1/82

OPERACIONA
ISTRAIVANJA


Prof. dr Ranko Boikovi


e-mail: rankob@teol.net
Doboj, 2008/2009
Asistent: Milovan Popovi i mr Vlastimir Peji
2/82


IZVOD IZ SADRAJA
1. LINEARNO PROGRAMIRANJE i jednokriterijmska optimizacija
a) Grafika metoda
b) Kvantitativne metode i SIMPLEKS TABELA
2. TRANSPORTNI PROBLEMI
3. TEORIJA IGARA, PROBLEMI RASPOREIVANJA
4. TEORIJA MASOVNOG OPSLUIVANJA (redovi ekanja)
5. VIEKRITERIJMSKA OPTIMIZACIJA ODLUIVANJE
6. ATRIBUTIVNE METODE OPTIMIZACIJE - AHP METODA I EKSPERT
OJS SOFTVER

Nain polaganja:
1. T1 i K1 - u sedmoj (7) sedmici. USLOV: PREDATI GRAFIKI RADOVI
GR
1
I GR
2
2. T2 i K2 - u petnaestoj (15) sedmici. USLOV: PREDATI GRAFIKI
RADOVI GR
1 ,
GR
2,
GR
3
i GR
4
Studenti koji polae T i K stiu uslov za upis ocjena u prvom ispitnom
roku nakon predavanja. U ostalim ispitnim rokovima studenti
polau nepoloene K1 i K2 ili K- integralno. Nakon poloenih K
polae se T. T i K vrijede jednu godinu, tj. do IV semestra idue
kolske godine.
Nadlenost nad K imaju asistenti, a na T profesor Boikovi


LITERATURA
1. ODABRANA POGLAVLJA IZ TEORIJE
KVANTITATIVNOG ODLUIVANJA, upi
i ostali, FTN, N. Sad.
2. METODE OPTIMIZACIJE U ZADACIMA TIPA
TRANSPORTA, Nikoli, Boikovi, SF
Doboj, 2007,
3. OPERACIONA ISTRAIVANJA repetitorij,
dr Ranko Boikovi, SF, 2009
1. CD rom Nikoli Boikovi, SF Doboj,
2. INDUSTRIJSKA EKONOMIKA, Boikovi
Trivi, SF Doboj, 2007.
3/82
4/82
1. KONTINUALNO LINEARNO
PROGRAMIRANJE
2. CELOBROJNO LINEARNO
PROGRAMIRANJE
3. (0-1) ili BINARNO LINEARNO
PROGRAMIRANJE
4. MEOVITO CELOBROJNO LINEARNO
PROGRAMIRANJE

SADRAJ
Naslov
5. POST-OPTIMALNA ANALIZA
Zadaci / Vebe
Zadaci / Vebe
Zadaci / Vebe
Zadaci /
Vebe
Zadaci /
Vebe
I.
LINEARNO PROGRAMIRANJE
5/82
Matematiki model : Funkcija cilja i ogranienja

Reavanje :
Runi postupci : Grafiko reavanje za n=2 promenljive
Runi postupci : Simpleks metoda
Primena softvera : WinQSB, Modul Linear and Integer Programming
Tipovi problema (2) :
1) Maksimizacija funkcije kriterijuma
2) Minimizacija funkcije kriterijuma

Vrste modela sa stanovita promenljivih (5) :
1) Linearno programiranje (za kontinualne promenljive)
2) Celobrojno linearno programiranje, 2 tipa promenljivih :
a) bilo koji celi brojevi
b) binarni brojevi : 0 ili 1; 0-1 programiranje
3) Meovito celobrojno linearno programiranje

Oblici ogranienja (3) : s , > , =
LINEARNO PROGRAMIRANJE
6/82
Softver :
WinQSB
Quantitave Systems for Business
Kvantitativni sitemi (modeli) za biznis
Autor i adresa
za preuzimanje softvera
Grupa modela : 19
Ukupno modela : 57
Demo primera : 64
7/82
Uputstvo za korienje :
1) Linear and Integer
Programming
(4 modela)
2) Network Modeling
(7 modela)
Softver :
WinQSB
Quantitave Systems for Business
Kvantitativni sitemi (modeli) za biznis
Prof. dr I. Nikoli i R. B.
Metode optimizacije u zadacima tipa
transporta sa jednim i vie kriterijuma
8/82
1.
KONTINUALNO
LINEARNO
PROGRAMIRANJE
9/82
PRIMER 1. : PROBLEM 1. Izrada obue
Verbalni model
10/82
Matematiki
model
Model A Model B
Kapaciteti
(as/mes)
Profit (n.j./par) 45 60 max
Resursi Normativi (as/par) uslovi
Maina 1 3 2 s 480
Maina 2 2 4 s 600
Maina 3 1 1 s 180
Nepoznate (par) x
1
x
2
Tabelarni model
Funkcija
kriterijuma
Ogranienja
Prirodna
ogranienja
11/82
x
2
x
1
Matematiki
model
Grafiki
model
B(60,120)
C(120,60)
D(150,0)
A(0,150)
(90,105)
Nije dopustivo
x
1
=90, x
2
=105 nije dopustivo reenje.
Zadovoljava sa znakom jednakosti prvo i
drugo ogranienje, ali ne zadovoljava tree.
12/82
x
2
x
1
B(60,120)
C(120,60)
D(150,0)
A(0,150)
(90,105)
Nije dopustivo
Optimalno reenje
x
1
=60, x
2
=120, z*=9.900
(X)
Oblast dopustivih
reenja
Matematiki
model
X
Grafiki
model
13/82
Proraun profita z(x)
u temenima oblasti dopustivih reenja
Optimalno reenje:
x1* = 60 pari modela A; x2* = 120 pari modela B
Maksimalna profit z* = 9.900 (n.j.)
Resursi
Norma-
tivi
x1
Norma-
tivi
x2
Angao-
vanje
Raspolo-
ivo
Slobo-
dno
M1 3 60 2 120 420 480 60
M2 2 60 4 120 600 600 0
M3 1 60 1 120 180 180 0
x1 x2
z = 45x1 + 60x2
max
A 0 150 9.000
B 60 120 9.900
C 120 60 9.000
D 150 0 6.600
9.900
Proraun (provera) korienja kapaciteta maina
U celosti se koriste kapacitet za M2 i M3
Ostaje slobodno 60 (as) za M1
14/82
x
2
x
1
B(60,120)
Taka B ne pirpada
pravoj za M1, tako da
rastojanje B od prave
M1 iskazuje slobodne
kapacitete M1 za
reenje B(60,120).
Angaovano :
360+2120 =180+240=420
Slobodno : 480-420=60
(max) z = 45x
1
+ 60x
2
Pri ogranienjima
M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180
x
1
, x
2
> 0
U celosti se koriste kapacitet za M2 i M3
Ostaje slobodno 60 (as) za M1
Taka B jeste u
preseku ogranienja
za M2 i M3, tako
x1=60 i x2=120
zadovoljava
jednaine M2 i M3
15/82
x
2
x
1
B(60,120)
C(120,60)
D(150,0)
A(0,150)
Ogrania-
vanje
promenljive
Najvie 100 pari
modela B
Loije
Optimalno reenje sa x
2
s 100
x
1
=80, x
2
=100, z*=9.600
Polazno opt. reenje
x
1
=60, x
2
=120, z*=9.900
B
1
(80,100)
PRIMER 2
(max) z = 45x
1
+ 60x
2
p.o.
M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180
B .... x
2
s 100
x
1
, x
2
> 0
16/82
x
2
x
1
C(120,60)
Loije
Optimalno reenje sa x
1
> 100
x
1
=100, x
2
=80, z*=9.300
B
2
(100,80)
PRIMER 3
(max) z = 45x
1
+ 60x
2

M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180
A .... x
1
> 100
x
1
, x
2
> 0
Polazno opt. reenje
x
1
=60, x
2
=120, z*=9.900
Ogrania-
vanje
promenljive
Najmanje 100 pari
modela A
x
1
= 100
17/82
REKAPITULACIJA
(max) z = 45x
1
+ 60x
2

M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180
x
1
, x
2
> 0
Optimalno reenje
x
1
* = 60, x
2
* = 120, z* = 9.900
(max) z = 45x
1
+ 60x
2

M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180
B .... x
2
s 100
x
1
, x
2
> 0
(max) z = 45x
1
+ 60x
2

M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180
A .... x
1
> 100
x
1
, x
2
> 0
Optimalno reenje
x
1
* = 80, x
2
* = 100, z* = 9.600
Optimalno reenje
x
1
* = 100, x
2
* = 80, z* = 9.300
ZAKLJUAK :
Dodatna ogranienja mogu da rezultuju loijim
reenjem sa stanovita optimalne vrednosti
funkcije kriterijuma
18/82
Da li reenje moe da se odredi softverom ?
Optimalno reenje
x
1
*=60
x
2
*=120
z*=9.900
Polazni podaci za softver
Optimalno reenje sa softverom
Softver
oznaava
ogranienja
(Constraint) sa
C1, C2, C3
19/82
ZNAAJNE KARAKTERISTIKE
MODELA LINEARNOG PROGRAMIRANJA
1) Minimizacija i maksimizacija
funkcije kriterijuma

2) Nesaglasnost / kontradiktornost
ogranienja

3) Jedinstveno optimalno reenje
(u ranijim primerima)

4) Viestruko optimalno reenje
20/82
PRIMER I. MAKS. i MIN. FUNKCIJE KRITERIJUMA

C(90,105)
E(90,105)
(max) z = 45x
1
+ 60x
2
M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180
x
1
, x
2
> 0
(min) z = 45x
1
+ 60x
2
M1 3x
1
+ 2x
2
> 480
M2 2x
1
+ 4x
2
> 600
M3 1x
1
+ 1x
2
> 180
x
1
, x
2
> 0
Opt. re.
x
1
*=60
x
2
*=120
z*=9.900
Opt. re.
x
1
*=90
x
2
*=105
z*=10.350
21/82
PRIMER II.
SAGLASNOST i
NESAGLASNST
OGRANIENJA
Tri uslova (maine) :
M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180
x
1
, x
2
> 0
Jedan uslov (sirovina) :
S1 1x
1
+ 1x
2
> 250
x
1
, x
2
> 0
Nesaglasnost
(kontradiktornost)
ogranienja
Nema jedinstven skup
dopustivih reenja
Nema optimalno reenje
z = 45x
1
+ 60x
2
max
M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180
S1 1x
1
+ 1x
2
> 250
x
1
, x
2
> 0
PRIMER 1.
proiren sa
ogranie-
njem za S1
Vizuelno jasno
na grafiku
22/82
x
2
x
1
B(60,120)
C(120,60)
D(150,0)
A(0,150)
Viestruko
optimalno reenje
x** na dui BC
c1 x1 c2 x2 z max
A 60 0 60 150 9.000
B 60 60 60 120 10.800
C 60 120 60 60 10.800
D 60 150 60 0 9.000
10.800
X
(max) z = 60x
1
+ 60x
2
p.o.
M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180
x
1
, x
2
> 0
Ako ista dobit 60 za
razmatrane parove
obue, nastaje
viestruko optimalno
reenje x** na dui BC
sa z*=10.800
Du BC pripada pravoj
x
1
+x
2
=180 za M3. Sledi :
x
1
*e|60,120|; x
2
*=180-x
1
*
PRIMER III.
VIESTRUKO
OPTIMALNO
REENJE
23/82
PRIMENA SOFTVERA
WinQSB Quantitative Systems for Business
MODUL : Linearno i celobrojno programiranje
UPUTSTVO
Prof. dr I. Nikoli i R. B.
Metode optimizacije u zadacima tipa
transporta sa jednim i vie kriterijuma
24/82
Optimalno reenje
x
1
=60, x
2
=120, z*=9.900
Tri modela cipela, tri promenljive
(max) z = 45x
1
+ 60x
2
+ 50x
3
3x
1
+ 2x
2
+ 1x
3
s 480 .... M1
2x
1
+ 4x
2
+ 3x
3
s 600 .... M2
1x
1
+ 1x
2
+ 1,5x
3
s 180 .... M2
x
1
, x
2
, x
3
> 0
Reenje: Softver WinQSB, LP&ILP
PRIMER 4 :
Neka se razmatra i
model obue C sa
podacima za
normative i jedin.
dobit u proirenom
matemat. modelu sa
dva modela obue.
25/82
z = 45x
1
+ 60x
2
+ 50x
3
max
M1 ... 3x
1
+ 2x
2
+ 1x
3
s 480
M2 ... 2x
1
+ 4x
2
+ 3x
3
s 600
M3 ... 1x
1
+ 1x
2
+ 1,5x
3
s 180
x
1
, x
2
, x
3
> 0
Donje granice
za promenljive
Gornje granice
za promenljive
M =
Tipovi za promenljive : Continuous (kontinualne, realne vrednosti), Integer (celobrojne
vrednosti), Binary (binarne vrednosti : 0 ili 1), Unresticted (vrednosti neograniene u znaku)
Tip funkcije
kriterijuma
Ogranienja
Softver : WinQSB
Modul :
Linear and Integer Programming
POLAZNI PODACI : Matrix Form
Promenljive
Desna strana
ogranienja
Znaci
ogr.
26/82
Gubitak po jedinici za x3 > 0
Slobodni
kapaciteti
Korienje
kapaciteta
Raspoloivi
kapaciteti
F
u
n
k
c
i
j
a

c
i
l
j
a

P
r
o
m
e
n
l
j
i
v
e

z
a

o
d
l
u

i
v
a
n
j
e

O
g
r
a
n
i

e
n
j
a

Gubitak po
jedinici za
nedostajue
kapacitete
C2, C3
Status za
bazine
promenljive
Bazine
Na granici
Reducirane cene
Cene u
senci
REENJE : Combined Report
Softver : WinQSB
Modul :
Linear and Integer Programming
z = 45x
1
+ 60x
2
+ 50x
3
max
M1 ... 3x
1
+ 2x
2
+ 1x
3
s 480
M2 ... 2x
1
+ 4x
2
+ 3x
3
s 600
M3 ... 1x
1
+ 1x
2
+ 1,5x
3
s 180
x
1
, x
2
, x
3
> 0
Vrednosti za
promenljive
27/82
REENJE : Combined Report
Softver : WinQSB
Modul :
Linear and Integer Programming
z = 45x
1
+ 60x
2
+ 50x
3
max
M1 ... 3x
1
+ 2x
2
+ 1x
3
s 480
M2 ... 2x
1
+ 4x
2
+ 3x
3
s 600
M3 ... 1x
1
+ 1x
2
+ 1,5x
3
s 180
x
1
, x
2
, x
3
> 0
Donje granice
koefic. c
j
u z(x)
Gornje granice
koefic. c
j
u z(x)
Donje granice
slobodnih lan. b
j

u ogranienjima
Donje granice
slobodnih lan. b
j

u ogranienjima
Donje i gornje granice elemenata koje
omoguavaju prisustvo datih
promenljivih u opt. reenju: (x
1
,x
2
)ex*.
PRIMERI : a) x
1
ex* za c
1
e(30,60); b) (x
1
,x
2
)ex* za b
1
e(420,M=+)
28/82
z = 45x
1
+ 60x
2
+ 50x
3
+ 0Slack_M1 + 0Slack_M2 + 0Slack_M3 max
M1 ... 3x
1
+ 2x
2
+ 1x
3
+ Slack_M1 = 480
M2 ... 2x
1
+ 4x
2
+ 3x
3
+ Slack_M2 = 600
M3 ... 1x
1
+ 1x
2
+ 1,5x
3
+ Slack_M3 = 180
x
1
, x
2
, x
3
> 0
Slack_M1, Slack_M2, Slack_M3 > 0
z = 45x
1
+ 60x
2
+ 50x
3
max
M1 ... 3x
1
+ 2x
2
+ 1x
3
s 480
M2 ... 2x
1
+ 4x
2
+ 3x
3
s 600
M3 ... 1x
1
+ 1x
2
+ 1,5x
3
s 180
x
1
, x
2
, x
3
> 0
TUMAENJE
IZRAVNAVAJUIH
PROMENLJIVIH
Slack nedostizanje, podbaaj
Surplus prekoraenje,
prebaaj
M1 ...
M2 ...
M3 ...
SIMPLEKS METODA POETNA SIMPLEKS TABELA, Iteration 1
29/82
Promena reenja 2 : X1 Basis Slack_M3
Promena reenja 1 : X2 Basis Slack_M2
SIMPLEKS METODA SIMPLEKS TABELE
z*
Optimalno reenje
30/82
C B X
0

c
1
c
2
c
n
c
n+1
=0 c
n+1
=0 c
n+m
=0

x
1
x
2
x
n
x
n+1
x
n+2
x
n+m


c
n+1
=0 X
n+1
b
1
a
11
a
12
a
1n
1 0 0

c
n+1
=0 X
n+2
b
2
a
21
a
22
a
2n
0 1 0



c
n+m
=0 X
n+m
b
2
a
m1
a
m2
a
mn
0 0 0

F
j
-c
j
0 c
1
c
2
c
n
0 0 0


SIMPLEKS METODA SIMPLEKS TABELE
- pivot stupac = max

pivot red (najmanji pozitivan kolinik elemenata baze sa koeficijentima pivot
stupca)

=1 pivot element

pivot red za sve j

ostali elementi u tabeli
31/82
Vektor A
0

K

R
c
j


C
s

Bazino rjeenje Strukturne varijable Dopunske varijable Artificijalne varijable
Var Kol
z
j
c
j

d
j





32/82


, . :

33/82
:




A A
T




34/82
35/82





:
(1) F(x)
F(x);
(2) ,
1, ;

36/82
37/82
38/82
39/82
40/82
DUALNI MODEL
LINEARNOG PROGRAMIRANJA
z = 45x
1
+ 60x
2
+ 50x
3
max
M1 ... 3x
1
+ 2x
2
+ 1x
3
s 480
M2 ... 2x
1
+ 4x
2
+ 3x
3
s 600
M3 ... 1x
1
+ 1x
2
+ 1,5x
3
s 180
x
1
, x
2
, x
3
> 0
y
1
y
2
y
3
Primarni model LP
v = 480y
1
+ 600y
2
+ 180y
3
min
A ... 3y
1
+ 2y
2
+ 1y
3
> 45
B ... 2y
1
+ 4y
2
+ 1y
3
> 60
C ... 1y
1
+ 3y
2
+ 1,5y
3
> 50
y
1
, y
2
, y
3
> 0
Dualni model LP
x
1
x
2
x
3
Dualne
promenljive
Primarne
promenljive
D
u
a
l
n
i

m
o
d
e
l

o
d

d
u
a
l
n
o
g

m
o
d
e
l
a

j
e
s
t
e

P
r
i
m
a
r
n
i

m
o
d
e
l
.

M1 M2 M3
A B C
V
a

i

:

m
a
x

z

=

m
i
n

v

41/82
v = 480y
1
+ 600y
2
+ 180y
3
min
A ... 3y
1
+ 2y
2
+ 1y
3
> 45
B ... 2y
1
+ 4y
2
+ 1y
3
> 60
C ... 1y
1
+ 3y
2
+ 1,5y
3
> 50
y
1
, y
2
, y
3
> 0
Dualni model LP
z = 45x
1
+ 60x
2
+ 50x
3
max
M1 ... 3x
1
+ 2x
2
+ 1x
3
s 480
M2 ... 2x
1
+ 4x
2
+ 3x
3
s 600
M3 ... 1x
1
+ 1x
2
+ 1,5x
3
s 180
x
1
, x
2
, x
3
> 0
Primarni model LP
Normal Model Form
Dual Model Form
WinQSB :
Linear and Integer Programming
Nazivi za
promenljive :
X1, X2, X3
za ogranienja :
M1, M2, M3
Nazivi za
promenljive :
M1, M2, M3
za ogranienja :
X1, X2, X3
42/82

Primer B.
z = 45x
1
+ 60x
2
+ 50x
3
max
M1 ... 3x
1
+ 2x
2
+ 1x
3
s 480
M2 ... 2x
1
+ 4x
2
+ 3x
3
s 600
M3 ... 1x
1
+ 1x
2
+ 1,5x
3
s 180
x
1
, x
2
, x
3
> 0
y
1
y
2
y
3
Primarni model LP
v = 480y
1
+ 600y
2
+ 180y
3
min
A ... 3y
1
+ 2y
2
+ 1y
3
> 45
B ... 2y
1
+ 4y
2
+ 1y
3
> 60
C ... 1y
1
+ 3y
2
+ 1,5y
3
> 50
y
1
, y
2
, y
3
> 0
Dualni model LP
x
1
x
2
x
3
Dualne
promenljive
Primarne
promenljive
D
u
a
l
n
i

m
o
d
e
l

o
d

d
u
a
l
n
o
g

m
o
d
e
l
a

j
e
s
t
e

P
r
i
m
a
r
n
i

m
o
d
e
l
.

M1 M2 M3
A B C
V
a

i

:

m
a
x

z

=

m
i
n

v

43/82

1) Max z(x) funkcija cilja za Primar
neka znaci s za sva ogranienja
za meovita ogranienja, vae proirena pravila
2) Svakom ogranienju Primara pridruuje se promenljiva Y za
Dual
3) Slobodni lanovi Primara = Koeficijenti funkcije cilja Duala
4) Koeficijenti funkcije cilja Primara = Slobodni lanovi Duala
5) Tehnoloka matrica leve strane ogranienja Primara
transponuje se za model Duala (redovi postaju kolone i
obrnuto)
6) Min v(y) funkcija cilja za Dual
znaci > za ogranienja, ako znaci s za sva ogranienja
Primara
PRAVILA za PREVOENJE PRIMARA u DUAL
7) Sve jedno je koji se model reava
Iz reenja Duala moe da se odredi reenje Primara, i obrnuto
Max z(x) = Min v(y)
PRAVILA ZA REENJA
44/82
z = 45x
1
+ 60x
2
+ 50x
3
max
M1 ... 3x
1
+ 2x
2
+ 1x
3
s 480
M2 ... 2x
1
+ 4x
2
+ 3x
3
s 600
M3 ... 1x
1
+ 1x
2
+ 1,5x
3
s 180
x
1
, x
2
, x
3
> 0
y
1
y
2
y
3
Primarni model LP
v = 480y
1
+ 600y
2
+ 180y
3
min
A ... 3y
1
+ 2y
2
+ 1y
3
> 45
B ... 2y
1
+ 4y
2
+ 1y
3
> 60
C ... 1y
1
+ 3y
2
+ 1,5y
3
> 50
y
1
, y
2
, y
3
> 0
Dualni model LP
x
1
x
2
x
3
Dualne
promenljive
Primarne
promenljive
D
u
a
l
n
i

m
o
d
e
l

o
d

d
u
a
l
n
o
g

m
o
d
e
l
a

j
e
s
t
e

P
r
i
m
a
r
n
i

m
o
d
e
l
.

M1 M2 M3
A B C
V
a

i

:

m
a
x

z

=

m
i
n

v


Primer C.
45/82
z = 45x
1
+ 60x
2
+ 50x
3
max
3x
1
+ 2x
2
+ 1x
3
s 480
2x
1
+ 4x
2
+ 3x
3
s 600
1x
1
+ 1x
2
+ 1,5x
3
s 180
x
3
> 20, najmanje 20 pari modela C
x
1
, x
2
, x
3
> 0
PRIMER 5
Donje granice
za promenljive
LowerBound
Polazni podaci : Matrix Form
46/82
z = 45x
1
+ 60x
2
+ 50x
3
max
3x
1
+ 2x
2
+ 1x
3
s 480
2x
1
+ 4x
2
+ 3x
3
s 600
1x
1
+ 1x
2
+ 1,5x
3
s 180
x
3
> 20, najmanje 20 pari modela C
x
1
, x
2
, x
3
> 0
Optimalna reenja
1. Tumaenje za promenljive i cilj : Zamena 30 pari mod. A sa
20 pari mod. C umanuje dobit sa 9.900 na 9.550 za 350.
2. Tumaenje za ogranienja : Slobodno 130 as. M1
PRIMER 4
x
1
* = 60
x
2
* = 120
x
3
* = 0
z* = 9.900
PRIMER 5
x
1
* = 30
x
2
* = 120
x
3
* = 20
z* = 9.550
O
p
t
i
m
a
l
n
o

r
e

e
n
j
e

:


I
z
v
e

t
a
j

C
o
m
b
i
n
e
d


R
e
p
o
r
t

47/82
z = 45x
1
+ 60x
2
+ 50x
3
max
3x
1
+ 2x
2
+ 1x
3
s 480
2x
1
+ 4x
2
+ 3x
3
s 600
1x
1
+ 1x
2
+ 1,5x
3
s 180
x
2
s 75, najvie 75 pari modela B
x
1
, x
2
, x
3
> 0
PRIMER 6
Gornje granice
za promenljive
UpperBound
Polazni podaci : Matrix Form
48/82
z = 45x
1
+ 60x
2
+ 50x
3
max
3x
1
+ 2x
2
+ 1x
3
s 480
2x
1
+ 4x
2
+ 3x
3
s 600
1x
1
+ 1x
2
+ 1,5x
3
s 180
x
2
s 75, najvie 75 pari modela B
x
1
, x
2
, x
3
> 0
PRIMER 4
x
1
* = 60
x
2
* = 120
x
3
* = 0
z* = 9.900
PRIMER 5
x
1
* = 30
x
2
* = 120
x
3
* = 20
z* = 9.550
Optimalna reenja
PRIMER 6
x
1
* = 105
x
2
* = 75
x
3
* = 0
z* = 9.225
O
p
t
i
m
a
l
n
o

r
e

e
n
j
e

:


I
z
v
e

t
a
j

C
o
m
b
i
n
e
d


R
e
p
o
r
t

Tumaenje: za promenljive, cilj, ogranienja
49/82
1. KONTINUALNO LINEARNO PROGRAMIRANJE
ZADACI ZA VEBANJE
ZADATAK 1.
50/82
ZADATAK 2.
Sadraj
51/82
2.
CELOBROJNO
LINEARNO
PROGRAMIRANJE
Ako sa Variable Type = Continuous
promenljive nemaju celobrojne vrednosti
definisati : Variable Type = Integer
NAPOMENA: Celobrojno linearno programiranje spada u klasu modela
Nelinearno programiranje
Sadraj
52/82
z = 45x
1
+ 60x
2
+ 50x
3
max
3,25x
1
+ 2x
2
+ 1x
3
s 480
1,75x
1
+ 4x
2
+ 3x
3
s 600
1x
1
+ 1x
2
+ 1,5x
3
s 180
x
1
, x
2
, x
3
> 0 i celi brojevi
PRIMER 7
Celobrojno
programiranje
Polazni podaci : Matrix Form
Neka je nastupila
promena normativa za
model A (promenljiva
x
1
) na M1 i M2
Optimalno reenje :
Izvetaj Solution Summary
Optimalno reenje:
x
1
* = 53,333; x
2
= 126,667
z* = 10.000
Nisu dopustive necelobrojne vrednosti
za promenljive (broj pari cipela)
Ne zahteva se
celobrojnost za
promenljive
Uoiti promenu naziva za
promenljive i ogranienja
53/82
z = 45x
1
+ 60x
2
+ 50x
3
max
3,25x
1
+ 2x
2
+ 1x
3
s 480
1,75x
1
+ 4x
2
+ 3x
3
s 600
1x
1
+ 1x
2
+ 1,5x
3
s 180
x
1
, x
2
, x
3
> 0 i celi brojevi

Celobrojno
programiranje
Polazni podaci : Matrix Form
Optimalno reenje :
Izvetaj Solution Summary
Optimalno reenje:
x
1
* = 54
x
2
* = 126
z* = 9.9000
Zahteva se celobrojnost
za promenljive
Variable Type = Integer
54/82
z = 45x
1
+ 60x
2
+ 50x
3
max
3,25x
1
+ 2x
2
+ 1x
3
s 480
1,75x
1
+ 4x
2
+ 3x
3
s 600
1x
1
+ 1x
2
+ 1,5x
3
s 180
x
1
, x
2
, x
3
> 0
POREENJE
Necelobrojno programiranje
Celobrojno programiranje
Optimalno reenje
sa zatevom celobroj-
nost za promenljive :
x
1
* = 54; x
2
* = 126
z* = 9.9000
Optimalno reenje
bez zahteva celobroj-
nost za promenljive :
x
1
* = 53,333; x
2
* = 126,667
z* = 10.000
Zahtev celobrojnost za promenljive, REZULTAT : LOIJA VREDNOST z*,
ako bez tog zahteva postoje necelobrojna reenja za promenljive
Ne vri se uobiajeno
zaokruivanje necelih
brojeva na cele brojeve
55/82
Optimalno reenje
Tumaenje ogranienja:
Slobodni kapaciteti
1 (as) za M1 i 147 (as) za M2
100% korienje M3
Zahtevano korienje 300 (jed.) Sirovine 1
z = 45x
1
+ 60x
2
+ 50x
3
max
M1 3,25x
1
+ 2x
2
+ 1x
3
s 480
M2 1,75x
1
+ 4x
2
+ 3x
3
s 600
M3 1x
1
+ 1x
2
+ 1,5x
3
s 180
S1 2x
1
+ 1x
2
+ 3x
3
= 300
x
1
, x
2
, x
3
> 0 i celi brojevi
PRIMER 8
Celobrojno
programiranje
Neka se razmatra i
Sirovina 1, sa
normativima 2, 1, 3
(jedinica sirovine za par
obue) modele A, B, C
i zahtevom da se utroi
tano 300 (jedinica
sirovine)
Reenje: Necelobrojne promenljive
Reenje: Celobrojne promenljive
56/82
z = 45x
1
+ 60x
2
+ 50x
3
max
M1 3,25x
1
+ 2x
2
+ 1x
3
s 480
M2 1,75x
1
+ 4x
2
+ 3x
3
s 600
M3 1x
1
+ 1x
2
+ 1,5x
3
s 180
S1 2x
1
+ 1x
2
+ 3x
3
> 200
x
1
, x
2
, x
3
> 0 i celi brojevi
PRIMER 9
Zahteva se troenje/
angaovanje S1 najmanje 200
(jedinica sirovine)
Sirovina 1 koristi se L.H.S = 234 (jed.), Surplus = 34 vie od zahteva R.H.S = 200
Reduced
Cost
Reducirani
trokovi za
promenljive
at bound
na granici
koje imaju
vrednosti :
> 0
= 0
Shadow
Price
Trokovi u
senci za
ogranienja
57/82
z = 45x
1
+ 60x
2
+ 50x
3
max
M1 ... 3,25x
1
+ 2x
2
+ 1x
3
s 480
M2 ... 1,75x
1
+ 4x
2
+ 3x
3
s 600
M3 ... 1x
1
+ 1x
2
+ 1,5x
3
s 180
S1 ... 2x
1
+ 1x
2
+ 3x
3
> 200
x
1
, x
2
, x
3
> 0 i celi brojevi
TUMAENJE
IZRAVNAVAJUIH
PROMENLJIVIH
z = 45x
1
+ 60x
2
+ 50x
3
+ 0Slack 1 + 0Slack 2 + 0Slack 3 MSurlus 4
max
M1 3,25x
1
+ 2x
2
+ 1x
3
+ Slack 1 = 480
M2 1,75x
1
+ 4x
2
+ 3x
3
+ Slack 2 = 600
M3 1x
1
+ 1x
2
+ 1,5x
3
+ Slack 3 = 180
S1 2x
1
+ 1x
2
+ 3x
3
= 200 + Surplus 4
x
1
, x
2
, x
3
> 0 i celi brojevi
Slack 1, 2, 3; Surplus 4 > 0
Slack nedostizanje, podbaaj
Surplus prekoraenje,
prebaaj
Prevoenje
promenljive
Surplus 4 na
levu stranu
ogranienja S
4
S1 2x
1
+ 1x
2
+ 3x
3
Surplus 4 = 200
M = Beskonano veliki
pozitivni broj
58/82
z = 45x
1
+ 60x
2
+ 50x
3
max
M1 3,25x
1
+ 2x
2
+ 1x
3
s 480
M2 1,75x
1
+ 4x
2
+ 3x
3
s 600
M3 1x
1
+ 1x
2
+ 1,5x
3
s 180
S1 2x1 + 1x2 + 3x3 = K
x
1
, x
2
, x
3
> 0 i celi brojevi
PRIMER 10
SAGLASNOST i
NESAGLASNST
OGRANIENJA
K = 350 (jed.sirov.) ima reenje
K = 365 (jed.sirov.) nema reenje

Softver daje :
upozorenje da nema reenje i
preporuke za promenu desne
strane ogranienja
Za S1 razmatraju se varijante koliina
K sa zahtevom da se utroe u celosti.
59/82
2. CELOBROJNO LINEARNO PROGRAMIRANJE
ZADACI ZA VEBANJE
ZADATAK 3.
60/82
ZADATAK 4.
61/82
ZADATAK 5.
ZADATAK 6.
62/82
ZADATAK 7.
63/82
ZADATAK 8.
Sadraj
64/82
3.
0-1 (Binarno)
LINEARNO
PROGRAMIRANJE
Zahteva se da promenljive imaju vrednosti 1 ili 0
Definisati : Variable Type = Binary
NAPOMENA: 0-1 linearno programiranje spada u klasu modela
Nelinearno programiranje
Sadraj
65/82
z = 45x
1
+ 60x
2
+ 50x
3
max
M1 ...... 3,25x
1
+ 2x
2
+ 1x
3
s 480
M2 ....... 1,75x
1
+ 4x
2
+ 3x
3
s 600
M3 ...... 1x
1
+ 1x
2
+ 1,5x
3
s 180
2 r.para x
1
+ x
2
+ x
3
= 2
x
1
, x
2
, x
3
= 1 ili 0
PRIMER 12
(0,1) PROGRAMIRANJE
Neka se zahteva da se
izrade samo dva (2)
razliita para obue iz
skupa: Model A, B, C
Zahteva se
binarnost za
promenljive
(vrednosti 1 ili 0)
Variable Type =
Bynary
Softver postavlja
UpperBound = 1
P
o
l
a
z
n
i

p
o
d
a
c
i

Optimalno reenje :
Model A, x1* = 0
Model B, x2* = 1
Model C, x3* = 1
Z* = 110
Izraditi Model B i C
66/82
z = 45x
1
+ 60x
2
+ 50x
3
max
M1 ...... 3,25x
1
+ 2x
2
+ 1x
3
s 480
M2 ....... 1,75x
1
+ 4x
2
+ 3x
3
s 600
M3 ...... 1x
1
+ 1x
2
+ 1,5x
3
s 180
2 r.para 1x
1
+ 1x
2
+ 1x
3
= 2
x
1
, x
2
, x
3
= 1 ili 0
NAPOMENA :
Isti zahtev opisuje i model celobrojnog programiranja
(Variable Type = Integer)
sa gornjim granicama za promenljive UpperBound = 1
z = 45x
1
+ 60x
2
+ 50x
3
max
M1 ...... 3,25x
1
+ 2x
2
+ 1x
3
s 480
M2 ....... 1,75x
1
+ 4x
2
+ 3x
3
s 600
M3 ...... 1x
1
+ 1x
2
+ 1,5x
3
s 180
2 r.para 1x
1
+ 1x
2
+ 1x
3
= 2
x
1
s 1, x
2
s 1, x
3
s 1
x
1
, x
2
, x
3
> 0 i celi brojevi
67/82
Odreeni preduzetnik razmatra mogunost da izgradi po jedan industrijski
objekat (A, B i C) razliitih namena (metalni proizvodi, plastini proizvodi,
kondiktorski proizvodi). Svaki objekat zahteva odgovarajuu povrinu
graevinskog zemljita: 10, 8 i 120 (ara), respektivno za A, B i C. Cene
izgradnje objekata iznose 150, 170 i 130 (nov. jedin.). Proizvodnju u
objektima obavljaju specijalisti Radnici 1 (3, 2 i 4 za A, B, C) i Radnici 2
(10, 15 i 10). Odrediti u koje objekte da investira preduzetnik sa ciljem da
ostvari maksimalnu ukupnu dobit polazei sa procenom da eksploatacija
objekata donosi dobit 47,50; 65,00 i 52,00 (nov.jedin./godinje), ako
preduzetnik raspolae sa povrinom 22 (ara) i finansijskim sredstvima 330
(nov.jedin.), a planira da uposli najvie 10 i 35 specijalista Radnici 1 i
Radnici 2.
Model (0,1) programiranja
Nepoznate veliine
x
1
= Investicije-A
x
2
= Investicije-B
x
3
= Investicije-C
x
1
, x
2
, x
3
= 1 ili 0
PRIMER 13 : PROBLEM 2. Izbor investicija
Matematiki model i polazni podaci za softver
Da li je sloeno definisati podatke za softver bez matematikog modela ? Nije !
68/82
Potrebno angaovnje :
Povrina = 20 (ara)
Finansije = 300,00 (n.j).
Radnici 1 = 6
Radnici 2 = 25
Polazni podaci
Optimalno reenje
Maksimalna oekivana
ukupna godinja dobit
117,00 (nov.jedin.)
Investirati u
objekat B i C
Slobodno
z = 47,5x
1
+ 65,0x
2
+ 52,0x
3
max
p.o.
Povr.... 10x
1
+ 8x
2
+ 12x
3
s 22
Cene.... 150x
1
+ 170x
2
+ 130x
3
s 330
Rad1.... 3x
1
+ 2x
2
+ 4x
3
s 10
Rad2.... 10x
1
+ 15x
2
+ 10x
3
s 35
x
1
, x
2
, x
3
= 1 ili 0
Sadraj
69/82
Sadraj
3. (0-1) ili BINARNO LINEARNO PROGRAMIRANJE
ZADACI ZA VEBANJE
ZADATAK 9. Izbor investicija : PROBLEM 2 : Uvoenje novih investicija
Neka se u ranijem problemu izbora investicija (PRIMER 12,
PROBLEM 2) razmatraju jo dve nove investicije D i E sa
oekivanim vrednostima za godinje dobiti 70 i 50 (n.j.), cenama
160 i 140 (n.j.), potrebnim povrina za izgradnju objekata 15 i 5
(ara) i zahtevima da se anguje 5 i 2 specijalista Radnici 1,
odnosno 7 i 14 specijalista Radnici 2, respektivno. Odrediti
optimalno reenje i uporediti sa reenjem polaznog problema.
A B C D E Raspoloivo
Povrina 10 8 12 15 5 s 22 (ara)
Cene 150 170 130 160 140 s 330 (n.j.)
Radnici-1 3 2 4 5 2 s 10 (radn.)
Radnici-2 10 15 10 7 14 s 35 (radn.)
Dobit 47,5 65 52 70 50 (n.j.) max
SUGESTIJA: Uvek prikazati podatke sa podesnom tabelom !
D
a

l
i

j
e

s
l
o

e
n
o

d
e
f
i
n
i
s
a
t
i

p
o
d
a
t
k
e

z
a

s
o
f
t
v
e
r

b
e
z

m
a
t
e
m
a
t
i

k
o
g

m
o
d
e
l
a

?


N
i
j
e

!

70/82
4.
MEOVITO
CELOBROJNO
LINEARNO
PROGRAMIRANJE
Neke promenljive mogu da imaju necelobrojne - realne
vrednosti
Za skup promenljivih se zahtevaju celobrojne
vrednosti proizvoljne celobrojno vrednosti ili/i (ili/i)
binarne (0,1) vrednosti
NAPOMENA: Meovito celobrojno linearno programiranje spada
u klasu modela Nelinearno programiranje
Sadraj
71/82
PRIMER 14 : PROBLEM 3. Proizvodni program
z = 45x
1
+ 60x
2
+ 50x
3
max
p.o.
M1.... 3,75x
1
+ 2x
2
+ 1x
3
s 480
M2.... 1,75x
1
+ 4x
2
+ 3x
3
s 600
M3.... 1x
1
+ 1x
2
+ 1,5x
3
s 180
S1.... 2x
1
+ 1x
2
+ 3x
3
> 200
B .... x
2
s 10,5
x
1
, x
2
> 0
x
3
> 0 i ceo broj
U odreenom
proizvodnom pogonu
mogua je izrada artikala
A, B i C. Njihove koliine
(jedinice mere) izraavaju
se necelobrojnim
vrednostima za A i B i
celim brojevima za C.
Polazni podaci daju se
tabelom: gornje granice
kapaciteta maina i donja
granica korienja sirovine u
planskom periodu, dobit po
jedinici mere artikala i granice
plasmana artikala. Odrediti i
obrazloiti optimalni proizvodni
program maksimizacije dobiti.
Polazni podaci
M
a
t
e
m
a
t
i

k
i

m
o
d
e
l

72/82
Optimalno reenje :
x
1
= 133,50
x
2
= 10,50
x
3
= 24
z = 7.837,50
Potrebno je analizirati
optimalno reenje i sa
stanovita ogranienja.
Da li je sloeno definisati podatke za softver bez matemat. modela ?
z = 45x
1
+ 60x
2
+ 50x
3
max
p.o.
M1.... 3,75x
1
+ 2x
2
+ 1x
3
s 480
M2.... 1,75x
1
+ 4x
2
+ 3x
3
s 600
M3.... 1x
1
+ 1x
2
+ 1,5x
3
s 180
S1.... 2x
1
+ 1x
2
+ 3x
3
> 200
B .... x
2
s 10,5
x
1
, x
2
> 0
x
3
> 0 i ceo broj
Polazni podaci za
primenu softvera
73/82
Sadraj
4. MEOVITO CELOBROJNO
LINEARNO PROGRAMIRANJE
ZADACI ZA VEBANJE
ZADATAK 10. Proizvodni program : PROBLEM 3 : Novi proizvodi
Neka se za PROBLEM 3, PRIMER 14 zahteva da se ispita kakve
promene e nastupiti u optimalnom proizvodnom programu ako
se razmatraju i novi artikli D, E i F. Normativi utroaka mainskog
vremena iznose 5, 0 i 2 za Maina 1, odnosno 2, 3 i 5 za Maina 2,
dok se Sirovina 1 angauje u koliinama 1, 4 i 1, respektivno za
jedinicu artikal D, E i F. Odrediti optimalno reenje za maksimalnu
ukupnu dobit i uporediti sa reenjem polaznog problema, ako
novi artikli ostvaruju dobit 30, 65 i 75 (n.j.) i zahteva se da samo F
ima celobronju vrednost.
74/82
5.
POST-OPTIMALNA
ANALIZA
Promena koeficijenata funkcije kriterijuma
Promena slobodnih lanova desne strane
ogranienja
Promena koeficijenata tehnoloke matrice leve
strane ogranienja
Istovremena promena vie klasa parametara modela
Izostavljanje promenljive, uvoenje nove promenljive
Izstavljanje ogranienja, uvoenje novog ogranienja
Sadraj
Parametarska analiza :
Odreivanje vrednosti funkcije kriterijuma na skupu dopustivih
vrednosti razmatranih elemenata (koeficijenti c
j
, slobodni lanovi b
i
)
75/82
PRIMER 15 : PROBLEM 1. Izrada obue
PRIMER 1.
(max) z = 45x
1
+ 60x
2
p.o.
M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180
x
1
, x
2
> 0
Polazno opt. reenje
x
1
*=60, x
2
=120, z*=9.900
a) Dobit za model A uvea na 55 (n.j.);
b) Dobit za model A uvea za jo 5 (n.j.);
c) Dobit za model A uvea na 65 i za model B na 65;
d) Kapacitet maine M1 povea za 100 ma. asova;
e) Kapcitet M2 i M3 povea za po 25%:
f) Kapacitet M2 koristi samo 70% usled iznenadnog kvara.
a)
(max) z = 55x
1
+ 60x
2
p.o.
M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180
x
1
, x
2
> 0

Grafika
metoda
(korekcija
polaznog
grafika)

Primena
softvera
(korekcija
polaznog
modela)
Dva
postupka :
76/82
x
2
x
1
Grafiki
model
polaznog
problema i
novog
problema
a)
B(60,120)
C(120,60)
D(150,0)
A(0,150)
(90,105)
Nije dopustivo
a)
(max) z = 55x
1
+ 60x
2
p.o.
M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180
x
1
, x
2
> 0
c1 x1 c2 x2 z max
A 55 0 60 150 9.000
B 55 60 60 120 10.500
C 55 120 60 60 10.200
D 55 150 60 0 8.250
10.500 Ostaje X, ostaje x*, ali
vee z**=10.500
X
77/82
PARAMETARSKA ANALIZA
Zavisnost
funkcije
kriterijuma
z(x) od
vrednosti c
1

koeficijenta
za x
1
(dobit
za model A),
nepoznata x
1
Vrednost z*=9.900
za x* sa c
1
=45 iz
polaznog modela
78/82
x
2
x
1
Grafiki
model
polaznog
problema i
novog
problema
a)
C(120,60)
D(150,0)
A(0,150)
b)
(max) z = 60x
1
+ 60x
2
p.o.
M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180
x
1
, x
2
> 0
c1 x1 c2 x2 z max
A 60 0 60 150 9.000
B 60 60 60 120 10.800
C 60 120 60 60 10.800
D 60 150 60 0 9.000
10.800
X
Viestruko optimalno
reenje x** na dui BC :
x
1
*e|60,120|; x
2
*=180-x
1
*
B(60,120)
79/82
Polazni podaci
VIESTRUKO OPTIMALNO REENJE SA SOFTVEROM
b)
(max) z = 60x
1
+ 60x
2
p.o.
M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180
x
1
, x
2
> 0
Optimalno reenje :
x1*=120, x2*=60, z*=10.800
Alternativno
optimalno reenje :
x1*=60, x2*=120,
z*=10.800
Naredba : Results, Obtain Alternate Optimal
80/82
Vektor
perturbacije
|1, 1|
PARAMETARSKA ANALIZA
Zavisnost
funkcije
kriterijuma
z(x) od
vrednosti
c
1
i c
2

(koeficijen.
za x
1
i x
2
),
dobiti za
model A i B.

Vrednost z*=9.900
za x* sa b
1
=480 iz
polaznog modela
81/82
x
2
x
1
Grafiki
model
novog
problema sa
novim
kapacitetom
za M1
B(60,120)
C(120,60)
A(0,150)
(90,105)
Dopustivo
d)
(max) z = 45x
1
+ 60x
2
p.o.
M1 3x
1
+ 2x
2
s 580
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180
x
1
, x
2
> 0
D(150,0)
3x
1
+ 2x
2
s 580
c1 x1 c2 x2 z max
A 45 0 60 150 9.000
B 45 60 60 120 9.900
E 45 180 60 0 8.100
9.900
E(180,0)
Menja se X, ali
ostaje x*, z*
X
82/82
Zavisnost
funkcije
kriterijuma od
vrednosti b
1

kapac. za M1
PARAMETARSKA ANALIZA
Vrednost
z*=9.900 za
x* sa
b
1
=480 iz
polaznog
modela
83/82
x
2
x
1
Grafiki
model za
polazni
problem, sa
ranijim
kapacitetima
za M2 i M3
B(60,120)
C(120,60)
A(0,150)
(90,105)
Nije dopustivo
e)
(max) z = 45x
1
+ 60x
2
p.o.
M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600 1,25
M3 1x
1
+ 1x
2
s 180 1,25
x
1
, x
2
> 0
D(150,0)
SUGESTIJA : Konstruisati prave za
M1 i M2, odrediti X i ispitati funkciju
cilja z(x) u takama u temenima
oblasti X ili primeniti softver.
84/82
d)
(max) z = 45x
1
+ 60x
2
p.o.
M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600 1,25
M3 1x
1
+ 1x
2
s 180 1,25
x
1
, x
2
> 0
Polazno opt. reenje : x
1
*=60, x
2
=120, z*=9.900
Vei kapaciteti za 25% kod M1 i M2 daju
znatno bolje reenje : x
1
*=52,50; x
2
=161,25; z*=12.037,50
Odrediti
celobrona
reenja za
brojeve
pari
modela
obue A i
B
Slobodni
kapaciteti
samo kod M3
Primena softvera
85/82
Zavisnost
funkcije
kriterijuma
od
vrednosti
b
2
i b
3

kapaciteta
za M2 i M3.
PARAMETARSKA ANALIZA
Vrednost z*=9.900
za x* sa b
2
=600 i
b
3
=180 iz polaznog
modela
Vektor
perturbacije
|0, 1, 1|
86/82
x
2
x
1
B(60,120)
C(120,60)
(90,105)
Nije dopustivo
f)
(max) z = 45x
1
+ 60x
2
p.o.
M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180 0,70
x
1
, x
2
> 0
D(150,0)
SUGESTIJA : Konstruisati prave za
M1 i M2, odrediti X i ispitati funkciju
cilja z(x) u takama u temenima
oblasti X ili primeniti softver.
Grafiki
model za
polazni
problem, sa
ranijim
kapacitetom
za M3
A(0,150)
87/82
Polazno opt. reenje : x
1
*=60, x
2
=120, z*=9.900
Manji kapacitet za 70% kod M3 daje znatno
loije reenje : x
1
*=0; x
2
=126;, z*=7.560
f)
(max) z = 45x
1
+ 60x
2
p.o.
M1 3x
1
+ 2x
2
s 480
M2 2x
1
+ 4x
2
s 600
M3 1x
1
+ 1x
2
s 180 0,70
x
1
, x
2
> 0
Slobodni kapaciteti
kod M1 i M2
Izgraditi
samo
model B ili
postaviti
donju
granicu za
model A !
Primena softvera
88/82
Zavisnost
funkcije
kriterijuma
od
vrednosti
b
3

kapaciteta
za M3
PARAMETARSKA ANALIZA
Vrednost z*=9.900 za x* sa
b
3
=180 iz polaznog modela
89/82
PRIMER 16 : ZADATAK 3. Proizvodnja cigareta
90/82
PRIMER 17 : ZADATAK 1. Izrada konfekcije
91/82
5. POST-OPTIMALNA ANALIZA
ZADACI ZA VEBANJE
ZADATAK 11.
92/82
93/82
ZADATAKA 12.
94/82
KRAJ PREZENTACIJE