Documente Academic
Documente Profesional
Documente Cultură
PROGRAMARE LINIARA
4. Metoda simplex
Deoarece ştim că dacă programul în formă standard (P) are optim finit
o soluţie optimă va fi cu necesitate o soluţie de bază şi deci va fi asociată unei
baze B*, este natural să ne întrebăm cum găsim această bază optimală
B*.Traducând în termeni algebrici procedeul geometric “naiv”, descris în
finalul secţiunii 3.2, rezultă următoarea procedură:
f ( y) = f − ∑ c j y j ≤ f = f ( x )
j∈J
Inegalitatea de mai sus arată că, dintre toate soluţiile admisibile ale
programului(P),soluţia x din (3.5.10) oferă funcţiei obiectiv f cea mai mare
valoare posibilă. Dacă costurile reduse sunt pozitive şi y ≠ x atunci
inegalitatea de mai sus este strictă, fapt care probează unicitatea soluţiei
optime x .
xk = θ ≥ 0 ; xj = 0 , j ∈ J , j ≠ k (4.1.1)
Rezultă:
x i = b i − θa ik , i ∈ I (4.1.2)
40 I. PROGRAMARE LINIARA
Notăm cu x (θ) soluţia ale cărei componente sunt definite în (4.1.1) şi
(4.1.2). Condiţia enunţului face ca x (θ) ∈ A , (∀) θ ≥ 0. Evaluăm funcţia
obiectiv în soluţia x (θ) :
f ( x(θ)) = f − θ c k (4.1.3)
Rezultă imediat că: lim f ( x(θ)) = +∞ .Deci f este nemărginită superior pe A şi
θ→∞
ca urmare (P) are optim infinit.
br b
= min i (4.1.4)
a rk i∈I aik >0 a ik
A k = BA k = ∑ a ik A i + a rk A r
i∈I ,i ≠ r
a ik i 1 k
Ar = − ∑ A + A
i∈I ,i ≠ k a rk a rk
br
Pentru i = r avem x r = b r − a rk = 0 aşa că soluţia de mai sus poate fi
a rk
rescrisă astfel:
x j = 0 , j ∈ J , j ≠ k ; x r = 0
br br (4.1.6)
x i = b i − a a ik , i ∈ I, i ≠ r ; x k = a
rk rk
- dacă a ik ≤ 0 atunci xi ≥ 0;
br b b
- dacă a ik > 0 atunci b i − a ik ≥ 0 ⇔ i ≥ r care are loc
a rk a ik a rk
conform alegerii indicelui r (vezi (4.1.4)).
În al doilea rând remarcăm că x ′ este soluţia asociată bazei B'. Într-adevăr, din
(4.1.6) rezultă că în x ′ toate variabilele secundare în raport cu baza B' au
valoarea 0. Afirmaţia rezultă acum din unicitatea soluţiei asociate unei baze.
br
f ( x ′) = f − c k ≥ f = f ( x) (4.1.7)
a rk
max f = f − ∑ c ′j x j − c r′ x r
j∈J , j≠ k
x i + ∑ a ij′ x j + a ir′ x r = b i′ i ∈ I, i ≠ r
( PB' ) j∈J , j≠ k (4.1.8)
x k + ∑ a kj ′ x j + a kr
′ x r = b k′
j∈J , j≠ k
x1 , x 2 ,..., x n ≥ 0
(Vom remarca faptul că unele elemente din (4.1.8) sunt deja evaluate! Astfel,
termenii liberi, adică valorile noilor variabile bazice, sunt daţi de (4.1.6) în
timp ce constanta f ′ , care este valoarea funcţiei obiectiv în noua soluţie de
bază x ′ , a fost obţinută în (4.1.7).)
x r + ∑ a rj x j + a rk x k = b r
j≠ k
a rj a ik b
x i + ∑ ( a ij − )x j − x r = b i − r a ik , i ∈ I, i ≠ r (4.1.10)
j≠ k a rk a rk a rk
br a rj c
f = (f − ck ) − ∑ (c j − ck )x j + k x r (4.1.11)
a rk j≠ k a rk a rk
a rj i ∈ I, i ≠ r a
a ij′ = a ij − a ik ; a ir′ = − ik i ∈ I, i ≠ r
a rk j ∈J, j ≠ k a rk
a rj 1
′ =
a kj j ∈ J , j ≠ k ; a kr
′ = (4.1.12)
a rk a rk
br a rj ck
f′ = f − ck ; c ′j = c j − ck j ∈ J , j ≠ k ; c r′ = −
a rk a rk a rk
c k = min c j (4.2.1)
j∈J
Pasul 3. Dacă:
a ik ≤ 0 , i ∈ I ( ⇔ A k ≤ 0)
br b
= min i (4.2.2)
a rk i∈I aik >0 a ik
b
f ( x ′) − f ( x) = − r c k (4.2.3)
a rk
br
Cum ≥ 0 (vezi (4.2.2)) urmează că introducerea în bază a oricărei coloane
a rk
nebazice Aj cu c j < 0 îmbunătăţeşte valoarea curentă a funcţiei obiectiv.
Alegerea coloanei nebazice care va intra în baza curentă după formula (4.2.1)
asigură funcţiei obiectiv cea mai mare viteză de variaţie şi în general conduce
la terminarea algoritmului în mai puţine iteraţii.
2) Se poate arăta uşor că dacă situaţia descrisă în pasul 3 are loc atunci
vectorul w = (w1,w2,...,wn)T definit prin:
w i = − a ik , i ∈ I ; w j = 0 , j ∈ J , j ≠ k ; w k = 1 (4.2.4)
(altfel spus, orice soluţie optimă este o combinaţie convexă a soluţiilor optime
de bază)
max f = 2 x1 + x 2
( P) x1 − x 2 ≤ 4 ; 3x1 − x 2 ≤ 18 ; − x1 + 2 x 2 ≤ 6
x1 ≥ 0 , x 2 ≥ 0
x2
Figura 4.2.1
Aducem (P) la forma standard adăugând variabilele de abatere x3, x4, x5:
max f = 2 x1 + x 2
x1 − x 2 + x 3 = 4
( FSP) 3x1 − x 2 + x4 = 18
− x + 2 x + x5 = 6
1 2
x j ≥ 0 , j = 1,...,5
1 = 0 , x2 = 0 , x3 = 4 , x4 = 18 , x5 = 6
48 I. PROGRAMARE LINIARA
2 1 0 0 0
cB B VVB A1 A2 A3 A4 A5
0 A3 4 1 -1 1 0 0 x 1 - x 2 + x3 = 4
0 A4 18 3 -1 0 1 0 3x1 - x2 +x4 = 18
0 A5 6 -1 2 0 0 1 -x1+2x2 +x5 = 6
f 0 -2 -1 * * * -2x1 -x2 +f = 0
1
22 A 4 1 -1 1 0 0 x1 -x2 + x3 = 4
0 A4 6 0 2 -3 1 0 2x2 -3x3 +x4 = 6
0 A5 10 0 1 1 0 1 x 2 + x3 +x5 = 10
f 8 * -3 2 * * -3x2 +2x3 +f = 8
2 A1 7 1 0 -1/2 1/2 0 x1 - 1/2x3+1/2x4 = 7
1 A2 3 0 1 -3/2 1/2 0 x2 -3/2x3+1/2x4 = 3
0 A5 7 0 0 5/2 -1/2 1 5/2x3 - 1/2x4 +x5 = 7
f 17 * * -5/2 3/2 * -5/2x3+3/2x4 +f = 17
1
2 A 42/5 1 0 0 2/5 1/5 x1 +2/5x4 +1/2x5 =
42/5
1 A2 36/5 0 1 0 1/5 3/5 x2 +1/5x4 +3/5x5 = 36/5
0 A3 14/5 0 0 1 -1/5 2/5 x3 -1/5x4 +2/5x5 =
14/5
f 24 * * * 1 1 x4 + x5 +f = 24
Componentele
soluţiei de bază Soluţia Valoarea
Soluţia Baza generată de algoritm programului funcţiei
x1 x2 x3 x4 x5 (P) obiectiv
S0 B0 = [A3 , A4 , 0 0 4 18 6 (0 , 0) 0
A5]
S1 B = [A1 , A4 ,
1
4 0 0 6 10 (4 , 0) 8
A5]
S2 B2 = [A1 , A2 , 7 3 0 0 7 (7 , 3) 17
A5]
S3 B3 = [A1 , A2 , 42/5 36/5 14/5 0 0 (42/5 , 36/5) 24
A3]
4. Metoda simplex 49
Tabelul 4.2.5
programului (P), asociate prin corespondenţa Φ din finalul secţiunii 3.3 (vezi
tabelul 4.2.5).
Urmărind imaginea grafică (fig. 4.2.1), deducem sensul geometric al
algoritmului simplex: procedura pleacă dintr-un vârf al mulţimii soluţiilor
admisibile apoi se deplasează către un vârf “vecin” mai bun ş.a.m.d. până la
găsirea soluţiei optime.
Vom spune că programul în formă standard (P) este în formă bună dacă
matricea A conţine o submatrice unitate de ordinul m (= numărul restricţiilor)
iar termenii liberi sunt nenegativi. Dacă este aşa, (P) satisface condiţia (3.5.1)
iar soluţia asociată bazei unitare este admisibilă şi poate fi considerată ca
soluţie de start pentru aplicarea algoritmului simplex. Dacă (P) nu este în
formă bună, el se poate aduce la această formă, notată (FBP), în felul următor:
1. Forma bună are optim infinit. Atunci şi programul iniţial are optim
infinit.
2. Forma bună are optim finit dar în soluţia optimă cel puţin o
variabilă artificială are valoare nenulă. Atunci programul original este
incompatibil.
3. Forma bună are optim finit şi în soluţia optimă toate variabilele
artificiale au valoarea zero. Ignorând valorile acestor variabile se obţine
soluţia optimă a programului iniţial.
x 1 ≥ 0 , x 2 ≥ 0 x j ≥ 0 , j = 1,...,5
x j ≥ 0 , j = 1,...,7
x1 = x2 = x3 =x4 = 0 x5 = 30 , x6 = 40 , x7 = 30
După trei iteraţii (vezi tabelele 4.3.1 - 4.3.4) se obţine soluţia optimă a
programului (FBP) în care variabilele artificiale x6 , x7 au valoarea zero.
Ignorând aceste valori se obţine soluţia optimă a formei standard (FSP) şi
implicit soluţia optimă a programului original (P):
x1∗ = 10 , x 2∗ = 20 f max = 80
2 3 0 0 0 -M -M
cB B VVB A1 A2 A3 A4 A5 A6 A7
-M A6 40 2 1 -1 0 0 1 0
-M A7 30 1 3 0 -1 0 0 1
0 A5 30 1 1 0 0 1 0 0
f -70M -3M-2 -4M-3 M M * * *
-M A6 30 5/3 0 -1 1/3 0 1 -1/3
3 A2 10 1/3 1 0 -1/3 0 0 1/3
0 A5 20 2/3 0 0 1/3 1 0 -1/3
f -30M+30 -5/3M-1 * M -M/3-1 * * 4M/3+1
2 A1 18 1 0 -3/5 1///5 0 3/5 -1/5
3 A2 4 0 1 1/5 -2/5 0 -1/5 2/5
0 A5 8 0 0 2/5 1/5 1 -2/5 -1/5
f 48 * * -3/5 -4/5 * M+3/5 M+4/5
2 A1 10 1 0 -1 0 -1 1 0
3 A2 20 0 1 1 0 2 -1 0
0 A4 40 0 0 2 1 5 -2 -1
f 80 * * 1 * 4 M-1 M
x2
A
S1: x1=0 , x2=10 x1
Figura 4.3.1
unde E este matricea unitate de ordinul m = numărul restricţiilor din (P). După
cum am văzut, E se ia ca bază de start în procesul rezolvării programului (P)
1 0 − 1
B −1
= [A , A , A ] = −1
6 7 5
0 2
− 2 − 1 5
54 I. PROGRAMARE LINIARA
O calitate remarcabilă a algoritmului simplex este aceea că produce
nu numai soluţia optimă a problemei căreia i se aplică ci şi soluţia optimă a
problemei duale.
max f ( x ) = cx min g( u ) = ub
( P ) Ax = b ( Q ) uA ≥ c
x≥0 u oarecare
care este dualul programului (P) rezolvat în exemplul 4.3.1. După adăugarea
variabilelor de abatere şi a celor artificiale, din (P) s-a obţinut programul
(P1) = (FBP) al cărui dual este:
1 0 − 1
u = c B = [ 2 3 0] − 1 0
∗ B −1
2 = [ − 1 0 4]
− 2 − 1 5
adică: u1∗ = −1, u2∗ = 0, u3∗ = 4.
π j = c B A j = ∑ c i a ij j ∈J
i∈I
c j =πj - cj j=1,…,n
x1 + 14 x 4 − 8 x 5 − x 6 + 9 x 7 = 0
x2 + 12 x 4 − 12 x 5 − 12 x 6 + 3x 7 = 0
x3 + x6 =1
(max)f = 4 x − 20 x + 2 x − 6 x
3 1
4 5 6 7
B5 = [A6,A2,A3] , B6 = [A4,A2,A3]
xf y dacă x-y f 0
Prin urmare relaţia f este o relaţie de ordine totală pe Rn care extinde relaţia
de ordine naturală din R În plus ea este compatibilă cu structura liniară a
spaţiului Rn în sensul că:
• x f y ⇒ x+z f y+z
• x f y şi λ > 0 ⇒ λ x f λ y
Ax = b ≥ 0
( P) x ≥ 0
(max) f = cx
4. Metoda simplex 59
Putem presupune că problema (P) este în formă bună, altfel spus că matricea A
conţine o submatrice unitate de ordinul m, unde m este, ca de obicei, numărul
restricţiilor. Renumerotând convenabil variabilele problemei putem presupune
că primele m coloane din A sunt unitare, astfel că A are forma A = [E , S].
Atunci tabelul simplex asociat unei baze oarecare B, nu neapărat admisibilă,
are următorul conţinut:
VVB
B b B-1 B-1S
0
şi este clar că toţi q iB f 0 . Introducem vectorul q B = ( f , c ) în care f este
valoarea funcţiei obiectiv în soluţia asociată bazei B iar c este vectorul
costurilor reduse corespunzătoare (vezi secţiunea 3.5).
Definiţie Spunem că baza B' este lexicografic mai bună decât baza B
(în sensul maximizării funcţiei obiectiv f ) şi vom scrie B' f B dacă qB' f qB.
Evident B' fB este o relaţie de ordine totală în mulţimea bazelor problemei (P).
Se constată imediat că dacă B' este lexicografic mai bună decât B atunci B' este
cel puţin la fel de bună ca şi B în sensul obişnuit adică f ' ≥ f .
60 I. PROGRAMARE LINIARA
Ideea de modificare a algoritmului simplex descris în 4.2 constă în a
pleca de la o bază B0 lexicografic admisibilă şi de a genera în continuare numai
baze lexicografic admisibile B1 , B2 ,... care să fie din ce în ce mai bune în sens
lexicografic, adică:
B0 p B1 p B2 p ...
Având în vedere că în şirul de mai sus nu pot exista două baze identice şi că
numărul bazelor admisibile este finit urmează că ideea de modificare a
algoritmului simplex propusă mai sus garantează convergenţa procedurii.
1 B 1
q r = minlex qiB (4.5.2)
a rk i ,aik >0 a
ik
în care qiB , i ∈ I sunt daţi de (4.5.1) iar minimul din membrul drept este luat
în sens lexicografic. Acest minim se calculează astfel:
br b
= min i
a rk i ,aik >0 aik
1 B
Dacă I0 se reduce la un singur indice r atunci q r realizează minimul
a rk
lexicografic din (4.5.2). Prin urmare dacă minimul din (4.2.2) este unic cele
două criterii de ieşire din bază (4.2.2) şi (4.5.2) coincid.
Dacă I0 se compune din cel puţin două elemente, se determină mulţimea I1 ⊆ I0
a indicilor r cu proprietatea că:
ar1 a
= min i1
a rk i ∈I 0 a ik
a ri a
= r 'i pentru toţi i = 1,...,m
a rk a r 'k
aik B 1 B
qiB ' = qiB − qr i≠r; q kB ' = qr
a rk a rk
1 B 1 B
qiB ' = aik qi − qr f 0
aik a rk
ck B
în virtutea alegerii lui r, conform (4.5.2). În fine: q B ' = q B − q r şi deoarece
a rk
ck < 0 rezultă q B ' f q B .
62 I. PROGRAMARE LINIARA
Aplicarea în calculul manual a criteriului de ieşire din bază modificat
(4.5.2) este foarte simplă:
bi
Dacă minimul rapoartelor , aik > 0 din criteriul uzual de ieşire
aik
din bază nu este unic şi se atinge pe o submulţime de indici I0 se caută minimul
a
rapoartelor i1 , i ∈ I 0 în care numărătorii sunt luaţi din prima coloană a
aik
inversei bazei curente. Dacă nici acesta nu este unic şi se atinge pe o
a
submulţime I1 ⊆ I0 se caută minimul rapoartelor i 2 , i ∈ I 1 cu numărătorii din
aik
a doua coloană a inversei bazei ş.a.m.d. După cum am văzut acest proces se
termină într-un număr finit de paşi cu găsirea unui unic indice r. Vectorul Ar
părăseşte baza.
Consideraţiile de mai sus vor fi aplicate problemei din ex.4.5.1 (vezi tabelele
4.5.1 - 4.5.3)
La prima iteraţie intră în bază A4. Se observă că:
b b
min 1 , 2 = min{0 , 0}
a14 a 24
nu este unic. Fie I0 = {1,2}. Prima coloană a inversei bazei curente este A1 şi
ca urmare calculăm:
a a 1 0 a 21
min 11 , 21 = min , =0=
a14 a 24 1 4 1 2 a 24
Plecând cu baza unitară admisibilă E = [A3, A4, A5] , în două interaţii se ajunge
la tabelul 4.6.1:
3 4 0 0 0
CB B VVB A 1
A 2
A 3
A4
A5
3 A1 4/5 1 0 1/5 -4/5 0
4 A2 18/5 0 1 2/5 -3/5 0
0 A5 42/5 0 0 3/5 -2/5 1
f 84/5 * * 11/5 -24/5 *
Tabelul 4.6.1
x2
v1+αw1,α≥0
v1
AP
w1=(4/5,3/5)
w2=(2,1)
v2+αw2,α≥0
v2
x1
Figura 4.6.1
Exemplu 4.6.2 (Incompatibilitate) Considerăm programul:
(min) f = 6 x1 + x 2 − 2 x 3
5x − x + x ≥ 6
1 2 3
( P ) 2 x1 + x 2 + 3 x 3 ≤ 7
− 3x + x + 2 x = 2
1 2 3
x1 , x 2 , x 3 ≥ 0
(min) f = 6 x1 + x 2 − 2 x 3 + Mx 6 + Mx 7 , M ≥ 0
5 x1 − x 2 + x 3 − x 4 + x6 =6
( FBP) 2 x1 + x 2 + 3x 3 + x5 =7
− 3x + x + 2 x + x7 = 2
1 2 3
xj ≥ 0 1≤ j ≤ 7
4. Metoda simplex 65
Tabelul 4.6.2
min f = 3x1 + 2 x 2
− x1 + 2 x 2 ≥ 2
( P)
− 3 x1 + x 2 ≤ 3
x1 fara restrictii de semn, x 2 ≥ 0
3 -3 2 0 0 M
CB B VVB (A1)' (A1)'' A2 A3 A4 A5
2 A2 3/5 0 0 1 -3/5 -1/5 3/5
-3 (A1)'' 4/5 -1 1 0 1/5 2/5 -1/5
f - 6/5 0 * * - 9/5 - 8/5 9/5 - M
Tabelul 4.6.3
x1* = −4 / 5, x 2* = 3/ 5
4. Metoda simplex 67
4.7 Interpretarea economică a algoritmului simplex
max f = cx
Ax = b
x≥0
După cum se vede, lista activităţilor de bază determină în mod unic cantităţile
de bunuri ce pot fi produse şi ca atare detectarea unui program mai bun se
poate face numai studiind oportunitatea utilizării unor activităţi secundare care
68 I. PROGRAMARE LINIARA
să înlocuiască o parte din activităţile bazice curente. Pentru aceasta avem
nevoie de un criteriu care să permită compararea unei activităţi secundare j cu
grupul activităţilor de bază. Să examinăm coloana Aj a tabelului simplex
asociat bazei B. Conform (3.5.3) Aj = B-1Aj de unde Aj = B.Aj sau:
A j = a1 j A1 + a 2 j A 2 +....+ a mj A m (4.7.1)
[ ]
în ipoteza că B = A1 , A 2 ,..., A m . Sensul economic al egalităţii (4.7.1) este
următorul: din punctul de vedere al consumului de resurse producerea unei
unităţi din bunul j este echivalentă cu producerea cantităţilor a1 j , a 2 j ,..., a mj
din bunurile activităţilor de bază. În consecinţă, dacă se doreşte producerea
unei unităţi din bunul j, producţia activităţilor de bază trebuie diminuată cu
cantităţile a1 j , a 2 j ,..., a mj .Analiza oportunităţii introducerii în fabricaţie a
bunului j se va face prin compararea aportului său la creşterea venitului firmei
cu aportul valoric al cantităţilor a1 j , a 2 j ,..., a mj .Astfel, realizarea unei unităţi
din bunul j determină creşterea valorii curente a funcţiei obiectiv cu preţul său
cj în timp ce renunţarea la producerea cantităţilor a1 j , a 2 j ,..., a mj înseamnă
diminuarea aceleiaşi valori cu suma c1a1 j + c2 a 2 j +...+ cm a mj .Prin urmare dacă
diferenţa:
c j = c1a1 j + c2 a 2 j +...+ cm a mj − c j
x1 = b1 − θ a1k , x 2 = b2 − θ a 2 k ,..., x m = bm − θ a mk
4. Metoda simplex 69
Deoarece desfăşurarea unei activităţi la un nivel negativ este lipsită de sens
va trebui să avem bi − θ aik ≥ 0 i = 1,.., m de unde:
bi
θ ≤ θ 0 = min
i ,a
ik
>0 aik
(max) f = cx
( P) x ≥ 0
Ax = b
1) Costurile reduse: c j = c B B −1 A j − c j , j ∈J
Dacă testul de optimalitate nu este îndeplinit se determină k∈J astfel ca:
ck = min c j
j ∈J
k
Coloana A intră în baza curentă.
2) Componentele coloanei:
k
A = B −1 A k
Admiţând că nu are loc cazul optimului infinit se determină i∈I astfel încât:
br = min bi
a rk a ik > 0 a ik
cj=cBAj-cj , j∈J
π=cBB-1
B b B-1
f f π
cj=πAj-cj , j∈J
ck = min c j ( ck < 0 !)
j ∈J
br = min bi
a rk a ik > 0 a ik
72 I. PROGRAMARE LINIARA
(max) f = 3x1 + 4 x2 + x3 + 2 x4 + 2 x5 + x6
2 x1 − 4 x 3 + 2 x4 − 2 x6 ≤ 5
2 x1 − 4 x2 + 4 x4 − 2 x5 + 2 x6 ≥ 1
(P)
x2 + x3 =1
x4 + x5 + x6 = 1
xj ≥ 0 , 1 ≤ j ≤ 6
2 x1 − 4 x3 + 2 x4 − 2 x6 + x7 =5
2 x1 − 4 x 2 + 4 x 4 − 2 x5 + 2 x 6 − x8 + x 9 =1
x2 + x3 + x10 =1
x 4 + x5 + x 6 + x11 =1
x j ≥ 0 , j = 1,...,11
w=x9+x10+x11
pe care o minimizăm. Luăm ca bază de start B=E=[A7, A9, A10, A11] căreia îi
corespunde soluţia: x1=x2=x3=x4=x5=x6=x8=0 , x7=5 , x9=1 , x10=1 , x11=1. În
raport cu această bază cB=[0,1,1,1] astfel că π=cBB-1=[0,1,1,1], w=πb=3 .
Primul tabel simplex redus arată astfel:
A7 5 1 0 0 0
A9 1 0 1 0 0
A10 1 0 0 1 0
A11 1 0 0 0 1
w 3 0 1 1 1
74 I. PROGRAMARE LINIARA
Tabelul 4.8.1
(A4)T → 2 4 0 1 A4
A7 5 1 0 0 0 2
A9 1 0 1 0 0 4
A10 1 0 0 1 0 0
A11 1 0 0 0 1 1
w 3 0 1 1 1 5=c4
Tabelul 4.8.2
cB (A1)T → 2 2 0 0 A1
7
0 A 4 1 1 4 -6 4
2 A4 1 0 0 0 1 0
1 A3 1/4 0 1/4 1 -1 1/2
4 A2 3/4 0 -1/4 0 1 -1/2
w 0
f 21/4 0 -3/4 1 5 -9/2=c1
Tabelul 4.8.5
şi facem produsele scalare ale lui (A4)T cu liniile matricei B-1; rezultatele le
înscriem în dreapta tabelului 4.8.2. Tot în dreapta jos înscriem costul redus c4.
Parcurgând celelalte etape al algoritmului găsim că A9 părăseşte baza. Se
efectuează pivotarea tabelului 4.8.2 cu pivotul încadrat şi se obţine tabelul
(4.8.3). Tabelele 4.8.4 si 4.8.5 aparţin deasemeni fazei I.
4. Metoda simplex 75
Tabelul 4.8.6
x1* = 11
2 , x 2* = 0 , x 3* = 1 , x 4* = x5* = 0 , x 6* = 1 ; (max) f = 37
2
A6 1 0 0 0 1
A3 1 0 0 1 0
A1 11/2 1/2 0 2 1
A8 12 1 -1 4 4
f 37/2 3/2 0 7 4
Tabelul 4.8.11
***