Sunteți pe pagina 1din 128

ADINA RUSU

CERCETRI
OPERAIONALE




IAI, 2007


2
CUPRINS
CUPRINS............................................................................................. 1
CERCETRI OPERAIONALE (CO) ............................................... 3
PROGRAMARE LINIAR................................................................. 3
MODELUL MATEMATIC................................................................. 3
METODE DE REZOLVARE A PROBLEMELOR DE PL.............. 11
METODA GRAFIC........................................................................ 11
FORMA STANDARD A PROBLEMEI DE PROGRAMARE
LINIAR........................................................................................... 19
SOLUII ALE UNEI PROBLEME DE PL....................................... 22
ALGORITMUL SIMPLEX............................................................... 28
ETAPELE ALGORITMULUI SIMPLEX PENTRU PROBLEME DE
MAXIM.............................................................................................. 28
ALGORITMUL SIMPLEX PENTRU PROBLEME DE MINIM.... 34
BAZA ARTIFICIAL. METODA PENALIZRILOR................... 36
METODA PENALIZRII PENTRU PROBLEME DE MINIM...... 37
METODA PENALIZRII PENTRU PROBLEME DE MAXIM.... 38
RESURSE RARE. PRE UMBR................................................... 43
ANALIZA SENZITIV.................................................................... 56
ANALIZA SENZITIV PENTRU COEFICIENII DIN FUNCIA
OBIECTIV......................................................................................... 56
ANALIZA SENZITIV PENTRU TERMENII LIBERI DIN
RESTRICII ...................................................................................... 69
PROGRAMARE N NUMERE NTREGI ........................................ 76
METODA RAMIFIC I MRGINETE ................................... 78
PROGRAMARE MULTICRITERIAL........................................... 91
MODELUL MATEMATIC............................................................. 100
PROBLEME DE TRANSPORT I PROBLEME DE REPARTIIE
.......................................................................................................... 107
PROBLEME DE TRANSPORT...................................................... 107
ETAPA I. SOLUIA DE PORNIRE............................................... 112
ETAPA A II-A. DETERMINAREA SOLUIEI OPTIME............. 118
BI BLI OGRAF I E ...................................................................... 128
3
CERCETRI OPERAIONALE (CO)

Cercetarea operaional a aprut n timpul celui de-al
doilea rzboi mondial, cnd liderii militari au cerut inginerilor i
matematicienilor s studieze probleme legate de securitatea
convoaielor militare de nave mpotriva submarinelor i a
operaiilor de bombardare.
n prezent, cercetarea operaional este numit adesea i
tiina managementului, deoarece furnizeaz metode tiinifice
i tehnice de luare a deciziilor optime n management, prin care
se pot determina cele mai bune ci de operare ale unui sistem.

PROGRAMARE LINIAR

Programarea liniar (PL) este o metod matematic de
optimizare cu aplicaii n diverse domenii ca: industrie,
agricultur, probleme de transport i repartiie, investiii,
reclame, finane.
Scopul principal const n determinarea alocrii optime a
unor resurse, de care se dispune n cantiti limitate, pentru a se
obine valoarea optim a unui anumit obiectiv, de exemplu
minimizarea costurilor de producie sau maximizarea profitului.
Pentru rezolvarea oricrei probleme de programare liniar
trebuie creat un model matematic.

MODELUL MATEMATIC

Pentru ilustrarea elementelor de baz ale modelului
matematic n programare liniar, etapele i terminologia
corespunztoare, se va analiza un exemplu simplu de problem
de producie, ce conine doar dou variabile.
4
Exemplul 1
O firm import componente pentru asamblarea a dou
modele de computere personale: PC
1
i PC
2
.
n urma vnzrii unui produs PC
1
firma obine un profit
de 50 u.m (uniti monetare lei, euro, $ etc) iar n urma
vnzrii unui produs PC
2
firma obine un profit de 40 u.m.
n sptmna urmtoare de producie sunt disponibile 150
de ore pentru asamblare. Asamblarea unui PC
1
dureaz 3 ore iar
a unui PC
2
dureaz 5 ore.
Firma are n stoc numai 20 de monitoare pentru PC
2
,
adic, pot fi asamblate sptmnal cel mult 20 calculatoare PC
2
.
Spaiul total de depozitare este de 30 m
2
. Un PC
1
ocup
0,8 m
2
iar un PC
2
ocup 0,5 m
2
.
Conducerea firmei dorete s stabileasc planul de
producie pentru sptmna urmtoare (adic s determine
numrul calculatoarelor PC
1
i PC
2

care se vor asambla) astfel ca
profitul total s fie maxim.
Se consider c toate calculatoarele asamblate vor fi
vndute, iar restul resurselor (ambalaje, monitoare pentru PC
1
,
etc.

) sunt disponibile la firm.
Pentru obinerea modelului matematic este util
sintetizarea datelor din exemplu n Tabelul 1.
Tabelul 1
Consumuri pentru o
unitate din: Resurse
PC
1
PC
2

Disponibil
Resursa 1(R
1
)
Asamblare (ore)
3 ore 5 ore 150 ore
Resursa 2 (R
2
)
Spaiu de
depozitare (m
2
)
0,8 m
2
0,5 m
2
30 m
2

Profit unitar (um) 50 um 40 um

5
Etapele de creare a modelului matematic sunt:
Etapa 1. Identificarea variabilelor i a unitilor de msur
Variabilele de decizie sunt necunoscutele problemei.
n problem se cere planul de producie adic numrul
calculatoarelor de fiecare fel care se vor asambla. Deci variabile
de decizie (VD) sunt:
x
1
= numrul de calculatoare PC
1
x
2
= numrul de calculatoare PC
2
care se vor asambla sptmna urmtoare.
Cu ajutorul V.D se construiete modelul matematic.
Etapa 2. Exprimarea profitului total, ce trebuie maximizat,
printr-o funcie numit funcia obiectiv (FO), deci, criteriul de
performan.
Deoarece profitul pentru un PC
1
este 50 um iar firma
produce un numr x
1
calculatoare PC
1
, profitul pentru toate cele
x
1
calculatoare este 50x
1
. Similar, profitul pentru toate cele x
2
calculatoare PC
2
este de 40x
2
.
Deci funcia obiectiv FO este:
I.
( ) ( )
1 2
50 40 f x x x MAX um = + =
Etapa 3. Exprimarea restriciilor
Restriciile sau constrngerile sunt condiii ce trebuie
satisfcute privind resursele, condiii de fabricaie, de vnzare
etc, adic exprim condiiile n care se desfoar procesul
studiat.
II. Restricii
Restricia privitoare la asamblare (resursa 1)
1.
1 2
3 5 150 x x + ore
Restricia privind spaiul de depozitare (resursa 2)
2.
1 2
0.8 0.5 30 x x + m
2

Restricia privind numrul de monitoare pentru
PC
2
(resursa 3), care condiioneaz nr de PC
2
ce se
vor asambla:
6
3.
2
20 x
Etapa 4. Condiii de nenegativitate
Acestea se impun pentru variabilele de decizie, att
datorit interpretrii lor (numr de calculatoare) ct i datorit
metodei de aflare a soluiei optime.
III.
1
0 x ,
2
0 x
Rezult c modelul matematic al problemei, exprimat cu
ajutorul variabilelor de decizie x
1
i x
2
este:
I. Funcia obiectiv:

( ) ( )
1 2
50 40 f x x x MAX um = + =
II. Restricii:
1.
1 2
3 5 150 x x + (ore)
2.
1 2
0.8 0.5 30 x x + (m
2
)
3.
2
20 x (nr. de monitoare)
III. Condiii de negativitate
1
0 x ,
2
0 x
Se va arta c soluia optim a acestei probleme este:
Se vor fabrica un numr de
1 1
2 2
30
12
x calculatoare PC
x calculatoare PC
=


iar profitul maxim este de 1980 um. Aceast soluie optim arat
c pentru nici un alt plan de prducie nu se poate obine un profit
mai mare dect 1980 um.
Exemplul 2
O fabric de jucrii produce trei feluri de roboi de
jucrie.
Pentru producerea primei versiuni de roboi V
1
, sunt
necesare 10 minute de fabricare i ambalare i 2 kg de plastic, a
doua versiune V
2
, are nevoie de 12 minute de fabricare i
ambalare i 3 kg de plastic, iar a treia versiune V
3
are nevoie de
15 minute de fabricare i ambalare i 4 kg plastic.
7
Pentru urmtorul ciclu de producie sunt disponibile 8 ore
de fabricare i ambalare i 200 kg de plastic.
Profitul este de 1 um pentru fiecare robot V
1
, 5 um pentru
fiecare robot V
2
i 6 um pentru fiecare robot V
3
.
Pentru a onora comenzile primite trebuie produse minim
10 buci din fiecare versiune.
Determinai cantitile optime de producie pentru a
obine un profit maxim.
Modelul matematic se elaboreaz cu ajutorul variabilelor
de decizie, deci:
Se identific variabilele de decizie care dau cantitile
ce se vor produce:
1 1
2 2
3 3



x numrul de buci din roboii V
x numrul de buci din roboii V
x numrul de buci din roboii V
=


Datele din problem se sintetizeaz n tabelul 2.
Tabelul 2
Consumuri specifice
Resurse
V
1
V
2
V
3

Disponibil
Resursa 1 (R
1
)
Timp de fabricare i
ambalare (minute)
10
min
12
min
15
min
8 ore = 480
min
Resursa 2 (R
2
)
Cantiti de plastic (kg)
2 kg 3 kg 4 kg 200 kg
Profit (um) 1 um 5 um 6 um
Se observ c timpul de fabricare i ambalare este
exprimat n minute iar timpul disponibil de producie este
exprimat n ore. Trebuie folosit aceeai unitate de timp deci 8
ore = 8 60 = 480 min.
Modelul matematic este:
I. Funcia obiectiv (FO) ce exprim profitul total
( )
1 2 3
1 5 6 max f x x x x = + + =
8
II. Restriciile ce exprima utilizarea resurselor, deci
condiii de fabricaie i condiii de vnzare
1.
1 2 3
10 12 15 480 x x x + + (minute de fabricare i
ambalare)
2.
( )
1 2 3
2 3 4 200 x x x kg de plastic + +
3.
( )
1 1
10 x buci contract V
4.
( )
2 2
10 x buci contract V
5.
( )
3 3
10 x buci contract V
III. Condiii de nenegativitate
1 2 3
0, 0, 0 x x x
n concluzie, modelul matematic al unei probleme de
programare liniar are urmtoarele elemente principale:
1. Un set de variabile de decizie x
i
, 1, i n = care
determin ceea ce se cere n problem, adic va
determina complet decizia ce va fi luat
2. O funcie obiectiv, care exprim criteriul de
performan adic ceea ce dorim s optimizm.
Aceasta este o funcie liniar n variabilele de
decizie, care trebuie maximizat (de exemplu
profitul) sau minimizat (de exemplu costurile de
producie). FO se mai numete funcie economic.
3. Restriciile sau constngerile care sunt condiii ce
trebuie satisfcute n procesul studiat. Restriciile
sunt relaii liniare, ecuaii sau inecuaii, pe care le
satisfac variabilele de decizie i se refer la
utilizarea resurselor: materiale, ore de producie,
condiii de fabricaie, contracte etc.
4. Condiii de nenegativitate pentru toate variabilele
(necesare n aflarea soluiei optime).
n cazul general, modelul matematic se poate prezenta n
una din formele:

9
a) Forma dezvoltat
Dac x
1
, x
2
, ... x
n
sunt variabilele de decizie avem:
I. Funcia obiectiv
( ) ( )
1 1 2 2
...
n n
f x c x c x c x Max sau Min = + + + =
II. Restriciile
) ( )
) ( )
) ( )
11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
1 ... , ,
2 ... , ,
... , ,
n n
n n
m m mn n m
a x a x a x b
a x a x a x b
m a x a x a x b
+ + + < = >

+ + + < = >

+ + + < = >


III. Condiii de nenegativitate
1 2
0, 0, ..., 0
n
x x x
Notaiile utilizate n model sunt:
Variabilele de decizie x
i
, 1, i n = se mai noteaz
( )
1 2
, , ...
T
n
x x x x = ;
Coeficienii c
j
, 1, j n = din FO sunt numii
coeficienii funciei obiectiv. Ei sunt constani i
cunoscui i pot avea orice semn;
Avem m restricii. Coeficienii restriciilor sunt
a
ij
(coeficientul din linia i al variabilei x
j
) sunt
constani i cunoscui i pot avea orice semn;
Termenii liberi din restricii b
i
, 1, i m = , sunt
constani i cunoscui. Iniial pot avea orice semn
dar pentru aplicarea algoritmului simplex de aflare
a soluiei optime ei sunt nenegativi;
Condiiile de nenegativitate sunt impuse.
b) Forma matriceal
Pentru a obine forma matriceal a modelului matematic
se introduc urmtoarele matrici:
Matricea variabilelor cu n linii i o coloan
1 n
X M
10
( )
1
2
1 2 1
T
n n
n
x
x
X x x x M
x
| |
|
|
= =
|
|
\


Matricea coeficienilor din FO
1n
M
( )
1 2 1 n n
C c c c M =
Matricea coeficienilor din restricii
11 12 1
21 22 2
1 2
. .
. .
. . . . .
. .
n
n
mn
m m mn
a a a
a a a
A M
a a a
| |
|
|
=
|
|
\

Matricea termenilor liberi din restricii cu m linii i
o coloan
( )
1
2
1 2 1
. . .
.
T
m m
m
b
b
B b b b M
b
| |
|
|
|
= =
|
|
|
\

Forma matriceal a modelului matematic este:
I.
( ) ( )
FO f x C X Max sau Min = =
II. Restricii
( )
, , A X B < = >
III. Condiii de nenegativitate 0 X
c) Forma vectorial
Matricele cu o linie i n coloane sau cele cu n linii i o
coloan pot fi considerate elemente ale unui spaiu vectorial sau
liniar R
n
, deci vor fi numite vectori.
Astfel X, C, B sunt vectori: , ,
n m
X C R B R
Dac se introduc, n plus, nc n vectori din R
m
, avnd
drept componente coloanele matricei A, adic
11
11 12 1 1
21 22 2 2
1 2 0
1 2
. ; . ...; . , .
. . . .
n
n
n
m m mn m
a a a b
a a a b
P P P B P
a a a b
| | | | | | | |
| | | |
| | | |
| | | |
= = = = =
| | | |
| | | |
| | | |
\ \ \ \
atunci forma
vectorial a problemei de PL este
( ) ( )( )
( ) ( )
1 1 2 2 0

.. , ,
0
n n
f x CX OPT MAX sau MIN FO
x P x P x P P restricie
X
= =

+ + + < = >



METODE DE REZOLVARE A PROBLEMELOR DE PL

Dup crearea modelului matematic al problemei urmeaz
rezolvarea ei adic determinarea soluiei optime.
Exist mai multe metode de aflare a soluiei optime,
printre care:
Metoda grafic, ce se poate aplica doar pentru cazul n
care modelul are doar dou variabile de decizie x
1
i
x
2
.
Algoritmul simplex, aplicabil la orice numr finit de
VD, elaborat i aplicat de George B Dantzig n 1947.

METODA GRAFIC

Metoda grafic de aflare a soluiei optime se utilizeaz
numai la probleme cu dou VD x
1
i x
2
(sau x i y).
Este important deoarece se definesc (i vizualizeaz)
tipurile de soluii: soluii admisibile (SA), soluii admisibile de
baz (SAB), soluia optim (SO), dac exist.
12
Se precizeaz i cazurile n care: soluia optim este
unic, exist mai multe soluii optime, nu exist soluie optim
ori nu exist un optim finit.
Se ndeplinesc mai nti condiiile de nenegativitate
1
0 x x = i
2
0 y x = .
Fie planul
( )
1 2
x ox sau
( )
xoy
Condiia
1
0 x se compune din
( )
1 2
1
0
0
x dreapt axa Ox
x semiplan
=

>















Figura 1
Condiia
2
0 x se compune din
( )
2 1
2
0
0
x dreapt axa Ox
x semiplan
=

>


Cum ambele
1
0 x ,
2
0 x trebuie s fie satisfcute
simultan, intersectm semiplanele. Rezult c soluia optim,
dac exist, se afl n cadranul I.
x
1
= x
x
2
= y
13
Cele de mai sus pot fi aplicate pentru orice restricie adic
o inecuaie de tipul
( )
1 2
mx nx b + .
De exemplu
1 2
4 2 8 x x + nseamn
( )
( )
1 2
1 2
4 2 8 reprezint o dreapt
4 2 8 reprezint un semiplan
x x
x x
+ =

+ >

adic o dreapt mparte


planul ox
1
x
2
n dou semiplane.
n toate punctele unuia dintre semiplane este satisfcut
inecuaia
1 2
4 2 8 x x + > iar n toate punctele celuilalt este
satisfcut inecuaia
1 2
4 2 8 x x + < . Pentru a vedea ce semiplan
alegem, este suficient s verificm un singur punct.
Procedm astfel:
Figurm dreapta d:
1 2
4 2 8 x x + = , prin tieturi. Cnd
( )
2 1 1
0 4 8, 2 2, 0 x x x A = = = ;
Cnd
( )
1 2 2
0 2 8, 4 0, 4 x x x B = = = . Dreapta trece
prin punctele A(2,0) i B(0,4) i mparte planul n
dou regiuni.


Figura 2

x
2
B(0,4)
A(2,0) x
1
o
14
Cutm regiunea n care este satisfcut inecuaia
1 2
4 2 8 x x + > . De exemplu C(1,0) nu satisface
inecuaia, deoarece 4 1 2 0 8 + < , deci nici un punct
din triunghiul AOB nu satisface
1 2
4 2 8 x x + > , n
schimb coordonatele tuturor punctelor din aria
haurat satisfac inecuaia.
Cel mai uor se verific originea O(0,0) adic
4 0 2 0 8 + < .
Bazndu-ne pe aceast consideraie s rezolvm problema
de PL din exemplul 1. Reamintim modelul matematic al
problemei:
I.
( ) ( )
1 2
50 40 f x x x MAX FO = + =
II. Restricii:
1)
( )
1 2
3 5 150 x x ore +
2)
( )
2
1 2
0.8 0.5 30 x x m +
3)
( )
2
20 x numr de monitoare
III. Condiii de nenegativitate:
1
0 x ,
2
0 x
Condiiile de nenegativitate sunt satisfcute n
cadranul I.
Pentru a satisface restriciile procedm asfel: la
fiecare restricie se ataeaz:
O ecuaie, ce reprezint o dreapt;
O inecuaie strict ce reprezint un semiplan;
Se alege semiplanul corespunztor;
Deoarece toate restriciile trebuie s fie satisfcute,
intersecteaz toate ariile.
Se obine astfel aria admisibil. Coordonatele tuturor
punctelor acestei arii verific toate restriciile i condiiile de
nenegativitate.
Mulimea soluiilor admisibile (SA) este mulimea
coordonatelor (x
1
, x
2
) ale tuturor punctelor care satisfac toate
15
restriciile i condiiile de nenegativitate. Punctele se afl n aria
admisibil i pe conturul ei.
Pentru cele 3 restricii avem reprezentarea din Figura 3:
Restricia 1:
( )
1 2
3 5 150 x x ore +
Dreapta d
1
:
1 2
3 5 150 x x + = trece prin A
1
(50,0),
B
1
(0,30). Inecuaia
1 2
3 5 150 x x + < este satisfcut
n triunghiul
1 1
AOB deoarece originea O(0,0)
satisface 3 0 5 0 180 + <
Dreapta d
2
:
1 2
0.8 0.5 30 x x + = trece prin A
2
(37,5;0)
i B
2
(0,60). Inecuaia
1 2
0.8 0.5 30 x x + < este
satisfcut n triunghiul
2 2
A OB
Dreapta d
3
:
2
20 x = este paralel cu axa ox
1
.
Inecuaia
2
20 x < este satisfcut n aria dintre axa
ox
1
i dreapta
2
20 x = .


Figura 3
16
Aria admisibil este reprezentat haurat. Aria admisibil
are o infinitate de puncte, deci mulimea soluiilor admisibile
este n acest caz infinit.
n aceast mulime trebuie s alegem acel punct ale crui
coordonate confer funciei obiectiv valoare cea mai mare. Acel
punct va reprezenta soluia optim.
Este clar c trebuie s restrngem mulimea de puncte n
care s cutm soluia optim, astfel ca aceast mulime s fie
finit. Aria admisibil este o mulime convex.
Se cerceteaz numai vrfurile acestei mulimi.
Coordonatele vrfurilor poligonului convex, care nconjoar aria
admisibil constituie mulimea (x
1
,x
2
) a soluiilor admisibile de
baz. Soluia optim se afl n unul din vrfurile poligonului.



Figura 4

Pentru determinarea soluiei optime se poate proceda n
dou moduri:
17
Metoda 1
Se calculeaz coordonatele vrfurilor O, A
2
, M, N, B
3
, i
apoi se afl valoarea funciei obiectiv n fiecare vrf. Soluia
optim este punctul (x
1
,x
2
) care confer funciei obiectiv
valoarea cea mai mare.
Avem:
O(0;0)
A
2
(37,5;0)

1 2
M d d deci rezolvm sistemul
1 2
1 2
3 5 150
0.8 0.5 30
x x
x x
+ =

+ =

M(30;12)

1 3
N d d deci rezolvm sistemul
1 2
2
3 5 150
50
; 20
20 3
x x
N
x
+ =

| |

`
|
=
\
)

B
3
(0;20).
Valorile funciei obiectiv n aceste puncte sunt:
( ) ( )
( ) ( )
( ) ( )
( )
( ) ( )
3 3
0, 0 ; 50 0 40 0 0
37, 5; 0 ; 50 37, 5 40 0 1875
30,12 ; 50 30 40 12 1980
50 50
; 20 ; 50 40 20 1633, 3
3 3
0, 20 ; 50 0 40 20 800
O f O
A f A
M f M
N f N
B f B

= + =

= + =

= + =

| |

= + =
|

= + =


Rezult c soluia optim este n punctul M(30,12).
Se vor fabrica x
1
=30 calculatoare PC
1
i x
2
=12
calculatoare PC
2
. Profitul maxim obinut este maxf=1980 um.

Metoda a 2-a
Se caut valoarea maxim a FO, care este tot liniar, deci
acesteia i se poate ataa o dreapt:
18
D:
1 2
50 40 x x + = , cu max =
unde este un parametru deoarece la fiecare pereche (x
1
,x
2
)
funcia obiectiv poate lua o alt valoare, notat .
Dorim s gsim max = . Deoarece dreapta D nu se poate
reprezenta aflndu-i interseciile cu axele vom folosi forma
y mx n = + unde m este panta dreptei iar n este tietura (cnd
x=0, y=n).
Avem
2 1
40 50 x x = + sau D:
2 1
5
4 40
x x

= +
Deci panta este
5
constant
4
= iar
40
n

= variabil. Relaia
reprezint o familie de drepte paralele, deoarece toate au aceeai
pant.
Se va alege punctul din aria admisibil, pentru care
valoarea
40
n

= este cea mai mare, deoarece aveam max = .


Figura 5
19
n figura precedent se figureaz punctat dreapta D. Apoi
se deplasez D, paralel cu ea nsi, pn la aria admisibil i se
alege punctul n care tietura la origine, n, este cea mai mare
(Figura 5).
Acest punct este M(30;12).
Deci s-a determinat soluia optim, adic planul optim de
producie x
1
=30, x
2
=12 i valoarea maxim a profitului, 1980.

FORMA STANDARD A PROBLEMEI DE PROGRAMARE
LINIAR

Soluia optim a unei probleme de programare liniar, se
poate obine prin aplicarea algoritmului simplex, atunci cnd
modelul matematic are mai mult de dou variabile de decizie.
Pentru aplicarea algoritmului, problema trebuie adus la
forma standard (FS), n care sunt satisfcute urmtoarele trei
condiii:
1) n membrul drept al restriciilor exist numai termeni
liberi i acetia sunt nenegativi 0, 1,
i
b i m =
2) Toate restriciile modelului trebuie s fie exprimate
prin egaliti, deci toate restriciile vor fi ecuaii.
3) Toate variabilele din model sunt nenegative 0
i
x i
Orice model matematic poate fi adus la forma standard.
Pentru a ndeplini cele trei condiii se procedeaz astfel:
1a) Dac iniial ntr-o restricie aveam variabile n membrul
drept, acestea se trec n membrul stng;
1b) Dac iniial aveam un termen liber n membrul stng, acesta
se va trece n membrul drept;
1c) Dac termenul liber din membrul drept este negativ, atunci
restricia respectiv se va nmuli cu (-1).
20
De exemplu restricia iniial era:
1 2 3
4 x x x + + < . Avem
1 2 3
4 0 x x x + + < apoi
( )
1 2 3
4 1 x x x + < deci
1 2 3
4 x x x + >
i ultima form a restriciei ndeplinete condiia 1) din FS.
2) O inecuaie poate fi nlocuit cu o ecuaie prin introducerea
unei variabile noi, numit variabil de compensare, echilibrare
sau ecart. Variabila de compensare se adun ori se scade n
membrul stng al restriciei, dup cum inecuaia era sau .
Aceste variabile de compensare introduse n inecuaii pentru a le
transforma n ecuaii sunt nenegative i au interpretri
economice.
De exemplu, n cazul inecuaiilor:
1 2 3
1 2 3
1 2 3
2 3 100
, , , 0
3 2 50
x x x
x x x
x x x
+

+ +


se introduc variabilele de compensare
4
x cu semnul + i
5
x cu
semnul -:
1 2 3 4
1 2 3 5
2 3 100
3 2 50
x x x x
x x x x
+ + =

+ + =

0, 1, 5
i
x i =
deoarece n prima membrul stng era mai mic dect membrul
drept iar n a doua inecuaie, membrul stng era mai mare dect
n membrul drept.
3) Dac iniial n modelul matematic exist i variabile care nu
satisfac de la nceput condiiile de nenegativitate, atunci acestea
vor putea fi ndeplinite cu ajutorul unei substituii, efectuate n
restricii i n funcia obiectiv.
Avem dou situaii:
a) Variabila x
i
este negativ sau nepozitiv 0
i
x ; n acest
caz substituia este , 0
i i i
x x x = ;
b) Variabila x
i
are semn oarecare adic poate avea valori
pozitive, valori negative ori poate fi zero: x
i
=oarecare.
Substituia este , 0, 0
i i i i i
x x x x x
+ +
= .
21
Variabilele nepozitive sau variabilele cu semn oarecare
pot apare n formularea problemelor duale, ataate problemelor
primale i au interpretri economice (preuri umbr). Variabilele
cu semn oarecare pot apare mai ales n programarea
multicriterial, n care variabilele deviaionale de la obiectivele
propuse care au fost introduse n modelarea obiectivelor, pot lua
valori pozitive, negative sau nule.
De exemplu, pentru problema de PL:
( )
1 2 3
2 3 max f x x x x = + + = ,
1 2 3
1 2 3
2 15
2 2 18
x x x
x x x
+ + =

+ =


1
0 x ,
2
0 x ,
3
x oarecare =
se vor efectua substituiile
'
1 1
3 3 3
x x
x x x
+
=


'
1
0 x ,
3
0 x
+
,
3
0 x

iar
forma standard este:
( )
'
1 2 3 3
2 3 3 max f x x x x x
+
= + + =
'
1 2 3 3
'
1 2 3 3
2 15
2 2 2 18
x x x x
x x x x
+
+
+ + =

+ =


'
1
0 x ,
2
0 x ,
3
0 x
+
,
3
0 x

.
n cazul general, forma standard a unei probleme de PL se
poate prezenta n una din formele:
a) FS dezvoltat
( ) ( )
1 1 2 2
... max min
n n
f x c x c x c x optim sau = + + + =
11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
...
...
...
n n
n n
m m mn n m
a x a x a x b
a x a x a x b
a x a x a x b
+ + + =

+ + + =

+ + + =


b) FS matriceal
( )
f x C X optim = =
22
A X B =
0 X
c) FS vectorial

( )
f x C X optim = =

1 1 2 2
...
n n
x P x P x P B + + + =
0 X
unde
mn
A M este matricea coeficienilor din restricii,
1n
C M
este matricea linie a coeficienilor din FO,
1 n
X M este matricea
coloan a necunoscutelor iar
1 i m
P M sunt matricele ce au drept
componente coloanele matricei A.
Se observ c restriciile reprezint un sistem de m ecuaii
cu n necunoscute.
Se consider ndeplinirea urmtoarelor dou ipoteze:
1. numrul m al restriciilor este strict mai mic dect
numrul n al necunoscutelor;
2. rangul matricei A este m.
Prima ipotez ne arat c sistemul de ecuaii ce reprezint
restriciile este compatibil nedeterminat, caz n care cutarea
soluiei optime a problemei are sens.
Ipoteza a 2-a arat c cele m restricii sunt liniar
independente. n caz contrar se renun la ecuaiile care sunt
combinaii liniare ale celorlalte.

SOLUII ALE UNEI PROBLEME DE PL

Pentru aflarea soluiei optime a unei probleme de PL,
trebuie s fie satisfcute, n primul rnd, restriciile i condiiile
de nenegativitate.
Restriciile formeaz un sistem liniar de m ecuaii cu n
necunoscute, deci apar 3 situaii:
23
Sistemul este incompatibil, deci problema de PL
nu are soluie;
Sistemul este compatibil unic determinat iar
componentele soluiei unice sunt nenegative. n
acest caz aceasta este i soluia optim;
Sistemul satisface ipotezele 1 i 2 ( m n < i
rang A = m) deci este compatibil nedeterminat; n
aceast infinitate de soluii trebuie aleas soluia
optim, dac exist.
n rezolvarea problemei de PL prin metoda grafic s-a
vzut c exist trei tipuri de soluii.
1. Soluii admisibile (SA)
Soluia admisibil a unei probleme de PL este un vector
( )
1 2 3

T
n
x x x x x = care satisface toate restriciile i condiiile de
nenegativitate.
Datorit ipotezelor 1 i 2, sistemul restriciilor este
compatibil nedeterminat, deci mulimea soluiilor este, n
general, infinit.
Este imposibil s se calculeze valoarea funciei obiectiv n
toate aceste soluii admisibile pentru a o alege pe aceea care
confer funciei obiectiv valoarea optim cerut, deci soluia
optim se va cuta ntr-o submulime a SA, care s aib un
numr finit de elemente.
2. Soluie admisibil de baz (SAB)
Aceasta este o soluie care satisface urmtoarele trei
condiii:
a) Este soluie admisibil.
b) Are cel mult m componente strict pozitive iar celelalte
n-m sunt egale cu zero.
c) Vectorii P
i
, ce au drept componente coloane ale matricei
A, care corespund celor m componente nenegative (de la
condiia b) sunt liniar independeni.
24
n algoritmul simplex aceti vectori P
i
sunt vectorii bazei
canonice
( )
1 2

m
E e e e = adic
1
1
0
.
.
0
e
| |
|
|
|
=
|
|
|
\
,
2
0
1
.
.
0
e
| |
|
|
|
=
|
|
|
\
, ...,
0
0
.
.
1
m
e
| |
|
|
|
=
|
|
|
\
.
Din acest motiv variabilele nenegative din SAB se mai
numesc variabile bazice.
Mulimea SAB are cel mult
m
n
C elemente.
Dac o SAB are exact m componente strict pozitive, ea se
numete nedegenerat iar dac are mai puin de m componente
strict pozitive, ea este degenerat.
3. Soluie optim
Aceasta este o soluie admisibil care confer funciei
obiectiv valoarea optim cerut.
n algoritmul simplex soluia optim este cutat n
mulimea SAB.
Exemplu
Fie problema de PL
( )
1 2
6 4 max f x x x = + =
1 2
1 2
1
3 15
4 2 20
4
x x
x x
x
+


Se cer:
1) S se aduc problema la forma standard;
2) S se afle cel puin dou SAB.
Rezolvare:
1) Adunm n membrul stng al fiecrei restricii cte o
variabil de compensare
( )
1 2
6 4 max f x x x = + =
25
1 2 3
1 2 4
1 5
3 15
4 2 20
4
x x x
x x x
x x
+ + =

+ + =

+ =


1 2 3 4 5
0, 0, 0, 0, 0 x x x x x .
Sistemul de 3 ecuaii cu 5 necunoscute al restriciilor este
compatibil nedeterminat deoarece matricea coeficienilor
restriciilor
1 3 1 0 0
4 2 0 1 0
1 0 0 0 1
A
| |
|
=
|
|
\
are rang A=3
unde
1 0 0
0 1 0 1 0
0 0 1
pr
= =
Notm
1 2 3 1 4 2 5 3
1 3 1 0 0
4 ; 2 ; 0 ; 1 ; 0
1 0 0 0 1
P P P e P e P e
| | | | | | | | | |
| | | | |
= = = = = = = =
| | | | |
| | | | |
\ \ \ \ \

Necunoscutele x
3
, x
4
, x
5
devin necunoscute principale iar
x
1
i x
2
sunt necunoscute secundare.
Soluia sistemului de ecuaii este:
1
2
3 1 2
4 1 2
5 1
15 3
20 4 2
4
x
x
x x x
x x x
x x

R
R

Deci exist o infinate de soluii. Cum , R putem lua
0 = i 0 = i obinem o SAB
26
1
2
0 3
4
5
0
0
15
20
4
x
x
x x
x
x
=
| |
|
=
|
|
= =
|
=
|
|
=
\

care verific toate cele 3 condiii din definiia SAB.
a) Verific restriciile i are componente nenegative adic
este admisibil;
b) Are 3 componente strict pozitive i 5-3=2 egale cu zero
deci este nedegenerat;
c) Vectorii P
3
, P
4
i P
5
, care corespund componentelor
nenule ale soluiei x
3
, x
4
i x
5
sunt liniar independeni, deoarece
ei formeaz baza canonic (au componente egale cu cele din
coloanele matricei unitate).
2) Pentru a gsi alt SAB se vor folosi transformrile
elementare ntr-un sistem de ecuaii, pentru a obine
coloanele matricei unitate pe alte locuri, n loc de 3, 4
i 5.
Aceste transformri se pot efectua fie n sistemul de
ecuaii, fie n matricea lrgit i avem:
Se nmulete o ecuaie (linie din matrice) cu un
numr nenul;
Se nmulete o ecuaie (linie) cu un numr nenul i
se adun rezultatul la o alt ecuaie (linie).
Pentru exemplificare, se va obine coloana (1 0 0)
T
pentru
variabila x
2
.
nmulim prima ecuaie cu
1
3
pentru a obine coeficientul
1 pentru x
2
:
27
1 2 3
1 2 4
1 5
1 1
5
3 3
4 2 20
4
x x x
x x x
x x

+ + =

+ + =

+ =


nmulim prima linie cu (-2) i adunm rezultatul la linia a 2-a:
1 2 3
1 3 4
1 5
1 1
5
3 3
10 2
10
3 3
4
x x x
x x x
x x

+ + =

+ =

+ =


Soluia sistemului, cu variabilele bazice x
2
, x
4
, x
5
iar cele
secundare
1
0 x = i
3
0 x = este:
1
0 x =
2
5 x =
3
0 x =
4
10 x =
5
4 x =
i este tot SAB nedegenerat.
Matriceal, putem scrie:
1 1
1 0 0 5
1 3 1 0 0 15
3 3
4 2 0 1 0 20 4 2 0 1 0 20
1 0 0 0 1 4 1 0 0 0 1 4
1 1
1 0 0 5
3 3
10 2
0 1 0 10
3 3
1 0 0 0 1 4
| |
|
| |
|
|
|
|
| |
\
|
\
| |
|
|
|

|
|
|
|
\


Se pot obine i alte SAB, prin folosirea celor dou
transformri elementare.

28
ALGORITMUL SIMPLEX

Algoritmul simplex (primal) a fost elaborat i aplicat de
G. B. Dantzig n 1947 ca metod de rezolvare a unor probleme
de optimizare.
Metoda simplex cerceteaz valorile funciei obiectiv n
mulimea SAB i permite trecerea de la o soluie la o alta mai
bun fr a fi necesar cercetarea tuturor SAB i este un proces
iterativ.
Etapele algoritmului simplex se pot stabili att pentru
probleme de maxim ct i pentru probleme de minim, dei se
poate nlocui aflarea lui maxf cu aflarea lui min(-f) deoarece:
( )
max min f f =
i

( )
min max f f = .
La probleme de maxim, dac x
0
i x sunt dou SAB,
soluia x este mai bun dect x
0
dac
( ) ( )
0
' f x f x adic
valoarea funciei obiectiv crete.
Pe lng faptul c prin algoritmul simplex se determin
att soluia optim ct i valoarea optim a funciei obiectiv,
rezult i cazurile n care nu exist soluie optim sau valoarea
optim a FO nu este finit.

ETAPELE ALGORITMULUI SIMPLEX PENTRU
PROBLEME DE MAXIM

Dup aducerea la forma standard a problemei de PL, se
aplic algoritmul simplex cu urmtoarele etape:
Etapa I. Se determin o SAB de pornire. Apar dou situaii:
29
Matricea A a coeficienilor variabilelor din
restricii conine toate coloanele matricei unitate de
ordinul m,
m
I
n acest caz, SAB se afl din restricii prin anularea
variabilelor nebazice (secundare).
Matricea A nu conine toate coloanele matricei I
m
.
n acest caz se folosete metoda bazei artificiale.

Etapa II. Se alctuiete primul tabel simplex. Capul de tabel este:

c
1
c
2
. . . c
n
Baza C
B
P
0
P
1
P
2
. . . P
n





z
k
-c
k

Pe coloana 1 (baza) se scriu vectorii bazei
canonice, n ordinea apariiei lor n baz deci:
primul este vectorul care are componentele
( )
1 0 0 0
T
, al doilea este cel de componente
( )
0 1 0 0
T
, ... iar ultimul de pe coloana 1, are
componentele
( )
0 0 0 1
T
.
Pe coloana a doua, C
B
, se scriu coeficienii din
funcia obiectiv, c
i
, care corespund variabilelor
bazice x
i
de pe prima coloan.
Pe coloana a 3-a, P
0
se scriu componentele soluiei
de pornire X
0
.
Pe prima linie din tabel se scriu coeficienii c
1
, c
2
, ... c
n

din funcia obiectiv a tuturor variabilelor.
30
Pe coloanele P
1
, P
2
, ..., P
n
se scriu respectiv
coloanele matricei A a coeficienilor variabilelor
din restricii.
Pe ultima linie din primul tabel simplex se
calculeaz diferenele
k k
z c din relaia:
k k B k k
z c C P c =
Practic se procedeaz astfel: se nmulesc elementele
coloanei C
B
, pe rnd cu elementele coloanelor P
1
, ..., P
n
sumnd
rezultatele i apoi se scade coeficientul c
k
din FO ce se afl
deasupra coloanei P
k
, 1, k n = .
De exemplu
1 1 1 1 B
z c C P c = ,
2 2 2 2 B
z c C P c = ,etc.
Etapa III. Se aplic criteriul de optimalitate:
a) Toate diferenele 0
k k
z c , soluia este optim i stop.
b) Exist i diferene 0
k k
z c < , soluia de pe coloana P
0
nu
este optim i trecem la
Etapa IV. Se va efectua o schimbare de baz. Criteriul de intrare
n baz pentru probleme de maxim este
( ) ( )
min 0
k k h h k k
k
z c z c z c = <
adic intr n baz vectorul P
h
cruia i corespunde cea mai mic
valoare negativ pentru
k k
z c .
Acest vector P
h
intr n baz n locul unuia dintre vectorii
P
i
aflai pe coloana 1 (baza), deci unul dintre aceti vectori va
iei din baz i trecem la etapa urmtoare:
Etapa V. Aplicarea criteriul de ieire din baz
Apar dou situaii:
a) Vectorul P
h
, care a intrat n baz are toate componentele
(de pe coloana sa) nepozitive, adic 0
ih
a . n acest caz
problema de PL nu are soluie STOP.
b) Vectorul P
h
care a intrat n baz are i componente strict
pozitive. n acest caz, aplicm criteriul de ieire din baz:
Iese din baz vectorul P
j
pentru care avem:
31
( )
min 0
j
i
ij
i
ih jh
b
b
a
a a
= >
adic se alege valoarea minim a raportului dintre componentele
soluiei (aflate pe coloana P
0
) i componentele strict pozitive ale
vectorului P
h
care a intrat n baz.
Elementul aflat la intersecia coloanei P
h
cu linia
vectorului P
j
care a ieit din baz, se numete pivot.
Etapa VI. Dup aplicarea etapelor 4 i 5 se va obine un nou
tabel simplex.
Dup introducerea pe coloana baza a vectorului P
h
n
locul lui P
j
, ceea ce nseamn c vectorul P
h
va deveni un vector
din baza canonic, se nlocuiete pe coloana C
B
coeficientul C
h

din funcia obiectiv.
Apoi se procedeaz astfel:
Regula 1 Se obine mai nti linia vectorului P
h
, care a
intrat n baz, prin mprirea la pivot a liniei care a corespuns lui
P
j
. Astfel n noul tabel simplex va apare cifra 1 n locul
pivotului.
Celelalte componente ale vectorului P
h
trebuie s fie zero,
deoarece acesta are drept componente una din coloanele matricei
unitate.
Pentru a obine celelalte linii din al doilea tabel, se aplic
regula 2:
Regula 2 Linia obinut prin regula 1 se nmulete
convenabil iar rezultatul se adun pe rnd, la toate liniile din
tabelul precedend astfel c pe toat coloana pivotului se obine
cifra zero. Pe coloana lui P
0
se va obine, n al doilea tabel, o
nou soluie admisibil de baz, avnd componentele nenegative.
Dup calcularea liniei
k k
z c n al doilea tabel se repet
etapele, ncepnd cu etapa 3.
Dup un numr finit de iteraii se va determina soluia
optim, dac exist; se specific i faptul c nu exist soluie
optim ori pot exista mai multe soluii optime.
32
Valoarea funciei obiectiv se calculeaz din
0 B
C P i
odat cu fiecare nou soluie gsit ea crete.

Exemplu
O firm produce trei produse X, Y, Z folosind trei resurse
R
1
un material, R
2
ore de prelucrare i R
3
alt material.
Consumurile specifice, cantitile disponibile din resurse i
profiturile unitare sunt date n Tabelul 3.
Tabelul 3
Consumuri specifice
Resurse
X Y Y
Disponibil
R
1
6 4 40
R
2
2 1 1 50
R
3
8 0 10 60
Profit unitar 80 40 120
Se cere planul de producie zilnic, pentru cele trei
produse, astfel nct profitul total s fie maxim.
Care este utilizarea resurselor?
Soluia
Formm modelul matematic.
Introducem variabilele de decizie:
x
1
=numrul de produse X ce se vor fabrica
x
2
=numrul de produse Y ce se vor fabrica
x
3
=numrul de produse Z ce se vor fabrica
Modelul matematic este:
( )
1 2 3
80 40 120 max f x x x x = + + =
1 2
1 2 3
1 3
6 4 40
2 50
8 10 60
x x
x x x
x x
+

+ +


Se aduce la forma standard:
( )
1 2 3
80 40 120 max f x x x x = + + =
33
1 2 4
1 2 3 5
1 3 6
6 4 40
2 50 0 1, 6
8 10 60
i
x x x
x x x x x i
x x x
+ + =

+ + + = =

+ + =


Se scrie matricea coeficienilor restriciilor i
vectorii P
i

1 2 3 4 5 6
6 4 0 1 0 0
2 1 1 0 1 0
8 0 10 0 0 1
A
P P P P P P
| |
|
=
|
|
\

Etapa I:
Se observ c vectorii bazei sunt P
4
P
5
P
6
deci
necunoscutele bazice (principale) sunt x
4
, x
5
i x
6
. Soluia
admisibil de baz de pornire este
( )
0
0 0 0 40 50 60
T
X =
aflat prin anularea necunoscutelor secundare.
Etapa II: Se construiete primul tabel simplex. Diferenele
k k
z c se calculeaz astfel:
1 1 1 1
0 6 0 2 0 8 80 80
B
z c c P c = = + + = ,
2 2 2 2
0 4 0 1 0 0 40 40
B
z c c P c = = + + = , etc.
80
40 120
0 0 0
Baza C
B
P
0
P
1
P
2
P
3
P
4
P
5
P
6
Etapa III: Soluia nu
este optim deoarece
P
4
0 40 6 4 0 1 0 0
P
5
0 50 2 1 1 0 1 0
P
6
0 60 8 0 10 0 0 1
exist valori negative pe
linia
k k
z c
z
k
-c
k
0 -80 -40 -120 0 0 0
Etapa IV: intr P
3
( )
min 80, 40, 120 120 =
P
4
0 40 6 4 0 1 0 0
P
5
0 44
12 10
1 0 0 1
1 10
P
3
120 6
8 10
0 1 0 0
1 10
Etapa V: iese
50 60
min , 6
1 10
| |
=
|
\
adic
vectorul
6
P
z
k
-c
k
720 16 -40 0 0 0 12
Etapa VI:
34
P
2
40 10
3 2
1 0
1 4
0 0
P
5
0 34
3 10
0 0
1 4
1
1 10
P
3
120 6
8 10
0 1 0 0
1 10
pt. linia
pivotului;
pt. celelalte linii
se aplic regula 2
z
k
-c
k
1120 76 0 0 10 0 12

Este satisfcut criteriul de optimalitate, toate diferenele
0
k k
z c . Soluia optim se citete pe coloana P
0
:
1
0 x = ,
2
10 x = ,
3
6 x = ,
4
0 x = ,
5
34 x = ,
6
0 x = deci se vor fabrica: 0 produse X, 10
produse Y, 6 produse Z, iar profitul maxim este 1120 um.
Variabilele de compensare arat cum s-au folosit resursele:
4
0 x = arat c resursa 1, primul material, a fost utilizat n
ntregime
( )
6 0 4 10 40 + =
5
34 x = arat c au rmas nefolosite 34 ore pe zi
( )
2 0 10 6 16 50 34 cu ore + + = <
6
0 x = arat c resursa a 3-a, al doilea material, a fost
utilizat integral
( )
8 0 0 10 6 60 + + =

ALGORITMUL SIMPLEX PENTRU PROBLEME DE
MINIM

Dei avem
( )
min max f f = este mai comod s se
specifice etapele algoritmului pentru probleme de minim.
Acestea sunt identice cu etapele pentru probleme de
maxim cu urmtoarele dou excepii:
Etapa III:Criteriul de optimalitate este:
a) Dac toate diferenele 0
k k
z c atunci soluia este
optim;
b) Dac exist i diferene 0
k k
z c > , soluia nu este optim
i trecem la etapa a IV-a;
35
Etapa IV: La probleme de minim se schimb criteriul de intrare
n baz.
Intr n baz vectorul P
h
cruia i corespunde cea mai
mare valoare pozitiv pe linia
k k
z c :
( ) ( )
max 0
k k h h k k
k
z c z c z c = >
Exemplu
S se rezolve problema de programare liniar:
( )
1 2 3 4 5
4 2 8 12 2 min f x x x x x x = + + =
1 3 4
1 2 3
1 5
3 2 4
2 2
1
x x x
x x x
x x
+ + =

+ =

+ =


0 1, 5
i
x i =

Soluie
Matricea coeficienilor restriciilor este
1 2 3 4 5
3 0 2 1 0
2 1 1 0 0
1 0 0 0 1

A
P P P P P
| |
|
=
|
|

\

Baza este
( )
4 2 5
, , P P P iar SAB de pornire se obine anulnd
necunoscutele secundare
1
0 x = ,
3
0 x = deci
( )
0
0 2 0 4 1
T
x = .
Din urmtorul tabel simplex se obine soluia optim:

4 -2 -8 12 2
Baza C
B
P
0
P
1
P
2
P
3
P
4
P
5
P
4
12 4 3 0 2 1 0
P
2
-2 2 2 1 -1 0 0
P
5
2 1 -1 0 0 0 1
z
k
-c
k
26 0 34 0 0
P
3
-8 2
3
2
0 1
1
2
0
36
P
2
-2 4
7
2

1 0
1
2

0
P
5
2 1 -1 0 0 0 1
z
k
-c
k
-22 -25 0 0 -17 0

Soluia
( )
*
1 2 3 4 5
0 4 2 0 1 X x x x x x = = = = = = , min 22 f = este
optim deoarece este satisfcut criteriul de optimalitate, toate
diferenele 0
k k
z c .

BAZA ARTIFICIAL. METODA PENALIZRILOR

Pentru determinarea soluiei de pornire, dup aducerea la
forma standard, apar dou situaii:
Matricea A conine toate coloanele matricei unitate
I
m
; SAB de pornire se afl anulnd necunoscutele
secundare (nebazice);
Matricea A nu conine toate coloanele lui I
m
. n acest
caz se va crea o baz artificial canonic.
Se adaug, alturi de matricea A, coloanele din matricea
I
m
care lipseau; aceste coloane din matricea unitate sunt
componente ale unor vectori artificiali iar baza canonic format
i cu ajutorul vectorilor artificiali este o baz artificial.
Adugarea vectorilor artificiali presupune adunarea unor
noi necunoscute, numite necunoscute artificiale n relaiile ce
reprezint restriciile.
Pentru aflarea soluiei optime a problemei iniiale, se
consider o nou problem, numit modificat, n care s-a
schimbat i expresia funciei obiectiv, folosind metoda
penalizrilor sau metoda celor M mari, unde M este un numr
foarte mare, numit factor de penalizare.

37
METODA PENALIZRII PENTRU PROBLEME DE MINIM

Dup aducerea la forma standard, dac n matricea A
lipsesc unele coloane din I
m
, se procedeaz astfel:
Se obine problema modificat prin:
Se adaug la matricea A, coloanele din matricea
unitate care lipseau, pentru obinerea bazei artificiale.
Aceasta nseamn c se adun cte o necunoscut
artificial numai n restriciile indicate de cifra 1 ce
corespund vectorilor artificiali.
n funcia obiectiv se adun produsul dintre vectorul
de penalizare M i suma variabilelor artificiale
introduse.
Exemplu
O firm fabric 3 piese de mobilier: canapele, birouri i
fotolii costurile de producie pentru fiecare din ele fiind 3, 2
respectiv 2 um. n fabricarea lor se folosesc 2 resurse, lemn i
material de tapierie ce se afl pe stoc. Rentru a-i epuiza
stocurile trebuie folosite cel puin 80 de uniti de lemn i cel
puin 60 de uniti de material de tapierie. Consumurile
specifice i costurile de producie sunt date n Tabelul 4.
Tabelul 4
Consumuri specifice
Resurse
C B F
Disponibil
R
1
(lemn)

4 2 1 80
R
2
(material tapierie)

2 - 1 60
Cost de producie 3 2 2

Modelul matematic este urmtorul:
( )
1 2 3
3 2 2 min f x x x x = + + =
1 2 3
1 3
4 2 80
2 60
x x x
x x
+ +


0 1, 2, 3
i
x i =
38
Se aduce la forma standard:
( )
1 2 3
3 2 2 min f x x x x = + + =
1 2 3 4
1 3 5
4 2 80
2 60
x x x x
x x x
+ + =

+ =


0 1, 5
i
x i =
Se scrie A matricea coeficiemilor din restricii:
4 2 1 1 0
2 0 1 0 1
A

| |
=
|

\

Deoarece aceasta nu conine nici o coloan din I
2
, se
adaug doi vectori artificiali ce vor forma baza artificial:
1 2 3 4 5 6 7
4 2 1 1 0 1 0
2 0 1 0 1 0 1

a a
A
P P P P P P P

| || |
=
| |

\ \

Problema modificat este:
( ) ( )
1 2 3 6 7
3 2 2
a a
f x x x x M x x MIN = + + + + =
1 2 3 4 6
1 3 5 7
4 2 80
2 60
a
a
x x x x x
x x x x
+ + + =

+ + =


0 i=1, 5
i
x ,
6 7
0 x 0
a a
x

METODA PENALIZRII PENTRU PROBLEME DE
MAXIM

Dup aducerea la forma standard, matricea A a
coeficienilor din restricii nu conine toate coloanele din I
m
.
Pentru obinerea problemei modificate n cazul acesta, avem:
Se adaug coloanele care lipseau din matricea unitate,
la matricea A, pentru formarea bazei unitare. Aceasta
presupune adunarea unor necunoscute artificiale
numai n ecuaiile indicate de cifra 1 din vectorii
artificiali.
39
n funcia obiectiv se scade produsul dintre factorul de
penalizare M i suma variabilelor artificiale introduse.
Exemplu
Problema iniial de PL este:
( )
1 2
12 16 max f x x x = + =
1 2
2
1
2 3 48000
10000
6000
x x
x
x
+


1 2
0, 0 x x
Soluie
Se aduce problema la forma standard:
( )
1 2
12 16 max f x x x = + =
1 2 3
2 4
1 5
2 3 48000
10000
6000
x x x
x x
x x
+ + =

+ =

0 1, 5
i
x i =
Matricea A nu conine coloana
( )
0 1 0
T
i de aceea se
introduce vectorul
6
a
P cu aceste componente:
1 2 3 4 5 6
2 3 1 0 0 0
0 1 0 1 0 1
1 0 0 0 1 0

a
A
P P P P P P
| || |
| |
=
| |
| |
\ \

Baza este
( )
3 6 5
a
P P P iar forma modificat a problemei
este:
( )
1 2 6
12 16
a
f x x x Mx MAX = + =
1 2 3
2 4 6
1 5
2 3 48000
10000
6000
a
x x x
x x x
x x
+ + =

+ =

+ =


6
0 1, 5, 0
a
i
x i x =
n continuare se va aplica algoritmul simplex problemei
modificate. Se poate lucra cu M ori i se poate da lui M o valoare
40
numeric foarte mare. Unele programe pe calculator consider
900000000 M = .
Poate apare una din urmtoarele trei situaii n rezolvarea
problemei modificate care s conduc la aflarea soluiei
problemei originale, dac ea exist.
1) Toi vectorii artificiali au fost eliminai din baz. n
acest caz s-a obinut o SAB de pornire pentru
problema iniial; se continu algoritmul simplex i se
determin, dac exist, soluia optim a problemei
iniiale.
2) Nu toi vectorii artificiali au ieit din baz, dar
necunoscutele artificiale care corespund vectorilor
artificiali rmai n baz sunt egale cu zero. Rezult o
soluie de pornire degenerat pentru problema iniial
i se continu algoritmul simplex.
3) A rmas n baz mcar un vector artificial, cruia i
corespunde pe coloana lui P
0
o variabil artificial
strict pozitiv i sunt ndeplinite condiiile de
optimalitate. n aceast situaie problema iniial nu
are soluie.

Exemplu

Se aplic algoritmul simplex la problema de maxim
precedent, adus n forma standard:
( )
1 2 6
12 16
a
f x x x Mx MAX = + =
1 2 3
2 4 6
1 5
2 3 48000
10000
6000
a
x x x
x x x
x x
+ + =

+ =

+ =


6
0 1, 5, 0
a
i
x i x =

12 16 0 0 0 -M
Baz C
B
P
0
P
1
P
2
P
3
P
4
P
5
a
6
P
P
3
0 48000 2 3 1 0 0 0
41

a
6
P

-M 10000 0 1 0 -1 0 1
P
5
0 6000 1 0 0 0 1 0
z
k
-c
k
-12 -M-16 0 M 0 0
P
3
0 18000 2 0 1 3 0 -3
P
2
16 10000 0 1 0 -1 0 1
P
5
0 6000 1 0 0 0 1 0
z
k
-c
k
-12 0 0 -16 0 16+M
P
4
0 6000
2 3
0
1 3
1 0 -1
P
2
16 16000
2 3
1
1 3
0 0 0

P
5 0 6000 1 0 0 0 1 0
z
k
-c
k

4 3
0
16 3
0 0 M
P
4
0 2000 0 0
1
3
1
2
3
-1
P
2
16 12000 0 1
1
3
0
2
3
0
P
1
12 6000 1 0 0 0 1 0
z
k
-c
k
264000 0 0
16
3

0
4
3

M

n prima linie, z
k
-c
k
, avem
2 2
16 z c M = care este cea
mai mic valoare negativ deci P
2
intr n baz.
Iese P
6
deoarece
48000 10000
min , 10000
3 1
| |
=
|
\
. n al doilea
tabel s-a obinut o soluie de pornire pentru problema iniial,
care ns, nu este soluia optim:
1
0 x = ,
2
10000 x = ,
3
18000 x = ,
4
0 x = ,
5
6000 x = iar max 16000 f = .
Soluia optim se determin din ultimul tabel simplex:
1
6000 x = ,
2
12000 x = ,
3
0 x = ,
4
2000 x = ,
5
0 x =
iar max 264000 12 6000 16 12000 f = = +


42
Exemplu
Se aplic algoritmul simplex pentru problema precedent
de minim:

3 2 2 0 0 M M
Baza C
B
P
0
P
1
P
2
P
3
P
4
P
5
a
6
P
a
7
P

a
6
P
M 80 4 2 1 -1 0 1 0
a
7
P
M 60 2 0 1 0 -1 0 1
z
k
-c
k
6M-3 2M-2 2M-2 -M -M 0 0
P
1
3 20 1
1
2

1
4

1
4
0
1
4
0

a
7
P
M 20 0 -1
1
2

1
2
-1
1
2

1
z
k
-c
k
0
1
-M-
2

M 5
-
2 2

M 3
-
2 4

-M
M 3
- +
2 4

0
P
1
3 30 1 0
1
2
0
1
2
0
1
2

P
4
0 40 0 -2 1 1 -2 -1 2
z
k
-c
k
90 0 -2
1
2
0
3
-
2

-M
3
-M+
2


Soluia optim este
1
30 x = ,
2
0 x = ,
3
0 x = ,
4
40 x = ,
5
0 x = iar max 90 f = .
Obesrvaie
Un alt mod de precizare a metodei penalizrii este:
Forma modificat se obine prin:
n fiecare restricie care nu conine o variabil
izolat (care nu mai apare n celelalte restricii)
care are coeficientul +1, se adaug o nou
variabil, numit variabil artificial;
Variabilele artificiale se introduc n funcia
obiectiv cu coeficientul:
+M dac funcia obiectiv este de minim;
43
-M dac funcia obiectiv este de maxim.
Dac dup rezolvare s-au obinut condiiile de
optim i cel puin o variabil artificial are n
soluia optim o valoare nenul, atunci problema
iniial nu are soluie.

RESURSE RARE. PRE UMBR

Programarea liniar se ocup cu utilizarea optim a
resurselor.
Resursele consumate n ntregime n procesul optim de
producie se mai numesc resurse rare, deoarece lipsa ori
neajunsul lor poate limita producia, deci i profitul.
n cazul refacerii structurilorori planificrii orelor de
producie, este necesar s se cunoasc ce resurse sunt mai
valoroase n sensul c prin suplimentarea lor se ajunge la
creterea valorii maxime a profitului.
Informaii asupra acestei probleme se obin cu ajutorul
preurilor umbr, ataate fiecrei resurse.
Fiecrei probleme de programare liniar, numit
problem primal i se poate ataa o alt problem, numit
problem dual, dup anumite reguli.
Problema dual se construiete, tot ca model de
programare liniar, cu ajutorul datelor din problema primal.
Variabilele duale optime se mai numesc preuri umbr.
Se tie c fiecare restricie din problema primal se refer
la una din resurse ori condiii de producie, de vnzare etc.
La fiecare restricie se ataeaz cte o variabil dual, deci
preurile umbr (variabilele duale optime) se refer tot la resurse
ca i restriciile.
Avem urmtoarele interpretri
a) Preul umbr (dual) ataat unei resurse (restricii) este
cantitatea cu care se va modifica (crete sau scade) valoarea
44
optim a funciei obiectiv, dac se va crete cu o singur unitate
unitate cantitatea disponibil din acea resurs (adic termenul
liber din restricie)
b) Preul umbr este suma care poate fi pltit n plus fa de
costul de achiziie iniial, pentru cumprarea unei noi uniti
dintr-o resurs rar, astfel ca, prin suplimentarea cantitii
disponibile din acea resurs, beneficiul total s nu scad, ori
costul total s nu creasc.
Aceste interpretri au loc n dou condiii:
1) Soluia optim a problemei s fie nedegenerat
2) Intervalele n care sunt valabile interpretrile a) i b)
ale preurilor umbr sunt determinate de analiza
senzitiv pentru pentru termenii liberi din restricii.
Se ntlnesc, deci, urmtoarele tipuri de variabile
I. Variabile de decizie
Acestea determin ceea ce se cere n problem, adic vor
determina decizia ce va fi luat.
Cu ajutorul lor se elaborez modelul matematic. Soluia
optim se citete n ultimul tabel simplex, pe coloana lui P
0
, cnd
sunt satisfcute condiiile de optimalitate.
O variabil 0
j
x > arat c activitatea j creia i-a fost
ataat variabila de decizie este inclus n program deci se
efectueaz ca activitate eficient.
Dac 0
j
x = atunci activitatea j nu se efectueaz ea fiind
nerentabil.
II. Variabile de compensare, echilibrare sau
ecart
Acestea se introduc pentru aducerea la forma standard, n
restricii.
Valorile lor optime se citesc odat cu cele ale variabilelor
de decizie, pe coloana lui P
0
.
Dac variabila de compensare din restricia j,
ataat resursei R
j
, este nul, atunci restricia j este
45
satisfcut cu semnul =, resursa R
j
a fost
consumat n ntregime, deci este o resurs rar.
n general, preul umbr ataat unei resurse rare este
nenul.
Dac variabila de compensare dintr-o restricie are,
n soluia optim, valoare strict pozitiv atunci
restricia este satisfcut ca inegalitate.
n cazul n care aveam , variabila de
compensare a fost adunat i valoarea ei arat ct
din membrul drept a rmas neutilizat.
n cazul n care aveam , variabila de
compensare se mai numete surplus sau variabil
de exces, deoarece ea arat ct s-a realizat n plus
fa de membrul drept.
Dac variabila de compensare este strict pozitiv
atunci preul umbr ataat resursei este nul deci
prin suplimentarea acelei resurse, valoarea optim
a funciei obiectiv nu se modific.
III. Variabile duale optime sau preurile
umbr
Se ataeaz restriciilor deci dau indicaii asupra
resurselor, conform interpretrilor a) i b).
Preurile umbr se citesc pe ultima linie di tabelul
simplex, adic pe linia lui z
k
-c
k
n dreptul coloanelor variabilelor de compensare,
dac vectorii corespunztori formau baza canonic,
n ordinea vectorilor din matricea unitate
Pe coloanele variabilelor artificiale, tot ordinea
coloanelor din matricea unitate iniial, fcnd
M=0.
n dreptul coloanelor variabilelor de compensare
sczute pentru aducerea la forma standard, dar
acestei citiri i se va schimba semnul.
46
Observaie pentru variabilele de decizie
Tot pe linia lui z
k
-c
k
din ultimul tabel simplex se citete i
costul redus, n dreptul coloanelor ce corespund variabilelor de
decizie.
Costul redus pentru o variabil de decizie care are
valoarea zero n soluia optim, (ceea ce indic faptul c
activitatea pe care o reprezenta variabila de decizie nu se
efectueaz), este cantitatea necesar pentru a crete (sau micora)
coeficientul acelei variabile, n funcia obiectiv, astfel ca dup
modificarea acelui coeficient, variabila s aibe valoare strict
pozitiv n noua soluie optim.
Dac variabila de decizie are valoare strict pozitiv n
soluia optim, costul redus este nul.
Costul redus pentru o activitate nerealizat mai reprezint
cantitatea cu care descrete profitul (crete costul) dac o
activitate care nu era folosit este forat s fie utilizat; de
exemplu dac
1
0 x = , i se impune ca restricie
1
1 x , profitul va
scdea exact cu valoarea costului redus a variabilei x
1
.
Exemplu
O fabric de mobil produce birouri i dulapuri, folosind
timpul de asamblare i lemn.
Consumurile specifice, preurile de vnzare i cantitile
disponibile din resurse sunt date n tabel:
Consum pentru um
Resurse
Birou Dulap
Disponibil
Asamblare (min) 10 8 600 min
Lemn (kg) 6 12 600 kg
Pre de vnzare (um) 15 9
a) Dac fabrica dorete s contracteze cel puin 40 de
birouri, care va fi planul de producie, preul maxim de vnzare?
Cum sunt utilizare resursele? Care dintre resurse ar trebui
suplimentat dac se urmrete fabricarea unui numr mai mare
de produse? Care este costul redus?
47
b) Rspundei la aceleai ntrebri dac se dorete
contractarea a cel puin 40 de dulapuri.
Ce decizie va lua managerul; a) sau b)?
c) Care va fi planul de producie i preul maxim de vnzare
dac n cazul a) preul dulapurilor este crescut cu 3 um?
x
1
= numrul de birouri ce se vor fabrica
x
2
= numrul de dulapuri ce se vor fabrica
Cazul a) model matematic
( )
1 2
15 9 max f x x x = + =
1 2
1 2
1
1) 10 8 600, minute de asamblare
2) 6 12 600, kg de lemn
3) 4, contract
x x
x x
x
+


1 2
0 0 x x
Forma standard este
( )
1 2
15 9 max f x x x = + =
1 2 3
1 2 4
1 5
10 8 600
6 12 600
40
x x x
x x x
x x
+ + =

+ + =

0
i
x 1, 5 i =
Forma modificat pentru aplicarea metodei penalizrilor,
se datorete faptului c n matricea
10 8 1 0 0 0
6 12 0 1 0 0
1 0 0 0 1 1
A
| || |
| |
=
| |
| |

\ \

lipsete coloana
6
a
P , deci forma modificat este
( )
1 2 6
15 9
a
f x x x Mx MAX = + =
1 2 3
1 2 4
1 5 6
10 8 600
6 12 600
40
a
x x x
x x x
x x x
+ + =

+ + =

+ =

0
i
x , 1, 5 i =
6
0
a
x
Tabelul simplex:
15 9 0 0 0 -M
Baza C
B
P
0
P
1
P
2
P
3
P
4
P
5
a
6
P
P
3
0 600 10 8 1 0 0 0
48
P
4
0 600 6 12 0 1 0 0
a
6
P -M 40 1 0 0 0 -1 1
z
k
-c
k
-M-15 -M-9 0 0 M 0
P
3
0 200 0 8 1 0 10 -10
P
4
0 360 0 12 0 1 6 -6
P
1
15 40 1 0 0 0 -1 1
z
k
-c
k
0 -9 0 0 -15 M+15
P
5
0 20 0
4
5

1
10
0 1 -1
P
4
0 240 0
36
5

3
5
1 0 0
P
1
15 60 1
4
5

1
10
0 0 0
z
k
-c
k
900 0 3 1,5 0 0 M
Interpretarea acestui tabel simplex:
Planul de producie este:
1
60 x = ,
2
0 x = deci se vor
fabrica 60 de birouri iar dulapurile sunt
nerentabile, deci nu se vor produce.
Valoarea maxim a preului de vnzare este 900 de uniti
monetare.
Valorile variabilelor de compensare sunt:
3
0 x = ,
4
240 x = ,
5
20 x = deci s-au consumat toate minutele de asamblare, au rmas
240 kg de lemn din cele 600 kg i s-au fcut n plus 20 de birouri
fa de cele 40 contractate.
Preurile umbr se citesc n dreptul coloanelor matricei
unitate, care au format baza iniial, fcnd 0 M = deci:
Preul umbr pentru orele de asamblare este 1,5.
Preul umbr pentru lemn este 0
Preul umbr al restriciei a 3-a, ce reprezint
contractul, este 0, (pentru M=0) ori n dreptul
coloanei
( )
0 0 1
T
, dar este tot 0 i cu semn
schimbat.
49
Costurile reduse pot fi citite pe coloanele variabilelor de
decizie P
1
i P
2
pe linia lui z
k
-c
k
deci:
Costul redus pentru birouri este 0 deoarece ele se
fabric
Costul redus pentru dulapuri este 3 deoarece n
acest moment ele sunt nerentabile la preul de
vnzare 9 um.
Dac ns preul de vnzare ar fi 9 3 12 + = sau mai mult,
ele pot fi fabricate.
Toate aceste rezultate puteau fi sintetizate n tabelul:
Variabile de decizie Cost redus
60 0
0 3
max 90 f =
Variabile de compensare Preuri umbr
1) 0 1,5
2) 240 0
3) 20 0
n plus rezult c singura resurs care ar trebui
suplimentat este prima, timpul de asamblare, deoarece dac am
avea 600+1 minute, valoarea maxim a vnzrilor ar crete cu
1,5 adic ar deveni 900 45 945 + = um.
ns aceast proprietate este valabil doar n intervalul dat
de analiza senzitiv pentru termenul liber 600 din prima
restricie. Se poate arta c acesta este
[ ]
400,1000 .
Cazul b) model matematic
( )
1 2
15 9 max f x x x = + =
1 2
1 2
1
1) 10 8 600, minute de asamblare
2) 6 12 600, kg de lemn
3) 4, contract
x x
x x
x
+


1 2
0, 0 x x
Forma modificat este n acest caz
( )
1 2 6
15 9
a
f x x x Mx MAX = + =
50
1 2 3
1 2 4
1 5 6
10 8 600
6 12 600
40
a
x x x
x x x
x x x
+ + =

+ + =

+ =

0
i
x 1, 5 i = ,
6
0
a
x
Tabelul simplex
15 9 0 0 0 -M
Baza C
B
P
0
P
1
P
2
P
3
P
4
P
5
a
6
P
P
3
0 600 10 8 1 0 0 0
P
4
0 600 6 12 0 1 0 0
a
6
P
-M 40 1 0 0 0 -1 1
z
k
-c
k
-15 -M+9 0 0 M 0
P
3
0 280 10 0 1 0 8 -8
P
4
0 120 6 0 0 1 12 -12
P
2
9 40 0 1 0 0 -1 1
z
k
-c
k
-15 0 0 0 9 9+M
P
3
0 80 0 0 1
5
3

-12 12
P
1
15 20 1 0 0
1
6
2 -2
P
2
9 40 0 1 0 0 -1 1
z
k
-c
k
660 0 0 0 2,5 21 M-21
Tabelul rezultatelor este:
Variabile de decizie Cost redus
20 0
40 0
max 660 f =

Variabile de compensare Preuri umbr
1) 0 1,5
2) 240 0
3) 20 0
Deci: se vor produce 20 de birouri, 40 de dulapuri,
valoarea maxim a vnzrilor este 660 um, rmn neutilizate 80
minute de asamblare dincele 600, dar restriciile urmtoare sunt
51
satisfcute cu semnul egal deci lemnul li contractul sunt
resurse rare.
Dac n loc de 600 kg lemn am avea 601 kg, valoarea
vnzrilor ar crete cu 2,5 devenind 662,5.
n schimb dac n loc de 40 dulapuri s-ar contracta 41,
valoarea vnzrilor ar scdea cu 21, devenind 639 um.
Aceste afirmaii privind preul umbr au loc doar n
intervalele precizate de analiza senzitiv n care pot varia cele
600 kg lemn i cele 40 de valori ale contractului.
Costul redus este zero deoarece att birourile ct i
dulapurile se fabric. Intervalul n care este valabil preul umbr
de 2,5 pentru lemn este acela n care 600 variaz n
[ ]
480, 640 iar
pentru 40 este
[ ]
33, 3;50 .
c) Dac preul dulapurilor devine 12 um, deci crete cu
cele 3 um specificate de costul redus, fabricarea dulapurilor
devine rentabil. Avem urmtoarele dou soluii optime
alternative:
Fie cea prezentat la punctul a
1 2
60, 0, max 900 x x f = = =
Fie
1 2
40, 25, max 900 x x f = = =
Managerul ia decizia s contracteze birourile deoarece
preul total de vnzare n cazul a) este mai mare dect n cazul b)
al contractrii dulapurilor.
Dac ns, poate crete preul de vnzare al dulapurilor,
de la 9 um la 12 um (sau mai mult), atunci poate contracta cele
40 de birouri, pe care le livreaz toate la contract, dar poate
fabrica i 25 de dulapuri, consumnd astfel mai bine resursele,
deoarece rmn doar 60 kg lemn..
Exemplu
O firm poate fabrica dou produse A i B. Costurile de
producie i consumurile specifice sunt date n tabel.
52
Trebuie folosite cel puin 240 de minute de producie, cel
mult 200 uniti de material i trebuiesc produse cel puin 10
uniti din produsul A pentru onorarea unui contract. Datele sunt
sintetizate n tabel:
A B Disponibil
R
1
ore de producie 2 4 240
R
2
kg de material 1 2 200
R
3
vnzare 1 0 10
Cost unitar de producie 4 2
a) S se determine planul optim de producie astfel nct
costul total de producie s fie minim
b) Care este utilizarea resurselor?
c) Ce se intmpl dac fiecare dintre cele trei resurse, este
suplimentat, pe rnd cu cte o singur unitate? Dar dac se
micoreaz pe rnd cu o unitate?
Ce este mai convenabil s modificm (presupunnd c se
respect analiza senzitiv)?
Soluie
Se introduc variabilele de decizie care vor da planul de
producie:
x
1
= numrul de produse A ce se vor fabrica
x
2
= numrul de produse B ce se vor fabrica
Modelul matematic al problemei este:
( )
1 2
4 2 f x x x MIN = + =
Restriciile
( )
1 2
1 2
1
1)2 4 240
2) 2 200
3) 10
x x timp de productie
x x unitati de material
x vanzare contract


1 2
0, 0 x x
Forma standard:
( )
1 2
4 2 f x x x MIN = + =
53
1 2 3
1 2 4
1 5
1)2 4 240
2) 2 200
3) 10
x x x
x x x
x x
+ =

+ + =

0, 1, 5
i
x i =
Din matricea unitate lipsesc coloanele 1 i 3
1 2 3 4 5 6 7
2 4 1 0 0 1 0
1 2 0 1 0 0 0
1 0 0 0 1 0 1

a a
A
P P P P P P P

| || |
| |
=
| |
| |

\ \

Rezult c n restricia 1 se va aduna o variabil artificial
6
a
x iar n restricia 3 se va duna o variabil
7
a
x ; baza canonic este
( )
4 7
a a
a
P P P .
n funcia obiectiv se adun factorul de penalizare M;
nmulit cu suma celor dou variabile artificiale, deci modelul
matematic modificat al problemei este
( ) ( )
1 2 6 7
4 2
a a
f x x x M x x MIN = + + + =
1 2 3 6
1 2 4
1 5 7
1)2 4 240
2) 2 200
3) 10
a
a
x x x x
x x x
x x x
+ + =

+ + =

+ =

0, 1, 5
i
x i = ,
6
0
a
x ,
7
0
a
x
Tabelul simplex:
4 2 0 0 0 M -M
Baza C
B
P
0
P
1
P
2
P
3
P
4
P
5
a
6
P
7
P
a

a
6
P

M 240 2 4 -1 0 0 1 0
P
4
0 200 1 2 0 1 0 0 0
7
P
a

M 10 1 0 0 0 -1 0 1
z
k
-c
k
3M-4 4M-2 -M 0 -M 0 0
P
2
2 60
1
2
1
1
4
0 0
1
4
0
P
4
0 80 0 0
1
2
1 0
1
2
0
7
P
a

M 10 1 0 0 0 -1 0 1
54
z
k
-c
k
M-3 0
1
2

0 -M
1
-M
2

0
P
2
2 55 0 1
1
4

0
1
2

1
4

1
2

P
4
0 80 0 0
1
2
1 0
1
2
0
P
1
4 10 1 0 0 0 -1 0 1
z
k
-c
k
0 0
1
2

0 -3
1
-M
2

3-M
Razultatele obinute prin algoritmul simplex se pot citi din
ultimul tabel: soluia optim este pe coloana P
0
, costurile reduse,
pe linia z
k
-c
k
sunt pe coloanele P
1
i P
2
, costurile reduse sunt
citite n una din formele:
Fie pe coloanele
a
6
P , P
4
,
a
7
P care au format baza
iniial; fcnd M=0 (pe linia z
k
-c
k
)
Fie pe coloana lui P
3
,
( )
1 0 0
T
, dar cu semn
schimbat, pe coloana P
4

( )
0 1 0
T
corect i pe
coloana lui P
5

( )
0 0 1
T
dar cu semn schimbat i
au valorile, respectiv:
1
2
, 0, 3.
Sistemul tuturor rezultatelor, inclusiv valoarea total
minim a costurilor de producie este:
Variabile de decizie Cost redus
x
1
10 0
x
2
55 0
min 150 f um =

Variabile de compensare Preuri umbr
1) 0 0,5
2) 80 0
3) 0 3
Interpretrile rezultatelor
Se vor produce 10 produse A i 55 produse B
55
Costul total minim de producie: 150 um
Prima resurs, orele de producie, este resurs rar.
Variabila de compensare este
3
0 x = , restricia este
satisfcut cu semnul =, resursa este consumat
n ntregime, iar preul umbr asociat este 0,5
um/1or.
Aceasta nseamn c dac n loc de 240 ore avem 241 ore,
costul total minim crete cu 0,5 la fiecare or adugat i scade
cu 0,5 la fiecare or sczut din cele 240 disponibile.
Resursa a doua, materialul, nu a fost consumat n
ntregime deci nu este resurs rar. Din acest
material au rmas un numr de
4
80 kg x = . Preul
umbr asociat materialului este egal cu zero deci
costul total minim rmne neschimbat dac
adugm ori scdem un kg la cei 200 existeni.
Este important de menionat faptul c dac n loc de 200
kg de material am fi planificat un numr de 200 80 120 = kg, am
fi realizat exact acelai plan de producie cu acelai cost total
minim i am fi consumat toate cele 120 kg (fr stoc
suplimentar).
A treia resurs este tot resurs rar.
Variabila de compensare
5
0 x = , restricia este satisfcut
cu semnul = iar preul umbr ataat este egal cu 3.
Aceasta nseamn c dac n loc de 10 produse A
contractate, vom avea 11, costul total crete cu 3 adic devine
153 i invers, dac n loc de 10 se contracteaz un numr de 9
produse A, costul total scade cu 3 adic devine 147.
Toate aceste consideraii pentru preurile umbr sunt
adevrate n intervalele date de analiza senzitiv pentru termenii
liberi din restricii.
56

ANALIZA SENZITIV

n modelul matematic al unei probleme de PL s-a
presupus c toi parametrii care intervin sunt constani.
n general, coeficienii variabilelor din funcia obiectiv
reprezint costurile de producie unitare, la probleme de minim i
beneficiile unitare ale produselor fabricate, la probleme de
maxim. Aceti coeficieni se pot schimba de la o producie la
alta, din cauze diferite, de exemplu scumpirea gazelor naturale
ori a curentului electric.
Termenii liberi din restricii pot fi cantiti disponibile din
resurse, condiii de vnzare, de contracte etc. i aceti termeni
liberi se pot schimba, fie de la o producie la alta, fie n timpul
procesului de producie studiat.
Obiectivul principal al analizei senzitive este
determinarea efectului asupra soluiei optime, ale unor variaii
ale coeficienilor din funcia obiectiv sau ale termenilor liberi din
restricii.
Uneori, variaiile acestor parametri conduc la aceeai
soluie optim sau dau diferene mici ale soluiei optime, deci
soluia optim este insenzitiv la schimbri.
Este posibil i o schimbare considerabil a soluiei
optime n afara unor intervale de variaie stabilite respectiv
pentru coeficienii din funcia obiectiv sau pentru termenii liberi
din restricii.

ANALIZA SENZITIV PENTRU COEFICIENII DIN
FUNCIA OBIECTIV

Analiza senzitiv pentru coeficienii variabilelor din
funcia obiectiv stabilete intervalele n care pot varia ficare
57
dintre coeficieni, astfel nct soluia optim s rmn
neschimbat. Aceasta nseamn c n aceste intervale, valorile
variabilelor optime 1,
i
x i n = rmn aceleai , dar valoarea optim
a funciei obiectiv se poate schimba, din cauza modificrii
coeficienilor variabilelor din funcia obiectiv n aceste intervale.
Simultan rezult i costul redus. Aceste rezultate sunt
valabile pentru problemele nedegenerate deci n care exist un
numr de m restricii iar soluia optim conine m variabile strict
pozitive.
n soluia optim, este posibil ca una dintre variabilele de
decizie, 0
i
x = . Aceasta nseamn c activitatea i asociat
variabilei de decitie
i
x , nu este rentabil i nu va fi utilizat. n
ultimul tabel simplex care ddea soluia optim, vectorul P
i

corespunztor variabilei
i
x nu era n baz.
ntr-o problem nedegeneratde maxim (minim) costul
redus pentru o variabil de decizie care avea valoarea zero n
soluia optim, este cantitatea cu care trebuie crescut (micorat)
coeficientul su din funcia obiectiv pentru ca ea s aib valoare
strict pozitiv, n noua soluie optim obinut dup modificarea
coeficientului su din funia obiectiv. Pentru variabilele de
decizie care au fost strict pozitive, costul redus este zero.
Costul redus pentru o activitate neutilizat ( 0
i
x = ) mai
reprezint cantitatea cu care va descrete profitul (sau va crete
costul) dac o activitate nerentabil este forat s fie utilizat
prin impunerea restriciei 1
i
x . Cazul particular n care att
variabila de decizie ct i costul redus asociat ei sunt egale cu
zero, indic existena unei soluii optime alternative.
Costul redus se citete pe ultima linie din tabelul simplex,
z
k
-c
k
, n dreptul coloanelor vriabilelor de decizie.
Pentru probleme degenerate, n care numrul variabilelor
strict pozitive este mai mic dect numrul restriciilor, att
semnificaiile costului redus ct i a preului umbr, nu mai sunt
adevrate.
58
Analiza senzitiv se bazeaz pe faptul c la un moment
dat variaz cte un singur coeficient din funcia obiectiv,
celelalte mrimi rmnnd la valorile iniiale.
n general, pentru problema iniial:
( )
1 1 2 2
0
...
0
n n
f x c x c x c x opt
Ax P
x
= + + + =


pentru analiza senzitiv a coeficienilor c
1
, c
2
... c
n
se vor rezolva
un numr de n probleme n care se modific, pe rnd, doar un
coeficient din funcia obiectiv:
Problema 1
( ) ( )
1 1 2 2
...
n n
f x c x c x c x OPT = + + + + =
0
0
Ax P
x
=


Problema a 2-a
( ) ( )
1 1 2 2
...
n n
f x c x c x c x OPT = + + + + =
0
0
Ax P
x
=


...
Problema a n-a
( ) ( )
1 1 2 2 1 1
...
n n n n
f x c x c x c x c x OPT

= + + + + + =
0
0
Ax P
x
=


Practic, algoritmul simplex d simultan soluia optim a
problemei iniiale i analiza senzitiv a tuturor coeficienilor din
funcia obiectiv, cu urmtoarele modificri:
Deasupra liniei coeficienilor din funcia obiectiv
se mai adaug n linii ce corespund coeficienilor
din cele n probleme
59
Se adaug n coloane
( )
B
c , pentru coeficienii
variabilelor bazice ce se vor introduce doar n
ultimul tabel simplex
Se calculeaz nc n linii z
k
-c
k
folosind coeficienii
celor n probleme, respectiv
Se impun condiiile de optimalitate pentru toate
cele n probleme i se obin intervalele n care pot
varia fiecare dintre coeficieni, astfel nct soluia
optim obinut pe coloana lui P
0
a problemei
iniiale s rmn optim
Exemplu
O firm fabric trei produse folosind dou resurse.
Consumurile specifice, cantitile disponibile din resurse i
profiturile unitare sunt date n tabel:
A B C Disponibil
Kg R
1
2 3 5 90 kg
Ore R
2
1 2 3 50 ore
Profit unitar 3 4 8

a) Determinai soluia optim i profitul total maxim
b) Ct ar trebui s fie profitul pentru produsul B pentru ca
acesta s devin rentabil?
c) Care este costul pe care l poate plti n plus managerul
pentru achiziionarea unor noi uniti de material? Dar orele pe
main?
d) Determinai intervalele pentru fiecare dintre beneficiile
unitare ale celor 3 produse pentru ca soluia optim obinut la
punctul a) s rmn neschimbat?
Soluie
Rspunsul la toate cele 4 ntrebri este dat de algoritmul
simplex, care va rezolva simultan i analiza senzitiv.
Problema iniial este:
( )
1 2 3
3 4 8 max f x x x x = + + =
60
1 2 3
1 2 3
2 3 5 90
2 3 50
x x x
x x x
+ +

+ +

,
1
0 x ,
2
0 x ,
3
0 x
unde variabilele de decizie x
1
, x
2
i x
3
reprezint respectiv
numrul de produse A, B i C care se vor fabrica.
Pentru analiza senzitiv a celor trei coeficieni 3, 4 i 8 se
rezolv urmtoarele trei probleme:
Problema 1
( ) ( )
1 2 3
3 4 8 max f x x x x = + + + =
1 2 3
1 2 3
2 3 5 90
2 3 50
x x x
x x x
+ +

+ +

, R 0 1, 2, 3
i
x i =
Problema 2
( ) ( )
1 2 3
3 4 8 max f x x x x = + + + =
1 2 3
1 2 3
2 3 5 90
2 3 50
x x x
x x x
+ +

+ +

0, 1, 2, 3,
i
x i R =
Problema 3
( ) ( )
1 2 3
3 4 8 max f x x x x = + + + =
1 2 3
1 2 3
2 3 5 90
2 3 50
x x x
x x x
+ +

+ +

0, 1, 2, 3,
i
x i R =
Aici , , sunt parametri.
Se aduce la forma standard, adunnd cte o variabil de
compensare: x
4
n restricia de material i x
5
n restricia orelor.
Se adaug trei linii pentru coeficienii din funcia obiectiv
a celor trei produse i trei coloane pentru coeficienii variabilelor
bazice.
Tabelul simplex:
3 + 4 8 0 0
3
4 +
8 0 0
3 4
8 +
0 0
3 4 8 0 0
Baza
Probl.
I
c
I
Probl.
II
c
II
Probl.
III
c
III
C
B
P
0
P
1
P
2
P
3
P
4
P
5
P
4
0 90 2 3 5 1 0
61
P
5
0 50 1 2 3 0 1
z
k
-c
k
-3 -4 -8 0 0
P
4
0
20
3

1
3

1
3
0 1
5
3

P
3
8
50
3

1
3

2
3
1 0
1
3

z
k
-c
k

1
3

4
3

0 0
8
3

P
1
3 + 3 3 3 20 1 -1 0 3 -5
P
3
8 8
8 +
8 10 0 1 1 -1 2
z
k
-c
k
140 0 1 0 1 1
I z
k
-c
k
0 1 0 1 3 + 1 5
II z
k
-c
k
0
1
0 1 1
III z
k
-c
k
0
1 +

1 1 2 +
S-au obinut mai nti toate rezultatele problemei iniiale:
Variabile de decizie Cost redus
1
20 x =
0
2
0 x =
1
3
10 x =
0
max 140 f =

Variabile de compensare Preuri umbr
1)
4
0 x =
1
2)
5
0 x =
1
a) Se vor fabrica 20 produse A, produsul B nu se fabric,
produsele C se vor fabrica 10, ambele resurse sunt rare,
consumate n ntregime iar profitul total maxim este 140 um.
b) Costul redus pentru b este 1, deci dac profitul su unitar
4 crete cu 1 unitate devenind 5, atunci produsul B se poate
produce.
De fapt la
2
5 c = avem soluia alternativ, cea precedent
ori
1
30 x = ,
2
10 x = ,
3
0 x = ,
4
0 x = ,
5
0 x = max 140 f = (i suntem n
intervalul dat de anliza senzitiv)
62
c) Costul pe care l poate pti n plus la o nou suplimentare
a resurselor este dat de preul umbr, deci 1um/kg pentru
material i 1um/or pentru producie (dac suntem n intervalele
date de anilza senzitiv)
d) Pentru a determina intervalul n care poate varia primul
coeficient, 3 al variabilei x
1
pentru ca soluia optim de la
punctul a) s rmn neschimbat, se impun condiiile de
optimalitate la problema I, 0
k k
z c . Avem:
1 0
1 3 0
1 5 0


Din acestea, avem 1
1
3
i
1
5
adic
1 1
3 5
.
Atunci coeficientul 3 + al primei probleme va fi cuprins in
intervalul dat de
1 8
3
3 3
= i
1 16
3
5 5
+ = .
Limita inferioara pentru interval este deci
8
2, 667
3
= iar cea
superioara este
16
3, 2
5
= . Pentru problema a 2-a avem similar:
1 0 deci 1 . Intervalul este
( ]
,1 deci coeficientul 4
variaz ntr-un interval care nu are limit inferioara iar limita
superioar este 4 1 5 + = , adic
( ]
4 , 5 .
Pentru problema a 3-a avem:
1 0
0
1 0
1 2 0

deci
1
0
1
1
2

i
1
,1
2

(


Atunci coeficientul 8 variaza n
[ ]
7, 5;9 . Rezultatele se pot
prezenta n tabelul:

63
Limita inferioara Valoarea originala Limita superioara
2,667 3 3,2
nu are 4 5
7,5 8 9
Din tabel rezult c soluia optim rmne neschimbat
cnd coeficienii variaz n aceste intervale.
n particular
2
0 x = dac
( ]
4 , 5 . Rezult c dac n loc
de 4 avem
2
5 c = soluia
2
0 x = se menine nc, dar rezult i
costul redus, egal cu 5 4 1 = , adic pentru
2
5 c = sau mai mult
(de exemplu 5,001), produsul B devine rentabil i se poate
fabrica, dup cum deja s-a menionat.
Exemplu
La o intreprindere se realizeaz trei tipuri de aliaje.
Acestea trebuie s conin, pe lng materialele principale i
Carbon, Nichel i Magneziu. Procentele pentru fiecare ton de
aliaj sunt date n tabel, unde se specific i costurile pe o ton din
fiecare aliaj.
Aliaj 1 Aliaj 2 Aliaj 3
Carbon 3% 2% 6%
Nichel 6% 3% 1%
Magneziu 8% 3% 1%
cost/1 ton 18 15 9
Cerinele de fabricaie sunt:
S se consume cel mult 4 tone de carbon
S se foloseasc cel puin 3,5 tone de nichel
S se utilizeze exact 4 tone de magneziu
Se cer:
a) S se afle cte tone se vor fabrica din fiecare aliaj astfel
nct costul total de producie s fie minim
b) S se interpreteze valorile variabilelor de compensare,
preurile umbr i costurile reduse
c) S se efectueze analiza senzitiv pentru coeficienii din
funcia obiectiv
64
d) O ton din fiecare aliaj se poate vinde cu 30 um.
Formulai modelul matematic pentru determinarea planului de
producie cnd profitul total este maxim. i n acest caz
rspundi la ntrebrile a), b) i c).
Soluie
a) Se introduc variabilele de decizie x
i
= numrul de tone din
aliajul i, i=1, 2, 3 care se vor fabrica, pentru a obine costul total
minim de producie
Avem
( )
1 2 3
18 15 9 f x x x x MIN = + + =
1 2 3
1 2 3
1 2 3
1)0, 03 0, 02 0, 06 4
2)0, 06 0, 03 0, 01 3, 5
3)0, 08 0, 03 0, 01 4
x x x
x x x
x x x
+ +

+ +

+ + =

0
i
x 1, 2, 3 i =
Punctele a, b i c se rezolv simultan prin algoritmul
simplex.
Pentru analiza senzitiv se variaz pe rnd cte un singur
coeficient din funcia obiectiv, restriciile rmnnd
neschimbate.
Funciile obiectiv pentru aflarea intervalelor de variaie
ale coeficienilor 18, 15 i 9, n care soluia problemei rmne
optim, sunt respectiv:
I.
( ) ( )
1 2 3
18 15 9 f x x x x MIN = + + + =
II.
( ) ( )
1 1 3
18 15 9 f x x x x MIN = + + + =
III.
( ) ( )
1 2 3
18 15 9 f x x x x MIN = + + + =
Forma standard a restriciilor este aceeai la toate
problemele:
1 2 3 4
1 2 3 5
1 2 3
1)0, 03 0, 02 0, 06 4
2)0, 06 0, 03 0, 01 3, 5
3)0, 08 0, 03 0, 01 4
x x x x
x x x x
x x x
+ + + =

+ + =

+ + =

0
i
x 1, 5 i =
Matricea coeficienilor restriciilor conine numai prima
coloan din matricea unitate I
3
, deci n restriciile 2) i 3) se
adun cte o variabil artificial.
65
Forma modificat pentru metoda penalizrilor pentru
problema iniial este:
( )
1 2 3 6 7
18 15 9
a a
f x x x x Mx Mx MIN = + + + + =
1 2 3 4
1 2 3 5 6
1 2 3 7
1)0, 03 0, 02 0, 06 4
2)0, 06 0, 03 0, 01 3, 5
3)0, 08 0, 03 0, 01 4
a
a
x x x x
x x x x x
x x x x
+ + + =

+ + + =

+ + + =


0
i
x , 1, 5 i = ,
6
0
a
x
7
0
a
x
La punctul c) se cere analiza senzitiv a coeficienilor din
funcia obiectiv.
Pentru simplicitate se va efectua prin calcul, analiza doar
a coeficientului 9, iar pentru ceilali doi se vor da doar
rezultatele.
Algoritmul simplex, unde se introduc doar coeficienii
pentru problema a 3-a este:
18 15 9 + 0 0 M M
18 15 9 0 0 M M
Baza C
III
C
B
P
0
P
1
P
2
P
3
P
4
P
5
a
6
P
7
P
a

P
4
0 4 0,03 0,02 0,06 1 0 0 0
a
6
P M 3,5 0,06 0,03 0,01 0 -1 1 0
7
P
a
M 4 0,08 0,03 0,01 0 0 0 1
z
k
-c
k
0,14M-18 0,06M-15 0,02M-9 0 -M 0 0
P
4
0 2,5 0
0, 07
8

0, 45
8
1 0 0
0, 75
2

a
6
P M 0,5 0
0, 06
8

0, 02
8
0 -1 1 -0,75
P
1
18 50 1
3
8

1
8
0 0 0
25
2

z
k
-c
k
0
0, 03 33
4
M

0, 01 27
4 4
M + 0 -M 0 -0,75M+225
P
4
0 0
11, 5
6
0 0
1, 29
24
1
3, 5
3

3, 5
3
0,5
P
2
15 15
200
3
0 1
1
3
0
400
3

400
3
-100
P
1
18 18 25 1 0 0 0 50 -50 50
66
z
k
-c
k
0 0 -4 0 -1100 -M+1100 -M-600
0 0 4 0 -1100 -M+1100 -M-600
n ultimul tabel simplex se introduc datele pe coloana c
III

i se calculeaz o nou linie z
k
-c
k
.
Din impunerea condiiilor de optimalitate avem 4 0
deci 4 adic
[ )
4, . Atunci 9 + are ca limit inferioar
5 iar limit superioara nu are; deci pentru
[ )
9 5, soluia optim
a problemei iniiale rmne optim.
Rezultatele obinute din algoritmul simplex la care se
adaug analiza senzitiv i pentru ceilali doi coeficieni, sunt:

Variabile de decizie Cost redus
1
25 x = tone
0
2
200
66, 667
3
x = = tone 0
3
0 x =
-4
min 1450 f =

Variabile de compensare Pre umbr
1)
11, 5
1, 917
6
= 0
2) 0 1100
3) 0 -600

Analiza senzitiv
Limita inferioar Valoarea original Limita superioar
Nu are 18 40
6,75 15 27
5 9 Nu are

Interpretarea acestor rezultate este:
a) Se vor fabrica 25 tone din aliajul 1 i 66,667 tone din
aliajul 2. Aliajul al 3-lea nu se fabric deoarece are costul de
producie prea mare i este nerentabil. Trebuie s se remarce
67
faptul c dei costul 9 um pentru o ton este cel mai mic dintre
cele trei, (celelalte erau 18 um/1 ton i 15 um/1 ton) totui el
trebuie micorat cu o cantitate egal cu costul su redus, deci s
devin 9 4 5 = um pentru o ton sau mai puin pentru a putea
produce aliajul 3.
Valoarea total minim a costurilor este 1450 um.
b) Prima resurs, carbonul, nu este consumat n ntregime.
Din cele 4 tone disponibile au rmas neutilizate 1,917 t. Celelalte
dou resurse au fost consumate n ntregime, deci sunt resurse
rare. Preul umbr asociat nichelului este de 1100 pe o ton, ceea
ce nseamn c dac ne-am afla n intervalul precizat de analiza
senzitiv pentru termenul liber 3,5 i am dori s cretem cu o
unitate valoarea de 3,5, costul de producie ar crete cu 1100
um/1 ton de nichel. ns nu ne aflm n intervalul dat de analiza
senzitiv pentru termeniiliberi din restricii.
Se poate arta c aceste intervale sunt
Limita inferioar Valoarea original Limita superioar
2,08 4 Nu are
3 3,5 4
3,5 4 4,67
Creterea permis, pentru a nu modifica esenial soluia
optim, este doar de 0,5 n plus sau n minus fa de 3,5 i
proprietatea menionat a preului umbr se pstreaz numai n
acest interval, deci costul crete corespunztor cu
sumplimentarea resursei pn la 4 tone.
Pentru resursa a 3-a, magneziu, preul umbr este egal cu
(-600) um pentru o ton de magneziu deci dac n loc de 4 tone
se folosesc mai multe, pn n 4,67, costul total scade
corespunztor.
c) Analiza senzitiv pentru coeficientul 9 a fost indicat prin
[ )
9 5, deci n acest interval se pstreaz soluia optim, n
particular
3
0 x = .
68
Costul redus se poate obine deci i prin analiza senzitiv,
deoarece pentru a iei din interval avem s scdem costul cu 4
um pentru o ton de carbon.
d) Deoarece o ton din fiecare aliaj se poate vinde cu 30
um/1 ton, profitul este respectiv
30 18 12 1
30 -15 15 1
30 - 9 21 1
um pentru t de carbon
um pentru t de nichel
um pentru t de magneziu
=


Modelul matematic al problemei de maxim este
( )
1 2 3
12 15 21 f x x x x MAX = + + =
1 2 3
1 2 3
1 2 3
1)0, 03 0, 02 0, 06 4
2)0, 06 0, 03 0, 01 3, 5
3)0, 08 0, 03 0, 01 4
x x x
x x x
x x x
+ +

+ +

+ + =


1
0 x ,
2
0 x
3
0 x
Soluia optim a acestei probleme este prezentat n tabel:
Variabile de decizie Cost redus
1
0 x =
21
2
125 x =
0
3
25 x =
0
max 2400 f um =

Variabile de compensare Pre umbr
1) 0 300
2)
0, 5
0
3) 0 300
Analiza senzitiv pentru coeficienii din funcia obiectiv
este:
Limita inferioar Valoarea original Limita superioar
Nu are 12 33
7,533 15 63
5 21 69



69
iar Analiza senzitiv pentru termenii liberi din restricii este:
Limita inferioar Valoarea original Limita superioar
2,67 4 24
Nu are 3,5 4
3,5 4 6
cu interpretri similare.
Acum primul aliaj este nerentabil. Profitul su trebuie s
devin 12 21 33 + = um pentru 1 ton din aliajul 1 pentru ca acesta
s poat fi rentabil, lucru ce rezult i din prima linie a analizei
senzitive.
Resursele 1 i 3 sunt consumate n ntregime.
La fiecare suplimentare cu 1 ton din prima resurs, pn
la 24 de tone (deci o suplimentare de 20 t), profitul crete cu 600
um/t, iar la o suplimentare a resursei a 3-a cu o ton (doar cu 2 t
este posibil), profitul crete cu 600 um/1 ton.
Valorile tuturor variabilelor de decizie i de compensare
din soluia optim nu se schimb dac fiecare dintre coeficienii
din funcia obiectiv variaz n intervalele date de analiza
senzitiv.
n plus dac se impune fabricarea unei tone din aliajul 1,
adic se introduce i restricia
1
1 x atunci profitul total scade cu
valoarea costului redus, adic devine 2400 21 2379 = um.

ANALIZA SENZITIV PENTRU TERMENII LIBERI DIN
RESTRICII

Preul umbr este cantitatea cu care se modific valoarea
optim a funciei obiectiv dac se mrete cu o unitate cantitatea
disponibil din resursa creia i s-a asociat acest pre umbr.
S-ar putea crede c dac preul umbr asociat resursei este
de exmplu 10 um pe o unitate din acea resurs, se poate
suplimenta foarte mult valoarea disponibil din resurs, de
70
exemplu cu 500 de uniti, spernd c beneficiul va crete cu
10 500 5000 = um, n cazul unei probleme de maxim.
Acest lucru nu este adevrat. Iniial, cnd a rezultat un
anumit pre umbr strict pozitiv, resursa respectiv era
consumat n ntregime (resurs rar). ns tot suplimentnd
cantitatea disponibil din resurs este posibil ca s nu mai fie
consumat n ntregime, adic preul su umbr s devin egal cu
zero ori s-i schimbe valoarea. Avem urmtoarele dou
proprieti:
1) Analiza senzitiv pentru termenii liberi din restricii
conine intervalele n care trebuie s se menin
fiecare dintre aceti termeni liberi pentru ca preul
umbr asociat restriciei (resursei) s rmn
nemodificat.
Aceast proprietate are loc atunci cnd se variaz doar un
singur termen liber, ceilali rmnnd la valorile iniiale. Tot n
aceste condiii, mai exist nc o caracteristic:
2) Analiza senzitiv pentru termenii liberi din restricii
stabilete intervalele n care pot varia fiecare dintre
termenii liberi astfel nct baza din ultimul tabel
simplex s rmn neschimbat. Aceasta nseamn c
n aceste intervale de variaie, soluia optim conine
aceleai variabile strict pozitive, eventual cu alte
valori.
Ambele proprieti menionate sunt valabile doar pentru
soluii optime nedegenerate.
Pentru aflarea acestor intervale, din problema iniial se
obin alte m probleme (m este numrul restriciilor). n fiecare
dintre aceste probleme se variaz pe rnd cte un singur termen
liber, restul datelor fiind neschimbate.
Algoritmul simplex rezolv simultan determinarea
soluiei optime a problemei iniiale i analiza senzitiv pentru
termenii liberi din restricii. Sunt necesare urmtoarele
modificri:
71
Se introduc n plus un numr de m coloane ale
soluiilor celor m probleme, pe lng coloana P
0
a
soluiei problemei iniiale
Dup obinerea soluiei optime a problemei iniiale
se impun condiii de nenegativitate a soluiei
optime pentru soluia fiecreia dintre cele m
probleme, aflat pe coloanele noi introduse.


Exemplu
O fabric produce trei produse A, B, C folosind dou
tipuri de materie prim M
1
i M
2
. Consumurile specifice din
resurse, cantitile disponibile din resurse i profiturile unitare
sunt date n tabel:
Consumuri specifice
Resurse
A B C
Disponibil
Material 1 1 1 1 10
Material 2 2 3 1 18
Profit unitar 10 6 8
Datorit condiiilor de vnzare, cantitatea fabricat din
produsul B trebuie s fie cel mult un sfert din ntreaga producie.
Se cer:
a) Planul de producie pentri obinerea profitului total
maxim
b) Analiza senzitiv pentru termenii liberi din restriciile ce
se refer la utilizarea materialelor
c) Dac se poate suplimenta doar unul dintre cele dou
material, care din ele se va suplimenta? Cu ce cantitate? Care
este profitul total maxim i care este planul de producie?




72
Soluie
Se noteaz variabilele de decizie cu
1
2
3



x numarul de produse A care se vor fabrica
x numarul de produse B care se vor fabrica
x numarul de produse C care se vor fabrica
=


Modelul matematic este pentru problema iniial:
( )
1 2 3
10 6 8 f x x x x MAX = + + =
( )
1 2 3
1 2 3
2 1 2 3
1) 10, 1
2)2 3 18, 2
1
3) ,
4
x x x pentru materialul
x x x pentru materialul
x x x x vanzare

+ +

+ +

+ +


1
0 x ,
2
0 x
3
0 x
Restriciile trebuie aduse la forma standard.
Pentru a treia restricie avem
2 1 2 3
4x x x x + +
deci
1 2 3
3 0 x x x +
Cele trei probleme pentru efectuarea analizei senzitive
sunt:
I.
( )
1 2 3
10 6 8 f x x x x MAX = + + =
1 2 3
1 2 3
1 2 3
10
2 3 18
3 0
x x x
x x x
x x x
+ + +

+ +

, 0
i
x 1, 3 i =
II.
( )
1 2 3
10 6 8 f x x x x MAX = + + =
1 2 3
1 2 3
1 2 3
10
2 3 18
3 0
x x x
x x x
x x x

+ +

+ + +

0
i
x 1, 3 i =
III.
( )
1 2 3
10 6 8 f x x x x MAX = + + =
1 2 3
1 2 3
1 2 3
10
2 3 18
3
x x x
x x x
x x x
+ +

+ +

0
i
x 1, 2, 3 i =
73
unde este un parametru, R .
Aducerea la forma standard a problemei iniiale se obine
prin adunarea unor variabile de compensare:
( )
1 2 3
10 6 8 f x x x x MAX = + + =
1 2 3 4
1 2 3 5
1 2 3 6
10
2 3 18
3 0
x x x x
x x x x
x x x x
+ + + =

+ + + =

+ + =

0
i
x 1, 6 i =
Algoritmul simplex rezolv simultan analiza senzitiv
cerut. Se adaug dou coloane ce corespund termenilor liberi
din restriciile 1 i 2.
10 6 8 0 0 0
Baza C
B
P
I
() P
II
() P
0
P
1
P
2
P
3
P
4
P
5
P
6

P
4
0 10 + 10 10 1 1 1 1 0 0
P
5
0 18 18 + 18 2 3 1 0 1 0
P
6
0 0 0 0 -1 3 -1 0 0 -1
z
k
-c
k
-10 -6 -8
P
4
1 +
1
2


1 0
1
2

1
2

1
1
2

0
P
1
10 9 9
2

+
9 1
3
2

1
2

0
1
2

0
P
6
9 9
2

+ 9 0
9
2

1
2
0
1
2
1
z
k
-c
k
0 9 -3 0 5 0
P
3
8 2 2 + 2 2 0 -1 1 2 -1 0
P
1
10 8 8 + 8 1 2 0 -1 1 0
P
6
0 10 + 10 10 0 4 0 1 0 1
z
k
-c
k
0 6 0 6 2 0
a) Soluia optim a problemei iniiale este dat n tabel:
Variabile de decizie Cost redus
1
8 x =
0
2
0 x =
6
3
2 x =
0
74
max 96 f =

Variabile de compensare Pre umbr
1) 0 6
2) 0 2
3) 10 0
Avem urmtoarele interpretri:
Se vor fabrica 8 produse A i 2 produse C. Produsul B nu
se fabric. Pentru a putea deveni rentabil fabricarea lui, profitul
su trebuie s creasc de la 6 um la 12 um ori mai mult.
Valoarea maxim a profitului este de 96 um.
Ambele materiale sunt resurse rare i au respectiv preul
umbr de 6 um pentru o unitate din materialul 1 i 2 um pentru o
unitate din al doilea material.
b) Soluia optim a problemei I, citit pe coloana P
I
() este:
1
2
3
4
5
6
8
0
2 2
0
0
10
x
x
x
x
x
x

= +

= +


( ) ( )
max 10 8 6 0 8 2 2 96 6 f = + + + = + , R
ns aceasta constituie soluia optim dac are
componentele nenegative: 8 0 , 2 2 0 + , 10 0 +
Din acestea rezult 8 , 1 , 10 .
Deci
[ ]
1,8 . Atunci termenul liber din prima restricie
a problemei I, care era 10 + va avea limita inferioar
( )
10 1 9 + = iar limita superioar 10 8 18 + = .
Soluia optim a problemei II, citit pe coloana P
II
() este:
75

1
2
3
4
5
6
8
0
2
0
0
10
x
x
x
x
x
x

= +


iar
( ) ( )
max 10 8 6 0 2 8 96 2 f = + + + = +
ns trebuie ndeplinit condiia de nenegativitate a
soluiei:
8 0 + , 2 0
De aici rezult 8 i 2 adic
[ ]
8, 2
Atunci termenul liber din restricia a 2-a, care corespunde
problemei II, era 18 + i va avea limita inferioar egal cu
18 8 10 = iar limita superioar egal cu 18 2 20 + = .
Analiza senzitiv pentru termenii liberi din restricii este:

Limita inferioar Valoarea original Limita superioar
9 10 18
10 18 20
-10 0 Nu are
unde s-a trecut i analiza senzitiv pentru termenul liber din
restricia a 3-a.
c) Dac se poate suplimenta cantitatea disponibil dintr-o
singur resurs, se obeserv mai nti c primul material are prul
umbr mai mare dect cel de-al doilea material.
De fapt, valoarea optim a problemei iniiale care era 96,
crete cu 6 um pentru fiecare unitate de material n plus, pn de
disponibilul iniial care era 10 uniti, ajunge la 18 uniti dup
cum rezult din analiza senzitiv.
Avem, la problema I:
( )
96 6 f x = + ,
[ ]
1,8
76
Deci suplimentam cu 8 uniti disponibilul i avem
max 96 6 8 144 f um = + = .
Pentru resursa a 2-a, preul umbr este de 2 um pentru o
unitate din materialul al doilea, din analiza senzitiv se vede c
acest pre umbr este valabil numai pentru o cretere de la 18 la
20, deci doar cu 2 uniti de material i deci
( )
96 2 96 2 2 100 f x um = + = + =
n concluzie se va suplimenta doar materialul I, cu 8
uniti. Soluia optim va fi:
( )
8 =
1
2
3
4
5
6
0
0
18
0
0
18
x
x
x
x
x
x
=


max 144 f um =

PROGRAMARE N NUMERE NTREGI

Soluia optim a unei probleme de programare liniar,
obinut prin algoritmul simplex, se afl n mulimea numerelor
reale nenegative
+
.
n cazul unei probleme care are coninut economic,
aceasta poate fi acceptatildac, de exemplu, trebuie fabricate un
numr de 18,75 tone de aliaj.
Dac ns produsele fabricate sunt indivizibile, de
exempolu se fabric birouri, televizoare, maini etc., atunci
soluia optim e caut n mulimea numerelor ntregi nenegative
+
.
Soluia optim a unei probleme, cutat n mulimea
+
nu se poate obine prin rotunjirea soluiei optime a aceleiai
77
probleme dar gsit prin algoritmul simplex n
+
. Uneori, prin
rotunjirea unei soluii aflate n
+
se poate obine o soluia
care nu verific restriciile, deci care nu este nici mcar o soluie
adminisibil.
Pentru determinarea soluiei optime n numere ntregi
avem o programare discret n sensul c, de exemplu, la metoda
grafic, soluia optim este calculat n punctele discrete, din
interiorul ariei admisibile, care au coordonatele numere ntregi.
Printre metodele de aflare a soluiei n numere ntregi
nenegative avem:
metoda Ramific i mrginete (Branch and
Bound) utilizat de obicei i n programarea pe
calculator;
metoda datorat lui R. Gomory;
Ambele metode pot folosi algoritmul simplex n care, la
modelul iniial, se adaug restricii noi, obinndu-se un ir de
probleme, pn se se determin soluia optim n
+
ori pn se
afl c problema nu are soluie.
Tot n
+
se caut soluia optim la unele probleme la
care rspunsul trebuie ales ntre da i nu. n acest caz
mulimea soluiilor este mulimea
{ }
0,1 unde cifra 0 indic
nu iar cifra 1 indic da.









78
METODA RAMIFIC I MRGINETE

Se consider o problem pentru care soluia optim se
caut n mulimea
+
.
Mai nti se rezolv problema prin algoritmul simplex.
Dac soluia optim cutat n
+
conine numai numere ntregi,
atunci aceasta este i soluia optim n
+
. Dac ns unele
valori ale variabilelor sunt numere fracionate, atunci aceast
soluie optim, obinut prin algoritmul simplex, nu este soluia
optim cutat.
Asupra metodei Ramific i mrginete se pot face
unele observaii:
Fie, de exempplu, una dintre valorile soluiei optime din
+
, egal cu 7,26. Partea ntreag a acestui numr este 7. Cum
( )
7, 26 7, 8 iar n intervalul deschis
( )
7, 8 nu exist nici un
numr ntreg, rezult c soluia optim n
+
trebuie cutat n
afacra acestui interval. Avem deci dou posibiliti:
a) 7 x sau
b) 8 x .
Aceste dou relaii reprezint, de fapt, dou restricii.
Termenul Ramific se refer la faptul c din problema
iniial rezult dou probleme noi prin adugarea la restriciile
problemei iniiale a unei dintre cele dou restricii a) sau b).
Aceste dou probleme noi se rezolv tot prin algoritmul simplex.
n continuare se procedeaz analog i se obin, dac este cazul,
alte ramuri ale celor dou probleme noi.
Mrginirea se refer la faptul c valoarea variabilelor care
nu erau numere ntregi este mrginit superior (n cazul a) sau
inferior (n cazul b). Toate soluiile problemelor care au aprut n
ramuri i care au ca valori numere ntregi sunt admisibile sau
fezabile.
79
Soluia optim este acea soluie admisibil care confer
funciei obiectiv valoarea cea mai mare la problemele de maxim
ori cea mai mic la problemele de minim. Algoritmul se oprete
atunci cnd se gsete soluia optim n
+
, dac exist.

Exemplu
S se determine soluia optim n numere ntregi i
pozitive pentru problema:
( )
1 2
6 5 max f x x x = + =
1 2
1 2
2 5 20
2 6
x x
x x
+


1 2
, x x
+


Soluie
Se aplic algoritmul simplex pentru aceast problem I i
se aplic soluia optim, n
+
:
1
1, 25 x = ,
2
3, 5 x = , max 25 f =
ns aceasta nu este soluia cutat n
+
. Prin rotunjirea
valorilor ar rezulta:
a)
1
1 x = ,
2
3 x = , max 6 1 5 3 21 f = + = , dar aceasta nu este
soluia optim, fie
b)
1
1 x = ,
2
4 x = care ns nu poate fi soluia deoarece nu
verific prima restricie: 2 1 5 4 22 20 + = < , nct soluia nu este
nici mcar admisibil.
Din problema I rezult alte dou probleme: Deoarece
( )
2
3, 5 3, 4 x = iar n intervalul deschis
( )
3, 4 nu exist nici un
numr ntreg, soluia trebuie cutat n afara acestui interval.
Exist dou posibiliti:
2
3 x sau
2
4 x . De aici rezult
problema II:


80
Problema II
( )
1 2
6 5 max f x x x = + =
1 2
1 2
2
2 5 20
2 6
3
x x
x x
x
+


Cu soluia optim determinat prin algoiritmul simplex
1
1, 5 x = ,
2
3 x = , max 24 f =

Problema III
( )
1 2
6 5 max f x x x = + =
1 2
1 2
2
2 5 20
2 6
4
x x
x x
x
+


Cu soluia optim
1
0 x = ,
2
4 x = , max 20 f =
Aceasta este o soluie admisibil deoarece are
componentele numere ntregi dar poate s nu fie soluia optim.
Trebuie cercetate anumite ramuri acele problemei II n care
( )
1
1, 5 1, 2 x = . De aici rezult c
1
x se afl n afara intervalului
( )
1, 2 adic
1
1 x sau
1
2 x . Rezult problema IV sau V.

Problema IV
( )
1 2
6 5 max f x x x = + =
1 2
1 2
2
1
2 5 20
2 6
3
1
x x
x x
x
x
+


Cu soluia optim admisibil n
+
,
1
1 x = ,
2
3 x = , max 21 f =


81
Problema V
( )
1 2
6 5 max f x x x = + =
1 2
1 2
2
1
2 5 20
2 6
3
2
x x
x x
x
x
+


Cu soluia optim admisibil n
+
,
1
2 x = ,
2
2 x = , max 22 f =

Problemele III, IV i V au soluii n
+
dar cea mai mare
valoare pentruz funcia obiectiv este n problema V. Rezult c
soluia optim n
+
a problemei iniiale este
1
2 x = ,
2
2 x = , max 22 f =
care nu poate fi obinut prin rotunjirea celei date de algoritmul
simplex n problema iniial.
Rezolvarea acestei probleme poate fi dat sub forma unui
arbore:
82
















Evident c se putea ncepe cu ramificarea, cu valoarea
primei variabile
( )
1
1, 25 1, 2 x = . Din problema I se obin acum
alte dou probleme care au respectiv restriciile
1
1 x sau
1
2 x .














2
3 x
Problema II
1
1, 5 x =
2
3 x =
max 24 f =

Problema III
1
0 x =
2
4 x =
max 20 f =

Problema IV
1
1 x =
2
3 x =
max 21 f =

Problema V
1
2 x =
2
2 x =
max 22 f =

2
4 x
1
1 x
1
2 x
Problema I
1
1, 25 x =
2
3, 5 x =
max 25 f =

1
1 x
Problema II
1
1 x =
2
3, 6 x =
max 24 f =

Problema III
1
2 x =
2
2 x =
max 22 f =

Problema IV
1
1 x =
2
3 x =
max 21 f =

Problema V
1
0 x =
2
4 x =
max 22 f =

1
2 x
2
3 x
2
4 x
Problema I
1
1, 25 x =
2
3, 5 x =
max 25 f =

83
Rezult i n acest caz c soluia optim cutat este cea
de la problema 3.
Pentru problema de minim se procedeaz similar.
Problema optimizrii transportului mai multor mrfuri de
valoare, mas i volum diferite se evideniat prin problema
rucsacului.

Exemplu pe problema rucsacului
Un sportiv dorete s aleag produsele ce vor fi introduse
n rusacul su. El are patru tipuri de obiecte ale cror
caracteristici sunt date n tabel

Obiect Masa (kg)
Valoare
(uniti monetare)
Buci
disponibile
1 2 8 5
2 4 9 4
3 1 3 7
4 3 7 8

Masa total a obiectelor din rucsac nu poate depi 20 kg.
a) determinai numrul obiectelor de fiecare tip care pot fi
ncrcate n rucsac astfel nct valoarea total a obiectelor
s fie maxim;
b) determinai numrul obiectelor din fiecare tip care pot fi
ncrcate n rucsac dac nu exist restricii cu privire la
numrul de obiecte disponibile;
c) determinai numrul obiectelor din fiecare tip care pot fi
ncrcate n rucsac dac exist un singur obiect de fiecare
fel.

Soluie
Notm cu
i
x - numrul de obiecte i de fiecare tip ce vor fi
ncrcate n rucsac, 1, 2, 3, 4 i = .
a) modelul matematic este:
84
( )
1 2 3 4
8 9 3 7 max f x x x x x = + + + =
1 2 3 4
1
2
3
4
2 4 1 3 20
5
4
7
8
x x x x
x
x
x
x
+ + +


, 1, 4
i
x i
+
=
soluia optim este:
1 2 3 4
5, 0, 7, 1, max 68 x x x x f = = = = =

b) modelul matematic este:

( )
1 2 3 4
8 9 3 7 max f x x x x x = + + + =
1 2 3 4
2 4 1 3 20 x x x x + + +
, 1, 4
i
x i
+
=
soluia optim este:
1 2 3 4
10, 0, 0, 0, max 80 x x x x f = = = = =

c) modelul matematic este:
( )
1 2 3 4
8 5 3 7 max f x x x x x = + + + =
1 2 3 4
2 4 1 3 20 x x x x + + +
{ }
0,1
i
x
Sau
( )
1 2 3 4
8 9 3 7 max f x x x x x = + + + =
1 2 3 4
1
2
3
4
2 4 1 3 20
1
1
1
1
x x x x
x
x
x
x
+ + +


, 1, 4
i
x i
+
=
Soluia optim este
1 2 3 4
1, 1, 1, 1, max 27 x x x x f = = = = =
85
Un alt exemplu n care se cere soluia optim n numere
ntregi nenegative este o problem n care se cere planul de
producie a unor produse indivizibile. Se va arta nc odat c
soluia optim n numere ntregi nu poate fi obinut prin
rotunjirea valorilor variabilelor din soluia optim obinut n
+
, cu algoritmul simplex.

Exemplu
O ntreprindere poate fabrica patru produse: A, B, C i D
folosind 3 resurse, conform tabelului:
R
1
materie prim (kg)
R
2
manoper direct pe main (ore)
R
3
- manoper cu finisarea (ore)
Profitul unitar se msoar n uniti monetare

Consum specific
Resursa
A B C D
Disponibil
R
1
10 15 3 5 100
R
2
3 2 7 5 90
R
3
2 2 2 2 30
Profit unitar 18 22 8 10

a) s se determine planul optim de producie i valoarea
maxim a beneficiului total folosind algoritmul simplex;
b) artai c soluia optim obinut prin rotunjirea
valorilor variabilelor optime de la a) nu este o soluie
admisibil;
c) determinai soluia optim n numere ntregi.
Notm cu x
1
, x
2
, x
3
, i x
4
numrul de buci din cele 4
produse pe care ntreprinderea le fabric. Avem:
a)
( )
1 2 3 4
18 22 8 10 max f x x x x x = + + + =
1 2 3 4
1 2 3 4
1 2 3 4
10 15 3 5 100
3 2 7 5 90
2 2 2 2 30
x x x x
x x x x
x x x x
+ + +

+ + +

+ + +


86
0, , 1, 4
i i
x x i
+
=
Prin aplicarea algoritmului simplex rezult soluia optim:
x
1
= 7,857 buci; x
2
= 0 buci; x
3
= 7,143 buci; x
4
= 0
buci; max 198, 575 f = uniti monetare

b) Prin rotunjire rezult:
x
1
= 8 buci; x
2
= 0 buci; x
3
= 7 buci; x
4
= 0 buci;
S verificm dac restriciile sunt verificate:
10 8 15 0 3 7 5 0 101 100 + + + = >
Aceast restricie nu este ndeplinit, deci ceea ce s-a obinut
prin rotunjire nu reprezint o soluie admisibil i, prin urmare,
nu este soluia optim.

c) Pentru acelai model matematic se cere acum
, 1, 2, 3, 4
i
x i
+
= .
Soluia optim este
x
1
= 7 buci; x
2
= 0 buci; x
3
= 5 buci; x
4
= 3 buci;
max 196 f = uniti monetare.

Se prezint n continuare o alt aplicaie a programrii n
numere ntregi nenegative:
O ntreprindere de transport public de persoane trebuie s
determine numrul maxim de oferi pe care s i angajeze.
oferii lucreaz 5 zile consecutive i au dou zile libere n
fiecare sptmn. Numrul minim al autobuzelor care circul n
fiecare zi pe un traseu este: luni 10 autobute, mari 12 autouze,
miercuri 13 autobuze, joi 14 autobuze, vineri 12 autobuze,
smbt 9 autobuze, duminic 8 autobuze. Se cere:
a) determinarea numrului de oferi care ncep lucrul n
fiecare zi a sptmnii astfel nct numrul total de
oferi angajai s fie minim;
b) determinarea numrului de oferi care pot fi
redistribuii altor activiti ;
87

c) s se verifice dac exist soluii optime alternative i
dac da, care sunt acestea. Care este cea mai
convenabil soluie?
Introducem variabilele de decizii reprezentate de numrul de
oferi care ncep lucrul n fiecare zi a sptmnii:
x
1
este numrul de oferi care ncep lucrul luni
x
2
este numrul de oferi care ncep lucrul mari
x
3
este numrul de oferi care ncep lucrul miercuri
x
4
este numrul de oferi care ncep lucrul joi
x
5
este numrul de oferi care ncep lucrul vineri
x
6
este numrul de oferi care ncep lucrul smbt
x
7
este numrul de oferi care ncep lucrul duminic

a) Modelul matemati se prezint astfel:
( )
1 2 3 4 5 6 7
min f x x x x x x x x = + + + + + + =
1)
1 4 5 6 7
10 x x x x x + + + +
2)
1 2 5 6 7
12 x x x x x + + + +
3)
1 2 3 6 7
13 x x x x x + + + +
4)
1 2 3 4 7
14 x x x x x + + + +
5)
1 2 3 4 5
12 x x x x x + + + +
6)
2 3 4 5 6
9 x x x x x + + + +
7)
3 4 5 6 7
8 x x x x x + + + +
, 1, 7
i
x i
+
=
Soluia optim este: x
1
= 3 oferi; x
2
= 5 oferi; x
3
= 1
oferi; x
4
= 4 oferi; x
5
= 0 oferi; x
6
= 0 oferi, x
7
= 4 oferi,
adic n ziua de luni ncep lucrul 3 oferi, mai 5 oferi etc., iar
numrul total minim de angajai este 16.

b) Pentru a determina dac unii oferi pot fi distribuii
altor activiti, dup asigurarea numrului de oferi necesari
88
zilnic ntreprinderii de transport public de persoane, se verific
restriciile:
1) 3+3+0+0+4=10
2) 3+5+0+0+4=12
3) 3+5+1+0+4=13
4) 3+5+1+3+4=16>14
5) 3+5+1+3+0=12
6) 5+1+3+0+0=9
7) 1+3+0+0+4=8
Se constat c numai n ziua de joi exist doi oferi ce pot fi
redistribuii altor activiti.

c) Soluii alternative
( )
3 5 1 1 2 0 4 min 16
T
I
x f = =
( )
5 3 3 1 2 0 2 min 16
T
II
x f = =

( )
3 5 1 3 0 2 2 min 16
T
III
x f = =
( )
3 3 3 1 2 0 4 min 16
T
IV
x f = =
n toate soluiile, n ziua de duminic lucreaz doar cei care au nceput
lucrul miercuri, joi, vineri, smbta i duminca, dar n ultima soluie
sunt 10 oferi, 10 > 8 deci doi pot fi redistribuii n alte activiti. n
concluzie, ultima soluie optim este mai puin convenabil dect
celelalte.
Exist situaii n care la ntrebrile puse, exist doar rspunsul
da sau rspunsul nu. n vederea crerii unui moidel matematic
avnd un asemenea rspuns, se vor introduce variabilele de decizie
care pot lua valori numai n mulimea
{ }
0,1 unde cifra 0 indic
nu iar cifra 1 indic da.

Exemplu
Datorit unei conjuncturi favorabile a pieei, o
ntreprindere de prelucrri mecanice se confrunt la un moment
dat cu o suprancrcare a capacitii de producie, motiv pentru
89
care decide ca operaiile unor loturi de fabricaie pentru axe cu
diametre mici (strunjire, frezare, rectificare dantur, cementare)
s fie externalizate ctre ali productori. Patru firme
, 1, 2, 3, 4
i
F i = pot executa imediat oricare dintre operaiile
aferente loturilor n cauz , 1, 2, 3, 4
j
P j = dar costul de execuie n
care fiecrei ntreprinderi F
i
care poate executa lotul de piese P
j

este diferit, conform tabelului:

Tabel: Costul de execuie ai operaiilor de ctre fiecare firm
P
1
P
2
P
3
P
4
F
1
10 12 11 12
F
2
10 11 10 12
F
3
11 12 11 11
F
4
10 11 11 12

S se determine care operaie va execut de care firm
astfel nct costul total de execuie a loturilor de piese s fie
minim. Datorit urgenei, se impune restricia ca o singur
ntreprindere s execute o singur lot de piese.

Soluie
Deoarece fiecare firm poate executa o singur operaie
(da) iar pe celelalte nu le execut, se introduc variabilele de
decizie n binar:
,
j
1,
0, nu executa piesa P
i j
i j
i
F executa lotul de piese P
x
F


Pentru formarea modeluluzi matematic este mai simplu s se
introduc necunoscutele n tabel:
P
1
P
2
P
3
P
4
F
1
x
11
x
12
x
13
x
14
F
2
x
21
x
22
x
23
x
24
F
3
x
31
x
32
x
33
x
34
F
4
x
41
x
42
x
43
x
44
90
Modelul matematic este:

Costul total de execuie:
( )
11 12 13 14 21 22 23 24
31 32 33 34 41 42 43 44
10 12 11 12 10 11 10 12
11 12 11 11 10 11 11 12 min
f x x x x x x x x x
x x x x x x x x
= + + + + + + + +
+ + + + + + + + =


Restriciile:
Primele 4 restricii vor arta c fiecare firm trebuie s
execute o anumit operaie la un lot de piese iar urmtoarele 4
restricii indic faptul c toate cele 4 operaii trebuie executate.

11 12 13 14
1) 1 x x x x + + + =
21 22 23 24
2) 1 x x x x + + + =
31 32 33 34
3) 1 x x x x + + + =
41 42 43 44
4) 1 x x x x + + + =
11 21 31 41
5) 1 x x x x + + + =
12 22 32 42
6) 1 x x x x + + + =
13 23 33 43
7) 1 x x x x + + + =
14 24 34 44
8) 1 x x x x + + + =

Se caut soluia n mulimea
{ }
0,1 i,j=1,4
ij
x .
Folosind un program informatic, n numere ntregi i
binar, adic n
{ }
0,1 determinm soluia optim scris pentrru
simplicitate tot n tabel:

P
1
P
2
P
3
P
4
F
1
1 0 0 0
F
2
0 0 1 0
F
3
0 0 0 1
F
4
0 1 0 0

91
n concluzie firma F
1
execut operaia 1, firma F
2
execut
operaia 3, firma F
3
execut operaia 4 iar firma F
4
execut
operaia 2. Costul total minim este:
10 1 10 1 11 1 11 1 42 + + + = uniti monetare.
Astfel de exemple se vor mai ntlni i n cazul problemelor de
repartiie.

PROGRAMARE MULTICRITERIAL

n cadrul modelelor de programare linear prezentate
pn acum, a existat un singur obiectiv, exprimat printr-o singur
funcie obiectiv, ce trebuie maximizat sau minimizat.
n unele situaii este necesar satisfacerea simultan a mai
multor obiective, cum ar fi: utilizarea deplin a forei de munc,
ncrcarea capacitilor de producie, obinerea unui mase a
profitului indicate de ctre patronat, toate n condiiile unui
volum de investiii limitat. Aceste obiective pot fi atinse n
proporii diferite ntruct, de multe ori, nu este posibil
ndeplinirea simultan i total a acestora.
Modelul matematic n care se include satisfacerea unui
numr 2 k de obiective ce trebuie ndeplinite simultan este dat
de programarea multicriterial.
n cadrul programrii multicriteriale se pot determina, pe
lng soluia optim i deviaionalele (prin lips sau adaos) de la
atingerea obiectivelor propuse. Metoda se poate utiliza i pentru
modelarea problemelor de programare liniar care au coninut
economic, dar care, aa cum au fost formulate iniial, nu au nici
o soluie.
Diferenele principale care exist ntre programarea
linear i cea multicriterial sunt:
1. n programarea linear exist un singur obiectiv ce trebuie
optimizat; n programarea multicriterial exist cel puin
dou obiective ce trebuie realizate simultan;
92
2. n programarea linear, odatp cu soluia optim (adic
valoarea variabilelor de decizie) se obine i valoarea
optim a funciei obiectiv, adic rezult care este, de
exemplu, valoarea maxim a profitului ori nivelul minim
al costurilor; n cadrul programrii multicriteriale exist o
evaluare numeric pentru fiecare obiectiv. De exemplu,
directorul are ca prim obiectiv obinerea unui profit brut
de 2 de milioane uniti monetare lunar. Acest obiectiv
poate fi realizat sau nu;
3. n programarea multicriterial, odat cu soluia optim, se
obin i valorile deviaiilor de la realizarea obiectivelor
propuse, adic se specific msura n care obiectivele au
fost realizate. n programarea multicriterial nu se poune
aceast problem deoarece valoarea optim a funciei
obiectivc rezult odat cu soluia optim.
Pentru exemplificarea etapelor de constuire a modelului
matematic n programarea multicriterial i pentru a evidenia
diferenele dintre programarea linear i programarea
multicriterial se consider urmtorul exemplu:
Exemplu
O ntreprindere poate fabrica trei produse A, B i C
folosind trei resurse:
- R
1
reprezint kilograme (kg) de materie prim;
- R
2
reprezint ore de manoper direct;
- R
3
reprezint uniti monetare (u.m.) disponibile pentru
achiziia de materie prim investiii.
Consumurile specifice i profiturile unitare (brute) pentru
cele trei produse sunt prezentate n tabelul de mai jos:

A

B

C

R
1
(kg)
3 5 4
R
2
(ore)
0,4 0,5 0,3
R
3
(u.m.)
0,7 0,5 0,8
Profit

5 4 6
93
Fa de cele de mai sus mai trebuie satisfcute i
urmtoarele condiii:
s se utilizeze cel mult 500 kg de materie prim;
s se utilizeze cel puin 42 de ore de manoper
direct;
costul materiei prime s nu depeasc 60 de unti
monetare.
Se cere:
a) s se determine planul optim de producie utiliznd
modelul de programare linear i s de termine profitul
total maxim, utiliznd modelul de programare linear;
b) s se determine planul optim de producie i modul de
satisfacere a urmtoarelor obiective, folosind modelul de
programare multicriterial:
O
1
: s obin un profit total brut de cel puin 500 de
uniti monetare;
O
2
: s utilizeze exact 50 de ore de manoper;
O
3
: s nu cheltuie mai mult de 55 de uniti monetare
cu materia prim necesar produciei.
Se consider c toate obiectivele au ponderi i prioriti
egale;
c) s se determine soluia optim dac produsele sunt
indivizibile
d) s se determine soluia optim dac bugetul alocat
procurrii de materii prime este de 55 de uniti monetare.

Se introduc variabilele de decizie care determin planul de
producie:
x
1
este numrul de produse A care se vor fabrica;
x
2
este numrul de produse B care se vor fabrica;
x
3
este numrul de produse C care se vor fabrica;

a) Exist un singur obiectiv, ca profitul total s fie maxim
i trei restricii privind resursele:
94
( )
1 2 3
5 4 6 max f x x x x = + + =
)
)
)
1 2 3
1 2 3
1 2 3
1 3 5 4 500
2 0, 4 0, 5 0, 3 42
3 0,7 0, 5 0, 8 60
x x x
x x x
x x x
+ +

+ +

+ +


Soluia optim i profitul brut maxim care se obine este
prezentat n tabel:

Variabile de decizie
x
1
= 0
x
2
=80
x
3
=25
max f = 470
Cost redus
-0,2
0
0

Variabile de compensare
1) 0
2) 5,5
3) 0

Preuri umbr
0,1
0
7

n concluzie, produsul A nu se fabric, din produsul B se
fabric 80 de buci iar din produsul C se fabric 25 de buci.
Cu acest plan optim de producie se obine profitul (brut) maxim.

max 5 0 4 80 6 25 470 f = + + = uniti monetare

c) n cazul celor trei obiective exist evaluri numerice,
pentru fiecare dintre ele. Patronatul impune realizarea unui profit
brut de 500 de uniti monetare, mai mare dect rezult din
soluia optim din programarea linear. Relaia care exprim
obiectivul profit este:
1 2 3
5 4 6 500 x x x + +
Apar trei situaii:
1) se va obine un profit mai mare de 500 de uniti
monetare;
95
2) se va obine un profit de exact 500 de uniti
monetare;
3) se va obine un profit mai mic de 500 de uniti
monetare;
Pentru a pune n eviden aceste trei situaii se introduce o
variabil, numit variabil deviaional, de la obiectivul 1,
adic:

1 2 3 1
5 4 6 500 x x x d + + =

Este clar faptul c
1
0 d > nseamn c
1 2 3
5 4 6 500 0 x x x + + > ,
adic
1 2 3
5 4 6 500 x x x + + > (profit mai mare dect 500 uniti
monetare). n concluzie, cele trei situaii sunt:
1)
1
0 d > , profitul obinut este mai mare ca 500;
2)
1
0 d = , profitul obinut este egal cu 500;
3)
1
0 d < , profitul obinut este mai mic dect 500.
n relaia n care a fost introdus, variabila deviaional
1
d este o
variabil care poate avea semn oarecare. ns n forma standard
se cere ca toate variabilele deviaionale din program s fie
nenegative. n acest caz al variabilei oarecare se efectueaz
substituia:


-
1 1 1 1 1
- , 0, 0 d d d d d
+ +
=

Aceast substituie se nlocuiete cu relaia care exprim
obiectivul:

1 2 3 1 1
5 4 6 500 x x x d d
+
+ + =

Adic forma din modelul programrii multicriteriale este:

1 2 3 1 1
5 4 6 500 x x x d d
+
+ + + =

96
Mrimile
1
d
+
i
1
d

din substituie se numesc tot variabilke
deviaionale de la obiectivul profit i apar n situaiile care dau i
semnificaiile acestor variabile.
1)
1 1
0; 0 d d
+
> = , rezult
1
0 d > . Profitul este mai mare de
500 de uniti monetare cu
1
d
+
;
2)
1 1
0; 0 d d
+
= = , rezult
1
0 d = . Profitul este exact de
500 de uniti monetare;
3)
1 1
0; 0 d d
+
= > , rezult
1
0 d < . Profitul este mai mic de
500 de uniti monetare cu
1
d

.
n concluzie,
1
d
+
i
1
d

sunt variabile deviaionalede la
obiectivul profit, prin adaos sau prin liups. Similar se
procedeaz cu celelalte dou obiective.
Iniial, pentru cele trei obiective aveam relaiile:
O
1
:
1 2 3
5 4 6 500 x x x + +
O
2
:
1 2 3
0, 4 0, 5 0, 3 500 x x x + + =
O
3
:
1 2 3
0, 7 0, 5 0, 8 55 x x x + +
Iar prin introducerea unor perechi de variabile deviaionale i
transformarea relaiilor n ecuaii, acestea devin:
1 2 3 1 1
1 2 3 2 2
1 2 3 3 3
5 4 6 500
0, 4 0, 5 0, 3 50
0, 7 0, 5 0, 8 55
x x x d d
x x x d d
x x x d d
+
+
+
+ + + =

+ + + =

+ + + =


Unde:
1
1
arata cu ce valoare nu s-a realizat obiectivul de profit de 500 u.m.
arata cu ce valoare s-a depasit obiectivul de profit de 500 u.m.
d
d


97
2
2
arata cu ce valoare nu s-a realizat obiectivul de manopera de 50 ore
arata cu ce valoare s-a depasit obiectivul de manopera de 50 ore
d
d

3
3
arata cu ce valoare nu s-a realizat obiectivul de buget de 50 ore
arata cu ce valoare s-a depasit bugetul pentru achitia de materie prima de 55 u.m
d
d


Modelul matematic al programrii multicriteriale conine
i o funcie obiectiv. Aceast funcie obiectiv minimizeaz suma
variabilelor care mpiedic realizarea obiectivelor.
La obiectivul 1 (O
1
), va intra
1
d

deoarece depirea cu
1
d
+
a profitului ne este avantajoas.
La obiectivul 2 (O
2
) vor intra i
1
d

i
1
d
+
deoarece se cere
ca utilizarea unui numr de exact 50 de ore de manoper, nici
mai mult, nici mai puin.
La obiectivul 3 (O
3
) va intra i
1
d
+
care arat cte uniti
monetare trebuie cheltuite n plus cu materia prim fa de cele
55 uniti monetare alocate prin buget. Dac s-ar cheltui mai
puin de 55 uniti monetare, cu
1
d

, aceast situaie ar fi
favorabil. Avem:

( )
-
1 2 2 3
min + d d d d
+ +
+ +
n ipoteza c avem ponderi egale i prioriti egale cu 1.
Modelul matematic n programarea multicriterial este
format din:
1. Funcia obiectiv:

( )
-
1 2 2 3
min + d d d d
+ +
+ +
2. Relaiile ce exprim obiectivele:
1 1 2 3 1 1
2 1 2 3 2 2
3 1 2 3 3 3
: 5 4 6 500
: 0, 4 0, 5 0, 3 50
: 0, 7 0, 5 0, 8 55
O x x x d d
O x x x d d
O x x x d d
+
+
+
+ + + =
+ + + =
+ + + =

3. Restricia obinuit:
98
1 2 3
3 5 4 500 x x x + + (kg material)
4. Condiiile de nenegativitate:
0, 1, 2, 3
i
x i =

1
0, d
+

1
0 d

, 1, 2, 3 i =
Soluia acesteiu probleme este dat de valorile variabilelor de
decizie x
i
, care dau planul de producie i valorile variabilelor
deviaionale
i
d
+
i
i
d

, 1, 2, 3 i = care arat modul de satisfacere a
obiectivelor:
x
1
= 18,519
x
2
= 74,074
x
3
= 18,519

1 1
0; 0 d d
+
= = , profitul este de exact 500 uniti
monetare;

2 2
0; 0 d d
+
= = , s-au realizat exact 50 de ore
manoper;

3 3
0; 9, 815 d d
+
= = , este necesar depirea
bugetului pentru cumprarea de materii prime cu
9,815 uniti monetare peste cele 55 uniti
monetare alocate;

c) Dac produsele sunt indivizibile, avem de aflat soluia
optim a variabilelor de decizie x
1
, x
2
i x
3
n numere reale. n
locul condiiilor 4) avem:
1 2 3
, , x x x
+
,
i
d

,
i
d
+
+

Soluia optim este:


99
1 2 3
1 1
2 2
3 3
x = 18, x = 74, x = 19
0; 0 , profitul este de exact 500 unitati monetare
0; 0,1 se folosesc cu 0,1 mai putine ore decat cele 50
0; 9, 8 este necesar depasirea bugetului de mat
d d
d d
d d
+
+
+
= =
= =
= = erii prime cu
9,8 u.m. fata de cele 55 u.m. bugetate


d) n practic poate apare i situaia n care
managementul firmei nu poate suplimenta bugetul pentru materii
prime, astfel c soluiile optime din cazurile b) i c) nu pot fi
acceptate. n acest caz se va renuna la obiectivul 3) care se va
nlocui cu restricia:
1 2 3
0, 7 0, 5 0, 8 55 x x x + +
Variabilele deviaionale
3 3
si d d
+
nu se mai introduc nici n
funcia obiectiv. Modelul matematic n acest caz este:
( )
-
1 2 2
min + d d d
+
+

1 1 2 3 1 1
2 1 2 3 2 2
: 5 4 6 500
: 0, 4 0, 5 0, 3 50
O x x x d d
O x x x d d
+
+
+ + + =
+ + + =


1 2 3
1 2 3
0, 7 0, 5 0, 8 55
3 5 4 500
x x x
x x x
+ +
+ +


-
1 2 3 1 1 2 2
0, 0, 0; , , , 0 x x x d d d d
+ +

Soluia optim:
1 2 3
1 1
2 2
x = 0, x = 90, x = 12,5
0; 65 , profitul este mai mic de 500 unitati monetare
0; 1, 25 se folosesc cu 1,25 mai putine ore decat cele 50
d d
d d
+
+

= =

= =


Managementul firmei va analiza toiate obiectivele i
condiiile de realizare a lor, selectnd acea soluie optim care i
convine cel mai mult.


100
MODELUL MATEMATIC

n general, pentru crearea modelului matematic ntr-o
problem de programare multicriterial, se consider
urmtoarele:
un numr de n variabile de decizie , 1,
i
x i n = ;
un numr de 2 k obiective O
1
, O
2
, ..., O
k
pentru care
se cinosc nite evaluri numerice g
1
, g
2
, ... , g
k
;
un numr mde restricii obinuite.
Iniial, cele k obiective se exprim prin:

1 11 1 12 2 1 1
k 1 1 2 2
O : ... ( , , )
...
O : ... ( , , )
n n
k k kn n k
c x c x c x g
c x c x c x g
+ + + < = >

+ + + < = >


Restriciile au forma cunoscut:

11 1 12 2 1 1
1 1 2 2
... ( , , )
...
... ( , , )
n n
m m mn n k
a x a x a x b
a x c x c x b
+ + + < = >

+ + + < = >


Iar condiiile de nenegativitate sunt:
0, 1,
i
x i n =
Este posibil ca unele obiective s nu poat fi satisfcute
aa cum s-a propus. Pentru obiectivul i, 1, i k = se introduce mai
nti notaia:
11 1 12 2 1
... , 1,
n n i i
c x c x c x g d i k + + + = =
unde
i
d este o variabil deviaional de la obiectivul i ce poate avea
semn oarecare. Din acest motiv se face substituia:

-
- , 0, 0, 1,
i i i i i
d d d d d i k
+ +
= =
astfel c obiectivul i se exprim prin:

11 1 12 2 1
... , 1,
n n i i i
c x c x c x d d g i k
+
+ + + = =
Variabilele nenegative
i
d
+
i
i
d

au semnificaiile:
101
arata cu ce cantitate obiectivul nu a fost realizat prin adaos
arata cu ce cantitate obiectivul nu a fost realizat prin lipsa
i
i
d
d


Se observ c modelul matematic n programarea
multicriterial pentru exprimarea unui obiectiv conine dou
operaii:
1) se adaog o pereche de variabile deviaionale n
fiecare relaie ce exprim un obiectiv, adic:
-
, 1,
i i
d d i k
+
= ;
2) toate relaiile ce exprim obiectivele sunt exprimate
prin egaliti (sunt ecuaii).
Cu aceste transformri relaiile ce exprim obiectivele pot
fi privite ca restricii n care variabilele deviaionale au rolul
variabilelor de compensare.
Pentru modelul matematic mai este necesar formularea
unei funcii obiectiv. Funcia obiectiv minimizeaz suma
variabilelor deviaionale care deranjeaz, nmulite eventual cu
ponderi i prioriti. Menionm urmtoarele aspecte asupra
variabilelor deviaionale care intr n funcia obiectiv:
Dac relaia iniial ce exprim obiectivul i conine
inegalitatea (de exemplu bugetul alocat este 55 uniti
monetare), atunci variabila deviaional care va intra n
funcia obiectiv este
i
d
+
(care explim un buget disponibil
mai mare de 55 u.m.), n timp ce
i
d

este acceptat ntruct
este convenabil (ea indicnd un buget mai mic de 55 u.m.);
Dac relaia iniial care exprim obiectivul i are semnul
=, atunci n funcia obiectiv vor intra ambele variabile
deviaionale
i
d

i
i
d
+
. De exemplu, dac se cere utilizarea
integral a forei de munc, att folosirea unor persoane n
plus ct i neutilizarea tuturor celor disponibile n u este
acceptabil;
102
Dac relaia iniial care exprim obiectivul are semnul
atunci, n funcie de obiectiv, va intra numai
i
d

. De exemplu
obiectivul este obinerea unui profit mai 10.000 u.m.
Rezult c, dac obiectivele au ponderi i prioriti egale
(cu 1) atunci funcia obiectiv care minimizeaz suma deviaiilor
care deranjeaz este:
1
min ( )
k
i i
i
d d
+
=
(
+

(


n cazul general obiectivele pot fi caracterizate de ponderi
i prioriti, care sunt coeficieni ai variabilelor deviaionale din
funcia obiectiv.
a) Ponderi (weight) , 1,
i
W i k = (coeficieni care exprim
importana relativ a obiectivelor). Obiectivul cel mai
importani, n raport cu ceilali. Are ponderea cea mai
mare iar obiectivele mai puin importante au ponderea
mai redus.
b) Prioritile , 1,
i
P i k = . Aceasta nseamn c trebuie s
fie satisfcut mai nti obiectivul care are prioritatea 1
i apoi obiectivul care are prioritatea 2, etc.
Ponderile i prioritile pot fi definite chiar i pentru acelai
obiectiv i cruia i s-au asociat variabilele deviaionale
i
d
+
(respectiv
i
W
+
i
i
P
+
) i
i
d

(respectiv
i
W

i
i
P

).
n concluzie, forma cea mai general a modelului
matematic n programarea multicriterial este:
Funcia obiectiv:
1
min ( )
k
i i i i i i
i
P W d P W d
+ + +
=
+


Obiectivele:
-
11 1 12 2 1 1 1 1
-
1 1 2 2 k
... +d
...
... +d
n n
k k kn n k k
c x c x c x d g
c x c x c x d g
+
+
+ + + + =

+ + + + =


103
Restriciile obinuite:
11 1 12 2 1 1
1 1 2 2
... ( , , )
...
... ( , , )
n n
m m mn n m
a x a x a x b
a x c x c x b
+ + + < = >

+ + + < = >


Condiii de nenegativitate:
0, 1,
i
x i n = , 0, 1, , 0, 1,
i i
d i k d i k
+
= =
Dup determinarea soluiei optime, adic a variabilelor de
decizie i a variabilelor deviaionale, care arat modul n care au
fost ndeplinite sau nu obiectivele, urmeaz interpretarea i
analiza rezultatelor de ctre management.
Modelul iniial poate fi modificat prin introducerea unor
restricii suplimentare, a ponderilor i prioritilor, pn ce se
obine o soluie optim care s corespund cel mai bine situaiei
analizate de ctre manageri.
n exemplul urmtor se va obine o alt soluie optim
folosind imnportnaa relativ a obiectivelor, adic ponderile.

Exemplu
O firm fabric doua produse Ai B utiliznd dou resurse
1
R i
2
R . Consumurile specifice i profiturile unitare sunt
prezentate n tabel:

Consumuri specifice
Resurse
A B
Disponibil
1
R
1 2 40
2
R
1 1 30
Profit unitar 45 30

Procesul de producie trebuie s conduc la realizarea
urmtoarelor obiective:
O
1
: s obin un profit de cel puin 720 u.m.;
O
2
: s produc cel puin 15 buci produse A;
104
O
3
: s produc cel puin 15 buci produse B.

a) determinai planul optim de producie i modul n care
sunt satisfcute obiectivele dac ele au prioriti egale
ponderi egale cu 1;
b) datorit unui contract care prevede livrarea a 15 produse
B zilnic, se consider c obiectivul 3 este de 5 ori mai
important dect celelalte dou, deci are ponderea W
3
=5,
prioritile celor 3 obiective rmnnd aceleai; s se
determine planul optim de producie i care este modul de
realizare a obiectivelor?

Rezolvare:
Se introduc mai nti variabilele de decizii care vor
determina planul de producie:
1
x reprezint numrul de produse A care se vor fabrica;
2
x reprezint numrul de produse B care se vor fabrica.
Iniial obiectivele au urmtoare formulare:
O
1
:
1 2
45 30 720 x x +
O
2
:
1
x 15
O
3
:
2
15 x
Iar restriciile sunt:

1 2
1 2
2 40
30
x x
x x
+


Condiiile de nenegativitate

1 2
0, 0 x x

a) Modelul matematic pentru modelarea multicriterial n cazul
n care toate obiectivele au ponderile 1, 1, 2, 3
i
W i = = i
1, 1, 2, 3
i
P i = = este:

105
Funcia obiectiv:

( )
1 2 3
min d d d

+ +
Obiectivele:
1 2 1 1
1 2 2
2 3 3
45 30 720
15
15
x x d d
x d d
x d d
+
+
+
+ + =
+ =
+ =

Iar restriciile sunt:

1 2
1 2
2 40
30
x x
x x
+


Condiiile de nenegativitate

1 2
0, 0, 0, 0, 1, 2, 3
i i
x x d d i
+
= .
Soluia optim a acestei probleme este:
1
15 x = , adic se vor fabrica 15 buci produse A;
2
12, 5 x = , adic se vor fabrica 12,5 buci produse B;
1 1
0, 330 d d
+
= = , obiectivul profit a fost ndeplinit prin
adaos, adic n loc de 720 u.m. se pot obine
720 330 1050 + = u.m.;
2 2
0, 0 d d
+
= = , deci obiectivul 2 este ndeplinit, se fabric
exact 15 produse A;
3 3
2.5, 0 d d
+
= = , obiectivul 3 nu este ndeplinit: se vor
produce cu 2.5 produse B mai puin dect era prevzut, deci doar
12.5.
Observaie: Dac soluia n numere reale nenegative nu
este satisfcut deoarece produsele sunt indivizibile, se caut
soluia n numere ntregi nenegative. Aceasta este:
1 2
1 1
2 2
3 3
15; 12;
0; 315;
0; 0;
3; 0.
x x
d d
d d
d d
+
+
+
= =
= =
= =
= =

106
b) Modelul matematic n acest caz schimb doar expresia
funciei obiectiv, deoarece n acest caz avem
3 3
5, 1 w P = = ,
restul ponderilor i prioritilor rmnnd la fel. Deci:
( )
1 2 3
min 5 d d d

+ +
1 2 1 1
1 2 2
2 3 3
1 2
1 2
45 30 720
+ 15
15
2 40
30
x x d d
x d d
x d d
x x
x x
+
+
+
+ + =

+ + =


1 2
0, 0, 0, 0, 1, 2, 3
i i
x x d d i
+
= .
Soluia optim n acest caz este:
1
10 x = , adic se vor fabrica 10 buci produse A;
2
15 x = , adic se vor fabrica 15 buci produse B, deci
contractul se poate onora, obiectivul 3 fiint ndeplinit;
1 1
0, 180 d d
+
= = , se obine un profit mai mare cu 180 u.m.
dect cel prevzut;
2 2
5, 0 d d
+
= = , deci obiectivul 2 nu este ndeplinit, se
fabric cu 5 produse A mai puine dect era prevzut;
3 3
0, 0 d d
+
= = , obiectivul 3 este ndeplinit.











107
PROBLEME DE TRANSPORT I PROBLEME DE
REPARTIIE

Una dintre problemele ce apar frecvent n practic este
problema de transport. Denumirea provine din faptul c este
vorba fie de un transport al unui produs, fie de o distribuire a
unor bunuri i servicii de la anumite surse ori depozite la anumii
destinatari sau centre de consum.
Problema de repartiie poate fi considerat ca un caz
particular de problem de transport n care toate catitile
disponibile aflate la surse ori depozite sunt egale respectiv cu 1
i toi destinatarii sau centrele de consum cer cte o singur
unitate din produsul respectiv.

PROBLEME DE TRANSPORT

Un produs care se afl n unele depozite (surse, centre de
depozitare) trebuie trensportat la nite consumatori (destinatari,
centre de desfacere), astfel nct costul total al transportului s
fie minim.
Se presupune c dac se transport o singur unitate de
produs la costul c (um) atunci pentru a transporta n uniti, costul
este nc (um).
Se mai consider c problema este determinist, adic
sunt cunoscute toate datele de care depinde transportul.
Se presupun cunoscute urmtoarele date:
1. Exist un numr de m depozite D
i
, 1, i m = i n
fiecare depozit se afl cantitatea disponibil de
produs, a
i
, 1, i m =
2. Exist un numr de n centre de desfacere C
j
, 1, j n =
iar cantitatea de produs necesar acestor centre este
b
j
, 1, j n =
108
3. Costul de transport pentru o unitate de produs, de
la fiecare depozit D
i
la fiecare centru de desfacere
C
j
este
j
i
c (um), 1, i n = ; 1, j m = .
Datele acestea se pot sintetiza n tabelul:
Centre de desfacere
(destinatari) Depozite (surse)
C
1
C
2
. . . C
n
Cantiti
disponibile
D
1 11
c

12
c
. . .
1n
c
1
a
D
2 21
c
22
c
. . .
2n
c
2
a
. . . . . . . .
. . . . . . . .
. . . . . . . .
D
n 1 m
c
2 m
c
. . .
mn
c
m
a
Cantiti necesare
(cerere)
1
b
2
b
. . .
n
b


Deci n primul depozit D
1
se afl
1
a uniti de produs, n
D
2
se afl
2
a uniti de produs etc; iar centrul C
1
cere un numr
de
1
b uniti de produs, centrul C
2
cere
2
b uniti etc. n plus,
pentru a transporta o unitate de produs de la D
1
la C
1
costul este
11
c (um), de la D
1
la C
2
cost
12
c (um) etc.
Se cere s se organizeze transportul, adic s se afle ce
cantiti de produs se vor transporta de la fiecare depozit D
i
la
fiecare centru C
j
astfel nct costul total al trensportului s fie
minim.
Deoarece produsul se poate transporta de la fiecare
depozit D
i
la fiecare centru C
j
, exist m n necunoscute
ij
x :
ij
x = cantitatea transportat de la
i
D la , 1, , 1,
j
C i m j n = =
Pentru formularea modelului matematic al problemei de
transport, ca problem de programare liniar este mai comod s
se introduc i datele cunoscute i necunoscutele problemei,
ntr-un tabel unic:
109
Depozite
(surse)
Centre de desfacere
(destinatari)

1
C
2
C
n
C
Cantiti
disponibile
D
1
11

11
c
x
12

12
c
x ...
1

1
n
c
n
x
1
a
D
2
21

21
c
x
22
22
c
x ...
2
2

n
c
n
x
2
a

D
m

1
1

m
c
m
x

2
2

m
c
m
x

...
mn
c
mn
x
m
a
Cantiti
necesare
(cerere)
1
b
2
b
...
n
b


n forma standard pentru o problema de transport se cere
ca problema s fie echilibrat, adic s fie ndeplinit condiia:
cantitatea total aflat n depozite este egal cu cererea total
1 1
m n
i j
i j
a b
= =
=


Aceast condiie de echilibrare nu este restrictiv, dei
este obligatorie. Dac iniial, ea nu este satisfcut, apare una din
urmtoarele dou situaii:
a) Cantitatea total disponibil este mai mic dect cererea
total:
1 1
m n
i j
i j
a b
= =
<


Pentru a obine egalitatea (echilibrarea), n membrul stng
se adun cantitatea
1 m
a
+
strict pozitiv, adic
1
1 1
m n
i m j
i j
a a b
+
= =
+ =


Fa de tabelul precedent, trebuie s se adauge o nou
linie, care va corespunde unui depozit fictiv
1 m
D
+
; n acest
depozit fictiv se afl cantitatea
1 m
a
+
din produs, dar deoarece
110
1 m
D
+
nu exist, costurile de transport de la
1 m
D
+
la oricare centru
C
j
sunt egale cu zero. Aceast linie are aspectul:

1 m
D
+

0
11 m
x
+

0
12 m
x
+

... 0
1 m n
x
+

1 m
a
+


Dac a aprut situaia c disponibilul total este mai mic
dect cererea tortal, aceasta nseamn c cererea centrelor nu va
putea fi satisfcut.
Lipsesc tocmai cantitile
1 m i
x
+
1, i n = deoarece acestea se
primesc de la depozitul
1 m
D
+
care nu exist.
b) Cantitatea total disponibil n depozite este mai mare
dect cererea total:
1 1
m n
i j
i j
a b
= =
>


n acest caz se adaug n membrul drept o cantitate
1
0
n
b
+
> .
1
1 1
m n
i j n
i j
a b b
+
= =
> +


Cantitatea
1 n
b
+
arat c fa de tabelul iniial mai trebuie
adugat o coloan, care ar corespunde unui centru fictiv
1 n
C
+

care solicit cantitatea
1 n
b
+
de produs. Cum centrul
1 n
C
+
este
fictiv, costurile de transport de la depozitele
i
D la acest centru
fictiv
1 n
C
+
sunt nule. Variabilele de pe aceast coloan sunt
notate
1 in
x
+
, 1, i m = .
Cum oferta este mai mare dect cererea, n unele depozite
i
D , 1, i m = vor mai rmne cantiti din produs ce nu au unde s
fie transportate, cererea fiind deja satisfcut. Necunoscutele
1 in
x
+
, 1, i m = arat n care depozit
i
D a rmas cantitatea de produs
1 in
x
+
.

111
Modelul matematic pentru o problem de transport
echilibrat, n care:
1 1
m n
i j
i j
a b
= =
=


se poate formula, cu menionarea faptului c n acest caz toat
marfa din depozite va fi transportat la centrele de desfacere care
vor avea cererea satisfcut. Avem:
Obiectivul, costul total al transportului s fie minim,
exprimat prin funcia obiectiv:
( )
11 11 12 12
1 1
...
m n
mn mn ij ij
i j
f x c x c x c x c x MIN
= =
= + + + = =


Restriciile problemei:
Primele m arat c se transport toat cantitatea de
produs aflat n depozite
11 12 1 1
21 22 2 2
1 2
...
...
...
...
n
n
m m mn m
x x x b
x x x b
x x x b
+ + + =

+ + + =

+ + + =


Urmtoarele n restricii arat c fiecare centru
primete cantitatea necesar de la cele m depozite:
11 21 1 1
12 22 2 2
1 2
...
...
...
...
m
m
n n mn n
x x x b
x x x b
x x x b
+ + + =

+ + + =

+ + + =


Avem deci un numr de m n + restricii.
Condiiile de nenegativitate
0
ij
x 1, i m = , 1, j n =
Se tie c o problem de programare liniar are cel mult
un numr de componente strict pozitive n soluie egal cu rangul
matricei A al coeficienilor.
112
Dei aici numrul de restricii este m n + , cel puin una
dintre restricii este o combinaie liniar a celorlalte, deci sunt
independente cel mult 1 m n + .
Rezult c o soluie admisibil conine cel mult un numr
de 1 m n + componente strict pozitive.
Se poate arta c orice problem de transport admite
soluie. Rezult c cele 1 m n + ecuaii reprezentate de restricii
formeaz totdeauna un sistem compatibil. O astfel de soluie care
nu este neaprat optim este, de exemplu:
1
i j
ij
m
i
i
a b
x
a
=
=

(problem echilibrat)
Soluia optim a unei probleme de transport poate fi aflat
prin una din metodele:
1) Algoritmul simplex, pentru modelul matematic
prezentat;
2) Algoritmi specifici rezolvrii problemelor de
transport.
Toate metodele specifice de soluionare, conin dou
etape principale:
Etapa I Obinerea unei soluii admisibile de baz de pornire, care
are cel mult 1 m n + componente strict pozitive
Etapa a II-a Obinerea soluiei optime
n continuare se va prezenta un algoritm specific
determinrii soluiei optime la problemele de transport.

ETAPA I. SOLUIA DE PORNIRE

Acest algoritm se bazeaz pe aflarea unei soluii de
pornire, aplicarea unui criteriu de optimalitate, aflarea altei
soluii admisibile, aflarea altei soluii, etc, pn la aflarea soluiei
optime, aa cum aveam ca etape i la algoritmul simplex.
113
Pentru aflarea soluiei de pornire se procedeaz n felul
urmtor:
a) Se determin elementul
ij
x din tabel, prin
( )
,
min , ,
,
i i j
ij i j j i j
i j i j
a daca a b
x a b b daca a b
a b daca a b
<

= = >

= =


b) Se efectueaz urmtoarele dou nlocuiri


i i ij
j j ij
a se inlocuieste cu a x
b se inlocuieste cu b x


c) Se puncteaz o linie sau o coloan:
linia i dac
ij i
x a =
coloana j dac
ij j
x b =
se puncteaz sau linia i sau coloana j dac
ij i j
x a b = =
Punctele au semnificaia cifrei 0. Cifra zero nu se
folosete dect dac 0
ij
x = , adic exist o soluie degenerat cu
mai puin de 1 m n + componente strict pozitive.
Elementele soluiei de pornire
ij
x se pot determina ntr-o
anumit ordine i anume:
Metoda colului de nord-vest, cnd se afl de
fiecare dat elementul
ij
x situat n tabel n colul N-
V; apoi dup ce se puncteaz linia i coloana, se
determin n tabelul rmas, din nou elementul din
colul N-V, etc.
Metoda costului minim din tabel.
Se determin mai nti elementul
ij
x cruia i corespunde
n tabel costul
ij
c cel mai mic din tabel. n tabelul rmas dup
punctare se afl, din nou, elementul
ij
x cruia i corespunde cel
mai mic cost etc.
114
Metoda costului minim pe linie
Metoda costului minim pe coloan
La probleme de minim, soluia de pornire cea mai bun,
n sensul c valoarea costului total ce corespunde acestei soluii
este mai mic, se obine aplicnd metoda costului minim din
tabel. Dar aceast soluie de pornire nu este neaprat soluia
optim.
Cele menionate mai sus pot fi aplicate n urmtorul caz:
Exemplu
O companie fabric un anumit produs n patru secii ale
sale
i
S , 1, 4 i = . Produsul este transportat n 4 depozite
i
D , 1, 4 i = .
Costurile de transport pentru o unitate de produs, capacitile de
producie ale seciilor i capacitile depozitelor sunt date n
tabel:

1
D
2
D
3
D
4
D
Producie
1
S
3 4 2 8 40
2
S
3 6 5 7 20
3
S
6 5 7 6 35
4
S
2 4 5 6 10
Capacitatea 36 18 27 24
S se determine planul de transport de la secii la depozite
astfel nct s se obin un cost total minim.
Soluie
a) Aflm soluia optim prin programare liniar
Se verific echilibrarea:
40 20 35 10 36 18 27 24 105 + + + = + + + =
Se introduc variabilele de decizie
ij
x care arat ce
cantiti vor fi transportate de la sursele
i
S (care
sunt seciile) la destinatarii
j
D (care sunt
depozitele).
115
Deoarece problema este echilibrat, toat marfa de la
secii va fi transportat n depozite, pentru care se va utiliza
ntreaga capacitate.
Variabilele
ij
x precum i toate datele problemei sunt date
n tabel

1
D
2
D
3
D
4
D
Producie
1
S
3
11
x
4
12
x
2
13
x
8
14
x
40
2
S
3
21
x
6
22
x
5
23
x
7
24
x
20
3
S
6
31
x
5
32
x
7
33
x
6
34
x
35
4
S
2
41
x
4
42
x
5
43
x
6
44
x
10
Capacitatea 36 18 27 24
Modelul matematic, pentru algoritmul simplex, este:
Funcia obiectiv
( )
11 12 13 14 21 22 23 24 31
32 33 34 41 42 43 44
3 4 2 8 3 6 5 7 6
5 7 6 2 4 5 6
f x x x x x x x x x x
x x x x x x x MIN
= + + + + + + + + +
+ + + + + + + =

Restriciile
11 12 13 14
21 22 23 24
31 32 33 34
41 42 43 44
40
20
35
10
x x x x
x x x x
x x x x
x x x x
+ + + =

+ + + =

+ + + =

+ + + =


11 21 31 41
12 22 32 42
13 23 33 43
14 24 34 44
10
18
27
24
x x x x
x x x x
x x x x
x x x x
+ + + =

+ + + =

+ + + =

+ + + =


Primele patru restricii arat c din secia S
1
se transport
toate cele 40 uniti de produs, la cele 4 depozite etc, iar
urmtoarele 4 restricii arat c n depozitul D
1
se poate
transporta produsul de la cele 4 secii S
i
, 1, 4 i = , pentru a folosi
capacitatea acestui depozit, de 36 uniti de produs etc. Avem 8
restricii din care 4 4 1 7 + = sunt independente, deci soluia
ij
x
are cel mult 7 componente strict pozitive.
116
Condiiile de nenegativitate
0
ij
x , , 1, 4 i j =
Soluia optim a acestei probleme de transport este:
11 12 13 14
21 22 23 24
31 32 33 34
41 42 43 44
6 7 27 0
20 0 0 0
0 11 0 24
10 0 0 0
x x x x
x x x x
x x x x
x x x x
= = = =

= = = =

= = = =

= = = =


min 379 f um =
Interpretarea acestei soluii este:
De la secia
1
S se transport 6 uniti de produse la
1
D , 7
uniti de produs la
2
D , 27 la
3
D i nimic la
4
D . Se mai
transport 20 de la
2
S la
1
D , 11 de la
3
S la
2
D i 24 de la
3
S la
4
D i 10 de la
4
S la
1
D .
Costul minim total este:
5 6 4 7 2 27 3 20 5 11 6 24 2 10 391 um + + + + + + =
b) Aplicm algoritmul specific problemelor de transport
pentru aflarea soluiei de pornire. Se vor aplica primele dou
metode, a colului de NV i a costului minim din tabel.
1) Soluia de pornire prin metoda colului de N-V
Se ncepe cu determinarea lui
11
x , aflat n colul
NV
( )
11
min 40, 36 36 x = =
Deoarece minimul este pe coloan, se puncteaz
coloana 1, adic n locul elementelor
21
x ,
31
x i
41
x
se pun puncte (care nseamn 0)
Se nlocuiete valoarea 40 cu 40 36 4 = i valoarea
36 cu 36 36 0 =
n tabelul rmas, elementul din colul de NV este
12
x .
Acesta va fi egal cu:
( )
12
min 4,18 4 x = =
117
Se puncteaz linia deoarece
12
4 x = (pe linie) i apoi se
nlocuiete 4 cu 4 4 0 = i 18 cu 18 4 14 = .
Se continu cu elementul din colul NV din tabelul rmas,
acesta fiind
( )
22
min 14, 20 x = etc.
Soluia de pornire prin acest procedeu este:
3 36 4 4 2
i
8
i
40
3
i
6 14 5 6 7
i
20
6
i
5
i
7 21 6 14 35
2
i
4
i
5
i
6 10 10
36 18 27 24
Valoarea costului pentru acest plan de transport este:
3 36 4 4 6 14 5 6 7 21 6 14 6 10 529 um + + + + + + =
2) Aflm soluia optim prin metoda costului minim
din tabel.
Avem dou costuri minime egale cu 2. Se determin mai
nti elementul
( )
13
min 27, 40 27 x = = . Se puncteaz coloana 3, se
nlocuiesc respectiv 40 cu 40 27 13 = i 27 cu 0. n tabelul
rmas, costul minim este 2, care corespunde elementului
41
x .
Avem
( )
41
min 36,10 10 x = = . Se puncteaz linia 4, se nlocuiesc
respectiv 10 cu 10 10 0 = i 36 cu 36 10 26 = . Se continu,
pentru elementul
11
x care are costul 3 n tabelul rmas.
Soluia de pornire prin metoda costului minim din tabel
este:
3 13 4
i
2 27 8
i
40
3 13 6
i
5
i
7 7 20
6
i
5 18 7
i
6 17 35
2 10 4
i
5
i
6
i
10
36 18 27 24
Aceast soluie de pornire, nu neaprat optim, conduce la
costul total de transport:
3 13 2 27 3 13 7 7 5 18 6 17 2 20 413 um + + + + + + =
118
Acest cost este mai mic dect cel furnizat de soluia de
pornire calculat prin metoda colului de N-V, deci este o soluie
mai bun, dar nu este optim.
Metodele costul minim pe linie sau costul minim pe
coloan de aflare a soluiilor de pornire se obin similar.

ETAPA A II-A. DETERMINAREA SOLUIEI OPTIME

Dac se compar cele dou soluii de pornire, se observ
c variabilele au valori diferite i sunt plasate n locuri diferite.
S vedem cum se poate obine o alt soluie admisibil,
pornind de la una deja determinat.
Trebuie s avem n vedere c o soluie are cel mult
1 m n + componente strict pozitive (n cazul exemplului sunt 7)
i c sunt satisfcute restriciile, att pe linie, ct i pe coloan.
De exemplu, dac pentru soluia obinut prin metoda
costului minim din tabel, am introduce n csua liber (1,2)
valoarea
2
7 x = atunci am nclca urmtoarele trei reguli:
Suma cantitilor de pe prima linie, 40 >
Suma cantitilor de pe coloana 2, 18 >
n loc de 4 4 1 7 + = componente strict pozitive
sunt acum 8.
n concluzie trebuie procedat astfel nct s se pstreze
satisfacerea restriciilor iar numrul componentelor din soluie,
strict pozitive s fie cel mult 1 m n + .
Rezult c n general, dac exist deja o soluie X care are
componente
ij
x se va obine dup urmtoarea regul:
Fie
( )
, i j o celul liber n care se atribuie o valoare strict
pozitiv 0 > .
Atunci, pentru o celul ocupat
( )
1
, i j de pe aceeai linie,
n care era
1
ij
x , va trebui s scdem pe , obinnd
1 1
'
ij ij
x x =
119
pentru a putea satisface restricia de pe linia i, care cerea ca suma
componentelor pe linia i s fie egal cu
i
a .
Restriciile trebuie satisfcute i pe coloane. Pe coloana j,
din valoarea unei componente
1
0
i j
x > se va scade , adic noua
soluie va fi
1 1
'
i j i j
x x = ; n fine, din valoarea
1 1
i j
x aflat pe
coloana
1
j se va aduna , adic
1 1 1 1
'
i j i j
x x = + .
n cele dou figuri care urmeaz se va prezenta modul de
obinere a unei soluii noi, pentru pstrarea satisfacerii
restriciilor.
Mai trebuie anulat una dintre componente, pentru a
pstra numrul 1 m n + componente strict pozitive.

Soluia veche
Soluia veche se va modifica, dup schema:

Soluia nou
( )
, i j

1
ij
x
1
i j
x
1 1
i j
x +
( )
1
, i j
( )
, i j

1
ij
x
1
i j
x
1 1
i j
x
( )
1
i j
( )
1 1
i j
120
S-a plecat dintr-o celul liber i s-au parcurs numai
celule ocupate adic s-a mers pe ciclul celulei libere.
Ciclul unei celule libere
( )
, i j este un drum care pleac
din celula liber
( )
, i j i se intoarce tot la ea, trecnd numai prin
celule ocupate i anume doar cte dou pe aceeai linie i cte
dou pe aceeai coloan.
Ciclul nu este neaprat un dreptunghi. De exemplu, ciclul
celulei libere
( )
1, 2 din soluia de pornire obinut prin metoda
costului minim din tabel este urmtorul:

Ciclul celulei libere (1,2)
Se observ c din celula
( )
1, 2 s-a mers n
( )
1,1 ; dar i
celula
( )
1, 3 era ocupat de 27 ns de acolo trebuia mers pe
coloan ntr-o celul ocupat, care nu exist.
n general pentru soluia
( )
ij
X x i soluia
( )
' '
ij
X x avem:
1
1 1
1
0
0
0
0
ij
ij
i j
i j
x
x
x
x
=

>

>

>


1 1
1 1 1 1
1 1
'
'
'
'
ij
ij ij
i j i j
i j i j
x
x x
x x
x x

= +


( )
3, 4
( )
3, 2
( )
2, 4
( )
2,1
( )
1, 2
( )
1,1
13
13
18 17
7
121
restul componentelor fiind aceleai. n acest moment n
'
X exist
m n + componente strict pozitive, deci una trebuie s se anuleze.
Pentru a satisface i condiia de nenegativitate a
componentelor soluiei
'
X se ia
( )
1 1
min ,
ij i j
x x = .
Cu aceast valoare, una dintre componentele
1
'
ij
x sau
1
'
i j
x
se anuleaz.
Rezult c adoptarea pentru a valorii menionate
reprezint criteriul de ieire din baz.
Mai trebuie aflate:
Csua liber n care va fi plasat valoarea deci
criteriul de intrare n baz
Criteriul de optimalitate.
Soluia
'
X este mai bun dect soluia X dac pentru
'
X ,
valoarea funciei obiectiv,
( )
'
f X este mai mic dect
( )
f X :
( ) ( )
'
f X f X
Valorile componentelor care difer, rezult din cele dou
figuri, deci avem:
( ) ( )
( ) ( ) ( )
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
' '
1 1 1 1
0
m n m n
ij ij ij ij ij ij
i j i j
ij ij ij ij i j i j i j i j i j i j i j i j
f X f X c x c x c c
c x c x c x c x x c x c x


= = = =
( = = +

( ( (
+ + + +



Deci
( ) ( ) ( )
1 1 1 1
'
ij ij i j i j
f X f X c c c c = + +
Se noteaz
1 1 1 1
ij ij ij i j i j
c c c c = + + care reprezint suma
algebric, cu semn alternant ncepnd cu semnul minus, a
costurilor celulelor din ciclul celulei libere
( )
, i j .
Rezult
( ) ( )
'
ij
f X f X =
Din aceast relaie rezult mai nti criteriul de
optimalitate
0
ij
, pentru orice 1, i m = i orice 1, j n =
122
n acest caz
( ) ( )
'
f X f X < deci X este soluie optim.
Dac ns exist i diferene 0
ij
> , atunci soluia
'
X poate
fi mai bun dect X , deci X nu este soluie optim.
Aceast nou soluie
'
X , va fi cu att mai bun, cu ct
0
ij
> este mai mare.
Alegem celula (k,l), care are cea mai mare valoare
pozitiv pentru
ij
, adic
,
max
ij kl
i j
= .
Valoarea calculat din
( )
1 1
min ,
ij i j
x x = se plaseaz n
celulele (k,l) i apoi se modifictoate componentele din ciclul
celulei (k,l), obinndu-se astfel noua soluie.
Relaia prcedent reprezint criteriul de intrare n baz.
Dup aflarea soluiei
'
X , algoritmul se repet, pn ce
sunt ndeplinite condiiile de optimalitate.
Etapele de determinare a soluiei optime ntr-o problem
de transport n care se cere costul minim, sunt:
Etapa 1 Se determin o soluie de pornire, prin una din cele patru
metode.
Etapa 2 Pentru toate celulele libere se calculeaz
ij
, ca suma
algebric a costurilor celulelor din ciclu, cu semn alternant,
ncepnd cu semnul minus.
Apar dou situaii:
a) 0
ij
, , i j
Soluia este optim, STOP.
b) Exist i 0
ij
> . Soluia nu este optim, se trece la
Etapa 3 Se aplic criteriul de intrare n baz. Se calculeaz
max
kl ij
= adic se alege celula (k,l) creia i corespunde cea
mai mare valoare pozitiv pentru
ij
. n aceast celul se va plasa
0 > . Aceast valoare se obine n
Etapa 4 Se aplic criteriul de ieire din baz, adic se determin
valoarea lui
123
( )
1 1
min ,
ij i j
x x =
deci cea mai mic valoare pozitiv care anuleaz una din
componentele soluiei. Deci una dintre valorile componentelor
soluiei din ciclul celulei (k,l) se va anula.
Etapa 5 Se modific valorile componentelor din ciclul celulei
(k,l), conform schemei din soluia nou i se obine astfel o
nou soluie
'
X .
Algoritmul se repet ncepnd cu etapa 2, pn ce se
obine soluia optim.
S aplicm acest algoritm, pentru soluia de pornire
obinut prin metoda costului minim din tabel:
Etapa 2 Calculm
ij
pentru toate celulele libere folosind ciclul
fiecrei celule libere
12
4 3 3 7 6 5 2 = + + + =
14
8 3 3 7 1 = + + =
22
6 7 6 5 0 = + + =
23
5 2 3 3 3 = + + =
31
6 3 7 6 4 = + + =
33
7 2 3 3 7 6 6 = + + + =
42
4 2 3 7 6 5 1 = + + + =
43
5 2 3 2 4 = + + =
44
6 2 3 7 0 = + + =
Etapa 3 Se determin
( )
max 2,1 2 = care corespunde lui
12
. Deci
se va plasa n celula (1,2).
Etapa 4 Se efectueaz ciclul celulei (1,2) modificnd soluiile
ocupate din ciclul din figura precedent
124

Ciclul csuei (1,2) pentru aflarea altei soluii
Variabila 0 > pentru care una din componentele noii
soluii se anuleaz, se obine din:
13 0, 13
7 0, 7
18 0, 18



= =
= =
= =

Avem
( )
min 13, 7,18 7 = =
Etapa 5 Se afl soluia nou i modificm valorile soluiei din
ciclul celulei (1,2) cu 7 = iar restul valorilor din soluia de
pornire rmn aceleai: de exemplu
11
13 7 6 x = = ,
12
6 x = ,
24
7 7 0 x = =
3 6 4 7 2 27 8
i
3 20 6
i
5
i
7
i
6
i
5 11 7
i
6 24
2 10 4
i
5
i
6
i
Pentru a vedea dac aceasta este soluia optim se repet
algoritmul, ncepnd cu etapa 2.
13
8 4 5 6 3 = + + =
22
6 4 3 3 2 = + + =
23
5 2 3 3 3 = + + =
( )
3, 4
( )
3, 2
( )
2, 4
( )
1, 3
( )
1, 2
( )
1,1
13
13 +
18 17 +
7
125
24
2 6 5 4 3 3 2 = + + + =
31
6 5 4 3 2 = + + =
33
7 5 4 2 4 = + + =
42
4 2 3 4 1 = + + =
43
5 2 3 2 4 = + + =
44
6 2 3 4 5 6 2 = + + + =
Este satisfcut criteriul de optimalitate, 0
ij
, i j
Deci soluia este optim.
Costul minim este dat de
3 6 4 7 2 27 3 20 5 11 6 24 2 20 379 um + + + + + + =
De la
1
S se transport 6 uniti de produs la
1
D , 7 la
2
D ,
27 la
3
D i nimic la
4
D . De la
2
S se transport 20 uniti la
1
D ;
de la
3
S avem 11 la
2
D i 24 la
4
D iar de la
4
S se transport 10
uniti de produs la
1
S , la un cost total minim de 379 um.
Analog se procedeaz i n cazul n care problema este
neechilibrat.
Exemplu
Trei maini
1
M ,
2
M i
3
M pot produce oricare dintre
piesele
1
P ,
2
P i
3
P .
Costurile de produceie, capacitile mainilor i numrul
de piese necesar de fiecare fel sunt date n tabel.
Piese
Maini
1
P
2
P
3
P
Capacitatea
1
M 13 11 12 200
2
M 13 15 14 300
3
M 10 13 11 200
Necesar 140 100 400
Se cer:
a) Cte piese de fiecare fel va produce fiecare main pentru
a realiza producia necesar la cost minim? Care este costul
minim? Capaciteatea crei maini nu este folosit integral?
126
b) Dac maina
2
M nu poate executa piesa 3 cu ct crete
costul de producie?
c) Dac se dorete ca mainile s fie folosite la capacitile
maxime, de care piese se vor produce n plus, n ce cantitate?
Care va fi costul minim? Exist soluii optime alternative?
Soluie
Se verific n primul rnd condiia de echilibrare
200 300 200 140 100 400 + + > + +
Problema este neechilibrat deoarece 700 640 > .
Echilibrarea conduce la 200 300 200 140 100 400 60 + + = + + +
Rezult c la tabelul iniial se mai adaug o coloan.
Aceasta corespunde unei piese
4
P , fictiv, din care este necesar
s se fabrice 60 de buci. ns deoarece aceast pies
4
P nu
exist, costurile de fabricaie, pentru toate cele trei maini, sunt
nule:
14
0 c = ,
24
0 c = ,
34
0 c = .
Tabelul astfel completat, n care s-au introdus i
variabilele de decizie este

1
P
2
P
3
P
4
P
Capacitate
1
M
13
11
x
11
12
x
12
13
x
0
14
x
200
2
M
13
21
x
15
22
x
14
23
x
0
24
x
300
3
M
10
31
x
13
32
x
11
33
x
0
34
x
200
Necesar 140 100 400 60
Variabilele de decizie sunt
ij
x :

ij i j
x numarul de piese pe care M il fabrica din piesa P =
Variabilele
14
x ,
24
x i
34
x vor arta cte piese
4
P , care nu
exist, sunt produse de fiecare dintre cele trei maini; din acest
fapt va rezulta care dintre maini nu este folosit la capacitatea
maxim.
a) Aflm soluia de pornire prin metoda costului minim din
tabel, care este egal cu 0, deci aflm mai nti, de exemplu,
14
x .
Se continu. Dup aflarea soluiei de pornire, care are cel mult
127
3 4 1 6 + = componente strict pozitive, se aplic celelalte etape
ale algoritmului.
Avem

1
P
2
P
3
P
4
P

1
M
13
i
11 100 12 40 0 60 200
2
M
13
i
15
i
14 300 0
i
300
3
M
10 140 13
i
11 60 0
i
200
140 100 400 60
Se calculeaz
ij
:
11
13 12 11 10 2 = + + =
21
13 14 11 10 0 = + + =
23
15 11 12 14 2 = + + =
24
0 14 12 0 2 = + + =
32
13 11 12 11 3 = + + + =
24
0 11 12 0 1 = + + =
Soluia nu este optim. Se plasez n (2,4) deoarece
avem
24
2 = + .
Pentru modificarea valorilor din componentele soluiei
avem ciclul celulei (2,4)

Ciclul celulei libere (2,4)

( )
1, 4
( )
1, 3
40 +

60

300


( )
2, 3
( )
2, 4
128
BI BLI OGRAFI E

1. Mladin, E.C., Ioni, C., Prvu, F. Metode numerice Aplicaii,
Ed.Matrix Rom, Bucureti, 2006.
2. Cocan, M., Vasilescu, A. Programarea matematic folosind MS
Excel Solver, Management Scientest, Matlab, Ed.Albastr, Cluj
Napoca, 2001.
3. Nslu, P., Negrea, R., Cdariu, L. Matematici asistate de
calculator, Ed.Politehnica, Timioara, 2005.
4. Adam, E., Ebert, R. Production and operations Management.
Concepts, Models and Behaviour Fifth Edition, Ed.Teora, 2001.
5. Venkataraman, P. Applied optimization with Matlab
programming, John Wilez & Sons, 2002.
6. Chong, E., Zak, S. An introduction to Optimization, Second
Edition, John Wilez Sons, 2001.
7. Rusu, E. Metode i tehnici de decizie n management, vol.1,
Casa de editura Venus, 2004.
8. Rusu, E. Fundamentarea deciziilor n management prin metode
ale cercetrii operaionale, Ed. Junimea,Iai, 1997.
9. Rusu, E. Decizii optime n management prin metode ale
cercetrii operaionale, Ed. Economic, Bucureti, 2001.
10. Winston, W., L. Operation Research Applications and
Algorithms, Third Edition, Duxbury Press, Belmond, California,
1994
11. Dennis, T., Dennis, B., Microcomputer Models for Management
Decision Making, West Publishing Co., Third Edition, London,
1993
12. Lucey, T., Quantitative Techniques, Fourth Edition, P.D.
Publications, London, 1992