Curs 2009-2010

TEHNICI DE OPTIMIZARE
Istoric
Dificulti de abordare i/sau rezolvare
Planul de nvmnt
(= 10 sptmni)
ANTON BTTORESCU
Tehnici de optimizare - Cursul 1
TEHNICI DE OPTIMIZARE
CURS = 2
ORE / SPTMN
SEMINAR = 1
OR / SPTMN
FORMA DE EXAMINARE: examen ! (scris)

2 subiecte de teorie:
enunuri cu demonstraii;
enunuri descriptive.
1 exerciiu de seminar (cu subpuncte)
Coninutul cursului:
Modele de optimizare liniar i programe software.
Algoritmul simplex primal i algoritmul simplex dual.
Interpretarea economic a valorilor i soluiilor.
Metode de partiionare i relaxare.
Metode pentru probleme de optimizare neliniar.
Bibliografie
A. tefnescu, C. Zidroiu, "Cercetri Operaionale", Ed. Did.

i Pedagogic, Bucureti, 1981.
H. Karloff, Linear Programming, Progress in Theoretical

Computer Science, Birkhuser, 1991, Berlin.
A. Bttorescu, "Metode de optimizare liniar", Ed.

Universitii din Bucureti, 2003.
V. Preda, M. Bad, "Culegere de probleme de cercetri

operaionale", Tipografia Universitii din Bucureti, 1978.
http://www.ilog.com/
www.maximalsoftware.com
Exemplu optimizare neliniar

f : R R,
f ( x ) = ( x + 2 )( x 1)( x 3) ( x 5 ) = x 4 7 x 3 + 5 x 2 + 31x 30
f : [ 0, 5.6] R,
f ( x ) = x 4 7 x3 + 5 x 2 + 31x 30
Exemplu optimizare liniar

S se determine:
optim {2 x + 3 y} ,
unde optim = min max
Cu ndeplinirea condiiilor:
x+ y 4
8 x + 2 y 3
5 x 3 y 15
x + 2 y 10
2 x + y 16
Rezolvare grafic
Notaii i cteva definiii

Vom nota cu A Rmn o matrice cu m linii i n coloane:
a11 a12 a1n
a
a
a
22
2n
A = 21
= ( aij )1i m

1 j n
a
a
a
mn
m1 m 2
unde, aij R, 1 i m, 1 j n,
nm
A R .
Transpusa matricei A o vom nota
cu
Mulimea matricelor de aceeai dimensiune formeaz un spaiu
vectorial peste corpul numerelor reale.
f
A, B Rmn , R,
A + B = ( aij + bij )1i m , B = ( bij )1i m

1 j n
1 j n
Produsul matricelor:
A Rmk , B Rk n este matricea:

k
A B = C Rmn , cij = ail blj , 1 i m, 1 j n.

l =1
Determinantul unei matrice ptratice
det A =
A Rnn este numrul
( ) a ( ) a ( ) a ( )
Sn
1 1
Dac det A 0, matricea A se numete nesingular, iar n acest

caz, exist o unic matrice A-1 numit matrice invers:
0
1
1
A A = A A = In =
0
1
0
Rnn
10
n1
n
Un vector coloana v R este considerat ca fiind o matrice v R ,
iar transpusa acesteia este un vector linie.
v1

v2
f
v=
= ( v1 , v2 , , vn ) , v f = ( v1 , v2 , , vn )

vn
n
Produsul scalar a doi vectori
x, y Rn , x f y = xi yi = y f x.
i =1
Definim relaiile:
x = y xi = yi pentru orice i = 1, n,
x y xi yi pentru orice i = 1, n y x Rn+
n particular, x 0 R
xi 0, i = 1, n.
11
Sisteme de ecuaii liniare

Fie: A Rmn ,
b Rm i considerm sistemul de ecuaii liniare:
a11 x1 + a12 x2 + + a1n xn = b1

a x + a x + + a x = b
21 1 22 2
2n n
2
A x = b

am1 x1 + am 2 x2 + + amn xn = bm
n
unde x R reprezint vectorul necunoscutelor.
Notm:
Ai = ( ai1 , ai 2 , , ain ) linia ''i '' a matricei A;

A = ( a1 j , a2 j , , amj ) coloana ''j '' a matricei A.
j
A x = b
Ai x = bi , i = 1, m
j
A
x j = b.
j =1
12
Teorema Kronecker-Capelli : rang ( A ) = rang ( Ab ) = r min {m, n}
Ecuaii principale, respectiv variabile principale.
Ecuaii secundare, respectiv variabile secundare.
Prin eliminarea ecuaiilor secundare, considerm: rang ( A ) = m n.
Pentru m = n, avem soluia unic:
Pentru m < n, avem o infinitate de soluii.
x = A1 b.
Exist m coloane liniar independente ale matricei A, care formeaz
sm
s1 s2
B
=
A
A
...
A
.
o matrice de baz:
Restul coloanelor formeaz matricea R.

13
Partiionarea matricei:
A = ( B R ) .
Notm mulimea de indici corespunztoare coloanelor lui B cu
B = {s1 , s2 ,..., sm } ,
iar mulimea de indici corespunztoare coloanelor lui R cu
R = {1, 2,..., n} \ B .
xB
Partiionarea variabilei x R , x = ,
xR
n
xB = ( xi )iB = xs1 , xs2 ,..., xsm
xR = ( x j )
jR
n care,
Rm
variabile de baz (principale)
Rn m
variabile secundare
14
A x = b
B xB + R xR = b
xB = B 1 b B 1 R xR
Vectorul v R se numete soluie a sistemului dac A v = b.

n
O soluie a sistemului este numit soluie de baz, dac

componentele ei diferite de zero corespund unor coloane liniar
independente ale matricei A.
Pentru orice baz B, se poate obine o soluie de baz:
1
vB B b B
v= =
vR 0R
Deoarece rang(A) = m, cel mult m componente ale unei soluii de

baz pot fi nenule. Dac soluia de baz are exact m componente
nenule, ea se numete nedegenerat; n caz contrar ea este
degenerat.
15
Probleme de optimizare liniar

O problem de optimizare const din minimizarea sau maximizarea
unei anumite funcii - numit funcie obiectiv - n prezena unor
restricii care trebuie satisfcute.
Este suficient s studiem doar probleme de minimizare, deoarece
inf { f ( x ) | x P} = sup { f ( x ) | x P}
Fie Rn i R.
Tipuri de restricii n raport cu felul problemei de optimizare:
minimizare
maximizare
concordant
neconcordant
concordant
neconcordant
f x ,
f x ,
f x ,
f x ,
Forma general:
Conine toate tipurile de restricii i variabile care pot aprea.
inf {c1f x1 + c2f x2 + c3f x3 }

n raport cu
A11 x1 + A12 x2 + A13 x3 b1
A x + A x + A x = b
21 1
22
2
23
3
2
A31 x1 + A32 x2 + A33 x3 b3

x1 0
x3 0
Datele problemei:
m n j
Aij R i
concordante
egalitate
neconcordante
, bi Rmi , c j R j , 1 i 3, 1 j 3.
n
Necunoscutele problemei sunt grupate n trei variabile vectoriale:

x1 are componente nenegative;
x j R j , 1 j 3,
n
x2
oarecare;
x3
are componente nepozitive.
Forma standard:
Conine restricii egalitate i variabile nenegative.
inf {c f x A x = b, x 0}
Datele problemei:
A Rmn , b Rm , c Rn .
Forma canonic:
Conine restricii concordante i variabile nenegative.
inf {c f x A x b, x 0}
Datele problemei:
A Rmn , b Rm , c Rn .
Forma mixt:
Conine restricii concordante i egalitate, i variabile nenegative.
f
A1 x b1
inf c x
, x 0
A2 x = b2
A1 Rm1n , b1 Rm1
Datele problemei:
m2 n
m2
A
b
R
,
R
2
2
, c Rn .
Formele problemelor de programare liniar sunt echivalente!

Alegerea formei n funcie de necesiti:
forma standard pentru algoritmi;
forma canonica pentru dualitate.
Transformri echivalente:

Sensul unei inegaliti se schimb prin nmulire cu 1.

Transformarea unei inegaliti ntr-o ecuaie:
f x
f
x
f x+ y =
x y =
f
y0
y se numete variabil ecart (slack variable).

Transformarea unei ecuaii n inegaliti:
f x =
f x
f
x
O variabil nepozitiv
x 0 x = x 0.
O variabil oarecare
xR
x = x+ x ,
unde
x + 0, x 0.
Teorema fundamental a programri liniare

Considerm problema de programare liniar n forma standard:
inf {c f x | A x = b, x 0}
(P)
Fr a restrnge generalitatea, presupunem: rang ( A ) = m < n.

n
Vectorul v R se va numi soluie admisibil a problemei (P), dac
A v = b , v 0.
O soluie admisibil v R este o soluie optim a problemei (P),
c f v c f y.
dac oricare ar fi soluia admisibil y , avem:
n
Teorem:
1. Dac problema (P) are o soluie admisibil, atunci ea are i o
soluie admisibil de baz.
2. Dac problema (P) are o soluie optim, atunci ea are i o
soluie optim de baz.
Demonstraie.
n
Fie v R o soluie admisibil a problemei (P).
v = ( v1 , v2 ,..., vk , 0,..., 0 ) , vi > 0, i = 1, k .

f
Considerm
k = 0 v = 0 este evident o soluie de baz.
k 1. Dac
{ A , A ,..., A } sunt liniar independente, atunci

1
v este o soluie admisibil de baz.
Dac
{ A , A ,..., A } sunt liniar dependente,

1
astfel nct:
i =1
yi R, i = 1, k , yi > 0,
i =1
A yi = 0.
i
Considerm: y R , y = ( y1 , y2 ,..., yk , 0,..., 0 ) . Rezult:

f
y 0,i
Definim vectorul:
A y = .0
x ( ) = v + y, R.
Avem: A x ( ) = A ( v + y ) = A v + A y = A v = b,
deci, x ( ) este o soluie a sistemului A x = b pentru orice
R.
7
Deoarece xi ( ) = 0, i = k + 1, n, avem:
x ( ) 0 xi ( ) = vi + yi 0, pentru i = 1, k .
vi
vi
dac yi > 0,
dac yi < 0.
yi
yi
vi
Definim:
>
max
y
0
1i k
dac exist yi > 0,
i
=
yi
vi
min
= 1i k yi
deci, [ ', '']
dac nu exist yi > 0,
yi < 0
dac exist yi < 0,

dac nu exist yi < 0,
x ( ) 0,
adic este soluie admisibil.
Observaie: cel puin una dintre valorile ', '' este finit!
Pentru 0 = finit { ', ''} i0 , 1 i0 k , astfel nct vi0 + 0 yi0 = 0.
Deci, vectorul x ( 0 ) este o soluie admisibil a problemei (P) i are
cel mult ( k 1) componente nenule.
n
Fie v R o soluie optim a problemei (P) cu vi > 0, i = 1, k .
Raionm analog ca n cazul precedent:
1
2
k
Dac A , A ,..., A
} sunt liniar dependente, exist un interval astfel
nct [ ', '']
Din relaia:
rezult:
x ( ) = v + y este soluie admisibil.
cf v cf x ( ) = cf v + cf y
[ , ] avem c f y 0.
Observaie: Deoarece < 0, > 0
c f y = 0.
n caz contrar, lund = sign {c f y} c f y < 0,

contradicie!
Deci, c f x ( ) = c f v , adic, [ ', ''] , x ( ) este optim.
Pentru 0 = finit { ', ''} i0 , 1 i0 k , astfel nct vi0 + 0 yi0 = 0.

Deci, vectorul x ( 0 ) este o soluie optim a problemei (P) i are cel
mult ( k 1) componente nenule.
n general, mulimea soluiilor admisibile a problemei (P) este

infinit, spre deosebire de cea a soluiilor admisibile de baz,
care are cel mult
C mn
elemente. Importana teoremei
fundamentale a programrii liniare const n aceea c, pentru

determinarea unei soluii optime, dac ea exist, cutarea este
redus de la o mulime infinit, la una finit, fiind suficient
investigarea doar a soluiilor de baz.
10
Teoremele algoritmului simplex

inf {c f x | A x = b, x 0}
m n
m
n
unde A R , b R , c R ,
rang ( A ) = m < n.
(P)
Considerm matricea de baz B = As1 As2 ... Asm .

Partiionm matricea A BR i obinem:
A x = b
xB = B 1 b B 1 R xR = x Y j x j
jR
1
m
j
1
j
unde am notat: x = B b R i Y = B A , 1 j n.
Poziia indicelui
si B = {s1 , s2 ,..., sm } o notm loc ( si ) = i.
Pe componente, sistemul se scrie:
xsi = xi yij x j , si B , i = loc ( si ) .

jR
11
xB x B 1b
n raport cu baza B, soluia de baz este: x = = =
x
0
0
R
1
Matricea de baz B se numete primal admisibil, dac B b 0.
Funcia obiectiv se poate exprima astfel:
f
j
z = c x = c xB + c xR = c x Y x j + cR xR =
R
j
f
B
f
R
f
B
= cBf x ( cBf Y j c j ) x j = z ( z j c j ) x j
jR
unde am notat:
jR
z = cBf x , z j = cBf Y j , 1 j n.
Teorem (optim): Fie B o baz primal admisibil. Dac z j c j 0,

pentru orice j R , atunci baza B este optim.
Demonstraie. Pentru orice soluie admisibil v R avem:

z = cf v = z z j c j v j z .
n
jR
12
Teoremele algoritmului simplex

inf {c f x | A x = b, x 0}
m n
m
n
unde A R , b R , c R ,
rang ( A ) = m < n.
(P)
Considerm matricea de baz B = As1 As2 ... Asm .

Partiionm matricea A BR i obinem:
A x = b
xB = B 1 b B 1 R xR = x Y j x j
jR
1
m
j
1
j
unde am notat: x = B b R i Y = B A , 1 j n.
Poziia indicelui
si B = {s1 , s2 ,..., sm } o notm locB ( si ) = i.
Pe componente, sistemul se scrie:
xsi = xi yij x j , si B , i = locB ( si ) .

jR
xB x B 1b
x= = =
Soluia de baz corespunztoare lui B :
x
0
0
R
1
Matricea de baz B se numete primal admisibil, dac B b 0.
Funcia obiectiv se poate exprima astfel:
f
j
z = c x = c xB + c xR = c x Y x j + cR xR =
R
j
f
B
f
R
f
B
= cBf x ( cBf Y j c j ) x j = z ( z j c j ) x j
jR
unde am notat:
jR
z = cBf x , z j = cBf Y j , 1 j n.
Teorem (optim): Fie B o baz primal admisibil. Dac z j c j 0,

pentru orice j R , atunci baza B este optim.
Demonstraie. Pentru orice soluie admisibil v R avem:
z = cf v = z z j c j v j z .
n
jR
Teorem (optim infinit): Fie B o baz primal admisibil. Dac exist

k
1
k
un indice k R , astfel nct ( zk ck ) > 0, i Y = B A 0,
atunci problema (P) are optimul (-)infinit.
Demonstraie. Fie R, 0.
Definim vectorul:
xB ( ) = x Y k
locR ( k )
nm
x ( ) =
e
,
unde
R
x ( ) = elocR ( k )
R
este vector unitar.
Se verific fr dificultate c:
Rezult,
x ( ) 0,
A x ( ) = B xB ( ) + R xR ( ) = b Ak + Ak = b.
0, x ( ) este soluie admisibil pentru (P).
Funcia obiectiv este:
c f x ( ) = cBf xB ( ) + cRf xR ( ) =
= cBf ( x Y k ) + ck = z ( zk ck )
Deoarece
( zk ck ) > 0,
rezult:
lim c f x ( ) = .
Observaie.
n condiiile Teoremei de optim infinit, baza B definete o soluie nenul
A a xsistemului
= 0, x omogen
0 :
v
=
Y
B
n
vR, v =
v = elocR ( k )
R
Acest vector reprezint o direcie (raz) de-a lungul creia soluiile admisibile
xB
x ( ) = + v
0R
sunt nemrginite.
Vectorul v se mai numete direcia spre ()infinit, i mpreun cu soluia de

baz, pentru [ 0, ) , descrie o muchie nemrginit a domeniului de
admisibilitate.
B = As1 As2 Asm Rmm nesingular i

k
m
vectorul A R , k B = {s1 , s2 ,..., sm } . Considerm matricea:
Lema (substituiei): Fie
= As1 Asr 1 Ak Asr +1 Asm .

B
Notm vectorul
Y k = B 1 Ak = ( y1k , y2 k ,..., ymk ) .

f
Au loc urmtoarele afirmaii:

.
0
det B
yrk 0, unde r = locB ( sr ) .
1
1
Pentru yrk 0, avem: B = Er ( ) B
unde
y
y
y
1 y
= 1k ,..., r 1, k , , r +1, k ,..., mk
yrk
yrk
yrk
yrk
yrk
Er ( ) = ( e1 e r 1 e r +1 e m ) =
ei Rm este vector unitar cu 1 in pozitia i.
yik
1
yrk

0
1
yrk
Demonstraie. Din notaia Y k = B 1 Ak rezult: A = B Y =

0.
Fie det B
k
Prin absurd, yrk = 0 coloanele lui
A j y jk
s
j =1
liniar dependente. Contradicie!
Fie acum yrk 0.
= 0 are coloanele liniar dependente. Deci, exist

Prin absurd, det B
m
j R, j > 0, astfel nct

j =1
A j j + Ak r = 0.
s
j =1, j r
Avem: r 0. n caz contrar obinem det B = 0. Contradicie!

nlocuind pe
Ak i regrupnd termenii, obinem:

m
j =1, j r
sj
+ y jk r ) + Asr yrk r = 0,
adic o combinaie liniar de coloane ale matricei B care este egal cu zero
i deci toi coeficienii trebuie s fie nuli. Dar, yrk r 0. Contradicie!
Coloanele lui
coincid pentru j r. Avem deci,

B i B
s
e j , j r.
Aj =B
Deoarece yrk 0, din relaia
A = A j y jk
k
rezult:
j =1
y jk
A = A
j =1, j r
yrk
m
sr
sj
k 1

=B
+ A
yrk
Prin urmare, putem scrie:
E ( )
B=B
r
1 = E ( ) B 1.
B
r
Teorem (schimbarea bazei): Fie B = A 1 A 2 A m o baz

primal admisibil. Presupunem c exist k R , astfel nct ( zk ck ) > 0
k
1
k
i vectorul Y = B A are cel puin un element pozitiv.
Dac alegem indicele sr B , locB ( sr ) = r , astfel nct
xi
xr
= min
yrk 1i m yik
atunci, matricea
yik > 0 ,
= As1 Asr 1 Ak Asr +1 Asm

B
admisibil, pentru care
este o baz primal
z = c B b cBf B 1 b = z .
f
)
B
Demonstraie. Evident, yrk > 0. Din Lema substituiei rezult c

matrice nesingular.
Trebuie artat c
este o
B 1 b 0.
B 1 b = E ( ) B 1 b = E ( ) x =
r
r
Evident,
Dac
yik
yrk
1
yrk
xr
0.
yrk
yik > 0,
Dac
xi ik xr
xi
yrk

xr
xr

yrk

yik < 0,
xi yik
xr
0.
yrk
xi
xr
xr
xi yik
= yik
0.
yrk >0 yik yrk

14243
0
10
innd seama c pentru
k B
avem loc ( k ) = r , obinem:

B
z = cBf B 1 b = cBf Er ( ) B 1 b = cBf Er ( ) x =
= , csi , , ck ,
yik
1
yrk

0
1
yrk
x =
11
csi yik ck
= , csi , ,
+
, x =
yrk
yrk
ir
xr
x
= csi xi csi yik ck
+ csr xr csr yrk r =
yrk
ir
ir
yrk
m
m
x
x
= csi xi csi yik ck r = z ( zk ck ) r z .
1
424
3 yrk
y
i =1
i =1
rk
123 1
424
3
>0
0
z
zk
12
Paii algoritmului simplex

Pasul 0. Se determin (dac exist?!) o baz primal admisibil B i se

calculeaz B-1.
Pasul 1. Se calculeaz
x = B 1 b, z = cBf x , Y = B 1 A, z f c f = cBf Y c f .
Pasul 2. (test de optimalitate) Dac z c 0, atunci s-a obinut valoarea
optim z , i soluia optim de baz xB = x , xR = 0. STOP.
Pasul 3. (test de optim infinit) Dac k R pentru care zk ck > 0 i Y k
atunci problema are optim (-)infinit. STOP.
0,
Pasul 4. (schimbarea bazei) Se alege k R cu zk ck > 0 i de determin

sr B , loc ( sr ) = r , astfel nct
xr
x
= min i yik > 0 .

yrk 1i m yik
Se formeaz matricea
= B \ Asr UAk , se calculeaz inversa

B
1 = E ( ) B 1 i se revine la Pasul 1.
B
r
13
Formule pentru schimbarea bazei

Fiecare iteraie a algoritmului simplex este caracterizat de inversa bazei primal
admisibile B-1.
1
f
f
1
x = B b; u = cB B ;
z = cBf x = cBf B 1 b = u f b;
Y = B 1 A;
z f c f = cBf Y c f = u f A c f
Componentele vectorului
Componentele lui
se numesc multiplicatori simplex.
z c se numesc costuri reduse.
Recalcularea elementelor din algoritmul simplex n urma schimbrii unei

baze se face cu ajutorul Lemei substituiei. (Sunt cunoscui indicii sr i k ,
precum i vectorul
Yk .)
Valoarea nou Formul de calcul cu valori vechi
14
Valorile pentru noua invers a matricei de baz:

Notm:
B 1 = ( ij )1i m
1 j m
Avem:
( )
B 1 =
ij
1 i m
1 j m
B 1 = E ( ) B 1 ,
r
de unde rezult:
rj yik
ij = ij
pentru i = 1, m, i r , j = 1, m;
yrk
rj
pentru j = 1, m.
rj =
yrk
15
Valorile soluiei de baz:

1
x = B b = Er ( ) B 1 b = Er ( ) x =
xi = xi
xr =
yik
yrk
1
yrk
xi ik xr
xi
yrk

=
xr
xr

y
rk
yik
xr pentru i r ;
yrk
xr
.
unde r = loc ( k ) pentru k B
yrk
16
Valorile pentru multiplicatorii simplex:
u = c B = , csi , , ck , Er ( ) B 1

Componenta j:

ij
cs yik ck
u j = , cs , ,
+
, =
yrk
yrk
ir

rj

f
rj
y
= csi ij csi yik ck
+ csr rj csr rj rk
yrk
ir
ir
yrk
u j = u j ( zk ck )
rj
yrk
, 1 j m.
17
1
j
Pentru matricea Y = B A, coloana Y , j = 1, n este:
y
yij ik yrj
yrk
1
Y = B A j = Er ( ) B 1 A j = Er ( ) Y j =
yrj
yrk
yij = yij
y rj =
yik
yrj pentru i = 1, m, i r ;
yrk
yrj
yrk
18
Valoarea funciei obiectiv:

1
b = u b = u b
z = c B
j j
f
B
j =1
rj
z = u j ( zk ck )
yrk
j =1
m
m
zk ck ) m
(
rj b j
b j = u j b j
yrk
j =1
j =1
zk ck )
(
z = z
x
yrk
19
Valoarea costurilor reduse:
z j c j = cBf B 1 A j c j = u f A j c j =
ri
= ui aij c j = ui ( zk ck )
yrk
i =1
i =1
m
( zk ck ) m
ri aij
= ui aij c j
yrk
i =1
i =1
z j c j = ( z j c j )
( zk ck ) yrj
yrk
aij c j =
, 1 j n.
20
Organizarea calculelor
Tabloul simplex standard
xB
c B V.B x
c si
x si
c sr
x sr
Y B1 A
z c
cj
ck
xj
xk
x i
y ij

x r

z
y rj
y rk
zj c j
z = csi xi
i =1

y ik
z j c j = csi yij c j
i =1
zk ck
21
B1
x B x
Tabloul simplex revizuit
u
c B V.B.
xk
c si
x si
x i
c sr
x sr
x r

z
ij
rj

uj
y ik
y rk
z = csi xi
i =1
m
u j = csi ij
i =1
zk ck = u f Ak ck > 0

zk c k
Y k = B 1 A k
22
Regula dreptunghiului
Elementul
yrk 0, se numete pivot. Restul elementelor le redenumim tij .
Linia pivotului se mparte la pivot:
trj =
trj
yrk
, j = 0, n.
Coloana pivotului devine un vector unitar:
trk = 1i tik =0,

i =1, m +1, i r.
Restul elementelor din tablou, se calculeaz dup regula dreptunghiului:
tij = tij
trj tik
yrk
i = 1, m + 1, i r ,
,
j = 0, n, j k .
23
Determinarea unei baze primal admisibile

inf { c f x | A x = b, x 0 }
m n
m
unde A R , b R ,
b 0,
(P)
c Rn .
Acestei probleme i asociem problema artificial:
min { e f x a | A x + I m x a = b, x 0, x a 0 }
unde
(Pa)
e = (1,...,1) Rm , x a = ( xn +1 , xn + 2 ,..., xn + m ) Rm ,
f
iar Im este matricea unitate de ordinul m .

Proprieti ale problemei (Pa) :
matricea restriciilor:
( AI m ) Rm( n+ m) ,
Im este o baz primal admisibil:

are o soluie optim finit:
rang ( AI m ) = m < n + m ;
I m1 b = b 0 ;
x 0 za = e x = xn +i 0.
a
i =1
Concluzie: (Pa) se poate rezolva cu algoritmul simplex.

Fie B baza optim a problemei (Pa) iar B mulimea indicilor de baz.
Teorem. Dac valoarea minim a problemei (Pa), za > 0, atunci
problema iniial (P) nu are soluie.
Demonstraie. Prin absurd, dac (P) are o soluie admisibil, conform TFPL
are i o soluie admisibil de baz.
Fie B* baza corespunztoare. Ea este format doar din coloane ale matricei A !
1
Avem: B* b 0 , deci B* este baz primal admisibil i pentru (Pa), iar

variabilele xa sunt secundare!
Deci, (Pa) are o soluie admisibil (de baz), pentru care,
x a = 0 e f x a = 0 < za valoarea optim. Contradicie.
Teorem. Dac B {n + 1,..., n + m} = , atunci za = 0
i B este o
baz primal admisibil a problemei iniiale (P).

Demonstraie. Evident, B este format doar din coloane a matricei A.
Teorem. Dac valoarea minim a lui (Pa) este za = 0 i exist n + i0 B ,

pentru ycare
i0 j = 0, j = 1, n ,
rang ( A ) m 1
atunci,
i0 = locB ( n + i0 ) ,
i restricia i0 din (P) este o combinaie liniar de celelalte restricii.
B 1 = ( ij )1i m
Demonstraie. Notm:
1 j m
Din ipotez,
0 = yi0 j = i0 k akj =
k =1
Deoarece
Deci,
Y = ( yi j ) = B 1 A .
i k akj + i i ai j , j = 1, n .
k =1, k i0
00
B conine vectorul e 0 , n B-1 vom avea i0i0 = 1.

i
ai0 j =
adic, linia
k =1, k i0
i k akj , j = 1, n , Ai =
0
k =1, k i0
i k Ak ,
0
Ai0 este combinaie liniar de celelalte linii. Deci, rang ( A ) m 1.
Sistemul fiind compatibil, rezult i
bi0 =
k =1, k i0
i k bk .
0
Teorem. Dac valoarea minim a lui (Pa) este za = 0 i exist n + i0 B ,

pentru care i0 = locB ( n + i0 ) ,
k {1,..., n} , yi0 k 0,
efectua o schimbare de baz prin care vectorul unitar

de coloana Ak.
Demonstraie. Din Lema substituiei,
i0
atunci, se poate
din
B s fie nlocuit
( )
0.
yi0 k 0 det B
n plus, din formulele de schimbare a bazei, deoarece
x = x , i = 1, m
i
xi0 = 0 i
z = z .
B 1 b = B 1 b 0 ,
Observaie. Dac za = 0, toate variabilele artificiale au valoarea zero !

inclusiv cele care au mai rmas n baz.
eliminate mpreun
cu restricia asociat.
Variabilele artificiale din baz
care au valoarea zero, pot fi:
sau
nlocuite cu o variabil
a problemei date.
Metoda celor dou faze

za = 0
Faza 1. Se rezolv (Pa)

cu baza iniial Im.
(P) nu are
soluie.
nu
STOP
da
nu
n + i0 B
yi0 j = 0
da
da
j = 1, n
nu
Se nlocuiete
xn +i0 cu xk
Se elimin restricia i0
Faza 2. Se rezolv (P)

cu baza admisibil B.
(P) are optim
infinit.
(P) are optim finit.
STOP
Exemple
Degenerare i ciclare
Descreterea funciei obiectiv:
zk ck )
(
z = z
x
xr 0
yrk
Metoda perturbrii (A. Charnes, 1952)
inf c x A x = b ( ) , x 0
f
cu b ( ) = b + j A j , > 0.
j =1
Propoziia 1. Fie B = (A1, , Am) o baz primal admisibil. Atunci exist
B >0
astfel nct
x ( ) = B 1 b ( ) > 0, ( 0, B ) .
x ( ) = x + j =1 Y j j , unde (Y 1 ,..., Y m ) = I m .
n
i
j i
Pe componente, pentru i = 1, m , xi ( ) = xi + 1 + yij .
j = m +1
Rezult, i > 0, suficient de mic, pentru care xi ( i ) > 0.

Demonstraie. Avem
Lum
B = min {1 ,..., m } .
Rezult, 0,
),
x ( ) > 0.
7
Observaie. Dac n algoritmul simplex alegerea indicelui r nu este unic,

dup efectuarea iteraiei se obine o soluie de baz degenerat.
Propoziia 2. Fie B primal admisibil n condiiile Teoremei de schimbare a
bazei i x ( ) > 0,
( 0, B ) . Atunci, ' > 0 astfel nct criteriul de
ieire din baz este ndeplinit pentru un singur indice
xi ( )
xr ( )
= min
1 i m
yrk
yik
r , ( 0, ') :
yik > 0 .
xs ( st ) xt ( st )
s, t cu ysk > 0, ytk > 0
,
ysk
ytk
xs
xs
xt n ysj ytj j
xt
adic,
+
st 0. Dac
= 0,
ysk ytk j =1 ysk ytk
ysk ytk
ysp ytp
p , 1 p n,
0. Altfel, det B = 0 !
ysk ytk
Demonstraie. Trebuie ca
Lum
' = min { st > 0 s t , ysk > 0, ytk > 0 }.

Dualitate n optimizarea liniar

Problema 1.
D1
B1
5
2
= 13
B2
= 12
3
4
D2
=8
= 17
B3
= 10
S se distribuie marfa din depozite la beneficiari, n aa fel nct, costul total

de transport s fie minim.
min {5 x11 + 2 x12 + 3 x13 + 3x21 + 4 x22 + 2 x23 }

x11 x12 x13 13
Dac notm
xij , i = 1, 2, j = 1, 2,3,
x21 x22 x23 17

x11 + x21 12
cantitatea de marf transportat de

la depozitul Di ctre beneficiarul Bj,
modelul matematic este:
x12 + x22 8
x13 + x23 10
xij 0, i = 1, 2, j = 1, 2,3.
Problema 2.
v1
D1
= 13
u1
Cumpr
D2
= 17
v2
Vnd
B1
= 12
B2
=8
B3
= 10
u2
v3
S se stabileasc costurile de cumprare i vnzare a mrfii n aa fel nct s

se obin un beneficiu maxim.
Condiie: diferena dintre preul

de vnzare i cel de cumprare
s nu depeasc costul unitar
de transport de la depozitul Di
la beneficiarul Bj.
max {13u1 17u2 + 12v1 + 8v2 + 10v3 }

v1 u1 5
v2 u1 2
v3 u1 3
v1 u2 3
v2 u2 4
v3 u2 2
ui 0, i = 1, 2, v j 0, j = 1, 2,3.
inf {c1f x1 + c2f x2 + c3f x3 }
Problema primal:
n raport cu
A11 x1 + A12 x2 + A13 x3 b1
A21 x1 + A22 x2 + A23 x3 = b2

A31 x1 + A32 x2 + A33 x3 b3
x1 0
x3 0
(P)
=========================================================================
Problema dual:
sup {b1f u1 + b2f u2 + b3f u3 }
n raport cu
A11f u1 + A21f u2 + A31f u3 c1
f
f
f
A12 u1 + A22 u2 + A32 u3 = c2
A13f u1 + A23f u2 + A33f u3 c3
u1 0
u3 0
(D)
Reguli de asociere a problemelor duale

Unei probleme de minimizare i corespunde o problem de

maximizare, i reciproc.
inf {c1f x1 + c2f x2 + c3f x3 }
Problema primal:
n raport cu
A11 x1 + A12 x2 + A13 x3 b1
A21 x1 + A22 x2 + A23 x3 = b2

A31 x1 + A32 x2 + A33 x3 b3
x1 0
x3 0
(P)
=========================================================================
Problema dual:
sup {b1f u1 + b2f u2 + b3f u3 }
n raport cu
A11f u1 + A21f u2 + A31f u3 c1
f
f
f
A12 u1 + A22 u2 + A32 u3 = c2
A13f u1 + A23f u2 + A33f u3 c3
u1 0
u3 0
(D)


Coeficienii din funcia obiectiv a unei probleme devin
coeficienii termenului liber n cealalt problem, i reciproc.
inf {c1f x1 + c2f x2 + c3f x3 }
Problema primal:
n raport cu
A11 x1 + A12 x2 + A13 x3 b1
A21 x1 + A22 x2 + A23 x3 = b2

A31 x1 + A32 x2 + A33 x3 b3
x1 0
x3 0
(P)
=========================================================================
Problema dual:
sup {b1f u1 + b2f u2 + b3f u3 }
n raport cu
A11f u1 + A21f u2 + A31f u3 c1
f
f
f
A12 u1 + A22 u2 + A32 u3 = c2
A13f u1 + A23f u2 + A33f u3 c3
u1 0
u3 0
(D)


Matricea restriciilor dintr-o problem este matricea transpus
din cealalt problem, i reciproc.
inf {c1f x1 + c2f x2 + c3f x3 }
Problema primal:
n raport cu
A11 x1 + A12 x2 + A13 x3 b1
A21 x1 + A22 x2 + A23 x3 = b2

A31 x1 + A32 x2 + A33 x3 b3
x1 0
x3 0
(P)
=========================================================================
Problema dual:
sup {b1f u1 + b2f u2 + b3f u3 }
n raport cu
A11f u1 + A21f u2 + A31f u3 c1
f
f
f
A12 u1 + A22 u2 + A32 u3 = c2
A13f u1 + A23f u2 + A33f u3 c3
u1 0
u3 0
(D)


Matricea restriciilor dintr-o problem este matricea transpus
din cealalt problem, i reciproc.
Fiecrei restricii dintr-o problem i corespunde o variabil n
cealalt problem, i reciproc.
Relaia de asociere este urmtoarea:
unei restricii concordante i corespunde o variabil nenegativ ( 0 ) ,

i reciproc;
unei restricii egalitate i corespunde o variabil oarecare (fr
condiii de semn), i reciproc;
unei restricii neconcordante i corespunde o variabil nepozitiv ( 0 ) ,
i reciproc.
10
inf {c1f x1 + c2f x2 + c3f x3 }
Problema primal:
n raport cu
A11 x1 + A12 x2 + A13 x3 b1
A21 x1 + A22 x2 + A23 x3 = b2

A31 x1 + A32 x2 + A33 x3 b3
x1 0
x3 0
(P)
=========================================================================
Problema dual:
sup {b1f u1 + b2f u2 + b3f u3 }
n raport cu
A11f u1 + A21f u2 + A31f u3 c1
f
f
f
A12 u1 + A22 u2 + A32 u3 = c2
A13f u1 + A23f u2 + A33f u3 c3
u1 0
u3 0
(D)
11
inf {c1f x1 + c2f x2 + c3f x3 }
Problema primal:
n raport cu
A11 x1 + A12 x2 + A13 x3 b1
A21 x1 + A22 x2 + A23 x3 = b2

A31 x1 + A32 x2 + A33 x3 b3
x1 0
x3 0
(P)
=========================================================================
Problema dual:
sup {b1f u1 + b2f u2 + b3f u3 }
n raport cu
A11f u1 + A21f u2 + A31f u3 c1
f
f
f
A12 u1 + A22 u2 + A32 u3 = c2
A13f u1 + A23f u2 + A33f u3 c3
u1 0
u3 0
(D)
12
inf {c1f x1 + c2f x2 + c3f x3 }
Problema primal:
n raport cu
A11 x1 + A12 x2 + A13 x3 b1
A21 x1 + A22 x2 + A23 x3 = b2

A31 x1 + A32 x2 + A33 x3 b3
x1 0
x3 0
(P)
=========================================================================
Problema dual:
sup {b1f u1 + b2f u2 + b3f u3 }
n raport cu
A11f u1 + A21f u2 + A31f u3 c1
f
f
f
A12 u1 + A22 u2 + A32 u3 = c2
A13f u1 + A23f u2 + A33f u3 c3
u1 0
u3 0
(D)
13
inf {c1f x1 + c2f x2 + c3f x3 }
Problema primal:
n raport cu
A11 x1 + A12 x2 + A13 x3 b1
A21 x1 + A22 x2 + A23 x3 = b2

A31 x1 + A32 x2 + A33 x3 b3
x1 0
x3 0
(P)
=========================================================================
Problema dual:
sup {b1f u1 + b2f u2 + b3f u3 }
n raport cu
A11f u1 + A21f u2 + A31f u3 c1
f
f
f
A12 u1 + A22 u2 + A32 u3 = c2
A13f u1 + A23f u2 + A33f u3 c3
u1 0
u3 0
(D)
14
inf {c1f x1 + c2f x2 + c3f x3 }
Problema primal:
n raport cu
A11 x1 + A12 x2 + A13 x3 b1
A21 x1 + A22 x2 + A23 x3 = b2

A31 x1 + A32 x2 + A33 x3 b3
x1 0
x3 0
(P)
=========================================================================
Problema dual:
sup {b1f u1 + b2f u2 + b3f u3 }
n raport cu
A11f u1 + A21f u2 + A31f u3 c1
f
f
f
A12 u1 + A22 u2 + A32 u3 = c2
A13f u1 + A23f u2 + A33f u3 c3
u1 0
u3 0
(D)
15
inf {c1f x1 + c2f x2 + c3f x3 }
Problema primal:
n raport cu
A11 x1 + A12 x2 + A13 x3 b1
A21 x1 + A22 x2 + A23 x3 = b2

A31 x1 + A32 x2 + A33 x3 b3
x1 0
x3 0
(P)
=========================================================================
Problema dual:
sup {b1f u1 + b2f u2 + b3f u3 }
n raport cu
A11f u1 + A21f u2 + A31f u3 c1
f
f
f
A12 u1 + A22 u2 + A32 u3 = c2
A13f u1 + A23f u2 + A33f u3 c3
u1 0
u3 0
(D)
16
primala n form standard: inf { c f x | A x = b, x 0 }
sup { b f u | Af u c }
problema dual:
primala n form canonic: inf { c f x | A x b, x 0 }
sup { b f u | Af u c, u 0 }
problema dual:
inf { c f x }
primala n form mixt: n raprt cu:
A x b
1
1
, x0
A2 x = b2
sup { b f u + b f u }
1
1
2
2
problema dual:
n raprt cu:
Af u + Af u c ,
2
2
1 1
u1 0
17
Teoreme de dualitate
Fie
A Rmn , b Rm , c Rn
i definim domeniile de admisibilitate:
P = { x Rn | A x b, x 0 } ,
D = { u Rm | Af u c, u 0 }
Considerm perechea de probleme (canonice) duale:
inf { c f x | x P }
sup { b f u | u D
........................... ( P )
........................... ( D )
P , D ,
atunci x P, u D , are loc relaia: c f x b f u .
Teorem (dualitate slab). Dac domeniile de admisibilitate
Demonstraie. Pentru x P, u D , avem:

x0
A x b 0
f
f
f
f
f
x
c.
u A x u b,
Af u c 0
u0
Prin urmare,
c f x x f Af u = u f A x b f u .
18
Teorem (dualitate tare). Dac domeniile de admisibilitate

i
x P, u D ,
optim pentru (P) i
astfel nct
cf x = bf u ,
P , D ,
atunci,
este soluie
este soluie optim pentru (D) .
Demonstraie. Presupunem prin absurd c x nu este optim pentru (P).

f
f
f
Atunci, x0 P astfel nct c x0 < c x = b u .
Contradicie!
Teorema (fundamental a dualitii). Fiind dat perechea de probleme duale
(P) i (D) doar una din urmtoarele afirmaii are loc:
a)
P i D . n cazul acesta x P i u D , soluii

optime pentru (P), respectiv (D), astfel nct
c f x = b f u .
b)
P = i D = .
c)
P i D = sau P = i D . n cazul acesta problema

care are soluii admisibile are optimul infinit.
19
Demonstraie. Considerm matricea ptratic de ordinul n+m+1:
0n
S = A
c f
Af
0m
bf
b
0
Deoarece S = S f , putem aplica consecina Lemei Farkas-Minkowski:
z Rn + m +1 , z 0, astfel nct S z 0 i S z + z > 0 .

f
n
m
Notm: z = ( x , u , r ) , unde x R , u R , r R.
exist
Avem:
x 0,
u 0,
r 0,
r>0
r=0
Af u + cr 0,
A x br 0,
(1)
(2)
c f x + b f u 0,
(3)
x Af u + cr > 0,
A x + u br > 0,
(4)
(5)
c f x + b f u + r > 0.
(6)
20
Cazul r > 0.
x =
Definim:
x
r
u =
u
r
Evident, x 0 i u 0 . mprind relaiile (1) i (2) la r, obinem:
A x b i Af u c .
Deci,
x P i u D ,
adic,
P i D .
Din dualitatea slab
c f x b f u
Din relaia (3) / r
c f x b f u
Din dualitatea tare rezult
x i u
c f x = b f u .
optime pentru (P), respectiv (D).
21
Cazul r = 0.
P i D .
Prin absurd, dac exist x0 P i u0 D ,
avem:
Nu putem avea
A x0 b 0
f
f
u
b
u
A x0 0,
u 0
0 din (1)
x 0
f
f
f
x
c
x
A
u0 0,
f
123
A u0 c 0
0 din (2)
deci,
x f c 0 u f b . Contradicie! cu (6)
P = i D = .
Rezult:
P i D =
sau P = i D .
22
Presupunem, spre exemplu, c exist x0 P .

Definim vectorul
x ( ) = x0 + x , R, 0.
Avem evident x ( ) 0 i
A x ( ) = A x0 +
A x A x0 b.
0 din (2)
Deci, R, 0,
Deoarece
cf x
< b f u x0f
Af u 0,
din (6)
rezult,
x ( ) P .
0, din (1)
f
lim c f x ( ) = lim c f x0 + c
x = .

<0
23
Teorem (tare a ecarturilor complemetare).
Dac
atunci, pentru (P) i (D) exist soluiile optime
x ,
P , D ,
respectiv
u ,
astfel nct
( A x b ) + u > 0,
( c A u ) + x > 0.
f
Demonstraie. Rezult din (4) i (5) pentru cazul
r>0.
Teorem (slab a ecarturilor complemetare).
x P , u D .
Atunci,
Fie
u f ( A x b ) = 0,
x este soluie optim pentru (P)
x f ( c Af u ) = 0.
u este soluie optim pentru (D)

Demonstraie.
Din TFD a) rezult: c f x b f u = 0. Deci,
f
f
f
c f x b f u + u f A x x f Af u = u ( A x b ) + x ( c A u ) = 0.
f
f
Adunm membru cu membru relaiile din enun i obinem: c x = b u .
Din teorema de dualitate tare rezult ca soluiile sunt optime.
24
Algoritmul simplex dual

inf { c f x | A x = b, x 0 }
sup { b f u | Af u c }
i duala ei,
unde
Fie
(P)
(D)
A Rmn , b Rm , c Rn , rang ( A ) = m < n.
B o baz optim a problemei (P). Avem:
Notm:
n plus,
x = B 1 b 0
(primal-admisibilitatea lui B)
cBf B 1 A c f
(condiia de optimalitate a lui B)
u f = cBf B 1
u f A cf
z = cBf x = cBf B 1 b = u f b .
u admisibil pentru (D)

u optim pentru (D).
(teorema de dualitate tare)
Matricea de baz B se numete dual admisibil, dac
cBf B 1 A c f
Teorem (optim): Dac baza B este primal i dual admisibil, atunci ea
este optim pentru problemele (P) i (D).
Algoritmul simplex primal:
i=0
B(i) dual
Determin B(i)
primal admisibil
admisibil ?
nu
i i+1
nu
da
B(i) optim !
(P) are optim

( ) ?
STOP
da
Algoritmul simplex dual:
B(i) primal
Determin B(i)
dual admisibil
i=0
da
admisibil ?
B(i) optim !
nu
i i+1
nu
(D) are optim

(+ ) ?
da
STOP
B o baz dual admisibil. Dac exist o

component xi < 0, pentru care yij 0, j = 1, n, atunci problema (P)
Teorem (domeniu vid).
Fie
nu are soluie.
Demonstraie.
Definim vectorul:
f
f
1
1
Notm u = cB B i Bi linia i a lui B1.
u f ( ) = u f Bi1 , R, 0.
Pentru orice
j = 1, n, avem:
u f ( ) A j = u f A j Bi1 A j = z j yij z j c j
zj
yij
B dual admis.
deci, 0, u ( ) este o soluie admisibil pentru problema (D).

Valoarea funciei obiectiv este:
u f ( ) b = u f b Bi1 b = z xi
lim u f ( ) b = z + lim ( xi ) = + .
>0
Problema (D) are optimul + i din T.F.D. rezult c (P) nu are soluie.
sm
s1 s2
B
=
A
A
A
Teorem (schimbarea bazei): Fie
o baz dual
admisibil i componenta xr < 0, pentru care exist j R cu yrj < 0.
Dac alegem indicele k R astfel nct
z j c j
zk ck
= min
jR
yrk
yrj
yrj < 0
= As1 Asr1 Ak Asr+1 Asm este o baz dual

B
1
f 1
f
z
=
c
B
b = z.
admisibil, pentru care
atunci, matricea
Demonstraie. Evident, yrk < 0. Din Lema substituiei rezult c

matrice nesingular.
Trebuie artat c
j = 1, n,
este o
z j c j = c B A j c j 0.
Din formulele de schimbare a bazei avem:
z j c j = ( z j c j )
B fiind dual admisibil, rezult:
(z
( zk ck ) yrj
yrk
c j ) 0, j = 1, n .
Dac yrj 0, evident z j c j 0.

Dac yrj < 0, avem:
z j c j zk ck
z j c j = yrj
y
yrk
rj
<0
0.
este dual admisibil.

Deci, B
Din formula de schimbare a valorii funciei obiectiv obinem:
zk ck )
(
z = z
x
yrk
z.
0
Paii algoritmului simplex dual

Pasul 0. Se determin (dac exist?!) o baz dual admisibil B i se

calculeaz B1.
Pasul 1. Se calculeaz
x = B 1 b, z = cBf x , Y = B 1 A, z f c f = cBf Y c f 0f .
Pasul 2. (test de optimalitate) Dac x 0, atunci s-a obinut valoarea

optim z , i soluia optim de baz xB = x , xR = 0. STOP.
Pasul 3. (test domeniu vid) Dac xi < 0 pentru care yij 0, j = 1, n,
atunci problema (P) nu are soluie. STOP.
Pasul 4. (schimbarea bazei) Dac xr < 0 i j R cu yrj < 0, se
determin k R astfel nct
z j c j
zk ck
= min
yrj < 0 .
jR
yrk
y
rj
= B\ Ar
Se formeaz B
i se revine la Pasul 1.
s
1 = E ( ) B 1
UAk , se calculeaz inversa B
r
Tabloul simplex standard

xB
c B V.B x
c si
x si
c sr
x sr
Y B1 A
z c
cj
ck
xj
xk
x i
y ij
x r
y rj
y rk
zj c j
z = csi xi
i =1
y ik
z j c j = csi yij c j
i =1
zk ck
Algoritmul simplex adaptat pentru

problema de transport
x11
x12
x1n
a1
x21
x22
x2n
a2
Marf disponibil
m Depozite
xm1
b1
xm2
b2
n Beneficiari
xmn
am
Matricea
costurilor
bn
c11
c1n
cm1
cmn
Marf solicitat
min cij xij
Modelul matematic:
Costul total
i =1 j =1
x
j =1
ij
n raport cu
x
i =1
ij
ai , i = 1, m ,
Cantitatea disponibil
(oferta)
bj ,
Cantitatea solicitat
(cererea)
j = 1, n ,
xij 0, i = 1, m , j = 1, n .
Condiia natural de existen a unei soluii admisibile este:
Oferta
Cererea
m n
ai xij = xij b j
i =1
i =1 j =1
j =1 i =1
j =1
m
bj
10
min cij xij
Forma standard a problemei de transport:

n
x
j =1
n raport cu
ij
x
i =1
ij
i =1 j =1
= ai , i = 1, m ,
(PT)
= bj ,
j = 1, n ,
xij 0, i = 1, m , j = 1, n .
Teorem. (PT) are o soluie admisibil dac i numai dac
ai 0, i = 1, m ; b j 0, j = 1, n ;
Demonstraie.
a = b .
i =1
j =1
Rezult imediat:
xij 0, i = 1, m , j = 1, n ,
ij
a
=
x
=
x
ij ij = b j .
i
i =1
i =1 j =1
j =1 i =1 j =1
m
= ai
ai 0
bj 0
= bj
11
Dac
i =1
j =1
i =1 j =1
S = 0 ai = b j = 0 xij = 0, i, j.
ai b j
S > 0 este suficient s lum xij =
0, i = 1, m , j = 1, n .
S
m
m ab
m
bj
i j
xij =
= ai = b j , j = 1, n .
S i =1
i =1
i =1 S
n
n ab
ai n
i j
xij =
= b j = ai , i = 1, m .
S j =1
j =1
j =1 S
Observaie. Putem considera mereu
( c
m
S = ai = b j = xij 0.
Notm
Dac
i =1 j =1
ij
cij 0 , i = 1, m , j = 1, n .
+ ) xij = cij xij + xij = cij xij + S

m
i =1 j =1
pentru = max { cij , 0 }

1i m
1 j n
i =1 j =1
c x
i =1 j =1
ij ij
i =1 j =1
= constant
(PT) are optim finit !

12
Structura matricei restriciilor:
x11
x12
x1n
x21
x22
x2n
xm1
xm2
xmn
= a1
1
= a2
o
f
e
r
t
a
= am
1
1
= b1
= b2
1
= bn
Teorema. Rangul matricei este = m + n 1.

1
Demonstraie. Rangul este < m + n .

i atunci,
c
e
r
e
r
e
a
Se elimin linia m + 1
det ( A11 , A21 , , Am 1,1 Am1 , Am 2 , , Amn ) = 1 0.

13
Determinarea unei soluii iniiale de baz

Metoda colului de N V.
da
ai ai xij
xij = min {ai , b j }
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
nu
i + jm+ n
13
Exemplu.
17
11
19
7
18
16
10
14

da
ai ai xij
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
Exemplu.
nu
i + jm+ n
x11
13
17
11
19
18
16
10
15

da
ai ai xij
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
Exemplu.
nu
i + jm+ n
6
17
11
19
18
16
10
16

da
ai ai xij
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
Exemplu.
nu
i + jm+ n
x12
6
17
11
19
18
16
10
17

da
ai ai xij
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
Exemplu.
nu
i + jm+ n
0
17
11
19
12
16
10
18

da
ai ai xij
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
Exemplu.
nu
i + jm+ n
x22
17
11
19
12
16
10
19

da
ai ai xij
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
Exemplu.
nu
i + jm+ n
12
5
11
19
16
10
20

da
ai ai xij
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
Exemplu.
nu
i + jm+ n
6
12
0
x23
5
11
19
16
10
21

da
ai ai xij
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
Exemplu.
nu
i + jm+ n
6
12
0
5
0
11
19
16
10
22

da
ai ai xij
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
Exemplu.
nu
i + jm+ n
6
12
0
5
x33
11
19
16
10
23

da
ai ai xij
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
Exemplu.
nu
i + jm+ n
6
12
0
5
7
19
16
10
24

da
ai ai xij
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
Exemplu.
nu
i + jm+ n
6
12
0
5
4
0
x34
7
19
16
10
25

da
ai ai xij
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
Exemplu.
nu
i + jm+ n
6
12
0
5
4
0
7
0
19
10
26

da
ai ai xij
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
Exemplu.
nu
i + jm+ n
6
12
0
5
4
0
7
x44
19
10
27

da
ai ai xij
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
Exemplu.
nu
i + jm+ n
6
12
0
5
4
0
7
10
10
28

da
ai ai xij
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
Exemplu.
nu
i + jm+ n
6
12
0
5
4
0
7
x45
10
10
29

da
ai ai xij
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
Exemplu.
nu
i + jm+ n
6
12
0
5
4
0
7
10
30

da
ai ai xij
i = j =1
i i +1
ai = 0
b j b j xij
da
nu
j j +1
Stop
Exemplu.
nu
i + jm+ n
6
12
13
5
4
18
17
7
11
10
16
10
19
31

Metoda costului minim.
I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
5
13
17
11
19
Matricea costurilor
18
16
10
32

I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
13
11
19
Matricea costurilor
x24
18
16
17
10
33

I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
13
11
19
Matricea costurilor
16
18
10
34

I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
x13
13
11
19
Matricea costurilor
16
18
10
35

I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
9
11
19
Matricea costurilor
16
18
10
36

I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
5
Matricea costurilor
4
16
1
11
x41
7
19
18
10
37

I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
5
Matricea costurilor
4
16
1
11
7
0
12
18
10
38

I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
5
Matricea costurilor
x15
16
4
1
11
7
0
12
18
10
39

I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
5
Matricea costurilor
4
16
0
1
11
7
0
12
18
6
40

I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
5
Matricea costurilor
9
x22
4
16
0
1
11
7
0
12
18
6
41

I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
5
Matricea costurilor
9
1
4
16
0
0
11
7
0
12
17
6
42

I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
5
Matricea costurilor
9
1
4
16
0
x35
7
0
11
12
17
6
43

I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
5
Matricea costurilor
9
1
4
16
0
6
7
0
5
12
17
0
44

I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
5
Matricea costurilor
9
1
4
16
0
6
x42
17
5
12
0
45

I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
5
Matricea costurilor
9
1
4
16
0
6
12
5
0
0
46

I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
9
x32
Matricea costurilor
12
4
16
0
0
5
0
0
47

I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
9
Matricea costurilor
12
4
16
0
0
0
0
0
48

I = {1, 2, , m}
cij = min
J = {1, 2, , n}
rI , kJ
ai ai xij
{ crk }
b j b j xij
I I \{ i }
nu
da
?
da
Stop
ai = 0
I = J =
J J \{ j }
nu
Exemplu.
9
Matricea costurilor
12
18
4
16
13
17
11
19
16
10
49

7
6
12
Costul total = 193
13
5
4
17
7
11
10
19

Costul total = 137
18
16
10
Matricea costurilor
12
18
4
16
13
17
11
19
16
10
50
Soluii iniiale de baz

7
6
12
Costul total = 193
13
5
4
17
7
11
10
19

Este
soluia
optim
Costul
total
= 137?
18
16
10
Matricea costurilor
12
18
4
16
13
17
11
19
16
10
3
6
6
10
O soluie mai bun.

Costul total = 132
13
11
17
11
12
19
18
16
10
Matricea costurilor

Costul total = 137
12
18
4
16
13
17
11
19
16
10
Testul de optimalitate
Forma standard a problemei de transport:
m
min cij xij

i =1 j =1
x
j =1
n raport cu
ij
x
i =1
ij
= ai , i = 1, m ,
(PT)
= bj ,
j = 1, n ,
xij 0, i = 1, m , j = 1, n .
Condiia de existen a soluiei:
ai 0, i = 1, m ; b j 0, j = 1, n ;
a = b .
i =1
j =1
Structura datelor n problema de transport:

c11
c12
c1n
c21
c22
c2n
cm1
cm2
cmn
x11
x12
x1n
x21
x22
x2n
xm1
xm2
xmn
= a1
1
= a2
= am
1
1
= b1
= b2
1
= bn
Rangul matricei
este
1 restriciilor
1 m + n 1.
Matricea restriciilor este total unimodular: orice minor = +1, 1 sau 0.
xij ,
Fie B o baz optim i

problemei (PT).
n particular, pentru
( i, j ) B , zij cij = 0.
zij = cBf B 1 Ao( ) = ( u f , v f ) Ao( ) = ui + v j ,

ij
Rezult,
xij ,
ij
unde
Ao( ) Rm + n 1.
ij
ui + v j = cij , ( i, j ) B ,
ui + v j cij , ( i, j ) B .
( i, j ) B
( ui , v j ) , ( i, j ) B
Dac
soluia optim de baz a
zij cij 0, ( i, j ) , 1 i m, 1 j n.
Avem:
Dar,
( i, j ) B
este o soluie optim de baz, atunci

va fi soluia optim a dualei problemei (PT).
c11
c12
c1n
c21
c22
c2n
cm1
cm2
cmn
x11
x12
x1n
x21
x22
x2n
xm1
xm2
xmn
1
1
1
1
u1
= a2
u2
= am
um
= b1
v1
= b2
v2
= bn
vn
Duala problemei
1 de transport:
1
n
m
max ai ui + b j v j
j =1
i =1
= a1
ui + v j cij , i = 1, m , j = 1, n
(DT)
Teorema slab a ecarturilor complementare: Fie soluiile admisibile
xij ,
respectiv
(u , v ) ,
i
1 i m , 1 j n,
pentru (PT) i (DT).
Acestea sunt optime, dac i numai dac,
ui xij ai = 0, i = 1, m ,
j =1
v j xij b j = 0,
i =1
Condiii evident
satisfcute !
j = 1, n ,
xij ( ui + v j cij ) = 0, i = 1, m, j = 1, n .
Condiii evident
satisfcute pentru
xij = 0, ( i, j ) B .
xij > 0, ( i, j ) B ,
pentru ca aceasta s fie optim, trebuie ca: ui + v j cij = 0, ( i , j ) B .
Dac soluia admisibil de baz este:
Problem: Cum putem identifica existena unei soluii admisibile a problemei

duale (DT) care s verifice condiia de optimalitate ?
ui + v j = cij , ( i, j ) B .
card ( B ) = m + n 1 ecuaii i m + n variabile.
Considerm sistemul:
Acesta are
Rangul matricei acestui sistem este m + n 1, deci sistemul este compatibil

nedeterminat.
Rezolvarea sistemului: se d unei variabile ui sau vj o valoare arbitrar,
iar restul variabilelor se calculeaz succesiv din ecuaiile respective.
Fie
ui , i = 1, m, v j , j = 1, n,
Dac
soluia obinut.
ui + v j cij , ( i, j ) B ,
Teorema ecarturilor complementare
soluia este dual admisibil.
xij ,
( i, j ) B ,
soluie de baz
optim pentru problema (PT).
( r , k ) B , ur + vk crk = zrk crk > 0,

soluia de baz xij , ( i, j ) B , nu ndeplinete condiia de optimalitate
Dac
pentru problema (PT).
Schimbarea soluiei de baz

Fie
( r, k ) B ,
ur + vk > crk .
Se introduce n baz variabila
xrk = x 0.
Schimbarea bazei conform algoritmului simplex:
xst
Criteriul de ieire din baz:
B \ ( s, t )
y( st )( rk )
xij
= min
( ij )B
y( ij )( rk )
Recalcularea valorilor corespunztoare noii baze:
xij = xij
xrk =
y(ij )( rk )
y( st )( rk )
xst
y( st )( rk )
y( ij )( rk ) > 0
= B \ ( s, t ) U( r , k )
B
xst , ( i, j ) B \ ( s, t ) ,
= x 0.
Care sunt valorile componentelor vectorului
Y(
rk )
= B 1 Ao(
rk )
Considerm dou selecii de cte p indici distinci:
i1 , i2 , , i p {1, 2, , m} ,
Definiie. Mulimea perechilor
se numete ciclu.
j1 , j2 , , j p {1, 2, , n} .
( i1 , j1 ) , ( i1 , j2 ) , ( i2 , j2 ) , , ( i p , j p ) , ( i p , j1 )
Observaie: orice ciclu are un numr par de elemente = 2p.

Propoziie. Dac mulimea indicilor (i,j) a unor coloane A(ij) din matricea
restriciilor a problemei (PT) formeaz un ciclu, atunci aceste coloane sunt
liniar dependente.
Demonstraie. Notm vectorul unitar: ei Rm + n .
A(ij ) = ei + e m+ j Rm+ n
(i j )
(i j )
i j
A(i1 j1 ) A( i1 j2 ) + A(i2 j2 ) A( 2 3 ) + + A p p A p 1 =
ei1 + e m+ j1 ei1 e m+ j2 + ei2 + e m+ j2 ei2 e m+ j3 +

+ e p + e
i
Corolar. Mulimea indicilor de baz
m+ j p
e p em+ j1 = 0.
i
nu conine cicluri.
10
Propoziie. Pentru orice pereche r , k

aceast pereche i elemente din B .
Y(
Determinarea elementelor lui

Avem:
Ao( rk ) = B Y ( rk ) =
( ij )B
rk )
) B ,
= B 1 Ao( ) .
rk
y(ij )( rk ) Ao(ij )
0
Dar exist i un ciclu unic:
C=
Combinaie liniar (unic) cu

vectorii A(ij) din baz.
1
pentru care
( rj1 )
=A
( i1 j1 )
A
1
Rezult:
y(ij )( rk ) =
2p-2
2p-1
{ ( r , k ) , ( r , j ) , ( i , j ) , , ( i , j ) , ( i , k ) }
1
B
( rk )
exist un ciclu unic format din
pentru
1 pentru
0 pentru
( i1 j2 )
+A
(ip j p )
(ip k )
A
+A .
( i, j ) C de ordin impar
( i, j ) C de ordin par
( i, j ) C
11
xst
Criteriul de ieire din baz:
y( st )( rk )
= min
( ij )B
xij
y( ij )( rk )
y( ij )( rk ) > 0
= +1
adic,
xst = min xij

Perechea de indici
( s, t )
( i, j ) C
de ordin impar
va prsi baza B .
12
Formulele de schimbare a soluiei de baz:
xij = xij
xrk =
Rezult:
xij =
y(ij )( rk )
y( st )( rk )
xst
y( st )( rk )
xst , ( i, j ) B \ ( s, t ) ,
= x 0.
xij x pentru
xij + x pentru
xij
= + 1, 1, 0
pentru
= +1
( i, j ) C de ordin impar
( i, j ) C de ordin par
( i, j ) C
13
Exemplu
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

Costul total = 137
Matricea costurilor
12
18
4
16
13
17
11
19
16
10
14
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

Rezolvarea sistemului:
( i, j ) B
ui + v j = cij pentru
Valoare iniial: v2 = 0 .
vj
ui
Matricea costurilor
12
18
4
16
13
17
11
19
16
10
15
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

( i, j ) B
vj
ui
Matricea costurilor
12
18
4
16
13
17
11
19
16
10
16
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

( i, j ) B
vj
ui
Matricea costurilor
12
18
4
16
13
17
11
19
16
10
17
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

( i, j ) B
vj
ui
Matricea costurilor
12
18
4
16
13
17
11
19
16
10
18
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

( i, j ) B
vj
ui
Matricea costurilor
12
18
4
16
13
17
11
19
16
10
19
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

( i, j ) B
vj
ui
-2
9
Matricea costurilor
12
18
4
16
13
17
11
19
16
10
20
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

( i, j ) B
vj
ui
-2
-1
9
Matricea costurilor
12
18
4
16
13
17
11
19
16
10
21
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

( i, j ) B
vj
-1
4
3
ui
-2
-1
Matricea costurilor
12
18
4
16
13
17
11
19
16
10
22
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

( i, j ) B
vj
-1
4
3
ui
-2
-1
Matricea costurilor
12
18
4
16
13
17
11
19
16
10
23
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

( i, j ) B
vj
-1
-2
-2
-1
ui
Matricea costurilor
12
18
4
16
13
17
11
19
16
10
24
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

( i, j ) B
vj
-1
-2
-2
-1
ui
Matricea costurilor
12
18
4
16
13
17
11
19
16
10
25
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

Test de optimalitate:
vj
ui + v j cij pentru
( i, j ) B
-1
-2
-2
-1
ui
Matricea costurilor
12
18
4
16
13
17
11
19
16
10
26
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

vj
ui + v j cij pentru
( i, j ) B
u3 + v4 > c34
( 3, 4 ) B
-1
-2
-2
-1
ui
Matricea costurilor
?
!
12
18
4
16
13
17
11
19
16
10
27
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

mbuntirea soluiei de baz.
Determinarea unui ciclu.
vj
C = {( 3, 4 )}
-1
-2
-2
-1
16
+x
ui
Matricea costurilor
12
18
13
17
11
19
16
10
28
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

vj
C = {( 3, 4 ) , ( 3, 2 )}
-1
-2
-2
-1
16
5-x
+x
ui
Matricea costurilor
12
18
13
17
11
19
16
10
29
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

vj
C = {( 3, 4 ) , ( 3, 2 ) , ( 2, 2 )}
-1
-2
-2
-1
1+x
16
5-x
+x
ui
Matricea costurilor
12
18
13
17
11
19
16
10
30
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

vj
C = {( 3, 4 ) , ( 3, 2 ) , ( 2, 2 ) , ( 2, 4 )}
-1
-2
-2
-1
1+x
16-x
5-x
+x
ui
Matricea costurilor
12
18
13
17
11
19
16
10
31
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 2 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

C = {( 3, 4 ) , ( 3, 2 ) , ( 2, 2 ) , ( 2, 4 )}
x = min { 5, 16 } = 5
vj
-1
-2
-2
-1
1+x
16-x
5-x
+x
ui
Matricea costurilor
12
18
13
17
11
19
16
10
32
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 4 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

( i, j ) B
Valoare iniial: u1 = 0 .
vj
ui
Matricea costurilor
9
6
4
11
5
12
18
13
17
11
19
16
10
33
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 4 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

vj
ui + v j cij pentru
ui
Matricea costurilor
( i, j ) B
9
6
4
11
5
12
18
13
17
11
19
16
10
34
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 4 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

ui + v j cij pentru
( i, j ) B
Soluie optim. Valoarea optim = 137 + 5(1 4 + 3 1) = 132
vj
+3
+1
ui
Matricea costurilor
9
6
4
11
5
12
18
13
17
11
19
16
10
35
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 4 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

Determinarea unei alte soluii optime:
Condiie:
ui + v j = cij
pentru ( i, j ) B . De exemplu, ( 4,3) B .
C = {( 4,3)}
vj
ui
Matricea costurilor
9
6
4
11
5
12
+x
18
13
17
11
19
16
10
36
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 4 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

Condiie:
ui + v j = cij
C = {( 4,3) , (1,3)}
vj
ui
Matricea costurilor
9-x
6
4
11
5
12
+x
18
13
17
11
19
16
10
37
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 4 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

Condiie:
ui + v j = cij
C = {( 4,3) , (1,3) , (1,5 )}

vj
ui
Matricea costurilor
9-x
6
4+x
11
5
12
+x
18
13
17
11
19
16
10
38
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 4 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

Condiie:
ui + v j = cij
C = {( 4,3) , (1,3) , (1,5 ) , ( 3,5 )}

vj
ui
Matricea costurilor
9-x
6
4+x
11
5
12
+x
18
13
17
6-x
11
19
16
10
39
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 4 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

Condiie:
ui + v j = cij
C = {( 4,3) , (1,3) , (1,5 ) , ( 3,5 ) , ( 3, 4 )}

vj
ui
Matricea costurilor
9-x
6
4+x
11
5+x
12
+x
18
13
17
6-x
11
19
16
10
40
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 4 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

Condiie:
ui + v j = cij
C = {( 4,3) , (1,3) , (1,5 ) , ( 3,5 ) , ( 3, 4 ) , ( 2, 4 )}

vj
ui
Matricea costurilor
9-x
6
4+x
11-x
5+x
12
+x
18
13
17
6-x
11
19
16
10
41
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 4 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

Condiie:
ui + v j = cij
C = {( 4,3) , (1,3) , (1,5 ) , ( 3,5 ) , ( 3, 4 ) , ( 2, 4 ) , ( 2, 2 )}

vj
ui
Matricea costurilor
9-x
6+x
4+x
11-x
5+x
12
+x
18
13
17
6-x
11
19
16
10
42
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 4 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

Condiie:
ui + v j = cij
C = {( 4,3) , (1,3) , (1,5 ) , ( 3,5 ) , ( 3, 4 ) , ( 2, 4 ) , ( 2, 2 ) , ( 4, 2 )}

vj
ui
Matricea costurilor
9-x
6+x
4+x
11-x
5+x
12-x
+x
18
13
17
6-x
11
19
16
10
43
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 4 ) , ( 3,5 ) , ( 4,1) , ( 4, 2 )}

Condiie:
ui + v j = cij
C = {( 4,3) , (1,3) , (1,5 ) , ( 3,5 ) , ( 3, 4 ) , ( 2, 4 ) , ( 2, 2 ) , ( 4, 2 )}

x = min { 9, 6, 11, 12 } = 6
vj
ui
Matricea costurilor
9-x
6+x
4+x
11-x
5+x
12-x
+x
18
13
17
6-x
11
19
16
10
44
B = {(1,3) , (1,5 ) , ( 2, 2 ) , ( 2, 4 ) , ( 3, 4 ) , ( 4,3) , ( 4,1) , ( 4, 2 )}

ui + v j cij pentru
( i, j ) B
Soluie optim. Valoarea optim = 132 + 6(22+33+11+33) = 132
vj
0
0
ui
+3
+3
+1
Matricea costurilor
3
12
3
3
18
10
13
17
11
11
19
16
10
45
Programare liniar n numere ntregi

Considerm problema:
inf c f x A x = b, x Rn+ , xk Z, k K {1, 2, , n}

unde:
A Rmn , b Rm , c Rn , rang ( A ) = m < n.
K {1, 2, , n}
Problem de programare liniar mixt
K = {1, 2, , n}
Notaii:
(P*)
Problem de programare liniar

n numere ntregi
P0 = { x Rn A x = b, x 0}
Evident,
P* = { x P0 xk Z, k K }
P0 P *
Putem considera problemele:

(P0)
inf {c f x x P0 }
(P*)
inf {c f x x P *}
Se rezolv cu algoritmul simplex.

Trebuie elaborat o metod!
Propoziie. Fie x P0 soluia optim a lui (P0). Dac

este soluie optim i pentru problema (P*).
x P *, atunci x
P0 P *
Demonstraie.
Avem:
c f x = inf {c f x x P0 } inf {c f x x P *} c f x
Pe de alt parte,
Rezult,
c f x = inf { c f x x P * } .
x P *
Soluia optim.
Stop
Algoritm: metoda planelor de seciune.

da
Rezolv (Pi )
i=0
c f x = inf c f x
xPi
Determin
x P *
nu
Pi +1 = Pi ( i )
x Pi +1
ii+1
Observaie:
P0 P1 Pi Pi+1 P *.
Determinarea planelor de seciune (Gomory).

Considerm problema (P*) n care K = {1, 2, , n} .
Fie B o baz optim pentru (Pi ) i presupunem c sk B ,
xsk = xk ykj x j
Avem:
jR
xk = xk + f k 0
ykj = ykj + f kj
Introducem notaiile:
Rezult,
xsk Z.
unde 0 < f k 0 < 1,

unde 0 f kj < 1.
xsk xk + ykj x j = f k 0 f kj x j 0 < 1.

jR
Dar, x P *
n plus, avem:
jR
f
jR
Se adaug restricia:
kj
x j 0 & f k 0 ( 0,1)
( f ) x
jR
kj
fk 0 .
Observaie. Soluia de baz corespunztoare lui

adugat. ntr-adevr,
xB x
x= =
xR 0
( f ) x
jR
kj
x nu verific restricia
= 0 fk 0 < 0 .
Contradicie!
Prin urmare, putem defini:
Pi +1 = Pi ( i ) = x Pi
( f ) x
jR
kj
+ y(i +1) = f k 0 , y(i +1)
Exist o soluie optim Z

Algoritmul se termin ntr-un
numr finit de pai:
Nu exist soluii n Z
Implementare.
Fie B(i) o baz optim pentru (Pi ). Pentru (Pi+1 ) considerm matricea:
B( i +1)
B( i )
= f
0
B(i 1+1)
B(i 1) 0
=
0f 1
Matricea B(i+1) este dual admisibil pentru (Pi+1 ) :

1
1
b
x( i )
0
B
(i )
( i ) b( i )
(i )
1
x(i +1) = B( i +1) b( i +1) =
=
0
=
0f 1 f f f
k0
k0
k0
j
j
1
A
Y
0
B
(i )
(i )
(i )
1
j
j
Y(i +1) = B( i +1) A( i +1) =

0f 1 f f
kj kj
j
Y
(i )
( i +1)
(i )
j
f
f
z j c j = cB(i+1) Y( i +1) c j = cB(i ) , 0
cj = zj cj 0
f
k0
(i )
x
i +1
i +1
(i )
z ( ) = cBf (i+1) x ( ) = cBf (i ) , 0
= z
fk 0
Tabloul simplex:
x si
xj
xp
x i
x sk
y ip
x k f k0
y i
y ij
y i
y kj f kj
y kp f kp
f k0
f kj
f kp
zj cj
zp cp
min {2x1 x2 }
Exemplu.
n raport cu
x1
x1
2 x1
+
+
x2
x2
1
3
x1 , x2 Z+
Rezolvare grafic:
Rezolvarea cu algoritmul ciclic al lui Gomory:
x x 1 x 2 x 3 x 4 x 5
x1 x2
x3 x4 x5
x 3 1 1
x3
7
2
1
2
x4 3
x4
1
2
1
2
x5 5
x1
5
2
1
2
x1 x2 x3 x4 x5
x3
x2
1
2
x1
5
2
11
2
0
1
0
0
1
0
0
1 1
1
2
1
2
0 1
1
2
x1 x2 x3 x4
x5
x3
1 1
x2
1
2
1
2
x1
5
2
1
2
1
2
1
2
11
2
0 1
1
2
x1 x2 x3 x4
x5
x3
x2
1
2
1
2
x1
5
2
1
2
1
2
1
2
11
2
1
2
x1 x2 x3 x4 x5
x3
1 1 0
1
2
x2
0 1
x1
1 2
5 0
0 1 0 1
Principiul de descompunere Dantzig-Wolfe

Problemele de programare liniar de dimensiuni mari au o structur special a
restriciilor, matricea coeficienilor avnd o form ''bloc-unghiular':
A1
D1
unde
A2
D2
Ak
Dk
Ai Rm0 ni , Di Rmi ni , 1 i k .
Rezolvarea n dou etape:
1.
Rezolv k subprobleme independente.
2.
Rezolv un program principal.
Problema iniial
Rezultate preliminare
n
Definiie. Fie X R o mulime convex. Mulimea punctelor extreme
Ext ( X ) = x X a, b X \ { x} , x a + (1 ) b, [ 0,1]
Observatie. Orice soluie admisibil de baz a unei probleme de programare

liniar este un punct extrem al domeniului de admisibilitate.
n
Definiie. Fie M R o mulime oarecare. Acoperirea convex Co ( M )
a lui M este cea mai mic mulime convex ce conine pe M.

n
Teorem. Fie X R o mulime convex i compact. Atunci
Co ( Ext ( X ) ) = X .
Corolar. Fie mulimea X = x R | A x = b, x 0
nevid i mrginit
i
i Ext ( X ) = x , 1 i r . Atunci, orice element x X poate fi scris sub
r
r
forma:
i
x = i x ,
i 0,
i =1
= 1.
i =1
Principiul de descompunere
Considerm problema
inf c f x
A x = b0
Dx = b
( m0 restricii )
( m restricii )
x0
Presupunem poliedrul convex
S = { x Rn | D x = b, x 0} mrginit i
Ext ( S ) = { x j , 1 j r} .
Prin urmare,
x S ,
x = i x ,
i
i 0,
i =1
Reformulm problema iniial:
j =c x
j = A x j
f
Notm:
= 1.
i =1
inf { c f x x S & A x = b0 }
r
j
r
inf
j j
j =1
Programul principal:
j = b0
j =1
r
= 1,
j 0, 1 j r
j =1
Comentarii pro i contra:

r
inf
j j
j =1
Avem doar
m0 + 1
j = b0
restricii !
j =1
r
= 1,
j 0, 1 j r
j =1
Numrul de
variabile/coloane:
r = card(Ext(S)).
Cum se poate obine o baz B primal

admisibil pentru programul principal ?
n
Printr-o procedur de faz 1 aplicat mulimii S = x R | D x = b, x 0
determinndu-se apoi l m0 + 1 puncte extreme.
Notm: u = B B . Baza B va fi optim dac

f
s
f
f
u s = max u
1 j r
Partiionm vectorul
u f = ( u0f , u1 ) ,
j
j 0.
u0 Rm0 , u1 R.
j
A x j f j
f
f
f
j
u j = ( u0 , u1 )
x
=
u
x
+ u1
(
)
0
1
1
f
Determinarea maximului revine la rezolvarea problemei:
f
max u
1 j r
= maxn
xR
j
j = jmax ( u0f A c f ) x j + u1
1
x Ext ( S )
{ (u
f
0
A c f ) x D x = b, x 0 + u1 =
Subproblema pentru testul de optimalitate
Fie xs soluia optim de baz a subproblemei (punct extrem optim!).

Dac 0, baza B este optim pentru programul principal, cu soluia
optim:
b0
= B .
1
1
x = i x i
iB
soluia optim a
problemei iniiale
s A xs
Dac > 0, coloana care intr n baz este: =
,
1 1
f
s
avnd coeficientul de cost: s = c x .
Efectund operaia de schimbare a bazei n programul principal, se obine o
nou baz primal admisibil i calculele se reiau cu testul de optimalitate.
inf {c1f x1 +
Acest procedeu devine
atractiv dac se aplic la
A1 x1 +
c2f x 2 + + ckf x k }
A2 x 2 + + Ak x k
D1 x1
= b1
D2 x 2
probleme bloc-unghiulare:
= b0
= b2
Dk x k
= bk
xi 0, i = 1, k , k > 0
Ai Rm0 ni , Di Rmi ni , ci Rni , bi Rmi .
Subproblema pentru testul de optimalitate:
k f
max ( u0 Ai cif ) xi
i =1
Di xi = bi , xi 0, i = 1, k
Funcia obiectiv fiind aditiv iar restriciile independente, subproblema este

echivalent cu rezolvarea urmtoarelor k subprobleme independente:
maxn
xi
R i
{ (u A c ) x
f
0
Di xi = bi , xi 0 ,
i = 1, k .
Algoritmul de descompunere Dantzig-Wolfe.

1.
Se determin o baz primal admisibil B pentru programul principal i

f
f
multiplicatorii simplex u = u0 , u1 corespunztori.
2.
Se rezolv subproblemele independente i se obin soluiile
xi ( u0 ) , i = 1, k .
= ( u0f Ai cif ) xi ( u0 ) + u1
k
1.
Se calculeaz
i =1
1.
Dac 0, soluia optim pentru problema iniial este
x = i x i
iB
unde xi sunt punctele extreme ale mulimii

k
ni
S = x Ri=1
1.
D1
b1

b
Dk
k
Dac > 0, se formeaz coloana

k
s
Ai xi ( u0 )
= i =1
care va fi introdus n noua baz. Se calculeaz multiplicatorii simplex

corespunztori i se revine la pasul 2.
Programul principal restrns

Schimbarea bazei curente a programului principal prin introducerea unei
f
variabile noi pentru care u0 + u1 > 0, se poate face rezolvnd
problema:
m0 +1
inf i i +
i =1
m0 +1
i + = b0
i =1
m0 +1
+ = 1
i
i =1
i 0, i = 1, m0 + 1, 0

Curs 2009-2010

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

Curs 2009-2010

Încărcat de

Drepturi de autor:

Formate disponibile

TEHNICI DE OPTIMIZARE

Dificulti de abordare i/sau rezolvare

FORMA DE EXAMINARE: examen ! (scris)

1 exerciiu de seminar (cu subpuncte)

Tehnici de optimizare - Cursul 1

Tehnici de optimizare - Cursul 1

A. tefnescu, C. Zidroiu, "Cercetri Operaionale", Ed. Did.

H. Karloff, Linear Programming, Progress in Theoretical

A. Bttorescu, "Metode de optimizare liniar", Ed.

V. Preda, M. Bad, "Culegere de probleme de cercetri

Tehnici de optimizare - Cursul 1

Exemplu optimizare neliniar

Tehnici de optimizare - Cursul 1

Tehnici de optimizare - Cursul 1

Exemplu optimizare liniar

unde optim = min max

Tehnici de optimizare - Cursul 1

Tehnici de optimizare - Cursul 1

Notaii i cteva definiii

a11 a12 a1n

A + B = ( aij + bij )1i m , B = ( bij )1i m

Tehnici de optimizare - Cursul 1

A Rmk , B Rk n este matricea:

A B = C Rmn , cij = ail blj , 1 i m, 1 j n.

Determinantul unei matrice ptratice

A Rnn este numrul

Dac det A 0, matricea A se numete nesingular, iar n acest

Tehnici de optimizare - Cursul 1

iar transpusa acesteia este un vector linie.

Produsul scalar a doi vectori

Sisteme de ecuaii liniare

b Rm i considerm sistemul de ecuaii liniare:

a11 x1 + a12 x2 + + a1n xn = b1

Ai = ( ai1 , ai 2 , , ain ) linia ''i '' a matricei A;

Tehnici de optimizare - Cursul 1

Teorema Kronecker-Capelli : rang ( A ) = rang ( Ab ) = r min {m, n}

Ecuaii principale, respectiv variabile principale.

Ecuaii secundare, respectiv variabile secundare.

Prin eliminarea ecuaiilor secundare, considerm: rang ( A ) = m n.

Pentru m = n, avem soluia unic:

Pentru m < n, avem o infinitate de soluii.

Exist m coloane liniar independente ale matricei A, care formeaz

Restul coloanelor formeaz matricea R.

Notm mulimea de indici corespunztoare coloanelor lui B cu

iar mulimea de indici corespunztoare coloanelor lui R cu

xB = ( xi )iB = xs1 , xs2 ,..., xsm

variabile de baz (principale)

Tehnici de optimizare - Cursul 1

Vectorul v R se numete soluie a sistemului dac A v = b.

O soluie a sistemului este numit soluie de baz, dac

Deoarece rang(A) = m, cel mult m componente ale unei soluii de

Probleme de optimizare liniar

Tehnici de optimizare - Cursul 2

inf {c1f x1 + c2f x2 + c3f x3 }

A31 x1 + A32 x2 + A33 x3 b3

Necunoscutele problemei sunt grupate n trei variabile vectoriale:

are componente nepozitive.

Tehnici de optimizare - Cursul 2

Tehnici de optimizare - Cursul 2

Formele problemelor de programare liniar sunt echivalente!

Tehnici de optimizare - Cursul 2

Sensul unei inegaliti se schimb prin nmulire cu 1.

y se numete variabil ecart (slack variable).

Transformarea unei ecuaii n inegaliti: