CAPITOLUL I FUNDAMENTAREA DECIZIILOR DE INVESTITII CU AJUTORUL MODELELOR ECONOMICOMATEMATICE

1.1. Posibilitati de utilizare a modelelor economico-matematice si clasificarea lor

Activitatea de investitii are un pregnant caracter pluridisciplinar si un grad de complexitate ridicat, deoarece angajeaza resurse si energii diverse ca natura si forma de manifestare. Ca atare, caracterul de pionierat este o trasatura specifica acestui domeniu, unde conditiile de implementare se schimba n functie de o serie de factori locali sau conjuncturali. Realizarea unui program/proiect de investitii, indiferent daca este din sfera productiei de bunuri sau de servicii, se bazeaza pe un sir de decizii, care se fundamenteaza pe baza unui sistem de criterii particularizat la situatia concreta. Fiecare decizie este personalizata prin obiective, sistemul de criterii de alegere si modelul sau clasa de modele ce pot fi utilizate n stabilirea celei mai fezabile solutii. Este un fapt unanim recunoscut ca, fara un instrument matematic, este dificil sa se faca o fundamentare corecta, n timp real, a unei decizii. Aceasta constatare este cu att mai valabila pentru domeniul investitiilor aflat la convergenta unor sisteme de interese, formalizate prin criterii de natura

economica, financiara, politica, tehnica, sociala sau ecologica. n acest context, dificultatea rezida din forma de exprimare a fiecarui criteriu, care poate altera comparabilitatea ntre indicatorii - criteriu. In fazele pregatitoare ale proiectelor, repartizarea optima a resurselor, directionarea eforturilor spre un domeniu prioritar, n functie de anumite criterii de eficienta/eficacitate sunt principalele probleme ce stau n fata agentilor economici promotori de actiuni de investitii. Pentru aceasta ei au nevoie de o metodologie coerenta bazata pe tehnici si instrumente adecvate de analiza si decizie. Din multitudinea de puncte de vedere privind clasificarea deciziilor investitionale, ne vom opri la cel referitor la compatibilitatea sau incompatibilitatea dintre proiecte / programe, n baza caruia deciziile pot fi de tip si/si, respectiv, de tip sau/sau. Deciziile de tip si/si sunt aplicabile situatiilor de compatibilitate si sunt decizii de optimizare de structura/reteta caracteristice problemelor de repartizare a resurselor ntre posibile optiuni de investire, domenii, sectoare. Deciziile de tip sau/sau sunt caracteristice situatiilor de incompatibilitate: alegere de amplasament, de modul de capacitate, de variante sau domenii de investitii. Fundamentarea celor doua clase de decizie se realizeaza cu instrumentar matematic adecvat. Domeniul de definitie al problemelor de investitii, tinnd cont de specificitatea c mpului lor de aplicatie, este supus n permanenta la doua mari constrngeri: completitudinea bazei de date si precizia acestora . O incursiune n universul modelelor economico-matematice

avnd la baza relatia biunivoca completitudine precizie 1 permite urmatoarea structurare (figura 1.1):
100%
1. MODELE MTEMATICE DETERMINISTE
2.2. MODELE MATEMATICE NEDETERMINSTE (TIP FUZZY)

Precizia datelor

4. MODELE DE TIP ANALOGIC

2.1. MODELE MATEMATICE NEDETERMINISTE (PROBABILISTICE) 3. MODELE PROCEDURALE (DE RUTINA) SAU EURISTICE

ZONA DE IRELEVANTA A INFORMATIILOR

5.MODELE EMPIRICE DE TIP IMPLICIT

Completitudinea bazei de date

100%

Figura 1.1

1. Modelele matematice de tip determinist se bazeaza pe o precizie si completitudine a informatiilor si datelor foarte ridicata. Deci, ipotezele de lucru, variabilele de stare, parametrii proiectului studiat sunt suficient de precise si identificate n totalitate de catre analist. In general, o astfel de stare este valabila c nd componenta tehnica este preponderenta. 2. Modelele matematice de tip nedeterminist sunt operationale c nd volumul si precizia datelor aflate la dispozitie sunt mai scazute. In aceasta stare se ntlnesc doua situatii: 2.1. Modele probabilistice cnd precizia informatiilor, mai ales cele referitoare la starea proiectului, ramne
1

Popescu Ion, Introducere n fundamentarea deciziei, Editura Stiintifica si Enciclopedica, Bucuresti, 1983

ridicata, dar scade completitudinea/ volumul informatiilor referitoare la relatiile dintre ele. 2.2. Modele de tip fuzzy (multimi vagi), cnd completitudinea informatiilor referitoare la relatiile dintre parametrii ramne la un nivel aceptabil (ridicat), dar scade precizia informatiilor. n astfel de situatii, nu putem face aprecieri despre o anumita stare a sistemului studiat, ci despre apartenenta sa la o multime vaga de stari. 3. Modelele procedurale (euristice) se bazeaza mai mult pe abilitatea analistului de a face rapid (n timp real) o evaluare globala a problemei pusa n discutie. O astfel de situatie apare cnd precizia si volumul de informatii este redus sau timpul avut la dispozitie pentru analiza este prea scurt pentru a dezvolta un model de analiza de nivel superior. Modelele procedurale sunt cel mai des ntlnite n gestiunea proiectelor si sunt rezultatul proceselor de tip nvatare eroare care, n timp, pentru seful de proiect, se pot transforma aparent n procese de rutina. n realitate, modelarea euristica se bazeaza pe experienta, intuitia si abilitatea profesionala a acestuia de a actiona n situatii diverse. Deci, modelarea procedurala si euristica sunt strns legate de persoana factorului uman, rezultatele sale depinznd n mare masura de calitatile acestuia. De aceea, transferul de la o persoana la alta se face cu pierderi deoarece, daca experienta se poate transmite n timp, inspiratia si intuitia sunt daruri mult mai greu de transmis. Modelarea procedurala este folosita n cazul rezolvarii unor probleme urgente, n limita informatiilor si resurselor disponibile la momentul dat, de aceea, are ca baza de fundamentare urmatoarele principii:

formularea problemei pe baza celei mai expeditive documentatii folosind informatiile relevante si experienta acumulata (analiza duratelor activitatilor); - ierarhizarea informatiilor disponibile pentru a elimina pe cele irelevante, sintetizarea celor foarte detaliate si analiza corelata a erorilor din etapele analizei; - folosirea de analogii, extrapolari generale, ipoteze de lucru, aprecieri (metode imaginative) n caz de informatii incomplete, exploatarea tuturor specificitatilor cunoscute la momentul analizei. 4. Modelele de tip analogic sunt operationale n cazul n care, desi informatiile sunt suficient de precise, totusi sunt insuficiente pentru a folosi metode explicite de lucru. In aceasta situatie se opereaza prin analogie ntre problema studiata si proiectele aflate deja n functiune, pentru care se cunoaste solutia adoptata ntr-o astfel de situatie. Pe masura cresterii experientei analistului/sefului de proiect, pe baza principiului ncercare eroare, acesta poate rezolva aceeasi problema la un viitor proiect prin modele mai evoluate din clasa 1, 2, sau 3 si daca are o baza de date istorice adecvate. De altfel, aceasta explica de ce Banca Mondiala impune ca faza a ciclului de viata a unui proie ct evaluarea finala (post-factum). 5. Modele de tip implicit se bazeaza pe un set relativ complet de informatii, dar imprecise. Reactia ntr-o atare situatie este de felul daca lucrurile stau cam asa, atunci trebuie sa procedam astfel. Trebuie sa reamintim ca sensul notiunii de precizie este aritmomorfic, de masurare. Folosirea de modele mai elaborate este posibila numai n cazul cresterii preciziei n masurare, dar nu trebuie sa se forteze trecerea de la modele implicite la expresii aritmomorfe (aberatia concretului). -

Pentru analistul economic, caruia i revine sarcina de a stabili solutia cea mai fezabila, prima dificultate pe care o ntmpina este de a alege modelul adecvat care sa contina elementele esentiale, precum si ceea ce da specificitate pentru o problema eonomica data. n general el are trei alternative: - folosirea unui model clasic care, n situatii similare trecute, a condus la rezultate satisfacatoare, - un proces de bricolaj care conduce la o abordare originala a problemei prin combinarea unor modele clasice, - elaborarea unui model nou, n concordanta cu exigentele problemei. Indiferent de solutia aleasa, nu trebuie sa se omita faptul ca, practica este cea care valideaza realitatea alegerii, iar erorile sunt imputabile analistului. De aici deriva a doua problema ce trebuie rezolvata ex ante de analist: definirea operatorilor- parametrii economici care formeaza baza de date necesara ncarcarii modelului (personalizarea acestuia la cadrul cotextual al problemei). Si n acest caz, aparitia erorilor este imputabila analistului. Trebuie adoptate regulile de conduita ale codului auditorilor n situatii fortuite: imixtiuni, rea credinta n furnizarea de date reale, etc. pentru ca analistul sa fie absolvit de greseala. n studiile de analiza si evaluare a afacerilor/ proiectelor, al caror domeniu de definitie se refera la abordarea viitorului pornind de la situatia prezenta, este nevoie de un instrumentar matematic, mai mult sau mai putin complex din punct de vedere relational, dar puternic influentat de volumul si precizia datelor si informatiilor la un moment dat (momentul la care se face tratamentul informatiilor n vederea pregatirii deciziei). De aceea, se

utilizeaza cu precadere modele de decizie n conditii de risc si incertitudine (de analiza a timpului si resurselor, de evaluare a eficientei, etc) sau modele euristice n care intuitia, experienta si abilitatea analistului joaca un rol important n obtinerea unui rezultate fezabile.

1.2. Optimizarea repartizarii resurselor investitionale cu modelul de programare liniara

Orice problema de investitii presupune un numar de posibile alternative/ oportunitati ce pot fi realizate cu anumite resurse, de o anumita calitate si cu o anumita disponibilitate cantitativa sau urmaresc obtinerea anumitor efecte si este supusa unui criteriu de eficienta: maximizarea cstigurilor/efectelor sau minimizarea eforturilor. Este cea mai completa forma de exprimare a motivatiei unei decizii si, din punct de vedere matematic, se poate traduce astfel: scopul final al procesului analizat (functia obiectiv) este de a maximiza efectele obtinute sau de a minimiza eforturile. Realizarea acestui scop se face prin selectarea, dintrun numar finit de optiuni sau oportunitati, pe cea/cele care satisface conditia de optim definita mai sus, cu respectarea unui sistem definit de restrictii. O astfel de problema se formalizeaza printr-un model de programare matematica, n cazul dat un model de programare liniara unicriteriala, care se preteaza perfect conditiilor problemei ridic ate.

1.2.1. Etapele problemei Pentru a realiza optimizarea reapartizarii resurselor investitionale limitate cu ajutorul programarii liniare, se impune parcuregrea urmatoarelor etape: Elaborarea modelului matematic de programare liniara unicriteriala: porneste de la definirea vectorului variabilelor (Xj = x 1, x2, xj xn), n care se definesc posibilele alternative sau oportunitati spre care se pot orienta eforturile de investitii. Structura acestui model este formata din: Functia obiectiv (functia scop sau de eficienta) Opt. F (x) =
n

c
j=1

xj

Sistemul de restrictii ce conditioneaza procesul studiat:

j =1

aij x j / bi pentru i = 1..m - restrictii

Conditiile de nenegativitate: xj 0 Pasul urmator este de a conecta modelul teoretic la aplicatia practica, prin definirea semnificatiilor economice ale parametrilor modelului: - n cazul dat, vectorul necunoscutelor: X = (x j) defineste si delimiteaza domeniile/oportunitatile de investitii. Este responsabilitatea factorului de decizie beneficiarul studiului, de a stabili optiunile spre care doreste sa si orienteze eforturile investitionale. Nu este exclus ca acesta sa solicite ajutorul analistului pentru a defini ct mai complet oportunitatile de investitii, fie din lipsa de timp, fie ca este constient de limitele sale n domeniu.

Vectorul coloana al termenilor liberi: b = (bi), din punct de vedere economic exprima plafoanele/limitele de resurse/eforturi sau de efecte n care trebuie sa se nscrie solutia avansata. - n cazu l restrictiilor de resurse, din punct de vedere al criteriilor de eficienta, preocuparea este de economisire a acestora, punct de vedere ce poate fi redat prin expresii de tipul: cel mult , nu mai mult, iar din punct de vedere matematic sunt redate prin se mnul ( se poate angaja orice activitate dorita dar trebuie sa se consume cel mult nivelul b i din resursa i). - n cazul restritiilor de efecte, expresia devine: sa se obtina cel putin nivelul fixat ca plafon bi din cstigul i (venit/economii), ceea ce n limbaj matematic se transcrie prin semnul de (mai mare sau egal). - n contex, putem afirma ca, elementele matricei A=(a ij) au ca semnificatie economica: a) coeficienti de efort pentru inecuatii, de forma mai mic sau egal (); costuri unitare, investitie specifica, consumuri specifice de resurse materiale, energetice, umane, etc. b) coeficienti de efect pentru inecuatii de forma mai mare sau egal (); rate de rentabilitate, preturi/venituri unitare, tarife, etc. - Elementele vectorului C = (cj) din functia obiectiv au aceeasi semnificatie economica ca si elementele vectorului (aij) adica: coeficienti de efort pentru functii de minim si de efect pentru functii de maxim. Concluzia care o putem desprinde de aici este ca, din punct de vedere economic, functia obiectiv are aceeasi semnificatie ca o restrictie oarecare numai ca, daca restrictia obliga ncadrarea ntr-un anumit plafon prestabilit, functia

obiectiv exprima un deziderat: maxim de efecte/minim de eforturi. Iata de ce este lipsit de sens ca de exemplu, o cerinta de forma maxim de profit sa fie functie obiectiv si, n acelasi timp, sa se regaseasca si ca o conditie impusa n sistemul de restrictii de realizare a unui anumit nivel impus de profit. O alta capcana ce trebuie evitata de analist la constructia modelului este a concordantei dintre functia obiectiv si restrictii. Practic de exemplu, daca restrictia este de maximizare a efectelor, trebuie sa avem cel putin o restrictie de minim (de resurse), si invers. Altfel, la rezolvarea vom constata ca problema nu are solutie. Rezolvarea problemelor de programare liniara se face cu ajutorul algoritmului Simplex (pentru care s -au dezvoltat numeroase produse informatice cu mare viteza de calcul). In cazul unor probleme simple, de doua variabile se poate utiliza metoda grafica , datorita usurintei de a lucra n spatiul bidimensional (x,0,y). Desi are o aplicabilitate mai restrnsa, numai la probleme cu doua variabile, metoda grafica de rezolvare rapida prin reprezentare a sistemului de relatii matematice n spatiul bidimensinal, nu trebuie ignorata mai ales ca ea vizualizeaza nsasi pasii algorimului Simplex. Pasii parcursi pentru aflarea solutiei optime prin metoda grafica sunt: 1. Elaborarea modelului matematic (model de doua variabile/necunoscute), 2. Trasarea sistemului de axe de coordonate x0y (sau x 1,0,x 2) Pentru ca solutia trebuie sa ndeplineasca conditiile de nenegativitate se va

supradimensiona cadranul nti, n care se va reprezenta aproape ntregul sistem, 3. Determinarea domeniului solutiilor posibile (DSP) definit ca locul geometric al tuturor solutiilor posibile care satisfac sistemul de restrictii si conditiile de nenegativitate. Pentru aceasta, se reprezinta grafic fiecare restrictie, care, din punct de vedere matematic este o inecuatie, hasurndu-se spatiul care nu satisface inecuatia (deasupra dreptei, n caz de restrictie de resurse si sub dreapta, n caz de restrictie de efecte), inclusiv conditiile de nenegativitate. In final se obtine un spatiu nehasurat (poligon, semiplan) care este domeniul solutiilor posibile. 4. Se determina solutia optima care se defineste caacel punct/puncte din domeniul solutiilor posibile care are o proprietate suplimentara, si anume ca satisface conditia de eficienta/optim exprimata prin functia obiectiv. Avnd n vedere ca functia de eficienta exprima o tendinta determinata de dorinta de a realiza efecte ct mai mari sau de a consuma ct mai putine resurse, ajungem la concluzia ca solutia optima trebuie cautata n extremitatile DSP sau pe una din granitele sale (optim multiplu). n aceste conditii vom reprezenta grafic functia obiectiv (o dreapta fara ordonata la origine), dupa care vom duce paralele la dreapta functiei obiectiv prin vrfurile DSP-ului. Solutia optima este data de coordonatele acelui vrf a carui paralela la dreapta functiei obiectiv intersecteaza abscisa:

pentru functii de maxim - n punctul cel mai ndepartat de origine, - pentru functii de minim n punctul cel mai apropiat de origine Deoarece, n practica, este dificil sa se traseze cu acurate te toate dreptele, a proceda cum s-a aratat mai sus conduce de multe ori la erori. n consecinta, recomandam un mod mai practic de lucru: Se determina coordonatele vrfurilor care apoi se nlocuiesc n ecuatia functiei obiectiv. Solutia optima este data de coordonatele acelui vrf care, introduse n dreapta functiei obiectiv dau: - pentru functii de maxim valoarea cea mai mare functiei obiectiv, - pentru functii de minim valoarea cea mai mica functiei obiectiv. n cazul n care doua vrfuri satisfac concomi ent t conditia de optim, atunci nseamna ca problema studiata admite optim multiplu respectiv, segmentul de dreapta cuprins ntre cele doua vrfuri este locul geometric al tuturor punctelor de optim (o infinitate de solutii optime). Alegerea solutiei fezabile cu respectarea cadrului contextual al problemei este rodul analizei economice facuta de analist. Ultima faza, ale carei erori pot fi imputabile analistului, se refera la interpretarea rezultatelor obtinute n urma rezolvarii modelului. Este vorba de a stabili concordanta (valida rezultatul) dintre optimul teoretic si realitatea practica (optimul economic). Cu alte cuvinte, n urma concluziilor desprinse din analiza rezultatelor, el va trebui sa explice factorului de decizie (manager, consiliu

de administratie) ipotezele de lucru, sa prezinte solutia fezabila, avantajele si/sau dezavantajele sale, sa recomande eventualele masuri pentru ca implementarea sa aiba sanse practice de succes. 1.2.2. Reoptimizarea problemei de programare liniara si rolul dualei n studiul de eficienta n practica economica, n viziunea managerilor, sistemul de restrictii deseori este abordat diferentiat, n baza unui clasament, al conditionarilor impuse. De pilda, daca se studiaza o problema cu restrictii referitoare la forta de munca disponibila pe profesii/experienta, este normal sa se acorde atentie categoriei de personal care, prin pregatire si experienta joaca un rol fundamental n derularea afacerii/proiectului. Dar modelul poate sa ofere o solutie n care resursa deficitara (pretul umbra nul) este o categorie de personal auxiliar, iar solutia asteptata de decident este de a utiliza ct mai complet timpul de lucru disponibil al specialistilor de conceptie/executie cu rol central n proiect. Raspunsul este dat, n acest ca z, printr-un proces de reoptimizare a solutiei optime initiale, prin cautarea acelei solutii fezabile si care angajeaza ct mai complet resursa importanta (conducatoare, n contextul dat de resurse). Pentru a gasi un raspuns n concordanta cu ierarhizarea restrictiilor si a gasi o solutie fezabila se propun urmatorii pasi de reoptimizare a solutiei optime initiale, pe baza criteriului importantei resurselor: a) Se identifica restrictia deficitara prin aflarea solutiei problemei duale. In cazul unor pachete de programe utilitare

cum este si Q M2, odata cu rezolvarea problemei primale se ofera si solutia dualei coloana shadow price. Pentru a motiva de ce este necesar sa cunoastem valoarea variabilor duale atasate restrictiilor, este important sa vedem care este semnificatia economica a acestora. Pe scurt, daca o variabila duala (costul marginal al respectivei resurse) se valorizeaza, adica este diferita de zero, nseamna ca resursa careia i-a fost atasata este deficitara, constituie loc ngust n economia modelului si, ca atare, va conditiona solutia obtinuta. Orice problema de reoptimizare, daca se doreste, este necesar sa plece de la reformularea parametrilor acelei restrictii. Daca variabila duala atasata unei restrictii este nula/egala cu zero, acea resursa este excedentara n economia problemei date, adica nu conditioneaza solutia. Algoritmul Simplex ofera un raspuns general valabil, indiferent de dimensiunea modelului raspunsul este dat de rezolvarea dualei problemei (antiteza primalei). Pentru informare vom face o succinta referire privind trecerea de la primala la duala. Primala problemei are forma:
U1 a 11 x 1 + U2 a 21 x 1 + U3 a 31 x 1 + max f( x) = c1 x 1 a12 x2 + a13 x 3 = b1 a22 x2 + a23 x 3 = b2 a32 x2 + a33 x 3 = b3

+ c 2 x 2 + c3 x3 x1,2,3 = 0

Quantitative Analysis for Management

Duala problemei: a 11 u1 + a 21 u 2 + a 31 u3 = c1 a 12 u1 + a 22 u 2 + a 32 u 3 = c2 a 13 u1 + a 23 u 2 + a33 u3 = c3

min G(u) = b1 x1 + b2 x2 + b 3 x 3 u1,2 = 0; u 3 = 0

Deci, trecerea de la primala la duala se face prin atasarea unei variabile duale ui fiecarei restrictii din primale. Apoi se citeste modelul pe verticala, conform grilei (nu vom intra n descrierea matematica a procesului). Variabilele duale atasate restrictiilor concordante sunt mai mari sau egale cu zero, variabilele pentru restrictiile neconcordante sunt mai mici sau egale cu zero, iar pentru restrictii de egalitate variabila este indiferenta la semn. Valoarea functiei obiectiv n duala este egala cu valoarea functiei obiectiv a primalei, respectiv: min G(u) = max F(x). Rezolvarea se face cu acelasi algoritm Simplex. b) Se elimina restrictia deficitara loc ngust din primala ( vom avea un model de m-1 restrictii). c) Se rezolva noul model si se afla solutia reoptimizata, valoarea functiei obiectiv este superioara celei obtinute n modelul initial. d) Se analizeaza daca noua solutie se ncadreaza n ordinea de importanta a tratarii restrictiilor, admisa de decident. Daca nu se ncadreaza, se reia algoritmul de la pct. a. Daca se ncadreaza, se trece la urmatorul pas. e) Se retine noua solutie ca fiin d cea mai fezabila pentru factorul de decizie. Pe baza ei se stabileste deficitul si/sau excedentul pentru fiecare resursa/restrictie.

f) Se ntocmeste raportul de evaluare cu recomandarea solutiei reoptimizate, aratndu-se conditiile ce trebuie ndeplinite pentru implementarea sa cu succes sau deficitele de resurse ce trebuie sa fie acoperite. 1.2.3. Program n completare O alta problema cu care, adeseori se confrunta analistul este cea referitoare la faptul ca i se impun constrngeri de ncadrare a v ariabilelor (necunoscutelor) n anumite limite/plafoane. Formalizarea lor matematica ia forma: Xj Kj deci, variabila j trebuie sa ia cel putin valoarea K. De exemplu , n repartitia unei alocatii bugetare pentru investitii spre n domenii de aplicatie a serviciilor publice, se impune ca, pentru un domeniu sau mai multe domenii (j=1,m), sa se rezerve o anumita cota, fie pentru terminarea unor proiecte deja ncepute, fie pentru proiecte prioritare care nu sufera amnare. In acest caz K j ar reprezenta suma ce trebuie prezervata n acest scop. Exista si posibilitatea, mai mult teoretica, ca aceste exigente sa ia forma: K ij x j Ksj , fiind deci o dubla limitare superioara si inferioara. Dar, si n acest caz, tot limitarea inferioara alocarea a cel putin Kj este cea care poate crea dificultati. Dificultatile apar n faza operationala a modelului, nu datorita algoritmului de calcul, ci atunci cnd nivelul impus prin plafon depaseste disponibilitatea unei resurse din sistemul de restrictii. n acest caz problema nu are solutie si evident vor fi necesare eforturi pentru a identifica cauza solutiei nefezabile. Evident, pentru evitarea unei astfel de situatii, nca din faza de pregatire a modelului, se vor elimina

aceste restrictii. Se va obtine program n completare al carui scop este de a stabili ce se poate realiza suplimentar n limita disponibilului de resurse ramas, dupa alocarea necesarului cerut de respectarea conditiilor K j n conditii de eficienta. Pornind de la relatia; x j Kj - putem scrie ca: x j = K j + xj (1) n care: xj - volumul suplimentar de activitate j ce se poate realiza, n limita volumului de resurse ramas, dupa indisponibilizarea cantitatilor necesare realizarii nivelelor Kj. nlocuim relatia (1) n modelul initial si vom obtine: - n functia obiectiv: opt f(x) = c j x' j + c jK J , n care: c jK j = R nivelul de satisfacere a criteriului de optim prin realizarea numai a nivelurilor impuse KJ; c j x' j - cu ct va fi satisfa cut criteriul de optim

daca este posibila realizarea unor nivele de activitate suplimentare xj. n sistemul de restrictii, vom face aplicatia la o restrictie de resurse t ij x j Fi
j= 1 n

t ij K j + t ij x ' j F I
j =1 j= 1

n care:

t
j=1

ij

K j = Fi volumul ce trebuie prezervat pentru

realizarea conditiilor Kj din plafonul alocat din resursa i, conditie care modifica restrictia astfel:

t ijx ' j F i Fi
j =1

Notam cu ?F = F i Fi = Fi - excedentul de resursa dupa prezervarea din disponibilul total a cantitatilor Fi . n acest moment putem sa ne aflam n una din situatiile: Fi 0 - disponibilul din resursa i nu ajunge nici pentru a ndeplini ntocmai exigentele de activitate Kj; n aceasta situatie analistul notifica factorului de decizie ca problema propusa spre solutionare nu are solutie deoarece, exista o neconcordanta manifesta ntre dorinte Kj si disponibilitatea unor resurse. Fi = 0 - disponibilul de resursa i este suficient numai pentru satisfacerea conditiilor impuse K j, deci nu se pune problema gasirii unei solutii optime Fi 0 - disponibilul de resurse este suficient de mare pentru a satisface exigentele decidentului si pentru a obtine o solutie optimizata. n aceasta situatie, se construieste modelul n completare care va raspunde dezideratului de eficienta: Opt F(x) = c j x ' j

t ijx' j FI
j=1

xj 0

Rezolvarea se face conform metodelor enumerate anterior. n ncheiere, trebuie sa atragem atentia ca aceste modele de optimizare conventionala (determinista), desi prezinta numeroase avantaje: exigenta n reprezentarea ct mai exacta a procesului studiat, grad ridicat de certitudine a optimului aflat, explorare rapida si bine orientata a cmpului de eficienta, totusi nu tin econt de flexibilitatea si imprevizibilul ce caracterizeaza fenomenele si procesele economice contemporane. De aceea s-a dezvoltat un bogat inventar de modele economic -matematice care permite

trecerea de la optimizarea standard rigida la optimizarea flexibila a proceselor economice. & Probleme propuse:

1) Pe baza urmatoarelor informatii, sa se elaboreze un studiu de optimizare: x1 + x 2 50 80 x 1 + 40 x 2 1760 0,48 x 1 + 0,6 x 2 13,2 1,37 x 1 + 1,15 x 2 28,77 min f(x) = 2,54 x 1 + 3,175 x 2 x 1,2 0 2) La studiul de la pct 1 sa se determine solutia optima n ipoteza ca: x1 10