YNEYLEM ARATIRMASI (operations research) erik: 1 Giri Yneylem aratrmasnn douu Yneylem aratrmasnn geliimi ve uygulama alanlar

1. BLM MATEMATK PROGRAMLAMA

2 Dorusal programlama Formlasyon ve grafik zm Simplex yntemi Simplex ynteminin dejenere olmas durumu Dualite 3 Ulam Modelleri Genel ulam problemi Ulam problemlerinin zm Ulam problemlerinin dejenere olmas durumu 4 A modelleri En ksa yol problemi ve en ksa yol algoritmas Maksimum ak problemi 5 Tam sayl programlama 6 Dinamik programlama
2. BLM OLASILIKLI MODELLER

7 Karar teorisi 8 Oyun teorisi ki kiili sfr toplaml oyunlarda optimum zm Karma stratejiler 9 Proje planlama teknikleri CPM ve PERT yntemleri Aktivite srelerinin tahmini Krtik yolun bulunmas 10 Kuyruk modelleri 11 Simlasyon Kaynaklar: Operations Research, Hamdy A.Taha,1992 Operations Research,F.S. Hillier,G.J.Lieberman,1967 Quantitative Approaches to Management,R.I.Levin,D.S.Rubin,J.P.Stinson,1986

BLM 1 GR
1

Yneylem aratrmasnn douu Sanayi devriminin gereklemesinden sonra bu devrimi gerekletiren lkelerdeki organizasyonlarn hacimlerinin byd ve ilemlerin karmaklklarnn artt gzlenmitir.Organizasyonlarn bymesi ile birlikte yeni problemler ortaya km ve hala da kmaktadr.Bymeyle artan karmaklk kaynaklarn organizasyonun yararna en etkin ekilde kullanmn gletirmitir.Bu tr problemler ve bunlara zm aray yeni bilim dallarnn douunu hzlandrmtr.Yneylem aratrmas da bunlardan biridir.II.Dnya savandan nceki yllarda zgn YA almalarna rastlanlmasa da YA nn ilk uygulamalarnn ynetimde bilimsel yaklamlarn kullanlmas olarak gsterilmektedir.Hatta ynetim bilimi ve YA ile ilgili almalar M.. 212 ylna kadar uzanmaktadr.Srekli karar verme durumunda olan yneticilere(decision makers) seenekler iinde en iyisini (optimum) bulma konusundaki bilimsel yaklamlar II. Dnya savana kadar sregelmitir. lk YA almasnn II.Dnya sava srasnda ngilterede (1939) bir ekip tarafndan yapld tm yneylem aratrmaclarnca kabul edilmektedir.ngiltereye yaplan hava aknlar srasnda en iyi savunma eklini belirlemek iin radarlarn en etkin kullanmn saptamak amacyla biraraya gelen farkl mesleklerdeki uzmanlar bu ekip almas ile en iyi zm bulmulardr.Bu ilk YA almasnn baarl olmas sonucunda savunma sisteminin dier blmlerinde de benzer ekipler kurularak YA almalar yaygnlatrlmtr. 1942 ylnda ngilterede General Spaatzn istei ile Hava Kuvvetleri Komutanlnda operations analysis groups(Eighth Bomber Command) kurulmutur.Bunun bir benzeri de A.B.D. Deniz Kuvvetlerinde MIT den Philip M. Morse bakanlnda operations research teams ad altnda organize edilmitir.Savatan sonra da zellikle A.B.D. de askeri alanda uygulamalar devam etmitir.Kurulan Operations Research Office (daha sonra Research Analysis Corporation adn almtr) almalara devam etmitir.Hava kuvvetlerinde Operations Analysis Division kurulmu ve RAND corporation tarafndan ynetilen RAND projesi almalarna balanmtr. Dier yandan retimin makinalamasi, organizasyonlarn srekli bymesi,insan-makine sistemlerindeki karmaklk YA almalarna endstride de ihtiya olduunu ortaya karmtr. YA almalarnn gelimesinde anahtar rol oynayan iki faktr vardr.Bunlardan bir tanesi bilim adamlarnn YA tekniklerini gelitirerek bu teknikleri gerek hayata uygulamaya balamalardr.Bu konuda zellikle 1947 ylnda George B.Dantzig tarafndan gelitirilen ve ilk formlasyonu Leontieff e ait olan Dorusal Programlama (Linear programming) tekniinin Simpleks algoritmas ile zm nemli bir aamadr.Bu tekniin benzer problemlere uygulanmas hzla yaylm ve sregelen bilgi birikimi ile dier tekniklerin gelimesi abuklamtr.kinci faktr ise bilgisayarlardaki gelimedir.Bilgisayar donanm ve yazlm alanndaki hzl gelimeler YA tekniklerinin gerek hayat problemlerine uygulann kolaylatrm,elle zm ok uzun zaman alan ve hata orannn artt problemlerin zm kolaylkla gerekletirilmitir. 1950 ylndan sonra bilimsel bir nitelik kazanan YA nn bir ok tanm yaplmtr.Bu tanmlardan bir tanesi yledir: YA , bir sistemde ortaya kan problemlere ,sistemin denetlenebilir bileenleri cinsinden bilimsel yntem, teknik ve aralarn uygulanmas ile en iyi(optimum) zmn bulunmasdr. Ksaca YA nn konusu ,yaklam ve amac u ekilde verilebilir ;
2

YA nn Konusu : nsan - Makina sistemlerinin tasarm , kurulu ve iletiminde karlalan problemleri belirlemek ve karar problemlerine optimum zm aramaktr. YA nn yaklam : Sistemi btnyle ele alarak farkl disiplinlerden oluan ekiple bilimsel yntemi izlemektir. YA nn amac : Ynetimin politika ve uygulamalarn bilmsel olarak belirlemesine yardmc olmak , bylece ynetimle ilgili kararlarn tutarllk ve uygulanabilirliini arttrmaktr. YA Model Yaklam Bir YA almasnda kullanlan aamalar aadaki gibi verebiliriz: 1. 2. 3. 4. 5. 6. Problemin formle edilmesi. allan sisteme ait matematik modelin kurulmas. Modelin zmnn yaplmas. Modelin ve karlan zmn test edilmesi. zm zerinde kontrollerin yaplmas. zmn gerek hayata geirilmesi.(uygulanmas)

Karar problemleri her ne kadar matematiksel model oluturulup zlse de bu problemleri etkileyen baka faktrler mevcuttur. Bu faktrlerin banda insan unsuru gelir. Baz grlere gre karar problemlerinin matematik modellerle zlmesi pratik deildir. Buna en iyi rnek asansr problemidir. Bir iyerinde asansrlerin yavalndan tr oluan ikayetleri gidermek amacyla bir bekleme hatt(kuyruk) modeli kurularak problem analiz edilmi ve sonunda asansrn hznn arttrlmasna karar verilmitir. Ancak ikayetler azalmad iin insan faktr ele alnarak, bekleyenlerin can skntsndan ikayetlerini arttrdklar dnlm ve asansr girilerine ayna yerletirilmitir. Asansr bekleyenler ayna sayesinde kendileriyle ilgilendiklerinden ikayetler ortadan kalkmtr. YA tekniklerinin pek ounun yapsnda iteratif(yinelemeli) algoritmalar yer alr. Bundan dolay bu algoritmalar elle zmek uzun hesaplamalar gerektirir. Bilgisayarlarn geliimi ile bu tekniklerin zmleri kolaylamtr. Gerek problemlerin matematik modele uygulanmasndaki zorluklar, baz modellerin matematik formllerle gsterilmeyip simlasyon teknikleriyle zlmesini gerektirir. Simlasyon, gerek sistemi kk birimler halinde inceler ve bu birimleri birlikte hareket ettirecek mantksal ilikileri kullanarak, sistemin mevcut davrann taklit eder. 1. Problemin formle edilmesi Burada yaplacak ilk i ele alnan sistemi iyi tanmlayarak problemin deikenlerini saptamak ,bunlarn organizasyonun dier birimleriyle olan ilikilerini gz nne alarak problemin erevesini oluturmaktr.Yneylem aratrmacs (veya grubu) karar verici durumunda olan yneticilere danarak probleme doru cevap arayacaktr.Ynetimin tavsiyeleriyle ayrntl bir teknik analiz yaplp,iletmenin amac,politikas ,kaynaklar aratrlarak bir rapor oluturulacaktr.Ynetimin amacn(amalarn) kesin olarak tespit
3

etmesi doru cevabn bulunmas asndan gereklidir.rnein kar etme amac ncelikli olan bir kurulu uzun dnem kar maksimizasyonunu yegane amac olarak bemimseyebilir.Ancak yaplan aratrmalar birok iletmenin dier amalar yannda gvenli kar hedefini benimsediini gstermektedir.Bir ok iletme de tek amacn kar olmadn, pazardaki payn ykseltmek, karn devamll,alanlarn morallerinin ykseltilmesi, iletmenin prestijinin ykseltilmesi, sabit fiyatlar gibi tipik amaclarn da hedeflenebileceini savunmaktadr.Dolaysyla YA almasnn balangcnda bu hedeflerin tespit edilip ynetim tarafndan bildirilmesi gerekmektedir. 2. allan sisteme ait matematik modelin kurulmas Problemi formle ettikten sonraki aama matematiksel balantlar kurarak problemi matematik semboller ve ifadelerle sunmaktr.Matematiksel model, matematik ifadelerle ilikilendirilmi,zmleri ele alnan sistemin durumunu aklayan bir eitlikler kmesidir. Matematik eitlikler fizik kurallarn,kimyasal reaksiyonlar en iyi ekilde aklayabildikleri gibi sosyal bilimlerde de incelenen sistemin davranlarn anlama, aklama ve yorumlamada bize yardmc olmaktadrlar.Sistemin anlalmas asndan dier sistemlerden daha kullanl olmalar, ardk irdeleme olanann bulunmas ve model zerinde denemeler yaplabilmesi matematiksel modellerin avantajlar olarak saylabilir.Sosyal bilimlerde bilimsel yntemlerin uygulanmas matematik modellerin yardmyla olmaktadr. 3. Modelin zmnn yaplmas Matematik modelin kurulmasndan sonra bu modelin zm aamasna geilir.Bir YA almasnda bu aamann almann en nemli paras olduu dnlrse de gerekte bu adm aratrmaclar iin en kolay adm olarak alnabilir..nk burada gelitirilmi olan algoritmalardan birisinin bilgisayar kullanlarak zm yaplmaktadr.YA nn bu aamadaki rol zmn optimum yani en iyi zm olmasn salamaktr.Modeldeki amacn gerekleip gereklemedii , kstlamalarn ama zerindeki etkileri,deikenlerin aldklar deerlerin yorumu zmden sonra deerlendirilecek hususlardr.Duyarllk analizi(sensitivity analysis) yaplarak parametreler zerinde yaplacak herhangi bbir deiikliin modeli nasl etkileyecei grlr. 4. Modelin ve zmn test edilmesi Modelin zmnden sonra dikkat edilmesi gereken nokta zmn ne denli gvenilir olduudur.Modeli kurarken yaplan bir hata zmn tm aamalarna yansyabilir.zm bulunduktan sonra modelin tamamn deerlendirerek,sonucun modelin gerek olarak uygulanabileceini kantlamas gerekir.Probleme ait model yeniden gzden geirilir ve bir hata olup olmad aratrlr. Bir dier yararl test etme ekli de matematik ifadelerin kullanldklar birimlerdeki doruluklardr.Modelin ve zmnn balang uygulamasndan nce test edilmesi gvenli bir uygulama ve zaman iinde geerlilik kazanmas asndan gereklidir. 5. zm zerinde kontrollerin yaplmas

Eer model devaml kullanlacaksa ,bir sonraki adm modeli aklayan ok iyi bir sistem dkmantasyonunun hazrlanmasdr. Bu sistemde model, zm prosedr ve uygulama iin kullanlan ilemler yer almaldr.Kullancnn deimesi durumunda bile byle bir prosedr hazrlanmsa uygulama aksamayacaktr.te yandan gerek hayatta srekli koullar deitii iin bu deiikliklerin modele yanstlmas yani modelin gncelletirilmesi sz konusudur. 6. zmn gerek hayata geirilmesi(uygulanmas) YA almasnn son aamas da zmn karar verici tarafndan benimsenip uygulanmasdr.almann baars phesiz st kademe yneticilerinin ve ilemleri yrtecek kiilerin verecei destee baldr.YA almas yapan grup yneticilerle devaml ibirlii ile bulunan zmn gvenli bir ekilde uygulanabileceini izlemelidir. Trkiyede YA almalar Trkiyede ilk YA almalar 1960 ylnda askeri amal olarak balatlmtr. 1965 ylnda Tbitak da ilk YA grubu kurulmutur.1964 ylndan itibaren de niversitelerde YA konularnn anlatm balam ve dersler konulmutur.1975 ylnda kurulan YA dernei ulusal kongreler dzenlemekte ,kard yaynlarla da YA almalarn desteklemektedir. YA nn dnyadaki geliimi eitli lkelerde kurulan dernekler YA ilgili periyodikler yaynlayarak bu konudaki gelimeleri duyurmaktadrlar.1950 yl banda A.B.D. da kurulan ORSA(Operations Research Society of America) ile TIMS(The Institute of Management Sciences) bu kurulularn en nlleridir.YA uygulamalarn ve yaplan aratrmalar aktaran dergilerin bazlar aada verilmektedir.

A.I.E.E. Transactions C.O.R.S. Journal Decision Sciences Industrial Engineering Journal of Industrial Engineering Management Science Mathematical Programming Mathematics of Operations Research Naval Research Logistics Quarterly Networks Operations Research Transportation Science

YA tekniklerinin uygulama alanlar ok deiik uygulama alanlar olmasna karn iletmeler dikkate alndnda deiik departmanlardaki uygulamalar u ekilde verilebilir:
5

Muhasebe : Nakit ak plan,Kredi politikas Tasarm : Proje kaynaklarnn yaratlmas, Proje planlama, Bina planlama,fabrika kapasite ve yerinin planlanmas,Hastane planlamas,Blgesel depolarn seimi,Uluslararas logistik sistemler Finans : Kar politikas, Yatrm analizi,Deerli kat analizi retim :Envanter kontrol, retim planlama, nsan-gc planlamas, retimi kolaylatrma Pazarlama : Reklam ynetimi Organizasyon :Personel temini, Personel planlama Satn alma : Optimum satn alma,Malzeme ynetimi Aratrma-gelitirme: AR-GE projelerinin kontrolu, rn gelitirme Ayrca ulusal planlama,enerji planlamas ve ynetimi,teknoloji planlamas,savunma,evre sal , haberleme sistemleri gibi konularda da uygulamalar yaplmaktadr. YA teknikleri YA teknikleri olarak kullanlan algoritmalar iki blmde toplamak mmkndr. 1. Matematiksel programlama teknikleri Dorusal programlama(linear programming) Networks Transportation problem PERT-CPM Dinamik programlama Integer programming Goal programming Game theory 2. Olaslkl modeller Olaslk teorisi (probability) Karar teorisi(decision making) Envanter teorisi Simulasyon Kuyruk teorisi( wating lines) Markov analizi

DORUSAL PROGRAMLAMA Yneylem Aratrmas modelleri, alternatifler, kstlar ve ama fonksiyonu ad verilen temel elemanlardan oluur. Karar problemlerinin alternatifleri genelde bilinmeyen deikenler olarak ortaya kar. Bu deikenler uygun bir matematik model oluturmak zere kstlar ve ama fonksiyonu olarak dzenlenir. Modelin zm ile tm kstlar salayan, ayn zamanda da ama fonksiyonunu optimum (maksimum veya minimum) yapan karar deikenlerinin deerleri bulunur. DP, snrl kaynaklarn kullanmn optimum yapmak iin gelitirilmi bir matematiksel modelleme yntemidir. Bir optimizasyon teknii olarak belirli ortak zellikleri bulunan problemlere uygulanr. Problemden kaynaklanan baz zel durumlar dnda tm DP modelleri temel zellik tar:
6

Dorusal ama fonksiyonu Dorusal kstlar Pozitiflik koulu

Dogrusal ama fonksiyonu Tm organizasyonlarn varmak istedii bir veya birden ok ama vardr. ou organizasyonlar kar maksimizasyonu ya da maliyet minimizasyonunu ama olarak alrlar. DP modellerinde birok deikenin dorusal fonksiyonundan oluan bir ama fonksiyonu bulunur. Bu fonksiyonu Z , deikenleri x1 , x2 , ., xn ve sabit katsaylar da c1 , c2 , cn ile gstermek zere; Z = c1 * x1 + c2 * x2 + ......................... + cn * xn

eklinde yazlr. Problemin amac Z i maksimum veya minimum yapa x deerlerinin bulunmasdr. Eer kar maksimizasyonu amalanmsa Zi maksimum yapan, aksi durumda da maliyet minimizasyonu iin Z i minimum yapan x deerleri aranr. Dorusal kstlar Btn dorusal fonksiyonlar pozitif sonsuzda maksimum, negatif sonsuzda minimum deerini alrlar. Dolaysyla dorusal ama fonksiyonlarnn ayn maksimum ve minimuma sahip olduklarn syleyebiliriz. Matematiksel olarak anlamsz olan bu sonutan kanmak iin deikenler zerinde baz kstlamalar yaplmaldr. Zaten organizasyonlarn kaynaklarnn da sonsuz olmad dnlrse bu kstlamalarn modelde yer almas normaldir. DP modellerinde kstlar, dorusal eitsizliklerden meydana gelir. a11 , a12 , ........................., amn ve b1 , b2 , ..........................., bm sabit saylar olmak zere kstlar : a11 * x1 + a12 * x2 + + a1n * xn <= b1 a21 * x1 + a22* x2 + + a2n * xn < = b2 .............................................................. .............................................................. am1 * x1 + am2 * x2 + + amn * xn <= bm eklinde gsterilir. Kstlar incelendiinde u zellikler gze arpmaktadr:

Sistemin her satr genellikle bir eitsizliktir. Baz durumlarda eitlik de olabilir. Eitsizliklerin sol taraflar dorusal fonksiyonlardr. Kstlarn says (m ) iin bir snrlama yoktur.

Kstlar ifade eden eitsizlikler , problemin zm olabilecek x deikenlerinin iinde bulunduu zm blgesini belirler. Sonuta tm kstlar salayan optimum(en uygun) zm bulunur.

Pozitiflik koulu DP nin gerek problemlere uygulanmasn kolaylatrmak amac ile zmde karar deikenlerinin negatif deer alamayaca koulu getirilmitir. Matematik olarak problem zldnde ;
x1 , x2 , ., xn >= 0 olmaldr.

DP modellerinin formlasyonu deiik ekillerde gsterilmektedir. En yaygn gsterim ekli aada verildii gibi matris notasyonu kullanlarak formle etmektir.

min veya max

c j * xj j=1

ama fonksiyonu

j=1
xj

ij *

xj <= bi

kstlar

i = 1,2, ...., m >= 0 pozitiflik koulu

veya min veya max f (x ) = C * X A*X<=b X>=0 C = (c1 , c2 , cn ) a11 a12 ....... a1n
X= x1 x2 xn A=

b1

a21 a22 ....... a2n b = b2 ............................ ............................ ...

bm am1 am2...... amn

rnek Problem : XX irketi, H1 ve H2 hammaddelerinin karmndan i ve d duvar boyas retmektedir. Aadaki tabloda problemin temel verileri gsterilmektedir. ton bana hammadde miktar (ton) d boya i boya H1 H2 Ton bana kar(1000$) 6 1 5 4 2 4 gnlk maksimum kapasite(ton) 24 6

irketin yapt pazar aratrmasnda, gnlk i boya talebinin en fazla 2 ton olduu grlmtr. Yine ayn aratrmada, gnlk i boya talebinin gnlk d boya talebinden fazla olduu ve bu fazlaln gnde en ok 1 ton olduu anlalmtr. Sirket karn maksimum yapacak ekilde optimum retim miktarn belirlemek istemektedir. Bu problem bir DP modeli olarak dnldnde 3 temel eleman olacaktr : 1. karar deikenleri 2. ama fonksiyonu 3. kstlar Modelin karar deikenleri i ve d boya miktarlardr.
x1 x2 d boyann gnlk retim miktarn( ton) i boyann gnlk retim miktarn( ton ) gstersin.

irket iin en iyi ama toplam kar maksimum yapmaktr. Z toplam kar gstermek zere ; maksimum Z = 5 * x1 + 4 * x2 eklinde yazlabilir. Modelin son eleman hammadde ve taleple ilgili snrlamalardr. H1 hammaddesinin kullanm: 6 * x1 + 4 * x2 ton H2 hammaddesinin kullanm da : 1* x1 + 2 *x2 tondur.

Bu hammaddelerin gnlk kullanmlar snrl olduu iin kstlar u ekilde yazabiliriz : 6 * x1 + 4 * x2 < = 24 1* x1 + 2 *x2 <= 6 H1 hammaddesi iin H2 hammaddesi iin

Ayrca taleple ilgili snrlamalar da vardr : duvar boyas talebinin gnde en ok 2 ton olmas ; x2 < = 2 boyann gnlk retiminin d boyann retiminden en ok 1 ton fazla olmas ; x2 - x1 < = 1 Modelde yer alan deikenlerin negatif olmama (pozitiflik koulu) snrlamasn da ekleyerek matematik modeli aadaki gibi yazabiliriz : ama fonksiyonu : maksimum Z = 5 * x1 + 4 * x2 kstlar : 6 * x1 + 4 * x2 < = 24 x1 + 2 *x2 <= 6 - x1 + x2 <= 1 x2 <= 2 pozitiflik koulu : x1 , x2 > = 0 Bu kstlarn tmn salayan herhangi bir zm uygun zm adn alr. Grafik zm ki deikenli bir DP modeli grafik olarak zlebilir. Grafik yntemin iki nemli adm vardr : Modelin tm kstlarnn saland uygun zmleri ieren bir zm uzaynn belirlenmesi, zm uzayndaki tm noktalar arasndan optimum zmn bulunmas. Yukarda verilen rnein grafik zmn yapalm. Kstlar bir koordinat sisteminde gstermenin en kolay yolu, eitsizlikleri eitlik eklinde dnerek bunlara ait dorularn izilmesidir. Daha sonra eitsizliin iaretine gre dorunun altnda ya da stnde kalan blge zm blgesi olarak seilir. Birinci kst ele alrsak ; 6 * x1 + 4 * x2 < = 24 eitsizliini 6 * x1 + 4 * x2 = 24 eklinde eitlik olarak yazalm. Bu doruyu izebilmek iin iki nokta gerekir. x1 = 0 iin x2 yi, x2= 0 iin de x1 i hesaplayabiliriz. x1 = 0 iin x2= 6 , x2 = 0 iin x1 = 4 bulunur. (0,6) ve (4,0) noktalarndan geen doru aranlan dorudur. Eitsizliin yn (<= ) eklinde olduu iin bu dorunun altnda kalan alan bu kst salayan alandr. Tm kstlara ait dorular izildikten sonra, zm uzay belirlenir. Aslda uygun zm blgesi sonsuz sayda uygun nokta ierdii iin , bunlarn arasndan optimum noktay bulmamz gerekir.

10

x2 6 5 4

1
3

3 2 1 F 0A 1 2 3
E D C zm uzay B 2 4

x1

Optimum zmn belirlenmesi iin kar fonksiyonunun art ynnn bilinmesi gerekir. Bu da Ze keyfi deerler atayarak yaplabilir. Z e nce 10 sonra 15 deerleri verilerek;
5 * x1 + 4 * x2 5 * x1 + 4 * x2 = 10 ve = 15 dorular izilir.

Ama fonksiyonunun daha artrlmas durumunda ABCDEF uygun zm uzaynn dna klacaktr. ekilden zm uzaynn dna C noktasndan kld grlmektedir. Dolaysyla uygun zm ieren nokta C noktasdr. C noktas 1 ve 2 numaral kstlarn kesiim noktas olduu iin buradan x1 = 3 ve x2= 1.5 bulunur. Gnlk retimde 3 ton d boya, 1.5 ton i boya retildiinde gnlk kar Z= 21000$ olacaktr. Optimum zmn zm uzaynn komu ke noktalarndan birinde bulunmas raslant deildir. Ama fonksiyonunun eimi deitirilse bile, yeni zm yine ke noktalarndan birinde olacaktr. x2 z=21 zdeki art 3
z=10 z=15

2
C

optimum nokta

x1 = 3 x2= 1.5 Z= 21000$

x1
11

rnek problem: Bir iftlikte gnde en az 800 kg zel bir karmla yaplan yem kullanlmaktadr. Bu karm, aadaki tabloda verilen maddelerin belirtilen miktarlar kullanlarak elde edilmektedir.
1 kg yemde kullanlan miktarlar(kg) Protein Maliyet($/kg) Msr Soya unu 0.09 0.60 0.02 0.06 0.30 0.90 Lif

Bu rnn bileiminde en az %30 protein ve en ok da % 5 lif bulunmas zorunludur. Firma minimum maliyetle gnlk yem karmn belirlemek istemektedir. nce probleme ait matematik modeli kuralm: Karar deikenleri:
x1 x2 karmdaki msr miktar (kg) karmdaki soya unu miktar(kg)

Ama fonksiyonu: Minimize Z = 0.3* x1 + 0.9 * x2 Kstlar :

x1 + x2 > = 800 ( gnlk retim) 0.09* x1 + 0.60* x2 > = 0.3 ( x1 + x2 ) (protein miktar) 0.02 * x1 + 0.06 * x2 < = 0.05(x1 + x2 ) Kstlar ve ama fonksiyonunu yeniden yazalm: ( lif miktar)

Minimize Z = 0.3* x1 + 0.9 * x2

x1 + x2 0.21* x1 - 0.30* x2 0.03* x1 - 0.01 * x2 x1 , x2 > = 800 <=0 >= 0 >=0

Grafik zm:

12

x2

1500 1000

zm Blgesi

500 optimum nokta

500 optimum noktada deikenlerin deerleri:

x1 = 470.59 kg x2 = 329.42 kg Ama fonksiyonu : Z = 437.65 $

1000

1500

x1

SMPLEKS YNTEM

Bir dorusal programlama modelini zmek zere gelitirilmi , optimum zm iterasyon (ardk yaklam) yoluyla bulan matematiksel bir yntemdir. Probleme ait

13

matematik model kurulduktan sonra, ilk adm modeli standart DP modeli ekline getirmektir. Standart bir DP modelinde eitsizlikler eitlik ekline dntrlmelidir. Eitsizliklerin eitlik haline getirilmesi Bir DP modelinde <= ynndeki bir kst eitlik haline getirmek iin eitsizliin sol tarafna bir artk (slack) deiken eklenir.
x1 + 3* x2 <= 4 eitsizlii, x1 + 3* x2 + S1 = 4 eitlii ile ayn anlamdadr. S1 >= 0 olup, artk deiken adn alr. Eitsizliin yn >= ynnde ise artk deiken eklemek yerine karmak gerekir. Ancak bu durumda da deikenin negatif olmasndan tr balang zmnde yer alamaz. Bunun iin bu tr kstlarda bir de yapay(artificial) deiken eklenir. x1 + 2* x2 >= 6 eitsizlii, x1 + 2* x2 - S1 + A1 = 6 eklinde eitlik haline getirilir. Baz modellerde de sadece = eklinde kstlar da yer alabilir. Bu durumda da eitsizliin sol tarafna bir yapay deiken eklenir. 2*x1 + 3* x2 = 10 eitsizlii, 2* x1 + 3* x2 + A1 = 10 eitlik haline getirilir. Bir eitliin sa taraf mutlaka negatif olmama kouluna uygun olmaldr. Gerekirse bu koulu salamak iin eitsizliin her iki taraf 1 ile arplr ve eitsizliin yn de deitirilir. Simpleks algoritmas Simpleks algoritmas uygun bir temel zmle balar ve daha sonra ama fonksiyonunun daha da iyiletirildii baka uygun zmlerle devam eder. lk uygun zm iin probleme eklenen artk ve yapay deikenlerden yararlanlr. Problemin karar deikenleri (x1 , x2 , ., xn ) balangta sfr deerini alrken , artk (S ) ve yapay (A ) deikenler sa taraf deerlerine eitlenir. imdi bir rnek problem ele alarak algoritmay adm adm uygulayalm. rnek problem: Yksek kaliteli cam rnleri reten bir firmann retimini gerekletirdii 3 atlyesi mevcuttur.1. atlyede aliminyum ereve ve balantlar,2. atlyede aa ereve , 3. atlyede de cam retilerek, kap ve pencere rnleri yaplmaktadr. Kazanlarndaki azalmadan dolay st kademe ynetimi retim hattn yenilemek istemektedir. Kar getirmeyen baz rnler retilmeyecek, buna karlk talebi olan bir veya 2 yeni rn, retim kapasitesinin izin verdii lde retilecektir.Yeni rn olarak aliminyum ereveli kap ve ift caml aa ereveli pencere retilmesi kararlatrlyor. Pazarlama departman elde mevcut kapasite ile retilecek bu rnlerin satlacan garanti etmektedir. Atlyelerden elde edilen bilgiler aadaki tabloda verilmektedir: Birim bana kullanlan kapasite Yzdesi rn 1 1 2 3 birim kar 1 0 3 3$ rn 2 0 2 2 5$

Atlye kapasite

mevcut (yzde) 4 12 18
14

Firma karn maksimum yapacak rn miktarlarn belirlemek istemektedir. Problemin matematik modelini aadaki gibi kuralm: Karar deikenleri:
x1 x2 dakikada retilecek aliminyum ereveli kap miktar dakikada retilecek ift caml pencere miktar

Ama fonksiyonu: Maksimum Z =3* x1 + 5 * x2 Kstlar :

x1 < = 4 ( 1.atlye 1.rn iin kapasitenin %1 ini kullanyor) 2* x2 < = 12 (2.atlye 2.rn iin kapasitenin %2 sini kullanyor) 3 * x1 + 2 * x2 < = 18 (3. atlyedeki kullanm yzdeleri) x1 , x2 > = 0 Modelde iki deiken yer ald iin 2 boyutlu grafik zm yaplabilir. nce pozitiflik koulu dikkate alnarak deikenlerin koordinatlarn pozitif tarafnda yer almas salanr. Daha sonra her bir kstn dorular izilerek zm blgesi bulunur. Son adm ise ama fonksiyonunun maksimum deerinin aranmasdr.

Problemin grafik zm aada gsterilmektedir: x2 10

1

8 6

optimum B(2,6)
2

A(0,6)

15

4 2

zm blgesi C (4,3) Z=36

D (4,0) 4

6 Z=10

8 Z=20

x1

imdi de problemi standart hale getirip simpleks zm yapalm. nce eitsizlikler eitlik ekline getirilir. Bunun iin kstlarn ynne gre deiken eklenir. Modeldeki kstlar <= ynnde olduu iin artk(slack) deikenler eklenecektir. Artk deikenler bo(aylak) kapasiteyi gsterdii iin ama fonksiyonundaki katsaylar sfrdr. Dier bir deyile ama fonksiyonunu etkilemezler. Her ksta aadaki gibi bir artk deiken eklenir:
x1 + S1 = 4 2* x2 + S2 = 12 3 * x1 + 2 * x2 + S3= 18

Balang uygun zm iin karar deikenleri sfra eitlenip, artk deikenler sa taraf deerini alr.
x1 = 0 , x2 = 0 S1 = 4 , S2 = 12 , S3= 18

Bundan sonra balang tablosu kurularak iterasyonlara geilir.

Balang simpleks tablosu:

iterasyon ama fonk.kats. taban dei. 0 0 0 0 S1 S2 S3 kapasite 4 12 18 3 x1 1 0 3 5 x2 0 2 2 0 S1 1 0 0 0 S2 0 1 0 0 S3 0 0 1

Deikenler ve katsaylar yerletirildikten sonra, tabloya iki satr daha eklenir. Bu satrlar Z j ( zarar /birim) ve C j - Z j (kar/birim zarar/birim) satrlardr ve aadaki gibi hesaplanrlar: Z j satrnn hesaplanmas :

16

Z j (kapasite stunu) =0*4 + 0*12 + 0*18 = 0 Z j (x1 stunu) =0*1 + 0* 0 + 0* 3 = 0 Z j (x2 stunu) =0*0 + 0* 2 + 0* 2 = 0 Z j (S1stunu) =0*1 + 0* 0 + 0* 0 = 0 Z j (S2stunu) =0*0 + 0* 1 + 0* 0 = 0 Z j (S3stunu) =0*0 + 0* 0 + 0* 1 = 0 C j - Z j satr ise u ekilde hesaplanr: Deiken
x1 x2 S1 S2 S3

Cj 3 5 0 0 0

Zj 0 0 0 0 0

C j- Zj 3 5 0 0 0

Balang simpleks tablosunun yeni ekli aadaki gibidir:

iterasyon ama fonk.katsa. 0 0 0 taban deik. kapasite S1 4 S2 12 S3 18
Zj

3 x1 1 0 3 0 3

5 x2 0 2 2 0 5

0 S1 1 0 0 0 0

0 S2 0 1 0 0 0

0 S3 0 0 1 0 0

Cj - Z j

Giren ve kan deikenlerin seimi Bundan sonraki aamada sfr katsayl taban deikenlerinden biri tabandan karlp, yerine sfrdan farkl pozitif katsayl bir deiken getirilir. zm d kalmas istenen temel deikene kan deiken, seilmi yeni deikene de giren deiken ad verilir. Bu deikenlerin seimi iin de bir anahtar stun ve anahtar satr belirlenir. C j - Z j satrndaki en byk pozitif saynn olduu stun anahtar stun olarak alnr ve bu stunun zerindeki deiken tabana girecek deiken olarak seilir. Tabandan kacak deikenin seimi iin de kapasitelerle anahtar stun elemanlarnn oranna baklr. En kk pozitif orana sahip satr anahtar satr olarak alnr ve satrdaki deiken tabandan kacak deiken olarak seilir.
iterasyon ama fonk.katsa. 0 0 0 0 taban deik. kapasite S1 4 S2 S3 12 18 3 x1 1 0 3 5 x2 0 2 2 0 S1 1 0 0 0 S2 0 1 0 0 S3 0 0 1

17

Zj

0 3

0 5

0 0

0 0

0 0

Cj - Z j

Anahtar satr iin kapasitelerle anahtar stun oranlar : 4/0 12 / 2 = 6 (en kk oran) 18 / 2 = 9 yeni tobloya geerken deikenler yer deitirilir ve anahtar satr anahtar sayya ( anahtar satr ile anahtar stunun keistii yerdeki say) blnerek yeni tabloya geirilir. Dier satrlar ise aadaki gibi hesaplanr: eski satr - anahtar stun katsays *
S1

yeni anahtar satr

satr iin hesaplama yapmaya gerek kalmyor nk bu satrdaki anahtar stun katsays sfr olduu iin satr ayn ekilde yeni tabloya aktarlr. S3 satr iin yukardaki formle gre hesaplama yapalm: 18 , 3, 2, 0, 0, 1 2 * 6, 0, 1, 0, , 0 = 6, 3, 0, 0, - 1, 1

Yeni tablo oluturulduktan sonra ayn ilemler tekrarlanr. Iterasyona C j - Z j satrnda pozitif say kalmayncaya kadar devam edilir. Probleme ait iterasyon sonular aada verilmektedir.
0 1 5 0 S1 x2 S3
Zj

4 6 6 30

1 0 3 0 3

0 1 0 5 0 0 1 0 5 0

1 0 0 0 0 1 0 0 0 0

0 1/2 -1 5/2 -5/2 1/3 1/2 -1/3 3/2 -3/2

0 0 1 0 0 -1/3 0 1/3 1 -1

Cj - Z j 0 2 5 3 S1 x2 x1
Zj

2 6 2 36

0 0 1 3 0

Cj - Z j

18

Son tabloda ;
x1 = 2 S1 = 2 x2 = 6 S2 = 0 S3 = 0

x1 den dakikada 2 adet , x2 den dakikada 6 adet retildiinde Z= 36 olmaktadr. Bu ama fonksiyonunun bu kstlar altnda alaca maksimum deerdir. 1.kstta yer alan S1
artk deikeni 1.atlyenin bo kalan kapasite yzdesini vermektedir(%2). Dier atlyelerde bo kapasite kalmamaktadr (S2 = 0, S3 = 0).

M yntemi Tm kstlarn ( <= ) ynnde olmas durumunda artk deikenler eklenerek problem standart hale getiriliyordu. Ancak (=) ve (>=) ynndeki kstlar iin artk deiken eklemek yerine karmak gerekir ki bu da balang uygun zmn bozar. Bunu nlemek iin bu tr kstlarda yapay deikenler kullanlmaktadr. Yapay deikenler balang tablosunda taban deikenleri olutururlar ,daha sonra bu deikenler tabandan karlmaya allr.Artk deikenlerin ama fonksiyonundaki katsaylar sfr olmasna karn, yapay deikenlerin ama fonksiyonundaki katsaylar ok byk pozitif deerli bir sayy gsteren M saysdr. M ayn zamanda bir ceza katsaysdr. Bu ceza nedeniyle yapay deikenler iterasyonlar sonunda sfr deerini almaya alacaktr. rnek problem: Protein ve karbonhidrat karmndan zel bir rn hazrlayan bir firma, 200 kg lk bir sipari almtr. 1 kg protein iin verilen maliyet 3YTL, 1 kg karbonhidrat iin maliyet 8YTL dir. Karmdaki protein orannn %40dan fazla olmamas ve karbonhidrat orannn da en az %30 olmas istenmektedir. Firma minimum maliyetle karma girecek protein ve karbonhidrat miktarlarn belirlemek istemektedir. Probleme ait matematik modeli kuralm: Karar deikenleri: x1 karma girecek protein miktar x2 karma girecek karbonhidrat miktar Ama fonksiyonu: Minimum Z =3* x1 + 8* x2 Kstlar : x1 + x2 = 200 ( sipari miktar) x1 < = 80 (protein oran: 0.40*200) x2 > = 60 (karbonhidrat oran:0.30*200) x1 , x2 > = 0 Modeli standart hale getirmek iin dolgu deikenleri ekleyelim. 1. kstta karar deikenleri balang zm iin sfr deerini ald zaman sa taraf deerinin

19

eitlenecei bir deiken olarak bir yapay deiken (A) eklenir. A ok yksek maliyetli (M) ve optimum zmde yer almayacak bir deikendir. x1 + x2 + A 1 = 200 2. kst (<=) ynnde olduu iin bir artk deiken eklenir ve eitlik ekline dntrlr. x1 + S1 = 80 buradaki S1 son zmde bulunacak protein miktar ile 80 kg arasndaki fark gstermektedir. 3.kst (>=) ynnde bir eitsizliktir. Bu ksta bir artk deiken eklemak yerine karmak gerekir: x2 - S2 = 60 S2 artk deikeni negatif deer tamakta ve son zmde karbonhidratn 60 kgdan fazla olabilecek miktarn gstermektedir. x2 = 0 alndnda , 0 - S2 = 60 veya S2 = - 60 olacaktr. Negatif bir kaynak(kapasite) modelde yer alamayaca iin bu ksta bir de pozitif deerli bir yapay deiken eklenir. x2 - S2 + A 2 = 60

Modeli yeniden yazarsak; Minimum Z =3* x1 + 8* x2 + 0* S1 +0* S2 + M* A 1 + M* A 2 Kstlar : x1 + x2 + A 1 = 200 ( sipari miktar) x1 + S1 = 80 (protein oran)

x2 - S2 + A 2 = 60 (karbonhidrat oran) x1 , x2 > = 0 Model standart hale getirildikten sonra simpleks algoritmas uygulanr. M ynteminde anahtar stun seiminde C j - Z j satrndaki negatif deerli M saylar arasndan en k seilir. Bu stun zerindeki deiken tabana girecek deikendir. terasyona C j - Z j satrnda negatif say kalmayncaya kadar devam edilir.
iterasyon ama fonk.katsa. taban deik. kapasite M 0 0 M A1 S1 A2 200 80 60 3 x1 1 1 0 8 x2 1 0 1 M A1 1 0 0 0 S1 0 1 0 0 S2 0 0 -1 M A2 0 0 1

20

Zj

260M

M 3-M

2M 8-2M 0 0 1 8 0 0 0 1 8 0 0 0 1 8 0

M 0 1 0 0 M 0 1 0 0 M 0 1 0 1 8 M-8

0 0 0 1 0 0 0 -1 1 0 3-M M-3 -1 1 -1 -5 5

-M M 1 0 -1 M-8 8-M 1 0 -1 M-8 8-M 1 0 0 0 0

M 0 -1 0 1 8-M 2M-8 -1 0 1 8-M 2M-8 -1 0 0 0 M

Cj - Z j M 1 0 8 A1 S1 x2
Zj

140 80 60 620M

1 1 0 M 3-M

Cj - Z j M 2 3 8 A1 x1 x2
Zj

60 80 60 780M

0 1 0 3 0

Cj - Z j 0 3 3 8 S2 x1 x2
Zj

60 80 120 1200

0 1 0 3 0

Cj - Z j

Son tabloda ; x1 = 80, x2 = 120 ve Z = 1200 bulundu. S2 = 60 karbonhidratn fazla miktarn gstermektedir. zetlersek minimizasyon problemlerinde iterasyona, C j - Z j satrnda negatif say kalmayncaya kadar ,maksimizasyon problemlerinde de pozitif say kalmayncaya kadar devam edilir. rnek Uygulamalar: #1 Maksimum Z =10* x1 + 20* x2 Kstlar : - x1 +2* x2 <= 15 x1 + x2 < = 12 5* x1 +3* x2 < = 45 x1 , x2 > = 0 iterasyon says:2 Z= 210

x1 =3 , x2 = 9, S3 = 3

21

#2 Minimum Z =x1 + x2 Kstlar : x1 >= 30 x2 >= 20 x1 +x2 >= 8 x1 , x2 > = 0 iterasyon says:3 Z=50

x1 =30 , x2 = 20

#3 Minimum Z =2* x1 + 3* x2 + x3 Kstlar : x1 +4* x2 + 2* x3 >= 8 3* x1 + 2*x2 >= 6 x1 , x2, x3 > = 0 iterasyon says:2 Z=7 x1 =0.8 , x2 = 1.8

rnek problem: Aada verilen DP problemi bir maksimizasyon problemi olup (>=) ynnde bir kst iermektedir. Bu kst standart hale getirmek iin bir yapay deiken eklenerek tablo hazrlanr. C j - Z j satrnda negatif deerli M kalmad zaman maksimizasyon problemi olduu iin pozitif say kalp kalmadna baklr. Negatif M ve pozitif say kalmad grldnde iterasyona son verilir. Maksimum Z =2* x1 + 3* x2 Kstlar : x1 +2* x2 <= 4 x1 + x2 >= 3 x1 , x2 > = 0
iterasyon ama fonk.katsa. taban deik. kapasite 0 0 M S1 A1
Zj

2 x1 1 1 M 2-M 2 1 6M 0.5 0.5 0.5M+1.5 0.5-0.5M

3 x2 2 1 M 3-M 1 0 3 0

0 S1 1 0 0 0 0.5 -0,50 1.5-0.5M 0.5M-1.5

0 S2 0 -1 -M M 0 -1 -M M

M A1 0 1 M 0 0 1 M 0

4 3 3M

Cj - Z j 3 1 M x2 A1
Zj

Cj - Z j

22

3 2

x2 x1
Zj

1 2 7

0 2 2 0

1 0 3 0 1 2 4 -1

1 -1 1 -1 1 1 2 -2

1 -2 -1 1 1 0 0 0

-1 2 1 M-1 -1 0 0 M

Cj - Z j 0 3 2 S2 x1
Zj

1 4 8

0 1 2 0

Cj - Z j

23