Algoritmul Simplex - MN

UNIVERSITATEA TEHNIC A MOLDOVEI
CATEDRA TERMOTEHNIC I MANAGEMENT N ENERGETIC
CURS TEORIA DECIZIILOR I STATISTICA GENERAL
Tema 6: ALGORITMUL SIMPLEX

METOD GENERAL DE REZOLVARE
A PROBLEMELOR DE PROGRAMARE LINIAR
Titular:
Conf. inter., dr., Viorica HLUSOV
Chiinu, 2015 1
Cuprins
6.1. Aspecte generale

6.2. Etapele algoritmului Simplex
6.3. Metoda bazei artificiale aplicat la rezolvarea problemelor care
nu admit soluie iniial de baz
6.4. Preuri umbr. Costuri reduse
6.5. Analiza senzitiv
6.6. Programarea n numere ntregi
6.7. Programarea liniar multiobiectiv
2 Cristina GHERMAN Contribuii la determinarea costului nivelat i a tarifelor la energiile regenerabile 9:04
6.1. ASPECTE GENERALE
Generaliti
Algoritmul Simplex sau Metoda Simplex este utilizat pe larg la

rezolvarea problemelor de programare liniar.
Metoda Simplex cerceteaz valorile funciei-obectiv n mulimea de

soluii admisibile de baz i permite trecerea de la o soluie la alta
mai bun fr a fi necesar cercetarea tuturor soluiilor admisibile
de baz, fiind un proces iterativ.
O soluie este mai bun dect alta, dac, de exemplu, la probleme

de maxim, valoarea funciei-obiectiv pentru prima soluie este mai
mare dect valoarea funciei-obiectiv pentru cealalt -
f ( x1 ) f ( x2 )
Generaliti
Pentru rezolvarea problemelor de programare liniar prin Algoritmul

Simplex, acestea trebuie s fie aduse la forma standard.
La obinerea formei standard a problemelor de programare liniar pot
s apar dou situaii
1) prima situaie apare atunci cnd n matricea A a coeficienilor din restricii
se gsete matricea unitate (matricea a crei diagonal principal este unitatea,
restul elementelor sunt nule). n acest caz, problema se rezolv conform
etapelor generale ale algoritmului Simplex.
2) a doua situaie apare atunci cnd n matricea A lipsesc una sau mai multe
componente ale matricei unitate. n acest caz, problema de programare liniar
se rezolv prin metoda bazei artificiale, numit i metoda penalizrilor.
6.2. ETAPELE ALGORITMULUI SIMPLEX
Etapele Algoritmului Simplex
pentru probleme de maxim
1) Se determin matricea A a coeficienilor variabilelor din restricii i se

determin vectorii Pi (care au drept componente coloanele matricei A). Apoi
se identific vectorii de baz, care au drept componente coloanele matricei
unitate, crora li se atribuie variabilele de baz.
2) Se determin o soluie admisibil de baz de pornire, prin anularea
variabilelor nebazice.
3) Se construiete tabelul Simplex:
c1 c2 cn
Baza c0 P0
P1 P2 Pn
zk - ck
c1 c2 cn
Baza c0 P0
P1 P2 Pn
zk - ck
n prima coloan baza se nscriu vectorii care s-au determinat ca fiind vectori de
baz, n ordinea corespunztoare matricei unitate.
n coloana a doua c0 se nscriu coeficienii din funcia-obiectiv cj care corespund
variabilelor de baz xj .
n coloana a treia P0 se nscriu componentele soluiei de pornire pentru
variabilele care intr n baz.
Pe prima linie din cciula tabelei se nscriu coeficienii cj din funcia-obiectiv a
tuturor variabilelor.
n coloanele P1, P2, , Pn se nscriu coloanele matricei A a coeficienilor
variabilelor din restricii.
c1 c2 cn
Baza c0 P0
P1 P2 Pn
zk - ck
Pe ultima linie din tabelul Simplex se calculeaz diferenele zk ck cu relaia:
n
zk ck c0 Pk ck
k 1
Practic se procedeaz astfel: se nmulesc elementele coloanei c0 pe rnd cu
elementele coloanelor P1, , Pn, sumnd rezultatele, i apoi se scade coeficientul ck
ce se afl deasupra coloanei Pk.
4) Se aplic criteriul de optimalitate:
Dac toate diferenele zk ck 0, atunci soluia este optim i aici se ncheie
rezolvarea problemei.
Soluia optim se citete pe coloana P0. Valoarea z0 c0 (din coloana P0) este
valoarea maxim a funciei-obiectiv, iar celelalte valori din coloana P0 sunt
valorile variabilelor care au intrat n baz.
n cazul n care exist i diferene zk ck < 0, soluia din coloana P0 nu este
optim. Atunci algoritmul de calcul continu prin modificarea vectorilor de baz.
5) Se schimb baza:
Criteriul de intrare n baz a vectorilor este:
min( zk ck ) zh ch , (zk ck < 0),
k
altfel spus, n baz va intra vectorul (din coloana Ph) cruia i corespunde cea mai
mic valoare negativ de pe linia zk ck .
6) Se aplic criteriul de ieire din baz:
Apar dou situaii:
1) Dac toate componentele vectorului Ph (de pe coloana sa), care a intrat n
baz, sunt nepozitive (valori negative i egale cu 0), atunci problema de
programare liniar nu are soluie i aici se ncheie algoritmul Simplex.
2) Dac componentele vectorului Ph, care a intrat n baz, sunt i strict pozitive
(0), atunci se aplic criteriul de ieire din baz.
Iese din baz vectorul Pj pentru care
bi bj
min , (aj > 0).
i aih a jh
Altfel spus, se alege valoarea minim a raportului dintre componentele soluiei
de baz (aflate pe coloana P0) i componentele strict pozitive ale vectorului Ph
care a intrat n baz.
7) Se determin elementul pivot:
Elementul aflat la intersecia coloanei vectorului Ph , care a intrat n baz, cu linia
vectorului Pj , care a ieit din baz, se numete pivot.
8) Se alctuiete un nou tabel Simplex:
Dup introducerea n coloana baza a vectorului Ph n locul lui Pj , se
nlocuiete n coloana c0 coeficientul ch din funcia-obiectiv.
Apoi se procedeaz astfel:
Regula 1:
Se obine mai nti linia vectorului Ph, care a intrat n baz, prin mprirea la
pivot a liniei care a corespuns vectorului Pj, care a ieit din baz. Astfel, n noul
tabel Simplex va aprea cifra 1 n locul pivotului.
Celelalte componente ale vectorului Ph trebuie s fie 0, 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 la elementul din coloana
pivotului, ce corespunde liniei care o construim, cu semnul opus, i se
adun la linia ce corespunde liniei pe care o construim din primul tabel
Simplex.
n coloana lui P0 se va obine, n al doilea tabel, o nou soluie admisibil
de baz, avnd componentele nenegative.
Se calcul apoi linia zk ck i se verific dup criteriul de optimalitate.
Dac se respect criteriul de optimalitate, atunci rezult c am obinut
soluia optim a problemei. n caz contrar algoritmul se repet ncepnd
cu etapa 5.
pentru probleme de minim
Etapele algoritmului Simplex pentru probleme de minim sunt identice

cu cele pentru problemele de maxim cu urmtoarele excepii:
Etapa 4. Aplicarea criteriului de optimalitate
Dac toate diferenele zk ck 0, atunci soluia este optim;
Dac exist i diferene zk ck > 0, soluia nu este optim i se trece la
etapa urmtoare.
Etapa 5. Schimbarea de baz

n baz va intra vectorul Ph cruia i corespunde cea mai mare valoare
pozitiv pe linia zk ck :
max( zk ck ) zh ch , (zk ck > 0).
k
Interpretarea soluiei optime a PPL
Variabile de decizie determin ceea ce se cere n problem,

adic ele determin decizia ce va fi luat. Valorile optime ale
variabilelor de decizie se citesc n ultimul tabel Simplex, pe coloana
lui P0 , cnd sunt satisfcute condiiile de optimalitate.
Dac variabila xj > 0 arat, c activitatea j, creia i-a fost ataat
variabila de decizie, este inclus n planul de producie, deci se
efectueaz ca activitate eficient.
Dac xj = 0, atunci activitatea j nu se efectueaz ea fiind
nerentabil.
Interpretarea soluiei optime a PPL
Valorile optime ale variabilelor de compensare se citesc la fel pe

coloana lui P0 .
Dac variabila de compensare din restricia i, ataat resursei Ri, este
nul, atunci restricia i este satisfcut cu semnul =, resursa Ri a fost
consumat n ntregime, deci este o resurs rar.
Dac variabila de compensare dintr-o restricie, n soluia optim, are o
valoare strict pozitiv atunci restricia este satisfcut ca inegalitate.
cnd restricia este de tipul , variabila de compensare a fost
adunat i valoarea ei arat ct din membrul drept a rmas
neutilizat;
cnd restricia este de tipul , variabila de compensare a fost
sczut i arat ct s-a realizat n plus fa de membrul drept.
6.3. METODA BAZEI ARTIFICIALE
Metoda bazei artificiale
Metoda bazei artificiale se aplic la rezolvarea problemelor de

programare liniar care nu admit soluie iniial de baz (atunci
cnd n matricea A nu se regsete matricea unitate).
Crearea bazei artificiale - Alturi de matricea A se adaug

coloanele din matricea unitate care lipsesc. Coloanele adugate
din matricea unitate sunt componente ale unor vectori artificiali.
Baza format cu ajutorul vectorilor artificiali se numete baz
artificial.
Adugarea vectorilor artificiali presupune adunarea unor noi
necunoscute n relaiile ce reprezint restriciile, care sunt numite
necunoscute artificiale i se noteaz prin x aj .
Metoda bazei artificiale
Pentru a determina soluia optim a unei probleme de

programare liniar (problema iniial), se consider o nou
problem, modificat, n care se schimb i expresia funciei-
obiectiv, folosind metoda celor M mari, unde M este un numr
foarte, numit factor de penalizare.
Unele programe de calculator consider M = 900 000 000.
ns cei ce lucreaz cu pixul i hrtia utilizeaz notaia acestui
factor M.
Metoda bazei artificiale pentru probleme de minim
Dac n matricea A, dup ce problema de programare liniar a

fost adus la forma standard, lipsesc unele coloane din matricea
unitate, se procedeaz n felul urmtor:
1) Se adaug la matricea A, coloanele din matricea unitate care lipsesc,

pentru a obine baza artificial.
2) Se adun cte o necunoscut artificial numai n restriciile indicate
de cifra 1 ce corespund vectorilor artificiali.
3) n funcia-obiectiv se adun produsul dintre vectorul de penalizare
M i suma variabilelor artificiale introduse.
Metoda bazei artificiale pentru probleme de maxim
Dac n matricea A, dup ce problema de programare liniar a

fost adus la forma standard, lipsesc unele coloane din matricea
unitate, se procedeaz n felul urmtor:
1) Se adaug la matricea A, coloanele din matricea unitate care lipsesc,
pentru a obine baza artificial.
2) Se adun cte o necunoscut artificial numai n restriciile indicate
de cifra 1 ce corespund vectorilor artificiali.
3) n funcia-obiectiv se scade produsul dintre vectorul de penalizare
M i suma variabilelor artificiale introduse.
6.4. PREURI UMBR. COSTURI REDUSE
Preuri umbr
n cazul refacerii structurii planului 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.
Informaiile despre resursele valoroase se obin cu ajutorul
preurilor umbr, care sunt ataate fiecrei resurse.
Preul umbr ataat unei resurse este cantitatea cu care se va
modifica (crete sau scade) valoarea optim a funciei-obiectiv, dac
se va crete cu o singur unitate cantitatea disponibil din acea
resurs.
De exemplu, am determinat planul de producie i am vzut c resursa
Ri este o resurs rar, atunci dac disponibilul ei se va suplimenta cu o
singur unitate, funcia-obiectiv va crete sau va descrete cu valoarea
preului umbr ataat acestei resurse.
Preuri umbr
Preurile umbr se citesc pe ultima linie din tabelul Simplex,

pe linia lui zk-ck
n dreptul coloanelor vectorilor care au format baza iniial n
ordinea vectorilor din matricea unitate (fcnd M = 0) sau
pe coloanele variabilelor artificiale, tot n ordinea coloanelor din
matricea unitate iniial, fcnd M = 0 sau
n dreptul coloanelor variabilelor de compensare sczute
pentru aducerea la forma standard, dar acestei citiri i se va
schimba semnul.
Preuri umbr
Preul umbr ataat unei resurse rare, pentru care variabila de

compensare este egal cu 0, este nenul.
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.
Costul redus
Costul redus pentru o variabil de decizie care are valoarea zero

(xj = 0) n soluia optim, este cantitatea necesar pentru a crete (sau
micora) coeficientul acelei variabile, n funcia-obiectiv, astfel ca
dup modificarea acelui coeficient, variabila s aib 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 x1 = 0, i se
impune ca restricie x1 0, profitul va scdea exact cu valoarea costului
redus a variabilei x1.
Costul redus se citete pe ultima linie din tabelul Simplex, pe linia lui
zk-ck, n dreptul coloanelor ce corespund variabilelor de decizie.
Generalizare
Rezultatele obinute n urma rezolvrii problemei de programare

liniar se sistematizeaz n urmtorul tabel
Variabilele de decizie Costul redus
Variabilele de compensare Preurile umbr
6.5. ANALIZA SENZITIV
Aspecte generale
n modelul matematic al problemei de programare liniar

pn n prezent s-au considerat doi parametri care erau cunoscui cu
exactitate i fixai, precum
coeficienii variabilelor din funcia-obiectiv i
termenii liberi din restricii.
Aspecte generale
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 energiei electrice.
Aspecte generale
Termenii liberi din restricii pot fi

cantiti disponibile din resurse,
condiii de vnzare, de contractare etc.
Termenii liberi se pot schimba, fie de la o producie la alta, fie n timpul

procesului de producie studiat.
Aspecte generale
Totodat, se poate ntmpla ca valoarea acestora s nu fie cunoscut cu

exactitate, oscilnd n jurul unei valori probabile, cum ar fi de
exemplu
experii firmei estimeaz c n luna urmtoare preul bunului ... va fi n
jur de 18 u.m. sau
directorul executiv apreciaz c pentru luna urmtoare disponibilul
resursei ... va fi c-am de 130 de uniti.
Aspecte generale
Deoarece coeficienii variabilelor din funcia-obiectiv i termenii liberi

din restricii sunt variabili, variaz, respectiv, i soluia optim a
problemei.
Uneori, variaiile acestor parametri conduc la aceeai soluie optim sau
dau diferene mici ale soluiei optime, n acest caz soluia optim este
insenzitiv la schimbri.
Este posibil, ns, i o schimbare considerabil a soluiei optime la

variaia acestora.
Aspecte generale
Pentru a determina cum influeneaz variaiile coeficienilor din funcia-

obiectiv i a termenilor liberi din restricii asupra soluiei optime, n
practica teoriei deciziilor este aplicat analiza senzitiv.
n continuare se va prezenta
analiza senzitiv pentru coeficienii din funcia-obiectiv i
analiza senzitiv 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 fiecare dintre coeficieni,
astfel nct soluia optim s rmn neschimbat.
Aceasta nseamn c n aceste intervale, valorile variabilelor optime xj ,
j = 1,,n, rmn aceleai, dar valoarea optim a funciei-obiectiv se
poate schimba, din cauza modificrii coeficienilor variabilelor din
funcia-obiectiv.
n general, pentru problema iniial:

Z c1 x1 c2 x2 ... cn xn opt
m

aij x j bi
i 1
x j 0, j 1, ..., n.

pentru analiza senzitiv a coeficienilor c1, c2, ... cn se vor rezolva un numr
de n probleme n care se modific, pe rnd, doar un coeficient din funcia-
obiectiv:
Problema 1 Problema 2 Problema n
Z (c1 ) x1 c2 x2 ... cn xn opt Z c1 x1 (c2 ) x2 ... cn xn opt Z c1 x1 c2 x2 ... (cn ) xn opt
m m m

aij x j bi aij x j bi aij x j bi
i 1 i 1 i 1
x j 0, j 1, ..., n. x j 0, j 1, ..., n. x j 0, j 1, ..., n.

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;
se adaug n coloane C0 , pentru coeficienii variabilelor bazice, valorile
crora se vor introduce doar n ultimul tabel Simplex;
se calculeaz nc n linii Zk-ck 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 P0 a problemei iniiale s
rmn aceeai.
3+ 4 8 0 0
3 4+ 8 0 0
Baza C0I C0II C0III C0 P0 3 4 8+ 0 0
c1 = 3 c2 = 4 c3 = 8 c4 = 0 c5 = 0
P1 P2 P3 P4 P5
P4 0 90 2 3 5 1 0
P5 0 50 1 2 0 1
Zj-cj 0 -3 -4 -8 0 0
P4 0 20/3 -1/3 0 1 -5/3
P3 8 50/3 1/3 2/3 1 0 1/3
Zk-ck 400/3 -1/3 4/3 0 0 8/3
P1 3+ 3 3 3 20 1 -1 0 3 -5
P3 8 8 8+ 8 10 0 1 1 -1 2
Zk-ck 140 0 1 0 1 1
1. Zk-ck 140+20 0 1- 0 1+3 1-5
2. Zk-ck 140 0 1- 0 1 1
3. Zk-ck 140+10 0 1+ 0 1- 1+2
Analiza senzitiv pentru termenii liberi din restricii
Restriciile sunt ataate resurselor, iar resurselor sunt asociate preurile

umbre.
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 exemplu 10
u.m., pe o unitate din acea resurs, se poate suplimenta foarte mult valoarea
disponibil din resurs, de exemplu cu 500 de uniti, spernd c beneficiul va
crete cu 10 500 = 5000 u.m., 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.
Pentru analiza senzitiv a termenilor liberi din restricii, 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.
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.
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:
se introduc n plus un numr de m coloane ale soluiilor celor m
probleme, pe lng coloana P0 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.
c1=10 c2=6 c3=8 c4=0 c5=0 c6=0

Baza C0 PI PII PIII P0
P1 P2 P3 P4 P5 P6
P4 0 10+ 10 10 10 1 1 1 1 0 0
P5 0 18 18+ 18 18 3 1 0 1 0
P6 0 0 0 0 -1 3 -1 0 0 -1
Zk-cr 0 0 0 0 -10 -6 -8 0 0 0
P4 0 1+ 1-/2 1 1 0 -1/2 1 -1/2 0
P1 10 9 9+/2 9 9 1 3/2 1/2 0 1/2 0
P6 0 9 9+/2 9+ 9 0 9/2 -1/2 0 1/2 1
Zr-cr 90 90+5 90 90 0 9 -3 0 5 0
P3 8 2+2 2- 2 2 0 -1 1 2 -1 0
P1 10 8- 8+ 8 8 1 2 0 -1 1 0
P6 0 10+ 10 10+ 10 0 4 0 1 0 1
Zr-ck 96+6 96+2 96 96 0 6 0 6 2 0
6.6. PROGRAMAREA N NUMERE NTREGI
Aspecte generale
Soluia optim a unei probleme de programare liniar, obinut prin

algoritmul Simplex, se afl n mulimea numerelor reale nenegative R+ .
n unele cazuri, aceast soluie poate fi acceptabil dac, de exemplu,
trebuie fabricate un numr de 18,75 tone de aliaj.
Dac ns produsele fabricate sunt indivizibile, de exemplu se fabric
birouri, televizoare, maini etc., atunci soluia optim se caut n
mulimea numerelor ntregi nenegative Z+.
Soluia optim a unei probleme, cutat n mulimea Z+, nu se poate
obine prin rotunjirea soluiei optime a aceleiai probleme, gsit prin
algoritmul simplex n R+.
Uneori, prin rotunjirea unei soluii aflate n R+ se poate obine o
soluie care nu verific restriciile, deci care nu este nici mcar o
soluie admisibil.
Aspecte generale
De aceea pentru determinarea soluiei optime n numere ntregi se

aplic o programare discret - programarea n numere ntregi, care
are la baz diverse metode.
Cele mai pe larg aplicate metode de determinare a soluiei optime n
numere ntregi sunt
Metoda Ramific i Mrginete (Branch and Bound);
metoda Gomory.
Ambele metode pot folosi algoritmul Simplex. Iniial se rezolv
problema de baz, apoi se adaug restricii noi, obinndu-se un ir de
probleme, pn se determin soluia optim n Z+ ori pn se afl c
problema nu are soluie.
Metoda Ramific i Mrginete
Se consider o problem pentru care soluia optim se caut n

mulimea Z+.
Mai nti se rezolv problema prin algoritmul Simplex. Dac soluia
optim cutat n R+ conine numai numere ntregi, atunci aceasta este
i soluia optim n Z+.
Dac ns unele valori ale variabilelor sunt numere fracionate, atunci
aceast soluie optim, obinut prin algoritmul Simplex, nu este soluia
optim cutat.
n acest caz se poate aplica metoda Ramific i Mrginete.
Fie, de exemplu, una dintre valorile soluiei optime din R+, 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 Z+ trebuie cutat n afara acestui interval.
Avem, deci, dou posibiliti:
a) x 7 sau
b) x 8 .
Aceste doua 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):
a) x 7 sau
b) x 8 .
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.
Termenul Mrginete 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.
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 Z+, dac
exist.
Metoda Ramific i Mrginete: exemplu
S se determine soluia optim n numere ntregi i pozitive pentru

problema:
Z 6x1 5x 2 max
2x1 5x 2 20

2x1 x 2 6
xj Z+, j = 1, 2.
Soluia optim a problemei:

x1 = 1,25, x2 = 3,5, iar Z = 25.
Dar aceasta nu este soluia cutat n Z+.

Prin rotunjirea valorilor ar rezulta:
a) x1 = 1, x2 = 3, iar Z = 61 + 53 = 21, deci aceasta nu este soluia
optim.
b) x1 = 1, x2 = 4, care ns nu poate fi soluie optim deoarece nu
verific prima restricie - 21 + 54 = 22 < 20, i, totodat, soluia
nu este nici chiar soluie admisibil.
De aceea pentru a obine soluia optim a acestei probleme vom aplica
metoda Ramific i Mrginete.
Din problema de baz va rezulta alte dou probleme.

Deoarece x2 = 3,5 (3,4), iar n intervalul deschis (3,4) nu exist nici un
numr ntreg, soluia trebuie cutat n afara acestui interval.
Exist dou posibiliti:
a) x2 3 sau
b) x2 4 .
Problema I:
Z 6x1 5x 2 max
2x1 5x 2 20

2x1 x 2 6
x 3
2
xj Z+, j = 1, 2.
Aplicnd algoritmul Simplex rezult urmtoarea soluie optim:

x1 = 1,5, x2 = 3, iar Z = 24.
Problema II:
Z 6x1 5x 2 max
2x1 5x 2 20

2x1 x 2 6
x 4
2
xj Z+, j = 1, 2.
Soluia optim: x1 = 0, x2 = 4, iar Z = 20.
Aceasta este o soluie admisibil deoarece are componentele numere
ntregi dar poate s nu fie soluia optim.
Trebuie cercetate anumite ramuri acele problemei I n care x1 = 1,5 (1,2).
De aici rezult ca x1 se afla n afara intervalului (1,2), adic x1 1 sau
x1 2 . Rezult problema III sau IV.
Problema III:
Z 6x1 5x 2 max
2x1 5x 2 20
2x x 6
1 2

x 2 3
x1 1
xj Z+, j = 1, 2.
Soluia optim - x1 = 1, x2 = 3, iar Z = 21.
Problema IV:
Z 6x1 5x 2 max
2x1 5x 2 20
2x x 6
1 2

x 2 3
x1 2
xj Z+, j = 1, 2.
Soluia optim - x1 = 2, x2 = 2, iar Z = 22.
Problemele II, III i IV au soluii n Z+, dar cea mai mare valoare
pentru funcia-obiectiv este n problema IV. Rezult c soluia optim n
Z+ a problemei iniiale este:
x1 = 2, x2 = 2, iar Z = 22,
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:

Problema III
x1 = 1
x2 = 3
max Z = 21
Problema I
1

x1
x1 = 1,5
3 x2 = 3
x2 max Z = 24
Problema IV
x1

2
Problema iniial x1 = 2
x2 = 2
x1 = 1,25 max Z = 22
x2 = 3,5
max Z = 25
x2 Problema II
4
x1 = 0
x2 = 4
max Z = 20
Evident c se putea ncepe cu ramificarea, cu valoarea primei variabile

x1 = 1,25 (1,2). Din problema iniial se obin acum alte dou probleme care
au respectiv restriciile x1 1 sau x1 2.
Problema III
x1 = 1
x2 = 3
max Z = 21
Rezult i n acest caz c
Problema I
soluia optim cutat este cea
3

x2
x1 = 1
1 x2 = 3,6 de la problema II.
x1 max Z = 24
Problema IV
Pentru problema de minim se
x2

4
Problema iniial x1 = 0
x2 = 4 procedeaz similar.
x1 = 1,25 max Z = 22
x2 = 3,5
max Z = 25
Problema II
x1
2
x1 = 2
x2 = 2
max Z = 22
O ntreprindere poate fabrica patru produse: A, B, C i D folosind 3 resurse,

conform tabelului: R1 materie prim (kg), R2 manoper direct pe main
(ore), R3 - manoper cu finisarea (ore).
Profitul unitar se msoar n uniti monetare.
Tabelul 1. Datele iniiale ale problemei
Consumuri specifice
Resurse Disponibil
A B C D
R1 10 15 3 5 100
R2 3 2 7 5 90
R3 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.
6.7. PROGRAMAREA LINIAR
MULTIOBIECTIV
Generaliti
Modelele problemelor de programare linear studiate pn n prezent,

aveau un singur obiectiv, exprimat printr-o funcie-obiectiv, care trebuia
maximizat sau minimizat.
Exist, ns, situaii cnd este necesar satisfacerea simultan a mai multor
obiective, cum ar fi
utilizarea deplin a forei de munc;
ncrcarea capacitilor de producie;
obinerea unui anumit profit indicat,
toate n condiiile unui volum de investiii limitat.
Modelul matematic n care se include satisfacerea a dou sau mai

multor obiective ce trebuie ndeplinite simultan este dat de programarea
multicriterial.
Generaliti
Diferenele principale care exist ntre programarea linear unicriterial

i cea multicriterial:
n programarea unicriterial exist un singur obiectiv ce trebuie optimizat, pe
cnd n programarea multicriterial exist cel puin dou obiective ce trebuie
realizate simultan.
n programarea unicriterial, pe lng soluia optim se obine i valoarea
optim a funciei-obiectiv; n cadrul programrii multicriteriale exist o
evaluare numeric pentru fiecare obiectiv.
De exemplu, directorul unei ntreprinderi are ca prim-obiectiv obinerea unui
profit brut de 2 de milioane uniti monetare lunar. Acest obiectiv poate fi
realizat sau nu.
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.
Modelul matematic al problemei
de programare linear multicriterial
Modelul matematic al problemei de programare liniar multicriterial

cuprinde:
un numr de n variabile de decizie xj , j = 1, , n ;
un numr de k (k 2) obiective (O1, O2, , Ok), pentru care se
cunosc nite evaluri numerice g1, g2, , gk ;
un numr de m restricii obinuite.
Iniial, cele k obiective se exprim n felul urmtor:

O1 : c11 x1 c12 x2 ... c 1n xn (, , ) g1

...
O : c x c x ... c x ( , , ) g .
k k1 1 k 2 2 kn n k
Restriciile:
a11 x1 a12 x2 ... a 1n xn ( , , )b1

...
a x a x ... a x (, , )b .
m1 1 m2 2 mn n m
Condiia de nenegativitate:
xj 0, j = 1, , n.
Este posibil ca unele obiective s nu poat fi satisfcute aa cum s-a

propus. n acest caz, pentru obiectivul i se introduce, mai nti, notaia:
ci1x1 + ci2x2 + + cinxn = gi + di , i = 1, , k ,
unde di este o variabil deviaional de la obiectivul i .
Variabila deviaional poate avea un semn oarecare, dar deoarece n

forma standard se cere ca toate variabilele din program s fie nenegative,
se face urmtoarea substituie
di di - di- , di 0 , di- 0 , i = 1, , k .
Astfel, obiectivul i se exprim prin
Se observ c modelul matematic n programarea multicriterial pentru

exprimarea unui obiectiv conine dou operaii
se adaug o pereche de variabile deviaionale n fiecare relaie ce
exprim un obiectiv, adic , i = 1, , k;
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.
Funcia-obiectiv a modelului matematic de programare multicriterial

minimizeaz suma variabilelor deviaionale, care mpiedic realizarea
obiectivelor, nmulite eventual cu ponderi i prioriti, care sunt coeficieni ai
variabilelor deviaionale din funcia-obiectiv:
k
Z ( Pi Wi di Pi Wi di ) min,
i 1
Dac obiectivele au prioriti egale i ponderi egale cu 1 atunci funcia-

obiectiv este:
k
Z (di di ) min.
i 1
Sunt de menionat urmtoarele aspecte ale variabilelor deviaionale care

intr n funcia-obiectiv:
dac relaia iniial ce exprim obiectivul i conine inegalitatea de tipul ,
atunci n funcia-obiectiv va intra variabila deviaional di ;
dac relaia iniial ce exprim obiectivul i are semnul = , atunci n
funcia-obiectiv vor intra ambele variabile deviaionale di i d i ;
dac relaia iniial ce exprim obiectivul i conine inegalitatea de tipul ,
atunci n funcia-obiectiv va intra variabila deviaional d i .
Forma cea mai general a modelului matematic n programarea multicriterial
este urmtoarea:
a) Funcia-obiectiv
k
Z ( Pi Wi di Pi Wi di ) min.
i 1
b) Obiectivele
c11 x1 c12 x2 ... c 1n xn d1 d1 g1

...
c x c x ... c x d d g .
k1 1 k 2 2 kn n k k k
c) Restriciile
a11 x1 a12 x2 ... a 1n xn (, , )b1

...
a x a x ... a x (, , )b .
m1 1 m 2 2 mn n m
d) Condiiile de nenegativitate
xj 0, j = 1, , n, di 0, d i 0, i = 1, , k.
Dup determinarea soluiei optime, care arat modul n care au fost

ndeplinite sau nu obiectivele, urmeaz interpretarea i analiza rezultatelor
de ctre manager.
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.
Cristina GHERMAN Contribuii la determinarea costului nivelat i a tarifelor la energiile regenerabile 9:04

Algoritmul Simplex - MN

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Algoritmul Simplex - MN

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSITATEA TEHNIC A MOLDOVEI

CATEDRA TERMOTEHNIC I MANAGEMENT N ENERGETIC

CURS TEORIA DECIZIILOR I STATISTICA GENERAL

Tema 6: ALGORITMUL SIMPLEX

6.1. Aspecte generale

Algoritmul Simplex sau Metoda Simplex este utilizat pe larg la

Metoda Simplex cerceteaz valorile funciei-obectiv n mulimea de

O soluie este mai bun dect alta, dac, de exemplu, la probleme

Pentru rezolvarea problemelor de programare liniar prin Algoritmul

1) Se determin matricea A a coeficienilor variabilelor din restricii i se

Pe ultima linie din tabelul Simplex se calculeaz diferenele zk ck cu relaia:

Etapele algoritmului Simplex pentru probleme de minim sunt identice

Etapa 5. Schimbarea de baz

Variabile de decizie determin ceea ce se cere n problem,

Valorile optime ale variabilelor de compensare se citesc la fel pe

Metoda bazei artificiale se aplic la rezolvarea problemelor de

Crearea bazei artificiale - Alturi de matricea A se adaug

Pentru a determina soluia optim a unei probleme de

Dac n matricea A, dup ce problema de programare liniar a

1) Se adaug la matricea A, coloanele din matricea unitate care lipsesc,

Dac n matricea A, dup ce problema de programare liniar a

n cazul refacerii structurii planului de producie, este necesar s se

Preurile umbr se citesc pe ultima linie din tabelul Simplex,

Preul umbr ataat unei resurse rare, pentru care variabila de

Costul redus pentru o variabil de decizie care are valoarea zero

Rezultatele obinute n urma rezolvrii problemei de programare

Variabilele de decizie Costul redus

Variabilele de compensare Preurile umbr

n modelul matematic al problemei de programare liniar

n general, coeficienii variabilelor din funcia-obiectiv reprezint -

Aceti coeficieni se pot schimba de la o producie la alta, din cauze

Termenii liberi din restricii pot fi

Termenii liberi se pot schimba, fie de la o producie la alta, fie n timpul

Totodat, se poate ntmpla ca valoarea acestora s nu fie cunoscut cu

Deoarece coeficienii variabilelor din funcia-obiectiv i termenii liberi

Este posibil, ns, i o schimbare considerabil a soluiei optime la

Pentru a determina cum influeneaz variaiile coeficienilor din funcia-

Analiza senzitiv pentru coeficienii variabilelor din funcia-

n general, pentru problema iniial:

Practic, algoritmul Simplex d simultan soluia optim a problemei

3. Zk-ck 140+10 0 1+ 0 1- 1+2

Restriciile sunt ataate resurselor, iar resurselor sunt asociate preurile

Pentru analiza senzitiv a termenilor liberi din restricii, avem

Pentru aflarea acestor intervale, din problema iniial se obin alte m

c1=10 c2=6 c3=8 c4=0 c5=0 c6=0

P4 0 1+ 1-/2 1 1 0 -1/2 1 -1/2 0

P1 10 9 9+/2 9 9 1 3/2 1/2 0 1/2 0

P6 0 9 9+/2 9+ 9 0 9/2 -1/2 0 1/2 1

Zr-ck 96+6 96+2 96 96 0 6 0 6 2 0

Soluia optim a unei probleme de programare liniar, obinut prin

De aceea pentru determinarea soluiei optime n numere ntregi se

Se consider o problem pentru care soluia optim se caut n

Termenul Ramific se refer la faptul c din problema iniial rezult

Termenul Mrginete se refer la faptul c valoarea variabilelor care

S se determine soluia optim n numere ntregi i pozitive pentru

Soluia optim a problemei:

Dar aceasta nu este soluia cutat n Z+.

Din problema de baz va rezulta alte dou probleme.

Aplicnd algoritmul Simplex rezult urmtoarea soluie optim:

Soluia optim - x1 = 1, x2 = 3, iar Z = 21.

Soluia optim - x1 = 2, x2 = 2, iar Z = 22.

Rezolvarea acestei probleme poate fi dat sub forma unui arbore:

Evident c se putea ncepe cu ramificarea, cu valoarea primei variabile