경영과학 (Management Science)

심플렉스 방법

조항민

2010-04-04 1
심플렉스 이론

심플렉스 방법(simplex method)

 개요
 1947년, George Dantzig에 의해 개발
 심플렉스법의 계산절차는 반복과정(iterative process)

 최적해는 항상 극점에 존재한다는 사실의 이론적 근거

 제약조건에 의하여 형성되는 꼭지점을 효과적으로 탐색하여 그 꼭지점

에서 최적해를 발견하는 방법

 결정변수가 2개 이상일 경우에 사용

 1984년, Karmarkar’s algorithm이 나오기 전까지 가장 효과적인 방법

– 내부점(interior point) 사용으로 계산 시간 단축

 대수절차 중 하나, 기하학적 개념

2010-04-04 경영과학 2
심플렉스 이론

심플렉스 방법(simplex method)

 기본개념
 실행가능영역이 있다면 정점(extreme point)에 최적해가 존재
 정점(extreme point)  기저가능해(basic feasible solution: BFS)
 기저해들 중 가능해인 것
 기저해(basic solution) : 표준형으로 표현됐을 때를 구한 해
 기저변수(basic variable) : x3 , x4, x5 , x6
 비기저변수(nonbasic variable) : x1 , x2

Max Z = 30 x1 + 20 x2 Max Z – 30 x1 – 20 x2 = 0
s.t. 8 x1 + 3 x2 ≤ 240 s.t. 8 x1 + 3 x2 + x3 = 240
4 x1 + 4 x2 ≤ 200 표준화 4 x1 + 4 x2 + x4 = 200
4 x1 + 0 x2 ≤ 100 4 x1 + 0 x2 + x5 = 100
x2 ≤ 40 x2 + x6 = 40
x1, x2 ≥ 0 ∀xi ≥ 0
여유변수 (slack variables)
2010-04-04 경영과학 3
심플렉스 이론

심플렉스 방법(simplex method)

 기본개념
 여유변수(slack variable): ≤
 잉여변수(surplus variable): ≥
 표준형: m개의 등식, n개의 변수 (x1 , x2, x3 , x4, x5 , x6)
 해를 구했을 시 n – m 개의 변수가 0이면 = 유일한 해  (0 , 0, 0 x3 , x4, x5 , x6)
 기본정리
 정리 1. 가능이고 유한인 선형계획 문제에서 가능해집합의 정점들 중
최소한 하나가 최적해이다.
 정리 2. 가능이고 중복제약식이 없는 선형계획문제에는 적어도 하나의
기저가능해를 가진다.
 정리 3. 가능해집합의 정점은 기저가능해가 된다.

모든 가능해를 찾을 필요없이 정점만 찾으면 됨

(정점 = 대수적으로 기저가능해)

2010-04-04 경영과학 4
 심플렉스 이론

심플렉스 방법(simplex method)

 핵심
 모퉁이점 가능해(Corner-point feasible solution: CPFS)
 모퉁이점 불가능해:3개 (0,9), (4, 6), (6,0)

CPF해 이웃하는 CPF해(adjacent BFS) (Hiller & Lieberman)

(0, 9) 선형계획모형
(0, 0) (0, 6) 과 (4, 0) maximize Z = 3X1 + 5X2
subject to
(0, 6) (2, 6) 과 (0, 0)
(0, 6) (2, 6) (4, 6) X1 ≤ 4 ----(1)
(2, 6) (4, 3) 과 (0, 6) 2X2 ≤12 ----(2)
3X1 + 2X2 ≤ 18 ----(3)
(4, 3) (4, 0) 과 (2, 6)
(4, 3) X1 ≥ 0 ----(4)
(4, 0) (0, 0) 과 (4, 3) X2 ≥ 0 ----(5)

최적성 기준
최적해가 최소한 하나 있는 LP에서,
Z의 값으로 보아 현재 CPF해보다 더 나은 이웃하
는 CPF해가 없으면 현재 CPF해가 최적해이다. (0, 0) (4, 0) (6, 0)
2010-04-04 경영과학 5
심플렉스 이론
(Hillier & Lieberman)
maximize Z = 3X1 + 5X2
심플렉스 방법(simplex method) subject to
 개념 적용 절차 X1 ≤ 4 ----(1)
2X2 ≤12 ----(2)
 개념1. 심플렉스 방법은 모퉁이 점 가능해 (CPFS) 중
3X1 + 2X2 ≤ 18 ----(3)
최적해를 찾는다.
X1 ≥ 0 ----(4)
 개념 2. 심플렉스 방법은 반복작업을 반복하는 알고리
X2 ≥ 0 ----(5)
듬이다. (초기화, 최적성 검사, 반복)
 개념 3. 실행 가능한 최초 CPFS로서 원점을 택한다. (0, 9)
 개념 4. 주어진 CPFS의 위치에서 이웃하는 CPFS를 선
정한다. 이웃하지 않은 CPFS는 고려하지 않는다. (최
적해에 이르는 전 경로는 실행 가능영역의 모서리를 따
라 발생한다) (0, 6) (2, 6)
Z=30 Z=36
 개념5. 모서리들을 따라서 이동할 경우에 Z값의 향상율
을 계산하여,그 중 큰 향상율을 갖는 이웃 모서리를 하
나 선택하고, 그 모서리가 다음 번 CPFS로 인도한다. (4, 3)
(그 CPFS를 결정하고, 현재 해를 그것으로 갱신한다.) Z=27
 개념6. 최적성 검사는 현행 CPFS로부터 나오는 이웃
모서리 중에서 Z값 향상율이 양(Positive)인 모서리가
있는지 확인하는 작업이다. (모서리가 없으면 현행 (0, 0) (4, 0) (6, 0)
CPFS가 최적이다) Z=0 Z=12
2010-04-04 경영과학 6
심플렉스 이론
(Hillier & Lieberman)
maximize Z = 3X1 + 5X2
심플렉스 방법(simplex method) subject to
 예제 적용(기하학적 해석) X1 ≤ 4 ----(1)
(1) 초기화 : 최초 CPF해로서 (0,0)을 택한다. 2X2 ≤12 ----(2)
(2) 최적성 검사 : (0,0)은 최적이 아니다. (이웃 CPF해가 더 좋으므로) 3X1 + 2X2 ≤ 18 ----(3)
(3) 반복 실행 1 : 더 좋은 CPF해인 (0,6)으로 다음 3단계를 거쳐 옮겨간다. X1 ≥ 0 ----(4)
3-1. (0, 0)에서 발생화는 두 개의 이웃 모서리 중 X2축 상의 모서리를 선택한 X2 ≥ 0 ----(5)
다. (X2로 증가시키는 방향이 x1보다 Z값이 더 크다)
3-2. X2 축 상에서 만나는 첫 제약 경계선 2 X2=12에서 중지한다. (더 나가면 (0, 9)
실행가능영역을 벗어난다)
3-3. 두 제약 경계선의 교점을 구하여 (0, 6)을 얻는다. (연립식 X1 =0과
2X2=12를 풀면 즉시 얻는다)
(0, 6) (2, 6)
(4) 최적성 검사 : (0, 6)도 최적이 아니다 ( 더 좋은 CPF해가 있으므로) Z=30 ② ③ Z=36
(5) 반복 실행 2 : 다음 3단계를 통해 더 좋은 이웃 CPF해 (2, 6)으로 옮긴다.
5-1. (0, 6)에서 나오는 두 이웃 모서리 중 오른쪽으로 가는 모서리를 따라 이
동하기로 한다. (다시 X2축을 따라 내려가면 Z값이 감소할 따름이다) (4, 3)
5-2. 모서리와 만나는 것 첫 제약 경계선 3X1 +2X2=18에서 중지한다. (더 나 Z=27
가면 실행가능영역을 이탈한다)
5-3. 두 제약 경계선의 교점 (2, 6)을 구한다 ①
(연립식 X2 =6과 3X1 +2X2=18을 연립하여 얻는다.)
(0, 0) (4, 0) (6, 0)
(6) 최적성 검사 : (2, 6)이 최적해라고 판정한다 (더 나은 CPF 해가 없으므로) Z=0 Z=12
2010-04-04 경영과학 7
심플렉스 이론
(Hillier & Lieberman)
maximize Z = 3X1 + 5X2
심플렉스 방법(simplex method) subject to
 예제 적용(대수적 해석- 가우스 소거법) X1 +X3 = 4 --(1)
(1) 초기화 : X1과 X2를 비기저변수 (=0)로 선정하여 초기 BFS (0,0,4,12,18) 결정 2X2 +X4 = 12 --(2)
(2) 최적성 검사 : 비기저해(X1 또는 X2)증가하면 Z 증가하므로 최적해 아님 3X1+2X2 +X5= 18 --(3)
(3) 반복 실행 1 : 더 좋은 BFS인 (0,6,4,0,6)으로 다음 3단계를 거쳐 옮김 X1,X2,X3,X4,X5 ≥ 0 --------(4)
3-1. X2를 증가시키며 방정식 만족하도록 다른 변수 조정
3-2. (X3,X4,X5) 중 처음 0으로 떨어지는 기저변수 (X4)시점에서 중지
3-3. X2가 새로운 기저변수가 되고 X4는 비기저변수가 됨
방정식 풀어 새로운 BFS (0,6,4,0,6) 결정
(4) 최적성 검사 : 비기저해 X1증가하면 Z 증가하므로 최적해 아님
(5) 반복 실행 2 : 다음 3단계를 통해 더 좋은 이웃 BFS인 (2,6,2,0,0)으로 옮김
5-1. X1을 증가시키며 방정식 만족하도록 다른 변수 조정
5-2. (X3,X4,X5) 중 처음 0으로 떨어지는 기저변수 (X5) 시점에서 정지
5-3. X1이 새로운 기저변수가 되고 X5는 비기저변수가 됨
방정식 풀어 새로운 BFS (2,6,2,0,0) 결정
(6) 최적성 검사 : 비기저해 (X4, X5) 증가하면 Z 감소 하므로 최적해 발견

가우스 소거법(Gaussian elimination)

기본 대수 연산을 통해 원래의 방정식 체계를 가우스 소거법에 의한 적절한 형태로 간단히 하고, 이
형태에서는 기저변수는 한 방정식을 제외하고는 모든 방정식에서 제거 되고, 남아있는 방정식에서도
그 계수가 반드시 +1이 되게 하는 것
2010-04-04 경영과학 8
심플렉스 이론
(Hillier & Lieberman)
maximize Z = 3X1 + 5X2
심플렉스 방법(simplex method) subject to
 대수적 해석 - 가우스 소거법 (1) X1 +X3 = 4 --(1)
(1) 초기화 2X2 +X4 = 12 --(2)
초기 BFS해로 개념3의 기반하여 X1과 X2를 비기저 변수 (0으로 3X1+2X2 +X5= 18 --(3)
설정되는 변수)로 선택하고 기저변수 (X3, X4, X5)를 방정식으로 X1,X2,X3,X4,X5 ≥ 0 --------(4)
해를 구함
X1= 0, X2= 0
① X1 +X3 =4 X3= 4 (가우스 소거법에 의한 적절한 형태)
② 2X2 +X4 = 12 X4= 12
③ 3X1+2X2 +X5 = 18 X5= 18
 초기 BFS (0,0,4,12,18)

(2) 최적성 검사
Z = 3X1 + 5X2 이므로 초기 BFS에서는 Z=0이고 기저해 (X3, X4, X5) 중 어떤 것도 목적함수에서 기
여하지 않으므로 (계수 0) 각 비기저 변수 (X1, X2)의 계수는 이들이 0에서 한 단위만큼 증가할 때 Z
의 개선률을 나타낸다. 개선의 증가율은 (3과5)양수이다. 개념6에 의해 현재의 해 (X1,X2,X3,X4,X5) =
(0,0,4,12,18) 는 최적해가 아니다.
목적식의 선형 방정식
Z – 3X1 – 5X2 = 0

2010-04-04 경영과학 9
심플렉스 이론

심플렉스 방법(simplex method)

 대수적 해석 - 가우스 소거법 (2)
(3-1) 반복실행1: 이동 방향의 결정
하나의 비기저변수가 0에서 증가하는 것은 현재의 CPF해로부터 나오는 모서리를 따라 이동하는 것
에 대응 (개념4, 5)
Z = 3X1 + 5X2
X1의 증가? Z의 증가율 = 3
 5>3이므로 증가를 위해 X2를 선택 (반복1의 진입기저변수)
X2의 증가? Z의 증가율 = 5

(3-2) 반복실행1: 어디에서 정지할 지를 결정

진입기저변수 X2가 정지하기까지 얼마나 증가하여야 하는지를 확인(Z를 증가시키는 한도)
X2를 증가시키면 어떤 기저변수들의 값의 변화를 확인
X1= 0,
① X1 +X3 =4 X3= 4
② 2X2 +X4 = 12 X4= 12 – 2X2
③ 3X1+2X2 +X5 = 18 X5= 18 – 2X2
가능해를 위한 다른 요구조건은 모든 변수들이 비음이어야 함
비기저 변수들은(진입기저변수포함) 비음이지만 기저변수들의 비음조건을 위반하지 않으면서 X2
가 얼마나 증가될 수 있을지 검사

2010-04-04 경영과학 10
심플렉스 이론

심플렉스 방법(simplex method)

 대수적 해석 - 가우스 소거법 (3)
X3= 4  X2에 관한 상한 없음
X4= 12 – 2X2  X2≤12/2 = 6  최소
X5= 18 – 2X2  X2≤18/2 = 9
그러므로 X2는 6까지만 증가하여야 하고, 이때 X4는 0으로 값이 떨어짐
만약 X2를 6보다 많이 증가 시키면 X4가 음수가 되어 가능해 조건 위배
 최소 비율검사(minimum ratio test): 진입기저변수가 증가하면서 어떤 기저변수가 값이 처음으로
0으로 떨어지는지를 결정
이때 0으로 값이 떨어지는 기저변수를 다음 BFS에서 비기저변수로 전환하고 이를 현재 반복의
퇴출 기저변수라 함(X4)

(3-3) 반복실행1: 새로운 BFS 구하기

X2=0에서 X2=6으로 증가시키는 것은 초기 BFS에서 새로운 BFS로 이동
초기 BFS 새로운 BFS
비기저해: X1=0, X2= 0 X1=0, X4= 0
기저해: X3=4, X4=12, X5=18 X3=?, X2=6, X5=?
방정식을 최적화 검사와 새로운 BFS에 대해 다음 반복을 위해 더 적절한 형태(가우스 소거법사용)
로 변환하고 이 절차에서 새로운 해를 위해 X3,X5의 값을 구함

2010-04-04 경영과학 11
심플렉스 이론

심플렉스 방법(simplex method)

 대수적 해석 - 가우스 소거법 (4)
㉧ Z–3X1–5X2 =0  Z: 목적함수 방정식에 대한 기저변수 역할을 함
① X1 +X3 =4
② 2X2 +X4 = 12
③ 3X1+2X2 +X5 = 18
식②에서 X2 가 X4를 기저변수로서 대체
Z,X2,X3, X5에 과한 방정식을 풀기 위해 기본 대수 연산(elementary algebraic operations)을 통해 X4의
현재 계수의 패턴인 (0,0,1,0)와 X2의 새로운 계수를 얻음
기본 대수 연산 유형: - 0이 아닌 상수를 어떤 방정식에 곱한다(또는 나눈다).
- 하나의 방정식에 상수를 곱하여 다른 방정식에 다한다(또는 뺀다)
식②의 계수를 1로 하기 위해 식②를 2로 나누는 첫 번째 기본 대수 연산 유형을 사용
② X2 +1/2·X4 = 6
계수 –5와 2를 0으로 바꾸기 위해 두 번째 유형의 기본 대수 연산을 사용
새로운 식②에 5를 곱하여 식㉧에 더하고, 식②에 2를 곱하여 식③에서 뺌
㉧ Z – 3X1 +5/2·X4 = 30
① X1 +X3 =4
② X2 +1/2·X4 =6
③ 3X1 – X4 +X5 = 6
X1=0, X4=0이므로 이 형태의 방정식들은 새로운 BFS (X1,X2,X3,X4,X5) = (0,6,4,0,6)와 Z=30을 줌
2010-04-04 경영과학 12
심플렉스 이론

심플렉스 방법(simplex method)

 대수적 해석 - 가우스 소거법 (5)
(4) 최적성 검사
현재의 방정식㉧은 목적함수의 값을 현재의 비기저변수의 항으로 표현
Z=30 + 3X1 – 5/2·X4
이들 비기저 변수 중 하나가 0에서 증가하는 것은 2개의 인접한 BFS로 이동하는 것
X1이 양의 계수를 가지므로 X1의 증가는 현재의 BFS보다 더 좋은 값을 갖는 인접한 BFS로 이동하
는 것이 되므로 현재의 해는 최적해가 아님

(5-1) 반복실행2:이동 방향의 결정

Z=30 + 3X1 – 5/2·X4이므로 X1을 증가시키는 것으로 Z가 증가될 수 있으나, X4를 증가 시키는 것으
로는 Z가 증가하지 않음
X1을 진입기저변수로 선정(X4=0 유지)

(5-2) 반복실행2: 어디에서 정지할 지를 결정

현재의 방정식은 X1이 얼마나 증가할 수 있는지에 대해 다음과 같은 결론을 줌
X3 = 4 – X1 ≥ 0  X1≤ 4/1 = 4
X2 = 6 ≥ 0  X1에 관한 상한 없음
X5 = 6 – 3X1 ≥ 0  X1≤ 6/3 = 2  최소
최소 비율검사는 X5가 퇴출 기저변수임을 알려줌
2010-04-04 경영과학 13
심플렉스 이론

심플렉스 방법(simplex method)

 대수적 해석 - 가우스 소거법 (6)
(5-3) 반복실행2: 새로운 BFS 구하기
기저변수로써 X1이 X5를 대체하고, 현재의 방정식에 대해 기본 대수 연산을 수행하여 (0,0,0,1) 패턴
으로 X1의 새로운 계수로 갖도록 함
㉧ Z +3/2·X4 + X5 = 36
① X3 +1/3·X4 –1/3·X5 = 2
② X2 +1/2·X4 =6
③ X1 –1/3·X4 +1/3·X5 = 2
새로운 BFS (X1,X2,X3,X4,X5) = (2,6,2,0,0)와 Z=36이 됨

(6) 최적성 검사
현재의 식㉧를 현재의 비기저변수의 합으로 표현
Z = 36 – 3/2·X4 – X5
X4, X5 중 어떤 변수를 증가 시켜도 Z값은 감소하므로, 인접한 BFS 어느 것도 현재의 BFS보다 좋은
수 없음
현재의 BFS는 최적해임

∴ 문제의 최적해 ? X1 =2, X2 = 6 이고 Z = 3X1 + 5X2 = 36

2010-04-04 경영과학 14
심플렉스 이론

심플렉스 방법(simplex method)

 알고리듬 Maximize Z  c1  x1  c2  x2  ...  cn  xn
s.t. a11  x1  a12  x2  ...  a1n  xn  s1  b1
단계 1. 초기 기저가능해 ..
.
x1, x2 ,..., xn  0
am1  x1  am2  x2  ...  amn  xn  sm  bm
s1  b1
.. x1, x2 ,..., xn , s1, s2 ,..., sm  0
.
sm  bm basic variables
탈락변수 진입변수
단계 2. 최적판정 및 진입변수 선택 nonbasic variables
최적판정: 목적함수의 계수이용 (해가 더 이상 개선이 안되면 최적)
진입변수(entering variable)선택: 비기저 변수 중 해가 개선되도록 하는 변수선택
단계 3. 탈락변수 선택
탈락변수(leaving variable): 진입변수의 값을 증가시킬 때 기저변수 중
그 값이 0이 되는 변수
단계 4. 기저수정 후(pivoting) 단계 2 로 간다.
대수적 방법
Simplex 표에 의한 방법
2010-04-04 경영과학 15
심플렉스 이론

심플렉스 방법(simplex method)

 흐름
시작

1단계 LP모형의 표준화

2단계 초기해 생성

6단계
Yes
다른 최적해가 있으면
3단계 최적해?
모두 구한다.

No
4단계 도입변수와 탈락변수의 확인

중지

5단계 개선 해의 생성

2010-04-04 경영과학 16
 심플렉스 이론
maximize Z = 3x1 + 5x2
or Z – 3x1 – 5x2 = 0
심플렉스 방법(simplex method) s.t. x1 ≤4
 심플렉스 표에 의한 방법 (1) 2x2 ≤12
3x1 + 2x2 ≤ 18
Coefficient of x1, x2 ≥ 0
x1 x2 x3 x4 x5 RHS
Z
basic
variables

2010-04-04 경영과학 17
 심플렉스 이론
Max Z = 2x1 – x2 + x3
심플렉스 방법(simplex method) s.t. 3x1 + x2 + x3 ≤ 6
x1 – x2 + 2x3 ≤ 1
 심플렉스 표에 의한 방법 (2) x1 + x2 – x3 ≤ 2
Coefficient of x1, x2, x3 ≥ 0
x1 x2 x3 x4 x5 x6 RHS
Z
basic
variables

2010-04-04 경영과학 18
심플렉스 이론
(Hillier & Lieberman)
심플렉스 방법(simplex method) Max Z = 5x1+4x2–x3+3x4
 심플렉스 표에 의한 방법 (3) s.t. 3x1+2x2–3x3+x4 ≤ 24
Coefficient of
3x1+3x2+x3+3x4 ≤ 34
x1 x2 x3 x4 x5 x6 RHS x1, x2, x3, x4 ≥ 0
Z

2010-04-04 경영과학 19
심플렉스 이론
(Hillier & Lieberman)
심플렉스 방법(simplex method) Max Z = –x1+x2+2x3
 심플렉스 표에 의한 방법 (4) s.t. x1+2x2–x3 ≤ 20
Coefficient of
–2 x1+4x2+2x3 ≤ 60
x1 x2 x3 x4 x5 x6 RHS 2 x1+3x2+x3 ≤ 50
Z x1, x2, x3 ≥ 0

2010-04-04 경영과학 20
 심플렉스 이론
Max 30 x1 + 20 x2
심플렉스 방법(simplex method)
s.t. 8 x1 + 3 x2 ≤ 240
 심플렉스 표에 의한 방법 (5-1)
4 x1 + 4 x2 ≤ 200
Coefficient of 4 x1 + 0 x2 ≤ 100
x1 x2 x3 x4 x5 x6 RHS
Z
x2 ≤ 40
x1, x2 ≥ 0
basic
variables

2010-04-04 경영과학 21
심플렉스 이론

심플렉스 방법(simplex method)

 심플렉스 표에 의한 방법 (5-2)
x1 x2 x3 x4 x5 x6 RHS
Z

2010-04-04 경영과학 22
심플렉스 이론

심플렉스 방법 (simplex method)

 표준형태의 변환
 목적함수 최소화
– 양변에 (-1)을 곱하여 최대화 문제로 변화
Maximize Z  c1  x1  c2  x2  ...  cn  xn
Minimize  Z  c1  x1  c2  x2  ...  cn  xn
 제약식의 방향
– = 형태 (x=y이면 x ≥ y와 x ≤ y은 같음)
ai1  x1  ai 2  x2  ...  ain  xn  bi ai1  x1  ai 2  x2  ...  ain  xn  bi
ai1  x1  ai 2  x2  ...  ain  xn  bi
– ≥ 형태(양변에 (-1)을 곱함)
ai1  x1  ai 2  x2  ...  ain  xn  bi  ai1  x1  ai 2  x2  ...  ain  xn  bi

 음(-)인 우변상수(RHS)
– 양변에 (-1)을 곱하여 양(+)인 우변상수를 만듦
x i’ xi’’
 비음조건 위배
0. 0
– xi≤0 : xi’= – xi이라면, xi’≥0이면 xi=–xi’로 치환
+ 0
– xi unrestricted (+, –): xi=xi’– xi’’ 0 +

2010-04-04 경영과학 23
심플렉스 이론

심플렉스 방법 (simplex method)

 Big M method
 양인(positive) RHS을 가지는 =, ≥ 형태의 제약을 포함하는 경우
 = 제약(constraint ), RHS(+)
– 목적함수에 벌칙(penalty) M을 주고 인공 변수(artificial variable) 추가
ai1  x1  ai 2  x2  ...  ain  xn  bi ai1  x1  ai 2  x2  ...  ain  xn  xn i  bi
 ≥ 제약, RHS(+)
– (-1)을 곱하여 ≤ 형태로 만들고 여유변수를 사용하여 =형태로 변환 후 양인
우변상수를 위해 다시 (-1)을 곱한 다음 인공변수 추가
ai1  x1  ai 2  x2  ...  ain  xn  bi ai1  x1  ai 2  x2  ...  ain  xn  xn i  xn i  bi

 목적식 벌칙: xn  i 이 인공문제의 가능해가 되는 것을 방지

– 최대화 문제: Maximize Z  c1  x1  c2  x2  ...  cn  xn  Mxn 1  ...  Mxn  m
Z  c1  x1  c2  x2  ...  cn  xn  Mxn 1  ...  Mxn  m  0
– 최소화 문제: Minimize Z  c1  x1  c2  x2  ...  cn  xn  Mxn 1  ...  Mxn  m
Maximize  Z  c1  x1  c2  x2  ...  cn  xn  Mxn 1  ...  Mxn  m
최적해 값을 구하고 (-1)을 곱한 값  Z  c1  x1  c2  x2  ...  cn  xn  Mxn 1  ...  Mxn  m  0
2010-04-04 경영과학 24
심플렉스 이론

심플렉스 방법 (simplex method)

 Big M method
Maximize Z  c1  x1  c2  x2  ...  cn  xn
s.t. a11  x1  a12  x2  ...  a1n  xn  b1 Maximize Z  c1  x1  c2  x2  ...  cn  xn  Mxn 1  Mxn  2
a21  x1  a22  x2  ...  a2 n  xn  b2  Z  c1  x1  c2  x2  ...  cn  xn  Mxn 1  Mxn  2  0
a31  x1  a32  x2  ...  a3n  xn  b3 s.t. a11  x1  a12  x2  ...  a1n  xn  xn 1  b1
..
. a21  x1  a22  x2  ...  a2 n  xn  xn  2  xn  2  b2
am1  x1  am 2  x2  ...  amn  xn  bm a31  x1  a32  x2  ...  a3n  xn  xn 3  b3
x1 , x2 ,..., xn  0 ..
.
am1  x1  am 2  x2  ...  amn  xn  xn  m  bm
x1 , x2 ,..., xn , xn  2 , xn 1 , xn  2 ,..., xn  m ,  0

 목적식 벌칙:
– 최대화 문제: -M
– 최소화 문제: +M

2010-04-04 경영과학 25
 심플렉스 이론
(Hillier & Lieberman)
Maximize Z  3 x1  5 x2
심플렉스 방법 (simplex method) s.t. x1 4
 Big M method(1-1)
Coefficient of
x1 x2 x3 x4 x5 RHS

basic
variables

2010-04-04 경영과학 26
심플렉스 이론

심플렉스 방법 (simplex method)

 Big M method(1-2)
Z

2010-04-04 경영과학 27
 심플렉스 이론
(Hillier & Lieberman)
Maximize Z  2 x1  5 x2  3x3
심플렉스 방법 (simplex method) s.t. x1  2 x2  30
 Big M method(2) 2 x1  4 x2  x3  50
x1 , x2 , x3  0
Coefficient of
x1 x2 x3 x4 x5 x6 RHS

basic
variables

2010-04-04 경영과학 28
 심플렉스 이론
(Hillier & Lieberman)
Maximize Z  600 x1  800 x2
심플렉스 방법 (simplex method) s.t. x1  x2  50
x1  30
 Big M method(3-1) x2  20
Coefficient of x1 , x2  0
x1 x2 x3 x4 x5 x6 RHS

basic
variables

2010-04-04 경영과학 29
심플렉스 이론

심플렉스 방법 (simplex method)

 Big M method(3-2)

2010-04-04 경영과학 30
 심플렉스 이론
(Hillier & Lieberman)
Minimize Z  0.4 x1  0.5 x2
심플렉스 방법 (simplex method) s.t. 0.3 x1  0.1x2  2.7
0.5 x1  0.5 x2  6
 Big M method(4-1) 0.6 x1  0.4 x2  6
Coefficient of x1 , x2  0
x1 x2 x3 x4 x5 x6 RHS

basic
variables

2010-04-04 경영과학 31
심플렉스 이론

심플렉스 방법 (simplex method)

 Big M method(4-2)

2010-04-04 경영과학 32
심플렉스 이론

심플렉스 방법 (simplex method)

 Big M method(4-3)

2010-04-04 경영과학 33
심플렉스 이론

심플렉스 방법 (simplex method)

 Big M method(4-4)

2010-04-04 경영과학 34
심플렉스 이론

심플렉스 방법 (simplex method)

 심플렉스 표에서 special cases
 Unbounded solution (+∞, – ∞)
– 최소비율검사에서 음수나 무한대를 주는 경우

(Bazara & Javis) Coefficient of

x1 x2 x3 x4 RHS
Minimize Z   x1  3x2
목적함수 -1 -3 0 0 0
s.t. x1  x2  4
x3 1 -2 1 0 4
 x1  x2  3 basic
variables x -1 1 0 1 3
x1 , x2  0 4

목적함수 -4 0 0 3 9
Unbounded solution (+∞, – ∞) x3 -1 0 1 2 10
x2 -1 1 0 1 3
 최적해가 없을 경우
– 목적함수계수가 모두 양수인데도 값이 소거가 안될 때(참조:Big M method(2))
 Degeneracy
– 목적 함수 값이 변화 없이 최적해가 반복 진행(cycling)
– 우변상수에서 비기저변수들이 모두 값을 가지고 있고 어떤 기저변수가 0값을
가질 때
2010-04-04 경영과학 35
심플렉스 이론

심플렉스 방법 (simplex method)

 심플렉스 표에서 special cases
 복수해
– 심플렉스 표의 목적함수 행에서 기저변수와 비기저변수의 coefficients 값이
0인 개수가 목적함수의 제약조건 수보다 더 많으면 최적해가 여러 개 존재

 진입변수, 탈락변수 선택 시 동률(tie)를 이룰 때

– Break tie arbitrary
– No selection rules are developed

 Dual 심플렉스 방법
 쌍대 이론 참조

2010-04-04 경영과학 36