Documente Academic
Documente Profesional
Documente Cultură
ntregi xJ {0, 1} j = 1, 2, 3, 4
xj 0
Observaie: Dac s-ar fi pus condiia construirii unui singur depozit ntr-unul din cele dou
orae, atunci inegalitatea x3 + x4 1 trebuie schimbat n x3 + x4 = 1.
Pentru cele ce urmeaz este necesar s precizm civa termeni.
2
variabil continu variabil care, o dat cu dou valori permise poate lua orice alt
valoare intermediar;
variabil ntreag variabil care nu poate lua dect valori numere ntregi;
variabil bivalent (boolean)variabil ntreag care nu poate lua dect valorile 0 sau 1;
problem de programare n numere ntregi (pe scurt program ntreg) problem de
programare liniar care utilizeaz una sau mai multe variabile ntregi. Problema se zice total dac
toate variabilele sale sunt ntregi i mixt dac utilizeaz simultan i variabile continue i variabile
ntregi;
problem de programare bivalent (sau program bivalent) total sau mixt
problem care utilizeaz variabile bivalente.
Exemplul 1.2. arat c utilizarea variabilelor ntregi aduce un plus de flexibilitate n
modelarea unor situaii practice. Aceast flexibilitate cost ns destul de mult, deoarece
programele ntregi sunt mult mai greu de rezolvat dect programele liniare uzuale (adic n variabile
continue). Fr a intra deocamdat n amnunte este suficient s amintim c dac n prezent a
devenit o obinuin rezolvarea unor programe liniare cu mii de variabile continue (firete utiliznd
programe comerciale de calculator), un program cu mai puin de 100 variabile ntregi poate cauza
mari dificulti !
Pentru evitarea complicaiilor se poate aplica urmtoarea schem
de rezolvare
aproximativ a programelor ntregi.
Se ignor condiia ca variabilele s ia numai valori ntregi i se rezolv programul relaxat
care este un program liniar uzual. Dou situaii sunt posibile:
soluia optim a problemei relaxate are toate componentele ntregi; aceasta va fi, evident i
soluia optim a programului ntreg original;
unele componente ale soluiei optime a programului relaxat sunt fracionare. n aceast
situaie componentele fracionare vor fi rotunjite inferior sau superior la valori ntregi, n ideea
c soluia optim ntreag este situat n apropierea soluiei optime fracionare.
Operaia de rotunjire trebuie astfel fcut nct rezultatul s fie o soluie a problemei, adic s
verifice restriciile. este firesc s acceptm soluia continu prin rotunjire, cel puin ca soluie
suboptimal; n multe contexte practice acest lucru este justificat prin faptul c valorile permise
variabilelor sunt suficient de mari astfel nct efectul rotunjirii s fie neglijabil.
Nu puine sunt situaiile n care strategia de rezolvare fie i aproximativ prin rotunjirea
soluiei optime fracionare nu este recomandabil. Uneori se ntmpl ca numrul alternativelor de
rotunjire s fie foarte mare implicnd un volum apreciabil de calcule suplimentare pentru
verificarea i sortarea acestora. Pe de alt parte, pentru unele programe ntregi n care variabilele iau
valori destul de mici, ca de exemplu 0 sau 1, este posibil ca distana dintre optimul ntreg i cel
fracionar s fie att de mare nct simpla rotunjire s nu duc la o soluie acceptabil.
Exemplul 1.3 Pentru programul ntreg din exemplul 1.1. soluia optim a programului
relaxat:
min f = 14 x1 + 12 x2
35 x1 + 24 x2 107
x1 0, x2 0
are componentele:
x 1 3
2
, x 2 0;
35
2
f x 42
5
x 02 3
min f
xj
j1
a jx j S
j1
0 xj mjyj
j=1, ...n
yj p
j1
xj 0 ntregi; yj {0, 1}
j = 1, ...n
2.2. Alegerea proiectelor de investiii O firm este interesat n mai multe proiecte de
4
investiii pe care ar putea s le realizeze n civa ani dar, din cauza bugetului limitat, va trebui s se
limiteze la o parte din ele. Proiectul j aduce firmei n caz de finalizare un profit estimat la c j
dolari j = 1, ... n i necesit investiii anuale n valoare de a ij dolari i = 1, ... m. Capitalul disponibil
pentru anul i este bi. Se pune problema alegerii acelor proiecte care s aduc firmei un profit total
maxim cu condiia nedepirii capitalului disponibil anual.
Pentru formalizare introducem variabile bivalente
1 dac proiectul j este acceptat
0 dac proiectul j este respins
xj =
max f
c jx j
j1
a ij x j b i
i 1,...m
j1
xj {0, 1}
j = 1, ... n
a ij x j b i
i 1,...m
j1
xj 0
min f
j = 1, ... n
c jx j
j1
n care x1, x2, ... xn reprezint nivelul unor activiti productive iar c 1, c2, ...cn sunt costurile unitare
aferente. Ipoteza uzual de liniaritate presupune proporionalitatea direct ntre costul unei
activiti i nivelul la care este operat activitatea respectiv. Exist ns situaii n care demararea
unei activiti necesit un cost de pregtire, independent de nivelul la care activitatea va fi operat.
Costul activitii j va avea forma:
cj (xj) =
0 dac xj = 0
qj + cjxj dac xj > 0
Pentru a ncorpora n modelul matematic anterior aceste elemente introducem urmtoarele bivalente
yj =
a ij x j b i
i 1,...m
j1
xj mjyj
xj 0, yj {0,1}
min f
j = 1, ... n
j = 1, ... n
j1
j1
unde mj reprezint o
limit
superioar
a
nivelului xj al activitii j
q jy j c jx j
min f1
m n
q ij y ij
(2.1.)
j1ji
ruta j numrul locurilor libere este dat de diferena c i y ij b i ; astfel c expresia cheltuielilor de
i 1
n
m n
n
m
p j c i y ij b i c i p j y ij p j b j
j1 i 1
j1
i 1 j1
m n
m n
m n
i 1 j1
i 1 j1
j1
i 1 j1
q ij y ij c i p j y ij p j b j q ij c i p j y ij p j b j
j1
min f 2
m n
q ij c i p j y ij
i 1 j1
(2.2.)
Restricii:
ncadrarea aparatelor repartizate n numrul disponibil de avioane
n
x ij d i
j1
i = 1, ... m
(2.3.)
i = 1, ... m; j = 1, ...m
(2.4.)
c i y ij b j j = 1, ... m
(2.5.)
i 1
(2.6.)
Atand condiiilor 2.3. 2.6. funciile obiectiv (2.1.) i (2.2.) se obin dou programe
ntregi totale.
3. Particularitile mulimii soluiilor admisibile ale unui program ntreg
S considerm urmtorul program ntreg total (P) mpreun cu programul relaxat (PL)
obinut din (P) prin eliminarea cerinei ca variabilele s ia numai valori ntregi:
Programul ntreg (P)
max f = 3 x1 x2
3 x1 2 x2 3
5 x1 + 4 x2 10
2 x1 + x2 5
x1, x2 0
x1, x2 ntregi
Ne propunem:
Terminologie, notaii:
soluie admisibil ansamblu de valori numerice (nu neaprat ntregi) care verific
restriciile i condiiile de nenegativitate;
soluie admisibil ntreag soluie admisibil cu toate componentele ntregi;
APL mulimea sluiilor admisibile ale programului relaxat (PL);
AP mulimea soluiilor admisibile ntregi ale programului (P);
soluia optim fracionar soluia optim a programului relaxat (PL), notat constant cu x*;
optim fracionar valoarea f (x*) a funciei obiectiv n soluia optim fracionar x*;
soluia optim ntreag soluia optim a programului ntreg (P), notat constant cu x0;
optim ntreg valoarea f (x0) a funciei obiectiv n soluia optim ntreag x0.
Vizualizm mulimile AP i APL
Reamintim c pentru reprezentarea grafic a mulimii APL se fac urmtoarele operaii:
se reprezint grafic dreptele:
d1 3 x1 2 x2 = 3
d2 5 x1 + 4 x2 = 10
d3 2 x1 + x2 = 5
i se identific semiplanele n care au loc cele trei restricii i cele dou condiii de nenegativitate.
APL va fi intersecia celor cinci semiplane puse n eviden mai sus adic poligonul simplu
haurat DFGH
x2
d3
D
dreapta de nivel f 3x 1 x 2
max f
d2
2
a funciei obiectiv
3
B
A
H
13 9
,
7 7
30
optimul FRACIONAR f x
7
x1
Fig. 3.1.
Pentru a gsi soluia optim fracionar se reprezint grafic o dreapt de nivel a funciei
obiectiv i se stabilete direcia de translatare a acesteia corespunztoare maximizrii. Rezult
30
13 9
, vrful F din desen optimul fracionar avnd valoarea f x
.
7
7
7
Prin simpl inspecie se constat c mulimea soluiilor admisibile ntregi ale programului
(P) se compune din cinci puncte:
AP = {A(1,2), B(0,3), C(0,4), D(0,5), E(1,3)}
Funcia obiectiv f are valoarea maxim n A(1,2); prin urmare soluia optim ntreag este
x =(1,2) iar optimul ntreg are valoarea f(x0) = 1.
Comparnd mulimile AP i APL se pot formula urmtoarele concluzii i n cazul general:
0
1) APL este o mulime n care fiecare punct este nconjurat de alte puncte din mulimi
orict de apropiate. Ca urmare, teoria clasic a optimizrii, bazat dup cum se tie pe posibilitatea
efecturii unor deplasri infinitesimale n jurul unui punct, este direct aplicabil.
Prin contrast, AP este o mulime rar, adic orice punct din ea posed o vecintate suficient
de mic n care nu se mai afl alte puncte din mulime. Aplicarea teoriei amintite este n acest caz
lipsit de sens.
2) APL este o mulime convex i mai mult poliedral avnd un numr finit de vrfuri.
Aceste proprieti, plus liniaritatea funciei obiectiv, ne asigur c soluia optim fracionar se
gsete ntr-unul din vrfuri (conform teoremei centrale a programrii liniare). Cercetarea
sistematic a mulimii vrfurilor lui APL cu ajutorul algoritmului simplex conduce la optimul
fracionar ntr-un numr finit de pai.
Cu rare excepii, soluia optim ntreag care este la urma urmei o soluie admisibil
problemei relaxate se gsete n interiorul mulimii APL i ca urmare nu este nici mcar generat
de ctre algoritmul simplex.
3) S considerm anvelopa convex a mulimii AP, adic cea mai mic mulime convex
care conine AP. n fig. 3.1. aceast anvelop este reprezentat de poligonul dublu haurat ABDE.
Prin construcie vrfurile anvelopei sunt soluii admisibile ntregi ale programului (P).
Dac vom maximiza funcia obiectiv f pe anvelopa convex a soluiilor admisibile ntregi
vom regsi soluia optim ntreag x0.
n concluzie, putem rezolva o problem de programare n numere ntregi ca o problem de
programare liniar uzual cu condiia s tim s descriem n limbaj de inecuaii liniare anvelopa
convex a soluiilor admisibile ntregi.
n cazul studiat, aceast descriere este uor de fcut: anvelopa ABDE se compune din
soluiile sistemului de inecuaii
2 x1 + x2 5
x1 + x2 3
x1 1
x1 0, x2 0
n cazul general descrierea este practic imposibil de fcut. Totui am putea recupera ceva din
aceast idee: adugnd la problema relaxat PL un numr de restricii suplimentare judicios alese,
numite tieturi, se pot ndeprta din APL o serie de poriuni astfel nct soluia optim ntreag s
devin vrf n mulimea rmas vezi fig. 3.2.
Tietura 1
Tietura 2
x0
x0
APL 1
APL
max f
APL 2
APL 2
max f
max f
max f
Fig. 3.2
n acest fel soluia optim ntreag va putea fi detectat de ctre algoritmul simplex.
4) n cazul studiat AP era o mulime finit. Acest lucru se ntmpl i n situaii mai generale;
de exemplu o problem de programare cu n variabile bivalente nu poate avea mai mult de 2 n soluii
admisibile ntregi. Fr a influena generalitatea concluziilor, se poate presupune c orice program
ntreg are un numr finit de soluii ntregi.
Aceste constatri ne vor permite s nelegem mai bune fundamentele, performanele i
limitele metodelor de rezolvare a programelor ntregi ce vor fi prezentate n urmtoarea seciune.
4. Metode de rezolvare ale programelor ntregi
Urmtoarele consideraii vizeaz programul ntreg n form standard cu m ecuaii i n
variabile:
n
a ij x j b i
j1
i 1,...m
xj 0
j = 1,...n
xj ntregi
(P)
max f
Ax=b
x0
x ntreg ( cu componente ntregi)
(max) f = cx
c jx l
j1
programului ntreg general (P); observaiile i concluziile din seciunea prezentat vor juca un rol
esenial.
1) O mare parte din aceste metode reduc rezolvarea programului ntreg (P) la rezolvarea
unei secvene finite i programe liniare uzuale:
(PL0 = PL), PL1, PL2, ... , PLt
ultimul avnd drept soluie optim chiar soluia optim ntreag a programului original (P).
Pentru fiecare k = 1, 2, ... t programul (PLk) se obine din cel anterior prin adugarea unei
anumite restricii suplimentare a crei construcie difer de la metod la metod. Restriciile
suplimentare sunt astfel alese nct:
s fie verificate de orice soluie admisibil ntreag a programului original (P);
prin introducerea lor s ndeprteze poriuni din mulimea APL a tuturor soluiilor
admisibile ale relaxatei PL PL0 pn cnd soluia optim ntreag devine vrf n mulimea
rmas, putnd fi astfel cunoscut de algoritmul simplex - vezi fig. 3.2.
Din acest motiv aceste restricii suplimentare se mai numesc i tieturi sau plane de
seciune.
Din categoria algoritmilor bazai pe tieturi fac parte algoritmii discret i ciclic datorai lui
Gomory (1960) i algoritmul primal al lui Young i Glover (1972).
2) Faptul c un program ntreg are (sau poate fi fcut s aib) un numr finit de soluii
sugereaz un alt mod de rezolvare a programelor ntregi bazate pe enumerarea total sau parial
a acestor soluii. Enumerarea total este evocat doar ca posibilitate pentru c numrul soluiilor
admisibile ntregi, dei finit este de regul foarte mare.
Schemele de enumerare parial determin soluia optim ntreag genernd efectiv doar o
parte a mulimii soluiilor admisibile ntregi, soluiile negenerate fiind recunoscute implicit ca
neoptimale.
Domeniul predilect de aplicare a metodelor de enumerare l constituie programarea
bivalent. Un exemplu reprezentativ l constituie algoritmul aditiv al lui Bala (1965).
3) Punerea n eviden a soluiei optime ntregi x0 situat de regul n interiorul mulimii
soluiilor admisibile ale problemei relaxate se poate face i n urmtorul mod (Dakin, Driebeck,
1964).
S presupunem c am rezolvat problema relaxat PL, cu ajutorul algoritmului simplex
obinnd soluia optim fracionar x*. Dac x* are toate componentele ntregi, am terminat:
x* x0 soluia optim ntreag a programului original (P)
n caz contrar, una sau mai multe din componentele x 1 , x 2 ,... ale soluiei x* nu sunt ntregi; s
presupunem de exemplu c x 1 este fracionar. Este clar atunci c soluia optim ntreag cutat va
verifica una din urmtoarele inegaliti mutual exclusive:
x 1 x 1
saux 1 x 1 1
PL
PL1
x1
PL
PL2
x 1
x 1 x 1 1
x x1 , x 2
APL 1
APL 2
x 1 x 1
x 1 x 1 1
x1
Fig. 4.1.
1
x
2
PL1
PL1
PL11
PL12
12
x 2 x 21
x 2 x 21 1
Dac soluia optim ntreag cutat este soluie admisibil pentru programul PL1 atunci cu
siguran ea se va gsi n una din mulimile de soluii admisibile ale celor dou programe rezultate
prin ramificare.
n principiu, reunificarea poate continua de la oricare din problemele PL11, PL12 sau PL2,
condiiile de ramificare fiind acelea ca programul n cauz:
s fie compatibil (adic s aib soluii admisibile);
soluia sa optim s aib cel puin o component fracionar.
De regul, ramificarea se face dup prima variabil cu valoare fracionar sau dup
variabila cu cea mai mare parte fracionar.
Pentru nelegerea metodei vom vizualiza procesul de ramificare printr-un graf arbore T ale
crui moduri sunt diferitele probleme rezultate din ramificare. Nodurile terminale (adic nodurile
din care nu s-a mai efectuat ramificarea) sunt fie probleme incompatibile fie probleme cu soluii
optime ntregi. Cu excepia rdcinii (PL) fiecare nod din T are un unic predecesor. Orice nod care
nu este nod terminal are doi succesori.
PL11
x 1 x 1
x 2 x 21
PL11
PL1
x 1 x 1 1
PL11
x 2 x 21 1
PL12
Figura 4.1
Fiecare nod PL al arborelui T unde este o succesiune de 1 i 2 va avea ataat o
margine superioar:
z rotunjirea ntreag inferioar a optimului problemei PL n cazul n care aceasta este
compatibil.
Este clar c dac soluia optim ntreag x0 se afl printre soluiile admisibile ale problemei
PL atunci:
zCMB f (x0) optimul ntreg z
Prin urmare, dac pentru o problem PL rezultat din ramificare, avem:
z zCMB
13
nu mai are nici un rost s ramificm PL , deoarece printre eventualele sale soluii admisibil ntregi
nu exist nici una mai bun dect actuala xCMB !
Arborele T nu exist de la nceput. La start el se reduce la rdcina (PL) i n continuare
primete noi noduri i arce de legtur n funcie de problemele rezultate din ramificare i efectiv
rezolvate.
Metoda de rezolvare a unui program ntreg succint expus mai sus va fi explicat mai n
detaliu pe urmtorul exemplu:
(max) f 5x1 3x 2
x 2x 2
1 2
( P) x1 x 2 2
2x 2x 7
1 2
x1 , x 2 0 , intregi
START
(PL)
(max) f = 5 x1 + 3 x2
- x1 + 2 x2 2
x1 x2 2
2 x1 + 2 x2 7
x1, x2 0
2
3
5
6
5
6
z 13 13
6
Variabila dup care se face ramificarea va fi ales dup criteriul prii fracionare mai
mari; n cazul de fa este vorba de variabila x2.
Iteraia 1 Se rezolv cu algoritmul simplex programul liniar (PL 1) dedus din (PL) prin
adugarea restriciei x2 1.
Se gsete soluia ntreag x1 = 0, x2 = 1; f = 3 pe care o reinem:
xCMB = (0, 1)
zCMB = 3
tim acum c optimul ntreg este cel puin 3. Revenim la problema (PL).
Iteraia 2 Se rezolv cu algoritmul simplex programul liniar (PL 2) dedus din (PL) prin
adugarea restriciei x2 2.
14
1
2
x 2 2; f 13
1
2
Se conchide c soluiile admisibile ntregi ale problemei (PL 2) care sunt i soluii ale
problemei iniiale (P) nu pot oferi funciei obiectiv o valoare mai mare dect marginea:
z 2 13 13
2
f 12
1
2
Dac soluia optim a programului (P) s-ar gsi printre soluiile ntregi ale problemei PL 21,
zCMB = 11
Conchidem c optimul ntreg al problemei originale (P) este mai mare sau egal cu 11.Revenim la
problema PL21.
Iteraia 5 De aceast dat adugm la PL 21 restricia x2 3. Programul PL212 rezultat are
1
2
soluia fracionar x 1 , x 2 3; f 11
1
2
S observm c eventualele soluii ntregi ale acestei probleme nu pot oferi funciei obiectiv
o valoare superioar marginii z 212 11 11; cum valoarea funciei obiectiv n cea mai bun
2
soluie ntreag gsit pn acum este chiar 11, conchidem c ramificnd PL 212 nu vom gsi soluii
ntregi mai bune dect actuala xCMB. n consecin ne ntoarcem din nou la problema PL21.
Recapitulnd, studiul problemei PL21 a produs o soluia ntreag care a fost reinut precum
i concluzia c PL21 nu are soluii ntregi mai bune dect cea gsit. Ne ntoarcem la problema PL 2
din care am derivat PL21.
Iteraia 6 Adugm acum la PL2 restricia x1 2. Noul program PL22 se dovedete a fi
incompatibil. Ne ntoarcem din nou la problema PL2 cu concluzia c actuala xCMB este cea mai bun
soluie ntreag a sa. Mai departe, revenim la problema PL din care am derivat PL2.
n acest moment putem spune c am examinat direct sau indirect - toate soluiile ntregi ale
problemei (P), deoarece acestea erau, fie soluii ntregi ale problemei PL1 deja studiate, fie ale
problemei PL2 de asemeni examinate.
Soluia ntreag reinut n xCMB este din cea mai bun soluie ntreag adic este soluia
optim a problemei originale (P).
Comentariile de mai sus sunt sintetizate n arborele T din fig. 4.2.
15
START
PL
f=13 5/6
x1 = 5/3, x2 = 11/6
xCMB =
zCMB = -
Actualizare
xCMB (0,1)
zCMB 3
x2 1
z = 13
x2 3
PL2
f = 13
x1 = 3/2; x2 = 2
PL1
f=3
x1 = 0, x2 = 1
Ne ntoarcem
n nodul PL
x2 1
x1 1
PL21
f = 12
x1 = 1 x2 = 5/2
z2 = 13
z21 = 12
PL22
problem
incompatibil
Ne
ntoarcem
rdcina PL STOP
Actualizare
xCMB (1,2)
zCMB 11
PL212
f = 11
x1 = 1/2, x2 = 3
PL211
f = 11
x1 = 1
x2 = 2
Ne ntoarcem
n nodul PL21
z212 = 11 = zCMB !!
Fig. 4.2.
Ordinea de rezolvare a problemelor:
PL PL1 PL2 PL21 PL211 PL212 PL22
Soluia optim ntreag: x0 = xCMB = (1, 2); Optimul ntreg f (x0) = 11
Observaii
fracionar !
16
Abia acum
utilitarul QM
decide s nu
mai ramifice
PL212
x1 0
PL2121
f = 10
x1 = 0
x2 = 7/2
PL2121
z2121 = 10 < zCMB
problem incompatibil
Fig 4.3
Principalele dezavantaje ale metodei descrise sunt:
creterea foarte rapid, chiar exploziv a numrului problemelor de rezolvat i de aici a
volumului de calcule o dat cu creterea dimensiunilor programului original i mai cu seam a
numrului de variabile ntregi;
comportare impredictibil pe probleme de dimensiuni apropiate: arborele problemelor
rezolvate poate fi extrem de stufos pentru o problem i foarte simplu pentru o alta.
n practic, metoda se conbin cu alte procedee (cum ar fi metoda planelor de seciune) care
pot oferi rapid soluii admisibile ntregi suficient de bune micorndu-se astfel drastic numrul
ramificrilor.
Algoritmul descris este o specializare a unei metode mai generale denumite branch &
bound.
n principiu aceast metod ramific adic partiioneaz mulimea n care se caut un
anumit element numit element optimal n pri mai mici pe care le mrginete, aceasta
nsemnnd optimizarea funciei obiectiv pe fiecare din prile rezultate. Unele din aceste pri sunt
ramificate i mrginite n continuare. Nu sunt ramificate acele pri care nu conin n mod sigur
soluia optim cutat.
Ideea metodei B & B este de a gsi elementul optimal fr a inspecta toate elementele ntre
care acesta se gsete; de aceea se spune c B & B este o schem de enumerare parial.
5. ntrebri i probleme
1. Enumerai sursele de apariie ale modelelor de programare n numere ntregi.
2. Explicai termenii: relaxata unui program ntreg, soluie optim fracionar, soluie optim
ntreag, optim fracionar, optim ntreg.
3. Explicai principiul metodelor de rezolvare a programelor ntregi bazate pe tieturi.
4. Explicai eventual pe baza unui exemplu - metoda Branch & Bound.
5. n rezolvarea unui program liniar n numere ntregi (P) n care funcia obiectiv se maximizeaz
s-a ajuns la urmtorul arbore al programelor liniare efectiv rezolvate:
17
PL
f = 41.43
x1 = 1.43 ; x2 = 4.24
PL1
f = 41
x1 = 1 ; x2 = 4.5
PL11
f = 37
x1 = 1 ; x2 = 4
PL2
f = 38.8
x1 = 2 ; x2 = 3.6
PL12
f = 40
x1 = 1 ; x2 = 5
Figura 5.1
a)
b)
c)
d)
2 x1 2 x 2 9
3x x 11
1 2
a)
x1 , x2 0 intregi
(max)f 5x 1 2 x 2
x1 2 x 2 2
x x 2
1 2
3 x1 8 x2 19
6 x 3 x 17
1 2
b) 2 x1 2 x 2 7
c )
x , x 0 intregi
x1 , x2 0 intregi
1 2
7. Un produs complex P se compune din 4 uniti din componenta A i 3 uniti din componenta B.
Componentele A i B pot fi realizate prin trei procese de fabricaie diferite n cadrul crora se
utilizeaz resursele R i S disponibile n cantitile de 100 uniti respectiv 200 uniti. Realizarea
unui proces de fabricaie necesit anumite cantiti din resursele R i S i are ca rezultat producerea
anumitor cantiti din componentele A i B conform datelor din urmtorul tabel:
Proces
1
2
3
Tabelul 5.1
S se scrie un program ntreg pentru determinarea numrului maxim de produse complexe P ce pot
fi realizate din resursele date. Indicaie: se va nota cu x 1 , x2 , x3 numrul de procese 1,2 respectiv 3
necesare i cu y numrul produselor complexe P rezultate.
8. Folosii utilitarul QM pentru rezolvarea programului ntreg:
(max) x 4
8x 5x 3x
2
3
1
6 x1 9 x 2 8 x 3
100
200
7 x1 6 x 2 8 x 3 4 x 4 0
5 x1 9 x 2 4 x3 3x 4 0
x1 , x 2 , x3 , x 4 0 intregi
(Este vorba de modelul matematic al problemei precedente n care variabila y a fost renotat x 4)
Interpretai soluia obinut.
9. Rezolvai prin metoda Branch & Bound programele ntregi din ex.5. n rezolvarea programelor
liniare generate de metod se va folosi metoda grafic. Construii arborele T al programelor liniare
efectiv rezolvate.
10. Descriei urmtoarele probleme:
problema monezilor;
problema alegerii proiectelor de investiii;
19