CERCETRI INFORMAIONALE

1. Etapele principale ale cercetrii operaionale. Obiectivele i criteriile de eficien a

problemelor decizionale.
CO studiul proceselor complexe ce tin de aspecte decizionale care include solutii, strategii si
factori contribuabili. Etape: 1. formularea problemei (scop, resurse, coeficienti tehnici), 2.
elaborarea modelului matematic (functie scop / obiectivul, restrictii), 3. rezolvarea problmei
(determinarea metodei de rezolvare), 4. verificarea, testarea modelului, validitatii (datele
prelucrate / obtinute de catre decident), 5. aplicarea modelului / implementare. Problema de
cercetari operationale se caracterizeaza prin: scop (maximizarea profitului, performantei,
randamentului; minimizarea pierderii, costului, riscului), constrangeri (restrictii), solutii
admisibile, optimale (decizii, strategii, factori de control), functia obiectiv (criterii de eficienta,
performanta),decident sau grup decizional, etc. Decizia se defineste prin hotarrea de a alege o
anumita varianta de actiune din mai multe posibile. Pentru ca o decizie sa fie eficienta trebuie sa
ndeplineasca urmatoarele conditii: sa fie fundamentata stiintific; sa fie luata de organul sau
persoana autorizata; sa fie luata la timp; sa fie simpla si clara; sa nu fie
contradictorie. Criteriile de apreciere a variantelor pot fi: tehnice (consum de materii prime,
durata ciclului de productie); economice (profitul, pretul, durata de recuperare a investitiilor);
sociale (forta de munca, importanta produselor n cadrul pietei). Functia f e functia obiectiv a
problemei de optimizare, ea reprezinta criteriul de performanta urmarit: maximizarea
beneficiului, productiei marfa, gradului de incarcare al utilajelor, veniturilor, minimizarea
costului productiei, timpului de tsationare a utilajelor, etc.
2. Clasificarea problemelor cercetrii operaionale: probleme decizionale de certitudine,
risc i incertitudine. Regulile decizionale n condiii de incertitudine i risc.
Clasificari: 1. Continut: organizarea optima a procesului de productie, gestiunea stocurilor,
transport, de distribuire optima a resurselor; 2. Raport cu timpul: statice, dinamice. 3. Numarul
de funcii obiectiv. 4. Caracter informational: determinist, probabilist, incertitudine.
Sistem {X = (x1, x2,,xn) factori contribuabili; C = marime vectoriala / matrici marimi
constante}. Q = (q1,q2,,qn) vector.
De certitudine sau determinista problema e pe deplin determinata pe grupul de factori X, C; X
solutia se ia in conditii de certitudine, factorii C sunt cunoscuti si nu pot fi modificati de
decident. De risc sau probabilista prezenta celor 3 grupuri de factori X, C, Q. Q element
aleatoriu starea naturii. Se cunoaste legea de repartitie. De incertitudine X,C ca in
determinist, Q factor necunoscut (incert) care apartine unui domeniu.
Cele mai cunoscute instrumente folosite pentru problema de risc sunt: punctul critic, matricea
rezultatelor si arborele decizional. Punctul critic surprinde relatia dintre volumul productiei si
nivelul costului, profitului si ncasarilor din vnzarea unui produs, sau a unui grup de produse.
Punctul critic e cel n care costul total si ncasarile din vnzari sunt egale. Punctul critic este cel
care marcheaza volumul productiei dincolo de care firma nregistreaza profit. Punctul de
echilibru = prag de rentabilitate se gaseste egalnd ecuatiile costului total si a veniturilor din
ncasari: V=q*p; Ct=Cf+Cd; V=Ct.Matricea rezultatelor se prezinta ca o lista bidimensionala de
cifre sau simboluri aranjate pe linii si coloane care identifica starile (conditii) posibile ale naturii
N, probabilitatea P si rezultatul Q fiecarei strategii S. Criteriile pe baza carora decidentul
evalueaza strategiile pot fi: criteriul valorii asteptate; criteriul rationalitatii (criteriul Laplace,
aplicabil deciziilor n conditii de incertitudine); criteriul probabilitatii maxime (pe baza caruia
este aleasa starea naturii cu probabilitate maxima). Astfel, n cazul criteriului valorii asteptate,
decidentul are de calculat valoarea asteptata a fiecarei strategii (V.A.), care este o medie
aritmetica ponderata a rezultatului sau o suma a valorilor conditionale ponderate cu
probabilitatea producerii lor: VA1=p1*Q11++pn*Q1n. Arborele decizional se utilizeaza n
deciziile de grup, in conditii de risc si incertitudine. Scheletul arborelui este format din noduri si
linii. Nodurile sunt momente decizionale: cele care reprezinta deciziile n conditii de certitudine
au forma patrata, iar cele ce sugereaza deciziile n conditii de risc sau incertitudine au forma de
cerc. Liniile reprezinta activitatile sau alternativele posibile. Rezolvarea consta in calculul
sperantei matematice a fiecarei consecinte si alternative decizionale, utiliznd formula: Sm =
suma (pi*Ri), 1

3. Modele liniare ale problemelor de cercetare operaional: exemple de probleme, modele

matematice ale lor.
Structura generala a modelului liniar se constituie prin multimea de activitati A1An, resursele
R1Rn, relatiile tehnico-economice dintre acestea. Legatura dintre activitati si resurse e
determinata de tehnologia de fabricatie pentru activitatea Aj (1
a11 x1 + a12 x2 + + a1n xn <= b1.
am1 x1 + am2 x2 + + amn xn <= bm
sau A * x <= b (1)
Fiecare restrictie incorporeaza 2 afirmatii: cantitatea conusmata dintr-o resursa nu poate depasi
volumul disponibil; consumul total Rij din resursa Ri pentru efectuarea activitatii Aj este
proportional cu intensitatea acesteia, adica cu xj, Rij=aij xj.
Modelul liniar mai contine un criteriu de performanta, care permite evaluarea eficientei fiecarei
activitati indicator ce masoara efortul, altul ce masoara rezultatul, sau unul care e raportul intre
acestea doua. Eficienta maxima inseamna minimizarea efortului si maximizarea rezultatului;
optim este un program xce apartine Rn care minimizeaza sau maximizeaza o functie obiectiv si
satisface toate restrictiile. Daca fiecare componenta a vectorului linie c = (c1cn) masoara
eficienta unei unitati din rezultatul activitatii Aj atunci functia liniara care evalueaza performanta
oricarui program x este: f(x)=c1 x1 + + cn xn.
Structura concreta a unei aplicatii in economie e determinata de obiecivul urmarit. In cazul
problemei determinarii structurii de sortimente optime a productiei se cunosc cantitatile
disponibile din fiecare materie prima bi, coeficientii tehnologici aij (cantitatea de materie prima i
necesara fabricarii uneiunitti de produs j), cantitatile maxime xj si minime xj, profiturile de
unitare pj ale fiecarui tip de produs. Se cere gasirea acelor cantitati xj care trebuie fabricate din
fiecare tip de produs astfel incat sa se obtina profitul maxim. f(x) = p1 x1++pn xn ->max; ai1
x1++ain xnx
j<=xj<xj, j=1n, xj<=0. In unele probleme in loc de profituile pj se cunosc veniturile unitare vj
sau costurile unitare cj scopul fiind maximizarea venitului, minimizarea costurilor. Pot lipsi
restrictiile sau poate exista si alele. La problema de programare operativa a productiei restrictiile
se refera la o serie de masini cu care se executa produsele, bi fiind disponibilul de timp al
utililajului i pe perioada analizata, aij timpul necesar prelucrarii unui produs de tipul j la utilajul
i, scopul fiind maximizarea productiei. Modelul are forma: x1++xn->max, ai1 x1 ++ ain xn
<= bi, i=1m, xj>=0. Daca se doreste obtinerea unui meniu care sa asigure necesarurile bi dintrun numar de m substante avand la dispozitie n alimente cunoscand cantitatile aij din fiecare
substanta pe care le contine o unitate de masura din fiecare aliment si costurile cj unei unitati de
masura din fiecare aliment putem scrie modelul: c1 x1 +...+ cn xn -> min, ai1 x1 + + ain xn
>=bi, x>=0. Variabilele x inacest caz reprezinta cantitatea din fiecare aliment ce va intra in meniu
iar f(x) e costul total al retetei definite de x. Modelul amestecului optim de produse n tipuri de
benzine, amestecul lor obtine o benzina cu m caracteristici impuse, la pret minim posibil. O serie
de caracteristici trebuie sa fie indeplinite cu o limita inferioara, altele superioara, altele cu
egalitate. De asemenea trebuie de tinut cont de cantitatile disponibile din fiecare benzina di. Se
cunosc caracteristicile fiecarei benzine dispozibile date intr-o matrice unde aij e valoarea
caracteristicii i pentru benzina j si preturile unitare ale fiecarei benzine, pj, xj cantitati de
benzina care vor forma amestec optim.
4. Probleme de programare liniar (PPL); formele de prezentare. Noiune de soluie
(soluie admisibil; soluie de baz; soluie de reper i soluie optim).
Situatiile economice total diferite sunt aplicatii in sfera activitatii a urmatoarei probleme de
optimizare: max sau min f(x1,,xn), gi(x1,,xn)<=bi, x1,,xn apartin omega se includ in Rn
in care functiile f, gi: Rn -> R pot avea orice forma si proprietati (liniare, convexe, continui,
diferentiabile), omega poate fi orice submultime din Rn (continua sau discreta, marginita sau
nemarginita, convexa sau neconvexa, finita sau infinita, etc) in care dorim sa gasim minimul sau
maximul functiei f in variabilele xi care indeplinesc restrictiile. O astfel de problema e
de programare matematica. Dac ntr-o problem de programare matematic funcia obiectiv f i
funciile gi, din restriciile 1.2, sunt funcii liniare atunci problema se numete problem de
programare liniar. O problem de programare liniar este, deci, un caz particular al

problemelor de programare matematic. Functia f e functia obiectiv a problemei de optimizare,

ea reprezinta criteriul de performanta urmarit: maximizarea beneficiului, productiei marfa,
gradului de incarcare al utilajelor, veniturilor, minimizarea costului productiei, timpului de
stationare a utilajelor, etc. Inegalitatile in care gi sunt funcii de n variabile iar bi sunt constante
restrictii ale problemei de optimizare traduc in limbaj matematic conditiile de natura
economica in care se desfasoara procesul modelat: nedepasirea stocurilor disponibile de resurse,
indeplinirea sau depasirea unor indicatori economici. Omega de cele mai multe ori e multimea
vectorilor x apartin Rn cu toate componentele nenegative. In dependenta de natura problemei
studiate variaza conditiile impuse variabilelor. Forma standard: {min sau max f = c1 x2 + + cn
xn; ai1 x1 + + a1n xn = bi, i=1,,n; x1,xn >=0.} Forma canonica de minim: {min f = c1
x1 + + cn xn; ai1 x1 + + a1n xn >= bi, i=1,,n; x1,xn >=0.} Forma canonica de maxim:
{max f = c1 x1 + + cn xn; ai1 x1 + + a1n xn <= bi, i=1,,n; x1,xn >=0.} Proprietatile
solutiei unei astfel de probleme: verifica restrictiile 1.2, verifica restrictiile directe 1.3,
optimizeaza functia obiectiv pe multimea vectorilor care indeplinesc p1 si p2. Solutie un vector
x apartine Rn care verifica restrictiile 1.2; solutie admisibila un vector x apartine Rn care
verifica rstrictiile 1.2, 1.3; solutie optima un vector x apartine Rn care verifica restrictiile 1.2,
1.3 si optimizeaza functia obiectiv pe multimea tuturor vectorilor cu aceasta proprietate. O
soluie de baz care are toate componentele nenule strict pozitive se va numi soluie de baz
admisibil.Dintre toate alegerile posibile de solutii este remarcabil (prin simplitatea ei) soluia
x=0, care duce la soluia particularnumit soluia de baz. O soluie optim care este de baz se
va numi soluie optim de baz. Se observ c o soluie de baz are cel mult m componente
diferite de 0. Din cauza importanei lor n rezolvarea problemei, vom evidenia soluiile de baz
care au mai puin dect m componente nenule, numite soluii degenerate i pe cele care au fix m
elemente nenule, numite soluii nedegenerate.
5. Proprietile fundamentale ale PPL (teoremele principale). Interpretarea geometric a
PPL.
Metoda grafic de soluionare a PPL.
T1. Dac problema de programare liniar are soluii admisibile atunci are i soluii de baz
admisibile. T2. Dac problema de programare liniar are soluii optime atunci are i soluii
optime de baz. T3. Mulimea soluiilor admisibile (optime) este nchis i convex. Dac este i
mrginit atunci punctele extremale ale acesteia sunt chiar soluiile admisibile (optime) de baz
ale problemei. Restrictiile dreapta. Functia scop gradient. Domeniul de solutii
este poligonul format de restrictii.Metoda grafica consta in determinarea tuturor varfurilor
poligonului de restrictii care e descris de relatiile 2, 3. Acest poligon reprezinta toate solutiile
admisibile inclusiv si cele optimale. Se foloseste teorema fundamentala T3 in care se
mentioneaza ca solutia optima a unui model liniar este unul dintre varfurile poligonului de
restrictie. Daca am cunoaste toate varfurile poligonului, atunci prin calculul direct al valorilor
functiei am determina aceste valori pentru toate varfurile selectand varful pe care ia maxim. Se
cer reprezentari foarte exacte a desenului ce prezinta poligonul de restrictii si gradientul functiei
scop.
6. Metoda simplex de soluionare a PPL.
Se construieste o solutie initiala de baza, solutie admisibila: de regula se ia in calitate de solutie
de baza punctul (0, 0) daca aceasta e admisibila. Caracter iterativ: la fiecare iteratie are loc
trecerea de la o solutie de baza la alta imbunatatind de fiecare data functia scop. Fiecarei iteratii
ii corespunde un tabel simplex. Trecerea de la un tabel la altul are loc conform metodei
excluderii Jordan Gauss luand in considerare respectarea cirteriului de optimalitate.
7. Problema de transport: probleme echilibrate (nchise) i dezechilibrate (deschise),
modele matematice. Reducerea modelelor deschise la modelul nchis.
Caracteristicile unei probleme de transport clasice sunt: fiecare surs aprovizioneaz cel puin o
destinaie i fiecare destinaie este aprovizionat de la cel puin o surs; pot exista perechi sursdestinaie ntre care nu se poate face transfer (rute blocate); nu exist limitri n ceea ce privete

cantitatea transportat pe fiecare rut; se cunosc cantitile disponibile n fiecare surs i

cantitile necesare n fiecare destinaie; fiecrei rute i s-a asociat un cost care nu depinde de
sensul de parcurgere. Scopul problemei este gsirea acelor cantiti care trebuie transportate pe
fiecare rut astfel nct s se asigure necesarul fiecrei destinaii, n limitele cantitilor aflate la
surse, cu costul minim posibil. Datele problemei sunt: m = numrul de surse (furnizori); n =
numrul de destinatari (consumatori); {Ai, i = 1,...,m} = cantitile disponibile n fiecare surs;
{Bj, j = 1,...,n} = cantitile necesare la fiecare surs; {cij, i = 1,...,m; j = 1,...,n} = costurile
unitare pe fiecare rut (costul transportrii unei uniti de msur de la sursa i la destinaia j). xij
cantitatea care va fi transportat de la sursa i la destinaia j. Problema: Suma cij xij -> min; Suma
xij <=Ai (disponibil total), Suma cij >=Bj (cerere totala); 1. Disponibilul > cererea; xij = Ai Bj /
Suma Ai solutie admisibila; se va transporta doar necesarul pentru a avea costuri
minime. Problema are soluie optim, iar cantitatea n exces fa de cerere va rmne la furnizori,
fiind reprezentat de variabilele de abatere din primele m restricii. Aceste cantiti pot fi privite
ca nite cereri ale unui consumator fictiv i innd cont c, de fapt, aceste cantiti nu sunt
transportate nicieri, costurile unitare pe rutele care ar lega furnizorii de acest consumator sunt 0.
2. Chiar dac disponibilul este mai mic dect necesarul, nu nseamn c nu se va mai transporta
nimic, ci doar c unora dintre consumatori nu li se va satisface toat cererea. Aceast cerere
nesatisfcut poate fi privit ca disponibilul unui furnizor fictiv i innd cont c, de fapt, aceast
cantitate nu exist, costurile unitare pe rutele care ar lega consumatorii de acest furnizor sunt 0.
Orice problem poate fi transformat ntr-o problem de tipul disponibil = cerere. Acest tip va fi
ales pentru formalizarea problemei. O astfel de problem se numete problem de transport
echilibrat. Forma stadard echilibrata: Suma cij xij -> min; Suma xij =Ai, Suma cij =Bj.
8. Soluionarea problemei de transport prin metoda potenialelor.
Daca modelul e neechilibrat se defineste un furnizor imaginar m+1 (<) cu cantitatea de oferta
imaginara egala cu diferenta dintre am+i=bj-ai sau se defineste un consumator imaginar n+1 (>)
cu cantitatea de cererea imaginara bn+1=ai-bj. O soluienedegenerat are m+n1 componente
diferite de 0. Rezolvarea problemei de transport se face n dou etape: 1. Gsirea unei soluii
iniiale de baz dupa una din metodele nord-vest, minim pe linie, minim pe coloana, costul
minim, diferente maxime; 2. Gsirea soluiei optime.
9. Modele de probleme ale programrii liniare n numere ntregi (programarea discret).
Exemple de probleme ale programrii discrete. Metoda Ramific i Mrginete (Branch
and Baund).
In CO se inainteaza cerinta ca solutia propusa sa se exprime in numere intregi. In alte cazuri o
parte din componentele vectorului optim e nevoie sa fie in numere intregi, celelalte se pot
exprima ca valori nenegative R. Initial au fost propuse cateva metode de rezolvare a problemelor
de tip liniar in numere intregi de cercetatori Gomory, Land, Danzig. Metoda Gomory a fost
propusa doar pentru rezolvare modelului liniar si se bazeaza pe metoda simplex si pe ideea
definirii unor hiperplane ce sepata subdomenii admisibile care nu contin solutii exprimate in
numere intregi. Tehnicile respective sunt relativ simple si dupa un numar finit de iteratii de tabele
simplex se obtine solutia finala componentele careia sunt numere intregi. Al doilea tip de metode
propuse de Land, Danzig initial pentru modele liniare mai tarziu generalizate pentru probleme cu
caracter general. In litaratura are denumirea de ramificari si frontiere / estimatii. Exemple de
probleme care se exprima in numere intregi: 1. Modelul clasic de productie cu n produse si m
resurse, 4 conditii, maximizarea venitului. 2. Problema transportului minimizarea costurilor de
transpoprt, ai, bj sunt numere intregi cererea si oferta in orice punct va fi un numar intreg, la fel
si solutia optima cu toate componentele ei. 3. Problema determinarii unui post de lucru n
specialitati, n persoane. Daca persoana i va ocupa postul j atunci castigul respectiv ca fi vij. E
necesar: fiecare persoana i sa fie numit intr-un j; fiecare post j sa fie ocupat de un i; distribuire
persoanelor pe posturi trebuie sa fie realizata astfel incat vij sa fie maximal. Modelul: z(x)= suma
vij xij -> max; suma xij = 1, i=1n o pers ocupa un j; suma xij = 1, j=1n fiecare post sa
fie ocupat de un j; xij = {1 i ocupa j; 0 i nu ocupa j}. Se rezolva problema prin metoda
grafica sau simplex. Daca solutia gasita nu este din numere intregi se ia coordonata care nu este
un numar intreg si se ia numaru intreg de la capetele numaruluise cauta soluti inafara acestor

numere pentru ca intre ele nu exista nici un numar intreg. Xnumaru ntreg de sus acestea sunt 2
restrictii. Termenul ramifica se refera la faptul ca din problema initiala rezulta 2 probleme noi
prin adaugarea la restrictii a uneia din cele 2 restrictii. Aceste 2 probleme se rezolva prin metoda
simplex. Marginirea se refera la faptul ca valoarea variabilelor care nu erau numere intregi este
marginita superior sau inferior. Solutia optima estea cea solutie care confera funtiei obiectiv
valoarea cea mai mare la probleme.
10. Probleme multicriteriale ale programrii liniare. Metode de soluionare.
Modelele cu mai multe criterii solutii pentru care s-ar realiza maximu sau minimu pentru cel
putin 2 funcii scop. Venit -> max, cost -> min, profit -> max. in cazul in care toate expresiile din
model reprezinta funcii liniare modelul multicriterial poarta numele de liniar multicriterial.
Acelasi x va realiza val maxima in primul citeriu si minima in al doilea. Fara a limita
generalizarea am putea considera ca toate sunt de maxim, simetria lui z->min in plan, solutia
ramane aceeasi. Exista cateva moduri de solutionare a acestor probleme: 1. Compozitie /
compunere / sinteza se determina un sir de numere numite prioritati alfa L1,,Lr care
determina gradul de importanta a criteriului dat astfel incat suma lor sa fie 1. Se rezolva modelul
prin metoda grafica. Se gaseste valoare maxima in ambele funcii obiectiv. Se defineste o noua
functie obiectiv impreuna cu functiile obiectiv initiale si ponderile cunoscute Z(x)=Li*zi(x)>max. Se calculeaza valoarea functiei noi in punctele poligonului. Valoarea maxima va fi solutia.
2. Includerii criteriilor in restrictii criteriul de baza e cel de maxim, celelalte devin restrictii
cu un plafon de considerare Zi(i)>=Zi. 3. Concesiilor / caderilor succesive z1(x)->max, fie
z1* - valoarea maxima al lui z1. Se determina o cedare de la aceasta valoare de exemplu 10%:
z2(x)->max, z1(x)>=z1*-cedarea. Urmatorul pas e similar cu precedentul. Solutia de la ultimal
pas e considerata optima. 4. Z1(x)->max, x apartine D, fie x1* - multimea solutiilor, daca e un
singur punct e sol optima. Z2(x)->max, x apartine x1*, x2*-multimea de solutiietc.
11. Probleme de optimizare pe reea: problema arborelui minim , problema drumului
minim (maxim) n reea fr circuite; problema drumului minim n reea cu circuite i
metode de soluionare.
Problema arborelui minim avem n orase care trebuie unite intre ele si cunoastem costul Cij; sa
selectam graful pentru care costul este minim (lungimea totala a muchiilor sa fie minima);
contine n-1 muchii si nu are cicluri; metoda de solutionare este algoritmul Kruskal si algoritmul
Prim. Alg. Kruskal initierea matricii costurilor; urmeaza n-1 pasi: la fiece pas se selecteaza cite
o muchie, astfel incit costul selectat s fie minim din celelalte din matrice si sa nu formeze ciclu.
Alg. Prim se alege un nod S initial, de la el se alege muchia s, j si de pe muchia respectiva
(coloana) se alege valoarea minima Csj; muchia (i,j) unde i M (muchii selectate), j M
(neselectate).
Problema drumului minim (maxim) n reea fr circuite se da un graf orientat (cu arce) fara
circuite, fiecarui arc i se asociaza un numar Cij. Nodul 1 este nod cu gradul de incidenta 0 si este
nod de intrare in graf; nodul final are doar arce de sisire. Sa identificam toate retelele d lungime
minima ce pornesc de la nodul 1 pina la toate celelalte noduri. Metoda de solutionare este
algoritmul Ford: se numeroteaza corect graful prin suprimarea consecutiva a arcelor astfel incit
pentru orice muchie (i,j) i
Problema drumului minim n reea cu circuite metode de rezolvare: alg. Ford (imperfect), alg.
Dijkstra (rezolva si problema drum in retea fara circuite). Alg. Dijkstra se da un graf cu
circuite, cu arce in ambele sensuri; sa se selecteze rute de lungime minima ce pornesc dintr-un
nod arbitrar S. Se constituie 2 multimi: M cu noduri selectate si M cu noduri neselectate. Se
selecteaza pe rind nodurile incepind cu un nod de pornire i0=S pentru care ruta optima a fost
selectata: P0: i0=S M; Ui0=0; Pr(j)=i0; orice j=[1,n]; Ui=Uj, i=j, - distanta optima; min
{Ui0,j}, orice j=[1,n]; j ! M, j!=S; MuM=|Un|=n; jM; Uj1=min{Ui0j} => urmatorul nod. P1:
se verifica pentru toate nodurile jM pentru Uj>Ui+Cij, iM, jM; daca
Uj>Ui+Cij=>Uj=Ui+Cij; daca Uj<=Ui+Cij=>Uj. P2: min{Uj}=Uj; Pr(j) pentru orice jM;
i2=j2M;n-1 pasi.

12. Metoda drumului critic (Critical Path of Method). Graful-reea i regulile principale de
construire.
Drumul critic i determinarea lui. Calcularea caracteristicilor de timp al grafului-reea.
Semnificaia i importana caracteristicilor de timp pentru analiza grafului-reea.
Principiul analizei drumului critic const n divizarea unui proiect (aciuni complexe) n pri
componente. Ia natere un tabel care conine activitile proiectului, intercondiionrile ntre
activiti i duratele acestora. Un astfel de tabel trebuie s conin cel puin urmtoarele
elemente: activiti; condiionri: se precizeaz, pentru fiecare activitate, activitile imediat
precedente, prin simbolurile lor; durata: pentru fiecare activitate se precizeaz durata de execuie,
ntr-o anumit unitate de msur. Durata unei activiti este o constant. Modelele de analiz a
drumului critic se bazeaz pe reprezentarea proiectului printr-un graf, elementele tabelului
asociat acestuia fiind suficiente pentru a construi graful corespunztor. Metoda CPM este un
procedeu de analiz a drumului critic n care singurul parametru analizat este timpul i n
reprezentarea graficului reea se ine seama de urmtoarele convenii: fiecrei activiti i se
asociaz un segment orientat numit arc, definit prin capetele sale, astfel fiecare activitate
identificndu-se printr-un arc; fiecrui arc i se asociaz o valoare egal cu durata activitii pe
care o reprezint; condiionarea a dou activiti se reprezint prin succesiunea a dou arce
adiacente. Nodurile grafului vor reprezenta momentele caracteristice ale proiectului,
reprezentnd stadii de realizare a activitilor (adic terminarea uneia sau mai multor activiti
i/sau nceperea uneia sau mai multor activiti). Pentru reprezentarea corect a proiectului, ct i
pentru o standardizare a reprezentrii n desenarea grafului se respect urmtoarele reguli: fiecare
activitate se reprezint printr-un arc a crui orientare indic, pentru activitate, desfurarea ei n
timp; un arc este limitat prin dou noduri care simbolizeaz momentele de nceput i de sfrit
ale executrii activitii corespunztoare; lungimea fiecrui arc, n general, nu este proporional
cu lungimea activitii; deoarece respectarea tuturor regulilor nu se poate face doar cu arce care
corespund doar activitilor proiectului, vor exista i arce care nu corespund nici unei activiti,
care vor fi reprezentate punctat i care, pentru unitatea prezentrii, vor fi numite activiti fictive,
ele neconsumnd resurse i avnd durata 0. In graf nu sunt admise. Nodurile vor fi numerotate,
numerotarea fcndu-se n aa fel nct, pentru fiecare activitate, numrul nodului de nceput s
fie mai mic dect numrul nodului de final al activitii. graful are un singur nod iniial
("nceperea proiectului") i un singur nod final ("sfritul proiectului"); orice activitate trebuie s
aib cel puin o activitate precedent i cel puin una care i succede, exceptnd bineneles
activitile care ncep din nodul iniial al proiectului i pe cele care se termin n nodul final al
proiectului; dei exist activiti care se execut n paralel, care pot ncepe n acelai moment i
se pot termina n acelai moment, este interzis ca cele dou arce corespunztoare s aib ambele
extremiti comune; nu trebuie introduse dependene nereale. s se foloseasc, pe ct posibil,
numrul minim de activiti fictive, pentru a nu complica excesiv desenul. Analiza grafului retea:
Calculam caracteristicile de timp: cel mai devreme termen de realizare a evenimentului i: td(i) =
maxim care vine in nod i; cel mai tarziu termen de realizare a ev j: tt(j) = minim care pleaca din j.
SD = td; FT = tt; ST = tt-tij; FD = td+tij; rezerve de timp: Rtot = FT-FD=ST-SD; Ri = td(j)-tt(i)tij. Durata critica = termen de realizare cel mai devreme a ultimului eveniment n, - cel mai mic
interval de timp necesar pentru realizarea intregului proiect. Daca td=tt se alege drumul critic.
Activitatile drumului critic sunt numite activitati critice. Caracteristicile de timp sunt importante
in analiza grafului retea pentru ca ele duc la determinarea drumului critic.
13. Teoria firelor de ateptare (teoria cozilor). Clasificarea sistemelor de servire (ateptare).
Exemple. Fluxul de sosire al cererilor (comenzilor). Fluxul elementar, testul Pearson(x2) de
validare a legii de repartiie a probabilitilor de tip exponenial (Poisson) a fluxului de
sosire a cererilor i a timpului de servire.
Teoria firelor de ateptare (teoria cozilor) scop: abonatii sa nu astepte prea mult. Pentru analiza
acestor sisteme se utilizeaza: caracteristicile fluxului de cereri solicitate sistemului, timpul de
servire. Flux de sosire a cererilor variabila x(t) numarul cererilor solicitate sistemului in
intervalul de timp t variabila aleatoare discreta. Tabelul pentru reprezentare: x(t): 0,1,,k,;
p. Legea de distribuire / repartitie a probabilitatii este diferita pentru fiecare sistem. Distingem:
Sisteme deschise: cu surs infinit de staii unde n-numrul staiilor, iar m numrul locurilor de
ateptare=0(cu refuz). Sisteme deschise unde ninf. Sisteme nchise, n care sursa este partea

component a sitemului de ateptare, n numrul staiilor de servire. Pentru toate sistemele,

fluxul de sosire a cererilor este elementar, adic satisface urmtoarele proprieti: 1) ordinar; 2)
staionar; 3) independent. Ordinar probab solicitarii mai mult de o cerere intr-un interval mic
de timp este infinit mica de ordin superior. Stationar probab ca in intervalul de timp t vor sosi k
cereri depinde numai de marimea k si t. Independent probab nu depinde de nr de cereri
solicitate pina la momentul inceperii intervalului t. Fluxul elementar se mai numete flux de tip
Poisson exprima probabilitatea intimplarii unui numar de evenimente intr-un interval fixat de
timp daca aceste evenimente se intimpla cu o frecventa stiuta si independent de timpul de la
ultimul eveniment. Lambda intensitatea fluxului de solicitare a sistemului. O variabila
aleatoare discreta are distributie Poisson cu parametrul lambda>0 daca pntru orice k=0,1,2
probabilitatea ei este definita de formula: f(k; lamda) = P(X=k) = (lambda^k * e^-lambda)/k!.
14. Procese Markov continui dup timp i discrete dup stri. Sistemul de ecuaii
difereniale de tip Kolmogorov. Regim de tranziie i de echilibru (staionar).
In cazul in care sistemul analizat are un numar finit de stari, iar timpul de observare este
continuu, se obtine un proces markov. Probabilitatea tranzitiei dintr-o stare in alta la un anumit
moment de timp este nula. Deoarece variabila aleatoare de timp este continua se utilizeaza
densitati ale probabilitatii de tranzitie.
Proces care se poate afla in una din stari S1Sn si care in orice moment de timp T poate trece
dintr-o stare in alta. Pi(t) probab ca in momentul de timp t procesul poate trece din orice stare
Si in starea Sj a procesului fiind influientat de un flux de evenimente. Pij(t) probab ca-n
momentul de timp t procesul se afla in starea Si. Pi(dt) probab ca in intervalul de timp dt
procesul va trece din Si in Sj. Pi(dt) = lambdaij * dt (elementar Poisson). Lamda intensitatea de
trecere a procesului din o stare in alta; = nr de treceri / unitate de timp. Procesul Markov poate fi
reprezentat print-un graf marcat orientat. Nodurile grafului sunt starile, trecerile dintr-o stare in
alta sunt sagetile. De exemplu: daca avem o retea de 2 calculatoare sunt posibile starile: S0
ambele calc lucreaza; S1 s-a defectat primul; S2 s-a defectat al doilea; S3 s-au defectat
ambele. Variabila lambda in acest caz este intensitatea de defectare a compului; miu
intensitatea de reparare. Sagetile care pleaca dintr-o stare sunt lambda, cele care vin spre ele e
Miu.
Sistemul de ecuaii difereniale de tip Kolmogorov derivata probabilitatilor care conduc de la
orice stare in starea considerata din care se scade suma tuturor probabilitatilor care conduc din
starea considerata in alte stari. pentru fiecare stare se alcatuieste o ecuatie. Cele care vin in S0 se
iau cu + cele care pleaca cu minus. Po(t)=P1Miu1+P2Miu2-P0Lambda1-P0Lambda2. Se
egaleaza cu 0. Po+P1+P2+P3=1; Teoria de rezolvare a sistemului demonstreaza ca Pk(t) e suma
a 2 solutii fk(t) solutia ecuatiilor omogene si fik(t) solutia particulara care verifica conditiile
intitiale (solutia de echilibru). Functionarea sistemului e divizata in 2 etape: de tranzitie si finala
de stabilitate. O stare Si e neesentiala sau de tranzitie daca exista o stare Sj si un numar n astfel
incat Pij(n)>0, Pji(m)=0, pentru orice m. Cand timpul este continuu in locul numarului de pasi n
se poate considera intervalul de timp dt. O stare neesentiala poate fi atinsa in sistem dar cand este
parasita nu se mai revine in ea. O stare Si e esentiala daca nu exista o alta stare Sj in care sa se
ajunga pe un drum oarecare din Si fara ca sistemul sa mai poate reveni in Si. Daca Si si Sj sunt
esentiale, pentru cazul discret, exista 2 numere naturale m si n pentru care Pij(n)>0, Pji(m)>0,
atunci starile se numesc comunicate. Aceasta relatie e tranzitiva. Ergodic sistem pentru care
exista limitele probabilitatilot starilor pentru t tinzand la infinit. Pentru un sistem cu numar finit
de stari conditia necesara si suficienta pentru ergodicitate este ca toate starile esentiale sa fie
comunicante. Pentru starile neesentiale limitele probab starilor sunt 0. Daca un sistem e ergodic
limitele starilor se pot obtine din ecuatiile Kolmogorov in care toate derivatele se anuleaza. Se
obtine un sistem liniar de n ecuatii cu n necunoscute si suma probabilitatile = 1.
Jordan gauss un algoritm de rezolvare a sistemelor de ecuatii liniare. Este inteles ca o secventa
de operatii efectuate asupra unei matrici de coeficienti. Sunt 3 tipuri de operatii elementare
efectuate asupra liniei: schimbare cu locul a doua linii, multiplicarea unei linii cu un numar
diferit de zero, adunarea unui multiplu a unei linii la alta linie pana cand matricea nu contine cat
mai multe zerouri. Sau se foloseste pivotul pentru transformare.

15. Procese moarte i renatere. Formulele Eurlang.

Caz particular Kolmogorov. Lant Markov. Se considera un sistem care poate avea un nr finit de
stari S0Sn In intervalul de timp unic dt, sistemul aflat in starea Sk poate trece in starea Sk+1
cu probabilitatea Lambdak dt, poate trece in starea Sk-1 cu probabilitatea miuk dt sau poate
ramane in starea Sk cu probabilitatea 1-(lambdak+miuk)dt. Robabilitatea ca sistemul sa treaca in
alte stari dect cele specificate e neglijabila. E un proces Markov. Lambdak si miuk sunt
dependenti de k, independenti de t, ceea ce inseamna ca e un proces markov omogen. Acest
proces poarta numele de moarte renastere. Daca starea Sk reprezinta o nastere, iar o tranzitie in
starea Sk-1 reprezinta o moarte. Miui = 0 atunci e un proces de nastere pura. Lambda i = 0 atunci
proces de moarte. Forumele lui Eurlang 1903
P1 = 01/10 * P0.
P1 = 12/21 * P1.
Pn= P0 * (01 * 12 * * n-1 n)/ (10 * 21 * * n n-1).
Po=[(1+01/10)++( 01 * 12 * * n-1 n)/( 10 * 21 * * n n-1)^(-1).
16-17. Sisteme de servire (ateptare) deschise cu coad finit i infinit; caracteristicile
principale necesare pentru analiza acestor sisteme.
De obicei, sistemele de asteptare sunt studiate analitic, adica, pentru anumite repartitii ale
timpilor dintre doua sosiri consecutive si timpilor de servire, precum si anumite politici de
servire ale clientilor, sunt deduse formule matematice ale factorilor de eficienta ai sistemului.
Exista numeroase situatii cnd astfel de formule nu exista sau sunt extrem de complicate. n
aceste situatii, se recomanda utilizarea unor algoritmi de simulare cu ajutorul calculatorului.
Analiza sistemelor de ateptare cu n staii de servire i m=0(locuri la coad).
Fluxul de sosire a cererilor este elementar(de tip Poisson).
Timpul de servire are repartiia exponenial.
F(t)=, unde cte cereri n unitatea de timp t vor fi servite de staie.
Fluxul de sosire: f(t)=
Dac cererea solicitat sosete n momentul cnd cel puin o staie este liber, ea va fi servit.
Dac toate staiile sunt ocupat, ea va fi respins. Toate staiile de servire posed aceeai
capacitate.
S0 starea cnd cererile lipsesc i deci toate n fire de ateptare(staii) sunt libere.
S1 n sistem se afl o cerere, adic 1 staie e ocupat i n-1 libere.
Sn tpate staiile sunt ocupate cu servirea.
Fie intenisatea de ocupare, iar intensitatea de eliberare.
Pentru calculul probabilitilor finale vom utiliza formulele:
Notm, atunci
Avnd probabilitile finale, putem calcula o serie de caracteristici:
probabilitatea cnd cererea va fi refuzat:
capacitatea relativ de servire:
capacitatea absolut de servire:
numrul mediu de staii ocupate cu servirea: sau
numrul de staii libere, ce funcioneaz neproductiv, disponibile:
coeficientul de utilizare a staiei:
coeficientul de staionare neproductiv:
Dac pierderea clienilor este costisitoare, pentru ameliorare se va mri numrul de staii.
Analiza sistemelor de ateptare cu n staii de servire i m<(locuri la coad).
Sn+1 toate staiile sunt ocupate i 1 st la coad
Gsind sistemul n starea Sn+m, cererea va prsi sistemul.
Probabilitatea de refuz a cererii:
Lungimea medie a cozii:; Timp de ateptare la coad
Sisteme de ateptare deschise(fr refuz)(m).