Metode Matematice de Optimizare A Problemelor de Transport Si A Deciziilor in Intreprinderile Industriale

CUPRINS
INTRODUCERE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3
CAP.1 PROGRAMARE LINIAR . . . . . . . . . . . . . . . . . . . . .4
1.1 Consideraii generale . . . . . . . . . . . . . . . . . . . . . . . . . .4
1.2 Soluiile unei probleme de programare liniar . . . . . . 7
1.3 Bazele matematice ale metodei simplex primal pentru
rezolvarea problemelor de programare liniar. . . . . . 13
Probleme de programare liniar propuse spre
rezolvare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .35
Probleme de programare liniar cu aplicaii n
procesul de producie propuse spre rezolvare . . . . . . 39
1.4 Modele liniare de tip transport. Folosirea programrii
liniare n optimizarea planului de transport . . . . . . . .45
Probleme de tip transport propuse spre rezolvare. . . .67
CAP.2 OPTIMIZAREA DECIZIILOR PRIN METODE

MATEMATICE . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 70
2.1 Probleme rezolvate de decizie n condiii de
certitudine. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .70
Probleme propuse spre rezolvare . . . . . . . . . . . . . . . . 84
2.2 Probleme rezolvate de decizie n condiii de
incertitudine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .92
Probleme propuse spre rezolvare. . . . . . . . . . . . . . . . 96
2.3 Probleme de decizie n condiii de risc . . . . . . . . .100
2.3.1 Arbori cu probabiliti simple. . . . . . . . . . . . . 100
2.3.2 Arbori cu probabiliti condiionate . . . . . . . .111
BIBLIOGRAFIE SELECTIV. . . . . . . . . . . . . . . . . . . . . . .122
INTRODUCERE
Prezentul material ajuttor ofer posibilitatea nelegerii de
ctre studeni a utilizrii modelelor economico-matematice n
organizarea i conducerea produciei.
nainte de prezentarea metodelor i tehnicilor matematice
de optimizare a activitilor folosite n managementul produciei
industriale, se impune s facem urmtoarele precizri : n primul
rnd, plecm de la considerentul c elementele de algebr liniar
studiate n anul I sunt cunoscute, insistndu-se mai mult pe
nelegerea semnificaiilor matematice i economice ale
aspectelor prezentate.
n al doilea rnd, limbajul pe care l-am folosit nu este strict
riguros matematic, prefernd un limbaj mai descriptiv, bazat pe
exemplificri, menit s asigure o nelegere mai bun i mai
profund a textului.
n al treilea rnd, contieni de faptul c multe dintre
probleme sunt prezentate prea sumar, justificm aceasta prin
spaiul restrns al actualului material ajuttor precum i prin
dorina noastr de a oferii studenilor o imagine ct mai
cuprinztoare asupra posibilitilor pe care le are matematica i
utilizarea acesteia n economie. Lista bibliografic de la sfritul
fiecrui capitol ntregete cunotinele prezentate aici.
3
CAPITOLUL 1
PROGRAMARE LINIAR
1.1 CONSIDERAII GENERALE
O problem de programare liniar sete format din dou
pri distincte, i anume :
- un numr de restricii liniare :
fi(x1,..,xn)bi,
i=1,,k,
fj(x1,..,xn)=bj,
j=k+1,..,p,
fe(x1,..,xn)be,
e=p+1,..,m,
xk0,
k=1,2,...,n,
(1.1)
care exprim condiiile problemei ;

- o funcional liniar, f(x1,..,xn), obiectivul
problemei (maximizarea sau minimizarea acesteia).
Problemele economice care conduc la modele de
programare liniar sunt prezentate n curs i, ca atare nu le mai
relum aici. Din aspectele prezentate n curs, a rezultat c
modelul matematic al unei probleme de programare liniar,
izvort din practica de producie, este n general de forma :
n
[max] sau [min] z=cj xj

j=1
(1.2)
aij xj = di ,
j=1
i=1,,m;
(1.3)
j=1,,n .
(1.4)
xj 0,
Vom numi form standard a unei probleme de programare

liniar, forma urmtoare :
n
[max] sau [min] z=cj xj
(1.5)
j=1
aij xj = di ,
j=1
i=1,,m;
(1.6)
j=1,,n .
(1.7)
xj 0,
Aadar, o problem de programare liniar este prezentat

sub form standard atunci cnd restriciile sale sunt numai
egaliti, iar variabilele ce intr n model sunt toate pozitive.
Reamintim c o restricie de forma (1.3), care nu e de tip
egalitate, poate fi adus la forma unei egaliti, fie prin adugarea
unei mrimi pozitive fie prin scderea unei mrimi pozitive.
5
Pentru a ne obinui cu limbajul utilizat, mai precizm c

problema de programare liniar (P.L.) se spune c are form
canonic dac toate restriciile (1.6) sunt inegaliti de acelai
sens. Aadar, o problem de (P.L.) se prezint sub form
canonic, atunci cnd toate restriciile problemei au semnul
cnd se urmrete maximizarea funciei obiectiv, sau cnd toate
restriciile problemei au semnul cnd trebuie minimizat
funcia obiectiv, n ambele cazuri variabilele (necunoscutele)
problemei fiind nenegative.
O problem de (P.L.) este pus sub forma standard de lucru
dac :
- este sub form standard ;
- n matricea coeficienilor exist o matrice unitate de
dimensiune egal cu numrul restriciilor;
- termenii liberi ai restriciilor sunt nenegativi.
O alt form, mai concentrat, de scriere o reprezint aazisa form matriceal, adic:
[max] sau [min] z = CX
(1.8)
AX = d
(1.9)
X 0 , unde
6
(1.10)
a11 . a1n
A = (aij)
X=
x1
x2
d=
xn
d1
d2
i = 1, . . . . .,m =
j = 1, . . . . .,n
am1 amn
, C = (c1, c2, , cn)
dn
1.2 SOLUIILE UNEI PROBLEME DE PROGRAMARE
LINIAR
n studiul rezolvrii metodelor de programare liniar, se
pornete de la forma standard. S considerm, deci, modelul
problemei de programare liniar sub form standard:
(M)
[max/min] z = CX,
AX =b,
X0
(1.11)
(1.12)
(1.13)
n care matricea A are m linii i n coloane. Presupunem, n plus,

c sistemul restriciilor (1.12) are cel puin o soluie, n caz
contrar rezolvarea modelului pierzndu-i sensul.
Dac rangul matricei A ar fi mai mic dect m, sistemul
restriciilor fiind totui compatibil, o parte dintre ecuaiile
cuprinse n (1.12) ar fi consecine ale celorlalte, deci ar putea fi
nlturate. De aceea vom considera nc de la nceput c rangul
matricei A este egal cu m. De asemenea, vom considera c
numrul variabilelor n este strict mai mare dect numrul
restriciilor m, aceast condiie evitnd unicitatea soluiei
sistemului de restricii.
Vom numi simplu, soluie a modelului (M), un vector
coloan X, n-dimensional, care verific sistemul de restricii
(1.12). Dac, n plus, vectorul X verific i condiiile de
nenegativitate (1.13) se spune c el reprezint o soluie
realizabil a modelului (M). n acest fel, rezolvarea modelului
poate fi urmrit n spaiul vectorial n-dimensional, numit i
spaiul soluiilor. n cele ce urmeaz, convenim s notm cu M
mulimea soluiilor realizabile ale modelului (M).
Exemplul 3.1. S considerm, pentru exemplificare,
8
urmtoarele restricii ale unui model de programare liniar:
x1 + 2x2 + x3 + 2x4 = 8
2x1 + x2 + x3 + 3x4 = 9
Soluia X1 =(3 2 1 0)t a acestui sistem este o soluie
realizabil a modelului, deoarece nu are nici o component strict
negativ. n schimb, soluia X2 = (3 3 3 1)t este o soluie
nerealizabil a modelului, avnd componenta x3 strict negativ
(nu verific condiia corespunztoare de nenegativitate).
n construirea algoritmului de rezolvare a modelelor de
programare liniar, vom ine seam ndeosebi de natura
diferitelor componente ale soluiilor, de a fi nule sau nu. n acest
scop, s considerm spaiul vectorial m-dimensional, numit
spaiul restriciilor, n care considerm cei n vectori-coloan ai
matricei A, notai prin aj , j=1, . . . , n precum i vectorul b, al
termenilor liberi. Cu aceste notaii, sistemul de restricii (1.12)
poate fi scris sub forma vectorial (1.14), unde componentele x1,
x2, x3, . . . . , xn, ale unei soluii oarecare X, sunt mrimi scalare
nedeterminate :
x1 a1 + x2 a2 + x3 a3 + . . . . . + xn an = b
9
(1.14)
n acest fel, fiecare component xj, j= 1, 2, 3, . . . . , n, a unei

soluii, se ataeaz unui vector coloan aj din matricea A.
Dac rangul matricei A este egal cu m, exist cel puin o
grup de m vectori dintre acetia, ce formeaz o baz n R m .
Dac n soluia X numai componentele xj1, xj2, . . . , xjm ce
corespund vectorilor din baza B, sunt diferite de zero, aceast
soluie se numete soluie de baz a modelului (M).
Componentele unei soluii de baz pot fi de dou tipuri, i
anume:
- componentele ce corespund la vectori ce nu fac parte
din baza respectiv, numite i componente nebazice,
acestea fiind toate egale cu zero (prin definiie);
- componente ce corespund la vectorii din baz, numite i
componente bazice, dintre acestea fcnd parte toate
acele componente ale soluiei ce sunt diferite de zero.
Din cele de mai sus, rezult c o soluie de baz se poate
determina fixnd mai nti m vectori-coloan din matricea A,
care s formeze o baz n Rm, dup care efectum urmtoarele
operaii:
10
- nlocuim n sistemul restriciilor toate variabilele ce

corespund vectorilor ce nu fac parte din baza
considerat, prin zero;
- rezolvm sistemul tip Cramer rmas, obinnd astfel i
valorile componentelor bazice.
Din definiia soluiei de baz, deducem c o astfel de
soluie poate avea cel mult m componente diferite de zero, aceste
componente n mod obligatoriu la vectori-coloan liniari
independeni ai matricei A. n cazul cnd o soluie de baz are
mai puin de m componente diferite de zero, se zice c ea este
degenerat, n caz contrar ea fiind nedegenerat.
Exemplul 3.2. Fie urmtorul sistem de restricii,
aparinnd unui model de programare liniar:
x1 + x2 + x3 + x4 + 3x5 = 6,
x1 + 3x2 + 2x3 + 3x4 + x5 = 12
Soluia X1 = ( 3 3 0 0 0 )t este o soluie de baz realizabil
i nedegenerat, avnd dou componente nenule pozitive, ce
corespund la vectorii a1 i a2 din R2, i anume:
a1 =
1
1
a2 =
11
1
3
Pe de alt parte, soluia X2 = ( 15 0 0 0 3 )t este o soluie

de baz nerealizabil i nedegenerat, ce corespunde bazei
B2 = {a1,a5}. n sfrit, soluia X3 = ( 0 0 6 0 0 ) t este o soluie de
baz i degenerat, avnd o singur component nenul, n cazul
nostru strict pozitiv. Se poate observa c aceast soluie poate
corespunde la mai multe baze, ca de exemplu, B3 = {a1,a3} ,
B4 = {a3,a4} etc..
n continuare, prezentm cteva rezultate teoretice legate
de soluiile problemei de programare liniar care simplific,
cutarea soluiilor optime.
Menionm, fr demonstraie, urmtoarele teoreme:
Teorema 3.1. Mulimea soluiilor realizabile, corespunztoare
unui model de programare liniar, este o mulime convex.
Teorema 3.2. Dac funcia de eficien a unui model de
programare liniar are optim finit, valoarea optim este atins
cel puin ntr-un vrf al mulimii soluiilor realizabile.
Teorema 3.3.
Dac funcia de eficien a unui model de
programare liniar are optim finit, atunci mulimea soluiilor

optime ale acestui model este o mulime convex, iar vrfurile ei
se afl printre vrfurile mulimii soluiilor realizabile ale
modelului.
12
Conform teoremelor prezentate, determinarea soluiilor

optime ale unui model de programare liniar ar putea fi fcut
calculnd i corectnd mai nti toate soluiile de baz ale
modelului (acestea fiind n numr limitat, numrul lor fiind cel
mult egal cu Cnm) pentru a extrage pe cele realizabile ce
maximizeaz, respectiv minimizeaz funcia de eficien (funcia
obiectiv). Un astfel de procedeu cere un volum mare de calcule,
mai ales n cazul unui model de dimensiuni mari, cnd el devine
practic imposibil.
1.3 BAZELE MATEMATICE ALE METODEI SIMPLEX
PRIMAL PENTRU REZOLVAREA PROBLEMELOR DE
PROGRAMARE LINIAR
Metoda simplex primal, sau metoda mbuntirilor
succesive, evit cercetarea exhaustiv a tuturor soluiilor de baz
ale unui model de (P.L.), construind succesiv soluii realizabile
de baz din ce n ce mai bune ale modelului pn cnd este
obinut o soluie de baz optim. Evident, prin soluie mai bun
vom nelege o soluie care d pentru funcia de eficien o
valoare mai mare, respectiv mai mic dect cele precedente, dup
13
cum funcia de eficien trebuie s devin maxim, respectiv

minim. n descrierea i justificarea metodei algoritmului
simplex primal, ne vom referi iniial la un model de (P.L.) n care
funcia de eficien trebuie s devin maxim, model de forma
urmtoare:
n
[max] z = cj xj
n
(M)
(1.15)
j=1
aj xj = b
(1.16)
j=1
x0
(1.17)
S presupunem c dispunem de o soluie realizabil de

baz a modelului, notat cu X, soluie pe care o putem considera,
fr a micora generalitatea raionamentelor ce urmeaz,
corespunznd bazei formate din vectorii a1, a2, . . . , am, baza
nsi fiind notat cu B. Pentru sistematizarea calculelor, toi
vectorii-coloan aj, j = 1,2,,n precum i vectorul b al termenilor
liberi n baza B, XB se pot trece ntr-un tabel de forma celui ce
urmeaz:
14
Tabelul 1.1
c1
c2
C3. .
.... ....
...
....
. .cn
a1
a2
A3. .
.... ....
...
....
. .an
a1
x1
11
12
13 ..
.... ....
...
....
.1n
C2
a2
x2
21
22
23 ..
.... ....
...
....
.2n
: ..
.... ....
...
....
..:
: ..
.... ....
...
....
..:
: ..
.... ....
...
....
..:
: ..
.... ....
...
....
..:
cm
am
xm
m1
m2
m3
.... ....
...
....
mn
fj
F1
f2
f3
.... ....
...
....
fn
C1
Astfel, baza este trecut pe coloana marcat cu B,

componentele fiecrui vector aj , j = 1,2,,n se gsesc n tabel pe
coloanele corespunztoare acestor vectori. Pentru uniformitate, n
tabel s-au notat i componentele vectorilor din baz sub forma
general, dei ei apar n particular ca vectori unitari.
Pentru scopuri legate de calculele ce urmeaz a fi
efectuate, tabelul mai conine deasupra vectorilor a j, j = 1,2,,n,
coeficienii cj din funcia de eficien, ce corespund variabilelor
ataate acestor vectori. De asemenea, tabelul conine i o coloan
suplimentar CB, cu coeficienii cj corespunztori variabilelor
15
ataate vectorilor din baz. Aceast din urm coloan reprezint,

sub form transpus, un vector-linie m-dimensional, ce are drept
componente acele componente ale vectorului C ce corespund
vectorilor din baza B, n ordinea indicat de baz.
CB = (c1,c2,,cm)
(1.18)
n calculele ce urmeaz a fi prezentate, legate de testarea

optimalitii, sau de mbuntire a soluiei X, cu ocazia
calculelor apar anumite sume ce pot fi ataate vectorilor aj,
j=1,,n, sume pe care le vom nota convenional prin f j i care au
urmtoarele expresii:
m
fj = ck kj , j=1,2,3,,n.
(1.19)
k=1
Aceste sume, jucnd un rol deosebit de important n

aplicarea algoritmului simplex, se ataeaz tabelului 1.1, sub
forma unei linii suplimentare.
De observat c fiecare cantitate fj se obine practic prin
nsumarea produselor dintre fiecare element al coloanei CB i
elementul corespunztor de pe coloana aj a tabelului 1.1.
Expresia matriceal a cantitilor fj este deci urmtoarea:
16
fj = CB aj , j=1,2,3,,n.
(1.20)
S redm cele de mai sus pe un exemplu numeric.

Exemplul 4.1. Fie modelul de (P.L.):
[max] z = 2x1+3x2+x3+4x4
x1 + x3+2x4=8,
x2+2x3+x4=10,
xj 0, j=1,2,3,4
Se observ c modelul de (P.L.) este pus sub forma
standard de lucru, ceea ce nseamn c:
- este sub forma standard;
- n matricea coeficienilor exist o matrice unitate de
dimensiune egal cu numrul restriciilor;
- termenii liberi ai restriciilor sunt nenegativi.
CB
2
3
B
a1
a2
Fj
XB
8
10
2
a1
1
0
2
3
a2
0
1
3
1
a3
1
2
8
4
a4
2
1
7
f1= 21+30 =2 ; f2= 20+31 =3 ; f3= 21+32 =8 ; f4= 22+31 =7

17
Prezentm, n continuare, fr demonstraie urmtoarele teoreme:

Teorema 4.1. (Testul de optimalitate a soluiei sau
criteriul optim). Dac pentru o soluie realizabil de baz X, a
unui model de programare liniar, avem cj - fj 0, j=1,2,3,,n, n
cazul modelului de maxim respectiv fj - cj 0, j=1,2,3,,n, n
cazul modelului de minim, atunci soluia X este optim.
n cadrul tabelului de programare liniar vom nota
diferenele cu j = cj - fj 0 pentru problema de maxim, respectiv
j = fj - cj 0 pentru cea de minim.
Teorema 4.2. (Criteriul de mbuntire a soluiei). Fiind
dat o soluie de baz realizabil X, nedegenerat, a unui model
de programare liniar, dac exist cel puin un indice j, j=1,2,
,n, pentru care s avem cj - fj > 0, n cazul unui model de
maxim, respectiv fj - cj , n cazul unui model de minim, atunci se
poate determina o alt soluie realizabil de baz Y, care s dea o
valoare mai bun dect X pentru funcia de eficien, iar baza
corespunztoare soluiei Y s difere de baza corespunztoare
soluiei X printr-un singur vector.
Prezent, n continuare, urmtorul tabel complet al unui
model de (P.L.):
18
Tabelul 1.2.
CB
XB
c1
c2
:
ci
:
cm
a1
a2
:
ai
:
am
j=cj-fj
X1
X2
:
xi
:
xm
c1
c2 . . . . . . . cm . . . . . . . cj . . . . . . . . cn
a1
a2. . . . . . . . am . . . . . . aj. . . . . . . . an
11
12. . . . . . . 1m. . . . . . .1j. . . . . . . 1n
21
22. . . . . . . 2m. . . . . . .2j. . . . . . .2n
:
:
:
:
:
i1
i2. . . . . . . im. . . . . . . ij . . . . . . in
:
:
:
:
:
m1 m2. . . . . . .mm. . . . . . .mj. . . . . . mn
c1-f1 c2-f2.. . . . . cm-fm . . . . .cj-fj . . cn-fn
Se observ c, fa de tabelul 1.1, am renunat la linia f j,

nlocuind-o cu j.
Pentru a continua algoritmul simplex deci pentru a
mbuntii soluia cu care am pornit, trebuie s tim:
- ce vector nebazic poate intra n combinaie cu m-1
vectori bazici, pentru a forma mpreun o baz mai
bun;
- ce vector bazic este nlocuit cu vectorul nebazic gsit.
Conform celor artate mai sus, vectorul aj, cruia i corespunde o
diferen j strict pozitiv, este cel ce urmeaz s intre n noua
baz, fapt indicat printr-o sgeat alturat coloanei acestui
vector. Aadar, vom alege pe oricare din vectorii nebazici pentru
19
care diferena j = cj-fj >0, de preferat (dar nu obligatoriu) pe cel

pentru care diferena pozitiv j este cea mai mare. Dac sunt mai
multe diferene maxime egale, se alege oricare dintre ele.
De asemenea, pe coloana B a tabelului, este menionat n
mod special vectorul ai ce urmeaz s ias din baz, fapt ilustrat
de sgeata ce se gsete n dreptul lui.
Pentru a gsi vectorul ce trebuie eliminat din baz se face
raportul, component cu component, ntre coloana X B i coloana
care intr aj, mprirea fcndu-se numai la componentele strict
pozitive ale lui aj i se alege raportul cel mai mic, pentru ca noua
soluie s aib componentele nenegative.
Elementul ij, care apare ncercuit n tabelul 1.2 i care se
gsete la intersecia coloanei vectorului aj, ce urmeaz s intre n
baz, cu linia vectorului ai, ce iese din baza B, se numete
pivot.
Componenta yi, ce urmeaz s ia locul componentei xi, se
obine prin mprirea acesteia la pivot, celelalte componente
bazice ale soluie Z determinndu-se din tabelul 1.2, prin regula
ilustrat n figura 1.1, cunoscut sub numele de regula
dreptunghiului.
20
Urmtoarele expresii permit calculul componentelor noii
soluii de baz Y :
xi
yj =
ij
(1.21)
yk = xk - yjkj = xk - xi kj, pentru k=1,2,,i-1,i+1,..,m (1.22)

ij
n legtur cu aceste relaii, se impun condiiile:
xi
ij
xk ij - xi kj
ij
(1.23)
0, pentru k=1,2,,i-1,i+1,i+2,,m
ij
xi
kj
xk
yj =
yk =
xi
ij
xk ij xi kj
(1.24)
Tabel vechi
Tabel nou
ij
Fig. 1.1 Calculul componentelor soluiei Y

Deoarece prin ipotez avem xi > 0, inegalitatea (1.23)
impune condiia ij > 0, adic pivotul trebuie s fie strict pozitiv.
21
Precizm mai sus c, pentru a gsi vectorul ce trebuie
eliminat din baz, se face raportul, component cu component,
ntre coloana XB i coloana vectorului aj care intr n baz.
Ilustrarea acestor operaii este prezentat n figura 1.2.
x1
1j
x1/1j
x2
2j
x2/2j
xm
mj
xm/mj
Fig 1.2. Operaiile efectuate pentru gsirea vectorului ce trebuie
eliminat din baz
De remarcat este faptul c acolo unde componenta kj 0
raportul nu se face, iar dintre rapoartele ultimei coloane ne oprim
la cel mai mic, acesta indicnd linia vectorului a i ce urmeaz a fi
eliminat din baza B. Aceast regul poart numele de criteriu de
ieire din baz.
Algoritmul simplex este deci un algoritm iterativ, n care
sunt cercetate succesiv soluii realizabile de baz din ce n ce mai
bune, pornind de la o soluie realizabil de baz oarecare, pn
cnd este obinut o soluie optim.
22
Etapele ce trebuie parcurse la o iteraie oarecare, cnd se

dispune de o soluie X, sunt urmtoarele:
Etapa nti ( Verificarea optimalitii )
Cu ajutorul unui tabel de forma tabelului 1.1 se calculeaz
cantitile fj, j=1,,n, apoi diferenele j = cj - fj, n cazul
modelului de maxim, respectiv j = fj - cj, n cazul modelului de
minim. Dac toate aceste diferene sunt nepozitive, soluia
cercetat X este potim i algoritmul ia sfrit. n caz contrar, se
trece la etapa urmtoare.
Etapa a doua (mbuntirea soluiei)
Aplicnd criteriul de intrare n baz, se determin mai nti
un vector aj, a crui diferen j este strict pozitiv, n cazul cnd
exist mai multe diferene de acest fel alegndu-se cea mai mare
dintre ele. Apoi, pentru aplicarea criteriului de ieire din baz, se
fac rapoartele xi /ij, dintre care cel mai mic determin un vector
ai, ce urmeaz s prseasc baza. n sfrit, determinnd pivotul,
formulele (1.21) i (1.22) dau posibilitatea completrii tabelului
corespunztor noii soluii mbuntite. Aplicarea acestor formule
se poate face prin urmtoarele operaii succesive:
- se completeaz coloana B cu vectorii ce formeaz noua
baz ;
23
- se mparte linia pivotului la pivot;
- se completeaz coloanele corespunztoare vectorilor
din noua baz, acetia devenind vectori unitari;
- se calculeaz celelalte elemente, aplicnd regula
dreptunghiului.
S ilustrm funcionalitate algoritmului pe un exemplu
numeric.
Exemplul 4.2 Fie modelul de (P.L.):
[max] z = 5x1+7x2+2x3+2x4
x1+3x2 - x3+0x4=40
-x2+2x3+ x4=10
xj 0, j=1,2,3,4
Completm urmtorul tabel:
CB
XB
5
2
a1
a4
/
5
2
/
j
a1
a2
j
40
10
5
a1
1
0
7
a2
3
-1
2
a3
-1
2
2
a4
0
1
220
45
5
235
0
1
0
0
-6
5/2
-1/2
-9/2
3
0
1
0
0
1/2
1/2
-3/2
24
Deoarece pe linia diferenelor j, exist o diferen strict
pozitiv (c3-f3=3), deducem c soluia realizabil x nu verific
criteriul de optim. n tabel s-a fcut efectiv trecerea la o soluie
realizabil de baz mai bun, prin efectuarea urmtoarelor
operaii:
- dintre rapoartele 40/-1 i 10/2 se consider numai cel
corespunztor celei de-a doua linii; deoarece prima
component a vectorului a3 este negativ fapt ilustrat i
n figura 1.3; urmeaz c vectorul a4 este cel care
trebuie s ias din baz;
XB
a3
40
-1
10
Fig 1.3 Calculul rapoartelor xm/mj

- pivotul, ncercuit n tabel, s-a determinat la intersecia
coloanei a3 cu linia a4;
- s-au nscris, n coloana B, vectorii ce formeaz noua
baz, respectiv a1 i a3;
25
- s-a mprit linia a doua prin 2 (pivotul), rezultatele
trecndu-se pe linia a doua din iteraia a doua;
- celelalte elemente de pe linia nti a iteraiei a doua s-au
calculat cu ajutorul regulii dreptunghiului;
- s-a completat coloana CB cu coeficienii c1 i c3,
corespunztori vectorilor din noua baz.
Componentele bazice ale noii soluii se citesc pe coloana X B, ele
fiind urmtoarele: x1=45, x2=0, x3=5, x4=0. Prin urmare, noua
soluie are forma urmtoare:
X=(45,0,5,0), iar Zmax=235
Pentru testarea optimalitii acestei noi soluii s-au calculat
n tabel diferenele cj-fj. Deoarece nu mai exist nici o diferen
strict pozitiv, deducem c soluia X este optim i aplicarea
algoritmului simplex a luat sfrit.
S ne ocupm acum de operaiile premergtoare aplicrii
operaiilor cerute de algoritmul simplex. Pentru a putea ncepe
aplicarea algoritmului simplex, n scopul gsirii soluiei optime
pentru un model de (P.L.), trebuie s fie ndeplinite dou
condiii i anume:
a) modelul s fie sub forma standard de lucru (cu restricii de
tip egaliti);
26
b) s dispunem de o soluie realizabil de baz, pe care o vom
numi soluie iniial.
n privina condiiei (a), precizm c orice restricie scris
sub form de inegalitate se poate pune sub forma unei egaliti
dac se adopt o variabil suplimentar, numit variabil de
compensare. Pentru ca aceast variabil de compensare s se
supun i ea condiiilor de nenegativitate, ea se adaug cu
coeficientul +1 dac inegalitatea are sensul i cu coeficientul
1 dac inegalitatea are sensul .
n ceea ce privete condiia (b), determinarea unei soluii
realizabile de baz iniiale constituie uneori o parte important a
rezolvrii modelului, pentru aceasta existnd metode speciale.
n continuare se prezint nc trei exemple numerice
rezolvate.
[max] f = 2x1+3x2+x3+4x4
x1 + x3+2x4=8
x2+2x3 + x4=10
xj 0, j=1,2,3,4
27
Completm urmtorul tabel:
CB
XB
2
3
a1
a2
8
10
2
A1
1
0
3
a2
0
1
4
a3
1
2
1
a4
2
1
46
-7
-3
S explicm, pe scurt, cum s-au obinut rezultatele pe linia

j:
28+310=46
c1-f1=2-(21+30)=2-2=0
c2-f2=3-(20+31)=3-3=0
c3-f3=1-(21+32)=1-8=-7 etc.
Cum toate diferenele sunt negative sau zero, avem soluie
optim finit (8,10,0,0), f max=46.
[max]f=2x1+x2+3x3+5x4+9x5
x1+2x3+x4+3x5=15
x2+x3+2x4+x5=12
xj0, j=1,2,3,4,5
Construind tabelul simplex vom gsi pornind de la soluia de

baz x1=15, x2=12, x3=x4=x5=0
28
B
2
1
/
9
1
/
9
5
/
a1
15
a2
12
42
j
A5
5
A2
7
52
j
A5 18/5
A4 21/5
j 267/5
2
a1
1
0
0
1/3
-1/3
-2/3
2/5
-1/5
-3/5
1
a2
0
1
0
0
1
0
-1/5
3/5
-1/5
3
a3
2
1
-2
2/3
1/3
-10/3
3/5
1/5
-17/5
5
a4
1
2
1
1/3
5/3
1/3
0
1
0
9
a5
3
1
2
1
0
0
1
0
0
Algoritmul simplex a luat sfrit, soluia optim fiind

xopt=(0,0,0,21/5,18/5), creia i corespunde f max=267/5.
Exemplul 4.5 Fie modelul de (P.L.) :
[min]f = 2x1+x2+3x3+5x4-x5
2x1+x2+ x3
x1+
2x3+
3x1+
2x3+x4
=4
x5 = 7
xj0, j=1,2,3,4,5
= 10
29
B
1
-1
5
/
2
-1
5
/
A2
a5
a4
4
7
10
47
2
5
4
19
j
a1
a5
a4
j
2
a1
2
1
3
+14
1
0
0
0
1
a2
1
0
0
0
-1/2
-3/2
-7
3
a3
1
2
2
6
1/2
3/2
1/2
-1
5
a4
0
0
1
0
0
0
1
0
-1
a5
0
1
0
0
0
1
0
0
Dup cum rezult din tabel, pe linia j s-au fcut

diferenele fj-cj, deoarece este o problem de minim. Soluia
optim este xopt=(2,0,0,4,5), cruia i corespunde fmin=19.
Prezentm, n continuare, cteva observaii legate de
aplicarea algoritmului simplex .
Observaia 4.1. Criteriul de ieire din baz, aa cum am precizat
mai nainte, cere ca vectorul care intr n baz s conin cel
puin o component pozitiv. Dac din criteriul de optim rezult
c soluia nu este optim i vectorul care trebuie s intre n baz
nu are nici o component pozitiv, atunci problema nu admite
optim finit (optimul este infinit).
Observaia 4.2.
n cazul cnd n tabelul simplex optim avem
diferene nule i n dreptul altor vectori care nu fac parte din baza
30
optim, problema admite soluie optim multipl. Pentru a gsi
i alte soluii optime se continu algoritmul simplex introducnd
n baz unul din vectorii din afara bazei cruia i aparine o
diferen nul.
Precizm, naintea exemplului 4.3,c determinarea unei
soluii realizabile de baz iniiale necesit - n anumite cazuri aplicarea unor metode speciale. n acest sens prezentm n
continuare una dintre metode i anume metoda coeficienilor
de penalizare.
Dup ce modelul a fost adus la forma standard, avem grij
ca toi termenii liberi s fie nenegativi, n caz contrar schimbm
semnele unora dintre resticii. Apoi, scriind matricea A a
sistemului de restricii, observm ce vectori unitari se gsesc
printre coloanele ei. n cazul n care matricea A conine toi cei m
vectori unitari, acetia formeaz baza iniial cutat. Dac
matricea A nu conine toi cei m vectori unitari (eventual nici
unul), introducem unele variabile suplimentare numite variabile
artificiale, totdeauna cu coeficieni egali cu +1, n anumite
restricii convenabil alese, pn cnd matricea sistemului de

restricii va conine m vectori-coloan unitari.
31
Deoarece variabilele artificiale stric vechiul echilibru al
restriciilor (care erau egaliti), vom obine astfel un model
numit model lrgit ,ale crui soluii nu corespund totdeauna cu
soluiile modelului ce trebuie rezolvat. Evident, pentru ca o
soluie a modelului lrgit s ofere i o soluie a modelului iniial,
trebuie ca n ea toate variabilele artificiale s fie nule. Astfel,
vom cuta s form anularea variabilelor artificiale, prin
introducerea acestora n funcia de eficien cu coeficieni egali
cu +M, n cazul unui model de minim, respectiv cu coeficieni
egali cu M, n cazul unui model de maxim, M, coeficientul de
penalizare , fiind considerat ca un numr arbitrar foarte mare.
Rolul acestor termeni suplimentari din funcia de eficien este
acela de a nu lsa aceast funcie s-i ating valoarea minim,
respectiv valoarea maxim, pn cnd nu se anuleaz toate
variabilele artificiale. Este limpede c dac, prin aplicarea
algoritmului, s-a ajuns la o soluie optim a modelului lrgit, fr
ca toate variabilele artificiale s aib valori nule n aceast
soluie, modelul iniial este imposibil.
De obicei, n calcule, nu particularizm valoarea lui M, dar

pe parcursul aplicrii algoritmului simplex l privim ca pe un
32
numr suficient de mare (n raport cu celelalte valori numerice
din model).
Deoarece valorile variabilelor artificiale trebuie s fie nule,
orice vector artificial care a ieit din baz nu va mai fi cercetat
pentru o eventual introducere n baz, deci nu se va mai calcula
diferena j, corespunztoare lui, putnd renuna la coloana acelui
vector din tabel.
S redm cele de mai sus printr-un exemplu numeric.
Exemplul 4.6 Se d urmtorul model de (P.L.) :
[min]f = x1+2x2+2x3+x4
x1+x2+2x3+ x4=10
2x1+ x2+2x3+2x4=12
x1+3x2+2x3+2x4=16
xj0, j=1,2,3,4
Modelul lrgit n cazul de fa va fi :
[min]f = x1+2x2+2x3+x4+MU1+MU2+MU3
x1+ x2+2x3+ x4+U1=10
2x1+ x2+2x3+2x4+U2=12
x1+3x2+2x3+2x4+U3=16
xj0, j=1,2,3,4, Uk 0, k=1,2,3
33
iar tabloul simplex corespunztor este:
CB
XB
M
M
M
/
2
M
M
U1
U2
U3
j
a3
U1
U2
10
12
16
38M
5
2
6
/
2
1
M
/
2
1
2
/
j 8M+10
a3
4
a4
2
U2
4
j 4M+10
a3
3
a4
2
a2
2
12
j
1
2
2
1
M
a1
a2
a3
a4
U1
1
1
2
1
1
2
1
2
2
0
1
3
2
2
0
4M-1 5M-2 6M-2 5M-1 0
1/2
1/2
1
1/2
1/2
1
0
0
1
0
2
0
1
M 2M-1
0
1/2
1
0
-1
2
-M 2M-1
1/4
0
1
0
-1/2
1
-1/2
0
Deci xopt=(0,2,3,2) i fmin=12
0
1
0
0
0
1
0
0
0
2M
0
1
0
0
0
1
0
0
M
U2
0
1
0
0
0
1
0
M
U3
0
0
1
0
0
0
1
0
0
0
1
0
34
PROBLEME DE PROGRAMARE LINIAR PROPUSE
SPRE REZOLVARE
1.
[max]f =2x1+x2+x3+3x4+2x5+9x6
x1+x4+2x5+ x6 =10
x2+x4+ x5+2x6 =20
x3+x4+3x5+3x6=30
xj0, j=1,2,3,4,5,6
R : xopt=(0,0,0,0,0,10) ; fmax=90
2. [max]f=2x1+x2+3x3+5x4+9x5
x1+2x3+ x4+3x5=15
x2+ x3+2x4+ x5 =12
xj0, j=1,2,3,4,5
R : xopt=(0,0,0,21/5,18/5) ; fmax=267/5
3. [max]f=2x1+x2+6x3+5x4+7x5+11x6+3x7
x1+ x3+ x4+ x5+3x6+2x7 =18
x2+ x3+2x4+3x5+2x6+ x7 =24
xj0, j=1,2,3,4,5,6,7
R : xopt=(0,6,18,0,0,0,0) ; fmax=114
35
4. [max]f=x1+x2+3x3+5x4+5x5+7x6
x1+ x3+2x4+ x5+2x6=14
x2+ x3+ x4+2x5+3x6=18
xj0, j=1,2,3,4,5,6
R : xopt=(0,0,0,10/3,22/3,0) ; fmax=160/3
5. [max]f=-x1+2x2+x3+3x4-x5-2x6
x1+x2+2x3+3x5=15
2x2+x3+x4+5x5=20
x2+2x3+x5+x6 =10
xj0, j=1,2,3,4,5,6
R : xopt=(5,0,5,15,0,0) ; fmax=45
6. [max]f=x1+2x2+3x3+x4
1
x1- x3+
x4=1
2
x2+x3 - x4
=1
xj0, j=1,2,3,4
R : optim infinit
36
7. [max]f=2x1+3x2+2x3
x1+ x2+2x3 4
2x1+ x2+ x3 2
x1-3x2+2x3 5
xj0, j=1,2,3
R : xopt=(0,2,0) ; fmax=6
8. [min]f=5x1+2x2+x3+x4+3x5
3x1+ x3+2x4 =20
x1+ x2+3x4 =10
5x1+ x4+ x5 =1
xj0, j=1,2,3,4,5
R : xopt=(0,7,18,10) ; fmin=33
9. [max]f=3x1+4x2+2x3+x4
2x1+2x3+x410
3x1+2x2+ x4 6
x1+2x2+x3+4x4 12
xj0, j=1,2,3,4
R : xopt=(0,3,5,0) ; fmax=22
37
10.[min]f=x1+2x2+2x3+x4
x1+2x2+2x3+x4 =10
2x1+x2+2x3+2x4 =12
x1+2x2+2x3+2x4=44/3
xj0, j=1,2,3,4
R : xopt=(0,8/3,0,14/3) ; fmin=10
11.[min]f=x1+2x2+2x3+x4
x1+2x2+2x3+x4 =10
2x1+x2+2x3+2x4=12
x1+2x2+2x3+2x4=16
xj0, j=1,2,3,4
R: Problema nu are soluie,
deoarece conine i o variabil artificial nenul.
12.[max]f=3x1+2x2+x3+5x4+2x5
x1+2x2+x3+3x4+x5=10
2x1+x2+x3+x4+3x5 =4
xj0, j=1,2,3,4,5
R : xopt=(2/5,0,0,16/5,0) ; fmax=86/5
38
PROBLEME DE PROGRAMARE LINIAR CU
APLICAII N PROCESUL DE PRODUCIE PROPUSE
SPRE REZOLVARE
1. n cadrul unei secii de producie trebuie executate dou
produse A i B, fiecare cu prelucrri pe trei utilaje (U1,U2,U3).
Timpul unitar pe produs i pe main, timpul total disponibil pe
fiecare grup de utilaj i beneficiul pe unitatea de produs sunt
prezentate n tabelul de mai jos.
Denumire
utilaj
U1
U2
U3
Beneficiu
(u.m)
Timpul unitar de main pe

produs (min)
A
B
9
10
12
6
19
5
20
25
Timpul total
disponibil pe grup
de utilaj
(min)
9000
8400
9500
Se cere s se determine cantitile executate din fiecare

produs, astfel nct s se obin un beneficiu maxim pe baza
datelor din tabel.
39
Indicaie. Modelul matematic al problemei este:
[max]f=20x1+25x2
9x1+10x2 9000
12x1+6x2 8400
19x1+5x2 9500
xj0, j=1,2
Se transform inegalitile n egaliti prin introducerea
variabilelor de compensare i se pornete algoritmul
simplex.
2. Un atelier de prelucrri mecanice este specializat n
prelucrarea de seturi de piese ce urmeaz a fi prelucrate lunar n
condiiile realizrii unui beneficiu total lunar maxim.
Datele privind normele de timp tij (min/set piese),
fondurile de timp disponibile Tdi (min/lun) i beneficiul
planificat bj (u.m/set piese) sunt prezentate n tabelul de mai
jos:
Gr. de
utilajei
Tipuri de
produse
j
1
2
3
bj
tij
A
11
7
6
90
9
12
16
100
Tdi
9900
8400
9600
40
3. Se cere un program optim de fabricaie pentru trei utilaje
principale din cadrul unui atelier de sudur care realizeaz seturi
de piese sudate necesare fabricrii la a trei tipodimensiuni de
subansamble n condiiile realizrii unui beneficiu maxim la nivel
de atelier i a ncrcrii maxime a celor trei utilaje analizate.
Datele referitoare la normele de timp (t ig), fondurile de timp
disponibile (Fdi) i beneficiul planificat (bg) sunt prezentate n
tabelul de mai jos:
Tipuri de
subans.g
Tipuri de
utilajei
1
2
3
bg
tig
A
Fdi
1
1
2
20
1
3
1
30
4
2
2
50
200
200
200
4. Se cere modelul matematic care s conduc la minimizarea

resturilor materiale. Se dau bare de 7 metrii din care trebuie
debitate urmtoarele repere:
- 20 buc. repere a 5m;
- 21 buc. repere a 3m;
- 22 buc. repere a 2m.
41
Datele sunt sistematizate n tabelul de mai jos:
Tipul
barelor
5m
3m
2m
Rest
Nr. procedeelor de debitare

1
1
0
1
0
0
2
0
1
0
1
2
0
0
0
3
1
Cantitatea
necesar de
piese (buc)
20
21
22
5. ntr-o secie de produse format din trei ateliere se realizeaz

patru tipuri de aparate. Se cere s se determine cantitatea optim
pe lun din fiecare tip de aparat n condiiile realizrii unui
beneficiu maxim la nivel de secie i ncrcrii maxime a
capacitii de producie disponibile.
Se cunosc urmtoarele date: normele de timp (tij), fondurile

de timp disponibile (Fdi) i beneficiul planificat (bj). Datele sunt
prezentate n tabelul de mai jos:
Tipuri de
aparate
Ateliere
(j)
(i)
1
2
3
bj
tij(ore/aparat)
A
15
25
10
35
120
150
20
15
15
160
20
Fdi
(ore/lun)
2700
3100
1250
50
42
6. n cadrul unui atelier de prelucrri mecanice care are patru
grupe de utilaje se realizeaz tipurile de piese: a,b,c,d. Normele
de timp (tig) pentru fiecare tip de pies i fondurile de timp
disponibile ale grupelor de utilaje (Fdi) sunt prezentate n tabelul
de mai jos. Se cere s se determine numrul de piese/lun din
fiecare tip pentru a asigura beneficiul maxim/lun, cunoscnduse beneficiul unitar (bg).
Tipuri de piese
(g)
Grupa
de utilaje (i)
tig(ore/pies)
a
tdi
(ore/spt.)
1
2
3
4
bg(um/lun)
0,5
2
4
2
5
1
0
4
4
6
4
2
1
0
1
0
6
1
1
1
130
180
240
200
7. n vederea realizrii unui dispozitiv de sudat trebuie debitate

bare de oel unidimensionale cu lungimea de 8m. Din debitare
rezult repere i resturi. Se cere modelul matematic care s
conduc la minimizarea costurilor. Datele sunt prezentate n
tabelul urmtor:
43
Lungimea
pieselor(m)
4
3
2
Resturi
1
2
0
0
0
Posibiliti de debitare
2
3
4 5
0
0
1 1
2
0
1 0
1
4
0 2
0
0
1 0
6
0
1
2
1
Cantitatea
necesar
30
32
31
8. Un atelier dispune de patru grupe de maini unelte A,B,C,D,

pe care se pot prelucra patru produse diferite. S se determine
care produse trebuie s se execute i n ce condiii pentru a se
asigura ncrcarea maxim a utilajelor. Fondul de timp disponibil
pe fiecare grup de utilaj, ca i normele de timp pe unitatea de

produs i pe utilaj, sunt prezentate n tabelul de mai jos :
Norma de timp
unitar pe
utilaje
P1
P2
P3
P4
Fondul de timp
disponibil
400
380
410
390
Produsul
44
1.4 MODELE LINIARE DE TIP TRANSPORT.
FOLOSIREA
PROGRAMRII
LINIARE
N
OPTIMIZAREA PLANULUI DE TRANSPORT
FORMULAREA PROBLEMEI
n activitatea de conducere, organizare si planificare se
ntlnesc o serie de probleme privind repartizarea unor cantiti
de la unitile furnizoare la cele consumatoare. Astfel, pentru
elaborarea planului de transport intern la o ntreprindere se pune
problema de a repartiza anumite cantiti privind un anumit
material de la depozite (furnizori) la uniti de producie secii,
ateliere (consumatori). Aceast repartizare trebuie fcut n aa

fel nct s se asigure costuri minime de transport.
Modelul general al unei probleme de transport, atunci cnd
existentul la furnizori este egal cu necesarul la beneficiari
(problem de tip echilibrat), este format din urmtoarele relaii :
m
[min]f =
cij xij
(1.25)
i=1 j=1
45
n
xij = ai , i=1,2,,m
(1.26)
j=1
m
xij = bj ,
i=1
m
j=1,2,,n
ai = bj
i=1
(1.27)
(1.28)
j=1
xij 0
n care: ai cantitile existente la cei m furnizori
(1.29)
bj necesarul la cei n consumatori

xij cantitatea de material transportat de la furnizorul i
la beneficiarul j
cij costul unitar al materialului transportat de la
furnizorul i la beneficiarul j
Rezolvarea acestei probleme de transport nseamn a gsi
din mulimea sistemului de restricii (1.26), (1.27), n condiiile
relaiei (1.28), acea soluie care minimizeaz relaia (1.25).
O problem de transport se rezolv n dou etape. n cadrul
primei etape se determin o soluie iniial a problemei, iar n
cazul celei de-a doua etape se efectueaz optimizarea acesteia.
46
Pentru determinarea unei soluii de baz se pot folosii
diferite procedee, cum sunt: procedeul colului de Nord-Vest (al
diagonalei principale), procedeul diferenelor maxime, procedeul
costurilor minime, procedeul elementului minim pe linie,
procedeul elementului minim pe coloan.
Pentru optimizarea soluiei de baz, n cadrul etapei a doua
se pot folosi, de asemenea, mai multe metode, cum sunt: metoda
distributiv,
metoda
(treapt-scar).
potenialelor,
metoda
stepping-stone
Dintre procedeele i metodele enumerate vom utiliza n

cadrul primei etape procedeul colului de Nord-Vest, iar n cea
de-a doua etap metoda distributiv.
REZOLVAREA UNEI PROBLEME DE TIP TRANSPORT
ECHILIBRAT
S considerm c o ntreprindere trebuie s aprovizioneze
o anumit materie prim, pe care o are n trei depozite (A,B i C),
patru fabrici pe care le subordoneaz, conform tabelului de mai
jos:
47
ntreprinderi
Depozite
A
B
C
Cantitatea necesar
1
5
2
3
1000
2
4
5
3
1200
3
2
4
2
800
4
1
5
4
300
Cantitatea
disponibil
1300
1300
700
3300
Depozitele A i B au un disponibil din materia prim dat

de cte 1300 tone, iar depozitul C un disponibil de 700 tone.
Corespunztor prevederilor coninute n planul de aprovizionare
tehnico-material, prima fabric are nevoie de o cantitate de 1000

tone, fabrica a doua de 1200 tone, fabrica a treia de 800, tone iar
fabrica a patra de 300 tone. Distanele de la depozite la fabrici
sunt prezentate n acelai tabel.
Etapa I
Folosirea procedeului colului de Nord-Vest sau a diagonalei
principale se prezint n urmtorul tabel:
48
Depozite
ntreprinderi
2
3
1
A
5
1000
2
B
2
4
300
5
900
3
C
Cantitatea
nec. pe
ntrep.
1000
1200
Cantitatea
existent n
depozite
4
2
1
1300
4
400
2
400
4
300
700
800
300
3300
1300
n colurile din dreapta sunt trecute distanele. Potrivit

procedeului colului Nord-Vest se pornete de la csua A-1
situat n colul Nord-Vest al matricei la care a fost repartizat
cantitatea maxim de materie prim ce poate fi luat de la
depozitul A pentru a acoperi necesarul acesteia. Dup ce se
satisface cantitatea necesar la A-1 (1000 tone), cele 300 tone ce
mai rmn nc la depozitul A se repartizeaz la csua A-2,
epuizndu-se prin aceasta cantitatea existent n acest depozit.
49
La fabrica 2, unde sunt necesare 1200 tone, s-au repartizat
300 tone la depozitul A n csua A-2 i 900 tone n csua B-2 de
la depozitul B, unde mai rmn disponibile 400 tone.
La fabrica 3, unde sunt necesare 800 tone, s-au repartizat
400 tone de la depozitul B n csua B-3 i 400 tone n csua C-3
de la depozitul C, unde mai rmn disponibile 300 tone.
La fabrica 4, unde sunt necesare 300 tone, se repartizeaz
cele 300 tone disponibile existente n depozitul C n csua C-4.
Din analiza tabelului se constat c se pornete de la colul
Nord-Vest, acoperindu-se cantitile necesare beneficiarilor, n
mod complet, n ordinea lor, trecnd de la un furnizor la altul

numai dup ce s-a terminat de repartizat cantitatea existent la un
furnizor pe diferii beneficiari, n mod complet, ajungndu-se n
final la colul Sud-Est, mergndu-se deci pe direcia diagonalei
principale. De asemenea, se constat repartizarea ntregii cantiti
existente la furnizori (pe linie) i satisfacerea cantitilor necesare
la diferii consumatori (pe coloane).
NOT Pentru ca problema s poat fi rezolvat prin
folosirea algoritmului problemei de transport, trebuie ca numrul
csuelor ocupate s fie egal cu cel dat de expresia :
50
m+n1
(1.30)
n care : m numrul de furnizori

n numrul de consumatori.
n exemplul de fa, m + n 1 = 3 + 4 1 = 6. Din analiza
soluiei de baz rezult c exist ase csue ocupate cu cantiti,
ceea ce nseamn c problema poate fi rezolvat. Dac numrul
csuelor neocupate era mai mic dect cel din relaia (1.30),
atunci era necesar s se completeze csue libere cu zero pn la
verificare relaiei dup o anumit regul.
Dup obinerea soluiei de baz se calculeaz volumul total

de transport ce va trebui efectuat, fcnd suma tonelor/kilometri
pentru toate csuele matricei unde au fost repartizate cantiti.
Vol. total=10005+3004+9005+4004+4002+3004=14300
tone/kilometri
Etapa a II-a - mbuntirea succesiv a soluiei de baz
pn la obinerea variantei optime.
Pentru mbuntirea soluiei de baz se folosete metoda
distributiv, potrivit creia se efectueaz transferuri ciclice ale
unor cantiti repartizate dup unele contururi poligonale cu
unghiuri drepte, astfel nct sumele cantitilor transferate pe linii
51
i coloane s nu modifice totalul disponibil (pe fiecare linie) pe
furnizor i totalul necesar (pe coloane) la consumatori.
Pentru c exist attea posibiliti de mbuntire a soluiei
de baz cte csue libere exist n matricea planului de transport,
se va determina n prealabil csua cu cea mai mare perspectiv
de mbuntire, prin folosirea procedeului ntocmirii ciclurilor
csuelor libere. n acest sens se vor construi contururi
poligonale, astfel nct un col s se afle ntr-o csu liber a
matricei planului de transport a soluiei analizate, iar restul
colurilor n csue unde exist deja repartizate cantiti. La

conturul poligonal astfel format se trece n colul liber semnul +,
iar dup aceea, n mod alternativ, semnele i + la celelalte
coluri.
Odat cu aceasta se vor trece n fiecare col distanele
corespunztoare. Ca regul, n fiecare csu nu se poate forma
dect un unghi drept.
Dup construirea conturilor poligonale dup regulile
amintite se face suma algebric a distanelor din coluri, lunduse pentru fiecare distan semnul colului unde se afl. Se va
considera csua cu cea mai mare perspectiv de mbuntire
52
aceea prin care nsumarea algebric a distanelor va avea cea mai
mare valoare negativ.
Pentru exemplificare, pornim de la datele prezentate n cel
de-al doilea tabel. ntruct n cadrul acestui plan exist ase
csue libere, se vor construi ase contururi poligonale dup
regulile artate anterior, efectundu-se suma algebric a
distanelor. Fiecare csu se va nota printr-un simbol format din
iniiala furnizorului (depozitului), corespunztor liniei pe care se
situeaz csua, i cifra corespunztoare consumatorului (fabricii)
de la coloana pe care se afl aceasta. Spre exemplu, A-3 va

simboliza csua de pe linia depozitului A i coloanei fabricii a
treia.
Csua A-3 va fi un dreptunghi cu colul liber n A-3 i cu
celelalte coluri n A-2,B-2,B-3. Suma algebric va fi:2-4+5-4=-1
4
+
5
2
+
Pentru csua A-4 se formeaz un contur poligonal cu

vrfurile n csuele A-4, A-2, B-2, B-3, C-3, C-4. Suma
algebric este: 1-4+5-4+2-4= -4
53
4
+
5
1
+
4
+
2
Csua B-1 are conturul poligonal n colurile csuelor B-1, A-1,

A-2, B-2. Suma algebric este : 4-5+2-5= -4
5
4
+
Conturul poligonal al csuei B-4 are colurile n B-4, B-3,

C-3, C-4. Suma algebric este: 5-4+2-4= -1
4
+
2
5
+
Pentru csua C-1 conturul poligonal are colurile n

csuele C-1, A-1, A-2, B-2, B-3, C-3. Suma algebric este: 35+4-5+4-2= -1
54
4
4
+
5
+
3
4
+
Conturul poligonal al csuei C-2 are colurile n C-2, B-2,

B-3, C-3. Suma algebric este: 3-5+4-2=0
5
4
+
+
3
Din analiza sumelor algebrice obinute pentru cele ase

contururi poligonale rezult aceeai valoare negativ maxim
pentru csuele A-4 i B-1. nseamn c acestea reprezint
csuele cu cea mai mare perspectiv de mbuntire a planului
de transport. ntruct ambele csue au aceeai valoare negativ
maxim, se trece la mbuntirea soluiei de baz prin efectuarea
unor transferuri ciclice dup conturul poligonal al csuei B-1. n
acest scop se trec n coluri, n loc de distane, cantitile
corespunztoare repartizate prin soluia de baz a planului de
transport, care trebuie mbuntit.
55
Pentru transferul ciclic se procedeaz astfel :
- se analizeaz mrimea cantitilor de la colurile cu
semnul negativ al conturului poligonal, identificndu-se
cantitatea cea mai mic;
- se adaug cantitilor existente la colurile cu semnul
plus cantitatea minim de la colurile cu semnul minus,
sczndu-se aceast cantitate de la colurile cu semnul
minus;
- se elaboreaz un nou plan de transport, n care se trec

noile cantiti obinute prin efectuarea transferului ciclic
n
csuele
corespunztoare
colurilor
conturului
poligonal, toate celelalte csue rmnnd neschimbate,

ca n soluia de baz;
- pe baza noului plan se calculeaz volumul de transport,
care trebuie s fie mai mic dect n varianta anterioar.
n felul acesta s-a obinut o nou variant de plan de
transport, care la rndul ei trebuie mbuntit. n acest scop se
folosesc aceleai operaii efectuate pentru mbuntirea soluiei
de baz. mbuntirea variantelor de plan de transport se
efectueaz pn n momentul n care, fcnd suma algebric a
distanelor de pe conturul poligonal, nu se mai obin valori
negative.
56
Continund problema propus, rezult c B-1 este o csu
cu perspectiv de mbuntire a variantei de plan de transport. Se
prezint conturul poligonal al acesteia, trecnd n loc de distane
cantitile corespunztoare csuelor unde se afl colurile
conturului. Constatm c la colurile cu semnul negativ,
cantitatea cea mai mic este 900.
1000
300
+
900
Aceast cantitate se adun la colurile cu semnul + i se

scade la colurile cu semnul -. n acest fel se obine un transfer
ciclic de cantiti, aa cum se arat n conturul poligonal, care se
reprezint nc odat, ns cu noile cantiti repartizate la coluri.
100
+
900
1200
+
n funcie de noile cantiti se ntocmete un plan de

transport n care se trec cantitile obinute, toate celelalte csue
rmnnd neschimbate. Planul de transport obinut este prezentat
n tabelul urmtor:
57
Depozite
1
5
A
100
2
900
3
ntreprinderi
2
3
4
2
1200
5
4
0
400
3
Cantitatea
disponibil
4
1
1300
5
1300
2
400
4
300
700
Cantitate
necesar
1000
1200
800
300
3300
Volumul de transport n noua variant este urmtorul:

1005+12004+9002+05+4004+4002+3004=10700
tone/kilometri.
n continuare se caut o nou variant de plan de transport,
mbuntit fa de cea existent. n acest scop se folosete
procedeul ciclurilor csuelor libere i pe aceast baz se
determin csua cu cea mai mare perspectiv de mbuntire.
Csuele libere n actualul plan sunt: A-3, A-4, B-4, C-1 i C-2.
Pentru acesta se vor obine urmtoarele contururi poligonale:
Pentru A-3 colurile sunt situate n csuele A-3, A-2, B-2,
B-3. Suma algebric este: 2-4+5-4= -1
58
4
+
5
2
+

B-3, C-3, C-4. Suma algebric este: 1-4+5-4+2-4= -4
4
1
+
+
5
4
+
2
Pentru B-4 colurile sunt situate n csuele B-4, B-3, C-3,

C-4. Suma algebric este: 5-4+2-4= -1
4
+
2
5
+
Pentru C-1 colurile sunt situate n csuele C-1, B-1, B-3,

C-3. Suma algebric este: 4-2+3-2=3
2
+
3
4
+
2
59
Pentru C-1 colurile sunt situate n csuele C-2, B-2, B-3,

C-3. Suma algebric este: 3-5+4-2=0
5
+
3
4
+
Csua cu cea mai mare perspectiv de mbuntire este

A-4, care are suma algebric cu valoarea negativ cea mai mare.
1200
+
0 400
+
+
400 300
Ca urmare reprezentm conturul lui A-4 trecnd cantitile

din planul de transport ce urmeaz a fi mbuntit n coluri.
Cantitatea cea mai mic la colurile cu semn negativ (300) se va
aduna i scdea conform regulii cunoscute. n felul acesta se
obine urmtoarea repartizare:
900
+
300 100
300
+
+
700
60
Cu noua repartizare a cantitilor se ntocmete varianta de
plan de transport, ca n tabelul urmtor:
Depozite
1
5
ntreprinderi
2
3
4
2
Cantitatea
disponibil
4
1
100
900
2
300
900
300
3
1000
5
1300
100
3
C
Cantitate
Necesar
1300
1200
700
700
800
300
3300

1005+9004+3001+9002+3005+1004+7002+04=9500
tone/km.
n noua variant volumul de transport s-a redus de la 10700
tone/km la 9500 tone/km. n continuare se trece la mbuntirea
acestei variante, calculndu-se ciclul csuelor libere (A-3, B-4,
C-1, C-2).
B-3. Suma algebric este: 2-4+5-4= -1
61
4
+
5
2
+
Pentru B-4 colurile sunt situate n csuele B-4, B-3, C-3, C-4.
Suma algebric este: 5 4 + 2 4 = 4
4
+
2
5
+
Pentru C1 colurile sunt situate n csuele C1, B1, B

3,C3.Suma algebric este: 4 2 + 3 2 = 3
2
+
3
4
+
Pentru C2 colurile sunt situate n csuele C2, B2, B

3,C3.Suma algebric este :3 5 + 4 2 = 0
5
+
3
4
+
62
Avnd dou csue cu aceeai valoare negativ maxim, A3 i B-4,se consider csua cu cea mai mare perspectiv de
mbuntire A-3. Se reprezint conturul poligonal al csuei A-3

cu cantitile corespunztoare din planul de transport la coluri:
900
+
300
100
Cantitatea de 100 tone fiind cea mai mici din colurile cu

semnul minus este transferat ciclic. n felul acesta se obine
urmtoarea repartizare:
800
+
400
100
+
Cu noua repartizare a cantitilor se ntocmete varianta de

plan de transport, ca n tabelul urmtor:
63
Depozite
1
5
A
100
ntreprinderi
2
3
4
2
800
100
Cantitate
disponibil
1
300
1300
2
B
900
400
2
1000
1300
0
3
C
Cantitate
necesar
1200
700
700
800
300
3300

1005+8004+1002+3001+9002+4005+04+7002+04=
=9400 tone/Km
n continuare se caut o nou variant de plan de transport,
calculndu-se ciclul csuelor libere (B-4, C-1, C-2).
Pentru B-4, colurile sunt situate n csuele B-2, A-4, A3,
B-3. Suma algebric este: 5 1 + 2 4 = 2
2
+
+
5
64
Pentru C-1, colurile sunt situate n csuele C-1, B-1, B-3,

C-3. Suma algebric este: 3 2 + 4 2 = 0
2
4
+
+
3
Pentru C-2, colurile sunt situate n csuele C-2, B-2, B-3,

C-3. Suma algebric este: 3 5 + 4 2 = 0
5
+
3
4
+
Analiznd ciclul csuelor libere, se constat c nu mai

exist sume algebrice cu semnul minus. Aceasta nseamn c
planul de transport elaborat nu mai poate fi mbuntit deci el
reprezint varianta optim. Constatm c fa de volumul de
transport prevzut n soluia de baz (14300 tone/Km), prin
mbuntirile aduse s-a ajuns la varianta optim (9400tone/Km).
Problema de transport rezolvat face parte din categoria
problemelor de tip echilibrat, n care volumul total disponibil la
furnizori este egal cu volumul necesar la diferii consumatori.
65
n practic se ntlnesc situaii n care soluia de plan de
transport conine mai puin de m+n1locuri ocupate. n acest caz
soluia obinut este degenerat. Pentru a elimina degenerarea i a
face posibil calculul se pune zero ntr-o csu liber,

considernd-o ca fiind ocupat, cu condiia ca n conturul
poligonal ce se formeaz pentru efectuarea transferului csua
respectiv s fie ntr-un vrf par.
De asemenea, sunt cazuri n care volumul disponibil total
al
furnizorului
depete
volumul
necesarului
total
al
consumatorilor. n aceast situaie se introduce o coloan

suplimentar corespunztoare unui consumator fictiv, n care
costurile unitare sunt egale cu zero, necesarul acestei coloane
fiind egal cu diferena dintre cantitatea disponibil i necesarul
real la consumatori. Pentru rezolvare, folosim metoda prezentat
anterior, n coloana consumatorului fictiv evideniindu-se ns
cantitile care rmn n stoc la furnizor.
n cazul cnd volumul necesarului total depete volumul
disponibilului total, soluionarea se face n dou variante: dac
exist sau nu prioriti n repartizarea cantitilor repartizate.
Dac exist prioriti, se satisfac mai nti consumatorii cu
prioriti, folosindu-se metoda cunoscut de rezolvare.
66
Dac nu exist prioriti, se introduce n problem un furnizor
fictiv care urmeaz a expedia o cantitate egal cu diferena dintre
volumul total necesar la consumatori i volumul real disponibil
la furnizori, ajungndu-se astfel la cazul unei probleme de

transport echilibrate ce se rezolv prin metode obinuite.
PROBLEME DE TIP TRANSPORT PROPUSE SPRE
REZOLVARE
1. Considerm problema de transport dat de urmtorul
tabel:
Furnizori
F1
F2
F3
Necesar ( t )
Disponibilul
1
2
5
2
6
Beneficiari
2
1
3
4
7
furnizorilor,
necesarul
3
3
1
3
7
Disponibil
(t)
7
8
5
20
beneficiarilor
costurile unitare de transport (n lei) sunt prezentate n tabel. S

se ntocmeasc planul optim de transport cu cheltuieli minime.
67
2. Se consider problema de transport pentru care datele
sunt concentrate n tabelul de mai jos. Se solicit realizarea acelui
plan de transport care s fie optim avnd drept criteriu de

optimizare minimizarea cheltuielilor de transport (buc. Km).
NOT: Coeficienii aij din tabel semnific distanele de la
depozitul i la ntreprinderea j, n Km.
Depozite
D1
D2
D3
Necesar (buc.)
1
8
4
1
5
ntreprinderi
2
3
3
5
1
6
9
4
10
20
4
2
7
3
15
Disponibil
(buc.)
10
15
25
50
3. Fie problema de transport dat n urmtorul tabel:

Furnizori
F1
F2
F3
Necesar ( t )
1
3
1
3
50
Beneficiari
2
3
2
2
2
3
2
2
25
15
4
4
4
1
10
Disponibil
(t)
70
10
20
100
NOT: Coeficienii aij reprezint distanele de transport (Km).

68
4. n mod asemntor problemei nr. 3, considerm
urmtoarea problem:
Beneficiari, j
Depozite, i
D1
D2
D3
Necesar ( t )
B1
B2
B3
2
5
2
6
1
3
4
7
3
1
3
7
Disponibil
(t)
7
8
5
20
Coeficienii aij au aceeai semnificaie ca n problema nr. 3.

S se ntocmeasc planul optim de transport.
69
CAP.2
OPTIMIZAREA DECIZIILOR PRIN METODE

MATEMATICE
2.1. PROBLEME DE DECIZIE N CONDIII DE
CERTITUDINE
PROBLEME REZOLVATE
1. Pentru dotarea forelor armate aeriene cu tehnic de
lupt corespunztoare, se urmrete alegerea unui tip de avion
din patru tipuri disponibile. Cele patru tipuri sunt comparate n
funcie de urmtoarele criterii:
C1 - vitez maxim
C2 - plafon de zbor
C3 - ncrctura de rzboi
C4 armament
Cele patru tipuri de avioane avute n vedere sunt avioane
din clasa vntoare/atac.1
____________________________________________________
1.Datele au fost preluate din revista Flight International,
13 19 July, 1994/Combat Aircraft Directory.
70
- Mirage 2000 produs n Frana de uzinele Dessault, avnd

viteza maxim 2,2 mach, plafonul de zbor 16460 m, ncrctura
de rzboi 6300 Kg i armamentul 230 mm, 4AAM,9;
- F 16C Fighting Falcon produs n SUA la Lockheed,
avnd viteza maxim 2 mach, plafonul de zbor 18000 m,
ncrctura de rzboi 5413 Kg i armamentul 120 mm,
2/4/6AAM,6;
- F 18C Hornet produs n SUA la McDonnell Douglas,
avnd viteza maxim 1,8 mach, plafonul de zbor 15240 m,
ncrctura de rzboi 8165 Kg i armamentul 120 mm,
4AAM,7;
- Mig 23 Flogger G produs n Rusia de Mikoyan, avnd
viteza maxim 2,4 mach, plafonul de zbor 18000 m, ncrctura
de rzboi 2000 Kg i armamentul 123 mm, 6AAM,8.
Consecinele fiecrei variante n raport cu criteriile
decizionale sunt date n urmtorul tabel:
Criterii
C1
C2
C3
C4
V1
V2
V3
V4
2,2
2
1,8
2,4
16460
18000
15240
18000
6300
5413
8165
2000
9
6
7
8
Variante
71
Considernd c cele patru criterii sunt la fel de importante, s se

rezolve problema prin metoda momentelor (Deutch Martin).
Rezolvare:
Pasul 1 Se normalizeaz matricea consecinelor.
Trebuie remarcat faptul c aceast metod, ca i altele,
presupun mai nti o omogenizare a criteriilor prin metoda
normalizrii.
Notm
cu
R ( rij ), i 1, m, j 1, n
matricea
consecinelor normalizate. Un procedeu de normalizare prin

transformare liniar utilizeaz urmtoarele formule:
- pentru criteriul de maxim
rij
a ij a min
j
a max
a min
j
j
- pentru criteriul de minim
rij
a max
aij
j
a max
a min
j
j
aij a max
j
a min
a max
j
j
Revenind la problem i innd cont c toate criteriile sunt

de maxim, formula dup care vor fi calculate consecinele
normalizate este:
72
rij
aij a
min
j
min
j
a max
a
j
Se obine urmtoarea matrice a consecinelor normalizate:

Cj
C1
C2
C3
C4
0,66
0,33
0
1
0,44
1
0
1
0,70
0,55
1
0
1
0
0,33
0,66
Vi
V1
V2
V3
V4
Spre exemplificare, s calculm
r11
2,2 1,8 0,4
0,66.
2,4 1,8 0,6
n mod similar se calculeaz i ceilali rij.

Pasul 2 Pentru fiecare linie se calculeaz momentul linie cu
formula:
n
M
l
i
jr
ij
j 1
n
r
j 1
, ()i 1,4
ij
73
1 0,66 2 0,44 3 0,7 4 1 7,64
2,73
0,66 0,44 0,70 1
2,8
1 0,33 2 1 3 0,55 4 0 3,98
M 2l
2,12
0,33 1 0,55 0
1,88
1 0 2 0 3 1 4 0,33 4,32
M 3l
3,25
0 0 1 0,33
1,33
1 1 2 1 3 0 4 0,66 5,64
M 4l
2,12
1 1 0 0,66
2,66
M 1l
Pasul 3 Se ordoneaz liniile matricei consecinelor

normalizate n ordine cresctoare dup valorile momentelor linie,
astfel:
Cj
C1
C2
C3
C4
0,33
1
0,66
0
1
1
0,44
0
0,55
0
0,70
1
0
0,66
1
0,33
Vi
V2
V4
V1
V3
Pasul 4
Pentru fiecare coloan a noii matrici se
calculeaz momentul coloan

4
M
c
j
i r
ij
i 1
4
r
i 1
, () j 1,4
ij
74
1 0,33 2 1 3 0,66 4 0 4,31
2,166
0,33 1 0,66 0
1,99
1 1 2 1 3 0,44 4 0 4,32
M 2c
1,77
1 1 0,44 0
2,44
1 0,55 2 0 3 0,7 4 1 6,65
M 3c
2,95
0,55 0 0,70 1
2,25
1 0 2 0,66 3 1 4 0,33 5,64
M 4c
2,83
0 0,66 1 0,33
1,99
M 1c
Pasul 5
Se ordoneaz coloanele matricei n ordine
cresctoare a valorilor momentelor coloan. Noua matrice a

consecinelor normalizate este:
Cj
C2
C1
C4
C3
1
1
0,44
0
0,33
1
0,66
0
0
0,66
1
0,33
0,55
0
0,70
1
Vi
V2
V4
V1
V3
Pasul 6 - Se reia algoritmul de la pasul 2n cadrul unei

noi iteraii.
75
Iteraia a doua
Pasul 2 - Calculm momentele line:
1 1 2 0,33 1 0 4 0,55 3,86
2,05
1 0,33 0 0,55
1,88
1 1 2 1 3 0,66 4 0 4,98
M 2l
1,87
1 1 0,66 0
2,66
1 0,44 2 0,66 3 1 4 0,70 7,56
M 3l
2,7
0,44 0,66 1 0,70
2,8
1 0 2 0 3 0,33 4 1 4,99
M 4l
3,75
0 0 0,33 1
1,33
M 1l
Pasul 3
Ordonm liniile matricei consecinelor
normalizate:
Cj
C2
C1
C4
C3
1
1
0,44
0
1
0,33
0,66
0
0,66
0
1
0,33
0
0,55
0,70
1
Vi
V4
V2
V1
V3
Pasul 4 - Se determin valorile momentelor coloan:
76
1 1 2 1 3 0,44 4 0 4,32
1,77
1 1 0,44 0
2,44
1 1 2 0,33 3 0,66 4 0 3,64
M 2c
1,829
1 0,33 0,66 0
1,99
1 0,66 2 0 3 1 4 0,33 4,98
M 3c
2,50
0,66 0 1 0,33
1,99
1 0 2 0,55 3 0,7 4 1 7,2
M 4c
3,2
0 0,55 0,70 1
2,25
M 1c
Pasul 5
Se ordoneaz coloanele matricei n ordine
cresctoare a valorilor momentelor coloan:

Cj
C2
C1
C4
C3
1
1
0,44
0
1
0,33
0,66
0
0,66
0
1
0,33
0
0,55
0,70
1
Vi
V4
V2
V1
V3
Se observ c ultimul tabel este identic cu cel anterior lui, deci nu

mai este posibil o nou ordonare a liniilor i/sau coloanelor
matricei. Aceast ultim ordonare a liniilor reprezint cea mai
bun ierarhie a variantelor decizionale.
V4 Mig 23 Flogger G,
V2 F-16 Fighting Falcon,
77
V1 Mirage 2000,
V3 F-18C Hornet.
2. n vederea realizrii unui obiectiv industrial, un agent
economic trebuie s aleag o variant din cele trei posibile.
Pentru fiecare variant se cunosc valoarea investiiei (mil.u.m.),
precum i durata de realizare a investiiei (luni).
V1
V2
V3
Coef. de importan
Valoarea investiiei
100
110
104
1
Durata de realizare
40
30
33
1
Sa se determine ierarhia optim a variantelor decizionale prin

metoda TOPSIS.
Rezolvare:
Pasul 1
Se determin matricea consecinelor
normalizate:
R ( rij ) i 1,m ,
cu
j 1,n
78
t ij k j rij
Se aplic metoda de normalizare vectorial, astfel:
rij
a ij
, ()i 1,3, () j 1,2
a
i 1
i se obine matricea:
Crit.
C1
C2
0,32
0,35
0,33
0,6
0,39
0,29
0,32
0,4
Var.
V1
V2
V3
Coef. de importan kj
Pasul 2 - Se construiete matricea normalizat ponderat:
T (t ij ) i 1,3
j 1, 2
Crit.
t ij k j rij
cu
C1
C2
0,192
0,210
0,198
0,156
0,116
0,126
Var.
V1
V2
V3
*
Pasul 3 - Se determin soluia ideal T i soluia ideal
negativ T , unde:
79
max t ij ,
1 i 3
dac Cj este criteriu de maxim
T (t , t ), cu t
*
*
1
*
2
*
j
min t ij ,
1 i 3
dac Cj este criteriu de minim
T * (0,192 ; 0,116 )
Soluia ideal negativ:

min t ij ,
1i 3
dac Cj este criteriu de maxim
T (t , t ), unde t
max t ij ,
1i 3
dac Cj este criteriu de minim
T (0,210 ; 0,156)
Pasul 4 - Se calculeaz distana ntre soluii, utiliznd

relaiile:
S i*
(t
j 1
ij
t ) i S i
* 2
j
(t
j 1
ij
t j ) 2
S1* (0,192 0,192) 2 (0,156 0,116 ) 2 0,040

S 2* (0,210 0,192) 2 (0,116 0,116 ) 2 0,018
80
S 3* (0,198 0,192) 2 (0,128 0,116 ) 2 0,013

S1 (0,192 0,210) 2 (0,156 0,156) 2 0,018
S 2 (0,210 0,210) 2 (0,116 0,156) 2 0,040
S 3 (0,198 0,210) 2 (0,128 0,156) 2 0,030
Pasul 5 - Se calculeaz apropierea relativ de soluia

ideal:
S i
C *
S i S i
*
i
C1* 0,31
C 2* 0,6896
V 3 V2 V1
C 3* 0,6976
3. S se determine varianta optim a asimilrii n fabricaie

a unui nou tip de main de sudat electric prin presiune, pentru
care s-au elaborat trei variante de proiecte, diferite din punct de
vedere al unor soluii constructive. n vederea alegerii variantei
optime s-au selectat trei parametrii: preul (p), durata de asimilare
(d) i cheltuielile de exploatare (ce), care sunt prezentate n
tabelul urmtor:
81
Criterii
Variante
V1
V2
V3
Pre
(mil. lei)
Durata de
asimilare
(luni)
6
10
8
200
300
250
Cheltuieli de
exploatare
(mil. lei)
50
30
40
Ierarhizarea criteriilor se face prin stabilirea urmtorilor

coeficieni de importan:
- pre: k1=0,5,
- durata de asimilare: k2=0,3,
- cheltuieli de exploatare: k3=0,2
Rezolvare:
Calculul utilitilor presupune urmtoarele relaii:
- pentru criteriul maxim:
u ij
- pentru criteriul de minim: u ij
aij a min
j
a max
a min
j
j
aij a max
j
a min
a max
j
j
Varianta optim poate fi determinat n situaiile:

- cnd coeficienii de importan (kj) sunt identici
82
Vopt max u ij
i
j 1
- cnd coeficienii de importan sunt diferii

n
Vopt max u ij k j
i
j 1
Revenind la problema dat, se constat c toi parametrii

reprezint criterii de minim. S calculm utilitile variantelor:
u11
200 300
6 10
50 50
1; u12
1; u13
0,
200 300
6 10
30 50
u 21
300 300
10 10
30 50
0 ; u 22
0 ; u 23
1,
200 300
6 10
30 50
u 31
250 300
8 10
40 50
0,5 ; u 32
0,5 ; u 33
0,5 .
200 300
6 10
30 50
n
Vopt max u ij k j
i
j 1
i 1
V1 u11 k1 u12 k 2 u13 k 3 0,5 0,3 0 0,8
i2
V1 u 21 k1 u 22 k 2 u 23 k 3 0 0 0,2 0,2
83
i3
V1 u 31 k1 u 32 k 2 u 33 k 3 0,5 0,3 0 0,2 0,35

Vopt max (0,8 ; 0,2 ; 0,35) 0,8 (V1 )
i
PROBLEME PROPUSE SPRE REZOLVARE

1. Se consider trei variante posibile de proiectare a unui
dispozitiv i trei criterii de apreciere a consecinelor tehnico
economice: costul dispozitivului - c1 (mil. lei), productivitatea
dispozitivului (nr. pies/or) - c2, costul prelucrrii-c3(mil.
lei/disp.). Datele sunt prezentate n tabelul urmtor:
Criterii
Variante
V1
V2
V3
C1
(mil. lei)
75
60
80
C2
(nr. piese/or)
20
16
18
C3
(mil. lei)
66
70
60
Se cere varianta optim, obiectivele urmrite fiind

minimizarea costului dispozitivului, costului prelucrrii i
maximizarea productivitii dispozitivului.
Coeficienii de importan au valorile: k1=0,3; k2=0,5; k3=0,2.
84
2. Se consider un numr de patru variante posibile de

sudare prin presiune a unui reper. Criteriile de decizie sunt: c 1 costul de producie al reperului (mii lei/reper); c 2 - durata de
asimilare a procesului (ore); c3 cheltuieli cu energia (mii
lei/reper).
Criterii
Variante
V1
V2
V3
C1
(mil. lei/reper)
100
120
90
C2
(ore)
80
75
60
C3
(mil. lei/reper)
20
15
30
Se cere varianta optim, obiectivele urmrite fiind

minimizarea costului de producie, duratei de asimilare i
cheltuielilor cu energia.
Coeficienii de importan au valorile: k1=0,4; k2=0,3; k3=0,3.
3. Pentru asimilarea n fabricaie a unui nou produs n
cazul unei firme industriale, conducerea acesteia trebuie s
opteze pentru una din cele trei variante de proces tehnologic (V 1,
V2, V3) puse la punct de specialiti, care prezint urmtoarele
consecine:
85
Criterii
Variante
V1
V2
V3
Profitul
(u. m.)
Calitatea
(niveluri
cantitative)
I
II
III
100
101
105
Durata ciclului
de producie
(unit. timp)
35
30
40
Ierarhizarea criteriilor se face prin acordarea de ctre conducerea

firmei a urmtorilor coeficieni de importan: profit k 1=0,3;
calitate k2=0,5; ciclul de producie k3=0,2.
NOT: Primele dou criterii sunt de maxim, ultimul fiind de
minim.
4. O firm industrial i propune analiza posibilitilor de
cretere
flexibilitii
produciei
de
amplificare
adaptabilitii acesteia la cerinele pieei interne i externe. n

acest sens, conducerea firmei solicit patru variante de aciune n
condiiile a cinci criterii mai importante (profit total, aport valutar
brut, gradul de ncrcare a capacitilor, producia net i
producia marf), considerate criterii de maxim.
86
Cj
Vi
V1
V2
V3
V4
Profitul
total
obinut
(mil. lei)
19000
18000
19200
21200
Aport
valutar
brut
(mil. $)
7270
6240
4800
5775
Grad de
Producia
ncrcare a net total
capacitilor (mil. lei)
(%)
82
60000
86
58000
80
63000
84
56450
Producia
marf
total
(mil. lei)
133000
122000
144000
126000
Valorile coeficienilor de importan ai celor cinci criterii

adoptate au fost stabilii n raport de poziia fiecruia n sistemul
indicatorilor economico-financiari n perioada actual, astfel:
- profit: k1=0,30;
- aport valutar: k2=0,25;
- ncrcarea capacitilor: k3=0,10;
- producia net: k4=0,20;
- producia marf: k5=0,15.
5. O societate comercial i propune analiza posibilitilor
de cretere a produciei realizate n vederea lansrii pe pia a
unui nou produs, n condiiile n care trebuie s opteze pentru cea
mai bun variant de asimilare dintre posibiliti (V 1, V2, V3),
prezentate n tabelul de mai jos:
87
Cj
Vi
V1
V2
V3
Benef.
Prod. Cons. de Cons. de
Chelt. Rand. Fiab.
anual
fizic
mat.
energ.
gen. ale
n
prod.
(mil.lei) (buc/an) (Kg/buc) (KWh/buc) firmei proc. (103
(mil.lei) de
ore de
prod. bun
(%) func.)
5200
65000
12
5,5
1500
85
3,5
4800
70000
9
6
1300
80
3
5500
75000
10
4,5
1600
92
4
S se optimizeze decizia luat n condiii de certitudine, cnd

confidenii de importan ai criteriilor folosite se prezint astfel:
- beneficiul anual: k1=0,15;
- producia fizic: k2=0,20;
- consum materiale: k3=0,10;
- consum energie: k4=0,10;
- cheltuieli generale: k5=0,10;
- randament: k6=0,2;
- fiabilitate: k7=0,15.
6. Pentru asimilarea n fabricaie a unui nou produs
conducerea unei firme industriale trebuie s opteze pentru una
din cele trei variante de proces tehnologic care, n funciile de
criteriile stabilite, prezint urmtoarele consecine:
88
Cj Cifra de Prof.
Cons. de
Calit.
Prod.
Durata
Acop.
afaceri tot. ob.
mat.
(niv.
muncii ciclului de segm.
(mil.lei) (mil.lei) (Kg/prod) calitativ) (buc/
prod.
de
spt.) (unit.timp) pia
Vi
(%)
V1 1900
1100
125
I
25
60
75
V2 1700
850
95
II
18
50
80
V3 2100
1200
105
III
20
75
70
S se optimizeze decizia privind alegerea noului produs cnd
coeficienii de importan ai criteriilor folosite se prezint astfel:
- cifra de afaceri: k1=0,10;
- profitul total: k2=0,15;
- consum materiale: k3=0,10;
- calitate: k4=0,15;
- productivitate: k5=0,10;
- durata ciclului de producie: k6=0,1;
- segmentul de pia: k7=0,3.
7. O familie dorete s nchirieze un apartament cu dou
camere. Din mulimea ofertelor de nchiriere au fost selectate
patru, familia urmnd s se decid pentru una din ele n funcie
de criteriile: distana fa de locul de munc, etajul la care se afl
apartamentul, chiria lunar. De asemenea, familia este interesat
89
ca apartamentul s fie mobilat i s aib telefon. Pentru primul i

pentru al patrulea criteriu, aprecierea variantelor decizionale se
face pe baz de note, pe o scar de la 0 la 4. n cea ce privete al
doilea criteriu, familia va prefera un apartament situat la un etaj
inferior. Consecinele sunt date n matricea de mai jos:
Cj
C1
C2
C3
C4
3
0
4
0,15
1
9
8
0,15
500000
420000
460000
0,4
2
2
4
0,3
Vi
V1
V2
V3
V4
NOT: Problema se va rezolva prin metoda utilitii globale,

primul i al patrulea criteriu fiind de maxi, iar al doilea i al
treilea fiind de minim.
8. Un colectiv de conducere format din trei decideni (D 1,
D2, D3) trebuie s opteze pentru una din cele trei variante
(V1,V2,V3) de cretere a volumului produciei n cadrul unei
firme. Cunoscnd c fiecare decident a ierarhizat variantele prin
normalizarea consecinelor, ca n tabelul de mai jos, s se rezolve
problema prin metoda momentelor (Deutch-Martin).
90
Decident
D1
D2
D3
0,33
0,67
1
1
0,33
0,67
0,67
1
0,33
Variante
V1
V2
V3
9. O firm dorete achiziionarea unui utilaj. Pentru acesta,

firma are de ales ntre trei oferte de utilaje, analiza acestora
fcndu-se n raport cu patru criterii decizionale. tiind c
matricea decizional este:
Criterii
Variante
V1
V2
V3
C1
C2
C3
C4
300
170
210
50
60
40
20
15
25
500
400
450
i c primele trei criterii sunt de maximizare, iar ultimul de

minimizare, se cere:
a) s se estimeze utilitile consecinelor i s se formuleze
soluia problemei atunci cnd firma acord criteriilor
coeficieni de importan: k1=0,4; k2=0,2; k3=0,1; k4=0,3;
91
b) considernd c cele patru criterii sunt la fel de importante

pentru firm, s se rezolve problema prin metoda
momentelor (Deutch-Martin).
NOT: Punctul a) se va rezolva prin metoda utilitii globale.
2.2. PROBLEME DE DECIZIE N CONDIII DE

INCERTITUDINE
PROBLEM REZOLVAT
Conducerea
unei
firme
trebuie
opteze
pentru
introducerea n fabricaie a unui din cele trei produse (P1,P2,P3).

ntruct nu dispune de informaii certe asupra cererii, cunoscnd
doar c ar putea fi vndut oricare din cantitile: 100, 200, 300 i
400 buc. i c profitul aferent ar fi cel din tabelul de mai jos, se
cere stabilirea produsului ce va fi inclus n fabricaie.
92
Cantiti
100
200
300
- mil lei 400
150
200
350
600
450
500
780
900
8500
12000
17000
11400
Variante
V1
V2
V3
Rezolvare:
- Regula pesimist
Vopt max min Rij

i
Vopt max (150, 200, 350) 350V3

i
adic:
i 1,
min Rij ( R11 , R12 , R13 , R14 ) min(150,600,780,12000) 150
j
i 2,
min Riji ( R21 , R22 , R23 , R24 ) min(200,450,900,17000) 200
j
i 3,
min Riji ( R31 , R32 , R33 , R34 ) min(350,500,8500,11400 ) 350
j
- Regula optimist
Vopt max max Rij

i
i 1,
max Rij ( R11 , R12 , R13 , R14 ) max(150,600,780,12000) 12000
j
93
i 2,
max Riji ( R21 , R22 , R23 , R24 ) max(200,450,900,17000) 17000
j
i 3,
max Riji ( R31 , R32 , R33 , R34 ) max(350,500,8500,11400 ) 11400
j
Vopt max (12000,17000,11400 ) 17000V2

i
- Regula de optimalitate (Hurwicz)

Presupunem 0,3
H i Ai (1 )a i
H 1 0,3 12000 0,7 150 3705

H 2 0,3 17000 0,7 200 5240
H 3 0,3 11400 0,7 350 3665
Vopt max H i max(3705,5240,3665) 5240V2
i
- Regula proporionalitii (Bayes Laplace)
Vopt
1 n
max Rij
i
n j 1
V1
150 600 780 12000

3382,5
4
V2
200 450 900 17000

4637,5
4
94
V3
350 500 8500 11400

5187,5
4
Vopt max(3382,5; 4637,5; 5187,5) 5187,5V3

i
- Regula minimizri regretelor (L. Savage)

Construim matricea regretelor:
Cantiti
Variante
V1
V2
V3
100
200
300
400
200
150
0
0
150
100
7720
7600
0
5000
0
5600
n matricea regretelor, fiecare element s-a obinut scznd din

valoarea sa iniial elementul maxim pe coloan (diferena luat
n valoare absolut), conform relaiei:
rij Rij max Rij

j
Vopt min max rij min (7720,7600,5600) 5600V3

i
Centraliznd variantele optime obinute dup cele cinci reguli,

ntocmim urmtoarea matrice:
95
Criterii
dec. Pesimist Optimist Hurwicz Laplace Savage
Var.
V1
V2
V3
Analiznd tabelul se constat c V1 nu este agreat de nici un
criteriu, deci va iei din discuie. Dei V3 este preferat de trei
criterii, iar V2 de numai dou criterii, regula majoritii nu este
totui relevant. Aadar, alegerea unei variante optime comport
introducerea de filtre sau baraje suplimentare de selecie a
deciziei, precum i anumite elemente legate de psihologia
managerului i situaia economico-financiar a firmei.
PROBLEME PROPUSE SPRE REZOLVARE
1. Un posesor de capital dorete s-l valorifice prin investiie. n
acest sens, solicit ca o organizaie de consultan n probleme
financiare s-i elaboreze un studiu de oportunitate. n tabelul de
mai jos este prezentat matricea de pli, ca o rezultant central
a investigaiilor ntreprinse de contractant relativ la patru variante
de soluionare a problemei. Plile reprezint ratele anuale de
96
recuperare a capitalului n variantele respective. Capitalul este de

100.000 $. Firma de consultan se oblig s indice varianta
optim,
garantnd
soluia
recomandat
clientului. Ratele
recuperrii capitalului pe variante ale rezolvrii problemei de

investiii, n procente se prezint ca n tabelul urmtor:
Stare ec.
Variante
V1 investiie n
sfera serviciilor
V2 investiie n
comer
V3 investiie n
sfera bancar
V4 investiie n
afaceri imobiliare
Cretere
economic
15
Recesiune
Inflaie Stagnare
-2
20
-10
12
-6
-5
10
-4
15
2. Pentru realizarea unui produs industrial sunt posibile patru

tehnologii distincte: T1,T2,T3,T4, concretizate n patru variante
tehnologice. Conducerea firmei, la care se poate utiliza oricare
din cele patru tehnologii, trebuie s aleag una din ele, innd
cont c cererea pentru produsul realizat este cuprins ntre 8000i
14500 buci. Profiturile realizate prin aplicarea tehnologiilor
sunt prezentate n tabelul de mai jos:
97
Cj
8000
9500
11500
12000
- mil lei 13000 14500
7200
7800
8200
7000
7800
7900
8700
8100
10300
10000
11000
11200
11000
10500
11200
12300
12800
11300
11800
14000
Vi
V1
V2
V3
V4
15500
13500
14600
15000
3. n baza unui studiu de pia, referitor la bunuri de

folosin ndelungat destinate populaiei, o firm urmrete s
introduc n fabricaie unul din cele patru produse pe care i-a
propus a le realiza n semestrul I al anului urmtor. Din studiu a
rezultat o cerere variabil pentru acest produs cuprins ntre 1500
i 6000 produse i un profit aferent ce rezult din tabelul de mai
jos:
Cj
1500
1800
3000
3500
- mil lei 4200

6000
850
960
800
940
920
980
810
1300
1020
1000
920
1600
1500
1600
1100
2200
2200
1900
2800
3000
Vi
V1
V2
V3
V4
3000
3300
4000
3800
Se cere s se stabileasc produsul ce va fi introdus n fabricaie,

optimiznd decizia luat n condiii de certitudine. Se d =0,3.
98
4. O firm trebuie s aleag unul din produsele sale cu una

din cele patru variante tehnologice, n condiiile unei cereri
variabile din acest produs, cuprins ntre 85000 buc. i 124000
buc., i a unui profit prezentat n tabelul urmtor:
- mil lei
Cj 85.000
92.000
Vi
V1 920.000
980.000
V2 840.000
910.000
V3 1.150.000 1.400.000
V4 780.000
900.000
102.000
115.000
120.000
124.000
1.250.000
990.000
2.000.000
1.350.000
1.500.000
1.600.000
3.100.000
2.000.000
2.100.000
2.300.000
3.400.000
3.150.000
2.800.000
3.100.000
4.300.000
4.500.000
S se optimizeze decizia privind alegerea produsului n condiii

de certitudine (=0,3).
5. Extinderea unei ntreprinderi presupune construirea unei
noi secii de fabricaie. Necesitile produciei impun nceperea
lucrrilor toamna, existnd trei variante de proiect (V 1, V2, V3).
Estimrile privind duratele de execuie (exprimate n luni) s-au
fcut pentru trei stri ale naturii (S1 iarn uoar; S2 iarn
obinuit; S3 iarn grea) i se prezint n tabelul urmtor:
99
Sj
S1
S2
S3
4,5
4,0
2,5
5
5,5
7
8
6,5
7,5
Vi
V1
V2
V3
S se optimizeze decizia privind alegerea variantei de proiect. Se

d =0,7.
2.3. PROBLEME DE DECIZIE N CONDIII DE RISC
n scopul nelegerii soluionrii acestor tipuri de probleme,
vom prezenta concret modaliti de rezolvare a acestora, lund n
discuie mai multe situaii posibile. Vom utiliza n acest caz
metoda arborilor de decizie.
2.3.1. Arbori cu probabiliti simple
n acest prim caz vom avea n vedere-n studiul soluionrii
problemelor prin utilizarea arborilor de decizie probabilitilesimple, determinate obiectiv sau subiectiv.
100
Probabilitile obiective sunt aplicabile n cazul proceselor

repetitive, ele calculndu-se pe baz de date statistice referitoare
la producerea evenimentelor.
Probabilitile subiective se stabilesc prin expertiz, pentru
aceasta putndu-se lua o variabil aleatoare x cu distribuie
uniform, x 0, 1 . n cadrul acestui interval, expertul fixeaz
un reper x* indicnd nivelul probabilitii cutate.
1. Un colectiv de cercetare dispune de condiii pentru
abordarea a trei teme importante T1, T2 i T3, ns avnd o
capacitate limitat nu poate aborda dect una dintre ele.
Prima tem de cercetare (T1) antreneaz cheltuieli de:
- 5 mld. lei i o durat de 25 luni dac cercetarea se
desfoar n condiii favorabile;
- 5,5 mld. lei i o durat de 25 luni dac cercetarea se
desfoar n condiii medii;
desfoar n condiii nefavorabile.
Tema a doua de cercetare (T2) antreneaz urmtoarele
cheltuieli i durate de realizare:
101
- 4 mld. lei i o durat de 30 luni dac cercetarea se
Tema a treia de cercetare (T3) antreneaz urmtoarele
cheltuieli i durate de realizare:
Probabilitatea apariiei condiiilor favorabile este de 0,3, a
condiiilor medii de 0,4 i a condiiilor nefavorabile de 0,3.
Dac rezultatele cercetrii se aplic pe scar larg, atunci
se obin urmtoarele beneficii anuale:
Pentru tema T1:
- 12 mld. lei n condiii favorabile;
102
- 11 mld. lei n condiii medii;
- 8 mld. lei n condiii nefavorabile.
Pentru tema T2:
- 6,6 mld. lei n condiii nefavorabile.
Pentru tema T3:
Dac rezultatele cercetrii se aplic pe scar restrns, se
obin urmtoarele beneficii anuale:
Pentru tema T1:
Pentru tema T2:
103
- 3,8 mld. lei n condiii medii;

Pentru tema T3:
Probabilitatea de a se aplica rezultatele cercetrii pe scar
larg este de 0,6, iar pe scar restrns de 0,4. ntreprinderea are o
situaie economico-financiar bun. S gsim varianta optim
(una din cele trei teme) aplicnd metoda arborelui decizional.
Rezolvare:
Construim arborele decizional pe baza datelor propuse
(verso). Pe baza acestei reprezentri se calculeaz sperana
matematic prin nmulirea nivelului criteriului (beneficiul anual)
cu probabilitile de manifestare a strii condiiilor obiective.
Pentru nodul decizional D2
S.L.+S.R.-(120,6)+(70,4)=10
104
(110,6)+(40,4)=8,2
(80,6)+(10,4)=5,2
(100,6)+(40,4)=7,6
(70,6)+(3,80,4)=5,72
(6,60,6)+(2,90,4)=5,12
(130,6)+(60,4)=10,2
(80,6)+(40,4)=6,4
(70,6)+(2,50,4)=5,3
105
SL
Cond. favorabile
T1
D2
Cond. medii
D3
Cond. nefavorabile
Cond. favorabile
D1
T2
D5
Cond. medii
D6
Cond. nefavorabile
Cond. favorabile
T3
D4
D7
D8
Cond. medii
D9
Cond. nefavorabile
D1
SR
SL
SR
SL
SR
SL
SR
SL
SR
SL
SR
SL
SR
SL
SR
SL
SR
F
F
12 mld.
7 mld.
11 mld.
4 mld.
8 mld.
1 mld.
11 mld.
10
4 mld.
7 mld.
3,8 mld.
6,6 mld.
2,9 mld.
13 mld.
6 mld.
8 mld.
4 mld.
7 mld.
2,5 mld.
- Nod decizional
- Noduri aleatoare
SL Aplicare pe scar larg
- Nod final
SR Aplicare pe scar restrns
106
n continuare, pe baza rezultatelor i opiunilor fcute, se
calculeaz sperana matematic n nodul decizional D1 pentru
cele trei teme, astfel:
Pentru T1:
(100,3)+(8,020,4)+(5,20,3)=7,84;
Pentru T2:
(7,60,3)+(5,720,4)+(5,120,3)=6,09;
Pentru T3:
(10,20,3)+(6,40,4)+(5,30,3)=7,21.
Rezult c T1 este varianta optim ntruct are cea mai mare
speran matematic.
2. Managerul unui colectiv de cercetare trebuie s opteze

pentru una din cele dou teme de cercetare, n urma crora se
obin rezultate (profit) diferite n funcie de condiiile de
desfurare a cercetrii, de variantele de aplicare i de condiiile
aplicrii, aa cum rezult din tabelul urmtor:
107
Pagina cu
tabelul
108
Rezolvare:
Construim arborele decizional, pe baza datelor din tabel.
Calculm sperana matematic pentru fiecare nod decizional:
S.L. (250,6)+(230,4)=24,2
S.R. (150,6)+(130,4)=14,2
Se alege varianta aplicrii pe scar larg (S.L.) pentru care
sperana matematic este mai mare.
S.L. (210,6)+(200,4)=20,6
S.R. (140,6)+(110,4)=12,8
Se alege varianta aplicrii pe scar larg (S.L.) din acelai motiv
ca mai sus.
S.L. (180,6)+(170,4)=17,6
S.R. (120,6)+(90,4)=10,8
Se alege varianta S.L.

S.L. (240,6)+(210,4)=22,8
S.R. (160,6)+(120,4)=14

S.L. (230,6)+(210,4)=22,2
S.R. (150,6)+(100,4)=13
109

S.L. (150,6)+(140,4)=14,6
S.R. (100,6)+(80,4)=9,2

SL
F(p=0,3)
D2
SR
A
SL
T1
M(p=0,4)
D3
D4
D1
D5
M(p=0,4)
D6
N(p=0,3)
D7
S(p=0,4)
S(p=0,4)
S(p=0,4)
S(p=0,4)
S(p=0,4)
B(p=0,6)
S(p=0,4)
B(p=0,6)
S(p=0,4)
SR
B(p=0,6)
A
110
S(p=0,4)
B(p=0,6)
SR
SL
S(p=0,4)
B(p=0,6)
A
T2
B(p=0,6)
SR
SL
S(p=0,4)
B(p=0,6)
A
F(p=0,3)
B(p=0,6)
SR
SL
B(p=0,6)
B(p=0,6)
A
N(p=0,3)
B(p=0,6)
SR
SL
S(p=0,4)
S(p=0,4)
25 mil.
23 mil.
15 mil.
F 13 mil
mld.
F 21 mil.
F 20 mil.
F 14 mil.
F 11 mil.
F 18 mil.
F 17 mil.
F 12 mil.
F 9 mil.
F 24 mil.
F 21 mil.
F 16 mil.
F 12 mil.
F 23 mil.
F 21 mil.
F 15 mil.
F 10 mil.
F 15 mil.
F 14 mil.
F 10 mil.
F 8 mil.
n continuare, pe baza rezultatelor i opiunilor fcute, se

calculeaz sperana matematic n nodul decizional D1 pentru
cele dou teme, astfel:
Pentru T1:
(24,20,3)+(20,60,4)+(17,60,3)=20,78;
Pentru T2:
(22,80,3)+(22,20,4)+(14,60,3)=20,1.
Rezult c T1 este cea mai avantajoas ntruct are sperana
matematic cea mai mare.
2.3.2. Arbori cu probabiliti condiionate
Probabilitile condiionate se bazeaz pe teoria lui Bayes,
potrivit creia se ntrebuineaz dou tipuri de probabiliti
anterioare i posterioare. Probabilitile anterioare ale strilor
naturii sunt cele evaluate nainte de a se nregistra vreo
informaie experimental, iar probabilitile posterioare sunt
bazate pe cele anterioare, ajustate cu considerarea informaiei
furnizate de experiment.
Pentru nelegerea rezolvrii acestor tipuri de probleme
este necesar s facem cteva precizri, dup care vom prezenta o
problem rezolvat.
111
Aa cum precizam mai sus, probabilitile simple pot fi

revizuite prin achiziie de informaie adiional, conform schemei
de mai jos:
Probabiliti
simple
anterioare
Achiziii de noi
informaii prin
eantionare
Probabiliti
posterioare
Probabilitile posterioare se determin folosind procedee

bayesiene. Un eveniment A are o probabilitate anterioar P(A).
Dou evenimente A i B au probabilitile anterioare P(A) i
P(B), dar dac A l precede i-l influeneaz pe B, este posibil s
apar o probabilitate posterioar P(B/A) care se calculeaz
folosind aa numita identitate a probabilitilor condiionate:
P( B / A)
P( A i B)
P( A)
(2.1)
Aceasta afirm c probabilitatea condiionat a unui

eveniment B, cnd se tie c s-a produs A, se obine prin
mprirea probabilitii realizrii simultane a celor dou
evenimente
la
probabilitatea
necondiionat
evenimentului A.
112
producerii
ntruct, n cazul evenimentelor dependente, cum sunt i

cele din arborii de decizie, funcioneaz legea multiplicrii
probabilitilor, rezult c:
P(A i B)=P(A)P(B/A)
(2.2)
P(A i B)=P(B)P(A/B)
De aici se vede c identitatea probabilitii condiionate n
cazul a dou evenimente A i B verific relaia:
P( B / A)
P( A / B) P( B)
P( A)
(2.3)
Se observ c n aceeai relaie apar dou probabiliti

condiionate:
P(B/A) care este probabilitatea posterioar; ea este o probabilitate
condiionat care trebuie calculat.
P(A/B)
este
probabilitatea
condiionat
unui
rezultat
experimental. Aceasta se specific nainte de a trece la calculul

lui P(B/A).
Apare, de asemenea, probabilitatea anterioar P(A) a
evenimentului A care este o probabilitate necondiionat.
113
Bayes a elaborat o formul general pentru calculul

probabilitilor posterioare valabil pentru o mulime de n
evenimente reciproc exclusive i exhaustive. n vederea deducerii
acestei formule, numit i teorema Bayes, se apeleaz la o
mulime de trei evenimente A, B i C, dintre care considerm A
drept eveniment de referin. n acest caz se pot formula
probabilitile posterioare pentru B i C:
P( B / A)
P ( A i B)
i
P ( A)
( 2.4)
P(C / A)
P ( A i C )
P( A)
(2.5)
Relaiile probabilitilor P(B/A) i P(C/A) vor satisface

principiul identitii probabilitilor condiionate dac i numai
dac:
P(A)=P(A i B)+P(A i C)=P(A/B)P(B)+P(A/C)P(C)
(2.6)
Demonstraia acestui adevr se bazeaz pe faptul c numai

n acest mod are loc relaia:
P(B/A)+P(C/A)=1
(2.7),
Condiie care satisface regula activitii probabilitilor n cazul

evenimentelor colective exhaustive (A, B i C formeaz o
colectivitate exhaustiv i reciproc exclusiv).
114
i acum, generaliznd pentru n evenimente, reciproc

exhaustive, de forma coleciei exhaustive , unde Sj reprezint
S S 1 S 2 S 3 ..... S n ) evenimentul, sau starea Sj a naturii,
dac se noteaz cu R un alt eveniment, rezultat al unei experiene

particulare, atunci teorema lui Bayes afirm c probabilitatea
posterioar a unui eveniment Sj n raport cu un rezultat particular
R al unei investigaii empirice este dat de formula:
P( S j / R)
P( R / S j ) P( S j )
P( R / S
) P(S j )
(2.8)
Aceast formul a lui Bayes se folosete pentru determinarea

probabilitilor posterioare n analizele arborilor de decizie cu
informaie perfect.
S exemplificm cele spuse pe un exemplu numeric:
1. O firm industrial lanseaz un studiu de oportunitate
referitor la informatizarea organizaiei. Sunt luate n considerare
dou oferte avansate de o firm specializat n leasing
calculatoare:
V1 nchirierea unui sistem constnd dintr-o reea local n care
predomin echipamente de calcul (PC-uri, terminale, servere);
115
V2 nchirierea unei reele complexe care include tehnic de

calcul electronic, precum i echipamente de comunicaie (fax, email, telex .a.)
n tabelul de mai jos sunt prezentate veniturile nete pe care
le pot genera cele dou variante informatice la firma beneficiar,
n condiiile manifestrii aleatoare a dou stri ale naturii: S 1
grad de ocupare ridicat (>50%) i S2 grad de ocupare sczut
(<50%).
Matricea plilor (aij) pentru cele dou variante (103$/an)
Strile naturii Sj
S1
S2
120
180
0,4
30
-20
0,6
Variante Vi
V1
V2
Probabilitatea P(Sj)
Se cere:
a)S se aleag varianta optim (V*)pe baza speranei matematice
a veniturilor nete, folosind informaia existent;
b)S se determine sperana matematic a valorii informaiei
adiionale rezultat din eantionarea funcionrii sistemelor
informatice.
116
Rezolvare:
a) Se calculeaz speranele matematice E(V j)ale veniturilor nete
n cele dou variante V1 i V2:
E (V1 ) P S J a1 j P ( S 1 ) a11 P( S 2 ) a12 0,4 120 0,6 30 66
j
E (V 2 ) P( S 1 ) a 21 P( S 2 ) a 22 0,4 180 0,6 (20) 60
Varianta optim V* este aceea care asigur condiia:

max E (V1 ); E (V 2 ) max 66; 60 66 V * V1
b) n tabelul de mai jos este prezentat sinteza informaiei

adiionale elaborat de ctre analitii care au efectuat studiul de
oportunitate iniial, folosind metoda eantionrii pieei.
Probabilitile condiionate ale atitudinii favorabile (A) i
nefavorabile (B) fa de folosirea sistemelor informatice
nchiriate:
Concluziile cercetrii
de marketing
Strile naturii Sj
S1 grad de ocupare ridicat
S2 grad de ocupare sczut
Atitudine
favorabil
(A)
P(A/S1)=0,7
P(A/S2)=0,4
Atitudine
nefavorabil
(B)
P(B/S1)=0,3
P(B/S2)=0,6
Pentru explicitarea datelor din tabel, se ia, de exemplu,

situaia de pe linia S 1. Astfel, P(A/B)=0,7 precizeaz c dintre
117
toate chestionarele n care s-a specificat c exploatarea sistemelor

s-a ncadrat n starea S1, 70% au consemnat atitudinea favorabil
(A) a celor consultai, fa de folosirea calculatorului, iar 30% - o
atitudine nefavorabil (B).
Evaluarea speranei matematice a valorii informaiei
adiionale necesit folosirea regulii Roll-back n rezolvarea
arborelui de decizie din figura de mai jos:
V1
2
A
V2
5
P(A)
S1
P(S1/A); a11=120
S2
P(S2/A); a12=30
P(S1/A); a21=180
S1
P(S2/A); a22=20
P(B)
V1
3
EANTIONARE
V2
7
S1
P(S1/B); a11=120
S2
S1
P(S2/B); a12=30
P(S1/B); a21=180
S2
P(S2/B); a22=20
Nodul 1 al arborelui de decizie este implicat de cercetarea

prin eantionare , n el nealegndu-se nici o decizie. La nivelul
su se calculeaz sperana matematic a venitului net adus de
sistemele explorate, folosind informaia adiional din tabelul de
mai sus. Notnd aceast speran EVIA, formula de calcul prin
care se face evaluarea este :
118
EVIA=P(A)(EV * ) 2 +P(B)(EV * ) 3
(2.9)
Unde P(A) i P(B) reprezint probabilitile manifestrii

atitudinilor favorabil (A)9; nefavorabil (B) fa de folosirea
sistemelor informatice nchiriate, iar (EV*)2 i (EV*)3 sunt
speranele matematice n punctele de decizie 2 i 3.
Identificarea variantelor optime V* n punctele de decizie 2
i 3 necesit la rndul su efectuarea calculelor probabilitilor
posterioare P(Sj/A) i P(Sj/B), consemnate n arborele de decizie.
Aplicnd formula Bayes i folosind probabilitile condiionate
din tabelul dat, rezult:
P ( S1 / A)
P( A / S1 ) P( S 1 )
P ( A / S 1 ) P( S 1 )
P ( A)
P( A / S1 ) P( S1 ) P( A / S 2 ) P( S 2 )
(0,7) (0,4)
0,28
0,538
(0,7) (0,4) (0,4) (0,6) 0,52
P ( S 2 / A) 1 P ( S1 / A) 1 0,538 0,462
P ( S 2 / A)
P( B / S1 ) P( S1 )
P( B / S1 ) P( S1 )
P( B)
P ( B / S1 ) P( S 1 ) P ( B / S 2 ) P ( S 2 )
(0,3) (0,4)
0,12
0,250
(0,3) (0,4) (0,6) (0,6) 0,48
119
P ( S 2 / B ) 1 P ( S 1 / B) 1 0,250 0,750
Urmeaz identificarea propriu-zis a variantelor optime n

punctele de decizie 2 i 3, n care scop se folosesc att arborele
de decizie ct i valorile probabilitilor posterioare calculate.
Algoritmul este urmtorul:
Punctul de decizie 2:
E(V1)2=P(S1/A)a11+P(S2/A)a12=(0,538)(120)+(0,462)(30)=78,42
E(V2)2=P(S1/A)a21+P(S2/A)a22=(0,538)(180)+(0,462)(-20)=87,60
Varianta optim este cea care asigur condiia:
max E (V1 ) 2 ; E (V 2 ) 2 max 78,42; 87,6 87,6 ( EV * ) 2 ; V 2 V *
Punctul de decizie 3:
E(V1)3=P(S1/B)a11+P(S2/B)a12=(0,25)(120)+(0,75)(30)=52,5
E(V2)3=P(S1/B)a21+P(S2/B)a22=(0,25)(180)+(0,75)(-20)=30
Varianta optim este cea care asigur condiia:
max E (V1 ) 3 ; E (V2 ) 3 max 52,5; 30 52,5 ( EV * ) 3 ; V1 V *
n formula (2.9) se introduc (EV*)2 i (EV*)3, precum i

probabilitile P(A) i P(B) aflate la numitorul fraciilor
probabilitilor posterioare P(S1/A) i P(S1/B) i rezult:
EVIA=(0,52)(87,6)+(0,48)(52,5)=70,572
120
Sperana matematic a valorii informaiei adiionale EVIA va

fi:
EVIA=EVIA E(V1)=70,52 - 66=4,752 mii $
Decizia final ce poate fi adoptat n urma folosirii informaiei
adiionale, de ctre analitii ce elaboreaz studiul de oportunitate
se formuleaz astfel:
- dac nu se recurge la un contract de aprofundare a cercetrii
experimentale, se alege varianta cu sperana matematic a
venitului maxim, aceast valoare fiind determinat cu
probabiliti posterioare;
- dac se ncheie un contract de cercetare, atunci se ateapt pn
se obine noua informaie adiional i se adopt decizia n
funcie de concluzia raportului ntocmit de cercettor. Problema
de fa face parte din aceast categorie i ca atare dac raportul
va indica faptul c este preponderent atitudinea favorabil (A) a
specialitilor pentru a folosi sisteme informatice (de exemplu,
P(A)0,6), atunci se va alege varianta V2 sistem informatic
complex, care asigur sperana matematic maxim a veniturilor
firmei n punctul de decizie 2 al arborelui, iar dac raportul va
indica preponderena atitudinii nefavorabile (B) a celor consultai
(P(B)0,6), atunci varianta cea mai bun va fi V1.
121
BIBLIOGRAFIE SELECTIV
1. Ionescu, H., Mirescu, P., Ndejde, I., Programarea liniar, Editura
tiinific, Bucureti, 1964
2. Dinescu, C., Svulescu, B., Metode de matematic modern pentru
economie, Editura Didactic i Pedagogic, Bucureti, 1975
3. Dinescu, C., Svulescu, B., Metode matematice i aplicaii pentru
optimizarea problemelor din economie, Editura Didactic i
Pedagogic, Bucureti, 1976
4. Dinescu, C., Svulescu, B., Decizii n probleme economice.
Probleme cazuri, Editura Didactic i Pedagogic, Bucureti, 1970
5. Dinescu, C. (coord.), Matematici pentru economiti, Vol I-III,
Editura Didactic i Pedagogic, R.A.- Bucureti, 1995
6. H., Ionescu, Dinescu, C., Svulescu, Probleme ale cercetrii
operaionale, Editura Didactic i Pedagogic, Bucureti, 1972
7. Dinescu, C., Svulescu, B., Vasiliu, D., Metode matematice pentru
fundamentarea deciziilor de producie, Editura Tehnic, Bucureti,
1986
8. Vduva, I., Dinescu, C., Svulescu, B., Modele matematice de
organizarea i conducerea produciei
9. Dinescu, C., Postelnicu, T., Svulescu, B., Matematici speciale
aplicate n economie, Editura Didactic i Pedagogic, Bucureti,
1977
10. Barbu, Ghe., Jaic, M., Modele ale cercetrii operaionale, Editura
Universitii din Piteti, 1999
11. Kaufman, A., Metode i modele ale cercetrii operaionale, Vol. 3,
Editura tiinific i Enciclopedic, Bucureti 1975
12. Purcaru, I. Elemente de algebr i programare liniar, Editura
tiinific i Enciclopedic, Bucureti 1982.
122
DORULE GRDINARU
CAIET DE SEMINAR LA
DISCIPLINA
MANAGEMENTUL PRODUCIEI
METODE MATEMATICE DE OPTIMIZARE A

PROBLEMELOR DE TRANSPORT I A DECIZIILOR N
NTREPRINDERILE INDUSTRIALE
PITETI
2002

Metode Matematice de Optimizare A Problemelor de Transport Si A Deciziilor in Intreprinderile Industriale

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Metode Matematice de Optimizare A Problemelor de Transport Si A Deciziilor in Intreprinderile Industriale

Enviado por

Direitos autorais:

Formatos disponíveis

CUPRINS

CAP.2 OPTIMIZAREA DECIZIILOR PRIN METODE

care exprim condiiile problemei ;

[max] sau [min] z=cj xj

Vom numi form standard a unei probleme de programare

[max] sau [min] z=cj xj

Aadar, o problem de programare liniar este prezentat

Pentru a ne obinui cu limbajul utilizat, mai precizm c

, C = (c1, c2, , cn)

n care matricea A are m linii i n coloane. Presupunem, n plus,

n acest fel, fiecare component xj, j= 1, 2, 3, . . . . , n, a unei

- nlocuim n sistemul restriciilor toate variabilele ce

Pe de alt parte, soluia X2 = ( 15 0 0 0 3 )t este o soluie

Dac funcia de eficien a unui model de

programare liniar are optim finit, atunci mulimea soluiilor

Conform teoremelor prezentate, determinarea soluiilor

cum funcia de eficien trebuie s devin maxim, respectiv

S presupunem c dispunem de o soluie realizabil de

Astfel, baza este trecut pe coloana marcat cu B,

ataate vectorilor din baz. Aceast din urm coloan reprezint,

n calculele ce urmeaz a fi prezentate, legate de testarea

Aceste sume, jucnd un rol deosebit de important n

S redm cele de mai sus pe un exemplu numeric.

f1= 21+30 =2 ; f2= 20+31 =3 ; f3= 21+32 =8 ; f4= 22+31 =7

Prezentm, n continuare, fr demonstraie urmtoarele teoreme:

Se observ c, fa de tabelul 1.1, am renunat la linia f j,

care diferena j = cj-fj >0, de preferat (dar nu obligatoriu) pe cel

yk = xk - yjkj = xk - xi kj, pentru k=1,2,,i-1,i+1,..,m (1.22)

Fig. 1.1 Calculul componentelor soluiei Y

Etapele ce trebuie parcurse la o iteraie oarecare, cnd se

Fig 1.3 Calculul rapoartelor xm/mj

S explicm, pe scurt, cum s-au obinut rezultatele pe linia

Construind tabelul simplex vom gsi pornind de la soluia de

Algoritmul simplex a luat sfrit, soluia optim fiind

Dup cum rezult din tabel, pe linia j s-au fcut

n cazul cnd n tabelul simplex optim avem

restricii convenabil alese, pn cnd matricea sistemului de

De obicei, n calcule, nu particularizm valoarea lui M, dar

Deci xopt=(0,2,3,2) i fmin=12

Timpul unitar de main pe

Se cere s se determine cantitile executate din fiecare

4. Se cere modelul matematic care s conduc la minimizarea

Nr. procedeelor de debitare

5. ntr-o secie de produse format din trei ateliere se realizeaz

Se cunosc urmtoarele date: normele de timp (tij), fondurile

7. n vederea realizrii unui dispozitiv de sudat trebuie debitate

8. Un atelier dispune de patru grupe de maini unelte A,B,C,D,

pe fiecare grup de utilaj, ca i normele de timp pe unitatea de

ateliere (consumatori). Aceast repartizare trebuie fcut n aa

bj necesarul la cei n consumatori

Dintre procedeele i metodele enumerate vom utiliza n

Depozitele A i B au un disponibil din materia prim dat

tehnico-material, prima fabric are nevoie de o cantitate de 1000

n colurile din dreapta sunt trecute distanele. Potrivit

mod complet, n ordinea lor, trecnd de la un furnizor la altul

n care : m numrul de furnizori

Dup obinerea soluiei de baz se calculeaz volumul total

colurilor n csue unde exist deja repartizate cantiti. La

de la coloana pe care se afl aceasta. Spre exemplu, A-3 va

Pentru csua A-4 se formeaz un contur poligonal cu

Csua B-1 are conturul poligonal n colurile csuelor B-1, A-1,

Conturul poligonal al csuei B-4 are colurile n B-4, B-3,

Pentru csua C-1 conturul poligonal are colurile n