PROGRAMARE LINIARA. ALGORITMUL SIMPLEX .

Unul din atributele conducerii este decizia. Prin decizii se conduce procesul de
productie pentru atingerea obiectivelor si sporirea eficientei sistemului de productie.
Prin eficienta intelegem atingerea obiectivelor cu un consum minim de resurse (bani,
forta de munca, combustibil, energie, fond de timp utilaje etc).
Sa notam:
U utilitatea sau obiectivul care trebuie atins;
Xi variabilele de care depinde realizarea obiectivului ce pot fi controlate,
masurate, modificate sau fixate in anumite limite;
Yi variabile sau constante necontrolabile, care sunt independente de vointa
noastra sau care variaza imprevizibil.
Atunci se poate spune ca intre valorile definite ca mai sus exista relatia de forma:
Convenim sa numim aceasta relatie model matematic.
U f ( X i , Yi )

Definitie. Prin model matematic se intelege un sistem de relatii matematice

destinat explicarii legaturilor cauzale ale unui fenomen. Modelul descrie simplificat si
riguros interactiunile dintre marimile esentiale ale unui proces si serveste la
descoperirea unor noi moduri de organizare si comportament a realitatii modelate.
Modelul poate contine sisteme de ecuatii sau inecuatii uneori complicate si
numeroase.
In model se distinge o functie criteriu denumita si functie obiectiv si eventual
relatii de restrictii.
Utilizand modelul se pot gasi valorile optime ale variabilelor controlate care
asigura cea mai buna performanta a sistemului condus.
Solutia (rezolvarea) cautata se poate obtine:
- cu metodele analizei matematice atunci cand modelul contine functii continue
si derivabile;
- prin simulare, deseori prin metoda Monte Carlo;
- folosind algoritmii specifici modelelor cercetarii operationale.
Cercetarea oprationala este un capitol, relativ nou, al matematicilor aplicate care
cuprinde algorimi de rezolvare a unor probleme intalnite frecvent in practica
conducerii sistemelor de productie.
Atunci cand se folosesc metodele cercetarii operationale se parcurg urmatoarele
etape:
1 formularea problemei de solutionat;
2 realizarea modelului sau incadrarea intru-un model prexistent;
3 rezolvarea modelului si obtinerea solutiei (optime);
4 testarea si evaluarea rezultatelor, validarea modelului;

R.Cazacu, C.I.T Note de Curs.

Rev.15/01/06 (3,4,5)

5 implementarea si intretinerea modelului.

Modelul matematic este o abstractizare a realitatii de unde si generalitatea lui.
In ultimii 60 ani in cercetarea operationala s-au cristalizat anumite modele tip din
care enumeram: alocare resurse, gestiune stocuri, reinoire echipamente, siruri de
asteptare, ordonantare si coordonare, alegere itinerarii, competitie, strategii de cautare
etc. Acestea acopera majoritatea problemelor intalnite in practica curenta.
PROBLEME DE ALOCARE. PROGRAMARE LINIARA
In planificarea si programarea productie se intalnesc frecvent probleme in care se
cere repartizarea unor resurse disponibile intre anumite actvitati astfel ca rezultatele
obtinute sa fie optime. Problema apare atunci cand resursele sunt in cantitati limitate
(cazul cel mai frecvent).
Exemplu: Pentru a fabrica produsele P1 si P2 este necesar sa se execute operatii
de prelucrare pe masinile M1, M2 si M3, ordinea de prelucrare fiinde indiferenta.
Timpii unitari de prelucrare (executie) exprimati in minute sunt in tabel:
M1
M2
M3
P1
11
7
6
P2
9
12
16
Numarul de ore disponibile pe masini sunt:
M1 165 ore 9900 min;
M2 140 ore 8400 min;
M3 160 ore 9600 min.
Profitul pe unitatea de produs vandut este de :
P1 900 lei;
P2 1000 lei.
Profitul total lunar va fi :
Z 900.x1 1000 x 2

Unde x1 si x2 este numarul din produsele P1 si P2 fabricate.

Se cere ca respectand capcitatile limitate (resursele) ale masinilor sa se obtina un
profit maxim. Evident ca:
x1 , x 2 0

Setul restrictiilor este:

11x1 9 x 2 9900
7 x1 12 x 2 8400
6 x1 16 x 2 9600

R.Cazacu, C.I.T Note de Curs.

Rev.15/01/06 (3,4,5)

Setul restrictiilor se poate reprezenta grafic ca (ecuatii de) drepte D1, D2 si D3 in

desenul care urmeaza:

Toate punctele cuprinse in domeniul determinat de poligonul convex OABCD

sunt solutii posibile deoarece satisfac simultan toate restrictiile.
Cunoastem ca prin modificarea termenului liber in ecuatia unei drepte se obtine
o familie de drepte paralele intre ele mai apropiate sau mai departate de origina dupa
cum se mareste sau se micsoreaza termenul liber.
Astfel ca reprezentarea grafica a dreptei functiei obiectiv si indepartarea ei de
origine, paralel cu ea insasi, conduce la aflarea solutiei optime (maxime) care in cazul
de fata se gaseste in punctul C, locul unde aceasta dreapta paraseste domeniul
restrictiilor.
Punctat este reprezentata dreapta functiei obiectiv care trece prin punctul C, unde
se gaseste solutia optima deoarece dreapta functiei obiectiv este la distanta maxima de
origine fara sa paraseasca totusi spatiul solutiilor posibile.
Coordonatele punctului C se calculeaza prin intersectia dreptelor D1 cu D2 adica
prin rezolvarea sistemului:

D1
D2

R.Cazacu, C.I.T Note de Curs.

Rev.15/01/06 (3,4,5)

11x 1 9 x 2 9900
7 x1 12 x 2 8400

Solutia este : C 626,335

Z max 900 626 1000 334 898400

In general modelul programarii liniare cere sa se gaseasca un minim sau maxim

pentru functia liniara de forma:
f min/ max c1 x1 c 2 x 2 c n x n

Cu conditia ca cele n variabile xi sa satisfaca sistemul de inecuatii:

a11 x1 a12 x2 ........ a1n xn b1

a x a x ....... a x b
21 1 22 2
2n n
2

.
am1 x1 am 2 x2 ....... amn xn bn
De regula m < n.
Matricial se poate scrie:

a11

a12

a1n

a 21

a m1

a 22

a2n

am2

a mn

C c1

x1
X

c2

x2

xn

b1
B

cn

Atunci modelul exprimat matricial este:

f CX

AX B or AX B
X 0

R.Cazacu, C.I.T Note de Curs.

Rev.15/01/06 (3,4,5)

b2

bm

Definitii. Daca toate relatiile de conditii (restrictiile) sunt ecuatii, forma

modelului se numeste standard.
f min(max) CX

AX B

X 0

Daca toate relatiile de coditii sunt inecuatii de acelsi sens forma modelului se
numeste canonica.

fmax CX

AX B ori AX B
X 0
X 0

fmin CX

Se observa ca daca sensul inecuatiilor este functia obiectiv se minimizeaza, iar

daca sensul inecuatiilor este functia obiectiv trebuie maximizata.
Se cuvine a se arata ca in problemele de programare liniara exista proprietatea de
DUALITATE care permite scrierea relatiilor:

gmax fmin unde :

n

gmax c j x j

j1

i1

fmin bi yi

a x b
j1

a ji y i c j

ij ij i

i1
j 1, ,2 n

i 1, ,2 m

R.Cazacu, C.I.T Note de Curs.

Rev.15/01/06 (3,4,5)

Atunci cand sistemul restrictiilor (conditiilor) este compus din ecuatii si inecuatii
in ambele sensuri se aduce la forma standard astfel:
ax b ax+y=b
S-a introdus variabila auxiliara y denumita de compensare sau ecart. Variabilele de
compensare nu apar in functia obiectiv, acestea avand costurile zero.
Solutiile unei probleme de programare liniara pot fi:
a) Solutii posibile orice set de valori x j unde j=1,2,..,n care satisface
sistemul conditiilor sau restrictiilor
plus conditia de nenegativitate
xj 0

b) Solutie de baza in care

restrictiilor. Restul fiind nule.

numarul variabilelor xi nenule este egal cu numarul

c) Solutia optima este solutia de baza care minimizeaza sau maximizeaza, dupa caz,
functia obiectiv.
Teorema. Multimea solutiilor posibile determina in spatiul n dimensional un
poliedru convex L .Daca functia obiectiv admite un singur optim aceasta este atins in
unul din virfurile poliedrului convex . Sistemul conditiilor separa spatiul n dimensional
in doua domenii printr-o hipersuprafata caracterizata de virfuri si muchii .
Fiecare solutie este reprezentata de coordonatele punctelor aflate in virfurile , pe
muchiile , pe fetele si in interiorul domeniului marginit de poliedrul convex L .
Solutiile de baza sunt formate de coordonatele virfurilor . Cand functia obiectiv
devine optima in 2 varfuri atunci se obtin o infinitate de solutii optime situate pe
muchia generata de cele doua varfuri se spune atunci ca este un caz de
DEGENERARE .
Daca exista m restrictii cu n necunoscute unde , m < n calculand clasic, algebric ,
trebuie procedat in felul urmator :
- Se formeaza sisteme de m vectori coloana .
- Se rezolva toate sistemele ( Cramer ,Gauss etc ) .
- Se aleg din solutii cele care sunt solutii posibile .
- Se calculeaza valoarea functiei obiectiv pentru solutiile posibile .
- Se alege valoarea solutiei care face functia obiectiv optima minim sau maxim.
Volumul de calcule este insa in acest procedeu foarte important chiar pentru
puterea calculatoarelor obisnuite, exemplu pentru m = 8 si n = 16.
8
C nm C16

n!
16!

12870
m!(n m)! 8!(16 8)!

Algoritmul SIMPLEX

R.Cazacu, C.I.T Note de Curs.

Rev.15/01/06 (3,4,5)

11
sau C 21
352716

sisteme

Algoritmul SIMPLEX elaborat de matematicianul american Dantzig in 1947

reduce substantial volumul de calcule pentru gasirea solutiei PL. Esenta metodei
exprimata geometric este o succesiune de treceri de la un varf al poliedrului solutiilor la
altul , in directia cresterii sau descresterii functiei obiectiv , dupa cum urmarim un
maxim sau un minim , ignorand in fiecare etapa varfurile necorespunzatoare pana se
ajunge la optim .
Deci se cere sa se determine :
f max c j x j

In
matricea :
A a ij

pe multimea solutiilor nenegative ale sistemului

n

a
j 1

ij

x j bi

pt

xj 0

a1j b1
a2j b2
aj si b

anj bm

i 1,2,3,....m

sunt n vectori coloana

Atunci relatiile de conditii sunt :

a1 x1 a 2 x 2 a n x n b

j 1,2,3,....n

forma vectoriala a sist . restrictii lor .

si functia obiectiv :

x1
f c c c *

x2

Se pot forma C nm (mmax n) 1 2 n

sisteme de cate m vectori din
care cele care
au determinantul diferit de zero
arata ca vectorii sunt liniar independenti ,
adica pot forma o baza .
n
Reluam forma matriciala
standard :
AX=b
X 0
se cere max(min)Z=CX
Daca se noteaza vectorii coloana din baza cu X B ,cei ramasi cu X R si baza cu B ,
putem scrie :

X ( x1 x 2 x m 0 0 0 0 ) transpus

XR

XB

Desigur ca vectorii din baza pot fi oricare luati cate m din n atunci :
BX B AR X R b
XB 0

si

XR 0

max(min) Z C B X B C R X R
R.Cazacu, C.I.T Note de Curs.
Rev.15/01/06 (3,4,5)

Pentru explicitarea vectorului XB se inmulteste, prima relatie, la stanga de o parte

B 1 .
si de alta a egalitatii cu

B 1 BX B B 1 AR X R B 1b

dar

B 1 B 1 si X R 0

atunci

Cunoscand deci
X B B 1b si
baza care da
optimumul

1
cautat problema Z C B X B sau Z C B B b
este rezolvata.
Algoritmul SIMPLEX porneste de la o baza cu conditia ca detB 0, apoi la
fiecare pas se introduce si se scoate cate un vector din baza (adica se inlocuieste ) pana
se ajunge la optim .
Exemplu Laborator 1: Se va arata metoda pe un exemplu simplu .
f max 3 x1 2 x 2 4 x3 cu
Se cere
restrictiile :
Se
transforma
inecuatiile

x1 2 x2 2x3 3

4x1 3x2 2 x3 6

x1 2x2 2x3 y1 3

4x1 3x2 2x3 y2 6

f max 3x1 2x2 4x3 0 y1 0 y2
in ecuatii cu ajutorul unor variabile de ecart .
Oricare din vectorii coloana pot intra in baza cu conditia ca detB 0 .
Se remarca ca baza compusa din vectorii:

R.Cazacu, C.I.T Note de Curs.

Rev.15/01/06 (3,4,5)

a4

si

a5

formeaza impreuna matricea unitate care prin definitie are det I =1 adica diferit de zero.
Se introduce notatia :
-ca suma produselor dintre coeficientii c j a vectorilor din baza si
componentele vectorului j .
Definim apoi:
a) Criteriul de introducere in baza :
max z c
-cel mai mare negativ in valoare absoluta .
zj

b) Criteriul de scoatere din baza este valoarea minima

raportului:

bj

pozitiva a
aj

Unde bj este componenta solutiei X in baza data si aj este componenta

vectorului care intra in baza .
Exemplu :
b
3
6

a3
2
2

32
6 2

Elementul de la intersectia vectorului care iese din baza si cel care intra in baza
se numeste pivot (totdeauna strict pozitiv).
Cunoscand pivotul recalcularea elementelor se face :
- elementele de pe linia pivotului prin impartire la el ;
- coloana pivotului cu valoarea 1 pe pozitia lui si 0 pentru celelalte campuri ;
- restul de elemente se recalculeaza cu regula dreptunghiului, cunoscuta de la
calculul inversei unei matrici cu metoda Gauss-Jordan expusa anterior .
Calculele sunt in tabel.

Cj
CB
0
0
4
0
4
3

Baza
a4
a5
zj-cj
a3
a5
zj-cj
a3
a1
zj-cj

R.Cazacu, C.I.T Note de Curs.

Rev.15/01/06 (3,4,5)

b
3
6
0
3/2
3
6
1
1
7

3
a1
1
4
-3
1/2
3
-1
0
1
0

-2
a2
2
3
2
1
1
6
5/6
1/3
19/3

4
a3
[2]
2
-4
1
0
0
1
0
0

0
a4
1
0
0
1/2
-1
2
2/3
-1/3
-

0
a5
0
1
0
0
1
0
-1/6
1/3
-

T
3/2=1,5
6/2=3,0
3/2:1/2=3
3/3=1

Pentru SIMPLEX MAX, algoritmul se opreste atunci cand pe linia zj-cj se obtin
numai valori pozitive sau nule adica solutia nu mai poate fi imbunatatita prin
introducerea (inlocuirea) unui vector in baza.
Solutia cautata se afla in vectorul termenilor liberi, adica:
x1 1,

x 2 0,

x3 1

Valoara functiei obiectiv este deci:

f [max] 3.1 2.0 4.1 7

Importanta practica a programarii liniare pentru planificarea si programarea

productiei poate fi ilustrata de urmatoarele probleme tip solutionate cu acest model:
Ex. 1 O intreprindere dispune de resursele R1Rm (materii prime ,
combustibil , forta de munca , bani , fond timp utilaje etc.) si fabrica produsele
P1Pn. Se cere determinarea cantitatilor X1Xn necesar de fabricat din
produsele Pi astfel ca profitul sa fie maxim stiind ca :
ai - numarul de unitati din resursa i pentru a produce o unitate din produsul j ;
bi - cantitatea din resursa i de care dispune intreprinderea ;
cj profitul obtinut prin producerea unei unitati din produsul j .
mod elul este :
unde

AX B
f max CX

Xi 0

i 1,.........m
j 1,.........n

Ex. 2 Notam cu H1Hm un numar de ingrediente care formeaza o dieta ,

amestec chimic , medicament sau aliaj si prin P1Pn o serie de produse (diete ,
aliaje etc.) . Ne propunem sa asiguram necesarul minim din fiecare ingredient Hi ca sa
obtinem costul total minim , stiind ca :
aij numarul de unitati din substanta Hi care este continuta de unitatea Pj ;
bi numarul de unitati disponibile din substanta Hi ;
cj costul unei unitati din produsul Pj ;
xi numarul de unitati din fiecare produs Pi ;
AX B
f min CX

Modelul este :

R.Cazacu, C.I.T Note de Curs.

Rev.15/01/06 (3,4,5)

10

xi 0

Ex. 3 Croirea optima. Un santier foloseste pentru beton armat bare de lungimi 8m
5,75 m si 2,25 m .Acestea se confectioneaza din bare de 14 m. Santierul are nevoie de
450 bare de 8 m , 500 bare de 5,75 m si 700 bare de 2,25 m . Sa se determine numarul
minim de bare de 14 m necesare. Se cere deci ca lungimea totala a deseurilor care
rezulta din debitare fie minima.
Se inventariaza toate procedelele posibile de taiere (debitare) a barelor:
PROCEDEUL

Numarul DESEURI
8m
1
1
0
0
0
450

P1
P2
P3
P4
P5

barelor de :
5,75 m
1
0
1
2
0
500

2,25 m
0
2
3
1
6
700

0,25 m
1,50 m
1,50 m
0,25 m
0,50 m

Modelul este:

z min 0,25 x1 1,50 x2 1,50 x3 0,25 x4 0,50 x5

x x
450
1 2

x1

x3 2 x 4

500

2 x 2 3x3 x4 6 x5 700

Sunt necesare 588 bare

Sau duala:

Solutia este :
Z min 175

g max 450 y1 500 y 2 700 y3

y y
0,25
1 2
y1

2 y3 1,50

y 2 3 y3 1,50

2 y 2 y3 0,25

6 y 3 0,50

Evident se

X 450 0 0 25

225

obtine aceiasi solutie .

Modelul SIMPLEX minim

R.Cazacu, C.I.T Note de Curs.

Rev.15/01/06 (3,4,5)

11

de 14 m.

Exemplu Laborator 2:
Sa presupunem ca se cere sa se gaseasca solutia optima a modelului:
Z min 12 x1 2 x2 5 x3
x 1 7 x2 x3 11
4 x1 x2 3x3 17

Se aduce sistemul restrictiilor la forma standard prin scaderea unor necunoscute

auxiliare iar pentru a obtine o baza artificiala pozitiva se adauga necunoscute fictive ti.
Necunoscutele auxiliare introduse pentru obtinerea egalitatii intra in functia
obiectiv cu costuri zero pentru a nu influenta solutia finala.
Necunoscutele fictive intra in functia obiectiv inmultite cu un cost de penalizare,
M care primeste o valoare suficient de mare in asa fel ca algoritmul de minim sa scoata
din baza vectorii care contin necunoscutele fictive in primii pasi de calcul. Valoarea cea
mai mare dintre coeficientii si termenii liberi ai modelului este 17. Putem atribui lui M,
in calcule, o valoare de aproximativ 3 ori mai mare decat 17 adica 50.
Necunoscutele auxiliare si fictive se adauga in model ca vectori. Punem in
evidenta acest lucru prin modul spatiat de rescriere a modelului.
Z min 12 x1 2 x2 5 x3 - 0 y1 y 2 M t 1 t 2
x 1 7 x2 x3 y1 0 t1 0 11
4 x1 x2 3 x3 0 y 2 0 t 2 17

Practic gasirea solutiei unei probleme de programare liniara cu algoritmul

SIMPLEX MINIM incepe cu intocmirea tabelului de calcul unde sunt adaugati vectorii
necunoscutelor auxiliare si fictive (cu costuri 0 respectiv cu costuri M in functia
obiectiv).
In conducerea calculelor sunt urmatoarele deosebiri fata de algoritmul SIMPLEX
MAXIMUM :
a) Vectorul care intra in baza se alege dupa criteriul valoarea maxima pozitiva a
marimilor Zj-Cj ;
b) Coloanele corespunzand vectorilor necunoscutelor fictive (M) nu se mai
calculeaza deoarece acestia ies din baza fara sa mai reintre;
c) Algoritmul (de minim) se opreste cand:
- au iesit din baza toti vectorii fictivi;

R.Cazacu, C.I.T Note de Curs.

Rev.15/01/06 (3,4,5)

12

- nu mai sunt valori strict pozitive pentru Zj-Cj corespunzand numai vectorilor
initiali din functia obiectiv (fara vectorii adaugati artificial).
CB

Cj

Baza
a6
a7
Zj-Cj
-2
a2
M
a7
Zj-Cj
-2
a2
12
a1
Zj-Cj
-2
a2
5
a3
Zj-Cj
M
M

12
-2
5
0
b
a1
a2
a3
a4
11
1
[7]
-1
-1
17
4
1
3
0
5M-12
8M+2
2M-5
-M
11/7
1/7
1
-1/7
-1/7
15,42
[3,86]
0
3,14
1/7
3,86M-12,28 0
3,14M-4,72 0,28M-2,28
1
0
1
-0,26
-0,15
4
1
0
[0,81]
0,04
46
0
0
5,24
0,78
2,27
0,32
1
0
-0,11
4,91
1,23
0
1
0,05
[20,00]
-6,49
0
0
0,47

0
a5
0
-1
-M
0
-1
-M
0,04
-0,26
-3,2
-0,03
-0,32
-1,54

M M
a6 a7
1
0 11/7=[1,57]
0
1 17/1=17
11/7*7/1=11
15,42/3,86=[3,99]
-1/0,26=-3,85
4/0,81=[4,92]

Valorile diferentelor Zj-Cj pentru M=50 cu ajutorul carora s-au determinat

vectorii care intra in baza sunt:
Pas 1 : {238; 402; 95}
Pas 2 : {180,6; 0; 152,4}
Pas 3 : {0; 0; 5,3}
Valoarea functiei obiectiv este :
Z min 12 0 2 2,27 5 4,91 20,01

Exemplul de maxim rezolvat anterior se poate rescrie pentru a calcula

minimumul folosind proprietatea de dualitate astfel :
max f x min f x

fmax CX
fmin CX

AX B si AX B
X 0
X 0

R.Cazacu, C.I.T Note de Curs.

Rev.15/01/06 (3,4,5)

13

Duala modelului devine astfel:

f min x 3x1 2 x2 4 x3
x1 2 x2 2 x3 3

4 x1 3x2 2 x3 6
Modelul extins la forma standard cu vectorii auxiliari si fictivi este:

x1 2x2 2x3 S1 t1 3

4x1 3x2 2x3 S2 t2 6

pentru xi 0 Si , ti 0

fmin 3x1 2x2 4x3 0 S1 S2 M t1 t2

CB
M
M
M
-3
-4
-3

Cj
Baza
a6
a7
Zj-Cj
a6
a1
Zj-Cj
a3
a1
Zj-Cj

b
3
6
9M
3/2
3/2
1
1
-7

-3
2
-4
a1
a2
a3
1
2
2
4
3
2
5M+3
5M-2
4M+4
0
5/4
3/2
1
3/4
1/2
0
M5/4-17/4 M3/2+5/2
0
5/6
1
1
1/3
0
0
-19/3
0

0
a4
-1
0
-M
-1
0
-M
-2/3
1/3
-5/3

0
a5
0
-1
-M
1/4
-1/4
M/4+3/4
1/6
-1/3
1/3

M
a6
1
0
0
1
0
0

M
a7
0
1
0

3/1=3
6/4=1,5
1
3/2*2/1=3

Evident ca matematic rezultatul este corect desi din punct de vedere tehnico
-economic valoarea negativa nu are sens .
Uneori in aplicarea algoritmului SIMPLEX apar unele situatii particulare .
Astfel se poate intampla ca o componenta bazica sa fie xi =0, caz in care solutia
este degenerata. In acest caz se foloseste metoda perturbarii care consta in

R.Cazacu, C.I.T Note de Curs.

Rev.15/01/06 (3,4,5)

14

adaugarea unor cantitati mici in model ,care nu modifica esential modelul , dar
ajuta la depasirea degenerarii . Nu vom insista asupra acestei metode .
In activitatea practica se poate intampla ca dupa rezolvarea problemei propriuzise si obtinerea solutiei optime sa apara anumite modificari in setul de restrictii
sau functia obiectiv . Problema care se pune este de a relua rezolvarea modelului
modificat de la o solutie de baza mai apropiata de solutia optima . Adica este
necesar sa se testeze daca solutia optima se mentine si in conditiile noi modificate
si daca nu, care este metoda care sa porneasca de la o solutie de baza cat mai
apropiata de cea optima . Exista metode care trateaza aceste situatii inclusiv
parametrizarea unor vectori din baza . Dezvoltarile de acest fel ale programarii
liniare se numesc programare parametrica .
Exista si modele de alocare la care functia obiectiv si/sau setul de restrictii nu
mai sunt relatii liniare . In acest caz modelele se numesc de programare neliniara
(patratica , convexa etc.) .
Sunt cazuri in care solutia se cere sa fie in numere intregi neavand sens
fractiile caz in care programarea se numeste in numere intregi .
Pentru rezolvarea acestor modele exista algoritmi specifici.

BIBLIOGRAFIE
1. Ackoff R.L. & Sasieni M.W, Bazele cercetarii operationale, Ed. Tehnica, Bucuresti
1975.
2. Dinescu C., Savulescu B., Metode matematice si aplicatii pentru optimizarea
problemelor din economie. Ed. Didactica si Pedagogica Bucuresti 1976.
3. Dinescu C., Savulescu B., Initiere in matematica aplicata. Ed. Albatros, Bucuresti
1984.
4. Elmaghraby S.E. Proiectarea sistemelor de productie, Editura tehnica Bucuresti
1968.
5. Ionescu H, Dinescu C, Burlacu V., Teoria grafelor cu aplicatii in economie, Editura
stiintifica, Bucuresti, 1969.
6. Ionescu H, Dinescu C, Savulescu B, Probleme ale cercetarii operationale. Ed.
Didactica si Pedagogica, Bucuresti 1972.
7. Kaufmann A., Metode si modele ale cercetarii operationale Vol 1 si 2, Ed.
Stiintifica, Bucuresti, 1967.
8. Malita M, Zidaroiu C. Matematica organizarii. Editura tehnica. Bucuresti 1975.
9. Pop D-tru., Elemente de programare liniara cu aplicatii, Editura militara, Bucuresti,
1972.
10. Postelnicu T, Dinescu C, Savulescu B, Matematici speciale aplicate in economie,
Ed. Didactica si Pedagogica, Bucuresti 1977.
11. Sobol I. M., The Monte Carlo method, Mir Publishers, Moscow, 1975

R.Cazacu, C.I.T Note de Curs.

Rev.15/01/06 (3,4,5)

15

12. Vaduva I, Dinescu C, Savulescu B, Modele matematice de organizare si conducerea

productiei, vol.1 si 2, Ed. Didactica si Pedagogica Bucuresti. 1974.

R.Cazacu, C.I.T Note de Curs.

Rev.15/01/06 (3,4,5)

16