METODE ŞI TEHNICI DE MANAGEMENT

SPECIFICE CERCETĂRII OPERAŢIONALE

(I)
- Programare liniară -

Conţinut Timp de studiu

Programarea liniară, problema duală 2 ore

- să ştie să utilizeze metode şi tehnici de

management ce provin mai ales din cercetarea
operaţională, ca de pildă: programarea liniară,
şi respectiv problema duală din programarea
liniară

103
 INTRODUCERE
Cercetarea operaţională reprezintă ansamblul de principii,
metode si mijloace destinate elaborării de modele matematice ale
fenomenelor şi proceselor manageriale, în vederea adoptării unor
decizii care să contribuie la modificarea acestora în direcţia
dorită de manager. Cercetarea operaţională se bazează pe
aplicarea combinată a principiilor analizei ştiinţifice, logicii şi
interpretării în scopul soluţionării unor probleme cantitative care
se pun la adoptarea deciziilor manageriale. Programarea liniară
reprezintă un capitol al programării matematice, consacrat teoriei
şi metodelor numerice de rezolvare a problemelor de optimizare,
respectiv de maximizare sau minimizare, a unei funcţii liniare
de mai multe variabile, în condiţiile unor restricţii liniare sub
forma de egalităţi sau inegalităţi liniare.

TERMENI CHEIE

 program liniar
 funcţie obiectiv
 sistem de restricţii
 problema duală

104
8.1 Programarea liniară

Programarea liniară este una din metodele cercetării

operaţionale cu aplicaţii dintre cele mai extinse. Fie că intervine
în soluţionarea problemelor de alocare a resurselor, de transport
sau amestec, fie că este vorba de re-parametrizări în cadrul unor
astfel de probleme, soluţiile obţinute se bazează pe aceleaşi
considerente de ordin matematic. Programarea liniară intervine
însă şi în rezolvarea unor probleme care apar în teoria jocurilor,
precum şi în teoria stocurilor.
În formularea generală a unei probleme de programare
liniară, aij, Cj şi bi sunt constante date, iar XJ sunt numite variabile
de decizie şi trebuie determinate astfel încât să maximizeze funcţia
obiectiv supusă celor m constrângeri şi condiţiilor de non-
negativitate a variabilelor. Aşa cum am spus deja, aceasta este o
problemă de maximizare.
Obiectiv: max (z) = max (C1X1 + C2X2 + ... + CnXn)
Constrângeri a11X1 + a21X2 +... + a1nXn  b1
a21X1 + a22X2 +... + a2nXn  b2 (8.1)
……………………………………………..
am1X1 + am2X2 + ...+ amnXn  bm
X1  0, X2  0, .., Xn  0, i=1….m, j=1….n
Observaţii:
1. În setul de inecuaţii de mai sus “max” poate fi înlocuit cu
“min”, iar “” prin “”, în cazul în care problema necesită o
minimizare (de exemplu dacă în locul profitului ar fi fost
considerate cheltuielile de execuţie sau dacă era luat în considerare
un set de resurse totale minime). Pentru această situaţie problema
capătă următoarea formă generală:
Obiectiv: min (z) = min (C1X1 + C2X2 + ...+ CnXn)
Constrângeri a11X1 + a21X2 + ... + a1nXn  b1
a21X1 + a22X2 + ... + a2nXn  b2
………………………. (8.2)
am1X1 + am2X2 + ... + amnXn  bm
X1  0, X2  0, .., Xn  0, i=1….m, j=1….n
De asemenea, trebuie menţionat că în locul inegalităţilor din
constrângeri pot apărea egalităţi. Toate acestea conduc la
posibilitatea definirii formei standard a problemei de programare
liniară:
Obiectiv: min (max) C1X1 + C2X2 + ...+ CnXn
Constrângeri a11X1 + a21X2 + ... + a1nXn = b1
a21X1 + a22X2 + ... + a2nXn = b2

105
 ………………………….. (8.3)
am1X1 + am2X2 + ...+ amnXn = bm
X1  0, X2  0, .., Xn  0, i=1….m, j=1….n
Având în vedere cele arătate până aici putem observa că:
 sensul unei inecuaţii se schimbă prin înmulţire cu –1;
 deoarece min f(x) = –max (–f(x)), o problemă de
minimizare se poate transforma în una de maximizare şi
invers;
 de la forma generală se poate trece la cea standard
(respectiv de la inegalităţi în constrângeri la egalităţi)
ţinând seama că o inegalitate se poate transforma în
egalitate prin adăugarea sau scăderea unei variabile de
compensare sau de ecart.
2. Problemele de programare liniară se bazează pe
următoarele ipoteze:
 atât funcţia obiectiv cât şi constrângerile sunt funcţii
liniare de XJ (nu există puteri sau produse încrucişate ale
variabilelor); de asemenea, resursele utilizate sunt
proporţionale şi au proprietatea de a fi aditive (dacă sunt
necesare 2 ore pentru realizarea unei mese, pentru două
mese sunt necesare 4 ore, etc).
 valorile constantelor aij, Cj şi bi trebuie să aibă valori
certe şi nu probabilistice.

Aplicaţie
În două depozite de combustibil A1 şi A2 , se găsesc 200
tone, respectiv 300 tone de benzină. Aceste depozite sunt situate
în cadrul unei rafinării.
Benzina existentă în aceste rezervoare trebuie transportată
către trei staţii PECO, în locaţii diferite, notate B1 , B2 şi B3 , în
cantităţile: 100 t, 300 t, respectiv 100 t. Suplimentar, se cunosc
informaţii legate de costul transportului unei tone de combustibil
de la locaţia rezervor la o locaţie PECO. De la A1 la B1 4000
u.m., de la A1 la B2 9000 u.m., de la A1 la B3 3000 u.m., de la A2
la B1 5000 u.m., de la A2 la B2 8000 u.m., de la A2 la B3 7000
u.m.
Se cere să se propună un plan de transport astfel încât
costul total să fie minim, depozitele să-şi folsească toată
cantitatea solicitată, iar solicitările PECO să fie satisfăcute.

106
 Rezolvare
Pas 1. Se poate construi un tabel care să sintetizeze toate
informaţiile de tip date de intrare.

Staţii PECO
B1 B2 B3
Disponibil de
combustibil
Depozite
A1 4000 9000 3000 200
A2 5000 8000 7000 300
Necesarul de 500
100 300 100
combustibil 500

Pas 2. Identificarea necunoscutelor problemei

Necunoscutele, în acest caz, au în vedere acele cantităţi
care trebuie transportate de la un depozit la o staţie PECO.
Aceasta înseamnă că este necesar a introduce în aceste
necunoscute doi indici: unul care să menţioneze depozitul şi unul
care să menţioneze staţia PECO.
Pas 3. Determinarea funcţiei obiectiv a problemei.
Construirea sistemului de restricţii
Funcţia obiectiv:
f  4000x11  9000x12  3000x13  5000x 21  8000x 22  7000x 23 .
Această funcţie trebuie minimizată.
Sistemul de restricţii: restricţiile problemei de faţă au în
vedere două categorii de aspecte:
a) cantităţi disponibile de combustibil;
b) cantităţi necesare de combustibil.
Ţinând seama de acest lucru, rezultă două categorii de
constrângeri:
 A1 : x11  x12  x13  200

 A2 : x 21  x 22  x 23  300
 B : x  x  100
 1 11 21

B2 : x12  x 22  300

B : x  x  100
 3 13 23
 x ij  0


Metoda care presupune rezolvarea unui astfel de sistem se
numeşte metoda necunoscutelor principale şi a celor secundare.
Necunoscutele secundare se obţin prin redenumirea
necunoscutelor principale.

107
  x11 x

 x12 y
 x 21  100  x
x  300  y
 22
 x 23  100  x13  100  200  x  y  x  y  100
Cu aceste necunoscute secundare se încearcă reformularea
funcţiei obiectiv:
f  4000x  9000y  3000( 200  x  y )  5000(100  x )  8000( 300  y )  7000( x  y  100 ) 
 4000x  900y  600000  3000x  3000y  700000 
 3000x  5000y  2800000

Pe noul sistem de restricţii trebuie realizate comentarii ce

derivă din condiţiile de nenegativitate a necunoscutelor
principale.
x  0
y  0

200  x  y  0
x ij  0  
100  x  0
300  y  0

 x  y  100  0
Analiza acestui sistem se face cu ajutorul metodei grafice,
din programarea liniară. Pentru aceasta se ţine seama de faptul că
fiecare din condiţiile de mai sus reprezintă, la limită, ecuaţia unei
drepte.
y
y=300

B
D

A x

x=100 x+y=200

x+y=100
Aceasta înseamnă că într-un sistem de axe în plan xy se
vor reprezenta toate aceste drepte, care în final prin intersecţia
unor domenii care satisfac condiţiile sistemului de restricţii în
mod simultan vor genera un domeniu de forma unui poliedru
oarecare şi care conţine mulţimea de soluţii posibile pentru

108
problema respectivă. Problema este de a identifica din această
infinitate de soluţii pe aceea care corespunde funcţiei obiectiv a
problemei în sensul atingerii fie a minimului, fie a maximului
acesteia. De aceea, pentru a reduce în mod substanţial timpul
alocat analizei problemei şi a găsirii soluţiei optime se vor studia
doar acele puncte care sunt plasate pe laturile şi în vârfurile
acelui poliedru convex.
Domeniul haşurat reprezintă domeniul mulţimii de puncte
care satisfac sistemul de constrângeri şi de aceea trebuie
identificată o pereche de tipul ( x , y ) care să minimizeze valoarea
funcţiei obiectiv.
Se studiază valoarea funcţiei în vârfurile şi pe laturile
poligonului haşurat.
A( x  100, y  0 ) : f A  3100000
B( x  100, x  y  200, y  100 )
B( x  100, y  100 ) : f B  3600000
C( x  0 , y  200 ) : fC  3800000
D( x  0 , y  100 ) : f D  3300000
Pornind de la valoarea minimă a funcţiei obiectiv, care este
f A şi se obţine cu perechea x  100, y  0 , se stabilesc valorile
necunoscutelor principale:
 x11  100

 x12 0
 x13  100

 x 21 0
 x 22  300

 x 23 0

Obs: Se poate face o verificare a rezultatelor obţinute, în

sensul comparării lor (cantităţi disponibile – cantităţi necesare).
Prin plasarea necunoscutelor principale în acele celule
corespunzătoare matricei iniţiale, prin adunarea valorilor atât pe
orizontală cât şi pe verticală se poate concluziona asupra
corectitudinii soluţiei identificate. În cazul de faţă se obţine:
Staţii PECO
B1 B2 B3
Disponibil de
combustibil
Depozite
A1 100 0 100 200
A2 0 300 0 300
Necesarul de 500
100 300 100
combustibil 500

109
 8.2 Dualitatea în programarea liniară
Din punct de vedere teoretic, într-o problemă de alocare,
resursele şi activităţile se exprimă prin unităţi de măsură diferite.
Un astfel de caz poate fi întâlnit în cadrul unei întreprinderi
industriale şi mai precis pentru un sistem de producţie.
Se cunoaşte o situaţie, marcată de următoarele elemente:
- în sistemul de producţie se execută m produse diferite, în
cantităţi x1 , x 2 ,..., x n , având la dispoziţie un număr de n
maşini sau echipamente diferite;
- pentru a realiza o unitate de produs j sunt necesare a ij
unităţi de timp pe un echipament cu indicativul i ;
- suplimentar, se are în vedere că o aceeaşi operaţie
tehnologică poate solicita mai mult timp pe un echipament
în raport cu toate celelalte echipamente;
- ca dată cunoscută se consideră că timpul total disponibil pe
echipamentul de indicativ i e notat cu bi ;
- pentru a realiza o analiză a modului în care sunt consumate
resursele de către acel sistem, se consideră că prin
vânzarea unei unităţi de produs j se obţine un profit notat
cu c j .
Tabelul 8.1 Matricea corespunzătoare alocării de resurse şi
problemei duale
Activităţi Durata
corespunzătoare
1 2 3 … j … n
echipamentului
Echipamente utilizat
1 a11 a12 a13 a1j a1n b1
2 a21 a22 a23 a2j a2n b2
3 a31 a32 a33 a3j a3n b3
…
i ai1 11 a11 aij ain bi
…
m am1 am2 am3 amj amn bm
Profit unitar c1 c2 c3 cj cn
Fie z funcţia profit, care trebuie maximizată:
z  c1 x1  c 2 x 2  ...  c n x n
Există probleme care solicită în primă fază găsirea
maximului unei funcţii, iar ulterior, pe o aceeaşi situaţie, se
solicită să se stabilească valoarea minimă a cheltuielilor implicate
cu realizarea acelor cantităţi. De asemenea, e posibilă solicitarea
inversă, adică pornind de la identificarea valorii minime a

110
cheltuielilor pentru realizarea unor produse, se cere să se
stabilească valoarea maximă a profitului generat de vânzarea
produselor fabricate.
Dacă y este funcţia de cheltuieli, ea trebuie minimizată.
Pentru a determina valoarea maximă a funcţiei z, se
porneşte de la un sistem de restricţii, care corespunde situaţiei
prezentate.
a11 x1  a12 x 2  ...  a1n x n  b1

a 21 x1  a 22 x 2  ...  a 2 n x n  b2


(A): a i1 x1  a i 2 x 2  ...  a in x n  bi


a m1 x1  a m 2 x 2  ...  a mn x n  bm

 x1  0 ; x 2  0 ; ....x n  0
Pentru a construi o funcţie, tot de tip liniar şi care să aibă
relevanţă din punct de vedere al cheltuielilor, acest lucru poate fi
realizat în raport cu duratele maxime disponibile pentru fiecare
echipament care este utilizat la realizarea celor n produse.
Funcţia de cheltuieli y, care trebuie minimizată, se poate
scrie:
y  b1w1  b2 w 2  ...  bmw m
unde necunoscutele de tip w se constituie ca nişte ponderi care
atrag în discuţie nivelul de utilizare a fiecărui echipament în
parte.
Presupunând că este vorba de o funcţie liniară, se poate
construi un sistem liniar, asemănător celui anterior.
a11w 1  a 21w 2  ...  a i1w i  ...  a m1w m  c1

a12 w 1  a 22 w 2  ...  a i 2 w i  ...  a m2 w m  c 2


(B): a1 j w 1  a 2 j w 2  ...a ij w j  ...  a mj w m  c j


a1n w 1  a 2 n w 2  ...  a inw i  ...  a mn w m  c n

w 1  0 ; w 2  0 ; ....w m  0

Observaţie: Sistemul trebuie sa fie completat cu condiţii

suplimentare, legate de ponderile care trebuie determinate în
cazul funcţiei y ( w i  0, i  1, m ).
Întrucât valorile necunoscutelor iniţiale, x1 , x 2 ,..., x n
reprezintă mărimi nenegative, atunci putem multiplica fiecare
dintre condiţiile sistemului (B) cu câte o astfel de necunoscută.

111
 a11w 1 x1  a 21w 2 x1  ...  a i1w i x1  ...  a m1w m x1  c1 x1

a12 w 1 x 2  a 22 w 2 x 2  ...  a i 2 w i x 2  ...  a m2 w m x 2  c 2 x 2


a1 j w 1 x j  a 2 j w 2 x j  ...a ij w j x j  ...  a mj w m x j  c j x j


a1n w 1 x n  a 2 n w 2 x n  ...  a inw i x n  ...  a mn w m x n  c n x n
Prin însumarea termenului din stânga şi respectiv a
termenului din dreapta, se obţine:
w1 b1  w 2 b2  ...  w i bi  ...  w m bm  c1 x1  c 2 x 2  ...  c j x j  ...  c n x n
adică y  z.

Comentarii:
- dacă există un vector care să măsoare necunoscutele
iniţiale x1 , x 2 ,..., x n şi respectiv un vector care să conţină
necunoscutele w1 ,w 2 ,...,w m care să satisfacă restricţiile problemei
pentru care y  z , atunci valoarea lui z este valoarea maximă, iar
valoarea lui y este valoarea minimă;
- în situaţia concretă se consideră că y reprezintă
problema duală, iar z reprezintă problema primală.
- cunoscând o soluţie pentru problema duală, problema
primală se rezolvă având în vedere următoarele două observaţii:
1. dacă a1 j w1  a2 j w 2  ...  aij w i  ...  amj w m  c j
atunci x j  0 ;
2. dacă w i  0 atunci ai1 x1  ai 2 x 2  ...  ain x n  bi .

Studiu de caz
O firmă comercială deţine un depozit din care vinde un
acelaşi tip de produs, pe care îl achiziţionează de la un
producător. Se cunoaşte că acel depozit poate stoca până la 500
de astfel de obiecte. În fiecare lună, agentul care reprezintă firma
vinde orice cantitate, în limita stocului disponibil, la începutul
acelei luni. La sfârşitul lunii, el poate achiziţiona orice cantitate,
fără a depăşi însă, împreună cu stocul existent, la sfârşitul lunii,
capacitatea maximă de depozitare. Pentru următoarele şase luni,
previziunile sale asupra preţului de vânzare şi de cumpărare sunt:
Luna (i) 1 2 3 4 5 6
Preţ de cumpărare 27 24 26 28 22 21
Preţ de vânzare 28 25 25 27 23 23

112
 Dacă stocul iniţial în depozit era de 200 de obiecte, care
trebuie să fie strategia ce trebuie urmată pe perioada celor 6 luni,
astfel încât câştigul realizat să fie unul maxim?

Rezolvare
Ipoteză: în primă fază se neglijează cheltuielile de stocare.
Necunoscutele problemei se împart în două categorii:
x i - cantitatea achiziţionată de produse;
y i - cantitatea vândută către clienţi.
Funcţia de profit, z, va avea forma:
z  28y1  25y 2  25y 3  27 y 4  23y 5  23y 6  27 x1  24x 2  26x 3  28x 4  22x 5  21x6
Constrângerile sistemului se referă la două categorii de
condiţii:
a) depozitul nu poate vinde o cantitate mai mare decât
cea de care dispune
- prima lună: y1  200
- a doua lună: y 2  x1  y1  200
- a treia lună: y 3  x 2  y 2  200  x1  y1
- …
Această constrângere se poate generaliza:
n 1

( x
i 1
i  y i )  200  y n , de unde rezultă:
n n 1


i 1
yi  x
i 1
i  200 - restricţia (A)
b) valoarea care exprimă capacitatea depozitului nu
poate fi depăşită, adică pornind din prima lună cu o valoare de
200 de produse, tot ceea ce se adaugă prin diferenţa între nivelul
de achiziţionare şi cel de vânzare trebuie să fie inferior
maximului capacităţii de depozitare.
n n n
200  ( x
i 1
i  y i )  500  x  y
i 1
i
i 1
i  300 - restricţia (B)
Întrucât, în actuala formă, este dificilă identificarea
necunoscutelor iniţiale, este indicat a apela la determinarea
soluţiei optime a funcţiei duale a problemei. Pentru sistemul de
restricţii (A), trebuie determinat un număr de necunoscute ale
funcţiei duale ( u1 ,u2 ,...,u6 ) , iar pentru sistemul de restricţii (B)
trebuie determinate necunoscutele problemei duale ( v1 ,v 2 ,...,v 6 ) .
Astfel, se poate construi exprimarea funcţiei duale, care trebuie
minimizată:

113
 y  u1  200  u 2  200  u 3  200  u 4  200  u 5  200  u 6  200 
 v 1  300  v 2  300  v 3  300  v 4  300  v 5  300  v 6  300

Pentru a determina valorile necunoscute din funcţia duală,

trebuie construit un sistem de tip tabelar, care să conţină
necunoscutele funcţiei primale, termenii liberi ai sistemului de
restricţii, necunoscutele corespunzătoare funcţiei duale şi
termenii liberi corespunzători acesteia.

x1 x2 x3 x4 x5 x6 y1 y2 y3 y4 y5 y6
u1 1 200
u2 -1 1 1 200
u3 -1 -1 1 1 1 200
u4 -1 -1 -1 1 1 1 1 200
u5 -1 -1 -1 -1 1 1 1 1 1 200
u6 -1 -1 -1 -1 -1 1 1 1 1 1 1 200
v1 1 -1 300
v2 1 1 -1 -1 300
v3 1 1 1 -1 -1 -1 300
v4 1 1 1 1 -1 -1 -1 -1 300
v5 1 1 1 1 1 -1 -1 -1 -1 -1 300
v6 1 1 1 1 1 1 -1 -1 -1 -1 -1 -1 300
- - - - - - 28 25 25 27 23 23
27 24 26 28 22 21

Tabelul conţine coeficienţii necunoscutelor, din restricţiile

(A) şi (B):
n  1 : y 1  200
n  2 : y 2  y 1  x1  200
(A):
n  3 : y 3  y 2  y 1  x1  x 2  200
....

n  1 : x1  y 1  300
(B): n  2 : x1  x 2  y 1  y 2  300
....

În această fază, este necesar a determina care sunt valorile

necunoscutelor de tip u şi v .
v 6  21 
   v6  0
 u si v  0 

u 6  v 6  23
   u 6  23
u 6  23 
 u 6  v 5  v 6  22
   v5  1
v5  1 

114
 În mod asemănător, se obţin toate valorile pentru u şi v .

u1 u2 u3 u4 u5 u6 v1 v2 v3 v4 v5 v6
3 1 0 4 1 23 0 2 1 0 1 0

Aceste valori trebuie introduse în cele două situaţii:

1. dacă a1 j w1  a2 j w 2  ...  aij w i  ...  amj w m  c j
atunci x j  0 ;
2. dacă w i  0 atunci ai1 x1  ai 2 x 2  ...  ain x n  bi .
Din prima relaţie, se obţine: x1  0; x 4  0; x6  0; y 3  0
Valorile celorlalte necunoscute se obţin din a doua relaţie:

u1  y 1  200
u 2  y 1  y 2  x1  200
u 4  y 1  y 2  y 3  y 4  x1  x 2  x 3  200
u 5  y 1  y 2  y 3  y 4  y 5  x1  x 2  x 3  x 4  200
u 6  y 1  y 2  y 3  y 4  y 5  y 6  x1  x 2  x 3  x 4  5  200
v 2  x1  x 2  y 1  y 2  300
v 3  x1  x 2  x 3  y 1  y 2  y 3  300
v 5  x1  x 2  x 3  x 4  x 5  y 1  y 2  y 3  y 4  y 5  300

Astfel, se obţin valorile din tabelul următor:

x1 x2 x3 x4 x5 x6 y1 y2 y3 y4 y5 y6
0 500 0 0 500 0 200 0 0 500 0 500
Observaţii:
1. Valorile determinate pot fi incluse în expresia
funcţiei primale care măsoară profitul generat în
problemă;
2. Pentru a putea stabili care este valoarea maximală
a profitului trebuie verificată valabilitatea
condiţiilor determinate şi de celelalte variabile
duale.
u 3  y1  y 2  y 3  x1  x 2  200 ( 200  0  0  0  500  200 )
- adevărat;
v1  x1  y1  300 ( 0  200  300 ) - adevărat;
v 4  x1  x 2  x 3  x 4  y1  y 2  y 3  y 4  300 - adevărat;
v 6  x1  x 2  x 3  x 4  x 5  x6  y1  y 2  y 3  y 4  y 5  y 6  300
- adevărat.

115
 Valorile variabilelor primale vor fi introduse în expresia
funcţiei primale:

z  28 y 1  25 y 2  25 y 3  27 y 4  23 y 5  23 y 6  27 x1  24 x 2  26 x 3  28 x 4  22 x 5  21x 6
z  5600  13500  11500  12000  11000
z  7600 u.m.

Interpretarea soluţiei
Strategia ce trebuie pusă în aplicare este următoarea: în
lunile 1, 4, 6, se va vinde întregul lot de produse existent în stoc,
iar în lunile 2, 5, se cumpără întregul stoc ce se poate depozita.

Test de autoevaluare
1. Se dă următoarea problemă:
max 2x1+3x2+5x3
cu restricţiile:
x1+x2+x3 7
x1+2x2+2x3 13
3x1–x2+x3 5
şi x1 0, x2 0, x3 0.
Verificaţi dacă x1=0, x2=0,75 şi x3=5,75 constituie soluţia
optimă a acestei probleme.
2. Se dă următoarea problemă:
max 50x1+40x2
cu restricţiile:
3x1+5x2 150
0,8x1+0,5x2 30
x2 20
şi x1 0, x2 0
Care este soluţia optimă a acestei probleme?

Răspunsuri: 1- soluţia propusă este soluţia optimă a problemei;

2- x1=30; x2=12; fmax=1980 u.m.

Lucrare de verificare
Pentru a-şi completa veniturile, un student trebuie să
lucreze cel puţin 20 de ore pe săptămână. El găseşte de lucru în
două magazine, M1 şi M2. În M1, el poate lucra între 5 şi 12 ore

116
pe săptămână, iar în M2, între 6 şi 10 ore. El are acelaşi salariu pe
oră în ambele magazine.
Studentul trebuie să se decidă câte ore să lucreze în fiecare
magazin, ţinând seama de cuantificarea factorului stres.
Bazat pe interviurile la care a participat, el evaluează că,
pe o scală de la 1 la 10, stresul la magazinul M1 este evaluat la 8,
iar la M2 este considerat 6 pe oră. Folosind programarea liniară se
cere să se determine câte ore va lucra studentul la fiecare
magazin, pentru a fi stresat cât mai puţin?

Bibliografie selectivă

Anderson, D.R., Sweeney, D.J., Williams, Th., An Introduction

to Management Science, Quantitative Approaches to Decision
Making, 10th ed., South-Western, Thomson Publishing, 2002.
Chrystal, K.L., Lipsey, R.G., Economics for Business and
Management, Oxford University Press, 1997.
Griffin, R.W., Management, 7thed., Houghton-Mifflin, 2002.
Lapin, L.L., Whisler, W.D., Quantitative Decision Making,
7thed., Duxbury, Thomson Learning, 2002.
Lawrence, J.A. jr., Pasternack, B.A., Applied Management
Science, 2nd ed., John Wiley and Sons Inc., 2002.
Popescu, C.(coord.), Albu Mădălina, Oţelea Mihaela, Metode,
tehnici şi instrumente aplicate în management, Editura
Universităţii Petrol-Gaze din Ploieşti, 2012.
Popescu, C., Culegere de aplicaţii în management, Editura
Universităţii din Ploieşti, 2003.
Render, B., Stair, R.M. jr., Hanna, M.E., Quantitative Analysis
for Management, 8th ed., Pearson Education Inc., New Jersey,
2003.
Rusu, E., Decizii optime în management, prin metode ale
cercetării operaţionale -Probleme şi studii de caz, Editura
Economică, Bucureşti, 2001.

117
Swift, L., Quantitative Methods for Business, Management &
Finance, Palgrave, New York, 2001.
Whigham, D., Quantitative Business Methods Using Excel,
Oxford University Press, 1998.
Wilkes, M., Operational Research, Analysis and Applications,
McGraw-Hill Book Company, 1989.
Winston, W., Albright, S.C., Practical Management Science, 2nd
ed., Duxbury, Thomson Learning, 2001.

118