Documente Academic
Documente Profesional
Documente Cultură
1
Fie x j timpul de funcţionare al maşinii M j , iar c j beneficiul obţinut
prin funcţionarea lui M j în unitatea de timp, 1 j n . Un sistem de numere
a x
j 1
ij j bi , 1 i m şi x j 0 .
n
2
c) Problema folosirii optime a resurselor.
O unitate economică trebuie să producă produsele P1 , P2 ,..., Pn având
la dispoziţie cel mult cantităţile b1 , b2 ,..., bm din resursele R1 , R2 ,..., Rm .
Ştiind că producerea unei unităţi din produsul Pj necesită cantitatea aij din
resursa Ri şi că prin livrarea unei unităţi din acelaşi produs se obţine beneficiul
C j , 1 i n se cere să se determine cantităţile x1 , x 2 ,..., x n din produsele
P1 , P2 ,..., Pn astfel ca beneficiul să fie maxim. Deci:
n
max c j x j in conditiile
j 1
n
aij x j bi , 1 i m
j 1
x 0 j 1,2,...,n
j
d) Problema de transport.
Se dau depozitele D1 , D2 ,..., Dn , având disponibilă o marfă în
cantităţile b1 , b2 ,..., bn ; consumatorii C1 , C2 ,..., Cm solicitând marfa în
cantităţile b'1, b'2, ..., b'm; şi costul unitar cij de transport al mărfii de la
depozitul Di la consumatorul C j .
Se cere să se găsească un sistem de numere nenegative
x , i 1,2,..., n; j 1,2,..., m unde
ij xij este cantitatea de marfă
transportată de la Di la C j , care să facă minim costul de transport, adică
n m
funcţia f cij xij şi să nu depăşească disponibilul din nici un depozit,
i 1 j 1
m
adică: x
j 1
ij bi , i 1,..., n şi să satisfacă măcar cererea fiecărui
m
consumator, adică: x ij b 'j , j 1,..., m
i 1
3
transport impune condiţia ca disponibilul total să depăşească sau să fie măcar
egal cu cererea totală, adică:
n m
1 b b'
i 1
i
j 1
j
Tabelul (T)
Consumatori C1 C2 ... Cm Disponibil
Depozite
D1 c11 c12 ... c1m b1
c21 c22 ... c2 m
D2 b2
cn1 cn 2 ... cnm
Dn bn
Cerere b'1 b'2 ... b'm
n
min f
c j x j in conditiilerestrictive
j 1
2 PL min n
aij x j bi , 1 i m, bi 0
j 1
x j 0, 1 i n
4
n
max f
c j x j in conditiile
j 1
3 PL max n
aij x j bi , 1 i m, bi 0
j 1
x j 0, 1 j n
Condiţiile restrictive se mai numesc şi restricţiile programului liniar.
Dacă notăm:
x1 , x2 ,..., xn T X ; a
ij 1i m
1 j n
A
5
Definiţia II.3.2 Un program admisibil X care minimizează (sau
maximizează, în funcţie de problemă) funcţia liniară asociată acelei probleme se
numeşte program optim (sau soluţie optimă).
min 2 x1 3x 2 3x 3 x 4
x x x x 2
1 2 3 4
x1 x 2 3x 3 x 4 4
x j 0, 1 j 4.
x1
1 1 1 1 x 2 2
1 1 -3 1 x 3 4
x4
X 0, rang A = 2
6
1 1 1 1 2
x1 x2 x3 x4
1 1 3 1 4
a1 a2 a3 a4 L
3 3 5
0 1 1
X ; X ; X
1 2 3
0 0 1
1 0 1
1 1
primele două fiind şi programe de bază nedegenerate cu bazele B 1 ;
1 1
1 1
respectiv B 2
1 1
1 1 4 2 1
(sau cu notaţiile anterioare B a , a ; B a , a .
2
Valorile funcţiei obiectiv, corespunzătoare celor trei programe sunt:
f X 1 7, f X 2 3, f X 3 5. Programul X
3
nu este de bază deoarece
vectorii coloană corespunzători componentelor nenule, respectiv:
1 2 3 4
a , a , a , a sunt liniar dependenţi.
1
0
Vectorul X 4 , deşi verifică sistemul de restricţii nu este program
1
0
admisibil deoarece nu are toate componentele nenegative.
Notăm cu P mulţimea soluţiilor posibile ale unei probleme PL - min.
Deci
P x Rn AX L, X 0 şi notăm cu P mulţimea programelor
optime ale acestei probleme:
P X P CT X CT X ; X P .
Teorema II.3.1. Mulţimile P şi P sunt convexe.
7
Pentru a demonstra este că
convexă, P fie
X , Y P deci C X C Y min C X º i 0 1. Avem:
T T T
XP
C T X 1 Y C T X 1 C T Y min C T X
XP
Deci X 1 Y
este optim.
8
-x s
- dacă luam j s si vom avea x s y s 0 cãci = =
ys
xi
Observând că min vom avea în ambele cazuri
i I 2 y i
xi yi 0 1 i n si , .
Dacă I 1 si I 2 luăm iar dacă I 1 si I 2
luăm .
Demonstraţia lemei este încheiată.
9
lui A corespunzătoare celor r componente nenule din X . Dacă aceste coloane
sunt liniar independente atunci X este program optim de bază. Presupunem
prin absurd că aceste coloane ar fi liniar dependente. Cu aceleaşi notaţii ca în
Y Rn satisfăcând AY 0.
demonstraţia precedentă găsim un
Dacă C Y 0 am putea alege un 0 , astfel încât
T
X Y P si C T Y 0;atunci
C T X Y C T X C T Y C T X contrar faptului că X este
program optim; deci C Y 0.T
# 4. Algoritmul simplex
10
min f X CpT X p CsT X s
7 B X p N Xs L
X 0
Înmulţind BX p NX s L la stânga cu B 1 obţinem:
8 E X p B1 N X s B1 L
care reprezintă transcrierea sistemului de restricţii în baza B, căci dacă scriem
m
a j zij a i , 1 j n (exprimarea vectorilor coloană în funcţie de
i 1
vectorii bazei B) vom avea:
zij ij pentru 1 i, j m si z ij 0 pentru m+ 1 j n. Corespunzător
programului X problema (2) devine:
m
f X
ci x i
i 1
9 n
xi
z ij x j x i
j m1
c
n
13 f X Z j Zj xj
j m 1
Observăm că
Z f X si Z CpT B1 L.
Acum putem asocia problemei PL- min următorul tabel:
11
Cp B c1 c2 cn X
a1 a2 an
vectorii z11 z12 ... z1n componentele
(S) bazei nenule ale lui
X
zm1 zm2 ... zmm
Cj Z j ..................................
.......
f X
Teorema II.4.1. Dacă X este un program de bază nedegenerat pentru
PL - min şi în tabelul asociat (S) avem c j Z j 0 m 1 j n atunci
X este program optim.
Demonstraţie: Din (13) avem:
cj
Z j xj f X
n
f X f X pentru orice program admisibil X.
j m1
0 0
Deci X este optim.
Teorema II.4.2. Dacă X este un program de bază nedegenerat şi în
tabelul simplex asociat (S) există un t, m 1 t n, astfel încât
ct Zt 0 si z it 0 1 i m , atunci PL - min nu are optim finit.
T
Demonstraţie: Fie: X x1 , x 2 ,..., x n unde:
x t , R
x i xi zit ; 1 i m
x j 0; m 1 j n, j t
Astfel avem x j 0 1 j n.
Pentru 1 i m avem:
a x
n m n m m m
a a a a a
ij x j ij x j ij x j ij
j z jt a it ij x j ij z jt a it
j 1 j 1 j m1 j 1 j 1 j 1
m n m
(folosind (9)) a x ij j z jh h
x
a ij z jt ait
j 1 hm1 j 1
12
m m n m m n
a ij x j a z
ij jh x h
ait ait a ij x j a ij z jh x h
j 1 j 1 h m1 j 1 j 1 h m1
m n m m n m m
aij x j aij z jh x h aij x j xh
aij z jh a ij x j
j 1 h m1 j 1 j 1 h m1 j 1 j 1
n m n n
x h aih (renotã m pe h cu j) aij x j x j aij a ij x j bi
h m1 j 1 j m1 j 1
Teorema II.4.3. Dacă X este un program de bază nedegenerat pentru
PL - min, iar în tabelul simplex asociat (S) există un t,
m 1 t n cu ct Z t 0 şi cel puţin un indice i, 1 i m , astfel încât
zit 0 , atunci alegând s, 1 s m , după criteriul:
xs x
14 min i / 1 i m, zit 0
zst zit
s t
se poate substitui în baza B vectorul a cu vectorul a , obţinând o bază B' ,
corespunzătoare unui program de bază X ' care ameliorează valoarea funcţiei
obiectiv.
13
x s
xi' xi zit , deci o sumă de numere nenegative; iar dacă zit 0
z st
xi xs
avem x zit şi ţinând seama de (14) înseamnă că xi' este produs
'
zit zst
i
T
Deci X ' x1' , x2' ,..., xn' este o soluţie de bază. Valoarea funcţiei obiectiv
pentru X ' este:
c j Z j x 'j f X ct Z t xt' f X .
n
f X ' f X
j m1
14
-Pasul 5 .Concluzie: “PL - min are optim X iar valoarea minimă f X ".
STOP.
Exemplul II.4.1. Fie problema:
min f 5x1 7 x 2 9 x 3 2 x 4 x 5
3x1 2 x 2 x 3 5 x 4 3x 5 7
xj 0 j 1,2,...,5
2 x1 x 2 x 3 3x 4 x 5 4
Alegem X 1,2,0,0,0 . Avem:
T
5 7 9 2 1
1 2 3 4
a a a a a5
5 a1 1 0 1 1 -1 1
7 a2 3 2
0 1 -1 1
cj Z j 0 0 11 -10 -15 19
Deci a 5 intră în bază, a 2 iese din bază, z25 - pivot. Se execută pivotajul
şi obţinem:
5 / 3
5 a1 1 1/3 2/3 4/3 0 5/ 3 0
1 a5 2/3
0 1/3 -1/3 1/3 1 X ' 0 f X ' 9
0
cj Z j 0 5 6 -5 0 9
2 / 3
15
2 a4 3/ 4 1/ 4 1/ 2 1 0 5/ 4
1 a 5
1 / 4 1 / 4 1 / 2 0 1 1/ 4
cj Z j 15/4 25/4 17/2 0 0 11 / 4
16
restricţiile problemei.
P x1 x 2 4
x 2 0, x1 R
se transformă în:
' ''
min f 2 x1 2 x1 x 2
2 x ' 2 x '' x y 4
1 1 2 1
'
P ' x1 x1 x 2 y 2 4
''
x1' , x1'' , x 2 , y1 , y 2 0
17
m
min g
xi
a
i 1
n
17 a
j 1
PL min a ij x j x i bi , 1 i m
a
x j 0, x ia 0, 1 j n, 1 i m.
Sistemul de restricţii este un sistem de m ecuaţii cu n + m necunoscute.
T a
Se observă că 0,0, ...,0, b1 , b2 ,..., bm este o soluţie de bază pentru PL min
cu care se poate pleca în algoritmul simplex. Deoarece funcţia obiectiv g este
pozitivă, vom găsi cu certitudine un program optim de bază pentru care
a
min g 0. Dacă min g = 0 atunci componentele x i în programul optim de bază
pentru (17) sunt nule şi eliminându-se aceste zerouri, corespunzătoare
variabilelor xia din acest program optim de bază al PLa min , se obţine un
program de bază X pentru (16).
Faza a II-a: În continuare se aplică algoritmul simplex pentru (16) cu
programul de bază X0. Dacă min g > 0 atunci (16) nu are soluţii admisibile.
Exemplul II.5.2.
min f x1 6 x 2
2 x x x 3
1 2 3
x1 3 x 2 x 4 4
x i 0 i 1,2,3,4
Faza I:
1
min g x a x a
2
a
2 x1 x 2 x 3 x1 3
PL min
a
x 3x x x a 4
1 2 4 2
x 0 a a
i 1,2,3,4, x1 , x 2 0
i
Care are soluţia de bază 0,0,0,0,3,4 . Aplicăm algoritmul simplex:
T
0 0 0 0 1 1
a1 a2 a3 a4 a5 a6
18
1 a5 2 1 -1 0 1 0 3
1 a6 1 3 0 -1 0 1 4
-3 -4 1 1 0 0 7
1 a5 5/3 0 -1 1/3 1 -1/3 5/3
0 a2 1/3 1 0 -1/3 0 1/3 4/3
-5/3 0 1 -1/3 0 4/3 5/3
0 a1 1 0 -3/5 1/5 3/5 -1/5 1
0 a2 0 1 1/5 -2/5 -1/5 2/5 1
0 0 0 0 1 1 0
19
Se pune întrebarea cum alegem în acest caz pivotul (linia pivotului)?
Vom înlocui X cu:
n
X X a j unde 0 este un număr
j
(18)
j 1
a
j j
Deci este o combinaţie liniară de vectorii a j cu coeficienţii
j 1
, , 3 ,..., n .
2
xs xu
(20) atunci pentru acest vom avea:
zst zut
(21)
xs x
u
zst zut
Împărţind (19) la zst dacă k s şi la zut dacă k = u obţinem:
(22)
xs x
s
n
j zsj
zst zst n 1 zst
(23)
x
u x
u
n
j zuj
zut zut n 1 zut
j
Din relaţiile (22) şi (23), comparând coeficienţii lui , obţinem compararea
celor două linii, care este o comparare lexicografică: dacă j este primul indice
zsj zuj xs xu
pentru care atunci şi adică
zst zut zst zut
20
x
1 i m, zit 0 se atinge pentru i s . Deci pivotul va fi
i
min zst ,iar
zit
linia s este linia pivotului.
Făcând 0 se revine la problema iniţială.
xs xu
În practică, dacă am ajuns la un pas în care avem: se
zst zut
procedează astfel:
2 1 1 1
1 2 3
a a a a4
2 a1 1 0 0 4/5 12 / 5 12 / 5
2
3
1 a 0 1 0 2/5 6/5 4/5
6/ 5
1 a3 8 3
0 0 1 2 2/5
cj z j 0 0 0 -3 14
5/ 4 0 0 1
0 5/ 2 0 1
Primul raport mai mic apare pe linia a doua, deci z24 este pivotul.
21
min f X C T X
(24) A X L
X 0
i se asociază problema:
y1
max g Y LT Y
y2
(25) AT Y C unde Y
Y0
ym
Problema (24) se va numi primală iar problema (25) duala problemei
(24) şi reciproc.
Exemplul II.7.1
min f x1 2 x 2 2 x 3
x1 2 x 2 x 3 x 4 1
2 x1 x 2 x 3 x 4 2
x1 x 2 x 3 x 4 1
xi 0, i 1,2,3,4
Folosind tabelul:
X L
x1 x2 x3 x4
Y
y1 1 2 1 1 1
y2 2 1 1 1 2
y3 1 1 1 1 1
1 2 2 0 C
găsim duala:
max g Y y1 2 y2 y3
y1 2 y2 y3 1
2 y1 y2 y3 2
y1 y2 y3 2
y y2 y3 0
1
yi 0, i 1,2,3
22
Teorema II.7.1. Fie X o soluţie posibilă pentru problema (24) şi Y o
soluţie posibilă pentru problema (25). Atunci f X gY
Pe de altă parte: AT Y C X T AT Y X T C C T X f X
Dar cum Y T A X A X Y X T A T Y
T
ajungem la concluzia
g Y f X .
Teorema II.7.2. Dacă (24) are optim finit atunci (25) are optim finit şi
avem max g Y min f X sau C T
X LT Y unde X este o
soluţie optimă pentru (24) iar Y o soluţie optimă pentru (25).
Y T L Y T A X X T AT Y X T C
sau: Y T L AX 0;
X T AT Y C 0.
Dualitatea se foloseşte cel mai frecvent în cazul în care problema
primală necesită calcule multe:
23
Exemplul II.7.2.
min f 3x1 x 2
2 x1 x 2 1
x1 x 2 1
3x1 2 x 2 3.
2 x 3x 2 1
1
xi 0, i 1,2
max g y1 y 2 3 y 3 y 4
2 y y 3 y 2 y 3
1 2 3 4
y1 y 2 2 y 3 3 y 4 1
yi 0 i 1,4
aceasta necesită numai două variabile de egalizare. Obţinem:
1 1 3 1 0 0
a1 a 2 a3 a4 a5 a6
0 a5 2 1 3 2 1 0 3
a6 1
0 1 1 2 3 0 1
-1 -1 -3 -1 0 0 0
0 a 5 1/2 -1/2 0 -5/2 1 -3/2 3/ 2
1/ 2
3 a3
1/2 1/2 1 3/2 0 1/2
1/2 1/2 0 7/2 0 3/2 -3/2
24
număr de restricţii număr de variabile
minim maxim
maxim minim
termeni liberi ai restricţiilor coeficienţii funcţiei obiectiv
coeficienţii funcţiei obiectiv termenii liberi ai restricţiilor
coloanele matricii restricţiilor liniile matricii restricţiilor
restricţie concordantă variabilă nenegativă
restricţie neconcordantă variabilă nepozitivă
restricţie egalitate variabilă liberă
variabilă nenegativă restricţie concordantă
variabilă nepozitivă restricţie neconcordantă
variabilă liberă restricţie egalitate
Exemplul II.7.3.
min f 3x1 2 x2 x3 x4
2 x1 x2 x3 x4 5
x1 2 x2 x3 2 x4 10
x1 x2 2 x3 x4 10
x1/ 2 0, x3 0, x4 R
Duala va fi:
max g 5y1 10 y 2 10 y 3
2 y1 y 2 y3 3
y1 2 y2 y 3 2
y1 y 2 2 y3 1
y1 2 y 2 y3 1
y1 0, y 2 0, y3 R
25
#.8 Problema transportului
n m
min f X
cij xij 26
i 1 j 1
m
x b , 1 i n
ij i 27
j 1
n
PT : xij b 'j , 1 j m
j 1
28
m n
b'
j
bi 29
j 1 i 1
xij 0 i , j
numită şi forma standard.
m n
În cazul în care avem b b , atunci în tabelul (T)
i 1
'
j
i 1
i
n m
introducem coloana (m+1)-a cu bm' 1 b b i
'
j º i ci ,m1 0 1 i n;
i 1 j 1
m n
iar in cazul cã b 'j b i introducem linia (n+1)-a cu
j 1 i 1
m n
bn' 1
j 1
b 'j b
i 1
i si cn1, j 0 1 j m.
26
O problemă de transport se poate rezolva prin metoda simplex dar există
şi metode specifice.
Pentru început vom prezenta două metode specifice pentru obţinerea
unui program de bază; în cazul unui exemplu concret:
C1 C2 C3 D
D1 2 5 3 100
D2 4 2 1 120
D3 7 8 3 70
N 80 110 100
Metoda 1 .În colţul din N-V se trece min D1 , N1 min100,80 80.
Deoarece necesarul N 1 s-a epuizat se trece 0 (sau se lasă libere, sau se
haşurează) celelalte căsuţe de pe prima coloană. Iar D1 devine 100 80 20 .
Obţinem tabelul:
C1 C2 C3 D
D1 80 20
D2 /////////// 120
D3 /////////// 70
N 110 100
27
c C2 C3 D
D1 80 20 ///////////
D2 /////////// 120
D3 /////////// 70
N 90 100
80 20 0
0 90 30
0 0 70
care este nedegenerat (are m n 1componente; în cazul de faţă m=3, n=3).
Metoda 2 Metoda minimului pe linie:
Căutăm costul minim din prima linie; îl găsim pe poziţia c11 2. În căsuţa
respectivă , trecem min N1 , D1 min80,100 80 . Deoarece N 1 s-a epuizat
haşurăm celelalte căsuţe ale coloanei C1 ; iar D1 a devenit 100-20=80.
Tabelul s-a transformat în:
C1 C2 C3 D
D1 80 20
D2 /////////// 120
D3 /////////// 70
(N) 110 100
În tabelul rămas, compus din coloanele C2 şi C3 căutăm din nou cel mai
mic cost de pe prima linie: găsim c13 3 . În căsuţa corespunzătoare trecem
min D1 , N 3 min20,100 20. Deoarece D1 s-a epuizat, haşurăm căsuţele
libere din prima linie, iar N 3 a devenit 100-20=80. Obţinem tabelul:
C1 C2 C3 D
D1 80 /////////// 20
D2 /////////// 120
28
D3 /////////// 70
(N) 110 80
80 0 20
0 110 10
0 0 70
care este diferit de cel obţinut prin metoda colţului N-V. Lucrurile se petrec la
fel dacă căutăm costul minim de transport de pe o coloană.
De regulă în rezolvarea unei probleme de transport, după ce i s-a
determinat un program de bază, se foloseşte duala sa:
n m
max g
i 1
bi ui
j 1
b 'j v j
n m
PT d :
i 1 j 1
ui v j cij
u , v R , 1 i n, 1 j m
i j
Conform teoremelor dualităţii avem:
g Y f X pentru orice pereche de soluţii duale X,Y.
max g Y min f X în cazul în care avem optim.
Înlocuind în gY valorile bi , 1 i n şi b'j , 1 j m cu
expresiile date de modelul primal ((27), respectiv (28)), găsim:
n m m n n m
30 xijui xijv j ui v j xij
i 1 j 1 j 1 i 1 i 1 j 1
n m n m
31 ui v j xij cij xij unde xij 0
i 1 j 1 i 1 j 1
sau:
u v
n m
32 i j cij xij 0, xij 0.
i 1 j 1
Dacă X este optim finit pentru problema primală avem
max g Y min f X şi inegalitatea (32) se transformă în egalitate. Cum
xij 0 i , j ajungem la concluzia:
29
33 ui v j cij 0 dacã xij 0.
Tot de aici reiese că dacă pentru un xij 0 avem ui v j cij 0 atunci
X nu este optim.
Cum xij 0 sunt în număr de m+n-1 atunci (33) reprezintă m+n-1 relaţii
cu m+n necunoscute ( ui sunt în număr de n, iar v j în număr de m). Ţinând
seama şi de forma sistemului (33) este suficient să facem u1 0 pentru a
obţine restul necunoscutelor.
Condiţia ca X să fie optim revine la faptul că ui v j cij 0 pentru
xij nebazici.
Notând ui v j C0 şi cij C0 0 condiţia ca X să fie optim
devine 0 0 pentru xij nebazici. Dacă nu toţi 0 0 pentru xij nebazici,
se trece la îmbunătăţirea programului:
Se alege crs C0 min 0 0 0 .
i , j
xrs corespunzătoare, nebazică se introduce în bază. Pe linia r,
Variabila
dintr-un xrk bazic trebuie scăzut un xrs , pentru a nu modifica disponibilul
Dr şi atunci pe coloana k, la un x pk bazic trebuie adăugat xrs pentru a nu
modifica necesarul N k şi în consecinţă pe linia p la un x ps trebuie scăzut
xrs pentru a nu modifica disponibilul Ds .
Notând xrs , se formează astfel un ciclu:
x ps x pk
x rk
Alegând minx ps , xrk se obţine o nouă soluţie de bază. Se calculează
din nou C0 , 0 , ş.a.m.d., până în momentul în care nu mai avem 0 0 .
Toate aceste rezultate se pun într-un tabel specific pe care îl prezentăm
în contextul problemei exemplu anterioare.
30
X0 C0
v1 v2 v3 vj 2 5 4 0 Ciclul
ui
u1 80 20 0 /// /// 4 -1 20-
u2 90 30 -3 -1 /// /// 5 90+ 30-
u3 70 -1 1 4 /// 6 4
X1 C0
v1 v2 v3 vj 2 4 3 0
ui
u1 80 20 0 //// 4 //// //// 1 ////
u2 110 10 -2 0 //// //// 4 ////
u3 70 0 2 4 //// 5 4 ////
31
Am obţinut 0 0 i , j nebazici, deci soluţia X1 este optimă.
Observăm că ea coincide cu soluţia de bază determinată cu ajutorul metodei
costului minim pe linie.
2.
D1 D2 D3 D4 N
C1 1 3 2 5 50
C2 6 2 3 2 20
C3 4 5 1 1 60
D 30 10 10 80
Observaţie: Mai întâi trebuie transpus acest tabel. Se va găsi soluţia de bază:
30 0 0
0 10 0
.
0 0 10
20 10 50
32
3.
C1 C2 C3 D
D1 2 3 1 50
D2 4 5 2 30
N 30 10 40
4.
C1 C2 C3 D
D1 5 2 1 20
D2 3 4 2 40
D3 5 4 3 40
(N) 40 10 30
C1 C2 C3 C4 D
D1 5 2 1 0 20
D2 3 4 2 0 40
D3 5 4 3 0 40
N 40 10 30 20
max f x 3 x1 x2
2 x 3x x 4 T
44 4
1.)
1 2 3 136
Sol. X optim ; ;0;0 max f
5 x1 2 x2 x4 12 19 19 19
xi 0 i 1,4.
33
min f x x1 2 x2 2 x3
2 x1 x2 x3 x4 1
Sol: X optim 5,0,11,0,19,0
T
2.) x1 2 x2 2 x3 x5 2 min f 27
3 x1 x2 x3 x6 4
xi 0 i 1,6
min f x x 4 2 x5 3x 6
x1 x 4 2 x 5 x 6 3
Sol: X optim 0,0,0,2,7,11
T
3.) x 2 3x 4 x5 x 6 4 min f 47
x 3 x 4 3x5 2 x 6 1
xi 0
max f x 3 x1 2 x2 4 x3 2 x4
x1 2 x2 x3 2 x4 x5 2
4.) x1 3x2 x3 x4 x6 1
x1 x2 4 x3 x4 x7 2
xi 0 i 1,7
Sol: X optim 0,0,0,1,4,0,3 ;
T
max f 2.
min f x 3 x1 x 2 2 x 3 x 7 4
x1 2 x 2 3 x 3 x 4 x 7 1
5.) x1 x 2 x 3 x 5 x 7 2 Sol: nu are optim finit
x1 x 2 2 x 3 x 6 2 x 7 3
xi 0
34
II. Să se aducă la forma standard şi apoi să se rezolve problemele:
max f x 3x1 2 x 2 4 x 3
x 2x x 5
6.)
1 2 3
Sol: nu are optim finit
x1 4 x 2 x 3 1
xi 0
max f x 7 x1 4 x 2
x x 1
7.) Sol: X optim 2,1,2,0,0
1 2 T
max f 18
x1 2 x 2 4
x1 2 x1,2 0
min f x 2 x1 3 x 2 x 4
x1 2 x 2 3 x 3 x 4 1
8.) x1 x 2 x 3 x 4 2 Sol: X optim 8,11,0,5
T
x1 x 2 2 x 3 2 x 4 3
xi 0 i 1,4
max f x y z
2 x y 3
Sol: X optim 111
,,
T
9.) 2 y z 3
x 2z 3
x, y, z 0
max f x y z
x y 1
T
1 1 1
10.) y z 1 Sol: X optim ; ;
2 2 2
x z 1
x, y, z 0
35
min f x 2 x1 x 2 x 3
x1 x 2 x 3 1
11.) Sol: nu există minim
2 x 2 x 3 4
x i 0 i 1,3
max f x 2 x1 x 2
2 x1 x 2 4
Sol: X optim 4,0
T
12.)
x1 x 2 4
x R, y 0
min f 2 x1 3 x 2 2 x 3
x1 x 2 x 3 1
13.) x1 2 x 2 3 x 3 4
2 x1 x 2 2 x 3 3
xi 0 i 1,3
min f x x1 2 x 2 x 3
x x 2x 1
14.)
1 2 3
Sol: X optim 0,0,1 / 2 T
x1 x 2 x 3 4
x1 , x 2 0 x3 R
max f x x1 2 x 2 3x 3
x x x 6
15.)
1 2 3
2 x1 3 x 2 x 3 6
x1 2, x 2 3, x 3 0
Indicaţie: Se face mai întâi schimbarea de variabile:
x x1 2, x x2 3 Sol: X optim 2,3,1 .
' ' T
1 2
36
III. Folosind metoda celor două faze să se rezolve programele liniare:
min f x x1 3 x 2 2 x 3 x 4 2 x 5
2 x x 2 x x x 1
16.)
1 2 3 4 5
Sol: X optim 0,0,5 / 3,7 / 3,0
3 x1 x 2 x 3 2 x 4 2 x 5 3
x i 0 i 1,5
min f x 3 x1 x 2 x 3 x 4
x1 x 2 x 3 x 4 x 5 1
Sol: X optim 111
, , ,0 min f 1
T
17.) 2 x1 x 2 x 3 2 x 4 x 5 2
2 x1 x 2 x 3 x 4 4
xi 0
min f x 2 x1 3 x 2
x1 x 2 1
18.) x1 x 2 2 Sol: X optim 1,0
x1 2 x 2 1
x1/ 2 0
max f x x1 x 2 x 3
x 3x 5x 2
1 2 4
19.)
2 3
Sol: X optim ; ;0
3 x1 2 x 2 2 x 3 2 7 7
x i 0 i 1,3
37
min f x 2 x1 x 2 x 3
x x x 2
20.) 1 2 3
2 x1 x 2 x 3 3
xi 0
38
lei/tonă în decembrie, 150.000 lei/tonă în ianuarie, 170.000 lei/tonă în
februarie.
Să se stabilească nivelul de producţie lunar astfel încât contractele să fie
satisfăcute cu cheltuieli minime.
x 3 x1 x 2 50000 50000
x 4 x1 x 2 x 3 100.000 40.000
2 x1 x 2 x 3 100000
Deci avem de calculat minimul funcţiei:
f x 146x1 164 x2 152 x3 170x 4 340000.
39
v1 : 5 2 2 1
v2 : 5 2,5 2,5
v3 : 5 3 2
v4 : 5 2 2,5 0,5
min f x1 0,5 x 4 .
2 x1 x 3 x 4 35
2 x 2 x 4 25
x 3 10
x i 0 i 1,4
40
Indicaţie: problema se transcrie matematic astfel:
0,1x 0,4
0,1 y 0,6
0,1x 0,2 y 2
Se găseşte x 4, y 9
0,2 x 0,1 y 1,7
x, y 0
min f 240 x 80 y
41