Curs 5.

Problema de programare liniara cu mai multe functii obiectiv

{




A = (a
ij
); i =

; j =

b = (

);
x = (

); F =
(

, k =

) k =

j =

C matricea costurilor fara a restrange generalitatea.

Sa presupunem ca toate functiie sunt de maxim. Daca nu sunt de maxim, se transforma astfel:


Notam cu D multimea vectorilor X = (x
1,
x
2
, ,x
m
) care verifica sistemul restrictiilor (1) si (2)
care se mai numeste si domeniul solutiilor admisibile.
Cele r functii criteriu de eficienta exprima marimi distincte si nereductibile la o marime comuna.

vectorul solutiilor cel mai bun compromis.

Metoda maximizarii utilitatii sinteza consta in inlocuirea functiilor de optim cu semnificatii
economice concrete prin functii de utilitate in sens von Neuman Morgenstern care se pot apoi
insuma pt a obtine functia sinteza dorita.

Pasii metodei
1. Se rezolva r probleme de programare liniara formate din sistemul de restrictii (1) si (2) si una
din functiile criteriu. Se obtine vectorul (

2. Se rezolva r probleme det. de restrictiile (1) si (2), cu una din functiile pessime:

Se obtine vectorul de functii pessime (

3. Se rezolva sistemul:
{

,obtinandu-se valorile

si

4. Se transforma functiile initiale in functii criteriu

, k =

5. Se costruieste functia sinteza F
*

F
*
=

coeficientii de importanta ai fct criteriu.

Insumarea tine seama de semnificatia operatiei de utilizare, pt fiecare fct. acordandu-se semnul +
pt maximizare, iar semnul pt minimizarea, putandu-se considera astfel ca fct F
*
urmeaza a fi
maximizata.
6. Se rezolva o problema de programare liniara formata din sistemul de restrictii (1) si (2) si
maxim de F
*
, care va conduce la o solutie de maxima utilitate ce tine seama de toate functiile de
optim ale problemei.
si alte metode: Sten, Saska, Pop etc.



Decizii in conditii de incertitudine

N
1
(p
1
) N
k
(p
k
) N
r
(p
r
)
C
1
C
j
C
n

C
1
C
j
C
n

C
1
C
j
C
n

V
1
U(C
1j1
)

U (C
1jk
)

U (C
1jr
)

V
i
U(C
ij1
)

U(C
ijk
)

U (C
ijr
)

V
m
U(C
mj1
)

U(C
mjk
)

U (C
mjr
)

Transformarea coef. in utilitati
Se formeaza n vectori astfel:
V
j
= { C
1j1
, , C
ij1
, , C
mj1
, , C
1jk
, , C
ijk
, , C
mjk
, , C
1jr
, , C
ijr
, , C
mjr
}
C
ijk
devine U(C
ijk
) (in matricea consecintelor)

= (

, i =

, k =

Matricea utilitatilor n linii, r coloane.
Regula lui Wald (pesimista) se alege variante pt care avem:

)
Regula lui Hurwiez (optimista)

)

Regula lui Savage (regretelor)

Regula lui Laplace

(conditii de risc)