MELNIC LUCIA CHIRCOR MIHAEL

ZĂGAN REMUS

CERCETĂRI OPERAŢIONALE
FUNDAMENTAREA DECIZIILOR ÎN MANAGEMENTUL SISTEMELOR DE PRODUCŢIE

2004

CUPRINS
1. INTRODUCERE 1.1. Scurt istoric al evoluţiei ştiinţei „Cercetare Operaţională” 1.2. Teoria Deciziei şi Cercetare Operaţională 1.3. Modelarea matematică în Cercetarea Operaţională 2. PROGRAMARE LINIARĂ 2.1. Probleme de programare liniară 2.1.1. Formularea problemei de programare liniară 2.1.2. Forme ale problemei de programare liniară 2.1.3. Modelul matematic al problemei de programare liniară 2.2. Consideraţii generale privind problemele de programare liniară 2.2.1. Soluţii şi fundamente ale problemei de programare liniară 2.2.2. Baze ale problemei de programare liniară 2.2.3. Interpretarea geometrică a problemei de programare liniară 2.3. Metoda Simplex 2.3.1. Fundamente teoretice în aplicarea metodei Simplex 2.3.2. Algoritmul simplex primal 2.3.3. Metode de determinare a unei soluţii de bază iniţiale 2.3.4. Interpretarea economică a algoritmului simplex primal 2.4. Dualitatea în programarea liniară 2.4.1. Problema duală. Fundamente teoretice 2.4.2. Algoritmul simplex dual 2.4.3. Interpretarea economică a dualităţii 3. PROGRAMAREA LINIARĂ DE TIP TRANSPORT 3.1. Formularea unei probleme de transport 3.2. Exemple de probleme de tip transport 3.3. Determinarea unei soluţii de baza iniţiale a problemei de transport 3.4. Metoda de determinare a soluţiei optime pentru probleme de transport. Metoda potenţialelor. 3 4 5 7 7 7 9 12 16 16 20 22 26 26 28 35 39 41 41 45 49 53 53 55 57 59

2

Cercetări operaţionale- Fundamentarea deciziilor în managementul sistemelor de producţie

4. ELEMENTE DE TEORIA GRAFURILOR 4.1. Fundamente în teoria grafurilor 4.1.1. Noţiunea de graf 4.1.2. Orientare şi neorientare în graf 4.1.3. Drumuri şi circuite în graf 4.1.4. Lanţuri şi circuite în graf 4.2. Matrici ataşate grafurilor 4.2.1. Matricea arcelor (conexiunilor directe) 4.2.2. Matricea drumurilor (conexiunilor totale) 4.2.3. Descompunerea grafului în componente tari conexe 4.3. Drumuri hamiltoniene în graf 4.4. Drumuri de valoare optimă în graf 4.5. Cuplaje. Probleme de repartiţie (afectare) 5. TEHNICA DIAGRAMELOR DE TIP REŢEA 5.1. Generalităţi privind modelarea prin reţele 5.2. Metoda drumului critic (Critical Path Method - C.P.M.) 5.3. Metoda potenţialelor (Metro Potential Method - M.P.M.) 5.4. Metoda PERT (Program Evaluation and Review Technique) 5.5. Tehnica GERT (Graphical Evaluation and Review Technique) 6. ELEMENTE DE TEORIA DECIZIEI 6.1. Procesul şi sistemul decizional al întreprinderii 6.2. Utilităţi decizionale 6.3. Optimizarea deciziilor în condiţii de certitudine 6.3.1. Metoda utilităţilor globale 6.3.2. Metoda Electre 6.3.3. Metoda Ledear-ului 6.4. Optimizarea deciziilor în condiţii de risc BIBLIOGRAFIE 64 64 64 69 70 71 71 73 75 78 87 93 97 97 99 106 108 111 114 114 117 121 121 121 122 123 131

3

4 .

Vorra (1931) – reînnoirea echipamentelor. Scurt istoric al evoluţiei ştiinţei „Cercetare Operaţională” Cercetarea operaţională ca ştiinţă a apărut către sfârşitul primei jumătăţi a secolului nostru şi s-a dezvoltat spectaculos în special în ultimii ani. cibernetica. H. cibernetica. pătrunderea ştiinţei cercetării operaţionale (Management Science) în dezvoltarea problemelor de conducere a industriei se datorează celei de-a doua revoluţii industriale şi posibilităţilor de comercializare a calculatoarelor electronice. Şcoala clasică are marele merit al abordării unui domeniu nou. Au apărut reviste şi s-au introdus cursuri şi seminarii de cercetare operaţională atât în S. În prezent.U. considerându-se pionieră a organizării ştiinţifice (F. pentru prima oară se pune în mod riguros şi pe scară largă problema găsirii unor soluţii optime sau apropiate de cele optime. teoria sistemelor. informaţionale şi energetice ce au un comportament orientat spre atingerea unor obiective precise.1. În ceea ce priveşte procesele de decizie. fără a face apel la metodele cercetării operaţionale. Obiectul cercetării operaţionale îl constituie sistemele şi ele îşi propun elaborarea unor metode de analiza a operaţiilor îndreptate spre un anumit scop. precum şi estimarea obiectivă 3 .Fundamentarea deciziilor în managementul sistemelor de producţie CAPITOLUL 1 INTRODUCERE 1. informatica şi analiza sistemelor. respectiv a ordinatoarelor nu era justificată. întreprinderea poate fi privită ca un sistem ale cărui elemente componente (oameni. Taylor-1900. în marea diversitate de probleme organizatorice şi de conducere. un mod de abordare ştiinţific asupra problemelor ce intervin în cadrul unei întreprinderi industriale şi totodată nu se concepe conducerea şi gestionarea întreprinderii. Cercetare operaţională exista înaintea declanşării celui de al doilea război mondial prin lucrările elaborate de Erlang (1917) – firele de aşteptare. În S. în strânsă legătură cu ştiinţa organizării şi conducerii. În perioada următoare se lărgeşte considerabil problematica organizării şi conducerii. informaţie) sunt intercorelate prin fluxuri materiale. materiale.L.Fayol-1915) şi aceasta pune pentru prima dată problema abordării raţionale a mecanismului funcţionării unei întreprinderi.Cercetări Operaţionale. Termenul de Cercetare Operaţională (Operational Research)a fost utilizat pentru prima dată în 1939.U. împreună cu celelalte tehnici moderne ca informatica. Utilizarea cercetării operaţionale în practică era dificil de realizat deoarece din punct de vedere intelectual exista o anumită aversiune fată de modele şi de caracterul descriptiv al ştiinţei.A. investiţiile în mijloace de calcul eficace. A. Cercetările operaţionale au consacrat în domeniul optimizării deciziei. iar din punct de vedere material datorită complexităţii mici a organizaţilor şi talia relativ modestă a întreprinderilor din aceea perioadă.A. capital.Gantt-1901. Harrris (1915) – gestiunea ştiinţifică a stocurilor. mai mult de jumătate din firmele americane au sau folosesc specialişti în cercetarea operaţională.W. În practică. statistica. cât şi în alte ţări ale lumii. teoria sistemelor. În 1953 s-a format Societatea Americană de Cercetări Operaţionale. iar aspectele informaţional-decizionale (până atunci ignorate) şi aspectele relaţiilor umane dau un alt sens abordării mecanismului funcţionării întreprinderii. iar în 1957 s-a constituit Federaţia Internaţională a Societăţilor de Cercetări Operaţionale. Prima aplicaţie a cercetării operaţionale moderne la scară largă o constituie aplicarea regulilor definite de Sir Blackett în timpul celui de al doilea război mondial cu deosebit succes în Anglia şi care a debutat în 1937. fiind legat de contribuţia oamenilor de ştiinţă la utilizarea eficientă a radiolocatoarelor în sistemul apărării antiaeriene al Angliei.

Cercetare operaţională alături de Teoria deciziei a absorbit noile dezvoltări în domeniul activităţii de management industrial şi al sistemelor economice. care se va orienta spre noi concepte şi produse. 1. 1.Introducere a deciziilor ce pot fi adoptate. În aceste condiţii. fundamentate ştiinţific şi performant. Ea reprezintă mulţimea activităţilor care se extind de la simpla prezentare a problemei la proceduri abstracte şi raţionale. Ele produc în final premisele cantitative formale ale dinamicii procesului.1. . Modelarea ca metodă de fundamentare a deciziilor în activitatea economică oferă următoarele avantaje: . din mai multe variante posibile cu scopul atingerii unui obiectiv prestabilit în condiţii de eficienţă maximă. Procesul de decizie porneşte de la un anumit rezultat care trebuie să fie obţinut. depinde. managerul trebuie să adopte decizii. 4 . mai inovate. Modelul este o reprezentare izomorfa a realităţii ce oferă o imagine intuitivă dar riguroasă în sensul structurii logice a fenomenului studiat. care necesită existenţa unei activităţi desfăşurată astfel încât deciziile să fie în concordanţă cu evoluţia eficientă a acestora. să determine în mod raţional soluţiile cele mai eficiente. Utilizarea modelelor este impusă şi de complexitatea sistemelor industriale. Accelerarea evoluţiei tehnologice în industrie. Cercetarea operaţională este un ansamblu de metode care îşi propune. Utilizarea raţională a celor patru tipuri de resurse conduc la flexibilitatea organizaţiei şi astfel activitatea poate fi planificată în prognoze pentru a releva anumite aspecte semnificative ale viitorului. influenţează şi comportamentul consumatorilor.permite verificarea prin analogie a teoriei cu practica. iar decidentul trebuie ca prin prelucrarea diferitelor informaţii să aleagă cea mai bună variantă pentru atingerea acestuia (fig.2. Decizia reprezintă soluţia aleasă. Este actul deliberat al unui individ sau al unui grup de oameni investiţi cu puterea de a alege varianta de concepere/realizare a unui scop şi de a declanşa acţiuni. într-un mediu dinamic şi într-o continuă schimbare. Teoria Deciziei şi Cercetare Operaţională Creşterea productivităţii şi obţinerea rentabilităţii întreprinderii industriale pe termen lung. în vederea pregătirii deciziilor.reprezintă riguros fenomenele şi legăturile lor la nivelul sistemului.1). Operaţia de investigarea a sistemelor reale prin reprezentări convenţionale se numeşte modelare. Rezultat dorit Obiective Variante Criterii DECIZIE Control Actiune Rezultat dorit Fig. dar experimente de acest fel (de exemplu modificarea parametrilor funcţionali) se pot face uşor în condiţiile folosirii unui model. mai atractive şi adaptate modului şi ritmului lor de viaţă. într-o mare măsură de capacitatea managementului întreprinderii de a anticipa schimbarea şi de a adapta decizia noilor situaţii într-un mod planificat.1. Necesitatea modelării în managementul producţiei industriale rezultă din faptul că efectuarea unor experimente asupra organizaţiilor este foarte greu de realizat.

Din impactul între modelele fizice cu dispozitive logice de calcul şi cele matematice au rezultat modelele de simulare. un model abstractizat sub forma unui model matematic. dar în special la nivel microeconomic. Obiectivul studiului îl constituie optimizarea unui anumit rezultat dependent de aceleaşi variabile ce figurează în restricţii.reflectă teorii ale proceselor cuantificabile şi necuantificabile. Restricţiile problemei şi funcţia obiectiv formează modelul matematic al problemei. 5 . ceea ce a condus la apariţia unei ştiinţe multidisciplinare: TEORIA DECIZIEI şi CERCETARE OPERAŢIONALĂ Teoria deciziei este legată intrinsec de cercetarea operaţională care poate fi considerată „pregătirea ştiinţifică a deciziilor”.3.Cercetări Operaţionale. În managementul producţiei industrial se aplică toate aceste tipuri de modele. Obiectivul este sub forma unei funcţii ale cărei valori maxime sau minime le căutăm şi care se numeşte funcţia obiectiv (scop. Corelaţia teorie-model-realitate reprezintă un aspect logic .urmăreşte obţinerea unor soluţii optime.Fundamentarea deciziilor în managementul sistemelor de producţie . 1. Prima direcţie a condus la dezvoltarea unui ansamblu de discipline în cadrul CERCETĂRII OPERAŢIONALE. A doua direcţie de lucru a condus la constituirea unei discipline aparte – TEORIA DECIZIEI. .înlesneşte descoperirea unor corelaţii între fenomene şi predeterminarea performanţelor firmei. dar incomplete. Modelele matematice se preferă pentru capacitatea lor de condensare riguroasă a esenţialului. Ele reprezintă principalul instrument pentru optimizarea deciziilor în analiza de sistem. de exemplu: modelele fizice se pot folosi pentru studiul privind planul general al firmei. În funcţie de modul în care se ajunge la soluţia optimă există două direcţii principale de lucru: • atingerea obiectivului prin deducerea soluţiei optime. Între cele două direcţii există raporturi strânse. conduc la un sistem de relaţii tip ecuaţii şi inecuaţii ce cuprind variabilele problemei şi coeficienţii tehnico – economici ce o caracterizează. o reprezentare grafică (de exemplu un grafic reţea). modelele matematice pentru alocarea resurselor sau analiza proceselor aleatoare. . necesare pentru adoptarea unor decizii raţionale. • atingerea aceluiaşi obiectiv prin practici oferite de teoria deciziei Deducerea soluţiei se caracterizează prin certitudinea rezultatului obţinut pe baza unor informaţii obiective şi complete. Modelul intervine între teorie şi obiectul real şi trebuie testat în raport cu realitatea exprimată ca obiect. Modelarea matematică în cercetarea operaţională Condiţiile în care se desfăşoară activitatea analizată din cadrul întreprinderii. eficienţă). introducându-se în rezolvarea problemei elemente subiective.privind corespondenţa dintre teorie şi model – şi un aspect gnoseologic – urmărind corespondenţa dintre model şi realitate. biunivoce. Modelele cercetării operaţionale se caracterizează prin căutarea unei soluţii optime sau apropiate de optim pentru operaţia studiată. Modelarea utilizează un suport material fizic (de exemplu simulatoarele). Metoda a doua solicită decidentului să estimeze consecinţele posibile ale acţiunilor sale pe baza unor informaţii obiective. modelele grafice la analiza relaţiilor om – maşină. Modelele cercetării operaţionale se bazează pe o mare diversitate de procedee matematice şi au aplicaţii la nivel macro. Aceste relaţii reprezintă – restricţiile problemei matematice. Dificultatea constă în formularea problemei într-un limbaj matematic adecvat şi în volumul mare al calculelor.

în probleme de teoria grafelor. la modele combinatorice. Modelelor clasice ale cercetării operaţionale. In contextul celor arătate mai sus trebuie subliniată importanţa metodelor cercetării operaţionale în fundamentarea şi elaborarea deciziilor.. ca probleme de matematică pură. • A treia fază a modelării este confruntarea modelului cu realitatea prin implementarea rezultatului obţinut şi eventual experimentarea sa.zisă a modelului–acesta cu ajutorul unui instrument clasic de modelare. În prezent nu se mai poate concepe conducerea unei activităţi tehnico-economice importante fără a face apel la metodele cercetării operaţionale. analiza drumului critic şi programarea operativă a producţiei şi până la modele complexe cum sunt cele ale utilităţii sau deciziilor de grup.Introducere Decizia obţinută cu ajutorul modelului nu poate fi recomandată nemijlocit pentru realizare. pe lângă profunda cunoaştere a realităţii care urmează a fi modelată. în scopul îmbunătăţirii mecanismului informaţional decizional şi descrierea logicii proceselor decizionale. imaginaţie şi talent. Principalele faze ale elaborării unui model matematic într-o problema de organizare – conducere sunt următoarele: • Prima fază a modelării este cunoaşterea realităţii în organismul studiat. 6 . analiza de sistem ş. Conducerea executivă care va lua decizia finală trebuie să ţină seama pe lângă recomandările cercetării operaţionale şi de o serie de factori ce nu pot fi formalizaţi. Elaborarea unui model matematic realmente original reclamă. sunt diverse funcţie de structura matematica şi logică. această fază având un caracter pregătitor.a. o foarte solidă cultură matematică. Sarcina cercetării operaţionale este de a pregăti decizia şi nu de a o adopta . • A doua fază a modelării constituirea propriu . dintre care putem menţiona: • programarea operativă a producţiei. • repartizarea raţională a resurselor. În cele ce urmează vom privi metodele cercetării operaţionale strâns legate de problemele practice. din perspectivă pur teoretică. • eşalonarea în timp a activităţilor unei investiţii. Una din principalele caracteristici ale tuturor metodelor cercetării operaţionale este faptul că problemele cercetării operaţionale sunt privite. deoarece modelul face abstracţie de o serie de aspecte ale fenomenului studiat. şi variază de la modele simple cum sunt cele ale programării liniare. Există o gamă largă de probleme tehnico – economice care se pretează a fi modelate matematic cu ajutorul procedeelor cercetării operaţionale. bineînţeles împreună cu celelalte tehnici moderne cum ar fi informatica. • gestiunea stocurilor.

(i = 1...a1n · ¨ ¸ A ∈ Mm. A= ( ai.....Fundamentarea deciziilor în managementul sistemelor de producţie CAPITOLUL 2 PROGRAMAREA LINIARĂ 2. financiare. Modelul matematic de programare liniară se constituie din mulţimea de activităţi (operaţii){A1. fiecare linie se referă la o resursă bi şi fiecare coloană se referă la o activitate aj. mulţimea de resurse disponibile materiale. bm}.. A = ¨ ¸ ¨ a ..n) (2. Programarea matematică reprezintă un instrument deosebit de util fundamentării deciziilor în practica industrială... j= 1.. se pot scrie matematic restricţiile tehnico-economice. conduc la un sistem de relaţii tip ecuaţii şi inecuaţii ce cuprind variabilele problemei şi coeficienţii tehnico – economici ce o caracterizează .1) b ∈R m (2.... An}. ¨ ¸ ¨b ¸ © m¹ (2..2) Notând cu xj (j = 1... de capacităţi de producţie {b1.n) pentru producerea unei unităţi din produsul Pj (ca rezultat al activităţii Aj)... i = 1.1.. constituie o clasă specială. b2. cu care se confruntă producţia o constituie determinarea structurii optime de producţie pe termen mediu şi scurt printr-o folosire eficientă a resurselor.. Pentru decizii referitoare la structura optimă de producţie. conduce la rezultate optime atât din punct de vedere tehnic cât şi economic. 2.Aj. 7 . § a11 . aceştia fiind constanţi într-un interval de timp determinat şi arată ce cantitate din resursa bi (i = 1.n) se numesc coeficienţi tehnico-economici.. (i = 1... ... Modelele de programare matematică şi mai ales modelele de programare liniară.j ). legătura dintre activităţi (operaţii) şi resurse este determinată de procesul tehnologic de fabricaţie corespunzător realizării produsului..... .. Probleme de programare liniară Orice activitate industrială se desfăşoară în condiţiile existenţei unor resurse limitate de materii prime şi materiale.4).. Aceste restricţii reprezintă – restricţiile problemei de programare liniară (2....m.n.1). iar folosirea eficientă.. atât în teorie cât şi în practica industrială.m) precum şi din relaţiile tehnico-economice dintre acestea. j = 1.....Cercetări Operaţionale.1..1.. de resurse umane. (j=1.. la cantitatea ce urmează a se produce.. Toate aceste legături (restricţii) definite de vectorii coloană a(j) se pot organiza într-o matrice A cu m linii şi n coloane (2. abordarea acestora cu modele ale programării matematice conduce la rezultate optime.m) se consumă pentru producerea unei unităţi din produsul Pj.... Formularea problemei de programare liniară Principala problemă cu caracter decizional.b= ¨ ¸ ..3) programul activităţii aj într-o perioadă dată şi cu bi cantităţile disponibile din resursele bi.a ¸ mn ¹ © m1 § b1 · ¨ ¸ ¨ b2 ¸ . În practica industrială.n.. Elementele aij... Condiţiile în care se desfăşoară activitatea de producţie analizată.m.. A2. a acestora. la sortimente..

c T = (c1 c 2 .. în acelaşi timp.3) (2. 2..x= ¨ 2¸ . maximizarea veniturilor etc. În practica industrială. având fiecare un rol specific: 1.. Relaţiile (2. Obiectivul este sub forma unei funcţii ale cărei valori maxime sau minime le căutam şi care se numeşte funcţia obiectiv (scop. c ∈ Rn (2. + a1n x n ≤ b1 ° a x + a x + . în acest caz.8.5) Decizia cu scopul unei eficienţe maxime presupune minimizarea efortului şi maximizarea rezultatului. Conceptul de optim se defineşte. Variaţia funcţiei obiectiv arată evoluţia volumului activităţilor.. Presupunând că fiecare coeficient . prin intermediul coeficienţilor c j ...7... atunci se poate introduce funcţia obiectiv liniară (2. eficienţă).. maximizarea producţiei marfă. minimizarea costului producţiei.cj măsoară eficienţa unei unităţi din rezultatul activităţii Aj. relaţia (2. evaluează eficienţa/performanţa fiecărei soluţii (program) x.c j . denumită funcţia obiectiv a problemei.7).Programare liniară § x1 · ¨ ¸ ¨x ¸ n x∈ R . ¨ ¸ ¨c ¸ © n¹ cj ∈R. 8 . (2. 2.c n ) .8) şi (2. ca un program (soluţie) x∈ Rn care minimizează sau maximizează o funcţie obiectiv şi.6) Sintetizând toate datele de mai sus.5).6) : z = c1⋅x1 + c2⋅x2 + ..9) constituie împreună modelul matematic al unei probleme de programare liniară. maximizarea gradului de încărcare al utilajelor sau minimizarea timpului de staţionare al acestora. § c1 · ¨ ¸ ¨ c2 ¸ c = ¨ ¸ . Obiectivul studiului îl constituie optimizarea unui anumit rezultat dependent de aceleaşi variabile ce figurează în restricţii. ¨ ¸ ¨x ¸ © n¹ ­ a11 x1 + a12 x2 + . + a x ≤ b ° 21 1 22 2 2n n 2 ® ° ° ¯ a m1 x1 + a m2 x 2 + .4) Fiecare restricţie (inecuaţie de tipul „ ≤ ”) cuprinde afirmaţia prin care cantitatea consumată dintr-o resursă nu poate depăşi volumul disponibil din resursa respectivă.9)de programare liniară..7). ea reprezintă criteriul de performanţă urmărit: maximizarea beneficiului. sau profituri unitare pentru probleme de maxim (2. ce pot fi costuri unitare în cazul problemelor de minim. + a mn x n ≤ bm (2. + cn⋅xn (2. obţinem următorul model (2.. satisface toate restricţiile tehnico-economice.

.. iar restricţiile de tipul j =1 ¦ aij ⋅ x j ≥ bi impun un consum peste limitele minimale.. m....1.2........ x2. În practica industrială programarea liniară oferă soluţii care pot motiva ştiinţific luarea unor decizii de natură strategică...10).8) de tipul ¦ aij ⋅ x j ≤ bi reprezintă restricţii ce corelează volumul consumului j =1 activităţilor cu cel al disponibilului pentru fiecare resursă..n...... tactică sau a unor decizii cu conţinut tehnico – organizatoric...11) unde: c j ∈ R ( j = 1. se poate defini forma generală a problemei de programare liniară.. • Forma generală a problemei de programare liniară ­min(max) z = c1 x1 + c 2 x 2 + . deoarece modelul face abstracţie de o serie de aspecte ale fenomenului studiat. 2. 3. relaţiile (2. n)....... sunt restricţii tehnico-economice n de tip calitativ. j = 1.... notată cu z reprezintă funcţia obiectiv a problemei.....11) reprezintă sistemul de restricţii ale problemei. aij ∈ R (i = 1.... Forme ale problemei de programare liniară O problemă de programare liniară este.. bi ∈ R (i = 1.. ° ° ¯ a m1 x1 + a m 2 x 2 + .7) ­n ° ¦ aij ⋅ x j ≤ bi =1 ° jn ° ® ¦ aij ⋅ x j ≥ bi ° j =1 ° xj ≥ 0 ° ¯ n 1≤ i ≤ k k +1≤ i ≤ l 1≤ j ≤ n (2...a x ≤ (≥ )(= )b 11 1 12 2 1n n 1 ° ° ® a 21 x1 + a 22 x 2 + ..….... un caz particular al problemelor de programare matematică şi..Fundamentarea deciziilor în managementul sistemelor de producţie min(max) z = ¦ c j x j x j =1 n (2. Problema de programare liniară constă în optimizarea unei funcţii liniare cu restricţii liniare. iar membrul stâng al fiecărei relaţii aste o funcţie liniară în variabilele x1. ţinând cont de forma oricărei funcţii liniare.10) (2.9) 2. cele ce au la bază o serie de factori ce nu pot fi formalizaţi. 9 ..a mn x n ≤ (≥ )(= )bm (2... n). iar criteriul de optimizare ales impune în unele cazuri maximizarea iar în alte cazuri minimizarea funcţiei obiectiv..8) (2.Cercetări Operaţionale.. Funcţia liniară (2... numită condiţia de nenegativitate a variabilelor. la fel ca şi funcţia obiectiv... Relaţiile (2. relaţia (2.xn.. Decizia obţinută cu ajutorul modelului nu poate fi recomandată nemijlocit pentru realizare...a 2 x n ≤ (≥ )(= )b2 ° ..9) xj ≥ 0 j = 1.... asigură obţinerea unei soluţii realizabile în practica industrială. + c n x n ° a x + a x + . m) Din analiza mai multor probleme de programare liniara deducem că într-o astfel de problema pot apare restricţii scrise sub forma de inegalităţi sau egalităţi.

Programare liniară

Rezolvarea problemei de programare liniară presupune determinarea valorilor variabilelor xi, care satisfac restricţiile şi optimizează funcţia obiectiv a problemei. • Forma standard a problemei de programare liniară

O problema de programare liniară este dată sub formă standard dacă toate restricţiile sale sunt date sub formă de ecuaţii (egalităţi) şi tuturor variabilelor li se impun condiţii de nenegativitate. Problema de programare liniară dată în formă standard se scrie în mod explicit (2.12):
n ­ max(min) z = ¦ c j x i ° j =1 ° n ° 1≤ i≤ m ® ¦ a ij x j = b i j = 1 ° ° xj ≥ 0 1≤ j ≤ n ° ¯

(2.12)

Problema de programare liniară în formă standard poate fi scrisă şi sub formă matricială (2.13) :
­min(max)c T x ° , unde ® Ax = b ° x≥0 ¯ ­ c, x ∈ R n ° ® A ∈ M ( R ) m ,n ° b ∈ Rm ¯

(2.13)

unde cT reprezintă componentele matricei c transpusă. Sistemul de restricţii liniare ( Ax=b ) poate fi un sistem compatibil, compatibil unic determinat sau nedeterminat de m ecuaţii şi n necunoscute. Pentru ca problema de optimizare să aibă sens, numărul de ecuaţii trebuie să fie mai mic decât numărul de necunoscute (m<n)(sistem compatibil nedeterminat). • Forma canonică a problemei de programare liniară

O restricţie a unei probleme de programare liniară se numeşte concordantă (neconcordantă) dacă pentru o inegalitate de tip “ ≥" (" ≤") funcţia obiectiv este minimizată sau respectiv pentru o inegalitate de tip " ≤" (" ≥") funcţia obiectiv este maximizată . O problemă de programare liniară este data sub formă canonică dacă toate restricţiile sale sunt concordante şi toate variabilele sunt supuse condiţiei de nenegativitate. Problema de programare liniară dată în formă canonică se scrie în mod explicit (2.14):
n ­ min(max) z = ¦ c j x i ° j =1 ° ° n ° (2.14) 1≤ i ≤ m ® ¦ a ij x j ≥ ( ≤ ) b i ° j =1 ° xj ≥ 0 1≤ j ≤ n ° ° ¯ Problema de programare liniară în formă canonică poate fi scrisă şi sub formă matricială (2.15) :

10

Cercetări Operaţionale- Fundamentarea deciziilor în managementul sistemelor de producţie

­min(max)c T x ° ® Ax ≥ (≤)b ° x≥0 ¯

unde

­C , x ∈ R n ° ® A ∈ M m ,n ° b ∈ Rm ¯

(2.15)

Orice problemă de programare liniară în formă generală poate fi adusă la forma standard sau canonică cu ajutorul unor transformări elementare efectuate asupra operatorului aplicat funcţiei obiectiv restricţiilor şi variabilelor: a) o problemă de minimizare în formă matricială se poate transforma într-o problemă de maximizare şi invers, schimbând semnul coeficienţilor din funcţia obiectiv, astfel: max c T x = − min(−c) T x
; min c T x = − max(−c) T x (2.16)

b) o variabilă x arbitrară (variabilă căreia nu i se impune restricţie de semn) se poate înlocui cu două variabile nenegative x1, x 2 , prin relaţia :
x = x1 − x 2 , unde x1 , x 2 ≥ 0

(2.17)

c) o variabilă x supusă condiţiei de nepozitivitate ( x ≤ 0 ) se transformă într-o variabilă nenegativă prin substituţia

x1 = − x, unde x1 ≥ 0

(2.18)

d) Restricţiile de tip inecuaţie se transformă în restricţii de tip ecuaţii ţinând cont de următoarele :
­a T x − y = b ­a T x + y = b ­a T x ≥ b ­a T x ≤ b ş i (2.19) ⇔ ⇔ ® ® ® ® ¯ x, y ≥ 0 ¯ x, y ≥ 0 ¯ x≥0 ¯ x≥0 unde y se numeşte variabilă ecart. Variabilele ecart nu apar în funcţia obiectiv sau astfel spus apar în funcţia obiectiv dar cu coeficienţi nuli: c j = 0 (unde c j = coeficienţi ai variabilelor ecart).
e e

e) sensul unei inegalităţi se schimbă prin înmulţirea cu “–1“. În aplicaţiile practice apar frecvent situaţii în care modelul conţine simultan restricţii de toate tipurile (concordante, neconcordante, egalităţi), problema fiind dată în formă generală, iar rezolvarea ei poate fi abordată fără a restrânge generalitate.

Exemplul 2.1
Să se scrie formele echivalente ale problemei de programare liniară: Problema dată este în forma generală. Pe baza transformărilor echivalente vom construi formele echivalente ale problemei iniţiale. Deoarece variabila x3 nu are restricţii de semn, o vom înlocui, cu diferenţa a două variabile

11

Programare liniară

­max(3 x1 − x 2 + 2 x3 ) ° °3 x1 − x 2 = 4 , ° ° x1 − 5 x 2 + 2 x3 ≥ −3, ® °− x1 + 4 x3 ≥ 2, ° 2 x1 + 3 x 2 − 2 x 3 ≤ 0 , ° ° ¯ x1 , x 2 ≥ 0, x3 , oarecare

(1) ( 2) ( 3) (4 )

pozitive: x3 = x4 – x5. Pentru ca problema să aibă forma standard, toate restricţiile trebuie să fie egalităţi, de aceea în restricţiile (2), (3) şi (4) vom introduce variabilele de egalizare x6, x7, x8. Forma standard va fi: ­max(3 x1 − x 2 + 2 x4 − 2 x5 ) ° ° 3 x1 − x 2 = 4 , ° ° x1 − 5 x 2 + 2 x4 − 2 x5 − x6 = −3, ® °− x1 + 4 x4 − 4 x5 − x7 = 2, ° 2 x1 + 3 x 2 − x 4 + x 5 + x 8 = 0 , ° ° ¯ x1 , x 2 ,..., x8 ≥ 0 Forma canonică se obţine transformând restricţia (1) în două inegalităţi şi toate inegalităţile „ ≥ ” le transformăm în inegalităţi „ ≤ ” deoarece problema este dată de maximizare. Astfel, x3 trebuie înlocuit cu diferenţa x4 – x5. Se obţine astfel forma canonică
­max(3 x1 − x 2 + 2 x4 − 2 x5 ) ° ° 3 x1 − x 2 ≤ 4 , °− 3 x1 + x 2 ≤ −4, ° ®− x1 + 5 x 2 − 2 x4 + 2 x5 ≤ 3,. °− x − 4 x + 4 x ≤ −2, 4 5 ° 1 ° 2 x1 + 3 x 2 − x 4 + x 5 ≤ 0 , ° ¯ x1 , x 2 , x 4 , x 5 ≥ 0

2.1.3. Modelul matematic al problemei de programare liniară

Pentru a înţelege modelul matematic al problemelor de programare liniară sub forma generală, vom analiza câteva exemple din practica industrială: • Alocarea optimă a resurselor în producţia industrială O firmă urmează să producă n tipuri de produse Pj , j = 1, n , folosind m tipuri de

resurse Ri i = 1, m . Se cunosc coeficienţii tehnologici aij ; cantităţile disponibile bi din resursele Ri ; profitul unitar cj pentru fiecare produs Pj. Să se întocmească planul optim de producţie al firmei astfel încât profitul total realizat să fie maxim.

12

m n (2. n (2. pe baza unui criteriu economic (cel mai uzual – maximizarea profitului sau în alte cazuri minimizarea costurilor). i = 1. xj ≥ 0 . Acest fapt face evidentă imposibilitatea practică a managerului de a compara toate variantele de plan posibile deci este necesară introducerea unui alt criteriu. presupune cunoaşterea profitului total. Se cunosc costurile cij pe unitatea de produs transportată de la centrul Di la centrul Cj . modelul de programare liniară ce urmează a fi rezolvat pentru determinarea planului optim de producţie astfel încât profitul total realizat să fie maxim este: n ­ = max f cjxj ¦ ° j =1 ° ° ® ¦ aij x j ≤ bi ° xj ≥ 0 ° ° ¯ (2. preferabil.21) Sistemul de inecuaţii (2.restricţiile problemei apar din următoarea condiţie: cantitatea totala din resursa i folosită pentru producerea celor n produse nu poate fi mai mare decât cantitatea disponibila: j =1 ¦ aij x j ≤ bi . Deci : ¦ c j x j reprezintă profitul total pentru produsele Pj j =1 n Funcţia obiectiv (scop. 13 . deci putem organiza procesul de producţie pentru realizarea produsului P într-o infinitate de moduri dar respectând condiţiile anterioare .20) - condiţiile de nenegativitate asigură obţinerea unei soluţii realizabile din punctul de vedere al logicii practice industriale.21) poate avea o infinitate de soluţii. j = 1. Adoptarea unei variante de plan (în fapt fundamentarea deciziei) se face.Fundamentarea deciziilor în managementul sistemelor de producţie Elaborare modelului matematic al problemei Condiţii generale de desfăşurare a activităţii analizate : . ∀i = 1.în cantităţile bj. eficienţă) va fi : max f = ¦ c j x j j =1 n (2. m şi este cerut de spre a fi transportat la n centre de consum Cj . Aplicarea acestui criteriu economic. Se cere determinarea unui plan de transport astfel încât costul total de transport să fie minim.22) Deci.Cercetări Operaţionale. n . în cantităţile ai .20) şi (2. ∀j = 1.23) • Problema de transport Un produs omogen P este stocat în m depozite Di.

n ¯ ij (2. n (2.27) • funcţia obiectiv este următoarea : min ¦¦ cij xij i =1 j =1 m n (2.28) Se obţine un program liniar. i = 1. j = 1. xij= cantitatea ce urmează a fi transportată de la depozitul i la consumatorul j .24) • cantitatea transportată de la toate cele m depozite la consumatorul Cj reprezintă necesarul acestuia. ce se va supune metodelor programării liniare şi poartă denumirea de program de transport : m n ­ ° min( f ) = ¦ ¦ cij xij i =1 j =1 ° ° n ° ¦ xij = ai .25) • pentru scrierea modelului se pleacă de la forma echilibrată a problemei de transport şi anume cantitatea totală expediată de la cele m depozite este egală cu cantitatea sa disponibilă: ¦ a = ¦b i i =1 j =1 m n j (2. m (2. n ° j =1 ° x ≥ 0. m. Cu aceste notaţii se pot exprima următoarele mărimi ce ne ajută să stabilim restricţiile problemei şi funcţia obiectiv: • cantitatea transportată de la depozitele Di la toate cele n centre de consum este cantitatea sa disponibilă: ¦x j =1 n ij = ai . n . ∀i = 1.29) 14 .Programare liniară Elaborarea modelului matematic al problemei Notaţii : ai = cantitatea din produs care se află în depozitul i. j = 1. i = 1.26) • variabilele satisfac evident condiţia de nenegativitate : xij ≥ 0 (2. bj . ¦x i =1 m ij = bj j = 1. cij= costul unitar al transportului din depozit la consumator. bj = cantitatea cerută de consumatorul j ( 1<j<n). m ® j =1 ° n ° ¦ xij = bi . j = 1.

Activitatea atelierului este caracterizată de următoarele date cunoscute: aij . j = 1.32) Variabilele xij se supun condiţiei de nenegativitate: xij ≥ 0. n . Funcţia obiectiv este o funcţie de cost. n (2. funcţia trebuie minimizată: min f = ¦ ¦ cij xij i =1 j =1 m n (2. necesare pentru montajul cantităţilor repartizate din cele m produse. i = 1. i = 1. m. j = 1. j = 1. pot monta cu randamente diferite. ∀i = 1. cij .cheltuielile necesare pentru montajul unei unităţi de produs Pi de către echipa E j . m i ij  j∑  =1 m  ∑ aij xij ≤ t j . m . m. Să se stabilească o repartizare a produselor. echipelor.30) Cantitatea de produse de fiecare tip planificată trebuie realizată: ¦x j =1 n ij = bi .timpul necesar pentru montajul unei cantităţi de produs Pi de către echipa E j . n i =1  xij ≥ 0. ∀i = 1. Elaborarea modelului matematic al problemei: Variabilele de decizie (necunoscutele) se notează cu xij şi reprezintă cantitatea din produsul Pi ce trebuie realizată de echipa Ej.timpul de lucru disponibil al echipei E j .cantitatea planificată din produsul Pi . produsele Pi . respectiv. cheltuielile celor n echipe. i = 1. n . j = 1. j = 1. i = 1. din atelierul de montaj astfel încât cheltuielile totale necesare să fie minime. bi . modelul matematic al problemei este: m n  min f = ∑ ∑ cij xij  i =1 j =1   n x = b .Cercetări Operaţionale. n  (2. j = 1. m (2.33) (2.31) Oricare echipă poate executa produse în limita fondului de timp disponibil: ¦a x i =1 m ij ij ≤ t j .Fundamentarea deciziilor în managementul sistemelor de producţie • Problemă de repartizare a sarcinilor de producţie Într-un atelier de montaj echipele E j .34) • Problemă de utilizare a capacităţii utilajelor 15 . t j . m . n Deci.

1. profitul unitar cj al produsului j = 1. n ° j ¯ (2. i = 1.35) Restricţiile de capacitate ale celor m utilaje se exprimă sub forma: ¦a j =1 m ij xij ≤ 1. 16 . Consideraţii generale privind problemele de programarea liniară 2.37) (2. m ° j =1 ° x ≥ 0. numărul de produse de tipul j = 1.2. Elaborarea modelului matematic al problemei: Variabilele problemei sunt cantităţile de produse fabricate în perioada considerată. n . deci trebuie să se găsească în mulţimea soluţiilor o soluţie ce realizează valoarea optimă (minimă sau maximă ) a funcţiei obiectiv. funcţia trebuie maximizată: max f = ¦ c j x j j =1 n (2. j = 1. Să se stabilească un program de fabricaţie care să permită utilizarea optimă a capacităţii disponibile a celor m utilaje.2. n Atunci. unde ® Ax = b ° x≥0 ¯ ­C . i = 1. x ∈ R n ° ® A ∈ M m .36) Variabilele xj se supun condiţiei de nenegativitate: x j ≥ 0. Funcţia obiectiv este profitul total obţinut de firmă pentru cele n tipuri produse.Programare liniară O firmă produce n tipuri de produse care pot fi fabricate pe m utilaje care au capacităţi de producţie limitate pe o anumită perioadă. n . Se notează cu xj. Se cunosc: procentul aij din capacitatea utilajului i necesar pentru producerea unei unităţi din produsul j.n ° b ∈ Rm ¯ (2. j = 1. m (2. modelul matematic al problemei este: n ­ cjxj °max f = j¦ =1 ° °m ® ¦ aij xij ≤ 1.39) Sistemul de ecuaţii Ax=b are o infinitate de soluţii. Soluţii şi fundamente ale problemei de programare liniară Fie problema de programare liniară dată în formă standard matricial: ­min(max)c T x ° .38) 2.

40) Sistemul de ecuaţii. atunci ea are cel puţin un program de bază. O soluţie de bază se obţine prin anularea celor n-m necunoscute secundare. atunci ea se numeşte soluţie degenerată. Este posibil ca problema de programare liniara să aibă soluţie optimă unică. corespunzătoare componentelor lui x nenule.. • Soluţie optimală O soluţie admisibilă care face optimă funcţia z=min(max)c T x se numeşte soluţie optimală. ° x ≥ 0 ¯ (2. să aibă mai multe soluţii optime sau să nu admită soluţie optimă. Demonstraţie: Fie x∈S un program al următoarei problemei de programare liniară: ­ min c T x ° ® Ax = b . • Teoremele şi definiţiile care urmează. având m ecuaţii şi n necunoscute. formează o mulţime liniar independentă. deci are cel mult m componente nenule.41) Notăm cu p numărul componentelor nenule ale vectorului x. În cazul când o soluţie de bază are mai puţin de m componente diferite de zero. S. Mulţimea soluţiilor admisibile. Teorema 2.Cercetări Operaţionale. x n ) ∈ R n care satisface restricţiile si condiţia de nenegativitate se numeşte soluţie admisibilă sau posibilă a problemei de programare liniară. Fără a restrânge generalitatea problemei putem presupune că cele p componente nenule sunt chiar primele componente din cele n ale vectorului x adică: 17 .. • Soluţie admisibilă de bază − Se numeşte soluţie admisibilă de bază pentru sistemul Ax=b. este: S = x ∈ R n / Ax = b.1 (Teorema fundamentală a programării liniare): Dacă problema de programare liniară în formă standard admite un program (soluţie admisibilă). Dacă problema are un program optim. vectorul x .3. cu m<n şi rang A=m are m necunoscute principale şi n-m necunoscute secundare. ce satisface condiţiile : a) x soluţie a sistemului : Ax=b . specifică unele proprietăţi ale soluţiilor ce justifică clasificarea realizată anterior. b) coloanele din A. Soluţie grafică Acest tip de soluţie va fi studiat detaliat în paragraful 2. x ≥ 0 • { } (2. în caz contrar ea fiind nedegenerată. atunci are un program optim de bază.Fundamentarea deciziilor în managementul sistemelor de producţie Soluţie admisibilă Un vector x = ( x1 x 2 .2.

…yp nu toate nule astfel încât să fie satisfăcută relaţia: a1y1 + a2y2 +….43) se poate scrie sub următoarea formă echivalentă : Ay = 0 cu y ≠0.0 ≤ λ ≤ 1 } se numeşte segment al lui V (uneşte vectorul x cu vectorul y ). 0 . cel mult p până se va ajunge la primul caz şi se obţine un program optim de bază pentru problema dată. …yp.+apyp = 0 (2. Fie: x ­ (− i ). yi > 0.ap ∈ A corespunzători celor p componente nenule ale lui x sunt liniari independenţi. y doi vectori din V. I2 = Φ ¯+ ∞ (2. . Rezultă că c T y = 0 . Prin urmare c T ( x + λy ) = c T x . atunci x = 0 deci afirmaţia teoremei este evidentă. I2 = mulţimea indicilor i . Definiţia 2. I 1 ≠ Φ ° max yi λ1 = ® i∈I1 ° . x2 .0 )T.. 1< i <p . Dacă p > 0.ap ∈ A corespunzători celor p componente nenule ale lui x sunt liniari dependenţi atunci există numerele reale: y1. 1< i < p .deoarece în caz contrar alegând pe λ de semn contrar valorii lui c T y . Astfel putem alege o valoare λ0 pentru care vectorul x + λ0y să aibă cel mult p-1 componente nenule. y ] = {X ∈ V / X = (1 − λ) x + λy. y2 . atunci x este program de bază. I 2 ≠ Φ ° min λ2 = ® i∈I 2 y i ° .. deci vectorul x + λy este program. a2 . x + λy este soluţia sistemului Ax=b astfel putem determina valori ale lui λ pentru care x + λy este program pentru problema (2. 0. 0.44) Deci pentru oricare λ ∈ [λ1 . avem următoarele: c T ( x + λy ) = c T x + λc T y < c T x .42) Dacă p = 0. I1 = Φ ¯− ∞ x ­ (− i ). deci λ0 ∈ (λ1 + λ 2 ) ( λ1 . x3 . 0 . λ = λ0 = min ( i ) deci se va obţine programul soluţie x + λ0y cu p-1 yi <0 yi componente pozitive şi astfel vom avea două cazuri : • Dacă coloanele corespunzătoare componentelor sunt liniar independente atunci programul anterior este program de bază. . λ 2 ] .43) Relaţia (2.41).0)T • • (2.. atunci există două posibilităţi: . ceea ce contrazice faptul că x este program optim.. ( ∀ ) λ ∈ R Deci.2: O mulţime M de vectori din V se numeşte mulţime convexă dacă (∀) x.dacă vectorii a1 . yi < 0. adică x+ λy este program optim. avem îndeplinită condiţia: x + λy ≥ 0. • Dacă coloanele corespunzătoare componentelor sunt liniar dependente atunci se reia algoritmul într-un număr finit de paşi. . …xp . deci este îndeplinită şi condiţia: x + λy > 0 Notăm: I1 = mulţimea indicilor i . a2 . Definiţia 2.Programare liniară x = ( x1 .. y2. obţinem: A( x + λy ) = Ax + λAy = b. Notăm cu y vectorul cu primele p componente nenule şi următoarele componente n-p nule: y = (y1.dacă vectorii a1 .1: Fie V un spaţiu liniar peste corpul R şi x. λ 2 nu pot fi ambele infinit) x În caz particular. y ∈ M şi 18 . Mulţimea vectorilor [x. Atunci.

dacă odată cu doi vectori x.40) obţinem : Ax= A[λx1 +( 1.45) Trebuie arătat că x este vârf al mulţimii S a soluţiilor admisibile.46) (2.1) Scris pe componente: ' '' ' '' ' '' + (1 − λ )x m + (1 − λ )x n x1 = λx1' + (1 − λ )x1' .λ)b = λb+ b . Teorema 2. Presupunem că soluţia admisibilă de bază x are forma x=(x1 x2 … xm 0 …0T..1] .4 : Prin combinaţie liniară convexă a vectorilor x1 . m).40). n şi xi'' ≥ 0 x' . Demonstraţie : Fie mulţimea soluţiilor admisibile dată de relaţia (2. În caz contrar X se numeşte punct interior mulţimii M . adică există doi vectori x' . Definiţia 2. Fie două soluţii: x1 . y ∈ M conţine şi segmentul determinat de aceşti vectori.xm ∈ M se înţelege o expresie de forma λ1x1 + λ2x2 + …+ λmxm cu λ ∈[ 0.λ) Ax2 = λb + (1. p2.pm sunt liniar independenţi şi x satisface sistemul de restricţii.3: Vectorul X ∈ M se numeşte vârf sau punct extrem al mulţimii M dacă nu există vectorii x. x' '∈ S astfel încât: x = λx'+(1 − λ )x' ' . Definiţia 2. Demonstraţie.λb = b. atunci [ x.…. …. ci punct interior. Teorema 2. iar xi' ≥ 0 i = 1. λ ∈ (0. x ' ' au formele: 19 ( ) (i = 1. n) deoarece .x2 …. x m = λx m . 0 = λx n Însă λ ∈ (0.1] avem x = λx1 +(1. y ∈ M astfel încât {X = (1 − λ ) x + λy.1) .0 ≤ λ ≤ 1 } . deci 1 − λ > 0 . x m +1 = 0  x n = 0 şi deci vectorii x ' .3: Orice soluţie admisibilă de bază a unei probleme de programare liniară este vârf sau punct de extrem al mulţimii soluţiilor admisibile.1 ] şi λ1 + λ2 + …+ λm = 1 Concluzie: Orice punct interior X al unei mulţimi convexe M se poate exprima ca o combinaţie liniară convexă de un număr finit de puncte extreme. deci x1P1 + x2P2 +… + xmpm +0pm+1 + … + 0pn = p0 (2.λ)x2]=λAx1 + (1. Presupunem prin absurd că x nu este vârf. Aceasta înseamnă că xi ≥ 0 (i = 1.. Atunci pentru λ ∈ [0. astfel că.…….λ)x2 ≥0 Înlocuind relaţia (2. x2 ∈ S. x' '∈ S . deci mulţimea soluţiilor problemei de programare liniară este o mulţime convexă. vectorii p1.2: Mulţimea soluţiilor admisibile ale unei probleme de programare liniară este o mulţime convexă . y] ⊆ M .Fundamentarea deciziilor în managementul sistemelor de producţie (∀) λ ∈[ 0. din cele n – m relaţii se obţin: ' ' '' '' xm +1 = 0  x n = 0 . x 2 = λx 2 + (1 − λ )x 2 .….45) în relaţia (2. Deci se poate spune că mulţimea M din V este convexă.Cercetări Operaţionale.

5 Se numeşte bază a problemei de programare liniară în formă standard un grup de m coloane liniar independente.…. Definiţiile ce urmează reprezintă fundamente ce stau la baza rezolvării modelelor de programare liniară. '' x' ' = x1'' x 2 ( '' xm 0 0 ) T (2. care formează o bază a spaţiului Rm.2. în matricea A există cel puţin un grup de m coloane liniar independente. Baze ale problemei de programare liniară Fie problema de programare liniară în forma standard (2. Teorema 2.50) Aceasta înseamnă că nu există vectorii x' . Astfel. λI ≥ 0 .2. 2.pm sunt liniari independenţi. iar sistemul are o infinitate de soluţii. în care matricea A are m linii şi n coloane. 20 . Ecuaţiile ce compun sistemul liniar Ax = b sunt liniar independente. x m = xm adică x' = x' ' (2. x 2 = x2 . ceea ce este o contradicţie.1) prin urmare x este vârf sau punct de extrem în S. x' '∈ S astfel ca x = λx'+(1 − λ )x' ' λ ∈ (0. Deci i∈I i∈I x1 este un program minimal pentru problema de programare liniară.51) Dar z0 = c T x0 = ¦ λ i c T ' xi > ¦ λ i c T x1 = cT x1 = z1. Definiţia 2.Programare liniară ' x' = x1' x 2 ( ' xm 0 0 ) T .4: Funcţia obiectiv a unei probleme de programare liniară ia valoare optimă într-un punct extrem a mulţimii convexe M a tuturor soluţiilor admisibile ale problemei de programare liniară.49) + '' x2 p2 +  + '' xm p m = p0 Însă vectorii pi . Demonstraţie: Presupunem că se cere ca funcţia obiectiv să fie minimizată. Rezultă: ' '' ' '' x1' = x1'' .47) Exprimăm faptul că x' . ¦λ i∈I i =1 (2.13). atunci orice combinaţie liniară convexă a acestora este soluţie optimă a problemei de programare liniară. i ∈ I } mulţimea punctelor extremale ale lui M şi fie x1 punct extrem pentru care c T x1 = min{c T xi } = z1 i∈I Presupunem prin absurd că această afirmaţie nu este adevărată.48) (2. iar rang A = m < n. deoarece x0 nu este punct extrem atunci : { } x0 = ¦λ x i i∈I i . Consecinţă : Dacă funcţia obiectiv ia aceeaşi valoare optimă în mai multe puncte extremale. ~ Notam cu M = { xi . atunci există x0 ~ ∈ M − M astfel încât : c T x0 = z0 < z1. x' '∈ S verifică restricţiile ' ' ' x1 p1 + x 2 p2 +  + xm p m = p0 '' x1 p1 (2.

58) şi (2. cu B = a (i ) i∈I . ¬c ¼ cS = c j [ ] j∈J (2.56) Matricea B fiind o bază a spaţiului Rm este inversabilă.57) Notăm cu: x = B −1b B −1 ( j ) yB j = B a .. iar x j ( j ∈ J ) variabile secundare. cu x B = [xi ]i∈I .59) Înlocuind relaţiile (2.57) obţinem: B xB = x − ¦ yB j xj j∈J B (2. variabilele xi (i ∈ I ) se vor numi variabile de bază. Matricea A se poate scrie partiţionat sub forma: A = [B.Cercetări Operaţionale. n (2.60) devine: 21 . S ] .55) În raport cu baza B aleasă.. n a (i ) ∈ B J ={ 1. Fie B o bază formată cu m coloane.54) iar partiţionarea vectorul c al coeficienţilor funcţiei obiectiv este: ªc B º c = « S » . respectiv.Fundamentarea deciziilor în managementul sistemelor de producţie m Problema (2. j = 1.2. ¬x ¼ xS = x j j∈J (2.60) Scrisă pe componente relaţia (2. Astfel prin înmulţirea relaţiei (2.13) are un număr finit de baze şi anume C n .53) Partiţionarea vectorului x al variabilelor problemei este următoarea: ªxB º x = « S » .52) unde prin I şi J s-au notat mulţimile de indici corespunzători coloanelor din baza B şi. S ]⋅ « x S » = b ⇔ Bx B + Sx S ¬x ¼ ª B º =b (2. S = a ( j ) j∈ J [ ] [ ] (2. ale matricei A.59) în relaţia (2. a celorlalte coloane: I = i = 1.. Sistemul de ecuaţii Ax = b se poate scrie după partiţionare sub forma: [B..58) (2. n}/ I { } [ ] (2.56) la stânga cu B-1 se obţine forma explicită a sistemului de ecuaţii: x B = B −1b − B −1 Sx S (2. cu c B = [ci ]i∈I .

67) Definiţia 2. Interpretarea geometrică a problemei de programare liniară O interpretare geometrică a unei probleme de programare liniara se poate obţine simplu în cazul când problema are două variabile (spaţiu R2) şi se prezintă sub forma canonică.64) obţinem: z = z − ¦ z iB − c j x B j j∈J B B ( ) (2.2. 22 .62) O soluţie de bază este o soluţie admisibilă (program) a unei probleme de programare liniară dacă x ≥ 0 . funcţia obiectiv a problemei de programare liniară. (2.3. 2.64) Notăm cu: z = cT Bx zB j = cT B B B (2. Soluţia de bază corespunzătoare bazei B este: ª Bº x B = «x » ∈ Rn « 0 ¼ » ¬ B (2.7.67) reprezintă valoarea funcţiei obiectiv în soluţia asociată bazei B.Programare liniară B B xiB = x i − ¦ y ij x j .61) Definiţia 2. poate fi exprimată prin: B ' ªx º B T S T −1 −1 S S z = c B c S ⋅ « S » = cT + cT B x + c S x = c B B b − B Sx Sx ¬x ¼ T −1 ' −1 T' S z = cB B b − cT B B S − cS x [ ] ( ) ( ) (2.i ∈ I j∈J B (2. Diferentele z B j − c j ( j ∈ J ) se mai numesc costuri reduse şi au rolul esenţial în caracterizarea optimalităţii unei soluţii admisibile de bază a unei probleme de programare liniară. z = c T x .6. n yB j .54) şi (2.66) în relaţia (2.7 Baza B care satisface condiţia B −1b ≥ 0 (2.63) se numeşte bază primal admisibilă.66) Înlocuind relaţiile (2. Ţinând seama de relaţiile (2. Constanta z din relaţia (2.65) şi (2.55). Definiţia 2.65) j = 1.

0). trece prin A2(2. trece prin A1(-1. reprezintă o dreapta. Pentru aflarea soluţiei optime. Exemplul 2. B. Conform teoremei 2. • inegalitatea a11 x1 + a12 x 2 < b1 . aparţine acestei drepte (d).11) exprimat în funcţie de două variabile de decizie x1 şi x2. iar această dreaptă (curbă de nivel). fig. B1(0.70) 2) Condiţii de nenegativitate : x1 ≥ 0.10) poate fi: min(max) z = c1 x1 + c 2 x 2 Realizând o analiză din punct de vedere grafic putem observă următoarele : • egalitatea a11 x1 + a12 x 2 = b1 . împarte planul (0 x1 x 2 ) în două semiplane. D.Cercetări Operaţionale. Mulţimea soluţiilor ( x1 x 2 ) . A. dacă funcţia obiectiv îşi atinge valoarea maximă.5) şi apoi se ia.68) (2. trebuie aflată mai întâi mulţimea soluţiilor admisibile S – mulţime ce satisface sistemul de restricţii şi condiţiile de nenegativitate.Fundamentarea deciziilor în managementul sistemelor de producţie Fie modelul de programare liniară (2. C.4. reprezentată printr-un domeniu. ce este o mulţime convexă. ale celor trei inecuaţii. notate cu: O.2x2 = 2. Coordonatele oricărui punct din acest domeniu satisfac toate restricţiile şi condiţiile de nenegativitate ale problemei.x2 = -2. respectiv.0). În reprezentarea grafică acesta va fi o mulţime convexă.1. Prin intersecţia celor trei semiplane s-a obţinut domeniul admisibil. . dacă ea există. Se figurează dreptele: (d1) (d2) (d3) 2x1. numit admisibil. trece prin A3(5.-1) x1+ x2 = 5. x 2 ≥ 0 .2 Să se rezolve problema de programare liniară ­ z = max(2 x1 + x 2 ) °2 x − x ≥ −2 ° 1 2 ® − x 2 x 2 ≤2 ° 1 ° ¯ x1 + x 2 ≤ 5 x1 ≥ 0 .mulţimea soluţiilor fiind reprezentată în acest caz printr-o arie.69) (2. în cadranul întâi intersecţia domeniilor ce reprezintă soluţiile. x 2 ≥ 0 Pentru determinarea domeniului admisibil se procedează în modul următor: se află domeniul care satisface cele trei restricţii şi condiţiile x1 ≥ 0. atunci z ia valoarea maximă într-un vârf ( punct extrem al mulţimii convexe).2) x1. Acestea sunt vârfurile poligonului.0). x 2 ≥ 0 3) Funcţia obiectiv (2. B2(0. 1) Restricţiile unui astfel de model pot fi exprimate prin a) egalităţi : a11 x1 + a12 x 2 = b1 b) inegalităţi : sau a12 x1 + a 22 x 2 ≥ b2 a 21 x1 + a 22 x 2 ≤ b2 (2. dreapta împarte planul (0 x1 x 2 ) în doua semiplane ce au o arie comună şi în final un punct comun. B3(0. 23 . 2.

ce are m = -2 şi ordonata n = z = max Ea este figurată punctat în figura 2.1 ­ x − 2 x2 = 2 B ∈ (d 2 )  (d 3 )® 1 ¯ x1 + x2 = 5 ­ 2 x − 2 x 2 = −2 C ∈ (d 1 )  (d 3 )® 1 ¯ x1 + x 2 = 5 B(4. n = z . Ordonata la origine maximă corespunde punctului B deci x1 = 4 şi x2 = 1 z = 2*4 +1*1 = 9 = max Deoarece panta dreptei (D) este m = -2 = tg α. iar n ordonata la origine. 24 . se alege acea dreaptă ce trece prin unul din vârfuri. c1 În problemele de maxim vom alege poziţia care are ordonata la origine astfel ca ea să furnizeze valoarea maximă pentru z. Pentru exemplul de mai sus rezultă: (D) : x2 = -2x1 + z .0) x1 Fig.4 ) Aflarea soluţiei optime se bazează pe faptul că funcţia obiectiv. (D): c1x1 + c2x2 = z Adusă la forma y = mx + n unde m este panta.2.560.1. având panta constantă m = − şi ordonata la origine variabilă. rezultă: (D): x 2 = − c1 z x1 + c2 c1 c1 c2 care reprezintă o mulţime de drepte paralele între ele. Analog pentru problemele de minim.Programare liniară Coordonatele acestor puncte se află uşor astfel: x2 d1 C( 1 .4) d2 (D ) D(0. rezultă că unghiul α = 116. 1 ) d3 0 A(2. având două variabile se poate reprezenta printr-o dreaptă (D).2) B (4.1) C (1.

L.3).4 . x 2 ≥ 0.: ­2 x1 + 2 x 2 ≤ 12 °x + 2x ≤ 8 ° 1 2 ® 4 1 6 x ≤ ° 1 ° ¯4 x 2 ≤ 12 x1 ≥ 0.Fundamentarea deciziilor în managementul sistemelor de producţie Exemplul 2.4 şi beneficiile pentru fiecare unitate din cele două produse.2) d1 0 A(4.2.2 25 .1 Resurse R1 R2 R3 R4 Beneficiu R1 2 1 4 0 2 um R1 2 2 0 4 3 um Disponibil 12 8 16 12 Introducând variabilele de decizie: x1 = numărul de unităţi din produsul P1 şi x2 = numărul de unităţi din produsul P2 . z = 2 x1 + 3 x 2 = max Soluţia grafică (2.1.0) d2 x1 Fig.Cercetări Operaţionale.2).2) se obţine determinând domeniul admisibil: ­(d 1 )2 x1 + 2 x 2 = 12 °(d )x + 2 x = 8 ° 2 1 2 ® ( ) ° d 3 4 x1 = 16 ° ¯(d 4 )4 x 2 = 12 (D) 2x1 + 3x2 = z C ∈ (d 2 ) Se observă că dreptele (d1 ) . x2 d3 (D ) D(0.3) d4 B(4. Pentru fabricarea a două produse P1 şi P2.3) C(2. o firmă dispune de patru tipuri de resurse Ri 1. (d 2 ) şi (d 3 ) sunt concurente în punctul B(4. iar (d 3 ) are coordonatele C(2. rezultă următorul model matematic de P. Să se determine planul de producţie astfel ca beneficiul total să fie maxim.3. ( ) ( ) Tabelul 2. Se mai cunosc cantităţile disponibile ale firmei din fiecare resursă Ri i = 1. Cantităţile de resurse Ri folosite pentru fabricarea fiecărei unităţi din produsele P1 şi P2. în unităţi convenţionale (tone etc) sunt date în tabelul 2.

R2 şi R3 sunt resurse rare. n .3. x2 = 2 f(x) = 14 = max Verificăm soluţia în restricţiile problemei.71) B Fie B o bază primal admisibilă extrasă din matricea A şi x = B −1b o soluţie de bază iniţială a problemei de programare liniară. construind succesiv soluţii realizabile de bază din ce în ce mai bune ale modelului până când este obţinută o soluţie de bază optimă.B). ce rămâne disponibilă poate fi determinată şi ulterior folosită cunoscând preţul umbră (dual). Pentru ordonarea şi facilitarea calculelor se utilizează în aplicarea practică a algoritmului tabele ce poartă denumirea de tabele simplex.B cu coeficienţii corespunzători funcţiei obiectiv c j . Această analiză urmează a fi detaliată în subcapitolul 2.4.2). ­min c T x ° ® Ax = b . n .3.Programare liniară Soluţia optimă a problemei este: x1 = 4. x ∈ R n ° ® A ∈ M m . Deci acest algoritm este o metodă de examinare sistematică a programelor de bază ce dă funcţiei de eficienţă o valoare optimă. Pe ultima linie a tabelului se trece valoarea funcţiei obiectiv pentru baza B notată cu z B şi diferenţele z B j − c j . j = 1.71) corespunzători bazei primal admisibile B (tab 2. Fundamente teoretice în aplicarea metodei Simplex Prezentarea metodei simplex se realizează pe un model de programare liniară dat în formă standard şi în care funcţia obiectiv este o funcţie de minimizare. utilizate în întregime în timp ce resursa R4 nu a fost în întregime utilizată. variabilele de bază (V. Prin soluţie „mai bună” înţelegând soluţia ce dă funcţiei de eficienţă (obiectiv) o valoare mai mică.). Acestui tabel se ataşează o linie deasupra variabilelor x j şi o coloană la stânga coloanei V. în coloana a doua valoarea variabilelor de bază (V.V. 2. unde ° x≥0 ¯ ­C . Aceste tabele sunt tabele simple ce au m+1 linii şi n+1 coloane şi cuprind coeficienţii numerici al problemei (2. Cantitatea din resursa R4.B. j = 1. 26 . Metoda Simplex Metoda Simplex sau “ metoda îmbunătăţirilor succesive “ evită cercetarea exhaustivă a tuturor soluţiilor de bază ale unei probleme de programare liniară. 2. Această metodă pune în evidenţă cazul în care problema admite un optim infinit sau mulţimea programelor este vidă. j = 1. respectiv mai mare decât cele precedente după cum funcţia de eficienţă este de minim sau de maxim. Tabelul conţine în prima coloană. iar în următoarele n coloane vectorii y B j .n ° b ∈ Rm ¯ (2. n .1. Rezultă că resursele R1.

7 Criteriu de îmbunătăţire a soluţiilor Fie B o bază primal admisibilă pentru probleme de programare B B − ck > 0 (2.Fundamentarea deciziilor în managementul sistemelor de producţie Tabelul 2.. Teorema 2. yB ij ..V.. . Pentru liniară 2. corespunzător unei noi ~ (l ) baze B care are aceleaşi coloane ca şi B... cu excepţia coloanei a ce se înlocuieşte cu (k ) coloana a . . Relaţia (2.c . ... cj xj yB 1j . oricare ar fi i ∈ I atunci problema există indicele k∈ J astfel încât z k are un optim infinit.Cercetări Operaţionale...c n n Tabelul simplex se ataşează fiecărei baze B din algoritm şi are ca fundamente rezultatele teoretice ce sunt prezentate în continuare.. cn xn yB 1n V... . Dacă B −1 zB j − c j ≤ 0 ..73) ~ B se obţine un nou program de bază x cel puţin la fel de bun ca x . al coloanei a (l ) ce urmează să părăsească baza B.. yB ln cm B xm B xm yB m1 ... z B . z1 1 zB -ck k . yB lk . Observaţii: ~ Baza B este primal admisibilă şi verifică toate teoremele anterioare....c j j ...B B x1 xl yB 11 1k ci xiB xiB yB i1 ..71)..71. Teorema 2..71).... yB . Fie k∈ J astfel încât z k indicele i ∈ I + determinat cu relaţia: { } min i∈ I + xi B B yik = xl B B ylk (2.5 Criteriu de optimalitate Fie B o bază primal admisibilă pentru probleme de programare liniară (2. Teorema 2. ...B. yB in cl xlB xlB yB l1 .. z B . B x1 . . yB lj . 27 B ....6 Criteriu de infinitudine a soluţiilor Fie B o bază primal admisibilă pentru probleme de programare liniară (2... ck xk yB . x = B b este o soluţie optimă a problemei de programare liniară considerată. yB mk .. yB ik .. mj yB mn zB B.73) reprezintă criteriul de ieşire din bază şi ne arată indicele l ∈ I + . oricare ar fi j ∈ J ... Dacă B B − ck ≥ 0 şi yik ≤ 0 .2 cl CB c1 V.72) şi I + = i∈I / yik > 0 ≠ Φ .. atunci programul de bază asociat bazei B...

Pentru a obţine mai repede optimul căutat este indicat a alege acel indice pentru care se verifică relaţia. Celelalte elemente ale tabelului simplex se transformă după regula dreptunghiului.73) atunci se pot construi mai multe baze primal admisibile şi fiecare dintre acestea modifică valoarea funcţiei obiectiv. În practică formulele de schimbare a bazei se echivalează cu următoarele reguli de transformare a tabelelor simplex : Elementele situate pe linia pivotului se împart la valoarea pivotului .13) este diferit în raport cu tipul funcţiei obiectiv. 28 .3.3) .72) şi (2.Programare liniară În cazul în care există mai mulţi indici k ∈ J pentru care se îndeplinesc (2.76) elementul de transformat y B ij B y ik B y ij B y ik pivotul Fig. probleme de minimizare sau maximizare. ylk din tabelul simplex poartă denumirea de pivot.75) ~ ~ B yij = B B B B yij ylk − ylj yik B ylk (2.3 2. ~ Pentru calculul elementelor tabelului simplex asociat bazei B în raport cu elementele tabelului simplex asociat bazei B se utilizează formulele de schimbare a bazei în cadrul unei operaţii numită pivotare gaussină. Algoritmul simplex primal. 2.74) În practică utilizându-se pentru evitarea calculelor următorul criteriu: B B max ( z j − c j ) = z k − ck j∈ J Relaţia 2. Elementele situate pe coloana pivotului devin zero cu excepţia pivotului ce va avea valoarea unu . noua valoare yij se obţine împărţind la pivot diferenţa B B B B ylk şi ylj yik după formula : dintre produsul yij (2. Rezultatele teoretice obţinute anterior permit enunţarea algoritmului simplex. Se consideră dreptunghiul imaginar a cărui diagonală este determinată de k ∈ J al coloanei Elementul B B B elementul yij şi pivotul yij (fig. Acest algoritm pentru rezolvarea problemelor de programare liniară date în formă standard (2. xl B max (( z j − c j ) B ) = j∈ J ylk B xl B B ylk B (zk −c ) k (2. respectiv.75 reprezintă criteriul de intrare în bază şi ne arată indicele a ( k ) ce urmează să intre în baza B.2.2.

J − = j ∈ J / z B j −cj < 0 { } astfel încât zB j − c j < 0 se trece la pasul 4. n atunci programul x este optim.4). y j Pasul 3 : Se analizează toate diferenţele z B j −cj : B ¾ Dacă toate diferenţele z B j − c j ≤ 0 . iar pivotul corespunzător este y lk . ¾ Dacă există cel puţin un indice j ∈ J − . Dacă (∃)k ∈ J + pentru care y k Pasul 5: Se determină indicele l ∈ I cu criteriul de ieşire din bază: § xB · xB l ¨ i ¸ min ¨ B ¸ = B i∈ I © yij ¹ ylk y B >0 ik (l ) (k ) • Pasul 6 : Se înlocuieşte în baza iniţială B vectorul a cu vectorul a .2.Cercetări Operaţionale. B B B Pasul 2 : Se determină următoarele elemente : x . ~ obţinându-se astfel o nouă bază B . Dacă y k B > 0 se trece la Pasul 5. ¾ Dacă există cel puţin un indice j∈ J + . ~ Mărimile tabelului simplex corespunzător noii baze B . z B j −c j. se vor determina cu ajutorul unei reguli denumită regula dreptunghiului (pivotare în jurul elementului y lk ). ∀j = 1. ¾ Dacă (∃)k ∈ J + pentru care y k Algoritmul simplex poate fi exprimat sintetic sub următoarea schemă logică ( fig.Fundamentarea deciziilor în managementul sistemelor de producţie Algoritmul simplex primal pentru probleme de minimizare • • • Pasul 1 : Se determină o baza B primal admisibilă. • Pasul 3 : Se analizează toate diferenţele z B j −cj : B ¾ Dacă toate diferenţele z B j − c j ≥ 0 . Algoritmul simplex primal pentru probleme de maximizare Acest algoritm are paşii 1. ∀j = 1.5. Pasul 4 Se determină indicele k ∈ J + cu criteriul de intrare în bază B zk − ck = min ( z B j −cj) j∈ J − ¾ B ≤ 0 atunci problema are un optim infinit. 29 . B > 0 se trece la pasul 5. după care se trece la Pasul 2. J + = j ∈ J / z B j −cj > 0 { } astfel încât zB j − c j > 0 se trece la pasul 4. z . Pasul 4 Se determină indicele k ∈ J + cu criteriul de intrare în bază B − ck = max ( z B zk j −cj) j∈ J + ¾ ¾ B Dacă y k ≤ 0 atunci problema are un optim infinit.2.6 identici cu algoritmul pentru probleme de minimizare. n atunci programul x este optim.

a4 ş i a5 : §1 0 0· ¸ ¨ 3 4 5 B = a .4 Exemplul 2. 1 2 4 ° ° 2 − x + x + x5 = 6. Să se rezolve următoarea problemă de programare liniară: ­ x1 − x 2 ≤ 4. a .4 . În acest scop introducem variabilele ecart x3. 30 . astfel vom calcula următoarele elemente: ( ) B −1 = B = I şi x B = B −1b = b = [4 18 6] . °3 x − x ≤ 18. Iteraţia 1 Pasul 1 Fie B o bază admisibilă a problemei formată din coloanele matricii A şi anume a3.2. °3 x − x + x = 18.. 1 2 ° ° ®− x1 + 2 x 2 ≤ 6. °x . Pentru a aplica algoritmul simplex.Programare liniară START Construieste tabel simplex initial Exista valori pozitive (negative) pe linia diferentelor? Nu Indica solutia optima STOP Da Determina coloana pivotului Exista valori pozitive in coloana pivotului? Nu Indica solutia optima STOP Da Determina linia pivotului Calculeaza un nou tabel simplex Fig. x ≤ 0 6 ° 1 2 ° ¯max(2 x1 + x 2 ).. vom aduce mai întâi problema la forma standard. x4 şi x5: ­ x1 − x 2 + x3 = 4. a = ¨0 1 0 ¸ ¨0 0 1¸ ¹ © Pasul 2 Baza B este matricea – unitate. ® 1 2 ° x . x ≥ 0 ° 1 2 ° ¯max (2 x1 + x 2 ).. x ..

Cercetări Operaţionale. Celelalte două restricţii determină analog alte două semiplane. Deci programul optim 42 36 14 .2. B Pasul 3. În figura 2. Ecuaţia 2x1 +x2 = z reprezintă o familie de drepte paralele între ele. baza actuală este optimă. x 2 ≥ 0 ) care se află la intersecţia celor trei semiplane.3).4 sunt reprezentate punctat câteva din aceste drepte. elementele matricii A. Deoarece există j ∈ J − . şi anume semiplanul care conţine originea.−1 )=-2. x5 = 0 ( x 4 şi x5 au valoarea 5 5 5 0. al problemei noastre este x1 = Interpretare geometrică.2. în noua bază B şi (∃)k ∈ J + pentru care y k Pasul 5: Se determina indicele l ∈ I cu criteriul de ieşire din bază § xB · xB ­ 4 18 ½ 4 l ¨ i ¸ min ¨ B ¸ = B = min ® . Se realizează un pivotaj în jurul elementului y53 (tab. x2) care satisfac restricţia x1 − x 2 ≤ 4 constituie unul din semiplanele determinate de dreapta (d 1 ) : x1 − x 2 = 4 . x 4 = 0 .3). Pivotul este y31= 1 Pasul 6: Se înlocuieşte în baza iniţială B variabila x3 cu variabila x1 obţinându-se astfel o noua ~ baza B ceea ce însemnă că se vor transforma toate mărimile următorului tabel simplex cu regula dreptunghiului. Interaţia 3. Pasul 4 Se determină indicele k ∈ J + cu criteriul de intrare în bază B zk − ck = min ( z B j − c j ) =min ( − 2.3). Mulţimea programelor problemei va fi formată din mulţimea punctelor din primul cadran (x1 ≥ 0. x3 = . iar pentru z = z3 valori şi mai mari. 31 . astfel variabila x1 va intra j∈ J − { } ~ B > 0. Cunoscând toate aceste date. Funcţia obiectiv este max(2x1 +x2). mulţimea punctelor (x1. Deci indicele k = 1. Variabila x3 va părăsi baza B. putem forma tabelul simplex iniţial ( tab. Această mulţime este poligonul OABCD (fig.2. deoarece sunt variabile secundare). baza iniţială nu este optimă. J − = j ∈ J / z B j − c j < 0 astfel încât z j − c j < 0 . 2. ¯1 3 ¿ 1 i∈ I © yij ¹ ylk y B >0 ik deci indicele l = 3. funcţia obiectiv ia valori mai mari decât pentru z = z1. ' −1 zB j − c j = c ⋅ B a j − c j = (0 0 0 ) ⋅ a j − c j = −c j = −( 2 1 0 0 0) B z B = c B ⋅ B −1b = 0. ¾ = .Fundamentarea deciziilor în managementul sistemelor de producţie −1 yB j = B a j = a j .5). Pentru problema examinată mai sus se poate da o interpretare geometrică simplă în spaţiu R2. Interaţia 4 Deoarece z j − c j ≥ 0 pentru toţi j. Pentru z=z2. Interaţia 2 Se realizează un pivotaj în jurul elementului y42 (tab. În planul x1Ox2. x2 = .

V.B.V. V. V.0) x1 Fig. 32 .3) (d1) D (0. x3 x4 x5 V.Programare liniară Tabelul 2.B.V.2. 42/5 + 36/5 = 24. după cum se vede din figură.3 2 C B 1 x2 -1 -1 2 -1 1 x2 -1 2 1 -3 1 x2 0 1 0 0 1 x2 0 1 0 0 0 x3 1 0 0 0 0 x3 1 -3 1 2 0 x3 -1/2 -3/2 5/2 -5/2 0 x3 0 0 1 0 0 x4 0 1 0 0 0 x4 0 1 0 0 0 x4 1/2 1/2 -1/2 -3/2 0 x4 2/5 1/5 -2/5 1 0 x5 0 0 1 0 0 x5 0 0 1 0 0 x5 0 0 1 0 0 x5 1/5 3/5 2/5 1 V.B. Cea mai mare valoare pe care o poate lua z pentru punctele din poligonul OABCD se obţine atunci când dreapta 2x1 +x2 = z trece prin punctul C.B x1 x2 x3 42/5 36/5 14/5 24 xl 1 0 0 0 2 1 0 x2  42 36  C .0) A(4. V.B. nu există nici un program care să dea funcţiei obiectiv valoarea z3 (dreapta 2x1 +x2 =z3 nu intersectează poligonul OABCD – domeniul soluţiilor).3) O (0.B x1 x2 x5 7 3 7 17 C B V.5 Însă.B 4 18 6 0 xl 1 3 -1 -2 2 0 0 0 CB 2 0 0 V.V. Valoarea lui z în acest caz este 2.B x1 x4 x5 4 6 10 8 xl 1 0 0 0 2 xl 1 0 0 0 2 CB 2 1 0 V.  5 5 (d2) B(7.

care conferă funcţiei obiectiv o valoare „mai bună”. 5 um. variabila x1 intră în bază şi am obţinut programul x1 = 4. la valoarea maximă 24.0) al poligonului OABCD. a5). 0. Stocul disponibil este de 200 kg din acest aliaj special. Tot pentru produsele A şi C se utilizează un aliaj special: pentru o unitate din produsul A se utilizează 2 kg de aliaj special.Fundamentarea deciziilor în managementul sistemelor de producţie Când am aplicat algoritmul simplex. x 2 ≥ 0 . B. iar funcţia obiectiv este min (f)= 1050. 0). x5. 400 ore. Compania doreşte să stabilească planul de producţie care maximizează beneficiul total pe perioada analizată. Fiecare dintre aceste produse trebuie prelucrate tehnologic aceeaşi maşină unealtă. urmând muchia BC. Maşina unealtă este disponibilă pentru perioada analizată.5. Beneficiul unitar al produselor A. Pentru produsele A şi C se folosesc componente speciale. x7 şi înlocuim max(z)=min(-z). 0. Soluţia optimă este: x = (100.Cercetări Operaţionale.0) de-a lungul muchiei OA. 50. ­2 x1 + 3 x 2 + x3 ≤ 400 ° x + x ≤ 150 ° 1 3 ® x + 2 ° 1 4 x3 ≤ 200 ° ¯ x 2 ≤ 50 x1 ≥ 0 . Valoarea funcţiei obiectiv a crescut de la 0 la 8. iar valoarea funcţiei obiectiv era z = 0. Introducem variabilele de compensare x4. reiese că ne-am găsit în vârful O (0. De aici am ajuns în vârful optim C. 3 ore respectiv 1 oră. deci max(z) = 1050 Interpretarea soluţiei: Variabilele de decizie au valorile : x1 = 100. Acest lucru este valabil şi în cazul general: fiecărei baze admisibile a problemei adusă la forma standard îi corespunde un vârf al domeniului soluţiilor. Studiul de piaţă pentru produsul B arată că se pot vinde pe perioada analizată cel mult 50 de unităţi din acest produs. până la un vârf. câte o bucată pentru fiecare produs. x2. Elaborarea modelului matematic Notăm x1 = numărul de produse A x2 = numărul de produse B x3 = numărul de produse C unde x1. C. a4. x3 = 0 33 . Concluzie: Fiecare iteraţie simplex reprezintă o deplasare de la un vârf al domeniului soluţiilor. În continuare. pe o muchie. deci au valoarea 0. 10 um. deci ne găseam pe dreapta d1). dorind să aplicăm algoritmul simplex pentru probleme de minim. x3 pentru modelul analizat reprezintă variabilele de decizie. 50. x2 = 50. x2 = 0.4. B şi C este respectiv: 8 um (unităţi monetare). În continuare. din vârful A am ajuns în vârful B. firma având un stoc disponibil pe perioada analizată de 150 de unităţi din aceste componente. apoi la 17 (în vârful B) şi. iar pentru o unitate din produsul C. O companie produce trei tipuri de produse A. x6. Geometric aceasta înseamnă că din vârful O ne-am deplasat până în vârful A (4. x3 ≥ 0 z = max(8 x1 + 5 x 2 + 10 x3 ) Se observă că problema nu are formă standard. drept bază iniţială am luat baza B = (a3. 50. timp de 2 ore. Variabilele x1 şi x2 sunt variabile secundare. mergând pe muchia AB (variabila x3 a păstrat tot valoarea 0. Exemplul 2. în sfârşit. 4 kg. Calculele efectuate sunt grupate în tabelele simplex reunite în tabelul 2.

V. rămânând x5 = 50 unităţi. rămânând disponibile x4 = 50 ore.este satisfăcută condiţia de vânzare pentru B. Tabelul 2.V. . Semnificaţia variabilelor de compensare rezultă din modul cum au fost introduse.componentele nu s-au folosit integral.stocul de aliaj după efectuarea prelucrărilor este nul x6 = 0 . .B.V.B x4 x5 x1 x2 50 50 100 50 -1050 xl 0 0 1 0 0 0 0 -8 -5 34 . 50 unităţi din produsul B. Verificând restricţiile iniţiale ale problemei cu soluţia optimă x1 = 100. rezultă: . V. egal cu 1050 unităţi monetare.orele de lucru pe maşină nu s-au folosit integral.4 -8 C B -5 x2 3 0 0 1 5 x2 3 0 0 1 5 -5 x2 0 0 0 1 0 -10 x3 1 1 4 0 10 x3 0 0 1 0 0 -10 x3 0 0 1 0 0 0 x4 1 0 0 0 0 0 x4 1 0 0 0 0 0 x4 1 0 0 0 0 0 x4 1 0 0 0 0 0 x5 0 1 0 0 0 0 x5 0 1 0 0 0 0 x5 0 1 0 0 0 0 x5 0 1 0 0 0 0 x6 0 0 1 0 0 0 x6 -1/4 -1/4 1/4 0 5/2 0 x6 -1/4 1/4 1/4 0 5/2 0 x6 -1 -1/2 1/2 0 -4 0 x7 0 0 0 1 0 0 x7 0 0 0 1 0 0 x7 -3 0 0 1 -5 0 x7 -3 0 0 1 -5 V.B.economici este: ª2 3 1 1 0 0 0º «1 0 1 0 1 0 0 » » A=« «2 0 4 0 0 1 0» » « ¬0 1 0 0 0 0 1 ¼ Se vor fabrica 100 unităţi din produsul A. x4 x5 x6 x7 V.B 400 150 200 50 0 xl 2 1 2 0 8 -8 0 0 0 0 -5 -10 CB 0 0 -10 0 V.B x4 x5 x3 x7 350 100 50 50 -500 xl 3/2 1/2 1/2 0 3 -8 xl 3/2 1/2 1/2 0 3 -8 CB 0 0 -10 -5 V.B. x7 = 0. V.B. zero unităţi din produsul C.7) f = min(−8 x1 − 5 x 2 − 10 x3 ) Matricea coeficienţilor tehnico . V. x3 = 0 şi comparând cu sistemul de restricţii în care s-au introdus variabilele de compensare.B x4 x5 x3 x2 200 100 50 50 -750 -5 -10 x2 0 0 0 1 0 x3 -3 -1 2 0 -6 C B V. Se va obţine beneficiul maxim.V. x2 = 50.Programare liniară ­2 x1 + 3 x 2 + x3 + x 4 = 400 ° x + x + x = 150 ° 1 3 5 ® x + x + x6 = 200 2 4 3 ° 1 ° ¯ x 2 + x7 = 50 xi ≥ 0 (i = 1.

Cercetări Operaţionale- Fundamentarea deciziilor în managementul sistemelor de producţie

2.3.3. Metode de determinarea unei soluţii de bază iniţiale

Algoritmul simplex necesită, pentru pornire, ca problema să fie dată în forma standard şi să aibă o soluţie admisibilă de bază. Prima dintre condiţii se realizează folosind transformări utilizate în programarea liniară. Pentru cea de-a doua condiţie alegerea la întâmplare a unei baze formată din m vectori ai matricei A, conduce la soluţii de bază nerealizabile cu care algoritmul simplex nu poate începe. Găsirea unei baze pur şi simplu prin încercări repetate nu este indicată, această căutare putând dura foarte mult. Rezolvarea problemei pleacă de la observaţia că singura bază pentru care calculul de mai sus se poate face imediat este matricea unitate, caz în care soluţia de bază corespunzătoare este chiar vectorul termenilor liberi. Aceasta presupune ca problema să aibă toţi termenii liberi mai mari sau egali cu 0 şi în matricea A să existe toate coloanele matricei unitate. În acest sens plecăm de la observaţia că existenţa unui vector din matricea unitate este echivalentă cu existenţa unei variabile care apare doar în ecuaţia corespunzătoare lui 1 din acel vector, cu coeficientul 1. Acest lucru poate fi obţinut în două moduri: Alegem o nouă funcţie obiectiv care să-şi atingă extremul printre soluţiile 1) pozitive chiar pentru y = 0 şi în momentul când am obţinut soluţia respectivă pornim cu aceasta ca soluţie iniţială algoritmul simplex pentru fosta problemă (Metoda celor două faze). Adăugăm la vechea funcţie obiectiv noi variabile y cu coeficienţi aleşi astfel 2) încât aportul variabilelor la valoarea funcţiei să fie contrar scopului dorit (infinit pozitiv într-o problemă de minim şi infinit negativ într-o problemă de maxim) (Metoda coeficienţilor de penalizare) Vom detalia în continuare cele două metode:

Metoda celor două faze Fie dată problema de programare liniară la forma standard de maxim:
­max c T' ⋅ x ° ® A⋅ x = b ° x≥0 ¯

(2.77)

în care am aranjat deja ca toţi termenii liberi să fie pozitivi .

Faza 1 Constă în rezolvarea unei probleme de programare liniară auxiliară, asociată problemei iniţiale. Astfel construim problema:
a a a ­ f ( x a ) = min( x m +1 + x m + 2 + ... + x m + n ) ° Ax + I m x a = b ® ° x ,xa ≥ 0 ¯

(2.78)

unde xa sunt variabilele artificiale ce se introduc în restricţiile problemei atât cât sunt necesare în scopul formării bazei unitare; Im matricea unitate de ordin m. Rezolvăm cu algoritmul simplex această problemă, pornind rezolvarea de la baza matrice unitate, putem ajunge la două situaţii: 35

Programare liniară

1. minimul funcţiei f este strict pozitiv, aceasta fiind echivalent cu faptul că egalitatea Ax + Imxa = b se poate obţine doar pentru Imxa > 0 sau altfel spus Ax > b pentru orice x ≥ 0, deci sistemul Ax = b nu are soluţii admisibile şi în concluzie problema iniţială nu are soluţie. 2. minimul funcţiei f este 0, în acest caz, soluţia optimă obţinută verifică Ax = b, fiind în concluzie o soluţie admisibilă de bază a primei probleme.

Faza 2
Începând de la soluţia găsită la Faza 1 se rezolvă problema iniţială cu algoritmul simplex. Se îndepărtează din tabelul simplex toate elementele corespunzătoare variabilelor artificiale (cu excepţia celor care rămân în bază), introducând coeficienţii funcţiei obiectiv din problema iniţială. Dezavantajul metodei constă în faptul că tabelul simplex final de la faza 1 trebuie modificat pentru a se obţine tabelul simplex iniţial de la faza 2, eliminându-se coloanele corespunzătoare lui y şi totodată nu vom avea în tabelele simplex ale problemei iniţiale inversa bazei (se găsea în dreptul coloanelor matricei unitate din prima fază) necesară în anumite variante ale algoritmului simplex.
Metoda coeficienţilor de penalizare Fie problema de programare liniară la forma standard de minimizare: ­min c T x ° ® A⋅ x = b ° x≥0 ¯

(2.79)

în care toţi termenii liberi sunt pozitivi şi matricea A nu conţine nici un vector coloană unitar. Construim problema:
­ f = max(c T x − My) ° A⋅ x + y = b ® ° x, y ≥ 0 ¯

(2.80)

în care M este o constantă presupusă foarte mare (mai mare decât orice constantă care ar putea apare în rezolvarea problemei). Rezolvăm problema cu algoritmul simplex pornind rezolvarea de la baza matrice unitate, putând ajunge la trei situaţii: 1) problema are optim infinit, în acest caz, problema iniţială are optim infinit ( nu prezintă interes din punct de vedere tehnico-economic). 2) problema are optim finit şi în soluţia de bază avem cel puţin o variabilă din vectorul y. În acest caz problema iniţială nu are soluţii admisibile. 3) problema are optim finit şi în soluţia de bază nu avem nici o variabilă din vectorul y. În acest caz problema iniţială are optim finit, soluţia optimă şi maximul funcţiei fiind aceleaşi cu cele ale problemei modificate. Se remarcă faptul că variabilele y nu au aceeaşi semnificaţie economică ca celelalte variabile, ele fiind introduse doar ca un artificiu de calcul pentru a putea porni algoritmul simplex.

Observaţii : • Dacă matricea restricţiilor conţine vectori unitari, atunci numărul variabilelor artificiale introduse este egal cu m, numărul vectorilor unitari, indiferent de tipul funcţiei obiectiv.
36

Cercetări Operaţionale- Fundamentarea deciziilor în managementul sistemelor de producţie

• Dacă la aplicarea algoritmului simplex, o variabilă artificială iese din bază ea nu va mai intra niciodată, ceea ce arată eliminarea din calculele ulterioare. Exemplu 2.6 Un atelier de prelucrări mecanice fabrică două produse P1 şi P2. Din structura de dezagregarea produselor se deduce că pentru realizarea produsului P1 sunt necesare 3 componente de tip A şi un component de tip B, iar pentru realizarea produsului P2 sunt necesare 1 component de tip A şi 4 componente de tip B. Atelierul dispune în stoc de 10 componente de tip A. Contractele cu furnizorii pentru componentele de tip B, arată că se poate realiza aprovizionarea cu acesta în cantitate de cel puţin două componente B. Beneficiul unitar pentru produsele P1 şi P2 sunt de 2 um, respectiv de 3um. Se doreşte să se stabilească planul de producţie care să maximizeze beneficiul total.
Modelul matematic este următorul:
f = max(2 x1 + 3 x 2 ) ­3 x1 + x 2 ≤ 10 ° ® x1 + 4 x 2 ≥ 2 ° x ,x ≥ 0 ¯ 1 2 unde x1 , x 2 , reprezintă numărul de produse de tip P1 respectiv P2. Forma standard a problemei va fi: (max ) f = 2 x1 + 3 x2 ­3 x1 + x 2 + x3 = 10 ° ® x1 + 4 x 2 − x 4 = 2 ° x ,x ,x ,x ≥ 0 ¯ 1 2 3 4

În matricea A vom introduce variabila x5 cu coeficientul 1 în a doua ecuaţie şi împreună cu coeficienţii variabilei x3 în final vom avea de rezolvat problema prin cele două metode: Metoda celor două faze Metoda coeficienţilor de penalizare min( x5 ) max(2 x1 + 3 x 2 − Mx 5 ) ­ 3 x1 + x2 + x3 = 10 ­ 3 x1 + x 2 + x3 = 10 ° ° ® x1 + 4 x2 − x4 + x5 = 2 ® x1 + 4 x 2 − x 4 + x 5 = 2 ° x ,x ,x ,x ,x ≥ 0 ° x ,x ,x ,x ,x ≥ 0 ¯ 1 2 3 4 5 ¯ 1 2 3 4 5 Aplicând Metoda celor două faze vom obţine succesiv tabele:
cB 0 1 cB 0 0 xB x3 x5 xB x3 x2
xB 10 2 2 xB 19/2 1/2 0

0 x1 3 1 1 0 x1 11/4 1/4 0

0 x2 1 4 4 0 x2 0 1 0

0 x3 1 0 0 0 x3 1 0 0

0 x4 0 -1 -1 0 x4 1/4 -1/4 0

1 x5 0 1 0 1 x5 -1/4 1/4 -1

37

plecând de la baza primal admisibilă determinată. cu algoritmul simplex primal. înlocuim valorile coeficienţilor funcţiei obiectiv şi deci şi valoarea acesteia. obţinând tabelele de mai jos: cB 0 3 cB 0 2 cB 0 2 cB 0 3 xB x3 x2 xB x3 x1 xB x4 x1 xB x4 x2 xB 19/2 1/2 3/2 xB 4 2 4 xB 4/3 10/3 20/3 xB 38 10 30 2 x1 11/4 1/4 -5/4 2 x1 0 1 0 2 x1 0 1 0 2 x1 11 3 7 3 x2 0 1 0 3 x2 -11 4 5 3 x2 -11/3 1/3 -7/3 3 x2 0 1 0 0 x3 1 0 0 0 x3 1 0 0 0 x3 1/3 1/3 2/3 0 x3 4 1 3 0 x4 1/4 -1/4 -3/4 0 x4 3 -1 -2 0 x4 1 0 0 0 x4 1 0 0 Soluţia optimă a primei probleme este deci x1 = 0 şi x2 = 10 care dă un maxim al funcţiei egal cu 30. Eliminăm din tabel coloana lui x5.x2) care va fi soluţia iniţială pentru algoritmul simplex aplicat problemei iniţiale în a doua fază. Aplicând Metoda coeficienţilor de penalizare vom obţine succesiv următoarele tabele: cB 0 -M xB x3 x5 xB 10 2 -2M cB 0 3 cB 0 2 cB 0 2 cB 0 3 xB x3 x2 xB x3 x1 xB x4 x1 xB x4 x2 xB 19/2 1/2 3/2 xB 4 2 4 xB 4/3 10/3 20/3 xB 38 10 30 2 x1 3 1 -M -M-2 2 x1 11/4 1/4 -5/4 2 x1 0 1 0 2 x1 0 10/3 0 2 x1 11 3 7 3 x2 1 4 -4M -4M-3 3 x2 0 1 0 3 x2 -11 4 5 3 x2 -11/3 1 -7/3 3 x2 0 1 0 0 x3 1 0 0 0 0 x3 1 0 0 0 x3 1 0 0 0 x3 1/3 1/3 2/3 0 x3 4 1 3 0 X4 0 -1 M M 0 x4 ¼ -1/4 -3/4 0 x4 3 -1 -2 0 x4 1 0 0 0 x4 1 0 0 -M x5 0 1 -M 0 -M x5 -1/4 1/4 M+3/4 -M x5 -3 1 2+M -M x5 -1 0 M -M x5 -1 0 M 38 .Programare liniară Am obţinut optimul egal cu 0 în soluţia de bază (x3. valorile z B j − c j şi rezolvăm problema în continuare.

Coloanele a(j) din baza B ce corespund operaţiilor j le vom numi operaţii de bază.. numai prin operaţiile de bază. Ca urmare. j . n deducem : (2.a(m)]. este cantitatea din produsul j ce urmează a fi fabricată.. Firma utilizează mai multe resurse prime Ri ... i = 1. y 2 j .Fundamentarea deciziilor în managementul sistemelor de producţie 2.. În soluţia de bază a algoritmului simplex numărul componentelor nenule nu depăşeşte numărul restricţiilor..84) Relaţia de mai sus are următoarea semnificaţie din punct de vedere tehnico-economic. + y mj A jA jA (2.. j = 1. Aceasta realizează n produse . j = 1.83) (2. în orice soluţie optimă a problemei. disponibile în cantităţile limitate bi.59) yBj=B-1a(j) . j = 1. n care se poate scrie B (1) B (2) B ( m) A( j ) = y1 + y2 + . m . O posibilitate de a obţine un program mai bun constă în identificarea unor operaţii secundare care să înlocuiască o parte din operaţiile de bază curente. i = 1. y 2 j .. a produselor. cu restricţiile ce provin din consumul integral al resurselor disponibile .. Consumurile specifice de resurse pentru fiecare produs sunt aij . n . …. j = 1. Pentru acesta este necesar un criteriu de comparare a operaţiilor secundare cu cele de bază . celelalte fiind operaţii secundare. De aceea. Modelul de optimizare a activităţii firmei este reprezentat de problema de programare liniară în forma standard : ­(max) z = c T x ° ® Ax = b ° x≥0 ¯ (2. deoarece în lista operaţiilor productive se poate include un număr de operaţii fictive (corespunzătoare variabilelor ecart) ale căror valori să reprezinte cantitatea din resurse neconsumată. m .. n . numărul produselor ce urmează a fi fabricate nu depăşeşte numărul resurselor folosite . pentru fabricarea unei unităţi din produsul j este B B B necesar a diminua producţia operaţiilor de bază cu cantităţile y1 j . Consumarea (utilizarea) integrală a resurselor nu este strictă. astfel încât să fie consumate integral resursele disponibile. din relaţia (2. 39 .82) A(j)= ByBj . Obiectivul firmei este obţinerea unui profit total maxim. Programul optim prevede obţinerea. y mj din produsele operaţiilor de bază.81) în care xj . În ipoteza că baza B=[a(1). j = 1.3. Interpretarea a algoritmului simplex primal Se consideră problema de optimizare a activităţii unei firme producătoare. n . cu un profit unitar cj .4. B B B fabricarea unei unităţi de produs j este echivalentă cu fabricarea cantităţilor y1 .. y mj . a(2)..Cercetări Operaţionale.

.. O altă problemă care se mai pune este stabilirea cantităţii din produsul j care se poate realiza în condiţiile date. n (2.. Atunci: xB B B xl = xlB − θ 0 ylk = xlB − l ylk =0 B ylk (2. x m = x m − θy mk (2. Dacă z B j − c j < 0 .90) Ca urmare. atunci activitatea secundară j conduce la o majorare a profitului realizabil prin programul curent.. criteriul de optimalitate al algoritmului simplex. y mj . j = 1. Acesta este. desfăşurarea unei activităţi la un nivel negativ este lipsită de sens economic. În consecinţă.. Dintre operaţiile secundare j ∈ J rentabile în raport cu operaţiile de bază se va alege acea operaţie k care asigură cea mai mare viteză de creştere a valorii curente a producţiei ( interpretarea criteriului de intrare în bază). m (2.89) Presupunem că valoarea θ 0 se obţine pentru indicele 1.86) atunci programul de fabricaţie curent este optim.. egală cu − ( z B j − c j ).. j . x 2 = x 2 − θy 2 k .Programare liniară Aportul produsului j la creşterea profitului firmei poate fi comparat cu aportul valoric B B B al cantităţilor y1 .. Fabricarea unei cantităţi θ din acest produs implică diminuarea producţiei din produsele operaţiilor de bază astfel: B B B B B x1 = x1B − θy1 k .88) de unde obţinem condiţia: θ ≤ θ 0 = min xiB B i yik y B >0 ik (2.. dacă: B B B zB j − c j = c1 y 1 j + c 2 y 2 j + . operaţia l nu va mai fi folosită. 40 . y 2 j . Astfel este necesar ca : B xi = xiB − θyik ≥ 0 . Dacă pentru toate operaţiile secundare avem zB j − c j ≥ 0 .. i = 1.87) Evident. care asigură creşterea maximă a valorii curente a producţiei şi. maximizează profitului firmei. + c m y mj − c j ≥ 0 (2. iar în locul ei se va utiliza operaţia k.85) fabricarea produsului j nu este rentabilă întrucât nu conduce la o majorarea valorii (profitului) producţiei curente. implicit.

ca soluţie a problemei de programare liniară. O problemă de maximizare primală devine problemă de minimizare duală. u 2 arbitrar . Datorită legăturii strânse ce se stabileşte între aceste probleme care sunt duale una celeilalte.91) şi problema (2. Coeficienţii funcţiei obiectiv din problema primală devin termeni liberi în problema duală. Variabilele primale negative le corespund în problema duală restricţii concordante. nu este semnificativ din punct de vedere economic. Cazul optimului infinit. 41 .92) Observăm că duala problemei dualei este chiar problema primală. x arbitrar . iar variabilelor primale pozitive le corespund în problema duală restricţii neconcordante. u 3 ≤ 0 ( ) problema duală (2. x ≤ 0 2 3 ° 1 ° min c x + c x + c 1 1 2 2 3 x3 ¯ problema primală (2. Problema duală se obţine din problema primală folosind următoarele transformări : Termenii liberi din problema primală devin coeficienţi ai funcţiei obiectiv din problema duală.Fundamentarea deciziilor în managementul sistemelor de producţie Aceasta este interpretarea a criteriului de ieşire din bază al algoritmului simplex. Problema duală. Pe teoremele de dualitatea se bazează mulţi algoritmi de rezolvare a problemelor de programare liniară. vom spune ca problema (2. Fie problema de programare liniara dată sub forma generală numită problema primală : ­ a11 x1 + a12 x 2 + a13 x3 ≥ b1 °a x + a x + a x = b 21 1 22 2 31 3 2 ° ° ® a31 x1 + a32 x 2 + a33 x3 ≤ b3 ° x ≥ 0 .91) ( ) Numim problemă duală a problemei de programare liniara următoarea problema de programare liniara: ­ max b ′u + b ′u + b ′u ° ′ 1 1′ 2 2 ′ 3 3 ° a11 u1 + a 21 u 2 + a31 u 3 ≤ c1 ° ′ ®a12 u1 + a 22′u 2 + a32′u 3 = c2 ° ′ ′ ′ ° a13 u1 + a 23 u 2 + a33 u 3 ≥ c3 ° ¯ u1 ≥ 0 . 2. Fundamente teoretice.1.92) formează un cuplu de probleme duale.4. Dualitatea în programarea liniară 2. Problema duală Dualitatea în programarea liniară ocupă un rol important atât din punct de vedere teoretic cât şi din punct de vedere practic.Cercetări Operaţionale.4. iar cele corespunzătoare unor restricţii primale neconcordante sunt nepozitive. Matricea coeficienţilor din problema duală este transpusa matricei coeficienţilor din problema primală Variabilele duale corespunzătoare unor restricţii concordante din problema primală sunt nenegative.

u4 ≥ 4 − restricţiile de semn ale variabilelor dualei vor fi: u1 ≤ 0. u3 ≥ 0. prima restricţie va fi: u1 –5u2 + u3 + 2u4 ≤ 2 Analog se vor determina şi celelalte două restricţii: -u1 + u2 .termenul liber al restricţiei va fi coeficientul lui x1 din funcţia obiectiv a primalei. câte variabile are primala. u4 ≥ 0 42 . u2 oarecare.Programare liniară . x1. problema duală este: (min) 7u1 + 6u2 + 3u3 + 8u4 ­ u1 − 5u 2 + u 3 + 2u 4 ≤ 4 ° ® − u1 + u 2 − 5u 4 = −5 °4u + 3u + 2u − u ≥ 4 2 3 4 ¯ 1 u1 ≤ 0. deoarece restricţia corespunzătoare este egalitate.5u4 = -5 4u1 + 3u2 + 2u3 . pot fi de semn oarecare. În concluzie.termenul stâng al restricţiei se obţine înmulţind coeficienţii variabilei x1 din cele 4 restricţii ale primalei cu variabilele corespunzătoare acestora din duală: u1 –5u2 + u3 + 2u4 . u3 ≥ 0. x3 ≥ 0 Conform regulilor de mai sus vom avea: − duala este de minim deoarece primala este de maxim. ele obţinându-se astfel: Prima restricţie (asociată variabilei x1) . restricţia va fi neconcordantă şi deoarece duala este problemă de minim rezultă că va fi cu ≤. deoarece restricţia corespunzătoare este neconcordantă.5x2 ≥ 8 u4 − funcţia obiectiv a dualei va fi produsul dintre termenii liberi ai restricţiilor primalei cu variabilele corespunzătoare din duală: g = 7u1 + 6u2 + 3u3 + 8u4 − duala va avea 3 restricţii.Variabilele duale corespunzătoare restricţiilor primale care sunt ecuaţii. − variabilele dualei vor fi: corespunzătoare restricţiei: x1 – x2 + 4x3 ≥ 7 u1 corespunzătoare restricţiei: x2 – 5x1 + 3x3 = 6 u2 u3 corespunzătoare restricţiei: x1 + 2x3 ≤ 3 corespunzătoare restricţiei: –x3 + 2x1 . x2 oarecare.7 Determinaţi duala problemei de programare liniară: f = max(2x1 – 5x2 + 4x3) ­ x1 − x2 + 4 x3 ≥ 7 ° x − 5x + 3x = 6 ° 2 1 3 ® x1 + 2 x3 ≤ 3 ° ° ¯− x3 + 2 x1 − 5x2 ≥ 8 x1 ≤ 0. . Exemplul 2. u4 ≤ 0.Variabilelor primale oarecare le corespund restricţii duale care sunt ecuaţii. este negativă. adică b1 = c1 = 2 .deoarece variabila corespunzătoare acestei restricţii. u2 oarecare. deoarece restricţia corespunzătoare este neconcordantă. În final. deoarece restricţia corespunzătoare este concordantă.

Teorema 2. Teorema 2. Dacă L este o matrice antisimetrică (LT = -L). iar u* este soluţie optimă a problemei duale Propoziţia 2.92).94) Mulţimile soluţiilor admisibile (sau programelor) ale problemei primale (2. Atunci x* nu este soluţie optimă a problemei primale. atunci sistemul de inegalităţi liniare 43 .91) .Cercetări Operaţionale. u ≥ 0 { } m T } (2.93) 2. Fie x * ∈ P . prima fiind considerată problema primală. iar cea de-a doua.. u 2 . Se notează P = x ∈ R n Ax = b.(2..91).8.1.9. u * ∈ D şi c T x * ≥ b T u * . problema duală este: ­min (15u1 + 5u 2 + 10u 3 ) °u + u ≥ 3 2 ° 1 ° °− u1 + u 3 ≥ 2 ® °3u1 − u 2 + 2u 3 ≥ 5 °u1 − u 2 − u 3 ≥ 1 ° ° ¯u1 .92)... respectiv. Dacă x ∈ P şi u ∈ D . problema duală. atunci c T x ≥ b T u . x3 ≥ 0 Fundamente teoretice Fără a restrânge din generalitate ne vom ocupa în continuare de cuplul de probleme duale (2. x 4 ≥ 0 ¯ Se construieşte tabelul cu datele problemei iniţiale: max min u1 u2 u3 3 1 2 0 x1 2 -1 0 1 x2 5 3 -1 2 x3 1 1 -1 -1 x4 15 5 10 Aşadar. duale (2.8 Să se scrie duala problemei de programare liniară dată în formă canonică: ­max (3 x1 + 2 x 2 + 5 x3 + x 4 ) ° x − x + 3 x + x ≤ 15 1 2 3 4 ° ° ®2 x1 − x3 − x 4 ≤ 5 ° x + 2 x − x ≤ 10 3 4 ° 2 ° x1 .Fundamentarea deciziilor în managementul sistemelor de producţie Exemplul 2. x ≥ 0 { D = u ∈ R A u ≤ c.

Timpii unitari de prelucrarea celor două piese pe cele două maşini unelte M1.9 Într-un atelier mecanic se produc două de tipuri de piese P1.96) Teorema 2. x 2 = 3 .91) . b) Una din probleme are soluţii admisibile. 2. c) Nici una dintre probleme nu are soluţii admisibile. problema compatibilă are optim infinit. Atunci una şi numai una din următoarele situaţii este posibilă : a) Ambele probleme au soluţii admisibile. x 2 ≥ 0 Mulţimea soluţiilor admisibile ale problemei (primale) este reprezentată în fig. Fie cuplul de probleme duale canonice (2.97) Exemplul 2.11.92). În acest caz.10.Programare liniară ­l ⋅ t ≥ 0 ® ¯t ≥ 0 (2.6. (Teorema fundamentală a dualităţii) Fie cuplul de probleme duale (2. Problema admite soluţia optimă x1 = 0 . În acest caz.91) (2. P2.92). iar cealaltă nu are (este incompatibilă).(2. ambele probleme au soluţii optime şi valori optime ale funcţiilor obiectiv sunt egale. * * 44 . Atunci x ∈ P şi u ∈ D sunt soluţii optime pentru cele două probleme dacă şi numai dacă: T ­ °u A x − b = 0 ® T T ° ¯u c − A u = 0 ( ( ) ) (2. Teorema 2. pentru fiecare funcţia obiectiv are valoarea f max = 21 . profitul unitar şi disponibilul de timp al maşinilor unelte sunt date în tabelul de mai jos: P1 M1 M2 Profit unitar 4 1 3um P2 3 2 7um Disponibil resurse 16sp 6sp Modelul matematic pentru problema dată este: ­ f = max(3 x1 + 7 x 2 ) °4 x + 3 x ≤ 16 ° 1 2 ® ° x1 + 2 x 2 ≤ 6 ° ¯ x1 .95) are cel puţin o soluţie t astfel încât L ⋅t > 0 (2. (Teorema ecarturilor complementare). M2.

A ∈ M m×n .2. Algoritmul simplex dual * * Fie problema de programare liniară în forma standard ­min c T x ° ® Ax = b °x ≥ 0 ¯ n unde x.3/4) B(0. Aceste rezultate teoretice se utilizează în practica industrială în cazul când planul de producţie conţine o varietate mare de produse ce se fabrică în aceleaşi condiţii tehnico economice. b ∈ R m .3) B( 1 4/5. Tabelul simplex final corespunzător uneia dintre probleme conţine componentele soluţiilor optime ale ambelor probleme. u 2 = 7 / 2 .7.Valoarea funcţiei obiectiv este g min = 21 .4.7/2) u1 Fig.2.6 Problema duală este: ­ g = min(16 u 1 + 6 u 2 ) °4u + u ≥ 3 ° 1 2 ® °3u 1 + 2u 2 ≥ 7 ° ¯u 1 . Din cele arătate se constată că prin rezolvarea uneia dintre cele două probleme duale se poate determina şi soluţia celeilalte. 2.7 Problema admite soluţia optimă u 1 = 0 .Cercetări Operaţionale. (2.2.Fundamentarea deciziilor în managementul sistemelor de producţie x2 d1 C(0. evident aceeaşi ca şi în cazul problemei primale.98) 45 .0) x1 Fig. u2 d2 d1 0 A(0. c ∈ R . cu rang A = m < n. u 2 ≥ 0 Mulţimea soluţiilor admisibile ale problemei duale este reprezentată în fig.2.8/5) d2 0 A(4.

iar I_≠∅. (Teorema de optimalitate).14.92).102) atunci matricea B’ obţinută din B prin înlocuirea coloanei A(l) cu coloana A(k) este o bază dual admisibilă. n .Programare liniară Duala acestei probleme este : ­max b T u ° ° ' ®A u ≤ c °u arbitrar ° ¯ (2. z j .101) este o soluţie a problemei duale (2. atunci T −1 uB = cT BB (2. j = 1. n Propoziţia 2. (Teorema de îmbunătăţire a soluţiei) Fie B o bază dual admisibilă pentru problema primală (4. Fie mulţimea I _ = i ∈ I x i < 0 I_=∅. Fie B o bază dual admisibilă pentru problema primală (2. B Pasul 2.99) Definiţia 2. z . Teorema 2. şi dacă se alege l ∈ I _ arbitrar. Se determină o bază dual admisibilă iniţială B. ∀j ∈ J . j = 1. y ij Teorema 2. atunci problema (2.100) (2.9 O bază B formată cu m coloane liniar independente a lui A se numeşte dual admisibilă dacă sunt satisfăcute condiţiile zB j − c j ≤ 0.98). Deci există i ∈ I _ astfel încât B ≥ 0. − c j . y B j . Dacă B este o bază dual admisibilă. Dacă pentru orice i ∈ I _ există j ∈ J astfel încât B y ij < 0 .2. iar I_≠∅.29). iar programul dual asociat uB’ este cel puţin la fel de bun ca programul uB Algoritmul simplex dual Pentru problema primală de minimizare sau maximizare este: Pasul 1. atunci soluţia de bază asociată bazei B. B B 46 .12. este o soluţie optimă a problemei (2.98). iar k ∈ J astfel încât să fie satisfăcută condiţia : B B ­ °zj − cj ½ ° z k − ck = min ® ¾ B B j y lk ° y lj ° B ¿ <0 ¯ ylj B { B } (2. Teorema 2. (Teorema de incompatibilitate a problemei primale). Se calculează x . Fie B o bază dual admisibilă pentru problema primală (2.13. x = B −1b .98).92) nu are soluţii.

atunci STOP : x următor.Fundamentarea deciziilor în managementul sistemelor de producţie Pasul 3. n . Se determină mulţimea I _ = i ∈ I xi < 0 { B } Dacă I_≠∅. astfel se determină indicele k ∈ J cu criteriul de intrare în bază: B ­ ° zj − cj min ® B j ° y lj B <0 ¯ ylj B ½ ° z k − ck = ¾ B y lk ° ¿ Pasul 5. Se determină indicele k ∈ I _ cu criteriul de ieşire din bază min x i = x l i∈I _ {} B B B Dacă y ij ≥ 0. j = 1.8 47 . Fie baza B’ obţinută din B prin înlocuirea coloanei A(l) cu coloana A(k). înlocuind peste tot baza B cu baza B’. Se trece la Pasul 2.2.8 START Construieste tabel simplex initial Exista variabile de baza cu valori negative ? Da Determina linia pivotului Nu Indica solutia optima STOP Exista valori negative in linia pivotului? Da Determina coloana pivotului Nu Nu exista solutii STOP Calculeaza un nou tabel simplex Fig.Cercetări Operaţionale.2. astfel se trece la pasul Pasul 4. atunci STOP : problema nu are soluţii. B este program optim al problemei. Algoritmul simplex dual poate fi exprimat sintetic sub forma schemei logice din fig.

x5 ≥ 0 Baza iniţială B este matricea unitate formată cu coloanele A(4).−2} = −4 = x 4 . x5 şi se înmulţesc cu –1 cele două restricţii: ­max(− 3x1 − 2 x 2 ) °− x + 2 x − 3 x + x = −4 ° 1 2 3 4 ® °− 2 x1 − x 2 + x3 + x5 = −2 ° ¯ x1 .. B B i∈I _ {} Conform criteriului de intrare în bază avem: B ­ ° zj −cj min ® B j B <0 ° y4 ¯ y4 j j ½ ­ 3 0 ½ zB − c ° . Tabelul simplex asociat are ca variabile de bază pe x4 şi x5: -3 -2 cB 0 0 V.B.V. deci în bază va intra vectorul corespunzător variabilei x3. A(5) . Soluţia asociată bazei B admisibilă întrucât: x1 = x 2 = x 3 = 0 .5} .V. Conform criteriului de ieşire din bază avem: min x i = min{− 4. V. Noul tabel simplex este: -3 -2 cB 0 0 V. x1 x2 x4 -1 2 -4 x5 -2 -2 -1 3 2 0 0 x3 -1 1 0 0 x4 1 0 0 0 x5 0 1 0 Baza iniţială este dual admisibilă deoarece z B j − c j ≥ 0 . se obţine l = 4 . ¾ = min ® ¾ j y43 ° ¿ y4B j <0 ¯ − 1 − 1 ¿ se obţine k = 3. Mulţimea I _ = {4.B. =0= 3 B 3 . Se poate aplica deci algoritmul simplex dual. x 2 .10 Să se rezolve problema de programare liniară: ­max(− 3 x1 − 2 x 2 ) ° x − 2 x + 3x ≥ 4 ° 1 2 3 ® 2 + − x x x 2 3 ≥ 2 ° 1 ° ¯ x1 . deci din bază va ieşi vectorul A(4). x 4 = −4 ..B.Programare liniară Exemplul 2...B. x1 x2 x4 1 -2 4 x5 -6 -3 1 3 2 0 0 x3 1 0 0 0 x4 -1 1 0 0 x5 0 1 0 48 . x3 ≥ 0 Se aduce problema la forma standard prin introducerea variabilelor de compensare x4. x 5 = −2 . V.

Practic.Cercetări Operaţionale. Putem rezolva o problemă rezolvând problema duală a acesteia sau cunoscând soluţia dualei. atunci ui = 0 iar funcţia obiectiv nu este afectată de j=1 n sporire a cantităţii disponibile bi. pentru restricţiile de tip calitativ cu limită inferioară impusă ( ¦ a ij x j ≥ bi). Se obţine tabelul simplex : -3 -2 cB 0 0 0 0 x5 V. se determină cât mai corect nivelul minim şi maxim al diferiţilor indicatori tehnici şi economici de care depinde structura planului optim. a căror rezolvare se face printr-un model de programare liniară. Semnificaţia economică a soluţiei dualei depinde de specificul problemei şi trebuie găsită de la caz la caz. În cele mai multe probleme economice. Din bază va ieşi vectorul corespunzător variabilei x3=5 şi va intra vectorul corespunzător variabilei x1. Preţurile umbră (preţuri duale) aduc informaţii suplimentare pentru analiza eficienţei economice a resurselor şi a diferiţilor indicatori economici sau tehnici care apar în restricţiile unei probleme de programare liniară. de exemplu când numărul de restricţii al primalei este mai mare decât numărul de variabile al acesteia sau când primala necesită mai multe variabile suplimentare decât duala. atunci valoarea funcţiei obiectiv creşte cu ui. Teorema fundamentală a dualităţii şi teorema ecarturilor complementare reprezintă rezultate chiar în acest sens.B. dacă. 49 . rezultă că. V. cantitatea disponibilă din resursa Ri creşte cu o unitate. soluţia dualei aduce o serie de informaţii suplimentare despre problema studiată. atunci când termenul liber al restricţiei Ri se "relaxează" cu o unitate. Având în vedere că max[f(x)] = min [g(u)]. A "relaxa" are semnificaţia de a spori cantitatea disponibilă bi a unei resurse deficitare sau.3 Interpretarea economică a dualităţii Introducerea dualităţii este motivată din mai multe puncte de vedere: Teoretic. deci ui măsoară creşterea valorii funcţiei obiectiv determinată de creşterea cu o unitate a cantităţii disponibile bi. în care se foloseşte dualitatea.Fundamentarea deciziilor în managementul sistemelor de producţie Soluţia nu este optimă întrucât x 5 = −6 . În unele cazuri.4. Preţul umbră ui arată cu cât se modifică funcţia obiectiv a problemei duale. Pe baza lor se pot fundamenta deciziile privind alocarea judicioasă a resurselor. Una din problemele centrale ale programării matematice este caracterizarea situaţiilor în care există optimul unei probleme şi găsirea unor metode prin care să recunoaştem optimalitatea unei soluţii. x1 x2 x3 x4 x4 0 -5/3 1 -2/3 1/3 2 x 1 -1/3 0 -1/3 -1/3 -3 5 2 1 0 1 0 0 3 2. se pot stabili măsuri de stimulare a consumului raţional al resurselor. rezolvarea dualei este mult mai uşoară decât rezolvarea primalei. dacă o resursă nu este utilizată în întregime pentru satisfacerea programului optimal xB ( ¦ a ij x j < bi). Economic.V. Aceste evaluări obţinute dintr-un program optim au fost denumite în literatura de specialitate "preţuri umbră"(„shadow price”). de a reduce nivelul termenului liber bi.B. j=1 n Este evident că.

ce provin din limitarea disponibilităţii resurselor şi a cererii produselor pe piaţă. precum şi profitul unitar sunt date în tabelul 2. Notă m cu x1.10 0. Pentru problemele în care se cere maximizarea funcţiei f(x). dacă există diferenţe pozitive (zj-cj > 0). Tabelul 2. la activităţile respective. ce se obţin prin realizarea unei unităţi din produsul j. Prin urmare. corespunzătoare diferenţei maxime. deoarece se realizează un venit unitar mai mare decât costul unitar de fabricaţie (zj > cj). R2. funcţia obiectiv ce maximizează profitul total şi condiţiile de nenegativitate care sunt evidente din punct de vedere economic. R3. Modelul matematic al problemei este următorul: 50 . Exemplul 2. R4. Rezultă că. timpul disponibil al fiecărei resurse.18 0 0.05 0.5. cererea minimă şi maximă din fiecare produs conform studiului de marketing. Dacă există diferenţe negative (zj-cj < 0) înseamnă că.07 37 0. indicatorii zj se pot interpreta ca venituri.12 0.13 0. În cazul problemelor de minim.09 30 0.10 0. va intra în bază activitatea ak.15 36 0. beneficiu unitar etc.) din funcţia obiectiv. P2 respectiv P3 ce trebuie fabricate astfel încât să se atingă obiectivul propus. iar soluţia de bază se consideră optimă atunci când toate diferenţele (zj-cj) sunt nepozitive .08 38 10 12 15 - Să se determine programul de producţie astfel încât să se asigure satisfacerea cererii cu un profit total maxim. x2 x3 variabilele de decizie ce reprezintă cantităţile din produsele P1.5 Produs Cerere Timp de prelucrare pe unitatea de produs SN 400 min max R1 FU32 R2 RU320 R3 Banc de control R4 Profitul unitar um/buc P1 20 200 P2 0 100 P3 70 180 Timp disponibil pe resursă 0. exprimate în preţurile umbră ale restricţiilor. activităţile aj corespunzătoare sunt eficiente. Aşa se explică faptul că va intra în bază vectorul a(k) ce corespunde diferenţei (zj-cj) minime. indicatorii zj reprezintă costul unitar de fabricaţie al produsului j.11 O firmă fabrică trei tipuri de produse P1. preţul umbră al produsului j (costul unitar de fabricaţie exprimat în indicatori ui) este mai mic decât venitul realizat şi de aceea activitatea aj este eficientă. P3. se compară acest cost unitar cu coeficientul cj (preţ unitar. utilizând patru tipuri de resurse R1. P2.Programare liniară Soluţia optimă obţinută prin utilizarea datelor iniţiale poate constitui un punct de plecare pentru analiza economică privind alocarea eficientă a resurselor. prin calcularea diferenţei zj-cj. rezultat din evaluarea coeficienţilor aij prin preţurile umbră ataşate restricţii1or. În momentul în care toate diferenţele sunt pozitive (zj-cj ≥ 0) rezultă că nu mai există activităţi eficiente şi prin urmare soluţia de bază analizată este optimă.06 0. Modelul matematic liniar al problemei cuprinde restricţiile problemei. De aceea. Procesul tehnologic de realizare a celor trei produse.

t. x 2 .09 x3 ≤ 30 ° 0.7 u.7 u. În acelaşi timp dacă în prima restricţie mărim timpul disponibil cu o unitate (din 36u.07 x 2 ≤ 37 ° ° ® 0.7 0.12 x + 0.13 ⋅ 135 + 0. care nu este utilizat în procesul de producţie.O.t.13 x1 + 0.12 ⋅ 100 + 0.m.1 ⋅ 135 + 0.t.05 x 2 + 0.06 ⋅ 135 + 0.85 u.4 < 30 cu 10. În aceste condiţii valoarea funcţiei obiectiv este de 3. 51 .t. preţul ei umbră fiind nul. din produsul P3 se produc 70 unităţi.600u.07 ⋅ 100 = 31. A treia restricţie este satisfăcută cu semnul „<”.).preţ umbră • x7 = 4.1x 2 + 0. preţul ei umbră fiind nul.18 ⋅ 135 + 0.preţ umbră • x5 = 10. Y2 = 0 .O.15 < 38 cu 4. astfel resursa R3 nu este o resursă rară însă lipsa ei poate limita producţia.15 x ≤ 36 1 2 3 ° °0.preţ umbră • x6 = 5. deci din resursa R2 rămâne un timp disponibil de 10. = 3. A doua restricţie este satisfăcută cu semnul „<”. deci din resursa R4 rămâne un timp disponibil de 4. Y5 = 0 . deci profitul va fi de 3.09 ⋅ 70 = 19.85 u. la 37u.6 u.600 unităţi monetare. valoarea F. din produsul P2 se produc 100 unităţi. deci R2 este o resursă rară – resursă a cărei lipsă / indisponibil ar limita sau modifica.08 x3 ≤ 38 ° 20 ≤ x1 ≤ 200 ° 0 ≤ x 2 ≤ 100 ° ° 70 ≤ x3 ≤ 180 ° ° x1 .1x + 0. se modifică în sens pozitiv tocmai cu valoarea preţului umbră.18 x1 + 0.t.preţ umbră • x8 = 65 1 ⋅ 135 = 135 < 200 cu 65 unităţi de produs P1.700 u.1 ⋅ 100 + 0. astfel resursa R4 nu este o resursă rară însă lipsa ei poate limita producţia. Y3 = 0 .Cercetări Operaţionale. preţul ei umbră fiind nul.05 ⋅ 100 + 0. deci din resursa R3 rămâne un timp disponibil de 5.t.m Din produsul P1 se produc 135 unităţi. x 3 ≥ 0 ¯ Programul de producţie este dat de variabilele de decizie şi este următorul: x1 = 135 ­ ° x 2 = 100 ° ® x3 = 70 ° ° ¯ F .6 u. Variabilele de compensare (ecart) arată utilizarea resurselor astfel: Y1 = 100 . care nu este utilizat în procesul de producţie. Y4 = 0 .08 ⋅ 70 = 33. 0.3 < 37 cu 5.t.6 0. A patra restricţie este satisfăcută cu semnul „<”.Fundamentarea deciziilor în managementul sistemelor de producţie ­ f = max(10 x1 + 12 x 2 + 15 x3 ) ° 0.06 x1 + 0. astfel resursa R2 nu este o resursă rară însă lipsa ei poate limita producţia.t.15 ⋅ 70 = 36 = 36 Prima restricţie este satisfăcută cu semnul „=” ceea ce înseamnă că resursa R1 este utilizată în totalitate.85 0.preţ umbră • x4 = 0. care nu este utilizat în procesul de producţie.

El totuşi este nul.preţ umbră • x9 = 115 1 ⋅ 135 = 135 > 20 cu 115 unităţi de produs P1.Y să fie soluţii optime respectiv la problema primală şi duală este să fie simultan satisfăcute relaţiile: ­Y T ( P0 − AX ) = 0 ® T ¯ (Y A − C ) X = 0 Pentru ca un produs să fie zero este necesar ca un termen sa fie zero sau ambii egali cu zero. x 3 ≥ 0 ¯ 52 . Y8 = 0 .p.p).09 x3 ≤ 19.O.=3.15 x ≤ 36 1 2 3 ° °0. deci din produsul P3 rămân nevândute o cantitate de 110 unităţi de produs (u.4 ° 0.600u.p).preţ umbră • x11 = 110 1 ⋅ 70 = 70 < 180 cu 110 unităţi de produs P3 Restricţia opt este satisfăcută cu semnul „<”.07 x 2 ≤ 31.600u.13 x1 + 0.preţ umbră • x12 = 0 1 ⋅ 70 = 70 = 70 Restricţia şapte este satisfăcută cu semnul „=” ceea ce arată că produsul P3 este vândut în totalitate şi cererea maximă este corectă – deci este o resursa rară. lucru uşor de explicat din teorema ecarturilor complementare.Programare liniară Restricţia cinci este satisfăcută cu semnul „<”.. • x10 = 0 Y7 = 0 . astfel P1 nu este o resursă rară deci are preţul umbră nul. deci preţul umbră ar trebui să fie nenul.O. deci produsul P1 are o cerere maximă de 115 u. Prin creşterea cu o unitate a restricţiei în loc de 70 să avem 71 valoarea funcţiei obiectiv rămâne aceeaşi F. deci preţul umbră ar trebui să fie nenul.=3.1x + 0.15 ° 115 ≤ x1 ≤ 135 ° 0 ≤ x 2 ≤ 100 ° ° 65 ≤ x3 ≤ 70 ° ° x1 . Restricţia şase este satisfăcută cu semnul „>”.m.08 x3 ≤ 33. astfel P1 nu este o resursă rară deci are preţul umbră nul.05 x 2 + 0. Prin creşterea cu o unitate a restricţiei în loc de 100 să avem 101 valoarea funcţiei obiectiv rămâne aceeaşi F. lucru uşor de explicat din teorema ecarturilor complementare: condiţia necesară şi suficientă ca două soluţii admisibile X. Y9 = 0 .preţ umbră 1 ⋅ 100 = 100 = 100 Restricţia şapte este satisfăcută cu semnul „=” ceea ce arată că produsul P2 este vândut în totalitate – deci este o resursa rară. deci din produsul P1 rămân nevândute o cantitate de 65 unităţi de produs (u.12 x + 0.1x 2 + 0.18 x1 + 0. În concluzie acelaşi plan de producţie se putea face. Y6 = 0 .3 ° ° ® 0.m. El totuşi este nul.06 x1 + 0. cu acelaşi profit şi dacă restricţiile problemei erau următoarele: ­ f = max(10 x1 + 12 x 2 + 15 x3 ) ° 0. x 2 . astfel P3 nu este o resursă rară deci are preţul umbră nul.

Obiectivul problemei de transport este găsirea cantităţilor care trebuie transportate pe fiecare rută astfel încât să se asigure necesarul fiecărui centru consumator.1. dacă cantitatea disponibila totală este egală cu cererea totală.Fundamentarea deciziilor în managementul sistemelor de producţie CAPITOLUL 3 PROGRAMAREA LINIARĂ DE TIP TRANSPORT 3. Numim model matematic echilibrat. Teorema 3.…m ).nu există limitări în ceea ce priveşte cantitatea transportată pe fiecare rută. şi aceasta cu costuri minime.Cercetări Operaţionale.consumator între care nu se poate face transfer.1 : O problemă de transport echilibrată admite întotdeauna programe (soluţii). … m ) .1 ce este prezentat mai jos: Tabelul 3. ceea ce se presupune cunoscut. iar costul unitar de transport este ci j . Modelul matematic de mai sus se poate înlocui cu un model echivalent în care toate restricţiile sunt ecuaţii. aflate în cele m centre producătoare. 53 . Se notează cu xi j . în limitele cantităţilor aflate în centru producător. notate b j cu ( j = 1.pot exista perechi producător . Acest produs trebuie transportat la n centre consumatoare (de desfacere. Formularea unei probleme de transport Se consideră că un produs este disponibil în m centre producătoare (fabrici. cantitatea transportată în condiţiile de mai sus iar datele problemei de transport sunt sintetizate conform tabelului 3. … m ) . . depozite) notate cu Pi (i = 1. . notaţi cu C j ( j = 1. Se cunosc de asemenea şi cantităţile disponibile. Acest cost depinde de distantele respective.1 Pi Cj P1 C1 c11 c21 ci1 C2 c12 c22 ci 2 Cj c1 j c2 j cij cmj bj Cn c1n c2 n cin cmn bn ai a1 a2 ai am P2 Pi Pm bj cm1 cm 2 b1 b2 Caracteristicile unei probleme de transport clasice sunt: .fiecare centru producător aprovizionează cel puţin un centru consumator şi fiecare centru consumator este aprovizionată de la cel puţin un centru producător. b j sunt mărginite (finite ). Transportul se poate efectua de la orice Pi la orice C j ( j = 1.… n ) .1. notate cu a i cu (i = 1. de mijloacele de transport folosite şi altele. orice program este mărginit dacă valorile sale a i . … m ) şi cantităţile necesare în cele n centre consumatoare. In forma sa matematică modelul problemei de transport se poate scrie ca în relaţia 3.fiecărei rute i s-a asociat un cost care nu depinde de sensul de parcurgere. destinatari). .

b j ≥ 0 ° j =1 ¯ i =1 (3. m ° ° ¦ j =1 ® m _______ ° xi j ≥ b j . j ∈ 1.Programare liniară de tip transport ­ · § m n −1 ¨ ¦¦ ci j xi j ¸ min ° ¸ ¨ ° ¹ © i =1 j =1 _____ ° n −1 xi j ≤ a i . Orice problema de transport admite soluţii admisibile. se poate adăuga un depozit fictiv Pm+1 care are un disponibil i =1 j =1 m n a m +1 . n − 1 ° i =1 ° xi j ≥ 0 ¯ (3. n − 1 ¦ ° i =1 ° m. n −1 °¦ a i > ¦ b j . existând întotdeauna soluţii admisibile. m ® j =1 °m _______ °¦ xi j = b j . 54 . O astfel de problema are soluţia următoare : xi j = ai b j ¦a i =1 n (3. a i ≥ 0 . Acest caz este foarte rar în practică. astfel încât costurile de transport de la depozitul Pm+1 la centrele C j sunt nule. - Daca ¦ ai > ¦ b j . i ∈ 1.2): ­ § m n −1 · ¸ ° min¨ ¨ ¦¦ ci j xi j ¸ ° © i =1 j =1 ¹ _____ ° n −1 ° ¦ xi j = a i . i ∈ 1. se poate adăuga un centru fictiv C n +1 ce necesita bn +1 unităţi. însă el este cel mai simplu din punct de vedere matematic şi astfel va fi ales pentru formalizarea problemei. O astfel de problemă se numeşte problemă de transport echilibrată.2). iar minimul –∞ nu este posibil. j ∈ 1. Numărul total de restricţii este de m+n şi sunt o combinaţie liniară de celelalte. In practică pot exista următoarele cazuri: Dacă ¦ ai < ¦ b j .1) Astfel în urma acestor transformări se va obţine următorul model matematic echilibrat (3.3) i Aplicarea algoritmului simplex este dificilă în acest caz datorită numărului foarte mare de necunoscute şi a determinării soluţie admisibile de bază.2) Orice problemă poate fi transformată într-o problemă de tipul (3. ţinând cont că avem de minimizat o funcţie liniară cu toţi coeficienţii pozitivi pe o mulţime de soluţii cu toate componentele pozitive. adică sistemul de ecuaţii este compatibil. deci numărul celor independente este de m+n-1. i =1 j =1 m n astfel încât costurile să fie nule. Într-o problemă de transport nu poate apărea decât varianta de optim finit.

Se determină o soluţie admisibila de baza de pornire X.. n °i =1 °0 ≤ xij ≤ α ij . prin folosirea uneia din următoarele metode : coltului N-V... .4) Condiţiile necesare şi suficiente de existenţa a soluţiilor pentru problema (3. j = 1.. n ¯ (3..2. c1j .. m ij i ° j¦ ® =1 °m ° ¦ xij = b j .. am . Tabelul 3. cij αij xij . αmj xmj .. Pi ... ai . j = 1.. . i = 1. Se notează cu α ij > 0 capacitatea maximă ce poate fi transportată pe ruta de la centru producător i la centrul consumator j.. m. j = 1.. Cn c1n α1n x1n . metoda costului minimal.... cil αil xil .... α1j x1j .. cmn αmn xmn bn ai al . cu păstrarea semnificaţiilor notaţiilor cunoscute. Exemple de probleme de tip transport Probleme de transport cu capacităţi limitate Se consideră o problemă de tip transport în care există limitări ale capacităţilor de transport pe anumite rute... ..... i = 1... cmj .Cercetări Operaţionale..... n . m ° j =1 ° n °¦ α ij ≥ b j . este următoarea: m n ­ min( ¦ ¦ cij xij ) ° i =1 j =1 ° ° n x = a . Pm bj Cl c1l α1l x1l ..Fundamentarea deciziilor în managementul sistemelor de producţie Algoritmul specific problemelor de transport au următoarele etape: 1.. în care se specifică şi capacităţile maxime de transport α ij . Determinarea soluţiei optime pornind de la soluţia X. n ° ¯ j =1 (3.. . metoda costului minim pe coloană.. cin αin xin .4) sunt: n ­m °¦ ai = ¦ b j j =1 ° i =1 n ° ° ®¦ α ij ≥ ai .. m. j = 1. 3. .. metoda costului minim pe linie.2 Pi / Cj P1 .. 2. i = 1. bj 55 . . i = 1....5) Acestei probleme i se poate asocia un tabel de forma celui de la problema de transport.. .... Cj . Modelul matematic al acestei probleme. cml αml xml bl .

n (3. k = 1. i = 1.reprezintă cantitatea ce urmează a fi transportată de la centrul producător i la centrul intermediar k .costul unitar de transport dintre centrele i şi k .8) 56 . m. Se consideră p centre intermediare şi se notează cu β k .costul unitar de transport dintre centrele k şi j. capacităţile acestora.6) unde: ' xik . k = 1. Ca urmare. '' x kj . p ° i =1 ' ° ¯ xik ≥ 0. se pot considera următoarele două probleme de transport: m p ­ ' ' ¦ cik xik ) °min(i¦ =1 k =1 ° p ° ¦ x ' = a . p k  ik i =1  n ''  ∑ x kj = β k . de tranzit. p. Modelul matematic al acestei probleme are forma: p n m p  ' ' '' '' + min( c x ∑ ∑ ∑ ∑ c kj x kj ) ik ik  i =1 k =1 k =1 j =1  p  ' = ai .6) este: m p n ¦a = ¦β i i =1 k =1 k = ¦bj j =1 (3. Condiţia necesară şi suficientă de existenţă a soluţiilor pentru problema (3. k = 1.Programare liniară de tip transport Probleme de transport cu centre intermediare În practica industrială există cazuri în care transportul direct de la un centru producător la un centru consumator nu este economic. p  j =1  n '' x kj = b j . i = 1. m xik  k∑ =1 m  ∑ x ' = β . n  k∑  =1 ' ''   xik . m ° ik i ®k =1 °m ' ° ¦ xik = β k .7) Având în vedere faptul că fiecare intermediar este atât centru destinaţie cât şi centru sursă. p . m. ' cik . p (3. k = 1. j = 1. k = 1. k = 1. i = 1. el poate trece prin mai multe centre intermediare. x kj ≥ 0.cantitatea ce urmează a fi transportată de la centrul k la centrul consumator j . o astfel de problemă numindu-se problemă de transport cu centre intermediare sau problemă de transfer. i = 1. '' c kj . j = 1.

n  i =1  xij ≥ 0. este o soluţie nedegenerată. j = 1. respectiv a timpului în care utilajul i prelucrează piesele de tip j astfel încât cheltuielile totale de producţie sa fie minime. iar x kj este o soluţie a problemei de transport (3.Cercetări Operaţionale. Modelul matematic al problemei este de forma (3. j = 1. la utilajul i ale piesei j.8) şi (3. În consecinţă.9). n  (3. Soluţia admisibile de baza iniţiale. Se pune problema de a determina o repartiţie a sarcinilor. n (3.6) este echivalentă cu rezolvarea celor două probleme (3. j = 1. Determinarea unei soluţii de baza iniţiale a problemei de transport. care are cel mult (m+n-1) componente nenule. şi cheltuielile de producţie. Pe acestea se vor prelucra n tipuri de piese. k = 1. Se cunosc randamentul orar. i = 1.Fundamentarea deciziilor în managementul sistemelor de producţie şi p n ­ '' '' min( ¦ ¦ c kj x kj ) ° k =1 j =1 ° ° n x '' = β . 57 .9).10): m n  min( ∑ ∑ cij xij )  i =1 j =1   n x ≤ a . în cantităţile b j . rij . n . i = 1. n ° k =1 '' ° x kj ¯ ≥ 0. Metoda colţului Nord-Vest (NV) Această metodă se mai numeşte Metoda diagonalei principale sau Metoda lui Dantzing. Metodă nu ţine cont de costurile de transport cij şi numai de cantităţile disponibile în centrele producătoare şi cererea centrelor consumatoare. m .6) dacă şi numai dacă x ik ' ( ) ( ) ' '' transport (3. i = 1.10) 3.9) Se poate arăta că x ik şi x kj reprezintă o soluţie optimă a problemei de transport cu centre intermediare (3. rezolvarea problemei (3. j = 1.8). k = 1. Se notează cu xij numărul de ore în care utilajul i prelucrează piesele de tip j.3. i = 1. p kj k ° j¦ ® =1 ° p '' ° ¦ x kj = b j . m i ij  j∑  =1 m  ∑ rij xij = b j . ( ) '' ( ) este o soluţie optimă a problemei de Probleme de repartiţie Într-un atelier mecanic există m utilaje. m. care au disponibilul de timp a i . Dacă numărul soluţiilor este mai mic decât (m+n-1) soluţia este degenerată. p. cij .

Programare liniară de tip transport

Etapele metodei:
Se alege x11 = min (a1b1 ) ( (1,1) fiind colţul stânga sus – NV). Sunt posibile următoarele cazuri: 1) min(a1 , b1 ) = a1 Ÿ x11 = a1 , iar x1 j = 0, j = 1, n . Necesarul centrului C1 devine b1 − a1 .

2) min(a1 , b1 ) = b1 Ÿ x11 = b1 , iar xi1 = 0, i = 1, m . Disponibilul centrului P1 devine a1 − b1 . 3) a1 = b1 Ÿ x11 = a1 = b1 , iar x1 j = 0, j = 1, n şi xi1 = 0, i = 1, m . • Se elimină de sus în jos sau de la stânga la dreapta prima linie respectiv prima coloană din tabel. Următoarele componente strict pozitive ale soluţiei de bază iniţiale se determină în mod analog, considerând colţul NV rămas după eliminarea anterioară.

Exemplul 3.1 : Pentru problema de transport ale cărei date sunt centralizate în tabelul 3.3 să se determine soluţia de bază iniţială utilizând metoda lui Dantzing.
Tabelul 3.3 Q3 Q4 5 3 11 5 9 11 1 2 8 9 7 30

Q1 P1 P2 P3 7 2 6 5

Q2 8 4 3 9

Notăm cu xij cantităţile ce urmează a fi transportate în condiţiile indicate în tabelul iniţial. Pasul 1 Problema dată poate fi scrisă ca în tabelul 3.4. ' min(a1 , b1 ) = b1 Ÿ x11 = min(11,5) = 5 , iar xi1 = 0, i = 1, m şi a1 = a1 − b1 = 11 − 5 = 6 (tab.3.5)
x11 x 21 x 31 5 x12 x 22 x32 x13 x 23 x33 x14 x 24 x 34 7 11 11 8 5 0 0 0 x12 x 22 x 32 9 x13 x 23 x33 x14 x 24 x 34 6 11 8

9 9 tabelul 3.4

9 7 tabelul 3.5 x1 j = 0, i = 1, m

Pasul 2 Calculăm:

min(a1 , b2 ) = a1

Ÿ Ÿ

x12 = min(6 ,9 ) = 6 , iar x 22 = min(11,3) = 3 , iar

şi

' b2 = b2 − a1 = 9 − 6 = 3 (tab.3.6)

Pasul 3 Calculăm: min(a 2 , b2 ) = b2
' a2

xi 2 = 0, i = 1, m şi

= a 2 − b2 = 11 − 3 = 8 (tab.3.7)

5 0 0 0

6 x 22 x 32 3

0 x 23 x33 9

0 x 24 x 34 7

0 11 8

5 6 0 3 0 0 0 0

0 x 23 x33 9

0 x 24 x34 7

0 8 8

58

Cercetări Operaţionale- Fundamentarea deciziilor în managementul sistemelor de producţie

tabelul 3.6 Pasul 4 Calculăm: min(a 2 , b3 ) = a 2
'' b2 = b3 − a 2 = 9 − 8 = 1 (tab.3.8)

Ÿ Ÿ

x 23

tabelul 3.7 = min(8,9) = 8 , iar

x 2 j = 0, i = 1, m

şi şi

Pasul 3 Calculăm:
' a3

min(a3 , b3 ) = b3

x33 = min(8,1) = 1 , iar

xi 3 = 0, i = 1, m

= a3 − b3 = 8 − 1 = 7 (tab.3.9)
5 6 0 3 0 0 0 8 x33 0 0 x34 0 0 8 5 6 0 0 0 0 3 8 0 0 0 0 1 7 0 0 0 0 0 tabelul 3.9

0 0 1 7 tabelul 3.8

Soluţia admisibila de baza X este data de tabelul 3.9 . Dacă notăm cu V(X) valoarea funcţiei de optimizat a problemei date, pentru soluţia admisibilă X, avem: V(X) = 7*6 + 8*6 + 3*4 + 8*5 + 1*1 + 7*2 =150

Metoda costului minimal
Metodă ţine cont atât de costurile de transport cij cât şi de cantităţile disponibile în centrele producătoare şi cererea centrelor consumatoare.

Se alege clk = min cij . Se determină x lk = min(al , bk ) Sunt posibile următoarele cazuri:

( )

1) min(al , bk ) = al Ÿ x lk = al , iar xlj = 0, j = 1, n . Necesarul centrului Cj devine bk − al . 2) min(al , bk ) = bk Ÿ x lk = bk , iar xik = 0, i = 1, m . Disponibilul centrului Pi devine al − bk . 3) al = bk Ÿ x lk = al = bk , iar xlj = 0, j = 1, n şi xik = 0, i = 1, m . • Se elimină de sus în jos sau de la stânga la dreapta linia respectiv coloană din tabel. Se determină în mod analog, considerând variabila de cost minim din subtabelul rămas după eliminarea anterioară. Dacă sunt mai multe costuri minime egale, atunci se ia în considerare mai întâi variabile care ia valoare maximă.
3.4. Metoda de determinare a soluţiei optime pentru probleme de transport. Metoda potenţialelor.

Generalităţi Rezolvarea problemei de transport prin metoda simplex este, în general, puţin eficientă. Câteva dintre motive sunt următoarele: - numărul mare de variabile, egal cu m, n - absenţa unei baze iniţiale. Varianta de rezolvare prin considerarea unor variabile auxiliare pentru fiecare linie şi coloană şi aplicarea metodei celor două faze este laborioasă; - apariţia frecventă a cazurilor de degenerare datorită numărului mare de elemente ale matricei coeficienţilor A egale cu 0 şi 1 . Metoda potenţialelor reprezintă o metodă specială de testare şi îmbunătăţire a soluţiei unei probleme de transport.
59

Programare liniară de tip transport

Procesul de îmbunătăţire a unei soluţii constă în a trece de la o soluţie la o alta mai bună. Pentru aceasta se recurge la problema duală a problemei de transport şi anume :
­ n §m · ° max¨ ¦ ai u i + ¦ b j v j ¸ ¨ ¸ ° j =1 © i =1 ¹ ° ®u i + v j ≤ cij , i = 1, m, j = 1, n ° ui arbitrar , i = 1, m ° ° v j arbitrar , j = 1, n ¯

(3.11)

Conform teoremei ecarturilor complementare aplicată cuplului de probleme duale, rezultă că soluţia de bază x ij a problemei primale şi soluţia (u i , v j ) a problemei duale sunt optime dacă şi numai dacă satisfac condiţiile:
(cij − u i − v j ) ⋅ x ij = 0, i = 1, m, j = 1, n )

(3.12)

Pentru ca relaţia de mai sus să fie satisfăcută este suficient ca (u i , v j ) să fie soluţii ale sistemului

ui + v j = cij , ∀(i, j ) ∈ J
în care s-a notat mulţimea de indici J = {(i, j ) xij este variabila de bază }.

(3.13)

Propoziţia 3.1 Sistemul de ecuaţii are o infinitate de soluţii. Dacă (ui0 , v 0 j ) este o soluţie particulară şi k o constantă oarecare, atunci orice soluţie a sistemului este de forma:
0 ­ °u i = ui + k , i = 1, m (3.14) ® 0 v = v − k , j = 1 , n j ° j ¯ Pentru rezolvarea sistemului se poate fixa arbitrar una dintre necunoscute, fără a influenţa optimalitatea soluţie problemei de transport; de obicei se alege ui = 0 . Observaţie. Rezolvarea sistemului se poate efectua direct pe tabelul de rezolvare al problemei. Valorile variabilelor ui şi v j se înscriu la marginile tabelului ; din acest motiv ele se mai numesc şi valori marginale . Algoritmul metodei potenţialelor

Pasul 1. Se determină o soluţie de bază iniţială ( x ij ) . Pasul 2. Se calculează valorile variabilelor duale ui şi v j ca soluţii ale sistemului de ecuaţii
u i + v j = cij , ∀(i, j ) ∈ J

Pasul 3. Se calculează valorile δ ij = ui + v j − cij , ∀(i, j ) ∉ J
Dacă δ ij ≤ 0, ∀(i, j ) ∉ J , atunci STOP: soluţia ( x ij ) este optimă; în caz contrar se trece la pasul 4 60

C2. 61 . C4). k). Simbolul + indică o căsuţă de rang impar . soluţia optimă a problemei. j ) nu apartine ciclului ¯ Se revine la pasul 2 cu noua soluţie de bază obţinută. 2) Alegerea sensului de parcurgere al ciclului în cadrul pasului 4 al algoritmului este arbitrară. 3) Tabelele ce se vor construi la aplicarea algoritmului vor fi formate din căsuţe (i. P2. j) ce pot avea una din configuraţiile cij +(-) xij cij δ ij xij=0 Prima indică o căsuţă corespunzătoare unei valori de bază ( xij > 0 ). k) un ciclu care porneşte din căsuţa (l. Aceasta nu influenţează. care trebuie să aprovizioneze cu acest produs patru consumatori (C1. Exemplul 3. Se calculează cu criteriu de intrare în bază δ ij = max{δ ij ∀(i. P3) ale aceluiaşi produs. Să se determine planul optim de transport în condiţiile costurilor minime. j ) ∉ J } Variabila xlk ce va intra în bază . (i. şi care revine la căsuţa (l.10 sunt date cantităţile disponibile în centrele producătoare (ai). k). iar cea de-a doua o căsuţă corespunzătoare unei valori nebazice ( xij = 0 ) .Cercetări Operaţionale. Se construieşte pentru căsuţa (l. (i. ci eventual numărul de iteraţii pentru obţinerea soluţiei optime. j ) este căsuţă de rang par în ciclu }şi se determină variabila x st va ieşi din bază. Pasul 5. pentru care se calculează valoarea δ ij . Observaţii : 1) Soluţia iniţială de bază obţinută la pasul 1 al algoritmului depinde de metoda folosită pentru determinarea ei.Fundamentarea deciziilor în managementul sistemelor de producţie Pasul 4. j ) are rang impar in ciclu ° x ij . iar simbolul – indică o căsuţă de rang par.2 Fie date trei fabrici producătoare (P1. Simbolurile + sau – apar dacă căsuţa face parte din ciclul construit la pasul 4 al algoritmului. j) ocupate cu valori x ij > 0 . care trece numai prin căsuţe (i. (i. Pasul 6. În tabelul 3. C3. Se determină o nouă soluţie de bază admisibilă (~ xij ) cu ajutorul formulelor de schimbare a bazei ­ x ij − θ . Se calculează criteriul de ieşire din bază θ = x st = min{x ij (i. j ) are rang par in ciclu ° ~ xij = ® x ij + θ . cu treceri alternative pe linii şi coloane. cantităţile necesare în centrele consumatoare (bj) şi costurile pe unitatea de transport. Se adoptă un sens oarecare de parcurgere al acestui ciclu şi se numerotează căsuţele sale începând cu căsuţa (l. k).

x 24 = 14. Prin metoda costului minimal se determină soluţia de bază iniţială iar calculele sunt prezentate în tabelul 3. j ) ∉ J sunt scrise în tabelul 3. Valoarea funcţiei obiectiv corespunzătoare acestei soluţii iniţiale este : z = 8 ⋅ 7 + 7 ⋅ 12 + 4 ⋅ 6 + 3 ⋅ 14 + 2 ⋅ 14 = 240 .13 u1=0 u2=-4 u3=-5 v1=8 8 7 4 6 3 2 4 6 v2=7 7 v3=7 v4=7 3 4 6 1 12 0 0 -3 7 -4 3 0 0 14 -2 2 5 -3 0 14 0 Pasul 3. (i.2). Pasul 1. unde J = {(1.12 8 7 4 6 3 2 4 0 6 0 2 14 7 12 7 0 5 0 3 0 3 14 6 0 Pasul2.10 Pi / Cj P1 P2 P3 bj C1 8 4 3 15 C2 7 6 4 12 C3 3 7 2 14 C4 6 3 5 14 ai 19 20 16 55 3 Problema de transport este echilibrată deoarece ¦ ai = i =1 ¦ b j = 55 . (3. 62 .1). x12 = 12. x 33 = 14. (2.1). (3. Valorile δ ij = ui + v j − cij . x 31 = 2. Deoarece δ ij ≤ 0. Se rezolvă sistemul: ui + v j = cij .13.Programare liniară de tip transport Tabelul 3. Iteraţia 1. (1. ∀(i.4). pornind de la u1 = 0 Tabelul 3. j ) ∉ J rezultă că soluţia nu este optimă.11: Tabelul 3.3)}. (2. j ) ∈ J . (i. Soluţia de bază iniţială este înscrisă în tabelul 3. j =1 4 iar pentru rezolvarea ei se va aplica metoda potenţialelor si pentru determinarea soluţiei de bază se va aplica metoda costului minim din tabel.12 alături de costurile unitare de transport date iniţial: Tabelul 3.1).11 7 6 2 15 13 7 0 12 0 0 12 0 0 14 14 0 0 14 0 14 0 19 20 16 12 6 2 0 0 Se obţine următoarea soluţie de bază iniţială : x11 = 7. x 21 = 6.

(2.3) care este indicat în tabelul 3. (3.3). x 33 = 14 − 7 = 7 . (1.2). (1. deoarece δ ij < 0. Se calculează δ lk = max δ ij / (∀)(i. (i. Se calculează valorile δ ij = ui + v j − cij .13. (1. unde J = {(1.3. Se determină θ = x st = min xij / (i. (3.4). Noua soluţie de bază admisibilă este înscrisă in tabelul 3. (3. Se construieşte ciclul (3. (1. Se rezolvă ui + v j = cij . soluţia nu este optimă (tab. Pasul 6. Pasul 3. Se modifică valorile căsuţelor din ciclul de mai sus : x 32 = 0 + 7 = 7.3.2).14) Pasul 5 . (1. Se modifică valorile căsuţelor din ciclul de mai sus: x13 = 0 + 7 = 7. j ) ∉ J . (3. ∀(i.1). Pasul 6. j )este casuta de ordin par = min{7. δ lk = δ 23 = 2 Ÿ variabila x32 va intra în bază .3). j ) ∉ J Deoarece δ ij ≤ 0. Tabelul 3.1). iar soluţia este indicată în tabelul 3.3.2) (tab.14.12} = x 33 = 7 Ÿ x33 va ieşi din bază . x 33 = 7 − 7 = 0. θ = min{7. x 32 = 7. x11 = 7 − 7 = 0. j ) ∈ J .2). Pasul 4. x 13 = 14.3)}.14} = x11 = 7 Ÿ variabila x11 va { } { } ieşi din bază.15.1). Rezultatele sunt consemnate în tabelul 3.3).15 u1=0 u2=-2 u3=-3 v 1=6 v2=7 8 -2 7 0 5 4 6 -1 6 0 3 4 9 7 v3=3 3 14 7 -6 0 2 -2 0 v4=5 6 -1 0 3 5 14 -3 0 S-a obţinut soluţia optimă a problemei de transport : x 12 = 5. x 31 = 9.14 u1=0 u2=0 u3=-1 v1=4 v2=7 v3=3 v4=3 8 -4 7 3 6 -3 7 12 7 0 4 6 1 7 -4 3 6 0 0 14 3 4 2 2 5 -3 9 0 7 0 Valoarea funcţiei obiectiv devine : z = 7 ⋅ 12 + 3 ⋅ 7 + 4 ⋅ 6 + 3 ⋅ 14 + 3 ⋅ 9 + 2 ⋅ 7 = 212 Iteraţia a 2 Pasul 2.3). (i.1). Căreia îi corespunde costul total al transportului minim z*=198 63 * * * * * . x 31 = 2 + 7 = 9.14 Tabelul 3. x13 = 7 + 7 = 14. x12 = 12 − 7 = 5 (tab.15) Valoarea funcţiei obiectiv devine : z = 7 ⋅ 5 + 3 ⋅ 14 + 4 ⋅ 6 + 3 ⋅ 14 + 3 ⋅ 9 + 4 ⋅ 7 = 198 Iteraţia 3 . ∀(i. (3.Cercetări Operaţionale. x 24 = 14. (3.14). j ) ∉ J rezultă că soluţia este optimă . j ) ∉ J = δ 13 = 4 Ÿ variabila x13 va intra în bază Se construieşte ciclul : (1. Pasul 5.Fundamentarea deciziilor în managementul sistemelor de producţie Pasul 4.3). (2.

xj) = pereche ordonată de vârfuri numită arc. 64 . Cu ajutorul grafurilor se surprind şi se analizează în detaliu legăturile dintre componentele sistemului tehnico . datorită multiplelor avantaje pe care le oferă activităţii de planificare şi analiza tehnico . aprobarea lui. x2) şi (x2 . G =( X . U ) = graf neorientat In practică un graf neorientat se poate înlocui cu un graf orientat astfel: fiecarei muchii ( xi. xi ) ¾ . G ( X.2.( xi.xj) este un arc neorientat numit muchie G =( X . la nodul xj.xj) ∈ R funcţia valoare ataşată arcelor. x2. U = submulţime nevidă a produsului cartezian X x X U= ®( xi. Există şi activităţi care se execută în paralel.xj ) / ( xi. U.unde xi = elemente numite vârfuri sau noduri X poate fi infinită.Elemente de teoria grafurilor CAPITOLUL 4 ELEMENTE DE TEORIA GRAFURILOR 4. ….U) = graf orientat (digraf) U = mulţime de de arce neorientate care reprezintă perechi ordonate de vârfuri din X U = ®( xi.economic.economică.1. Noţiunea de graf Prin definiţie un graf este o pereche (X. numit extremitatea finală. Aceste activităţi sunt condiţionate între ele şi execuţia fiecărei activităţi nu poate fi începută înainte de terminarea altor activităţi.. avizarea acestuia. x1). 4.xj)=( xj . Fundamente în teoria grafurilor Teoria grafurilor s-a constituit ca un capitol de sine stătător în cadrul cercetărilor operaţionale. dar numărabilă. Nodul reprezintă momentul în care se termină o activitate şi începe o alta. numit extremitatea iniţială. X = ®x1. xj ) se numeşte buclă. U ) unde mulţimea X este numită mulţimea nodurilor (sau vârfurilor) iar mulţimea U este mulţimea muchiilor. Pentru realizarea modelului de graf corespunzător proiectului de investiţii se stabilesc condiţionările între activităţi.a. In cazul în care se asociază arcelor grafului o valoare sau o funcţie valoare v : U → R sau v : U → R unde v( xi.xj ) / ( xi. organizarea şantierului ş.unde ( xi . A ( xj .1. xi ) ¾ . iar elaborarea modelului este mult mai uşoară. Orientare şi neorientare în graf Cazul grafurilor orientate Prin următorul exemplu vom pune în evidenţă un graf orientat: „În practica industrială pentru realizarea unei lucrări de investiţii sunt necesare o serie de activităţi distincte: alegerea amplasamentului.1.1.xj) ≠ ( xj . contractarea utilajelor tehnologice.xn¾ . întocmirea proiectului. ponderat ) 4. Arcul u este orientat de la nodul xi. Notaţii utilizate : X = mulţime finită şi diferită de mulţimea vidă de orice natură.xj) ∈ U îi corespund două arce de semne contrare (x1 . v ) = se numeşte graf valuat ( evaluat.

u 4 . x 6 ) . u 6 = ( x3 . . Orice activitate trebuie executată până la capăt ca să poată începe o alta pe care ea o condiţionează.gradul de intrare d − (xi ) ca fiind numărul de arce u ∈ U de forma u = x j . u 4 = ( x 2 .Fundamentarea deciziilor în managementul sistemelor de producţie Activităţile proiectului sunt reprezentate prin muchii (arce) în graf. iar m dimensiunea grafului G. d + ( x 4 ) = 2 . 65 . d − ( x 6 ) = 2 .1) d + (x 6 ) = 0 . u 7 . iar dacă d + ( xi ) = 0 nodul xi este nod de ieşire din graf. d + ( x5 ) = 2 . d + ( x1 ) = 2 . x j extremitatea iniţială în xi. d + ( x 2 ) = 2 . iar numărul n reprezintă ordinul grafului G. d − ( x 2 ) = 1 . Reprezentarea geometrică a unui graf orientat Un graf orientat G = ( X .1. Fie X = {x1 . Dacă X = n şi U = m avem relaţia: ( ) ( ) care au ¦ d (x ) =¦ d (x ) =m − i + i i =1 i =1 n n (4. x 4 ) . x j ) ∈ U prin linii drepte sau curbate care unesc nodurile xi şi xj şi pe care se află o săgeată cu sensul de la xi la xj Exemplul 4. u 5 . xi care au extremitatea finală în xi. U ) este cea din fig 4. iar arcele u = (xi . Dacă d − (xi ) = 0 nodul xi este nod de intrare în graf. d − ( x3 ) = 2 . x6 } şi U = {u1 . u 8 . u 2 = (x1 . d − ( x 4 ) = 4 . x 4 ) .1 Gradul unui nod. u 9 = ( x5 . x3 . x 4 . x3 ) . u 6 . x3 ) . u 3 = (x 2 . u10 } unde u1 = (x1 . U ) un graf orientat. Reprezentarea geometrică a grafului G = ( X . u 8 = (x 4 .gradul de ieşire d + ( xi ) ca fiind numărul de arce u ∈ U de forma u = xi . U ) are X = n şi U = m atunci graful G este un . Un graf orientat care nu are nici bucle nici arce paralele este un graf simplu. d + ( x 3 ) = 2 . Asemenea grafuri sunt orientate” Dacă un graf orientat G = ( X .1 avem d − ( x1 ) = 0 . x 4 ) . u10 u1 x1 u2 x3 x2 u4 x4 u7 u6 x5 u8 u9 x6 u3 u5 Fig. Arcul u10 = ( x 4 . Pentru graful din fig. u 9 .1. u 2 . 4. u 5 = (x3 . 4. u10 = ( x 4 . u 7 = ( x5 .graf orientat. d − ( x 5 ) = 1 . x5 . Fie G = ( X . U ) se reprezintă geometric printr-o figură în plan în care nodurile xi ∈ X se vizualizează prin puncte în plan încadrate în cercuri. x5 ) . x6 ) . x 4 ) este o buclă. x 2 . x 4 ) . Două arce având aceleaşi extremităţi sunt paralele. Un vârf xi are următoarele caracteristici: . x 2 ) . u 3 .Cercetări Operaţionale.

x j sunt arce incidente spre exterior.2) Gradul de incidenţă Două noduri xi şi xj sunt noduri adiacente dacă există un arc xi . Arcele care converg într-un nod xi de forma x j . iar nodul de ieşire este nodul x6. notat cu d ( xi ) . x5 ). xi sunt arce incidente spre interior. u = (xi x j ) cu xi ∉ A şi x j ∈ A sunt arce incidente spre interior în ( ) ( ) A şi mulţimea lor se notează cu U − ( A) : U − ( A) = u = xi . Un subgraf se obţine din graful G prin suprimarea nodurilor care nu sunt conţinute în Y şi arcelor corespunzătoare lor. u ∈ U / xi ∉ A. x 2 ) şi (x 2 .1 atunci : U − ( A) = {( x1 . ( x 2 .2 se obţine graful parţial din figura 4. ( x 2 .3) Toate arcele u ∈ U . x6 )} Graf parţial. x3 ). în cazul grafurilor orientate.2b. ( x 2 . Graful H = (Y . Un graf parţial se obţine din graful G prin suprimarea a cel puţin un arc din U. x j . Subgraf Fie Y ⊂ X şi V ⊂ U mulţimea tuturor arcelor din U care au ambele extremităţi în submulţimea Y.V ) este un subgraf al grafului G. u ∈ U / xi ∈ A. x 4 ) din graful de referinţă din figura 4. x3 ). Un graf G * = (X . x j ∈ U sau x j . x5 ). x j . x3 ). (x 4 . Fie A ⊂ X o submulţime a mulţimii X. x 4 ). U + ( A) = {(x3 . Prin suprimarea arcelor (x3 .U * ) este un graf parţial al grafului orientat G = ( X . xi ∈ U .1 nodul de intrare este nodul x1. U ) dacă U * ⊂ U . x 4 )}.Elemente de teoria grafurilor În graful din fig. ( x 2 . u = (xi x j ) cu xi ∈ A şi x j ∉ A sunt arce incidente spre exterior în A şi mulţimea lor se notează cu U + ( A) : U + ( A) = u = xi . x 4 ). 4. ( x5 . este dat de relaţia: d ( xi ) = d − ( xi ) + d + ( x i ) (4. x j ∉ A { ( ) } (4. x j ∈ A { ( ) } (4. iar arcele care ies din nodul xi de forma xi . U ( A) = {( x1 . ( x 4 . x6 )} (4. x 4 ).4) Gradul de incidenţă al submulţimii A în raport cu graful G este dat de relaţia: U ( A ) = U − ( A) ∪ U + ( A ) Dacă A = {x3 x 4 } în graful din figura 4. 66 . ( x3 . ( ) ( ) Două arce sunt adiacente dacă au în comun o extremitate. ( x5 .5) iar gradul de incidenţă al submulţimii A este U ( A) = 6 . Gradul unui nod xi ∈ X . Toate arcele u ∈ U . x3 ).

4 este reprezentat un graf complet. În fig. În figura 4.3a este reprezentat un graf simetric. unde mulţimea X este numită mulţimea nodurilor.4. U ) este simetric dacă pentru oricare două noduri xi şi xj din (xi . x1 ) din graful din figura 4.4.3b nu este complet pentru că nu există arce între nodurile x1 şi x4 sau x3 şi x4. (x 4 . Graful din figura 4. xi )∉ U . ( x3 . iar U este mulţimea muchiilor. x j )∈ U Ÿ (x j .Cercetări Operaţionale. Nodurile xi şi xj ale unei muchii u = {xi .2c. 4.2a se obţine graful din figura 4.2 c) H Grafuri simetrice şi antisimetrice. x1 x3 x2 x4 x3 x1 x2 x4 a) b) Fig. În figura 4.3 Graf complet Un graf orientat G este complet dacă pentru oricare două noduri xi şi xj din (xi . Un graf orientat G este antisimetric dacă pentru oricare două noduri xi şi xj din (xi . x 4 ) . Într-un graf simetric între două noduri vor exista două arce de sens contrar sau nici unul. x1 x2 x3 x4 Fig. x j )∉ U Ÿ (x j . x j )∈ U Ÿ (x j .Fundamentarea deciziilor în managementul sistemelor de producţie Prin suprimarea nodului x4 şi a arcelor (x 2 . x1 x2 x1 x2 x1 x2 x3 x4 x3 x4 x3 a) G b) G* Fig. Într-un graf complet între oricare două noduri există cel puţin un arc.4. Un graf orientat G = ( X . xi )∈ U . U ) . x j } . definesc extremităţile muchiei. xi )∈ U . x 4 ) .3b este reprezentat un graf antisimetric. 67 . Într-un graf antisimetric între două noduri există cel mult un arc.4 Cazul grafurilor neorientate Prin definiţie un graf neorientat G este o pereche ( X .

Elemente de teoria grafurilor Două muchii având aceleaşi extremităţi sunt muchii paralele.4. Un graf H = (Y . i i =1 n (4. Un graf orientat care nu are nici bucle nici arce paralele este un graf simplu. xi } se numeşte buclă. x j ∈ U prin linii ( drepte sau curbe ) care unesc nodurile xi şi xj.4. notat cu d ( xi ) reprezintă numărul de muchii din graful G incidente cu nodul xi. x j ∈ X . Subgraf. iar o muchie cu extremităţi identice u = {xi .5) se reprezintă geometric printr-o figură în plan. d ( x 6 ) = 3 .U (fig. ( ) ( ) Exemplul 4. d ( x 2 ) = 2 . Fie G = X . d ( x5 ) = 0 .4. Dacă X = n şi U = m avem relaţia: ¦ d (x ) = 2 ⋅ m . U dacă U ⊂ U .6) Această relaţie rezultă din faptul că fiecare muchie este incidenţă în două noduri. x j } care le uneşte. Nodurile xi ∈ X se vizualizează prin puncte în plan încadrate în cercuri. Nodurile xi şi x j sunt noduri adiacente dacă ( ) există o muchie u = {xi . d ( x3 ) = 2 . Pentru graful din fig. 68 . iar F conţine toate muchiile din U şi care au ambele extremităţi în mulţimea Y . x j } . 4.4. Dacă u = {xi . Graful din fig. iar muchiile u = xi .U ¸ este un graf parţial al unui graf G = X . Reprezentarea geometrică a unui graf neorientat Un graf neorientat G = X . Graf parţial *· * Un graf G * = § ¨ X .2 Graf neorientat u1 x1 x2 u3 u4 x4 u5 x6 u2 u6 x3 x5 Fig.5 Gradul unui nod.6b este un graf parţial al grafului de referinţă din fig. d ( x 4 ) = 3 . Un nod izolat are gradul 0. Două muchii u1 şi u 2 ale grafului sunt muchii adiacente dacă sunt incidente în acelaşi nod. muchia u şi nodul xi sunt incidente. U un graf şi xi . ¹ © ( ) Graful G * se obţine din graful G prin suprimarea a cel puţin unei muchii. F ) este un subgraf al grafului G = X . Gradul unui nod xi ∈ X . U ( ) dacă Y ⊂ X .6a.5 gradele nodurilor sunt: d ( x1 ) = 2 .

Graf complet Graful G = X . xi1 )( xi1 . G1 G2 G3 G4 G5 Fig. x6 ) este un drum elementar. x6 ) nu este un drum elementar.7) cu proprietatea că (a ..4.. a ∈ X . x 2 .. x5 .4. sunt numite extremităţile drumului.. x j ∈ X există o Un graf complet cu n noduri se notează Gn. x 2 . x 4 .4.1 Într-un graf G cu n noduri.b ∈ U sunt arce ale grafului G..Fundamentarea deciziilor în managementul sistemelor de producţie a) G b) G* Fig.3. un drum elementar conţine cel mult n–1 arce.7 sunt reprezentate cinci grafuri complete.Cercetări Operaţionale.6a.6c este un subgraf al grafului din fig. x 4 .1.b ( ) ) (4. ( Propoziţia 4. Un drum este elementar dacă trece o singură dată prin fiecare din nodurile sale. 4. În graful din figura 4. Un drum între nodurile a şi b. Nodurile a şi b. Graful din figura 4.8 69 . xi1 . În figura 4. este un şir ordonat de noduri: µ = a . x 2 . xip . x 4 . { } ( ) este complet dacă între orice două noduri xi .. x2 x1 x3 x5 x4 x6 Fig. xi 2 ). µ1 = ( x1 . b ∈ X . în graful G.7 4.. dar µ 2 = (x1 .8. x3 . xi 2 . Drumuri şi circuite în graf Fie G = ( X . U muchie xi .. xip . U ) un graf orientat şi nodurile a şi b. x j ∈ U .6 c) H Sugraful H se obţine din graful G prin eliminarea a cel puţin un nod şi a tuturor muchiilor incidente în nodurile eliminate.

xi 2. Un circuit hamiltonian este un drum hamiltonian în care extremităţile sale coincid.. Lanţul este definit prin succesiunea nodurilor.Elemente de teoria grafurilor Un drum elementar care trece prin toate nodurile grafului este un drum hamiltonian. Un circuit este elementar este µ 2 = ( x 2 . s ∈ X . xi 2 . x 2 ) . Un circuit este un drum finit care începe şi se termină în acelaşi nod.9) cu proprietatea că [a . ] . x5 . O muchie este un lanţ de lungime 1.3 x2 x1 x3 x5 x4 x6 Fig. xl ) (4. Drumul µ6 = (x1 .8. Se numeşte valoarea unui drum suma valorilor arcelor ce formează drumul respectiv şi acesta sub forma : v[d ( xi . ui şi up sunt extremităţile lanţului. x2 . x3 . Lungimea unui lanţ este dată prin numărul de muchii din care se compune..U un graf neorientat şi nodurile aşi b. x 2 . Denumirile de drum hamiltonian şi circuit hamiltonian au fost introduse de matematicianul Hamilton în anul 1865 Se numeşte lungimea unui arc l( d) numărul de arce componente (p). u 2 ..4. xip . [xi1 ..1. un lanţ poate fi definit prin succesiunea muchiilor adiacente care-l formează: L = u1 . x2 . x4 . ] . x j ) ] = ¦ v( x k . x6 ) este un drum hamiltonian. De asemenea.b [ ] [ ] (4. fiecare muchie componentă. x5 .4. u p [ ] (4. Un circuit format dintr-un singur arc este buclă. În fig..10) Nodurile a şi b sunt extremităţile lanţului. are o extremitate comună cu muchia precedentă şi cealaltă extremitate în comun cu muchia următoare. xi1. în a doua reprezentare.. x3 . x6 .9 70 . Lanţuri şi cicluri în graf Fie G = X . Alternativ.. Un circuit este elementar dacă trece o singură dată prin fiecare din nodurile sale. exceptândo pe prima si pe ultima. ….b sunt muchii ale grafului. x4 . Exemplul 4. t ∈ X .4. xip .8) Numărul vârfurilor ce pot fi atinse da la vârful xk poartă denumirea de puncte de atingere de la virful xk 4. xi1. x3 . x1 ) este un circuit hamiltonian. Un lanţ între două noduri a şi b ale grafului G este o mulţime ordonată de noduri notată: ( ) L = a . x4 . µ 2 = (x1 .. Un lanţ de lungime 2 este format din două muchii adiacente.

L6 = [x1 . x 2 . se asociază grafului o serie de matrici ce uşurează studiul acestora. Diferenţa între un drum şi un lanţ constă în faptul că într-un drum toate arcele sunt orientate în acelaşi sens pe când într-un lanţ ele pot avea orice orientare. x5 ] este simplu şi elementar. Grafului orientat G i se asociază o matrice booleană pătratică A = (aij ). x5 ] este o muchie de lungime 1. x 2 . x 2 .2. Matricea arcelor (matricea conexiunilor directe) Fie G = ( X . L5 = [x1 . x j ∉ U ( ( ) ) (4. x3 .n numită matricea arcelor (conexiunilor directe) cu următoarele elementele: ­ °1 daca xi . x3 .În linia i (1 ≤ i ≤ n ) a matricei A sunt marcate cu 1 arcele incidente spre exterior în nodul xi..Gradul de ieşire d + x j pentru nodul xj este dat de relaţia d + (x j ) = ¦ a ij . x 6 ] este un lanţ între nodurile x1 şi x6 de lungime 3.În coloana j (1 ≤ j ≤ n ) sunt marcate cu 1 arcele incidente spre interior în nodul xj. n. 4. x j ) . x3 ] este compus şi nu este elementar. x 6 .. x 2 . x 2 . iar lanţul L7 = [x1 . . U ) un graf orientat cu X = {x1 . j = 1. x 4 .. . x1 ] formează un ciclu. Un lanţ elementar care trece prin toate nodurile grafului este un lanţ hamiltonian. x 4 . . x 4 . x 2 . lanţul L2 = [x3 . legăturile ce se stabilesc între-un proces tehnologic. Un lanţ este elementar dacă trece o singură dată prin fiecare din nodurile sale..Gradul de intrare d − (x j ) pentru nodul xj este dat de relaţia d − (x j ) = ¦ aij . x5 . x n }..Fundamentarea deciziilor în managementul sistemelor de producţie L1 = [x1 .. x5 . x 4 .. . . Într-un graf orientat noţiunea de drum este echivalentă cu cea de lanţ.Dacă pe diagonala principală nu există elemente egale cu 1. sau un ciclu este un lanţ care începe şi se termină cu acelaşi nod... 4. valoarea arcului. etc. i = 1.. x6 ] este un lanţ hamiltonian. x 4 . L3 = [x1 . x3 . se va obţine matricea capacităţilor arcului .. Lanţul în care extremităţile sale coincid este un ciclu.11) Obsevaţii : . atunci graful dat nu are bucle .. modul de transmitere a unei informaţii direct sau indirect.Cercetări Operaţionale. în timp ce lanţul L4 = [x1 . rute strategice din punct de vedere economic. x 4 . x3 .În cazul unei bucle (xi . x 2 . x5 .Dacă în matricea A se pune în locul valorii 1. x 4 . x3 .2. Matrici ataşate grafurilor Pentru rezolvarea unor grafuri de dimensiuni mari si a unor probleme practice. .1. Cu ajutorul matricelor ataşate grafurilor se pot determina: succesiunile optime a unor procese de producţie. Orice drum este şi lanţ dar nu orice lanţ este un drum. elementul de pe diagonală aij este egal cu 1. x1 ] este un ciclu hamiltonian. Un ciclu hamiltonian în care extremităţile coincid este un ciclu hamiltonian. j ( ) i 71 . x j ∈ U aij = ® ° ¯0 daca xi .

x2. P4. x4 cu muchiile (x1 . x ) şi (x . (x 2 . x ] ⇔ (x . x ) i j i j j i (4. Matricea asociată unui subgraf parţial H se obţine prin suprimarea din matricea asociată grafului G a liniilor şi coloanelor corespunzătoare nodurilor excluse. Pentru un graf cu patru noduri x1. x 2 ) . Matricea asociată unui graf parţial G* se obţine din matricea asociată grafului G prin înlocuirea cu zero a elementelor asociate arcelor suprimate. x3 ) .13) şi elementele matricei A = (aij ) asociată grafului G se definesc prin: ­ °1 daca xi . x j ∈ X . (x 2 .5 Corespunzător matricei booleene: 72 . x3 ) . x 2 ) . x3. i ≠ j (4. x 2 ) . x4 şi cu arcele ( x1 . (x1 . x3 ) . x2. x4 ) . (x 2 .4 Unui graf orientat G cu patru noduri x1.Elemente de teoria grafurilor Exemplu 4. x3. x j ∉ U [ [ ] ] (4.14) În cazul unui graf neorientat. x j ) pentru toatele elementele a ij = 1 . (x3 . x3 ) . Matricea unui subgraf este o matrice pătratică extrasă din matricea grafului G. (x 2 . Dacă graful G = X . i se asociază matricea booleană: x1 § 0 ¨ x2 ¨ 0 A= ¨ x3 0 ¨ x4 ¨ ©1 1 1 0 0 1 1 0 0 0· ¸ 1¸ 1¸ ¸ 0¸ ¹ Având în vedere matricea A avem următoarele proprietăţi: P1. matricea asociată A este o matrice simetrică. (∀)xi . Exemplul 4. x 4 ) matricea asociată A este: x1 § 0 ¨ x2 ¨ 1 A= ¨ x3 1 ¨ x4 ¨ ©0 1 0 1 1 1 1 0 1 0· ¸ 1¸ 1¸ ¸ 0¸ ¹ Astfel. (x 2 . (x1 . matricei booleene pătratice A i se asociază un graf orientat cu arcele (xi .12) P2. x j ∈ U aij = ® ° ¯0 daca xi . x4 ) . (x3 . x 4 ) . Dacă un graf este antisimetric. atunci în matricea asociată A: a ij ⋅ a ji = 0.U este neorientat muchiile sale se orientează în ambele sensuri: ( ) [x .

notate x1. . Pentru exemplul 4. x n } şi A matricea arcelor. k = 2.10 4.1 ≤ j ≤ n arată drumurile de lungime k de la nodurile pe a cărora linie apare 1 în această coloană la nodul xj.2.1 ≤ i ≤ n sunt marcate cu 1 drumurile de lungime 1 care pleacă din nodul xi..Cercetări Operaţionale.elementele de pe coloana j .Fundamentarea deciziilor în managementul sistemelor de producţie §0 ¨ ¨1 A = ¨0 ¨ ¨0 ¨1 © 0 1 1 1 0 1 0 0 1 1 1 0 0 0 1 0· ¸ 0¸ 1¸ ¸ 0¸ 0¸ ¹ se asociază graful din fig. x3.elementele de pe linia i. matricea A este matricea booleană a drumurilor de lungime 1. A este matricea booleana a drumurilor de lungime k în graful G sau matricea conexiunilor totale. x4. x 2 . ..3. Dacă un element a ij Astfel. . .4.4.. x2 x1 x3 x5 x4 Fig. Astfel. (k ) = 1 există un drum de lungime k de la xi la xj. A(k ) = A × A × A ×…× A = A (k −1) × A. În matricea A avem: pe linia i. a 22 = 1 semnifică existenţa unei bucle în nodul x2. Matricea drumurilor (matricea conexiunilor totale) - Fie G = ( X . Dacă ridicăm la puteri succesive matricea A prin operaţiile obişnuite de înmulţire şi adunare a numerelor naturale reale se obţine numărul drumurilor de o anumită lungime.10 cu cinci noduri.1 ≤ j ≤ n sunt marcate cu 1 drumurile de lungime 1 care converg în nodul xj ..2. în matricea booleană A(k): . în coloana j . . x2..1 ≤ i ≤ n arată drumurile de lungime k de la nodul xj la nodurile în coloanele cărora apare 1 pe această linie.… de k ori atunci. U ) un graf orientat cu X = {x1 . + 0 1 0 0 1 1 1 1 .x5 În matricea A. x 0 1 0 0 0 1 0 1 Adunarea şi înmulţirea booleană: Dacă notăm cu A(k) matricea booleană obţinută prin ridicarea booleană la puterea k a matricei A: .5 avem următoarele puteri booleene succesive ale matricei A: (k) 73 . .

Evident. A = 1 3 ¸ ¨ 1¸ ¨3 2 ¸ ¨3 5 1¹ © 5 9 8 6 8 5 3 4 5 6 4 2 2 3 5 1· ¸ 2¸ 3¸ ¸ 2¸ 2¸ ¹ 1 2 3 2 2 1 1 2 2 1 1· ¸ 1¸ 1¸ . Pentru a determina numărul drumurilor şi circuitelor de lungime 2. x1 → x3 → x 2 → x 2 . trei drumuri de lungime 3: x1 → x 4 → x3 → x 2 . Puterea A(4) are toate elementele 1. puterile succesive A(k) oferă informaţii despre existenţa si numărul lanţurilor şi circuitelor de lungime egală cu puterea matricei. Dacă A este matricea asociată unui graf neorientat G = ( X . Bucla din nodul x2 poate crea drumuri de orice lungime prin repetarea parcurgerii ei. x1 → x 4 → x 2 → x 2 şi cinci drumuri de lungime 4. de la x1 la x4 nu există drum de lungime 2. iar de ordinul 3 în toate nodurile. (3 ) = 0 ) nu există drum de lungime 3 de la x4 la x5. multe drumuri sunt neelementare. E ) . ¸ 0¸ 2¸ ¹ A (4 ) §4 ¨ ¨4 = ¨4 ¨ ¨2 ¨7 © De la nodul 1 la nodul 2 există două drumuri de lungime 2: x1 → x 4 → x 2 şi x1 → x3 → x 2 . În acest caz matricea A este simetrică. A3 şi A4: §0 ¨ ¨1 = ¨2 ¨ ¨1 ¨0 © A (2 ) 2 1 1 2 2 1 1 1 0 2 0 1 1 0 1 1· §3 3 ¸ ¨ 0¸ ¨1 3 (3 ) ¨ ¸ 0 .  0 1  Elementele acestor matrice egale cu 1 asigură existenţa drumurilor de lungime 2 şi 3. Circuite de În A(3) (elementul a 45 ordinul 2 se realizează în nodurile x2.Elemente de teoria grafurilor A (2 ) 0  1 = 1  1 0  1 1 1 1 1 1 1 1 0 1 0 1 1 0 1 1  0 0  1 1  A (3 ) 1  1 = 1  1 1  1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  1 1  . iar cele cele de pe diagonală existenţa circuitelor. …. 74 . x3 şi x5. 3 şi 4 se calculează puterile succesive A2. De exemplu. dar există drum de lungime 3. Există trei circuite elementare de lungime 4: x3 → x 2 → x 5 → x 4 → x3 x3 → x 2 → x1 → x 4 → x3 x3 → x5 → x1 → x 4 → x3 si un circuit de lungime 5: x1 → x3 → x5 → x 4 → x 2 → x1 .

15) şi C ( xi ) . Un graf G este tare conex numai dacă admite o singură componentă tare conexă. Cunoscându-se tabelul tuturor costurilor de lansare.8).4.6 O întreprindere trebuie să fabrice succesiv opt tipuri de produse Pi (i =1.16) Pas 4 : Iterativ : se elimină din matricea A toate liniile şi toate coloanele corespunzătoare vârfurilor din C(xi) . trebuie suportat un cost de lansare sau un cost de trecere cij. x j ∈ X există un lanţ cu extremităţile xi şi xj. Să considerăm un nod xi ∈ X în graful G = ( X . O componentă tare conexă a unui graf orientat G este un subgraf tare conex. Componenta conexă xi se poate evidenţia printr-o mulţime C(xi) formată din xi şi din toate nodurile legate prin drumuri de xi: C ( xi ) = {xi } ∪ {x j ∈ X / există un drum între xi şi x j } Evident C ( xi ) ⊆ X mulţimii X. Pas 3: Se determină componenta tare conexa care conţine vârful xi cu ajutorul relaţiei următoare : C( xi ) = ( Vi ∩ Vi' ) ∪ {xi } (4. dacă există cel puţin un drum de la xi la xj sau de la xj la xi. dat sub forma matricei de mai jos.Cercetări Operaţionale.U ) . Operaţiile continuă până când toate vârfurile grafului au fost luate în consideraţie (nu se va exclude nici un virf.…. atunci X = xi ∈ X (4. Dar xi ∈ X C ( xi ) conţine toate elementele Un graf orientat este un graf tare conex dacă pentru oricare două noduri distincte xi şi x j (i ≠ j ) .) Exemplul 4. Pas 5 : În matricea rămasă se caută în mod asemănător o nouă componentă tare conexă. astfel încât cheltuielile totale de lansare să fie minime 75 .U ) este conex dacă pentru oricare două noduri distincte xi . O componentă conexă a unui graful G este un subgraf conex al grafului G.2. xi ∈ X C ( xi ) ⊆ X .9 este conex.Fundamentarea deciziilor în managementul sistemelor de producţie 4. Algoritm de descompunere a grafului în componente tari conexe Pas 1: Se determină mulţimea vârfurilor atinse de la vârful xi ( o notam cu Vi şi este formată din elementele egale cu 1 de pe o linie suplimentară atasată matricei ) Pas 2: Se determină mulţimea vârfurilor ce ating pe xi (o vom nota cu Vi' şi este formata din elementele egale cu 1 de pe coloana suplimentară ataşată matricei.3. Pentru a trece de la producerea produsului Pi la producerea produsului Pj.2. Descompunerea grafului în componente tari conexe Un graf G = ( X . Proprietatea că există un drum cu extremităţile xi şi xj este o relaţie de echivalenţă care împarte graful G în clase de echivalenţă numite componente conexe. Graful din fig. să se determine o asemenea ordine a producerii celor opt produse.

păstrând-o păstrându-o numai pe cea cu costul mai mic. se determină componentele tare conexe ale grafului G obţinut: C1 = {P1 . dacă cij < cji. deoarece ele sunt simetrice faţă de diagonala principală. Astfel. Pi). vom schimba în mod arbitrar una din valori prin unu şi cealaltă prin zero.Elemente de teoria grafurilor P1 P 2 P3 P 4 P 5 P6 P 7 P8 P1 0 3 P2 7 0 P3 8 8 P4 4 8 P5 8 7 P6 5 5 P7 P8 6 4 6 6 6 8 7 7 6 7 4 5 8 0 6 6 7 4 4 9 7 0 5 7 6 8 7 6 5 5 2 7 6 6 8 0 4 4 5 0 6 3 4 0 4 5 5 6 5 4 7 0 Evident că există 8! = 40.320 de moduri de a trece prin fabricarea celor opt produse. Compararea celor două costuri de acest fel se poate face direct pe matricea dată. numărul drumurilor hamiltoniene în acest graf este mult mai mic faţa de cel al grafului dat de problemă. După cum vom vedea. P8 } Matricea conexă C* a grafului condensat G* este următoarea: 76 . În locul costului mai mare vom scrie zero. P7 . O soluţie suficient de bună este aceea de a compara costurile de trecere cij şi cji de la producerea lui Pi la Pj şi invers şi astfel se va elimina posibilitatea unei variante cu cost mare. Se obţine în acest fel matricea conexă a unui graf cu numai 28 de arce: P1 0 1 P2 0 0 P3 0 0 P4 0 0 P5 0 1 P6 1 1 P7 P8 P1 P2 P 3 P4 P5 P6 P7 P8 0 1 0 1 0 0 0 0 1 1 1 1 0 0 1 0 0 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 0 0 1 0 0 0 0 1 1 0 1 1 1 1 1 1 0 0 (C) Vom determina drumurile hamiltoniene cu algoritmul mai sus enunţat şi le vom compara din punct de vedere al costului total de lansare. P5 . P4 . P6 } C 2 = {P2 } C 3 = {P3 . vom renunţa în graf la arcul (Pi. În cazul în care avem cij = cji. iar în locul costului mai mic vom scrie unu. fiecare nod având câte un cost de total de lansare. Pj) şi vom păstra arcul (Pj. Cu ajutorul algoritmului ajutător descris.

Drumul hamiltonian. Aceasta trebuie să fie ordinea în care trebuie lansată producţia celor opt tipuri de produse. C3. 77 .Fundamentarea deciziilor în managementul sistemelor de producţie C1 C2 C3 C1 0 1 1 (C*) C2 0 0 1 C3 0 0 0 Fig. P6.11 Deci graful condensat G* are un drum hamiltonian dat de succesiunea C1.4.Cercetări Operaţionale. C2. Practica arată că acest cost de lansare aflat în modul de mai sus.P3. ce se obţin prin legarea drumurilor parţiale prin arcele ce leagă componentele succesive. Câteva din aceste drumuri sunt scrise mai jos: pentru fiecare din ele s-a calculat costul de lansare total corespunzător: P1 P1 P1 P1 P5 P5 P5 P5 P5 P6 P 6 P2 P 3 P6 P2 P4 P 6 P2 P7 P 6 P2 P8 P 1 P2 P 3 P4 P8 P3 P7 P4 P8 P7 P4 P3 P8 P7 P3 P8 P4 P7 : cost 39 : cost 39 : cost 38 : cost 36 : cost 35 etc. P1. ordine ce conduce la un cost total de lansare egal cu 32 de unităţi monetare. P7. este de obicei foarte aproape de cel minim. Toate drumurile hamiltoniene ale celor trei componente tare conexe se scriu uşor: I II III P1 P5 P 6 P 3 P4 P8 P7 P5 P6 P1 x2 P4 P8 P7 P3 P7 P3 P4 P8 P6 P1 P5 P8 P7 P3 P4 Se observă că graful cercetat are 12 drumuri hamiltoniene. optim corespunde drumului µ(P5. P2. chiar dacă nu este cel minim. P4). P8.

U) un graf orientat. trebuie suportat un cost de lansare sau de trecere cij de la un produs la un alt produs. unde produsele sunt reprezentate prin vârfurile grafului. Drumuri hamiltoniene Pentru a înţelege noţiunea de drum hamiltonian cu aplicativitate practică vom pleca de la următorul exemplu: O firma are de realizat în cursul unei săptămâni n produse Pi. Astfel.….2r Ridicările la putere sunt booleene şi se efectuează până când două puteri consecutive sunt egale Pentru scurtarea calculelor se determina : k k k −1 2 (I ⊕ M) până când (I ⊕ M)2 = (I ⊕ M)2 Ridicarea la putere booleană: M(2)= M(1)*M(1) =| m ij |(2)= mi1*m1j + mi2*m2j + ……. la puterile 2. o singură dată. Se reia raţionamentul pe matricea redusă şi se obţine următoarea clasă de echivalenţă. determină clasa de echivalenta C1 (componentele tari conexe). xi2 . 78 . astfel încât costul total pe săptămână să fie cât mai mic (minim). Vom prezenta în continuare un algoritm pentru determinarea drumurilor hamiltoniene bazată pe ideea împărţirii grafului G. În continuare vom prezenta algoritmi de determinare a drumurilor hamiltoniene din grafuri. 23.ip (acele linii care sunt formate numai cu cifra 1). liniile pline i1. Fie G =(X. Algoritmul Foulkes Etapa 1. Pentru trecerea de la fabricarea produsului Pi la fabricarea produsului Pi+1 pe linia de fabricaţie. Rezolvarea problemei se reduce la determinarea drumului hamiltonian optim din modelul de graf asociat problemei. Se ridică succesiv matricea M ( 1 ) = I ⊕ A . Etapa 2. unde matricea I este matricea unitate iar „⊕„ este adunarea booleană. formată din nodurile xi1 . Determinarea drumurilor hamiltoniene în grafuri cu circuite Un drum hamiltonian este un drum care trece prin toate vârfurile unui graf. 22.…. iar valorile asociate arcelor fiind legate de costurile de lansare în fabricaţie. Se continuă formarea claselor de echivalenţă până se epuizează toate liniile matricei. sensul arcelor reflectă ordinea de lansare în lucru.+ min*mnj Unde produsul mik*mkj = 1 ⇔ mik= 1 si mkj = 1 Etapa 3 k În matricea (I ⊕ M)2 .Elemente de teoria grafurilor 4. ……xip Se elimină liniile şi coloanele care corespund nodurilor din clasa de echivalenţă stabilită. Se scrie matricea booleana ă asociată grafului G (A) şi matricea M ( 1 ) = I ⊕ A .3. trebuie aleasă ordinea în care se vor succeda produsele pe linia de fabricaţie. i2 . în clase de echivalenţă adică în subgrafuri tari conexe ale grafului G.

Dacă nu există un astfel de arc se pleacă de la un nod în clasa C1.13.12 0 1 0 1· ¸ 0 0 1 0¸ 1 0 1 0¸ . x3 .12 cu matricea asociată A: x2 x1 x3 x4 x5 Fig.13 79 . x4 . §0 ¨ ¨1 A = ¨0 ¨ ¨0 ¨0 © x3 x1 x5 x4 x2 C2 C1 Fig. x5 . µ 4 = ( x5 . Aplicând acest procedeu. Un drum hamiltonian se identifică plecând de la un nod din clasa C1 trecând prin toate nodurile acesteia şi din ultimul nod se trece la un nod din C2. x5 . x1 . iar între acestea se trasează arcele existente în graful iniţial G. Drumurile hamiltoniene în graful G sunt următoarele: µ1 = ( x1 . ¸ 1 0 0 0¸ 0 1 1 1¸ ¹ Clasele C1 şi C2.Fundamentarea deciziilor în managementul sistemelor de producţie Etapa 4. Se trasează legăturile dintre clasele consecutive. x2 ) .4. algoritmul lui Foulkes nu este eficient. până la ultima clasă. în toate modurile posibile. Trecând prin toate clasele se parcurg toate nodurile grafului iniţial o singură dată.d.dacă un graf are o singură componentă tare conexă. x5 .4. µ3 = ( x1 .. Observaţii . x3 . obţinându-se astfel un drum hamiltonian. 4. x1 . x1 . se prezenta grafic. Drumurile aflate prin trecere succesiva de la o clasa de echivalenţă la altă clasă de echivalenţă sunt drumurile hamiltoniene ale grafului. conform etapei IV din algoritmul Foulkes precum în fig. x3 . x4 . în acest caz se aplică alţi algoritmi.7 : Să considerăm graful din fig.în graful G poate să nu existe nici un drum hamiltonian. În continuare se identifică drum hamiltonian în clasa C2 ş. se obţin toate drumurile hamiltoniene în graful iniţial G.d. . Ele sunt reprezentate prin arcele existente în graful iniţial G între nodurile clasei C1 şi cele ale clasei C2 . µ2 = (x3 . Exemplul 4.m.12. Nodurile care formează o clasa de echivalenţă sunt reprezentate prin puncte în interiorul unui dreptunghi. Etapa 5. dacă există un astfel de arc.a. deduse. x4 ) . x2 . x2 ) . pentru graful din fig4.4. între nodurile clasei C2 şi cele ale clasei C3 ş.a. x4 ) .Cercetări Operaţionale.m.

Să presupunem că astfel de proces este dat prin graful din fig. pentru realizarea unui produs pe baza unui proces tehnologic trebuie parcurse o serie de operaţii tehnologice. într-un graf asociat procesului tehnologic revine la determinarea unui drum hamiltonian. x2 x1 x3 x5 x7 x4 x6 Fig. În practica industrială.Elemente de teoria grafurilor Exemplul 4. creând o mulţime de variante ale procesului tehnologic. În graful asociat procesului tehnologic pot fi evidenţiate diversele restricţii tehnologice.14. Prin stabilirea unei succesiuni a operaţiilor se caută să se proiecteze un proces tehnologic în condiţiile tehnice date şi cu eficienţă economică. Suprimând linia 1 1 1 1 1 1· ¸ 1 1 1 1 1¸ 1 1 1 1 1¸ ¸ 0 0 1 1 1¸ ¸ 0 0 0 1 1¸ 0 0 0 1 1¸ ¹ 80 .4.14 Fie A matricea booleană asociată grafului G şi M ( 1 ) = I ⊕ A : §0 ¨ ¨0 ¨0 ¨ A = ¨0 ¨0 ¨ ¨0 ¨ ©0 1 0 0 1 0 0 0 1 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 1 0· §1 ¸ ¨ 0¸ ¨0 ¸ ¨0 0 ¸ ¨ 0¸ . M ( 1 ) = I ⊕ A = ¨0 ¨0 1¸ ¸ ¨ ¨0 1¸ ¸ ¨ 0¹ ©0 1 1 0 1 0 0 0 1 1 1 0 0 0 0 0 0 1 1 0 0 0 0 0 1 1 1 0 0 0 0 0 1 0 1 1 0· ¸ 0¸ 0¸ ¸ 0¸ 1¸ ¸ 1¸ ¸ 1¹ Ridicând la puteri succesive matricea M(1) obţinem următoarea matrice: 1§1 1 1 1 ¨ 2 ¨0 1 1 1 3 ¨0 1 1 1 ¨ ( I ⊕ M )( 4 ) = 4 ¨ 0 1 1 1 5¨ ¨0 0 0 0 6 ¨0 0 0 0 ¨ 7 ©0 0 0 0 Prima clasa de echivalenţă este C1 = {x1 } (numai şi coloana 1 obţinem matricea redusă B1: 2§1 ¨ 3¨1 4¨1 B1 = ¨ 5¨0 ¨ 6¨0 7¨ ©0 1 1 1 1 1 1 1 1 1 1 0 1 0 1 linia 1 1· ¸ 1¸ 1¸ ¸ 1¸ 1¸ ¸ 1¸ ¸ 1¹ este plină).4.8 Problema succesiunii operaţiilor. fiecare efectuată în condiţiile tehnice specifice. Stabilirea unei succesiuni a operaţiilor.

x3 . laminarea unui nou tip de lingou etc. Conform etapei IV între nodurile componentele C1..a. La trecerea de la un produs xi la un alt produs xj pe linia de fabricaţie se efectuează diverse pregătiri tehnice care necesită un "cost" cij pentru lansarea în fabricaţie a produsului xj (vom înţelege prin cost variaţia unei anumite mărimi legate de procesul respectiv). care presupun diverse reglări.9 Problema costurilor de trecere Pe o linie de fabricaţie se execută cinci produse xi. x 4 . x3 . 3 şi 4 sunt cele pline). i = 1.. x6 }. C3. C2. C4. Exemple de acest tip pot fi: trecerea la fabricarea unui tip de oţel pe convertor.Fundamentarea deciziilor în managementul sistemelor de producţie A doua clasă de echivalenţă este C 2 = {x 2 .. x 4 } (liniile 2. iar arcele posibilităţile de trecere de la un produs la altul. x7 } . Suprimând linia şi coloana 5 obţinem matricea redusă B3: 6 §1 1· ¸ B3 = ¨ ¸ 7¨ ©1 1¹ Iar patra clasă de echivalenţă este C 4 = {x6 . diferite. x5 . 5. deci costuri de trecere. Această problemă revine la determinarea drumurilor hamiltoniene într-un graf fără bucle în care nodurile reprezintă cele cinci produse. se trasează graful din fig.4.4. . Aceste costuri au semnificaţia. x7 . de timpi necesari de trecere de la un produs la altul. Costurile de trecere cij şi cji sunt. de exemplu. un anumit consum al cilindrilor în cajele de laminare ş.15: x3 x1 x2 x4 x5 x7 x6 C1 C2 C3 Fig. care este şi succesiunea operaţiilor procesului tehnologic. Exemplul 4. Suprimând liniile şi coloanele 2. j) reprezintă faptul că trecerea de la produsul xi la produsul xj nu este posibilă. unde liniuţa (-) în locul elementului (i. 3 şi 4 obţinem matricea redusă B2: 5 § 1 1 1· ¸ ¨ B2 = 6 ¨ 0 1 1¸ ¸ 7¨ © 0 1 1¹ A treia clasă de echivalenţă este C 3 = {x5 } (linia 5 este plină). Se asociază problemei o matrice booleană şi se defineşte matricea booleană A asociată problemei: 81 . Să se găsească succesiunea în care trebuie executate produsele pentru ca suma costurilor de trecere să fie minimă... în general. x 2 . Se consideră matrice costurilor de trecere (C).Cercetări Operaţionale.15 C4 Trecând de la o componentă la alta obţinem drumul hamiltonian: µ = {x1 .

. b) Se adună boolean linia i cu liniile j1 .. … . definim o matrice D numită matricea drumurilor cu elementele d ij ( d(xi . k 2 . 82 . puterea de atingere p(xi) este dată de numărul de elemente egale cu 1 de pe linia i în matricea D... k p cu elemente egale cu 1 (d ik 1 = 1. şi A matricea asociată grafului G. În matricea arcelor ( conexiunilor directe ) A se consideră linia i. Etapa 2. j S şi se obţine linia i într-o nouă matrice booleana D..1 ≤ i ≤ n . a) În linia i se identifică coloanele j1 . aijS = 1).. j 2 . x j ) (4. n cu a ij = ® ° ¯0dacacij ≥ c ji 1 0 0 0 1 0· ¸ 0¸ 1¸ ¸ 0¸ 0¸ ¹ Problema se rezolvă fie utilizând algoritmul clasic de determinarea a componentelor tare conexe. Astfel. iar dacă există d ij = 1 atunci în graful G există cel puţin un circuit care începe şi se termină în nodul xi. a ikp = 1) .1 ≤ i ≤ n . În matricea D se consideră linia i. … . xj ) reprezintă drumul de la nodul xi la nodul xj). c) Se repetă a) şi b) pentru liniile rămase.. Puterea de atingere se notează cu p (xi ). Determinarea drumurilor hamiltoniene în grafuri fără circuite Fie G = ( X . Puterea de atingere a unui nod xi ∈ X în graful G este dată de numărul de noduri la care se poate ajunge din xi. x j ) d ij = ® ° ¯0 daca ( ∃ )d ( xi .1 ≤ i ≤ n . … .17) Deci. U ) un graf orientat.Elemente de teoria grafurilor x1 § 0 9 ¨ x2 ¨ 8 0 C = x3 ¨ 7 10 ¨ x4 ¨ − 4 x5 ¨ ©3 − 7 2 6· ¸ 5 9 −¸ 0 11 6 ¸ ¸ 6 0 4¸ 7 2 0¸ ¹ 1§0 ¨ 2¨1 A = 3¨0 ¨ 4¨0 5¨ ©1 0 0 0 1 0 0 1 0 1 0 ­ °1dacacij < c ji A = (a ij )n.. j S cu elementele egale cu 1 (aij1 = 1. Dacă în matricea D elementele de pe diagonala principală sunt egale cu 0 atunci graful G nu are circuite. j 2 . Matricea D a drumurilor într-un graf se poate obţine prin aplicarea următorului procedeu: Etapa 1. a) În linia i se identifică coloanele k1 . ce se definesc în modul următor: ­ °1 daca ( ∃ )d ( xi . fie utilizând algoritmul Foulkes.

Fie matricea arcelor A asociată grafului G şi se determină matricea D a drumurilor. Dacă graful condensat conţine un drum hamiltonian atunci şi graful iniţial are drum hamiltonian determinat de existenţa arcelor de legătură între componentele tari conexe ce formează graful condensat. Teorema 4. să se arate daca sistemul de benzi existent poate asigura transportul efectiv al produsului succesiv prin toate secţiile.2 (Chen) Dacă într-un graf orientat fără circuite există un drum hamiltonian atunci acesta este unic. D este matricea drumurilor numită matricea conexiunilor totale.18) Teorema 4. ce benzi mai trebuie construite (cât mai puţine la număr). k p rezultatul se înlocuieşte în linia i într-o nouă matrice booleana D. Etapa 3. k 2 . Dacă relaţia n n(n − 1) p ( xi ) = se verifică. Algoritmul Chen Fie G = ( X . Observaţie: Conform proprietăţii că un graf condensat G* asociat unui graf G nu are circuite. acesta trebuie să treacă prin şapte secţii. Etapa 2. 83 . Dacă toate elementele de pe diagonala principală sunt nule. Exemplul 4. … .16 Presupunând că nu există o ordine preferenţială în prelucrarea produsului în cele şapte secţii. atunci graful G conţine un drum hamiltonian.1 (Chen) Un graf fără circuite cu n noduri conţine un drum hamiltonian dacă şi numai dacă există relaţia: ¦ p( xi ) = n i =1 n( n − 1 ) 2 (4. În caz contrar. Un drum hamiltonian se găseşte prin ordonarea nodurilor descrescător după puterile de atingere. iar dacă nu. Procedura se termină când matricea D nu se mai modifică (devine un invariant). p(xi)>p(xj). evident. se poate studia existenţa drumurilor hamiltoniene în graful condensat cu ajutorul teoremelor lui Chen. algoritmul se opreşte. astfel încât să se rezolve problema transportului.Fundamentarea deciziilor în managementul sistemelor de producţie b) Se adună boolean linia i cu liniile k1 .Cercetări Operaţionale. U ) un graf orientat fără circuite. benzi reprezentate prin arce în graful din fig. în ¦ 2 i =1 graful G nu există nici un drum hamiltonian şi algoritmul se opreşte. folosind benzile de transport existente între aceste secţii. graful nu are circuite şi se continuă cu etapa 2. 4. Dacă în graful G există un drum de la nodul xi la nodul xj. În caz contrar. deci orice nod atins de xj este atins din xi. Se calculează puterile de atingere pentru fiecare nod. Etapa 1. c) Se repetă a) şi b) pentru liniile rămase.10 În prelucrarea unui produs.

16 Matricea arcelor grafului este următoarea: x1 x2 x3 0 0 0 1 0 1 1 0 0 0 0 1 0 0 1 1 0 1 1 0 0 x4 0 0 0 0 0 0 0 x5 0 1 0 1 0 1 0 x6 x7 0 0 1 1 0 0 0 0 0 0 0 0 0 0 x1 x2 x3 (A) x4 x5 x6 x7 Din această matrice deducem matricea D: P1 P 2 P3 P4 P1 0 0 0 0 P2 1 0 1 0 P3 1 0 0 0 (D) P4 1 0 1 0 P5 1 0 1 0 P6 1 0 1 0 P7 1 0 0 0 P5 0 1 0 1 0 1 0 P6 P 7 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 1 3 2 3 1 5 Pe diagonala principală nu avem nici un element egal cu unu. diferite de zero ale matricei D este: 15 ≠ 2 Deci asigurarea transportului nu se poate face cu sistemul de benzi existent. x4) şi (x3. dar numărul de elemente n(n − 1) = 21 . una între secţiile x6 şi x4. iar cealaltă între secţiile x3 şi x7. Vom alege mai întâi pe aceea a cărei coloană corespunzătoare are mai puţine zerouri. În acest fel. se realizează în mai multe feluri. vom obţine matricea din fig 4. transportul produsului în cele şapte secţii trebuie organizat în ordinea x2 x6 x4 x5 x3 x7 x1. x7) va asigura şi deasupra locurilor corespunzătoare încadrate cifre de unu.17.4. Se observă că adăugarea arcelor (x6. 84 . deci se impune construcţia a câte două benzi. După aceasta. Triunghiularizarea matricei D. deoarece există două vârfuri cu puterea de atingere 3 (x4 şi x6) şi alte două vârfuri cu puterea de atingere 1 (x3 şi x7).Elemente de teoria grafurilor x7 x6 x5 x1 x4 x2 x3 Fig.

4.4.17 x3 x7 x1 1 1 1 1 0 1 1 0 1 1 0 1 0 0 1 0 0 1 0 0 0 Exemplul 4.18 Matricea drumurilor (D): x4 x6 85 . .11 Fie şase produse care trebuie prelucrate conform proceselor tehnologice în cadrul unui sistem de producţie cu un număr limitat de resurse. .Produsul P4 precede produsele P3. P1 P 2 P3 P1 0 0 0 P2 1 0 1 P3 1 0 0 P4 0 0 1 P5 1 1 0 P6 0 0 1 P4 0 0 0 0 0 0 P5 0 0 0 1 0 0 P6 0 1 0 1 1 0 (A) x2 x5 x1 x3 Fig.Produsul P2 precede produsele P1.Fundamentarea deciziilor în managementul sistemelor de producţie x2 x6 x2 0 1 x6 0 0 x4 0 0 (D') x5 0 0 x3 0 0 x7 0 0 x1 0 0 x4 0 0 0 0 x5 1 1 1 0 0 0 0 0 0 0 Fig. P3 şi P6. . Evident că acest graf nu trebuie să conţină circuite.4. P2 şi P6. Din acest motiv se definesc următoarele relaţii de ordine pentru realizarea produselor: .Produsul P5 precede produsele P1. fără să se încalce relaţiile de ordine stabilite. P5 şi P6. Problema care se pune este aceea de posibilitate de prelucrare a tuturor produselor. iar găsirea unei ordini de prelucrare a tuturor produselor înseamnă găsirea unui drum hamiltonian în graf.18) şi relaţia de succesiune prin arce .Produsul P3 precede produsul P1.Cercetări Operaţionale.Produsul P6 precede produsul P3. Relaţiile de ordine determină matricea arcelor (A) pentru cazul în care cele şase produse se reprezintă ca vârfuri ale unui graf (fig. .

P1 ) . şi schimbând apoi locurile coloanelor în aceiaşi ordine. se verifică că graful nu are circuite. P2 . 15 = 2 În partea dreaptă a matricei D s-au scris puterile de atingere ale vârfurilor corespunzătoare celor şase linii. Aceasta va fi succesiunea optimă Triangularizarea matricei D se poate face scriind liniile în această ordine descrescătoare a puterilor de atingere.Elemente de teoria grafurilor P1 P2 P 3 P1 0 0 0 P2 1 0 1 P3 1 0 0 (D) P4 1 1 1 P5 1 1 1 P6 1 0 1 P4 0 0 0 0 0 0 P5 0 0 0 1 0 0 P6 0 1 0 1 1 0 0 3 1 5 4 2 Deoarece această matrice nu conţine elemente egale cu unu pe diagonala principală. P6 . obţinem d H = (P4 . 86 . iar deoarece numărul total al elementelor egale cu unu este n(n − 1) graful conţine un drum hamiltonian. Obţinem astfel matricea D’: P1 P2 P1 0 1 P2 0 0 P 0 0 (D') 3 P4 0 0 P5 0 0 P6 0 0 P3 1 1 0 0 0 0 P4 1 1 1 0 0 0 P5 1 1 1 1 0 0 P6 1 1 1 1 1 0 Drumul hamiltonian găsit corespunde elementelor încadrate în această matrice. Punând aceste vârfuri în ordinea descrescătoare a puterilor de atingere. P3 . P5 .

20) Dacă un astfel de arc a fost găsit se înlocuieşte λj cu λj’ unde acesta se scrie sub forma: λj’ = λi + v( xi . In continuare ne interesează valoarea optimă a drumului format din succesiunea de arce ui ce leagă x1 de xn . xk). Pas 2 : Se caută un arc (xi .19) reprezintă valoarea drumului µ . există vârfuri între care se pot obţine valori oricât de mari. Pas 3 : Deoarece pentru fiecare vârf xi valorile luate de λi . i se asociază o valoarea v(ui)>0 sau v(xl. xj ) < λj (4. • Capacitatea maximă pe ruta (xl. • Într-un graf cu circuite.4. există nodul xp1 cu următoarea proprietate: 87 .formează un şir descrescător de numere nenegative.xk) . xk)>0 numită valoarea arcului şi care în funcţie de problemă poate avea una din semnificaţiile: • Costul sau durata transportului pe ruta (xl. De aceea determinarea unui drum de valoare maximă îşi pierde sensul. xj ) (4. xk). Drumuri de valoare optimă în grafuri Una dintre aplicaţiile teoriei grafurilor constă în determinarea drumurilor de valoare optimă minimă (maximă) între două vârfuri xl .Fundamentarea deciziilor în managementul sistemelor de producţie 4. Fiecărui arc ui ∈ U.21) Dacă există mai multe variante ce permit micşorarea variabilei λj se alege acel λj’ cu valoarea cea mai mică. xk). • Timpul de muncă necesar executării unui produs .Cercetări Operaţionale. • Consum de energie pentru efectuarea trecerii de la o stare la alta (xl.. • Algoritmul Ford Pentru aflarea drumului de valoare oprimă între două vârfuri x1 şi xn ale grafului G(X.U) se parcurg următorii paşi : Pasul 1: Fiecărui vârf xi al grafului i se asociază (ataşează) o variabilă λi ce are semnificaţia de valoare a drumului de la x1 la xi . • Costul de fabricaţie al unui produs pe locul de muncă reprezentat prin arcul (xl. xj) pentru care să se îndeplinească condiţia: λj -λi > v( xi . Se continuă în acest mod până când nici un arc nu mai poate micşora valorile lui λj. u2 uk ) atunci mărimea: v(µ ) = ¦ v(u ) i i =1 k (4. Proprietăţi : Într-un graf cu valori ale arcelor mai mari decât 0 şi finite există drumuri de valoare minima finite între oricare 2 vârfuri ce sunt legate prin cel puţin un drum (orice drum de valoare minimă se numeşte drum elementar ). xk). Dacă considerăm drumul µ =(u1 . • Câştigul realizat prin trecerea de la o stare la alta a sistemului (xl. xk care aparţin grafului G ( X. Prima valoare a acestei variabile este λ1 = 0 şi λi = ∞. cu valori pozitive.U ).

U) de mai jos : x2 5 x1 14 15 4 11 10 x4 12 x3 Fig.v( xi . Iteraţia 1: Efectuând λ j − λi cu relaţia observăm (4. xpk ….xp1 ) până la: λpk . Trebuie să se determine drumul de valoare minimă dintre vârfurile x1 → x6 pentru graful G(X.Elemente de teoria grafurilor λn .24) Exemplul 4. apar următoarele diferenţe: λ1 = 0 si λi = . Variantele sunt redate prin succesiunea unor arce adiacente care reprezintă fazele de prelucrare a produsului. λj -λi < v( xi .19 x5 6 10 18 19 x6 Se întocmeşte tabelul 4. ….λi calculate la fiecare iteraţie.xn ) unde xp1 este vârful ce a contribuit ultima oară la micşorarea valorii lui λn . Conducerea firmei urmăreşte alegerea variantei tehnologice care permite obţinerea unui cost total minim.λp2 = v( xp2 . λ4 − λ1 . λ 2 − λ1 sunt mai mari corespunzătoare (ele sunt marcate în tabelul 4. λj’ = λi .xpk ) Deci valoarea minimă: v (µ0) = λn (4. xn ) (4.4. xj ) < λj (4.1 cu „*”).∞. xj ).20) decât că diferenţele: arcelor λ5 − λ1 .11 O firmă industrială are la dispoziţie mai multe variante tehnologice de prelucrare a unui produs.1 ce conţine în primele 2 coloane arcele grafului şi valorile asociate acestora.λ1 = v( x1 . Fiecărei faze îi corespunde un cost parţial de prelucrare. 88 valoarea . xp1 . λ 3 − λ1 . In celelalte coloane sunt trecute diferenţele λ j . xp2 . Anolog va exista şi xp2 pentru care se îndeplineşte condiţia: λp1 . (Se trec în acest tabel la început arcele incident interior lui x n şi apoi x n −1 ) λ 2 = λ3 = …… = ∞ şi toate aceste valori ale lui λ pe iteraţii se vor trece Iteraţia 0: λ1 = 0 în tabelul 4.2.λp1 = v( xp1 . iar stadiile de prelucrare ale produsului sunt redate prin nodurile unui graf ce reprezintă modelul problemei de stabilire a variantei optime de prelucrare.22) µ0 = (x1 . Problema urmează a se rezolva prin determinarea unui drum de valoare minimă în modelul graf asociat problemei.23) Observaţie: În cazul în care se cere aflarea drumului de valoare maximă.

2. x j ) şi astfel se vor recalcula cu relaţia (4. Pentru stabilirea succesiunii de arce ce formează drumul de valoare minimă se reţin arcele adiacente pentru care în ultima coloană avem relaţia : λ j (2 ) − λi (2 ) = v (xi x j ) Ÿ µ1 = {x1 x 4 x6 µ 2 = {x1 x 2 x5 } = 25 x 4 x6 } = 25 Astfel există două variante tehnologice pentru care costul total este minim ν ( µ ) = 25 şi anume µ 1 . 89 .Cercetări Operaţionale. În tabelul 4. deci λ6 (2 ) = 25 este valoarea minimă a drumului de la nodul x1 la nodul x6. Observăm că aceste diferenţe nu mai pot fi micşorate în raport cu valoarea arcului. Algoritmul Bellman-Kalaba Acest algoritm se bazează pe principiul general al programării dinamice care în cazul grafurilor capătă următoarea exprimare: dacă drumul de valoare minimă (maximă) care uneşte x1 → xn trece prin vârfurile intermediare xh .Fundamentarea deciziilor în managementul sistemelor de producţie λ j − λi > v (xi . λ6 (1) − λ2 (1) > v (xi x j ) Se observă că există trei variante de micşorare a lui λ6 : λ6 (2 ) = λ5 (1) + v( x5 x6 ) = 10 + 19 = 29 λ6 (2 ) = λ 4 (1) + v( x 4 x6 ) = 15 + 10 = 25 Deoarece problema este de minim se va alege valoarea minima şi anume : λ6 (2 ) = 25 . µ 2 . Iteraţia 2 Se calculează λ j În cazul în care: λ j (1) (1) − λi (1) analizând diferenţele: λ6 (1) > v(xi x j ) Ÿ λ j (1) − λi (1) şi se compara cu v(xi x j ) (2 ) − λ5 . λ6 (1) + v(xi x j ) . xk atunci drumul parţial xh → xk este un drum de valoare minimă. − λ3 (1) .21): λ(1) 5 = λ1 + v( x1 x5 ) = 0 + 10 = 10 λ 4 (1) = λ1 + v( x1 x 4 ) = 0 + 15 = 15 λ3 (1) = λ1 + v( x1 x3 ) = 0 + 14 = 14 λ 2 (1) = λ1 + v( x1 x 2 ) = 0 + 5 = 5 Noile valori se vor trece în tabelul 4. λ6 (1) −κ4 (1) = λi (1) .1 se centralizează toate datele. iar λ5 ( 2 ) = λ 2 (1) + v( x 2 x5 ) = 5 + 4 = 9 Celelalte valori λ j (2 ) λ6 (2 ) = λ3 (1) + v( x3 x 6 ) = 14 + 18 = 32 se menţin aceleaşi. Iteratia 3: Se calculează λ j (2 ) − λi (2 ) .

. ( xi ..2 λ3 λ 4 λ5 λ 6 ∞ ∞ ∞ ∞ 14 15 10 ∞ 14 15 9 25 x4 x2 x5 x1 x1 Nr λ1 0 1 2 0 0 0 λ2 ∞ 5 5 În cazul în care se cere determinarea drumului de valoare minimă. j = 1.1 λ j (0 ) − λi (0 ) λ j (1) − λi (1) λ j (2 ) − λ i (2 ) ∞* 0 14 ∞* 0 10 ∞* 0 11 0 5* 4 ∞* 10 9 0 5 6 0 1 1 0 10 10 ∞* 15 15 ∞* 14 14 ∞* 5 5 Tabelul 4. grafului G( X . i = j ¯ (4.. ce are semnificaţia de valoare a drumului minim x1 → xn. în acest mod se pleacă de la informaţia iniţială definită în modul următor: ­vi( 0) = cin .n şi ­v( xi ...n-1 (4. ( xi . x j ). i = 1. Rezolvarea sistemului de mai jos duce la aflarea soluţiei problemei: ­vi = min(v j + cij ) j ≠i ® v n = 0 ¯ (4.Elemente de teoria grafurilor ( x 5 x6 ) ( x 4 x6 ) ( x 3 x6 ) (x 2 x5 ) ( x1 x 5 ) (x5 x4 ) ( x 3 x4 ) ( x 2 x4 ) ( x1 x 4 ) ( x1 x 3 ) ( x1 x 2 ) (xi x j ) v(xi x j ) 19 10 18 4 10 6 12 11 15 14 5 Tabelul 4.2.U ) i se ataşează matricea C cu componentele: c= ( cij ) şi i..2...28) 90 .27) ® ( 0) ¯ vn = 0 Pentru fiecare iteraţie k ( k = 1.. x j ) ∉ U (i ≠ j ) ° 0.26) Pentru rezolvarea sistemului de mai sus se utilizează un procedeu iterativ.n ) se rezolvă următorul sistem: (k ) ­ (v (jk −1) + cij ) °vi = min i≠ j ® ° vn = 0 ¯ (4.. x j ) ∈ U (i ≠ j ) ° cij = ® ∞.25) Fiecărui vârf al grafului G i se asociază o variabilă vi.

.−∞.. Din datele existente în evidenţele întreprinderii reies costurile parţiale de trecere (tabelul 4. k ∈ N Acest proces de calcul se închide în momentul în care: vi( k −1) = vi( k ) .xn ) k −1) reprezintă Drumul de valoare minima trece prin xj1 si conform programării dinamice v (j1 valoare minimă a drumului xj1→ xn Exemplul 4.20 − ∞.3 S7 40 20 30 - Problema urmează a se rezolva prin determinarea unui drum de valoare minimă în modelul graf asociat problemei (fig.2.30) Determinarea arcelor drumului de valoare minima se face în modul următor: Fie xj1 vârful pentru care avem următoarea relaţie: k −1) v1( k ) = min(v j + cij ) = v (j1 + c1 j (4.12 O întreprindere de montaj are la dispoziţie mai multe variante tehnologice de montaj a ansamblelor pentru un produs. j = 1.3).30 − ∞..xj2.4.29) Atunci avem următoarele: vi = vi( k ) = xi min → x n (k ) min v1 = v1 = x1 → x n (4.70..Cercetări Operaţionale. (1) Pentru calcularea elementului vectorului vi s-a efectuat suma dintre elementele vi si elementele corespunzătoare ale rândului I din C i ≠ j v1 (1) (0 ) v2 (1) = −∞ = max (− ∞ − ∞.. n .….Fundamentarea deciziilor în managementul sistemelor de producţie unde: i = 1. (4. Conducerea urmăreşte alegerea variantei tehnologice care permite realizarea montajului cu obţinerea unui cost total minim. i = 1.n-1.31) Analog xj2 vârful pentru care avem următoarea relaţie : −2) v1( k −1) = min(v j + c j1 j 2 ) = v (jk + c j1 j 2 2 (4.20).−∞ + 0) = 110 91 .. n − 1.32) Astfel drumul căutat este : µ =( x1.xj1.110. M1 M1 M1 M1 M1 M1 M1 S1 - S2 20 - S3 30 20 - S4 70 10 10 20 - S5 50 - S6 50 - Tabelul 4.

10 + 40.4.Elemente de teoria grafurilor v3 (1 ) = max(− ∞ − ∞. (5 ) (4 ) Întrucât vi = vi → s-a obţinut soluţia optimă.20 Matricea asociata acestui graf : C x1 x1 0 x2 − ∞ x3 − ∞ x4 − ∞ x5 − ∞ x6 −∞ x7 −∞ vi (1) vi ( 2 ) vi (3) vi (4 ) v (5 ) i vi (0 ) x2 20 0 −∞ −∞ −∞ −∞ −∞ x3 x4 30 − ∞ 20 70 0 10 −∞ 0 − ∞ 10 − ∞ 20 −∞ −∞ 40 40 40 40 40 40 80 x5 −∞ 50 −∞ −∞ 0 −∞ −∞ 20 50 50 50 50 50 x6 x7 −∞ −∞ −∞ −∞ 50 − ∞ − ∞ 40 − ∞ 20 0 30 −∞ 0 30 60 60 60 60 60 0 0 0 0 0 0 (1) −∞ −∞ −∞ − ∞ 110 130 110 110 140 130 110 150 130 110 150 130 110 In iteraţiile următoare se însumează elementele vectorului vi cu elementele corespunzătoare liniei i din matricea C şi se reţine valoarea maximă.−∞ + 0 ) = 80 x2 20 x1 30 20 10 x3 50 70 x4 50 10 40 20 x6 x5 20 x7 30 Fig.50 + 30.−∞ − ∞. Determinarea vârfurilor prin care trece drumul de valoare optima se realizează astfel: v1 (5 ) (4 ) (3 ) = max j ≠1 v j = max j ≠ 2 = max j ≠ 3 = max j ≠ 4 v2 v3 v6 v4 (2 ) (1) = max j ≠ 6 ( ( ) +c (v ( ) + c (v ( ) + c (v ( ) + c (v ( ) + c 4 3 1j j 2j 2 j 3j 1 j 6j 0 j 4j ) = v ( ) + c = 130 + 20 ) = v ( ) + c = 110 + 20 ) = v ( ) + c = 60 + 50 ) = v ( ) + c = 40 + 20 ) = v ( ) + c = 0 + 40 4 2 j1 12 3 3 j2 2 23 6 36 x j1 = x 2 x j 2 = x3 x j3 = x6 1 4 64 x j4 = x 4 x j5 = x7 0 7 47 µ = ( x1 x 2 x3 x6 x 4 x7 ) vi = v1 (k ) = v1 (5 ) = 150 92 .−∞ + 20.

93 . x2. .. Astfel se poate minimiza timpul total pentru a determina n sarcini sau se maximizează beneficiul prin repartizarea produselor la locurile de vânzare. este echivalentă cu determinarea unui cuplaj maxim de valoare optimă (minimă sau maximă) în graful bipartit asociat. . alegerea fiind făcută astfel încât suma respectivelor elemente să fie minimă. În 1955.W. profit. Cuplaje. Probleme de repartiţie (afectare) În practica industrială situaţii cum sunt: distribuţia produselor la locurile de vânzare. repartizarea activităţilor în cadrul unui proiect de producţie.Cercetări Operaţionale. Determinarea unei afectări optime a două mulţimi X şi Y. repartizarea operaţiilor tehnologice pe o resursă tehnologică supraîncărcată. y2. Numărul de arce ale unui cuplaj este mai mic sau egal cu numărul de elemente din fiecare din mulţimile A şi B. ym} în condiţiile unor condiţii impuse. . pentru orice nod există cel mult un arc incident acestuia). Funcţia obiectiv pentru problema de repartiţie poate fi minimizată sau maximizată. Afectarea optimă între elementele celor două mulţimi presupune: să se realizeze maximul de afectări sau suma efectelor afectărilor să fie maximă (sau minimă.Fundamentarea deciziilor în managementul sistemelor de producţie 4. cunoscut în literatura de specialitate sub denumirea de algoritmul ungar. în funcţie de semnificaţia acestora). Un cuplaj cu proprietatea că orice arc care nu face parte din cuplaj este adiacent cu un arc din cuplaj se numeşte cuplaj maxim. Din matricea C (matricea costurilor asociata sarcinilor) se aleg n componente în aşa fel încât niciodată două elemente să nu figureze pe aceeaşi linie sau în aceeaşi coloana a matricei respective. H.. cu ajutorul căruia se poate determina un cuplaj maxim de valoare minimă într-un graf bipartit pentru care A=B= n.. Astfel s-a obţinut permutarea optimă pentru problema dată Algoritmul ungar se bazează pe proprietatea că soluţia optimă a unei problemei să nu se schimbe dacă se micşorează sau se măreşte cu o aceeaşi mărime fiecare element de pe o linie sau de pe o coloana a matricei . Reprezentarea geometrică a situaţiei de mai sus este un graf bipartit de forma următoare : x1 y1 x2 y2 xn ym Graful G = (X. reprezintă momente în care afectarea activităţilor pe resurse are un rol esenţial în optimizarea procesului de producţie. Submulţimea de arce W ⊆ U se numeşte cuplaj al unui graf bipartit dacă are proprietatea că nu există două arce adiacente (sau. cost etc) care poate fi calculat. Kuhn a elaborat un algoritm. Această afectare se poate asimila cu o asocierea a elementelor unei mulţimi X = {x1.6.. xn} cu elementele unei alte mulţimi Y = {y1. . repartizarea muncitorilor pe posturi de lucru etc. Fiecare asociere conduce la un anumit efect (regim. U) se numeşte graf bipartit dacă mulţimea nodurilor poate fi împărţită în două mulţimi disjuncte A şi B astfel încât orice arc are extremitatea iniţială în A şi cea finală în B.

Se va bifează cu (*) lateral următoarele: a) linii care nu au nici un zero se încadrează.. In cazul in care nu exista cuplaj atunci cij = ∞ .mulţimea elemente situate pe linii si coloane tăiate Dacă m cel mai mic element din M1.  i =n1  xij = 1.2. j = 1.n unde cij> 0 si reprezintă valoarea cuplajului. din cele n-1 linii rămase se considera linia cu cele mai puţine zerouri şi se procedează ca la punctul a. Dacă toate zerourile încadrate sunt în număr de n atunci algoritmul se întrerupe. b.. Pasul 4: După terminarea suportului minimal în matricea C(1) se definesc trei tipuri de mulţimi de elemente : M1 – mulţimea elementelor netăiate (nesituate pe linii şi coloane tăiate) M2 – mulţimea elementelor situate la intersecţia liniilor tăiate cu coloane tăiate. Operaţiile b) şi c) se repeta până când nu se mai poate marca nici o linie şi mici o coloană. soluţia fiind cuplajul definit de aceste zerouri şi care tot odată este cuplaj maxim.Elemente de teoria grafurilor Modelul matematic asociat unei astfel de probleme este sub forma : n n  min cij xij ∑∑  i =1 j =1  n  ∑ xij = 1. b) coloanele care conţin zerouri barate pe linii marcate. Acesta se efectuează alegând din fiecare linie elementul cel mai mic după care se scade din toate elementele liniei. Algoritmul de afectare ungar Pasul 1 : Se transformă matricea C = ( cij ) într-o matrice de forma C(1) = (cij)(1) care să conţină câte un zero pe fiecare linie şi pe fiecare coloana . ∑  j =1 (4.2. pe linia cu cele mai puţine zerouri se încadrează unul din zerouri şi se notează (barează)cu „X” toate zerourile situate pe linia şi pe coloana zeroului încadrat. M3. Suportul minimal este dat de mulţimea liniilor marcate reunite cu mulţimea coloanelor marcate.37) Fie matricea C= (cij)m. Dacă vor rămâne coloane fără elemente nule se repetă acest pas. Pasul 3: Se stabileşte un număr minim de linii şi coloane ale matricei C(1) care sa-i conţină zerourile. Valoarea m se scade din toate elementele mulţimii M1 şi se aduna la toate elementele mulţimii M2 Elementele mulţimii M3 nu se vor modifica. în ultima linie neconsiderată până acum se alege un zero care se încadrează şi se vor bara toate zerourile. 94 . c. Astfel se va obţine o noua matrice C(2) pentru care se va aplica algoritmul ungar începând cu Pasul 1. i = 1. c) linii care au cel puţin un zero încadrat în coloane marcate. Pasul 2 : a.

în matricea obţinută. Managerul estimează în matricea C în cât timp (ore) execută o echipă fiecare lucrare.Cercetări Operaţionale. acesta este cuplajul maxim. pe fiecare linie şi pe fiecare coloană va fi cel mult un zero încadrat. 95 . din fiecare coloană minimul acesteia.13 Un manager de proiect de producţie trebuie să repartizeze 5 echipe de muncitori (Mi) calificaţii la 5 lucrari de producţie (Lj). Dacă în final sunt n=5 zerouri. C L1 L2 L3 L4 L5 M1 100 225 550 500 300 M2 200 75 375 400 75 M3 80 325 100 300 400 M4 50 350 100 700 600 M5 60 450 400 600 200 Se construieşte matricea pătratică C(1) care are elementele: ­ valoarea arcului (x i . x j ) daca exista arcul (x i . Pasul 2 În finalul acestui pas. 0 0 · § 0 150 30 ¸ ¨ ¨ 100 0 225 250 365 ¸ = ¨ 400 275 0 0 290 ¸ ¸ ¨ ¨ 150 100 0 400 290 ¸ ¨ 175 0 325 525 115 ¸ ¹ © (1) C2 În total sunt 4 zerouri încadrate şi deci trecem la pasul 3.Fundamentarea deciziilor în managementul sistemelor de producţie Exemplul 4. x j ) ¯ § 100 200 80 50 ¨ ¨ 225 75 300 325 (1 ) ¨ Pentru exemplul ales vom avea: C = 550 375 100 100 ¨ ¨ 500 400 300 700 ¨ 300 75 400 600 © 60 · ¸ 450 ¸ 400 ¸ ¸ 600 ¸ 200 ¸ ¹ Pasul 1 Din fiecare linie se scade minimul acesteia apoi. care corespunde celui mai mic timp. Obţine succesiv matricele: 0 10 · 0 0 · § 50 150 30 § 0 150 30 ¸ ¸ ¨ ¨ ¨ 150 0 225 250 375 ¸ ¨ 100 0 225 250 365 ¸ (1) = ¨ 450 275 0 = ¨ 400 275 0 0 300 ¸ şi C 2 0 290 ¸ ¸ ¸ ¨ ¨ ¨ 200 100 0 400 300 ¸ ¨ 150 100 0 400 290 ¸ ¨ 225 0 325 525 125 ¸ ¨ 175 0 325 525 115 ¸ ¹ ¹ © © (1) C1 Pe fiecare linie şi pe fiecare coloană se află cel puţin un 0. dorind să realizeze o repartiţie a echipelor pe lucrari astfel ca suma timpilor de execuţie să fie minimă. x j ) cij = ® ∞ daca nu exista arcul (x i .

c) linii care au cel puţin un zero încadrat în coloane marcate. coloana L1. se marchează linia L2 Rezultă suportul minimal S={L1. L3. Pasul 4 Cel mai mic element este m1=100 în linia L2. Matricea C(2) se obţine după regulă astfel: Dacă m cel mai mic element din M1. se marchează linia L5 b) coloanele care conţin zerouri barate pe linii marcate. Matricea C(2) este următoarea. V = 50+75+100+300+75+50+10+100=760ore 96 .Elemente de teoria grafurilor Pasul 3 La acest se determină suportul minimal. se marchează coloana M2. Valoarea m se scade din toate elementele mulţimii M1 şi se aduna la toate elementele mulţimii M2 Elementele mulţimii M3 nu se vor modifica. Se va bifează cu (*) lateral următoarele: a) linii care nu au nici un zero se încadrează. căruia îi va corespunde repartizarea echipelor de muncitorilor pe lucrări astfel: M1 M2 M3 M4 M5 L1 L2 L3 L4 L5 Cuplajul maxim are valoarea egală cu suma tuturor elementelor scăzute pentru obţinerea matricelor C(1) şi C(2). după care se reia pasul 2 şi obţinem: 0 0 · § 0 250 30 ¸ ¨ 0 125 150 265 ¸ ¨ 0 = ¨ 400 375 0 0 290 ¸ ¸ ¨ ¨ 150 200 0 400 290 ¸ ¨ 75 0 225 425 15 ¸ ¹ © C ( 2) Deoarece avem 5 zerouri încadrate. am obţinut cuplajul maxim de valoare minimă. M2} şi se trece la pasul 4.L4.

iar componentele de bază ale unei activităţi sunt: descrierea / denumirea activităţii şi codul acesteia. RESURSA – reprezintă elementul cheie cu ajutorul caruia se poate reliza tehnologia ACTIVITATEA – este specifică resursei. Deoarece proiectele de acest tip durează săptămâni.GERT (Graphical Evaluation and Review Technique) .Metoda Potenţialelor. resursele necesare realizării activităţii (umane.1 costurile necesare realizării activităţii.Metoda Drumului Critic (1950).Fundamentarea deciziilor în managementul sistemelor de producţie CAPITOLUL 5 TEHNICA DIAGRAMELOR DE TIP REŢEA 5. . Pentru a modela arhitectura unui proiect de producţie se pot utiliza trei tipuri de reprezentări: relaţii de precedenţă. Cele mai cunoscute astfel de tehnici: . setul complet de activităţi (operaţii). planifice. zile. săptămâni. îi permite managerului de producţie. de procedeu.5.CPM (Critical Path Method) . trebuie ca acesta să fie definit în cadrul unui sistem pe la baza un proces.Cercetări Operaţionale. resurselor sau tehnologiei. 97 .Metoda PERT (1958).tehnica diagramelor tip Gantt sau cu bare (dezvoltare a anilor 1910). ore.1. proiectele de producţie presupun efectuarea unor activităţi (operaţii) intercondiţionate.Tehnica GERT (1970) La planificarea unui proiect de producţie. luni sau chiar ani. Analiza acestor reţele ce modelează sistemul analizat. materiale. PRODUCŢIA – capacitatea de a mări utilitatea unui produs sau serviciu – motorul economiei. Dezvoltarea tehnicilor de optimizarea în reţea a luat amploare îndeosebi după cel de-al doilea război mondial. . Fig. urmărească şi să reorganizeze resursele umane şi materiale astfel încât obiectivele propuse să se atingă în mod optim şi la timp.5. . reţele. pentru a putea folosi o tehnică de tip reţea. Activitatea este simbolizată în reţea prin litere majuscule (Ai). durata activităţii (minute. . echipamente). PROCES – reprezintă ansamblul operaţiilor desfăşurate între recepţionarea intrărilor şi elaborarea ieşirilor prin intermediul cărora sistemul îşi îndeplineşte o parte din funcţia sa. luni).MPM (Metro Potenţial Method) . TEHNOLOGIA – reprezintă orice tip de produs se realizează pe baza unei tehnologii. Generalităţi privind modelarea prin reţele În practica industrială. EVENIMENTUL – simbolizează momentul de început sau de terminare a unei activităţi şi este simbolizat în reţea cu cifre şi nu au durată. necesare realizării acestuia ca conţine o combinaţie de activităţi în serie şi paralel. să coordoneze.1). tabelare.tehnica reţelele de tip: .PERT (Program Evaluation and Review Technique) . a unei tehnologii şi resurse de producţie şi totodată trebuie împărţit în părţile sale componente: activităţi (operaţii) şi evenimente (fig. SISTEM – reprezintă ansamblul elementelor ce ascultă de un ansamblu de reguli de funcţionare bine definite în vederea îndeplinirii unui anumit scop. ele delimitând activităţile. etc. ce poate fi de produs. în desfăşurarea lor pot interveni schimbări care au implicaţii directe asupra costurilor. formând astfel reţeaua logică a proiectului de producţie ce poate fi reprezentată grafic. Pentru proiectele de producţie.

reprezentarea grafică a proiectului de producţie prin reţeaua logică. 1 2 3 4 5 6 7 Activităţile proiectului A B C D E F G Activităţile direct precedente (condiţionări) A B B C. resurse. . etc. De asemenea. în care tehnicile de planificare industrialã ale lui Taylor şi Gantt nu mai corespundeau. etapa calitativă în care se determină: . 98 . crt. Algoritmul de determinare a drumului critic este acela de determinare a operaţiilor critice.Tehnica diagramelor de tip reţea Eşalonarea în timp a operaţiilor componente proiectului de producţie. datorită imposibilităţilor de corelare a lucrărilor componente.activităţile (operaţiile) componente ale proiectului. Drumul critic conduce la durata minimă de execuţie a proiectului de producţie. Acest interval de timp este mai mare sau egal cu suma intervalelor luate pe drumul cel mai defavorabil şi anume drumul critic. Activităţile A şi B sunt activităţile de început ale proiectului. resurse materiale).1 În tabelul 1 este prezentat un proiect în care activităţile sunt notate prin litere mari A. Cele mai folosite dintre aceste tehnici sunt CPM şi PERT. . Metodele PERT şi CPM au apărut în perioada 1958-1959.1) la orice modificare ce apare.1 Nr. Diagramele Gantt presupun divizarea unei acţiuni complexe ( proiect) în parţi componente ( lucrări ) si apoi eşalonarea acestora în timp.durata activităţilor (operaţiilor). C. Diagrama Gantt conferă informaţii privind desfăşurarea lucrărilor şi informaţii derivate privind eşalonarea resurselor necesare ( forţă de muncă. activitatea C este direct precedentă activităţilor E şi F etc. Graficul Gantt reprezintă o formă de vizualizare şi de planificare a proiectelor. activităţile imediat precedente. termene impuse. Toate relaţiile de precedenţă sunt prezentate în tabelul 5. În cazul unor acţiuni complexe cu sute de operaţii se observă că avantajele acestor diagrame Gantt scad simţitor. D.condiţionările ce exprimă legăturile dintre activităţi precizând pentru fiecare activitate. G.D. Activitatea A este direct precedentă activităţii C. pentru a putea face faţă nevoilor epocii dezvoltării masive a ingineriei. E. F. etapa cantitativă în care se stabilesc: . şi reprezintă o reţea în care activităţile şi evenimentele sunt transpuse calendaristic pe o axă orizontală a timpului. conduc la refacerea grafului Gantt (fig. b. presupune determinarea duratei totale de realizare a proiectului adică intervalul dintre prima operaţie şi ultima operaţie.1 Tabelul 5.E E Durate 3 2 2 6 4 4 1 Există mai multe moduri de a reprezenta un proiect printr-o grafic-reţea. .5. . B. Eventuale modificări de durată în cazul proiectelor de producţie. acestea fiind operaţiile a căror întârziere perturbă desfăşurarea celorlalte operaţii şi necesită parcurgerea următoarelor etape: a.termenele activităţilor – datele la care pot sa înceapă sau sa se termine activităţile.termenul final a proiectului. Exemplul 5. ţinând seama de succesiunea operaţiilor în cazul proceselor tehnologice.

montaj (etII) Cod P A CU OS1 F D1 R1 LU C1 OS2 D2 R2 C2 Activ.R2 Durată 7 2 3 1 10 2 5 6 4 2 3 5 10 Activitate 1 Proiectare(P) Achizitonare(A) Comenzi util(CU) Org. Tabelul 5. evidenţiază în mod explicit legăturile logice între activităţi.1.C1.5.constrmont (C) Formare cadre (F) 2 3 4 5 6 7 8 9 10 11 Evaluare calendaristica 12 13 14 15 16 17 18 19 20 21 22 23 Fig.Cercetări Operaţionale.santier (OS) Exec dr.OS2.OS1 OS1 D1. prec. Exemplul 5. 1 2 3 4 5 6 7 8 9 10 11 12 13 Denumirea activitaţii Proiectare Achiziţionare Comenzi Utilaje Organizare şantier (etI) Formare cadre calificate Execuţie dr interioare (et I) Execuţie reţele electrice (etI) Livrări.1 5. Metoda drumului critic (C.int ( D) Exec.2.montaj (etI) Organizare şantier (et II) Execuţie dr interioare (et II) Execuţie reţele (etII) Lucrări constr. OS1 CU A.5.) Metoda CPM este o metoda fundamentală de analiză a drumului critic şi un procedeu de analiză în care singurul parametru analizat este timpul În funcţie de modalitatea de reprezentarea a reţelei CPM distingem două categorii şi anume : reţea ADC de tip activitate – arc şi reţea CPM de tip activitate – nod. Avantaje ale modelelor cu reţele CPM: obligă la o analiză amănunţită a structurii logice a proiectului. Reţea CPM de tip Activitatea – Arc (A-A) Construcţia reţelei CPM de tip A-A În reprezentarea reţelei CPM de tip A-A se ţine seama de următoarele convenţii: 99 . Graful întocmit îşi păstrează configuraţia chiar dacă au loc modificări de durate sau termene.retele ( R) Livr util (LU) Lucr. Graficele Gantt au dezavantajul că nu arată interdependenţele dintre activităţi şi evenimente. recepţie utilaje Lucrări constr. Graficul Gantt pentru acest proiect este reprezentat în fig.2 Nr.crt.R1 R1 LU. evidenţiază activităţile critice (activităţi cheie ) şi activităţile necritice – permiţând anumite rezerve de timp cu posibilitatea de distribuire spre activităţi critice. P P P P A.2 Este prezentat un proiect de construcţii sub forma codificată conform tabelului de precedenţa 5.M. permit optimizarea proiectelor în funcţie de timp.2.Fundamentarea deciziilor în managementul sistemelor de producţie Unei activităţi i se asociază o barã de lungime direct proporţională cu durata estimată.OS1 A. determină durata reală a proiectului.P.

deoarece introduce condiţionarea dintre activitatea A şi activitatea D.5.5.Activităţile A şi B sunt precedate direct de activitatea C (fig.fictive – cele care nu consumă nici timp nici resursă pentru realizare.U). în care X-mulţimea nodurilor şi U-mulţimea arcelor − condiţionarea a două activităţi se reprezintă prin succesiunea a două arce adiacente. inexistentă în tabel. Situaţii posibile de condiţionare (precedenţă) sunt reprezentate în fig. Tipurile de activităţi existente intr-o reţea CPM sunt: .5.2 a) .aşteptările – cele ce consumă numai timp pentru a fi realizate. dacă în tabelul de condiţionări vom avea situaţia: Tabelul 5. adică care pot începe în acelaşi moment şi se pot termina în acelaşi moment. b.5. Evenimentele reprezentând stadii de realizare a activităţilor.Activitatea A este direct predecesoare unei activităţi B (A şi B se numesc activităţi succesoare fig.5.activităţi care se execută în paralel. − fiecărui arc i se asociază deasupra sa denumirea activităţii iar sub. este interzis ca cele două arce corespunzătoare activităţilor să aibă ambele extremităţi comune. Reţeaua poate fi notată G(X. o valoare egală cu durata activităţii pe care o reprezintă.nu trebuie introduse dependenţe nereale între activităţile proiectului (neprevăzute în tabelul de condiţionări).2 (a. 100 .4 este incorectă. − fiecare arc este delimitat de două noduri (unul de început şi celălalt de sfârşit) ce simbolizează evenimentele (momentele) de început respectiv sfârşit.5. Astfel. În fig. c) . F fiind o activitate fictivă: A B incorect Fig.B B A B F sau corect B A F atunci reprezentarea din fig.Activităţile B şi C au aceeaşi activitate predecesoare A (fig.propriu zise – cele ce consumă şi timp şi resursă pentru realizarea ei.3 care este reprezentarea corectă.5.3 Activitate A B C D Activitate direct precedentă (condiţionări) A. ele există datorită intercondiţionărilor şi reprezentării grafice.2 La trasarea reţelei CPM trebuie respectate următoarele reguli: . .Tehnica diagramelor de tip reţea − fiecărei activităţi este reprezentă printr-un arc cu orientarea dată de modul desfăşurării activităţii definit prin capetele sale. .2c) 1 A 2 a) B 3 1 A B 3 C 2 b) 1 3 C A 2 B c) 4 4 Fig.2b) .3 .5.

2 CU 0 P 7 1 1 3 A 2 f1 0 3 OS2 2 F 10 4 LU 6 C1 R1 5 D1 2 5 0 f3 0 f2 R2 5 D2 3 7 6 10 C2 8 OS 1 Fig.5.2) intercondiţionărilor se construieşte reţeaua CPM (fig. exceptând activităţile care încep din nodul iniţial al proiectului şi pe cele care se termină în nodul final al proiectului.4 D A C B Figura 5.5 în care a fost introdusă activitatea fictivă F care anulează condiţionarea între A şi D: A C B Figura 5.5. tab.5.forma.7).în reţeaua CPM nu sunt admise circuite (existenţa unuia ar însemna că orice activitate a acestuia ar fi precedentă ei însuşi).reţeaua CPM are un singur nod iniţial (semnificând "începerea proiectului") şi un singur nod final (semnificând "sfârşitul proiectului").orice activitate trebuie să aibă cel puţin o activitate precedentă şi cel puţin o activitate succesoare.5.1. lungimea şi orientarea arcelor reţelei CPM sunt arbitrare. .7 101 .Fundamentarea deciziilor în managementul sistemelor de producţie Reprezentarea corectă este dată în fig.3 Cu ajutorul tabelului (tab.Cercetări Operaţionale.5 D . . Exemplul 5.5.5. .6. fig.6 A 1 B 3 E 4 G 2 C 5 F 6 D Figura 5.

( j ) (5. j )). j) 2 tj tj* i m tj M tj a) Fig. dacă U-(j)=∅ 0 ­ ° t -j = ® max (t − + d (i. fără a periclita durata totală a întregului proiect. 1 ti ti* A d(i. Termenul minim de realizare a evenimentului j ( t -j ).2) Intervalul [ t -j .5. termenelor şi rezervelor de timp ale activităţilor.9 102 . determinarea activităţilor critice şi determinarea duratei minime a proiectului (lungimea drumului de valoare maximă).reprezintă momentul cel mai devreme posibil de terminare a mulţimii (U-(j)) activităţilor care converg în nodul j Termenul cel mai devreme a evenimentului j. dacă U-(j)≠∅ i ° ¯ j∈U . în care se trece în partea de sus numărul nodului j.1) şi (5.8a). Termenele maxime şi minime pentru fiecare eveniment. k )) k ° ¯k∈U + ( j ) - (5. t + j ] se numeşte intervalul de fluctuaţie al evenimentului j.5. sau fiecare nod al reţelei se reprezintă printr-un cerc divizat în trei părţi (fig. se completează în reţeaua CPM în mici dreptunghiuri ataşate nodurilor (fig.2).5.8b). Conform acestui algoritm. Avem deci de găsit drumul de lungime maximă dintr-un graf fără circuite. dacă U (j)=∅ ­ °t j + tj = ® + . Termenul cel mai târziu de realizare a unui eveniment j se calculează astfel: − . se calculează pentru fiecare nod al grafului: Pasul 1 Determinarea termenelor evenimentelor A. pentru care se poate aplica algoritmul lui Ford simplificat.Tehnica diagramelor de tip reţea Analiza reţelei CPM de ti A-A Această analiză constă în determinarea termenelor evenimentelor.7 3 6 A 0 0 2 C 8 8 1 B 3 2 3 2 2 2 D 6 E 5 4 4 6 8 F 1 G 6 12 12 4 Fig.5.1) B.4 Pentru reţeaua din fig5. se calculează astfel: . Termenul maxim a evenimentului j ( t + j ) reprezintă momentul cel mai târziu posibil de + începere a mulţimii a activităţilor (U (j)) care pleacă din nodul j . în partea inferioară-stânga termenul minim de realizare t -j şi în partea inferioară-dreapta termenul maxim de realizare t + j .8 b) Exemplul 5. . Evenimentul j se poate plasa în orice moment al acestui interval de fluctuaţie. dacă U-(j)≠∅ − min ( t d ( j . calculate cu relaţiile (5.

+ d(i.3) t t.j). Rl(i.7) j .j) = t + (5.(i.d(i.Fundamentarea deciziilor în managementul sistemelor de producţie Pasul 2 Determinarea termenelor şi rezervelor de timp ale activităţilor Se calculează pentru fiecare activitate (i.5) t î+ (i. Orice amânare a unei activităţi a acestui drum duce la lungirea duratei de execuţie a proiectului.d(i.j) = t + j d) Termenul maxim de începere a activităţii (i.t i -d(i. Drumul cel mai lung din reţea a cărui lungime este egală cu durata minimă de execuţie a proiectului se numeşte drum critic. Activităţile de pe drumul critic nu dispun de rezervă de timp şi se numesc activităţi critice.j): (5.8) c) Rezerva independentă de timp (Rs) a unei activităţi (i.j)-d(i.j) (5. 103 . pentru fiecare activitate (i.t i .j) reprezintă intervalul cu care poate fi prelungită activitatea cu respectarea termenelor minime de începere a tuturor activităţilor adiacente succesoare.j) b) Rezerva liberă de timp (Rl) a unei activităţi (i. + Ri(i. următoarele termene ale activităţilor: a) Termenul minim de începere a activităţii (i.j) = t ib) Termenul minim de terminare a activităţii (i.j)) (5.j) reprezintă intervalul în care poate fi plasată o activitate fără a consuma nici din rezervele de timp ale activităţilor ce o preced.j) = t t+ (i. Rezerva totală este diferenţa dintre termenul maxim de terminare şi termenul minim de terminare: Rt(i.4) t t+ (i.j) c) Termenul maxim de terminare a activităţii (i. nici din cele ale celor ce o succed.t i .j)+d(i. dar nu dau informaţii în legătură cu diferenţe dintre o plasare posibilă sau alta.j) = t î.9) Intervalele de fluctuaţie pentru termene şi rezervele libere de timp pentru activităţi caracterizează elasticitatea unui program de planificare. În acest scop se vor calcula.j): (5. următoarele rezerve de timp: a) Rezerva totală de timp (Rt) a unei activităţi (i.j) = t − j .j): (5.j) = t i.j).6) Aceste termene arată în ce interval poate fi situată o activitate. Cu cât aceste intervale sunt mai mici cu atât programul este mai rigid.Cercetări Operaţionale.j): t î.(i.j) reprezintă intervalul maxim cu care poate fi amânată (întârziată) o activitate fără ca durata totală a proiectului să fie periclitată.j) (5.j)= t + j -d(i.j) = max( t − j .(i.

5) F = (4. Reţea CPM de tip Activitatea – Nod (A-N) Construcţia reţelei CPM de tip A-N În reprezentarea reţelei CPM de tip A-N se ţine seama de următoarele convenţii: − fiecare activitate este reprezentă printr-un nod notat printr-un dreptunghi. − explicitarea legăturilor logice şi tehnologice dintre activităţi. − evidenţierea activităţilor necritice.11) Rt(i. Durate R R R t l i A = (1. Celelalte activităţi pot fi amânate cu rezervele lor de timp. t -j = t + j . rămân variante de reprezentare astfel încât două reprezentări ale aceluiaşi proiect făcute de doi indivizi pot să nu semene aproape deloc. completă încât să fie utilă. care dispun de rezerve de timp. clară.10) (5. − dacă se respectă toate regulile de construire a reţelei CPM. 104 . Dezavantajele acestei metode sunt în principal: − greutatea desenării reţelei CPM.4) E = (3. − reţeaua CPM de tip A-N trebuie să aibă un singur nod iniţial şi un sigur nod final şi în mod curent se introduce un nod fictiv de început (START) şi un nod fictiv de final (FINISH). dar consumarea acestora face ca proiectul să devină rigid. în ceea ce priveşte realizarea acestora.4 + + tm tm tM tM Activităţi Cond. − permite efectuarea de actualizări periodice fără a reface reţeaua CPM − reprezintă o metodă operativă şi raţională care permite programarea în timp a activităţilor ţinând seama de resurse. Pentru activităţile proiectului analizat în fig. iar aceste două noduri (activităţi) sunt singurele fictive din cadrul reprezentării A-N.2) B = (1.j) (5. − evidenţierea activităţilor critice. t j – t i = d(i.j) = 0 În practică industrială este nevoie să ne interesăm de activităţi.j) = Ri(i. decât de termene. reprezentarea exactă a tuturor condiţionările din proiect. − fiecare arc al reţelei delimitat de două noduri (unul de început şi celălalt de sfârşit) simbolizează relaţiile de precedenţă între activităţi.j) = Rl(i. în condiţiile în care acestea sunt foarte complicate iar reţeaua logică trebuie să fie simplă.= t i+ .7. termenele activităţilor şi rezervele de timp sunt date în tabelul de mai jos: Tabelul 5.5.6) A B B C.Tehnica diagramelor de tip reţea O activitate critică (i.D. Activităţile (operaţiile) critice trebuind să fie realizate la datele calculate deoarece nu dispun de rezervă de timp şi aceasta pentru a nu depăşi termenul de finalizare al proiectului.E E 3 2 2 6 4 4 1 0 0 3 2 2 8 6 3 2 5 8 6 12 7 3 0 6 2 4 8 11 6 2 8 8 8 12 12 3 0 3 0 2 0 5 0 0 3 0 0 0 5 0 0 0 0 0 0 0 Printre avantajele metodei CPM evidenţiem: − determinarea cu anticipaţie a duratei de execuţie a proiectelor complexe.j) este caracterizată prin: + t i.4) D = (3.3) C = (2.6) G = (5.

H H K. (i ) = ° ®max t − (k ).11) unde se înscriu următoarele: . L Durata 5 4 1 4 5 4 2 2 6 4 6 5 2 3 3 105 . ce determină durata maxima a proiectului utilizând ambele reprezentări ale reţelei CPM (A-A. C D D. C B. L I. A-N) Tabelul 5. i ° ¯ k∈Γ − (i ) dacaΓ t î− (i ) = ∅ dacaΓ − (i ) ≠ ∅ − (5.durata activităţii d(i). ° t (i ) = ® min t î+ ( j ). .(i) termenul maxim de terminare t t+ (i) termenul maxim de începere t î+ (i) t-î(i) i t t(i) t+î(i) d(i) t+t(i) Fig.15) Exemplul 5.10 a) Termenul minim de începere a activităţii: ­0.13) dacaΓ + (i ) ≠ ∅ dacaΓ + (i ) = ∅ (5.5.termenul minim de începere t î.5. J. M K. Să se determine temenele activităţilor proiectului şi activităţile critice ale acestuia. sub forma codificată. G.simbolul activităţii (operaţiei) i.(i) termenul minim de terminare t t.Cercetări Operaţionale.5.14) d) Termenul maxim de începere a activităţii: t î+ (i ) = t t+ (i ) − d (i ) (5. .5 Este prezentat un proiect de producţie. E F.12) b) Termenul minim de terminare a activităţii: t t− (i ) = t î− (i ) + d (i ) c) Termenul maxim de terminare a activităţii: ­t t− (i ). ° ¯ j∈Γ + (i ) + t (5.5 Denumire activitate A B C D E F G H I J K L M N P Activitati directe precedente A A A A B.Fundamentarea deciziilor în managementul sistemelor de producţie În reprezentare A-N fiecare nod este simbolizat printr-un dreptunghi iar acesta este compartimentat în şase căsuţe (fig. conform tabelului de precedenţa 5.

12): 5 E 10 8 5 13 5D 9 7 4 11 0A5 055 0Y0 000 0B4 347 5 F9 5 49 5C6 617 6G 8 7 29 6H 8 7 29 8 L 13 10 5 15 15 P 18 17 3 20 10 J 14 13 4 17 9 I 15 11 6 17 9 K 15 9 6 15 15 N 17 15 3 17 17 N 20 17 3 20 20 Z 20 20 0 20 Fig. − fiecărui arc dintre două activităţi A şi B i se asociază un număr reprezentând valoarea tAB. Determinarea termenelor şi rezervelor: a) Termenul minim de începere a activităţii: 106 . 5.11 Reprezentarea A-N (fig.5.3. ca şi în metoda CPM. Crearea reţelei CPM şi analiza drumului critic evidenţiază interdependenţele şi zonele cu probleme care nu sunt nici evidente. − fiecărui nod i se asociază o valoare dată de durata activităţii pe care o reprezintă. nici bine definite prin alte metode de planificare.5. se analizează parametrul timp. − condiţionarea (succesiunea) a două activităţi se reprezintă printr-un arc. Reprezentarea CPM reduce posibilitatea de a lua decizii la nivelul conducerii superioare şi totodată necesită mult timp pentru detalii conducând la o lipsă a unui istoric privind costurile. Metoda potenţialelor (Metro Potenţial Method) Metoda potenţialelor sau MPM este un procedeu de analiză a drumului critic care încearcă să depăşească neajunsurile metodei CPM. orientat de la o activitate la alta.11): D A 55 2 B E 4 9 11 4 0 6 J I 1 00 5 4 5 4 F G 1C 3 67 5 4 10 13 17 17 9 N 3 M2 K 10 3 20 20 P 2 99 7 0 L 8 6 5 2 H 15 15 6 89 Fig. diferenţa constând în felul în care se construieşte graful reţea: − fiecărei activităţi A i se asociază un nod A.5.5. în care.Tehnica diagramelor de tip reţea Reprezentarea A-A (fig.12 Planificarea detaliată sub forma unei reţele permite echipei de management de proiect să definească tot ceea ce trebuie efectuat într-un mod detaliat pentru atingerea la timp a obiectivului proiectului.

tFH = 2 tCI=4.Cercetări Operaţionale.19) Rezerva totală Rt(i) a activităţii se calculează cu relaţia: Rt (i ) = t î* (i ) − t î (i ) (5. J.19). J tAB = 2 tAC = 3 tAD = 2 tBE = 3 tBF= 3 tDG = 1 tEH = 1. Să se determine activităţile critice ale proiectului. Se parcurge reţeaua în sens direct de desfăşurare şi se determină termenele minime de începere şi terminare a activităţilor proiectului cu relaţia (5.Fundamentarea deciziilor în managementul sistemelor de producţie t î− ­0. tFI=3 tGJ = 3. 107 . după care acesta se parcurge în sens invers de desfăşurare şi se determină termenele maxime de începere şi terminare a activităţilor proiectului cu relaţiile (5.(i ). tIJ = 2 tHK = 3.13. tDI=3. dacaΓ + (i ) = ∅ ° t î+ (i ) = ®min t + ( j ) − t (i . 5.6. tJK = 3 Reţeaua asociată proiectului este dată în fig.5. D. Tabelul 5. F C. dacaΓ + (i ) ≠ ∅ î ° j∈Γ + (i ) ¯ { } (5.20. j ) . 5.16.6 Condiţionările de precedenţă din cadrul unui proiect de producţie sunt sintetizate în tabelul 5. I.20) Exemplul 5. F G. Drumul critic este format din activităţile critice :A.18) d) Termenul maxim de terminare a activităţii: t t+ (i ) = t î+ (i ) + d (i ) (5. i ) .16) b) Termenul minim de terminare a activităţii:î t t− (i ) = t i− (i ) + d (i ) (5.17) c) Termenul maxim de începere a activităţii: ­t î. (i ) = ° ®max t . Rezervele totale se determină cu relaţia 5.(k ) + t (k . K.18.17).6 Denumire Durata Activitati directe Conditionari activitate precedente 6 A B C D E F G H I J K 4 2 4 3 2 3 4 5 3 0 A A A B B D E. I H. C. î ° k∈Γ − (i ) ¯ { } dacaΓ − (i ) = ∅ dacaΓ − (i ) ≠ ∅ (5.

iar fiecare activitatea din reţea este caracterizată cu cele trei tipuri de durate (a. permiţând astfel planificarea şi controlul timpului de execuţie a întregului proiect. Metoda PERT Metodele CPM şi MPM furnizează informaţii care sunt utile în procesul de management. identificarea activităţilor critice. timpul de execuţie a unui proiect este calculat pe baza teoriei probabilităţilor. în condiţii generale normale. precum şi estimarea probabilităţilor de realizare a termenelor planificate. iar controlul timpului şi costului de execuţie a unui proiect se realizează prin determinarea drumului critic al acestuia. Deoarece în practică. b). însă ele nu ţin seama de posibilele variaţii ale duratelor de execuţie ale activităţilor şi lucrează cu timpi bine determinaţi asociaţi fiecărei activităţi permiţând atât estimarea costurilor. care reprezintă durata aşteptată/estimată a proiectului. Durata fiecărei activităţi a proiectului are o distribuţie β. Metoda PERT este o metodã probabilistă bazată pe distribuţia beta pentru timpul fiecărei activităţi şi pe o distribuţie normală (Gauss) pentru durata de timp estimată. Metoda PERT foloseşte trei durate de timp asociate fiecărei activităţi (optimistă-a. formând o medie ponderată. Durata pesimistă a unei activităţi i (bi) este considerată durata maximă de realizare a activităţii i. m. probabilă-m şi pesimistă-b). Metoda PERT permite calcularea timpului mediu de finalizare a unui proiect.Tehnica diagramelor de tip reţea 3 2 0A6 066 3 2 2B6 3 47 3 3C5 325 2D 6 44 8 5E 8 8 3 11 5 F7 628 4 3 1 2 1 7 H 11 9 4 13 7 I 12 7 5 12 2 3G 6 6 39 3 3 12 K 12 12 0 12 9 J 12 9 3 12 3 Fig.3. duratele activităţilor sunt considerate variabile aleatoare caracterizate prin media şi dispersia lor.13 5. cât şi a timpului de execuţie a proiectului. atunci când există condiţiile cele mai defavorabile de realizarea a proiectului. Aceste metode sunt deterministe. Durata probabilă a unei a unei activităţi i (mi) ca fiind estimaţia cu cea mai mare şansă de realizare a proiectului în condiţii normale. Durata optimistă a unei activităţi i (ai).21) 108 .20) 6 Dispersia duratei de execuţie ( σ 2 (i ) ) a activităţii (i) caracterizată şi ca o măsură a gradului de nesiguranţă în estimarea duratei activităţii se calculează cu expresia: §b−a· σ (i ) = ¨ ¸ © 6 ¹ 2 2 (5. Astfel. duratele activităţilor sunt insuficient cunoscute sau incerte prin considerarea conceptelor statistice. Durata medie de execuţie ( t ) (speranţa matematica) a unei activităţi (i) este dată de expresia: a +4⋅m+b E(t)= t = (5.5. Reţeaua PERT este o reţea CPM sau MPM în reprezentare. este considerată durata minimă de execuţie pentru activitatea i.

. .Fundamentarea deciziilor în managementul sistemelor de producţie Durata totală a proiectului este o variabilă aleatoare cu distribuţie normală având media şi dispersia: T = ¦ t (i) i∈Dcrit σ 2 = ¦ σ 2 (i) i∈Dcrit (5. după relaţia (5. Se cer următoarele: .23) şi apoi se deduce din tabelul valorilor funcţiei Laplace probabilitatea p ( T ≤ Tplan). conform probabilităţilor de realizare a duratei a proiectului: . Z= T plan − T σ2 (5. utilizând relaţia (5.dacă p ≥ 60% se respectă termenul planificat dar există o risipă de resurse. Pasul3 Se calculează dispersia duratei fiecărei activităţi cu relaţia (5.dacă p ≤ 25 % arată un risc foarte mare ca proiectul să nu se realizeze la termenul planificat şi se impune revizuirea duratelor de execuţie ale activităţilor în sensul urgentării desfăşurării acestora.să se determine activităţile critice ale proiectului de producţie. Probabilitatea de realizare a duratei planificate Tplan a unui proiect se determină calculând. Pasul 6 Se face analiza proiectului.7 Se consideră un proiect de producţie a cărui activităţi şi condiţionări sunt indicate în tab. 109 .7.23 folosind tabelul funcţiei Laplace.Cercetări Operaţionale. factorul de probabilitate Z.21).5. Pasul 5 Se determină probabilitatea de realizare a duratei planificate a proiectului după relaţia 5.22) unde Dcrit reprezintă mulţimea tuturor activităţilor care sunt pe drumul critic.20).23) Algoritmul PERT pentru determinarea probabilităţii de finalizare a unui proiect la termenul planificat Pasul 1 Se calculează durata medie a fiecărei activităţi din reţeaua PERT.dacă p ≈ 50% planificarea activităţilor este corectă şi se poate aplica.să se determine probabilitatea ca realizarea proiectului de producţie să se încadreze într-o perioadă planificată de 41 u. Pasul 2 Se calculează termenele activităţilor reţelei PERT.t. utilizând una din metodele CPM sau MPM. .22). Pasul 4 Se calculează durata totală de execuţie a întregului proiect ( T ) şi dispersia ( σ 2 ) cu relaţiile (5. Exemplul 5.

5 4 14 14 8 38.5 5 6 6. E. I 4 5 2 2 4 4 2 6 5 7 8 4 5 5 6 4 10 8 10 11 9 8 12 11 6 20 17 a) Pentru fiecare activitate a proiectului se determină durata medie de execuţie şi dispersia cu relaţiile (5. b) Dispersia totală a proiectului este: σ 2 = σ 2 ( A) + σ 2 (C ) + σ 2 ( E ) + σ 2 (G ) + σ 2 ( H ) + σ 2 ( J ) = 6.83=83%. G.34 1. E F.14 Activităţile critice ale proiectului sunt A.5 Fig.95)=0.84 Factorul de probabilitate Z este: Z= T plan − T σ2 = 41 − 38.)(tab.t. iar durata medie de execuţie a proiectului este T = 38.5.5 1 0 0 A 6 2 6 6 B 7 C 8 3 0 4.t.5 E D G 5 6.33 2 Se determină termenele minime şi maxime pentru ale evenimentelor proiectului şi se înscriu în căsuţe alăturate nodurilor reţelei CPM.5.Tehnica diagramelor de tip reţea Tabelul 5. C H.5 ≅ 0.5 4 11 9 1 1 1 1.5 38.20).95 2.14).67 2.8). J.5 25. 13 14. după care se construieşte reţeaua CPM în reprezentarea A-A (fig.17 0.21.5 29. H.5. 110 .7 Denumire Activitati directe Durata [u.5 6 4 H J 7 9 29.5 5 19 19 I 11 F 6 25. respectiv (5.17 1 1.] activitate precedente a m b A 9 6 3 B C D E F G H I J A A B B.62 Pe baza tabelului lui Laplace obţinem probabilitatea P(Z<0.8 Denumire Durata Dispersia µ activitate σ2 A B C D E F G H I J 6 7 8 4. C.5 u. Tabelul 5. G B. C B D.

în avans sau cu întârziere a proiectelor Metoda CPM permite evaluarea compromisului timp – cost (efectul costului mărit pentru reducerea timpului de execuţie faţă de costul în condiţii normale pentru unele activităţi). Câteva dintre diferenţele celor două metode sunt relevate în tabelul 5.1 Tehnica GERT . . precum şi pe orice activităţi alternative care există Stabilirea funcţiilor de echivalenţă a reţelei.întoarcerea la evenimentele anterioare nu este permisă . Evaluarea schemei GERT arată probabilitatea de realizarea a fiecărei etape şi intervalul de timp dintre acestea. probabilitatea ca o activitate dată să fie realizată şi funcţia de distribuţie care estimează timpul necesar realizării activităţii. 5.efort mare în ceea ce priveşte munca şi timpul necesare aplicării lor. de mare anvergură. Elementele utilizate de metodă sunt nodurile schemei logice (etapele) şi activităţile reprezentate prin săgeţi şi caracterizate prin doi parametri respectiv. Prin urmare de cele mai multe ori aceste metode devin foarte costisitoare şi greu de folosit în cazul proiectelor complexe. GERT combină teoria grafurilor. 111 . este probabilistică .sunt posibile diverse distribuţii pentru estimarea timpului .reducerea posibilităţii de a lua decizii la nivelul conducerii superioare.este utilizată numai distribuţia beta .Fundamentarea deciziilor în managementul sistemelor de producţie Metodele PERT şi CPM nu sunt metode lipsite de dezavantaje. Etapele folosite în GERT sunt următoarele: Transpunerea descrierii calitative a proiectului într-o schemă. Există şi alte variante ale metodei PERT care au trăsături similare cu GERT cum ar fi exemplu. cu accentul nu numai pe activităţile specifice care sunt luate ca model. dar şi pe cele cu posibilităţile de realizare.este acceptată întoarcerea la evenimentele anterioar . schema probabilistică PERT/CPM şi arborele de decizie.ramificaţia în schema-model.ramificaţia în reţeaua logică este deterministă .Cercetări Operaţionale. Cel mai nou model GERT se numeşte Q-GERT şi simulează reţele ale liniilor de aşteptare. dar GERT se pare că are răspândirea cea mai mare.este dificilă folosirea ca metodă de control Metoda PERT/CPM . Tehnica GERT GERT (Grafical Evaluation and Review Technique – Tehnica de analiză şi evaluare grafică ) este o schemă-model dezvoltată pentru situaţii mai complexe decât cele care pot fi rezolvate de PERT/CPM.poate fi folosită pentru control Pentru optimizarea problemelor PERT/CPM există programe de calculelor. Q-GERT-VERT. Metoda PERT permite specificarea probabilităţilor de realizare la termen. Complexitatea lor se adaugă problemelor de implementare.1.există flexibilitate în realizarea etapelor . după modelul folosit în PERT/CPM Strângerea informaţiilor necesare pentru a descrie activităţile schemei. Diversele probleme de tip GERT se rezolvă prin simulări cu ajutorul calculatorului. .4. Tabelul 5.nu există flexibilitate în realizarea etapelor .lipsa datelor istorice pentru estimarea costurilor. Alte dezavantaje în folosirea metodelor PERT şi CPM sunt: .

a. Analiza rezultatelor şi stabilirea concluziilor legate de sistem.5. Sfirsit la inceput (EFT) B >4 A d. corespunzător normelor de calitate. Piesele care sunt acceptate la primul control şi la cel de-al doilea (al pieselor refăcute) sunt transmise spre finisare. toate combinaţiile de intrare şi ieşire a simbolurilor sunt posibile. Această metodă poate fi utilizată în cazul proiectelor pentru introducerea de noi tehnologii de fabricaţie a produselor industriale. Cu ajutorul simbolurilor grafice GERT prezentate în figura se întocmeşte schema modelului GERT din figură 112 .5. dintre ele.Tehnica diagramelor de tip reţea - Transformarea funcţiei echivalente a schemei în următoarele două măsuri de performanţă: .1 Exemplu de utilizare a metodei GERT: Un subansamblu al unui produs este fabricat în 4 ore. Sfirsit la sfirsit (LST) B >3 A c. în partea stângă sunt prezentate intrările cu noduri iar în partea dreaptă sunt ieşirile. trebuie refinisate. sunt deci rebuturi şi trebuie refăcute. Controlul tehnic de calitate respinge 5% din piesele finisate care.probabilitatea ca etapele specifice să fie realizate . Refacerea pieselor rebuta necesită 3 ore dar. operaţie care necesită 10 ore şi respectiv 14 ore. Această situaţie poate fi modelată sub forma unei scheme GERT astfel încât să fie rezolvată pentru procentajul aşteptat şi timpul cerut de producerea unui subansamblu bun. împreună cu câteva exemple este prezentată în fig. Aşa cum se arată în exemplu.1: În această figură. Inceput la sfirsit (LFT) B >8 EST = 2 Activitatea = R D urata = 5 LST = 3 EFT = 4 LFT = 8 e. Inceput la inceput (EST) B >2 A b. Timpul necesar pentru control este variabil şi este distribuit exponenţial în intervalul de o oră. la controlul acestora sunt refuzate 30%. Lista simbolurilor utilizate în metoda GERT. Controlul tehnic de calitate refuză 25% dintre piesele subansamblului pentru că nu sunt corespunzătoare. Nomenclatura activitatii Fig. cercetarea şi dezvoltarea tehnologică ş.funcţia generatoare a momentului de timp. A a. deci.

5.5.3 Activitatea a reprezentării 4 ore de fabricaţie a pieselor unui subansamblu.55=83.2. în special pentru schemele mari. efectuarea operaţiei de finisare pentru 60% din piesele acestui (g) necesită 10 ore iar restul de 40 % din piesele (h) necesită 14 ore. iar 25% sunt rebutate (b). Rezultatul acestei activităţi este verificat de către controlul tehnic de calitate în urma căruia rezultă următoarele categorii de piese : 75% din piesele fabricate sunt recepţionate ca bune (a) şi trimise spre finisare (c). Fabricare a Control 1 b Refacere d Control 2 e Refacere f c i g j h Finisare Control 3 Piese bune Fig.5% din total ) spre finisare . Controlul le verifică şi rezultă că 30% din ele sunt rebuturi şi trebuie refăcute (e=30% din 25% rebuturi = 7.5% din total ) sunt trimise împreună cu lotul c (c+f=70%+17. Piesele bune din lotul refăcut ( f=70% din 25% rebuturi =17.5% dn total ) . Rezultatul analizei este îmbogăţit faţă de simplu PERT/CPM.5%=87.125% din totalul pieselor componente ale subansamblului). Acestea din urmă se întorc pe linia de fabricaţie şi sunt refăcute (d). b.Fundamentarea deciziilor în managementul sistemelor de producţie Inceputul evenimentului cu ramificatii care trebuie sa se produca a b a b c a b c Sfirsitul evenimentului ce rezulta oricind se produce a sau b Evenimentul intermediar ce rezulta cand dupa a se produce b sau c d Evenimentul intermediar ce rezulta cand dupa a . dar şi rezolvarea informatică este mai complexă. După controlul tehnic de calitate al pieselor finisate rezultă că 5% dintre ele sunt rebuturi (i) şi trebuie trimise spre refacere iar restul sunt piese bune ( j=955 din 87.Cercetări Operaţionale. c se produc d sau e e Fig. 113 . Timpul pentru ca un lot ”mediu” să parcurgă traseul din schemă poate fi aflat în acelaşi mod în care s-a calculat şi rezultatul final.

. 114 . În funcţie de condiţiile din mediul decizional apar situaţii decizionale. Principalele elementele care definesc procesul decizional sunt: . utilă predicţiei.decidentul – o persoană sau un grup. Pascal şi Fermat au introdus noţiunea de speranţă matematică. în secolul al XII – lea. iar în proces intervin variabile controlabile. . în istoria antică (asediul Siracusei şi intervenţia lui Arhimede) şi în Evul mediu. Pentru ca procesul decizional să fie eficient. Galileo Galilei a reabilitat teoria deciziilor.unui criteriu îi corespund două sau mai multe consecinţe O parte din variabile sunt necontrolabile şi chiar evoluţia unor variabile controlabile este greu de anticipat.rezultatele pentru fiecare variantă de rezolvare în condiţiile date – marchează nivelul cantitativ sau calitativ pentru fiecare variantă. la început manifestându-se în activitatea individuală şi apoi în cele colective. Se referă la situaţii decizionale cu complexitate redusă sau cu caracter repetitiv. iar fenomenele sunt de natură stohastică şi stările aleatoare.criteriile de apreciere a variantelor – care precizează punctul de vedere care se ia în considerare în alegerea celei mai bune variante. când variabilele implicate sunt bine cunoscute de decident. O decizie ia forma unui act decizional dacă se desfăşoară într-o perioadă foarte scurtă de timp. La baza actelor decizionale stau experienţa şi intuiţia managerilor.o situaţie complexă ce poate fi rezolvată pe mai multe căi.obiectivele decidentului ca elemente finale ale procesului de decizie. formate din totalitatea condiţiilor interne şi externe ale firmei în care aplică variantele. Acesta este motivul pentru care se impune o abordare analitică a principalelor elemente implicate în procesul decizional. aplică şi evaluează decizia. 6. a inventat prima maşină cu program înregistrat. Bernoulli a avut preocupări în domeniul deciziilor în condiţii de incertitudine. procesul decizional. Istoria preocupărilor pentru a aşeza procesul decizional pe baze raţionale coincide cu însăşi istoria societăţii omeneşti. ale căror caracteristici sunt cunoscute şi evoluţia lor poate fi preconizată. cât şi efectul aplicării ei.1. care pot să constituie atât cauza declanşării deciziei. decidenţii trebuie să progreseze într-un ritm rapid pentru a face faţă cerinţelor şi situaţiilor dificile generate de transformările survenite în mediul micro şi macroeconomic.Elemente de teoria deciziei CAPITOLUL 6 ELEMENTE DE TEORIA DECIZIEI Actul de a decide este un atribut al fiinţei umane. Decizia în activitatea managerială se prezintă sub două forme: actul decizional. . care pot să fie: • Certitudine – unui criteriu îi corespunde o singură consecinţă. . • Risc . Procesul şi sistemul decizional al întreprinderii Situaţiile decizionale in cadrul întreprinderii sunt variate şi conduc la procese decizionale eterogene din punct de vedere al parametrilor constructivi şi funcţionali. Se pot găsi elemente în legendă (fondarea Cartaginei). .stările de condiţii obiective. . Procesul decizional reprezintă ansamblul fazelor prin intermediul cărora se pregăteşte. adoptă.variantele (criterii) de rezolvare ale situaţiei. şi este precursorul ameliorării optimumului. Marocanul Sidi bel’Abbes es – Sebti.

b) Decizii probabilistice –consecinţele ataşate criteriilor nu au valoare certă. dar se cunoaşte prin mijloace matematice sau statistice evoluţia acestor imperfecţiuni.6. 115 . DATA – reprezintă elementele constitutive ale unei informaţii ce sunt supuse unor prelucrări pentru a obţine informaţia.1 Activitatea desfăşurată în cadrul unei întreprinderi (sistemul managerial) este rezultatul interacţiunii a trei subsisteme .D )– are rol de conducere a activităţilor desfăşurate în cadrul unui sistem în vederea realizării obiectivului fixat şi îndeplinirii scopului pentru care a fost creat.6. Principalele funcţii ale sistemului decizional sunt: anticiparea şi pregătirea evoluţiei pe termen lung şi mediu a întreprinderii. SUBSISTEMUL DECIZIONAL (S. declanşarea acţiunilor resursei umane al nivelul întreprinderii şi al compartimentelor sale.Fundamentarea deciziilor în managementul sistemelor de producţie Incertitudine – probabilitatea de apariţie a consecinţelor nu este cunoscută şi nu poate fi determinată. nici constantă. care însă se apreciază. compară. În funcţie de stările de condiţii obiective în care se iau deciziile. • Fuzzy –condiţiile obiective în care se desfăşoară procesul decizional şi funcţionarea sistemului nu pot fi descrise precis. fiind caracterizate prin concepte vagi. • Fig.O.) – are rol de a executa deciziile conducerii folosind metode şi instrumente disponibile. şi S. Sistemul decizional alături de sistemul informaţional şi sistemul operaţional alcătuiesc sistemul managerial al întreprinderii (fig. SUBSISTEMUL OPERAŢIONAL ( S. structurate conform obiectivelor urmărite şi ierarhiei manageriale.O. combină. SUBSISTEMUL INFORMAŢIONAL – asigură legătura în ambele sensuri între S. Există un număr mare de variabile.S. armonizarea şi direcţionarea deciziilor de natură organizatorică (armonizarea activităţii resursei umane).1). c) Decizii apreciative – nu se cunosc probabilităţile de evoluţie a consecinţelor. transmite şi înregistrează. Sistemul decizional al întreprinderii reprezintă ansamblul deciziilor adoptate şi aplicate în cadrul său. procesul decizional se poate clasifica astfel: a) Decizii deterministe (exacte) – consecinţele ataşate criteriilor sunt rezultatul unor calcule exacte.S. INFORMAŢIA – acumulare cantitativă de date care se ordonează.S. cu puţine excepţii controlabile.D.S.Cercetări operaţionale.

116 .2 Eficientizarea procesului decizional reprezintă conceperea şi operaţionalizarea proceselor decizionale sub aspectul definirii conţinutului. Avantajele eficientizării decizionale sunt: valorificarea superioară a resurselor organizaţiei. Desfăşurarea unor limite legate de resursele utilizabile. sporirea prestigiului firmei. Scanarea situatiei interne si externe 2 Se cere luata o decizie? Da Nu 3 Este o decizie de rutina? Se aplica regula de decizie programata Nu Da 4 5 Se genereaza o decizie neprogramata prin metoda de rezolvare a problemelor 6 Se monotorizeaza rezultatul Fig. tehnice. a modalităţilor de implementare subordonată permanent îndeplinirii unor obiective economice. umane şi manageriale precis definite. gradul de profesionalism al managerilor. caracteristicile sistemului economic al firmei. parametrii sistemului tehnic şi trăsăturile definitorii ale sistemului managerial al organizaţiei. strategia şi politicile naţionale şi regionale implicate.1).2. creşterea profitabilităţii.Elemente de teoria deciziei Se poate face o sistematizare a deciziilor după apartenenţa la funcţiile managementului (tabelul 6. evoluţia pieţelor.. de complexitatea şi dificultăţile implicate.6. starea economicosocială a regiunii/ţării în care funcţionează firma.6.1 FUNCŢIA PLANIFICARE ORGANIZARE COMANDĂCOORDONARE CONTROL EXEMPLE DE DECIZII Care sunt obiectivele pe termen lung ale firmei Ce strategii rezolvă optimal aceste obiective Care sunt obiectivele pe termen mediu Câţi subordonaţi trebuie să raporteze direct unui manager Ce grad de centralizare este necesar în organizaţie Cum trebuie să fie proiectate sarcinile Cum trebuie lucrat cu salariaţii care par a fi slab motivaţi Care este stilul de îndrumare cel mai eficient într-o anumită situaţie Când este momentul potrivit pentru a dezamorsa un conflict Ce activităţi ale firmei trebuie controlate Cum trebuie efectuat controlul Ce tip de sistem informaţional trebuie să aibă firma În concepţie cibernetică modelul general privind etapele procesului decizional este prezentat în fig. Tabelul 6. dovedesc că eficienţa decizională este o realitate în întreprinderilor contemporane. a instrumentelor şi metodelor folosite. Variabilele care o influenţează sunt: potenţialul şi gradul de motivare a personalului.

3) (6. cu condiţia ca suma probabilităţilor respective să fie egală cu 1. care definesc funcţiile.2. pentru primul criteriu (în 109lei).V2 . iar u(S) este utilitatea ei. există relaţiile: u[(n − 1)S ] < u (nS ) < nu (S ) (6. iar I – operatorul logic de indiferenţă. iar 1-p este probabilitatea realizării variantei Vj .4) 3. proprietăţile şi modul în care se poate folosi aceasta în procesul decizional. şi Morgenstern. Creatorii teoriei utilităţii. decidentul poate lua în considerare şi variante complexe.5) unde p este probabilitatea utilizării variantei Vi. Relaţiile de preferinţă sunt tranzitive: (V PV ) şi (V PV ) Ÿ (V PV ) (V PV ) ⇔ (V PV ) i j j k i k i j j i (6. Dacă S este o sumă de bani. de tipul: V ' = pVi + (1 − p )V j (6. considerând problema alegerii unei tehnologii pentru realizarea unui produs industrial şi admiţând două criterii: mărimea profitului şi calitatea produsului. în funcţie de posibilitatea de a exprima numeric consecinţele.1) ceea ce exprimă faptul că utilitatea unei sume de bani creşte cu mărimea sumei. şi calitativ. şi Morgenstern sunt: 1. (V IV ) i j j i i j (6.Fundamentarea deciziilor în managementul sistemelor de producţie 6. Axiomele formulate de Von Neumann.… . Utilitatea este dependentă de timp. denumită mix probabilistic. însă ritmul său de creştere este descrescător. Ea reprezintă gradul de satisfacţie pe care îl înregistrează cel care ia o decizie optând pentru o cale de rezolvare a problemei manageriale în raport cu interesele şi obiectivele sale. consecinţele variantelor examinate pot fi exprimate cantitativ. sunt Von Neumann. calificativele oferind mai puţine informaţii pentru estimarea sa. au formulat o serie de axiome. Obiectivele pot fi exprimate cantitativ sau calitativ. elaborată în 1944. Este greu de stabilit o regulă precisă de dependentă între utilităţi şi valorile băneşti.Vn } a variantelor simple. Caracterul obiectivelor influenţează asupra nivelului de subiectivism care intervine în evaluarea utilităţii. 2. În lucrarea „Teoria jocurilor şi comportamentul economic”. Se introduc astfel probabilităţile în teoria utilităţii acceptându-se că două variante simple pot alcătui împreună o nouă variantă. utilizând conceptele de preferinţă şi indiferenţă. dacă li se asociază probabilităţi.Cercetări operaţionale. Utilităţi decizionale Utilitatea decizională exprimă efectul pe care îl urmăreşte decidentul în urma realizării unei anumite consecinţe a variantei alese. ea scade cu cât durata de timp până la realizarea consecinţelor este mai mare. De exemplu. care reprezintă reacţii subiective ale decidentului faţă de variantele între care trebuie să aleagă. sub formă de calificativ. pentru al doilea criteriu. În afara mulţimii V = { V1 .2) în care P este operatorul logic de preferinţă. Un decident care compară două variante Vi şi Vj de rezolvare a unei probleme poate exprima una şi numai una din următoarele relaţii: (V PV ). 117 . (V PV ).

Două variante decizionale Vi şi Vj se află în relaţia de preferinţă (ViPVj) dacă şi numai dacă u(Vi) > u(Vj). 0 ≤ q ≤1. (V1PV0PVi). b > 0 (6. II. în acest caz se apreciază probabilitatea p pentru care ViI[pV1=(1-p)V0] . rezultă 0 ≤ u(Vi) = p ≤ 1. Deci. atunci implicit va exprima şi relaţia [pV1+(1-p)V3]P[pV2+(1-p)V3] . Fiind date trei variante V1. U(V):V → R 6. în cazul produselor – după calitate. (ViPV1PV0).7) 3. în această situaţie se calculează probabilitatea q pentru care 1 V1I[qVi+(1-q)V0]. V2 şi V3 şi un decident care exprimă relaţia (V1PV2PV3). Utilitatea unui mix probabilistic de forma V’=[pVi+(1-p)Vj] este egală cu speranţa matematică a utilităţilor variantelor mixului: u(V’) = pu (Vi) + (1-p) u (Vj) forma: u (Vj) = a + b (Vi). 2. astfel încât (V’PV2) şi un alt mix V’’=[p’’V1+(1-p’’)V3] . după serviciile postvânzare) trebuie ca fiecărei variante decizionale Vi să i se atribuie un indicator de utilitate de ansamblu Ui de forma: U i = ¦ u ij k j . Proprietăţile anterioare permit o transformare liniară In funcţie de utilitatea de Dacă utilitatea evaluează gradul de satisfacţie după mai multe criterii (de exemplu. 5. (6. folosind două variante (V1 şi V3). q III.10) 118 . Cele cinci axiome prezentate permit să se definească funcţia de utilitate u(V) care asociază fiecărei variante o valoare din mulţimea numerelor reale sub forma (6. şi mixul lui V1 cu o a treia V3 va fi preferat mixului V2 cu V3.6).9) în care uij este utilitatea corespunzătoare variantei i pentru criteriul Cj. n .Elemente de teoria deciziei 4. în acest caz se estimează probabilitatea r pentru care V0I[rVi+(1-r)Vi]. Coeficientul de importanţă poate lua valori astfel: 0 ≤ k j ≤ 1. ¦k j =1 n j =1 (6. (V1PViPV0). cu 0 ≤ p ≤1. m. Admiţând u(V1)=1 şi u(V0)=0 se pot distinge următoarele trei cazuri: I. Această axiomă evidenţiază faptul că o variantă V1 fiind preferată alteia V2.8) (6. j =1 n i = 1.6) Utilitatea u(Vi) a variantei Vi se determină cunoscând utilităţile u(V1) şi u(V0) a doua variantă între care există relaţia (V1PV0). r −1 Pentru a se opera cu funcţia de utilitate trebuie să se exprime următoarele proprietăţi ale acesteia: 1. astfel încât (V2PV’’). şi se va lua u (Vi ) = ≤ 0. Fiind date trei variante V1. j = 1. după preţ. r 0 ≤ r ≤1. rezultă u (Vi ) = ≥ 1 . se poate construi o infinitate de mixuri probabilistice care variază continuu pe scara preferinţelor între V1 şi V3. există un mix V’=[p’V1+(1-p’)V3] . V2 şi V3. a ≥ 0. dacă un decident exprimă relaţia (V1PV2). iar kj – coeficientul de importanţă al criteriului Cj.

V2 şi V3. daca C j1 este mai impor tan t decat C j 2 ° ¯0.1 Criteriul / Varianta V1 V2 V3 C1 1 1. C2 – fiabilitatea. pesimişti) şi de impactul riscurilor. iar V3 pe bază de import din Germania. pe baza datelor din coloana 1 a matricei din tab. ale cărei elemente se fixează de către un specialist (tab.11) în care aj1j2 sunt elementele unei matrice pătrate.2. Pentru a determina coeficienţii de importanţă asociaţi criteriilor se alcătuieşte matricea A. daca C j1 este la fel de impor tan t ca C j 2 ° = ®2. k 3 = 9 9 9 Se determină utilităţile uij pentru fiecare variantă Vi şi criteriu Cj.Cercetări operaţionale. Exemplul 6.2) Tabelul 6. Soluţia optimă se alege pe baza relaţiei 6. caracterizate sumar prin datele din tab.5 1.2 A = 1 2 0 0 1 0 2 2 1 Rezultă coeficienţii de importanţă: 1 3 5 k1 = .3 C3 scăzut mediu ridicat Criteriului C3 i se asociază notele 10. Pentru a stabili elementele aj1j2 se poate utiliza relaţia: ­1. j1 j 2 j1 j 2 = j = 1. Pentru criteriul cost.6. atât pe linii cât şi pe coloane figurând aceleaşi criterii Cj. respectiv 5. în care liniile sunt numerotate cu j1 şi coloanele cu j2. 8. se poate scrie relaţia:(V1PV3PV2) 119 .1: O firmă care fabrică ascensoare şi scări rulante trebuie să opteze pentru cea mai bună variantă de asimilare în fabricaţie din trei posibilităţi V1. Se iau în considerare trei criterii: C1 – costul.2 C2 2 2. V2 – pe bază de elemente importate din Italia. Tabelul 6.Fundamentarea deciziilor în managementul sistemelor de producţie Valorile acestor coeficienţi se pot stabili cu relaţia: k j = k j1 = ¦a j2 j2 j2 j1 j 2 ¦¦ a .5 2. fiind considerată aşa cum rezultă din aprecierile subiective ale decidenţilor.1 unde V1 reprezintă asimilarea pe bază de componente din ţară. iar C3 – efortul valutar necesar.12) În unele cazuri funcţia utilităţii nu poate fi apreciată ca liniară. k 2 = .6. (6.9. in rest a j1 j 2 (6. n.6. în funcţie de factura lor psihică (optimişti.

5 − 1. Pentru criteriul efort valutar. 9 9 9 9 3 5 1 2 3 U 2 = ⋅ 0 + ⋅1 + ⋅ = .6. u (V2 )3 = 5 Pentru criteriul fiabilitate. 9 5 9 5 9 15 U1 = Pentru a le compara aducem la acelaşi numitor Ui şi avem relaţia de preferinţă pentru cele trei variante este (V2 PV3 PV1).Elemente de teoria deciziei Se atribuie valorile 1 şi 0 unităţii variantelor extreme din relaţia de preferinţă respectiv: u(V1)=1.3 Reprezentarea din fig. respectiv realizarea ascensorului importând elemente componente din Italia.u (V2) = 0 Se formează un mix probabilistic QV1 + (1-p)V2 şi se scrie relaţia de indiferenţă între V3 şi acest mix : V3I[pV1 + (1-p) V2] Aplicând proprietatea I a funcţiei de utilitate rezultă: u (V3)1 = p Valoarea lui p se calculează utilizând relaţia de liniaritate a funcţiei de utilitate.2 3 = = u (V3 )1 1. u (V1 )2 = 0.6. u (V3 )3 = 0. 9 9 9 5 5 3 3 5 3 1 8 U3 = ⋅ + ⋅ + ⋅ 0 = . u (V3 )2 = 5 Se calculează utilităţile globale Ui pe baza relaţiei 3 5 1 4 ⋅1 + ⋅ 0 + ⋅1 = .3 corespunde pentru criteriile la care utilitatea este invers proporţională cu valoarea lor numerică (exemplu – costul). care are valoarea direct proporţională cu utilitatea.2 Xmin 0 3/5 1 u(V) Fig. 120 .5 − 1 5 X Xmax 1. se aplică formula de interpolare X i − X min p= X max − X min Utilităţile variantelor sunt: 3 u (V2 )2 = 1. Rezultă că varianta optimă este V2. prin interpolare (fig.5 şi Xmin = 1 p= 1.3) X max − X i p= X max − X min în care Xmax = 1. rezultând: 2 u (V1 )3 = 1.6.

13) respectiv varianta optimă este cea care are cel mai ridicat nivel al sumei unităţilor. ………. un1 ……….1.3 corespunde unei probleme cu n variante decizionale Vi i = 1. ………. Rnj ………. Ri1 . ………. Vi . ………. n . unm Metoda aditivă Dacă coeficienţii de importanţă ai criteriilor decizionale sunt identici. . 121 . . ui1 . Cm u1m . stabilirea variantei optime. m criterii de decizie C j j = 1. ………. . Cj R1j Rij . 45 U3 = 4 . . m şi conţine rezultatele sau consecinţele decizionale Rij. ………. . ………. ………. Rim . .3. Rn1 ………. . care permite să se aducă la acelaşi numitor comun consecinţele decizionale exprimate diferit prin transformarea lor în unităţi (tab. în ipoteza că criteriile sunt independente. stabiliţi în funcţie de: . .Fundamentarea deciziilor în managementul sistemelor de producţie U1 = 20 . i j =1 m (6. Cj u1j uij . . Vn C1 u11 . Vn C1 R11 . se face pe baza relaţiei: Vopt = max ¦ u ij .Cercetări operaţionale.3 Criterii / Variante V1 . Cm R1m . Tabelul 6.3. 6.Atitudinea decidentului faţă de criteriile de decizie. Optimizarea deciziilor în condiţii de certitudine Situaţia de certitudine se caracterizează prin faptul că predomină variabilele controlabile. . Vi . ……….Situaţia economico–financiară a firmei.4 Criterii / Variante V1 . . Rnm Matricea decizională din tabelul 6. uim . unj ………. 45 U2 = 27 . Se apelează la metode şi tehnici de optimizare a deciziilor multidimensionale care au la bază teoria utilităţii. ( ) ( ) Tabelul 6. Metoda utilităţilor globale Criteriile de decizie pot să aibă coeficienţi de importanţă diferiţi.6. ………. ………. ………. .4). . . iar rezultatele obţinute pentru fiecare variantă se pot anticipa uşor. . Specificul economic şi manageriala domeniului în care se integrează problema decizională. 45 6.

dar şi limite. daca u l ≥ u k ° d (Vl . În această situaţie se determină utilitatea globală pentru fiecare variantă decizională cu relaţia: U gi = ¦ k j u ij j =1 m (6.1]. Vk) ≤ 1 (6. Se calculează indicatorii de discordanţă. Metoda ELECTRE Metoda ELECTRE (Elimination et Choix Traduisant la Réalité – metodă de clasament şi alegere în prezenţa unor puncte de vedere multiple) a fost elaborată de Şcoala franceză de management. 0 ≤ d (Vl . k = 1. dacă u ∈ [0.14) în care: kj – coeficientul de importanţă al criteriului Cj. La baza utilizării acestei metode stă matricea utilităţilor.Vk ) = ® 1 max (u k − u l ).17) Etapa II. după relaţia: C (Vl . generate de subiectivismul stabilirii coeficienţilor de importanţă ai criteriilor decizionale. determinată de criteriul j. Ea foloseşte pentru rezolvarea unor probleme decizionale complexe. m j (6. Vopt = max U gi i (6. Etapa I. respectiv al criteriilor cărora le corespunde (VlPVk). legate de simplitatea în utilizare şi alegerea relativ rapidă a variantei optime.3. 6.. care arată depăşirea variantei Vl de către Vk utilizând formula: ­0.2. Jc – mulţimea indicilor criteriilor concordante. Vk ) ≤ 1 (6. uij . l .Elemente de teoria deciziei Amploarea şi complexitatea mediului înconjurător şi intensitatea influenţei exercitată de acesta asupra firmei şi asupra problemei care trebuie rezolvată.15) Metoda are avantaje. pe baza valorii criteriilor.18) 122 . ul ≥ uk 0 ≤ C(Vl.utilitatea aferentă variantei i. o altă variantă Vk. pentru u l < u k ° ¯e (6.16) în care: kj – coeficientul de importanţă al criteriului Cj. Varianta optimă se stabileşte pe baza relaţiei.18) în care e este marja maximă între utilităţile aceluiaşi criteriu. Se stabilesc indicatorii de concordanţă care evidenţiază măsura în care o variantă Vl surclasează.Vk ) = ¦k j∈J c m j ¦k j =1 . atunci e = 1.

Determinarea variantei optime se face prin operaţii succesive de surclasare a variantelor cu ajutorul unor relaţii de forma: C (Vl .Cercetări operaţionale. se acordă lui Vl 2 puncte şi lui Vk – 0. până ce se poate stabili care variantă le surclasează pe toate celelalte.20) 6. Se consideră că fiecare variantă se autodomină: M = ¦ M Cj j =1 m (6.Vk ) − max d (Vl . V2. Etapa III.22) unde M Cj este matricea corespunzătoare criteriului Cj.1] ). ceea ce reprezintă o limită a metodei ELECTRE.18) se observă că indicatorii de concordanţă se determină în raport cu coeficienţii de importanţă ai criteriilor.3.21) în care Pi (k ) este puterea de ordinul k a liniei i. Metoda LEADER-ului Metoda LEADER-ului are la bază determinarea variantei dominante în ansamblul soluţiilor pe baza relaţiei: max Pi (k ) = max ¦ a ij Pi ( k −1) Ÿ Vopt i i (6. iar aij elementul din linia i şi coloana j a matricei M. V3. cu condiţia ca p să fie cât mai apropiat de 1 şi q cât mai aproape de 0.2 Se analizează mai multe variante de procese tehnologice de obţinere a unui produs (V1. iar arcurile cu săgeţi indică dominanţa şi a punctajului stabilit astfel: Dacă soluţia Vl domină varianta Vk. Prin scăderea pragului p şi creşterea pragului q se obţin grafuri succesive având tot mai multe legături între variante. Pentru a elimina volumul mare de muncă pe care îl presupune construirea grafurilor se poate folosi o metodă ELECTRE analitică ce permite stabilirea variantei optime pe baza relaţiei: max Pi (k ) ªmin C (Vl . Exemplul 6. Matricea M se construieşte pe baza grafurilor relaţiilor de dominanţă – în care variantele sunt noduri.Fundamentarea deciziilor în managementul sistemelor de producţie Din relaţiile (6.Vk ) ≥ p d (Vl . Dacă două variante au aceeaşi influenţă una asupra celeilalte. V4).Vk )º Ÿ Vopt « » i j ¬ j ¼ (6.3.16) şi (6. q ∈ [0. Fiecărei perechi p. se dă fiecăreia un punct. q). Variantele sunt analizate în funcţie de următoarele criterii: 123 . iar indicatorii de discordanţă în raport de utilităţile variantelor care se compară. q i se asociază un graf G(p.19) în care p şi q constituie o pereche de valori ( p.Vk ) ≤ q (6.

Elemente de teoria deciziei 1 – costul de implementarea a procesul tehnologic (unităţi monetare).461 C2 0 2. Tabelul 6.5 1 0 1 4 ¦u j =1 ij 1 1. 4 – eficienţa de reducere a noncalităţii.807 1 0. k2 = 3. bună Pentru stabilirea deciziei optime se utilizează conceptul de utilitate.845 C3 1 0 2 0 C4 3. bună Slabă F.5 9. se observă că unele sunt exprimate cantitativ.306 124 . Valorile acestor coeficienţi sunt: k1 = 3.884 3 2. k4 = 7.615 C3 0.7 care constituie utilităţile globale. corespunzătoare acestor criterii.14 şi rezultă: max ¦ u ij = 3 i j =1 4 Varianta optimă este V3.6) Tabelul 6. Pentru a aplica Metoda utilităţii globale se acordă criteriilor coeficienţi de importanţă diferiţi şi C4 va avea coeficientul de importanţă maxim pentru că obiectivul urmărit îl constituie creşterea eficienţei în reducerea noncalităţii.7 Vj / Cj V1 V2 V3 V4 C1 0 0. iar altele calitativ.15 şi 6.231 3 1. În tabelul 6. admiţând o dependenţă liniară intre consecinţe şi utilităţi şi 0 ≤ u ≤ 1. 2 – cheltuieli anuale de mentenanţă (unităţi monetare) 3 – posibilitatea de automatizare a sistemului de producţie.6 Criteriul / Varianta V1 V2 V3 V4 C1 0 0.5 Criteriul / Varianta V1 V2 V3 V4 C1 540 540 150 350 C2 360 150 100 200 C3 Medii Dificile Bune Dificile C4 Bună F.02 Conform Metodei aditive sau Von Neumann – Morgenstern se aplică relaţia 6. se prezintă performanţele variantelor.487 C2 0 0. k3 = 2. În acest caz se aplică relaţiile 6. Tabelul 6.652 8 10. Se alcătuieşte matricea unităţilor (tabelul 6.421 3 1.5.077 1 0.5 7 0 7 ¦k u j j =1 4 ij 4.5 0 1 0 C4 0.16 pe baza datelor din tabelul 6.

125 .867 0.133 0 .9 V1 V1 V2 d(V L .8 Tabelul 6.306 i j =1 4 Rezultă ca varianta optimă este V4.16).8 0. care însumând matricele asociate grafurilor corespunzătoare celor patru criterii decizionale considerate.192 1 0.. admiţând puterea de ordinul 0 egală cu 1.4 67 0.6.5 1 0.533 0. Dacă apare o situaţie de indecidabilitate.Fundamentarea deciziilor în managementul sistemelor de producţie max ¦ k j u ij = 10. P3(1) = 22.Cercetări operaţionale.9) utilizând relaţiile (6.5 0.V k ) V3 V4 0.807 V3 1 1 V4 0.d.867 V2 V3 V4 0.18) şi utilităţile din tabelul 6.5 V2 0. se acceptă oricare dintre variante.615 0.8) şi indicatorii de discordanţă (tabelul 6.467 0.m. Pe baza relaţiei (6. Tabelul 6.533 0. În urma aplicării celor patru metode rezultă ca optimă decizia privind varianta V3.133 0 .21).533 0. până se depărtează varianta optimă.8 V1 V1 V2 C (V L . se stabileşte puterea de ordinul 2 ş. Dacă soluţia dominantă nu se poate determina. P4(1) = 16 Se alege varianta optimă V3.41 Stabilirea variantei optime aplicând Metoda LEADER-ului se face pe baza grafurilor relaţiilor de dominanţă între variante şi a matricei M. P2(1) = 16. P1(1) = 10.463 0.V k ) V3 V4 0. se calculează pentru fiecare linie puterea de ordinul 1. Pentru a aplica Metoda ELECTRE se calculează indicatorii de concordanţă (tabelul 6. respectiv (6.a.

Elemente de teoria deciziei Grafurile relaţiilor de dominanţă între variante Matricile asociate fiecărui graf V1 V2 MC1 = 1 2 2 2 0 1 2 2 0 0 1 0 0 0 2 1 V4 GC1 V1 V3 V2 MC2 1 = 2 2 2 0 1 2 0 0 0 1 0 0 2 2 1 V4 GC2 V3 V1 V2 MC3 1 = 0 2 0 2 1 2 1 0 0 1 0 2 1 2 1 V4 GC3 V1 V3 V2 MC4 1 = 2 0 2 0 1 0 1 2 2 1 2 0 1 0 1 V4 GC4 V3 M= 4 6 6 6 2 4 6 4 2 2 4 2 2 4 6 4 126 .

Fundamentarea deciziilor în managementul sistemelor de producţie 6. care corespunde şi utilităţile sinteză. k = 1.p1 U1 U11 Ui1 Um1 … … … X1 … u11p … ui1p … um1p … Xn … u1np uinp umnp Np. ¦p k =1 p k =1 (6. 0 ≤ p k ≤ 1.6. cercetare-dezvoltare.Nk. dar acesta caută să aleagă căi cu evenimente care minimizează pericolele.10 Criterii / Variante V1 Vi Vm X1 … u111 … ui11 … um11 … Xn … u1n1 uin1 umn1 STĂRI ALE NATURII . anumite stări ale naturii (care nu sunt controlabile de către decident). Astfel.10. m. Optimizarea deciziilor în condiţii de risc Existenţa mai multe stări de condiţii obiective pentru care se cunosc probabilităţile de realizare.Np) pentru care se cunosc probabilităţile pk care satisfac condiţiile (6.PROBABILITĂŢI N1. n criterii şi p stări ale naturii se prezintă în tabelul 6. k =1 n i = 1.pp Up U1p Uip Ump Utilitatea sinteză a variantei decizionale i în starea de condiţii obiective k se determină cu relaţia: U ki = ¦ U ijk . el minimizează riscul la care se poate expune. Pentru aceasta se procedează la o analiză probabilistică de evaluare şi selecţie decizională. criteriu sau stare a naturii.24) Speranţa matematică a rezultatelor în varianta Vi va fi: E (Vi ) = ¦ U ik p k k =1 p (6. Metoda speranţei matematice Metoda speranţei matematice foloseşte modelul aditiv pornind de la o matrice.Cercetări operaţionale. fără a-l elimina complet. marketing ş.4. procesul de decizie se desfăşoară în condiţii de risc. Tab.23). ….25) 127 . Metodele cantitative întrebuinţate cel mai des în acest scop sunt metoda speranţei matematice şi tehnica arborelui decizional.a. Stările de condiţii obiective nu sunt controlabile de către decident. cu cel puţin două stări de condiţii obiective. Asemenea probleme stohastice apar frecvent în anumite domenii de activitate: producţie. şi care cuprinde utilităţile consecinţelor (rezultatelor) pentru fiecare variantă.…. dacă fenomenele sunt aleatoare. p (6. Fie o mulţime de stări ale naturii (N1.23) Matricea utilităţilor corespunzătoare celor m variante.

75 pA Fig. Se calculează speranţele matematice ale costurilor pentru fiecare variantă. min E (Vi ) Ÿ Vopt i (6. Mij-costul mentenanţei dacă se aplică varianta Vi şi defectul este în partea j.26). productivitatea. să se abordeze mai întâi subsistemul A. E(V2) 1 0 0. V1 – Când se produce defectarea. Cele trei speranţe matematice se pot reprezenta grafic. V3 – Se apelează la o firmă de service specializată. dacă defectul se găseşte în B se consideră că mentenanţa are cost zero. de exemplu: investiţii. varianta optimă se determină din condiţia de minimizare a riscului. 2 în care pj este probabilitatea ca defectul să fie în partea j. iar dacă defectul este în B mentenanţa va costa 2000 $.5 0. varianta optimă va fi cea care satisface condiţia (6. consumuri specifice. costul fiind 1000 $. max E (Vi ) Ÿ Vopt (6. încasările din vânzări.6.25 0.3 128 .26) i Dacă rezultatele exprimă eforturi.Elemente de teoria deciziei Dacă rezultatele (consecinţele) sunt exprimate prin efecte economice. cum sunt: profitul.3 1. E (V1 ) = 0 ⋅ p A + 2000(1 − p A ) = 2000 − 2000 p A . V2 – Când se produce defecţiunea se abordează la început partea B.27) Exemplul 6. Există trei variante de mentenanţă corectivă pentru această instalaţie.) E(Vi) 103$ 4 3 2 E(V1) E(V3) E (V2 ) = 4000 ⋅ p A + 0(1 − p A ) = 4000 p A . iar dacă defectul este în A costul mentenanţei va fi 4000 $. Se cere să se stabilească varianta optimă. cheltuieli de exploatare. O instalaţie energetică compusă din două părţi A şi B se defectează aleatoriu. E (Vi ) = ¦ M ij p j j =1 în care E(Vi) este speranţa matematică a costurilor corespunzătoare variantei Vi. dacă defectul este găsit în A costul mentenanţei se consideră nul. admiţând că : ¦p j =1 2 j = 1 Ÿ pB = 1 − p A . în funcţie de pA (fig. E (V3 ) = 1000$.

matematicieni şi informaticieni. în care ramurile reprezintă evenimente. Se constată că la valori diferite ale lui pA corespunde decizii diferite. Pentru a micşora influenţa dezavantajelor prezentate se impune studierea aprofundată de către specialişti şi manageri a factorilor care condiţionează situaţia decizională. economişti specializaţi în probleme de costuri şi preţuri. Din proprietăţile exprimate anterior rezultă că evaluarea întregului sistem şi determinarea deciziei optime se poate face începând cu nodurile finale şi efectuând deplasarea în sens invers celui urmat de procesul real.Cercetări operaţionale. Nodurile pot să fie de decizie (O) – în care decidentul efectuează alegerea . lansarea unui nou produs.Valoarea fiecărui nod în care natura efectuează alegerea depinde numai de evenimentele viitoare(nu şi de deciziile precedente).25 – decizia optimă este V2. până se ajunge la nodul iniţial.şi noduri ( ) în care responsabilitatea alegerii uneia dintre variantele posibile revine naturii. când abordarea chestiunii complexe se face pe un interval mai lung de timp. economişti profilaţi pe studiul pieţei. Acest procedeu de evaluare a consecinţelor fiecărei variante. iar nodurile sunt punctele în care apar diversele variante. dirijată de un manager de nivel superior şi formată din: specialişti în elaborarea strategiei şi politicii globale a firmei. specialişti în investiţii. mărginit superior de costurile minime asociate celor trei variante. probabilitatea sporită de a lua decizii fundamentale în condiţii deosebit de complexe.Fundamentarea deciziilor în managementul sistemelor de producţie Se observă că soluţia optimă se găseşte în trapezul haşurat. 0. Avantajele folosirii acestui model în adoptarea deciziilor sunt: prevederea implicaţiilor unui set de decizii strategice succesive eşalonate de-a lungul unei perioade lungi de timp (uneori câţiva ani). Modelul arborelui de decizie se utilizează în domenii ca: definirea deciziilor strategice ale firmei. stabilirea unui program de cercetare – dezvoltare.5 – decizia optimă este V3. De exemplu. valoarea nodului actual se obţine scăzând costul deplasării din valoarea nodului următor. Zn nodurile în care alegerea revine decidentului este preferată acea decizie pentru care următorul nod la care se ajunge este cel mai avantajos. deoarece de fiecare dată se ia în considerare doar setul de factori sau evenimente implicate într-o singură fază a procesului decizional şi nu întreaga succesiune a acestora. 129 . deci este necesară o succesiune de decizii.25 < pA ≤ 1 – decizia optimă este V1. Modelul arborelui de decizie Modelul arborelui de decizie se aplică în probleme de decizii în condiţii de risc. dacă s-a stabilit că pA = 0. 0.25 < pA ≤ 0. adică unor factori independenţi de cel care ia hotărârea.3 atunci decizia optimă este să se încheie contract cu firma de service. Deci rezolvarea problemei depinde de valoarea probabilităţii pA. Este necesar să se alcătuiască o echipă de folosire a arborelui decizional. cunoscut sub numele de „rollback” simplifică tratarea problemelor decizionale complexe. tehnologi. respectiv: 0 ≤ pA ≤ 0. Dezavantajele sunt legate de numărul relativ scăzut de variante care se pot lua în considerare şi de faptul că erori mici în determinarea probabilităţilor de producere a evenimentelor aleatoare pot să aibă mari repercursiuni asupra valorilor finale cu consecinţe asupra exactităţii anticipării rezultatelor economice. Principiile care stau la baza aplicării modelului arborelui decizional sunt: . Reprezentarea grafică a succesiunii proceselor decizionale se face printr-un arbore de decizie.

Elemente de teoria deciziei 130 .

Bucureşti. Nica V. 2002.. Ed. Metode şi modele ale cercetării operaţionale. Ciobanu Gh. Ed. – Bazele ingineriei şi managementului sistemelor de producţie. 1995 Hillier F... Bucureşti 1981. Mustaţă F. Academiei.. Dinescu C. Roşu M.Cercetări Operaţionale. Ciobanu Gh.. MatrixRom.. Didactică şi Pedagogică. Nica V. Fundamentarea deciziilor în management . Printech 1999.Fundamentarea deciziilor în managementul sistemelor de producţie BIBLIOGRAFIE [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] Armeanu A. – Programarea liniară. Desbazeille G. Ionescu V. Mărăcine V. 1971. Melnic L. MatrixRom.. Ed.. Ed. 2001. Dijmărescu I. – Managementul operaţional al proiectelor – Ed Bren. Bucureşti. 2000 131 . Ţigănescu E.I.Junimea . Ed. Introduction to operational research. Kaufmann A.. Limberman G. Bucureşti.. Săvulescu B. – Cercetare operaţională cu aplicaţii în economie. Blajină Ovidiu... Neagu C. 1972. Metoda Drumului Critic. Bucureşti.. Dumitrescu M. – Modele de programare şi conducere a proceselor economice – EDPRA. – Teoria deciziei şi Cercetare Operaţională. 1990 Ionescu H. – Bazele Managementului. Ed.. Niculescu C. Mustaţă F. Ciobanu Gh. Didactică şi Pedagogică.Printech 2001 Boldur-Lăţescu G.Cercetări operaţionale cu aplicaţii în economie. Ed. Bucureşti. Zidăroiu C. Ed. 2002. New-York. Ed. Bucureşti. Niculescu.. Ed. Iaşi.. UPB. Ed.Tehnică. . Nădejde I.Ed.. Mitruţ D..Cercetări Operaţionale. Mărăcine V.Ştiinţifică. Didactică şi Pedagogică.. Bucureşti. Mustaţă F. 1995. – Probleme ale cercetării operaţionale . Bucureşti 1998. Rusu Elisabeta. Săcuiu I. Nica V. Kaufmann A. – Probleme de cercetare operaţională – Ed. 1967 Neagu C. Bucureşti. – Cercetări Operaţionale. Note de curs. 1996. Ed. Bucureşti. 1979. Bucureşti. Bucureşti 1971.. 1999 Bărbatu Gh.. MatrixRom.. – Cercetări operaţionale.Tehnică. Blajină Ovidiu... – Cercetarea operaţională în întreprinderile industriale. McGraw-Hill Publishing Company. Mărăcine V.

Sign up to vote on this title
UsefulNot useful