Cursul 1

Ce reprezintă Cercetarea Operaţională?

Termenul „Cercetare Operaţională” (abreviat CO) desemnează un domeniu activ de
cercetare ştiinţifică – atât teoretică cât şi aplicativă – dar şi o disciplină universitară importantă.
CO are ca obiect de studiu problemele de optimizare rezultate din modelarea matematică a
unor fenomene şi procese din diverse domenii -economic, ştiinţific, tehnic sau militar.
Este unanim recunoscut faptul că o componentă importantă a managementului științific
este abordarea științifică a luării deciziilor manageriale. În cadrul ei se încearcă, pentru a obține
acest deziderat, să se aplice metode matematice și să se utilizeze capacitățile computerelor
moderne de a prelucra date, pentru a rezolva cele mai dificile probleme cu care se confruntă
managerii moderni. Unul dintre cele mai importante aspecte este acela de a optimiza deciziile
manageriale.
Obiectivul activităţii de optimizare este acela de a selecta cea mai bună decizie posibilă,
în anumite circumstanţe fără să fie nevoie să enumerăm toate celelalte posibilităţi.
Ştiinţa care se ocupă cu elaborarea şi studiul metodele de obţinere a celor mai bune variante
este o ramură a matematicii aplicate cunoscută sub numele de teoria optimizării. Tehnicile
optimizării s-au maturizat şi sunt pe larg utilizate în numeroase aplicaţii practice. Dimensiunile
problemelor ce au fost rezolvate cu ajutorul metodelor de optimizare au crescut odată cu creşterea
capacităţii de calcul, în special în cazul programării liniare.
Oamenii de ştiinţă, în special matematicienii au fost mereu preocupaţi de probleme legate
de optimizare: găsirea punctelor de extrem (maxime şi minime).
Deși rădăcinile sale pot fi urmărit din problemele puse de civilizațiile timpurii, cea mai
impetuoasă dezvoltare în ceea ce priveşte teoria optimizării a venit odată cu cel de-al doilea război
mondial şi cu dezvoltarea calculatoarelor digitale. In 1940 Dantzing a recunoscut structura
matematică a unor probleme de logistică militară şi a dezvoltat Metoda Simplex din cadrul
programării liniare.
Programarea liniară a devenit, dintr-un capitol matematic interesant, probabil cea mai
importantă şi mai larg aplicată procedură de optimizare. A evoluat în strânsă legătură cu
dezvoltarea continuă a posibilităţilor de lucru pe calculatoarele digitale.
Abilitatea de a rezolva un număr mare de ecuaţii liniare cu ajutorul calculatoarelor a permis
aplicarea programării liniare la rezolvarea problemelor industriale, precum optimizarea unei largi
rafinării de petrol.
Din nou în 1950, odată cu apariţia erei spaţiale, optimizarea a primit un nou impuls.
Traiectoria optimă a unei rachete a fost una dintre numeroasele probleme pentru care a fost
dezvoltată teoria programării dinamice şi a principiului de maxim (SUA şi URSS). Aceste metode
se folosesc acum pe larg în probleme care nu sunt legate de teoria spaţiului cosmic.

FORMULAREA PROBLEMELOR DE OPTIMIZARE

Optimizarea unui sistem (proces) reprezintă determinarea deciziei optime pentru realizarea
unei stari speciale a acestuia, stare care este cea mai favorabila dintr-un anumit punct de vedere
prestabilit. Optimizarea presupune selectarea conştientă a soluţiei optime din mai multe
variante posibile.
 Evident ca este necesar ca problema analizata sa aibă mai multe soluţii posibile, dintre care
sa fie aleasă cea mai bună, iar punctul de vedere în raport cu care să se realizeze optimizarea trebuie
definit riguros. Acest punct de vedere se numeşte criteriu de optimizare.
Formularea şi rezolvarea unei probleme de optimizare presupune existenţa unui model
matematic. Între optimizare şi modelare există o strânsă legătură, deoarece un model nu se
elaborează niciodată ca un scop în sine ci de regulă pentru a servi la rezolvarea unei probleme de
optimizare, iar pe de altă parte optimizarea intervine chiar în elaborarea modelului, prin utilizarea
ei la estimarea valorilor optime ale unor parametri care minimizează un criteriu de eroare.
Modelarea economică oferă managerului latura riguroasă a acţiunilor sale ("ştiinta de a
conduce"), modalităţi multiple de punere de acord a resurselor (materiale, umane, financiare)
existente cu obiectivele formulate pentru o anumită perioadă de timp, oferindu-i posibilitatea de a
gândi şi a decide "mai bine" şi "mai repede" fără să denatureze realitatea.
Modele matematice şi logice descriu comportarea unui sistem real (sau a unor
componente ale sale) de-a lungul unei perioade de timp. Modelul poate fi definit ca o
reprezentare abstractă şi simplificată a unui proces şi se obţine cu ajutorul metodei
modelării. Aceasta este un instrument de cunoaştere ştiinţifică şi are ca obiect construirea unor
reprezentări care să permită o mai bună înţelegere şi o mai profundă cunoaştere ştiinţifică a
diferitelor domenii. Esenţa metodei modelării constă în înlocuirea procesului real studiat printr-un
model mai accesibil studiului. Putem spune că modelul este o reprezentare izomorfă a realităţii,
care oferă o imagine intuitivă, dar riguroasă în sensul structurii oganice a fenomenului studiat,
şi permite descoperirea unor legături şi legităţi greu de stabilit pe alte căi.
Modelele economico-matematice prezintă relaţii de legătură între diferitele mărimi care
intervin în fenomenul economic studiat. Mărimi precum resurse materiale, umane şi financiare
reprezintă de fapt elemente ale "vectorului de intrare" în modelele economico-matematice.

Metode matematice
Din punct de vedere al preciziei, mărimile care caracterizează in general procesele se
clasifică în trei mari categorii :
- mărimi deterministe(riguros stabilite, cu o valoare unică),
- mărimi stochastice / aleatoare(mărimi ce au o mulţime de valori cărora li se asociază o
probabilitate)
- mărimi vagi/fuzzy (nu au o valoare unică, ci o mulţime de valori cărora li se asociază un
grad de apartenenţă la o anumită proprietate).
Această clasificare a mărimilor ne conduce la o grupare similară a metodelor de prelucrare
folosite în vederea adoptării unor decizii, şi anume: metode deterministe, metode stochastice şi
metode fuzzy.
O altă clasificare, bazată de asemenea pe criteriul exactităţii este gruparea în: metode
exacte, metode aproximative şi metode euristice .
Metode exacte permit obţinerea ăn cadrul unei probleme de decizie a unei soluţii S care
îndeplineşte, fără nici o eroare restricţiile impuse şi/sau condiţiile de optim, cerute prin criteriile
de eficienţă. Dacă notăm prin S vectorul soluţiei adoptate, iar prin S* vectorul soluţiei adevărate,
atunci: S-S*=0.
Metode aproximative sunt acele metode care permit obţinerea unei soluţii S, diferită de
soluţia adevarată S* printr-un vector ε, dominat de un vector εa dinainte stabilit, adică: |S-
S*|=|ε|⊆|εa| (1)
Metodele euristice sunt metode prin care, chiar în cazul unei probleme complexe se obţine
într-un timp relevant scurt, comparativ cu alte metode, o soluţie S, acceptabilă din punct de vedere
practic, fără a avea garanţii asupra rigurozităţii rezolvării. Fiind dat vectorul erorii admisibile, εa,
metodele euristice nu reuşesc totdeauna să ne conducă la o soluţie S cu proprietate (1). În unele
cazuri metodele euristice reuşesc să asigure respectarea relaţiei (1), dar cu o anumită probabilitate.
Metodele euristice pot fi considerate ca o succesiune de încercări/tatonări a căror alegere este
legată de fiecare dată de natura problemei de rezolvat şi de personalitatea modelatorului.
Există trei componente de bază necesare pentru optimizarea unui proces industrial.
• In primul rând, trebuie obţinută formularea matematica a procesului, şi implicit
cunoscute variabilele procesului care urmează a fi manipulate si controlate. De obicei
obţinerea unui model matematic satisfăcător, cu variabilele cunoscute de control este
sarcina cea mai dificila.
• In al doilea rând, este necesar să se precizeze criteriul de performanţă (funcţia
obiectiv/funcţia scop/modelul economic al procesului) Aceasta presupune obţinerea unei
ecuaţii care reprezintă profitul obţinut în urma unor vânzării unor produse şi costurile
asociate cu producerea lor, aşa precum materii prime, cheltuieli de exploatare, costuri fixe,
taxe, etc.. De asemenea constrângerile legate de materialele utilizate, de echipamentul
necesar în proces, forţa de muncă, etc., trebuie specificate în modelul de proces construit.
• În final trebuie găsită soluţia optimă, prin selectarea unei proceduri (metode/ tehnici) de
optimizare care localizează valorile variabilelor independente ale procesului care satisfac
în cea mai mare măsură criteriul de performanţă ales (produc profit maxim sau care
înregistrează un cost minim măsurat prin funcţia obiectiv).
Teoria optimizării cuprinde două ramuri mai importante: programarea matematică şi
metode ale calculului variaţional.
1. Metode ale programării matematice
Obiectivul - găsirea punctului care optimizează funcţia obiectiv (găsirea condiţiilor optime de
funcţionare) Formulare matematică: optimizarea funcţiei y ( x ) în condiţiile în care
f i ( x ) ≥ 0, i = 1, m , unde x( x1 , x 2 ,..., x n ) .
Metode: metode analitice, metode de programare geometrică, metode de programare liniară,
metode de programare pătratică, metode de programare convexă, metode de programare dinamică
(cazul discret), metode de programare neliniară, metode de căutare secvenţială, metode de
programare în numere întregi, metode de optimizare multicriterială, metode de programare
combinatorială, principiul maximului (cazul discret), metode euristice (Metoda Drumului Critic-
MDC/Critical Path Method-MPC), metode ale teoriei grafurilor, metode de teoria jocurilor, etc.
2. Metode variaţionale
Obiectivul - găsirea celei mai bune funcţii ce optimizează modelul economic (găsirea profilului
de temperatură care maximizează fenomenul de conversie într-un reactor chimic tubular)
Formulare matematică: optimizează I ( y ( x )) = ∫ F [ y ( x ), y ′( x )]dx în condiţiile în care sunt
precizate restricţii algebrice, integrale sau diferenţiale.
Metode:
Calculul Variaţional- (metode analitice de determinare a comenzilor optime pentru sisteme cu
parametri distribuiţi-metode analitice bazate pe ecuaţiile Euler-Lagrange şi metode numerice de
determinare a comenzilor optime), Programarea dinamică (cazul continuu), Principiul maximului
(cazul continuu), etc..
În general metodele de programare matematică se aplică problemelor staţionare iar cele de
calcul variaţional problemelor dinamice.
Metodele programării matematice sunt de două mari categorii: directe şi indirecte.
Cele directe precum, metode de căutare secvenţială, metoda programării liniare, presupun o
abordare directă a problemei şi obţinerea soluţiei pe baza unui şir de iteraţii ce implică o serie de
evaluări ale funcţiei obiectiv. Ele încep de la o soluţie iniţială (de pornire) şi o îmbunătăţesc
succesiv până ajung la soluţia optimă.
Cele indirecte, precum metodele analitice şi cele de programare geometrică rezolvă un sistem de
ecuaţii algebrice iar soluţia acestora se demonstrează că realizează optimul modelului economic.
De exemplu în cadrul metodei analitice mulţime de ecuaţii se obţine prin diferenţierea modelului
economic în raport cu fiecare variabilă independentă, şi apoi anularea a expresiilor rezultate. Ele
se numesc indirecte deoarece găsirea optimului nu necesită calculul funcţiei obiectiv
Metodele analitice reprezintă de fapt esenţa teoriei clasice a maximului şi minimului şi sunt legate
de modalităţile cunoscute de aflare a extremelor unor funcţii de mai multe variabile cu şi fără
restricţii.

Elemente de programare liniară

Condiţiile în care se desfăşoară o anumită activitate economică analizată conduc la un
sistem de relaţii - ecuaţii sau inecuaţii - care conţin variabilele problemei şi coeficienţii tehnologici
care o caracterizează. Aceste relaţii reprezintă restricţiile problemei.
Scopul studiului este optimizarea unui anumit rezultat dependent de variabilele problemei.
În formularea problemelor de programare matematică, obiectivul apare sub forma unei funcţii,
denumită funcţie obiectiv (scop), ale cărei valori maxime sau minime sunt căutate.
Restricţiile problemei, împreună cu funcţia obiectiv şi anumite condiţii impuse variabilelor
constituie modelul matematic al problemei.
Dacă atât funcţia obiectiv cât şi restricţiile sunt funcţii liniare modelul respectiv este
o problemă de programare liniară.

1.1. Exemple de probleme de programare liniară

Exemplu. Problemă de organizare a producţiei

O firmă trebuie să realizeze n tipuri de produse Pj (j =1,..., n), folosind m tipuri de resurse
Ri (i = 1,.., m). Se cunosc: coeficienţii tehnologici aij (cantitatea din resursa Ri necesară producerii
unei unităţi din produsul Pj şi care nu depinde de intensitatea la care urmează să se desfăşoare
procesul de producţie); cantităţile disponibile bi din resursele Ri; profitul unitar cj pentru fiecare
produs Pj.
Să se întocmească programul (planul) optim de producţie al firmei astfel încât profitul total realizat
să fie maxim.
Elaborarea modelului matematic al problemei:
Se notează cu xj (j = 1,..., n) cantitatea din produsul Pj ce urmează a fi produsă.
Funcţia obiectiv este profitul total, care trebuie maximizat:

[]  = 


Restricţiile problemei se datorează limitării resurselor. Consumul din fiecare resursă Ri (i

= 1,.., m) nu poate depăşi cantitatea disponibilă:
ai1 x1 + ai 2 x2 + L + ain xn ≤ bi , ∀i = 1, m
Condiţiile asupra variabilelor sunt de nenegativitate: xj ≥ 0 (j =1,…, n).
Modelul matematic al problemei are forma:

 [max] f = c1 x1 + c2 x2 + L + cn xn
 a x + a x +L+ a x ≤ b
 11 1 12 2 1n n 1

 LLLLLLLLLLL
 a x + a x +L+ a x ≤ b
 m1 1 m 2 2 mn n m
 x1 ≥ 0, x2 ≥ 0, ..., xn ≥ 0

Exemplu. Problemă de amestec

Se efectuează un amestec din uleiurile minerale Uj (j= 1,..., n), în vederea obţinerii unui
produs finit cu anumite caracteristici, în cantitate de cel puţin q litri. Amestecul trebuie să conţină
substanţele Si (i = 1,..., m) în cantitate de cel puţin bi grame fiecare.
Se cunosc: conţinutul aij în substanţele Si al fiecărui tip de ulei Uj (în grame/l); costul
unitar cj al fiecărui tip de ulei Uj.
Cum trebuie efectuat amestecul cu cost total minim ? Ce cantitate din fiecare ulei trebuie
pusă în amestec ?
Elaborarea modelului matematic al problemei:
Se notează cu xj (j= 1,…, n) cantitatea necu-noscută din uleiul Uj care trebuie pusă în
amestec.
Funcţia obiectiv este o funcţie cost - costul amestecului - care trebuie minimizată:
[min] f = c1 x1 + c2 x2 + L + cn xn

Restricţia referitoare la masa amestecului: x1 + x2 + L + xn ≥ q

Restricţia referitoare la substanţa minerală Si :

ai1 x1 + ai 2 x2 + L + ain xn ≥ bi , ∀i = 1, m
Modelul matematic al problemei are forma:

 [min] f = c1 x1 + c2 x2 + L + cn xn
 x +x + +x ≥q
 1 2 L n
 a11 x1 + a12 x2 + L + a1n xn ≥ b1
 LLLLLLLLLLL

 am1 x1 + am 2 x2 + L + amn xn ≥ bm

 x j ≥ 0, j = 1, n

Observaţie: O aplicaţie a problemei amestecului este problema substituţiei unor mijloace de

producţie cu altele, în scopul realizării unui efect de producţie optim.

Exemplu. Problemă de utilizare a capacităţii utilajelor

O firmă realizează n tipuri de produse care pot fi fabricate pe m utilaje, care au
capacităţi de producţie limitate pe o anumită perioadă.
 Se cunosc: procentul aij din capacitatea utila-jului i (i = 1,..., m) necesar pentru
fabricarea unei unităţi din produsul j (j = 1,..., n); profitul unitar cj al produsului j.
Să se stabilească un program de fabricaţie care să permită utilizarea optimă a
capacităţii disponibile a celor m utilaje.
Elaborarea modelului matematic:
Variabilele problemei sunt cantităţile de produse fabricate în perioada considerată.
Se notează cu xj (j = 1,…, n) numărul de produse de tipul j.
Funcţia obiectiv este profitul total obţinut de firmă pentru cele n tipuri produse;
funcţia trebuie maximizată:
n
[max] f = ∑ c j x j
j =1
n
Restricţiile de capacitate ale celor m utilaje: ∑ aij x j ≤ 1, i = 1, m
j =1
Modelul matematic al problemei are forma:
 n
 [max] f = ∑ cjxj
 j = 1
 n
 ∑ aij x j ≤ 1, i = 1, m
 j =1
 x ≥ 0, j = 1, n
 j


1.2. Forme ale problemelor de programare liniară

Definiţie. Forma generală a unei probleme de programare liniară:
 [min] ([max]) z = c1 x1 + c 2 x 2 + L + cn x n

 a11 x1 + a12 x 2 + L + a1n x n ≤ (≥)(=)b1 
 
 a 21 x1 + a 22 x 2 + L + a 2 n x n ≤ (≥)(=)b2 
 LLLLLLLLLLLLLLL 
 
 a m1 x1 + a m 2 x 2 + L + a mn x n ≤ (≥)(=)bm 
unde coeficienţii cj ∈R, aij ∈R, bi ∈R (i = 1,…,m; j = 1,.., n).
Funcţia liniară z este funcţia obiectiv a proble-mei; ea trebuie minimizată sau maximizată.
Celelalte relaţii constituie sistemul de restricţii ale problemei. În fiecare relaţie apare
doar unul din simbolurile " ≤ ", " ≥ ", " = ". Membrul stâng al fiecărei relaţii este o funcţie
liniară în variabilele x1 , x2 ,..., xn .
Definiţie. O problemă de programare liniară (PL) constă în optimizarea (minimizarea sau
maximi-zarea) unei funcţii liniare, cu respectarea unor restricţii (egalităţi şi/sau inegalităţi)
liniare.
Definiţie. O problemă de PL are forma standard dacă toate restricţiile sunt ecuaţii şi toate
variabilele sunt supuse condiţiei de nenegativitate.
Problema de PL în forma standard scrisă explicit:
  [min] ([max]) z = c1 x1 + c 2 x 2 + L + cn x n
 a x + a x + La x = b
 11 1 12 2 1n n 1

 L LL L L L L L L L L
 a x + a x + La x = b
 m1 1 m2 2 mn n m

 x1 ≥ 0, x 2 ≥ 0, ..., x n ≥ 0
Problema de PL în forma standard scrisă restrâns:
 n
 [min] ([max]) z = ∑ cjxj
 j = 1

 n
 ∑ aij x j = bi , 1 ≤ i ≤ m
 j =1
 x ≥ 0, 1 ≤ j ≤ n
 j

Problema de PL scrisă în format matriceal:
 min (max) c T x

 Ax = b
x≥0

Observaţie. Din punct de vedere algebric, sistemul de restricţii (ecuaţii liniare) Ax = b poate
fi: incom-patibil, compatibil unic determinat sau compatibil nedeterminat. Evident, numai
ultimul caz prezintă interes practic, pentru că doar atunci se pune efectiv problema de a
alege dintre mai multe soluţii pe cea mai bună.
Definiţie. O restricţie a unei probleme PL se numeşte concordantă dacă este o inegalitate de tipul
" ≥ " când funcţia obiectiv este minimizată şi este de tipul " ≤ " când funcţia este maximizată.
Definiţie. O problemă de PL are forma canonică dacă toate restricţiile sunt concordante şi
toate variabilele sunt supuse condiţiei de nenegativitate.
O problemă de PL de minimizare, în formă canonică, se scrie explicit, respectiv,
matriceal:

 min z = c1 x1 + c 2 x 2 + L + c n x n

 a11 x1 + a12 x 2 + L a1n x n ≥ b1  min c T x
 
 LLLLLLLLLLL  Ax ≥ b
 a x + a x + La x ≥ b  x≥0
 m1 1 m2 2 mn n m

 x j ≥ 0, j = 1, n


O problemă de PL de maximizare, în formă canonică, se scrie explicit, respectiv, matriceal:

 max z = c1 x1 + c2 x2 + L + cn xn

 a11 x1 + a12 x2 + L a1n xn ≤ b1  max c T x
 
 LLLLLLLLLLL  Ax ≤ b
 a x + a x + La x ≤ b  x≥0
 m1 1 m 2 2 mn n m 
 x j ≥ 0, j = 1, n

Definiţie. O problemă de PL are forma mixtă dacă toate restricţiile sunt fie ecuaţii, fie inegalităţi
concordante şi toate variabilele sunt supuse condiţiei de nenegativitate:

 min (max) c T x

 A1 x ≥ b1

 A2 x = b2
 x≥0


Orice problemă de PL în forma generală poate fi adusă la forma standard, canonică sau
mixtă cu următoarele transformări echivalente:
a) sensul unei inegalităţi se schimbă prin înmulţire cu -1;
b) transformarea unei inegalităţi într-o egalitate se realizează prin introducerea unei
variabile, numită variabilă de compensare (abatere sau ecart), y ≥ 0, astfel încât:
 aT x + y = α  aT x − y = β
aT x ≤ α ⇔  respectiv aT x ≥ β ⇔ 
 y≥0  y≥0
c) o egalitate poate fi înlocuită cu două inegalităţi de acelaşi semn:
 a T x ≥ α  a T x ≤ α
a x =α ⇔ 
T sau  T
 - a T x ≥ −α  - a x ≤ −α
d) o variabilă nepozitivă se poate înlocui cu o variabilă nenegativă prin substituţia:

 y = −x
x≤0 ⇔ 
 y≥0
e) o variabilă arbitrară se poate înlocui cu două variabile nenegative prin substituţia:
 x= y−z
x arbitrar ⇔ 
 y, z ≥ 0
f) transformarea operatorului maxim în minim (sau invers) se realizează prin schimbarea
semnelor coeficienţilor din funcţia obiectiv:
n  n 
min ∑ ci xi = − max  − ∑ ci xi 
i =1  i =1 

Observaţii:
1) Variabilele de compensare nu apar şi în expresia funcţiei obiectiv a problemei (coeficienţii lor
în funcţia obiectiv sunt nuli).
2) În problemele de PL cu semnificaţie economică concretă, variabilele de compensare introduse
primesc, la rândul lor, interpretări economice precise; se motivează astfel includerea acestor
variabile în setul variabilelor iniţiale.

Rezolvarea unei probleme de PL constă în determinarea valorilor variabilelor care satisfac

restricţiile problemei şi care optimizează funcţia obiectiv.
Exemplu. Să se scrie formele echivalente ale problemei de PL:
 min (3x1 − 5 x2 + 2 x3 )
 x + 4 x + 3 x = 15
 1 2 3

 12 x − x 2 ≥1
 3 x2 + x3 ≤ 7

 x1 , x2 , x3 ≥ 0

Soluţie. Problema din enunţ este în forma generală.

Forma standard a problemei se obţine prin intro-ducerea variabilelor de compensare

x4 şi x5, nenegative, în ultimele două restricţii:
 min (3x1 − 5 x2 + 2 x3 )
 x1 + 4 x2 + 3 x3 = 15

 2 x1 − x2 − x4 =1
 3 x2 + x3 + x5 = 7
 x ,..., x ≥ 0
 1 5

Forma canonică de minimizare a problemei se obţine prin transformarea primei

restricţii a problemei originale în două inegalităţi de tipul " ≥ ":
 min (3x1 − 5 x2 + 2 x3 )
 x1 + 4 x2 + 3 x3 ≥ 15
 - x − 4 x − 3 x ≥ −15
1 2 3
 2x − x ≥ 1
 1 2
 − 3 x 2 − x3 ≥ −7
 x1 , x2 , x3 ≥ 0

Forma canonică de maximizare a problemei este următoarea:

 max (−3 x1 + 5 x2 − 2 x3 )
 x1 + 4 x2 + 3 x3 ≤ 15
 − x − 4 x − 3 x ≤ −15
1 2 3
− 2 x + x ≤ −1
 1 2
 3 x2 + x3 ≤ 7
 x1 , x2 , x3 ≥ 0
1.3. Interpretarea economică
 n
 min (max) z = ∑ cjxj (1)
 j = 1
 n
 ∑ aij x j ≤ bi , 1 ≤ i ≤ k (2)
 j =1
 n
Fie problema de PL:  ∑ aij x j ≥ bi , k + 1 ≤ i ≤ l (3)
 j =1
 n
 ∑ aij x j = bi , l + 1 ≤ i ≤ m (4)
 j =1

 x j ≥ 0, 1 ≤ j ≤ n (5)

Relaţia (1) exprimă matematic funcţia obiectiv z şi arată evaluarea volumului activităţilor
desfăşurate la nivelurile xj, prin intermediul coeficienţilor cj, ce pot fi costuri unitare în cazul
problemelor de minim, sau profituri unitare, în cazul problemelor de maxim.
Relaţiile (2)-(4) constituie sistemul de restricţii ale problemei, exprimă diverse cerinţe
tehnico-econo-mice de desfăşurare a activităţii, de plan, de piaţă etc. Ele sunt scrise cu ajutorul
coeficienţilor tehnico-economici aij, constanţi într-un interval de timp determinat.
Termenii liberi bi cuantifică, după caz, resursele disponibile materiale, financiare, de
capacităţi de producţie sau normative minimale, capacitatea minimă de absorbţie a pieţii etc.
Restricţiile (2) corelează volumul consumului activităţilor cu cel al disponibilului din
fiecare resursă.
Restricţiile (3) impun un volum al activităţilor peste limitele minimale.
Restricţiile (4) impun realizarea strictă a unui plafon prestabilit.
Relaţiile (5) exprimă condiţiile de nenegativi-tate impuse variabilelor xj şi au ca sens
economic nivelul de desfăşurare al activităţilor.