din

Metoda
analiza
punctulsimodelarii
sinteza
de vedereale
al
proceselor
procesului
modelatorului.
Subiecte biologice,
modelat
dezvoltate
Structura
tehnice
precum si sisieconomice
prognoza
evolutia
modelului
aevolutiei
aparut
Modelul odata
sale.
este
structurii In
cu a
optime
simulata
utilizarea
functie depegradul de
culturilor vegetale
calculatorul
calculatoarelor
schematizare,
Parti componente ale modelului
electronic,
electronice
modelele
de optimizare pot rezultatele
in fia doua
simularii
jumatate
macromodele Modelul
afiind
secolului
si liniar al structurii optime a Sorescu Mihail Sorin
Implementarea metodei simplex Grupa: ……….……/ I.D.
confruntate
XX.
micromodele. cu datele
culturilor vegetale.
procesului modelat.
Un
Macromodelele
modelFACULTATEA sunt DE MANAGEMENT, INGINERIE ECONOMICĂ ÎN AGRICULTURĂ ŞI DEZVOLTARE RURALĂ
Principalele
schematizeaza
mai apropiate avantaje
de
un
ale
proces
procesul
modelarii
complex,
modelat si dar Un model schematizeaza un proces
simularii
retinand
simulareatrasaturile
sunt
lor complex, retinand trasaturile
posibilitatile
considerate
comporta unesentiale de
mare considerate esentiale din punctul de
volum de calcul. Un vedere al modelatorului. Structura si
evolutia modelului este simulata pe
calculatorul electronic, rezultatele
Modele liniare de optimizare in productia agricola

Cuprins

Modele liniare 1

Parti componente ale modelului

1-2

Modelul structurii
optime a culturilor vegetale
2-3

Elaborarea
micromodelului structurii optime
a culturilor3-4

Etapele algoritmului simplex

4-6
Parti componente ale modelului de optimizare
2)
UnRestrictiile
model dedin
polinoamele
sistem valori exemplu
Daca efectiveside
restrictiile
(constrangerile)
optimizare
pozitive
restrictii are caXparti
pentru
si din 1, animale) sau chiarale
functiile-obiectiv
modelului
componente:
….,X care
functiile-obiectiv sunt
n care satisfac au m valori binare
modelului sunt(0 sau 1)
inecuatii1, sau
restrictiile,
gradul seecuatii
modelul
numeste (de exemplu
polinoame cuutilizarea
care contin
1) Necunoscutele
solutie
polinomialposibila
se iar (1) sau neutilizarea
necunoscutele
necunoscutele
(variabilele)
acele
numestesolutii
liniar,Xin1, caz
posibile (0) a uneisemasini
modelul numeste
….,X
modelului
care
contrar notate ocu
optimizeaza
n, modelul agricole sausau
polinomial a unei
Membrul
X1,….,Xn doi care
functie-obiectiv,
polinomial alsunt
este se algebric in caz aceste
tehnologii); in contrar
fiecarei
numere restrictii
numesc
neliniar. solutii este
reale pozitive cazuri avem
modelul modele
se numeste
limita
ce resursei
urmeaza a la
fi
optime in raport cu care de optimizare cu
nepolinomial sau
se refera
determinate.
acea
Un model restrictia.
functie.polinomial variabile intregi
transcendent.
neliniar desrestrictiile
Daca
Existatoate
modele in care
intalnit respectiv
Daca modele
intr-un model de
modelului
necunoscutele
este modelul sunt X1, optimizare cu
polinomial,
ecuatii,
….,Xn, sunt
polinomial el senumere
numeste
patratic variabile bivalente.
model
intregi
cu standard.
pozitive (de
restrictii Orice
model de optimizare
“Cunoasterea
poate fi adus la forma
solutiilor bazice

optime permite

gasirea oricarei solutii

optime. modelele

liniare au o singura
Parti componente ale modelului de optimizare
solutie optima care

este obligatoriu

bazica. Numarul

solutiilor bazice este

cel mult:
1) macromodele de
In realitate, timpul(sa
necontradictorii optimizare care au
schimba
existe coeficientii
macar o solutie fost elaborate pentru
constanti ai modelului
posibila); agicultura, se impart
(stocuri de resurse, in doua clase:
costuri independente
2) ale resurselor,
preturile
(sa de vanzare
nu rezulte unele I. Modele de
ale altele).
din produselor) ceea structura optima
ce necesita pentru:
reoptimizarea
In acest caz modelul
modelului
de optimizarein raport
se cu a) culturi agricole
aceste schimbari.
numeste coerent. Cu anuale sau perene;
cat numarul m al
In functie de
restrictiilor modelului b) rase si grupe de
caracterul
este marimilor
mai mare, cu atat animale;
care intervin
pericolul in
contradictiei
simodele, acestea pot fi
/ sau dependentei c) furaje grupate in
deterministecreste
restrictiilor (cu deci ratii furajere;
marimi precise
este mai greu de
valoric) un
elaborat sau aleatoare d) ramuri vegetale /
o parte sau toate
macromodel coerent animale in cadrul
marimile
decat au valori
un micromodel fermei.
probabile cum sunt
coerent.
cele legate de natura: II. Modele de
precipitatii,
Modelele clima, la
elaborate repartitie optima
calamitati,
un moment etc. Cele
dat se pentru:
mai multe
numesc statice.
a) rotatia culturilor;
g)
In Resurse financiare
toate aceste etape sunt necesare
urmatoarele resurse:
Precizam ca resursele financiare acopera
cheltuielile
a) Forta de cu resursele a) - f) si alte
munca
cheltuieli precum taxe si impozite, asigurari,
etc. Dintre
b) Forta resursele precedente, ierbicidele
mecanica
Modelul structurii
si insectofungicidele optime
fiind specifice a culturilor vegetale
fiecarei
culturi, s-au(motorina,
c) Energie exprimat in lei. electric, uleiuri-
curent
lubrifianti)
Diferitele forme de energie au urmatoarele
unitati de masura:
d) Ierbicide, insectofungicide
motorina se exprima in litri(l)
curentul
e) electric
Ingrasaminte se exprima
chimice in kilowati
/ organice
ora (kwh)
continutul
f) energetic brut al produselor
Apa de irigatie
agricole se exprima in unitati nutritive
(UN)

Datele necesare pentru elaborarea micromodelului structurii optime a culturilor

IV. Optim economic
(Rata profitului
Pe baza datelor din
maxima)
tabelul alaturat vom
elabora 6 modele
V. Optim
liniare(Venit
conditionat de optimizare a
maximstructurii culturilor
cu cheltuieli
date) dupa cum urmeaza:

I. Optim tehnic
VI. Optim
(Venit maxim)
conditionat
(Cheltuieli minime cu
II. Optim tehnic
venit dat)
(Cheltuieli minime)

III. Optim
Profitul economic
(P)este
(Profit maxim)
diferenta intre venit si
cheltuieli iar rata
profitului (R) este
raportul intre profit si
cheltuieli.
 M = 13 restrictii si P Cautarea exhaustiva a
=4 variabilele proprii solutiei bazice optime
respectiv L = 7, E = 1 este laborioasa, de
SI G = 5 ,toate
transforma aceea a fost elaborata
inegalitatile în o metoda mai rapida
rezulta :
egalitati: de optimizare numita
metoda simplex.
M = 13 restrictii si P
= 4 variabilele Aceasta metoda
proprii x1, x2, x3, x4. pleaca de la o solutie
bazica initiala pe care
Modele liniare de o schimba cu una mai
optimizare se scriu buna (pentru care
din punct de vedere functia ƒ se apropie
matematic sub forma de optimul ei), pe
de inecuatii / ecuatii aceasta o schimba cu
in ordinea „ ≤ ” , „ = ” una mai buna, etc.
, „≥” cu variabile pana se ajunge la o
(necunoscute) solutie bazica optima.
nenegative si functie-
Metoda simplex Prin
pleaca aceasta
de la se evita
o solutie Observam ca
Algoritmul simplex inspectarea
admisibila de baza si solutiilor problema este în
bazice mai putin bune forma standard
este o metoda senumarul
 Fie L numarul restrictiilor „  ”, E construiesc
restrictiilor „ =alte
”, G numarul restrictiilor „  ”
deci avem  M = L+E+G restrictii asezate in ordinea de mai sus. N este numarul (problema este de
analiticavariabilelor
de proprii ale modeluluisolutii
respectiv. de baza astfel
maxim, toate
determinare a solutiei încât valoarea functiei inegalitatile sunt
unei probleme de obiectiv creste catre “≤”).
programa liniara. valoarea optima.
Algoritmul simplex Vom prezenta aceasta Introducem
variabilele de
este o metoda metoda mai întai pe compensare y1, y2, y3
iterativa în care se un exemplu concret. ≥ 0 pentru a
probleme
1.
variabilelor
Daca Se DA,
determina
atunci o
suplimentare)
solutie
auxiliare
ne oprim: admisibila
din
valoarea
(prinDaca
functia solutia nu este optima,
introducerea
obiectiv
maxima este data A doua etapa este
sunt
de determinam
variabilelor
negativi).
elementul variabila
din care urmatoarea: cu cât putem mari
2. intra
suplimentare
prima în baza
Se determina (variabila
linie a y 1 , cu cel valoarea variabilei ce va intra
daca mai mare
y 2 , . .solutia
coloanei . SAU coeficientpozitiv
gasita
prin
“Valori”, din în baza?
este functia
rezolvareaunei
dar optima
cu obiectiv)
Etapele
semn (daca si variabila
algoritmului simplex
toti care iese valorile (formam
din
coeficientii
schimbat, baza Sa observam ca deoarece
rapoartele între
variabilelor de termenii y1, y2, y3 ≥ 0 si¸ x2 = x3 = 0,
coloanei “Valori¸ si cei ai conditiile de mai sus ne arata
coloanei variabilei ce va intra ca trebuie sa avem:
în baza, care
“Metoda / algoritmul
sunt pozitivi, si
alegem cea mai mica valoare.
Simplex este o metoda
Linia corespunzatoare este
iterativ a în care se pleaca
linia variabilei ce iese din
De unde obtinem :
baza).
de la o solutie admisibila de
Pivotul este elementul situat
baz a si
în coloana variabilei ce intra
în baza¸ alte
se construiesc si însolutii
liniadevariabilei ce
iese din baza.
baza astfel încât valoarea si deci valoarea maxima care
o poate lua x1 este x1 = 4 (data
Deoarece
functiei observam
obiectiv cresteca marind
catre de cea de-a treia inegalitate).
putin valoarea x1 = 0, valoarea
valoarea optima.”
functiei obiectiv ƒ = 60x1 +
30x2 + 20x3 va creste (si deci
valoarea nu este maxima).
Acelasi lucru se observa si
pentru x2 si x3.
A treia inegalitate se refera la
În general, solutia gasita NU y3, ceea ce ne arata ca y3 va
ESTE OPTIMA daca deveni o variabila auxiliara
coeficientii variabilelor (cu valoarea y3 = 0, deoarece
auxiliare în functia obiectiv x1 = 4), iar x1 va deveni o
sunt numere pozitive (în cazul variabila de baza cu valoarea
de fata, acesti coeficienti sunt x1 = 4.
60, 30 si respectiv 20).
A treia etapa pentru
Alegem asadar variabila x1 ca continuarea procedeului este
si variabila care va intra în sa rescriem membrul drept al
baza (deoarece coeficientul ei functiei obiectiv si al
este 60, si deci va produce o egalitatilor în functie de
crestere mai rapida a functiei variabilele auxiliare, adica în
obiectiv). functie de x2, x3 si¸ y1.

Pentru aceasta, rezolvam a

treia ecuatie în functie de x1,
iar apoi eliminam variabila x1
Putem simplifica Se poate verifica usor ca
calculul de mai sus procedeul indicat pentru etapa a
procedând în felul treia de mai sus revine la:
urmator :
— linia pivotului se împarte la
Aranjam coeficientii pivot
functiei obiectiv si ai — toate numerele din coloana
restrictiilor date într-un pivotului, cu exceptia pivotului,
tabel, în care pe prima devin 0
linie apar coeficientii — restul numerelor din tablou
din functia obiectiv, iar se modifica dupa “regula
pe liniile urmatoare dreptunghiului”,
apar ecuatiile, pe care dupa cum urmeaza:
le rescriem trecand în
membrul stang pentru a determina noua valoare
necunoscutele a unui numar, se considera cele
problemei. În prima patru numere aflate în colturile
coloana apar dreptunghiului având diagonala
coeficientii lui x1, în formata de pivot¸ si de numarul
adoua coloana ales.
coeficientii lui x2, Noua valoare a numarului se
¸samd. Obtinem astfel determina astfel:
urmatorul tabel:
se scade din vechea valoarea a
numarului produsul numerelor
de pe cealalta diagonala a
dreptunghiului (cea care nu
contine pivotul) împartit la
pivot.

Procedând astfel, obtinem al

doilea tabel (a doua etapa din
pentru a determina care algoritmul simplex):
variabila va intra în
baza, alegem din linia
1 (functia obiectiv a
problemei) variabila
auxiliara având cel mai
mare coeficient pozitiv,
adica x1.

Pentru determina care În continuare, pentru a

variabila va iesi din determina daca solutia este
baza, formam optima, se determina daca
rapoartele între coeficientii din functia obiectiv
termenii coloanei (prima linie a tabelului) ai
“Valori” ¸ si cei ai vreuneia din variabilele
Variabilele auxiliare sunt x2, y2, y3, toate având coeficienti negativi in functia
obiectiv (prima linie a tabelului), si deci solutia gasita este optima.
Valoarea optima este ƒ = 280 (coloana “Valori”, prima linie, dar cu semn
Powered by http://www.e-referate.ro/
Adevaratul tau prieten