloan, se trece la pasul b); dac nu, se reduce matricea gsit dup
procedeul de la pasul 1, apoi se trece la b).
( ) 16

= E
E

56
E
( ) 19 3 16
56
= + = E
56
E
Figura V.6.2
324

b) Se asociaz vrfului
kl
E marginea inferioar
( ) ( )

+ + =
l j
j
k i
i kl
E E ' ' , unde
i
' , k i ,
i
j
' , l j , sunt cele mai mici elemente din liniile, respectiv coloanele
matricei de la etapa 5.
n situaia de fa, se observ c 0 '
5
=
i
i
i 0 '
6
=
j
j
, deci
matricea nu trebuie redus, i ( ) ( ) 16
56
= = E E .

Etapa 7: Matricea
R
C' este de ordinul 1? Dac da, algoritmul se oprete; n
caz contrar, se trece la etapa 8.
Pentru problema noastr,
R
C' este o matrice de ordinul 4, deci se
trece la etapa 8.

Etapa 8: Dintre toate nodurile arborescenei, se consider cele care nu sunt
noduri iniiale pentru nici un arc ( ) =
+
kl
U , noduri pe care le vom numi
suspendate. Se consider nodul suspendat cruia i corespunde cea mai
mic margine inferioar. Dac sunt egale, se prefer alegerea vrfului
kl
E
sau se continu dichotomizarea la ambele noduri. Dac se alege
kl
E se trece
la pasul 3, iar dac se alege
kl
E se trece la etapa 9.

Revenind la exemplul nostru, se observ c arborescena din figura
V.6.2 are dou noduri suspendate:
56
E i
56
E .
( ) ( ) { } ( )
56 56 56
16 , min E E E = =
Se trece la etapa 3, deoarece nodul ales este
56
E .

Etapa 9: n csua ) , ( l k se trece la + , pentru a evita alegerea arcului
( )
j k
M L , . Se verific dac matricea mai are proprietatea c are cel puin un
325

element zero pe limie i coloan; n caz contrar se reduce, dup care se trece
la etapa 3.

n cazul exemplului considerat, algoritmul se continu prin revenire
la
Etapa 3: Corespunztor elementelor nule din tabelul precedent, se
calculeaz:
0 1
14
+ = , 1 0
25
+ = , 0 1
41
+ = , 0 1
64
+ =
1 0
22
+ = , 1 1
33
+ = , 0 0
44
+ =
{ }
33 64 44 41 33 22 25 14
2 , , , , , , min = =

Etapa 4:

Ramificarea nodului
56
E spre
33
E i
33
E nseamn crearea a dou
submulimi de cuplaje maxime
33
i
33
;
33
conine arcelor ( )
6 5
, M L i
nu conine arce ( )
3 3
, M L , iar
33
conine arcele ( )
6 5
, M L i ( )
3 3
, M L .
E
( ) 16 = E
56
E ( ) 19
56
= E
33
E ( ) 18 16
33 33
= + = E
56
E ( ) 16
56
= E
33
E
Figura V.6.3
326

Etapa 5: Se elimin linia
3
L i coloana
3
M :

T. V.6.1

1
M
2
M
4
M
5
M
1
L 3 5 0 1
2
L 5 0 5 0
4
L 0 2 0 3
6
L 2 1 0 1

Etapa 6: Se observ c matricea din T.V.6.1 conine cel puin un zero n
fiecare linie i coloan , deci marginea inferioar asociat vrfului
33
E va fi
( ) ( ) 16 0
56 33
= + = E E .

Etapa 7: Matricea aflat la pasul 5 este de ordinul 1? Nu, deci se trece la
etapa 8.

Etapa 8: Vrfurilor suspendate
33
E ,
33
E le corespund marginile inferioare
18, respectiv 16. Se va alege vrful
33
E ca rdcin a unei noi ramificri.
Se revine la etapa 3:

Etapa 3: n T.V.6.1 sunt ase elemente egale cu zero. Lor le corespund
valorile
ij
:
0 1
14
+ = , 1 0
25
+ = , 0 0
44
+ =
1 0
24
+ = , 2 0
41
+ = , 0 1
64
+ =
{ }
41 64 44 41 25 24 14
2 , , , , , min = =
327

Etapa 4:

4
L i coloana
1
M :

2
M
4
M
5
M
1
L 5 0 1
2
L 0 5 0
6
L 1 0 1

Etapa 6: ( ) ( ) 16
33 41
= = E E , deoarece matricea din tabelul anterior este
de tip matrice redus.

Etapa 7: S-a ajuns la o matrice ptratic de ordinul 1? Nu, deci se trece la
etapa 8.

Etapa 8: ( ) ( ) { } ( ) 16 , min
41 41 41
= = E E E .

Algoritmul continu prin revenirea la etapa 3:

Etapa 3: Se calculeaz
ij
corespunztoare elementelor din ultimul tabel:
1 0
22
+ = , 0 1
14
+ = ,
1 0
25
+ = , 0 1
64
+ = .
E
56
E
( ) 16
56
= E
33
E
( ) 16
33
= E 56
E
( ) 16
56
= E
56
E ( ) 19
56
= E
33
E ( ) 18
33
= E 41
E ( ) 18
41
= E
Figura V.6.4
328

Toate valorile
ij
sunt egale; n acest caz, se consider un
kl

oarecare sau acela pentru care este adevrat relaia:
{ } { }
22 64 14 25 22
1 } 3 , 2 , 3 , 1 min{ , , , min min c c c c c c c
ij kl
= = = = = .

Etapa 4:

Etapa 5: Eliminndu-se linia 2 i coloana 2 se obine:

4
M
5
M
1
L
0 1
6
L
0 1

Etapa 6: n coloana corespunztoare lui
5
M nu exist nici un element egal
cu zero, deci 0
1
= , 1
2
= . Matricea redus este de forma:

4
M
5
M
1
L
0 0
6
L
0 0
E
56
E
( ) 16
56
= E
33
E
( ) 16
33
= E
56
E
( ) 16
56
= E
56
E
( ) 18
56
= E
33
E
( ) 18
33
= E
41
E
( ) 18
41
= E
22
E
( )
22
E
22
E
( ) 17 16
22 22
= + = E
329
Marginea inferioar asociat lui
22
E se afl adunnd la ( )
41
E suma
( )
2 1
+ :
( ) 17 1 16
22
= + = E
Etapa 7: Se trece la etapa 8 deoarece ultima matrice este de ordinul 2.

Etapa 8: ( ) ( ) { } ( ) ( )
22 22 22 22
17 , min E E E E = = = . Se alege
22
E .

Se revine la

Etapa 3: 0
14
= , 0
15
= , 0
64
= , 0
65
=
{ }
14 65 64 15 14
2 } 6 , 3 , 5 , 2 min{ , , , min c c c c c = = =
Nodul
22
E va fi nod iniial al acelor cu nodurile finale
14
E i
14
E .

Etapa 4:

E
( ) 16 = E
56
E
( ) 16
56
= E
33
E
( ) 16
33
= E
56
E
( ) 16
56
= E
56
E
( ) 18
56
= E
33
E
( ) 18
33
= E
41
E
( ) 18
41
= E
22
E
( ) 17
22
= E
22
E
( ) 17
22
= E
14
E
41
E
( ) 17
41
= E
330
1
L i coloana
4
M i se obine:

5
M
6
L
0

Etapa 6: Marginea inferioar asociat lui
14
E va fi ( ) ( ) 17
22 14
= = E E .
Etapa 7: Algoritmul se oprete deoarece matricea obinut este ptratic, de
ordinul 1. Din nodul
14
E se traseaz arcul cu nodul final
65
E ce va avea
marginea
( ) ( ) 17 0
14 65
= + = E E

Cuplajul maxim de valoare minim egal cu ( ) 17
65
= E va fi:

1
L

2
L

3
L

4
L

5
L

6
L

1
M

2
M

3
M

4
M

5
M

6
M
2
1
2
4
2
6
( ) 17 6 2 4 2 1 2
65
= = + + + + + E
331
Ca i n cazul primei variante de rezolvare, n finalul aplicaiei va fi
sistematizat algoritmul aplicat.

Matricea redus
ij
j
i
t a min =
=
ij
j
ij
i
j
t t b min min
(1)
( )

= =
+ =
n
j
j
n
i
i
b a E
1 1
(2)
Pt.
' ' ' '
min min 0
ij
i
ij
j
ij ij
t t t + = = , fr 0
' '
=
ij
t
ij kl
max =
(3)
kl kl
P E
Se suprim linia k i coloana l
' '
1
T
(4)
kl kl
P E
( ) ( )
kl kl
E E + =
(5)
' '
1
T are cte un
zero pe fiecare
linie i coloan?
(6)
Dup proc. (1) se formeaz noi
zerouri
( ) ( )

+ + =
j
j
i
i kl
b a E E
(7)
( ) ( ) E E
kl
=
(8)
? 1 1 = n n
STOP
( ) ( )
kl kl
E E <
+ =
' '
ij
t se
formeaz noi
zerouri
(3)
DA
NU
DA
DA
NU
332

Pentru a da posibilitatea cititorului s compare cei doi algoritmi i
s-i clasifice n raport cu volumul de calcul necesar atingerii soluiei optime
sau pentru a-l alege pe cel care este cel mai uor de programat pe calculator,
acetia vor fi aplicai pe acelai exemplu.

Aplicaie Programul de fabricaie al unei anumite piese este compus din
ase operaii
6 2 1
,..., , O O O , operaii ce pot fi efectuate pe ase maini
6 2 1
,..., , M M M . Vom nota cu
ij
t timpul necesar efecturii operaiei
j
O pe
maina
i
M ; datorit faptului c avem maini diferite, timpii de execuiei vor
fi n general diferii. Dac pe o anumit main nu se poate executa o
anumit operaie, atunci convenim ca timpul respectiv s ia valoarea infinit.

Cunoscndu-se matricea ( )
j i
ij
t T
,
= a timpilor de execuie exprimai
n uniti temporale (minute, ore, etc)

j
O
i
M
1
O
2
O
3
O
4
O
5
O
6
O
1
M
4 7 2 6 3
2
M
1 3 5 8 5
3
M
6 8 5 7
4
M
5 7 3 4 5
5
M
4 9 7 4 4
6
M
3 4 9 3 5

se cere s se determine palnificarea operaiilor pe cele ase maini, astfel
nct timpul total de prelucrare s fie minim.

333
Soluia 1 Vom utiliza algoritmul ungar.

Etapa 1: Vom cuta s obinem pe fiecare linie i coloan cel puin un zero.
Pentru aceasta, evideniem din elementele fiecrei linii, respectiv coloane,
elementul minim corespunztor. Scznd elementul minim al liniei nti din
toate elementele liniei nti, .a.m.d pn la linia ase, se obine din matricea
T urmtoarea matrice:

Pasul 1

3
4
3
5
1
2
6
5
4
3
2
1
=
=
=
=
=
=
=
2 0 6 1 0
0 0 3 5 0
2 1 0 4 2
2 0 3 1
4 7 4 2 0
1 4 0 5 2
~
T

ntruct nu am obinut cel puin un zero pe fiecare coloan, repetm
procedeul pentru coloane i obinem matricea:
Pasul 2
0
0
0
0
1
0
6
5
4
3
2
1
=
=
=
=
=
=
=
2 0 6 0 0
0 0 3 5 0
2 1 0 3 2
2 0 3 1
4 7 4 1 0
1 4 0 5 1
R
T
Se reine 19
6
1
6
1
=
+

= = j
j
i
i
ca margine inferioar a cuplajului
maxim de valoare minim.
334
Etapa 2: Trecem acum la ncadrarea zerourilor. Se alege linia cu cele mai
puine zerouri i se ncadreaz unul, iar celelalte situate pe linia i coloana
zeroului ncadrat se bareaz. Se repet procedeul pn ce toate zerourile sunt
ncadrate sau barate:
2 0 6 0 0
0 0 3 5 0
2 1 0 3 2
2 0 3 1
4 7 4 1 0
1 4 0 5 1

Soluia nu este optim deoarece nu avem pe fiecare linie i fiecare
coloan cte un zero ncadrat., altfel spus, numrul zerourilor ncadrate este
mai mic dect ordinul matricii.
Etapa 3: Determinarea unui suport minimal.
Trecem la marcarea liniilor i coloanelor dup regulile date de
algoritm: se marcheaz fiecare linie care nu are nici un zero ncadrat,
coloanele cu zero barat pe linii marcate, liniile cu zero ncadrat pe coloanele
marcate, .a.m.d, pn ce nu se mai poate face nici o marcare.
n cazul nostru se marcheaz linia a treia deoarece nu are nici un
zero ncadrat, apoi coloana a patra care conine un zero barat pe linia
marcat i, n fine, linia nti cu zero ncadrat pe coloana marcat. Alte
posibiliti de marcare nu mai sunt.
335
Se taie apoi liniile nemarcate i coloanele marcate, pentru a evidenia
acoperirea minimal, format din coloana marcat
4
C i liniile nemarcate
1
L
i
3
L :

*
*
2 0 6 0 0
0 0 3 5 0
2 1 0 3 2
2 0 3 1
4 7 4 1 0
1 4 0 5 1
*

Etapa 4: Se trece acum la deplasarea zerourilor, considerndu-se elementul
minim din elementele libere ale matricii, n cazul nostru, 1.
Acesta se scade din fiecare element de tip
1
T , se adun la cele de
tipul
3
T (elementele din
2
T rmn neschimbate). n urma acestei operaii, se
obine matricea de mai jos:

2 1 6 0 0
0 0 4 5 0
2 1 0 3 2
1 0 2 0
4 8 4 1 0
0 3 0 4 0

336
Se revine la etapa 2. Dup efectuarea operaiilor specifice acestei etape, se
obine:

2 1 6 0 0
0 0 4 5 0
2 1 0 3 2
1 0 2 0
4 8 4 1 0
0 3 0 4 0

ntruct am obinut pe fiecare linie i fiecare coloan cte un zero
ncadrat, algoritmul se oprete. Astfel, afectarea optim a operaiilor pe
maini este:
( ) ( ) ( ) ( ) ( ) ( ) { }
2 6 5 5 3 4 4 3 1 2 6 1
, , , , , , , , , , , O M O M O M O M O M O M
cu timpul total de execuie
20 4 4 3 5 1 3
62 55 43 34 21 16
= + + + + + = + + + + + t t t t t t uniti temporale.

Soluia 2 Se va aplica algoritmul lui Little.
Fie matricea
=
5 3 9 4 3
4 4 7 9 4
5 4 3 7 5
7 5 8 6
5 8 5 3 1
3 6 2 7 4
T
care definete complet i unic problema.

337
Etapa 1: Matricea redus a fost obinut la etapa 1 a algoritmului Kuhn-
Tucker:
=
2 0 6 0 0
0 0 3 5 0
2 1 0 3 2
2 0 3 1
8 4 7 4 1 0
1 4 0 5 1
R
T
Etapa 2:
( ) 19 1 3 4 3 5 1 2 min min min
1 1 1 1
= + + + + + + =
+ = + =

= = = =
n
j
ij
j
ij
i
n
i
ij
j
n
j
j
n
i
i
t t t b a E .
Putem considera rdcina E a arborescenei asociat matricii cu valoarea n
vrful E egal cu 19.

Etapa 3: Asociem fiecrui 0 ' =
ij
t cantitatea
vj
t t
v
iu
t t
u
ij
t t
ij vj ij iu
' min ' min
' ' ' '
+ = .
n cazul nostru, avem:
1 0 1
14
= + = 1 1 0
55
= + =
1 0 1
21
= + = 1 1 0
56
= + =
1 0 1
34
= + = 0 0 0
61
= + =
4 3 1
43
= + = 1 1 0
62
= + =
0 0 0
51
= + = 0 0 0
63
= + = .

Rezult c { } 4 , , , , , , , , , max
43 63 62 61 56 55 51 43 34 21 14
= = .

( ) 19 = E E
338
Etapa 4: Aadar, am obinut vrfurile
43
E i
43
E ale arborescenei, cu
valorile ataate lor:
( ) ( ) 23 4 19
43 43
= + = + = E E
( ) ( ) 19 19
43 43
= + = E E .
Etapa 5:

Etapa 6: Deoarece ( ) 0
43
= E (matricea rmas din
R
T , dup ce tiem
linia a patra i coloana a treia are pe fiecare linie i coloan cel puin cte un
zero) se trece la:

2 0 6 0 0
0 0 3 5 0
2 1 0 3 2
2 0 3 1
8 4 7 4 1 0
1 4 0 5 1

Revenind la etapa 3, se calculeaz:
1 0 1
14
= + = 4 4 0
55
= + =
1 0 1
21
= + = 1 1 0
56
= + =
1 0 1
34
= + = 0 0 0
61
= + =
0 0 0
51
= + = 1 1 0
62
= + =
0 0 0
63
= + =
( ) 23
43
43
= E
E
( ) 19
43
43
= E
E
( ) 19

= E
E

339
Se constat c: { } 4 , , , , , , , , max
55 63 62 61 56 55 51 34 21 14
= = .
Deci,
( ) ( ) 23 4 19
55 43 55
= + = + = E E ,
( ) ( ) ( ) 20 1 19
55 43 55
= + = + = E E E ,
deoarece ( ) 1
55
= E (matricea rmas dup ce s-au tiat linia a cincea i
coloana a cincea nu are zero pe coloana ase, ns, scznd 1 din elementele
coloanei ase, obinem pe toate liniile i coloanele rmase cel puin cte un
zero).

2 0 6 0 0
0 0 3 5 0
2 1 0 3 2
2 0 3 1
8 4 7 4 1 0
1 4 0 5 1

Scznd din elementele coloanei ase (cele netiate) valoarea 1, se obine
matricea

1 0 6 0 0
0 0 3 5 0
2 1 0 3 2
1 0 3 1
7 4 7 4 1 0
0 4 0 5 1
.

340
Calculnd mai departe, se obin valorile:
0 0 0
14
= + = 1 0 1
34
= + =
1 0 1
16
= + = 0 0 0
61
= + =
1 0 1
21
= + = 1 1 0
62
= + =
0 0 0
64
= + =
cu
{ }
= =
62
34
21
16
64 62 61 55 34 21 16 14
4 , , , , , , , max

Alegem ca valoare maxim (care nu este unic) pe
16
. Atunci,
( ) ( ) 21 1 20
16 55 16
= + = + = E E ,
( ) ( ) ( )
16 55 16
E E E + = .

Din matricea

1 0 6 0 0
0 0 3 5 0
2 1 0 3 2
1 0 3 1
7 4 7 4 1 0
0 4 0 5 1

rezult c ( ) 0
16
= E (matricea rmas dup tiere are pe fiecare linie i
fiecare coloan cel puin un zero), i, prin urmare, ( ) 20
16
= E .

341
Corespunztor noii matrice, avem:
1 0 1
21
= + = 0 0 0
61
= + =
1 0 1
34
= + = 1 1 0
62
= + =
0 0 0
64
= + =
de unde { }
= =
62
34
21
64 62 61 34 21
1 , , , , max
.
Alegem ca valoare maxim pe
21
i atunci
( ) ( ) 21 1 20
21 16 21
= + = + = E E ,
( ) ( ) ( ) 20
21 16 21
= + = E E E ,
pentru c ( ) 0
21
= E .

Rezult matricea

1 0 6 0 0
0 0 3 5 0
2 1 0 3 2
1 0 3 1
7 4 7 4 1 0
0 4 0 5 1

Calculm iari
=
34
, =
62
, 0 0 0
64
= + = .

Alegem ca valoare maxim pe
34
i gsim c

( ) ( ) = + =
34 21 34
E E ,
( ) ( ) ( ) 20
34 21 34
= + = E E E ,
342
deoarece, dup ce am suprimat i linia a treia i coloana a patra, am ajuns la
matricea cu o linie i o coloan, cu elementul nscris zero. Prin urmare, am
obinut arborescena:

din care citim soluia optim (afectarea repartizarea - optim a operaiilor
pe maini):
( ) ( ) ( ) ( ) ( ) ( ) { }
2 6 5 5 3 4 4 3 1 2 6 1
, , , , , , , , , , , O M O M O M O M O M O M ,
cu timpul total de execuie 20
tot
= t uniti temporale.

Observaie: Din faptul c la ultimele trei etape { }
ij
t
j i
ij
0 '
,
max
=
nu este unic
determinat, s-ar prea c soluia nu este unic determinat. Se constat,
totui, c valorile
ij
ce realizeaz maximul au indici care intr n soluia
optim i, deci, avem soluie unic. Acest lucru rezult i din calculul direct,
lund n consideraie toate variantele posibile constatm c, n final, obinem
aceeai afectare optim pentru fiecare din cazuri.

( ) 21
21
21
= E
E
(23)
( ) 21
16
16
= E
E

(23)
( ) 23
55
55
= E
E

(23)
( ) 20

62
62
= E
E

( ) 20

34
34
= E
E

( ) 20

21
21
= E
E
( ) 20

16
16
= E
E
( ) 20

55
55
= E
E
( ) 19

43
43
= E
E

( ) 19

= E
E

( ) 23
43
43
= E
E

(23)
( ) 23
34
34
= E
E
(23)
343

VI. PROBLEME PROPUSE

1. Se d urmtorul program liniar:

5 , 1 , 0
15 3 2
10 2
3 2 4 2 3 [min]
5 4 2 1
4 3 2 1
5 4 3 2 1

= + + +
= + + +
+ + + + =
j x
x x x x
x x x x
x x x x x f
j
.
a) S se stabileasc soluia optim,
*
X .
b) S se scrie duala i s se justifice existena sau nonexistena soluiei sale
optime.
c) S se genereze o soluie admisibil de baz pentru dual,
SAB
U . Ce
relaie exist ntre ( )
SAB
U g i ( )
*
X f ?

2. Pentru problema
3 , 1 , 0
9 4 3
8 3 2
30 25 50 [min]
3 2 1
3 2 1
3 2 1

+ +
+ +
+ + =
j x
x x x
x x x
x x x f
j
,
se cer:
a) S se scrie duala problemei date.
b) S se determine soluia optim a primalei, aplicnd algoritmul simplex
dual.
344
c) S se aplice algoritmul simplex primal pentru a stabili soluia optim a
dualei.
d) Soluia optim a dualei se menine dac modelul se extinde cu restricia
5
1
u ? Dar dac se elimin prima restricie?

3. Se dau:
3 2 1
17 16 20 [max] x x x f + + = ,
=
1 2 2
4 1 2
0 2 1
A ,
=
900
800
680
b ,
1 1 0
2 / 1 1 0
2 / 3 1 1
1
B .
a) Matricea
1
B este inversa bazei optimale pentru programul liniar scris
sub form canonic, ce utilizeaz elementele date i corespunde unui
program de fabricaie sub aspectul profitului ateptat. Determinai acest
program.
b) S se scrie dualul programului de la a) i s se afle soluia sa optim. S
se interpreteze economic, folosind teoremele dualitii.

4. n modelul liniar
2 , 1 , 0
900 2 3
500 2
1200 3 4
15 12 ) , ( [max]
2 1
2 1
2 1
2 1 2 1

+
+
+
+ =
j x
x x
x x
x x
x x x x f
j
, semnificaiile

345
Probleme propuse
constantelor sunt urmtoarele:

ij
a ct se consum din resursa
i
R , } 3 , 2 , 1 { i , pentru a obine o unitate
din produsul
j
P , } 2 , 1 { j , n ipoteza c
1
R reprezint fora de munc,
iar
2
R ,
3
R capaciti de producie;

j
c venitul ateptat de la o unitate de produs
j
P , } 2 , 1 { j .

Se cer:

a) S se scrie dualul modelului dat i s se determine o soluie dual
realizabil a acestuia.
b) Determinai solutiile optime ale celor dou probleme duale. Interpretai
economic rezultatele.
c) Cu ct se modific valoarea venitului total ateptat (stabilit la punctul b)
dac fora de munc scade cu 150.
d) Presupunem c =1200
1
b i ] 1500 , 900 [
1
b , din considerente
practice. Exist valori ale parametrului pentru care ( )
3 1 2
a a a este
baz optimal?
e) Teoremele fundamentale ale programrii liniare; utilizarea lor n
rezolvarea grafic.

5. (Problem de amestec)
O uzin trebuie s produc un aliaj care s conin 45% plumb i
55% zinc. Pentru aceasta, uzina poate s cumpere aliajele A, B, C i D, ale
cror compoziii i preuri sunt cele din tabelul de mai jos. Ct trebuie s se
cumpere din fiecare aliaj A, B, C, D, astfel nct costul unitar de obinere a
aliajului dorit s fie minim?

346

Aliaje A B C D
Aliajul care
trebuie obinut
% plumb 20 30 10 60 45
% zinc 80 70 90 40 55
Preul de cost
pe un kg
6 4 8 3 minim

6. ntr-o secie a unei ntreprinderi se produc trei tipuri de repere
1
R ,
2
R i
3
R , la realizarea crora se folosesc dou tipuri de resurse,
1
M i
2
M .
Reperele se prelucreaz pe dou grupuri de utilaje,
1
U i
2
U . Fondul de
timp disponibil al utilajelor este de 500 ore, respectiv 800 ore. Disponibilul
din materia prim
1
M este limitat la 400kg, n timp ce materia prim
2
M se
gsete n cantitate suficient. Totui, pentru a preveni formarea unui stoc
prea mare, trebuie consumate lunar minimum 600kg din
2
M . Consumurile
specifice de materia prim (n kg) i de timp de prelucrare (n ore) pe utilaje,
pentru fiecare reper, sunt date n tabelele urmtoare:

Beneficiile unitare sunt de 30, 20, 40 uniti monetare.

a) S se stabileasc planul optim de producie, utiliznd maximizarea
profitului drept criteriu de eficien.
Timp de prelucrare
Utilaje
1
R
2
R
3
R
1
U 1 0 1
2
U 1 1 2

Consum specific
Materie
prim
1
R
2
R
3
R
1
M 0 2 1
2
M 2 0 1
347
Probleme propuse
b) S se studieze variaia soluiei optime dac: + = 30
1
c , 2 20
2
+ = c ,
2
1
40
3
+ = c , unde [ ] 10 , 4 .

7. Fie problema
3 , 1 , 0
600 2
400 2
800 2
500
15 12 ) , ( [max]
3 1
3 2
3 2 1
3 1
2 1 2 1

+
+
+ +
+
+ =
j x
x x
x x
x x x
x x
x x x x f
j

a) Determinai soluia optim,
*
X , a acestei probleme.
b) Construii duala i aflai soluia ei optim,
*
U . Interpretai economic,
dac este vorba despre un program de fabricaie.
c) Reoptimizai dup
=
600
600
1200
500
~
b .
d) Reoptimizai dup ( ) 35 25 32
~
= c .
Justificai economic postoptimizrile n problema de programare liniar.

8. Se d:

5 , 1 , 0
8000 2 2
6000
4000 2
4 2 2 ) , ( [max]
5 4 2 1
5 4 3 1
5 3 2 1
5 4 3 2 1 2 1

+ + +
= + + +
+ + +
+ + + + =
j x
x x x x
x x x x
x x x x
x x x x x x x f
j

348
a) S se afle soluia optim a programului liniar de mai sus.
b) S se scrie duala problemei i s se afle soluia ei optim. Interpretarea
economic a variabilelor dualei.

9. Fie programul liniar:
3 , 1 , 0
6000 2 3 4
4000 2 2
8000 2 2 3
2 2 3 ) , ( [max]
3 2 1
3 2 1
3 2 1
3 2 1 2 1

+ +
+ +
+ +
+ + =
j x
x x x
x x x
x x x
x x x x x f
j
.

a) S se afle soluia optim.
b) S se scrie duala i s se afle soluia optim a dualei.

10. Se consider urmtorul program liniar:

5 , 1 , 0
400
700 2
12 11 3 20 2 [min]
5 4 2
5 4 3 1
5 4 3 2 1

+ +
+ +
+ + + + =
j x
x x x
x x x x
x x x x x f
j

a) S se genereze o soluie admisibil de baz ( )
) 1 (
X pentru aceast
problem i dou soluii admisibile de baz (
) 1 (
U i )
) 2 (
U pentru duala
sa. Ce relaie exist ntre ( )
) 1 (
X f i ( )
) 1 (
U g ? Dar ntre ( )
) 1 (
X f i
( )
) 2 (
U g ? Justificai rspunsurile.
b) Generai o soluie dual realizabil.

349
Probleme propuse
11. Un mic atelier produce dou tipuri de piese de automobil, simbolizate
prin A i B. n acest atelier, piesele sunt supuse unor operaii de strunjire,
gurire i lefuire.

W PR PV
A B A B
CI
A B
Strunjire 25 40 20
Gurire 28 35 14
lefuire 35 25
2 3
17,5
5 6
Notaii:
- W: productivitatea mainilor (bucat/h);
- PR: pre ($);
- CI: cheltuieli pentru ntreinerea mainilor ($/h);
- PV: pre de vnzare ($).
Se cer:
a) Ce combinaie a celor dou produse va asigura beneficiul maxim?
(presupunem c poate fi vndut orice cantitate di piesele A i B).
b) Cu ct va crete beneficiul dac timpul de folosire a strungului crete cu
o unitate?

12. O unitate produce dou sortimente de produse,
1
S i
2
S , utiliznd trei
utilaje,
2 1
, M M i
3
M . n tabelul de mai jos sunt date capacitile de
producie ale mainilor (n ore), precum i consumul de ore-main pentru
fiecare sortiment:

Sortiment
Main
1
S
2
S
Capacitate
disponibil
1
M
1 4 16
2
M
2 1 8
3
M
1 1 5
Beneficiu unitar 7 4
350
Se cere stabilirea structuriisortimentale optime, n limita cantitilor
disponibile.

13. Un utilaj este alctuit din trei subansamble,
3 2 1
, , A A A . Realizarea lor se
face ntr-o secie dotat cu trei tipuri de maini,
3 2 1
, , M M M , din care 10 de
tip
1
M , 10 de tip
2
M i 15 de tip
3
M . Capacitile de producie ale celor
trei maini (bucai/zi) pentru cele trei subansamble sunt date n tabelul
urmtor:

1
A
2
A
3
A
1
M 70 50 -
2
M - 100 20
3
M 40 - 40
Beneficiu pentru
subansamblu
1000 1500 2000

Utilajul este compus din dou subansamble de tip
2
A i cte unul de tip
1
A
i
3
A .

a) S se stabileasc numrul maxim al subansamblelor executate zilnic i
s se calculeze numrul de utilaje obinut din aceste subansamble.
b) S se stabileasc numrul maxim al utilajelor ce se pot realiza zilnic i
s se compare rezultatele obinute cu cele gsite la punctul a).
S se analizeze beneficiul zilnic obinut, att pe subansamble ct i pe
utilaje.
c) Din motive de siguran n funcionare, numrul de subansamble de
fiecare tip ce se vor asambla la fiecare utilaj va fi de ( ) 1 + pentru
1
A ,
( ) 2 + pentru
2
A i ( ) 1 + pentru
3
A , iar cel mai mare numr de
Observaie: Csuele n care
se gsete - arat c maina
i
M nu poate produce
subansamblul
j
A .
351
Probleme propuse
subansamble din oricare tip
1
A ,
2
A sau
3
A , asamblate la utilaj, s nu
depeasc 5 buci (din fiecare subansamblu).
S se determine numrul maxim de utilaje ce poate fi obinut n aceste
condiii i s se scrie pentru fiecare utilaj acceptabil acest numr maxim
de utilaje.
S se analizeze beneficiul obinut zilnic i s se determine utilajul pentru
care ntreprinderea are cel mai mare beneficiu zilnic. S se reprezinte
grafic aceste beneficii n funcie de .
d) S se analizeze rezultatele ce sepot obine la punctele a) i b), cnd
disponibilul de maini din fiecare tip afectate produciei de subansamble
este variabil: ( ) 10 pentru
1
M , ( ) 15 pentru
2
M , iar pentru
3
M
disponibilul rmne neschimbat.
S se compare, n funcie de , cele dou rezultate obinute n condiiile
punctelor a) i b) i beneficiile corespunztoare, i s se aleag soluia
corespunztoare beneficiului cel mai mare. (Se va reprezenta grafic
beneficiul pentru fiecare admisibil.)

14. ntr-un combinat chimic, n procesul de fabricaie rmn zilnic
disponibile cantitile de H, Cl i N indicate n tabelul de mai jos:

Coeficieni tehnologici
1
X
2
X
3
X
4
X
5
X
Produse

Materii prime 1
P
2
P
3
P
4
P
5
P
Disponibil
zilnic
(metri cubi)
Hidrogen 2000 400 10 14
Clor 300 750 10 4
Azot 900 150 250 300 10 16

ntreprinderea trebuie s foloseasc aceste materii prime ct mai
productiv. Din aceste materii prime se pot fabrica urmtoarele produse:
352
amoniac anhidric ( )
3
NH , acidul azotic ( )
3
HNO ,
4
NH ,
3
NO , HCl ,
4
ClNH .
Tabelul arat consumul de materie prim pe unitatea de produs
(ton), precum i beneficiul rezultat (lei/ton).
S se determine planul optim de folosire a materiilor prime
disponibile astfel nct beneficiul s fie maxim.

15. O uzin metalurgic produce trei tipuri de cablu, A, B, C, difereniate
prin diametru. Procesul tehnologic cuprinde trei faze, i anume:
- clirea cablului furnizat de laminor;
- reducerea diametrului;
- tierea, ndreptarea i ambalarea cablului.
n tabelul de mai jos sunt indicate, pentru fiecare sortiment, consumurile
de timp necesare efecturii celor trei operaii i fondurile de timp
disponibil:

Operaia A B C Fond de timp
Calirea 2 2 2 40
Reducerea 1 3 4 48
Tierea 1 2 2 45
Valoarea producie
(mii lei/ton)
30 80 90

Se cer:
a) Care este structura optim a planului de producie corespunztor valorii
maxime a acestuia?
b) Care este structura optim a produciei, dac preurile de producie sunt
20, 50, 70.
S se scrie duala problemei rezolvate la punctul a). Care este soluia sa
optim? Interpretarea economic a rezultatelor.

353
Probleme propuse
16. O ntreprindere industrial, dup realizarea planului de producie, mai
are n stoc 1050 uniti din
1
M , 700 uniti din
2
M i 1750 uniti din
3
M .
Cu ajutorul acestor trei materii prime se pot fabrica reperele
1
R ,
2
R i
3
R .
Consumurile specifice i veniturile unitare referitoare la cele trei tipuri de
repere sunt date n urmtorul tabel:

Consumuri specifice

1
P
2
P
3
P
1
M 1 3 4
2
M 2 5 1
3
M 4 1 2
Beneficiu unitar
(u.m.)
30 20 60

a) Se cere s se determine acel plan de producie ce corespunde unui
beneficiu total maxim.
b) S se scrie duala problemei rezolvate la punctul a) i s se afle
soluia sa optim. Enunai teorema fundamental a dualitii. Ce
afirmaie a sa este verificat pentru cuplul de probleme duale
enunate ? Interpretare economic a variabilelor
*
1
u i
*
2
u .
c) Pentru ce valori ale lui se menine planul optim de producie
stabilit la punctul a) dac
2
1
3 ) (
1
+ = c , + = 2 ) (
2
c ,

4
1
6 ) (
3
= c .
d) S se stabileasc S.O. dac
=
140
140
114
~
b .

354
17. Societatea comercial Electro-putere Craiova i programeaz
producia de motoare electrice pentru anul viitor. n acest scop, s-au alocat
urmtoarele resurse:
- C: cost cel mult 15 miliarde lei;
- N: numr personal cel mult 2000 persoane;
- q: producia fizic cel puin 1000 buci motoare.

Se culeg date din evidenele ntreprindeii cu privire la indicatorii
specificai:

Nr.
crt.
Denumire
produs
(motoare
electrice)
PV
(mii lei/
bucat)
C
(mii lei/
bucat)
W
(mii lei/
bucat)
S
(mii lei/
bucat)
v
a'
($/
bucat)
C P P
v
=
(mii lei/
bucat)
q
(bucat)
1 2600CP 950 800 800 5000 1000 150
1
x
2 3100CP 1150 1000 1000 5500 1100 150
2
x
3 3900CP 1300 1100 1200
5250
1150 200
3
x
4 4500CP 1350 1200 1300 4750 1200 150
4
x

unde:
- C: costul unitar;
-
v
P : preul de vnzare unitar;
- P: profitul unitar;
- S: investiia specific;
-
v
a' : aportul valutar unitar;
- Q: producia valoric;
v
P q Q = ;
- q
W
P
N
N
P q
N
Q
W
v v
=
= = .

Se cere programul de producie n aceste condiii, pentru:
a) Maximizarea profitului (P).
355
Probleme propuse
b) Maximizarea aportului valutar (
v
a' ).
c) Minimizarea investiiilor (
t
I ).

18. S se planifice producia pieselor A, B, C, n scopul obinerii
beneficiului maxim, innd seama de datele din urmtorul tabel:

Cerere
Ore necesare pe unitatea de
produs Piese
Min Max S:1 S:2 S:3 S:4
Beneficiu
unitar
A 20 200 0,10 0,06 0,18 0,13 10
B 0 100 0,12 0,05 - 0,10 12
C 70 180 0,15 0,09 0,07 0,08 15
Ore disponibile 36 30 37 38

19. ntr-un atelier mecanic se gsesc dou freze,
1
F i
2
F , i un strung, T.
Programul de lucru al acestui atelier este stabilit la nceputul fiecrui
trimestru i are un caracter obligatoriu i permanent. Dup executarea lui,
rmn disponibile 200h la strungul T, 84h la freza
1
F i 100h la freza
2
F .
Se pune problema utilizrii ct mai eficiente a acestor ore disponibile.
Trei clieni au solicitat atelierului executarea a trei tipuri de piese
mecanice,
3 2 1
, , P P P . Executarea acestor piese necesit ntotdeauna dou
operaii: una pe strungul T i cealalt pe una din frezele
1
F sau
2
F . Timpii
de executare a acestor operaii au fost evaluai n ore i sunt dai n tabelul
urmtor:

1
P
2
P
3
P
T 2 1 5
1
F 6 5 3
2
F 5 5 4
356
Fabricarea unei piese de tip
1
P ,
2
P , respectiv
3
P , aduce un beneficiu de 60,
40, respectiv 3,5 u.m. S se determine planul de producie, n vederea
obinerii unui beneficiu maxim.

20. Se consider programul liniar:

6 , 1 , 0
1000 2 4 3
200 2
400 3 2
5 2 4 3 [min]
6 3 2 1
5 3 2 1
4 3 2 1
6 5 4 3 2 1

= + + +
= + + +
= + + +
+ + + + + =
j x
x x x x
x x x x
x x x x
x x x x x x f
j

a) S se afle soluia sa optim.
b) Reoptimizare dup ( )

+ + = 5 25
2
1
4 3 1 2 1 c ,
pentru ] 6 , 0 [ .
c) Reoptimizare dup
=
1
2
1
~
3
P .

21. Fabricarea a dou produse, A i B, necesit trei operaii succesive.
Primele dou operaii se execut n seciile 1 i 2 ale uzinei respective, iar a
treia poate fi executat ntr-una din seciile 3 sau 4.

357
Probleme propuse
n continuare, se dau consumurile unitare de timp de prelucrare,
fondul de timp disponibil al fiecrei secii n cursul unei luni:

Beneficiul pe unitatea de produs A realizat pe filiera 1, 2, este de
120u.m. Beneficiul pe unitatea de produs A realizat pe filiera 1, 2, 4 este de
100u.m.
Beneficiul pe unitatea de produs B realizat pe filiera 1, 2, 3 este de
65u.m. Beneficiul pe unitatea de produs B realizat pe filiera 1, 2, 4 este de
45u.m.
Fondurile de timp disponibil ale celor patru secii sunt: 1450, 1080,
600 i 300.
S se determine structura planului optim de producie astfel nct
beneficiul total s fie maxim.

22. S se rezolve problema de transport cu datele:

1
C
2
C
3
C
4
C
5
C D
1
D 6 6 10 5 4 200
2
D 10 4 6 7 8 800
3
D 6 5 3 2 5 400
4
D 5 7 7 4 6 600
N 500 200 400 500 400

Produsul A
Secia 2

2
Secia 4

2
Secia 1

3
Secia 3

4
358
23. Trei intreprinderi siderurgice,
3 2 1
, , S S S , au nevoie zilnic de
3
10 14 t,
3
10 24 t, respectiv
3
10 50 t de fier vechi. Trei uzine,
3 2 1
, , U U U , pot furniza
diverse tipuri de fier ce intr n categoria fier vechi, n urmtoarele cantiti:
3
10 30 t,
3
10 28 t, respectiv
3
10 49 t. n urmtorul tabel sunt cuprinse
costurile unitare corespunztoare deplasrii pe calea ferat ntre
i
U i
j
S
(t/mii lei) i capacitatea de transport pe ruta ( ) j i, , 2 , 1 = i , 3 , 1 = j :

1
S
2
S
3
S

1
U
5
7
4
6
6
10
14
2
U
3
15
2
10
3
15
24
3
U
10
20
7
15
9
22
50
30 28 49

S se determine varianta optim de transport, sub aspectul preului.

24. S se rezolve urmtoarea problem de transport:

Beneficiar

Furnizor
FRB OLTENI SUCEAVA IAI Disponibil
SIRIA 20.000 30.000 30.000 20.000 100.000
EGIPT 30.000 10.000 10.000 50.000 100.000
CHINA 30.000 40.000 100.000 30.000 200.000
CONGO 20.000 20.000 60.000 0 100.000
Necesar 100.000 100.000 200.000 100.000

359
Probleme propuse
25. Se consider urmtoarea problem de transport:

1
P
2
P
3
P
4
P D
1
D 2 4 3 2 500
2
D 6 5 5 6 400
3
D 6 3 1 4 350
N 500 200 300 400 *

Se cer:

a) Modelul matematic pentru problema echilibrat i modelul dualei sale.
b) S se stabileasc o soluie iniial. Interpretare economic.
c) S se gseasc soluia optim dac
3
P trebuie s primeasc ntreaga
cantitate solicitat.
d) Problema de transport este rezolvat prin algoritmul simplex dual?
Justificai rspunsul.

26. Patru fabrici de panificaie sunt aprovizionate cu fin de un anumit sort,
de trei depozite,
3 2 1
, , D D D . n urmtorul tabel sunt date:
- cantitile disponibile ntr-o anumit perioad;
- cantitile solicitate;
- costurile unitare de transport.

1
P
2
P
3
P
4
P D
1
D 2 4 3 2 500
2
D 6 5 5 6 400
3
D 6 3 1 4 350
N
500 200 300 400
1250
1400

360
Se cer:

a) soluia optim;
b) soluia optim dac
3
P trebuie s primeasc ntreaga cantitate solicitat;
c) soluia optim n ipoteza c ruta ( )
2 2
, P D nu poate fi folosit n perioada
considerat.

27. Pentru mrirea vnzrilor sale, NASTIMEX are 3 depozite de marf,
situate n diferite locuri. Societatea trebuie s asigure marfa celor patru
puncte de desfacere din ar. Costul de transport este suportat de firm.
S se elaboreze un plan de aprovizionare a celor 4 centre de
desfacere cu articole sportive, de la cele 3 depozite, astfel nct costul total
al transportului s fie minim. Costurile unitare de transport, necesarul
fiecrui centru i disponibilul din fiecare depozit sunt date n tabelul
urmtor:

1
C
2
C
3
C
4
C Disponibil
1
D 10 20 20 11 15
2
D 15 7 9 20 25
3
D 12 14 13 18 30
Necesar 5 20 15 30

361

BIBLIOGRAFIE

1. Arrow, K, L. Hurwicz,
H. Uzawa,
Studies in Linear and Non-Linear
Programming, Stanford University Press,
Stanford, 1958.

2. Berge, C.
Ghouila Houri, A.
Programmes, jeux ar rseaux de transport,
Dunod, Paris, 1962.

3. Boro, E.
Opri D.
Introducere n optimizarea liniar i
aplicaii, Editura Facla, Timioara, 1979.

4. Ciobanu, Gh.
Nica, V.
Musta, F.
Mrcine, V.
Cercetri operaionale cu aplicaii n
economie, Matrix Rom, Bucureti, 1996.

5. Ciucu, G.
Craiu, V.
tefnescu, A.
Statistic matematic i cercetri
operaionale, volumul II, Editura didactic
i pedagogic, Bucureti, 1978.

6. Ciucu, G.
Craiu, V.
tefnescu, M.
tefnescu, A.
Statistic Matematic i cercetri
operaionale, volumul III, Editura
didactic i pedagogic, Bucureti, 1982.

7. Charnes, A. Optimality and degeneracy in linear
Programming, Econometrica, 20, 2, 1952.

8. Cooke, S.
Slack, N.
Making Management Decision, Prentice
Hall International UK Ltd, 1991.

9. Dantzig, G.B.
Orden, A.
Wolfe, P.
The Generalized Simplex for Minimizing
a Linear Form under Linear Inequality
Constraints, Pacific Journal of
Mathematics, 5, 2, 1955.

10. Dantzig, G.B. Linear Programming and Extensions,
Princeton University Press, Princeton,
1963.
362

11. Dantzig, G.B Applications et prolongements de la
programmation linaire, Dunod, Paris,
1966.

11. Gale, D. The Theory of Linear Economic Models,
McGraw - Hill Book Company, New
York, 1960.

13. Gass, S.I. Linear Programming. Methods and
Applications, McGraw Hill Book
Company, New York, 1964

14. Hadley, G. Linear Programming, Addison Wesley,
1962.

15. Hillier, F.S.
Lieberman, G.I.
Introduction to Operational Research,
McGraw - Hill Book Company,
New York, 1990.

16. Karlin, S. Mathematical Methods and Theory
in Games, Programming and Economics,
Addison Wesley, 1959

17. Kaufmann, A. Metode i modele ale cercetrii
operaionale, volumul II, Editura tehnic,
Bucureti, 1967.

18. Koopmans, T.C. Activity Analysis of Production and
Allocation, Wiley, New York, 1951.

19. Lange, O. Decizii optime, Editura tiinific,
Bucureti, 1970.

20. Lapin, L. Quantitative Methods for Business
Decisions with Cases, Harcourt Brace
Jovanovich Publishers and its subsidiary,
Academic Press, 1991.

21. Lucey, T. Quantitative Techniques, DP Publishers,
1992

22. Malia, M.
Zidroiu, C.
Matematica Organizrii, Editura tehnic,
Bucureti, 1975.

363

23. Mihoc, Gh.
Ndejde, I.
Programarea matematic,
Editura tiinific, Bucureti, 1967.

24. Mihoc, Gh.
tefnescu, A.
Programarea Matematic,
Editura didactic i pedagogic, Bucureti,
1973.

25. Ndejde, I.
Bergthaller, C.
Zidroiu, C.
Sburlan, S.
Probleme de cercetare operaional,
Editura Academiei, Bucureti, 1971.

26. Nica, V.
Musta, F.
Ciobanu, Gh.
Mrcine, V.
Cercetri operaionale, Matrix Rom,
Bucureti, 1998.

27. Preda, V.
Bad, M.
Culegere de probleme de cercetri
operaionale, partea I, Tipografia
Universitii Bucureti, 1978.

28. Render, B.
Stair, R.
Quantitative Analysis for Management,
Allyn and Bacon Inc., Boston, 1988.

29. Simmonard, M. Programmation linaire, Dunod, Paris,
1972.

30. tefnescu, A.
Zidroiu, C.
Cercetri operaionale, Editura didactic
i pedagogic, Bucureti, 1981.

31. ignescu, E.
Musta, F.
Nica, V.
Marin, D.
Culegere de probleme pentru disciplina
cercetri operaionale cu aplicaii n
economie, Tipografia ASE, Bucureti,
1988.

32. Zidroiu, C. Curs de cercetare operaional, partea I,
Tipografia Universitii Bucureti, 1978.

33. Zidroiu, C. Programare liniar, Editura tehnic,
Bucureti, 1983

364

Analiza Economicomatematic A Unor Modele Liniare

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Analiza Economicomatematic A Unor Modele Liniare

Încărcat de

Drepturi de autor:

Formate disponibile

Cuprins

I. Forma general a problemei e programare liniar. Definiii i

= x x , nu respect ambele restricii impuse

D nu era paralel cu nici o

= , rezult c scrierea canonic a sistemului de restricii

, 0 >> n noua matrice

b B se poate construi o soluie admisibil

sau cu notaia de la pasul 1,

B va fi inversa lui B dup modificarea lui

= Matricea costurilor unitare

Soluie optim unic.

Soluie optim unic

Soluie optim unic

S-ar putea să vă placă și