You are on page 1of 10

este

Metoda
pot fisimulata
macromodele
modelarii
pe si
calculatorul
proceselor
micromodele. biologice,
electronic,
Subiecte dezvoltate
rezultatele
tehnice si economice
simularii fiinda
confruntate
aparut
Macromodelele
Modelul odata cucudatele
structurii utilizarea
sunt mai
optime a
procesului
calculatoarelor
apropiate de
modelat.
culturilor vegetaleprocesul
electronice
modelat darinsimularea
Parti componente ale
a doua
Principalele
jumatate
lor comporta a secolului
avantaje
un
modelului de optimizare mareXX.
ale
modelarii
volum de si
Implementarea
Modelul
calcul.
simularii
Un
metodei
liniar al structurii optime a Sorescu Mihail Sorin
sunt
Un
macromodel
model
posibilitatile
schematizeaza
se poate
de Grupa: ……….……/ I.D.
simplex
analiza
un
simplifica
proces culturilor
si sinteza
complex,
sub formaale vegetale.
procesului
retinand
unui micromodel
trasaturile
modelat in
FACULTATEA DE MANAGEMENT, INGINERIE ECONOMICĂ ÎN AGRICULTURĂ ŞI DEZVOLTARE RURALĂ
precum
considerate
scopul usurarii
si prognoza
esentiale
simularii
din
evolutiei
punctul
cu pretulde sale.
indepartarii
vedere
In functie
al de Un model schematizeaza un proces
de
modelatorului.
procesul
gradulmodelat.
de Structura Arta complex, retinand trasaturile
schematizare,
si
modelarii
evolutiasimodelului
simularii
modelele considerate esentiale din punctul de
consta tocmai in vedere al modelatorului. Structura si
evolutia modelului este simulata pe
calculatorul electronic, rezultatele
Modele liniare de optimizare in productia agricola

Cuprins

Modele liniare 1

Parti componente ale


modelului 1-2

Modelul structurii
optime a culturilor vegetale
2-3

Elaborarea
micromodelului structurii
optime a culturilor 3-4

Etapele algoritmului simplex


4-6

Parti componente ale modelului de optimizare


contin
Un sistem
model
modelul necunoscutele
de valori
optimizare
polinomial X1,
este 1) (de exemplu
polinoame cu utilizarea
….,X
are can,parti
pozitive
neliniar. componente:
pentru X1, (1) sau neutilizarea
necunoscutele (0) a
modelul
Membrul doi
….,Xn care satisfacal fiecarei unei masini agricole
se numeste polinomial sau
restrictii
modeleste
restrictiile,
Un se limita
1) Necunoscutele
polinomial
numeste a unei
sau tehnologii);
algebric in caz in
resursei
solutie la
(variabilele) care
neliniarposibila se
des intalnitiarrefera
modelului acele
este aceste cazuri
contrar modelul avemse
restrictia.
solutii
modelul Daca
notate posibile
cupolinomial
X 1,….,X toate
care n care modele de
numeste optimizare cu
nepolinomial
restrictiile
sunt numere
optimizeaza
patratic cumodelului
oreale
restrictii
functie- variabile
sau intregi
transcendent.
sunt ecuatii,
pozitive ce
obiectiv,
polinoame sede el
numescse a1fisi
urmeaza
gradul respectiv
Daca modele
intr-un modelde
numeste
determinate.
solutii modelinstandard.
functiile-obiectiv
optime raport optimizare cu
polinomial, variabile
polinoamele
Orice
Exista
cu model
polinoame modele
acea functie. de in
de gradul caredoi. bivalente.
din restrictii si din
optimizare
necunoscutele poate X1fi,….,X
adus n, functiile-obiectiv au
la forma
sunt numerestandard
intregi
Daca restrictiile si prin 2) Restrictiile
gradul 1, modelul
adaugarea
pozitive (delaexemplu
functiile-obiectivmembrulale (constrangerile)
polinomial se numeste
intai al
efective restrictiilor
de
modelului sunt animale) „ sau
≤” modelului care sunt m
liniar, in caz contrar
si , „ =valori
chiar
Daca ” a unor
modelulbinarevariabile
de (0 sau inecuatii sau ecuatii care
de egalizare nenegative
“Cunoasterea solutiilor
si prin scaderea din
bazice optime
membrul intai permite
al
gasirea oricarei solutii

optime. modelele liniare

au o singura solutie

optima care este

obligatoriu bazica.
Parti componente ale modelului de optimizare
Numarul solutiilor bazice

este cel mult:


In realitate,
1) timpul
necontradictorii
schimba
(sa existecoeficientii
macar o solutie I. Modele de structura
constanti ai modelului
posibila); optima pentru:
(stocuri de resurse,
costuri independente
2) ale resurselor, a) culturi agricole anuale
preturile
(sa de vanzare
nu rezulte unele dinale sau perene;
produselor) ceea ce
altele).
necesita reoptimizarea b) rase si grupe de
modelului
In acest cazinmodelul
raport cude animale;
aceste schimbari.
optimizare se numeste
coerent. Cu cat numarul c) furaje grupate in ratii
mInalfunctie de caracterul
restrictiilor furajere;
marimilor este
modelului caremaiintervin
mare,
in atat
cu modele, acestea pot fi
pericolul d) ramuri vegetale /
deterministe si
contradictiei (cu/ sau
marimi animale in cadrul fermei.
precise valoric)
dependentei sau
restrictiilor
aleatoare
creste decioeste
partemaisaugreu II. Modele de
toate
de marimile
elaborat un au valori repartitie optima
probabile cum
macromodel sunt cele
coerent pentru:
legateun
decat demicromodel
natura:
precipitatii, clima,
coerent. a) rotatia culturilor;
calamitati, etc. Cele mai
multe macromodele
Modelele elaborate ladeun b) alocare resurse (forta
optimizare
moment datcare au fost
se numesc de munca, masini,
elaborate pentru
statice. tehnologii, energie,
agicultura, se impart in ingrasaminte, apa,
doua clase: investitii);
In toate aceste etape sunt necesare urmatoarele
Precizam
resurse: ca resursele financiare acopera
cheltuielile cu resursele a) - f) si alte cheltuieli
precum
a) Fortataxe si impozite, asigurari, etc. Dintre
de munca
resursele precedente, ierbicidele si
insectofungicidele
b) Forta mecanica fiind specifice fiecarei
culturi,Modelul structurii
s-au exprimat in lei. optime a culturilor vegetale
c) Energie (motorina, curent electric, uleiuri-
Diferitele forme de energie au urmatoarele
lubrifianti)
unitati de masura:
motorina
d) se insectofungicide
Ierbicide, exprima in litri(l)
curentul electric se exprima in kilowati ora
(kwh)
e) Ingrasaminte chimice / organice
continutul energetic brut al produselor
agricole
f) Apa deseirigatie
exprima in unitati nutritive (UN)

1g)litru motorina
Resurse = 10.15 Mcal
financiare

Datele necesare pentru elaborarea micromodelului structurii optime a culturilor


V. Optim conditionat
(Venit Pe baza cu
maxim datelor din
tabelul
cheltuieli date)alaturat vom
elabora 6 modele liniare
de optimizare
VI. Optim a structurii
conditionat
culturilor
(Cheltuieli minime dupa
cucum
urmeaza:
venit dat)

I. Optim tehnic (Venit


maxim)

II. Optim tehnic


(Cheltuieli minime)

III. Optim
Profitul economic
(P)este diferenta
(Profit maxim)
intre venit si cheltuieli iar
rata profitului (R) este
IV. Optim
raportul economic
intre profit si
(Rata profitului maxima)
cheltuieli.

P = V – C;
M = 13 restrictii si P =4 Cautarea exhaustiva a
variabilele proprii solutiei bazice optime
respectiv L = 7, E = 1 SI este laborioasa, de aceea
G=5, a fost elaborata o metoda
mai rapida de optimizare
rezulta : numita metoda simplex.

M = 13 restrictii si P = 4 Aceasta metoda pleaca


variabilele proprii x1, x2, de la o solutie bazica
O xsolutie
3, x4.
admisibila a initiala pe care o
problemei se poate schimba cu una mai buna
obtine considerand
Modele liniare de x 1 = (pentru care functia ƒ se
x2 optimizare
= x3 = 0 se scriu din apropie de optimul ei),
punct de vedere pe aceasta o schimba cu
matematic sub forma de una mai buna, etc. pana
inecuatii / ecuatii in se ajunge la o solutie
ordinea „ ≤ ” , „ = ” , „≥” bazica optima.
cu variabile
(necunoscute) nenegative Prin aceasta se evita
si functie-obiectiv inspectarea solutiilor
Metoda simplex bazice
solutiemai putin bune
admisibila de ca Observam ca problema
Algoritmul simplex este baza si solutia bazica initiala; in este în forma standard
plus la trecerea de la o (problema este de
o metoda analitica
Fie L numarul de
restrictiilor „  se
”, E construiesc
numarul restrictiilor alte
”, Gsolutii
solutie bazica la„ = alta mai maxim, toate inegalitatile
numarul restrictiilor „  ”
deci avem M = L+E+G restrictii asezate in ordinea de mai sus. N este numarul
determinare a solutiei
variabilelor proprii ale modeluluiderespectiv.
baza astfel încât sunt
unei probleme de valoarea functiei obiectiv “≤”).
programa liniara. creste catre valoarea
Algoritmul simplex optima. Introducem variabilele
este o metoda iterativa în Vom prezenta aceasta de compensare y1, y2, y3
≥ 0 pentru a transforma
care se pleaca de la o metoda mai întai pe un toate inegalitatile în
exemplu concret. egalitati:
probleme
1.
variabilelor
Se determina
maxima este auxiliare
datao de
suplimentare)
solutie
din functia
elementul admisibila
obiectiv
din prima
linie a coloanei este optima,
(prin
sunt Daca solutia
negativi).
introducerea nu
determinam
variabilelor
“Valori”, dar variabila
cu care intra
2. în baza
suplimentare
semn Se determina(variabila
schimbat,y 1daca , cu cel mai
y 2 , mare
solutia
valorile coeficientpozitiv
. . . gasita
SAU prin
este
variabilelor din functia
obiectiv)
bazaEtapele si variabila care
totialgoritmuluiiese din
optima
rezolvareaunei
de
baza
(daca
fiind date
(formam
de
rapoartele între simplex
De unde obtinem :
coeficientii
Daca DA,
ultima coloanaatunci a ne
oprim:termenii
tabelului, coloaneifiind
valoarea
restul “Valori¸ si cei
ai coloanei variabilei ce va intra
în baza, care sunt pozitivi, si
alegem cea mai mica valoare.
“Metoda / algoritmul Simplex si deci valoarea maxima care o
poate lua x1 este x1 = 4 (data de
esteLinia corespunzatoare
o metoda iterativ a în care este linia cea de-a treia inegalitate).
variabilei ce iese
se pleaca de la o solutie
din baza).
Pivotul este elementul situat în
coloana
admisibila variabilei
de baz a si ce intra în
baza¸ si în linia variabilei ce iese
se construiesc alte solutii de
din baza.
baza astfel încât valoarea
Deoarece observam ca marind
functiei obiectiv creste catre A treia inegalitate se refera la y3,
putin valoarea x1 = 0, valoarea ceea ce ne arata ca y3 va deveni o
functiei
valoarea obiectiv ƒ = 60x1 + 30x2
optima.” variabila auxiliara (cu valoarea y3
+ 20x3 va creste (si deci valoarea = 0, deoarece x1 = 4), iar x1 va
nu este maxima). Acelasi lucru se deveni o variabila de baza cu
observa si pentru x2 si x3. valoarea x1 = 4.

În general, solutia gasita NU A treia etapa pentru continuarea


ESTE OPTIMA daca coeficientii procedeului este sa rescriem
variabilelor auxiliare în functia membrul drept al functiei
obiectiv sunt numere pozitive (în obiectiv si al egalitatilor în
cazul de fata, acesti coeficienti functie de variabilele auxiliare,
sunt 60, 30 si respectiv 20). adica în functie de x2, x3 si¸ y1.

Alegem asadar variabila x1 ca si Pentru aceasta, rezolvam a treia


variabila care va intra în baza ecuatie în functie de x1, iar apoi
(deoarece coeficientul ei este 60, eliminam variabila x1 din restul
si deci va produce o crestere mai ecuatiilor si din functia obiectiv
rapida a functiei obiectiv). folosind aceasta ecuatie.

A doua etapa este urmatoarea: cu


cât putem mari valoarea variabilei
ce va intra în baza?

Sa observam ca deoarece
y1, y2, y3 ≥ 0 si¸ x2 = x3 = 0,
conditiile de mai sus ne arata ca
trebuie sa avem:
Repetând acum pasii 1 — 3 de
Putem simplifica calculul Se poate verifica usor ca procedeul
de mai sus procedând în indicat pentru etapa a treia de mai
felul urmator : sus revine la:

Aranjam coeficientii — linia pivotului se împarte la


functiei obiectiv si ai pivot
restrictiilor date într-un — toate numerele din coloana
tabel, în care pe prima pivotului, cu exceptia pivotului,
linie apar coeficientii din devin 0
functia obiectiv, iar pe — restul numerelor din tablou se
liniile urmatoare apar modifica dupa “regula
ecuatiile, pe care le dreptunghiului”,
rescriem trecand în dupa cum urmeaza:
membrul stang
necunoscutele problemei. pentru a determina noua valoare a
În prima coloana apar unui numar, se considera cele patru
coeficientii lui x1, în numere aflate în colturile
adoua coloana coeficientii dreptunghiului având diagonala
lui x2, ¸samd. Obtinem formata de pivot¸ si de numarul
astfel urmatorul tabel: ales.
Noua valoare a numarului se
determina astfel:

se scade din vechea valoarea a


numarului produsul numerelor de
pe cealalta diagonala a
dreptunghiului (cea care nu contine
pivotul) împartit la pivot.

pentru a determina care Procedând astfel, obtinem al doilea


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

Pentru determina care


variabila va iesi din baza,
formam rapoartele între În continuare, pentru a determina
termenii coloanei “Valori” daca solutia este optima, se
¸ si cei ai coloanei lui x1 determina daca coeficientii din
(variabila ce va intra functia obiectiv
înbaza), pentru care (prima linie a tabelului) ai vreuneia
coeficientul respectiv este din variabilele auxiliare este
strict pozitiv, si îl alegem pozitiv. Daca da, atunci solutia
pe cel mai mic.
Variabilele auxiliare sunt x2, y2, y3, toate având coeficienti negativi in functia
obiectiv (prima linie a tabelului), si deci solutia gasita este optima.
Valoarea optima este ƒ = 280 (coloana “Valori”, prima linie, dar cu semn
Powered by http://www.e-referate.ro/
Adevaratul tau prieten