Cercetari Operationale

MELNIC LUCIA ZGAN REMUS
CHIRCOR MIHAEL

CERCETRI OPERAIONALE

FUNDAMENTAREA DECIZIILOR N
MANAGEMENTUL SISTEMELOR DE PRODUCIE

2004

2

CUPRINS

1. INTRODUCERE
1.1. Scurt istoric al evoluiei tiinei Cercetare Operaional
1.2. Teoria Deciziei i Cercetare Operaional
1.3. Modelarea matematic n Cercetarea Operaional

2. PROGRAMARE LINIAR
2.1. Probleme de programare liniar
2.1.1. Formularea problemei de programare liniar
2.1.2. Forme ale problemei de programare liniar
2.1.3. Modelul matematic al problemei de programare liniar
2.2. Consideraii generale privind problemele de programare liniar
2.2.1. Soluii i fundamente ale problemei de programare liniar
2.2.2. Baze ale problemei de programare liniar
2.2.3. Interpretarea geometric a problemei de programare liniar
2.3. Metoda Simplex
2.3.1. Fundamente teoretice n aplicarea metodei Simplex
2.3.2. Algoritmul simplex primal
2.3.3. Metode de determinare a unei soluii de baz iniiale
2.3.4. Interpretarea economic a algoritmului simplex primal
2.4. Dualitatea n programarea liniar
2.4.1. Problema dual. Fundamente teoretice
2.4.2. Algoritmul simplex dual
2.4.3. Interpretarea economic a dualitii

3. PROGRAMAREA LINIAR DE TIP TRANSPORT
3.1. Formularea unei probleme de transport
3.2. Exemple de probleme de tip transport
3.3. Determinarea unei soluii de baza iniiale a problemei de transport
3.4. Metoda de determinare a soluiei optime pentru probleme de transport.
Metoda potenialelor.

3
4
5

7
7
7
9
12
16
16
20
22
26
26
28
35
39
41
41
45
49

53
53
55
57
59

Cercetri operaionale- Fundamentarea deciziilor n managementul sistemelor de producie

3
4. ELEMENTE DE TEORIA GRAFURILOR
4.1. Fundamente n teoria grafurilor
4.1.1. Noiunea de graf
4.1.2. Orientare i neorientare n graf
4.1.3. Drumuri i circuite n graf
4.1.4. Lanuri i circuite n graf
4.2. Matrici ataate grafurilor
4.2.1. Matricea arcelor (conexiunilor directe)
4.2.2. Matricea drumurilor (conexiunilor totale)
4.2.3. Descompunerea grafului n componente tari conexe
4.3. Drumuri hamiltoniene n graf
4.4. Drumuri de valoare optim n graf
4.5. Cuplaje. Probleme de repartiie (afectare)

5. TEHNICA DIAGRAMELOR DE TIP REEA
5.1. Generaliti privind modelarea prin reele
5.2. Metoda drumului critic (Critical Path Method - C.P.M.)
5.3. Metoda potenialelor (Metro Potential Method - M.P.M.)
5.4. Metoda PERT (Program Evaluation and Review Technique)
5.5. Tehnica GERT (Graphical Evaluation and Review Technique)

6. ELEMENTE DE TEORIA DECIZIEI
6.1. Procesul i sistemul decizional al ntreprinderii
6.2. Utiliti decizionale
6.3. Optimizarea deciziilor n condiii de certitudine
6.3.1. Metoda utilitilor globale
6.3.2. Metoda Electre
6.3.3. Metoda Ledear-ului
6.4. Optimizarea deciziilor n condiii de risc

BIBLIOGRAFIE

64
64
64
69
70
71
71
73
75
78
87
93

97
97
99
106
108
111

114
114
117
121
121
121
122
123

131

4

Cercetri Operaionale- Fundamentarea deciziilor n managementul sistemelor de producie
3
CAPITOLUL 1
INTRODUCERE

1.1. Scurt istoric al evoluiei tiinei Cercetare Operaional

Cercetarea operaional ca tiin a aprut ctre sfritul primei jumti a secolului
nostru i s-a dezvoltat spectaculos n special n ultimii ani, n strns legtur cu tiina
organizrii i conducerii, teoria sistemelor, cibernetica, informatica i analiza sistemelor.
coala clasic are marele merit al abordrii unui domeniu nou, considerndu-se
pionier a organizrii tiinifice (F.W. Taylor-1900, H.L.Gantt-1901, A.Fayol-1915) i aceasta
pune pentru prima dat problema abordrii raionale a mecanismului funcionrii unei
ntreprinderi.
n perioada urmtoare se lrgete considerabil problematica organizrii i conducerii,
iar aspectele informaional-decizionale (pn atunci ignorate) i aspectele relaiilor umane dau
un alt sens abordrii mecanismului funcionrii ntreprinderii.
Cercetare operaional exista naintea declanrii celui de al doilea rzboi mondial prin
lucrrile elaborate de Erlang (1917) firele de ateptare, Harrris (1915) gestiunea tiinific
a stocurilor, Vorra (1931) rennoirea echipamentelor.
Utilizarea cercetrii operaionale n practic era dificil de realizat deoarece din punct
de vedere intelectual exista o anumit aversiune fat de modele i de caracterul descriptiv al
tiinei, iar din punct de vedere material datorit complexitii mici a organizailor i talia
relativ modest a ntreprinderilor din aceea perioad, investiiile n mijloace de calcul eficace,
respectiv a ordinatoarelor nu era justificat.
n ceea ce privete procesele de decizie, pentru prima oar se pune n mod riguros i
pe scar larg problema gsirii unor soluii optime sau apropiate de cele optime, n marea
diversitate de probleme organizatorice i de conducere.
Prima aplicaie a cercetrii operaionale moderne la scar larg o constituie aplicarea
regulilor definite de Sir Blackett n timpul celui de al doilea rzboi mondial cu deosebit succes
n Anglia i care a debutat n 1937.
Termenul de Cercetare Operaional (Operational Research)a fost utilizat pentru prima
dat n 1939, fiind legat de contribuia oamenilor de tiin la utilizarea eficient a
radiolocatoarelor n sistemul aprrii antiaeriene al Angliei.
n S.U.A. ptrunderea tiinei cercetrii operaionale (Management Science) n
dezvoltarea problemelor de conducere a industriei se datoreaz celei de-a doua revoluii
industriale i posibilitilor de comercializare a calculatoarelor electronice.
n prezent, mai mult de jumtate din firmele americane au sau folosesc specialiti n
cercetarea operaional.
n 1953 s-a format Societatea American de Cercetri Operaionale, iar n 1957 s-a
constituit Federaia Internaional a Societilor de Cercetri Operaionale. Au aprut reviste
i s-au introdus cursuri i seminarii de cercetare operaional att n S.U.A. ct i n alte ri
ale lumii.
n practic, ntreprinderea poate fi privit ca un sistem ale crui elemente componente
(oameni, capital, materiale, informaie) sunt intercorelate prin fluxuri materiale,
informaionale i energetice ce au un comportament orientat spre atingerea unor obiective
precise.
Cercetrile operaionale au consacrat n domeniul optimizrii deciziei, un mod de
abordare tiinific asupra problemelor ce intervin n cadrul unei ntreprinderi industriale i
totodat nu se concepe conducerea i gestionarea ntreprinderii, fr a face apel la metodele
cercetrii operaionale, mpreun cu celelalte tehnici moderne ca informatica, cibernetica,
teoria sistemelor, statistica.
Obiectul cercetrii operaionale l constituie sistemele i ele i propun elaborarea unor
metode de analiza a operaiilor ndreptate spre un anumit scop, precum i estimarea obiectiv
Introducere
4
a deciziilor ce pot fi adoptate.
Cercetarea operaional este un ansamblu de metode care i propune, n vederea
pregtirii deciziilor, s determine n mod raional soluiile cele mai eficiente.

1.2. Teoria Deciziei i Cercetare Operaional

Creterea productivitii i obinerea rentabilitii ntreprinderii industriale pe termen
lung, ntr-un mediu dinamic i ntr-o continu schimbare, depinde, ntr-o mare msur de
capacitatea managementului ntreprinderii de a anticipa schimbarea i de a adapta decizia
noilor situaii ntr-un mod planificat.
Accelerarea evoluiei tehnologice n industrie, influeneaz i comportamentul
consumatorilor, care se va orienta spre noi concepte i produse, mai inovate, mai atractive i
adaptate modului i ritmului lor de via.
Utilizarea raional a celor patru tipuri de resurse conduc la flexibilitatea organizaiei
i astfel activitatea poate fi planificat n prognoze pentru a releva anumite aspecte
semnificative ale viitorului.
n aceste condiii, managerul trebuie s adopte decizii, fundamentate tiinific i
performant.
Decizia reprezint soluia aleas, din mai multe variante posibile cu scopul atingerii
unui obiectiv prestabilit n condiii de eficien maxim. Este actul deliberat al unui individ
sau al unui grup de oameni investii cu puterea de a alege varianta de concepere/realizare a
unui scop i de a declana aciuni.
Procesul de decizie pornete de la un anumit rezultat care trebuie s fie obinut, iar
decidentul trebuie ca prin prelucrarea diferitelor informaii s aleag cea mai bun variant
pentru atingerea acestuia (fig. 1.1).

Rezultat
dorit
Obiective
Variante Criterii DECIZIE Actiune
Control
Rezultat
dorit

Fig.1.1.

Cercetare operaional alturi de Teoria deciziei a absorbit noile dezvoltri n
domeniul activitii de management industrial i al sistemelor economice.
Necesitatea modelrii n managementul produciei industriale rezult din faptul c
efectuarea unor experimente asupra organizaiilor este foarte greu de realizat, dar experimente
de acest fel (de exemplu modificarea parametrilor funcionali) se pot face uor n condiiile
folosirii unui model.
Utilizarea modelelor este impus i de complexitatea sistemelor industriale, care
necesit existena unei activiti desfurat astfel nct deciziile s fie n concordan cu
evoluia eficient a acestora.
Operaia de investigarea a sistemelor reale prin reprezentri convenionale se numete
modelare. Ea reprezint mulimea activitilor care se extind de la simpla prezentare a
problemei la proceduri abstracte i raionale. Ele produc n final premisele cantitative formale
ale dinamicii procesului.
Modelul este o reprezentare izomorfa a realitii ce ofer o imagine intuitiv dar
riguroas n sensul structurii logice a fenomenului studiat.
Modelarea ca metod de fundamentare a deciziilor n activitatea economic ofer
urmtoarele avantaje:
- reprezint riguros fenomenele i legturile lor la nivelul sistemului;
- permite verificarea prin analogie a teoriei cu practica;
5
- nlesnete descoperirea unor corelaii ntre fenomene i predeterminarea performanelor
firmei, necesare pentru adoptarea unor decizii raionale;
- reflect teorii ale proceselor cuantificabile i necuantificabile;
- urmrete obinerea unor soluii optime.
Modelarea utilizeaz un suport material fizic (de exemplu simulatoarele), o
reprezentare grafic (de exemplu un grafic reea), un model abstractizat sub forma unui model
matematic. Din impactul ntre modelele fizice cu dispozitive logice de calcul i cele
matematice au rezultat modelele de simulare.
n managementul produciei industrial se aplic toate aceste tipuri de modele, de
exemplu: modelele fizice se pot folosi pentru studiul privind planul general al firmei,
modelele grafice la analiza relaiilor om main, modelele matematice pentru alocarea
resurselor sau analiza proceselor aleatoare.
Corelaia teorie-model-realitate reprezint un aspect logic - privind corespondena
dintre teorie i model i un aspect gnoseologic urmrind corespondena dintre model i
realitate. Modelul intervine ntre teorie i obiectul real i trebuie testat n raport cu realitatea
exprimat ca obiect.
n funcie de modul n care se ajunge la soluia optim exist dou direcii principale
de lucru:
atingerea obiectivului prin deducerea soluiei optime;
atingerea aceluiai obiectiv prin practici oferite de teoria deciziei
Deducerea soluiei se caracterizeaz prin certitudinea rezultatului obinut pe baza unor
informaii obiective i complete. Dificultatea const n formularea problemei ntr-un limbaj
matematic adecvat i n volumul mare al calculelor.
Metoda a doua solicit decidentului s estimeze consecinele posibile ale aciunilor
sale pe baza unor informaii obiective, dar incomplete, introducndu-se n rezolvarea
problemei elemente subiective.
Prima direcie a condus la dezvoltarea unui ansamblu de discipline n cadrul
CERCETRII OPERAIONALE.
A doua direcie de lucru a condus la constituirea unei discipline aparte TEORIA
DECIZIEI.
ntre cele dou direcii exist raporturi strnse, biunivoce, ceea ce a condus la apariia unei
tiine multidisciplinare: TEORIA DECIZIEI i CERCETARE OPERAIONAL
Teoria deciziei este legat intrinsec de cercetarea operaional care poate fi considerat
pregtirea tiinific a deciziilor.

1.3. Modelarea matematic n cercetarea operaional

Condiiile n care se desfoar activitatea analizat din cadrul ntreprinderii, conduc la
un sistem de relaii tip ecuaii i inecuaii ce cuprind variabilele problemei i coeficienii
tehnico economici ce o caracterizeaz. Aceste relaii reprezint restriciile problemei
matematice.
Obiectivul studiului l constituie optimizarea unui anumit rezultat dependent de
aceleai variabile ce figureaz n restricii. Obiectivul este sub forma unei funcii ale crei
valori maxime sau minime le cutm i care se numete funcia obiectiv (scop, eficien).
Restriciile problemei i funcia obiectiv formeaz modelul matematic al problemei.
Modelele matematice se prefer pentru capacitatea lor de condensare riguroas a
esenialului. Modelele cercetrii operaionale se caracterizeaz prin cutarea unei soluii
optime sau apropiate de optim pentru operaia studiat.
Modelele cercetrii operaionale se bazeaz pe o mare diversitate de procedee
matematice i au aplicaii la nivel macro, dar n special la nivel microeconomic. Ele reprezint
principalul instrument pentru optimizarea deciziilor n analiza de sistem.
Introducere
6
Decizia obinut cu ajutorul modelului nu poate fi recomandat nemijlocit pentru
realizare, deoarece modelul face abstracie de o serie de aspecte ale fenomenului studiat.
Principalele faze ale elaborrii unui model matematic ntr-o problema de organizare
conducere sunt urmtoarele:
Prima faz a modelrii este cunoaterea realitii n organismul studiat, n scopul
mbuntirii mecanismului informaional decizional i descrierea logicii proceselor
decizionale, aceast faz avnd un caracter pregtitor;
A doua faz a modelrii constituirea propriu - zis a modeluluiacesta cu ajutorul
unui instrument clasic de modelare.
Elaborarea unui model matematic realmente original reclam, pe lng profunda
cunoatere a realitii care urmeaz a fi modelat, o foarte solid cultur matematic,
imaginaie i talent.
Modelelor clasice ale cercetrii operaionale, sunt diverse funcie de structura
matematica i logic, i variaz de la modele simple cum sunt cele ale programrii liniare, la
modele combinatorice, n probleme de teoria grafelor, analiza drumului critic i programarea
operativ a produciei i pn la modele complexe cum sunt cele ale utilitii sau deciziilor de
grup.
A treia faz a modelrii este confruntarea modelului cu realitatea prin implementarea
rezultatului obinut i eventual experimentarea sa.
Exist o gam larg de probleme tehnico economice care se preteaz a fi modelate
matematic cu ajutorul procedeelor cercetrii operaionale, dintre care putem meniona:
programarea operativ a produciei;
repartizarea raional a resurselor;
gestiunea stocurilor;
ealonarea n timp a activitilor unei investiii.
In contextul celor artate mai sus trebuie subliniat importana metodelor cercetrii
operaionale n fundamentarea i elaborarea deciziilor.
Sarcina cercetrii operaionale este de a pregti decizia i nu de a o adopta .
Conducerea executiv care va lua decizia final trebuie s in seama pe lng
recomandrile cercetrii operaionale i de o serie de factori ce nu pot fi formalizai.
Una din principalele caracteristici ale tuturor metodelor cercetrii operaionale este
faptul c problemele cercetrii operaionale sunt privite, din perspectiv pur teoretic, ca
probleme de matematic pur.
n cele ce urmeaz vom privi metodele cercetrii operaionale strns legate de
problemele practice.
n prezent nu se mai poate concepe conducerea unei activiti tehnico-economice
importante fr a face apel la metodele cercetrii operaionale, bineneles mpreun cu
celelalte tehnici moderne cum ar fi informatica, analiza de sistem .a..

7
CAPITOLUL 2
PROGRAMAREA LINIAR

2.1. Probleme de programare liniar

Orice activitate industrial se desfoar n condiiile existenei unor resurse limitate
de materii prime i materiale, de resurse umane, iar folosirea eficient, a acestora, conduce la
rezultate optime att din punct de vedere tehnic ct i economic.
Modelele de programare matematic i mai ales modelele de programare liniar,
constituie o clas special, att n teorie ct i n practica industrial.
Pentru decizii referitoare la structura optim de producie, la cantitatea ce urmeaz a se
produce, la sortimente, abordarea acestora cu modele ale programrii matematice conduce la
rezultate optime.
Programarea matematic reprezint un instrument deosebit de util fundamentrii
deciziilor n practica industrial.

2.1.1. Formularea problemei de programare liniar

Principala problem cu caracter decizional, cu care se confrunt producia o constituie
determinarea structurii optime de producie pe termen mediu i scurt printr-o folosire eficient
a resurselor.
Condiiile n care se desfoar activitatea de producie analizat, conduc la un sistem
de relaii tip ecuaii i inecuaii ce cuprind variabilele problemei i coeficienii tehnico
economici ce o caracterizeaz .
Modelul matematic de programare liniar se constituie din mulimea de activiti
(operaii){A
1
, A
2
, ..A
j
,.. A
n
}, (j=1,...,n) pentru producerea unei uniti din produsul P
j
(ca
rezultat al activitii A
j
), mulimea de resurse disponibile materiale, financiare, de capaciti
de producie {b
1
, b
2
, ... b
m
}, (i = 1,...,m) precum i din relaiile tehnico-economice dintre
acestea.
n practica industrial, legtura dintre activiti (operaii) i resurse este determinat de
procesul tehnologic de fabricaie corespunztor realizrii produsului.
Elementele a
ij
, (i = 1,...,m; j = 1,...,n) se numesc coeficieni tehnico-economici, acetia
fiind constani ntr-un interval de timp determinat i arat ce cantitate din resursa b
i
(i =
1,...,m) se consum pentru producerea unei uniti din produsul P
j
.
Toate aceste legturi (restricii) definite de vectorii coloan a
(j)
se pot organiza ntr-o
matrice A cu m linii i n coloane (2.1); fiecare linie se refer la o resurs b
i
i fiecare coloan
se refer la o activitate a
j
.

AMm.n; A= ( a
i,j
), i = 1,..,m, j= 1,...,n; A =
mn 1 m
n 1 11
a .......... a
a ......... a
(2.1)

b
m
R , b =
m
2
1
b
b
b
.
(2.2)

Notnd cu x
j
(j = 1,...,n) (2.3) programul activitii a
j
ntr-o perioad dat i cu b
i

cantitile disponibile din resursele b
i
, se pot scrie matematic restriciile tehnico-economice.
Aceste restricii reprezint restriciile problemei de programare liniar (2.4).
Programare liniar
8
x R
n
, x =
n
x
x
x
.
2
1
(2.3)

m n mn 2 m2 1 m1
2 n 2n 2 22 1 21
1 n 1n 2 12 1 11
b x a ... x a x a
b x a ... x a x a
b x a ... x a x a
+ + +
+ + +
+ + +

(2.4)

Fiecare restricie (inecuaie de tipul ) cuprinde afirmaia prin care cantitatea
consumat dintr-o resurs nu poate depi volumul disponibil din resursa respectiv.
Obiectivul studiului l constituie optimizarea unui anumit rezultat dependent de
aceleai variabile ce figureaz n restricii.
Obiectivul este sub forma unei funcii ale crei valori maxime sau minime le cutam i
care se numete funcia obiectiv (scop, eficien).
n practica industrial, ea reprezint criteriul de performan urmrit: maximizarea
beneficiului, maximizarea produciei marf, minimizarea costului produciei, maximizarea
gradului de ncrcare al utilajelor sau minimizarea timpului de staionare al acestora,
maximizarea veniturilor etc.
Variaia funciei obiectiv arat evoluia volumului activitilor, prin intermediul
coeficienilor
j
c , ce pot fi costuri unitare n cazul problemelor de minim, sau profituri unitare
pentru probleme de maxim (2.5).

R c
j
, c R
n
c =
n
2
1
c
c
c
.
; ) ... ... (
n j 2 1
T
c c c c c = (2.5)

Decizia cu scopul unei eficiene maxime presupune minimizarea efortului i
maximizarea rezultatului,
Conceptul de optim se definete, n acest caz, ca un program (soluie) x R
n
care
minimizeaz sau maximizeaz o funcie obiectiv i, n acelai timp, satisface toate restriciile
tehnico-economice.
Presupunnd c fiecare coeficient .c
j
msoar eficiena unei uniti din rezultatul
activitii A
j
, atunci se poate introduce funcia obiectiv liniar (2.6) :

z = c
1
x
1
+ c
2
x
2
+ ... + c
n
x
n
(2.6)

Sintetiznd toate datele de mai sus, obinem urmtorul model (2.7, 2.8, 2.9)de
programare liniar.
Relaiile (2.7), (2.8) i (2.9) constituie mpreun modelul matematic al unei probleme
de programare liniar, avnd fiecare un rol specific:

1. relaia (2.7), denumit funcia obiectiv a problemei, evalueaz eficiena/performana
fiecrei soluii (program) x;

9

+

=
=
=
=
n j 1 0 x
l i 1 k b x a
k i 1 b x a
x c z
j
n
1 j
i j ij
n
1 j
i j ij
n
1 j
j j
x
min(max)

2. relaiile (2.8) de tipul
=
n
1 j
i j ij
b x a reprezint restricii ce coreleaz volumul consumului
activitilor cu cel al disponibilului pentru fiecare resurs; iar restriciile de tipul

=
n
1 j
i j ij
b x a impun un consum peste limitele minimale, sunt restricii tehnico-economice
de tip calitativ;
3. relaia (2.9) x
j
0 j = 1,...,n, numit condiia de nenegativitate a variabilelor, asigur
obinerea unei soluii realizabile n practica industrial.
Decizia obinut cu ajutorul modelului nu poate fi recomandat nemijlocit pentru
realizare, deoarece modelul face abstracie de o serie de aspecte ale fenomenului studiat, cele
ce au la baz o serie de factori ce nu pot fi formalizai.
n practica industrial programarea liniar ofer soluii care pot motiva tiinific luarea
unor decizii de natur strategic, tactic sau a unor decizii cu coninut tehnico organizatoric.

2.1.2. Forme ale problemei de programare liniar

O problem de programare liniar este, un caz particular al problemelor de programare
matematic i, innd cont de forma oricrei funcii liniare, se poate defini forma general a
problemei de programare liniar.
Funcia liniar (2.10), notat cu z reprezint funcia obiectiv a problemei.
Relaiile (2.11) reprezint sistemul de restricii ale problemei, iar membrul stng al
fiecrei relaii aste o funcie liniar n variabilele x
1
, x
2
,,x
n
, la fel ca i funcia obiectiv.
Problema de programare liniar const n optimizarea unei funcii liniare cu restricii
liniare.

Forma general a problemei de programare liniar

( )( )
( )( )
( )( )
= + +
= + +
= + +
+ + + =
m n mn 2 2 m 1 1 m
2 n 2 22 1 21
1 n n 1 2 12 1 11
n n 2 2 1 1
b x a x a x a
b x 2 a x a x a
b x a x a x a
x c x c x c z
...
.... .......... .......... .......... .......... ..........
...
...
... min(max)

unde: ) , ( ), , , , ( ), , ( m 1 i R b n 1 j m 1 i R a n 1 j R c
i ij j
= = = =
Din analiza mai multor probleme de programare liniara deducem c ntr-o astfel de
problema pot apare restricii scrise sub forma de inegaliti sau egaliti, iar criteriul de
optimizare ales impune n unele cazuri maximizarea iar n alte cazuri minimizarea funciei
obiectiv.
(2.7)
(2.8)
(2.9)
(2.10)
(2.11)
Programare liniar
10
Rezolvarea problemei de programare liniar presupune determinarea valorilor
variabilelor x
i
, care satisfac restriciile i optimizeaz funcia obiectiv a problemei.

Forma standard a problemei de programare liniar

O problema de programare liniar este dat sub form standard dac toate restriciile
sale sunt date sub form de ecuaii (egaliti) i tuturor variabilelor li se impun condiii de
nenegativitate.
Problema de programare liniar dat n form standard se scrie n mod explicit (2.12):

=
=
=
=
n j x
m i b x a
x c z
j
n
j
i j ij
n
j
i j
1 0
1
max(min)
1
1
(2.12)

Problema de programare liniar n form standard poate fi scris i sub form
matricial (2.13) :

=
0 x
b Ax
x c
T
min(max)
, unde
m
n m
n
R b
R M A
R x c
,
) (
,
(2.13)

unde c
T
reprezint componentele matricei c transpus.
Sistemul de restricii liniare ( Ax=b ) poate fi un sistem compatibil, compatibil unic
determinat sau nedeterminat de m ecuaii i n necunoscute. Pentru ca problema de optimizare
s aib sens, numrul de ecuaii trebuie s fie mai mic dect numrul de necunoscute
(m<n)(sistem compatibil nedeterminat).

Forma canonic a problemei de programare liniar

O restricie a unei probleme de programare liniar se numete concordant
(neconcordant) dac pentru o inegalitate de tip ( ) " " " funcia obiectiv este minimizat sau
respectiv pentru o inegalitate de tip ( ) " " " " funcia obiectiv este maximizat .
O problem de programare liniar este data sub form canonic dac toate restriciile
sale sunt concordante i toate variabilele sunt supuse condiiei de nenegativitate.
Problema de programare liniar dat n form canonic se scrie n mod explicit (2.14):

=
=
n j x
m i b x a
x c z
j
n
j
i j ij
n
j
i j
1 0
1 ) (
min(max)
1
1
(2.14)
Problema de programare liniar n form canonic poate fi scris i sub form
matricial (2.15) :
11

0 x
b Ax
x c
T
) (
min(max)
unde
m
n m
n
R b
M A
R x C
,
,
(2.15)

Orice problem de programare liniar n form general poate fi adus la forma
standard sau canonic cu ajutorul unor transformri elementare efectuate asupra operatorului
aplicat funciei obiectiv restriciilor i variabilelor:

a) o problem de minimizare n form matricial se poate transforma ntr-o problem de
maximizare i invers, schimbnd semnul coeficienilor din funcia obiectiv, astfel:

max c x c x
T T
) min( = ; min c x c x
T T
) max( = (2.16)

b) o variabil x arbitrar (variabil creia nu i se impune restricie de semn) se poate nlocui
cu dou variabile nenegative
2 , 1
x x , prin relaia :

0 x x unde x x x
2 1 2 1
= , , (2.17)

c) o variabil x supus condiiei de nepozitivitate ( 0 x ) se transform ntr-o variabil
nenegativ prin substituia

0 x unde x x
1 1
= , (2.18)

d) Restriciile de tip inecuaie se transform n restricii de tip ecuaii innd cont de
urmtoarele :

0 y x
b y x a
0 x
b x a
T T
,
i
= +
0 y x
b y x a
0 x
b x a
T T
,
(2.19)
unde y se numete variabil ecart.
Variabilele ecart nu apar n funcia obiectiv sau astfel spus apar n funcia obiectiv dar
cu coeficieni nuli:

0 =
e
j
c (unde =
e
j
c coeficieni ai variabilelor ecart).

e) sensul unei inegaliti se schimb prin nmulirea cu 1.

n aplicaiile practice apar frecvent situaii n care modelul conine simultan restricii
de toate tipurile (concordante, neconcordante, egaliti), problema fiind dat n form
general, iar rezolvarea ei poate fi abordat fr a restrnge generalitate.

Exemplul 2.1

S se scrie formele echivalente ale problemei de programare liniar:

Problema dat este n forma general. Pe baza transformrilor echivalente vom
construi formele echivalente ale problemei iniiale.
Deoarece variabila x
3
nu are restricii de semn, o vom nlocui, cu diferena a dou variabile
Programare liniar
12
( )
+
+
+
=
+
oarecare x 0 x x
0 x 2 x 3 x 2
2 x 4 x
3 x 2 x 5 x
4 x x 3
x 2 x x 3
3 2 1
3 2 1
3 1
3 2 1
2 1
3 2 1
, , ,
,
,
,
,
max

) (
) (
) (
) (
4
3
2
1

pozitive: x
3
= x
4
x
5
. Pentru ca problema s aib forma standard, toate restriciile trebuie s
fie egaliti, de aceea n restriciile (2), (3) i (4) vom introduce variabilele de egalizare x
6
, x
7
,
x
8
. Forma standard va fi:

( )
= + + +
= +
= +
=
+
0 x x x
0 x x x x 3 x 2
2 x x 4 x 4 x
3 x x 2 x 2 x 5 x
4 x x 3
x 2 x 2 x x 3
8 2 1
8 5 4 2 1
7 5 4 1
6 5 4 2 1
2 1
5 4 2 1
,..., ,
,
,
,
,
max

Forma canonic se obine transformnd restricia (1) n dou inegaliti i toate
inegalitile le transformm n inegaliti deoarece problema este dat de
maximizare. Astfel, x
3
trebuie nlocuit cu diferena x
4
x
5
.
Se obine astfel forma canonic

( )
.
, , ,
,
,
,
,
,
max
+ +
+
+ +
+

+
0 x x x x
0 x x x 3 x 2
2 x 4 x 4 x
3 x 2 x 2 x 5 x
4 x x 3
4 x x 3
x 2 x 2 x x 3
5 4 2 1
5 4 2 1
5 4 1
5 4 2 1
2 1
2 1
5 4 2 1

2.1.3. Modelul matematic al problemei de programare liniar

Pentru a nelege modelul matematic al problemelor de programare liniar sub forma
general, vom analiza cteva exemple din practica industrial:

Alocarea optim a resurselor n producia industrial
O firm urmeaz s produc n tipuri de produse P
j
, n j , 1 = , folosind m tipuri de
resurse R
i
m i , 1 = .
Se cunosc coeficienii tehnologici a
ij
; cantitile disponibile b
i
din resursele R
i
;
profitul unitar c
j
pentru fiecare produs P
j
.
S se ntocmeasc planul optim de producie al firmei astfel nct profitul total realizat
s fie maxim.

13
Elaborare modelului matematic al problemei

Condiii generale de desfurare a activitii analizate :

- restriciile problemei apar din urmtoarea condiie:
cantitatea totala din resursa i folosit pentru producerea celor n produse nu poate fi mai mare
dect cantitatea disponibila:

m i b x a
i j
n
j
ij
, 1 ,
1
=
=
(2.20)

- condiiile de nenegativitate asigur obinerea unei soluii realizabile din punctul de
vedere al logicii practice industriale.

x
j
0 , n j , 1 = (2.21)

Sistemul de inecuaii (2.20) i (2.21) poate avea o infinitate de soluii, deci putem
organiza procesul de producie pentru realizarea produsului P ntr-o infinitate de moduri dar
respectnd condiiile anterioare .
Acest fapt face evident imposibilitatea practic a managerului de a compara toate
variantele de plan posibile deci este necesar introducerea unui alt criteriu.
Adoptarea unei variante de plan (n fapt fundamentarea deciziei) se face, preferabil, pe
baza unui criteriu economic (cel mai uzual maximizarea profitului sau n alte cazuri
minimizarea costurilor). Aplicarea acestui criteriu economic, presupune cunoaterea profitului
total.
Deci :
j j
n
j
x c
=1
reprezint profitul total pentru produsele P
j

Funcia obiectiv (scop, eficien) va fi :

max
j
n
j
j
x c f

=
=
1
(2.22)

Deci, modelul de programare liniar ce urmeaz a fi rezolvat pentru determinarea
planului optim de producie astfel nct profitul total realizat s fie maxim este:

=
=
0 x
b x a
x c f
j
i j ij
n
1 j
j j
max
(2.23)

Problema de transport
Un produs omogen P este stocat n m depozite D
i
, n cantitile a
i
, m i , 1 = i este cerut
de spre a fi transportat la n centre de consum C
j
,n cantitile b
j
, n j , 1 = . Se cunosc costurile
c
ij
pe unitatea de produs transportat de la centrul D
i
la centrul C
j
. Se cere determinarea unui
plan de transport astfel nct costul total de transport s fie minim.

Programare liniar
14
Elaborarea modelului matematic al problemei

Notaii : a
i
= cantitatea din produs care se afl n depozitul i;
b
j
= cantitatea cerut de consumatorul j ( 1<j<n);
x
ij
= cantitatea ce urmeaz a fi transportat de la depozitul i
la consumatorul j ;
c
ij
= costul unitar al transportului din depozit la consumator.
Cu aceste notaii se pot exprima urmtoarele mrimi ce ne ajut s stabilim restriciile
problemei i funcia obiectiv:
cantitatea transportat de la depozitele D
i
la toate cele n centre de consum este cantitatea
sa disponibil:

i
n
j
ij
a x =
=1
, m i , 1 = (2.24)

cantitatea transportat de la toate cele m depozite la consumatorul C
j
reprezint necesarul
acestuia, b
j
, n j , 1 = .

=
=
m
i
j ij
b x
1
n j , 1 = (2.25)

pentru scrierea modelului se pleac de la forma echilibrat a problemei de transport i
anume cantitatea total expediat de la cele m depozite este egal cu cantitatea sa
disponibil:

= =
=
n
j
j
m
i
i
b a
1 1
(2.26)

variabilele satisfac evident condiia de nenegativitate :

x
ij
0 (2.27)

funcia obiectiv este urmtoarea :

ij
m
i
n
j
ij
x c
= = 1 1
min (2.28)

Se obine un program liniar, ce se va supune metodelor programrii liniare i poart
denumirea de program de transport :

= =
= =
= =
=

=
=
= =
n j m i x
n j b x
m i a x
x c f
ij
n
j
i ij
n
j
i ij
m
i
n
j
ij ij
, 1 , , 1 , 0
, 1 ,
, 1 ,
) min(
1
1
1 1
(2.29)
15
Problem de repartizare a sarcinilor de producie
ntr-un atelier de montaj echipele n j E
j
, 1 , = , pot monta cu randamente diferite,
produsele m 1 i P
i
, , = . Activitatea atelierului este caracterizat de urmtoarele date
cunoscute:
ij
a - timpul necesar pentru montajul unei cantiti de produs P
i
de ctre echipa
;
j
E
ij
c - cheltuielile necesare pentru montajul unei uniti de produs P
i
de ctre echipa ;
j
E
i
b
- cantitatea planificat din produsul P
i
, m i , 1 = ;
j
t - timpul de lucru disponibil al echipei
n j E
j
, 1 , = .
S se stabileasc o repartizare a produselor, echipelor, din atelierul de montaj astfel
nct cheltuielile totale necesare s fie minime.

Elaborarea modelului matematic al problemei:
Variabilele de decizie (necunoscutele) se noteaz cu
ij
x i reprezint cantitatea din
produsul P
i
ce trebuie realizat de echipa E
j
.
Funcia obiectiv este o funcie de cost, respectiv, cheltuielile celor n echipe, necesare
pentru montajul cantitilor repartizate din cele m produse; funcia trebuie minimizat:

=
= =
m
1 i
n
1 j
ij ij
x c f min (2.30)

Cantitatea de produse de fiecare tip planificat trebuie realizat:

m i b x
i
n
j
ij
, 1 ,
1
= =
=
(2.31)

Oricare echip poate executa produse n limita fondului de timp disponibil:

=
=
m
i
j ij ij
n j t x a
1
, 1 , (2.32)

Variabilele
ij
x se supun condiiei de nenegativitate:

n j m i x
ij
, 1 , , 1 , 0 = = (2.33)

Deci, modelul matematic al problemei este:

= =
=
= =
=
=
=
= =
n 1 j m 1 i 0 x
n 1 j t x a
m 1 i b x
x c f
ij
m
1 i
j ij ij
i
n
1 j
ij
m
1 i
n
1 j
ij ij
, , , ,
, ,
, ,
min
(2.34)

Problem de utilizare a capacitii utilajelor
Programare liniar
16
O firm produce n tipuri de produse care pot fi fabricate pe m utilaje care au capaciti
de producie limitate pe o anumit perioad. Se cunosc: procentul
ij
a din capacitatea utilajului
i necesar pentru producerea unei uniti din produsul j; profitul unitar c
j
al produsului n j , 1 = .
S se stabileasc un program de fabricaie care s permit utilizarea optim a
capacitii disponibile a celor m utilaje.

Elaborarea modelului matematic al problemei:
Variabilele problemei sunt cantitile de produse fabricate n perioada considerat. Se
noteaz cu x
j
, numrul de produse de tipul n j , 1 = .
Funcia obiectiv este profitul total obinut de firm pentru cele n tipuri produse; funcia
trebuie maximizat:

=
=
n
1 j
j j
x c f max (2.35)

Restriciile de capacitate ale celor m utilaje se exprim sub forma:

=
=
m
j
ij ij
m i x a
1
, 1 , 1 (2.36)

Variabilele x
j
se supun condiiei de nenegativitate:

n j x
j
, 1 , 0 = (2.37)

Atunci, modelul matematic al problemei este:

=
=
=
=
=
n 1 j 0 x
m 1 i 1 x a
x c f
j
m
1 j
ij ij
n
1 j
j j
, ,
, ,
max
(2.38)

2.2. Consideraii generale privind problemele de programarea liniar

2.2.1. Soluii i fundamente ale problemei de programare liniar

Fie problema de programare liniar dat n form standard matricial:

=
0 x
b Ax
x c
T
min(max)
, unde
m
n m
n
R b
M A
R x C
,
,
(2.39)

Sistemul de ecuaii Ax=b are o infinitate de soluii, deci trebuie s se gseasc n
mulimea soluiilor o soluie ce realizeaz valoarea optim (minim sau maxim ) a funciei
obiectiv.

17
Soluie admisibil
Un vector x = ( )
n
n
R x x x ...
2 1
care satisface restriciile si condiia de
nenegativitate se numete soluie admisibil sau posibil a problemei de programare liniar.
Mulimea soluiilor admisibile, S, este:

} { 0 x b Ax R x S
n
= = , / (2.40)

Sistemul de ecuaii, avnd m ecuaii i n necunoscute, cu m<n i rang A=m are m
necunoscute principale i n-m necunoscute secundare.
O soluie de baz se obine prin anularea celor n-m necunoscute secundare, deci are cel
mult m componente nenule.

Soluie admisibil de baz
Se numete soluie admisibil de baz pentru sistemul Ax=b, vectorul
x , ce satisface
condiiile :
a) x soluie a sistemului : Ax=b ;
b) coloanele din A, corespunztoare componentelor lui x nenule, formeaz o
mulime liniar independent.
n cazul cnd o soluie de baz are mai puin de m componente diferite de zero, atunci
ea se numete soluie degenerat, n caz contrar ea fiind nedegenerat.

Soluie optimal
O soluie admisibil care face optim funcia z=min(max)c
T
x se numete soluie
optimal.
Este posibil ca problema de programare liniara s aib soluie optim unic, s aib
mai multe soluii optime sau s nu admit soluie optim.

Soluie grafic
Acest tip de soluie va fi studiat detaliat n paragraful 2.2.3.

Teoremele i definiiile care urmeaz, specific unele proprieti ale soluiilor
ce justific clasificarea realizat anterior.

Teorema 2.1 (Teorema fundamental a programrii liniare):
Dac problema de programare liniar n form standard admite un program (soluie
admisibil), atunci ea are cel puin un program de baz. Dac problema are un program
optim, atunci are un program optim de baz.

Demonstraie:

Fie xS un program al urmtoarei problemei de programare liniar:

=
0 x
b Ax
x c
T
min
. (2.41)

Notm cu p numrul componentelor nenule ale vectorului x.
Fr a restrnge generalitatea problemei putem presupune c cele p componente
nenule sunt chiar primele componente din cele n ale vectorului x adic:
Programare liniar
18
x = ( x
1
, x
2
, x
3
, x
p
, 0, 0 ,0)
T
(2.42)

Dac p = 0, atunci x = 0 deci afirmaia teoremei este evident.
Dac p > 0, atunci exist dou posibiliti:
- dac vectorii a
1
, a
2
, ..a
p
A corespunztori celor p componente nenule ale lui x
sunt liniari independeni, atunci x este program de baz.
- dac vectorii a
1
, a
2
, ..a
p
A corespunztori celor p componente nenule ale
lui x sunt liniari dependeni atunci exist numerele reale: y
1,
y
2
,.. y
p
nu toate nule astfel nct
s fie satisfcut relaia:

a
1
y
1
+ a
2
y
2
+..+a
p
y
p
= 0 (2.43)

Relaia (2.43) se poate scrie sub urmtoarea form echivalent : Ay = 0 cu y 0.
Notm cu y vectorul cu primele p componente nenule i urmtoarele componente n-p
nule: y = (y
1,
y
2
, y
p,
0, 0 .0 )
T
.
Atunci, obinem: A( x + y ) = Ax + Ay = b, ( ) R
Deci, x + y este soluia sistemului Ax=b astfel putem determina valori ale lui
pentru care x + y este program pentru problema (2.41), deci este ndeplinit i condiia: x +
y > 0
Notm: I
1
= mulimea indicilor i , 1< i < p , y
i
> 0;
I
2
= mulimea indicilor i , 1< i <p , y
i
< 0.
Fie:

1
=
1
1
i
i
I i
I
I
y
x
1
,
), ( max

2
=
= +

2
2
i
i
I i
I
I
y
x
2
,
), ( min
(2.44)

Deci pentru oricare ] , [
2 1
, avem ndeplinit condiia: x + y 0, deci vectorul
x + y este program.
Rezult c 0 y c
T
= ,deoarece n caz contrar alegnd pe de semn contrar valorii lui
y c
T
, avem urmtoarele: x c y c x c y x c
T T T T
< + = + ) ( , ceea ce contrazice faptul c x este
program optim. Prin urmare x c y x c
T T
= + ) ( , adic x+ y este program optim.
Astfel putem alege o valoare
0
pentru care vectorul x +
0
y s aib cel mult p-1
componente nenule, deci
0
) (
2 1
+ (
2 1
, nu pot fi ambele infinit)
n caz particular, =
0
= ) ( min
0
i
i
i
y y
x
<
deci se va obine programul soluie x +
0
y cu p-1
componente pozitive i astfel vom avea dou cazuri :
Dac coloanele corespunztoare componentelor sunt liniar independente atunci programul
anterior este program de baz.
Dac coloanele corespunztoare componentelor sunt liniar dependente atunci se reia
algoritmul ntr-un numr finit de pai, cel mult p pn se va ajunge la primul caz i se
obine un program optim de baz pentru problema dat.

Definiia 2.1: Fie V un spaiu liniar peste corpul R i x, y doi vectori din V. Mulimea
vectorilor [ ] { } 1 0 y x 1 X V X y x + = = , ) ( / , se numete segment al lui V (unete
vectorul x cu vectorul y ).
Definiia 2.2: O mulime M de vectori din V se numete mulime convex dac () x, y
M i
19
() [ 0,1] , atunci [ x, y] M .
Deci se poate spune c mulimea M din V este convex, dac odat cu doi vectori x, y
M conine i segmentul determinat de aceti vectori.

Definiia 2.3: Vectorul X M se numete vrf sau punct extrem al mulimii M dac nu
exist vectorii x, y M astfel nct { } 1 0 , ) 1 ( + = y x X . n caz contrar X se
numete punct interior mulimii M .

Definiia 2.4 : Prin combinaie liniar convex a vectorilor x
1
,x
2
,x
m
M se
nelege o expresie de forma
1
x
1
+
2
x
2
+ +
m
x
m
cu [ 0,1 ] i
1
+
2
+ +
m
= 1
Concluzie: Orice punct interior X al unei mulimi convexe M se poate exprima ca o
combinaie liniar convex de un numr finit de puncte extreme.

Teorema 2.2: Mulimea soluiilor admisibile ale unei probleme de programare liniar
este o mulime convex .

Demonstraie :
Fie mulimea soluiilor admisibile dat de relaia (2.40).
Fie dou soluii: x
1
, x
2
S. Atunci pentru [0,1] avem

x = x
1
+(1- )x
2
0 (2.45)

nlocuind relaia (2.45) n relaia (2.40) obinem :

Ax= A[x
1
+( 1- )x
2
]=Ax
1
+ (1- ) Ax
2
= b + (1- )b = b+ b - b = b,

deci mulimea soluiilor problemei de programare liniar este o mulime convex.

Teorema 2.3: Orice soluie admisibil de baz a unei probleme de programare liniar
este vrf sau punct de extrem al mulimii soluiilor admisibile.

Demonstraie.
Presupunem c soluia admisibil de baz x are forma
x=(x
1
x
2
x
m
0 0
T
.
Aceasta nseamn c 0
i
x (i = 1, m), vectorii p
1
, p
2
, ,p
m
sunt liniar independeni i
x satisface sistemul de restricii, deci

x
1
P
1
+ x
2
P
2
+ + x
m
p
m
+0p
m+1
+ + 0p
n
= p
0
(2.46)

Trebuie artat c x este vrf al mulimii S a soluiilor admisibile.
Presupunem prin absurd c x nu este vrf, ci punct interior, adic exist doi vectori
S x x ' ' , ' astfel nct: ( ) ' ' 1 ' x x x + = , ( ) 1 , 0
Scris pe componente:

( )
'
1
'
1 1
1 x x x + = , ( )
' '
2
'
2 2
1 x x x + = ,., ( )
' ' '
1
m m m
x x x + = ,.., ( )
' ' '
1 0
n n
x x + =

ns ( ) 1 , 0 , deci 0 1 > , iar 0
'
i
x ( ) n i , 1 = i 0
' '
i
x ( ) n i , 1 = deoarece
S x x ' ' , ' , astfel c, din cele n m relaii se obin:
0 0
' '
1
= =
+ n m
x x ; 0 0
' ' ' '
1
= =
+ n m
x x i deci vectorii ' ' , ' x x au formele:

Programare liniar
20
( )
T
m
x x x x 0 0 '
' '
2
'
1
= , ( )
T
m
x x x x 0 0 ' '
' ' ' '
2
' '
1
=
(2.47)

Exprimm faptul c S x x ' ' , ' verific restriciile

0 m m 2 2 1 1
p p x p x p x = + + +
' ' '
(2.48)
0 m m 2 2 1 1
p p x p x p x = + + +
' ' ' ' ' '
(2.49)

ns vectorii p
i
,,p
m
sunt liniari independeni. Rezult:

' ' ' ' '
2
'
2
' '
1
'
1
, ,
m m
x x x x x x = = = adic ' ' ' x x = (2.50)

Aceasta nseamn c nu exist vectorii S x x ' ' , ' astfel ca ( ) ( ) 1 , 0 ' ' 1 ' + = x x x
prin urmare x este vrf sau punct de extrem n S.

Teorema 2.4: Funcia obiectiv a unei probleme de programare liniar ia valoare
optim ntr-un punct extrem a mulimii convexe M a tuturor soluiilor admisibile ale
problemei de programare liniar.

Demonstraie:
Presupunem c se cere ca funcia obiectiv s fie minimizat.
Notam cu M
~
= { x
i
, i I } mulimea punctelor extremale ale lui M i fie x
1
punct
extrem pentru care
1
T
x c = } { min
i
T
I i
x c
= z
1

Presupunem prin absurd c aceast afirmaie nu este adevrat, atunci exist x
0

{ } M M
~
astfel nct :
0
T
x c = z
0
< z
1
, deoarece x
0
nu este punct extrem atunci :

x
0
=
i
I i
i
x
,
I
0 ,
I i
i
= 1 (2.51)

Dar z
0
=
0
T
x c =
i
T
I i
i
x c
'
>
1
T
I i
i
x c
= c
T
x
1
= z
1,
ceea ce este o contradicie. Deci
x
1
este un program minimal pentru problema de programare liniar.

Consecin :
Dac funcia obiectiv ia aceeai valoare optim n mai multe puncte extremale, atunci
orice combinaie liniar convex a acestora este soluie optim a problemei de programare
liniar.

2.2.2. Baze ale problemei de programare liniar

Fie problema de programare liniar n forma standard (2.13), n care matricea A are m
linii i n coloane, iar rang A = m < n. Ecuaiile ce compun sistemul liniar Ax = b sunt liniar
independente, iar sistemul are o infinitate de soluii.
Astfel, n matricea A exist cel puin un grup de m coloane liniar independente, care
formeaz o baz a spaiului R
m
.
Definiiile ce urmeaz reprezint fundamente ce stau la baza rezolvrii modelelor de
programare liniar.

Definiia 2.5 Se numete baz a problemei de programare liniar n form standard un grup
de m coloane liniar independente.
21
Problema (2.13) are un numr finit de baze i anume
m
n
C .
Fie B o baz format cu m coloane, ale matricei A. Matricea A se poate scrie
partiionat sub forma:

[ ] S B A , = , cu
( )
[ ]
I i
i
a B

= ,
( )
[ ]
J j
j
a S

= (2.52)

unde prin I i J s-au notat mulimile de indici corespunztori coloanelor din baza B i,
respectiv, a celorlalte coloane:

( )
{ }
{ } I n J
B a n i I
i
/ ,..., 2 , 1
, 1
=
= =
(2.53)

Partiionarea vectorului x al variabilelor problemei este urmtoarea:

=
S
B
x
x
x , cu [ ]
I i i
B
x x

= , [ ]
J j
j
S
x x

= (2.54)

iar partiionarea vectorul c al coeficienilor funciei obiectiv este:

=
S
B
c
c
c , cu [ ]
I i i
B
c c

= , [ ]
J j
j
S
c c

= (2.55)

n raport cu baza B aleas, variabilele ( ) I i x
i
se vor numi variabile de baz, iar
( ) J j x
j
variabile secundare.
Sistemul de ecuaii Ax = b se poate scrie dup partiionare sub forma:

[ ] b Sx Bx b
x
x
S B
S B
S
B
= + =
, (2.56)

Matricea B fiind o baz a spaiului R
m
este inversabil. Astfel prin nmulirea relaiei
(2.56) la stnga cu B
-1
se obine forma explicit a sistemului de ecuaii:

S B
Sx B b B x
1 1
= (2.57)

Notm cu:

b B x
B
1
= (2.58)
( )
n j a B y
j B
j
, 1 ,
1
= =

(2.59)

nlocuind relaiile (2.58) i (2.59) n relaia (2.57) obinem:

=
J j
B
j
B
j
B
B
x y x x (2.60)

Scris pe componente relaia (2.60) devine:
Programare liniar
22
I i x y x x
J j
B
j
B
ij
B
i
B
i
=

, (2.61)

Definiia 2.6. Soluia de baz corespunztoare bazei B este:

n
B
B
R
x
x
=
0
(2.62)

O soluie de baz este o soluie admisibil (program) a unei probleme de programare
liniar dac 0
B
x .

Definiia 2.7 Baza B care satisface condiia

0
1
b B (2.63)

se numete baz primal admisibil.

innd seama de relaiile (2.54) i (2.55), funcia obiectiv a problemei de programare
liniar, x c z
T
= , poate fi exprimat prin:

[ ] ( )
S T
S
S 1 1 T
B
S T
S
B T
B
S
B
S B
x c Sx B b B c x c x c
x
x
c c z + = + =
=

'

( )
S T
S
1 T
B
1 T
B
x c S B c b B c z
' '
=

(2.64)

Notm cu:

B
T
B
B
x c z = (2.65)
n 1 j y c z
B
j
T
B
B
j
, , = = (2.66)

nlocuind relaiile (2.65) i (2.66) n relaia (2.64) obinem:

( )
=
J j
B
j j
B
i
B
x c z z z (2.67)

Definiia 2.7. Constanta
B
z din relaia (2.67) reprezint valoarea funciei obiectiv n soluia
asociat bazei B.

Diferentele
j
B
j
c z ( ) J j se mai numesc costuri reduse i au rolul esenial n
caracterizarea optimalitii unei soluii admisibile de baz a unei probleme de programare
liniar.

2.2.3. Interpretarea geometric a problemei de programare liniar

O interpretare geometric a unei probleme de programare liniara se poate obine
simplu n cazul cnd problema are dou variabile (spaiu R
2
) i se prezint sub forma
canonic.
23
Fie modelul de programare liniar (2.11) exprimat n funcie de dou variabile de
decizie x
1
i x
2
.
1) Restriciile unui astfel de model pot fi exprimate prin
a) egaliti :
1 2 12 1 11
b x a x a = +

b) inegaliti : sau
2 2 22 1 21
2 2 22 1 12
b x a x a
b x a x a
+
+
(2.68)

2) Condiii de nenegativitate : 0 , 0
2 1
x x (2.69)

3) Funcia obiectiv (2.10) poate fi:
2 2 1 1
x c x c z + = min(max) (2.70)

Realiznd o analiz din punct de vedere grafic putem observ urmtoarele :
egalitatea
1 2 12 1 11
b x a x a = + , reprezint o dreapta. Mulimea soluiilor ( )
2 1
x x , aparine
acestei drepte (d), iar aceast dreapt (curb de nivel), mparte planul ( )
2 1
0 x x n dou
semiplane.
inegalitatea
1 2 12 1 11
b x a x a < + , - mulimea soluiilor fiind reprezentat n acest caz printr-o
arie, dreapta mparte planul ( )
2 1
0 x x n doua semiplane ce au o arie comun i n final
un punct comun.
Pentru aflarea soluiei optime, dac ea exist, trebuie aflat mai nti mulimea
soluiilor admisibile S mulime ce satisface sistemul de restricii i condiiile de
nenegativitate.
n reprezentarea grafic acesta va fi o mulime convex, reprezentat printr-un
domeniu, numit admisibil.

Exemplul 2.2 S se rezolve problema de programare liniar

0 x 0 x
5 x x
2 x 2 x
2 x x 2
x x 2 z
2 1
2 1
2 1
2 1
2 1

+

+ =
,
) max(

Pentru determinarea domeniului admisibil se procedeaz n modul urmtor: se afl
domeniul care satisface cele trei restricii i condiiile 0 , 0
2 1
x x .
Se figureaz dreptele:

(d
1
) 2x
1
- x
2
= -2, trece prin A
1
(-1,0), B
1
(0,2)
(d
2
) x
1
- 2x
2
= 2, trece prin A
2
(2,0), B
2
(0,-1)
(d
3
) x
1
+ x
2
= 5, trece prin A
3
(5,0), B
3
(0,5)

i apoi se ia, n cadranul nti intersecia domeniilor ce reprezint soluiile, respectiv, ale celor
trei inecuaii, fig. 2.1.
Prin intersecia celor trei semiplane s-a obinut domeniul admisibil, ce este o mulime
convex. Coordonatele oricrui punct din acest domeniu satisfac toate restriciile i condiiile
de nenegativitate ale problemei. Conform teoremei 2.4, dac funcia obiectiv i atinge
valoarea maxim, atunci z ia valoarea maxim ntr-un vrf ( punct extrem al mulimii
convexe). Acestea sunt vrfurile poligonului, notate cu: O, A, B, C, D.
Programare liniar
24
Coordonatele acestor puncte se afl uor astfel:

0
d2
x1
D(0,2)
x2
d1
A(2,0)
B(4,1)
C(1,4)
d3
(
D
)

Fig.2.1

( ) ( )
= +
=
5
2 2
2 1
2 1
3 2
x x
x x
d d B ( ) 1 , 4 B
( ) ( )
= +
=
5
2 2 2
2 1
2 1
3 1
x x
x x
d d C ( ) 4 , 1 C

Aflarea soluiei optime se bazeaz pe faptul c funcia obiectiv, avnd dou variabile se
poate reprezenta printr-o dreapt (D).

(D): c
1
x
1
+ c
2
x
2
= z

Adus la forma y = mx + n unde m este panta, iar n ordonata la origine, rezult:

(D):
1
1
2
1
2
c
z
x
c
c
x + =

care reprezint o mulime de drepte paralele ntre ele, avnd panta constant
2
1
c
c
m =
i ordonata la origine variabil,
1
c
z
n = .
n problemele de maxim vom alege poziia care are ordonata la origine astfel ca ea s
furnizeze valoarea maxim pentru z.
Analog pentru problemele de minim.

Pentru exemplul de mai sus rezult:
(D) : x
2
= -2x
1
+ z ; se alege acea dreapt ce trece prin unul din vrfuri, ce are m = -2
i ordonata n = z = max
Ea este figurat punctat n figura 2.1. Ordonata la origine maxim corespunde punctului
B deci

x
1
= 4 i x
2
= 1 z = 2*4 +1*1 = 9 = max

Deoarece panta dreptei (D) este m = -2 = tg , rezult c unghiul = 116,56
0
.

25
Exemplul 2.3.
Pentru fabricarea a dou produse P
1
i P
2
, o firm dispune de patru tipuri de resurse R
i

( ) 4 , 1 . Cantitile de resurse R
i
folosite pentru fabricarea fiecrei uniti din produsele P
1
i P
2
,
n uniti convenionale (tone etc) sunt date n tabelul 2.1.
Se mai cunosc cantitile disponibile ale firmei din fiecare resurs R
i
( ) 4 , 1 = i i
beneficiile pentru fiecare unitate din cele dou produse.
S se determine planul de producie astfel ca beneficiul total s fie maxim.

Tabelul 2.1

Introducnd variabilele de decizie: x
1
= numrul de uniti din produsul P
1
i

x
2
=
numrul de uniti din produsul P
2
, rezult urmtorul model matematic de P.L.:

+
+
12 4
16 4
8 2
12 2 2
2
1
2 1
2 1
x
x
x x
x x
max , , = + =
2 1 2 1
x 3 x 2 z 0 x 0 x

Soluia grafic (2.2) se obine determinnd domeniul admisibil:

( )
( )
( )
( )
=
=
= +
= +
12 x 4 d
16 x 4 d
8 x 2 x d
12 x 2 x 2 d
2 4
1 3
2 1 2
2 1 1

(D) 2x
1
+ 3x
2
= z

Se observ c dreptele ( )
1
d , ( )
2
d i ( )
3
d sunt concurente n punctul B(4,2), iar
( ) ( )
3 2
d d C are coordonatele C(2,3).

0
d2
x1
D(0,3)
x2
d1
A(4,0)
B(4,2)
C(2,3)
(
D
)
d3
d4

Fig.2.2

Resurse R
1
R
1
Disponibil
R
1
2 2 12
R
2
1 2 8
R
3
4 0 16
R
4
0 4 12
Beneficiu 2 um 3 um
Programare liniar
26
Soluia optim a problemei este:

x
1
= 4; x
2
= 2 f(x) = 14 = max

Verificm soluia n restriciile problemei.

Rezult c resursele R
1
, R
2
i R
3
sunt resurse rare, utilizate n ntregime n timp ce
resursa R
4
nu a fost n ntregime utilizat.
Cantitatea din resursa R
4
, ce rmne disponibil poate fi determinat i ulterior folosit
cunoscnd preul umbr (dual).
Aceast analiz urmeaz a fi detaliat n subcapitolul 2.4.

2.3. Metoda Simplex

Metoda Simplex sau metoda mbuntirilor succesive evit cercetarea exhaustiv
a tuturor soluiilor de baz ale unei probleme de programare liniar, construind succesiv
soluii realizabile de baz din ce n ce mai bune ale modelului pn cnd este obinut o
soluie de baz optim. Prin soluie mai bun nelegnd soluia ce d funciei de eficien
(obiectiv) o valoare mai mic, respectiv mai mare dect cele precedente dup cum funcia de
eficien este de minim sau de maxim.
Deci acest algoritm este o metod de examinare sistematic a programelor de baz ce
d funciei de eficien o valoare optim.
Aceast metod pune n eviden cazul n care problema admite un optim infinit sau
mulimea programelor este vid.

2.3.1. Fundamente teoretice n aplicarea metodei Simplex

Prezentarea metodei simplex se realizeaz pe un model de programare liniar dat n
form standard i n care funcia obiectiv este o funcie de minimizare.

=
0 x
b Ax
x c
T
min
, unde
m
n m
n
R b
M A
R x C
,
,
(2.71)

Fie B o baz primal admisibil extras din matricea A i b B
B
x
1
= o soluie de baz
iniial a problemei de programare liniar.
Pentru ordonarea i facilitarea calculelor se utilizeaz n aplicarea practic a
algoritmului tabele ce poart denumirea de tabele simplex.
Aceste tabele sunt tabele simple ce au m+1 linii i n+1 coloane i cuprind coeficienii
numerici al problemei (2.71) corespunztori bazei primal admisibile B (tab 2.2).
Tabelul conine n prima coloan, variabilele de baz (V.B.), n coloana a doua
valoarea variabilelor de baz (V.V.B), iar n urmtoarele n coloane vectorii n 1 j y
B
j
, , = .
Pe ultima linie a tabelului se trece valoarea funciei obiectiv pentru baza B notat cu
B
z i diferenele n 1 j c z
j
B
j
, , = .
Acestui tabel se ataeaz o linie deasupra variabilelor
j
x i o coloan la stnga
coloanei V.B cu coeficienii corespunztori funciei obiectiv n 1 j c
j
, , = .

27
Tabelul 2.2
B
i
x
B
l
x
B
m
x
c
l
c
k c
j
c
n
...
... ...
x
l
... x
k ... x
j
...
x
n
V.V.B V.B. C
B
c
1
c
i
c
l
c
m
...
...
...
...
...
...
...
...
z ...
... ...
y
B
11
y
B
i1
y
B
l1
y
B
m1
y
B
1k
y
B
ik
y
B
lk
y
B
mk
y
B
1j
y
B
ij
y
B
lj
y
B
mj
y
B
1n
y
B
in
y
B
ln
y
B
mn
x
1
B
x
1
B
x
i
B
x
l
B
x
m
B
z
B
1
- c
1
z
B
k
- c
k
z
B
j
- c
j
z
B
n
- c
n
...
...
...
...
B

Tabelul simplex se ataeaz fiecrei baze B din algoritm i are ca fundamente
rezultatele teoretice ce sunt prezentate n continuare.

Teorema 2.5 Criteriu de optimalitate
Fie B o baz primal admisibil pentru probleme de programare liniar (2.71). Dac
0
j
c z
B
j
, oricare ar fi j J , atunci programul de baz asociat bazei B, b B
B
x
1
= este o
soluie optim a problemei de programare liniar considerat.

Teorema 2.6 Criteriu de infinitudine a soluiilor
Fie B o baz primal admisibil pentru probleme de programare liniar (2.71). Dac
exist indicele k J astfel nct 0
k
c z
B
k
i 0
B
ik
y , oricare ar fi I i atunci problema
are un optim infinit.

Teorema 2.7 Criteriu de mbuntire a soluiilor
Fie B o baz primal admisibil pentru probleme de programare
liniar 2.71. Fie k J astfel nct 0 >
k
c z
B
k
(2.72) i { } > =
+
0 /
B
ik
y I i I . Pentru
indicele
+
I i determinat cu relaia:

B
lk
B
l
B
ik
B
y
x
y
i
x
I i
=
+
min (2.73)

se obine un nou program de baz
B
x
~
cel puin la fel de bun ca
B
x , corespunztor unei noi
baze B
~
care are aceleai coloane ca i B, cu excepia coloanei
) (l
a ce se nlocuiete cu
coloana
) (k
a .

Observaii:
Baza B
~
este primal admisibil i verific toate teoremele anterioare.
Relaia (2.73) reprezint criteriul de ieire din baz i ne arat indicele
+
I l , al
coloanei
) (l
a ce urmeaz s prseasc baza B.
Programare liniar
28
n cazul n care exist mai muli indici k J pentru care se ndeplinesc (2.72) i (2.73)
atunci se pot construi mai multe baze primal admisibile i fiecare dintre acestea modific
valoarea funciei obiectiv.
Pentru a obine mai repede optimul cutat este indicat a alege acel
indice pentru care se verific relaia.

) ( ) ) ((
max
k
c z
y
x
y
x
j
c
B
j
z
B
k
B
lk
B
l
B
lk
B
l
J j
=
(2.74)

n practic utilizndu-se pentru evitarea calculelor urmtorul criteriu:

k
c
B
k
z
j
c
B
j
z
J j
=
) (
max
(2.75)

Relaia 2.75 reprezint criteriul de intrare n baz i ne arat indicele
J k al coloanei
) (k
a ce urmeaz s intre n baza B.
Elementul
lk
y din tabelul simplex poart denumirea de pivot.
Pentru calculul elementelor tabelului simplex asociat bazei B
~
n raport cu elementele
tabelului simplex asociat bazei B se utilizeaz formulele de schimbare a bazei n cadrul unei
operaii numit pivotare gaussin.
n practic formulele de schimbare a bazei se echivaleaz cu urmtoarele reguli de
transformare a tabelelor simplex :
Elementele situate pe linia pivotului se mpart la valoarea pivotului ;
Elementele situate pe coloana pivotului devin zero cu excepia
pivotului ce va avea valoarea unu ;
Celelalte elemente ale tabelului simplex se transform dup regula
dreptunghiului. Se consider dreptunghiul imaginar a crui diagonal este determinat de
elementul
B
ij
y i pivotul
B
ij
y (fig. 2.3) ; noua valoare
B
ij
y
~
se obine mprind la pivot diferena
dintre produsul
B
lk
B
ij
y y i
B
ik
B
lj
y y dup formula :

B
lk
B
ik
B
lj
B
lk
B
ij B
ij
y
y y y y
y

=
~
(2.76)

B
ij
y
B
ij
y
B
ik
y
B
ik
y
elementul de
transformat
pivotul

Fig.2.3

2.3.2. Algoritmul simplex primal.

Rezultatele teoretice obinute anterior permit enunarea algoritmului simplex. Acest
algoritm pentru rezolvarea problemelor de programare liniar date n form standard (2.13)
este diferit n raport cu tipul funciei obiectiv, respectiv, probleme de minimizare sau
maximizare.
29
Algoritmul simplex primal pentru probleme de minimizare

Pasul 1 : Se determin o baza B primal admisibil.
Pasul 2 : Se determin urmtoarele elemente :
B
j
y
j
c
B
j
z
B
z
B
x , , ,
Pasul 3 : Se analizeaz toate diferenele
j
c z
B
j
:
Dac toate diferenele
j
c z
B
j
0 , n j , 1 = atunci programul
B
x este optim.
Dac exist cel puin un indice j
+
J , { } 0 / > =
+ j
B
j
c z J j J astfel nct
j
c z
B
j
> 0 se trece la pasul 4.
Pasul 4 Se determin indicele k
+
J cu criteriul de intrare n baz
=
k
c z
B
k
) ( max
j
c z
B
j
J j

+

Dac 0
B
k
y atunci problema are un optim infinit.
Dac
+
J k ) ( pentru care 0 >
B
k
y se trece la pasul 5.
Pasul 5: Se determin indicele l I cu criteriul de ieire din baz:
B
lk
B
l
B
ij
B
i
B
ik
y
I i y
x
y
x
=
>
min
0

Pasul 6 : Se nlocuiete n baza iniial B vectorul
) (l
a cu vectorul
) (k
a ,
obinndu-se astfel o nou baz B
~
, iar pivotul corespunztor este
lk
y .
Mrimile tabelului simplex corespunztor noii baze B
~
, se vor determina cu ajutorul
unei reguli denumit regula dreptunghiului (pivotare n jurul elementului
lk
y ), dup care se
trece la Pasul 2.

Algoritmul simplex primal pentru probleme de maximizare

Acest algoritm are paii 1,2,5,6 identici cu algoritmul pentru probleme de minimizare.
Pasul 3 : Se analizeaz toate diferenele
j
c z
B
j
:
Dac toate diferenele
j
c z
B
j
0 , n j , 1 = atunci programul
B
x este optim.
Dac exist cel puin un indice j

J , { } 0 / < =
j
B
j
c z J j J astfel nct
j
c z
B
j
< 0 se trece la pasul 4.
+
=
k
c z
B
k
) ( min
j
c z
B
j
J j

Dac 0
B
k
y atunci problema are un optim infinit.
Dac
+
B
k
y se trece la Pasul 5.
Algoritmul simplex poate fi exprimat sintetic sub urmtoarea schem logic ( fig.2.4).
Programare liniar
30
START
Construieste
tabel simplex
initial
Exista
valori pozitive (negative) pe
linia diferentelor?
Indica
solutia optima STOP
Nu
Da
Determina
coloana pivotului
Exista
valori pozitive in coloana
pivotului?
Nu
Indica
solutia optima STOP
Da
Determina
linia pivotului
Calculeaza un nou
tabel simplex

Fig.2.4

Exemplul 2.4 . S se rezolve urmtoarea problem de programare liniar:

( )
+

. 2 max
0 ,
, 6 2
, 18 3
, 4
2 1
2 1
2 1
2 1
2 1
x x
x x
x x
x x
x x

Pentru a aplica algoritmul simplex, vom aduce mai nti problema la forma standard. n acest
scop introducem variabilele ecart x
3
, x
4
i x
5
:

( )
= + +
= +
= +
. 2 max
0 ,..., ,
, 6 2
, 18 3
, 4
2 1
6 2 1
5 2 1
4 2 1
3 2 1
x x
x x x
x x x
x x x
x x x

Iteraia 1
Pasul 1 Fie B o baz admisibil a problemei format din coloanele matricii A i anume a
3
, a
4

i a
5
:
( )
= =
1 0 0
0 1 0
0 0 1
a a a B
5 4 3
, ,
Pasul 2 Baza B este matricea unitate, astfel vom calcula urmtoarele elemente:
I B B = =
1
i [ ] 6 18 4
1
= = =

b b B x
B
;
31
1
= B y
B
j j j
a a = , elementele matricii A.
( ) ) 0 0 0 1 2 ( 0 0 0
1 '
= = = =

j j j j j
B
j
B
j
c c a c a B c c z
. 0
1
= =

b B c z
B
B

Cunoscnd toate aceste date, putem forma tabelul simplex iniial ( tab.2.3).
Pasul 3. Deoarece exist j

J , { } 0 / < =
j
B
j
c z J j J astfel nct 0 <
j
B
j
c z , baza
iniial nu este optim.
+
=
k
c z
B
k
) ( min
j
c z
B
j
J j

=min ( 1 , 2 )=-2. Deci indicele k = 1, astfel variabila x

1
va intra
n noua baz B
~
i
+
B
k
y .
Pasul 5: Se determina indicele l I cu criteriul de ieire din baz
B
lk
B
l
B
ij
B
i
B
ik
y
I i y
x
y
x
=
>
min
0
=
1
4
3
18
,
1
4
min =
,
deci indicele l = 3. Variabila x
3
va prsi baza B. Pivotul este y
31
= 1
Pasul 6: Se nlocuiete n baza iniial B variabila x
3
cu variabila x
1
obinndu-se astfel o noua
baza B
~
ceea ce nsemn c se vor transforma toate mrimile urmtorului tabel simplex cu
regula dreptunghiului.

Interaia 2 Se realizeaz un pivotaj n jurul elementului y
42
(tab.2.3).

Interaia 3. Se realizeaz un pivotaj n jurul elementului y
53
(tab.2.3).

Interaia 4 Deoarece 0
j j
c z pentru toi j, baza actual este optim. Deci programul optim
al problemei noastre este
5
42
1
= x ,
5
36
2
= x ,
5
14
3
= x , 0
4
= x , 0
5
= x (
4
x i
5
x au valoarea
0, deoarece sunt variabile secundare).

Interpretare geometric.

Pentru problema examinat mai sus se poate da o interpretare geometric simpl n
spaiu R
2
.
n planul x
1
Ox
2
, mulimea punctelor (x
1
, x
2
) care satisfac restricia 4
2 1
x x
constituie unul din semiplanele determinate de dreapta 4 x x d
2 1 1
= : ) ( , i anume
semiplanul care conine originea.
Celelalte dou restricii determin analog alte dou semiplane.
Mulimea programelor problemei va fi format din mulimea punctelor din primul
cadran ( ) 0 , 0
2 1
x x care se afl la intersecia celor trei semiplane.
Aceast mulime este poligonul OABCD (fig. 2.5).
Funcia obiectiv este max(2x
1
+x
2
). Ecuaia 2x
1
+x
2
= z reprezint o familie de drepte
paralele ntre ele.
n figura 2.4 sunt reprezentate punctat cteva din aceste drepte. Pentru z=z
2
, funcia
obiectiv ia valori mai mari dect pentru z = z
1
, iar pentru z = z
3
valori i mai mari.
Programare liniar
32
Tabelul 2.3
2
V.V.B V.B. C
B
x
2
x
3
x
4
x
5
1 0 0 0
x
3
x
4
x
5
0
0
0
x
l
4
18
6
1
3
-1
-1
-1
2
0 -2 -1 0 0 0
1 0 0
0 1 0
0 0 1
C
B
V.B. V.V.B
x
2
x
3
x
4
x
5 x
l
x
2
x
3
x
4
x
5 x
l
x
2
x
3
x
4
x
5 x
l
2 1 0 0 0
2 1 0 0 0
2 1 0 0 0
2
0
0
x
1
x
4
x
5
x
1
x
2
x
5
x
3
2
1
0
2
1
0
C
B
V.B. V.V.B
C
B
V.B. V.V.B
4
6
10
1
0
0
-1
2
1
1
-3
1
0
0
0
0 1
1
8 0 -3 2 0 0
7
3
7
17
1
0
0
1
0
0
-1/2
-3/2
5/2
1/2
1/2
-1/2
0
0
1
0 0 -5/2 -3/2 0
42/5
36/5
14/5
24
1
0
0
1
0
0
0
0
1
2/5
1/5
-2/5
1/5
3/5
2/5
0 0 0 1 1
x
1
x
2

5
36
,
5
42
C
B(7,3)
A(4,0) O (0,0)
D (0,3)
x
2
x
1
(d
2
)
(d
1
)

Fig.2.5

ns, dup cum se vede din figur, nu exist nici un program care s dea funciei
obiectiv valoarea z
3
(dreapta

2x
1
+x
2
=z
3
nu intersecteaz poligonul OABCD domeniul
soluiilor).
Cea mai mare valoare pe care o poate lua z pentru punctele din poligonul OABCD se
obine atunci cnd dreapta 2x
1
+x
2
= z trece prin punctul C. Valoarea lui z n acest caz este 2.
42/5 + 36/5 = 24.
33
Cnd am aplicat algoritmul simplex, drept baz iniial am luat baza B = (a
3
, a
4
, a
5
).
Variabilele x
1
i x
2
sunt variabile secundare, deci au valoarea 0; reiese c ne-am gsit n
vrful O (0,0) al poligonului OABCD, iar valoarea funciei obiectiv era z = 0. n continuare,
variabila x
1
intr n baz i am obinut programul x
1
= 4, x
2
= 0.
Geometric aceasta nseamn c din vrful O ne-am deplasat pn n vrful A (4,0) de-a
lungul muchiei OA. n continuare, din vrful A am ajuns n vrful B, mergnd pe muchia AB
(variabila x
3
a pstrat tot valoarea 0, deci ne gseam pe dreapta d
1
). De aici am ajuns n vrful
optim C, urmnd muchia BC.
Valoarea funciei obiectiv a crescut de la 0 la 8, apoi la 17 (n vrful B) i, n sfrit, la
valoarea maxim 24.
Acest lucru este valabil i n cazul general: fiecrei baze admisibile a problemei adus
la forma standard i corespunde un vrf al domeniului soluiilor.
Concluzie: Fiecare iteraie simplex reprezint o deplasare de la un vrf al domeniului
soluiilor, pe o muchie, pn la un vrf, care confer funciei obiectiv o valoare mai bun.

Exemplul 2.5.
O companie produce trei tipuri de produse A, B, C. Fiecare dintre aceste produse
trebuie prelucrate tehnologic aceeai main unealt, timp de 2 ore, 3 ore respectiv 1 or.
Maina unealt este disponibil pentru perioada analizat, 400 ore.
Pentru produsele A i C se folosesc componente speciale, cte o bucat pentru fiecare
produs, firma avnd un stoc disponibil pe perioada analizat de 150 de uniti din aceste
componente. Tot pentru produsele A i C se utilizeaz un aliaj special: pentru o unitate din
produsul A se utilizeaz 2 kg de aliaj special, iar pentru o unitate din produsul C, 4 kg. Stocul
disponibil este de 200 kg din acest aliaj special.
Studiul de pia pentru produsul B arat c se pot vinde pe perioada analizat cel mult
50 de uniti din acest produs.
Beneficiul unitar al produselor A, B i C este respectiv: 8 um (uniti monetare), 5 um,
10 um.
Compania dorete s stabileasc planul de producie care maximizeaz beneficiul total
pe perioada analizat.

Elaborarea modelului matematic
Notm x
1
= numrul de produse A
x
2
= numrul de produse B
x
3
= numrul de produse C
unde x
1
, x
2
, x
3
pentru modelul analizat reprezint variabilele de decizie.
+
+
+ +
50
200 4 2
150
400 3 2
2
3 1
3 1
3 2 1
x
x x
x x
x x x

0
1
x , 0
2
x , 0
3
x
) 10 5 8 max(
3 2 1
x x x z + + =
Se observ c problema nu are form standard.
Introducem variabilele de compensare x
4
, x
5
, x
6
, x
7
i nlocuim max(z)=min(-z),
dorind s aplicm algoritmul simplex pentru probleme de minim.
Calculele efectuate sunt grupate n tabelele simplex reunite n tabelul 2.4.
Soluia optim este: x = (100, 50, 0, 50, 50, 0, 0), iar funcia obiectiv este min (f)= -
1050, deci max(z) = 1050
Interpretarea soluiei:
Variabilele de decizie au valorile : x
1
= 100, x
2
= 50, x
3
= 0
Programare liniar
34
= +
= + +
= + +
= + + +
50
200 4 2
150
400 3 2
7 2
6 3 1
5 3 1
4 3 2 1
x x
x x x
x x x
x x x x

0
i
x ) 7 , 1 ( = i
) 10 5 8 min(
3 2 1
x x x f =
Matricea coeficienilor tehnico - economici este:
=
1 0 0 0 0 1 0
0 1 0 0 4 0 2
0 0 1 0 1 0 1
0 0 0 1 1 3 2
A
Se vor fabrica 100 uniti din produsul A, 50 uniti din produsul B, zero uniti din
produsul C.
Se va obine beneficiul maxim, egal cu 1050 uniti monetare.
Semnificaia variabilelor de compensare rezult din modul cum au fost introduse.
Verificnd restriciile iniiale ale problemei cu soluia optim x
1
= 100, x
2
= 50, x
3
= 0 i
comparnd cu sistemul de restricii n care s-au introdus variabilele de compensare, rezult:
- orele de lucru pe main nu s-au folosit integral, rmnnd disponibile x
4
= 50 ore;
- componentele nu s-au folosit integral, rmnnd x
5
= 50 uniti.
- stocul de aliaj dup efectuarea prelucrrilor este nul x
6
= 0
- este satisfcut condiia de vnzare pentru B, x
7
= 0.
Tabelul 2.4
C
B
C
B
C
B
C
B
-8
V.V.B V.B.
x
2
x
3
x
4 x
5
-5 -10 0 0
x
4
x
6
x
5
0
0
0
x
l
400
150
200
2
1
2
3
0
0
0 8 5
10
0 0
1 1 0
1 0 1
4 0 0
V.B. V.V.B
x
2
x
3
x
4 x
5 x
l
x
2
x
3 x
4
x
5
x
l
x
2
x
3
x
4 x
5 x
l
-8 -5 -10 0 0
0
0
0
x
3
x
4
x
5
0
0
-8
V.B. V.V.B
V.B. V.V.B
350
100
50
3/2
1/2
3
0
0
0
0
1
1
0
0
1 0
0
-500 3 5 0 0 0
200
100
50
-750
3/2
1/2
0
0
0
0
0
1
0
0
0
1
0
3 0 0 0 0
-1050
0
0
1
0
0
0
-3
-1
2
1
0
0
0
1
0
0 0 -6 0 0
x
6 x
7
0 0
0 0
0 0
0 0
0 1
0 0
-1/4
1/4
0
0 -1/4
0
5/2 0
-1/4
1/4
1/4
-3
0
0
5/2 -5
-1
-1/2
1/2
-3
0
0
-4 -5
0 x
7
0 1 0 0 0 0 1 50
-5 -10 0 0 0 0 -8
x
6
x
7
x
7
-10
50
1/2
0 1 0 0
0 0 1
x
6
x
7
0
0
-5
-10
x
3
x
4
x
5
x
2
50
1/2
1
0 1 0 0 0 0
1
-5 -10 0 0 0 0 -8
x
6 x
7
x
1
x
4
x
5
x
2
-5
50
50
50
100
0 1
0
0
0 0 1

35
2.3.3. Metode de determinarea unei soluii de baz iniiale

Algoritmul simplex necesit, pentru pornire, ca problema s fie dat n forma standard
i s aib o soluie admisibil de baz.
Prima dintre condiii se realizeaz folosind transformri utilizate n programarea
liniar.
Pentru cea de-a doua condiie alegerea la ntmplare a unei baze format din m vectori
ai matricei A, conduce la soluii de baz nerealizabile cu care algoritmul simplex nu poate
ncepe.
Gsirea unei baze pur i simplu prin ncercri repetate nu este indicat, aceast cutare
putnd dura foarte mult.
Rezolvarea problemei pleac de la observaia c singura baz pentru care calculul de
mai sus se poate face imediat este matricea unitate, caz n care soluia de baz
corespunztoare este chiar vectorul termenilor liberi.
Aceasta presupune ca problema s aib toi termenii liberi mai mari sau egali cu 0 i n
matricea A s existe toate coloanele matricei unitate.
n acest sens plecm de la observaia c existena unui vector din matricea unitate este
echivalent cu existena unei variabile care apare doar n ecuaia corespunztoare lui 1 din
acel vector, cu coeficientul 1. Acest lucru poate fi obinut n dou moduri:
1) Alegem o nou funcie obiectiv care s-i ating extremul printre soluiile
pozitive chiar pentru y = 0 i n momentul cnd am obinut soluia respectiv pornim cu
aceasta ca soluie iniial algoritmul simplex pentru fosta problem (Metoda celor dou
faze).
2) Adugm la vechea funcie obiectiv noi variabile y cu coeficieni alei astfel
nct aportul variabilelor la valoarea funciei s fie contrar scopului dorit (infinit pozitiv
ntr-o problem de minim i infinit negativ ntr-o problem de maxim) (Metoda
coeficienilor de penalizare)
Vom detalia n continuare cele dou metode:

Metoda celor dou faze
Fie dat problema de programare liniar la forma standard de maxim:

0 x
b x A
x c
T'
max
(2.77)
n care am aranjat deja ca toi termenii liberi s fie pozitivi .

Faza 1
Const n rezolvarea unei probleme de programare liniar auxiliar, asociat problemei
iniiale. Astfel construim problema:

= +
+ + + =
+ + +
0 x , x
b x I Ax
x x x x f
a
a
m
a
n m
a
2 m
a
1 m
a
) ... min( ) (
(2.78)

unde x
a
sunt variabilele artificiale ce se introduc n restriciile problemei att ct sunt
necesare n scopul formrii bazei unitare; I
m
matricea unitate de ordin m.
Rezolvm cu algoritmul simplex aceast problem, pornind rezolvarea de la baza
matrice unitate, putem ajunge la dou situaii:

Programare liniar
36
1. minimul funciei f este strict pozitiv, aceasta fiind echivalent cu faptul c egalitatea Ax +
I
m
x
a
= b se poate obine doar pentru I
m
x
a
> 0 sau altfel spus Ax > b pentru orice x 0, deci
sistemul Ax = b nu are soluii admisibile i n concluzie problema iniial nu are soluie.
2. minimul funciei f este 0, n acest caz, soluia optim obinut verific Ax = b, fiind n
concluzie o soluie admisibil de baz a primei probleme.

Faza 2
ncepnd de la soluia gsit la Faza 1 se rezolv problema iniial cu algoritmul
simplex. Se ndeprteaz din tabelul simplex toate elementele corespunztoare variabilelor
artificiale (cu excepia celor care rmn n baz), introducnd coeficienii funciei obiectiv din
problema iniial.
Dezavantajul metodei const n faptul c tabelul simplex final de la faza 1 trebuie
modificat pentru a se obine tabelul simplex iniial de la faza 2, eliminndu-se coloanele
corespunztoare lui y i totodat nu vom avea n tabelele simplex ale problemei iniiale
inversa bazei (se gsea n dreptul coloanelor matricei unitate din prima faz) necesar n
anumite variante ale algoritmului simplex.

Metoda coeficienilor de penalizare
Fie problema de programare liniar la forma standard de minimizare:
=
0 x
b x A
x c
T
min
(2.79)

n care toi termenii liberi sunt pozitivi i matricea A nu conine nici un vector coloan unitar.
Construim problema:

= +
=
0 y x,
b y x A
My) x c f
T
max(
(2.80)

n care M este o constant presupus foarte mare (mai mare dect orice constant care
ar putea apare n rezolvarea problemei).
Rezolvm problema cu algoritmul simplex pornind rezolvarea de la baza matrice
unitate, putnd ajunge la trei situaii:
1) problema are optim infinit, n acest caz, problema iniial are optim infinit ( nu
prezint interes din punct de vedere tehnico-economic).
2) problema are optim finit i n soluia de baz avem cel puin o variabil din
vectorul y. n acest caz problema iniial nu are soluii admisibile.
3) problema are optim finit i n soluia de baz nu avem nici o variabil din
vectorul y. n acest caz problema iniial are optim finit, soluia optim i maximul
funciei fiind aceleai cu cele ale problemei modificate.
Se remarc faptul c variabilele y nu au aceeai semnificaie economic ca celelalte
variabile, ele fiind introduse doar ca un artificiu de calcul pentru a putea porni algoritmul
simplex.

Observaii :
Dac matricea restriciilor conine vectori unitari, atunci numrul variabilelor
artificiale introduse este egal cu m, numrul vectorilor unitari, indiferent de tipul
funciei obiectiv.
37
Dac la aplicarea algoritmului simplex, o variabil artificial iese din baz ea nu
va mai intra niciodat, ceea ce arat eliminarea din calculele ulterioare.

Exemplu 2.6
Un atelier de prelucrri mecanice fabric dou produse P
1
i P
2
.
Din structura de dezagregarea produselor se deduce c pentru realizarea produsului P
1

sunt necesare 3 componente de tip A i un component de tip B, iar pentru realizarea
produsului P
2
sunt necesare 1 component de tip A i 4 componente de tip B.
Atelierul dispune n stoc de 10 componente de tip A. Contractele cu furnizorii
pentru componentele de tip B, arat c se poate realiza aprovizionarea cu acesta n cantitate de
cel puin dou componente B.
Beneficiul unitar pentru produsele P
1
i P
2
sunt de 2 um, respectiv de 3um.
Se dorete s se stabileasc planul de producie care s maximizeze beneficiul total.

Modelul matematic este urmtorul:

+
+
+ =
0 x x
2 x 4 x
10 x x 3
x 3 x 2 f
2 1
2 1
2 1
2 1
,
) max(

unde
2 1
x x , , reprezint numrul de produse de tip P
1
respectiv P
2
.
Forma standard a problemei va fi:
( )
= +
= + +
+ =
0 x x x x
2 x x 4 x
10 x x x 3
x 3 x 2 f max
4 3 2 1
4 2 1
3 2 1
2 1
, , ,

n matricea A vom introduce variabila x
5
cu coeficientul 1 n a doua ecuaie i
mpreun cu coeficienii variabilei x
3
n final vom avea de rezolvat problema prin cele dou
metode:
Metoda celor dou faze Metoda coeficienilor de
penalizare
= + +
= + +
0 x x x x x
2 x x x 4 x
10 x x x 3
x
5 4 3 2 1
5 4 2 1
3 2 1
5
, , , ,
) min(

= + +
= + +
+
0 x x x x x
2 x x x 4 x
10 x x x 3
Mx x 3 x 2
5 4 3 2 1
5 4 2 1
3 2 1
5 2 1
, , , ,
) max(

Aplicnd Metoda celor dou faze vom obine succesiv tabele:

0 0 0 0 1
c
B
x
B
x
B
x
1
x
2
x
3
x
4
x
5

0 x
3
10 3 1 1 0 0
1 x
5
2 1 4 0 -1 1
2 1 4 0 -1 0
0 0 0 0 1
c
B
x
B
x
B
x
1
x
2
x
3
x
4
x
5

0 x
3
19/2 11/4 0 1 1/4 -1/4
0 x
2
1/2 1/4 1 0 -1/4 1/4
0 0 0 0 0 -1
Programare liniar
38
Am obinut optimul egal cu 0 n soluia de baz (x
3
,x
2
) care va fi soluia iniial pentru
algoritmul simplex aplicat problemei iniiale n a doua faz.
Eliminm din tabel coloana lui x
5
, nlocuim valorile coeficienilor funciei obiectiv i
deci i valoarea acesteia, valorile
j
B
j
c z i rezolvm problema n continuare, plecnd de la
baza primal admisibil determinat, cu algoritmul simplex primal, obinnd tabelele de mai
jos:
2 3 0 0
c
B
x
B
x
B
x
1
x
2
x
3
x
4

0 x
3
19/2 11/4 0 1 1/4
3 x
2
1/2 1/4 1 0 -1/4
3/2 -5/4 0 0 -3/4
2 3 0 0
c
B
x
B
x
B
x
1
x
2
x
3
x
4

0 x
3
4 0 -11 1 3
2 x
1
2 1 4 0 -1
4 0 5 0 -2
2 3 0 0
c
B
x
B
x
B
x
1
x
2
x
3
x
4

0 x
4
4/3 0 -11/3 1/3 1
2 x
1
10/3 1 1/3 1/3 0
20/3 0 -7/3 2/3 0
2 3 0 0
c
B
x
B
x
B
x
1
x
2
x
3
x
4

0 x
4
38 11 0 4 1
3 x
2
10 3 1 1 0
30 7 0 3 0

Soluia optim a primei probleme este deci x
1
= 0 i x
2
= 10 care d un maxim al funciei
egal cu 30.
Aplicnd Metoda coeficienilor de penalizare vom obine succesiv urmtoarele tabele:

2 3 0 0 -M
c
B
x
B
x
B
x
1
x
2
x
3
X
4
x
5

0 x
3
10 3 1 1 0 0
-M x
5
2 1 4 0 -1 1
-2M -M -4M 0 M -M
-M-2 -4M-3 0 M 0
2 3 0 0 -M
c
B
x
B
x
B
x
1
x
2
x
3
x
4
x
5

0 x
3
19/2 11/4 0 1 -1/4
3 x
2
1/2 1/4 1 0 -1/4 1/4
3/2 -5/4 0 0 -3/4 M+3/4
2 3 0 0 -M
c
B
x
B
x
B
x
1
x
2
x
3
x
4
x
5

0 x
3
4 0 -11 1 3 -3
2 x
1
2 1 4 0 -1 1
4 0 5 0 -2 2+M
2 3 0 0 -M
c
B
x
B
x
B
x
1
x
2
x
3
x
4
x
5
0 x
4
4/3 0 -11/3 1/3 1 -1
2 x
1
10/3 10/3 1 1/3 0 0
20/3 0 -7/3 2/3 0 M
2 3 0 0 -M
c
B
x
B
x
B
x
1
x
2
x
3
x
4
x
5
0 x
4
38 11 0 4 1 -1
3 x
2
10 3 1 1 0 0
30 7 0 3 0 M

39
2.3.4. Interpretarea a algoritmului simplex primal

Se consider problema de optimizare a activitii unei firme productoare. Aceasta
realizeaz n produse , cu un profit unitar c
j
, n , j 1 = . Firma utilizeaz mai multe resurse prime
R
i
, m , i 1 = , disponibile n cantitile limitate b
i
. Consumurile specifice de resurse pentru
fiecare produs sunt a
ij
, m , i 1 = , n , j 1 = .
Obiectivul firmei este obinerea unui profit total maxim, cu restriciile ce provin din
consumul integral al resurselor disponibile .
Modelul de optimizare a activitii firmei este reprezentat de problema de programare
liniar n forma standard :

=
=
0 x
b Ax
x c z
T
(max)
(2.81)

n care x
j
, n j , 1 = , este cantitatea din produsul j ce urmeaz a fi fabricat.
Consumarea (utilizarea) integral a resurselor nu este strict, deoarece n lista
operaiilor productive se poate include un numr de operaii fictive (corespunztoare
variabilelor ecart) ale cror valori s reprezinte cantitatea din resurse neconsumat.
n soluia de baz a algoritmului simplex numrul componentelor nenule nu depete
numrul restriciilor.
De aceea, n orice soluie optim a problemei, numrul produselor ce urmeaz a fi
fabricate nu depete numrul resurselor folosite .
Coloanele a
(j)
din baza B ce corespund operaiilor j le vom numi operaii de baz,
celelalte fiind operaii secundare.
Programul optim prevede obinerea, numai prin operaiile de baz, a produselor, astfel
nct s fie consumate integral resursele disponibile.
O posibilitate de a obine un program mai bun const n identificarea unor operaii
secundare care s nlocuiasc o parte din operaiile de baz curente. Pentru acesta este necesar
un criteriu de comparare a operaiilor secundare cu cele de baz .
n ipoteza c baza B=[a
(1)
, a
(2)
, ..,a
(m)
], din relaia (2.59)

y
B
j
=B
-1
a
(j)
, n j , 1 = (2.82)

deducem :

A
(j)
= By
B
j
, n j , 1 = (2.83)

care se poate scrie

) ( ) ( ) ( ) (
...
m B
mj
2 B
j 2
1 B
j 1
j
A y A y A y A + + + = (2.84)

Relaia de mai sus are urmtoarea semnificaie din punct de vedere tehnico-economic,
fabricarea unei uniti de produs j este echivalent cu fabricarea cantitilor
B
mj
B
j 2
B
j 1
y y y ,..., ,
,

din produsele operaiilor de baz. Ca urmare, pentru fabricarea unei uniti din produsul j este
necesar a diminua producia operaiilor de baz cu cantitile
B
mj
B
j 2
B
j 1
y y y ,..., , .
Programare liniar
40
Aportul produsului j la creterea profitului firmei poate fi comparat cu aportul valoric
al cantitilor
B
mj
B
j 2
B
j 1
y y y ,..., ,
,
.
n consecin, dac:

0 c y c y c y c c z
j
B
mj m
B
j 2 2
B
j 1 1 j
B
j
+ + + = ... (2.85)

fabricarea produsului j nu este rentabil ntruct nu conduce la o majorarea valorii (profitului)
produciei curente.
Dac pentru toate operaiile secundare avem

n , j , c z
j
B
j
1 0 = (2.86)

atunci programul de fabricaie curent este optim. Acesta este, criteriul de optimalitate al
algoritmului simplex.
Dac 0 <
j
B
j
c z , atunci activitatea secundar j conduce la o majorare a profitului
realizabil prin programul curent, egal cu ) c z (
j
B
j
.
Dintre operaiile secundare J j rentabile n raport cu operaiile de baz se va alege
acea operaie k care asigur cea mai mare vitez de cretere a valorii curente a produciei (
interpretarea criteriului de intrare n baz).
O alt problem care se mai pune este stabilirea cantitii din produsul j care se poate
realiza n condiiile date.
Fabricarea unei cantiti din acest produs implic diminuarea produciei din
produsele operaiilor de baz astfel:

B
mk
B
m m
B
k
B B
k
B
y x x ,..., y x x , y x x = = =
2
2 2
1
1 1
(2.87)

Evident, desfurarea unei activiti la un nivel negativ este lipsit de sens economic.
Astfel este necesar ca :

m , i , y x x
B
ik
B
i i
1 0 = = (2.88)

de unde obinem condiia:

B
ik
B
i
B
ik
y
i
y
x
min
0
0
>
= (2.89)

Presupunem c valoarea
0
se obine pentru indicele 1. Atunci:

0
0
= = =
B
lk
B
lk
B
l B
l
B
lk
B
l l
y
y
x
x y x x (2.90)

Ca urmare, operaia l nu va mai fi folosit, iar n locul ei se va utiliza operaia k, care
asigur creterea maxim a valorii curente a produciei i, implicit, maximizeaz profitului
firmei.
41
Aceasta este interpretarea a criteriului de ieire din baz al algoritmului simplex.
Cazul optimului infinit, ca soluie a problemei de programare liniar, nu este
semnificativ din punct de vedere economic.

2.4. Dualitatea n programarea liniar

2.4.1. Problema dual. Fundamente teoretice.

Problema dual
Dualitatea n programarea liniar ocup un rol important att din punct de vedere
teoretic ct i din punct de vedere practic. Pe teoremele de dualitatea se bazeaz muli
algoritmi de rezolvare a problemelor de programare liniar.
Fie problema de programare liniara dat sub forma general numit problema
primal :

( )
+ +

+ +
= + +
+ +
3 3 2 2 1 1
3 2 1
3 3 33 2 32 1 31
2 3 31 2 22 1 21
1 3 13 2 12 1 11
0 0
x c x c x c min
x ; arbitrar x ; x
b x a x a x a
b x a x a x a
b x a x a x a
problema primal (2.91)

Numim problem dual a problemei de programare liniara urmtoarea problema de
programare liniara:

( )
0 0
3 2 1
3 3 33 2 23 1 13
2 3 32 2 22 1 12
1 3 31 2 21 1 11
3 3 2 2 1 1
u ; arbitrar u ; u
c u a u a u a
c u a u a u a
c u a u a u a
u b u b u b max
problema dual (2.92)

Observm c duala problemei dualei este chiar problema primal. Datorit legturii
strnse ce se stabilete ntre aceste probleme care sunt duale una celeilalte, vom spune ca
problema (2.91) i problema (2.92) formeaz un cuplu de probleme duale.
Problema dual se obine din problema primal folosind urmtoarele transformri :

- Termenii liberi din problema primal devin coeficieni ai funciei obiectiv din
problema dual.
- Coeficienii funciei obiectiv din problema primal devin termeni liberi n
problema dual.
- O problem de maximizare primal devine problem de minimizare dual.
- Matricea coeficienilor din problema dual este transpusa matricei coeficienilor
din problema primal
- Variabilele duale corespunztoare unor restricii concordante din problema primal
sunt nenegative, iar cele corespunztoare unor restricii primale neconcordante
sunt nepozitive.
- Variabilele primale negative le corespund n problema dual restricii concordante,
iar variabilelor primale pozitive le corespund n problema dual restricii
neconcordante.

Programare liniar
42
- Variabilele duale corespunztoare restriciilor primale care sunt ecuaii, pot fi de
semn oarecare.
- Variabilelor primale oarecare le corespund restricii duale care sunt ecuaii.

Exemplul 2.7 Determinai duala problemei de programare liniar:

f = max(2x
1
5x
2
+ 4x
3)

+
+
= +
+
8 5 2
3 2
6 3 5
7 4
2 1 3
3 1
3 1 2
3 2 1
x x x
x x
x x x
x x x

x
1
0, x
2
oarecare, x
3
0

Conform regulilor de mai sus vom avea:
duala este de minim deoarece primala este de maxim;
variabilele dualei vor fi:
u
1
corespunztoare restriciei: x
1
x
2
+ 4x
3
7
u
2
2
5x
1
+ 3x
3
= 6
u
3
1
+ 2x
3
3
u
4
3
+ 2x
1
- 5x
2
8

funcia obiectiv a dualei va fi produsul dintre termenii liberi ai restriciilor primalei cu
variabilele corespunztoare din dual:
g = 7u
1
+ 6u
2
+ 3u
3
+ 8u
4

duala va avea 3 restricii, cte variabile are primala, ele obinndu-se astfel:
Prima restricie (asociat variabilei x
1
)
- termenul stng al restriciei se obine nmulind coeficienii variabilei x
1
din cele 4
restricii ale primalei cu variabilele corespunztoare acestora din dual: u
1
5u
2
+ u
3
+ 2u
4
- termenul liber al restriciei va fi coeficientul lui x
1
din funcia obiectiv a primalei,
adic b
1
= c
1
= 2
- deoarece variabila corespunztoare acestei restricii, x
1
, este negativ, restricia va fi
neconcordant i deoarece duala este problem de minim rezult c va fi cu .
n concluzie, prima restricie va fi: u
1
5u
2
+ u
3
+ 2u
4
2
Analog se vor determina i celelalte dou restricii:
-u
1
+ u
2
- 5u
4
= -5
4u
1
+ 3u
2
+ 2u
3
- u
4
4
restriciile de semn ale variabilelor dualei vor fi:
u
1
0, deoarece restricia corespunztoare este neconcordant;
u
2
oarecare, deoarece restricia corespunztoare este egalitate;
u
3
0, deoarece restricia corespunztoare este concordant;
u
4
0, deoarece restricia corespunztoare este neconcordant.
n final, problema dual este:

(min) 7u
1
+ 6u
2
+ 3u
3
+ 8u
4

+ +
= +
+ +
4 2 3 4
5 5
4 2 5
4 3 2 1
4 2 1
4 3 2 1
u u u u
u u u
u u u u

u
1
0, u
2
oarecare, u
3
0, u
4
0
43
Exemplul 2.8

S se scrie duala problemei de programare liniar dat n form canonic:
( )
+

+ +
+ + +
0 ,...,
10 2
5 2
15 3
5 2 3 max
4 1
4 3 2
4 3 1
4 3 2 1
4 3 2 1
x x
x x x
x x x
x x x x
x x x x

Se construiete tabelul cu datele problemei iniiale:

Aadar, problema dual este:

( )

+
+
+
+ +
0 , ,
1
5 2 3
2
3
10 5 15 min
3 2 1
3 2 1
3 2 1
3 1
2 1
3 2 1
x u u
u u u
u u u
u u
u u
u u u

Fundamente teoretice
Fr a restrnge din generalitate ne vom ocupa n continuare de cuplul de probleme
duale (2.91) - (2.92), prima fiind considerat problema primal, iar cea de-a doua, problema
dual.
Se noteaz

{ } 0 , = = x b Ax R x P
n
(2.93)
{ } 0 , = u c u A R u D
T m
2.94)
Mulimile soluiilor admisibile (sau programelor) ale problemei primale (2.91),
respectiv, duale (2.92).
Teorema 2.8. Dac P x i D u , atunci u b x c
T T
.

Teorema 2.9. Fie P x
*
, D u
*
i
* *
u b x c
T T
. Atunci x
*
nu este soluie optim a
problemei primale, iar u
*
este soluie optim a problemei duale

Propoziia 2.1. Dac L este o matrice antisimetric (L
T
= -L), atunci sistemul de inegaliti
liniare

max
min
3 2 1 5
15
10
u
1
u
2
u
3
1 -1 3 1
-1 -1
-1
2 0
0
1 2
5
x
1
x
2
x
3
x
4
Programare liniar
44

0
0
t
t l
(2.95)

are cel puin o soluie t astfel nct

0 > t L (2.96)

Teorema 2.10. (Teorema fundamental a dualitii) Fie cuplul de probleme duale (2.91) -
(2.92). Atunci una i numai una din urmtoarele situaii este posibil :
a) Ambele probleme au soluii admisibile. n acest caz, ambele probleme au soluii
optime i valori optime ale funciilor obiectiv sunt egale.
b) Una din probleme are soluii admisibile, iar cealalt nu are (este incompatibil). n
acest caz, problema compatibil are optim infinit.
c) Nici una dintre probleme nu are soluii admisibile.

Teorema 2.11. (Teorema ecarturilor complementare). Fie cuplul de probleme duale canonice
(2.91) - (2.92). Atunci P x i D u sunt soluii optime pentru cele dou probleme dac i
numai dac:

( )
( )
=
=
0
0
u A c u
b x A u
T
T
T
(2.97)

Exemplul 2.9
ntr-un atelier mecanic se produc dou de tipuri de piese P
1
, P
2
.
Timpii unitari de prelucrarea celor dou piese pe cele dou maini unelte M
1
, M
2
,
profitul unitar i disponibilul de timp al mainilor unelte sunt date n tabelul de mai jos:

P
1
P
2
Disponibil
resurse
M
1
4 3 16sp
M
2
1 2 6sp
Profit
unitar
3um 7um

Modelul matematic pentru problema dat este:

+
+
+ =
0 x x
6 x 2 x
16 x 3 x 4
x 7 x 3 f
2 1
2 1
2 1
2 1
,
) max(

Mulimea soluiilor admisibile ale problemei (primale) este reprezentat n fig. 2.6.
Problema admite soluia optim 0
*
1 = x , 3
*
2 = x , pentru fiecare funcia obiectiv are
valoarea 21
max
= f .

45
d2
0 x1
x2
A(4,0)
C(0,3)
d1
B(14/5,8/5)

Fig.2.6
Problema dual este:
+
+
+ =
0 u u
7 u 2 u 3
3 u u 4
u 6 u 16 g
2 1
2 1
2 1
2 1
,
) min(

Mulimea soluiilor admisibile ale problemei duale este reprezentat n fig.2.7.

Fig.2.7

Problema admite soluia optim 0
*
1 = u , 2 / 7
*
2 = u .Valoarea funciei obiectiv este
21
min
= g , evident aceeai ca i n cazul problemei primale.
Din cele artate se constat c prin rezolvarea uneia dintre cele dou probleme duale
se poate determina i soluia celeilalte. Tabelul simplex final corespunztor uneia dintre
probleme conine componentele soluiilor optime ale ambelor probleme.
Aceste rezultate teoretice se utilizeaz n practica industrial n cazul cnd planul de
producie conine o varietate mare de produse ce se fabric n aceleai condiii tehnico
economice.

2.4.2. Algoritmul simplex dual

Fie problema de programare liniar n forma standard

=
0 x
b Ax
x c
T
min
(2.98)
unde
n
R c x , ,
m
R b ,
n m
M A

, cu rang A = m < n.
d2
B(0,7/2)
A(0,3/4) 0 u1
u2
d1
Programare liniar
46
Duala acestei probleme este :

arbitrar u
c u A
u b
T
'
max
(2.99)

Definiia 2.9 O baz B format cu m coloane liniar independente a lui A se numete dual
admisibil dac sunt satisfcute condiiile

n j c z
j
B
j
, 1 , 0 = (2.100)

Propoziia 2.2. Dac B este o baz dual admisibil, atunci

1
= B c u
T
B
T
B
(2.101)

este o soluie a problemei duale (2.98).

Teorema 2.12. (Teorema de optimalitate). Fie B o baz dual admisibil pentru problema
primal (2.98). Fie mulimea { } 0 _ < =
B
i x I i I I_=, atunci soluia de baz asociat bazei
B, b B x
B
1
= , este o soluie optim a problemei (2.98).

Teorema 2.13. (Teorema de incompatibilitate a problemei primale). Fie B o baz dual
admisibil pentru problema primal (2.92), iar I_, Deci exist _ I i astfel nct
J j y
B
ij
, 0 , atunci problema (2.92) nu are soluii.

Teorema 2.14. (Teorema de mbuntire a soluiei) Fie B o baz dual admisibil pentru
problema primal (4.29), iar I_. Dac pentru orice _ I i exist J j astfel nct
0 <
B
ij
y , i dac se alege _ I l arbitrar, iar J k astfel nct s fie satisfcut condiia :

B
lk
k
B
k
B
lj
j
B
j
y
j
y
c z
y
c z
B
lj

<0
min (2.102)

atunci matricea B obinut din B prin nlocuirea coloanei A
(l)
cu coloana A
(k)
este o baz
dual admisibil, iar programul dual asociat u
B
este cel puin la fel de bun ca programul u
B

Algoritmul simplex dual

Pentru problema primal de minimizare sau maximizare este:

Pasul 1. Se determin o baz dual admisibil iniial B.

Pasul 2. Se calculeaz
B
x ,
B
z ,
B
j
y ,
B
j
z ,
j
c , n j , 1 = .

47
Pasul 3. Se determin mulimea
{ } 0 _ < =
B
i x I i I
Dac I_, atunci STOP :
B
x este program optim al problemei; astfel se trece la pasul
urmtor.

Pasul 4. Se determin indicele _ I k cu criteriul de ieire din baz

{ }
B
l
B
i
I i
x x =
_
min

Dac n j y
B
ij
, 1 , 0 = , atunci STOP : problema nu are soluii; astfel se determin indicele
J k cu criteriul de intrare n baz:

B
lk
k
B
k
B
lj
j
B
j
y
j
y
c z
y
c z
B
lj

<0
min

Pasul 5. Fie baza B obinut din B prin nlocuirea coloanei A
(l)
cu coloana A
(k)
.
Se trece la Pasul 2, nlocuind peste tot baza B cu baza B.

Algoritmul simplex dual poate fi exprimat sintetic sub forma schemei logice din
fig.2.8

START
Exista
variabile de baza cu valori
negative ?
STOP
Nu
Da
Determina
linia pivotului
Nu
Determina
coloana pivotului
Construieste
tabel simplex
initial
Indica
solutia optima
Exista
valori negative in linia
pivotului?
STOP
Da
Calculeaza un nou
tabel simplex
Nu exista
solutii

Fig.2.8

Programare liniar
48
Exemplul 2.10

S se rezolve problema de programare liniar:

( )
+
+

0 , ,
2 2
4 3 2
2 3 max
3 2 1
3 2 1
3 2 1
2 1
x x x
x x x
x x x
x x

Se aduce problema la forma standard prin introducerea variabilelor de compensare x
4
, x
5
i se
nmulesc cu 1 cele dou restricii:

( )
= + +
= + +

0 ,...,
2 2
4 3 2
2 3 max
5 1
5 3 2 1
4 3 2 1
2 1
x x
x x x x
x x x x
x x

Baza iniial B este matricea unitate format cu coloanele A
(4)
, A
(5)
. Tabelul simplex asociat
are ca variabile de baz pe x
4
i x
5
:

c
B V.B. V.V.B.
-3 -2 0 0 0
x
1
0
0
x
2
x
3
x
4
x
5
-1 2
-1
1
0
-2
x
4
x
5 -2
3
-1 1 0 1
0
0
0 2 0
-4

Baza iniial este dual admisibil deoarece 0
j
B
j
c z . Se poate aplica deci
algoritmul simplex dual. Soluia asociat bazei B admisibil ntruct: 0 3 2 1 = = = x x x ,
4 4 = x , 2 5 = x .
Mulimea { } 5 , 4 _ = I . Conform criteriului de ieire din baz avem:
{ } { }
B
I i
B
i x x 4
_
4 2 , 4 min min = = =
; se obine 4 = l , deci din baz va iei vectorul A

(4)
.
Conform criteriului de intrare n baz avem:

0
4
min
<
B
j
y
j

B
j
j
B
j
y
c z
4
=
0
4
min
<
B
j
y
j
B
B
y
c z
43
3 3
0
1
0
,
1
3
= =

;

se obine k = 3, deci n baz va intra vectorul corespunztor variabilei x
3
.
Noul tabel simplex este:
c
B V.B. V.V.B.
-3 -2 0 0 0
x
1
0
0
x
2
x
3
x
4
x
5
1 -2 -1 1 0
-6
x
4
x
5 -3
3
1 1 0 1
0 0 0 2 0
4

49
Soluia nu este optim ntruct 6 5 = x . Din baz va iei vectorul corespunztor
variabilei x
3=5
i va intra vectorul corespunztor variabilei x
1
. Se obine tabelul simplex :

c
B V.B. V.V.B.
-3 -2 0 0 0
x
1
0
-3
x
2
x
3
x
4
x
5
0
-5/3 1
2
x
4
x
5
1
1
0 3 0
2 -2/3 1/3
-1/3 -1/3 0 -1/3 1
0

2.4.3 Interpretarea economic a dualitii

Introducerea dualitii este motivat din mai multe puncte de vedere:

Teoretic. Una din problemele centrale ale programrii matematice este caracterizarea
situaiilor n care exist optimul unei probleme i gsirea unor metode prin care s
recunoatem optimalitatea unei soluii.
Teorema fundamental a dualitii i teorema ecarturilor complementare reprezint
rezultate chiar n acest sens, n care se folosete dualitatea.
Practic. Putem rezolva o problem rezolvnd problema dual a acesteia sau cunoscnd soluia
dualei.
n unele cazuri, rezolvarea dualei este mult mai uoar dect rezolvarea primalei, de
exemplu cnd numrul de restricii al primalei este mai mare dect numrul de variabile al
acesteia sau cnd primala necesit mai multe variabile suplimentare dect duala.
Economic. n cele mai multe probleme economice, a cror rezolvare se face printr-un model
de programare liniar, soluia dualei aduce o serie de informaii suplimentare despre problema
studiat.
Semnificaia economic a soluiei dualei depinde de specificul problemei i trebuie gsit de
la caz la caz.
Avnd n vedere c max[f(x)] = min [g(u)], rezult c, dac, cantitatea disponibil din
resursa R
i
crete cu o unitate, atunci valoarea funciei obiectiv crete cu u
i
, deci u
i
msoar
creterea valorii funciei obiectiv determinat de creterea cu o unitate a cantitii disponibile
b
i
.
Aceste evaluri obinute dintr-un program optim au fost denumite n literatura de
specialitate "preuri umbr"(shadow price).
Preul umbr u
i
arat cu ct se modific funcia obiectiv a problemei duale, atunci cnd
termenul liber al restriciei R
i
se "relaxeaz" cu o unitate. A "relaxa" are semnificaia de a
spori cantitatea disponibil b
i
a unei resurse deficitare sau, pentru restriciile de tip calitativ cu
limit inferioar impus (
=
n
1 j
j ij
x a b
i
), de a reduce nivelul termenului liber b
i
.
Este evident c, dac o resurs nu este utilizat n ntregime pentru satisfacerea
programului optimal x
B
(
=
n
1 j
j ij
x a < b
i
), atunci u
i
= 0 iar funcia obiectiv nu este afectat de
sporire a cantitii disponibile b
i
.
Preurile umbr (preuri duale) aduc informaii suplimentare pentru analiza eficienei
economice a resurselor i a diferiilor indicatori economici sau tehnici care apar n restriciile
unei probleme de programare liniar.
Pe baza lor se pot fundamenta deciziile privind alocarea judicioas a resurselor, se pot
stabili msuri de stimulare a consumului raional al resurselor, se determin ct mai corect
nivelul minim i maxim al diferiilor indicatori tehnici i economici de care depinde structura
planului optim.
Programare liniar
50
Soluia optim obinut prin utilizarea datelor iniiale poate constitui un punct de
plecare pentru analiza economic privind alocarea eficient a resurselor.
Pentru problemele n care se cere maximizarea funciei f(x), indicatorii z
j
reprezint
costul unitar de fabricaie al produsului j, rezultat din evaluarea coeficienilor a
ij
prin preurile
umbr ataate restricii1or.
Rezult c, prin calcularea diferenei z
j
-c
j
, se compar acest cost unitar cu coeficientul
c
j
(pre unitar, beneficiu unitar etc.) din funcia obiectiv.
Dac exist diferene negative (z
j
-c
j
< 0) nseamn c, la activitile respective, preul
umbr al produsului j (costul unitar de fabricaie exprimat n indicatori u
i
) este mai mic dect
venitul realizat i de aceea activitatea a
j
este eficient.
Aa se explic faptul c va intra n baz vectorul a
(k)
ce corespunde diferenei (z
j
-c
j)

minime.
n momentul n care toate diferenele sunt pozitive (z
j
-c
j
0) rezult c nu mai exist
activiti eficiente i prin urmare soluia de baz analizat este optim.
n cazul problemelor de minim, indicatorii z
j
se pot interpreta ca venituri, exprimate n
preurile umbr ale restriciilor, ce se obin prin realizarea unei uniti din produsul j.
Prin urmare, dac exist diferene pozitive (z
j
-c
j
> 0), activitile a
j
corespunztoare
sunt eficiente, deoarece se realizeaz un venit unitar mai mare dect costul unitar de fabricaie
(z
j
> c
j
).
De aceea, va intra n baz activitatea a
k
, corespunztoare diferenei maxime, iar soluia
de baz se consider optim atunci cnd toate diferenele (z
j
-c
j
) sunt nepozitive .

Exemplul 2.11
O firm fabric trei tipuri de produse P
1
, P
2
, P
3
, utiliznd patru tipuri de resurse R
1
, R
2,

R
3,
R
4
.
Procesul tehnologic de realizare a celor trei produse, timpul disponibil al fiecrei
resurse, cererea minim i maxim din fiecare produs conform studiului de marketing, precum
i profitul unitar sunt date n tabelul 2.5.

Tabelul 2.5
Cerere Timp de prelucrare pe unitatea de
produs
Produs
min max R
1
SN 400
R
2
FU32
R
3

RU320
R
4

Banc de
control
Profitul
unitar
um/buc
P
1
20 200 0.10 0.06 0.18 0.13 10
P
2
0 100 0.12 0.05 0 0.10 12
P
3
70 180 0.15 0.09 0.07 0.08 15
Timp disponibil pe resurs 36 30 37 38 -

S se determine programul de producie astfel nct s se asigure satisfacerea cererii cu
un profit total maxim.

Not m cu x
1
, x
2
x
3
variabilele de decizie ce reprezint cantitile din produsele P
1
, P
2

respectiv P
3
ce trebuie fabricate astfel nct s se ating obiectivul propus.
Modelul matematic liniar al problemei cuprinde restriciile problemei, ce provin din
limitarea disponibilitii resurselor i a cererii produselor pe pia, funcia obiectiv ce
maximizeaz profitul total i condiiile de nenegativitate care sunt evidente din punct de
vedere economic.

Modelul matematic al problemei este urmtorul:

51

+ +
+
+ +
+ +
+ + =
0 x x x
180 x 70
100 x 0
200 x 20
38 x 08 0 x 1 0 x 13 0
37 x 07 0 x 18 0
30 x 09 0 x 05 0 x 06 0
36 x 15 0 x 12 0 x 1 0
x 15 x 12 x 10 f
3 2 1
3
2
1
3 2 1
2 1
3 2 1
3 2 1
3 2 1
, ,
. . .
. .
. . .
. . .
) max(

Programul de producie este dat de variabilele de decizie i este urmtorul:

=
=
=
=
m u 600 3 O F
70 x
100 x
135 x
3
2
1
. . . .

Din produsul P
1
se produc 135 uniti, din produsul P
2
se produc 100 uniti, din
produsul P
3
se produc 70 uniti. n aceste condiii valoarea funciei obiectiv este de 3.600
uniti monetare.
Variabilele de compensare (ecart) arat utilizarea resurselor astfel:
100 Y 0 x
1 4
= = , - pre umbr
36 36 70 15 0 100 12 0 135 1 0 = = + + . . .
Prima restricie este satisfcut cu semnul = ceea ce nseamn c resursa R
1
este
utilizat n totalitate, deci R
2
este o resurs rar resurs a crei lips / indisponibil ar limita
sau modifica.
n acelai timp dac n prima restricie mrim timpul disponibil cu o unitate (din 36u.t.
la 37u.t.), valoarea F.O. se modific n sens pozitiv tocmai cu valoarea preului umbr, deci
profitul va fi de 3.700 u.m.
0 Y 6 10 x
2 5
= = . - pre umbr
30 4 19 70 09 0 100 05 0 135 06 0 < = + + . . . . cu 10.6 u.t.
A doua restricie este satisfcut cu semnul <, deci din resursa R
2
rmne un timp
disponibil de 10.6 u.t. care nu este utilizat n procesul de producie, astfel resursa R
2
nu este o
resurs rar ns lipsa ei poate limita producia, preul ei umbr fiind nul.
0 Y 7 5 x
3 6
= = . - pre umbr
37 3 31 100 07 0 135 18 0 < = + . . . cu 5.7 u.t.
A treia restricie este satisfcut cu semnul <, deci din resursa R
3
rmne un timp
3
nu este o
0 Y 85 4 x
4 7
= = . - pre umbr
38 15 33 70 08 0 100 1 0 135 13 0 < = + + . . . . cu 4.85 u.t.
A patra restricie este satisfcut cu semnul <, deci din resursa R
4
rmne un timp
4
nu este o
0 Y 65 x
5 8
= = - pre umbr
200 135 135 1 < = cu 65 uniti de produs P
1
.
Programare liniar
52
Restricia cinci este satisfcut cu semnul <, deci din produsul P
1
rmn nevndute o
cantitate de 65 uniti de produs (u.p), astfel P
1
nu este o resurs rar deci are preul umbr
nul.
0 Y 115 x
6 9
= = - pre umbr
20 135 135 1 > = cu 115 uniti de produs P
1
.
Restricia ase este satisfcut cu semnul >, deci produsul P
1
are o cerere maxim de
115 u.p., astfel P
1
nu este o resurs rar deci are preul umbr nul.
0 Y 0 x
7 10
= = - pre umbr
100 100 100 1 = =
Restricia apte este satisfcut cu semnul = ceea ce arat c produsul P
2
este vndut
n totalitate deci este o resursa rar, deci preul umbr ar trebui s fie nenul. El totui este
nul, lucru uor de explicat din teorema ecarturilor complementare: condiia necesar i
suficient ca dou soluii admisibile X,Y s fie soluii optime respectiv la problema primal i
dual este s fie simultan satisfcute relaiile:
=
=
0 X C A Y
0 AX P Y
T
0
T
) (
) (

Pentru ca un produs s fie zero este necesar ca un termen sa fie zero sau ambii egali cu
zero. Prin creterea cu o unitate a restriciei n loc de 100 s avem 101 valoarea funciei
obiectiv rmne aceeai F.O.=3.600u.m.
0 Y 110 x
8 11
= = - pre umbr
180 70 70 1 < = cu 110 uniti de produs P
3

Restricia opt este satisfcut cu semnul <, deci din produsul P
3
rmn nevndute o
cantitate de 110 uniti de produs (u.p), astfel P
3
nu este o resurs rar deci are preul umbr
nul.
0 Y 0 x
9 12
= = - pre umbr
70 70 70 1 = =
Restricia apte este satisfcut cu semnul = ceea ce arat c produsul P
3
este vndut
n totalitate i cererea maxim este corect deci este o resursa rar, deci preul umbr ar
trebui s fie nenul.
El totui este nul, lucru uor de explicat din teorema ecarturilor complementare. Prin
creterea cu o unitate a restriciei n loc de 70 s avem 71 valoarea funciei obiectiv rmne
aceeai F.O.=3.600u.m.

n concluzie acelai plan de producie se putea face, cu acelai profit i dac restriciile
problemei erau urmtoarele:

+ +
+
+ +
+ +
+ + =
0 x x x
70 x 65
100 x 0
135 x 115
15 33 x 08 0 x 1 0 x 13 0
3 31 x 07 0 x 18 0
4 19 x 09 0 x 05 0 x 06 0
36 x 15 0 x 12 0 x 1 0
x 15 x 12 x 10 f
3 2 1
3
2
1
3 2 1
2 1
3 2 1
3 2 1
3 2 1
, ,
. . . .
. . .
. . . .
. . .
) max(

53
CAPITOLUL 3
PROGRAMAREA LINIAR DE TIP TRANSPORT

3.1. Formularea unei probleme de transport

Se consider c un produs este disponibil n m centre productoare (fabrici, depozite)
notate cu
i
P (i = 1,m ). Acest produs trebuie transportat la n centre consumatoare (de
desfacere, destinatari), notai cu ( ) m j C
j
, 1 = .
Transportul se poate efectua de la orice
i
P la orice ( ) m 1 j C
j
, = , iar costul unitar
de transport este
j i
c . Acest cost depinde de distantele respective, de mijloacele de transport
folosite i altele, ceea ce se presupune cunoscut.
Se cunosc de asemenea i cantitile disponibile, aflate n cele m centre productoare,
notate cu
i
a cu ( ) m i , 1 = i cantitile necesare n cele n centre consumatoare, notate
j
b cu
( ) n j , 1 = .
Se noteaz cu
j i
x , cantitatea transportat n condiiile de mai sus iar datele problemei
de transport sunt sintetizate conform tabelului 3.1 ce este prezentat mai jos:

Tabelul 3.1
n j 2 1 j
m mn mj 2 m 1 m m
i in ij 2 i 1 i i
2 n 2 j 2 22 21 2
1 n 1 j 1 12 11 1
i n j 2 1
j
i
b b b b b
a c c c c P
a c c c c P
a c c c c P
a c c c c P
a C C C C
C
P

Caracteristicile unei probleme de transport clasice sunt:

- fiecare centru productor aprovizioneaz cel puin un centru consumator i fiecare centru
consumator este aprovizionat de la cel puin un centru productor;
- pot exista perechi productor - consumator ntre care nu se poate face transfer;
- nu exist limitri n ceea ce privete cantitatea transportat pe fiecare rut;
- fiecrei rute i s-a asociat un cost care nu depinde de sensul de parcurgere.
Obiectivul problemei de transport este gsirea cantitilor care trebuie transportate pe
fiecare rut astfel nct s se asigure necesarul fiecrui centru consumator, n limitele
cantitilor aflate n centru productor, i aceasta cu costuri minime.

Teorema 3.1 : O problem de transport echilibrat admite ntotdeauna programe (soluii);
orice program este mrginit dac valorile sale
i
a ,
j
b sunt mrginite (finite ).
Numim model matematic echilibrat, dac cantitatea disponibila total este egal cu
cererea total.
Modelul matematic de mai sus se poate nlocui cu un model echivalent n care toate
restriciile sunt ecuaii.

In forma sa matematic modelul problemei de transport se poate scrie ca n relaia 3.1.
Programare liniar de tip transport
54

>

'
=
=
=
=
=
,
1
1
1
1
_______
1
1
_____
1
1
1
0 , 0 ,
1 , 1 ,
, 1 ,
min
m
i
j i
n
j
j i
m
i
j j i
n
j
i j i
m
i
n
j
j i j i
b a b a
n j b x
m i a x
x c
(3.1)

Astfel n urma acestor transformri se va obine urmtorul model matematic echilibrat (3.2):

=
=
'
=
=
=
0
1 , 1 ,
, 1 ,
min
1
_______
1
1
_____
1
1
1
j i
m
i
j j i
n
j
i j i
m
i
n
j
j i j i
x
n j b x
m i a x
x c
(3.2)

Orice problem poate fi transformat ntr-o problem de tipul (3.2). Acest caz este
foarte rar n practic, ns el este cel mai simplu din punct de vedere matematic i astfel va fi
ales pentru formalizarea problemei.
O astfel de problem se numete problem de transport echilibrat.
In practic pot exista urmtoarele cazuri:
- Dac <
= =
n
1 j
j
m
1 i
i
b a , se poate aduga un depozit fictiv
1 m
P
+
care are un disponibil
1 + m
a , astfel nct costurile de transport de la depozitul
1 m
P
+
la centrele
j
C sunt
nule.
- Daca >
= =
n
1 j
j
m
1 i
i
b a , se poate aduga un centru fictiv
1 + n
C ce necesita
1 + n
b uniti,
astfel nct costurile s fie nule.
Numrul total de restricii este de m+n i sunt o combinaie liniar de celelalte, deci
numrul celor independente este de m+n-1.
Orice problema de transport admite soluii admisibile, adic sistemul de ecuaii este
compatibil. O astfel de problema are soluia urmtoare :

=
=
n
i
i
j i
j i
a
b a
x
1
(3.3)

Aplicarea algoritmului simplex este dificil n acest caz datorit numrului foarte mare
de necunoscute i a determinrii soluie admisibile de baz.

ntr-o problem de transport nu poate aprea dect varianta de optim finit, existnd
ntotdeauna soluii admisibile, iar minimul nu este posibil, innd cont c avem de
minimizat o funcie liniar cu toi coeficienii pozitivi pe o mulime de soluii cu toate
componentele pozitive.
55
Algoritmul specific problemelor de transport au urmtoarele etape:
1. Se determin o soluie admisibila de baza de pornire X, prin folosirea uneia din
urmtoarele metode : coltului N-V, metoda costului minimal, metoda costului minim pe
linie, metoda costului minim pe coloan.
2. Determinarea soluiei optime pornind de la soluia X.

3.2. Exemple de probleme de tip transport

Probleme de transport cu capaciti limitate

Se consider o problem de tip transport n care exist limitri ale capacitilor de
transport pe anumite rute. Se noteaz cu 0
ij
> capacitatea maxim ce poate fi transportat
pe ruta de la centru productor i la centrul consumator j.
Modelul matematic al acestei probleme, cu pstrarea semnificaiilor notaiilor
cunoscute, este urmtoarea:

= =
= =
= =

=
=
= =
n 1 j m 1 i x 0
n 1 j b x
m 1 i a x
x c
ij ij
m
1 i
j ij
n
1 j
i ij
m
1 i
n
1 j
ij ij
, , , ,
, ,
, ,
) min(
(3.4)

Condiiile necesare i suficiente de existena a soluiilor pentru problema (3.4) sunt:

=
=
=

=
=
= =
n
j
j ij
n
j
i ij
m
i
n
j
j i
n j b
m i a
b a
1
1
1 1
, 1 ,
, 1 ,
(3.5)

Acestei probleme i se poate asocia un tabel de forma celui de la problema de transport,
n care se specific i capacitile maxime de transport n j m i
ij
, 1 , , 1 , = = .

Tabelul 3.2
P
i
C
j
C
l C
j
... ... C
n
a
i
P
1
c
1l
1l
x
1l
c
1j
1j
x
1j
c
1n
1n
x
1n
a
l
...
... ... ... ... ... ... ...
P
i
c
il
il
x
il
c
ij
ij
x
ij
c
in
in
x
in
a
i
...
... ... ... ... ... ... ...
P
m
c
ml
ml
x
ml
c
mj
mj
x
mj
c
mn
mn
x
mn
a
m
...
b
j
b
l
b
j
b
n
...
...
... ...
/

56

Probleme de transport cu centre intermediare

n practica industrial exist cazuri n care transportul direct de la un centru productor
la un centru consumator nu este economic.
Ca urmare, el poate trece prin mai multe centre intermediare, de tranzit, o astfel de
problem numindu-se problem de transport cu centre intermediare sau problem de
transfer.
Se consider p centre intermediare i se noteaz cu p k
k
, 1 , = , capacitile acestora.
Modelul matematic al acestei probleme are forma:

= = =
= =
= =
= =
= =
+
=
=
=
=
= = = =
n 1 j p 1 k m 1 i 0 x x
n 1 j b x
p 1 k x
p 1 k x
m 1 i a x
x c x c
kj ik
n
1 k
j kj
n
1 j
k kj
k
m
1 i
ik
i
p
1 k
ik
p
1 k
n
1 j
kj kj
m
1 i
p
1 k
ik ik
, , , , , , ,
, ,
, ,
, ,
, ,
) min(
' ' '
' '
' '
'
'
' ' ' ' ' '
(3.6)

unde:
'
ik
x - reprezint cantitatea ce urmeaz a fi transportat de la centrul productor i la centrul
intermediar k ;
'
ik
c - costul unitar de transport dintre centrele i i k ;
' '
kj
x - cantitatea ce urmeaz a fi transportat de la centrul k la centrul consumator j ;
' '
kj
c - costul unitar de transport dintre centrele k i j.
Condiia necesar i suficient de existen a soluiilor pentru problema (3.6) este:

= = =
= =
n
j
j
p
k
k
m
i
i
b a
1 1 1
(3.7)

Avnd n vedere faptul c fiecare intermediar este att centru destinaie ct i centru
surs, se pot considera urmtoarele dou probleme de transport:

= =
= =
= =

=
=
= =
p 1 k m 1 i 0 x
p 1 k x
m 1 i a x
x c
ik
k
m
1 i
ik
i
p
1 k
ik
m
1 i
p
1 k
ik ik
, , , ,
, ,
, ,
) min(
'
'
'
' '
(3.8)

57
i

= =
= =
= =

=
=
= =
n 1 j p 1 k 0 x
n 1 j b x
p 1 k x
x c
kj
j
p
1 k
kj
k
n
1 j
kj
p
1 k
n
1 j
kj kj
, , , ,
, ,
, ,
) min(
' '
' '
' '
' ' ' '
(3.9)

Se poate arta c ( )
'
ik x i ( )
' '
kj x reprezint o soluie optim a problemei de transport cu
centre intermediare (3.6) dac i numai dac ( )
'
ik x este o soluie optim a problemei de
transport (3.8), iar ( )
' '
kj x este o soluie a problemei de transport (3.9).
n consecin, rezolvarea problemei (3.6) este echivalent cu rezolvarea celor dou
probleme (3.8) i (3.9).

Probleme de repartiie

ntr-un atelier mecanic exist m utilaje, care au disponibilul de timp m i a
i
, 1 , = .
Pe acestea se vor prelucra n tipuri de piese, n cantitile n i b
j
, 1 , = .
Se cunosc randamentul orar,
ij
r , i cheltuielile de producie,
ij
c , la utilajul i ale piesei
j. Se pune problema de a determina o repartiie a sarcinilor, respectiv a timpului n care
utilajul i prelucreaz piesele de tip j astfel nct cheltuielile totale de producie sa fie minime.
Se noteaz cu
ij
x numrul de ore n care utilajul i prelucreaz piesele de tip j.
Modelul matematic al problemei este de forma (3.10):

= =
= =
=

=
=
= =
n 1 j m 1 i 0 x
n 1 j b x r
m 1 i a x
x c
ij
m
1 i
j ij ij
i
n
1 j
ij
m
1 i
n
1 j
ij ij
, , , ,
, ,
, ,
) min(
(3.10)

3.3. Determinarea unei soluii de baza iniiale a problemei de transport.

Soluia admisibile de baza iniiale, care are cel mult (m+n-1) componente nenule, este
o soluie nedegenerat. Dac numrul soluiilor este mai mic dect (m+n-1) soluia este
degenerat.

Metoda colului Nord-Vest (NV)

Aceast metod se mai numete Metoda diagonalei principale sau Metoda lui
Dantzing.
Metod nu ine cont de costurile de transport c
ij
i numai de cantitile disponibile n
centrele productoare i cererea centrelor consumatoare.
58

Etapele metodei:

Se alege ( )
1 1 11
b a x min = ( (1,1) fiind colul stnga sus NV). Sunt posibile urmtoarele
cazuri:
1)
1 1 1
a b a = ) , min(
1 11
a x = , iar n 1 j 0 x
j 1
, , = = . Necesarul centrului C
1
devine
1 1
a b .
2)
1 1 1
b b a = ) , min(
1 11
b x = , iar m 1 i 0 x
1 i
, , = = . Disponibilul centrului P
1
devine
1 1
b a .
3)
1 1
b a =
1 1 11
b a x = = , iar n 1 j 0 x
j 1
, , = = i m 1 i 0 x
1 i
, , = = .

Se elimin de sus n jos sau de la stnga la dreapta prima linie respectiv prima coloan din
tabel. Urmtoarele componente strict pozitive ale soluiei de baz iniiale se determin n mod
analog, considernd colul NV rmas dup eliminarea anterioar.

Exemplul 3.1 :
Pentru problema de transport ale crei date sunt centralizate n tabelul 3.3 s se
determine soluia de baz iniial utiliznd metoda lui Dantzing.

Tabelul 3.3
30 7 9 9 5
8 2 1 3 6
11 9 5 4 2
11 3 5 8 7
3
2
1
4 3 2 1
P
P
P
Q Q Q Q

Notm cu
ij
x cantitile ce urmeaz a fi transportate n condiiile indicate n tabelul iniial.
Pasul 1 Problema dat poate fi scris ca n tabelul 3.4.
1 1 1
b b a = ) , min( 5 5 11 x
11
= = ) , min( , iar m 1 i 0 x
1 i
, , = = i 6 5 11 b a a
1 1 1
= = =
'

(tab.3.5)

7 9 9 5
8 x x x x
11 x x x x
11 x x x x
34 33 32 31
24 23 22 21
14 13 12 11

7 9 9 0
8 x x x 0
11 x x x 0
6 x x x 5
34 33 32
24 23 22
14 13 12

tabelul 3.4 tabelul 3.5

Pasul 2 Calculm:
1 2 1
a b a = ) , min( 6 9 6 x
12
= = ) , min( , iar m 1 i 0 x
j 1
, , = = i
3 6 9 a b b
1 2 2
= = =
'
(tab.3.6)
Pasul 3 Calculm:
2 2 2
b b a = ) , min( 3 3 11 x
22
= = ) , min( , iar m 1 i 0 x
2 i
, , = = i
8 3 11 b a a
2 2 2
= = =
'
(tab.3.7)

7 9 3 0
8 x x x 0
11 x x x 0
0 0 0 6 5
34 33 32
24 23 22

7 9 0 0
8 x x 0 0
8 x x 3 0
0 0 0 6 5
34 33
24 23

59
Pasul 4 Calculm:
2 3 2
a b a = ) , min( 8 9 8 x
23
= = ) , min( , iar m 1 i 0 x
j 2
, , = = i
1 8 9 a b b
2 3 2
= = =
' '
(tab.3.8)
Pasul 3 Calculm:
3 3 3
b b a = ) , min( 1 1 8 x
33
= = ) , min( , iar m 1 i 0 x
3 i
, , = = i
7 1 8 b a a
3 3 3
= = =
'
(tab.3.9)

7 1 0 0
8 x x 0 0
0 0 8 3 0
0 0 0 6 5
34 33

0 0 0 0
0 7 1 0 0
0 0 8 3 0
0 0 0 6 5


Soluia admisibila de baza X este data de tabelul 3.9 .
Dac notm cu V(X) valoarea funciei de optimizat a problemei date, pentru soluia
admisibil X, avem:
V(X) = 7*6 + 8*6 + 3*4 + 8*5 + 1*1 + 7*2 =150

Metoda costului minimal

Metod ine cont att de costurile de transport c
ij
ct i de cantitile disponibile n
centrele productoare i cererea centrelor consumatoare.

Se alege ( )
ij lk
c c min = . Se determin ) , min(
k l
lk b a x = Sunt posibile urmtoarele cazuri:
1)
l k l
a b a = ) , min(
l
lk a x = , iar n 1 j 0 x
lj
, , = = . Necesarul centrului C
j
devine
l k
a b .
2)
k k l
b b a = ) , min(
k
lk b x = , iar m 1 i 0 x
ik
, , = = . Disponibilul centrului P
i
devine
k l
b a .
3)
k l
b a =
k l
lk b a x = = , iar n 1 j 0 x
lj
, , = = i m 1 i 0 x
ik
, , = = .

Se elimin de sus n jos sau de la stnga la dreapta linia respectiv coloan din tabel.
Se determin n mod analog, considernd variabila de cost minim din subtabelul rmas dup
eliminarea anterioar.
Dac sunt mai multe costuri minime egale, atunci se ia n considerare mai nti variabile care
ia valoare maxim.

3.4. Metoda de determinare a soluiei optime pentru probleme de transport.
Metoda potenialelor.

Generaliti
Rezolvarea problemei de transport prin metoda simplex este, n general, puin
eficient. Cteva dintre motive sunt urmtoarele:
- numrul mare de variabile, egal cu m, n
- absena unei baze iniiale. Varianta de rezolvare prin considerarea unor variabile
auxiliare pentru fiecare linie i coloan i aplicarea metodei celor dou faze este
laborioas;
- apariia frecvent a cazurilor de degenerare datorit numrului mare de elemente
ale matricei coeficienilor A egale cu 0 i 1 .
Metoda potenialelor reprezint o metod special de testare i mbuntire a soluiei unei
probleme de transport.
60
Procesul de mbuntire a unei soluii const n a trece de la o soluie la o alta mai
bun. Pentru aceasta se recurge la problema dual a problemei de transport i anume :

=
=
= = +
'
+

= =
n j arbitrar v
m i arbitrar u
n j m i c v u
v b u a
j
i
ij j i
m
i
n
j
j j i i
, 1 ,
, 1 ,
, 1 , , 1 ,
max
1 1
(3.11)

Conform teoremei ecarturilor complementare aplicat cuplului de probleme duale,
rezult c soluia de baz
ij x a problemei primale i soluia ) , ( j i v u a problemei duale sunt
optime dac i numai dac satisfac condiiile:

n j m i x v u c
ij j i
ij
, 1 , , 1 , 0 ) ( = = = ) (3.12)

Pentru ca relaia de mai sus s fie satisfcut este suficient ca ) , ( j i v u s fie soluii ale
sistemului

J j i c v u
ij j i
= + ) , ( , (3.13)

n care s-a notat mulimea de indici
ij
x j i J ) , {( = este variabila de baz }.
Propoziia 3.1 Sistemul de ecuaii are o infinitate de soluii. Dac ) , (
0
j
0
i
v u este o soluie
particular i k o constant oarecare, atunci orice soluie a sistemului este de forma:

= =
= + =
n 1 j k v v
m 1 i k u u
0
j
j
0
i
i
, ,
, ,
(3.14)
Pentru rezolvarea sistemului se poate fixa arbitrar una dintre necunoscute, fr a
influena optimalitatea soluie problemei de transport; de obicei se alege 0 =
i
u .
Observaie. Rezolvarea sistemului se poate efectua direct pe tabelul de rezolvare al
problemei. Valorile variabilelor
i
u i
j
v se nscriu la marginile tabelului ; din acest motiv ele
se mai numesc i valori marginale .
Algoritmul metodei potenialelor

Pasul 1. Se determin o soluie de baz iniial ) ( ij x .

Pasul 2. Se calculeaz valorile variabilelor duale
i
u i
j
v ca soluii ale sistemului de ecuaii
J j i c v u
ij j i
= + ) , ( ,

Pasul 3. Se calculeaz valorile
J j i c v u
ij j i ij
+ = ) , ( ,
Dac J j i
ij
) , ( , 0 , atunci STOP: soluia ) ( ij x este optim; n caz contrar se trece la
pasul 4

61
Pasul 4. Se calculeaz cu criteriu de intrare n baz } ) , ( max{ J j i
ij ij
=
Variabila
lk
x ce va intra n baz .
Se construiete pentru csua (l, k) un ciclu care pornete din csua (l, k), care trece
numai prin csue (i, j) ocupate cu valori 0 xij > , cu treceri alternative pe linii i coloane, i
care revine la csua (l, k).
Se adopt un sens oarecare de parcurgere al acestui ciclu i se numeroteaz csuele
sale ncepnd cu csua (l, k).

Pasul 5. Se calculeaz criteriul de ieire din baz ) , ( min{ j i x x ij st = = este csu de rang
par n ciclu }i se determin variabila
st
x va iei din baz.

Pasul 6. Se determin o nou soluie de baz admisibil ( )
ij
x
~
cu ajutorul formulelor de
schimbare a bazei

=
ciclului apartine nu j i x
ciclu in impar rang are j i x
ciclu in par rang are j i x
x
ij
ij
ij
ij
) , ( ,
) , ( ,
) , ( ,
~

Se revine la pasul 2 cu noua soluie de baz obinut.

Observaii :
1) Soluia iniial de baz obinut la pasul 1 al algoritmului depinde de metoda folosit
pentru determinarea ei. Aceasta nu influeneaz, soluia optim a problemei, ci
eventual numrul de iteraii pentru obinerea soluiei optime.

2) Alegerea sensului de parcurgere al ciclului n cadrul pasului 4 al algoritmului este
arbitrar.

3) Tabelele ce se vor construi la aplicarea algoritmului vor fi formate din csue (i, j) ce
pot avea una din configuraiile

Prima indic o csu corespunztoare unei valori de baz ( 0 x
ij
> ), iar cea de-a doua
o csu corespunztoare unei valori nebazice ( 0 x
ij
= ) , pentru care se calculeaz valoarea
.
ij

Simbolurile + sau apar dac csua face parte din ciclul construit la pasul 4 al
algoritmului. Simbolul + indic o csu de rang impar , iar simbolul indic o csu de rang
par.

Exemplul 3.2
Fie date trei fabrici productoare (P
1
, P
2
, P
3
) ale aceluiai produs, care trebuie s
aprovizioneze cu acest produs patru consumatori (C
1
, C
2
, C
3
, C
4
). n tabelul 3.10 sunt date
cantitile disponibile n centrele productoare (a
i
), cantitile necesare n centrele
consumatoare (b
j
) i costurile pe unitatea de transport.
S se determine planul optim de transport n condiiile costurilor minime.
c
ij

+(-) x
ij

c
ij
ij
x
ij
=0
62

Tabelul 3.10
P
i
/ C
j
C
1
C
2
C
3
C
4
a
i
P
1
8 7 3 6 19
P
2
4 6 7 3 20
P
3
3 4 2 5 16
b
j
15 12 14 14 55
Problema de transport este echilibrat deoarece

= =
= =
4
1
3
1
55
j
j
i
i
b a , iar pentru
rezolvarea ei se va aplica metoda potenialelor si pentru determinarea soluiei de baz se va
aplica metoda costului minim din tabel.

Iteraia 1.
Pasul 1. Prin metoda costului minimal se determin soluia de baz iniial iar calculele sunt
prezentate n tabelul 3.11:
Tabelul 3.11
7 12 0 0 19 12
6 0 0 14 20 6 0
2 0 14 0 16 2 0
15 12 14 14
13 0 0
7
0

Se obine urmtoarea soluie de baz iniial :
. 14 , 2 , 14 , 6 , 12 , 7
33 31 24 21 12 11
= = = = = = x x x x x x
Valoarea funciei obiectiv corespunztoare acestei soluii iniiale este :
240 14 2 14 3 6 4 12 7 7 8 = + + + + = z .
Soluia de baz iniial este nscris n tabelul 3.12 alturi de costurile unitare de
transport date iniial:
Tabelul 3.12
8 7 3 6
7 12 0 0
4 6 7 3
6 0 0 14
3 4 2 5
2 0 14 0

Pasul2. Se rezolv sistemul:
)}, 3 , 3 ( ), 1 , 3 ( ), 4 , 2 ( ), 1 , 2 ( ), 2 , 1 ( ), 1 , 1 {( , ) , ( , = = + J unde J j i c v u
ij j i
pornind de la 0
1
= u
Tabelul 3.13
v1=8 v2=7 v3=7 v4=7
u1=0 8 7 3 4 6 1
7 12 0 0
u2=-4 4 6 -3 7 -4 3
6 0 0 14
u3=-5 3 4 -2 2 5 -3
2 0 14 0

Pasul 3. Valorile J j i c v u
ij j i ij
+ = ) , ( , sunt scrise n tabelul 3.13.
Deoarece J j i
ij
) , ( , 0 rezult c soluia nu este optim.

63
Pasul 4. Se calculeaz ( )( ) { } = = = 4 , / max
13
J j i
ij lk
variabila x
13
va intra n baz
Se construiete ciclul : (1,3), (1,1), (3,1), (3,3), (1,3) care este indicat n tabelul 3.13.
Pasul 5. Se determin
( ) { } = = = = = 7 } 14 , 7 min{ , / min
11
x par ordin de casuta este j i x x
ij st
variabila x
11
va
iei din baz.
Pasul 6. Se modific valorile csuelor din ciclul de mai sus:
7 7 14 , 9 7 2 , 0 7 7 , 7 7 0
33 31 11 13
= = = + = = = = + = x x x x .
Noua soluie de baz admisibil este nscris in tabelul 3.14

Tabelul 3.14
v1=4 v2=7 v3=3 v4=3
u1=0 8 -4 7 3 6 -3
7 12 7 0
u2=0 4 6 1 7 -4 3
6 0 0 14
u3=-1 3 4 2 2 5 -3
9 0 7 0

Valoarea funciei obiectiv devine : 212 7 2 9 3 14 3 6 4 7 3 12 7 = + + + + + = z
Iteraia a 2
Pasul 2. Se rezolv )}, 3 , 3 ( ), 1 , 3 ( ), 4 , 2 ( ), 1 , 2 ( ), 3 , 1 ( ), 2 , 1 {( , ) , ( , = = + J unde J j i c v u
ij j i
iar
soluia este indicat n tabelul 3.14.
Pasul 3. Se calculeaz valorile J j i c v u
ij j i ij
+ = ) , ( ,
Deoarece J j i
ij
) , ( , 0 , soluia nu este optim (tab.3.14).
Pasul 4. = = 2
23

lk
variabila x
32
va intra n baz .
Se construiete ciclul
(3,2), (3,3), (1,3), (1,2), (3,2) (tab.3.14)
Pasul 5 .
33
33
7 } 12 , 7 min{ x x = = = va iei din baz .
Pasul 6. Se modific valorile csuelor din ciclul de mai sus :
5 7 12 , 14 7 7 , 0 7 7 , 7 7 0
12 13 33 32
= = = + = = = = + = x x x x (tab.3.15)
Valoarea funciei obiectiv devine : 198 7 4 9 3 14 3 6 4 14 3 5 7 = + + + + + = z

Iteraia 3 .
Rezultatele sunt consemnate n tabelul 3.15, deoarece J j i
ij
< ) , ( , 0 rezult c
soluia este optim .

Tabelul 3.15
v1=6 v2=7 v3=3 v4=5
u1=0 8 -2 7 3 6 -1
0 5 14 0
u2=-2 4 6 -1 7 -6 3
6 0 0 14
u3=-3 3 4 2 -2 5 -3
9 7 0 0

S-a obinut soluia optim a problemei de transport :
. 7 , 9 , 14 , 14 , 5
32
*
31
*
24
*
13
*
12
*
= = = = = x x x x x
Creia i corespunde costul total al transportului minim z
*
=198
Elemente de teoria grafurilor
64
CAPITOLUL 4
ELEMENTE DE TEORIA GRAFURILOR

4.1. Fundamente n teoria grafurilor

Teoria grafurilor s-a constituit ca un capitol de sine stttor n cadrul cercetrilor
operaionale, datorit multiplelor avantaje pe care le ofer activitii de planificare i analiza
tehnico - economic.
Cu ajutorul grafurilor se surprind i se analizeaz n detaliu legturile dintre
componentele sistemului tehnico - economic, iar elaborarea modelului este mult mai uoar.

4.1.1. Noiunea de graf

Prin definiie un graf este o pereche (X,U ) unde mulimea X este numit mulimea
nodurilor (sau vrfurilor) iar mulimea U este mulimea muchiilor.

Notaii utilizate :

X = mulime finit i diferit de mulimea vid de orice natur.
X = x
1
, x
2
, ..x
n
- unde x
i
= elemente numite vrfuri sau noduri
X poate fi infinit, dar numrabil.

U = submulime nevid a produsului cartezian X x X
U= ( x
i
,x
j
) / ( x
i
,x
j
) ( x
j
, x
i
) - unde ( x
i ,
x
j
) = pereche ordonat de vrfuri numit arc.
Arcul u este orientat de la nodul x
i
, numit extremitatea iniial, la nodul x
j
, numit extremitatea
final.
A ( x
j ,
x
j
) se numete bucl.
G =( X ,U) = graf orientat (digraf)

U = mulime de de arce neorientate care reprezint perechi ordonate de vrfuri din X
U = ( x
i
,x
j
) / ( x
i
,x
j
)=( x
j
, x
i
) - ( x
i
,x
j
) este un arc neorientat numit muchie
G =( X , U ) = graf neorientat
In practic un graf neorientat se poate nlocui cu un graf orientat astfel: fiecarei muchii
( x
i
,x
j
) U i corespund dou arce de semne contrare (x
1
, x
2
) i (x
2
, x
1
).
In cazul n care se asociaz arcelor grafului o valoare sau o funcie valoare v : U R
sau v : U R unde v( x
i
,x
j
) R funcia valoare ataat arcelor.
G ( X, U, v ) = se numete graf valuat ( evaluat, ponderat )

4.1.2. Orientare i neorientare n graf

Cazul grafurilor orientate

Prin urmtorul exemplu vom pune n eviden un graf orientat:
n practica industrial pentru realizarea unei lucrri de investiii sunt necesare o serie
de activiti distincte: alegerea amplasamentului, ntocmirea proiectului, avizarea acestuia,
aprobarea lui, contractarea utilajelor tehnologice, organizarea antierului .a. Aceste activiti
sunt condiionate ntre ele i execuia fiecrei activiti nu poate fi nceput nainte de
terminarea altor activiti. Exist i activiti care se execut n paralel. Pentru realizarea
modelului de graf corespunztor proiectului de investiii se stabilesc condiionrile ntre
activiti. Nodul reprezint momentul n care se termin o activitate i ncepe o alta.
65
Activitile proiectului sunt reprezentate prin muchii (arce) n graf. Orice activitate trebuie
executat pn la capt ca s poat ncepe o alta pe care ea o condiioneaz. Asemenea grafuri
sunt orientate
Dac un graf orientat ( ) U X G , = are n X = i m U = atunci graful G este un - graf
orientat, iar numrul n reprezint ordinul grafului G, iar m dimensiunea grafului G.
Dou arce avnd aceleai extremiti sunt paralele.
Un graf orientat care nu are nici bucle nici arce paralele este un graf simplu.

Reprezentarea geometric a unui graf orientat

Un graf orientat ( ) U X G , = se reprezint geometric printr-o figur n plan n care
nodurile X x
i
se vizualizeaz prin puncte n plan ncadrate n cercuri, iar arcele
( ) U x x u
j i
= , prin linii drepte sau curbate care unesc nodurile x
i
i x
j
i pe care se afl o
sgeat cu sensul de la x
i
la x
j

Exemplul 4.1. Fie { }
6 5 4 3 2 1
, , , , , x x x x x x X = i { }
10 9 8 7 6 5 4 3 2 1
, , , , , , , , , u u u u u u u u u u U =
unde ( )
2 1 1
, x x u = , ( )
3 1 2
, x x u = , ( )
3 2 3
, x x u = , ( )
4 2 4
, x x u = , ( )
4 3 5
, x x u = , ( )
5 3 6
, x x u = ,
( )
4 5 7
, x x u = , ( )
6 4 8
, x x u = , ( )
6 5 9
, x x u = , ( )
4 4 10
, x x u = . Arcul ( )
4 4 10
, x x u = este o bucl.
Reprezentarea geometric a grafului ( ) U X G , = este cea din fig 4.1.
x
1
x
2
x
3
x
4
x
5
x
6
u
1
u
2
u
3
u
4
u
5
u
6
u
7
u
8
u
9
u
10

Fig. 4.1

Gradul unui nod.

Fie ( ) U X G , = un graf orientat.
Un vrf x
i
are urmtoarele caracteristici:
- gradul de intrare ( )
i
x d
ca fiind numrul de arce U u de forma ( )

i j
x x u , = care au
extremitatea final n x
i
.
- gradul de ieire ( )
i
x d
+
ca fiind numrul de arce U u de forma ( )
j i
x x u , = care au
extremitatea iniial n x
i
.
Dac n X = i m U = avem relaia:

( ) ( ) m x d x d
n
i
i
n
i
i
=
+
=
= =
1 1
(4.1)

Pentru graful din fig. 4.1 avem ( ) 0
1
=
x d , ( ) 2
1
=
+
x d , ( ) 1
2
=
x d , ( ) 2
2
=
+
x d ,
( ) 2
3
=
x d , ( ) 2
3
=
+
x d , ( ) 4
4
=
x d , ( ) 2
4
=
+
x d , ( ) 1
5
=
x d , ( ) 2
5
=
+
x d , ( ) 2
6
=
x d ,
( ) 0
6
=
+
x d .
Dac ( ) 0 =
i
x d nodul x
i
este nod de intrare n graf, iar dac ( ) 0 =
+
i
x d nodul x
i
este
nod de ieire din graf.
66
n graful din fig. 4.1 nodul de intrare este nodul x
1
, iar nodul de ieire este nodul x
6
.
Gradul unui nod X x
i
, notat cu ( )
i
x d , n cazul grafurilor orientate, este dat de
relaia:
( ) ( ) ( )
i i i
x d x d x d
+
+ = (4.2)

Gradul de inciden
Dou noduri x
i
i x
j
sunt noduri adiacente dac exist un arc ( ) U x x
j i
, sau
( ) U x x
i j
, .
Dou arce sunt adiacente dac au n comun o extremitate.
Arcele care converg ntr-un nod x
i
de forma ( )
i j
x x , sunt arce incidente spre interior,
iar arcele care ies din nodul x
i
de forma ( )
j i
x x , sunt arce incidente spre exterior.
Fie X A o submulime a mulimii X.
Toate arcele ( )
j i
x x u U u = , cu A x
i
i A x
j
sunt arce incidente spre interior n
A i mulimea lor se noteaz cu ( ) A U

:

( ) ( ) { } A x A x U u x x u A U
j i j i
= =
, / , , (4.3)

Toate arcele ( )
j i
x x u U u = , cu A x
i
i A x
j
sunt arce incidente spre exterior n
A i mulimea lor se noteaz cu ( ) A U
+
:

( ) ( ) { } A x A x U u x x u A U
j i j i
= =
+
, / , , (4.4)

Gradul de inciden al submulimii A n raport cu graful G este dat de relaia:

( ) ( ) ( ) A U A U A U
+
= (4.5)

Dac { }
4 3
x x A = n graful din figura 4.1 atunci :
( ) ( ) ( ) ( ) ( ) { }
4 5 4 2 3 2 3 1
, , , , , , , x x x x x x x x A U =
,
( ) ( ) ( ) { }
6 4 5 3
, , , x x x x A U =
+

( ) ( ) ( ) ( ) ( ) ( ) ( ) { }
6 4 5 3 4 5 4 2 3 2 3 1
, , , , , , , , , , , x x x x x x x x x x x x A U =
iar gradul de inciden al submulimii A este ( ) 6 = A U .

Graf parial.
Un graf ( )
* *
,U X G = este un graf parial al grafului orientat ( ) U X G , = dac
U U
*
. Un graf parial se obine din graful G prin suprimarea a cel puin un arc din U.
Prin suprimarea arcelor ( )
2 3
, x x i ( )
4 2
, x x din graful de referin din figura 4.2 se
obine graful parial din figura 4.2b.

Subgraf
Fie X Y i U V mulimea tuturor arcelor din U care au ambele extremiti n
submulimea Y. Graful ( ) V Y H , = este un subgraf al grafului G. Un subgraf se obine din
graful G prin suprimarea nodurilor care nu sunt coninute n Y i arcelor corespunztoare lor.
67
Prin suprimarea nodului x
4
i a arcelor ( )
4 2
, x x , ( )
4 3
, x x , ( )
1 4
, x x din graful din figura
4.2a se obine graful din figura 4.2c.

x
1
x
2
x
3 x
4
x
1
x
2
x
3 x
4
x
1
x
2
x
3
a) G b) G
*
c) H

Fig. 4.2

Grafuri simetrice i antisimetrice.
Un graf orientat ( ) U X G , = este simetric dac pentru oricare dou noduri x
i
i x
j
din
( ) ( ) U x x U x x
i j j i
, , .
ntr-un graf simetric ntre dou noduri vor exista dou arce de sens contrar sau nici
unul. n fig.4.3a este reprezentat un graf simetric.
Un graf orientat G este antisimetric dac pentru oricare dou noduri x
i
i x
j
din
( ) ( ) U x x U x x
i j j i
, , .
ntr-un graf antisimetric ntre dou noduri exist cel mult un arc. n figura 4.3b este
reprezentat un graf antisimetric.

x
1 x
2
x
3
x
4
x
1
x
2
x
3
x
4
a) b)

Fig.4.3
Graf complet
Un graf orientat G este complet dac pentru oricare dou noduri x
i
i x
j
din
( ) ( ) U x x U x x
i j j i
, , .
ntr-un graf complet ntre oricare dou noduri exist cel puin un arc. n figura 4.4 este
reprezentat un graf complet.
Graful din figura 4.3b nu este complet pentru c nu exist arce ntre nodurile x
1
i x
4

sau x
3
i x
4
.

x
1
x
2
x
3 x
4

Fig.4.4

Cazul grafurilor neorientate

Prin definiie un graf neorientat G este o pereche ( X , U ) , unde mulimea X este
numit mulimea nodurilor, iar U este mulimea muchiilor.
Nodurile x
i
i x
j
ale unei muchii } , {
j i
x x u = , definesc extremitile muchiei.
68
Dou muchii avnd aceleai extremiti sunt muchii paralele, iar o muchie cu
extremiti identice } , {
i i
x x u = se numete bucl.
Un graf orientat care nu are nici bucle nici arce paralele este un graf simplu.

Reprezentarea geometric a unui graf neorientat

Un graf neorientat ( ) U X G , = (fig.4.5) se reprezint geometric printr-o figur n plan.
Nodurile X x
i
se vizualizeaz prin puncte n plan ncadrate n cercuri, iar muchiile
( ) U x x u
j i
= , prin linii ( drepte sau curbe ) care unesc nodurile x
i
i x
j
.

Exemplul 4.2 Graf neorientat
x
1
x
2
x
3
x
4
x
5
u
1
u
3
u
2
u
4
u
5
u
6
x
6

Fig.4.5
Gradul unui nod.
Fie ( ) U X G , = un graf i X x x
j i
, . Nodurile
i
x i
j
x sunt noduri adiacente dac
exist o muchie } , {
j i
x x u = care le unete.
Dac } , {
j i
x x u = , muchia u i nodul
i
x sunt incidente. Dou muchii
1
u i
2
u ale
grafului sunt muchii adiacente dac sunt incidente n acelai nod.
Gradul unui nod X x
i
, notat cu ( )
i
x d reprezint numrul de muchii din graful G
incidente cu nodul x
i
.
Un nod izolat are gradul 0.
Pentru graful din fig. 4.5 gradele nodurilor sunt: ( ) 2
1
= x d , ( ) 2
2
= x d , ( ) 2
3
= x d ,
( ) 3
4
= x d , ( ) 0
5
= x d , ( ) 3
6
= x d .
Dac n X = i m U = avem relaia:

( ) m x d
n
i
i
=
=
2
1
. (4.6)

Aceast relaie rezult din faptul c fiecare muchie este inciden n dou noduri.

Graf parial
Un graf
=
*
*
,U X G este un graf parial al unui graf ( ) U X G , = dac U U
*
.
Graful
*
G se obine din graful G prin suprimarea a cel puin unei muchii.
Graful din fig.4.6b este un graf parial al grafului de referin din fig.4.6a.

Subgraf.
Un graf ( ) F Y H , = este un subgraf al grafului ( ) U X G , = dac X Y , iar F
conine toate muchiile din U i care au ambele extremiti n mulimea Y .

69
a) G
b) G
*
c) H

Fig.4.6

Sugraful H se obine din graful G prin eliminarea a cel puin un nod i a tuturor
muchiilor incidente n nodurile eliminate.
Graful din figura 4.6c este un subgraf al grafului din fig. 4.6a.

Graf complet
Graful ( ) U X G , = este complet dac ntre orice dou noduri X x x
j i
, exist o
muchie { } U x x
j i
, .
Un graf complet cu n noduri se noteaz G
n
.
n figura 4.7 sunt reprezentate cinci grafuri complete.

G
1
G
2
G
3
G
4
G
5

Fig.4.7

4.1.3. Drumuri i circuite n graf

Fie ( ) U X G , = un graf orientat i nodurile a i b, X b X a , .
Un drum ntre nodurile a i b, n graful G, este un ir ordonat de noduri:

( ) b , x ,..., x , x , a
ip 2 i 1 i
= (4.7)

cu proprietatea c ( )( ) ( ) U b , x ,..., x , x x , a
ip 2 i 1 i 1 i
sunt arce ale grafului G.
Nodurile a i b, sunt numite extremitile drumului.
Un drum este elementar dac trece o singur dat prin fiecare din nodurile sale.

Propoziia 4.1 ntr-un graf G cu n noduri, un drum elementar conine cel mult n1
arce.
n graful din figura 4.8, ( )
6 5 4 2 1 1
, , , , x x x x x = este un drum elementar, dar
( )
6 4 2 3 4 2 1 2
, , , , , , x x x x x x x = nu este un drum elementar.

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

Fig.4.8

70
Un drum elementar care trece prin toate nodurile grafului este un drum hamiltonian.
n fig.4.8, ( )
6 5 4 2 3 1 2
x , x , x , x , x , x = este un drum hamiltonian.
Un circuit este un drum finit care ncepe i se termin n acelai nod. Un circuit format
dintr-un singur arc este bucl.
Un circuit este elementar dac trece o singur dat prin fiecare din nodurile sale. Un
circuit este elementar este ( )
2 3 4 2 2
x , x , x , x = .
Un circuit hamiltonian este un drum hamiltonian n care extremitile sale coincid.
Drumul ( )
1 6 5 2 3 4 2 1 6
x , x , x , x , x , x , x , x = este un circuit hamiltonian.
Denumirile de drum hamiltonian i circuit hamiltonian au fost introduse de
matematicianul Hamilton n anul 1865
Se numete lungimea unui arc l( d) numrul de arce componente (p).
Se numete valoarea unui drum suma valorilor arcelor ce formeaz drumul respectiv
i acesta sub forma :

[ ] ) , ( ) , (

=
l k j i
x x v x x d v (4.8)

Numrul vrfurilor ce pot fi atinse da la vrful x
k
poart denumirea de puncte de
atingere de la virful x
k

4.1.4. Lanuri i cicluri n graf

Fie ( ) U , X G = un graf neorientat i nodurile ai b, X t X s , .
Un lan ntre dou noduri a i b ale grafului G este o mulime ordonat de noduri
notat:

[ ] b x ,..., x x , a L
, ip 2 i , 1 i
= (4.9)

cu proprietatea c [ ]
, 1 i
x , a , [ ]
, 2 1
,
i i
x x , , [ ] b x
, ip
sunt muchii ale grafului.
Lanul este definit prin succesiunea nodurilor, fiecare muchie component, exceptnd-
o pe prima si pe ultima, are o extremitate comun cu muchia precedent i cealalt extremitate
n comun cu muchia urmtoare. Alternativ, un lan poate fi definit prin succesiunea muchiilor
adiacente care-l formeaz:

[ ]
p
u u u L ,..., ,
2 1
= (4.10)

Nodurile a i b sunt extremitile lanului. De asemenea, n a doua reprezentare, u
i
i
u
p
sunt extremitile lanului.
Lungimea unui lan este dat prin numrul de muchii din care se compune.
O muchie este un lan de lungime 1. Un lan de lungime 2 este format din dou muchii
adiacente.

Exemplul 4.3
x
1
x
2
x
3
x
4
x
5
x
6

Fig.4.9
71
[ ]
6 4 2 1 1
, , , x x x x L = este un lan ntre nodurile x
1
i x
6
de lungime 3. lanul [ ]
5 3 2
, x x L =
este o muchie de lungime 1.
Un lan este elementar dac trece o singur dat prin fiecare din nodurile sale.
[ ]
5 3 4 2 1 3
, , , , x x x x x L = este simplu i elementar, n timp ce lanul
[ ]
3 4 5 3 4 2 1 4
, , , , , , x x x x x x x L = este compus i nu este elementar.
Un lan elementar care trece prin toate nodurile grafului este un lan hamiltonian.
[ ]
6 5 3 4 2 1 5
, , , , , x x x x x x L = este un lan hamiltonian.
Lanul n care extremitile sale coincid este un ciclu, sau un ciclu este un lan care
ncepe i se termin cu acelai nod.
Un ciclu hamiltonian n care extremitile coincid este un ciclu hamiltonian.
[ ]
1 3 4 2 1 6
, , , , x x x x x L = formeaz un ciclu, iar lanul [ ]
1 3 5 6 4 2 1 7
, , , , , , x x x x x x x L = este
un ciclu hamiltonian.
Diferena ntre un drum i un lan const n faptul c ntr-un drum toate arcele sunt
orientate n acelai sens pe cnd ntr-un lan ele pot avea orice orientare.
Orice drum este i lan dar nu orice lan este un drum. ntr-un graf orientat noiunea de
drum este echivalent cu cea de lan.

4.2. Matrici ataate grafurilor

Pentru rezolvarea unor grafuri de dimensiuni mari si a unor probleme practice, se
asociaz grafului o serie de matrici ce uureaz studiul acestora.
Cu ajutorul matricelor ataate grafurilor se pot determina: succesiunile optime a unor
procese de producie, legturile ce se stabilesc ntre-un proces tehnologic, modul de
transmitere a unei informaii direct sau indirect, rute strategice din punct de vedere economic,
etc..

4.2.1. Matricea arcelor (matricea conexiunilor directe)

Fie ( ) U X G , = un graf orientat cu { }
n
x x x X ,..., ,
2 1
= .
Grafului orientat G i se asociaz o matrice boolean ptratic
( ) n j n i a A
ij
,... 1 , ,..., 1 , = = = numit matricea arcelor (conexiunilor directe) cu urmtoarele
elementele:

( )
( )
=
U x , x daca 0
U x , x daca 1
a
j i
j i
ij
(4.11)

Obsevaii :

- Dac n matricea A se pune n locul valorii 1, valoarea arcului, se va obine matricea
capacitilor arcului ;
- Dac pe diagonala principal nu exist elemente egale cu 1, atunci graful dat nu are bucle ;
- n linia ( ) n i i 1 a matricei A sunt marcate cu 1 arcele incidente spre exterior n nodul x
i
;
- n coloana ( ) n j j 1 sunt marcate cu 1 arcele incidente spre interior n nodul x
j
;
- n cazul unei bucle ( )
j i
x x , , elementul de pe diagonal
ij
a este egal cu 1;
- Gradul de intrare ( )
j
x d
pentru nodul x
j
este dat de relaia ( )

=
i
ij j
a x d ;
- Gradul de ieire ( )
j
x d
+
pentru nodul x
j
este dat de relaia ( )

=
+
j
ij j
a x d .
72
Exemplu 4.4
Unui graf orientat G cu patru noduri x
1
, x
2
, x
3
, x
4
i cu arcele ( )
2 1
, x x , ( )
3 1
, x x , ( )
2 2
, x x ,
( )
3 2
, x x , ( )
4 2
, x x , ( )
4 3
, x x , i se asociaz matricea boolean:

=
0 0 0 1
1 0 0 0
1 1 1 0
0 1 1 0
4
3
2
1
x
x
x
x
A

Avnd n vedere matricea A avem urmtoarele proprieti:

P1. Dac un graf este antisimetric, atunci n matricea asociat A:

( ) j i X x x a a
j i ji ij
= , , , 0 (4.12)

P2. Matricea asociat unui graf parial G
*
se obine din matricea asociat grafului G prin
nlocuirea cu zero a elementelor asociate arcelor suprimate.
P4. Matricea asociat unui subgraf parial H se obine prin suprimarea din matricea asociat
grafului G a liniilor i coloanelor corespunztoare nodurilor excluse. Matricea unui subgraf
este o matrice ptratic extras din matricea grafului G.
Dac graful ( ) U , X G = este neorientat muchiile sale se orienteaz n ambele sensuri:

[ ] ( )
j i j i
x x x x , , i ( )
i j
x x , (4.13)

i elementele matricei ( )
ij
a A = asociat grafului G se definesc prin:

[ ]
[ ]
=
U x , x daca 0
U x , x daca 1
a
j i
j i
ij
(4.14)

n cazul unui graf neorientat, matricea asociat A este o matrice simetric.
Pentru un graf cu patru noduri x
1
, x
2
, x
3
, x
4
cu muchiile ( )
2 1
, x x , ( )
3 1
, x x , ( )
3 2
, x x ,
( )
4 2
, x x , ( )
4 3
, x x matricea asociat A este:

=
0 1 1 0
1 0 1 1
1 1 0 1
0 1 1 0
4
3
2
1
x
x
x
x
A

Astfel, matricei booleene ptratice A i se asociaz un graf orientat cu arcele ( )
j i
x x ,
pentru toatele elementele 1 =
ij
a .

Exemplul 4.5

Corespunztor matricei booleene:

73
=
0 1 1 0 1
0 0 1 1 0
1 0 0 1 0
0 0 0 1 1
0 1 1 0 0
A

se asociaz graful din fig.4.10 cu cinci noduri, notate x
1
, x
2
, x
3
, x
4
,
,
x
5
n matricea A, 1
22
= a semnific existena unei bucle n nodul x
2
.

x
1
x
2
x
3
x
4
x
5

Fig.4.10

4.2.2. Matricea drumurilor (matricea conexiunilor totale)

Fie ( ) U X G , = un graf orientat cu { }
n
x x x X ,..., ,
2 1
= i A matricea arcelor.
n matricea A avem:
- pe linia n i i 1 , sunt marcate cu 1 drumurile de lungime 1 care pleac din nodul x
i
;
- n coloana n j j 1 , sunt marcate cu 1 drumurile de lungime 1 care converg n nodul
x
j
;
Astfel, matricea A este matricea boolean a drumurilor de lungime 1.

Adunarea i nmulirea boolean:
+
.
0 1
0 1
1 1 1
0
x
.
0 1
0
1 1
0 0
0

Dac notm cu A
(k)
matricea boolean obinut prin ridicarea boolean la puterea k a
matricei A:
( ) ( )

, , ,
. . . . .
3 2 k A A A A A A A
1 k
ori k de
k
= = =

atunci, A
(k)
este matricea booleana a drumurilor de lungime k n graful G sau matricea
conexiunilor totale.
Dac un element
( )
1 =
k
ij
a exist un drum de lungime k de la x
i
la x
j
.
Astfel, n matricea boolean A
(k)
:
- elementele de pe linia n i i 1 , arat drumurile de lungime k de la nodul x
j
la nodurile
n coloanele crora apare 1 pe aceast linie;
- elementele de pe coloana n j j 1 , arat drumurile de lungime k de la nodurile pe a
crora linie apare 1 n aceast coloan la nodul x
j
;
Dac ridicm la puteri succesive matricea A prin operaiile obinuite de nmulire i
adunare a numerelor naturale reale se obine numrul drumurilor de o anumit lungime.
Pentru exemplul 4.5 avem urmtoarele puteri booleene succesive ale matricei A:

74
( )
=
1 1 1 1 0
1 0 0 1 1
0 1 1 1 1
0 1 1 1 1
1 0 1 1 0
2
A
( )
=
1 1 1 1 1
0 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
3
A , .

Elementele acestor matrice egale cu 1 asigur existena drumurilor de lungime 2 i 3,
iar cele cele de pe diagonal existena circuitelor.
De exemplu, de la x
1
la x
4
nu exist drum de lungime 2, dar exist drum de lungime 3.
n A
(3)
(elementul
( )
0
3
45
= a ) nu exist drum de lungime 3 de la x
4
la x
5
. Circuite de
ordinul 2 se realizeaz n nodurile x
2
, x
3
i x
5
, iar de ordinul 3 n toate nodurile. Puterea A
(4)
are
toate elementele 1.
Pentru a determina numrul drumurilor i circuitelor de lungime 2, 3 i 4 se calculeaz
puterile succesive A
2
, A
3
i A
4
:

( )
=
1 1 2 2 0
1 0 0 2 1
0 1 1 1 2
0 1 1 1 1
1 0 1 2 0
2
A ,
( )
=
2 1 2 5 3
0 2 2 2 3
1 2 3 3 1
1 1 2 3 1
1 1 1 3 3
3
A ,

( )
=
2 5 6 8 7
2 3 5 6 2
3 2 4 8 4
2 2 3 9 4
1 4 5 5 4
4
A

De la nodul 1 la nodul 2 exist dou drumuri de lungime 2:
2 4 1
x x x i
2 3 1
x x x , trei drumuri de lungime 3:
2 3 4 1
x x x x ;
2 2 3 1
x x x x ;
2 2 4 1
x x x x
i cinci drumuri de lungime 4.
Evident, multe drumuri sunt neelementare. Bucla din nodul x
2
poate crea drumuri de
orice lungime prin repetarea parcurgerii ei.
Exist trei circuite elementare de lungime 4:

3 4 5 2 3
x x x x x
3 4 1 2 3
x x x x x
3 4 1 5 3
x x x x x
si un circuit de lungime 5:
1 2 4 5 3 1
x x x x x x .

Dac A este matricea asociat unui graf neorientat ( ) E X G , = , puterile succesive A
(k)

ofer informaii despre existena si numrul lanurilor i circuitelor de lungime egal cu
puterea matricei.
n acest caz matricea A este simetric.
75
4.2.3. Descompunerea grafului n componente tari conexe

Un graf ( ) U , X G = este conex dac pentru oricare dou noduri distincte X x x
j i
,
exist un lan cu extremitile x
i
i x
j
.
Graful din fig.4.9 este conex.
Proprietatea c exist un drum cu extremitile x
i
i x
j
este o relaie de echivalen care
mparte graful G n clase de echivalen numite componente conexe.
O component conex a unui graful G este un subgraf conex al grafului G.
S considerm un nod X x
i
n graful ( ) U , X G = .
Componenta conex x
i
se poate evidenia printr-o mulime C(x
i
) format din x
i
i din
toate nodurile legate prin drumuri de x
i
:

( ) { } { / X x x x C
j i i
= exist un drum ntre
i
x i }
j
x (4.15)

Evident ( ) X x C
i
i ( ) X x C
i
X x
i
. Dar ( )
i
X x
x C
i
conine toate elementele

mulimii X, atunci = X ( )
i
X x
x C
i
.
Un graf orientat este un graf tare conex dac pentru oricare dou noduri distincte
i
x i
( ) j i x
j
, dac exist cel puin un drum de la x
i
la x
j
sau de la x
j
la x
i
.
O component tare conex a unui graf orientat G este un subgraf tare conex.
Un graf G este tare conex numai dac admite o singur component tare conex.

Algoritm de descompunere a grafului n componente tari conexe

Pas 1: Se determin mulimea vrfurilor atinse de la vrful x
i
( o notam cu
V
i
i este format din elementele egale cu 1 de pe o linie suplimentar atasat matricei )

Pas 2: Se determin mulimea vrfurilor ce ating pe x
i
(o vom nota cu
'
i
V i este formata din
elementele egale cu 1 de pe coloana suplimentar ataat matricei.

Pas 3: Se determin componenta tare conexa care conine vrful x
i
cu ajutorul relaiei
urmtoare :

{ }
i
'
i i i
x ) V V ( ) x ( C = (4.16)

Pas 4 : Iterativ : se elimin din matricea A toate liniile i toate coloanele corespunztoare
vrfurilor din C(x
i
) .

Pas 5 : n matricea rmas se caut n mod asemntor o nou component tare conex.
Operaiile continu pn cnd toate vrfurile grafului au fost luate n consideraie (nu se va
exclude nici un virf.)

Exemplul 4.6
O ntreprindere trebuie s fabrice succesiv opt tipuri de produse P
i
(i =1,2,,8).
Pentru a trece de la producerea produsului P
i
la producerea produsului P
j
, trebuie suportat un
cost de lansare sau un cost de trecere c
ij
.
Cunoscndu-se tabelul tuturor costurilor de lansare, dat sub forma matricei de mai jos,
s se determine o asemenea ordine a producerii celor opt produse, astfel nct cheltuielile
totale de lansare s fie minime
76
P
1
0
P
2
P
3
P
4
P
5
P
6
P
7
P
8
P
1
P
2
P
3
P
4
P
5
P
6
P
7
P
8
0
0
0
0
0
0
0
3 5 2 7 6 4 4
7
8
4
8
5
6
5
8
8
7
5
7
7
6
5
3
4
4
6
6
4
4
5
4
8
8
4
6
8
9
7
6
6
7
6
7
6
6
8
7
7
6
5
5
5
6
5
4
7

Evident c exist 8! = 40.320 de moduri de a trece prin fabricarea celor opt produse,
fiecare nod avnd cte un cost de total de lansare.
O soluie suficient de bun este aceea de a compara costurile de trecere c
ij
i c
ji
de la
producerea lui P
i
la P
j
i invers

i astfel se va elimina posibilitatea unei variante cu cost mare,
pstrnd-o pstrndu-o numai pe cea cu costul mai mic.
Astfel, dac c
ij
< c
ji
, vom renuna n graf la arcul (P
i
, P
j
) i vom pstra arcul (P
j
, P
i
).
Compararea celor dou costuri de acest fel se poate face direct pe matricea dat, deoarece ele
sunt simetrice fa de diagonala principal;
n locul costului mai mare vom scrie zero, iar n locul costului mai mic vom scrie unu.
n cazul n care avem c
ij
= c
ji
, vom schimba n mod arbitrar una din valori prin unu i cealalt
prin zero.
Se obine n acest fel matricea conex a unui graf cu numai 28 de arce:

P
1
0
P
2
P
3
P
4
P
5
P
6
P
7
P
8
P
1
P
2
P
3
P
4
P
5
P
6
P
7
P
8
0
0
0
0
0
0
0
1 1 1 1 0 1 1
0
0
0
0
1
0
0
0
0
1
1
0
0
1
0
1
1
1
0
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
1
0
0
1
0
0
1
1
1
1
1
1
1
1
0
(C)

Vom determina drumurile hamiltoniene cu algoritmul mai sus enunat i le vom
compara din punct de vedere al costului total de lansare.
Dup cum vom vedea, numrul drumurilor hamiltoniene n acest graf este mult mai
mic faa de cel al grafului dat de problem.
Cu ajutorul algoritmului ajuttor descris, se determin componentele tare conexe ale
grafului G obinut:

{ }
{ }
{ }
8 7 4 3 3
2 2
6 5 1 1
; ; ;
; ;
P P P P C
P C
P P P C
=
=
=

Matricea conex C* a grafului condensat G* este urmtoarea:
77
0 1 1
0 0
0 0 0
C
1
C
2
C
3
C
1
C
2
C
3
1 (C*)

Fig.4.11

Deci graful condensat G* are un drum hamiltonian dat de succesiunea C
1
, C
2
, C
3
.
Toate drumurile hamiltoniene ale celor trei componente tare conexe se scriu uor:

P
1
P
5
P
6
P
5
P
6
P
1
P
6
P
1
P
5
I
x
2
P
3
P
4
P
7
P
4
P
8
P
3
P
8
P
7
P
4
P
7
P
3
P
8
P
8
P
7
P
3
P
4
II III

Se observ c graful cercetat are 12 drumuri hamiltoniene, ce se obin prin legarea
drumurilor pariale prin arcele ce leag componentele succesive.
Cteva din aceste drumuri sunt scrise mai jos: pentru fiecare din ele s-a calculat costul
de lansare total corespunztor:

P
1
P
1
P
1
P
1
P
5
P
5
P
5
P
5
P
5
P
6
P
6
P
6
P
6
P
6
P
1
P
2
P
2
P
2
P
2
P
2
P
3
P
4
P
7
P
8
P
3
P
4
P
8
P
3
P
7
P
4
P
8
P
7
P
4
P
3
P
8
P
7
P
3
P
8
P
4
P
7
: cost 39
: cost 39
: cost 38
: cost 36
: cost 35 etc.

Drumul hamiltonian, optim corespunde drumului (P
5
, P
6
, P
1
, P
2
, P
8
, P
7
,P
3
, P
4
).
Aceasta trebuie s fie ordinea n care trebuie lansat producia celor opt tipuri de
produse, ordine ce conduce la un cost total de lansare egal cu 32 de uniti monetare.
Practica arat c acest cost de lansare aflat n modul de mai sus, chiar dac nu este cel
minim, este de obicei foarte aproape de cel minim.

78
4.3. Drumuri hamiltoniene

Pentru a nelege noiunea de drum hamiltonian cu aplicativitate practic vom pleca de
la urmtorul exemplu:
O firma are de realizat n cursul unei sptmni n produse P
i
. Pentru trecerea de la
fabricarea produsului P
i
la fabricarea produsului P
i+1
pe linia de fabricaie, trebuie suportat un
cost de lansare sau de trecere c
ij
de la un produs la un alt produs. Astfel, trebuie aleas ordinea
n care se vor succeda produsele pe linia de fabricaie, astfel nct costul total pe sptmn s
fie ct mai mic (minim).
Rezolvarea problemei se reduce la determinarea drumului hamiltonian optim din
modelul de graf asociat problemei, unde produsele sunt reprezentate prin vrfurile grafului,
sensul arcelor reflect ordinea de lansare n lucru, iar valorile asociate arcelor fiind legate de
costurile de lansare n fabricaie.
n continuare vom prezenta algoritmi de determinare a drumurilor hamiltoniene din
grafuri.

Determinarea drumurilor hamiltoniene n grafuri cu circuite

Un drum hamiltonian este un drum care trece prin toate vrfurile unui graf, o singur
dat.
Fie G =(X,U) un graf orientat.
Vom prezenta n continuare un algoritm pentru determinarea drumurilor hamiltoniene
bazat pe ideea mpririi grafului G, n clase de echivalen adic n subgrafuri tari conexe
ale grafului G.

Algoritmul Foulkes

Etapa 1.
Se scrie matricea booleana asociat grafului G (A) i matricea
A I M
) 1 (
= , unde matricea I este matricea unitate iar este adunarea boolean.

Etapa 2. Se ridic succesiv matricea A I M
) 1 (
= , la puterile 2, 2
2
, 2
3
,,2
r

Ridicrile la putere sunt booleene i se efectueaz pn cnd dou puteri consecutive
sunt egale
Pentru scurtarea calculelor se determina :
(I M)
2
k
pn cnd (I M)
2
k
= (I M)
2
1 k

Ridicarea la putere boolean:

M
(2)
= M
(1)
*M
(1)
=| m
ij
|
(2)
= m
i1
*m
1j
+ m
i2
*m
2j
+ .+ m
in
*m
nj

Unde produsul m
ik
*m
kj
= 1 m
ik
= 1 si m
kj
= 1

Etapa 3
n matricea (I M)
2
k
, liniile pline i
1
, i
2
,.i
p
(acele linii care sunt formate numai cu
cifra 1), determin clasa de echivalenta C
1
(componentele tari conexe), format din nodurile
x
i1
, x
i2
, x
ip

Se elimin liniile i coloanele care corespund nodurilor din clasa de echivalen
stabilit.
Se reia raionamentul pe matricea redus i se obine urmtoarea clas de echivalen.
Se continu formarea claselor de echivalen pn se epuizeaz toate liniile matricei.

79
Etapa 4.
Nodurile care formeaz o clasa de echivalen sunt reprezentate prin puncte n
interiorul unui dreptunghi, iar ntre acestea se traseaz arcele existente n graful iniial G.
Se traseaz legturile dintre clasele consecutive. Ele sunt reprezentate prin arcele
existente n graful iniial G ntre nodurile clasei C
1
i cele ale clasei C
2
, ntre nodurile clasei C
2

i cele ale clasei C
3
.a.m.d..

Etapa 5.
Un drum hamiltonian se identific plecnd de la un nod din clasa C
1
trecnd prin toate
nodurile acesteia i din ultimul nod se trece la un nod din C
2
. dac exist un astfel de arc. Dac
nu exist un astfel de arc se pleac de la un nod n clasa C
1
. n continuare se identific drum
hamiltonian n clasa C
2
.a.m.d. pn la ultima clas.
Trecnd prin toate clasele se parcurg toate nodurile grafului iniial o singur dat,
obinndu-se astfel un drum hamiltonian.
Aplicnd acest procedeu, n toate modurile posibile, se obin toate drumurile
hamiltoniene n graful iniial G.
Drumurile aflate prin trecere succesiva de la o clasa de echivalen la alt clas de
echivalen sunt drumurile hamiltoniene ale grafului.
Observaii
- n graful G poate s nu existe nici un drum hamiltonian;
- dac un graf are o singur component tare conex, algoritmul lui Foulkes nu este eficient, n
acest caz se aplic ali algoritmi.

Exemplul 4.7 :
S considerm graful din fig.4.12 cu matricea asociat A:

x
1
x
2
x
3
x
4
x
5

Fig.4.12
=
1 1 1 0 0
0 0 0 1 0
0 1 0 1 0
0 1 0 0 1
1 0 1 0 0
A ,
Clasele C
1
i C
2
, deduse, pentru graful din fig4.12, se prezenta grafic, conform etapei
IV din algoritmul Foulkes precum n fig. 4.13.
Drumurile hamiltoniene n graful G sunt urmtoarele:
( )
4 2 3 5 1 1
, , , , x x x x x = , ( )
2 4 5 1 3 2
, , , , x x x x x = , ( )
2 4 3 5 1 3
, , , , x x x x x = , ( )
4 1 1 3 5 4
, , , , x x x x x = .

x
1
x
2
x
3
x
4
x
5
C
1
C
2

Fig.4.13
80
Exemplul 4.8 Problema succesiunii operaiilor.
n practica industrial, pentru realizarea unui produs pe baza unui proces tehnologic
trebuie parcurse o serie de operaii tehnologice, fiecare efectuat n condiiile tehnice specifice.
Stabilirea unei succesiuni a operaiilor, ntr-un graf asociat procesului tehnologic revine
la determinarea unui drum hamiltonian.
n graful asociat procesului tehnologic pot fi evideniate diversele restricii tehnologice,
crend o mulime de variante ale procesului tehnologic. Prin stabilirea unei succesiuni a
operaiilor se caut s se proiecteze un proces tehnologic n condiiile tehnice date i cu
eficien economic.
S presupunem c astfel de proces este dat prin graful din fig.4.14.

x
1
x
2
x
3
x
4
x
5
x
6
x
7

Fig.4.14
Fie A matricea boolean asociat grafului G i A I M
) 1 (
= :

=
0 1 0 0 0 0 0
1 0 0 0 0 0 0
1 0 0 0 0 0 0
0 1 1 0 0 1 0
0 0 1 1 0 0 0
0 0 0 0 1 0 0
0 0 0 0 1 1 0
A ,
= =
1 1 0 0 0 0 0
1 1 0 0 0 0 0
1 0 1 0 0 0 0
0 1 1 1 0 1 0
0 0 1 1 1 0 0
0 0 0 0 1 1 0
0 0 0 0 1 1 1
A I M
) 1 (

Ridicnd la puteri succesive matricea M
(1)
obinem urmtoarea matrice:

=
1 1 0 0 0 0 0
1 1 0 0 0 0 0
1 1 1 0 0 0 0
1 1 1 1 1 1 0
1 1 1 1 1 1 0
1 1 1 1 1 1 0
1 1 1 1 1 1 1
7
6
5
4
3
2
1
) M I (
) 4 (

Prima clasa de echivalen este { }
1 1
x C = (numai linia 1 este plin). Suprimnd linia 1
i coloana 1 obinem matricea redus B
1
:

=
1 1 0 0 0 0
1 1 0 0 0 0
1 1 1 0 0 0
1 1 1 1 1 1
1 1 1 1 1 1
1 1 1 1 1 1
7
6
5
4
3
2
1
B
81
A doua clas de echivalen este { }
4 3 2 2
, , x x x C = (liniile 2, 3 i 4 sunt cele pline).
Suprimnd liniile i coloanele 2, 3 i 4 obinem matricea redus B
2
:
=
1 1 0
1 1 0
1 1 1
7
6
5
2
B

A treia clas de echivalen este { }
5 3
x C = (linia 5 este plin). Suprimnd linia i
coloana 5 obinem matricea redus B
3
:
=
1 1
1 1
7
6
3
B

Iar patra clas de echivalen este { }
7 6 4
, x x C = .
Conform etapei IV ntre nodurile componentele C
1
, C
2
, C
3
, C
4
, se traseaz graful din
fig.4.15:

x
1
x
2
x
3
x
4
x
5
x
6
x
7
C
1
C
2
C
3
C
4

Fig.4.15

Trecnd de la o component la alta obinem drumul hamiltonian:

{ }
6 7 5 4 3 2 1
, , , , , , x x x x x x x = ,

care este i succesiunea operaiilor procesului tehnologic.

Exemplul 4.9 Problema costurilor de trecere

Pe o linie de fabricaie se execut cinci produse x
i
, i = 1, ..., 5. La trecerea de la un
produs x
i
la un alt produs x
j
pe linia de fabricaie se efectueaz diverse pregtiri tehnice care
necesit un "cost" c
ij
pentru lansarea n fabricaie a produsului x
j
(vom nelege prin cost
variaia unei anumite mrimi legate de procesul respectiv).
Exemple de acest tip pot fi: trecerea la fabricarea unui tip de oel pe convertor,
laminarea unui nou tip de lingou etc., care presupun diverse reglri, un anumit consum al
cilindrilor n cajele de laminare .a., deci costuri de trecere. Costurile de trecere c
ij
i c
ji
sunt,
n general, diferite. Aceste costuri au semnificaia, de exemplu, de timpi necesari de trecere de
la un produs la altul.
S se gseasc succesiunea n care trebuie executate produsele pentru ca suma
costurilor de trecere s fie minim.
Aceast problem revine la determinarea drumurilor hamiltoniene ntr-un graf fr
bucle n care nodurile reprezint cele cinci produse, iar arcele posibilitile de trecere de la un
produs la altul.
Se consider matrice costurilor de trecere (C), unde liniua (-) n locul elementului (i,
j) reprezint faptul c trecerea de la produsul x
i
la produsul x
j
nu este posibil.
Se asociaz problemei o matrice boolean i se definete matricea boolean A asociat
problemei:

82
=
0 2 7 3
4 0 6 4
6 11 0 10 7
9 5 0 8
6 2 7 9 0
x
x
x
x
x
C
5
4
3
2
1
( )
n n
ij
a A
,
= cu
<
=
ji ij
ji ij
ij
c dacac
c dacac
a
0
1

=
0 1 0 0 1
0 0 1 1 0
1 0 0 0 0
0 0 1 0 1
0 1 0 0 0
5
4
3
2
1
A

Problema se rezolv fie utiliznd algoritmul clasic de determinarea a componentelor
tare conexe, fie utiliznd algoritmul Foulkes.

Determinarea drumurilor hamiltoniene n grafuri fr circuite

Fie ( ) U X G , = un graf orientat. i A matricea asociat grafului G. Puterea de atingere
a unui nod X x
i
n graful G este dat de numrul de noduri la care se poate ajunge din x
i
.
Puterea de atingere se noteaz cu ( ) n i x p
i
1 , .
Astfel, definim o matrice D numit matricea drumurilor cu elementele
ij
d ( d(x
i
, x
j
) -
reprezint drumul de la nodul x
i
la nodul x
j
), ce se definesc n modul urmtor:

=
) x , x ( d ) ( daca 0
) x , x ( d ) ( daca 1
d
j i
j i
ij
(4.17)

Deci, puterea de atingere p(x
i
) este dat de numrul de elemente egale cu 1 de pe linia i
n matricea D.
Dac n matricea D elementele de pe diagonala principal sunt egale cu 0 atunci graful
G nu are circuite, iar dac exist 1 =
ij
d atunci n graful G exist cel puin un circuit care
ncepe i se termin n nodul x
i
.
Matricea D a drumurilor ntr-un graf se poate obine prin aplicarea urmtorului
procedeu:

Etapa 1. n matricea arcelor ( conexiunilor directe ) A se consider linia n i i 1 , .
a) n linia i se identific coloanele
S
j j j , , ,
2 1
cu elementele egale cu 1
( ) 1 ,..., 1
1
= =
ijS ij
a a .
b) Se adun boolean linia i cu liniile
S
j j j , , ,
2 1
i se obine linia i ntr-o nou matrice
booleana D.
c) Se repet a) i b) pentru liniile rmase.
Etapa 2. n matricea D se consider linia n i i 1 , .
a) n linia i se identific coloanele
p
k k k , , ,
2 1
cu elemente egale cu 1
( ) 1 ,..., 1
1
= =
ikp ik
a d .
83
b) Se adun boolean linia i cu liniile
p
k k k , , ,
2 1
rezultatul se nlocuiete n linia i ntr-o
nou matrice booleana D.
c) Se repet a) i b) pentru liniile rmase.
Procedura se termin cnd matricea D nu se mai modific (devine un invariant). D este
matricea drumurilor numit matricea conexiunilor totale.
Dac n graful G exist un drum de la nodul x
i
la nodul x
j
, evident, p(x
i
)>p(x
j
), deci
orice nod atins de x
j
este atins din x
i
.

Teorema 4.1 (Chen) Un graf fr circuite cu n noduri conine un drum hamiltonian dac i
numai dac exist relaia:

=
=
n
1 i
i
2
) 1 n ( n
) x ( p (4.18)

Teorema 4.2 (Chen) Dac ntr-un graf orientat fr circuite exist un drum hamiltonian atunci
acesta este unic.

Observaie:
Conform proprietii c un graf condensat G
*
asociat unui graf G nu are circuite, se
poate studia existena drumurilor hamiltoniene n graful condensat cu ajutorul teoremelor lui
Chen.
Dac graful condensat conine un drum hamiltonian atunci i graful iniial are drum
hamiltonian determinat de existena arcelor de legtur ntre componentele tari conexe ce
formeaz graful condensat.

Algoritmul Chen

Fie ( ) U X G , = un graf orientat fr circuite.

Etapa 1. Fie matricea arcelor A asociat grafului G i se determin matricea D a
drumurilor. Dac toate elementele de pe diagonala principal sunt nule, graful nu are circuite
i se continu cu etapa 2. n caz contrar, algoritmul se oprete.
Etapa 2. Se calculeaz puterile de atingere pentru fiecare nod. Dac relaia
( )
( )
=
n
i
i
n n
x p
1
2
1
se verific, atunci graful G conine un drum hamiltonian. n caz contrar, n
graful G nu exist nici un drum hamiltonian i algoritmul se oprete.

Etapa 3. Un drum hamiltonian se gsete prin ordonarea nodurilor descresctor dup
puterile de atingere.

Exemplul 4.10
n prelucrarea unui produs, acesta trebuie s treac prin apte secii, folosind benzile
de transport existente ntre aceste secii, benzi reprezentate prin arce n graful din fig. 4.16
Presupunnd c nu exist o ordine preferenial n prelucrarea produsului n cele apte
secii, s se arate daca sistemul de benzi existent poate asigura transportul efectiv al
produsului succesiv prin toate seciile, iar dac nu, ce benzi mai trebuie construite (ct mai
puine la numr), astfel nct s se rezolve problema transportului.

84
x
1
x
2
x
3
x
4
x
5
x
6 x
7

Fig.4.16

Matricea arcelor grafului este urmtoarea:

x
1
0 0 0 0 0 0
1 0
0
1
1 1
1 0 0
0 0 0
0 0 1
0 1 0
(A)
x
2
x
3
x
4
x
5
x
6
x
7
x
1
x
2
x
3
x
4
x
5
x
6
x
7
0
1
0
0
0 0 1 0 0 0 0
1 0 1 0
1 0 0
1 0 0 0 0 0 0

Din aceast matrice deducem matricea D:

0 0 0 0 0 0
1 0 1 1 0 1
0 1 0 0 0 0
1 0 1 0 1 0
1 0 1 0 0 0
1 0
1
0 1
0
(D)
P
1
P
2
P
3
P
4
P
5
P
6
P
1
P
2
P
3
P
4
P
5
P
6
0
5
3
2
3
0
1
0
0
0
0
P
7
1 0
0
0 0
0
P
7
0 1
1

Pe diagonala principal nu avem nici un element egal cu unu, dar numrul de elemente
diferite de zero ale matricei D este:
( )
21
2
1
15 =
n n
.
Deci asigurarea transportului nu se poate face cu sistemul de benzi existent.
Triunghiularizarea matricei D, se realizeaz n mai multe feluri, deoarece exist dou
vrfuri cu puterea de atingere 3 (x
4
i x
6
) i alte dou vrfuri cu puterea de atingere 1 (x
3
i
x
7
).
Vom alege mai nti pe aceea a crei coloan corespunztoare are mai puine zerouri.
n acest fel, vom obine matricea din fig 4.17.
Se observ c adugarea arcelor (x
6
, x
4
) i (x
3
, x
7
) va asigura i deasupra locurilor
corespunztoare ncadrate cifre de unu, deci se impune construcia a cte dou benzi, una ntre
seciile x
6
i x
4
, iar cealalt ntre seciile x
3
i x
7
.
Dup aceasta, transportul produsului n cele apte secii trebuie organizat n ordinea

x
2
x
6
x
4
x
5
x
3
x
7
x
1
.
85

0 1 0 1 1 1
0 0 1 1 0
0 0 0 1 0
0 0 0 0
0 0 0 0 0
0 0
0 0 0
0
(D')
0
0
1
1
0
x
2
x
3
x
4
x
5
x
6
x
7
x
2
0 0
0 0 0
0
1
1
1
1
1
0
x
1
x
6
x
4
x
5
x
3
x
7
x
1
1

Fig.4.17

Exemplul 4.11
Fie ase produse care trebuie prelucrate conform proceselor tehnologice n cadrul unui
sistem de producie cu un numr limitat de resurse. Din acest motiv se definesc urmtoarele
relaii de ordine pentru realizarea produselor:
- Produsul P
2
precede produsele P
1
, P
3
i P
6
;
- Produsul P
3
precede produsul P
1
;
- Produsul P
4
precede produsele P
3
, P
5
i P
6
;
- Produsul P
5
precede produsele P
1
, P
2
i P
6
;
- Produsul P
6
precede produsul P
3
.
Problema care se pune este aceea de posibilitate de prelucrare a tuturor produselor,
fr s se ncalce relaiile de ordine stabilite.
Relaiile de ordine determin matricea arcelor (A) pentru cazul n care cele ase
produse se reprezint ca vrfuri ale unui graf (fig.4.18) i relaia de succesiune prin arce .
Evident c acest graf nu trebuie s conin circuite, iar gsirea unei ordini de
prelucrare a tuturor produselor nseamn gsirea unui drum hamiltonian n graf.

0 0 0
0 0 0
1 0 0 1 0 1
0 1 0 0 0 0
0 0 1
0
1 1
1 1 0
0
0 1
0 0 0 0
1 0
(A)
P
1
P
2
P
3
P
4
P
5
P
6
P
1
P
2
P
3
P
4
P
5
P
6

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

Fig.4.18

Matricea drumurilor (D):

86
0 0 0 0 0 0
1 0 0 1 0 1
0 1 0 0 0 0
1 1 1 0 1 1
1 1 1 0 0 1
1 0 0 0 1 0
(D)
P
1
P
2
P
3
P
4
P
5
P
6
P
1
P
2
P
3
P
4
P
5
P
6
0
3
1
5
4
2

Deoarece aceast matrice nu conine elemente egale cu unu pe diagonala principal, se
verific c graful nu are circuite, iar deoarece numrul total al elementelor egale cu unu este
( )
2
1
15

=
n n
graful conine un drum hamiltonian.
n partea dreapt a matricei D s-au scris puterile de atingere ale vrfurilor
corespunztoare celor ase linii.
Punnd aceste vrfuri n ordinea descresctoare a puterilor de atingere, obinem
( )
1 3 6 2 5 4
, , , , , P P P P P P d
H
= .
Aceasta va fi succesiunea optim
Triangularizarea matricei D se poate face scriind liniile n aceast ordine
descresctoare a puterilor de atingere, i schimbnd apoi locurile coloanelor n aceiai ordine.
Obinem astfel matricea D:

0 1 1 1 1 1
0 0 1 1 1
0 0 0 1 1
0 0 0 1
0 0 0 0 0
0 0 0 0 0
0
(D')
P
1
P
2
P
3
P
4
P
5
P
6
P
1
P
2
P
3
P
4
P
5
P
6
0
1
1
1
1

Drumul hamiltonian gsit corespunde elementelor ncadrate n aceast matrice.

87
4.4. Drumuri de valoare optim n grafuri

Una dintre aplicaiile teoriei grafurilor const n determinarea drumurilor de valoare
optim minim (maxim) ntre dou vrfuri x
l
, x
k
care aparin grafului G ( X,U ).
Fiecrui arc u
i
U, i se asociaz o valoarea v(u
i
)>0 sau v(x
l
, x
k
)>0 numit valoarea
arcului i care n funcie de problem poate avea una din semnificaiile:
Costul sau durata transportului pe ruta (x
l
, x
k
);
Costul de fabricaie al unui produs pe locul de munc reprezentat prin arcul (x
l
,x
k
) ;
Timpul de munc necesar executrii unui produs ;
Capacitatea maxim pe ruta (x
l
, x
k
);;
Ctigul realizat prin trecerea de la o stare la alta a sistemului (x
l
, x
k
);
Consum de energie pentru efectuarea trecerii de la o stare la alta (x
l
, x
k
);
Dac considerm drumul =(u
1
, u
2
u
k
) atunci mrimea:

v( ) =
=
k
i
i
u v
1
) ( (4.19)

reprezint valoarea drumului .

Proprieti :

ntr-un graf cu valori ale arcelor mai mari dect 0 i finite exist drumuri de valoare
minima finite ntre oricare 2 vrfuri ce sunt legate prin cel puin un drum (orice drum de
valoare minim se numete drum elementar ).
ntr-un graf cu circuite, cu valori pozitive, exist vrfuri ntre care se pot obine valori
orict de mari. De aceea determinarea unui drum de valoare maxim i pierde sensul.
In continuare ne intereseaz valoarea optim a drumului format din succesiunea de
arce u
i
ce leag x
1
de x
n
.

Algoritmul Ford
Pentru aflarea drumului de valoare oprim ntre dou vrfuri x
1
i x
n
ale grafului
G(X,U) se parcurg urmtorii pai :

Pasul 1: Fiecrui vrf x
i
al grafului i se asociaz (ataeaz) o variabil
i
ce are semnificaia
de valoare a drumului de la x
1
la x
i
.
Prima valoare a acestei variabile este
1
= 0 i
i
= .

Pas 2 : Se caut un arc (x
i
, x
j
) pentru care s se ndeplineasc condiia:

j
-
i
> v( x
i
, x
j
) (4.20)

Dac un astfel de arc a fost gsit se nlocuiete
j
cu
j
unde acesta se scrie sub forma:

j

=
i
+ v( x
i
, x
j
) <
j
(4.21)

Dac exist mai multe variante ce permit micorarea variabilei
j
se alege acel
j

cu
valoarea cea mai mic.
Se continu n acest mod pn cnd nici un arc nu mai poate micora valorile lui
j
.

Pas 3 : Deoarece pentru fiecare vrf x
i
valorile luate de
i ,
formeaz un ir descresctor de
numere nenegative, exist nodul x
p1
cu urmtoarea proprietate:
88
n
-
p1
= v( x
p1
,x
n
) (4.22)

unde x
p1
este vrful ce a contribuit ultima oar la micorarea valorii lui
n .
Anolog va exista i x
p2
pentru care se ndeplinete condiia:
p1
-
p2
= v( x
p2
,x
p1
)
pn la:
pk
-
1
= v( x
1
,x
pk
)
Deci valoarea minim: v (
0
) =
n

0
= (x
1 , ,
x
pk
. x
p2
, x
p1
, x
n
) (4.23)

Observaie: n cazul n care se cere aflarea drumului de valoare maxim, apar urmtoarele
diferene:

1
= 0 si
i
= - ,
j
-
i
< v( x
i
, x
j
),
j

=
i
- v( x
i
, x
j
) <
j
(4.24)

Exemplul 4.11
O firm industrial are la dispoziie mai multe variante tehnologice de prelucrare a
unui produs. Variantele sunt redate prin succesiunea unor arce adiacente care reprezint fazele
de prelucrare a produsului, iar stadiile de prelucrare ale produsului sunt redate prin nodurile
unui graf ce reprezint modelul problemei de stabilire a variantei optime de prelucrare.
Fiecrei faze i corespunde un cost parial de prelucrare.
Conducerea firmei urmrete alegerea variantei tehnologice care permite obinerea
unui cost total minim.
Problema urmeaz a se rezolva prin determinarea unui drum de valoare minim n
modelul graf asociat problemei.
Trebuie s se determine drumul de valoare minim dintre vrfurile
6 1
x x pentru
graful G(X,U) de mai jos :
x
1
x
2
x
3
x
4
x
5
x
6
4
19
18 14
5
15
10 11
6
10
12

Fig.4.19

Se ntocmete tabelul 4.1 ce conine n primele 2 coloane arcele grafului i valorile
asociate acestora.
In celelalte coloane sunt trecute diferenele
j
-
i
calculate la fiecare iteraie.
(Se trec n acest tabel la nceput arcele incident interior lui
n
x i apoi
1 n
x )
Iteraia 0: = = = =
3 2 1
0 i toate aceste valori ale lui pe iteraii se vor trece
n tabelul 4.2.

Iteraia 1: Efectund
i j
cu relaia observm c diferenele:
1 2 1 3 1 4 1 5
; ; ; sunt mai mari (4.20) dect valoarea arcelor
corespunztoare (ele sunt marcate n tabelul 4.1 cu *).
89
( )
j i i j
x x v , >
i astfel se vor recalcula cu relaia (4.21):
( )
( )
( )
( )
( )
( )
( )
( ) 5 5 0
14 14 0
15 15 0
10 10 0
2 1 1
1
2
3 1 1
1
3
4 1 1
1
4
5 1 1
5
1
= + = + =
= + = + =
= + = + =
= + = + =
x x v
x x v
x x v
x x v

Noile valori se vor trece n tabelul 4.2.

Iteraia 2 Se calculeaz
( ) ( ) 1 1
i j
i se compara cu ( )
j i
x x v
n cazul n care:
( ) ( )
( )
( ) ( )
( )
j i
i
j j i i j
x x v x x v + = >
1 2 1 1
,
analiznd diferenele:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( )
j i
x x v >
1
2
1
6
1
3
1
6
1
4
1
6
1
5
1
6
; ; ;
Se observ c exist trei variante de micorare a lui
6
:
( ) ( )
( )
( ) ( )
( )
( ) ( )
( ) 32 18 14
25 10 15
29 19 10
6 3
1
3
2
6
6 4
1
4
2
6
6 5
1
5
2
6
= + = + =
= + = + =
= + = + =
x x v
x x v
x x v

Deoarece problema este de minim se va alege valoarea minima i anume :
( )
25
2
6
= , iar
( ) ( )
( ) 9 4 5
5 2
1
2
2
5
= + = + = x x v
Celelalte valori
( ) 2
j
se menin aceleai.

Iteratia 3: Se calculeaz
( ) ( ) 2
i
2
j
. Observm c aceste diferene nu mai pot fi micorate
n raport cu valoarea arcului, deci
( )
25
2
6
= este valoarea minim a drumului de la nodul x
1

la nodul x
6
.

n tabelul 4.1 se centralizeaz toate datele.

Pentru stabilirea succesiunii de arce ce formeaz drumul de valoare minim se rein
arcele adiacente pentru care n ultima coloan avem relaia :

( ) ( )
( ) { }
{ } 25
25
6 4 5 2 1 2
6 4 1 1
2 2
= =
= = =
x x x x x
x x x x x v
j i i j

Astfel exist dou variante tehnologice pentru care costul total este minim 25 = ) (
i anume
2 1
, .

Algoritmul Bellman-Kalaba

Acest algoritm se bazeaz pe principiul general al programrii dinamice care n cazul
grafurilor capt urmtoarea exprimare: dac drumul de valoare minim (maxim) care unete
x
1
x
n
trece prin vrfurile intermediare x
h
, x
k
atunci drumul parial x
h
x
k
este un drum de
valoare minim.

90
Tabelul 4.1
( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( ) 5 5 * 5 x x
14 14 * 14 x x
15 15 * 15 x x
10 10 0 11 x x
1 1 0 12 x x
6 5 0 6 x x
9 10 * 10 x x
4 * 5 0 4 x x
11 * 0 18 x x
10 * 0 10 x x
14 * 0 19 x x
x x v x x
2 1
3 1
4 1
4 2
4 3
4 5
5 1
5 2
6 3
6 4
6 5
2
i
2
j
1
i
1
j
0
i
0
j j i j i

1
1
5
2
4
x
x
x
x
x

Tabelul 4.2

25 9 15 14 5 0 2
10 15 14 5 0 1
0 0
6 5 4 3 2 1

Nr

n cazul n care se cere determinarea drumului de valoare minim, grafului G( X ,U ) i
se ataeaz matricea C cu componentele: c= ( c
ij
) i i, j = 1,..,n i

=

=
j i
j i U x x
j i U x x x x v
c
j i
j i j i
ij
, 0
) ( ) , ( ,
) ( ) , ( ), , (
(4.25)

Fiecrui vrf al grafului G i se asociaz o variabil v
i
, ce are semnificaia de valoare a
drumului minim x
1
x
n.
. Rezolvarea sistemului de mai jos duce la aflarea soluiei problemei:

=
+ =
0
) ( min
n
ij j
i j
i
v
c v v
(4.26)

Pentru rezolvarea sistemului de mai sus se utilizeaz un procedeu iterativ, n acest mod
se pleac de la informaia iniial definit n modul urmtor:
=
=
0
) 0 (
) 0 (
n
in i
v
c v
, i = 1,2,..,n-1 (4.27)

Pentru fiecare iteraie k ( k = 1,2,..,n ) se rezolv urmtorul sistem:

=
+ =

0
) ( min
) 1 ( ) (
n
ij
k
j
j i
k
i
v
c v v
(4.28)

91
unde: N k , n , 1 j , 1 n , 1 i = =
Acest proces de calcul se nchide n momentul n care:

) ( ) 1 ( k
i
k
i
v v =
, i = 1,2,...,n-1. (4.29)

Atunci avem urmtoarele:

n
k
n i
k
i i
x x v v
x x v v
= =
= =
min
1
) (
1 1
min ) (
(4.30)

Determinarea arcelor drumului de valoare minima se face n modul urmtor:
Fie x
j1
vrful pentru care avem urmtoarea relaie:

j
k
j ij j
k
c v c v v
1
) 1 (
1
) (
1
) min( + = + =

(4.31)

Analog x
j2
vrful pentru care avem urmtoarea relaie :

2 1
) 2 (
2 2 1
) 1 (
1
) min(
j j
k
j j j j
k
c v c v v + = + =

(4.32)

Astfel drumul cutat este : =( x
1
,x
j1
,x
j2
,..,x
n
)
Drumul de valoare minima trece prin x
j1
si conform programrii dinamice
) 1 (
1
k
j
v reprezint
valoare minim a drumului x
j1
x
n

Exemplul 4.12
O ntreprindere de montaj are la dispoziie mai multe variante tehnologice de montaj a
ansamblelor pentru un produs.
Din datele existente n evidenele ntreprinderii reies costurile pariale de trecere
(tabelul 4.3).
Conducerea urmrete alegerea variantei tehnologice care permite realizarea
montajului cu obinerea unui cost total minim.

Tabelul 4.3
S1 S2 S3 S4 S5 S6 S7
M1 - 20 30 - - - -
M1 - - 20 70 50 - -
M1 - - - 10 - 50 -
M1 - - - - - - 40
M1 - - - 10 - - 20
M1 - - - 20 - - 30
M1 - - - - - - -

Problema urmeaz a se rezolva prin determinarea unui drum de valoare minim n
modelul graf asociat problemei (fig.4.20).
Pentru calcularea elementului vectorului
( ) 1
i
v s-a efectuat suma dintre elementele
( ) 0
i
v si elementele corespunztoare ale rndului I din C j i
( )
=
1
1
v
( )
( ) 110 0 ; 30 ; 70 ; 110 ; 20 ; ; max
1
2
= + = v
92
( )
( ) 80 0 ; 30 50 ; 20 ; 40 10 ; ; max
1
3
= + + + + = v

x
1
x
2
x
3
x
4
x
5
x
7
50
20
30
20
70 10
40
10
x
6
30
20
20
50

Fig.4.20
Matricea asociata acestui graf :
( )
( )
( )
( )
( )
( )
0 60 50 40 110 130 150 v
0 60 50 40 110 130 150 v
0 60 50 40 110 130 140 v
0 60 50 40 110 110 130 v
0 60 50 40 80 110 v
0 30 20 40 v
0 x
30 0 20 x
20 0 10 x
40 0 x
50 10 0 x
50 70 20 0 x
30 20 0 x
x x x x x x x
5
i
4
i
3
i
2
i
1
i
0
i
7
6
5
4
3
2
1
7 6 5 4 3 2 1

C

In iteraiile urmtoare se nsumeaz elementele vectorului
( ) 1
i
v cu elementele
corespunztoare liniei i din matricea C i se reine valoarea maxim.
ntruct
( ) ( )
=
4 5
i i
v v s-a obinut soluia optim.
Determinarea vrfurilor prin care trece drumul de valoare optima se realizeaz astfel:

( ) ( )
( )
( )
2 12
4
2 1
4
1
5
1
1 1
20 130 max x x c v c v v
j j j j j
= + = + = + =

( ) ( )
( )
( )
3 23
3
3 2
3
2
4
2
2 2
j j j j j
= + = + = + =

( ) ( )
( )
( )
6 36
2
6 3
2
3
3
3
3
j j j j
= + = + = + =

( ) ( )
( )
( )
4 64
1
4 6
1
6
2
6
4
j j j j
= + = + = + =

( ) ( )
( )
( )
7 47
0
7 4
0
4
1
4
5
j j j j
= + = + = + =

( )
7 4 6 3 2 1
x x x x x x =

( ) ( )
150
5
1 1
= = = v v v
k
i

93
4.6. Cuplaje. Probleme de repartiie (afectare)

n practica industrial situaii cum sunt: distribuia produselor la locurile de vnzare,
repartizarea operaiilor tehnologice pe o resurs tehnologic suprancrcat, repartizarea
activitilor n cadrul unui proiect de producie, repartizarea muncitorilor pe posturi de lucru
etc, reprezint momente n care afectarea activitilor pe resurse are un rol esenial n
optimizarea procesului de producie.
Aceast afectare se poate asimila cu o asocierea a elementelor unei mulimi X = {x
1
,
x
2
, ... , x
n
} cu elementele unei alte mulimi Y = {y
1
, y
2
, ... , y
m
} n condiiile unor condiii
impuse. Fiecare asociere conduce la un anumit efect (regim, profit, cost etc) care poate fi
calculat.
Afectarea optim ntre elementele celor dou mulimi presupune: s se realizeze
maximul de afectri sau suma efectelor afectrilor s fie maxim (sau minim, n funcie de
semnificaia acestora).
Reprezentarea geometric a situaiei de mai sus este un graf bipartit de forma
urmtoare :

Graful G = (X, U) se numete graf bipartit dac mulimea nodurilor poate fi mprit
n dou mulimi disjuncte A i B astfel nct orice arc are extremitatea iniial n A i cea
final n B.
Submulimea de arce W U se numete cuplaj al unui graf bipartit dac are
proprietatea c nu exist dou arce adiacente (sau, pentru orice nod exist cel mult un arc
incident acestuia).
Un cuplaj cu proprietatea c orice arc care nu face parte din cuplaj este adiacent cu un
arc din cuplaj se numete cuplaj maxim.
Numrul de arce ale unui cuplaj este mai mic sau egal cu numrul de elemente din
fiecare din mulimile A i B.
Determinarea unei afectri optime a dou mulimi X i Y, este echivalent cu
determinarea unui cuplaj maxim de valoare optim (minim sau maxim) n graful bipartit
asociat.
n 1955, H.W. Kuhn a elaborat un algoritm, cunoscut n literatura de specialitate sub
denumirea de algoritmul ungar, cu ajutorul cruia se poate determina un cuplaj maxim de
valoare minim ntr-un graf bipartit pentru care A=B= n.
Funcia obiectiv pentru problema de repartiie poate fi minimizat sau maximizat.
Astfel se poate minimiza timpul total pentru a determina n sarcini sau se maximizeaz
beneficiul prin repartizarea produselor la locurile de vnzare.
Din matricea C (matricea costurilor asociata sarcinilor) se aleg n componente n aa fel
nct niciodat dou elemente s nu figureze pe aceeai linie sau n aceeai coloana a matricei
respective, alegerea fiind fcut astfel nct suma respectivelor elemente s fie minim.
Astfel s-a obinut permutarea optim pentru problema dat
Algoritmul ungar se bazeaz pe proprietatea c soluia optim a unei problemei s nu
se schimbe dac se micoreaz sau se mrete cu o aceeai mrime fiecare element de pe o
linie sau de pe o coloana a matricei .
x
1
x
2
x
n
y
1
y
2
y
m
94
Modelul matematic asociat unei astfel de probleme este sub forma :

= =
= =
=
=
= =
n
j
ij
n
i
ij
n
i
n
j
ij ij
i x
j x
x c
1
1
1 1
.. 2 , 1 , 1
.. 2 , 1 , 1
min
(4.37)

Fie matricea C= (c
ij
)
m,n
unde c
ij
> 0 si reprezint valoarea cuplajului. In cazul in care nu
exista cuplaj atunci c
ij
= .

Algoritmul de afectare ungar

Pasul 1 :
Se transform matricea C = ( c
ij
) ntr-o matrice de forma C
(1)
= (c
ij
)
(1)
care s conin
cte un zero pe fiecare linie i pe fiecare coloana .
Acesta se efectueaz alegnd din fiecare linie elementul cel mai mic dup care se
scade din toate elementele liniei.
Dac vor rmne coloane fr elemente nule se repet acest pas.
Pasul 2 :
a. pe linia cu cele mai puine zerouri se ncadreaz unul din zerouri i se noteaz
(bareaz)cu X toate zerourile situate pe linia i pe coloana zeroului ncadrat;
b. din cele n-1 linii rmase se considera linia cu cele mai puine zerouri i se procedeaz
ca la punctul a;
c. n ultima linie neconsiderat pn acum se alege un zero care se ncadreaz i se vor
bara toate zerourile. Dac toate zerourile ncadrate sunt n numr de n atunci
algoritmul se ntrerupe, soluia fiind cuplajul definit de aceste zerouri i care tot odat
este cuplaj maxim.
Pasul 3:
Se stabilete un numr minim de linii i coloane ale matricei C
(1)
care sa-i conin
zerourile. Se va bifeaz cu (*) lateral urmtoarele:
a) linii care nu au nici un zero se ncadreaz;
b) coloanele care conin zerouri barate pe linii marcate;
c) linii care au cel puin un zero ncadrat n coloane marcate.
Operaiile b) i c) se repeta pn cnd nu se mai poate marca nici o linie i mici o
coloan.
Suportul minimal este dat de mulimea liniilor marcate reunite cu mulimea coloanelor
marcate.

Pasul 4:
Dup terminarea suportului minimal n matricea C
(1)
se definesc trei tipuri de mulimi
de elemente :
M1 mulimea elementelor netiate (nesituate pe linii i coloane tiate)
M2 mulimea elementelor situate la intersecia liniilor tiate cu coloane tiate.
M3- mulimea elemente situate pe linii si coloane tiate
Dac m cel mai mic element din M1. Valoarea m se scade din toate elementele
mulimii M1 i se aduna la toate elementele mulimii M2 Elementele mulimii M3 nu se vor
modifica.
Astfel se va obine o noua matrice C
(2)
pentru care se va aplica algoritmul ungar
ncepnd cu Pasul 1.
95
Exemplul 4.13
Un manager de proiect de producie trebuie s repartizeze 5 echipe de muncitori (M
i
)
calificaii la 5 lucrari de producie (L
j
). Managerul estimeaz n matricea C n ct timp (ore)
execut o echip fiecare lucrare, dorind s realizeze o repartiie a echipelor pe lucrari astfel ca
suma timpilor de execuie s fie minim.

C M
1
M
2
M
3
M
4
M
5

L
1
100 200 80 50 60
L
2
225 75 325 350 450
L
3
550 375 100 100 400
L
4
500 400 300 700 600
L
5
300 75 400 600 200

Se construiete matricea ptratic C
(1)
care are elementele:

c
ij
=
( ) ( )
( )
j i
j i j i
x , x arcul exista nu daca
x , x arcul exista daca x , x arcului valoarea

Pentru exemplul ales vom avea: C
(1)
=
200 600 400 75 300

600 700 300 400 500
400 100 100 375 550
450 325 300 75 225
60 50 80 200 100

Pasul 1
Din fiecare linie se scade minimul acesteia apoi, n matricea obinut, din fiecare
coloan minimul acesteia.
Obine succesiv matricele:

=
125 525 325 0 225
300 400 0 100 200
300 0 0 275 450
375 250 225 0 150
10 0 30 150 50
C
1
1
) (
i
=
115 525 325 0 175
290 400 0 100 150
290 0 0 275 400
365 250 225 0 100
0 0 30 150 0
C
1
2
) (

Pe fiecare linie i pe fiecare coloan se afl cel puin un 0, care corespunde celui
mai mic timp.

Pasul 2 n finalul acestui pas, pe fiecare linie i pe fiecare coloan va fi cel mult un zero
ncadrat. Dac n final sunt n=5 zerouri, acesta este cuplajul maxim.

=
115 525 325 0 175
290 400 0 100 150
290 0 0 275 400
365 250 225 0 100
0 0 30 150 0
C
1
2
) (

n total sunt 4 zerouri ncadrate i deci trecem la pasul 3.
96
Pasul 3 La acest se determin suportul minimal. Se va bifeaz cu (*) lateral urmtoarele:
a) linii care nu au nici un zero se ncadreaz; se marcheaz linia L5
b) coloanele care conin zerouri barate pe linii marcate; se marcheaz coloana M2;
c) linii care au cel puin un zero ncadrat n coloane marcate; se marcheaz linia L2
Rezult suportul minimal S={L1, L3,L4, M2} i se trece la pasul 4.

Pasul 4 Cel mai mic element este m
1
=100 n linia L2, coloana L1. Matricea C
(2)
se
obine dup regul astfel: Dac m cel mai mic element din M1. Valoarea m se scade din toate
elementele mulimii M1 i se aduna la toate elementele mulimii M2 Elementele mulimii M3
nu se vor modifica.
Matricea C
(2)
este urmtoarea, dup care se reia pasul 2 i obinem:

=
15 425 225 0 75
290 400 0 200 150
290 0 0 375 400
265 150 125 0 0
0 0 30 250 0
C
2) (

Deoarece avem 5 zerouri ncadrate, am obinut cuplajul maxim de valoare minim,
cruia i va corespunde repartizarea echipelor de muncitorilor pe lucrri astfel:

Cuplajul maxim are valoarea egal cu suma tuturor elementelor sczute pentru
obinerea matricelor C
(1)
i C
(2)
.
V = 50+75+100+300+75+50+10+100=760ore

M
1
M
2
M
3
M
4
M
5
L
1
L
2
L
3
L
4
L
5
97
CAPITOLUL 5
TEHNICA DIAGRAMELOR DE TIP REEA

5.1. Generaliti privind modelarea prin reele

n practica industrial, proiectele de producie presupun efectuarea unor activiti
(operaii) intercondiionate. Deoarece proiectele de acest tip dureaz sptmni, luni sau chiar
ani, n desfurarea lor pot interveni schimbri care au implicaii directe asupra costurilor,
resurselor sau tehnologiei. Pentru a modela arhitectura unui proiect de producie se pot utiliza
trei tipuri de reprezentri: relaii de preceden, tabelare, reele.
Analiza acestor reele ce modeleaz sistemul analizat, i permite managerului de
producie, s coordoneze, planifice, urmreasc i s reorganizeze resursele umane i
materiale astfel nct obiectivele propuse s se ating n mod optim i la timp.
Dezvoltarea tehnicilor de optimizarea n reea a luat amploare ndeosebi dup cel de-al
doilea rzboi mondial. Cele mai cunoscute astfel de tehnici:
- tehnica diagramelor tip Gantt sau cu bare (dezvoltare a anilor 1910);
- tehnica reelele de tip:
- CPM (Critical Path Method) - Metoda Drumului Critic (1950);
- MPM (Metro Potenial Method) - Metoda Potenialelor;
- PERT (Program Evaluation and Review Technique) - Metoda PERT (1958);
- GERT (Graphical Evaluation and Review Technique) - Tehnica GERT (1970)
La planificarea unui proiect de producie, pentru a putea folosi o tehnic de tip reea,
trebuie ca acesta s fie definit n cadrul unui sistem pe la baza un proces, a unei tehnologii i
resurse de producie i totodat trebuie mprit n prile sale componente: activiti (operaii)
i evenimente (fig.5.1).
PRODUCIA capacitatea de a mri utilitatea unui
produs sau serviciu motorul economiei.
SISTEM reprezint ansamblul elementelor ce ascult
de un ansamblu de reguli de funcionare bine definite n
vederea ndeplinirii unui anumit scop.
PROCES reprezint ansamblul operaiilor desfurate
ntre recepionarea intrrilor i elaborarea ieirilor prin
intermediul crora sistemul i ndeplinete o parte din
funcia sa.
TEHNOLOGIA reprezint orice tip de produs se
realizeaz pe baza unei tehnologii, ce poate fi de produs,
de procedeu, etc.
RESURSA reprezint elementul cheie cu ajutorul
caruia se poate reliza tehnologia
ACTIVITATEA este specific resursei, iar
componentele de baz ale unei activiti sunt: descrierea /
denumirea activitii i codul acesteia; durata activitii
(minute, ore, zile, sptmni, luni); resursele necesare
realizrii activitii (umane, materiale, echipamente);
costurile necesare realizrii activitii.

Activitatea este simbolizat n reea prin litere majuscule (A
i
).
EVENIMENTUL simbolizeaz momentul de nceput sau de terminare a unei activiti i
este simbolizat n reea cu cifre i nu au durat, ele delimitnd activitile.
Pentru proiectele de producie, setul complet de activiti (operaii), necesare realizrii
acestuia ca conine o combinaie de activiti n serie i paralel, formnd astfel reeaua logic
a proiectului de producie ce poate fi reprezentat grafic.

Fig.5.1
Tehnica diagramelor de tip reea
98
Ealonarea n timp a operaiilor componente proiectului de producie, presupune
determinarea duratei totale de realizare a proiectului adic intervalul dintre prima operaie i
ultima operaie. Acest interval de timp este mai mare sau egal cu suma intervalelor luate pe
drumul cel mai defavorabil i anume drumul critic.
Algoritmul de determinare a drumului critic este acela de determinare a operaiilor
critice, acestea fiind operaiile a cror ntrziere perturb desfurarea celorlalte operaii i
necesit parcurgerea urmtoarelor etape:
a. etapa cantitativ n care se stabilesc:
- activitile (operaiile) componente ale proiectului;
- durata activitilor (operaiilor);
- condiionrile ce exprim legturile dintre activiti preciznd pentru fiecare
activitate, activitile imediat precedente;
- reprezentarea grafic a proiectului de producie prin reeaua logic.
b. etapa calitativ n care se determin:
- termenele activitilor datele la care pot sa nceap sau sa se termine
activitile;
- termenul final a proiectului.
Drumul critic conduce la durata minim de execuie a proiectului de producie.

Exemplul 5.1 n tabelul 1 este prezentat un proiect n care activitile sunt notate prin litere
mari A, B, C, D, E, F, G. Activitile A i B sunt activitile de nceput ale proiectului.
Activitatea A este direct precedent activitii C. De asemenea, activitatea C este direct
precedent activitilor E i F etc. Toate relaiile de preceden sunt prezentate n tabelul 5.1

Tabelul 5.1
Nr.
crt.
Activitile
proiectului
Activitile
direct precedente (condiionri)
Durate
1 A - 3
2 B - 2
3 C A 2
4 D B 6
5 E B 4
6 F C,D,E 4
7 G E 1

Exist mai multe moduri de a reprezenta un proiect printr-o grafic-reea.
Cele mai folosite dintre aceste tehnici sunt CPM i PERT. Metodele PERT i CPM au
aprut n perioada 1958-1959, pentru a putea face fa nevoilor epocii dezvoltrii masive a
ingineriei, n care tehnicile de planificare industrial ale lui Taylor i Gantt nu mai
corespundeau.
Diagramele Gantt presupun divizarea unei aciuni complexe ( proiect) n pari
componente ( lucrri ) si apoi ealonarea acestora n timp, innd seama de succesiunea
operaiilor n cazul proceselor tehnologice, resurse, termene impuse, etc.
Diagrama Gantt confer informaii privind desfurarea lucrrilor i informaii
derivate privind ealonarea resurselor necesare ( for de munc, resurse materiale). n cazul
unor aciuni complexe cu sute de operaii se observ c avantajele acestor diagrame Gantt
scad simitor, datorit imposibilitilor de corelare a lucrrilor componente.
Eventuale modificri de durat n cazul proiectelor de producie, conduc la refacerea
grafului Gantt (fig.5.1) la orice modificare ce apare.
Graficul Gantt reprezint o form de vizualizare i de planificare a proiectelor, i
reprezint o reea n care activitile i evenimentele sunt transpuse calendaristic pe o ax
orizontal a timpului.
99
Unei activiti i se asociaz o bar de lungime direct proporional cu durata estimat.
Graficele Gantt au dezavantajul c nu arat interdependenele dintre activiti i evenimente.

Exemplul 5.2 Este prezentat un proiect de construcii sub forma codificat conform tabelului
de precedena 5.2. Graficul Gantt pentru acest proiect este reprezentat n fig.5.1.
Tabelul 5.2

Fig.5.1

5.2. Metoda drumului critic (C.P.M.)

Metoda CPM este o metoda fundamental de analiz a drumului critic i un procedeu
de analiz n care singurul parametru analizat este timpul
n funcie de modalitatea de reprezentarea a reelei CPM distingem dou categorii i
anume : reea ADC de tip activitate arc i reea CPM de tip activitate nod.
Avantaje ale modelelor cu reele CPM: oblig la o analiz amnunit a structurii
logice a proiectului; evideniaz n mod explicit legturile logice ntre activiti, determin
durata real a proiectului, evideniaz activitile critice (activiti cheie ) i activitile
necritice permind anumite rezerve de timp cu posibilitatea de distribuire spre activiti
critice; Graful ntocmit i pstreaz configuraia chiar dac au loc modificri de durate sau
termene, permit optimizarea proiectelor n funcie de timp.

Reea CPM de tip Activitatea Arc (A-A)

Construcia reelei CPM de tip A-A
n reprezentarea reelei CPM de tip A-A se ine seama de urmtoarele convenii:
Nr.crt. Denumirea activitaii Cod Activ. prec. Durat
1 Proiectare P - 7
2 Achiziionare A P 2
3 Comenzi Utilaje CU P 3
4 Organizare antier (etI) OS1 P 1
5 Formare cadre calificate F P 10
6 Execuie dr interioare (et I) D1 A,OS1 2
7 Execuie reele electrice (etI) R1 A, OS1 5
8 Livrri, recepie utilaje LU CU 6
9 Lucrri constr.montaj (etI) C1 A,OS1 4
10 Organizare antier (et II) OS2 OS1 2
11 Execuie dr interioare (et II) D2 D1,OS2,R1 3
12 Execuie reele (etII) R2 R1 5
13 Lucrri constr.montaj (etII) C2 LU,C1,R2 10
Evaluare calendaristica Activitate
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
22 23
Proiectare(P)

Achizitonare(A)

Comenzi
util(CU)

Org.santier
(OS)

Exec dr.int ( D)

Exec.retele ( R)

Livr util (LU)

Lucr.constr-
mont (C)

Formare cadre
(F)

100
fiecrei activiti este reprezent printr-un arc cu orientarea dat de modul desfurrii
activitii definit prin capetele sale;
fiecare arc este delimitat de dou noduri (unul de nceput i cellalt de sfrit) ce
simbolizeaz evenimentele (momentele) de nceput respectiv sfrit. Evenimentele
reprezentnd stadii de realizare a activitilor.
fiecrui arc i se asociaz deasupra sa denumirea activitii iar sub, o valoare egal cu
durata activitii pe care o reprezint; Reeaua poate fi notat G(X,U), n care X-mulimea
nodurilor i U-mulimea arcelor
condiionarea a dou activiti se reprezint prin succesiunea a dou arce adiacente.
Tipurile de activiti existente intr-o reea CPM sunt:
- propriu zise cele ce consum i timp i resurs pentru realizarea ei;
- ateptrile cele ce consum numai timp pentru a fi realizate;
- fictive cele care nu consum nici timp nici resurs pentru realizare, ele exist datorit
intercondiionrilor i reprezentrii grafice.
Situaii posibile de condiionare (preceden) sunt reprezentate n fig.5.2 (a, b, c)
- Activitatea A este direct predecesoare unei activiti B (A i B se numesc activiti
succesoare fig.5.2 a)
- Activitile B i C au aceeai activitate predecesoare A (fig.5.2b)
- Activitile A i B sunt precedate direct de activitatea C (fig.5.2c)

1 2 3
B A
1 2
A
3
4
B
C
1
2
A
3
4
B
C
a) b) c)

Fig.5.2

La trasarea reelei CPM trebuie respectate urmtoarele reguli:
- activiti care se execut n paralel, adic care pot ncepe n acelai moment i se pot termina
n acelai moment, este interzis ca cele dou arce corespunztoare activitilor s aib ambele
extremiti comune.
n fig.5.3 care este reprezentarea corect, F fiind o activitate fictiv:

- nu trebuie introduse dependene nereale ntre activitile proiectului (neprevzute n tabelul
de condiionri). Astfel, dac n tabelul de condiionri vom avea situaia:

Tabelul 5.3
Activitate
Activitate direct precedent
(condiionri)
A -
B -
C A,B
D B

atunci reprezentarea din fig.5.4 este incorect, deoarece introduce condiionarea dintre
activitatea A i activitatea D, inexistent n tabel.
A
B
A
B
F
A
B F
incorect
corect
sau
Fig.5.3
101
Reprezentarea corect este dat n fig.5.5 n care a fost introdus activitatea fictiv F
care anuleaz condiionarea ntre A i D:

- n reeaua CPM nu sunt admise circuite (existena unuia ar nsemna c orice activitate a
acestuia ar fi precedent ei nsui).
- reeaua CPM are un singur nod iniial (semnificnd "nceperea proiectului") i un singur nod
final (semnificnd "sfritul proiectului");
- orice activitate trebuie s aib cel puin o activitate precedent i cel puin o activitate
succesoare, exceptnd activitile care ncep din nodul iniial al proiectului i pe cele care se
termin n nodul final al proiectului;
- forma, lungimea i orientarea arcelor reelei CPM sunt arbitrare.
Exemplul 5.3 Cu ajutorul tabelului (tab.5.1, tab.5.2) intercondiionrilor se construiete
reeaua CPM (fig.5.6, fig.5.7).

Fig.5.6

0
6 2
5 4
3
1 8
7
P
CU
LU
A
OS1
C1
R1
D1
R2
C2
D2
OS2
f1
f2
f3
7
3
1
0
6
2 5
5
2
2
3
10
0
0
F
10
1
2
3
5
4
6
Figura 5.7
A
B
C
D
E
F
G
A
B
C
D
Figura 5.4
A
B
C
D
Figura 5.5
102
Analiza reelei CPM de ti A-A

Aceast analiz const n determinarea termenelor evenimentelor, termenelor i
rezervelor de timp ale activitilor, determinarea activitilor critice i determinarea duratei
minime a proiectului (lungimea drumului de valoare maxim).
Avem deci de gsit drumul de lungime maxim dintr-un graf fr circuite, pentru care
se poate aplica algoritmul lui Ford simplificat.
Conform acestui algoritm, se calculeaz pentru fiecare nod al grafului:

Pasul 1 Determinarea termenelor evenimentelor
A. Termenul minim de realizare a evenimentului j (
-
j
t ). - reprezint momentul cel mai
devreme posibil de terminare a mulimii (U
-
(j)) activitilor care converg n nodul j
Termenul cel mai devreme a evenimentului j, se calculeaz astfel:

-
j
t =
)) , ( (
) (
j i d t max
0
i
j U j
-
(5.1)

B. Termenul maxim a evenimentului j (
+
j
t ) reprezint momentul cel mai trziu posibil de
ncepere a mulimii a activitilor (U
+
(j)) care pleac din nodul j .
Termenul cel mai trziu de realizare a unui eveniment j se calculeaz astfel:

+
j
t =
+
)) , ( (
) (
k j d t min
t
k
j U k
j
(5.2)

Intervalul [
-
j
t ,
+
j
t ] se numete intervalul de fluctuaie al evenimentului j. Evenimentul j
se poate plasa n orice moment al acestui interval de fluctuaie, fr a periclita durata total a
ntregului proiect.
Termenele maxime i minime pentru fiecare eveniment, calculate cu relaiile (5.1) i
(5.2), se completeaz n reeaua CPM n mici dreptunghiuri ataate nodurilor (fig.5.8a), sau
fiecare nod al reelei se reprezint printr-un cerc divizat n trei pri (fig.5.8b), n care se trece
n partea de sus numrul nodului j, n partea inferioar-stnga termenul minim de realizare
-
j
t
i n partea inferioar-dreapta termenul maxim de realizare
+
j
t .
1 2
A
d(i, j)
t
i
t
i
*
t
j
t
j
*
i
t
j
m
t
j
M

a) b)
Fig.5.8

Exemplul 5.4 Pentru reeaua din fig5.7

1
4
2
3
5
C
A
B
2
3
D
6
4
E
6
G
1
F
4
2
8 8 3 6
2 2
0 0
6 8
12 12
Fig.5.9
, dac U
-
(j)=
, dac U
-
(j)
, dac U
-
(j)=
, dac U
-
(j)
103
Pasul 2 Determinarea termenelor i rezervelor de timp ale activitilor

Se calculeaz pentru fiecare activitate (i,j), urmtoarele termene ale activitilor:

a) Termenul minim de ncepere a activitii (i,j):

-
t (i,j) =
-
i
t (5.3)

b) Termenul minim de terminare a activitii (i,j):

-
t
t (i,j) =
-
t (i,j)+d(i,j) =
-
i
t + d(i,j) (5.4)

c) Termenul maxim de terminare a activitii (i,j):

+
t
t (i,j) =
+
j
t (5.5)

d) Termenul maxim de ncepere a activitii (i,j):

+
t (i,j) =
+
t
t (i,j)-d(i,j)=
+
j
t -d(i,j) (5.6)

Aceste termene arat n ce interval poate fi situat o activitate, dar nu dau informaii n
legtur cu diferene dintre o plasare posibil sau alta. n acest scop se vor calcula, pentru
fiecare activitate (i,j), urmtoarele rezerve de timp:

a) Rezerva total de timp (R
t
) a unei activiti (i,j) reprezint intervalul maxim cu care
poate fi amnat (ntrziat) o activitate fr ca durata total a proiectului s fie periclitat.
Rezerva total este diferena dintre termenul maxim de terminare i termenul minim de
terminare:
R
t
(i,j) =
+
j
t -
-
i
t - d(i,j) (5.7)

b) Rezerva liber de timp (R
l
) a unei activiti (i,j) reprezint intervalul cu care poate fi
prelungit activitatea cu respectarea termenelor minime de ncepere a tuturor activitilor
adiacente succesoare.

R
l
(i,j) =
j
t -
-
i
t - d(i,j) (5.8)

c) Rezerva independent de timp (R
s
) a unei activiti (i,j) reprezint intervalul n care
poate fi plasat o activitate fr a consuma nici din rezervele de timp ale activitilor ce o
preced, nici din cele ale celor ce o succed.

R
i
(i,j) = max(

j
t -
+
i
t -d(i,j)) (5.9)

Intervalele de fluctuaie pentru termene i rezervele libere de timp pentru activiti
caracterizeaz elasticitatea unui program de planificare. Cu ct aceste intervale sunt mai mici
cu att programul este mai rigid.
Drumul cel mai lung din reea a crui lungime este egal cu durata minim de execuie
a proiectului se numete drum critic. Orice amnare a unei activiti a acestui drum duce la
lungirea duratei de execuie a proiectului. Activitile de pe drumul critic nu dispun de rezerv
de timp i se numesc activiti critice.
104
O activitate critic (i,j) este caracterizat prin:

-
i
t =
+
i
t ,
-
j
t =
+
j
t ,
-
j
t
+
i
t = d(i,j) (5.10)

R
t
(i,j) = R
l
(i,j) = R
i
(i,j) = 0 (5.11)

n practic industrial este nevoie s ne interesm de activiti, n ceea ce privete
realizarea acestora, dect de termene. Activitile (operaiile) critice trebuind s fie realizate la
datele calculate deoarece nu dispun de rezerv de timp i aceasta pentru a nu depi termenul
de finalizare al proiectului. Celelalte activiti pot fi amnate cu rezervele lor de timp, dar
consumarea acestora face ca proiectul s devin rigid.
Pentru activitile proiectului analizat n fig.5.7, termenele activitilor i rezervele de
timp sunt date n tabelul de mai jos:
Tabelul 5.4
Activiti Cond. Durate
-
m
t

+
m
t
-
M
t
+
M
t
R
t
R
l
R
i
A = (1,2) - 3 0 3 3 6 3 0 0
B = (1,3) - 2 0 2 0 2 0 0 0
C = (2,4) A 2 3 5 6 8 3 3 0
D = (3,4) B 6 2 8 2 8 0 0 0
E = (3,5) B 4 2 6 4 8 2 0 0
F = (4,6) C,D,E 4 8 12 8 12 0 0 0
G = (5,6) E 1 6 7 11 12 5 5 0

Printre avantajele metodei CPM evideniem:
determinarea cu anticipaie a duratei de execuie a proiectelor complexe;
explicitarea legturilor logice i tehnologice dintre activiti;
evidenierea activitilor critice;
evidenierea activitilor necritice, care dispun de rezerve de timp;
permite efectuarea de actualizri periodice fr a reface reeaua CPM
reprezint o metod operativ i raional care permite programarea n timp a
activitilor innd seama de resurse.
Dezavantajele acestei metode sunt n principal:
greutatea desenrii reelei CPM, reprezentarea exact a tuturor condiionrile din
proiect, n condiiile n care acestea sunt foarte complicate iar reeaua logic
trebuie s fie simpl, clar, complet nct s fie util;
dac se respect toate regulile de construire a reelei CPM, rmn variante de
reprezentare astfel nct dou reprezentri ale aceluiai proiect fcute de doi
indivizi pot s nu semene aproape deloc.

Reea CPM de tip Activitatea Nod (A-N)

Construcia reelei CPM de tip A-N

n reprezentarea reelei CPM de tip A-N se ine seama de urmtoarele convenii:
fiecare activitate este reprezent printr-un nod notat printr-un dreptunghi;
fiecare arc al reelei delimitat de dou noduri (unul de nceput i cellalt de sfrit)
simbolizeaz relaiile de preceden ntre activiti.
reeaua CPM de tip A-N trebuie s aib un singur nod iniial i un sigur nod final i n
mod curent se introduce un nod fictiv de nceput (START) i un nod fictiv de final (FINISH),
iar aceste dou noduri (activiti) sunt singurele fictive din cadrul reprezentrii A-N.
105
n reprezentare A-N fiecare nod este simbolizat printr-un dreptunghi iar acesta este
compartimentat n ase csue (fig.5.11) unde se nscriu urmtoarele:
- simbolul activitii (operaiei) i;
- durata activitii d(i);
- termenul minim de ncepere
-
t (i)
- termenul minim de terminare
-
t
t (i)
- termenul maxim de terminare
+
t
t (i)
- termenul maxim de ncepere
+
t (i)
t
-
(i)
t
+
(i)
i
d(i)
t
-
t
(i)
t
+
t
(i)

Fig.5.10
a) Termenul minim de ncepere a activitii:

( )
( )
( )
( )
( )

=
=

i daca k t
i daca 0
i t
i k
i
, max
,
(5.12)

b) Termenul minim de terminare a activitii:

( ) ( ) ( ) i d i t i t
t
+ =

(5.13)

c) Termenul maxim de terminare a activitii:

( )
( ) ( )
( )
( )
( )

=
= +

+
+
+
+
i daca j t
i daca i t
i t
i j
, min
,
t
t
(5.14)

d) Termenul maxim de ncepere a activitii:

( ) ( ) ( ) i d i t i t =
+ +
t
(5.15)

Exemplul 5.5
Este prezentat un proiect de producie, sub forma codificat, conform tabelului de
precedena 5.5. S se determine temenele activitilor proiectului i activitile critice ale
acestuia, ce determin durata maxima a proiectului utiliznd ambele reprezentri ale reelei
CPM (A-A, A-N)
Tabelul 5.5
Denumire
activitate
Activitati directe
precedente
Durata
A
B
C
D
E
F
G
H
I
J
K
L
M
N
P
-
-
A
A
A
A
B, C
B, C
D
D, E
F, G, H
H
K, L
I, J, M
K, L
5
4
1
4
5
4
2
2
6
4
6
5
2
3
3

106
Reprezentarea A-A (fig.5.11):
1
2
3
4
5
9
8
7
6
10
A
D
I
N
P
M
J
F C
B
G
H L
8 9
5
5 5
9 11
17 17
6
0
3
3
20 20
15 15
5
6
K
4
4
2
2
4
0 0
6 7
10 13
0
4
5
E
1
2
9 9

Fig.5.11

Reprezentarea A-N (fig.5.12):
0
0
Y
0
0
0
0
0
A
5
5
5
0
3
B
4
4
7
5
8
E
5
10
13
F
4
9
9
C
1
5
7
5
7
D
4
9
11
5
5
6
6
J
4
14
17
9
11
I
6
15
17
10
13
9
9
K
6
15
15
N
3
17
17
G
2
6
9 7
8
H
2
6
9 7
8 8
10
L
5
13
15
15
17
P
3
18
20
20 Z
0 20
20
20
20
20
N
3
15
15
17
17

Fig.5.12

Planificarea detaliat sub forma unei reele permite echipei de management de proiect
s defineasc tot ceea ce trebuie efectuat ntr-un mod detaliat pentru atingerea la timp a
obiectivului proiectului.
Crearea reelei CPM i analiza drumului critic evideniaz interdependenele i zonele
cu probleme care nu sunt nici evidente, nici bine definite prin alte metode de planificare.
Reprezentarea CPM reduce posibilitatea de a lua decizii la nivelul conducerii
superioare i totodat necesit mult timp pentru detalii conducnd la o lips a unui istoric
privind costurile.

5.3. Metoda potenialelor (Metro Potenial Method)

Metoda potenialelor sau MPM este un procedeu de analiz a drumului critic care
ncearc s depeasc neajunsurile metodei CPM, n care, ca i n metoda CPM, se
analizeaz parametrul timp, diferena constnd n felul n care se construiete graful reea:
fiecrei activiti A i se asociaz un nod A;
fiecrui nod i se asociaz o valoare dat de durata activitii pe care o reprezint;
condiionarea (succesiunea) a dou activiti se reprezint printr-un arc, orientat de
la o activitate la alta;
fiecrui arc dintre dou activiti A i B i se asociaz un numr reprezentnd
valoarea t
AB
.

Determinarea termenelor i rezervelor:

a) Termenul minim de ncepere a activitii:
107
( )
( )
( ) ( ) { }
( )
( )
+
=
=

i daca i k t k t
i daca 0
i t
i k
-
, , max
,
(5.16)

b) Termenul minim de terminare a activitii:

( ) ( ) ( ) i d i t i t
i t
+ =

(5.17)

c) Termenul maxim de ncepere a activitii:

( )
( ) ( )
( ) ( ) { }
( )
( )

=
= +
+
+
+
+
i daca , j , i t j t min
i daca , i t
i t
i j
(5.18)

d) Termenul maxim de terminare a activitii:

( ) ( ) ( ) i d i t i t
t
+ =
+ +
(5.19)

Rezerva total R
t
(i) a activitii se calculeaz cu relaia:

( ) ( ) ( ) i t i t i R
t
*
= (5.20)

Exemplul 5.6
Condiionrile de preceden din cadrul unui proiect de producie sunt sintetizate n
tabelul 5.6. S se determine activitile critice ale proiectului.

Tabelul 5.6
Denumire
activitate
Durata
A
B
C
D
E
F
G
H
I
J
K
-
A
A
A
D
C, D, F
G, I
4
4
2
2
4
6
Activitati directe
precedente
Conditionari
B
B
E, F
H, J
-
t
AB
= 2
t
AC
= 3
t
AD
= 2
t
BE
= 3
t
BF
= 3
t
DG
= 1
t
EH
= 1, t
FH
= 2
t
CI
=4, t
DI
=3, t
FI
=3
t
GJ
= 3, t
IJ
= 2
t
HK
= 3, t
JK
= 3
3
3
5
3
0

Reeaua asociat proiectului este dat n fig.5.13.
Se parcurge reeaua n sens direct de desfurare i se determin termenele minime de
ncepere i terminare a activitilor proiectului cu relaia (5.16, 5.17), dup care acesta se
parcurge n sens invers de desfurare i se determin termenele maxime de ncepere i
terminare a activitilor proiectului cu relaiile (5.18, 5.19).
Rezervele totale se determin cu relaia 5.20.
Drumul critic este format din activitile critice :A, C, I, J, K.
108
0
0
A
6
0
2
3
B
4 7
5
8
E
F
C
D
5
J
I
K
G
H 7
6
6
6
3
3
2 5
5
2
4 4
6
8
8
3 11
6 2 8
7
7
7 5
12
12
11
13 4
9
3
3 9 6
6 9
9
12
12
12
12
12
12
2
2
3
3
3
4
3
3 1
1
2
3
2
3
3

Fig.5.13

5.3. Metoda PERT

Metodele CPM i MPM furnizeaz informaii care sunt utile n procesul de
management, ns ele nu in seama de posibilele variaii ale duratelor de execuie ale
activitilor i lucreaz cu timpi bine determinai asociai fiecrei activiti permind att
estimarea costurilor, ct i a timpului de execuie a proiectului.
Aceste metode sunt deterministe, iar controlul timpului i costului de execuie a unui
proiect se realizeaz prin determinarea drumului critic al acestuia.
Metoda PERT permite calcularea timpului mediu de finalizare a unui proiect,
identificarea activitilor critice, precum i estimarea probabilitilor de realizare a termenelor
planificate.
Deoarece n practic, duratele activitilor sunt insuficient cunoscute sau incerte prin
considerarea conceptelor statistice, duratele activitilor sunt considerate variabile aleatoare
caracterizate prin media i dispersia lor.
Metoda PERT folosete trei durate de timp asociate fiecrei activiti (optimist-a,
probabil-m i pesimist-b), formnd o medie ponderat, care reprezint durata
ateptat/estimat a proiectului.
Durata optimist a unei activiti i (a
i
), este considerat durata minim de execuie
pentru activitatea i, n condiii generale normale.
Durata probabil a unei a unei activiti i (m
i
) ca fiind estimaia cu cea mai mare ans
de realizare a proiectului n condiii normale;
Durata pesimist a unei activiti i (b
i
) este considerat durata maxim de realizare a
activitii i, atunci cnd exist condiiile cele mai defavorabile de realizarea a proiectului.
Astfel, timpul de execuie a unui proiect este calculat pe baza teoriei probabilitilor.
Metoda PERT este o metod probabilist bazat pe distribuia beta pentru timpul
fiecrei activiti i pe o distribuie normal (Gauss) pentru durata de timp estimat, permind
astfel planificarea i controlul timpului de execuie a ntregului proiect.
Reeaua PERT este o reea CPM sau MPM n reprezentare, iar fiecare activitatea din
reea este caracterizat cu cele trei tipuri de durate (a, m, b).
Durata fiecrei activiti a proiectului are o distribuie .
Durata medie de execuie ( t ) (sperana matematica) a unei activiti (i) este dat de
expresia:
E(t)=t =
6
b m 4 a + +
(5.20)

Dispersia duratei de execuie ( ) (i
2
) a activitii (i) caracterizat i ca o msur a
gradului de nesiguran n estimarea duratei activitii se calculeaz cu expresia:
) (i
2
=
2
6
a b

(5.21)
109
Durata total a proiectului este o variabil aleatoare cu distribuie normal avnd
media i dispersia:

=
crit
D i
(i) t T =
crit
D i
2 2
i) ( (5.22)

unde D
crit
reprezint mulimea tuturor activitilor care sunt pe drumul critic.
Probabilitatea de realizare a duratei planificate T
plan
a unui proiect se determin
calculnd, factorul de probabilitate Z, dup relaia (5.23) i apoi se deduce din tabelul
valorilor funciei Laplace probabilitatea p (T T
plan
).

Z=
2
plan
T T
(5.23)

Algoritmul PERT pentru determinarea probabilitii de finalizare
a unui proiect la termenul planificat

Pasul 1
Se calculeaz durata medie a fiecrei activiti din reeaua PERT, utiliznd relaia (5.20);

Pasul 2
Se calculeaz termenele activitilor reelei PERT, utiliznd una din metodele CPM sau
MPM;

Pasul3
Se calculeaz dispersia duratei fiecrei activiti cu relaia (5.21);

Pasul 4
Se calculeaz durata total de execuie a ntregului proiect (T ) i dispersia (
2
) cu relaiile
(5.22);

Pasul 5
Se determin probabilitatea de realizare a duratei planificate a proiectului dup relaia 5.23
folosind tabelul funciei Laplace;

Pasul 6
Se face analiza proiectului, conform probabilitilor de realizare a duratei a proiectului:
- dac p 25 % arat un risc foarte mare ca proiectul s nu se realizeze la termenul planificat
i se impune revizuirea duratelor de execuie ale activitilor n sensul urgentrii desfurrii
acestora;
- dac p 50% planificarea activitilor este corect i se poate aplica;
- dac p60% se respect termenul planificat dar exist o risip de resurse.

Exemplul 5.7
Se consider un proiect de producie a crui activiti i condiionri sunt indicate n
tab.5.7. Se cer urmtoarele:
- s se determine activitile critice ale proiectului de producie;
- s se determine probabilitatea ca realizarea proiectului de producie s se ncadreze
ntr-o perioad planificat de 41 u.t.

110
Tabelul 5.7
Denumire
activitate
Activitati directe
precedente
Durata [u.t.]
A
B
C
D
E
F
G
H
I
J
-
A
A
B
H, I
B, C
B, C
F, G
D, E
3
4
5
2
2
4
4
2
6
5
6
7
8
4
5
5
6
4
10
8
9
10
11
9
8
12
11
6
20
17
a m
b
B

a) Pentru fiecare activitate a proiectului se determin durata medie de execuie i
dispersia cu relaiile (5.20), respectiv (5.21.)(tab.5.8), dup care se construiete reeaua CPM
n reprezentarea A-A (fig.5.14).
Tabelul 5.8
Denumire
activitate
Durata
A
B
C
D
E
F
G
H
I
J
7
4,5
8
6
4
6
Dispersia
5
6,5
11
9

2
1
1
1
1,17
1
1,34
1,17
0,67
2,33
2

Se determin termenele minime i maxime pentru ale evenimentelor proiectului i se
nscriu n csue alturate nodurilor reelei CPM.

1 2
A
6
0 0 6 6
3
4
5 6
7 8
B
7
C
8
E
5
D
4,5
F
6
G
6,5
H
4
J
9
I
11
13 14,5
14 14
19 19
25,5 25,5
38,5 38,5 29,5 29,5
0

Fig.5.14

Activitile critice ale proiectului sunt A, C, E, G, H, J, iar durata medie de execuie a
proiectului este T = 38,5 u.t.
b) Dispersia total a proiectului este:

84 6 J H G E C A
2 2 2 2 2 2 2
. ) ( ) ( ) ( ) ( ) ( ) ( = + + + + + =

Factorul de probabilitate Z este:
Z=
2
plan
T T
= 95 0
62 2
5 38 41
.
.
.

Pe baza tabelului lui Laplace obinem probabilitatea P(Z<0.95)=0.83=83%.
111
Metodele PERT i CPM nu sunt metode lipsite de dezavantaje. Complexitatea lor se
adaug problemelor de implementare. Prin urmare de cele mai multe ori aceste metode devin
foarte costisitoare i greu de folosit n cazul proiectelor complexe, de mare anvergur.
Alte dezavantaje n folosirea metodelor PERT i CPM sunt:
- efort mare n ceea ce privete munca i timpul necesare aplicrii lor;
- reducerea posibilitii de a lua decizii la nivelul conducerii superioare;
- lipsa datelor istorice pentru estimarea costurilor;
Metoda PERT permite specificarea probabilitilor de realizare la termen, n avans sau
cu ntrziere a proiectelor
Metoda CPM permite evaluarea compromisului timp cost (efectul costului mrit
pentru reducerea timpului de execuie fa de costul n condiii normale pentru unele
activiti).

5.4. Tehnica GERT

GERT (Grafical Evaluation and Review Technique Tehnica de analiz i evaluare
grafic ) este o schem-model dezvoltat pentru situaii mai complexe dect cele care pot fi
rezolvate de PERT/CPM.
GERT combin teoria grafurilor, schema probabilistic PERT/CPM i arborele de
decizie. Elementele utilizate de metod sunt nodurile schemei logice (etapele) i activitile
reprezentate prin sgei i caracterizate prin doi parametri respectiv, probabilitatea ca o
activitate dat s fie realizat i funcia de distribuie care estimeaz timpul necesar realizrii
activitii.
Evaluarea schemei GERT arat probabilitatea de realizarea a fiecrei etape i
intervalul de timp dintre acestea.
Cteva dintre diferenele celor dou metode sunt relevate n tabelul 5.1.

Tabelul 5.1
Tehnica GERT Metoda PERT/CPM
- ramificaia n schema-model;
este probabilistic
- ramificaia n reeaua logic
este determinist
- sunt posibile diverse
distribuii pentru estimarea
timpului
- este utilizat numai distribuia
beta
- exist flexibilitate n
realizarea etapelor
- nu exist flexibilitate n
realizarea etapelor
- este acceptat ntoarcerea la
evenimentele anterioar
- ntoarcerea la evenimentele
anterioare nu este permis
- este dificil folosirea ca
metod de control
- poate fi folosit pentru control

Pentru optimizarea problemelor PERT/CPM exist programe de calculelor.
Diversele probleme de tip GERT se rezolv prin simulri cu ajutorul calculatorului.
Cel mai nou model GERT se numete Q-GERT i simuleaz reele ale liniilor de ateptare.
Exist i alte variante ale metodei PERT care au trsturi similare cu GERT cum ar fi
exemplu, Q-GERT-VERT, dar GERT se pare c are rspndirea cea mai mare.
Etapele folosite n GERT sunt urmtoarele:

- Transpunerea descrierii calitative a proiectului ntr-o schem, dup modelul folosit
n PERT/CPM
- Strngerea informaiilor necesare pentru a descrie activitile schemei, cu accentul
nu numai pe activitile specifice care sunt luate ca model, dar i pe cele cu posibilitile
de realizare, precum i pe orice activiti alternative care exist
- Stabilirea funciilor de echivalen a reelei.
112
- Transformarea funciei echivalente a schemei n urmtoarele dou msuri de
performan: - probabilitatea ca etapele specifice s fie realizate
- funcia generatoare a momentului de timp.
- Analiza rezultatelor i stabilirea concluziilor legate de sistem.

Lista simbolurilor utilizate n metoda GERT, mpreun cu cteva exemple este
prezentat n fig.5.1:
n aceast figur, n partea stng sunt prezentate intrrile cu noduri iar n partea
dreapt sunt ieirile. Aa cum se arat n exemplu, toate combinaiile de intrare i ieire a
simbolurilor sunt posibile.
Aceast metod poate fi utilizat n cazul proiectelor pentru introducerea de noi
tehnologii de fabricaie a produselor industriale, cercetarea i dezvoltarea tehnologic .a.

Fig.5.1

Exemplu de utilizare a metodei GERT:
Un subansamblu al unui produs este fabricat n 4 ore. Controlul tehnic de calitate
refuz 25% dintre piesele subansamblului pentru c nu sunt corespunztoare, sunt deci
rebuturi i trebuie refcute.
Timpul necesar pentru control este variabil i este distribuit exponenial n intervalul
de o or. Refacerea pieselor rebuta necesit 3 ore dar, la controlul acestora sunt refuzate 30%,
dintre ele.
Piesele care sunt acceptate la primul control i la cel de-al doilea (al pieselor refcute)
sunt transmise spre finisare, operaie care necesit 10 ore i respectiv 14 ore.
Controlul tehnic de calitate respinge 5% din piesele finisate care, deci, trebuie
refinisate.
Aceast situaie poate fi modelat sub forma unei scheme GERT astfel nct s fie
rezolvat pentru procentajul ateptat i timpul cerut de producerea unui subansamblu bun,
corespunztor normelor de calitate.
Cu ajutorul simbolurilor grafice GERT prezentate n figura se ntocmete schema
modelului GERT din figur

A
B
A
B
A
B
A
B
> 2
a. Inceput la inceput (EST)
>3
b. Sfirsit la sfirsit (LST)
> 4
c. Sfirsit la inceput (EFT)
> 8
d. Inceput la sfirsit (LFT)
Activitatea = R
Durata = 5
EST = 2
LFT = 8
LST = 3
EFT = 4
e. Nomenclatura activitatii
113
Evenimentul intermediar ce rezulta cand dupa a, b, c se produc d sau e
Inceputul evenimentului cu ramificatii care trebuie sa se produca
Sfirsitul evenimentului ce rezulta oricind se produce a sau b
Evenimentul intermediar ce rezulta cand dupa a se produce b sau c
d
a
a
a
b
b
b
c
c
e

Fig.5.2.

Finisare Control 3
a b
c
d e
f
g
h
i
j
Fabricare Control 1 Refacere Refacere
Piese bune
Control 2

Fig.5.3

Activitatea a reprezentrii 4 ore de fabricaie a pieselor unui subansamblu.
Rezultatul acestei activiti este verificat de ctre controlul tehnic de calitate n urma cruia
rezult urmtoarele categorii de piese : 75% din piesele fabricate sunt recepionate ca bune (a)
i trimise spre finisare (c), iar 25% sunt rebutate (b).
Acestea din urm se ntorc pe linia de fabricaie i sunt refcute (d).
Controlul le verific i rezult c 30% din ele sunt rebuturi i trebuie refcute (e=30%
din 25% rebuturi = 7,5% dn total ) .
Piesele bune din lotul refcut ( f=70% din 25% rebuturi =17,5% din total ) sunt trimise
mpreun cu lotul c (c+f=70%+17,5%=87,5% din total ) spre finisare
; efectuarea operaiei de finisare pentru 60% din piesele acestui (g) necesit 10 ore iar restul
de 40 % din piesele (h) necesit 14 ore.
Dup controlul tehnic de calitate al pieselor finisate rezult c 5% dintre ele sunt
rebuturi (i) i trebuie trimise spre refacere iar restul sunt piese bune ( j=955 din
87,55=83,125% din totalul pieselor componente ale subansamblului).
Timpul pentru ca un lot mediu s parcurg traseul din schem poate fi aflat n
acelai mod n care s-a calculat i rezultatul final.
Rezultatul analizei este mbogit fa de simplu PERT/CPM, dar i rezolvarea
informatic este mai complex, n special pentru schemele mari.

Elemente de teoria deciziei
114
CAPITOLUL 6
ELEMENTE DE TEORIA DECIZIEI

Actul de a decide este un atribut al fiinei umane.
Istoria preocuprilor pentru a aeza procesul decizional pe baze raionale coincide cu
nsi istoria societii omeneti, la nceput manifestndu-se n activitatea individual i apoi
n cele colective.
Se pot gsi elemente n legend (fondarea Cartaginei), n istoria antic (asediul
Siracusei i intervenia lui Arhimede) i n Evul mediu. Marocanul Sidi belAbbes es Sebti,
n secolul al XII lea, a inventat prima main cu program nregistrat, util prediciei, i este
precursorul ameliorrii optimumului.
Galileo Galilei a reabilitat teoria deciziilor, Pascal i Fermat au introdus noiunea de
speran matematic, Bernoulli a avut preocupri n domeniul deciziilor n condiii de
incertitudine.
Decizia n activitatea managerial se prezint sub dou forme: actul decizional;
procesul decizional.
O decizie ia forma unui act decizional dac se desfoar ntr-o perioad foarte scurt
de timp. Se refer la situaii decizionale cu complexitate redus sau cu caracter repetitiv, cnd
variabilele implicate sunt bine cunoscute de decident. La baza actelor decizionale stau
experiena i intuiia managerilor.
Procesul decizional reprezint ansamblul fazelor prin intermediul crora se pregtete,
adopt, aplic i evalueaz decizia.

6.1. Procesul i sistemul decizional al ntreprinderii

Situaiile decizionale in cadrul ntreprinderii sunt variate i conduc la procese
decizionale eterogene din punct de vedere al parametrilor constructivi i funcionali. Acesta
este motivul pentru care se impune o abordare analitic a principalelor elemente implicate n
procesul decizional.
Principalele elementele care definesc procesul decizional sunt:
- decidentul o persoan sau un grup;
- o situaie complex ce poate fi rezolvat pe mai multe ci;
- variantele (criterii) de rezolvare ale situaiei;
- criteriile de apreciere a variantelor care precizeaz punctul de vedere care se ia n
considerare n alegerea celei mai bune variante;
- rezultatele pentru fiecare variant de rezolvare n condiiile date marcheaz nivelul
cantitativ sau calitativ pentru fiecare variant;
- strile de condiii obiective, formate din totalitatea condiiilor interne i externe ale firmei n
care aplic variantele;
- obiectivele decidentului ca elemente finale ale procesului de decizie, care pot s constituie
att cauza declanrii deciziei, ct i efectul aplicrii ei.
Pentru ca procesul decizional s fie eficient, decidenii trebuie s progreseze ntr-un
ritm rapid pentru a face fa cerinelor i situaiilor dificile generate de transformrile
survenite n mediul micro i macroeconomic.
n funcie de condiiile din mediul decizional apar situaii decizionale, care pot s fie:
Certitudine unui criteriu i corespunde o singur consecin, iar n proces intervin
variabile controlabile, ale cror caracteristici sunt cunoscute i evoluia lor poate fi
preconizat;
Risc - unui criteriu i corespund dou sau mai multe consecine O parte din variabile sunt
necontrolabile i chiar evoluia unor variabile controlabile este greu de anticipat, iar
fenomenele sunt de natur stohastic i strile aleatoare;
115
Incertitudine probabilitatea de apariie a consecinelor nu este cunoscut i nu poate fi
determinat. Exist un numr mare de variabile, cu puine excepii controlabile;
Fuzzy condiiile obiective n care se desfoar procesul decizional i funcionarea
sistemului nu pot fi descrise precis, fiind caracterizate prin concepte vagi.
n funcie de strile de condiii obiective n care se iau deciziile, procesul decizional se
poate clasifica astfel:
a) Decizii deterministe (exacte) consecinele ataate criteriilor sunt rezultatul unor
calcule exacte;
b) Decizii probabilistice consecinele ataate criteriilor nu au valoare cert, nici
constant, dar se cunoate prin mijloace matematice sau statistice evoluia acestor
imperfeciuni;
c) Decizii apreciative nu se cunosc probabilitile de evoluie a consecinelor, care
ns se apreciaz.
Sistemul decizional al ntreprinderii reprezint ansamblul deciziilor adoptate i
aplicate n cadrul su, structurate conform obiectivelor urmrite i ierarhiei manageriale.
Principalele funcii ale sistemului decizional sunt: anticiparea i pregtirea evoluiei pe
termen lung i mediu a ntreprinderii; armonizarea i direcionarea deciziilor de natur
organizatoric (armonizarea activitii resursei umane); declanarea aciunilor resursei umane
al nivelul ntreprinderii i al compartimentelor sale.
Sistemul decizional alturi de sistemul informaional i sistemul operaional alctuiesc
sistemul managerial al ntreprinderii (fig.6.1).

Fig.6.1

Activitatea desfurat n cadrul unei ntreprinderi (sistemul managerial) este
rezultatul interaciunii a trei subsisteme .
SUBSISTEMUL DECIZIONAL (S.S.D ) are rol de conducere a activitilor desfurate n
cadrul unui sistem n vederea realizrii obiectivului fixat i ndeplinirii scopului pentru care a
fost creat.
SUBSISTEMUL OPERAIONAL ( S.S.O.) are rol de a executa deciziile conducerii
folosind metode i instrumente disponibile.
SUBSISTEMUL INFORMAIONAL asigur legtura n ambele sensuri ntre S.S.D. i
S.S.O.
DATA reprezint elementele constitutive ale unei informaii ce sunt supuse unor prelucrri
pentru a obine informaia.
INFORMAIA acumulare cantitativ de date care se ordoneaz, combin, compar,
transmite i nregistreaz.
116
Se poate face o sistematizare a deciziilor dup apartenena la funciile managementului
(tabelul 6.1).
Tabelul 6.1

n concepie cibernetic modelul general privind etapele procesului decizional este
prezentat n fig.6.2..

Se
cere luata o
decizie?
Nu
Da
Se aplica regula
de decizie
programata
Scanarea situatiei
interne si externe
Este o
decizie de
rutina?
Nu
2
3
4
Se monotorizeaza rezultatul
Se genereaza o decizie
neprogramata prin
metoda de rezolvare a
problemelor
Da
5
6

Fig.6.2

Eficientizarea procesului decizional reprezint conceperea i operaionalizarea
proceselor decizionale sub aspectul definirii coninutului, a instrumentelor i metodelor
folosite, a modalitilor de implementare subordonat permanent ndeplinirii unor obiective
economice, tehnice, umane i manageriale precis definite.
Variabilele care o influeneaz sunt: potenialul i gradul de motivare a personalului,
caracteristicile sistemului economic al firmei, parametrii sistemului tehnic i trsturile
definitorii ale sistemului managerial al organizaiei, evoluia pieelor, starea economico-
social a regiunii/rii n care funcioneaz firma, strategia i politicile naionale i regionale
implicate, gradul de profesionalism al managerilor.
Avantajele eficientizrii decizionale sunt: valorificarea superioar a resurselor
organizaiei, creterea profitabilitii, sporirea prestigiului firmei.
Desfurarea unor limite legate de resursele utilizabile, de complexitatea i
dificultile implicate, dovedesc c eficiena decizional este o realitate n ntreprinderilor
contemporane.

FUNCIA EXEMPLE DE DECIZII

PLANIFICARE
Care sunt obiectivele pe termen lung ale firmei
Ce strategii rezolv optimal aceste obiective
Care sunt obiectivele pe termen mediu

ORGANIZARE
Ci subordonai trebuie s raporteze direct unui manager
Ce grad de centralizare este necesar n organizaie
Cum trebuie s fie proiectate sarcinile
COMAND-
COORDONARE
Cum trebuie lucrat cu salariaii care par a fi slab motivai
Care este stilul de ndrumare cel mai eficient ntr-o anumit situaie
Cnd este momentul potrivit pentru a dezamorsa un conflict

CONTROL
Ce activiti ale firmei trebuie controlate
Cum trebuie efectuat controlul
Ce tip de sistem informaional trebuie s aib firma
117
6.2. Utiliti decizionale

Utilitatea decizional exprim efectul pe care l urmrete decidentul n urma realizrii
unei anumite consecine a variantei alese. Ea reprezint gradul de satisfacie pe care l
nregistreaz cel care ia o decizie optnd pentru o cale de rezolvare a problemei manageriale
n raport cu interesele i obiectivele sale.
Creatorii teoriei utilitii, care definesc funciile, proprietile i modul n care se poate
folosi aceasta n procesul decizional, sunt Von Neumann, i Morgenstern. n lucrarea Teoria
jocurilor i comportamentul economic, elaborat n 1944, au formulat o serie de axiome,
utiliznd conceptele de preferin i indiferen, care reprezint reacii subiective ale
decidentului fa de variantele ntre care trebuie s aleag.
Obiectivele pot fi exprimate cantitativ sau calitativ, n funcie de posibilitatea de a
exprima numeric consecinele.
De exemplu, considernd problema alegerii unei tehnologii pentru realizarea unui
produs industrial i admind dou criterii: mrimea profitului i calitatea produsului,
consecinele variantelor examinate pot fi exprimate cantitativ, pentru primul criteriu (n
10
9
lei), i calitativ, sub form de calificativ, pentru al doilea criteriu.
Caracterul obiectivelor influeneaz asupra nivelului de subiectivism care intervine n
evaluarea utilitii, calificativele oferind mai puine informaii pentru estimarea sa.
Este greu de stabilit o regul precis de dependent ntre utiliti i valorile bneti.
Dac S este o sum de bani, iar u(S) este utilitatea ei, exist relaiile:

( ) [ ] ( ) ( ) S nu nS u S n u < < 1 (6.1)

ceea ce exprim faptul c utilitatea unei sume de bani crete cu mrimea sumei, ns ritmul
su de cretere este descresctor.
Utilitatea este dependent de timp, ea scade cu ct durata de timp pn la realizarea
consecinelor este mai mare.
Axiomele formulate de Von Neumann, i Morgenstern sunt:
1. Un decident care compar dou variante V
i
i V
j
de rezolvare a unei probleme poate
exprima una i numai una din urmtoarele relaii:

( ) ( ) ( )
j i i j j i
IV V PV V PV V , , (6.2)

n care P este operatorul logic de preferin, iar I operatorul logic de indiferen.
2. Relaiile de preferin sunt tranzitive:

( )
j i
PV V i ( ) ( )
k i k j
PV V PV V (6.3)
( ) ( )
i j j i
PV V PV V (6.4)

3. n afara mulimii { }
n
V V V V , , ,
2 1
= a variantelor simple, decidentul poate lua n
considerare i variante complexe, de tipul:

( )
j i
V p pV V + = 1 ' (6.5)

unde p este probabilitatea utilizrii variantei V
i
, iar 1-p este probabilitatea realizrii variantei
V
j
.
Se introduc astfel probabilitile n teoria utilitii acceptndu-se c dou variante
simple pot alctui mpreun o nou variant, denumit mix probabilistic, dac li se asociaz
probabiliti, cu condiia ca suma probabilitilor respective s fie egal cu 1.
118
4. Fiind date trei variante V
1
, V
2
i V
3
i un decident care exprim relaia (V
1
PV
2
PV
3
),
exist un mix V=[pV
1
+(1-p)V
3
], astfel nct (VPV
2
) i un alt mix V=[pV
1
+(1-p)V
3
],
astfel nct (V
2
PV). Deci, folosind dou variante (V
1
i V
3
), se poate construi o infinitate de
mixuri probabilistice care variaz continuu pe scara preferinelor ntre V
1
i V
3
.
5. Fiind date trei variante V
1
, V
2
i V
3
, dac un decident exprim relaia (V
1
PV
2
), atunci
implicit va exprima i relaia [pV
1
+(1-p)V
3
]P[pV
2
+(1-p)V
3
].
Aceast axiom evideniaz faptul c o variant V
1
fiind preferat alteia V
2
, i mixul
lui V
1
cu o a treia V
3
va fi preferat mixului V
2
cu V
3
.
Cele cinci axiome prezentate permit s se defineasc funcia de utilitate u(V) care
asociaz fiecrei variante o valoare din mulimea numerelor reale sub forma (6.6).

U(V):V R 6.6)

Utilitatea u(V
i
) a variantei V
i
se determin cunoscnd utilitile u(V
1
) i u(V
0
) a doua
variant ntre care exist relaia (V
1
PV
0
). Admind u(V
1
)=1 i u(V
0
)=0 se pot distinge
urmtoarele trei cazuri:
I. (V
1
PV
i
PV
0
); n acest caz se apreciaz probabilitatea p pentru care V
i
I[pV
1
=(1-p)V
0
],
cu 0 p 1; rezult 0 u(V
i
) = p 1.
II. (V
i
PV
1
PV
0
); n aceast situaie se calculeaz probabilitatea q pentru care
V
1
I[qV
i
+(1-q)V
0
], 0 q 1; rezult ( ) 1
1
=
q
V u
i
.
III. (V
1
PV
0
PV
i
); n acest caz se estimeaz probabilitatea r pentru care V
0
I[rV
i
+(1-r)V
i
],
0 r 1; i se va lua ( ) 0
1

=
r
r
V u
i
.
Pentru a se opera cu funcia de utilitate trebuie s se exprime urmtoarele proprieti
ale acesteia:
1. Dou variante decizionale V
i
i V
j
se afl n relaia de preferin (V
i
PV
j
) dac i
numai dac u(V
i
) > u(V
j
).
2. Utilitatea unui mix probabilistic de forma
V=[pV
i
+(1-p)V
j
] este egal cu sperana matematic a utilitilor variantelor mixului:

u(V) = pu (V
i
) + (1-p) u (V
j
) (6.7)

3. Proprietile anterioare permit o transformare liniar In funcie de utilitatea de
forma:

u (V
j
) = a + b (V
i
), a 0, b > 0 (6.8)

Dac utilitatea evalueaz gradul de satisfacie dup mai multe criterii (de exemplu, n
cazul produselor dup calitate, dup pre, dup serviciile postvnzare) trebuie ca fiecrei
variante decizionale V
i
s i se atribuie un indicator de utilitate de ansamblu U
i
de forma:

n j m i k u U
n
j
j ij i
, 1 , , 1 ,
1
= = =
=
. (6.9)

n care u
ij
este utilitatea corespunztoare variantei i pentru criteriul C
j
, iar k
j
coeficientul de
importan al criteriului C
j
.
Coeficientul de importan poate lua valori astfel:
=
=
n
j
j j
k k
1
1 ; 1 0 (6.10)
119
Valorile acestor coeficieni se pot stabili cu relaia:

, , 1 2 1 ;
2 2
2
2 1
2 1
1
n j j j
a
a
k k
j j
j j
j
j j
j j
= = = =
(6.11)

n care a
j1j2
sunt elementele unei matrice ptrate, n care liniile sunt numerotate cu j
1
i
coloanele cu j
2
, att pe linii ct i pe coloane figurnd aceleai criterii C
j
.
Pentru a stabili elementele a
j1j2
se poate utiliza relaia:

=
rest in
C decat t impor mai este C daca
C ca t impor de fel la este C daca
a
j j
j j
j j
, 0
tan , 2
tan , 1
2 1
2 1
2 1
(6.12)

n unele cazuri funcia utilitii nu poate fi apreciat ca liniar, fiind considerat aa
cum rezult din aprecierile subiective ale decidenilor, n funcie de factura lor psihic
(optimiti, pesimiti) i de impactul riscurilor.

Exemplul 6.1:
O firm care fabric ascensoare i scri rulante trebuie s opteze pentru cea mai bun
variant de asimilare n fabricaie din trei posibiliti V
1
, V
2
i V
3
, caracterizate sumar prin
datele din tab.6.1 unde V
1
reprezint asimilarea pe baz de componente din ar, V
2
pe baz
de elemente importate din Italia, iar V
3
pe baz de import din Germania. Se iau n considerare
trei criterii: C
1
costul, C
2
fiabilitatea, iar C
3
efortul valutar necesar.

Tabelul 6.1
Criteriul /
Varianta
C
1
C
2
C
3
V
1
1 2 sczut
V
2
1,5 2,5 mediu
V
3
1,2 2,3 ridicat

Criteriului C
3
i se asociaz notele 10, 8, respectiv 5.
Soluia optim se alege pe baza relaiei 6.9.
Pentru a determina coeficienii de importan asociai criteriilor se alctuiete matricea
A, ale crei elemente se fixeaz de ctre un specialist (tab.6.2)

Tabelul 6.2
0 1 2
2
0
1
0
2
1
A =

Rezult coeficienii de importan:

9
1
;
9
5
;
9
3
3 2 1
= = = k k k
Se determin utilitile u
ij
pentru fiecare variant V
i
i criteriu C
j
.
Pentru criteriul cost, pe baza datelor din coloana 1 a matricei din tab.6.2, se poate scrie
relaia:(V
1
PV
3
PV
2
)
120
Se atribuie valorile 1 i 0 unitii variantelor extreme din relaia de preferin
respectiv: u(V
1
)=1;u (V
2
) = 0
Se formeaz un mix probabilistic QV
1
+ (1-p)V
2

i se scrie relaia de indiferen ntre V
3
i acest mix : V
3
I[pV
1
+ (1-p) V
2
]
Aplicnd proprietatea I a funciei de utilitate rezult: u (V
3
)
1
= p
Valoarea lui p se calculeaz utiliznd relaia de liniaritate a funciei de utilitate, prin
interpolare (fig.6.3)

min max
max
X X
X X
p
i
=
n care X
max
= 1,5 i X
min
= 1

( )
1 3
5
3
1 5 , 1
2 , 1 5 , 1
V u p = =
=

X
X
max
1,2
0
3/5 1
X
min
u(V)

Fig.6.3

Reprezentarea din fig.6.3 corespunde pentru criteriile la care utilitatea este invers
proporional cu valoarea lor numeric (exemplu costul).
Pentru criteriul efort valutar, rezultnd:
( ) ( ) ( )
5
2
; 0 ; 1
3 2 3 3 3 1
= = = V u V u V u
Pentru criteriul fiabilitate, care are valoarea direct proporional cu utilitatea, se aplic
formula de interpolare
min
min
max X X
X X
p
i
=
Utilitile variantelor sunt:
( ) ( ) ( )
5
3
; 0 ; 1
2 3 2 1 2 2
= = = V u V u V u
Se calculeaz utilitile globale U
i
pe baza relaiei

;
15
8
0
9
1
5
3
9
5
5
3
9
3
;
5
3
5
2
9
1
1
9
5
0
9
3
;
9
4
1
9
1
0
9
5
1
9
3
3
2
1
= + + =
= + + =
= + + =
U
U
U

Pentru a le compara aducem la acelai numitor U
i
i avem relaia de preferin pentru
cele trei variante este (V
2
PV
3
PV
1
). Rezult c varianta optim este V
2
, respectiv realizarea
ascensorului importnd elemente componente din Italia.
121
,
45
4
;
45
27
;
45
20
3 2 1
= = = U U U

6.3. Optimizarea deciziilor n condiii de certitudine

Situaia de certitudine se caracterizeaz prin faptul c predomin variabilele
controlabile, iar rezultatele obinute pentru fiecare variant se pot anticipa uor.

Tabelul 6.3
Criterii /
Variante
C
1
. C
j
. C
m
V
1
R
11
. R
1j
. R
1m

.
.
.
.
.
.
V
i
R
i1
. R
ij
. R
im

.
.
.
.
.
.
.
.
V
n
R
n1
. R
nj
. R
nm

Matricea decizional din tabelul 6.3 corespunde unei probleme cu n variante
decizionale ( ) n i V
i
, 1 = , m criterii de decizie ( ) m j C
j
, 1 = i conine rezultatele sau
consecinele decizionale R
ij
.
Se apeleaz la metode i tehnici de optimizare a deciziilor multidimensionale care au
la baz teoria utilitii, care permite s se aduc la acelai numitor comun consecinele
decizionale exprimate diferit prin transformarea lor n uniti (tab.6.4).

Tabelul 6.4
Criterii /
Variante
C
1
. C
j
. C
m
V
1
u
11
. u
1j
. u
1m

.
.
.
.
.
.
V
i
u
i1
. u
ij
. u
im

.
.
.
.
.
.
.
.
V
n
u
n1
. u
nj
. u
nm

Metoda aditiv
Dac coeficienii de importan ai criteriilor decizionale sunt identici, stabilirea
variantei optime, n ipoteza c criteriile sunt independente, se face pe baza relaiei:

=
=
m
j
ij
i
opt
u V
1
max , (6.13)

respectiv varianta optim este cea care are cel mai ridicat nivel al sumei unitilor.

6.3.1. Metoda utilitilor globale

Criteriile de decizie pot s aib coeficieni de importan diferii, stabilii n funcie de:
- Situaia economicofinanciar a firmei;
Specificul economic i manageriala domeniului n care se integreaz problema decizional;
- Atitudinea decidentului fa de criteriile de decizie;
122
Amploarea i complexitatea mediului nconjurtor i intensitatea influenei exercitat de
acesta asupra firmei i asupra problemei care trebuie rezolvat.
n aceast situaie se determin utilitatea global pentru fiecare variant decizional cu
relaia:

=
=
m
j
ij j gi
u k U
1
(6.14)

n care: k
j
coeficientul de importan al criteriului C
j
; u
ij
- utilitatea aferent variantei i,
determinat de criteriul j.
Varianta optim se stabilete pe baza relaiei..

gi
i
opt
U V max = (6.15)

Metoda are avantaje, legate de simplitatea n utilizare i alegerea relativ rapid a
variantei optime, dar i limite, generate de subiectivismul stabilirii coeficienilor de
importan ai criteriilor decizionale.

6.3.2. Metoda ELECTRE

Metoda ELECTRE (Elimination et Choix Traduisant la Ralit metod de clasament
i alegere n prezena unor puncte de vedere multiple) a fost elaborat de coala francez de
management. Ea folosete pentru rezolvarea unor probleme decizionale complexe.
La baza utilizrii acestei metode st matricea utilitilor.
Etapa I. Se stabilesc indicatorii de concordan care evideniaz msura n care o variant V
l

surclaseaz, pe baza valorii criteriilor, o alt variant V
k
, dup relaia:

( ) m k l
k
k
V V C
m
j
j
J j
j
k l
c
, 1 , ; ,
1
= =
(6.16)

n care: k
j
coeficientul de importan al criteriului C
j
; J
c
mulimea indicilor criteriilor
concordante, respectiv al criteriilor crora le corespunde (V
l
PV
k
), u
l
u
k

0 C(V
l
, V
k
) 1 (6.17)

Etapa II. Se calculeaz indicatorii de discordan, care arat depirea variantei V
l
de ctre V
k

utiliznd formula:

( )
( )
<
=
k l l k
k l
k l
u u pentru u u
e
u u daca
V V d
, max
1
, 0
, (6.18)

n care e este marja maxim ntre utilitile aceluiai criteriu; dac [ ] 1 , 0 u , atunci e = 1.

( ) 1 , 0
k l
V V d (6.18)

123
Din relaiile (6.16) i (6.18) se observ c indicatorii de concordan se determin n
raport cu coeficienii de importan ai criteriilor, iar indicatorii de discordan n raport de
utilitile variantelor care se compar, ceea ce reprezint o limit a metodei ELECTRE.
Etapa III. Determinarea variantei optime se face prin operaii succesive de surclasare a
variantelor cu ajutorul unor relaii de forma:

( )
( ) q V V d
p V V C
k l
k l
,
,
(6.19)

n care p i q constituie o pereche de valori ( [ ] 1 , 0 , q p ), cu condiia ca p s fie ct mai
apropiat de 1 i q ct mai aproape de 0.
Fiecrei perechi p, q i se asociaz un graf G(p, q). Prin scderea pragului p i creterea
pragului q se obin grafuri succesive avnd tot mai multe legturi ntre variante, pn ce se
poate stabili care variant le surclaseaz pe toate celelalte.
Pentru a elimina volumul mare de munc pe care l presupune construirea grafurilor se
poate folosi o metod ELECTRE analitic ce permite stabilirea variantei optime pe baza
relaiei:

( )
( ) ( )
opt k l
j
k l
j
k
i
i
V V V d V V C P
, max , min max (6.20)

6.3.3. Metoda LEADER-ului

Metoda LEADER-ului are la baz determinarea variantei dominante n ansamblul
soluiilor pe baza relaiei:

( ) ( )
opt
k
i ij
i
k
i
i
V P a P =

1
max max (6.21)

n care
( ) k
i
P este puterea de ordinul k a liniei i, iar a
ij
elementul din linia i i coloana j a
matricei M.
Matricea M se construiete pe baza grafurilor relaiilor de dominan n care
variantele sunt noduri, iar arcurile cu sgei indic dominana i a punctajului stabilit astfel:
Dac soluia V
l
domin varianta V
k
, se acord lui V
l
2 puncte i lui V
k
0;
Dac dou variante au aceeai influen una asupra celeilalte, se d fiecreia un
punct;
Se consider c fiecare variant se autodomin:

=
=
m
j
Cj
M M
1
(6.22)

unde
Cj
M este matricea corespunztoare criteriului C
j.

Exemplul 6.2
Se analizeaz mai multe variante de procese tehnologice de obinere a unui produs
(V1, V2, V3, V4).
Variantele sunt analizate n funcie de urmtoarele criterii:
124
1
costul de implementarea a procesul tehnologic (uniti monetare);
2
cheltuieli anuale de mentenan (uniti monetare)
3
posibilitatea de automatizare a sistemului de producie;
4
eficiena de reducere a noncalitii.

n tabelul 6.5. se prezint performanele variantelor, corespunztoare acestor criterii;
se observ c unele sunt exprimate cantitativ, iar altele calitativ.

Tabelul 6.5
Criteriul /
Varianta
C
1
C
2
C
3
C
4

V
1
540 360 Medii Bun
V
2
540 150 Dificile F. bun
V
3
150 100 Bune Slab
V
4
350 200 Dificile F. bun

Pentru stabilirea deciziei optime se utilizeaz conceptul de utilitate, admind o
dependen liniar intre consecine i utiliti i 0 u 1.
Se alctuiete matricea unitilor (tabelul 6.6)

Tabelul 6.6
Criteriul /
Varianta
C
1
C
2
C
3
C
4

=
4
1 j
ij
u
V
1
0 0 0,5 0,5 1
V
2
0,077 0,807 0 1 1,884
V
3
1 1 1 0 3
V
4
0,487 0,615 0 1 2,02

Conform Metodei aditive sau Von Neumann Morgenstern se aplic relaia 6.14 i
rezult:
3 max
4
1
=
= j
ij
i
u
Varianta optim este V
3.

Pentru a aplica Metoda utilitii globale se acord criteriilor coeficieni de importan
diferii i C
4
va avea coeficientul de importan maxim pentru c obiectivul urmrit l
constituie creterea eficienei n reducerea noncalitii. Valorile acestor coeficieni sunt:

k
1
= 3; k
2
= 3; k
3
= 2; k
4
= 7.

n acest caz se aplic relaiile 6.15 i 6.16 pe baza datelor din tabelul 6.7 care
constituie utilitile globale.

Tabelul 6.7
V
j
/ C
j
C
1
C
2
C
3
C
4

=
4
1 j
ij j
u k
V
1
0 0 1 3,5 4,5
V
2
0,231 2,421 0 7 9,652
V
3
3 3 2 0 8
V
4
1,461 1,845 0 7 10,306

125
306 , 10 max
4
1
=
= j
ij j
i
u k

Rezult ca varianta optim este V
4.
Pentru a aplica Metoda ELECTRE se calculeaz indicatorii de concordan (tabelul
6.8) i indicatorii de discordan (tabelul 6.9) utiliznd relaiile (6.16), respectiv (6.18) i
utilitile din tabelul 6.6.

Tabelul 6.8
V
1
V
2
V
3
V
4
V
1
V
2
V
3
V
4
0,133 0,133
0,867
0,867
0,533 0,533
0,533
0,463 0,8
0,467
0,467 0,8
C(V
L
,V
k
)

Tabelul 6.9
V
1
V
2
V
3
V
4
V
1
V
2
V
3
V
4
0,807 0,615
0,5
0,5
0,5
1
1 0,41
1
1 0,192
d(V
L
,V
k
)

Stabilirea variantei optime aplicnd Metoda LEADER-ului se face pe baza grafurilor
relaiilor de dominan ntre variante i a matricei M, care nsumnd matricele asociate
grafurilor corespunztoare celor patru criterii decizionale considerate.
Pe baza relaiei (6.21), admind puterea de ordinul 0 egal cu 1, se calculeaz pentru
fiecare linie puterea de ordinul 1.
Dac apare o situaie de indecidabilitate, se stabilete puterea de ordinul 2 .a.m.d.,
pn se deprteaz varianta optim. Dac soluia dominant nu se poate determina, se accept
oricare dintre variante.

( ) ( ) ( ) ( )
16 ; 22 ; 16 ; 10
1
4
1
3
1
2
1
1
= = = = P P P P

Se alege varianta optim V
3
.
n urma aplicrii celor patru metode rezult ca optim decizia privind varianta V
3
.

126

Grafurile relaiilor de dominan Matricile asociate
ntre variante fiecrui graf

V
1
V
2
V
4
V
3
1
2
0
2
2
0 0
0
1
2
2
0
1
0
2
1
M
C1
=
G
C1
V
1
V
2
V
4
V
3
1
2
0
2
2
0 0
0
1
2
0
0
1
2
2
1
M
C2
=
G
C2
V
1
V
2
V
4
V
3
1
0
2
2
0
0 2
0
1
2
1
0
1
1
2
1
M
C3
=
G
C3
V
1
V
2
V
4
V
3
1
2
0
0
2
2 0
2
1
0
1
2
1
1
0
1
M
C4
=
G
C4

4
6
2
6
6
2 2
2
4
6
4
2
4
4
6
4
M =

127

6.4. Optimizarea deciziilor n condiii de risc

Existena mai multe stri de condiii obiective pentru care se cunosc probabilitile de
realizare, procesul de decizie se desfoar n condiii de risc.
Asemenea probleme stohastice apar frecvent n anumite domenii de activitate:
producie, cercetare-dezvoltare, marketing .a.
Strile de condiii obiective nu sunt controlabile de ctre decident, dar acesta caut s
aleag ci cu evenimente care minimizeaz pericolele. Astfel, el minimizeaz riscul la care se
poate expune, fr a-l elimina complet, dac fenomenele sunt aleatoare. Pentru aceasta se
procedeaz la o analiz probabilistic de evaluare i selecie decizional.
Metodele cantitative ntrebuinate cel mai des n acest scop sunt metoda speranei
matematice i tehnica arborelui decizional.

Metoda speranei matematice

Metoda speranei matematice folosete modelul aditiv pornind de la o matrice, cu cel
puin dou stri de condiii obiective, anumite stri ale naturii (care nu sunt controlabile de
ctre decident), i care cuprinde utilitile consecinelor (rezultatelor) pentru fiecare variant,
criteriu sau stare a naturii.
Fie o mulime de stri ale naturii (N
1
, ,N
k
,,N
p
) pentru care se cunosc
probabilitile p
k
care satisfac condiiile (6.23).

=
=
p
k
k k
p p
1
1 , 1 0 (6.23)

Matricea utilitilor corespunztoare celor m variante, n criterii i p stri ale naturii se
prezint n tabelul 6.10, care corespunde i utilitile sintez.

Tab.6.10
STRI ALE NATURII - PROBABILITI
N
1
,p
1
N
p
,p
p

Criterii /
Variante
X
1
X
n
U
1
X
1
X
n
U
p

V
1

V
i

V
m
u
111
u
1n1

u
i11
u
in1

u
m11
u
mn1
U
11

U
i1

U
m1

u
11p
u
1np

u
i1p
u
inp

u
m1p
u
mnp

U
1p

U
ip

U
mp

Utilitatea sintez a variantei decizionale i n starea de condiii obiective k se determin
cu relaia:
p k m i U U
n
k
ijk ki
, 1 , , 1 ,
1
= = =
=
(6.24)

Sperana matematic a rezultatelor n varianta V
i
va fi:

( )

=
=
p
k
k ik i
p U V E
1
(6.25)
128

Dac rezultatele (consecinele) sunt exprimate prin efecte economice, cum sunt:
profitul, ncasrile din vnzri, productivitatea, varianta optim va fi cea care satisface
condiia (6.26).
( )
opt i
i
V V E max (6.26)

Dac rezultatele exprim eforturi, de exemplu: investiii, cheltuieli de exploatare,
consumuri specifice, varianta optim se determin din condiia de minimizare a riscului.

( )
opt i
i
V V E min (6.27)

Exemplul 6.3
1. O instalaie energetic compus din dou pri A i B se defecteaz aleatoriu.
Exist trei variante de mentenan corectiv pentru aceast instalaie.
V
1
Cnd se produce defectarea, s se abordeze mai nti subsistemul A; dac
defectul este gsit n A costul mentenanei se consider nul, iar dac defectul este n B
mentenana va costa 2000 $.
V
2
Cnd se produce defeciunea se abordeaz la nceput partea B; dac defectul se
gsete n B se consider c mentenana are cost zero, iar dac defectul este n A costul
mentenanei va fi 4000 $.
V
3
Se apeleaz la o firm de service specializat, costul fiind 1000 $.
Se cere s se stabileasc varianta optim.

Se calculeaz speranele matematice ale costurilor pentru fiecare variant, admind
c:
=
= =
2
1
1 1
j
A B j
p p p ,
n care p
j
este probabilitatea ca defectul s fie n partea j.
( )

=
=
2
1 j
j ij i
p M V E
n care E(V
i
) este sperana matematic a costurilor corespunztoare variantei V
i
; M
ij
-costul
mentenanei dac se aplic varianta V
i
i defectul este n partea j.

( ) ( )
( ) ( )
( ) ; $ 1000
; 4000 1 0 4000
; 2000 2000 1 2000 0
3
2
1
=
= + =
= + =
V E
p p p V E
p p p V E
A A A
A A A

Cele trei sperane matematice se pot reprezenta grafic, n funcie de p
A
(fig.)

E(V
3
)
E(V
2
)
E(V
1
)
0,25
0,5 0,75
1
2
3
4
10
3
$
E(V
i
)
p
A
0

Fig.6.3
129

Se observ c soluia optim se gsete n trapezul haurat, mrginit superior de
costurile minime asociate celor trei variante. Se constat c la valori diferite ale lui p
A

corespunde decizii diferite, respectiv:
0 p
A
0,25 decizia optim este V
2
;
0,25 < p
A
0,5 decizia optim este V
3
;
0,25 < p
A
1 decizia optim este V
1
.

Deci rezolvarea problemei depinde de valoarea probabilitii p
A
. De exemplu, dac s-a
stabilit c p
A
= 0,3 atunci decizia optim este s se ncheie contract cu firma de service.

Modelul arborelui de decizie

Modelul arborelui de decizie se aplic n probleme de decizii n condiii de risc, cnd
abordarea chestiunii complexe se face pe un interval mai lung de timp, deci este necesar o
succesiune de decizii.
Reprezentarea grafic a succesiunii proceselor decizionale se face printr-un arbore de
decizie, n care ramurile reprezint evenimente, iar nodurile sunt punctele n care apar
diversele variante. Nodurile pot s fie de decizie (O) n care decidentul efectueaz alegerea
- i noduri ( ) n care responsabilitatea alegerii uneia dintre variantele posibile revine naturii,
adic unor factori independeni de cel care ia hotrrea.
Principiile care stau la baza aplicrii modelului arborelui decizional sunt:
- Valoarea fiecrui nod n care natura efectueaz alegerea depinde numai de evenimentele
viitoare(nu i de deciziile precedente);
Zn nodurile n care alegerea revine decidentului este preferat acea decizie pentru care
urmtorul nod la care se ajunge este cel mai avantajos; valoarea nodului actual se obine
scznd costul deplasrii din valoarea nodului urmtor;
Din proprietile exprimate anterior rezult c evaluarea ntregului sistem i determinarea
deciziei optime se poate face ncepnd cu nodurile finale i efectund deplasarea n sens
invers celui urmat de procesul real, pn se ajunge la nodul iniial.
Acest procedeu de evaluare a consecinelor fiecrei variante, cunoscut sub numele de
rollback simplific tratarea problemelor decizionale complexe, deoarece de fiecare dat se
ia n considerare doar setul de factori sau evenimente implicate ntr-o singur faz a
procesului decizional i nu ntreaga succesiune a acestora.
Avantajele folosirii acestui model n adoptarea deciziilor sunt: prevederea implicaiilor
unui set de decizii strategice succesive ealonate de-a lungul unei perioade lungi de timp
(uneori civa ani); probabilitatea sporit de a lua decizii fundamentale n condiii deosebit de
complexe.
Dezavantajele sunt legate de numrul relativ sczut de variante care se pot lua n
considerare i de faptul c erori mici n determinarea probabilitilor de producere a
evenimentelor aleatoare pot s aib mari repercursiuni asupra valorilor finale cu consecine
asupra exactitii anticiprii rezultatelor economice. Pentru a micora influena dezavantajelor
prezentate se impune studierea aprofundat de ctre specialiti i manageri a factorilor care
condiioneaz situaia decizional.
Este necesar s se alctuiasc o echip de folosire a arborelui decizional, dirijat de un
manager de nivel superior i format din: specialiti n elaborarea strategiei i politicii globale
a firmei, economiti profilai pe studiul pieei, specialiti n investiii, tehnologi, economiti
specializai n probleme de costuri i preuri, matematicieni i informaticieni.
Modelul arborelui de decizie se utilizeaz n domenii ca: definirea deciziilor strategice
ale firmei, stabilirea unui program de cercetare dezvoltare, lansarea unui nou produs.
130

131
BIBLIOGRAFIE

[1]

[2]

[3]
[4]
[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]

[17]

[18]
Armeanu A. Bazele ingineriei i managementului sistemelor de producie, Note
de curs, UPB, 1999
Brbatu Gh.I., Ionescu V. Cercetarea operaional n ntreprinderile industriale,
Ed.Tehnic, Bucureti 1981;
Blajin Ovidiu. Programarea liniar, Ed. Printech 1999;
Blajin Ovidiu. Cercetri operaionale, Ed.Printech 2001
Boldur-Lescu G., Scuiu I., ignescu E. Cercetare operaional cu aplicaii n
economie, Ed. Didactic i Pedagogic, Bucureti, 1979;
Ciobanu Gh., Nica V., Musta F., Mrcine V.- Cercetri operaionale cu aplicaii
n economie, Ed. MatrixRom, Bucureti, 1996;
Ciobanu Gh., Nica V., Musta F., Mrcine V., Mitru D. Cercetri
Operaionale, Ed. MatrixRom, Bucureti, 2002;
Dumitrescu M., Niculescu C. Teoria deciziei i Cercetare Operaional, Ed.
Niculescu, Bucureti, 2001;
Dijmrescu I. Bazele Managementului, Ed. Didactic i Pedagogic, Bucureti,
1995
Hillier F., Limberman G., Introduction to operational research, McGraw-Hill
Publishing Company, New-York, 1990
Ionescu H., Dinescu C., Svulescu B. Probleme ale cercetrii operaionale - Ed.
Didactic i Pedagogic, Bucureti, 1972;
Kaufmann A., Desbazeille G., Metoda Drumului Critic, Ed.Tehnic, Bucureti
1971;
Kaufmann A, Metode i modele ale cercetrii operaionale, Ed,tiinific,
Bucureti, 1967
Neagu C. Modele de programare i conducere a proceselor economice EDP-
RA, Bucureti, 1995.
Neagu C., Melnic L., Rou M. Managementul operaional al proiectelor Ed
Bren, Bucureti, 2002;
Nica V., Ciobanu Gh., Musta F., Mrcine V. - Cercetri Operaionale, Ed.
MatrixRom, Bucureti 1998;
Ndejde I., Zidroiu C. Probleme de cercetare operaional Ed. Academiei,
Bucureti, 1971;
Rusu Elisabeta, Fundamentarea deciziilor n management , Ed.Junimea , Iai, 2000

Cercetari Operationale

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

Cercetari Operationale

Încărcat de

Drepturi de autor:

Formate disponibile

MELNIC LUCIA ZGAN REMUS

=min ( 1 , 2 )=-2. Deci indicele k = 1, astfel variabila x

; se obine 4 = l , deci din baz va iei vectorul A

ca fiind numrul de arce U u de forma ( )

conine toate elementele

unde acesta se scrie sub forma:

200 600 400 75 300

, max , min max (6.20)

S-ar putea să vă placă și