Razlomljeno linearno programiranje (RLP

)
(1) (2) (3)
 c1  c  2 C=  D=     cn 
Max C T X + c0 DT X + d 0

AX ≤ A0

X≥0
 d1   x1  d  x   2 X =  2         d n   xn   a10  a  20  A0 =       am0 
 a11  a1n  A=         a  a  m1 mn  

Primjer:
Max 2 x1 + 2 x 2 − 1 x1 + 2 x 2 + 3
2 C =  2 1  D=  2  24 A0 =   5

3 x1 + 4 x 2 ≤ 24 2 x1 − x 2 ≤ 5 x1 , x 2 ≥ 0

x  X =  1  x2 

c0 = -1, d0 = 3 a s alari iz !rojni a i nazi"ni a s#

3 A= 2

4  − 1 

,

Za praktičnu primjenu interesantni su uglavnom samo sljedeći slučajevi: a) Skup mogućih rješenja

S = { X : AX ≤ A0 , X ≥ 0 } je neprazan i ograni$en%
1

Skup S je. 0 . i svaka točka i# S mo$e se i#ra#iti kao konveksna kom ina%ija njegovih ekstremnih točaka! !) &a#ivnik 'unk%ije %ilja je po#itivan. ∀X ∈ S ! &ajčešće e onoms o zna$enje: a) nijedna ekonomska aktivnost i# modela ne mo$e iti neograničena !) vrijednost programa ne mo$e iti eskonačno velika . tj! 'unk%ija %ilja je kontinuirana (na#ivnik nikad nije jednak nuli)! "akle imamo: " * X + d0 . a udući da je ograničen on je i on"e sni poliedar! "akle. kao i u slučaju linearnog programiranja. konveksan. skup mogućih rješenja ima konačan roj ekstremnih točaka.

..d n xn AX ≤ A0.&' X ( d0 → vrijednost ulaganja #a ostvarenje programa )' X ( c0 → ekonomski e'ekt tog ulaganja f= Max C T X + c0 DT X + d 0 omjer e*e +a i in"es+icija +re!a !i+i .a8 c1 x1 + c 2 x 2 + .../012. + cn xn d 1 x1 + d 2 x 2 + .+o "e-i ... X ≥ 0 ./L23/)24/ PR52365&751'2 R/&/ dj cj → oso ni dohodak → %ijena proi#voda ⇒ f → proi#vodnost rada .

a simalizacija R97'/:2L751'2 odnos ostvarene do iti prema ulo$enim sredstvima xj cj c0 dj → roj jedini%a proi#voda j / te vrste → ruto do it po jedini%i proi#voda → 'iksna. d0 f = Pr ihod Uloženi rad ⇒ f jedna od mjera proiz"odnos+i rada .i količina i/tog proi#voda cj → %ijena proi#voda (prodajna) → prihod ∑c j x j dj → oso ni dohodak (po jedini%i proi#voda) → sredstva utrošena #a plaće → ne ovisi o količini proi#vodnje u novčanim poka#ateljima ∑d j x j c0.X → program proi#vodnje. re%imo . od veličine proi#vodnje neovisna konstanta (troškovi) → ulo$eni kapital po jedini%i proi#voda .

→ raspolo$iva novčana sredstva 0apaci+e+i s+roje"a ili oli$ine siro"ina: j =1 ∑ aij x j ≤ ai 0 n 0# uvjete a) i ) vrijedi sljedeći teorem: 'eorem 1: 1ro lem (1)/(2) u# uvjete a) i ) ima maksimum u nekoj ekstremnoj točki skupa S! &apomena: 3čito je da ovaj teorem i#u#etno olakšava posao tra$enja optimalnog rješenja udući da je dovoljno ispitati samo ekstremne .d0 n → 'iksni kapital → n roj vrsta proi#voda j=1 n j=1 ∑ c j x j − c0 Max R = ∑ d j x j + d0 5grani$enja: 0api+al: j =1 ∑ d j x j + d0 ≤ n .

+e imamo: ∀% ∈S (#"je+ !). %%%%%.. . mno<enje sa nazi"ni om ne-e promijeni+i orijen+acij# .točke skupa mogućih rješenja.enje. αi ≥ 0 $= C T X + c0 DT X + d 0 = $1 # X " $2# X " L.. L2. pa i za Li... +j% !ilo oja +o$ a s #pa 1% 'a +o$ a se mo<e pri aza+i ao on"e sna om!inacija e s+remni. L s"e e s+remne +o$ e s #pa 1% 7e a je 6 ∈ 1 !ilo oje mog#-e rje. ∀i = 1 . +j% "rijedi: 6 = α 1 L1 ( α 2 L2 ( %%%%% ( α L = ∑α i !i .. ∑α i i =1 i =1 = 1. +o$a a s #pa 1. +o$a a% 7e a s# L1. naj!olja e s+remna +o$ a $ # ! h " ≥ $ # !i " .2 . kojih je konačno mnogo jer je S konveksni poliedar! &o az: 1 je on"e sni poliedar pa ima ona$an !roj e s+remni. % 're!a do aza+i: $ # !h " ≥ $ # % " ∀% ∈S % 2mamo: $ # ! h " ≥ $ # !i " ⇒ $ 1 # !h " $ 2 # !h " ≥ $ 1 # !i " $ 2 # !i " :#d#-i da je z2 = 0 za nejedna os+i.

. "rijednos+ *#n cije cilja za @naj!olj#@ e s+remn# +o$ # "e-a je nego "rijednos+ *#n cije cilja za !ilo oje .+o je i +re!alo do aza+i% &a le. slijedi: $ 1 # !h " ⋅ # D T % + d 0 " ≥ $ 2 # !h " ⋅ # C T % + c 0 " !#d#-i da s# nazi"nici *#n cija cilja # DT % + d 0 " i $ 2 # !h " pozi+i"ni.$ 1 # !h " ⋅ $ 2 # !i " ≥ $ 1 # !i " ⋅ $ 2 # !h " % Pomno<imo li +# relacij# redom s α 1. $ 1 # !h " $ 2 # !h " ≥ C T % + c0 DT % + d 0 odnosno $ # !h " ≥ $ # % " . slijedi: . ∀% ∈S . α 2 do α i s"e +e relacije z!rojimo do!i"amo: $ 1 # !h " ⋅ ∑ α i $ 2 # !i " ≥ $ 2 # !h " ∑ α i $ 1 # !i " i =1 i =1 (>) i =1 i =1 ∑ α i $ 2 # !i " = ∑ α i # D T !i + d 0 " = D T ∑ α i !i + d 0 ∑ α i = D T % + d 0 i =1 i =1 /nalogno je i =1 ∑ α i $ 1 # !i " = C T % + c 0 % ?"rs+imo li +o # relacij# (>).

(3)% x5 D(0. 3) = 1 . je op+imalno rje. 0) = . : (5A2.0) x1 9kstremne točke tog skupa su: / (0. = (8. 0).enje pro!lema RLP (6 ∈ 1). +j% +o$ a L. 0) = z (&) = z (0. 11 % 15 :aksimalna vrijednost 'unk%ije %ilja posti$e se u točki . ) (4. imamo: . pa uvrštavajući 'unk%iju %ilja u te točke imamo: $= 2 x1 + 2 x 2 − 1 x1 + 2 x 2 + 3 − 1 3 z (/) = z (0. 11 z ()) = z (4. B) = C . B).enje pro!lema (1) .2) S A(0. 0). z (:) = z (5A2.0) B(675. 3) i & (0.mog#-e rje. 2) i njena vrijednost je 1! "akle.4) C(8.

i =1 m A0 = ∑ & i 0 Ai % i =1 pri čemu su tij i tio koe'i%ijenti ra#voja vektora Aj i A0 u tekućoj a#i. i .Θ (zj1 . kao i u simpleks metodi! 3čito je rješenje! $1 $2 vrijednost 'unk%ije %ilja #a tekuće a#ično z1 → z1 ( Θ (cj .zj2) = z2 .cj) z2 → z2 ( Θ (dj ./R'5196/ .zj1) = z1 . (5) (D) $ j 2 = ∑ & ij d i . i =1 m $ 2 = ∑ & i 0d i + d 0 .9'5&/ (1) (2) (3) Max C T X + c0 DT X + d 0 AX ≤ A0 X ≥0 "e'inirajmo i#ra#e (4) (B) $ j 1 = ∑ & ij c i i =1 m m . x2> = 3 i z> = 1% 1% .dj) . i =1 m $ 1 = ∑ & i 0 c i + c0 .x1> = 4.Θ (zj2 . i =1 m A j = ∑ & ij Ai .

0! "a i se ulaskom vektora Aj u a#u vrijednost 'unk%ije %ilja povećala. & ij > 0 ! i & ij 1retpostavljamo da je početno a#ično rješenje nedegenerirano. pa je Θ . da i se povećala vrijednost ra#lomljene 'unk%ije %ilja uvo<enjem vektora Aj u a#u potre no je i#a rati takav vektor #a kojega je determinanta ∆ j po#itivna! *o je kriterij #a i# or vektora koji ula#i u novu a#u! &aravno. ∆j = 2 > 0% $ $ j2 − d j $1 $ j1 − c j (10) ∆ j ≤ 0. #a svako i.z2 (zj1 . tj! ti0 . $ $1 ⇒ Θ $1 # $ j 2 − d j " − $ 2 # $ j 1 − c j " $ 2 [ [$ 2 − Θ# $ j − d j " 2 ] ] >0 ! (C) (E) z1(zj2 . irat ćemo takav vektor #a koji je ∆ j = 0! . tj! ako je potre no smanjivati vrijednost 'unk%ije %ilja. 0. ako se radi o pro lemu minimuma. mora vrijediti: $1 − Θ # $ j1 − c j " $2 − Θ # $ j2 − d j " > 2 .gdje je & Θ = min io . ∀ j (za op+imalnos+) 1rema tome.cj) = 0.dj) .

x3. tj! u ovom slučaju dodati dvije dopunske varija le ( x2 i x8). umjesto jednog retka #j / %j. u svakoj ta li%i :artoseve metode imat ćemo. potre no prvo prevesti u kanonski o lik. x2.x2 ≤ 5 x1. tri retka.Za optimalnost rješenja kod pro lema maksimuma je prema tome dovoljan uvjet ∆ j = 0! "akle.x2 ( x4 = 5 x1. #j5 / dj i redak #a ∆ j! 1ored toga u# vektore Aj potre no je napisati koe'i%ijente 'unk%ije %ilja i i# rojnika (%j) i i# na#ivnika (dj)! 1oka$imo to na primjeru 1! .ax 2 x1 + 2 x 2 − 1 x1 + 2 x 2 + 3 3x1 ( 4x2 ≤ 24 2x1 . tj! #j1 / %j . x2 ≥ 0 1ro lem je. kao i kod simpleks metode. te on i#gleda ovako: .ax 2 x1 + 2 x 2 − 1 x1 + 2 x 2 + 3 3x1 ( 4x2 ( x3 = 24 2x1 . x4 ≥ 0 ci -1 2 2 0 0 .

'1 ( 2'2 ≥ 2 '2 ≤ 5 .1A3 D ∆j 2 2 A2 B 3A4 0 0 A4 11 11A4 $j1 .3 1 :aza A0 A1 0 0 A3 24 3 0 0 A4 5 2 $ j1 .dj 3 -1 .dj 15 1A2 11A15 13 ↑ ∆j 2 2 A2 3 0 2 1 A1 4 1 $j1 .cj 13 0 $j2 .c j -1 -2 2 $j .dj 13 0 1 0 ∆j di 2 A2 4 -1 -2 -2 C↑ 1 0 0 0 0 1 0 0 0 0 0 A3 1 0 0 0 0 1A4 1A4 1A2 1A2 -2 2A11 1A11 BA11 5A11 -13A11 0 A4 0 1 0 0 0 0 1 0 0 0 -3A11 4A11 2A11 -2A11 -52A11 .cj 11 -1A2 $j2 .in − 3F 1 + F 2 + 1 F 1 + 2F 2 + 3 3'1 ( 4'2 ≤ 24 .

'4. 2 -1A2 1A2 0 0 /5 0 0 1 0 0 0 0 0 1 . 0 3. dok optimalno rješenje do ivamo kada su svi ∆j ≥ 0! 1 di 3 :aza /0 0 0 /3 24 .cj 2. '2 ≥ 0 .F B + 1 F 1 + 2F 2 + 3 3'1 ( 4'2 ( '3 . '2. pri čemu vektor koji ula#i u novu a#u iramo tako da oda iremo najveći apsolutno negativni i#ra# ∆j.(1 2 zj . '5. 0 /B 0 1 0 0 0 0 . 'B ≥ 0 1ro lem minimuma :artosevom metodom rješavamo jednako kao i pro lem maksimuma.in − 3F 1 + F 2 + . '3. (1↑ 0 1 0 0 0 /3 1 0 0 0 0 0 1 0 0 0 0 /4 0 -1 0 -.'1 .dj 3 ∆j 0 1 0 0 2 0 /3 /2 /5 2M + 1 3 ci -3 1 /1 3 -1 0 -.'1 ( 2'2 '2 .-10 5 -1A2 1A2 20 1 4 1 2 /2 4 2 1 2.'4 ( '5 = 24 ( 'B = 5 = 2 '1.(3 -1 .-1 -2 -10. 0 /B 2 0 0 /5 5 1 zj .

& ≥0 "* Y + d0 t = 1.ax A ( − A0 & ≤ 0 ( .cj zj2 .)55P9R56/ L279/R23/)24/ 1ro lem >?1 (1) / (2) mo$e se trans'orma%ijom Y = t X svesti na pro lem linearnog programiranja 0vedimo supstitu%iju Y = t X.zj1 .& ≥ 0 # C T ( + c0 & " DT ( + d 0 & = 1 . do ivamo pro lem ?1 koji ima jednu novu varija lu t i jedno dodatno ograničenje! .dj ∆j -3 1 /1 1 2 /2 0 0 /5 zj1 .cj zj2 . & 1 & Y! :ax C T ( + c0 & DT ( + d 0 & A ( − A0 & ≤ 0 ( .dj ∆j 2 5 2D5 4 3 2 -C 13 -CA13 5A2 -2 -33A2 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1A5 1A10 -1A10 -1A2 2A5 33A10 -1A2 -1 1A2 2A5 -3A10 3A10 -3A2 -1A5 211A10 0 0 0 0 0 1 0 0 0 )G/R791 . odnosno X = :ax 1 C T ( + c0 & 1 DT ( + d 0 & 1 A ( ≤ A0 & 1 ( ≥ 0.

i njegovo optimalno rješenje je: y1 @ = 4 . naravno u# dodavanje jedne arti'i%ijelne varija le. u# Y .ax (2'1 ( 2'2 . x 2 ≥ 0 3dgovarajući supstitu%iju X = pro lem 1 & linearnog programiranja. tada je X> = 1 ( > optimalno rješenje početnog pro lema! &) Primjer 1: Max 2 x1 + 2 x 2 − 1 x1 + 2 x 2 + 3 3 x1 + 4 x 2 ≤ 24 2 x1 − x 2 ≤ 5 x1 . odnosno rješenje našeg početnog pro lema je x1 @ = 1 1 '1) = 4 . 13 1 13 = t@ = i #@ = 1. je: .24 + ≤ 0 2'1 .5 + ≤ 0 '1 ( 2'2 ( 3 + = 1 '1. t@ optimalno rješenje tog pro lema.'2 .Ako je Y@.+) 3'1 ( 4'2 . + ≥ 0 *aj pro lem se lako rješava simpleks metodom. x5@ = ' 2 ) = 3 i #@ = 1! &) &) . y5@ 13 3 . '2.

in (-3'1 ( '2 ( + (.2' 2 ( 2 + ( '4 '2 .5 + ≤ 0 '1 ( 2'2 ( 3 + = 1 '1. . x2 ≥ 0 . 'B) 3'1 ( 4'2 .2 + ≥ 0 '2 . 13 − C 13 1 1 '1) = 4 .'1 ( 2'2 .in (-3'1 ( '2 ( +) 3'1 ( 4'2 .2'2 ( 2 + ≤ 0. x5@ = ' 2 ) = 3 i #@ = &) &) ! kao što smo i do ili rješavajući taj pro lem :artosevom metodom! .24 + ( '3 ' 1 . '2. y5@ 13 X= 1 & Y (-1) =0 =0 =0 =1 = 3 . + ≥ 0 '1 .:in − 3 x1 + x 2 + 1 x1 + 2 x 2 + 3 3x1 ( 4x2 ≤ 24 . B y1 @ = x1 @ = 4 . + ≥ 0.x1 ( 2x2 ≥ 2 x2 ≤ 5 x1. 13 t@ = 1 13 i #@ = − C .24 + ≤ 0 . i = 1.%%%.5 + ( '5 '1 ( 2'2 ( 3 + ( 'B 'i.

1.1 + 6. x5@ = 8. #@ = 1A 24 ! 5! x1@ = 15.1 + A. #@ = 2. . te provjerite rješenje gra'ičkom metodom: 1! :ax 5 x1 + 2x 5 − 1 5 x1 + x 5 + 2 /5x1 + 2x5 ≤ 4 x1 + x5 ≤ A x1. y 5 ≥ 0 8! :in 5 y1 + 5 y 5 − 1 y1 + 5 y 5 + 2 2B1 + 8B5 ≤ 58 − B1 + 5B5 ≥ 5 B5 ≤ 6 B1. x5@ = 0.5 ≤ 150 . y5@ = 1. #@ = 2! 8! y1@ = 0. #@ = 6! x1@ = 8. #@ = .harnes/. x5@ = 0.enja: 1! x1@ = 2. B5 ≥ 0 6! :in Rje.3/&/)2 3/ 649H:? >iješite :artosevom metodom i . x5@ = 0. x5 ≥ 0 5 y1 + 2 y 5 − 5 8 y1 + y 5 + 1 2y1 − 5 y5 ≤ 10 8y1 − y5 ≥ 16 −5y1 + 2y5 ≤ 6 y 1.ooperovom lineari#a%ijom sljedeće pro leme >?1. x5@ = 1.5 ≤ 26 10. #@ = ! 12 5C 1 ! 6 1 ! 5 2! "va optimalna rješenja: x1@ = 1. x1@ = 10. x5 ≥ 0 5! :ax 2x1 + x 5 5 x1 + 8 x 5 + 6 −2.5 ≥ 0 2! :ax 2 x1 + 5 x5 x1 + 8 x5 Ax1 / 8x5 ≥ A 2x1 +6x5 ≤ 60 x1 ≤ 10 x1 .

'5.F B − 2 4F 1 + F 2 + 1 3'1 .in 2F 1 + 3F 2 − 2 4F 1 + F 2 + 1 3'1 .. '2.'4 ( '5 = 10 ( 'B = 15 = 5 '1.2'2 ≤ 10 4F1 .in 2F 1 + 3F 2 + . 'B ≥ 0 .'2 -2'1 ( 3'2 .2'2 ( '3 4'1 . '2 ≥ 0 . '3. '4.'2 ≥ 15 -2'1 ( 3'2 ≤ 5 '1 .