Documente Academic
Documente Profesional
Documente Cultură
Facultatea de Ştiinţe
Specializarea ADMINISTRAREA AFACERILOR
Anul I de studiu
Semestrul I
Anul universitar 2012-2013
Învăţământ la distanţă
Alba Iulia,
2012
2
CUPRINS
Introducere.......................................................................................................................5
Scopul şi obiectivele disciplinei.................................................................................5
Cerinţe preliminare....................................................................................................5
Conţinutul materialului de studiu...............................................................................5
Recomandări de studiu...............................................................................................6
Recomandări privind evaluarea.................................................................................7
Test de evaluare iniţială...................................................................................................8
Unitate de studiu 1. Rezolvarea unei probleme de programare liniară............................9
1.1. Noţiuni generale...............................................................................................10
1.2. Soluţiile unei probleme de programare liniară.................................................13
1.3. Rezolvarea unei probleme de programare liniară............................................14
Unitate de studiu 2. Dualitatea Algoritmul simplex dual..............................................29
2.1. Dualitate...........................................................................................................29
2.2. Algoritmul simplex dual..................................................................................32
Unitate de studiu 3. Reoptimizarea problemelor de programare liniară.......................35
3.1. Modificarea vectorului c..................................................................................36
3.2. Modificarea vectorului b..................................................................................36
3.3 Modificarea unui vector coloană din matricea A.......................................39
3.4 Adăugarea unei noi coloane la matricea A.......................................................40
3.5 Modificarea unei linii a matricei restricţiilor....................................................41
Unitate de studiu 4. Programare liniară parametrică.....................................................44
4.1. Probleme parametrice.......................................................................................44
4.2. Parametrizarea vectorului c..............................................................................45
4.3. Parametrizarea vectorului b..............................................................................46
Unitate de studiu 5. Probleme de transport...................................................................49
5.1. Modele de tip transport sau de transfer de fonduri..........................................50
5.2. Metode de găsire a unei soluţii iniţiale............................................................52
3
5.3. Îmbunătăţirea soluţiei.......................................................................................53
5.4. Algoritmul distributiv......................................................................................54
5.5. Rezolvarea problemelor de maximizare...........................................................55
5.6. Degenerare. Soluţii multiple............................................................................58
Unitate de studiu 6. Reoptimizarea problemelor de transport.......................................62
6.1. Reoptimizarea in cazul modificarii matricei costurilor....................................62
6.2. Reoptimizarea in cazul modificarii disponibilului si/sau necesarului..............64
Unitate de studiu 7. Probleme de transport parametrice...............................................68
7.1. Parametrizarea matricei C................................................................................69
7.2. Parametrizarea disponibilului si/sau necesarului.............................................71
Unitate de studiu 8. Probleme de transport speciale.....................................................75
8.1. Modele cu centre legate...................................................................................76
8.2. Modele cu legături interzise.............................................................................80
8.3. Modele cu soluţii impuse.................................................................................81
Unitate de studiu 9. Dobânda simplă............................................................................85
9.1. Dobânda simplă................................................................................................85
Unitate de studiu 10. Dobânda compusă.......................................................................93
10.1. Dobânda compusă..........................................................................................93
Unitate de studiu 11. Plăţi eşalonate anual (anuităţi)....................................................98
11.1. Plăţi eşalonate................................................................................................98
11.2. Anuităţi posticipate temporare.....................................................................100
11.3. Anuităţi anticipate temporare.......................................................................103
Unitate de studiu 12. Rambursarea creditelor şi împrumuturilor................................106
12.1. Preliminarii...................................................................................................106
12.2. Amortizări directe........................................................................................107
12.3. Amortizări indirecte.....................................................................................109
Test de verificare.........................................................................................................113
Bibliografie.................................................................................................................115
Anexa 1.......................................................................................................................116
Anexa 2 ......................................................................................................................118
4
Introducere
Cerinţe preliminare
În parcurgerea acestui material de studiu, vor fi de mare ajutor conţinutul disciplinei Algebră
studiate în liceu. Capitolele de calcul matriceal şi rezolvare a sistemelor de ecuaţii vor constitui baza
cunoştinţelor necesare abordării problematicii din primele opt unităţi de studiu. De asemenea noţiunile
de calcul procentual şi rezolvare a ecuaţiilor vor fi întâlnite în ultimele patru unităţi de studiu.
Materialul de studiu este structurat în trei mari părţi totalizând douăsprezece unităţi de studiu în
care sunt prezentate în mod rezumativ temele cele mai importante care constituie fondul de idei ce
trebuiesc studiate, însuşite, aprofundate şi explicate pe baza studiului individual.
5
Primele patru unităţi prezintă elemente de programare liniară, cum ar fi rezolvarea unei probleme
de programare liniară, dualitatea, algoritmul simplex dual, reoptimizarea problemelor de programare
liniară, programarea liniară parametrică.
Acestea sunt urmate de noţiuni privind problemele de transport, începând cu prezentarea acestora,
continuând cu reoptimizarea problemelor de transport şi probleme de transport parametrice. Partea a
doua se încheie cu probleme speciale de tip transport.
Ultimele trei unităţi abordează problematica elementelor de matematici financiare, cum ar fi
dobânda simplă, dobânda compusă, plăţi eşalonate anual (anuităţi) şi rambursarea creditelor şi
împrumuturilor.
Recomandări de studiu
Obiective Rezumat
Exerciţii De notat
Test de
Studiu individual
autoevaluare
6
Teme de reflecţie Timp de lucru
Exemple Introducere
Cunoştinţe
preliminare
Pentru examen, studenţii vor trebui să studieze cel puţin unul dintre titlurile menţionate la
Bibliografie pe baza Materialului de studiu individual.
Acceptarea la examen nu este condiţionată de predarea Testului de autoevaluare rezolvat de la
finalul Materialului.
Printre problemele şi întrebările de la examen pot figura şi cele formulate în Material.
Examinarea cunoştinţelor dobândite la disciplina Matematici aplicate în economie se va desfăşura sub
forma rezolvării unui test, similar celui de la finalul acestui Material. Nota finală va fi stabilită astfel:
70% din nota finală reprezintă rezolvările la problemele din testul primit în ziua examenului, şi 30%
reprezintă nota la Testul de autoevaluare de la finalul prezentului Material de studiu individual, pe care
studenţii îl vor preda în ziua prezentării la examen, nu ulterior acestuia!
7
Test de evaluare iniţială
3. Un obiect costă 160 lei. Să se determine preţul acestuia după două scumpiri
succesive de 5%, respectiv 10%.
4. Cu ce procent s-a mărit preţul de 1200 lei al unui obiect, dacă acesta costă acum
1392 lei.
8
Unitatea de studiu 1.
Rezolvarea unei probleme de programare liniară
Cuprins
Introducere..........................................................................................................9
Obiectivele unităţii de studiu...............................................................................9
1.1. Noţiuni generale.........................................................................................10
1.2. Soluţiile unei probleme de programare liniară...........................................13
1.3. Rezolvarea unei probleme de programare liniară.....................................14
Test de autoevaluare........................................................................................26
Probleme propuse.............................................................................................27
Concluzii............................................................................................................27
Introducere
În această primă unitate de studiu este prezentat modelul matematic
numit programare matematică, asociat unui fenomen economic. Sunt
date exemple pentru care se utilizează acest model, precum şi trei
metode de rezolvare a sa: metoda grafică, metoda algebrică,
algoritmul simplex.
9
1.1. Noţiuni generale
Observaţie 1.1.2.
1.Modelul matematic mai poartă numele de problemă de programare
matematică.
2. Prin optim se înţelege maxim sau minim.
Clasificarea problemelor de programare matematică se face:
a) După forma funcţiilor gk şi f:
programare liniară - gk şi f sunt funcţionale liniare;
programare neliniară – cel puţin una dintre gk şi f este neliniară.
b) După natura necunoscutelor:
programare întreagă – vectorul x are componente întregi;
programare mixtă – numai o parte din componentele lui x sunt
întregi;
programare în numere reale nenegative;
programare în numere reale.
c) După natura vectorilor a i şi c:
programare deterministă - a i şi c sunt vectori constanţi;
programare parametrică - a i şi c sunt variabili (depind de un
parametru);
programare aleatoare sau stochastică – cel puţin unul dintre
vectorii ai şi c sunt variabile aleatoare.
Exemplul 1.1.3. Organizarea optimă a producţiei
Într-o societate pe acţiuni urmează să se producă n tipuri de produse
Pj, j= folosindu-se m tipuri de resurse R i ,i= . Cunoscând: cantitatea din
resursa R i necesară producerii unei unităţi din produsul P j –a ij, i= , j= ,
cantităţile disponibile b i din resursele R i, i= şi beneficiile unitare c j pentru
fiecare produs P j, j= , să se întocmească programul optim de producţie al
societăţii astfel încât beneficiul total să fie maxim.
Rezolvare:
10
Notăm cu x j, j= cantitatea ce se va produce din produsul P j, j=
; funcţia de optimizat este funcţia ce reprezintă beneficiul total, iar restricţiile
se datorează limitării resurselor. Deci modelul matematic este:
Observaţie 1.1.4.
Dacă notăm A = (a ij) i=1,m, j= 1,n matricea tehnologică,
b = (b1, b2, …, bm) t – vectorul cantităţilor disponibile;
c = (c1, c2, …, cn) – vectorul beneficiilor unitare şi cu
x = (x1, x2, …, xn) t – vectorul necunoscutelor,
obţinem forma matricială a problemei de programare liniară:
11
Exemplul 1.1.7. Alocarea optimă de fonduri băneşti
Să considerăm un anumit fond bănesc de valoare S unităţi monetare (u.m.)
care trebuie repartizat sau alocat:
1. la un moment dat pentru n activităţi sau
2. unei anumite activităţi la n momente (adică eşalonat).
Să notăm cu x j, j = , partea din fond care se alocă pentru
activitatea de ordin j (sau la momentul j) şi cu c j, profitul realizat pentru
fiecare unitate monetară investită sau alocată. Atunci profitul total va fi: f =
c1 x1 + c2 x2 + … + cn xn urmând a fi maximizat, ceea ce conduce la problema:
Observaţie 1.1.8.
1. De obicei se urmăreşte satisfacerea totală atât a cererii cât şi a
disponibilului şi prin urmare restricţiile problemei apar ca egalităţi. Acestora li se pot
adăuga şi alte restricţii cu semnificaţii diverse.
2. Dacă în locul unui anumit produs care să poată fi efectiv transportat
considerăm că a 1 – a m sunt suprafeţe cultivabile de o aceeaşi calitate, iar B 1 … Bn
sunt n culturi care au nevoie de un astfel de teren, atunci problema amplasării optime
a culturilor are modelul matematic anterior, dar nu este vorba de o operaţiune de
transport. Este unul din motivele pentru care spunem modele de tip transport.
1.2. Soluţiile unei probleme de programare liniară
Definiţie 1.2.1. Spaţiul vectorial n-dimensional căruia îi aparţin vectorii x din care se
determină soluţiile sistemului de restricţii se numeşte spaţiul soluţiilor. (Acesta este o
parte a spaţiului vectorial R n ) .
12
Observaţie 1.2.2. Presupunem că sistemul de restricţii este compatibil şi de
asemenea că rang A = m n.
Observaţie 1.2.7.
1. X B X p egalitatea are loc dacă X p = sau se reduce la un punct.
2. Dacă presupunem că primele m coloane ale matricei A formează o bază în
R şi să o notăm cu B adică B = a1, a2, …, am , m n şi notăm cu S celelalte
m
Definiţie 1.2.9.
1. O soluţie posibilă x1 este mai bună decât soluţia posibilă x 2 dacă f(x1)
f(x ) când opt = min respectiv f(x1) f(x2) când opt = max.
2
2. O soluţie de bază x 0 este soluţia optimă dacă f(x 0) are cea mai mare
valoare posibilă (opt = max) respectiv cea mai mică valoare posibilă (opt = min).
13
Teorema 1.2.10. Au loc afirmaţiile:
1. Mulţimea soluţiilor optime ale unei probleme de programare liniară este
mulţime convexă.
2. Soluţia optimă a problemei de programare liniară se află printre vârfurile
mulţimii soluţiilor posibile X p ale problemei.
x2 d4
d3
A
Xp B
D
0 x1
Vârfurile lui X P sunt A, B, C, D şi avem: C
d2 d1
A , f (A) = , B ,
14
Observaţie 1.3.3. Metoda algebrică este utilă, dar limitată datorită volumului mare
de calcule.
Rezolvare:
Notând cu B i,j = a i, a j , 1 i j 4 matricele pătrate de ordinul doi ce
pot fi formate cu ajutorul coloanelor matricei sistemului A găsim:
B12 = , B12-1 = , xB= · = ; f (xB) =
22;
B13 = , B13-1 = , xB= · = ;
= ;
15
un alt vârf care să fie o soluţie mai bună decât precedenta. Se evită astfel enumerarea
şi evaluarea tuturor soluţiilor de bază expusă în metoda grafică şi algebrică.
Algoritmul simplex va lua sfârşit în două situaţii şi anume când:
1. S-a ajuns la cea mai bună soluţie, constatându-se dacă problema are optim unic
sau optim multiplu;
2. Nu se poate ajunge la cea mai bună soluţie (pentru că nu există) şi se ia decizia că
problema nu are optim finit.
Observaţie 1.3.7.
1. Presupunem mai departe că opt = max, deoarece dacă se cere minim din
relaţia max (-f) = - min (f) rezultă că este suficient să se determine
max (-f), iar apoi cu semn schimbat vom avea min f.
2. Întrebările la care trebuie să răspundă algoritmul simplex sunt
următoarele: cum pornim, cum trecem de la o soluţie la alta mai bună şi cum ne
oprim.
Fie problema de programare liniară:
16
.
x B1 =
= (c m+1 –f m+1) dacă f m+1 = c 1 1m+1 + c 2 2m+1 +…+ c m mm+1 = c B·P m+1
Cum 0 se obţine condiţia c m+1 – f m+1 0, care ne asigură că prin trecerea de la x
B la soluţia x B s-a obţinut o soluţie mai bună.
0 1
sk sj
din care citim formal că „în locul lui sk noua valoare va fi egală cu
(diagonala pivotului – cealaltă diagonală) / pivot ” înţelegând că diagonala pivotului
este produsul sk ij iar cealaltă diagonală este produsul i k sj .
18
Exemplul 1.3.9. Să se rezolve cu algoritmul simplex, următoarea problemă de
programare liniară:
max f = x 1 + 2 x 2 + 3 x 3 + 5 x 4
Rezolvare:
Etapele algoritmului simplex vor fi parcurse prin întocmirea
următorului tabel:
1 2 3 5 c
cB B
P1 P2 P3 P4 b
- - [2] 1 -1 2 6
- - 1 1 2 0 5
- - -1 2 1 1 8
1 P1 1 1 /2 -1 /2 1 3
- - 0 [1 /2] 5 /2 -1 2
- - 0 5 /2 1 /2 2 11
1 P1 1 0 -3 2 1
2 P2 0 1 5 -2 4
- - 0 0 -12 [7] 1
1 P1 1 0 [3/7] 0 5/7
2 P2 0 1 11/7 0 30/7
5 P4 0 0 -12/7 1 1/7
fj 1 2 -5 5 10
cj - f j 0 0 8 0 -
3 P3 7/3 0 1 0 5/3
2 P2 -11/3 1 0 0 5/3
5 P4 4 0 0 1 3
fj 59/3 2 3 5 70/3
cj - f j -56/3 0 0 0 -
În consecinţă, am obţinut soluţia optimă, deoarece toate diferenţele c j - fj
sunt nepozitive, şi astfel x opt = (0, 5/3, 5/3, 3) t cu f max = 70/3.
Cazul soluţiei infinite 1.3.10. Există situaţii în care funcţia de optimizat are un
maxim infinit, adică valoarea ei poate fi făcută oricât de mare. Aceasta se întâmplă
dacă există o diferenţă cj - fj pozitivă, dar pe coloana acesteia nu există nici un
element pozitiv, care să fie luat pivot.
Exemplul 1.3.11. Să se rezolve problema de programare liniară:
max f = 4 x 1 - x 2 + 2 x 3 + 4 x 4
Rezolvare:
Vom lucra în mod obişnuit în tabelul simplex:
4 -1 2 4 c
cB B
P1 P2 P3 P4 b
- - 6 1 0 -3 11
- - 4 -1 [2] 0 8
- - 4 -1 0 3 8
- - 6 1 0 -3 11
2 P3 4 -1 /2 1 0 4
19
- - 4 -1 0 [3] 8
- - [10] 0 0 0 19
2 P3 2 -1 /2 1 0 4
4 P4 4/3 -1/3 0 1 8/3
4 P1 1 0 0 0 19/10
2 P3 0 -1 /2 1 0 1/5
4 P4 0 -1/3 0 1 2/15
fj 4 -7/3 2 4 128/15
cj - f j 0 4/3 0 0 -
Întrucât c2 – f2 = iar 12 = 0, 22 = 0 , 32 = 0,
Rezolvare:
4 1 5 2 c
cB B
P1 P2 P3 P4 b
- - 1 3 1 1 7
- - [2] 1 1 1 7
- - 1 2 3 0 8
- - 0 [5/2] 1 /2 1 /2 7/2
4 P1 1 1 /2 1 /2 1 /2 7/2
- - 0 3/2 5 /2 -1 /2 9/2
1 P2 0 1 1/5 1/5 7/5
4 P1 1 0 2/5 2/5 14/5
- - 0 0 [11/5] -4/5 12/5
1 P2 0 1 0 [3/11] 13/11
4 (*) P1 1 0 0 6/11 26/11
5 P3 0 0 1 -4/11 12/11
fj 4 1 5 7/11 177/11
cj - f j 0 0 0 15/11 -
20
2 P4 0 11/3 0 1 13/3
4 P1 1 -2 0 0 0
5 P3 0 4/3 1 0 8/3
fj 4 6 5 2 22
cj - f j 0 -5 0 0 -
În tabelul marcat cu (*) a fost ales elementul pivot 3/11, deoarece linia
întâi, împărţită la 3/11 , este mai mică în ordonarea lexicografică decât linia a doua,
împărţită la 6/11.
Soluţia optimă obţinută este degenerată:
x opt = (0, 0, 8/3, 13/3) t pentru care f max = 22, unde x 1 = 0 deşi este
necunoscută principală.
Soluţii multiple. Soluţia generală 1.3.15. Analizând tabelul simplex care conţine
soluţia optimă se constată că numărul zerourilor din linia diferenţelor c j – f j este mai
mare decât m (diferenţele c j – f j corespunzătoare vectorilor bazei optime sunt nule )
atunci problema poate avea mai multe soluţii optime. Celelalte soluţii optime se
obţin reducând pe rând, dacă este posibil, coloanele care au diferenţa c j – f j = 0.
După obţinerea tuturor soluţiilor optime se scrie soluţia generală ca şi combinaţie
liniară convexă a acestora.
Exemplul 1.3.16. Să se rezolve problema de programare liniară:
max f = 4 x 1 + 5 x 2 + 8 x 3 + 2 x 4 + 3 x 5
Rezolvare:
Aplicăm algoritmul simplex în următorul tabel:
4 5 5 2 3 c
cB B
P1 P2 P3 P4 P5 b
- - 2 3 3 1 2 10
- - 1 -1 2 -6 3 5
- - [1] 1 1 -2 2 4
- - 0 [1] 1 5 -2 2
- - 0 -2 1 -4 1 1
4 P1 1 1 1 -2 2 4
5 P2 0 1 1 5 -2 2
- - 0 0 [3] 6 -3 5
4 P1 1 0 0 -7 4 2
5 P2 0 1 0 3 -1 1/3
8 P3 0 0 1 2 -1 5/3
4 P1 1 0 0 -7 [4] 2
fj 4 5 8 3 3 23
cj - fj (*) 0 0 0 -1 0 -
5 P2 1 /4 1 0 5/4 0 5/6
8 P3 1 /4 0 1 1 /4 0 13/6
3 P5 1 /4 0 0 -7/4 1 1 /2
fj 4 5 8 3 3 23
cj - f j 0 0 0 -1 0 -
Prima soluţie optimă este x opt = (2, 1/3, 5/3, 0, 0) , f max = 23, dar cum pe
1 t
linia diferenţelor c j – f j marcată (*) sunt patru zerouri soluţia nu este unică, cea de a
doua soluţie optimă se obţine prin reducerea coloanei P 5 deoarece c 5 – f 5 = 0. Astfel,
x opt2 = (0, 5/6, 13/6, 0, 1 /2) t , f max = 23, iar soluţia generală va fi: x opt = 1 · x opt1 +
2 · x opt cu 1 , 2 0 şi
2
1 + 2 = 1, adică:
21
x opt = , f max =23.
x j 0 j 1,4
Rezolvare:
Introducând necunoscutele de compensare x 5, x 6, x 7 avem:
max f = 4 x 1 +2 x 2 + 5 x 3 + x 4
x1 3 x 2 - x 3 2 x 4 5
- x1 2 x 2 x 3 5 x 4 - x 5 3
2 x 1 x 2 2 x 3 x 4 x 6 8
x 2x x x x 7
1 2 3 4 7
x j 0 j 1,7
Pentru rezolvare construim tabelul simplex următor:
4 2 5 1 0 0 0 c
cB B
P1 P2 P3 P4 P5 P6 P7 b
22
- - 1 3 -1 2 0 0 0 5
- - -1 [2] 1 5 -1 0 0 3
0 P6 2 1 2 1 0 1 0 8
0 P7 1 2 1 2 0 0 1 7
- - [5/2] 0 -5/2 -11/2 3/2 0 0 1/ 2
2 P2 -1 /2 1 1 /2 5/2 -1 /2 0 0 3/2
0 P6 5/2 0 3/2 -3/2 1/ 2 1 0 13/2
0 P7 2 0 0 -3 1 0 1 4
4 P1 1 0 -1 -11/5 3/5 0 0 1/5
2 P2 0 1 0 7/5 -1/5 0 0 8/5
0 P6 0 0 [4] 4 -1 1 0 6
0 P7 0 0 2 7/5 -1/5 0 1 18/5
fj 4 2 -4 -6 2 0 0 4
cj – f j 0 0 9 7 -2 0 0 -
4 P1 1 0 0 -6/5 7/20 1/ 4 0 17/10
2 P2 0 1 0 7/5 -1/5 0 0 8/5
5 P3 0 0 1 1 -1/4 1/ 4 0 3/ 2
0 P7 0 0 0 -3/5 [3/10] -1/ 2 1 3/5
fj 4 2 5 3 -1/ 4 9/4 0 35/2
cj – f j 0 0 0 -2 1/ 4 -9/4 0 -
4 P1 1 0 0 -1/ 2 0 5/6 -7/6 1
2 P2 0 1 0 1 0 -1/ 3 2/ 3 2
5 P3 0 0 1 1/ 2 0 -1/6 5/6 2
0 P5 0 0 0 -2 1 -5/3 10/3 2
fj 4 2 5 5/2 0 11/6 5/6 18
cj – f j 0 0 0 -3/ 2 0 -11/6 -5/6 -
Astfel, soluţia optimă a problemei generale este:
x opt = (1, 2, 2, 0) t, f max = 18.
Se vede că nu au fost scrise valorile necunoscutelor de compensare
x 5 = 2, x 6 = 0, x7 = 0.
Probleme cu soluţii impuse 1.3.20. Există situaţii practice în care, din motive
diverse, anumite componente ale soluţiei sunt restricţionate să ia:
1. anumite valori, adică xj = pj pentru un j dat;
2. valori în anumite intervale, adică pj xj qj, pentru un j dat.
Astfel de situaţii sunt socotite modele sau probleme cu soluţii impuse
atunci când restricţii precum cele menţionate sunt altele decât cele de semn.
23
Aplicaţia 1.3.21. Să se rezolve problema:
[max]f = x1 + 2x2 + 3x3 +4x4 + 5x5
Rezolvare:
Problema cu soluţie impusă devine:
[max]g= x1 + 2x2 + 3x3 +4x4
2 x1 x 2 x3 3x 4 16
x1 2 x 2 3 x3 x 4 16
x 0
1 2 3 4 c
cB B
P1 P2 P3 P4 b
- - 2 1 1 [3] 16
- - 1 2 3 1 16
4 P4 2/3 1/3 1/3 1 16/3
- - 1/3 5/3 [8/3] 0 32/3
4 P4 5/8 1/8 0 1 4
3 P3 1/8 5/8 1 0 4
fj 23/8 19/8 3 4 28
cj - f j -15/8 -3/8 0 0 -
din care deducem că soluţia problemei date este:
xopt = (0, 0, 4, 4, 4)t cu fmax= 44.
Observaţie 1.3.22. Soluţiile problemelor “cu soluţii impuse” nu mai sunt soluţii de
bază (ele pot avea mai multe componente strict pozitive decât dimensiunea bazei).
Revenind la problema (*), dacă se adaugă o restricţie de tipul p j xj qj
atunci avem de soluţionat problema:
[opt]f = cx
24
- - 2 1 1 [3] 1 0 0 30
- - 1 2 3 1 4 0 0 32
0 P6 0 0 0 0 1 1 0 6
- - 0 0 0 0 1 0 -1 2
4 P4 2/3 1/3 1/3 1 1/3 0 0 10
- - 1/3 5/3 [8/3] 0 11/3 0 0 22
0 P6 0 0 0 0 1 1 0 6
- - 0 0 0 0 1 0 -1 2
4 P4 5/8 1/8 0 1 -1/8 0 0 29/4
3 P3 1/8 5/8 1 0 11/8 0 0 33/4
0 P6 0 0 0 0 1 1 0 6
- - 0 0 0 0 [1] 0 -1 2
4 P4 5/8 1/8 0 1 0 0 -1/8 15/2
3 P3 1/8 5/8 1 0 0 0 11/8 11
0 P6 0 0 0 0 0 1 [1] 4
5 P5 0 0 0 0 1 0 -1 2
fj 23/8 19/8 3 4 5 0 -11/8
cj-fj -15/8 -3/8 0 0 0 0 11/8 -
4 P4 5/8 1/8 0 1 0 1/8 0 8
3 P3 1/8 5/8 1 0 0 11/8 0 11/2
0 P7 0 0 0 0 0 1 1 4
5 P5 0 0 0 0 1 1 0 6
fj 23/8 19/8 3 4 5 11/8 0 157/2
cj-fj -15/8 -3/8 0 0 0 -11/8 0 -
Test de autoevaluare
Probleme propuse
26
Concluzii
Metoda simplex are câteva calităţi care o fac preferabilă metodei „căutării printre
soluţiile de bază” (sau „a enumerării şi evaluării soluţiilor de bază”). În primul rând
se remarcă simplitatea calculelor, iar în al doilea rând se constată că fiecare soluţie
de bază analizată este mai bună (sau cel puţin la fel de bună) ca precedenta. Această
calitate selectivă este un argument important privind aprecierea eficienţei metodei
simplex. Având în vedere că, prin modul în care a fost construit, algoritmul simplex
a fost uşor programabil pe calculator, putem trage concluzia că metoda simplex este,
în general, un procedeu eficient de soluţionare a unui model de optimizare liniar.
Deoarece variabilele problemei sunt supuse doar restricţiei de pozitivitate,
vom constata că procedeul de mai sus nu este aplicabil (sau că este inoperabil), în
general, dacă restricţia devine:
xD sau x D Nn sau x D Nm x , m < n.
De asemenea, soluţionarea prin algoritmul simplex a pornit de la minimum
două ecuaţii liniare, ceea ce face ca procedeul să fie inoperabil în cazul particular
(dar destul de frecvent) întâlnit în probleme de alocare de fonduri financiare (şi nu
numai) în care variabilele sunt legate doar printr-o condiţie.
Aceste observaţii arată că, deşi este eficientă în practică, metoda simplex nu este
universal valabilă în programarea liniară, deci se poate spune că aplicabilitatea sa are
anumite limite.
Bibliografie
1. Blaga P., Mureşan A., Matematici aplicate în economie, vol. I, vol.
II, Transilvania Press, Cluj-Napoca, 1996.
2. Butescu V., Baz D, Stremţan N., Matematici superioare, lito.
Universitatea „Dimitrie Cantemir”, Bucureşti, 1994.
3. Căbulea L., Cercetări operaţionale, Editura Dacia, Cluj – Napoca,
2002.
4. Cenuşă Gh. şi colectiv, Matematici pentru economişti, Editura
Cison, Bucureşti, 2000.
5. Filip A., Matematici aplicate în economie, Editura A.S.E. Bucureşti,
2002.
6. Ionesu H., Dinescu C., Săvulescu B., Probleme ale cercetării
27
operaţionale, Editura Didactică şi Pedagogică, Bucureşti, 1972.
7. Popescu O. şi colectiv, Matematici aplicate în economie, vol. I şi II,
Editura Didactică şi Pedagogică, Bucureşti, 1993.
8. Purcaru I., Matematici generale şi elemente de optimizare, Editura
Economică, Bucureşti, 1998.
9. Săcuiu I., Toma N., Matematici speciale aplicate în economie, Lito
ASE, Bucureşti, 1984.
10. Ştefănescu A., Zidăroiu C., Cercetări operaţionale, Editura Didactică şi
Pedagogică, Bucureşti , 1981.
28