Capitolul 2

Introducere în programarea liniar

2.1. Introducere

Programarea liniar (P.L.) este o uneal pentru dezvoltarea model rii i rezolvarea
problemelor de optimizare. Din punct de vedere matematic, programarea liniar implic
optimizarea unei func ii liniare în func ie de unele cerin e exprimate ca inegalit i liniare sau
ca egalit i. Pân la cel de-al doilea r zboi mondial, matematicienii au realizat c sunt
necesare un num r mare de opera ii aritmetice pentru rezolvarea sistemelor i f r ajutorul
calculatoarelor, calculele necesare nu se pot face într-un timp util. Apari ia calculatoarelor a
f cut posibil rezolvarea rapid a problemelor cu ajutorul program rii liniare.

Programarea liniar este un subset al modelelor de programare matematic . Cuvântul

programare nu are nimic comun cu cel din programarea calculatoarelor i deriv din termenul
englezesc programme cu sensul de plan sau planificare a opera iilor.

Programarea liniar este un procedeu de optimizare matematic . Prin optimizare se în elege

o metod prin care se maximizeaz sau se minimizeaz un anumit obiectiv, de exemplu, se
maximizeaz beneficiul sau se minimizeaz costul.

Scopul program rii liniare este de a alege deciziile optime de c tre manager. În modelul
matematic al program rii liniare, deciziile sunt reprezentate de c tre variabilele de decizie.

Problema de P.L. este de a maximiza sau minimiza o func ie obiectiv, în timp ce sunt
satisf cute un num r de condi ii restrictive sau constrângeri. Func ia obiectiv reprezint
scopul urm rit în func ie de variabilele de decizie. Restric iile pot fi exprimate matematic prin
egalit i sau prin inegalit i. Mul imea restric iilor, exprimate cu ajutorul variabilelor de
decizie, reprezint condi ii ce trebuie satisf cute, atunci când se determin valorile
variabilelor de decizie. De exemplu, în cazul în care se dore te maximizarea profitului ob inut
din produc ia i vânzarea unor produse, restric iile pot fi determinate de limitarea resurselor
existente, umane i materiale, dar i de limitarea cererii acestor produse.

Problema de P.L. este astfel denumit deoarece atât func ia obiectiv, cât i restric iile sunt
toate liniare în func ie de variabilele de decizie.

Programarea liniar este utilizat în toate domeniile de la industrie la bancar, educa ie,
forestier, petrolier conducând la rezolvarea unei mari variet i de probleme: stabilirea
resurselor umane, opera iile sistemelor hidroenergetice, traseele ma inilor de aprovizionare,
etc. Dintr-un studiu efectuat asupra primelor 500 de firme de succes din S.U.A., a rezultat c
85% dintre acestea au utilizat programarea liniar .

10
Introducere în programarea liniar 11

Una dintre problemele clasice ale program rii liniare o reprezint , de exemplu, problema
dietei. Aceasta const în g sirea unui grup de alimente - o diet - care întrune te cerin ele
nutritive zilnice ale unui cost minim. Versiuni ale acestui model sunt utilizate în spitale,
gr dini e, coli, închisori i în alte institu ii. În multe dintre aceste aplica ii, modelarea
computerizat a dus la reduceri de costuri de 10 pân la 30 %, cerin ele nutritive fiind
garantate i, surprinz tor, modelele fiind acceptate de clien i.

Aceast problem este un bun exemplu asupra modului cum pot fi distinse modelele bune de
celelalte. Este u or de dezvoltat un model care satisface condi iile costului minim i minimul
cerin elor zilnice nutritive, dar nu se tie cine va mânca un asemenea meniu. Prin includerea
unor cerin e suplimentare, ca de exemplu servirea unui anumit fel de mâncare de cel mult de
trei ori pe s pt mân , se pot ob ine meniuri optime acceptate de oameni.

2.2 Definirea problemei de programare liniar

Scopul acestui capitol este cel de a v înv a modul de formulare al problemelor de

programare liniar . Odat ce problema a fost formulat corespunz tor este u or de rezolvat
tradi ional (matematic) sau cu ajutorul calculatorului i de interpretat solu iile.

În continuare se vor expune principalele no iuni teoretice ale program rii liniare i modul de
formulare al problemei cu ajutorul unui exemplu: Problema produselor mixte. Aceast
problem este considerat adesea ca fiind prototipul problemelor de programare liniar i
const în alegerea produselor optime a fi realizate astfel încât s se ob in un profit maxim.

Exemplul 2.1 Problema produselor mixte

O companie produce patru tipuri de rame pentru tablouri, de exemplu tipul 1, 2, 3 i 4. Cele
patru tipuri de rame difer ca m rime, form i materiale utilizate. Fiecare necesit o anumit
calificare (manoper ) i material (metal i sticl ), ca în tabelul 2.1. În tabel se afl i profitul
companiei pentru fiecare tip de ram , unde profitul este pre ul de vânzare minus manopera i
materialele.

Se consider c , pentru s pt mâna ce vine, compania dispune de 4000 ore de munc calificat
(manopera), 6000 u.m. (unit i de m sur ) de metal i 10000 u.m. de sticl (geam de accea i
grosime). De asemenea, pe pia nu se pot vinde mai mult de 1000 rame tip 1, 2000 rame tip
2, 500 rame tip 3, i 1000 rame tip 4. Compania dore te s ob in profitul maxim s pt mânal.

Tabelul 2.1. Datele pentru exemplul ramelor de tablouri

Manoper Metal Sticl Profit (unit i monetare)
Rama tip 1 2 4 6 6
Rama tip 2 1 2 2 2
Rama tip 3 3 1 1 4
Rama tip 4 2 2 2 3

În cadrul program rii liniare se utilizeaz o serie de termeni importan i dup cum urmeaz :
12 Modelare i simulare în afaceri

a) Variabilele de decizie
Variabilele de decizie sunt acele variabile care descriu deciziile ce vor fi luate.
Pentru exemplul 2.1, variabilele de decizie sunt:
x1 = num r rame tip 1 produse s pt mânal
x2 = num r rame tip 2 produse s pt mânal
x3 = num r rame tip 3 produse s pt mânal
x4 = num r rame tip 4 produse s pt mânal

b) Func ia obiectiv
Func ia obiectiv reprezint func ia al c rei maxim sau minim se dore te a fi ob inut.
Aceast func ie depinde de variabilele de decizie.
În cazul problemei produselor mixte se poate scrie (din coloana profiturilor):
6x1+2x2+4x3+3x4 (2.1)
i se dore te a se determina maximul acestei func ii. Deci, pe baza rela iei (2.1),
func ia obiectiv devine:
maximum z = 6x1+2x2+4x3+3x4 (2.2)

c) Condi iile restrictive sau constrângerile

Condi iile restrictive sau constrângerile sunt expresii scrise în func ie de variabilele
de decizie. Coeficien ii variabilelor de decizie din constrângeri poart numele de
coeficien i tehnologici. Coeficien ii tehnologici reflect , în general, tehnologia
utilizat în producerea diferitelor produse, de unde provine i denumirea lor. Membrul
drept al unei constrângeri reprezint , de obicei, cantitatea resurselor disponibile.

În cazul exemplului 2.1 se poate observa c o cre tere a variabilelor x1, …, x4 conduce
la o m rire a profitului. Modificarea variabilelor nu se poate face arbitrar din cauza
impunerii urm toarelor constrângeri:
1. Nu se pot dep i 4000 ore manoper pe s pt mân :
2 x1 + x 2 + 3x 3 + 2 x 4 ≤ 4000 (2.3)
2. Nu se poate dep i cantitatea de 6000 u.m.metal i 10000 u.m. sticl utilizat
s pt mânal:
4 x1 + 2 x2 + x 3 + 2 x 4 ≤ 6000 (2.4)
6x1 + 2 x 2 + x 3 + 2 x4 ≤ 10000 (2.5)
3. Nu se pot vinde s pt mânal mai mult de 1000 rame tip 1, 2000 rame tip 2, 500
rame tip 3 i 1000 rame tip 4:
x1 ≤ 1000 (2.6)
x 2 ≤ 2000 (2.7)
x 3 ≤ 500 (2.8)
x 4 ≤ 1000 (2.9)

d) Restric iile de semn

Restric iile de semn sunt condi ii impuse variabilelor de decizie în func ie de semnul
acestora: negative, pozitive sau zero. Când o variabil de decizie poate lua doar valori
pozitive sau zero atunci trebuie ad ugat restric ia de semn. Dac o variabil poate lua
orice valori atunci aceasta nu are restric ie de semn.
Pentru problema produselor mixte toate variabilele trebuie s fie pozitive sau zero
(deoarece se pot produce numai cantit i pozitive):
Introducere în programarea liniar 13

x1 ≥ 0 (2.10)
x2 ≥ 0 (2.11)
x3 ≥ 0 (2.12)
x4 ≥ 0 (2.13)
În consecin , din rela iile (2.2) … (2.13) se ob ine urm torul sistem de ecua ii i
inegalit i ce constituie modelul de optimizare:
max z = 6x1 + 2 x 2 + 4 x 3 + 3x 4 (func ia obiectiv)
2 x1 + x 2 + 3x 3 + 2 x 4 ≤ 4000 (constrângerea de manoper )
4 x1 + 2 x2 + x 3 + 2 x 4 ≤ 6000 (constrângere metalul utilizat)
6x1 + 2 x 2 + x 3 + 2 x4 ≤ 10000 (constrângere sticl utilizat )
x1 ≤ 1000 (rame de tip 1 vândute) (2.14)
x 2 ≤ 2000 (rame de tip 2 vândute)
x 3 ≤ 500 (rame de tip 3 vândute)
x 4 ≤ 1000 (rame de tip 4 vândute)
x1 ≥ 0 (restric ie de semn - valori pozitive)
x2 ≥ 0
x3 ≥ 0
x4 ≥ 0

Pentru în elegerea formul rii se consider urm toarele:

• obiectivul profitului. Profitul a x1 rame de tipul 1 este 6 x1 deoarece fiecare ram
contribuie cu 6 unit i monetare la profit. La fel este i pentru celelalte tipuri de rame,
iar:
profitul total = suma profiturilor celor 4 produse
• rela ia orelor de manoper . Valoarea din dreapta, 4000, reprezint num rul de ore
disponibile. În partea stâng , fiecare ram de tipul 1 utilizeaz dou ore de munc ,
astfel c x1 unit i necesit 2x1 ore de manoper . În mod similar se procedeaz
pentru celelalte trei tipuri de produse. Deci:
Num rul total de ore de manoper = suma orelor de manoper pentru cele 4
produse i nu poate dep i num rul de ore disponibile.
• maximul de vânz ri i condi ia valorilor pozitive determin limitele maxime i
minime ce vor fi produse.

Majoritatea programelor software care rezolv acest gen de probleme au fost scrise
astfel încât s accepte problemele program rii liniare în acest format fundamental.
Astfel se pot utiliza programe de calcul tabelar, cum sunt Microsoft Excel sau Lotus 1-
2-3 for Windows. Microsoft Excel beneficiaz de un subprogram specializat numit
Solver, dar se pot ad uga i alte subprograme (add-ins) realizate de ter i cum este de
exemplu @RISK. Pe pia exist totodat i programe specializate cum sunt LINDO
sau STORM, atât în variante educa ionale cât i profesionale.

Înainte îns de a defini problema de programare liniar trebuie definite conceptele de func ie
liniar i inegalitate liniar .

e) Func ie liniar
O func ie f(x1, x2, …, xn) este liniar dac i numai dac pentru unele seturi de
constante c1, c2, …, cn este îndeplinit rela ia:
f(x1, x2, …, xn)= c1x1 +c2x2 +…+cn xn (2.15)
14 Modelare i simulare în afaceri

f) Inegalitate liniar
O inegalitate este liniar dac pentru orice func ie f(x1, x2, …, xn) i orice num r b se
îndepline te una dintre condi iile:
f(x1, x2, …, xn) ≤ b
sau (2.16)
f(x1, x2, …, xn) ≥ b.

g) Definirea problemei de programare liniar

O problem de programare liniar este o problem de optimizare pentru care se
urm re te:
1. Ob inerea unui maxim sau minim al func iei liniare numit func ie
obiectiv.
2. Satisfacerea de c tre valorile variabilelor de decizie a unui set de
constrângeri. Fiecare constrângere trebuie s fie o ecua ie liniar sau o
inegalitate liniar .
3. Asocierea unei restric ii de semn fiec rei variabile. Orice variabil trebuie
s fie pozitiv sau zero sau poate fi f r restric ie de semn.

Deoarece, pentru problema produselor mixte, func ia obiectiv este o func ie liniar de
variabilele de decizie x1, …, x4 i toate constrângerile sunt inegalit i liniare, problema
produselor mixte este o problem de programare liniar . Aceast problem face parte dintr-o
categorie mai mare de probleme în care trebuie ob inut profitul maxim având resurse limitate.

2.3. Modelul matematic general al problemei de

programare liniar

Modelul matematic asociat unei probleme de P.L. se poate reprezenta prin:

1. un sistem liniar de m ecua ii sau inecua ii ce reprezint restric ii ale variabilelor de decizie
xj (j=1,n)
a11 x1 + a12 x 2 +...+ a1n x n ( ≤, ≥, =) b1
a 21x1 + a 22 x 2 +...+ a 2 n x n ( ≤, ≥, =) b 2
(2.17)
...
a m1x1 + a m 2 x 2 +...+ a mn x n ( ≤, ≥, =) b m

2. un sistem de condi ii de nenegativitate:

x1 ≥ 0, x2 ≥ 0, …, xn ≥ 0 (2.18)
3. o func ie obiectiv care trebuie optimizat :
f(x) = c1x1 + c2x2 + ... +cnxn = MAX sau MIN (2.19)

Formularea problemei: S se g seasc în mul imea solu iilor sistemului (2.17) i a (2.18) o
solu ie ce realizeaz valoarea optim (maxim sau minim ) a func iei obiectiv f(x) (2.19).

2.4. Propriet ile program rii liniare

Datorit faptului c :
Introducere în programarea liniar 15

• func ia obiectiv trebuie s fie liniar i

• constrângerile s fie inegalit i liniare sau ecua ii liniare,
rezult dou propriet i importante ale program rii liniare: propor ionalitatea i aditivitatea. n
afara acestora, programarea liniar opereaz i cu conceptele de divizibilitate, certitudine i
regiune realizabil (fezabil ) i solu ie optim .

Propor ionalitatea
Proprietatea de propor ionalitate const în aceea c orice activitate multiplicat
printr-un factor constant conduce la multiplicarea prin acela i factor a contribu iei sale
la func ia obiectiv sau la oricare alte constrângeri. Astfel:
1. Contribu ia fiec rei variabile de decizie la func ia obiectiv este propor ional cu
valoarea acesteia.
2. Contribu ia fiec rei variabile la membrul stâng al fiec rei constrângeri este
propor ional cu valoarea variabilei.
De exemplu, dac produc ia ramelor de tip 1 este redus de la valoarea 1000 la 500,
adic este multiplicat cu 0.5, manopera, metalul i sticla consumat de tipul 1 sunt
reduse la jum tate i contribu ia la profit al tipului 1 este de asemenea la jum tate.

Aditivitatea
Proprietatea de aditivitate const în faptul c suma contribu iilor diverselor
activit i la o constrângere anume este egal cu contribu ia total la acea constrângere.
Proprietatea de aditivitate implic de asemenea:
1. Contribu ia fiec rei variabile la func ia obiectiv este independent de valorile
celorlalte variabile de decizie.
2. Contribu ia unei variabile la membrul stâng al fiec rei constrângeri este
independent de valorile celorlalte variabile.
De exemplu, indiferent de num rul de rame produse de tip 2, 3 i 4 (adic variabilele
x2, x3 i x4), producerea a x1 rame de tip 1 va contribui cu 6x1 unit i monetare la
func ia obiectiv celorlalte variabile sau dac cele 4 tipuri de rame utilizeaz 1000, 800,
1200 i respectiv 3000 ore manoper atunci num rul total de ore manoper utilizate
este suma acestor valori, adic 6000 ore.

Pentru ca un model s fie o reprezentare cât mai apropiat a situa iei reale trebuie
satisf cute atât ipoteza propor ionalit ii cât i a aditivit ii.

Divizibilitatea
Proprietatea de divizibilitatea înseamn c se permit valori frac ionare ale
variabilelor de decizie. Pentru exemplul produselor mixte, toate cantit ile tipurilor de
rame au fost întregi. Proprietatea de divizibilitate presupune c este acceptabil s se
produc 1,5 rame de tip 1 sau 2,75 rame de tip 2. Dar, deoarece nu se poate produce
un num r frac ionar de rame (cine ar cump ra 1,5 rame?), în cazul produselor mixte
proprietatea de divizibilitate nu este satisf cut . n modelele program rii liniare se pot
permite valori care nu sunt întregi, de i în realitate acestea nu au sens fizic. De
exemplu, dac produsul 1 este un frigider, nu are sens o valoare de 47,53 frigidere.
Dac se dore te ca valorile anumitor activit i s fie întregi, atunci exist 2 moduri de
abordare:
1. se rezolv modelul program rii liniare f r constr ngerea ca valorile s fie întregi,
i dac solu ia nu are valori întregi se poate rotunji.
2. se pot supune anumite variabile la constrângerea de a lua valori întregi.
16 Modelare i simulare în afaceri

Problema de programare liniar în care una sau toate variabilele trebuie s aib valori
întregi pozitive sau zero poart denumirea de problem de programare cu valori
întregi. Totu i, este mai frecvent situa ia în care cantit ile optime nu sunt întregi.

Exist situa ii în care nu se poate pune ipoteza divizibilit ii, rotunjirea fiec rei
variabile a solu iei optimale a program rii liniare putând constitui o solu ie
acceptabil . De exemplu, dac solu ia optim pentru o firm de automobile indic
producerea a 150.000,4 ma ini într-un an, atunci este rezonabil a se estima planul
optim de produc ie la 150.000 sau 150.001 ma ini. Dar dac solu ia optim indic o
valoare de 0.4, atunci trebuie f cut diferen a între rotunjirea înspre zero sau înspre 1.
În aceste situa ii se apeleaz la metodele program rii cu valori întregi.

La modelarea problemelor reale, se fac de obicei anumite ipoteze simplificatoare, ca în

cazul modelelor program rii liniare. Din cauza neliniarit ilor, de obicei, nu se ine
seama de unele dintre cele trei propriet i. Totu i, multe aplica ii de succes ale
program rii liniare au demonstrat utilitatea modelelor liniare chiar dac sunt
aproxim ri ale realit ii. Dac se b nuie te îns c aceste aproxim ri duc la invalidarea
modelului, atunci se va utiliza un model întreg sau, dup caz, unul neliniar.

Certitudinea
Alt proprietate a program rii liniare este certitudinea. Aceast proprietate implic
faptul c fiecare parametru (coeficien ii func iei obiectiv, membrul drept al
inegalit ilor i coeficientul tehnologic) sunt cunoscu i cu certitudine. De exemplu,
dac nu se cunoa te num rul de ore de manoper necesare pentru producerea unei
rame de tip 1, atunci nu este îndeplinit proprietatea de certitudine.

Regiunea realizabil
Regiunea realizabil a unei probleme de programare liniar este multimea de puncte
care satisface toate constrângerile i toate restric iile de semn.

De exemplu, pentru problema produselor mixte, mul imea de puncte (1000, 0, 500,
250) se afl în regiunea relizabil . Astfel, dac :
x1 = 1000
x2 = 0 < 2000
x3 = 500
x4 = 250 < 1000
conform rela iilor (2.14) se ob ine:
2 ⋅ 1000 + 0 + 3 ⋅ 500 + 2 ⋅ 250 = 4000
4 ⋅ 1000 + 2 ⋅ 0 + 500 + 2 ⋅ 250 = 5000 < 6000 (2.20)
6 ⋅ 1000 + 2 ⋅ 0 + 500 + 2 ⋅ 250 = 7000 < 10000
Se observ c sunt satisf cute toate constrângerile i restric iile de semn deci setul de
puncte (1000, 0, 500, 250) se afl în regiunea realizabil .
Oricare set de puncte care nu satisfac constrângerile i restric iile de semn se vor afla
în regiunea nerealizabil .

Solu ia optim
Pentru problemele de programare liniar în care se urm re te ob inerea maximului
func iei obiectiv, solu ia optim este dat de punctul sau mul imea de puncte care,
aflate în regiunea realizabil , ob in maximul func iei obiectiv. În mod similar, solu ia
Introducere în programarea liniar 17

optim pentru problemele în care se urm re te ob inerea minimului func iei obiectiv
este acel punct al regiunii realizabile pentru care func ia obiectiv ia valoarea minim .
Pentru problema produselor mixte, din exemplul (2.1) solu ia optim este setul de
puncte (1000, 800, 400, 0). Astfel, nu exist un alt punct în regiunea realizabil pentru
care s se ob in o valoarea mai mare a func iei obiectiv. Exist , totu i, probleme care
nu au o solu ie optim sau au o infinitate de solu ii.

2.5. Metoda solu iei grafice pentru problemele de

programare liniar cu dou variabile

Problemele program rii liniare pot fi rezolvate prin metode grafice doar în cazul în care
prezint doar dou variabile de decizie.

Exemplul 2.2

Se consider problema produselor mixte cu doar dou tipuri de rame (1 i 2), cu dou tipuri de
resurse (manoper i metal) i cu urm toarele date de intrare:
• 2.25 unit i monetare profit rama tip 1;
• 2.60 unit i monetare profit rama tip 2;
• 4000 ore manoper disponibile;
• 2 ore manoper / ram tip 1;
• 1 ore manoper / ram tip 2;
• 5000 u.m. de metal;
• 1 u.m. metal /ram tip 1;
• 2 u.m. metal /ram tip 2.
Rela iile care descriu modelul de optimizare sunt:
max z= 2.25x1+2.60x2 (func ia obiectiv)
2x1+x2≤ 4000 (constrângerea de manoper )
x1+2x2≤ 5000 (constrângerea de metal) (2.21)
x1 ≥ 0 (restric ia de semn)
x2 ≥ 0 (restric ia de semn)

Ob inerea solu iei realizabile

Pentru rezolvarea exemplului 2.2 se se determin grafic regiunea realizabil . Regiunea

realizabil o reprezint setul de puncte (x1,x2) care satisface toate rela iile (2.21). Solu ia este
prezentat în figura 2.1. Ob inerea solu iei se face în urm toarele etape:
1. Se traseaz linia pentru orele de manoper
2x1+x2= 4000 (2.22)
Linia ce une te punctele (0,4000) i (2000, 0), dat de intersec ia cu axele,
îndepline te constrângerea de manoper . Toate punctele de sub aceast linie formeaz
regiunea realizabil , adic punctele unde sunt utilizate mai pu in de 4000 ore de
manoper . Dac punctul (0,0) nu satisface constrângea atunci acesta se va exclude din
regiune.
18 Modelare i simulare în afaceri

x2
5000

2x1+x2=4000
4000
Solu ie optim
3000
Linii de isoprofit
2000
x1+2x2=5000
1000

x1
Regiune 1000 2000 3000 4000 5000
realizabil
Fig. 2.1 Solu ia optim grafic
2. Se traseaz linia constrângerii de material
x1+2x2= 5000 (2.23)
fiind linia care une te punctele (0,2000) i (5000,0), linia unde toate cele 5000 de
unit i sunt folosite, iar punctele de sub linie utilizeaz sub 5000.
3. În final, punctele de sub ambele sau de pe ambele linii constituie regiunea realizabil .

Ob inerea solu iei optime

Solu ia optim se afl în regiunea realizabil pentru care se g se te maximul func iei obiectiv
max z= 2.25x1+2.60x2 (2.24)
Pentru ob inerea solu iei optime se va trasa o linie ale c rei puncte determin aceea i valoare a
func iei obiectiv (profit constant). Aceast linie se nume te linie de isoprofit.

Ecua ia (2.24) se mai poate scrie:

x2 =z/ 2.60 -(2.25/ 2.60 )x1 (2.25)

Liniile descrise de rela ia (2.22) au panta egal cu -2.25/2.60 i intersecteaz axa vertical la
valoarea z/2.60. În figura 2.1 sunt trasate (cu linie întrerupt ) trei linii de isoprofit. Profitul
cre te când linia se mut în sus i în dreapta.

Grafic se observ c ultimul punct posibil este dat de intersec ia liniilor constrângerilor de
manoper i material. Aflând coordonatele punctului (1000, 2000) se ob ine un profit
P=7450$. Dac panta liniilor de isoprofit este mai abrupt atunci punctul optim va fi (2000,0),
iar în caz contrar (0,2500). Deci, pot fi doar trei puncte optime: (2000,0), (0,2500) sau (1000,
2000). Dac panta liniilor de isoprofit coincide cu panta uneia din liniile de constrângere,
atunci un segment întreg poate fi optim având un caz cu solu ii optime multiple.

Aceast abordare grafic nu este utilizat practic la rezolvarea problemelor reale, metoda
simplex fiind o metod eficient în c utarea liniilor de puncte care apar în aplica iile reale.
Introducere în programarea liniar 19

Constrângeri restrictive i constrângeri nerestrictive

O dat ce a fost g sit solu ia optim este util a se clasifica fiecare constrângere în:
• constrâgere restrictiv . O constrângere este restrictiv dac membrul drept i cu
membrul stâng al constrângerii sunt egali când variabilele de decizie se înlocuiesc cu
valorile optime.
• Constrângere nerestrictiv . O constrângere nu este restrictiv dac cei doi membrii
ai constrângerii nu sunt egali când variabilele de decizie se înlocuiesc cu valorile
optime.

În cazul solu iei optime a exemplului 2.1 (1000, 800, 400, 0), constrângerile din rela iile
(2.14) se scriu:
x1 = 1000
x 2 = 800 < 2000
x 3 = 400 < 500
x 4 = 0 < 1000
2 ⋅ 1000 + 800 + 3 ⋅ 400 + 2 ⋅ 0 = 4000
4 ⋅ 1000 + 2 ⋅ 800 + 400 + 2 ⋅ 0 = 6000
6 ⋅ 1000 + 2 ⋅ 800 + 400 + 2 ⋅ 0 = 8000 < 10000
Se observ c rela iile 1, 5 i 6 sunt restrictive, în timp ce 2, 3, 4 i 7 nu sunt restrictive.

2.6. Imposibilitatea i nem rginirea

Imposibilitatea i nem rginirea sunt dou cazuri ce pot apare în rezolvarea problemelor de
programare liniar .

Imposibilitatea
Imposibilitatea reprezint cazul în care problema de programare nu are regiune
realizabil astfel c problema este imposibil .
Dac un model nu are solu ii posibile, exist , în general, dou cauze:
1. o gre eal în formulare (de exemplu, scrierea lui ≥ în loc de ≤), caz în care trebuie
verificate formul rile;
2. problema are asemenea constrângeri, încât nu exist o solu ie care s le satisfac .
În acest caz trebuie simplificate sau eliminate unele constrângeri.
Totu i, nu exist o metod de determinare a unei erori cauzate de o solu ie imposibil .

Nem rginirea
În acest caz, modelul a fost formulat încât obiectivul este nem rginit, astfel c poate fi
oricât de mare sau oricât de mic. În asemenea situa ii, erorile se pot datora unor valori
eronate de intrare sau din omiterea unor constrângeri.
Imposibiltatea i nem ginirea sunt dificile din punct de vedere al sensului practic. Este
posibil ca un model s nu aib solu ii. Singura cale const în eliminarea unor
constrângeri.
20 Modelare i simulare în afaceri

Problema nem rginirii este diferit de cea a imposibilit ii. Nu exist posibilitatea ca un
model real s aib solu ii nem rginite. Dac un model are solu ii nem rginite, ori este o
gre eal în formularea modelului, ori sunt gre eli ale datelor de intrare, ori s-au omis una sau
mai multe constrângeri.

2.7. Analiza sensibilit ii

Analiza sensibilit ii se ocup cu studierea modului în care solu ia optim este modificat de
schimbarea parametrilor program rii liniare. Aceast analiz se reg se te în literatur i sub
numele de analiza parametrilor sau analiza post-optimal . Analiza de sensibilitate arat cât de
sensibil este solu ia optim odat cu modificarea datelor problemei, ca de exemplu
modificarea coeficien ilor func iei obiectiv sau a coeficien ilor din partea dreapt a sistemului
de restric ii. Dac solu ia optim se modific pu in la modific ri importante ale parametrilor
nu intereseaz prea mult nesiguran a. n caz contrar, analiza de sensibilitate este important
deoarece, în practic , valoarea coeficien ilor variabilelor de decizie i a restric iilor nu poate fi
stabilit cu certitudine, sau este prea costisitoare, fiind adesea aproxim ri ale realit ii.

Modificarea coeficien ilor func iei obiectiv conduce la modificarea înclin rii func iei obiectiv,
lucru care poate sau nu s afecteze solu ia optim , ca în exemplul din figura 2.2.

Modificarea valorilor din partea dreapt a

x2
restric iilor conduce la deplasarea dreptelor
restric iilor cu paralele la ele. Acest lucru
z=5x1+1x2 poate afecta atât solu ia optim cât i
valoarea solu iei optime. Efectul depinde
exact de care restric ie este modificat i de
z=4x1+5x2 valoarea acesteia.

Principalele concepte cu care opereaz

analiza sensibilit ii sunt:
z=5x1+4x2
• pre ul din urm i
• costul redus.
x1

Fig.2.2 Efectul modific rii coeficien ilor Pre ul din urm (shadow price)
func iei obiectiv
Adeseori este important determinarea
modului în care valoarea optim se poate modifica în func ie de valoarea membrului drept al
unei constrângeri. Aceast modificare se poate studia prin intermediului pre ului din urm .

Pre ul din urm se define te ca fiind valoarea cu care se modific solu ia optim (cre tere în
cazul ob inerii unui maxim sau descre tere pentru ob inerea unui minim al func iei obiectiv)
dac valoarea membrului drept al constrângerii studiate este incrementat . Aceast defini ie se
aplic p strând neschimbate datele de baz curente (datele de intrare).

Pentru orice problem de programare liniar cu dou variabile este simplu de determinat
grafic pre ul din urm al fiec rei constrângeri. În cazul exemplului 2.2, pentru modelul de
optimizare (2.21):
Introducere în programarea liniar 21

max z= 2.25x1+2.60x2
2x1+x2≤ 4000
x1+2x2≤ 5000
x1 ≥ 0
x2 ≥ 0
solu ia optim se ob ine pentru punctul (1000, 2000). De exemplu, dac sunt disponibile
4000+∆ ore de manoper (presupunând c datele curente r mân neschimbate) atunci solu ia
optim este:
x1 = 1000 + ∆
x2 = 2000 - ∆
Atunci valoarea optim z va fi:
2x1+x2 = 2(1000 + ∆)+(2000 - ∆) = 4000 + ∆
Astfel, atât timp cât valorile curente r mân optime, incrementarea orelor de manoper
conduce la incrementarea valorii optime z.
Dac valorile curente r mân optime pentru o cre tere cu valoarea ∆ a membrului drept al
constrângerii, atunci noua valoarea z optim (a func iei obiectiv) este dat de rela ia:
(Noua valoare z optim ) = (Vechea valoare z optim ) +
+ (Pre ul din urm al constrângerii) ∆ (2.26)

Importan a analizei sensibilit ii

Analiza sensibilit ii este important din mai multe motive. În multe aplica ii, valorile
parametrilor program rii liniare se pot schimba. De exemplu, se poate modifica num rul
orelor de manoper sau al cantit ilor de material disponibile. Dac un parametru se schimb ,
analiza sensibilit ii face s nu mai fie necesar o nou rezolvare a problemei. Cunoa terea
analizei sensibilit ii permite determinarea solu iei optime la schimbarea parametrilor pornind
de la solu ia ini ial .

În multe situa ii unii parametrii pot avea valori incerte. De exemplu, nu se tie cu certitudine
câte rame tip 1 se vor vinde s pt mânal. Cu ajutorul analizei sensibilit ii, se pot ob ine
rezultate credibile chiar i în cazurile când apar parametrii ai c ror valori nu se cunosc cu
certitudine.

Analiza sensibilit ii cu ajutorul calculatorului

În cazul problemelor de programare liniar cu mai mult de dou variabile, domeniul de valori
al membrului drept (sau coeficientul func iei obiectiv) pentru care valorile curente r mân
optime nu se poate determina grafic. În acest caz se utilizeaz programe software specializate
precum LINDO, GINO, LINGO, What’s Best! sau cu ajutorul Microsoft Excel i Lotus 1-2-3
for Windows.

Domeniul coeficientului func iei obiectiv

Domeniul coeficientilor func iei obiectiv este indicat de rapoartele programelor software prin:
• cre terea permis (Allowable Increase) reprezint valoarea cu care poate fi
crescut coeficientul func iei obiectiv astfel încât valorile curente s r mân optime;
• descre terea permis (Allowable Decrease) reprezint valoarea cu care poate fi
mic orat coeficientul func iei obiectiv astfel încât valorile curente s r mân
optime.
22 Modelare i simulare în afaceri

Costul redus (Reduced Cost)

Costul redus ofer informa ii asupra modului de modificare a coeficientului func iei obiectiv
la schimbarea variabilelor suplimentare. Pentru exemplul 2.1, variabilele de baz asociate
solu iei optime sunt x1, x2, i x3 iar variabila suplimentar este x4 (nu vor fi produse rame de
tip 4).
Pentru orice variabil suplimentar xk, costul redus este valoarea cu care coeficientul func iei
obiectiv al lui xk trebuie îmbun t it înainte de a se ob ine o solu ie optim care s aib pe xk
ca variabil de baz .

Dac coeficientul func iei obiectiv al variabilei suplimentare xk este îmbun t it de costul s u
redus, atunci problema de programare liniar are solu ii optime alternative:
• cel pu in una pentru care xk este variabil de baz ;
• cel pu in una pentru care xk este variabil suplimentar .

Dac coeficientul func iei obiectiv al variabilei suplimentare xk poate fi îmbun t it nu numai
prin costul redus atunci orice solu ie optim va avea pe xk > 0 ca variabil de baz .

2.8. Rezolvarea problemelor de programare liniar cu

ajutorul foilor de calcul

2.8.1. Elementele unei foi de calcul

Principalele elemente ale unei foi de calcul sunt:

1. Datele de intrare. Toate datele numerice de intrare necesare form rii obiectivului i
constrângerile trebuie trecute în foaia de calcul.
2. Celulele ale c ror valori se schimb . În locul utiliz rii de variabile (cum se folose te în
metoda clasic ), se vor utiliza unele celule destinate rolului de variabile de decizie.
Valorile din aceste celule se vor schimba în timpul optimiz rii obiectivului. În Excel,
aceste celule se numesc celule schimbabile sau celule ajustabile.
3. Celule int (scopul obiectivului). O celul numit celul int sau celul obiectiv con ine
valoarea obiectivului. Solver-ul modific sistematic valorile din celulele ajustabile în
ordinea optimiz rii valorii din celula int .
4. Constrângerile se vor specifica în ferestre de dialog prin rela ii similare cu:
B15:D15<=B16:D16
care implic trei constrângeri distincte:
B15<=B16
C15<=C16
D115<=D16
5. Valori strict pozitive. Variabilele de decizie, adic valorile din celulele schimbabile,
trebuie s fie strict pozitive, constrângere care trebuie exprimat explicit în Excel. De
exemplu, pentru a specifica faptul c valorile din irul C5:C9 sunt strict pozitive, trebuie
inclus o constrângere de forma:

C5:C9>=0

În general, determinarea solu iei complete a unei probleme se face în dou etape:
Introducere în programarea liniar 23

1. Introducerea datelor de intrare, a variabilelor de procesare din celulele schimbabile i

formulele de leg tur pentru aceste valori în foaia de calcul.
2. Invocarea Solver-ului pentru aflarea solu iei optime.

2.8.2. Problema produselor mixte (vezi problema 2.1)

n vederea prezent rii rezolv rii vom considera din nou problema (2.1). Reamintim enun ul
acesteia i modul de organizare a datelor din tabelul 2.1. Astfel:
O companie produce patru tipuri de rame pentru tablouri, 1, 2, 3 i 4. Cele patru tipuri de
rame difer ca m rime, form i materiale utilizate. Fiecare necesit o anumit calificare
(manoper ) i material (metal i sticl - geamuri), ca în tabelul 2.1. În tabel se afl i profitul
companiei pentru fiecare tip de ram , unde profitul este pre ul de vânzare minus manopera i
materialele. Pentru s pt mâna ce vine, compania dispune de 4000 ore de manopera, 6000 zeci
grame de metal i 10000 zeci grame de geam de accea i grosime. De asemenea, pe pia nu se
pot vinde mai mult de 1000 rame tip 1, 2000 rame tip 2, 500 rame tip 3, i 1000 rame tip 4.
Compania dore te s ob in profitul maxim s pt mânal.

Tabelul 2.1. Datele pentru exemplul ramelor de tablouri

Manoper Metal Sticl Profit $
Rama tip 1 2 4 6 6
Rama tip 2 1 2 2 2
Rama tip 3 3 1 1 4
Rama tip 4 2 2 2 3

Dezvoltarea modelului pe foaia de calcul (fig.2.3)

1. Intr ri. Se introduc datele de intrare pentru irurile B6:E8, H6:H8, B10:E10 i B17:E17
2. Nivelele produc iei. Se introduc valori pentru celulele B15:E15. Aceste celule sunt celule

Fig. 2.3 Solu ia ini ial a problemei produc iei ramelor de tablouri
24 Modelare i simulare în afaceri

schimbabile i se pot folosi orice valori ini iale, Solver-ul încercând s g seasc valorile
optime.
3. Resurse utilizate. Se introduce formula:
=SUMPRODUCT(B6:E6,$B$15:$E$15
în celula F6 i se copiaz în irul E7:F8. Aceste formule calculeaz unit ile pentru
manoper , metal i sticl utilizate la produsele cerute. Funs ia SUMPRODUCT multiplic
fiecare valoare din irul B6:E6 cu valoarea corespunz toare din irul B15:E15 i apoi
însumeaz aceste produse. Semnul $ (adresa absolut a celulei) din irul B15:E15 este
introdus pentru a permite copierea formulei în irul F7:F8.
4. Profitul realizat. Se introduce formula:
=SUMPRODUCT(B10:E10,B15:E15)
în celula F10 pentru calculul profitului total.
Inaintea apel rii Solver-ului pentru g sirea solu iei, este folositor a se încerca unele
valori pentru celulele schimbabile, din dou motive:
a) se poate verifica corectitudinea calculelor;
b) se poate observa func ionarea modelului.

De exemplu, se poate ghici c tipurile de rame cu cel mai mare profit trebuie produse
în num r cât mai mare. Astfel, se introduc valori de 0 în celulele schimbabile B15:E15,
deci rezult profit nul. Apoi, deoarece tipul 1 aduce profitul cel mai mare (6$), iar pia a
constrânge la 1000 rame, se introduce cifra 1000 în celula B15. Se observ c nici una
dintre resurse nu sunt utilizate la maxim. Deci , se pot realiza câteva rame tip 3, tipul
cu urm torul profit maxim. Deoarece pia a constrânge la cel mult 500 rame, se
introduce valoarea 500 în celula D15. Înc mai exist resurse disponibile. Aceasta
permite producerea ramelor tip 4, rame cu urm torul profit. Totu i, se mai pot produce
doar 2500 rame tip 4, deoarece în acest moment s-au epuizat orele de manoper .
Solu ia rezultat este ilustrat în figura 2.4 având profitul de 8750$.

Fig. 2.4 O alt solu ie posibil a problemei produc iei ramelor de tablouri
Introducere în programarea liniar 25

Solu ia din figura 2.4 nu este cea mai optim . Chiar i-n acest exemplu simplu este
dificil de ghicit solu ia optim , deoarece un tip de ram cu profit mare poate utiliza
multe resurse i s exclud realizarea altor tipuri de resurse.
Cu ajutorul Solver-ului se poate:
• specifica celula obiectiv, a celulelor schimbabile i a constrângerilor;
• rezolva modelul prin ajustarea valorilor din celulele schimbabile pân când toate
constrângerile i obiectivul sunt îndeplinite.

Utilizarea Solver-ului

Fig. 2.5 Fereastra de dialog a Excel Solver

Pentru a apela Solver-ul din Excel, se selecteaz op iunea Solver din meniul Tools. Va ap rea
o fereastr de dialog ca cea din figura 2.5, care este constituit din trei sec iuni importante:
1. Obiectivul. Se selecteaz celula F10 pentru profitul total i butonul Max. (În fereastr
semnul $ apare al turi de adresa celulei i apare automat când se indic o celul sau un ir
de celule, dar se va omite, în nota ii, când se specific intr rile din aceast fereast ).
2. Celulele schimbabile. Se selecteaz irul B15:E15, num rul de rame produs.
3. Constrângerile. Se alege op iunea Add i se introduc urm toarele constrângeri (se pot
introduce în orice ordine dar vor fi afi ate în ordinea alfabetic a numelor sau adreselor):
F6:F8<=H6:H8 utlizarea doar a resurselor necesare
B15:E15<=B17:E17 cantitatea produs <= cantitatea vândut
B15:E15>=0 valori strict pozitive
4. Modelul liniar. Solver-ul utilizeaz mai multe metode numerice. Problemele liniare pot fi
rezolvate eficient prin metode simple. Pentru alegerea acestei metode trebuie selectat
op iunii Assume Linear Model din fereastra de dialog ce apare la alegerea butonului
Option.
5. Optimizarea. Se selecteaz butonul Solve pentru g sirea solu iei optime i alegerea unuia
dintre cele trei rapoarte (fig.2.6).
26 Modelare i simulare în afaceri

Experimentarea unor noi valori de intrare

Simpla modificare a valorilor de intrare i rularea Solver-ului poate conduce la g sirea unor
noi solu ii, în acest fel urm rindu-se comportarea modelului. De exemplu, f când tipul 4 mai
profitabil (de la 3 la 8$), iar celelalte r mând la fel, se ob ine o nou solu ie optim : se vor
produce 1000 rame tip 1 i 1000 de tip 4, crescând profitul total la 14000$.

Fig. 2.6 Solu ia optim a problemei produc iei ramelor de tablouri

La modificarea datelor de intrare nu mai trebuie specificate celula int , celulele schimbabile
i constrângerile deoarece acestea sunt inute minte de c tre program. În figura 2.7 este
prezentat modelul cu alte valori ale datelor de intrare.

Fig. 2.7 Solu ia problemei cu alte date de intrare

Introducere în programarea liniar 27

Rapoartele Solver-ului

Solver-ul din Excel produce r spunsuri op ionale i rapoarte de sensibilitate dup ce a fost
g sit solu ia optim . Dac se cer, aceste rapoarte sunt incluse ca foi în fi ierul foaie de calcul
tabelar.

Raportul cu r spunsuri al problemei ramelor de tablouri, prezentat în figura 2.8, cuprinde,

printre altele, valorile finale (optime) ale func iei obiectiv i a variabilelor decizionale i
pentru fiecare constrângere afi eaz lista cu starea (obligatorie sau nu).

Fig. 2.8 Raportul cu r spunsuri pentru exemplul produselor mixte

Excel produce i un raport op ional de sensibilitate (fig.2.9) i împ r it în dou zone:
a. Celule schimbabile. Dac o variabil de decizie este 0 (tipul 4) atunci nu este
profitabil includerea activit ii de producere a ramelor tip 4 în produc ia optim .
Costul sc zut al acestei activit i indic cât de profitabil trebuie s fie fiecare unitate
a acestei unit i pentru a fi optim . Profitul pentru rama tip 4 este 3$. Conform
costului sc zut, profitul unit ii trebuie s creasc cu 0.2$ (la 3.20 $) pentru ca tipul 4
s devin profitabil, fapt ce se reflect în coloana cre terii permise.

Cre terea i descre terea permis indic pentru ce valori solu ia curent s nu mai este
optim . De exemplu, dac tipul 3 r mâne între 3.50$ (=4-0.50) i 6$ (4+2 ), atunci
produc ia curent r mâne optim (altfel profitul total se schimb ).
28 Modelare i simulare în afaceri

Dac o cre tere/descre tere permis are o valoare foarte mare (de exemplu, 1E+30)
atunci profitul unitar poate cre te/descre te f r limite i solu ia optim nu se schimb .

b. Constrângerile. Fiecare constrângere previne utilizarea a mai multor resurse decât

este disponibil. Dac o constrângere este obligatorie, atunci compania a epuizat
resursele disponibile i poate avea în vedere achizi ionarea altora. Pre ul din urm
(shadow price) indic cu cât contribuie noile resurse la cre terea profitului total i
reprezint modificarea valorii obiectivului în func ie de modificarea resurselor.

În problema ramelor, deoarece constrângerile de manoper i metal sunt obligatorii,

compania va dori s pl teasc mai mult pentru acestea. Pre ul din urm pentru
manoper , 1.20$, înseamn c fiecare or suplimentar de manoper (peste cele 4000
disponibile) va ad uga 1.20$ la profit.
Cre terile i descre terile permise indic domeniul în care pre ul din urm este relevant.
Fiecare or suplimentar pân la 250 va aduce un profit suplimentar de 1.20 $ i fiecare or
pierdut pân la 1000 va aduce o pierdere de 1.20$ la profit. În afara domeniului este dificil

Fig. 2.9 Raportul de sensibilitate pentru exemplul produselor mixte

de spus ce se întâmpl .

În contrast cu constrângerile obligatorii, pre ul din urm pentru cele neobligatorii este
totdeauna egal cu zero. Explica ia economic const în faptul c dac resursele sunt mai mari
decât cele necesare atunci nu se vor achizi iona altele.

2.8.3. Problem de produc ie multiperiodic

Un alt tip de problem rezolvabil prin programarea liniar este luarea deciziilor în diferite
perioade de timp. Acest tip de problem apare când o companie trebuie s ia o decizie care
poate avea ramifica ii în viitor.
Introducere în programarea liniar 29

O companie produce mingi de fotbal. Aceasta trebuie s se decid asupra cantit ii poduse
utilizând un plan pe 6 luni. Cererile prev zute pentru urm toarele 6 luni sunt: 10000, 15000,
30000, 35000, 25000, 10000. Compania vrea s satisfac aceste cereri în termen cunoscând c
are 5000 mingi în stoc. La fiecare lun se pot produce pân la 30000 buc i i se pot
înmagazina pân la 10000 buc i pân la sfâr itul lunii. Produc ia prev zut cost pe
urm toarele 6 luni, pe bucat , 12.50, 12.55, 12.70, 12.80, 12.85 i 12.95 $. Pre ul de
înmagazinare la sfâr itul lunii este de 5 % din costul de produc ie pe luna respectiv . Pre ul de
vânzare nu este considerat relevant, deoarece se presupune c cererile vor fi onorate la timp
indiferent de aceasta. Astfel, compania dore te s determine planul produc iei care
minimizeaz costurile totale de produc ie i costurile depozit rii.

Rezolvare

Pentru întocmirea foii de calcul (fig.2.10) trebuie introduse urm toarele informa ii:
1. Intr ri. Se introduc datele de intrare în irurile B5, B10:G12, B24:G24, B26:G26 i
B30:G30. Zerourile din celulele B26:G26 prev d limitele minime pentru stocuirle finale i
sunt utilizate în constrângeri pentru asigurarea cererii la timp.

Fig. 2.10 Solu ia neoptimizat a problemei produc iei mingilor de fotbal

30 Modelare i simulare în afaceri

Celula B12 con ine formula

=0.5*B11
care va fi copiat în irul C12:G12. Celulele din rândul 12 indic costul de depozitare
la 5% din costul produc iei unitare.
2. Cantit ile produc iei. Se introduc orice valori pentru celulele B22:G22, ca valori ini iale
ale cantit ilor produc iei.
3. Inventarul final al primei luni este dat din formula din celula B28:
=B5+B22-B10
i calculeaz inventarul la sfâr itul primei luni ca inventarul ini ial + produc ia primei
luni - cererea primei luni.
4. Inventarul la sfâr itul celorlalte luni este dat de formula din celula C28:
=B28-C22-C10,
copiat în celulele D28:G28. Deci inventarul la sfâr itul lunii curente este egal cu
inventarul lunii precedente + produc ia lunii curente - cererea lunii curente.
5. Costurile totale de produc ie sunt date de formula din celula B15:
=SUMPRODUCT(B11:G11,B22:G22)
adic suma costurilor unitare de produc ie multiplicate prin cantitatea produs .
6. Totalul costurilor de inventariere sunt date de formula din celula B16:
=SUMPRODUCT(B12:G12,B28:G28)
adic suma costurilor de unitare de inventariere multiplicate cu inventarele finale.
7. Costul total este dat de rela ia din celula B17:
=B15+B16 (suma costurilor de produc ie i a costurilor de inventariere)

Se utilizeaz Solver-ul astfel:

1. Obiectivul. Se alege celula B17 ca celul int i op iunea Minimize (fig.2.11)

Fig. 2.11 Fereastra Excel Solver pentru problema produc iei

2. Celulele schimbabile (calculate) se aleg B22:G22 (cantit ile produse)
3. Constrângerile sunt date rela iile:
B22:G22>=0 valoarea produc iei >=0
B22:G22<=B24:G24 produc ia>=capacitatea de produc ie
B28:G28>=B26:G26
B28:G28<=B30:G30 stocul final<=capcaitatea de produc ie
4. Se alege op iunea Assume Linear Model i apoi butonul Solve, solu ia fiind
prezentat în figura 2.12.
Introducere în programarea liniar 31

Fig. 2.12 Solu ia optim a problemei produc iei mingilor de fotbal

2.9. Teme

Rezolva i grafic, acolo unde acest lucru este posibil, i apoi cu ajutorul calculatorului
problemele urm toare. Interpreta i rezultatele.

1. O firm produce i vinde dou produse A i B. Fiecare din acestea este prelucrat în dou
sec ii ale firmei S1 i S2. Num rul de ore necesare prelucr rii unei unit i de produs, în
fiecare din cele dou sec ii este dat în tabelul de mai jos. De asemenea se cunosc
capacitatea fiec rei sec ii, în ore/s pt mân , precum i profitul unitar pe fiecare din cele
cele dou produse. S se determine profitul maxim la o fabrica ie s pt mânal .

A B Capacitate (pe s pt mân )

Sec ia 1 3 ore 2 ore 120 ore
Sec ia 2 4 ore 6 ore 260 ore
Profitul unitar 5 u.m. 6 u.m.
32 Modelare i simulare în afaceri

2. Pentru a- i men ine s n tatea, o persoan trebuie s respecte zilnic un minimum necesar
din mai multe substan e nutritive cum sunt calciul, proteinele i calorii. Dieta const din
dou alimente A i B. Con inutul nutritiv al unei unit i din fiecare aliment, cantitatea
minim necesar i pre ul fiec rei unit i din A i B este este dat în tabelul de mai jos. Ce
combina ie din cele dou alimente va satisface necesit ile zilnice având i costul cel mai
mic?

A B Necesar
Calciu 10 4 20
Proteine 5 5 20
Calorii 2 6 12
Pret unitar 0.6 u.m. 1 u.m.

3. O firm produce i vinde dou produse A i B. Procesul de produc ie necesit o prelucrare

manual , o prelucrare automat i un material. Datele produc iei sunt date în tabelul de
mai jos. Se mai tie c se pot vinde cel mult 20 de unit i pe s pt mân din produsul A i
c , datorit unui contract mai vechi, trebuie produse cel pu in 10 unit i din produsul B.
Beneficiul pentru o unitate de produs A este 3 u.m. i pentru B de 4 u.m. Determina i
planul de produc ie al firmei astfel încât beneficiul total s fie maxim.

Resurse
Produse Ma in (ore) Manual (ore) Material (kg)
A 4 4 1
B 2 6 1
Total disponibil (pe s pt mân ) 100 180 40

4. O firm produce dou produse, A i B. Datele produc iei, pe unitatea de produs, sunt date
în tabelul de mai jos. Afla i planul de produc ie astfel încât beneficiul total s fie maxim.

Resurse A B Disponibil
For a de munc 3 5 500
Materialul M1 4 2 350
Materialul M2 6 8 800
Beneficiul unitar 8 10

5. O firm caut s - i optimizeze planul de produc ie lunar a celor trei repere A, B i C pe

care le execut . Tehnologia de fabrica ie specific consumurile de metal, energie electric
i for de munc descrise în tabelul de mai jos, în unit i conven ionale (u.i.). Planul de
produc ie trebuie s in seama de urm toarele condi ii:
- consumul lunar total de metal trebuie s nu dep easc 10.000 u1;
- consumul lunar total de energie electric nu trebuie s dep easc 10.000 u2;
- timpul de munc , evaluat la 12.000 u3 trebuie folosit integral;
- valoarea produc iei reperului A trebuie s fie de cel pu in 26.000 u.m.
tiind c valoarea unei unit i produse din fiecare reper este 10, 6 i 8 u.m., stabili i
maximizarea valorii totale a produc iei lunare. Care este utilizarea resurselor?
Resurse A B C
Metal 1 2 4
Energie electric 2 1 1
Timp de munc 1 3 3
Introducere în programarea liniar 33

6. Ion P dure este proprietarul unui mic atelier de mobil . El confec ioneaz trei modele
diferite de mese: A, B i C. Fiecare model necesit un anumit timp de produc ie pentru
debitarea, asamblarea i vopsirea p r ilor componente. Ion poate vinde toate mesele pe
care le produce. Mai mult, masa tip C se poate vinde i nevopsit . Pentru produc ie Ion
angajeaz muncitorii în acord, astfel încât timpul dedicat de ace tia fiec rei activit i
variaz de la o lun la alta. Utilizând datele din tabelul de mai jos, formula i un model care
s -l ajute pe Ion s determine ce produc ie i-ar putea aduce maximizarea profitului în luna
urm toare.

Model Debitare Asamblare Vopsire Profit per mas

(ore) (ore) (ore) (u.m.)
A 3 4 5 25
B 1 2 5 20
C 4 5 4 50
C nevopsit 4 5 0 30
Capacitate 150 200 300

7. Vasile Breaz este pre edintele unei firme de investi ii care gestioneaz ac iunile clien ilor
s i. Un nou client tocmai i-a cerut lui Vasile s -i investeasc 100.000 u.m. în ac iuni.
Clientul dore te s - i limiteze investi ia la un mix de trei ac iuni, conform tabelului de mai
jos. Formula i o problem de programare liniar care s indice câte ac iuni din fiecare tip
s cumpete Vasile astfel încât s ob in maximul de venit anual.

Firma Pre per Valoarea anual Investi ia

ac iune estimat a venitului maxim
(u.m.) (u.m.) posibil (u.m.)
Motor Oil 60 7 60.000
CarboSib 25 3 25.000
GazoMed 20 3 30.000

8. Mircea Cazan este managerul unei firme care produce hran pentru animale. Mâncarea
pentru câini este ob inut prin amestecul a trei componente. Datele privind aceste
componente sunt furnizate în tabelul care urmeaz . Dac Mircea dore te s fie sigur c
fiecare câine prime te zilnic cel pu in 8 unit i de proteine, 1 unitate de carbohidra i i nu
mai mult de 0,5 unit i de gr sime. Câte unit i din fiecare categorie trebuie s intre în
meniul zilnic al câinelui pentru ca Mircea s înregistreze costuri minime?

Componenta Cost per unitate Proteine Carbohidra i Gr simi

(u.m.) (%) (%) (%)
A 0,45 62 5 3
B 0,38 55 10 2
C 0,27 36 20 1