TEMA III

OPTIMIZAREA PROCESELOR ECONOMICE

UTILIZND PROGRAMAREA LINIAR
CURS 6-7. Introducere n programarea liniar. Proprieti ale programelor
liniare, forme speciale ale PPL

1
2
3
4
5

Programarea matematic - Programarea liniar

Exemple de probleme de modelare economico matematic / SEMINAR
Forma general a unui program liniar
Studiul unui program liniar n dou variabile / SEMINAR
Concluzii generale rezultate din rezolvarea grafic a programelor liniare
n dou variabile / SEMINAR

6 Forme speciale de prezentare a programelor liniare

Probleme propuse

Programarea matematic - Programarea liniar

Am afirmat despre CO c are ca obiect de studiu problemele de optimizare, rezultate din

modelarea matematic a unor fenomene i procese din domeniul economic, tiinific, tehnic sau
militar.
Vom prezenta un exemplu simplu, de problem de optimizare, care va constitui suportul aplicativ al
dezvoltrilor teoretice ulterioare.
Exemplul de problem de optimizare.
O companie IT import componente electronice i asambleaz dou tipuri de computere PC1
i PC2 . Vnzarea unui PC 1 (respectiv PC 2 ) aduce un profit de $50 (respectiv $40). Un PC1 are nevoie
de 3 ore pentru asamblare iar un PC2 necesit 5 ore. Pentru urmtoarea sptmn sunt disponibile
150 ore pentru asamblare. Compania are n stoc numai 20 monitoare PC 2 ; altfel spus, n urmtoarea
sptmn ea nu poate produce mai mult de 20 uniti PC 2 . Pentru depozitare un PC1 are nevoie de
8u.a. (uniti de arie) iar un PC 2 de 5u.a. Spaiul disponibil pentru depozitarea produciei din
urmtoarea sptmn nsumeaz 300 u.a. Cererea este suficient de mare pentru ca ntreaga producie
s fie vndut. Conducerea companiei este interesat n elaborarea unui program de producie
pentru urmtoarea sptmn care s-i aduc un profit maxim.
Tipul de problem : elaborarea unui program de producie, pe o anumit perioad, n condiiile
existenei unui disponibil limitat de resurse.
Soluiile problemei : sunt diversele programe de producie realizabile din resursele limitate
specificate: timpul disponibil pentru asamblare, monitoarele PC2 i spaiul de depozitare.
Un program de producie este definit prin dou valori numerice: numrul de uniti PC 1 , respectiv
numrul de uniti PC 2 ce vor fi produse n urmtoarea sptmn.
Programele admisibile sunt comparate ntre ele prin intermediul profitului pe care l-ar aduce n caz
de realizare.
Pentru determinarea soluiilor optime ale problemelor enunate avem nevoie de un instrument special,
numit model matematic.
Formalizarea problemei.
Notm:

x1 numarul de unitati PC1

care vor fi realizate n urmtoarea sptmn,
x 2 numarul de unitati PC2
? Orice cuplu de numere ( x1 , x 2 ) reprezint un program posibil de producie ? Evident c nu.
O prim cerin natural este ca :
x1 0 , x 2 0

(2.1)

unde x1 0 sau x 2 0 semnific opiunea firmei de a nu produce PC1 sau PC2 .

n continuare, asumm proprietile de liniaritate (omogenitate i aditivitate), pentru a construi
modelul matematic al problemei .
Pentru asamblarea a x 1 uniti PC 1 sunt necesare 3x 1 ore; cele x 2 uniti PC2 au nevoie de 5x 2
ore. Realizarea programului ( x1 , x 2 ) ar necesita, pentru asamblare, un total de 3x 1 + 5x 2 ore.
Deoarece fondul disponibil de timp de asamblare este limitat la 150 ore, urmeaz c o condiie
de realizare a programului ( x1 , x 2 ) este:
(2.2)
3 x1 5 x 2 150

Stocul limitat de monitoare PC 2 impune condiia:

x 2 20

(2.3)

Pentru depozitarea produselor finite este necesar o suprafa msurnd 8 x1 5 x 2 u.a. Limitarea
spaiului de depozitare inplic cerina:
(2.4)
8 x1 5 x 2 300

Soluiile admisibile ale problemei firmei de calculatoare se identific cu acele cupluri ( x1 , x 2 ) care
satisfac condiiile (2.1) (2.4).
Profitul rezultat din vnzarea unitilor produse prin programul ( x1 , x 2 ) este exprimat prin funcia
obiectiv:
f 50 x1 40 x 2
(2.5)
Diferitele programe posibile vor fi apreciate prin valoarea pe care o dau acestei funcii.
Reformulm problema dat :
n mulimea cuplurilor de valori numerice care satisfac condiiile (2.1) (2.4) s se determine cuplul
( x1 , x2 ) care d funciei obiectiv (2.5) cea mai mare valoare posibil.
Sintetizm, prin exprimarea matematic:
max f 50 x1 40 x 2

3 x1 5 x 2 150

x 2 20

8 x1 5 x 2 300

x1 0 , x 2 0

i vom spune c (2.6) este modelul matematic al problemei firmei IT .

***

(2.6)

Studiul problemelor de optimizare practice nseamn, pe lng formularea unor modele

matematice adecvate, i elaborarea unor metode de rezolvare a acestora adic elaborarea de
proceduri/algoritmi de determinare a soluiilor optime.
***
DEFINIIA 1. Ansamblul de relaii matematice, care const n maximizarea sau
minimizarea unei funcii, ale crei variabile trebuie s satisfac un set de restricii i condiii
explicite, poart numele de problem de programare matematic.
Dac funcia obiectiv i restriciile sunt liniare n variabilele de decizie vom avea de a face cu o
problem de programare liniar (PPL) sau program liniar (PL). Neliniaritatea funciei obiectiv sau
a unora dintre restricii plaseaz problema de programare n clasa celor neliniare.

-----------pag 13.
2
Exemple de probleme de modelare economico matematic / SEMINAR
n aceast seciune se dau cteva exemple de elaborare a modelelor matematice pentru o
serie de situaii din practica economic. Din motive evidente, situaiile analizate au fost mult
simplificate rmnnd totui plauzibile, acestea punnd n eviden:
- identificarea corect a mrimilor variabile, a criteriului de performan i a condiiilor
limitative din situaia modelat;
- formalizarea corect a acestor elemente n relaii matematice .
Problema 1. Pentru asigurarea activitii curente de producie, o firm are nevoie de anumite cantiti
din trei repere. n principiu, firma are posibilitatea de a fabrica aceste repere cu mijloace proprii dar
conducerea este de prere c resursele disponibile nu sunt suficiente pentru producerea cantitilor
necesare astfel c se pune problema achiziionrii unora de pe pia, cel puin n parte. n procesul de
fabricaie al reperelor la firm sunt implicate dou utilaje, fiecare cu un numr limitat de ore
disponibile de funcionare. Datele concrete ale situaiei sunt indicate n tabelul 1.1:

M1

M2

Cost intern de
producie
(u.m./reper)

R1

25

Cost de
achiziie de pe
pia
(u.m./reper)
31

R2
R3
Timp disponibil
(u.t.)

3
6

4
1

44
19

47
23

1200

1000

Repere

Consumuri unitare de timp de

prelucrare (u.t./reper)

Cantitatea
necesar de repere
(buci)
200
100
150

Tabelul 1.1

Conducerea firmei este interesat n a stabili ct s produc i ct s cumpere de pe pia astfel nct
totalul cheltuielilor s fie minim. Scriei un program liniar care s rspund acestui obiectiv.

Modelul matematic
I) Identificarea mrimilor variabile. Vom nota:
x i cantitarea (n buci) din reperul Ri produs n cadrul firmei, i = 1,2,3
II) Identificarea condiiilor limitative i formalizarea lor n restricii.
- ncadrarea necesarului de timp de prelucrare n fondurile de timp disponibil ale utilajelor M 1 i M2 :
2 x1 3x2 6 x3 1200

(1)

5 x1 4 x2 x3 1000

(2)

- cantitile produse nu trebuie s depeasc comenzile:

200
100

x1
x2

(3)
(4)
(5)

x3 150

Observaie: un calcul simplu arat c fondurile de timp disponibil ale celor dou utilaje nu sunt
suficiente pentru producerea reperelor cerute:

2 200 3 100 6 150 1600 1200

5 200 4 100 1 150 1550 1000
astfel c unele repere vor fi cumprate de pe pia la un pre mai mare.
III) Identificarea criteriului de performan i formalizarea lui n funcia obiectiv
Costul total =

Costul producerii unor repere

n cadrul firmei

Costul achiziionrii restului de

repere de pe pia

25 x1 44 x2 19 x3 31(200 x1 ) 47(100 x2 ) 23(150 x3 )

14350 6 x1 3x2 4 x3

min

ns, minimizarea expresiei 14350 6 x1 3x2 4 x3 este echivalent cu maximizarea scztorului

6 x1 3x 2 4 x3 pentru c desczutul este o constant. n consecin vom lua ca funcie obiectiv:
f 6 x1 3x2 4 x3

max

IV) Condiii explicite impuse variabilelor:

(6)

(7)
x1 0 , x2 0 , x3 0
Observaie: normal ar fi s impunem i condiia x1 , x 2 , x3 ntregi (cum de altfel ar fi trebuit i n
cazul problemei firmei de calculatoare din exemplul 1.2!) dar nu o facem deoarece s-ar complica
rezolvarea. Este posibil ca n soluia optim x1 , x 2 , x3 s aibe valori ntregi i dac nu se ntmpl acest
lucru putem recurge la rotunjiri. Soluia rezultat din rotunjire poate s nu mai fie optim dar abaterea
de la optim este economic neglijabil
Reunind (1) (7) obinem programul liniar:

(max) f 6 x1 3 x 2 4 x3
2 x 3 x 6 x 1200
2
3
1
5 x1 4 x 2 x3 1000

( P ) x1
200

x2
100

x3 150

x1 , x 2 , x3 0

Rezolvarea acestuia a condus la soluia optim:

x1 171 , x2 0 , x3 143

(max) f 1598

Interpretarea soluiei:
-Din reperul R1 , 171 buci se produc n cadrul firmei, restul de 29 buci se cumpr.
Cost: 25171 + 3129 = 4275 + 899 = 5174u.m.
- Reperul R2 se cumpr n totalitate de pe pia.
Cost: 47100 = 4700u.m.
- Din reperul R3 , 143 buci se produc n firm i celelalte 7 buci se cumpr:
Cost: 19143 + 237 = 2717 + 161 = 2878u.m.
Costul total 5174 + 4700 + 2878 = 12752 = 14350- 1598
Problema 2. O banc asigur clienilor si patru tipuri de credit cu urmtoarele dobnzi anuale:
Tip credit

Dobnda anual

1
2

12%
20%

20%

10%

Tabel 1.2

Banca dispune de 250 milioane euro i n stabilirea cotelor pe care le va repartiza fiecrui tip de credit
ea va trebui s in seama de urmtoarele condiii:
a) Tipul 1 trebuie s reprezinte cel puin 55% din totalul creditelor de tipurile 1 i 2 i cel puin
25% din totalul creditelor acordate (n milioane euro);
b) Tipul 2 nu trebuie s depeasc 25% din totalul creditelor acordate;
c) Dobnda medie a tuturor creditelor acordate nu trebuie s depeasc 15%.
Cum va trebui s procedeze banca pentru a-i maximiza venitul din dobnzile la creditele acordate?
Modelul matematic
I) Identificarea mrimilor variabile. Vom nota
xi volumul creditelor de tipul i acordate, i =1,2,3,4 (n milioane euro)

II) Formalizarea criteriului de performan n funcia obiectiv. Venitul bncii, din dobnzile la
creditele acordate are expresia
f 0,14 x1 0,20 x2 0,20 x3 0,10 x4

max

(1)

III) Formalizarea condiiilor limitative n restricii

-

totalul creditelor este plafonat la 250 milioane euro:

x1 x2 x3 x4 250

(2)

formalizarea condiiei a):

x1 0,55( x1 x 2 ) 0,45 x1 0,55 x 2 0

x1 0,25( x1 x2 x3 x4 ) 0,75 x1 0,25 x2 0,25 x3 0,25 x4 0

formalizarea condiiei b):

x2 0,25( x1 x2 x3 x4 ) 0,25 x1 0,75 x2 0,25 x3 0,25 x4 0

formalizarea condiiei c):

0,14 x1 0,20 x 2 0,20 x3 0,10 x 4

0,15 0,01x1 0,05 x 2 0,05 x3 0,05 x 4 0
x1 x 2 x3 x 4
IV) Condiii explicite impuse variabilelor:

xi 0 i 1,..,4 (eventual ntregi dac nu se admit fraciuni de milion!)

(3)
(4)

(5)

(6)

(7)

Reunind (1) (7) i opernd simplificri evidente se obine modelul liniar:

(max) f 7 x1 10 x 2 10 x3 5 x 4
x x x x 250
2
3
4
1
9 x1 11x 2
0

3 x1 x 2 x3 x 4 0
x1 5 x 2 5 x3 5 x 4 0

x1 , x 2 , x3 0

Pentru rezolvare s-a folosit un utilitar care a produs urmtoarea soluie ntreag:
Tip credit
1
2
3
4
Total

Volum (milioane
euro)
65
51
48
86
250

Tabelul 1.3
Tipul 1 reprezint 56% din totalul creditelor de tipurile 1 i 2 i 26% din totalul tuturor creditelor. Tipul
2 reprezint numai 20,4% din total credite. n fine, dobnda medie la creditele acordate este de 15%.
Venitul din dobnzi al bncii se ridic la 37,5 milioane euro.
Problema 3. O mic firm produce bunurile alimentare G1 , G2 , G3 folosind trei materii prime agricole
de baz R1 , R2 , R3 . Necesarul de resurse, n kg, pentru realizarea unui kilogram din fiecare din bunurile
G1 , G2 , G3 sunt indicate n tabelul 1.4.
Bunuri
Resurse
R1
R2
R3

G1

G2

G3

2
1
2

4
3
1

5
2
1

Pentru ziua urmtoare exist n stoc 45 kg din R1 , 30 kg din R2 i 20

kg din R3 .Profiturile sunt de 7, 9, 12 uniti monetare pe kilogramul
din G1 , G2 , respectiv G3 . Firma livreaz bunul G1 n cutii de kg,
bunul G2 n cutii de 1 kg i bunul G3 n cutii de 2 kg iar desfacerea
este asigurat pentru tot ceeace se produce.

Tabelul 1.4

1) Scriei un program liniar pentru determinarea programului de activitate al firmei n ziua

urmtoare avnd ca obiectiv maximizarea profitului.
2) Cum se modific programul iniial dac din bunul G1 nu trebuie s se fac mai mult de zece
cutii?
3) Cum se modific programul iniial dac din bunul G1 se pot face cel mult zece cutii iar din
G2 cel puin trei?
4) Deoarece resursele R1 , R2 , R3 sunt foarte perisabile firma este interesat n a le valorifica ct
mai bine. Cum se poate modela acest deziderat?

1)

Modelul matematic

I) Identificarea mrimilor variabile. Fr ndoial, mrimile variabile ale acestei situaii sunt ce se
va produce n ziua urmtoare din G1 ,G2 ,G3 cu resursele existente n stoc. Consumurile de resurse sunt
calculate la kg de produs finit ns forma final de prezentare a bunurilor este n cutii, astfel c n
evaluarea produciei ce urmez a fi realizate bunurile vor fi msurate n cutii. n consecin, variabilele
modelului vor fi:
xi numrul de cutii coninnd bunul Gi ce urmeaz a fi produse din resursele existente.

II) Identificarea condiiilor limitative i formalizarea lor n restricii. Avnd n vedere notaiile
1
introduse, bunurile G1 ,G2 ,G3 vor fi produse atunci n cantitile (n kg)
x1 , x 2 respectiv 2 x3 kg.
2
ncadrarea consumurilor de resurse n stocurile disponibile conduce la restriciile:
1
(1)
2 x1 4 x 2 5 2 x3 45
2
1
(2)
1 x1 3 x 2 2 2 x3 30
2
1
(3)
2 x1 1 x 2 1 2 x3 20
2
III) Identificarea criteriului de performan i formalizarea lui n funcia obiectiv. Se urmrete
1
maximizarea profitului a crui expresie este 7 x1 9 x 2 12 2 x3 u.m.
2
IV) Condiii explicite impuse variabilelor modelului. Condiiile de nenegativitate sunt evidente:
x1 0 , x2 0 , x3 0

la care se adaug condiia

x1 , x 2 , x3 ntregi

deoarece produsele finale sunt msurate n uniti indivizibile (nu se poate produce o fracie dintr-o
cutie) n final se obine programul liniar:

(max) f 3,5 x1 9 x 2 24 x3
x 4 x 10 x 45
2
3
1
( P1 ) 0,5 x1 3 x 2 4 x3 30
x x 2 x 20
2
3
1
x1 , x 2 , x3 0 (intregi)

2) La modelul (P1 ) se adaug restricia x1 10 obinndu-se programul (P2 )

3) La modelul (P1 ) se adaug restriciile x1 10, x 2 3 obinndu-se programul (P3 )
4) n notaiile modelului (P1 ) cantitile de resurse neconsumate au expresiile:
resursa R1 : 45 ( x1 4 x2 10 x3 ) 0
resursa R2 : 30 (0,5 x1 3x2 4 x3 ) 0
resursa R3 : 20 ( x1 x2 2 x3 ) 0
Valorificarea celor trei resurse este cu att mai bun cu ct diferenele de mai sus sunt mai mici. Vom
realiza acest lucru minimiznd cea mai mare dintre diferene:

unde

si

(min) y
y max{45 ( x1 4 x 2 10 x3 ),30 (0,5 x1 3x 2 4 x3 ),20 ( x1 x 2 2 x3 )}
x1 , x 2 , x3 satisfac toate relatiile modelului (P)

Pentru a transforma noul model ntr-un program liniar uzual nlocuim relaia de definiie a variabilei y
cu inegalitile:
45 ( x1 4 x2 10 x3 ) y
30 (0,5 x1 3x2 4 x3 ) y
20 ( x1 x2 2 x3 ) y

Tot din relaia de definiie a lui y rezult c dac x1 , x 2 , x3 sunt ntregi atunci y este sau un numr ntreg
sau un numr cu partea fracionar 0,5; n consecin, numrul z = 2y va fi cu siguran ntreg.
nlocuind mai sus y z 2 obinem programul liniar:
(min) 0,5 z
x 4 x 10 x 45
2
3
1
0,5 x1 3 x 2 4 x3 30

x1 x 2 2 x3 20
( P4 )
x1 4 x 2 10 x3 0,5 z 45
0,5 x1 3 x 2 4 x3 0,5 z 30

x1 x 2 2 x3 0,5 z 20
x , x , x , z 0 (intregi)
1 2 3

10

Analiza comparativ a soluiilor optime. n tabelul 1.5 sunt prezentate soluiile optime ntregi
ale modeleor P1 P4 .
Cel mai mare profit care s-ar obine din resursele date este de 121 u.m.; aceast valoare poate fi
luat ca punct de referin. Soluia corespunztoare are unele inconveniente: nu produce bunul G2 i
aproape o treime din resursa R2 nu se consum. ncercarea de diversificare a produciei vezi soluiile
modelelor (P2 ) i (P3 ) - reduce profitul cu cteva procente i duce la creterea cantitilor de resurse
neutilizate. Ultima propunere de plan de activitate asigur o utilizare aproape total a resurselor
disponibile iar profitul aferent este foarte aproape de nivelul maxim posibil. Totui ea nu prevede
producerea bunului G3 i acest lucru s-ar putea s conteze n decizia final, decizie care va trebui s
in seama i de cererea pentru acest bun.

Model

Programul optim de activitate

Cantitatea de produs n cutii i kg
din:
G1
G2
G3

Resurse consumate
(n kg i % din stocurile disponibile)
R1

R2

Profit

R3

Cutii

kg

Cutii

kg

Cutii

kg

kg

kg

kg

u.m.

P1
P2

14
10

7
5

3
3

6
6

44
44

97,8
97,8

19
20

63,3
66,7

20
17

100
85

121
116

100
95,9

P3
P4

9
12

4,5
6

4
8

4
8

2
-

4
-

45
44

100
97,8

24,5
30

81,7
100

17
20

80
100

115,5
114

85
94,2

Tabelul 1.5
Problema 4. Din bare cu lungimea 100 dm trebuie tiate bare mai mici cu lungimile 47,31 i 19 dm n
cantitile 15, 21 respectiv 40 buci. Scriei un program liniar pentru realizarea comenzilor specificate
cu un consum minim de bare cu lungimea 100 dm.
Modelul matematic
I) Identificarea mrimilor variabile. Dac n problemele precedente mrimile variabile erau efectiv
prezente n enun ,ateptnd doar s fie recunoscute i notate, n cazul de fa lucrurile sunt mai
complicate: din enun lipsesc informaiile privind modalitile de tiere a barelor lungi n bare mai
scurte. Aceste modaliti de tiere se numesc reete de croire i multiplicitile de folosire a lor vor fi
variabilele modelului!
O reet de croire se va zice maximal dac din restul ei nu se mai poate croi nici una din barele (mai
mici) cerute. Lista reetelor maximale este dat n tabelul 1.11
Reeta
47 dm
31 dm
19 dm
Rest (dm)

R1
2
6

R2
1
1
1
3

R3
1
2
15

R4
3
7

Tabelul 1.11

11

R5
2
2
0

R6
1
3
12

R7
5
5

Notm

x j numrul barelor lungi de 100 dm tiate dup reeta Rj, j = 1,...,7

II) Formalizarea condiiilor limitative n restricii Barele cu lungimea de 47 dm se obin numai din
aplicarea reetelor R1 , R2 , R3 . Din tierea a x 1 bare de 100 dm dup reeta R1 se obin 2x 1 bare de 47
dm. Aplicnd i reetele R2 i R3 de x 2 respectiv x 3 ori se mai obin- separat - cantitile x 2 i x 3 de bare
de 47 dm. n consecin, din procesul de tiere rezult un total de 2 x1 x2 x3 bare de 47 dm care
trebuie s acopere cele 15 buci cerute:
2 x1 x2 x3 15
Realizarea cantitilor de bare de 31 dm i de 19 dm conduce la inegalitile:
x2 3x4 2 x5 x6 21
x2 2 x3 2 x5 3x6 5 x7 40

(1)
(2)
(3)

III) Formalizarea criteriului de performan n funcia obiectiv. Se urmrete minimizarea

numrului de bare de 100 dm tiate:
(4)
(min) f x1 x2 x3 x4 x5 x6 x7
IV) Condiii explicite impuse variabilelor:
(5)
x j 0 j 1,,7 i ntregi
Reunind (1) (5) se obine un program liniar cu trei restricii i apte variabile.
Observaie: O soluie acceptabil pentru problema dat se obine astfel.
Calculm lungimea total a barelor cerute: 1547 + 2131 + 4019 = 2116 dm. Rezult imediat c pentru
2116
satisfacerea comenzilor trebuie tiate cel puin
22 bare de 100 dm. Am putea folosi reeta R2
100
de 15 ori apoi reeta R6 de 6 ori i la urm reeta R7 de dou ori obinnd cantitile cerute i un surplus
de 3 bare de 19 dm.Se folosesc 15 + 6 + 2 = 23 bare lungi. Resturile procesului de tiere nsumeaz
23100 2116 = 184 dm reprezentnd 8% din lungimea barelor tiate. Dei poate fi apreciat ca foarte
bun, aceast soluie nu este optim; se poate arta c sunt suficiente 22 de bare de 100 dm pentru a
croi toate barele mai mici, resturile reprezentnd numai 3,82% din ce s-a tiat.. Invitm cititorul s
gseasc soluia optim.

12

Forma general a unui program liniar

Reamintim c o problem de programare matematic const n maximizarea sau minimizarea unei

funcii ale crei variabile trebuie s satisfac un set de egaliti i/sau inegaliti nestricte. n
aplicaiile practice, variabilele nu pot lua dect anumite valori reale, ca de exemplu numai valori
nenegative.
Funcia de optimizat se numete funcie obiectiv iar relaiile necesar a fi ndeplinite de ctre variabile
se numesc restricii.
DEFINIIA 2. O problem de programare liniar (PPL), sau un program liniar (PL) este o
problem de programare matematic n care funcia obiectiv i restriciile sunt liniare n
variabilele problemei.
Exemplul 1 Exemple de programe liniare:

(min) f 30 x1 50 x 2 100 x3
(max) f 50 x1 40 x 2

3 x 5 x 150
x1 3x 2 2 x3 2
1
2

( P1 )
3 x1 x 2
x 2 20
3
(dat anterior) ( P2 )

8 x 5 x 300
5 x1
x3 4
1
2

x1 0 , x 2 0

x1 frs ; x 2 0 ; x3 0
frs fr restricie de semn( orice valoare real)
Putem presupune c toate variabilele unui program liniar satisfac condiia de nenegativitate:

xj 0
nlocuind la nevoie:
- o variabil nepozitiv x j 0 cu opusa ei xj x j 0
- o variabil fr restricie de semn, cu diferena a dou variabile nenegative:
x j xj xj cu xj 0 , xj 0

Exemplul 2 Transformm programul (P 2 ) din exemplul 1 ntr-un program echivalent n care toate
variabilele satisfac condiia de nenegativitate. Pentru aceasta facem substituiile:
x1 x1 x1 cu x1 0, x1 0 i x 2 x 2 cu x 2 0

13

Obinem programul:

(min) f 30 x1 30 x1 50 x 2 100 x3

x1 x1 3 x 2 2 x3 2

3
3 x1 3 x1 x 2
5 x 5 x
x3 4
1
1

x1 0, x1 0, x 2 0, x3 0
DEFINIIA 3 : n forma sa general, un program liniar (P) const din:
n variabile reunite n vectorul x ( x1 , x2 ,, xn ) ;
m restricii liniare n variabilele x1 , x2 ,, xn care pot fi egaliti sau inegaliti nestricte:

ai1 x1 ai 2 x 2 ain x n bi i 1, , m
(1)


(n (1) i este indicele restriciei; pentru fiecare i 1,, m este precizat unul din semnele , = sau )
funcie obiectiv, liniar n variabilele x1 , x2 ,, xn :
f ( x) c1 x1 c2 x2 cn xn

(2)

condiii de nenegativitate impuse tuturor variabilelor:

x1 0 , x2 0 , , xn 0

(3)

DEFINIIA 4. Un ansamblu de valori numerice x ( x1 , x2 ,, xn ) care satisfac restriciile (1) se

numete soluie a programului (P). Dac n plus sunt verificate i condiiile de nenegativitate (3) adic
x1 0 , x 2 0 , ...., x n 0 ,vom spune c x este o soluie admisibil a lui (P)
Vom nota cu A (sau cu A P dac este necesar) mulimea soluiilor admisibile ale programului (P). A
este o submulime a spaiului numeric R n .
DEFINIIA 5. O soluie admisibil x ( x1 , x2 ,, xn ) cu proprietatea:
f ( x ) max f ( x) , x A sau, dup caz f ( x ) min f ( x) , x A

se numete soluie optim a programului (P).

n baza relaiei:
min f ( x) , x A - max f ( x) , x A
n consideraiile teoretice dezvoltate n continuare vom presupune c funcia obiectiv din (P) se
maximizeaz.

14

Exemplul 3 Pentru programul liniar

(max) f 8 x1 6 x 2 7 x3
3 x x 2 x 30
1
2
3

( P ) 2 x1 x 2
35
x
3 x3 20
1

x1 0, x 2 0, x3 0
ansamblul de valori numerice (vectorul) x (15,5,5) x1 15 , x2 5 , x3 5 este o
soluie neadmisibil;
vectorul ~
x (14,16,2) este o soluie admisibil care d funciei obiectiv valoarea f ( ~
x ) 30 ;
vectorul x (13,9,0) x1 13 , x2 9 , x3 0 este unica soluie optim a programului
(P), oferind funciei obiectiv valoarea maxim f ( x ) 50 .

Studiul unui program liniar n dou variabile / SEMINAR

Considerm un program liniar n dou variabile x1 , x 2 : lum ca exemplu modelul matematic al

problemei firmei de calculatoare:

(max) f 50 x1 40 x 2
3 x 5 x 150
1
2

( P1 )
x 2 20
8 x 5 x 300
1
2

x1 0 , x 2 0
Pentru un asemenea program avem posibilitatea vizualizrii mulimii soluiilor sale admisibile
identificnd x 1 i x 2 cu abscisa respectiv ordonata unui punct dintr-un plan raportat la un sistem de
axe.Sunt necesare cteva rudimente de geometrie analitic.

15

Punctele din primul cadran

corespund programelor
poteniale de activitate

x 1 0

NTREBRI
x1 <0
x2 >0

(10,20)
realizabil

(25,20)
nerealizabil

(15,10)

x 2 0

realizabil

x1 <0
x2 <0

1. Care dintre punctele primului

cadran corespund programelor admisibile,
realizabile din resursele date?
2. Unde este punctul corespunztor
programului optim de activitate?

x1 >0
x2 <0

Figura 2.1

Avnd n vedere semnificaia variabilelor x1 , x 2 punctele ( x1 , x 2 ) n care x 1 <0 sau x 2 <0 nu au nici o
interpretare economic logic. n schimb, punctele ( x1 , x 2 ) cu x1 0 , x 2 0 se pot identifica, firesc,
cu programele poteniale de activitate pentru urmtoarea sptmn. Astfel:
Punctul (15,10) corespunde inteniei firmei de a produce 15 uniti PC1 i 10 uniti PC 2 .
Intenia este chiar realizabil, cele trei resurse avute n vedere timp pentru asamblare, monitoare PC 2
i spaiul de depozitare fiind mai mult dect suficiente:
- necesar de timp pt. asamblare 3 15 5 10 85 150 timp disponibil pt. asamblare;
- necesar monitoare PC 2 10 20 disponibil monitoare PC 2 ;
- necesar spaiu de depozitare 8 15 5 10 170 300 spaiu disponibil pentru depozitare.
n caz de adoptare, acest plan ar aduce firmei un profit de 50 15 40 10 $1150.
Punctul (10,20) corespunde unei alte propuneri realizabile de program de activitate chiar mai
bun dect precedenta deoarece ar aduce un profit superior: 50 10 40 20 $1300. Acest plan ar
utiliza integral resursa monitoare PC2 .
n schimb, punctul (25,20) reprezint o propunere de plan potenial dar nerealizabil deoarece
timpul necesar pentru asamblare ar depi timpul disponibil: 3 25 5 20 175 150 (celelalte dou
resurse ar fi utilizate integral)

16

Se ridic firesc ntrebrile:

I) Care sunt punctele corespunztoare inteniilor de plan realizabile? Cum arat
mulimea lor?
II) Unde se gsete punctul corespunztor programului realizabil cu cel mai mare profit
(programul optim) i cum se gsete el?
III) Ce concluzii s-ar putea trage pentru cazul general (mai mult de dou variabile)?
I) Rspuns
Determinm punctele ( x1 , x 2 ) cu x1 0 , x 2 0 care satisfac prima restricie din (P 1 ): 3 x1 5 x 2 150 .
Pentru aceasta reprezentm n plan dreapta de ecuaie 3 x1 5 x 2 150 - vezi figura 2.2. Punctele
acestei drepte n care x1 0 , x 2 0 corespund inteniilor de plan care utilizeaz integral timpul
disponibil pentru asamblare. Din acest motiv, dreapta de ecuaie 3 x1 5 x 2 150 se va numi n
continuare dreapta asamblare.
Punctele ( x1 , x 2 ) care satisfac inegalitatea 3 x1 5 x 2 150 constituie unul din cele dou semiplane
determinate de dreapta asamblare. Pentru identificarea lui va fi suficient s lum un punct nesituat pe
dreapt de exemplu origina (0,0) i s testm satisfacerea restriciei de ctre coordonatele punctului
ales.n caz afirmativ, reinem semiplanul care conine punctul, altminteri reinem cellalt semiplan.
Programele poteniale care satisfac prima restricie sunt vizualizate n figura 2.3.
.
x2

x2
Punctele corespunztoare inteniilor poteniale de
plan (x10, x20) al cror necesar de timp pt.
asamblare
se
ncadreaz
n
disponibil:

x1 =0 x2 =30

3 x1 5 x 2 150

30

Tieturi

Dreapta ASAMBLARE

x2 =0 x1 =50
Origina (0,0)

3 x1 5 x 2 150

(0,0)

x1

50

Trasarea dreptei asamblare de ecuaie

3 x1 5 x 2 150

Figura 2.3

Figura 2.2

Procedm analog i cu celelalte dou restricii vezi figurile 2.4 i 2.5

17

x2 0

x1

x2
x1 0
x2

x1 0
20

60

Punctele corespunztoare inteniilor

poteniale de plan (x10, x20) al cror
necesar de monitoare PC2 se ncadreaz
n disponibil: x2 20

Punctele corespunztoare inteniilor

poteniale de plan (x10, x20) al cror
necesar de spaiu pt. depozitare se
ncadreaz n spaiul disponibil:
8x1+5x2 300

dreapta MONITOARE PC2

x2 = 20

Dreapta DEPOZITARE
8x1+5x2 = 300

x2 0

37,5

x1

Figura 2.4

x2 0

x1

Figura 2.5

Recapitulnd, n figurile 2.1, 2.3, 2.4 i 2.5 apar mulimile de puncte ( x1 , x 2 ) ale cror coordonate
satisfac separat! condiiile de nenegativitate i restriciile programului (P 1 ). Partea lor comun,
adic intersecia, este format din punctele care satisfac simultan toate aceste condiii.
n figura 2.6 este vizualizat aceast intersecie; ea este mulimea hasurat OABCD. Punctele ei
sunt exact soluiile admisibile ale programului (P1 ) i corespund propunerilor de plan, realizabile
din resursele date.
II) Rspuns la a doua ntrebare.
Dnd funciei obiectiv f o valoare oarecare, de exemplu 1300, ne putem ntreba ce semnificaie au
punctele ( x1 , x 2 ) - firete cu x1 0 , x 2 0 - situate pe dreapta:
f 1300 50 x1 40 x 2 1300

Aceste puncte corespund inteniilor de plan care ar aduce firmei un profit de $1300 firete n cazul
n care aceast intenie ar fi i realizabil.
Pentru a vedea dac firma poate realiza un profit de $1300 din resursele date, cercetm dac dreapta
f = 1300 intersecteaz mulimea A a programelor de producie realizabile. Din figura 2.7 rezult c
exist chiar o infinitate de programe realizabile care ar conduce la acest profit. Se poate obine un profit
dublu? Din aceeai figur rezult c dreapta f 2600 50 x1 40 x 2 nu mai intersecteaz A i n
consecin $2600 nu pot fi ctigai din resursele date!
Pentru a vedea ct de mare este profitul ce poate fi realizat, translatm dreapta f = 1300 ctre dreapta
f = 2600 oprindu-ne n momentul n care se pierde intersecia cu mulimea soluiilor admisibile A.

18

x2
x1 0
A mulimea soluiilor admisibile ale
programului liniar:

(max) f 50 x1 40 x 2
3 x 5 x 150
1
2

( P1 )
x 2 20
8 x 5 x 300
1
2

x1 0 , x 2 0

(25,20)

(10,20)
B

(15,10)

x2 0
x1

Figura 2.6
x2

Profit =$2600
Profit maxim
C

Soluia optim

x1 30 , x2 12

A
O

Profit =$1300

x1

Figura 2.7

19

Din figura 2.7 rezult c dreapta profit maxim trece prin punctual B, punct ce reprezint soluia
optim a problemei.
Programul realizabil reprezentat de punctual B, program care ar aduce firmei cel mai mare profit
posibil, se afl la intersecia dreptelor asamblare i spaiu de depozitare; prin urmare acest plan
necesit consumarea integral a resurselor sus amintite.
Componentele programului optim coordonatele punctului B se obin rezolvnd sistemul de ecuaii
liniare:

3x1 5 x 2 150
x1 30 unitati PC1

x 2 12 unitati PC 2
8 x1 5 x 2 300

profitul maxim f $1980

Concluzii generale rezultate din rezolvarea grafic a programelor

liniare n dou variabile / SEMINAR

Considerm acum un alt program liniar n dou variabile:

(max) f 3 x1 x 2
3x 2 x 3
2
1
( P2 ) 5 x1 4 x 2 10
2x x 5
2
1
x1 0, x 2 0
n figura 2.8 este vizualizat mulimea soluiilor admisibile A : este mulimea haurat ABCD. Ecuaia
de definiie a funciei obiectiv:
3 x1 x 2 f
poate fi interpretat ca ecuaia unei mulimi de drepte paralele, ( denumirea consacrat: fascicul de
drepte paralele) numite drepte de nivel ale funciei f. Dac o dreapt particular
3x1 x2 f

(n figur f 1 )

intersecteaz A aceasta va nsemna c programul (P 2 ) are soluii admisibile care ofer funciei obiectiv
valoarea prestabilit f . Pentru valori numerice superioare lui f dreptele de nivel corespunztoare sunt
translaii ale dreptei originale n sensul indicat de sgeat. Rezult uor c maximul funciei f se atinge
n vrful (colul) A al frontierei mulimii A. A este intersecia dreptelor de ecuaii 3 x1 2 x 2 3
13 9
i 2 x1 x2 5 . Rezolvnd sistemul acestor ecuaii se gsete soluia optim x , cu
7 7

20

max f f ( x )

30
, care satisface cu egalitate prima i a treia restricie i cu inegalitate strict pe cea
7

de a doua.
x2
x1 0
D
f=1

max f
5x1 +4x2 10

max f

30
7

Soluia optim x * :
13 9
x1
, x2
7
7

A
B

3x1 -2x2 3

x2 0
x1
2x1 +x2 5

Figura 2.8

Dac n (P2 ) schimbm funcia obiectiv f 3 x1 x 2 cu funcia g x1 x 2 obinem un nou program

liniar, (P3 ) a crui soluie optim se gsete n alt vrf al mulimii A i anume n B de coordonatele
16
15
x1
, x2
- vezi figura 2.9.
11
22

21

x2

A
A

max g

max g

17
22

Soluia optim:

x1 16
11 , x 2

15
22

B
x1

Figura 2.9
n fiecare din cele trei rezolvri grafice de programe liniare n dou variabile de pn acum, optimul
funciilor obiectiv a fost realizat de ctre o singur soluie admisibil. Nu ntotdeauna este aa; s
considerm programul liniar (P4 ) derivat din (P2 ) prin nlocuirea funciei obiectiv f cu funcia
13 9
h 10 x 1 5 x 2 .Din figura 2.10 rezult c nu numai vrfurile A , i D 0 , 5 sunt soluii
7 7
optime dar i toate celelalte puncte ale segmentului AD au aceast calitate. Prin urmare programul (P4 )
are o infinitate de soluii optime.
Vom analiza acum programul liniar:
(max) f 3 x1 x 2
3x 2 x 3

1
2
( P5 )
5 x1 4 x 2 10
x1 0 , x 2 0
derivat din (P2 ) prin eliminarea celei de a treia restricii. Mulimea soluiilor admisibile ale noului
program este nemrginit vezi figura 2.11 i orice dreapt de nivel a funciei obiectiv
3x1 x2 f

22

x2
Max h = 25

Orice punct al segmentului

AD reprezint o soluie optim
!

Max h

D
B
x1

Figura 2.10

x2
max f

Mulimea soluiilor admisibile

ale
programului (P5 )
este
nemrginit. Nu exist o cea
mai bun soluie! Zicem c
programul (P5 )are optim infinit

A
C

B
x1

Figura 2.11

23

o va intersecta, orict de mare ar fi constanta f .Conchidem c dei (P5 ) are soluii admisibile, nu exist
una care s ofere funciei obiectiv cea mai mare valoare. Vom spune c funcia obiectiv a programului
(P5 ) este nemrginit superior pe mulimea soluiilor sale admisibile sau c (P 5 ) are optim infinit.
S lum n considerare i programul liniar:

(max) f 3 x1 x 2
3x 2 x 3
2
1
( P6 ) 5 x1 4 x 2 10
2x x 5
2
1
x1 0, x 2 0
dedus din (P2 ) schimbnd sensurile tuturor restriciilor. n figura 2.12 sunt puse n eviden cele cinci
x2
x1 0
2x 1 +x 2 5

3x 1 -2x 2 3

x 2 0

Programul (P 6 ) are soluii dar nu are

soluii admisibile!
Un program liniar fr soluii admisibile
se zice incompatibil

x1
5x 1 +4x 2 10

Figura 2.12
semiplane n care sunt verificate restriciile i condiiile de
format din punctele ale cror coordonate verific toate
reprezint soluiile programului. Nici una dintre aceste soluii
nenegativitate, altfel spus nu este admisibil. Programul (P6 ) nu
24

nenegativitate. Mulimea haurat este

restriciile programului; aceste puncte
nu verific simultan ambele condiii de
are soluii admisibile; zicem c (P6 )

este un program incompatibil.

Exemplele studiate mai sus ilustreaz urmtoarea clasificare a programelor liniare dup existena
soluiilor admisibile.
Cu soluie
optim unic
Cu optim finit
(funcia obiectiv este mrginit pe
mulimea soluiilor admisibile)
Cu o infinitate
de soluii optime

Compati bile
(cu soluii admisibile)
Cu optim infinit
(funcia obiectiv este nemrginit
pe mulimea soluiilor admisibile)

Programe
liniare

Incompati bile
(fr soluii admisibile)

Figura 2.13

Observaie: Existena unei soluii optime n cazul n care funcia obiectiv este mrginit pe mulimea
soluiilor admisibile A este consecina faptului c A este o mulime nchis n topologia uzual a
spaiului numeric R n ( i conine frontiera). Faptul c A este nchis rezult din cerina ca toate
restriciile inegaliti s fie nestricte.
De exemplu, funcia f ( x) 3x este mrginit superior pe mulimea A = {x 0 x 1} - care nu este
nchis - ns max{ f ( x) , x A }nu exist: singurul candidat ar fi x 1 dar 1 A !
Urmtoarele concluzii sunt valabile pentru orice program liniar compatibil n dou sau trei variabile
mulimea soluiilor admisibile A putnd fi vizualizat n planul R2 sau spaiul fizic R3 :
Mulimea A este convex, adic cu dou puncte conine i segmentul care unete punctele.
O consecin intuitiv a acestei proprieti este c soluia optim, dac exist, se gsete
undeva pe frontiera lui A.
Frontiera mulimii A are un numr finit de vrfuri i dac programul are soluii optime
cel puin una dintre ele se gsete ntr-un vrf.

25

Aceste afirmaii constituie sursa ntregii teorii a programrii liniare deoarece sunt valabile pentru
orice program liniar, bineneles cu condiia generalizrii corespunztoare a termenilor geometrici
utilizai n formulare.

Forme speciale de prezentare a unui program liniar

ntr-un program liniar se pot ntlni restricii de toate tipurile, egaliti i inegaliti, acestea din urm
putnd fi de sensuri contrare. Studiul teoretic a impus forme speciale de prezentare, mai simple, n care
toate restriciile au aceeai form:
- forma canonic, n care toate restriciile sunt inegaliti cu acelai sens;
- forma standard, n care toate restriciile sunt egaliti.
Orice program liniar poate fi adus la una din aceste forme fr alterarea mulimii soluiilor admisibile
i nici a soluiilor sale optime!

1) Forma canonic a unei probleme de programare liniar

DEFINIIA 6. O restricie a unui program liniar (P) se zice concordant dac este o
inegalitate de tipul "" cnd funcia obiectiv se maximizeaz i de tipul "" cnd funcia obiectiv se
minimizeaz.
DEFINIIA 7. O restricie inegalitate care nu este concordant se va numi neconcordant.
Restriciile egaliti nu fac obiectul acestei clasificri.
DEFINIIA 8. Spunem c o problem de programare liniar este n form canonic dac
toate restriciile ei sunt inegaliti concordante.
n consecin, o problem n form canonic de maximizare arat astfel:

n
aij x j bi i 1,..., m

j 1

x j 0 j 1,..., n
sau matricial

n
(max) f c j x j
j 1

a11
a
21
A

a m1

a12
a 22

a m2

a1n
a 2n

a mn

b1
b
2
b

bm

26

Ax b

x0
(max) f cx

x1
x
2
x

x n

c c1

unde:

c2 cn

O problem n form canonic de minimizare se va scrie:

n
aij x j bi

j 1

xj 0

n
(min) f c j x j
j 1

Ax b

x0
(min) f cx

Orice problem de programare liniar se poate pune sub o form canonic de maximizare sau
minimizare, fr modificarea mulimii soluiilor admisibile, observnd c:
o egalitate se poate nlocui cu dou inegaliti de sens contrar;
o restricie neconcordant devine concordant prin nmulire cu -1;
putem schimba sensul optimizrii funciei obiectiv, graie formulei generale:
min f ( x) max f ( x )
xA
xA

(1)

n consecin, putem face anumite raionamente teoretice pe o form canonic, ca de exemplu n teoria
dualitii liniare, fr ca prin aceasta s restrngem generalitatea.
Exemplul 2.1 de aducere a unui program liniar la o form canonic:
(max) f 2 x1 3x 2 4 x 3
x 3x 5x 3
1
2
3

5
3x1 x 2
2x
x 3 10
1

x1 0, x 2 0, x 3 0

Programul (P)
2)

(min)( f ) 2 x1 3x 2 4 x 3

x 1 3x 2 5 x 3 3

x 1 3x 2 5 x 3 3

3x 1 x 2
5

2 x1
x 3 10

x1 0, x 2 0, x 3 0

Forma canonic de minimizare a programului (P)

Forma standard a unei probleme de programare liniar

DEFINIIA 9. Spunem c o problem de programare liniar este n form standard dac

toate restriciile ei sunt egaliti.
Importana acestei forme particulare rezult din faptul c metoda de rezolvare a problemelor
de programare liniar care va fi expus mai departe cere ca problema s fie n aceast prezentare.

27

n consecin, o problem (P) care are i restricii inegaliti va fi nlocuit - n vederea

rezolvrii ei - cu o alta n care toate restriciile sunt egaliti.
Noua problem, numit forma standard a problemei (P) i notat (FSP), se construiete astfel:
O restricie inegalitate din problema original (P) de tipul "" (respectiv de tipul "")
se transform n egalitate prin adugarea (respectiv prin scderea) unei variabile
nenegative din membrul su stng.
Restriciile egaliti nu se modific.
Noile variabile introduse nu apar n funcia obiectiv a problemei originale (alternativ,
spunem c ele apar cu coeficieni nuli)
Variabilele introduse n restricile inegaliti n scopul transformrii acestora n egaliti poart numele
de variabile de abatere.
Exemplul 2.2 de aducere a unui program liniar la forma standard.

(max) f 7 x1 9 x 2 8 x 3
5x 2 x x 4
1
2
3

( P) 3x1 x 2 x 3 5

x1 2 x 2 3x 3 9

x1 0, x 2 0, x 3 0

(max) f 7 x1 9 x 2 8 x 3

4
5 x1 2 x 2 x 3 x 4

( FSP ) 3x1 x 2 x 3
5

x 1 2 x 2 3x 3
x5 9

x j 0, j 1,...,5

Problema care apare n acest context este aceea de a explica modul n care se obine soluia optim a
problemei (P) dac se cunoate soluia optim a formei sale standard (FSP).
Se poate arta uor c ntre mulimile de soluii admisibile AP ,ale problemei (P) i AFSP , ale problemei
(FSP), exist o coresponden bijectiv care conserv soluiile optime. Vom arta cum funcioneaz
aceast coresponden pe exemplul precedent.
Notnd-o cu , aceasta va asocia unei soluii admisibile x = ( x1 , x2 , x3 ) a problemei (P)
vectorul:
( x ) ( x1 , x2 , x3 , 5x1 2 x2 x3 4, 9 x1 2 x2 3x3 )

care prin construcie se dovedete a fi o soluie admisibil a problemei (FSP). Reciproc, unei soluii
admisibile x~ ( x~1 , x~2 , x~3 , x~4 , x~5 ) a problemei (FSP) corespondena invers -1 i asociaz vectorul
x 0, ~
x 0 .Dac x este
( x~ , x~ , x~ ) care satisface restriciile problemei originale (P) deoarece ~
1

soluia optim a problemei (P) atunci ( x ) este soluia optim a problemei (FSP) i reciproc, dac
cunoatem soluia optim x~ a problemei (FSP) , 1 ( x~) reprezint soluia optim a problemei (P).
n problemele concrete, variabilele de abatere au interpretri economice precise ca de
exemplu cantiti de resurse neutilizate sau depiri ale unor indicatori economici aa c n

28

analiza soluiei optime valorile lor vor fi luate n considerare laolalt cu valorile variabilelor
originale.
Exemplul 2.3 Relum modelul problemei firmei de calculatoare (rezolvat grafic n seciunea
anterioar) mpreun cu forma sa standard:
3 x1 5 x 2 150

x 2 20

( P ) 8 x1 5 x 2 300
x 0, x 0
1
2

(max)
f

50
x1 40 x 2

3 x1 5 x 2 x3
150

x2
x4
20

( FSP)
8 x1 5 x 2
x5 300

x j 0 j 1, ,5

(max) f 50 x1 40 x 2 0 x3 0 x 4 0 x5

Coninutul economic al variabilelor de abatere

restriciilor n care sunt introduse. Astfel:
x3

150

Fondul de timp
disponibil
pentru asamblare

x3 , x 4 , x5

( 3x 1 + 5x 2 )

deriv nemijlocit din semnificaiile

Fondul de timp pentru

asamblare neutilizat

Necesarul de timp pentru

asamblarea cantitilor x1 , x2
de produse finite

Analog:
x 4 20 x 2 monitoare PC 2 rmase n stoc

x5 300 (8 x1 5 x2 ) spaiul de depozitare nefolosit

tiind c:

x1 30 x2 12 x3 0 x4 8 x5 0 (max) f 1980
este soluia optim a formei standard, cuplul x1 30 x2 12 reprezint soluia optim a programului
original (P) iar 1980 este valoarea maxim a funciei obiectiv. n termeni economici , programul optim
de activitate al firmei pentru urmtoarea sptmn ar consta n asamblarea a 30 uniti PC 1 i a 12
uniti PC2 cu un profit maxim de $1980. n plus x3 0 i x5 0 arat c acest program ar utiliza
integral fondul de timp pentru asamblare i spaiul de depozitare n timp ce x4 8 arat c n stoc ar
mai rmne 8 monitoare PC 2 ce ar putea fi folosite n alt perioad de planificare.

29

Probleme propuse
1. S se reprezinte grafic mulimea soluiilor admisibile ale programului liniar:
(max) f 2 x1 x 2
x x 5
1
2

( P1 ) x1 x 2 0
6 x 2 x 21
2
1
x1 0 , x 2 0

a) s se determine grafic soluia optim a programului (P 1 );

b) care va fi soluia optim dac funcia obiectiv se schimb n (max) g x1 2 x 2
2. S se reprezinte grafic mulimea soluiilor admisibile ale programului liniar:

(min) f 5 x1 2 x 2
x 2x 6
2
1
( P2 ) 2 x1 x 2 2
x 2x 2
2
1
x1 0 , x 2 0
a) s se determine grafic soluia optim a programului (P 2 );
b) care va fi soluia optim dac funcia obiectiv se schimb n (min) g 3 x1 6 x 2
3. S se reprezinte grafic mulimea soluiilor admisibile ale programului liniar:

(max) f x1 x 2
3 x 4 x 12
1
2

( P3 ) 2 x1 x 2 2
x 2x 6
1
2

x1 0 , x 2 0
a) s se determine grafic soluia optim a programului (P3 );
b) care va fi soluia optim dac funcia obiectiv se schimb n (max) g x1 x 2

30

4. Determinai pe cale grafic soluiile optime ale programelor liniare rezultate din modelarea
problemelor 1 i 2 din seciunea Probleme propuse a unitii de nvare 1. Interpretai economic
soluiile gsite.
5. Rezolvai pe cale grafic programul liniar:
(max) f x1 3 x 2 2 x3 x 4
x x 3
1
2

x1 x 2 1

x1 2 x 2 4

x3 2 x 4 2

2 x3 x 4 2

x1 0, x 2 0, x3 0, x 4 0

31