1.

prednka
Operan vskum a manament podniku
- operan vskum jedna z hlavnch discipln kvantitatvnych podnikovo-hospodrskych nuk, sli na podporu
rozhodovania v podniku
- OV je relatvne mladou vednou disciplnou:
- v r. 1938 sa v armde Vekej Britnie vytvorilo oddelenie OV, ktorho lohou bolo skma operan
vlastnosti radaru
- poas 2. svetovej vojny alie aplikcie pri riaden vojenskch innost druh variant nzvu vednej
disciplny vskum operci popri oznaen OV (ekvivalentn je aj nzov operan analza0
- vvojov etapy OV:
- vojensk aplikcie poas 2. svetovej vojny
- problmy manamentu podnikov
- rozrenie oblast skmania a aplikcie (60-te, 70-te roky 20. storoia) obchod, doprava, ttna
sprva, zdravotnctvo a pod.
- v sasnosti sa ako OV oznauje disciplna zameran na rieenie problmov manamentu pomocou
matematickch modelov a metd
Ekonomick model zjednoduen obraz ekonomickej reality, popsan pomocou ekonomickho jazyka.
Matematicko-ekonomick model formalizovan ekonomick model popsan pomocou matematickch vzahov.
Matematick modely meme klasifikova z viacerch hadsk:
1. poda vzahov
- linerne
- nelinerne
2. poda rovne skmania:
- mikroekonomick
- makroekonomick
3. poda vvoja v ase:
- statick
- dynamick
4.
- deterministick
- stochastick
OV sli na podporu rozhodovania. Proces prijatia rozhodnutia meme znzorni takto:
1. ekonomick realita
2. formulcia cieov a podmienok
3. verblny model
4. matematick model
5. priradenie zodpovedajcej lohy (zostavenie lohy)
6. rieenie lohy
7. verifikcia zskanho rieenia
8. implementcia rieenia
Zkladn disciplny OV
1. truktrne modely podniku
2. Linerne programovanie
3. Dopravn lohy
4. Sieov analza
5. Teria zsob
6. Modely hromadnej obsluhy
7. Modely obnovy
truktrne modely
Jednm z nstrojov na analyzovanie ekonomickej situcie podniku je rozhodovac model.
truktrne modely s zameran na analzu a syntzu vzahov (truktry) vrobnho podniku, zskanie viacerch
monch rieen ako podklad pre rozhodovanie
Optimalizan modely umouj zska najlepie rieenie ako podklad pre rozodnutie z hadiska danho ciea.
1 2 3 4 5 6 7 8
Zkladom pre kontrukciu truktrnych modelov s informcie o truktrnych vzahoch (t.j. o vzahoch tokov
vrobkov medzi ekonomickmi subjektmi alebo vntri nich)
- materilov alebo finann truktrne vzahy
truktrne modely formlne opisuj mnoinu truktrnych vzahov a zvislost medzi ekonomickmi veliinami
vetvenie vrobnho procesu v rmci: - vroby spotreby odbytu
Podnikov truktrne (maticov) modely poskytuj pre riadenie podniku zkladn informcie
- o toku polovrobkov a vrobkov v jeho rmci
- bilancuj spotrebu materilu
- dvaj tie informcie o mnostve vrobkov urench na odbyt
Pre analzu vntropodnikovch materilovch tokov treba zostavi matematick model, ktor zobraz bilann
vzahy medzi:
- produkciou urenou na odbyt
- celkovou vrobou
- spotrebou endognnych a exognnych zdrojov
Zkladn tvar truktrneho modelu podniku
Predpoklady:
1. mnostvo pouitch endognnych zdrojov vyrobench v podniku na predchdzajcich stupoch vroby je
proporcionlne celkovmu mnostvu vyrobench vrobkov
2. mnostvo exognnych zdrojov pouitch na vrobu je proporcionlne celkovmu mnostvu vyrobench
vrobkov
Uveden predpoklady mono definova ako funkn zvislosti medzi vrobou a spotrebou vzahmi:
j kj kj
j ij ij
x b s
x a x
.
.

kde
n poet druhov vrobkov
m poet exognnych zdrojov (materil, energia, pracovn sily...)
x
ij
mnostvo vrobkov i-tho druhu pouit na celkov produkciu vrobkov j-tho druhu (endognne zdroje
podniku)
x
i
mnostvo vyrobench vrobkov j-tho druhu
s
kj
spotreba k-tho zdroja na celkov produkciu vrobkov j-tho druhu (ekognne zdroje podniku)
s
k
mnostvo zdrojov k-tho druhu, priom k=1,2....m
a
ij
koeficient priamej spotreby i-tho druhu vrobku na vrobu jednej jednotky j-tho druhu vrobku (truktrny
koeficient endognnych zdrojov podniku)
b
kj
koeficient priamej spotreby k-tho zdroja na vrobu jednej jednotky j-tho druhu vrobku (truktrny koeficient
exognnych zdrojov podniku)
y
i
mnostvo vrobkov urench na odbyt mimo podniku
Pre kad i-t vrobok meme formulova bilann rovnicu:

n
j
ij
x x y
1
1 1
i = 1 ... n
resp.

j ij
x a x y .
1 1 i = 1 ... n
Analogicky mono zostavi bilann rovnicu, ktor opisuje spotrebu exognnych zdrojov

n
j
j kj k
x b s
1
.
k = 1 ... m s
k
mnostvo zdrojov k-teho druhu
Maticov zpis bilannch rovnc:
x A I Ax x y ) (
Bx s
Maticov model podniku I.
(zkladn tvar truktrneho modelu podniku):
( )
[ ] x
B
A I
s
y
.
1
]
1

1
]
1

- umouje vypota produkciu vrobkov urench na odbyt a mnostvo exognnych zdrojov

v zvislosti od vyrobenej celkovej produkcie
y = (I A). x s = Bx
x = (I A)
-1
. y s = B (I A)
-1
. y
Maticov model podniku II.
( )
( )
[ ] y
A I B
A I
s
x
.
.
1
1
1
]
1

1
]
1

- umouje vpoet celkovej vyrobenej produkcie a potrebu exognnych zdrojov pri vopred
urenom odbyte
(I-A)
-1
koeficienty celkovej spotreby endognnych zdrojov
B. (I A)
-1
koeficienty celkovej spotreby exognnych zdrojov
PR.
Drevrska firma, ktor vyrba 4 finlne vrobky (t.j. vrobky uren na predaj) sa sklad zo tyroch vrobn (V1, V2,
V3, V4). Vo V1 sa spracva ako exognny zdroj drevn hmota, z ktorej sa vyrbaj hranoly, ktor s aj prvm
finlnym vrobkom firmy. Hranoly sa spracvaj vo V2, kde sa produkuj laty, ktor s uren na vrobu
drevotriesky vo V3 a slia aj ako finlny vrobok. Vo V3 sa spracvaj hranoly z V1, laty z V2 a druh exognny
zdroj ferme, priom sa vyrba drevotrieska, ktor je tretm finlnym produktom firmy a sasne polotovarom pre
V4, kde sa vyrbaj jednoduch skrinky, ktor s tvrtm finlnym vrobkom firmy urenm na odbyt. Pre vrobu
treba 1000 bench metrov (bm) drevnej hmoty a 2000 kg fermee. V1 produkuje 500 bm hranolov pre V2 a 400bm
hranolov pre V3, pre odbyt je urench 200 bm hranolov. V2 produkuje 200 bm lt pre V3 a 200 bm lt je urench
pre odbyt. Vo V3 sa vyrba 400 bm drevotriesky pre V4 a 400 bm drevotriesky pre odbyt. Skrinky sa vyrbaj pre
odbyt v pote 400.
lohy:
1. Zostavte bilann schmu a k tomu zodpovedajcu bilann tabuku
V1 V2 V3 V4 Y X
Hranoly V1 0 500 400 0 200 1100
Laty V2 0 0 200 0 200 400
Drevotr. V3 0 0 0 400 400 800
Skrinky V4 0 0 0 0 400 400
Drevn hm. S1 1000 0 0 0
Ferme S2 0 0 2000 0
2. Zostavte matice koeficientov priamej spotreby endognnych a exognnych zdrojov firmy
A, B
matica A=
x
ij
= a
ij
. x
j
=> a
ij
= x
ij
/ x
j
a
11
= x
11
/x
1
= 0/1100 = 0
a
12
= x
12
/x
2
= 500/400 = 1,25
a
13
= x
13
/x
3
= 400/800 = 0,5
a
23
= x
23
/x
3
= 200/800 = 0,25
a
34
= x
34
/x
4
= 400/400 = 1
x
1
= 1100
Drevn
hmota s1
Ferme
s2
Vroba
hranolov V1
Vroba
drevotriesky
V3
Vroba lt
V2
s
11
= 1000
s
23
= 2000
400+200+500
x
13
= 400
x
12
= 500
y
1
= 200
x
2
= 400
200+200 x
23
= 200
y
2
= 200
y
3
= 400
y
4
= x
4
= 400
x
34
= 400 x
3
= 800
Vroba
skriniek V4
matica A = 0 1,25 0,5 0
0 0 0,25 0
0 0 0 1
0 0 0 0
matica B =
s
kj
= b
kj
. x
j
b
kj
= s
kj
/ x
j
b
11
= s
11
/ x
1
= 1000/1100 = 0,90909
b
23
= s
23
/ x
3
= 2000/800 = 2,5
matica B = 0,909 0 0 0
0 0 2,5 0
Na vrobu jednho bm hranolov sa spotrebuje 0,909 bm drevnej hmoty.
Na vrobu jednho bm lt sa spotrebuje 1,25 bm hranolov.
Na vrobu jednho bm drevotriesky sa spotrebuje 0,5 bm hranolov, 0,25 bm lt a 2,5 kg fermee.
3. Zostave maticov model podniku I
y
1
[ 1 -1,25 -0,5 0] [x
1
]
y
2
[ 0 1 -0,25 0] [x
2
]
y
3
= [ 0 0 1 -1] x [x
3
]
y
4
[ 0 0 0 1] [x
4
]
s
1
[ 0,909 0 0 0]
s
2
[ 0 0 2,5 0]
4. Ak by boli mnostv hranolov, lt, drevotriesky a skrine uren na odbyt, keby firma vyrobila drevotriesku
v mnostve o 25% vyom. Ak by boli poiadavky na exognne zdroje?
1100
400
x= 1000 ---tj. 800x1,25= 1000...25% vyssej drevotriesky
400
y
1
[1 -1,25 -0,5 0] [1100 ] 100 pokles o 100
y
2
[0 1 -0,25 0] [400 ] 150 pokles o 50
y
3
= [0 0 1 -1] x [1000 ] = 600 rast o 200
y
4
[0 0 0 1] [400 ] 400 nezmenilo sa
s
1
[0,909 0 0 0] 1000 nezmenilo sa
s
2
[0 0 2,5 0] 2500 rast o 500
...1x1100-1,25x400-0,5x1000+0x400=100....pokles...prvy riadok
5. Zostavte matice koeficientov celkovej spotreby endognnych zdrojov ie maticu (I A)
-1
a celkovej spotreby
exognnych zdrojov, ie maticu B. (I A)
-1
(I A)
-1
= 1 1,25 0,8125 0,8125
0 1 0,25 0,25
0 0 1 1
0 0 0 1
B. (I A)
-1
= 0,909 1,136 0,738 0,786
0 0 2,5 2,5
6. Zostavte maticov model 2
x
1
1 1,25 0,8125 0,8125 y
1
x
2
0 1 0,25 0,25 y
2
x
3
= 0 0 1 1 x y
3
x
4
0 0 0 1 y
4
t
1
0,909 1,136 0,738 0,786
t
2
0 0 2,5 2,5
7. o by sa stalo keby sme znili odbyt drevotriesok o 10%? Ak vplyv to bude ma na exognne zdroje?
y = 200
200
360
400
x
1
1 1,25 0,8125 0,8125 y
1
1067,5 - pokles
x
2
0 1 0,25 0,25 y
2
390 pokles o 10
x
3
= 0 0 1 1 x y
3
= 760 pokles o 40
x
4
0 0 0 1 y
4
400 nezmenilo sa
t
1
0,909 1,136 0,738 0,786 970,45 - pokles
t
2
0 0 2,5 2,5 1900 pokles o 100
2. prednka
Linerne programovanie
Vetky funkcie, rovnice, nerovnice s linerne. Existuje vek mnostvo loh, ktor sa daj formulova cez linerne
programovanie.
Prklad 1
V1 V2
zisk 50sk 60sk
s1 3j 4j 1200j
s2 3j 2j 900j
x
1
, x
2
hadan mnostv V1 a V2.
loha linerneho programovania m viacero ast:
1. elov funkcia maximalizova zisk max z(x) = 50x
1
+ 60x
2
2. truktrne (ohraniujce) podmienky 3x
1
+ 4x
2
<= 1200
3x
1
+ 2x
2
<= 900
3. podmienky nezpornosti x
1
, x
2
>= 0
LP veobecn zlokov tvar max (min) z (x) =

n
j
j j
x c
1
.
{ }

n
j
i j ij
b x a
1
, , .
i = 1 ... m
j j
j
D x
x

0
j = 1...n
V maticovom tvare:
max (min) z (x) = x c
T
{ }
0
, ,

x
b Ax
n poet vyrbanch vrobkov
m poet ohraniujcich zdrojov (poet surovn)
x
j
mnostvo vrobkov j-tho druhu
c
j
koeficienty elovej funkcie, napr. jednotkov zisk pre j-ty druh vrobku
a
ij
technologick koeficienty, ktor uruj ak mnostvo i-teho zdroja sa spotrebuje pri vrobe jednej jednotky j-
teho vrobku.
b
i
prvky pravej strany = disponibiln mnostvo i-teho ohraniujceho zdroja
Prklad 2
V1 V2 V3 V4
H 1 2 1 3 1200 hod
S 3 2 3 1 1400 ton
V1 0,5 V2
- 1 V4
V1 na odbyt zisk 450 Sk
V2 na odbyt zisk 500 Sk
V3 na odbyt zisk 600 Sk
V4 na odbyt zisk 800 Sk
V3 maximlne 150 ton
V4 minimlne 100 ton
Maximalizujte vnos
x
1
, x
2
, x
3
, x
4
V1 : x
1
= 0,5x
2
+ x
4
+ x
5
x
1
celkov vyprodukovan mnostvo
x
5
mnostvo V1 uren na odbyt
max z (x) = 500x
2
+ 600x
3
+ 800x
4
+ 450x
5
x
1
+ 2x
2
+ x
3
+ 3x
4
>= 1200
3x
1
+ 2x
2
+ 3x
3
+ x
4
<= 1400
-x
1
+ 0,5x
2
+ x
4
+ x
5
= 0
x
3
<= 150
x
4
>= 100
x
1,2,3,4,5
>= 0
Prklad 3
SZ 90 ton (musm spotrebova)
Z1 Z2
SZ 5t 1t aspo 90 ton
SD 3t 4t 200 ton
EE 3MWh -1MWh max 60 MWh
nklady 12 000,- 8 000,-
Z
1
= Z
2
minimlne nklady
min z (x) = 12000x
1
+ 8000x
2
5x
1
+ x
2
>= 90
3x
1
+ 4x
2
<= 200
3x
1
- x
2
<= 60
x
1
- x
2
= 0
x
1,2
>= 0
Prklad 4 zmieavac problm
Zmes
A B
M1 2/15 t 2/5 t aspo 2 tony
M2 1/5 t 1/10 t aspo 1 tonu
ceny 200 300
hadan mnostv A,B .... x
1
a x
2
min z (x) = 200x
1
+ 300x
2
2/15 x
1
+ 2/5x
2
>= 2
1/5 x
1
+ 1/10 x
2
>= 1
x
12
>= 0
Prklad 5 rezn problm
75cm
30cm ..... 180 ks
25cm ..... 120 ks
10cm ..... 50 ks
minimalizova odpad z rezania
Dka latky
Spsoby rezania
Poadovan poet ks
s1 s2 s3 s4 s5 s6 s7
30 2 1 1 0 0 0 0 180
25 0 1 0 3 2 1 0 120
10 1 2 4 0 2 5 10 50
Odpad 5 0 5 0 5 0 5
min z (x) = 5x
1
+ 0x
2
+ 5x
3
+ 0x
4
+ 5x
5
+ 0x
6
+ 5x
7
2x
1
+ x
2
+ x
3
= 180
x
2
+ 3x
4
+ 2x
5
+ x
6
= 120
x
1
+ 2x
2
+ 4x
3
+ 2x
5
+ 5x
6
+ 7x
7
= 50
x
1,2,3,4,5,6,7
>= 0
x
1
a x
7
je poet lt dlhch 75 cm, ktor sa bud reza spsobmi s1 a s7.
a
ij
vyjadruj poet lt i-teho druhu, ktor sa nare pri rezan lt o dke 75 cm j-tym spsobom rezania. (a
ij
je napr.
2, 1, 1 v prvej rovnici)
Prklad 6 loha vberu portflia
5 000 000,-
A1 2% x1
A2 3,5% x2
DP 6,5% x3
P 3% x4
B 2,5% x5
do A1 + A2 nie viac ako 25% celkovch zdrojov (5 mil. Sk)
D nie menej ako B
DP + D nie viac ako 50% vynaloench investci
Maximalizova oakvan ron vnos
max z (x) = 0,02x
1
+ 0,035x
2
+ 0,065x
3
+ 0,03x
4
+ 0,025x
5
x
1
+ x
2
+ x
3
+ x
4
+ x
5
<= 5000000
x
1
+ x
2
<= 1250000
x
4
>= x
5
resp. x
4
x
5
>= 0
x
3
+ x
4
<= 0,5 (x
1
+ x
2
+ x
3
+ x
4
+ x
5
)
-0,5x
1
0,5x
2
+ 0,5x
3
+ 0,5x
4
0,5x
5
<= 0
-0,5x
1
0,5x
2
+ 0,5x
3
+ 0,5x
4
0,5x
5
<= 0
x
1,2,3,4,5
>= 0
Vlastnosti rieenia loh linerneho programovania
Prpustnm rieenm lohy LP sa nazva tak vektor x = (x
1
,x
2
... x
n
), ktor vyhovuje ohraniujcim podmienkam
lohy.
Mnoinou prpustnch rieen lohy budeme nazva mnoinou
{ } { } 0 , , , | x b Ax R x
n
kde R
n
predstavuje n- rozmern euklidovsk priestor.
Bzickm rieenm sstavy ohraniujcich podmienok nazvame tak rieenie, ktor zskame, ak polome n-m
premennch rovnch nule a rieime ju pre zostvajcich m premennch za podmienky, e determinant matice
koeficientov tchto m premennch je rzny od nuly. Tchto m premennch nazvame bzickmi premennmi.
Vektor x = (x
1
, x
2
...x
n
) nazvame bzickm prpustnm rieenm LP, ak je bzickm rieenm tejto lohy a m
nezporn zloky.
Nedegenerovanm rieenm LP sa nazva tak bzick rieenie, ktor obsahuje prve m kladnch zloiek. Ak sa
niektor bzick premenn rovnaj nule (poet kladnch zloiek vektora x je men ako m), bzick rieenie je
degenerovan.
Optimlnym rieenm LP sa nazva tak prpustn rieenie, pre ktor nadobda elov funkcia svoj extrm (ak
je F maximalizan, tak svoje maximum, ak je F minimalizan, tak svoje minimum)
- ak m LP prpustn rieenie, potom m aj bzick prpustn rieenie
- mnoina prpustnch rieen LP je konvexn
- linerna funkcia LP nadobda svoj extrm v niektorom z krajnch bodov mnoiny prpustnch rieen. Ak
nadobda extrm vo viacerch krajnch bodoch, potom ho nadobda aj v ubovonom bode, ktor je
konvexnou kombinciou tchto krajnch bodov.
Geometrick rieenie LP
max z (x) = 50x
1
+ 60x
2
3x
1
+ 4x
2
<= 1200 [0; 300]; [400; 0]
3x
1
+ 2x
2
<= 1900 [0; 450]; [300; 0]
x
1,2
>= 0
GRAFFFFFFFFFFFFFFFFFFFFFF
Vlastnosti rieenia LP
<= , =
- upravuj LP na:
- elementrne transformcie
- doplnkov premenn
Elementrne transformcie:
- zmena typu extremalizcie
max x
1
+ 2x
2
= min (-x
1
2x
2
)
- zmena ohranienia
z <= na >=
2x
1
+ 3x
2
<= 5 / . (-1)
-2x
1
3x
2
>= -5
- ohranienie = nahra <= a >=
7x
1
+ 4x
2
= 9 7x
1
+ 4x
2
<= 9
7x
1
+ 4x
2
>= 9
Doplnkov premenn:
- ohranienie <= a >= na =
s
1
, s
2
s
m
>= 0
5x
1
+ 4x
2
<= 64x
1
+ 7x
2
>= 9
5x
1
+ 4x
2
+ s
1
= 6 4x
1
+ 7x
2
s
2
= 9
PR.
max z(x) =

n
j
j j
x c
1
.

n
j
i j ij
b x a
1
.
i = 1....m
x
j
>= 0 j = 1 ... n
max z (x) =

n
j
j j
x c
1
.

+
n
j
i i j ij
b s x a
1
.
i = 1... m
x
j
>= 0 j = 1 n
s
i
>= 0 i = 1 ...m
Simplexov metda:
- sli na hadanie optimlneho rieenia LP
- skma iba bzick rieenia
- je to iteran procedra, ktor po uritom pote krokov umouje njs optimlne rieenie alebo prde k zveru, e
optimlne rieenie neexistuje
Rozliujeme 3 zkladn pojmy:
- bzickos
- optimlnos
- prpustnos
Na kadej iterci njdem prpustn bzick rieenie, pokia neexistuje, tak skonm.
Ptame sa je toto prpustn bzick rieenie optimlne?
- no == skonme (lebo sme nali optimlne rieenie)
- Nie == testujeme alie prpustn bzick rieenie
Rozliujeme dva zkladn algoritmy:
- primrny simplexov algoritmus (priamy)
- dulny simplexov algoritmus
Primrny simplexov algoritmus
- skma len prpustn bzick rieenia lohy. lohu najprv potrebujeme upravi na tak tvar, aby sme mali
ohranienia v tvare rovnice. Prvky pravej strany b
i
musia by nezporn pre vetky i a tie potrebujeme, aby matica
koeficientov sstavy ohranien (matica A) obsahovala m- rozmern jednotkov submaticu, ktor tvor vchodiskov
bzu.

n
j
i i j ij
n
j
j j
b s x a
x c x z
1
1
.
. ) ( max
i = 1 ....m
b
i
>= 0
x
j
, s
i
>= 0 j= 1...n
i = 1...m
b>= 0 podmienka primrnej prpustnosti
(spojen s rieitenosou LP PSA)
PR.
Njdite tak poet vyrobench vrobkov V1 a V2, pri ktorch sa dosahuje maximlny zisk.
V1 V2
zisk 2000 1500
sur S1 1 3 1250
sur S2 2 1 800
prac. hod. 1 3/2 800
max z (x) = 2000x
1
+ 1500x
2
x
1
+ 3x
2
<= 1250 [0; 416,6] [1250; 0]
2x
1
+ x
2
<= 700 [0; 700] [350; 0]
x
1
+ 3/2x
2
<= 800 [0; 533,3] [800; 0]
x
1,2
>= 0
max z (x) = 2000x
1
+ 1500x
2
x
1
+ 3x
2
+ s
1
= 1250
2x
1
+ x
2
+ s
2
= 700
x
1
+ 3/2x
2
+ s
3
= 800
x
1,2
>= 0
s
1,2,3
>= 0
mme 3 rovnice o viacerch (5) premennch
- 2 premenn si meme ubovone zvoli (5 3 = 2)
- zvyn 3 premenn vypotame zo sstavy
Pri simplexovom algoritme sa uvauje tak, e x
1
aj x
2
polome najprv rovn 0.
x
1
= x
2
= 0
s
1
= 1250 x
1
3x
2
s
2
= 700 2x
1
x
2
s
3
= 800 x
1
3/2x
2
s
1
= 1250
s
2
= 700
s
3
= 800
x
1
a x
2
s nebzick premenn (nie s sasou bzy, lebo s nulov)
premenn s
1
, s
2
, s
3
vytvraj bzu a nazvaj sa bzick premenn
s
1
stav zsob suroviny S
1
s
2
stav zsob suroviny S
2
s
3
mnostvo pracovnch hodn H
Ptame sa i toto prpustn bzick rieenie je optimlne alebo nie je....
Zistme to na zklade elovej funkcie. Vypotame jej hodnoty.
z = 2000 . 0 + 1500 . 0 = 0
- nie je to optimlne rieenie
Ako musme zmeni prpustn bzick rieenie, aby sme dospeli k lepiemu rieeniu???
- vstupujca premenn bude x
1
(lebo 2000 > 1500) (je lepia ako x
2
)
- vystupujca premenn
- pre prv surovinu (s
1
) 1250/1 = 1250 ks prvho vrobku
- pre druh surovinu (s
2
) 700/2 = 350 ks druhho vrobku
- pre pracovn hodiny (s
3
) 800/1 = 800 ks prvho vrobku.
s
2
bude vystupujca premenn (lebo hadme minimlnu hodnotu).
s
2
= 700 2x
1
x
2
2x
1
= 700 x
2
s
2
x
1
= 350 0.5x
2
0.5s
2
- modifikuj sa aj zsoby surovn
x
1
dosadme so s
1
a s
3
s
1
= 1250 (350 0.5x
2
0.5s
2
) 3x
2
= 900 2.5x
2
+ 0.5s
2
s
3
= 800 (350 0.5x
2
0.5s
2
) 1.5x
2
= 450 x
2
+ 0.5s
2
x
2
= 0 a s
2
= 0 s premenn nebzick (tam dosadme 0)
bzick s:
x
1
= 350
s
1
= 900
s
3
= 450
Hodnota elovej funkcie je:
z = 2000 (350 0.5x
2
0.5s
2
) + 1500x
2
= 700 000 + 500x
2
1000s
2
- o je hodnota modifikovanej elovej funkcie
Ke vyrbame 350 jednotiek prvho vrobku, tak dosiahnem zisk 700 000,- Sk.
Pri vrobe 350 jednotiek prvho vrobku mi zostva 900 jednotiek prvej suroviny a 450 bzovch hodn.
Mme modifikovan elov funkciu.
Na 1 jednotku V1 nm treba 2 jednotky S
2
a na jednu jednotku V2 nm treba 1 jednotku S
2
. To znamen, e na
vrobu kadej jednotky V2 sa musme zrieknu polovice jednotky V1.
Tm pdom nm zisk poklesne o jednu polovicu z 2000, ie o 1000 Sk.
ie 1500 1000 = 500
- vstupujca premenn bude x
2

- pre urenie vystupujcej premennej :
o 350/0.5 = 700 (z x1)
o 900/2.5 = 360 (z s1)
o 450/1 = 450 (z s3)
- minimlna hodnota sa dosahuje z s
1
min (700, 360, 450) = 360
- vystupujca premenn bude s
1
2.5x
2
= 900 s
1
+ 0.5s
2
x
2
= 360 0.4s
1
+ 0.2s
2
x
1
= 350 0.5(360 0.4s
1
+ 0.2s
2
) 0.5s
2
= 170 + 0.2s
1
0.1s
2
s
3
= 450 (360 0.4s
1
+ 0.2s
2
) + 0.5s
2
= 90 + 0.4s
1
+ 0.3s
2
s
1
= 0, s
2
= 0
x
2
= 360
x
1
= 170
s
3
= 90
- toto je prpustn bzick rieenie
z = 700 000 + 500 (360 0.4s
1
+ 0.2s
2
) 1000s
2
= 880 000 200s
1
900s
2
- hodnota modifikovanej elovej
funkcie
Prv aj druh surovina s plne spotrebovan. Prvho vrobku vyrbame 170 ks, druhho 360 ks a pracovnch hodn
mi zostva k dispozci 90. Pri vrobe 170 jednotiek prvho vrobku a 360 jednotiek druhho vrobku dosahujem
zisk 880 000,- Sk.
Pokia mm v modifikovanej elovej funkci znamienka mnus, u ju nememe zlepi a dosiahnut rieenie je
optimlne.
Simplexov tabuka
cj 2000 1500 0 0 0
Bza cb x1 x2 s1 s2 s3 b
s1 0 1 3 1 0 0 1250
s2 0 2 1 0 1 0 700
s3 0 1 3/2 0 0 1 800
c
j
- z
j
2000 1500 0 0 0 0
s1 0 0 5/2 1 -1/2 0 900
x1 2000 1 0 0 350
s3 0 0 1 0 -1/2 1 450
c
j
- z
j
0 500 0 -1000 0 700000
x
2
1500 0 1 2/5 -1/5 0 360
x1 2000 1 0 -1/5 3/5 0 170
s3 0 0 0 -2/5 -3/10 1 90
c
j
z
j
0 0 -200 -900 0 880000
- posledn 0 je hodnota elovej funkcie
- vstupujcu premenn z tabuky urm poda toho ktor hodnota (v tmavom prvom riadku) je via , ie x
1
- tie ltm vypotala elementrnou zmenou bzy
cb ceny bzickch premennch
c
j
z
j
= c
j
cb . B
-1
.A
j
MAX. L.: c
j
z
j
<= 0
MIN. L.: c
j
z
j
>= 0
- vstupujca premenn x
k
- to je t, ktor najviac poruuje kritrium optimlnosti
MAX L.: c
k
z
k
= max (c
j
z
j
| c
j
z
j
> 0 )
MIN L.: c
k
z
k
= min (c
j
z
j
| c
j
z
j
< 0 )
- vystupujca premenn x
r
min ( x
i0
/ x
ik
; x
ik
> 0 )
Elementrna zmena bzy:
x
ij
= x
ij
x
rj
/ x
rk
. x
ik
i sa nerovn r
r index vedceho riadku
k index vedceho stpca
x
rk
vedci prvok
X
B
= B
-1
.b >= 0 X
B
hodnoty bzickej premennej
X
B
= B
-1
.b =

,
_

0
0
20
10
...
...
m
i
x
x
x
x
Optimlne rieenie: x* = (x
1
* , x
2
* , s
1
* , s
2
* , s
3
* ) = (170; 360; 0; 0; 90)
Hodnota elovej funkcie
z (x*) = 880 000,-
Optimlne rieenie je vyrba 170 ks prvho vrobku, 360 ks druhho vrobku, priom spotrebujem cel mnostvo
prvej a druhej suroviny a ostane mi nevyuitch 90 hodn. Pri takomto vrobnom programe dosiahnem zisk 880 000,-
Sk.
Dvojfzov simplexov algoritmus
PR.
min z(x) = 12 000x
1
+ 8000x
2
5x
1
+ x
2
>= 90 [18 ; 0] [0 ; 90]
3x
1
+ 4x
2
<= 200 [200/3 ; 0] [0 ; 50]
3x
1
- x
2
<= 60 [20 ; 0] [0 ; -60]
x
1
- x
2
= 0 [0 ; 0]
x
1,2
>= 0
GRAFFFFFF
min z (x) = 12000x
1
+ 8000x
2
SZ (surovina zkladn)5x
1
+ x
2
s
1
+ w
1
= 90
SD (surovina doplnkov)3x
1
+ 4x
2
+ s
2
= 200
EE (el. energia) 3x
1
- x
2
+s
3
= 60
x
1
- x
2
+ w
4
= 0
x
1,2
>= 0
s
1,2,3
>= 0
Zavdzame umel premenn, lebo nemme jednotkov submaticu. Umel premenn w1 a w4.
Pomocn elov funkcia:
II. min p(w) = w
i
- vdy mus by minimalizan
p (w) udva celkov neprpustnos rieenia
Cieom je dosiahnu p (w) = 0 a vyli umel premenn w
i
z bzy.
p (w) = 0 - prechod na I. fzu a rieime pvodn lohu
p (w) 0 - loha nem prpustn bzick rieenie
Ke sa nm nepodar vyli umel premenn, tak loha nebude ma prpustn bzick rieenie.
II. min p (w) = w
1
+ w
4
c
j
I 0 0 0 0 0 1 1
c
j
II 12000 8000 0 0 0 0 0
B c
B
I c
B
II x
1
x
2
s
1
s
2
s
3
w
1
w
4
b
w
1
0 1 5 1 -1 0 0 1 0 90
s
2
0 0 3 4 0 1 0 0 0 200
s
3
0 0 3 -1 0 0 1 0 0 60
w
4
0 1 1 -1 0 0 0 0 1 0
(c
j
z
j
)
I
- - - - - - - - - -
(c
j
z
j
)
II
-6 0 1 0 0 0 0 90 = p
(w)
w
1
0 1 0 6 -1 0 0 1 -5 90
s
2
0 0 0 7 0 1 0 0 -3 200
s
3
0 0 0 2 0 0 1 0 -3 60
x
1
120
0
0 1 -1 0 0 0 0 1 0
(c
j
z
j
)
II
0 -6 1 0 0 0 6 90 =
p(w)
x
2
800
0
0 0 1 -1/6 0 0 1/6 -5/6 15
s
2
0 0 0 0 7/6 1 0 -7/6 17/6 95
s
3
0 0 0 0 1/3 0 1 -1/3 -4/3 30
x
1
120
00
0 1 0 -1/6 0 0 1/6 1/6 15
(c
j
z
j
)
I
0 0
10000/3
0 0 -10000/3
-14000/3 300000
= HF I
(c
j
z
j
)
II
0 0 0 0 0 1 1 0 = p
(w)
x* = (15,15,0,95,30)
z (x*) = 300 000,-
pecilne prpady
1. alternatvne rieenie
min z (x) = x
1
+ 2x
2
3x
1
+ 2x
2
<= 6
x
1
+ 2x
2
>= 4
x
1,2
>= 0
GRAFFFFF
min z (x) = x
1
+ 2x
2
3x
1
+ 2x
2
+ s
1
= 6
x
1
+ 2x
2
s
2
+ w
2
= 4
x
1,2
>= 0
s
1,2
w
2
>= 0
c
j
II
0 0 0 0 1
c
j
I
1 2 0 0 0
c
B
I
c
B
II
x
1
x
2
s
1
s
2
w
2
b
s
1
0 0 2 0 1 1 -1 2
x
2
2 0 1 0 -1/2 2
(c
j
z
j
)
I
0 0 0 1 -1 4
x
1
1 0 1 0 -1/2 1
x
2
2 0 0 1 -1/4 -3/4 3/2
(c
j
z
j
)
I
0 0 0 1 -1 4
Pod niektorou z nebzickch premennch sa v riadku c
j
z
j
nachdza 0.
2. loha s neohranienou mnoinou prpustnch rieen
max z (x) = x
1
+ 2x
2
4x
1
+ 3x
2
>= 12
3x
1
+ x
2
>= 6
x
1,2
>= 0
GRAFFFF
Nevieme njs posledn prienik rovovej priamky s mnoinou prpustnch rieen. Hodnota elovej funkcie je na
mnoine prpustnch rieen zhora neohranien.
max z (x) = x
1
+ 2x
2
4x
1
+ 3x
2
s
1
+ w
1
= 12
3x
1
+ x
2
s
2
+ w
2
= 6
x
1,2
>= 0
s
1,2
w
1,2
>= 0
c
j
I
1 2 0 0 0 0
c
B
I
c
B
II
x
1
x
2
s
1
s
2
w
1
w
2
b
x
2
2 0 3 1 0 -1 0 1 6
s
1
0 0 5 0 1 -3 -1 3 6
(c
j
z
j
)
I
-5 0 0 2 0 -2 12
Vetky prvky vedceho stpca s zporn, resp. nekladn a teda nememe uri vystupujcu premenn.
3. loha s przdnou mnoinou prpustnch rieen
min z (x) = 3x
1
+ x
2
2x
1
+ x
2
<= 4
5x
1
+ 6x
2
<= 30
x
1,2
>= 0
GRAFFFFF
V prvom kvadrante mnoina prpustnch rieen je przdna.
2x
1
+ x
2
+ s
1
= 4
5x
1
+ 6x
2
s
2
+ w
2
= 30
c
j
I
3 1 0 0 0
c
j
II
0 0 0 0 1
c
B
I
c
B
II
x
1
x
2
s
1
s
2
w
2
b
x
2
1 0 2 1 1 0 0 4
w
2
0 1 -7 0 -6 -1 1 6
(c
j
z
j
)
I
7 0 6 1 0 6 = p
(w)
p (w) 0
- nemem prejs na prv fzu
- mnoina prpustnch rieen sa rovn przdnej mnoine.
4. degenerovan rieenie
max z (x) = 4x
1
+ x
2
3x
1
+ 2x
2
<= 6
3x
1
+ x
2
<= 6
x
1,2
>= 0
GRAFFFF
V jednom bode je prienik viac ako dvoch ohranien.
max z (x) = 4x
1
+ x
2
3x
1
+ 2x
2
+ s
1
= 6
3x
1
+ x
2
+ s
2
= 6
x
1,2
>= 0
c
j
4 1 0 0
B c
B
x
1
x
2
s
1
s
2
b
x
1
4 1 2/3 1/3 0 2
s
2
0 0 -1 -1 1 0
c
j
z
j
0 -5/3 -4/3 0 8
x* = (2,0,0,0)
z (x*) = 8
V stpci modifikovanej pravej strany sa nachdza aspo 1 nula. Ak sa degenercia vyskytne v priebehu vpotu,
neznamen to, e vsledn rieenie je degenerovan. K degenerci dochdza vtedy, ke nemono uri jednoznane
vystupujcu premenn.
Dualita v lohch linerneho programovania
PRIMRNA LOHA:
max z (x) = 2000x
1
+ 1500x
2
x
1
+ 3x
2
<= 1250 S1
2x
1
+ x
2
<= 700 S2
x
1
+ 3/2 x
2
<= 800 PH
x
1,2
>= 0
u
1
ocenenie jednej jednotky suroviny S1 1250u
1
u
2
ocenenie jednej jednotky S2 700u
2
u
3
ocenenie jednej jednotky pracovnho asu PH 800u
3
min g (u) = 1250u
1
+ 700u
2
+ 800u
3
DULNA LOHA:
1. vrobok: u
1
+ 2u
2
+ u
3
>= 2000 - zisk z vroby jednej jednotky V1
2. vrobok: 3u
1
+ u
2
+ 3/2u
3
>= 1500
u
1
, u
2
, u
3
>= 0
u
1
+ 2u
2
+ u
3
- hodnota disponibilnch zdrojov spotrebovanch pri vrobe jednej jednotky V1
Ku kadej lohe linerneho programovania mono zostroji dulnu lohu, ktor s ou uritm spsobom svis.
Primrna loha
0
.
. ) ( max
1
1

j
n
j
i j ij
n
j
j j
x
b x a
x c x z
i = 1...m j = 1 ...n
max z (x) = c
T
x (1)
Ax <= b
x >= 0
Dulna loha
0
.
. ) ( min
1
1

j
n
j
i j ij
m
i
i i
x
b x a
b u u g
- ke je primrna loha maximalizan, dulna je minimalizan a opane
Dualita v LP
max z (x) = 2000x
1
+ 1500x
2
x
1
+ 3x
2
<= 1250 S1
2x
1
+ x
2
<= 700 S2
x
1
+ 3/2 x
2
<= 800 PH
x
1,2
>= 0
min g (u) = 1250u
1
+ 700u
2
+ 800 u
3
u
1
+ 2u
2
+ u
3
>= 2000
3u
1
+ u
2
+ 3/2u
3
>= 1500
u
1,2,3
>= 0
Pravidl:
- ke je primrna loha maximalizan, dulna je minimalizan, vtedy platia tieto vety pod tm: (kee to
plat aj opane, tak vetko bude aj opane)
ke typ ohranienia je <= v primrnej optimalizanej lohe, tak v dulnej je >= 0
- ke je typ ohranienia = v primrnej, tak v dulnej je von
- ke je typ ohranienia >= v primrnej, tak v dulnej je <= 0
ke je premenn >= 0 v primrnej, tak ohranienie v dulnej je >=
- ke je premenn von v primrnej, tak ohranienie v dulnej je =
- ke je premenn <= 0 v primrnej, tak ohranienie v dulnej je <=
typick:
pre max. lohu je <=
pre min. lohu je >=
x,u >= 0
PR.
max z (x) = 3x
1
+ 4x
2
+ 7x
3
+ 8x
4
x
1
+ 2x
2
+ 3x
3
<= 6
3x
1
+ x
2
x
3
+ 2x
4
= 7
2x
1
+ x
3
+ 2x
4
>= 4
x
1
>= 0
x
2
von
x
3
<= 0
x
4
von
min g (u) = 6u
1
+ 7u
2
+ 4u
3
u
1
+ 3u
2
+ 2u
3
>= 3
2u
1
+ u
2
= 4
3u
1
u
2
+ u
3
<= 7
2u
2
+ 2u
3
= 8
u
1
>= 0
u
2
von
u
3
<= 0
Vety o dualite
Slab veta nech x je prpustn rieenie primrnej lohy (1) a u je prpustn rieenie dulnej lohy (2), potom pre
hodnoty elovch funkci tejto dvojice loh plat:
c
T
x <= u
T
b
Siln veta nech lohy (1) a (2) maj prpustn rieenia. Potom existuj aj optimlne rieenia x* a u* tchto loh,
priom hodnoty elovch funkci sa rovnaj, tzn. e
c
T
x* = u*
T
b
Veta o komplementrnosti
nech x * je optimlne rieenie primrnej lohy (1) a u* je optimlne rieenie dulnej lohy (2), potom plat:
0 * . * .
1

,
_

i
n
j
i j ij
u b x a
i = 1...m
0 * . * .
1

,
_

j
m
j
j i ij
x c u a
i = 1....n

>
n
j
i j ij i
b x a u
1
* . 0 *

>
m
j
j i ij
c u a j x
1
* . 0 *

<
n
j
i i j ij
u b x a
1
0 * * .

>
m
j
j j i ij
x c u a
1
0 * * .
0
) 1 ( .
. max
1
1

j
n
j
i j ij
n
j
j j
x
b x a
x c
0
) 2 ( .
. min
1
1

i
m
j
j i ij
m
j
i i
u
c u a
b u
u* = c
B
B
-1
i
i
b
z
u

i = 1...m - miera deficitnosti zdrojov

Optimlne rieenie primrnej lohy:
2000 1500 0 0 0
B c
B
x
1
x
2
s
1
s
2
s
3
b
x
2
1500 0 1 2/5 -1/5 0 360
x
1
2000 1 0 -1/5 3/5 0 170
s
3
0 0 0 -2/5 -3/10 1 90
c
j
z
j
0 0 -200 -900 0 880000
x* = (170, 360, 0, 0, 90)
z (x*) = 880 000
Optimlne rieenie dulnej lohy sa nachdza v riadku (c
j
z
j
) pod pvodnmi bzickmi premennmi priom tmto
hodnotm treba zmeni znamienko.
- pvodne v bze boli s
1
, s
2
, s
3
u* = (200, 900, 0)
g (u*) = 1250 . 200 + 700. 900 + 800.0 = 880 000 hodnota elovej funkcie zostva (siln veta o dualite
z (x*) = g (u*)
Analza citlivosti (senzitivity) optimlneho rieenia loh linerneho programovania na zmenen vstupn daje
- ide o analzu u njdenho OR alebo tzv. postoptimalizan analzu
3 hlavn problmy:
1. zistenie prpustnho intervalu zmeny ubovonho prvku pravej strany
2. zistenie prpustnho intervalu zmeny ubovonho koeficientu elovej funkcie
3. posdenie efektvnosti zavedenia novej technolgie
1. prav strana
bi = b + trojuholnk b
- dulna prpustnos (kritrium optimlnosti v PSA)
c
j
z
j
= c
j
c
B
B
-1
A
j
<= 0 pre max. lohu
- nebude ovplyvnen (nevystupuje tu b prav strana)
- primrna prpustnos
X
B
= B
-1
.b >= 0
X
B
= B
-1
.(b + trojuholnk b) >= 0
B
-1
.b + B
-1
.trojuholnk b >= 0
x
B
+ B
-1
.trojuholnk b >= 0

,
_

,
_

,
_

,
_

0
...
0
...
0
0
...
...
0
.
... ... ...
... ... ... ... ...
... ...
... ... ... ... ...
... ... ...
...
...
1
1
1 11 1
k
mn m
im ik i
m
Bm
Bi
B
D
x
x
x



0 .
...
0 .
...
0 .
1 1
+
+
+
k mk bm
k ik bi
k k B
b x
b x
b x

pre i-ty riadok

0 . +
k ik Bi
b x
-toto sa del na 2:
-
ik
bi
k
ik
x
b

> 0
GRAFF
-
ik
bi
k
ik
x
b

< 0
GRAFF
Vzahy pre doln hranicu:

'

'

0 max
ik
ik
bi
D
k
x
b

ak pre kad
ik
<= 0

'

<

'

0 min
ik
ik
bi
H
k
x
b

ak pre kad
ik
>= 0
max z (x) = 2000x
1
+ 1500x
2
....
....
....
b
1
, b
2
, b
3
uri hranice
Pre b1:
b= b + trojuholnk b
X
B
+ B
-1
.trojuholnk b >= 0

,
_

,
_

,
_

,
_

0
0
0
0
0 .
1 10 / 3 5 / 2
0 5 / 3 5 / 1
0 5 / 1 5 / 2
90
170
360
1
b
360 + 2/5 delta b
1
>= 0 => delta b
1
>= -900
170 1/5 delta b
1
>= 0 => delta b
1
>= 850
90 2/5 delta b
1
>= 0 => delta b
1
<= 225
GRAFFFF
1475 , 350
225 1250 , 900 1250
225 , 900
1
1
1

+

b
b
b
- pokia sa b
1
bude pohybova v rmci intervalu, nezmen sa truktra bzy OR , z toho vyplva v bze bud
stle x
1
, x
2
a s
3
Pre b2:
3
850
5 / 3
170
max
2

'

D
b
- doln hranica
{ } 300 300 , 1800 min
10 / 3
90
,
5 / 1
360
min
2

'

H
b
- horn hranica
1000 ,
3
1250
300 700 ,
3
850
700
300 ,
3
850
2
2
2

+

b
b
b
Ak by sa hodnota pohybovala v rmci intervalu, nezmen sa truktra bzy OR, z toho vyplva v bze bud stle x
1
,
x
2
a s
3
.
Pre b3:

+

'

, 710
800 , 90 800
, 90
90
1
90
max
3
3
3
3
3
b
b
b
b
b
H
D
Ak by sa hodnota pohybovala v rmci intervalu, nezmen sa truktra bzy OR, z toho vyplva v bze bud stle x
1
,
x
2
a s
3
.
2. interval prpustnch zmien pre koeficient elovej funkcie
Primrna prpustnos
- c nevystupuje nebude ovplyvnen
Dulna prpustnos
nebzick c
j
bzick - c
B
Nebzick: Bzick:
Max. loha Max. loha
Min. loha
pre c
1
:
Ke c
1
bude v tom intervale, zostva tr. nezmenen.
pre c
2
:
3. zavedenie novej technolgie
- V
k
c
k
, A
k
c
j
2000 1500 0 0 0
B c
B
x
1
x
2
s
1
s
2
s
3
b
x
2
1500 0 1 2/5 -1/5 0 360
x
1
2000 1 0 -1/5 3/5 0 170
s
3
0 0 0 -2/5 -3/10 1 90
c
j
z
j
0 0 -200 -900 0 880000
V
3
, V
4
bude to efektvne?
V
3
V
4
zisk 1800 1600
s
1
2 2
s
2
3 1
H 1 1
V
3
nie je efektvne
V
4
je efektvne
Celoselnos v lohch linerneho programovania
1. celo-celoseln lohy, pri ktorch musia vetky premenn lohy nadobda len celoseln hodnoty.
2. lohy s bivalentnmi alebo binrnymi premennmi, kde vetky premenn nadobdaj iba hodnoty 0 alebo
1 (do tejto skupiny mono zaradi napr. investin lohy, v ktorch ide o vber investinho variantu
a hodnota 1 znamen, e prslun variant je vhodn realizova, hodnota 0 oznauje nevhodnos variantu
a pod.).
3. lohy so zmieanmi premennmi, v ktorch sa vzahuje poiadavka celoselnosti, resp. binrnosti len pre
niektor premenn.
Veobecne mono takto lohy zapsa v tandardnom tvare
maximalizova (minimalizova)
TU BOLI ESTE NEJAKE VZORCE, ASI NAM TO POTOM ONA DA
Veobecn zpis lohy matematickho programovania (MP)
sledovan ciele vzorce elov funkcie
za podmienok vzorce truktrne podmienky
rozhodnutia
pecilne podmienky na
premenn
vzorce podmienky nezpornosti
vzorce dodaton podmienky
n poet rozhodovacch premennch
m poet ohraniujcich podmienok
k poet elovch funkci
x
i
rozhodovacie premenn, j = 1,2...n
lohy s viacermi elovmi funkciami
loha viackriterilnej optimalizcie
kde
TOTO ESTE POKRACUJE, ONA ASI DA
- na rieenie sa pouva princp agregcie cieovch kritri firma m viacero kritri, ktor maj rznu
dleitos
V
1
... V
s
vhov koeficienty cieovch kritri, ich set sa mus rovna 1.
PR.
75% - max. zisku
25% - min. nkladov
priom nklady na V
1
= 1200 Sk a na V
2
= 800 Sk.
Distribun problmy
- daj sa riei simplexovmi algoritmami, ale ich pouitie nie je efektvne, lebo matica koeficientov sstavy
ohranien obsahuje iba 1 a 0, priom 2/3 prvkov s nuly. Takto matice sa nazvaj riedke matice.
1. Dopravn lohy
a. vybilancovan
b. nevybilancovan
c. degenerovan
2. Priraovacie problmy
Dopravn lohy
- ich cieom je njs tak prepravn pln tovarov od dodvateov k odberateom, aby prepravn nklady boli
minimlne.
m dodvateov i = 1...m
n odberateov j = 1...n
x
ij
prepravovan mnostvo tovaru od i-teho dodvatea k j-temu odberateovi.
c
ij
nklady na prepravu jednej jednotky tovaru od i-teho dodvatea k j-temu odberateovi.
a
i
kapacity i-teho dodvatea i = 1...m
b
j
poiadavky j-teho odberatea j = 1...n
1. kad dodvate odpred cel svoju produkciu
2. kad odberate plne uspokoj svoje poiadavky
- ak poiadavky dodvatea a odberatea nie s identick nevybilancovan

FOLIA, KTORU NAM MOZNO DA
Vlastnosti dopravnch loh:
- kad dopravn loha m prpustn rieenie
- existuje prpustn rieenie, ktor nem viac ako m+n-1 kladnch zloiek
- kad dopravn loha m optimlne rieenie
- ak s vetky a
i
a b
i
cel sla, kad bzick rieenie s cel sla
Rieenie vybilancovanch D:
1. krok njdenie vchodiskovho prpustnho bzickho rieenia
2. krok urenie optimlneho rieenia
1. krok VPBR 3 metdy na rieenie:
- metda severo-zpadnho rohu
- metda tabukovho minima prepravnch nkladov
- Vogelova aproximan metda
PR.
3. dodvatelia, 4 odberatelia
kapacity dod/odb. :
Dodavatelia:
a
1
= 200t
a
2
= 150t
a
3
= 400t
a
i
= 750 t
Odberatelia:
b
1
= 170t
b
2
= 230t
b
3
= 100t
b
4
= 250t
b
j
= 750t
a
i
= b
j
vybilancovan dopravn loha
O1 O2 O3 O4
D1 2 7 1 5
D2 3 6 8 4
D3 2 4 9 3
!!! Zapte to ako LP:
Ohranienia:
1. podmienka:
2. podmienka:
Metda severozpadnho rohu
O1 O2 O3 O4
D1 2 7 1 5
200
170 30
D2 3 6 8 4
150
150
D3 2 4 9 3
400
50 100 250
170 230 100 250
Metda tabukovho minima prepravnch nkladov
O1 O2 O3 O4
D1 2 7 1 5
200
100 100
D2 3 6 8 4
150
150
D3 2 4 9 3
400
70 80 250
170 230 100 250
- v celej tabuke si njdem minimlne prepravn nklady (mal sla)
- potom znova mm 2 dvojky tzv. lexikografick pravidlo vyberiem t hodnotu, kde je najmen set indexov
riadka a stpca 1. riadok a 1. stpec = 1+1, 3. riadok a 1. stpec = 3+1.
HF = 2410
Vogelova metda
O1 O2 O3 O4
D1 2 7 1 5
200
100 100
D2 3 6 8 4
150
150
D3 2 4 9 3
400
230 100
70 230 100 250
dif 1 1 2 7* 1
dif 3 1 2* 1
HF = 2260
Dopravn lohy
Vpoet OR metdou potencilov
- u
i
dodvateom
- v
j
odberateom
O1 O2 O3 O4
dif 1 dif 2 dif 4
1 3*
1 1 1
1 1 1
D1 2 3 1 5
200
D2 3 6 8 4
150
D3 2 4 9 3 400

170 230 100 250
- chceme zisti, ktor a i niektor z rieen z minulej prednky je optimlne
Aplikujeme metdu potencilov na rieenie zskan metdou tabuky prepravnch nkladov. Neskr uvidme, e
rieenie zskan Vogelovou aproximanou metdou bolo u OR. Nie vdy je rieenie zskan Vogelovou ap. metdou
optimlne.
u
i
\v
j
2 4 1 3
0 2 7 1 5
200 100
4
10
0
3
2 3 - 6 8 4
150
4
+ 150
3 5
nech
u
3
=0
- 2 + 4 9 3
400 70 80
1
25
0
170 230 10
0
25
0
min (70,150) = 70 presvam 70j tovaru
m+n 1 pol
3+4-1=6 pol nedegenerovanch
- po obsaden polia
= 6 rovnc a 7 neznmych 1 premenn ubovone zmenm,
nech u
3
= 0
pre neobsaden polia mus plati
- pokia to neplat, rieenie nie je OR. Do poa, kde je najviac poruen tto podmienka dme nad to pole znamienko
+. Presuny ozname znamienkami + a -, priom mus plati:
- v danch radoch (riadkov a stpcov) sa musia pridan a odobran mnostv tovaru rovna
- spojenm presunov vznikne uzatvoren kruh alebo reaz
- mus by splnen podmienka, e poet obsadench pol je m+n-1 v tabuke sa meme pohybova len po
obsadench poliach.
Mnostvo presvanho tovaru urme ako minimum zo znamienok -.
u
i
\v
j
-3 0 -4 -1
5 2 7 1 5
200 100
5
10
0
4
6 3 - 6 8 + 4
150
70 80
2 5
4 2 + - 4 9 - 3 400
1
150
0
250
170 230 10
0
250
min (80,250) mem presva 80j tovaru
u
i
\v
j
O1 3 O2 5 O3 2 O4 4
D1
-1
2 7 1 5
200
100
4
100
3
D2
0
3 6 8 4
150
70
5 2
80
D3
-1
2 4 9 3
400
230
1
170
170 230 100 250
HF = 2260
- pre vetky polia plat
Optimlne je prepravova 100j tovaru od dodvatea D1 k O1, 100j od D1 k O3, 70j od D2 k O1...
S s tm spojen prepravn nklady
Toto je alternatvne rieenie neobsaden polia
Rieenie nevybilancovanch dopravnch loh
ND ke je bu ponuka D > dopyt O alebo naopak. Rieia sa zavedenm fiktvneho odberatea alebo dodvatea.
1.
2.
c
ij
bud nulov pre fiktvneho dodvatea a fiktvneho odberatea.
PR.
30 30
a
1
=200 b
1
=150
a
2
=300 b
2
=260
a
3
=200 b
3
=190
a
i
=700 b
j
=600
a
i
=700 > b
j
=600 zavdzam fiktvneho odberatea (stpec) b
F
= 100.
u
i
\v
j
1 4 2 0
2 5 2 3 0
200
1
200
-2
0 1 4 7 0
300
150 60
2
0 3 6 2 0
200
1

4
190 10
150 260 170 100
dif 2 2 1
Hadme rieenie Vogelovou aproximanou metdou, nuly si nevmame a tie polia obsadzujeme a nakoniec.
m+n-1 = 6 ide o nedegenerovan rieenie
pre vetky neobsaden polia OR
HF = 1170
2. dodvate dodva 150j tovaru O1, 60 O2 a 90j nem odbyt.
Degenerovan D
Rieenie degenerovanch dopravnch loh
- ak poet obsadench pol je < m+n-1
dif 1 dif 2
1 1
3* 3
1 4*
- degenerovanie vznik:
- v priebehu vpotu vchodiskovho prpustnho bzickho rieenia
- pri aplikci metdy potencilov
- rzne metdy na rieenie:
1. metdou
vemi mal kladn slo, ktor neovplyvuje prepraven mnostvo tovaru
PR. 4D, 3O
u
i
\v
j
0 -2 0
3 1 4
100+
3 100+
2 2 5 2
150+
150

3
4
1 3
200+
50- 150+2
2 2
4
2
50+
2 50+
150 150
200+4
dif 1 1 3 1
dif2 2* 3 1
poet obsadench pol: 5
m+n-1 : 6 => ide o degenerovan rieenie
Do niektorho neobsadenho pola dm tak, aby platilo ....
HF = 1000
Analza citlivosti v klasickej D
- mme vybilancovan D a poznme OR.
Predpokladajme, e prepravujeme vie alebo rovnak mnostvo tovaru z kadho miesta vroby a poiadavky vo
vetkch miestach spotrebu s tie vie. Potom za uritch okolnost meme prepravi toto vie mnostvo
tovaru za niie nklady ako pri pvodnom plne rozvozu.
Viac za menej
b, b plat to ist
Kedy pouvame tto vlastnos? (ak podmienky?)
1. OR mus by nedegenerovan
2. mus existova zporn riadkovo stpcov suma zodpovedajcich relnym premennm
Priraovac problm
dif 1 dif 2
2
3* 0
2 1
2 0
- pecilny typ D
- loha je vdy degenerovan, pretoe poet obsadench pol je vdy m
- priradenie prce strojom
- vber zamestnancov na urit pracovn pozciu
PR. 3 uchdzai pre 3 miesta
pracovnci\prac. miesta
10
10 20
10
30
0 a 1
5
20 10
1+
10 5 1+
0 b 1
0
5 35
1+

1
10
0 c 1
0
15 10
1+
1-
5
2
1 1
1+3
dif 1 5 10 25*
dif2 0 10* 25*
HF = 25
A 3. miesto
B 2. miesto
C 1. miesto
Sieov analza
- metdy SA s zaloen na teri grafov
lohy:
- loha o najkratej ceste
- loha o kritickej ceste
- loha o obchodnom cestujcom
- loha o max./min. toku v sieti
Terminolgia:
Graf tvar, ktor mono znzorni v rovine pomocou bodov uzlov (vrcholov) a ich spojnc hrn.
Nech P={P
i
}, i = 1,2n je neprzdna mnoina n prvkov a B je ubovon podmnoina mnoiny P vetkch monch
kombinci 2. triedy prvkov mnoiny P. Potom mnoinu G={P,B} nazveme grafom.
- prvky P uzly
- mnoina
- ak mnoina B obsahuje usporiadan dvojice (P
i
, P
j
), hovorme, e graf je orientovan.
Matica vzdialenost
Sie graf, ktor m tieto vlastnosti:
- je svisl
- hranovo (uzlovo) orientovan
- ohodnotenia hrn s nezporn
- existuje v om dvojica uzlov, z ktorch 1 je vstupom (zaiaton uzol) a 2. je vstupom (koncov uzol)
loha o najkratej ceste
- njdenie najkratej cesty v neorientovanom grafe, s znme vzdialenosti medzi jednotlivmi uzlami
Dantzigov algoritmus.
dif 1 dif 3
5
5 5
5 5
PR.
Majme dopravn sie, ktor obsahuje 8 kriovatiek (uzlov) spojench nasledovnmi trasami (hranami). Njs
najkratiu cestu z 1. do 8. uzla.
t
i
0 2 4 3 7 5 8 13
P
i
1 2 3 4 5 6 7 8
d
ij
2(2
)
2
1*
1(2
)
1(4
)
1(3
)
2(5
)
12 3(3
)
8 5(1) 9 6(8)
3(4
)
4
3*
4(8
)
10 4(2
)
6 2(8
)
4(9
)
16 4(2
)
7 6(7) 15 7(11
)
4(3
)
3
2*
5(5
)
7
5*
6(3
)
7 3(2
)
5 7(1
)
8
6*
7(7
)
12 8(11
)
19
5(9
)
12 8(8
)
13
7*
6(2
)
5
4*
1 4 6 8 => m 13ku.
- - z 1 do 5 => 7ku
- 1 2 5
- keby sme chceli hada napr.
z 3. uzla nov vpoet
D sa tto loha zapsa ako LP
pecilne ako priraovac
problm pozrie formulciu
v knihe a vedie zapsa.
Kritick cesta v sieti (loha o kritickej ceste)
- na urenie harmonogramu vstavby rznych projektov
- na riadenie vrobnch innost z hadiska ich asovho rozvrhovania
- vrobn proces/vstavbu mono rozdeli na jednotliv innosti, ktor na seba logicky nadvzuj
- relcie medzi jednotlivmi innosami:
1. paralelne, A a B s nezvisl
2. vzjomne zvisl, nie s paraleln (je jedno i prebehne A a potom B alebo naopak)
3. jednoznan zvislos, innos B me prebehn a po skonen innosti A
B
A
2
3
4
8
5
1
9
2
3
2
7
8
11
2
4
1
3
6
5
7
8
A
B
B
B
A
A
A A
A
B
D
C
2
1
3
Fiktvna innos
4. innos B me prebieha a ke innos A u urit as prebiehala
5. innos B a urit as po skonen innosti A
6. fiktvna innos
- uvaujeme innosti A,B,C,D priom D nadvzuje na A a C nadvzuje na A a B.
- dka trvania fiktvnej innosti = 0
- aj tto lohu mono zapsa ako LP:
d
ij
dka trvania innosti (i,j), i = 1,2...n-1; j = 2,3...n
t
i
ohodnotenie i-teho uzla (uzla P
i
)
- pre praktick vypotanie sa odpora poloi t
1
= 0
Algoritmy na vpoet loh o kritickej ceste:
1. CPM deterministick
2. PERT stochastick
- algoritmus je toton, len pri CPM je d
ij
deterministicky uren, pri PERT treba vypota vzahom :
a
ij
optimistick predpoklad
m
ij
normlne trvanie innosti (normlny predpoklad)
b
ij
pesimistick predpoklad
CPM (Critical Path Method)
- najdleitejie je zostavi sie
- umouje uri:
o kritick cestu (dka realizcie projektu)
o priebeh vstavby projektu
o asov rezervy pri realizcii jednotlivch innost
B
B
Vzahy: (budeme postupova 2 smermi)
1. VSTUP VSTUP
2. VSTUP VSTUP
T as ukonenia projektu
(ak T nie je dan, potom )
Celkov rezerva
- najskr vhodn zaiatok innost vychdzajcich z uzla P
i
- najskr mon koniec innost (i,j)
najneskr prpustn zaiatok innost (i,j)
- najneskr prpustn koniec innost koniacich
v uzle P
j
Kritick cesta obsahuje tie innosti, pre ktor je
celkov rezerva = 0 => RC
ij
= 0
PR.
Rekontrukcia domu pozostva z 11 innost A a K,
ktorch trvanie a nadvznos udva nesledujca tabuka. Njdite kritick cestu pre dan lohu.
Predch.inn.
Dka
trvania
(i,j) d
ij
Najskr mon Najneskr prpustn
Najneskr
prpustn
K, Najskr
mon K
RC
ij
Z
K Z
K
A - 6 A(1,2) 6 0 6 3 9 3
B - 3 B(1,3) 3 0 3 2 5 2
C - 9 C(1,4) 9 0 9 0 9 0*
D A 5 F(2,4) 0 6 6 9 9 3
E B 4 D(2,5) 5 6 11 10 15 4
F B 7 E(3,4) 4 3 7 5 9 2
G A,C,E 6 F(3,6) 7 3 10 16 23 13
H A,C,E 2 G(4,5) 6 9 15 9 15 0*
I D,G 8 H(4,6) 2 9 11 21 23 12
J D,G 4 I(5,6) 8 15 23 15 23 0*
K F,H,I 6 J(5,7) 4 15 19 25 29* 10
K(6,7) 6 23 29 23 29 0*
* - tam, kde mm koniaci uzol (7)
- grafick rieenie:
A
C
B
D
J
G
E
F
H
K
I
2
4
1
3
6
5
7
slo uzla
najneskr prpustn koniec
najskr mon zaiatok
Kritick cesta vedie tade, kde celkov rezerva = 0 => C G I K 29 dn
V ktorch uzloch s rezervy a o to znamen?
- napr. 3 uzol: innos B me najskr skoni v 3 de, innos E a F ale musia zaa na 5. de
- rieenie tab.
Nkladov analza kritickej cesty
D
ij
normlne trvanie innosti
d
ij
minimlne trvanie innosti
C
ij
nklady zodpovedajce normlnemu trvaniu innosti
c
ij
nklady zodpovedajce minimlnemu trvaniu innosti
Predpoklady:
1. nad normlne trvanie innosti nie je mon predlova as trvania
2. minimlnu dobu trvania nemono skrti z technickch dvodov
- na nkladov analzu sa pouva Weberov postup
PR. (k minulmu prkladu)
9
2
6
8
23
23
6
29
21
2
11
10 7
16
5
4
7
9
9
0
2
3
3
0
2
13
12
0
0
3
6
6
10 5 11
9
0
6
15 15
19
4
29-4=25
3
10
0
4
3
1
0
0
2
6
9
3
3
5
4
9
9
5
15
15
6
23
23
7
29
29
najskr
me by
skon. 0+6
ni tm 3
nepredch.
-min
musia nejnesk.
skon.
nemal som
za. T
n
innos D
ij
d
ij
C
ij
c
ij
Spd a
ij
A 6 5 1000 1200 200
B 3 3 800 800 0
C 9 8 900 1000 100
D 5 5 1100 1100 0
E 4 4 600 600 0
F 7 6 800 1100 300
G 6 4 700 1000 150
H 2 2 900 900 0
I 8 8 1200 1200 0
J 4 4 1000 1000 0
K 6 5 1000 1200 200
10000
Weberov postup
1. okrem kritickej cesty (zo zaiatonho do koncovho uzla) sa njdu vetky mon cesty, pre ktor sa vypota
dka trvania
Pr.
Kritick cesta: C G I K 29 dn
alie cesty:
A F H K 14 dn
A D J 15 dn
A D I K 25 dn
A F G J 16 dn
A F G I K 26 dn
C G J 19 dn
C H K 17 dn
B E G J 17 dn
B E G I K 27 dn
B E H K 15 dn
B F K 16 dn
2. pre lohu sa vypotaj celkov nklady:

- k PR. f* = 10 000
3. pre vetky hrany (innosti) sa vypota Spd

spd nklady na skrtenie trvania innosti o 1 jednotku
4. pre kritick cestu, ktor tvor postupnos hrn sa ur minimlny spd min {a
ij
}; nulov hodnotu neuvaujeme
! => potom skracujeme tto innos
k PR. min {100,150,200} = 100 (innos C) skracujeme trvanie innosti, ktorej zodpoved ten spd.
5. vypotame mon skrtenie innosti

6. vypotame nov nklady a nov dku trvania kritickej cesty

N
as
c
ij
C
ij
d
ij
D
ij
kritick bod
normlny bod
7. ak hrana C je sasou aj inej cesty ne kritickej, uprav sa o hodnotu aj dka trvania tejto cesty
C G J: 19 1 = 18
C H K: 17 1 = 16
8. stle mme len 1 kritick cestu C G I K (lebo trv 28 dn, a ostatn innosti netrvaj 28 dn) a skrti sa
ete d G a K:
min {150,200} = 150 => skracujem G a pokraujem bodom 4.
(ak by sme mali viac kritickch ciest, museli by sme preskmava vetky kritick cesty, vsledn by bola t,
ktor by sa u nedala skrti).
Modelovanie zsob
- zsoby predmety, ktor s uren na neskoriu spotrebu
- rozliujeme:
o vrobn
o zsoby nedokonenej vroby
o zsoby hotovch vrobkov
- zsoby s vo firme sasou obenho kapitlu, m s vyie, tm vyia je viazanos kapitlu => cieom
firmy je minimalizovanie stavu zsob => 1 z nstrojov: modely terie zsob.
Klasifikovanie modelov zsob: (1-9)
1. poda zohadnench nhodnch vplyvov
a. deterministick
b. stochastick
Zkladn pojmy
Objednan mnostvo tovaru vekos objednanej dodvky Q
Dodvkov cyklus T as medzi prchodom objednvky na sklad a momentom vyerpania vetkch zsob.
Poet objednvok za urit obdobie v inverzn hodnota T =>
Hladina objednania r
a moment objednania tr
- r ide o tak vku zsob, na ktor ke klesn, treba objedna dodanie tovaru
Dodacia lehota (tau) as medzi momentom objednania a momentom prchodu objednanho tovaru na sklad
Intenzita erpania zsob (lambda) Q, r a tr s funkciou
o chceme uri?
Kedy a koko tovaru sa m doda do skladu, aby sa minimalizovali celkov nklady v danom obdob.
a. nklady na skladovanie 1 jednotky tovaru za skman obdobie - C
S
b. nklady na 1 objednvku tovaru - C
a
c. nklady spojen s nkupom tovaru - C
p
d. nklady spojen s nedostatkom tovaru - C
d
Deterministick modely
- predpoklady:
o deterministick charakter vetkch premennch a kontnt
o skladuje sa homognny tovar
o existuje nekonen skladovatenos
o kapacita skladov a finann krytie s neohranien
Spojit model zsob
1. bez monosti vyerpania zsob
2. so stratenm predajom
3. s deficitom
1. model bez monosti vyerpania zsob
cie: uri optimlnu vekos objednvky tak, e nikdy nedjde k plnmu vyerpaniu zsob
Predpoklady:
1. spotreba uritho homognneho tovaru = jednotkm za urit skman obdobie
2. spotreba m rovnomern priebeh a je spojitou funkciou asu
3. dodacia lehota sa nemen, dodvka sa realizuje naraz
4. neohranien kapacita skladu a dka skladovanho tovaru
5. plne vyerpanie zsob je vylen (zsoby mu klesn na 0, ale v tom istom momente prichdza na
sklad objednvka).
6. vekos objednvky a as dodania do skladu s vdy rovnak
1. cie: minimalizova nkladov funkciu
a. nklady objednvky
b. nklady skladovania
c. nklady obstarania


- na skke vedie !!! + odvodi ten vzorec...
Optimlna hodnota dodvkovho cyklu
Optimlna hodnota potu objednvok
Optimlna hodnota variabilnch a celkovch nkladov (min.)
Optimlny priemern stav zsob
dodacia lehota, t, t
r
Spotreba poas dodacej lehoty (m)
Vpoet r:
Q
r
t
r
T
as

Minimlne
nklady:
min
C(Q)
Q
1.
2.
- treba: - poet dodvok na ceste ; [] cel as sla
V prpade obchodnej firmy cena, za ktor nakupuj (C
p
) nie je t ist ako t, za ak ho predvaj (p).
Potom predajn cena, pri ktorej obchodn firma bude dosahova zisk, bude:
ZISK: (vek tlaen p)
PR.
Podnik, vrobca spotrebnej elektroniky, spotrebuje pri expedovan rone 18 000 kartnovch krabc. Cena 1 ks je 20
Sk. Nklady dodvky krabc s 150 Sk, nklady skladovania 1 krabice s 2 Sk/1 tvrrok; dodacia lehota je 25 dn
odo da objednvky. Ak s optimlne charakteristiky dodvkovho cyklu?
= 18 000 ks (rone)
C
p
= 20 Sk /ks
C
a
= 150 Sk/dodvka
C
s
= 2 Sk/ks a tvrrok = 8 Sk/ks a rok
= 25 dn = 25/365 = 0,068493 roka
Optimlna vekos dodvky =
Priemern stav zsob (pri opt. dodvkach) =
Priemern dka dodvkovho cyklu =
Optimlna hodnota potu objednvok =
Spotreba poas dodacej lehoty =
Hladina objednania r =
Celkov variabiln nklady =
Celkov nklady =
Ak by musela by predajn cena, aby firma dosahovala zisk?
2. model zsob so stratenm predajom
- situcia: zkaznk prde do predajne, nemaj tam ten tovar, ktor chce
- vtedy, ke
- meme to znzorni graficky:
T t je obdobie, poas ktorho je predaj straten (tovar nemaj)

3. model zsob s deficitom/odloenou spotrebou
- situcia: tovar op nie je, ale obchodnk nechce strati zkaznka a tovar doobjedn
Celkov nklady pre
Optimlna vekos dodvky Q*, optimlna vekos deficitu s*

Optimlny priemern stav zsob
Optimlna hodnota T*, v* a m* pota sa rovnako ako bez deficitu
T* = 0,05137 roka, v* = 19,47, = 1232,87, m = 1, r = 113,54
Hladina objednania
PR. V podniku pripustili monos vzniku deficitu potrebnch krabc a vyslili dodacie nklady na 2,50 Sk/ks na
mesiac. Ako by sa zmenili charakteristiky zsobovacieho cyklu v takomto prpade?
Vsledky s vypotan hore pri vzorcoch ervenm.
- model zsob s diskontom prklad nie, ale me by teria
Termny:
10.5. o 9:00, B1.05 predtermn
16.5. o 10:00, B1.03
23.5. o 10:00, B1.03
30.5. o 10:00, B1.03 opravn
- teria 20b na terii nie presn vzorce, ale odvodi, cvika 20b, prklady 60b.
Q
as
t
T
T-t
Q
Q-S
0
Q
as
T
t
s - deficit
- otzky napr.:
- Odvote Wilsonov vzorec.
- Ako vyzer zkladn maticov model?
- Ako sa prejav, e loha m alternatvne rieenie? (alebo in druh)
- Kedy sa pouije vlastnos viac za menej?
Modelovanie obslunch procesov
Teria obsluhy je zameran na matematick analzu tvorby radov (prinou tvorby radov je vznik vyieho dopytu
po slube vzhadom na monos jej uspokojenia).
Systm hromadnej obsluhy tak systm, ktor sli na uspokojovanie opakovanch a vinou nhodne sa
vyskytujcich potrieb.
Prklady systmov hromadnej obsluhy:
- sluby obyvatestvu (napr. kadernctvo, oprava tovarov, bankov a potov priehradky, erpacie stanice)
- dopravn sluby (napr. akanie ut na svetelnej kriovatke)
- obchodno- priemyseln sluby (napr. potaov spracovanie informci, skupina kontrolrov kvality
vrobkov, at.)
- socilne sluby (napr. zdravotnctvo akanie u lekra)
Obslun zariadenie (kanl obsluhy) zariadenie, ktor obsluhuje poiadavky vstupujce do systmu obsluhy
(prd poiadaviek).
Vstupn prd poiadaviek tvor nhodn postupnos vstupu poiadaviek do systmu hromadnej obsluhy so
spojitm asom a nespojitmi stavmi (Poissonov proces), ktor vstupuj do systmu obsluhy s cieom realizova
nrok na obsluhu. Vstupn prd poiadaviek je stochastick veliina, intenzitu vstupnho prdu poiadaviek
ozname (pozn. ak s obslun zariadenia obsaden, poiadavky akaj v rade, ak nemu aka, odchdzaj zo
systmu (strcaj sa)).
Zdroj poiadaviek je to mnoina potencilnych poiadaviek, ktor me by ohranien alebo neohranien.
as akania stredn hodnota asu strvenho poiadavkou v rade, ktor sa tvor pred zaiatkom obsluhy (rovn sa
nule pri systmoch bez akania), oznaenie w
f
.
as pobytu poiadavky v systme set asu akania v rade a asu obsluhy, oznaenie w
s
.
as obsluhy stredn hodnota asu obsluhy jednej poiadavky jednm obslunm zariadenm, oznaenie t
0
.
Vstupn prd poiadaviek poiadavky odchdzajce zo systmu po ich obslen, je to vlastne absoltna
kapacita systmu, ktor by sa dosiahla, ak by systm pracoval bez prestvky, oznaenie .
truktra obslunch kanlov poet obslunch kanlov a spsob ich usporiadania (alej budeme predpoklada
len paraleln usporiadanie).
Spsob obsluhy prechod poiadavky z radu na obsluhu do kanlu obsluhy disciplna v radoch: FIFO (first in
first out), LIFO (last in first out), PRI prioritn systm, SIRO viac menej nhodn obsluha, GD poradie
obsluhy me by ubovon.
Zkladn typy modelov hromadnej obsluhy:
1. poda dky akania
a. bez akania
b. s neohranienm akanm
c. s ohranienm akanm
2. poda typu zdroja poiadaviek
a. otvoren
b. zatvoren
3. poda charakteru vstupnho a vstupnho prdu
a. poissonovsk
b. nepoissonovsk
4. poda potu kanlov
a. jednokanlov
b. viackanlov
Zkladn charakteristiky
1. Vstupn charakteristiky
a. intenzita vstupov poiadaviek
b. intenzita obsluhy poiadaviek vstupnho prdu
c. miera zaaenia systmu
d. poet kanlov n
2. Ukazovatele kvality obsluhy
a. priemern dka radu d
f
b. priemern poet poiadaviek v systme d
s
c. priemern as pobytu poiadavky v rade w
f
d. priemern as pobytu poiadavky v systme w
s
;
3. Ukazovatele vyuitia kanlov
a. priemern poet obsadench kanlov n
z
b. priemern poet vonch kanlov n
0
c. koeficient vyuitia kanlov k
Z
d. koeficient prestoja kanlov k
0
4. Vyuvanie obslunho systmu ako celku
a. relatvna kapacita (pravdepodobnos obslenia) kde p
N
je pravdepodobnos, e vetky
miesta v systme HO s obsaden
b. absoltna kapacita K
a
c. nominlna kapacita K
nom
( )
Jednokanlov model hromadnej obsluhy bez akania
Vchodiskov predpoklady:
1. poet kanlov obsluhy n=1
2. znma intenzita vstupnho prdu
3. znma stredn hodnota asu obsluhy t
0
alebo intenzita vstupnho prdu
4. maximlny poet poiadaviek je , poiadavky, ktor nie s po vstupe do systmu do systmu obslen,
neakaj vo fronte, s straten.
S len 2 mon stavy:
- S
0
s pravdepodobnosou nastatia p
0
v systme sa nachdza 0 poiadaviek, t.j. systm je przdny
- S
1
s pravdepodobnosou nastatia p
1
v systme sa nachdza 1 poiadavka, obslun kanl pracuje, t.j. systm
je obsaden.
PR.
Telefnny hovor v informanom stredisku trv priemerne 9 mint. Za hodinu sa do informanho strediska poka
dovola priemerne 7 zujemcov. Treba vypota vetky charakteristiky kvality obsluhy a ukazovatele vyuitia
kanlov.
n=1
t
0
= 9 mint = 9/60 hodiny = 3/20 hodiny
= 7 poiadaviek/hodina
Intenzita vstupnho prdu :
Miera zaaenia systmu :
Ukazovatele kvality obsluhy:
- pravdepodobnos, e sa v systme nachdza 0 poiadaviek:
- s takouto pravdepodobnosou sa zujemcovia dovolaj
- pravdepodobnos, e sa v systme nachdza 1 poiadavka:
- s takouto pravdepodobnosou sa zujemcovia nedovolaj
Ukazovatele vyuitia kanlov:
- koeficient prestoja
- priemerne 48,78% celkovho asu s prestoje, ie telefnna linka nie je vyuit
- koeficient zaaenosti
- v priemere 51,22% celkovho asu telefnna linka je vyuit
- relatvna kapacita systmu
- pravdepodobnos, e poiadavka bude obslen, ie, e sa zujemca dovol
- absoltna kapacita systmu
- celkov poet poiadaviek, ktor bude relne systmom obslen
- z celkovho priemernho potu 7 zujemcov o dovolanie, sa do informanho strediska za hodinu dovol
priemerne 3,4146 zujemcov.
- pravdepodobnos odmietnutia
- zujemca sa nedovol do IS
- nominlna kapacita
- teoretick kapacita, ak as akania v systme je 0 a obslun kanly nemaj prestoje
Jednokanlov model hromadnej obsluhy s akanm
Vchodiskov predpoklady:
1. poet kanlov obsluhy n=1
2. znma intenzita vstupnho prdu
3. znma stredn hodnota asu obsluhy t
0
alebo intenzita vstupnho prdu
4. maximlny poet poiadaviek je nekoneno, poiadavky, ktor nie s po vstupe do systmu obslen, akaj
na obsluhu, pokia na ne neprde rad.
Mme nekonen mnostvo stavov.
Podmienka rieitenosti lohy:
Mus plati inak by sa vytvral nekonene sa zvujci rad!
Pravdepodobnos nastatia k- teho stavu p
k
.
priom
V kninici pracuje 1 pracovnk, za hodinu prichdzaj do kninice 10 itatelia. Pracovnk sa v priemere jednmu
venuje 5 mint. itate, ktor nie je priebene obslen ak v rade. Ak s ukazovatele vyuitia pracovnky
a kvality obsluhy. Ak je pravdepodobnos, e v rade akaj 3 itatelia.
n=1
= 10 po./hod
t
0
= 5 min = 1/12 hodiny
Pravdepodobnos, e v rade s 3 itatelia:
Intenzita vstupnho prdu :

- podmienka rieitenosti s akanm (me by na skke)
Miera zaaenia systmu:
V rade 3, t.j. v systme s 4. Potrebujeme vypota pravdepodobnos p
4
Ukazovatele kvality obsluhy:
Stredn hodnota potu poiadaviek v systme d
s
Stredn hodnota potu poiadaviek v rade d
f
Stredn hodnota asu pobytu poiadavky v systme w
s
Ukazovatele vyuitia kanlov
Priemern poet vyuitch kanlov n
Z
Priemern poet vonch kanlov
Koeficient prestoja
Koeficient zaaenosti
Viackanlov model hromadnej obsluhy s akanm
Vchodiskov predpoklady:
1. poet kanlov obsluhy n > 1
2. znma intenzita vstupnho prdu
3. znma stredn hodnota asu obsluhy jednm kanlom t
0
intenzita vstupnho prdu
4. maximlny poet poiadaviek je nekoneno, poiadavky, ktor nie s po vstupe do systmu obslen, akaj
na obsluhu, pokia na ne neprde rad (ak k > n).
- Nekonen mnostvo stavov.
Podmienka rieitenosti lohy:
Mus plati inak by sa vytvral nekonene sa zvujci rad!
Pravdepodobnos nastatia k-teho stavu (dve monosti)


A
PR.
Dvaja lekri, 40 chorch za 8 hodn, jedno oetrenie = 20 mint.
n=2
= 40 po/8 hodn = 5 po/hodina
t
0
= 20 mint = 1/3 hodiny
Ukazovatele kvality obsluhy:
Pravdepodobnos, e poiadavka mus v systme aka
Priemern dka radu:
Priemern poet poiadaviek v systme:
Priemern as akania:
Priemern as pobytu poiadavky vo fronte:
Ukazovatele vyuitia kanlov:
Priemern poet vyuitch kanlov:
Priemern poet vonch kanlov:
Koeficient zaaenia:
Koeficient prestoja:
Optimalizcia potu obslunch kanlov
NF(n) = k, d
s
+ k
2
n
k
1
nklady svisiace s pobytom jednej poiadavky v systme hromadnej obsluhy za jednotku asu
k
2
nklady na prevdzku jednho obslunho kanla za asov jednotku
d
s
priemern poet poiadaviek v systme
n poet paralelnch obslunch kanlov
NF(n) nkladov funkcia, ktor zvis na hodnote n
k
1
d
s
celkov nklady svisiace s pobytom poiadavky v systme za asov jednotku
k
2
n celkov nklady na prevdzku vetkch obslunch kanlov za asov jednotku
PR.
n = 2
= 40 po/8 hod. = 5 po/hod
t
0
= 20 min = 1/3 hod.
= 3
= 5/3
d
s
= 5,46
Nklady na lekra k
2
= 300
Nklady na pacienta k
1
= 100
Vypotajte hodnotu nkladov pre 2 lekrov:
NF(2) = k
1
d
s
+ k
2
n = 100.5,46 + 300.2 = 1146
Uvaujme so znenm potu lekrov z 2 na 1:
Musme overi i plat < n.
5 < 1.2 - neplat => jeden lekr by nestail liei pacientov
Uvaujme so zvenm z 2 na 3:
Uvaujeme so zvenm z 2 na 4:
Poet lekrov
Poet pacientov
d
s
Nklady
k
1
d
s
k
2
n spolu
1 - - 300 -
2 5,46 546 600 1146
3 1,9733 197,33 900 1097,33
4 1,73986 173,986 1200 1373,986
Modelovanie procesov obnovy
drba zachovanie pvodnch vlastnost zkladnho prostriedku (ZP) alebo technickho zariadenia (TZ)
Obnova proces reprodukcie ZP a TZ, pri ktorom sa ubdajce prostriedky a zariadenia nahrdzaj novmi bu pri
zachovan ich itkovch vlastnost a potu (obnova s jednoduchou reprodukciou jednoduch obnova) alebo pri
zvyovan potu prevdzkovanch prostriedkov a zariaden (obnova s rozrenou reprodukciou rozren obnova).
Rozliujeme:
1. procesy spojitej obnovy modeluj obnovu uskutoovan v ubovonom okamihu
2. procesy diskrtnej obnovy modeluj obnovu uskutoovan na konci uritch asovch intervalov
ivotnos (as bezporuchovej innosti technickho zariadenia) je obdobie od zaradenia objektu do prevdzky po
jeho vyradenie.
Funkcia ivotnosti r m tvar a je to monotnne klesajca funkcia s vlastnosami:
Diskrtne procesy obnovy pravdepodobnos doitia r
k
KNIHA KNIHA KNIHA.....
Pravdepodobnos zlyhania objektu a v uritom asovom okamihu (resp. v k-tom obdob)
- pre spojit procesy
- pre diskrtne procesy
priom plat:
Z hadiska modelovania s zkladnmi prvkami pravdepodobnos zlyhania a
k
a pravdepodobnos preitia r
k
,
priom pre technicky homognne objekty plat:
Modelovanie .....
Ide o najjednoduch model obnovy, ktor vychdza z nasledujcich predpokladov:
1. Priebeh procesu obnovy sa sleduje v rovnako vekch asovch intervaloch, priom na konci tohto intervalu
sa skma monos zlyhania a obnova vyradench objektov.
2. ZVYOK V KNIHE....
- cieom modelu obnovy s jednoduchou reprodukciou s rovnorodou zaiatonou truktrou je uri
predovetkm pravdepodobn poet obnov v k-tom obdob u
k
rovnicou obnovy:

TABULKA
PR.
Dopravn podnik zakpil 10 novch trolejbusov, ktorch ivotnos je 5 rokov. Pravdepodobnos, e trolejbus zlyh
v prvom roku je 5%, v druhom roku 10%, v treom roku 20%, v tvrtom roku 25% a v piatom roku je 40%.
Z hadiska dlhodobho rozvoja chce podnik vedie, koko obnov bude musie v kadom roku pravdepodobne
uskutoni tak, aby mal stle k dispozcii 100 trolejbusov. asov horizont sledovania procesu obnove je 6 rokov.
Diskrtny proces obnovy
k/n 0 1 2 3 4 5 6
r
0
= 1
0 100 5 10 21 28 46 14
r
1
= 0,95
1 - 95 5 10 20 27 44
r
2
= 0,85
2 - - 85 4 9 18 24
r
3
= 0,65
3 - - - 65 3 7 14
r
4
= 0,5
4 - - - - 40 2 4
Spolu 100 100 100 100 100 100 100
u
0
= 100
u
1
= a
1
u
0
= 0,05.100 = 5
u
2
= a
1
u
1
+ a
2
u
0
= 0,05.5 + 0,1.100 = 10,25 = 10
u
3
=
Modelovanie obnovy s jednoduchou reprodukciou s rznorodou zaiatonou vekovou truktrou
- vekov zloenie zariaden bude rzne (t.j. od predolho prpadu sa li len v 3. predpoklade o tom, e na
zaiatku sledovanho procesu s vetky objekty nov)
- poet objektov starch k obdob v
k
, priom k = 0,1...T-1
V
n
poet novch objektov
V
1
poet objektov starch jedno obdobie, at.
- mus plati, e:
- kde N
0
je poet objektov prevdzkovanch na zaiatku procesu
- podmienen pravdepodobnos ivotnosti
o objekty, ktor s u na zaiatku star jedno obdobie maj
na konci prvho obdobia ivotnos
na konci druhho obdobia ivotnos
KNIHA
Tabuka
PR.
Podnik zabezpeujci zariadenia jedln udruje 200 ks kuchynskch liniek, priom na zaiatku m k dispozci 50
novch, 60 jednoronch, 40 dvojronch, 20 trojronch a 30 tvorronch liniek. Ak bude truktra na konci
tretieho, piateho a na konci smeho roka, ak pravdepodobnos znienia je 30%, 10%, 20%, 30% a 10% a ivotnos
kadej linky je 5 rokov?
k/n 0 1 2 3 4 5 6 7 8
r0 = 1
0 50 82 72 72 69 72 73 71 71
r1 = 0,7
1 60 35 57 50 50 48 50 51 50
r2 = 0,6
2 40
60*0,6/0,7=51
30 49 43 43 41 43 44
r3 = 0,4
3 20 27 34 20 33 29 29 27 29
r4 = 0,1
4 30 5 7 9 5 8 7 7 7
Spolu 200 200 200 200 200 200 200 200 200
Diskrtny proces obnovy
Rozren obnova s jednoduchou a rozrenou vekovou truktrou pozrie
Modelovanie stratgie obnovy
- s obnovou zkladnch prostriedkov svis problm dky ivotnosti prslunch zariaden
- doteraz bola ivotnos dan, pouvanie technickch zariaden vak nemus by vhodn a do plnho
znefunknenia
- optimalizcia ivotnosti objektu je uren na vpoet takej ivotnosti, ktor je vlastne minimom funkcie
priemernch celkovch nkladov objektu C(O)
- funkcia C(O) je zloen z iastkovch funkci C(U) a C(), priom C(U) s nklady na drbu a opravu
a C() je funkcia ivotnosti
Cieom je uri tak ivotnos , aby nklady s prevdzkovanm zariadenia, s prihliadnutm na cenu zariadenia C
n
,
zostatkov cena C
k
a ivotnos (nklady C() na drbu a opravu C(U), boli o najniie)
- jednotliv funkcie mono definova rozlinm spsobom
- funkcia ivotnosti C() me by rovn priemernej cene objektu za asov jednotku
...
KNIHA
2. Nklady C(U) s rozdelen na dve zloky nklady kontantn v kadom obdob C
k
a nklady rastce C
r
.
o na skke nebude:
str. 20 prklad 2.2 cyklick technolgia odtia a po stranu 40
3. kapitola as 3.4 na str. 93 a str. 102
4. kapitola str. 113, as 4.14 zruenie technolgie a str. 133
str. 138 str. 157 (4.4 u no)
str. 162 str. 165
5. kapitola str. 186 maarsk metda a po stranu 193 hore.
8. kapitola str. 253, 254
9. kapitola str. 274 a 276 treba vedie iba teoreticky a netreba vedie ete 281 287