Curs Co

ADINA RUSU
CERCETRI
OPERAIONALE
IAI, 2007
CUPRINS
CUPRINS ............................................................................................. 1
CERCETRI OPERAIONALE (CO) ............................................... 3
PROGRAMARE LINIAR................................................................. 3
MODELUL MATEMATIC ................................................................. 3
METODE DE REZOLVARE A PROBLEMELOR DE PL.............. 11
METODA GRAFIC ........................................................................ 11
FORMA STANDARD A PROBLEMEI DE PROGRAMARE
LINIAR ........................................................................................... 19
SOLUII ALE UNEI PROBLEME DE PL....................................... 22
ALGORITMUL SIMPLEX ............................................................... 28
ETAPELE ALGORITMULUI SIMPLEX PENTRU PROBLEME DE
MAXIM.............................................................................................. 28
ALGORITMUL SIMPLEX PENTRU PROBLEME DE MINIM .... 34
BAZA ARTIFICIAL. METODA PENALIZRILOR ................... 36
METODA PENALIZRII PENTRU PROBLEME DE MINIM ...... 37
METODA PENALIZRII PENTRU PROBLEME DE MAXIM .... 38
RESURSE RARE. PRE UMBR ................................................... 43
ANALIZA SENZITIV .................................................................... 56
ANALIZA SENZITIV PENTRU COEFICIENII DIN FUNCIA
OBIECTIV ......................................................................................... 56
ANALIZA SENZITIV PENTRU TERMENII LIBERI DIN
RESTRICII ...................................................................................... 69
PROGRAMARE N NUMERE NTREGI ........................................ 76
METODA RAMIFIC I MRGINETE ................................... 78
PROGRAMARE MULTICRITERIAL........................................... 91
MODELUL MATEMATIC ............................................................. 100
PROBLEME DE TRANSPORT I PROBLEME DE REPARTIIE
.......................................................................................................... 107
PROBLEME DE TRANSPORT...................................................... 107
ETAPA I. SOLUIA DE PORNIRE ............................................... 112
ETAPA A II-A. DETERMINAREA SOLUIEI OPTIME............. 118
B I B L I O G R A F I E ...................................................................... 128
CERCETRI OPERAIONALE (CO)

Cercetarea operaional a aprut n timpul celui de-al
doilea rzboi mondial, cnd liderii militari au cerut inginerilor i
matematicienilor s studieze probleme legate de securitatea
convoaielor militare de nave mpotriva submarinelor i a
operaiilor de bombardare.
n prezent, cercetarea operaional este numit adesea i
tiina managementului, deoarece furnizeaz metode tiinifice
i tehnice de luare a deciziilor optime n management, prin care
se pot determina cele mai bune ci de operare ale unui sistem.
PROGRAMARE LINIAR
Programarea liniar (PL) este o metod matematic de
optimizare cu aplicaii n diverse domenii ca: industrie,
agricultur, probleme de transport i repartiie, investiii,
reclame, finane.
Scopul principal const n determinarea alocrii optime a
unor resurse, de care se dispune n cantiti limitate, pentru a se
obine valoarea optim a unui anumit obiectiv, de exemplu
minimizarea costurilor de producie sau maximizarea profitului.
Pentru rezolvarea oricrei probleme de programare liniar
trebuie creat un model matematic.
MODELUL MATEMATIC
Pentru ilustrarea elementelor de baz ale modelului
matematic n programare liniar, etapele i terminologia
corespunztoare, se va analiza un exemplu simplu de problem
de producie, ce conine doar dou variabile.
3
Exemplul 1
O firm import componente pentru asamblarea a dou
modele de computere personale: PC1 i PC2.
n urma vnzrii unui produs PC1 firma obine un profit
de 50 u.m (uniti monetare lei, euro, $ etc) iar n urma
vnzrii unui produs PC2 firma obine un profit de 40 u.m.
n sptmna urmtoare de producie sunt disponibile 150
de ore pentru asamblare. Asamblarea unui PC1 dureaz 3 ore iar
a unui PC2 dureaz 5 ore.
Firma are n stoc numai 20 de monitoare pentru PC2,
adic, pot fi asamblate sptmnal cel mult 20 calculatoare PC2.
Spaiul total de depozitare este de 30 m2. Un PC1 ocup
0,8 m2 iar un PC2 ocup 0,5 m2.
Conducerea firmei dorete s stabileasc planul de
producie pentru sptmna urmtoare (adic s determine
numrul calculatoarelor PC1 i PC2 care se vor asambla) astfel ca
profitul total s fie maxim.
Se consider c toate calculatoarele asamblate vor fi
vndute, iar restul resurselor (ambalaje, monitoare pentru PC1,
etc. ) sunt disponibile la firm.
Pentru obinerea modelului matematic este util
sintetizarea datelor din exemplu n Tabelul 1.
Tabelul 1
Consumuri pentru o
Resurse
unitate din:
Disponibil
PC2
PC1
Resursa 1(R1)
3 ore
5 ore
150 ore
Asamblare (ore)
Resursa 2 (R2)
Spaiu de
0,8 m2
0,5 m2
30 m2
depozitare (m2)
Profit unitar (um)
50 um
40 um
Etapele de creare a modelului matematic sunt:

Etapa 1. Identificarea variabilelor i a unitilor de msur
Variabilele de decizie sunt necunoscutele problemei.
n problem se cere planul de producie adic numrul
calculatoarelor de fiecare fel care se vor asambla. Deci variabile
de decizie (VD) sunt:
x1= numrul de calculatoare PC1
x2= numrul de calculatoare PC2
care se vor asambla sptmna urmtoare.
Cu ajutorul V.D se construiete modelul matematic.
Etapa 2. Exprimarea profitului total, ce trebuie maximizat,
printr-o funcie numit funcia obiectiv (FO), deci, criteriul de
performan.
Deoarece profitul pentru un PC1 este 50 um iar firma
produce un numr x1 calculatoare PC1, profitul pentru toate cele
x1 calculatoare este 50x1. Similar, profitul pentru toate cele x2
calculatoare PC2 este de 40x2.
Deci funcia obiectiv FO este:
f ( x ) = 50 x1 + 40 x2 = MAX ( um )
I.
Etapa 3. Exprimarea restriciilor
Restriciile sau constrngerile sunt condiii ce trebuie
satisfcute privind resursele, condiii de fabricaie, de vnzare
etc, adic exprim condiiile n care se desfoar procesul
studiat.
II.
Restricii
Restricia privitoare la asamblare (resursa 1)

1.
3 x1 + 5 x2 150 ore
Restricia privind spaiul de depozitare (resursa 2)
2.
0.8 x1 + 0.5 x2 30 m2
Restricia privind numrul de monitoare pentru

PC2 (resursa 3), care condiioneaz nr de PC2 ce se
vor asambla:
3. x2 20
Etapa 4. Condiii de nenegativitate
Acestea se impun pentru variabilele de decizie, att
datorit interpretrii lor (numr de calculatoare) ct i datorit
metodei de aflare a soluiei optime.
III.
x1 0 , x2 0
Rezult c modelul matematic al problemei, exprimat cu
ajutorul variabilelor de decizie x1 i x2 este:
I. Funcia obiectiv:
f ( x ) = 50 x1 + 40 x2 = MAX ( um )
II. Restricii:
1. 3x1 + 5 x2 150 (ore)
2. 0.8 x1 + 0.5 x2 30 (m2)
3. x2 20 (nr. de monitoare)
III. Condiii de negativitate
x1 0 , x2 0
Se va arta c soluia optim a acestei probleme este:
Se vor fabrica un numr de
x1 = 30 calculatoare PC1
x2 = 12 calculatoare PC2
iar profitul maxim este de 1980 um. Aceast soluie optim arat
c pentru nici un alt plan de prducie nu se poate obine un profit
mai mare dect 1980 um.
Exemplul 2
O fabric de jucrii produce trei feluri de roboi de
jucrie.
Pentru producerea primei versiuni de roboi V1, sunt
necesare 10 minute de fabricare i ambalare i 2 kg de plastic, a
doua versiune V2 , are nevoie de 12 minute de fabricare i
ambalare i 3 kg de plastic, iar a treia versiune V3 are nevoie de
15 minute de fabricare i ambalare i 4 kg plastic.
6
Pentru urmtorul ciclu de producie sunt disponibile 8 ore

de fabricare i ambalare i 200 kg de plastic.
Profitul este de 1 um pentru fiecare robot V1, 5 um pentru
fiecare robot V2 i 6 um pentru fiecare robot V3.
Pentru a onora comenzile primite trebuie produse minim
10 buci din fiecare versiune.
Determinai cantitile optime de producie pentru a
obine un profit maxim.
Modelul matematic se elaboreaz cu ajutorul variabilelor
de decizie, deci:
Se identific variabilele de decizie care dau cantitile

ce se vor produce:
x1 = numrul de buci din roboii V1
x2 = numrul de buci din roboii V2

x = numrul de buci din roboii V
3
3
Datele din problem se sintetizeaz n tabelul 2.

Tabelul 2
Resurse
Consumuri specifice
V1
V2
V3
Disponibil
Resursa 1 (R1)
10
12
15
8 ore = 480
Timp de fabricare i
min
min
min
min
ambalare (minute)
Resursa 2 (R2)
2 kg 3 kg 4 kg
200 kg
Cantiti de plastic (kg)
Profit (um)
1 um 5 um 6 um
Se observ c timpul de fabricare i ambalare este
exprimat n minute iar timpul disponibil de producie este
exprimat n ore. Trebuie folosit aceeai unitate de timp deci 8
ore = 8 60 = 480 min.
Modelul matematic este:
I. Funcia obiectiv (FO) ce exprim profitul total
f ( x ) = 1x1 + 5 x2 + 6 x3 = max
II.
Restriciile ce exprima utilizarea resurselor, deci

condiii de fabricaie i condiii de vnzare
1. 10 x1 + 12 x2 + 15 x3 480 (minute de fabricare i
ambalare)
2. 2 x1 + 3x2 + 4 x3 200 ( kg de plastic )
3. x1 10 buci ( contract V1 )
III.
Condiii de nenegativitate
x1 0, x2 0, x3 0
n concluzie, modelul matematic al unei probleme de

programare liniar are urmtoarele elemente principale:
1. Un set de variabile de decizie xi, i = 1, n care
determin ceea ce se cere n problem, adic va
determina complet decizia ce va fi luat
2. O funcie obiectiv, care exprim criteriul de
performan adic ceea ce dorim s optimizm.
Aceasta este o funcie liniar n variabilele de
decizie, care trebuie maximizat (de exemplu
profitul) sau minimizat (de exemplu costurile de
producie). FO se mai numete funcie economic.
3. Restriciile sau constngerile care sunt condiii ce
trebuie satisfcute n procesul studiat. Restriciile
sunt relaii liniare, ecuaii sau inecuaii, pe care le
satisfac variabilele de decizie i se refer la
utilizarea resurselor: materiale, ore de producie,
condiii de fabricaie, contracte etc.
4. Condiii de nenegativitate pentru toate variabilele
(necesare n aflarea soluiei optime).
n cazul general, modelul matematic se poate prezenta n
una din formele:
8
a)
Forma dezvoltat
Dac x1, x2, ... xn sunt variabilele de decizie avem:
I. Funcia obiectiv
f ( x ) = c1 x1 + c2 x2 + ... + cn xn = ( Max sau Min )
II.
Restriciile
1) a11 x1 + a12 x2 + ... + a1n xn ( <, =, > ) b1
2 ) a21 x1 + a22 x2 + ... + a2 n xn ( <, =, > ) b2

m ) a x + a x + ... + a x ( <, =, > ) b
m1 1
m2 2
mn n
m
III.
Condiii de nenegativitate
x1 0, x2 0, ..., xn 0
Notaiile utilizate n model sunt:

Variabilele de decizie xi, i = 1, n se mai noteaz
x = ( x1 , x2 , ...xn ) ;
T
Coeficienii cj, j = 1, n din FO sunt numii

coeficienii funciei obiectiv. Ei sunt constani i
cunoscui i pot avea orice semn;
Avem m restricii. Coeficienii restriciilor sunt
aij (coeficientul din linia i al variabilei xj) sunt
constani i cunoscui i pot avea orice semn;
Termenii liberi din restricii bi, i = 1, m , sunt
constani i cunoscui. Iniial pot avea orice semn
dar pentru aplicarea algoritmului simplex de aflare
a soluiei optime ei sunt nenegativi;
Condiiile de nenegativitate sunt impuse.
b)
Forma matriceal
Pentru a obine forma matriceal a modelului matematic
se introduc urmtoarele matrici:
Matricea variabilelor cu n linii i o coloan
X M n1
9
x1

x
X = 2 = ( x1

xn
x2 xn ) M n1
T
Matricea coeficienilor din FO M 1n

C = ( c1 c2 cn ) M 1n
Matricea coeficienilor din restricii

a11
a
A = 21
.
am1
a12
a22
.
am 2
. . a1n
. . a2 n
M mn
. . .
. . amn
Matricea termenilor liberi din restricii cu m linii i

o coloan
B = ( b1 b2 . . bm )
b1

b2
= . M m1

.
b
m
Forma matriceal a modelului matematic este:

I. ( FO ) f ( x ) = C X = Max sau Min
II. Restricii A X ( <, =, > ) B
III. Condiii de nenegativitate X 0
c)
Forma vectorial
Matricele cu o linie i n coloane sau cele cu n linii i o
coloan pot fi considerate elemente ale unui spaiu vectorial sau
liniar Rn, deci vor fi numite vectori.
Astfel X, C, B sunt vectori: X , C R n , B R m
Dac se introduc, n plus, nc n vectori din Rm, avnd
drept
componente
coloanele
matricei
A,
adic
10
a11
a12
a1n
b1

a21
a22
a2 n
b2
P1 = . ; P2 = . ...; Pn = . , B = P0 = .

.
.
.
.
a
a
a
b
m1
m2
mn
m
atunci forma
vectorial
PL
problemei
de
este
f ( x ) = CX = OPT ( MAX sau MIN )( FO )
x1 P1 + x2 P2 + .. + xn Pn ( <, =, > ) P0 ( restricie )

X 0
METODE DE REZOLVARE A PROBLEMELOR DE PL

Dup crearea modelului matematic al problemei urmeaz
rezolvarea ei adic determinarea soluiei optime.
Exist mai multe metode de aflare a soluiei optime,
printre care:
Metoda grafic, ce se poate aplica doar pentru cazul n

care modelul are doar dou variabile de decizie x1 i
x2 .
Algoritmul simplex, aplicabil la orice numr finit de

VD, elaborat i aplicat de George B Dantzig n 1947.
METODA GRAFIC
Metoda grafic de aflare a soluiei optime se utilizeaz
numai la probleme cu dou VD x1 i x2 (sau x i y).
Este important deoarece se definesc (i vizualizeaz)
tipurile de soluii: soluii admisibile (SA), soluii admisibile de
baz (SAB), soluia optim (SO), dac exist.
11
Se precizeaz i cazurile n care: soluia optim este

unic, exist mai multe soluii optime, nu exist soluie optim
ori nu exist un optim finit.
Se ndeplinesc mai nti condiiile de nenegativitate
x = x1 0 i y = x2 0 .
Fie planul ( x1ox2 ) sau ( xoy )
Condiia x1 0 se compune din
x1 = 0 dreapt ( axa Ox2 )
x1 > 0 semiplan
x2 = y
x1 = x
Condiia
Figura 1
x2 0
se
compune
din
x2 = 0 dreapt ( axa Ox1 )
x2 > 0 semiplan
Cum ambele x1 0 , x2 0 trebuie s fie satisfcute
simultan, intersectm semiplanele. Rezult c soluia optim,

dac exist, se afl n cadranul I.
12
Cele de mai sus pot fi aplicate pentru orice restricie adic

o inecuaie de tipul mx1 + nx2 ( ) b .
De
exemplu
4 x1 + 2 x2 8
nseamn
4 x1 + 2 x2 = 8 ( reprezint o dreapt )
adic o dreapt mparte
4 x1 + 2 x2 > 8 ( reprezint un semiplan )
planul ox1x2 n dou semiplane.

n toate punctele unuia dintre semiplane este satisfcut
inecuaia 4 x1 + 2 x2 > 8 iar n toate punctele celuilalt este
satisfcut inecuaia 4 x1 + 2 x2 < 8 . Pentru a vedea ce semiplan
alegem, este suficient s verificm un singur punct.
Procedm astfel:
Figurm dreapta d: 4 x1 + 2 x2 = 8 , prin tieturi. Cnd
x2 = 0 4 x1 = 8, x1 = 2 A ( 2, 0 ) ;
Cnd x1 = 0 2 x2 = 8, x2 = 4 B ( 0, 4 ) . Dreapta trece
prin punctele A(2,0) i B(0,4) i mparte planul n
dou regiuni.
x2
B(0,4)
A(2,0)
Figura 2
13
x1
Cutm regiunea n care este satisfcut inecuaia

4 x1 + 2 x2 > 8 . De exemplu C(1,0) nu satisface
inecuaia, deoarece 4 1 + 2 0 < 8 , deci nici un punct
din triunghiul AOB nu satisface 4 x1 + 2 x2 > 8 , n
schimb coordonatele tuturor punctelor din aria
haurat satisfac inecuaia.
Cel mai uor se verific originea O(0,0) adic
40 + 20 < 8 .
Bazndu-ne pe aceast consideraie s rezolvm problema
de PL din exemplul 1. Reamintim modelul matematic al
problemei:
I. f ( x ) = 50 x1 + 40 x2 = MAX ( FO )
II. Restricii:
1) 3x1 + 5 x2 150 ( ore )
2) 0.8 x1 + 0.5 x2 30 ( m 2 )
3) x2 20 ( numr de monitoare )
III. Condiii de nenegativitate: x1 0 , x2 0
Condiiile de nenegativitate sunt satisfcute n
cadranul I.
Pentru a satisface restriciile procedm asfel: la
fiecare restricie se ataeaz:
O ecuaie, ce reprezint o dreapt;
O inecuaie strict ce reprezint un semiplan;
Se alege semiplanul corespunztor;
Deoarece toate restriciile trebuie s fie satisfcute,
intersecteaz toate ariile.
Se obine astfel aria admisibil. Coordonatele tuturor
punctelor acestei arii verific toate restriciile i condiiile de
nenegativitate.
Mulimea soluiilor admisibile (SA) este mulimea
coordonatelor (x1, x2) ale tuturor punctelor care satisfac toate
14
restriciile i condiiile de nenegativitate. Punctele se afl n aria

admisibil i pe conturul ei.
Pentru cele 3 restricii avem reprezentarea din Figura 3:
Restricia 1: 3 x1 + 5 x2 150 ( ore )
Dreapta d1: 3 x1 + 5 x2 = 150 trece prin A1(50,0),
B1(0,30). Inecuaia 3 x1 + 5 x2 < 150 este satisfcut
n triunghiul A1OB1 deoarece originea O(0,0)
satisface 3 0 + 5 0 < 180
Dreapta d2: 0.8 x1 + 0.5 x2 = 30 trece prin A2(37,5;0)
i B2(0,60). Inecuaia 0.8 x1 + 0.5 x2 < 30 este
satisfcut n triunghiul A2OB2
Dreapta d3: x2 = 20 este paralel cu axa ox1.
Inecuaia x2 < 20 este satisfcut n aria dintre axa
ox1 i dreapta x2 = 20 .
Figura 3
15
Aria admisibil este reprezentat haurat. Aria admisibil

are o infinitate de puncte, deci mulimea soluiilor admisibile
este n acest caz infinit.
n aceast mulime trebuie s alegem acel punct ale crui
coordonate confer funciei obiectiv valoare cea mai mare. Acel
punct va reprezenta soluia optim.
Este clar c trebuie s restrngem mulimea de puncte n
care s cutm soluia optim, astfel ca aceast mulime s fie
finit. Aria admisibil este o mulime convex.
Se cerceteaz numai vrfurile acestei mulimi.
Coordonatele vrfurilor poligonului convex, care nconjoar aria
admisibil constituie mulimea (x1,x2) a soluiilor admisibile de
baz. Soluia optim se afl n unul din vrfurile poligonului.
Figura 4
Pentru determinarea soluiei optime se poate proceda n
dou moduri:
16
Metoda 1
Se calculeaz coordonatele vrfurilor O, A2, M, N, B3, i
apoi se afl valoarea funciei obiectiv n fiecare vrf. Soluia
optim este punctul (x1,x2) care confer funciei obiectiv
valoarea cea mai mare.
Avem:
O(0;0)
A2(37,5;0)
M d1 d 2 deci rezolvm sistemul
3 x1 + 5 x2 = 150
M(30;12)
0.8 x1 + 0.5 x2 = 30
N d1 d3 deci rezolvm sistemul

3 x1 + 5 x2 = 150
50
N ; 20
x2 = 20
3
B3(0;20).
Valorile funciei obiectiv n aceste puncte sunt:
O ( 0, 0 ) ; f ( O ) = 50 0 + 40 0 = 0
A ( 37,5;0 ) ; f ( A ) = 50 37,5 + 40 0 = 1875
M ( 30,12 ) ; f ( M ) = 50 30 + 40 12 = 1980
N 50 ; 20 ; f ( N ) = 50 50 + 40 20 = 1633,3
3
3
B3 ( 0, 20 ) ; f ( B3 ) = 50 0 + 40 20 = 800
Rezult c soluia optim este n punctul M(30,12).

Se vor fabrica x1=30 calculatoare PC1 i x2=12
calculatoare PC2. Profitul maxim obinut este maxf=1980 um.
Metoda a 2-a
Se caut valoarea maxim a FO, care este tot liniar, deci
acesteia i se poate ataa o dreapt:
17
D: 50 x1 + 40 x2 = , cu = max
unde este un parametru deoarece la fiecare pereche (x1,x2)
funcia obiectiv poate lua o alt valoare, notat .
Dorim s gsim = max . Deoarece dreapta D nu se poate
reprezenta aflndu-i interseciile cu axele vom folosi forma
y = mx + n unde m este panta dreptei iar n este tietura (cnd
x=0, y=n).
5
Avem 40 x2 = 50 x1 + sau D: x2 = x1 +
4
5
4
Deci panta este = constant iar n =
40
40
variabil. Relaia
reprezint o familie de drepte paralele, deoarece toate au aceeai

pant.
Se va alege punctul din aria admisibil, pentru care
valoarea n =
este cea mai mare, deoarece aveam = max .
40
Figura 5
18
n figura precedent se figureaz punctat dreapta D. Apoi

se deplasez D, paralel cu ea nsi, pn la aria admisibil i se
alege punctul n care tietura la origine, n, este cea mai mare
(Figura 5).
Acest punct este M(30;12).
Deci s-a determinat soluia optim, adic planul optim de
producie x1=30, x2=12 i valoarea maxim a profitului, 1980.
FORMA STANDARD A PROBLEMEI DE PROGRAMARE
LINIAR
Soluia optim a unei probleme de programare liniar, se
poate obine prin aplicarea algoritmului simplex, atunci cnd
modelul matematic are mai mult de dou variabile de decizie.
Pentru aplicarea algoritmului, problema trebuie adus la
forma standard (FS), n care sunt satisfcute urmtoarele trei
condiii:
1) n membrul drept al restriciilor exist numai termeni
liberi i acetia sunt nenegativi bi 0, i = 1, m
2) Toate restriciile modelului trebuie s fie exprimate
prin egaliti, deci toate restriciile vor fi ecuaii.
3) Toate variabilele din model sunt nenegative xi 0 i
Orice model matematic poate fi adus la forma standard.
Pentru a ndeplini cele trei condiii se procedeaz astfel:
1a) Dac iniial ntr-o restricie aveam variabile n membrul
drept, acestea se trec n membrul stng;
1b) Dac iniial aveam un termen liber n membrul stng, acesta
se va trece n membrul drept;
1c) Dac termenul liber din membrul drept este negativ, atunci
restricia respectiv se va nmuli cu (-1).
19
De exemplu restricia iniial era: x1 + x2 + 4 < x3 . Avem

x1 + x2 x3 + 4 < 0 apoi x1 + x2 x3 < 4 ( 1) deci x1 x2 + x3 > 4
i ultima form a restriciei ndeplinete condiia 1) din FS.
2) O inecuaie poate fi nlocuit cu o ecuaie prin introducerea
unei variabile noi, numit variabil de compensare, echilibrare
sau ecart. Variabila de compensare se adun ori se scade n
membrul stng al restriciei, dup cum inecuaia era sau .
Aceste variabile de compensare introduse n inecuaii pentru a le
transforma n ecuaii sunt nenegative i au interpretri
economice.
De exemplu, n cazul inecuaiilor:
2 x1 + x2 3 x3 100
, x1 , x2 , x3 0
3
x
+
2
x
+
x
50
2
3
1
se introduc variabilele de compensare x4 cu semnul + i x5 cu

semnul -:
2 x1 + x2 3x3 + x4 = 100
xi 0, i = 1,5
3x1 + 2 x2 + x3 x5 = 50
deoarece n prima membrul stng era mai mic dect membrul

drept iar n a doua inecuaie, membrul stng era mai mare dect
n membrul drept.
3) Dac iniial n modelul matematic exist i variabile care nu
satisfac de la nceput condiiile de nenegativitate, atunci acestea
vor putea fi ndeplinite cu ajutorul unei substituii, efectuate n
restricii i n funcia obiectiv.
Avem dou situaii:
a)
Variabila xi este negativ sau nepozitiv xi 0 ; n acest
caz substituia este xi = xi , xi 0 ;
b)
Variabila xi are semn oarecare adic poate avea valori
pozitive, valori negative ori poate fi zero: xi=oarecare.
Substituia este xi = xi+ xi , xi+ 0, xi 0 .
20
Variabilele nepozitive sau variabilele cu semn oarecare

pot apare n formularea problemelor duale, ataate problemelor
primale i au interpretri economice (preuri umbr). Variabilele
cu semn oarecare pot apare mai ales n programarea
multicriterial, n care variabilele deviaionale de la obiectivele
propuse care au fost introduse n modelarea obiectivelor, pot lua
valori pozitive, negative sau nule.
De exemplu, pentru problema de PL:
f ( x ) = 2 x1 + x2 + 3x3 = max ,
x1 + 2 x2 + x3 = 15
x1 2 x2 + 2 x3 = 18
x1 0 , x2 0 , x3 = oarecare
x1 = x1'
se vor efectua substituiile
x1' 0 , x3+ 0 , x3 0 iar
+
x3 = x3 x3
forma standard este:

f ( x ) = 2 x1' + x2 + 3x3+ 3x3 = max
'
+
x1 + 2 x2 + x3 x3 = 15
'
+
x1 2 x2 + 2 x3 2 x3 = 18
x1' 0 , x2 0 , x3+ 0 , x3 0 .
n cazul general, forma standard a unei probleme de PL se

poate prezenta n una din formele:
a)
FS dezvoltat
f ( x ) = c1 x1 + c2 x2 + ... + cn xn = optim ( max sau min )
a11 x1 + a12 x2 + ... + a1n xn = b1
a21 x1 + a22 x2 + ... + a2 n xn = b2

am1 x1 + am 2 x2 + ... + amn xn = bm
b)
FS matriceal
f ( x ) = C X = optim
21
A X = B
X 0
c)
FS vectorial
f ( x ) = C X = optim
x1 P1 + x2 P2 + ... + xn Pn = B
X 0
unde A M mn este matricea coeficienilor din restricii, C M 1n
este matricea linie a coeficienilor din FO, X M n1 este matricea

coloan a necunoscutelor iar Pi M m1 sunt matricele ce au drept
componente coloanele matricei A.
Se observ c restriciile reprezint un sistem de m ecuaii
cu n necunoscute.
Se consider ndeplinirea urmtoarelor dou ipoteze:
1. numrul m al restriciilor este strict mai mic dect
numrul n al necunoscutelor;
2. rangul matricei A este m.
Prima ipotez ne arat c sistemul de ecuaii ce reprezint
restriciile este compatibil nedeterminat, caz n care cutarea
soluiei optime a problemei are sens.
Ipoteza a 2-a arat c cele m restricii sunt liniar
independente. n caz contrar se renun la ecuaiile care sunt
combinaii liniare ale celorlalte.
SOLUII ALE UNEI PROBLEME DE PL
Pentru aflarea soluiei optime a unei probleme de PL,
trebuie s fie satisfcute, n primul rnd, restriciile i condiiile
de nenegativitate.
Restriciile formeaz un sistem liniar de m ecuaii cu n
necunoscute, deci apar 3 situaii:
22
Sistemul este incompatibil, deci problema de PL

nu are soluie;
Sistemul este compatibil unic determinat iar
componentele soluiei unice sunt nenegative. n
acest caz aceasta este i soluia optim;
Sistemul satisface ipotezele 1 i 2 ( m < n i
rang A = m) deci este compatibil nedeterminat; n
aceast infinitate de soluii trebuie aleas soluia
optim, dac exist.
n rezolvarea problemei de PL prin metoda grafic s-a
vzut c exist trei tipuri de soluii.
1. Soluii admisibile (SA)
Soluia admisibil a unei probleme de PL este un vector
T
x = ( x1 x2 x3 xn ) care satisface toate restriciile i condiiile de
nenegativitate.
Datorit ipotezelor 1 i 2, sistemul restriciilor este
compatibil nedeterminat, deci mulimea soluiilor este, n
general, infinit.
Este imposibil s se calculeze valoarea funciei obiectiv n
toate aceste soluii admisibile pentru a o alege pe aceea care
confer funciei obiectiv valoarea optim cerut, deci soluia
optim se va cuta ntr-o submulime a SA, care s aib un
numr finit de elemente.
2. Soluie admisibil de baz (SAB)
Aceasta este o soluie care satisface urmtoarele trei
condiii:
a)
Este soluie admisibil.
b)
Are cel mult m componente strict pozitive iar celelalte
n-m sunt egale cu zero.
c)
Vectorii Pi, ce au drept componente coloane ale matricei
A, care corespund celor m componente nenegative (de la
condiia b) sunt liniar independeni.
23
n algoritmul simplex aceti vectori Pi sunt vectorii bazei
canonice E = ( e1 e2 em )
1
0
0

0
1
0
adic e1 = . , e2 = . , ..., em = . .

.
.
.
0
0
1

Din acest motiv variabilele nenegative din SAB se mai

numesc variabile bazice.
Mulimea SAB are cel mult Cnm elemente.
Dac o SAB are exact m componente strict pozitive, ea se
numete nedegenerat iar dac are mai puin de m componente
strict pozitive, ea este degenerat.
3. Soluie optim
Aceasta este o soluie admisibil care confer funciei
obiectiv valoarea optim cerut.
n algoritmul simplex soluia optim este cutat n
mulimea SAB.
Exemplu
Fie problema de PL
f ( x ) = 6 x1 + 4 x2 = max
x1 + 3 x2 15
4 x1 + 2 x2 20
x 4
1
Se cer:
1) S se aduc problema la forma standard;
2) S se afle cel puin dou SAB.
Rezolvare:
1) Adunm n membrul stng al fiecrei restricii cte o
variabil de compensare
f ( x ) = 6 x1 + 4 x2 = max
24
x1 + 3 x2 + x3 = 15
4 x1 + 2 x2 + x4 = 20
x + x = 4
1 5
x1 0, x2 0, x3 0, x4 0, x5 0 .
Sistemul de 3 ecuaii cu 5 necunoscute al restriciilor este

compatibil nedeterminat deoarece matricea coeficienilor
restriciilor
1 3 1 0 0
A = 4 2 0 1 0 are rang A=3

1 0 0 0 1
unde
1 0 0
pr = 0 1 0 = 1 0
0 0 1
Notm
1
3
1
0
0

P1 = 4 ; P2 = 2 ; P3 = e1 = 0 ; P4 = e2 = 1 ; P5 = e3 = 0
1

0
1

0
0

Necunoscutele x3, x4, x5 devin necunoscute principale iar

x1 i x2 sunt necunoscute secundare.
Soluia sistemului de ecuaii este:
x1 = R
x = R
2
x3 = 15 x1 3 x2
x = 20 4 x 2 x
1
2
4
x5 = 4 x1
Deci exist o infinate de soluii. Cum , R putem lua

= 0 i = 0 i obinem o SAB
25
x1 = 0
x2 = 0
x0 = x3 = 15
x4 = 20
x =4
5
care verific toate cele 3 condiii din definiia SAB.

a)
Verific restriciile i are componente nenegative adic
este admisibil;
b)
Are 3 componente strict pozitive i 5-3=2 egale cu zero
deci este nedegenerat;
c)
Vectorii P3, P4 i P5, care corespund componentelor
nenule ale soluiei x3, x4 i x5 sunt liniar independeni, deoarece
ei formeaz baza canonic (au componente egale cu cele din
coloanele matricei unitate).
2) Pentru a gsi alt SAB se vor folosi transformrile
elementare ntr-un sistem de ecuaii, pentru a obine
coloanele matricei unitate pe alte locuri, n loc de 3, 4
i 5.
Aceste transformri se pot efectua fie n sistemul de
ecuaii, fie n matricea lrgit i avem:
Se nmulete o ecuaie (linie din matrice) cu un
numr nenul;
Se nmulete o ecuaie (linie) cu un numr nenul i
se adun rezultatul la o alt ecuaie (linie).
Pentru exemplificare, se va obine coloana (1 0 0)T pentru
variabila x2.
nmulim prima ecuaie cu
1 pentru x2:
26
1
pentru a obine coeficientul
3
1
1
x
+
x
+
x3 = 5
1
2
3
3
4 x1 + 2 x2 + x4 = 20
x + x = 4
1 5
nmulim prima linie cu (-2) i adunm rezultatul la linia a 2-a:

1
1
3 x1 + x2 + 3 x3 = 5
2
10
x1 x3 + x4 = 10
3
3
x1 + x5 = 4
Soluia sistemului, cu variabilele bazice x2, x4, x5 iar cele

secundare x1 = 0 i x3 = 0 este:
x1 = 0 x2 = 5 x3 = 0 x4 = 10 x5 = 4
i este tot SAB nedegenerat.

Matriceal, putem scrie:
1 3
4 2
1 0
1
3
10
1
1
1
0 0 5
1 0 0 15
3
3

0 1 0 20 4 2 0 1 0 20
0 0 1 4 1 0 0 0 1 4
1
0 0 5
3
2
0
1 0 10
0 0 0 1 4
Se pot obine i alte SAB, prin folosirea celor dou

transformri elementare.
27
ALGORITMUL SIMPLEX
Algoritmul simplex (primal) a fost elaborat i aplicat de
G. B. Dantzig n 1947 ca metod de rezolvare a unor probleme
de optimizare.
Metoda simplex cerceteaz valorile funciei obiectiv n
mulimea SAB i permite trecerea de la o soluie la o alta mai
bun fr a fi necesar cercetarea tuturor SAB i este un proces
iterativ.
Etapele algoritmului simplex se pot stabili att pentru
probleme de maxim ct i pentru probleme de minim, dei se
poate nlocui aflarea lui maxf cu aflarea lui min(-f) deoarece:
max f = min ( f )
i
min f = max ( f ) .
La probleme de maxim, dac x0 i x sunt dou SAB,

soluia x este mai bun dect x0 dac f ( x ') f ( x0 ) adic
valoarea funciei obiectiv crete.
Pe lng faptul c prin algoritmul simplex se determin
att soluia optim ct i valoarea optim a funciei obiectiv,
rezult i cazurile n care nu exist soluie optim sau valoarea
optim a FO nu este finit.
ETAPELE ALGORITMULUI SIMPLEX PENTRU
PROBLEME DE MAXIM
Dup aducerea la forma standard a problemei de PL, se
aplic algoritmul simplex cu urmtoarele etape:
Etapa I. Se determin o SAB de pornire. Apar dou situaii:
28
Matricea A a coeficienilor variabilelor din

restricii conine toate coloanele matricei unitate de
ordinul m, I m
n acest caz, SAB se afl din restricii prin anularea
variabilelor nebazice (secundare).
Matricea A nu conine toate coloanele matricei Im.
n acest caz se folosete metoda bazei artificiale.
Etapa II. Se alctuiete primul tabel simplex. Capul de tabel este:
Baza
CB
P0
c1
P1
c2
P2
.
.
.
.
cn
Pn
zk-ck
Pe coloana 1 (baza) se scriu vectorii bazei
canonice, n ordinea apariiei lor n baz deci:
primul este vectorul care are componentele
T
(1 0 0 0 ) , al doilea este cel de componente
T
( 0 1 0 0 ) , ... iar ultimul de pe coloana 1, are
T
componentele ( 0 0 0 1) .
Pe coloana a doua, CB, se scriu coeficienii din

funcia obiectiv, ci, care corespund variabilelor
bazice xi de pe prima coloan.
Pe coloana a 3-a, P0 se scriu componentele soluiei
de pornire X0.
Pe prima linie din tabel se scriu coeficienii c1, c2, ... cn
din funcia obiectiv a tuturor variabilelor.
29
Pe coloanele P1, P2, ..., Pn se scriu respectiv

coloanele matricei A a coeficienilor variabilelor
din restricii.
Pe ultima linie din primul tabel simplex se
calculeaz diferenele zk ck din relaia:
zk ck = CB Pk ck
Practic se procedeaz astfel: se nmulesc elementele

coloanei CB, pe rnd cu elementele coloanelor P1, ..., Pn sumnd
rezultatele i apoi se scade coeficientul ck din FO ce se afl
deasupra coloanei Pk, k = 1, n .
De exemplu z1 c1 = CB P1 c1 , z2 c2 = CB P2 c2 ,etc.
Etapa III. Se aplic criteriul de optimalitate:
a)
Toate diferenele zk ck 0 , soluia este optim i stop.
b)
Exist i diferene zk ck < 0 , soluia de pe coloana P0 nu
este optim i trecem la
Etapa IV. Se va efectua o schimbare de baz. Criteriul de intrare
n baz pentru probleme de maxim este
min ( zk ck ) = zh ch
k
( zk ck < 0 )
adic intr n baz vectorul Ph cruia i corespunde cea mai mic

valoare negativ pentru zk ck .
Acest vector Ph intr n baz n locul unuia dintre vectorii
Pi aflai pe coloana 1 (baza), deci unul dintre aceti vectori va
iei din baz i trecem la etapa urmtoare:
Etapa V. Aplicarea criteriul de ieire din baz
Apar dou situaii:
a)
Vectorul Ph, care a intrat n baz are toate componentele
(de pe coloana sa) nepozitive, adic aih 0 . n acest caz
problema de PL nu are soluie STOP.
b)
Vectorul Ph care a intrat n baz are i componente strict
pozitive. n acest caz, aplicm criteriul de ieire din baz:
Iese din baz vectorul Pj pentru care avem:
30
min
i
bj
bi
=
aih a jh
(a
ij
> 0)
adic se alege valoarea minim a raportului dintre componentele

soluiei (aflate pe coloana P0) i componentele strict pozitive ale
vectorului Ph care a intrat n baz.
Elementul aflat la intersecia coloanei Ph cu linia
vectorului Pj care a ieit din baz, se numete pivot.
Etapa VI. Dup aplicarea etapelor 4 i 5 se va obine un nou
tabel simplex.
Dup introducerea pe coloana baza a vectorului Ph n
locul lui Pj, ceea ce nseamn c vectorul Ph va deveni un vector
din baza canonic, se nlocuiete pe coloana CB coeficientul Ch
din funcia obiectiv.
Apoi se procedeaz astfel:
Regula 1 Se obine mai nti linia vectorului Ph, care a
intrat n baz, prin mprirea la pivot a liniei care a corespuns lui
Pj. Astfel n noul tabel simplex va apare cifra 1 n locul
pivotului.
Celelalte componente ale vectorului Ph trebuie s fie zero,
deoarece acesta are drept componente una din coloanele matricei
unitate.
Pentru a obine celelalte linii din al doilea tabel, se aplic
regula 2:
Regula 2 Linia obinut prin regula 1 se nmulete
convenabil iar rezultatul se adun pe rnd, la toate liniile din
tabelul precedend astfel c pe toat coloana pivotului se obine
cifra zero. Pe coloana lui P0 se va obine, n al doilea tabel, o
nou soluie admisibil de baz, avnd componentele nenegative.
Dup calcularea liniei zk ck n al doilea tabel se repet
etapele, ncepnd cu etapa 3.
Dup un numr finit de iteraii se va determina soluia
optim, dac exist; se specific i faptul c nu exist soluie
optim ori pot exista mai multe soluii optime.
31
Valoarea funciei obiectiv se calculeaz din CB P0 i

odat cu fiecare nou soluie gsit ea crete.
Exemplu
O firm produce trei produse X, Y, Z folosind trei resurse
R1 un material, R2 ore de prelucrare i R3 alt material.
Consumurile specifice, cantitile disponibile din resurse i
profiturile unitare sunt date n Tabelul 3.
Tabelul 3
Consumuri specifice
Resurse
Disponibil
X
Y
Y
R1
6
4
40
R2
2
1
1
50
R3
8
0
10
60
Profit unitar
80
40
120
Se cere planul de producie zilnic, pentru cele trei
produse, astfel nct profitul total s fie maxim.
Care este utilizarea resurselor?
Soluia
Formm modelul matematic.
Introducem variabilele de decizie:
x1=numrul de produse X ce se vor fabrica
x2=numrul de produse Y ce se vor fabrica
x3=numrul de produse Z ce se vor fabrica
f ( x ) = 80 x1 + 40 x2 + 120 x3 = max
6 x1 + 4 x2 40
2 x1 + x2 + x3 50
8 x + 10 x 60
1
3
Se aduce la forma standard:

f ( x ) = 80 x1 + 40 x2 + 120 x3 = max
32
6 x1 + 4 x2 + x4 = 40
2 x1 + x2 + x3 + x5 = 50 xi 0 i = 1, 6
8 x + 10 x + x = 60
3
6
1
Se scrie matricea coeficienilor restriciilor i

vectorii Pi
6 4 0 1 0 0
A = 2 1 1 0 1 0
8 0 10 0 0 1
P1 P2 P3 P4 P5 P6
Etapa I:
Se observ c vectorii bazei sunt P4 P5 P6 deci
necunoscutele bazice (principale) sunt x4, x5 i x6. Soluia
T
admisibil de baz de pornire este X 0 = ( 0 0 0 40 50 60 )
aflat prin anularea necunoscutelor secundare.
Etapa II: Se construiete primul tabel simplex. Diferenele
zk ck
se
calculeaz
astfel:
z1 c1 = cB P1 c1 = 0 6 + 0 2 + 0 8 80 = 80 ,
z2 c2 = cB P2 c2 = 0 4 + 0 1 + 0 0 40 = 40 , etc.
80 40 120 0 0 0 Etapa III: Soluia nu
Baza CB P0
P1
P2
P3
P4 P5 P6 este optim deoarece
P4 0
P5 0
P6 0
40
50
60
6
2
8
zk-ck
-80
P4 0
P5 0
40
6
12
10
44
P3 120 6
zk-ck
720
4
1
0
0
1
10
-40 -120
1
0
0
0
1
0
0
0
1
exist valori negative pe

linia zk ck
Etapa IV: intr P3
min ( 80, 40, 120 ) = 120
4
1
0
0
1
0
0 0 Etapa
V:
1
10
1
50 60
8 10
0 1 10
16
-40
33
12
min , = 6
1 10
vectorul P6
Etapa VI:
iese
adic
40 10 3 2
0 34 3 10
P2
P5
P3 120 6
zk-ck
8 10
1120 76
0 0
1 4 1 1 10
1
0
0
0
0 1 10
10
14
pt.
linia
pivotului;
pt. celelalte linii
se aplic regula 2
12
Este satisfcut criteriul de optimalitate, toate diferenele

zk ck 0 . Soluia optim se citete pe coloana P0: x1 = 0 , x2 = 10 ,
x3 = 6 , x4 = 0 , x5 = 34 , x6 = 0 deci se vor fabrica: 0 produse X, 10
produse Y, 6 produse Z, iar profitul maxim este 1120 um.
Variabilele de compensare arat cum s-au folosit resursele:
x4 = 0 arat c resursa 1, primul material, a fost utilizat n
ntregime ( 6 0 + 4 10 = 40 )
x5 = 34 arat c au rmas nefolosite 34 ore pe zi
( 2 0 + 10 + 6 = 16 < 50 cu 34 ore )
x6 = 0 arat c resursa a 3-a, al doilea material, a fost
utilizat integral ( 8 0 + 0 + 10 6 = 60 )
ALGORITMUL SIMPLEX PENTRU PROBLEME DE
MINIM
Dei avem min f = max ( f ) este mai comod s se
specifice etapele algoritmului pentru probleme de minim.
Acestea sunt identice cu etapele pentru probleme de
maxim cu urmtoarele dou excepii:
Etapa III:Criteriul de optimalitate este:
a)
Dac toate diferenele zk ck 0 atunci soluia este
optim;
b)
Dac exist i diferene zk ck > 0 , soluia nu este optim
i trecem la etapa a IV-a;
34
Etapa IV: La probleme de minim se schimb criteriul de intrare

n baz.
Intr n baz vectorul Ph cruia i corespunde cea mai
mare valoare pozitiv pe linia zk ck :
max ( zk ck ) = zh ch ( zk ck > 0 )
k
Exemplu
S se rezolve problema de programare liniar:
f ( x ) = 4 x1 2 x2 8 x3 + 12 x4 + 2 x5 = min
3 x1 + 2 x3 + x4 = 4
2 x1 + x2 x3 = 2
x + x = 1
1 5
xi 0 i = 1,5
Soluie
Matricea coeficienilor restriciilor este
3 0 2 1 0
A = 2 1 1 0 0
1 0 0 0 1
P1 P2 P3 P4 P5
Baza este ( P4 , P2 , P5 ) iar SAB de pornire se obine anulnd

T
necunoscutele secundare x1 = 0 , x3 = 0 deci x0 = ( 0 2 0 4 1) .
Din urmtorul tabel simplex se obine soluia optim:
Baza
CB
P0
P4
P2
P5
zk-ck
12
-2
2
4
2
1
P3
-8
4
P1
3
2
-1
26
-2
P2
0
1
0
0
-8
P3
2
-1
0
34
12
P4
1
0
0
0
2
P5
0
0
1
0
3
2
1
2
35
P2
-2
7
2
1
2
P5
zk-ck
1
-22
-1
-25
0
0
0
0
0
-17
1
0
Soluia X * = ( x1 = 0 x2 = 4 x3 = 2 x4 = 0 x5 = 1) , min f = 22 este

optim deoarece este satisfcut criteriul de optimalitate, toate
diferenele zk ck 0 .
BAZA ARTIFICIAL. METODA PENALIZRILOR
Pentru determinarea soluiei de pornire, dup aducerea la
forma standard, apar dou situaii:
Matricea A conine toate coloanele matricei unitate
Im; SAB de pornire se afl anulnd necunoscutele
secundare (nebazice);
Matricea A nu conine toate coloanele lui Im. n acest
caz se va crea o baz artificial canonic.
Se adaug, alturi de matricea A, coloanele din matricea
Im care lipseau; aceste coloane din matricea unitate sunt
componente ale unor vectori artificiali iar baza canonic format
i cu ajutorul vectorilor artificiali este o baz artificial.
Adugarea vectorilor artificiali presupune adunarea unor
noi necunoscute, numite necunoscute artificiale n relaiile ce
reprezint restriciile.
Pentru aflarea soluiei optime a problemei iniiale, se
consider o nou problem, numit modificat, n care s-a
schimbat i expresia funciei obiectiv, folosind metoda
penalizrilor sau metoda celor M mari, unde M este un numr
foarte mare, numit factor de penalizare.
36
METODA PENALIZRII PENTRU PROBLEME DE MINIM

Dup aducerea la forma standard, dac n matricea A
lipsesc unele coloane din Im, se procedeaz astfel:
Se obine problema modificat prin:
Se adaug la matricea A, coloanele din matricea
unitate care lipseau, pentru obinerea bazei artificiale.
Aceasta nseamn c se adun cte o necunoscut
artificial numai n restriciile indicate de cifra 1 ce
corespund vectorilor artificiali.
n funcia obiectiv se adun produsul dintre vectorul
de penalizare M i suma variabilelor artificiale
introduse.
Exemplu
O firm fabric 3 piese de mobilier: canapele, birouri i
fotolii costurile de producie pentru fiecare din ele fiind 3, 2
respectiv 2 um. n fabricarea lor se folosesc 2 resurse, lemn i
material de tapierie ce se afl pe stoc. Rentru a-i epuiza
stocurile trebuie folosite cel puin 80 de uniti de lemn i cel
puin 60 de uniti de material de tapierie. Consumurile
specifice i costurile de producie sunt date n Tabelul 4.
Tabelul 4
Consumuri specifice
Resurse
Disponibil
C
B
F
R1(lemn)
4
2
1
80
R2(material tapierie)
2
1
60
Cost de producie
3
2
2
Modelul matematic este urmtorul:
f ( x ) = 3 x1 + 2 x2 + 2 x3 = min
4 x1 + 2 x2 + x3 80
2 x1 + x3 60
xi 0 i = 1, 2,3
37
Se aduce la forma standard:

f ( x ) = 3 x1 + 2 x2 + 2 x3 = min
4 x1 + 2 x2 + x3 x4 = 80
2 x1 + x3 x5 = 60
xi 0 i = 1,5
Se scrie A matricea coeficiemilor din restricii:

4 2 1 1 0
A=
2 0 1 0 1
Deoarece aceasta nu conine nici o coloan din I2, se

adaug doi vectori artificiali ce vor forma baza artificial:
4 2 1 1 0 1 0
A=
2 0 1 0 1 0 1
P1 P2 P3 P4 P5 P6a P7a
Problema modificat este:
f ( x ) = 3 x1 + 2 x2 + 2 x3 + M ( x6a + x7a ) = MIN
4 x1 + 2 x2 + x3 x4 + x6a = 80
a
2 x1 + x3 x5 + x7 = 60
xi 0 i=1,5 , x6a 0 x 7a 0
METODA PENALIZRII PENTRU PROBLEME DE

MAXIM
Dup aducerea la forma standard, matricea A a
coeficienilor din restricii nu conine toate coloanele din Im.
Pentru obinerea problemei modificate n cazul acesta, avem:
Se adaug coloanele care lipseau din matricea unitate,
la matricea A, pentru formarea bazei unitare. Aceasta
presupune adunarea unor necunoscute artificiale
numai n ecuaiile indicate de cifra 1 din vectorii
artificiali.
38
n funcia obiectiv se scade produsul dintre factorul de

penalizare M i suma variabilelor artificiale introduse.
Exemplu
Problema iniial de PL este:
f ( x ) = 12 x1 + 16 x2 = max
2 x1 + 3 x2 48000
x1 0, x2 0
x2 10000
x 6000
1
Soluie
Se aduce problema la forma standard:
f ( x ) = 12 x1 + 16 x2 = max
2 x1 + 3 x2 + x3 = 48000
xi 0 i = 1,5
x2 x4 = 10000
x + x = 6000
1 5
Matricea A nu conine coloana ( 0 1 0 ) i de aceea se

introduce vectorul P6a cu aceste componente:
T
2 3
A = 0 1
1 0
P1 P2
1 0 0 0

0 1 0 1
0 0 1
0
P3 P4 P5 P6a
Baza este ( P3 P6a P5 ) iar forma modificat a problemei

este:
f ( x ) = 12 x1 + 16 x2 Mx6a = MAX
2 x1 + 3 x2 + x3 = 48000
a
x2 x4 + x6 = 10000
x + x = 6000
1 5
xi 0 i = 1,5, x6a 0
n continuare se va aplica algoritmul simplex problemei

modificate. Se poate lucra cu M ori i se poate da lui M o valoare
39
numeric foarte mare. Unele programe pe calculator consider

M = 900000000 .
Poate apare una din urmtoarele trei situaii n rezolvarea
problemei modificate care s conduc la aflarea soluiei
problemei originale, dac ea exist.
1) Toi vectorii artificiali au fost eliminai din baz. n
acest caz s-a obinut o SAB de pornire pentru
problema iniial; se continu algoritmul simplex i se
determin, dac exist, soluia optim a problemei
iniiale.
2) Nu toi vectorii artificiali au ieit din baz, dar
necunoscutele artificiale care corespund vectorilor
artificiali rmai n baz sunt egale cu zero. Rezult o
soluie de pornire degenerat pentru problema iniial
i se continu algoritmul simplex.
3) A rmas n baz mcar un vector artificial, cruia i
corespunde pe coloana lui P0 o variabil artificial
strict pozitiv i sunt ndeplinite condiiile de
optimalitate. n aceast situaie problema iniial nu
are soluie.
Exemplu
Se aplic algoritmul simplex la problema de maxim
precedent, adus n forma standard:
f ( x ) = 12 x1 + 16 x2 Mx6a = MAX
2 x1 + 3 x2 + x3 = 48000
a
xi 0 i = 1,5, x6a 0
x2 x4 + x6 = 10000
x + x = 6000
1 5
Baz
CB
P3
12
P1
48000
2
16
P2
3
P0
40
0
P3
1
0
P4
0
0
P5
0
-M
P6a
0
P6a
P5
zk-ck
P3
P2
P5
zk-ck
P4
P2
P5
-M
0
10000
6000
0
16
0
18000
10000
6000
0
16
6000
16000
6000
zk-ck
0
1
-12
2
0
1
-12
0
0
0
1
0
0
0
-1
0
M
0
1
0
0
0
1
0
0
0
1
0
0
-3
1
0
16+M
-1
0
23
23
0
-M-16
0
1
0
0
0
1
13
13
-1
0
-16
1
0
4 3
16 3
1
3
1
3
2000
P2
16
12000
P1
12
6000
264000
16
3
4
3
zk-ck
2
3
2
P4
-1
0
n prima linie, zk-ck, avem z2 c2 = M 16 care este cea

mai mic valoare negativ deci P2 intr n baz.
48000 10000
,
= 10000 . n al doilea
1
3
Iese P6 deoarece min
tabel s-a obinut o soluie de pornire pentru problema iniial,

care ns, nu este soluia optim: x1 = 0 , x2 = 10000 , x3 = 18000 ,
x4 = 0 , x5 = 6000 iar max f = 16000 .
Soluia optim se determin din ultimul tabel simplex:
x1 = 6000 , x2 = 12000 , x3 = 0 , x4 = 2000 , x5 = 0
iar max f = 264000 = 12 6000 + 16 12000
41
Exemplu
Se aplic algoritmul simplex pentru problema precedent
de minim:
2
2
P2
P3
a
P6 M 80
4
2
1
a
P7
M 60 2
0
1
zk-ck
6M-3 2M-2 2M-2
Baza CB P0
3
P1
3 20
1
2
P7a M 20
-1
zk-ck
-M-
P1
P1
3 30
P4
0 40
-2
90
-2
zk-ck
1
2
0
P4
-1
0
-M
0
P5
0
-1
-M
1
4
1
2
M 5
2 2
1
2
1
4
1
2
M 3
2 4
1
2
a
6
P7a
1
0
0
0
1
0
1
4
1
2
M 3
- +
2 4
1
2
1
2
-2
-1
3
2
-M
-M+
0
-1
-M
3
2
Soluia optim este

x1 = 30 , x2 = 0 , x3 = 0 , x4 = 40 , x5 = 0 iar max f = 90 .
Obesrvaie
Un alt mod de precizare a metodei penalizrii este:
Forma modificat se obine prin:
n fiecare restricie care nu conine o variabil
izolat (care nu mai apare n celelalte restricii)
care are coeficientul +1, se adaug o nou
variabil, numit variabil artificial;
Variabilele artificiale se introduc n funcia
obiectiv cu coeficientul:
+M dac funcia obiectiv este de minim;
42
-M dac funcia obiectiv este de maxim.

Dac dup rezolvare s-au obinut condiiile de
optim i cel puin o variabil artificial are n
soluia optim o valoare nenul, atunci problema
iniial nu are soluie.
RESURSE RARE. PRE UMBR
Programarea liniar se ocup cu utilizarea optim a
resurselor.
Resursele consumate n ntregime n procesul optim de
producie se mai numesc resurse rare, deoarece lipsa ori
neajunsul lor poate limita producia, deci i profitul.
n cazul refacerii structurilorori planificrii orelor de
producie, este necesar s se cunoasc ce resurse sunt mai
valoroase n sensul c prin suplimentarea lor se ajunge la
creterea valorii maxime a profitului.
Informaii asupra acestei probleme se obin cu ajutorul
preurilor umbr, ataate fiecrei resurse.
Fiecrei probleme de programare liniar, numit
problem primal i se poate ataa o alt problem, numit
problem dual, dup anumite reguli.
Problema dual se construiete, tot ca model de
programare liniar, cu ajutorul datelor din problema primal.
Variabilele duale optime se mai numesc preuri umbr.
Se tie c fiecare restricie din problema primal se refer
la una din resurse ori condiii de producie, de vnzare etc.
La fiecare restricie se ataeaz cte o variabil dual, deci
preurile umbr (variabilele duale optime) se refer tot la resurse
ca i restriciile.
Avem urmtoarele interpretri
a)
Preul umbr (dual) ataat unei resurse (restricii) este
cantitatea cu care se va modifica (crete sau scade) valoarea
43
optim a funciei obiectiv, dac se va crete cu o singur unitate

unitate cantitatea disponibil din acea resurs (adic termenul
liber din restricie)
b)
Preul umbr este suma care poate fi pltit n plus fa de
costul de achiziie iniial, pentru cumprarea unei noi uniti
dintr-o resurs rar, astfel ca, prin suplimentarea cantitii
disponibile din acea resurs, beneficiul total s nu scad, ori
costul total s nu creasc.
Aceste interpretri au loc n dou condiii:
1) Soluia optim a problemei s fie nedegenerat
2) Intervalele n care sunt valabile interpretrile a) i b)
ale preurilor umbr sunt determinate de analiza
senzitiv pentru pentru termenii liberi din restricii.
Se ntlnesc, deci, urmtoarele tipuri de variabile
I. Variabile de decizie
Acestea determin ceea ce se cere n problem, adic vor
determina decizia ce va fi luat.
Cu ajutorul lor se elaborez modelul matematic. Soluia
optim se citete n ultimul tabel simplex, pe coloana lui P0, cnd
sunt satisfcute condiiile de optimalitate.
O variabil x j > 0 arat c activitatea j creia i-a fost
ataat variabila de decizie este inclus n program deci se
efectueaz ca activitate eficient.
Dac x j = 0 atunci activitatea j nu se efectueaz ea fiind
nerentabil.
II. Variabile de compensare, echilibrare sau
ecart
Acestea se introduc pentru aducerea la forma standard, n
restricii.
Valorile lor optime se citesc odat cu cele ale variabilelor
de decizie, pe coloana lui P0.
Dac variabila de compensare din restricia j,
ataat resursei Rj, este nul, atunci restricia j este
44
satisfcut cu semnul =, resursa Rj a fost

consumat n ntregime, deci este o resurs rar.
n general, preul umbr ataat unei resurse rare este
nenul.
Dac variabila de compensare dintr-o restricie are,
n soluia optim, valoare strict pozitiv atunci
restricia este satisfcut ca inegalitate.
n cazul n care aveam , variabila de
compensare a fost adunat i valoarea ei arat ct
din membrul drept a rmas neutilizat.
n cazul n care aveam , variabila de
compensare se mai numete surplus sau variabil
de exces, deoarece ea arat ct s-a realizat n plus
fa de membrul drept.
Dac variabila de compensare este strict pozitiv
atunci preul umbr ataat resursei este nul deci
prin suplimentarea acelei resurse, valoarea optim
a funciei obiectiv nu se modific.
III. Variabile duale optime sau preurile
umbr
Se ataeaz restriciilor deci dau indicaii asupra
resurselor, conform interpretrilor a) i b).
Preurile umbr se citesc pe ultima linie di tabelul
simplex, adic pe linia lui zk-ck
n dreptul coloanelor variabilelor de compensare,
dac vectorii corespunztori formau baza canonic,
n ordinea vectorilor din matricea unitate
Pe coloanele variabilelor artificiale, tot ordinea
coloanelor din matricea unitate iniial, fcnd
M=0.
n dreptul coloanelor variabilelor de compensare
sczute pentru aducerea la forma standard, dar
acestei citiri i se va schimba semnul.
45
Observaie pentru variabilele de decizie

Tot pe linia lui zk-ck din ultimul tabel simplex se citete i
costul redus, n dreptul coloanelor ce corespund variabilelor de
decizie.
Costul redus pentru o variabil de decizie care are
valoarea zero n soluia optim, (ceea ce indic faptul c
activitatea pe care o reprezenta variabila de decizie nu se
efectueaz), este cantitatea necesar pentru a crete (sau micora)
coeficientul acelei variabile, n funcia obiectiv, astfel ca dup
modificarea acelui coeficient, variabila s aibe valoare strict
pozitiv n noua soluie optim.
Dac variabila de decizie are valoare strict pozitiv n
soluia optim, costul redus este nul.
Costul redus pentru o activitate nerealizat mai reprezint
cantitatea cu care descrete profitul (crete costul) dac o
activitate care nu era folosit este forat s fie utilizat; de
exemplu dac x1 = 0 , i se impune ca restricie x1 1 , profitul va
scdea exact cu valoarea costului redus a variabilei x1.
Exemplu
O fabric de mobil produce birouri i dulapuri, folosind
timpul de asamblare i lemn.
Consumurile specifice, preurile de vnzare i cantitile
disponibile din resurse sunt date n tabel:
Consum pentru um
Resurse
Disponibil
Birou
Dulap
Asamblare (min)
10
8
600 min
Lemn (kg)
6
12
600 kg
Pre de vnzare (um)
15
9
a)
Dac fabrica dorete s contracteze cel puin 40 de
birouri, care va fi planul de producie, preul maxim de vnzare?
Cum sunt utilizare resursele? Care dintre resurse ar trebui
suplimentat dac se urmrete fabricarea unui numr mai mare
de produse? Care este costul redus?
46
b)
Rspundei la aceleai ntrebri dac se dorete
contractarea a cel puin 40 de dulapuri.
Ce decizie va lua managerul; a) sau b)?
c)
Care va fi planul de producie i preul maxim de vnzare
dac n cazul a) preul dulapurilor este crescut cu 3 um?
x1= numrul de birouri ce se vor fabrica
x2= numrul de dulapuri ce se vor fabrica
Cazul a) model matematic
f ( x ) = 15 x1 + 9 x2 = max
1) 10 x1 + 8 x2 600, minute de asamblare
x1 0 x2 0
2) 6 x1 + 12 x2 600, kg de lemn
3) x 4, contract
1
Forma standard este

f ( x ) = 15 x1 + 9 x2 = max
10 x1 + 8 x2 + x3 = 600
6 x1 + 12 x2 + x4 = 600 xi 0 i = 1,5
x x = 40
1 5
Forma modificat pentru aplicarea metodei penalizrilor,

se datorete faptului c n matricea
10 8 1 0 0 0

A = 6 12 0 1 0 0
1 0 0 0 1 1

a
lipsete coloana P6 , deci forma modificat este
f ( x ) = 15 x1 + 9 x2 Mx6a = MAX
10 x1 + 8 x2 + x3 = 600
a
6 x1 + 12 x2 + x4 = 600 xi 0 , i = 1,5 x6 0
a
x1 x5 + x6 = 40
Tabelul simplex:
Baza
CB
P0
P3
600
15
P1
10
9
P2
8
47
0
P3
1
0
P4
0
0
P5
0
-M
P6a
0
P4
0
-M
600
40
zk-ck
P3
P4
P1
zk-ck
0
0
15
200
360
40
P5
20
P4
240
P1
15
60
a
6
6
1
-M-15
0
0
1
0
zk-ck
12
0
-M-9
8
12
0
-9
0
0
0
1
0
0
0
4
5
36
5
4
5
1
10
3
5
1
10
1
0
0
0
1
0
0
0
-1
M
10
6
-1
-15
0
1
0
-10
-6
1
M+15
-1
900
0
3
1,5 0
0
M
Interpretarea acestui tabel simplex:
Planul de producie este: x1 = 60 , x2 = 0 deci se vor
fabrica 60 de birouri iar dulapurile sunt
nerentabile, deci nu se vor produce.
Valoarea maxim a preului de vnzare este 900 de uniti
monetare.
Valorile variabilelor de compensare sunt: x3 = 0 , x4 = 240 ,
x5 = 20 deci s-au consumat toate minutele de asamblare, au rmas
240 kg de lemn din cele 600 kg i s-au fcut n plus 20 de birouri
fa de cele 40 contractate.
Preurile umbr se citesc n dreptul coloanelor matricei
unitate, care au format baza iniial, fcnd M = 0 deci:
Preul umbr pentru orele de asamblare este 1,5.
Preul umbr pentru lemn este 0
Preul umbr al restriciei a 3-a, ce reprezint
contractul, este 0, (pentru M=0) ori n dreptul
T
coloanei ( 0 0 1) , dar este tot 0 i cu semn
schimbat.
48
Costurile reduse pot fi citite pe coloanele variabilelor de

decizie P1 i P2 pe linia lui zk-ck deci:
Costul redus pentru birouri este 0 deoarece ele se
fabric
Costul redus pentru dulapuri este 3 deoarece n
acest moment ele sunt nerentabile la preul de
vnzare 9 um.
Dac ns preul de vnzare ar fi 9 + 3 = 12 sau mai mult,
ele pot fi fabricate.
Toate aceste rezultate puteau fi sintetizate n tabelul:
Variabile de decizie
Cost redus
60
0
0
3
max f = 90
Variabile de compensare
Preuri umbr
1)
0
1,5
2)
240
0
3)
20
0
n plus rezult c singura resurs care ar trebui
suplimentat este prima, timpul de asamblare, deoarece dac am
avea 600+1 minute, valoarea maxim a vnzrilor ar crete cu
1,5 adic ar deveni 900 + 45 = 945 um.
ns aceast proprietate este valabil doar n intervalul dat
de analiza senzitiv pentru termenul liber 600 din prima
restricie. Se poate arta c acesta este [ 400,1000] .
Cazul b) model matematic
f ( x ) = 15 x1 + 9 x2 = max
1) 10 x1 + 8 x2 600, minute de asamblare
x1 0, x2 0
2) 6 x1 + 12 x2 600, kg de lemn
3) x 4, contract
1
Forma modificat este n acest caz

f ( x ) = 15 x1 + 9 x2 Mx6a = MAX
49
10 x1 + 8 x2 + x3 = 600
a
6 x1 + 12 x2 + x4 = 600 xi 0 i = 1,5 , x6 0
a
x1 x5 + x6 = 40
Tabelul simplex
15
P1
10
6
1
-15
10
6
0
-15
9
P2
8
12
0
-M+9
0
0
1
0
0
P3
1
0
0
0
1
0
0
0
0
P4
0
1
0
0
0
1
0
0
80
20
1
0
0
0
Baza
CB
P0
P3
P4
0
0
-M
600
600
40
zk-ck
P3
P4
P2
zk-ck
0
0
9
280
120
40
P3
P1
15
P2
zk-ck
P6a
40
0
660
0
Tabelul rezultatelor este:
20
40
5
3
1
6
0
P5
0
0
-1
M
8
12
-1
9
-M
P6a
0
0
1
0
-8
-12
1
9+M
-12
12
-2
0 -1
2,5 21
1
M-21
Cost redus
0
0
max f = 660
Preuri umbr
1)
0
1,5
2)
240
0
3)
20
0
Deci: se vor produce 20 de birouri, 40 de dulapuri,
valoarea maxim a vnzrilor este 660 um, rmn neutilizate 80
minute de asamblare dincele 600, dar restriciile urmtoare sunt
50
satisfcute cu semnul egal deci lemnul li contractul sunt

resurse rare.
Dac n loc de 600 kg lemn am avea 601 kg, valoarea
vnzrilor ar crete cu 2,5 devenind 662,5.
n schimb dac n loc de 40 dulapuri s-ar contracta 41,
valoarea vnzrilor ar scdea cu 21, devenind 639 um.
Aceste afirmaii privind preul umbr au loc doar n
intervalele precizate de analiza senzitiv n care pot varia cele
600 kg lemn i cele 40 de valori ale contractului.
Costul redus este zero deoarece att birourile ct i
dulapurile se fabric. Intervalul n care este valabil preul umbr
de 2,5 pentru lemn este acela n care 600 variaz n [ 480,640] iar
pentru 40 este [33,3;50] .
c) Dac preul dulapurilor devine 12 um, deci crete cu
cele 3 um specificate de costul redus, fabricarea dulapurilor
devine rentabil. Avem urmtoarele dou soluii optime
alternative:
Fie cea prezentat la punctul a
x1 = 60, x2 = 0, max f = 900
Fie
x1 = 40, x2 = 25, max f = 900
Managerul ia decizia s contracteze birourile deoarece

preul total de vnzare n cazul a) este mai mare dect n cazul b)
al contractrii dulapurilor.
Dac ns, poate crete preul de vnzare al dulapurilor,
de la 9 um la 12 um (sau mai mult), atunci poate contracta cele
40 de birouri, pe care le livreaz toate la contract, dar poate
fabrica i 25 de dulapuri, consumnd astfel mai bine resursele,
deoarece rmn doar 60 kg lemn..
Exemplu
O firm poate fabrica dou produse A i B. Costurile de
producie i consumurile specifice sunt date n tabel.
51
Trebuie folosite cel puin 240 de minute de producie, cel

mult 200 uniti de material i trebuiesc produse cel puin 10
uniti din produsul A pentru onorarea unui contract. Datele sunt
sintetizate n tabel:
A
B
Disponibil
R1 ore de producie
2
4
240
R2 kg de material
1
2
200
R3 vnzare
1
0
10
Cost unitar de producie
4
2
a)
S se determine planul optim de producie astfel nct
costul total de producie s fie minim
b)
Care este utilizarea resurselor?
c)
Ce se intmpl dac fiecare dintre cele trei resurse, este
suplimentat, pe rnd cu cte o singur unitate? Dar dac se
micoreaz pe rnd cu o unitate?
Ce este mai convenabil s modificm (presupunnd c se
respect analiza senzitiv)?
Soluie
Se introduc variabilele de decizie care vor da planul de
producie:
x1= numrul de produse A ce se vor fabrica
x2= numrul de produse B ce se vor fabrica
Modelul matematic al problemei este:
f ( x ) = 4 x1 + 2 x2 = MIN
Restriciile
1)2 x1 + 4 x2 240 timp de productie
2) x1 + 2 x2 200 unitati de material x1 0, x2 0

3) x 10 vanzare contract
(
)
1
Forma standard:
f ( x ) = 4 x1 + 2 x2 = MIN
52
1)2 x1 + 4 x2 x3 = 240
2) x1 + 2 x2 + x4 = 200 xi 0, i = 1,5
3) x x = 10
1 5
Din matricea unitate lipsesc coloanele 1 i 3

2
A = 1
1
P1
4 1 0 0 1
2 0 1 0 0
0 0 0 1
0
P2 P3 P4 P5 P6a
0
1
P7a
Rezult c n restricia 1 se va aduna o variabil artificial

x iar n restricia 3 se va duna o variabil x7a ; baza canonic este
( Paa P4 P7a ) .
a
6
n funcia obiectiv se adun factorul de penalizare M;

nmulit cu suma celor dou variabile artificiale, deci modelul
matematic modificat al problemei este
f ( x ) = 4 x1 + 2 x2 + M ( x6a + x7a ) = MIN
1)2 x1 + 4 x2 x3 + x6a = 240
xi 0, i = 1,5 , x6a 0 , x7a 0

2) x1 + 2 x2 + x4 = 200
a
3) x1 x5 + x7 = 10
Tabelul simplex:
4
Baza CB P0
P1
a
P6
M 240
2
P4
0 200
1
a
P7
M 10
1
zk-ck
3M-4
2
P2
4
2
0
4M-2
P2
60
1
2
P4
80
P7a
10
0
53
0 0 0
P3 P4 P5
-1 0 0
0 1 0
0 0 -1
-M 0 -M
1
4
1
2
-1
-M
a
6
P7a
1
0
0
0
0
0
1
0
1
4
1
0
0
1
zk-ck
M-3
P2
55
P4
80
P1
10
zk-ck
1
2
1
4
1
2
1
2
0 -M
1
-M
2
1
4
1
1
2
-1
-3
1
-M
2
3-M
1
2
Razultatele obinute prin algoritmul simplex se pot citi din

ultimul tabel: soluia optim este pe coloana P0, costurile reduse,
pe linia zk-ck sunt pe coloanele P1 i P2, costurile reduse sunt
citite n una din formele:
Fie pe coloanele P6a , P4, P7a care au format baza
iniial; fcnd M=0 (pe linia zk-ck)
T
Fie pe coloana lui P3, ( 1 0 0 ) , dar cu semn
schimbat, pe coloana P4 ( 0 1 0 ) corect i pe
T
coloana lui P5 ( 0 0 1) dar cu semn schimbat i
T
au valorile, respectiv:
1
, 0, 3.
2
Sistemul tuturor rezultatelor, inclusiv valoarea total

minim a costurilor de producie este:
Cost redus
x1
10
0
x2
55
0
min f = 150 um
1)
2)
3)
Preuri umbr
0
0,5
80
0
0
3
Interpretrile rezultatelor
Se vor produce 10 produse A i 55 produse B
54
Costul total minim de producie: 150 um

Prima resurs, orele de producie, este resurs rar.
Variabila de compensare este x3 = 0 , restricia este
satisfcut cu semnul =, resursa este consumat
n ntregime, iar preul umbr asociat este 0,5
um/1or.
Aceasta nseamn c dac n loc de 240 ore avem 241 ore,
costul total minim crete cu 0,5 la fiecare or adugat i scade
cu 0,5 la fiecare or sczut din cele 240 disponibile.
Resursa a doua, materialul, nu a fost consumat n
ntregime deci nu este resurs rar. Din acest
material au rmas un numr de x4 = 80 kg . Preul
umbr asociat materialului este egal cu zero deci
costul total minim rmne neschimbat dac
adugm ori scdem un kg la cei 200 existeni.
Este important de menionat faptul c dac n loc de 200
kg de material am fi planificat un numr de 200 80 = 120 kg, am
fi realizat exact acelai plan de producie cu acelai cost total
minim i am fi consumat toate cele 120 kg (fr stoc
suplimentar).
A treia resurs este tot resurs rar.
Variabila de compensare x5 = 0 , restricia este satisfcut
cu semnul = iar preul umbr ataat este egal cu 3.
Aceasta nseamn c dac n loc de 10 produse A
contractate, vom avea 11, costul total crete cu 3 adic devine
153 i invers, dac n loc de 10 se contracteaz un numr de 9
produse A, costul total scade cu 3 adic devine 147.
Toate aceste consideraii pentru preurile umbr sunt
adevrate n intervalele date de analiza senzitiv pentru termenii
liberi din restricii.
55
ANALIZA SENZITIV
n modelul matematic al unei probleme de PL s-a

presupus c toi parametrii care intervin sunt constani.
n general, coeficienii variabilelor din funcia obiectiv
reprezint costurile de producie unitare, la probleme de minim i
beneficiile unitare ale produselor fabricate, la probleme de
maxim. Aceti coeficieni se pot schimba de la o producie la
alta, din cauze diferite, de exemplu scumpirea gazelor naturale
ori a curentului electric.
Termenii liberi din restricii pot fi cantiti disponibile din
resurse, condiii de vnzare, de contracte etc. i aceti termeni
liberi se pot schimba, fie de la o producie la alta, fie n timpul
procesului de producie studiat.
Obiectivul principal al analizei senzitive este
determinarea efectului asupra soluiei optime, ale unor variaii
ale coeficienilor din funcia obiectiv sau ale termenilor liberi din
restricii.
Uneori, variaiile acestor parametri conduc la aceeai
soluie optim sau dau diferene mici ale soluiei optime, deci
soluia optim este insenzitiv la schimbri.
Este posibil i o schimbare considerabil a soluiei
optime n afara unor intervale de variaie stabilite respectiv
pentru coeficienii din funcia obiectiv sau pentru termenii liberi
din restricii.
ANALIZA SENZITIV PENTRU COEFICIENII DIN
FUNCIA OBIECTIV
Analiza senzitiv pentru coeficienii variabilelor din

funcia obiectiv stabilete intervalele n care pot varia ficare
56
dintre coeficieni, astfel nct soluia optim s rmn

neschimbat. Aceasta nseamn c n aceste intervale, valorile
variabilelor optime xi i = 1, n rmn aceleai , dar valoarea optim
a funciei obiectiv se poate schimba, din cauza modificrii
coeficienilor variabilelor din funcia obiectiv n aceste intervale.
Simultan rezult i costul redus. Aceste rezultate sunt
valabile pentru problemele nedegenerate deci n care exist un
numr de m restricii iar soluia optim conine m variabile strict
pozitive.
n soluia optim, este posibil ca una dintre variabilele de
decizie, xi = 0 . Aceasta nseamn c activitatea i asociat
variabilei de decitie xi , nu este rentabil i nu va fi utilizat. n
ultimul tabel simplex care ddea soluia optim, vectorul Pi
corespunztor variabilei xi nu era n baz.
ntr-o problem nedegeneratde maxim (minim) costul
redus pentru o variabil de decizie care avea valoarea zero n
soluia optim, este cantitatea cu care trebuie crescut (micorat)
coeficientul su din funcia obiectiv pentru ca ea s aib valoare
strict pozitiv, n noua soluie optim obinut dup modificarea
coeficientului su din funia obiectiv. Pentru variabilele de
decizie care au fost strict pozitive, costul redus este zero.
Costul redus pentru o activitate neutilizat ( xi = 0 ) mai
reprezint cantitatea cu care va descrete profitul (sau va crete
costul) dac o activitate nerentabil este forat s fie utilizat
prin impunerea restriciei xi 1 . Cazul particular n care att
variabila de decizie ct i costul redus asociat ei sunt egale cu
zero, indic existena unei soluii optime alternative.
Costul redus se citete pe ultima linie din tabelul simplex,
zk-ck, n dreptul coloanelor vriabilelor de decizie.
Pentru probleme degenerate, n care numrul variabilelor
strict pozitive este mai mic dect numrul restriciilor, att
semnificaiile costului redus ct i a preului umbr, nu mai sunt
adevrate.
57
Analiza senzitiv se bazeaz pe faptul c la un moment

dat variaz cte un singur coeficient din funcia obiectiv,
celelalte mrimi rmnnd la valorile iniiale.
n general, pentru problema iniial:
f ( x ) = c1 x1 + c2 x2 + ... + cn xn = opt
Ax = P0
x 0
pentru analiza senzitiv a coeficienilor c1, c2 ... cn se vor rezolva

un numr de n probleme n care se modific, pe rnd, doar un
coeficient din funcia obiectiv:
Problema 1
f ( x ) = ( c1 + ) x1 + c2 x2 + ... + cn xn = OPT
Ax = P0
x 0
Problema a 2-a
f ( x ) = c1 x1 + ( c2 + ) x2 + ... + cn xn = OPT
Ax = P0
x 0
...
Problema a n-a
f ( x ) = c1 x1 + c2 x2 + ... + cn 1 xn 1 + ( cn + ) xn = OPT
Ax = P0
x 0
Practic, algoritmul simplex d simultan soluia optim a

problemei iniiale i analiza senzitiv a tuturor coeficienilor din
funcia obiectiv, cu urmtoarele modificri:
Deasupra liniei coeficienilor din funcia obiectiv
se mai adaug n linii ce corespund coeficienilor
din cele n probleme
58
Se adaug n coloane cB ( ) , pentru coeficienii

variabilelor bazice ce se vor introduce doar n
ultimul tabel simplex
Se calculeaz nc n linii zk-ck folosind coeficienii
celor n probleme, respectiv
Se impun condiiile de optimalitate pentru toate
cele n probleme i se obin intervalele n care pot
varia fiecare dintre coeficieni, astfel nct soluia
optim obinut pe coloana lui P0 a problemei
iniiale s rmn optim
Exemplu
O firm fabric trei produse folosind dou resurse.
Consumurile specifice, cantitile disponibile din resurse i
profiturile unitare sunt date n tabel:
A
B
C
Disponibil
Kg R1
2
3
5
90 kg
Ore R2
1
2
3
50 ore
Profit unitar
3
4
8
a)
Determinai soluia optim i profitul total maxim
b)
Ct ar trebui s fie profitul pentru produsul B pentru ca
acesta s devin rentabil?
c)
Care este costul pe care l poate plti n plus managerul
pentru achiziionarea unor noi uniti de material? Dar orele pe
main?
d)
Determinai intervalele pentru fiecare dintre beneficiile
unitare ale celor 3 produse pentru ca soluia optim obinut la
punctul a) s rmn neschimbat?
Soluie
Rspunsul la toate cele 4 ntrebri este dat de algoritmul
simplex, care va rezolva simultan i analiza senzitiv.
Problema iniial este:
f ( x ) = 3 x1 + 4 x2 + 8 x3 = max
59
2 x1 + 3 x2 + 5 x3 90
, x1 0 , x2 0 , x3 0
x1 + 2 x2 + 3 x3 50
unde variabilele de decizie x1, x2 i x3 reprezint respectiv

numrul de produse A, B i C care se vor fabrica.
Pentru analiza senzitiv a celor trei coeficieni 3, 4 i 8 se
rezolv urmtoarele trei probleme:
Problema 1
f ( x ) = ( 3 + ) x1 + 4 x2 + 8 x3 = max
2 x1 + 3 x2 + 5 x3 90
, R xi 0 i = 1, 2, 3
x1 + 2 x2 + 3 x3 50
Problema 2
f ( x ) = 3 x1 + ( 4 + ) x2 + 8 x3 = max
2 x1 + 3 x2 + 5 x3 90
xi 0, i = 1, 2, 3, R
x1 + 2 x2 + 3 x3 50
Problema 3
f ( x ) = 3 x1 + 4 x2 + ( 8 + ) x3 = max
2 x1 + 3 x2 + 5 x3 90
xi 0, i = 1, 2, 3, R
x1 + 2 x2 + 3 x3 50
Aici , , sunt parametri.

Se aduce la forma standard, adunnd cte o variabil de
compensare: x4 n restricia de material i x5 n restricia orelor.
Se adaug trei linii pentru coeficienii din funcia obiectiv
a celor trei produse i trei coloane pentru coeficienii variabilelor
bazice.
Tabelul simplex:
8
0
0
3+ 4
4
+
3
8
0
0
Probl. Probl. Probl.
8
+
Baza
I
II
III CB P0 3
4
0
0
cI
cII
cIII
3
4
8
0
0
P1 P2 P3 P4
P5
P4
0 90 2
3
5
1
0
60
P5
zk-ck
P4
0 50
1
-3
20
3
50
8
3
1
3
1
3
1
P3
zk-ck
2
-4
1
3
2
3
4
3
3
-8
0
0
1
0
5
3
1
3
8
3
P1
3
3 3 20 1
-1
0
3
-5
3+
8
+
P3
8
8
8 10 0
1
1
-1
2
zk-ck
140 0
1
0
1
1
I zk-ck
0 1 0 1 + 3 1 5
II zk-ck
0 1 0
1
1
1
+
1
+
2
III zk-ck
0
S-au obinut mai nti toate rezultatele problemei iniiale:

Cost redus
x1 = 20
0
x2 = 0
1
x3 = 10
0
max f = 140
Preuri umbr
x4 = 0
1)
1
x5 = 0
1
2)
a)
Se vor fabrica 20 produse A, produsul B nu se fabric,
produsele C se vor fabrica 10, ambele resurse sunt rare,
consumate n ntregime iar profitul total maxim este 140 um.
b)
Costul redus pentru b este 1, deci dac profitul su unitar
4 crete cu 1 unitate devenind 5, atunci produsul B se poate
produce.
De fapt la c2 = 5 avem soluia alternativ, cea precedent
ori x1 = 30 , x2 = 10 , x3 = 0 , x4 = 0 , x5 = 0 max f = 140 (i suntem n
intervalul dat de anliza senzitiv)
61
c)
Costul pe care l poate pti n plus la o nou suplimentare
a resurselor este dat de preul umbr, deci 1um/kg pentru
material i 1um/or pentru producie (dac suntem n intervalele
date de anilza senzitiv)
d)
Pentru a determina intervalul n care poate varia primul
coeficient, 3 al variabilei x1 pentru ca soluia optim de la
punctul a) s rmn neschimbat, se impun condiiile de
optimalitate la problema I, zk ck 0 . Avem:
1 0
1 + 3 0
1 5 0
Din acestea, avem 1
1
1
1
1
i adic .
3
5
3
5
Atunci coeficientul 3 + al primei probleme va fi cuprins in

1
3
intervalul dat de 3 =
8
1 16
i 3 + = .
3
5 5
Limita inferioara pentru interval este deci
8
= 2,667 iar cea
3
16
= 3, 2 . Pentru problema a 2-a avem similar:
5
1 0 deci 1 . Intervalul este ( ,1] deci coeficientul 4
superioara este
variaz ntr-un interval care nu are limit inferioara iar limita

superioar este 4 + 1 = 5 , adic 4 ( ,5] .
Pentru problema a 3-a avem:
1
1 + 0
0
0
deci 1 i ,1
2
1 0
1
1 + 2 0

Atunci coeficientul 8 variaza n [7,5;9] . Rezultatele se pot

prezenta n tabelul:
62
Limita inferioara
Valoarea originala
Limita superioara
2,667
3
3,2
nu are
4
5
7,5
8
9
Din tabel rezult c soluia optim rmne neschimbat
cnd coeficienii variaz n aceste intervale.
n particular x2 = 0 dac 4 ( ,5] . Rezult c dac n loc
de 4 avem c2 = 5 soluia x2 = 0 se menine nc, dar rezult i
costul redus, egal cu 5 4 = 1 , adic pentru c2 = 5 sau mai mult
(de exemplu 5,001), produsul B devine rentabil i se poate
fabrica, dup cum deja s-a menionat.
Exemplu
La o intreprindere se realizeaz trei tipuri de aliaje.
Acestea trebuie s conin, pe lng materialele principale i
Carbon, Nichel i Magneziu. Procentele pentru fiecare ton de
aliaj sunt date n tabel, unde se specific i costurile pe o ton din
fiecare aliaj.
Aliaj 1
Aliaj 2
Aliaj 3
Carbon
3%
2%
6%
Nichel
6%
3%
1%
Magneziu
8%
3%
1%
cost/1 ton
18
15
9
Cerinele de fabricaie sunt:
S se consume cel mult 4 tone de carbon
S se foloseasc cel puin 3,5 tone de nichel
S se utilizeze exact 4 tone de magneziu
Se cer:
a)
S se afle cte tone se vor fabrica din fiecare aliaj astfel
nct costul total de producie s fie minim
b)
S se interpreteze valorile variabilelor de compensare,
preurile umbr i costurile reduse
c)
S se efectueze analiza senzitiv pentru coeficienii din
funcia obiectiv
63
d)
O ton din fiecare aliaj se poate vinde cu 30 um.
Formulai modelul matematic pentru determinarea planului de
producie cnd profitul total este maxim. i n acest caz
rspundi la ntrebrile a), b) i c).
Soluie
a)
Se introduc variabilele de decizie xi= numrul de tone din
aliajul i, i=1, 2, 3 care se vor fabrica, pentru a obine costul total
minim de producie
Avem
f ( x ) = 18 x1 + 15 x2 + 9 x3 = MIN
1)0,03x1 + 0,02 x2 + 0,06 x3 4
2)0,06 x1 + 0,03 x2 + 0,01x3 3,5 xi 0 i = 1, 2,3

3)0,08 x + 0,03 x + 0,01x = 4
1
2
3
Punctele a, b i c se rezolv simultan prin algoritmul

simplex.
Pentru analiza senzitiv se variaz pe rnd cte un singur
coeficient din funcia obiectiv, restriciile rmnnd
neschimbate.
Funciile obiectiv pentru aflarea intervalelor de variaie
ale coeficienilor 18, 15 i 9, n care soluia problemei rmne
optim, sunt respectiv:
I. f ( x ) = (18 + ) x1 + 15 x2 + 9 x3 = MIN
II. f ( x ) = 18 x1 + (15 + ) x1 + 9 x3 = MIN
III. f ( x ) = 18 x1 + 15 x2 + ( 9 + ) x3 = MIN
Forma standard a restriciilor este aceeai la toate
problemele:
1)0,03 x1 + 0,02 x2 + 0, 06 x3 + x4 = 4
2)0,06 x1 + 0,03 x2 + 0,01x3 x5 = 3,5 xi 0 i = 1,5

3)0,08 x + 0, 03 x + 0,01x = 4
1
2
3
Matricea coeficienilor restriciilor conine numai prima

coloan din matricea unitate I3, deci n restriciile 2) i 3) se
adun cte o variabil artificial.
64
Forma modificat pentru metoda penalizrilor pentru

problema iniial este:
f ( x ) = 18 x1 + 15 x2 + 9 x3 + Mx6a + Mx7a = MIN
1)0,03 x1 + 0,02 x2 + 0, 06 x3 + x4 = 4
a
2)0,06 x1 + 0,03 x2 + 0,01x3 x5 + x6 = 3,5
a
3)0,08 x1 + 0, 03 x2 + 0,01x3 + x7 = 4
xi 0 , i = 1,5 , x6a 0 x7a 0
La punctul c) se cere analiza senzitiv a coeficienilor din

funcia obiectiv.
Pentru simplicitate se va efectua prin calcul, analiza doar
a coeficientului 9, iar pentru ceilali doi se vor da doar
rezultatele.
Algoritmul simplex, unde se introduc doar coeficienii
pentru problema a 3-a este:
Baza CIII CB P0
P4
a
18
18
15
15
9+
9
0
0
0
0
M
M
P1
P2
P3
P4
P5
P6
P7
0,03
0,02
0,06
M
M
a
P6
M 3,5
0,06
0,03
0,01
-1
P7
0,08
0,03
0,01
0,14M-18
0,06M-15
0,02M-9
-M
0, 07
0, 45
8
0, 06
8
0, 02
8
3
8
1
zk-ck
P4
2,5
P6
M 0,5
P1
18 50
zk-ck
P4
0
0 0
P2 15 15
P1
11, 5
6
200
3
18 18 25
0, 03M 33 0, 01
4
M +
1, 29
27
4
-1
-M
1
3
24
65
3, 5
3
400
3
50
3, 5
3
400
3
-50
0, 75
2
-0,75
25
2
-0,75M+225
0,5
-100
50
zk-ck
0
0
0
0
-4
4
0 -1100 -M+1100
0 -1100 -M+1100
-M-600
-M-600
n ultimul tabel simplex se introduc datele pe coloana cIII

i se calculeaz o nou linie zk-ck.
Din impunerea condiiilor de optimalitate avem 4 0
deci 4 adic [ 4, ) . Atunci 9 + are ca limit inferioar
5 iar limit superioara nu are; deci pentru 9 [5, ) soluia optim
a problemei iniiale rmne optim.
Rezultatele obinute din algoritmul simplex la care se
adaug analiza senzitiv i pentru ceilali doi coeficieni, sunt:
x1 = 25 tone
x2 =
200
= 66,667 tone
3
x3 = 0
Cost redus
0
0
-4
min f = 1450
1)
2)
3)
11,5
= 1,917
6
0
0
Pre umbr
0
1100
-600
Analiza senzitiv
Limita inferioar
Valoarea original
Nu are
18
6,75
15
5
9
Limita superioar
40
27
Nu are
Interpretarea acestor rezultate este:

a)
Se vor fabrica 25 tone din aliajul 1 i 66,667 tone din
aliajul 2. Aliajul al 3-lea nu se fabric deoarece are costul de
producie prea mare i este nerentabil. Trebuie s se remarce
66
faptul c dei costul 9 um pentru o ton este cel mai mic dintre
cele trei, (celelalte erau 18 um/1 ton i 15 um/1 ton) totui el
trebuie micorat cu o cantitate egal cu costul su redus, deci s
devin 9 4 = 5 um pentru o ton sau mai puin pentru a putea
produce aliajul 3.
Valoarea total minim a costurilor este 1450 um.
b)
Prima resurs, carbonul, nu este consumat n ntregime.
Din cele 4 tone disponibile au rmas neutilizate 1,917 t. Celelalte
dou resurse au fost consumate n ntregime, deci sunt resurse
rare. Preul umbr asociat nichelului este de 1100 pe o ton, ceea
ce nseamn c dac ne-am afla n intervalul precizat de analiza
senzitiv pentru termenul liber 3,5 i am dori s cretem cu o
unitate valoarea de 3,5, costul de producie ar crete cu 1100
um/1 ton de nichel. ns nu ne aflm n intervalul dat de analiza
senzitiv pentru termeniiliberi din restricii.
Se poate arta c aceste intervale sunt
Limita inferioar
Valoarea original
Limita superioar
2,08
4
Nu are
3
3,5
4
3,5
4
4,67
Creterea permis, pentru a nu modifica esenial soluia
optim, este doar de 0,5 n plus sau n minus fa de 3,5 i
proprietatea menionat a preului umbr se pstreaz numai n
acest interval, deci costul crete corespunztor cu
sumplimentarea resursei pn la 4 tone.
Pentru resursa a 3-a, magneziu, preul umbr este egal cu
(-600) um pentru o ton de magneziu deci dac n loc de 4 tone
se folosesc mai multe, pn n 4,67, costul total scade
corespunztor.
c)
Analiza senzitiv pentru coeficientul 9 a fost indicat prin
9 [ 5, ) deci n acest interval se pstreaz soluia optim, n
particular x3 = 0 .
67
Costul redus se poate obine deci i prin analiza senzitiv,

deoarece pentru a iei din interval avem s scdem costul cu 4
um pentru o ton de carbon.
d)
Deoarece o ton din fiecare aliaj se poate vinde cu 30
um/1 ton, profitul este respectiv
30 18 = 12 um pentru 1t de carbon
30 -15 = 15 um pentru 1t de nichel

30 - 9 = 21 um pentru 1t de magneziu
Modelul matematic al problemei de maxim este

f ( x ) = 12 x1 + 15 x2 + 21x3 = MAX
1)0,03 x1 + 0,02 x2 + 0,06 x3 4
2)0,06 x1 + 0,03 x2 + 0,01x3 3,5 x1 0 , x2 0 x3 0

3)0,08 x + 0, 03 x + 0,01x = 4
1
2
3
Soluia optim a acestei probleme este prezentat n tabel:

Cost redus
x1 = 0
21
x2 = 125
0
x3 = 25
0
max f = 2400 um
1)
2)
3)
0
0,5
0
Analiza senzitiv
este:
Limita inferioar
Nu are
7,533
5
Pre umbr
300
0
300
pentru coeficienii din funcia obiectiv
Valoarea original
12
15
21
68
Limita superioar
33
63
69
iar Analiza senzitiv pentru termenii liberi din restricii este:

Limita inferioar
Valoarea original
Limita superioar
2,67
4
24
Nu are
3,5
4
3,5
4
6
cu interpretri similare.
Acum primul aliaj este nerentabil. Profitul su trebuie s
devin 12 + 21 = 33 um pentru 1 ton din aliajul 1 pentru ca acesta
s poat fi rentabil, lucru ce rezult i din prima linie a analizei
senzitive.
Resursele 1 i 3 sunt consumate n ntregime.
La fiecare suplimentare cu 1 ton din prima resurs, pn
la 24 de tone (deci o suplimentare de 20 t), profitul crete cu 600
um/t, iar la o suplimentare a resursei a 3-a cu o ton (doar cu 2 t
este posibil), profitul crete cu 600 um/1 ton.
Valorile tuturor variabilelor de decizie i de compensare
din soluia optim nu se schimb dac fiecare dintre coeficienii
din funcia obiectiv variaz n intervalele date de analiza
senzitiv.
n plus dac se impune fabricarea unei tone din aliajul 1,
adic se introduce i restricia x1 1 atunci profitul total scade cu
valoarea costului redus, adic devine 2400 21 = 2379 um.
ANALIZA SENZITIV PENTRU TERMENII LIBERI DIN
RESTRICII
Preul umbr este cantitatea cu care se modific valoarea

optim a funciei obiectiv dac se mrete cu o unitate cantitatea
disponibil din resursa creia i s-a asociat acest pre umbr.
S-ar putea crede c dac preul umbr asociat resursei este
de exmplu 10 um pe o unitate din acea resurs, se poate
suplimenta foarte mult valoarea disponibil din resurs, de
69
exemplu cu 500 de uniti, spernd c beneficiul va crete cu

10 500 = 5000 um, n cazul unei probleme de maxim.
Acest lucru nu este adevrat. Iniial, cnd a rezultat un
anumit pre umbr strict pozitiv, resursa respectiv era
consumat n ntregime (resurs rar). ns tot suplimentnd
cantitatea disponibil din resurs este posibil ca s nu mai fie
consumat n ntregime, adic preul su umbr s devin egal cu
zero ori s-i schimbe valoarea. Avem urmtoarele dou
proprieti:
1) Analiza senzitiv pentru termenii liberi din restricii
conine intervalele n care trebuie s se menin
fiecare dintre aceti termeni liberi pentru ca preul
umbr asociat restriciei (resursei) s rmn
nemodificat.
Aceast proprietate are loc atunci cnd se variaz doar un
singur termen liber, ceilali rmnnd la valorile iniiale. Tot n
aceste condiii, mai exist nc o caracteristic:
2) Analiza senzitiv pentru termenii liberi din restricii
stabilete intervalele n care pot varia fiecare dintre
termenii liberi astfel nct baza din ultimul tabel
simplex s rmn neschimbat. Aceasta nseamn c
n aceste intervale de variaie, soluia optim conine
aceleai variabile strict pozitive, eventual cu alte
valori.
Ambele proprieti menionate sunt valabile doar pentru
soluii optime nedegenerate.
Pentru aflarea acestor intervale, din problema iniial se
obin alte m probleme (m este numrul restriciilor). n fiecare
dintre aceste probleme se variaz pe rnd cte un singur termen
liber, restul datelor fiind neschimbate.
Algoritmul simplex rezolv simultan determinarea
soluiei optime a problemei iniiale i analiza senzitiv pentru
termenii liberi din restricii. Sunt necesare urmtoarele
modificri:
70
Se introduc n plus un numr de m coloane ale

soluiilor celor m probleme, pe lng coloana P0 a
soluiei problemei iniiale
Dup obinerea soluiei optime a problemei iniiale
se impun condiii de nenegativitate a soluiei
optime pentru soluia fiecreia dintre cele m
probleme, aflat pe coloanele noi introduse.
Exemplu
O fabric produce trei produse A, B, C folosind dou
tipuri de materie prim M1 i M2. Consumurile specifice din
resurse, cantitile disponibile din resurse i profiturile unitare
sunt date n tabel:
Consumuri specifice
Resurse
Disponibil
A
B
C
Material 1
1
1
1
10
Material 2
2
3
1
18
Profit unitar
10
6
8
Datorit condiiilor de vnzare, cantitatea fabricat din
produsul B trebuie s fie cel mult un sfert din ntreaga producie.
Se cer:
a)
Planul de producie pentri obinerea profitului total
maxim
b)
Analiza senzitiv pentru termenii liberi din restriciile ce
se refer la utilizarea materialelor
c)
Dac se poate suplimenta doar unul dintre cele dou
material, care din ele se va suplimenta? Cu ce cantitate? Care
este profitul total maxim i care este planul de producie?
71
Soluie
Se noteaz variabilele de decizie cu
x1 = numarul de produse A care se vor fabrica
x2 = numarul de produse B care se vor fabrica

x = numarul de produse C care se vor fabrica
3
Modelul matematic este pentru problema iniial:

f ( x ) = 10 x1 + 6 x2 + 8 x3 = MAX
1) x1 + x2 + x3 10, pentru materialul 1
2)2 x1 + 3x2 + x3 18, pentru materialul 2 x1 0 , x2 0 x3 0
1
3) x2 ( x1 + x2 + x3 ) , vanzare
4
Restriciile trebuie aduse la forma standard.

Pentru a treia restricie avem
4x2 x1 + x2 + x3
deci
x1 + 3x2 x3 0
Cele trei probleme pentru efectuarea analizei senzitive

sunt:
I. f ( x ) = 10 x1 + 6 x2 + 8 x3 = MAX
x1 + x2 + x3 10 +
2 x1 + 3 x2 + x3 18 , xi 0 i = 1,3
x + 3 x x 0
2
3
1
II. f ( x ) = 10 x1 + 6 x2 + 8 x3 = MAX
x1 + x2 + x3 10
2 x1 + 3 x2 + x3 18 + xi 0 i = 1,3
x + 3x x 0
2
3
1
III. f ( x ) = 10 x1 + 6 x2 + 8 x3 = MAX
x1 + x2 + x3 10
2 x1 + 3x2 + x3 18 xi 0 i = 1, 2,3
x + 3x x
2
3
1
72
unde este un parametru, R .

Aducerea la forma standard a problemei iniiale se obine
prin adunarea unor variabile de compensare:
f ( x ) = 10 x1 + 6 x2 + 8 x3 = MAX
x1 + x2 + x3 + x4 = 10
2 x1 + 3x2 + x3 + x5 = 18 xi 0 i = 1,6
x + 3x x + x = 0
2
3
6
1
Algoritmul simplex rezolv simultan analiza senzitiv

cerut. Se adaug dou coloane ce corespund termenilor liberi
din restriciile 1 i 2.
10 6
8
0
0
0
Baza CB PI() PII() P0
P1 P2 P3 P4 P5 P6
P4
0 10 +
10
10 1
1
1
1
0
0
P5
0
18
2
3
1
0
1
0
18 + 18
P6
0
0
0
0
-1
3
-1
0
0
-1
zk-ck
-10 -6 -8
P4
P1
P6
10
1+
9+
9+
1
2
3
2
9
2
1
2
1
2
1
1
0
0
1
2
1
2
1
2
zk-ck
0
9
-3
0
5
P3
8 2 + 2 2
2
0
-1
1
2
-1
P1
10 8
8
1
2
0
-1
1
8+
P6
0 10 +
10
10 0
4
0
1
0
zk-ck
0
6
0
6
2
a)
Soluia optim a problemei iniiale este dat n tabel:
Cost redus
x1 = 8
0
x2 = 0
6
x3 = 2
0
73
0
0
1
0
0
0
1
0
max f = 96
1)
2)
3)
0
0
10
Pre umbr
6
2
0
Avem urmtoarele interpretri:

Se vor fabrica 8 produse A i 2 produse C. Produsul B nu
se fabric. Pentru a putea deveni rentabil fabricarea lui, profitul
su trebuie s creasc de la 6 um la 12 um ori mai mult.
Valoarea maxim a profitului este de 96 um.
Ambele materiale sunt resurse rare i au respectiv preul
umbr de 6 um pentru o unitate din materialul 1 i 2 um pentru o
unitate din al doilea material.
b)
Soluia optim a problemei I, citit pe coloana PI() este:
x1 = 8
x = 0
2
x3 = 2 + 2
x4 = 0
x5 = 0
x6 = 10 +
max f = 10 ( 8 ) + 6 0 + 8 ( 2 + 2 ) = 96 + 6 , R
ns aceasta constituie soluia optim dac are

componentele nenegative: 8 0 , 2 + 2 0 , 10 + 0
Din acestea rezult 8 , 1 , 10 .
Deci [ 1,8] . Atunci termenul liber din prima restricie
a problemei I, care era 10 + va avea limita inferioar
10 + ( 1) = 9 iar limita superioar 10 + 8 = 18 .
Soluia optim a problemei II, citit pe coloana PII() este:
74
x1 = 8 +
x = 0
2
x3 = 2
x4 = 0
x5 = 0
x6 = 10
iar
max f = 10 ( 8 + ) + 6 0 + ( 2 ) 8 = 96 + 2
ns trebuie ndeplinit condiia de nenegativitate a

soluiei:
8 + 0, 2 0
De aici rezult 8 i 2 adic [ 8, 2]
Atunci termenul liber din restricia a 2-a, care corespunde
problemei II, era 18 + i va avea limita inferioar egal cu
18 8 = 10 iar limita superioar egal cu 18 + 2 = 20 .
Analiza senzitiv pentru termenii liberi din restricii este:
Limita inferioar
Valoarea original
Limita superioar
9
10
18
10
18
20
-10
0
Nu are
unde s-a trecut i analiza senzitiv pentru termenul liber din
restricia a 3-a.
c)
Dac se poate suplimenta cantitatea disponibil dintr-o
singur resurs, se obeserv mai nti c primul material are prul
umbr mai mare dect cel de-al doilea material.
De fapt, valoarea optim a problemei iniiale care era 96,
crete cu 6 um pentru fiecare unitate de material n plus, pn de
disponibilul iniial care era 10 uniti, ajunge la 18 uniti dup
cum rezult din analiza senzitiv.
Avem, la problema I:
f ( x ) = 96 + 6 , [ 1,8]
75
Deci suplimentam cu 8 uniti disponibilul i avem

max f = 96 + 6 8 = 144 um .
Pentru resursa a 2-a, preul umbr este de 2 um pentru o
unitate din materialul al doilea, din analiza senzitiv se vede c
acest pre umbr este valabil numai pentru o cretere de la 18 la
20, deci doar cu 2 uniti de material i deci
f ( x ) = 96 + 2 = 96 + 2 2 = 100 um
n concluzie se va suplimenta doar materialul I, cu 8

uniti. Soluia optim va fi: ( = 8 )
x1 = 0
x = 0
2
x3 = 18
x4 = 0
x5 = 0
x6 = 18
max f = 144 um
PROGRAMARE N NUMERE NTREGI
Soluia optim a unei probleme de programare liniar,

obinut prin algoritmul simplex, se afl n mulimea numerelor
reale nenegative + .
n cazul unei probleme care are coninut economic,
aceasta poate fi acceptatildac, de exemplu, trebuie fabricate un
numr de 18,75 tone de aliaj.
Dac ns produsele fabricate sunt indivizibile, de
exempolu se fabric birouri, televizoare, maini etc., atunci
soluia optim e caut n mulimea numerelor ntregi nenegative
+ .
Soluia optim a unei probleme, cutat n mulimea
+ nu se poate obine prin rotunjirea soluiei optime a aceleiai
76
probleme dar gsit prin algoritmul simplex n + . Uneori, prin

rotunjirea unei soluii aflate n + se poate obine o soluia
care nu verific restriciile, deci care nu este nici mcar o soluie
adminisibil.
Pentru determinarea soluiei optime n numere ntregi
avem o programare discret n sensul c, de exemplu, la metoda
grafic, soluia optim este calculat n punctele discrete, din
interiorul ariei admisibile, care au coordonatele numere ntregi.
Printre metodele de aflare a soluiei n numere ntregi
nenegative avem:
metoda Ramific i mrginete (Branch and
Bound) utilizat de obicei i n programarea pe
calculator;
metoda datorat lui R. Gomory;
Ambele metode pot folosi algoritmul simplex n care, la
modelul iniial, se adaug restricii noi, obinndu-se un ir de
probleme, pn se se determin soluia optim n + ori pn se
afl c problema nu are soluie.
Tot n + se caut soluia optim la unele probleme la
care rspunsul trebuie ales ntre da i nu. n acest caz
mulimea soluiilor este mulimea {0,1} unde cifra 0 indic
nu iar cifra 1 indic da.
77
METODA RAMIFIC I MRGINETE
Se consider o problem pentru care soluia optim se

caut n mulimea + .
Mai nti se rezolv problema prin algoritmul simplex.
Dac soluia optim cutat n + conine numai numere ntregi,
atunci aceasta este i soluia optim n + . Dac ns unele
valori ale variabilelor sunt numere fracionate, atunci aceast
soluie optim, obinut prin algoritmul simplex, nu este soluia
optim cutat.
Asupra metodei Ramific i mrginete se pot face
unele observaii:
Fie, de exempplu, una dintre valorile soluiei optime din
+ , egal cu 7,26. Partea ntreag a acestui numr este 7. Cum
7, 26 ( 7,8 ) iar n intervalul deschis ( 7,8 ) nu exist nici un
numr ntreg, rezult c soluia optim n + trebuie cutat n
afacra acestui interval. Avem deci dou posibiliti:
a) x 7 sau
b) x 8 .
Aceste dou relaii reprezint, de fapt, dou restricii.
Termenul Ramific se refer la faptul c din problema
iniial rezult dou probleme noi prin adugarea la restriciile
problemei iniiale a unei dintre cele dou restricii a) sau b).
Aceste dou probleme noi se rezolv tot prin algoritmul simplex.
n continuare se procedeaz analog i se obin, dac este cazul,
alte ramuri ale celor dou probleme noi.
Mrginirea se refer la faptul c valoarea variabilelor care
nu erau numere ntregi este mrginit superior (n cazul a) sau
inferior (n cazul b). Toate soluiile problemelor care au aprut n
ramuri i care au ca valori numere ntregi sunt admisibile sau
fezabile.
78
Soluia optim este acea soluie admisibil care confer

funciei obiectiv valoarea cea mai mare la problemele de maxim
ori cea mai mic la problemele de minim. Algoritmul se oprete
atunci cnd se gsete soluia optim n + , dac exist.
Exemplu
S se determine soluia optim n numere ntregi i
pozitive pentru problema:
f ( x ) = 6 x1 + 5 x2 = max
2 x1 + 5 x2 20
2 x1 + x2 6
x1 , x2 +
Soluie
Se aplic algoritmul simplex pentru aceast problem I i
se aplic soluia optim, n + :
x1 = 1, 25 , x2 = 3,5 , max f = 25
ns aceasta nu este soluia cutat n + . Prin rotunjirea
valorilor ar rezulta:
a) x1 = 1 , x2 = 3 , max f = 6 1 + 5 3 = 21 , dar aceasta nu este
soluia optim, fie
b) x1 = 1 , x2 = 4 care ns nu poate fi soluia deoarece nu
verific prima restricie: 2 1 + 5 4 = 22 < 20 , nct soluia nu este
nici mcar admisibil.
Din problema I rezult alte dou probleme: Deoarece
x2 = 3,5 ( 3, 4 ) iar n intervalul deschis ( 3, 4 ) nu exist nici un
numr ntreg, soluia trebuie cutat n afara acestui interval.
Exist dou posibiliti: x2 3 sau x2 4 . De aici rezult
problema II:
79
Problema II
f ( x ) = 6 x1 + 5 x2 = max
2 x1 + 5 x2 20
2 x1 + x2 6
x 3
2
Cu soluia optim determinat prin algoiritmul simplex

x1 = 1,5 , x2 = 3 , max f = 24
Problema III
f ( x ) = 6 x1 + 5 x2 = max
2 x1 + 5 x2 20
2 x1 + x2 6
x 4
2
Cu soluia optim x1 = 0 , x2 = 4 , max f = 20

Aceasta este o soluie admisibil deoarece are
componentele numere ntregi dar poate s nu fie soluia optim.
Trebuie cercetate anumite ramuri acele problemei II n care
x1 = 1,5 (1, 2 ) . De aici rezult c x1 se afl n afara intervalului
(1, 2 ) adic
x1 1 sau x1 2 . Rezult problema IV sau V.
Problema IV
f ( x ) = 6 x1 + 5 x2 = max
2 x1 + 5 x2 20
2 x + x 6
1 2
x2 3
x1 1
Cu soluia optim admisibil n + , x1 = 1 , x2 = 3 , max f = 21
80
Problema V
f ( x ) = 6 x1 + 5 x2 = max
2 x1 + 5 x2 20
2 x + x 6
1 2
x2 3
x1 2
Cu soluia optim admisibil n + , x1 = 2 , x2 = 2 , max f = 22

Problemele III, IV i V au soluii n + dar cea mai mare
valoare pentruz funcia obiectiv este n problema V. Rezult c
soluia optim n + a problemei iniiale este
x1 = 2 , x2 = 2 , max f = 22
care nu poate fi obinut prin rotunjirea celei date de algoritmul
simplex n problema iniial.
Rezolvarea acestei probleme poate fi dat sub forma unui
arbore:
81
Problema IV
x1 = 1
Problema II
x1 1
x1 = 1,5
Problema I
x2 3
Problema V
x1 2
x2 = 3,5
max f = 25
x2 4
max f = 21
x2 = 3
max f = 24
x1 = 1, 25
x2 = 3
x1 = 2
x2 = 2
max f = 22
Problema III
x1 = 0
x2 = 4
max f = 20
Evident c se putea ncepe cu ramificarea, cu valoarea

primei variabile x1 = 1, 25 (1, 2 ) . Din problema I se obin acum
alte dou probleme care au respectiv restriciile x1 1 sau x1 2 .
Problema IV
x1 = 1
Problema II
x2 3
x1 = 1
Problema I
x1 1
Problema V
x2 4
x2 = 3,5
max f = 25
x1 2
max f = 21
x2 = 3, 6
max f = 24
x1 = 1, 25
x2 = 3
Problema III
x1 = 2
x2 = 2
max f = 22
82
x1 = 0
x2 = 4
max f = 22
Rezult i n acest caz c soluia optim cutat este cea

de la problema 3.
Pentru problema de minim se procedeaz similar.
Problema optimizrii transportului mai multor mrfuri de
valoare, mas i volum diferite se evideniat prin problema
rucsacului.
Exemplu pe problema rucsacului
Un sportiv dorete s aleag produsele ce vor fi introduse
n rusacul su. El are patru tipuri de obiecte ale cror
caracteristici sunt date n tabel
Obiect
Masa (kg)
1
2
3
4
2
4
1
3
Valoare
(uniti monetare)
8
9
3
7
Buci
disponibile
5
4
7
8
Masa total a obiectelor din rucsac nu poate depi 20 kg.

a) determinai numrul obiectelor de fiecare tip care pot fi
ncrcate n rucsac astfel nct valoarea total a obiectelor
s fie maxim;
b) determinai numrul obiectelor din fiecare tip care pot fi
ncrcate n rucsac dac nu exist restricii cu privire la
numrul de obiecte disponibile;
c) determinai numrul obiectelor din fiecare tip care pot fi
ncrcate n rucsac dac exist un singur obiect de fiecare
fel.
Soluie
Notm cu xi - numrul de obiecte i de fiecare tip ce vor fi
ncrcate n rucsac, i = 1, 2,3, 4 .
a) modelul matematic este:
83
f ( x ) = 8 x1 + 9 x2 + 3 x3 + 7 x4 = max
2 x1 + 4 x2 + 1x3 + 3 x4 20
x 5
1
x2 4
x 7
3
x4 8
xi + , i = 1, 4
soluia optim este: x1 = 5, x2 = 0, x3 = 7, x4 = 1, max f = 68

b) modelul matematic este:
f ( x ) = 8 x1 + 9 x2 + 3 x3 + 7 x4 = max
2 x1 + 4 x2 + 1x3 + 3 x4 20
xi + , i = 1, 4
soluia optim este: x1 = 10, x2 = 0, x3 = 0, x4 = 0, max f = 80

c) modelul matematic este:
f ( x ) = 8 x1 + 5 x2 + 3 x3 + 7 x4 = max
2 x1 + 4 x2 + 1x3 + 3 x4 20
xi {0,1}
Sau
f ( x ) = 8 x1 + 9 x2 + 3 x3 + 7 x4 = max
2 x1 + 4 x2 + 1x3 + 3 x4 20
x 1
1
x2 1
x 1
3
x4 1
xi + , i = 1, 4
Soluia optim este x1 = 1, x2 = 1, x3 = 1, x4 = 1, max f = 27

84
Un alt exemplu n care se cere soluia optim n numere

ntregi nenegative este o problem n care se cere planul de
producie a unor produse indivizibile. Se va arta nc odat c
soluia optim n numere ntregi nu poate fi obinut prin
rotunjirea valorilor variabilelor din soluia optim obinut n
+ , cu algoritmul simplex.
Exemplu
O ntreprindere poate fabrica patru produse: A, B, C i D
folosind 3 resurse, conform tabelului:
R1 materie prim (kg)
R2 manoper direct pe main (ore)
R3 - manoper cu finisarea (ore)
Profitul unitar se msoar n uniti monetare
Resursa
R1
R2
R3
Profit unitar
A
10
3
2
18
Consum specific
B
C
15
3
2
7
2
2
22
8
D
5
5
2
10
Disponibil
100
90
30
a) s se determine planul optim de producie i valoarea

maxim a beneficiului total folosind algoritmul simplex;
b) artai c soluia optim obinut prin rotunjirea
valorilor variabilelor optime de la a) nu este o soluie
admisibil;
c) determinai soluia optim n numere ntregi.
Notm cu x1, x2, x3, i x4 numrul de buci din cele 4
produse pe care ntreprinderea le fabric. Avem:
a) f ( x ) = 18 x1 + 22 x2 + 8 x3 + 10 x4 = max
10 x1 + 15 x2 + 3 x3 + 5 x4 100
3 x1 + 2 x2 + 7 x3 + 5 x4 90
2 x + 2 x + 2 x + 2 x 30
1
2
3
4
85
xi 0, xi + , i = 1, 4
Prin aplicarea algoritmului simplex rezult soluia optim:

x1 = 7,857 buci; x2 = 0 buci; x3 = 7,143 buci; x4 = 0
buci; max f = 198,575 uniti monetare
b) Prin rotunjire rezult:
x1 = 8 buci; x2 = 0 buci; x3 = 7 buci; x4 = 0 buci;
S verificm dac restriciile sunt verificate:
10 8 + 15 0 + 3 7 + 5 0 = 101 > 100
Aceast restricie nu este ndeplinit, deci ceea ce s-a obinut

prin rotunjire nu reprezint o soluie admisibil i, prin urmare,
nu este soluia optim.
c) Pentru acelai model matematic se cere acum
xi + , i = 1, 2,3, 4 .
Soluia optim este
x1 = 7 buci; x2 = 0 buci; x3 = 5 buci; x4 = 3 buci;
max f = 196 uniti monetare.
Se prezint n continuare o alt aplicaie a programrii n
numere ntregi nenegative:
O ntreprindere de transport public de persoane trebuie s
determine numrul maxim de oferi pe care s i angajeze.
oferii lucreaz 5 zile consecutive i au dou zile libere n
fiecare sptmn. Numrul minim al autobuzelor care circul n
fiecare zi pe un traseu este: luni 10 autobute, mari 12 autouze,
miercuri 13 autobuze, joi 14 autobuze, vineri 12 autobuze,
smbt 9 autobuze, duminic 8 autobuze. Se cere:
a) determinarea numrului de oferi care ncep lucrul n
fiecare zi a sptmnii astfel nct numrul total de
oferi angajai s fie minim;
b) determinarea numrului de oferi care pot fi
redistribuii altor activiti ;
86
c) s se verifice dac exist soluii optime alternative i

dac da, care sunt acestea. Care este cea mai
convenabil soluie?
Introducem variabilele de decizii reprezentate de numrul de
oferi care ncep lucrul n fiecare zi a sptmnii:
x1 este numrul de oferi care ncep lucrul luni
x2 este numrul de oferi care ncep lucrul mari
x3 este numrul de oferi care ncep lucrul miercuri
x4 este numrul de oferi care ncep lucrul joi
x5 este numrul de oferi care ncep lucrul vineri
x6 este numrul de oferi care ncep lucrul smbt
x7 este numrul de oferi care ncep lucrul duminic
a) Modelul matemati se prezint astfel:
f ( x ) = x1 + x2 + x3 + x4 + x5 + x6 + x7 = min
1)
2)
3)
4)
5)
6)
7)
x1 + x4 + x5 + x6 + x7 10
x1 + x2 + x5 + x6 + x7 12
x1 + x2 + x3 + x6 + x7 13
x1 + x2 + x3 + x4 + x7 14
x1 + x2 + x3 + x4 + x5 12
x2 + x3 + x4 + x5 + x6 9
x3 + x4 + x5 + x6 + x7 8
xi + , i = 1, 7
Soluia optim este: x1 = 3 oferi; x2 = 5 oferi; x3 = 1

oferi; x4 = 4 oferi; x5 = 0 oferi; x6 = 0 oferi, x7 = 4 oferi,
adic n ziua de luni ncep lucrul 3 oferi, mai 5 oferi etc., iar
numrul total minim de angajai este 16.
b) Pentru a determina dac unii oferi pot fi distribuii
altor activiti, dup asigurarea numrului de oferi necesari
87
zilnic ntreprinderii de transport public de persoane, se verific

restriciile:
1) 3+3+0+0+4=10
2) 3+5+0+0+4=12
3) 3+5+1+0+4=13
4) 3+5+1+3+4=16>14
5) 3+5+1+3+0=12
6) 5+1+3+0+0=9
7) 1+3+0+0+4=8
Se constat c numai n ziua de joi exist doi oferi ce pot fi
redistribuii altor activiti.
c) Soluii alternative
xI = ( 3 5 1 1 2 0 4 ) min f = 16
T
xII = ( 5 3 3 1 2 0 2 ) min f = 16
T
xIII = ( 3 5 1 3 0 2 2 ) min f = 16
T
xIV = ( 3 3 3 1 2 0 4 ) min f = 16
n toate soluiile, n ziua de duminic lucreaz doar cei care au nceput
lucrul miercuri, joi, vineri, smbta i duminca, dar n ultima soluie
sunt 10 oferi, 10 > 8 deci doi pot fi redistribuii n alte activiti. n
concluzie, ultima soluie optim este mai puin convenabil dect
celelalte.
Exist situaii n care la ntrebrile puse, exist doar rspunsul
da sau rspunsul nu. n vederea crerii unui moidel matematic
avnd un asemenea rspuns, se vor introduce variabilele de decizie
care pot lua valori numai n mulimea {0,1} unde cifra 0 indic
T
nu iar cifra 1 indic da.

Exemplu
Datorit unei conjuncturi favorabile a pieei, o
ntreprindere de prelucrri mecanice se confrunt la un moment
dat cu o suprancrcare a capacitii de producie, motiv pentru
88
care decide ca operaiile unor loturi de fabricaie pentru axe cu

diametre mici (strunjire, frezare, rectificare dantur, cementare)
s fie externalizate ctre ali productori. Patru firme
Fi , i = 1, 2,3, 4 pot executa imediat oricare dintre operaiile
aferente loturilor n cauz Pj , j = 1, 2,3, 4 dar costul de execuie n
care fiecrei ntreprinderi Fi care poate executa lotul de piese Pj
este diferit, conform tabelului:
Tabel: Costul de execuie ai operaiilor de ctre fiecare firm
P1
F1
F2
F3
F4
10
10
11
10
P2
12
11
12
11
P3
11
10
11
11
P4
12
12
11
12
S se determine care operaie va execut de care firm

astfel nct costul total de execuie a loturilor de piese s fie
minim. Datorit urgenei, se impune restricia ca o singur
ntreprindere s execute o singur lot de piese.
Soluie
Deoarece fiecare firm poate executa o singur operaie
(da) iar pe celelalte nu le execut, se introduc variabilele de
decizie n binar:
1, Fi executa lotul de piese Pj
xi , j
0, Fi nu executa piesa Pj
Pentru formarea modeluluzi matematic este mai simplu s se

introduc necunoscutele n tabel:
P1
P2
P3
P4
F1
x11
x12
x13
x14
F2
x21
x22
x23
x24
F3
x31
x32
x33
x34
F4
x41
x42
x43
x44
89

Costul total de execuie:
f ( x ) = 10 x11 + 12 x12 + 11x13 + 12 x14 + 10 x21 + 11x22 + 10 x23 + 12 x24 +
+ 11x31 + 12 x32 + 11x33 + 11x34 + 10 x41 + 11x42 + 11x43 + 12 x44 = min
Restriciile:
Primele 4 restricii vor arta c fiecare firm trebuie s
execute o anumit operaie la un lot de piese iar urmtoarele 4
restricii indic faptul c toate cele 4 operaii trebuie executate.
1) x11 + x12 + x13 + x14 = 1
2) x21 + x22 + x23 + x24 = 1
3) x31 + x32 + x33 + x34 = 1

4) x41 + x42 + x43 + x44 = 1
5) x11 + x21 + x31 + x41 = 1
6) x12 + x22 + x32 + x42 = 1
7) x13 + x23 + x33 + x43 = 1
8) x14 + x24 + x34 + x44 = 1
Se caut soluia n mulimea xij {0,1} i,j=1,4 .
Folosind un program informatic, n numere ntregi i

binar, adic n {0,1} determinm soluia optim scris pentrru
simplicitate tot n tabel:
F1
F2
F3
F4
P1
1
0
0
0
P2
0
0
0
1
90
P3
0
1
0
0
P4
0
0
1
0
n concluzie firma F1execut operaia 1, firma F2 execut

operaia 3, firma F3 execut operaia 4 iar firma F4 execut
operaia 2. Costul total minim este:
10 1 + 10 1 + 11 1 + 11 1 = 42 uniti monetare.
Astfel de exemple se vor mai ntlni i n cazul problemelor de
repartiie.
PROGRAMARE MULTICRITERIAL
n cadrul modelelor de programare linear prezentate

pn acum, a existat un singur obiectiv, exprimat printr-o singur
funcie obiectiv, ce trebuie maximizat sau minimizat.
n unele situaii este necesar satisfacerea simultan a mai
multor obiective, cum ar fi: utilizarea deplin a forei de munc,
ncrcarea capacitilor de producie, obinerea unui mase a
profitului indicate de ctre patronat, toate n condiiile unui
volum de investiii limitat. Aceste obiective pot fi atinse n
proporii diferite ntruct, de multe ori, nu este posibil
ndeplinirea simultan i total a acestora.
Modelul matematic n care se include satisfacerea unui
numr k 2 de obiective ce trebuie ndeplinite simultan este dat
de programarea multicriterial.
n cadrul programrii multicriteriale se pot determina, pe
lng soluia optim i deviaionalele (prin lips sau adaos) de la
atingerea obiectivelor propuse. Metoda se poate utiliza i pentru
modelarea problemelor de programare liniar care au coninut
economic, dar care, aa cum au fost formulate iniial, nu au nici
o soluie.
Diferenele principale care exist ntre programarea
linear i cea multicriterial sunt:
1. n programarea linear exist un singur obiectiv ce trebuie
optimizat; n programarea multicriterial exist cel puin
dou obiective ce trebuie realizate simultan;
91
2. n programarea linear, odatp cu soluia optim (adic

valoarea variabilelor de decizie) se obine i valoarea
optim a funciei obiectiv, adic rezult care este, de
exemplu, valoarea maxim a profitului ori nivelul minim
al costurilor; n cadrul programrii multicriteriale exist o
evaluare numeric pentru fiecare obiectiv. De exemplu,
directorul are ca prim obiectiv obinerea unui profit brut
de 2 de milioane uniti monetare lunar. Acest obiectiv
poate fi realizat sau nu;
3. n programarea multicriterial, odat cu soluia optim, se
obin i valorile deviaiilor de la realizarea obiectivelor
propuse, adic se specific msura n care obiectivele au
fost realizate. n programarea multicriterial nu se poune
aceast problem deoarece valoarea optim a funciei
obiectivc rezult odat cu soluia optim.
Pentru exemplificarea etapelor de constuire a modelului
matematic n programarea multicriterial i pentru a evidenia
diferenele dintre programarea linear i programarea
multicriterial se consider urmtorul exemplu:
Exemplu
O ntreprindere poate fabrica trei produse A, B i C
folosind trei resurse:
- R1 reprezint kilograme (kg) de materie prim;
- R2 reprezint ore de manoper direct;
- R3 reprezint uniti monetare (u.m.) disponibile pentru
achiziia de materie prim investiii.
Consumurile specifice i profiturile unitare (brute) pentru
cele trei produse sunt prezentate n tabelul de mai jos:
R1 (kg)
R2 (ore)
R3 (u.m.)
Profit
3
0,4
0,7
5
5
0,5
0,5
4
4
0,3
0,8
6
92
Fa de cele de mai sus mai trebuie satisfcute i

urmtoarele condiii:
s se utilizeze cel mult 500 kg de materie prim;
s se utilizeze cel puin 42 de ore de manoper
direct;
costul materiei prime s nu depeasc 60 de unti
monetare.
Se cere:
a) s se determine planul optim de producie utiliznd
modelul de programare linear i s de termine profitul
total maxim, utiliznd modelul de programare linear;
b) s se determine planul optim de producie i modul de
satisfacere a urmtoarelor obiective, folosind modelul de
programare multicriterial:
O1: s obin un profit total brut de cel puin 500 de
uniti monetare;
O2: s utilizeze exact 50 de ore de manoper;
O3: s nu cheltuie mai mult de 55 de uniti monetare
cu materia prim necesar produciei.
Se consider c toate obiectivele au ponderi i prioriti
egale;
c) s se determine soluia optim dac produsele sunt
indivizibile
d) s se determine soluia optim dac bugetul alocat
procurrii de materii prime este de 55 de uniti monetare.
Se introduc variabilele de decizie care determin planul de
producie:
x1 este numrul de produse A care se vor fabrica;
x2 este numrul de produse B care se vor fabrica;
x3 este numrul de produse C care se vor fabrica;
a) Exist un singur obiectiv, ca profitul total s fie maxim
i trei restricii privind resursele:
93
f ( x ) = 5 x1 + 4 x2 + 6 x3 = max
1) 3 x1 + 5 x2 + 4 x3 500
2 ) 0, 4 x1 + 0,5 x2 + 0,3 x3 42
3) 0,7x1 + 0,5 x2 + 0,8 x3 60
Soluia optim i profitul brut maxim care se obine este

prezentat n tabel:
x1= 0
x2=80
x3=25
max f = 470
Cost redus
-0,2
0
0
1) 0
2) 5,5
3) 0
Preuri umbr
0,1
0
7
n concluzie, produsul A nu se fabric, din produsul B se

fabric 80 de buci iar din produsul C se fabric 25 de buci.
Cu acest plan optim de producie se obine profitul (brut) maxim.
max f = 5 0 + 4 80 + 6 25 = 470 uniti monetare
c) n cazul celor trei obiective exist evaluri numerice,

pentru fiecare dintre ele. Patronatul impune realizarea unui profit
brut de 500 de uniti monetare, mai mare dect rezult din
soluia optim din programarea linear. Relaia care exprim
obiectivul profit este:
5 x1 + 4 x2 + 6 x3 500
Apar trei situaii:

1) se va obine un profit mai mare de 500 de uniti
monetare;
94
2) se va obine un profit de exact 500 de uniti

monetare;
3) se va obine un profit mai mic de 500 de uniti
monetare;
Pentru a pune n eviden aceste trei situaii se introduce o
variabil, numit variabil deviaional, de la obiectivul 1,
adic:
5 x1 + 4 x2 + 6 x3 500 = d1
Este clar faptul c d1 > 0 nseamn c 5 x1 + 4 x2 + 6 x3 500 > 0 ,

adic 5 x1 + 4 x2 + 6 x3 > 500 (profit mai mare dect 500 uniti
monetare). n concluzie, cele trei situaii sunt:
1) d1 > 0 , profitul obinut este mai mare ca 500;
2) d1 = 0 , profitul obinut este egal cu 500;
3) d1 < 0 , profitul obinut este mai mic dect 500.
n relaia n care a fost introdus, variabila deviaional d1 este o
variabil care poate avea semn oarecare. ns n forma standard
se cere ca toate variabilele deviaionale din program s fie
nenegative. n acest caz al variabilei oarecare se efectueaz
substituia:
d1 = d1+ - d1- , d1+ 0, d1 0
Aceast substituie se nlocuiete cu relaia care exprim

obiectivul:
5 x1 + 4 x2 + 6 x3 500 = d1+ d1
Adic forma din modelul programrii multicriteriale este:

5 x1 + 4 x2 + 6 x3 + d1 d1+ = 500
95
Mrimile d1+ i d1 din substituie se numesc tot variabilke

deviaionale de la obiectivul profit i apar n situaiile care dau i
semnificaiile acestor variabile.
1) d1+ > 0; d1 = 0 , rezult d1 > 0 . Profitul este mai mare de
500 de uniti monetare cu d1+ ;
2) d1+ = 0; d1 = 0 , rezult d1 = 0 . Profitul este exact de
500 de uniti monetare;
3) d1+ = 0; d1 > 0 , rezult d1 < 0 . Profitul este mai mic de
500 de uniti monetare cu d1 .
n concluzie, d1+ i d1 sunt variabile deviaionalede la
obiectivul profit, prin adaos sau prin liups. Similar se
procedeaz cu celelalte dou obiective.
Iniial, pentru cele trei obiective aveam relaiile:
O1: 5 x1 + 4 x2 + 6 x3 500
O2: 0, 4 x1 + 0,5 x2 + 0,3x3 = 500
O3: 0, 7 x1 + 0,5 x2 + 0,8 x3 55
Iar prin introducerea unor perechi de variabile deviaionale i
transformarea relaiilor n ecuaii, acestea devin:
5 x1 + 4 x2 + 6 x3 + d1 d1+ = 500
+
0, 4 x1 + 0,5 x2 + 0,3 x3 + d 2 d 2 = 50
+
0, 7 x1 + 0,5 x2 + 0,8 x3 + d 3 d 3 = 55
Unde:
d1 arata cu ce valoare nu s-a realizat obiectivul de profit de 500 u.m.
+
d1 arata cu ce valoare s-a depasit obiectivul de profit de 500 u.m.
96
d 2
+
d 2
d3
+
d3
arata cu ce valoare nu s-a realizat obiectivul de manopera de 50 ore

arata cu ce valoare s-a depasit obiectivul de manopera de 50 ore
arata cu ce valoare nu s-a realizat obiectivul de buget de 50 ore
arata cu ce valoare s-a depasit bugetul pentru achitia de materie prima de 55 u.m
Modelul matematic al programrii multicriteriale conine

i o funcie obiectiv. Aceast funcie obiectiv minimizeaz suma
variabilelor care mpiedic realizarea obiectivelor.
La obiectivul 1 (O1), va intra d1 deoarece depirea cu
d1+ a profitului ne este avantajoas.
La obiectivul 2 (O2) vor intra i d1 i d1+ deoarece se cere
ca utilizarea unui numr de exact 50 de ore de manoper, nici
mai mult, nici mai puin.
La obiectivul 3 (O3) va intra i d1+ care arat cte uniti
monetare trebuie cheltuite n plus cu materia prim fa de cele
55 uniti monetare alocate prin buget. Dac s-ar cheltui mai
puin de 55 uniti monetare, cu d1 , aceast situaie ar fi
favorabil. Avem:
min ( d1- + d 2 + d 2 + + d3 + )
n ipoteza c avem ponderi egale i prioriti egale cu 1.

Modelul matematic n programarea multicriterial este
format din:
1. Funcia obiectiv:
min ( d1- + d 2 + d 2 + + d3 + )
2. Relaiile ce exprim obiectivele:

O1 : 5 x1 + 4 x2 + 6 x3 + d1 d1+ = 500
O2 : 0, 4 x1 + 0,5 x2 + 0,3 x3 + d 2 d 2 + = 50
O3 : 0, 7 x1 + 0,5 x2 + 0,8 x3 + d 3 d3+ = 55
3. Restricia obinuit:
97
3x1 + 5 x2 + 4 x3 500 (kg material)
4. Condiiile de nenegativitate:
xi 0, i = 1, 2,3
d1+ 0, d1 0 , i = 1, 2, 3
Soluia acesteiu probleme este dat de valorile variabilelor de

decizie xi, care dau planul de producie i valorile variabilelor
deviaionale di + i di , i = 1, 2,3 care arat modul de satisfacere a
obiectivelor:
x1 = 18,519
x2 = 74,074
x3 = 18,519
d1+ = 0; d1 = 0 , profitul este de exact 500 uniti
monetare;
d 2 + = 0; d 2 = 0 , s-au realizat exact 50 de ore
manoper;
d3 = 0; d3+ = 9,815 , este necesar depirea
bugetului pentru cumprarea de materii prime cu
9,815 uniti monetare peste cele 55 uniti
monetare alocate;
c) Dac produsele sunt indivizibile, avem de aflat soluia
optim a variabilelor de decizie x1, x2 i x3 n numere reale. n
locul condiiilor 4) avem:
x1 , x2 , x3 + , di , di + +
Soluia optim este:
98
x1 = 18, x 2 = 74, x 3 = 19
+
d1 = 0; d1 = 0 , profitul este de exact 500 unitati monetare

+
d 2 = 0; d 2 = 0,1 se folosesc cu 0,1 mai putine ore decat cele 50

+
d 3 = 0; d3 = 9,8 este necesar depasirea bugetului de materii prime cu
9,8 u.m. fata de cele 55 u.m. bugetate
d) n practic poate apare i situaia n care

managementul firmei nu poate suplimenta bugetul pentru materii
prime, astfel c soluiile optime din cazurile b) i c) nu pot fi
acceptate. n acest caz se va renuna la obiectivul 3) care se va
nlocui cu restricia:
0, 7 x1 + 0,5 x2 + 0,8 x3 55
Variabilele deviaionale
d 3 si d3+ nu se mai introduc nici n
funcia obiectiv. Modelul matematic n acest caz este:

min ( d1- + d 2 + d 2 + )
O1 : 5 x1 + 4 x2 + 6 x3 + d1 d1+ = 500
O2 : 0, 4 x1 + 0,5 x2 + 0,3 x3 + d 2 d 2 + = 50
0, 7 x1 + 0,5 x2 + 0,8 x3 55
3 x1 + 5 x2 + 4 x3 500
x1 0, x2 0, x3 0; d1- , d1+ , d 2 , d 2 + 0
Soluia optim:
x1 = 0, x 2 = 90, x 3 = 12,5
+
d1 = 0; d1 = 65 , profitul este mai mic de 500 unitati monetare

+
d 2 = 0; d 2 = 1, 25 se folosesc cu 1,25 mai putine ore decat cele 50
Managementul firmei va analiza toiate obiectivele i

condiiile de realizare a lor, selectnd acea soluie optim care i
convine cel mai mult.
99
MODELUL MATEMATIC
n general, pentru crearea modelului matematic ntr-o

problem de programare multicriterial, se consider
urmtoarele:
un numr de n variabile de decizie xi , i = 1, n ;
un numr de k 2 obiective O1, O2, ..., Ok pentru care
se cinosc nite evaluri numerice g1, g2, ... , gk;
un numr m de restricii obinuite.
Iniial, cele k obiective se exprim prin:
O1: c11 x1 + c12 x2 + ... + c1n xn (<, =, >) g1
...
O : c x + c x + ... + c x (<, =, >) g
kn n
k
k k1 1 k 2 2
Restriciile au forma cunoscut:

a11 x1 + a12 x2 + ... + a1n xn (<, =, >)b1
...
a x + c x + ... + c x (<, =, >)b
mn n
k
m1 1 m 2 2
Iar condiiile de nenegativitate sunt:

xi 0, i = 1, n
Este posibil ca unele obiective s nu poat fi satisfcute

aa cum s-a propus. Pentru obiectivul i, i = 1, k se introduce mai
nti notaia:
c11 x1 + c12 x2 + ... + c1n xn gi = d i , i = 1, k
unde di este o variabil deviaional de la obiectivul i ce poate avea
semn oarecare. Din acest motiv se face substituia:
di = di + - d i - , di + 0, d i 0, i = 1, k
astfel c obiectivul i se exprim prin:
c11 x1 + c12 x2 + ... + c1n xn d i d i + = g i , i = 1, k
Variabilele nenegative di + i di au semnificaiile:
100
di arata cu ce cantitate obiectivul nu a fost realizat prin adaos

+
di arata cu ce cantitate obiectivul nu a fost realizat prin lipsa
Se observ c modelul matematic n programarea

multicriterial pentru exprimarea unui obiectiv conine dou
operaii:
1) se adaog o pereche de variabile deviaionale n
fiecare relaie ce exprim un obiectiv, adic:
di - d i + , i = 1, k ;
2) toate relaiile ce exprim obiectivele sunt exprimate
prin egaliti (sunt ecuaii).
Cu aceste transformri relaiile ce exprim obiectivele pot
fi privite ca restricii n care variabilele deviaionale au rolul
variabilelor de compensare.
Pentru modelul matematic mai este necesar formularea
unei funcii obiectiv. Funcia obiectiv minimizeaz suma
variabilelor deviaionale care deranjeaz, nmulite eventual cu
ponderi i prioriti. Menionm urmtoarele aspecte asupra
variabilelor deviaionale care intr n funcia obiectiv:
Dac relaia iniial ce exprim obiectivul i conine
inegalitatea (de exemplu bugetul alocat este 55 uniti
monetare), atunci variabila deviaional care va intra n
funcia obiectiv este di + (care explim un buget disponibil
mai mare de 55 u.m.), n timp ce di este acceptat ntruct
este convenabil (ea indicnd un buget mai mic de 55 u.m.);
Dac relaia iniial care exprim obiectivul i are semnul
=, atunci n funcia obiectiv vor intra ambele variabile
deviaionale di i di + . De exemplu, dac se cere utilizarea
integral a forei de munc, att folosirea unor persoane n
plus ct i neutilizarea tuturor celor disponibile n u este
acceptabil;
101
Dac relaia iniial care exprim obiectivul are semnul

atunci, n funcie de obiectiv, va intra numai di . De exemplu
obiectivul este obinerea unui profit mai 10.000 u.m.
Rezult c, dac obiectivele au ponderi i prioriti egale
(cu 1) atunci funcia obiectiv care minimizeaz suma deviaiilor
care deranjeaz este:
k
min (d i + + d i )
i =1
n cazul general obiectivele pot fi caracterizate de ponderi

i prioriti, care sunt coeficieni ai variabilelor deviaionale din
funcia obiectiv.
a) Ponderi (weight) Wi , i = 1, k (coeficieni care exprim
importana relativ a obiectivelor). Obiectivul cel mai
importani, n raport cu ceilali. Are ponderea cea mai
mare iar obiectivele mai puin importante au ponderea
mai redus.
b) Prioritile Pi , i = 1, k . Aceasta nseamn c trebuie s
fie satisfcut mai nti obiectivul care are prioritatea 1
i apoi obiectivul care are prioritatea 2, etc.
Ponderile i prioritile pot fi definite chiar i pentru acelai
obiectiv i cruia i s-au asociat variabilele deviaionale
di + (respectiv Wi + i Pi + ) i di (respectiv Wi i Pi ).
n concluzie, forma cea mai general a modelului
matematic n programarea multicriterial este:
Funcia obiectiv:
k
min ( Pi +Wi + di+ + Pi Wi di )

i =1
Obiectivele:
c11 x1 + c12 x2 + ... + c1n xn +d1- + d1+ = g1
...
c x + c x + ... + c x +d - + d + = g
kn n
k
k
k
k1 1 k 2 2
102
Restriciile obinuite:
a11 x1 + a12 x2 + ... + a1n xn (<, =, >)b1
...
a x + c x + ... + c x (<, =, >)b
mn n
m
m1 1 m 2 2
Condiii de nenegativitate:
xi 0, i = 1, n , di + 0, i = 1, k , di 0, i = 1, k
Dup determinarea soluiei optime, adic a variabilelor de
decizie i a variabilelor deviaionale, care arat modul n care au
fost ndeplinite sau nu obiectivele, urmeaz interpretarea i
analiza rezultatelor de ctre management.
Modelul iniial poate fi modificat prin introducerea unor
restricii suplimentare, a ponderilor i prioritilor, pn ce se
obine o soluie optim care s corespund cel mai bine situaiei
analizate de ctre manageri.
n exemplul urmtor se va obine o alt soluie optim
folosind imnportnaa relativ a obiectivelor, adic ponderile.
Exemplu
O firm fabric doua produse A i B utiliznd dou resurse
R1 i R2 . Consumurile specifice i profiturile unitare sunt
prezentate n tabel:
Resurse
R1
R2
Profit unitar
Consumuri specifice
A
B
Disponibil
40
1
45
1
30
30
Procesul de producie trebuie s conduc la realizarea

urmtoarelor obiective:
O1: s obin un profit de cel puin 720 u.m.;
O2: s produc cel puin 15 buci produse A;
103
O3: s produc cel puin 15 buci produse B.

a) determinai planul optim de producie i modul n care
sunt satisfcute obiectivele dac ele au prioriti egale
ponderi egale cu 1;
b) datorit unui contract care prevede livrarea a 15 produse
B zilnic, se consider c obiectivul 3 este de 5 ori mai
important dect celelalte dou, deci are ponderea W3=5,
prioritile celor 3 obiective rmnnd aceleai; s se
determine planul optim de producie i care este modul de
realizare a obiectivelor?
Rezolvare:
Se introduc mai nti variabilele de decizii care vor
determina planul de producie:
x1 reprezint numrul de produse A care se vor fabrica;
x2 reprezint numrul de produse B care se vor fabrica.
Iniial obiectivele au urmtoare formulare:
O1: 45 x1 + 30 x2 720
15
O2: x1
O3:
x2 15
Iar restriciile sunt:
x1 + 2 x2 40
x1 + x2 30
Condiiile de nenegativitate
x1 0, x2 0
a) Modelul matematic pentru modelarea multicriterial n cazul

n care toate obiectivele au ponderile Wi = 1, i = 1, 2,3 i
Pi = 1, i = 1, 2,3 este:
104
Funcia obiectiv:
min ( d1 + d 2 + d3 )
Obiectivele:
45 x1 + 30 x2 + d1 d1+ = 720
x1
+ d 2 d 2+ = 15
x2 + d 3 d3+ = 15
Iar restriciile sunt:

x1 + 2 x2 40
x1 + x2 30
x1 0, x2 0, di + 0, di 0, i = 1, 2,3 .
Soluia optim a acestei probleme este:

x1 = 15 , adic se vor fabrica 15 buci produse A;
x2 = 12,5 , adic se vor fabrica 12,5 buci produse B;
d1 = 0, d1+ = 330 , obiectivul profit a fost ndeplinit prin
adaos, adic n loc de 720 u.m. se pot obine
720 + 330 = 1050 u.m.;
d 2 = 0, d 2+ = 0 , deci obiectivul 2 este ndeplinit, se fabric
exact 15 produse A;
d3 = 2.5, d 3+ = 0 , obiectivul 3 nu este ndeplinit: se vor
produce cu 2.5 produse B mai puin dect era prevzut, deci doar
12.5.
Observaie: Dac soluia n numere reale nenegative nu
este satisfcut deoarece produsele sunt indivizibile, se caut
soluia n numere ntregi nenegative. Aceasta este:
x1 = 15; x2 = 12;
d1 = 0; d1+ = 315;
d 2 = 0; d 2+ = 0;
d3 = 3; d 3+ = 0.
105
b) Modelul matematic n acest caz schimb doar expresia

funciei obiectiv, deoarece n acest caz avem w3 = 5, P3 = 1,
restul ponderilor i prioritilor rmnnd la fel. Deci:
min ( d1 + d 2 + 5 d 3 )
45 x1 + 30 x2 + d1 d1+ = 720
+d 2 d 2+ = 15
x1
x2 + + d 3 d3+ = 15
x + 2x
40
2
1
x1 + x2
30
x1 0, x2 0, di + 0, di 0, i = 1, 2,3 .
Soluia optim n acest caz este:

x1 = 10 , adic se vor fabrica 10 buci produse A;
x2 = 15 , adic se vor fabrica 15 buci produse B, deci
contractul se poate onora, obiectivul 3 fiint ndeplinit;
d1 = 0, d1+ = 180 , se obine un profit mai mare cu 180 u.m.
dect cel prevzut;
d 2 = 5, d 2+ = 0 , deci obiectivul 2 nu este ndeplinit, se
fabric cu 5 produse A mai puine dect era prevzut;
d3 = 0, d 3+ = 0 , obiectivul 3 este ndeplinit.
106
PROBLEME DE TRANSPORT I PROBLEME DE

REPARTIIE
Una dintre problemele ce apar frecvent n practic este

problema de transport. Denumirea provine din faptul c este
vorba fie de un transport al unui produs, fie de o distribuire a
unor bunuri i servicii de la anumite surse ori depozite la anumii
destinatari sau centre de consum.
Problema de repartiie poate fi considerat ca un caz
particular de problem de transport n care toate catitile
disponibile aflate la surse ori depozite sunt egale respectiv cu 1
i toi destinatarii sau centrele de consum cer cte o singur
unitate din produsul respectiv.
PROBLEME DE TRANSPORT
Un produs care se afl n unele depozite (surse, centre de

depozitare) trebuie trensportat la nite consumatori (destinatari,
centre de desfacere), astfel nct costul total al transportului s
fie minim.
Se presupune c dac se transport o singur unitate de
produs la costul c (um) atunci pentru a transporta n uniti, costul
este nc (um).
Se mai consider c problema este determinist, adic
sunt cunoscute toate datele de care depinde transportul.
Se presupun cunoscute urmtoarele date:
1. Exist un numr de m depozite Di, i = 1, m i n
fiecare depozit se afl cantitatea disponibil de
produs, ai, i = 1, m
2. Exist un numr de n centre de desfacere Cj, j = 1, n
iar cantitatea de produs necesar acestor centre este
bj, j = 1, n
107
3. Costul de transport pentru o unitate de produs, de

la fiecare depozit Di la fiecare centru de desfacere
Cj este ci (um), i = 1, n ; j = 1, m .
j
Datele acestea se pot sintetiza n tabelul:

Centre de desfacere
Depozite (surse)
(destinatari)
C1
C2 . . . Cn
c11
c12
D1
. . . c1n
c21
c22
D2
. . . c2 n
.
.
.
. . .
.
.
.
.
. . .
.
.
.
.
. . .
.
cm1
cm 2
Dn
. . . cmn
Cantiti necesare b
b2
. . . bn
1
(cerere)
Cantiti
disponibile
a1
a2
.
.
.
am
Deci n primul depozit D1 se afl a1 uniti de produs, n

D2 se afl a2 uniti de produs etc; iar centrul C1 cere un numr
de b1 uniti de produs, centrul C2 cere b2 uniti etc. n plus,
pentru a transporta o unitate de produs de la D1 la C1 costul este
c11 (um), de la D1 la C2 cost c12 (um) etc.
Se cere s se organizeze transportul, adic s se afle ce
cantiti de produs se vor transporta de la fiecare depozit Di la
fiecare centru Cj astfel nct costul total al trensportului s fie
minim.
Deoarece produsul se poate transporta de la fiecare
depozit Di la fiecare centru Cj, exist m n necunoscute xij :
xij = cantitatea transportat de la Di la C j , i = 1, m, j = 1, n
Pentru formularea modelului matematic al problemei de

transport, ca problem de programare liniar este mai comod s
se introduc i datele cunoscute i necunoscutele problemei,
ntr-un tabel unic:
108
Centre de desfacere
(destinatari)
Depozite
(surse)
D1
D2
Dm
Cantiti
necesare
(cerere)
C1
c11
C2
x11
c12
x12
c21
x21
c22
x22
cm1
xm1
cm 2
b1
Cn
...
...
xm 2
c1 n
...
x1n
a1
c2 n
x2 n
a2
cmn
xmn
am
...
b2
Cantiti
disponibile
bn
n forma standard pentru o problema de transport se cere

ca problema s fie echilibrat, adic s fie ndeplinit condiia:
cantitatea total aflat n depozite este egal cu cererea total
m
a = b
i
i =1
j =1
Aceast condiie de echilibrare nu este restrictiv, dei

este obligatorie. Dac iniial, ea nu este satisfcut, apare una din
urmtoarele dou situaii:
a)
Cantitatea total disponibil este mai mic dect cererea
total:
m
i =1
j =1
ai < b j
Pentru a obine egalitatea (echilibrarea), n membrul stng
se adun cantitatea am +1 strict pozitiv, adic
m
+ am +1 = b j
i =1
j =1
Fa de tabelul precedent, trebuie s se adauge o nou

linie, care va corespunde unui depozit fictiv Dm +1 ; n acest
depozit fictiv se afl cantitatea am +1 din produs, dar deoarece
109
Dm +1 nu exist, costurile de transport de la Dm +1 la oricare centru
Cj sunt egale cu zero. Aceast linie are aspectul:

Dm +1
xm +11
...
xm +12
xm +1n
am +1
Dac a aprut situaia c disponibilul total este mai mic

dect cererea tortal, aceasta nseamn c cererea centrelor nu va
putea fi satisfcut.
Lipsesc tocmai cantitile xm +1i i = 1, n deoarece acestea se
primesc de la depozitul Dm +1 care nu exist.
b)
Cantitatea total disponibil n depozite este mai mare
dect cererea total:
m
a > b
i
i =1
j =1
n acest caz se adaug n membrul drept o cantitate

bn +1 > 0 .
m
i =1
j =1
ai > b j + bn+1
Cantitatea bn +1 arat c fa de tabelul iniial mai trebuie
adugat o coloan, care ar corespunde unui centru fictiv Cn +1
care solicit cantitatea bn +1 de produs. Cum centrul Cn +1 este
fictiv, costurile de transport de la depozitele Di la acest centru
fictiv Cn +1 sunt nule. Variabilele de pe aceast coloan sunt
notate xin +1 , i = 1, m .
Cum oferta este mai mare dect cererea, n unele depozite
Di , i = 1, m vor mai rmne cantiti din produs ce nu au unde s
fie transportate, cererea fiind deja satisfcut. Necunoscutele
xin +1 , i = 1, m arat n care depozit Di a rmas cantitatea de produs
xin +1 .
110
Modelul matematic pentru o problem de transport

echilibrat, n care:
m
a = b
i
i =1
j =1
se poate formula, cu menionarea faptului c n acest caz toat

marfa din depozite va fi transportat la centrele de desfacere care
vor avea cererea satisfcut. Avem:
Obiectivul, costul total al transportului s fie minim,

exprimat prin funcia obiectiv:
m
f ( x ) = c11 x11 + c12 x12 + ... + cmn xmn = cij xij = MIN
i =1 j =1
Restriciile problemei:
Primele m arat c se transport toat cantitatea de
produs aflat n depozite
x11 + x12 + ... + x1n = b1
x21 + x22 + ... + x2 n = b2
...
xm1 + xm 2 + ... + xmn = bm
Urmtoarele n restricii arat c fiecare centru

primete cantitatea necesar de la cele m depozite:
x11 + x21 + ... + xm1 = b1
x12 + x22 + ... + xm 2 = b2
...
x1n + x2 n + ... + xmn = bn
Avem deci un numr de m + n restricii.

xij 0 i = 1, m , j = 1, n
Se tie c o problem de programare liniar are cel mult
un numr de componente strict pozitive n soluie egal cu rangul
matricei A al coeficienilor.
111
Dei aici numrul de restricii este m + n , cel puin una

dintre restricii este o combinaie liniar a celorlalte, deci sunt
independente cel mult m + n 1 .
Rezult c o soluie admisibil conine cel mult un numr
de m + n 1 componente strict pozitive.
Se poate arta c orice problem de transport admite
soluie. Rezult c cele m + n 1 ecuaii reprezentate de restricii
formeaz totdeauna un sistem compatibil. O astfel de soluie care
nu este neaprat optim este, de exemplu:
xij =
ai b j
m
(problem echilibrat)
i =1
Soluia optim a unei probleme de transport poate fi aflat

prin una din metodele:
1) Algoritmul simplex, pentru modelul matematic
prezentat;
2) Algoritmi specifici rezolvrii problemelor de
transport.
Toate metodele specifice de soluionare, conin dou
etape principale:
Etapa I Obinerea unei soluii admisibile de baz de pornire, care
are cel mult m + n 1 componente strict pozitive
Etapa a II-a Obinerea soluiei optime
n continuare se va prezenta un algoritm specific
determinrii soluiei optime la problemele de transport.
ETAPA I. SOLUIA DE PORNIRE
Acest algoritm se bazeaz pe aflarea unei soluii de

pornire, aplicarea unui criteriu de optimalitate, aflarea altei
soluii admisibile, aflarea altei soluii, etc, pn la aflarea soluiei
optime, aa cum aveam ca etape i la algoritmul simplex.
112
Pentru aflarea soluiei de pornire se procedeaz n felul

urmtor:
a)
Se determin elementul xij din tabel, prin
ai , daca ai < b j
xij = min ( ai , b j ) = b j , daca ai > b j
ai = b j , daca ai = b j
b)
Se efectueaz urmtoarele dou nlocuiri

ai se inlocuieste cu ai xij
b j se inlocuieste cu b j xij
c)
Se puncteaz o linie sau o coloan:

linia i dac xij = ai
coloana j dac xij = b j
se puncteaz sau linia i sau coloana j dac
xij = ai = b j
Punctele au semnificaia cifrei 0. Cifra zero nu se

folosete dect dac xij = 0 , adic exist o soluie degenerat cu
mai puin de m + n 1 componente strict pozitive.
Elementele soluiei de pornire xij se pot determina ntr-o
anumit ordine i anume:
Metoda colului de nord-vest, cnd se afl de
fiecare dat elementul xij situat n tabel n colul NV; apoi dup ce se puncteaz linia i coloana, se
determin n tabelul rmas, din nou elementul din
colul N-V, etc.
Metoda costului minim din tabel.
Se determin mai nti elementul xij cruia i corespunde
n tabel costul cij cel mai mic din tabel. n tabelul rmas dup
punctare se afl, din nou, elementul xij cruia i corespunde cel
mai mic cost etc.
113
Metoda costului minim pe linie

Metoda costului minim pe coloan
La probleme de minim, soluia de pornire cea mai bun,
n sensul c valoarea costului total ce corespunde acestei soluii
este mai mic, se obine aplicnd metoda costului minim din
tabel. Dar aceast soluie de pornire nu este neaprat soluia
optim.
Cele menionate mai sus pot fi aplicate n urmtorul caz:
Exemplu
O companie fabric un anumit produs n patru secii ale
sale Si , i = 1, 4 . Produsul este transportat n 4 depozite Di , i = 1, 4 .
Costurile de transport pentru o unitate de produs, capacitile de
producie ale seciilor i capacitile depozitelor sunt date n
tabel:
D1
D2
D3
D4
Producie
S1
3
4
2
8
40
S2
3
6
5
7
20
S3
6
5
7
6
35
S4
2
4
5
6
10
Capacitatea
36
18
27
24
S se determine planul de transport de la secii la depozite
astfel nct s se obin un cost total minim.
Soluie
a)
Aflm soluia optim prin programare liniar
Se verific echilibrarea:
40 + 20 + 35 + 10 = 36 + 18 + 27 + 24 = 105
Se introduc variabilele de decizie xij care arat ce

cantiti vor fi transportate de la sursele Si (care
sunt seciile) la destinatarii D j (care sunt
depozitele).
114
Deoarece problema este echilibrat, toat marfa de la

secii va fi transportat n depozite, pentru care se va utiliza
ntreaga capacitate.
Variabilele xij precum i toate datele problemei sunt date
n tabel
D1
D2
D3
D4
Producie
S1
x11
40
3
4 x12 2 x13 8 x14
S2
3 x21 6 x22 5 x23 7 x24
20
S3
6 x31 5 x32 7 x33 6 x34
35
S4
2 x41 4 x42 5 x43 6 x44
10
Capacitatea
36
18
27
24
Modelul matematic, pentru algoritmul simplex, este:
Funcia obiectiv
f ( x ) = 3 x11 + 4 x12 + 2 x13 + 8 x14 + 3 x21 + 6 x22 + 5 x23 + 7 x24 + 6 x31 +
+5 x32 + 7 x33 + 6 x34 + 2 x41 + 4 x42 + 5 x43 + 6 x44 = MIN
Restriciile
x11 + x12 + x13 + x14 = 40
x21 + x22 + x23 + x24 = 20
x31 + x32 + x33 + x34 = 35

x41 + x42 + x43 + x44 = 10
x11 + x21 + x31 + x41 = 10
x12 + x22 + x32 + x42 = 18
x13 + x23 + x33 + x43 = 27

x14 + x24 + x34 + x44 = 24
Primele patru restricii arat c din secia S1 se transport

toate cele 40 uniti de produs, la cele 4 depozite etc, iar
urmtoarele 4 restricii arat c n depozitul D1 se poate
transporta produsul de la cele 4 secii Si, i = 1, 4 , pentru a folosi
capacitatea acestui depozit, de 36 uniti de produs etc. Avem 8
restricii din care 4 + 4 1 = 7 sunt independente, deci soluia xij
are cel mult 7 componente strict pozitive.
115
xij 0 , i, j = 1, 4
Soluia optim a acestei probleme de transport este:
x11 = 6 x12 = 7 x13 = 27 x14 = 0
x = 20 x = 0 x = 0 x = 0
21
22
23
24
x31 = 0 x32 = 11 x33 = 0 x34 = 24

x41 = 10 x42 = 0 x43 = 0 x44 = 0
min f = 379 um
Interpretarea acestei soluii este:

De la secia S1 se transport 6 uniti de produse la D1 , 7
uniti de produs la D2 , 27 la D3 i nimic la D4 . Se mai
transport 20 de la S 2 la D1 , 11 de la S3 la D2 i 24 de la S3 la
D4 i 10 de la S 4 la D1 .
Costul minim total este:
5 6 + 4 7 + 2 27 + 3 20 + 5 11 + 6 24 + 2 10 = 391 um
b)
Aplicm algoritmul specific problemelor de transport
pentru aflarea soluiei de pornire. Se vor aplica primele dou
metode, a colului de NV i a costului minim din tabel.
1) Soluia de pornire prin metoda colului de N-V
Se ncepe cu determinarea lui x11 , aflat n colul
NV
x11 = min ( 40,36 ) = 36
Deoarece minimul este pe coloan, se puncteaz

coloana 1, adic n locul elementelor x21 , x31 i x41
se pun puncte (care nseamn 0)
Se nlocuiete valoarea 40 cu 40 36 = 4 i valoarea
36 cu 36 36 = 0
n tabelul rmas, elementul din colul de NV este x12 .
Acesta va fi egal cu:
x12 = min ( 4,18 ) = 4
116
Se puncteaz linia deoarece x12 = 4 (pe linie) i apoi se

nlocuiete 4 cu 4 4 = 0 i 18 cu 18 4 = 14 .
Se continu cu elementul din colul NV din tabelul rmas,
acesta fiind x22 = min (14, 20 ) etc.
Soluia de pornire prin acest procedeu este:
3
4
2
8
40
36
4
i
i
3
6
5
7
14
6
20
i
i
6
5
7
6
21
14
35
i
i
2
4
5
6
10
10
i
i
i
36
18
27
24
Valoarea costului pentru acest plan de transport este:
3 36 + 4 4 + 6 14 + 5 6 + 7 21 + 6 14 + 6 10 = 529 um
2) Aflm soluia optim prin metoda costului minim

din tabel.
Avem dou costuri minime egale cu 2. Se determin mai
nti elementul x13 = min ( 27, 40 ) = 27 . Se puncteaz coloana 3, se
nlocuiesc respectiv 40 cu 40 27 = 13 i 27 cu 0. n tabelul
rmas, costul minim este 2, care corespunde elementului x41 .
Avem x41 = min ( 36,10 ) = 10 . Se puncteaz linia 4, se nlocuiesc
respectiv 10 cu 10 10 = 0 i 36 cu 36 10 = 26 . Se continu,
pentru elementul x11 care are costul 3 n tabelul rmas.
Soluia de pornire prin metoda costului minim din tabel
este:
3
4
2
8
13
27
40
i
i
3
6
5
7
13
7
20
i
i
6
5
7
6
18
17
35
i
i
2
4
5
6
10
10
i
i
i
36
18
27
24
Aceast soluie de pornire, nu neaprat optim, conduce la
costul total de transport:
3 13 + 2 27 + 3 13 + 7 7 + 5 18 + 6 17 + 2 20 = 413 um
117
Acest cost este mai mic dect cel furnizat de soluia de

pornire calculat prin metoda colului de N-V, deci este o soluie
mai bun, dar nu este optim.
Metodele costul minim pe linie sau costul minim pe
coloan de aflare a soluiilor de pornire se obin similar.
ETAPA A II-A. DETERMINAREA SOLUIEI OPTIME
Dac se compar cele dou soluii de pornire, se observ

c variabilele au valori diferite i sunt plasate n locuri diferite.
S vedem cum se poate obine o alt soluie admisibil,
pornind de la una deja determinat.
Trebuie s avem n vedere c o soluie are cel mult
m + n 1 componente strict pozitive (n cazul exemplului sunt 7)
i c sunt satisfcute restriciile, att pe linie, ct i pe coloan.
De exemplu, dac pentru soluia obinut prin metoda
costului minim din tabel, am introduce n csua liber (1,2)
valoarea x2 = 7 atunci am nclca urmtoarele trei reguli:
Suma cantitilor de pe prima linie, > 40
Suma cantitilor de pe coloana 2, > 18
n loc de 4 + 4 1 = 7 componente strict pozitive
sunt acum 8.
n concluzie trebuie procedat astfel nct s se pstreze
satisfacerea restriciilor iar numrul componentelor din soluie,
strict pozitive s fie cel mult m + n 1 .
Rezult c n general, dac exist deja o soluie X care are
componente xij se va obine dup urmtoarea regul:
Fie ( i, j ) o celul liber n care se atribuie o valoare strict
pozitiv > 0 .
Atunci, pentru o celul ocupat ( i, j1 ) de pe aceeai linie,
n care era xij , va trebui s scdem pe , obinnd xij' = xij
1
118
pentru a putea satisface restricia de pe linia i, care cerea ca suma

componentelor pe linia i s fie egal cu ai .
Restriciile trebuie satisfcute i pe coloane. Pe coloana j,
din valoarea unei componente xi j > 0 se va scade , adic noua
soluie va fi xi' j = xi j ; n fine, din valoarea xi j aflat pe
coloana j1 se va aduna , adic xi' j = xi j + .
n cele dou figuri care urmeaz se va prezenta modul de
obinere a unei soluii noi, pentru pstrarea satisfacerii
restriciilor.
Mai trebuie anulat una dintre componente, pentru a
pstra numrul m + n 1 componente strict pozitive.
1
1 1
1 1
( i, j )
1 1
( i, j1 )
xij1
xi1 j
xi1 j1
( i1 j )
( i1 j1 )
Soluia veche
Soluia veche se va modifica, dup schema:
( i, j )
xij1
xi1 j
xi1 j1 +
Soluia nou
119
S-a plecat dintr-o celul liber i s-au parcurs numai

celule ocupate adic s-a mers pe ciclul celulei libere.
Ciclul unei celule libere ( i, j ) este un drum care pleac
din celula liber ( i, j ) i se intoarce tot la ea, trecnd numai prin
celule ocupate i anume doar cte dou pe aceeai linie i cte
dou pe aceeai coloan.
Ciclul nu este neaprat un dreptunghi. De exemplu, ciclul
celulei libere (1, 2 ) din soluia de pornire obinut prin metoda
costului minim din tabel este urmtorul:
(1,1)
(1, 2 )
13
( 2, 4 )
13
( 2,1)
18
17
( 3, 2 )
( 3, 4 )
Ciclul celulei libere (1,2)

Se observ c din celula (1, 2 ) s-a mers n (1,1) ; dar i
celula (1,3) era ocupat de 27 ns de acolo trebuia mers pe
coloan ntr-o celul ocupat, care nu exist.
n general pentru soluia X ( xij ) i soluia X ' ( xij' ) avem:
xij = 0
xij1 > 0
xi1 j1 > 0
x > 0
i1 j
xij' =
'
xij1 = xij1
'
xi1 j1 = xi1 j1 +
'
xi1 j = xi1 j
120
restul componentelor fiind aceleai. n acest moment n X ' exist

m + n componente strict pozitive, deci una trebuie s se anuleze.
Pentru a satisface i condiia de nenegativitate a
componentelor soluiei X ' se ia = min ( xij , xi j ) .
1
Cu aceast valoare, una dintre componentele xij' sau xi' j

se anuleaz.
Rezult c adoptarea pentru a valorii menionate
reprezint criteriul de ieire din baz.
Mai trebuie aflate:
Csua liber n care va fi plasat valoarea deci
criteriul de intrare n baz
Criteriul de optimalitate.
Soluia X ' este mai bun dect soluia X dac pentru X ' ,
valoarea funciei obiectiv, f ( X ' ) este mai mic dect f ( X ) :
1
f (X ) f (X')
Valorile componentelor care difer, rezult din cele dou

figuri, deci avem:
m
f ( X ) f ( X ' ) = cij xij cij xij' = cij 0 cij +

i =1 j =1
i =1 j =1
+ cij1 xij1 cij1 xij1 + ci1 j1 xi1 j1 ci1 j1 xi1 x j + + ci1 j xi1 j ci1 j xi1 j
Deci f ( X ) f ( X ' ) = ( cij + cij ci j + ci j )

1
1 1
Se noteaz ij = cij + cij ci j + ci j care reprezint suma

algebric, cu semn alternant ncepnd cu semnul minus, a
costurilor celulelor din ciclul celulei libere ( i, j ) .
Rezult f ( X ) f ( X ' ) = ij
1
1 1
Din aceast relaie rezult mai nti criteriul de

optimalitate
ij 0 , pentru orice i = 1, m i orice j = 1, n
121
n acest caz f ( X ) < f ( X ' ) deci X este soluie optim.

Dac ns exist i diferene ij > 0 , atunci soluia X ' poate
fi mai bun dect X , deci X nu este soluie optim.
Aceast nou soluie X ' , va fi cu att mai bun, cu ct
ij > 0 este mai mare.
Alegem celula (k,l), care are cea mai mare valoare
pozitiv pentru ij , adic max ij = kl .
i, j
Valoarea calculat din = min ( xij , xi j ) se plaseaz n

1
celulele (k,l) i apoi se modifictoate componentele din ciclul

celulei (k,l), obinndu-se astfel noua soluie.
Relaia prcedent reprezint criteriul de intrare n baz.
Dup aflarea soluiei X ' , algoritmul se repet, pn ce
sunt ndeplinite condiiile de optimalitate.
Etapele de determinare a soluiei optime ntr-o problem
de transport n care se cere costul minim, sunt:
Etapa 1 Se determin o soluie de pornire, prin una din cele patru
metode.
Etapa 2 Pentru toate celulele libere se calculeaz ij , ca suma
algebric a costurilor celulelor din ciclu, cu semn alternant,
ncepnd cu semnul minus.
Apar dou situaii:
a)
ij 0 , i, j
Soluia este optim, STOP.
b)
Exist i ij > 0 . Soluia nu este optim, se trece la
Etapa 3 Se aplic criteriul de intrare n baz. Se calculeaz
kl = max ij adic se alege celula (k,l) creia i corespunde cea
mai mare valoare pozitiv pentru ij . n aceast celul se va plasa
> 0 . Aceast valoare se obine n
Etapa 4 Se aplic criteriul de ieire din baz, adic se determin
valoarea lui
122
= min ( xij , xi j )
1
deci cea mai mic valoare pozitiv care anuleaz una din
componentele soluiei. Deci una dintre valorile componentelor
soluiei din ciclul celulei (k,l) se va anula.
Etapa 5 Se modific valorile componentelor din ciclul celulei
(k,l), conform schemei din soluia nou i se obine astfel o
nou soluie X ' .
Algoritmul se repet ncepnd cu etapa 2, pn ce se
obine soluia optim.
S aplicm acest algoritm, pentru soluia de pornire
obinut prin metoda costului minim din tabel:
Etapa 2 Calculm ij pentru toate celulele libere folosind ciclul
fiecrei celule libere
12 = 4 + 3 3 + 7 6 + 5 = 2
14 = 8 + 3 3 + 7 = 1
22 = 6 + 7 6 + 5 = 0
23 = 5 + 2 3 + 3 = 3
31 = 6 + 3 7 + 6 = 4
33 = 7 + 2 3 + 3 7 + 6 = 6
42 = 4 + 2 3 + 7 6 + 5 = 1
43 = 5 + 2 3 + 2 = 4
44 = 6 + 2 3 + 7 = 0
Etapa 3 Se determin max ( 2,1) = 2 care corespunde lui 12 . Deci

se va plasa n celula (1,2).
Etapa 4 Se efectueaz ciclul celulei (1,2) modificnd soluiile
ocupate din ciclul din figura precedent
123
(1,1)
(1, 2 )
13
( 2, 4 )
13 +
(1,3)
18
17 +
( 3, 2 )
( 3, 4 )
Ciclul csuei (1,2) pentru aflarea altei soluii

Variabila > 0 pentru care una din componentele noii
soluii se anuleaz, se obine din:
13 = 0, = 13
7 = 0, = 7
18 = 0, = 18
Avem = min (13,7,18 ) = 7

Etapa 5 Se afl soluia nou i modificm valorile soluiei din
ciclul celulei (1,2) cu = 7 iar restul valorilor din soluia de
pornire rmn aceleai: de exemplu x11 = 13 7 = 6 , x12 = 6 ,
x24 = 7 7 = 0
3
3
6
2
6
20
i
4
6
5
4
2
5
7
5
11
27
i
i
i
8
7
6
6
i
i
24
10
i
i
Pentru a vedea dac aceasta este soluia optim se repet
algoritmul, ncepnd cu etapa 2.
13 = 8 + 4 5 + 6 = 3
22 = 6 + 4 3 + 3 = 2
23 = 5 + 2 3 + 3 = 3
124
24 = 2 + 6 5 + 4 3 + 3 = 2
31 = 6 + 5 4 + 3 = 2
33 = 7 + 5 4 + 2 = 4
42 = 4 + 2 3 + 4 = 1
43 = 5 + 2 3 + 2 = 4
44 = 6 + 2 3 + 4 5 + 6 = 2
Este satisfcut criteriul de optimalitate, ij 0 i, j

Deci soluia este optim.
Costul minim este dat de
3 6 + 4 7 + 2 27 + 3 20 + 5 11 + 6 24 + 2 20 = 379 um
De la S1 se transport 6 uniti de produs la D1 , 7 la D2 ,
27 la D3 i nimic la D4 . De la S2 se transport 20 uniti la D1 ;

de la S3 avem 11 la D2 i 24 la D4 iar de la S 4 se transport 10
uniti de produs la S1 , la un cost total minim de 379 um.
Analog se procedeaz i n cazul n care problema este
neechilibrat.
Exemplu
Trei maini M 1 , M 2 i M 3 pot produce oricare dintre
piesele P1 , P2 i P3 .
Costurile de produceie, capacitile mainilor i numrul
de piese necesar de fiecare fel sunt date n tabel.
P1
Piese
P2
P3
M2
13
13
11
15
12
14
200
300
M3
Necesar
10
140
13
100
11
400
200
Maini
M1
Capacitatea
Se cer:
a)
Cte piese de fiecare fel va produce fiecare main pentru
a realiza producia necesar la cost minim? Care este costul
minim? Capaciteatea crei maini nu este folosit integral?
125
b)
Dac maina M 2 nu poate executa piesa 3 cu ct crete
costul de producie?
c)
Dac se dorete ca mainile s fie folosite la capacitile
maxime, de care piese se vor produce n plus, n ce cantitate?
Care va fi costul minim? Exist soluii optime alternative?
Soluie
Se verific n primul rnd condiia de echilibrare
200 + 300 + 200 > 140 + 100 + 400
Problema este neechilibrat deoarece 700 > 640 .

Echilibrarea conduce la 200 + 300 + 200 = 140 + 100 + 400 + 60
Rezult c la tabelul iniial se mai adaug o coloan.
Aceasta corespunde unei piese P4 , fictiv, din care este necesar
s se fabrice 60 de buci. ns deoarece aceast pies P4 nu
exist, costurile de fabricaie, pentru toate cele trei maini, sunt
nule: c14 = 0 , c24 = 0 , c34 = 0 .
Tabelul astfel completat, n care s-au introdus i
variabilele de decizie este
P1
P2
P3
P4
Capacitate
M1
x
x
x
x
13
11
12 13 0
200
11
12
14
M2
13 x21 15 x22 14 x23 0 x24
300
M3
10 x31 13 x32 11 x33 0 x34
200
Necesar
140
100
400
60
Variabilele de decizie sunt xij :
xij = numarul de piese pe care M i il fabrica din piesa Pj
Variabilele x14 , x24 i x34 vor arta cte piese P4 , care nu

exist, sunt produse de fiecare dintre cele trei maini; din acest
fapt va rezulta care dintre maini nu este folosit la capacitatea
maxim.
a)
Aflm soluia de pornire prin metoda costului minim din
tabel, care este egal cu 0, deci aflm mai nti, de exemplu, x14 .
Se continu. Dup aflarea soluiei de pornire, care are cel mult
126
3 + 4 1 = 6 componente strict pozitive, se aplic celelalte etape
ale algoritmului.
Avem
P1
M1
M2
M3
13
13
10
P2
11
15
13
i
i
P3
100
140
140
100
Se calculeaz ij :
i
i
12
14
11
P4
40
300
60
400
0
0
0
60
i
i
200
300
200
60
11 = 13 + 12 11 + 10 = 2
21 = 13 + 14 11 + 10 = 0
23 = 15 + 11 12 + 14 = 2
24 = 0 + 14 12 + 0 = 2
32 = 13 + 11 + 12 + 11 = 3
24 = 0 + 11 12 + 0 = 1
Soluia nu este optim. Se plasez n (2,4) deoarece

avem 24 = +2 .
Pentru modificarea valorilor din componentele soluiei
avem ciclul celulei (2,4)
(1,3)
(1, 4 )
40 +
60
300
( 2,3)
( 2, 4 )
Ciclul celulei libere (2,4)
127
BIBLIOGRAFIE
1. Mladin, E.C., Ioni, C., Prvu, F. Metode numerice Aplicaii,
Ed.Matrix Rom, Bucureti, 2006.
2. Cocan, M., Vasilescu, A. Programarea matematic folosind MS
Excel Solver, Management Scientest, Matlab, Ed.Albastr, Cluj
Napoca, 2001.
3. Nslu, P., Negrea, R., Cdariu, L. Matematici asistate de
calculator, Ed.Politehnica, Timioara, 2005.
4. Adam, E., Ebert, R. Production and operations Management.
Concepts, Models and Behaviour Fifth Edition, Ed.Teora, 2001.
5. Venkataraman, P. Applied optimization with Matlab
programming, John Wilez & Sons, 2002.
6. Chong, E., Zak, S. An introduction to Optimization, Second
Edition, John Wilez Sons, 2001.
7. Rusu, E. Metode i tehnici de decizie n management, vol.1,
Casa de editura Venus, 2004.
8. Rusu, E. Fundamentarea deciziilor n management prin metode
ale cercetrii operaionale, Ed. Junimea,Iai, 1997.
9. Rusu, E. Decizii optime n management prin metode ale
cercetrii operaionale, Ed. Economic, Bucureti, 2001.
10. Winston, W., L. Operation Research Applications and
Algorithms, Third Edition, Duxbury Press, Belmond, California,
1994
11. Dennis, T., Dennis, B., Microcomputer Models for Management
Decision Making, West Publishing Co., Third Edition, London,
1993
12. Lucey, T., Quantitative Techniques, Fourth Edition, P.D.
Publications, London, 1992
128

Curs Co

Încărcat de

Informații document

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

Curs Co

Încărcat de

Drepturi de autor:

Formate disponibile

ADINA RUSU

CERCETRI OPERAIONALE (CO)

Etapele de creare a modelului matematic sunt:

Restricia privitoare la asamblare (resursa 1)

Restricia privind numrul de monitoare pentru

Pentru urmtorul ciclu de producie sunt disponibile 8 ore

Se identific variabilele de decizie care dau cantitile

x2 = numrul de buci din roboii V2

Datele din problem se sintetizeaz n tabelul 2.

Restriciile ce exprima utilizarea resurselor, deci

n concluzie, modelul matematic al unei probleme de

1) a11 x1 + a12 x2 + ... + a1n xn ( <, =, > ) b1

2 ) a21 x1 + a22 x2 + ... + a2 n xn ( <, =, > ) b2

Notaiile utilizate n model sunt:

Coeficienii cj, j = 1, n din FO sunt numii

Matricea coeficienilor din FO M 1n

Matricea coeficienilor din restricii

Matricea termenilor liberi din restricii cu m linii i

Forma matriceal a modelului matematic este:

f ( x ) = CX = OPT ( MAX sau MIN )( FO )

x1 P1 + x2 P2 + .. + xn Pn ( <, =, > ) P0 ( restricie )

METODE DE REZOLVARE A PROBLEMELOR DE PL

Metoda grafic, ce se poate aplica doar pentru cazul n

Algoritmul simplex, aplicabil la orice numr finit de

Se precizeaz i cazurile n care: soluia optim este

x2 = 0 dreapt ( axa Ox1 )

simultan, intersectm semiplanele. Rezult c soluia optim,

Cele de mai sus pot fi aplicate pentru orice restricie adic

4 x1 + 2 x2 > 8 ( reprezint un semiplan )

planul ox1x2 n dou semiplane.

Cutm regiunea n care este satisfcut inecuaia

restriciile i condiiile de nenegativitate. Punctele se afl n aria

Aria admisibil este reprezentat haurat. Aria admisibil

N d1 d3 deci rezolvm sistemul

A ( 37,5;0 ) ; f ( A ) = 50 37,5 + 40 0 = 1875

Rezult c soluia optim este n punctul M(30,12).

Deci panta este = constant iar n =

reprezint o familie de drepte paralele, deoarece toate au aceeai

n figura precedent se figureaz punctat dreapta D. Apoi

De exemplu restricia iniial era: x1 + x2 + 4 < x3 . Avem

se introduc variabilele de compensare x4 cu semnul + i x5 cu

deoarece n prima membrul stng era mai mic dect membrul

Variabilele nepozitive sau variabilele cu semn oarecare

forma standard este:

n cazul general, forma standard a unei probleme de PL se

a21 x1 + a22 x2 + ... + a2 n xn = b2

este matricea linie a coeficienilor din FO, X M n1 este matricea

Sistemul este incompatibil, deci problema de PL

n algoritmul simplex aceti vectori Pi sunt vectorii bazei

Din acest motiv variabilele nenegative din SAB se mai

Sistemul de 3 ecuaii cu 5 necunoscute al restriciilor este

A = 4 2 0 1 0 are rang A=3

Necunoscutele x3, x4, x5 devin necunoscute principale iar

Deci exist o infinate de soluii. Cum , R putem lua

care verific toate cele 3 condiii din definiia SAB.

nmulim prima linie cu (-2) i adunm rezultatul la linia a 2-a:

Soluia sistemului, cu variabilele bazice x2, x4, x5 iar cele

i este tot SAB nedegenerat.

Se pot obine i alte SAB, prin folosirea celor dou

La probleme de maxim, dac x0 i x sunt dou SAB,

Matricea A a coeficienilor variabilelor din

Pe coloana a doua, CB, se scriu coeficienii din

Pe coloanele P1, P2, ..., Pn se scriu respectiv

Practic se procedeaz astfel: se nmulesc elementele