1

LINEARNO PROGRAMIRANJE
Uvod

Linearno programiranje je grana matematike koja se bavi problemom
optimizacije sustava unutar zadanih ogranienja. Uveo ju je Leonid Kantorovi kasnih
1930-ih godina kao metodu rjeavanja problema planiranja proizvodnje. U SAD-u je
linearno programiranje razvijeno tijekom Drugog Svjetskog rata prvenstveno za
probleme vojne logistike, kao to je optimiziranje prijevoza vojske i opreme
konvojima. Vaan je i doprinos ekonomista Tjallinga Koopmansa (roen u
Nizozemskoj, 1940. preselio u SAD). Kantorovi i Koopmans su 1975. god. podijelili
Nobelovu nagradu za ekonomiju za njihov pionirski rad u linearnom programiranju.

Proizvoa eli odrediti kako iskoristiti ograniene koliine sirovina uz najvei
profit, poslovoa kako rasporediti zadani posao izmeu svojih zaposlenika tako da
bude napravljen u najkraem moguem vremenskom roku... Cilj ovih problema je
optimizacija, maksimiziranje korisnosti ili minimiziranje trokova uz zadana
ogranienja to se rjeava linearnim programiranjem. Podruje primjene linearnog
programiranja je iroko: proizvodnja, transport i distribucija, marketing,
telekomunikacije, financijsko ulaganje i planiranje, raspored zaposlenika,
Formulirati (modelirati) realni ivotni problem kao problem linearnog programiranja
zahtijeva timski rad strunjaka iz vie podruja.


1. Sustavi linearnih nejednadbi sa dvije
varijable

Linearno programiranje promatra probleme u kojima se linearna funkcija cilja
mora optimizirati (maksimizirati ili minimizirati) uz uvjete ili ogranienja dana u obliku
jednadbi ili/i nejednadbi i uz nenegativne varijable odluivanja. To je formalni
postupak optimizacije sustava kod kojih se funkcija cilja i ogranienja mogu izraziti
linearnim kombinacijama promjenljivih veliina Kod cjelobrojnog su programiranja
varijable odluivanja cjelobrojne.

Primjer 1.1:

Proizvoa proizvodi dvije vrste betona. Svaka vrea visokokvalitetnog betona
sadri 10 kg ljunka i 5 kg cementa, dok svaka vrea niskokvalitetnog betona sadri
12 kg ljunka i 3 kg cementa. U skladitu postoji 1920 kg ljunka i 780 kg cementa.
Proizvoa ostvaruje zaradu od 1,20$ za svaku vreu visokokvalitetnog, a 1,00$ za
2
svaku vreu niskokvalitetnog betona i eli odrediti koliko vrea treba proizvesti
jednoga i drugoga iz dostupnih sirovina za najveu zaradu.

Rjeenje:

Iz praktinih razloga poinje se konstrukcijom tablice koja pokazuje koliinu
ljunka i cementa u vrei za svaki tip betona, raspoloivost sirovina i zaradu za svaku
vreu.




Visokokvalitetan/kg

Niskokvalitetan/kg

Raspoloivo


ljunak

10

12

1920

Cement

5

3

780

Zarada/Vrea

1,20

1,00


Ako se proizvedene vree visokokvalitetnog betona oznae s V,
niskokvalitetnog s N, a zaradu s Z, linearna funkcija e izgledati ovako:

Z = 1,20V + 1,00N

Koliine raspoloivih sirovina se mogu izraziti s dvije nejednadbe:

10V + 12N 1920 ljunak
5V + 3N 780 Cement

Negativne vrijednosti V i N nemaju fizikalni smisao u kontekstu ovog
problema, pa vrijedi V 0 i N 0. Prema tome problem se moe izraziti matematiki
kao:

Maksimizirati funkciju zarade Z = 1,20V + 1,00N
unutar graninih uvjeta 10V + 12N 1920
5V + 3N 780
V, N 0

U ovom primjeru treba primijetiti da se optimalno rjeenje koje se trai nalazi u
rjeenju sustava linearnih nejednadbi.

3
Uvod u terminologiju
1. Kada je ravnina podijeljena na 2 dijela (strane) pravcem, svaka strana se
naziva poluravninom.
2. Ako je ravnina podijeljena okomitim pravcem dijeli se na lijevu i desnu
poluravninu.
3. Ako je ravnina podijeljena bilo kojim neokomitim pravcem dijeli se na gornju i
donju poluravninu.
4. Ako nejednadba ukljuuje < ili >, poluravnina se naziva otvorenom i
koristimo isprekidano liniju za njeno oznaavanje, to znai da nije ukljuena u
sustav rjeenja.
5. Ako nejednadba ukljuuje ili , poluravninu se naziva zatvorenom i
koristimo punu liniju za njeno oznaavanje, to znai da je ukljuena u sustav
rjeenja.
6. Podruje izvedivosti je skup toaka (x, y) koji zadovoljava sve nejednadbe
istovremeno.
7. Funkcija cilja F je matematiki opis postavljenog cilja.
8. Optimiziranje je odreivanje skupa vrijednosti promjenljivih veliina kojim se
postie optimalna vrijednost (maksimalna ili minimalna) funkcije cilja F

Postupak crtanja grafa linearnih nejednadbi
sa dvije varijable

Crtanje grafova linearnih nejednadbi sa dvije varijable obuhvaa vizualno
prikazivanje toki koje zadovoljavaju nejednadbu (skup rjeenja). Takav graf e biti
poluravnina. Postoje 4 razliite vrste nejednadbi sa dvije varijable koje se mogu
pojaviti:

Ax + By < C Ax + By C Ax + By > C Ax + By C

gdje su A, B i C konstante, a najmanje je jedan od koeficijenata A ili B razliit
od nule.

Za crtanje grafa nejednadbi zadanih u jednom od ovih oblika:

Ax + By < C Ax + By C Ax + By > C Ax + By C

postupak je slijedei:

1. Nacrta se odgovarajua jednadba Ax + By = C (granini pravac) tako da se
odrede toke na koordinatama (T
1
(0,y) i T
2
(x,0)) i povue pravac kroz njih.
Pravac se crta isprekidanom linijom kad je < ili >, a punom linijom kad je ili .
2. Sustav rjeenja je poluravnina na jednoj od strana graninog pravca. Za
odreivanje strane poluravnine se koristi probna toka T(a,b) koja ne pripada
pravcu Ax + By = C. Ako probna toka zadovoljava nejednadbu onda je
4
strana na kojoj se ona nalazi strana rjeenja, u suprotnom se rjeenje nalazi
na drugoj strani. (Najee se uzima T(0,0), ako pravac ne prolazi kroz
ishodite).

Primjer 1.2:

Potrebno je nacrtati grafove slijedeih nejednadbi:

a) 2x y 5 b) 3x + y > 0 c) x < 4

Rjeenje:

Slika 1.1
(0,0) (0,0)
(1,1)
2x-y=5 3x+y=0 x=4
(a) graf (b) graf 3x+y>0 (c) graf x<4 5 y x 2


Primjer 1.3:

Potrebno je odrediti podruje izvedivosti sustava slijedeih nejednadbi

3x y 2
x + y 6

Rjeenje:

Podruje izvedivosti je podruje u kome se zadani grafovi preklapaju.
5
3x-y=2 x+y=6
3x-y=2
x+y=6
(0,0) (0,0)
(2,4)
x x x
y y y
(a) graf (b) graf (c) graf sustava
Slika 1.2
2 y x 3 6 y x +
, 2 y x 3 6 y x +







Mogua rjeenja se nalaze unutar prostora definiranog zadanim
ogranienjima. U pravilu, optimalna rjeenja lee u vrhovima. Izuzeci su kada se
poklope granini pravci i funkcije cilja tada dva vrha i sve toke na pravcu
izmeu dva vrha daju isto optimalno rjeenje. Vrhovi odreenog podruja
izvedivosti se nalaze unutar tog podruja, na presjecitu dvaju graninih pravaca.

Primjer 1.4

Potrebno je nacrtati graf, odrediti podruje izvedivosti i sve vrhove za
sustav nejednadbi:

2x y 5
3x + y > 0
x 4


6
(a)
(b)
(c)
podruja preklapanja
(a) i (b)
(a) i (c)
(b) i (c)
(a), (b) i (c)
Slika 1.3 podruje izvedivosti za sustav
x
y
legenda
2x-y=5 x=4 3x+y=0
(4,3)
(1,-3)
(4,-12)
5 y x 2
0 y x 3 > +
4 x
5 y x 2
0 y x 3 > +
4 x


Primjer 1.5:
Potrebno je nacrtati na grafu podruje izvedivosti i odrediti vrhove za
slijedei sustav nejednadbi:

10V + 12N 1920
5V + 3N 780
V, N 0

Rjeenje:

7
Iz nejednadbe V 0 i N 0 je vidljivo da se podruje izvedivosti nalazi u
prvom kvadrantu VN ravnine.

Nacrtati granine pravce 10V + 12N = 1920 i 5V + 3N = 780, te odabrati
probnu toku za svaku od nejednadbi (ishodite odgovara za obje). Iz 100V +
120N 1920 slijedi da je rjeenje na grafu nejednadbe 10V + 12N 1920 skup
svih toaka ispod graninog pravca (ukljuujui pravac) i istim postupkom se
odreuje graf nejednadbe 5V + 3N 780 koji je skup svih toaka ispod
graninog pravca 5V + 3N = 780


H
L
(156,0)
(192,0)
(0,0)
(0,160)
10H+12L=1920
(120,60)
5H+3L=780
Slika 1.4 Podruje izvedivosti za sustav nejednadbi
1920 L 12 H 10 +
780 L 3 H 5 +
0 L , H





Podruje izvedivosti je najtamnije obojano podruje. Vrhovi se dobivaju
rjeavanjem dvije jednadbe s dvije nepoznanice za svaku toku.
8




5V + 3N = 780

5V + 3N = 780

10V + 12N = 1920

H=0

L=0

10V + 12N = 1920

H=0

L=0

Vrhovi


(156,0)

(120,60)

(0,160)

(0,0)

Napomena:

Ako je presjecite dva granina pravca izvan podruja izvedivosti onda to nije
vrh. npr. toka (192,0) nije vrh jer ne zadovoljava nejednadbu 5192 + 30 780


2. Geometrijsko linearno
programiranje
Linearni program sa dvije varijable x i y sadri linearnu funkciju
f = ax + by koja se naziva funkcijom cilja i koja mora biti optimizirana unutar sustava
linearnih nejednadbi. Varijable x i y nazivaju se varijablama odluivanja, a rjeenje
sustava nejednadbi naziva se podrujem izvedivosti.

Za rjeavanje linearnog programa, iz cijelog skupa izvedivih rjeenja odabire
se jedno, koje daje optimalnu vrijednost (maksimum ili minimum) funkcije cilja. Takvo
rjeenje (moe ih biti vie) naziva se optimalnim rjeenjem. Za programe koji
ukljuuju samo dvije varijable odreuje se podruje izvedivosti pomou dosad
obraenih grafova. Meutim, podruje izvedivosti uglavnom sadri beskonaan broj
toaka.

Primjer 1.1 (nastavak)

Problem je formuliran kao slijedei linearni program. Potrebno je:

maksimizirati funkciju zarade Z = 1,20V + 1,00N
unutar graninih uvjeta 10V + 12N 1920
5V + 3N 780
V, N 0
9

(0, 0)
(0, 160)
(120, 60)
(156, 0)
1920 L 12 H 10 = +
780 L 3 H 5 = +
L
H
(a) podruje izvedivosti
Slika 2.1
(0, 0)
(0, 160)
(120, 60)
(156, 0)
L
H
(b) pravci konstantne zarade 1.2H+L=C uz rast
vrijednosti konstante C
r
a
s
t

C
C=204
C=240
C=80

10



U primjeru 1.5 je odreeno podruje izvedivosti i vrhovi.
Za rjeenje linearnog programa se odreuje u kojoj toki funkcija
Z = 1,20V + 1,00N ima najveu vrijednost (maksimum). Moe se primijetiti da za
svaku konstantu C graf jednadbe 1,20V + N = C je pravac s nagibom -1.2. Taj
pravac se naziva pravcem konstantne zarade zato to je zarada u svim tokama
(V,N) koje se nalaze na tom pravcu jednaka. Svi pravci konstantne zarade imaju isti
nagib iz ega slijedi da su paralelni i kako se C poveava odgovarajui pravci se
udaljavaju od ishodita. Posljednji pravac koji dodiruje podruje izvedivosti prolazi
kroz vrh (120,60), pa se moe zakljuiti da je maksimalna zarada:

Z
max
= 1,20120 + 1,0060 = 204

Zakljuak: S obzirom na dana ogranienja proizvoa e imati najveu zaradu
ako proizvede 120 vrea visokokvalitetnog i 60 vrea niskokvalitetnog betona.
Najvea zarada iznosi 204$.

Teorem o vrhu

Kod svakog linearnog programa sa dvije varijable podruje izvedivosti (I) e
biti konveksni poligonski skup, odnosno I e biti podruje sa slijedeim svojstvima:

1. Granica I se sastoji od konanog broja pravaca ili segmenata pravaca
2. Ako su P i Q bilo koje dvije toke unutar I, segment pravca koji ih spaja (PQ)
lei potpuno unutar I

Q
Q
(a) konveksni skupovi
P
P
Slika 2.2
Q
(b) nekonveksni skupovi
Q
P
P





Funkcija cilja u linearnom programu sa dvije varijable je oblika
F= ax + by (a ,b = konst.). Za svaku konstantu C graf jednadbe F = C e biti pravac
(pravac konstantne vrijednosti ili jednostavnije izolinija). Sve izolinije imaju isti nagib
11
i tvore porodicu paralelnih pravaca. Praktino je zamisliti porodicu pravaca F = C kao
pomicanje pravca u jednom smjeru kako C raste.


P
Q
F=C
r
a
s
t

C
(a) maksimum u P,
minimum u Q
r
a
s
t

C
F=C
(c) ne postoji
maksimum
Slika 2.3
P1
P2
F=C
r
a
s
t

C
(b) maksimum
du P1P2



Na slici 2.3(a) je podruje izvedivosti omeeno, a maksimalna i minimalna
vrijednost F se nalaze u tokama P i Q, tj. na dva kraja podruja izvedivosti. Na slici
2.3(b) jedan od paralelnih pravaca prolazi kroz dva susjedna vrha P
1
i P
2
, te je F
maksimiziran du cijelog brida P
1
P
2
. Na slici 2.3(c) podruje izvedivosti nije omeeno
u smjeru poveavanja C stoga funkcija moe imati minimalnu vrijednost, ali joj
maksimalna vrijednost tei beskonanosti, nemogue ju je odrediti i smatra se da ne
postoji.

Teorem o vrhu glasi: Ako linearni program ima optimalno rjeenje (maksimum
ili minimum) mora se nalaziti u vrhu izvedbenog podruja. Taj teorem omoguava
jednostavan postupak rjeavanja linearnog programa.

Geometrijska metoda rjeavanja linearnog programa s dvije varijable
odluivanja - saetak

1. Nacrta se graf podruja izvedivosti I i pronau se koordinate svih vrhova u I
2. Napravi se tablica procjene vrijednosti funkcije cilja F u svakom vrhu
3. Ako je I omeena nazivamo je ogranienom. U ovom sluaju njena najvea
(najmanja) vrijednost je u vrhu
4. Ako I nije omeena nazivamo je neogranienom i njeno optimalno rjeenje ne
mora postojati. Meutim, ako postoji mora biti u vrhu

U primjeru 1.1 vrhovi su u (156,0), (120,60) i (0,0) (slika 2.1). Izraunom
zarade funkcije Z = 1,20V + N u vrhovima, dobiva se slijedea tablica:

12

Vrhovi


Vrijednost Z = 1,20V + N


(156,0)


187,2


(120,60)


204

Najvea vrijednost
(maksimum)

(0,160)


160


(0,0)


0


Iz ove tablice se izvodi zakljuak da se najvea vrijednost funkcije cilja unutar
podruja izvedivosti nalazi u toki (120,60), to potvruje rezultat dobiven
geometrijskim putem.
Linearno programiranje sa vie od dvije
varijable
Svaki linearni program koji ima rjeenje moe biti rijeen odreivanjem vrhova
podruja izvedivosti i zatim raunanjem funkcije cilja u vrhovima. Ipak, samo
nalaenje vrhova podruja izvedivosti u viedimenzionalnom prostoru moe biti
prilino komplicirano.

Primjer 3.1

Potrebno je:

maksimizirati F = 5x + 8y + 6z
uz granine uvjete 3x + 2y + 7z 55
2x + 5y + 4z 40
x, y, z 0

U ovom sluaju postoji pet rubnih ploha i deset kombinacija u kojima se tri
plohe sijeku u toki, ali sve ove toke nisu unutar podruja izvedivosti. Svako sjecite
koje je unutar prostora izvedivosti je vrh i pretpostavljajui da problem ima optimalno
rjeenje ono se moe odrediti izraunavanjem funkcije cilja u svakom vrhu. Iako je to
izvedivo zahtjeva prilian napor. Sreom, postoji puno efikasnija metoda pod imenom
simpleks metoda.
13
3. Uvod u simpleks metodu
Iako su Kantorovi, Koopmans i drugi dali veliki doprinos razvoju linearnog
programiranja, za njegov znaaj kao praktian alat u ekonomiji, industriji i znanosti je
zasluan ameriki matematiar George Dantzig. 1947. godine Dantzig je primijetio da
su odreeni vojni problemi u sutini isti kao i problemi usklaivanja aktivnosti unutar
velikih organizacija. Tada je razvio simpleks metodu kao nain efikasnog rjeavanja
problema linearnog programiranja.

Simpleks metoda je nain efikasnog pretraivanja vrhova podruja izvedivosti
(simpleksa) kako bi se pronalo u kojem se pojavljuje optimalna vrijednost funkcije
cilja. Najzanimljiviji linearni programi koji se pojavljuju u praksi ukljuuju velik broj
varijabli i ogranienja, pa ih se mora rjeavati upotrebom raunala. Iz ovog razloga,
cilj objanjavanja simpleks metode nije samo zbog rjeavanja problema na papiru,
ve razumijevanja raunalnih programa s kojima se mogu susresti.

3.1 Standardni maksimum - tip linearnog
programa
Problem standardnog maksimuma je specijalna vrsta linearnog programa koji
je jednostavan za analizu. To je linearni program kojime elimo maksimizirati funkciju
cilja:

F = c
1
x
1
+ c
2
x
2
+ ... + c
n
x
n

Ogranienja su u obliku:

a
11
x
1
+ a
12
x
2
+ ... + a
1n
x
n
b
1

a
21
x
1
+ a
22
x
2
+ ... + a
2n
x
n
b
2

. . . .
. . . .
. . . .
a
m1
x
1
+ a
m2
x
2
+ ... + a
mn
x
n
b
m

x
1
, x
2
, ... , x
n
0

gdje je b
j
0 za j = 1, 2, ... , m.

Openito, problem standardnog maksimuma je linearni program koji
zadovoljava slijedee uvjete:

1. Funkcija cilja F mora biti maksimizirana.
2. Sva ogranienja su tipa .
3. Sve varijable odluivanja x
i
ne smiju biti negativne (x
i
0).
4. Sve vrijednosti b
j
na desnoj strani nejednadbi ne smiju biti negativne (b
j
0).

14
3.2 Dopunske varijable i inicijalna tablica
Prvi korak u primjeni simpleks metode za rjeavanje problema standardnog
maksimuma je pisanje nejednadbi ogranienja i funkcije cilja kao jednadbi. To
omoguuje primjenu prethodno navedenih principa za rjeavanje linearnih programa.

Primjer 3.1

Treba pretvoriti nejednadbu 3x
1
2x
2
+ 5x
3
6 u jednadbu.

Rjeenje:

Ova nejednadba se moe objasniti, ako pretpostavimo postojanje odreenog
odstupanja vrijednosti lijeve i desne strane nejednadbe. To odstupanje se anulira
dodatkom dopunske promjenjive varijable u 0, te se nejednadba napie kao
jednadba:

3x
1
2x
2
+ 5x
3
+ u = 6

Ako je x
1
= 2, x
2
= 4 i x
3
= 1, tada je 32 24 + 51 = 3 6 , a dopunska
promjenjiva varijabla iznosi 3 (u + 3 = 6, slijedi u = 3)

Primjer 3.2

U sustavu nejednadbi e postojati vie razliitih dopunskih promjenjivih
varijabli, po jedna za svaku nejednadbu. Tako da za sustav nejednadbi:

3x
1
+ 2x
2
x
3
4
x
1
2x
2
3
x
1
, x
2
,x
3
0

dodaju se promjenjive dopunske varijable u
1
i u
2
, te se dobiva slijedei sustav
jednadbi:

3x
1
+ 2x
2
x
3
+ u
1
= 4
x
1
2x
2
+ u
2
= 3
x
1
, x
2
,x
3
, u
1
, u
2


0

Takoer, uputno je razmiljati o funkciji cilja linearnog programa kao implicitnoj
jednadbi. Npr. funkcija F = 2x
1
+ 4x
2
- 7x
3
se moe pisati kao -2x
1
- 4x
2
+ 7x
3
+ F =
0.

Kombiniranjem ovih metoda moe se prebaciti linearni program u sustav
jednadbi


maksimizirati F = 2x
1
+ 4x
2
- 7x
3
uz granine uvjete 3x
1
+ 2x
2
x
3
4
x
1
2x
2
3
15
x
1
, x
2
,x
3
0

U obliku sustava jednadbi:
3x
1
+ 2x
2
x
3
+ u
1
= 4
x
1
2x
2
+ u
2
= 3
-2x
1
4x
2
+ 7x
3
+ F = 0
x
1
, x
2
,x
3
, u
1
, u
2


0

Matrica koeficijenata sustava jednadbi naziva se inicijalna simpleks tablica. U
ovom primjeru inicijalna tablica je slijedea:

inicijalna tablica
1
x
2
x
3
x
1
u
2
u F

0 1 0 0 7 4 2
3 0 1 0 0 2 1
4 0 0 1 1 2 3
varijable
odluivanja
dopunske
varijable
konstante
s desne
strane


Donji red tablice sadri koeficijente funkcije cilja (osim 0 u desnom stupcu) i
nazivaju se indikatorima.

3.3 Osnovna izvediva rjeenja
Sustav iz primjera 3.2 smo napisali u obliku sustava linearnih jednadbi


3x
1
+ 2x
2
x
3
+ u
1
= 4
x
1
2x
2
+ u
2
= 3

gdje su x
1
, x
2
,x
3
, u
1
i u
2
nenegativne. Postoji beskonaan broj rjeenja ovog
sustava jer se moe rijeiti za bilo koje dvije varijable koje uvjetuju ostale tri.
Meutim, rjeenje je izvedivo samo ako su mu svi lanovi nenegativni.

Ako napiemo sustav iz primjera 3.2 u obliku:

u
1
= 4 3x
1
2x
2
+ x
3

u
2
= 3 x
1
+ 2x
2


tada svi proizvoljno odabrani x
1
, x
2
i x
3
odreuju vrijednosti u
1
i u
2
, a linearni
sustav posjeduje jedinstveno rjeenje (x
1
, x
2
,x
3
, u
1
, u
2
).

16
Kada se linearni sustav napie u ovom obliku u
1
i u
2
nazivaju se osnovnim
varijablama, a x
1
, x
2
i x
3
nazivaju se neosnovnim (parametarskim) varijablama.

Kada se postave vrijednosti svih neosnovnih varijabli u 0, rjeenje koje se
dobiva naziva se osnovnim rjeenjem.

U ovom primjeru osnovno rjeenje glasi x
1
= 0, x
2
= 0, x
3
= 0, u
1
= 4 i
u
2
= 3. Poto su sva rjeenja varijabli nenegativna, rjeenje je izvedivo i naziva se
osnovnim izvedivim rjeenjem.

Zadani linearni sustav moe imati mnoga osnovna rjeenja, ali sva ne moraju
biti izvediva. Npr. ako se linearni sustav napie kao:

x
3
= 4 + 3x
1
+ 2x
2
+ u
1

u
2
= 3 x
1
+ 2x
2


U ovom su sluaju u
2
i x
3
neosnovne varijable, a x
1
, x
2
i u
1
(neosnovne
varijable) jednake 0. Dobiva se odgovarajue rjeenje x
1
= 0, x
2
= 0, x
3
= 4, u
1
= 0 i
u
2
= 3, ali u ovom sluaju osnovno rjeenje nije izvedivo zbog postojanja negativne
varijable (x
3
= 4)

Geometrijski se moe pokazati da za sustav linearnih nejednadbi u
standardnom obliku, svako osnovno izvedivo rjeenje posjeduje odgovarajui vrh
unutar podruja izvedivosti, i obratno.

3.4 Pivot metoda
Na primjeru 3.2 vidljivo je da inicijalna tablica standardnog maksimuma
linearnog programa odgovara osnovnom izvedivom rjeenju u kojem su sve varijable
odluivanja 0. Poto je funkcija cilja jednaka 0 u ishoditu, mala je vjerojatnost da je
to optimalno rjeenje. Kod simpleks metode poinje se u ishoditu i nastavlja se put
od jednog vrha ka drugom (unutar podruja izvedivosti) sve dok se konano ne
pronae vrh koja odgovara optimalnom rjeenju.

Od jednog vrha ka drugom putuje se koritenjem osnovnih operacija na
redovima i transformiranjem inicijalne tablice u niz ekvivalentnih tablica koje su u
svezi s osnovnim izvedivim rjeenjem. Postupak transformacije se zasniva na
operaciji pod imenom pivotiranje.

Ponovno se vraamo na primjer 3.2.

Pivotiranje koeficijenta koji se nalazi na poziciji (1,2) znai da se
transformacijama unutar reda zamijeni koeficijent 2 (na poziciji (1,2)) sa koeficijentom
1, a svi ostali koeficijenti u tom stupcu se pretvore u 0.

17
1
x
2
x
3
x
1
u
2
u F

0 1 0 0 7 4 2
3 0 1 0 0 2 1
4 0 0 1 1 2 3
pivot se zamjenjuje
brojem 1
zamjenjuju se s 0

8 1 0 2 5 0 4
7 0 1 1 1 0 4
4 0 0
2
1
2
1
1
2
3
1
x
2
x
3
x
1
u
2
u F
3 3 1
2 2 1
1 1
R R R 4
R R R 2
R R
2
1
+
+

inicijalna tablica
transformirana tablica


Nova tablica odgovara linearnom sustavu:

3/2 x
1
+ x
2
1/2 x
3
+ 1/2 u
1
= 2
4x
1
x
3
+ u
1
+ u
2
= 7
4x
1
+ 5x
3
+ 2u
1
+ F = 8

koji moemo napisati i u slijedeem obliku:


x
2
= 2 3/2 x
1
+ 1/2 x
3
1/2 u
1


u
2
= 7 4x
1
+ x
3
u
1

F = 8 4x
1
5x
3
2u
1


Iz ovog oblika moe se zakljuiti da su nove osnovne varijable x
2
i u
2
.
Postavljanjem vrijednosti neosnovnih varijabli x
1
, x
3
i u
1
u 0 dobije se osnovno
izvedivo rjeenje x
1
= 0, x
2
= 2, x
3
= 0, u
1
= 0 i u
2
= 7. Odgovarajui vrh obuhvaa
samo varijable odluivanja i ima koordinate (0,2,0).

Vrijednost funkcije cilja odreuje se uvrtavanjem dobivenih rjeenja.

F = 8 4 0 + 5 0+ 20 = 8

Treba primijetiti da se nova vrijednost funkcije cilja pojavljuje u donjem
desnom kutu. To vrijedi za sve tablice.

Napomena: kolone koje odgovaraju osnovnim varijablama u svim matricama
su jednake kao i one u jedininoj matrici (osjenani dijelovi).

18
4. Simpleks metoda : sluaj standardnog
maksimuma
Simpleks metoda za linearne programe tipa standardnog maksimuma najlake
se moe objasniti na primjeru.

Primjer 4.1

Potrebno je:

maksimizirati funkciju F = 4x
1
+ 5x
2

unutar ogranienja 2x
1
+ 3x
2
9
x
1
+ x
2
4
x
1
, x
2
0

Rjeenje:

Prvo se uvode dopunske promjenjive varijable u
1
i u
2


2x
1
+ 3x
2
+ u
1
= 9
x
1
+ x
2
+ u
2
= 4

Cilj je pronai rjeenje u obliku jednadbe za koje su x
1
, x
2
, u
1
i u
2
nenegativne
varijable i za koje funkcija cilja F = 4x
1
+ 5x
2
ima najveu vrijednost.

Zatim se izrauje inicijalna tablica.

1
x
2
x
1
u
2
u F

0 1 0 0 5 4
4 0 1 0 1 1
9 0 0 1 3 2


Slijedei korak je transformiranje, operacijom pivotiranja, inicijalne tablice u
odgovarajuu tablicu s osnovnim izvedivim rjeenjem u kojoj funkcija cilja ima veu
vrijednost od funkcije cilja inicijalne tablice. Zatim se nastavlja pivotiranje dok se ne
pronae tablica kojoj F- vrijednost nije mogue nadmaiti. Osnovno izvedivo rjeenje
koje je u svezi s posljednjom tablicom daje optimalno rjeenje.

Osnovne varijable u svezi s inicijalnom tablicom su u
1
i u
2
, a osnovno rjeenje
je x
1
= 0, x
2
= 0, u
1
= 9 i u
2
= 4. Ovo rjeenje odgovara vrhu koja se nalazi u ishoditu
(0,0) unutar podruja izvedivosti. U toj toki funkcija cilja ima vrijednost 0.


19
x2
(0, 3)
(4, 0)
(3, 1)
(0, 0)
x1
4 x x
2 1
= +
9 x 3 x 2
2 1
= +
Slika 4.1 podruje izvedivosti za sustav nejednadbi
9 x 3 x 2
2 1
+
4 x x
2 1
+
0 x , x
2 1



Kako bi se odredilo je li to rjeenje optimalno, moramo provjeriti posljednji red
inicijalne tablice. Negativni indikatori 4 i 5 poprimaju pozitivne vrijednosti kad se
jednadba napie u eksplicitnom obliku. Ovo rjeenje nije optimalno jer se vrijednost
F moe poveavati s poveavanjem kako x
1
tako i x
2
. Kako je previe sloeno
poveavati istovremeno obje varijable, slijedee rjeenje se dobiva poveavanjem x
2

dok istovremeno x
1
ostaje na vrijednosti 0. Poveava se x
2
, a ne x
1
zbog toga to x
2

ima vei multiplikator (5 > 4) iz ega slijedi da e poveanjem x
2
proporcionalni
utjecaj na funkciju cilja biti vei. Poveavanje varijable x
2
je limitirano ogranienjima
prikazanim u prva dva reda simpleks tablice. Prvi red odreuje da je 2x
1
+ 3x
2
+ u
1
=
9. Sve dok je x
1
jednako 0, ova jednadba se reducira na 3x
2
+ u
1
= 9 iz ega slijedi
3x
2
9, budui da je u
2
nenegativna varijabla. Dijelei obje strane nejednadbe s 3,
moe se zakljuiti da je x
2
3.
Napomena: desna strana ove nejednadbe dobivena je dijeljenjem konstante
sa desne strane prvog reda sa odgovarajuim koeficijentom pridruenim varijabli x
2
.
Analogno dijeljenjem konstante drugog reda sa odgovarajuim koeficijentom uz x
2

slijedi x
2
4.
Usporeujui nejednadbe x
2
3 i x
2
4 zakljuujemo da je 3 najvea
vrijednost koja se moe pridruiti varijabli x
2
jer se moraju zadovoljiti oba uvjeta.
Kolona u ovoj simpleks tablici koja odgovara varijabli koju se eli poveavati
se naziva pivot kolonom, a red iz kojeg se dobiva gornja granica poveavanja ove
varijable se naziva pivot redom.
Pivot kolona odgovara najnegativnijem indikatoru, a pivot red se pronalazi
dijeljenjem svake konstante sa desne strane sa odgovarajuim pozitivnim brojem iz
pivot kolone, izabirui red sa najmanjim takvim omjerom.


20
1
x
2
x
1
u
2
u F

0 1 0 0 5 4
4 0 1 0 1 1
9 0 0 1 3 2
najnegativniji
indikator
(pivot kolona)
9/3
4/1
pivot
najmanji
omjer
inicijalna tablica


lan koji se nalazi i u pivot koloni i u pivot redu se naziva pivotom.
Slijedei korak je pivotiranje za dobivanje nove tablice


inicijalna tablica
1
x
2
x
1
u
2
u F

0 1 0 0 5 4
4 0 1 0 1 1
9 0 0 1 3 2
pivot
zamjena
s 1
zamjena s 0
3 3 1
2 2 1
1 1
R R R 5
R R R
R R
3
1
+
+

15 1 0
3
5
0
3
2
1 0 1
3
1
0
3
1
3 0 0
3
1
1
3
2
1
x
2
x
1
u
2
u F
druga tablica

Osnovne varijable su sad x
2
i u
2
, a odgovarajue osnovno izvedbeno rjeenje
je x
1
= 0, x
2
= 3, u
1
= 0, u
2
= 1. Ova rjeenja odgovaraju vrhu (0,3) u kojem je
vrijednost funkcije cilja F = 15
Prisutnost negativnog indikatora -2/3 ukazuje na to da rjeenje jo uvijek nije
optimalno, zato jer se moe poveavati vrijednost F poveavajui x
1
(trenutna
vrijednosti je 0). U prvom i drugom redu se dijele konstante s desne strane sa
pozitivnim koeficijentima uz x
1
.
x
1
9/2 i x
1
3
Moe se zakljuiti da je 3 najvei broj koji x
1
moe poprimiti uz zadane uvjete.
Ponovno se transformira tablica s obzirom na pivota 1/3 koji je na poziciji (2,1) u
drugoj tablici.

21
1
x
2
x
1
u
2
u F
druga tablica

15 1 0
3
5
0
3
2
1 0 1
3
1
0
3
1
3 0 0
3
1
1
3
2
pivot
najnegativniji
indikator
(pivot kolona)
2
9
3 / 2
3
=
3
3 / 1
1
=
najmanji
omjer
pivot red

17 1 2 1 0 0
3 0 3 1 0 1
1 0 2 1 1 0
1
x
2
x
1
u
2
u F
3 3 2
1 1 2
2 2
R R R
3
2
R R R
3
2
R R 3
+
+

1
x
2
x
1
u
2
u F
druga tablica

15 1 0
3
5
0
3
2
1 0 1
3
1
0
3
1
3 0 0
3
1
1
3
2
zamjena
s 0
pivot
zamjena
s 1
trea tablica
(terminalna)
Osnovne varijable sad postaju x
1
i x
2
, a osnovno izvedivo rjeenje je
x
1
= 3, x
2
= 1, u
1
= 0 i u
2
= 0. Odgovarajui vrh je (3,1), a vrijednost funkcije cilja je F
= 17.
Kako indikatorski red tree tablice ne sadri negativne indikatore trenutno
rjeenje je optimalno.
Provjera:
Jednadba prikazana u zadnjem redu se napie eksplicitno kao
F = 17 u
1
2u
2
. Zato to su koeficijenti u
1
i u
2
negativni, jedini nain da se povea
F je da se smanje u
1
i u
2
, a to je nemogue jer im je trenutna vrijednost 0 i uvjet je da
su nenegativni. Trea tablica je konani rezultat problema i naziva se terminalna
(zakljuna) tablica.
Geometrijski simpleks algoritam je putovao po granicama podruja izvedivosti.
Strelice na slici 4.1 pokazuju put pivotiranja. Algoritam poinje u ishoditu (0,0),
nastavlja do prvog slijedeeg vrha u (0,3) i konano dolazi do vrha (3,1) u kojem se
nalazi maksimalna vrijednost funkcije cilja.
Simpleks algoritam za linearni program tipa standardni maksimum saetak

1. Postavlja se inicijalna tablica za zadani problem standardnog
maksimuma.
22
2. Dijeli se svaka konstanta sa desne strane sa svim odgovarajuim
pozitivnim lanovima u pivot koloni.
3. Pivotira se pivot koji je pronaen u drugom koraku transformacije
tablice
4. Ako je mogue, ponavljaju se koraci 1-3 sve dok svi indikatori ne
poprime nenegativne vrijednosti. Odgovarajua tablica je tada
terminalna i iz nje se oita optimalna vrijednost.

Napomena: Ako su svi lanovi iznad najnegativnijeg indikatora negativni ne
moe se odrediti najmanji omjer, u tom sluaju linearni program nema optimalno
rjeenje.
F kolona se nikad ne mijenja, pa se dogovorno izostavlja iz tablice.

4.1 Neograniena rjeenja
Svaki linearni program nema optimalno rjeenje. U slijedeem primjeru se
uzima u obzir situacija u kojoj je podruje izvedivosti neogranieno, a funkcija cilja
moe poprimiti vrijednosti koje su proizvoljno velike.

Primjer 4.2

Maksimizirati F = 2x
1
5x
2
10
uz granine uvjete x
1
+ x
2
8
x
1
, x
2
0

Rjeenje:

inicijalna tablica pivot
najnegativniji
indikator
(pivot kolona)
najmanji
omjer
pivot red
1
x
2
x
1
u
2
u

0 0 0 3 2
8 1 0 1 1
10 0 1 5 2
1
8


Najnegativniji indikator je 3 u drugoj koloni, a jedini pozitivni broj u drugoj
koloni je 1 u drugom redu, pa on mora biti pivot. Pivotiranjem se transformira tablica
na slijedei nain:

23
inicijalna tablica
zamjena s 0
1
x
2
x
1
u
2
u

0 0 0 3 2
8 1 0 1 1
10 0 1 5 2

24 3 0 0 5
8 1 0 1 1
50 5 1 0 3
2
u
1
u
2
x
1
x
3 3 2
1 1 2
R R R 3
R R R 5
+
+
druga tablica

Ova tablica nije terminalna obzirom da postoji negativni indikator (5), ali u toj
koloni ne postoji pozitivni lan (prva kolona). To znai da se varijabla x
1
u odnosu na
negativni indikator moe beskonano poveavati bez krenja bilo kojih graninih
uvjeta nejednadbi, a kako bi se definirao linearni program. Dakle, postoje izvedive
toke koje su povezane sa proizvoljno velikim funkcijama cilja (negativan indikator je
vezan s pozitivnom vrijednosti F).

Kriterij tablica za problem standardnog maksimuma koji su nerjeivi

Uglavnom funkcija cilja linearnog programa nema maksimum ako su lanovi
iznad negativnog indikatora u inicijalnoj tablici ili bilo kojoj narednoj tablici svi
nepozitivni.


injenice o simpleks metodi:

1. Iako se jedini negativni indikatori unutar inicijalne tablice pojavljuju u
kolonama varijabli problema, mogue je da se u kasnijim tablicama
pojave negativni indikatori i u kolonama dopunskih promjenjivih
varijabli.
2. Ponekad postoji vie indikatora koji imaju najnegativniju vrijednost. U
tom sluaju se za odreivanje pivot kolone koristi bilo koji od njih.
3. Ponekad se dijeljenjem konstante s desne strane odgovarajuim
koeficijentom moe dobiti vie najmanjih omjera. U tom sluaju se za
odreivanje pivota koristi bilo koji od njih. Takav linearni program
nazivamo degenerativnim i postoji mogunost da simpleks algoritam
ue u beskonanu petlju tj. da stalno stvara istu tablicu.