UNITATEA DE INVARE 6

Modelarea structurii sortimentale (cu una i cu mai

multe funcii obiectiv)
Obiective ale UI
1. Optimizarea modelelor de programare de tip liniar (cu variabile
numere reale/continue)
2. Formularea cazului general de postoptimizare
3. Alte aplicaii practice ale programrii liniare
4. Optimizarea modelelor de programare de tip liniar cu variabile
numere intregi
5. Programarea multidimensionala/multiobiectiv

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.

1. OPTIMIZAREA MODELELOR DE PROGRAMARE

TIP LINIAR (cu variabile reale/continue)
Fiind date n activiti competitive i m resurse limitate, se noteaz cu:

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

Aceste funcii vor fi maximizate sau minimizate n funcie de obiectivul pe

care l reprezint. Ele se numesc funcii obiectiv sau de eficien.
Nivelul pe care l poate atinge valoarea funciei obiectiv depinde de nivelul
resurselor disponibile i de obligaiile pe care organizaia le are de
ndeplinit.
Aceste constrngeri la care sunt supuse variantele decizionale pot fi
exprimate matematic prin restricii liniare.
Metodele de rezolvare ale modelelor de programare liniar au la baz
algoritmul simplex construit de G. Dantzig

1. OPTIMIZAREA MODELELOR DE PROGRAMARE

DE TIP LINIAR (cu variabile reale/continue)
Forma general a modelului de programare liniar este:

max (sau min) f(X) =

supus la restriciile:
AX b (sau AX b)
X0
unde:

c jx j
j1

X = vector coloan cu n componente x1, x2,...,xn, care reprezint necunoscutele

modelului (variabilele decizionale);

A, b, c sunt constantele modelului, considerate certe n perioada analizat;
A = matrice cu m linii i n coloane. Este numit matricea coeficienilor
tehnologici aij, i = 1,...,m, j = 1,...,n;
b = vector coloan cu m componente b1, b2, ..., bm, care sunt termenii liberi
din partea dreapt a restriciilor. Ei reprezint disponibilul maxim dintr-o
anumit resurs sau nivelul minim care trebuie atins de anumite activiti;
c = vector linie cu n componente care reprezint coeficienii funciei obiectiv.
Ei pot fi costuri unitare, preuri unitare, profituri unitare sau ali indicatori de
performan care caracterizeaz variabilele de decizie.

1. OPTIMIZAREA MODELELOR DE PROGRAMARE

TIP LINIAR (cu variabile reale/continue)
Orice problem de programare liniar are dou forme:

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.

1. OPTIMIZAREA MODELELOR DE PROGRAMARE

DE TIP LINIAR (cu variabile reale/continue)
Prin rezolvarea modelului de programare liniar (forma primal) se obin:
Soluia optim, adic varianta decizional care duce la cea mai bun valoare a
criteriului de performan specificat prin funcia obiectiv;
Preurile umbr asociate restriciilor liniare:
Preurile umbr reprezint valorile optime ale variabilelor duale;
Preurile umbr sunt folosite la analiza senzitivitii soluiei optime la variaia
vectorului b al resurselor (termenii liberi ai restriciilor liniare);
Preul umbr arat cu ct s-ar modifica valoarea funciei obiectiv dac s-ar putea
mri cu o unitate disponibilul din resursa respectiv;
Preul umbr asociat unei resurse este valabil pentru un anumit interval de variaie
al cantitii disponibile de resurs;
Preul umbr este diferit de zero numai dac restricia asociat este verificat cu
egalitate, adic numai dac resursa respectiv este folosit integral de ctre soluia
optim.
Costurile reduse asociate restriciilor de neneg. asupra variabilelor decizionale:
Costurile reduse sunt folosite pentru verificarea optimalitii soluiilor problemei de
programare liniar;
Costul redus este diferit de zero numai dac variabila asociat are valoarea zero n
soluia optim;
Costul redus arat cu ct s-ar nruti valoarea funciei obiectiv dac valoarea
variabilei asociate ar crete de la 0 la 1.

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

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.

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

1. Modelul economico matematic:

Variabilele:
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

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

Directio Right Hand

n
Side

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

2. FORMULAREA CAZULUI GENERAL DE

POSTOPTIMIZARE

Dup obinerea soluiei optime, nainte de implementarea practic a

acesteia, decidentul poate efectua:
Modificarea simultan a cantitilor disponibile din diferite resurse:
duce la reoptimizarea n raport cu vectorul b sau la parametrizarea
vectorului b al termenilor liberi;
Modificarea simultan a mai multor costuri unitare (sau preuri) duce
la reoptimizarea n raport cu vectorul c sau la parametrizarea
vectorului c al coeficienilor funciei obiectiv;
Modificarea consumurilor tehnologice: determin modificarea unor
elemente ale matricei coeficienilor tehnologici i duce la reoptimizarea
n raport cu matricea A;
Asimilarea de produse noi determin introducerea unor variabile noi i
duce la reoptimizarea n raport cu matricea A i vectorul c;
Apariia unor noi resurse limitate determin adugarea de noi restricii
i duce la reoptimizarea n raport cu matricea A i vectorul b.
Aceste modificari se pot realiza prin:
Analize de senzitivitate, Reoptimizri, Parametrizri

2. FORMULAREA CAZULUI GENERAL DE

POSTOPTIMIZARE
I. Analiza senzitivitii soluiei optime la variaia coeficienilor funciei

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.

2. FORMULAREA CAZULUI GENERAL DE

POSTOPTIMIZARE
II. Analiza senzitivitii soluiei optime (primale si duale) la variaia

termenilor liberi ai restriciilor liniare

Furnizeaz intervalul n care poate varia fiecare termen liber, astfel nct
soluia optim dual (vectorul preurilor umbr) s nu se modifice.
Intervalul asociat unui termen liber pentru care preul umbr asociat
rmne neschimbat se numete interval de admisibilitate pentru soluia
primalei. (Coloanele Allowable Min RHS i Allowable Max RHS din
WINQSB).
Cunoscnd preul umbr optim i intervalul de variaie al unui termen
liber, n ipoteza c ceilali coeficieni ai modelului nu se modific, se
poate determina variaia corespunztoare a funciei ob.
Ex.: 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.

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.

2. FORMULAREA CAZULUI GENERAL DE

POSTOPTIMIZARE

III.Reoptimizarea n cazul modificrii coeficienilor cj din

funcia obiectiv, n afara intervalelor lor de optimalitate

i/sau modificarea termenilor liberi bi din partea dreapt
a restriciilor n afara intervalelor de admisibilitate i/sau
modificarea unor coeficieni din matricea A.

Reoptimizarea pp. parcurgerea a dou etape:

Verificarea optimalitii soluiei curente n noile
condiii;
Determinarea noii soluii n cazul n care soluia
curent nu ndeplinete condiiile de optimalitate.

2. FORMULAREA CAZULUI GENERAL DE

POSTOPTIMIZARE

IV. Parametrizarea pentru analize de tipul ce-ar fi dac?

n cazul n care coeficienii cj ai funciei obiectiv sau
termenii liberi bi din partea dreapt restriciilor sunt
funcii liniare de un parametru (-, +).

Parametrizarea pp parcurgerea a dou etape:

Rezolvarea problemei pentru o valoare fixat a
parametrului;
Studiul senzitivitii soluiei la variaia parametrului.

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

Ex: Parametrizarea coeficientului c1 asociat variabilei x1 n

funcia obiectiv (pret unitar al prod Stofa 1).
Parametric Analysis for LP Sample Problem -- Objective Function
Range

From
Coeff.
of X1

To
Coeff.
of X1

From
OBJ Value

To
OBJ Value

Slope

Leaving
Variable

Entering
Variable

57.00 60.00 640000

640000

X3

X1

60.00 70.00 640000

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

Valoarea functiei obiectiv

M
900000

800000

700000

700000
640000

640000

640000

600000
-M
30

40

50

57 60

70

Coeficientul lui x1 din functia obiectiv

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

Ex: Parametrizarea termenului liber b3 asociat restriciei C3 referitoare la

materia prim de import.
Parametric Analysis for LP Sample Problem - Right-Hand-Side
From
RHS of C3

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

800 -Infinity Infeasible

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

3. ALTE APLICAII PRACTICE ALE PROGRAMARII

LINIARE
MODELE PENTRU PROBLEME DE AMESTEC

Un produs final P are n componen sa produsele Pj j 1,..., n care trebuie

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

3. ALTE APLICAII PRACTICE ALE PROGRAMARII

LINIARE
MODELE DE CROIRE
Modelul general al problemei de croire:
min c j x j

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).

4. OPTIMIZAREA MODELELOR DE PROGRAMARE

DE TIP LINIAR (cu variabile numere ntregi)

n cazul produselor indivizibile, pentru

determinarea structurii optime de fabricaie se

pot utiliza modele de programare liniar n
numere ntregi.
Domeniul de admisibilitate al modelelor liniare
cu variabile n numere ntregi este format
dintr-un numr finit de puncte. Rezult c
numrul de variante sau alternative decizionale
este finit.

4. OPTIMIZAREA MODELELOR DE PROGRAMARE

DE TIP LINIAR (cu variabile numere ntregi)
Rezolvarea modelelor liniare cu variabile ntregi se

efectueaz cu metode de enumerare.

Exist dou tipuri de metode de enumerare: explicit i
implicit.
Din categoria metodelor de enumerare implicit face parte
metoda Branch and Bound adic ramific i mrginete.
Procesul iterativ de rezolvare a unei probleme printr-o
metoda de tip branch and bound poate fi reprezentat
printr-un arbore binar, n care fiecare nod are un singur
ascendent i doi descendeni direci.
Fiecare nod al arborelui binar reprezint o problem de
programare liniar fr restriciile ca variabilele s fie
ntregi. Problemele asociate nodurilor arborelui binar se
rezolv cu algoritmul simplex.

4. OPTIMIZAREA MODELELOR DE PROGRAMARE

DE TIP LINIAR (cu variabile numere ntregi)
Un nod se ramific dac soluia problemei este nentreag i nu

exist alt nod cu soluie ntreag i cu valoare mai bun a

funciei obiectiv.
Pentru ramificarea unui nod, din soluia problemei asociat
acelui nod, se alege o component xj cu valoare nentreag,
xj = . Pornind de la aceast variabil se construiesc dou
probleme care genereaz dou noduri descendente:
Problema pentru nodul stng: prin adugarea restriciei xj [],

unde [] este parte ntreag a numrului

Problema pentru nodul drept: prin adugarea restriciei xj [] +1.
Un nod NUse mai ramific, adic devine margine, dac:
are soluie ntreag;
nu are soluie admisibil;
are soluie nentreag, dar exist alt nod cu soluie ntreag i o valoare
mai bun a funciei obiectiv

Exemplu practic: Modelarea structurii de productie si a posibilitatilor de dezvoltare a

unei organizatii, cu variabile numere intregi
Studiul de caz 5 (carte Modelare economic, Ed. ASE, 2009, p. 124)

Modelul economico matematic

Variabilele modelului

x1 = numrul de produse F43

x2 = numrul de produse F126
x3 = numr suplimentar de utilaje LM43
x4 = numr suplimentar de muncitori pentru grupa de montaj
Funcia obiectiv
Max (450x1 + 700x2 90x3 25x4)
Restricii
5x1 + 2x2 24
1,5x1 + 5x2 24 + 8x3 1,5x1 + 5x2 - 8x3 24
5x1 + 6x2 36 + 8x4 5x1 + 6x2 - 8x4 36
x3 2
x4 4
x1 0 i ntreg,
x2 0 i ntreg,
x3 0 i ntreg,
x4 0 i ntreg

Exemplu practic: Modelarea structurii de productie si a posibilitatilor de dezvoltare a unei

organizatii, cu variabile numere intregi
Rezolvare cu WINQSB (7 iteratii), ex:
ITERATIA 1

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

Current OBJ(Maximize) = 5592.50 >=

ZL = -M Non-integer

Current OBJ(Maximize) = 5800.68

>= ZL = -M Non-integer
ITERATIA 3
Decisio
Variable

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

Current OBJ(Maximize)= 5570.00 >=

ZL = -M New incumbent

Exemplu practic: Modelarea structurii de productie si a posibilitatilor de dezvoltare a unei

organizatii, cu variabile numere intregi
Iteraia 1

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

toate funciile se va construi o funcie sintez a tuturor funciilor obiectiv numit

funcie sintez de utilitate.
Funcia sintez de utilitate se obine prin transformarea funciilor obiectiv f1(x),
f2(x), ..., fr(x), cu semnificaii economice concrete, n funcii de utilitate care pot fi
nsumate.
Prin maximizarea funciei sintez de utilitate n raport cu restriciile problemei se
obine soluia de compromis cu utilitate maxim.
Algoritmul de calcul:
Pasul 1. Se obin valorile optimiste i valorile pesimiste ale tuturor funciilor obiectiv.
Pasul 2. Pe baza axiomelor von Neumann Morgenstern, se determin utilitile
valorilor optimiste O1, O2, ..., Or i pesimiste P1, P2, ..., Pr ale functiilor obiectiv.
Pasul 3. Se construiesc funciile de utilitate de forma (hfh(x) + h)
Pasul 4. Se rezolv problema de programare liniar care maximizeaza funcia sintez
de utilitate.
Pentru nelegerea modelului vezi exemplul practic din cartea Raiu-Suciu C, Luban
F, Hincu D, Ciocoiu N, Modelare Economic, Ed ASE, 2009, St caz 10, p. 165-167

5. PROGRAMAREA LINIAR
MULTIDIMENSIONAL/ MULTIOBIECTIV
METODA PROGRAMARII SCOP
PS - o metod de rezolvare a problemei de programare liniar cu mai multe funcii
obiectiv.
Metoda PS a fost propus i dezvoltat sub denumirea de "Goal Programming" de
A. Charnes i W. Cooper.
Obiectivul programrii scop: gsirea unei soluii care verific restriciile Ax b,
x0 i care conduce la abateri ct mai mici fa de scopurile propuse prin funciile
obiectiv.
Ideea de baz a metodei const n transformarea tuturor funciilor obiectiv n
restricii scop prin:
specificarea pentru fiecare funcie obiectiv a unui nivel de aspiraie sau scop;
definirea pentru fiecare scop a unei perechi de variabile de abatere sau
deviaie:
deviaia n plus fa de scopul propus;
deviaia n minus fa de scopul propus.
Nivelurile de aspiraie sau scopurile pot fi:
stabilite de decident;
obinute prin optimizarea problemei de programare liniar n raport cu
fiecare funcie obiectiv.

5. PROGRAMAREA LINIAR
MULTIDIMENSIONAL/ MULTIOBIECTIV
METODA PROGRAMARII SCOP
Funcia care minimizeaz deviaiile fa de nivelurile de aspiraie sau scopurile propuse

se numete funcie scop.

Forma general a unui model PS:

( d
i 1

i d i )

minimizeaz una sau mai multe funcii scop de forma:

supus la restriciile:
Ax b
x0
i restriciile scop:
fi(x) = Vi + d+i - d-i => fi(x) - d+i+ d-i = Vi, i = 1,...,N
d+i 0, d-i 0, i = 1,...,N
unde:
d+i si d-i deviaia n plus/n minus fa de val. prestabilit pentru funcia obiectiv i;
i i i sunt coeficieni ai deviaiilor care fac posibil nsumarea lor;
fi(x) - funcia obiectiv i;
Vi - valoarea prestabilit (nivelul de aspiraie) pentru funcia obiectiv i;
x - vector coloan cu n componente x1, x2,...,xn care reprezint variabilele decizionale ale
problemei.
Ax b: restriciile care definesc domeniul de admisibilitate al problemei pentru
variabilele decizionale x1, x2,...,xn.

5. PROGRAMAREA LINIAR
MULTIDIMENSIONAL/ MULTIOBIECTIV

METODA PROGRAMARII SCOP

Elementul cheie - specificarea funciei obiectiv, adic definirea coeficienilor i i
i pentru deviaiile di+ i di-.
Dac deviaiile se msoar cu uniti de msur diferite, atunci este necesar
definirea unor costuri de penalizare a deviaiilor astfel nct s se poat minimiza
suma total a costurilor de penalizare generate de diferite deviaii.
Funciilor scop li se pot asocia diferite prioriti. n acest caz se poate proceda
astfel:
Se ordoneaz descresctor scopurile i se stabilete prioritatea de satisfacere a
fiecrui scop:
P1 P2 Pn... unde nseamn "mult mai mare".
Numrul prioritilor este mai mic sau cel mult egal cu numrul funciilor
obiectiv, iar numrul funciilor scop este egal cu numrul prioritilor
acordate.
Ordonarea prin prioriti este absolut, astfel c scopul cu prioritatea P2 nu
va fi niciodat atins nainte ca scopul cu prioritatea P1 s fie realizat cu
abaterea cea mai mic fa de nivelul de aspiraie propus.
n acest caz, prin metoda programrii scop se rezolv succesiv un numr de
probleme egal cu numrul prioritilor.
Rezolvarea modelelor de PS: WINQSB/ Gp igp, QM forWindows/Goal Programming.

Studiul de caz 10 ptr. seminar (carte RSC, LF, HD, CN, Modelare Economica, Ed
ASE, 2009, p.165 ): Rezolvarea cu metoda programarii scop

Pasul I: scrierea modelului econ. matematic cu mai multe functii obiectiv:

Variabilele:
x1 = cantitatea din Pcs1
x2 = cantitatea din Pcs2
Funciile obiectiv:
Maximizarea venitului total
(max) f1(x) = 60x1 + 120x2 + 90x3
Minimizarea timpului necesar de lucru
(min) f2(x) = 15x1 + 10x2 + 19x3
Minimizarea consumului total din materia prim de import
(min) f3(x) = 0,2x1 + 0,6x2 + 0,4x3
Restricii:
referitoare la materialul Mat1:
C1: 0,6x1 + 0,6x2 + 0,2x3 10
referitoare la cantitile contractate:
C2: 1x1 + 1x2 12
C3: 1x3 5
Restriciile de nenegativitate:
x1 0, x2 0, x3 0,

x3 = cantitatea din Pcs3

Cele 3 fct obiectiv

se transforma in
Restrictii Scop

Studiul de caz 10 ptr. seminar (carte RSC, LF, HD, CN, Modelare Economica, Ed
ASE, 2009, p.165 ): Rezolvarea cu metoda programarii scop

Pasul 2: transformarea in modelul economico matematic de PS

Funciile scop:
Scopul cu prioritate 1: minimizarea deviaiei n plus Mimpsupl fa de consumul minim de
materie prim de import
Min G1: 1Mimpsupl
Scopul cu prioritate 2: minimizarea deviaiei n minus Venitm fa de venitul maxim
Min G2: 1Venitm
Scopul cu prioritate 3: minimizarea deviaiei n plus Timpsupl fa de timpul de lucru necesar minim
Min G3: 1Timpsupl

Restriciile pentru consumuri materiale i pentru cerere:

C1: 0,6x1 + 0,6x2 + 0,2x3 10
C2: 1x1 + 1x2 12
C3: 1x3 5
Restriciile scop:
C4: 60x1 + 120x2 + 90x3 Venitsupl + Venitm = 2700
C5: 15x1 + 10x2 + 19x3 Timpsupl + Timpm = 215
C6: 0,2x1 + 0,6x2 + 0,4x3 Mimpsupl + Mimpm = 4,4
Restriciile de nenegativitate:
x1 0, x2 0, x3 0,
Venitsupl 0, Venitm 0,
Timpsupl 0, Timpm 0,
Mimpsupl 0. Mimpm 0

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

Pasul 3: Rezolvarea modelului cu WINQSB/Gp-igp

Decision
Variable

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

2 conflicte: 1. intre scopul de prioritate 1 si cel de prioritate 2 (cu valoarea -300)

2. Intre scopul de prioritate 1 si cel de prioritate 3 (cu valoarea 75)

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):

1. Citirea solutiei (solution value)

2. Interpretarea costului redus
3. Interpretarea pretului umbra
4. Identificarea si analiza conflictelor dintre
scopuri

Teste de autoevaluare
Justificai necesitatea efecturii analizei de senzitivitate ntr-un model de programare liniar

folosit pentru determinarea unei structuri de producie.

Explicati diferena dintre parametrizare si reoptimizare n programarea liniar, ca instrumente
pentru modelarea structurii sortimentale a firmelor.
Prezentai elementele componente ale modelelor de programare liniar. Explicai diferenele
ntre modelele cu variabile numere reale i cele cu variabile numere ntregi.
Explicai ce semnificaie economic are intervalul de optimalitate i cel de admisibilitate n
cazul modelrii structurii sortimentale prin programare liniar. Cum se numete analiza
realizat pe baza acestor intervale?
Precizai ce se adaug n modelul de PL n nr. ntregi la fiecare nou iteraie.
Descriei semnificaia economic a funciilor scop din modelul de programare scop.
Explicai de ce n cazul modelului de programare scop, prin asocierea de prioriti diferite
funciilor obiectiv ale problemei de rezolvat, se genereaz conflicte ntre scopuri.
38