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 .

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

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

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

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

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

5). Obiectivul este sub forma unei funcţii ale cărei valori maxime sau minime le căutam şi care se numeşte funcţia obiectiv (scop. Conceptul de optim se defineşte... ca un program (soluţie) x∈ Rn care minimizează sau maximizează o funcţie obiectiv şi. maximizarea veniturilor etc. prin intermediul coeficienţilor c j . § c1 · ¨ ¸ ¨ c2 ¸ c = ¨ ¸ . În practica industrială. având fiecare un rol specific: 1.. + a mn x n ≤ bm ¯ (2. Obiectivul studiului îl constituie optimizarea unui anumit rezultat dependent de aceleaşi variabile ce figurează în restricţii.x= ¨ 2¸ . ¨ ¸ ¨x ¸ © n¹ ­ a11 x1 + a12 x2 + .6) Sintetizând toate datele de mai sus.. Presupunând că fiecare coeficient .9)de programare liniară. c T = (c1 c 2 . Relaţiile (2. ¨ ¸ ¨c ¸ © n¹ cj ∈R. minimizarea costului producţiei.9) constituie împreună modelul matematic al unei probleme de programare liniară. ce pot fi costuri unitare în cazul problemelor de minim..cj măsoară eficienţa unei unităţi din rezultatul activităţii Aj.7. + a x ≤ b ° 21 1 22 2 2n n 2 ® ° ° a m1 x1 + a m2 x 2 + . evaluează eficienţa/performanţa fiecărei soluţii (program) x. 2.. atunci se poate introduce funcţia obiectiv liniară (2. maximizarea producţiei marfă. satisface toate restricţiile tehnico-economice. în acelaşi timp.c j .4) Fiecare restricţie (inecuaţie de tipul „ ≤ ”) cuprinde afirmaţia prin care cantitatea consumată dintr-o resursă nu poate depăşi volumul disponibil din resursa respectivă. (2.. denumită funcţia obiectiv a problemei... + cn⋅xn (2.8) şi (2. în acest caz..3) (2. c ∈ Rn (2. eficienţă).c n ) .6) : z = c1⋅x1 + c2⋅x2 + . + a1n x n ≤ b1 ° a x + a x + . 2. ea reprezintă criteriul de performanţă urmărit: maximizarea beneficiului. Variaţia funcţiei obiectiv arată evoluţia volumului activităţilor. relaţia (2. obţinem următorul model (2.Programare liniară § x1 · ¨ ¸ ¨x ¸ n x∈ R .7).7). maximizarea gradului de încărcare al utilajelor sau minimizarea timpului de staţionare al acestora.5) Decizia cu scopul unei eficienţe maxime presupune minimizarea efortului şi maximizarea rezultatului. sau profituri unitare pentru probleme de maxim (2. 8 ...8.

Decizia obţinută cu ajutorul modelului nu poate fi recomandată nemijlocit pentru realizare... iar criteriul de optimizare ales impune în unele cazuri maximizarea iar în alte cazuri minimizarea funcţiei obiectiv..Fundamentarea deciziilor în managementul sistemelor de producţie min(max) z = ¦ c j x j x j =1 n (2. j = 1. iar restricţiile de tipul j =1 ¦ aij ⋅ x j ≥ bi impun un consum peste limitele minimale.2...xn....... Problema de programare liniară constă în optimizarea unei funcţii liniare cu restricţii liniare..... ° ° a m1 x1 + a m 2 x 2 + .9) 2. + c n x n ° a x + a x + ..Cercetări Operaţionale.. Relaţiile (2...8) (2. 2.11) reprezintă sistemul de restricţii ale problemei. aij ∈ R (i = 1...8) de tipul ¦ aij ⋅ x j ≤ bi reprezintă restricţii ce corelează volumul consumului j =1 activităţilor cu cel al disponibilului pentru fiecare resursă. 9 ..a mn x n ≤ (≥ )(= )bm ¯ (2.. notată cu z reprezintă funcţia obiectiv a problemei. se poate defini forma generală a problemei de programare liniară. Forme ale problemei de programare liniară O problemă de programare liniară este......... bi ∈ R (i = 1.10). cele ce au la bază o serie de factori ce nu pot fi formalizaţi.. un caz particular al problemelor de programare matematică şi... n).. asigură obţinerea unei soluţii realizabile în practica industrială.. ţinând cont de forma oricărei funcţii liniare... • Forma generală a problemei de programare liniară ­min(max) z = c1 x1 + c 2 x 2 + .…...n. numită condiţia de nenegativitate a variabilelor. Funcţia liniară (2. În practica industrială programarea liniară oferă soluţii care pot motiva ştiinţific luarea unor decizii de natură strategică.. n).a x ≤ (≥ )(= )b 12 2 1n n 1 ° 11 1 ° ® a 21 x1 + a 22 x 2 + .10) (2.....a 2 x n ≤ (≥ )(= )b2 ° ... x2... tactică sau a unor decizii cu conţinut tehnico – organizatoric... relaţiile (2.9) xj ≥ 0 j = 1...1. la fel ca şi funcţia obiectiv.. m. deoarece modelul face abstracţie de o serie de aspecte ale fenomenului studiat.. sunt restricţii tehnico-economice n de tip calitativ... iar membrul stâng al fiecărei relaţii aste o funcţie liniară în variabilele x1...7) ­n ° ¦ aij ⋅ x j ≤ bi = ° jn 1 ° ® ¦ aij ⋅ x j ≥ bi ° j =1 ° xj ≥ 0 ° ¯ n 1≤ i ≤ k k +1≤ i ≤ l 1≤ j ≤ n (2... 3.... relaţia (2.11) unde: c j ∈ R ( j = 1. 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 şi (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

13 . pe baza unui criteriu economic (cel mai uzual – maximizarea profitului sau în alte cazuri minimizarea costurilor). m n (2.23) • Problema de transport Un produs omogen P este stocat în m depozite Di. Se cere determinarea unui plan de transport astfel încât costul total de transport să fie minim. 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 = ¦ c j x j ° j =1 ° ° ® ¦ aij x j ≤ bi ° xj ≥ 0 ° ° ¯ (2.20) şi (2. presupune cunoaşterea profitului total.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 .21) Sistemul de inecuaţii (2. preferabil. ∀j = 1. în cantităţile ai .în cantităţile bj. Adoptarea unei variante de plan (în fapt fundamentarea deciziei) se face. n .22) Deci.20) - condiţiile de nenegativitate asigură obţinerea unei soluţii realizabile din punctul de vedere al logicii practice industriale. Acest fapt face evidentă imposibilitatea practică a managerului de a compara toate variantele de plan posibile deci este necesară introducerea unui alt criteriu.21) poate avea o infinitate de soluţii. Aplicarea acestui criteriu economic. eficienţă) va fi : max f = ¦ c j x j j =1 n (2. deci putem organiza procesul de producţie pentru realizarea produsului P într-o infinitate de moduri dar respectând condiţiile anterioare .Cercetări Operaţionale. Deci : ¦ c j x j reprezintă profitul total pentru produsele Pj j =1 n Funcţia obiectiv (scop. xj ≥ 0 .Fundamentarea deciziilor în managementul sistemelor de producţie Elaborare modelului matematic al problemei Condiţii generale de desfăşurare a activităţii analizate : . j = 1. n (2. Se cunosc costurile cij pe unitatea de produs transportată de la centrul Di la centrul Cj . ∀i = 1. i = 1. m şi este cerut de spre a fi transportat la n centre de consum Cj .

i = 1. ∀i = 1. bj = cantitatea cerută de consumatorul j ( 1<j<n). j = 1.25) • 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. i = 1. bj . m (2. n .Programare liniară Elaborarea modelului matematic al problemei Notaţii : ai = cantitatea din produs care se află în depozitul i.24) • cantitatea transportată de la toate cele m depozite la consumatorul Cj reprezintă necesarul acestuia.26) • variabilele satisfac evident condiţia de nenegativitate : xij ≥ 0 (2. n (2. xij= cantitatea ce urmează a fi transportată de la depozitul i la consumatorul j . n ° j =1 ° x ≥ 0. j = 1. cij= costul unitar al transportului din depozit la consumator. m ® j =1 ° n ° ¦ xij = bi . 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 .28) Se obţine un program liniar. n ¯ ij (2.27) • funcţia obiectiv este următoarea : min ¦¦ cij xij i =1 j =1 m n (2. 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 .29) 14 . ¦x i =1 m ij = bj j = 1. j = 1.

i = 1. modelul matematic al problemei este: m n  min f = ∑ ∑ cij xij  i =1 j =1  n  x = b . i = 1. n (2. din atelierul de montaj astfel încât cheltuielile totale necesare să fie minime. m i  j∑1 ij = m  ∑ aij xij ≤ t j . n . m. necesare pentru montajul cantităţilor repartizate din cele m produse. t j . 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. ∀i = 1. j = 1. echipelor.Cercetări Operaţionale.Fundamentarea deciziilor în managementul sistemelor de producţie • Problemă de repartizare a sarcinilor de producţie Într-un atelier de montaj echipele E j .timpul necesar pentru montajul unei cantităţi de produs Pi de către echipa E j . m .31) Oricare echipă poate executa produse în limita fondului de timp disponibil: ¦a x i =1 m ij ij ≤ t j . bi . cheltuielile celor n echipe.32) Variabilele xij se supun condiţiei de nenegativitate: xij ≥ 0. i = 1. m . n .timpul de lucru disponibil al echipei E j .cantitatea planificată din produsul Pi .33) (2. Să se stabilească o repartizare a produselor. j = 1. j = 1. n Deci. Activitatea atelierului este caracterizată de următoarele date cunoscute: aij .30) Cantitatea de produse de fiecare tip planificată trebuie realizată: ¦x j =1 n ij = bi . Funcţia obiectiv este o funcţie de cost. j = 1. n i =1  xij ≥ 0. cij . funcţia trebuie minimizată: min f = ¦ ¦ cij xij i =1 j =1 m n (2. m (2. n  (2. j = 1. m. respectiv. produsele Pi . i = 1.cheltuielile necesare pentru montajul unei unităţi de produs Pi de către echipa E j . ∀i = 1. j = 1. pot monta cu randamente diferite.34) • Problemă de utilizare a capacităţii utilajelor 15 .

36) Variabilele xj se supun condiţiei de nenegativitate: x j ≥ 0. Se cunosc: procentul aij din capacitatea utilajului i necesar pentru producerea unei unităţi din produsul j. Să se stabilească un program de fabricaţie care să permită utilizarea optimă a capacităţii disponibile a celor m utilaje. Elaborarea modelului matematic al problemei: Variabilele problemei sunt cantităţile de produse fabricate în perioada considerată. m ° j =1 ° x ≥ 0.2. Funcţia obiectiv este profitul total obţinut de firmă pentru cele n tipuri produse.1. Consideraţii generale privind problemele de programarea liniară 2.37) (2. Se notează cu xj.39) Sistemul de ecuaţii Ax=b are o infinitate de soluţii. 16 . numărul de produse de tipul j = 1. m (2. n . i = 1. j = 1. modelul matematic al problemei este: n ­ °max f = j¦1c j x j = ° °m ® ¦ aij xij ≤ 1.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.38) 2. i = 1. n ° j ¯ (2. x ∈ R n ° ® A ∈ M m . deci trebuie să se găsească în mulţimea soluţiilor o soluţie ce realizează valoarea optimă (minimă sau maximă ) a funcţiei obiectiv.35) Restricţiile de capacitate ale celor m utilaje se exprimă sub forma: ¦a j =1 m ij xij ≤ 1. Soluţii şi fundamente ale problemei de programare liniară Fie problema de programare liniară dată în formă standard matricial: ­min(max)c T x ° .n ° b ∈ Rm ¯ (2. unde ® Ax = b ° x≥0 ¯ ­C . n . j = 1. n Atunci. funcţia trebuie maximizată: max f = ¦ c j x j j =1 n (2. profitul unitar cj al produsului j = 1.2.

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

1< i < p . cel mult p până se va ajunge la primul caz şi se obţine un program optim de bază pentru problema dată.. 0.ap ∈ A corespunzători celor p componente nenule ale lui x sunt liniari independenţi.. 0. yi < 0.1: Fie V un spaţiu liniar peste corpul R şi x. ceea ce contrazice faptul că x este program optim. Definiţia 2.42) Dacă p = 0. . x + λy este soluţia sistemului Ax=b astfel putem determina valori ale lui λ pentru care x + λy este program pentru problema (2. 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. …xp . deci vectorul x + λy este program.+apyp = 0 (2.deoarece în caz contrar alegând pe λ de semn contrar valorii lui c T y .. 0 . atunci x este program de bază. I2 = Φ ¯+ ∞ (2.Programare liniară x = ( x1 . Atunci. λ 2 ] . Mulţimea vectorilor [x. Dacă p > 0.0 ≤ λ ≤ 1 } se numeşte segment al lui V (uneşte vectorul x cu vectorul y ). obţinem: A( x + λy ) = Ax + λAy = b. 1< i <p .43) Relaţia (2. λ 2 nu pot fi ambele infinit) x În caz particular. atunci există două posibilităţi: . ( ∀ ) λ ∈ R Deci. deci este îndeplinită şi condiţia: x + λy > 0 Notăm: I1 = mulţimea indicilor i . Prin urmare c T ( x + λy ) = c T x . y2 . x2 . y doi vectori din V.44) Deci pentru oricare λ ∈ [λ1 . a2 . y ∈ M şi 18 . y ] = {X ∈ V / X = (1 − λ) x + λy.. adică x+ λy este program optim. Fie: xi ­ ° max(− y ).2: O mulţime M de vectori din V se numeşte mulţime convexă dacă (∀) x. Astfel putem alege o valoare λ0 pentru care vectorul x + λ0y să aibă cel mult p-1 componente nenule. avem îndeplinită condiţia: x + λy ≥ 0. . .0 )T. a2 . 0 . Notăm cu y vectorul cu primele p componente nenule şi următoarele componente n-p nule: y = (y1. I 1 ≠ Φ i λ1 = ® i∈I1 ° . …yp.43) se poate scrie sub următoarea formă echivalentă : Ay = 0 cu y ≠0.41). y2. atunci x = 0 deci afirmaţia teoremei este evidentă. • Dacă coloanele corespunzătoare componentelor sunt liniar dependente atunci se reia algoritmul într-un număr finit de paşi. I 2 ≠ Φ i λ2 = ® i∈I 2 ° . x3 . deci λ0 ∈ (λ1 + λ 2 ) ( λ1 . I1 = Φ ¯− ∞ xi ­ ° min (− y )..0)T • • (2. Definiţia 2. Rezultă că c T y = 0 .ap ∈ A corespunzători celor p componente nenule ale lui x sunt liniari dependenţi atunci există numerele reale: y1. yi > 0. avem următoarele: c T ( x + λy ) = c T x + λc T y < c T x . I2 = mulţimea indicilor i . …yp nu toate nule astfel încât să fie satisfăcută relaţia: a1y1 + a2y2 +….dacă vectorii a1 .dacă vectorii a1 .

xm ∈ M se înţelege o expresie de forma λ1x1 + λ2x2 + …+ λmxm cu λ ∈[ 0. Presupunem că soluţia admisibilă de bază x are forma x=(x1 x2 … xm 0 …0T. iar xi' ≥ 0 i = 1.λ) Ax2 = λb + (1. deci mulţimea soluţiilor problemei de programare liniară este o mulţime convexă.1) .x2 …..Cercetări Operaţionale. Teorema 2.……. În caz contrar X se numeşte punct interior mulţimii M .Fundamentarea deciziilor în managementul sistemelor de producţie (∀) λ ∈[ 0.40). m).λ)x2 ≥0 Înlocuind relaţia (2.2: Mulţimea soluţiilor admisibile ale unei probleme de programare liniară este o mulţime convexă .0 ≤ λ ≤ 1 } . x 2 = λx 2 + (1 − λ )x 2' . adică există doi vectori x' . Deci se poate spune că mulţimea M din V este convexă. vectorii p1. x m = λx m + (1 − λ )x m . Atunci pentru λ ∈ [0.1] .3: Orice soluţie admisibilă de bază a unei probleme de programare liniară este vârf sau punct de extrem al mulţimii soluţiilor admisibile. Fie două soluţii: x1 .40) obţinem : Ax= A[λx1 +( 1. ….λ)x2]=λAx1 + (1. λ ∈ (0. n) deoarece . x' '∈ S astfel încât: x = λx'+(1 − λ )x' ' .λ)b = λb+ b . 0 = λx n + (1 − λ )x n' Însă λ ∈ (0. deci x1P1 + x2P2 +… + xmpm +0pm+1 + … + 0pn = p0 (2. x' ' au formele: 19 ( ) (i = 1.46) (2.4 : Prin combinaţie liniară convexă a vectorilor x1 . y ∈ M conţine şi segmentul determinat de aceşti vectori. Definiţia 2. x' '∈ S . atunci [ x. Demonstraţie. n şi xi'' ≥ 0 x' . ci punct interior.45) Trebuie arătat că x este vârf al mulţimii S a soluţiilor admisibile.45) în relaţia (2. Teorema 2. y ∈ M astfel încât {X = (1 − λ ) x + λy.….1] avem x = λx1 +(1. dacă odată cu doi vectori x.. y] ⊆ M . x m +1 = 0  x n' = 0 şi deci vectorii x' . Aceasta înseamnă că xi ≥ 0 (i = 1. Demonstraţie : Fie mulţimea soluţiilor admisibile dată de relaţia (2.λb = b.…. Definiţia 2.1 ] 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.pm sunt liniar independenţi şi x satisface sistemul de restricţii. deci 1 − λ > 0 . din cele n – m relaţii se obţin: ' ' '' ' x m +1 = 0  x n = 0 .1) Scris pe componente: ' '' ' ' ' ' x1 = λx1' + (1 − λ )x1' . x2 ∈ S.3: Vectorul X ∈ M se numeşte vârf sau punct extrem al mulţimii M dacă nu există vectorii x. p2. astfel că. Presupunem prin absurd că x nu este vârf.

 x m = x m adică x' = x' ' (2.47) Exprimăm faptul că x' .1) prin urmare x este vârf sau punct de extrem în S.50) Aceasta înseamnă că nu există vectorii x' . ¦λ i∈I i =1 (2.Programare liniară ' x' = x1' x 2 ( ' xm 0 0 ) T . iar rang A = m < n. 2. deoarece x0 nu este punct extrem atunci : { } x0 = ¦λ x i i∈I i . x 2 = x 2' .2. ~ Notam cu M = { xi . Teorema 2.51) Dar z0 = c T x0 = ¦ λ i c T ' xi > ¦ λ i c T x1 = cT x1 = z1. 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. x' '∈ S astfel ca x = λx'+(1 − λ )x' ' λ ∈ (0. Baze ale problemei de programare liniară Fie problema de programare liniară în forma standard (2. Ecuaţiile ce compun sistemul liniar Ax = b sunt liniar independente.2. care formează o bază a spaţiului Rm. Rezultă: ' ' ' '' x1' = x1'' . Astfel.…. 20 . Demonstraţie: Presupunem că se cere ca funcţia obiectiv să fie minimizată. Consecinţă : Dacă funcţia obiectiv ia aceeaşi valoare optimă în mai multe puncte extremale.5 Se numeşte bază a problemei de programare liniară în formă standard un grup de m coloane liniar independente.48) (2. atunci există x0 ~ ∈ M − M astfel încât : c T x0 = z0 < z1. Definiţiile ce urmează reprezintă fundamente ce stau la baza rezolvării modelelor de programare liniară. în matricea A există cel puţin un grup de m coloane liniar independente. iar sistemul are o infinitate de soluţii. ' x' ' = x1'' x 2' ( '' xm 0 0 ) T (2. ceea ce este o contradicţie.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. atunci orice combinaţie liniară convexă a acestora este soluţie optimă a problemei de programare liniară. λI ≥ 0 . în care matricea A are m linii şi n coloane.49) + ' x 2' p2 +  + '' xm p m = p0 Însă vectorii pi . x' '∈ S verifică restricţiile ' ' ' x1 p 1 + x 2 p 2 +  + x m p m = p 0 ' x1' p1 (2.pm sunt liniari independenţi.13). Deci i∈I i∈I x1 este un program minimal pentru problema de programare liniară. Definiţia 2.

Fundamentarea deciziilor în managementul sistemelor de producţie m Problema (2.13) are un număr finit de baze şi anume C n .52) unde prin I şi J s-au notat mulţimile de indici corespunzători coloanelor din baza B şi.54) iar partiţionarea vectorul c al coeficienţilor funcţiei obiectiv este: ªc B º c = « S » .. j = 1.58) (2.. Astfel prin înmulţirea relaţiei (2. cu c B = [ci ]i∈I . Matricea A se poate scrie partiţionat sub forma: A = [B. n}/ I 1 { } [ ] (2.59) în relaţia (2.. variabilele xi (i ∈ I ) se vor numi variabile de bază.57) obţinem: xB = x − ¦ yB xB j j j∈J B (2.57) Notăm cu: x = B −1b B y B = B −1a ( j ) .56) la stânga cu B-1 se obţine forma explicită a sistemului de ecuaţii: x B = B −1b − B −1 Sx S (2.. n j Înlocuind relaţiile (2. cu B = a (i ) i∈I . Sistemul de ecuaţii Ax = b se poate scrie după partiţionare sub forma: [B.2. S ]⋅ « x S » = b ⇔ Bx B + Sx S ¬x ¼ ª B º =b (2. n a (i ) ∈ B J = { .60) Scrisă pe componente relaţia (2. Fie B o bază formată cu m coloane.60) devine: 21 . a celorlalte coloane: I = i = 1. iar x j ( j ∈ J ) variabile secundare. S = a ( j ) j∈ J [ ] [ ] (2.55) În raport cu baza B aleasă.53) Partiţionarea vectorului x al variabilelor problemei este următoarea: ªxB º x = « S » .Cercetări Operaţionale. cu x B = [xi ]i∈I .56) Matricea B fiind o bază a spaţiului Rm este inversabilă. ¬c ¼ cS = c j [ ] j∈J (2.58) şi (2. ¬x ¼ xS = x j j∈J (2. S ] .59) (2. respectiv. ale matricei A.

j (2. Definiţia 2.6.66) în relaţia (2.67) Definiţia 2.65) j = 1. Diferentele z B − c j ( j ∈ J ) se mai numesc costuri reduse şi au rolul esenţial în j caracterizarea optimalităţii unei soluţii admisibile de bază a unei probleme de programare liniară. Ţinând seama de relaţiile (2.64) Notăm cu: z = cT x B zB j = cT B B B (2. n yB. z = c T x . i ∈ I j j∈J B (2.7 Baza B care satisface condiţia B −1b ≥ 0 (2. 22 .2.65) şi (2.61) 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. Soluţia de bază corespunzătoare bazei B este: ª Bº x B = «x » ∈ Rn « 0 » ¬ ¼ B (2.64) obţinem: z = z − ¦ z iB − c j x B j j∈J B B ( ) (2.66) Înlocuind relaţiile (2. funcţia obiectiv a problemei de programare liniară. poate fi exprimată prin: B ' ªx º T z = c B c S ⋅ « S » = c T x B + c S x S = c T B −1b − B −1 Sx S + c T x S B B S ¬x ¼ T z = c T B −1b − c T ' B −1 S − c S ' x S B B [ ] ( ) ( ) (2.54) şi (2.67) reprezintă valoarea funcţiei obiectiv în soluţia asociată bazei B.62) O soluţie de bază este o soluţie admisibilă (program) a unei probleme de programare liniară dacă x ≥ 0 .Programare liniară B xiB = x i − ¦ y ij x B .7.3. 2.63) se numeşte bază primal admisibilă.55). Constanta z din relaţia (2.

x 2 ≥ 0 Pentru determinarea domeniului admisibil se procedează în modul următor: se află domeniul care satisface cele trei restricţii şi condiţiile x1 ≥ 0.2) x1. numit admisibil.2 Să se rezolve problema de programare liniară ­ z = max(2 x1 + x 2 ) °2 x − x ≥ −2 ° 1 2 ® x1 − 2 x 2 ≤ 2 ° ° x1 + x 2 ≤ 5 ¯ x1 ≥ 0 .11) exprimat în funcţie de două variabile de decizie x1 şi x2. În reprezentarea grafică acesta va fi o mulţime convexă. Mulţimea soluţiilor ( x1 x 2 ) . împarte planul (0 x1 x 2 ) în două semiplane. trece prin A3(5. .mulţimea soluţiilor fiind reprezentată în acest caz printr-o arie. 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. dacă funcţia obiectiv îşi atinge valoarea maximă. B.70) 2) Condiţii de nenegativitate : x1 ≥ 0. atunci z ia valoarea maximă într-un vârf ( punct extrem al mulţimii convexe). x 2 ≥ 0 3) Funcţia obiectiv (2.69) (2. respectiv. D.Fundamentarea deciziilor în managementul sistemelor de producţie Fie modelul de programare liniară (2.-1) x1+ x2 = 5. iar această dreaptă (curbă de nivel). în cadranul întâi intersecţia domeniilor ce reprezintă soluţiile. dacă ea există. ale celor trei inecuaţii.x2 = -2. dreapta împarte planul (0 x1 x 2 ) în doua semiplane ce au o arie comună şi în final un punct comun. reprezentată printr-un domeniu.4.0). Coordonatele oricărui punct din acest domeniu satisfac toate restricţiile şi condiţiile de nenegativitate ale problemei. C. aparţine acestei drepte (d). fig. x 2 ≥ 0 .Cercetări Operaţionale.1. Acestea sunt vârfurile poligonului. 2. trebuie aflată mai întâi mulţimea soluţiilor admisibile S – mulţime ce satisface sistemul de restricţii şi condiţiile de nenegativitate. trece prin A2(2. trece prin A1(-1. • inegalitatea a11 x1 + a12 x 2 < b1 . reprezintă o dreapta.0). Conform teoremei 2.0).5) şi apoi se ia. notate cu: O. 23 . B2(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 . ce este o mulţime convexă. Exemplul 2. B1(0. Prin intersecţia celor trei semiplane s-a obţinut domeniul admisibil.2x2 = 2. A. Pentru aflarea soluţiei optime. Se figurează dreptele: (d1) (d2) (d3) 2x1. B3(0.68) (2.

iar n ordonata la origine.0) x1 Fig.1) C (1.560.Programare liniară Coordonatele acestor puncte se află uşor astfel: x2 d1 C(1. 24 . având panta constantă m = − şi ordonata la origine variabilă.2. ce are m = -2 şi ordonata n = z = max Ea este figurată punctat în figura 2. 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. (D): c1x1 + c2x2 = z Adusă la forma y = mx + n unde m este panta. având două variabile se poate reprezenta printr-o dreaptă (D).1) d3 0 A(2. se alege acea dreaptă ce trece prin unul din vârfuri. rezultă: (D): x 2 = − c1 z x1 + c2 c1 c1 c2 care reprezintă o mulţime de drepte paralele între ele. c1 În problemele de maxim vom alege poziţia care are ordonata la origine astfel ca ea să furnizeze valoarea maximă pentru z.1. Pentru exemplul de mai sus rezultă: (D) : x2 = -2x1 + z .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(4.2) B (4.4 ) Aflarea soluţiei optime se bazează pe faptul că funcţia obiectiv. rezultă că unghiul α = 116. n = z .4) d2 (D ) D(0. Analog pentru problemele de minim.

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 .1. ( ) ( ) Tabelul 2. Cantităţile de resurse Ri folosite pentru fabricarea fiecărei unităţi din produsele P1 şi P2.2) 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 ) . z = 2 x1 + 3 x 2 = max Soluţia grafică (2. o firmă dispune de patru tipuri de resurse Ri 1. rezultă următorul model matematic de P. Se mai cunosc cantităţile disponibile ale firmei din fiecare resursă Ri i = 1.2.4 şi beneficiile pentru fiecare unitate din cele două produse.3.3) C(2. x 2 ≥ 0. x2 d3 (D ) D(0.Fundamentarea deciziilor în managementul sistemelor de producţie Exemplul 2.2) d1 0 A(4. în unităţi convenţionale (tone etc) sunt date în tabelul 2.L.Cercetări Operaţionale. (d 2 ) şi (d 3 ) sunt concurente în punctul B(4.2 25 . iar (d 3 ) are coordonatele C(2.4 . Să se determine planul de producţie astfel ca beneficiul total să fie maxim. Pentru fabricarea a două produse P1 şi P2.0) d2 x1 Fig.3).2).3) d4 B(4.: ­2 x1 + 2 x 2 ≤ 12 °x + 2x ≤ 8 ° 1 2 ® 4 x1 ≤ 16 ° °4 x 2 ≤ 12 ¯ x1 ≥ 0.

1. Pentru ordonarea şi facilitarea calculelor se utilizează în aplicarea practică a algoritmului tabele ce poartă denumirea de tabele simplex. 2. n . Metoda Simplex Metoda Simplex sau “ metoda îmbunătăţirilor succesive “ evită cercetarea exhaustivă a tuturor soluţiilor de bază ale unei probleme de programare liniară.3. n . Aceste tabele sunt tabele simple ce au m+1 linii şi n+1 coloane şi cuprind coeficienţii numerici al problemei (2. x ∈ R n ° ® A ∈ M m .V. ce rămâne disponibilă poate fi determinată şi ulterior folosită cunoscând preţul umbră (dual). respectiv mai mare decât cele precedente după cum funcţia de eficienţă este de minim sau de maxim. x2 = 2 f(x) = 14 = max Verificăm soluţia în restricţiile problemei. R2 şi R3 sunt resurse rare. unde ° x≥0 ¯ ­C .B. iar în următoarele n coloane vectorii y B . în coloana a doua valoarea variabilelor de bază (V. j = 1. j Acestui tabel se ataşează o linie deasupra variabilelor x j şi o coloană la stânga coloanei V. construind succesiv soluţii realizabile de bază din ce în ce mai bune ale modelului până când este obţinută o soluţie de bază optimă.). j = 1. ­min c T x ° ® Ax = b . Deci acest algoritm este o metodă de examinare sistematică a programelor de bază ce dă funcţiei de eficienţă o valoare optimă.4. utilizate în întregime în timp ce resursa R4 nu a fost în întregime utilizată. Această analiză urmează a fi detaliată în subcapitolul 2.2). j Pe ultima linie a tabelului se trece valoarea funcţiei obiectiv pentru baza B notată cu z B şi diferenţele z B − c j . Rezultă că resursele R1. 26 . variabilele de bază (V.71) corespunzători bazei primal admisibile B (tab 2.n ° b ∈ Rm ¯ (2. n .3.71) 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. Cantitatea din resursa R4. Această metodă pune în evidenţă cazul în care problema admite un optim infinit sau mulţimea programelor este vidă. j = 1. 2.B).B cu coeficienţii corespunzători funcţiei obiectiv c j . Tabelul conţine în prima coloană. Prin soluţie „mai bună” înţelegând soluţia ce dă funcţiei de eficienţă (obiectiv) o valoare mai mică. 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.Programare liniară Soluţia optimă a problemei este: x1 = 4.

.Fundamentarea deciziilor în managementul sistemelor de producţie Tabelul 2.71).. 27 B ..... z B ..73) reprezintă criteriul de ieşire din bază şi ne arată indicele l ∈ I + ..... al coloanei a (l ) ce urmează să părăsească baza B. Teorema 2. B x1 . ck xk yB . oricare ar fi j ∈ J . atunci programul de bază asociat bazei B. .. ..73) ~ B se obţine un nou program de bază x cel puţin la fel de bun ca x ....c n n Tabelul simplex se ataşează fiecărei baze B din algoritm şi are ca fundamente rezultatele teoretice ce sunt prezentate în continuare....c 1 .7 Criteriu de îmbunătăţire a soluţiilor Fie B o bază primal admisibilă pentru probleme de programare B B liniară 2.. Fie k∈ J astfel încât z k − ck > 0 (2. .. yB ij . x = B −1b este o j soluţie optimă a problemei de programare liniară considerată....6 Criteriu de infinitudine a soluţiilor Fie B o bază primal admisibilă pentru probleme de programare liniară (2.5 Criteriu de optimalitate Fie B o bază primal admisibilă pentru probleme de programare liniară (2.. yB mk . yB ln cm B xm B xm yB m1 . cj xj yB 1j . z B . zB .. .B B x1 xl yB 11 1k ci xiB xiB yB i1 .72) şi I + = i∈I / yik > 0 ≠ Φ . yB lj ..c k k . Pentru indicele i ∈ I + determinat cu relaţia: { } min i∈ I + xi B B yik = xl B B ylk (2... yB . cu excepţia coloanei a ce se înlocuieşte cu (k ) coloana a .2 cl CB c1 V. Dacă B z B − c j ≤ 0 .71. yB lk . Teorema 2... mj yB mn zB B z 1 . yB in cl xlB xlB yB l1 .. Observaţii: ~ Baza B este primal admisibilă şi verifică toate teoremele anterioare.. .c j j .Cercetări Operaţionale.. Teorema 2..... yB ik . . corespunzător unei noi ~ (l ) baze B care are aceleaşi coloane ca şi B. cn xn yB 1n V.. Dacă B B există indicele k∈ J astfel încât z k − ck ≥ 0 şi yik ≤ 0 ..71). oricare ar fi i ∈ I atunci problema are un optim infinit..B.V.. Relaţia (2.

Algoritmul simplex primal.73) atunci se pot construi mai multe baze primal admisibile şi fiecare dintre acestea modifică valoarea funcţiei obiectiv. 2.74) În practică utilizându-se pentru evitarea calculelor următorul criteriu: B B max ( z j − c j ) = z k − ck j∈ J Relaţia 2.2. respectiv. xl B max (( z j − c j ) B ) = j∈ J ylk B xl B B ylk B (zk − c ) k (2. Rezultatele teoretice obţinute anterior permit enunţarea algoritmului simplex. Acest algoritm pentru rezolvarea problemelor de programare liniară date în formă standard (2.3) .75 reprezintă criteriul de intrare în bază şi ne arată indicele a (k ) ce urmează să intre în baza B. Elementele situate pe coloana pivotului devin zero cu excepţia pivotului ce va avea valoarea unu .72) şi (2.2. Pentru a obţine mai repede optimul căutat este indicat a alege acel indice pentru care se verifică relaţia. 28 .3.76) elementul de transformat y B ij B y ik B y ij B y ik pivotul Fig.Programare liniară În cazul în care există mai mulţi indici k ∈ J pentru care se îndeplinesc (2. Se consideră dreptunghiul imaginar a cărui diagonală este determinată de k ∈ J al coloanei Elementul B B B elementul yij şi pivotul yij (fig. noua valoare yij se obţine împărţind la pivot diferenţa B B B B dintre produsul yij ylk şi ylj yik după formula : (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.13) este diferit în raport cu tipul funcţiei obiectiv. ylk din tabelul simplex poartă denumirea de pivot. Celelalte elemente ale tabelului simplex se transformă după regula dreptunghiului.75) ~ ~ B yij = B B B B yij ylk − ylj yik B ylk (2. 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 .3 2. probleme de minimizare sau maximizare.

J + = j ∈ J / z B − c j > 0 j { } astfel încât z B − c j > 0 se trece la pasul 4. n atunci programul x este optim.2. j Pasul 4 Se determină indicele k ∈ J + cu criteriul de intrare în bază B z k − ck = min ( z B − c j ) j j∈ J − ¾ B Dacă y k ≤ 0 atunci problema are un optim infinit. J − = j ∈ J / z B − c j < 0 j { } astfel încât z B − c j < 0 se trece la pasul 4. 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 . Algoritmul simplex primal pentru probleme de maximizare Acest algoritm are paşii 1.Cercetări Operaţionale. se vor determina cu ajutorul unei reguli denumită regula dreptunghiului (pivotare în jurul elementului y lk ). ~ Mărimile tabelului simplex corespunzător noii baze B . Algoritmul simplex poate fi exprimat sintetic sub următoarea schemă logică ( fig. • Pasul 3 : Se analizează toate diferenţele z B − c j : j B ¾ Dacă toate diferenţele z B − c j ≥ 0 . ∀j = 1.4).2. n atunci programul x este optim. ~ obţinându-se astfel o nouă bază B . 29 . j Pasul 4 Se determină indicele k ∈ J + cu criteriul de intrare în bază B z k − ck = max ( z B − c j ) j j∈ J + ¾ ¾ B Dacă y k ≤ 0 atunci problema are un optim infinit.6 identici cu algoritmul pentru probleme de minimizare.Fundamentarea deciziilor în managementul sistemelor de producţie Algoritmul simplex primal pentru probleme de minimizare • • • Pasul 1 : Se determină o baza B primal admisibilă. iar pivotul corespunzător este y lk . j ¾ Dacă există cel puţin un indice j ∈ J − .5. B B Pasul 2 : Se determină următoarele elemente : x . ∀j = 1. z B − c j . j ¾ Dacă există cel puţin un indice j∈ J + . z . după care se trece la Pasul 2. y B j j Pasul 3 : Se analizează toate diferenţele z B − c j : j B ¾ Dacă toate diferenţele z B − c j ≤ 0 . B Dacă (∃)k ∈ J + pentru care y k > 0 se trece la pasul 5. B ¾ Dacă (∃)k ∈ J + pentru care y k > 0 se trece la Pasul 5.

2 4 ° 1 ° − x1 + 2 x 2 + x5 = 6. 30 .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. ¯ Pentru a aplica algoritmul simplex. vom aduce mai întâi problema la forma standard. În acest scop introducem variabilele ecart x3. 2 ° 1 ° ®− x1 + 2 x 2 ≤ 6. ¯ Iteraţia 1 Pasul 1 Fie B o bază admisibilă a problemei formată din coloanele matricii A şi anume a3. a . a4 şi a5: §1 0 0· ¸ ¨ 3 4 5 B = a . x ≥ 0 ° 1 2 °max (2 x1 + x 2 ). astfel vom calcula următoarele elemente: ( ) B −1 = B = I şi x B = B −1b = b = [4 18 6] . Să se rezolve următoarea problemă de programare liniară: ­ x1 − x 2 ≤ 4. x .2. x4 şi x5: ­ x1 − x 2 + x3 = 4. °x .4 .. °3 x − x + x = 18.4 Exemplul 2.. a = ¨0 1 0 ¸ ¨0 0 1¸ ¹ © Pasul 2 Baza B este matricea – unitate. x ≤ 0 6 ° 1 2 °max(2 x1 + x 2 ). °3 x − x ≤ 18.. ® ° x ..

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

V.2. x3 x4 x5 V. nu există nici un program care să dea funcţiei obiectiv valoarea z3 (dreapta 2x1 +x2 =z3 nu intersectează poligonul OABCD – domeniul soluţiilor).V. V.  5 5 (d2) B(7. după cum se vede din figură. 42/5 + 36/5 = 24.3) (d1) D (0.5 Însă.V.V.0) A(4.Programare liniară Tabelul 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.0) x1 Fig.B.3) O (0. Valoarea lui z în acest caz este 2.3 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. 32 .V. V. 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 x5 7 3 7 17 C B V.B.B.B.B x1 x2 x3 42/5 36/5 14/5 24 xl 1 0 0 0 2 1 0 x2  42 36  C .B 4 18 6 0 xl 1 3 -1 -2 2 0 0 0 CB 2 0 0 V.

Stocul disponibil este de 200 kg din acest aliaj special. Soluţia optimă este: x = (100. B şi C este respectiv: 8 um (unităţi monetare). Compania doreşte să stabilească planul de producţie care maximizează beneficiul total pe perioada analizată. x2 = 50. deci ne găseam pe dreapta d1). 0). a5).Cercetări Operaţionale. 400 ore. În continuare. O companie produce trei tipuri de produse A. 10 um. Variabilele x1 şi x2 sunt variabile secundare. care conferă funcţiei obiectiv o valoare „mai bună”. 5 um. variabila x1 intră în bază şi am obţinut programul x1 = 4. Acest lucru este valabil şi în cazul general: fiecărei baze admisibile a problemei adusă la forma standard îi corespunde un vârf al domeniului soluţiilor. 50. 50. x2 = 0. dorind să aplicăm algoritmul simplex pentru probleme de minim.4. câte o bucată pentru fiecare produs.0) al poligonului OABCD. x7 şi înlocuim max(z)=min(-z). Exemplul 2. x2. Fiecare dintre aceste produse trebuie prelucrate tehnologic aceeaşi maşină unealtă.Fundamentarea deciziilor în managementul sistemelor de producţie Când am aplicat algoritmul simplex. Geometric aceasta înseamnă că din vârful O ne-am deplasat până în vârful A (4. ­2 x1 + 3 x 2 + x3 ≤ 400 ° x + x ≤ 150 ° 1 3 ® 2 x1 + 4 x3 ≤ 200 ° ° x 2 ≤ 50 ¯ x1 ≥ 0 . deci au valoarea 0. Elaborarea modelului matematic Notăm x1 = numărul de produse A x2 = numărul de produse B x3 = numărul de produse C unde x1. mergând pe muchia AB (variabila x3 a păstrat tot valoarea 0. Concluzie: Fiecare iteraţie simplex reprezintă o deplasare de la un vârf al domeniului soluţiilor. x 2 ≥ 0 . reiese că ne-am găsit în vârful O (0. 0. Maşina unealtă este disponibilă pentru perioada analizată. firma având un stoc disponibil pe perioada analizată de 150 de unităţi din aceste componente. din vârful A am ajuns în vârful B. Introducem variabilele de compensare x4.0) de-a lungul muchiei OA. x5. 50. drept bază iniţială am luat baza B = (a3. Pentru produsele A şi C se folosesc componente speciale. până la un vârf. apoi la 17 (în vârful B) şi. x6. deci max(z) = 1050 Interpretarea soluţiei: Variabilele de decizie au valorile : x1 = 100.5. 4 kg. Calculele efectuate sunt grupate în tabelele simplex reunite în tabelul 2. x3 ≥ 0 z = max(8 x1 + 5 x 2 + 10 x3 ) Se observă că problema nu are formă standard. timp de 2 ore. Tot pentru produsele A şi C se utilizează un aliaj special: pentru o unitate din produsul A se utilizează 2 kg de aliaj special. În continuare. în sfârşit. a4. B. urmând muchia BC. x3 pentru modelul analizat reprezintă variabilele de decizie. pe o muchie. De aici am ajuns în vârful optim C. Beneficiul unitar al produselor A. iar funcţia obiectiv este min (f)= 1050. x3 = 0 33 . iar pentru o unitate din produsul C. iar valoarea funcţiei obiectiv era z = 0. 0. Valoarea funcţiei obiectiv a crescut de la 0 la 8. 3 ore respectiv 1 oră. la valoarea maximă 24. C. Studiul de piaţă pentru produsul B arată că se pot vinde pe perioada analizată cel mult 50 de unităţi din acest produs.

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

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

înlocuim valorile coeficienţilor funcţiei obiectiv şi deci şi valoarea acesteia. plecând de la j baza primal admisibilă determinată. valorile z B − c j şi rezolvăm problema în continuare.Programare liniară Am obţinut optimul egal cu 0 în soluţia de bază (x3.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 . Eliminăm din tabel coloana lui x5. cu algoritmul simplex primal. 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.

Coloanele a(j) din baza B ce corespund operaţiilor j le vom numi operaţii de bază. i = 1. pentru fabricarea unei unităţi din produsul j este B B B necesar a diminua producţia operaţiilor de bază cu cantităţile y1 j . Aceasta realizează n produse .4.. j = 1. n deducem : (2. y 2 j . Consumurile specifice de resurse pentru fiecare produs sunt aij . 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. j = 1. a(2). Programul optim prevede obţinerea. De aceea. y mj . disponibile în cantităţile limitate bi.. j = 1. numai prin operaţiile de bază. În soluţia de bază a algoritmului simplex numărul componentelor nenule nu depăşeşte numărul restricţiilor. n . numărul produselor ce urmează a fi fabricate nu depăşeşte numărul resurselor folosite . din relaţia (2.3.. m . 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.. Obiectivul firmei este obţinerea unui profit total maxim. n .. y 2 j .. y mj din produsele operaţiilor de bază. i = 1. …. m . este cantitatea din produsul j ce urmează a fi fabricată. 39 ... n care se poate scrie B B B A( j ) = y1 j A(1) + y 2 j A( 2 ) + . B B B fabricarea unei unităţi de produs j este echivalentă cu fabricarea cantităţilor y1. În ipoteza că baza B=[a(1). j = 1. Pentru acesta este necesar un criteriu de comparare a operaţiilor secundare cu cele de bază . cu un profit unitar cj . Ca urmare. în orice soluţie optimă a problemei..84) Relaţia de mai sus are următoarea semnificaţie din punct de vedere tehnico-economic. + y mj A( m) (2.Cercetări Operaţionale. j .. n . j = 1. celelalte fiind operaţii secundare. 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. cu restricţiile ce provin din consumul integral al resurselor disponibile . Interpretarea a algoritmului simplex primal Se consideră problema de optimizare a activităţii unei firme producătoare.82) A(j)= ByBj .83) (2.Fundamentarea deciziilor în managementul sistemelor de producţie 2.. Consumarea (utilizarea) integrală a resurselor nu este strictă. a produselor. astfel încât să fie consumate integral resursele disponibile.a(m)]. Firma utilizează mai multe resurse prime Ri ..59) yBj=B-1a(j) .81) în care xj .

j 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).. desfăşurarea unei activităţi la un nivel negativ este lipsită de sens economic. O altă problemă care se mai pune este stabilirea cantităţii din produsul j care se poate realiza în condiţiile date. m (2. Astfel este necesar ca : B xi = xiB − θyik ≥ 0 . x m = x m − θy mk (2. n j (2.. atunci activitatea secundară j conduce la o majorare a profitului j realizabil prin programul curent. + c m y mj − c j ≥ 0 j (2.. operaţia l nu va mai fi folosită. iar în locul ei se va utiliza operaţia k.. 40 . maximizează profitului firmei. implicit..90) Ca urmare. Acesta este. dacă: B B B z B − c j = c1 y1 j + c2 y 2 j + .. j . egală cu − ( z B − c j ) .86) atunci programul de fabricaţie curent este optim.87) Evident.Programare liniară Aportul produsului j la creşterea profitului firmei poate fi comparat cu aportul valoric B B B al cantităţilor y1. y 2 j . criteriul de optimalitate al algoritmului simplex. y mj . În consecinţă. x 2 = x 2 − θy 2k .89) Presupunem că valoarea θ 0 se obţine pentru indicele 1. i = 1. j = 1... Dacă z B − c j < 0 .. Fabricarea unei cantităţi θ din acest produs implică diminuarea producţiei din produsele operaţiilor de bază astfel: B B B B B x1 = x1B − θy1k .85) fabricarea produsului j nu este rentabilă întrucât nu conduce la o majorarea valorii (profitului) producţiei curente.. Dacă pentru toate operaţiile secundare avem z B − c j ≥ 0 . Atunci: xB B B xl = xlB − θ 0 ylk = xlB − l ylk = 0 B ylk (2.88) de unde obţinem condiţia: θ ≤ θ 0 = min xiB B i yik y B >0 ik (2. care asigură creşterea maximă a valorii curente a producţiei şi.

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

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 .Programare liniară . u2 oarecare. Exemplul 2. este negativă. ele obţinându-se astfel: Prima restricţie (asociată variabilei x1) . u2 oarecare. x1.termenul liber al restricţiei va fi coeficientul lui x1 din funcţia obiectiv a primalei.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. . deoarece restricţia corespunzătoare este neconcordantă. În final.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. câte variabile are primala. pot fi de semn oarecare. adică b1 = c1 = 2 . u4 ≤ 0. x3 ≥ 0 Conform regulilor de mai sus vom avea: − duala este de minim deoarece primala este de maxim. x2 oarecare. − 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 .u4 ≥ 4 − restricţiile de semn ale variabilelor dualei vor fi: u1 ≤ 0. restricţia va fi neconcordantă şi deoarece duala este problemă de minim rezultă că va fi cu ≤. deoarece restricţia corespunzătoare este concordantă.5u4 = -5 4u1 + 3u2 + 2u3 .Variabilelor primale oarecare le corespund restricţii duale care sunt ecuaţii. prima restricţie va fi: u1 –5u2 + u3 + 2u4 ≤ 2 Analog se vor determina şi celelalte două restricţii: -u1 + u2 . deoarece restricţia corespunzătoare este neconcordantă.Variabilele duale corespunzătoare restricţiilor primale care sunt ecuaţii. u3 ≥ 0.deoarece variabila corespunzătoare acestei restricţii. u4 ≥ 0 42 . În concluzie. deoarece restricţia corespunzătoare este egalitate. 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. u3 ≥ 0.

duale (2. u 2 . u * ∈ D şi c T x * ≥ b T u * . iar cea de-a doua.. 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 .. respectiv. Teorema 2.94) Mulţimile soluţiilor admisibile (sau programelor) ale problemei primale (2.92).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 2 3 4 ° 1 ° ®2 x1 − x3 − x 4 ≤ 5 ° x + 2 x − x ≤ 10 3 4 ° 2 ° x1 .9. x ≥ 0 { D = u ∈ R A u ≤ c. Fie x * ∈ P ..91). Dacă L este o matrice antisimetrică (LT = -L).Cercetări Operaţionale. 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.(2.. Se notează P = x ∈ R n Ax = b. iar u* este soluţie optimă a problemei duale Propoziţia 2.8. u ≥ 0 { } m T } (2. Teorema 2.91) . atunci sistemul de inegalităţi liniare 43 .Fundamentarea deciziilor în managementul sistemelor de producţie Exemplul 2. atunci c T x ≥ b T u . problema duală. prima fiind considerată problema primală.92).1. Dacă x ∈ P şi u ∈ D . Atunci x* nu este soluţie optimă a problemei primale.93) 2.

(Teorema fundamentală a dualităţii) Fie cuplul de probleme duale (2.Programare liniară ­l ⋅ t ≥ 0 ® ¯t ≥ 0 (2.11. ambele probleme au soluţii optime şi valori optime ale funcţiilor obiectiv sunt egale.92).97) Exemplul 2. iar cealaltă nu are (este incompatibilă).10. problema compatibilă are optim infinit.9 Într-un atelier mecanic se produc două de tipuri de piese P1. 2. b) Una din probleme are soluţii admisibile. Fie cuplul de probleme duale canonice (2. Atunci x ∈ P şi u ∈ D sunt soluţii optime pentru cele două probleme dacă şi numai dacă: ­u T A x − b = 0 ° ® T °u c − AT u = 0 ¯ ( ( ) ) (2. În acest caz. x 2 ≥ 0 ¯ Mulţimea soluţiilor admisibile ale problemei (primale) este reprezentată în fig.96) Teorema 2.(2.91) . M2. Problema admite soluţia optimă x1 = 0 . x 2 = 3 .6. Timpii unitari de prelucrarea celor două piese pe cele două maşini unelte M1. În acest caz. Teorema 2.91) (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 . Atunci una şi numai una din următoarele situaţii este posibilă : a) Ambele probleme au soluţii admisibile. P2.92).95) are cel puţin o soluţie t astfel încât L ⋅t > 0 (2. * * 44 . (Teorema ecarturilor complementare). c) Nici una dintre probleme nu are soluţii admisibile.

Algoritmul simplex dual * * Fie problema de programare liniară în forma standard ­min c T x ° ® Ax = b °x ≥ 0 ¯ n unde x. cu rang A = m < n.2.3/4) B(0. u 2 = 7 / 2 .2.8/5) d2 0 A(4.2. 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.98) 45 . evident aceeaşi ca şi în cazul problemei primale.7/2) u1 Fig. Tabelul simplex final corespunzător uneia dintre probleme conţine componentele soluţiilor optime ale ambelor probleme. u 2 ≥ 0 ¯ Mulţimea soluţiilor admisibile ale problemei duale este reprezentată în fig. c ∈ R .Cercetări Operaţionale.7 Problema admite soluţia optimă u 1 = 0 . u2 d2 d1 0 A(0.7.6 Problema duală este: ­ g = min(16 u 1 + 6 u 2 ) °4u + u ≥ 3 ° 1 2 ® °3u 1 + 2u 2 ≥ 7 °u 1 .2. 2. Din cele arătate se constată că prin rezolvarea uneia dintre cele două probleme duale se poate determina şi soluţia celeilalte. b ∈ R m .3) B(14/5.4.0) x1 Fig. A ∈ M m×n . (2.Fundamentarea deciziilor în managementul sistemelor de producţie x2 d1 C(0.Valoarea funcţiei obiectiv este g min = 21 .

98).101) este o soluţie a problemei duale (2. n .2. (Teorema de optimalitate). x = B −1b .Programare liniară Duala acestei probleme este : ­max b T u ° ' ° ®A u ≤ c °u arbitrar ° ¯ (2.14.102) atunci matricea B’ obţinută din B prin înlocuirea coloanei A(l) cu coloana A(k) este o bază dual admisibilă.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. şi dacă se alege l ∈ I _ arbitrar. este o soluţie optimă a problemei (2.92). Dacă pentru orice i ∈ I _ există j ∈ J astfel încât B y ij < 0 .92) nu are soluţii.13. iar k ∈ J astfel încât să fie satisfăcută condiţia : B { B } ­ z B − c j ½ z kB − c k ° j ° min ® ¾= B B j y lk ° y lj ° B ¿ ylj <0 ¯ (2. iar I_≠∅. atunci problema (2. j = 1. Teorema 2. y B . atunci T u B = c T B −1 B (2. Se calculează x . z B .12. z . iar I_≠∅.100) (2. atunci soluţia de bază asociată bazei B. Deci există i ∈ I _ astfel încât B y ij ≥ 0. n j Propoziţia 2. Dacă B este o bază dual admisibilă.98). ∀j ∈ J . Se determină o bază dual admisibilă iniţială B.98). Fie B o bază dual admisibilă pentru problema primală (2. Fie mulţimea I _ = i ∈ I x i < 0 I_=∅. j = 1.99) Definiţia 2.9 O bază B formată cu m coloane liniar independente a lui A se numeşte dual admisibilă dacă sunt satisfăcute condiţiile z B − c j ≤ 0. Teorema 2. (Teorema de îmbunătăţire a soluţiei) Fie B o bază dual admisibilă pentru problema primală (4. j j B B 46 . (Teorema de incompatibilitate a problemei primale). Pasul 2. − c j . Fie B o bază dual admisibilă pentru problema primală (2. Teorema 2.

8 47 . 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. atunci STOP : problema nu are soluţii.Cercetări Operaţionale. n . Se determină mulţimea I _ = i ∈ I xi < 0 { B } Dacă I_≠∅. astfel se trece la pasul Pasul 4. j = 1.Fundamentarea deciziilor în managementul sistemelor de producţie Pasul 3. atunci STOP : x următor. astfel se determină indicele k ∈ J cu criteriul de intrare în bază: ­ zB − cj ° j min ® B j ° y lj B ylj <0 ¯ ½ zB − c ° k k ¾= B y lk ° ¿ Pasul 5. B este program optim al problemei.2. înlocuind peste tot baza B cu baza B’. Fie baza B’ obţinută din B prin înlocuirea coloanei A(l) cu coloana A(k). Se trece la Pasul 2.2. Algoritmul simplex dual poate fi exprimat sintetic sub forma schemei logice din fig.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.

x3 ≥ 0 ¯ Se aduce problema la forma standard prin introducerea variabilelor de compensare x4.−2} = −4 = x 4 . 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 − c j ≥ 0 . deci în bază va intra vectorul corespunzător variabilei x3.B.B. Tabelul simplex asociat are ca variabile de bază pe x4 şi x5: -3 -2 cB 0 0 V.B. se obţine l = 4 . ¾ = min ® . x 4 = −4 .10 Să se rezolve problema de programare liniară: ­max(− 3 x1 − 2 x 2 ) ° x − 2 x + 3x ≥ 4 ° 1 2 3 ® 2 x1 + x 2 − x3 ≥ 2 ° ° x1 . Soluţia asociată bazei B admisibilă întrucât: x1 = x 2 = x 3 = 0 . x 5 = −2 .. ¾=0= B y43 ° y4B jj<0 ¯ − 1 − 1 ¿ ¿ se obţine k = 3. x 2 .. A(5) .5} . x5 ≥ 0 ¯ Baza iniţială B este matricea unitate formată cu coloanele A(4).V. 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 . V.B. Mulţimea I _ = {4. Conform criteriului de ieşire din bază avem: min x i = min{− 4. B B i∈I _ {} Conform criteriului de intrare în bază avem: ­ zB − cj ° j min ® B j ° y4 j B y4 j < 0 ¯ B ½ ­ 3 0 ½ z3 − c3 ° . 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 .Programare liniară Exemplul 2. deci din bază va ieşi vectorul A(4).V. Se poate aplica deci j algoritmul simplex dual... Noul tabel simplex este: -3 -2 cB 0 0 V.

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

În cazul problemelor de minim.06 0. exprimate în preţurile umbră ale restricţiilor.09 30 0. Modelul matematic liniar al problemei cuprinde restricţiile problemei. indicatorii zj se pot interpreta ca venituri. ce se obţin prin realizarea unei unităţi din produsul j. 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.08 38 10 12 15 - Să se determine programul de producţie astfel încât să se asigure satisfacerea cererii cu un profit total maxim. activităţile aj corespunzătoare sunt eficiente.07 37 0. Aşa se explică faptul că va intra în bază vectorul a(k) ce corespunde diferenţei (zj-cj) minime. P2 respectiv P3 ce trebuie fabricate astfel încât să se atingă obiectivul propus.10 0. rezultat din evaluarea coeficienţilor aij prin preţurile umbră ataşate restricţii1or.15 36 0. Exemplul 2. P2. Tabelul 2. 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. R3. funcţia obiectiv ce maximizează profitul total şi condiţiile de nenegativitate care sunt evidente din punct de vedere economic. prin calcularea diferenţei zj-cj. Prin urmare. Dacă există diferenţe negative (zj-cj < 0) înseamnă că.) din funcţia obiectiv. se compară acest cost unitar cu coeficientul cj (preţ unitar. x2 x3 variabilele de decizie ce reprezintă cantităţile din produsele P1. ce provin din limitarea disponibilităţii resurselor şi a cererii produselor pe piaţă.Programare liniară Soluţia optimă obţinută prin utilizarea datelor iniţiale poate constitui un punct de plecare pentru analiza economică privind alocarea eficientă a resurselor. corespunzătoare diferenţei maxime. la activităţile respective. timpul disponibil al fiecărei resurse.05 0. iar soluţia de bază se consideră optimă atunci când toate diferenţele (zj-cj) sunt nepozitive .18 0 0. beneficiu unitar etc. deoarece se realizează un venit unitar mai mare decât costul unitar de fabricaţie (zj > cj).12 0. R4. Notă m cu x1.13 0.5 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. indicatorii zj reprezintă costul unitar de fabricaţie al produsului j. De aceea. R2. Procesul tehnologic de realizare a celor trei produse. Pentru problemele în care se cere maximizarea funcţiei f(x). Rezultă că.5. P3. Modelul matematic al problemei este următorul: 50 . precum şi profitul unitar sunt date în tabelul 2.11 O firmă fabrică trei tipuri de produse P1. va intra în bază activitatea ak.10 0. utilizând patru tipuri de resurse R1. dacă există diferenţe pozitive (zj-cj > 0). cererea minimă şi maximă din fiecare produs conform studiului de marketing.

4 < 30 cu 10. 51 .85 u.18 ⋅ 135 + 0.05 ⋅ 100 + 0. x 2 .600u.05 x 2 + 0.1 ⋅ 100 + 0. preţul ei umbră fiind nul. din produsul P3 se produc 70 unităţi. deci din resursa R4 rămâne un timp disponibil de 4.08 x3 ≤ 38 ° 20 ≤ x1 ≤ 200 ° 0 ≤ x 2 ≤ 100 ° ° 70 ≤ x3 ≤ 180 ° ° x1 .12 x + 0. care nu este utilizat în procesul de producţie.7 u.600 unităţi monetare.12 ⋅ 100 + 0.6 u.m.7 0.6 0. A treia restricţie este satisfăcută cu semnul „<”. deci din resursa R3 rămâne un timp disponibil de 5.preţ umbră • x6 = 5. Variabilele de compensare (ecart) arată utilizarea resurselor astfel: Y1 = 100 .07 ⋅ 100 = 31.t.1x 2 + 0. Y3 = 0 .09 ⋅ 70 = 19.6 u.700 u. 0.Fundamentarea deciziilor în managementul sistemelor de producţie ­ f = max(10 x1 + 12 x 2 + 15 x3 ) ° 0. deci profitul va fi de 3.06 ⋅ 135 + 0. preţul ei umbră fiind nul.3 < 37 cu 5. astfel resursa R3 nu este o resursă rară însă lipsa ei poate limita producţia.O. valoarea F. preţul ei umbră fiind nul. deci R2 este o resursă rară – resursă a cărei lipsă / indisponibil ar limita sau modifica.m ¯ Din produsul P1 se produc 135 unităţi. Y5 = 0 .18 x1 + 0.1x + 0. A doua restricţie este satisfăcută cu semnul „<”.preţ umbră • x7 = 4.Cercetări Operaţionale.preţ umbră • x5 = 10.15 < 38 cu 4. x 3 ≥ 0 ¯ Programul de producţie este dat de variabilele de decizie şi este următorul: x1 = 135 ­ ° x 2 = 100 ° ® x3 = 70 ° ° F . astfel resursa R2 nu este o resursă rară însă lipsa ei poate limita producţia. În aceste condiţii valoarea funcţiei obiectiv este de 3.t. Y2 = 0 .preţ umbră • x8 = 65 1 ⋅ 135 = 135 < 200 cu 65 unităţi de produs P1.08 ⋅ 70 = 33. se modifică în sens pozitiv tocmai cu valoarea preţului umbră.t.preţ umbră • x4 = 0. deci din resursa R2 rămâne un timp disponibil de 10.15 x ≤ 36 1 2 3 ° °0. la 37u. care nu este utilizat în procesul de producţie. A patra restricţie este satisfăcută cu semnul „<”.13 ⋅ 135 + 0.13 x1 + 0.7 u.1 ⋅ 135 + 0.15 ⋅ 70 = 36 = 36 Prima restricţie este satisfăcută cu semnul „=” ceea ce înseamnă că resursa R1 este utilizată în totalitate.85 0. Y4 = 0 .85 u.07 x 2 ≤ 37 ° ° ® 0.t.09 x3 ≤ 30 ° 0. astfel resursa R4 nu este o resursă rară însă lipsa ei poate limita producţia.t. = 3.t.06 x1 + 0. din produsul P2 se produc 100 unităţi.).O.t.t. În acelaşi timp dacă în prima restricţie mărim timpul disponibil cu o unitate (din 36u. care nu este utilizat în procesul de producţie.

Y9 = 0 .m.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. lucru uşor de explicat din teorema ecarturilor complementare.08 x3 ≤ 33.=3. Prin creşterea cu o unitate a restricţiei în loc de 70 să avem 71 valoarea funcţiei obiectiv rămâne aceeaşi F.p).p. lucru uşor de explicat din teorema ecarturilor complementare: condiţia necesară şi suficientă ca două soluţii admisibile X.07 x 2 ≤ 31.4 ° 0. astfel P1 nu este o resursă rară deci are preţul umbră nul.05 x 2 + 0.06 x1 + 0.. Y6 = 0 . El totuşi este nul. Prin creşterea cu o unitate a restricţiei în loc de 100 să avem 101 valoarea funcţiei obiectiv rămâne aceeaşi F. Y8 = 0 .Programare liniară Restricţia cinci este satisfăcută cu semnul „<”. cu acelaşi profit şi dacă restricţiile problemei erau următoarele: ­ f = max(10 x1 + 12 x 2 + 15 x3 ) ° 0. deci din produsul P3 rămân nevândute o cantitate de 110 unităţi de produs (u. În concluzie acelaşi plan de producţie se putea face. x 3 ≥ 0 ¯ 52 .preţ umbră • x11 = 110 1 ⋅ 70 = 70 < 180 cu 110 unităţi de produs P3 Restricţia opt este satisfăcută cu semnul „<”. astfel P1 nu este o resursă rară deci are preţul umbră nul.15 x ≤ 36 1 2 3 ° °0.600u.15 ° 115 ≤ x1 ≤ 135 ° 0 ≤ x 2 ≤ 100 ° ° 65 ≤ x3 ≤ 70 ° ° x1 .3 ° ° ® 0. deci preţul umbră ar trebui să fie nenul.09 x3 ≤ 19. deci din produsul P1 rămân nevândute o cantitate de 65 unităţi de produs (u.m.preţ umbră • x9 = 115 1 ⋅ 135 = 135 > 20 cu 115 unităţi de produs P1.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.p).1x + 0.600u. deci preţul umbră ar trebui să fie nenul.1x 2 + 0. El totuşi este nul.12 x + 0.O. deci produsul P1 are o cerere maximă de 115 u.O.18 x1 + 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.13 x1 + 0. x 2 .=3. • x10 = 0 Y7 = 0 . astfel P3 nu este o resursă rară deci are preţul umbră nul. Restricţia şase este satisfăcută cu semnul „>”.

.Fundamentarea deciziilor în managementul sistemelor de producţie CAPITOLUL 3 PROGRAMAREA LINIARĂ DE TIP TRANSPORT 3. Se notează cu xi j . notate b j cu ( j = 1. ceea ce se presupune cunoscut. în limitele cantităţilor aflate în centru producător. 53 . … m ) . Transportul se poate efectua de la orice Pi la orice C j ( j = 1. destinatari). notate cu a i cu (i = 1.nu există limitări în ceea ce priveşte cantitatea transportată pe fiecare rută. depozite) notate cu Pi (i = 1.fiecare centru producător aprovizionează cel puţin un centru consumator şi fiecare centru consumator este aprovizionată de la cel puţin un centru producător. iar costul unitar de transport este ci j . aflate în cele m centre producătoare.1 : O problemă de transport echilibrată admite întotdeauna programe (soluţii).pot exista perechi producător . Acest produs trebuie transportat la n centre consumatoare (de desfacere. orice program este mărginit dacă valorile sale a i . dacă cantitatea disponibila totală este egală cu cererea totală. Acest cost depinde de distantele respective. . . şi aceasta cu costuri minime. notaţi cu C j ( j = 1.consumator între care nu se poate face transfer. 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.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: .1.1 ce este prezentat mai jos: Tabelul 3.1.Cercetări Operaţionale. Formularea unei probleme de transport Se consideră că un produs este disponibil în m centre producătoare (fabrici. Obiectivul problemei de transport este găsirea cantităţilor care trebuie transportate pe fiecare rută astfel încât să se asigure necesarul fiecărui centru consumator.… n ) . cantitatea transportată în condiţiile de mai sus iar datele problemei de transport sunt sintetizate conform tabelului 3. Numim model matematic echilibrat. Teorema 3.…m ). … m ) şi cantităţile necesare în cele n centre consumatoare. … m ) . Modelul matematic de mai sus se poate înlocui cu un model echivalent în care toate restricţiile sunt ecuaţii. b j sunt mărginite (finite ). Se cunosc de asemenea şi cantităţile disponibile. de mijloacele de transport folosite şi altele.

iar minimul –∞ nu este posibil. existând întotdeauna soluţii admisibile.3) i Aplicarea algoritmului simplex este dificilă în acest caz datorită numărului foarte mare de necunoscute şi a determinării soluţie admisibile de bază.2). i =1 j =1 m n astfel încât costurile să fie nule. deci numărul celor independente este de m+n-1. n − 1 ° i =1 ° m. - Daca ¦ ai > ¦ b j . m ® j =1 °m _______ °¦ xi j = b j . n − 1 ° i =1 ° xi j ≥ 0 ¯ (3. 54 . ţinând cont că avem de minimizat o funcţie liniară cu toţi coeficienţii pozitivi pe o mulţime de soluţii cu toate componentele pozitive. însă el este cel mai simplu din punct de vedere matematic şi astfel va fi ales pentru formalizarea problemei. 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 . Orice problema de transport admite soluţii admisibile. O astfel de problemă se numeşte problemă de transport echilibrată. O astfel de problema are soluţia următoare : xi j = ai b j ¦a i =1 n (3.2) Orice problemă poate fi transformată într-o problemă de tipul (3. Acest caz este foarte rar în practică. j ∈ 1.Programare liniară de tip transport ­ · § m n −1 min¨ ¦¦ ci j xi j ¸ ° ¸ ¨ ° ¹ © i =1 j =1 _____ ° n −1 ° ¦ xi j ≤ a i . m ° ® m j =1 _______ ° ¦ xi j ≥ b j . a i ≥ 0 .1) Astfel în urma acestor transformări se va obţine următorul model matematic echilibrat (3. se poate adăuga un depozit fictiv Pm+1 care are un disponibil i =1 j =1 m n a m +1 . j ∈ 1. adică sistemul de ecuaţii este compatibil.2): ­ § m n −1 · ° min¨ ¦¦ ci j xi j ¸ ¨ ¸ ° © i =1 j =1 ¹ _____ ° n −1 ° ¦ xi j = a i . b j ≥ 0 ° i =1 j =1 ¯ (3. i ∈ 1. se poate adăuga un centru fictiv C n +1 ce necesita bn +1 unităţi. astfel încât costurile de transport de la depozitul Pm+1 la centrele C j sunt nule. Într-o problemă de transport nu poate apărea decât varianta de optim finit. i ∈ 1. n −1 °¦ a i > ¦ b j .

cil αil xil . . . am . . cu păstrarea semnificaţiilor notaţiilor cunoscute. .. 3. cmj . Pi . în care se specifică şi capacităţile maxime de transport α ij . m ° j =1 ° n °¦ α ij ≥ b j . Cn c1n α1n x1n . ..... Pm bj Cl c1l α1l x1l . i = 1.. i = 1...... m. Modelul matematic al acestei probleme.. cij αij xij .. metoda costului minimal.. 2. bj 55 .. i = 1. metoda costului minim pe coloană.. Tabelul 3.4) Condiţiile necesare şi suficiente de existenţa a soluţiilor pentru problema (3. n ° j =1 ¯ (3. Cj .. αmj xmj . i = 1. ai .. . 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.. j = 1.. n °i =1 °0 ≤ xij ≤ α ij . .... Determinarea soluţiei optime pornind de la soluţia X. m i ° j¦1 ij ®= °m ° ¦ xij = b j .2.... j = 1...Fundamentarea deciziilor în managementul sistemelor de producţie Algoritmul specific problemelor de transport au următoarele etape: 1. j = 1. j = 1.. metoda costului minim pe linie....5) Acestei probleme i se poate asocia un tabel de forma celui de la problema de transport.. Se determină o soluţie admisibila de baza de pornire X..2 Pi / Cj P1 ..4) sunt: n ­m °¦ ai = ¦ b j j =1 ° i =1 n ° ° ®¦ α ij ≥ ai . Se notează cu α ij > 0 capacitatea maximă ce poate fi transportată pe ruta de la centru producător i la centrul consumator j. prin folosirea uneia din următoarele metode : coltului N-V. α1j x1j . este următoarea: m n ­ min( ¦ ¦ cij xij ) ° i =1 j =1 ° n ° x = a .. m... n ¯ (3.. cmn αmn xmn bn ai al .Cercetări Operaţionale..... cin αin xin . n . cml αml xml bl .. c1j ...

k = 1. j = 1. p ¯ (3.8) 56 . Ca urmare. Condiţia necesară şi suficientă de existenţă a soluţiilor pentru problema (3. i = 1. x kj ≥ 0.6) unde: ' xik .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. m. k = 1. p  j =1  n ''  k∑1x kj = b j . j = 1. se pot considera următoarele două probleme de transport: m p ­ ' ' °min(i¦ k¦1cik xik ) =1 = ° p ° ¦ x ' = a . i = 1. p ° i =1 ' ° xik ≥ 0. n  = ' ''  xik . n  (3.cantitatea ce urmează a fi transportată de la centrul k la centrul consumator j .reprezintă cantitatea ce urmează a fi transportată de la centrul producător i la centrul intermediar k . Modelul matematic al acestei probleme are forma: p n m p  ' ' '' '' min( ∑ ∑ cik xik + ∑ ∑ c kj x kj )  i =1 k =1 k =1 j =1  p  '  k∑1xik = ai . i = 1. k = 1. Se consideră p centre intermediare şi se notează cu β k .costul unitar de transport dintre centrele i şi k . el poate trece prin mai multe centre intermediare. p . k = 1. m. ' cik . p k  ik i =1  n ''  ∑ x kj = β k . i = 1. o astfel de problemă numindu-se problemă de transport cu centre intermediare sau problemă de transfer. k = 1. de tranzit. capacităţile acestora. m ° ik i ®k =1 °m ' ° ¦ xik = β k . k = 1. '' c kj . '' x kj .7) Având în vedere faptul că fiecare intermediar este atât centru destinaţie cât şi centru sursă. p. m = m  ∑ x ' = β .costul unitar de transport dintre centrele k şi j.6) este: m p n ¦a = ¦β i i =1 k =1 k = ¦bj j =1 (3.

k = 1. respectiv a timpului în care utilajul i prelucrează piesele de tip j astfel încât cheltuielile totale de producţie sa fie minime. n ° k =1 '' ° x kj ≥ 0.Fundamentarea deciziilor în managementul sistemelor de producţie şi p n ­ '' '' min( ¦ ¦ c kj x kj ) ° k =1 j =1 ° ° n x '' = β . Soluţia admisibile de baza iniţiale. Se pune problema de a determina o repartiţie a sarcinilor. m i  j∑1 ij = m  ∑ rij xij = b j . Se cunosc randamentul orar.8) şi (3.10) 3. Metoda colţului Nord-Vest (NV) Această metodă se mai numeşte Metoda diagonalei principale sau Metoda lui Dantzing. i = 1. În consecinţă. j = 1. j = 1. i = 1.8). m. k = 1. i = 1.3. p k ° j¦1 kj ®= ° p '' ° ¦ x kj = b j .9) Se poate arăta că x ik şi x kj reprezintă o soluţie optimă a problemei de transport cu centre intermediare (3. Modelul matematic al problemei este de forma (3. iar x kj este o soluţie a problemei de transport (3. rezolvarea problemei (3. în cantităţile b j . cij .6) este echivalentă cu rezolvarea celor două probleme (3. i = 1. 57 . n ¯ (3.Cercetări Operaţionale. Se notează cu xij numărul de ore în care utilajul i prelucrează piesele de tip j.9).9). ( ) '' ( ) este o soluţie optimă a problemei de Probleme de repartiţie Într-un atelier mecanic există m utilaje.10): m n  min( ∑ ∑ cij xij )  i =1 j =1  n  x ≤ a . n  (3. Determinarea unei soluţii de baza iniţiale a problemei de transport. n . este o soluţie nedegenerată. Metodă nu ţine cont de costurile de transport cij şi numai de cantităţile disponibile în centrele producătoare şi cererea centrelor consumatoare. care au disponibilul de timp a i . n  i =1  xij ≥ 0. Dacă numărul soluţiilor este mai mic decât (m+n-1) soluţia este degenerată. la utilajul i ale piesei j.6) dacă şi numai dacă x ik ' ( ) ( ) ' '' transport (3. p. m . care are cel mult (m+n-1) componente nenule. Pe acestea se vor prelucra n tipuri de piese. j = 1. j = 1. şi cheltuielile de producţie. rij .

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 ) este o soluţie j particulară şi k o constantă oarecare, atunci orice soluţie a sistemului este de forma:
­u i = ui0 + k , i = 1, m ° (3.14) ® 0 °v j = v j − k , j = 1, n ¯ 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

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

12 alături de costurile unitare de transport date iniţial: Tabelul 3. Soluţia de bază iniţială este înscrisă în tabelul 3. (2. Pasul 1. x 33 = 14.4). (3.12 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. (i.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. ∀(i. (3.Programare liniară de tip transport Tabelul 3. (i. Valoarea funcţiei obiectiv corespunzătoare acestei soluţii iniţiale este : z = 8 ⋅ 7 + 7 ⋅ 12 + 4 ⋅ 6 + 3 ⋅ 14 + 2 ⋅ 14 = 240 . unde J = {(1. 62 . x 31 = 2. (2.2). j ) ∈ J . Deoarece δ ij ≤ 0. Iteraţia 1.1). j ) ∉ J rezultă că soluţia nu este optimă.11: Tabelul 3.13 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. pornind de la u1 = 0 Tabelul 3. x 24 = 14. j ) ∉ J sunt scrise în tabelul 3. x12 = 12. Se rezolvă sistemul: ui + v j = cij . (1.1). x 21 = 6. Valorile δ ij = ui + v j − cij .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. Prin metoda costului minimal se determină soluţia de bază iniţială iar calculele sunt prezentate în tabelul 3.1).13.10 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 .

13. (i. x 31 = 9. j ) ∉ J Deoarece δ ij ≤ 0. (1.2). j )este casuta de ordin par = min{7. x 33 = 14 − 7 = 7 .3). (2.3. j ) ∉ J rezultă că soluţia este optimă .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. (3.2). Pasul 3. (1. iar soluţia este indicată în tabelul 3. (3. Se calculează δ lk = max δ ij / (∀)(i.2) (tab.3)}.1). soluţia nu este optimă (tab. δ lk = δ 23 = 2 Ÿ variabila x32 va intra în bază .1).3).1). (1. j ) ∈ J .Fundamentarea deciziilor în managementul sistemelor de producţie Pasul 4. Pasul 6.12} = x 33 = 7 Ÿ x33 va ieşi din bază .14) Pasul 5 .3.15. (3.2). x 32 = 7. Se rezolvă ui + v j = cij . ∀(i. Rezultatele sunt consemnate în tabelul 3. Se determină θ = x st = min xij / (i. deoarece δ ij < 0.15) Valoarea funcţiei obiectiv devine : z = 7 ⋅ 5 + 3 ⋅ 14 + 4 ⋅ 6 + 3 ⋅ 14 + 3 ⋅ 9 + 4 ⋅ 7 = 198 Iteraţia 3 .3.1).3). (3. x 33 = 7 − 7 = 0. x 24 = 14. j ) ∉ J .14 Tabelul 3. x 31 = 2 + 7 = 9. (2. (1. Se calculează valorile δ ij = ui + v j − cij . x13 = 7 + 7 = 14. Căreia îi corespunde costul total al transportului minim z*=198 63 * * * * * . Se modifică valorile căsuţelor din ciclul de mai sus : x 32 = 0 + 7 = 7. unde J = {(1.3) care este indicat în tabelul 3. x12 = 12 − 7 = 5 (tab.3). (3. ∀(i. Se modifică valorile căsuţelor din ciclul de mai sus: x13 = 0 + 7 = 7. θ = min{7.3). Pasul 4. (i. Pasul 5.14} = x11 = 7 Ÿ variabila x11 va { } { } ieşi din bază. Se construieşte ciclul (3.14). Noua soluţie de bază admisibilă este înscrisă in tabelul 3. Tabelul 3.14.15 u1=0 u2=-2 u3=-3 v1=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.Cercetări Operaţionale. x11 = 7 − 7 = 0. (3. Pasul 6. j ) ∉ J = δ 13 = 4 Ÿ variabila x13 va intra în bază Se construieşte ciclul : (1. x 13 = 14.4). (1.

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

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

Un subgraf se obţine din graful G prin suprimarea nodurilor care nu sunt conţinute în Y şi arcelor corespunzătoare lor. x 4 ). iar arcele care ies din nodul xi de forma xi .Elemente de teoria grafurilor În graful din fig. x 4 ). Subgraf Fie Y ⊂ X şi V ⊂ U mulţimea tuturor arcelor din U care au ambele extremităţi în submulţimea Y. ( x 2 . x 4 )}. x5 ). x3 ).2) Gradul de incidenţă Două noduri xi şi xj sunt noduri adiacente dacă există un arc xi . x j ∈ U sau x j . U + ( A) = {(x3 . x5 ). u ∈ U / xi ∈ A. (x 4 . x j sunt arce incidente spre exterior. ( ) ( ) Două arce sunt adiacente dacă au în comun o extremitate. 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 . Toate arcele u ∈ U .1 atunci : U − ( A) = {( x1 . U ) dacă U * ⊂ U . x3 ).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. notat cu d ( xi ) . ( x 4 . ( x 2 . x 4 ) din graful de referinţă din figura 4. x3 ). ( x 2 . x6 )} Graf parţial. Gradul unui nod xi ∈ X . Un graf parţial se obţine din graful G prin suprimarea a cel puţin un arc din U. în cazul grafurilor orientate. U ( A) = {( x1 .5) iar gradul de incidenţă al submulţimii A este U ( A) = 6 . ( x 2 . x j . Graful H = (Y . Un graf G * = (X . este dat de relaţia: d ( xi ) = d − ( xi ) + d + ( x i ) (4.3) Toate arcele u ∈ U . xi ∈ U . 4. Prin suprimarea arcelor (x3 . x j . 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 .2b. iar nodul de ieşire este nodul x6. ( x5 .U * ) este un graf parţial al grafului orientat G = ( X . xi sunt arce incidente spre interior. x j ∈ A { ( ) } (4. ( x3 .1 nodul de intrare este nodul x1. x6 )} (4. ( x5 . x3 ). x 2 ) şi (x 2 . Fie A ⊂ X o submulţime a mulţimii X. 66 .2 se obţine graful parţial din figura 4. u ∈ U / xi ∉ A.V ) este un subgraf al grafului G. Arcele care converg într-un nod xi de forma x j . x 4 ). x j ∉ A { ( ) } (4.

x j )∈ U Ÿ (x j . x1 x2 x1 x2 x1 x2 x3 x4 x3 x4 x3 a) G b) G* Fig. Un graf orientat G = ( X . Un graf orientat G este antisimetric dacă pentru oricare două noduri xi şi xj din (xi . x1 ) din graful din figura 4. x 4 ) . Nodurile xi şi xj ale unei muchii u = {xi . xi )∈ U . x j )∉ U Ÿ (x j . x 4 ) .3 Graf complet Un graf orientat G este complet dacă pentru oricare două noduri xi şi xj din (xi .2c.4 Cazul grafurilor neorientate Prin definiţie un graf neorientat G este o pereche ( X . definesc extremităţile muchiei.2 c) H Grafuri simetrice şi antisimetrice. Graful din figura 4.3b este reprezentat un graf antisimetric.Cercetări Operaţionale.2a se obţine graful din figura 4.Fundamentarea deciziilor în managementul sistemelor de producţie Prin suprimarea nodului x4 şi a arcelor (x 2 . Într-un graf complet între oricare două noduri există cel puţin un arc. xi )∉ U . unde mulţimea X este numită mulţimea nodurilor. x1 x3 x2 x4 x3 x1 x2 x4 a) b) Fig.4. Într-un graf antisimetric între două noduri există cel mult un arc. U ) este simetric dacă pentru oricare două noduri xi şi xj din (xi . Într-un graf simetric între două noduri vor exista două arce de sens contrar sau nici unul. 67 .3b nu este complet pentru că nu există arce între nodurile x1 şi x4 sau x3 şi x4. În figura 4. 4.4.4 este reprezentat un graf complet. (x 4 . x j )∈ U Ÿ (x j . x j } . x1 x2 x3 x4 Fig. iar U este mulţimea muchiilor. ( x3 . U ) .3a este reprezentat un graf simetric. În fig. xi )∈ U .4. În figura 4.

x j } care le uneşte. iar o muchie cu extremităţi identice u = {xi . i i =1 n (4. muchia u şi nodul xi sunt incidente. Nodurile xi ∈ X se vizualizează prin puncte în plan încadrate în cercuri. Dacă u = {xi . iar F conţine toate muchiile din U şi care au ambele extremităţi în mulţimea Y . xi } se numeşte buclă.4. Nodurile xi şi x j sunt noduri adiacente dacă ( ) există o muchie u = {xi . 68 . d ( x3 ) = 2 . ( ) ( ) Exemplul 4.5 gradele nodurilor sunt: d ( x1 ) = 2 .6) Această relaţie rezultă din faptul că fiecare muchie este incidenţă în două noduri.4.4. d ( x 6 ) = 3 . x j ∈ X . d ( x 2 ) = 2 . Graful din fig. Două muchii u1 şi u 2 ale grafului sunt muchii adiacente dacă sunt incidente în acelaşi nod. Fie G = X . F ) este un subgraf al grafului G = X . Reprezentarea geometrică a unui graf neorientat Un graf neorientat G = X . Gradul unui nod xi ∈ X . x j } . ¨ ¸ ¹ © ( ) Graful G * se obţine din graful G prin suprimarea a cel puţin unei muchii.U (fig.6b este un graf parţial al grafului de referinţă din fig. iar muchiile u = xi .U · este un graf parţial al unui graf G = X .5 Gradul unui nod. Un graf orientat care nu are nici bucle nici arce paralele este un graf simplu. Graf parţial * * Un graf G * = § X . 4.Elemente de teoria grafurilor Două muchii având aceleaşi extremităţi sunt muchii paralele.6a. d ( x5 ) = 0 .2 Graf neorientat u1 x1 x2 u3 u4 x4 u5 x6 u2 u6 x3 x5 Fig. Subgraf. Un nod izolat are gradul 0. U ( ) dacă Y ⊂ X . U dacă U ⊂ U . U un graf şi xi . Pentru graful din fig. Dacă X = n şi U = m avem relaţia: ¦ d (x ) = 2 ⋅ m . d ( x 4 ) = 3 .5) se reprezintă geometric printr-o figură în plan. notat cu d ( xi ) reprezintă numărul de muchii din graful G incidente cu nodul xi. x j ∈ U prin linii ( drepte sau curbe ) care unesc nodurile xi şi xj. Un graf H = (Y .4.

Fundamentarea deciziilor în managementul sistemelor de producţie a) G b) G* Fig.Cercetări Operaţionale.. În figura 4.8 69 . xip . xip .4. Graf complet Graful G = X ..4..b ∈ U sunt arce ale grafului G. xi 2 .8. ( Propoziţia 4.7 sunt reprezentate cinci grafuri complete.6c este un subgraf al grafului din fig.. x6 ) nu este un drum elementar. x 2 . x j ∈ X există o Un graf complet cu n noduri se notează Gn. Nodurile a şi b. x 4 . { } ( ) este complet dacă între orice două noduri xi . Drumuri şi circuite în graf Fie G = ( X ..1 Într-un graf G cu n noduri. x3 . dar µ 2 = (x1 . b ∈ X . G1 G2 G3 G4 G5 Fig. x 2 . xi 2 ).6a. 4. x6 ) este un drum elementar.b ( ) ) (4. un drum elementar conţine cel mult n–1 arce. x5 . x 4 .. x2 x1 x3 x5 x4 x6 Fig.7) cu proprietatea că (a . În graful din figura 4. xi1 . xi1 )( xi1 . µ1 = ( x1 . este un şir ordonat de noduri: µ = a . Graful din figura 4. U muchie xi .7 4. x 2 . Un drum este elementar dacă trece o singură dată prin fiecare din nodurile sale. sunt numite extremităţile drumului. Un drum între nodurile a şi b. x 4 .1...3. în graful G.4. x j ∈ U . U ) un graf orientat şi nodurile a şi b.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. a ∈ X .

Un circuit este elementar este µ 2 = ( x 2 . x6 ) este un drum hamiltonian. fiecare muchie componentă. Lungimea unui lanţ este dată prin numărul de muchii din care se compune. x3 ..4. x2 . x2 . x1 ) este un circuit hamiltonian. Un circuit hamiltonian este un drum hamiltonian în care extremităţile sale coincid. în a doua reprezentare. s ∈ X . are o extremitate comună cu muchia precedentă şi cealaltă extremitate în comun cu muchia următoare. x3 .. Un circuit este elementar dacă trece o singură dată prin fiecare din nodurile sale. xi 2.1. Un lanţ de lungime 2 este format din două muchii adiacente. ….8. x6 . t ∈ X .. x5 . În fig.. 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). Se numeşte valoarea unui drum suma valorilor arcelor ce formează drumul respectiv şi acesta sub forma : v[d ( xi . Exemplul 4. xip . x4 . x j ) ] = ¦ v( x k .U un graf neorientat şi nodurile aşi b. un lanţ poate fi definit prin succesiunea muchiilor adiacente care-l formează: L = u1 . u p [ ] (4. xi 2 .8) Numărul vârfurilor ce pot fi atinse da la vârful xk poartă denumirea de puncte de atingere de la virful xk 4. x4 .9) cu proprietatea că [a .Elemente de teoria grafurilor Un drum elementar care trece prin toate nodurile grafului este un drum hamiltonian. x 2 ) . xl ) (4.4. x 2 . ] ... ui şi up sunt extremităţile lanţului. Lanţul este definit prin succesiunea nodurilor.b sunt muchii ale grafului. Lanţuri şi cicluri în graf Fie G = X . [xi1 . ] . xi1. u 2 .9 70 . xi1. Alternativ. x3 .10) Nodurile a şi b sunt extremităţile lanţului. O muchie este un lanţ de lungime 1. xip . exceptândo pe prima si pe ultima.. µ 2 = (x1 . Un circuit format dintr-un singur arc este buclă. Un circuit este un drum finit care începe şi se termină în acelaşi nod.4. De asemenea. Un lanţ între două noduri a şi b ale grafului G este o mulţime ordonată de noduri notată: ( ) L = a .b [ ] [ ] (4. x4 . x5 . Drumul µ6 = (x1 ..3 x2 x1 x3 x5 x4 x6 Fig.

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

(x 2 . x3 ) . x ] ⇔ (x . Dacă un graf este antisimetric. Matricea unui subgraf este o matrice pătratică extrasă din matricea grafului G. x4 şi cu arcele ( x1 . Matricea asociată unui subgraf parţial H se obţine prin suprimarea din matricea asociată grafului G a liniilor şi coloanelor corespunzătoare nodurilor excluse.U este neorientat muchiile sale se orientează în ambele sensuri: ( ) [x . x j ) pentru toatele elementele a ij = 1 . P4. (x3 . Dacă graful G = X . (∀)xi . (x 2 .5 Corespunzător matricei booleene: 72 . (x 2 .Elemente de teoria grafurilor Exemplu 4. x 4 ) . x3. (x 2 . Pentru un graf cu patru noduri x1. atunci în matricea asociată A: a ij ⋅ a ji = 0.13) şi elementele matricei A = (aij ) asociată grafului G se definesc prin: ­1 daca xi . x 2 ) . 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 . x j ∈ U ° aij = ® °0 daca xi .12) P2. Matricea asociată unui graf parţial G* se obţine din matricea asociată grafului G prin înlocuirea cu zero a elementelor asociate arcelor suprimate. matricei booleene pătratice A i se asociază un graf orientat cu arcele (xi . x4 cu muchiile (x1 . (x1 . x ) i j i j j i (4. matricea asociată A este o matrice simetrică. x j ∉ U ¯ [ [ ] ] (4. x2. (x1 . Exemplul 4. x3. x4 ) . (x3 . x j ∈ X . x3 ) . x3 ) . i ≠ j (4. 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. x 2 ) . x4 ) . x ) şi (x . x 2 ) .14) În cazul unui graf neorientat. x3 ) .4 Unui graf orientat G cu patru noduri x1. x2.

. notate x1. În matricea A avem: pe linia i. 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.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. în coloana j .Cercetări Operaţionale. ( Dacă un element a ijk ) = 1 există un drum de lungime k de la xi la xj.3..1 ≤ j ≤ n sunt marcate cu 1 drumurile de lungime 1 care converg în nodul xj . x3.2.10 4. în matricea booleană A(k): .4.elementele de pe linia i. . a 22 = 1 semnifică existenţa unei bucle în nodul x2.10 cu cinci noduri. x4. x2 x1 x3 x5 x4 Fig. A este matricea booleana a drumurilor de lungime k în graful G sau matricea conexiunilor totale. Astfel.. .… de k ori atunci.1 ≤ i ≤ n arată drumurile de lungime k de la nodul xj la nodurile în coloanele cărora apare 1 pe această linie. matricea A este matricea booleană a drumurilor de lungime 1.5 avem următoarele puteri booleene succesive ale matricei A: (k) 73 . k = 2. Astfel.. + 0 1 0 0 1 1 1 1 .1 ≤ j ≤ n arată drumurile de lungime k de la nodurile pe a cărora linie apare 1 în această coloană la nodul xj. x n } şi A matricea arcelor.2. . U ) un graf orientat cu X = {x1 . A(k ) = A × A × A ×…× A = A (k −1) × A. Matricea drumurilor (matricea conexiunilor totale) - Fie G = ( X .4.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: . . . x 2 .elementele de pe coloana j .1 ≤ i ≤ n sunt marcate cu 1 drumurile de lungime 1 care pleacă din nodul xi.. . x2. Pentru exemplul 4.

De exemplu. În acest caz matricea A este simetrică. iar cele cele de pe diagonală existenţa circuitelor. …. 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 . (3 În A(3) (elementul a 45) = 0 ) nu există drum de lungime 3 de la x4 la x5. dar există drum de lungime 3.  0 1  Elementele acestor matrice egale cu 1 asigură existenţa drumurilor de lungime 2 şi 3. trei drumuri de lungime 3: x1 → x 4 → x3 → x 2 . 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 . Circuite de ordinul 2 se realizează în nodurile x2. de la x1 la x4 nu există drum de lungime 2. 74 . 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 ¸ . x1 → x 4 → x 2 → x 2 şi cinci drumuri de lungime 4. x1 → x3 → x 2 → x 2 .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  . Puterea A(4) are toate elementele 1. multe drumuri sunt neelementare. Pentru a determina numărul drumurilor şi circuitelor de lungime 2. x3 şi x5. 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 . A (3 ) = ¨ 1 3 0 ¸ ¨ 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¸ . Bucla din nodul x2 poate crea drumuri de orice lungime prin repetarea parcurgerii ei. 3 şi 4 se calculează puterile succesive A2. iar de ordinul 3 în toate nodurile. Evident.

8).2. dat sub forma matricei de mai jos. Operaţiile continuă până când toate vârfurile grafului au fost luate în consideraţie (nu se va exclude nici un virf. O componentă tare conexă a unui graf orientat G este un subgraf tare conex. dacă există cel puţin un drum de la xi la xj sau de la xj la xi.Fundamentarea deciziilor în managementul sistemelor de producţie 4.2. x j ∈ X există un lanţ cu extremităţile xi şi xj. Să considerăm un nod xi ∈ X în graful G = ( X .6 O întreprindere trebuie să fabrice succesiv opt tipuri de produse Pi (i =1.4.16) Pas 4 : Iterativ : se elimină din matricea A toate liniile şi toate coloanele corespunzătoare vârfurilor din C(xi) .3. Pas 5 : În matricea rămasă se caută în mod asemănător o nouă componentă tare conexă. Pentru a trece de la producerea produsului Pi la producerea produsului Pj. xi ∈ X C ( xi ) ⊆ 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. O componentă conexă a unui graful G este un subgraf conex al grafului G. Descompunerea grafului în componente tari conexe Un graf G = ( X . Un graf G este tare conex numai dacă admite o singură componentă tare conexă.U ) este conex dacă pentru oricare două noduri distincte xi .9 este conex. 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.) Exemplul 4. Cunoscându-se tabelul tuturor costurilor de lansare.15) şi C ( xi ) . 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.Cercetări Operaţionale. astfel încât cheltuielile totale de lansare să fie minime 75 . Pas 3: Se determină componenta tare conexa care conţine vârful xi cu ajutorul relaţiei următoare : C( xi ) = ( Vi ∩ Vi' ) ∪ {xi } (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 ) .U ) . Graful din fig. să se determine o asemenea ordine a producerii celor opt produse. atunci X = xi ∈ X (4. trebuie suportat un cost de lansare sau un cost de trecere cij.

vom renunţa în graf la arcul (Pi. P7 . În cazul în care avem cij = cji. Compararea celor două costuri de acest fel se poate face direct pe matricea dată. P8 } Matricea conexă C* a grafului condensat G* este următoarea: 76 . Astfel. iar în locul costului mai mic vom scrie unu. fiecare nod având câte un cost de total de lansare. deoarece ele sunt simetrice faţă de diagonala principală. 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. 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. După cum vom vedea. dacă cij < cji. P6 } C 2 = {P2 } C 3 = {P3 . În locul costului mai mare vom scrie zero. numărul drumurilor hamiltoniene în acest graf este mult mai mic faţa de cel al grafului dat de problemă. Pj) şi vom păstra arcul (Pj. Cu ajutorul algoritmului ajutător descris.320 de moduri de a trece prin fabricarea celor opt produse. vom schimba în mod arbitrar una din valori prin unu şi cealaltă prin zero. Pi). se determină componentele tare conexe ale grafului G obţinut: C1 = {P1 . P5 .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. P4 . păstrând-o păstrându-o numai pe cea cu costul mai mic.

Drumul hamiltonian. ce se obţin prin legarea drumurilor parţiale prin arcele ce leagă componentele succesive. chiar dacă nu este cel minim. P7. P8. P6.Cercetări Operaţionale. C2. P4).4. este de obicei foarte aproape de cel minim.Fundamentarea deciziilor în managementul sistemelor de producţie C1 C2 C3 C1 0 1 1 (C*) C2 0 0 1 C3 0 0 0 Fig.P3. 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. ordine ce conduce la un cost total de lansare egal cu 32 de unităţi monetare. C3.11 Deci graful condensat G* are un drum hamiltonian dat de succesiunea C1. P2. 77 . Aceasta trebuie să fie ordinea în care trebuie lansată producţia celor opt tipuri de produse. 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. optim corespunde drumului µ(P5. P1. Practica arată că acest cost de lansare aflat în modul de mai sus.

Etapa 2. trebuie suportat un cost de lansare sau de trecere cij de la un produs la un alt produs. În continuare vom prezenta algoritmi de determinare a drumurilor hamiltoniene din grafuri.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 (I ⊕ M)2 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 + ……. determină clasa de echivalenta C1 (componentele tari conexe). ……xip Se elimină liniile şi coloanele care corespund nodurilor din clasa de echivalenţă stabilită. liniile pline i1. unde matricea I este matricea unitate iar „⊕„ este adunarea booleană. formată din nodurile xi1 . 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. sensul arcelor reflectă ordinea de lansare în lucru. iar valorile asociate arcelor fiind legate de costurile de lansare în fabricaţie.ip (acele linii care sunt formate numai cu cifra 1).+ min*mnj Unde produsul mik*mkj = 1 ⇔ mik= 1 si mkj = 1 Etapa 3 k În matricea (I ⊕ M)2 . 23. în clase de echivalenţă adică în subgrafuri tari conexe ale grafului G. Se ridică succesiv matricea M ( 1 ) = I ⊕ A .…. Se reia raţionamentul pe matricea redusă şi se obţine următoarea clasă de echivalenţă.…. trebuie aleasă ordinea în care se vor succeda produsele pe linia de fabricaţie. 78 . Se scrie matricea booleana ă asociată grafului G (A) şi matricea M ( 1 ) = I ⊕ A . Astfel. Vom prezenta în continuare un algoritm pentru determinarea drumurilor hamiltoniene bazată pe ideea împărţirii grafului G. o singură dată. Fie G =(X. la puterile 2. Determinarea drumurilor hamiltoniene în grafuri cu circuite Un drum hamiltonian este un drum care trece prin toate vârfurile unui graf. Pentru trecerea de la fabricarea produsului Pi la fabricarea produsului Pi+1 pe linia de fabricaţie. unde produsele sunt reprezentate prin vârfurile grafului.Elemente de teoria grafurilor 4. Se continuă formarea claselor de echivalenţă până se epuizează toate liniile matricei. xi2 . i2 . Rezolvarea problemei se reduce la determinarea drumului hamiltonian optim din modelul de graf asociat problemei.U) un graf orientat. Algoritmul Foulkes Etapa 1. 22.3. astfel încât costul total pe săptămână să fie cât mai mic (minim).

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

pentru realizarea unui produs pe baza unui proces tehnologic trebuie parcurse o serie de operaţii tehnologice. Stabilirea unei succesiuni a operaţiilor. creând o mulţime de variante ale procesului tehnologic. În graful asociat procesului tehnologic pot fi evidenţiate diversele restricţii tehnologice. într-un graf asociat procesului tehnologic revine la determinarea unui drum hamiltonian.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¸ .14.Elemente de teoria grafurilor Exemplul 4. În practica industrială.8 Problema succesiunii operaţiilor. Să presupunem că astfel de proces este dat prin graful din fig. 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 . Prin stabilirea unei succesiuni a operaţiilor se caută să se proiecteze un proces tehnologic în condiţiile tehnice date şi cu eficienţă economică. x2 x1 x3 x5 x7 x4 x6 Fig.4. fiecare efectuată în condiţiile tehnice specifice.4. 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).

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

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

Cercetări Operaţionale. 4. graful nu are circuite şi se continuă cu etapa 2.16 Presupunând că nu există o ordine preferenţială în prelucrarea produsului în cele şapte secţii. Se calculează puterile de atingere pentru fiecare nod. Procedura se termină când matricea D nu se mai modifică (devine un invariant). Dacă relaţia n n(n − 1) ¦ p(xi ) = 2 se verifică. acesta trebuie să treacă prin şapte secţii. evident.10 În prelucrarea unui produs. Observaţie: Conform proprietăţii că un graf condensat G* asociat unui graf G nu are circuite. Etapa 1.1 (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. deci orice nod atins de xj este atins din xi. U ) un graf orientat fără circuite. În caz contrar. Fie matricea arcelor A asociată grafului G şi se determină matricea D a drumurilor. se poate studia existenţa drumurilor hamiltoniene în graful condensat cu ajutorul teoremelor lui Chen. iar dacă nu. Exemplul 4. ce benzi mai trebuie construite (cât mai puţine la număr). Teorema 4. Dacă toate elementele de pe diagonala principală sunt nule. algoritmul se opreşte. Un drum hamiltonian se găseşte prin ordonarea nodurilor descrescător după puterile de atingere. Etapa 3. În caz contrar.18) Teorema 4.Fundamentarea deciziilor în managementul sistemelor de producţie b) Se adună boolean linia i cu liniile k1 . 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. 83 . în i =1 graful G nu există nici un drum hamiltonian şi algoritmul se opreşte. benzi reprezentate prin arce în graful din fig. k p rezultatul se înlocuieşte în linia i într-o nouă matrice booleana D. Algoritmul Chen Fie G = ( X . Dacă în graful G există un drum de la nodul xi la nodul xj. folosind benzile de transport existente între aceste secţii. … . p(xi)>p(xj). astfel încât să se rezolve problema transportului. atunci graful G conţine un drum hamiltonian. 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. k 2 . Etapa 2. c) Se repetă a) şi b) pentru liniile rămase.

una între secţiile x6 şi x4.4. dar numărul de elemente n(n − 1) = 21 . deci se impune construcţia a câte două benzi. transportul produsului în cele şapte secţii trebuie organizat în ordinea x2 x6 x4 x5 x3 x7 x1. În acest fel.17.Elemente de teoria grafurilor x7 x6 x5 x1 x4 x2 x3 Fig. iar cealaltă între secţiile x3 şi x7. Se observă că adăugarea arcelor (x6. 84 . diferite de zero ale matricei D este: 15 ≠ 2 Deci asigurarea transportului nu se poate face cu sistemul de benzi existent. se realizează în mai multe feluri. Vom alege mai întâi pe aceea a cărei coloană corespunzătoare are mai puţine zerouri. x4) şi (x3. x7) va asigura şi deasupra locurilor corespunzătoare încadrate cifre de unu.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. deoarece există două vârfuri cu puterea de atingere 3 (x4 şi x6) şi alte două vârfuri cu puterea de atingere 1 (x3 şi x7). Triunghiularizarea matricei D. După aceasta. vom obţine matricea din fig 4.

. . P2 şi P6.Produsul P3 precede produsul P1. Evident că acest graf nu trebuie să conţină circuite. 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. Problema care se pune este aceea de posibilitate de prelucrare a tuturor produselor.Produsul P5 precede produsele P1. P5 şi P6.17 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.Produsul P2 precede produsele P1. iar găsirea unei ordini de prelucrare a tuturor produselor înseamnă găsirea unui drum hamiltonian în graf.Cercetări Operaţionale. .4.18 Matricea drumurilor (D): x4 x6 85 .Produsul P6 precede produsul P3. .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. Din acest motiv se definesc următoarele relaţii de ordine pentru realizarea produselor: . Relaţiile de ordine determină matricea arcelor (A) pentru cazul în care cele şase produse se reprezintă ca vârfuri ale unui graf (fig.Produsul P4 precede produsele P3.4. fără să se încalce relaţiile de ordine stabilite. P3 şi P6.4.11 Fie şase produse care trebuie prelucrate conform proceselor tehnologice în cadrul unui sistem de producţie cu un număr limitat de resurse.18) şi relaţia de succesiune prin arce .

şi schimbând apoi locurile coloanelor în aceiaşi ordine. Punând aceste vârfuri în ordinea descrescătoare a puterilor de atingere. 86 . iar deoarece numărul total al elementelor egale cu unu este n(n − 1) graful conţine un drum hamiltonian. obţinem d H = (P4 . Aceasta va fi succesiunea optimă Triangularizarea matricei D se poate face scriind liniile în această ordine descrescătoare a puterilor de atingere. P1 ) . P3 . se verifică că graful nu are circuite. 15 = 2 În partea dreaptă a matricei D s-au scris puterile de atingere ale vârfurilor corespunzătoare celor şase linii. P6 . P2 . P5 . 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.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.

Pas 2 : Se caută un arc (xi . xk). 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 ). xj ) (4. i se asociază o valoarea v(ui)>0 sau v(xl.4.19) reprezintă valoarea drumului µ . Dacă considerăm drumul µ =(u1 . xk care aparţin grafului G ( X.Fundamentarea deciziilor în managementul sistemelor de producţie 4. u2 uk ) atunci mărimea: v(µ ) = ¦ v(u ) i i =1 k (4. xj ) < λj (4. xk)>0 numită valoarea arcului şi care în funcţie de problemă poate avea una din semnificaţiile: • Costul sau durata transportului pe ruta (xl. • Capacitatea maximă pe ruta (xl. Pas 3 : Deoarece pentru fiecare vârf xi valorile luate de λi . există nodul xp1 cu următoarea proprietate: 87 . Drumuri de valoare optimă în grafuri Una dintre aplicaţiile teoriei grafurilor constă în determinarea drumurilor de valoare optimă minimă (maximă) între două vârfuri xl .U ). Se continuă în acest mod până când nici un arc nu mai poate micşora valorile lui λj. cu valori pozitive.formează un şir descrescător de numere nenegative. • Algoritmul Ford Pentru aflarea drumului de valoare oprimă între două vârfuri x1 şi xn ale grafului G(X. există vârfuri între care se pot obţine valori oricât de mari. • Costul de fabricaţie al unui produs pe locul de muncă reprezentat prin arcul (xl. Fiecărui arc ui ∈ U. • Timpul de muncă necesar executării unui produs . De aceea determinarea unui drum de valoare maximă îşi pierde sensul. • Câştigul realizat prin trecerea de la o stare la alta a sistemului (xl.20) Dacă un astfel de arc a fost găsit se înlocuieşte λj cu λj’ unde acesta se scrie sub forma: λj’ = λi + v( xi .Cercetări Operaţionale. xk).21) Dacă există mai multe variante ce permit micşorarea variabilei λj se alege acel λj’ cu valoarea cea mai mică. • Consum de energie pentru efectuarea trecerii de la o stare la alta (xl. Prima valoare a acestei variabile este λ1 = 0 şi λi = ∞. xj) pentru care să se îndeplinească condiţia: λj -λi > v( xi .xk) .. In continuare ne interesează valoarea optimă a drumului format din succesiunea de arce ui ce leagă x1 de xn .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 . xk). xk). • Într-un graf cu circuite.

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

1 se centralizează toate datele.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. xk atunci drumul parţial xh → xk este un drum de valoare minimă. Iteratia 3: Se calculează λ j (2 ) − λi (2 ) . 89 . x j ) şi astfel se vor recalcula cu relaţia (4. λ6 (1) + v(xi x j ) . 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.Cercetări Operaţionale. − λ3 (1) . λ6 (1) −κ4 (1) = λi (1) . Observăm că aceste diferenţe nu mai pot fi micşorate în raport cu valoarea arcului. 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 . 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 . µ 2 . 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 . În tabelul 4.Fundamentarea deciziilor în managementul sistemelor de producţie λ j − λi > v (xi . 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 . deci λ6 (2 ) = 25 este valoarea minimă a drumului de la nodul x1 la nodul x6.2.

...26) Pentru rezolvarea sistemului de mai sus se utilizează un procedeu iterativ..n ) se rezolvă următorul sistem: ( k −1) ­ (k ) °vi = min (v j + cij ) i≠ j ® ° vn = 0 ¯ (4.1 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.. i = 1. x j ) ∈ U (i ≠ j ) ° cij = ® ∞. x j ) ∉ U (i ≠ j ) ° 0. grafului G( X ... j = 1.25) Fiecărui vârf al grafului G i se asociază o variabilă vi. ( xi . Rezolvarea sistemului de mai jos duce la aflarea soluţiei problemei: ­vi = min(v j + cij ) j ≠i ® vn = 0 ¯ (4.2. i = j ¯ (4.. în acest mod se pleacă de la informaţia iniţială definită în modul următor: ­vi( 0) = cin .n şi ­v( xi . ce are semnificaţia de valoare a drumului minim x1 → xn.28) 90 .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.U ) i se ataşează matricea C cu componentele: c= ( cij ) şi i.n-1 (4.27) ® ( 0) ¯ vn = 0 Pentru fiecare iteraţie k ( k = 1.. ( xi . x j ).2..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.

xj2. n − 1....Cercetări Operaţionale. (4.3 S7 40 20 30 - Problema urmează a se rezolva prin determinarea unui drum de valoare minimă în modelul graf asociat problemei (fig. Din datele existente în evidenţele întreprinderii reies costurile parţiale de trecere (tabelul 4.20).70. i = 1. (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 (− ∞ − ∞..2.31) Analog xj2 vârful pentru care avem următoarea relaţie : v1( k −1) = min(v j + c j1 j 2 ) = v (jk − 2) + c j1 j 2 2 (4.n-1.30 − ∞.32) Astfel drumul căutat este : µ =( x1.xj1.3)..30) Determinarea arcelor drumului de valoare minima se face în modul următor: Fie xj1 vârful pentru care avem următoarea relaţie: k v1( k ) = min(v j + cij ) = v (j1 −1) + c1 j (4. n .110. M1 M1 M1 M1 M1 M1 M1 S1 - S2 20 - S3 30 20 - S4 70 10 10 20 - S5 50 - S6 50 - Tabelul 4.29) Atunci avem următoarele: vi = vi( k ) = xi min x n → (k ) min v1 = v1 = x1 → x n (4.xn ) k Drumul de valoare minima trece prin xj1 si conform programării dinamice v (j1 −1) reprezintă valoare minimă a drumului xj1→ xn Exemplul 4. Conducerea urmăreşte alegerea variantei tehnologice care permite realizarea montajului cu obţinerea unui cost total minim. j = 1.12 O întreprindere de montaj are la dispoziţie mai multe variante tehnologice de montaj a ansamblelor pentru un produs.−∞ + 0) = 110 91 .20 − ∞.−∞.Fundamentarea deciziilor în managementul sistemelor de producţie unde: i = 1.4. k ∈ N Acest proces de calcul se închide în momentul în care: vi( k −1) = vi( k ) ..….

Elemente de teoria grafurilor v3 (1 ) = max(− ∞ − ∞.−∞ + 20.4. 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 .−∞ + 0 ) = 80 x2 20 x1 30 20 10 x3 50 70 x4 50 10 40 20 x6 x5 20 x7 30 Fig.10 + 40. (5 ) (4 ) Întrucât vi = vi → s-a obţinut soluţia optimă.50 + 30.20 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.−∞ − ∞.

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

c) linii care au cel puţin un zero încadrat în coloane marcate. i = 1. 94 .n unde cij> 0 si reprezintă valoarea cuplajului. în ultima linie neconsiderată până acum se alege un zero care se încadrează şi se vor bara toate zerourile. Operaţiile b) şi c) se repeta până când nu se mai poate marca nici o linie şi mici o coloană. Valoarea m se scade din toate elementele mulţimii M1 şi se aduna la toate elementele mulţimii M2 Elementele mulţimii M3 nu se vor modifica. b) coloanele care conţin zerouri barate pe linii marcate.mulţimea elemente situate pe linii si coloane tăiate Dacă m cel mai mic element din M1. Suportul minimal este dat de mulţimea liniilor marcate reunite cu mulţimea coloanelor marcate. c. j = 1. Se va bifează cu (*) lateral următoarele: a) linii care nu au nici un zero se încadrează.  i =n1   ∑ xij = 1. In cazul in care nu exista cuplaj atunci cij = ∞ . 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.2. Pasul 2 : a.37) Fie matricea C= (cij)m. 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. din cele n-1 linii rămase se considera linia cu cele mai puţine zerouri şi se procedează ca la punctul a.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. 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 . 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. Astfel se va obţine o noua matrice C(2) pentru care se va aplica algoritmul ungar începând cu Pasul 1.. b. soluţia fiind cuplajul definit de aceste zerouri şi care tot odată este cuplaj maxim. Dacă toate zerourile încadrate sunt în număr de n atunci algoritmul se întrerupe.2.. M3. Acesta se efectuează alegând din fiecare linie elementul cel mai mic după care se scade din toate elementele liniei.  j =1 (4.

acesta este cuplajul maxim. 95 . Managerul estimează în matricea C în cât timp (ore) execută o echipă fiecare lucrare. Pasul 2 În finalul acestui pas. Obţine succesiv matricele: 0 10 · 0 0 · § 50 150 30 § 0 150 30 ¸ ¸ ¨ ¨ ¨ 150 0 225 250 375 ¸ ¨ 100 0 225 250 365 ¸ ( = ¨ 450 275 0 0 300 ¸ şi C 21) = ¨ 400 275 0 0 290 ¸ ¸ ¸ ¨ ¨ ¨ 200 100 0 400 300 ¸ ¨ 150 100 0 400 290 ¸ ¨ 225 0 325 525 125 ¸ ¨ 175 0 325 525 115 ¸ ¹ ¹ © © ( C11) Pe fiecare linie şi pe fiecare coloană se află cel puţin un 0. x j ) ¯ § 100 200 80 50 60 · ¸ ¨ ¨ 225 75 300 325 450 ¸ Pentru exemplul ales vom avea: C(1)= ¨ 550 375 100 100 400 ¸ ¸ ¨ ¨ 500 400 300 700 600 ¸ ¨ 300 75 400 600 200 ¸ ¹ © Pasul 1 Din fiecare linie se scade minimul acesteia apoi. 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 © ( C 21) În total sunt 4 zerouri încadrate şi deci trecem la pasul 3. Dacă în final sunt n=5 zerouri. x j ) cij = ® ∞ daca nu exista arcul (x i . 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 .Cercetări Operaţionale. din fiecare coloană minimul acesteia.Fundamentarea deciziilor în managementul sistemelor de producţie Exemplul 4. pe fiecare linie şi pe fiecare coloană va fi cel mult un zero încadrat. dorind să realizeze o repartiţie a echipelor pe lucrari astfel ca suma timpilor de execuţie să fie minimă. care corespunde celui mai mic timp. în matricea obţinută.13 Un manager de proiect de producţie trebuie să repartizeze 5 echipe de muncitori (Mi) calificaţii la 5 lucrari de producţie (Lj). x j ) daca exista arcul (x i .

Elemente de teoria grafurilor Pasul 3 La acest se determină suportul minimal. 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. L3. M2} şi se trece la pasul 4. Matricea C(2) este următoarea. se marchează coloana M2. se marchează linia L2 Rezultă suportul minimal S={L1. Se va bifează cu (*) lateral următoarele: a) linii care nu au nici un zero se încadrează. 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 marchează linia L5 b) coloanele care conţin zerouri barate pe linii marcate. V = 50+75+100+300+75+50+10+100=760ore 96 . c) linii care au cel puţin un zero încadrat în coloane marcate. am obţinut cuplajul maxim de valoare minimă. coloana L1.L4. Matricea C(2) se obţine după regulă astfel: Dacă m cel mai mic element din M1. 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). Pasul 4 Cel mai mic element este m1=100 în linia L2.

Analiza acestor reţele ce modelează sistemul analizat.GERT (Graphical Evaluation and Review Technique) . a unei tehnologii şi resurse de producţie şi totodată trebuie împărţit în părţile sale componente: activităţi (operaţii) şi evenimente (fig. . . Activitatea este simbolizată în reţea prin litere majuscule (Ai).5. zile. Dezvoltarea tehnicilor de optimizarea în reţea a luat amploare îndeosebi după cel de-al doilea război mondial. 97 .Metoda PERT (1958).5.Tehnica GERT (1970) La planificarea unui proiect de producţie. durata activităţii (minute. săptămâni.tehnica diagramelor tip Gantt sau cu bare (dezvoltare a anilor 1910). necesare realizării acestuia ca conţine o combinaţie de activităţi în serie şi paralel. pentru a putea folosi o tehnică de tip reţea.Cercetări Operaţionale. echipamente). tabelare. resursele necesare realizării activităţii (umane. EVENIMENTUL – simbolizează momentul de început sau de terminare a unei activităţi şi este simbolizat în reţea cu cifre şi nu au durată. RESURSA – reprezintă elementul cheie cu ajutorul caruia se poate reliza tehnologia ACTIVITATEA – este specifică resursei.MPM (Metro Potenţial Method) . . formând astfel reţeaua logică a proiectului de producţie ce poate fi reprezentată grafic.Metoda Potenţialelor. ce poate fi de produs. ele delimitând activităţile. planifice. iar componentele de bază ale unei activităţi sunt: descrierea / denumirea activităţii şi codul acesteia. SISTEM – reprezintă ansamblul elementelor ce ascultă de un ansamblu de reguli de funcţionare bine definite în vederea îndeplinirii unui anumit scop. Pentru a modela arhitectura unui proiect de producţie se pot utiliza trei tipuri de reprezentări: relaţii de precedenţă.1. urmărească şi să reorganizeze resursele umane şi materiale astfel încât obiectivele propuse să se atingă în mod optim şi la timp. PRODUCŢIA – capacitatea de a mări utilitatea unui produs sau serviciu – motorul economiei. .1). trebuie ca acesta să fie definit în cadrul unui sistem pe la baza un proces. materiale. PROCES – reprezintă ansamblul operaţiilor desfăşurate între recepţionarea intrărilor şi elaborarea ieşirilor prin intermediul cărora sistemul îşi îndeplineşte o parte din funcţia sa. Deoarece proiectele de acest tip durează săptămâni.PERT (Program Evaluation and Review Technique) . proiectele de producţie presupun efectuarea unor activităţi (operaţii) intercondiţionate. Fig. Cele mai cunoscute astfel de tehnici: . TEHNOLOGIA – reprezintă orice tip de produs se realizează pe baza unei tehnologii. Generalităţi privind modelarea prin reţele În practica industrială.Fundamentarea deciziilor în managementul sistemelor de producţie CAPITOLUL 5 TEHNICA DIAGRAMELOR DE TIP REŢEA 5.1 costurile necesare realizării activităţii. să coordoneze. etc.tehnica reţelele de tip: . luni sau chiar ani. în desfăşurarea lor pot interveni schimbări care au implicaţii directe asupra costurilor. resurselor sau tehnologiei. Pentru proiectele de producţie.CPM (Critical Path Method) . îi permite managerului de producţie. reţele. de procedeu. ore. luni).Metoda Drumului Critic (1950). setul complet de activităţi (operaţii).

1 2 3 4 5 6 7 Activităţile proiectului A B C D E F G Activităţile direct precedente (condiţionări) A B B C. activităţile imediat precedente.termenul final a proiectului. resurse.1 În tabelul 1 este prezentat un proiect în care activităţile sunt notate prin litere mari A.1 Nr.Tehnica diagramelor de tip reţea Eşalonarea în timp a operaţiilor componente proiectului de producţie. . resurse materiale).durata activităţilor (operaţiilor). E. Graficul Gantt reprezintă o formă de vizualizare şi de planificare a proiectelor. etapa calitativă în care se determină: . presupune determinarea duratei totale de realizare a proiectului adică intervalul dintre prima operaţie şi ultima operaţie. D. Activităţile A şi B sunt activităţile de început ale proiectului.D.termenele activităţilor – datele la care pot sa înceapă sau sa se termine activităţile. datorită imposibilităţilor de corelare a lucrărilor componente. ţinând seama de succesiunea operaţiilor în cazul proceselor tehnologice. Acest interval de timp este mai mare sau egal cu suma intervalelor luate pe drumul cel mai defavorabil şi anume drumul critic. pentru a putea face faţă nevoilor epocii dezvoltării masive a ingineriei. .1 Tabelul 5. De asemenea. . termene impuse. G. Activitatea A este direct precedentă activităţii C.condiţionările ce exprimă legăturile dintre activităţi precizând pentru fiecare activitate. Eventuale modificări de durată în cazul proiectelor de producţie.activităţile (operaţiile) componente ale proiectului. . acestea fiind operaţiile a căror întârziere perturbă desfăşurarea celorlalte operaţii şi necesită parcurgerea următoarelor etape: a. Drumul critic conduce la durata minimă de execuţie a proiectului de producţie. Toate relaţiile de precedenţă sunt prezentate în tabelul 5. F. etapa cantitativă în care se stabilesc: . activitatea C este direct precedentă activităţilor E şi F etc. în care tehnicile de planificare industrialã ale lui Taylor şi Gantt nu mai corespundeau.1) la orice modificare ce apare. Diagramele Gantt presupun divizarea unei acţiuni complexe ( proiect) în parţi componente ( lucrări ) si apoi eşalonarea acestora în timp. etc. Exemplul 5. C. B. 98 . Metodele PERT şi CPM au apărut în perioada 1958-1959.E E Durate 3 2 2 6 4 4 1 Există mai multe moduri de a reprezenta un proiect printr-o grafic-reţea. Diagrama Gantt conferă informaţii privind desfăşurarea lucrărilor şi informaţii derivate privind eşalonarea resurselor necesare ( forţă de muncă.5. b. şi reprezintă o reţea în care activităţile şi evenimentele sunt transpuse calendaristic pe o axă orizontală a timpului.reprezentarea grafică a proiectului de producţie prin reţeaua logică. conduc la refacerea grafului Gantt (fig. Algoritmul de determinare a drumului critic este acela de determinare a operaţiilor critice. crt. În cazul unor acţiuni complexe cu sute de operaţii se observă că avantajele acestor diagrame Gantt scad simţitor. Cele mai folosite dintre aceste tehnici sunt CPM şi PERT.

montaj (etII) Cod P A CU OS1 F D1 R1 LU C1 OS2 D2 R2 C2 Activ.1 5. Exemplul 5.2. recepţie utilaje Lucrări constr.int ( D) Exec.montaj (etI) Organizare şantier (et II) Execuţie dr interioare (et II) Execuţie reţele (etII) Lucrări constr.2 Este prezentat un proiect de construcţii sub forma codificată conform tabelului de precedenţa 5.OS1 OS1 D1.P.OS1 A. evidenţiază activităţile critice (activităţi cheie ) şi activităţile necritice – permiţând anumite rezerve de timp cu posibilitatea de distribuire spre activităţi critice.) 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.retele ( R) Livr util (LU) Lucr.crt. Metoda drumului critic (C. 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 .Cercetări Operaţionale.OS2.5. evidenţiază în mod explicit legăturile logice între activităţi. Graful întocmit îşi păstrează configuraţia chiar dacă au loc modificări de durate sau termene.R1 R1 LU. Tabelul 5. Avantaje ale modelelor cu reţele CPM: obligă la o analiză amănunţită a structurii logice a proiectului.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. 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. permit optimizarea proiectelor în funcţie de timp. Graficele Gantt au dezavantajul că nu arată interdependenţele dintre activităţi şi evenimente.santier (OS) Exec dr.M.1. Graficul Gantt pentru acest proiect este reprezentat în fig.C1.Fundamentarea deciziilor în managementul sistemelor de producţie Unei activităţi i se asociază o barã de lungime direct proporţională cu durata estimată.5. prec.2.2 Nr.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. determină durata reală a proiectului. P P P P A. OS1 CU A.

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

1.reţeaua CPM are un singur nod iniţial (semnificând "începerea proiectului") şi un singur nod final (semnificând "sfârşitul proiectului").5.forma.Fundamentarea deciziilor în managementul sistemelor de producţie Reprezentarea corectă este dată în fig.Cercetări Operaţionale.7 101 .5.orice activitate trebuie să aibă cel puţin o activitate precedentă şi cel puţin o activitate succesoare.5.5.6.în reţeaua CPM nu sunt admise circuite (existenţa unuia ar însemna că orice activitate a acestuia ar fi precedentă ei însuşi). fig. .4 D A C B Figura 5. .6 A 1 B 3 E 4 G 2 C 5 F 6 D Figura 5.2) intercondiţionărilor se construieşte reţeaua CPM (fig. Exemplul 5. lungimea şi orientarea arcelor reţelei CPM sunt arbitrare.5 în care a fost introdusă activitatea fictivă F care anulează condiţionarea între A şi D: A C B Figura 5.3 Cu ajutorul tabelului (tab. 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 OS1 Fig. exceptând activităţile care încep din nodul iniţial al proiectului şi pe cele care se termină în nodul final al proiectului.5.5. .5 D . tab.7).

j) 2 tj tj* i m tj M tj a) Fig. Termenul maxim a evenimentului j ( t + ) reprezintă momentul cel mai târziu posibil de j + începere a mulţimii a activităţilor (U (j)) care pleacă din nodul j . Evenimentul j j se poate plasa în orice moment al acestui interval de fluctuaţie. dacă U (j)=∅ ­t − ° j + tj = ® + min (t k − d ( j .8a). se calculează astfel: . .2) Intervalul [ t -j . în care se trece în partea de sus numărul nodului j. Termenul minim de realizare a evenimentului j ( t -j ). fără a periclita durata totală a întregului proiect. dacă U (j)≠∅ ° k∈U + ( j ) ¯ - (5.5. pentru care se poate aplica algoritmul lui Ford simplificat. sau fiecare nod al reţelei se reprezintă printr-un cerc divizat în trei părţi (fig.5. dacă U-(j)=∅ 0 ­ ° t -j = ® max (t − + d (i.9 102 . dacă U-(j)≠∅ ° j∈U .5.1) B. j )). calculate cu relaţiile (5.4 Pentru reţeaua din fig5.1) şi (5.8 b) Exemplul 5. termenelor şi rezervelor de timp ale activităţilor. Termenul cel mai târziu de realizare a unui eveniment j se calculează astfel: . determinarea activităţilor critice şi determinarea duratei minime a proiectului (lungimea drumului de valoare maximă). se completează în reţeaua CPM în mici dreptunghiuri ataşate nodurilor (fig. j 1 ti ti* A d(i. Termenele maxime şi minime pentru fiecare eveniment. se calculează pentru fiecare nod al grafului: Pasul 1 Determinarea termenelor evenimentelor A. Conform acestui algoritm.2). Avem deci de găsit drumul de lungime maximă dintr-un graf fără circuite.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.Tehnica diagramelor de tip reţea Analiza reţelei CPM de ti A-A Această analiză constă în determinarea termenelor evenimentelor. t + ] se numeşte intervalul de fluctuaţie al evenimentului j. în partea inferioară-stânga termenul minim de realizare t -j şi în partea inferioară-dreapta termenul maxim de realizare t + .8b).5. k )) .( j ) i ¯ (5.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.

j) = max( t − .8) c) Rezerva independentă de timp (Rs) a unei activităţi (i.d(i.5) t î+ (i.j) reprezintă intervalul maxim cu care poate fi amânată (întârziată) o activitate fără ca durata totală a proiectului să fie periclitată. Orice amânare a unei activităţi a acestui drum duce la lungirea duratei de execuţie a proiectului.j) = t + .j) = t i. următoarele termene ale activităţilor: a) Termenul minim de începere a activităţii (i.j)= t + -d(i.6) Aceste termene arată în ce interval poate fi situată o activitate.t i+ -d(i.9) Intervalele de fluctuaţie pentru termene şi rezervele libere de timp pentru activităţi caracterizează elasticitatea unui program de planificare. următoarele rezerve de timp: a) Rezerva totală de timp (Rt) a unei activităţi (i. dar nu dau informaţii în legătură cu diferenţe dintre o plasare posibilă sau alta.3) t t.j) reprezintă intervalul cu care poate fi prelungită activitatea cu respectarea termenelor minime de începere a tuturor activităţilor adiacente succesoare.j): t î.(i.j).j) = t ib) Termenul minim de terminare a activităţii (i.j) j (5.Fundamentarea deciziilor în managementul sistemelor de producţie Pasul 2 Determinarea termenelor şi rezervelor de timp ale activităţilor Se calculează pentru fiecare activitate (i.Cercetări Operaţionale..j): (5.4) t t+ (i. Cu cât aceste intervale sunt mai mici cu atât programul este mai rigid.j) = t t+ (i.. nici din cele ale celor ce o succed. Drumul cel mai lung din reţea a cărui lungime este egală cu durata minimă de execuţie a proiectului se numeşte drum critic.j) c) Termenul maxim de terminare a activităţii (i.+ d(i.(i. Rezerva totală este diferenţa dintre termenul maxim de terminare şi termenul minim de terminare: Rt(i.j). Ri(i.j) j (5.j) = t + j d) Termenul maxim de începere a activităţii (i. 103 .j) = t î.(i. Activităţile de pe drumul critic nu dispun de rezervă de timp şi se numesc activităţi critice.j)) j (5.j)+d(i.d(i. Rl(i. pentru fiecare activitate (i.j)-d(i.j) reprezintă intervalul în care poate fi plasată o activitate fără a consuma nici din rezervele de timp ale activităţilor ce o preced. În acest scop se vor calcula.t i.t i.j) (5.j): (5.j): (5.j) = t − .7) j b) Rezerva liberă de timp (Rl) a unei activităţi (i.

− dacă se respectă toate regulile de construire a reţelei CPM.5) F = (4.D. − evidenţierea activităţilor critice. iar aceste două noduri (activităţi) sunt singurele fictive din cadrul reprezentării A-N. Dezavantajele acestei metode sunt în principal: − greutatea desenării reţelei CPM. decât de termene. care dispun de rezerve de timp. t -j = t + . rămân variante de reprezentare astfel încât două reprezentări ale aceluiaşi proiect făcute de doi indivizi pot să nu semene aproape deloc.6) G = (5.= t i+ . 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.4) D = (3.j) = 0 (5.j) j Rt(i. Celelalte activităţi pot fi amânate cu rezervele lor de timp. − fiecare arc al reţelei delimitat de două noduri (unul de început şi celălalt de sfârşit) simbolizează relaţiile de precedenţă între activităţi. − 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. 104 . 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.7. în condiţiile în care acestea sunt foarte complicate iar reţeaua logică trebuie să fie simplă. Pentru activităţile proiectului analizat în fig.10) (5.4) E = (3.3) C = (2. termenele activităţilor şi rezervele de timp sunt date în tabelul de mai jos: Tabelul 5. dar consumarea acestora face ca proiectul să devină rigid.4 + + tm tm tM tM Activităţi Cond. − evidenţierea activităţilor necritice.2) B = (1. − 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).j) = Ri(i.6) A B B C.11) În practică industrială este nevoie să ne interesăm de activităţi. în ceea ce priveşte realizarea acestora. Durate R R R t l i A = (1.j) este caracterizată prin: t i.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. completă încât să fie utilă.j) = Rl(i. t -j – t i+ = d(i. clară. reprezentarea exactă a tuturor condiţionările din proiect.Tehnica diagramelor de tip reţea O activitate critică (i.5. − explicitarea legăturilor logice şi tehnologice dintre activităţi.

5. M K. J.simbolul activităţii (operaţiei) i. L Durata 5 4 1 4 5 4 2 2 6 4 6 5 2 3 3 105 . . .(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.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.10 a) Termenul minim de începere a activităţii: ­0.termenul minim de începere t î. A-N) Tabelul 5. conform tabelului de precedenţa 5. ® ° k∈Γ −i (i ) ¯ dacaΓ t î− (i ) = ∅ dacaΓ − (i ) ≠ ∅ − (5.5.14) d) Termenul maxim de începere a activităţii: t î+ (i ) = t t+ (i ) − d (i ) (5. (i ) = °max t − (k ). Să se determine temenele activităţilor proiectului şi activităţile critice ale acestuia. ce determină durata maxima a proiectului utilizând ambele reprezentări ale reţelei CPM (A-A.5. C D D. ° j∈Γ +î (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. sub forma codificată.Cercetări Operaţionale.15) Exemplul 5.5 Este prezentat un proiect de producţie. E F.13) dacaΓ + (i ) ≠ ∅ dacaΓ + (i ) = ∅ (5.12) 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 ). C B. L I.durata activităţii d(i).(i) termenul minim de terminare t t.11) unde se înscriu următoarele: . G. H H K. ° t (i ) = ® min t + ( j ).

5. în care.5. se analizează parametrul timp. diferenţa constând în felul în care se construieşte graful reţea: − fiecărei activităţi A i se asociază un nod A.3.11): 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. 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. − fiecărui arc dintre două activităţi A şi B i se asociază un număr reprezentând valoarea tAB. Metoda potenţialelor (Metro Potenţial Method) Metoda potenţialelor sau MPM este un procedeu de analiză a drumului critic care încearcă să depăşească neajunsurile metodei CPM. Determinarea termenelor şi rezervelor: a) Termenul minim de începere a activităţii: 106 .Tehnica diagramelor de tip reţea Reprezentarea A-A (fig.5.12 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.5. − condiţionarea (succesiunea) a două activităţi se reprezintă printr-un arc. 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. Crearea reţelei CPM şi analiza drumului critic evidenţiază interdependenţele şi zonele cu probleme care nu sunt nici evidente. orientat de la o activitate la alta. − fiecărui nod i se asociază o valoare dată de durata activităţii pe care o reprezintă.11 Reprezentarea A-N (fig. ca şi în metoda CPM. nici bine definite prin alte metode de planificare.

6 Condiţionările de precedenţă din cadrul unui proiect de producţie sunt sintetizate în tabelul 5.6 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.20. D. tDI=3.16) b) Termenul minim de terminare a activităţii:î t t− (i ) = t i− (i ) + d (i ) (5.20) Exemplul 5. I H.(k ) + t (k .19). tFH = 2 tCI=4. 5. I.17). dacaΓ + (i ) = ∅ ° t î+ (i ) = ®min t + ( j ) − t (i . F C. K.17) c) Termenul maxim de începere a activităţii: ­t î. j ) . Drumul critic este format din activităţile critice :A. C. J tAB = 2 tAC = 3 tAD = 2 tBE = 3 tBF= 3 tDG = 1 tEH = 1. tFI=3 tGJ = 3. J.5. Se parcurge reţeaua în sens direct de desfăşurare şi se determină termenele minime de începere şi terminare a activităţilor proiectului cu relaţia (5.18. 5. tJK = 3 Reţeaua asociată proiectului este dată în fig. tIJ = 2 tHK = 3.18) d) Termenul maxim de terminare a activităţii: t t+ (i ) = t î+ (i ) + d (i ) (5.(i ). ® î ° k∈Γ − (i ) ¯ { } dacaΓ − (i ) = ∅ dacaΓ − (i ) ≠ ∅ (5.6. dacaΓ + (i ) ≠ ∅ î ° j∈Γ + (i ) ¯ { } (5.19) Rezerva totală Rt(i) a activităţii se calculează cu relaţia: Rt (i ) = t î* (i ) − t î (i ) (5. Tabelul 5. 107 . Rezervele totale se determină cu relaţia 5.Fundamentarea deciziilor în managementul sistemelor de producţie t î− ­0.Cercetări Operaţionale. F G.13. Să se determine activităţile critice ale proiectului. (i ) = °max t . i ) . după care acesta se parcurge în sens invers de desfăşurare şi se determină termenele maxime de începere şi terminare a activităţilor proiectului cu relaţiile (5.16.

m. Durata fiecărei activităţi a proiectului are o distribuţie β. identificarea activităţilor critice. Metoda PERT Metodele CPM şi MPM furnizează informaţii care sunt utile în procesul de management. Astfel.3.20) 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. Durata optimistă a unei activităţi i (ai). duratele activităţilor sunt considerate variabile aleatoare caracterizate prin media şi dispersia lor. 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. b). Durata pesimistă a unei activităţi i (bi) este considerată durata maximă de realizare a activităţii i. iar fiecare activitatea din reţea este caracterizată cu cele trei tipuri de durate (a. duratele activităţilor sunt insuficient cunoscute sau incerte prin considerarea conceptelor statistice. Metoda PERT permite calcularea timpului mediu de finalizare a unui proiect. este considerată durata minimă de execuţie pentru activitatea i.5. timpul de execuţie a unui proiect este calculat pe baza teoriei probabilităţilor. cât şi a timpului de execuţie a proiectului. Reţeaua PERT este o reţea CPM sau MPM în reprezentare. Deoarece în practică. Aceste metode sunt deterministe. 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. permiţând astfel planificarea şi controlul timpului de execuţie a întregului proiect. probabilă-m şi pesimistă-b). iar controlul timpului şi costului de execuţie a unui proiect se realizează prin determinarea drumului critic al acestuia. precum şi estimarea probabilităţilor de realizare a termenelor planificate. în condiţii generale normale.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.21) 108 . Durata medie de execuţie ( t ) (speranţa matematica) a unei activităţi (i) este dată de expresia: a +4⋅m+b E(t)= t = (5. atunci când există condiţiile cele mai defavorabile de realizarea a proiectului.13 5. care reprezintă durata aşteptată/estimată a proiectului. formând o medie ponderată. Durata probabilă a unei a unei activităţi i (mi) ca fiind estimaţia cu cea mai mare şansă de realizare a proiectului în condiţii normale. Metoda PERT foloseşte trei durate de timp asociate fiecărei activităţi (optimistă-a.

utilizând relaţia (5.22) unde Dcrit reprezintă mulţimea tuturor activităţilor care sunt pe drumul critic. Pasul3 Se calculează dispersia duratei fiecărei activităţi cu relaţia (5.să se determine activităţile critice ale proiectului de producţie. . după relaţia (5.23) 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. Pasul 5 Se determină probabilitatea de realizare a duratei planificate a proiectului după relaţia 5. Pasul 4 Se calculează durata totală de execuţie a întregului proiect ( T ) şi dispersia ( σ 2 ) cu relaţiile (5.23) şi apoi se deduce din tabelul valorilor funcţiei Laplace probabilitatea p ( T ≤ Tplan).7 Se consideră un proiect de producţie a cărui activităţi şi condiţionări sunt indicate în tab.t. utilizând una din metodele CPM sau MPM.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.7. Z= T plan − T σ2 (5.21). Se cer următoarele: . 109 . . conform probabilităţilor de realizare a duratei a proiectului: . .Cercetări Operaţionale.să se determine probabilitatea ca realizarea proiectului de producţie să se încadreze într-o perioadă planificată de 41 u.dacă p ≈ 50% planificarea activităţilor este corectă şi se poate aplica.5. Probabilitatea de realizare a duratei planificate Tplan a unui proiect se determină calculând. factorul de probabilitate Z.dacă p ≥ 60% se respectă termenul planificat dar există o risipă de resurse. Pasul 2 Se calculează termenele activităţilor reţelei PERT. Exemplul 5. Pasul 6 Se face analiza proiectului.23 folosind tabelul funcţiei Laplace.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 (5.20).22).

5 6 4 H J 7 9 29. H.5 5 19 19 I 11 F 6 25. 13 14.5 4 14 14 8 38.8 Denumire Durata Dispersia µ activitate σ2 A B C D E F G H I J 6 7 8 4. E F.33 2 Se determină termenele minime şi maxime pentru ale evenimentelor proiectului şi se înscriu în căsuţe alăturate nodurilor reţelei CPM.5 Fig.84 Factorul de probabilitate Z este: Z= T plan − T σ2 = 41 − 38. 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.] activitate precedente a m b A 9 6 3 B C D E F G H I J A A B B. G.14 Activităţile critice ale proiectului sunt A.5.95)=0.95 2.17 0.t.21.17 1 1. Tabelul 5.5 u.5 38.5 ≅ 0.5.Tehnica diagramelor de tip reţea Tabelul 5.5 5 6 6.5.5 1 0 0 A 6 2 6 6 B 7 C 8 3 0 4.t. E.7 Denumire Activitati directe Durata [u.14). J.5 29.83=83%. C B D. C. iar durata medie de execuţie a proiectului este T = 38. C H. 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 (5.5 4 11 9 1 1 1 1. respectiv (5. G B.8).5 E D G 5 6.62 Pe baza tabelului lui Laplace obţinem probabilitatea P(Z<0.20). după care se construieşte reţeaua CPM în reprezentarea A-A (fig.67 2.)(tab.5 25.34 1. 110 .

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

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

5% din total ) sunt trimise împreună cu lotul c (c+f=70%+17. Fabricare a Control 1 b Refacere d Control 2 e Refacere f c i g j h Finisare Control 3 Piese bune Fig. 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. 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.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. Acestea din urmă se întorc pe linia de fabricaţie şi sunt refăcute (d). în special pentru schemele mari. dar şi rezolvarea informatică este mai complexă. 113 . efectuarea operaţiei de finisare pentru 60% din piesele acestui (g) necesită 10 ore iar restul de 40 % din piesele (h) necesită 14 ore.125% din totalul pieselor componente ale subansamblului). b.5% din total ) spre finisare .2.5%=87. Controlul le verifică şi rezultă că 30% din ele sunt rebuturi şi trebuie refăcute (e=30% din 25% rebuturi = 7.55=83.5% dn total ) .5. Rezultatul analizei este îmbogăţit faţă de simplu PERT/CPM.3 Activitatea a reprezentării 4 ore de fabricaţie a pieselor unui subansamblu. c se produc d sau e e Fig.5. iar 25% sunt rebutate (b). Piesele bune din lotul refăcut ( f=70% din 25% rebuturi =17. 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).Cercetări Operaţionale.

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

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

umane şi manageriale precis definite.2 Eficientizarea procesului decizional reprezintă conceperea şi operaţionalizarea proceselor decizionale sub aspectul definirii conţinutului. Tabelul 6. starea economicosocială a regiunii/ţării în care funcţionează firma. a instrumentelor şi metodelor folosite..6. evoluţia pieţelor. parametrii sistemului tehnic şi trăsăturile definitorii ale sistemului managerial al organizaţiei. 116 . tehnice.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. de complexitatea şi dificultăţile implicate.1).Elemente de teoria deciziei Se poate face o sistematizare a deciziilor după apartenenţa la funcţiile managementului (tabelul 6. sporirea prestigiului firmei. caracteristicile sistemului economic al firmei. dovedesc că eficienţa decizională este o realitate în întreprinderilor contemporane. strategia şi politicile naţionale şi regionale implicate. 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. Desfăşurarea unor limite legate de resursele utilizabile.2. gradul de profesionalism al managerilor. Variabilele care o influenţează sunt: potenţialul şi gradul de motivare a personalului. Avantajele eficientizării decizionale sunt: valorificarea superioară a resurselor organizaţiei.6. a modalităţilor de implementare subordonată permanent îndeplinirii unor obiective economice. creşterea profitabilităţii.

1) ceea ce exprimă faptul că utilitatea unei sume de bani creşte cu mărimea sumei. însă ritmul său de creştere este descrescător. consecinţele variantelor examinate pot fi exprimate cantitativ. (V PV ). (V IV ) i j j i i j (6.5) unde p este probabilitatea utilizării variantei Vi. sub formă de calificativ. pentru primul criteriu (în 109lei). Se introduc astfel probabilităţile în teoria utilităţii acceptându-se că două variante simple pot alcătui împreună o nouă variantă. cu condiţia ca suma probabilităţilor respective să fie egală cu 1. 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. care reprezintă reacţii subiective ale decidentului faţă de variantele între care trebuie să aleagă. şi calitativ. de tipul: V ' = pVi + (1 − p )V j (6. utilizând conceptele de preferinţă şi indiferenţă. Creatorii teoriei utilităţii. ea scade cu cât durata de timp până la realizarea consecinţelor este mai mare. proprietăţile şi modul în care se poate folosi aceasta în procesul decizional.Fundamentarea deciziilor în managementul sistemelor de producţie 6. există relaţiile: u[(n −1)S ] < u (nS ) < nu (S ) (6. iar I – operatorul logic de indiferenţă. Utilităţi decizionale Utilitatea decizională exprimă efectul pe care îl urmăreşte decidentul în urma realizării unei anumite consecinţe a variantei alese. care definesc funcţiile. decidentul poate lua în V considerare şi variante complexe. 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. sunt Von Neumann. iar 1-p este probabilitatea realizării variantei Vj . Este greu de stabilit o regulă precisă de dependentă între utilităţi şi valorile băneşti.4) 3. iar u(S) este utilitatea ei. denumită mix probabilistic. 2.… . şi Morgenstern. pentru al doilea criteriu. Caracterul obiectivelor influenţează asupra nivelului de subiectivism care intervine în evaluarea utilităţii.2. dacă li se asociază probabilităţi.2) în care P este operatorul logic de preferinţă. De exemplu. elaborată în 1944. 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 ). Axiomele formulate de Von Neumann. au formulat o serie de axiome.V2 . în funcţie de posibilitatea de a exprima numeric consecinţele. şi Morgenstern sunt: 1.3) (6.Cercetări operaţionale. În lucrarea „Teoria jocurilor şi comportamentul economic”. Obiectivele pot fi exprimate cantitativ sau calitativ.Vn } a variantelor simple. 117 . Dacă S este o sumă de bani. considerând problema alegerii unei tehnologii pentru realizarea unui produs industrial şi admiţând două criterii: mărimea profitului şi calitatea produsului. Utilitatea este dependentă de timp. calificativele oferind mai puţine informaţii pentru estimarea sa. În afara mulţimii V = { 1 .

Fiind date trei variante V1. V2 şi V3 şi un decident care exprimă relaţia (V1PV2PV3). n . 5. şi mixul lui V1 cu o a treia V3 va fi preferat mixului V2 cu V3. folosind două variante (V1 şi V3).7) 3. j =1 n i = 1. iar kj – coeficientul de importanţă al criteriului Cj. r 0 ≤ r ≤1. după preţ.8) (6. 0 ≤ q ≤1. atunci implicit va exprima şi relaţia [pV1+(1-p)V3]P[pV2+(1-p)V3]. a ≥ 0. j = 1.10) 118 . dacă un decident exprimă relaţia (V1PV2). 2. (6. m. II. b > 0 (6. rezultă 0 ≤ u(Vi) = p ≤ 1. astfel încât (V’PV2) şi un alt mix V’’=[p’’V1+(1-p’’)V3]. Această axiomă evidenţiază faptul că o variantă V1 fiind preferată alteia V2.6) Utilitatea u(Vi) a variantei Vi se determină cunoscând utilităţile u(V1) şi u(V0) a doua variantă între care există relaţia (V1PV0). q III. Coeficientul de importanţă poate lua valori astfel: 0 ≤ k j ≤ 1. în cazul produselor – după calitate. U(V):V → R 6. 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). Proprietăţile anterioare permit o transformare liniară In funcţie de utilitatea de Dacă utilitatea evaluează gradul de satisfacţie după mai multe criterii (de exemplu.6). V2 şi V3. 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. (V1PV0PVi). (V1PViPV0). există un mix V’=[p’V1+(1-p’)V3]. ¦k j =1 n j =1 (6. astfel încât (V2PV’’). rezultă u (Vi ) = ≥ 1 . în acest caz se apreciază probabilitatea p pentru care ViI[pV1=(1-p)V0]. r −1 Pentru a se opera cu funcţia de utilitate trebuie să se exprime următoarele proprietăţi ale acesteia: 1. se poate construi o infinitate de mixuri probabilistice care variază continuu pe scara preferinţelor între V1 şi V3. Două variante decizionale Vi şi Vj se află în relaţia de preferinţă (ViPVj) dacă şi numai dacă u(Vi) > u(Vj). 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 . Fiind date trei variante V1.9) în care uij este utilitatea corespunzătoare variantei i pentru criteriul Cj. cu 0 ≤ p ≤1. şi se va lua u (Vi ) = ≤ 0. Deci. în această situaţie se calculează probabilitatea q pentru care 1 V1I[qVi+(1-q)V0]. în acest caz se estimează probabilitatea r pentru care V0I[rVi+(1-r)Vi].Elemente de teoria deciziei 4. (ViPV1PV0). Admiţând u(V1)=1 şi u(V0)=0 se pot distinge următoarele trei cazuri: I.

Se iau în considerare trei criterii: C1 – costul.2. V2 şi V3. pesimişti) şi de impactul riscurilor.Cercetări operaţionale.2) Tabelul 6. Exemplul 6. in rest a j1 j 2 (6.1 Criteriul / Varianta V1 V2 V3 C1 1 1.2 C2 2 2. respectiv 5. k 2 = .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.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 . iar C3 – efortul valutar necesar. Pentru criteriul cost. în funcţie de factura lor psihică (optimişti. 8. pe baza datelor din coloana 1 a matricei din tab. k 3 = 9 9 9 Se determină utilităţile uij pentru fiecare variantă Vi şi criteriu Cj. daca C j1 este mai impor tan t decat C j 2 ° ¯0.5 2. ale cărei elemente se fixează de către un specialist (tab. Tabelul 6.6. Pentru a determina coeficienţii de importanţă asociaţi criteriilor se alcătuieşte matricea A. în care liniile sunt numerotate cu j1 şi coloanele cu j2. Pentru a stabili elementele aj1j2 se poate utiliza relaţia: ­1.3 C3 scăzut mediu ridicat Criteriului C3 i se asociază notele 10. daca C j1 este la fel de impor tan t ca C j 2 ° = ®2. atât pe linii cât şi pe coloane figurând aceleaşi criterii Cj. Soluţia optimă se alege pe baza relaţiei 6.6.1 unde V1 reprezintă asimilarea pe bază de componente din ţară. se poate scrie relaţia:(V1PV3PV2) 119 .5 1. C2 – fiabilitatea.11) în care aj1j2 sunt elementele unei matrice pătrate.6. caracterizate sumar prin datele din tab. (6. j1 j 2 j1 j 2 = j = 1. V2 – pe bază de elemente importate din Italia. fiind considerată aşa cum rezultă din aprecierile subiective ale decidenţilor. iar V3 pe bază de import din Germania.2 A = 1 2 0 0 1 0 2 2 1 Rezultă coeficienţii de importanţă: 1 3 5 k1 = . n.12) În unele cazuri funcţia utilităţii nu poate fi apreciată ca liniară.9.

se aplică formula de interpolare X i − X min p= X max − X min Utilităţile variantelor sunt: 3 u (V2 )2 = 1.Elemente de teoria deciziei Se atribuie valorile 1 şi 0 unităţii variantelor extreme din relaţia de preferinţă respectiv: u(V1)=1. 9 9 9 9 3 5 1 2 3 U 2 = ⋅ 0 + ⋅1 + ⋅ = . Pentru criteriul efort valutar.2 3 = = u (V3 )1 1.6. care are valoarea direct proporţională cu utilitatea. 120 . prin interpolare (fig.6. u (V3 )3 = 0. u (V1 )2 = 0.3) X max − X i p= X max − X min în care Xmax = 1.5 − 1 5 X Xmax 1.5 şi Xmin = 1 p= 1.3 corespunde pentru criteriile la care utilitatea este invers proporţională cu valoarea lor numerică (exemplu – costul). u (V3 )2 = 5 Se calculează utilităţile globale Ui pe baza relaţiei 3 5 1 4 ⋅1 + ⋅ 0 + ⋅1 = . 9 9 9 5 5 3 3 5 3 1 8 U3 = ⋅ + ⋅ + ⋅ 0 = .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.5 − 1. Rezultă că varianta optimă este V2.6. 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). rezultând: 2 u (V1 )3 = 1.3 Reprezentarea din fig. u (V2 )3 = 5 Pentru criteriul fiabilitate. respectiv realizarea ascensorului importând elemente componente din Italia.2 Xmin 0 3/5 1 u(V) Fig.

.1.3. stabilirea variantei optime.3.Fundamentarea deciziilor în managementul sistemelor de producţie U1 = 20 . Se apelează la metode şi tehnici de optimizare a deciziilor multidimensionale care au la bază teoria utilităţii. . ………. .4 Criterii / Variante V1 . Vi . .4). Vi . n . ………. unj ………. Optimizarea deciziilor în condiţii de certitudine Situaţia de certitudine se caracterizează prin faptul că predomină variabilele controlabile. Metoda utilităţilor globale Criteriile de decizie pot să aibă coeficienţi de importanţă diferiţi.Situaţia economico–financiară a firmei. Specificul economic şi manageriala domeniului în care se integrează problema decizională. Ri1 . 6. ………. 121 . ………. . m criterii de decizie C j j = 1. Cj u1j uij . 45 U2 = 27 . ………. Tabelul 6. Cm u1m . Rim . ( ) ( ) Tabelul 6. se face pe baza relaţiei: Vopt = max ¦ u ij . ………. . stabiliţi în funcţie de: . Vn C1 u11 . Rnm Matricea decizională din tabelul 6. . ………. care permite să se aducă la acelaşi numitor comun consecinţele decizionale exprimate diferit prin transformarea lor în unităţi (tab. . uim . .Cercetări operaţionale. Vn C1 R11 . Cj R1j Rij . iar rezultatele obţinute pentru fiecare variantă se pot anticipa uşor. . ui1 . ………. unm Metoda aditivă Dacă coeficienţii de importanţă ai criteriilor decizionale sunt identici. un1 ………. i j =1 m (6. 45 6. Cm R1m . . Rnj ……….Atitudinea decidentului faţă de criteriile de decizie. 45 U3 = 4 . Rn1 ………. .3 corespunde unei probleme cu n variante decizionale Vi i = 1.13) respectiv varianta optimă este cea care are cel mai ridicat nivel al sumei unităţilor. ………. . .3 Criterii / Variante V1 . în ipoteza că criteriile sunt independente. .6. ………. m şi conţine rezultatele sau consecinţele decizionale Rij. ………. ……….

17) Etapa II. ul ≥ uk 0 ≤ C(Vl.2. 0 ≤ d (Vl . generate de subiectivismul stabilirii coeficienţilor de importanţă ai criteriilor decizionale.3.18) în care e este marja maximă între utilităţile aceluiaşi criteriu.. atunci e = 1. Ea foloseşte pentru rezolvarea unor probleme decizionale complexe. m j (6. respectiv al criteriilor cărora le corespunde (VlPVk). dacă u ∈ [0. 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. o altă variantă Vk.Vk ) = ¦k j∈J c m j ¦k j =1 . daca u l ≥ u k ° d (Vl . dar şi limite.16) în care: kj – coeficientul de importanţă al criteriului Cj. Etapa I. uij . pentru u l < u k ¯ (6. Vk) ≤ 1 (6. determinată de criteriul j. Vopt = max U gi i (6. Se stabilesc indicatorii de concordanţă care evidenţiază măsura în care o variantă Vl surclasează. Vk ) ≤ 1 (6.Elemente de teoria deciziei Amploarea şi complexitatea mediului înconjurător şi intensitatea influenţei exercitată de acesta asupra firmei şi asupra problemei care trebuie rezolvată. care arată depăşirea variantei Vl de către Vk utilizând formula: ­0.Vk ) = ® 1 ° e max (u k − u l ). La baza utilizării acestei metode stă matricea utilităţilor.18) 122 . Se calculează indicatorii de discordanţă.1]. după relaţia: C (Vl .14) în care: kj – coeficientul de importanţă al criteriului Cj. În această situaţie se determină utilitatea globală pentru fiecare variantă decizională cu relaţia: U gi = ¦ k j u ij j =1 m (6. legate de simplitatea în utilizare şi alegerea relativ rapidă a variantei optime. pe baza valorii criteriilor. k = 1.utilitatea aferentă variantei i. Jc – mulţimea indicilor criteriilor concordante. Varianta optimă se stabileşte pe baza relaţiei. l .15) Metoda are avantaje. 6.

Variantele sunt analizate în funcţie de următoarele criterii: 123 . Matricea M se construieşte pe baza grafurilor relaţiilor de dominanţă – în care variantele sunt noduri. până ce se poate stabili care variantă le surclasează pe toate celelalte.1] ). cu condiţia ca p să fie cât mai apropiat de 1 şi q cât mai aproape de 0.16) şi (6. V2.22) unde M Cj este matricea corespunzătoare criteriului Cj.Cercetări operaţionale. iar arcurile cu săgeţi indică dominanţa şi a punctajului stabilit astfel: Dacă soluţia Vl domină varianta Vk. Fiecărei perechi p.3. Determinarea variantei optime se face prin operaţii succesive de surclasare a variantelor cu ajutorul unor relaţii de forma: C (Vl . ceea ce reprezintă o limită a metodei ELECTRE.Vk ) ≥ p d (Vl . Dacă două variante au aceeaşi influenţă una asupra celeilalte. Etapa III.18) se observă că indicatorii de concordanţă se determină în raport cu coeficienţii de importanţă ai criteriilor.2 Se analizează mai multe variante de procese tehnologice de obţinere a unui produs (V1. Prin scăderea pragului p şi creşterea pragului q se obţin grafuri succesive având tot mai multe legături între variante. 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.Vk ) ≤ q (6. V4).Fundamentarea deciziilor în managementul sistemelor de producţie Din relaţiile (6.21) în care Pi (k ) este puterea de ordinul k a liniei i. iar indicatorii de discordanţă în raport de utilităţile variantelor care se compară. Exemplul 6. q ∈ [0. 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 . V3.3. q). q i se asociază un graf G(p. Se consideră că fiecare variantă se autodomină: M = ¦ M Cj j =1 m (6.Vk ) − max d (Vl .20) 6.Vk )º Ÿ Vopt « j » i j ¬ ¼ (6.19) în care p şi q constituie o pereche de valori ( p. se dă fiecăreia un punct. iar aij elementul din linia i şi coloana j a matricei M. se acordă lui Vl 2 puncte şi lui Vk – 0.

02 Conform Metodei aditive sau Von Neumann – Morgenstern se aplică relaţia 6.461 C2 0 2. bună Slabă F. 2 – cheltuieli anuale de mentenanţă (unităţi monetare) 3 – posibilitatea de automatizare a sistemului de producţie. se prezintă performanţele variantelor. Se alcătuieşte matricea unităţilor (tabelul 6.5 Criteriul / Varianta V1 V2 V3 V4 C1 540 540 150 350 C2 360 150 100 200 C3 Medii Dificile Bune Dificile C4 Bună F.7 Vj / Cj V1 V2 V3 V4 C1 0 0. iar altele calitativ.7 care constituie utilităţile globale. k4 = 7.231 3 1.077 1 0. În acest caz se aplică relaţiile 6.6 Criteriul / Varianta V1 V2 V3 V4 C1 0 0. Tabelul 6.884 3 2.5 0 1 0 C4 0.306 124 .5 1 0 1 4 ¦u j =1 ij 1 1.845 C3 1 0 2 0 C4 3. se observă că unele sunt exprimate cantitativ.14 şi rezultă: max ¦ u ij = 3 i j =1 4 Varianta optimă este V3. 4 – eficienţa de reducere a noncalităţii. bună Pentru stabilirea deciziei optime se utilizează conceptul de utilitate. 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.652 8 10.5 7 0 7 ¦k u j j =1 4 ij 4.15 şi 6. Tabelul 6.16 pe baza datelor din tabelul 6.421 3 1. corespunzătoare acestor criterii. În tabelul 6.5 9.487 C2 0 0.Elemente de teoria deciziei 1 – costul de implementarea a procesul tehnologic (unităţi monetare). k2 = 3.5.807 1 0. admiţând o dependenţă liniară intre consecinţe şi utilităţi şi 0 ≤ u ≤ 1. k3 = 2.6) Tabelul 6. Valorile acestor coeficienţi sunt: k1 = 3.615 C3 0.

9) utilizând relaţiile (6.5 V2 0. P4(1) = 16 Se alege varianta optimă V3. admiţând puterea de ordinul 0 egală cu 1. P3(1) = 22. Tabelul 6.5 1 0.m. 125 .d.21).. Dacă soluţia dominantă nu se poate determina. se acceptă oricare dintre variante. se calculează pentru fiecare linie puterea de ordinul 1. până se depărtează varianta optimă. Pe baza relaţiei (6.463 0.467 0.306 i j =1 4 Rezultă ca varianta optimă este V4. se stabileşte puterea de ordinul 2 ş.192 1 0.4 67 0. Dacă apare o situaţie de indecidabilitate. În urma aplicării celor patru metode rezultă ca optimă decizia privind varianta V3.533 0. P1(1) = 10.807 V3 1 1 V4 0.8 0.a. care însumând matricele asociate grafurilor corespunzătoare celor patru criterii decizionale considerate.V k ) V3 V4 0.5 0.133 0 .6.V k ) V3 V4 0.867 0.Fundamentarea deciziilor în managementul sistemelor de producţie max ¦ k j u ij = 10.615 0.8) şi indicatorii de discordanţă (tabelul 6.867 V2 V3 V4 0.533 0.533 0.16). P2(1) = 16.8 Tabelul 6.Cercetări operaţionale. respectiv (6.133 0 .8 V1 V1 V2 C (V L . Pentru a aplica Metoda ELECTRE se calculează indicatorii de concordanţă (tabelul 6.18) şi utilităţile din tabelul 6.9 V1 V1 V2 d(V L .41 Stabilirea variantei optime aplicând Metoda LEADER-ului se face pe baza grafurilor relaţiilor de dominanţă între variante şi a matricei M.

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 .

n criterii şi p stări ale naturii se prezintă în tabelul 6.a. procesul de decizie se desfăşoară în condiţii de risc.Fundamentarea deciziilor în managementul sistemelor de producţie 6. fără a-l elimina complet. ¦p k =1 p k =1 (6. cercetare-dezvoltare.Np) pentru care se cunosc probabilităţile pk care satisfac condiţiile (6.25) 127 . marketing ş. anumite stări ale naturii (care nu sunt controlabile de către decident). şi care cuprinde utilităţile consecinţelor (rezultatelor) pentru fiecare variantă. Optimizarea deciziilor în condiţii de risc Existenţa mai multe stări de condiţii obiective pentru care se cunosc probabilităţile de realizare.4.Nk.p1 U1 U11 Ui1 Um1 … … … X1 … u11p … ui1p … um1p … Xn … u1np uinp umnp Np. dar acesta caută să aleagă căi cu evenimente care minimizează pericolele.23).24) Speranţa matematică a rezultatelor în varianta Vi va fi: E (Vi ) = ¦ U ik p k k =1 p (6.10. cu cel puţin două stări de condiţii obiective. …. Stările de condiţii obiective nu sunt controlabile de către decident. m. 0 ≤ p k ≤ 1.6.23) Matricea utilităţilor corespunzătoare celor m variante.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 . Tab. k = 1.…. criteriu sau stare a naturii.Cercetări operaţionale. Astfel.PROBABILITĂŢI N1. Metodele cantitative întrebuinţate cel mai des în acest scop sunt metoda speranţei matematice şi tehnica arborelui decizional. Asemenea probleme stohastice apar frecvent în anumite domenii de activitate: producţie. Pentru aceasta se procedează la o analiză probabilistică de evaluare şi selecţie decizională. care corespunde şi utilităţile sinteză. Metoda speranţei matematice Metoda speranţei matematice foloseşte modelul aditiv pornind de la o matrice. Fie o mulţime de stări ale naturii (N1.10 Criterii / Variante V1 Vi Vm X1 … u111 … ui11 … um11 … Xn … u1n1 uin1 umn1 STĂRI ALE NATURII . k =1 n i = 1. dacă fenomenele sunt aleatoare. p (6. el minimizează riscul la care se poate expune.

5 0. V2 – Când se produce defecţiunea se abordează la început partea B. productivitatea. încasările din vânzări. dacă defectul este găsit în A costul mentenanţei se consideră nul. să se abordeze mai întâi subsistemul A. dacă defectul se găseşte în B se consideră că mentenanţa are cost zero.3 128 .75 pA Fig. Există trei variante de mentenanţă corectivă pentru această instalaţie. iar dacă defectul este în A costul mentenanţei va fi 4000 $. varianta optimă va fi cea care satisface condiţia (6. de exemplu: investiţii. Cele trei speranţe matematice se pot reprezenta grafic. max E (Vi ) Ÿ Vopt (6. 2 în care pj este probabilitatea ca defectul să fie în partea j. consumuri specifice.26) i Dacă rezultatele exprimă eforturi.25 0. varianta optimă se determină din condiţia de minimizare a riscului. E (Vi ) = ¦ M ij p j j =1 în care E(Vi) este speranţa matematică a costurilor corespunzătoare variantei Vi. cheltuieli de exploatare. Mij-costul mentenanţei dacă se aplică varianta Vi şi defectul este în partea j. E (V3 ) = 1000$. iar dacă defectul este în B mentenanţa va costa 2000 $. min E (Vi ) Ÿ Vopt i (6.3 1.26). în funcţie de pA (fig. Se calculează speranţele matematice ale costurilor pentru fiecare variantă. cum sunt: profitul. V1 – Când se produce defectarea.Elemente de teoria deciziei Dacă rezultatele (consecinţele) sunt exprimate prin efecte economice. costul fiind 1000 $. Se cere să se stabilească varianta optimă. E(V2) 1 0 0.27) Exemplul 6. admiţând că: ¦p j =1 2 j = 1 Ÿ pB = 1 − p A .6.) E(Vi) 103$ 4 3 2 E(V1) E(V3) E (V2 ) = 4000 ⋅ p A + 0(1 − p A ) = 4000 p A . E (V1 ) = 0 ⋅ p A + 2000(1 − p A ) = 2000 − 2000 p A . O instalaţie energetică compusă din două părţi A şi B se defectează aleatoriu. V3 – Se apelează la o firmă de service specializată.

deci este necesară o succesiune de decizii. Pentru a micşora influenţa dezavantajelor prezentate se impune studierea aprofundată de către specialişti şi manageri a factorilor care condiţionează situaţia decizională.Cercetări operaţionale. Acest procedeu de evaluare a consecinţelor fiecărei variante. Reprezentarea grafică a succesiunii proceselor decizionale se face printr-un arbore de decizie.25 – decizia optimă este V2. specialişti în investiţii. 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.25 < pA ≤ 1 – decizia optimă este V1. 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).Valoarea fiecărui nod în care natura efectuează alegerea depinde numai de evenimentele viitoare(nu şi de deciziile precedente). dacă s-a stabilit că pA = 0. Se constată că la valori diferite ale lui pA corespunde decizii diferite. Nodurile pot să fie de decizie (O) – în care decidentul efectuează alegerea . stabilirea unui program de cercetare – dezvoltare.şi noduri ( ) în care responsabilitatea alegerii uneia dintre variantele posibile revine naturii.3 atunci decizia optimă este să se încheie contract cu firma de service. 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. matematicieni şi informaticieni. probabilitatea sporită de a lua decizii fundamentale în condiţii deosebit de complexe. până se ajunge la nodul iniţial. Zn nodurile în care alegerea revine decidentului este preferată acea decizie pentru care următorul nod la care se ajunge este cel mai avantajos. tehnologi.25 < pA ≤ 0. 0. respectiv: 0 ≤ pA ≤ 0. mărginit superior de costurile minime asociate celor trei variante. Deci rezolvarea problemei depinde de valoarea probabilităţii pA. dirijată de un manager de nivel superior şi formată din: specialişti în elaborarea strategiei şi politicii globale a firmei.5 – decizia optimă este V3. când abordarea chestiunii complexe se face pe un interval mai lung de timp. cunoscut sub numele de „rollback” simplifică tratarea problemelor decizionale complexe. adică unor factori independenţi de cel care ia hotărârea. 129 .Fundamentarea deciziilor în managementul sistemelor de producţie Se observă că soluţia optimă se găseşte în trapezul haşurat. valoarea nodului actual se obţine scăzând costul deplasării din valoarea nodului următor. 0. economişti specializaţi în probleme de costuri şi preţuri. Modelul arborelui de decizie Modelul arborelui de decizie se aplică în probleme de decizii în condiţii de risc. în care ramurile reprezintă evenimente. Este necesar să se alcătuiască o echipă de folosire a arborelui decizional. 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. lansarea unui nou produs. Modelul arborelui de decizie se utilizează în domenii ca: definirea deciziilor strategice ale firmei. iar nodurile sunt punctele în care apar diversele variante. economişti profilaţi pe studiul pieţei. De exemplu. Principiile care stau la baza aplicării modelului arborelui decizional sunt: .

Elemente de teoria deciziei 130 .

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

Sign up to vote on this title
UsefulNot useful