Cretescu I.

– Suport curs Optimizari

1. Procesul de optimizare

Generic vorbind, optimizarea este un proces prin care se aduc imbunatatiri

unui subiect (sistem, proces etc.) astfel incat acesta sa tinda respectiv sa atinga o stare
ideala sau perfecta dintr-un anumit punct de vedere impus. Altfel spus, optimizarea
vizeaza o imbunatatire maxima posibila, cu observatia ca o imbunatatire de un grad
oarecare nu poate fi numita optimizare. Un sistem optimizat dintr-un anumit punct de
vedere nu mai poate fi optimizat din punctul de vedere respectiv. Aceasta abordare
generala sta la baza definitiei:
„A optimiza inseamna a gasi intr-o problema sau intr-o situatie de decizie
solutia care dintr-un anumit punct de vedere prestabilit, este cea mai buna dintre
toate solutiile posibile”. Solutia cea mai buna este astfel solutia care determina starea
cea mai favorabila pentru subiectul considerat (un sistem etc.) in raport cu punctul de
vedere respectiv.
In aceasta definitie, punctul de vedere din perspectiva caruia se realizeaza
optimizarea reprezinta criteriul de optimizare. Criteriul de optimizare este o functie
de variabilele sistemului, care pot lua fiecare mai multe valori (mai multe solutii
posibile, din care una este cea mai buna sau solutia optima). Aceasta dependenta este
exprimata in problemele de optimizare sub forma unei functii scop. Toate aceste
notiuni constituie esenta unei probleme de optimizare.
Din punct de vedere matematic, optimizarea se rezuma la determinarea
extremului unei functii scop (minim sau maxim), iar din acest punct de vedere o
problema de optimizare poate viza:
- maximizarea functiei scop (determinarea valorii maxime ale functiei scop,
respectiv a valorilor optime ale variabilelor care determina maximul respectiv);
- minimizarea functiei scop (determinarea valorii minime ale functiei scop,
respectiv a valorilor optime ale variabilelor care determina minimul respectiv).
Extremul functiei (valoarea optima a functiei) este obtinut intr-un punct de
extrem (punct optim) care poate fi, dupa caz:
- de maxim;
- de minim.

1
Cretescu I. – Suport curs Optimizari

Coordonatele punctului de extrem reprezinta valorile cele mai bune (solutia

cea mai buna sau solutia optima) pentru variabilele considerate in expresia functiei
scop, din punct de vedere al criteriului de optimizare prestabilit, si se determina prin
metode specifice de optimizare.
Scopul optimizarii este asadar de gasi maximul sau minimul unei functii scop,
adica de a alege cea mai buna solutie (optima) dintr-o multitudine de solutii posibile,
in raport cu un punct de vedere prestabilit sau cu un criteriu bine definit, denumit asa
cum s-a aratat mai sus criteriu de optimizare. Prin urmare, existenta unei probleme de
optimizare implica existenta mai multor solutii posibile, dintre care va fi aleasa cea
mai buna, altfel nu se pune problema optimizarii.

2. Variabile implicate in procesul de optimizare

Intr-un proces sau sistem de optimizat, respectiv intr-o problema de

optimizare, pot interveni mai multe tipuri de variabile care caracterizeaza un anumit
sistem (proces etc.). Acestea pot fi impartite in doua categorii principale:
- variabile de decizie (sau independente, din punct de vedere matematic); cel
care realizeaza optimizarea poate varia valorile acestor variabile pana cand este
determinata valoarea maxima sau minima a criteriului de optimizare;
- variabile de stare (sau dependente, din punct de vedere matematic), acestea
indica starea sistemului la un moment dat si depind de cele independente.
In categoria variabilelor de decizie (independente) intra si variabilele discrete
(o categorie speciala de variabile care pot lua doar anumite valori, de exemplu tipul
unui utilaj sau a unui solvent A sau B, sau un sir de numere in care variatia acestora
are loc in salturi etc.). In ansamblu, variabilele care au valori fixate prin enuntul
problemei nu pot fi considerate ca variabile independente, si in problema respectiva
vor fi tratate ca niste constante.
Din punct de vedere al numarului de variabile de decizie dintr-o problema de
optimizare, problema de optimizare poate fi unidimensionala (o singura variabila de
decizie) sau multidimensionala (mai multe variabile de decizie). De exemplu, o
problema in care intervin doua variabile de decizie este o problema bidimensionala.

2
Cretescu I. – Suport curs Optimizari

Exemplu de problema de optimizare:

Fie o unitate de tratare a aerului contaminat cu metanol. Sa se determine
debitul de gaz si concentratia initiala a poluantului la care gradul de epurare este
maxim.
In aceasta problema, variabilele de decizie sunt debitul de gaz si concentratia
initiala a poluantului, iar criteriul de optimizare este gradul de epurare. Fiind vorba
despre doua variabile de decizie, problema de optimizare este bidimensionala. Prin
varierea valorilor celor doua variabile se obtin diferite valori ale criteriului de
optimizare. Setul de valori care determina valoarea optima (maxima in acest caz) a
criteriului de optimizare reprezinta tocmai solutia optima.

3. Criterii de optimizare

Asa cum s-a subliniat anterior, criteriul de optimizare reprezinta punctul de

vedere din perspectiva caruia se realizeaza optimizarea. Intr-o problema de
optimizare, criteriul de optimizare trebuie stabilit de la bun inceput, si permite, prin
valorile numerice pe care le poate lua, masurarea eficacitatii diferitelor solutii
posibile, respectiv a diferitelor seturi de valori date variabilelor de decizie, in
realizarea obiectivului urmarit.
Practic, criteriul de optimizare este criteriul pe baza caruia se stabileste solutia
optima, cu mentiunea ca intr-o problema de optimizare pot exista unul sau mai multe
criterii de optimizare.
Astfel, criteriile de optimizare pot fi clasificate dupa cum urmeaza:
1. Din punct de vedere al numarului de criterii de optimizare care intervin intr-o
problema de optimizare, se disting:
- criterii singulare;
- criterii multiple (de exemplu doua criterii de optimizare, respectiv doua solutii
optime, cate una pentru fiecare criteriu).
In ultimul caz, pot exista contradictii intre scopurile vizate; presupunand ca
este vorba de doua criterii de optimizare care depind de acelasi parametru, se poate
recurge la analiza de sensibilitate (se analizeaza cat de mult isi modifica valoarea
fiecare criteriu de optimizare la modificarea variabilei de decizie) si se alege solutia
optima gasita pentru criteriul de optimizare mai sensibil, respectiv care isi modifica
semnificativ valoarea la modificarea variabilei de decizie.

3
Cretescu I. – Suport curs Optimizari

Prin urmare, rezolvarea unei probleme de optimizare in care exista criterii de

optimizare a caror obiective sunt conflictuale implica adoptarea unui compromis (de
tipul pret-calitate etc.). De exemplu, in cazul unei fabrici pot fi avute in vedere mai
multe obiective simultan:
- minimizarea timpului intre data unei comenzi si data de livrare a produsului
comandat;
- maximizarea profitului;
- minimizarea costurilor pentru publicitate, materiilor prime. cheltuielilor de personal
etc.;
- maximizarea calitatii produsului;
- minimizarea impactului negativ asupra mediului.
In acest exemplu, ultimele doua obiective sunt in contradictie cu minimizarea
costurilor, insa stabilirea exacta a influentelor mutuale intre obiective este dificil de
realizat. In alta ordine de idei, datorita compromisului care poate fi definit in multe
moduri, si abordarile privind solutia optima sunt diferite.
2. Din punct de vedere al naturii criteriilor de optimizare avute in vedere la
optimizarea unui sistem, se disting urmatoarele doua tipuri principale de criterii de
optimizare:
- criterii economice: profit, durata de recuperare a investitiei etc.
- criterii tehnice: conversie, timp de retentie, volum reactor etc.
In particular, criteriile tehnice pot satisface si cerinte (criterii) cu referire la
protectia mediului (criteriul energetic, criteriul de minimizare a emisiilor, minimizare
a pierderilor, a deseurilor si subproduselor, a potentialului de incalzire globala etc.).
Aceste criterii tin de performanta economica sau tehnica a sistemului. Modul
in care aceste criterii intervin in procesul de optimizare este exemplificat in
continuare.
Profitul (P) poate fi definit astfel:
P = Pretul productiei – Costurile de productie (1.1)
(acesti termeni sunt raportati la o perioada de timp: un trimestru, semestru sau an).
Astfel, optimizarea unui sistem din punct de vedere al profitului presupune
determinarea conditiilor (solutiilor) optime care conduc la maximizarea profitului,
respectiv care determina costuri de productie mici si pret de productie ridicat. Aceasta
optimizare este aplicata mai ales in cazul sistemelor existente (caracterizate printr-o
anumita investitie fixata). Daca pretul productiei anuale este fix (impus de piata),
atunci maximizarea profitului se rezuma la minimizarea costurilor de productie.

4
Cretescu I. – Suport curs Optimizari

Durata de recuperare a investitiei (DR) poate fi definita astfel:

Valoarea investitiei
DR = (1.2)
Pr ofitul anual
Optimizarea unui sistem din punct de vedere al duratei de recuperare a
investitiei presupune determinarea conditiilor optime pentru minimizarea DR, si este
aplicata in cazul sistemelor in curs de proiectare (investitie variabila). Daca raportul
este exprimat invers, optimizarea sistemului se realizeaza prin maximizarea DR .
Problemele de optimizare in cazul reactoarelor chimice pot presupune
determinarea conditiilor optime astfel incat sa fie satisfacute unul sau chiar mai multe
din urmatoarele criterii de optimizare tehnice:
Volumul reactorului – sa fie minim;
Masa catalizatorului – sa fie minima;
Timpul de retentie – sa fie minim;
Conversia raportata la un anumit reactant – sa fie maxima;
Concentratia in produsul dorit - sa fie maxima;
Debitul masic de produs dorit - sa fie maxim;
Selectivitatea in produsul dorit – sa fie maxima.
In cazul optimizarii echipamentelor analitice care, asa cum se stie, joaca un rol
important in monitorizarea factorilor de mediu, se disting o serie de criterii tehnice
precum:
- amplitudinea semnalului – sa fie maxima;
- precizia determinarii – sa fie maxima;
- limita de detectie (cea mai mica concentratie detectabila) – sa fie maxima;
- sensibilitatea (variatia semnalului de iesire sa corespunda la o variatie minima
a semnalului de intrare (ex. concentratie)) – sa fie maxima;
- selectivitatea – maxima;
- timp de raspuns – minim.
Asa cum s-a mentionat anterior, solutia optima difera in functie de criteriul de
optimizare ales, cu mentiunea ca este dificil de stabilit criteriul cel mai adecvat pentru
un anumit caz. Cu atat mai dificil cu cat unele criterii pot fi antagoniste.
Un sistem tehnic trebuie sa fie ”cost-efectiv”, adica sa prezinte atat
performanta si eficienta ridicata cat si economicitate printr-un pret de cost minim (la
investitie) sau cheltuieli de operare si maintenance (in exploatare); un caz particular il
constituie sistemele tehnice de alarmare (monitorizare), protectie si avertizare.

5
Cretescu I. – Suport curs Optimizari

4. Functii scop (obiectiv)

Expresia unei functii scop

Pentru un sistem tehnic dat, caracterizat prin intermediul unor parametri
disponibili (variabile de decizie) care pot lua mai multe valori (solutii) posibile,
corelarea intre criteriul de optimizare si variabilele sistemului este data de functia
scop (sau functia obiectiv). Criteriul de optimizare se exprima astfel prin intermediul
functiei scop, ca o functie de variabilele de decizie, iar valoarea criteriului de
optimizare obtinuta in urma aplicarii diferitelor solutii posibile indica gradul de
realizare a obiectivului urmarit. Chiar daca variabilele sistemului sunt aceleasi, forma
functiei scop si respectiv solutia optima depinde de natura criteriului de optimizare
ales.
Intr-o problema de optimizare pot exista una (de obicei) sau mai multe functii
scop (in unele situatii este necesara folosirea mai multor functii scop).
Daca se noteaza cu ”y” criteriul de optimizare si daca se considera ca pentru
sistemul de optimizat exista ”n” variabile de decizie (xi , unde i ia valori de la 1 la n,
adica x1, x2, ...........xn) atunci functia scop este:


y = f(x1, x2, ...........xn) sau y =f( x ) (1.3)

Procesul de optimizare implica gasirea unui minim sau maxim (extrem) al

functiei, dupa caz. Pentru a arata faptul ca se cere maximul sau minimul unei astfel de
functii scop date se foloseste notatia:

!
y = f(x1, x2, ...........xn)  Max (1.4)
!
y = f(x1, x2, ...........xn)  Min (1.5)

Pentru o astfel de functie scop, valorile optime ale variabilelor de decizie, care

reprezinta solutia optima, sunt notate de obicei cu x1*, x2*, ....xn* (sau x *), iar
valoarea optima (maxima sau minima) a criteriului de optimizare se noteaza cu y*.

6
Cretescu I. – Suport curs Optimizari

Tipuri de functii scop

1. Din punct de vedere al numarului de variabile de decizie, functiile scop pot fi:
- unidimensionale (daca in expresia functiei scop intra o singura variabila de decizie):

y = f(x)
- n-dimensionale (in cazul existentei in expresia functiei scop a n-variabile de
decizie):

y = f(x1, x2, ...........xn).

2. Dupa numarul de valori minime sau maxime observate la modificarea variabilelor
independente intr-o directie data, se disting urmatoarele tipuri de functii scop:
- functii unimodale (care au un singur maxim sau un singur minim in domeniul
admisibil);
- functii polimodale (care au mai mult decat un singur maxim, respectiv un singur
minim, pe domeniul admisibil).
Astfel, se spune ca functia este unimodala daca prezinta un singur pic maxim
sau un singur pic minim in domeniul de cautare (admisibil), respectiv daca valorile
functiei cresc initial pana la o valoare maxima dupa care scad pe tot domeniul
admisibil (inregistrand un singur maxim) sau invers (inregistrand un singur minim).
Daca in domeniul admisibil functia prezinta mai multe picuri maxime sau minime, se
spune ca functia este polimodala, cu mentiunea ca in acest caz maximul cel mai mare
se numeste maximum-maximorum sau maxim absolut (sau global), iar celelalte se
numesc maxime locale (Figura 1.5). In cazul unei functii unimodale, maximul este si
local si absolut. In mod similar se pune problema minimului absolut (minimum-
minimorum) si respectiv minimelor locale. Se mentioneaza ca in problemele de
optimizare se cauta maximul/minimul (extremul) absolut, prin urmare daca functia
este polimodala este necesar sa se gaseasca toate maximele (minimele) din domeniul
admisibil si apoi, prin comparatie, sa se identifice cel absolut. In cazul existentei
restrictiilor, maximul absolut se poate gasi in afara domeniului admisibil definit de
restrictie.

7
Cretescu I. – Suport curs Optimizari

a) b)
Figura 1.5. Exemplu de functie monodimensionala: a) unimodala; b) bimodala

3. Dupa convexitatea, respectiv concavitatea unei functii scop, aceasta poate fi:
- convexa;
- concava;
- si convexa si concava.
Din punct de vedere matematic, diferenta intre o functie convexa (a) si o
functie concava (b) poate fi ilustrat asa cum se prezinta in Figura 1.11.
y = f(x)

a) b)
Figura 1.11. Comparatie intre diferite tipuri de functii:
a) functie convexa , cu un minim la x = x* (segmentul care uneste cele doua puncte
se afla deasupra curbei);
b) functie concava , cu un maxim la x = x* (segmentul care uneste cele doua puncte
se afla sub curba)

8
Cretescu I. – Suport curs Optimizari

6. Restrictii

Utilizarea restrictiilor
Prezenta restrictiilor intr-o problema de optimizare reala este aproape
inevitabila, tinand cont de diversitatea aspectelor practice care tin de sistemul sau
procesul de optimizat.
Astfel, restrictiile reprezinta niste conditii care se aplica variabilelor de
decizie, limitand de regula domeniul de variatie al acestora, din diverse considerente
care pot fi determinate spre exemplu de:
- insasi natura fizica a variabilelor de decizie;
- natura interna a sistemului de optimizat;
- reglementari, cerinte sau stari de fapt externe sistemului, dar pe care acesta este
obligat sa le respecte.
Practic, totalitatea restrictiilor puse asupra variabilelor de decizie defineste
domeniul admisibil sau domeniul de cautare (in acest domeniu se cauta solutia
optima).

Exemplu de problema de optimizare, cu restrictie:

Fie o unitate de epurare a apelor uzate contaminate cu ioni de zinc. Sa se
determine debitul de apa uzata (variabila independenta x1) si concentratia initiala a
poluantului (variabila independenta x2) astfel incat gradul de epurare (criteriul de
optimizare y) sa fie maxim, cu conditia ca debitul de apa uzata sa nu fie mai mic de
10 m3/h. Considerand o anumita expresie pentru functia scop, aceasta problema se
poate scrie astfel:

!
y = f(x1, x2)  Max (1.9)

cu restrictia: x1  10 (1.10)

In unele cazuri restrictiile sunt folosite pentru a elimina din functia scop unele
din variabilele de decizie, ceea ce inseamna in final transformarea unei probleme de
optimizare cu restrictii intr-o problema de optimizare de dimensiuni mai mici fara
restrictii.

9
Cretescu I. – Suport curs Optimizari

Tipuri de restrictii
1. Dupa forma lor, restrictiile pot fi:
- de egalitate sau care admit egalitate;
- de inegalitate.
2. Dupa numarul lor, determinat de complexitatea sistemului de optimizat, restrictiile
care insotesc o functie scop pot fi:
- singulare;
- multiple, in functie de complexitatea sistemului de optimizat.
3. Dupa modul de aplicare/limitare se deosebesc:
- restrictii explicite - de limitare pe variabila; din aceasta categorie fac parte:
- conditia de non-negativitate, care de altfel este si cel mai simplu tip de
restrictie:
xi  0 (1.11)
Este vorba de o restrictie care admite si egalitate si care reflecta faptul ca
variabilele de decizie reprezinta marimi fizice esential pozitive (de exemplu, grosimea
unei izolatii).
- conditia de limitare a valorilor variabilelor de decizie intre anumite limite
date:
ai xi  bi (1.12)
De exemplu, fractia molara a unui component dintr-un flux gazos nu poate
varia decat intre 0 si 1; temperatura dintr-un bioreactor nu poate varia decat intre o
limita inferioara Ti si o limita superioara Ts, fie din motive de securitate fie din motive
pur tehnologice:
TiT Ts (1.13)
- restrictii implicite - relatii dintre variabile de decizie sub forma de :
- ecuatii:
gk= gk(x1, x2, ....., xn) = 0 (1.14)
unde k = 1, 2, ..........l
- inecuatii:
gk= gk(x1, x2, ....., xn) 0 (1.15)
unde k = 1, 2, ..........m

Prin includerea restrictiilor intr-o problema de optimizare se contureaza un

domeniu de cautare a optimului in spatiul variabilelor de decizie, respectiv domeniul
admisibil in care se pot gasi valorile optime ale variabilelor de decizie.

10