Yön Eylem Ders Notu

END331 YNEYLEM ARATIRMASI I DERS NOTLARI
Do. Dr. Y. lker Topcu
Teekkr: Prof. W.L. Winston'n "Operations Research: Applications and Algorithms" kitab ile Prof. J.E. Beasley's YA ders notlarnn bu ders notlarnn oluturulmasna olan katklar yznden her iki profesre de teekkr ederiz.... Rastlayabileceiniz tm hatalarn sorumluluu bize aittir. Ltfen bizi bu hatalardan haberdar ediniz! stanbul Teknik Universitesi OR/MS takm
www.isl.itu.edu.tr/ya
Dr. Y. lker Topcu (www.ilkertopcu.net)
NDEKLER 1. YNEYLEM ARATIRMASINA GR............................................................... 1 1.1 1.2 1.3 2. 3. TERMNOLOJ ......................................................................................................... 1 YA YNTEMBLM................................................................................................. 1 YA'NIN TARHES ................................................................................................ 3
TEMEL YA KAVRAMLARI ................................................................................. 5 DORUSAL PROGRAMLAMA .......................................................................... 9 3.1 DPNN FORMLASYONU.................................................................................. 11 Giapetto rnei.............................................................................................. 11 Reklam rnei ............................................................................................... 12 Beslenme rnei ........................................................................................... 13 Postane rnei .............................................................................................. 14 Sailco rnei.................................................................................................. 15 Mteri Hizmet Dzeyi rnei..................................................................... 16 DP zmleri: Drt Durum .......................................................................... 17 Grafik zm ................................................................................................. 17 Simpleks Algoritmas..................................................................................... 23 Byk M Yntemi........................................................................................... 29 Primal Dual.................................................................................................. 32 Bir DPnin Dualini Bulma .............................................................................. 32 Dual Teoremi.................................................................................................. 33 Ekonomik Yorum ........................................................................................... 34 ndirgenmi Maliyet ....................................................................................... 36 Glge Fiyat ..................................................................................................... 36 Kavramsallatrma......................................................................................... 36 Duyarllk iin Lindo ktsnn Kullanlmas .............................................. 37 Baz nemli denklemler ................................................................................ 39 Simpleks Kullanarak Duyarllk.................................................................... 39 Grafik zm Kullanarak Duyarllk............................................................ 41 Dr. Y. lker Topcu (www.ilkertopcu.net) i 3.1.1 3.1.2 3.1.3 3.1.4 3.1.5 3.1.6 3.2 3.2.1 3.2.2 3.2.3 3.2.4 3.3 3.3.1 3.3.2 3.3.3 3.3.4 3.4 3.4.1 3.4.2 3.4.3 3.4.4 3.4.5 3.4.6 3.4.7
DPNN ZM.................................................................................................. 17
DUALTE ................................................................................................................. 32
DUYARLILIK ANALZ .......................................................................................... 36
3.4.8 3.4.9 3.5 3.6 3.7 4. 4.1
Dualite ve Duyarllk ...................................................................................... 42 %100 Kural .................................................................................................... 42
DUAL SMPLEKS YNTEM............................................................................... 43 DZELTLM SMPLEKS YNTEM ............................................................... 44 TMLER GEVEKLK TEOREM....................................................................... 51 ULATIRMA SORUNLARININ FORMLASYONU......................................... 53 Dengeli Ulatrma Sorununun Formulasyonu ........................................... 54 Dengesiz bir Ulatrma Sorununun Dengelenmesi .................................. 55 Kuzeybat Ke Yntemi .............................................................................. 57 Enkk Maliyet Yntemi ............................................................................. 58 Vogel'in Yaklam ......................................................................................... 60
ULATIRMA SORUNLARI ............................................................................... 53 4.1.1 4.1.2 4.2 4.2.1 4.2.2 4.2.3 4.3 4.4 4.5
TEMEL OLURLU ZMN BULUNMASI ..................................................... 56
ULATIRMA SMPLEKS..................................................................................... 61 GEC KONAKLAMA SORUNLARI.................................................................. 64 ATAMA SORUNLARI............................................................................................ 67 DP Gsterimi .................................................................................................. 67 Macar Yntemi ............................................................................................... 67
4.5.1 4.5.2
ii
1. YNEYLEM ARATIRMASINA GR 1.1 TERMNOLOJ "Yneylem Aratrmas" (YA), ngiliz ve Avrupallar tarafndan "Operational Research" ve Amerikallar tarafndan "Operations Research" olarak isimlendirilir ve "OR" olarak ksaltlr. Bu alanda kullanlan bir dier terim de "Ynetim Bilimi"dir (Management Science) ve uluslararas literatrde MS olarak ksaltlr. ki terim birletirilerek "OR/MS" veya "ORMS" de denilir. YA genelde bir "Sorun zme" (problem solving) ve "Karar Verme Bilimi" (decision science) olarak da deerlendirilir. Baz kaynaklarda YA yerine Endstri Mhendislii (Industrial Engineering - IE) kavram da kullanlr. Son yllarda bu alan iin tek bir terim kullanlmaya allmaktadr: OR. Biz de derste bu alan iin Yneylem Aratrmasnn Trke ksaltmas olan YA'y kullanacaz. Yneylem Aratrmas (Ynetim Bilimi) genellikle kt kaynaklarn tahsis edilmesi gereken durumlarda en iyi ekilde bir sistemi tasarlamaya ve iletmeye ynelik karar verme srecine bilimsel bir yaklamdr. Belirli bir hedefi gerekletirmek iin birlikte alan birbirine bal bileenlerin oluturduu dzen sistemdir. 1.2 YA YNTEMBLM Bir sorunun zm iin YA kullanld zaman aadaki yedi admlk sre takip edilmelidir. Adm 1. Sorunun Formlasyonu YA analisti (sorunu olan karar vericiye YA teknikleri ile yardmc olan kii) ilk olarak sorunu tanmlar. Sorunun tanmlanmas; amalarn ve sorunu oluturan sistemin bileenlerinin belirlenmesi ile olur.
Adm 2. Sistemin ncelenmesi Daha sonra analist sorunu etkileyen parametrelerin deerlerini belirlemek iin veri toplar. Sz konusu deerler sorunu temsil edecek bir matematiksel modelin gelitirilmesi (Adm 3) ve deerlendirilmesi (Adm 4) iin kullanlr. Adm 3. Sorunun Matematiksel Modelinin Kurulmas Analist tarafndan sorunu ideal bir ekilde temsil edecek bir matematiksel model gelitirilir. Bu derste modelleme iin eitli yntemler reneceiz. Adm 4. Modelin Dorulanmas nc admda kurulan modelin gerei iyi yanstp yanstmad snanr. u anki durum iin modelin ne kadar geerli olduu belirlenerek modelin geree ne kadar uyduu test edilir. Adm 5. Uygun bir Seenein Seilmesi Eldeki model zerinde bir zm yntemi kullanlarak amalar en iyi karlayan bir seenek (varsa) analist tarafndan seilir. Bazen eldeki seeneklerin kullanm iin snrlandrmalar ve kstlamalar olabilir. Bu yzden amac karlayan seenek bulunamayabilir. Baz durumlarda ise amalar en iyi ekilde karlayan birden fazla sayda seenek bulunabilir. Adm 6. Sonularn Karar Vericiye Sunumu Bu admda, analist modeli ve model zm sonucunda ortaya kan nerileri karar verici ya da vericilere sunar. Seenek says birden fazla ise karar verici(ler) gereksinimlerine gre birini seerler. Sonularn sunumundan sonra, karar verici(ler) neriyi onaylamayabilir. Bunun nedeni uralan sorunun doru tanmlanmamas ya da modelin kurulmasnda karar vericinin yeterince srece karmamas olabilir. Bu durumda analist ilk adma yeniden dnmelidir. Adm 7. nerinin Uygulanmas ve zlenmesi Eer karar verici sunulan neriden memnun kalrsa, analistin son grevi karar vericinin neriyi uygulamasna yardmc olmaktr: Seenein kullanlarak sorunun zmne nezaret etmeli ve zellikle evre koullar deitike amalar karlamaya ynelik dinamik gncellemeler yaparak uygulamay izlemelidir.
1.3 YA'NIN TARHES YA greceli olarak yeni bir bilim daldr. 1930'lu yllarn sonunda YA ilk olarak Birleik Krallk'ta kullanld. 1936 ylnn banda ngiliz Hava Bakanl; dou kysnda, Felixstowe yaknlarnda, Suffolk'da Bawdsey Aratrma stasyonu'nu kurdu. Sz konusu yer hava kuvvetleri sava ncesi radar almalarnn yapld merkezdi. Yine 1936 ylnda Kraliyet Hava Kuvvetleri (RAF) iinde Britanya hava savunmas iin zel bir birlik oluturuldu. Radarn kullanlmaya balamas beraberinde baz sorunlar da getirdi: Uaklarn rotas ve kontrolu gibi elde edilen bilginin doru ve etkin bir ekilde kullanlmas gibi. 1936 ylnn sonunda, Kent'deki Biggin Hill'de kurulan bir grup elde edilen radar bilgisi ile dier uak ile ilgili yer bilgilerinin btnletirilmesini hedefleyen almalar yapt. Sz konusu almalar YA'nn balangc olarak kabul edilebilir. 1937 ylnda Bawdsey Aratrma stasyonu deneysel almalar pratie evirdi ve Radar stasyonu olarak almaya balad. Radardan elde edilen bilgiler btnletirilerek genel hava savunma ve kontrol sistemi oluturuldu. Temmuz 1938'de ky boyunca drt yeni radar istasyonu daha kuruldu. Bu durumda da farkl istasyonlardan elde edilen ve genelde birbirleri ile elien bilginin dorulanmas ve egdm sorunu ortaya kt. Sorunun zm iin ve yaplan ilerin etkinliinin llmesi amacyla Bawdsey Aratrma stasyonu'nda A.P. Rowe bakanlnda bir bilimsel grup oluturuldu. Sz konusu askeri operasyonlarn aratrlmas (Research into Military Operations) ilemine "Operational Research" denildi. Genileyen alma grubu, 1939 yaznda, Stanmore Aratrma stasyonu'nu merkez olarak kullanmaya balad. Sava srasnda Stanmore Aratrma Merkezi, Fransa'daki Alman glerine kar istenen ek uak kuvvetlerinin uygun olup olmadn YA teknikleri kullanarak deerlendirdi ve uygun olmadn gsteren grafiklerle o zamanki babakan Winston Churchill'e bir sunum yapt ve sonuta blgeye ek kuvvet gnderilmeyerek hava kuvvetlerinin gcnn azalmas engellendi. 1941 ylnda Yneylem Aratrmas Blm (Operational Research Section - ORS) kuruldu ve sava bitimine kadar sz konusu grup almalar yapt. 1941 ylnda kurulan Blackett nderliindeki bu gruba yedi ayr bilim dalndan onbir bilim adam katlmt: fizyolog, bir fiziki, iki matematiki, bir astrofiziki, iki fizik matematikisi, bir subay, bir mhendis. Savatan sonra YA almalar zellikle ABD'de askeriye dndaki alanlarda da hzland Dr. Y. lker Topcu (www.ilkertopcu.net) 3
Trkiye'de ise ilk YA almalar, 1 Haziran 1956'da, Alb. Fuat Ulu'un abalar ile Genel Kurmay'da oluturulan yedek subaylardan oluan Harekat Aratrmas grubu ile balad. Seferberlik ve hava savunma konularnda yurtdndan alnan destek ile aratrmalar yapld. lkemizde ilk YA dersi de T Makine Fakltesinde 1960-61 ders ylnda Prof. Dr. lhami Karayaln tarafndan verildi. 1966 ylnda Harekat Aratrmas ismi Yneylem Aratrmas olarak deitirildi.
2. TEMEL YA KAVRAMLARI YA, gerek hayat sistemlerinin matematiksel modellerle temsil edilmesi ve en iyi (optimum) zm bulmak iin kurulan modellere saysal yntemler (algoritmalar) uygulanmasdr. Bir eniyileme (optimizasyon) modeli verilen kstlar salayan karar deikenlerinin tm deerleri arasnda ama fonksiyonunu eniyileyen (enbykleyen veya enkkleyen) deerleri bulmay hedefler rnek Two Mines irketi zel bir cevher kard iki adet maden ocana sahiptir. Ocaklarda retilen cevher snfa ayrlr: yksek, orta, dk kaliteli. irket bir fabrikaya haftalk olarak 12 ton yksek, 8 ton orta ve 24 ton dk kaliteli cevher salamak zere anlamtr. Sz konusu iki maden oca (X ve Y) ayrntlar aada verilen farkl iletim zelliklerine sahiptir. Maden X Y Maliyet ('000 / gn) 180 160 Yksek 6 1 retim (ton/gn) Orta 3 1 Dk 4 6
Anlamay gerekletirmek iin haftasonu retim yaplmayan maden ocaklar haftada ka gn iletilmelidir? Tahmin Two Mines rneini incelemek iin ok basit bir ekilde yargmz kullanarak madenlerin haftada ka gn alacana ynelik olarak fikir yrterek tahmin yapabiliriz.
haftada bir gn X madenini, bir gn Y madenini iletme cevher retilecek bu durumda da 12 tonluk mteri gereksinimi
Bu zm nerisi iyi bir sonu vermeyecek gibi gzkmektedir. Sadece 7 ton yksek kaliteli denilir. Dr. Y. lker Topcu (www.ilkertopcu.net) 5 karlanamayacaktr. Byle bir zme "olurlu (uygun) olmayan" (infeasible) zm
haftada 4 gn X madenini, 3 gn Y madenini iletme
Bu durumda tm mteri gereksinimleri karlanabilmektedir. Byle bir zme de "olurlu" (feasible) zm denilir. Fakat sz konusu zm nerisi ok pahaldr. Anlamay en kk maliyetle salayacak zm isteriz. Tahmin ederek yeni zmler bulsak bile bulduumuz zmn en kk maliyetli olup olmadn bilemeyiz. Yapsal bir yaklam ile en iyi zm bulabiliriz. zm Yapmamz gereken Two Mines rneini szel olarak ifade edip, sz konusu ifadeyi matematiksel bir tanma evirmektir. Bu tipte sorunlar zmeye urarken ncelikle aadaki kavramlar belirlemeliyiz:

deikenler (variables) kstlar (constraints) ama.(objective)
Bu belirleme srecine "formlasyon" ya da daha resmi bir ekilde sorunun matematiksel modelinin formlasyonu denilir. Deikenler Bunlar verilmesi gereken kararlar veya bilinmeyenleri temsil eder. ncelenen sorunda iki adet karar deikeni (decision variable) vardr: x = Bir haftada X maden ocann iletilecei gn says y = Bir haftada Y maden ocann iletilecei gn says Doal olarak x >= 0 ve y >= 0 olacaktr Kstlar Kst, soruna zg durumlarn getirdii snrlamalardr. Kst belirlemenin en iyi yolu nce snrlayc durumlar szel olarak ifade edip daha sonra deikenleri kullanp matematiksel biimde yazmaktr: Cevher retim ksd retilen cevher ile mteri gereksiniminin dengelenmesi Cevher eitleri Yksek Orta Dk 6x + 1y >= 12 3x + 1y >= 8 4x + 6y >= 24
Kstlarda eitlik yerine eitsizlik kullanldna dikkat ediniz. Bu durumda gereksinim duyulandan daha fazla cevher retebiliriz. Eitsizlik kullanma "en iyileme" (optimization) sorunlarndaki kstlarda esneklik salar. Haftalk gn ksd - Haftada belirli bir gnden fazla allamaz. rnein haftada 5 gn allrsa x <= 5 y <= 5 Haftalk gn says gibi kstlar genellikle sakl (implicit) kstlar olarak isimlendirilir nk bu kstlar deikenlerin tanmlanmasnda sakldr Ama irketin amac toplam maliyeti (180x + 160y) en az seviyede tutarak mteri gereksinimlerini karlamaktr. Ele alnan sorunda tm olas olurlu zmlerden ama fonskiyonu deerini enkkleyen karar deikeni deerlerini barndran zm en iyi zmdr. Sorunun amacnn kar enbyklemesi olmas durumunda en iyi zm ama fonksiyonu deerini en byk yapan deer olacaktr. Genel olarak, tm olas olurlu zmlerden ama fonksiyonu deerini en iyi hale getiren karar deikeni deerlerini barndran zme "en iyi" (optimum) zm denilir. Sonu olarak tm kavramlar birarada yazarak tam matematiksel modeli aadaki gibi yazabiliriz: enkkle (minimize) 180x + 160y yle ki (subject to) 6x + y >= 12 3x + y >= 8 4x + 6y >= 24 x <= 5 y <= 5 x,y >= 0
Yukarda verilen matematiksel model aadaki biimdedir:

tm deikenler sreklidir (continuous) tek bir ama vardr (enbykleme (maximize) veya enkkleme (minimize)) ama ve kst fonksiyonlar dorusaldr. Fonksiyondaki her terim ya sabit saydr ya da bir sabitle arplm deikendir (rnein 24, 0, 4x, 6y dorusal terimlerdir fakat xy, x2 dorusal deildir).
Yukardaki koulu salayan herhangi bir formlasyon bir "Dorusal Program"dr (DP; linear program - LP). Bir sorunu DP ile incelediimizde yukardaki koullara uymak iin baz varsaymlar yaparz. Ele aldmz rnekte haftalk alma gn saysnn kesirli olabilecei (tam say olmak zorunda olmamas) gibi. Aslnda bu tip sorunlar zmek iin "Tam sayl programlama" (integer programming- IP) teknikleri de kullanlabilir.
Matematiksel model (formlasyon) kurulduktan sonra algoritma ad verilen saysal bir zm teknii kullanlarak ama fonksiyonunun "en iyi" (optimum) deerini verecek (enbykleme sorunlarnda en byk, enkklemede en kk) ve tm kstlar salayacak ekilde karar deikeni deerleri bulunur. "YA, gerek hayat sistemlerinin matematiksel modellerle temsil edilmesi ve en iyi zm bulmak iin kurulan modellere saysal yntemler (algoritmalar) uygulanmasdr."
3. DORUSAL PROGRAMLAMA Two Mines rnei incelenirse, bir matematiksel modelin bir "Dorusal Program" (DP; linear program - LP) olmas iin aadaki koullar salamas gerektii grlr: Tm deikenler sreklidir (continuous) Tek bir ama vardr (enbykleme (maximize) veya enkkleme (minimize)) Ama ve kst fonksiyonlar dorusaldr. Fonksiyondaki her terim ya sabit saydr ya da bir sabitle arplm deikendir DP'ler nemlidir nk: ok sayda sorun DP olarak formle edilebilir "Simpleks algoritmas" kullanlarak DP'ler zlebilir ve en iyi zm bulunabilir retim planlama Rafineri ynetimi Karm Datm Finansal ve ekonomik planlama gc planlamas Tarmsal planlama Gda planlama
DP'lerin temel uygulama alanlarna aada eitli rnekler verilmitir:
DP'ler iin drt temel varsaym sz konusudur: Oransallk o Her karar deikeninin ama fonksiyonuna katks karar deikeninin deeri ile orantldr (Drt asker retmenin ama fonksiyonuna (kra) katks (4$3=$12) bir askerin ama fonkisyonuna katksnn ($3) tam olarak drt katdr.) o Her karar deikeninin kstlarn sol tarafna katks karar deikeninin deeri ile orantldr. ( asker retmek gerekli montaj zaman (2 saat 3 =
6 saat) tam olarak bir asker retmek iin gerekli montaj zamannn (2 saat) katdr.) Toplanabilirlik o Herhangi bir karar deikeninin ama fonksiyonuna katks dier karar deikenlerinin deerlerinden bamszdr. (Trenin (x2) deeri ne olursa olsun, asker (x1) retmek her zaman ama fonksiyonuna 3x1 dolar katk yapacaktr.) o Herhangi bir karar deikeninin kst sol tarafna katks dier karar deikenlerinin deerlerinden bamszdr. (x1in deeri ne olursa olsun, x2 retimi x2 saat montaj ve x2 saat marangozluk gerektirir.) Sonu 1: Ama fonksiyonu deeri her bir karar deikeninin katksnn toplamna eittir. Sonu 2: Her bir ksdn sol taraf deeri her bir karar deikeninin katksnn toplamna eittir. Blnebilirlik Karar deikenleri tam say olmayan deerler alabilir. Eer tam say deerler kullanmak artsa TP kullanlmaldr. (1.69 tren retmek kabul edilebilir.) Kesinlik Her parametre kesin olarak bilinmektedir.
10
3.1 DPNN FORMLASYONU 3.1.1 Giapetto rnei (Winston 3.1., s. 49) Giapetto tahtadan oyuncak asker ve tren yapmaktadr. Sat fiyatlar, bir oyuncak asker iin $27, bir oyuncak tren iin $21'dr. Bir asker iin $10'lk hammadde ve $14'lk iilik kullanlmaktadr. Bir tren iin ise sz konusu rakamlar srasyla $9 ve $10'dr. Her bir asker iin 2 saat montaj ve 1 saat marangozluk gerekirken, her bir tren iin 1 saat montaj ve 1 saat marangozluk gerekmektedir. Eldeki hammadde miktar snrszdr, fakat haftada en ok 100 saat montaj ve 80 saat marangozluk kullanabilen Giapetto'nun haftada en fazla 40 oyuncak asker satabileceini gz nnde bulundurarak karn enbyklemek iin hangi oyuncaktan haftada ka adet retmesi gerektiini bulunuz. Yant Karar deikenleri tam olarak verilmesi gereken (bu sorunda Giapetto tarafndan) kararlar tanmlamaldr. Giapetto bir haftada ka oyuncak asker ve tren yapacana karar vermelidir. Bu karara gre aadaki karar deikenleri tanmlanabilir: x1 = bir haftada retilen asker says x2 = bir haftada retilen tren says Ama fonksiyonu karar deikenlerinin bir fonksiyonudur. Gelir veya karn enbyklemek ya da maliyetini enkklemek isteyen karar vericinin amacn yanstr. Giapetto haftalk karn (z) enbyklemek isteyecektir. Bu sorunda kar (haftalk gelir) (hammadde satnalma maliyeti) (dier deiken maliyetler) olarak formle edilebilir. Bu durumda Giapettonun ama fonksiyonu: Enbykle z = 3x1 + 2x2 Kstlar karar deikenlerinin alabilecei deerler zerindeki, snrlamalar gsterir. Herhangi bir snrlama olmazsa Giapetto ok fazla sayda oyuncak reterek ok byk kar elde edebilir. Fakat gerek hayatta olduu gibi burada da kstlar vardr Haftalk kullanlabilen montaj iilii zaman Haftalk kullanlabilen marangozluk zaman Askerler iin haftalk talep aret snrlamalar da eer karar deikenleri salt negatif olmayan deerler alyorsa kullanlmaldr (Giapetto negatif sayda asker veya tren retemez!). Dr. Y. lker Topcu (www.ilkertopcu.net) 11
Yukardaki tm bu zellikler aadaki Dorusal Programlama (DP; Linear Programming - LP) modelini verir: Maks z = 3x1 + 2x2 s.t. 2x1 + x2 100 x1 + x2 80 x1 40 x1, x2 0 (Ama fonksiyonu) (Montaj ksd) (Marangozluk ksd) (Talep ksd) (aret snrlamalar)
Eer (x1,x2)nin bir deeri (bir zm) tm bu kstlar ve iaret snrlamalarn salarsa, sz konusu zm olurlu blgededir (feasible region). Grafik olarak ya da hesaplayarak sorun zldnde olurlu blgedeki zmlerden ama fonksiyon deeri en yksek olan zmn (x1,x2) = (20,60) olduunu ve z=180 deerini verdiini buluruz. Bu zm en iyi zmdr (optimal solution). Rapor Haftada 20 asker ve 60 tren retilmesi durumunda kar $180 olacaktr. Kar miktarlar, eldeki iilik ve talebe gre elde edilebilecek en byk kar budur. Daha fazla iilik bulunursa kar oalabilir. 3.1.2 Reklam rnei (Winston 3.2, s. 61) Dorian irketi, yksek gelirli mterileri iin otomobil ve jeep retmektedir. Televizyondaki tiyatro oyunlarna ve futbol malarna bir dakikalk spot reklamlar vererek satlarn arttrmay hedeflemektedir. Tiyatro oyununa verilen reklamn maliyeti $50bin'dir ve hedef kitledeki 7 milyon kadn ve 2 milyon erkek tarafndan seyredilebilir. Futbol mana verilen reklamn maliyeti ise $100bin'dir ve hedef kitledeki 2 milyon kadn ve 12 milyon erkek tarafndan seyredilebilir. Dorian yksek gelirli 28 milyon kadn ve 24 milyon erkee en az maliyetle nasl ular? Yant Karar deikenleri aadaki gibi belirlenebilir: x1 = tiyatro oyununa verilen reklam says x2 = futbol mana verilen reklam says Sorunun modeli:
12
min z = 50x1 + 100x2 yle ki 7x1 + 2x2 28 2x1 + 12x2 24 x1, x20 Grafik zm yaplrsa (x1,x2) = (3.6,1.4) deerleri iin ama fonksiyonunun en iyi deeri z = 320 olarak bulunur. Grafie baklarak en iyi tamsayl zm (x1,x2) = (4, 2) olarak bulunabilir. Rapor Hedeflenen kitleye ulamak iin en az maliyetli zm 4 adet reklam tiyatro oyununda ve 2 adet reklam futbol manda kullanmak gerekir. Bu durumda Dorian $400bin reklam masraf yapacaktr. 3.1.3 Beslenme rnei (Winston 3.4., s. 70) Bayan Fidan drt "temel gda grubu" ile beslenmektedir: kek, ikolatal dondurma, kola, ananasl pasta. Bir adet kek $0.5'a, bir kak dondurma $0.2'a, bir ie kola $0.3'a ve bir dilim pasta $0.8'a satlmaktadr. Her gn en az 500 kalori, 6 oz. ikolata, 10 oz. eker ve 8 oz. ya almas gereken Bayan Fidan en az maliyetle bu gereksinimlerini nasl karlar? Aadaki tabloyu kullanarak bir DP modeli kurup sorunu znz. Kalori Kek (1 adet) ikolatal dondurma (1 kak) Kola (1 ie) Ananasl pasta (1 dilim) Yant Karar deikenleri: x1: gnlk yenilecek kek says x2: gnlk yenilecek kak dondurma says x3: gnlk iilecek ie kola says x4: gnlk yenilecek dilim pasta says eklinde belirlenebilir. Bu durumda ama fonksiyonu (cent cinsinden toplam gnlk maliyet): min w = 50 x1 + 20 x2 + 30 x3 + 80 x4 Kstlar: 400 200 150 500 ikolata (ounce) 3 2 0 0 eker (ounce) 2 2 4 4 Ya (ounce) 2 4 1 5
13
400 x1 + 200 x2 + 150 x3 + 500 x4 > 500 3 x1 + 2 x1 + 2 x1 + Rapor 2 x2 2 x2 + 4 x2 + 4 x3 + x3 + > 5 x4 > 6 8 4 x4 > 10
(gnlk kalori) (gnlk ikolata) (gnlk eker) (gnlk ya) (iaret snrlamalar!)
xi > 0, i = 1, 2, 3, 4
Bayan Fidan gnde 3 kak dondurma yiyip 1 ie kola ierek tm besin gereksinimlerini karlayabilir ve sadece 90 cent harcar (w=90, x2=3, x3=1). 3.1.4 Postane rnei (Winston 3.5., s. 74) Bir postanede haftann her gn farkl sayda elemana gereksinim duymaktadr. Sendika kurallarna gre bir eleman 5 gn pe pee almakta dier iki gn izin yapmaktadr. altrlmas gereken toplam en az eleman saysn aadaki i ykne gre hesaplaynz. Gerekli eleman Yant Karar deikenleri xi (i. gn almaya balayan eleman says) olsun Matematiksel olarak DP modeli aadaki gibi oluturulabilir: min z = x1 x1 x1 x1 x1 x1 +x2 +x3 +x4 +x4 +x2 +x2 +x3 +x2 +x3 +x4 +x2 +x3 +x4 +x2 +x3 +x4 +x3 +x4 +x5 +x6 +x7 +x5 +x6 +x7 +x5 +x6 +x7 +x6 +x7 +x7 +x5 +x5 +x6 +x5 +x6 +x7 17 13 15 19 14 16 11 Pzt Sal ar Per Cum Cmt Paz 17 13 15 19 14 16 11
xt0, t Rapor
(xt) = (4/3,10/3,2,22/3,0,10/3,5), z = 67/3 eklindedir. Karar deikeni deerleri yakn tamsaylara yuvarlanrsa (xt) = (2,4,2,8,0,4,5), z=25 zm bulunur (yanl olabilir!). Elde edilen Tamsayl Lindo zmne gre ise ama fonksiyonun en iyi deeri z=23'dr ve (xt) = (4,4,2,6,0,4,3) eklindedir.
14
3.1.5 Sailco rnei (Winston 3.10., s. 99) Sailco irketi gelecek drt mevsimde ka adet yelkenli reteceine karar verecektir. Talep srasyla 40, 60, 75 ve 25 yelkenlidir. Sailco tm talepleri zamannda karlamaldr. Balangta Sailco'nun envanterinde 10 yelkenli vardr. Normal mesai ile bir mevsimde 40 yelkenli retebilen irket yelkenli bana $400 iilik maliyetine maruz kalmaktadr. Fazla mesai ile yaplan her ek yelkenli iin ise iilik maliyeti $450'dr. Herhangi bir mevsimde yaplan yelkenli ya talebi karlamak iin kullanlp satlr ya da envantere konulur. Bir yelkenlinin bir mevsim envanterde tutulmas durumunda ise $20 envanter tama maliyeti olumaktadr. Yant t = 1,2,3,4 iin karar deikenleri xt = t. mevsimde normal mesai ile retilen yelkenli says yt = t. mevsimde fazla mesai ile retilen yelkenli says Envanter hesaplarnn yaplabilmesi iin kullanlacak deikenler: it = t. mevsimin sonunda envanterdeki yelkenli says dt = t. dnem iin yelkenli talebi Veri Mantksal olarak Talep karlanmal (aret snrlamalar xt 40, t it = it-1+ xt + yt - dt, t. it 0, t xt,yt0, t)
Bu kst kmelerini kullanarak toplam maliyet zyi enkklemeliyiz: z = 400(x1+x2+x3+x4) + 450(y1+y2+y3+y4) + 20(i1+i2+i3+i4) Rapor Lindo en iyi zm (x1, x2, x3, x4) = (40, 40, 40, 25), (y1, y2, y3, y4) = (0, 10, 35, 0) ve toplam maliyet = $78450.00 olarak verir. retim izelgesi: Normal mesai (xt) Fazla mesai (yt) Envanter (it) Talep (dt) M1 40 0 10 40 M2 40 10 0 60 M3 40 35 0 75 M4 25 0 0 25
10
15
3.1.6 Mteri Hizmet Dzeyi rnei (Winston 3.12, s. 108) Bir bilgisayar irketinde mteri hizmetleri iin deneyimli uzmana olan talep (adamsaat/ay) aadaki gibidir: t Ocak ub Mart Nis May dt 6000 7000 8000 9500 11000 Ocak ay banda irkette 50 deneyimli uzman vardr. Her uzman ayda 160 saat alabilir. Yeni bir uzman yetitirmek iin deneyimli uzmanlar 50 saat ayrmaktadr ve sz konusu uzmann eitimi bir ayda tamamlanmaktadr. Her deneyimli uzmana ayda $2000, her yeni uzmana ise ayda $1000 denmektedir. Her ay deneyimli uzmanlarn %5'i iten ayrlmaktadr. irket hem hizmet talebini karlamak istemekte hem de maliyetleri enazlamak istemektedir. Sorunu zmek iin DP modeli kurunuz. Yant Karar deikenleri: xt = t aynda eitilecek uzman says lem yapabilmek iin kullanlan dier deikenler ise yt = t. ayn banda irketteki deneyimli uzman says dt = t. ayn hizmet talebi Bu durumda min z = 2000(y1+...+y5)+1000(x1+...+x5) yle ki 160yt-50xt dt y1 = 50 yt = .95yt-1+xt-1 xt,yt0 for t = 2,3,4,5 for t = 1,...5
16
3.2 DPNN ZM
3.2.1 DP zmleri: Drt Durum Bir DP zld zaman aadaki drt durumdan biri ile karlalr: 1. DPnin bir tek en iyi zm vardr. 2. DPnin alternatif (ok sayda) en iyi zmleri vardr. Birden fazla (aslnda sonsuz sayda) en iyi zm bulunur. 3. DP olurlu deildir (infeasible). Hi olurlu zm yoktur (Olurlu blgede nokta yoktur). 4. DP snrl deildir (unbounded). Olurlu blgedeki noktalar sonsuz byklkte ama fonksiyon deeri vermektedir. 3.2.2 Grafik zm Sadece iki deikenli herhangi bir DPnin zm grafiksel olarak bulunabilir rnek 1. Giapetto (Winston 3.1, s. 49) Giapetto DPnin sadece iki karar deikeni olduundan grafik zerinde zme gidilebilir Yant The feasible region is the set of all points satisfying the constraints. maks z = 3x1 + 2x2 yle ki 2x1 + x2 100 x1 + x2 80 x1 x1, x2 0 40 (Montaj ksd) (Marangozluk ksd) (Talep ksd) (aret snrlamalar)
Aadaki kstlar salayan noktalar kmesi olurlu blgedir. DPyi salayan noktalar kmesi DGFEH begeni ile snrlandrlmtr. Bu begen (boyal blge) zerindeki veya iindeki herhangi bir nokta olurlu blgededir.
17
X2
B
finishing constraint Feasible Region
(Minimization) z = 100 min 180x + 160y st 6x + y >= 12 3x + y >= 8 4x + 6y >= 24 x <= 5 y <= 5 = 60 x,yz>= 0
20 40
carpentry constraint
DP iin olurlu blgeyi belirledikten sonra en iyi zm iin aratrma yaplabilir. En iyi zm, olurlu blgede en fazla z deerini veren noktadr (enbykleme sorunu). En iyi zm bulmak iin, z deerleri ayn olan bir doru izilir. Enbykleme sorunu iin bu izgi e kar (isoprofit) dorusu; enkkleme sorunu iinse e maliyet (isocost) dorusu olarak isimlendirilir (ekilde z = 60, z = 100 ve z = 180 iin e kar dorular grlmektedir). Bir tek en iyi zm varsa, e kar dorusu olurlu blgeyi terk ederken bir ke (vertex - corner) ile kesiir. Bu DP iin en iyi zm z = 180 iin G noktas (x1, x2) = (20,60) eklindedir. Karar deikenlerinin en iyi zm deerleri kullanldnda bir ksdn sol taraf deeri ile sa taraf deeri eitse o kst aktif (sk; binding, tight) bir ksttr. Karar deikenlerinin en iyi zm deerleri kullanldnda bir ksdn sol taraf deeri ile sa taraf deeri eit deilse o kst aktif olmayan (nonbinding) bir ksttr. Giapetto DPde montaj iilii ve marangozluk kstlar aktiftir. te yandan talep ksd aktif olmayan bir ksttr nk en iyi zmde x1 < 40 (x1 = 20).
100 80 60
D
demand constraint
F
z = 180
E 40 50
A 60
C 80 X1
10
20
18
rnek 2. Reklam (Winston 3.2, s. 61) Reklam DPnin sadece iki karar deikeni olduundan grafik zerinde zme gidilebilir Yant Aadaki kstlar salayan noktalar kmesi olurlu blgedir. min z =50x1 + 100x2 yle ki 7x1 + 2x2 28 (yksek gelirli kadn) (yksek gelirli erkek) 2x1 + 12x2 24 x1, x2 0
X2
B
14
12
High-income women constraint
10 Feasible 8 Region
6 z = 600 4 z = 320 High-income men constraint 2 D A 2 4 6 8 10 E C 12 14
X1
Dorian toplam reklam maliyetini enkklemek istedii iin sorunun en iyi zm olurlu blgede en az z deerini veren noktadr. En az z deerli e maliyet dorusu E noktasndan gemektedir; bu yzden en iyi zm x1 = 3.6, x2 = 1.4 ve z = 320 eklindedir. Dr. Y. lker Topcu (www.ilkertopcu.net) 19
Hem yksek gelirli kadn hem de yksek gelirli erkek kstlar saland iin her ikisi de aktif kstlardr. rnek 3. ki Maden min yle ki 180x + 160y 6x + y >= 12 3x + y >= 8 4x + 6y >= 24 x <= 5 y <= 5 x,y >= 0 Yant
En iyi zm iin maliyet 765.71dir. 1.71 gn X madeni ve 2.86 gn Y madeni altrlmaldr.
20
rnek 4. Deitirilmi Giapetto maks z = 4x1 + 2x2 s.t. 2x1 + x2 100 x1 + x2 80 x1 x1, x2 0 Yant 100 B 40 (Finishing constraint) (Carpentry constraint) (Demand constraint) (Sign restrictions)
80 D G
E H 40
A 50
C 80
x1
G (20, 60) ve F (40, 20) noktalar arasndaki doru zerindeki noktalar alternatif en iyi zmleri verir. 0c1 iin c [20 60] + (1-c) [40 20] = [40-20c, 20+40c] en iyi zmdr. Tm en iyi zmler iin en iyi ama fonksiyon deeri 200dr. rnek 5. Deitirilmi Giapetto (v. 2) x2 90 (Tren talebi) ksdn ekleyelim. Yant Olurlu blge yoktur: Olurlu olmayan DP Dr. Y. lker Topcu (www.ilkertopcu.net) 21
rnek 6. Deitirilmi Giapetto (v. 3) Sadece x2 90 ksd olsun. Yant E kar dorusu olurlu blgeyi terk edemez: Snrl olmayan DP
22
3.2.3 Simpleks Algoritmas Tm DP sorunlarnn (ikiden fazla sayda karar deikeni olanlarn da) en iyi zm olurlu blgenin bir kesindedir. Simpleks algoritmas bu gerei kullanarak zme gider. Balangta olurlu blgenin bir kesi ile ileme balanr ve eer sz konusu ke en iyi zm vermezse yeni bir adm (iterasyon) iletilerek ama fonksiyonunu iyiletiren (veya ayn brakan) baka bir komu keye geilir. Bu admlar en iyi DP zm bulununcaya kadar srer. DP'leri zmek iin kullanlan simpleks algoritmas Dantzig tarafndan 1940'l yllarn sonunda gelitirilmitir. Daha sonra algoritma gelitirilip yeni versiyonlar gelitirilmitir. Bunlardan biri olan "revised simpleks algoritmas" DP zm iin kullanlan bilgisayar paketlerinde kullanlmaktadr. Admlar 1. DPyi standart biime eviriniz 2. Bir temel olurlu zm (basic feasible solution - bfs) bulunuz 3. Mevcut bfsnin en iyi zm olup olmadn aratrnz. En iyi ise sorun zlmtr, durunuz. 4. Mevcut bfs en iyi zm deilse, ama fonksiyon deerini en ok iyiletirmek iin hangi temel d deikenin temel deiken olacan (zme gireceini) ve hangi temel deikenin zmden kp temel d deiken olacan saptayarak yeni bir bfs bulunuz. 5. Adm 3e dnnz. lgili kavramlar: Standart biim: tm kstlar eitliktir ve tm deikenler negatif olmayan deerler alr bfs: tm deikenlerin negatif olmayan deerler ald bir olurlu zm Temel d deiken: bfsde deerleri 0a eit olan deikenler Temel deiken: bfsdeki dier deikenler, standart biimdeki eitliklerin zlmesi ile 0dan byk deerler alrlar
23
rnek 1. Dakota Mobilya (Winston 4.3, s. 134) Dakota mobilya irketi sra, masa ve sandalye yapmaktadr. Her rn iin, aadaki tabloda grld gibi, snrl miktarda kullanlabilen tahta, marangozluk ve montaj iilii gerekmektedir. Ayn tabloda rnlerin sat fiyatlar da verilmitir. Haftada en fazla 5 masa satlabilmektedir. Haftalk kar enbykleyecek bir retim plan oluturunuz. Kaynak Tahta (m2) Montaj iilii Marangozluk Talep (maks) Fiyat ($) DP Modeli: x1, x2, x3 bir haftada retilen sra, masa ve sandalye says olsun. z ise Dakota'nn haftalk kar miktarn gstersin. Aadaki DP'yi formle edebiliriz maks z = 60x1+30x2+20x3 yle ki 8x1+ 6x2+ x3 48 4x1+ 2x2+1.5x3 20 2x1+1.5x2+ .5x3 8 x2 x1,x2,x3 0 5 Sra 8 4 2 60 Masa 6 2 1.5 5 30 Sandalye Kullanlabilen. 1 48 1.5 20 .5 8 20
Simpleks algoritmas ile zm ncelikle gevek (slack) deikenler kullanarak DP modelini standart biime getiriniz ve modeli kanonik bir ekilde yaznz. R0 R1 R2 R3 R4 x1,x2,x3,s1,s2,s3,s40 z -60x1 8x1 4x1 2x1 -30x2 -20x3 x3 + s1 + s2 + s3 =0 = 48 = 20 =8 + s4 = 5 + 6x2 +
+ 2x2 +1.5x3 +1.5x2 + .5x3 x2
24
Bir balang temel olurlu zm bulunuz Sorun iin (x1, x2, x3) = 0 zm olurlu olduundan, aada verilen nokta bir balang temel olurlu zmdr (basic feasible solution bfs): x1 = x2 = x3 = 0, s1 = 48, s2 = 20, s3 = 8, s4 = 5. Bu bfsde karar deikeni temel d deiken (non-basic variables) ve gevek deiken de temel deikendir (basic variables) ve deerleri kanonik modeldeki eitliklerden bulunur. . Mevcut bfsnin en iyi zm olup olmadn kontrol ediniz Temel d herhangi bir deikenin deerinin oaltlmas (temele girmesi) ile znin deerinin iyilemesinin mmkn olup olmad aratrlr. Eer tm temel d deikenlerin ama fonksiyon satrndaki (0. satr; row 0 R0) katsaylar 0 ya da 0dan bykse (nonnegative), mevcut bfs en iyi (optimal) zmdr (znin deeri daha ok iyiletirilemez). Fakat rnekte tm temel d deikenlerin 0. satrdaki katsaylar negatiftir: zm en iyi deildir. Yeni bfsnin bulunmas Enbyklenmek istenen z en ok x1 sfrdan farkl yapld zaman oalr: x1 giren deikendir R1 incelendiinde x1in en fazla 6 olabilecei grlr. Aksi takdirde s1 < 0 olacaktr. Benzer ekilde R2 ve R3 srasyla 5 ve 4 snrlarn verir. Son satrda x1 olmadndan herhangi bir snrlama sz konusu deildir. Bu durumda tm snrlamalarn (aslnda sa taraf deerlerinin giren deiken katsaylarna "oran"larnn oran testi) en k olan 4, x1'in alabilecei en byk deerdir. x1 = 4 olduunda s3 = 0 olup zmden kar ve kan deiken olarak isimlendirilir. R3 de pivot denklem olur. x1 temel deiken olduu iin birim matrise girecek ekilde sistem yeniden dzenlenir. Yeni pivot denklem (R3/2): R3 : x1+.75x2+.25x3+ .5s3 =4 R3 kullanlarak x1 tm dier satrlarda yok edilir. R0=R0+60R3, R1=R1-8R3, R2=R2-4R3, R4=R4
25
R0 R1 R2 R3 R4

+15x2 - x2 x1 +.75x2 x2
-5x3 - x3 +.5x3 +.25x3 + s1 + s2
+30s3 -4s3 -2s3 +.5s3
= 240 = 16 = 4 = 4 + s4 = 5
z = 240 s1 = 16 s2 = 4 x1 = 4 s4 = 5
Yeni bfs x2=x3=s3=0, x1=4, s1=16, s2=4, s4=5 eklindedir ve z=240 olur Mevcut bfsin optimalliini kontrol ediniz ve en iyi zm bulunana kadar admlar tekrar ediniz x3 girer. Oran testi sonucu x3 = 8 bulunur; s2 kar: kinci satr pivot denklem olur. Pivot denklemde (R2) giren deikenin katsays 1 yaplr: R2 -2x2+x3+2s2-4s3 = 8 (R22).
R2 satr ilemleri ile dier satrlarda giren deiken yok edilir: R0=R0+5R2, R1=R1+R2, R3=R3-.5R2, R4=R4 Yeni bfs: x2=s2=s3=0, x1=2, x3=8, s1=24, s4=5; z = 280. Sfrnc satrdaki tm temel d deikenlerin katsays pozitiftir (5x2, 10s2, 10s3). MEVCUT ZM EN Y ZMDR (OPTIMAL SONU) Rapor: Dakota mobilya irketi haftalk karn enbyklemek iin 2 sra ve 8 sandalye retmelidir. Bu durumda 280$ kar eder. Simpleks algoritmas tablolarla gsterilirse (Siz de tm dev ve snavlarda her ilem iin tablo kullann!!!) maks z = 60x1+30x2+20x3 yle ki 8x1+ 6x2+ x3 48 4x1+ 2x2+1.5x3 20 2x1+1.5x2+ .5x3 8 x2 x1,x2,x3 0 5
26
Balang tablosu:
z 1 0 0 0 0 x1 x2 x3 s1 0 1 0 0 0 s2 0 0 1 0 0 s3 0 0 0 1 0 s4 0 0 0 0 1 ST 0 48 20 8 5 TD z=0 s1 = 48 s2 = 20 s3 = 8 s4 = 5 Oran 6 5 4 -60 -30 -20 8 6 1 4 2 0 2 1.5 1 1.5 0.5 0
lk tablo:
z 1 0 0 0 0 x1 0 0 0 1 0 x2 15 0 -1 0.8 1 x3 -5 -1 0.5 0.3 0 s1 0 1 0 0 0 s2 0 0 1 0 0 s3 30 -4 -2 0.5 0 s4 0 0 0 0 1 ST 240 16 4 4 5 TD z = 240 s1 = 16 s2 = 4 x1 = 4 s4 = 5 Oran 8 16 -
kinci ve en iyi tablo:

z 1 0 0 0 0 x1 0 0 0 1 0 x2 5 -2 -2 1.3 1 x3 0 0 1 0 0 s1 0 1 0 0 0 s2 10 2 2 0 s3 10 -8 -4 0 s4 0 0 0 0 1 ST 280 24 8 2 5 TD z = 280 s1 = 24 x3 = 8 x1 = 2 s4 = 5
-0.5 1.5
rnek 2. Deitirilmi Dakota Mobilya Dakota rneini $35/masa olarak deitirelim Yeni z = 60 x1 + 35 x2 + 20 x3 Yeni sorun iin ikinci ve en iyi (optimal) tablo: Z 1 0 0 0 0 x1 0 0 0 1 0 x2 0 -2 -2 1.25 1 x3 0 0 1 0 0 s1 0 1 0 0 0 s2 10 2 2 -.5 0 s3 10 -8 -4 1.5 0 s4 0 0 0 0 1 ST 280 24 8 2 5 TD z=280 s1=24 x3=8 x1=2 s4=5 2/1.25 5/1 Oran
27
Bir dier en iyi tablo: z 1 0 0 0 0 x1 0 1.6 1.6 0.8 -0.8 x2 0 0 0 1 0 x3 0 0 1 0 0 s1 0 1 0 0 0 s2 10 1.2 1.2 -0.4 0.4 s3 10 -5.6 -1.6 1.2 -1.2 s4 0 0 0 0 1 ST 280 27.2 11.2 1.6 3.4 TD z=280 s1=27.2 x3=11.2 x2=1.6 s4=3.4
Bu yzden en iyi zm aadaki gibidir: z = 280 ve 0 c 1 iin x1 x2 x3 = c 2 0 8 + (1c) 0 1.6 11.2 = 2c 1.6 1.6c 11.2 3.2c
rnek 3. Snrl Olmayan DPler z 1 0 0 x1 0 0 1 x2 2 1 1 x3 -9 -6 -1 x4 0 1 0 s1 12 6 1 s2 4 -1 0 ST 100 20 5 TD z=100 x4=20 x1=5 Yok Yok Oran
Oran testi yaplamad iin zlmek istenen DP snrl olmayan DPdir.
28
3.2.4 Byk M Yntemi Eer bir DP'de > veya = kstlar varsa, Simpleks yntemi kullanlarak bir balang temel olurlu zm (bfs) oluturulamaz. Bu durumda Byk M (Big M) yntemi veya ki Evreli (Two Phase) Simpleks yntemi kullanlmaldr. Byk M yntemi Simpleks Algoritmasnn bir trdr: Soruna yapay (artificial) deikenler de eklenerek bir bfs bulunur. DP'nin ama fonksiyonu da sonuta yapay deikenlerin katsaylar 0 olacak ekilde yeniden dzenlenir. Admlar 1. ncelikle tm kstlar sa taraf (ST; Right Hand Side - RHS) deerleri negatif olmayacak ekilde dzenlenir (ST deeri negatif olan kstlar -1 ile arplr. Bu arpm sonucu eitsizliin ynnn deieceini unutmaynz!). Dzenlemelerden sonra her kst <, > veya = kst olarak snflandrlr 2. Tm kstlar standart biime evrilir. Eer kst < kstsa, sol tarafa simpleks ynteminde olduu gibi gevek deiken si eklenir. Eer kst > kstsa, sol taraftan bir fazlalk (excess) deiken ei karlr. 3. Tm > veya = kstlarn sol tarafna bir yapay deiken ai eklenir. Ayn zamanda yapay deikenler iin iaret snrlamas (ai > 0) da eklenir. 4. M ok byk bir say olsun. Eer DP enkkleme sorunu ise, ama fonksiyonuna (her yapay deiken iin) Mai eklenir. Eer DP enbykleme sorunu ise, ama fonksiyonuna (her yapay deiken iin) -Mai eklenir. 5. Her yapay deiken balang temel zmnde olaca iin ama fonksiyonundan (0. satr) elenmelidir (katsaylar sfr olacak ekilde dzenleme yaplmaldr). Daha sonra simpleks algoritmasnn admlar kullanlarak (M'nin byk bir say olduu unutulmadan!) zme gidilir. Yukardaki 5 admla dzenlenen yeni DP'nin en iyi zmnde tm yapay deikenler 0'a eit karsa, esas sorunun en iyi zm bulunmutur. Eer yeni DP'nin en iyi zmnde en az bir yapay deiken pozitif bir deer alrsa, esas sorun zmszdr (infeasible)!!!
29
rnek 1. Oranj Meyve Suyu (Winston 4.10., s. 164) Bevco irketi, portakal gazozu ile portakal suyunu kartrarak Oranj ismiyle portakall meyve sular retmektedir. Portakal gazozunun bir onsunda 0.5 oz. eker ve 1 mg C vitamini vardr. Portakal suyunun bir onsunda ise 0.25 oz. eker ve 3 mg C vitamini vardr. Bevco bir oz. portakal gazozu retmek iin 2, bir oz. portakal suyu retmek iin ise 3 harcamaktadr. irketin pazarlama blm Oranj' 10 oz.luk ielerde satmak istemektedir. Bevco'nun her bir iede en az 20 mg C vitamini bulunmasn ve en ok 4 oz. eker olmas artn en az maliyetle karlamasn salaynz. DP Modeli x1 ve x2 bir ie Oranj'da bulunmas gereken portakal gazozu ve portakal suyu miktar olsun. DP modeli aadaki gibi kurulur. min z = 2 x1 + 3 x2 0.5 x1+ 0.25 x2 < 4 x1+ x1+ x1,x2 > 0 Byk M yntemi ile zm Adm 1. Tm kstlarn ST deerleri negatif olmayacak ekilde kstlar yeniden dzenleyiniz Tm kstlarn ST deeri pozitiftir Adm 2. Tm kstlar standart biime eviriniz z 2 x1 x1+ x1+ 3 x2 = 0 = 4 - e2 = 20 = 10 3 x2 x2 0.5 x1+ 0.25 x2 + s1 3 x2 > 20 x2 = 10 (eker ksd) (C vit. ksd) (10 ozluk ie ksd)
tm deikenler > 0 Adm 3. > veya = kstlara ai yapay deikenini ekleyiniz z 2 x1 x1+ x1+ 3 x2 3 x2 x2 - e2 + a2 + a3 = 0 = 4 = 20 = 10 R0 R1 R2 R3 0.5 x1+ 0.25 x2 + s1
tm deikenler > 0 Dr. Y. lker Topcu (www.ilkertopcu.net) 30
Adm 4. Ama fonksiyonuna Mai ekleyiniz (min. sorunu iin) min z = 2 x1 + 3 x2 + M a2 + M a3 Sfrnc satr (R0) aadaki gibi olacaktr: z 2 x1 3 x2 M a2 M a3 = 0 Adm 5. Yapay deikenleri R0'dan eleyecek ekilde yeni R0 oluturunuz Yeni R0 = R0 + M R2 + M R3 z + (2M2) x1 + (4M3) x2 M e2 Balang tablosu: z 1 0 0 0 x1 2M-2 0.5 1 1 x2 4M-3 0.25 3 1 s1 0 1 0 0 e2 -M 0 -1 0 a2 0 0 1 0 a3 0 0 0 1 ST 30M 4 20 10 TD z=30M s1=4 a2=20 a3=10 16 20/3* 10 Oran = 30M Yeni R0
Enkkleme sorununda, sfrnc satr katsays "en pozitif" olan deiken giren deikendir! lk tablo: z 1 0 0 0 En iyi tablo: z 1 0 0 0 Rapor: Bir ie Oranj'da, 5 oz. portakal gazozu ve 5 oz. portakal suyu olmaldr. Bu durumda toplam maliyet 25 olacaktr. x1 0 0 0 1 x2 0 0 1 0 s1 0 1 0 0 e2 -1/2 -1/8 -1/2 1/2 a2 (1-2M)/2 1/8 1/2 -1/2 a3 (3-2M)/2 -5/8 -1/2 3/2 ST 25 1/4 5 5 TD z=25 s1=1/4 x2=5 x1=5 x1 (2M-3)/3 5/12 1/3 2/3 x2 0 0 1 0 s1 0 1 0 0 e2 (M-3)/3 1/12 -1/3 1/3 a2 (3-4M)/3 -1/12 1/3 -1/3 a3 0 0 0 1 ST 20+3.3M 7/3 20/3 10/3 TD z s1 x2 a3 28/5 20 5* Oran
31
3.3 DUALTE 3.3.1 Primal Dual Herhangi bir DP ile ilikisi olan bir dier DP dual (eters) olarak isimlendirilir. Dual bilgisi ekonomik ve duyarllk analizi ile ilgili ilgin aklamalar salar. Duali alnan DP primal olarak isimlendirilir. Primal model enbykleme sorunu ise dual enkkleme sorunu olur. Bu kuraln tam tersi de dorudur. 3.3.2 Bir DPnin Dualini Bulma Normal enbykleme sorununun duali normal enkkleme sorunudur. Normal enbykleme sorunu tm deikenlerin 0 veya 0dan byk olduu ve tm kstlarn olduu bir sorundur. Normal enbykleme sorunu tm deikenlerin 0 veya 0dan byk olduu ve tm kstlarn olduu bir sorundur. Benzer ekilde, normal enkkleme sorununun duali de normal enbykleme sorunudur. Normal Enbykleme Sorununun Dualini Bulma PRMAL maks z = yle ki c1x1+ c2x2 ++ cnxn a11x1 + a12x2 + + a1nxn b1 a21x1 + a22x2 + + a2nxn b2 am1x1 + am2x2 + + amnxn bm xj 0 (j = 1, 2, ,n) DUAL min w = yle ki b1y1+ b2y2 ++ bmym a11y1 + a21y2 + + am1ym c1 a12y1 + a22y2 + + am2ym c2 a1ny1 + a2ny2 + + amnym cn yi 0 (i = 1, 2, ,m)
32
Normal Enkkleme Sorununun Dualini Bulma PRMAL min w = yle ki b1y1+ b2y2 ++ bmym a11y1 + a21y2 + + am1ym c1 a12y1 + a22y2 + + am2ym c2 a1ny1 + a2ny2 + + amnym cn yi 0 (i = 1, 2, ,m) DUAL maks z = yle ki c1x1+ c2x2 ++ cnxn a11x1 + a12x2 + + a1nxn b1 a21x1 + a22x2 + + a2nxn b2 am1x1 + am2x2 + + amnxn bm xj 0 (j = 1, 2, ,n) Normal Olmayan Enbykleme Sorununun Dualini Bulma Eer i. primal kst > kstsa, ilgili dual deiken yi < 0 eklinde olmaldr. Eer i. primal kst eitlikse, ilgili dual deiken yi "iareti snrlandrlmam" (unrestricted in sign - urs) deikendir. Eer i. primal deiken urs ise, i. dual kst eitliktir.
Normal Olmayan Enkkleme Sorununun Dualini Bulma Eer i. primal kst < kstsa, ilgili dual deiken xi < 0 eklinde olmaldr Eer i. primal kst eitlikse, ilgili dual deiken xi "iareti snrlandrlmam" (urs) deikendir. Eer i. primal deiken urs ise, i. dual kst eitliktir
3.3.3 Dual Teoremi Primal ve dualin en iyi ama fonksiyon deerleri eittir (eer sorunlar iin en iyi zm varsa).
33
Zayf dualiteye gre; dual iin herhangi bir olurlu zmn w-deeri en fazla primal iin herhangi bir olurlu zmn z-deeri kadar olabilir olarak kullanlabilir. Primal snrl deilse (unbounded) dual olurlu deildir (infeasible) Dual snrl deilse primal olurlu deildir. Primal enbykleme sorunu ise en iyi tablonun sfrnc satrndan en iyi dual zm nasl okunur? yi dual deikeninin en iyi deeri = en iyi R0da sinin katsays = en iyi R0da einin katsays = en iyi R0da ainin katsays M dual zm nasl okunur? xi dual deikeninin en iyi deeri = en iyi R0da sinin katsays = en iyi R0da einin katsays = en iyi R0da ainin katsays + M 3.3.4 Ekonomik Yorum Primal normal enbykleme sorunu olduunda, dual deikenler karar vericiye salanabilecek kaynaklarn deeri ile ilgili olur. Bu yzden dual deikenlerden ou kez kaynak glge fiyatlar olarak sz edilir. rnek PRMAL x1, x2, x3 retilen sra, masa ve sandalye saysn gstersin. Haftalk kar $z iken DP modeli: maks z = 60x1+30x2+20x3 8x1+ 6x2+ x3 48 8 (Tahta kst) (Montaj kst) (Marangozluk kst) 4x1+ 2x2+1.5x3 20 2x1+1.5x2+0.5x3 x1,x2,x3 0 (kst i ise) (kst i ise) (kst i = ise) (kst i ise) (kst i ise) (kst i = ise) z w. Dual iin herhangi bir olurlu zm primal ama fonksiyon deeri iin snr
Primal enbykleme sorunu ise en iyi tablonun sfrnc satrndan en iyi
34
DUAL Farzedelim ki bir giriimci Dakota'nn tm kaynaklarn (hammadde) satn almak istiyor. Dual sorunda y1, y2, y3 srasyla bir m2 tahta, bir ssat montaj iilii ve bir saat marangozluk iin denmesi gereken creti gsterir. $w de kaynak satn alma toplam maliyetini gsterir. Kaynak cretleri Dakota'y sata tevik edecek kadar yksek; giriimciyi vazgeirmeyecek kadar az olmaldr. Bu durumda da toplam satn alma maliyeti toplam kar kadar olur. min w = 48y1+ 20y2+ 8y3 8y1 + 6y1 + 4y2 + 2y3 60 (Sra kst) 2y2 + 1.5y3 30 (Masa kst)
y1 + 1.5y2 + 0.5y3 20 (Sandalye kst) y1,y2,y3 0
35
3.4 DUYARLILIK ANALZ 3.4.1 ndirgenmi Maliyet Herhangi bir temel d deikenin indirgenmi maliyeti (reduced cost), deikenin temel deiken olmas (DP'nin en iyi zmne girmesi) iin ama fonksiyon katsaysnda yaplacak iyiletirme miktardr. Eer bir xk temel d deikeninin ama fonksiyon katsays indirgenmi maliyet kadar iyiletirilirse, DP'nin bir tek en iyi zm olmaz: alternatif zmler vardr. xk, sz konusu zmlerden en az birinde temel deiken; en az birinde ise temel d deiken konumundadr. Eer xk temel d deikeninin ama fonksiyon katsays indirgenmi maliyetten daha fazla iyiletirilirse, yeni DP'nin tek bir en iyi zmne ulalr ve bu zmde xk temel deiken olur (xk>0). Temel deikenin indirgenmi maliyeti sfrdr (tanma baknz)! 3.4.2 Glge Fiyat DP modelinin i. ksdnn glge fiyat (shadow price), sz konusu ksdn sa taraf (ST; Right Hand Side - RHS) deerinin 1 birim oaltlmas durumunda, en iyi ama fonksiyon deerinin ne kadar iyiletiini (enbykleme sorununda ne kadar arttn, enkkleme sorununda ne kadar azaldn) gsterir. Bu tanm sadece deiimden nceki zmn deiimden sonra da ayn kalmas durumunda geerlidir! Bir > ksdn glge fiyat her zaman 0 ya da 0'dan kk (nonpositive); bir < ksdn glge fiyat ise her zaman 0 ya da 0'dan byk (nonnnegative) olacaktr. 3.4.3 Kavramsallatrma maks z = 5 x1 + x2 + 10 x3 x1 x2 Tm deikenler 0 Bu ok kolay bir DP modelidir ve simpleks kullanlmadan elle de zlebilir: x2 = 1 (Bu deiken ilk kstta yoktur, bu durumda sorun enbykleme olduundan ikinci ksdn sol taraf deeri 1'e eit olur) Dr. Y. lker Topcu (www.ilkertopcu.net) 36 + x3 100 1
x1 = 0, x3 = 100 (Bu iki deiken ise salt ilk kstta kullanlmlardr ve x3'n ama fonksiyon deeri x1'inkinden byk olduu iin x3'n en iyi deeri birinci kst ST deerine eit olur) Bu durumda en iyi zm aadaki gibidir: z = 1001, [x1, x2, x3] = [0, 1, 100] Ayn zamanda duyarlk analizi de elle hesaplanabilir: ndirgenmi Maliyet x2 ve x3 temel deiken (en iyi zmde) olduklarndan, indirgenmi maliyetleri 0'dr. x1'i temel deiken yapabilmek iin ama fonksiyon katsaysn en az x3'n ama fonksiyon katsays kadar yapmak dier bir deyile 5 (10-5) birim oaltmak gerekir. Yeni ama fonksiyonu (maks z = 10 x1 + x2 + 10 x3) olacak ve [x1, x2, x3] iin en az iki en iyi zm bulunacaktr: [0, 1, 100] ve [100, 1, 0]. Bu durumda x1'in indirgenmi maliyeti 5'dir Eer x1'in ama fonksiyon katsaysn indirgenmi maliyet deerinden daha fazla oaltrsak en iyi zm bir tane olacaktr: [100, 1, 0]. Glge Fiyat Eer birinci ksdn ST deeri 1 birim arttrlrsa, x3'n yeni en iyi zm deeri 100 yerine 101 olacaktr. Bu durumda da z'nin yeni deeri 1011 olacaktr. Tanmdan faydalanp tersten gidersek: 1011 - 1001 = 10, birinci ksdn glge fiyat deeridir. Benzer ekilde ikinci ksdn glge fiyat 1 olarak hesaplanr (ltfen hesaplaynz). 3.4.4 Duyarllk iin Lindo ktsnn Kullanlmas DKKAT: Simpleks'de sfrnc satr olan ama fonksiyonu Lindo'da birinci satr (Row 1) olarak kabul edilir! Bu yzden ilk kst, Lindo'da her zaman ikinci satrdr!!! MAX 5 X1 + X2 + 10 X3 SUBJECT TO 2) X1 + X3 <= 100 3) X2 <= 1 END LP OPTIMUM FOUND AT STEP 1
37
OBJECTIVE FUNCTION VALUE 1) 1001.000 VARIABLE VALUE X1 0.000000 X2 1.000000 X3 100.000000 REDUCED COST 5.000000 0.000000 0.000000 DUAL PRICES 10.000000 1.000000
ROW SLACK OR SURPLUS 2) 0.000000 3) 0.000000
RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X1 5.000000 5.000000 INFINITY X2 1.000000 INFINITY 1.000000 X3 10.000000 INFINITY 5.000000 RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 2 100.000000 INFINITY 100.000000 3 1.000000 INFINITY 1.000000 Lindo kts x1, x2 ve x3 deikenlerinin indirgenmi maliyetlerini (reduced costs) 5, 0 ve 0 olarak vermektedir. Enbykleme sorunlarnda temel d bir deikenin indirgenmi maliyeti ayn zamanda Lindo ktsndaki ama fonksiyon katsaylar aralndaki (obj. coefficient ranges) o deiken iin izin verilen oal (allowable increase) deeri ile de bulunabilir. Burada x1 iin sz konusu deer 5'dir. Enkkleme sorunlarnda ise temel d deikenin indirgenmi maliyeti izin verilen azal (allowable decrease) deerine eittir. Ayn Lindo ktsndan, glge fiyatlar (shadow prices) da kstlarn "dual price" deerleri okunarak bulunabilir: rneimizde birinci ksdn (satr 2) glge fiyat 10'dur. kinci ksdn (satr 3) glge fiyat ise 1'dir.
38
3.4.5 Baz nemli denklemler Eer bir ksdn ST deerindeki bir deiim en iyi zmn deimeyecei izin verilen ST aralklarnda (allowable RHS range) ise aadaki denklemler kullanlarak yeni ama fonksiyon deeri hesaplanabilir: enbykleme sorunu iin
yeni ama fn. deeri = eski ama fn. deeri + (yeni ST eski ST) glge fiyat yeni ama fn. deeri = eski ama fn. deeri (yeni ST eski ST) glge fiyat
enkkleme sorunu iin
Lindo rneinde, izin verilen ST aral oal (allowable increase in RHS ranges) sonsuz (infinity) olduu iin her iki ksdn da ST deerini istediimiz kadar oaltabiliriz. Fakat izin verilen ST aral azalna (allowable decrease) gre birinci ksd en fazla 100, ikinci ksd ise 1 birim azaltabiliriz. Birinci ksdn yeni ST deerinin 60 olduunu dnelim. ncelikle izin verilen aralklar kontrol edilir. oal sonsuz olduundan birinci denklemi kullanabiliriz (maks sorunu): zyeni = 1001 + ( 60 - 100 ) 10 = 601 3.4.6 Simpleks Kullanarak Duyarllk Dakota mobilya rneinde x1, x2, x3 srasyla retilen sra, masa ve sandalye miktar idi. Kar enbyklemek iin kurulan DP: maks z = 60x1 30x2 20x3 x3 + s1 + s2 + s3 = 48 = 20 = 8 + s4 = 5 Tahta Montaj Marangozluk Talep
8x1 + 6x2 +
4x1 + 2x2 +1.5x3 2x1 +1.5x2 + .5x3 x2
Bu sorunun en iyi zmn de bulmutuk: z +5x2 -2x2 -2x2 +x3 +x1 +1.25x2 x2 +s1 +10s2 +2s2 +2s2 +10s3 -8s3 -4s3 +s4 = 280 = 24 = = = 8 2 5 39
-.5s2 +1.5s3
Analiz 1 Mevcut montaj iilii miktar deisin: 20 20+, bu durumda sistem de deiecektir: z' = 60x1' + 30x2' + 20x3' 8x1' + 6x2' + x3' +s1' +s2' +s3' = 48 = 20+ = 8 +s4' = 5 4x1' + 2x2' +1.5x3' 2x1' +1.5x2' + .5x3' + x2'
Deien sistem aadaki gibi de yazlabilir: z' = 60x1' + 30x2' + 20x3' 8x1' + 6x2' + x3' +s1' +(s2'-) +s3' = 48 = 20 = 8 +s4' = 5 4x1' + 2x2' +1.5x3' 2x1' +1.5x2' + .5x3' + x2'
z,x1,x2,x3,x4,s1,s2-,s3,s4 deiimden nceki sorunu, dolaysyla (1)'i salar. Gerekli deiiklikler yaplrsa yeni en iyi zm: z' +5x2' -2x2' -2x2' +x3' +x1' +1.25x2' x2' ve bylece z' +5x2' -2x2' -2x2' +x3' +x1' +1.25x2' x2' elde edilir -4 4 aral iin yeni sistem en iyi zm verir: Bu aralkta ST deerleri negatif olmaz. +s1' +10s2' +2s2' +2s2' +10s3' -8s3' -4s3' +s4' = 280+10 = 24+2 = = 8+2 2-.5 = 5 +s1' +10(s2'-) +2(s2'-) +2(s2'-) +10s3' -8s3' -4s3' +s4' = 280 = 24 = = = 8 2 5
-.5(s2'-) +1.5s3'
-.5s2' +1.5s3'
40
oaldka, toplam kar da 10 kadar oalmaktadr. Bu durumda montaj iilii ksdnn glge fiyatnn $10/saat olduunu (4 saat azalma ve 4 saat oalmaya izin verildiini unutmadan) syleyebiliriz . Analiz 2 Eer sralarn fiyat $60+ olursa ne olur? Kk bir iin kar 2 oalr nk en iyi zm 2 sra yaplmasn nermektedir. Peki sz konusu kar katsays ne kadar oaltlabilir? Yeni gelir: z' = (60+)x1+30x2+20x3 = z+x1 = (280-5x2-10s2-10s3)+(2-1.25x2+.5s2-1.5s3) = 280+2-(5+1.25)x2-(10-.5)s2-(10+1.5)s3 eklindedir. Yeni sfrnc satr aadaki gibi olmaldr: z'+(5+1.25)x2+(10-.5)s2+(10+1.5)s3 = 280+2 Optimalliin (en iyi zmn) bozulmamas iin bu satrdaki tm terimlerin 0 olmas gerekir. -4 20 aralnda mevcut retim izelgesi optimaldir. Analiz 3 Eer temel d deikenlerden birinin kar katsays deiirse yeni gelir: z = 60x1+(30+)x2+20x3 = z+x2 = 280-5x2-10s2-10s3+x2 = 280-(5-)x2-10s2-10s3 eklinde hesaplanr. Optimalliin bozulmama art 5'dir. Fakat > 5 olursa (gelir $35den fazla olursa) masa retmek daha iyi olacaktr. Bu durumda da masa iin indirgenmi maliyetin $5.00 olduu sylenebilir. 3.4.7 Grafik zm Kullanarak Duyarllk Snfta ilenecektir.
41
3.4.8 Dualite ve Duyarllk Snfta ilenecektir. 3.4.9 %100 Kural Snfta ilenecektir.
42
3.5 DUAL SMPLEKS YNTEM (Enbykleme sorunu iin) En negatif STyi seeriz Bu pivot satrn temel deikeni zmden kar Pivot satrdaki negatif katsayl deikenler iin oranlar hesaplanr (sfrnc satrdaki katsay / pivot satrdaki katsay) Mutlak deerce en kk oranl deiken zme girer. rnek: z 1 0 0 0 x1 0 0 1 0 x2 0 1 0 0 s1 1.25 2.25 - 1.25 - 0.75 s2 0.75 - 0.25 0.25 - 0.25 s3 0 0 0 1 RHS 41.25 2.25 3.75 - 0.75
s3 negatif ST deerine sahip olduu iin zmden kar. 1.25 / -0.75 ve 0.75 / -0.25 oranlarnn mutlak deerce en k ilk oran olduu iin ilk stunu temsil eden s1 zme girer. En iyi zm: z = 40, x1 = 5, x2 = 0
43
3.6 DZELTLM SMPLEKS YNTEM (Dr. ule nsel ahin) Simpleks ynteminin matris formunda gsterimi Deiken says=n, kst says=m olmak zere, maks cx Ax=b x0 b= orjinal tablonun sa taraf deerleri aj= orjinal tablodaki xj deikenine karlk gelen stun B = A matrisinin temel deikenlerine kar gelen m adet stundan oluan altmatris. (Btemel matris) A, x ve cyi, temel ve temel olmayan deikenlere kar gelen stunlara gre iki ksma ayralm:
A = [B, N] x = [xB, xN] c = [cB, cN]
Temel olmayanlara gelenler
deikenlere
kar
Temel deikenlere kar gelenler
maks cBxB + cNxN BxB + NxN = b xB, xN 0
B matrisi dorusal bamsz vektrlerden olutuu iin tersini bulabiliriz. B-1 B-1(BxB + NxN IxB = b) + B-1 B-1 BxB NxN + B-1 = NxN B-1 = B-1b b
xB=B-1b B-1NxN xN = 0 diyerek Bye kar gelen temel zm bulabiliriz: xB = B-1 b
44
Ama fn: Z = cB xB + cN xN = cB (B-1 b B-1 NxN) + cN xN cBB-1 b + (cN cBB-1N)xN z (cN cBB-1 N)xN = cBB-1 b z + (cBB-1N cN)xN = cBB-1 b Tabloya yerletireceimiz denklem = cBB-1 N cN (maliyet vektr olarak tanmlanr.) Tablo halinde gsterelim: c A 0 b cB B cN N 0 b
cB ve B temel deikenler, cN ve N temel olmayan deikenlerdir ve genellikle yasal biimde deildir. Eer B matrisi temel olarak kullanlrsa, buna kar gelen tablo 0 ... 0 ... 0 cBB-1N cN (0) cBB-1b I B-1N B-1b (0)
rnek:
Olurluluk koulu: B-1b0 (Maks ve Min problemleri iin geerli) (Maks) Eniyilik koulu: cBB-1N cN0 0 (Min) Maks z = 2x1 + 2x2 + 4x3 x1 + x2 + x3 6 x1 + 2x2 + 3x3 12 xi0, i
K.
Standart form Maks z = 2x1 + 2x2 + 4x3 K. x1 + x2 + x3 + s1 = 6
45
x1 + 2x2 + 3x3 + s2 = 12 xi0, sj0 x1 -2 1 1 x2 -2 1 2 x3 -4 1 3 s1 0 1 0 i=1, 2, 3 s2 0 0 1 0 6 12 j=1, 2
B matrisi, herhangi iki dorusal bamsz vektrden oluabilir. B = (s1, s2) veya B = (x1, x2) olabilir. Diyelim ki;
x1 x 3 1 1 B= 1 3 x 2 s1 s 2 1 1 0 N= 2 0 1
cN = [2 0 0 ]
c B = [2 4 ]
6 b= 12
B 1 = 1 3 1 3 2 = 2 1 1 1 2
1 1 2
daima orijinaller kullanlr
1 1
3 B 1 b = 2 1 2 3 B 1N = 2 1 2
6 3 = 3 2 12
2
yeni sa taraf
3 1 1 2 2 23
1 1 1 0 = 2 1 1 2 2 22 2 0 1 23
3 2 2 1 1 2 2
2 2
1 = c B B 1N c N = [2 4 ] 2 1 2
[2 0 0 ] = [3 1 1] [2 0 0 ] = [1 1 1] 0
En iyilik koulu salanyor. Ama fn deeri

3 Z = c B B -1 b = [2 4 ] = 18 = z * 3
46
En iyi zm:
3 = x 1 B 1 b = 3 = x 3 x 2 = s1 = s 2 = 0
* * *
Dzeltilmi simpleks ynteminin temel noktalar Temel deikenler tanmland anda, B temel matrisi otomatik olarak bulunmu demektir. Bylece B-1 ve standart formdaki orijinal veriler yardmyla o temele kar gelen tablo btnyle hesaplanabilir. Simpleks ynteminin aamalar, bu yntem iin de aynen geerlidir. Hesaplama kolaylklar o Byk DP problemlerinde Gauss-Jordan satr ilemleri, kontrol edilemeyen birikimli makine yuvarlama hatalarna yol aarlar. Dzeltilmi simpleks ynteminde B-1 ve orijinal veriler ile alldndan, B-1in hesaplanmas srasndaki yuvarlama hatalarn denetim altnda tutarak, hesaplamalardaki doruluu kontrol edebiliriz. o Aslnda simpleks tablosunun tmn hesaplamak gerekmemektedir. Bu da, baz byk DP problemlerinde daha az sayda ileme yol aabilir.
Dzeltilmi simpleks ynteminin basamaklar (Maks) Bir balang zmn (temel B ve temelin tersi B-1) verildiini dnelim. Basamak 1: Temel zm
x B = B 1 b = b
ile bulunur. xN = 0dr.
Ama fn: z = c B B 1b = c B b Basamak 2: Btn temel olmayan deikenler iin zj cj = cBB-1aj cj hesaplanr. Eer btn zj cj 0 ise, eniyi zme ulalm demektir. Aksi takdirde basamak 3e geilir. Basamak 3: zk ck = enbyk |zj cj| olarak alnr. yk = B-1ak. Eer yk 0 ise, zm snrszdr. Aksi halde, temelden kacak olan deiken bulunur.
47
b br = enk i : y ik > 0 y rk 1im y ik
Bu en kk oran veren xBr, temelden ayrlr. B matrisi gncelletirilir (aBr yerine ak girer) ve basamak 1e dnlr. rnek: Maks x1 + 2x2 x3 + x4 + 4x5 2x6 K. x1(a1) + x2(a2) + x3(a3) + x4(a4) + x5(a5) + x6(a6) 6 x7(a7) 2x1 x2 2x3 + x4 4 x8(a8) x3 + x4 + 2x5 + x6 4 x9(a9) (x7, x8 ve x9 gevek deikenler) xi 0, i=1, ..., 6 Balang zm x7, x8 ve x9 dan olusun. B = [a7, a8, a9] = I 1. terasyon Basamak 1: B-1 = B = I
1 x B = B -1 b = 1 1 6 6 4 = 4 = b 4 4
6 z = c B B b = [0 0 0 ] 4 = 0 4
1
Basamak 2: = cBB-1N cN B-1N = IN = N

1 1 1 1 1 1 = [0 0 0 ] 2 1 2 1 0 0 [1 2 1 1 4 2] 0 0 1 1 2 1 = [ 1 2 1 1 4 2] < 0
Basamak 3: zk ck = -4 k = 5 x5 girer.
1 y 5 = B a5 = 1 1
1
1 1 > 0 0 = 0 2 2 > 0
(zm snrl)
48
1 0 a 5 vektrnn 2
mevcut temel cinsinden ifade edilmi ekli
6 4 4 Enk , , = 2 = 9 x 9 kar. 1 0 2 1 0 1 Yeni B = 0 1 0 0 0 2
2. terasyon Basamak 1:
1
1 0 = 0 1 0 0
2 0 1 2
xB
1 0 1 = B b = 0 1 0 0
0 1 2
6 4 4 = 4 = b 4 2
Yeni
sa
4 z = c B b = [0 0 4 ] 4 = 8 2
Basamak 2: = cBB-1N cN
1 1 1 0 1 1 0 2 1 2 1 0 0 [1 2 1 1 2 0] 1 0 0 1 1 1 1 2 = [ 1 2 3 1 4 2] < 0
1 2
1 0 = [0 0 4 ] 0 1 0 0
Basamak 3: zk ck = -2 x2 girer.
1 0 y 2 = B a 2 = 0 1 0 0
1 1
0 1 2
1 1 1 = 1 > 0 (zm snrl) 0 0
4 Enk = 4 x 7 kar 1
49
1 0 1 Yeni B = 1 1 0 0 0 2
3. terasyon Basamak 1:
B
1
1 0 = 0 1 0 0
1 1 1
2 2

1 1 2
xB
1 0 1 = B b = 0 1 0 0
2 1 2
6 4 4 = 8 = b 4 2
4 z = c B b = [2 0 4 ] 8 = 16 2
Basamak 2: = cBB-1N cN
1 1 1 1 1 0 1 1 1 2 0 0] 2 2 2 1 0 0 0 [ 1 0 1 1 1 0 1 2 = [1 4 2 5 2 1] 0
1 1 2
1 0 = [2 0 4 ] 0 1 0 0
Eniyi zme ulalmtr. z* = 16

*
xB
4 = x 2 * 1 = B b = 8 = x 8 2 = x 5 *
* * * * *
x1 = x 3 = x 4 = x 6 = x 7 = x 9 = 0
50
3.7 TMLER GEVEKLK TEOREM (Dr. ule nsel ahin)

x ; Pnin (primal problemin) olurlu zm, y de Dnin (Dual problemin) olurlu
zm olsun. x ve y , ancak ve ancak aadaki artlar saland takdirde P ve Dnin eniyi zm olarak kabul edilirler:
n y i bi a ij x j = y i s i = 0, j =1 m x j a ij y i c j = x j v j = 0, i=1
i = 1,..., m
j = 1,..., n
Burada; si = i nolu primal kstn gevek deikeni vj = j nolu dual deikenin artk deikeni Eer bir bileen >0, teki = 0 olur. Fakat biri = 0 ise, br terimin >0 olduu sylenemez. Dier bir deyile, P veya Ddeki bir kstta si veya vj deerlerinden biri >0 ise, dier problemde (D veya P) bu ksta karlk gelen deiken =0dr. Aklama:
x j nin eniyi zm olduunu varsayalm. bi
j=1
a ij x j > 0 b i >
a x
ij j =1
Elimizde atl kapasite var elimizde bir birim kaynamz daha olsa, atl ekilde kalacak ve katks olmayacak ek birimin bir deeri yok. yi = 0
y i nin optimal ve y i > 0 olduunu varsayalm.
i kaynandan bir birim daha olsa bizim iin deerli. onun iin i kaynann hepsini kullanp, atl kapasite brakmamak lazm. a ij x j = b i
j=1 n
rnek: Maks 2x1 + 4x2 + 3x3 + x4 K. 3x1 + x2 + x3 + 4x4 12 (1)
51
x1 3x2 + 2x3 + 3x4 7 2x1 + x2 + 3x3 x4 10 xi0, i
(2) (3)
x* = (0, 10.4, 0, 0.4) bir eniyi zmdr. Bu bilgiyi kullanarak bir dual eniyi zm bulunuz. Duali: Min 12y1 + 7y2 + 10y3 3y1 + y2 + 2y3 2 (1) y1 3y2 + y3 4 (2) y1 + 2y2 + 3y3 3 (3) 4y1 + 3y2 y3 1 (4) y1, y2, y3 0 Tmler geveklik teoremini kullanalm. X2* ve X4* > 0 olduuna gre 2. ve 4. dual kstlar eitkik olarak salanmal: y1 3y2 + y3 = 4 (2)
4y1 + 3y2 y3 = 1 (4) x* deerlerini Pnin kstlarna yerletirelim. (1) (2) (3) (2) (4) 10.4 + 1.6 = 12 = 12 -31.2 + 1.2 = -30 < 7 y2* = 0 10.4 0.4 = 10 = 10 y1 + y3 = 4 4y1 y3 = 1 y1* = 1, y3* = 3
z* = 42 = *
52
4. ULATIRMA SORUNLARI 4.1 ULATIRMA SORUNLARININ FORMLASYONU Genel olarak, bir ulatrma sorunu aadaki bilgileri barndrr: Bir rn/hizmet gnderen m adet arz noktas (supply point). i arz noktas en fazla si birim arz edebilir. rnn/hizmetin gnderildii n adet talep noktas (demand point). j talep noktas en az dj birime gereksinim duyar. Bir birimin i arz noktasndan j talep noktasna gnderilmesi maliyeti cijdir. Talep noktas 1 c11 c21 Talep noktas 2 c12 c22 Talep noktas n c1n c2n Sz konusu bilgi aadaki ulatrma tablosu ile formle edilebilir: ..... ARZ s1 s2
Arz noktas 1 Arz noktas 2 ..... Arz noktas m TALEP
cm1 d1 d2
cm2 dn
cmn
sm
Eer toplam talep miktar toplam arz miktarna eitse sorun dengeli ulatrma sorunu olarak isimlendirilir. xij = i arz noktasndan j talep noktasna gnderilen miktar olsun. Bu durumda ulatrma sorununun genel DP gsterimi aadaki gibidir: min i
j cij xij
Arz kstlar Talep kstlar
yle ki j xij < si (i=1,2, ..., m)
i xij > dj (j=1,2, ..., n)

xij > 0
53
Yukardaki sorun, bir enbykleme sorunu (ulatrma sonucu kar elde edilmesi gibi) da olsa, kstlarnn benzer zellikler tamas durumunda yine bir ulatrma sorunudur. 4.1.1 Dengeli Ulatrma Sorununun Formulasyonu rnek 1. Powerco Powerco irketinin drt ehre hizmet veren adet elektrik santrali vardr. Her bir santral srasyla 35 milyon, 50 milyon ve 40 milyon kWh elektrik retmektedir. ehirlerin en youn saatlerde talep ettii elektrik miktar ise srasyla 45 milyon, 20 milyon, 30 milyon ve 30 milyon kWhdir. 1 milyon kWh elektriin bir santralden bir ehre gnderilmesinin maliyeti aadaki tabloda verilmitir. Her ehrin talebini en az maliyetle karlamak zere bir ulatrma tablosunda dengeli bir ulatrma sorunu formle ediniz ve sorunun DP modelini gsteriniz. Santral 1 Santral 2 Santral 3 Yant: 1. Ulatrma sorununun formlasyonu Santral 1 Santral 2 Santral 3 TALEP 45 ehir 1 8 9 14 20 ehir 2 6 12 9 30 ehir 3 10 13 16 30 ehir 4 9 7 5 ARZ 35 50 40 125 ehir 1 $8 $9 $14 ehir 2 $6 $12 $9 ehir 3 $10 $13 $16 ehir 4 $9 $7 $5
Toplam talep ve toplam arz eit olduundan (125 milyon kWh) sorun dengelidir. 2. Sorunun DP modeli olarak gsterimi xij: Santral ide retilen ve ehir jye gnderilen elektrik miktar (million kwh) min z = 8x11 + 6x12 + 10x13 + 9x14 + 9x21 + 12x22 + 13x23 + 7x24 + 14x31 + 9x32 + 16x33 + 5 x34 s.t. x11 + x12 + x13 + x14 < 35 x21 + x22 + x23 + x24 < 50 x31 + x32 + x33 + x34 < 40 x11 + x21 + x31 > 45 (talep kstlar) 54 (arz kstlar)
x12 + x22 + x32 > 20 x13 + x23 + x33 > 30 x14 + x24 + x34 > 30 xij > 0 (i = 1, 2, 3; j = 1, 2, 3, 4)
4.1.2 Dengesiz bir Ulatrma Sorununun Dengelenmesi Fazla Arz Eer toplam arz miktar toplam talep miktarn geerse, sorunu dengelemek iin talep miktar aradaki fark (fazla arz miktar) kadar olan bir yapay talep noktas yaratrz. Sz konusu noktaya yaplacak gnderimler aslnda olmayaca iin bu noktaya arz noktalarndan yaplacak ulatrma maliyeti 0 olacaktr. Karlanmayan Talep Eer toplam arz miktar toplam talep miktarndan azsa, aslnda olurlu bir zm yoktur (talepler karlanamaz). Bu durumda karlanamayan talep kadar arz olan bir yapay arz noktas yaratrz. Talebin olmayan bir arz noktasndan karlanamamas beraberinde bir ceza maliyeti getirir. rnek 2. Fazla Arz iin Deitirilmi Powerco ehir 1in talebinin 40 milyon kwh olduunu farz edelim. Bu durumda dengeli bir ulatrma sorunu formle ediniz. Yant Toplam talep 120 ve toplam arz 125 olduundan sorun dengeli deildir. Sorunu dengelemek iin bir yapay talep noktas yaratrz. Sz konusu noktann talebi 125 120 = 5 milyon kwh olacaktr. Her santralden yapay talep noktasna 1 milyon kwh elektrik gndermenin maliyeti 0 olacaktr. Tablo 4. Fazla Arz rnei iin Ulatrma Tablosu Santral 1 Santral 2 Santral 3 TALEP 40 ehir 1 8 9 14 20 ehir 2 6 12 9 30 ehir 3 10 13 16 30 ehir 4 9 7 5 5 Yapay 0 0 0 ARZ 35 50 40 125
55
rnek 3. Karlanmayan Talep iin Deitirilmi Powerco ehir 1in talebinin 50 milyon kwh olduunu farz edelim. Karlanamayan her 1 milyon kWh elektrik iin 80$ ceza maliyeti kesilirse dengeli bir ulatrma sorunu formle ediniz. Yant 5 milyon kWh elektrik arz eden bir yapay arz noktas yaratrz. Santral 1 Santral 2 Santral 3 Talep TALEP 50 ehir 1 8 9 14 80 20 ehir 2 6 12 9 80 30 ehir 3 10 13 16 80 30 ehir 4 9 7 5 80 ARZ 35 50 40 5 130
4.2 TEMEL OLURLU ZMN BULUNMASI Dengeli bir ulatrma sorunu iin genel DP gsterimi aadaki gibi yazlabilir:: min i
j cij xij
yle ki j xij = si (i=1,2, ..., m)
i xij = dj (j=1,2, ..., n)

xij > 0
Sz konusu soruna bir temel olurlu zm (basic feasible solution - bfs) bulmak iin aadaki nemli gzlemi kullanmalyz: Eer dengeli bir ulatrma sorununda xijlerin deerler kmesi bir kst haricinde tm kstlar salarsa, bu deerler o ksd da salar. Bu gzlem ulatrma sorununun zm srasnda herhangi bir kst gzard edebileceimizi ve m+n-1 ksttan oluan bir DP zeceimizi gsterir. Genel olarak ilk arz kst deerlendirme d braklr. Geri kalan m+n-1 ksda bfs bulmak iin herhangi bir m+n-1 deikenin temel zm verebileceini dnebilirsiniz: fakat sz konusu m+n-1 deikenin temel zmde olabilmesi iin bir dng oluturmamalar gerekir. En az drt hcrenin bir dng oluturmas iin: Dr. Y. lker Topcu (www.ilkertopcu.net) 56
Herhangi ardk iki hcrenin ayn satr veya stunda olmas gerekir Ayn satr veya stunda ardk hcre olmamaldr Serinin son hcresi ilk hcre ile ayn satr veya stunda olup dngy kapatmaldr
Dengeli bir ulatrma sorununa temel olurlu zm bulmak iin farkl yntem kullanlabilir: 1. Kuzeybat Ke (Northwest Corner) Yntemi 2. Enkk Maliyet (Minimum Cost) Yntemi 3. Vogelin Yaklam 4.2.1 Kuzeybat Ke Yntemi Ulatrma tablosunun en sol st kesinden balarz ve x11i mmkn olduunca byk bir deer atarz (tabii ki, x11 en ok s1 ve d1 ikilisinin en kk deeri kadar olabilir). Eer x11=s1 ise ilk satr iptal ediniz ve d1i d1-s1 olarak gncelleyiniz Eer x11=d1 ise ilk stunu iptal ediniz ve s1i s1-d1 olarak gncelleyiniz Eer x11=s1=d1 ise ya ilk satr ya da ilk stunu iptal ediniz (her ikisini de deil!) Eer satr iptal ettinizse d1i sfr yapnz Eer stunu iptal ettinizse s1i sfr yapnz
Bu ekilde devam ederek (her seferinde geri kalan hcrelerde yeni sol-st keye atama yaparak) tm atamalar yaplr. Sonuta, bir hcre geriye kalacaktr. Satr veya stundaki deeri atayarak ve hem satr hem de stunu iptal ederek ilemi bitiriniz: bir bfs elde edilmitir. rnek 1. Aadaki dengeli ulatrma sorunu iin bir bfs bulalm (Bu yntemde maliyetler gerekmediinden verilmemitir!). 5 1 3 2 4 2 1
Toplam talep toplam arza eittir (9): sorun dengelidir.
57
3 1 3
X 2
4 3
1 X 1 3
X 2
1 3 1
1 X X 3
X 2
0 3 1 0
1 X X
2 2
1 1
m+n-1 (3+4-1 = 6) adet deiken atanm olur. KBK yntemi ile seilen deikenler bir dng oluturmadklarndan bir bfs bulunmutur. 4.2.2 Enkk Maliyet Yntemi KBK yntemi maliyetleri gz nne almadndan balang bfssi maliyeti yksek olan bir zm olabilir ve en iyi zmn bulunmas iin ok sayda ilem gerekebilir. Bu durumla karlamamak iin kullanlabilecek olan enkk maliyet ynteminde en dk tama maliyeti olan hcreye atama yaplr. Bu hcreye yaplacak xij atamas yine min {si, dj} kadardr. KBK yntemindeki gibi atama yaplan hcrenin olduu satr veya stun iptal edilip arz ya da talep deeri gncellenir ve tm atamalar yaplncaya kadar devam edilir. Dr. Y. lker Topcu (www.ilkertopcu.net) 58
rnek 2 2 2 3 12 2 2 8 3 12 2 2 2 3 10 2 5 2 2 3 5 X 8 8 4 4 6 6 1 3 5 X 3 8 8 4 5 4 6 6 X X 15 6 X 3 1 8 4 5 3 4 6 6 5 5 X 15 6 8 3 1 3 1 8 4 5 3 5 3 4 6 6 5 5 2 15 6 5 6 5 10 15
2 5 2 2 3 5 5 X 8
3 1 8 4 4
5 3 4 6 6
6 5 6
X X 15
59
4.2.3 Vogel'in Yaklam Her satr ve stun iin ceza hesaplanarak ynteme balanr. Ceza o satr veya stundaki en kk iki maliyet arasndaki farktr. Daha sonra cezas enbyk olan satr veya stun bulunur. Sz konusu satr veya stundaki en dk maliyetli hcre ilk temel deikeni verir. Yine KBK yntemindeki gibi bu deikene atanacak deer, ilgili hcrenin arz ve talep miktarlarna baldr. Gerekli iptaller ve gncellemeler yaplr Yeniden geri kalan tablo iin yeni cezalar hesaplanr ve prosedre benzer admlarla devam edilir. rnek 3 Arz 6 15 Talep Stun cezas 15 15-6=9 5 80-7=73 7 80 5 78-8=70 Arz 6 5 15 Talep Stun cezas 15 15-6=9 X 80 5 78-8=70 Arz 6 5 15 Talep Stun cezas 15 15-6=9 X 80 0 7 5 78 8 X 15 Satr cezas 78 7 8 5 15 Satr cezas 8-6=2 78-15=63 8 78 10 15 Satr cezas 7-6=1 78-15=63
60
Arz 6 5 15 15 Talep 15 X 80 0 0 7 5 78 8 X 15
4.3 ULATIRMA SMPLEKS Yntemin Admlar 1. Eer ulatrma sorunu dengesiz ise dengeleyiniz. 2. Bir bfs bulmak iin KBK, Enkk Maliyet veya Vogel yntemlerinden birini kullannz 3. u1 = 0 olarak kabul edip mevcut bfsdeki tm temel deikenler iin ui + vj = cij denklemini kullanarak ular ve vleri hesaplaynz. 4. Tm temel d deikenler iin ui + vj cij 0 ise, en iyi zm bulunmutur. Eer bu koul salanmazsa ui + vj cij deeri en pozitif olan deiken pivot ilemleri ile temele girer ve temeldeki deikenlerden biri zmden kar. Bylece yeni bir bfs bulunmu olur. Adm 3e gidiniz. Enbykleme sorunu iin yine yukardaki adnlar uygulanr. Sadece 4. admda aadaki deiiklik yaplmaldr: Tm temel d deikenler iin ui + vj cij 0 ise, en iyi zm bulunmutur. Eer bu koul salanmazsa ui + vj cij deeri en negatif olan deiken pivot ilemleri ile temele girer ve temeldeki deikenlerden biri zmden kar. Bylece yeni bir bfs bulunmu olur. Adm 3e gidiniz. Pivot ilemleri 1. zme girecek olan deiken ile temel deikenlerin bazlar veya hepsi bir dng oluturur (sadece bir olas dng vardr!). 2. Dngdeki hcreleri zme giren hcreden balayarak saynz. Says ift olanlar (0, 2, 4, vb.) ift hcreler olarak iaretleyiniz. Dngdeki dier hcreleri de tek hcreler olarak iaretleyiniz. Dr. Y. lker Topcu (www.ilkertopcu.net)
61
3. Tek hcrelerde deeri en kk olan deikeni bulunuz. Bu deere diyelim. Bu deiken temel d kalacaktr. lemi tamamlamak iin tm tek hcrelerdeki deerlerden karalm ve ift hcrelerdeki deerlere ekleyelim. Dngde olmayan deikenlerin deeri deimez. Eer = 0 ise giren deiken 0 deeri ile zme girecektir. rnek 1. Powerco Sorun dengelidir (toplam talep toplam arza eittir). Powerco rneine KBK yntemi uygulanrsa, aadaki tabloda grelen bfs elde edilir (m+n1=6 temel deiken!). Santral 1 Santral 2 Santral 3 TALEP u1 = 0 u1 + v1 = 8 u2 + v1 = 9 v1 = 8 u2 = 1 ehir 1 8 35 9 10 14 45 ehir 2 6 12 20 9 10 20 30 20 16 30 30 5 ehir 3 10 13 ehir 4 9 7 ARZ 35 50 40 125
u2 + v2 = 12 v2 = 11 u2 + v3 = 13 v3 = 12 u3 + v3 = 16 u3 = 4 u3 + v4 = 5 v4 = 1 Tm temel d deikenler iin ij = ui + vj cij hesaplanr: 12 = 0 + 11 6 = 5 13 = 0 + 12 10 = 2 14 = 0 + 1 9 = -8 24 = 1 + 1 7 = -5 31 = 4 + 8 14 = -2 32 = 4 + 11 9 = 6 32 en pozitif olan deeri verdiinden, x32 temel deiken olacaktr. x32nin de olduu dng (3,2)-(3,3)-(2,3)-(2,2) eklindedir: = 10 bulunur.
62
Santral 1 Santral 2 Santral 3 TALEP
ehir 1 8 35 9 10 14 45
ehir 2 6 12 20 9 20
ehir 3 10 13 20+ 16 10 30
ehir 4 9 7 5 30 30
ARZ 35 50 40 125
x33 temel d deiken olacaktr. Yeni bfs aadaki tabloda verilmitir: ui/vj 0 1 -2 TALEP 45 35 9 10 14 10 20 30 10 9 12 30 16 30 30 5 13 7 8 8 11 6 12 10 7 9 ARZ 35 50 40 125
12 = 5, 13 = 2, 14 = -2, 24 = 1, 31 = -8, 33 = -6 12 en pozitif deeri verdiinden, x12 zme girer. x12nin de olduu dng (1,2)-(2,2)-(2,1)-(1,1) eklindedir ve = 10dur ehir 1 Santral 1 Santral 2 Santral 3 TALEP 45 8 35 9 10+ 14 10 20 30 10 9 12 30 16 30 30 5 13 7 ehir 2 6 ehir 3 10 ehir 4 9 ARZ 35 50 40 125
x22 zmden kar. Yeni bfs aadaki tabloda verilmitir: ui/vj 0 1 3 TALEP 45 25 9 20 14 10 20 30 9 8 8 10 12 30 16 30 30 5 13 7 6 6 12 10 2 9 ARZ 35 50 40 125
13 = 2, 14 = -7, 22 = -5, 24 = -4, 31 = -3, 33 = -1 Dr. Y. lker Topcu (www.ilkertopcu.net)
63
13 en pozitif olan deeri verdiinden, x13 temel deiken olacaktr. x13n de olduu dng (1,3)-(2,3)-(2,1)-(1,1) eklindedir. = 25 Santral 1 Santral 2 Santral 3 TALEP ehir 1 8 25 9 20+ 14 45 ehir 2 6 10 12 9 10 20 30 ehir 3 10 13 30 16 ehir 4 9 7 5 30 30 ARZ 35 50 40 125
x11 temel d deiken olur. Yeni bfs: ui/vj 0 3 3 TALEP 45 45 14 10 20 30 9 6 8 10 9 12 5 16 30 30 5 6 6 25 13 7 10 10 2 9 ARZ 35 50 40 125
11 = -2, 14 = -7, 22 = -3, 24 = -2, 31 = -5, 33 = -3 Tm ijler negatif olduundan en iyi zm bulunmutur. Rapor Santral 2den ehir 1e 45 milyon kwh elektrik gnderilmelidir. Santral 1den ehir 2ye 10 milyon kwh elektrik gnderilmelidir. Benzer ekilde Santral 3den ehir 2ye 10 milyon kwh elektrik gnderilmelidir. Santral 1den ehir 3e 25 milyon kwh ve Santral 2den ehir 3e 5 milyon kwh elektrik gnderilmelidir. Santral 3den ehir 4e 30 milyon kwh elektrik gnderilmelidir Toplam tama maliyeti: z = .9 (45) + 6 (10) + 9 (10) + 10 (25) + 13 (5) + 5 (30) = $ 1020
4.4 GEC KONAKLAMA SORUNLARI Baz durumlarda gnderim srecindeki bir nokta hem rn/hizmet gnderebilir, hem de sz konusu noktaya rn/hizmet gnderilebilir. rn/hizmetin arz noktasndan
64
talep noktasna gnderimi srasnda geici olarak konaklad bu nokta geici konaklama noktas olarak isimlendirilir. Bu zellii olan bir gnderim sorunu geici konaklama sorunudur. Geici konaklama sorununa en iyi zm sz konusu sorunu ulatrma sorununa dntrp ulatrma sorununu zerek bulunabilir. Uyar Ulatrma Sorunlarnn Formlasyonu blmnde belirtildii gibi, bir baka noktaya bir rn/hizmet gnderen fakat hi bir noktadan rn/hizmet alamayan nokta arz noktas olarak isimlendirilir. Benzer ekilde, bir talep noktas da dier noktalardan rn/hizmet alabilir fakat hi bir noktaya rn/hizmet gnderemez. Admlar 1. Eer sorun dengesiz ise sorunu dengeleyiniz. s = dengeli sorun iin toplam arz (veya talep) miktar olsun 2. Aadaki ekilde bir ulatrma tablosu kurunuz: Her arz ve geici konaklama noktas iin tabloda bir satr gerekecektir Her talep ve geici konaklama noktas iin bir stun gerekecektir Her arz noktasnn arz o noktann arz miktar kadar olacaktr Her talep noktasnn talebi o noktann talep miktar kadar olacaktr Her geici konaklama noktasnn arz o noktann arz miktar + s kadar olacaktr Her geici konaklama noktasnn talebi o noktann talep miktar + s kadar olacaktr 3. Ulatrma sorununu znz rnek 1. Kuruolu (Winston 7.6.dan esinlenilmitir) Kuruoglu Malatya ve G.Antepdeki fabrikalarnda buzdolab retmektedir. Malatyadaki fabrika gnde en fazla 150 adet, G.Antepteki fabrika ise gnde en fazla 200 adet buzdolab retebilmektedir. Buzdolaplar uak ile stanbul ve zmirdeki mterilere gnderilmektedir. Her iki ehirdeki mterilerin gnlk talebi 130 adet buzdolabdr. Gnderim maliyetlerindeki deiiklikler yznden baz buzdolaplarnn fabrikalardan uakla ncelikle Ankara veya Eskiehire gnderilmesi ve daha sonra Dr. Y. lker Topcu (www.ilkertopcu.net) 65
nihai mterilere bu ehirlerden gnderilmesi dnlmektedir. Bir buzdolabnn tama maliyeti aadaki tabloda verilmitir. Kuruolu toplam tama maliyetlerini enazlayacak ekilde mteri taleplerini karlamak istemektedir.
TL Malatya G.Antep Ankara Eskiehir Malatya 0 G.Antep 0 Ankara 8 15 0 6 Eskiehir 13 12 6 0 -
Istanbul
25 26 16 14 0 -
Istanbul
zmir
zmir 28 25 17 16 0
Yant: Bu sorunda Ankara ve Eskiehir geici konaklama noktalardr. Adm 1. Sorunu dengeleme Toplam arz = 150 + 200 = 350 Toplam talep = 130 + 130 = 260 Yapay talep = 350 260 = 90 s = 350 (dengeli sorun iin toplam arz veya talep miktar) Adm 2. Bir ulatrma tablosu kurma Geici konaklama noktas talebi = O noktann talep miktar + s = 0 + 350 = 350 Geici konaklama noktas arz = O noktann arz miktar + s = 0 + 350 = 350
Ankara Malatya G.Antep Ankara Eskiehir Talep 350 Ankara Malatya G.Antep Ankara Eskiehir Talep 350 220 6 350 350 130 130 90 0 8 130 15 0 12 6 130 14 16 0 26 130 16 17 25 70 0 8 15 0 6 350 Eskiehir 13 Eskiehir 13 12 6 0 130
Istanbul
25 26 16 14
Izmir 28 25 17 16 130 Izmir 28
Yapay 0 0 0 0 90 Yapay 0 20 0
Arz 150 200 350 350
Adm 3. Ulatrma sorununun zm Istanbul

25 Arz 150 200 350 350 1050
66
Rapor: Kuruoglu Malatyada 130 buzdolab retip bunlarn tamamn Ankara zerinden stanbula gndermelidir. G.Antepde retilecek 130 buzdolab ise dorudan zmire gnderilmelidir. Bu durumda toplam tama maliyeti 6370 TL olacaktr.
4.5 ATAMA SORUNLARI Ulatrma sorunlarnda her arz noktasnn bir talep noktasna atanmasn ve her talebin karlanmasn gerektiren zel bir durum sz konusudur. Bu tip sorunlar atama sorunlar olarak isimlendirilir. rnein hangi iinin veya makinenin hangi ii yapacan belirlemek bir atama sorunudur. 4.5.1 DP Gsterimi Bir atama sorununda bir arz noktasn bir talep noktasna atamann maliyeti cijdir. te yandan, bir xij 0-1 tamsay deikeni aadaki gibi tanmlanr: xij = 1 eer i. arz noktas j. talep noktasnn talebini karlamak zere atanrsa xij = 0 eer i. arz noktas j. talep noktasnn talebini karlamazsa Bu durumda, bir atama sorununun genel DP gsterimi min i
j cij xij
yle ki j xij = 1 (i=1,2, ..., m)
i xij = 1 (j=1,2, ..., n)

xij = 0 veya xij = 1 eklindedir. 4.5.2 Macar Yntemi
Tm arz ve talep miktarlar tamsay olduundan, en iyi zmdeki tm deikenler de tamsay olmaldr. Her kstn ST deeri 1e eit olduundan, her xij 1den byk olmayan ve negatif olmayan bir tamsay olmaldr. Bu durumda her xij 0 veya 1 olmaldr.
67
xij = 0 veya xij = 1 kstlamasn DP gsteriminde ihmal edersek, her arz noktasnn bir adet arz ettii ve her talep noktasnn bir adet talep ettii dengeli bir ulatrma sorunu ile karlarz. Fakat atama sorununun ulatrma simpleks yntemi ile zlmesi yukarda verilen kstlamay kullanmayaca iin etkin olmayacaktr. Bu yzden simpleksden daha basit bir algoritma olan Macar Yntemi ile atama sorunlar zlr. Uyar 1. Ama fonksiyonunun enbyklenmesi istenilen atama sorunlarnda karlar matrisindeki elemanlarn 1 ile arplarak sorunun enkkleme sorunu olarak Macar Yntemi ile zlmesi gerekir 2. Eer maliyet matrisinde satr ve stun saylar eit deilse atama sorunu dengesizdir. Bu durumda sorunu Macar Yntemi ile zmeden nce bir veya daha fazla sayda yapay nokta eklenerek dengelenmelidir.. Admlar 1. mmlik maliyet matrisinin her satrndaki en kk maliyeti bulunuz. 2. Her maliyetten kendi satrndaki en kk maliyeti kararak bir matris kurunuz 3. Yeni matrisde her stunun en kk maliyetini bulunuz 4. Bu sefer her maliyetten kendi stunundaki en kk maliyeti kararak yeni bir matris (indirgenmi maliyet matrisi) kurunuz 5. ndirgenmi maliyet matrisindeki tm sfrlar rtecek ekilde en az sayda (yatay veya dey) izgi iziniz. Eer bu ilem iin m adet izgi gerekli ise en iyi zm bulunmutur. Eer gerekli izgi says m adetten az ise bir sonraki adma geiniz 6. ndirgenmi maliyet matrisinde Adm 5de izilen izgiler ile rtlmemi ve sfrdan farkl en kk maliyeti (k) bulunuz 7. Her stnden izgi gemeyen maliyetten ky karnz ve ift izgi ile rtlen her maliyete ky ekleyiniz. Adm 5e dnnz.
68
rnek 1. Uu Ekibi (Winston 7.5.den esinlenilmitir) Drt adet kaptan pilot (Seluk, Serkan, mit, Volkan) uularda beraber olduklar drt adet uu teknisyenini (Tuncay, nder, Can, Kemal) yetkinlik, uyum ve moral motivasyon asndan 1-20 leinde deerlendirmilerdir (1: ok iyi, 20: ok kt). Deerlendirme notlar tabloda verilmitir. Havayolu irketi her uu teknisyeninin uu atamasn mmkn olduunca kendisine iyi not veren kaptan pilotla yapmak istemektedir. Uu ekipleri nasl olmaldr?
Seluk Serkan mit Volkan Tuncay 2 2 7 14 nder 4 12 8 5 Can 6 6 3 8 Kemal 10 5 9 7
Yant: Adm 1. Tablodaki her satr iin en kk maliyetler srasyla 2, 2, 3 ve 5dir. Adm 2 & 3. Her maliyetten kendi satrndaki en kk maliyet karlr. Yeni matrisin her stunun en kk maliyeti.bulunur.
0 0 4 9 0 2 10 5 0 0 4 4 0 3 0 8 3 6 2 2
Stun minimumu
Adm 4. Bu sefer her maliyetten kendi stunundaki en kk maliyeti kararak indirgenmi maliyet matrisi elde edilir.
0 0 4 9 2 10 5 0 4 4 0 3 6 1 4 0
Adm 5. Aadaki tabloda gsterildii gibi 3. ve 4. satr ile 1. stunda izilecek izgiler indirgenmi maliyet matrisindeki tm sfrlar rter. Gerekli en az izgi says 3dr. 4den az izgi gerektiinden zm en iyi deildir. Bir sonraki adma geilir.
Tablo 4. Sfrlar rten izgilerle indirgenmi maliyet matrisi 0 0 4 9 2 10 5 0 4 4 0 3 6 1 4 0
Adm 6 & 7. rtlememi en kk maliyet 1dir. Her rtlmemi maliyetten 1 karlr ve iki izgi ile rtlenlere 1 eklenir.
69
0 0 5 10
1 9 5 0
3 3 0 3
5 0 4 0
Tm sfrlar rtmek iin imdi drt izgiye gerek vardr. En iyi zm bulunmutur. Stun 3deki tek sfr x33de ve Stun 2deki tek sfr x42dedir. Satr 4 tekrar kullanlmayaca iin Stun 4 iin kalan sfr x24dedir. Son olarak x11i seeriz. Seilen tm karar deikenleri 1e eittir. Rapor: KP Seluk, UT Tuncay ile; KP Serkan, UT Kemal ile; KP mit, UT Can ile; KP Volkan, UT nder ile umaldr.
70

Yön Eylem Ders Notu

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Yön Eylem Ders Notu

Uploaded by

Copyright:

Available Formats

END331 YNEYLEM ARATIRMASI I DERS NOTLARI

Do. Dr. Y. lker Topcu

Dr. Y. lker Topcu (www.ilkertopcu.net)

DUYARLILIK ANALZ .......................................................................................... 36

3.4.8 3.4.9 3.5 3.6 3.7 4. 4.1

Dualite ve Duyarllk ...................................................................................... 42 %100 Kural .................................................................................................... 42

TEMEL OLURLU ZMN BULUNMASI ..................................................... 56

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

haftada 4 gn X madenini, 3 gn Y madenini iletme

deikenler (variables) kstlar (constraints) ama.(objective)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Yukarda verilen matematiksel model aadaki biimdedir:

Dr. Y. lker Topcu (www.ilkertopcu.net)

DP'lerin temel uygulama alanlarna aada eitli rnekler verilmitir:

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

High-income women constraint

6 z = 600 4 z = 320 High-income men constraint 2 D A 2 4 6 8 10 E C 12 14

En iyi zm iin maliyet 765.71dir. 1.71 gn X madeni ve 2.86 gn Y madeni altrlmaldr.

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

+ 2x2 +1.5x3 +1.5x2 + .5x3 x2

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

-5x3 - x3 +.5x3 +.25x3 + s1 + s2

+30s3 -4s3 -2s3 +.5s3

Dr. Y. lker Topcu (www.ilkertopcu.net)

kinci ve en iyi tablo:

Dr. Y. lker Topcu (www.ilkertopcu.net)

Oran testi yaplamad iin zlmek istenen DP snrl olmayan DPdir.

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

tm deikenler > 0 Dr. Y. lker Topcu (www.ilkertopcu.net) 30

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Primal enbykleme sorunu ise en iyi tablonun sfrnc satrndan en iyi

Dr. Y. lker Topcu (www.ilkertopcu.net)

y1 + 1.5y2 + 0.5y3 20 (Sandalye kst) y1,y2,y3 0

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

ROW SLACK OR SURPLUS 2) 0.000000 3) 0.000000

Dr. Y. lker Topcu (www.ilkertopcu.net)

enkkleme sorunu iin

4x1 + 2x2 +1.5x3 2x1 +1.5x2 + .5x3 x2

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

A = [B, N] x = [xB, xN] c = [cB, cN]