Documente Academic
Documente Profesional
Documente Cultură
MODELARE ECONOMICA,
CONF. DR. Nadia Ciocoiu
MODELE DE ALOCARE OPTIMALA A UNOR
RESURSE LIMITATE
x1, x2,...,xn, nivelurile pe care le pot atinge fiecare din cele n activiti =
variabilele de decizie ale problemei.
Alegerea unei variante decizionale se realizeaz pe baza unor criterii
economice (profit, cost, ncrcarea utilajelor etc.) exprimate prin funcii
liniare de forma:
n
f(X) =
c
j 1
xj
c jx j
j1
forma dual.
Prin rezolvarea uneia dintre ele se obin soluiile pentru
ambele forme.
Rezolvarea n sistem conversaional se poate efectua cu
produse informatice cum sunt:
WINQSB/Lp ilp,
LINDO,
SOLVER care este un instrument add-ins al Excel.
Studiul de caz 4 ptr. Seminar ( din carte RSC, LF; HD, CN, Modelare economic, Ed.
ASE, 2009, p. 100): Determinarea sructurii optime de productie pentru variabile
numere reale
Studiul de caz 4 ptr. Seminar (din carte RSC, LF; HD, CN, Modelare economic, Ed.
ASE, 2009, p. 100): Determinarea sructurii optime de productie pentru variabile
numere reale
Studiul de caz 4 (carte Modelare economic, Ed. ASE, 2009, p. 100): Determinarea
structurii optime de productie pentru variabile numere reale
Interval de
optimalitate
2. Rezolvarea cu WINQSB/LP-ILP:
Decisi
on
Varia
ble
Solution
Value
Unit
Cost
or
Profit
c(j)
Total
Contribu
tion
Redu
ced
Cost
X1
57
-3.00
X2
7000
70
490000
X3
3000
50
150000
Objective Function
(Max)=
Constrai
nt
Left Hand
Side
Basis
Status
At
bound
Right Hand
Side
Allowa
ble
Max.
c(j)
-M
60
basic
64
150
basic
44
70
Inerval de
admisibilitate
640000
Directio
n
Allowa
ble
Min.
c(j)
Shado
w
Price
Slack
or
Surplus
Allowabl
Min. RHS
Allowable
Max. RHS
C1
10000
>=
8000
2000
-M
10000
C2
10000
<=
10000
40
8000
24000
C3
2400
<=
2400
100
1000
3000
obiectiv
Furnizeaz intervalul n care poate varia fiecare coeficient al funciei obiectiv,
astfel nct soluia optim primal (coloana Solution Value din WINQSB) s
rmn neschimbat.
Intervalul asociat unui coeficient al funciei obiectiv pentru care soluia
problemei rmne optim se numete interval de optimalitate (Coloanele
Allowable Min c(j) i Allowable Max c(j) din WINQSB)
Cunoscnd soluia optim i intervalul de variaie al unui coeficient al funciei
obiectiv, n ipoteza c ceilali coeficieni ai modelului nu se modific, se poate
determina variaia corespunztoare a funciei obiectiv.
Ex.: dac preul de vnzare pentru Stofa1 este mai mic de 60 u.m./metru atunci
x1 = cantitatea realizat din Stofa1 va rmne zero.
Creterea de la 57u.m./metru la 58 u.m./metru a preului de vnzare nu va genera
venit suplimentar deoarece (58 57)*0 = 0.
Dac ceilali coeficieni nu se modific, dar se modific de la 70 u.m./metru la 72
u.m./metru preul asociat lui x2, deoarece 72 aparine intervalului
[64; 150], iar x2 = cantitatea optim realizat din Stofa2 = 7000 metri, atunci
venitul total va crete cu (72-70)*7000 = 14000 u.m., adic de la 640 000 u.m. la
654000 u.m.
Studiul de caz 4 ptr. Seminar (carte RSC, LF; HD, CN, Modelare economic, Ed. ASE,
2009, p. 100): Determinarea sructurii optime de productie pentru variabile numere reale
From
Coeff.
of X1
To
Coeff.
of X1
From
OBJ Value
To
OBJ Value
Slope
Leaving
Variable
Entering
Variable
640000
X3
X1
700000 6000
X2
Slack_
C3
70.00
700000
57.00
-M
640000
1000
0
640000
0
M
Studiul de caz 4 ptr. Seminar (carte RSC, LF; HD, CN, Modelare economic, Ed. ASE,
2009, p. 100): Determinarea sructurii optime de productie pentru variabile numere reale
M
900000
800000
700000
700000
640000
640000
640000
600000
-M
30
40
50
57 60
70
80
M
90
Studiul de caz 4 ptr. Seminar (carte RSC, LF; HD, CN, Modelare economic, Ed. ASE,
2009, p. 100): Determinarea sructurii optime de productie pentru variabile numere reale
To RHS
of C3
From
OBJ Value
To
OBJ
Leaving
Variable
Slope
Entering
Variable
Value
1
2400
3000
2400
1000
3000.00
X3
Slack_C3
X2
Slack_C2
640000
700000
100
700000
700000
1000
640000
500000
100
800
500000
400000
500 Surplus_C
1
5
Studiul de caz 4 ptr. Seminar (carte RSC, LF; HD, CN, Modelare economic, Ed. ASE,
2009, p. 100): Determinarea sructurii optime de productie pentru variabile numere reale
trebuie
Pj j 1,..., n care
amestecate.
Produsul P are caracteristici calitative impuse i exprimate prin m indicatori I1,
I2, ... Im de mrime bi (i = 1, ..., m);
aij mrimea indicatorilor pentru fiecare produs (i = 1, ..., m); (j = 1, ..., n);
Eh (h = 1, ..., r) indicatori de eficien ai fiecrui produs cu mrimile Chj (h = 1,
..., r); (j = 1, ..., n), care, dup caz, vor fi maximizai sau minimizai.
Modelul matematic general al problemei de amestec:
n
Exemplu: care s fie cantitatea din fiecare ingredient
ce formeaz intr n compoziia unui produs (variabilele),
astfel nct s se obin un produs cu cost minim
(functia obiectiv), n condiiile respectrii unor anumite
coninuturi n substane nutritive (restriciile).
op t C hj x j
j1
a ij x j b i
j1
xj 0
min c j x j
j
a ij x j N i
Notaii:
xj 0
ITERATIA 2
Decis
on
Varia
le
Soluti
on
Value
Varia
Le Type
Statu
s
2.00
Integer
Yes
7.00
Integer
Yes
X3
1.75
Integer
No
X4
2.00
Integer
Yes
Lower
Bound
Upper
Bound
X1
2.00
X2
Yes
No
Decis
on
Varia
le
Lower
Bound
Upper
Bound
Solutio
n
Value
Variabl
e
Type
Sta
Us
X1
1.82
Integer
No
X2
7.45
Integer
No
X3
2.00
Integer
X4
2.23
Integer
Lower
Bound
Upper
Bound
Solution
Value
Variable
Type
Status
X1
2.00
2.00
Integer
Yes
X2
7.00
Integer
Yes
X3
2.00
2.00
Integer
Yes
X4
2.00
Integer
Yes
ZL = -M New incumbent
Z=5800,68
x1 = 1,82
x2 = 7,45
x3 = 2 x4 = 2,23
x1 1
x1 2
Iteraia 2
Iteraia 5
Z=5592,50
x1 = 2
x2 = 7
x3 = 1,75
x4 = 2
Z= 5612,50
x1 = 1
x2 = 7,7
x3 = 2
x4 = 1,9
x2 7
Iteraia 7
Z=5175
x1 = 1
x2 = 7
x3 = 1,56
x4 = 1,38
x3 1
x2 8
Iteraia 6
Z=5382,50
x1 = 0
x2 = 8
x3 = 2
x4 = 1,5
Soluie neadmisibil
Iteraia 4
Z=4967,95
x1 = 2,55
x2 = 5,64
x3 = 1
x4 = 1,32
x3 2
Iteraia 3
Z=5570
x1 = 2
x2 = 7
x3 = 2
x4 = 2
Soluia optim
5. PROGRAMAREA LINIAR
MULTIDIMENSIONAL/ MULTIOBIECTIV
Forma general a problemei de programare liniar cu mai multe funcii
obiectiv:
Optimum F(x) = Cx
cu restriciile:
Ax b
x 0,
unde: F(x) = vector coloan cu r componente f1(x), f2(x),...,fr(x), care
reprezint funciile obiectiv prin care sunt exprimate criteriile de
evaluare a variantelor decizionale.
Metode:
Metoda maximizrii unei funcii sintez de utilitate
Metoda programarii scop
5. PROGRAMAREA LINIAR
MULTIDIMENSIONAL/ MULTIOBIECTIV
METODA MAXIMIZRII UNEI FUNCII SINTEZ DE UTILITATE
Pentru determinarea unei soluii care realizeaz cel mai bun compromis pentru
5. PROGRAMAREA LINIAR
MULTIDIMENSIONAL/ MULTIOBIECTIV
METODA PROGRAMARII SCOP
PS - o metod de rezolvare a problemei de programare liniar cu mai multe funcii
obiectiv.
Metoda PS a fost propus i dezvoltat sub denumirea de "Goal Programming" de
A. Charnes i W. Cooper.
Obiectivul programrii scop: gsirea unei soluii care verific restriciile Ax b,
x0 i care conduce la abateri ct mai mici fa de scopurile propuse prin funciile
obiectiv.
Ideea de baz a metodei const n transformarea tuturor funciilor obiectiv n
restricii scop prin:
specificarea pentru fiecare funcie obiectiv a unui nivel de aspiraie sau scop;
definirea pentru fiecare scop a unei perechi de variabile de abatere sau
deviaie:
deviaia n plus fa de scopul propus;
deviaia n minus fa de scopul propus.
Nivelurile de aspiraie sau scopurile pot fi:
stabilite de decident;
obinute prin optimizarea problemei de programare liniar n raport cu
fiecare funcie obiectiv.
5. PROGRAMAREA LINIAR
MULTIDIMENSIONAL/ MULTIOBIECTIV
METODA PROGRAMARII SCOP
Funcia care minimizeaz deviaiile fa de nivelurile de aspiraie sau scopurile propuse se
( d
i 1
i d i )
5. PROGRAMAREA LINIAR
MULTIDIMENSIONAL/ MULTIOBIECTIV
METODA PROGRAMARII SCOP
Elementul cheie - specificarea funciei obiectiv, adic definirea coeficienilor i i i
pentru deviaiile di+ i di-.
Dac deviaiile se msoar cu uniti de msur diferite, atunci este necesar
definirea unor costuri de penalizare a deviaiilor astfel nct s se poat minimiza
suma total a costurilor de penalizare generate de diferite deviaii.
Funciilor scop li se pot asocia diferite prioriti. n acest caz se poate proceda astfel:
Se ordoneaz descresctor scopurile i se stabilete prioritatea de satisfacere a
fiecrui scop:
P1 P2 Pn... unde nseamn "mult mai mare".
Numrul prioritilor este mai mic sau cel mult egal cu numrul funciilor
obiectiv, iar numrul funciilor scop este egal cu numrul prioritilor
acordate.
Ordonarea prin prioriti este absolut, astfel c scopul cu prioritatea P2 nu
va fi niciodat atins nainte ca scopul cu prioritatea P1 s fie realizat cu
abaterea cea mai mic fa de nivelul de aspiraie propus.
n acest caz, prin metoda programrii scop se rezolv succesiv un numr de
probleme egal cu numrul prioritilor.
Rezolvarea modelelor de PS: WINQSB/ Gp igp.
Studiul de caz 10 ptr. seminar (carte RSC, LF, HD, CN, Modelare Economica, Ed
ASE, 2009, p.165 ): Rezolvarea cu metoda programarii scop
Studiul de caz 10 ptr. seminar (carte RSC, LF, HD, CN, Modelare Economica, Ed
ASE, 2009, p.165 ): Rezolvarea cu metoda programarii scop
Variabile de
abatere/deviatie
Niveluri de
aspiratie
Studiul de caz 10 ptr. seminar (carte RSC, LF, HD, CN, Modelare Economica, Ed
ASE, 2009, p.165 ): Rezolvarea cu metoda programarii scop
Solution
Value
Basis
Status
Reduced
Cost
Goal 1
Reduced
Cost
Goal 2
Reduced
Cost
Goal 3
X1
12
basic
X2
at bound
60
-35
X3
basic
Venitsupl
at bound
Venitm
1480
basic
Timpsupl
60
basic
Timpm
at bound
Mimpsupl
at bound
-300
75
Mimpm
at bound
300
-75
Goal 1: Minimize G1 = 0
Goal 2: Minimize G2 = 1480
Goal 3: Minimize G3 = 60
Studiul de caz 10 ptr. seminar (carte RSC, LF, HD, CN, Modelare Economica, Ed
ASE, 2009, p.165 ): Rezolvarea cu metoda programarii scop
Sensitivity Analysis of the Right-Hand-Sides for Studiul de caz 10
Right
Hand
Side
Constraint
1
Material1
Cerere Pcs1+Pcs2
Allowabl
e
Min.RHS
Allowable
Max.RHS
Shadow
Price
Goal 1
Shadow
Price
Goal 2
Shadow
Price
Goal 3
<=
10
8.2
>=
12
-M
12
Cerere PCs3
>=
3.2
20
-11
Venit
prioritate 2
2700 1220
Timp
prioritate 3
215
-M
275
-1
Mimport
prioritate 1
4.4
4.4
-300
75
Studiul de caz 10 ptr. seminar (carte RSC, LF, HD, CN, Modelare Economica, Ed
ASE, 2009, p.165 ): Rezolvarea cu metoda programarii scop
Pasul 4: Analiza
rezultatelor:
6. PROCEDURI DE FUZZYFICARE A
PROBLEMELOR DE PROGRAMARE LINIAR
Se pornete de la forma general a problemei de programare liniar cu mai
6. PROCEDURI DE FUZZYFICARE A
PROBLEMELOR DE PROGRAMARE LINIAR
Fie E = mulimea tuturor vectorilor realizabili de producie,
Exemplu practic: Studiul de caz 10 (carte RSC, LF, HD, CN, Modelare Economica,
Ed ASE, 2009, p.165 ), Rezolvarea cu model fuzzy
n tabelul urmator sunt preluate rezultatele obinute prin rezolvarea diferitelor
modele n vederea stabilirii programului de producie pentru produsele Pcs1, Pcs2 i
Pcs3. A fost exclus soluia obinut prin rezolvarea modelului min f3(x), pentru x
D deoarece este dominat de celelalte soluii.
Criteriile
f1(x) = venitul
total (u.m.)
f2(x) = timpul
necesar de lucru
(ore)
f3(x) =consumul
de materie prim
de import (tone)
Tip
criteriu
max f1(x)
x D
min f2(x)
x D
Maximizarea
funciei sintez
de utilitate
Programarea scop
max
2700*
1890
2250
1220
min
386
215*
245
275
min
12,8
9,2
11
4,4*
Exemplu practic: Studiul de caz 10 (carte RSC, LF, HD, CN, Modelare Economica,
Ed ASE, 2009, p.165 ), Rezolvarea cu model fuzzy
Decidentul dispune de patru programe de producie pentru perioada urmtoare, dar nici
Pentru rezolvarea problemei este necesar fuzzyficarea funciilor obiectiv ale modelului de
Exemplu practic: Studiul de caz 10 (carte RSC, LF, HD, CN, Modelare Economica,
Ed ASE, 2009, p.165 ), Rezolvarea cu model fuzzy
Restricia referitoare la materialul Mat1:
0,6x1 + 0,6x2 + 0,2x3 10
Restriciile referitoare la cantitile contractate:
1x1 + 1x2 12
1x3 5
Restriciile de nenegativitate:
x1 0, x2 0, x3 0,
Pasul 2. Specificarea nivelurilor de aspiraie pentru valorile funciilor obiectiv i a
toleranelor pozitive a admise fa de aceste niveluri de aspiraie.
Funcia obiectiv
Nivelul de aspiraie
Tolerana
v1 = 2700 u.m.
v2 = 215 ore
v3 = 4,4 tone
Exemplu practic: Studiul de caz 10 (carte RSC, LF, HD, CN, Modelare Economica,
Ed ASE, 2009, p.165 ), Rezolvarea cu model fuzzy
apartenen asociate.
Funcia obiectiv
fuzzy
m~
ax f1(x)
f1(x) v1 - q1
Funcia de apartenen
Sh(x)
~
m i n f2(x) f2(x) v2 + q2
S2(x) =
~
m i n f3(x) f3(x) v3 +q3
S3(x)=
Exemplu practic: Studiul de caz 10 (carte RSC, LF, HD, CN, Modelare Economica,
Ed ASE, 2009, p.165 ), Rezolvarea cu model fuzzy
sau
15x1 + 10x2 + 19x3 + 171 386
S3(x)
sau
0,2x1 + 0,6x2 + 0,4x3 + 8,4 12,8
Exemplu practic: Studiul de caz 10 (carte RSC, LF, HD, CN, Modelare Economica,
Ed ASE, 2009, p.165 ), Rezolvarea cu model fuzzy
Pasul 5. Se construiete i se rezolv modelul pentru determinarea programului de
producie care s maximizeze gradul de satisfacere simultan a celor trei obiective propuse.
Max 1
Cu urmtoarele restricii:
Restriciile obinute prin fuzzyficare
60x1 + 120x2 + 90x3 1480 1220
15x1 + 10x2 + 19x3 + 171 386
0,2x1 + 0,6x2 + 0,4x3 + 8,4 12,8
Restriciile iniiale nevagi
0,6x1 + 0,6x2 + 0,2x3 10
1x1 + 1x2 12
1x3 5
1 1
Restriciile de nenegativitate:
x1 0, x2 0, x3 0, 0
S-a obinut un model de programare liniar cu o singur funcie obiectiv, patru variabile, apte
restricii.
Exemplu practic: Studiul de caz 10 (carte RSC, LF, HD, CN, Modelare Economica,
Ed ASE, 2009, p.165 ), Rezolvarea cu model fuzzy
6,517 tone produs Pcs1, 7,945 tone produs Pcs2 i 6,613 tone produs
Pcs3, gradul de satisfacere a nivelului de aspiraie pentru fiecare
obiectiv propus va fi de 0,486.
WINQSB/Lp-ilp/ Solution Summary for Studiul de caz fuzzy
1
2
3
4
Decision
Variable
Total
Contribution
Reduced
Cost
Basis
Status
X1
X2
X3
alfa
6.517
7.945
6.613
0.486
0
0
0
1.000
0
0
0
0.486
0
0
0
0
basic
basic
basic
basic
0.486