Documente Academic
Documente Profesional
Documente Cultură
Teste de autoevaluare
Obiective ale UI
Prin parcurgerea acestei UI vei nva despre:
Structura unui model de programare liniar (n numere reale i n
numere ntregi) i modul n care acesta se poate utiliza pentru
determinarea structurii sortimentale optime a unei firme;
Rolul postoptimizrii n problemele de programare a structurii
sortimentale i posibilitile de analiz oferite de aceasta.
Cum se pot rezolva problemele de programare liniar i
programare scop n sistem conversaional, cu produsele
informatice WINQSB, QM for Windows si Excel, i cum se
interepreaz rapoartele obinute.
2
Introducere
Multe decizii de management implic ncercarea de a face mai eficient utilizarea
resurselor (maini, munc, bani, timp, spaiu de depozitare, materii prime, etc.) unei
organizaii. Aceste resurse pot fi utilizate pentru a face produse (cum ar fi maini,
mobilier, alimente, mbrcminte) sau servicii (ex: orare pentru companiile aeriene sau
de producie, politici publicitare sau decizii de investiii).
Programarea liniar (LP) este o tehnica de modelare matematic utilizat pe scar
larg, conceput pentru a ajuta managerii n planificarea i luarea deciziilor n raport
cu alocarea resurselor.
n ciuda numelui su, PL i categoria mai larg a tehnicilor numite de programare
matematica au foarte puin de a face cu programarea informatica. n tiina
managementului, programarea se refer la modelarea i rezolvarea matematic a unei
probleme. Problemele de PL sunt prea greoaie pentru a se putea rezolva cu mna, de
aceea programele informatice dedicate sunt foarte utile.
n ultimii 60 de ani, PL a fost aplicat pe scar larg pentru probleme militare,
industriale, financiare, de marketing, contabilitate, precum i de agricultur. Chiar
dac aceste aplicaii sunt diverse, toate problemele de PL au mai multe proprieti i
ipoteze n comun.
x1, x2,...,xn, nivelurile pe care le pot atinge fiecare din cele n activiti =
variabilele de decizie ale problemei.
Alegerea unei variante decizionale se realizeaz pe baza unor criterii
economice (profit, cost, ncrcarea utilajelor etc.) exprimate prin funcii
liniare de forma:
n
f(X) =
c
j 1
xj
c jx j
j1
forma primal
forma dual.
Prin rezolvarea uneia dintre ele se obin soluiile pentru
ambele forme.
Rezolvarea n sistem conversaional se poate efectua cu
produse informatice cum sunt:
WINQSB/ Lp ilp,
QM for Windows/Linear Programming
LINDO,
SOLVER care este un instrument add-ins al Excel.
Studiul de caz 4 ptr. Seminar (carte RSC, LF; HD, CN, Modelare economic, Ed. ASE,
2009, p. 100): Determinarea sructurii optime de productie pentru variabile numere reale
Studiul de caz 4 ptr. Seminar (carte RSC, LF; HD, CN, Modelare economic, Ed. ASE,
2009, p. 100): Determinarea sructurii optime de productie pentru variabile numere reale
Studiul de caz 4 (carte Modelare economic, Ed. ASE, 2009, p. 100): Determinarea
structurii optime de productie pentru variabile numere reale
2. Rezolvarea cu WINQSB/LP-ILP:
Decisi
on
Varia
ble
Solution
Value
Unit
Cost
or
Profit
c(j)
Total
Contribu
tion
Redu
ced
Cost
Basis
Status
X1
57
X2
X3
7000
70
490000
3000
50
150000
Objective Function
(Max)=
Constrai
nt
1
2
4
C1
C2
C3
Left Hand
Side
-3.00 at bound
Interval de
optimalitate
Allowa
Allowa
ble
ble
Min.
Max.
c(j)
c(j)
-M
60
basic
64
150
basic
44
70
640000
Interval de
admisibilitate
Slack
or
Surplus
Shadow
Price
Allowabl
Min. RHS
Allowable
Max. RHS
10000
>=
8000
2000
-M
10000
10000
<=
10000
40
8000
24000
2400
<=
2400
100
1000
3000
obiectiv
Furnizeaz intervalul n care poate varia fiecare coeficient al funciei obiectiv,
astfel nct soluia optim primal (coloana Solution Value din WINQSB) s
rmn neschimbat.
Intervalul asociat unui coeficient al funciei obiectiv pentru care soluia
problemei rmne optim se numete interval de optimalitate (Coloanele
Allowable Min c(j) i Allowable Max c(j) din WINQSB)
Cunoscnd soluia optim i intervalul de variaie al unui coeficient al funciei
obiectiv, n ipoteza c ceilali coeficieni ai modelului nu se modific, se poate
determina variaia corespunztoare a funciei obiectiv.
Ex.: dac preul de vnzare pentru Stofa1 este mai mic de 60 u.m./metru atunci
x1 = cantitatea realizat din Stofa1 va rmne zero.
Creterea de la 57u.m./metru la 58 u.m./metru a preului de vnzare nu va genera
venit suplimentar deoarece (58 57)*0 = 0.
Dac ceilali coeficieni nu se modific, dar se modific de la 70 u.m./metru la 72
u.m./metru preul asociat lui x2, deoarece 72 aparine intervalului
[64; 150], iar x2 = cantitatea optim realizat din Stofa2 = 7000 metri, atunci
venitul total va crete cu (72-70)*7000 = 14000 u.m., adic de la 640 000 u.m. la
654000 u.m.
Studiul de caz 4 ptr. Seminar (carte RSC, LF; HD, CN, Modelare economic, Ed. ASE,
2009, p. 100): Determinarea sructurii optime de productie pentru variabile numere reale
From
Coeff.
of X1
To
Coeff.
of X1
From
OBJ Value
To
OBJ Value
Slope
Leaving
Variable
Entering
Variable
640000
X3
X1
700000 6000
X2
Slack_
C3
70.00
700000
57.00
-M
640000
1000
0
640000
0
M
Studiul de caz 4 ptr. Seminar (carte RSC, LF; HD, CN, Modelare economic, Ed. ASE,
2009, p. 100): Determinarea sructurii optime de productie pentru variabile numere reale
M
900000
800000
700000
700000
640000
640000
640000
600000
-M
30
40
50
57 60
70
80
M
90
Studiul de caz 4 ptr. Seminar (carte RSC, LF; HD, CN, Modelare economic, Ed. ASE,
2009, p. 100): Determinarea sructurii optime de productie pentru variabile numere reale
To RHS
of C3
From
OBJ Value
To
OBJ
Leaving
Variable
Slope
Entering
Variable
Value
1
2400
3000
2400
1000
3000.00
X3
Slack_C3
X2
Slack_C2
640000
700000
100
700000
700000
1000
640000
500000
100
800
500000
400000
500 Surplus_C
1
5
Studiul de caz 4 ptr. Seminar (carte RSC, LF; HD, CN, Modelare economic, Ed. ASE,
2009, p. 100): Determinarea sructurii optime de productie pentru variabile numere reale
amestecate.
Produsul P are caracteristici calitative impuse i exprimate prin m indicatori: I1,
I2, ... Im, de mrime bi (i = 1, ..., m);
aij mrimea indicatorilor pentru fiecare produs (i = 1, ..., m); (j = 1, ..., n);
Eh (h = 1, ..., r) indicatori de eficien ai fiecrui produs cu mrimile Chj (h = 1,
..., r); (j = 1, ..., n), care, dup caz, vor fi maximizai sau minimizai.
Modelul matematic general al problemei de amestec:
n
Exemplu: care s fie cantitatea din fiecare ingredient
ce intr n compoziia unui produs (variabilele),
astfel nct s se obin un produs cu cost minim
(functia obiectiv), n condiiile respectrii unor anumite
coninuturi n substane nutritive (restriciile).
op t C hj x j
j1
a ij x j b i
j1
xj 0
ij
x j Ni
xj 0
Notaii:
aij - numr de piese/buci de tip i care se debiteaz/taie/croiesc conform soluiei
(tiparului) j;
cj costul sau cantitatea deeurilor rmase conform soluiei j;
Ni - numrul de piese/buci necesare de tip i;
Xj - numrul de suprafee debitate/croite conform soluiei j.
Exemplu: care s fie numrul de evi tiate dup fiecare tipar (variabilele), astfel nct
s se minimeze cantitatea de deeuri rezultate (funcia obiectiv), n condiiile
obinerii unui anumit numr de evi din fiecare model i a respectrii unor anumite
tipare de croire (restriciile).
ITERATIA 2
Decis
on
Varia
le
Soluti
on
Value
Varia
Le Type
Statu
s
2.00
Integer
Yes
7.00
Integer
Yes
X3
1.75
Integer
No
X4
2.00
Integer
Yes
Lower
Bound
Upper
Bound
X1
2.00
X2
Yes
No
Decis
on
Varia
le
Lower
Bound
Upper
Bound
Solutio
n
Value
Variabl
e
Type
Sta
Us
X1
1.82
Integer
No
X2
7.45
Integer
No
X3
2.00
Integer
X4
2.23
Integer
Lower
Bound
Upper
Bound
Solution
Value
Variable
Type
Status
X1
2.00
2.00
Integer
Yes
X2
7.00
Integer
Yes
X3
2.00
2.00
Integer
Yes
X4
2.00
Integer
Yes
ZL = -M New incumbent
Z=5800,68
x1 = 1,82
x2 = 7,45
x3 = 2 x4 = 2,23
x1 1
x1 2
Iteraia 2
Iteraia 5
Z=5592,50
x1 = 2
x2 = 7
x3 = 1,75
x4 = 2
Z= 5612,50
x1 = 1
x2 = 7,7
x3 = 2
x4 = 1,9
x2 7
Iteraia 7
Z=5175
x1 = 1
x2 = 7
x3 = 1,56
x4 = 1,38
x3 1
x2 8
Iteraia 6
Z=5382,50
x1 = 0
x2 = 8
x3 = 2
x4 = 1,5
Soluie neadmisibil
Iteraia 4
Z=4967,95
x1 = 2,55
x2 = 5,64
x3 = 1
x4 = 1,32
x3 2
Iteraia 3
Z=5570
x1 = 2
x2 = 7
x3 = 2
x4 = 2
Soluia optim
5. PROGRAMAREA LINIAR
MULTIDIMENSIONAL/ MULTIOBIECTIV
Forma general a problemei de programare liniar cu mai multe funcii
obiectiv:
Optimum F(x) = Cx
cu restriciile:
Ax b
x 0,
unde: F(x) = vector coloan cu r componente f1(x), f2(x),...,fr(x), care
reprezint funciile obiectiv prin care sunt exprimate criteriile de
evaluare a variantelor decizionale.
Metode:
Metoda maximizrii unei funcii sintez de utilitate
Metoda programarii scop
5. PROGRAMAREA LINIAR
MULTIDIMENSIONAL/ MULTIOBIECTIV
METODA MAXIMIZRII UNEI FUNCII SINTEZ DE UTILITATE
Pentru determinarea unei soluii care realizeaz cel mai bun compromis pentru
5. PROGRAMAREA LINIAR
MULTIDIMENSIONAL/ MULTIOBIECTIV
METODA PROGRAMARII SCOP
PS - o metod de rezolvare a problemei de programare liniar cu mai multe funcii
obiectiv.
Metoda PS a fost propus i dezvoltat sub denumirea de "Goal Programming" de
A. Charnes i W. Cooper.
Obiectivul programrii scop: gsirea unei soluii care verific restriciile Ax b,
x0 i care conduce la abateri ct mai mici fa de scopurile propuse prin funciile
obiectiv.
Ideea de baz a metodei const n transformarea tuturor funciilor obiectiv n
restricii scop prin:
specificarea pentru fiecare funcie obiectiv a unui nivel de aspiraie sau scop;
definirea pentru fiecare scop a unei perechi de variabile de abatere sau
deviaie:
deviaia n plus fa de scopul propus;
deviaia n minus fa de scopul propus.
Nivelurile de aspiraie sau scopurile pot fi:
stabilite de decident;
obinute prin optimizarea problemei de programare liniar n raport cu
fiecare funcie obiectiv.
5. PROGRAMAREA LINIAR
MULTIDIMENSIONAL/ MULTIOBIECTIV
METODA PROGRAMARII SCOP
Funcia care minimizeaz deviaiile fa de nivelurile de aspiraie sau scopurile propuse
( d
i 1
i d i )
5. PROGRAMAREA LINIAR
MULTIDIMENSIONAL/ MULTIOBIECTIV
Studiul de caz 10 ptr. seminar (carte RSC, LF, HD, CN, Modelare Economica, Ed
ASE, 2009, p.165 ): Rezolvarea cu metoda programarii scop
Studiul de caz 10 ptr. seminar (carte RSC, LF, HD, CN, Modelare Economica, Ed
ASE, 2009, p.165 ): Rezolvarea cu metoda programarii scop
Variabile de
abatere/deviatie
Niveluri de
aspiratie
Studiul de caz 10 ptr. seminar (carte RSC, LF, HD, CN, Modelare Economica, Ed
ASE, 2009, p.165 ): Rezolvarea cu metoda programarii scop
Solution
Value
Basis
Status
Reduced
Cost
Goal 1
Reduced
Cost
Goal 2
Reduced
Cost
Goal 3
X1
12
basic
X2
at bound
60
-35
X3
basic
Venitsupl
at bound
Venitm
1560
basic
Timpsupl
60
basic
Timpm
at bound
Mimpsupl
at bound
-300
75
Mimpm
at bound
300
-75
Goal 1: Minimize G1 = 0
Goal 2: Minimize G2 = 1560
Goal 3: Minimize G3 = 60
Studiul de caz 10 ptr. seminar (carte RSC, LF, HD, CN, Modelare Economica, Ed
ASE, 2009, p.165 ): Rezolvarea cu metoda programarii scop
Sensitivity Analysis of the Right-Hand-Sides for Studiul de caz 10
Right
Hand
Side
Constraint
1
Material1
Cerere Pcs1+Pcs2
Allowabl
e
Min.RHS
Allowable
Max.RHS
Shadow
Price
Goal 1
Shadow
Price
Goal 2
Shadow
Price
Goal 3
<=
10
8.2
>=
12
-M
12
Cerere PCs3
>=
3.2
20
-11
Venit
prioritate 2
2700 1220
Timp
prioritate 3
215
-M
275
-1
Mimport
prioritate 1
4.4
4.4
-300
75
Studiul de caz 10 ptr. seminar (carte RSC, LF, HD, CN, Modelare Economica, Ed
ASE, 2009, p.165 ): Rezolvarea cu metoda programarii scop
Pasul 4: Analiza
rezultatelor (seminar):
Teste de autoevaluare
Justificai necesitatea efecturii analizei de senzitivitate ntr-un model de programare liniar