Cjelobrojno programiranje (IP)

(Integer Programming)

IP primjer
Optimalno LP rjeenje
x1 = 8/3
x2 = 4/3
ZLP* = 104

Optimalnox2IP rjeenje
x1 = 2
Max Z = 33x1 + 12x2
x23= 3
s.t.
ZIP* = 102

(1)
(2)
(3)

x1 + 2x2 4
2
5x1 + 2x2 16
2x1 x2 Zaokrueno
4
LP rjeenje
x1, x2 0 and integer x = 2
1 1

Optimalno
IP rjeenje

Iso-profit l
nemogue
IP rjeenje
Mogue,
nije optimalno

x2 = 1
ZRLP* = 78

x1

Vrste IP problema

isto cjelobrojno programiranje

Mjeovito cjelobrojno programiranje

Sve su varijable cjelobrojne

Samo neke od varijabli su cjelobrojne

0-1 cjelobrojno programiranje

Sve varijable imaju vrijednost 0 ili 1

(zero-one programming ili binary
integer programming)
3

IP rjeenje nasuprot LP rjeenja

LP rjeenje je uvijek bolje

(optimalnije) od IP rjeenja
Zaokruivanje LP rjeenja na najblie
cijele brojeve

Moe se javiti nemogue rjeenje

(naruena ogranienja)
Rjeenje je mogue ali nije optimalno

Primjer: IP rjeenje nasuprot

LP rjeenja
Usljed trajka vozaa kamiona hladnjaa u februaru 1974 nastala je kriza u
ponudi svjeeg mesa u Bostonu. U trenutku krize naglo je porasla potreba za
konzervama goveeg i ovijeg mesa tako da su prodavai bili spremni prihvatiti
konzerve mesa u bilo kojim kiliinama. Transport konzervi bio je organizovan
avionskim saobraajem iz ikaga. Cilj snabdjevaa je bio da odrede optimalni
odnos koliine konzervi goveeg i ovijeg mesa kako bi imali optimalnu profit za
fiksan volumen u avionu i fiksnu teinu koju avion moe da nosi. Dobit po
jednom paketu konzervi govedine bio je $20(x100), odnosno po jednom paketu
ovijeg mesa $10(x100). Zapremina paketa govedine bila je 5 jedinica a teina
2 jedinice. Dok je zapremina paketa ovijeg mesa bila 4 jedinice a teina 5
jedinica. U avion je moglo da stane 24 jedinice zapremine i 13 teinskih
jedinica.

Primjer: IP rjeenje nasuprot

LP rjeenja
Problem koji je potrebno rijeiti je nai maksimum funkcije

z 20 x1 10 x2

(1)

sa ogranienjima
5 x1 4 x2 24 (zapremina
)
2 x1 5 x2 13 (tezina)

(2)

x1 , x2 0, realnevarijable

LP model
6

Primjer: IP rjeenje nasuprot

LP rjeenja
Rjeenje LP modela: x1 = 4,8 i x2=0,
Dobit
z = 4,8*20=96(x100$).
Dobit od 96 dolara nije mogue ostvariti, jer nije mogue poslati 4,8
paketa
Ako se rezultat jednostavno zaokruili na 5 paketa, to jest x = 5, za njih
1
bi potrebna zapremina u avionu bila 5*5 = 25 i dobili bi nemogue rjeenje
(prvo ogranienje bi bilo narueno) jer u avionu ima na raspolaganju svega
24 jedinica zapremine.
U sluaju da jednostavno zaokruimo rjeenje na x = 4, ni jedno od
1
ogranienja ne bi bilo narueno i profit bi bio z = 4*20 = 80.
Rjeenje je mogue. Da li je optimalno?

Primjer: IP rjeenje nasuprot

LP rjeenja
Problem koji je potrebno rijeiti je nai maksimum funkcije

z 20 x1 10 x2

(1)

sa ogranienjima
5 x1 4 x2 24 (zapremina
)
2 x1 5 x2 13 (tezina)

(2)

x1 , x2 0, cjelobrojne varijable

IP model
9

IP MODEL U LINDI

10

RJEENJE IP MODELA U LINDI

11

12

13

14

Metode rjeavanja IP problema

Cutting Plane Method

Branch and Bound Method

15

Branch and bound metoda

Sutina branch and bound metode jeste traenje rjeenja modela
cjelobrojnog programiranja analizom istog modela preko serije LP modela
sve dok rjeenje LP modela ne zadovolji uslov cjelobrojnosti varijabli.
Primjena ove metode na model cjelobrojnog programiranja u sluaju
maksimuma funkcije cilja moe se opisati sljedeim nizom koraka:
1. Rijeiti model cjelobrojnog programiranja kao LP model. Ako optimalno
rjeenje zadovoljava uslov cjelobrojnosti varijabli onda je rjeenje LP
modela istovremeno i rjeenje modela cjelobrojnog programiranja. Ako
uslov cjelobrojnosti varijabli nije zadovoljen dobijeno rjeenje LP modela
slui kao gornja granica vrijednosti funkcije cilja rjeenja modela
cjelobrojnog programiranja.

16

Branch and bound metoda

2. Odrediti donju graninu vrijednost funkcije cilja modela cjelobrojnog
programiranja. Ovu granicu je najlake odrediti tako da se realne
vrijednosti varijabli odluivanja dobijenim rjeenjam LP modela
zaokrue na najbliu donju cjelobrojnu vrijednost.

3. Rjeenje modela cjelobrojnog programiranja traiti tako to se

rjeavaju dva nova podproblema (dvije grane) ije rjeenje e se opet
traiti kao rjeenje LP modela. U svakom od podproblema potrebno je
dodati po jedno novo ogranienje za jednu od varijabli iz prethodnog
LP modela koja nije imala cjelobrojnu vrijednost tako da se u rjeenju
LP modela podproblema iskljui mogunost ovoj varijabli da ima realnu
vrijednost izmau dva cjela broja koju je imala u prethodnom rjeenju.
Na primjer, ako je prethodno optimalno rjeenje LP modela bilo tako da
je varijabla X1 imala vrijednost 5.23, u narednom koraku potrebno je
problem podjeliti na dva podproblema tako da se jednom podproblemu
na izvorni model doda novo ogranienje
, a drugom ogranienje
17

Branch and bound metoda

4. Rjeiti oba podproblema kao LP modele. Ako rjeenje LP modela za
podproblem ne postoji podproblem se vie nee razmatrati. Ako rjeenje LP
modela postoji a vrijednosti varijabli nisu cjelobrojne potrebno je ii na
korak 3. Ako rjeenje LP modela sadri cjelobrojne vrijednosti varijabli
odluivanja potrebno je ispitati vrijednost funkcije cilja za ovo rjeenje. Ako
je vrijednost funkcije cilja jednaka gornjoj graninoj vrijednosti onda je
rjeenje ujedno i optimalno rjeenje postavljenog modela. Ako je vrijednost
funkcije cilja manja od donje granine vrijednosti razmatrani podproblem
(grana) ne daje optimalno rjeenje i ovaj podproblem se nee vie
razmatrati. Ako je vrijednost funkcije cilja iznad donje granine vrijednosti
funkcije cilja potrebno je tekuu vrijednost funkcije cilja proglasiti novom
donjom graninom vrijednosti i ii na korak 3.

18

Branch and bound metoda - Primjer

Model cjelobrojnog programiranja definisan datom funkcijom cilja i
ogranienjima potrebno je rijeiti branch and bound metodom.

Problem je nai maksimum funkcije

uz ogranienja

19

Branch and bound metoda - Primjer

X1 = 1.25
X2 = 4.125
Z = 36.375
X2 4

X2 5

X1 = 1.33
X2 = 4
Z = 36
X1 1

X1 = 1
X2 = 4
Z = 34

X1 = 0.2
X2 = 5
Z = 36.2

X1 2

X1 0

X1 = 2
X2 = 3
Z = 33

X1 1

X1 = 0
X2 = 5.167
Z = 36.167
X2 5

X1 = 0
X2 = 5
Z = 35

Ne postoji realno
rjeenje

X2 6

Ne postoji realno
rjeenje

20

Meusobno iskljuiva ogranienja

(Mutually Exclusive Constraints)
Primjer:Kompanija koja proizvodi gotovu hranu ima velike koliine kukuruza
(x1), jema (x2), i brana (x3) koje mogu biti mijeane u proizvodnji hljeba za
ishranu stoke ili itnih pahuljica za ishranu ljudi. Meutim, zbog razliitih
sanitarnih zahtijeva i javnog imia firme rukovodstvo se odluilo da prozvodi
samo jedan od ova dva proizvoda. Pretpostavimo da je ogranienje u sluaju
proizvodnje stonog hljeba

5x1 2 x2 3x3 50
odnosno u sluaju proizvodnje itnih pahuljica

2 x1 4 x2 x3 30

21

Meusobno iskljuiva ogranienja

(Mutually Exclusive Constraints)
Da bi modelirali ovakvu situaciju, potrebno je uvesti novu 0-1 varijablu, y (y moe
imati vrijednost nula ili jedan), i to tako da se zamijene postojea ogranienja sa
novim ogranienjima,

5x1 2 x2 3x3 50 yM

2 x1 4 x2 x3 30 (1 y ) M
gdje je M proizvoljna, velika konstanta. Ako ograniimo vrijednosti varijable y na
nulu ili jedinicu, efekat je sljedei:
Ako je y = 1 drugo ogranienje se vraa u svoju orginalnu formu. Sa
izabranim velikim brojem M desna strana prvog ogranienja postaje jako velika
tako da e svako rjeenje za x1, x2 i x3 zadovoljiti prvo ogranienje, inei to
ogranienje praktino suvinim.
Ako je y = 0 prvo ogranienje se vraa u svoju orginalnu formu. Drugo
ogranienje postaje suvinim.
22

Meusobno iskljuiva ogranienja

(Mutually Exclusive Constraints)
Prethodna ogranienja mogu se modelirati i uvoenjem dvije 0-1 varijable,

5x1 2 x2 3x3 50 y1M

2 x1 4 x2 x3 30 y2 M

y1 y2 1
Ako postoji m1 meusobno iskljuivih ogranienja, onda se lan yiM dodaje
na desnu strano svakog od ogranienja. Svaka yi varijabla je 0-1 varijabla.
Da bi osigurali da samo jedno ogranienje bude vezano za funkciju cilja
dodaje se dodatno ogranienje u obliku
.

m1

y
i 1

m1 1
23

Meusobno iskljuiva ogranienja

(Mutually Exclusive Constraints)
Primjer
Neka su data 4 ogranienja koja se meusobno iskljuuju:
x1 x 2 x3 5

2 x1 x 2 x3 10
4 x1 x 2 x3 12
5 x1 x 2 6
etiri varijable moraju biti dodate kao to je prikazano kako bi obezbjedili da
samo jedno od ogranienja bude izabrano.
x1 x 2 x3 5 y1 M
2 x1 x 2 x3 10 y 2 M
4 x1 x 2 x3 12 y 3 M
5 x1 x 2 6 y 4 M
y1 y 2 y 3 y 4 3
y i 0 ili 1, za i 1,2,3,4.

24

Meusobno iskljuiva ogranienja

(Mutually Exclusive Constraints)
Problem sa m1 ogranienja, od koji k mora biti odabrano rjeava se kao i
prethodni problem s razlikom to posljednja jednaina postaje
m1

y
i 1

m1 k

Ova vrsta ogranienja moe se pojaviti, na primjer, u problemu sa viestrukim

kriterijima (ciljevim). Na primjer, firma moe nametnuti uslove za minimalno
prihvatljivim profitom, veliinom prodaje, visinom dionica, brzinom vraanja
investicija, itd. i istovremeno zahtijevati da bar tri od ovih uslova budu
zadovoljeni.

25

Zadatak 1
Odjeljenje razvoja jedne firme razvilo je tri nova proizvoda. Meutim da bi ograniili
broj proizvoda na proizvodnim linijama menament je nametnuo ogranienje da od
razvijena tri proizvoda najvie dva mogu biti uvedena u proizvodnju. Novi proizvodi
se mogu proizvoditi na dvije postojee proizvodne linije. Iz administrativnih razloga
menament je postavio zahtijev da samo jedna od dvije postojee linije moe biti
koritena za nove proizvode. Trokovi proizvodnje novih proizvoda na linijama su isti,
ali zbog razliite infrastrukture, vrijeme potrebno za proizvodnju novih proizvoda se
razlikuje za svaku liniju kao to se vidi u sljedeoj tabeli.
Proizvod
1
2
3

Kapacitet
Sati u sedmici

Proizvodna linija 1
Proizvodna linija 2

3
4

4
6

2
2

30
40

Profit po jedinici proizvoda

Koliina koja se moe prodati

5
7

7
5

3
9

(u hiljadama dolara)
(komada po sedmici)
26

Zadatak 1 (nastavak)
Cilj je izabrati proizvode, prizvodne linije i koliinu proizvodnje izabranih proizvoda
da bi maksimizirali profit.
Rjeenje

Maksimum

Z 5x1 7 x2 3x3

3 x1 4 x2 2 x3 My1 30,
4 x1 6 x2 2 x3 My 2 40,
x1 7,
x2 5,
x3 9,
x1 My3 0,
x2 My 4 0,
x3 My5 0,
y1 y 2 1,
y3 y 4 y5 2,
x1 0,

x2 0,

x3 0, cjelobrojne varijable

y j binarna varijabla , j 1,2,3,4,5

27

28

29

30

31

32

Zadatak 2
Gradska Vlada razmatra izgradnju nekih od rekreativnih
centara:plivaki bazen, tenis centar, atletsko polje i gimnastiku salu.
Vlada je planirala sredstva od $1,200,000 za izgradnju i 12 ari
zemljita. Bazen i tenisko igralite zahtijevaju istu lokaciju tako da
samo jedno moe biti napravljeno. Koje projekte Vlada trerba da
izabere tako da bude to vei broj graana koji koriste rekreativne
centre.

Bazen
Tenis centar
Atletsko polje
Gimnast. Salu

Broj
korisnika
(po danu)
300
90
400
150

Trosak
($000)
350
100
250
900

Povrsina
(ari)
4
2
7
3

33

Zadatak 2 (nastavak)
Rjeenje

Maksimum

Z 300x1 90x2 400x3 150x4

s.t.

350 x1 100 x2 250 x3 900 x4 1200,

4 x1 2 x2 7 x3 3x4 12,
x1 x2 1,
x1 , x2 , x3 , x4 0,

binarne varijable
34

35

36

Zadatak 3
Neka grad ima 8 vatrogasnih stanica koje opsluzuju 22 gradska distrikta. Na slici je dat
polozaj vatrogasnih stanica i distrikta. Analizom podataka iz proslosti o vremenu
potrebnim da vatrogasci dodju na mjesto pozara na slici su za unaprijed propisano
vrijeme dolaska vatrogasaca sa crtkanim linijom oznacene stanice koje mogu opsluzivati
odredjene distrikte. Nedostatak ctkane linije izmedju stanice i distrikta znaci da se iz
stanice ne moze stici u distrikt za unaprijed propisano vrijeme.

Slika 1 Raspored gradskih distrikta i

vatrogasnih stanica

37

Zadatak 3 (nastavak)
Gradski odbor razmatra da li se neke od vatrogasnih stanica mogu zatvoriti, i ako mogu
koje su to stanice. Problem se svodi na to da se nadje najmanji broj stanica dovoljnih
za sigurnost grada, to jest da najmanje jedna stanice pokriva svaki distrikt.
Rjeenje:
Problem se moze formulisati kao 0-1 problem. Neka su xj 0-1 varijable definisane za
svaku od vatrogasnih stanica, tako da xj = 1 ako stanica ostaje u funkciji, odnosno xj =
0 ako stanicu treba zatvoriti. Funkcija cilja je minimizirati broj vatrogasnih stanica, to
jest
min .

z x1 x2 x3 x4 x5 x6 x7 x8

Ogranicenja slijede iz uslova da najmanje jedna od stanica pokriva odredjeni distrikt. Na

primjer ogranicenje koje osigurava da distrikt broj 1 bude pokriven sa najmanje jednom
stanicom je
38

Zadatak 3 (nastavak)
x1 x2 1
ili ista vrsta ogranicenja za distrikt 8 bi bila

x1 x2 x4 1

Za vjebu: (a) Dovrsiti sva ogranicenja i rijesiti problem.

(b) Iz razloga sto su pozari cesti u pojedinim distriktima moze biti
zahtijevano da vise stanica bude na raspolaganju pojedinim distriktima.
Kako rijesiti taj problem?
39

Meusobno ovisne varijable

(Interdependent variables)
U nekim problemima moe postojati meusobna ovisnost varijabli. Na primjer,
problem gradnje, gdje se zahtijeva da projekat gradnje drugog sprata, zahtijeva
da mu prethodi projekat gradnje prvog sprata.
Primjer Neka su varijable
0-1 varijable koje predstavljaju prihvatanje ili
odbijanje projekta j. Ako projekat 3 ne moe biti prihvaen ako nije prihvaen
projekat 2, problem moe biti rijeen dodajui sljedea ogranienja:

x3 x 2

ili

x3 x2 0.

Ako projekti 2 i 3 moraju biti prihvaeni zajedno u protivnom ne prihvaa se ni

jedan, uslov moe biti ispunjen sljedeim ogranienjem:

x2 x3

ili

x2 x3 0
40

Funkcije sa N moguih vrijednosti

Neka funkcija moe imati jednu od N vrijednsti:

f x1 , x2 ,..., xn d1

ili

d 2 ,...

ili

dN

Specijalan sluaj funkcije moe biti na primjer

f x1 , x2 ,..., xn

a x
j

ili

f x1 , x2 ,..., xn x j

j 1

tako da varijabla mora imati jednu od N zadatih vrijednosti. Ekvivalentna

formulacija problema cjelobrojnog programiranja imala bi sljedei oblik:

f x1 , x2 ,..., xn

d y
i

i 1

y
i 1

1,

yi

binarna varijabla za i 1,2,.., N

41

Funkcije sa N moguih vrijednosti

Primjer
U pogonu se proizvode dva proizvoda. Prvi proizvod treba 3 sata za proizvodnju a
drugi 2 sata. Menadment eli da prozvodi proizod 1 i 2 u takvim koliinama da
se za proizvodnju troi 6 sati ili 12 sati ili 18 sati iz administrativnih razloga.

Ovaj zahtijev moe biti formulisan pomou sljedeih ogranienja:

3x1 2 x2 6 y1 12 y2 18y3

y1 y 2 y3 1

y1 , y2 , y3

su binarne varijable
42

Problem fiksnih trokova

(The Fixed-Charge Problem)
este su situacije kada u funkciju cilja treba ukljuiti fiksne trokove koji su vezani za
odreenu aktivnost. Kao primjer moe posluiti aktivnost prelaska proizvodnje sa jednog
na drugi proizvod na istoj maini (potreba ienja maine sa prelaska na proizvodnju
druge vrste okolade, trokovi zamjene noeva za rezanja, itd.). U ovakvim sluajevima
ukupni trokovi vezani za odreenu aktivnost su jednaki zbiru fiksnih trokova (da bi
pokrenuli aktivnost) i varijabilnih trokova vezanih za nivo aktivnosti (na primjer, utroak
materijala po jedinici proizvoda puta broj proizvoda). Varijabilni trokovi su esto
proporcionalni nivou aktivnosti (na primjer, broju proizvoda). U ovom sluaju, ukupni
trokovi, na primjer, aktivnosti j mogu biti predstavljeni sljedeom funkcijom:

k j c j x j
f j (x j )
0

ako je x j 0,

ako je x j 0,

gdje xj predstavlja nivo aktivnosti j (na primjer broj proizvoda), kj su fiksni trokovi i

cj su trokovi po jedinici aktivnosti j (po komadu proizvoda).

43

Problem fiksnih trokova

(The Fixed-Charge Problem)
Neka je rije o problemu u kojem postoji nekoliko konkurentnih aktivnosti, sa kj>= 0
za svaku aktivnost ili sa kj>= 0 samo za neke aktivnosti, i da je potrebno ostvariti
minimum funkcije

Minimum

Z f1 ( x1 ) f 2 ( x2 ) .... f n ( xn )

uz data ogranienja.
Problem se moe rjeiti uvoenjem pomonih binarnih (0-1) varijabli tako da funkcija
cilja ima sljedei oblik:
Z

(c x
j

k j y j ),

j 1

gdje vrijedi

1
yj

ako je x j 0,

ako je x j 0,

44

Problem fiksnih trokova

(The Fixed-Charge Problem)
Da bi model bio kompletan potrebno je jo matematski opisan prethodni zahtijev
pretvoriti u opis prikladan za linearno programiranje. Ako se uzme jako veliki broj
M koji je vei od bilo koje maksimalno mogue vrijednosti varijable xj onda e
sljedea ogranienja:

x j My j

za

j 1,2,...,n

osigurati da bude yj = 1 kad je xj > 0. Meutim, kada je xj = 0 prethodno

ogranienje e biti zadovoljeno za obadvije mogue vrijednosti (nula ili jedan) . Da
bi ispravno modelirali postavljeni problem potrebno je da yj bude jednako nuli kad
je xj jednako nuli. Na sreu, ovaj problem se rjeava sam po sebi zahvaljujui
osobini funkcije cilja. Naime, kada je xj = 0 prethodno ogranienje dozvoljava izbor
izmeu yj = 0 i yj = 1 , ali kako se trai minimum funkcije Z algoritma za rjeavanje
problema linearnog programiranja e uvijek izabrati yj = 0 kada je xj = 0 kako bi
minimizirao funkciju cilja Z.
45

Problem fiksnih trokova

(The Fixed-Charge Problem)
Dakle, mjeoviti problem cjelobrojnog programiranja sa fiksnim trokovima e imati
sljedeu formulaciju:

Minimizira
j

(c x
j

k j y j ),

j 1

koja je predmet originalnih ogranienja, plus sljedeih ogranienja

x j My j 0
i yj je binarna varijabla za j = 1,2,...,n

46

Zadatak 4

47

MAX 1.2 F1 - 60 y1 + 1.8 F2 - 200 y2 + 2.2 F3 - 100 y3

SUBJECT TO

3 F1 + 4 F2 + 8 F3 <= 2000
3 F1 + 5 F2 + 6 F3 <= 2000
2 F1 + 3 F2 + 9 F3 <= 2000
F1 <= 300
F2 <= 200
F3 <= 50
F1 - 1000 y1 <= 0
F2 - 1000 y2 <= 0
F3 - 1000 y3 <= 0

Bolje je:
F1 - 300 y1 <= 0
F2 - 200 y2 <= 0
F3 - 50 y3 <= 0

END
GINT F1
GINT F2
GINT F3

INT y1
INT y2
INT y3

48

OBJECTIVE FUNCTION VALUE

1)

460.0000

VARIABLE
VALUE
Y1
1.000000
Y2
1.000000
Y3
0.000000
F1
300.000000
F2
200.000000
F3
0.000000

REDUCED COST
60.000000
200.000000
-2100.000000
0.000000
0.000000
0.000000

ROW SLACK OR SURPLUS

DUAL PRICES
2)
300.000000
0.000000
3)
100.000000
0.000000
4)
800.000000
0.000000
5)
0.000000
1.200000
6)
0.000000
1.800000
7)
50.000000
0.000000
8)
700.000000
0.000000
9)
800.000000
0.000000
10)
0.000000
2.200000

49

Primjer
Voa kampanje predsjednikog kandidata planira na kraju kampanju u 5 gradova za
koje vjeruje da su odluujui za pobjedu. Predsjedniki kandidat treba da krene iz
Waingtona i da posjeti svaki od pet gradova i da se vrati u Waington. Zbog malog
preostalog budeta za kampanju ili pritiska novinara koji ispituju da li se na efikasan
nain troe sredstva fonda za kampanju kandidatat vodja kampanje eli da minimizira
trokove puta kandidata i njegovog tima. Umjesto ovog cilja moe se postaviti i drugi,
na primjer, da se minimizira trajanje puta kako bi se dobilo na vremenu.
Problem se moe rijeiti kao 0-1 problem. Za svaku moguu relacija izmeu gradova
uvodi se po jedna varijabla xij koja je jednaka 1 ako se putuje iz grada i u pravcu grada
j, odnosno 0 ako otpada relacija. Neka su sa cij definisani trokovi puta od grada i do
grada j. Ovakav pristup vodi do opteg oblika funkcije cilja
n

min z cij xij

i 1 j 1

(1)
50

Primjer (nastavak)
gdje je n ukupan broj gradova ukljucujuci i polazni grad, to jest u nasem primjeru n = 5.
Varijabla xij za i = j nema smisla pa se moze iskljuciti iz funkcije cilja, ili se uz ovu
varijablu mogu propisati jako veliki troskovi puta cij tako da varijabla xij nece nikad
imati vrijednost 1.
Za dati problem mogu se postaviti tri grupe ogranicenja. Prva grupa ogranienja treba
da bude da se svaki grad posjeti samo jedanput:
n

x
i 1
i j

ij

za

j 1,2,...n.

(2)

Na primjer, ogranicenje za grad broj 3 u nasem primjeru je

x13 x23 x43 x53 1

iz kojeg slijedi da je potrebno i dovoljno da samo jedna od varijabli bude 1, sto znaci da
se samo iz jednog grada stize u grad broj 3.
51

Primjer (nastavak)
Druga grupa ogranienja treba da obezbjedi da je mogu odlazak iz jednog grada samo
u jedan drugi grad:
n

x
j 1
j i

ij

za

i 1,2,...n.

(3)

Jedno od ovih ogranienja je, na primjer, ogranienje

x21 x23 x24 x25 1

znaci da je iz grada broj 2 moguce otici samo jedanput, to jest u pravcu samo jednog od
preostalih gradova.
U ovakvoj postavki problema moguca su rjesenja koja zadovoljavaju ogranicenja (2) i
(3) a koja ne ispunjavaju cilj putovanja. To su rjesenja takozvanih mali turneja od kojih
su neka data na slici 1.
52

Primjer (nastavak)
1
2
5
3
4

Slika 1. Male turneje od dva odnosno tri grada

Dakle, rjesenja data na slici 1 su matematski korektna ali ne zadovoljavaju postavljeni

zadatak. Da bi eliminisali turneju od dva grada, moguce je uvesti ogranicenje da ako
postoji putovanje iz grada i prema gradu j ne moze postojati putovanje iz grada j u
grad i. Na primjer, ogranicenje

x13 x31 1
ce sprijeciti rjesenje malih turneja izmedju gradova 1 i 3.

53

Primjer (nastavak)
Na slican nacin mogu se sprijeciti rjesenja malih turneja od tri grada, na primjer,

x24 x45 x52 2

x25 x54 x42 2.
Moze se pokazati da je u turneji od pet gradova dovoljno sprijeciti male turneje od dva
grada pa da sve ostale male turneje bude sprijecene u rjesenju. U turneji od sest
gradova potrebno je eliminisati male turneje od dva grada i male turneje od tri grada. U
turneji od sedam gradova potrebno je eliminisati male turneje od dva grada i male
turneje od tri grada. U turneji od osam gradova potrebno je eliminisati sve male turneje
od dva grada i male turneje od tri grada i male turneje od cetiri grada.
Primjena analiziranog problema nije vezana samo za primjer politicke kampanje ili
trgovackog putnika, vec i za transportne probleme ili planiranje proizvodnje. Na primjer,
kompanija Procter and Gamble proizvodi sapun razlicitih kvaliteta. Troskovi prelaska
proizvodnje sa jednog sapuna na drugi su razliciti.
54

55

Zadatak 5

56

Postavka modela:
min

20 x12
18 x21
27 x31
28 x41
18 x51

+
+
+
+
+

25 x13 + 32 x14 + 22 x15 +

22 x23 + 16 x24 + 18 x25 +
20 x32 +
30 x34 + 12 x35 +
14 x42 + 30 x43 +
14 x45 +
22 x52 + 10 x53 + 18 x54

subject to

x21 +
x12 +
x13 +
x14 +
x15 +

x31 + x41 + x51 = 1

x32 + x42 + x52
x23 +
x43 + x53
x24 + x34 +
x54
x25 + x35 + x45

=
=
=
=

1
1
1
1

x12 + x13 + x14 + x15 = 1

x21 +
x23 + x24 + x25 = 1
x31 + x32 +
x34 + x35 = 1
x41 + x42 + x43 +
x45 = 1
x51 + x52 + x53 + x54
=1
Sprijeciti male turneje od dva grada
x12 + x21 <= 1
x13 + x31 <= 1
x14 + x41 <= 1
x15 + x51 <= 1
x23 + x32 <= 1
x24 + x42 <= 1
x25 + x52 <= 1

Vidjeti fajl: Zadatak_5

x34 + x43 <= 1

x35 + x53 <= 1
x45 + x54 <= 1
end
INT 20

57

1)
VARIABLE
X12
X13
X14
X15
X21
X23
X24
X25
X31
X32
X34
X35
X41
X42
X43
X45
X51
X52
X53
X54

87.00000

VALUE
0.000000
1.000000
0.000000
0.000000
1.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
1.000000
0.000000
1.000000
0.000000
0.000000
0.000000
0.000000
0.000000
1.000000

REDUCED COST
20.000000
25.000000
32.000000
22.000000
18.000000
22.000000
16.000000
18.000000
27.000000
20.000000
30.000000
12.000000
28.000000
14.000000
30.000000
14.000000
18.000000
22.000000
10.000000
18.0000
58

Zadatak 6
Potrebno je odluiti kako rasporediti 7 pjesama na album tako da bude maksimalan
broj pjesama na B strani. Pjesme na strani B ne smiju trajati due od polovine
vremena svih pjesama. Vremena pjesama su
pjesma
vrijeme

1
2

2
5

3
2

4
2

5
7

6
2

7
2

59

Zadatak 7
Internacionalni Crveni Krst se priprema za slanje neophodnih namirnica u malu
zemlju centralne Amerike koja se suoila sa velikom tetom prouzrokovanom
zemljotresom. Nadleni u Crvenom Krstu su primili izvjetaje o veliini tete i
potrebama i oni ele da osiguraju da ce prtljag u avionu obezbjediti maksimalnu
hitnu korist.
Glavna ogranienja su teina i volumen prtljaga u avionu. Avion koji ce
biti koriten ima kapacitet od 30 000 kilograma i 6000 m zapremine. U tabeli 8-5
je data lista namirnica za hitnu pomoc koje se uvrtavaju u poiljku, teina i
zapremina kontejnera za svaku namirnicu, prosjean broj ljudi ije e potrebe biti
zadovoljene po kontejneru i relativna vrjednost koja je pripisana svakoj namirnici
za ovu vrstu katastrofe. Iako je kriterij koji treba da se koristi pri selekciji
namirnica za prevoz teko odrediti, Crveni Krst koristi indeks koristi koji se rauna
mnoenjem broja ljudi po kontejneru sa relativnom vrijednosti pripisanom svakoj
namirnici. Indeks koristi je prikazan u zadnjoj koloni u tabeli.
60

Zadatak 7 (nastavak)
Broj
namirn
ice

Namir
nica

Teina
po
kontejn
eru

Zapre
mina
po
kontejn
eru

Broj
osoba
po
kontejn
eru

Relativ
na
vrijedn
ost

Index
koristi

Krv

100

20

150

750

Lijeko
vi

200

30

2500

7500

Med.na
m.

150

50

100

100

Hrana

50

100

200

Voda

75

150

600
61

Zadatak 8 (nastavak)
Vidi se da koritenje gore navedenog kriterija vodi ka iskljuenju namirnica
visokog prioriteta. Druga ogranienja moraju biti definisana kako bi se osiguralo
da namirnice visokog prioriteta budu poslane u odgovarajuoj koliini. Npr.
Najmanje 40 kontejnera krvi, 10 kontejnera lijekova, i 100 kontejnera vode mora
biti poslano u prvom avionu. Izabrati sadraj namirnica tako da indeks koristi bude
maksimalna vodei rauna o ogranienjima.

62

Zadatak 9
Mladi brani par Eva i Adam ele da podijele kune poslove. Svako je spreman
da radi dva posla. Potrebno je da izaberu po dva posla kako bi minimizirali
njihovo vrijeme koje troe na kune poslove.

Eve
Adam

Kupovina
4.5
4.9

Kuhanje
7.8
7.2

Sudje
3.6
4.3

Ves
2.9
3.1

63

Zadatak 10
Statistiki je poznata zavisnost uspjeha na ispitu od
broja sati uenja za 4 predmeta, izraeno u
razredima od po 10 sati:
Broj sati uenja
0

Ocjena iz
A
2

Ocjena iz
B
1

Ocjena iz
C
1

Ocjena iz
D
2

10

20

30

40

50

60

70

Kako da student najbolje upotrijebi raspoloivih 70 sati

ako mu je cilj postii maksimalnu sumu ocjena?
64