CERCETRI OPERAIONALE

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

eficien a problemelor decizionale.
Cercetarea operationala reprezinta ansamblul de principii, metode si mijloace destinate
elaborarii de modele matematice ale fenomenelor si proceselor manageriale, n vederea adoptarii unor
decizii care sa contribuie la modificarea acestora n directia dorita de manager. Cercetarea
operationala se bazeaza pe aplicarea combinata a principiilor analizei stiintifice, logicii si interpretarii
n scopul solutionarii unor probleme cantitative care se pun la adoptarea deciziilor manageriale.
Principalele obiective ale cercetarii operationale sunt urmatoarele:
a) fundamentarea cantitativa a deciziilor;
b) compararea variantelor decizionale posibile de organizare a operatiilor;
c) evaluarea influentelor probabile ale diferi-tilor factori asupra rezultatelor societatii comerciale.
Cercetarea operationala are urmatoarele etape:
a) definirea problemei;
b) conceperea modelului matematic al fenomenului sau operatiei;
c) analiza modelului si formularea deciziei;
d) verificarea adecvarii modelului la feno-men sau operatie si analiza calitatii deciziei;
e) corectarea modelului si a deciziei;
f) aplicarea deciziei si urmarirea realizarii ei.
Printre cele mai frecvente si semnificative teme abordate de cercetarea operationala mentionam:
a) alege-rea amplasamentului unei sectii, uzine sau fabrici;
b) sta-bilirea metodelor optime de distributie-depozitare;
c) operatii de echilibrare a liniilor de productie n flux;
d) prognoze privind forta de munca si capacitatile de productie;
e) proiectarea sistemelor financiar-contabile si de control financiar;
f) alegerea tematicii de cercetare-dezvoltare si altele.
2. Clasificarea problemelor cercetrii operaionale: probleme decizionale n
condiii de certitudine, risc i incertitudine. Regulile decizionale n condiii
de incertitudine i risc.
Clasificarea problemelor cercetrii operaionale:
1. Dup coninut
Planul optim de producie
Problema de transport
Problema stocurilor
Planificarea i gestiunea proiectelor
Teoria grafurilor
2. Dup numrul de scopuri puse
Cu un singur scop (unicriteriale)
Cu mai multe scopuri (multicriteriale)
3. Dup informaia disponibil
Probleme decizionale n condiii de certitudine
Probleme decizionale n condiii de risc
Probleme decizionale n condiii de incertitudine
Regulile decizionale n condiii de incertitudine:
MaxMax
a.
b.
MaxMin
a.
b.
1
Hurwicz
a. 01
b.
LaPlace
a.
b.
Savage(MinMax)
a.
b.
Regulile decizionale n condiii de risc:
Regula maximizrii profitului mediu sperat
a.
b.
Regula minimizrii regretului mediu
a.
b.
3. Modele liniare ale problemelor de cercetare operaional: exemple de
probleme, modele matematice ale lor.
Structura modelului general de programare liniar se constituie n primul rnd prin mulimea de
activiti {A
1
, A
2
, ... A
n
} care compun sistemul economic analizat, mulimea de resurse utilizate {R
1
,
R
2
, ... R
m
} precum i prin relaiile tehnico-economice dintre acestea. Legtura dintre activiti i
resurse este determinat de tehnologia de fabricaie corespunztoare fiecrei activiti A
j
(j=1,...,n) i
poate fi caracterizat numeric prin vectorul coloan a
(j)
de componente (a
1j
, a
2j
, ... a
mj
). Elementele {a
ij
, i
= 1,...,m; j = 1,...,n} se numesc coeficieni tehnici sau coeficieni de consum specific i arat ce
cantitate din resursa R
i
se consum pentru producerea unei uniti din produsul (serviciul) P
j
(ca
rezultat al activitii A
j
). Toate "tehnologiile" de fabricaie definite de vectorii coloan a
(j)
se pot
organiza ntr-o matrice A cu m linii i n coloane; fiecare linie se refer la o resurs R
i
(i = 1,...,m) i
fiecare coloan se refer la o activitate A
j
(j = 1,...,n).
Notnd cu x
j
(j = 1,...,n) rezultatul activitii A
j
ntr-o perioad dat i cu b
i
(i = 1,...,m)
cantitile disponibile din resursele R
i
(i = 1,...,m), se pot scrie matematic urmtoarele restricii tehnico-
economice:
(1)
m n mn 2 m2 1 m1
2 n 2n 2 22 1 21
1 n 1n 2 12 1 11
b x a ... x a x a
b x a ... x a x a
b x a ... x a x a
+ + +
+ + +
+ + +

sau A x b
unde A =

,
_

mn m2 m1
2n 22 21
1n 12 11
a a a
a a a
a a a

; x =

,
_

n
2
1
x
x
x

i b =

,
_

n
2
1
b
b
b

Modelul matematic pentru problema linar.

xj cantitatea de producie de tip j
2
P1 P2 Pn Disp.
R1 a11 a12 a1n b1
R2 a21 a22 a2n b2

Rm am1 am2 amn bm
c1 c2 cn
m n mn 2 m2 1 m1
2 n 2n 2 22 1 21
1 n 1n 2 12 1 11
b x a ... x a x a
b x a ... x a x a
b x a ... x a x a
+ + +
+ + +
+ + +

4. Probleme de programare liniar (PPL); formele de prezentare. Noiune de
soluie (soluie admisibil; soluie de baz; soluie de reper i soluie optim).
Dac
ntr-o problem de programare matematic funcia obiectiv f i funciile g
i
, din restriciile 1.2, sunt funcii
liniare atunci problema se numete problem de programare liniar. O problem de programare liniar este,
deci, un caz particular al problemelor de programare matematic i, innd cont de forma oricrei funcii
liniare, rezult c forma general a oricrei probleme de programare liniar este:
Formele de prezentare:
1. Forma simetric
a) Pentru forma de maxim
( )

'

+ + +
+ + +
0 x ,..., x , x
n 1,..., i b x a ... x a x a
x c ... x c x c max
n 2 1
i n in 2 i2 1 i1
n n 2 2 1 1
f
3
b) Pentru forma de minim
( )

'

+ + +
+ + +
0 x ,..., x , x
n 1,..., i b x a ... x a x a
x c ... x c x c min
n 2 1
i n in 2 i2 1 i1
n n 2 2 1 1
f
2. Forma standard
( ) ( )

'

+ + +
+ + +
0 x ,..., x , x
n 1,..., i b x a ... x a x a
x c ... x c x c max sau min
n 2 1
i n in 2 i2 1 i1
n n 2 2 1 1
f
3. Forma canonic
O ppl este n forma canonic dac n fiecare restricie a modelului din forma standard exist cte o
variabil cu coef. 1 iar n celelalte restricii aceasta are coef. 0.
n teoria programrii matematice se folosesc, pentru claritatea i simplitatea expunerii, urmtoarele noiuni:
soluie a problemei de
optimizare
=
un vector x R
n
care verific restriciile 1.2
soluie admisibil a
problemei de
optimizare
=
un vector x R
n
care verific restriciile 1.2 i 1.3 o soluie care
verific restriciile 1.3
soluie optim a
problemei de
optimizare
=
un vector x R
n
care verific restriciile 1.2 i 1.3 i optimizeaz
funcia obiectiv pe mulimea tuturor vectorilor cu aceast
proprietate
o soluie care verific restriciile 1.3 i optimizeaz funcia
obiectiv pe mulimea tuturor soluiilor cu aceast proprietate
o soluie admisibil care optimizeaz funcia obiectiv pe
mulimea soluiilor admisibile
5. Proprietile fundamentale ale PPL( teoremele principale). Interpretarea
geometric a PPL. Metoda grafic de soluionare a PPL.
4
Greutatea gsirii soluiei problemei const n imensitatea numrului de soluiilor posibile ale
sistemului i n respectarea condiiei de nenegativitate a celor printre care cutm extremul dorit al
funciei f. Este natural ca primele ncercri n rezolvare s caute n primul rnd o limitare ct mai
puternic a locului n care cutm. Pe baza unor reprezentri geometrice ale problemei au fost descoperite
urmtoarele proprieti ale problemei, care poart denumirea de teoreme fundamentale ale programrii
liniare:
Teorema 1. Dac problema de programare liniar are soluii admisibile atunci are i soluii de baz
admisibile.
Teorema 2. Dac problema de programare liniar are soluii optime atunci are i soluii optime de
baz.
Teorema 3. Mulimea soluiilor admisibile (optime) este nchis i convex. Dac este i mrginit atunci
punctele extremale ale acesteia sunt chiar soluiile admisibile (optime) de baz ale problemei.
Cele dou teoreme realizeaz efectiv trecerea ctre o problem rezolvabil pe calculator. ntr-adevr,
deoarece o baz este un minor de ordinul m al matricii A i unei baze i corespunde o unic soluie de baz
rezult c sunt cel mult C soluii de baz, adic un numr finit. n acest moment s-ar prea c nu avem dect
s lsm calculatorul s calculeze toate soluiile de baz i valorile funciei obiectiv n cele admisibile
gsind-o prin comparare pe cea care d minimul sau maximul funciei printre acestea.
Ex:
Pas 1.
DVA: OABCD
6. Metoda simplex de soluionare a PPL.
Algoritmul simplex pleac de la presupunerea c dispunem deja de o soluie admisibil de baz xB,
corespunztoare unei baze B. De asemenea, presupunem c am rezolvat sistemul Ax = b folosind aceast
baz, rezultnd astfel variabilele principale n funcie de cele secundare:
5
D O
9 4
2
6
x2
x1
B
C
A
Exemplu: Fie problema de programare liniar:
( )

'

+ + + + +
+ + + + +
+ + + + +
+ + + + +
1,...,6 i , 0 x
11 x 2 x x 2 x 2 x 3x
15 x 2 x 3 x x 3 x 2 2x
8 x x 3 x x x 2 x
x 5 x 3 x 4 x x 2 x 3 max
i
6 5 4 3 2 1
6 5 4 3 2 1
6 5 4 3 2 1
6 5 4 3 2 1
f
pentru care tim c baza format din coloanele a
1
, a
2
, a
3
este admisibil. Pentru rezolvare vom aduce
problema la forma standard de maxim introducnd variabilele de abatere x
7
, x
8
, x
9
obinnd:
( )

'

+ + + + + +
+ + + + + +
+ + + + + +
+ + + + +
1,...,9 i , 0 x
11 x x 2 x x 2 x 2 x 3x
15 x x 2 x 3 x x 3 x 2 2x
8 x x x 3 x x x 2 x
x 5 x 3 x 4 x x 2 x 3 max
i
9 6 5 4 3 2 1
8 6 5 4 3 2 1
7 6 5 4 3 2 1
6 5 4 3 2 1
f
Vom aeza n tabelul simplex variabilele n ordinea indicilor i vom avea:
c =

,
_

0
0
0
5
3
4
1
2
3
, A =

,
_

1 0 0 2 1 2 2 1 3
0 1 0 2 3 1 3 2 2
0 0 1 1 3 1 1 2 1
, B =

,
_

2 1 3
3 2 2
1 2 1
, cB =

,
_

1
2
3
vom calcula matricea B
-1
=

,
_

7
2
7
5
7
4
7
1
7
1
7
5
7
4
7
3
7
1
i pe baza acesteia soluia de baz
x
B
= B
-1
* b =

,
_

3
2
1
i
matricea B
-1
A =

,
_

7
2
7
5
7
4
7
2
7
1
7
3
1 0 0
7
1
7
1
7
5
7
1
7
11
7
2
0 1 0
7
4
7
3
7
1
7
3
7
2
7
6
0 0 1
care se trec n tabelul
simplex:
6
3 2 1 4 3 5 0 0 0
c
B
x
B
x
B
x
1
x
2
x
3
x
4
x
5
x
6
x
7
x
8
x
9
3
2
1
x
1
x
2
x
3
1
2
3
7
2
7
5
7
4
7
2
7
1
7
3
1 0 0
7
1
7
1
7
5
7
1
7
11
7
2
0 1 0
7
4
7
3
7
1
7
3
7
2
7
6
0 0 1



i n final se vor calcula valoarea funciei obiectiv n aceast soluie, z
j
i
j
:
3 2 1 4 3 5 0 0
0
c
B
x
B
x
B
x
1
x
2
x
3
x
4
x
5
x
6
x
7
x
8
x
9
3
2
1
x
1
x
2
x
3
1
2
3
7
2
7
5
7
4
7
2
7
1
7
3
1 0 0
7
1
7
1
7
5
7
1
7
11
7
2
0 1 0
7
4
7
3
7
1
7
3
7
2
7
6
0 0 1



10
7
8
7
6
7
9
7
13
7
17
7
19
1 2 3
7
8
7
6
7
9
7
22
7
4
7
9
0 0 0
Din tabel se observ c exist
j
< 0, acetia fiind
4
,
5
,
6
,
8
iar minimul lor este
6
.
Observaie Dac vom cuta acel
j
care d cea mai bun mbuntire vom avea de gsit acel
j
dintre cei
negativi pentru care se obine

,
_

>

<

ij
i
0 a
3 i 1
j
0
9 j 4
a
min max
ij
j
x
i deci de calculat:
i4
i
0 a
3 i 1
4
a
min
i4
x
>


=

,
_

7
2
7
6
2
,
1
min
7
9
=
2
3
i5
i
0 a
3 i 1
5
a
min
i5
x
>


=

,
_

7
1
7
11
3
,
2
min
7
4
=
11
8
i6
i
0 a
3 i 1
6
a
min
i6
x
>


=

,
_

7
2
7
1
7
3
3
,
2
,
1
min
7
22
=
3
22
7
i8
i
0 a
3 i 1
8
a
min
i8
x
>


=

,
_

7
5
3
min
7
6
=
5
18
i n final max (
2
3
,
11
8
,
3
22
,
5
18
) =
3
22
i corespunde tot lui
6
.
n concluzie, soluia actual nu este optim i soluia cea mai bun dintre cele posibile ca succesoare va
avea variabila x
6
printre cele principale.
Analiznd coloana a
6
observm c exist componente strict pozitive (de fapt, n acest caz sunt chiar toate)
i calculm pentru acestea rapoartele
i
obinnd:

1
=
7
3
1
=
3
7
,
2
=
7
1
2
= 14,
3
=
7
2
3
=
2
21

deci minimul corespunde variabilei x
1
i aceasta este cea care va iei din baz. n cest moment cunoatem
noua baz i vom construi tabelul simplex pe baza regulilor de calcul de la pasul 4:
1. pivotul este a
16
=
7
3
4. de exemplu, pentru elementul de pe poziia a
34
avem dreptunghiul:
i noua valoare de pe aceast poziie va fi:
7
3
7
2
7
6
7
3
7
3

,
_

= 1
n final, tabelul corespunztor noii baze va fi:
3 2 1 4 3 5 0 0 0
c
B
x
B
x
B
x
1
x
2
x
3
x
4
x
5
x
6
x
7
x
8
x
9
5
2
1
x
6
x
2
x
3
3
7
3
5
3
7
3
2
1
3
2
0
3
1
1 1 0
3
2
3
1
0
3
2
0
3
5
0 0 1
3
1
3
4
1
3
1
1
3
2
2 0 0
3
7



3
52
3
16
4
3
7
0
3
8
5 0 0
3
22

Continund algoritmul vom gsi tabelele:
3 2 1 4 3 5 0 0 0
8
7
6
7
3

7
3
7
2
c
B
x
B
x
B
x
1
x
2
x
3
x
4
x
5
x
6
x
7
x
8
x
9
5
2
0
x
6
x
2
x
8
3
14
3
5
3
7
3
2
1
3
2
0
3
1
1 1 0
3
2
3
1
0
3
2
0
3
5
0 0 1
3
1
3
2
0
3
1
1
3
1
1 1 0
3
5



3
80
3
8
0
3
1
0
3
4
1 4 0
3
14

3 2 1 4 3 5 0 0 0
c
B
x
B
x
B
x
1
x
2
x
3
x
4
x
5
x
6
x
7
x
8
x
9
5
3
0
x
6
x
5
x
8
5
1
2
5
3
1
5
4
0 0 1 1
5
1
5
3
5
1
0
5
2
0 1 0 0
5
3
5
1
5
3
0
5
1
1 0 1 1
5
1
5
8

28
5
2
0
5
1
0 0 1 4
5
4
5
22
Ultimul tabel conine soluia optim, deoarece toi
j
0. Deoarece nu mai exist nici un
j
= 0 n afara
celor din baz rezult c soluia optim este unic.
7. Dualitatea n programarea liniar. Teoremele fundamentale ale teoriei
dualitii.
n principiu, oricrei probleme de programare liniar i se asociaz o alta, numit duala sa i n esen
teoria dualitii const n studiul relaiilor dintre cele dou probleme. Firete, construcia problemei duale
depinde nemijlocit de structura problemei iniiale denumit i problema primal. ntotdeauna sensul
optimizrii n cele dou probleme este diferit: dac n primal funcia obiectiv se maximizeaz (se
minimizeaz) n dual funcia obiectiv se minimizeaz (se maximizeaz). Studiul i interpretarea economic
a problemei duale aduc informaii suplimentare n analiza proceselor economice i n fundamentarea
deciziilor.
Pentru a conferi construciei problemei duale maxima generalitate vom slbi condiia de nenegativitate
impus tuturor variabilelor , admind c
unele din ele nu pot lua dect valori nepozitive ( 0) n timp ce altele pot lua orice valoare real.
Cu aceast observaie duala unei probleme de programare liniar cu m restricii i n variabile se construiete
dup urmtoarele reguli:
1) Dac n primal funcia obiectiv se maximizeaz (respectiv se minimizeaz) n problema dual funcia
obiectiv se minimizeaz (respectiv se maximizeaz).
2) Restriciei de rang i , i=1,...,m din primal i corespunde n dual o variabil ui; dac restricia primal
este o inegalitate concordant (respectiv neconcordant, respectiv o egalitate) variabila dual asociat este
nenegativ (0), ( respectiv nepozitiv (0), respectiv fr restricie de semn).
3) Variabilei xj , j=1,...,n din problema primal i corespunde n dual restricia de rang j. Membrul stng al
acestei restricii este o combinaie liniar a variabilelor duale ui realizat cu coeficienii variabilei xj din
toate restriciile primalei (acetia sunt aij, i=1,...,m). Termenul su liber este coeficientul cj al lui xj din
funcia obiectiv primal. n fine, dac variabila primal xj este nenegativ (respectiv nepozitiv, respectiv
9
fr restricie de semn) restricia dual asociat va fi o inegalitate concordant (respectiv neconcordant,
respectiv o egalitate).
4) Coeficienii funciei obiectiv ai problemei duale sunt termenii liberi bi ai restriciilor problemei primale.
Teorema (Teorema fundamental a dualitii) Pentru un cuplu de probleme n dualitate una i numai una
din urmtoarele situaii este posibil:
1) Ambele probleme au soluii admisibile; atunci ambele au soluii optime i valorile optime ale funciilor
obiectiv coincid.
2) Numai una din probleme are soluii admisibile, iar cealalt nu are; atunci problema compatibil are optim
infinit.
3) Nici una din probleme nu are soluii admisibile.
8. Interpretarea economic a dualitii n programarea liniar. Preurile umbr
ale factorilor de producie i rolul lor n analiza modelelor liniare.
Considerm o ntreprindere care produce bunurile G1,G2,...,Gm la preurile c1,c2,...,cn folosind pentru
aceasta mai multe resurse R1,R2,...,Rm disponibile n cantitile limitate b1,b2,...,bm. Consumurile specifice
de resurse pentru unul sau altul din bunurile realizabile de ctre firm sunt specificate n matricea:
Obiectivul firmei este maximizarea veniturilor rezultate din vnzarea bunurilor produse. n ipotezele de
liniaritate uzuale, programul liniar pentru determinarea combinaiei optime de bunuri este:
S notm cu combinaia de bunuri care aduce firmei venitul maxim :

Dac admitem c singura posibilitate a firmei de a obine venitul V* const n transformarea resurselor
disponibile n bunuri conform programului x* i vnzarea acestora este natural s ne ntrebm care este
contribuia fiecrei resurse n parte la formarea acestui venit.
La baza discuiei vom pune aceleai ipoteze de liniaritate care ne-au condus la modelul matematic (P) i
anume:
contribuia unei resurse la venitul maxim al firmei este - pn la o anumit limit - direct proporional cu
cantitatea disponibil;
10
nivelul contribuiei unei resurse nu este condiionat de celelalte resurse , ci numai de cantitatea n care ea se
afl disponibil.
2) Relaia (2.4.1) rescris n forma f(x*) = g(u*), coroborat cu teorema de dualitate 2.3.1, ne arat c u* este
chiar soluia optim a problemei duale Q.
Astfel, am gsit un coninut economic coerent variabilelor duale u1, u2,..., um din problema dual (Q). Ele
reprezint nite valori bneti asociate la cte o unitate din fiecare resurs disponibil a firmei i exprim
aportul unitar al fiecrei resurse la formarea venitului maxim. Strict dimensional, variabilele u1, u2,..., um
au semnificaia unor preuri ataate resurselor. Totui aceste preuri nu au nimic comun cu valoarea
intrinsec a resurselor ci - aa cum a rezultat din interpretarea dat - reflect numai msura participrii lor la
formarea venitului
maxim. Tocmai pentru a preveni identificarea lor cu preurile reale ale resurselor, n literatura de
specialitate, aceste entiti au fost denumite preuri umbr (shadow prices).
11
12