Sunteți pe pagina 1din 17

Seminar Modelare Economica - an.univ.

2014-2015

Studiu de caz 6: Determinarea structurii optime de productie pentru variabile numere reale
Studiul de caz 4 din cartea RSC, LF, HD, CN, Modelare economic, Ed. ASE, 2009, p. 100
O societate comercial specializat n realizarea de esturi urmeaz s produc n luna
urmtoare, pe baza studiilor de pia ntreprinse, trei tipuri de stofe: Stofa1, Stofa2 i Stofa3. Se
dorete stabilirea unui program optim de producie n urmtoarele condiii:
1. Maximizarea venitului dac preurile de vnzare sunt: 57 u.m./metru pentru Stofa1, 70
u.m./metru pentru Stofa2 i 50 u.m./metru pentru Stofa3;
2. Obinerea unei producii fizice de cel puin 8000 metri (pentru care exist contracte
ferme) i cel mult 10000 metri;
3. Consumul din materia prim de import MI s nu depeasc
2400
kg,
cunoscndu-se
consumurile
specifice:
0,2
kg/metru
Stofa1,
0,3 kg/metru Stofa2, 0,1 kg/metru Stofa3.
Modelul economico - matematic
Se noteaz cu x vectorul programului de producie pentru luna urmtoare format din
componentele:
x1 = cantitatea din Stofa1
x2 = cantitatea din Stofa2
x3 = cantitatea din Stofa3
Funcia obiectiv:
max (57x1 + 70x2 + 50x3)
Restriciile liniare:
x1 + x2 + x3 8000
x1 + x2 + x3 10000
0,2x1 + 0,3x2 + 0,1x3 2400
Restriciile referitoare la semnul variabilelor:
x1 0
x2 0
x3 0
Rezolvarea problemelor de programare liniar
Metodele de rezolvare ale modelelor de programare liniar au la baz algoritmul simplex
construit de G. Dantzig24. Acest algoritm presupune transformarea n ecuaii a restriciilor liniare de
tip inecuaii. Astfel, o restricie de tip va deveni ecuaie prin scderea, din partea stng a
restriciei, a unei variabile nenegative de surplus, iar o restricie va deveni ecuaie prin adugarea,
n
partea
stng
a
restriciei,
a
unei
variabile
nenegative
de
rezerv.
n ambele situaii, aceste variabile au semnificaii economice specifice procesului economic modelat.
Prin aceste transformri, un sistem cu m restricii liniare de tip inecuaii i cu n necunoscute va
deveni un sistem cu m ecuaii liniare i (n + m) necunoscute. Acest sistem de ecuaii este
nedeterminat i are o infinitate de soluii n cazul n care domeniul definit de restricii este nevid.

24

J. A. Lawrence, B. A. Pasternack, Applied Management Science. A Computer Integrated Approach for Decision
Making. John Wiley & Sons Inc., New York, 1998
1

Seminar Modelare Economica - an.univ. 2014-2015

Forma dual a modelului de programare liniar


Orice problem de programare liniar are dou forme: forma primal i forma dual.
Prin rezolvarea uneia dintre ele se obin soluiile pentru ambele forme. Unele programe
informatice construiesc automat duala problemei de programare liniar introdus de utilizator.
Pentru Studiul de caz 4, forma dual a modelului de programare liniar este urmtoarea:
Funcia obiectiv:
min (8000u1 + 10000u2 + 2400u3)
Restriciile liniare:
u1 + u2 + 0,2u3 57
u1 + u2 + 0,3u3 70
u1 + u2 + 0,1u3 50
Restriciile referitoare la semnul variabilelor:
u1 0
u2 0
u3 0
Forma dual se poate obine prin aplicarea urmtoarelor reguli:
- Fiecrei restricii liniare din primal se asociaz o variabil dual numit i pre dual
sau pre umbr. Rezult ca numrul variabilelor duale este egal cu numrul restriciilor liniare ale
primalei;
- Fiecrei variabile din primal se asociaz o restricie liniar n dual construit cu
coeficienii variabilei respective n primal. Termenii liberi din partea dreapt a sistemului de
restricii liniare din dual sunt coeficienii variabilelor din funcia obiectiv a primalei. Rezult ca
numrul de restricii liniare ale dualei este egal cu numrul variabilelor primalei.
- Dac funcia obiectiv a primalei este de maxim atunci funcia obiectiv a dualei este de
minim i invers. Coeficienii din funcia obiectiv dual sunt termenii liberi din partea dreapt a
sistemului de restricii liniare din primal.
- Semnele variabilelor duale i ale restriciilor din dual depind de tipul primalei i de
semnele restriciilor din primal, respectiv semnele variabilelor primale. Pentru forma primal de
maxim: fiecrei restricii de forma , , =, din forma primal, i corespunde n forma dual o
variabil nenegativ, nepozitiv, respectiv oarecare; fiecrei variabile nenegative, nepozitiv,
oarecare din primal i corespunde n forma dual o restricie de forma , , respectiv =. Pentru
forma primal de minim: fiecrei restricii de forma , , =, din forma primal, i corespunde n
forma dual o variabil nepozitiv, nenegativ, respectiv oarecare; fiecrei variabile nenegative,
nepozitiv, oarecare din primal i corespunde n forma dual o restricie de forma , , respectiv
=.
Rezolvarea n sistem conversaional se poate efectua cu produse informatice cum sunt: QM/Linear
Programming, WINQSB/Lp ilp, SOLVER care este un instrument add-ins al sistemului Excel.
I. Rezolvarea cu WINQSB/Lp-ilp
Rezolvarea cu produsul informatic WINQSB presupune parcurgerea urmtoarelor etape:
se selecteaz modulul Linear and Integer Programming (LP-ILP)
Introducerea datelor problemei - se completeaz urmtoarele cmpuri:
Problem Title - titlul problemei (opional)
Number of Variables numarul variabilelor modelului (Variables): 3
Number of Constraints numarul restriciilor (Constraints): 3
Objective Criterion sensul optimizrii funciei obiectiv: Maximizare

Seminar Modelare Economica - an.univ. 2014-2015

Default Variable Type tipul variabilelor: numere reale nenegative (Nonnegative


continuous)
Data Entry Format modul de introducere a datelor problemei: tabelar (Spreadsheet
Matrix Form)
Dup completarea acestora, se continu prin OK.

Se introduc datele specifice problemei analizate:


coeficienii variabilelor funciei obiectiv i
inecuaiile aferente fiecrei restricii

Prin rezolvarea modelului de programare liniara (Solve and Analyze Solve the Problem) se
obine urmtorul raport:

Seminar Modelare Economica - an.univ. 2014-2015

Parametrizarea coeficientului c1 asociat variabilei x1 n funcia obiectiv (Results Perform


Parametric Analysis):

Results Graphic Parametric Analysis

Seminar Modelare Economica - an.univ. 2014-2015

Parametrizarea termenului liber b3 asociat restriciei C3 referitoare la materia prim de import


(Results Perform Parametric Analysis):

Results Graphic Parametric Analysis

Interpretarea rezultatelor obinute prin rezolvarea cu WINQSB/Lp ilp:


Prima parte a Tabelului 5.1 se refer la soluia optim a modelului de programare liniar.
Coloana Solution value conine soluia optim, adic varianta decizional care conduce
la cea mai bun valoare a criteriului de performan specificat prin funcia obiectiv. Astfel,
programul de producie propus pentru luna urmtoare prevede realizarea de 7000 m Stofa2 i
3000 m Stofa3. Produsul Stofa1 nu face parte din programul optim de producie.

Seminar Modelare Economica - an.univ. 2014-2015

Coloana Unit cost or profit c(j) conine coeficienii variabilelor de decizie din funcia
obiectiv. n exemplul numeric, aceti coeficieni reprezint preurile unitare de vnzare propuse
de decident.
Tabelul 5.1
Combined Report
Decision
Variable

1
2
3

Solution Unit
Total
Value
Cost or ContriProfit bution
c(j)

X1
0
57.00
0
X2
7000.00
70.00 490000.00
X3
3000.00
50.00 150000.00
Objective Function (Max)=
640000.00
Constraint

1
2
4

C1
C2
C3

Left
Hand
Side
10000.00
10000.00
2400.00

Direc- Right
tion
Hand
Side
>=
<=
<=

Reduced Basis
Cost
Status

-3.00
0
0

at bound
basic
basic

Slack
Shadow
or
Price
Surplus

8000.00 2000.00
10000.00
0
2400.00
0

0
40.00
100.00

Allowable
Min. c(j)

-M
64.00
44.00

Allowable
Min. RHS
-M
8000.00
1000.00

Allowable
Max. c(j)

60.00
150.00
70.00

Allowable
Max. RHS
10000.00
24000.00
3000.00

Coloana Total Contribution se obine prin nmulirea elementelor din coloana


Solution value cu elementele corespunztoare din Coloana Unit cost or profit c(j). Prin
nsumarea acestor produse se obine valoarea total a criteriului de performan. Astfel, venitul
total estimat s se realizeze prin vnzarea a 7000 m Stofa2 i 3000 m Stofa3 este de 490000 u.m.
+ 150000 u.m. = 640000 u.m.
Coloana Reduced Cost conine costurile reduse (cj zj) folosite n algoritmul simplex
pentru verificarea optimalitii soluiilor problemei de programare liniar. Costul redus este
diferit de zero numai dac variabila asociat are valoarea zero n soluia optim i arat cu ct sar nruti valoarea funciei obiectiv dac valoarea variabilei asociate ar crete de la 0 la 1. n
valoare absolut, costul redus (cj zj) arat cu ct trebuie mbuntit coeficientul cj din funcia
obiectiv, astfel nct xj s devin eficient. n Tabelul 5.1, x1 are valoarea zero i costul redus egal
cu -3 u.m. Rezult c, pentru a fi eficient introducerea n programul de producie a produsului
Stofa1 este necesar ca preul su de vnzare s fie mai mare de (57 + 3) u.m. n condiiile
specificate, realizarea unui metru din Stofa1 va conduce la modificarea programului optim de
producie i la reducerea venitului total cu 3 u.m. Venitul total obinut va fi de (640000 3) = 639997
u.m.
Coloana Basis Status arat dac variabilele decizionale sunt variabile bazice sau
nebazice. Variabilele nebazice au valoarea zero (at bound).
Coloanele Allowable Min c(j) i Allowable Max c(j) definesc intervale de optimalitate
pentru coeficienii cj din funcia obiectiv. Aceste intervale sunt necesare la analiza senzitivitii
valorii optime a funciei obiectiv la variaia coeficienilor cj asociai variabilelor decizionale.
Partea a doua a Tabelului 5.1 se refer la restriciile liniare ale problemei de programare
liniar. n lipsa unor denumiri specificate de utilizator, restriciile sau constrngerile au fost
denumite C1, C2 i C3.

Coloana Left Hand Side conine valoarea fiecrei restricii n raport cu soluia optim.

Coloana Right Hand Side conine valorile specificate de decident pentru termenii
liberi din partea dreapt a sistemului de restricii.
6

Seminar Modelare Economica - an.univ. 2014-2015

Coloana Slack or Surplus conine valorile optime ale variabilelor de rezerv (slack)
sau de surplus. Se observ c se vor realiza 2000 m n plus fa de cantitatea total contractat de
8000 m.
Coloana Shadow Price conine valorile optime ale variabilelor duale care se mai
numesc preuri duale sau preuri umbr. Ele sunt asociate restriciilor liniare. Preul umbr este
diferit de zero numai dac restricia asociat este verificat cu egalitate de ctre soluia optim a
primalei. Astfel, restriciile C2 i C3 sunt verificate cu egalitate, au preurile umbr de 40 u.m. i
respectiv 100 u.m. Preurile umbr sunt folosite la analiza senzitivitii valorii optime a funciei
obiectiv primale la variaia termenilor liberi din partea dreapt a restriciilor liniare.
Coloanele Allowable Min RHS i Allowable Max RHS definesc pentru fiecare
restricie, intervalul de variaie al termenului bi din partea dreapt (RHS) pentru care este valabil
preul umbr asociat, n ipoteza c nu se modific ali coeficieni ai modelului. Astfel, preul
umbr de 100 u.m. asociat restriciei C3 este valabil pentru variaia disponibilului b3 de materie
prim de import MI ntre 1000 kg i 3000 kg.
Analiza senzitivitii soluiei optime curente la variaia unui singur coeficient din funcia obiectiv
Aceast analiz se refer numai la soluia optim curent a primalei. Se studiaz
stabilitatea soluiei optime primale la variaia unui singur coeficient cj din funcia obiectiv, n
ipoteza c ceilali coeficieni ai modelului nu se modific.
Dac se cunoate soluia optim i intervalul de variaie al unui coeficient cj al funciei
obiectiv, n ipoteza c ceilali coeficieni ai modelului nu se modific, se poate determina variaia
corespunztoare a valorii optime a funciei obiectiv.
Din Tabelul 5.1 rezult c, 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 640000 u.m. la 654000 u.m.
Parametrizarea unui singur coeficient din funcia obiectiv
n Tabelul 5.2 sunt prezentate rezultatele obinute cu WINQSB/Lp-ilp n cazul
parametrizrii coeficientului c1 asociat variabilei x1 n funcia obiectiv.
Tabelul 5.2
Parametric Analysis for LP Sample Problem -- Objective Function
Range
1
2
3
4

From Coeff.
of X1
57.00
60.00
70.00
57.00

To Coeff.
of X1
60.00
70.00
M
-M

From
OBJ Value
640000.00
640000.00
700000.00
640000.00

To
Leaving Entering
Slope
OBJ Value
Variable Variable
640000.00
0
X3
X1
700000.00 6000.00
X2
Slack_C3
M
10000.00
640000.00
0

Se observ c s-au obinut patru intervale de variaie pentru preul unitar de vnzare al
produsului Stofa1: trei intervale la dreapta preului iniial de 57 u.m./metru propus de decident i
un singur interval la stnga lui. n Figura 5.1 este reprezentat variaia valorii funciei obiectiv
adic a venitului total care poate fi realizat dac se modific preul de vnzare pentru Stofa1, iar
7

Seminar Modelare Economica - an.univ. 2014-2015

preurile unitare de vnzare pentru Stofa2 i Stofa3 se menin la 70 u.m./metru i respectiv 50


u.m./metru.

Valoarea functiei obiectiv

M
900000

800000

700000

700000
640000

640000

640000

600000
-M
30

40

50

57 60

70

80

M
90

Coeficientul lui x1 din functia obiectiv

Figura 5.1

In coloana Slope din Tabelul 5.2, este prezentat, pentru fiecare interval de variaie al
coeficientului lui x1, raportul dintre variaia funciei obiectiv i variaia coeficientului. In acest
tip de parametrizare, raportul reprezint chiar valoarea optim a variabilei decizionale al crui
coeficient variaz. Rezult c pentru preul de vnzare cuprins ntre 57 u.m./metru i 60
u.m./metru, valoarea lui x1 n programul optim de producie este zero. Aceeai situaie apare i
pentru un pre mai mic de 57 u.m./metru.
Prin urmare, valoarea x1 = 0 este optim pentru orice pre mai mic de 60 u.m./metru. Dac preul
de vnzare pentru Stofa1 va deveni mai mare de 60 u.m./metru atunci se va modifica programul
de producie. Din coloanele Leaving Variable i Entering Variable se observ c n acest caz va
iei din program x3, adic Stofa3 i va intra n program x1, adic Stofa1.
Dac valoarea coeficientului lui x1 variaz ntre 60 u.m./metru i 70 u.m./metru atunci
venitul total crete de la 640000 u.m. la 700000 u.m., iar valoarea optim a lui x1 va fi de 6000
metri. Dac preul de vnzare pentru Stofa1 devine mai mare de 70 u.m./metru atunci va iei din
program Stofa2 i va deveni pozitiv variabila de rezerv asociat restriciei C3 referitoare la
materia prim de import.
Pentru preul mai mare de 70 u.m./metru pentru Stofa1, programul optim de producie
const n realizarea de 10000 metri Stofa1.
Analiza senzitivitii preurilor umbr curente la variaia unui singur termen din partea
dreapt a restriciilor
Aceast analiz se refer numai la soluia optim curent a dualei.
Se studiaz invariabilitatea soluiei optime duale, adic a preurilor umbr optime, la variaia unui
singur termen liber din partea dreapt a sistemului de restricii liniare, n ipoteza c ceilali
coeficieni ai modelului nu se modific.
Din Tabelul 5.1 rezult c, n cazul modificrii unui termen liber n intervalul definit
pentru fiecare restricie prin Allowable Min RHS i Allowable Max RHS, variabilele x2 i x3 vor
rmne variabile bazice nenegative, iar x1 va avea valoarea zero, fiind nebazic. n noua situaie,
se vor realiza tot produsele Stofa2 i Stofa3 ca i n soluia optim iniial, dar n alte cantiti
8

Seminar Modelare Economica - an.univ. 2014-2015

deoarece s-a modificat un termen liber i atunci vectorul b => b', astfel nct xB = B-1b' 0
pentru Produsul Stofa1 nu va fi inclus n programul optim de producie.
Dac se cunoate intervalul de variaie al termenului liber bi i preul umbr asociat ui, n
ipoteza c ceilali coeficieni ai modelului nu se modific, se poate determina variaia
corespunztoare a valorii optime a funciei obiectiv primale. Preul umbr ui arat cu ct se va
modifica valoarea optim a funciei obiectiv, dac s-ar putea mri cu o unitate termenul liber bi.
n cazul exemplului numeric analizat, preul umbr asociat restriciei C3 referitoare la
materia prim de import MI este 100 u.m./kg. Acest pre este valabil (adic rmne neschimbat)
dac disponibilul de resurs MI variaz ntre 1000 kg i 3000 kg. Dac disponibilul de resurs
crete de la cantitatea curent 2400 kg la 2500 kg, atunci se va obine un spor de
venit = (2500 2400)*100 = 10000 u.m., adic venitul total va fi de
(640000 + 10000) = 650000 u.m. De asemenea, dac disponibilul de resurs scade de la
cantitatea curent 2400 kg la 2300 kg, atunci se va obine o reducere de venit = (2300
2400)*100 = -10000 u.m., adic venitul total va fi de (640000 10000) = 630000 u.m.
Preul umbr poate fi folosit pentru analiza investiiei necesare pentru suplimentarea
resursei. Pentru ca investiia s poat fi recuperat, preul unitar de achiziie trebuie s fie mai mic
dect preul umbr de 100 u.m.
n ipoteza c ceilali coeficieni ai modelului nu se modific, iar disponibilul de resurs MI
variaz ntre 1000 kg i 3000 kg, programul optim de producie va include numai tipurile Stofa2 i
Stofa3. Tipul Stofa1 nu va face parte din programul de producie pentru luna urmtoare. n
terminologia teoriei programrii liniare, pentru acest interval de variaie, x1 este variabil nebazic,
iar x2 i x3 sunt variabile bazice. De aceea, intervalul [1000; 3000] este interval de admisibilitate al
soluiei de baz curente.
Parametrizarea unui singur termen din partea dreapt a restriciilor
n Tabelul 5.5 sunt prezentate rezultatele obinute cu WINQSB/Lp-ilp n cazul
parametrizrii termenului liber b3 asociat restriciei C3 referitoare la materia prim de import.
Tabelul 5.5
Parametric Analysis for LP Sample Problem - Right-Hand-Side

1
2
3
4
5

From RHS
To RHS
From
To
Leaving
of C3
of C3
OBJ Value OBJ Value Slope Variable
2400.00
3000.00 640000.00 700000.00 100.00
X3
3000.00
M 700000.00 700000.00
0
2400.00
1000.00 640000.00 500000.00 100.00
X2
1000.00
800.00 500000.00 400000.00 500.00 Surplus_C1
800.00 -Infinity Infeasible

Entering
Variable
Slack_C3
Slack_C2

S-au obinut cinci intervale de variaie pentru disponibilul de materie prim: dou
intervale la dreapta disponibilului de 2400 kg i trei intervale la stnga lui. n Figura 5.3 este
reprezentat variaia valorii funciei obiectiv adic a venitului total care poate fi realizat dac se
modific disponibilul de resurs MI, iar ceilali termeni liberi se menin la 8000 metri de stof
contractat i respectiv 10000 metri cerere maxim estimat.

Seminar Modelare Economica - an.univ. 2014-2015

Figura 5.3
n coloana Slope din Tabelul 5.5, este prezentat, pentru fiecare interval de variaie al
termenului liber b3, raportul dintre variaia funciei obiectiv i variaia termenului liber. In acest
tip de parametrizare, acest raport reprezint chiar valoarea optim a preului umbr asociat
restriciei al crui termen liber variaz. Rezult c pentru disponibilul de resurs cuprins ntre
2400 kg i 3000 kg, valoarea optim a preului umbr asociat va fi de 100 u.m./kg. Aceeai
situaie apare i dac disponibilul de resurs se reduce de la 2400 kg la 1000 kg. Prin urmare,
preul umbr optim de 100 u.m./kg este valabil pentru orice disponibil de resurs cuprins ntre
1000 kg i 3000 kg. Dac disponibilul de resurs va deveni mai mare de 2400 kg atunci se va
modifica programul de producie. Din coloanele Leaving Variable i Entering Variable se
observ c n acest caz va iei din program x3, adic Stofa3 i va deveni pozitiv variabila de
rezerv Slack_C3, adic va rmne materie prim neutilizat.
Dac firma dispune de o cantitate de resurs de import MI mai mare de 3000 kg, atunci
venitul total de 700000 u.m. rmne neschimbat, iar valoarea optim preului umbr asociat este
zero.
n cazul unei cantiti de resurs MI mai mic de 1000 kg, va iei din programul de
producie Stofa2 i va deveni pozitiv variabila Slack_C2 care reprezint cererea fr contract
neonorat.
Dac se reduce cantitatea de resurs de la 1000 kg la 800 kg, venitul total se reduce de la
500000 u.m. la 400000 u.m. Preul umbr al resursei pentru acest interval de variaie este de 500
u.m./kg.
Pentru o cantitate de resurs MI mai mic de 800 kg nu exist soluie admisibil, adic nu
se poate realiza cantitatea de stof contractat.

10

Seminar Modelare Economica - an.univ. 2014-2015

II. Rezolvarea in Excel


-

Introducerea datelor de intrare

Rezolvarea cu optiunea Solver. Dupa activarea optiunii se adauga restrictiile din fereastra Subject
to the constraints dand click pe butonul Add.

11

Seminar Modelare Economica - an.univ. 2014-2015

Cele 3 rapoarte selectate din Reports se genereaza in sheeturi separate:

ANSWER REPORT
Worksheet: [aplicatie PL in xls.xls]model PL
Result: Solver found a solution. All Constraints and optimality conditions are satisfied.
Solver Engine
Engine: Simplex LP
Solution Time: 0 Seconds.
Iterations: 4 Subproblems: 0
Solver Options
Max Time 100 sec, Iterations 100, Precision 0,000001
Max Subproblems Unlimited, Max Integer Sols Unlimited, Integer Tolerance 5%, Solve Without
Integer Constraints

Objective Cell (Max)


Cell
$F$2

Name
valoarea functiei obiectiv

Original
Value
0

12

Final Value
640000

Seminar Modelare Economica - an.univ. 2014-2015


Variable Cells
Cell
$B$11
$C$11
$D$11

Original
Value

Name
x1
x2
x3

Constraints
Cell
$E$6
$E$7
$E$8
$B$11
$C$11
$D$11

Final Value
0
0
0

Name

Cell Value
10000,00
10000,00
2400,00
0
7000
3000

c1 LHS
c2 LHS
c3 LHS
x1
x2
x3

0
7000
3000

Formula
$E$6>=$G$6
$E$7<=$G$7
$E$8<=$G$8
$B$11>=0
$C$11>=0
$D$11>=0

Integer
Contin
Contin
Contin

Status
Not Binding
Binding
Binding
Binding
Not Binding
Not Binding

Slack
2000,00
0
0
0
7000
3000

SENSITIVITY REPORT
Microsoft Excel 14.0 Sensitivity Report
Worksheet: [aplicatie PL in xls.xls]model PL

Variable Cells
Cell
$B$11
$C$11
$D$11

Name
x1
x2
x3

Final
Value
0
7000
3000

Reduced
Cost
-3
0
0

Objective
Coefficient
57
70
50

Allowable
Increase
3
80
20

Allowable
Decrease
1E+30
6
6

Shadow
Price

Constraint
R.H. Side
8000
10000
2400

Allowable
Increase
2000
14000
600

Allowable
Decrease
1E+30
2000
1400

Constraints
Cell
$E$6
$E$7
$E$8

Name
c1 LHS
c2 LHS
c3 LHS

Final
Value
10000
10000
2400

0
40
100

LIMITS REPORT
Microsoft Excel 14.0 Limits Report
Worksheet: [aplicatie PL in xls.xls]model PL

Cell
$F$2

Cell
$B$11
$C$11
$D$11

Objective
Name
valoarea functiei obiectiv
Variable
Name
x1
x2
x3

Value
640000

Value
0
7000
3000

Lower
Limit
0
5000
1000

13

Objective
Result
640000
500000
540000

Upper
Limit
0
7000
3000

Objective
Result
640000
640000
640000

Seminar Modelare Economica - an.univ. 2014-2015

III. Rezolvarea in QM for Windows


Rezolvarea cu produsul informatic QM presupune parcurgerea urmtoarelor etape:
se selecteaz modulul Linear Programming
Introducerea datelor problemei - se completeaz urmtoarele cmpuri:
Title - titlul problemei (opional)
Number of Variables numarul variabilelor modelului (Variables): 3
Number of Constraints numarul restriciilor (Constraints): 3
Objective sensul optimizrii funciei obiectiv: Maximizare
Raw names bifm prima opiune: Constraint 1,...
Column names bifm prima opiune: X1,....

Introducem valorile coeficienilor fiecrei variabile din funcia obiectiv i restricii. Automat, n
ultima coloan se compune forma inecuaiilor i a funciei obiectiv.

14

Seminar Modelare Economica - an.univ. 2014-2015

Apsm Solve, iar rezultatele indic programul de producie urmtor:

Accesm Window/2 Ranging i vom obine un tabel cu soluiile primalei i dualei.


n prima parte a tabelului avem:
Coloana Value ce conine soluia optim.
Coloana Reduced Cost conine costurile reduse (cj zj).
Coloana Original Val conine coeficienii c(j) ai variabilelor de decizie din funcia
obiectiv.
Coloanele Lower Bound i Upper Bound definesc intervale de optimalitate pentru
coeficienii c(j) din funcia obiectiv.
15

Seminar Modelare Economica - an.univ. 2014-2015

n a doua parte a tabelului avem:


Coloana Dual Value conine valorile optime ale variabilelor duale care se mai numesc
preuri duale sau preuri umbr.
Coloana Slack/Surplus conine valorile optime ale variabilelor de rezerv (slack) sau de
surplus.
Coloana Original Val conine coeficienii c(j) ai variabilelor de decizie din funcia
obiectiv.
Coloanele Lower Bound i Upper Bound definesc pentru fiecare restricie, intervalul de
variaie al termenului liber din partea dreapt (RHS) pentru care este valabil preul umbr
asociat, n ipoteza c nu se modific ali coeficieni ai modelului.

16

Seminar Modelare Economica - an.univ. 2014-2015

Un alt mod de a afia att soluia primalei (Solution), ct i soluia dualei (Dual) este disponibil
prin accesarea Window/ Original Problem w answers.

17