Metoda SIMPLEX-001

II.
METODE SIMPLEX PENTRU MODELE LINIARE

1. Algoritmul simplex primal. Descriere.
Pentru rezolvarea modelelor liniare, au aprut, ncepnd cu 1948,

mai multe metode, dintre care amintim: metoda simplex cu variantele sale,
metoda Kantorovici, metoda relaxrii. Dintre toate metodele aprute n
literatura de specialitate, cea mai rspndit este cea elaborat de
G. B. Dantzig.
Algoritmul propus de Dantzig permite determinarea unei soluii
admisibile de baz optime, dac exist, prin examinarea parial dirijat a
mulimii soluiilor admisibile de baz; mai precis, vor fi testate o parte din
soluiile admisibile de baz. n mod empiric, pe baza unor experiene de
calcul efectuate timp de 10 ani, s-a stabilit c soluia optim, dac exist, se
obine dup cel mult 3m iteraii (m = rangA). Fiecare dintre aceste noi
iteraii const n gsirea unei noi soluii admisibile de baz creia i
corespunde o valoare mai bun a funciei obiectiv dect n situaia
precedent.
1.a) Teoreme fundamentale ale algoritmului simplex primal
Se consider o problem de programare liniar sub form standard:
AX = b , unde A M m n (R ) , rangA = m < n ; b 0 i i I a.. bi 0
(P)
X 0
[max] f ( x) = CX
Analiza economico-matematic a unor modele liniare
Fie X 1 o SAB corespunztoare bazei B1 = (as )sJ B1 , n raport cu care

1
( )
b B1
(X )
B1
= ( x1 , x 2 , ...., xm )
se va explicita sistemul de restricii X B = B1
(B )
1 1
b = (X )
not
B1
0 . Elementele vectorului
( )
RX R , unde
T
sunt
valorile variabilelor bazice, deci, componentele nenegative ale vectorului

X1.
Teorema 1: Criteriul de mbuntire a unei soluii admisibile de baz

Fie problema de programare liniar (P), B1 o baz n R m i X 1
soluia admisibil de baz corespunztoare ei. Dac pentru un indice
1
j J J B , f j c j < 0 i exist cel puin un indice s J B astfel nct
y sj > 0 , atunci X 1 poate fi nlocuit printr-o soluie admisibil de baz X 2
cel puin la fel de bun, n sensul f ( X 1 ) f ( X 2 ) . Soluia admisibil

1
X 2 corespunde bazei B 2 dedus din B1 prin nlocuirea lui ak , k J B , cu

1
al , l J J B . Indicii l i k sunt dai de relaiile:
II.1.1
f 1 c1 =
min { f j c j | f j c j < 0 }
jJ J B
i
II.1.2
xk
= min s y sj > 0 .
y kl s J B y sj
Teorema 2: Testul de optimalitate
O soluie admisibil de baz, X , a problemei (P) este optim dac i numai

dac
II.1.3
f j c j 0 , j J .
Metode simplex pentru modele liniare
Observaia 1 : Dac exist X SAB astfel nct s fie identificate relaiile
II.1.3 - numite criteriu de optimalitate - atunci [max] f ( x) << + .

Observaia 2: Relaia
II.1.4
f j c j 0 , j J
este criteriu de optimalitate dac se cere minimizarea funciei liniare f.

Observaia 3: f s c s = 0 , s J B , unde J B reprezint mulimea indicilor
variabilelor bazice.
Corolar: Soluia optim X * este unic determinat dac
II.1.5
f j c j > 0 , j J J B (adic, oricare j pentru care a j este
nebazic).
Teorema 3: Testul de optim infinit
Dac pentru o soluie admisibil de baz a problemei considerate

exist un indice l J J B astfel nct f l cl 0 i y sl 0 , s J B ,
atunci (P) are optim infinit.
Observaia 4: Pentru problemele cu funcia obiectiv [min] f , criteriul de
recunoatere a optimului nemrginit (teorema 3) este:

l J J B astfel nct f l cl > 0 i y sl 0 , s J B .
Din enunul teoremei rezult c o problem de programare liniar

are optim infinit dac exist un vector nebazic cu toate componentele
nenegative ( al = ( y sl )s , y sl 0 , s ), pentru care f l cl nu satisface
criteriul de optimalitate al tipului su de optim.
Concluziile celor trei teoreme sunt sistematizate n tabelul urmtor:

Soluie optim finit ([opt]f<< )
unic
multipl
determinat
f j cj > 0,
j J J
f j cj = 0,
B
[max]
j J
f j cj = 0,
B
[min]
j J B
f j cj < 0,
j J J
f j c j 0 , j {1,.., n}
i
k J J B a..
f k ck = 0
f j c j 0 , j {1,.., n}
i
k J J B a..
f k ck = 0
Optim infinit
l J J B a..
f l cl < 0 i
y sl 0 , s J B
l J J B a..
f l cl > 0 i
y sl 0 , s J B
1.b) Schema de rezolvare prin algoritmul simplex primal:

Modelul matematic.
Forma standard
AX = b , X 0 , [max] f ( X ) = cX
rangAmn = m < n , b 0 , bk > 0 , k 1, m
Se genereaz o SAB
X (1) B = (a1 ...a m ) i R = (a m +1 ...a n )

x B = B 1b = x B
, J B = {1,..., m}
X (1) =
R
x =0
Calculeaz:
0 , pentru a j vector bazic
1
B
f j c j = c B a j c j care este 0 , pentru a j vector nebazic, sau
0 , pentru a vector nebazic
j
B
1
f0 = c B b
fj cj 0
DA
j = 1, n
STOP. Problema admite soluie

optim finit
B 1 b
f 0 = [max] f ; X =
NU
() vector nebazic cu
componentele negative i diferena
strict negativ?
( l J
i
\ J B a.. f l cl < 0
y sl 0 , s I
(1)
DA
STOP.
Problema admite
optim nemrginit
(1)
NU
Se aplic:
criteriul de intrare n baz (C.I.B):
min {f j c j } = f r c r ;
f j c j <0
criteriul de eliminare din baz (C.E.B):
x x
min s = k
y sr > o y
y kr
sI sr
raport unic.
Observaii:
-
a k va fi eliminat de a r ;
y kr > 0 este pivotul iteraiei;
- dac raportul nu este unic determinat, se lucreaz cu problema perturbat sau se aplic
metoda lexicografic pentru a stabili ce vector va fi eliminat.
Se trece la
( 2)
X SAB
, unde
) (
f X (1) f X ( 2 )
(a1 ...a k 1 a k a k +1 ...a m ) (a1 ...a k 1 a r a k +1 ...a m )
J B := J B \ {k} U {r}
Se calculeaz componentele vectorilor n noua baz:
1) Elementele din linia pivotului, linia k:
x k y k1
y
,
,...., kn
y kr y kr
y kr
2) Vectorii care se menin n baz i menin componentele; dac

atunci, n noua baz,
ar
va avea componentele lui
ar
a luat locul lui
ak ,
ak ;
3) Pentru orice alt component care nu a fost calculat la 1) sau 2), se aplic una dintre
formulele:
x i :=
y ij :=
x i y kr x k y ir
,
y kr
y ij y kr y kj y ir
y kr
pentru
i J B \ {r}
, pentru
jJ
Observaia 5:
numrul soluiilor admisibile de baz este cel mult C nm ;

trecerea de la o iteraie la alta presupune trecerea de la o SAB la o alt
soluie admisibil de baz, cel puin la fel de bun n sensul dat de optimul
funciei; rezult c dup un numr finit de pai acest procedeu iterativ se
oprete dac nu apare fenomenul de ciclare.
Observaia 6: Prin algoritmul simplex sunt examinate numai soluiile
admisibile de baz. Procedura de iterare a algoritmului simplex se oprete

atunci cnd nu va mai exista nici un vector care, introdus n baz, s duc la
creterea valorii funciei scop, dac problema admite optim finit. Din punct
de vedere geometric se ajunge la punctul de extrem al mulimii
care
optimizeaz funcia scop.

Observaia 7: Prin trecerea de la o SAB la o alta cel puin la fel de bun n
sensul dat de tipul de optim al funciei f ( X ) , se realizeaz o cretere a

acesteia cu
xk
( f r cr ) .
y kr
Observaia 8: Cnd scopul este de a minimiza funcia obiectiv, algoritmul
se modific, n sensul maximizrii funciei ( f ) .

1.c) Aplicaii ale algoritmului simplex
n continuare vom exemplifica aplicarea algoritmului n trei modele
distincte.
Model liniar cu optim finit, unic determinat

Specific acestui prim exemplu, care va fi studiat, este c prin
aducerea la forma standard apar m vectori care formeaz o baz n spaiul
bunurilor.
Etapa 0:
Se consider un model simplificat al unui proces de fabricare a trei

produse, prin utilizarea limitat a trei resurse:
[max] f = 20 x1 + 16 x2 + 17 x3
x1 + 2 x2 680
2 x1 + x2 + 4 x3 800
2 x + 2 x + x 900
2
3
1
x j 0, j = 1,3
cu forma standard:
[max] f = 20 x1 + 16 x2 + 17 x3 + 0 x4 + 0 x5 + 0 x6
x1 + 2 x2 + x4 = 680
2 x1 + x2 + 4 x3 + x5 = 800
2 x + 2 x + x + x = 900
2
3
6
1
II.1.6
x j 0, j = 1,6
Etapa 1: Generarea unei soluii admisibile de start.
Pasul 1 Se scrie matricea A i se verific apoi condiia
rangA36 = 3 < 6 :
1
A = 2
2
a1
2 0 1 0 0
1 4 0 1 0
i rangA = 3 < 6.
2 1 0 0 1
a 2 a3 a 4 a5 a 6
Se scrie baza de start i se deduce soluia admisibil de baz (SAB)

de start: B1 = (a 4
a5
a 6 ) = I 3 este baza de start format din vectorii
unitate a4 , a5 i a6 . Aadar, X
B1
x4

= x5 ,
x
6
R1
x1

= x2 , de unde rezult
x
3
explicitarea sistemului n raport cu baza B1 :
1 0 0 x 4 680 1 2 0 x1

II.1.7 0 1 0 x 5 = 800 2 1 4 x 2
0 0 1 x 6 900 2 2 1 x 3
Se stabilete SAB de start:
0
680

not B
R
800 = X i X = 0 , sau
0
900

X SAB = (0 0 0 680 800 900 ) .

T
Observaia 9: Nu are importan ce coloane ale matricii A sunt vectori
liniar independeni n R m ; important pentru rapiditatea gsirii soluiei

optime este ca A s conin o matrice unitate.
Pasul 2
f0 = f (X ) = c X
1
= (c 4
c5
c6 ) X
1
3
1

a1 = (0 0 0 ) I 3 2 = 0 ,
2

f2 = c I
1
3
2

a 2 = (0 0 0 ) I 3 1 = 0 ;
2

f3 = c I
1
3
0

a3 = (0 0 0 ) I 3 4 = 0 ,
1

f4 = c I
1
3
1

a 4 = (0 0 0 ) I 3 0 = 0 ;
0

f5 = c I
1
3
0

a5 = (0 0 0 ) I 3 1 = 0 ,
0

f6 = c I
1
3
0

a 6 = (0 0 0 ) I 3 0 = 0 .
1

f1 = c I
B
680
= (0 0 0 ) 800 = 0 ;
900
De obicei, calculele implicate de aplicarea algoritmului simplex sunt

organizate n tabelele simplex, care au cel mult m + 4 linii i n + 4 coloane,
i corespund unei baze. n continuare va fi dat tabelul corespunztor bazei
de start.
T. II.1.1
cj
20
16
17
a1
a2
a3
a4
a5
a6
1
2
2
1
0
4
1
0
0
1
0
0
680/1
800/2 (minim)
900/2
cB
0
0
a4
a5
XB
680
800
a6
900
fj
f j cj
-20 -16 -17
Pasul 3 Este verificat testul de optimalitate (vezi teorema 2)?
DA
f j c j 0 , j = 1, n ?
STOP. X 1 este soluia optim

a problemei i f 0 valoarea
maxim a funciei obiectiv.
NU
Pasul 4
Pentru problema de fa, f j c j < 0 ,
j = 1,2,3 i
f j cj = 0 ,
j = 4,5,6 se trece la Pasul 4.

Pasul 4 Se verific dac problema admite optim infinit (teorema 3):
STOP.
DA
[max] f = +
NU
Pasul 5
l J J astfel nct f l cl < 0 i y sl 0 , s J ?

B
Din T.II.1.1 se observ c nu exist vector nebazic (a1

componentele negative i pentru care f l cl < 0 .
a2
a3 ) cu toate
Pasul 5 Dac algoritmul nu se oprete la Pasul 3 sau Pasul 4,
rezult c soluia testat, X 1 , nu este optimal, deci, trebuie s se treac la o
( ) ( )
nou SAB, X 2 , cel puin la fel de bun ca X 1 , n sensul c f X 1 f X 2 .

Pentru aceasta se vor executa dou operaii.
Operaia 1: Se aplic criteriul de intrare n baz:
C.I.B [max]
f minB f j c j f j c j < 0 = f l cl al va intra n
jJ J
baz.
Operaia 2: Se aplic criteriul de eliminare din baz:
[max ] f
b
b
x
C.E.B = minB s y sl > 0 = minB s a sl > 0 = k ,
[min ] f
sJ
a kl
sJ a sl
y sl
pentru
X 1,
xk
, de unde rezult c a k va fi eliminat, iar y kl devine
y kl
sau, n general, =
pivotul iteraiei. Se va presupune c pivotul este unic, ceea ce este

echivalent cu a spune c noua SAB are m componente strict pozitive.
Rapoartele calculate se trec n ultima coloan din tabelul II.1.1.
n cazul nostru, avem:
Operaia 1:
min f j c j f j c j < 0 = min{ 20, - 16, - 17} = 20 = f1 c1 ,
j =1, 2 , 3
de unde rezult c a1 va intra n noua baz (l=1).

b b b
680 800 900 800 b2
Operaia 2: min 1 , 2 , 3 = min
,
,
=
=
2
2
2
a 21
1
a11 a 21 a33
a 2 va fi eliminat i a 21 = 2 este pivotul iteraiei, pe care l vom colora n
tabel.
Cele trei rapoarte se trec n ultima coloan a tabelului T.II.1.1; dac

un raport nu se poate calcula n sensul dat de C.E.B n ultima coloan,
pe acel loc, se va trece / sau - .
Pasul 6 Conform teoremei 1, se trece de la soluia admisibil de
baz X 1 la soluia admisibil de baz X 2 ce corespunde bazei B2 dedus
din B1 prin nlocuirea vectorului a k cu vectorul al :

B2 = (a1 ... a k 1
al
a k +1 ... a n ) i J B2 = ( J B1 {k}) U {l} .
Se trece la un nou tabel simplex. Se vor scrie vectorii nebazici i

X n noua baz. Aceste calcule ce vor fi trecute n tabelul T.II.1.3
iteraia 2 a algoritmului simplex sunt efectuate n conformitate cu
calculele implicate de metoda eliminrii complete:
B
Dac un vector se menine n baz, atunci el i menine componentele

(a1 ... ak ak +1 ... am ) ; dac vectorul ak este eliminat din baz de
ctre al , atunci acesta i ia componentele (vezi tabelul T.II.1.2). n
particular, vectorii a 4 , a 6 i menin componentele, iar vectorul a1 va avea
componentele lui a 5 din iteraia 1.
Elementele din linia vectorului al se obin mprind elementele din linia
vectorului a k , iteraraia precedent, la pivotul iteraiei, y kl . Astfel,
elementele din linia 2, iteraia 2, iau valorile
800 2 1 4 0 1 0
, , , , , , .
2 2 2 2 2 2 2
Formulele de trecere de la o iteraie la alta pot fi sistematizate direct n

tabelul simplex:
T.II.1.2
cj
c
X
b a
c1
a1
kl
c1
b a
k
k +1
a k 1
b a
kl
a k 1
a
1l
a
kl
k 1l
a
kl
.
.
.
cm
am
k +1
b a
kl
k + 1l
kl
cj
cl
aj
al
cn
an
a kl
B
j J J 2
k 1l
a
kl
a ij a kl a kj a il
al
a k +1
a m +1
a k +1
1l
c k +1
am
ak
a1
kl
cl
.
.
c k +1
.
b
c k 1
c m +1
ck
cm
c k 1
kl
.
.
.
kl
. .
km + 1
a
kl
kn
a
kl
k + 1l
a
kl
.
b a
m
kl
b a
k
ml
a
kl
fj
f1
f0
fj
f1
c
j
fk
fk c
fl
fm
fm
f m +1
m +1
fl
c
fn
fn
c
Dup efectuarea calculelor, se revine la pasul 2. Pentru exemplul

numeric de mai nainte, obinem:
680 2 800 1
= 280
2
XB
900 2 800 2
= 100
2
prima component
y12 :=
2 2 11
2
y 32 :=
2 2 2 1
2
1
2
a2
a treia component
2
2
1
2
Rezultatele calculelor pentru exemplul numeric propus, pn la

oprirea algoritmului, sunt date n tabelul II.1.3:
T.II.1.3
Iteraia 2
cj
20
XB
a1 a 2
a3
a 4 a5
a6
17
cB
a4
280
3/2
-2
-1/2
20
a1
a6
400
1/2
1/2
280/3/
2
400/2
100
-3
-1
100/2
8000
20
10
40
10
-6
23
10
130
5/2
-3/2
350
7/2
-1/2
100
-3
-1
8600
20
16
22
fj
f j cj
0
20
16
Iteraia 3
16
a4
a1
a2
fj
f j cj
0 ? NU
0 ? DA STOP
n linia test f j c j este verificat criteriul de optimalitate, motiv

pentru care algoritmul se oprete, modelul liniar admind soluie optim
finit.
Citirea soluiei:
Baza optim
Variabile bazice
Valori optimale
a4
a1
a2
x4
x1
x2
130
Variabile nebazice
x3
x5
x6
350
100
Valori optimale
0
0
0
Soluia optim X * = (350 100 0 130 0 0) este:

T
unic determinat, deoarece f j c j > 0 , pentru a j nebazic;

nedegenerat, pentru c numrul componentelor strict pozitive este egal cu
rangA=3.
[max] f = 8600 = f 0 n ultimul tabel, numit i tabel optimal.
Modelul liniar cu optim nemrginit
Considerm urmtorul program liniar

[max] f = x1 + 2 x2 + 2 x3 + x4
1
x1 x3 + x4 = 1
2
x2 + x3 x4 = 1
x j 0 , j = 1,4
Vom studia natura sa aplicnd algoritmul propus de Dantzig.

1
b = > 0 ,
1
Deoarece
1 0
B=
= (a1
0 1
1 0 1 1 / 2
A=
0 1 1 1 ,
a1 a 2 a3
a4
rang
A=2<4
a 2 ) , rezult c scrierea canonic a sistemului de restricii
1 0 x1 1 1 / 2 x3 1
0 1 x + 1 1 x = 1 ,
2
4
evideniaz o SAB de start, i anume, X SAB = (1 1 0 0 ) .
T
Calculele implicate de aplicarea algoritmului sunt sistematizate n

urmtorul tabel simplex:
cB
a1
a2
fj
cj
XB
a1
a2
a3
a4
-1
1/2
1/(1/2)
-1
-3/2
-1
-5/2
-2
-1
-4
-6
f j cj
1
2
a4
a2
fj
f j cj
0 ? NU; Th.3?
NU
0 ? NU; Th.3? DA
Th.1
n ultima linie exist un vector nebazic, i anume a 3 , pentru care

y = 2 < 0 Th .3
f 3 c 3 < 0 i 13
STOP: [max] f = +
y 23 = 1 < 0
Vom investiga natura programului dual.
[max] f = 1 x1 + 2 x 2 + 2 x3 + 1 x 4
x4 = 1
1 x1 + 0 x2 + ( 1) x3 +
2
0 x1 + 1 x2 + 1 x3 + (1) x4 = 1
x1 0
x2 0
x3 0
x4 0
u2
[min]g = u1 + u 2
u1 R
u2 R
u1 + 0 u 2 1
1 u2 2
( 1) u1 + u 2 2
1
u1 u 2 1
2
d 1 : u1 = 1
d 2 : u2 = 2
d 4 : u2 =
O
d 3 : u 2 = u1 + 2
1
u1 1
2
u1
Din rezolvarea grafic a problemei duale, se observ c = . Nu

exist (u1 u 2 ) , u i R , i = 1,2 , care s verifice simultan cele 4 restricii.
S reinem c, dac o problem de programare liniar are optim infinit,
atunci duala sa nu are soluie. Este aceasta o afirmaie general valabil?
Rspunsul l vom afla n urmtorul capitol.
2. Generarea SAB prin metode particulare
n continuare, vom analiza cazul n care matricea A, dup aducerea

la forma standard, nu conine o baz unitate din spaiul R m . n general, n
matricea A din modelele matematice corespunztoare unor procese reale nu
apare complet I m . Pentru a genera o soluie admisibil de baz a problemei
date, dac acest lucru este posibil, se poate alege una din variantele:
Scrierea explicit a sistemului de restricii n raport cu o baz din R m .
Metoda celor dou faze.
Metoda bazei artificiale.
a) Metoda bazei artificiale (1953 A. Chaines, W. Cooper, D. Fan)

Se consider un model matematic sub forma sa standard:
AX = b
II.2.1 X 0
i rang Am n = m < n , b 0 , k I a.. bk 0 .
[max] f ( X ) = cX
Presupunem c matricea A nu conine o baz unitate de ordinul m.

Prin aceast metod se urmrete generarea unei SAB pentru (II.2.1), dac
acest lucru este posibil, folosind numai algoritmul simplex primal.
Metoda bazei artificiale presupune parcurgerea urmtoarelor etape:
Etapa 1 Se extinde problema prin introducerea a m variabile artificiale care

vor fi penalizate n funcia obiectiv:
AX + I m X a = b
II.2.2 X 0, X a 0
,
[max] f = CX X
a
unde >> 0 , I m este matricea unitate de ordin m, X a = x na+1 ...x na+ m
este
vectorul coloan cu componentele xna+i , i 1, m , variabile artificiale. Din

scrierea X a = b AX , rezult soluia de start:
X =0
X SAB
.
X a = b
Pentru a exemplifica parcurgerea acestei etape, considerm modelul

liniar:
[max] f = 3 x1 + 2 x2 + 4 x3
x1 + 4 x2 + 3 x3 = 6
2 x1 + x2 + x3 = 4
x j 0 , j 1,3
1 4 3
6
, unde A =
, b = , rangA=2<3.
2 1 1
4
a1
a2
a3
1 0
Se constat c baza B =
nu poate fi format cu ajutorul unor vectori
0 1
din A, motiv pentru care se trece la forma extins:
[max] f = 3 x1 + 2 x2 + 4 x3 ( x4a + x5a )
x1 + 4 x2 + 3 x3 + x4a = 6
a
2 x1 + x2 + x3 + x5 = 4
>> 0
noua
matrice
x j 0 , j 1,5
1 4 3 1 0
A=
, apare baza B = (a 4
2 1 1 0 1
a5 ) , care permite scrierea
soluiei de start a1 a 2 a 3 a 4 a 5 pentru problema extins: x1 = x2 = x3 = 0 ,

x4a = 6 , x5a = 4 i f va fi (6 4 ) < 0 .
Observaia 1: Valoarea funciei obiectiv este o valoare foarte mic ( bi 0 ,

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

tipul de optim.
Etapa 2: Se aplic algoritmul simplex problemei extinse. Presupunem c
dup k iteraii, k N * , k < , avem f j c j 0 , j = 1, n + m , deci,
problema extins admite soluie optim finit.
La baza discuiei ce va urma, relativ la existena sau nonexistena

soluiei optime a problemei iniiale, stau urmtoarele teoreme:
Teorema 1 Dac II.2.1 are soluie

optim finit, atunci ea va fi optim
i pentru II.2.2. Orice soluie optim
a problemei extinse care nu conine
nici o variabil artificial strict
pozitiv este soluie optim i pentru
problema iniial, dup nlturarea
variabilelor artificiale.
Teorema 2 Dac II.2.1 are

funcia obiectiv nemrginit, atunci i II.2.2 are
funcia obiectiv nemrginit.
Reciproca este adevrat.
Dup oprirea algoritmului, se discut natura problemei iniiale dup

cum urmeaz:
Cazul 1: Soluia optim a problemei extinse nu conine nici o variabil

artificial cu valoare strict pozitiv soluia optim a problemei II.2.1 se
obine considernd numai valorile optimale ale variabilelor x1 ,..., xn .
Cazul 2: n soluia optim exist cel puin o variabil artificial cu valoare

strict pozitiv; n acest caz, problema iniial nu are soluie.
Observaia 2: Deoarece funcia obiectiv este de forma
(CX X a ) ,
diferenele f j c j vor fi funcii liniare de . S presupunem c la o
anumit iteraie exist ( f j c j )( ) < 0 pentru cel puin doi indici. Va intra
n noua baz vectorul al dac ( f l cl )( ) va avea cel mai mic coeficient
negativ (respectiv, pentru [min] f , cel mai mare coeficient pozitiv).
Observaia 3: S presupunem c algoritmul s-a oprit la iteraia k N * ,

k < + , i c la iteraia r N * , r < k , s-a obinut o baz format numai cu
vectori din A (fr vectori artificiali). SAB corespunztoare acestei baze
este o SAB pentru problema iniial. Practic, la aceast etap, se aplic

algoritmul simplex primal pentru problema originar.
Observaia 4: n general, dac a fost eliminat un vector artificial din baz,
componentele sale nu vor mai fi calculate la urmtoarele iteraii. Nu se
recomand acest lucru atunci cnd se cere soluia optim a dualei sau se
pune problema postoptimizrii modelului.
Se continu problema prin aplicarea algoritmului simplex primal
cj
a1
a2
a3
a4
a5
a4
6/4
a5
4/1
fj
10
3 3
5 2
4 4
1/4
3/4
1/4
5/4
1/4
-1/4
3/ 2 / 4
1/ 2 + / 4
5 / 2 5 / 4 1 / 2 + 5 / 2
fj
cj
a2
3/2
a5
5/2
fj
fj
5 / 2 + 3 1 / 2 5 / 4
cj
5 / 2 5 / 4
0 j ?
NU
0 j ?
NU
a2
7/10
3/10
-1/5
10/7
a1
1/5
-1/5
4/5
10
fj
-2
2 +
fj
cj
a3
10/7
10/7
3/7
-2/7
a1
12/7
-2/7
-2/7
6/7
fj
76/7
24/7
24
6/7
10/7
20/7
6/7 +
10 / 7 +
fj
cj
0 j ?
NU
0 DA
STOP
Exemplificarea observaiei 2:
Iteraia
C.I.B:
min{ 3 3, 5 2, - 4 - 4} = 5 2 = f 2
c2
sau
min{-3, -5, -4}=-5 a 2 eliminat.
Iteraia 2 C.I.B: min{-5/4, -1/4}=-5/4 a1 va intra n baz.

La iteraia a 3-a, variabilele artificiale au fost eliminate i dispunem acum
de o baz a problemei iniiale: (a 2 , a1 ) , cu x1 = 2 , x 2 = 1 , x 3 = 0 .
Exemplificarea observaiei 1: n soluia optim a problemei extinse,
10
12
, x 2* = 0 , x 3* = , x 4* = 0 , x 5* = 0 , toate variabilele artificiale au
7
7
valori nule. Conform unei teoreme enunat anterior n acest capitol,
x1* =
12
problema iniial admite soluia optim finit X * =
7
[max] f =
10
76
.
7
Considerm acum un alt exemplu pentru a aplica metoda i n cazul

n care se impune minimizarea funciei scop. Rezolvarea problemei, fr
comentarii, este redat n cele ce urmeaz:
[min] f = 5 x1 + x2 + 2 x3
x1 + 2 x2 + x3 6
3x2 + 4 x3 = 20
x + 2 x 18
3
2
x j 0, j = 1,3
[min] f = 5 x1 + x2 + 2 x3
x1 + 2 x2 + x3 x4 = 6
forma standard 3x2 + 4 x3 = 20

.
x + 2 x x = 18
3
5
2
x j 0, j = 1,5
1 2 1 1 0
6
1 0 0

A = 0 3 4 0 0
, rang A=3< 5, b = 20 > 0 , B3 = 0 1 0 nu
0 1 2 0 1
18
0 0 1

a1 a 2 a3 a 4 a5
poate fi
format numai cu coloane din A, dar a1 B3 .
Etapa 1:
Forma extins:
[min] f = 5 x1 + x2 + 2 x3 + x4a + x7a ; >> 0.
x1 + 2 x 2 + x 3 x 4 = 6
1
a
A = 0
3 x 2 + 4 x 3 + x 6 = 20
,
x + 2 x x + x a = 18
0
3
5
7
2
a1
x j 0, j = 1,7
2 1 1
0 0
3 4 0 0 1 0
1 2 0 1 0 1
a 2 a3 a 4 a5 a6 a7
0
x1 6

X = x6 = 20
x 18
7
B
B = (a1
a6
a7 ) X SAB
XR
x2 0

x3 0
= x4 =
0
x 5 0

Tabelul simplex:
cj
a1
a2
a3
a4
a5
a6
a7
a1
-1
6/1
a4
20
20/4 (min)
a7
18
-1
18/2
fj
30 + 38
4 + 10
6 + 5
-5
[min] f
4 + 9
6 + 3
-3
fj
cj
a1
5/4
-1
-1/4
a3
3/4
1/4
a7
-1/2
-1
-1/2
fj
15 + 8
-5
3/ 4 / 2
-5
fj
cj
31 / 4 / 2
27 / 4 / 2
3 / 4 3 / 2
0 j ?
NU
[min] f
0 j ?
STOP
DA
Problema extins admite soluia optim finit x1* = 1 , x2* = 0 ,

x3* = 5 , x 4* = 0 , x 5* = 0 , x6* = 0 , x7* = 8 , care are o variabil artificial
bazic cu valoare strict pozitiv. Conform teoremei 2, problema propus
spre rezolvare este fr soluie.
b) Metoda celor dou faze (1954, G.B. Dantzig, A. Orden, P. Wolfe)

Se menin ipotezele de lucru de la metoda bazei artificiale. Ca i la
metoda precedent, se urmrete generarea unei SAB pentru II.2.1 ori de
cte ori calculul direct al unei astfel de soluii este dificil datorit
dimensiunilor problemei (m i/sau n foarte mari). Aceste dou metode pun
la dispoziia utilizatorului procedee generale de generare a soluiilor
admisibile de baz, sau informaia c problema nu are soluii ceea ce ar
putea indica o modelare greit a procesului economic.
Metoda celor dou faze const n parcurgerea urmtoarelor etape:
Faza 1: Scopul acestei etape este de a obine, dac este posibil, o SAB de
start pentru II.2.1, aplicnd algoritmul simplex-primal problemei auxiliare:
II.2.3 A X + B (x n +1 ...xn +i ...x n + m ) = (b1 ...bm ) ,
T
unde xn+i este variabila artificial adugat numai prii stngi a restriciei i
, i = 1, m , iar B este matricea unitate de ordinul m=rangA.
II.2.4 X 0 , X a 0 ,
m
II.2.5 [min]W = xn +i .
i =1
La aceast faz obiectivul va fi minimizarea sumei variabilelor

articiale din restricii, indiferent de tipul de optim al problemei considerate.
Din II.2.3 rezult c variabilele artificiale bazice sunt n SAB de start:
X =0
. Se aplic algoritmul simplex primal problemei auxiliare.
X SAB =
X a = b
Admitem c aceasta are soluie optim finit, deci exist o SAB care
verific criteriul de optimalitate: w j c j 0 , j = 1, n + m .
Atunci,
min W = 0
NU
STOP
II.2.1 nu are soluii
Faza 2: Se revine la
AX = b
DA
X 0
[max] f ( X ) = CX
Se trece la rezolvarea ei
prin metoda simplex
primal cu SAB de start
dat de soluia optim a
problemei auxiliare, dup
ce au fost eliminate
variabilele artificiale.
La baza metodei stau urmtoarele afirmaii:
Tema 1: Orice soluie admisibil de baz a problemei II.2.1 este SAB a

problemei auxiliare cu X a = 0 . Existena unei astfel de soluii atrage n mod
necesar [min]W=0.
Tema 2: Orice soluie admisibil de baz a problemei extinse pentru care

W=0 este o SAB a problemei iniiale.
S exemplificm numeric aplicarea acestei metode. Considerm
modelul liniar:
[min] f = 50 x1 + 25 x2 + 30 x3
x1 + 2 x2 + 3 x3 8
3 x1 + 4 x2 + x3 9
, cu forma standard
x j 0, j = 1,3
[min] f = 50 x1 + 25 x2 + 30 x3
x1 + 2 x2 + 3x3 x4 = 8
3 x1 + 4 x2 + x3 x5 = 9
x j 0, j = 1,5
1 2 3 1 0
A=
8
3 4 1 0 1 , b = , rangA=2<5. ntruct matricea A nu

9
a1 a 2 a3 a 4 a5
conine 2 vectori unitari care s formeze baza unitate n R 2 , vom aplica
metoda celor dou faze.
Faza 1: Se construiete problema auxiliar

[min]W = x6 + x7
x1 + 2 x2 + 3 x3 x4 + x6 = 8
,
3x1 + 4 x2 + x3 x5 + x7 = 9
1 2 3 1 0 1 0
A=
3 4 1 0 1 0 1 . Deoarece
a1 a2 a3
x j 0, j = 1,7
B = (a 6
1 0
, rezult
a 7 ) =
0 1
a4
a5
a6 a7
X SAB : X = 0, X a = (8 9 ) . Se aplic
T
algoritmul simplex-primal:
0
a1
a2
a3
a4
a5
a6
a7
-1
8/2
-1
8/4
17
-1
-1
-1
-1
7/2
-1/2
5/2
-1
1/2
7/5
9/4
3/4
1/4
-1/4
7/2
-1/2
5/2
-1
1/2
-1/2
5/2
-1
1/2
7/5
-1/5
-2/5
1/5
19/10
4/5
1/10
-3/10
cj
c
a6
a7
fj
fj
a2
fj
fj
cj
a3
a2
fj
fj
cj
a6
cj
0 j = 1, 7 ? NU.
0 j = 1, 7 ? NU.
0 j = 1, 7 ? DA STOP.
Problema extins are soluie optim finit: x1* = 0 , x2* = 19 / 10 ,

x3* = 7 / 5 , x4* = x5* = x6* = x7* = 0 ; [min]W=0 se trece la faza 2.
Observaie: Coloana lui a 7 nu ne mai intereseaz, deoarece variabila x7 ,

odat eliminat din baz, nu va mai fi reintrodus ulterior. Idem pentru a 6 .
Faza 2: Se revine la funcia obiectiv din modelul originar. Problema de
rezolvat va fi:
[min] f = 50 x1 + 25 x2 + 30 x3
x1 + 2 x2 + 3x3 x4 = 8
3 x1 + 4 x2 + x3 x5 = 9
cu
X SAB
x j 0, j = 1,5
x1 0

x2 19 / 10
= x3 = 7 / 5

x4 0
x
5 0
obinut prin
eliminarea variabilelor auxiliare din soluia optim gsit la faza 1. Se

testeaz optimalitatea sa:
cj
50
25
30
a1
a2
a3
a4
a5
a3
7/5
-1/5
-2/5
1/5
a2
19/10
4/5
1/10
-3/10
fj
89,5
14
25
30
-9,5
-1,5
-36
-9,5
-1,5
fj
cj
0 j = 1,5 ? DA
19
Problema admite soluia optim finit X SAB = 0

10
7
5
STOP
T
0 0 ,
cu [min]f=89,5.
Vom continua studiul modelului matematic prin scrierea dualei:
[min] f = 50 x1 + 25 x2 + 30 x3
x1 + 2 x2 + 3 x3 8 u1
3 x1 + 4 x2 + x3 9 u 2
x j 0, j = 1,3
[max]g = 8u1 + 9u 2
u1 + 3u 2 50
, pentru care duala este 2u1 + 4u 2 25

3u + u 30
2
1
u i 0, i = 1,2
Stabilim soluia optim a dualei (dac exist). Forma standard a

dualei va evidenia o baz unitate n R 3 . ntr-adevr,
[max]g = 8u1 + 9u 2
1
u1 + 3u 2 + u3 = 50
A = 2
2u1 + 4u 2 + u 4 = 25 ,
3
3u + u + u = 30
5
1 2
a1
ui 0, i = 1,5
1 0 0
B = 0 1 0 = (a3
0 0 1
a4
3 1 0 0
50

4 0 1 0
, rang A=3<5, b = 25 > 0 ,
1 0 0 1
30

a 2 a3 a 4 a5
a5 ) , X SAB = (0 0 50 25 30 ) .
T
Se aplic algoritmul simplex-primal:

cj
a1
a2
a3
a4
a5
a3
50
50/3
a4
25
25/4
a5
30
30/1
fj
-8
-9
fj
cj
0 j = 1, 5 ?
a3
125/4
-1/2
3/4
a2
25/4
1/2
1/4
25/2
a5
95/4
5/2
-1/4
19/2
fj
175/4
9/2
9/4
-7/2
9/4
fj
cj
a3
26
-4/5
1/5
a2
3/2
3/10
-1/5
a1
19/2
-1/10
2/5
fj
89,5
19/10
7/5
19/10
7/5
fj
cj
0 j = 1,5 ? DA
STOP
Duala admite soluia optim finit: u1* = 3 / 2 , u 2* = 19 / 2 , u 3* = 36 ,

u 4* = u 5* = 0 i [max]g = 89,5 = [min] f .
3. Degenerare i ciclare n probleme de programare liniar

Definiie: X se numete SAB degenerat pentru II.2.1 dac
numrul valorilor variabilelor bazice strict pozitive este cel mult (m-1) unde
m=rangA.
Soluiile admisibile de baz degenerate se pot obine n dou moduri:
1) n sistemul de restricii scris sub forma explicit X B + B 1 RX R = B 1b ,
B 1b are cel puin o component egal cu zero i toate celelalte strict

pozitive valorile variabilelor bazice X B = B 1b , strict pozitive, sunt
n numr de cel mult (m-1).
2) Exist cazul n care, n spaiul bunurilor R m , vectorul b nu formeaz un
sistem de vectori liniar independeni cu orice combinaie de (m-1)
vectori din A. Din punct de vedere geometric, acest lucru nseamn c b
trece printr-un vrf al poliedrului conex al restriciilor AX = b . S
presupunem
(a1
a 2 ... a m1
(a1
b)
a2
... a m )
este
baz
Rm ,
dar
nu este un sistem de m vectori liniar
independeni. Vectorul b poate fi scris n mod unic n baza
(a1
a2
... a m ) :
II.3.1 a1 x1 + a 2 x2 + ... + a m 1 xm1 + a m 0 = b .

Din II.3.1 rezult c X SAB are componentele ( x1 ....xm 1 0....0 ) , deci
T
este SAB degenerat.
Rezolvarea urmtorului model matematic, n R 2 , ne va furniza o

interpretare geometric a conceptului de degenerare:
[max] f = x1 + 4 x 2
[max] f = x1 + 4 x 2
2 x1 + x 2 1
2 x + 5x 5
1
2
, cu forma standard
x
+
x
2
3
1
2 6
14 x1 + 11x 2 14
2 x1 + x 2 + x3 = 1
2x + 5x x = 5
1
2
4
.
2
x
3
x
x
+
+
1
2
5 = 6
14 x1 + 11x 2 + x6 = 14
x j 0, j = 1,2
x j 0, j = 1,6
x2
d1
d2
2
B
1
C
A
-5/2
-1/2
d3
x1
3 7
Valoarea maxim este atins n B , , prin care trec trei drepte
8 4
care definesc mulimea convex (simplexul) a soluiilor admisibile. Dac
nlocuim soluia optim n forma standard, se obine un program optim
degenerat: x1* =
3 * 7 *
, x 2 = , x3 = 0 , x 4* = 3 , x5* = 0 , x6* = 0 .
8
4
Observaie: i prin A trec trei drepte, d1 , d 2 i x1 = 0 , deci, prin nlocuirea

coordonatelor sale n forma standard, se obine o SAB degenerat.
S presupunem c unei probleme de programare liniar degenerat i
se caut soluia optim aplicnd metoda simplex, i, la o anumit iteraie,
raportul min nu este unic determinat. Metoda perturbaiilor (A. Chanes) i

metoda lexicografic (B.B. Dantzig i P. Wolfe) sunt dou metode ce nu
nltur degenerarea, ci creeaz posibilitatea continurii algoritmului prin
nlturarea arbitrariului n determinarea vectorului ce va fi eliminat din
baz, vector situat pe una din liniile rapoartelor minime de valori egale.
a) Metoda lexicografic
Presupunem c la iteraia p N * , vectorul al , l J , trebuie s intre
n baz, toate componentele sale y sl , s I , sunt strict pozitive i
xs xk
x
= r .
=
y rl
y sl y kl
k = r = min
s| y > 0
sl
Se pune ntrebarea: care din cei doi vectori va fi eliminat, a k sau a r ?

T.II.3.1
cB
c1
ck
cr
cm
cj
c1
cl
XB
a1
al
cn
an
a1
x1
y1l
x1 / y11
ak
xk
y kl
xk / y kl
ar
xr
y rl
xr / y rl
am
xm
y ml
xm / y ml
fj
f j cj
Decizia va fi luat dup parcurgerea urmtorilor pai:
min
Pasul 1 Se mpart elementele liniei k, ncepnd cu xk , la eventualul element

pivot y kl . Se mpart elementele liniei r la eventualul element pivot y rl , i se
aeaz sub celelalte rapoarte n ordinea dat de coloanele tabelului simplex:
xk y k1 y k 2
y
y
y
,
,
,..., kl 1 , kl ,...., kn ;
y kl y kl y kl
y kl y kl
y kl
y
y
y
x r y r1 y r 2
,
,
,..., rl 1 , rl ,...., rn .
y rl y rl y rl
y rl y rl
y rl
Pasul 2
Operaia 1 Se compar rapoartele
din a doua coloan:
y k 1 y r1
=
?
y kl
y rl
DA
Se trece la
Operaia 2.
NU
STOP. Pivotul iteraiei va fi numitorul

raportului minim. Va fi eliminat
din baz vectorul situat n linia pivotului.
Operaia 2: k := k + 1 Operaia 1.
Dup cel mult n operaii se poate stabili vectorul care trebuie
eliminat.
Observaie: n cazul programrii pe calculator, se va elimina din baz

vectorul cu cel mai mic indice. n foarte puine cazuri, aceast metod
prezint dezavantajul c, dup un anumit numr de iteraii, poate s se
revin la baza iteraiei p, p N * .
Fie problema:
[min] f ( X ) = 3 x1 + 2 x2 + 4 x3 + 2 x4 + 3 x5
x + 2 x2 + x3 + x 4 = 10
.
II.3.2 1
2 x1 + 3 x 2 + x3 + x5 = 15
x j 0 , j = 1,5
1 2 1 1 0
Dup scrierea matricii A =
, rangA=2<5, ne este sugerat
2 3 1 0 1
soluia de
a1 a 2 a3 a 4 a5
start
pentru
algoritmul
simplex-primal,
X SAB = (0 0 0 10 15) .
T
Completnd primul tabel, se va observa n formula criteriului de eliminare

din baz c minimul nu este unic. ntr-adevr,
cj
cB
XB
a1
a2
a3
a4
a5
a4
10
10/2
a5
15
15/3
fj
65
13
[min ] f
11
0 j = 1,5 ? NU
f j cj
Se observ c: max ( f j c j ) = 11 = f 2 c2 a 2 va intra n noua

f j c j >0
baz. Dar,
Pasul 1
10 15
= . Aadar, care vector va fi eliminat?
2
3
10 1 2 1 1 0
, , , , ,
2 2 2 2 2 2
15 2 3 1 0 1
, , , , ,
3 3 3 3 3 3
10 15
=
2
3
1 2
se elimin vectorul a 4 .
O2: <
2 3
Pivotul iteraiei este 2.
Pasul 2 O1:
cj
c
2
3
a1
a2
a3
a4
a5
a4
a5
1/2
1/2
1/2
1/2
-1
-3
fj
10
-1
-5
-1
-5
-7
f j cj
0 j = 1,5 STOP
Soluia optim este degenerat. Variabila bazic x5 are valoarea

zero.
b) Metoda perturbaiilor
Vom exemplifica aceast metod pe modelul precedent.
Pasul 1 Fie (0,1) arbitrar de mic. Se va trece de la II.3.2, la o problem
perturbat, de forma:
n
[max] f = c j x j
j =1
II.3.3
j =1
j =1
j =1
a j x j + ja j = b + ja j
x j 0, j = 1, n
Dac soluia admisibil de baz corespunde bazei format din primii

m vectori, atunci restriciile din II.3.3 se mai pot scrie:
II.3.4
(x
m
s =1
+ s as +
j = m +1
unde b( ) = b + j a j .
j =1
a j = b( ) ,
n particular, pentru II.3.2 avem scrierea

10
1
2
1
1
0 10 + + 2 2 + 3 + 4
b( ) = + 1 + 2 + 3 + 4 + 5 =
2
3
5
15
2
3
1
0
1 15 + 2 + 3 + +
a1
a3
a2
a5
a4
Pasul 2 Prin modificarea de la pasul 1 s-a obinut o problem nedegenerat.

Presupunem c al este vectorul ce va face parte din noua baz (se accept
ipotezele expuse la metoda lexicografic). Vom aplica acum criteriul de
eliminare din baz:
n
x s + s + j y sk
j = m +1
= min
s| y sk >0
y sk
n particular:
10 + 4 + + 2 2 + 3 15 + 5 + 2 + 3 2 + 3
=
,
2
3
= min

2
3 4
3 5
= min 5 + + 2 + + ,5 +
+ 2 + +
2
2
2
3
3
3
Pentru suficient de mic, 5 +
+ 2 +
3
2
4
2
< 5+
3 5
2
+2 + +
3
3
3
a 4 va fi eliminat.
Observaia 1: Metodele au fost date n cazul n care raportul minim este

realizat pentru doi indici s I , dar se pot aplica i n situaia n care se pot
elimina mai mult de doi vectori din baz.
Observaia 2: Se poate trece de la o SAB degenerat la o SAB cu valorile

variabilelor bazice strict pozitive (nedegenerat), aa cum se va vedea i din
exemplul urmtor:
Se dorete realizarea unui amestec din trei tipuri de benzin. Acest
amestec este de multe ori condiionat de cantitile de care dispunem din
fiecare produs. Se nelege c avem analizele de laborator ale tuturor
produselor i cunoatem caracteristicile chimice ale produselor pe care le
amestecm, de aceea, dac amestecm benzina de 92 cu benzina de 88 i cu
nafta o facem pentru a obine benzin de 92. Cantitatea de benzin de 92
trebuie s reprezinte cel puin 50% din ntregul amestec, iar nafta trebuie s
fie cuprins ntre 25% i 30% din ntregul amestec.
Preurile unitare ale sortimentelor sunt de 30$ barilul de nafta, 40$
barilul de benzin de 88 i 50$ barilul de benzin de 92. S determinm ce
cantiti se amestec astfel nct valoarea amestecului rezultat s fie maxim.
Notm cu x1 cantitatea de nafta, cu x 2 cantitatea de benzin de 92 i
cu x3 cantitatea de benzin de 88. Restriciile privind disponibilul sunt:
x1 100
x 2 90
3 x1 + x 2 + x3 0 .
7 x1 3x 2 3 x3 0
x1 x 2 + x3 0
Forma standard este:
[max] f = 4 x1 + 5 x 2 + 3 x3
x1 + x 4 = 100
x + x = 90
5
2
3 x1 + x 2 + x3 + x6 = 0
7 x 3 x 3 x + x = 0
2
3
7
1
x1 x 2 + x3 + x8 = 0
x j 0, j = 1,8
Calculele implicate de aplicarea algoritmului simplex primal sunt

prezentate n tabelul urmtor:
cj
cB
XB
a1
a2
a3
a4
a5
a6
a7
a8
100
a4
a5
90
90
a6
-3
a7
-3
-3
-1
a8
-1
fj
-4
-5
-3
f j cj
0
0
5
0
0
a4
a5
100
100
90
-1
-1
30
a2
a7
-3
4
5
0
0
a8
-2
fj
-15
-19
70
1/3
-1/3
1/3
210
30
-1/3
1/3
-1/3
90
7/3
45
a4
a1
a2
a7
60
-2/3
2/3
a8
60
4/3
2/3
1/3
fj
570
40
50
-4/3
19/3
-4/3
-13/3
19/3
-4/3
55
-1/2
1/4
-1/4
220
45
1/2
-1/4
1/4
f j cj
0
fj c
0
-2
a4
a1
90
a2
a7
90
5/2
1/2
36
a3
45
1/2
1/4
3/4
180
13/4
fj
17/2
-1/4
17/2
-1/4
13/4
cj
a7
a8
765
f j cj
cB
XB
a1
a2
a3
a4
a5
a6
a4
a1
a2
a6
46
-3/5
54
3/5
90
36
2/5
2/5
1/5
4
5
0
3
-1/10 -3/10
1/10 3/10
a3
36
2/5
-1/10 7/10
fj
774
43/5
1/10 33/10
43/5
1/10 33/10
f j cj
Dup cteva iteraii, obinem soluia care recomand amestecarea a

x1 = 54 barili nafta, x 2 = 90 barili de benzin de 92 i x3 = 36 barili de
benzin de 88. Astfel, se vor obine 180 de barili cu valoarea total de

774 10 dolari. Preul unui baril de amestec va fi de 42$. Benzina nafta va
54
100 = 30% din amestec, benzina auto de 92 va reprezenta
180
50% din amestec, iar benzina auto de 88 reprezint 30% din amestec.
Se observ astfel c, dei la iteraia 2 soluia admisibil de baz este
reprezenta
degenerat, la urmtoarea iteraie soluia admisibil devine nedegenerat.
c) Ciclare
Dac valoarea funciei scop nu se modific pe parcursul ctorva
iteraii succesive, este posibil s apar fenomenul de ciclare, adic s se
revin la una dintre soluiile admisibile de baz prin care s-a trecut deja.
Degenerarea este o condiie necesar, dar nu i suficient, de ciclare. Dei

foarte multe procese economice sunt modelate prin programe liniare cu
soluii admisibile de baz degenerate, la nici una pn acum nu a aprut
fenomenul de ciclare. E. Beale [] a gsit i a publicat un astfel de model.
[min] f =
3
1
x 4 + 20 x 5 x 6 + 6 x 7
4
2
x1 + 4 x 4 8 x 5 x 6 + 9 x 7 = 0
x + 1 x 12 x 1 x + 3x = 0 .
5
6
7
2 2 4
2
x + x = 1
6
3
x j 0 , j = 1,6
Prezentm n continuare rezultatele sub form de tabel a apte
iteraii. Se va observa c primul tabel coincide cu ultimul.
cj
-3/4
20
-1/2
cB
XB
a1
a2
a3
a4
a5
a6
a7
a1
a2
a3
1/4
-8
-1
1/2
-12
-1/2
fj
3/4
-20
1/2
-6
0
0
f j cj
-3/4
0
0
cj
-3/4
20
-1/2
XB
a1
a2
a3
a4
a5
a6
a7
a4
a2
a3
-32
-4
36
-2
3/2
-15
fj
-3
-3/4
24
-27
-3
7/2
-33
-3/4
20
-1/2
a1
a2
a3
a4
a5
a6
a7
-84
15/4
f j cj
cj
-3/4
a4
-12
20
a5
-1/2
1/4
3/8
a3
fj
-1
-1
-3/4
20
3/2
-12
-1
-1
-18
f j cj
0
1
cj
-3/4
20
-1/2
XB
a1
a2
a3
a4
a5
a6
a7
-1/2
a6
-3/2
1/8
-21/2
20
a5
1/16
-1/8
-3/64
3/16
a3
3/2
-1
-1/8
21/2 2/21
fj
-3
-1
20
-1/2
-3
-1/4
f j cj
cj
-3/4
20
-1/2
XB
a1
a2
a3
a4
a5
a6
a7
-1/2
a6
-6
-5/2
56
a7
1/3
-2/3
-1/4
16/3
a3
-2
5/2
-56
fj
-1
-1/4
-1/2
-1
1/2
-16
-3/4
20
-1/2
a1
a2
a3
a4
a5
a6
a7
f j cj
cj
X
0
-3
-5/4
28
1/2
a1
a7
1/3
1/6
-4
-1/6
a3
fj
-24
-1
7/4
-44
-1/2
f j cj
cj
-3/4
20
-1/2
cB
XB
a1
a2
a3
a4
a5
a6
a7
a1
a2
a3
1/4
-8
-1
1/2
-12
-1/2
fj
3/4
-20
1/2
-6
0
0
f j cj
n tabelele precedente, dei criteriul de intrare n baz ne-a dat

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

urmtoarele dou iteraii:
cj
-3/4
20
-1/2
cB
XB
a1
a2
a3
a4
a5
a6
a7
a1
a4
a3
-1/2
-2
-3/4
15/2
-24
-1
fj
-3/2
-3/4
18
3/4
-9/2
-3/2
-2
5/4
-21/2
-3/4
0
f j cj
cj
0
-3/4
-1/2
-3/4
20
-1/2
a1
a2
a3
a4
a5
a6
a7
a1
a4
a6
3/4
-1/2
3/4
-2
15/2
-24
fj
-5/4
-3/2
-5/4
-3/4
18
-1/2
-9/2
-3/2
-5/4
-2
-21/2
f j cj
Astfel, soluia optim este dat de X = (3 / 4 0 0 1 0 1 0 ) ,

T
valoarea minim a funciei obiectiv fiind f ( X ) = 5 / 4 .

Dei n problemele practice nu s-a observat fenomenul de ciclare,
teoretic exist posibilitatea de a aprea i, ca urmare, este bine s
cunoatem o cale de a-l evita.
4. Algoritmul simplex revizuit

Acest algoritm este o form revizuit a algoritmului simplex
primal, care se recomand a fi folosit atunci cnd rezolvarea modelului
matematic se face cu ajutorul calculatorului. Ideea de baz este de a reine
datele iniiale, apoi, folosind matricea sistemului de restricii se va construi
o matrice invers, se vor calcula c B B 1 , X B = B 1b i f j c j , n funcie

de care se ia decizia de a opri algoritmul sau de a-l continua trecnd la o
soluie admisibil de baz mai bun.
Considerm problema de programare liniar la forma standard

min f ( x) = cX
II.4.1
{AX = b
X 0
unde A M m,n (R ) , rangA = m n b R m , c, X R n .

Pentru aplicarea algoritmului simplex revizuit, se construiete
completata problemei II.4.1:
min f 1 ( x) = x 0
x cX = 0
II.4.2 0
.
AX = b
X 0, x 0 R
1 cB
Aici, matricea sistemului de restricii va fi: A1 =
B
0
cR
,
R
unde A = (B R ) . Se observ c rangA1 = m + 1 . Vectorul termenilor liberi

c
0
pentru problema completat este b1 = . Notm a 1k = k , unde a k
b
ak
este coloana k din matricea A.
Dac
este baz primal admisibil pentru II.4.1, atunci
1 c
este baz primal admisibil pentru II.4.2. Este uor de
B1 =
0
B
1 u B
, unde u B = c B B 1 .
verificat c B11 =
1
0 B
Tabelul simplex revizuit va avea urmtoarea form:
Variabilele de baz
x0
B11
1
u B = c B B 1
B11b1
f
B11 a 1k *
f kB c k
0
XB
B 1
XB
y kB = B 1 a k
* Ultima coloan va aprea n momentul cnd se trece la mbuntirea
soluiei curente.
Etapele algoritmului simplex revizuit sunt prezentate n schema logic

S.II.4.1:
Datele iniiale:
AX = b , X 0 , [max] f (x ) = cX
rangAmn = m n , b R m , c R n
Se determin o baz primal admisibil pentru problema
II.4.1 i se calculeaz apoi B1 , B11b1 , u B , B11 a 1j
Schema logic
S.II.4.1
B
j
STOP. Problema admite soluie

optim finit
c j 0 DA
B 1b
.
f 0 = [min] f ; X B =
j = 1, n
NU
Alegem k astfel nct
max
( f jB c j ) = f kB c k > 0 .
B
f j c j >0
k
.
Se completeaz ultima coloan din tabel cu vectorul B11 a 1k = B k
1
y
B
a k
=
k
y kB 0 ?
STOP
Problema are optim ( ).
DA
NU
Se alege r dup regula: min

B
i| yik
xiB x rB
=
.
y ikB y rkB
Se nlocuiete coloana a cu coloana a , i se formeaz noua baz primal
admisibil, B1 . Se calculeaz B11b1 , u B , B11 a 1j .
Pas 0 Se determin B baz primal admisibil i se calculeaz: B 1 , X B ,

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

( f jB c j ) = f kB c k > 0 .
B
f j c j >0
Se calculeaz y kB = B 1 a k . Dac y kB 0 , problema are optim

nemrginit ( ). Dac nu, se trece la Pasul 3.
xiB x rB
= B . Se nlocuiete coloana a r cu
i| yik y B
y rk
ik
~
coloana a k , i se formeaz noua baz primal admisibil, B1 . Se revine la
Pas 3 Alegem r dup regula: min

B
Pasul 1.
S rezolvm cu algoritmul simplex revizuit urmtoarea problem de
programare liniar:
[min] f = 2 x1 x 2
x1 x 2 4
3 x1 x 2 18
x + 2 x 6
2
1
x i 0 , i = 1,2
primul
rnd,
aducem,
problema
la
forma
standard:
[min] f = 2 x1 x 2
x1 x 2 + x 3 = 4
1 1 1 0 0
3 x1 x 2 + x 4 = 18 . Matricea restriciilor este A = 3 1 0 1 0 ,

1 2 0 0 1
x + 2 x + x = 6
2
5
1
x i 0 , i = 1,5
B = I3 = a3
a4
a 5 . Scriem completata problemei de mai sus:
[min]g = x 0
x 0 (2 x1 x 2 ) = 0
x x + x = 4
1
2
3
.
3 x1 x 2 + x 4 = 18
x1 + 2 x 2 + x5 = 6
x i 0 , i = 1,5
1 2 1 0
0 1 1 1
Aadar, A1 =
0 3 1 0
0 1 2 0
0 0
0 0 1 cR
=
1 0 0 R
0 1
0

4
c
0
, b1 = = .
8
b
B

16

B
1 c B
Observaie: Dup reordonare putem obine chiar A1 =
B
0
cR
.
R
Completm tabelul simplex revizuit, evident fr ultima coloan:

u B = c B B 1 = (0 0 0 ) I 3 = (0 0 0 ) .
B11
Variabilele de baz
x0
x3
x4
x5
B11b1
18
c j
. n cazul nostru,
Pentru j R , calculm f jB c j = (1 u B )
aj
R = {1,2} . Aadar, pentru j = 1 avem:
f 1B
2

1

c1
1
B
1
= (1 0 0 0) = 2 > 0 , B a1 = 3 ,
c1 = 1 u
3
a1
1

1

iar pentru j = 2 ,
f 2B
1

1

c2
1
B
1
= (1 0 0 0 ) = 1 > 0 , B a 2 = 1 .
c 2 = 1 u
1
a2
2

2

Soluia curent nu este optim i nici cazul optim nemrginit nu este

ndeplinit. Trecem la schimbarea bazei. Deoarece, f 1B c1 = 2 > 1 = f 2B c 2 ,
variabila x1 va intra n noua baz.
Completm tabelul de mai sus cu ultima coloan:
B11
Variabilele de baz
B11b1
B11 a11
x0
x3
x4
x5
18
-1
4 18 4
Deoarece min , = , variabila x 3 va iei din baz. Pivotul
1 3 1
este, desigur, valoarea aflat n csua colorat, adic 1. Tabelul simplex
revizuit urmtor se obine din cel precedent, dup aceleai reguli care se
aplic tabelului simplex obinuit.
Astfel, cu noua baz avem:

~
B11
Variabilele de baz
~
B11b1
~
B11 a12
*
-2
x
0
1
0
x1
0
-3
1
x4
0
1
0
x5
* Ultima coloan se va completa ulterior.
f 2B
-8
-1
10
1

~
c2
1
B
= (1 2 0 0 ) = 3 > 0 (soluia curent
c 2 = 1 u
1
a2

2

nu este optim).
1 0 0 1 1

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

~
c3
1
B
= (1 2 0 0 ) = 2 < 0 .
c 3 = 1 u
0
a3

0

Singura variabil care poate intra n baz este x 2 . Completm ultima

6 10 6
coloan. Cum min , = , rezult c variabila x 4 iese din baz.
2 1 2
Pivotul este 2.
~
~
Urmtorul tabel simplex revizuit, unde baza este acum notat B1 :
Variabilele de baz
1
5/2
-3/2
x0
0
-1/2
1/2
x1
0
-3/2
1/2
x2
0
5/2
-1/2
x5
** Ultima coloan se va completa ulterior.
~
~
f 3B
~
~
B11b1
~
~
B11 a13 **
-17
5/2
-1/2
-3/2
5/2
~
~
B11
0

1
c 3 = (1 5 / 2 3 / 2 0) = 5 / 2 > 0 (soluia curent nu este
0

0

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

~
~
0
B
f 4 c4 = (1 5 / 2 3 / 2 0) = 3 / 2 < 0 .
1

0

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

Se observ imediat c singura variabil care poate iei din baz este
x5 . Pivotul este 5/2. La aceast iteraie baza curent este notat prin B1 .
B11
Variabilele de baz
x0
x1
x2
x3
Cum f 4B
f 5B
B11b1
-1
-1
-24
2/5
1/5
42/5
1/5
3/5
36/5
-1/5
2/5
14/5
0

0
c 4 = (1 0 1 1) = 1 < 0 i
1

0

0

0
c5 = (1 0 1 1) = 1 < 0 , rezult c soluia curent,
0

1

x = (42 / 5 36 / 5 14 / 5 0 0) este optim, unic i nedegenerat.

T
Din exemplificarea aplicrii algoritmului simplex revizuit, rezult

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

5. Algoritmul simplex dual
Cnd s-a aplicat algoritmul simplex primal s-a apelat pe tot

parcursul algoritmului la soluii admisibile de baz (SAB) i regulile sale
au fost stabilite impunndu-se condiia de nenegativitate a variabilelor din
model.
Cu ajutorul teoriei dualitii se poate formula un nou algoritm de

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

este urmtoarea:
Modelul matematic se aduce la forma standard
Se stabilete o SDR:
B M n (R ) a.. X B = B 1b = (x1 ....x m ) 0

T
f j c j = c B B 1 a j c j 0 , j = 1, n
x k < 0 a.
DA
y kj 0 , j = 1, n
STOP
Problema
este fr
soluii.
NU
Alege xl = min{x s } (C.E.B);
s| x s < 0
Elimin din baz vectorul
al ;
f j c j
f k ck
= min
j | ylj < 0
y lk
y lj
nlocuiete vectorul a l cu a k ;
Alege
(C.I.B);
Se formeaz B1
Se calculeaz elementele noului tabel; dup regulile aplicate n cazul algoritmului

simplex primal, avnd ca pivot elementul y lk < 0 . Dac nu apare fenomenul de
ciclare, dup efectuarea calculelor se ajunge la una din situaiile:
1. X
B1
0 i f j c j 0 , j = 1, n STOP. Problema admite soluie
optim finit.
2.
X B1 0 i f k c k < 0 , k {1,.., n} s-a generat o SAB, se va continua
cu algoritmul simplex-primal.
3. Exist cel puin o variabil bazic cu valoare strict negativ i f j c j 0 ,
j = 1, n
Observaie: Cele dou criterii de eliminare i respectiv de intrare n baz,

sub aceast form, sunt invariante la tipul de optim.
Pentru o mai bun nelegere a modalitilor de operare a celor doi
algoritmi duali, se vor sumariza principalele lor elemente dup cum
urmeaz:
Algoritmul simplex primal
Soluie de
start,
B baz
curent
Algoritmul simplex dual
X B = B 1 b 0 ;
X SAB :
X R = 0;
f s c s = 0 , x s
Obs:
variabil
f j c j 0 j
[min]) programul
optim finit.
STOP
a k
f k ck < 0
nebazic
b) Dac
[max]),
respectiv
y sk 0 ,
program
cu
nemrginit.
are
soluie
pentru
(pt. [min])
(pt.
[min]) i
X 0 programul
liniar are soluie optim finit.
b) Dac
xs < 0 , s J B
[min])
funcia
(pt. [max]),
care
f k ck > 0
f k ck < 0
(pt. [max]) sau
f j c j 0 j
respectiv
y sj 0 ,
programul liniar nu are soluie.
obiectiv
Dac pt. [max]
Pt. [max]:
a..
f j c j 0 j
(pt. a) Dac
y sk 0 , s (pt.
s (pt.
(pt. [max]),
f j c j 0 j
respectiv
x s < 0 , s J
f j c j 0 j
f j c j 0 j
bazic
a) Dac
X SDR : X B = B 1 b ; X R = 0
y sk > 0
pt.
f j cj 0 ,
f j cj 0 ,
[min]
respectiv
j ,
xs < 0 , s J B ,
atunci se continu
pentru cel puin o valoare s J . Se cu simplex dual, deoarece s-a generat o
Algoritmul
continu cu simplex primal.
SDR.
se continu
Pt. [min]: f k c k > 0 i y sk > 0 Dac pt. [max] f k c k < 0 , respectiv
dac
B
pentru cel puin o valoare

continu cu simplex primal.
sJ B .
Se pt. [min]
i
f k ck > 0 ,
cu
xs 0 , s J B ,
ak nebazic,
atunci
se
continu cu simplex primal, deoarece s-a

generat o SAB.
Pivot
Criterii
pentru
schimbarea
bazei
ylk > 0
a)
b)
ylk < 0
C.I.B.
C.E.B.
a)
b)
C.E.B
C.I.B.
Pentru a nelege mai bine modul de aplicare a algoritmului simplexdual, precum i diferenele fa de aplicarea algoritmului simplex-primal,
vom da cteva exemple numerice.
Exemplul 1 S se gseasc soluia optim a modelului liniar:

[min] f = 6 x1 + 5 x2 + 6 x3
4 x1 + x2 + x3 2
2 x1 x2 + x3 6
x + x 2 x 3
2
3
1
x j 0, j = 1,3
Soluie:
Se schimb sensul primelor dou restricii:
[min] f = 6 x1 + 5 x 2 + 6 x3
4 x1 x 2 x3 2
2 x1 + x 2 x3 6
x + x 2x 3
1
2
3
x j 0, j = 1,3
Se aduce problema la forma standard
[min] f = 6 x1 + 5 x 2 + 6 x3
4 x1 x 2 x3 + x 4 = 2
2 x1 + x 2 x3 + x5 = 6 .
x + x 2x + x = 3
1
2
3
6
xi 0, i 1,6
4 1 1 1 0 0
Dup scrierea matricii A = 2 1 1 0 1 0 , rangA=3<6,

1 1 2 0 0 1
se constat c bazei (a 4 a5 a 6 ) i corespunde o soluie bazic

X = (0 0 0 2 6 3) , care nu respect condiia de nenegativitate.
T
Pentru a stabili dac satisface criteriul de optimalitate, trebuie

construit primul tabel de tip simplex:
cj
cB
XB
a1
a2
a3
a4
a5
a6
-2
-1
-1
a4
a5
-6
-2
-1
a6
-1
-2
fj
-6
-6
f j cj
0 j = 1,6 ? DA
Soluia bazic construit este dual realizabil, deoarece verific

criteriul de optimalitate. Conform schemei de rezolvare vor fi efectuate
urmtoarele operaii:
Se verific dac n liniile valorilor strict negative ale variabilelor
bazice exist
i componente strict negative. Rspunsul fiind afirmativ, se vor aplica cele
dou criterii:
- Criteriul de eliminare din baz (C.E.B): min{ 2,6} = 6 a5 prsete
baza.
-
Criteriul
de
intrare
f c
f c3
6 6 6
min 1 1 , 3
,
= min
=
y 23
2 1 2
y 21
baz
(C.I.B):
a1 va fi al doilea
vector al noii baze i (-2) pivotul.

Se efectueaz calculele implicate de scrierea vectorilor b i a j ,
j = 1,6 n noua
baz (a 4
a1
a 6 ) i a diferenelor f j c j , j = 1,6 .
Calculele sunt prezentate n tabelul de mai jos:
0
6
0
cj
XB
a1
a2
a3
a4
a5
a6
a4
a1
a6
-14
-3
-1/2
1/2
1/2
1/2
-3/2
-1/2
fj
18
-3
-3
-8
-3
-3
f j cj
0 j = 1,6 ? DA
Noua soluie de baz se menine dual realizabil, ca urmare se vor aplica

criteriile algoritmului simplex-dual:
C.E.B: -14 unic a 4 eliminat;
C.I.B: a3 va nlocui vectorul a 4 , -3 fiind singura component strict
negativ din linia vectorului eliminat.
Se va efectua o nou pivotare.
cj
a1
a2
a3
a4
a5
a6
cB
XB
a3
14/3
-1/3
-1/3
-2/3
a1
a6
2/3
-1/3
1/6
-1/6
13
-1/2
-3/2
fj
32
-4
-1
-5
-9
-1
-5
f j cj
0 j = 1,6 ?
DA
Din acest ultim tabel rezult: X B 0 ; f j c j 0 , j = 1,6 , deci

algoritmul
2
X* =
3
se
0
14
3
oprete.
Problema
admite
soluia
optim
finit
0 0 13 cu [min] f = 32 .
Observaie: Spre deosebire de algoritmul simplex primal, unde valoarea

funciei obiectiv scade n cazul problemelor de minim de la o iteraie la
alta, pn la valoarea minim, n algoritmul simplex dual valoarea funciei
obiectiv crete pn la valoarea minim admisibil (n cazul studiat, de la 0
la 18, i apoi la 32).
[max] f = 3 x1 + 2 x 2 + 6 x3
x1 + 3x 2 + 4 x3 105
Exemplul 2 Se consider programul liniar: 2 x1 + 5 x 2 + x3 70

4 x + x + 2 x 175
2
3
1
x j 0, j 1,3
Aflati soluia optim. S se scrie duala programului liniar dat. S se
afle soluia sa optim X aplicnd algoritmul simplex dual.
Soluie:
Mai nti aducem problema la forma standard:

[max] f = 3 x1 + 2 x 2 + 6 x3
x1 + 3 x 2 + 4 x3 + x 4 = 105
2 x1 + 5 x 2 + x3 + x5 = 70 .
4 x + x + 2 x + x = 175
2
3
6
1
x j 0, j 1,6
Rezolvarea acestei probleme este complet prezentat prin cele

3 tabele simplex de mai jos, corespunztoare iteraiilor parcurse pn la
aflarea soluiei optime:
cj
cB
XB
x1
x2
x3
x4
x5
x6
105
x4
x5
70
x6
175
fj
-3
-2
-6
f j cj
6
x3
105/4
1/4
3/4
1/4
0 j = 1,6 ?
NU
0
x5
175/4
7/4
17/4
-1/4
x6
490/4
7/2
-1/2
-1/2
fj
315/2
3/2
9/2
3/2
-3/2
5/2
3/2
2/7
-1/7
-1/7
4/7
-2
f j cj
6
3
0
x3
20
1/7
x1
x6
25
35
-9
fj
195
58/7
9/7
6/7
43/7
9/7
6/7
f j cj
17/7
0 j = 1,6 ?
NU
0 j = 1,6 ?
DA
Se observ c f j c j 0 , j = 1,6 , deci programul
liniar admite
soluia optim finit X * = (25 0 20 0 0 35) . Baza optim este dat

T
de B = (a3
a 6 ) , a crei invers
a1
B
2 / 7 1 / 7 0
= 1 / 7 4 / 7 0
0
2 1
poate fi citit n dreptul vectorilor care au format baza iniial.

Se construiete duala:
[max] f = 3 x1 + 2 x 2 + 6 x3
[min]g = 105u1 + 70u 2 + 175u 3
x1 + 3 x 2 + 4 x3 105 u1
u1 + 2u 2 + 4u 3 3
2 x1 + 5 x 2 + x3 70 u 2 3u1 + 5u 2 + u 3 2
4 x + x + 2 x 175 u
4u + u + 2u 6
2
3
3
2
3
1
1
x j 0, j 1,6
u i 0, i 1,3
Din forma standard:
[min]g = 105u1 + 70u 2 + 175u 3

u1 + 2u 2 + 4u 3 u 4 = 3
3u1 + 5u 2 + u 3 u 5 = 2
4u + u + 2u u = 6
2
3
6
1
u i 0, i 1,6
rezult c matricea A conine matricea unitate, din R 3 , cu semn schimbat,
ca urmare toate restrictiile dualei vor fi nmulite cu ( 1) :
[min]g = 105u1 + 70u 2 + 175u 3
u1 2u 2 4u 3 + u 4 = 3
3u1 5u 2 u 3 + u 5 = 2
4u u 2u + u = 6
1
2
3
6
u i 0, i 1,6
Rezolvarea problemei, prin algoritmul simplex dual, este prezentat

mai jos:
cj
0
0
0
105
70
175
u1
u2
u3
u4
u5
u6
-3
-1
-2
-4
-2
-3
-5
-1
u4
u5
u6
-6
-4
-1
-2
fj
-105
-70
-175
0 j = 1,6
-7/4
-7/2
-1/4
-1/2
-3/4
-1/4
f j cj
0
0
105
u4
u5
u1
fj
-3/2
5/2
0
105
u2
u5
u1
fj
-17/4
3/2
1/4
1/2
315/2
105
105/4
105/2
-105/4
-175/4 -243/4
-105/4 0 j = 1,6
-4/7
1/7
-8
-17/7
-1/7
-2/7
f j cj
70
6/7
43/7
9/7
1/7
195
105
70
140
-25
-20
-210
-25
-20 0 j = 1,6
f j cj
Se observ imediat c [max] f = [min]g = 195 . Soluia optim a

dualei este
9
U* =
7
6
7
43
0 .
7
Se verific uor c
x1*
4 / 7 0 1 / 7 25

(70 0 15) 17 / 7 1 1 / 7 = 0 = x2* .

x*
1/ 7
0 2 / 7 20
6. Probleme pentru fixarea cunotinelor

[min] f = 3 x1 + 5 x 2 + 4 x3
2 x + x 2 12
Problema 1 Se consider modelul liniar: 1
x1 + 2 x 2 + x3 20
x j 0, j = 1,3
a) S se genereze, dac este posibil, SAB sau/i SDR prin explicitarea
sistemului de restricii n raport cu bazele (a1 , a 2 ) i (a 2 , a3 ) .
b) S se scrie duala sa. Admite soluie optim finit? Justificai rspunsul.
c) Ce legtur exist ntre SAB generat la punctul a) i problema dual?
d) S se rezolve problema dat cu ajutorul algoritmului simplex-dual.
Soluie:
[min] f = 3 x1 + 5 x 2 + 4 x3
2 x1 + x 2 x 4 = 12
a) Forma standard:
.
x1 + 2 x 2 + x3 x5 = 20
x j 0, j = 1,5
2 1 0 1 0
.
Matricea sistemului de restricii: A =
1 2 1 0 1
12
Vectorul termenilor liberi: b = .
20
Pentru baza determinat de coloanele 1 i 2 din matricea A ,

B = (a1 a 2 ) , rezult R = (a3 a 4 a5 ) , X
x3

x1
R
= , X = x 4 . Sistemul de
x2
x
5
restricii scris sub forma canonic relativ la B este

x3
2 1 x1 0 1 0 12
x 4 = .
+
II.6.1
1 2 x 2 1 0 1 x 20
5
Prin nmulirea relaiei II.6.1 cu B 1
1
2

3 , obinem:
= 3
1
2
3 3
x3
1 0 x1 2 / 3 1 / 3 0 1 0 2 / 3 1 / 3 12
+

x 4 =

0 1 x 2 1 / 3 2 / 3 1 0 1 x 1 / 3 2 / 3 20
5
, sau
x3
x1 1 / 3 2 / 3 1 / 3 4 / 3
+
x 4 =
.
x 2 2 / 3 1 / 3 2 / 3 x 28 / 3
5
4/3
> 0 se poate construi o soluie admisibil
Deoarece B 1b =
28 / 3
de baz, i anume x1 =
funciei obiectiv va fi
4
28
, x2 =
, x3 = x 4 = x5 = 0 , pentru care valoarea
3
3
152
.
3
Baza generat de coloanele 2 i 3 din matricea sistemului de

1 0
1 0
, conduce la urmtoarea
, cu inversa B 1 =
restricii, B =
2 1
2 1
explicitare a sistemului de restricii ale problemei:
x1
1 0 x 2 2 1 0 12
+
x 4 = ,
2 1 x3 1 0 1 x 20
5
de unde rezult, prin nmulirea cu B 1 :

x1
x 2 1 0 2 1 0 1 0 12
+

x 4 =
.
x3 2 1 1 0 1 x 2 1 20
5
Dup efectuarea calculelor apare scrierea explicit a sistemului de

restricii n raport cu baza (a 2
a3 ) din spaiul bunurilor:
x1
2 x + x 2 x 4 = 12
x 2 2 1 0 12
+
x 4 = sau 1
.
x3 3 2 1 x 4
3 x1 + x3 + 2 x 4 x5 = 4
5
12
Se observ c B 1b = nu are toate componentele pozitive.
4
Dac se vor anula variabilele nebazice x1 = x 4 = x5 = 0 i cele bazice vor
lua valorile x 2 = 12 , x3 = 4 , se va obine o soluie a problemei care are
dou componente nenule (rangA=2) i vectorii ataai variabilelor bazice
sunt liniar independeni ( a 2 i a3 formeaz baza). n aceste condiii,
vectorul X 1 = (0 12 4 0 0 )
nu poate fi SAB, dar ar fi dual
realizabil dac ar verifica criteriul de optimalitate. Se va verifica acest

lucru:
cj
cB
XB
a1
a2
a3
a4
a5
a2
a3
12
-1
-4
-3
-1
fj
48
-3
-2
-3
f j cj
Deoarece f 4 c 4 > 0 , vectorul X = (0 12 4 0 0 )
nu este
soluie dual realizabil, este doar soluie pentru modelul scris sub forma
standard.
2
Observaie: n tabel, vectorul trecut n coloana lui a1 reprezint
3
scrierea
acestuia
baza
(a 2 a3 ) .
ntr-adevr,
2
1
0 2
.
a1 = = 2a 2 3a3 = 2 3 =
1
2
1 4 3
b) Construim acum duala problemei din enun.
[min] f = 3 x1 + 5 x 2 + 4 x3
2 x1 + x 2 12
x1 + 2 x 2 + x3 20
x j 0, j = 1,3
[max]g = 12u1 + 20u 2
2u1 + u 2 3
, de unde rezult duala u1 + 2u 2 5

u2
0 u + u 4
1
2
u1 , u 2 0
u1
Se observ c orice cuplu (u1 , u 2 ) care verific primele dou

restricii ale problemei duale, o verific i pe a treia. Mulimea soluiilor
admisibile ale acestei probleme este dat de intersecia dintre semiplanele
determinate de inecuaiile: 2u1 + u 2 3 , u1 + 2u 2 5 i u 2 4 , n

condiiile u1 , u 2 0 , i este o mulime mrginit i convex. Atunci (vezi
teorema programrii liniare), problema admite soluie optim finit.
c) Fie baza dat de coloanele 1 i 2 din matricea sistemului de restricii ale
problemei
primale: B = (a1
a 2 ) . Atunci
1
f1 = c B B 1 a1 = (3 5) = 3 ,
0
0
f 2 = c B B 1 a 2 = (3 5) = 5 .
1
n problema dual, acestei baze i corespunde un sistem de restricii saturate,
i anume, restriciile cu termenii liberi 3 i 5:
2u1 + u 2 = 3
u1 + 2u 2 = 5
u1 = 3
.

7
u 2 =
3
d) Soluia de start pentru algoritmul simplex-dual este o soluie dual

realizabil (SDR).
Se observ c matricea A conine matricea unitate de ordinul 2 cu
semnul schimbat: B = (1)(a 4 a5 ) . Restriciile scrise sub forma standard
se vor nmuli cu (-1):
2 x1 x 2 + x 4 = 12
x1 2 x 2 x3 + x5 = 20
apoi se va scrie sistemul sub forma matriceal:
x1
2 1 0 1 0 x 4 12
x 2 +
=
.
1 2 1 x 0 1 x5 20
3
Vectorul
X1
de componente
x1 = x 2 = x3 = 0 ,
x 4 = 12
x5 = 20 verific sistemul de restricii din forma standard, are dou

componente nenule (rangA=2), cel puin una strict negativ, i corespunde
bazei B = (a 4
a5 ) .
X 1 va fi SDR dac ar satisface criteriul de
optimalitate. S verificm acest lucru:

cj
cB
XB
a1
a2
a3
a4
a5
a4
a5
-12
-2
-1
-20
-1
-2
-1
fj
-3
-5
-4
-2
-3/2
1/2
-1/2
10
1/2
1/2
-1/2
50
5/2
5/2
-5/2
-1/2
-3/2
-5/2
4/3
-1/3
-2/3
1/3
28/3
2/3
1/3
-2/3
152/3
7/3
-1/3
-7/3
-5/3
-1/3
-17/3
f j cj
5
3
a4
a2
fj
f j cj
5
3
a1
a2
fj
f j cj
Iteraia 1: Deoarece f j c j 0 , j 1,5 X 1 este SDR . Se aplic

algoritmul simplex dual:
CEB: min(-12, -20)=-20 eliminm vectorul a5 ; n linia vectorului
eliminat toate componentele sunt pozitive? NU aplicm CIB.
CIB: min(|-3/-1|, |-5/-2|, |-4/-1|)=|-5/-2| a 2 ia locul lui a5 , y 22 = 2
este pivot.
Iteraia 2: Deoarece f j c j 0 , j 1,5 X 2 este SDR.

CEB: a 4 eliminat
1/ 2 5 / 2
CIB: min
,
3 / 2 1/ 2
1/ 2
=
.
3/ 2
Observaia 1: Matricea B 1 se citete din ultimul tabel, n dreptul

vectorilor ce au format prima baz, dar, atenie, elementele vor fi luate cu
2 / 3 1 / 3
.
semn schimbat: B 1 =
1/ 3 2 / 3
Observaia 2: Valorile optime ale variabilelor dualei se citesc n linia f j

din ultimul tabel, n dreptul vectorilor ce au format prima baz (ca n tabelul
simplexului-primal), cu semnul impus n modelul dualei: u i 0, i = 1,2
1
7
u1* = , u 2* = .
3
3
Problema 2 S se rezolve grafic i printr-o metod simplex urmtorul

program liniar:
[min] f = 5 x1 + 3 x 2
x1 + x 2 4
2 x1 + x 2 3
3x + x 5
2
1
x j 0, j 1,2
Soluia grafic: n primul rnd vom reprezenta grafic mulimea
soluiilor admisibile ale problemei. Aa cum tim, mulimea soluiilor

admisibile este generat de restriciile programului liniar de mai sus, i se
afl la intersecia semiplanelor definite de aceste restricii. Pentru a gsi
semiplanele i apoi interesecia acestora, vom reprezenta mai nti dreptele
d1 : x1 + x 2 = 4 , d 2 : 2 x1 + x 2 = 3 i d 3 : 3 x1 + x 2 = 5 .
Semiplanul determinat de prima restricie a problemei este cel

mrginit de dreapta d 1 i care nu conine originea. Semiplanul determinat
de a doua restricie este determinat de d 2 i nu conine originea. n fine,
semiplanul determinat de cea de-a treia restricie este mrginit de d 3 i nu
include
originea.
Dac
notm
d1 I d 2 = {A} ,
d 1 I d 3 = {B}
x + x2 = 4
d 2 I d 3 = {C} , prin rezolvarea sistemelor de ecuaii 1
,
2 x1 + x 2 = 3
x1 + x 2 = 4
2 x1 + x 2 = 3
i
, gsim coordonatele punctelor A, B i C, i
3 x1 + x 2 = 5
3 x1 + x 2 = 5
1 11
2 19
1 7
anume: A , , B , i C , . Astfel, poriunea haurat din
2 2
3 3
5 5
grafic reprezint mulimea soluiilor admisibile. Se tie faptul c soluia
optim se gsete ntr-unul din vrfurile mulimii soluiilor admisibile.
2 19
Astfel, este foarte uor de realizat faptul c C , reprezint punctul de
5 5
minim. Valoarea funciei obiectiv n acest punct, valoarea minim a funciei,
este 5
2
19 67
+ 3 =
.
5
5
5
x2
d2
C
A
B
d1
x1
O
d3
Observaie: Acelai lucru ar fi fost observat cu uurin i dac am fi

construit dreapta de nivel corespunztoare funciei obiectiv,
d : 5 x1 + 3 x 2 = 0 . Ducnd paralele la aceast dreapt, se vede c prima
paralel care intersecteaz mulimea soluiilor admisibile ale problemei este

2 19
cea care trece prin C , i se afl la cea mai mic distan de origine.
5 5
Soluie analitic: Vom utiliza algoritmul simplex dual (punctul a)), apoi
algoritmul simplex primal (punctul b)).
Aducem mai nti problema la forma standard:

[min] f = 5 x1 + 3 x 2
x1 + x 2 x3 = 4
2 x1 + x 2 x 4 = 3 .
3x + x x = 5
2
5
1
x j 0, j 1,5
a) Pentru a aplica algoritmul simplex dual, vom nmuli mai nti fiecare
[min] f = 5 x1 + 3 x 2
x1 x 2 + x3 = 4
1 1 1 0 0
restricie cu ( 1) : 2 x1 x 2 + x 4 = 3 , cu A = 2 1 0 1 0 .
3 x x + x = 5
3 1 0 0 1
1
2
5
x j 0, j 1,5
Baza de start pentru algoritmul simplex dual trebuie s fie dual
admisibil. O astfel de baz este format din vectorii a3 , a 4 , a5 .
Cunoscnd toate aceste date, putem trece la aplicarea algoritmului
menionat anterior:
cj
cB
XB
a1
a2
a3
a4
a5
a3
-4
-1
-1
a4
a5
-3
-1
-5
-3
-1
fj
-5
-3
f j cj
0
a3
-7/3
-2/3
-1/3
a4
a1
fj
-19/3
-5/3
2/3
5/3
1/3
-1/3
25/3
5/3
-1/3
-4/3
-1/3
f j cj
0
a3
1/5
-2/5
-3/5
a2
a1
fj
19/5
-3/5
-2/5
2/5
-1/5
-1/5
67/5
-4/5
-1/5
-4/5
-11/5
f j cj
Prima baz admisibil (a3
a2
0 j ?
DA SDR
0 j ?
DA SDR
0 j ?
DA soluie optim
a1 ) este i baz optim pentru
modelul studiat. Din tabelul optimal obinem cel puin dou informaii:
funcia de eficien are valoarea minim
67
;
5
soluia optim are componentele: x1* =
2
19
1
, x 2* =
, x3* = , x 4* = 0 ,
5
5
5
x5* = 0 .
b) S relum modelul de la forma standard, deoarece aceast form ne
sugereaz folosirea metodei bazei artificiale (sau metoda celor dou
faze), n cazul n care se impune rezolvarea prin algoritmul simplex
primal.
[min] f = 5 x1 + 3 x 2 + x6 + x7 + x8
x1 + x 2 x3 + x6 = 4
Forma extins este: 2 x1 + x 2 x 4 + x7 = 3

3x + x x + x = 5
2
5
8
1
x j 0, j 1,8
cB
cj
XB
a1
a2
a3
a4
a5
a6
a 7 a8
a6
-1
a7
-2
-1
a8
-1
14
2 -5
3 -3
fj
f j cj
a6
-1
-1
a2
a8
-2
-1
-1
3 +9
8 -5
1/3
-1/3
1/3
11/3
-2/3
-1/3
1/3
5/3
-2/3
-1
(58+ )/3
(5 -11)/3 (2-2 )/3
(5 -11)/3 (2-2 )/3
fj
f j cj
5
3
a1
a2
a8
fj
f j cj
5
3
0
a1
a2
a3
2/5
1/5
-1/5
19/5
-3/5
-2/5
1/5
-2/5
-3/5
fj
67/5
-4/5
-11/5
-4/5
-11/5
f j cj
Prin rezolvarea acestui model liniar prin cei doi algoritmi am vrut s
evideniem, nc o dat, comportarea dual a acestora n ceea ce privete
atingerea minimului funciei f :
f 01 = 14
Algoritmul
simplex primal
f 02 = 3 + 9
f 03 = (58 + ) / 3
[min] f = 67 / 5
Algoritmul
simplex dual
f 02 = 25 / 3
f 01 = 0

Metoda SIMPLEX-001

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

Metoda SIMPLEX-001

Încărcat de

Drepturi de autor:

Formate disponibile

II.

METODE SIMPLEX PENTRU MODELE LINIARE

Pentru rezolvarea modelelor liniare, au aprut, ncepnd cu 1948,

Analiza economico-matematic a unor modele liniare

Fie X 1 o SAB corespunztoare bazei B1 = (as )sJ B1 , n raport cu care

se va explicita sistemul de restricii X B = B1

valorile variabilelor bazice, deci, componentele nenegative ale vectorului

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

j J J B , f j c j < 0 i exist cel puin un indice s J B astfel nct

y sj > 0 , atunci X 1 poate fi nlocuit printr-o soluie admisibil de baz X 2

cel puin la fel de bun, n sensul f ( X 1 ) f ( X 2 ) . Soluia admisibil

X 2 corespunde bazei B 2 dedus din B1 prin nlocuirea lui ak , k J B , cu

al , l J J B . Indicii l i k sunt dai de relaiile:

Teorema 2: Testul de optimalitate

O soluie admisibil de baz, X , a problemei (P) este optim dac i numai

Metode simplex pentru modele liniare

Observaia 1 : Dac exist X SAB astfel nct s fie identificate relaiile

II.1.3 - numite criteriu de optimalitate - atunci [max] f ( x) << + .

este criteriu de optimalitate dac se cere minimizarea funciei liniare f.

f j c j > 0 , j J J B (adic, oricare j pentru care a j este

Dac pentru o soluie admisibil de baz a problemei considerate

recunoatere a optimului nemrginit (teorema 3) este:

Din enunul teoremei rezult c o problem de programare liniar

Analiza economico-matematic a unor modele liniare

Concluziile celor trei teoreme sunt sistematizate n tabelul urmtor:

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

rangAmn = m < n , b 0 , bk > 0 , k 1, m

X (1) B = (a1 ...a m ) i R = (a m +1 ...a n )

Metode simplex pentru modele liniare

0 , pentru a j vector bazic

STOP. Problema admite soluie

Analiza economico-matematic a unor modele liniare

criteriul de eliminare din baz (C.E.B):

(a1 ...a k 1 a k a k +1 ...a m ) (a1 ...a k 1 a r a k +1 ...a m )

2) Vectorii care se menin n baz i menin componentele; dac

va avea componentele lui

a luat locul lui

Metode simplex pentru modele liniare

numrul soluiilor admisibile de baz este cel mult C nm ;

admisibile de baz. Procedura de iterare a algoritmului simplex se oprete

optimizeaz funcia scop.

sensul dat de tipul de optim al funciei f ( X ) , se realizeaz o cretere a

Observaia 8: Cnd scopul este de a minimiza funcia obiectiv, algoritmul

se modific, n sensul maximizrii funciei ( f ) .

Model liniar cu optim finit, unic determinat

Analiza economico-matematic a unor modele liniare

Se consider un model simplificat al unui proces de fabricare a trei

Metode simplex pentru modele liniare

Se scrie baza de start i se deduce soluia admisibil de baz (SAB)

a 6 ) = I 3 este baza de start format din vectorii

explicitarea sistemului n raport cu baza B1 :

X SAB = (0 0 0 680 800 900 ) .

Observaia 9: Nu are importan ce coloane ale matricii A sunt vectori

liniar independeni n R m ; important pentru rapiditatea gsirii soluiei

Analiza economico-matematic a unor modele liniare

De obicei, calculele implicate de aplicarea algoritmului simplex sunt

Metode simplex pentru modele liniare

-20 -16 -17

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

STOP. X 1 este soluia optim

Pentru problema de fa, f j c j < 0 ,

j = 4,5,6 se trece la Pasul 4.

l J J astfel nct f l cl < 0 i y sl 0 , s J ?

Din T.II.1.1 se observ c nu exist vector nebazic (a1