Documente Academic
Documente Profesional
Documente Cultură
– Note de curs –
Lect.dr. Crîşmaru N.
Bacău
2019
1
I Teoria Modelarii
Metoda modelării constă ı̂n ı̂nlocuirea obiectului sau fenomenului real care ne
interesează cu un alt obiect sau fenomen, mai convenabil pentru cercetare. După o
astfel de substituire nu se mai studiază obiectul primar ci modelul, iar apoi rezultatul
cercetărilor se extinde asupra obiectului sau fenomenului iniţial[1].
Imitarea unor procese, obiecte sau fenomene este caracteristică societatii umane pe
tot parcursul istoriei sale. Primele desene, realizate de oamenii epocii de piatră pe
peretii peşterilor erau în acelaşi timp şi primele încercări de a imita
obiectele şi fenomenele reale prin imagini [10](desenul 1).
2
Modelul este un obiect material sau ideal, care înlocuieşte în procesul de cercetare
obiectul original, păstrând unele caracteristici esenŃiale, importante pentru procesul de
cercetare[10].
Modelele sunt utilizate din cele mai vechi timpuri pentru cercetarea fenomenelor şi
proceselor complicate, constructia ansamblurilor arhitecturale complicate etc.
Un model reuşit este mai accesibil pentru cercetări decât obiectul real. Mai mult
chiar: unele obiecte şi fenomene nu pot fi cercetate în original. Sunt inadmisibile
experientele economice la nivel macroeconomic; imposibile experientele cu elementele
Sistemului Solar; experientele temporale etc. Un alt aspect important al modelării îl
constituie evidentierea factorilor, ce generează anumite proprietati ale obiectului
real, caracteristici esentiale ale lui[10].
Modelul permite instruirea în vederea utilizării corecte a obiectului real, verificând
di- ferite moduri de a reactiona pe modelul acestui obiect. Experientele cu obiectul
real pot fi imposibile sau foarte periculoase (durata mare a procesului în timp, riscul
de a deteriora obiectul). În cazurile cercetării obiectelor dinamice (caracteristicile
cărora depind de timp) o importanta primordială capătă problema prognozării
stării obiectului sub actiunea unor anumiti factori[10].
Un model bine construit permite obŃinerea unor cunostinte noi despre obiectul
original cercetat[10].
Procesul de construire al modelului se numeşte modelare.
Există câteva tipuri de modelare, ce pot fi unite în două grupe mari: modelare
materială şi ideală[10].
La modelarea materială se atribuie metodele, la care cercetarea originalului se
realizează prin reproducerea în model a caracteristicilor geometrice, fizice, dinamice,
functionale de bază. Exemple: machetele clădirilor, a diferitor aparate (avioane,
automobile, vehicule militare). Modelarea ideală diferă cardinal de cea materială: ea
se bazează pe analogia ideală a modelului fata de original[10].
Modelarea ideală poartă un caracter teoretic. Uneori se poate baza pe o conceptie in-
tuitivă despre obiectul cercetărilor. În acest sens experienta de viata a fiecărui om
poate fi considerată drept modelul lui a lumii înconjurătoare. În cazul când
modelarea nu este intuiti- vă, se folosesc anumite simboluri, modelarea fiind numită
simbolică. În calitate de simboluri se folosesc diverse scheme, grafice, formule. În
categoria modelelor simbolice un loc aparte îl ocupă modelarea matematică, la care
cercetarea obiectului se realizează prin intermediul unui model formulat în termeni şi
notiuni matematice, cu folosirea unor metode matematice. Un exemplu clasic al
modelării matematice este descrierea şi cercetarea legilor de bază ale mecanicii lui I.
Newton cu instrumentele matematice[10].
Pentru cercetarea unui proces sau fenomen nu este suficient să fie construit modelul.
Modelul descrie anumite legităti, relatii, caracteristici. De obicei însă, problema pusă
cere ca în baza unor mărimi cunoscute să se determine alte mărimi şi caracteristici,
care s-ar acorda modelului matematic[10].
Observarea şi măsurarea au constituit principalele mijloace prin care s-au desfăşurat
activitati de cunoaştere[11].
Prin aparitia teoriei sistemelor s-au deschis căile aparitiei şi dezvoltării
modelarii[11].
În etapa de analiză a sistemului, constructia modelului se încadrează într-o
succesiune de etape rezultând în final modelul matematic asociat sistemului fizic.
3
Definirea “granitelor” sistemului. Toate sistemele fizice lucrează în
interactiune cu alte sisteme. Din acest motiv este necesar să se definească
aceste granite
Definirea ipotezelor simplificatoare / a aproximatiilor admise. Modelul trebuie să
includă ce este esential din sistemul fizic. Dacă sistemul este prea complicat
utilitatea sa devine discutabilă.
Stabilirea ecuaŃiilor de echilibru / bilant pentru sistemul fizic (sau pentru
subsistemele componente) şi definirea conditiilor suplimentare.
Modul de abordare trebuie să aibă în vedere însă şi specificul fiecărui tip de sistem
în parte. De exemplu, echilibrul energetic – energy balance – poate avea o
interpretare fizică şi una filozofică. Interpretarea fizică a echilibrului are
semnificatii specifice domeniului de aplicatie: fizică, biologie, inginerie, economie,
etc.[11].
O notiune importantă, (similară cu cea de sistem), o reprezintă notunea de model.
Formularea unei teorii se poate echivala cu “construirea modelului” iar teoria ar
putea defini “modelul” realitatii analizate. Modelul va reprezenta sub o formă
utilizabilă, aspectele ese nt ia l ale sistemului existent. În domeniul tehnic modelul
este întâlnit şi utilizat printre altele şi în scopul proiectării[11].
Semnificatia notiunii de simulare este corelată cu cea de model / modelare şi diferă
în functie de contextul domeniului în care se utilizează. Din multitudinea de
definiti, am ales două care le considerăm că exprimă cel mai bine
co nt inut u l conceptului:
Un proces de imitare a unui fenomen real pe baza
unui set de formule matematice.
Functionarea / operarea unui model în aceeaşi
manieră ca un sistem dat când acesta este
caracterizat de un set de intrări.
Experimentatorul, în multe cazuri, a dobândit apriori unele cunostinte printr-o
întelegere fizică a procesului ce se examinează. Acestea pot da informatii
asupra structurii unui model conceptual pentru acel proces şi probabil chiar o
cunoaştere aproximativă a parametrilor acestui model[11].
Avem nevoie de un model pentru comportare statică sau comportare dinamică, a
unui model complet neliniar sau liniarizat ? Răspunsul la întrebare poate să implice
criterii privind precizia dorită, abordarea dinamică sau statică etc. Modelul trebuie
realizat separat de proces – cu hârtia şi creionul – plecând de la legi fundamentale şi
experimente izolate, sau se poate lucra în cadrul procesului când ni se permite să
efectuăm experiente cu procesul existent ? Ce co ns ider at ii economico-
financiare trebuie avute în vedere ?
Din acest moment numărul de întrebări creşte exponential şi problema se
complică. Iată câteva dintre alte întrebări posibile[11]:
Cum se va aprecia calitatea modelului ?
Cum se vor folosi în model toate cunostintele pertinente ?
Care este strategia optimă pentru a obtine cunoştintele care lipsesc ?
Cum se vor trata neliniaritatile ?
Cum se poate exprima un sistem complex printr-unul simplu ?
Utilizarea limbajului matematic ı̂n descrierea unor modele, permite acestora să aibă
4
un ı̂nalt grad de abstractizare şi de generalizare.
In elaborarea unui model matematic ataşat unui proces trebuiesc respectate etapele:
Modelul realizat şi testat trebuie să reflecteze originalul cu destulă precizie.
S-ar putea ca modelul să fie bine construit dar să nu dea rezultate satisfăcătoare. El
trebuie
ı̂mbunătăţit sau abandonat.
După modelul matematic utilizat se poate da următoarea clasificare a modelelor:
5
10) modele stohastice – mărimile care intervin sunt aleatorii;
12) modele vagi – mărimile care intervin nu sunt date cu precizie, ci doar vag;
6
pe alte căi (Hîncu, Manual, 2006, pag.40). Modelul este privit ca un ansamblu de
ecuaţii, o construcţie ştiinţifică a unui sistem economic utilizat pentru a identifica
acţiunea reciprocă, înlănţuirea şi interdependenţa anumitor feomene. (SURSA: Ştiinţa
economică- cunoaştere si construcţii de realitate economică. Condiţii logice ale
raţionamentelor specifice ştiinţei economice, CIDE, Bucureşti, 1999, pag.30) [3].
Începutul modelării în ştiinţe îl putem plasa în anii 1620, când Gunter a inventat primul
dispozitiv analogic de calcul, un predecesor al riglei de calcul.
În lucrarea sa Principia, Newton a fost primul care a găsit soluţii aproximative la
ecuaţiile diferenţiale prin procedee numerice. Generaţiile următoare de savanţi au
utilizat metoda lui Newton în mecanica astrală, pentru a modela şi aproxima
traiectoriile planetelor. Unul dintre cele mai renumite procese de calcul numeric şi
modelare rămas în istorie din ştiinţa timpurie, îl constituie cel din anul 1748, realizat de
Clairot, Lalande şi Lepaute, având ca obiectiv determinarea la traiectoriei cometei
Haley. Despre calculul acestei traiectorii Lalande scria «timp de 6 luni am calculat de
dimineaţa până seara, uneori chiar şi în timpul mesei…». Rezultatul calculelor a
reprezentat o estimare a traiectoriei şi duratei de deplasare a planetei, estimare care a
dovedit a avea o diferenţă de doar 31 de zile faţă de realitate, respectiv 13 aprilie 1749.
Urmatoarea revenire a cometei Haley din anul 1853 s-a dovedit a avea o eroare de
predicţie de numai 5 zile, iar predicţia din anul 1910 a avut o eroare de numai 2,7
zile[9].
Anul 1918 va reprezenta de asemenea un moment important în istoria modelării
ştiinţifice. Forest Ray Moulton (1872–1952), profesor de astronomie la universitatea
din Chicago, a realizat în perioada aprilie – iunie 1918 o lucrare amplă de modelare a
traiectoriilor pro iectilelor, lucrare folosită ca bază de pornire pentru elaborarea
tabelelor balistice pentru armata americană. Cercetarea s-a concretizat ulterior într-un
volum intitulat „Noi metode în balistica exterioară”, şi publicat în anul 1926.
Lucrarea descrie în amănunt metode pentru modelarea şi estimarea traiectoriilor
proiectilelor şi elaborarea tabelelor balistice, inclusiv a tabelelor destinate apararii
antiaeriene[9].
O altă modelare remarcabilă rămasă în istoria ştiinţei a fost cea a matematicianului
norvegian Carl Stormer care, împreună cu echipa sa de cercetători a calculat orbitele a
numerosi electroni aflaţi în câmpul magnetic al pămantului. Cercetarea, întinsă pe mai
mulţi ani, avea ca scop confirmarea teoriei sale privind aurora boreală. În perioada
1926–1955 au fost calculate 120 de orbite, necesitând 4500 de ore de muncă[9].
Daca ne referim acum la procesul de obtinere a unui model, avem urmatoarele:
1. Subiectul (cercetătorul);
2. Obiectul cercetării (procesul de studiu);
3. Modelul obiectului cercetat care intermediază relaţiile dintre subiectul
care cercetează si obiectul cercetării.
Modelarea matematică presupune [3]:
Esenţa metodei modelării constă în înlocuirea procesului real studiat printr-un model
mai accesibil studiului. Rezultatele obţinute prin modelare se pot extinde asupra
procesi modelat, numai în condiţiile în care modelul a reprezentat fidel proprietăl
structura şi particularităţile acestuia[3].
Putem spune că modelul este o reprezentare izomorfă a realităţii, care oferă o imagine
intuitivă, dar riguroasă în sensul structurii logic fenomenului studiat, şi permite
descoperirea unor legături şi legi greu de stabilit pe alte căi[3].
Formularea problemei
Elaborarea modelului
Experimentul computerizat
| |
Procesul de M&S (modelare si simulare)a fost folosit cu mult timp înainte de apariţia
calculatoarelor. Modelele şi simulările au o istorie îndepărtată, cele mai vechi
constând în linii trasate în nisip, utilizând obiecte, precum nuiele şi pietre pentru a
reprezenta caracteristicile terenului, fortificaţii, dispunerea trupelor etc. Unele dintre
cele mai timpurii forme de M&S include Chaturanga (un joc hindus asemănător
şahului), The Kings Game din anul 1600, Kriegspiel (un joc german)[5].
Preocupările în acest domeniu au progresat în mod rapid, astfel odată cu dezvoltarea
tehnologiei în domeniu s-au făcut paşi importanţi în utilizarea M&S în majoritatea
domeniilor[5].
Conceptul de modelare reprezintă procesul prin care producem un model, acesta fiind o
reprezentare a construcţiei şi a modului de lucru a unui anumit sistem de care suntem
interesaţi. Un model trebuie să fie o aproximare a sistemului real, care să includă cât mai
multe dintre caracteristicile sale importante, şi să nu fie foarte complex astfel încât să nu
fie înţeles şi să nu-l putem experimenta[5].
Modelul care să ne mulţumească trebuie să fie un compromis între realism şi simplitate.
Specialiştii în simulare recomandă creşterea complexităţii modelelor de tip iterativ. Una
dintre problemele esenţiale în cadrul procesului de modelare este validarea modelului,
care ulterior să poată fi folosit în activităţile de simulare[5].
Abordareateoreticã a modelãrii inpoliticilemacroeconomice s-a dezvoltat relativ independent în cadrul
macroeconomiei, începând cu lucrãrile lui Tinbergen si Theil, si continuând cu contributiile lui Meade, Preston si
Pagan, Turnowskis.a.
Se remarcã existenta a douã directii teoretice importante în abordarea modelelor politicilor macroeconomice. Prima
directe, dominantã în perioada de început a acestor preocupãri (1964- 1970), o constituie teoria staticã a
politicilor macroeconomice, în cadrul cãreia erau studiate interactiunile dintre instrumente si scopuri care se
presupuneau constante în timp. Desi obiectivele politice puteau fi fie fixate, fie flexibile, modelul politic
10
introdus si studiat de aceastã teorie era, în general, modelul liniar static. Existenta, unicitatea si
proiectarea politicilor erau chestiunile centrale ale demersului analitic, în cadrul acestuia fiind utilizate cu precãdere
metodele algebrei liniare si teoriei functiilor liniare.
Dupã anul 1970, prin extinderea teoriei la cazurile de modele dinamice, tot mai frecvent
utilizate în macroeconomie, apare teoria dinamicã a politicilor macroeconomice. În
contextul dinamic, mult mai larg, interactiunea dintre obiectivele politice si modelul politic este
abordatã ca fiind variabilã în timp. Ca si în cazul static, obiectivele politice dinamice sunt fixe sau flexibile.
Dar obiectivele dinamice pot lua si alte forme decât în cazul static: obiective punctuale, obiective
stationare sau obiective traiectorie. Acest lucru largeste si mai mult aria de aplicare a teoriei dinamice a
politicilor macroeconomice, ca si problematica analiticã a acesteia[6].
Trecerea de la modelele statice la cele dinamice, care constituie un progres evident al teoriei politicilor
macroecono- mice, ridicã, însã, o serie de probleme în ce priveste cadrul de reprezentare a modelelor si
obiectivelordinamice. Varietatea de modele (în formã structuralã, în formã redusã sau sub formã de sistem liniar)
combinatã cu tipurile principale de obiective (punctuale, stationare sau sub formã de traiectorie) ridicã problema
alegerii celei mai bune combinaþii de model si obiectiv cu ajutorulcãreia se poate reprezenta sistemul economic
real[6].
Al doilea aspectlacarene referimestecelaldezvoltãrii unor modele politice aplicate. Încã de la începutul
dezvoltãrii ei, teoria politicilor macroeconomice si-a propus si concretizarea în modele aplicative a conceptelor si
metodelor teoretice elaborate. Însusi Tinbergen a elaborat o serie de modele, utilizate de guvernul olandez pentru
adoptarea diferitelor decizii politice. Entuziasmul initial stârnit de aceste modele, si amintim aici modelul
francez METRIC, modelul britanic CAMBRIDGE, modelele americane s.a., s-a stins în jurul anilor
1975-1980, când s-a înteles cã un astfel de model poate fi realizat cu niste costuri mari, fãrã sã existe garantia
obtinerii unor rezultate corespunzatoare[6].
De asemenea in studiul problemelor de fizica ridicate de stiinta si tehnologia
contemporana este necesara efectuarea de cercetări pe modele, în condiții de laborator,
cercetari ce necesită atât cunoașterea teoriilor analizei dimensionale și similitudinii,
cât și a regulilor de modelare fizică[9].
Modelarea fizică reprezintă o metodă de rezolvare a unor probleme concrete având la
bază studiul experimental al unui fenomen la scară naturală, de pe prototip, prin
intermediul unui fenomen similar, la scară redusă, realizat pe model, în condiții de
laborator. Modelarea fizică utilizează atât teoremele analizei dimensionale și
similitudinii, cât și metode specifice modelării fizice[9].
Studiile experimentale, pe modele fizice, sunt folosite cu scopul soluționării unor
probleme ce nu pot fi rezolvate prin metode analitice sau prin metode numerice
aproximative, precum și cu scopul verificării experimentale a rezultatelor obținute prin
utilizarea unor modele numerice, în vederea validării acestora[9].
Modelarea matematică şi simulările asistate de calculator au devenit o parte uzuală a
cercetării ştiinţifice pentru studiul unei multitudini de sisteme naturale din fizică,
astrofizică, biologie, biochimie, medicină, economie, psihologie, ştiinţe sociale, etc[9].
Aceste instrumente ştiinţifice permit studiul direcţiilor de evoluţie ale sistemelor în
diferite condiţii iniţiale şi de mediu, reducând costurile experimentelor de laborator sau
al altor tehnologii de investigare. Totodată ele permit estimarea performanţelor în cazul
sistemelor complexe, pentru care soluţiile analitice sunt imposibil de obţinut[9].
Prin însăşi natura sa, din cele mai vechi timpuri ştiinţa s-a folosit de modele.
Metodologia cercetării ştiinţifice implică parcurgerea urmatorilor paşi[9]:
1. Observarea proceselor şi studierea lor prin experimente
11
2. Colecţionarea şi sistematizarea informaţiilor culese
3. Elaborarea de ipoteze
4. Construirea modelelor
5. Testarea ipotezelor pe baza modelelor construite
6. Confirmarea sau infirmarea ipotezelor
7. Ajustarea modelelor
8. Validarea modelelor
9. Aducerea rezultatelor la cunoştinţa comunităţii ştiinţifice
10. Modificarea, dezvoltarea sau invalidarea modelelor în funcţie de rezultatul
testelor şi opiniile cercetătorilor în domeniu[9].
Modelele, ca instrumente ale cercetării ştiinţifice folosite în toate domeniile ştiinţei din
cele mai vechi timpuri[9].
Elaborarea unui model necesită parcurgerea urmatoarelor etape[9]:
1. Alegerea structurii sau fenomenului pentru care se elaborează modelul;
2. Stabilirea elementelor de bază pentru model (descrierea interacţiilor dinamice
între subsistemele componente, specificarea şi descrierea variabilelor şi a
parametrilor care îl caracterizează, realizarea de simplificări în scrierea ecuaţiilor
matematice, declararea ipotezelor de elaborare şi estimarea validităţii lor);
3. Descrierea matematică/sistemică/fizică, etc a modelului;
4. Identificarea parametrilor sistemului prin comparaţie cu datele experimentale;
5. Validarea modelului prin echivalenţa datelor provenite din sistemul real cu
cele generate de model;
Compararea modelului cu modele anterioare şi elaborarea de sugestii pentru
modificări şi experimente ulterioare[9].
Pentru a vedea importanta modelarii si a modelelor in viata de zi cu zi, vom da in
continuare etapele rezolvarii unei probleme oarecare, cu ajutorul calculatorului[10]:
Instrumentele informatice permit rezolvarea problemelor atât prin metode analitice,
cât şi prin metode de simulare. Dar, rezolvarea oricărei probleme în informatică se
divide în mai multe etape, fiecare din ele având acelaşi grad de importantă.
Analiza problemei initiale. La această etapă este studiată problema reală. Sunt
separate datele intiale, se determină ce trebuie de obtinut , care sunt relatiile dintre
datele initiale şi rezultat. Tot aici sunt determinate restrictiile suplimentare asupra
datelor initiale şi rezultatului.
Crearea modelului problemei. Este creat modelul matematic al problemei. În
depen- dentă de problemă acest model poate fi analitic sau de simulare. Pentru
modelul analitic este necesar să se determine formulele de calcul, care exprimă
rezultatul căutat prin datele initiale. Pentru un model iterativ se stabilesc valorile
initiale ale datelor, relatiile (formulele) de trecere la iteratia următoare, conditia de
întrerupere a calculelor. Tot la această etapă are loc (dacă e posibil) divizarea
problemei în subprobleme şi elaborarea modelelor pentru fiecare din ele.
Elaborarea algoritmului. În cazul rezolvării informatice a unei probleme
algoritmul contine metoda de rezolvare a problemei, descrisă într-o formă
acceptabilă (pseudocod, schemă logică etc.) şi relatiile dintre diferite etape de
rezolvare. Dacă problema a fost divizată în subprobleme, algoritmul mai contine
date despre relatiile dintre modelele subproblemelor. În procesul de rezolvare la
calculator a problemei este deosebit de importantă consecutivitatea îndeplinirii
instructiunilor. Anume algoritmul divizează modelul matematic în paşi elementari şi
stabileşte ordinea de efectuare a calculelor la fiecare pas.
Scrierea programului. Pentru ca să devină posibilă rezolvarea problemei de către
calculator, nu este suficient algoritmul de rezolvare. Algoritmul trebuie transpus într-
o formă inteleasa de calculator-program într-un limbaj de programare. Paşii
12
algoritmului sunt descrişi cu ajutorul instructiunilor limbajului de programare, iar
consecutivitatea lor-de consecutivitatea instructiunilor. În procesul de scriere a
programului pot să apară erori sintactice sau semantice. Procesul de corectarea a
lor este de asemenea inclus în etapa de scriere a programului. Etapa se consideră
încheiată atunci când compilarea sau interpretarea programului finalizează fără erori.
Testarea programului. O compilare reuşită nu înseamnă o problemă rezolvată
corect. Pentru verificarea corectitudinii se realizează o serie de teste, care cercetează
lucrul programului în functie de seturi de date de intrare simple, medii şi extreme.
Dacă pentru toate testele efectuate programul determină rezultate corecte, se poate
presupune că problema a fost rezolvată corect. Dacă în procesul de testare se obtin
rezultate eronate, urmează să fie cercetate din nou etapele precedente, începând cu
analiza problemei şi până la scrierea programului[10].
Exemplul 1[10]
Analiza problemei: Este dată o suprafata de retea , nodurile retelei fiind puncte cu
coordonate întregi. Se cere de determinat numărul de trasee diferite pe retea din
nodul cu coordonatele (0,0) în nodul cu coordonatele (X,Y).
Reteaua este formată din nu mai mult de 33 de linii şi 33 de coloane. Numărul
de mişcări nu depăşeşte 16.
Datele initiale vor fi introduse de la tastatură. Rezultatele vor fi afişate la ecran.
Modelul matematic: Se construieşte schema grafică a problemei (desenul 3).
Init ia l robotul se află în originea coordonatelor. Pozitia finală este determinată
de valorile X şi Y date initial.
Se observă că numărul de algoritmi din K i ns t r u ct iu n i
care permit deplasarea din (0,0) în (X, Y) este egal cu suma
numerelor de algoritmi din K-1 mişcări, cu care se poare ajunge
în punctele vecine celui cu coordonatele (X,Y).
13
Desenul 4. Numărul de posibilitati de a ajunge în K mişcări în (X,Y) se determină ca suma numărului de
posibilităti de a ajunge în K-1 mişcări în unul din punctele (X,Y+1) (X,Y-1) (X+1,Y) (x-1,Y)
Initial în 0 mişcări se poate ajunge doar din (0,0) în (0,0) într-un singur mod. La
fiecare iteratie următoare se foloseşte formula
Ni+1(X,Y) = Ni(X,Y+1)+ Ni(X+1,Y)+ Ni(X,Y-1)+ Ni(X-1,Y)
Algoritm:
Pas 0. Initializarea. Se formează tablourile A,B[-20..20,-20..20] cu
elemente de tip întreg lung. Elementul A[I,J] indică numărul de algoritmi din R (R=
0..K) mişcări care deplasează robotul din (0,0) în (I,J). Matricea B păstrează valorile
elementelor matricei A de la iteratia precedentă. R se initializeaza cu 0; A[0,0] cu 1,
celelalte elemente ale matricei A cu 0.
Pas 1. R R + 1; B A
var
a, b: grid;
i, r, j, k, n, x, y: longint;
begin
read(k, x, y);
a[0,0] := 1;
for r := 1
to k
do
begin
b := a;
for i := -r to r do
for j := -r to r do
a[i,j] := b[i+1,j]+b[i-1,j]+b[i,j-
1]+b[i,j+1];
14
end;
writeln(a[x,
y]);
end.
Testare
Pentru testare a fost folosit următorul set de teste:
Date initiale Rezultat
000 1
7-41 147
813 1568
12 4 2 174240
16 0 -16 1
16 2 2 10306296
0
Modelarea, la o primă aproximare, are drept rezultat elaborarea unui model cu ajutorul
căruia se descrie, se înţelege sau se percepe o situaţie din lumea înconjurătoare care nu
este altfel accesibilă observatorului uma. Wilson(1990) spune că: „Un model este o
interpretare explicită a unei situaţii sau chiar a unei idei despre această situaţie.
16
El poate fi exprimat matematic, simbolic sau în cuvinte. Dar este în esenţă o
descriere a entităţilor (elemente, subsisteme), proceselor sau atributelor şi a
relaţiilor dintre ele. El poate fi prescriptiv sau ilustrativ, dar înainte de toate
trebuie să fie util”[12].
M = {S, H ,U ,T , D}.
Procesul de modelare are drept scop şi rezultat final obţinerea unui model M al
unui sistem dat, S. Acest lucru nu înseamnă însă cunoaşterea tuturor elementelor
încorporate în definiţia modelului M, lucru de altfel imposibil datorită atât
volumului foarte mare de informaţie cuprinsă în unele dintre aceste mulţimi, dar
mai ales datorită evoluţiei permanente a cunoaşterii care este încorporată
mulţimilor respective. De aceea, procesul de modelare presupune extragerea
informaţiei relevante din mulţimile respective şi obţinerea unei reprezentări a
sistemului sub forma unui model care satisface într-un anumit grad cerinţele
exprimate de destinatarii (beneficiarii) modelelor. Extragerea informaţiei se face
printr-o tehnică de modelare aleasă din mulţimea de tehnici cunoscute, T.
Modelul astfel obţinut trebuie să satisfacă nu numaiu exigenţele observatorului
H, dar şi pe ale destinatarului (beneficiarului) său D, care are anumite informaţii
iniţiakle de spre S, notate IS. Evident că IM diferă de IS, procesul de modelare
putând fi interpretat şi ca încercarea de a minimiza diferenţa dintre informaţiile
deţinute de observator şi informaţiile deţinute de destinatar[12].
IM
Observator
M
IS’
Destinatar
Altfel spus, modelul reprezintă o relaţie între observator şi destinatar prin care
primul comunică celuilalt reprezentarea sa despre un sistem real. Destinatarul
poate folosi reprezentarea astfel obţinută pentru a exercita o anumită influenţă
asupra sistemului real. Desigur că o astfel de definire a modelului este foarte
generală. Pentru operaţionalizarea acesteia, putem introduce următoarea
definiţie[12]:
M este un model al lui S dacă şi numai dacă:
i) M şi S sunt amândouă sisteme;
ii) Pentru orice element (subsistem) Si S, exista cel mult un element
(submodel) M i M;
iii) Pentru orice relaţie rij R dintre elemntele lui S există cel mult o
relaţie corespunzătoare mij M între elementele (subsistemele) componente; şi
iv) Pentru orice mulţime de elemente (submodele) legate printr-o relaţie
mij în M este adevărat că există o mulţime corespunzătoare de elemente
(subsisteme) din S, legată printr-o relaţie corespunzătoare rij.
Condiţia i) asigură ca atât sistemul cât şi modelul acestuia au elemente,
conexiuni între acestea , precum şi scopuri. Condiţia ii) arată că M are cel mult
acelaşi număr de elemente ca şi S. Condiţia iii) asigură că modelul M este mai
simplu decât sistemul S în ceea ce priveşte relaţiile dintre elemente. În sfârşit,
18
Model
M M24
Sistem modelat
S S
S3
S
condiţia iv) asigură ca modelul M să fie util, în sensul că orice se spune despre
model este adevărat şi pentru sistemul modelat[12]. În figura urmatoare se
reprezintă schematic această definiţie operaţională[12].
20
sistemului, bazate pe modele invalide, vor fi ele însele neadevărate. Validitatea
modelelor se poate determina prin întrebări de forma: rezultatele obţinute prin
utilizarea modelului corespund rezultatelor observate în sistemul real? Dacă nu,
abaterile observate sunt de natură să conducă la invalidarea modelului? Dacă da, ce
schimbări sunt necesare în model pentru a elimina aceste diferenţe?
Pentru a asigura îndeplinirea acestor criterii privind valoarea modelelor, procesul
de modelare cibernetică se desfăşoară în mai multe etape, aşa cum se reprezintă
în figura urmatoare:
TEORIE
MEDIUL ELABORAREA
EXTERN
MODELULUI
SISTEM VALIDAREA
MODELAT MODELULUI
22
2) Modelarea bazată pe agenţi;
3) Modelarea inspirată de natură; şi
4) Simularea sistemelor cibernetice.
Fiecare dintre aceste procese de modelare utilizează o tehnică specifică pentru a
surprinde caraceristicile esenţiale ale sistemelor modelate, produsul lor fiind un
model cibernetic ce este apoi utilizat în procesele informaţionale şi/sau decizionale
din sistemele respective. Modelele obţinute sunt denumite, uneori, în funcţie de
tehnica de modelare utilizată cu precădere în obţinerea lor, modele bazate pe
ecuaţii (modele matematice), modele bazate pe agenţi, modele inspirate de natură
sau modele de simulare. În continuarea acestui capitol vom prezenta doar modelele
bazate pe ecuaţii şi modelele bazate pe agenţi şi vom introduce unele elemente de
simulare a sistemelor cibernetice, modelle inspirate de natură fiind abordate mai
târziu[12].
23
care să dăm o modalitate de reprezentare a schemei de reprezentare a unui astfel de
sistem.
Definiţie.[12] Modelul dinamic liniar al unui sistem cibernetic este sistemul
[2] Funcţia de transfer a stării : T T X X dată de: x(t) [t;t0 , x(t0), ] este
este liniara pe multimea Xx (deci [t;t0 , x(t0), ]= [t;t0,x,0]+ [t;t0,0, ] ).
[4] Functia de iesire :TxX Y data de relatia y(t)= [t;x(t)] este liniara pe multimea
X, deci
avem y(t)=c(t)x(t).
Pentru a concretiza aceasta definitie, vom considera ca pe spatiul liniar X este definita o
baza si ca dim(X)=m. De asemenea, spatiul functiilor de intrare admisibile are
dimensiunea
p m.
Starea sistemului cibernetic la un moment dat de timp se va defini ca un
vector x X . Atunci diferenţiala acestui vector, dx / dt va fi tot un vector care poate
fi descompus după coordonatele bazei în m componente: dx1 / dt, dx2 / dt,..., dxm / dt.
dx1
dt a11 x1 .... a1m xm b11u1 ... b1 p u p
dx2 a x .... a x b u ... b u
21 1 2m m 21 1 2p p
dt
............................
dxm a x .... a x b u ... b u
dt m1 1 mm m m1 1 mp p
24
b11b12 ................b1 p
b21b22 ...............b2 p
B=
...........................
bm1bm 2 ..............bmp
dx/dt=x(t)=A(t)x(t)+B(t)u(t)
Scriind matricial:
y1 (t ) c11c12 ................c1m
y (t ) c c ...............c
y(t)= 2 , C(t)= 21 22 2m
, obtinem: y(t)=C(t)x(t).
..... ...........................
y n (t ) cn1cn 2 ..............cnm
Putem da acum urmatoarea definitie:
Definitie.[12] Sistemul cibernetic este descris de urmatorul model dinamic
liniar (finit si cu timp continuu):
dx
A(t ) x(t ) B(t )u (t )
dt
y (t ) C (t ) x(t )
Prima ecuatie a modelului se numeste ecuatia de dinamica a (starii)
sistemului, iar a doua, ecuatia de iesire.
În unele cazuri, modelul dinamic liniar poate fi si sub forma:
S=(A(t),B(t),C(t)), respectiv S=(A,B,C) [12].
Modelele cibernetice se pot reprezenta cu ajutorul schemelor sctructurale
astfel:
Schema structurală a unui model cibernetic este reprezentarea grafică a
intercaţiunii dintre elementele şi-sau subsistemele alcătuind sistemul cibernetic
respectiv[12].
25
Se pot utiliza, pentru aceasta, o serie de simboluri grafice simple cum sunt cele din
figura urmatoare:
+
+ +
_
a
S
A
b) c)
a)
c21 c22 c2m
cn1 cn2 cnm
Clasificare
Clasificarea modelelor poate reflecta fie ramura de ştiinţă în care acestea acţionează şi
avem
modele economice,
modele sociologice,
modele biologice,
modele organizaţionale etc,
fie instrumentul utilizat in descrierea acestuia, respective:
model grafic,
model matematic,
model fizic,
model de referinţă etc.
Alta clasificare a modelelor o gasim si in lucrarea [5]:
Modelele matematice sunt acele modele care sunt descrise de simboluri matematice şi
relaţii, care sunt construite utilizând algoritmi sau proceduri şi ecuaţii matematice[5].
În general, un model destinat pentru studii de simulare este un model matematic
dezvoltat cu ajutorul software-ului. Astfel, putem aminti despre modele matematice de
tip deterministic (unde variabilele de intrare şi cele de ieşire sunt valori fixe),
stocastice (unde cel puţin una dintre valorile de intrare sau cele de ieşire este
probabilistică), statice (unde timpul nu este luat în considerare) şi dinamice (unde
timpul este luat în considerare şi interacţionează cu celelalte variabile)[5].
Modelele fizice sunt acele modele care sunt descrise de structuri fizice şi relaţii care
în mod curent sunt construite cu o înaltă fidelitate (detaliate)[5].
Modelele procesuale sunt acele modele care sunt reprezentate în simulare prin relaţii dinamice
de tip matematic şi de tip logic[5].
30
Considerarea firmei ca sistem cibernetic este justificată de următoarele observaţii:
-în cadrul acesteia se desfăşoară un număr mare de activităţi, fiecare fiind efectuată de
un grup de oameni, în general specializaţi pentru desfăşurarea eficientă a acesteia,
toate acestea fiind într-un sistem variat de interdependenţe, de regulă, riguros stabilite.
-activitatea, structura, dimensiunea, poziţia pe piaţă etc., sunt permanent în schimbare,
cu ritmuri şi intensităţi diferite
-activitatea firmei se desfăşoară într-un mediu extern foarte complex, greu previzibil,
faţă de care îşi raportează acţiunile, care cuprinde concurenţi, consumatori, acţionari,
parteneri, facilităţi, taxe, legi, condiţii de mediu etc.
-diversificarea gamei sortimentale de bunuri şi servicii oferite de firmă poate fi asigurată
doar prin mărirea numărului de activităţi, compartimente, factori de producţie,
specializări, materii prime, informaţii etc.;
-activitatea normală a firmei necesită cel puţin un sistem de reglare şi control, care
adaptează activitatea şi inputurile firmei în funcţie de outputurile acesteia şi starea
mediului extern;
-firma este un sistem care atinge eficienţe, creează specializări, obţine produse imposibil
de realizat fără conlucrarea dintre subsistemele acesteia, modifică prin activitatea sa
mentalităţile şi relaţiile umane;
Are loc astfel un schimb permanent între firmă şi beneficiarii factorilor de producţie
prin intermediul pieţelor, fiecare influenţându-l şi fiind influenţat de dorinţele, deciziile
şi acţiunile celuilalt [7].
Procedeul de bazǎ folosit de analişti în efortul lor pentru a creşte înţelegerea noastrǎ
despre procesele şi fenomenele care au loc într-un sistem, în scopul creşterii eficienţei
şi a îmbunǎtǎţirii performanţelor sale, îl constituie procesul de modelare. Acest
proces este necesar pentru obţinerea unor modele deosebit de utile, în special când nu
este posibilǎ realizarea unor experimente de laborator, pentru evaluarea sistemului, a
performanţelor sale, precum şi pentru analiza variaţiilor comportamentale care fac
dificilǎ conducerea sa[13].
Dacǎ luǎm în considerare mulţimea tuturor obiectelor {O}, în care putem defini submulţimea
obiectelor naturale {N}, submulţimea obiectelor fizice realizate de oameni {A} şi mulţimea
obiectelor conceptuale (concepte tehnice, ştiinţifice etc.) {C}, se spune cǎ orice element x O
este analog cu alt element y O dacǎ sunt îndeplinite condiţiile:
Totuşi, puţine modele sunt perfecte, majoritatea conţin erori, sarcina analistului fiind identificarea
şi corectarea erorilor (modelele mai intuitive şi mai simple sunt mai uşor de corectat). Cele mai
importante dintre proprietǎţile modelǎrii, utilizate în analiza sistemelor sunt: nonsimetria,
reflexivitatea, tranzitivitatea, nontransferabilitatea, reducerea complexitǎUii, nonpartitionarea,
şi irelevanta.
1. Nonsimetria: simularea se face într-o singurǎ direcţie, dacǎ A modeleazǎ B, atunci B nu poate
modela A.
2. Reflexivitatea: din definiţia modelului (cele 4 condiţii), rezultǎ cǎ orice sistem este propriul lui
model.
3. Tranzitivitatea: dacǎ A este un model al lui B, iar B este un model al lui C, atunci A este un
model şi al lui C. De exemplu, un desen al unei bǎrci de plastic (machetǎ) este un model al
bǎrcii care se va construi. Prin extensie, putem construi un şir de modele din ce în ce mai
simplificate (reducerea complexitǎţii) ale sistemului real. Prin aceastǎ proprietate, specificaţiile
proiectului fizic modeleazǎ sistemul real. Modelarea fiind reflexivǎ şi tranzitivǎ are asociatǎ o
relaţie de preordine, deci este mai puternicǎ decât analogia.
4. Nontransferabilitatea (neidentitatea) modelelor: douǎ sau mai multe modele ale aceleiaşi
baze nu sunt în mod necesar echivalente sau comparabile. Ele pot sǎ reprezinte diferite aspecte
ale sistemului şi fǎrǎ alte informaţii este dificil de ales între mai multe modele.
5. Reducerea complexitǎţii: este un avantaj pe care îl oferǎ modelarea şi care se realizeazǎ fie,
prin gruparea elementelor similare sau cu aceleaşi proprietǎţi fie, prin eliminarea elementelor
irelevante sau cu proprietǎţi irelevante. Obţinerea unor modele cu complexitate redusǎ este un
deziderat al procesului de modelare în analiza sistemelor economice[13].
6. Non-partiţionarea: este proprietatea care nu permite divizarea unui sistem în subsisteme (pǎrţi)
34
fǎrǎ a ţine seama, pe de o parte, de conexiunile stabilite între ele, iar pe de altǎ parte, de
conexiunile stabilite între ele şi sistemul global. Deoarece un model al unei pǎrţi dintr- un
sistem de bazǎ, nu este în mod necesar un model al întregii baze, în ciuda simplitǎţii sale, nu-l
putem examina şi spera sǎ cunoaştem funcţia întregului sistem.
De exemplu, sǎ presupunem o diagramǎ a activitǎţilor de facturare, reprezentatǎ sub
forma unei diagrame-flux de materiale, în care se modeleazǎ numai partea de început şi
cea de sfârşit a acestui proces (fig. urmatoare). Sunt omise anumite operaţii (transmiterea
prin poştǎ a facturilor etc.) precum şi legǎtura dintre aceste pǎrţi, creându-se astfel
impresia cǎ documentul de intrare este acelaşi cu cel de ieşire. Evident aceastǎ legǎturǎ
este falsǎ şi deci modelul nu este conform cu realitatea, datoritǎ unei partiţionǎri incorecte
a sistemului de facturare[13].
Deoarece s-a creat un sistem unic din pǎrţi nelegate direct şi s-au legat elemente şi
procese ale modelului neconforme cu realitatea (documente care intrǎ cu facturi care
pleacǎ), s-a invalidat întregul sistem.
7. Irelevanţa, aratǎ cǎ orice model al unui sistem real modeleazǎ atât baza sistemului cât şi unele
elemente, procese şi conexiuni irelevante care, împreunǎ cu baza alcǎtuiesc o bazǎ lǎrgitǎ a
sistemului. Deoarece tot ceea ce este adevǎrat în model este adevǎrat şi în baza lǎrgitǎ artificial,
este dificil sǎ se dovedeascǎ falsitatea modelului în acest fel. Analistul are sarcina de a reduce la
minim irelevanţa prin alegerea unei baze reale unice care sǎ conţinǎ un numǎr cât mai redus de
elemente, procese şi conexiuni irelevante/neesenţiale. Deoarece utilizatorii tind sǎ trateze
modelele ca baze reale este important pentru instruirea lor sǎ cunoascǎ sistemele de bazǎ.
Modelele ajutǎ dar nu spun totul despre sistemul modelat. Aceste proprietǎţi stabilesc limitele
de utilitate ale modelelor. Ele pot sǎ conţinǎ imperfecţiuni şi totuşi sǎ aibǎ valoare sau,
dimpotrivǎ, sǎ fie perfecte dar puţin valoroase.
Un model are o structurǎ formatǎ dintr-un set de presupuneri /ipoteze pe baza cǎrora se
pot deduce logic anumite concluzii, folosind eventual unele definiţii. Sǎ considerǎm,
spre exemplu urmǎtorul model cunoscut în teoria economicǎ:
Presupuneri:
Toate firmele încearcǎ sǎ-şi maximizeze profiturile;
Curba venitului marginal a oricǎrei firme intersecteazǎ curba costului marginal în
partea superioarǎ;
Curbele venitului marginal şi costului marginal ale oricǎrei firme sunt constante.
35
Concluzie: Fiecare firmǎ produce acel output care corespunde punctului de
intersectie a celor douǎ curbe.
În acest model sunt incluse în mod implicit definiţiile unor termeni de bazǎ ca: profit,
cost marginal, venit marginal.
Presupunerile trebuie sǎ caracterizeze tipul de realitate (domeniul) pe care se
intenţioneazǎ sǎ se aplice modelul. Ele nu trebuie sǎ fie o reprezentare exactǎ a realitǎţii,
ci doar o abstractizare rezonabilǎ a acesteia, adicǎ sǎ conţinǎ numai acele aspecte ale
realitǎţii considerate relevante. Astfel, prima presupunere este suficient de rezonabilǎ,
deşi nu toate tipurile de firme încearcǎ sǎ-şi maximizeze profitul. Dacǎ presupunerile
sunt suficient de realiste pentru scopul analizei, chiar dacǎ ele nu reprezintǎ exact şi
complet realitatea, se pot trage concluzii care pot fi aplicate cu succes în realitate.
Modelele ipotetice sunt create pentru realizarea unor experimente intelectuale, pentru
izolarea unor variabile importante şi determinarea naturii acestora, sau sunt utilizate
drept criteriu pentru evaluarea stǎrii curente a sistemului. Astfel, modelul economic al
concurenţei perfecte poate fi utilizat ca un standard pentru analiza performanţei unei pieţe
reale.
Deşi presupunerile conţin uneori construcţii ipotetice (abstracţii ale realitǎţii) sau se
referǎ la elemente care nu sunt observabile în mod direct (funcţia de utilitate), ele sunt
extrem de folositoare pentru a ajunge la concluzii care au relevanţǎ în realitate şi pot fi
folosite pentru explicare, predicţie şi control. Deci nu toate presupunerile trebuie în mod
necesar sǎ se refere sau sǎ corespundǎ la elemente observabile. O presupunere într-o
teorie poate sǎ fie în acelaşi timp o concluzie a unei alte teorii de nivel mai înalt. Aceastǎ
structurǎ ierarhicǎ de modele constituie de fapt baza pe care economia, ca disciplinǎ, se
dezvoltǎ în mod sistematic.
Obţinerea concluziilor pe baza presupunerilor dintr-un model se face printr-un proces
deductiv în care aspectele de realism sau adevǎr empiric ale presupunerilor sau
concluziilor sunt irelevante. Prin urmare, testul de consistenţǎ logicǎ, validitatea
deducţiei, nu garanteazǎ adevǎrul empiric al concluziei sau semnificaţia acesteia.
Limbajele folosite în formularea presupunerilor, ca şi în procesul deductiv pentru
obţinerea concluziilor, includ: limbajul natural, limbajul matematic, reprezentǎrile
geometrice şi limbajele de programare pe calculator. Alegerea limbajului depinde de
cerinţele problemei, de facilitǎţile pe care le oferǎ, de complexitatea modelului, precum şi
de experienţa şi uşurinţa analistului în folosirea acestuia. Unele limbaje nu sunt potrivite
pentru analiza interacţiunilor simultane a unui numǎr mare de variabile, însǎ un model
cu un numǎr foarte mare de variabile nu este în mod necesar mai valoros decât unul cu
mai puţine variabile.
Valoarea unui model este datǎ de semnificaţia problemelor la care intenţioneazǎ sǎ
rǎspundǎ (scopul modelului) şi de calitatea rǎspunsurilor pe care le dǎ. Nu se poate
afirma cǎ un model este mai realist sau mai potrivit decât altul, dacǎ nu se specificǎ
întrebǎrile la care poate sǎ rǎspundǎ fiecare. Generalitatea unui model depinde de tipurile
de întrebǎri la care modelul este destinat sǎ rǎspundǎ. Din punct de vedere al modului de
construire a modelelor economico- matematice utilizate în procesele economice din
întreprinderile industriale, existǎ mai multe tipuri de modele şi anume: descriptive,
normative, procedurale şi conceptuale[13].
Modele descriptive[13]
Modele normative[13]
Aceste modele au o tipologie diversǎ şi sunt utilizate într-o varietate de forme în diferite
domenii de activitate. În timp ce modelele descriptive au ca obiectiv reproducerea unor
proprietǎţi ale sistemului modelat, modelele normative urmeazǎ sǎ fie utilizate pentru a
pune în aplicare reguli cât mai eficiente de decizie care sǎ conducǎ la creşterea
performanţelor sistemului analizat. Practic, modelarea descriptivǎ se întrepǎtrunde cu
38
modelarea normativǎ şi pentru majoritatea modelelor economico-matematice dominǎ
trǎsǎturile descriptive (ceea ce existǎ) sau cele normative (ceea ce dorim sǎ fie) şi în mod
corespunzǎtor, modelele pot sǎ fie în principal descriptive, respectiv, normative. Modelul
normativ este o rafinare a modelului descriptiv, acestuia fiindu-i asociat un set de
variabile şi reguli precise, exprimate de obicei prin relaţii matematice.
Modelarea normativǎ se foloseşte atunci când existǎ modele descriptive pentru problema
cunoscutǎ sau dacǎ problema este bine definitǎ şi structuratǎ pentru a permite exprimarea
setului de reguli prin relaţii matematice. Modelele normative au avantajul obţinerii unor
soluţii optime sau acceptabile mult mai rapid şi mai puţin costisitor decât în cazul
utilizǎrii experimentului pentru problemele complexe. De exemplu, dacǎ ne referim la
un proces decizional şi notǎm cu:
V = { V1, V2, ..., Vm} mulţimea variantelor;
Dacǎ asociem acestor vectori o regulǎ precisǎ, ca de exemplu regula Laplace (pentru
stǎri ale naturii echiprobabile) de maximizare a utilitǎţilor sintezǎ,
1r
max{ U i l }, unde utilitile sinteza sunt date de relatia:
r l 1 i
n
U i k j uij , iar, kj reprezinta coeficientul de importanta al criteriului Cj, atunci acest
l l
j 1
model devine un model normativ pentru determinarea variantei optime în cazul unui
proces decizional[13].
Modele procedurale
Existenţa unei anumite crize în rezolvarea problemelor pe baza modelǎrii matematice a
fost semnalatǎ de unii specialişti prezenţi la cel de-al IV-lea Congres European de
Cercetare Operaţionalǎ (Anglia, 1980). Unele metode de optimizare bazate pe modelele
normative devin rigide în încercarea de a gǎsi soluţia optimǎ, se îndepǎrteazǎ de
realitatea economicǎ şi nu rǎspund cerinţelor practice, obligând analistul sǎ acorde mai
multǎ atenţie şi timp procesului de modelare. Astfel, o cauzǎ majorǎ a manifestǎrii
acestei crize o reprezintǎ dificultǎţile de a identifica toate tipurile de legǎturi esenţiale
între elementele sistemului, de a evidenţia relaţiile cauzale care descriu comportarea în
timp a variabilelor şi a sistemului, precum şi de a descrie cu precizie complexitatea
acestora prin relaţii matematice. Neconsiderarea unor relaţii importante între elementele
sistemului (inclusiv a celor de decizie) ca şi gradul redus de aproximare cu care sunt
descrise unele conexiuni (prin ipoteze simplificatoare) în cadrul modelelor, au condus la
obţinerea unor rezultate necorespunzǎtoare şi la limitarea aplicabilitǎţii acestora în
39
rezolvarea unor probleme practice complexe. Existǎ situaţii în care modele
perfecte/complete ale sistemului nu se pot aplica în practicǎ datoritǎ dimensiunilor şi a
complexitǎţii prea mari, care fac ca soluţia sǎ nu poatǎ fi obţinutǎ în timp util sau care nu
pot fi rezolvate cu tehnicile disponibile.
Aceste dificultǎţi au condus la reprezentarea conexiunilor sub forma unor proceduri,
care din punct de vedere matematic reprezintǎ o serie de operaţii elementare a cǎror
succesiune de execuţie poate fi stabilitǎ prin algoritmi care se pot converti uşor în
programe pe calculator. În felul acesta unele inconvenienţe pot fi evitate cu ajutorul
modelǎrii procedurale[13].
Pentru cunoaşterea şi folosirea legilor care guverneazǎ fenomenele sistemului studiat
sunt necesare o serie de acţiuni care pot fi sintetizate astfel:
stabilirea unor legi descriptiv-calitative pe baza observǎrii fenomenelor sub aspect
cauzal, descriptiv-calitativ;
determinarea legilor cantitative care guverneazǎ sistemul pe baza observǎrii
fenomenelor sub aspect cantitativ, a analizei datelor colectate şi în conformitate cu
unele mǎsurǎtori efectuate;
adoptarea unor decizii în scopul satisfacerii nevoilor umane şi urmǎrirea efectelor
(implicaţiilor) acestora în vederea perfecţionǎrii deciziilor viitoare.
Aceste aspecte pot fi sintetizate şi folosite în construirea unor modele economico-
matematice care sunt dependente de informaţiile obţinute (date, coeficienţi sau
parametri care intervin în restricţii, sau funcţiile care devin o legitate)[13].
Modelarea proceduralǎ se caracterizeazǎ prin acordarea unui rol principal algoritmului şi
unuia secundar modelului şi se poate realiza, fie printr-o modelare generalǎ care sǎ
surprindǎ toate cazurile posibile, fie folosind modelarea pe tipuri de probleme, când se
alege o clasǎ de probleme des întâlnite în practicǎ pentru care se elaboreazǎ un algoritm
specific de rezolvare.
În funcţie de precizia cu care sunt mǎsurate mǎrimile care caracterizeazǎ procesul
analizat, de dimensiunea şi complexitatea problemelor, de natura datelor de intrare
(exacte, stochastice, vagi) metodele folosite în luarea deciziei se vor baza pe algoritmi
exacţi sau pe algoritmi euristici. Deoarece metodele euristice sunt aplicate frecvent, se
pune problema descoperirii regulilor de bazǎ folosite pentru a le perfecţiona şi a le
sistematiza într-un algoritm[13].
Unii autori susţin cǎ euristica reprezintǎ un ansamblu de metode care permit obţinerea
unor soluţii bune, în sensul cǎ ele nu respectǎ riguros toate condiţiile iar abaterile faţǎ de
acestea sunt greu de evaluat, însǎ pot fi acceptate dupǎ criteriul operativitǎţii cu care au
fost obţinute şi al respectǎrii unui numǎr minim de cerinţe considerate prioritare. O
regulǎ este consideratǎ bunǎ dacǎ soluţia obţinutǎ are o abatere acceptabilǎ faţǎ de soluţia
exactǎ şi dacǎ foloseşte resursele de calcul în limitele disponibile ca duratǎ, memorie
etc.[13].
Modele conceptuale
40
formal, la care se adaugǎ o anumitǎ viziune a analistului asupra realitǎţii investigate
referitoare la sistemul modelat. Modelele conceptuale reprezintǎ de fapt un limbaj
specializat cu ajutorul cǎruia sunt descrise aspectele calitative esenţiale ale sistemelor
reale, indiferent de gradul lor de complexitate. Ele pot sǎ preceadǎ alte tipuri de modele şi
sunt utilizate pentru probleme slab sau prost structurate, sau chiar nestructurate (instabile,
cu multe modificǎri) pentru care este dificil sau imposibil de elaborat alte tipuri de
modele[13].
În afara acestui avantaj, modelele conceptuale sunt utile în analiza de sistem deoarece:
clarificǎ (precizeazǎ) viziunea analistului asupra sistemului analizat;
defineşte structura şi logica sistemului prin ilustrarea conceptualǎ,
simbolicǎ, pe care o oferǎ;
constituie o premizǎ pe baza cǎreia se poate realiza activitatea de proiectare a
noului
sistem.
Limbajul utilizat în cadrul modelelor conceptuale face apel la o serie de concepte
fundamentale din teoria generalǎ a sistemelor sau derivate din acestea, din care
menţionǎm:
a) Procesul de transformare, care este reprezentat de mulţimea activitǎţilor
necesare pentru transformarea intrǎrilor sistemului în ieşirile dorite. Din acest
punct de vedere, orice model conceptual trebuie sǎ conţinǎ cel puţin un proces
de transformare.
De exemplu, un sistem productiv/de servire poate fi modelat ca un proces de
transformare a unei cereri manifestate pe piaţǎ în produse/servicii care sǎ satisfacǎ
aceste cereri.
b) Gradul de conectivitate, reflectǎ dependenţa logicǎ surprinsǎ de model între
activitǎţile sistemului în procesul de transformare.
De exemplu, activitatea de transformare a materiilor prime în produse finite trebuie
precedatǎ de activitǎţi ca: stabilirea sortimentului şi a cantitǎţii de produse finite,
pregǎtirea forţei de muncǎ, aprovizionarea cu materii prime şi materiale etc., care sǎ
asigure desfǎşurarea normalǎ a fluxului tehnologic care defineşte procesul studiat.
Dependenţa sau conectivitatea activitǎţilor poate fi relevatǎ pe baza unor premise
teoretice, pornind de la fluxul tehnologic, sau apelând la cunoştinţele unor experţi,
consilieri etc.
Una dintre cele mai importante conectivitǎţi în analiza de sistem este cea
informaţional- decizionalǎ[13].
c) Obiectivul (scopul) sistemului modelat se aflǎ într-o legǎturǎ directǎ cu
rezultatele dorite ale proceselor de transformare pe care le include sistemul real
şi din punct de vedere practic reprezintǎ însǎşi raţiunea acestuia de a exista,
finalitatea sa. Astfel, asigurarea ritmicǎ cu resursele necesare desfǎşurǎrii
continue a procesului de producţie, urmǎrirea operativǎ a stocurilor, reducerea
stocurilor supranormative, urmǎrirea consumurilor specifice etc., reprezintǎ
obiective specifice ale modelǎrii subsistemului de aprovizionare.
d) Performanţa modelului/sistemului este un indicator care cuantificǎ gradul de
îndeplinire a obiectivelor propuse ale sistemului. Informaţiile obţinute pe baza
indicatorilor de performanţǎ sunt folosite pentru efectuarea unor acţiuni de control
în cadrul unor proceduri de luare şi verificare a deciziilor în vederea stabilirii
corecţiilor necesare pentru îmbunǎtǎţirea modelului. Totalitatea acestor proceduri
formeazǎ mecanismul de decizie-control pentru îmbunǎtǎţirea performanţei
41
sistemului.
De exemplu, dacǎ obiectivul sistemului îl constituie satisfacerea unei cereri exprimate pe
piaţǎ, atunci performanţa sistemului poate fi datǎ de nivelul de satisfacere a
segmentului de piaţǎ, cuantificabil prin determinarea ponderii deţinute de sistem pe acea
piaţǎ. Pe baza acestui indicator se pot adopta deciziile pentru îmbunǎtǎţirea calitǎţii
produsului, a activitǎţilor de promovare şi de vânzare a produsului (reclamǎ, studii de
piaţǎ) etc.
e) Graniţele sistemului delimiteazǎ un cadru mai mult sau mai puţin restrâns, în
funcţie de scopul analizei, în care se iau acţiunile de decizie-control şi sunt
definite de limitele pânǎ la care activitǎţile şi elementele sistemului rǎspund
mecanismului decizional.
f) Nivelul/gradul de rezoluţie al modelului reflectǎ gradul necesar de detaliere a
sistemului conform procedurii de analizǎ structuralǎ (descompunere) şi depinde
de obiectivele urmǎrite şi de resursele disponibile.
g) Resursele (materiale, financiare, umane, de timp) sunt necesare atingerii
obiectivelor sistemului şi se aflǎ sub controlul procedurilor decizionale.
h) Viziunea observatorului asupra realitǎţii (conceptul W). Mulţimea conceptelor
enumerate şi exemplificate reprezintǎ modelul formal al sistemului. Acelaşi
sistem poate fi descris în mod distinct de observatori diferiţi, percepţia
fiecǎruia fiind influenţatǎ mai mult sau mai puţin de factori obiectivi, subiectivi
şi de incertitudine. De aceea este necesarǎ introducerea unui factor al percepţiei
multiple care reprezintǎ viziunea proprie analistului ce observǎ sistemul[13]
Obiectivul sistemului poate fi înlocuit printr-o aşa numitǎ definiUie-rǎdǎcinǎ (de
bazǎ), care este mai mult decât o simplǎ reformulare a obiectivului, ea înglobând şi
viziunea analistului în raport cu care se face descrierea sistemului. Un acelaşi sistem
poate avea mai multe definiţii de bazǎ, ca expresie a multitudinii punctelor de vedere
din care poate fi abordat, fiecare observator având "W"-ul sǎu propriu. Analistul trebuie
sǎ aleagǎ o anumitǎ definiţie de bazǎ şi prin procesul de analizǎ-modelare sǎ exploreze
toate implicaţiile practice ale viziunii alese.
Modelele conceptuale sunt modele formale care conţin şi viziunea analistului asupra
sistemului concretizatǎ în definiţii-rǎdǎcinǎ; ele sunt date de numǎrul minim de concepte
cu care se poate descrie un sistem definit de rǎdǎcina sa pentru un anumit nivel de
rezoluţie şi servesc la definirea frontierei, la precizarea interconexiunilor şi a elementelor
(subsistemelor) relevante ale sistemului. Modelele conceptuale apar ca o construcţie
logicǎ asociatǎ unei mulţimi de interacţiuni specifice sistemelor cu activitate umanǎ care
oferǎ un mijloc de analizǎ a oricǎrei probleme (situaţii) indiferent de contextul
organizaţional. Activitǎţile specifice fiecǎrui subsistem implicǎ o acţiune efectivǎ şi de
aceea în limbajul de modelare conceptualǎ sistemele şi subsistemele analizate sunt
reprezentate prin verbe.[13].
Modelul este o descriere a unei situaUii-problemǎ prin care se evidenţiazǎ
varietatea fizicǎ structuralǎ (folosind chiar un limbaj matematic) şi mulţimea
interacţiunilor care determinǎ comportamentul sistemului.
Procesul de modelare conceptualǎ a unui sistem real se desfǎşoarǎ în mod iterativ pânǎ
la atingerea nivelului de rezoluţie dorit şi urmǎreşte parcurgerea etapelor ilustrate în
figura urmatoare:
42
Dupǎ n iteraţii se obţine varianta finalǎ a modelului conceptual, în conformitate cu
nivelul de rezoluţie dorit şi cu setul de ipoteze şi de criterii utilizate.
De exemplu, un model conceptual pentru o întreprindere industrialǎ poate fi construit
plecând de la urmǎtoarea definiţie de bazǎ:
O întreprindere productivǎ desfǎşoarǎ o activitate profitabilǎ pe termen lung dacǎ
utilizeazǎ tehnologii adecvate în scopul satisfacerii cererii clienUilor, în cadrul unor
restricUii de resurse productive.[13].
43
Fiecare subsistem este caracterizat la rândul sǎu printr-o definiţie de bazǎ şi apoi detaliat
la nivel de activitǎţi şi interconexiuni relevante, corespunzǎtor gradului de rezoluţie ales.
Pentru exemplul considerat, modelul conceptual la nivel detaliat al subsistemului de
productie este ilustrat in figura urmatoare:
44
Fiecare model conceptual va fi derivat şi dezvoltat de la o definiţie de bazǎ care aratǎ
ce este sistemul respectiv şi va desemna mulţimea de activitǎţi pe care sistemul trebuie
sǎ le desfǎşoare pentru atingerea obiectivelor sale. Apoi, fiecare activitate va fi
detaliatǎ la rândul ei, într-un numǎr de nivele pornind de la propria sa definiţie şi în
funcţie de o viziune-sintezǎ a analistului şi a fiecǎruia din managerii implicaţi în
analiza sistemului (figura urmatoare).
Procesele modelate prin analiza de sistem se preteazǎ mai greu abordǎrilor în sensul
optimizǎrii, de aceea modelarea conceptualǎ are în vedere determinarea acelui rang al
viziunii asupra sistemului, pe baza unui numǎr cât mai mare de modele echivalente, care
sǎ ofere cea mai relevantǎ imagine asupra situaţiei existente.
45
Modele obiectuale
Modelarea bazatǎ pe obiecte are la bazǎ un mod de gândire abstract asupra problemelor
din lumea realǎ.
Spre deosebire de metodele clasice de analizǎ şi modelare bazate pe structurǎ, funcţii şi
date, analiza şi modelarea orientatǎ pe obiecte este diferitǎ şi ea constǎ în analiza unor
obiecte discrete din lumea realǎ, proiectarea unor obiecte model a acestei realitǎţi şi apoi
implementarea acestora. Filozofia orientatǎ pe obiecte are la bazǎ urmǎtoarele concepte
importante şi anume:
46
(avize de expediţie, facturi, note de intrare-recepţie etc.), urmǎrirea obligaţiilor
contractuale faţǎ de furnizori ş.a.
Moçtenirea este conceptul pe baza cǎruia se pot stabili submulţimile de clase
(de
obiecte) ce posedǎ trǎsǎturi distincte, transmise de la nivelul claselor,
precum şi unele caracteristici asimilate de la alte clase cu care sunt înrudite.
Prin urmare, moştenirea permite transferarea unor trǎsǎturi (proprietǎţi) de la
o clasǎ la alta.
De exemplu, în cazul sistemului de revizii şi reparaţii, clasa mijloacelor fixe amortizabile
transmite unele caracteristici existente în normative (durata medie de funcţionare,
planificarea pe baza ciclurilor de reparaţii) clasei instalaţiilor care are şi caracteristici
proprii (oprirea completǎ pentru revizii periodice, continuitatea procesului tehnologic) şi
care sunt preluate de utilajele şi echipamentele componente. Acestea, la rândul lor, au
unele caracteristici proprii, cum ar fi: oprirea pentru intervenţii în afara perioadelor de
revizie, planificarea reparaţiilor conform normativelor republicane sau normelor interne,
regimul de funcţionare, calculul amortizǎrii etc.
Un alt exemplu îl constituie clasa conturilor dintr-o bancǎ care transmite anumite
caracteristici (cod cont, tip cont, valoare cont, data maturǎrii, nume client etc.) clasei
conturilor clienţilor individuali şi aceasta transmite o parte din aceste caracteristici clasei
conturilor expirate /25/.
Ierarhia pune în evidenţǎ direcţiile în care se moştenesc proprietǎţile.
Ierarhia poate
sǎ fie simplǎ, atunci când moştenirea se transmite de la o clasǎ pe o singurǎ
direcţie, sau multiplǎ, dacǎ moştenirea se transmite pe direcţii diferite din
una sau mai multe clase /25/.
Într-o ierarhie de clase obţinute prin moştenire, o metodǎ poate avea forme diferite de la
un nivel la altul, specifice nivelului respectiv.
Polimorfismul este proprietatea care ne aratǎ cǎ o aceeaşi operaţie poate sǎ
aibǎ sens diferit pentru obiecte sau clase de obiecte diferite. Aceste operaţii
pot fi reunite în metode pe clase de obiecte şi apoi particularizate. Pe baza
acestei proprietǎţi, fiecare clasǎ poate sǎ rǎspundǎ într-un mod propriu,
specific, la fiecare operaţie inclusǎ într- o metodǎ.
De exemplu, dacǎ ne referim la problema aprovizionǎrii unei întreprinderi productive şi
considerǎm clasa "Produse finite pentru care s-au stabilit sarcini de plan şi norme de
consum" şi clasa "Produse finite pentru care nu existǎ sarcini de plan şi norme de
consum", atunci operaţia de calcul a necesarului de aprovizionat reprezintǎ un
polimorfism deoarece metoda de calcul depinde de tipul de produse finite. Astfel, pentru
prima clasǎ, necesarul de aprovizionat se determinǎ pe baza unui algoritm (propriu)
specific, în timp ce pentru cea de a doua clasǎ, necesarul de aprovizionat se determinǎ
pe baza consumurilor medii din anii anteriori. În mod similar, dacǎ se considerǎ clasa
"Materii prime şi materiale" şi clasa "Piese de schimb", operaţia de calcul a
necesarului de aprovizionat reprezintǎ un poliformism, deoarece metodele folosite
pentru a realiza aceeaşi operaţie sunt diferite pentru cele douǎ tipuri de obiecte
considerate.
Diagrama de tranziUie a stǎrilor aratǎ, pentru fluxul de evenimente ataşate unei clase,
modul în care obiectele trec dintr-o clasǎ în alta.
c) Modelul funcIional este caracteristic fazei de proiectare şi are un triplu rol şi
anume:
de a descrie funcţiile apelate de operaţiile din modelul static pe obiecte;
de a arǎta acţiunile realizate de modelul dinamic, acţiuni care opereazǎ asupra
atributelor din modelul obiect;
de a evidenţia restricţiile care acţioneazǎ în cadrul modelului obiect, static şi
dinamic.
În faza de proiectare se vor detalia caracteristicile acestui model.
48
Rolul modelelor în analiza de sistem[13]
52
actori;
reprezintǎ o dovadǎ (fotografie) a realizǎrilor unui anumit analist;
indicǎ pânǎ unde a progresat munca şi cum se poate continua.
Astfel, rolul de documentare al modelelor se concretizeazǎ prin oficializarea rezultatelor
modelǎrii, fixarea unei direcţii de acţiune privind proiectarea, precum şi prin stabilirea
principalelor jaloane (puncte de referinţǎ) şi documente necesare procesului de
proiectare a noului sistem.
c) Rolul de suport-decizional al modelului reiese din legǎtura între concepte şi
realitatea unui sistem care funcţioneazǎ, sau în particular, modelul serveşte ca
suport-decizional pentru analişti. Pentru luarea unor decizii putem supune
modelul unor teste (întrebǎri de tipul "what-if", "ce se întâmplǎ dacǎ?") pe baza
cǎrora rezultǎ tipurile de decizii pe care poate sǎ le adopte analistul, inclusiv
reproiectarea în cazul depistǎrii unor locuri înguste.
Astfel, în figura 4.9 este ilustrat, printr-o diagramǎ a fluxului de date, proiectul logic al
unei pǎrţi din sistemul de facturare. Considerând cǎ procesele: 1 - "Verificarea
documentelor de platǎ", 2 - "Obţinerea raportului privind starea clientului", 3 -
"Actualizarea stǎrii clientului", reprezintǎ exact activitǎţile de facturare, putem supune
acest model unui set de întrebǎri "what- if", ca de exemplu:
- ce se întâmplǎ dacǎ procesul 3 se încetineşte?
- ce se întâmplǎ dacǎ procesul 2 conţine anumite erori?
- ce se întâmplǎ dacǎ un client reclamǎ precizia calculelor dintr-o facturǎ de
platǎ?
Aceste întrebǎri exprimǎ dilemele proiectantului: ce se întâmplǎ dacǎ modificǎ
proiectul?; ce implicaţii va avea aceastǎ schimbare asupra celorlalte componente ale
sistemului? Proiectanţii şi analiştii aflǎ rǎspunsurile la aceste întrebǎri şi dileme cu
ajutorul modelului.
Dacǎ adǎugǎm modelului informaţii despre eficienţǎ, flux şi încredere putem trage
concluzii despre eficienţa şi eficacitatea modelului[13].
Folosirea modelelor pentru a trage concluzii în procesul de proiectare este o tacticǎ
valoroasǎ dar insuficientǎ deoarece în final va trebui sǎ testǎm implementarea proiectului
în condiţii reale. Pentru a folosi modelele ca suport de decizie în procesul de proiectare
este necesar sǎ fie respectate urmǎtoarele condiţii:
analiştii sǎ fie capabili sǎ elaboreze corect modelele din date;
sǎ existe posibilitatea refacerii rapide şi cu acurateţe a modelului folosind
tehnica de calcul;
analiştii sǎ fie capabili sǎ perfecţioneze, sǎ înlocuiascǎ sau sǎ renunţe la
modelele care nu rezistǎ testelor "what-if";
analiştii sǎ fie dispuşi sǎ accepte critici, sǎ asculte, sǎ fie receptivi şi sǎ
rǎspundǎ la o serie de întrebǎri de tipul "what-if" asupra modelului;
analiştii sǎ fie capabili sǎ aleagǎ şi sǎ construiascǎ cele mai potrivite modele
pentru reprezentarea realitǎţii, suficient de clare şi uşor de înţeles;
analiştii sǎ fie instruiţi în folosirea modelelor ca suport de decizie precum şi
a instrumentelor noi apǎrute şi folosite de profesionişti în luarea deciziilor
de proiectare (Excelerator, Super Major Project).
Modelele exprimǎ în forme limitate şi sistematizate datele colectate şi pe baza lor sunt
create specificaţiile logice ale sistemului. Modelarea este un proces de simplificare a
datelor din care rezultǎ modele limitate prin consistenţa, completitudinea şi validitatea
lor. Modelele sunt folositoare deoarece pot fi evaluate mai uşor decât o masǎ de date,
53
reprezintǎ o bazǎ pentru mai multe analize sistemice şi pot fi utilizate direct în
proiectarea sistemului.
În procesul de proiectare, modelele faciliteazǎ comunicarea între participanţi, asigurǎ
conversia unor termeni vagi şi abstracţi în forme mai concrete şi mai vizibile şi aratǎ
progresul ce trebuie fǎcut de la ceea ce existǎ la ceea ce proiectul trebuie sǎ realizeze.
Prin rolurile lor modelele sprijinǎ analiştii în obţinerea proiectelor logice.
b2) Categorisirea, merge un pas mai departe decât catalogarea în sensul cǎ datele
asemǎnǎtoare sunt grupate într-o aceeaşi categorie şi în acelaşi timp se contorizeazǎ
numǎrul de elemente intrate în catalog pe fiecare categorie de date.
Astfel, dacǎ patru manageri rǎspund la fel ca managerul M-1, trei ca M-2 şi şase ca M-
3, atunci putem reduce datele referitoare la cei 17 manageri la: M-1 : 5; M-2 : 4;
M-3 : 7; M-4 : 1.
b3) Caracterizarea prin statistici sau judecǎti de agregare, se poate face dacǎ
majoritatea datelor sunt similare sau dacǎ tendinţele apǎrute permit caracterizarea
datelor în ansamblu. Datele anterioare, pot fi agregate în trei categorii:
X = M-1(5).; Y = M-2(4); Z = M-3(7) M-4(1) şi pot fi reduse la afirmaţiile:
X (tabel) = 5/17 (29%); Y (regǎsirea prin cod materiale) = 4/17 (24%); Z (analize
detaliate) = 8/17 (47%).
Aceasta înseamnǎ cǎ aproape jumǎtate din cerinţe favorizeazǎ analize detaliate, iar
restul, împǎrţit aproape în mod egal, celelalte douǎ tipuri de cerinţe.
b4) Exemplificarea prin studii de caz, constǎ în obţinerea de cazuri tipice ca
reprezentative ale datelor. Astfel se poate considera un manager care doreşte o
situaţie generalǎ completǎ a materialelor din stoc şi un altul care solicitǎ doar aspecte
specifice despre anumite materiale sau care doreşte sǎ detecteze unele anomalii care
pot sǎ aparǎ în stoc.
Nici-unul din aceste cazuri tipice nu va reprezenta de fapt situaţia oricǎrui manager,
însǎ fiecare din aceste seturi de date reduse surprinde într-un anumit sens, esenţa
informaţiilor particulare cerute. Alegerea nivelului de reducere a datelor depinde de
cerinţele analizei datelor şi a etapelor de reprezentare.
b) MenIinerea datelor abstracte într-o formǎ accesibilǎ utilizatorului se poate
face prin:
- înregistrarea şi pǎstrarea lor pentru utilizǎri viitoare (prin recitirea lor analistul
înţelege mai bine experienţa utilizatorilor, pot fi citate în raportul final etc.);
- protejarea lor prin parole sau chei de acces împotriva distrugerii, alterǎrii sau
corupţiei (pot fi identificate echipe, departamente, organizaţii);
- actualizarea lor prin alte interviuri sau prin consultarea unor documente noi
56
pentru a-şi menţine utilitatea.
Etapa 2: Analiza datelor investigate:
Pentru a putea înţelege, caracteriza şi sintetiza mai bine datele colectate şi abstractizate
se pot utiliza diferite tehnici de analizǎ, cele mai relevante fiind analiza agregatǎ, care
cautǎ grupǎri, variabile caracteristice şi tendinţe care sǎ caracterizeze toate datele şi
analiza de caz, care se preocupǎ cu gǎsirea de cazuri tipice sau neobişnuite din date,
pentru discuţie.
a) Analiza agregatǎ apeleazǎ la tehnici statistico-matematice pentru a determina o
serie de indicatori (medie, dispersie, covarianţǎ etc.) cu ajutorul cǎrora se pot
caracteriza datele observate, se pot deduce cauzele unor fenomene, se stabilesc
legǎturi între diferite caracteristici, sau se poate verifica dacǎ diferenţele dintre
grupe sunt semnificative.
Deşi tehnicile statistice adaugǎ precizie, încredere şi un ajutor substanţial în
sistematizarea analizei, nu este întotdeauna bine sǎ le folosim pentru a face afirmaţii la
nivelul datelor agregate. Pentru a putea face astfel de afirmaţii, s-a demonstrat cǎ funcţia
de agregare trebuie sǎ fie senzitivǎ (la orice variaţie a argumentului trebuie sǎ corespundǎ
o variaţie a funcţiei), noncatastroficǎ (o variaţie micǎ a argumentului sǎ nu determine
variaţii exagerate ale funcţiei) şi noncompensatorie (variaţiile oricât de mari ale unei
variabile/indicator nu compenseazǎ o variaţie neglijabilǎ a unei alte variabile/indicator).
Dacǎ nu sunt folosite tehnici statistico-matematice, încrederea noastrǎ depinde de
credibilitatea persoanei care face afirmaţia, de propria noastrǎ intuiţie şi de alţi factori
necontrolabili.
Alegerea tehnicilor statistice depinde de tipul de analizǎ ce trebuie fǎcut (statistica
parametricǎ, dacǎ se ocupǎ de valori, sau neparametricǎ dacǎ se ocupǎ de frecvenţele
valorilor), obiectivul analizei (descrierea, deducerea sau explicarea cauzelor), tipul datelor
(nominale, ordinale, tip "interval", numerice), comportamentul datelor, cunoştinţele şi
experienţa celor care trebuie sǎ înţeleagǎ rezultatele analizei (audienţa). Pe baza agregǎrii
datelor se pot face afirmaţii succinte asupra datelor abstractizate prin care se evalueazǎ,
se prioritizeazǎ şi se coreleazǎ între ele elemente de date.
b) Analiza de caz constǎ în obţinerea din datele investigate a unor cazuri sau
exemple, care se pot asocia, fie unor cazuri obişnuite sau extraordinare, fie unor
întâmplǎri sau evenimente neaşteptate sau critice. Aceste cazuri sau evenimente
sunt deosebit de instructive şi interesante pentru procesul de proiectare. Când
accentul este pus pe situaţii obişnuite şi anticipate, un exemplu (caz) care prinde
esenţa şi stimuleazǎ gândirea este foarte util în proiectare. Descoperirea
cazurilor care conduc la eşecul sistemului satisface scopurile investigaţiei în
care cea mai mare parte a proiectului este predeterminatǎ.
Scrierea şi folosirea studiilor de caz necesitǎ sensibilitate, tact şi abilitate din partea
analistului. Un studiu al unui caz poate sǎ fie insuficient pentru ca acesta sǎ se repete
dacǎ datele sunt în mare mǎsurǎ variabile (turbulenţa mediului), dacǎ descrierea lui este
incorectǎ, sau dacǎ evenimentul critic nu se repetǎ din alte motive. Dacǎ sunt bine
selectate, cazurile ajutǎ la înţelegerea unor situaţii sau evenimente deosebite înainte de se
produce de cǎtre conducerea superioarǎ, interesatǎ în a obţine rapid o vedere generalǎ pe
baza unui caz bine selectat, precum şi de cǎtre conducerea tehnicǎ, interesatǎ de
detaliile tehnice şi de dificultǎţile unor evenimente deosebite.
Analiza agregatǎ se recomandǎ în situaţiile în care precizia este importantǎ şi realizabilǎ,
iar analiza de caz, în situaţii urgente şi dacǎ sunt indicii sigure cǎ se vor produce
evenimente obişnuite sau deosebite. În fiecare caz, statisticile sau cazurile concretizeazǎ
57
datele, iar modelul construit le vizualizeazǎ. Analiza de caz poate servi şi la obţinerea
unor predicţii.
58
graficele/hǎrUile de structurǎ sunt modele statice care reprezintǎ
"fotografii" sau
stǎri ale sistemului la momente în timp, care descriu într-un mod grafic
structura sistemului, legǎturile logice între elementele sale, precum şi
contribuţia fiecǎruia la performanţa elementelor de nivel mai înalt de care
este legat prin structurǎ. Cele mai obişnuite grafice de structurǎ sunt: graful
de structurǎ modulat, arborele decizional, tabelul decizional, diagramele
HIPO, graful de distribuţia muncii, organigramele, dicţionarele de date etc.;
59
Criterii de evaluare, selectare şi testare a modelelor
60
rǎspuns, costurile de execuţie/rulare etc.
• UşurinUa de comunicare aratǎ cât de uşor este pentru utilizator sǎ
înţeleagǎ şi sǎ
introducǎ datele cerute de model şi sǎ interpreteze rezultatele obţinute.
• UşurinUa controlului aratǎ cât de uşor se poate controla modelul
de cǎtre utilizator, în sensul cǎ acesta trebuie sǎ ştie ce schimbǎri sunt
necesare în datele de intrare în model pentru a obţine anumite modificǎri ale
ieşirilor.
• Costurile de rulare aratǎ cât de scumpǎ este o rulare a modelului pentru
un singur
set de valori de intrare.
e)Contextul de utilizare aratǎ gradul (extensia) pânǎ la care condiţiile specifice în care
se utilizeazǎ modelul favorizeazǎ acceptarea lui de cǎtre manageri şi are în vedere:
domeniul problemei analizate, tipul de decizie considerat, importanţa şi complexitatea
problemei, corespondenţa între limitele problemei referite în model şi cele considerate
de manager, frecvenţa de utilizare, nivelul utilizatorilor în cadrul organizaţiei, numǎrul
de manageri a cǎror particularitate este cerutǎ pentru a utiliza modelul etc.
f)Validitatea modelului reprezintǎ criteriul major de evaluare a modelului. Un model
care nu este valid nu este conform cu realitatea şi conduce la concluzii incorecte
(eronate) referitoare la performanţele sistemului.
Principalele cauze care pot provoca o invaliditate a modelului sunt:
includerea în model, ca urmare a unor investigaţii superficiale, a unor
elemente
şi/sau conexiuni care nu au corespondenţǎ în bazǎ;
alegerea eronatǎ a modelului datoritǎ nerespectǎrii unor reguli cauzate de
lipsa unei experienţe şi a unei instruiri insuficiente a analistului, presiunea
timpului sau proasta organizare şi planificare a activitǎţilor;
colectarea unor date irelevante rezultate dintr-o proastǎ investigare a
sistemului ş.a.
O importanţǎ semnificativǎ o are istoria validǎrii modelului care aratǎ cât de mult a fost
validat modelul în trecut şi se referǎ la validarea structurii şi a parametrilor incluşi în
model, precum şi la istoricul utilizǎrii cu succes a acestuia. Testarea validitǎţii modelului
se face pe baza rǎspunsurilor date de analist la urmǎtoarele întrebǎri:
Este realizatǎ corespondenţa fiecǎrui element din model cu unele elemente
din bazǎ
şi a fiecǎrei legǎturi din model cu anumite legǎturi din bazǎ?
Concluziile care se pot desprinde din model despre bazǎ, sunt adevǎrate în
realitate?
g)Consistenţa modelului reflectǎ gradul în care au fost prezentate elementele
componente ale procesului modelat prin relaţiile dintre ele. Analiştii pot testa
consistenţa unui model pe baza urmǎtoarelor întrebǎri:
Este fiecare element din model bine defint?
Existǎ ambiguitǎţi între elementele modelului sub aspectul conexiunilor
logico- funcţionale?
Este modelul construit conform regulilor de modelare?
Modelele trebuie construite astfel încât sǎ nu conducǎ la confuzii logice în privinţa
descrierii realitǎţii, iar analiştii nu trebuie sǎ le considere ca instrumente pentru a
studia sensuri ascunse sau unele ambiguitǎţi care intereseazǎ.
În general, testarea modelelor este o operaţie foarte greu de realizat şi devine din ce în ce
mai dificilǎ pe mǎsura creşterii complexitǎţii acestora. Existǎ câteva tehnici de testare
prin programare pe calculator, care pot sǎ ajute proiectanţii de modele din punct de
vedere logic.
De exemplu, diagramele fluxului de date pot fi sistematic verificate pentru validitate
cu privire la cererile de date logice. Totuşi, un model logic nu poate fi verificat cu teste
fizice.
În procesul de modelare al unui sistem real complex se creeazǎ, de regulǎ, un pachet
de modele. Sunt cunoscute puţine proceduri sistematice pentru testarea corectitudinii
modelelor în special pentru consistenţǎ.
In primul rând, fiecare model trebuie verificat în mod detaliat din punct de vedere al
sintaxei. Apoi, fiecare pachet de modele trebuie verificat într-un mod top-down.
Aceasta înseamnǎ cǎ se fac verificǎri pentru a vedea dacǎ:
fiecare modul din harta de structurǎ are asociatǎ propria diagramǎ;
este detaliatǎ fiecare diagramǎ a fluxului de date conţinut în harta HIPO;
63
sunt precizate input-urile şi output-urile pentru fiecare proces;
sunt menţionate în dicţionarul de date toate fluxurile de date, procesele şi
entitǎţile externe.
Testarea fluxului de date într-un model presupune verificarea logicǎ a fluxului de
informaţii. Aceasta înseamnǎ cǎ pentru fiecare proces se verificǎ dacǎ output-urile sale
sunt generate unic numai din anumite combinaţii ale input-urilor şi dacǎ fiecare input este
necesar pentru a genera cel puţin un output al procesului.
Scopul acestei testǎri este de a avea certitudinea cǎ atunci când pachetul de modele se
implementeazǎ în structura realǎ indicatǎ, fiecare output al unui proces se obţine
(depinde) numai din input-urile strict necesare la care se adaugǎ valoarea generatǎ de
proces. Logica procesului poate fi testatǎ în acelaşi mod top-down deşi logica detaliatǎ
poate fi dificil de urmǎrit.
Aşa cum s-a arǎtat în paragraful precedent, dupǎ formularea modelului se face o testare
preliminarǎ a acestuia, cu ajutorul aceloraşi date care s-au folosit pentru determinarea
relaţiilor sale funcţionale. Dacǎ rezultatul testǎrii este negativ, modelul va fi supus unor
analize minuţioase şi vor fi fǎcute modificǎrile necesare pânǎ când modelul va fi
confirmat prin aceastǎ testare. Dacǎ rezultatul testǎrii este pozitiv, modelul este supus
unor teste suplimentare, care constǎ în efectuarea pe baza unor noi date colectate a unor
predicţii asupra comportǎrii sistemului sau a procesului studiat.
Cea mai simplǎ modalitate de testare a modelului se poate face folosind date pentru
cazuri particulare în care soluţia este cunoscutǎ. Când acest lucru nu este posibil,
rezultatele obţinute pe baza modelului sunt comparate cu cele provenite din observarea
situaţiilor reale similare. Dacǎ rezultatele (predicţiile) obţinute pe baza modelului se abat
semnificativ de la probele empirice (datele reale) disponibile, atunci modelul este respins
şi se va examina cu atenţie tot procesul de modelare.
Dacǎ rezultatul testǎrii este favorabil modelul este acceptat şi se trece la implementarea
modelului în situaţia realǎ. Implementarea reprezintǎ confruntarea modelului cu situaţia
realǎ şi presupune experimentarea sa într-o primǎ fazǎ. O modalitate este ca
experimentarea modelului sǎ se facǎ direct prin aplicarea pachetului de modele la situaţia
realǎ concretǎ şi prin constatarea nemijlocitǎ a eficienţei sale descriptiv-normative. La
experiment trebuie sǎ participe toţi cei care sunt implicaţi în mod direct sau indirect în
elaborarea modelului (analişti, proiectanţi, programatori), în utilizarea lui (utilizatori,
operatori) sau din punct de vedere al rezultatelor obţinute prin implementarea modelului
(manageri, beneficiari).
Acest gen de experimentare se poate realiza pentru un numǎr redus de situaţii reale
(întreprinderi), deoarece implicǎ riscuri şi pierderi potenţiale considerabile, însǎ oferǎ
posibilitatea stabilirii precise şi rapide a corecţiilor necesare pentru îmbunǎtǎţirea
modelului.
Cealaltǎ modalitate este de a experimenta pachetul de modele pe baza unor scheme de
simulare, ceea ce presupune generarea unor situaţii posibile ale sistemului (variante) şi
analiza, cu ajutorul modelelor, a consecinţelor acestor variante asupra indicatorilor de
eficienţǎ ai sistemului modelat. Sunt observate şi analizate rezultatele obţinute prin
simularea diferitelor scheme de experimentare şi dacǎ este necesar, se fac modificǎrile
care se impun în modele.
În aceastǎ fazǎ, prezenţa utilizatorului este importantǎ în vederea obţinerii unor rezultate
practice bune şi a validǎrii modelelor. Pentru validarea modelului se analizeazǎ curba de
evoluţie a fiecǎrei variabile de ieşire şi dacǎ aceasta nu diferǎ semnificativ de curba
cunoscutǎ a valorilor reale, atunci modelul este acceptat. Interpretarea rezultatelor
64
necesitǎ şi analiza unor indicatori statistici (media, dispersia, mediana etc.) asociaţi
variabilelor de ieşire din model.[13]
Agenţii şi sistemele multiagent reprezintă o nouă modalitate de analiză, modelare
şi implementare a sistemelor complexe. Viziunea bazată pe agenţi oferă astăzi o
gamă largă de instrumente, tehnici şi paradigme cu un uriaş potenţial de a
îmbunătăţi modul în care oamenii concep şi utilizează tehnologia informaţională.
Agenţii sunt şi vor fi utilizaţi tot mai mult într-o mare varietate de aplicaţii, mergând
de la sisteme de dimensiuni mici, cum ar fi filtrele personalizate pentru e-mail sau
agenţii pentru cumpărături (shopbot) şi până la sisteme mari, deosebit de complexe,
cum sunt organizaţiile şi sistemele economice virtuale[14].
Astazi este de neconceput progresul –aspiratie generala a omului- fara utilizarea modelarii
matematice in cvasi-totalitatea domeniilor activitatii sale. Cresterea complexitatii
structurilor de orce fel ,a structurii organizatorice a societatii in general face ca adoptarea
deciziilor de conducere eficienta sa nu mai poata fi posibila cu ajutorul tehnicilor
clasice. Este nevoie din ce in ce mai mult de o informatie ampla,precisa raida,de estimarea
cantitativa si prognoza consecitentelor deciziilor adoptate.In acest sens modelarea a venit in
intampinarea cerintelor practicii prin dezvoltarea unor metode, cum sunt cele ale
cercetarilor operationale care permit analiza obiectiva a actiunilor(operatiilor)indreptate
spre realizarea unui anumit scop,estimarea cantitativa a acestora si a deciziilor
posibile,oferind astfel posibilitatea conducerii eficiente a proceselor sau fenomenelor
modelate[15].
Aparatul matematic utilizat in cadrul modelarii este deosebit de variat. Cel mai frecvent
insa, in elaborarea deciziilor se folosesc modele ale programarii matematice –domeniu
care elaboreaza teoria si metodele numerice de rezolvare a problemelor de etremum
multidimensionale cu restrictii,adica a probelmelor de extremum al functiilor de mai
multe variabile cu restrictii in ceea ce priveste domeniile de variatie.Programarea
matematica grupeaza o clasa foarte mare de probleme de optimizare care s-au dezvoltat
de sine statator si apeleaza la metode specifice de rezolvare. Astfel, fara pretentia de a
cuprinde intregul domeniu putem aminti:programarea liniara, programarea convexa,
programarea neliniara, programarea dinamica, probleme de programare in retea,programarea
discreta, programarea stochastica etc. Intre diferitele tipuri de probleme exista stranse
legaturi (de exemplu programarea liniara face parte din programarea convexa, care la
randul ei este o parte a programarii neliniare etc.), progamarea matematica incepand sa
semene din ce in ce mai mult cu o teorie unitara a problemelor de extremum[15].
In termeni foarte generali si drept urmare mai putin precisi intr-un model de
programare matematica se cere determinarea extremumului unei functii pe o
multime de restrictii data.Functia respectiva,in problemele concrete,reprezinta o
masura a gradului de satisfacere a unui scop precizat,deci o formulare matematica a
unui obiectiv urmarit[15].
Orice model trebuie sa fie izomorf cu imaginea simplificata a obiectului cercetat, care
la randul sau este homomorfa cu obiectul. Din acest motiv se deosebesc doua nivele
ale tipologiei modelelor economico-matematice[15].
La un prim nivel, criteriile de clasificare caracterizeaza gradul de simplificare
constienta a obiectului real in imaginea sa (homomorfismul), iar la al doilea nivel,
criteriile caracterizeaza deosebirile dintre modele ca scheme matematice care asigura
izomorfismul modelului cu imaginea simplificata.
Astfel, in primul nivel, deosebim criteriile:
65
1. Dupa profunzimea cuprinderii organizarii structurale si a functiilor obiectului :
Modele ale structurii tehnologice;
Modele ale structurii institutionale;
Modele ale structurii sociale si ale mediului.
2. Dupa modelul de formalizare:
Modele generale (agregate);
Modele particulare (detaliate).
3. Dupa finetea redarii proprietatilor si relatiilor structurale ale obiectului:
Modele deterministe;
Modele probabiliste (stohastice);
Modele de risc si incertitudine;
Modele statistice.
4. Dupa natura matematica a relatiilor:
Modele liniare;
Modele neliniare.
Modelele particulare pot fi localizate dupa o caracteristica functionala, dupa structura
(modelul unei celule economice) sau dupa timp (modele statice, dinamice). Modelele
deterministe cuprind exclusiv functii matematice particularizate, in care nu intervin
variabile aleatoare. Cele probabilistice implica utilizarea variabilelor aleatoare.
Cand se analizeaza miscarea diferitelor elemente ale modelului intervin modelele de
risc si incertitudine. Daca o modificarea a unui element produce o consecinta precisa
suntem intr-o relatie certa. Probabilitatea producerii consecintei respective este egala
cu 1. Cand probabilitatea producerii consecintei este diferita de 1, dar se cunoaste, sau
poate fi estimata, suntem intr-o situatie de risc. Riscul provine din faptul ca desi stim
probabilitatea aparitiei consecintei modificarii, nu cunoastem momentul si locul
aparitiei. Exista riscul unor situatii nedorite. Este posibil ins sa nu cunoastem
probabilitatea aparitiei consecintei unei modificari si nici nu putem sa o estimam.
Aceasta este situatia de inceritudine.
Modelele statistice cuprind cel putin o relatie dedusa prin prelucrarea statistica a
datelor experimentale[15].
La al doilea nivel al tipologiei criteriile sunt:
1. Dupa conceptia de formalizare:
Modele construite dupa principiul finalist;
Modele construite dupa principiul mecanic;
Modele construite dupa principiul sistemic.
2. Dupa raportul dintre parametri endogeni si exogeni:
Modele deschise;
Modele inchise.
3. Dupa tipul de variatie al variabilelor:
Modele cu varibile continue;
Un model științific (caz ideal, caz teoretic) este o reprezentare prin alte mijloace a unei
situații reale, bazată pe conceptualizare, alcătuită în vederea obținerii unor rezultate
aproximative sau a unei clasificări valabile în majoritatea cazurilor posibile. Modelele
științifice pot avea diverse grade de fidelitate față de situația de la care se pornește,
studiul fiind unul neexhaustiv (nu se urmărește verificarea tuturor cazurilor posibile). În
opoziție, rezultatele obținute în situația reală poartă denumirea de caz real, caz practic.
66
Modelul științific se servește de legi formale, prin care sunt descrise caracteristicile
situației reale cu cea mai mare influență asupra rezultatelor. Astfel de modele sunt
realizate uneori și din imposibilitatea de a reproduce în laborator problema studiată[16].
Modelarea matematică este descrierea unui sistem utilizând concepte și termeni
matematici. Este folosită atât în domeniul științelor naturale cât și în ingineria industrială
și economică. Din procesul unei modelări matematice trebuie să rezulte
un model matematic al cazului (situației) studiat, model folosibil în luarea de decizii
tehnice sau economice.
Un model matematic cantitativ al unui fenomen constă de obicei din ecuații
matematice (algebrice, transcendente și diferențiale, uneori chiar integrale sau
integrodiferențiale) obținute pe baza unor ipoteze de lucru.
MODELARE MATEMATICĂ
Încă de la începuturile dezvoltării sale, modelarea s-a impus ca una dintre cele mai
puternice şi cele mai flexibile instrumente suport pentru luarea deciziilor.
Aplicaţiile modelării sunt extrem de numeroase şi variate. Practic, nu există
domeniu de activitate în care să nu utilizeze tehnici de modelare sau modele. Astăzi
deciziile eficiente se bazează nu numai pe modelare şi simulare, ci pe o adevărată
analiză de sistem.
Matematica, ştiintă a structurilor abstracte ale fenomenelor şi sistemelor reale, poate
modela orice fenomen, cel puţin din punct de vedere conceptual. Este deja dovedit
faptul că studiul sistemelor reale (a celor complexe în special) cu ajutorul modelelor
este mult mai eficient, nu numai sub aspect calitativ, dar şi economic.
Creşterea complexităţii proceselor şi fenomenelor a impus perfecţionarea continuă a
metodelor şi tehnicilor de analiză şi investigaţie, cât şi a celor privind conducerea şi
luarea deciziilor. Deciziile bazate pe intuiţie sau experienţă nu-şi mai găsesc locul
în economia modernă. Astăzi se folosesc algoritmi şi tehnici moderne, susţinute
prin mijloace informatice performante.
Un management eficient impune asistarea deciziilor prin utilizarea unor metode
matematice moderne, combinate cu cele mai avansate tehnici de calcul
computerizat.
Termenul de model se foloseşte de obicei pentru o structură construită special
pentru descrierea trăsăturilor şi caracteristicilor unor obiecte. Uneori, astfel de
modele sunt concrete, alteori sunt modele abstracte. Analogiile model- realitate
67
constituie instrumente importante, uneori de neinlocuit, de cunoastere a
fenomenelor si proceselor lumii reale.
Cunoaşterea realităţii înconjurătoare se poate face, în general, deductiv sau
experimental.
Procesul deductiv de cunoaştere presupune următoarele faze:
observarea şi analizarea sistemului real ;
construirea unei teorii (sistem de axiome sau postulate) pe baza
procesului de abstractizare a fenomenului real;
deducerea unor rezultate (teoreme) cu ajutorul regulilor logicii şi
obţinerea unor concluzii;
interpretarea concluziilor asupra sistemului real .
68
Reciproc, prin analiza corectă a modelului, se obţin informaţiile dorite privind
sistemul studiat.
69
MODELARE ECONOMICO -
MATEMATICĂ TIPOLOGIA
MODELELOR
Complexitatea si diversitatea lumii reale au condus la elaborarea unor modele foarte
variate. O clasificare riguroasă a modelelor este greu de realizat. Sistematizarea
mulţimii tipurilor de modele elaborate se poate face pe baza mai multor criterii.
Astfel, dupa natura fizica a elementelor modelului (mijloacele prin care se reproduc
obiectele studiate), modelele se clasifică în:
a) modele fizice (materiale, tehnice);
b) modele abstracte (conceptuale, imaginate, ideale);
c) modele hibride.
Modelele fizice contin elemente de natura fizica, sunt create de om, dar exista
obiectiv, independent de vointa lui, fiind materializate. Acestea reproduc, in scop
cognitiv, obiectul studiat pentru a-i reda structura sau unele proprietati. Modelul
fizic poate pastra natura fizica a obiectului sau asemanarea geometrica cu acesta.
Cand proprietatile obiectului sunt exprimate prin ele insele, dar la alta scara, avem
de-a face cu modele imitative. Un model imitativ seamana cu obiectul pe care-l
reprezinta, dar difera ca marime. Sunt de obicei modele specifice, concrete si greu
de manipulat in scopuri experimentale (machete de avion, nave, scheme
electronice). Cand se folosesc anumite proprietati pentru a reprezenta alte
proprietati, modelele sunt analogice. De exemplu, inaltimile se reprezinta pe harta
prin linii orizontale, graficele sunt modele analogice care utilizand proprietati
geometrice (distanta, pozitie) exprima o varietate de elemente si relatii intre ele.
Modelele analogice sunt mai putin specifice, mai putin concrete si mai usor de
manuit decat cele imitative.
Modelele abstracte (conceptuale, imaginate, ideale) reprezinta imagini ale
obiectului real si descriu proprietatile esentiale intr-un limbaj simbolic (matematic).
Ele nu au nimic comun cu natura obiectului cercetat, ci reflecta realitatea in plan
gnoseologic, pe baza izomorfismului cu aceasta realitate. Reproducerea obiectului
studiat este simplificata, constituind o anumita idealizare a realitatii. Spre deosebire
de modelele fizice, modelele abstracte folosesc litere, numere, alte simboluri pentru
a reprezenta elemente variabile si legaturile dintre ele. Sunt cele mai generale, se
lucreaza experimental usor si, de obicei, iau forma unor relatii matematice.
Modelele abstracte se pot clasifica la randul lor in: modele abstracte cantitative si
modele abstracte calitative. Cele cantitative se mai numesc si numerice, fiind
descrise prin relatii matematice particularizate (parametrii au valori numerice
concrete). Asa sunt de exemplu modelele econometrice. Cele calitative (se numesc
si logice, grafice) includ numai specificarea formei relatiilor si sunt reprezentabile
prin scheme, diagrame, forme grafice.
Modelele hibride cuprind atat elemente fizice, cat si abstracte. Ele presupun
interactiunea dintre un sistem format din elemente fizice si un calculator electronic
programat corespunzator.
După modul de reflectare a caracteristicilor obiectului, modelele pot fi:
a) modele normative;
b) modele descriptive.
Modelele pot reflecta atat structura interna a obiectului, cat si relatiile dintre
elementele sale. Cand structura interna nu este accesibila cercetarii, modelul
reflecta numai comportamentul sau functionarea acestuia, determinand dependenta
dintre actiunile asupra obiectului si starile sale. Modelele la construirea carora se
70
urmareste determinarea unei asemenea stari a obiectului care sa fie cea mai buna,
intr-un anumit sens, sau cea mai acceptabila din punct de vedere al subiectului, se
numesc modele normative. Modelele destinate sa explice faptele observate sau sa
asigure prognoza comportamentului obiectului se numesc modele descriptive.
Modelele normative raspund la intrebarea “cum trebuie sa fie”, iar modelele
descriptive la intrebarile “cum este”, “cum va fi”.
Conform diagramei prezentate anterior, orice model trebuie sa fie izomorf cu
imaginea simplificata a obiectului cercetat, care la randul sau este homomorfa cu
obiectul. Din această perspectivă deosebim doua nivele ale tipologiei modelelor
economico-matematice.
La un prim nivel, criteriile de clasificare caracterizeaza gradul de simplificare
constienta a obiectului real in imaginea sa (homomorfismul), iar la al doilea nivel,
criteriile caracterizeaza deosebirile dintre modele cu scheme matematice care
asigura izomorfismul modelului cu imagine simplificata.
Astfel, la primul nivel, deosebim mai multe criterii, în raport cu care evidenţiem
următoarele tipuri de modele:
a) dupa profunzimea cuprinderii organizarii structurale si functiilor
obiectului:
- modele ale structurii tehnologice;
- modele ale structurii institutionale (organizatorice);
- modele ale structurii sociale si ale mediului.
b) dupa modul de formalizare:
- modele generale (agregate);
- modele particulare (detaliate).
c) dupa finetea redarii proprietatilor si relatiilor structurale ale
obiectului:
- modele deterministe;
- modele probabiliste (stochastice);
- modele de risc si incertitudine
- modele statistice.
d) dupa natura matematica a relatiilor:
- modele liniare;
- modele neliniare.
Modelele particulare pot fi localizate dupa o caracteristica functionala, dupa
structură (modelul unei celule economice) sau dupa timp (modele statice,
dinamice). Modelele deterministe cuprind exclusiv functii matematice
particularizate, in care nu intervin variabile aleatoare. Cele probabilistice
(stochastice) implica utilizarea variabilelor aleatoare. Un caz particular il reprezinta
modelele fuzzy (vagi) care reflecta imprecizia sistemului studiat si permit stabilirea
gradului de apartenenta la o anumita proprietate. Adesea se intalnesc si metode
mixte care includ atat variabile aleatoare, cât şi deterministe.
Cand se realizeaza “miscarea” diferitelor elemente (variabile) ale modelului intervin
modelele de risc si incertitudine. Daca o modificare a unui element produce o
consecinta precisa, suntem intr-o situatie certa. Probabilitatea producerii consecintei
respective este egala cu 1. Cand probabilitatea producerii consecintei este diferita
de 1, dar se cunoaste sau poate fi estimata, suntem intr-o situatie de risc. Riscul
provine din faptul ca desi stim probabilitatea aparitiei consecintei modificarii, nu
cunoastem momentul si locul aparitiei. Exista, deci riscul unor situatii nedorite. Este
posibil insa sa nu cunoastem probabilitatea aparitiei consecintei unei modificari si
71
nici nu putem sa o estimam. Aceasta este situatia de incertitudine.
Modelele statistice cuprind cel putin o relatie dedusa prin prelucrarea statistica a datelor
experimentale (relatii functionale empirice).
La al doilea nivel al tipologiei, putem clasifica modelele dupa:
a) dupa conceptia de formalizare:
- modele construite dupa principiul finalist;
- modele construite dupa principiul mecanic;
- modele construite dupa principiul sistemic.
b) dupa raportul dintre parametrii endogeni si exogeni:
- modele deschise;
- modele inchise.
c) dupa tipul de variatie al variabilelor:
- modele cu variabile continue;
- modele cu variabile discrete;
- modele de tip mixt.
d) dupa obiectul cercetarii:
- modele macroeconomice;
- modele microeconomice.
74
Problemele lor specifice sunt transpuse într-o formă matematică şi studiate din punctul
de vedere al acestei discipline. Procesul se numeşte modelare matematică, iar produsul
matematic pe care îl creează, împreună cu interpretările sale, se numeşte model
matematic. Există modelare matematică în tehnică, economie, biologie, psihologie,
artă, practic peste tot.
Modelul, ca instrument al cunoaşterii ştiinţifice, este folosit în numeroase discipline
teoretice şi practice. În ştiinţele economice, în special în disciplinele organizării şi
conducerii, modelele sunt utilizate în toată diversitatea de tipuri care există. Se
conturează din ce în ce mai mult tendinţa utilizării cu precădere a modelelor de tip
matematic, datorită în special capacităţii acestora de a condensa riguros esenţialul,
cât şi posibilităţii lor de a fi programate cu ajutorul calculatoarelor electronice,
alcătuind împreună un instrument de investigaţie ştiinţifică de o putere necunoscută
până în prezent, o prodigioasă "prelungire" a inteligenţei umane.
În elaborarea modelelor economico-matematice, teoria economică are un rol
deosebit de important întrucât ea formulează categoriile, conceptele şi legile
obiective ale realităţii economice. Numai sprijinindu-se pe teoria economică
modelele matematice pot reprezenta fidel fenomenele economice.
Principalele avantaje ale modelării matematice sunt:
- scot în evidenţă relaţii care aparent nu există, obţinând astfel o mai bună
înţelegere a obiectului real studiat;
- prin analiza matematică a modelului construit, rezultă detalii privind
comportamentul sistemului real, detalii ce n-ar fi fost evidenţiate altfel;
- modelele matematice pot fi supuse experimentelor repetate.
Acest aspect constituie un avantaj important, mai ales în cazurile în care
experimentele efectuate asupra obiectelor reale fie nu sunt posibile, fie nu sunt
dorite.
Studiul unui sistem prezintă interes pentru înțelegerea relațiilor dintre componentele
acestuia sau pentru prezicerea modului cum va funcționa sistemul în condiții noi. Uneori
este posibil să se facă experiențe cu sistemul însuși, însă nu întotdeauna. Într-adevăr,
sistemul poate să nu existe încă, ci poate fi numai în formă ipotetică sau în fază de
proiectare. În consecință, studiul sistemelor se realizează deseori cu modelul sistemului.
Un sistem cuprinde multiple aspecte, de exemplu planificare, specificații, analiză,
proiectare, implementare, desfășurare, structură, comportare, date de intrare și date de
ieșire. Modelul unui sistem este necesar pentru a descrie și a reprezenta aceste aspecte
multiple. Modelarea sistemelor constituie un principiu de bază în inginerie și în științe
sociale.
Un model (în contextul studiului sistemelor) este definit ca o reprezentare conceptuală
(abstractă) a unui sistem care reproduce și descrie artificial sistemul original existent,
care permite studierea sistemului, servind astfel pentru cunoașterea proprietăților
sistemului original și predicția comportării acestuia. Un model este o descriere
schematică a unui sistem, a unei teorii sau a unui fenomen care explică proprietățile sale
cunoscute sau presupuse și care poate fi folosit pentru studiul ulterior al proprietăților
sale.Pentru multe studii este necesar să se ia în considerare numai acele aspecte (sau
variabile) ale sistemului care sunt relevante pentru problema cercetată. Aceste aspecte
(variabile) sunt reprezentate în modelul sistemului, iar modelul, prin definiție este o
reprezentare simplificată a sistemului. Pe de altă parte, modelul trebuie să fie suficient
de detaliat pentru a permite să se tragă concluzii valabile la efectuarea experiențelor
asupra modelului, pentru cunoașterea proprietăților sistemului real. Nici un model al
unui sistem nu va include toate caracteristicile sistemului real care prezintă interes și nici
75
un model al unui sistem nu trebuie să includă toate entitățile care aparțin sistemului real
de interes. Sistemele sunt deseori vizualizate sau modelate ca blocuri
componente (subsisteme) care au conexiuni între ele. Există alternativele de a reprezenta
un sistem ca o singură unitate pe un singur nivel, sau ca o colecție de subsisteme (de
exemplu, componente și subcomponente) care trebuie să fie coordonate la "nivelul
sistemului" general. Aceasta este o importantă decizie de modelare, atunci când
dimensiunea sistemului este mare[17].
Construirea unui model este subordonată unor cerințe contrare care trebuie satisfăcute în
mod echilibrat. Pe de o parte, modelul trebuie să fie destul de simplu, să fie o
reprezentare a sistemului real cu un anumit grad de abstractizare, iar pe de altă parte
trebuie să fie o reprezentare destul de fidelă a sistemului pe care îl modelează. Există
totdeauna o deosebire profundă (gap) între sistemul real și modelul acestuia. Amploarea
acestei deosebiri depinde de complexitatea modelului, fidelitatea, precizia, "realismul"
etc.
Scopurile construirii modelelor pot fi prezentate succint astfel:
٭relevarea fenomenelor sau proceselor ce se desfășoară în interiorul sistemului real;
٭prevederea consecințelor sau utilității diferitelor metode de decizie;
٭descrierea elementelor componente sau a subsistemelor sistemului real.
Modelele pot fi clasificate în două categorii principale:
٭modele fizice (naturale, materiale);
٭modele matematice.
Modelul fizic reprezintă o machetă, o instalație sau un dispozitiv fizic care reproduce, de
regulă la scară redusă, caracteristicile sistemului original, cu păstrarea legilor principale
de funcționare ale acestuia (de exemplu, macheta unei clădiri, a unui vehicul etc.).
Modelul fizic este o copie fizică a obiectului modelat, la scară mai mică, iar uneori la
scară mai mare.
Un model matematic utilizează notații simbolice și structuri matematice de tipul
ecuațiilor algebrice, ecuațiilor diferențiale etc. pentru a reprezenta un sistem. Pe scurt,
un model matematic este un model care reprezintă un sistem prin relații matematice.
Într-o definiție mai dezvoltată, un model matematic este o reprezentare matematică
abstractă (prin relații matematice) a unui obiect (o piesă, un produs, o mașină, o
organizație etc.), a unui proces (proces de fabricație specific sau proces de afaceri) sau a
unui concept, această reprezentare matematică fiind utilizată pentru analiză și
planificare. Modelele matematice se folosesc în științele naturii, în discipline inginerești,
în științe sociale etc.
Altă clasificare posibilă a modelelor propune trei categorii: modele iconice, modele
analogice, modele matematice.
Un model iconic (model la scară) este o reproducere (copie) fizică a unui lucru (obiect),
de exemplu sub forma unei machete sau a unui model redus la scară (un avion), sau
mărit la scară (modelul unui atom). Adjectivul "iconic" are semnificația "cu caracter de
reproducere figurativă". Modelele iconice pot apărea la scară în trei dimensiuni, de
exemplu un automobil, un pod sau o linie de producție. Fotografiile sunt alt tip de model
iconic, însă doar în două dimensiuni.
Un model analogic (engleză analogical model, analogue model) este un model care
explică un fenomen (deseori denumit "sistem-țintă") prin referire la alt fenomen,
76
considerat ca fiind analog , mai analizabil sau mai comprehensibil. Această metodă de
modelare este denumită și analogie dinamică. Analogiile dinamice stabilesc analogii
între sisteme electrice, mecanice, acustice, magnetice, electronice etc. Exemple de
modele analogice sunt: modelul hidraulic al unui sistem economic sau modele-circuite
electrice ale sistemelor neurale. Două lucruri/fenomene sunt analoage dacă există
similitudini relevante certe între ele.
Un model matematic utilizează simboluri și relații matematice pentru a evalua o situație.
Modelele matematice pot fi analitice sau deterministe,
respectiv stohastice(probabiliste). Un model matematic determinist este un model în
care fiecare set de stări ale variabilelor este determinat în mod unic de parametrii
modelului și de seturile de stări anterioare ale acestor variabile. Într-un
model stohastic este prezent caracterul aleatoriu, iar stările variabilelor nu sunt descrise
de valori unice, ci mai degrabă de distribuții de probabilitate.
După modul de reprezentare a proprietăților elementelor sistemului sau obiectului
sistemic care trebuie modelat, modelele matematice (MM) se împart în modele
funcționale și modele structurale.
Modelele funcționale reflectă procesele fizice sau informaționale ori funcționarea
obiectului sistemic considerat. De obicei, MM funcționale sunt constituite din sisteme de
ecuații care leagă paramatrii de intrare (input-uri), parametrii sistemului și parametrii de
ieșire (output-uri) ai sistemului.
Modelele structurale sunt destinate pentru descrierea structurii obiectului sistemic
modelat (considerat ca sistem cu construcția sa și mecanismul său de funcționare),
iar structura sistemului este determinată de natura elementelor și subsistemelor
componente, de proprietățile acestora și de relațiile dintre ele. Pentru reprezentarea
obiectului modelat ca sistem, acest obiect trebuie descompus în componente funcțional
finite, apoi trebuie să fie identificate relațiile dintre componente în schema generală a
obiectului, relațiile dintre obiect și mediul înconjurător, precum și funcția obiectului.
Se deosebesc MM structurale topologice și geometrice.
În MM topologice sunt reflectate componența și interacțiunile elementelor obiectului
sistemic. Aceste modele se utilizează, în special, pentru descrierea obiectelor care constă
dintr-un număr mare de elemente, la rezolvarea problemelor de atașare a elementelor
constructive la poziții spațiale determinate (de exemplu, probleme de compunere a
utilajelor considerate ca sisteme tehnice, de amplasare a pieselor etc.) sau de repartizare
în momente relative de timp (de exemplu, la elaborarea orarelor, elaborarea proceselor
tehnologice). Modelele topologice pot fi sub formă de grafuri, tabele (matrici), liste etc.
În modelele matematice geometrice sunt reflectate caracteristicile geometrice ale
obiectelor sistemice. În aceste modele, suplimentar față de informații asupra poziției
reciproce a elementelor sunt incluse informații asupra formei geometrice a pieselor. MM
geometrice pot fi exprimate printr-un ansamblu de ecuații ale liniilor și suprafețelor; prin
relații algebro-logice care descriu domeniile ce alcătuiesc corpul obiectului; prin grafuri
și liste care reflectă construcții din elemente constructive tipizate etc. MM geometrice se
utilizează pentru rezolvarea problemelor de proiectare în construcția de mașini, de
dispozitive, în radioelectronică, pentru elaborarea documentației tehnice etc.
Un tip particular de model matematic al unui sistem este modelul de simulare, cu
ajutorul căruia sunt simulate fenomenele ce caracterizează sistemul respectiv, păstrându-
se structura lor logică și succesiunea evoluției în timp, ceea ce permite ca prin variația
parametrilor de intrare să se obțină informații asupra stărilor procesului la momente de
77
timp determinate. Starea sistemului este definită ca fiind acel grup de variabile necesare
pentru a descrie sistemul în orice moment de timp, relativ la obiectivele studiului. Cu
ajutorul unui model de simulare se studiază comportarea sistemului, așa cum acesta
evoluează în timp. Acest model se prezintă sub forma unui set de ipoteze privind
funcționarea sistemului. Aceste ipoteze sunt exprimate prin relații matematice, logice și
simbolice, între entitățile sau obiectele care prezintă interes, ale sistemului.
Modelele de simulare pot fi clasificate în
modele statice sau dinamice, deterministe sau stohastic. Un model static de simulare ,
uneori denumit simulare prin metoda Monte Carlo, reprezintă un sistem într-un punct
particular în timp. Modelele dinamice de simulare reprezintă sistemele așa cum se
modifică acestea în timp.
Modelele de simulare care nu conțin variabile aleatoare sunt modele deterministe.
Modelele deterministe au un set cunoscut de input-uri care vor conduce la un set unic de
output-uri.
Un model stohastic de simulare are una sau mai multe variabile aleatoare ca variabile de
intrare. Intrările aleatoare conduc la ieșiri aleatoare. Deoarece ieșirile sunt aleatoare, ele
pot fi considerate doar ca estimații ale caracteristicilor adevărate ale sistemului. Un
model stohastic furnizează o relație între caracterizări de tip probabilisticale mărimilor
utilizate pentru descrierea matematică.
Sistemele pot fi categorisite și ca sisteme discrete sau continue. Un sistem discret este
cel în care variabilele de stare se modifică numai într-un set discret de puncte în timp.
Un sistem continuu este cel în care variabilele de stare se modifică continuu în timp.
Modelele discrete și continue sunt definite analog cu sistemele respective. Alegerea între
utilizarea unui model de simlare discret sau continuu este funcție de caracteristicile
sistemului și de obiectivele studiului. Astfel, un canal de comunicare ar putea fi modelat
în mod discret, dacă sunt considerate importante caracteristicile și deplasarea fiecărui
mesaj. Dimpotrivă, dacă fluxul de mesaje agregate pe canal este important, modelarea
sistemului utilizând simularea continuă ar putea fi mai adecvată.
La utilizarea simulării, schimbările potențiale (organizaționale și de mediu) în sistem pot
fi simulate pentru a prognoza impactul lor asupra performanțelor sistemului. Simularea
poate fi folosită, de asemenea, pentru studierea sistemelor în faza de proiectare, înainte
ca sistemele să fie construite. Așadar, modelarea sistemelor prin simulare poate fi
folosită atât ca un instrument de analiză pentru predicția efectului schimbărilor asupra
sistemului existent, cât și ca un instrument de proiectare pentru a prezice performanțele
noilor sisteme ce se proiectează, în diferite seturi de condiții.
Simularea constituie un demers științific care a adus deja rezultate notabile, mai ales în
domenii ca industria automobilelor, industria aeronautică și în general, pentru
comportarea sistemelor de fabricație în timp. Simularea numerică pe calculator permite
să se determine și să se cerceteze indicatori tehnico-economici ai funcționării sistemelor
de fabricație cum sunt : coeficientul de încărcare a utilajelor tehnologice, durata ciclului
de fabricație și optimizarea acestuia, volumul producției neterminate, dimensiunile
loturilor de piese ce vor fi lansate în fabricație, graficul de lansare a semifabricatelor,
graficul de livrare a produselor finite, graficul de deplasare a pieselor în sistem.
H.M.Paynter (1961) a propus metoda Bond-Graph pentru modelarea și simularea
sistemelor fizico-tehnice. Metoda Bond-Graph propune, ca principiu fundamental pentru
elaborarea modelelor, investigarea modului de procesare a energiei, ce se consideră
furnizată de una sau mai multe surse și transferată spre toate componentele participante
78
la funcționarea sistemului fizic real. Bond Graph este o modalitate de desenare grafică a
sistemelor dinamice[17].
Construirea unui model este o analiză sistematică prin care este elaborată o reprezentare
conceptuală (abstractă) a unui sistem sau este descrisă o reprezentare a unui răspuns
(output) așteptat al sistemului. Într-o altă formulare, construirea modelului este procesul
(de obicei iterativ) prin care cercetătorii încearcă să elaboreze un model adecvat al unui
sistem fizic sau biologic. O parte esențială a acestui proces constă în verificarea unui
model-candidat în comparație cu datele (care ajustează datele experimentale), pentru a
determina dacă există o inadecvanță serioasă. Modelele pot fi discutate, în special, dacă
sunt fie empirice (bazate pe date empirice), fie mecaniciste, sau un amestec al acestora.
Modelele mecaniciste se bazează pe fizica și chimia care guvernează procesul, pe
"mecanismul desfășurării procesului". Sunt utilizate pentru a proiecta procese, de
exemplu în industrii de proces. Modelarea mecanicistă utilizează legile fundamentale
ale sistemelor fizice pentru a construi o descriere a proceselor, adică ecuații de
continuitate. Acestea sunt ecuații de echilibru care descriu conservarea masei și
conservarea energiei în procese fizice. Sistemele fizice, menționate mai înainte,
reprezintă un ansamblu de elemente fizice concrete sau idealizate (obiect, punct
material, fluid, gaz perfect, câmp electromagnetic,...) pentru care se încearcă a se
cunoaște dinamica proprie.
Fazele construirii modelului unui sistem (cu aplicare la sisteme de producție) sunt
următoarele:
٭definirea problemei. Se stabilesc caracteristicile factorilor sau elementelor care
compun sistemul.
٭construirea modelului sistemului. Se elaborează un model care cuprinde elementele sau
subsistemele componente , stabilindu-se modul de interacțiune al
elementelor/subsistemelor între ele. În această fază se impune alegerea unui criteriu/unor
criterii de performanță al(e) sistemului modelat.
٭stabilirea soluției. Modelul este folosit într-un proces de proiectare a sistemului, urmat
de analize și încercări care conduc la proiecte îmbunătățite. Se obține o soluție atunci
când se consideră că răspunsul obținut la un moment dat este "cel mai bun" în raport cu
criteriile de performanță stabilite.
٭omologarea modelului sistemului. Omologarea modelului implică supunerea modelului
unor anumiți parametri de intrare (input-uri) și compararea mărimilor de ieșire (output-
uri) obținute pe baza modelului cu cele ale sistemului real. Ambele mărimi de ieșire
trebuie să aibă valori comparabile, printr-o diferență minim admisă, pentru ca modelul
să fie acceptat ca o reprezentare valabilă a sistemului.
٭realizarea sistemului. Cuprinde o fază preliminară de experimentare (prin funcționare,
instalație pilot, prototip, serie zero etc.), urmată de realizarea integrală când se trece la
construcția sistemului modelat[17].
Modelele matematice ale sistemelor trebuie să îndeplinească anumite cerințe după cum
urmează:
٭Realismul modelului. Sunt utile modele matematice care să reprezinte sistemul cât mai
realist posibil, cât mai complet și mai exact. Totuși, dacă un model este excesiv de
realist, acesta poate fi netratabil matematic, datorită complexității sale.
79
٭Ierarhia modelelor. Pentru orice situație de modelare se poate concepe o ierarhie de
modele, fiecare fiind mai realist decât precedentul și fiecare fiind urmat, probabil, de un
model mai bun.
٭Precizia relativă a modelului. Diferitele modele diferă în ceea ce privește precizia lor
și concordanța cu observațiile. Precizia modelului se estimează prin gradul de
concordanță al valorilor performanțelor sistemului calculate cu modelul matematic cu
valorile acelorași performanțe ale sistemului real.
٭Robustețea modelului. Un model matematic este robust dacă este puțin sensibil la
variațiile parametrilor perturbatori.
٭Self-consistența modelelor. Un model matematic implică ecuații și inecuații, iar acestea
trebuie să fie consistente (consecvente). Uneori, inconsistența rezultă din inconsistența
ipotezelor de bază.
٭Simplitatea sau complexitatea excesivă. Un model poate să nu reprezinte satisfăcător
modelul real, atunci când este prea simplu. Pe de altă parte, o complexitate excesivă
înseamnă un model capabil să furnizeze soluții cu precizie ridicată; totuși, complexitatea
modelului nu trebuie să depășească pe cea necesară pentru a realiza scopurile pentru
care modelul este destinat. Este necesar să se păstreze numai caracteristicile esențiale ale
sistemului real.
٭Adecvanța modelului cu sistemul real depinde de scopul modelării. Verificarea
adecvanței constă în compararea unui set de performanțe obținute cu ajutorul modelului,
cu performanțele colectate experimental.
٭Modelarea parțială pentru subsisteme. Înainte de a elabora un model pentru întregul
sistem, poate fi convenabil să se conceapă modele parțiale pentru subsisteme, să se
testeze valabilitatea lor, apoi să se integreze aceste modele parțiale într-un model
complet.
٭Perfectibilitatea modelului. Nici un model matematic nu este perfect și orice model
este perfectibil, pentru a se obține o aproximare utilă. Totuși, orice perfecționare poate
necesita consumuri suplimentare de timp și bani, de aceea trebuie să fie justificată.
٭Posibilitatea estimării parametrilor. Orice model matematic poate conține parametri
ale căror valori trebuie estimate. Estimarea necesită experimente sau observații precum
și metode de prelucrare a datelor experimentale.
Pentru detalii asupra modelării matematice, vezi [17].
Se pot identifica următoarele elemente ale modelelor matematice:
Variabilele sistemului. Acestea sunt mărimi care caracterizează diferite stări ale
sistemului, luând diferite valori (dintr-un domeniu de valori tehnic posibile).
Parametrii sistemului. Acestea sunt mărimi care au o valoare specifică dată, pentru o
formulare particulară a modelului. Pentru modele de simulare, parametrii rămân ficși în
timpul unei rulări unice pe calculator a simulării.
Constantele sistemului. Sunt mărimi invariabile, dependente de fenomenul studiat (de
exemplu, constanta gazelor).
Relații matematice. Sunt ecuații sau inecuații care descriu interacțiunea dintre variabile,
parametri și constante. Relațiile matematice încearcă să descrie funcționarea sistemului
în condițiile impuse de mediul său înconjurător, adică în condițiile variabilelor
perturbatoare care descriu factorii exteriori sistemului.
80
În etapa de modelare este foarte importantă distincția dintre variabile și parametri, ceea
ce constituie o decizie subiectivă, dictată de opțiunile în nivelul ierarhic al definirii
sistemului și de utilizarea intenționată a modelului sistemului[17].
Modelarea matematică constă,în esență, în reprezentarea problemelor lumii reale prin
probleme matematice, rezolvarea problemelor matematice și interpretarea acestor soluții
prin limbajul natural, verbal.
Există două moduri de abordare a construirii unui model matematic pentru un sistem
fizic:
٭modelarea bazată pe principii fizice, care face apel la legile cunoscute din fizică, ce
sunt aplicate subsistemelor ce compun sistemul considerat;
٭identificarea sau modelarea bazată pe date experimentale, obținute prin teste, care
constă în alegerea unui model ce ajustează cât mai bine datele experimentale, conform
unui anumit criteriu impus pentru sistemul considerat.
Întocmirea modelelor matematice ale sistemelor include următoarele etape:
٭formularea problemei în limbajul problemei;
٭stabilirea variabilelor și parametrilor implicați;
٭construirea modelului matematic al sistemului prin traducerea problemei în limbaj
matematic;
٭stabilirea algoritmului de rezolvare a modelului matematic, adică de rezolvare a
ecuațiilor modelului. Metodele de rezolvare pot fi analitice, numerice sau prin simulare;
٭rezolvarea problemei;
٭verificarea experimentală a modelului prin compararea predicțiilor cu observațiile sau
datele disponibile și îmbunătățirea modelului și a metodelor de rezolvare;
٭deducerea concluziilor pe baza modelului și testarea concluziilor în comparație cu
datele anterioare sau cu datele suplimentare care pot fi colectate[17].
Modelarea și simularea (M&S) sunt tehnologii moderne pentru suportul fabricației în
secolul 21. M&S prezintă oportunități remarcabile pentru îmbunătățirea produselor,
perfecționarea proceselor de fabricație, reducerea timpului pe ciclul concepție-fabricație
și reducerea cheltuielilor de fabricație. Prin definiție, simularea este un proces de
utilizare a modelelor matematice prin timpi simulați, în care unul sau mai multe modele
pot fi rulate cu diferite valori ale parametrilor de intrare pentru a evalua efectele
interacțiunii dintre variabile. Simularea funcționării unui sistem permite aprecierea
modului în care acesta va evolua în diferite condiții sau în urma conducerii acestuia
după un anumit set de reguli. Modelarea și simularea sistemelor și proceselor de
producție a fost dezvoltată pe larg în lucrarea elaborată de conferențiar Tom Savu de la
Universitatea POLITEHNICA din București.
Dezvoltarea produselor și proceselor s-a realizat, pe plan istoric, prin testarea proiectelor
pentru a constata cum vor funcționa produsele, apoi modificarea proiectului (construcției
proiectate) și o nouă testare. Această succesiune testare/evaluare/modificare consumă
cantități disproporționate de timpi și costuri, necesare pentru a promova produsul de la
concepție până la livrare. Aceste costuri pot fi reduse semnificativ prin utilizarea
instrumentelor M&S în proiectare, pentru optimizarea produselor și proceselor în
domeniul virtual, înainte de angajarea resurselor pentru producția fizică. În industria
electronică, modelele precise ale procesului de creștere epitaxială ajută la maximizarea
81
productivității producției de fabricare a plăcuțelor semiconductoare (wafers) pentru
microcipuri.
Avionul Boeing 777 și automobilul de sport Dodge Viper sunt exemple remarcabile ale
modului în care instrumentele M&S pot reduce considerabil costurile și timpul necesare
pentru aducerea produselor pe piață. Primul avion de linie cu reacție Boeing 777 a fost
proiectat în întregime prin modelare 3D, a utilizat preasamblarea digitală și ingineria
concurentă pentru a elimina necesitatea unor prototipuri la scara 1:1, a îmbunătăți
calitatea și a reduce modificările și erorile de proiectare. Programul U.S. Air Force's
Joint Strike Fighter aplică tehnologii avansate M&S pentru reducerea costurilor de
dezvoltare a forțelor aeriene cu 50%.
Simularea are multe avantaje, după cum urmează:
٭Noi proceduri de operare, reguli de decizie, fluxuri de informații, proceduri
organizaționale etc. pot fi explorate, fără perturbarea operațiilor în curs de desfășurare
ale sistemului real.
٭Pot fi testate noi construcții hardware, amplasări fizice, sisteme de transport etc., fără
angajarea de resurse pentru achiziția acestora.
٭Se pot obține cunoștințe asupra interacțiunii variabilelor și importanței acestora în
privința performanțelor sistemului.
٭Poate fi efectuată analiza "locurilor înguste" pentru a indica punctele în care producția
neterminată, materialele etc. sunt excesiv de mult întârziate.
٭Pot fi obținute răspunsuri la întrebări de tipul "ce s-ar întâmpla dacă" (engleză what-if),
fapt deosebit de util la proiectarea noilor sisteme.
Ca dezavantaje se pot menționa:
٭Rezultatele simulării pot fi dificil de interpretat. Deoarece multe output-uri ale
simulării sunt variabile aleatoare, poate fi dificil să se determine dacă o observație este
rezultatul relațiilor din sistem sau al caracterului aleatoriu.
٭Modelarea și analiza simulării pot fi scumpe și consumatoare de timp. Limitarea
resurselor pentru modelare și analiză poate conduce la un model de simulare sau analiză
care nu este suficient pentru sarcina dată[17].
Prima şi cea mai importantă etapă a elaborării unui model performant este cea de
realizare a modelului conceptual, primar sau fundamental. Pornind de la desenul
structurii care urmează să fie analizată şi având în vedere cerinŃele impuse FEA, se
fac următorele “operaŃii”:
- se decide care sunt elementele constructive ale structurii, care vor deveni
componente ale modelului cu elemente finite (EF);
- se stabilesc elementele structurii care nu vor fi avute în vedere la elaborarea
modelului, fiind apreciate ca accesorii sau detalii lipsite de importanŃă, din puncul
de vedere al scopului FEA;
- se aleg formele geometrice sub care se vor defini componentele modelului,
adică: linii, suprafeŃe sau volume, avându-se în vedere şi tipurile de EF care se vor
utiliza pentru fiecare componentă;
- se hotărăsc modalităŃile de aplicare a sarcinilor (forŃe şi momente
concentrate şi (sau) distribuite, acceleraŃii, presiuni, temperaturi etc) şi care sunt
componentele modelului care le vor prelua. Această operaŃie implică şi
determinarea riguroasă a valorilor, direcŃiilor şi coordonatelor punctelor de
aplicaŃie ale sarcinilor. Se vor stabili cazurile de încărcare ale modelului;
- se identifică condiŃiile de rezemare ale structurii şi se decide modul în care
aceste condiŃii vor fi “modelate” şi anume: blocarea gradelor de libertate
geometrică ale unor noduri, introducerea unor EF speciale pentru modelarea
contactului sau a frecării, definirea în reazeme a unor deplasări sau reacŃiuni
cunoscute etc. Dacă este cazul, se vor stabili mai multe variante ale condiŃiilor de
rezemare;
- se decid condiŃiile generale de elaborare ale modelului: tipurile elementelor
finite pentru diversele componente ale acestuia, tipurile de materiale şi
proprietăŃile lor, numerele maxime, aproximative, ale nodurilor şi elementelor
finite ale modelului, zonele de interes deosebit (de exemplu, unde se presupune că
tensiunile au gradienŃi mari) şi varintele FEA.
Modelul conceptual trebuie să aibă în vedere valorificarea tuturor informaŃiilor
disponibile privind structura (condiŃii şi regimuri de funcŃionare, de montaj , de
avarie etc) şi modalităŃile de utilizare ale rezultatelor obŃinute prin FEA. Modelul
trebuie să asigure, de fapt, o simulare satisfăcătoare - din anumite puncte de
vedere, bine precizate - a comportării structurii, pe calculator, folosind metoda
elementelor finite şi un program corespunzător[18].
85
Scopul calculului. Beneficiarii FEA pot solicita informaŃii diverse în legătură cu
modul cum se va comporta structura în anumite situaŃii, adică rezultatele
calculului trebuie să dea – pe cât posibil - răspunsuri neechivoce la întrebări
precis formulate (adesea beneficiarii trebuie informaŃi ce poate oferi FEA).
ConsecinŃa acestei situaŃii este că trebuie efectuate una sau mai multe tipuri de
analize, care să ofere informaŃiile dorite. În principiu, este posibil ca pe acelaşi
model, care are aceeaşi reŃea de discretizare şi aceleaşi tipuri de elemente finite,
să se efectueze mai multe tipuri de analize, ca, de exemplu, analiză statică, de
stabilitate, de vibraŃii etc. Dar într-o astfel de situaŃie este foarte posibil ca
performanŃele modelului şi calitatea informaŃiilor obŃinute să nu fie
satisfăcătore pentru toate variantele de analiză. Se ajunge astfel la cerinŃa ca
modelul să fie elaborat având în vedere scopul calculului. În general foarte rar
este necesar să se creeze un model complet nou pentru fiecare tip de FEA. Adesea
se foloseşte un model de bază, destinat uneia din variantele de calcul şi acestuia i se
aduc modificările cerute de celelalte tipuri de analize.
Pentru clarificarea şi fixarea ideilor se dau, pe scurt, câteva exemple:
- pentru determinarea valorilor maxime ale tensiunilor, trebuie efectuate
“discretizări locale foarte fine, în zonele cu concentratori;
- pentru analizele dinamice, sunt extrem de importante aspectele modelării
maselor şi amortizărilor;
- pentru analizele termice trebuie definite foarte precis sursele de căldură,
inclusiv parametrii lor,
şi valorile constantelor fizice ale transmiterii căldurii prin conducŃie, convecŃie şi
radiaŃie;
- pentru structurile cu deplasări mari trebuie precizate variaŃiile mărimilor şi
direcŃiilor sarcinilor în timpul procesului de deformaŃie.
Rezultatele să fie acoperitoare. Modelul trebuie elaborat astfel încât rezultatele FEA
trebuie să fie într-o măsură raŃională şi rezonabilă acoperitoare, adică să ofere o
marjă suplimentară de siguranŃă care să compenseze faptul că MEF este
aproximativă. În ceea ce priveşte procesele de calcul, utilizarea calculatoarelor oferă
garanŃia unei fiabilităŃi foarte mari a acestora şi a unui nivel de încredere ridicat al
rezultatelor.
92
şi derivatele lor, ceea ce exprimă, pe de-o parte caracterul local al modelului,
precum şi pe cel de predictibilitate, pe de altă parte. Modelele matematice oferă o
serie de avantaje faţă de cele lingvistice. În primul rând aceste nu suferă de nici
unul dintre defectele modelelor lingvistice pe care le-am discutat mai sus. Acestea
sunt explicite în sensul că ipotezele şi presupunerile pe care se bazează sunt
publice şi la îndemâna oricărei critici. În al doilea rând consecinţele (logice) care
rezultă din rezolvarea acestora sunt bine justificate matematic. În final acestea sunt
mult mai comprehensive fiind capabile să gestioneze simultan o multitudine
apreciabilă de factori.
94
II. Elemente de teoria grafurilor
1. Noţiuni generale[21]
În general, pentru situaţiile care necesită la rezolvare un oarecare efort mintal (şi un
caz tipic este cel al celor din economie), se caută, în primul rând, o metodă de reprezentare
a lor care să permită receptarea întregii probleme dintr-o privire (pe cât posibil) şi prin care
să se evidenţieze cât mai clar toate aspectele acesteia.
În acest scop se folosesc imagini grafice gen diagrame, schiţe, grafice etc. O
reprezentare dintre cele mai utilizate este cea prin grafuri. Acestea sunt utilizate în special
pentru vizualizarea sistemelor şi situaţiilor complexe. În general, vom reprezenta
componentele acestora prin puncte în plan iar relaţiile (legăturile, dependenţele, influenţele
etc) dintre componente prin arce de curbă cu extremităţile în punctele corespunzătoare.
Între două puncte pot exista unul sau mai multe segmente (în funcţie de câte relaţii dintre
acestea, care ne interesează, există) iar segmentelor li se pot asocia sau nu orientări (după
cum se influenţează cele două componente între ele), numere care să exprime intensitatea
relaţiilor dintre componente etc.
Este evident, totuşi, că această metodă are limite, atât din punct de vedere uman
(prea multe puncte şi segmente vor face desenul atât de complicat încât se va pierde chiar
scopul pentru care a fost creat – claritatea şi simplitatea reprezentării, aceasta devenind
neinteligibilă) cât şi din punct de vedere al tehnicii de calcul (un calculator nu poate "privi"
un desen ca un om).
Din acest motiv, alături de expunerea naiv-intuitivă a ceea ce este un graf, dată mai
sus, se impune atât o definiţie riguroasă cât şi alte modalităţi de reprezentare a acestora,
adecvate în general rezolvărilor matematice.
În acest caz mulţimea părţilor mulţimii A are doar două elemente: mulţimea vidă
şi întreaga mulţime A. Dacă unei perechi orientate (xi, xj) din X2 i se asociază prin funcţia f
mulţimea A atunci spunem ca există arc de la nodul x i la nodul xj iar perechea (xi,xj) se va
numi arcul (xi,xj). Nodul xi se numeşte nod iniţial sau extremitate iniţială a arcului (xi,xj)
95
iar nodul xj se numeşte nod final sau extremitate finală a arcului (xi,xj). Arcul (xi,xj) este
incident spre interior vârfului xj şi incident spre exterior vârfului xi. Dacă pentru un arc
nodul iniţial coincide cu nodul final atunci acesta se numeşte buclă. Nodurile xi şi xj se vor
numi adiacente dacă există cel puţin unul din arcele (xi,xj) şi (xj,xi).
Dacă unei perechi orientate (xi, xj) din X2 i se asociază prin funcţia f mulţimea vidă
atunci spunem că nu există arc de la nodul xi la nodul xj.
Este evident că a cunoaşte un graf orientat este echivalent cu a cunoaşte vârfurile şi arcele
sale. Din acest motiv putem defini un graf orientat prin perechea (X,U), unde X este
mulţimea vârfurilor sale iar U mulţimea arcelor sale.
De asemenea, putem cunoaşte un graf orientat cunoscând mulţimea nodurilor şi,
pentru fiecare nod, mulţimea arcelor incidente spre exterior. Din acest motiv putem defini
un graf orientat ca o pereche (X,) unde X este perechea nodurilor iar este o funcţie
definită pe X cu valori în mulţimea părţilor lui X, valoarea acesteia într-un nod xi, (xi)
X fiind mulţimea nodurilor adiacente nodului xi, prin arce pentru care xi este extremitatea
iniţială.
Deoarece, în cele mai multe din cazurile practice care vor fi analizate în acest
capitol, situaţia este modelată matematic printr-un graf orientat, vom folosi, pentru
simplificarea expunerii, denumirea de graf în locul celei de graf orientat iar în cazul în care
graful este neorientat vom specifica acest fapt la momentul respectiv[21].
96
E. Un graf poate fi reprezentat printr-o matrice pătratică booleană, de dimensiune
egală cu numărul de noduri, în care o poziţie aij va fi 1 dacă există arcul (xi,xj) şi
0 în caz contrar, numită matricea adiacenţelor directe.
F. Un graf poate fi reprezentat printr-o matrice pătratică latină, de dimensiune
egală cu numărul de noduri, în care pe o poziţie aij va fi xixj dacă există arcul
(xi,xj) şi 0 în caz contrar.
Exemplu: Dacă în reprezentarea A avem graful G = (X,U), unde X = {x1, x2, x3, x4, x5, x6}
şi U = {(x1,x1), (x1,x2), (x1,x4), (x1,x5), (x2,x3), (x2,x4), (x2,x6), (x3,x1), (x3,x2), (x4,x5),
(x5,x2), (x6,x4)}, atunci în celelalte reprezentări vom avea:
x5 {x2} x5 x4
x6 {x4}
x1 x2 x3 x4 x5 x6
x1 x2 x3 x4 x5 x6
x1 x2 x3 x4 x5 x6
x1 1 1 0 1 1 0
x2 0 0 1 1 0 1
x3 1 1 0 0 0 0
x4 0 0 0 0 1 0
x5 0 1 0 0 0 0
x6 0 0 0 1 0 0
97
F
x1 x2 x3 x4 x5 x6
x3 x3x1 x3x2 0 0 0 0
x4 0 0 0 0 x4x5 0
x5 0 x5x2 0 0 0 0
x6 0 0 0 x6x4 0 0
1. semigraf interior al unui nod xk: este mulţimea arcelor U x k = {(xj,xk)/ (xj,xk)
U} care sunt incidente spre interior nodului xk;
2. semigraf exterior al unui nod xk: este mulţimea arcelor U x k = {(xk,xi)/ (xk,xi)
U} care sunt incidente spre exterior nodului xk ;
3. semigradul interior al unui nod xk: este numărul arcelor care sunt incidente
spre interior nodului xk = cardinalul lui U x k şi se notează cu xk ;
4. semigradul exterior al unui nod xk: este numărul arcelor care sunt incidente
spre exterior nodului xk = cardinalul lui U x k şi se notează cu xk ;
5. gradul unui nod xk: este suma semigradelor nodului xk: x k = xk + xk ;
6. nod izolat: este un nod cu gradul 0;
7. nod suspendat: este un nod cu gradul 1;
8. arce adiacente: arce care au o extremitate comună;
9. drum într-un graf: o mulţime ordonată de noduri ale grafului: (x1, x2, ..., xk), cu
proprietatea că există în graf toate arcele de forma (xi,xi+1) i = 1,...,k-1;
10. lungimea unui drum: este numărul arcelor care îl formează;
11. drum elementar: un drum în care fiecare nod apare o singură dată;
12. drum simplu: un drum în care fiecare arc apare o singură dată;
13. putere de atingere a unui nod xi X în graful G: numărul de noduri la care se
poate ajunge din xi. Puterea de atingere se notează cu p(xi), 1 i n şi evident
p(xi) xi .
14. drum hamiltonian: un drum elementar care trece prin toate nodurile grafului;
98
15. drum eulerian: un drum simplu care conţine toate arcele grafului;
16. lanţ: un drum în care arcele nu au neapărat acelaşi sens de parcurgere;
17. circuit: un drum în care nodul iniţial coincide cu cel final;
18. circuit elementar: un drum în care fiecare nod apare o singură dată, cu excepţia
celui final, care coincide cu cel iniţial;
19. circuit simplu: un drum în care fiecare arc apare o singură dată;
20. circuit hamiltonian: un circuit care trece prin toate nodurile grafului;
21. ciclu: este un circuit în care arcele nu au neapărat acelaşi sens de parcurgere;
22. ciclu elementar: un ciclu în care fiecare nod apare o singură dată, cu excepţia
celui final, care coincide cu cel iniţial;
23. ciclu simplu: un ciclu în care fiecare arc apare o singură dată;
Observaţie: Într-un graf neorientat noţiunile de drum şi lanţ sunt echivalente şi
de asemenea cele de circuit şi ciclu.
24. graf parţial al unui graf G = (X,U): este un graf G'(X,U') cu U' U;
25. subgraf al unui graf G = (X,): este un graf G'(X',') unde X' X şi
'(xi) = (xi) X' pentru orice xi X';
26. graf redus al unui graf G = (X,U): este un graf G *(X*,U*) unde X* este formată
din mulţimile unei partiţii de mulţimi nevide ale lui X, iar ( X *i , X *j ) există doar
dacă i j şi există cel puţin un arc în U, de la un nod din X *i la un nod din X *j .
27. graf tare conex: este un graf în care între oricare două noduri există cel puţin
un drum;
28. graf simplu conex: este un graf în care între oricare două noduri există cel puţin
un lanţ;
Observaţie: Pentru grafuri neorientat noţiunile de tare conex şi simplu conex sunt
echivalente, graful numindu-se doar conex;
29. componentă tare conexă a unui graf G = (X,U): este un subgraf al lui G care
este tare conex şi nu este subgraful nici unui alt subgraf tare conex al lui G
(altfel spus, între oricare două noduri din componentă există cel puţin un drum
şi nu mai există nici un nod în afara componentei legat printr-un drum de un
nod al componentei).[21]
Dacă privim graful ca imagine a unui sistem, nodurile reprezentând componentele sistemu-
lui, atunci o interpretare imediată a unui arc (xi,xj) este că, componenta xi influenţează
direct componenta xj. Dacă nodurile au semnificaţia de stări posibile ale unui sistem atunci
un arc (xi,xj) semnifică faptul că sistemul poate trece direct din starea xi în starea xj. În
ambele cazuri se vede că avem de-a face doar cu informaţii despre legături directe; totuşi,
chiar dacă o componentă xi nu influenţează direct componenta xj ea o poate influenţa prin
intermediul altor componente, existând un şir de componente intermediare: x1 x2 ,..., xk,
fiecare influenţând-o direct pe următoarea şi xi direct pe x1 iar xk direct pe xj. Astfel, dacă
dintr-o stare xi nu se poate trece direct într-o stare xj s-ar putea totuşi în mai multe etape,
prin alte stări intermediare. Deoarece găsirea acestor influenţe sau treceri posibile este de
obicei foarte importantă iar pentru un sistem cu mii sau zeci de mii de componente acest
lucru nu mai poate fi făcut "din ochi", este necesară formalizarea noţiunii de "influenţe" şi
"treceri" posibile, nu neapărat directe. Acest lucru a şi fost făcut mai sus, deoarece este
99
evident că "xi influenţează xj" sau "din starea xi se poate trece în starea xj" este echivalent
cu existenţa în graf a unui drum de la nodul xi la nodul xj.
În continuare vom da un algoritm prin care putem găsi toate drumurile dintr-un graf
orientat cu un număr finit de noduri.
Pasul 1. Se construieşte matricea booleană a adiacenţelor directe corespunzătoare grafului,
notată cu A. În aceasta se află, evident, toate drumurile de lungime 1.
Este interesant de văzut ce legătură există între această matrice şi drumurile de lungime 2.
Fie două noduri xi şi xj oarecare din graf. Existenţa unui drum de lungime 2 între ele
presupune existenţa unui nod xk, din graf, cu proprietatea că există atât arcul (xi,xk) cât şi
arcul (xi,xk). Pentru a vedea dacă acesta există, luăm pe rând fiecare nod al grafului şi
verificăm dacă există sau nu ambele arce ((xi,xk) şi (xi,xk)). Aceasta este echivalent cu a
verifica dacă, în matricea booleană a adiacenţelor directe, există vreun indice k astfel încât
elementul k al liniei i şi elementul k al coloanei j să fie ambele egale cu 1. Dacă folosim
operaţiile algebrei booleene de adunare şi înmulţire:
0 1 0 1
0 0 1 0 0 0
1 1 1 1 0 1
atunci verificările de mai sus sunt echivalente cu a verifica dacă elementul de pe poziţia
(i,j) din A2 este egal cu 1. Valoarea 1 spune doar că există cel puţin un drum de lungime 2
de la xi la xj. Dacă dorim să vedem şi câte sunt, vom folosi regulile de înmulţire şi adunare
obişnuită.
Din cele de mai sus se observă că existenţa drumurilor de lungime k este dată de
valorile matricei Ak, dacă s-au folosit regulile algebrei booleene şi numărul lor este dat de
Ak, dacă s-au folosit regulile obişnuite.[21]
rezultă că e suficient să calculăm doar puterea n-2 a matricei A + I şi apoi s-o înmulţim cu
A. Avantajul acestei metode, în ceea ce priveşte economia de timp, este susţinut şi de
următoarea observaţie: dacă D conţine toate perechile de arce între care există drum atunci:
deci de la puterea k = n-2 toate matricile Ak sunt egale. Putem, deci, calcula direct orice
putere a lui A+I mai mare sau egală cu n-1 (de exemplu calculând (A+I)2, (A+I)4, (A+I)8,
r
..., (A I) 2 , r fiind prima putere a lui 2 pentru care 2r n-2).
Procedeul de mai sus nu asigură decât aflarea faptului dacă există sau nu drum între
două noduri, eventual ce lungime are şi câte sunt de această lungime. Totuşi, în problemele
practice cel mai important este să ştim care sunt efectiv aceste drumuri. Deoarece toate
drumurile pot fi descompuse în drumuri elementare şi în problemele practice în general
acestea sunt cele care interesează, paşii următori ai algoritmului vor fi dedicaţi găsirii lor.
Pentru găsirea acestora se foloseşte reprezentarea grafului prin matricea latină de la cazul
F.[21]
Pasul 4. Construim matricea latină L asociată grafului, unde:
x i x j daca exist a arcul x i , x j
daca nu exist a arcul x i , x j
lij =
0
~
şi matricea L , definită prin:
101
numită matricea latină redusă.
Găsirea unui drum de lungime 2 de la xi la xj presupune găsirea unui nod cu proprietatea că
există arcele (xi,xk) şi (xk,xj) şi memorarea vectorului (xi, xk, xj). Aceasta este echivalent cu
a găsi un indice k astfel încât elementul de pe poziţia k a liniei i, din matricea L, să fie x i,xk
~
şi elementul de pe poziţia k al coloanei j, din matricea L , să fie xj. Vom înmulţi deci
~
matricea L cu matricea L , folosind însă nişte reguli de calcul speciale, numite înmulţire şi
adunare latină[21].
Definiţia 1: Se numeşte alfabet o mulţime de semne numite simboluri sau litere {si/iI}
unde I este o mulţime oarecare de indici, finită sau nu.
Înmulţirea latină este asociativă, are ca element neutru cuvântul vid, nu e comutativă şi un
element este inversabil doar dacă este cuvântul vid.
s s ...s
s i1 s i 2 ...s i n L s j1 s j2 ...s jm = i1 i 2 i n
s j1 s j2 ...s jm
(suma a două cuvinte este mulţimea formată din cele două cuvinte)
~ ~ ~
L2 = L L L , L3 = L2 L L , ... ,Lk+1 = Lk L L
Din felul cum a fost construită, matricea Lk va conţine toate drumurile elementare
de lungime k. Cum un drum elementar poate avea cel mult n noduri (câte are graful cu
totul) rezultă că:
primele n-1 puteri ale lui L conţin toate drumurile elementare din graf;
102
puterile lui L mai mari sau egale cu n au toate elementele egale cu 0;
matricea Ln-1 conţine toate drumurile hamiltoniene din graf (dacă există).
Observaţie:Deoarece obţinerea matricii D prin metoda de mai sus presupune un volum
foarte mare de calcule (de exemplu, dacă graful are 100 de noduri, ridicarea unei matrici de
100×100 la puterea 100) pentru obţinerea acesteia se poate aplica şi următorul algoritm:
Pas 1. Se construieşte matricea de adiacenţă A;
Pas 2. Pentru fiecare linie i se adună boolean la aceasta toate liniile j pentru care a ij = 1.
Pas 3. Se reia pasul 2 până când, după o aplicare a acestuia, matricea rămâne aceeaşi
(nu mai apare nici un 1)
Ultima matrice obţinută este matricea drumurilor D numită şi matricea conexiunilor
totale.
Această metodă, deşi mai simplă nu spune însă şi care sunt aceste drumuri, pentru
găsirea lor aplicându-se, de exemplu, înmulţirea latină
În acest subcapitol grafurile vor fi considerate neorientate[21].
Noţiunea de arbore
Un arbore este un graf neorientat, finit, conex şi fără cicluri. Grafurile din figura
urmatoare sunt arbori.
x1 x1 x1 x1 x1
x1
x1
x1 x1 x1 x1
a) c)
b)
Studiul arborilor este justificat de existenţa în practică a unui număr mare de probleme care
pot fi modelate prin arbori. Dintre acestea amintim:
1) H este arbore;
2) H nu conţine cicluri şi, dacă se unesc printr-o muchie două noduri neadiacente,
se formează un ciclu (şi numai unul). Arborele este, deci, pentru o mulţime de
noduri dată, graful cu numărul maxim de arce astfel încât să se păstreze
proprietatea că nu are cicluri);
3) H este conex şi dacă i se suprimă o muchie se creează două componente conexe
(arborele este graful conex cu numărul minim de arce);
4) H este conex şi are n-1 muchii;
5) H este fără cicluri şi are n-1 muchii;
6) Orice pereche de noduri este legată printr-un lanţ şi numai unul.
Presupunem că avem un graf pentru care am verificat deja dacă este conex. Dacă nu este
atunci acesta, evident, nu are nici un graf parţial care să fie arbore.
Presupunem de asemenea că fiecărei muchii îi este asociată o valoare reală.
Pasul 1. Dintre toate muchiile grafului se alege muchia de valoare minimă (maximă).
Dacă minimul este multiplu se alege la întâmplare una din muchiile respective.
Deoarece acest "la întâmplare" trebuie cumva tradus în limbajul calculatorului, în
cazul implementării unui program bazat pe acest algoritm, vom perturba din start
valorile muchiilor, la k muchii cu aceiaşi valoare V adunând respectiv valorile ,
2, ... , k, unde este foarte mic (în orice caz, k mai mic decât diferenţa dintre
valoarea acestor arce si valoarea imediat superioară a unui arc), pozitiv.
Pasul 2. Dintre toate muchiile rămase, se alege cea de valoare minimă (maximă);
Pasul 3. Dintre toate muchiile rămase, se alege cea de valoare minimă (maximă), astfel
încât să nu se formeze cicluri cu cele deja alese;
Pasul 4. Se reia algoritmul de la pasul 3 până se colectează n-1 muchii.
104
Deşi s-a demonstrat că algoritmul găseşte întotdeauna arborele optim, el are dezavantajul
că este foarte laborios (de fiecare dată trebuie calculat minimul unei mulţimi mari sau
foarte mari – există situaţii în practică în care graful are sute de mii de arce) şi, în plus,
trebuie aplicat un algoritm special ca să respectăm condiţia de a nu se forma cicluri, la
alegerea unui nou arc.
O metodă posibilă este ca, după adăugarea fiecărui arc, să se împartă graful în
componente conexe şi să alegem apoi un arc care nu are ambele extremităţile în aceeaşi
componentă conexă[21].
De asemenea este clar că, în cazul existenţei arcelor de valori egale, deoarece se
alege la întâmplare, există mai multe variante de evoluţie a alegerii arcelor. Totuşi, cu toate
că pot fi mai multe grafuri la care se poate ajunge prin acest algoritm, ele vor avea toate
aceeaşi valoare (minima (sau maxima) posibilă)[21].
Pasul 1. Pentru fiecare nod se alege muchia adiacentă de valoare minimă (maximă).
Pasul 2. Se evidenţiază componentele conexe, existente în graful parţial format din arcele
alese până în acest moment.
Pasul 3. Pentru fiecare componentă conexă se alege muchia adiacentă de valoare minimă
(maximă). Prin muchie adiacentă unei componente conexe înţelegem o muchie
care are o singură extremitate printre nodurile componentei respective.
Pasul 4. Se reia algoritmul de la pasul 2 până rămâne o singură componentă conexă.
Aceasta este arborele optim căutat.
Acest algoritm asigură de asemenea găsirea arborelui optim, necesită mult mai puţine
calcule (la fiecare alegere se calculează minimul doar pentru muchiile adiacente unui
singur nod), evită automat formarea ciclurilor, dar, pentru grafuri foarte mari, la un
moment dat pot exista atât de multe componente conexe care trebuie memorate succesiv,
încât calculul devine greoi sau, pe calculator, depăşeşte posibilităţile de memorare ale
calculatorului[21].
Pasul 1. Dintre toate muchiile grafului se alege cea de valoare minimă (maximă);
Pasul 2. Dintre toate muchiile adiacente componentei conexe formată din arcele alese
până în acest moment, se alege cea de valoare minimă (maximă);
Pasul 3. Se reia pasul 2 până se colecţionează n-1 muchii.
Algoritmul are toate avantajele algoritmului lui Sollin şi, în plus, lucrează cu o singură
componentă conexă, fiind mult mai uşor de implementat pe calculator şi mult mai rapid în
execuţie.
Exemplu[21]: Administraţia unei localităţi montane a hotărât construirea unor linii
de teleferic care să lege oraşul de cele 8 puncte turistice importante din jurul acestuia. În
105
urma unui studiu au fost puse în evidenţa toate posibilităţile şi costurile de conectare a
obiectivele turistice între ele şi cu oraşul, acestea fiind prezentate în figura de mai jos.
Se cere găsirea variantei de construcţie de cost minim, care să asigure accesul din oraş la
oricare din obiectivele turistice.
P2
4 9
7
P1 8 8 P3
8 P4
2
5 7
3 9 4
O
3 3 8
P6 P5
2 7
5 6
8 P8
P7
Rezolvare
Condiţia de cost minim implică două obiective:
106
Următoarea valoare disponibilă a unui arc este 5, dar arcul opt nu poate fi ales dintre arcele
OP1, P6P7, deşi au valoarea minimă 5. Arcul OP1 nu poate fi ales deoarece s-ar forma ciclul
OP1P6, iar P6P7 ar duce la ciclul OP6P7. Următoarea valoare minimă este 6, pentru arcul
P5P7 dar nu poate fi ales deoarece se formează ciclul OP 5P7.
Valoarea următoare, 7, o au arcele OP4, P2P3 şi P5P8. OP4 nu poate fi ales deoarece s-ar
forma ciclul OP5P4. Arcul P2P3 nu poate fi ales deoarece s-ar forma ciclul OP6P1P2P3.
Arcul P5P8 nu formează nici un ciclu şi el va fi al optulea arc ales. În acest caz, deoarece s-
au adunat 8 arce într-un graf cu 9 noduri, am obţinut graful căutat.
Acest arbore este reprezentat în figura urmatoare.
P2
P1 P3
2 P4
3 4
O
3 3
P6 P5
2 7
P8
P7
B. Sollin
107
P2
P1 P3
2 P4
3 4
O
3
P6 P5 7
2
P8
P7
1 OP3
2 OP7
3 OP6
4 OP5
5 P1P6
6 P1P2
7 P4P5
8 P5P8
În practica economică sunt foarte des întâlnite probleme în care se doreşte asocierea optimă
a elementelor unei mulţimi X = {x1, x2, ... , xn} cu elementele unei alte mulţimi Y = {y1,
y2, ... , ym} în condiţiile unor limitări existente (şi cunoscute) ale posibilităţilor de asociere.
108
În general, fiecare asociere posibilă xi yj aduce un anumit efect aij (profit, cost etc) care
poate fi calculat şi vom presupune că este cunoscut.
Limitările asupra asocierilor se traduc de obicei prin faptul că:
1. Un element xi poate fi asociat doar cu anumite elemente din Y şi reciproc;
2. La sfârşit, fiecărui element din X i s-a asociat cel mult un element din Y şi
reciproc.
Asocierea optimă presupune, de obicei, două obiective:
1. Să se facă maximul de asocieri;
2. Suma efectelor asocierilor să fie maximă (sau minimă, în funcţie de
semnificaţia acestora).
Reprezentarea geometrică a situaţiei de mai sus este un graf de forma:
x1
y1
x2
y2
ym
xn
numit graf bipartit.
Definiţia 1: Se numeşte graf bipartit un graf G = (X, U) în care mulţimea nodurilor poate
fi împărţită în două mulţimi disjuncte A şi B astfel încât orice arc are extremitatea iniţială
în A şi cea finală în B.
Definiţia 2: Se numeşte cuplaj al unui graf bipartit o submulţime de arce W U cu
proprietatea că nu există două arce adiacente (sau altfel spus, pentru orice nod există cel
mult un arc incident acestuia).
Definiţia 3: Se numeşte cuplaj maxim un cuplaj cu proprietatea că orice arc care nu face
parte din cuplaj este adiacent cu un arc din cuplaj ( orice arc am adăuga, nu mai rămâne
cuplaj nu există nici un cuplaj în care să se includă strict conţine numărul maxim de
arce neadiacente)
Este evident că numărul de arce ale unui cuplaj este mai mic sau egal cu numărul de
elemente din fiecare din mulţimile A şi B ( min (A,B). Este interesant de văzut însă
cât de mare este el efectiv şi în ce condiţii este egal chiar cu min (A,B).
Referitor la prima întrebare, în 1931 König a demonstrat o teoremă care permite stabilirea
numărului de arce ale unui cuplaj maxim:
Teoremă: Numărul maxim de arce ale unui cuplaj într-un graf bipartit G = (AB, ) este
egal cu min A C C
C A
109
În ceea ce priveşte a doua problemă, observăm mai întâi că putem presupune că
întotdeauna AB, în caz contrar inversând sensul tuturor arcelor grafului, problema
rămânând aceeaşi.
În acest caz:
0
sau altfel spus, pentru orice submulţime C a lui A, mulţimea nodurilor atinse de arce care
pleacă din nodurile sale, adică (C), are cel puţin atâtea elemente cât C.
De exemplu, la repartizarea angajaţilor pe posturi, fiecare angajat poate obţine un post dorit
dacă şi numai dacă oricare ar fi mulţimea de r angajaţi există cel puţin r posturi diferite din
care pot alege.
Presupunem, în continuare, că s-a asociat fiecărui arc (xi,xj) o valoare vij.
Definiţia 4: Se numeşte valoare a unui cuplaj suma valorilor arcelor care îl formează.
M1 M2 M3 M4 M5 M6
O1 4 3 6 2 6 8
O2 5 4 8 3 8 9
O3 5 6 8 2 8 7
O4 4 5 7 2 7 8
O5 4 6 6 3 6 7
O6 6 6 8 3 8 9
Să se găsească acea repartiţie a muncitorilor la maşini astfel încât timpul în care o piesă se
prelucrează succesiv pe cele 6 maşini să fie minim."
Pasul 1. Se construieşte matricea pătratică M care are elementele:
4 3 6 2 6 8
5 4 8 3 8 9
5 6 8 2 8 7
Pentru exemplul ales vom avea: M=
4 5 7 2 7 8
4 6 6 3 6 7
6 9
6 8 3 8
Pasul 2. Se scade din fiecare linie minimul acesteia apoi, în matricea obţinută, din fiecare
coloană minimul acesteia (se poate face şi invers, rezultatul final va fi acelaşi).
Pentru exemplul dat vom obţine succesiv matricile:
2 1 4 0 4 6 1 0 1 0 1 2
2 1 5 0 5 6 1 0 2 0 2 2
3 4 6 0 6 5 2 3 3 0 3 1
M1 =
2 3 5 0 5 6 şi apoi M2 = 1 2 2 0 2 2
1 3 3 0 3 4 0 2 0 0 0 0
3 3 5 0 5 6 2 2 2 0 2 2
Ultima matrice este cea asupra căreia se aplică următoarele calcule. În acest moment pe
fiecare linie şi pe fiecare coloană se află cel puţin un 0, care corespunde celui mai mic
timp. Se încearcă în continuare folosirea doar a acestor repartizări:
Pasul 3. În ordinea crescătoare a numărului de zerouri şi de sus în jos (în cazul existenţei
mai multor linii cu acelaşi număr de zerouri ) se încadrează pentru fiecare linie
111
zeroul a cărui coloană conţine cele mai puţine zerouri (primul de la stânga dintre
acestea, în caz de egaliate) şi se barează celelalte zerouri de pe linia şi coloana
acestuia. Pe parcursul algoritmului sunt luate în considerare la numărare doar
zerourile neîncadrate şi nebarate încă. În final, pe fiecare linie şi pe fiecare
coloană va fi cel mult un zero încadrat. Dacă în final sunt n (= dimensiunea
matricei) zerouri, atunci arcele corespunzătoare formează cuplajul căutat. Dacă
sunt mai puţine se trece la pasul 4.
În exemplul nostru avem trei linii cu câte un zero (a 3-a, a 4-a şi a 5-a) .Îl încadrăm pe cel
de pe linia 3 (prima dintre ele) şi barăm restul zerourilor de pe linia 3 şi coloana 3,
obţinând:
1 0 1 0 1 2
1 0 2 0 2 2
2 3 3 0 3 1
1 2 2 0 2 2
0 2 0 0 0 0
2 2
2 2 0 2
1 0 1 0 1 2
1 0 2 0 2 2
2 3 3 0 3 1
1 2 2 0 2 2
0 2 0 0 0 0
2 2
2 2 0 2
Ultima linie cu zerouri este linia 5 din care îl încadrăm pe primul şi le barăm pe celelalte:
1 0 1 0 1 2
1 0 2 0 2 2
2 3 3 0 3 1
1 2 2 0 2 2
0 2 0 0 0 0
2 2
2 2 0 2
În total nu sunt 6 zerouri încadrate (sunt doar trei) şi deci trecem la pasul 4 .
Pasul 4. La acest pas se va stabili numărul minim posibil de linii şi coloane care să conţină
toate zerourile matricii. În acest sens vom proceda astfel:
a) se marchează liniile care nu au nici un zero încadrat;
b) se marchează coloanele care au un zero barat pe o linie marcată;
c) se marchează liniile care au un zero încadrat pe o linie marcată (dacă
există);
Se repetă operaţiile b) şi c) până nu mai poate fi marcată nici o linie şi nici o
coloană.
În cazul nostru vom avea: a) se marchează liniile 2, 4 şi 6;
b) se marchează coloanele 2 şi 4;
c) se marchează liniile 1 şi 3;
112
b) nu mai marcăm nici o coloană deoarece nu mai există nici un zero barat pe liniile
1 şi 3, care să corespundă unei coloane nemarcate;
c) nu mai marcăm nici o linie, deoarece nu a mai apărut nici o coloană marcată.
Rezultă:
1 0 1 0 1 2
1 0 2 0 2 2
2 3 3 0 3 1
1 2 2 0 2 2
0 2 0 0 0 0
2 2
2 2 0 2
1 0 1 0 1 2
1 0 2 0 2 2
2 3 3 0 3 1
1 2 2 0 2 2
0 2 0 0 0 0
2 2
2 2 0 2
0 0 0 0 0 1
0 0 1 0 1 1
1 3 2 0 2 0
0 2 1 0 1 1
0 3 0 1 0 0
1 1
2 1 0 1
0 0 0 0 0 1
0 0 1 0 1 1
1 3 2 0 2 0
0 2 1 0 1 1
0 3 0 1 0 0
1 1
2 1 0 1
Deoarece avem 6 zerouri încadrate, am obţinut cuplajul maxim de valoare minimă căutat,
căruia îi va corespunde repartizarea muncitorilor pe operaţii de mai jos:
113
M1 O1
6
M2 4 O2
4
M3 O3
M4 7 O4
3
M5 6 O5
M6 O6
M2 4 O2
M3 4 O3
6
0 0 0 0 0 1
0 0 1 0 1 1 M4 7 O4
1 3 2 0 2 0
0 2 1 0 1 1 adică 6
0 3 0 1 0 0 M5 O5
1 1 3
2 1 0 1
M6 O6
care are de asemenea valoarea 26.
Observaţia 1. Dacă dorim un cuplaj de valoare maximă atunci vom calcula la pasul 1
matricea M astfel:
1. Construind matricea A de elemente:
valoarea arcului x i , x j daca exista arcul x i , x j
daca nu exista arcul x i , x j
aij =
114
la o serie de centre distribuite în general neliniar pe o anumită zonă teritorială (localităţile
dintr-un judeţ, magazinele dintr-un cartier, persoanele dintr-un sat etc). Dacă numărul de
obiective care trebuie vizitate este mare sau foarte mare iar timpul disponibil foarte limitat
atunci devine vitală o asemenea organizare a trecerii pe la fiecare obiectiv încât să se
efectueze în timpul minim posibil. Acest timp minim se traduce prin drumul cel mai scurt,
iar cel mai scurt drum este evident cel în care se trece pe la fiecare obiectiv o singură dată.
În plus, la sfârşit trebuie să se afle în punctul iniţial, adică sediul firmei la care lucrează.
O reprezentare a regiunii aprovizionate, în care centrele pe la care se trece sunt vizualizate
prin puncte iar căile de acces la acestea prin segmente de curbe, va fi evident un graf,
problema reducându-se la a găsi circuitul hamiltonian de lungime minimă.
În timp, s-au evidenţiat o multitudine de probleme reductibile la găsirea unui drum (sau
circuit) hamiltonian într-un graf, cum ar fi:
1. Problema poştaşului (găsirea traseului cel mai scurt care trece pe la toate
locuinţele ce aparţin de oficiul poştal la care lucrează acesta);
2. Problema adunării deşeurilor (cel mai scurt drum care trece pe la toate punctele
de depozitate a deşeurilor);
3. Problema succesiunii operaţiilor (executarea mai multor operaţii pe o maşină în
acea ordine în care suma timpilor consumaţi cu pregătirea maşinii pentru
trecerea de la o operaţie la următoarea să fie minim)
4. Ordinea lipirii unor componente electronice pe o placă, etc;
1. Se consideră în matricea M liniile pline (cu toate elementele 1). Nodurile ce corespund
liniilor pline cu 1 formează submulţimea C1.
2. Se elimină liniile şi coloanele care corespund nodurilor din submulţimea stabilită.
3. Se reia raţionamentul de la punctul 1 pe matricea redusă obţinută la punctul 2
obţinându-se următoarea submulţime şi în continuare toate celelalte până se epuizează
toate liniile matricei.
115
Pasul 4. Se construieşte graful G' în care:
Observaţie. Algoritmul lui Foulkes reduce găsirea drumurilor hamiltoniene în graful iniţial
G (care în problemele practice este foarte mare) la găsirea mai multor drumuri
hamiltoniene mai mici în componente tare conexe ale grafului. Dacă un graf are o singură
componentă tare conexă, algoritmul lui Foulkes nu este eficient, în acest caz trebuind
aplicaţi alţi algoritmi cum ar fi cel bazat pe înmulţirea latină.
Fie G = (X,U) un graf orientat fără circuite, cu n noduri: X = {x1, x2, … , xn}. Vom
considera că am calculat matricea drumurilor D şi puterile de atingere ale tuturor nodurilor.
Dacă în graful G există un drum de la nodul xi la nodul xj atunci evident p(xi) > p(xj),
deoarece în orice vârf în care se poate ajunge din xj se poate ajunge şi din xi dar din xj nu se
poate ajunge în xj pentru că nu există circuite.
Teorema (Chen) Un graf cu n noduri, fără circuite conţine un drum hamiltonian dacă şi
numai dacă există relaţia:
n
n n 1
px i
2
i 1
Demonstraţie
“” Fie H un drum hamiltonian şi presupunem că nodurile grafului au fost notate
în ordinea în care apar în acest drum. Atunci din orice nod xi se poate ajunge în toate
nodurile cu indice mai mare şi numai în acestea (altfel ar exista circuite) şi deci puterea
unui nod xi este n – i, de unde:
n
n n 1
p x i = (n – 1) + (n – 2) + … + 1 + 0 =
2
i 1
“” Ordonând vârfurile în ordinea descrescătoare a puterii lor de atingere (i > j
p(xi) < p(xj)) şi cum graful nu are circuite, vom obţine o matrice D cu toate zerourile
116
deasupra diagonalei (evident pe o poziţie (i,i) nu se află nici un 1 iar dacă ar fi un 1 pe
poziţia (i,j) cu i > j ar însemna că din xi se poate ajunge în xj, deci în toate nodurile în care
se poate ajunge din xj, iar din xj nu se poate ajunge în xi, deci p(xi) > p(xj) în contradicţie cu
n n 1
ipoteza de ordonare a nodurilor). Cum deasupra diagonalei sunt poziţii iar suma
n
n n 1
puterilor vârfurilor este chiar rezultă că toate poziţiile de deasupra diagonalei sunt
n
1. Aceasta înseamnă că există toate arcele de forma (xi,xi+1) (altfel n-ar exista drum de la xi
la xi+1, deoarece toate drumurile au indicii nodurilor în ordine descrescătoare) şi deci
drumul hamiltonian (x1, x2, … , xn) q.e.d.
Teorema Dacă într-un graf orientat fără circuite există un drum hamiltonian atunci acesta
este unic.
Demonstraţie Deoarece un drum hamiltonian se identifică cu o permutare a nodurilor
grafului, existenţa a două drumuri hamiltoniene implică existenţa a două permutări
distincte a nodurilor grafului şi cum două permutări distincte diferă prin cel puţin o
inversiune vor exista două noduri xi şi xj în ordinea xi xj pe un drum şi invers pe celălalt,
existând deci un drum atât de la xi la xj cât şi de la xj la xi, cele două formând împreună un
circuit, în contradicţie cu ipoteza.
Pe aceste teoreme se bazează algoritmul lui Chen de determinare a drumului hamiltonian
într-un graf orientat fără circuite:
Pasul1. Se scrie matricea de adiacenţă A
Pasul2. Se calculează matricea drumurilor D
Pasul3. Dacă există un indice i cu dii = 1 atunci graful are circuite, nu se poate aplica
algoritmul lui Chen şi algoritmul se opreşte. Dacă nu, se trece la pasul 4.
Pasul4. Se calculează puterile de atingere pentru fiecare nod.
n
n n 1
Pasul5. Dacă nu se verifică relaţia px i
2
atunci graful nu are drumuri
i 1
hamiltoniene şi algoritmul se opreşte, altfel se trece la pasul 6.
Pasul6. Se ordonează nodurile în ordinea descrescătoare a puterilor lor de atingere şi
obţinem drumul hamiltonian căutat.
117
folosind operaţiile de înmulţire şi adunare latină, alfabetul fiind mulţimea nodurilor
grafului, unde operaţia de înmulţire este uşor modificată, produsul dintre două elemente ale
matricilor fiind 0, dacă unul dintre ele este 0 sau au un nod comun, şi este produsul latin al
lor, în caz contrar.
Din felul cum a fost construită, matricea Lk va conţine toate drumurile elementare de
lungime k. Cum un drum elementar poate avea cel mult n noduri (câte are graful cu totul)
rezultă că:
primele n-1 puteri ale L conţin toate drumurile elementare din graf;
puterile lui L mai mari sau egale cu n au toate elementele egale cu 0;
matricea Ln-1 conţine toate drumurile hamiltoniene din graf.
Pasul 4. Dacă se doresc şi circuitele atunci se verifică pentru fiecare drum hamiltonian
dacă poate fi completat până la un circuit (adică dacă există în graf arcul care
uneşte nodul final cu cel iniţial);
Pasul 5. Dacă se doreşte şi drumul (sau circuitul) de valoare optimă (maximă sau minimă)
se calculează suma valorilor pentru fiecare drum şi/sau circuit şi se alege cel cu
valoarea optimă.
În concluzie, metoda înmulţirii latine (A. Kaufmann – J. Melgrange) determină toate
drumurile elementare din graf, prin calcularea matricelor M(1), M(2), M(3), …, M(n-1).
În matricea M(n-1) se citesc drumurile hamiltoniene.
Această metodă a înmulţirii latine (algoritmul lui Kaufmann) este utilă, mai ales, în cazul
grafurilor tare conexe, unde algoritmul lui Foulkes nu este eficient. Totuşi, metoda este
greu de aplicat în grafuri cu un număr mare de noduri. În acest caz este preferabil să se
construiască graful condensat, să se determine drumurile hamiltoniene în fiecare în parte cu
algoritmul lui Kaufmann şi apoi, ca la algoritmul lui Foulkes, să se caute drumurile
hamiltoniene în graful iniţial.
în care fiecare nod este un graf parţial de analizat, iar pentru fiecare arc, nodul inferior este
un graf parţial care provine din graful corespunzător nodului superior, prin suprimarea unui
arc de pe circuitele de lungime minimă corespunzătoare cuplajului maxim de valoare
minimă al acestuia.
Observaţie: Algoritmul asigură găsirea circuitului de valoare minimă iar în cazul în care
algoritmul lui Foulkes nu funcţionează este o alternativă mai bună decât algoritmul lui
Kaufmann. Totuşi el nu lucrează în timp polinomial şi în unele cazuri (de exemplu cazuri
în care se formează foarte multe cicluri cu lungime minimă) necesită un număr imens de
calcule.
În aceste cazuri se pot folosi metode euristice prin care se elimină din start o serie de arce,
considerate a avea valori prea mari pentru a se putea afla pe circuitul hamiltonian de
valoare minimă, apoi se aplică în graful parţial rămas unul din algoritmii de mai sus.
Din cauza varietăţii nelimitate a grafurilor posibile, nu există un algoritm care să rezolve
orice problemă în timp util, dar s-au elaborat o mulţime de algoritmi, fiecare fiind cel mai
eficace în anumite cazuri. Aceşti algoritmi pot fi grupaţi în cinci categorii:
1. Algoritmi prin calcul matricial (Bellman-Kalaba, I. Tomescu, Bellman-
Schimbell);
2. Algoritmi prin ajustări succesive: (Ford);
3. Algoritmi prin inducţie (Dantzig);
4. Algoritmi prin ordonare prealabilă a vârfurilor grafului;
5. Algoritmi prin extindere selectivă (Dijkstra).
În continuare vom prezenta trei dintre aceşti algoritmi.
sau Lij = max (Li-1,j , max (mjk + Li-1,k)) într-o problemă de maxim
k 1,n
Pasul 3. După calcularea fiecărei linii noi se compară elementele ei cu cele ale
precedentei:
121
Dacă Lij = Li-1,j pentru orice j = 1,...,n atunci se opreşte recurenţa şi ultima
linie calculată conţine valorile minime ale drumurilor de la celelalte
noduri la nodul xn.
Dacă există cel puţin un indice j cu Lij Li-1,j se trece la calcularea noii
linii Li+1
Pasul 4. Pentru găsirea drumului care dă valoarea minimă de la un nod xj la nodul xn se
găsesc, începând înapoi de la ultima linie, pe care s-au obţinut valorile finale,
notată Lf, nodurile x k1 , x k 2 , ..., x k r care formează drumul căutat, unde x k1 = xj,
x k r = xn şi fiecare alt indice ki+1 este cel pentru care s-a obţinut
minimul(maximul) de pe poziţia ki al liniei Li.
Observaţie: Pentru grafuri foarte mari, algoritmul necesită un volum mare de memorie,
prin necesitatea memorării matricei M, care este greu de manipulat. Chiar dacă din cele n2
arce posibile graful ar avea doar un procent foarte mic matricea grafului va avea tot n 2
poziţii de memorat şi analizat.
Exemplu: Presupunem dat graful orientat de mai jos, în care se doreşte găsirea drumului de
valoare minimă de la nodul x1 la nodul x9.
x2
4 9
7
x1 8 8 x3
3 x4
2
5 7
3 9 4
x5 3
3 9
x6 x8
2 7
5 6
8 x9
x7
0 4 5
0 7 9
0 3 9
0 3
Matricea M va fi: 8 2 7 0 3 2 9
8 0 5
0 6 8
4 0 7
0
122
x1 x2 x3 x4 x5 x6 x7 x8 x9
x1 0 4 5
x2 0 7 9
x3 0 3 9
x4 0 3
x5 8 2 7 0 3 2 9
x6 8 0 5
x7 0 6 8
x8 4 0 7
x9 0
L1 9 3 8 7 0
L2 12 6 3 10 13 8 7 0
L3 15 12 6 3 8 13 8 7 0
L4 13 12 6 3 8 13 8 7 0
L5 13 12 6 3 8 13 8 7 0
Deoarece L4 = L5 oprim calcularea liniilor după calcularea liniei 5. În această linie se află
valorile celor mai scurte de la toate nodurile la nodul x9. Drumul dorit de noi (x1 x9) are
valoarea dată de prima poziţie a liniei 5, fiind egal cu 13.
Pentru a găsi acest drum, plecăm înapoi de la linia 4 şi avem:
x1 x5
13 = 8 + 5 x3
8 = 6 + 2 x4
6 = 3 + 3
3 x9
Algoritmul lui Ford simplificat se aplică doar în grafuri care nu admit circuite. Cu
ajutorul lui se găseşte drumul de valoare optimă între două noduri fixate xi şi xj. Printr-o
eventuală renumerotare a nodurilor putem presupune că nodul de la care porneşte drumul
este x1, care va fi numit nod iniţial, iar nodul la care se termină este xn, numit nod final.
Algoritmul este:
Pasul 1. I se dă vârfului iniţial valoarea 0 (zero): w(x0) = 0
Pasul 2. Se construieşte mulţimea A formată din nodul iniţial: A = {x1}
123
Pasul 3. Se analizează nodurile din afara mulţimii A.
Dacă există noduri în care se poate ajunge prin arce directe doar de la
nodurile mulţimii A, acestea se adaugă la mulţimea A, cu valoarea:
w(xi) = min wx j v x j , x i , în problemele de minim
xj
x j ,x i
sau w(xi) = max wx j v x j , x i , în problemele de maxim
xj
x j ,x i
apoi se trece la pasul 4
Dacă nu există nici un nod de acest tip atunci nu există nici un drum de la
x1 la xn. STOP
Pasul 4. Se analizează mulţimea A:
Dacă xn A atunci valoarea sa reprezintă valoarea drumului de valoare
optimă de la x1 la xn. Pentru găsirea acestui drum se porneşte înapoi de la
nodul final xn şi se găsesc nodurile x k1 , x k 2 , ..., x k r care formează drumul
căutat, unde x k1 = xn, x k r = x1 şi fiecare alt indice ki+1 este cel pentru care:
w( x k i 1 ) + v( x k i 1 , x k i ) = w( x k i ) STOP
Dacă xn A se reia algoritmul de la pasul 3.
Exemplu: Pentru acelaşi graf şi aceeaşi pereche de noduri din exemplul rezolvat cu
algoritmul lui Bellman-Kalaba vom avea succesiv:
pas1: w(x1) = 0
pas2: A = {x1}
pas3: Nodurile în care se poate ajunge doar din x1: {x5}
w{x5) = min( w(x1) + v(x1,x5)) = 0 + 5 = 5
pas4: x9 A
pas3: A = {x1,x5} şi nodurile în care se poate ajunge prin arce directe doar din x1 şi x5 sunt:
{x6}
w{x6) = min( w(x1) + v(x1,x6), w(x5) + v(x5,x6)) = min(0 + 3 , 5 + 3) = 3
pas4: x9 A
pas3: A = {x1,x5,x6} şi nodurile în care se poate ajunge prin arce directe doar din x1, x5 şi
x6 sunt: {x2,x7}
w{x2) = min( w(x1) + v(x1,x2), w(x5) + v(x5,x2), w(x6) + v(x6,x2)) = min(0 + 4,5 + 8,3
+ 8) = 4
w{x7) = min( w(x5) + v(x5,x7), w(x6) + v(x6,x7)) = min(5 + 2,3 + 5) = 7
pas4: x9 A
pas3: A = {x1,x2,x5,x6,x7} şi nodurile în care se poate ajunge prin arce directe doar din x1,
x2, x5, x6 şi x7 sunt: {x3,x8}
w{x3) = min( w(x2) + v(x2,x3), w(x5) + v(x5,x3)) = min(4 + 7,5 + 2) = 7
w{x8) = min( w(x5) + v(x5,x8), w(x7) + v(x7,x8)) = min(5 + 9,7 + 6) = 13
pas4: x9 A
pas3: A = {x1,x2,x3,x5,x6,x7,x8} şi nodurile în care se poate ajunge prin arce directe doar din
x1, x2,x3,x5, x6, x7 şi x8 sunt: {x4}
w{x4) = min( w(x2) + v(x2,x4), w(x3) + v(x3,x4),w(x5) + v(x5,x4), w(x8) + v(x8,x4)) =
min(4 + 9,7 + 3,5 + 7,13 + 4) = 10
pas4: x9 A
pas3: A = {x1,x2,x3,x4,x5,x6,x7,x8} şi nodurile în care se poate ajunge prin arce directe doar
din x1, x2, x3, x4, x5, x6, x7 şi x8 sunt: {x9}
124
w{x9) = min( w(x3) + v(x3,x9), w(x4) + v(x4,x9), w(x7) + v(x7,x9), w(x8) + v(x8,x9)) =
min(7 + 9, 10 + 3, 7 + 8, 13 + 7) = 13
pas4: x9 A şi urmează să găsim drumul care are lungimea 13.
Avem succesiv:
w(x9) = w(x4) + v(x4,x9)
w(x4) = w(x3) + v(x3,x4)
w(x3) = w(x5) + v(x5,x3)
w(x5) = w(x1) + v(x1,x5)
deci drumul căutat este: x1 x5 x3 x4 x9
Observaţia 1. Dacă graful are un circuit atunci se poate demonstra uşor că nu vom putea da
valoare nici unui nod al acestuia şi dacă există vreun drum de la x1 la xn care trece prin
unul din nodurile circuitului nu vom putea da valoare nici lui xn, cu toate că există drum de
la x1 la xn.
Observaţia 2: Algoritmul necesită pentru memorare şi manipulare doar cunoaşterea, pentru
fiecare nod, a nodurilor spre care "pleacă" arce din acesta şi valorile acestor arce, fiind mult
mai uşor de aplicat sau implementat pe calculator. El are însă dezavantajul că se poate
aplica doar în grafuri fără circuite[21].
Algoritmul lui Ford generalizat a fost creat cu scopul de a putea găsi drumul optim şi în
grafurile care au circuite. Cu ajutorul lui se găseşte drumul de valoare optimă între două
noduri fixate xi şi xj. Printr-o eventuală renumerotare a nodurilor putem presupune că nodul
de la care porneşte drumul este x1, care va fi numit nod iniţial, iar nodul la care se termină
este xn, numit nod final.
Algoritmul este:
Pasul 1. I se dă vârfului iniţial valoarea 0 (zero): w(x0) = 0 şi tuturor celelalte valoarea +
(într-o problemă de minim) sau - (într-o problemă de maxim).
Pasul 2. În ordinea crescătoare a indicilor nodurilor se calculează pentru fiecare nod, pe
bază fostelor valori, noile valori cu formula:
w (xi) = min wx i , min w x j v x j , x i în problemele de minim
*
xj
x j ,x i
sau w (xi) = max wx i , max wx j v x j , x i în problemele de maxim
*
xj
x j ,x i
Pasul 3. Se compară noile valori w *(xi) cu fostele valori w(xi):
Dacă w*(xi) = w(xi) pentru orice nod xi atunci:
dacă w(xn) < (la problema de minim) sau w(xn) > - (la problema de
maxim), valoarea nodului xn reprezintă valoarea drumului de valoare
minimă(maximă) de la x1 la xn. Pentru găsirea acestui drum se porneşte
înapoi de la nodul final xn şi se găsesc nodurile x k1 , x k 2 , ..., x k r care
formează drumul căutat, unde x k1 = xn, x k r = x1 şi fiecare alt indice ki+1
este cel pentru care:
125
w( x k i 1 ) + v( x k i 1 , x k i ) = w( x k i ) STOP
dacă w(xn) = + (-) atunci nu există nici un drum de la x1 la xn. STOP
Dacă există cel puţin un nod pentru care w*(xi) < w(xi) se reia algoritmul
de la pasul 2 pentru noile valori ale vârfurilor.
Observaţie: Algoritmul poate găsi drumul şi în grafuri cu circuite dar este evident mult mai
lent decât cel simplificat. Pentru scurtarea duratei de execuţie se poate modifica algoritmul
în sensul că o valoare nou calculată a unui vârf va fi folosită imediat ca atare la calculul
noilor valori ale celorlalte, nu doar după ce se calculează noile valori ale tuturor vârfurilor.
În algoritmul Ford simplificat, pentru a găsi valoarea nodului final, deci a drumului minim,
plecăm de la nodul iniţial în toate direcţiile posibile, păstrând de fiecare dată toate nodurile
analizate. Acest fapt duce la un consum inutil de timp, deoarece foarte multe din aceste
noduri nu vor face parte din drumul optim. Pentru a elimina acest neajuns, algoritmul lui
Dijkstra încearcă să păstreze, la fiecare iteraţie, mulţimea minimă de noduri care să le
conţină pe toate cele care vor forma efectiv drumul optim. În plus, algoritmul se poate
aplica şi în drumuri cu circuite. Ca un minus este faptul că se aplică doar la probleme de
minim. Algoritmul are următorii paşi:
Pasul 1. I se dă vârfului iniţial valoarea 0 (zero): w(x0) = 0
Pasul 2. Se construieşte mulţimea A formată din nodul iniţial: A = {x1}
Pasul 3. Se analizează nodurile din afara mulţimii A.
Dacă există noduri în care se poate ajunge prin arce directe de la noduri
din A (nu doar de la nodurile mulţimii A, ca la algoritmul lui Ford
simplificat) se calculează pentru toate acestea:
w(xi) = min wx j v x j , x i în problemele de minim
x jA
x j ,x i
dar, spre deosebire de algoritmul lui Ford simplificat, se adaugă la mulţimea
A doar cel pentru care se obţine valoarea minimă, apoi se trece la pasul 4.
Dacă nu există nici un nod de acest tip atunci nu există nici un drum de la
x1 la xn. STOP
Pasul 4. Se analizează mulţimea A:
Dacă xn A atunci valoarea sa reprezintă valoarea drumului de valoare
optimă de la x1 la xn. Pentru găsirea acestui drum se porneşte înapoi de la
nodul final xn şi se găsesc nodurile x k1 , x k 2 , ..., x k r care formează drumul
căutat, unde x k1 = xn, x k r = x1 şi fiecare alt indice ki+1 este cel pentru care:
w( x k i 1 ) + v( x k i 1 , x k i ) = w( x k i ) STOP
Dacă xn A se reia algoritmul de la pasul 3.
Exemplu Vom aplica algoritmul la acelaşi graf folosit la ceilalţi algoritmi, pentru a putea
face comparaţii:
pas1: w(x1) = 0
pas2: A = {x1}
pas3: Nodurile în care se poate ajunge şi din x1: {x2, x5, x6}
w{x2) = min( w(x1) + v(x1,x2)) = 0 + 4 = 4
w{x5) = min( w(x1) + v(x1,x5)) = 0 + 5 = 5
w{x6) = min( w(x1) + v(x1,x6)) = 0 + 3 = 3
126
min(w{x2),w{x5),w{x6)) = w{x6) = 3
pas4: x9 A
pas3: A = {x1,x6} şi nodurile în care se poate ajunge prin arce directe din x1 sau x6 sunt:
{x2,x5,x7}
w{x2) = min( w(x1) + v(x1,x2), w(x6) + v(x6,x2)) = min(0 + 4 , 3 + 8) = 4
w{x5) = min( w(x1) + v(x1,x5)) = min(0 + 5) = 5
w{x7) = min( w(x6) + v(x6,x7)) = min(3 + 5) = 8
min(w{x2),w{x5),w{x7)) = w{x2) = 4
pas4: x9 A
pas3: A = {x1,x2,x6} şi nodurile în care se poate ajunge prin arce directe din x1, x2 sau x6
sunt: {x3,x4,x5,x7}
w{x3) = min( w(x2) + v(x2,x3)) = min(4 + 7) = 11
w{x4) = min( w(x2) + v(x2,x4)) = min(2 + 9) = 11
w{x5) = min( w(x1) + v(x1,x5)) = min(0 + 5) = 5
w{x7) = min( w(x6) + v(x6,x7)) = min(3 + 5) = 0
min(w{x3),w{x4),w{x5),w{x7)) = w{x5) = 5
pas4: x9 A
pas3: A = {x1,x2,x5,x6} şi nodurile în care se poate ajunge prin arce directe din x1, x2, x5, x6
şi x7 sunt: {x3,x4,x7,x8}
w{x3) = min( w(x2) + v(x2,x3), w(x5) + v(x5,x3)) = min(4 + 7,5 + 2) = 7
w{x4) = min( w(x2) + v(x2,x4), w(x5) + v(x5,x4)) = min(4 + 9,5 + 7) = 12
w{x7) = min( w(x5) + v(x5,x7), w(x6) + v(x6,x7)) = min(5 + 2,3 + 5) = 7
w{x8) = min( w(x5) + v(x5,x8)) = min(5 + 9) = 14
min(w{x3),w{x4),w{x7),w{x8)) = w{x3) = w{x7) = 7
pas4: x9 A
pas3: A = {x1,x2,x3,x5,x6,x7} şi nodurile în care se poate ajunge prin arce directe din x1, x2,
x3, x5, x6, şi x7 sunt: {x4,x8,x9}
w{x4) = min( w(x2) + v(x2,x4), w(x3) + v(x3,x4),w(x5) + v(x5,x4)) = min(4 + 9,7 + 3,5
+ 7) =10
w{x8) = min( w(x5) + v(x5,x8), w(x7) + v(x7,x8)) = min(5 + 9,7 + 6) = 13
w{x9) = min( w(x3) + v(x3,x9), w(x7) + v(x7,x9)) = min(7 + 9,7 + 8) = 15
min(w{x4),w{x8),w{x9)) = w{x4) = 10
pas4: x9 A
pas3: A = {x1,x2,x3,x4,x5,x6,x7} şi nodurile în care se poate ajunge prin arce directe din x1,
x2, x3, x4, x5, x6, şi x7 sunt: {x8,x9}
w{x9) = min( w(x3) + v(x3,x9), w(x4) + v(x4,x9), w(x7) + v(x7,x9)) = min(7 + 9,10 +
3,7+8)=13
w{x8) = min( w(x5) + v(x5,x8), w(x7) + v(x7,x8)) = min(5 + 9,7 + 6) = 13
min(w{x8),w{x9)) = w{x8) = w{x9) = 13
pas4: x9 A şi urmează să găsim drumul care are lungimea 13.
Avem succesiv:
w(x9) = w(x4) + v(x4,x9)
w(x4) = w(x3) + v(x3,x4)
w(x3) = w(x5) + v(x5,x3)
w(x5) = w(x1) + v(x1,x5)
deci drumul căutat este: x1 x5 x3 x4 x9.
127
Reţele de transport[21]
Într-o mare varietate de situaţii concrete din practica economică se pune problema
deplasării unei cantităţi de materie, energie, informaţie etc, din anumite locuri, numite
surse, în alte locuri, numite destinaţii. Pentru realizarea acestui transport se folosesc o
serie de trasee, numite rute de legătură. Unităţile indivizibile ale cantităţii Q, care se
deplasează de-a lungul rutelor între surse şi destinaţii, se numesc unităţi de flux, iar
ansamblul rutelor, surselor, destinaţiilor şi, eventual, a altor puncte intermediare se
numeşte reţea de transport. Situaţia de mai sus poate fi reprezentată geometric printr-un
graf finit, conex şi fără bucle. Pentru ca o astfel de problemă să fie suficient de complexă
pentru a necesita un studiu matematic riguros, trebuie ca fiecare sursă să poată aproviziona
mai multe destinaţii şi orice destinaţie să poată fi aprovizionată de mai multe surse.
Aprovizionarea destinaţiilor se poate face direct de la surse sau prin intermediul altor
puncte, numite puncte intermediare. În cazul cel mai general pot exista de asemenea
legături între surse şi/sau legături între destinaţii.
Aşa cum s-a văzut şi la problema de transport, situaţia de mai sus este un cadru extrem de
larg, care permite existenţa unui număr foarte mare de tipuri de probleme posibile, diferite
între ele prin informaţiile suplimentare pe care le avem despre reţea şi prin obiectivele
urmărite.
Una dintre acestea este problema determinării cantităţii maxime (minime) care poate fi
transportată de la surse la destinaţii, în situaţia în care sursele dispun de cantităţi limitate
(inferior sau superior), destinaţiile au un necesar sau o putere de absorbţie limitată inferior
sau superior iar pe fiecare rută se poate transporta doar o cantitate cuprinsă între anumite
limite.
Pentru studiul matematic al acestei situaţii vom da definiţiile matematice ale obiectelor
Definiţia 1: Se numeşte reţea de transport standard un graf finit, simplu, conex, fără
bucle G = (X,U) care are următoarele proprietăţi:
1. Există şi este unic s X a.î. U s , U s (din care doar "ies"
arce), numit intrarea reţelei de transport;
2. Există şi este unic t X a.î. U t = , U t (în care doar "intră" arce)
numit ieşirea reţelei de transport;
3. S-a definit o funcţie c: U R+ care asociază fiecărui arc u un număr
strict pozitiv cu numit capacitatea arcului.
Observaţie: Este clar că exemplele obişnuite au doar rareori o singură sursă şi o singură
destinaţie. Totuşi, printr-o tehnică foarte simplă, orice reţea de transport se poate aduce la
forma standard:
1. Dacă sunt mai multe surse se introduce un nod suplimentar din care
"pleacă" câte un arc spre fiecare sursă (şi numai spre acestea), iar
capacităţile acestor arce vor fi egale cu disponibilurile surselor
corespunzătoare;
128
2. Dacă sunt mai multe destinaţii se introduce un nod suplimentar spre care
"pleacă" câte un arc din fiecare destinaţie (şi numai din acestea), iar
capacităţile acestor arce vor fi egale cu necesarurile destinaţiilor
corespunzătoare;
Definiţia 2: Se numeşte flux într-o reţea de transport R = (X,U) o funcţie : U R+
care are următoarele proprietăţile:
"intră" într-un nod i este egală cu suma fluxurilor arcelor care "ies" din acest
nod, cu excepţia nodului iniţial şi al celui final.
Definiţia 3: Se numeşte valoare a fluxului suma fluxurilor arcelor care "pleacă" din nodul
iniţial s şi se notează cu .
Observaţie: Se poate demonstra uşor că această valoare este egală şi cu suma fluxurilor
arcelor care "intră" în nodul final t. În concluzie avem:
= u u
uU s uU
t
Valoarea fluxului de valoare maximă reprezintă cea mai mare cantitate care se poate
transporta efectiv pe reţea, de la surse la destinaţii.
Economic vorbind, ne interesează, referitor la o reţea, răspunsurile la următoarele întrebări:
1. Putem transporta întreaga cantitate necesară la destinaţii?
2. Dacă da, cum transportăm efectiv această cantitate de la surse la destinaţii?
3. Dacă nu, din ce motiv nu putem realiza acest transport?
4. Cum putem înlătura cu eforturi minime acest motiv?
Răspunsul la primele două întrebări se poate afla prin găsirea fluxului de valoare maximă şi
compararea valorii lui cu suma necesarurilor destinaţiilor. În plus, valoarea acestuia pe un
arc reprezintă cantitatea care trebuie transportată pe ruta respectivă, pentru a obţine această
valoare a fluxului.
Răspunsul la ultimele două întrebări porneşte de la observaţia că cea mai mare cantitate
care poate traversa reţeaua de la un cap la altul este egală cu dimensiunea celui mai îngust
loc de trecere prin reţea. Dacă vrem, deci, să mărim fluxul va trebui să lărgim tocmai acest
cel mai îngust loc de traversare al reţelei.
Pentru formalizarea consideraţiilor de mai sus vom introduce noţiunea de tăietură într-o
reţea:
129
Definiţia 5: Dată o reţea de transport G(X,U) cu s = nodul iniţial şi t = nodul final, se
numeşte tăietură în reţea o partiţie a mulţimii vârfurilor reţelei de transport, formată din
două submulţimi V şi W (VW = , VW = X) astfel încât s V şi t W.
O tăietură poate fi privită, intuitiv, ca o secţiune a reţelei, care lasă nodul iniţial cu o
submulţime din noduri într-o parte, nodul final cu restul nodurilor în cealaltă parte şi
retează toate arcele care trec dintr-o parte în cealaltă.
A cunoaşte o tăietură este echivalent cu a cunoaşte care sunt elementele celor două
mulţimi, V şi W, care formează partiţia.
Vom nota o tăietură prin T = (V,W), convenind ca mulţimea scrisă pe prima poziţie să
conţină nodul iniţial s al reţelei iar cea scrisă pe a doua, nodul final t.
C(T) = c
u x i ,x j
u
x i V
x jW
Pentru a nu exista nici o ambiguitate, insistăm asupra faptului că se vor lua în considerare
doar arcele care trec de la mulţimea ce conţine nodul iniţial spre mulţimea care conţine
nodul final, adică în sensul normal de transport (surse destinaţie).
Definiţia: Se numeşte tăietură de valoare minimă într-o reţea o tăietură T în această
reţea, cu proprietatea că, pentru orice altă tăietură T' în această reţea, avem C(T) C(T').
Următoarele teoreme fac legătura matematică dintre fluxurile unei reţele şi tăieturile sale:
Teorema 1. Dată o tăietură T = (V,W) şi un flux într-o reţea de transport avem:
=
u x i ,x j
u –
u x i ,x j
u
x i V x i W
x jW x jV
sau, altfel spus, valoarea unui flux oarecare este egală cu suma fluxurilor arcelor care trec
de la V la W din care se scade suma fluxurilor arcelor care trec invers, de la W la V,
oricare ar fi tăietura T = (V,W).
Demonstraţie: Avem succesiv:
= u =
u s, x j
u +
u s, x j
x i V uU
u
u =
uU x i
x jX x jX x i s xi
130
=
u x i ,x j
u u +
u x i ,x j
u -
u x i ,x j
u =
u x i ,x j
u –
u x i ,x j
u
x i V x i V x i W x i V x i W
x jV x jW x jV x jW x jV
Corolar: Într-o reţea de transport valoarea oricărui flux este mai mică sau egală decât
valoa-rea oricărei tăieturi.
Demonstraţie: Fie T o tăietură oarecare şi un flux oarecare. Avem succesiv:
=
u x i ,x j
u –
u x i ,x j
u
u x i ,x j
u c
u x i ,x j
u = C(T)
x i V x i W x i V x i V
x jW x jV x jW x jW
Corolar: Într-o reţea de transport valoarea fluxului maxim este mai mică sau egală decât
valoarea tăieturii minime.
Demonstraţia e evidentă. În plus, din cele de mai sus se vede că egalitatea are loc numai
dacă, pentru tăietura minimă, există un flux pentru care toate arcele de la V la W sunt
folosite la maxim (fluxul e egal cu capacitatea arcelor) iar pe toate arcele de la W la V nu
se transportă nimic.
Teorema lui Ford-Fulkerson Dacă fluxul este maximal atunci există o tăietură de
capacitate egală cu valoarea fluxului.
Demonstraţie: Fie un flux maximal. Introducem următorul procedeu de marcare a
vârfurilor:
Pasul 1. Se marchează nodul iniţial s cu 0(zero);
Pasul 2. Pentru fiecare vârf marcat xi se marchează cu:
[+xi] toate vârfurile nemarcate xj pentru care există arcul (xi,xj) şi (xi,xj)
< c(xi,xj) (adica nodurile spre care mai e loc pentru a se transporta ceva
din xi);
[–xi] toate vârfurile nemarcate xj pentru care există arcul (xj,xi) şi (xj,xi)
> 0 (adică toate nodurile spre care pleacă deja ceva din xi);
Pasul 3. Se repetă pasul 2 până nu mai poate fi marcat nici un vârf.
Dacă vârful final t ar fi marcat, atunci începând de la acesta, am putea construi lanţul x k1 ,
x k 2 , ..., x k r unde x k1 = s, x k r = t şi marcajul oricărui vârf x k i 1 este + x k i sau – x k i .
Adăugând la fluxul fiecărui arc al lanţului de tipul ( x k i , x k i 1 ) valoarea:
= min( min
x ki ,x ki 1
cx k , x k x k , x k , x min,x
i i 1 i i 1
x ki , x ki 1 )
k i 1 ki
şi scăzând din fluxul fiecărui arc de tipul ( x k i 1 , x k i ) aceeaşi valoare , obţinem un flux de
valoare + , deci fluxul nu ar fi maximal.
131
În concluzie vârful t nu va fi marcat. Fie tăietura T = (V,W), unde V este formată din
mulţimea nodurilor marcate iar W din cele nemarcate. În acest caz, pentru fiecare arc (x i,xj)
care "traversează" tăietura avem:
C(T) = c
u x i ,x j
u =
u x i ,x j
u –
u x i ,x j
u =
x i V x i V x i W
x jW x jW x jV
şi teorema e demonstrată.
Teorema lui Ford-Fulkerson poate stabili doar valoarea fluxului maxim dar nu dă o metodă
de găsire a acestuia. Pentru a rezolva problema găsirii fluxului de valoare maximă se poate
folosi algoritmul lui Ford-Fulkerson.
Pentru expunerea acestuia vom introduce şi noţiunile de:
arc saturat = un arc pe care fluxul este egal cu capacitatea;
drum complet = un drum de la nodul iniţial s la nodul final t care conţine cel puţin un arc
saturat;
flux complet = un flux pentru care orice drum de la nodul iniţial s la nodul final t este
complet.
133
Teoremă Dacă la fiecare iteraţie se alege drumul (lanţul) de lungime minimă atunci
1
algoritmul va avea cel mult mn iteraţii, unde n = numărul de noduri iar m = numărul de
2
muchii.
Observaţia 3. Există probleme în care se doreşte găsirea fluxului minim într-o reţea,
valorile fluxului pe arce fiind limitate inferior de capacităţile acestora. În acest caz se
aplică de asemenea algoritmul lui Ford-Fulkerson astfel:
Pasul 1. Se calculează M = maximul capacităţilor arcelor
Pasul 2. Se construieşte reţeaua R', care este fosta reţea, în care au fost modificate
doar capacităţile arcelor, acestea devenind c u = M – cu
Pasul 3. Se găseşte cu algoritmul Ford-Fulkerson fluxul , de valoare maximă, în
această reţea
Pasul 4. Fluxul de valoare minimă în reţeaua iniţială va avea valorile ' = M –
Observaţia 4. Există şi alte tipuri de probleme asemănătoare celor de mai sus. Astfel, se
poate pune problema:
găsirii capacităţilor minime ale arcelor cu care se poate asigura transportarea
întregii cantităţi de la surse la destinaţii
fluxului minim(maxim) într-o reţea în care capacităţile rutelor sunt limitate atât
superior cât şi inferior;
În cazul în care rutelor li se asociază şi costuri unitare de parcurgere, putem
căuta fluxul maxim de cost minim;
134
DEFINIREA ŞI CARACTERIZAREA SISTEMELOR[24]
( a) (b)
136
care transferul se realizează instantaneu.
La sistemele de tip I-E (care nu conţin în mod explicit mărimi de stare), transferul
intrare-ieşire se realizează direct (fig. 1.1, b), cu întârziere strictă (la sistemele
dinamice) sau instantaneu (la sistemele triviale de tip static).
X [ x1 x2 … xn ]T
- vectorul coloană n-dimensional al mărimilor de stare.
137
Numărul n al variabilelor de stare ale unui sistem reprezintă dimensiunea sau
ordinul sistemului.
Atunci când variabilele unui sistem sunt separate în variabile cauză şi variabile efect,
sistemul se numeşte orientat. La sistemele abstracte, orientarea este formală, în timp ce la
sistemele reale, orientarea rezultă din aplicarea legilor fizico-chimice specifice, cu
respectarea necondiţionată a principiului cauzalităţii.
Mărimile de stare ale unui sistem au două proprietăţi esenţiale:
- de mediere a transferului intrare-ieşire (I-E), care devine astfel transfer intrare-
stare-ieşire (I -S -E);
- de acumulare într-o formă concentrată (sintetică) a întregii informaţii utile privind
evoluţia anterioară a sistemului, adică a istoriei trecute a sistemului.
Ultima proprietate poate fi exprimată matematic astfel: Starea X la momentul t, adica X(t)
este complet determinata de starea la , starea X la momentul t, adica X(t) este complet
determinata de starea la momentul initial t0, X(t0) si de intrarea U pe intervalul de timp
[t0 , t) , adică U[t0 , t) . De aici reiese existenţa unei functii de tranzitie a starii X dintr-o stare
initiala X0 sub actiunea intrarii U[t0 , t) , adica:
138
La sistemele reprezentate prin ecuaţii I-S-E, condiţiile iniţiale sunt incluse în starea
initiala X0.
Atunci cind se pune problema conducerii optimale a sistemului creşte interesul de
a dispune de cât mai multă informaţie despre sistem, care să fie însă şi
convenabil structurată. Aceste considerente justifică de ce conceptul de stare a
devenit esenţial în teoria modernă a sistemelor.[23]
Reprezentarea matematică a sistemelor dinamice cu parametri distribuiţi se
face prin ecuaţii diferenţiale cu derivate parţiale, deoarece în afara variabilei t
mai intervine cel puţin una dintre variabilele spaţiale x, y, z. Aceste sisteme fac
parte din categoria sistemelor infinit dimensionale. In general, numărul n al
variabilelor de stare, adică dimensiunea vectorului de stare X , determină
dimensiunea (ordinul) sistemului. Pentru reprezentarea matematică a
sistemelor monovariabile cu timp mort simplu, egal cu , în modelul sistemului
fără timp mort se înlocuieşte funcţia de intrare u(t) cu u(t- ).[23]
MODELAREA SISTEMELOR[23]
La un sistem strict cauzal, transferul între mărimile de intrare şi de ieşire se face prin
schema : u t y t
x t
Fig. 3 Sistem în
reprezentare de stare
x1 t
x t (2)
xn t
140
Un sistem cu mai multe mărimi de intrare şi de ieşire, se numeşte multivariabil.
y1 = g1 x1 ,x2 ,...,xn
y2 = g2 x1 ,x2 ,...,xn
(4bis)
:
y = g x ,x ,...,x
r r 1 2 n
x Ax Bu (5)
y Cx (6)
unde dim x n, dim u m , dim y r şi matricele A, B şi C au dimensiunile n x n ,
respectiv n x m , r x n.
x Ax bu (7)
y cT x (8)
unde b şi c sunt vectori coloană de dimensiune n.
Sistemele prezentate sunt strict cauzale , deoarece variabila de intrare afectează mai întâi
variabila de stare, prin ecuaţia diferenţială de stare (aceasta defineşte dinamica sistemului),
iar variabila de stare determină, printr-o relaţie algebrică (ecuaţia de ieşre), variabila de ieşire
a sistemului.
Sistemele la limită cauzale diferă de cele strict cauzale prin forma ecuaţiei algebrice de ieşire,
în care intervine şi variabila de intrare:
141
y g x , u (9)
y Cx Du (10)
y cT x d.u (11)
Ordinul sistemului este determinat de numărul de acumulari distincte de energie din procesul
modelat. După cum se ştie, acumularea de energie cinetică are loc în inductivilăţi, iar
acumularea de energie potenţială – în capacităţi. Deci, ordinul sistemului aferent unui circuit
electric este egal cu numărul de inductivităţi şi de capacităţi (echivalente) din laturi
distincte ale circuitului.[22]
La sistemele cu timp discret, variabilele sunt eşantionate: x(k); u(k); y(k), unde k este timpul
discret.
142
Dacă sistemul multivariabil este liniar, modelul are forma:
x k Ax k 1 Bu k 1 (3)
Y(k)=Cx(k) (4)
Se observă din ecuaţia (4) că mărimea de ieşire la momentul discret k depinde de starea la
momentul k, x k , iar conform ecuaţiei de stare, aceasta este legată de intrarea la momentul
anterior, k-1. Apare evident caracterul strict cauzal al relaţiei cauză (intrare) – efect (ieşire) :
efectul apare după aplicarea cauzei.
y k cT x k (6)
unde b şi c sunt vectori coloană de dimensiune n.
In cazul când sistemul este la limită cauzal, ecuaţiile de ieşire (2), (4) şi (6) conţin şi variabila
de intrare :
y k g x k ,u k (2bis)
y k Cx k Du k (4bis)
y k cT x k du k (6bis)
Dacă examinăm aceste ecuaţii, de exemplu relaţia (6bis), constatăm că mărimea de ieşire
conţine componenta cauzală, cT x k , şi componenta la limită cauzală, du k , care se
transferă instantaneu de la intrare la ieşire.
Exemplu.[22] Ecuaţiile de stare ale unui sistem monovariabil cu timp discret sunt
143
IV Teoria Deciziilor[25]
Problema raţionalităţii are un loc central în orice discuţie cu privire la capacităţile
umane de cunoaştere, decizie şi acţiune. Orice încercare de explicare a modului în care
indivizii iau decizii şi trec de la decizii la acţiuni presupune implicit o delimitare a spaţiului
raţionalităţii. Această delimitare implică întrebări cu privire la tipul criteriilor şi normelor
utilizate, relaţia dintre antecedentele intenţionale ale deciziei şi consecinţe, relaţia
raţionalitate epistemică - raţionalitate practică etc.
Însă un astfel de model, bazat exclusiv pe aplicarea de criterii formale (care nu fac referire
la conţinutul antecedentelor deciziei sau al contextelor de decizie) se confruntă cu probleme
legate de capacitatea sa descriptivă (comportamentul efectiv al decidenţilor nu poate fi
descris sau explicat în mod satisfăcător pe baza lui) sau normativă (aplicarea sa rigidă duce
la rezultate contra-intuitive, pe care decidenţii le consideră nerezonabile). Criteriile formale
pot funcţiona drept condiţii necesare, însă nu şi suficiente, de evaluare raţională a
deciziilor. Pentru a rămâne relevante empiric şi normativ, modelele de decizie trebuie să
includă specificarea unor norme de raţionalitate – înţelese drept reguli preliminare,
modificabile şi cu aplicabilitate locală.
144
relaţiile dintre acestea. În mod specific, raţionalitatea preferinţelor individuale presupune
respectarea unor cerinţe formale de adecvare:
completitudine - individul este în stare să facă o ordonare completă a preferinţelor
sale pentru fiecare pereche de elemente din lista de alternative, pentru orice {x,y}, x≥y sau
y≥x*
Completitudinea presupune posibilitatea de a ordona oricare două elemente ale setului
de alternative. Evident, contextele de decizie limitează de la bun început numărul
alternativelor disponibile (unele opţiuni sunt eliminate din start datorită resurselor
insuficiente sau a imposibilităţii de a obţine informaţii relevante), însă completitudinea
vizează posibilitatea de principiu de a ordona orice pereche de opţiuni. În ultimă instanţă,
completitudinea presupune faptul că agentul are acces la - sau că ar putea în principiu
obţine - toate informaţiile relevante pentru luarea deciziilor.
reflexivitate - pentru orice x, x≥x (nu poate exista o preferinţă strictă a lui x în
raport cu x)
Reflexivitatea introduce o cerinţă suplimentară de consistenţă: se presupune că
preferinţele individuale sunt complet precizate şi stabile. Există însă numeroase cazuri de
modificare a preferinţelor (de exemplu, ca urmare a unor informaţii apărute ulterior) sau de
insuficientă precizare a lor (imposibilitatea de a distinge clar între preferinţe similare).
tranzitivitate – dacă x este preferat lui y şi y este preferat lui z, atunci x este
preferat lui z pentru orice {x,y,z}, x≥y şi y≥z implică x≥z
Tranzitivitatea presupune consistenţa logică a preferinţelor. În lipsa unor preferinţe
tranzitive, agentul poate lua decizii contradictorii în situaţii similare; comportamentul său
este puţin previzibil, iar urmărirea sistematică a unor scopuri este dificilă. Dacă presupune
ciclicitate (x≥y şi y≥z, z≥x), intranzitivitatea poate genera o spirală a deciziilor
dezavantajoase (un exemplu simplu este vânzarea şi cumpărarea repetată a unui produs,
fiecare tranzacţie făcându-se în pierdere).
continuitate - dacă x≥y şi z este destul de apropiat de x, atunci z≥y.
Continuitatea introduce o presupunere cu privire la structura nefragmentată a spaţiului
preferinţelor. Dacă subiectul îl preferă pe a lui b şi există un element suficient de apropiat
de a, atunci preferinţa se va extinde şi asupra acestuia. Cu alte cuvinte, nu există "unităţi de
analiză" la care să poată fi redusă evaluarea unei preferinţe; gradul de precizie sau de
nuanţare în descrierea acestora poate fi indefinit de ridicat.
Există însă numeroase exemple care pun în discuţie conţinutul acestor criterii
(enunţurile cu privire la relaţiile dintre antecedentele deciziei), ca şi generalitatea
aplicării lor. Acest lucru pune la îndoială nu doar acurateţea empirică, ci şi
relevanţa lor normativă – capacitatea lor de a oferi reguli, norme sau proceduri
care să poată fi utilizate cu succes în optimizarea decizională.
> , desemnează o relaţie de preferinţă strictă: x este preferat lui y, ceea ce implică faptul
că x nu e indiferent în raport cu y şi că y nu e preferat în raport cu x
≥ , desemnează o relaţie de preferinţă slabă: x este preferat lui y sau este indiferent în
raport cu y
~, desemnează o relaţie de indiferenţă (x poate fi înlocuit cu y şi invers, valoarea
utilităţii lor fiind egală).
I. Completitudinea
Deciziile efective sunt, cu excepţia unor cazuri extrem de simple, rareori luate pe baza
unei ierarhizări complete a preferinţelor. O asemenea ambiţie ne-ar pune în imposibilitatea
de a lua majoritatea deciziilor importante – decizii care trebuie luate în condiţiile în care
145
deţinem informaţii, capacităţi de procesare şi timp limitate.
Indiferenţa în raport cu două opţiuni poate să nu ţină de echivalenţa utilităţilor, ci de
dificultatea de a stabili ierarhia preferinţelor, datorită complexităţii informaţionale a setului
de opţiuni disponibile şi limitării capacităţilor de procesare. Modelul raţionalităţii restrânse
(bounded rationality) explicitează o constatare empirică: preferinţele nu reprezintă
reflectarea mecanică a unor gusturi, dorinţe sau interese individuale constante, ci rezultatul
interacţiunii dintre acestea, constrângerile contextuale şi normele de adecvare raţională
aplicabile. Acest rezultat rămâne deschis modificărilor aduse, de exemplu, de noi informaţii
disponibile (care pot modifica opiniile) sau de noi constrângeri (care limitează posibilităţile
de decizie şi pot determina ajustarea dorinţelor şi a scopurilor). Normele de adecvare sunt,
la rândul lor, modificabile: situaţii decizionale caracterizate de incertitudine pot fi abordate
aplicând maximin sau principiul raţiunii suficiente, însă decidentul poate, pe baza
experienţei acumulate, să ajusteze procedura de decizie sau să introducă norme
suplimentare (reguli euristice, proceduri de simplificare şi chiar reguli ad-hoc, propuse ca
teste).
Lăsând la o parte constrângerile contextuale, preferinţele şi dorinţele noastre, spre
deosebire de opinii, pot fi divergente sau conflictuale fără ca acest lucru să implice în
mod necesar iraţionalitatea agentului. Preferinţele exprimă relaţii între dorinţele,
înclinaţiile, gusturile noastre. În cadrul deliberării, subiectul compară şi evaluează
importanţa relativă a acestor preferinţe, fără să se bazeze pe o ierarhizare
predeterminată sau pe un criteriu infailibil de ordonare. Pe de altă parte, chiar dacă se
porneşte de la un set consistent de preferinţe/dorinţe/opinii, preferinţele „secundare”
(cele obţinute în urma raţionamentelor practice) pot fi inconsistente1 în cadrul aceluiaşi
context (cu alte cuvinte, presupunând că ierarhia preferinţelor nu se modifică).
Capacitatea de a obţine o ordonare completă a preferinţele individuale este limitată la
cazurile construite pe baza unor simplificări, care reduc semnificativ relevanţa lor practică.
Dincolo de argumentele abia menţionate, dificultăţile legate de ierarhizarea completă a
preferinţelor sunt direct legate de dificultăţile teoriei utilităţii – de încercarea de a
generaliza modul în care indivizii îşi „administrează” preferinţele legate de achiziţie şi
consum la întreaga gamă a preferinţelor umane şi de a oferi un criteriu de comparaţie trans-
individual pentru utilităţi.
II. Reflexivitatea
Cerinţa reflexivităţii este deja presupusă de cerinţa completitudinii: în măsura în care
subiectul poate ordona orice pereche de preferinţe, setul complet de preferinţe este clar
delimitat. Este asumat faptul că o preferinţă strictă a lui x faţă de x ar putea implica doar o
delimitare incompletă sau ambiguă a preferinţei respective. Însă decidenţii pot manifesta
preferinţe non-reflexive datorită modificării acestora. Ei nu îşi tratează preferinţele ca pe un
dat stabil, ci le “administrează” (intervin în stabilirea ierarhiei şi în organizarea lor,
contribuie la formarea şi la modificarea lor), le evită sau le suprimă, le confundă etc.2
Subiecţii nu aplică în mod sistematic cerinţa reflexivităţii în raţionamentele
practice, datorită unor limite informaţionale şi cognitive evidente. În lipsa
informaţiilor relevante sau, dimpotrivă, în faţa complexităţii informaţionale,
procesarea cognitivă este parţială şi fragmentată. O preferinţă este complet precizată
doar prin raportare la un anumit context decizional (în primul rând setul de alternative
disponibile şi utilităţile asociate); ca atare, preferinţe similare pot fi tratate drept identice
sau, dimpotrivă, diferenţele dintre ele pot fi percepute supradimensionat în funcţie de
constrângerile contextuale.
Ordonarea preferinţelor poate fi diferită şi în funcţie de constrângerile impuse de
contexte decizionale diferite. Să luăm exemplul celor doi adolescenţi care se întrec într-o
146
cursă auto în filmul „Rebel fără cauză”. Regulile sunt simple: cele două maşini pornesc în
viteză spre o prăpastie, cel care se aruncă primul din maşină pierde ("laşul"), cel care se
aruncă ultimul câştigă ("eroul").
Fiecare doreşte să rămână în maşină mai mult decât celălalt (pentru a-şi dovedi
curajul), dar trebuie să sară la timp pentru a nu cădea cu maşina în gol. Vom numi cele
patru rezultate posibile „viaţă” (amândoi sar în acelaşi timp, nu există un câştigător),
„erou” (cel doi sar succesiv, ultimul câştigă), „laş” (cei doi sar succesiv, primul pierde) şi
„moarte” (cei doi rămân în maşini şi se prăbuşesc odată cu ele). Putem presupune că
ierarhia preferinţelor este, în sens descrescător: „erou” - „viaţă - „laş” - „moarte”.
Buzz
Renunţă Continuă
Jim Renunţă Viaţă, Viaţă Laş, Erou
Continuă Erou, Laş Moarte, Moarte
147
Este adevărat că subiectul poate forma raţionamente practice eronate sau poate acţiona
iraţional plecând de la preferinţe conflictuale. Însă simplul fapt al coexistenţei unor preferinţe
conflictuale sau inconsistente nu este un semn de iraţionalitate.[25]
III. Tranzitivitatea
Paradoxul lui Arrow vizează imposibilitatea definirii unei proceduri cu aplicabilitate
generală care să garanteze agregarea tranzitivă a unor preferinţe individuale tranzitive. De
altfel, cazurile de decizie individuală sau colectivă în care tranzitivitatea preferinţelor nu
este respectată sunt prea numeroase pentru a fi tratate ca excepţii. Intranzitivitatea poate
ţine de limitările epistemice şi cognitive ale agenţilor (de exemplu, alternative similare vor
fi de multe ori tratate ca fiind identice, chiar dacă informaţia suplimentară ar pune în
evidenţă diferenţe semnificative între ele). Situaţiile de alegere colectivă bazate pe criterii
multiple şi inconsistente pot genera, la rândul lor, preferinţe individuale intranzitive – de
exemplu, în structuri federative în care subgrupuri relativ autonome interacţionează pentru
a genera beneficii colective. Pe de altă parte, preferinţe individuale tranzitive pot genera
agregări intranzitive - paradoxul lui Condorcet ilustrează această situaţie în cazul regulii
majorităţii.
Să presupunem că un grup de 3 persoane (raţionamentul poate fi extins la orice grup
peste 3) trebuie să aleagă între trei opţiuni (de exemplu, trei candidaţi) pe baza votului
majorităţii. Ordonarea preferinţelor este următoarea:
X: a este preferat lui b, b este preferat lui c,
Y: c este preferat lui a, a este preferat lui b,
Z: b este preferat lui c, c este preferat lui a.
La nivelul grupului, constatăm că:
X şi Y îl preferă pe a lui b,
X şi Z îl preferă pe b lui c,
Z şi Y îl preferă pe c lui a.
Care este ordonarea preferinţelor agregate? Există majorităţi distincte care îl preferă
pe a lui b, pe b lui c şi pe c lui a. Ordonarea este netranzitivă (ciclică) tocmai pentru că
ordonările individuale se referă la majorităţi diferite. Nu există o agregare legitimă a
preferinţelor individuale în preferinţe colective, ci o majoritate variabilă cu preferinţe
intranzitive. Intranzitivitatea preferinţelor agregate coexistă cu tranzitivitatea preferinţelor
individuale. Ca atare, într-un asemenea scrutin nu ar putea fi desemnat un câştigător pe baza
regulii majorităţii, din moment ce fiecare candidat ar obţine un număr egal de voturi.
IV. Continuitatea
Presupunerea legată de structura continuă a preferinţelor pare să corespundă unei intuiţii
comune: nu există "particule fundamentale" la care să apelăm în evaluarea şi compararea
preferinţelor; descrierea acestora este continuă pentru că experienţa subiectivă a delimitării
acestor preferinţe este continuă, nefragmentată. Însă planul experienţei subiective trebuie
distins de planul raţionamentelor practice. În practică, preferinţele sunt utilizate discontinuu,
date fiind limitele informaţionale şi cognitive ale decidentului. Delimitarea şi ordonarea
preferinţelor este limitată de gradul de senzitivitate în faţa diferenţelor minore, sau de lipsa
unor informaţii relevante. De exemplu: X preferă ceaiul fără zahăr. Dacă în ceaiul lui X va fi
pus un singur grăunte de zahăr, se poate presupune că X va fi indiferent între ceaiul fără zahăr
şi cel care conţine un grăunte de zahăr. Iterând situaţia de un număr suficient de mare de ori,
ajungem la concluzia că X este indiferent între ceaiul fără zahăr şi ceaiul care conţine n
grăunţe de zahăr, dat fiind că adăugarea unui singur grăunte nu modifică sesizabil, la fiecare
iteraţie, rezultatul şi funcţia utilităţii asociată acestuia.
148
Criterii vs. norme
Care este relevanţa acestor dificultăţi pentru problema delimitării raţionalităţii deciziei? E
vorba de o problemă legată de alegerea criteriilor (aşa încât altele ar funcţiona mai bine şi
ar evita aceste dificultăţi) sau de rolul criteriilor formale în general în evaluarea
raţionalităţii deciziilor? Să plecăm de la o observaţie la îndemână: orice model de decizie
dezvoltat pe baza unui set predefinit de criterii va avea aplicabilitate limitată. Nu tot ceea ce
nu catalogăm drept raţional este cu necesitate iraţional: există o zonă de indeterminare
care caracterizează o bună parte a deciziilor sau acţiunilor noastre. Acesta presupune faptul
că, oricare ar fi modelul de decizie cu care operăm, va exista o zonă a deciziilor şi
acţiunilor pe care nu le putem califica drept raţionale pe baza respectivului model, însă în
acelaşi timp nu le putem include în zona iraţionalului. Este spaţiul deciziilor a căror
raţionalitate e deocamdată neprecizată, cu privire la care nu ne putem pronunţa, chiar dacă
(de multe ori intuitiv) suntem dispuşi să le recunoaştem drept rezonabile.
149
modificabile) în graniţe ale raţionalităţii ca atare. Rezonabilitatea reprezintă prealabilul
intuitiv al oricărui demers de evaluare a raţionalităţii deciziilor sau acţiunilor. Ea poate fi
utilizată ca standard orientativ de evaluare, din moment ce nu oferă, în mod evident, un
criteriu infailibil de delimitare a raţionalităţii.
150
Contextualizarea normelor de adecvare raţională presupune respingerea pretenţiilor de
aplicabilitate universală (şi trans-contextuală) a unui set predeterminat de criterii formale, nu
relativizarea evaluării raţionalităţii deciziilor. Alegerea exclusivă între aplicarea
nediferenţiată şi rigidă a unui set închis de criterii şi justificarea contextuală relativizantă este
irelevantă. Prima este blocată de dificultăţi legate de explicarea numeroaselor cazuri care nu
respectă setul de criterii specificat, dar care nu pot fi concediate ca simple episoade iraţionale.
A doua face irelevantă împărţirea acţiunilor în raţionale şi iraţionale, din moment ce în
favoarea raţionalităţii unei alegeri pot fi aduse doar justificări contextuale, fără utilizarea unor
proceduri obiective şi generalizabile de evaluare.
Procesul de decizie nu se reduce la găsirea de tehnici de maximizare a utilităţii, sau la
alegerea pe baza unui set de scopuri şi preferinţe; el este mai degrabă un proces de negociere
şi compromis între preferinţe şi scopuri diferite şi adesea inconsistente. Decidenţii pot face
alegeri rezonabile date fiind constrângerile contextuale, dar care pot părea absolut iraţionale
într-un alt context.
Raţionalitatea practică nu poate fi redusă la o problemă de adecvare logică. Normele
de adecvare raţională complementează criteriile formale utilizate, prin luarea în considerare
a contextului decizional (accesul limitat la informaţia relevantă şi capacitate limitată de
procesare, etc.), a istoriei decizionale şi a experienţei acumulate sau a unor noi informaţii.
Normele sunt aplicabile local, iar precizarea lor se face în cadrul procesului decizional:
care anume sunt alternativele relevante sau care e limita rezonabilă de procesare a
informaţiei înainte de luarea deciziei sunt lucruri imposibil de redat sub forma unei liste
rigide şi exhaustive de criterii, dar posibil de specificat sub forma unui set de norme deschis
ajustărilor. Specificarea conţinutului normelor de adecvare rămâne preliminar şi parţial;
normele se află într-o relaţie de echilibru reflectiv cu scopurile, opiniile, valorile,
preferinţele care stau la baza deciziilor.
Perspectiva deschisă este aceea a unui concept de raţionalitate bazat pe un set minimal
de criterii formale de adecvare (spre exemplu, capacitatea de a construi raţionamente logice
sau preferinţe consistente) şi pe un set deschis de norme de adecvare raţională orientative,
delimitate contextual, aplicabile selectiv şi supuse modificărilor[25].
In analiza cadrului decizional al firmei este necesară o abordare a acestuia din două
unghiuri:
- în primul rând, firma în sine este un sistem cu componente proprii şi cu relaţii
specifice de interdependenţă între acestea;
- în al doilea rând, firma la rândul său este o componentă a sistemului
economic general, în cadrul căruia se află în relaţii de condiţionare reciprocă cu
celelalte firme.
Din această perspectivă este firesc să încercăm a surprinde specificul deciziilor adoptate la
nivel de firmă, atât în ce priveşte cadrul său interior, cât şi în ce priveşte mediul său
extern[26].
Decizii privind interiorul sistemului firmă[26]
În paragrafele anterioare am pus în evidenţă o parte din activităţile firmei, relativ la care
factorii de răspundere adoptă decizii. Le vom detalia în cadrul acestei secţiuni, la un nivel
151
care să asigure generalitatea consideraţiilor noastre.
1) Decizia de producţie sau decizia tehnică circumscrie, de fapt, un întreg
sistem decizional. Componentele acestuia sunt:
a) Decizia privind structura de fabricaţie (ansamblul/tipul serviciilor) care
urmează a fi realizată pe o anumită perioadă de timp;
b) Decizia privind cantitatea care va fi fabricată din fiecare tip de produs în
parte;
c) Decizia privind nivelul calitativ al produselor şi defalcarea volumului
total de fabricaţie pe diferitele categorii de calitate.
2) Decizia privind factorii de producţie are drept componente:
a) Deciziile relative la input-urile materiale:
i) Stabilirea nivelului cantitativ şi calitativ din fiecare materie primă şi
material în parte, cu care firma trebuie să se aprovizioneze pe o anumită perioadă.
Această decizie este condiţionată direct de decizia de producţie;
ii) Stabilirea intervalelor la care urmează să fie făcută aprovizionarea cu
materiile prime şi materialele necesare.
b) Decizii privind personalul firmei:
i) Stabilirea numărului de angajaţi ai firmei pe diferite categorii
profesionale, de vârstă, vechime, calificare şi instruire;
ii) Decizia privind politica salarială a firmei, incluzând aspecte legate de
calculul salariilor, precum şi de formele de recompensare a volumului şi calităţii
activităţii depuse de către personalul firmei;
iii) Decizia privind aspectele socio-profesionale şi relaţiile inter-umane:
- asigurările de sănătate şi asistenţa medicală;
- protecţia muncii;
- climatul psiho-sociologic în cadrul compartimentelor firmei;
- programele de educaţie şi perfecţionare profesională;
- protecţia membrilor de familie ai salariaţilor.
152
a) Decizia privind sursele de finanţare a activităţii firmei pe diferite termene
(scurt, mediu şi lung). Aceasta se referă atât la identificarea surselor, cât şi la
stabilirea volumului fondurilor care pot fi asigurate din aceste surse.
b) Decizia privind utilizarea fondurilor financiare pentru investiţii, numită şi
decizia de investiţii, atât în teoria deciziilor cât şi în practica firmei;
c) Decizia relativă la momentul utilizării fondurilor băneşti ale firmei,
respectiv repartizarea acestora pentru consumul prezent sau viitor[26].
153
Orizontul de timp decizional[26]
Toate aceste probleme în rezolvarea cărora firma adoptă decizii poartă, firesc, amprenta
orizontului de timp luat în considerare. Atunci când vorbim despre orizontul de timp, ne
referim la dimensiunea temporală a efectelor deciziilor adoptate. În acest sens, vom întâlni
la nivelul firmei următoarele categorii de decizii:
1) Decizii pe termen scurt:
- Decizia de producţie;
- Asigurarea resurselor materiale;
- Unele componente ale deciziei de personal.
2) Decizii pe termen mediu:
- Decizia financiară;
- Repartizarea dividendelor;
- Contractarea de împrumuturi bancare;
- Decizia de investiţii pentru retehnologizare.
3) Decizii pe termen lung:
- Stabilirea profilului firmei;
- Decizia privind forma de proprietate şi cea organizatorică a firmei;
- Modificarea structurii posesiunii pachetelor de acţiuni;
- Decizia de creştere economică sau de expansiune în cadrul pieţei
specifice sau pe noi pieţe;
- Decizia privind amplasarea de filiale în zonele considerate ca fiind
strategice;
- Decizia de fuzionare cu alte firme sau de participare la constituirea de
carteluri.
154
CONSECINţE
Variante DECIZIONALE
decizional Starea Starea Starea
e naturii naturii naturii
N1 . . . Nj . . . Nn
155
posesia unor instrumente care pot asigura un anumit grad de obiectivizare a procesului
decizional atunci când sunt folosite în mod logic şi coerent.
În cadrul unui proces decizional (la nivelul unei afaceri profitabile, a organizaţiilor nonprofit
şi agenţiilor guvernamentale), decidentul trebuie să definească problema şi să stabilească
obiectivele, respectiv să identifice toţi factorii adecvaţi, restricţiile şi interdependenţele. El
trebuie să colecteze cât mai multe informaţii relevante în condiţiile unor restricţii de timp şi
cost, să analizeze datele culese, să specifice soluţii alternative şi să le evalueze în termeni
de profit şi cost şi să aleagă cea mai bună soluţie.
Adoptarea efectivă a unei decizii devine astfel arta alegerii celei mai bune soluţii dintre toate
variantele disponibile, alegere care urmează a fi făcută într-una din cele trei situaţii posibile
privind informaţia de care dispune decidentul asupra problemei: certitudine, risc sau
incertitudine. Aceste stări constituie mediul decizional în care vom studia succesiv procesul
decizional.
Mediul decizional[26]
Deciziile economice constau uzual în alegerea din mai multe cursuri posibile ale acţiunii sau
din mai multe strategii (variante decizionale). Frecvent, aceste alegeri se produc într-un
mediu asupra căruia decidentul are un control limitat sau nul. Pentru a desemna aceste
condiţii folosim termenul general de stări ale naturii. Gradul în care decidentul dispune de
informaţii asupra acestor stări, le grupează în trei mari clase: 1) Stare de certitudine; 2) Stare
de risc; 3) Stare de incertitudine.
Dacă privim acest grad de cunoaştere ca pe un continuum, atunci certitudinea se află la un
capăt, incertitudinea la celălalt şi riscul la mijloc.
1) Conceptul de certitudine
156
liniare şi neliniare utilizate pentru a găsi alocarea de resurse care conduce la valori
maxime pentru anumiţi indicatori (profit sau utilitate) sau minime pentru alţii (costuri),
în condiţiile unor restricţii date. Oricum, în realitatea economică, puţine lucruri rămân
certe pe termen lung. Rezultatele unei investiţii de amploare, de exemplu, sunt imposibil
de prevăzut cu certitudine atunci când considerăm interacţiunea dinamică dintre mai
multe valori necunoscute cum ar fi situaţia economică generală, competiţia
naţională/internaţională, gusturile consumatorilor, climatul politic în diferite ţări,
progresul tehnologic. Cele mai multe decizii strategice sunt luate în condiţii mai puţin
perfecte din punct de vedere al cunoaşterii, adică în condiţii de risc şi incertitudine.
2) Conceptul de risc
Riscul desemnează acea stare a cunoaşterii în care fiecare variantă decizională conduce la
unul dintre rezultatele specifice dintr-o mulţime dată, fiecare rezultat putând apărea cu o
probabilitate cunoscută obiectiv de către decident. În condiţii de risc, decidentul posedă
anumite cunoştinţe obiective asupra mediului decizional şi este capabil să prevadă
obiectiv probabilitatea de apariţie a stărilor naturii posibile şi rezultatul fiecărei strategii
analizate.
3) Conceptul de incertitudine
Incertitudinea defineşte acea stare în care una sau mai multe alternative decizionale au
rezultate dintr-o mulţime dată, rezultate a căror probabilitate de apariţie este
necunoscută sau imposibil de apreciat obiectiv. De aceea, în raport cu riscul,
incertitudinea este un fenomen subiectiv. În această stare nu există doi decidenţi care să
aibă aceeaşi părere cantitativă, datorită gradului de cunoaştere a mediului decizional,
precum şi diferenţelor de personalitate şi opinie.
Incertitudinea este adesea datorată schimbărilor rapide în variabilele de structură şi în
fenomenele de piaţă ce definesc mediul economic şi social în care firmele operează[26].
În literatură sunt propuse mai multe definiţii ale deciziei. Câteva dintre acestea se dau mai jos:
a)hotărârea luată ca urmare a examinării unei probleme, situaţii etc; soluţia adoptată (dintre
mai multe posibile) (DEX, 1998), b) alegerea unei direcţii de acţiune (Simon, 1960), c)
alegerea unei strategii de acţiune (Fishburn, 1964), d) o alegere conducând la un anume
obiectiv dorit (Churchman, 1968), e) o formă specifică de angajare într-o acţiune (de obicei e
vorba de angajarea unor resurse) (Minzberg, 1980), f) elaborarea ad-hoc a mai multor strategii
alternative, analiza strategiilor elaborate şi a celor deja formulate şi alegerea unora din ele
(Popescu, Găvănescu, Rădulescu, 1983), g)rezultatul unui tip particular de prelucrare a
informaţiilor, care constă în alegerea unui plan de acţiune (Bonczek, Holsapple, Whinston,
157
1984), h) alegerea uneia dintr-un număr de alternative; cunoştinţe (în sens de cunoaştere), care
indică o angajare într-o anumită direcţie de acţiune (Holsapple, Whinston, 1996), i ) alegerea
uneia dintre mai multe alternative; o afirmaţie care arată angajarea într-o direcţie de acţiune
(Power, 2000 a).[27]
Se poate observa că definiţiile alese spre a fi prezentate mai sus au multe elemente în comun
şi că diferenţele constau în accentul pus pe unul sau pe altul dintre aceste elemente. Definiţia
pe care o vom adopta în această lucrare este dată şi explicată în continuare[27].
Decizia reprezintă rezultatul unor activităţi conştiente de alegere a unei direcţii de acţiune şi
a angajării în aceasta, fapt care implică, de obicei, alocarea unor resurse. Decizia aparţine
unei persoane sau unui grup de persoane, care dispun de autoritatea necesară şi care răspund
pentru folosirea resurselor în anumite situaţii date[27].
Sunt mai multe “cuvinte cheie” în definiţia de mai sus. Atributul esenţial care caracterizează
decizia este cel de alegere între mai multe alternative. El nu se referă la cazul limită, în care
cineva are de ales numai între două alternative, dintre care una este cea banală de a nu lua nici
o decizie şi, implicit, de a lăsa pe seama altora să hotărască în numele său, sau de a accepta ca
lucrurile să se desfăşoare la voia sorţii[27].
Vom observa că, în unele cazuri, alternativele trebuie doar identificate dintr-o ofertă existentă,
de exemplu lista firmelor care oferă un loc de muncă , sau a produselor existente pe piaţă. În
alte situaţii, alternativele trebuie proiectate (sau inventate), de exemplu, stabilirea unor
variante de programe de producţie. În continuare, vom presupune că, alegerea unei
alternative implică o acţiune, care schimbă “starea lucrurilor”, chiar dacă acum putem vorbi,
la limită, de alegerea acelei căi care înseamnă păstrarea stării actuale (“status quo”)[27].
Decizia este o activitate a unei fiinţe umane care urmăreşte în mod conştient anumite
obiective. Nu vom putea spune în această lucrare că, o maşină sau un automat iau decizii (deşi
unii autori acceptă acest lucru). Maşinii i se poate delega de către om, cel mult, unele funcţii
de a reacţiona la anumiţi stimuli conform cu regulile sau strategiile create şi programate de
către proiectant ( Filip, Roberts, Zheng, 1992). În aceeaşi măsură, nu vom putea accepta că,
un animal poate lua decizii deşi comportarea acestuia poate părea uneori inteligentă ca urmare
a instinctelor şi reflexelor comportamentale transmise genetic sau formate în cursul vieţii.
(Boldur-Lăţescu, 1992)[27].
Este evident că, angajarea într-o anumită direcţie de acţiune presupune, de cele mai multe ori,
folosirea unor resurse. Acestea pot fi resursele personale (timp, bani, prestigiu, cunoştinţe
profesionale etc.) atunci când este vorba de deciziile care privesc viaţa personală a cuiva. În
cazul deciziilor manageriale, la care se referă majoritatea literaturii de specialitate, se are în
vedere resursele organizaţiei, dintre care cele mai importante sunt considerate cele materiale,
financiare, umane şi cunoştinţele acumulate în organizaţie (Holsapple, Whinston, 1996)[27].
Decidentul[27]
Persoana (sau grupul de persoane) care alege calea de acţiune şi care angajează folosirea
resurselor trebuie să fie împuternicit sau autorizat să facă acest lucru. Dacă în deciziile care
privesc viaţa personală, această cerinţă nu ridică probleme, atunci când este vorba de resursele
unei organizaţii, lucrurile sunt, fără excepţie, mai complexe: este nevoie de o împuternicire în
acest sens, însoţită de stabilirea răspunderii pentru folosirea eficace sau eficientă a resurselor.
158
În continuare, vom folosi termenul generic de decident (sau de unitate decizională) pentru
persoana sau grupul de persoane care sunt autorizate să aleagă o direcţie de acţiune şi să
angajeze resursele pentru a urma acea cale
Situaţii şi probleme decizionale[27]
Deciziile sunt necesare în anumite momente, denumite situaţii decizionale. O situaţie
decizională apare ca rezultat al apariţiei unor stimuli, sau schimbări, create de evenimente sau
de acţiuni ale unor factori, care creează condiţii suficient de puternice pentru a determina
nevoia de a “face ceva”. Atunci când există cineva care sesizează situaţia şi este dispus (sau
este însărcinat) să facă o alegere dintre mai multe căi de acţiune posibile pentru a atinge o
anumită stare dezirabilă se poate vorbi despre o problemă decizională[27].
Se pot identifica două situaţii decizionale de bază: “forţate” şi “neforţate”. Situaţiile
decizionale forţate (sau provocate, sau obiective) sunt acelea care sunt determinate de
constatarea apariţiei unor simptome precum: a) abateri intolerabile faţă de o stare dezirabilă,
normală, sau planificată (în sensul cel mai larg al termenului), b) schimbări percepute în
mediul extern şi c) stări noi (nu neapărat, defavorabile) ale sistemului asupra căruia
decidentul are autoritate şi de a cărui bună funcţionare răspunde. Astfel, un venit insuficient, o
muncă plictisitoare sau stresantă poate “forţa” pe cineva să caute un nou loc de muncă.
Terminarea unei facultăţi, sau studierea unei cărţi bune despre decizia asistată de calculator
determină o stare socială nouă a fostului student, sau, respectiv, un bagaj de cunoştinţe mai
bogat al cititorului. Este vorba de stări noi, care “forţează” pe cel în cauză să facă o alegere. În
primul caz, este vorba de alegerea firmei cu care va semna un contract de muncă. În al doilea,
alegerea se face între alternativa demarării unei afaceri în domeniul ingineriei deciziei asistate
de calculator şi cea de renunţare la această iniţiativă. La fel, apariţia pe piaţă a unor produse
informatice şi folosirea lor de către concurenţi, în scopul obţinerii unui avantaj competitiv,
reprezintă o schimbare în mediu. Această schimbare necesită o reacţie. Situaţiile decizionale
forţate presupun decizii reactive şi corective pentru “rezolvarea unor probleme”, care
constituie surse de preocupare sau de nemulţumire şi care sunt create de evenimente şi factori
in general independenţi de voinţa decidentului. Aceste situaţii sunt cele mai des referite în
literatura de specialitate. Constatarea apariţiei unei oportunităţi care merită a fi exploatată
constituie de asemenea un stimul pentru situaţii decizionale “forţate” şi decizii reactive[27].
O situaţie decizională neforţată (sau neprovocată, sau subiectivă) este aceea în care se
urmăreşte luarea din timp a măsurilor pentru evitarea unor neplăceri posibile în viitor sau
pentru creşterea prosperităţii, sau mărirea avansului faţă de ceilalţi competitori. O situaţie
decizională neforţată poate fi determinată şi de schimbarea obiectivelor (aspiraţiilor)
decidentului. Ordonanţarea lucrărilor în atelier ( Filip, Neagu, Donciulescu 1983) urmăreşte
evitarea unor posibile situaţii neplăcute legate de creşterea volumului de lucrări în curs sau de
neocuparea maşinilor,urmareste planificarea consumurilor de apă pentru evitarea inundaţiilor
sau a deficitului de apă (Filip, 1991). Alegerea unui nou loc de muncă ( Keeney, Raiffa,
1976), sau demararea unei afaceri (Filip,2000a) sunt determinate de ridicarea nivelului
aspiraţiilor şi de schimbarea obiectivelor decidentului[27].
159
În general, situaţiile decizionale neforţate sunt asociate cu deciziile proactive, care constituie
soluţii pentru problemele de “căutare şi exploatare a oportunităţilor” determinate de iniţiativa
sau de voinţa decidentului[27].
Procese decizionale[27]
Conştientizarea unei situaţii decizionale este prima dintr-o succesiune de faze care compun
procesul decizional. Acesta se încheie cu exprimarea şi autorizarea (ratificarea) deciziei care
urmează a fi implementată. Modelul propus de H. Simon (1960) pentru descrierea procesului
decizional cuprinde trei faze principale şi anume:
a) conştientizarea situaţiei decizionale şi culegerea de date pentru formularea şi clarificarea
problemei decizionale, b) proiectarea (sau identificarea) alternativelor şi alegerea
principiului şi a elementelor necesare evaluării şi c) alegerea deciziei şi demararea
implementării.
Minzberg, Raisinghani şi Theoret (1976) propun, pe baza unui studiu empiric, un model
concordant în mare măsură cu cel al lui H. Simon. Acest model conţine un număr de şapte
“rutine”, care constituie paşii executaţi în luarea deciziei şi anume: recunoaşterea şi
diagnosticarea problemei, căutarea, proiectarea, selectarea alternativelor, evaluarea/alegerea şi
autorizarea deciziei.
Obiective şi sisteme de valori[27]
După cum s-a arătat mai sus, decizia are ca scop atingerea unor obiective. De exemplu, în
cazul alegerii unui loc de muncă obiectivele pot fi: a) un venit cât mai mare, b) o muncă
interesantă, c) un ambient şi o atmosferă de lucru cât mai plăcute etc. În cazul ordonanţării
lucrărilor în atelier , obiectivele sunt: a) realizarea lucrărilor la timp (nici mai devreme, nici
mai târziu), b) creşterea gradului de încărcare a maşinilor,
c) micşorarea şirurilor de aşteptare etc ( Filip, Neagu, Donciulescu, 1983). Fără a mai face
referire, la alte exemple, se poate observa de pe acum că, unele obiective urmăresc obţinerea
unor valori maxime care pot fi luate de anumite variabile care constituie subiectele de interes
sau de preocupare (de exemplu venituri). Alte obiective urmăresc atingerea unor valori cât
mai mici (de exemplu, timpul total de aşteptare al lucrărilor în atelier), iar o a treia categorie
vizează plasarea în anumite regiuni dezirabile (de exemplu momentul de livrare). În acelaşi
timp, se poate observa că, unele dintre valorile dorite ale obiectivelor, denumite ţinte sau
scopuri, se pot exprima, în unele cazuri, prin valori numerice, înţelese de toată lumea (de
exemplu venitul exprimat în milioane de lei pe lună), în timp ce, în alte situaţii, este necesară
formularea iniţială a unor aprecieri calitative (de exemplu “muncă interesantă”).
Alegerea obiectivelor, care, în majoritatea cazurilor reale, sunt multiple şi, într-un număr
semnificativ de situaţii, sunt şi contradictorii, depinde de mai mulţi factori. Cei mai importanţi
factori sunt: a) sistemul de valori, sau mulţimea de subiecte de preocupare adoptate sau
impuse decidentului şi b) orizontul decizional de timp considerat în problema de decizie.
Astfel, pe lângă valorile financiare, directe, cuantificabile şi cu efect imediat, sistemele
concurenţiale actuale necesită considerarea şi a altor valori cu valoare strategică şi cu efect în
timp precum: calitatea produsului sau serviciului, timpul de livrare, perenitatea şi renumele
firmei, preocuparea pentru mediu, satisfacţia salariaţilor etc.
160
Efecte şi riscuri[27]
După cum s-a putut observa din definiţia deciziei, conţinutul acesteia nu se limitează numai la
alegerea şi eventuala recomandare a unei direcţii de acţiune ci presupune şi angajarea pe acea
direcţie împreună cu alocarea unor resurse. Această angajare nu conduce automat la atingerea
obiectivului sau a obiectivelor urmărite. Altfel spus, o decizie bună nu are întotdeauna
consecinţe fericite (Clemen, 1997; Spradlin, 2000), Efectul aplicării deciziei poate fi
influenţat, într-un sens sau în altul, de o serie de factori care nu sunt totdeauna sub controlul
decidentului precum: a) modul de execuţie al deciziei, b) evoluţia imprevizibilă în timp a
mediului înconjurător, c) calitatea informaţiilor avute la dispoziţie în momentul luării deciziei
etc. O contribuţie importantă la obţinerea unui rezultat fericit sau nefericit ca urmare a
aplicării unei decizii o au evenimentele incerte.
După cum observă Ackoff şi Sasieni (1968), rezultatul acţiunii depinde în mare măsură, de
conştiinciozitatea şi competenţa executantului, care, uneori, este o altă persoană decât cea care
a luat decizia. În aceste situaţii, alegerea executantului trebuie să fie parte componentă a
deciziei alături de direcţia de acţiune.
Calitatea unei decizii trebuie judecată nu atât strict numai după rezultatul obţinut cât, mai
ales, în funcţie de:
a) informaţiile disponibile,
b) abundenţa alternativelor posibile identificate (sau proiectate ) şi
c) adecvanţa raţionamentelor folosite, toate considerate în momentul adoptării deciziei.
Astfel, de exemplu, decizia disperată de a juca ultimii bani la loterie are toate
condiţiile şi şansele de a fi o decizie proastă, dar dacă norocul îşi arată faţa, rezultatul
va fi fericit. Şi invers, depunerea economiilor la o bancă care are o reputaţie de
soliditate şi de a acorda servicii de calitate este în sine o decizie corectă, dar rezultatul
poate fi nefericit datorită fie unor fenomene inflaţioniste abrupte, fie datorită unor
“atacuri” asupra băncii. În mod asemănător, ordonanţarea optimală a lucrărilor într-un
atelier poate eşua datorită fie defecţiunii din motive necunoscute a unei “instalaţii
cheie”, fie din cauza unei greve spontane, sau a absenteismului operatorilor, sau chiar
a căderii sistemului de alimentare cu energie.
O concluzie simplistă după cele arătate mai sus, ar putea fi că, uneori, e de preferat ca norocul
sau ca hazardul să conducă la un rezultat fericit în locul elaborării şi adoptării unor decizii
apreciate ca bune (Clemen, 1996).
Posibilitatea de a obţine un rezultat nedorit (sau diferit de cel previzionat şi luat în considerare
la alegerea alternativei) ca urmare a aplicării deciziei se numeşte riscul deciziei. În procesul
de elaborare şi adoptare a deciziei, decidentul poate avea trei atitudini de bază faţă de risc şi
anume: a) aversiune (tipică decidenţilor de pe nivelurile inferioare de decizie, unde se preferă
câştigurile “mici dar mai sigure”), b) neutralitate şi c) căutare (tipică pentru nivelurile
superioare de decizie).
161
Clasificarea deciziilor[27]
Nu toate deciziile sunt la fel. Literatura de specialitate conţine numeroase clasificări. În
continuare, se prezintă unele clasificări care prezintă interes pentru lucrarea de faţă precum:
a) modul de abordare şi de desfăşurare al activităţilor decizionale,
b) contextul decizional (nivelul decidenţilor, urgenţa şi gradul de concurenţă sau de
simultaneitate al deciziilor),
c) structurabilitatea problemelor decizionale şi
d) numărul de participanţi.
a)După modul de abordare[27]
O decizie poate fi produsă în diferite moduri potrivit cu caracterul procedurilor folosite în
activităţile decizionale. Lăsând la o parte deciziile aberante, iraţionale, Boldur-Lăţescu (1992)
identifică cinci tipuri de abordări, după cum urmează: a) la întâmplare, b) bazate pe rutină,
prin folosirea unor analogii “aproape mecanice” cu situaţii întâlnite în trecut, c) bazate pe
învăţare (sau instruire), prin care se adaptează deciziile anterioare în funcţie de asimilarea
unor cunoştinţe noi, d) paradigmatice prin imitarea unor procese decizionale “exemplare”,
care au condus la rezultate remarcabile si e) bazate pe analiza şi modelarea sistemică şi
previzională.
Cea de a cincea clasă de abordări corespunde în mare măsură cu ceea ce se numeşte în prezent
analiza deciziilor (Clemen, 1996; Kirkwood, 1998).
Ss-a arătat că, norocul şi hazardul pot conduce la rezultate bune indiferent de calitatea
deciziei. Analiza deciziilor, deşi nu poate acţiona asupra hazardului şi nu poate atrage cu sine
manifestarea norocului, poate, în schimb, să-l ajute pe decident să înţeleagă mai bine
problemele decizionale, să-şi îmbunătăţească şansele de a obţine un rezultat fericit, sau să fie
mai pregătit pentru a face faţă unor evoluţii nefavorabile , independente de voinţa lui. În
cuvinte simple, analiza deciziilor este o abordare prescriptivă, care ajută la luarea unor
decizii “cu ochii deschişi” (Clemen, 1996).
Activităţile paradigmatice şi cele bazate pe învăţare pot fi asistate informatic de metode şi
tehnici de inteligenţă artificială, precum sistemele expert , sau bazate pe cunoştinţe, respectiv,
sistemele cu instruire (reţele neurale artificiale şi sisteme bazate pe cazuri).
(b)După contextul decizional[27]
După Clemen (1996), contextul decizional este cadrul de împrejurări, care determină setul de
obiective care contează efectiv (şi nimic în plus sau în minus) pentru decident în momentul de
timp al elaborării deciziei, chiar dacă sistemul de valori rămâne relativ neschimbat. Astfel, în
acelaşi atelier de producţie , o situaţie de avarie a unei maşini poate face ca obiectivele deciziei
să fie legate de managementul situaţiei de urgenţă (sau de “criză”) şi nu de încărcarea optimă a
maşinilor, cum ar fi fost cazul într-un regim normal. În cazul unei decizii de schimbare a locului
de muncă, obiectivele care sunt determinate de contextul decizional specific situaţiei sunt
mărirea venitului şi a timpului liber pentru familie, mai mult decât îmbogăţirea cunoştinţelor şi
un ambient de lucru plăcut.
162
Holsapple şi Whinston (1996) detaliază conceptul de context decizional şi sistematizează o serie
de rezultate anterioare folosind o serie de criterii precum: a) nivelul decizional, b) urgenţa
deciziei, c) concurenţa şi d) cadrul organizaţional.
a)Nivelul decizional
Nivelul decizional (sau eşalonul managerial), asociat cu orizontul decizional de timp reprezintă
un criteriu clasic (şi folosit în mod frecvent) de clasificare a deciziilor. Antony (1965) a propus o
taxonomie a activităţilor manageriale, care conţine trei categorii generice, suficient de distincte
pentru a fi considerate separat în stabilirea cerinţelor informaţionale.
1. Planificarea strategică, este realizată la nivelul conducerii de vârf a organizaţiei şi se
referă la decizii care privesc: a) stabilirea sau schimbarea obiectivelor organizaţiei, b)
resursele folosite pentru atingerea acestor obiective şi c) politicile care guvernează
achiziţia, utilizarea sau renunţarea la resurse. Câteva caracteristici ale planificării
strategice sunt: a) implicarea unui număr redus de decidenţi care lucrează de obicei într-un
mod nerepetitiv şi creativ, b) considerarea unor aspecte care privesc viitorul organizaţiei şi
al mediului său şi pot fi incerte, c), majoritatea informaţiilor folosite sunt agregate şi
provin, în mare măsură, din surse externe organizaţiei.
2. Planificarea tactică, denumită de Antony “conducere (control) managerială”, este
realizată la nivelurile manageriale medii şi se referă la deciziile care privesc modul în care
“resursele sunt obţinute şi utilizate în mod eficace şi eficient în concordanţă cu obiectivele
organizaţiei”. Principalele caracteristici ale planificării manageriale sunt: a) prezenţa
interacţiunilor interpersonale, b) desfăşurarea sa în contextul fixat de politicile şi
obiectivele stabilite la nivelul planificării strategice şi c) informaţiile necesare sunt
agregate moderat, iar sursele acestora sunt atât interne cât şi externe organizaţiei.
3. Conducerea operaţională, urmăreşte ca “procesele prin care se realizează sarcini specifice
să se desfăşoare eficient şi eficace” în condiţiile în care sarcinile şi resursele au fost
stabilite la nivelul conducerii tactice. Atributele care caracterizează informaţiile folosite la
acest nivel sunt: a) aria lor de cuprindere este restrânsă şi bine definită, b) sursele de
informaţii sunt în majoritate interne organizaţiei, c) precizia şi gradul de detaliere cerute
sunt ridicate şi d) frecvenţa de utilizare este ridicată.
Bonczek, Holsapple şi Whinston (1981) asemuiesc contextele decizionale ale managerilor de pe
nivelul superior, mediu şi operativ cu cele care corespund unui arhitect, unui inginer constructor şi
respectiv, unui şef de şantier (supervizor).
O trecere în revistă a principalelor decizii care se iau pe diferite niveluri într-o întreprindere
industrială este făcută în (Filip, Barbat, 1999)
163
b)Gradul de urgenţă
Urgenţa unei decizii se apreciază după mai multe criterii precum: a) noutatea situaţiei şi suficienţa
cunoştinţelor folosite în adoptarea deciziei şi b) dinamica evenimentelor, asociată cu timpul avut
la dispoziţie pentru a lua o decizie suficient de oportună (care nu a fost luată prea târziu).
Holsapple şi Whinston (1996) diferenţiază deciziile pe baza abundenţei şi “completitudinii”
cunoştinţelor care caracterizează o situaţie decizională. Se spune că decizia se ia într-o situaţie
stabilă atunci când există cunoştinţe suficiente şi o experienţă bogată privind decizii similare
adoptate în momente de timp anterioare. La polul opus, se află deciziile care se iau în situaţii de
urgenţă, care sunt caracterizate fie prin sărăcia cunoştinţelor disponibile relevante în momentul
luării deciziei, fie prin apariţia surprinzătoare a unor informaţii şi cunoştinţe noi. Astfel, apariţia
neaşteptată a unei firme noi şi neobişnuit de atrăgătoare din punct de vedere al salarizării,
condiţiilor de lucru şi al tehnologiilor utilizate poate determina luarea unei decizii de a încerca
schimbarea locului de muncă în condiţii de urgenţă, în timp ce planificarea unei rafinării cu
instalaţii care funcţionează de multă vreme pe baza unor tehnologii bine stăpânite comportă
decizii şi situaţii relativ stabile.Filip (1995) diferenţiază deciziile din punct de vedere al timpului
disponibil în care deciziile trebuie luate în conformitate cu dinamica evenimentelor. Deciziile luate
strict în timp real au ca scop gestionarea unor situaţii de criză. Astfel, dacă o instalaţie tehnologică
se opreşte din funcţionare din cauza unei avarii neaşteptate, întreg programul de producţie pentru
tot atelierul sau linia de producţie din care face parte instalaţia devine neoperant. În acest caz, o
decizie corectă este de a lua măsurile adecvate de compensare a perturbaţiei pentru a “gestiona
criza” pe parcursul unui interval de timp necesar al adaptării programului de producţie la noua
situaţie. Dacă situaţia de criză a fost întâlnită şi tratată corespunzător în alt moment de timp
precedent, o soluţie reactivă, “aproape automatizată”, bazată pe deciziile anterioare, memorate
într-un sistem informatic, ar putea fi acceptată, validată şi lansată pentru execuţie. Transpunerea
informatică a deciziilor bazate pe experienţa anterioară se realizează cu ajutorul unor tehnici
bazate pe instruire precum reţelele neurale artificiale şi raţionamentul bazat pe cazuri .
Decizii în timp scurt sunt necesare nu numai în mediul industrial, unde este necesară o
monitorizare continuă a unor sisteme cu dinamică semnificativă şi unde se vizează orizonturi de
timp relativ limitate, iar deciziile greşite pot avea efecte greu de prevăzut şi uneori catastrofale
(Charturverdi si colegii. 1993). Decizii similare, aproape în timp real, trebuie luate la constatarea
apariţiei unor oportunităţi de afaceri, sau a unor “tehnologii cheie”, care pot conferi un avantaj
competitiv pe piaţă celui care le adoptă, sau ca reacţie la mişcările concurenţilor care “aruncă pe
piaţă” produse noi pentru a obţine “preţuri cu caracter de premiu”.Pe de altă parte, deciziile în
timp diferit se iau atunci când dinamica evenimentelor permite analize detaliate, care urmăresc
eventual o soluţie optimală[27].
c)Complexitatea şi gradul de concurenţă
Deciziile pot fi simple sau complexe. O decizie simplă se referă la o singură direcţie de acţiune,
care este aparent suficientă pentru atingerea obiectivelor. De exemplu, pentru atingerea
obiectivului de obţinere a unui venit necesar asigurării traiului, alegerea unui loc de muncă şi
semnarea contractului cu angajatorul constituie o decizie simplă.
Complexitatea unei decizii are mai multe faţete. În primul rând, este vorba de multitudinea, sau de
numărul de decizii care se iau în mod (aproape) simultan pentru atingerea unui obiectiv, sau a unui
164
set de obiective. In acest caz, vorbim de o colecţie sau de un fascicol de decizii. De exemplu,
pentru realizarea obiectivului de satisfacere a comenzilor de produse acceptate de o rafinărie (
Filip, 1996), se poate decide simultan atât pentru “forţarea” instalaţiilor cât şi pentru emiterea de
comenzi urgente de aprovizionare cu ţiţei brut. Pentru realizarea unui produs informatic de
calitate, poate fi nevoie atât de achiziţionarea unor “instrumente software de productivitate” cât şi
de perfecţionarea şi motivarea personalului, sau chiar angajarea de personal nou, mai bine
calificat.
O altă faţetă a complexităţii o constituie secvenţialitatea deciziilor în sensul ca, după o decizie,
poate urma o alta, sau mai multe. Se poate vorbi (Sprague, Carlson, 1982) de: a)decizii
independente, atunci când decidentul (singur sau în echipă) este autorizat să ia o decizie complet
implementabilă ,b) decizii dependent-secvenţiale, atunci când decidenţii îşi “pasează” în plan
vertical, sau în plan orizontal, decizii parţiale c)decizii interdependente, când mai multe decizii
elaborate într-o primă fază, în mod independent de către decidenţi diferiţi sunt agregate într-o a
doua fază. Asupra acestei faţete a complexităţii se va reveni în subcapitolul 3.4.
Pe de altă parte, secvenţialitatea poate semnifica şi luarea unor decizii prealabile, (sau provizorii)
urmată de evaluarea consecinţelor aplicării acestora şi luarea ulterioară a altora fie cu caracter
corectiv (când rezultatele au fost nesatisfăcătoare), fie de amplificare a câştigurilor sau de
valorificare a unor informaţii suplimentare dobândite. Un caz bine definit îl constituie deciziile de
tip opţiune. Acestea pregătesc decizia finală până la obţinerea resurselor (inclusiv a informaţiilor)
necesare pentru luarea unei decizii finale. Astfel, deciziile de cumpărare a unui caiet de sarcini, de
pregătire a personalului pentru folosirea unor tehnologii informatice noi, sau de rezervare şi
cumpărare a unui domeniu Internet constituie opţiuni care pregătesc deciziile de pregătire a unei
oferte, de lansare în elaborarea unui produs software nou sau, respectiv, de instalare a unei legături
Internet. Spradlin (2000) arată că, toate opţiunile sunt în acelaşi timp şi alternative de decizie, în
timp ce reciproca nu este valabilă.
Un concept asociat cu complexitatea (văzută în principal ca multiplicitate) este concurenţa
deciziilor. Aceasta înseamnă că, pe parcursul unui aceluiaşi interval de timp, anumite faze ale
proceselor decizionale prin care se elaborează deciziile se pot întrepătrunde sau suprapune.
Situaţia este tipică pentru managerii de vârf, care sunt constrânşi să considere, mai mult sau mai
puţin simultan, o mulţime de probleme decizionale independente sau nu una de alta. Procesele
decizionale se întrerup pentru obţinerea de informaţii suplimentare, sau pentru evaluări şi iteraţii.
Astfel, fazele sau subfazele unor procese decizionale diferite se întrepătrund sau chiar se suprapun.
Holsapple şi Whinston (1996) arată că, un grad rezonabil de concurenţă a proceselor decizionale
poate contribui la creşterea eficienţei acestora şi la optimizarea folosirii timpului decidentului.
Aceeaşi autori arată că prea multă concurenţă este contraproductivă. Cine poate rezolva în acelaşi
timp 100 de probleme?
165
definite, care pot fi realizate automat şi cele neprogramabile. Caracteristica de programabilitate a
unei decizii este pusă în legătură cu punctul de vedere al unor psihologi (Forehand, 1966; Erbert,
Mitchel, 1975), care afirmă că, “memoria omului conţine programe, sau strategii pentru
prelucrarea informaţiilor, chiar dacă acesta este incapabil să descrie strategia folosită într-o situaţie
decizională dată”.
Gory şi Scott Morton (1971) preferă termenii de probleme structurate şi probleme nestructurate,
deoarece aceştia sunt mai puţin dependenţi de terminologia sau de folosirea calculatorului sau a
unui alt automat şi reflectă mai bine ansamblul procesului de rezolvare a problemei de decizie.
Atributele caracteristice principale ale problemei decizionale (şi a soluţiei sale, decizia) bine
structurate sunt: a) “programabilitatea” abordării şi a implementării soluţiei, b) repetitivitatea
apariţiei, c) manifestarea în “situaţii stabilite” (a se vedea subcapitolul 3.2.2.), d) lipsa unei
importanţe (sau a unor consecinţe posibile) excepţionale care să necesite un tratament deosebit, pe
măsură (Soelberg, 1967; Gory, Scott-Morton, 1971; Holsapple, Whinston, 1996).
Caracterizarea cea mai sugestivă a problemelor şi deciziilor nestructurate este dată de Simon
(1960, citat de Bonczek, Holsapple şi Whinston, 1981). Astfel, problemele nestructurate (şi
deciziile asociate, acestora) se manifestă în situaţiile decizionale în care nu există o metodă “de
gata”, bine încetăţenită de tratare a problemei, deoarece o astfel de problemă fie că nu a apărut
până atunci, fie că structura şi natura ei sunt vagi sau complexe, fie, pur şi simplu, pentru că este
atât de importantă încât este necesară o abordare “pe măsură”. Alte caracteristici ale problemelor
şi deciziilor nestructurate sunt: a) apariţia lor în situaţii cu caracter de urgenţă (a se vedea
subcapitolul 3.2.2.) şi b) necesitatea unei abordări creative, bazate în mod obligatoriu pe
raţionamentul sau intuiţia decidentului. Altfel spus (Holsapple, Whinston, 1996), alternativele (şi
consecinţele estimate ale acestora) sunt greu de identificat sau de proiectat, descrierea lor suferă de
imprecizie, incompletitudine şi incertitudine, sunt greu de diferenţiat şi de comparat între ele, sau
de evaluat conform cu obiectivele urmărite, sau timpul disponibil pentru luarea unei decizii nu este
suficient pentru o analiză completă.
Dacă în cazul deciziilor bine structurate, automatizarea elaborării şi execuţiei deciziei este, în mare
măsură, tehnic posibilă şi, uneori, chiar dezirabilă din punct de vedere economic, în cazul celor
nestructurate, contribuţia decidentului uman este esenţială. Aceasta se bazează pe o serie de
metode şi tehnici, dintre care unele dintre cele mai importante sunt descrise în (Filip, 2000 a).
În finalul acestui subcapitol, se pot face câteva observaţii. În primul rând, măsura gradului de
structurabilitate a unei probleme este determinată nu numai de natura situaţiei decizionale în sine
ci şi de felul în care ea este percepută de către un anume decident. În mod evident, o persoană mai
puţin experimentată va considera mai multe probleme ca fiind nestructurate decât o alta mai
experimentată, sau mai instruită, aflată în situaţii asemănătoare. O consecinţă a observaţiei de mai
sus este că, structurabilitatea unui tip de probleme evoluează în timp pentru acelaşi decident, pe
măsura acumulării de experienţă. Această afirmaţie trebuie însă considerată cu precauţie în aceste
vremuri, în care “schimbarea constituie o regulă” (Hammer, Champy, 1993).
O altă observaţie care se poate face este că, în bună măsură, gradul de structurabilitate al unei
probleme descreşte pe măsură ce creşte nivelul decizional (a se vedea subcapitolul 3.2.1.) şi
166
importanţa (inclusiv sub aspectul consecinţelor prin prisma volumului resurselor angrenate şi al
obiectivelor urmărite) deciziei care trebuie luate.
În fine, trebuie observat că, problemele şi deciziile bine structurate şi cele complet nestructurate
reprezintă nişte extreme, între care se pot afla numeroase alte situaţii în care problemele pot fi
structurate parţial, într-un grad mai mic sau mai mare. Aceste probleme sunt denumite
semistructurate. Identificarea părţilor structurate, sau structurabile, ale unei probleme decizionale
semistructurate prin descompunerea acesteia este un pas important în procesul decizional.
167
birou (care are un şef), echipa sportivă (care are un căpitan), distribuţie (cu un regizor),
orchestră (cu un dirijor), grupă (cu un comandant) şi corespunde tipului de organizare
ierarhică, în care există o persoană cu rol de conducător (Holsapple, Whinston, 1996).
Literatura de specialitate mai veche nu făcea mare deosebire între echipă şi grupuri
decizionale (cu cele două subclase ale sale). Estomparea diferenţierii dintre echipă şi grup îşi
găseşte originea în literatura privind dezvoltarea organizaţiei (O’Loughlin, McFadzen, 1999).
McFadzen (1996) arată că, grupul este compus din indivizi care posedă experienţă,
îndemânare şi cunoştinţe diferite. În prezent, se acceptă faptul că, echipa reprezintă un mod de
168
asociere puternic structurat, specializat şi funcţional, în timp ce grupul este o formă de
asociere mai slabă[27].
Nodurile de decizie sunt punctele în care trebuie fǎcutǎ o alegere a unei alternative
decizionale, pe baza estimǎrilor sau calculelor. Nodurile de rezultate sunt punctele în care
sunt estimate probabilitǎţile de apariţie a rezultatelor. Construirea arborilor de decizie începe
de la rǎdǎcinǎ cu un nod decizional. Din el pleacǎ ramurile, adicǎ alternativele decizionale.
La sfârşitul fiecǎrei ramuri decizionale se aflǎ un nod de rezultate din care pleacǎ ramuri
suplimentare reprezentând stǎrile naturii. La capǎtul acestor ramuri se trec rezultatele
estimate corespunzǎtoare unei anumite alternative şi unei stǎri a naturii. Plecând de la
acestea din urmǎ şi mergând cǎtre rǎdǎcinǎ existǎ posibilitatea de a gǎsi cea mai bunǎ
alternativǎ[28].
169
Criterii decizionale fǎrǎ utilizarea probabilitǎţilor[28]
Exsitǎ trei criterii decizionale utilizate frecvent şi care nu implicǎ cunoaşterea
probabilitǎţilor de apariţie a stǎrilor naturii. Acestea sunt cunoscute în literaturǎ ca fiind
criteriile maximax, maximin şi criteriul regretelor.
Criteriul maximax reprezintǎ abordarea optimistǎ în luarea deciziilor. Pentru acest criteriu,
decidentul selecteazǎ acea alternativǎ care maximizeazǎ rezultatele. Aceasta înseamnǎ cǎ
aceastǎ politicǎ oferǎ cel mai ridicat profit. De aici, pentru a obţine rezultatul cel mai bun, se
listeazǎ valorile maxime ale fiecǎrei alternative şi dintre acestea se alege valoarea maximǎ.
Criteriul maximin reprezintǎ o abordare pesimistǎ sau cel puţin mai conservatoare de
decizie. In xadrul acestei metode, decidentul încearcǎ sǎ maximizeze cel mai mic profit
posibil. Astfel spus, aceastǎ variantǎ oferǎ cea mai bunǎ limitǎ inferioarǎ a profitului.
Decizia este luatǎ prin listarea rezultatelor minime pentru fiecare alternativǎ decizionalǎ şi
selectarea dintre aceste valori a valorii maxime.
Corespunzǎtor fiecǎrei stǎri a naturii, existǎ câte o decizie care se dovedeşte a fi cea mai
bunǎ. Diferenţa între valoarea cea mai bunǎ a fiecǎrei stǎri şi valorile corespunzǎtoare
celorlalte alternative se numeşte regret sau pierdere de oportunitate. Criteriul regretelor
minimax este acel criteriu prin care decidentul alege acea alternativǎ care corespunde
minimului valorilor maxime ale regretelor. Astfel, criteriul regretelor este dat de:
(1) stabilirea tabelului regretelor, obţinut prin extragerea valorilor fiecǎrei coloane din
maximul coloanei respective;
(2) listarea regretului maxim al fiecǎrei alternative;
(3) selectarea celei mai bune valori (valoare minimǎ) gǎsite la pasul (2).
Criterii decizionale utilizând probabilitǎţile[28]
In unele situaţii pot fi stabilite estimǎri ale probabilitǎţilor de apariţie a unei stǎri. De
exemplu, utilizând criteriul valorii monetare estimate (VME) un analist calculeazǎ valoarea
estimatǎ pentru fiecare alternativǎ şi apoi o selecteazǎ pe aceea care îi oferǎ cea mai bunǎ
valoare. Atunci când se utilizeazǎ criteriul pierderii estimate de oportunitate (PEO),
decidentul calculeazǎ regretul sau pierderea estimatǎ de oportunitate oentru fiecare decizie şi
alege decizia care îi oferǎ cea mai micǎ pierdere estimatǎ de oportunitate. Alternativa aleasǎ
ca decizie în baza criteriului pierderii estimate de oportunitate va fi întotdeauna egalǎ cu
decizia aleasǎ utilizând criteriul valorii monetare estimate. Valoarea aşteptatǎ a informaţiei
perfecte (VAIP) este acea îmbunǎtǎţire estimatǎ a profitului care are loc atunci când
decidentul ştie cu certitudine care va fi starea naturii. Se poate arǎta cǎ valoarea estimatǎ a
informaţiei perfecte este echivalentǎ cu pierderea estimatǎ de oportunitate pentru decizia
optimǎ. De aici, VAIP este obţinutǎ prin:
6. gǎsirea deciziei optime pe baza criteriului pierderii estimate de oportunitate sau a
valorii monetare estimate, şi
7. calcularea pierderii de oportunitate pentru aceastǎ decizie.
Similar, VAIP poate fi obţinut prin:
(1) determinarea celei mai bine valori corespunzǎtoare fiecǎrei stǎri a naturii;
(2) calcularea valorii estimate ale valorilor stabilite la pasul (1), şi
extragerea valorii monetare estimate a deciziei optime din valoarea obţinutǎ la pasul (2).
171
Luarea deciziei se bazează pe informaţie. Aceasta vine din realitate şi indică
neconcordanţa modului în care se desfăşoară lucrurile. Informaţia este necesară atât
pentru explorarea şi alegerea între soluţii şi variante alternative cât şi pentru revederea
efectelor variantei implementate
a) Faza de concepţie[29]
Faza de concepţie constă, de fapt, în definirea problemei. În examinarea şi
formularea unei probleme se are în vedere că acestea ies la iveală prin neconcordanţa
modului în care se desfăşoară lucrurile. Asemenea neconcordanţe sunt rezultatul
diferenţei dintre ceea ce se întâmplă şi ceea ce dorim să se întîmple. În această fază
tindem să aflăm dacă există probleme, să aflăm simptomele, magnitudinea problemei şi
să o definim. De obicei, ceea ce e descris ca o problemă (costuri excesive) poate fi numai
simptomul acesteia (nivele nepotrivite de stocare). De aceea este de multe ori dificil să
distingi o simptomă de o problemă reală.
În cadrul acestei faze un punct important este clasificarea problemei. Această
activitate reprezintă conceptualizarea problemei spre clasificarea ei într-o categorie
definită. De exemplu, o importantă clasificare o reprezintă concordanţa cu gradul de
structurare: probleme structurate şi nestructurate. Orice problemă poate fi descompusă
în subprobleme pentru analize separate.
În sfârşit, este important ca în faza de concepţie să se stabilească cine este
proprietarul problemei. O problemă există într-o organizaţie economică dacă aceasta
are opţiuni spre rezolvarea ei. Aşadar se tinde ca faza de concepţie să se sfârşească, practic, cu o
problemă structurată.
a) Faza de proiectare[29].
Extrem de consistentă şi importantă, faza de proiectare implică crearea, dezvoltarea
şi analiza posibilelor piste de acţiune şi include:
înţelegerea problemei,
generarea de soluţii,
testarea fezabilităţii soluţiei.
Problema fundamentală o reprezintă modelarea care determină la rândul ei
conceptualizarea problemei, abstractizarea spre un model numeric şi/sau alte forme
simbolice. Se ajunge deci la o “arhitectură“ a problemei.
Modelul poate fi adus la o formă simplificată (dacă aceasta este necesar) printr-un
set de presupuneri. Este însă foarte important să se găsească o balanţă justă între nivelul
de simplificare a modelului şi reprezentarea lui în realitate, ştiut fiind că un model
simplu conduce la manipulări uşoare şi la soluţii, dar este mult mai puţin reprezentativ
faţă de problema reală.
Dezvoltarea de alternative este dependentă direct de existenţa, veridicitatea şi
costul informaţiei şi cere expertize în domeniu. Creativitatea în elaborarea alternativelor
poate fi obţinută prin utilizarea cunoştinţelor umane, prin sesiuni dinamice de grupuri.
Căutarea de alternative poate continua în timpul evaluării ceea ce poate reduce eforturile
implicate şi a timpului afectat.
Evaluarea şi compararea alternativelor este necesară pentru estimarea unei ieşiri
aferente fiecărei alternative propuse. Estimarea ieşirilor presupune prelucrări specifice
întrucât situaţiile de decizie sunt frecvent clasificate în funcţie de cunoaşterea ce o au
decidenţii asupra problemelor.
b) Faza de alegere[29]
Faza de alegere presupune, în primul rând, găsirea unei soluţii la model.
Rezolvarea unui model nu este însă acelaşi lucru cu rezolvarea problemei pe care o
172
reprezintă modelul. Soluţia modelului conduce la recomandarea soluţiei problemei. Dacă
soluţia recomandată este implementată cu succes, atunci problema poate fi considerată ca
rezolvată.
Faza de alegere implică o căutare de alternative de acţiune care va rezolva
problema reală. Procesul de căutare este coroborat cu evaluarea care se face în funcţie
de scopul, obiectivele definite în problemă. Aceasta este pasul final ce duce la
recomandarea soluţiei.
În sfârşit analiza senzitivă - tinde să ajute managerii atunci când nu sunt siguri
asupra acurateţii sau importanţei relative a informaţiei. Analiza senzitivă permite o mai
bună înţelegere a modelului şi verifică robusteţea deciziei. Adăugarea de detalii asupra
variabilelor permite o bună structurare a problemelor. Analiza poate să spună
decidentului, de exemplu, probabilitatea pentru care o variabilă de intrare devine sigură
şi cât poate varia fără un impact semnificativ asupra soluţiei propuse.
c) Implementarea[29]
Odată ce soluţia propusă pare a fi cea mai rezonabilă suntem pregătiţi pentru
ultima fază, implementarea propriu-zisă. Implementarea unei soluţii la o problemă, a
unui nou mod de rezolvare, este, în genere, iniţierea unei noi ordini a lucrurilor sau, într-
un limbaj actual, implementarea unei schimbări.
Implementarea este un proces iterativ şi poate fi complicată, fiind un proces de lungă
durată şi largă implicare ale cărei ramuri sunt uneori vag definite. Implementarea reuşită
duce la rezolvarea problemei originale, greşeala sau insuccesul conduce la reântoarcerea
procesului iterativ. Este important de înţeles că, deşi există o scurgere generală între
concepţie, proiectare, alegere şi implementare, oricând există probabilitatea de
reîntoarcere la o fază anterioară. De exemplu, dacă decidentul aflat în faza de alegere
găseşte că nici una dintre alternative nu sunt compatibile cu cele curent valabile, se va
întoarce la faza de proiectare pentru a dezvolta noi alternative[29].
Această etapă constituie partea cea mai abstractă a procesului, dar ea este capitală
căci de calitatea misiunii depinde eficacitatea întregului proces decizional. În cazul unei
173
REALITATE
examinare - (cooperare
)
Faza de concepţie
Faza de proiectare
- Formulare model
- Dezvoltarea de alternative
- Evoluarea şi compararea alternativelor
Faza de alegere
- Soluţii la model
- Evaluare
- Analiza senzitivă
Faza de implementare
decizii de grup rolul participanţilor este foarte important în definirea misiunii, iar
coordonatorul trebuie să vegheze ca obiectivele să fie corect ierarhizate şi misiunea să fie
clar definită. Fazele elaborarii deciziei
174
criterii mai generale definite în cadrul unei strategii globale a organizaţiei. Ele pot fi mai
mult sau mai puţin specifice unui domeniu. În definirea criteriului trebuie să avem în
vedere domeniul strategic şi gradul de prioritate. Criteriile sunt determinate, în general,
de decident sau leaderul de grup (de reţea de decizie). Coeficienţii de ponderare a
criteriilor sunt calculaţi de aşa manieră încât o valoare negativă a unui criteriu să nu
poată fi nicidecum compensată cu suma valorilor criteriilor inferioare în clasamentul dat
de gradele de preferinţă.
175
prevăzute. Va trebui totodată să prevadă alte procese decizionale decurgând din procesul
în curs.
Planul de acţiune constituie o decizie complexă rezultat al procesului decizional
şi, în acelaşi timp, un program sigur de execuţie[29].
Fapt
DETERMINAREA MISIUNII
- Analiza faptului generator
- Cercetarea din aproape în aproape
probleme
obiective
generale
ELABORAREA STRATEGIILOR
Enunţul manevrelor ( M )
EVALUAREA STRATEGIILOR
M1 M2
M1 C110 C210
C211 Evaluarea
C111
M2 C120 C220
C121 C221
ALEGEREA
176
SUPORT METODOLOGIC AL PROCESULUI DECIZIONAL
FAPT MISIUNE
STRATEGIE
177
ţine cont la luarea deciziei[29].
c) Faptele permiţând luarea deciziei - au un caracter durabil şi sunt utilizate pentru
elaborarea planului de acţiune, specificitatea lor putând varia în funcţie de diferitele domenii. Se
pot distinge:
fapte care prezintă un caracter mai mult sau mai puţin permanent şi pot, prin
urmare, să fie stocate în baza de date sau de cunoştinţe, convenabil aduse la zi;
fapte care survin - sau sunt descoperite - la un moment dat şi sunt semnificative sau
revelatorii în procesul de luare a deciziei[29].
Bibliografie
[1] http://depmath.ulbsibiu.ro/chair/acu_mugur/manexe/NoteCursMaster.pdf
[2] http://bv.ucdc.ro/bv/F_3_modelarea-deciziei-finaciare-grigorescu.pdf
[3] https://se-b.spiruharet.ro/images/secretariat/2018-
2019/programe_licenta/management_if/sinteze/sem_2_an_3/sinteza_simulari_si_proiecte_de
_management.pdf
[4] https://profs.info.uaic.ro/~fliacob/An2/2010-
2011/Resurse/Modelare_modele%20matematice.pdf
[5] https://profs.info.uaic.ro/~fliacob/An2/2016-
2017/Modelare%20matematica_resurse/Consideratii%20privind%20conceptul%20de%20mo
delare%20si%20simulare.pdf
[6] http://store.ectap.ro/articole/158.pdf
[7] http://www.asecib.ase.ro/Mitrut%20Dorin/Curs/Gestiunea/02_ModelCibernetic.pdf
[8]http://www.aos.ro/wp-content/carti/978-606-8636-02-3-analiza-dimensionala-similitudine-
si-modelare.pdf
[9] http://noema.crifst.ro/ARHIVA/2012_3_14.pdf
[10] http://www.math.md/stireal/informatica/candidat/calcul_numeric_1.pdf
[11] http://www.mec.upt.ro/dolga/cap_3.pdf
[12]http://www.asecib.ase.ro/DorinMitrut/CursBazCib/Curs/pdf/Cap03_Modelarea_Metod
aDeStudiuACiberneticiiEconomice.pdf
[13] http://www.asecib.ase.ro/Paun/cap4-ads-intern.PDF
[14] http://www.asecib.ase.ro/BCIB/CAPITOLUL-6.pdf
[15] http://www.creeaza.com/afaceri/economie/CLASE-UZUALE-DE-MODELE-
CLASIFI559.php
178
[16] https://ro.wikipedia.org/wiki/Model_%C8%99tiin%C8%9Bific
[17] https://ro.wikipedia.org/wiki/Modelul_unui_sistem
[18] http://www.resist.pub.ro/Cursuri_master/PMEF/PMEF_Curs_10.pdf
[19] http://www.tipardeva.ro/sites/tipardeva.ro/files/fisiere-carti-karina/rasfoiti_55.pdf
[20] https://camo.ici.ro/neculai/z17a10.pdf
[21]
https://www.google.com/search?rlz=1C1GGRV_enRO756RO756&ei=iFlnXdeiKNKdsAfIl4
DQBQ&q=Elemente+de+teoria+grafurilor-doc&oq=Elemente+de+teoria+grafurilor-
doc&gs_l=psy-ab.3..33i160l2.7574.10097..10680...0.2..0.184.539.0j4......0....1..gws-
wiz.......0i71j0i22i30j0i13.zeM2-
mUCdf4&ved=0ahUKEwjXhrbvo6fkAhXSDuwKHcgLAFoQ4dUDCAo&uact=5
[22]
https://www.google.com/search?rlz=1C1GGRV_enRO756RO756&ei=ceBnXf3sL4f3kwWA
oaiQAQ&q=Elemente+de+teoria+sistemelor-doc&oq=Elemente+de+teoria+sistemelor-
doc&gs_l=psy-ab.3..33i160l3.4229.5981..6547...0.2..0.184.574.0j4......0....1..gws-
wiz.......0i71j33i22i29i30.BsQHj91ngjw&ved=0ahUKEwi96YDEpKjkAhWH-
6QKHYAQChIQ4dUDCAo&uact=5
[23] http://ime.upg-ploiesti.ro/attachments/article/102/TS%20Cap2.pdf
[24] https://profs.info.uaic.ro/~fliacob/An2/2016-
2017/Modelare%20matematica_resurse/Teoria%20sistemelor.pdf
[25] http://cogito.ucdc.ro/nr_3/10%20-
%20MODELE%20DE%20DECIZIE%20RATIONALA%20_rom_.pdf
[26] http://asecib.ase.ro/Nica/MO/Cap6.pdf
[29]
http://conferinta.academiacomerciala.ro/CD2015/ARTICOLE/1/ELABORAREA%20PROCE
SULUI%20DECIZIONALMiclaus.pdf
[30]
http://www.mpt.upt.ro/doc/curs/gp/Bazele_Managementului/Elaborarea_deciziilor_cap7.pdf
[31] https://conspecte.com/Management/procesul-decizional.html
[32] https://se-b.spiruharet.ro/images/secretariat/2017-
2018/programe_licenta/cig/sinteze/an_3_sem_2/sinteza_siad.pdf
[33] http://www.creeaza.com/referate/management/Modelarea-deciziilor-manageria284.php
179
CUPRINS
1.Teoria Modelarii..............................................................................................................pag.2
180
2.4.1 Algoritmul lui Kruskal.......................................................................................pag.104
4. Teoria deciziilor..........................................................................................................pag.144
181
4.3 Decizii privind interiorul sistemului firma...............................................................pag.151
4.5.4 Decidentul.............................................................................................................pag.158
6.3 Bibliografie.................................................................................................................pag.178
182