Operaciokutatas

Ferenczi Zoltn
OPERCIKUTATS
Kszlt a HEFOP 3.3.1-P.-2004-09-0102/1.0 plyzat tmogatsval.
Szerz:
dr. Ferenczi Zoltn

egyetemi docens
Lektor:
dr. Hajdu Ott CSc

egyetemi docens
Ferenczi Zoltn, 2006
Opercikutats
A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk
A dokumentum hasznlata
Vissza
A dokumentum hasznlata
Mozgs a dokumentumban
A dokumentumban val mozgshoz a Windows s az Adobe Reader megszokott elemeit s mdszereit hasznlhatjuk.
Minden lap tetejn s aljn egy navigcis sor tallhat, itt a megfelel
hivatkozsra kattintva ugorhatunk a hasznlati tmutatra, a tartalomjegyzkre, valamint a trgymutatra. A s a nyilakkal az elz s a kvetkez oldalra lphetnk t, mg a Vissza mez az utoljra megnzett oldalra
visz vissza bennnket.
Pozcionls a knyvjelzablak segtsgvel
A bal oldali knyvjelz ablakban tartalomjegyzkfa tallhat, amelynek
bejegyzseire kattintva az adott fejezet/alfejezet els oldalra jutunk. Az
aktulis pozcinkat a tartalomjegyzkfban kiemelt bejegyzs mutatja.
A tartalomjegyzk hasznlata
Ugrs megadott helyre a tartalomjegyzk segtsgvel
Kattintsunk a tartalomjegyzk megfelel pontjra, ezzel az adott fejezet

els oldalra jutunk.
Keress a szvegben
A dokumentumban val keresshez hasznljuk megszokott mdon a

Szerkeszts men Keress parancst. Az Adobe Reader az adott pozcitl kezdve keres a szvegben.
Vissza
Opercikutats
Tartalomjegyzk
Vissza
Tartalomjegyzk
1. Bevezets ............................................................................................ 6
2. Lineris programozs........................................................................ 11
2.1. Bevezets a lineris programozsba ..............................................................11
2.2. Lineris modellek grafikus megoldsa...........................................................12
2.3. Lineris programozsi feladat ltalnos megfogalmazsa ..........................21
2.4. Lineris programozs matematikai modelljei...............................................22
2.5. Lineris modellek megoldsnak numerikus mdszerei.............................25
2.6. A lineris programozsi feladatok megoldsnak logikai smja ..............45
2.7. A szimplex mdszer vltozatai.......................................................................47
3. Dualits..............................................................................................48
3.1. Dualits fogalma...............................................................................................48
3.2. A dualits felhasznlhat elnyei ...................................................................50
3.3. Egyenletet tartalmaz feladat dulja..............................................................53
3.4. Dualitssal kapcsolatos ttelek .......................................................................54
3.5. Egyenletet tartalmaz lineris programozsi feladat dulja .......................60
3.6. Gyakorl pldk ...............................................................................................61
4. rzkenysgvizsglat ........................................................................66
4.1. rzkenysgvizsglat lnyegnek szemlltetse...........................................66
4.2. Az rzkenysgvizsglat esetei........................................................................69
4.3. Paramteres programozs ...............................................................................74
4.4. rzkenysgvizsglat EXCEL tblzatkezelvel.........................................82
5. Szlltsi feladatok .............................................................................92
5.1. A feladat megfogalmazsa...............................................................................92
5.2. Plda egy klasszikus szlltsi feladatra..........................................................93
5.3. Szlltsi feladat megoldsa disztribcis mdszerrel.................................96
5.4. A szlltsi feladat ltalnostsa s Solver programmal val
megoldsa........................................................................................................110
5.5. Mdostott maximumfeladat ........................................................................113
6. Egszrtk programozs ............................................................... 114
6.1. Az egszrtk programozsi feladat fogalma...........................................114
6.2. Egszrtk feladatok megoldsa Gomory-fle vgsi mdszerrel........115
6.3. Vegyes gsz rtk lineris programozsi feladatok megoldsa
korltozs s sztvlaszts mdszervel .....................................................119
Vissza
Opercikutats
Tartalomjegyzk
Vissza
6.4. Hozzrendelsi feladat...................................................................................124

6.5. Krutazsi vagy utazgynk problma.....................................................134
6.6. Nhny egszrtk modell a gyakorlatban ...............................................139
7. Tbbcl lineris programozs....................................................... 143
8. Nemlineris programozs ............................................................... 152
8.2. Nemlineris programozsi feladatok ltalnos megoldsi mdszerei ....156
8.3. Trt- vagy hiperbolikus program.................................................................158
8.4. Szuboptimlis programozs..........................................................................161
9. Jtkelmlet ..................................................................................... 164
9.1. Bevezets .........................................................................................................164
9.2. Ktszemlyes zrussszeg jtkok.............................................................165
9.3. Kevert stratgij mtrixjtkok ..................................................................167
9.4. Mtrixjtkok megoldsa...............................................................................170
9.5. Ktszemlyes nem konstans sszeg jtkok ............................................173
10. Kszletezsi modellezs................................................................. 175
10.1. Bevezets .......................................................................................................175
10.2. A kszletezsi modell sszetevi ...............................................................176
10.3. Determinisztikus ksrletezsi modell .......................................................177
10.4. Sztochasztikus kszletezsi modellek........................................................182
11. gazati kapcsolatok elemzse ....................................................... 186
11.1. gazati kapcsolatok modellje s megoldsa.............................................186
11.2. Plda...............................................................................................................187
11.3. gazati kapcsolatok modelljnek megoldsa EXCEL
tblzatkezelvel...........................................................................................189
12. Elrejelzs ...................................................................................... 192
12.1. Elrejelzs szakrtk kzremkdsvel .................................................193
12.2. Idsorok ........................................................................................................193
12.3. Elrejelzsi mdszerek................................................................................194
12.4. Idsor elemzs s elrejelzs Excel tblzatkezelvel............................198
12.5. Elrejelzs regressziszmtssal ...............................................................203
13. Krdsek az opercikutats tanulmnyozshoz ........................207
Irodalomjegyzk..........................................................................................................215
Vissza
Opercikutats
Bevezets
Vissza
1. Bevezets
Az opercikutats, mint fogalom a msodik vilghbor alatt alakult ki. A
szvetsgesek vezrkarainl szerveztek elszr olyan klnbz szakmj
emberekbl ll kutatcsoportokat, amelyeknek az volt a feladatuk, hogy
tudomnyos eszkzk segtsgvel javaslatokat dolgozzanak ki klnbz
hadmveleti dntsek megalapozshoz. Innen ered az elnevezse is: az
operci sz alapjelentse katonai mvelet, hadmvelet. Ezen tevkenysg
legfontosabb tanulsga az volt, hogy a problmk sszetettsge, az ismeretlenek nagy szma, az egymsra hat tnyezk kztti sszefggsek
bonyolultsga miatt nagy jelentsge van a team munknak s a problmk matematikai eszkzkkel val megkzeltsnek.
Amikor az emberek a trsadalmi-gazdasgi let problmi fel fordultak, termszetes volt e bonyolult problmk megkzeltse matematikai
mdszerekkel.
A gazdasgi rendszerekkel kapcsolatos dntsek elksztsben a
kvantitatv matematikai mdszerek dominlnak. Ezen mdszerek gazdasgi alkalmazsnak hrom irnyzatt klnbztetjk meg:
konometria az a tudomnyos irnyzat, amely a kzgazdasgi elmlet
ltal megllaptott trvnyszersgeket mltbeli tnyadatok alapjn s matematikai statisztikai mdszerek felhasznlsval szmszersti. Jellemz
eszkzei az gazati kapcsolati elemzsek, tbbvltozs sszefggsvizsglatok s az idsorok analzise.
Opercikutats szkebb rtelemben olyan tudomnyos mdszer, amely
a dntsek elksztshez, a gazdasgi optimum meghatrozshoz
tbbnyire valamilyen matematikai szlsrtk feladatot alkalmaz. Jellemz
eszkzei a lineris s nemlineris programozsi modellek, kszletgazdasgi
modellek s a hltervezs.
Kibernetika olyan tudomnyos irnyzat, amely a bonyolult rendszerek
felptst s mkdst, valamint a rendszerek szablyozst s vezrlst
tanulmnyozza. Jellegzetes eszkzei kz tartozik a szmtgpes szimulci.
Az konometria, az opercikutats, a gazdasgirendszer-szimulci a
gazdasgi modellezs tudomnygait alkotjk.
Vissza
Opercikutats
Bevezets
Vissza
Befejezsl lssuk a kt leggyakrabban idzett opercikutatsi meghatrozst:

Az egyik az angol opercikutatsi trsasg meghatrozsa (BEER, 1966): Az
opercikutats tudomnyos mdszerek alkalmazsa az iparban, kereskedelemben, llamigazgatsban s a honvdelemben olyan komplex problmk megoldsra, amelyek emberekbl, gpekbl, anyagokbl s pnzeszkzkbl ll nagy rendszerek irnytsban s vezetsben lpnek fel.
A msik (HOWITZ, 1966): Az opercikutats a tudomny azon terlete,
amely az optimlis dntsek komplex elksztsvel s a dntsi vltozatok legjobb realizlsi mdjnak meghatrozsval foglalkozik, fknt
gazdasgi, szociolgiai, mszaki s katonai terleten, elssorban matematikai modelleket hasznl fel s szoros kapcsolatban ll az elektronikus
adatfeldolgozssal.
Az opercikutatssal foglalkoz gazdasgi szakember tevkenysgnek
egyik fontos jellemzje az optimlis dntsek elsegtse. Az zleti gyakorlatban gyakran a vllalatvezets a dntshozatalkor egy-egy fix gazdasgi tnyadatot hasznl fel, s nem gondol arra, hogy a jelensgek sszefggenek. E mondand megvilgtsra nzzk a kvetkez esetet. Az
zletemberek gyakran vgeznek piackutatst, hogy megbecsljk, mennyit
tudnak a gyrtott termkeikbl a jvben eladni. A piackutats-nak nevezett adatok alapjn dntenek arrl, hogy mennyi nyersanyagot vegyenek,
hny munkst foglalkoztassanak stb.
Az opercikutatsnak ms a gondolkodsmdja. Abbl indulunk ki,
hogy a vsrlk nem fix mennyisget akarnak megvsrolni, hanem az
rtkestett mennyisg fgg az rtl, a reklmkiadsoktl s ms tnyezktl, amelyeket az zletember befolysolhat. Ez a gondolkodsmd felttelezi, hogy pldul a reklmkltsg, a termk ra s minsge visszahatnak
az rtkestett mennyisgre.
Az optimalitst keres zletember (dntshoz, opercikutat) nemcsak egyetlen lehetsget, dntst vizsgl meg, mintha ez volna az egyetlen
lehetsges vlasztsi lehetsge. ltalban is igaz, hogy az zletember eltt
tbb lehetsg ll s ezek kzl vannak olyanok, amely a cljai elrsre
jobbak a tbbinl. Ezeket nevezzk optimlis megoldsoknak. gy az zletember klthet kevesebbet vagy tbbet a termk reklmozsra, nvelheti vagy cskkentheti kszletei mennyisgt s a termk rt, nvelheti a
termk minsgt. Az opercikutat arra tud tancsot adni, hogy a dn-
Vissza
Opercikutats
Bevezets
Vissza
tsek melyik egyttese kzelti meg az zletember cljt (cljait), vagyis

mely dntsek a legjobbak a cl elrse rdekben vagy mskppen szlva
mely megoldsok optimlisak.
Nem azt lltjuk az alkalmazott opercikutatsi munkban, hogy meg
tudjuk tallni a lehet legjobb dntsi vltozatokat, hiszen a rendelkezsre
ll adatok korltozottak s ltalban pontatlanok (hibval terheltek), az
elemzsi eszkzk tlsgosan bonyolultak, nehzkesek, tovbb az opercikutat tjkozottsga a vllalat mkdsrl ltalban nem kielgt.
Ezzel egytt azt lltjuk, hogy az opercikutatsi mdszerek kvetkezetes
alkalmazsa nagy valsznsggel jobb eredmnyeket adnak, mint a kapcsolatokat nem feltr tapasztalati szablyok.
A piacgazdasgban a verseny rvid id alatt megsemmistheti azokat a
vllalatokat, amelyeknl a dntselkszts hinyban vagy hibs clok
kitzse miatt a dntsek rendszeresen rosszak s megersdhetnek azok
a vllalatok, amelyek optimlis megoldsokhoz kzeli dntsi vltozatokat
rszestik elnyben.
Modellezs s a modell
Az opercikutats a gazdasgi valsg lnyegt, annak mennyisgi s minsgi sszefggseit elssorban matematikai modellek segtsgvel vizsglja.
Definci: A modell az objektv valsgnak az ember ltal alkotott leegyszerstett kpe. A leegyszersts a lnyeg megragadst s kiemelst
szolglja. A modell gy a vizsglt objektum legfontosabb alkotrszeit,
tulajdonsgait, kapcsolatait tartalmazza.
A modellezs a kvetkez lpsekre oszthat:
a problma megfogalmazsa,
a matematikai modell s mdszer kivlasztsa,
a modell paramtereinek (vltozinak, konstansainak) meghatrozsa,
a modell szmszer felrsa,
a modell megoldsa,
a megolds gyakorlatban val megvalstsa,
a szksges korrekci elvgzse.
A problma megfogalmazsa azt jelenti, hogy a szban forg rendszert alaposan tanulmnyozzk az opercikutats rszvevi s e vgn a problma
Vissza
Opercikutats
Bevezets
Vissza
jl meghatrozott megfogalmazst adjk. Ez a folyamat magba foglalja a

gazdasgi clok, a betartand knyszerfelttelek, a vllalat vagy intzmny
vizsgland terletei kztti kapcsolatok, a lehetsges cselekvssorozatok
stb. meghatrozst. Ez a folyamat dnt, mert nagymrtkben befolysolja a lnyeg megragadst. Ebben a fzisban az opercikutatk megkeresik a vizsglt rendszer legfontosabb alkotrszeit, tulajdonsgait s kapcsolatait. A problma verblis megfogalmazst a hagyomnyos opercikutatsi megkzelts szerint olyan matematikai modell megalkotsa
kveti, amely a problma lnyegt tkrzi.
Definci: A matematikai modellek idealizlt reprezentcik, amelyek
matematikai jelekkel s szimblumokkal vannak kifejezve. Egy zleti
problma matematikai modellje az az egyenlet- s egyenltlensgrendszer
s azok a kapcsold matematikai kifejezsek, amelyek lerjk a problma
lnyegt.
gy, ha n tevkenysggel kapcsolatban dntst kell hozni, akkor ezeket a
tevkenysgi vagy dntsi vltozkkal (mondjuk x1, x2, , xn) reprezentljuk s
ezek rtkt kell meghatroznunk. A tevkenysg sorn ellltott haszon
mrszmt a vltozk fggvnyeknt fejezhetjk ki:
Pldul z = 2x1 + 5x2 + + 7xn.
Ezt a fggvnyt clfggvnynek nevezzk, mert a tevkenysg cljt fejezi ki.
A dntsi vltozkra s a felhasznlt erforrsokra vonatkoz knyszerfelttelek rendszerint egyenletek vagy egyenltlensgek segtsgvel rhatk le. Pldul x1 + 3x2 + 5x3 10.
A felttelekben s clfggvnyben szerepl llandkat (egytthatkat,
a jobb oldal konstansait) a modell paramtereinek nevezzk.
A krds az, hogyan kell megvlasztani a dntsi vltozkat, hogy az adott felttelek mellett a clfggvny rtke a lehet legnagyobb legyen.
Az ilyen jelleg modellek fellltsval, megoldsval s elemzsvel
foglalkozik az opercikutats.
Ezen jegyzet soron kvetkez fejezetei az emltett modellek jellegzetessgeivel, megoldsi algoritmusval s elemzsvel foglalkozik.
A matematikai modellnek a problma verblis lersval szemben az az
elnye, hogy
a matematikai modell tmren rja le a problmt,
knnyebb ttekinteni az ok-okozati sszefggseket,
egyidejleg tudjuk kezelni az sszes kapcsolatot,
Vissza
Opercikutats
Bevezets
Vissza
10
lthatv vlik, hogy milyen tovbbi adatok kellenek az elemzshez,

knnyen mdosthat,
kzvetlen lehetv teszi a szmtgpes programcsomagok hasznlatt.
A matematikai modellek s mdszerek kivlasztsakor clunk a valsgos szszefggsek, trvnyszersgek legjobb megkzeltse. Ezrt jl kell ismerni az egyes matematikai modellek s mdszerek jellemz tulajdonsgait, valamint az alkalmazhatsg feltteleit, tovbb ismerni kell a vizsgland terlet szakmai vetleteit.
Ebben a tananyagban csak bizonyos tpus gazdasgi dntsek elksztsre alkalmas matematikai modellekrl s mdszerekrl lesz sz. Azt
vizsgljuk meg, hogy hogyan lehet matematikai mdszerekkel helyes gazdasgi elhatrozsok meghozatalhoz, ms nven j gazdasgi programok
kidolgozshoz hozzjutni.
Vissza
10
Opercikutats
Lineris programozs
Vissza
11
2. Lineris programozs
A klnbz tudomnyok
matematikai megfogalmazsa annyira
hasonlak egymshoz, hogy
ismeretk az egyik tudomnyban igen
nagy segtsget nyjthat egy msik
tanulmnyozsnl
J. C. Maxwell
2.1. Bevezets a lineris programozsba
Gazdasgi rendszerek matematikai vizsglatra mr a 19-edik szzadban
tettek ksrletet. A francia Walras az egsz gazdasgi mechanizmust prblta sok ismeretlenes lineris egyenletrendszerrel lerni az 1870-es vekben. Nyomban sokan alkalmaztak lineris modelleket. Neumann Jnos
1937-ben kidolgozott gazdasgi egyensly-modellje mr ltalnosabb alakban vizsglta az amerikai gazdasgot, lnyegben mr a lineris programozs keretei kztt.
Nagy elrelpst jelentett az orosz L. V. Kantorovics munkssga. A
termels szervezsnek s tervezsnek matematikai mdszerei cm
1939-ben megjelent mvben lerta, hogy a legfontosabb termelsi feladatok nagy rsze kifejezhet matematikai alakban. A problmk megoldsa
olyan matematikai szlsrtk feladatokhoz vezet, amelyek lineris fggvnyekkel rhatk le. Ezen feladatok megoldsra Kantorovics a megold
egytthatk mdszert alkalmazta. Maga a feladattpus ksbb
G. B. Dantzig eredmnyei alapjn lineris programozs elnevezssel vlt
kzismertt. A munkssga elismerseknt L. V. Kantorovics 1975-ben
T. C. Koapmans-sal egytt kzgazdasgi Nobel djat kapott. A msodik
vilghbor alatt az amerikai hadvezets lgi, vzi, szrazfldi szlltsi,
bombzsi stb. feladatok tervezsre hasznlta fel. ppen ezrt akkoriban
nem hoztk nyilvnoss a kutatsok eredmnyeit. G. B. Dantzig 1947-ben
dolgozta ki az n. szimplex mdszert, amely jl gpesthet, ezrt ltalnosan elterjedt. Ma mr mindennapos eszkz, amely segtsgvel az ipari
orszgok vllalatai sok pnzt takartanak meg. Hasznlata az let klnb-
Vissza
11
Opercikutats
Lineris programozs
Vissza
12
z terletn gyorsan terjedt. E tmakrbl tbb tucat knyv jelent meg. A

szmtgpek elterjedse tette lehetv a mindennapi alkalmazsokat.
Mi is valjban a lineris programozs?
A jegyzetben tallhat pldk s feladatok megoldsa sorn vlaszt
kaphatunk erre a krdsre, de rviden a kvetkezkppen fogalmazhatjuk
meg:
Korltozottan rendelkezsre ll gazdasgi erforrsok lehet legjobb
(optimlis) elosztsa egymssal versenyz tevkenysgek kztt a minl
nagyobb gazdasgi haszon elrse rdekben.
A lineris sz arra utal, hogy a modellben szerepl fggvnyek mindegyike
lineris. A programozs sz itt nem a szmtgpes programozsra utal,
hanem inkbb a tervezs szinonimjaknt szerepel.
Ezt a fejezetet olyan szemlltet pldkkal kezdjk, amelyek elg kis
mretek ahhoz, hogy grafikusan is szemlltetni tudjuk a megoldsokat, s
gy az alapvet fogalmakat is knnyebben rthetv tehetnk.
2.2. Lineris modellek grafikus megoldsa
A problma trgyalshoz induljunk ki ktvltozs feladatokbl. Ezek a
feladatok nagyon egyszerek, s megoldsukhoz elegendek a kzpiskolai
matematikai ismeretek. A ktvltozs feladatok grafikus megoldsa pedig
lehetv teszi a lineris programozs htternek szemlltetst.
2.2.1. Plda maximumfeladatra
A cskken bevtelek miatt a Ferenczy & Fia Manyag Kft. vezetse a termelsi szerkezet talaktsa mellett dnttt. Tbb vesztesges termk gyrtst besznteti s az gy felszabadult hrom erforrst kt j termk gyrtsra kvnjk fordtani. A marketing osztly vlemnye szerint a cg
mindkt termkbl (buk-nyl s nyl ablakok) el tudna adni annyit,
amennyit a jelenlegi kapacits mellett meg tudnak termelni.
A termels hrom mhelyben folyik. Az 1. mhelyben az ablakkeretek
ntse folyik, naponta 160 kg manyagot tudnak felhasznlni. A 2. mhelyben az ablakok szerelst s vegezst vgzik, naponta 120 munkara ll rendelkezsre. A 3. zemben a buk-nyl ablakok tovbbi szerelst vgzik. Itt a specilis zrszerkezetbl naponta 60 db tudnak beszerelni.
Krds az, milyen mennyisgben gyrtsk a kt j termket, hogy a profit a lehet
legnagyobb legyen?
Vissza
12
Opercikutats
Lineris programozs
Vissza
13
Az opercikutatsi osztly megvizsglva a termkek technolgiai tervt ltta, hogy a termels modelljnek felrshoz a termels folyamatt hrom mozzanatra egyszerstheti, azaz hrom erforrs felhasznlsval rhatja le a gazdasgi tevkenysgt:
a termkek ntst manyagbl (napi 160 kg).
a termkek sszeszerelse (napi 120 munkara).
A buk-nyl ablak tovbbi szerelse, specilis zrszerkezet szerelse (napi 60 db).
Tovbb ismert, hogy az els termk egy darabjnak ellltshoz 2 kg
manyag, 3 munkara a szerelshez s az vegezshez valamint 2 db specilis zrszerkezet kell, a 2. termkhez pedig 4 kg manyag, 2 munkara
kell, de nincs szksg specilis zrszerkezetre. Az els termk 1 egysgnek termelse 60 ezer Ft, a msodik termk pedig 80 ezer Ft rbevtel
realizlst teszi lehetv.
Meghatrozand, hogy a ktfle termket hny egysgben clszer termelni, hogy a lehet legnagyobb (maximlis) legyen az rbevtel!
rjuk fel a fenti szveges feladat matematikai modelljt!

Jellje x1 a buk-nyl, illetve x2 a msik ablak egyenlre ismeretlen
mennyisgt. Teht x1 s x2 a modell dntsi vltozja. Ekkor a clfggvny gy rhat fel:
z = 60 x1 + 80 x2 s ennek keressk a maximumt.
A termelshez szksges erforrsok pedig:
Az els erforrsbl 2x1 + 4x2 kg, a msodik erforrsbl 3x1 + 2x2
munkara s a harmadik erforrsbl 2x1 db szksges.
gy a feladat feltteleit s clfggvnyt a kvetkezkben foglalhatjuk
ssze:
x 1,
x2 0
2x1 + 4x2 160
3x1 + 2x2 120
2x1
60
c)
z = 60x1 + 80x2 maximum
(Mivel a feladat ktvltozs, ezrt az x1, x2 tengely derkszg koordintarendszerben vizsglhatjuk a feltteleknek megfelel pontok halmazt.
Az a) felttel a koordintarendszer els negyedre, teht a pozitv fltengelyek ltal hatrolt sknegyedre korltozza a megoldsi halmazt.
A b) felttel egyenltlensgeinek mindegyike egy-egy egyenes s az
alatta lev terlet pontjait hatrozza meg.
a)
b)
Vissza
13
Opercikutats
Lineris programozs
Vissza
14
A c) felttelben szerepl z fggvnyt clfggvnynek nevezzk. A feladatban a clfggvny maximuma ha az ltezik adja az optimlis megoldst (vagy megoldsokat).
brzoljuk a koordintarendszerben az egyeneseket. (1.2.1.1 bra)
Az egyenltlensg felttelnek az egyenes s az alatta lv pontok felelnek meg.
A lehetsges megoldsok L halmazt a bevonalkzott OABCD sokszg bels- s hatrpontjai adjk, mert ezek eleget tesznek mind az a)
mind a b) feltteleknek. Ebbl a zrt terletbl kell kivlasztani azt a pontot (vagy pontokat), amelyeknek x1, x2 koordinti az optimlis termkszszettelt adjk, teht amelyeket a z clfggvnybe helyettestve annak maximumt kapjuk.
1.2.1.1 bra
Vizsgljuk meg a clfggvnyt.
Rendezzk t x 2 =
60
z
x1 +
alakba, gy knnyen lthat, hogy a z
80
80
fggvny egy 60/80 irnytangens egyenes-sereget hatroz meg, ha znek klnbz rtket adunk.
Legyen z = 2400. (Ez a fggvny lthat az brn). Ezt az egyenest
nmagval prhuzamosan flfel eltoljuk, akkor az L olyan pontjain megy
keresztl, amelynl a z rtke nvekszik. Teht a z maximumt az L hal-
Vissza
14
Opercikutats
Lineris programozs
Vissza
15
maz legszls pontjn veszi fel. Ez a pont egy cscspont. A C pont koordinti adjk teht az optimlis megoldst.
Az elmondottakrl gyzdjnk meg a cscspontok koordintinak ismeretben. A pontok koordinti egy-egy termksszettelt adnak.
O(0;0) pont
x1 = 0
x2 = 0
A(30;0) pont
x1 = 30
x2 = 0
Fel nem hasznlt kapacits

u1 = 160
20+ 401
u2 = 120
30+ 201
u3 = 60
20
z = 60 0 + 80 0 =
2 30 + 4 0 1
3 30 + 2 0 1
2 30
=
z = 60 30 + 80 0 = 1800
u1 = 100
u2 = 30
u3 = 0
B(30;15) pont
x1 = 30
x2 = 15
u1 = 40
2 30 + 4 15 1
3 30 + 2 15 = 1
u2 = 0
2 30
=
u3 = 0
z = 60 30 + 80 15 = 3000
C(20;30) pont
x1 = 20
2 20 + 4 30 = 1
u1 = 0
x2 = 30
3 20 + 2 30 = 1
u2 = 0
u3 = 20
2 20
z = 60 20 + 80 30 = 3600
D(0;40) pont
2 0 + 4 40 = 1
u1 = 0
x1 = 0
u2 = 40
x2 = 40
3 0 + 2 40 1
u3 = 60
20
z = 60 0 + 80 40 = 3200
Szmtssal is meggyzdhettnk arrl, hogy C pont az optimlis megolds.
2.2.2. Plda minimumfeladatra
Tegyk fel, hogy egy gazdasgban bizonyos llatok takarmnyozsi elrsa szerint egy-egy llatnak az A tpanyagbl legalbb 36, a B-bl legalbb
8, a C-bl pedig legalbb 12 egysget kell kapnia naponta. Az etetsre kt
klnbz takarmny ll a gazdasg rendelkezsre. Ezeknek egy-egy
Vissza
15
Opercikutats
Lineris programozs
Vissza
16
slyegysge az egyes tpanyagbl a kvetkez tblzatban feltntetett

mennyisgeket tartalmazza:
Tpanyag I. takarmny (g/kg) II. takarmny (g/kg)
A
12
2
B
1
1
C
1
3
A krdses takarmnyfajtk fajlagos nkltsge 40, illetve 80 pnzegysg.
Hatrozzuk meg azt a programot, amelynl az nkltsg minimlis rtket
veszi fel.
Ha az els takarmnybl felhasznlt mennyisget x1-gyel, a msodikbl
felhasznltat pedig x2-vel jelljk, akkor a megadott feltteleket gy is felrhatjuk:
x 1,
x2 0
12x1 + 2x2 36
x 1 + x2 8
x1 + 3x2 12
c)
z = 40x1 + 80x2 minimum
Az a), b) feltteleknek eleget tev lehetsges takarmnyozsi programok
L halmazt a 1.2.2.1 bra mutatja.
a)
b)
A c)-t trendezve x 2 =
40
z
x1 +
kapjuk.
80
80
Ltjuk, hogy egy 40/80 meredeksg grbesereget hatroz meg. brzoljuk a z = 240 esetben.
Vissza
16
Opercikutats
Lineris programozs
Vissza
17
1.2.2.1. bra
Ezt az egyenest nmagval prhuzamosan eltolva klnbz z rtkeket
kapunk. Knnyen meggyzdhetnk rla, hogy az origtl val tvolodskor a z rtke nvekszik, az orighoz kzeledve a z rtke cskken.
Teht a z minimumt az L halmaz egyik szls pontjn veszi fel. A feladatunk esetben ez a C pont. Teht az optimlis programot a C pont koordinti adjk meg.
Szmtssal is ellenrizzk az elmondottakat.
A(0;18) pont
x1 = 0
x2 = 18
12 0 + 2 18 = 36
1 0 + 1 18
8
1 0 + 3 18 12
z = 40 0 + 80 18 = 1440
B(2;6) pont
x1 = 2
x2 = 6
12 2 + 2 6 = 36
12+ 16= 8
1 2 + 3 6 12
z = 40 2 + 80 6 = 560
Vissza
17
Opercikutats
Lineris programozs
Vissza
18
C(6;2) pont
12 6 + 2 2 36
16+ 12 = 8
1 6 + 3 2 = 12
z = 40 6 + 80 2 = 400
x1 = 6
x2 = 2
D(12;0) pont
12 12 + 2 0 36
1 12 + 1 0 8
1 12 + 3 0 = 12
z = 40 12 + 80 0 = 480
Teht valban az L halmaz C cscspontjn legkisebb a z fggvny rtke.
Ha az L halmaz brmely ms pontjt vizsgljuk, akkor annak koordinti
kielgtik az a) s b) feltteleket, de a z fggvnybe helyettestve a z = 400
minimumnl minden esetben nagyobb rtket kapunk.
x1 = 12
x2 = 0
2.2.3. Optimlis megolds vizsglata
A gyakorlatban elfordulnak olyan feladatok is, amelyek az elbbiektl

eltr felttelekkel, gy eltr tulajdonsgokkal is rendelkeznek. Vizsgljunk meg nhny lehetsges esetet, mely jellemzi a z clfggvny s az L
halmaz viszonyt a skon.
Egy optimlis megolds esete
Nzzk a kvetkez feladatot:
x 1, x 2 0
x1 + x2 70
x1
50
x2 40
x2 10
c)
z = 2x1 + maximum
x2
Az L halmazon a z clfggvny a maximumt cscspontban veszi fel.
Ebben az esetben a feladatnak egyetlen megoldsa van.
a)
b)
Vissza
18
Opercikutats
Lineris programozs
Vissza
19
1.2.3.1 bra
Alternatv optimum esete
Mdostsuk az elz feladat clfggvnyt
z = 2x1 + 2x2 maximum -ra,
azaz megvltoztattuk a clfggvny meredeksgt. gy prhuzamos lett az
egyik oldallal.
1.2.3.2. bra
Vissza
19
Opercikutats
Lineris programozs
Vissza
20
Ha egy maximum vagy minimumfeladatnl a clfggvny prhuzamos

a lehetsges megoldsok halmazt hatrol valamelyik egyenessel, akkor
mivel prhuzamos eltols esetn az egsz szakaszt lefedi az optimlis
megoldst nem egy szmpr (egy extremlis pont), hanem egy szakasz (kt
extremlis pontot sszekt szakasz) sszes pontja adja. Ezt az esetet az
alternatv optimum esetnek nevezzk.
Clfggvny nem korltos
A feltteleink legyenek a kvetkezk:
x 1,
x2 0
2x1 + x2 60
x2 20
x1 x2 20
c)
z = 3x1 + 4x2 max.
Az L halmaz fellrl nem korltos. Ezrt a clfggvnynek nincs maximuma, hiszen a clfggvny brmilyen rtket is felvehet az L halmazon,
azaz a clfggvny nem korltos. Viszont jl lthat, hogy ilyen megoldshalmazon is rtelmezhet a clfggvny minimuma.
a)
b)
1.2.3.3 bra
Vissza
20
Opercikutats
Lineris programozs
Vissza
21
Ellentmond felttelek esete

Adottak a kvetkez felttelek:
x1,
x2 0
2x1 + 4x2 200
2x1 + 2x2 80
c) z = 3x1 + x2 max.
Az egyenltlensgek ltal meghatrozott flskoknak nincs kzs rszk.
Nincs egyetlen olyan pont sem, amely minden felttelnek eleget tenne.
Ilyenkor azt mondjuk, hogy az L halmaz res, gy a feladatnak nincs megoldsa.
a)
b)
1.2.3.4 bra
2.3. Lineris programozsi feladat ltalnos
megfogalmazsa
Definci: Olyan matematikai programozsi feladatot neveznk lineris
programozsi feladatnak, amelyekben az L halmazt meghatroz felttelek
els fok egyenletek s egyenltlensgek, a clfggvnyk lineris, s a
bennk szerepl vltozk vals szmrtket vehetnek fel.
Jellje n egy gazdasgi szervezet tevkenysgeinek, m az erforrsainak
szmt,
Vissza
21
Opercikutats
Lineris programozs
Vissza
22
x1, x2, , xj, , xn a tevkenysgek terjedelmt, (melyek rtelemszeren csak nemnegatvak lehetnek),
b1, b2, , bi, , bm az erforrsok kapacitst,
aij a j-edik tevkenysg fajlagos szksglett az i-edik erforrsbl,
c1, c2, , cj, , cn a tevkenysgek fajlagos gazdasgi eredmnyt,
akkor a gazdasgi szervezet tevkenysge a kvetkez modellel hatrozhat meg: Az
a11x1 + a12x2 + + a1jxj + + a1nxn b1
a21x1 + a22x2 + + a2jxj + + a2nxn b2
am1x1 + am2x2 + + amjxj + + amnxn bm

felttelrendszer mellett keressk az
f(x) = c1x1 + c2x2 + + cjxj+ + cnxn
lineris fggvny, az n. clfggvny maximumt.
Vektor- s mtrixszimblumokkal feladatunk sokkal tmrebben rhat fel. gy megoldand az
a)
b)
c)
x0
A x b (vagy =, )
z = cT extrm
x
feladat.
A linearits megktse a gazdasgi feladatok esetben elg szigornak
ltszik. A tapasztalat azonban azt mutatja, hogy szmos gazdasgi problma valban lerhat a gyakorlatot kielgt pontossggal lineris modellel.
2.4. Lineris programozs matematikai modelljei
A 1.2. rszben klnbz gazdasgi vonatkozs feladatokat oldottunk
meg grafikus mdszerrel. A feladatok megoldst az jelentette, hogy kivlasztottuk a lehetsges megoldsok halmazbl az optimlis programot. A
feladatok feltteleit minden esetben lineris fggvnyekkel adtuk meg.
A gyakorlatban nemcsak kt, hanem jval tbb vltozt is tartalmazhatnak a feladatok s a felttelek szma is jval nagyobb lehet. Ilyen esetben a grafikus mdszer nem alkalmas a feladatok megoldsra, ms mdszert kell alkalmaznunk. Ha a vltozk s a felttelek szma igen nagy,
akkor csak szmtgppel rhetnk el eredmnyt. Mind a kzi, mind a
Vissza
22
Opercikutats
Lineris programozs
Vissza
23
szmtgpi megoldshoz az szksges, hogy a feladatot megfelel matematikai formba ntsk, teht a gazdasgi problmt tfogalmazzuk a
matematika nyelvre. A gazdasgi feladattl fggen klnbz matematikai modelleket fogalmazhatunk meg.
2.4.1. Maximumfeladat
Definci: Maximumfeladatrl akkor beszlnk, ha egyenltlensgei

rtelmek s a clfggvny maximuma jelenti az optimumot.
alapforma
kanonikus forma
a)
x0
x 0, u 0
b)
A x b
Ax+u=b
z = cT x max.
c)
z = cT x max.
A kanonikus alak abban klnbzik az alapfeladatokban megadott formktl, hogy bevezeti az u n. hinyvltozkat, melyeket dul vltozknak
is szoks nevezni.
2.4.2. Minimumfeladat
Definci: Egy modellt akkor neveznk minimumfeladatnak, ha egyenltlensgei rtelmek s a clfggvny minimuma jelenti az optimumot.
alapforma
a)
x0
b)
Axb
c)
z = cT x min.
A v vltozt tbbletvltoznak nevezzk.
kanonikus forma
x 0, v 0
Axv=b
z = cT x min.
2.4.3. Normlfeladat
Definci: Egy maximumfeladatot normlfeladatnak nevezzk akkor, ha b

0 felttel is teljesl.
a)
b)
c)
alapforma
x 0, b 0
Axb
cT x max.
kanonikus forma
x 0, u 0, b 0
Ax+u=b
cT x max.
Vissza
23
Opercikutats
Lineris programozs
Vissza
24
Plda:
a)
b)
c)
x 1,
x2 0
4x1 + 6x2 60
x1
9
3x2 24
z = 40x1 + 20x2 max.
x2, u1, u2, u3 0

x 1,
4x1 + 6x2+ u1
= 60
x1
+ u2
=9
3x2
+ u3= 24
z = 40x1 + 20x2
max.
2.4.4. Mdostott normlfeladat
Definci: Egy modellt mdostott normlfeladatnak nevezzk, ha egyenltlensgei rtelmek, tartalmaz egyenleteket s clfggvny maximumt
keressk, tovbb a b1 s b2 vektorok minden koordintja nemnegatv.
a)
b)
c)
Pldul:
a)
b)
c)
alapforma
x 0, b1 0, b2 0
A1 x b1
A2 x = b2
z = cT x max.
x 1, x 2,
x3 0
2x1 x2
10
2x1
+ 2x3 = 36
x2 2x3 = 20
z = 6x1 3x2 +15x3 max.
kanonikus forma
x 0, u 0, b1 0, b2 0
A1 x + u = b1
A2 x = b2
z = cT x max.
x 1,
x 2,
x3, u1 0
2x1 x2
+ u1 = 10
2x1
+ 2x3
= 36
= 20
x2 2x3
z = 6x1 3x2 + 15x3
max.
2.4.5. ltalnos feladat
Definci: Egy lineris modellt ltalnos feladatnak neveznk, ha felttelei

kztt a kapacitsok (b) nemnegativitsa mellett relcik is szerepelnek
s maximum a cl
a)
b)
c)
alapforma
x0
A1 x b1, b1 0
A2 x = b2 0
A3 x b3 0
z = cT x max.
kanonikus forma
x 0, u 0, v 0,
A1 x + u = b1 0
A2 x = b2 0
A3 x v = b3 0
z = cT x max.
Vissza
24
Opercikutats
Lineris programozs
Vissza
25
Plda:
a)
b)
x 1,
x 2,
x 0
x 1,
x 2,
x3, u1, v 0
5x2 + 5x 80
5x2 + 5x3 + u1
= 80
=
10
= 10
x1 + x2 x
x1 + x2 + x3
x1 + x2 + x 18
x 1 + x2 + x3
v= 18
c) z =10x1 +30x2 +10x3 max z =10x1 +30x2 +10x3
max
Minden lineris modell felrhat norml, mdostott norml, vagy ltalnos feladatknt.
2.5. Lineris modellek megoldsnak numerikus
mdszerei
2.5.1. Normlfeladat megoldsa
Foglaljuk ssze a vektor-, mtrixszimblumokkal megadott

a)
x 0, b 0
b)
Axb
c)
z = cT x max.
normlfeladatrl mondottakat.
Definci: A feladat lehetsges megoldsainak nevezzk azokat az x vektorokat, amelyekre A x b s x 0 felttelek teljeslnek. Ezt a kvetkezkppen rhatjuk le a halmazelmlet jeleivel:
L = {x | A x b; s x 0}
Definci: A feladat optimlis megoldsnak nevezzk az L-nek azon x0
vektorait, amelyekre cT x0 cT x, x L teljesl, azaz
L0 = {x0 | x0 L s cTx0 cTx, x L }
Definci: Bzismegoldsnak neveznk minden olyan xB vektort, amely
eleme az L halmaznak s az A mtrixnak az xB pozitv komponenseihez
tartoz oszlopvektorai linerisan fggetlen rendszert alkotnak.
Keressnk numerikus mdszert az L0 meghatrozsra:
A ktvltozs lineris programozsi feladatok grafikus megoldsnl azt
tapasztaltuk, hogy a lehetsges megoldsok halmaza mindig konvex halmaz volt, az optimlis megoldst mindig az L hatrn talltuk (ha ltezett).
St azt is tapasztaltuk, hogy mindig ltezett optimlis megolds, ha az L
halmaz konvex polider volt. Ebben az esetben az optimlis megolds az
L halmaz valamelyik cscspontjn volt. Csak akkor nem volt optimlis
Vissza
25
Opercikutats
Lineris programozs
Vissza
26
megolds, ha az L halmaz res volt, vagy pedig nem volt korltos. Ezeket
s a lineris algebrbl tanultakat figyelembe vve a tbbvltozs lineris
programozsi feladatok numerikus megoldsnl kvetkezkre tmaszkodhatunk (felhasznlva a lineris algebra jellseit s fogalmait):
1. Az L lehetsges megoldsok halmaza konvex. Ezrt: ha a z = cT x clfggvny az L halmaz valamely xo pontjban felveszi szls rtkt, akkor biztosan felveszi egy cscspontjban is.
2. Az L halmaz cscspontjait az A x + u = b egyenletrendszer bzismegoldsaibl hatrozhatjuk meg az x 0; u 0 felttelek figyelembevtelvel.
Ennek megfelelen alaktsuk t az 1.2.1. pontban trgyalt maximumfeladatot:

= 160
2x 1 + 4 x 2 + u 1
3x 1 + 2 x 2 + u 2 = 120
2x 1 + 0x 2 +
u 3 = 60
Oldjuk meg a lineris algebrban tanult szimplex tblzat segtsgvel.

B0
x1
x2
u1
u2
u3
b
e1
2
4
1
0
0
160
e2
3
2
0
1
0
120
e3
2
0
0
0
1
60
Ha u1, u2 vagy u3 oszlopban vlasztunk generl elemet, akkor u1, u2, u3hoz tartoz vektorok gy kerlnek a bzisba, hogy a tblzat ms elemei
nem vltoznak meg (mert a generl elem sornak s oszlopnak minden
eleme 0), azaz
x2
b
x1
u1
2
4
160
u2
3
2
120
u3
2
0
60
lesz. Ezrt a normlfeladatok trgyalsnl ezt tekintjk indultblzatnak.
Ha tovbbi bzistranszformcikat hajtunk vgre, akkor megkapjuk a
grafikus megoldsnl megismert L lehetsges megoldsok halmaznak
cscspontjait. A clfggvny rtknek vltozsait is nyomon kvethetjk,
ha a tblzathoz hozzcsatoljuk az egytthatk sorvektort s ezekre is
elvgezzk az elemcsert.
gy kimondhatjuk:
Vissza
26
Opercikutats
Lineris programozs
Vissza
27
3. A normlfeladat indultblzatban, a B0 bzisban az u dul vltozk

szerepelnek. gy a normlfeladat indul szimplex tblzata a kvetkez:
ahol:
xT
A
cT
u
b
B0
xT
u
A
b
z
cT
0
a primlis vltozk sorvektora,
az egyenltlensgrendszer egytthatinak mtrixa,
a clfggvny egytthatinak sorvektora,
dulis vltozk vektora,
kapacitsok vektora.
4. A szimplex tblzatbl a kvetkezk olvashatk ki:

a) A bzisban lv vltozk rtkei mindig az utols oszlopban olvashatk le.
b) A bzisban nem lv vltozk rtkei nullk.

c) A jobb als sarokban mindig a program clrtknek 1-szerese olvashat le.
5. A feladat bzismegoldsait oszlopvektor transzformcival llthatjuk
el.
Ezen ismeretek birtokban oldjuk meg 1.2.1 pontban lert feladatot.

x1,
x2 0
2x1 + 4x2 160
3x1 + 2x2 120
2x1
60
c)
z = 60x1 + 80x2 max.
Az indul szimplex tblzat:
a)
b)
B0
x1
x2
b
u1
2
4
160
u2
3
2
120
u3
2
0
60
60
80
0
z
Az indultblzatbl egy lehetsges megolds (program) olvashat le:
x1 = 0
x2 = 0
u1 = 160
u2 = 120
z = 0.
u3 = 60
(grafikus megoldsnl ez a program az origban lev cscspontnak felel
meg).
Vissza
27
Opercikutats
Lineris programozs
Vissza
28
A program javtsa gy trtnik, hogy az egyik termket bevonjuk a

termelsbe. Azt a termket clszer bevonni a termelsbe mivel a clfggvny maximumt keressk , melyiknek az egysgre jut tiszta hozama nagyobb. Vagyis azt a vltozt vigyk a bzisba, amelynek a clfggvny sorban lv rtke a legnagyobb pozitv szm. gy azt vrhatjuk,
hogy olyan cscsponthoz jutunk, ahol a clfggvny rtke jobban nvekszik, mintha ms cscsponthoz jutnnk. (Nem biztos!). Ezt figyelembe
vve clszer a msodik termket bevonni a termelsbe. Itt azt a megfontolst kvethetjk, hogy a termelsbe bevont termkekbl azt a maximlis
mennyisget programozzuk, amennyit az erforrsok kapacitsa megenged. Ezt a maximlis mennyisget az erforrsok legszkebb kapacitsa
hatrozza meg. Ezek kzl a maximlis mennyisgek kzl a legkisebbet
szk keresztmetszetnek nevezzk.
Hatrozzuk meg a szk keresztmetszetet: A msodik termk tiszta hozama (80) a nagyobb, ennek egy egysgnek ellltshoz az els erforrsbl 4 egysg szksges ezrt 160 : 4 = 40 egysg lenne termelhet az
els erforrs miatt. A msodik erforrsbl 2 egysg szksges a msodik termk egy egysgnek termelshez, ezrt 120 : 2 = 60 egysg lenne
termelhet a msodik erforrs miatt. Vagyis a szk keresztmetszetet az
els erforrs jelenti. Ha teht az x2-t az u1 kicserlsvel vonjuk be a
programba, akkor x2 = 40 s u1 = 0, vagyis az els erforrst teljes egszben kihasznltuk. Matematikai rtelemben ezzel a vlasztssal azt biztostjuk, hogy a b vektor elemei tovbbra is nemnegatvak maradnak. gy
egy j bzist is ellltottunk. Az j bzisra (j programra) val ttrs
mindig kt vltoz szerepnek felcserlst jelenti.
Az j bzisvektor az L lehetsges megoldsi halmaz egy j cscspontjt jelenti. Ezt a bziscservel hatrozhatjuk meg. De neknk az kell, hogy
biztosan tudjuk, melyik cscspont adja az optimlis megoldst (ha van!).
Ezt a kvetkez mdon rhetjk el:
1. Pozitv clelem felett vlasztunk generl elemet. (Ezzel biztostjuk,
hogy a clfggvny rtke nvekszik).
2. Pozitv szmot vlasztunk generl elemnek (aij 0).
3. Szk keresztmetszetnl vlasztunk generl elemet.
(min a i , aij 0)
ij
Vissza
28
Opercikutats
Lineris programozs
Vissza
29
Az aij generl elemet bekeretezzk. (Ttelezzk fel, hogy a generl elem

egyrtelmen meghatrozhat. A 2., s 3. felttelek teljestse biztostja,
hogy az x s u vektorok nemnegatvak lesznek).
4. Vgrehajthatjuk az elemcsert a kvetkezkppen:
a) A generl elem helybe annak reciprokt rjuk.

b) A generl elem j sort gy kapjuk meg, hogy a rgi sort szorozzuk a
generl elem reciprokval.
c) A generl elem j oszlopt gy kapjuk meg, hogy a rgi oszlop elemeit
szorozzuk a generl elem reciproknak 1-szeresvel.
d) A tblzat tbbi elemt az ismert bzistranszformcival hatrozzuk meg.
5. Optimlis megoldst kaptunk, ha
a) az utols sor elemei (cj-k) nem pozitvak

(a clfggvny rtke tovbb mr nem nvekszik) s
b) az utols oszlop elemei nem negatvak
(a megoldsok sem negatvak).
Az elmondottakat kvessk vgig a kijellt feladaton:
Jelljk B0-val az indul szimplex tblzatot, B1, B2 stb. a javtott tblzatokat.
B0
x1
x2
b
B0 tblzatban leolvashat egy lehetsges megolds:
u1
2
4
160
x1 = 0
u1 = 160
u2
3
2
120
x
=
0
u2 = 120
u3
2
0
60
2
z =0
u3 = 60
z
60
80
0
Generl elemet az x2 oszlopban vlasztunk, mert a z sorban itt van a
legnagyobb pozitv szm. Megllapthatjuk a szk keresztmetszetet. Az
utols oszlop elemeit osszuk el az x2 oszlop megfelel elemvel. A legkisebb hnyadost ad elem lesz a generl elem.
160 : 4 = 40, 120 : 2 = 60
Teht 4 lesz a generl elem. Keretezzk be a B0 tblzatban.
Vissza
29
Opercikutats
Lineris programozs
Vissza
30
j bzisra trnk r, x2 s u1 helyet cserl

B1
x2
u2
u3
x1
u1
z
B1 tblzat kitltse:
A generl elem helybe annak reciproka kerl.
A generl elem j sora: a generl elem rgi sornak elemeit szorozzuk meg a generl elem reciprokval:
2
1
1
1
= , 160 = 40
4
2
4
A generl elem j oszlopa: a rgi oszlop elemeit szorozzuk meg a gener1

4
1
2
1
4
l elem reciprokn 1-szeresvel: 2 ( ) = , 80 ( ) = 20

A tbbi elemet a bzistranszformcinl megismertek szerint szmtjuk.
1
1
1
= 2, 2 0 2 = 2, 60 2 80 = 20
4
4
4
1
1
1
120 160 2 = 40, 60 0 160 = 60, 0 160 80 = 3200
4
4
4
322
Teht a B1 tblzat a kvetkezkppen nz ki:

B1
x1
u1
Egy lehetsges megolds:
x1 = 0
u1 = 0
x2
40
x
=
40
u
u2
2
40
2
2 = 40
u
3 = 60
u3
2
0
60
z = 3200
20
z
20 3200
A programot mg javthatjuk, mert az utols sorban van pozitv elem s
van felette pozitv szm, amelyet generl elemnek tudunk vlasztani.
A szk keresztmetszet:
40 :
1
= 80, 40 : 2 = 20, 60 : 2 = 30
2
Vissza
30
Opercikutats
Lineris programozs
Vissza
31
Teht a generl elem a 2 lesz. Keretezzk be. Az elbbi szmtst megismtelve kapjuk a B2 tblzatot:
B2
u2
u1
b
Egy msik lehetsges megolds:
3
1
x1 = 20
u1 = 0
x2
30
4
8
x2 = 30
u2 = 0
x1
20
u
3 = 20
1
20
u3
z = 3600
z
10
15 3600
A B2 program tovbb nem javthat, mert a tbla utols sorban nincs
pozitv elem. Teht az optimlis megolds:
20
x0 = , z0 = 3600 u =
30
0
0

20
Ha sszehasonltjuk a szmtssal kapott eredmnyt a grafikus megoldsnl kapott eredmnnyel, lthatjuk, hogy az optimlis megoldshoz az origbl kiindulva a szomszdos D(0;40) cscspontokon keresztl haladva
jutottunk a C(20;30) cscspontig, az optimlis megoldsig.
Megjegyzs: ha nem az x2 oszlopban vlasztottunk volna elszr generl elemet, akkor az A(30;0) cscsponton keresztl jutottunk volna el a
C(20,30) cscsponthoz.
A feladatmegoldsok sorn az indul, majd a javtott szimplex tblzatokat egyms mell, vagy egyms al is rjuk.
Nzzk a tblzatokat egyms mell rva:
B0
u1
x1
2
x2
4
b
160
B1
x2
x1
u1
u2
u3
z
3
2
60
2
0
80
120
60
0
u2
u3
z
2
2
20
0
20
b
40
B2
x2
40
60
3200
x1
u3
z
u2
1
10
u1
3
30
15
Vissza
b
20
20
3600
31
Opercikutats
Lineris programozs
Vissza
32
Alternatv optimum
Az 1.2.3 pontban grafikusan szemlltettk az alternatv optimum esett.
Vizsgljuk meg, hogy a szimplex tblzatban hogyan vehet szre ez az
eset. Oldjuk meg a kvetkez feladatot.
x 1, x 2,
x 3,
x 4, x 5 0
x1 +2x2 + x3
+ x5 100
x1
+ x3 + x4
50
x2 + x3 + x4 + x5 80
c) z = 2x1 + x2 + 3x3 + 2x4 + 2x5 max
A feladat normlfeladat, ezrt az indul szimplex tblzatbl kiindulva a
mr lert eljrst kell megismtelni.
Az egyes javtott programok az albbi tblzatban lthatk.
a)
b)
B0 x 1
u1
1
u2
1
u3
0
z 2
B1 x 1
u1
0
x3
1
u3 1
z 1
B2 x 1
u1 1
x3
1
x5 1
z 1
x2
2
0
1
1
x2
2
0
1
1
x2
1
0
1
1
x3
1
1
1
3
u2
1
1
1
3
u2
0
1
1
1
x4
x5
0
1
1
0
1
1
2
2
x4
x5
1
1
1
0
0 1
1
2
x4
u3
1 1
1
0
0
1
1 2
b
100
50
80
0
b
50
50
30
150
b
20
50
30
210
Lehetsges megolds:
x 1 = x2 = x3 = x 4 = x5 = 0
u1 = 100, u2 = 50, u3 = 80
z=0
x 1 = x2 = x4 = x 5 = 0
x3 = 50
u2 = 0, u1 = 50, u3 = 30
z = 150
x 1 = x2 = x4 = 0
x3 = 50, x5 = 30
u1 = 20, u2 =0, u3 = 0
z = 210
B3 u1 x 2
u2
x4
u3
b
x 2 = x4 = 0
x1
1
1
0
1 1
20
x1 = 20, x3 = 30, x5 = 50
2
x3 1 1
1
1
30
u1 = u2 = u3 = 0
x5
1
2 1
1
0
50
z = 230
z 1 2 1
0 1 230
Ez egyben optimlis megolds is, mert a B3 tblzat utols sorban nincs
pozitv szm. gy a program tovbb nem javthat. Viszont tallhat benne nulla. Ez jelenti, hogy tbb megolds is van, hiszen ha nulla felett vlasztunk generl elemet, akkor a z sora nem vltozik a bziscsere foly-
Vissza
32
Opercikutats
Lineris programozs
Vissza
33
tn, de a bzisban egy elem kicserldik s az rtkk is vltozik. A B3-as

tblzatban a nulla felett csak egy pozitv szm van; ez lesz a generl
elem.
B4 u1
x2
u2
x1

x4
x5
3 2
z 1 2 1
x3
u3
35
15
65
1 230
Egy msik optimlis megolds:

x1 = 35, x4 = 15, x5 = 65
x 2 = x3 = 0
u1 = u2 = u3 = 0
z = 230
A B4 tblzatbl lthat, hogy optimlis megoldst nyertnk, mert nincs
pozitv szm. A szmolst folytatni lehet, mert a nulla felett van pozitv
szm, de akkor a B3-as tblzatot kapjuk. Teht kt alternatv optimum
van. Az sszes optimlis megoldst az alternatv optimumok konvex lineris kombincija adja:
x0 =
10
x
i
0i
, ahol
i =1
0 i 1 s
10
= 1 , x0i az i-edik alternatv optimum vektora s p az
i =1
alternatv optimum szma.

A grafikus megoldsnl lttuk, hogy alternatv program esetn az optimlis
megoldsokat egy szakasz pontjai adjk.
Feladatunk esetben pldul legyen 1 = 0,4 s 2 = 0,6 akkor:
20
0

x0 = 0,4 30 + 0,6

0
50

35
0

0 =

15
65

8
21,0
29
0
0
0

12 + 0 = 12

0
9,0
9
20
39,0
59

egy j optimlis megoldst kapunk.

z = 229 + 312 + 92 + 259 = 58 + 18 + 118 = 230
A clfggvny nem korltos
Tegyk fel, hogy egy normlfeladat megoldsa kzben a kvetkez tblzathoz jutottunk:
Vissza
33
Opercikutats
Lineris programozs
Vissza
34
B3
x1
u2
u3
u1
x4
0
2
1
1
20
x2
1
1
0
0
30
x3
2
0
1
1
60
z
2
1
1
2
250
Az utols sor els eleme itt pozitv. Ez azt jelenti, hogy a program rtke
mg nvelhet lenne. Azonban a szmtsokat nem tudjuk folytatni, mert
generl elem csak pozitv lehet. Mr pedig az x1 oszlopban nincs pozitv
szm.
Megmutathat, hogy ilyen esetben a clfggvnynek nincs fels korltja, vagyis a clfggvny rtke tetszs szerint nvelhet. Ilyenkor azt
mondjuk, hogy a clfggvny nem korltos, a feladatnak nincs optimlis megoldsa.
Degenerci
Degenerltnak nevezzk a lineris programozsi feladatot, ha optimlis
megoldsban xi = 0 gy fordul el, hogy a hozztartoz oszlopvektort
bevontunk a bzisba.
Ez az eset ktflekppen llhat el:
a) Az indultblzat utols oszlopban eleve 0-k szerepelnek.
b) A megolds sorn legalbb egyszer nem tallunk egyrtelmen generl elemet, mert tbb egyenl rtk keresztmetszet llt el.
Nzzk az a) esetre a kvetkez pldt:
B0
u1
u2
u3
x1
6
4
2
x2
0
1
1
x3
4
0
1
x4
1
1
0
b
30
40
0
Lehetsges megolds:
x1 = x2 = x3 = x 4 = 0
u1 = 30, u2 = 40, u3 = 0
z
6
1
4
1
0
z=0
Vlasszunk generl elemet az els oszlopban. Ez csak a 2 lehet, mert:
0:2=0
30 : 6 = 5
Teht a szk keresztmetszet a harmadik sorban van.
Vissza
34
Opercikutats
Lineris programozs
Vissza
35
gy az j tblzat:
B1
u1
u3
3
x2
3
x3
1
x4
1
b
30
Lehetsges megolds:
x1 = 0
u2
2
1
2
1
40
x2 = x3 = x4 = 0
x1

0
0
u1 = 30, u2 = 40, u3 = 0
z 3
4
1
1
0
z=0
Lthat, hogy hiba hajtottuk vgre a csert, a clfggvny rtke, st
maga a program is vltozatlan maradt.
Mg javthat a program: x4 oszlopban vlaszthatunk generl elemet
B2
x4
u2
x1
z
u2
3
5
x2
3
4
x3
1
1
u1
1
1
0
1
30
10
0
30
Lehetsges megolds:
x2 = x3 = 0
x1 = 0, x4 = 30
u1 = u3 = 0, u2 = 10
z = 30
Ez egyben alternatv optimum is.

A b) esetre plda a kvetkez:
B0
u1
u2
u3
z
B1
x1
u2
u3
z
x1
1
3
4
4
u1
1
3
4
4
x2
3
1
1
1
x2
3
10
11
11
b
2
6
2
0
b
2
0
10
8
Generl elemet most csak az els

oszlopban tudunk vlasztani. Mivel
Azonban 2:1 s 6:3 egyenl, ezrt 1
s 3 is vlaszthat generl elemnek.
Ezrt brmelyiket is vlasztjuk generl elemnek a kvetkez tblzat b
oszlopban megjelenik a nulla. s ez
valban degenerlt programot szolgltat.
A degenerci csak a gpi szmtsoknl jelent komoly problmt, mert a

gp ellenttben a gondolkod emberrel nem veszi szre, hogy gyakorlatilag nem is vgez tnyleges munkt, hanem csak egy meghatrozott ciklust ismtel. Termszetesen a degenerci gpi szmtsok esetn is megoldott.
Vissza
35
Opercikutats
Lineris programozs
Vissza
36
2.5.2. Mdostott normlfeladat megoldsa
A 1.3.4. pontban megfogalmaztuk ezt a feladattpust. Mtrix- s vektorszimblumokkal gy rhat le:

a)
b)
c)
A feladat kanonikus formja:
x 0, b1 0, b2 0
A1 x = b1
A2 x b2
z = cT x max
x 0, b1 0, b2 0
A 1 x + u 1* = b1 = b1
A2 x + u2 = b2
c)
z = cT x max
Ebbl a formbl ltszik, hogy az u 1* vektornak egyenlnek kell lenni a
nullvektorral.
rjuk fel a normlfeladatnl megszokott szimplex indul tblzatot:
a)
b)
xT
A1
b1
u 1*
u2
A2
b2
T
z
c
0
A normlfeladatnl mr itt leolvashat volt egy lehetsges bzismegolds.
Most nem, mert itt az olvashat le, hogy u 1* = b1, holott u 1* = 0 a kvetelmny. Teht elszr azt kell megvizsglni, hogy az L lehetsges megoldsok halmaza nem res-e, azaz van-e egyltaln lehetsges megolds.
Megfelel bzistranszformcival gy kell talaktani a tblzatot, hogy a
csillaggal jellt vltozk kikerljenek a bzisbl (ekkor rtkk nulla lesz).
Ha ez nem sikerl, akkor a feladatnak nincs megoldsa.
Clul tzzk ki, hogy a felttelek kztt szerepl egyenletek teljesljenek, azaz 1T A1 x = 1T b1 teljesljn. (1T az sszegz vektor.) Ezrt
egy gynevezett msodlagos clfggvnyt vezetnk be s ennek teljeslst
vizsgljuk. gy a feladatot visszavezetjk normlfeladatra.
B0
Vissza
36
Opercikutats
Lineris programozs
Vissza
37
Az indul szimplex tblzat gy mdosul:

xT
A1
b1
u 1*
u2
A2
b2
T
z
c
0
z*
1T . A1
1 T . b1
Az utols sor a msodlagos clfggvny egytthatit tartalmazza. Ha a
msodlagos clfggvny szerint vgezzk a szmtst s csillaggal jellt
vltozk kikerlnek a bzisbl (rtkk nullv vlik), valamint az utols
sor sszes eleme 0 lesz, akkor a feladatnak van lehetsges megoldsa. Ezutn mr az elsdleges clfggvny szerint vgezzk a szmtst.
Oldjuk meg pldaknt a 1.3.4. pontban felrt feladatot:
B0
x 1, x 2, x 3 0
2x1 x2
10
x1
+ x3 = 18
x2 2x3 = 20
c)
z = 2x1 x2 + 5x3 max
Msodlagos clfggvny a kt egyenlet sszege lesz, azaz
a)
b)
x1 + x2 x3 = 38
Az indul tblzat:
B0
u1
u *2
u *3
x1
2
1
0
x2
1
0
1
x3
0
1
2
b
10
18
20
z
2
1
5
0
z*
1
1
1
38
Generl elemet a msodlagos clfggvny szerint a csillaggal jelzett vltozk sorban a szk keresztmetszet mentn vlasztunk. (Ezzel elrjk,
hogy az u*-ok rtke nulla, a vltozk rtke pozitv lesz.)
Generl elemet az x1 s x2 oszlopban vlaszthatnnk. Ha x1 oszlopban vlasztunk, akkor a szk keresztmetszet
10 : 2 = 5
18 : 1 = 18
Vissza
37
Opercikutats
Lineris programozs
Vissza
38
az u1 sorban van. gy nem a csillagos vltozk kerlnek ki a bzisbl. gy

nem kerlnnk kzelebb egy lehetsges megoldshoz. Ezrt prblkozzunk az x2 oszlopban: Itt csak az u3* sorban van pozitv elem, ezrt 1
lesz a generl elem. (Ha itt sem talltunk volna generl elemet, akkor a
harmadik oszlopban vizsgldunk, ha ott sem tallnnk a szk keresztmetszetet a *-os sorban, akkor a feladatnak nem lenne lehetsges megoldsa sem!)
B1
x1
u1
2
1
0
2
1
u *2
x2
z
z*
B2
x1
u *3
u *3
x3
2
1
2
3
1
30
18
20
20
18
b
u *2
Az x2 s u *3 helyet cserl. Hagyjuk resen u *3 oszlopt, hogy ne tudjunk a

kvetkez lpsben itt generl elemet
vlasztani. (Ha nem gy tennnk, viszszajhetne a bzisba!)
u1
4
66
x3
1
18
x2
2
56
z 1
34
z*
0
0
*
*
Lthatjuk, hogy u 2 = u 3 = 0 s az utols sor minden eleme nulla. Teht a
feladatnak van lehetsges bzismegoldsa, amely a tblzatbl leolvashat:
x1 = 0
x2 = 56
x3 = 18
u *3 = 0
u1 = 66
z = 34
*
u2 = 0
Ez egyben optimlis megoldsa is a feladatnak, mert a z sorban mr nincs
pozitv szm.
Ez a program az eredeti feladat feltteleit kielgti.
sszefoglalva az elmondottakat a megolds technikja a kvetkez:
1. Az indultblzatot kibvtjk az egyenletekbl szerkesztett msodlagos
clfggvnnyel, bevezetjk a csillagos jellst az egyenletek sorban.
2. Generl elem vlaszts:
msodlagos clfggvny eleme felett vlasztunk

pozitv szmot
a szk keresztmetszet mellett
csak a csillagos sorokban
Vissza
38
Opercikutats
Lineris programozs
Vissza
39
a kicserlt u* oszlopot elhagyjuk.

3. Ha msodlagos clfggvny elemei mind nullk, akkor a feladat egy lehetsges bzismegoldsa olvashat le a tblzatrl.
4. Ezt a lehetsges bzismegoldst javtjuk az elsdleges clfggvny szerint.
5. Nincs optimlis megoldsa a feladatnak, ha
nincs lehetsges bzismegolds (a csillagos sorok nem cserlhetk ki)

az elsdleges clfggvny nem korltos.
2.5.3. Az ltalnos feladat megoldsa
Az ltalnos feladatot knnyen talakthatjuk mdostott normlfeladatt.

Ugyanis az
x0
A1 x b1 0
A2 x = b2 0
A3 x b3 0
c) z = cT x max
feladat A3 x b3 egyenltlensge egy v3 0 tbbletvltoz bevezetsvel
egyenlett alakthat:
a)
b)
A3 x v3 = b3
gy mr mdostott normlfeladatt alakult a feladat.
Oldjuk meg a kvetkez ltalnos feladatot.
a)
b)
x 1,
x 2, x 3 0
x2 + x3 160
x1 + x2 + x3 = 100
x1 + x2 + x3 180
c)
z = 2x1 + 6x2 + 2x3 max
Bevezetve a v3 0 segdvltozt, a feladat mdostott normlfeladat lesz:
x 2 + x3
160
x1 + x2 + x3
= 100
x1 + x2 + x3 v3 = 180
z = 2x1 + 6x2 + 2x3
max
z* =
2x2 + 2x3 v3 = 280
Vissza
39
Opercikutats
Lineris programozs
Vissza
40
Teht az indul tblzat:

B0
u1
u2*
x1
0
1
x2
1
1
x3
1
1
v3
0
0
b
160
100
u *3
180
z
z*
2
0
6
2
2
2
0
1
0
280
B1
x1
u *2
x3
v3
u1
x2
1
1
u *3
z
z*
B3
0
1
0
8
2
u *3
u *2
4
0
x3
u1
x2
x1
0
1
0
z
z*
B4
4
0
x3
u *3
u *2
0
0
1
60
100
80
0 600
1
80
v3
b
1
20
140
40
4 920
0
0
u1
b
v3
0
2
40
x2
1
1 160
x1
0
1
60
z
4
8 1080
Ez egyben optimlis megolds.
Itt mg nem olvashat le a feladatnak egy lehetsges megoldsa sem.
Lehetsges megolds:
x1 = 40
u1 = 20
x2 = 140
x3 = 0
z = 920
u *2 = 0
u *3 = 0
Lehetsges megolds:
x1 = 60
x2 = 160
x3 = 0
z = 1080
u *2 = u *3 = u1 = 0
v3 = 40
2.5.4. Minimumfeladatok megoldsa
Az elmondottak alapjn elvileg brmely lineris programozsi feladat

megoldhat, ha annak egyltaln van megoldsa. Ahhoz azonban, hogy
mdszernket alkalmazni tudjuk, gy kell tfogalmazni az adott feladatot,
hogy az eleget tegyen az albbi kt kvetelmnynek:
A feltteli egyenltlensgek jobb oldaln nemnegatv szm szerepeljen.
Vissza
40
Opercikutats
Lineris programozs
Vissza
41
Az optimumot a clfggvny maximuma jelentse.

Mivel brmely feladat talakthat e kt kvetelmnynek megfelelen,
ezrt mdszernket (a priml szimplex mdszert) valban alkalmazhatjuk
brmilyen lineris programozsi feladat megoldsra.
Pldaknt tekintsk a kvetkez feladatot:
x 1, x 2,
x3 0
x1 + x2 + x3 120
x1 + 2x2 + 2x3 60
c)
z = x1 4x2 x3 min
Knnyen talakthatjuk az eddig megismert maximumfeladatok valamelyikv. Felhasznlhatjuk azt a kzismert tnyt, hogy egy f(x) fggvny
minimuma ott van, ahol a f(x) fggvny maximuma, tovbb azt, hogy
a)
b)
min f(x) = max (f(x))

Teht a feladatunk gy alakthat t:
a)
x 1, x 2,
x3 0
b)
x1 + x2 + x3 120
x1 2x2 2x3 60
c)
z = x1 + 4x2 + x3 max
Most mr alkalmazhatjuk az eddigi szmtsi eljrsunkat. Ez egy ltalnos
maximumfeladat. Az indul szimplex tblzat bal als sarkban a z mnusz egyszerest rjuk, azaz z-t. gy a tblzat jobb als sarkban az eredeti
clfggvny eljelhelyes rtkt olvashatjuk le!
B0
u1
u 2*
x1
1
1
1
2
z
z*
B1
u1
1
1
u 2*
4
2
x2
x1
z
z*
B2
x2
x1
z
x2
x3
1
2
v2
0
1
b
120
60
1
2
x3
3
0
1
v2
1
0
60
b
60
2
2
0
u1
1/3
2/3
2/3
2
1
0
x3
1
0
3
1
1
0
v2
1/3
1/3
5/3
60
60
0
b
20
100
20
Vissza
41
Opercikutats
Lineris programozs
Vissza
Az optimlis program teht: x1 = 100

x2 = 20
x3 = 0
z = 20
42
u1 = 0
u2* = 0
v2 = 0
2.5.5. Korltozott vltozj feladatok
A gazdasgi feladatok lineris programozsi modelljben gyakran vannak

olyan korltozsok, amelyek egyetlen vltozra vonatkoznak. Ha pl. xi
jelenti az i-edik termkbl gyrtand darabszmot, akkor elrhatjk, hogy
ebbl a termkbl legalbb ki darabot kell gyrtani (hiszen mr szerzdst
ktttnk ennyi darabra). Ekkor azt mondjuk a ki az xi vltoz als korltja. Ezt a felttelt
x i ki
formban rhatjuk fel.
Ha pedig tudja az opercikutatsi osztly, hogy az i-edik termkbl
legfeljebb fi darabot tud a piacon rtkesteni, akkor ennek a felttelnek a
matematikai formja
xi fi
s azt mondjuk, hogy fi az xi vltoz fels korltja.
Ha a feladatban szerepl vltozk legalbb egyiknek van als korltja
a szoksos nem negatvitsi felttelt biztost xi 0 korlton kvl ,
akkor alulrl korltozott vltozj vagy als korltos lineris programozsi feladatrl beszlnk. Ennek mtrix-vektor szimblumokkal kifejezett alakja:
x0
Axb
xk
z = cT x max,
ahol k vektor elemei a vltozk als korltjai. Az eddigi ismereteink alapjn ezen feladatok is megoldhatk a szimplex mdszerrel. A problmt
csak az okozza, hogy a relci miatt a szimplex tblzatba be kell rni a
u-os sorokat s be kell vezetni az als korltok mindegyikhez egy v eltrsvltozt. Ez azonban nagymrtkben megnveli a tblzat mrett s a
szmtst is nehezebb teszi. Mg a szmtgpes megoldsnl is elnys,
Vissza
42
Opercikutats
Lineris programozs
Vissza
43
ha kisebb modellt kell kezelni. Ezrt igen elnys lenne, ha az egyedi korltok nem nvelnk a sorokat s az oszlopokat sem.
Nzzk a matematikai modellt. Vezessk be egy y 0 vektort gy,
hogy az x k egyenltlensget egyenlett alaktsa a kvetkezkppen:
x=y+k
Ezt rjuk be a modell x vltozja helybe.

Ekkor kapjuk:
A( y + k ) b
y+kk
z = c T ( y + k ) max,
a kijellt szorzsok elvgzse s a rendezs utn a kvetkez rendszert

kapjuk:
Ay b A k
y0
z = c T y + c T k max,
Mivel c T k egy skalr szorzat s elemei konstansok, ezrt ez egy szm lesz.
Hasonl okok miatt az A k szorzat egy konstans elemeket tartalmaz
vektor. Ezrt a szimplex mdszernl megszokott formba rhatjuk a modellt, ha b' = b A k s z ' = c T y jellst alkalmazzuk:
A y b'
y0
z' = c T y max,
Ennek a megoldsa a mr jl ismert szimplex mdszerrel elllthat.

Ha ennek a modellnek az optimlis megoldsa y 0 , akkor az eredeti
feladat optimlis megoldsa az x 0 = y 0 + k s z 0 = c T x 0 lesz.
Lthat, hogy az alulrl korltozott vltozj feladatnak s az talaktott feladat felttelrendszerben ugyanaz az A mtrix szerepel s a cl-
Vissza
43
Opercikutats
Lineris programozs
Vissza
44
fggvnyben szerepl cT vektor is azonosak. gy nem nvekedett az indul tblzat mrete.

Az elmondottak illusztrlsra nzzk a kvetkez feladatot:
x1
x1
x1
+4 x 2
3x 2
+ 2x 2
+x 3
+2 x 4
+ x4
+ x4
+ x3
+ 2x 5
+ x5
+ x5
=
=
90
50
60
80
x1
x2
40
0
x3
x4
x5
20
2
0
z = 80x1 + 60x2 + 20x3 + 100x4 + 20x5 max

Az elmondottak szerint a vltozk als korltait tartalmaz vektor
40
0

k = 20

2
0
1
0
Az A k =
1
40
4 1 2 0 64
0
3 0 1 2 2
,
20 =
2 0 1 1 42

2
0 1 0 1 60
0
40
0

illetve c T k = [80 60 20 100 20] 20 = 3800

2
0
Vissza
44
Opercikutats
Lineris programozs
Vissza
45
gy a megoldand modell:
y1
y1
y1
z' = 80 y 1
+4 y 2
3y 2
+ 2y 2
+ 60 y 2
+y 3
+ y3
+ 20 y 3
+2 y 4
+ y4
+ y4
+ 2y 5
+ y5
26
48
= 18
+ 100 y 4
+ y5
+ 20 y 5
= 20
max
A feladat optimlis megoldsa

15
0

y = 5 ; z ,0 = 1600
0

3
0
Az eredeti feladat optimlis megoldsa x 0 = y 0 + k szerint pedig:

15 40 55
0 0 0

x 0 = 5 + 20 = 25

3 2 5
0 0 0
Valban kielgti az eredeti feladat feltteleit s

z 0 = z "0 + c T k = 1600 + 3800 = 5400
A fellrl korltozott vltozj lineris programozsi feladatok minden

nehzsg nlkl megoldhatk a tanult szimplex mdszerrel, csupn az
egyedi felttelek bvtik a tblzat sorait, de az oszlopait nem. gy nem
okoz akkora mretvltozst.
2.6. A lineris programozsi feladatok
megoldsnak logikai smja
A 1.5. rszben elmondottakat sszefoglal s a lineris programozsi feladatok megoldshoz tmutatst ad folyamatbra lthat a 1.6.1. brn.
A jellsek megegyeznek a 1.5. pontban hasznlt jellsekkel, ezrt e fejezetet ttanulmnyoznak igen rtkes segtsget nyjt a lineris programozsi feladatok megoldsa folyamatban.
Vissza
45
Opercikutats
Lineris programozs
Vissza
46
Vissza
46
1.6.1 bra
Opercikutats
Lineris programozs
Vissza
47
2.7. A szimplex mdszer vltozatai

A szimplex mdszer ngy alapmveletre pl s jl algoritmizlhat. A
most trgyalt mdszer az n. priml szimplex mdszer. Az alapmveletek szma a feladat mrettl, az adatsrsgtl (a mtrix nulltl klnbz adatainak az sszes adathoz mrt arnytl), az egyenletek s egyenltlensgek megoszlstl fgg.
A lineris programozsi feladatok egyes tpusai kedvezbb mveleti rfordtssal oldhatk meg a kvetkez szimplex mdszerekkel:
Dul szimplex algoritmus
Korltozott vltozs szimplex algoritmus
Mdostott szimplex algoritmus
Az rdekldk a jegyzet vgn tallhat irodalmakban megtallhatjk ezen
mdszerek trgyalst.
Vissza
47
Opercikutats
Dualits
Vissza
48
3. Dualits
3.1. Dualits fogalma
A lineris programozsi feladatoknl mind elmleti, mind gyakorlati szempontbl nagy jelentsge van a dualits elvnek. Ez azt jelenti, hogy
ugyanazon az adathalmazon kt feladatot rtelmezhetnk. Minden lineris
programozsi feladathoz hozzrendelnk bizonyos szably szerint egy
msik lineris programozsi feladatot, amelyet a kiindulsi feladat
duljnak neveznk.
Definci: Az
x 0
y0
T
A yc
Ax b
T
f(x)= c x max
s az
g(y)=bTy min
feladatok egymsnak duljai. A kiindul feladatot priml, a belle
szrmaztatott feladatot dul feladatnak nevezzk. A maximumfeladat
kanonikus alakja Ax + u = b, a minimumfeladat pedig ATy w = c.
A dul feladat vltozinak szma a priml feladat feltteleinek szmval, a
feltteli egyenleteinek szma a priml vltozk szmval egyezik meg. A
priml feladatban szerepl relcik helyett a dulban relcik szerepelnek. A dul feladat egytthat mtrixa megegyezik a priml feladat
egytthat mtrixnak transzponltjval.
A dul feladat megismerse szmos elnnyel jr:
felhasznlhat a priml feladatok optimlis megoldsnak meghatrozsra
fontos gazdasgi jelentst hordoz az optimlis megoldsa
3.1.1. Egy termelsprogramozsi feladat duljnak gazdasgi
rtelmezse
Nzzk az 1.2.1. pontban felvetett problmt: adott kapacitsok mellett a

legnagyobb hozamot biztost termelsszerkezetet kellett meghatrozni.
Ez a kvetkez feladathoz vezetett:
Vissza
48
Opercikutats
Dualits
Vissza
49
2x1 + 4x2 160

3x1 + 2x2 120
2x1
60
f(x) = 60x1 + 80x2 max
A feladattal kapcsolatban felmerlhet az a krds: mennyit r a vllalatnak
az erforrsok egysgnyi mennyisge, vagy mskppen fogalmazva, ha
valaki (pl. kls termeltet) az erforrsokat le akarn ktni, vagy meg
akarn vsrolni, akkor milyen rajnlatot ksztsnk. Ha az erforrsok
egysgrt rendre y1, y2, y3 jelljk, akkor a vsrlnak a
g(y)= 160y1 + 120y2 + 60y3
fggvny rtknek cskkentsre kell trekedni. Msrsz, az elad azt
tartja szem eltt, hogy az egyes termkekhez felhasznlt erforrsok sszrtke nem lehet kisebb, mint a szban forg termk ra, mert akkor nem
ri meg eladni az erforrst, azaz:
2y1 + 3y2 + 2y3 60
4y1 + 2y2
80
korltozza az elads-vtel szndkot.
gy az eredeti feladat dulja:
y1 ,
y2,
y3,
2y 1
4y1
g (y ) = 160 y 1
+ 3y 2
+ 2y 2
+ 120 y 2
+ 2y 3
+ 60 y 3
60
80
min
3.1.2. Plda minimumfeladat duljra
Nzzk az 1.2.2. pldban ismertetett takarmnyadag problmt. Tegyk

fel, hogy a szmba vett 3 tpanyag rtkestsvel egy msik cg (versenytrs) foglalkozik. Tudja, hogy annyi tpanyagot tud eladni (naponta s
llatonknt) amennyi a takarmnyadagban elrtan benne van. Ha a tpanyagok egysgrt rendre y1, y2, y3 jelenti, akkor a cg clfggvnye
g(y)=36y1+8y2+12y3 max lesz. (Az rtkestett tpanyagok rainak szszege maximlis legyen). Az rak azonban olyanok lehetnek csak, hogy az
ezen tpanyagokbl kszlt takarmnyadagok ne kerljenek tbbe, mint
Vissza
49
Opercikutats
Dualits
Vissza
50
az 1.2.2. feladatban meghatrozott eladsi ra. Vagyis teljeslni kell a kvetkez feltteleknek:
12y1 + y2 + y3 40
2y1 + y2 + 3y3 80
Ez a feladat az eredeti feladat dulja.
Mtrix-vektor szimblumokkal felrva a problma:
a priml feladat
s
a dul feladat
x0
y0
T
Ax b
A yc
f(x) = cT x min
g(y) = bT y max
Matematikai szempontbl teljesen mindegy, hogy melyik a priml s melyik a dul feladat. (Gazdasgi szempontbl persze nem mindegy).
3.2. A dualits felhasznlhat elnyei
3.2.1. Minimumfeladatok megoldsa
Egy minimumfeladat dulprja egy maximumfeladat. Ezt felhasznlva

bizonyos minimumfeladat tpus knnyebben megoldhat a dul prjn
keresztl, mint a 1.5.4. pontban ismertetett mdon.
Nzznk erre egy pldt:
dulja:
u1,
u2,
u3, u4 0
2u1 + u2 + u3
5
u1 + u2
+ u4 4
x 1, x 2 0
a)
2x1 + x2 10
b)
x 1 + x2 7
x1
2
x2 4
c) z = 5x1 + 4x2 min
c) z = 10 u1 + 7u2 + 2u3 + 4u4 max
Ha a 1.5.4 pontban ismertetett megoldst alkalmaznnk a minimumfeladat
megoldsra, akkor mg be kellene vezetni a v tbblet vltozkat s a msodlagos clfggvnyt. gy 6 sorbl s 6 oszlopbl ll tblzatot kapnnk.
Ha a duljn keresztl oldjuk meg, akkor a 3x5 tblzatot kapunk csak.
Nzzk a megolds lpseit:
a)
b)
B0
x1
x2
z
u1
2
1
10
u2
1
1
7
u3
1
0
2
u4
0
1
4
5
4
0
Vissza
50
Opercikutats
Dualits
B1
x1
u1
x2
z
5
B2
x1
u1
1
u2
1
z
3
A B2 tblzatbl leolvashat
sa:
u2
2
x2
1
2
4
mind a
Vissza
51
u3
u4
5
0
2
3
1
2
3
4
25
u3
u4
1
1
1
1
2
3
1
0
31
priml, mind a dul feladat megold-
A priml feladat vltozinak rtke a z sor rtkeinek 1-szerese.

A dul feladat vltozinak rtke az utols oszlopban olvashat.
Priml feladat megoldsa:
x1 = 3
x2 = 4
Dul feladat megoldsa:
y1 = 1
y2 = 3
y3 = 0
y4 = 0
Hinyvltozk
u1 = 0, u2 = 0, u3 = 1, u4 = 0
zmin = 3l
zmax = 31
3.2.2. A dul gazdasgi jelentse
Ngy termket lltsunk el ngy erforrs felhasznlsval. Az egybknt

norml maximumfeladat alapadatai a kvetkez szoksos tblzatban lthat.
B0
x1
x2
x3
x4
b
u1
1
1
0
1
120
u2
0
1
1
1
80
u3
1
1
1
0
50
u4
1
0
1
0
60
z
12
12
10
8
0
A harmadik bzistranszformci utn a kvetkez tblzatot kaptuk:
B3
x4
x3
x1
u4
z
u3
x2
u2
u1
b
75
5
45
10
1190
Vissza
51
Opercikutats
Dualits
Vissza
52
A tblzat bels elemei nem hordoznak most informcit, ezrt nem rtuk
ki! A tblzat utols sorban negatv szmok, az utols oszlopban pedig
nemnegatv szmok vannak, teht leolvashat mind a priml mind a dul
feladat optimlis megoldsa:
Priml feladat optimlis megoldsa:
x0T=[45, 0, 5, 75] s uT=[0, 0, 0, 10] z0 = 1190.
Dul feladat optimlis megoldsa:
y0T= [5, 3, 7, 0] s wT = [0, 3, 0, 0] z0 = 1190.
Definci: A dul feladat optimlis megoldsnak komponenseit az erforrsok elszmolhat rnak, vagy rnykrnak nevezzk.
A szmtgpes programcsomagok egy rsze rnykr helyett a dul r
(dual price) elnevezst hasznlja.
Az rnykr vagy dul r gazdasgi jelentse:
Az i-edik felttel (az i-edik erforrs) dul ra (rnykra) megmutatja,
hogy mennyivel javul (maximum feladat esetn n, minimum feladat esetn cskken) az optimlis clfggvny rtke, ha bi egy egysgnyivel n.
A feladat gazdasgi rtkels:
Az els erforrs rnykra 5 forint. Ez azt jelenti, ha 1 egysggel
nvelnnk az els erforrs kapacitst, akkor a clfggvny rtke 5 forinttal nvekedne. Ha van a kapacits bvtsre lehetsg
s annak ra kisebb mint 5 forint, akkor azt rdemes bvteni,
mert a clfggvny nvekmnye nagyobb a kltsgnl.
Ugyanez mondhat el a 2. s a 3. erforrsrl (ez a y 0T vektor
komponenseibl olvashat ki).
A 4. erforrs rnyk ra 0, teht bvtse nem nveli a clfggvny rtkt.
Az egyes termkek fajlagos nkltsgt megkapjuk, ha az erforrsok rnykrainak vektort szorozzuk az A technolgiai mtrixszal.
1
0
[5 3 7 0]
1
1 0 1
1 1 1
= [12, 15, 10, 8]
1 1 0
0 1 0
Vissza
52
Opercikutats
Dualits
Vissza
53
Lthat, hogy az x2 termk fajlagos nkltsge 15 forint, nagyobb, mint a

modellben adott hozama (12), ezrt nem is szerepel az optimlis megoldsban.
Az erforrsok rnykrai a kvetkez fontos informcit adjk:
Ha a termk rnykron szmolt nkltsge nagyobb, mint a hozama, nem szerepel az optimlis programban
Az optimlis megoldsban szerepl termk rnykron mrt rfordtsa egyenl a hozammal.
Erforrskszlet rnykron szmolt sszrtke egyenl az optimlis megolds clfggvny rtkvel:
120
80
[5 3 7 0] = 1190 Ft.
50

60
3.3. Egyenletet tartalmaz feladat dulja

Eddig a dulis feladatprt olyan feladatokra fogalmaztuk meg, ahol vagy
csak (maximum feladat eset) vagy csak a (minimum feladat eset),
relcik fordultak el. Ha egyenlsg fordul el, pldul
3x1 + 5x2 7x3 = 8, akkor ezt helyettesthetjk kt egyenltlensgi felttellel a kvetkezkppen: 3x1 + 5x2 7x3 8 illetve 3x1 + 5x2 7x3 8.
Szorozzuk meg 1-gyel az els formt, kapjuk 3x1 5x2 + 7x3 8. gy
mr csak relci fordul el, amely minimum feladatok esetn elnys.
Az elmondottakat szemlltessk a kvetkez pldn:
rjuk fel az albbi feladat duljt gy, hogy minden dulis vltozra is
fennlljon a nemnegativitsi felttel!
x1 ,
x1
2x 1
x1
z = 6x 1
x2 ,
+ 5x 2
+ x2
+ 3x 2
+ 8x 2
x3 ,
x3
+ 4x 3
x3
+ x3
x4
+ 2x 4
x4
+ x4
+ 7x 4
8
= 10
12
min
Alkalmazzuk az elmondottakat:
Vissza
53
Opercikutats
Dualits
Vissza
x 1
2x 1
2x 1
5x 2
x2
+ x2
+x 3
4x3
+ 4x 3
2 x 4
+ x4
x4
x1
z = 6x 1
+ 3x 2
+ 8x 2
x3
+ x3
+ x4
+ 7x 4
12
min
54
8
10
10
gy a modellnk egy ltalnos minimum feladat lett, amelynek a dulprja

egy norml maximum feladat:
u1 ,
u2 ,
u3 ,
u4
u1
2u 2
+ 2u 3
+ u4
5u 1
u2
+ u3
+ 3u 4
u1
4u 2
+ 4u 3
u4
2u 1
z = 8 u 1
+ u2
10 u 2
u3
+ 10 u 3
+ u4
+ 12 u 4
7
max
gy mr egy norml maximum feladatot kell megoldani!

3.4. Dualitssal kapcsolatos ttelek
A lineris programozsi feladatok indul szimplex tblzata nemcsak a
priml, hanem egyttal a dul feladat sszes adatt is tartalmazza.
xT
u
A
c
A tovbbiakban be fogjuk ltni, hogy ugyanannak az eljrsnak a keretben alakul ki mind a priml, mind a dul feladatnak a megoldsa. Ha megtalltuk a priml feladat optimumt, akkor mr ismert dulisnak is az
optimuma.
Tegyk fel, hogy elemi transzformcik sorozatval sikerlt a priml
feladat bzist alkot els r darab vektort (jelen esetben a r darab egysgvektort) kicserlni az els r darab priml vltoznak megfelel vektorral.
Az gy kapott tblt mtrix algebrai jellsekkel, ttekinthet formban
csak akkor tudjuk felrni, ha magt az indul tblt az albbi partcionlt
formban adjuk meg.
Vissza
54
Opercikutats
Dualits
x 1T
x 2T
u1
A 11
A 12
b1
u2
A 21
A 22
b2
c 1T
c 2T
Vissza
55
Az A11 mtrixblokk a transzformcinak megfelelen rr tpus

nemszingulris mtrix, mert a jelzett transzformci csak gy hajthat vgre.
A tblzatban szerepl tbbi mtrixblokk s vektor tpusa ennek megfelelen rtend. A tblzat jobb als sarkba zrust rtunk. Ennek jelentsvel a ksbbiekben foglalkozunk. Most mr fel tudjuk rni a transzformci
kvetkeztben
megvltozott
szimplex
tblt
(Bzistranszformcit alkalmazva A11 generl elem reciproka A 111 .):
x1
u2
u 1T
1
A 11
1
A 21 A 11
1
c 1T A 11
x 2T
1
A 11
A 12
1
A 22 A 21 A 11
A 12
1
c 2T c 1T A 11
A 12
1
A 11
b1
1
b 2 A 21 A 11
b1
1
c 1T A 11
b1
Ezen tbla alapjn kimondhatjuk a kvetkez hrom ttelt:

1. Ttel: Ha a tbla utols oszlopban nincs negatv elem, akkor az
1
x1= A 11
b 1 vektor a priml feladatnak egy megvalsthat megoldsa,
amely mellett az els r darab felttel egyenlsg formjban teljesl s a
tbbi felttelnl a baloldal ppen annyival kevesebb a jobb oldalon ll
1
mennyisgnl, mint amennyit a b 2 A 21 A 11
b 1 vektor megfelel komponense mutat.
Bizonyts:
Mivel a tbla utols oszlopban nincs negatv elem a felttel szerint

ezrt
1
A 11
b1 0 , amibl kvetkezik x 1 0.
Most mg azt kell bizonytani, hogy x 1 eleget tesz az A x 1 = b felttelnek

is. Az A mtrixot partcionlt alakba rva, valamint felhasznlva a
1
b 2 A 21 A 11
b1 0 egyenltlensget, kapjuk:
Vissza
55
Opercikutats
Dualits
A 11
Ax1 =
A 21
Vissza
56
1
b1
A 12 A 11
b1
b1
=b
=
1
A 22 0 A 21 A 11 b 1 b 2
Ezzel a ttelt bizonytottuk.

Lthat az is, hogy az els r darab felttel egyenlsg formjban teljesl.
Az x1 lehetsges megoldsnl a clfggvny rtke pedig:
A 1 b
1
c T x 1 = c 1T , c 2T 11 1 = c 1T A 11
b1
0
Ez a kifejezs is megtallhat a tblzatban, mgpedig a tblzat jobb als

sarkban ellenkez eljellel. Most mr azt is megmondhatjuk, hogy az
indul tblnl a jobb als sarokba azrt rtunk zrust, mert ehhez a tblhoz tartoz lehetsges programnl a clfggvny rtke zrus.
Lthat teht, hogyha egy szimplex tbla utols oszlopban nincs negatv elem,
akkor az a priml feladatnak mindig egy lehetsges megoldst adja, melyet a
lineris algebrban tanult egyenletrendszerek megoldshoz hasonlan
olvasunk le a tblbl. Azon xi vltozk rtke, melyeknek megfelel oszlopvektorok bekerltek a bzisba, megegyezik a tbla utols oszlopnak i-edik elemvel, mg a
tbbi vltoz rtke zrus.
2. Ttel: Ha a tbla utols sorban nincs pozitv elem, akkor az
1
u 1T = c 1T A 11
, 0 T vektor a dulis feladat egy megvalsthat megoldsa,
amely mellett az els r darab felttel egyenlsg formjban teljesl, mg a
tbbi egyenltlensgben a bal oldal ppen annyival nagyobb a jobb oldal1
nl, mint amennyit a c 1T A 11
A 12 c 2T vektor megfelel komponense mutat.
Bizonyts:
A bizonytst az elbbi ttelhez hasonlan vgezzk el. Vagyis bizonytanunk kell egyrszt azt, hogy u 1T 0 T , msrszt u 1T A = c T . Mivel a tbla
utols sorban nincs pozitv elem, azrt
1
c 1T A 11
0
amibl kvetkezik
1
c 1T A 11
0
Vissza
56
Opercikutats
Dualits
Vissza
57
1
s gy u 1T 0 . A felttel rtelmben c 2T c 1T A 11
A 12 0 amibl kvetkezik:
1
c 2T c 1T A 11
A 12 .
Ennek alapjn rhatjuk:
A 11
1
u 1T A = c 1T A 11
,0
A 21
] [
A 12
1
= c 1T ,c 1T A 11
A 12 c 1T , c 2T = c T
A 22
Ezzel a ttelt bizonytottuk.

A tblhoz tartoz lehetsges dulis megolds itt is leolvashat a tblbl.
A bzisbl kikerlt uj eltrs vltozk, jelen esetben dulis vltozk rtke megegyezik a tbla utols sornak j-edik elemnek ellenkez eljellel vett rtkvel, mg a
tbbi dulis vltoz rtke zrus.
Ehhez az u 1 lehetsges megoldshoz tartoz clfggvny rtk:
b
1
1
u 1T b = c 1T A 11
b 1 ,0 T 1 = c 1T A 11
b1
b 2
3. Ttel: Ha a tbla utols oszlopban nincs negatv elem s az utols

1
A 11
b1
a priml s az
0
sorban nincs pozitv elem, akkor az x 0 =
1
u 0T = c 1T A 11
, 0T
a dul feladat optimlis megoldsa, melyekhez tartoz
1
clfggvnyrtkek azonosak, azaz max c T x 0 = min u 0T b = c 1T A 11
b1 .
Bizonyts:
Az 1. ttel rtelmben az x 0 a priml feladatnak, a 2. ttel rtelmben az

u 0T a dul feladatnak egy megvalsthat megoldsa. Teht csak azt kell
bizonytani, hogy mind a kett optimlis megolds.
Legyen
y
y = 1
y 2
a priml feladat egy tetszleges megoldsa.

Ehhez a megoldshoz tartoz priml feladat clfggvny rtke:
Vissza
57
Opercikutats
Dualits
Vissza
58
y
z = c T y = c 1T ,c 2T 1 = c 1T y +c 2T y .
1
2
y
2
1
Mivel y 1 0 s c 2T c 1T A 11
A 12 , azrt fennll a kvetkez egyenltlensg
sorozat:
1
z = c 1T y + c 2T y c 1T y + c 1T A 11
A 12 y =
1
1
= c 1T A 11
A 11 y + A 12 y c 1T A 11
b1 = z 0 .
Teht bebizonytottuk, hogy a priml feladat brmely y , lehetsges megoldshoz tartoz clfggvnyrtk nem nagyobb, mint az x 0 megoldshoz
tartoz clfggvnyrtk, amibl kvetkezik, hogy x 0 valban optimlis
megoldsa a priml feladatnak.
Hasonlan bizonytjuk, hogy az adott felttelek mellett u 0T a dul feladat optimlis megoldsa. Legyen t T = t 1T , t 2T a dul feladat egy tetszleges megvalsthat megoldsa. A hozztartoz clfggvnyrtk:
b
g( t ) = t T b = t 1T ,t 2T 1 = t 1T b1 +t 2T b 2 .
b 2
1
Mivel t T 0 T s b 2 A 21 A 11
b1 , azrt fennll a kvetkez egyenltlensg
sorozat:
1
g( u ) = t 1T b 1 + t 2T b 2 t 1T b 1 + t 2T A 21 A 11
b1 =
[t
T
1 A 11
1
1
+ t 2T A 21 A 11
b 1 c 1T A 11
b 1 = g( u 0 ) .
A ttelt ezzel bizonytottuk.

Az is lthat, hogy a priml s dul feladat optimlis megoldshoz
tartoz clfggvnyrtkek egyenlk, azaz
z 0 = g( u 0 ) .
A most bebizonytott 3 ttel alapjn belthat az n. dualits ttel:

Ha a priml s dul feladatok kzl valamelyiknek van megvalsthat
megoldsa s vges optimuma, akkor a msiknak is van megvalsthat
Vissza
58
Opercikutats
Dualits
Vissza
59
megoldsa s vges optimuma, tovbb a kt feladat optimum rtkei

egyenlk.
A 3. ttelbl kvetkezik, hogy amennyiben a feladatpr brmelyiknek van
optimlis megoldsa (ez csak vges lehet), akkor a dulisnak is van. Hiszen a feladatpr brmelyiknek optimalizlshoz az szksges, hogy a
tblban kt olyan lehetsges megolds szerepeljen, amely megfelel az els
kt ttel alatti feltteleknek. Ugyancsak a 3. ttelbl kvetkezik, hogy a kt
feladat optimum rtkei egyenlk.
4. Ttel: Amennyiben mind a priml, mind a dul feladatnak van megvalsthat megoldsa s a megoldsoknak megfelel clfggvny rtk z,
illetve g, akkor z(x) g(u).
Bizonyts:
Legyen x a priml feladatnak, u a dul feladatnak egy tetszleges megol-
dsa. Ezek utn rhat:

A x b illetve u T A c T .
Szorozzuk meg a priml feladatra vonatkoz egyenltlensg mindkt oldalt balrl u T -vel s a dulra vonatkozt jobbrl x -vel, akkor
u T A x u T b illetve u T A x c T x .
Ezen kt egyenltlensg alapjn rhatjuk:

z = cT x uT b = g .
5. Ttel: Ha a priml feladat clfggvnye nem korltos az L halamazon,

akkor a dul feladatnak nincs megvalsthat megoldsa.
Bizonyts:
Ha z , akkor nincsen olyan g, melyre a fenti egyenltlensg teljeslne.

Mivel g a dul feladat megvalsthat megoldshoz tartoz
clfggvnyrtk s ez nem ltezik, gy nem ltezik lehetsges megolds
sem.
Az 5. ttellel kapcsolatban meg kell mondanunk, hogy ez a ttel nem
megfordthat. Ha ugyanis a feladatpr egyik oldalnak nincs megvalsthat megoldsa, akkor abbl mg nem kvetkezik, hogy a dulisnak van,
Vissza
59
Opercikutats
Dualits
Vissza
60
de a clfggvny ott nem korltos. Ugyanis, elfordulhat olyan eset, hogy

sem a priml, sem a dul feladatnak sincs megvalsthat megoldsa.
3.5. Egyenletet tartalmaz lineris programozsi
feladat dulja
Az eddigiek sorn a dulis feladatprt az ltalnos alak feladattal kapcsolatban fogalmaztuk meg. Vagyis, ha egy feladat dulist fel akartuk rni,
akkor azt elszr ltalnos alak feladatt kellett talaktani, amennyiben
eredetileg nem ilyen alak volt. Utna dulisnak felrsa mr nem okozott
nehzsget. Ezzel a mdszerrel minden feladat dulisa felrhat. Elnye
abban van, hogy a dulis vltozkra is ki kell ktni a nemnegativitsi felttelt. Van azonban htrnya is. Nzzk ugyanis a kvetkez lineris programozsi feladatot:
x0
Ax = b
z = c T x max
rjuk fel ennek a feladatnak a dulist. Elszr ltalnos alak feladatt kell
alaktanunk:
x0
Ax b
Ax b
z = c T x max .
Most mr fel tudjuk rni a dulist:
[u
T
T
1 ,u2
u 1T
]AA c
0 2T ,u 2T
0T
] b
g = u 1T , u 2T min
b
Vissza
60
Opercikutats
Dualits
Vissza
61
Ez a feladat gy is rhat:
[u
T
T
1 u2 A
u 1T 0 T ,u 2T
[u
T
1
cT
0T
u 2T b min
(Vegyk szre, hogy u 1 s u 2 elemeinek a szma egyenl.)

Ha az A mtrix mn tpus, akkor a dulis feladatban 2m szm dulis
vltoz szerepel. Vezessk be az u T = u 1T u 2T jellst. Ezzel a dulis feladat a kvetkez alak lesz:
uTA cT
u T b min
Itt azonban az u T vektorrl nem kthetjk ki a nem-negatvitst. A dulis

feladat ily mdon val felrsnl az elny az, hogy ebben a formban csak
m szm dulis vltoz szerepel s gy a felttelrendszer mrete cskken.
3.6. Gyakorl pldk
A dualitssal kapcsolatban elmondottakat gyakoroljuk a kvetkez pldkon!
3.6.1. Plda
Egy normlfeladat optimlis megoldst mutatja a kvetkez tblzat:

B2 x1
x2
u1
u3
x3
1
0
1
0
8
u2
3
1
0
1
18
x4
1
2
0
1
6
u4 1
1
1
0
2
z 12 4 17 10 196
Feladat:
a) rja fel a priml feladat optimlis megoldst a hinyvltozkkal egytt.
b) rja fel a dul feladat optimlis megoldst!
c) rja fel az eredeti feladat modelljt!
Vissza
61
Opercikutats
Dualits
Vissza
62
62
d) rja fel a dul feladatot!

e) rtkelje az erforrsokat!
f) rja fel a termkek rnykron szmolt nkltsgt!
Megolds:
a) x 0T = [0, 0, 8, 6] u T = [0, 18, 0, 2] z0 = 196
b) y T = [17, 0, 10, 0]
0
w T = [12, 4 , 0, 0] z0 = 196
c) a generl elemeket visszafel vlasztva:
B1 x 1
u1 1
u2 3
x4 1
u4 0
z 5
x2 x3 u3
0
1
0
8
1
0
1
18
2
0
1
6
1
1
0
10
4 17 10 60
B0 x1 x 2
u1 1 0
u2 2 1
u3 1 2
u4 0 1
z 15 16
c)
+x 3
x3
1
0
0
1
17
x4
0
8
1 12
1
6
0 10
10 0
x1
2x 1
x2
x4
8
12
x1
+ 2x 2
+ x4
z = 15x 1
x2
+ 16x 2
d) Dulfeladat:
+2 y 2
y1
+ x3
+ 17x 3
+y 3
y2
+ 2y 3
y2
+ 12 y 2
+ y3
+ 6y 3
y1
g = 8y 1
+ 10 x 4
+ y4
+ y4
+ 10 y 4
10
max
15
16
17
10
min
Vissza
Opercikutats
Dualits
Vissza
63
e) Az erforrsok rnykra a dul feladat optimlis megoldsnak komponensei. Teht, ha az els erforrs kapacitst 1 egysggel nveljk, azaz
9 lesz, akkor a clfggvny rtke 17 egysggel nvekszik. A msodik
erforrs rnykra 0, teht a kapacits nvelse nem mdostja a clfggvnyt stb.
f) A termkek nkltsge rnykron szmolva.
1 0
2 1
[17, 0, 10, 0]
1 2
0 1
0
0 1
= [27, 20, 17, 10]
0 1
1 0
1
Lthat, hogy az els s msodik vltoz azrt nem jelent meg az optimlis megoldsban, mert nkltsge nagyobb, mint a hozama.
3.6.2. Plda
Egy ltalnos lineris programozsi feladat megoldsa sorn az albbi tblzatot kaptuk:
B1
x3
u2
u
x1
3
4
x2
0
1
2
22
1
5
u
1
1
v1
1
1
6
8
1
11
1
11
2
66
Feladat:
a)
b)
c)
d)
e)
f)
rtkelje a tblzatot!
Olvasson le, vagy lltson el egy lehetsges megoldst, ha ltezik.
lltsa el a feladat optimlis megoldst.
rja fel a dul feladat optimlis megoldst.
rja fel az eredeti feladatot!
rja fel a dul feladatot!
Megjegyzs:
Ha a dul feladat megoldst is rtelmezni kvnjuk, akkor a * oszlopokat

is ki kell tlteni.
Megolds:
a) Mg nem olvashat le egy lehetsges megolds.
Vissza
63
Opercikutats
Dualits
Vissza
64
b) Vlasszunk generl elemet a v1 oszlopban!

B2
x1
x2
*u1
*u3
x3
1
1
0
1
8
u2
2
2
0
1
10
v1
2
1
1
1
2
z
0
6
0
11 88
c) Itt mr leolvashat a priml feladatra egy lehetsges megolds, amely
egyben optimlis is.
0
x 0 = 0 z 0 = 88. Alternatv optimum.
8
Ekkor a hinyvltozk: u = [0, 10, 0]T, v1=2.
d) A dulis feladat optimlis megoldsa:

0
y = 0 z 0 = 88. Degenerlt.
0
11
Ekkor a tbblet vltozk: w=[0, 6, 0]T.

A priml feladat egy msik optimlis megoldsa:
Vlasszunk generl elemet az x1 oszlopban!
B3
x3
x1
u2
0 ,5
0,5
x2
0
1
*u1
0
0
*u 3
0 ,5
0 ,5
b
3
5
v1
z
1
0
3
6
1
0
2
11
12
88
Priml megolds: x 02 = [5, 0, 3]T , zopt = 88, u = [0, 0, 0]T .

A dul feladat optimlis megoldsa:
y = [0, 0, 11]T , zopt = 88, w = [0, 6, 0]T .
0
e) Visszafel vlasztva generl elemeket kapjuk a kiindul tblzatot
x1
x 2
x 3
v 1
* u 1
3
0
1
1
6
u 2
1
1
1
0
2
* u 3
1
1
1
0
8
z
11
5
11
0
0
Vissza
64
Opercikutats
Dualits
Vissza
65
gy az eredeti feladat algebrai formja:

x1
x1
+ x2
+ x2
+x3
x3
+ x3
z = 11 x 1
+ 5x 2
+ 11 x 3
3x 1
2
8
max
A dulprja:
Rendezzk a relc jeleket a szokott formban:
x1 ,
3x 1
x1
x1
x1
g = 11x 1
x2 ,
x3
+ x2
+ x2
x2
+ 5x 2
x3
x3
+ x3
x3
+ 11x 3
8
8
max
Ekkor a dul feladat:

y1,
3y 1
y2 ,
+ y2
y2
y3,
+ y3
+ y3
y4
y4
y4
y1
g = 6 y 1
y2
+ 2y 2
+ y3
+ 8y 3
y4
8y 4
11
min
0
11
5
Ha y3 y4 = y helyettestst vgznk, akkor a dul feladat gy rhat fel:

y1 0, y2 0, y eljel ktetlen,
3y 1
+y 2
+y
11
y1
y2
y2
+y
+y
5
11
g = 6y 1
+ 2y 2
+ 8 y min
Vissza
65
Opercikutats
rzkenysgvizsglat
Vissza
66
4. rzkenysgvizsglat
Az opercikutatsi csoport munkja nem r vget az ltala megfogalmazott modell optimlis megoldsnak meghatrozsval. Gyakran tanulmnyozni kell azt is, milyen hatssal van a szimplex mdszerrel ellltott
optimlis megoldsra az, ha a modell paramterei (bi, cj s aij) klnbz lehetsges
rtkeket vesznek fel.
A gyakorlat azt mutatja, hogy mindig van nhny olyan paramter,
amelynek brmilyen rtelmes rtket adhatunk anlkl, hogy befolysoln
az optimlis megoldst. Lehetnek azonban olyan paramterek, amelyek
kismrtk vltozsa is egy j optimlis megoldshoz vezetnnek.
Az optimlis megolds vltozatlansga azt jelenti, hogy a bzisvltozk
tovbbra is bzisvltozk maradnak. Ez egy termelsprogramozsi feladatnl azt jelenti, hogy az eddig nem gyrtott termkeket tovbbra sem
gyrtjuk, mg a korbban az optimlis megoldsban szerepl termkeket
esetleg ms mennyisgben gyrtunk s a clfggvny rtke is vltozhat.
Klnsen figyelemremlt az a helyzet, ha a clfggvny rtke lnyegesen rosszabb lesz. Ezrt az rzkenysgvizsglat alapvet clja ezeknek a
klnsen rzkeny paramtereknek az azonostsa s a gyakorlat szmra
fontos rtkeinek feltrsa.
Definci: rzkenysgvizsglat olyan elemz eljrs, amely sorn felderthet, hogy milyen hatssal vannak az optimlis megoldsra a modell
paramtereinek (bi, cj s aij) rtkeiben bekvetkezett vltozsok.
Klnsen fontos ez a tevkenysg akkor, ha a modell egy jvbeni dnts megalapozst szolglja. Ekkor ugyanis csak becslt adatokkal lehet a
modellt szmszersteni. Gyakorlatban legtbbszr a kapacitsok s a clfggvny egytthati vltozsainak hatst kell vizsglni.
4.1. rzkenysgvizsglat lnyegnek
szemlltetse
Vizsgljuk meg a kvetkez lineris modell grafikus megoldst!
Vissza
66
Opercikutats
rzkenysgvizsglat
Vissza
x1
x2
140
2x 1
x2
40
100
60
x1
x2
z = 30 x 1
+ 50 x 2
67
max
A grafikus megolds a 3.1.1. brn lthat.

80
Optimlis megoldsa a D pontban van: x0 = s z0=5400.

60

3.1.1. bra
Vltoztassuk meg az els erforrs kapacitst!
Ez grafikusan azt jelenti, hogy az f1 egyenest nmagval prhuzamosan
eltoljuk. Ekkor az optimlis megolds is vltozik (vgig szalad a D pont az
f4 egyenesen a (100;60) pontig. Ha f1 elhagyja ezt a pontot, akkor az optimlis megolds mr nem vltozik a b1 tovbbi nvelsre, hiszen mr nem
jtszik szerepet az L lehetsges megoldsi halmaz cscspontjainak kialaktsban. Ez azt jelenti, ha az els erforrs kapacitsa 160-nl nagyobb
lesz, akkor ez az erforrs mr nem korltozza a termelst. Teht a b1 rzkeny paramter, de csak 160 rtkig.
Vissza
67
Opercikutats
rzkenysgvizsglat
Vissza
68
Vizsgljuk meg a b3 paramtert!

Jl lthat, hogy az f3 egyenest hiba toljuk el prhuzamosan, egyltaln
nem vltozik az optimlis megolds. A harmadik erforrs nvelse (a
tbbi erforrs kapacitsnak vltozatlan hagysa esetn) nem nveli a
clfggvny rtkt.
Vizsglja meg az olvas a tbbi erforrs kapacits-vltozsnak hatst!
Algebrai ton is vizsglhatjuk ezt a problmt. Az els kapacitst nveljk
(most mg ismeretlen) p10-val, azaz az els korltoz felttel gy alakul:
x1 + x2 140 + p1.
talaktva gy, hogy az ismeretlenek a baloldalon legyenek:
x1 + x2 p1 140.
A megoldand modell pedig a kvetkez lesz:
x1
x2
2x 1
x2
x1
x2
z = 30 x 1
+ 50 x 2
p1
140
40
100
60
max
Az optimlis megolds: x1=100, x2=60, p1=20, zop=6000.

Az eredmny azt mesli el, ha az els erforrst 20 egysggel megnveljk, akkor az optimlis termelsi szerkezet megvltozhat s a clfggvny rtke nvekedhet 600 egysggel. Ha a bvts kltsge 600-nl kisebb, akkor rdemes az erforrst nvelni.
Ha kt vagy tbb erforrs kapacitsnak vltoztatsra is van md
(pl. az els erforrs maximum 20%-kal, a msodik legfeljebb 40%-kal,
azaz 0 p1 28, 0 p2 16), akkor a megoldand modell:
Vissza
68
Opercikutats
rzkenysgvizsglat
Vissza
x1
x2
2x 1
x1
x2
p1
p2
x2
p1
p2
z = 30 x 1
+ 50 x 2
69
140
40
100
60
28
16
max
A 3.1.1. brn szemlltetve, ez azt jelenti, hogy az f1 s f2 egyeneseket toljuk el nmagukkal prhuzamosan s vizsgljuk az L halmaz vltozst.
Gyakorlatban gyakran elfordul problma a clfggvny egytthatinak (a termk fajlagos haszna, kltsge, ra stb.) vltozsa. Krds az, hogyan vltozik az optimlis megolds (adott erforrsok mellett), ha a clfggvny egy vagy tbb egytthatja megvltozik.
A 3.1.1. brn szemlltetve ezt a problmt azt jelenti, hogy a clfggvny meredeksgnek megvltozsa hogyan befolysolja az optimlis megoldst.
Hozzuk y= mx+b alakra a clfggvnyt, azaz:
x2 =
30
H
x1 + .
50
50
A clfggvny meredeksge 3/5. Ekkor az optimlis megolds a

D(80;60) pont s mindaddig a D lesz az optimlis megolds, amg a meredeksg 1 m 0. Ha m = 1, azaz a kt termk azonos hasznot hoz,
akkor a C s a D pont is optimlis megolds. Viszont, ha az els termk
haszna nagyobb lesz, mint a msodik termk, akkor mr C lesz az optimlis megolds.
4.2. Az rzkenysgvizsglat esetei
Az rzkenysgvizsglat alapvet clja a modell rzkeny paramtereinek
meghatrozsa, azaz azon paramterek meghatrozsa, amelyek nem nagyon vltoztathatk meg anlkl, hogy az optimlis megolds ne vltoznk.
Az rzkenysgvizsglat sorn a kvetkez krdsekre keresnk vlaszt:
1. A kapacitsvektor mely komponenseit s milyen mrtkben vltoztathatjuk meg anlkl, hogy az optimlis bzis ne vltozzon?
Vissza
69
Opercikutats
rzkenysgvizsglat
Vissza
70
2. Milyen mrtkben mdosthatjuk a clfggvny egytthatit, hogy az optimlis bzis ne vltozzon?

3. Hogyan vltoztatja meg az optimlis megoldst, ha j felttelt runk a
modellbe?
4. Hogyan vltoztatja meg az optimlis megoldst, ha j vltozt vezetnk
be a modellbe?
4.2.1. A kapacitsvektor komponenseinek vltozsa
Hogyan hatrozhatk meg az rzkeny paramterek?

A bi paramterek esetn mr belttuk, hogy erre vonatkoz informcit az optimlis szimplex tblzatban is lthat dulis vltozk rtkei adjk, amelyeket az erforrsok rnykrnak neveztnk el. Megllaptottuk,
hogy
ha az optimlis megoldsban az i-edik erforrs rnykra pozitv
s rtke y0i, akkor bi egy egysgnyi vltozsra a clfggvny rtke y0i-val vltozik, azaz bi rzkeny paramter.
ha y0i=0, akkor az optimlis megolds nem vltozik a bi vltoztatsra.
E kt tulajdonsgbl kvetkezik, hogy azon erforrsokra figyeljnk, amelyekhez pozitv rnykr tartozik (klnsen akkor, ha az rnykr nagy
pozitv szm).
A krds tovbb az, hogy milyen intervallumban vltozhat a szban
forg paramter, hogy kzben optimlis maradjon a megolds? Ez gy is
felfoghat, hogy egy bi vltoztatsakor jabb s jabb modellt oldunk
meg.
gy az rzkenysg vizsglatnak igen nagy szmtsi ignye lenne, ha az
egyes paramter minden egyes j vltozsnl ellrl kellene kezdeni a
szimplex mdszert.
Szerencsre rendelkezsnkre ll a dualitsnl a 2.4. pontban lertak,
amelybl kvetkezik:
1
A 11
1
A 21 A 11
A 22
1
1
A 11
b1
b1 0
A 11
A 12
+
=
1
1
A 12 0 b 2 b 2 A 21 A 11 b 1
A 21 A 11
ahol a baloldali mtrix a szimplex tblzaton a bzistranszformci utn

kapott mtrix, b1 a bzistranszformci sorn a bzisbl kikerlt dul
vltozkhoz tartoz b -beli komponensek, b 2 a bzisban maradt u dul
vltozkhoz tartoz b -beli komponensek,
Vissza
70
Opercikutats
rzkenysgvizsglat
Vissza
71
A 11
b1
a bziscsere utn a tblzat utols oszlopa.

1
b 2 A 21 A 11 b1
Az elmondottakat alkalmazzuk az 1.5.1. pontban megadott feladatra.

Az eredeti feladat:
2x 1
3x 1
2x 1
z = 60 x 1
c1
+
+
4x 2
2x 2
+ 80 x 2
c2
160 b1
120 b 2
60 b 3
max!
A megolds sorn a B2 szimplex tblzatban kapott tblzatot egsztsk

ki a szban forg paramterekkel:
c2
c1
0
b2
b1
B2 u 2
u1
1
3
x2
30
0
4
8
x 1 0,5 0,25
20
0
u3 1
0,5
20
b3
2 10 15 3600
0
0
Ekkor a felrt egyenletek:

1
4
0,5
3
0 30
8 b 2
0, 25 + 0 = 20 .
b1
0,5 b 3 20
Megjegyzs:
Ezek az sszefggsek nem csak optimlis tblzatra igazak, ezrt felhasznlhatk a szmtsok ellenrzsre is.
Vizsgljuk meg, hogy a b1, b2, b3 kapacitsok illetve a c1, c2
clfggvnyrtkek milyen hatrok kztt vltozhatnak, hogy a tblzatunk tovbbra is optimlis maradjon.
Vissza
71
Opercikutats
rzkenysgvizsglat
Vissza
72
Mint tudjuk, az optimalits felttele: a tblzat utols oszlopnak elemei nem negatvak, a tblzat utols sornak elemei nem pozitvak legyenek, azaz
3
0 0
0, 25
8 b 2
0 ,5
0, 25 + 0 0 .
b1
+ 0,5 b 3 0
1
Ha felttelezzk, hogy csak az els erforrs kapacitsa vltozik, (a tbbi

az eredeti feladatbeli rtket veszi fel), akkor
3
3
b 1 0 0
0 30 +
0, 25
8
8
120
0 ,5
0, 25 b1 + 0 0 lesz.
0, 25 + 0 = 60
b1
60 120 0,5 b1 60 0
+ 0 ,5
1
Ebbl addik, hogy

3
b1
8
60
0, 25 b1
120 + 0,5 b1
30
b1
80,
0 240 b1 ,
+ 60 0 b1 120.
Teht, ha 80 b1 240, akkor az optimlis megolds szerkezete nem

vltozik s
120
z 0 = [10, 15] = 1200 + 15b1 ,
b1
ezrt 2400 z0 4800 lesz.

4.2.2. A clfggvny egytthatinak vltozsa
Itt is a dualitsnl megismert ttelekre hivatkozhatunk s felhasznlhatjuk

az ismert sszefggst:
[0,
] [
1
A 11
c 2T c 1T , 0 T
1
A 21 A 11
A 22
A 11
A 12
=
1
A 21 A 11 A 12
1
1
= c 1T A 11
, c 2T c 1T A 11
A 12 ,
Vissza
72
Opercikutats
rzkenysgvizsglat
Vissza
73
ahol c 1T a bzisba bekerlt vltozk clfggvny egytthati, c 2T a bzisba

1
1
be nem kerlt clfggvny egytthati, c 1T A 11
, c 2T c 1T A 11
A 12 a
bziscsere utn a tblzat utols sora.
Alkalmazzuk ezt az elbbi feladatra:
0, 25
8
[0, 0] [c 2 , c 1 , 0] 0,5 0,25 = [ 10, 15] .

0 ,5
1
Az optimalits felttele:
[0,
0] [c 2 , c,1
0, 25
8
0, 25 [0, 0] legyen.
0 ] 0 ,5
+ 0 ,5
1
Ha felttelezzk, hogy csak az els vltoz egytthatja c1 vltozik, akkor

az optimalitsi felttel szerint:
3
0, 25
8
[0, 0] [80, c1 , 0] 0,5 0,25 [0, 0] .

0,5
1
Ebbl addik, hogy

0 , 5c 1
80 (0, 25 )
0 40 c 1 ,
3
80
c 1 ( 0, 25) 0 c 1 120.
8
Teht, ha 40 c1 120, akkor az optimlis megolds szerkezete nem

vltozik s a clfggvny rtke:
30
z 0 = [80, c 1 , 0] 20 = 2400 + 20c 1 ,
20
ezrt
z0 =3200 z0 4800 lesz.
Vissza
73
Opercikutats
rzkenysgvizsglat
Vissza
74
Hasonlan kaphatjuk meg a tbbi komponens rtkeinek korltait is.

Lthat, hogy ez az eredeti feladatok jra optimalizlsa nlkl is elg
munkaignyes a szmts. Viszont a tnyleges gazdasgi modellek ilyen
fajta elemzse nagy haszonnal jr. A lineris programozsi modellek megoldsra kidolgozott szmtgpes programok valamilyen mdon tartalmazzk az rzkenysg vizsglati eredmnyeket is. Ezek j informcit
adnak a problma tovbbi elemzshez. Ezrt a kvetkez fejezetben
bemutatjuk a lineris programozsi feladatok megoldsra kidolgozott
EXCEL tblzatkezelben tallhat Solver programot, amely rzkenysg
vizsglata az elbb bemutatott matematikai elveken alapul.
4.3. Paramteres programozs
Az rzkenysg vizsglat sorn azt a krdst tettk fel, hogy mikppen
vltozik meg a feladat optimlis megoldsa, ha a feladatban szerepl paramterek (aij, bi, cj)egyikt vagy tbbet megvltoztatunk. Ez tbb szempontbl is fontos:
sokszor a modellben szerepl paramterek egyike vagy msika becslt adat, ezrt feltehetjk: mi volna, ha ez s ez volna az rtke,
rdekelhet bennnket, hogy az erforrsok nvekedse (bi-k vltozsa) mennyire vltoztatja meg a termelsi szerkezetet,
valamint a termkek piaci rban (cj-k) bekvetkez vltozsok
mennyire befolysoljk az optimlis megoldst.
Definci: Paramteresnek nevezzk azokat a lineris modelleket, amelyeknek A, b, cT elemei kztt fggvnyek is szerepelnek. Ha ezek a fggvnyek egyvltozsak s els fokak, akkor a modellt egyparamteres lineris modellnek nevezzk.
Ilyen feladatok akkor addnak, ha pldul ugyanazon fajlagos mutatkat
tartalmaz A mtrix esetn tbbfle b (kapacits-), illetve cT (egysgr-)
vektorhoz kell az optimlis programot meghatrozni. Ilyenkor nem szksges az egsz programozst minden b-re s c-re kln-kln elvgezni,
hanem csak az optimlis program stabilitst kell megvizsglni.
Kt olyan esettel foglalkozunk, amelyek priml szimplex mdszerrel
megoldhatk.
4.3.1. Paramter a clfggvnyben szerepel:
A szoksos mtrix-, vektorszimblumokkal a kvetkez formban rhat

fel:
Vissza
74
Opercikutats
rzkenysgvizsglat
Vissza
75
x0
Ax b
z = p T + q T t x max!
ahol a t skalr paramter rtke vltozhat t intervallumban.

Definci: Egy parametrikus programozsi feladatot megoldani annyit
jelent, mint meghatrozni azokat a bzisokat s t-nek azon intervallumait,
amelyekben a feladat optimlis megoldsai vannak.
Megolds algoritmusa:
1. Ttelezzk fel, hogy a fenti feladathoz tartoz indul tblzat a feladat
egy lehetsges bzis megoldst adja. Ha a feladat nem normlfeladat, akkor a mdostott normlfeladat s az ltalnos feladatnl elmondottak szerint ellltunk egy lehetsges megoldst (msodlagos clfggvny segtsgvel), azaz vizsglhatjuk a kvetkez szimplex tblzatot.
xT
u
A
b
T
T
z p + q t 0
2. Korbbrl tudjuk, hogy ez a tblzat akkor ad optimlis megoldst, ha az

utols sorban nincs pozitv elem. Mivel itt az utols sor elemei a t paramter fggvnyei s gy a t rtktl fggen is negatvak lehetnek. Ezrt
azt kell vizsglni, hogy meg tudjuk-e a t paramtert gy vlasztani, hogy a
tblzat utols sorban ne legyen pozitv elem.
Nyilvnval, hogy erre a vlasz a

pT + q Tt 0
egyenltlensg-rendszer megoldsa.
A jobb rthetsg miatt trjnk t a vektor koordintra, azaz oldjuk
meg a
pj + qj t 0, ahol j = 1, , n
egyenltlensgrendszert.
Vissza
75
Opercikutats
rzkenysgvizsglat
Vissza
76
a) Ha minden j-re, qj < 0 akkor osztva qj-vel s trendezve kapjuk a
pj
t , vagyis a max t + intervallumban az emltett line qj
qj
pj
ris fggvnyek mindegyike nem pozitv. Ez azt jelenti, hogyha t ezen

intervallumban mozog, akkor a tblzatban optimlis megolds olvashat le.
b) Ha minden j-re qj > 0, akkor t
pj
qj
pj
qj
, vagyis a < t min
intervallumban az emltett lineris fggvnyek mindegyike nem pozitv.

c) Ha a qj szmok kztt pozitvak s negatvak is vannak, akkor qj < 0
pj
adja a karakterisztikus intervallum als, qj > 0
qj
pj
esetben min adja a fels hatrt.
qj
esetben a max
d) A qj = 0 esettel azrt nem kell foglalkozni, mert pj 0 esetn a j oszlop gysem vonhat be a bzisba, teht a karakterisztikus intervallumot nem befolysolja. Ha pedig pj > 0, akkor a tblzat biztosan nem
optimlis.
Az elmondottak alapjn a karakterisztikus intervallum als s fels hatrnak rtke:
, ha q j > 0 minden j - re
pj
t0 =
s
max q egybknt
j
+ , ha q j < 0 minden j - re
pj
t1 =
.
min q egybknt
j
gy leolvashat egy karakterisztikus intervallum s a modell egy optimlis megoldsa:

x 10 (t ), u 10 (t ), z10 (t ) ; t 0 t t 1 .
(Az optimlis megoldsok a paramter fggvnyei.)
Vissza
76
Opercikutats
rzkenysgvizsglat
Vissza
77
3. Ha a 2. felttel nem teljesl, akkor priml transzformcival prbljuk

kielgteni.
4. Ha egy (t0; t1) karakterisztikus intervallumot meghatroztunk, akkor megvizsgljuk, hogy a t > t1 paramter rtkek mellett a clsor aktulis elemei
kzl melyik vlik pozitvv a t megvltoztatsra. Az ehhez tartoz oszlopvektort transzformlva vagy teljesl a 2. s akkor jabb optimlis
megoldst nyertnk, vagy a 3. szerint jrunk el s jutunk el a (t1; t2) intervallumhoz feltve, hogy ez mg rsze az (; ) intervallumnak.
A 4. lps ismtlst addig folytatjuk, mg (; ) intervallum minden pontjt be nem

soroltuk valamelyik karakterisztikus intervallumba, vagy meg nem llaptottuk, hogy
ott nincs megolds.
A kritikus pontok knnyebb megkeresse rdekben a tblzatot rdemes talaktani a kvetkezkppen:
xT
u
pT
b
0
qT
0
r szm transzformci utn a tblzat gy nz ki:
u
,",
ur
x1
xr
ri +1
um
z
tk
x r +1
,", x n
a ' ij
p1
q1
p
1
q1
,",
"
pj
b' i
,",
P
Q
pj
qj
Vissza
77
Opercikutats
rzkenysgvizsglat
Vissza
A tblzat tk sorban feltntetett
pj
qj
78
hnyadosok megadjk a karakterisztikus
intervallum als s fels hatrt. Egyben azt is megadjk, hogy melyik oszlopban kell
generl elemet vlasztani a tovbbi optimlis megoldsok ellltsa rdekben.
pj
p
, ha qj < 0; vagy a min j , ha qj > 0 rtkek oszlo qj
qj
(A max
pban.)
Plda
Nzzk a kvetkez ltalnos feladatot:
x 1, x 2,
x3 0
x1 +2x2 x3 8
x1 +x2 + 2x3 12
z = (5+t) x1 + (8t)x2 + x3 min
A t rtke a [0; 10] intervallumban vltozhat.
Alkalmazzuk a szimplex mdszert:
B0
u 1*
u2
z
z*
B1
x1
u2
z
x1
x2
x3
v1
1
1
1
2
8
1
1
2
0
12
1
5t
t 8
0
0
1 1
1
2
8
*
u1
x2
x3
v1
#
2
1 1
8
#
3
1
1
20
#
18 + 3t 4 t 5 t 40 + 8t
Itt mr leolvashat egy lehetsges megolds:

x1 = 8,
x2 = 0,
x3 = 0,
u1 = 0,
u2 = 20,
v1 = 0
z = 40 + 8t
Vizsgljuk meg, hogy optimlis-e? Ez itt nem ltszik, mert a z sorban
szerepl rtkek t-nek fggvnyei.
Vissza
78
Opercikutats
rzkenysgvizsglat
Vissza
79
Ha ez optimlis megolds, akkor teljeslni kell a

18 + 3t 0
s 4 t
s 5 t
6,
0 4 t,
0 5 t
egyenltlensgeknek.
Teht, ha 5 t 6, akkor az x = [8, 0, 0]T optimlis megolds s
zopt = 40 + 8t.
Ha 6 t, akkor 18 + 3t pozitv lesz, teht itt vlasztunk generl elemet.
B2
u 1*
x2
u2
z
x1
x3
v1
1
1
1
4
2
2
2
3
5
1
8
2
2
2
+ 9 1,5t 5 + 0,5t 4 + 0,5t 32 4 t
Leolvashat egy lehetsges megolds:

x1 = 0,
u1 = 0,
z = 32 4t
x2 = 4,
u2 = 8,
x3 = 0,
v1 = 0,
Optimlis, ha
9 1,5t
0 6
s 5 + 0,5t 0 t
s 4 + 0,5t 0 t
t,
10,
8.
Teht, ha 6 t 8, akkor az x = [0, 4 , 0] optimlis megolds s

zopt = 32 4t.
Ha 8 t, akkor 4 + 0,5t pozitv lesz, ezrt itt vlaszthatunk generl
elemet:
B3
x2
v1
z
u 1*
#
#
#
x1
x3
u2
1
2
1
12
3
5
2
16
3 15 2t 8 t 96 12t
Vissza
79
Opercikutats
rzkenysgvizsglat
Vissza
80
Leolvashat egy lehetsges megolds:

x1 = 0,
u1 = 0,
z = 96 12t.
x2 = 12,
u2 = 0,
x3 = 0,
v1 = 16,
Optimlis, ha
15
2
s 8 t 0 8
15 2t
t,
t.
Teht, ha 8 t +, akkor optimlis az x = [0, 12, 0] megolds s

zopt = 96 12t.
Oldjuk meg a feladatot az ajnlott tblzat segtsgvel is!
A feladat indul tblzata:
B0
u1*
u2
p
q
z*
B1
x1
u2
p
q
z*
tk =
p/q
x1
1
1
5
1
1
u1
x2
x3
2 1
v1
1
1
2
8 1
1
0
2 1
x2
x3
1
2
0
0
0
1
v1
1
12
0
0
8
3
1
18
4
3 1
0
0
6
4
1
5
1
0
5
20
40
8
0
Itt mg nem olvashat le

egy lehetsges megolds.
Ellltjuk a z*-t s e szerint vlasztunk generl
elemet.
A z* eltnt, teht egy
lehetsges megolds olvashat le.
lltsuk el a tk = p/q
rtkeket!
pj
pj
t0 = max = 5 s t1 = min = 6.
qj > 0 qj
qj < 0 qj
Teht a feladat leolvashat lehetsges megoldsa a 5 t 6 intervallumban optimlis s az optimlis megolds:
Vissza
80
Opercikutats
rzkenysgvizsglat
Vissza
81
8
xopt 1 = 0 ; zopt = 40 + 8t.
0
pj
Generl elemet a min rtkek oszlopban vlasztva, a B2-es

qj > 0 qj
tblzat:
B2
x2
u2
p
q
tk = p/q
x1
32
9
32
6
x3
10
v1
pj
b
4
8
32
4
pj
A tk sorbl ltszik: max = 6 = t1 s t2 = min = 8, teht

qj > 0 qj
qj < 0 qj
6 t 8 esetn az optimlis megolds:
0
xopt 2 = 4 ; z opt = 32 4t.
0
pj
A generl elemet megint a min rtknl vlasztva:

qj > 0 qj
B3
x2
v1
p
q
tk= p/q
x1
1
3
3
0
x3
2
5
15
2
15
u2
1
2
8
1
8
b
12
16
96
12
Teht a 8 t < + esetn az optimlis megolds:

0
xopt 3 = 12 ; zopt = 96 12t.
0
Vissza
81
Opercikutats
rzkenysgvizsglat
Vissza
82
Ezzel el is lltottuk az sszes karakterisztikus intervallumot s a hozztartoz optimlis megoldst is.

sszefoglalva a megoldst:
A t rtkei
Optimlis program
Clfggvny rtke
5t6
(8, 0, 0)
40 + 8t
6t8
(0, 4, 0)
32 4t
8 t 10
(0, 12, 0)
96 12t
4.3.2. Paramter a b vektorban
Mtrix- s vektorszimblumokkal a feladat:

x0
Axb+dt
z = cT x maximum,
ahol t .
Ilyen tpus feladatot a dulprjn keresztl oldhatjuk meg. gy a t paramter a clfggvnybe kerl s a 3.3.1. pontban foglaltak szerint jrhatunk el.
4.4. rzkenysgvizsglat EXCEL tblzatkezelvel
A lineris s a nemlineris programozsi feladatok megoldsra s az optimlis megolds utelemzsre jl felhasznlhat a gyakorlatban igen
elterjedt EXCEL tblzatkezel. Ebben a pontban egy konkrt feladaton
azt mutatjuk meg, hogyan lehet a SOLVER makrt programozsi feladok
megoldsra s rzkenysgvizsglatra felhasznlni.
4.4.1. Solver program bemutatsa
Az opercikutats klnbz modelljeinek tnyleges megoldsa hosszadalmas, szmtgp nlkl sokszor remnytelenl megoldhatatlan feladat.
Ezrt ezen megoldsi eljrsokra klnbz szmtgpes programcsomagokat ksztettek, amelyek klnbz szmtgp krnyezetben klnbz hatkonysggal hasznlhatk. Ezek egyike az EXCEL tblzatkezeln tallhat SOLVER bepl makr.
Az opercikutatssal foglalkoz munkk ismertetik a klnbz
optimumszmtsi modelleket, azok f jellemzit s megoldsi algoritmusait. Lttuk, hogy a modellek egy j rsznek megoldsa visszavezethet
lineris modell megoldsra. Ezrt kitntetett szerepe van a megoldsi
Vissza
82
Opercikutats
rzkenysgvizsglat
Vissza
83
algoritmusok kztt a lineris programozsi feladatok megoldsi algoritmusnak. Ennek ismerett ltalban megkvetelik a hallgatktl. Egyes
specilis modellek (szlltsi, hozzrendelsi, egszrtk, hiperbolikus
stb.) megoldsra tbb (egyszerstett?) matematikai mdszert s eljrst
dolgoztak ki s oktatnak a felsoktatsi intzmnyekben. Ezek lehetsget
adnak hatkony szmtgpes programok megrsra.
Ebben a fejezetben azt ismertetjk, hogy hogyan lehet felhasznlni a
matematikai programozsi feladatok megoldsra a szinte minden munkahelyen rendelkezsre ll EXCEL tblzatkezelt. Az EXCEL kziknyvek legtbbje csak emltst tesz arrl, hogy az EXCEL tblzatkezel
SOLVER bepl makr programja alkalmas lineris programozsi feladatok
megoldsra, de nem foglakozik a feladatok megoldsval, mert ezek
megrtse s alkalmazsa magasabb szint matematikai ismereteket felttelez.
Azok a hallgatk s azok a mrnkk, kzgazdszok stb., akik tanulmnyoztk s megrtettk az opercikutatsban hasznlatos
optimumszmtsi modelleket a modellek szmszerstse utn igen
eredmnyesen hasznlhatjk az EXCEL tblzatkezelt a problmk
megoldsra, mert nemcsak a szmtsokat vgzi el, hanem zeneteivel segti
a problma megoldst.
Az EXCEL alapfok ismerett felttelezve fogjuk ismertetni matematikai programozsi feladatok EXCEL-beli megoldst.
A munkt kezdjk azzal, hogy tervezzk meg a programozsi feladat
megoldsnak EXCEL krnyezett.
Tervezzk s hatrozzuk meg:
a modell vltozit s azok helyt a munkatblzaton,
a korltoz feltteleket s azok helyt a munkatblzaton,
a clfggvny kiszmtsi mdjt s helyt a munkatblzaton.
Sokflekppen helyezhetk el a szban forg rtkek, ezrt most sszefoglaljuk azokat a f tartomnyokat, amelyeket a feladatok SOLVER-rel
trtn megolds sorn ki kell jellni:
Vlasszuk ki azt a cellatartomnyt (sort vagy oszlopot vagy ktdimenzis tmbt), amelyben a vltozk rtkei jelennek meg. Minden vltoznak feleltessnk meg egy cellt, gy a tartomny annyi cellbl
fog llni, ahny vltoz van a feladatban. Tltsk fel ezek rtkt
0-val.
Helyezzk el az alapadatokat: az egytthat mtrixot, a jobb oldal vektort, a clfggvny egytthat vektort stb.
Vissza
83
Opercikutats
rzkenysgvizsglat
Vissza
84
Jelljk ki azokat a cellkat, ahol elhelyezzk a korltoz feltteleket

kifejez egyenletek s egyenltlensgek bal oldalt. (A feltteleket megfogalmazhatjuk mtrixvektor szorzssal, de lehet a vltozk s az
egytthatk szorzatnak sszegvel is. Az Ax szorzs elvgezhet
a fggvnyvarzsl segtsgvel: MSZORZAT(A; x), vagy a vltoz cellk s az egytthatkat tartalmaz cellk szorzatsszegeknt,
vagy ha nem troljuk az adatokat a munkatblzaton, akkor a vltoz cellk s az egytthatk szorzatnak sszegeknt).
Jelljnk ki egy cellt a clfggvny kpletnek.
A problma definilsa a SOLVER-rel:
A fenti elkszts utn hvjuk meg az Eszkzk men SOLVER parancst. Ha a SOLVER nem jelenik meg az Eszkzk lenyl menben, akkor a Makrbeptvel telepteni kell!
1. Vlasszuk a SOLVER parancsot!
Vissza
84
Opercikutats
rzkenysgvizsglat
Vissza
85
2. A Clcella mezbe rjuk be a clcella cellahivatkozst vagy nevt vagy

lljunk a kurzorral a clcellra.
3. Ha azt szeretnnk, hogy a clfggvny rtke a lehet legnagyobb legyen, a Max, ha azt, hogy a clfggvny rtke a lehet legkisebb legyen, a Min vlasztkapcsolt jelljk be. Ha pedig a clrtket egy
adott rtkre akarjuk belltani, akkor az rtk vlasztkapcsolt jelljk be s rjuk be a mezbe a kvnt rtket.
4. A Mdosul cellk mezbe rjuk be a vltozkat tartalmaz cellatartomny nevt vagy hivatkozst, vagy jelljk ki a kurzorral. Ha azt
szeretnnk, hogy a SOLVER ajnljon vltoz cellkat, akkor kattintsunk az Ajnlat gombra. Legfeljebb 200 vltozt adhatunk meg.
5. A Korltoz felttelek mezt a kvetkezkppen tltetjk ki: Nyomjuk meg a Felvesz gombot, ekkor megnylik a kvetkez prbeszdablak:
A Cellahivatkozs mezbe rjuk be azt a cellacmet vagy jelljk ki,

ahol a korltoz felttel baloldala van, majd vlasszuk ki a relcit az
albbi mdon:
Vissza
85
Opercikutats
rzkenysgvizsglat
Vissza
86
A relcik kztt az int a vltozk egszrtksgt biztostja. A Korltoz felttel mezbe rjuk be a korltoz felttelek jobb oldalt tartalmaz cella cmt vagy jelljk ki, vagy rjuk be a jobb oldal rtkt.
A Felvesz lenyomsval a felttel bekerl a kialaktand modellbe.
Vgezzk el ezt a mveletet annyiszor, ahny korltoz felttel van. Itt
kell megadni a vltozk nem negatvitsi felttelt is! Minden vltoz
cellhoz kt (egy als s egy fels) korlt tartozhat. Egy problmban
legfeljebb 1000 cellhoz rendelhetnk korltot. Az utols korltoz
felttel felvtele utn az OK-val lphetnk vissza a Solver paramterek panelhez.
Ha a problmt az elmondottak szerint definiltuk a SOLVER program
szmra, akkor gondolhatunk a megoldsra. Az eddig elmondottakbl
viszont nem derl ki a modell megoldsnak krlmnyei: Mennyi idt
sznunk a megoldsra, legfeljebb hny itercit vgezzen a program (hiszen vgtelen ciklusba is kerlhet a megolds sorn), milyen pontossggal
kvnjuk ellltani a vltoz rtkt (hiszen kzelt szmtst vgznk!),
lineris-e a modell stb.?
Ezeknek a nem lnyegtelen krlmnyeknek a figyelembevtelre szolgl a
Belltsok prbeszdpanel, amelyet a Bellts gomb megnyomsval
nyithatjuk ki:
Vissza
86
Opercikutats
rzkenysgvizsglat
Vissza
87
A prbeszdpanelen megjelen belltsok olyan alaprtkeket jelentenek,

amelyek a legtbb problma megoldsnl megfelelk. A belltsokat
most nem rszletezzk (a Sg gomb megnyomsra rszletes magyarzatot kapunk), konkrt feladatok esetn magyarzzuk a konkrt feladathoz
szksges bellts okt. Viszont minden esetben szksges figyelembe
venni, hogy lineris-e a modell vagy nem, ha igen, akkor a Lineris modellt felttelez-t x-re kell lltani. Az OK megnyomsval visszatrhetnk
a Solver prbeszdpanelhez s krhetjk a megolds ellltst a Megolds gomb megnyomsval. A modell nagysgtl fggen rvidebbhosszabb id mlva klnbz zenet jelenik meg a kpernyn.
4.4.2. Plda rzkenysgvizsglatra
Az elmondottakat alkalmazzuk a kvetkez feladat megoldsra:

x1 ,
x2 ,
x3 ,
x1 + 4 x 2
x3
3x 2
x1 + 2 x 2
x1
+ x3
8 x1 + 6 x 2 + 2 x 3
+
+
+
+
x4 ,
x5
2x4
x 4 + 2 x5
x 4 + x5
+ x5
10 x 4 + 2 x5
90
50
=
60
=
80
max
Helyezzk el a feladat egytthat mtrixt a tblzat egy kijellt helyn. A

clfggvny egytthatit a megszokott mdon az egytthat mtrix al, a
jobb oldal rtkeit a mtrix mell.
Fogalmazzuk meg a korltoz feltteleket s a clfggvnyt:
Az egyenltlensgrendszer bal oldalt gy kapjuk, hogy sszeszorozzuk
az egytthat mtrixot az ismeretleneket tartalmaz oszlopvektorral, amelyet a C11:C15-ben tallhat vektor reprezentl. Az eredmny a
H12:H15-ben lthat.
A clfggvny kplete a H9 cellban lthat.
A kapacitsvektor G5:G8-ben lthat.
Vissza
87
Opercikutats
rzkenysgvizsglat
Vissza
88
Lineris programozs
Vltoz
X1
X2
1
0
1
1
4
3
2
0
X3 X4 X5 REL KAPAC
1
0
0
1
2
1
1
0
0
2
1
1
<=
<=
=
=
90
50
60
80
Erforrs1
Erforrs2
Erforrs3
Erforrs4
10
max
CL
=MSZORZAT(A9:E9;C11:C15)
90
50
60
80
Clegy tthat
X1
X2
X3
X4
X5
55
0
25
5
0
A*x
=MSZORZAT(a5:e6;c11:c15)
=MSZORZAT(a5:e6;c11:c15)
=MSZORZAT(a7:e8; c11:c15)
=MSZORZAT(a7:e8; c11:c15)
Ezen elkszts utn hvjuk meg a SOLVER programot! A lenyl menbe rjuk be a krt paramtereket a kvetkez mdon:
Vissza
88
Opercikutats
rzkenysgvizsglat
Vissza
89
A Megolds gomb benyomsa utn klnbz zenet jelenik meg:
Ha megoldst tallt, akkor a Solver eredmnyek prbeszdpanelon kijellssel

krhetjk az eredmnyeket. Krhetjk mind a hrom jelentst, egszrtk
feladatok esetn nem kszthet rzkenysg s Hatrok jelents. Az OK
gomb megnyomsra tbbszri kperny vltozs utn a jelentseket elhelyezi a munkafzetnk azonos nev munkalapjra.
Nyissuk fel az Eredmny jelents munkalapot:
Microsoft Excel 5.0 Eredmny jelents Kszlt: 97.2.15 18:17
Clcella (Max)
Cella
Nv Vgrtk Mdosul cellk
$I$9
CL
540
Cella
Nv
$D$11
X1
$D$12
X2
$D$13
X3
$D$14
X4
$D$15
X5
Vgrtk
55
0
25
5
0
Ebben leolvashat a clcella s a mdosul cellk eredeti s a vgrtke, a

korltoz felttelek teljeslse.
Korltoz felttelek
Cella
Nv
Cellartk
Kplet
llapot
Eltrs
$J$5
er1
90
$J$5<=$H$5
ppen
$J$6
er2
$J$6<=$H$6
Bven
45
$J$7
er3
85
$J$7=$H$7
ppen
$J$8
er4
80
$J$8=$H$8
ppen
$D$11
X1
80
$D$11>=0
Bven
80
$D$12
X2
$D$12>=0
ppen
$D$13
X3
1,20437E11
$D$13>=0
ppen
$D$14
X4
$D$14>=0
Bven
$D$15
X5
$D$15>=0
ppen
Vissza
89
Opercikutats
rzkenysgvizsglat
Vissza
90
Az rzkenysg jelents munkalapon elemz tblzatok tallhatk:

Az egyik tblzat a vltozk reduklt vagy cskkentett kltsgt adja meg s
azzal kapcsolatos rtkeket. Ebben a tblzatban sszefoglalan lthatk a
cj s a bi paramterek vltozsnak kvetkezmnyei:
Microsoft Excel 5.0 rzkenysg jelents
Mdosul cellk
Cskkentett
Megengedhet
Megengedhet
Cella
Nv
Vgrtk
kltsg
Clegytthat
nvekeds
cskkens
$D$11
X1
55
2,666666667
$D$12
X2
14
14
1E+30
$D$13
X3
25
$D$14
X4
10
$D$15
X5
1E+30
A reduklt kltsg a bzisba nem kerlt vltozkat rtkeli. Ha a vltoz

bekerlt a bzisba, akkor a reduklt kltsg rtke 0, ha nem, akkor negatv vagy pozitv.
Maximum cl esetn rtke negatv s azt jelzi, hogy legalbb ennyivel kellene nvelni az eredeti clegytthat rtkt ahhoz, hogy ez a vltoz bekerljn a megoldsba.
Min cl esetn rtke pozitv s azt jelzi, hogy legalbb ennyivel kellene cskkenteni
az eredeti clegytthat rtkt ahhoz, hogy ez a vltoz bekerljn a megoldsba.
A msik tblzat az erforrsok rnykrat adja meg s ezekkel kapcsolatos rtkeket. Az rnykrak az erforrsokat rtkelik
0
Felttel
Megengedhet
Megengedhet
rnykr
jobb oldala
nvekeds
cskkens
Cella
Nv
Vgrtk
$J$5
Er1
90
90
90
10
$J$6
Er2
50
1E+30
45
$J$7
Er3
60
60
25
55
$J$8
Er4
80
80
10
50
Az rnykrak rtkei akkor nem nullk, ha egyenlsg formban teljesl

az erforrsra elrt feltteli relcii.
Azt jelzi, hogy a teljesen kihasznlt erforrs kapacitsnak (vgtelen kicsiny)
egysggel val nvelse maximum cl esetn mekkora clrtk nvelssel jr, minimum
cl esetn az erforrs kapacitsnak (vgtelen kicsiny) egysggel val cskkense mekkora clrtk cskkenssel jr.
Az rnykrak mellett lthatk azok a megengedhet vltozsok, amelyek kvetkeztben mg lehetsges megoldsokat kapunk. Pldul a harmadik erforrs rnykra 6, ezrt ez rzkeny paramter s az erforrs
Vissza
90
Opercikutats
rzkenysgvizsglat
Vissza
91
nvelhet 25 egysggel, gy azt vrhatjuk, hogy 150-nel nvekszik a clfggvny rtke. Errl gy gyzdhetnk meg, hogy az eredeti feladat
jobboldalnak vektorban a harmadik erforrs rtkt 85-re vltoztatjuk
s jra indtjuk a SOLVER programot. A Megolds gomb megnyomsa
utn jra elkszti a mr bemutatott mdon az optimlis megoldst s az
rzkenysgjelentst.
Hasonl mdon elemezhet a clfggvny egytthatiban trtn vltozs kvetkezmnyei is. Addig folytathat a vizsglat, amg a gyakorlatnak megfelel megoldst nem kapunk.
Vissza
91
Opercikutats
Szlltsi feladatok
Vissza
92
5. Szlltsi feladatok
5.1. A feladat megfogalmazsa
Adott m szm telephelyen t1, t2, , tm mennyisg homognnek tekinthet termk van, amelyet n szm megrendelkhz kell elszlltani, akiknek az ignyk rendre r1, r2, , rn. Ismertes az i-edik feladtl a j-edik
megrendelhz a fajlagos szlltsi kltsg, cij.
Krds az: Honnan hov mennyit szlltsunk, hogy a szlltsi sszkltsg a lehet legkisebb legyen?
Ttelezzk fel, hogy a feladknl trolt mennyisg egyenl a rendelt
mennyisggel. A modell felrshoz vezessk be az xij (i = 1, 2, , m;
j = 1, 2, .., n) dntsi vltozkat, amelyek a Fi feladtl a Rj megrendelhz szlltott mennyisget jelenti. Akkor az xij 0 vltozkat gy kell
meghatroznunk, hogy minden i = 1, 2, , m-re
xi1 + xi2 ++ xin = ti
(4.1.)
s minden j = 1, 2, , n-re
x1j + x2j ++ xmj = rj teljesljn
(4.2)
s
z = c11x11 + c12x12 ++ cijxij ++ cmnxmn
a lehet legkisebb legyen.
A (4.1.) egyenlsg azt fejezi ki, hogy az i-edik feladtl a klnbz
megrendelknek elszlltott mennyisgek sszege pontosan ti legyen, a
(4.2) egyenlsg szerint pedig a j-edik megrendelnek a klnbz feladtl elszlltott mennyisg rj legyen.
Az
alapfeladatban
megkveteljk,
hogy
t1 + t2 ++ tm = r1 + r2 ++ rn azaz a kszletek sszege egyenl legyen az
ignyek sszegvel.
Tmren gy fogalmazhatjuk meg a klasszikus szlltsi feladatot:
Definci: Szlltsi feladatoknak nevezzk azon lineris programozsi
feladatokat, amelyek matematikai modellje:
Vissza
92
Opercikutats
Szlltsi feladatok
Vissza
93
a) xij 0 (i = 1, 2, , m; j = 1, 2, , n),
n
b)
xij = ti > 0,
j=1
m
c)
xij = rj > 0,
i =1
m
d)
t = r ,
i
i =1
e)
j=1
i =1
j=1
cij xij min
alak, vagy ilyen alakra hozhat.
A modellbl lthat, hogy a klasszikus szlltsi feladat lineris programozs

mdostott norml feladatnak felel meg.
Mtrix-vektor szimblumokkal megfogalmazva:
A1
t
A x = r s 1t = 1r ,
2

x 0,
z = c T x min!
ahol A1 az els m db, A2 a kvetkez n db egyenlet egytthat mtrixa,

x = [x 11 , x 12 , " , x mn ]T az mn db ismeretlen vektora, c T = [c 11 , c 12 , " , c mn ]T
a fajlagos kltsgek sorvektora, t = [t 1 , t 2 , " , t m ]T a feladk kszletnek
vektora, r = [r1 , r2 , " , rn ]T a megrendelk ignyt kifejez vektor.
5.2. Plda egy klasszikus szlltsi feladatra
Tegyk fel, hogy hrom gazdasg napi 50, 30, 20 t zldsget termel egy
szezonban, amelyet ngy konzervgyr vsrol fel 40, 30, 20, 10 t/nap kapacitsnak megfelelen. Az integrtor rdekelt abban, hogy az sszes
szlltsi kltsg a lehet legkisebb legyen, mert jelents kltsget jelent a
termelsi kltsgek mellet. Krds az: honnan, hov s mennyit szlltsanak,
hogy a szlltsi kltsg a lehet legkisebb legyen?
Egy tonna szlltsi kltsgt a kvetkez tblzat mutatja:
Vissza
93
Opercikutats
Szlltsi feladatok
Vissza
94
Rendeltetsi helyek
R1
R2
R3
R4
Kszlet (t)
F1
8
10
9
2
50
Feladk
F2
1
6
4
10
30
F3
3
4
5
1
20
Igny(t)
40
30
20
10
100 t
Pldul a tblzatban az els sor els oszlopban lv 8-as azt jelenti,
hogy az F1 feladhelyrl az R1 rendeltetsi helyre 8 ezer forintba kerl az
egy tonna termk szlltsa.
Jelljk az i-edik feladhelyrl a j-edik rendeltetsi helyre egyenlre
ismeretlen szlltand mennyisget xij-vel s a felttelrendszer felrshoz
azt a megszortst tesszk, hogy minden feladtl el kell szlltani a termket, valamint minden megrendel ignyt ki kell elgteni, akkor az
elbbi feltteleket a kvetkez matematikai formulval fogalmazhatjuk
meg:
xij 0, ahol i= 1, 2, 3: j=1, 2, 3, 4
x11 + x12 + x13 + x14 = 50
x21 + x22 + x23 + x24 = 30
x31 + x32 + x33 + x34 = 20
c) x11 + x21 + x31 = 40
x12 + x22 + x32 = 30
x13 + x23 + x33 = 20
x14 + x24 + x34 = 10
A szlltsi kltsget pedig a K = 8x11 + 10x12 + 9x13 + 2x14 + x21 + 6x22 +
4x23 + 10x24 + 3x31 + 4x32 + 5x33 + x34 lineris fggvny fejezi ki.
Ennek a fggvnynek keressk a minimumt a felrt felttelek mellett.
Lthat, hogy ez a feladat megfelel a 4.1 pontban megfogalmazott alapfeladatnak.
Szlltsi feladattal llunk szemben akkor is, ha meg kell hatrozni egy
gpcsoport munkatervt egynl tbb termk gyrtsa esetn, egy munkahelyen a munkk sztosztst, beruhzsok sztosztst, az ipari feldolgozsra sznt termkek (cukorrpa, napraforg, tej, vgllat stb.) feldolgoz
zemek kztti elosztst.
rjuk fel a 4.2 pontban ismertetett feladat szimplex tblzatt: a feladkhoz tartoz felttelek dul vltozit jelljk u1, u2, u3, illetve a megrendelkhz tartoz felttelek dul vltozit v1, v2, v3, v4-gyel.
a)
b)
Vissza
94
Opercikutats
Szlltsi feladatok
*u
*u
*u
1
2
3
*v
1
*v
2
*v
3
*v
4
z
Z*
x11
1
0
0
1
0
0
0
8
2
x12
1
0
0
0
1
0
0
10
2
x13 x14 x21 x22 x23 x24

1 1 0 0
0
0
0 0 1 1
1
1
0 0 0 0
0
0
0 0 1 0
0
0
0 0 0 1
0
0
1 0 0 0
1
0
0 1 0 0
0
1
9 2 1 6 4 10
2 2 2 2
2
2
Vissza
x31
0
0
1
1
0
0
0
3
2
x32
0
0
1
0
1
0
0
4
2
x33
0
0
1
0
0
1
0
5
2
x34
0
0
1
0
0
0
1
1
2
95
50
30
20
40
30
20
10
0
200
Jegyezznk meg egy-kt olyan szrevtelt, amelyre majd ksbb hivatkozunk.

a) szrevehetjk, hogy az egytthatmtrix xij-k feletti oszlopvektora
ei
minden i s j mellett alakban rhat, ahol ei egy (m1), ej pedig

ej
(n1) tpus egysgvektor.
b) Az m db feladt s n db ignylt tartalmaz feladatban nm db priml
s m + n db dul vltoz van.
c) Az egytthat mtrix rangja: m+n1. Ez gy lthat be, hogy az els
m sor sszege egyenl a tovbbi n sor sszegvel, azaz linerisan szszefgg rendszert alkot, ezrt biztos, hogy a rang legfeljebb m+n1
lehet.
d) A feladat dul prja a kvetkez:
u1
u1
u1
u1
v1
+
u2
u2
u2
u2
v2
+
v3
v3
v1
+
v2
u3 + v1
u3
+ v2
u3
+ v3
u3
z= 50u1 + 40u2 +20u3 + 40v1 + 30v2 + 20v3
8
10
9
+ v4 2
1
6
4
+ v4 10
3
4
5
+ v4 1
+ 10v4 max
Vissza
95
Opercikutats
Szlltsi feladatok
Vissza
96
A dualitsnl trgyaltuk, hogy ebben az esetben a dul vltozk eljel

ktetlenek.
e) Tudjuk, hogy a priml feladat azon vltozihoz tartoz dulegyenltlensgek, amelyek bekerltek a programba egyenlsg formjban
teljeslne, vagyis ui + vj = cij .
Ebben a modellben feltteleztk, hogy a feladk sszes kszlete egyenl
az ignylk sszes ignyvel. A gyakorlatban ez nem mindig van gy. Ekkor a relcik helyes megvlasztsval tudjuk a lineris programozsi modellt felrni. Ha a kszlet nagyobb, mint az igny, akkor a kszletre felrt
felttelekben relcit kell rni, mert lesz olyan felad, ahol kszlet marad.
Elfordul a gyakorlatban az az eset is, amikor nem lehet szlltani bizonyos feladtl bizonyos megrendelnek technikai okok miatt (pl. egy hidat
lezrtak stb.). Ebben az esetben az xij-t vagy nem rjuk be a modellbe, vagy
xij=0 egyenlsget is feltntetjk. Ekkor a hozztartoz szlltsi kltsg
nulla. Ez a modell akkor is lineris programozsi feladat, amelynek megoldsa semmilyen elvi problmt nem jelent.
A szlltsi feladatokat kiemeljk a lineris programozsi feladatok kzl, mert lttuk e feladatok specilis struktrjt s ez lehetv teszi a
szimplex mdszernl egyszerbb, de legalbbis annl kisebb szmts- s
memriaigny mdszer kidolgozst.
5.3. Szlltsi feladat megoldsa disztribcis
mdszerrel
A szlltsi feladatok lineris programozsi modelljnek s megoldsnak
gyenge pontja a viszonylagos nagy mret, mert m darab felad s n darab
megrendel esetn a modell m + n felttelt s m x m vltozt tartalmaz.
(Mr 10 feladt s 10 ignylt tartalmaz modell esetn 20 x 100 mret
mtrixot kell kezelni a szimplex tblzaton gy, hogy kzben a tblzatban
igen sok 0 szerepel. Ezrt a matematikusok a fent emltett specifikumokat
kihasznlva dolgoztk ki a szlltsi szimplex mdszer, amely a magyar szakirodalomban disztribcis mdszer nven terjedt el.
5.3.1. Disztribcis mdszer lnyege s indultblzata
A disztribcis mdszer lnyege, hogy a xij, cij, ti s rj peremadatokbl

felptett indultblzaton jell ki egy lehetsges bzismegoldst a priml
feladatra anlkl, hogy szmon tartan a szimplex tblzatbeli transzformcis vltoztatsokat s fokozatosan ellltja a dul feladat egy lehets-
Vissza
96
Opercikutats
Szlltsi feladatok
Vissza
97
ges bzismegoldst. Ezt az eljrst akkor lehet csak alkalmazni, ha

t i = rj .
A szlltsi feladat disztribcis indul tblzata:
F1
R1
c 11
R2
c 12
"
"
F2
#
c 21
#
c 22
#
Fn
c m1
r1
cm2
r2
" c 2n
#
" c mn
" rn
Rn
c 1n
t1
t2
#
tm
t i = rj
A konkrt feladatunk esetben:

R1
R2
R3
R4
8
10
9
2
50
1
6
4
10
30
3
4
5
1
20
40
30
20
10
100 = ti = rj
Ha ti > rj, azaz a kszletek nagyobbak, mint az ignyek, akkor gy
jrunk el, hogy egy fiktv megrendelt lltunk be rn+1 = ti rj megrendelssel.
Teht az indul tblzatot kiegsztjk egy j oszloppal, melynek az oszlopban csupa nulla ll (fiktv szllts kltsge nulla), az rn+1 peremrtk
pedig a ti rj-vel egyenl.
Nzznk erre egy pldt:
F1
F2
F3
R1
R2
R3
R4
3
4
2
1
100
2
5
10
4
80
10
20
60
50
A tblzatbl leolvashat, hogy a felad helyen 180 egysg ll rendelkezsre, mg a rendeltetsi helyek ignye csak 140 egysg. Teht bevezetnk egy
fiktv (nvleges) megrendelt 40 egysg ignnyel. gy az indul tblzat a
kvetkez lesz.
F1
F2
F1
F2
R1
3
2
10
R2
4
5
20
R3
2
10
60
R4
1
4
50
R5
0
0
40
100
80
180
Vissza
97
Opercikutats
Szlltsi feladatok
Vissza
98
Ha a rendeltetsi helyek ignye nagyobb, mint a feladhelyek kszlete,

azaz ti < rj, akkor fiktv (nvleges) feladt vezetnk be tm+1 = rj ti
kszlettel. Termszetesen errl a feladhelyrl trtn szlltsi kltsg
minden rendeltetsi helyre zrus.
Pldul, ha az elbbi feladatban a feladk kszlete 60, 50 lennnek,
egyb adatok vltozatlansga mellett, akkor a disztribcis tblzat:
R2
R3
R4
R1
F1
2
4
2
1
60
F2
2
5
10
4
50
F3
0
0
0
0
30
10
20
60
50
140
Gyakran merl fel olyan problma, hogy valamely felad valamely megrendelnek nem szllthat (termszeti, mszaki stb. akadlyok). Ilyenkor
gy jrhatunk el (tekintettel arra, hogy csak a kltsgmtrixot ismerjk),
hogy a megfelel viszonylatok szlltsi kltsgt a disztribcis tblzatban vgtelen nagynak tekintjk. Ezt a vgtelen nagy kltsget a szakirodalomban M-mel szoks jellni s tilttarifnak nevezik.
5.3.2. Lehetsges bzismegolds ellltsa
A bzisvektorok kivlasztst a hozzjuk tartoz cij elemek generl elemszer bekeretezsvel jelezzk s a hozzjuk tartoz bzisvltozk konkrt rtkt a keretre
rjuk:
c ij
x ij
A bzisvltozk rtke xij = min (ti, rj) legyen. Az gy kivlasztott cij elemeket kttt helyeknek nevezzk. A kttt helyek szma az egytthatmtrix
rangjval egyenl, ami m+n1.
Lehetsges bzismegolds ellltsra szolgl mdszerek kzl hrmat ismertetnk.
szaknyugati sarok mdszer
Kiindulunk egy elosztsi feladat disztribcis tblzatbl: Az els felad kszletbl
kielgtjk az els, msodik stb. megrendel teljes ignyt, ha az els feladnak kimerl
a kszlete, folytatjuk a msodik felad kszletvel az els kielgtetlen megrendelnl s
gy tovbb, amg az utols felad kszletbl az utols megrendel ignyt is ki nem
elgtjk.
gy egy m+n1 kttt helyet tartalmaz bzismegoldshoz jutunk ltalban.
Vissza
98
Opercikutats
Szlltsi feladatok
Vissza
99
Elfordul, hogy egy felad s megrendel kszlete egyszerre egyenltdik ki, akkor a feladat degenerlt. Ilyenkor is m+n1 kttt helyet jellnk ki; nullt runk a generl elem fl.
A konkrt feladat esetben:
R1
F1
R2
40
F2
F3
R3
9
10
10
20
R4
2
50
30
10
10
10
20
10
40
30
20
10
100
Az eljrs elnye, hogy gyorsan elllthat egy lehetsges bzismegolds.
Htrnya az, hogy ltalban messze esik a kapott bzismegolds az optimlis megoldstl.
A szlltsi kltsg:
K = 40 8 + 10 10 +20 6 + 10 4 + 10 5 + 10 1 = 640 e Ft.
Sor- s oszlopminimum mdszer
Ezzel a mdszerrel olyan bzismegoldst keresnk, amely a clt is igyekszik figyelembe venni.
Lnyege, hogy a legkisebb kltsg helyeket vlasztjuk generl elemnek s a feltteleket igyeksznk kielgteni. Az eljrst a legnagyobb peremadatnl clszer kezdeni.
R1
F1
F2
F3
40
0
3
40
R2
10
10
30
20
R3
9
R4
10
50
10
30
20
20
10
20
Szlltsi kltsg: K = 40 8 + 10 2 + 0 1 + 10 6+ 20 4 + 20 4 =
580 e Ft
Ez a bzismegolds degenerlt, mert van olyan bzisvltoz, amelynek
rtke nulla.
Vogel-Korda mdszer
Most is a disztribcis tblzatbl indulunk ki.
Vissza
99
Opercikutats
Szlltsi feladatok
Vissza
100
Kpezzk mindegyik sor s oszlop kt-kt legkisebb kltsg-elemnek

klnbsgt. rjuk ezeket az rtkeket a tblzat mell, illetve al.
A legnagyobb differencihoz tartoz sor, vagy oszlop legkisebb elemt
lektjk gy, hogy a hozztartoz megrendelt, vagy feladt elgtjk ki.
xij = min(ti;rj) rtkkel ktjk le.
A kielgtett sort, vagy oszlopot elhagyjuk s a maradk tblzattal
megismteljk az eljrst, korriglva a peremadatokat is.
Alkalmazzuk az elmondottakat a feladatunkra:
F1
R1
8
R2
10
R3
9
R4
2
10
50
d1
6 a legnagyobb klnbsg
F2
F3
1
6
4
10
30 3
3
4
5
1
20 2
40 30 20
10
d1
2
2
1
1
Hagyjuk el az R4 oszlopot s korrigljuk az F1 kszletet!
F1
F2
F3
R1
8
1
30
R2
10
6
R3
9
4
d2
40
30
1
3 a legnagyobb klnbsg
20
40
30
20
d2
2
2
1
Hagyjuk el az F2 sort s korrigljuk R1 ignyt!
F1
F3
R1
8
3
R2
10
d3
10
5
30
6a
20
R3
9
5
40
20
d3
1
1
20
4
legnagyobb
klnbsg
Hagyjuk el az F3 sort s korrigljuk R2 ignyt!

Itt mr csak egy sor van, ezrt a lehetsges program:
Vissza
100
Opercikutats
Szlltsi feladatok
R1
F1
R2
10
101
R3
10
10
Vissza
10
10
20
40
20
A tblzatokat nem szksges a kihagyott sor s oszlop utn jra lerni,

elegend a kihagyott sort s oszlopot thzni. Ezt mutatja a kvetkez
tblzat:
R1
R2
F1
10
10
F2
30
F3
R3
10
20
R4
20
10
50 40 20
d1
6
d2
1
10
30
20
40 10 30 10
20
d1
2
2
1
d2
2
2
1
d3
5
6
4
Teht egy lehetsges megolds:
d3
1
10
1
x11 = 10, x12 = 10, x13 = 20, x14 = 10, x21 = 30, x32 = 20, a tbbi rtke 0.
A szlltsi kltsg:
K = 10 8 + 10 10 + 20 9 + 10 2 + 30 1 + 20 4 = 490 e Ft.
A mdszer elnye, hogy a megadott pldk nagy szzalknl a kapott
bzismegolds egyben optimlis megolds is. Ezrt a nagymret feladatok kzelt megoldst gyakran gy hatrozzk meg.
5.3.3. Optimalits-vizsglat
Lehetsges bzismegoldst mr el tudunk lltani. De nem tudjuk, hogy

az optimlis-e. A szimplex tblnl a dulis vltozk leolvashatk s abbl
tudjuk eldnteni az optimalitst. A dul vltozk rtkei itt nem lthatk,
de kiszmthatjuk rtkket, mert a primlbzisban lv vltozkhoz tartoz dul felttelek mindig egyenlsg formjban teljeslnek.
Az optimalits vizsglathoz felhasznlhatjuk a 4.3. pontban b), c), d)
megllaptsokat s kimondhatjuk a kvetkez ttelt.
Vissza
101
Opercikutats
Szlltsi feladatok
Vissza
102
Ttel: A szlltsi feladat x T = [x 11, x 12, ", x mn ] lehetsges megoldsa s a
dul prjnak u T , v T = [u 1 , u 2 , " , u m , v 1, " , v n ] megoldsa akkor s csak
akkor optimlis, ha u j + v j = c ij .
[ ]
t
bl kvetkezik: [u , v ] = c
r
Bizonyts: Ha x s u T , v T optimlis megolds, akkor a dualits ttelT
] A
Felhasznlva 1 x = sszefggst, kapjuk u T , v T 1 x = c T x .

A 2
r
A 2
Mivel x 0 , ezrt
[u
A1
, v T = cT .
A 2
Rtrve a koordintkra:
u i + v j = c ij ,
ahol cij kttt elem, hiszen a feladatnak ui s vj lehetsges megoldsa.

A fenti ttelt a kvetkezkppen alkalmazhatjuk az optimalits ellenrzsre.
1. A kttt c ij
rtkhez felrjuk az u i + v j = c ij
feltteli egyenlete-
ket. gy egy m + n 1 egyenletbl ll m + n ismeretlent tartalmaz

egyenletrendszert kapunk.
2. Az egyik ismeretlen rtke szabadon megvlaszthat. Legyen u1 = 0,
akkor a tbbi c ij u i vagy c ij v j szerint szmolhat.
3. Ha az gy kapott ui, vj rtkek minden (i, j) prra kielgtik a dulfeladat tbbi feltteleit is, azaz: ui + vj cij teljesl, amit gyakorlatban
cij (ui + vj) 0 alakra hozhatunk, akkor a priml feladat lehetsges
bzismegoldsa egyben optimlis is.
4. Az optimlis megoldshoz tartoz kltsget a
c x
ij ij
kifejezssel
i =1 j=1
szmoljuk ki.
5. Ha van olyan cij, hogy cij (ui + vj) 0, akkor a priml feladat clfggvny rtke cskkenthet. (A program javthat.)
Vissza
102
Opercikutats
Szlltsi feladatok
Vissza
103
Az gy meghatrozott dul vltozkat potenciloknak nevezi a szakirodalom.

Az optimalits kritriuma teht: cij (ui + vj) 0.
Vizsgljuk meg, hogy a 4.3.2.2 pontban ellltott bzismegolds optimlis-e! (Tudjuk, hogy nem optimlis, hiszen a Vogel-Korda mdszerrel
kapott kltsg kevesebb.)
Induljunk ki a lehetsges bzismegoldsbl:
R2
10
R1
F1
40
F2
F3
R3
9
10
20
R4
2
20
50
10
10
30
20
40
30
20
10
rjuk fel a potencilrendszert! Felrhat, mert a kttt helyek szma 6 s ez
egyenl az m+n1 kritikus szmmal.
u1 + v1 = 8
u1 + v4 = 2
u2 + v1 = 1
u2 + v2 = 6
u2 + v3 = 4
u3 + v2 = 4
Legyen u1 = 0, akkor v1 = 8, v4 = 2, u2 = -7, v2 = 13, v3 = 11, u3 = -9.
Szoks szerint ezt a disztiribcis tblzat szln tntetjk fel s gy
egyszerbb is a szmtsuk.
Nzzk: A tblzatban csak a kttt elemeket hagyjuk meg s induljon
ki az u1 = 0-bl:
u1 = 0
u2 = 7
u3 = 9
v1=8
8
1
v2=13
v3=11
6
4
v4=2
2
u1 + v1 = 8 v1 = 8
u1 + v4 = 2 v4 = 2
u2 + v1 = 1 u2 = 7
u2 + v2 = 6 v2 = 13
u2 + v3 = 4 v3 = 11
u3 + v2 = 4 u3 = 9
Vissza
103
Opercikutats
Szlltsi feladatok
Vissza
104
Vizsgljuk meg a cij (ui + vj) rtkeket, ehhez csak a kltsgelemekre s

potencilokra van szksg s indexknt cij-hez rjuk. cij
ui
0
7
9
13
103
11
92
10 (0 + 13)
9 (0 + 11)
1015
10 (7 + 2)
34
53
18
3 (9 + 8)
5 (9 + 11)
1 (9 + 2)
A lbindexek azt mutatjk, hogy mennyivel vltozik a szlltsi kltsg,
helyre egy egysggel tbb szlltst terveznk.
Lthat, hogy van olyan (i, j) pr, amelynl
= 3
= 2
= 15
= 4
= 3
= 8
ha arra a
cij (ui + vj) 0

teljesl, teht a program nem optimlis.
5.3.4. Huroktranszformci
Tovbbi transzformcival kell javtani a bzismegoldst. A transzformci (vektorcsere) egy sajtos mdjra ad lehetsget a szlltsi modell
specilis struktrja.
Tegyk fel, hogy a disztribcis tbln egy nem optimlis megolds
lthat. Az eddig elmondottakbl tudjuk, hogy minden xij bzisvltozhoz
tartozik egy c ij kttt elem s fordtva. A javtst clz bzistranszformcit gy vgezzk el, hogy a kttt elemek kzl egyet szabadd
tesznk s egy szabad elemet lektnk. A vltoztatst gy kell megtenni,
hogy a szlltott mennyisgek sszege sor s oszlopirnyban ne vltozzon.
Ezt a kvetkez lpssorozattal rhetjk el:
a) Induljunk ki egy szabad cij elembl s ezt kssk ssze egy ugyanabban a sorban lv cik kttt elemmel, amelynek az oszlopban tovbbi
kttt elem van!
b) Ezt a cik elemet kssk ssze az oszlopnak egy olyan cgk kttt elemvel, amelynek sorban mg van tovbbi kttt elem!
c) A cgk-bl folytatva addig ismteljk az a), b) lpst, mg vissza nem
jutunk a cij elemre.
Az gy kapott alakzatot krnek vagy huroknak nevezi a szakirodalom.
Definci: A disztribcis forma olyan vektorrendszert, amely a disztribcis tblzat brmely sorbl s oszlopbl tartalmaz elemeket, ponto-
Vissza
104
Opercikutats
Szlltsi feladatok
Vissza
105
san kettt, huroknak vagy krnek nevezzk. Kr vagy hurok a disztribcis

tblzaton olyan trtt vonal, amely egy szabad helyrl indul ki s gy jut
oda vissza, hogy a trspontokban csak kttt elemek vannak.
Egy lehetsges bzismegoldst kijell tblzatban amelyben m+n1
kttt elem van minden szabad elemhez egyrtelmen szerkeszthet egy
hurok.
Pldul a feladatunk esetn: a c12, c22, c21, c11 cscspontokhoz tartoz hurok
lthat:
8
10
9
2
1
6
4
10
3
4
5
1
egy szabad elem, a tbbi kttt hely.
E cscspontokhoz tartoz vektorrendszer a 4.3 pontban ismertetett
szimplex tblzatban lthat:
e1 e 2 e 2 e1
e 2 ; e 2 ; e1 ; e1 .

Az ilyen hurok vektorai linerisan nem fggetlen rendszert alkotnak, teht

cscspontjai kzl legalbb egy nem tartozhat a bzis vektorai kz (szabad hely). A vektorcsert ezrt a hurkon fogjuk elvgezni a kvetkez
mdon:
1. Olyan hurkot ksztnk, amelynek a szabad helyhez tartoz cij (ui
+ vj) negatv. Ilyen hurok mindig van, ha pontosan m+n1 kttt
helyet jelltnk ki.
2. Az elemi bziscsert a hurok trspontjain vgezzk.
3. Legyen egy hurok ngy cscspontja cij, cik, cgk, cgj, ahol cij szabad hely,
a tbbi pedig xik, xgk, xgj bzisvltozkkal van lektve. Ha cij oszlopvektora bzisvltoz lesz s rtke d rtket vesz fel, akkor ez a vltozs vgiggyrzik a hurkon. Ezrt a vltozk rtkei:
xij = d, xik d, xjk + d, xgj d.
A krn szemlltetve az elmondottakat:
c dij
c xikik d
x +d
c gkgk
x d
c gjgj
Vissza
105
Opercikutats
Szlltsi feladatok
Vissza
106
A vltozs ilyen mdon val vgiggyrztetse maga a transzformci.

4. A transzformci csak akkor felel meg a vektorcsere kvetelmnynek, ha d szmrtkt a szabad elembl kiindulva a pratlan szm
trsponthoz tartoz bzisvltozk legkisebbikvel, azaz d =
min(xik,, xgk,..,) azonostjuk. Ez adja a mr korbban rtelmezett szk
keresztmetszet.
A transzformci utn kapott lehetsges bzismegolds optimalitst jbl
vizsglni kell.
Az elmondottakat szemlltessk a feladatunkon.
A tblzatban lthat, hogy tbb negatv index is van, vlasszuk a nagyobb abszolt rtkt s ez legyen a hurok szabad helye: A szabad elem
szomszdjai s utna minden msodik cscshoz tartoz xik-k legkisebbike
d=min(10;40)=10, ezrt tzzel tudjuk vltoztatni a hurok mentn az rtkeket.
40
10
30
10
10
10
10
gy a 10 kttt hely, a 6 szabad hely lesz. Az j bzismegoldst jelljk egy

j disztribcis tblzaton s ellenrizzk, hogy ez a lehetsges j megolds optimlis-e? Ellenrizzk a kttt helyek szmt s jbl szmoljuk ki
a potencilokat s a lbindexeket!
vj
0
ui
10
30
10
31
40
30
10
10
63
11
92
10 15
30
50
15
20
20
10
4
20
50
10
20
Vissza
106
Opercikutats
Szlltsi feladatok
Vissza
107
Lthat, hogy a c13 helyen van negatv lbindex, ezrt mg mindig nem
optimlis a megolds. Keressnk krt vagy hurkot a 9-es kltsgelemhez,
llaptsuk meg a d rtkt s hajtsuk vgre a vektorcsert a hurok mentn!
Az j bzismegolds a hozztartoz potencilrendszerrel s lbindexekkel:

ui
0
vj
10
10
30
31
40
30
9
10
10
63
20
2
20
50
10
42
10 15
30
52
15
20
20
10
Az iterci sorozata mris vget rt, mert cij (ui + vj) minden (i, j) prra
nemnegatv.
A feladat optimlis megoldsa: x11 = 10; x12 = 10; x13 = 20; x14 = 10;
x21=30; x32 = 20; a tbbi rtke nulla.
K = 10 8 + 10 10 + 20 9 + 10 2 + 30 1 + 20 4 = 490.
Ez a megolds megegyezik a 4.3.3.3 pontban ismertetett Vogel-Korda
fle kzelt megoldssal, teht ezzel a mdszerrel most is optimlis megoldst nyertnk.
5.3.5. Alternatv optimlis megoldsok
Ha egy elosztsi feladat optimlis tbljban egy, vagy tbb szabad helyen
cij (ui + vj) = 0 relci teljesl, akkor alternatv megoldsok lteznek, amelyeket
tovbbi transzformcival kell meghatrozni.
Oldjuk meg a kvetkez feladatot:
F1
F2
F3
R1
5
1
4
10
R2
3
4
3
30
R3
1
2
6
50
R4
1
4
6
30
60
40
20
120
Vissza
107
Opercikutats
Szlltsi feladatok
Vissza
108
Jelljnk ki egy lehetsges megoldst a Vogel-Korda mdszerrel:

F1
R1
5
F2
F3
R2
3
10
R3
10
20
R4
30
20
30
60
30
d1
0
d2
0
d3
2
d4
2
40
30
20
10
3
10
20
30
120
d1
0
1
3
d2
0
1
3
d3
0
1
d4
1
1
A kttt helyek szma 6, ez megegyezik az m + n 1 kritikus szmmal:
Teht ez egy lehetsges bzismegolds.
Vizsgljuk meg, hogy optimlis-e ez a megolds. Hatrozzuk meg a
potencilrendszert s a lbindexeket:
ui
0
vj
55
30
10
1
60
30
30
20
42
40
10
44
20
65
65
20
10
30
50
30
120
Mivel a lbindex rtkek cij (ui + vj) 0 kztt nincs negatv szm, ezrt
a program optimlis.
Az optimlis megolds:
x13 = 30, x14 = 30, x21 = 10, x22 = 10, x23 = 20, x32 = 20.
Vektor formban: x 01 = [0, 0, 30, 30, 10, 10, 20, 0,0, 20, 0, 0] .
A hozztartoz kltsg:
K = 1 30 + 1 30 + 1 10 + 4 10 + 2 20 + 3 20 = 210.
Viszont c12-hz tartoz lbindex 0, teht alternatv optimuma van.
Vissza
108
Opercikutats
Szlltsi feladatok
Vissza
109
Ksztsnk a 0 lbindex helyre hurkot, az j lehetsges megoldshoz

a potencilrendszert s lbindexeket:
ui
vj
0
1
0
55
1
10
1
10
40
20
44
10
30
1
20
30
65
65
60
40
20
50
30
120
1
2
30
42
Itt egy msik optimlis megolds lthat:

x12 = 10, x13 = 20, x14 = 30, x21 = 10, x23 = 30, x32 = 20.
Vektor szimblummal: x 02 = [0, 10, 20, 30, 10, 0, 30, 0, 0, 20, 0, 0] .
A kltsg pedig:
K = 3 10 + 1 20 + 1 30 + 1 10 + 2 30 + 3 20 = 210.
Az sszes optimlis megolds:
xT = [0, 0, 30, 30, 10, 10, 20, 0, 0, 20, 0, 0,] + (1 ).[0, 10, 20, 30,
10, 0, 30, 0, 0, 20, 0, 0], ahol 0 1.
Vissza
109
Opercikutats
Szlltsi feladatok
Vissza
110
5.3.6. A disztribcis megolds lpseinek sszefoglalsa
1. Felrjuk a feladat disztribcis indultblzatt (4.3.1).

2. Megvizsgljuk, hogy a feladhelyek kapacitsa egyenl-e a rendeltetsi helyeik
ignyvel ( ti = rj).
3. Lehetsges bzismegoldst ksztnk (4.3.2).
4. Meghatrozzuk az els potencilrendszert (4.3.3).
5. Megvizsgljuk az optimalitst (cij (ui + vj) 0).
6. Ha nem teljesl az optimalits kritriuma, akkor kivlasztjuk azt a vektort,
amelyre cij (ui + vj) 0 a legkisebb, s a hozztartoz hurkon elvgezzk a vektorcsert.
Megrajzoljuk ehhez a szabad elemhez tartoz hurkot s azok
cscspontjait eljellel ltjuk el.
Vgrehajtjuk a javtst gy, hogy a negatv sarkon lev mennyisgek kzl
a legkisebbet programozzuk t.
j tblzatra rjuk t az j programot. Mindig gyelni kell arra,
hogy az j tblzatban m+n1 kritikus szmnak megfelel szm kttt hely legyen.
7. Az itercik sorozata akkor r vget, ha az optimalits felttele teljesl. Ezt a
tblzatot optimlis tblzatnak nevezzk.
8. Az optimlis megolds kirsa.
9. A szlltsi kltsg a kltsgfggvnybl hatrozhat meg (kttt elemek s a
bzisvltozk szorzatsszege).
5.4. A szlltsi feladat ltalnostsa s Solver
programmal val megoldsa.
Eddig azt az esetet trgyaltuk, hogy a feladk kszlete megegyezett a megrendelk ignyvel. Ez ltalban nem teljesl.
Tegyk fel, hogy a 4.2. pontban tallhat pldban a msodik feladnak
40 tonna a kszlete s azt, hogy az els feladtl a 2. megrendelnek technikai okok miatt nem lehet szlltani. Viszont szeretnnk, ha a 3. feladtl
minden rut elszlltannk (hiszen az a sgorom!).
Ekkor biztos, hogy valamelyik feladnl marad ru, ezrt nem egyenlsg
formjban kell megfogalmazni a feltteli egyenleteket!
Vissza
110
Opercikutats
Szlltsi feladatok
Vissza
111
gy teht a modell:
x11 + x12 + x13 + x14 50
Feladkra:
x21 + x22 + x23 + x24 40 Azrt =, mert mindx31 + x32 + x33 + x34 = 20
et el kell szlltani.
x11 + x21 + x31 = 40
x12 + x22 + x32 = 30
Rendelkre
x13 + x23 + x33 = 20
x14 + x24 + x34 = 10
Itt minden igny teljesthet, hiszen a kszlet tbb mint az igny!
Valamint
x12 = 0, mert az els felad nem szllthat a 2. megrende-
lnek.
Clfggvny:
8x11 +10x12 + 9x13 + 2x14 + x21 + 6x22 + 4x23 +10x24 + 3x31 + 4x32 + 5x33 + x34 min.
Ha az igny nagyobb, mint a kszlet, akkor az ignyt kifejez relcik (az-
az a rendelkre felrtak) lesznek rtelmek!

A szlltsi feladat specilis lineris programozsi feladat, ezrt az EXCEL
tblzaton az adatokat s a vltozkat is rdemes tmren, mtrix formban kijellni. A kvetkez EXCEL kperny mutatja ezt a clszer elhelyezst.
Kln vegynk fel kltsgmtrixot s a vltozk mtrixt is.
Vissza
111
Opercikutats
Szlltsi feladatok
Vissza
112
Legyen a vltozk mtrixa a C11:F13 tartomny, a felhasznlt egyenletek

baloldala pedig a mtrix melletti G11:G13 illetve alatti C14:F14 tartomnyban, a clfggvny kplett pedig D16 cellba rjuk be. Ez elhelyezs
azrt clszer, mert a szban forg egyenltlensgek baloldalt a fggvnnyel rhatjuk le.
Ezutn kell meghvni a Solver programot s rtelemszeren elhelyezni a
modell elemeit.
Ne feledkezznk meg az x12=0 egyenlsgrl s a belltsokrl sem!
Vissza
112
Opercikutats
Szlltsi feladatok
Vissza
113
5.5. Mdostott maximumfeladat

Ha egy szlltsi feladatban a clfggvny maximumt kielgt megoldst
keresnk, vagyis
m
i =1
j=1
cij xij maximum a cl,
akkor maximumfeladatrl beszlnk. Ekkor a disztribcis mdszernl

clszer gy eljrni, hogy a clfggvny 1-szerest vesszk s annak keressk a minimumt. Ez azt jelenti, hogy a disztribcis tblzatban a
kltsgelemek negatvok lesznek. Az optimalizcis eljrst erre a tblzatra vgezzk el.
Termszetesen a Solver programnl a maximumot kell bejellni.
Vissza
113
Opercikutats
Egszrtk programozs
Vissza
114
6. Egszrtk programozs
6.1. Az egszrtk programozsi feladat fogalma
Az eddig trgyalt programozsi modelleknl feltteleztk, hogy a vltozk
brmely nem negatv vals rtket felvehetnek.
A gyakorlatban sokszor elfordul, hogy a programozsi feladatban a
vltozk csak egsz rtket vehetnek fel (pl. a modellben egy nagy rtk gp
vltozja, egy-egy beruhzsi vltozat stb.). Ha a modellben szerepl minden vltozra elrjuk az egszrtksget, akkor tiszta egszrtk feladatrl
beszlnk, ha viszont csak a vltozk egy rsze egszrtk, akkor a feladatot vegyes egszrtk programozsi feladatnak nevezzk, ha pedig azt is
elrjuk, hogy a vltozk csak 0 vagy 1 rtkeket vehetnek fel, akkor 0-1
egszrtk vagy binris feladatnak mondjuk.
Vizsgljuk meg kzelebbrl a kvetkez feladatot:
x0
[xj] = xj; (j = 1, , n.)
b) A x b
c) cT x max.
Ez lnyegben egy lineris programozsi feladat azzal a kiktssel, hogy a
vltozk adott feltteleken bell is csak egsz rtkeket vehetnek fel. (Egy
vltoz egszrtksgt az [xj] = xj egyenlsggel fogalmaztuk meg, ahol
az analzisbl jl ismert [x] jel azt a legnagyobb vals szmot jelenti,
amelyre [x] x. Pldul [3,6] = 3; illetve [0, 2] = 1).
Tovbb kiktjk, hogy az A elemei s a b komponensei egsz szmok. (Ezt elrhetjk megfelel konstansokkal val szorzssal.)
A megolds els fzisban figyelmen kvl hagyjuk a vltozkra
vonatkoz egszrtk kiktst. gy megkeressk a modell n. folytonos
optimumt. Ha folytonos modellnek nincs optimlis megoldsa, akkor az
eljrsunk vget rt, mert akkor az egszrtk feladatnak sincs
megoldsa.
Ha van optimlis megoldsa a folytonos modellnek, akkor kt eset
lehetsges:
Az optimlis megolds vltozi mind egszrtkek. Ekkor a diszkrt optimum megegyezik a folytonos optimummal.
a)
Vissza
114
Opercikutats
Egszrtk programozs
Vissza
115
Nem minden vltoz rtke egsz szm.

Ez utbbi esetben a lehetsges megoldsok halmazt addig szktjk, mg
a folytonos optimumhoz legkzelebb lev olyan programhoz nem jutunk, amelyben a vltozk mr mind egsz rtkek (rcspontok).
A problmt a kvetkez brn szemlltetjk
Lthatjuk, hogy a folytonos megolds optimum helye C, nem rcspont. A

halmazt szkteni kell. Ezt gy vgezhetjk el, hogy alkalmas mdon j
korltoz felttelek bevezetsvel az eredeti halmazbl lemetsznk egy
rszt. A szktst mindaddig folytatjuk, amg egszrtk megoldshoz
nem jutunk. Kt mdszert mutatunk be a szkts elvgzsre:
Gomory-fle vgsi mdszer tiszta egszrtk feladat megoldsra
Sztvlaszts s korltozs mdszere vegyes egszrtk feladat
megoldsra
6.2. Egszrtk feladatok megoldsa Gomory-fle
vgsi mdszerrel
Az eljrs lnyege:
1. A szimplex tblzatban ellltjuk a folytonos optimlis megoldst (ha ltezik!). Ha nem ltezik, akkor nincs egszrtk optimlis megolds sem.
2. Ha az optimlis megoldsban minden vltoz egsz, akkor megkaptuk a feladat
egszrtk optimumt is.
Vissza
115
Opercikutats
Egszrtk programozs
Vissza
116
3. Ha nem minden vltoz egsz a folytonos optimlis megoldsban, akkor valamely

trt rtk bzisvltoz sorbl metsz felttelt ksztnk s csatoljuk az optimlis tblzathoz.
4. A kiegsztett tblzatban ellltjuk az j optimlis tblzatot. Majd folytatjuk
a 2. vagy 3. lpssel.
A metszsi felttel ellltsa:
Tegyk fel, hogy az xi nem egsz, azaz a bi nem egsz s az i-edik sornak
az albbi felttel felel meg:
ai1x1 + ai2x2 + + ainxn bi,
akkor ehhez tartoz Gomory-fle vgsi felttel:
{a i1 [a i1 ]}x 1 + {a i 2 [a i 2 ]}x 2 + ... + {a in [a in ]}x n b i
[ ]
bi ,
ahol [ ] a szm egsz rtkt, a { } pedig a szm trt rszt jelenti.

Pldaknt oldjuk meg a kvetkez egszrtk lineris programozsi
feladatot.
x 1 , x 2 , x 3 0, s egsz
2x1
+x 2
x1
z = 4 x1
+ x2
+ 1x 2
+ x3
+ 3x 3
+3x 4
+ 5x 4
11
max
rjuk fel a feladat szimplex tblzatt s lltsuk el a folytonos modell

optimlis megoldst!
B0
u1
u2
z
x1
2
1
4
x2
1
1
1
x3
0
1
3
x4
3
0
5
7
11
0
x1
2
x4
3
u2 1
2
z
3
x2
1
3
1
2
x3
u1
1
3
0
5
7
3
11
35
B1
0
1
3
Vissza
116
Opercikutats
Egszrtk programozs
Vissza
117
Itt mg nem olvashat le egy optimlis megolds, mert z sorban van

pozitv szm.
B2
x1
2
x4
3
x3
1
7
z
3
x2
u 2 u1
1
1
0
3
3
1
0
+1
11
5
3
3
3
7
3
11
134
Ez a tblzat mr optimlis megoldst tartalmaz.

A folytonos modell optimlis megoldsa x of
0
0
134

= 11 , z of =
.
3
7
3
A Gomory-fle vgsi felttel az x4 vltozra:

7 7
2 2
1 1
1 1
x 1 + x 2 + u 1 .
3
3
3
3
3
3
3 3

trendezve:
2
1
1
1
x1 + x 2 + u1 .
3
3
3
3
Az j, kiegsztett tblzat:
B3
x4
x3
1*
z
z*
x1
2
3
1
2
3
7
3
2
3
x2
u 2 u1
1
1
0
3
3
+1
1
0
1
1
0
3
3
5
11
3
3
3
1
1
0
3
3
v1
7
3
0
11
1
1
3
134
0
3
1
1
3
0
Vissza
117
Opercikutats
Egszrtk programozs
B4
x4
1*
x3
x1
z
x2
0
1
2
1
2
15
u2
0
u1
0
1
1
2
1
0
2
1
3
2
v1
1
3
2
3
2
7
Vissza
118
2
21
2
1
2
261
= 43,5
6
1
2
Itt optimlis megolds olvashat le: x 1 = , x2 = 0, x 3 =
21
, x4 = 2 s
2
z0 = 43,5.
A B4 tblzatban lthat, hogy x4 mr egsz, de az x3 s x1 nem s
z0 = 43,5.
Ha csak az x4-re rtuk volna el egszrtksget, akkor ez adn az optimlis megoldst. Az egszrtksg elrsa a clfggvny rtknek
cskkensvel jrt.
Alkalmazzuk a Gomory-fle vgsi felttelt az x1 vltozra!
1 1
3 3
1 1
1 1
x 2 + 0 u 2 + u 1 + v 1 .
2
2
2
2
2
2

2 2
azaz
1
1
1
1
x 2 + 0u 2 + u 1 + v 1
2
2
2
2
Kiegsztve ezzel a B4-es tblzatot, kapjuk:

B5
x4
x2
0
1
x3
2
1
x1
2
1
*
2
2
15
z
6
1
*
z
2
u2
0
u1
0
1
1
2
1
0
2
1
0
2
1
3
2
1
0
2
v1
1
3
2
3
2
1
2
7
2
1
2
v2
0
0
0
1
2
21
2
1
2
1
2
43,5
1
2
Vissza
118
Opercikutats
Egszrtk programozs
B6
x4
x3
x1
2*
u2
0
1
0
x2
u1 v 1
0
1
1 2
1 2
3 2
Vissza
v2
0
1
1
119
2
10
0
2
15
1
6
1
1
41
A tblzat nem optimlis.

B7
x4
u2
0
x2
0
v1
1
v2
0
x3
x1
1
0
1
0
3
2
1
1
11
0
u1 0
1
z 3 2
1 2
1
1 1 43
Teht a tiszta egszrtk feladat optimlis megoldsa:

x1 = 0, x2 = 0, x3 = 11, x4 = 2, z0 = 43
6.3. Vegyes gsz rtk lineris programozsi
feladatok megoldsa korltozs s
sztvlaszts mdszervel
6.3.1. A korltozs s sztvlaszts mdszer lnyege
A mdszer alapelve az, ha egy feladatot nehz megoldani, akkor bontsuk

rszekre s oldjuk meg azokat kln-kln.
A sztvlaszts arra utal, hogy a feladatot rszfeladatokra bontjuk gy,
hogy a rszfeladatok lehetsges megoldsainak halmaza rszhalmaza az
eredeti feladat lehetsges megoldsi halmaznak, a clfggvnye azonban
az eredeti feladat clfggvnyvel azonos.
A korltozs a maximumfeladat esetn azt jelenti, hogy a rszfeladatok
optimlis clfggvny-rtkre valamilyen mdszerrel korltokat hatrozunk meg. Ha egy rszfeladat clfggvnynek fels korltja nem nagyobb az eredeti
feladat ismert lehetsges megoldsaihoz tartoz clfggvny-rtkeknl, akkor a rszfeladat tovbbi vizsglattl eltekintnk.
Vissza
119
Opercikutats
Egszrtk programozs
Vissza
120
Nzzk a kvetkez pldn a grafikus szemlltetsben az elmondottakat:

x 1 , x 2 0, s egsz
4x 1 + 2x 2 20
x 1 + 2x 2 4
z = 8x 1 + 5x 2 max
5.3.1. bra. Sztvlaszts s korltozs

Az eredeti feladat clfggvny rtke:
z = 8 3,2 + 5 3,6 = 25,6 + 18 = 43,6
Teht az eredeti feladat megmutatta, hogy a rszfeladatok
clfggvnyrtkek fels korltja 43.
Az brn lthat, hogy az L2 rszfeladat optimlis megoldsa egyben
egszrtk megolds is. (4; 2), z(L2) = 32 + 10 = 42.
Az L1 halmazon (rszfeladat) egszrtk optimlis megoldsa (3;3) lehet (a clfggvnyt az orig fel kell mozgatni) s z(L1) = 24 + 15 = 39.
Ez kisebb, mint az elz megolds, ezrt az eredeti feladat optimlis megoldsa is x1 = 4, x2 = 2 s zopt = 42.
A rszfeladatokra bonts tbbflekppen is elvgezhet. Az egyik leggyakoribb mdszer, hogy a folytonos optimlis megoldsnak valamely trt
rtk vltozjba runk als s fels korltot.
Vissza
120
Opercikutats
Egszrtk programozs
Vissza
121
Binris vltozj feladatoknl az xj = 0 vagy xj = 1 felttelek csatolsval kapunk j rszfeladatot.

6.3.2. Vegyes egszrtk feladat megoldsa
Nzzk teht a vegyes egszrtk feladat modelljt:

A1 x + A 2 y b
x, y 0
y vektor komponensei egsz sz-
mok.
z = c 1T x + c 2T y max
(Tovbbiakban yj-val jelljk az egszrtk vltozkat.)

A megolds gondolatmenete:
1. Ellltjuk a feladat folytonos optimlis megoldst. (ha ltezik). Ha nem
ltezik, akkor az egszrtk feladatnak nincs optimlis megoldsa.
2. Ha a folytonos optimlis megoldsban az yj vltozk egszek, akkor megkaptuk a kitztt feladat optimlis megoldst.
3. Ha van nem egsz az y0j vltozk kztt, akkor ezen vltozkra runk el als
s fels korltot: y j [y 0 j ] illetve y j [y 0 j ]+ 1 s ezeket az eddigi felttelrendszerhez csatolva kt j rsz feladatot kapunk:
Ez a sztvlaszts alapja:
Az egyik feladat:
a msik feladat:
A1 x + A 2 y b
A1 x + A 2 y b
y j y 0j
y j y 0j + 1
y egsz
y egsz
[ ]
[ ]
4. Megoldjuk az gy kapott feladatokat, mint folytonos modellt.

5. Azon az gon haladunk tovbb, ahol a clfggvny nagyobb s folytatjuk a 2. vagy
3. lpssel.
Vissza
121
Opercikutats
Egszrtk programozs
Vissza
122
A mdszer gyakorlsra nzzk a kvetkez feladatot:
x1 , x2 , x3 R + , y1 N +
+x 2
+3y 1
2x1
x1
+ x2
+ x3
z = 4 x1
+ x2
+ 3x 3
7
11
+ 5y 1
max
Teht azt vrjuk el, hogy y1 vltoz egsz szm legyen.

Folytonos megolds optimlis tblzata:
B2
y1
x3
z
x1
2
3
1
7
x2
1
3
1
11
u2
u1
1
0
3
1
0
5
3
3
7
3
11
134
Az optimlis folytonos megolds:

x 1 = 0, x 2 = 0, x 3 = 11, y 1 =
7
ez mg nem egsz, ezrt
3
7
y1 = 2 ,
3
7
y1 + 1 .
3
A sztvlasztsra rjuk fel a kt feladatot:

2x1
x1
+x2
+ x2
+3y1
+ x3
y1
z1f
7
11
2
= 4x1 + x2 + 3x3 + 5y1 max
2x1
x1
+x2
+ x2
+3y1
+ y3
y1
zf2
7
11
3
= 4x1 + x2 + 3x3 + 5y1 max
Vissza
122
Opercikutats
Egszrtk programozs
Vissza
123
majd oldjuk meg:

A sztvlaszts egyik ga: y1 2
7
11
2
B0
u1
u2
u *3
x1
2
1
0
x2
1
1
0
x3
0
1
0
y1
3
0
1
v3
0 7
0 11
1 3
z f2
B0
x1
x2
x3
y1
u1
u2
u3
2
1
0
1
1
0
0
1
0
3
0
1
z 1f
B1
u1
u2
y1
x1
2
1
0
x2
1
1
0
x3
0
1
0
u3
3
0
1
1
11
2
z 1f
10
B2
u1
x3
y1
z 1f
x1
2
1
0
1
x2
1
1
0
2
u2
0
1
0
3
B3
u1
1
2
1
2
0
1
x2
1
2
1
2
0
5
u2
x1
x3
y1
z1f
u3
3
0
1
5
u3
3
0
2
3
1 +
2
0
1
7
3
2
A sztvlaszts msi ga: y1 3
A szk keresztmetszet nem az u *3 ban van, a feladatnak nincs lehetsges megoldsa, teht nincs optimlis megoldsa sem.
1
11
2
43
1
2
21
2
2
87
A B3 tblzatbl lthat, hogy a feladatnak van optimlis megoldsa:

0 ,5
x = 0 , y 1= 2 .
10,5
Lthat, hogy ez a megolds kielgti a feladat feltteleit.
Vissza
123
Opercikutats
Egszrtk programozs
Vissza
124
6.4. Hozzrendelsi feladat

A lineris programozsi feladatoknak azon specilis tpust nevezzk hozzrendelsi
feladatoknak, amikor minden egyes erforrst (pl. munkaer, gp, trolhely stb.)
egyetlen egy adott tevkenysghez rendelnk hozz.
6.4.1. Alapfeladat s megoldsa
A hozzrendelsi feladat alapmodellje a kvetkez gazdasgi feladat formjban fogalmazhat meg:

Egy zemben n munks dolgozik s a mhelyben ugyanannyi munkafeladat van.
Mindegyik munks elvileg kpes brmelyik munka elvgzsre, de a klnbz munkafeladatot klnbz kltsgekkel tudjk elvgezni.
Krds: Melyik munks melyik munkafeladatot kapja, hogy a munkk
elvgzsnek sszkltsge a lehet legkisebb legyen?
A problma matematikai modellje a kvetkez:
Vezessk be az xij vltozt azzal a feltevssel, hogy xij=1, ha az i-edik
munks a j-edik munkt vgzi s xij=0, ha az i-edik munks nem a j-edik
munkt vgzi. gy az xij vltoz csak kt rtket vehet fel, 0-t s az 1-et.
Ha cij jelenti azt a kltsget amellyel az i-edik munks j-edik munkafeladatot vgzi el, akkor keressk a
n
c x
ij
ij
lineris fggvny minimumt a
i =1 j=1
n
ij
= 1 (j = 1,2,..., n),
ij
= 1 (i = 1,2,..., n),
i =1
n
x
j=1
x ij = 0 vagy x ij = 1
felttelek mellet.
Lthat, hogy ez egy specilis lineris egszrtk programozsi feladat,
amely egyben egy specilis szlltsi feladat is, amely nemcsak szimplex mdszerrel, de disztribcis mdszerrel is megoldhat. Azonban a megolds
mindkt esetben hosszadalmas s nehzkes a fellp degenercik miatt.
Jval egyszerbb a hozzrendelsi feladat megoldsa a sztvlaszts s
korltozs mdszervel.
A mdszer alapjt kpez fogalmakat s eljrsokat egy konkrt pldn mutatjuk be:
Vissza
124
Opercikutats
Egszrtk programozs
Vissza
125
Tegyk fel, hogy t munks kztt kell felosztani t munkt gy, hogy
mindegyik munks egy s csakis egy munkt kapjon.
Legyen a kltsgmtrix:
8 10 7 8 13
7 8 7 11 15
C 0 = 16 13 9 5 8 .
11 10 7 7 13
15 8 10 11 18
Knnyebben tudnnk a sztvlasztst elvgezni, ha jl lthat volna a

legkisebb kltsg hely soronknt s oszloponknt. Ezt elrhetjk, ha az
egyes oszlopok minden elembl vonjuk le az illet oszlop legkisebb elemt (7, 8, 7, 5, 8). Ezt redukcinak nevezzk. gy a redukci rtke
k0=7+8+7+5+8=35.
1
0
C1 = 9
4
8
2
0
5
2
0
0
0
2
0
3
3 5
6 7
0 0.
2 5
6 10
A sorok szerint mr nem kell reduklni, mert minden sorban a legkisebb

rtk 0.
Ha a hozzrendelst azon a helyen tudnnk elvgezni, ahol most 0 ll,
akkor megkapnnk a feladat optimlis megoldst, azaz k0=35 rtket tekinthetnnk a clfggvny als korltjnak.
Prbljuk meg a hozzrendelst! Taln rnzssel is megllapthatjuk, hogy melyik hozzrendels a legjobb: Keretezzk be a programba
bevont rtkeket (a generl elem mintjra):
1
[0]
4
8
2
0
5
2
[0]
0
0
2
[0]
3
3 5
6 7
[0] 0
2 5
6 10
Vissza
125
Opercikutats
Egszrtk programozs
Vissza
126
Teht ngy olyan helyet talltunk, ahol cij=0, az tdiket kell csak gy
megkeresni, hogy a lehet legkisebb legyen a kltsg. Itt knyszerlpsben
vagyunk, mert ez a hely csak az els sor utols eleme lehet. gy nem tudhatjuk, hogy ez a megolds optimlis-e.
Alkalmazzuk a sztvlaszts s korltozs mdszert.
Ennek a mdszernek a lnyege az, hogy a lehetsges megoldsi halmazt, az L0-t
kt rszre bontjuk s becslssel megllaptjuk, melyik tartomny tartalmazhatja az
optimlis megoldst.
Az eljrs lnyege s menete:
A reduklt C1 mtrix minden cij=0 elemre meghatrozzuk a sorban s az oszlopban tallhat legkisebb elemek sszegt. Ezeket rij-vel jellve, pldnkban a
kvetkezk: r13=1, r22=0, r35= 5, r52=3, r21=1, r34=2, r43=2.
Ezek kzl kivlasztjuk a legnagyobbat, ez r35. Ez jelzi, hogy a kltsgekben itt a legnagyobb a klnbsg, ha x35 rtkt 0-nak, vagy 1-nek vlasztjuk.
Ha x35=0-nak vlasztjuk, akkor ez azt jelenti, hogy a 3. munksra nem
bzzuk az 5. munkt. Ilyenkor ennek a viszonylatnak a kltsge helybe
egy vgtelen nagy szmot rhatunk, M-t (tilt tarifa). Ekkor viszont a kltsgmtrix 5. oszlopt lehet ismt reduklni 5 egysggel. Ez megegyezik az
r35=5 rtkkel. gy az sszes kltsgredukci k1= 35+5= 40 lenne. Ez a
clfggvny als korltjt 40-re emeln. Mieltt ezt a vltoztatst megtennnk, vizsgljuk meg a msik lehetsget.
Ha x35 = 1. Ez azt jelenti, hogy a 3. munksra bzzuk az 5. munkt.
Ebben az esetben trlhetjk is a 3. sort s az 5. oszlopot, hiszen ebben a
viszonylatban mr kiosztottuk a feladatot.
1
0
Az gy kapott mtrix C 2 = .
4
8
2
0
.
2
0
0
0
.
0
3
3
6
.
2
6
.
1 2
0 0
. C 3 = . .
.
4 2
8 0
0
0
.
0
3
1
4
.
0
4
.
.
. .
.
.
A C2 mtrix 4. oszlopa reduklhat 2-vel. Ez azt jelenti, hogy itt a kltsgnvekeds csak 2 egysg. gy a clfggvny als korltja 35-rl k2=37re emelkedik. Az optimlis megoldst teht a megoldshalmaz abban a
rszben (L2) keressk tovbb, amelyekben az x35=1.
Szmoljuk ki jbl az rij rtkeket a C3 mtrixbl:
r13=1+0, r22=0+0, r43=0+0, r52= 3 +0= 3, r21=0+1, r23=0+0, r44=0+1
Vissza
126
Opercikutats
Egszrtk programozs
Vissza
127
Teht az x52 rtket 0-nak vagy 1-nek vlasztjuk.

Ha x52=0, akkor a kltsg k3=37+3 lesz.
Ha x52=1, akkor elhagyva a msodik oszlopot illetve 5. sort:
1
0.
C4 = .
4
.
. 0 1 .
. 0 4 .
. . . . s
. 0 0 .
. . . .
k4=37+0=37 lesz, mert itt 0 a kltsgredukci lehetsge. Teht ezen az

gon folytatjuk a vizsgldst.
A C4-re jra meghatrozzuk az rij rtkeket:
r13=1+0=1, r23=0+0=0, r44=0+1=1, r21 =0+1=1, r43 =0+0=0.
Itt tbb r rtk is azonos. Vlasszuk az r13 relcit. Ekkor x13=0 vagy
x13=1 esetet vlaszthatjuk:
Ha x13=0, akkor a kltsg k5=37+1=38 lesz.
Ha x13=1, akkor elhagyva az els sort s a harmadik oszlopot
.
0.
C5 = .
4
.
.
.
.
.
.
. . .
. 4 .
. . . s akkor k6=37+0=37 lesz, mert megint nem le

. 0 .
. . .
het reduklni a maradk mtrixot.

A k6 kisebb, mint k5, ezrt az optimlis megoldst az x35=1, x52=1,
x13=1 rszhalmazban keressk.
A C5 mtrixnl egyrtelmen ltszik, hogy x21=1 s x44=1 vlaszts
nem nveli a kltsget.
Teht az optimlis megolds: x35=x52=x13=x21 =x44=1 s a tbbi vltoz rtke 0.
Meggyzdhetnk a C0 mtrixbl, hogy a kltsg ekkor:
8+8+7+7+7=37.
Ez azt jelenti, hogy az els munks vgzi a harmadik munkt, a msodik munks az els munkt, a harmadik munks az tdik feladatot, a negyedik munks a
negyedik, az tdik munks a msodik munkt s ekkor a kltsg 37 egysg.
Vissza
127
Opercikutats
Egszrtk programozs
Vissza
128
128
Az elmondottakat kvessk vgig a kvetkez folyamatbrn:

A korltozs s sztvlaszts mdszere:
5.4.1.1. bra. A korltozssztvlaszts mdszere
Vissza
Opercikutats
Egszrtk programozs
Vissza
129
6.4.2. A mdszer ltalnos lersa
Legyen C = [c ij ] a kltsgmtrix, s yij a modell vltozja. Akkor a cl a

kvetkezformban fogalmazhat meg:
n
min
i =1
c y | y
j=1
ij ij
ij
{0;1},
y
i =1
ij
= 1,
y
j=1
ij
= 1
A sztvlaszts s korltozs mdszernek lnyege:

1. Redukljuk a C mtrixot. Ezt jelljk C0-val. Meghatrozzuk a k0-t. Ez
lesz a kltsg als korltja.
2. A C0 mtrix minden cij = 0 elemre nzve meghatrozzuk az
rij = min{c ik | k = 1,..., j 1, j + 1,..., n} + min c kj | k = 1,...,i 1, i + 1,..., n r-
{}
tket. Az rij halmazbl kivlasztjuk a legnagyobbat. Legyen ez a i1j1edik index hely.

3. A C1 mtrixot gy nyerjk a C0-bl, hogy i1j1 helybe M-t runk, (ez
azt jelenti, hogy i1-edik munks nem vgzi el a j1-edik munkt, azaz
xi1j1=0), majd a mtrix redukcijt elvgezzk. Mivel a redukci rtke
ppen ri j lesz, ezrt az L1-hez tartoz kltsg als korltja
11
k 1 = k 0 + ri1j1 . Ha xi1j1=1, azaz az i1-edik munks elvgzi a j1-ik munkt, vagyis az L2 halmazban vizsgldunk, akkor gy jrunk el, hogy a
C0 mtrixbl elhagyjuk i1 index sort s a j1 index oszlopot.
4. Az gy kapott C2 mtrixot ismt redukljuk. Ha r i1j1 szimblummal jelljk a redukls mrtkt, akkor a kltsg k 2 = k 0 + r i1j1 lesz.
5. Az algoritmust gy folytatjuk, hogy azt a halmazt bontjuk tovbb, ahol
a k rtke kisebb. Ezt a lpssorozatot addig folytatjuk, mg egyrtelmen nem tudunk 0 kltsg helyre tervezni.
Vissza
129
Opercikutats
Egszrtk programozs
Vissza
130
A megolds fastruktrja:
akkor
k 1 = k 0 + ri1j1 ,
k 2 = k 0 + r i1j1 .
Ha k 2 k 1 , akkor az L2 halmazt bontjuk tovbb hasonlan.

6.4.3. Specilis problmk
Munksok szma nem egyezik a munkafeladatok szmval

Ha a munksok szma tbb mint a munkk szma, akkor lesznek olyan
munksok akik nem kapnak munkt. Ha a munksok szma kevesebb,
mint a munkk szma, akkor bizonyos munkafeladatok elvgzsre nem
kerl sor.
Ezekben az esetekben a fent megismert megoldsi mdszert gy alkalmazzuk, hogy a kltsgmtrixot annyi nvleges oszloppal illetve sorral
bvtjk, amennyivel a kltsgmtrix kvadratikus mtrix lesz. A nvleges
sorok s oszlopok kltsgelemei nullval egyenlk.
Tilttarifa a hozzrendelsi feladatban.
Ez akkor ll el, ha bizonyos munkkat egy vagy tbb munks valamilyen
ok miatt nem vgezhet el. Akkor is tilttarift alkalmazhatunk, ha a munksok szma kevesebb mint a munkafeladatok szma s bizonyos munkafeladatokat mindenkppen el kell vgezni.
Az elmondottak illusztrlsra nzzk a kvetkez feladatot:
Hat munkafeladatot ngy munkssal kell elvgezni. Elrs, hogy a negyedik s a
hatodik munkafeladatot mindenkppen el kell vgezni, azonban az els munks a
harmadik s hatodik munkafeladatot nem tudja elvgezni, a msodik munks pedig
az els s negyedik munkt nem vgezheti. Hatrozzuk meg az elosztsi tervet gy,
hogy az elvgzett sszmunka kltsge a lehet legkisebb legyen.
Vissza
130
Opercikutats
Egszrtk programozs
Vissza
131
6 8 10 7
5 8 11 8
.
A kltsgmtrix: K =
9 11 7 9 9 13
8 13 5 8 7 11
Megolds: A kltsgmtrixot egsztsk ki ngyzetes mtrix. A kt nvleges munks kltsge nulla. Mivel elrtuk, hogy a negyedik s a hatodik
munkafeladatot el kell vgezni ezrt a nvleges sorokban a negyedik s a
hatodik kltsgelem rtke a vgtelen nagy rtket jelent M kerljn.
Tilttarifa kerljn mg az els s a msodik sorba is.
6 8 M 10 7 M
0
M 5 8 M 11 8
M
9 11 7 9 9 13
2
K1 =
K2 =
8 13 5 8 7 11
3
0 0 0 M 0 M
0
0 0 0 M 0 M
0
2 M
0
4
8
0
3
0
0
0
1 M
M 6 3
2 2 6
.
3 2 6
M 0 M
M 0 M
4
A K2 mtrix minden sort cskkentsk az illet oszlop legkisebb elemvel. gy mr olyan mtrixot kapunk, amelynek minden sorban s oszlopban van legalbb egy nulla. Teht:
[0]
M
2
K3=
3
0
0
4
8
[0]
3 M
0 [0]
[0] 1
0 M
1
6
2
2
0
[0]
M
[0]
3
.
3
M
A K3 mtrixon lthat egy lehetsges megolds, amely egyben optimlis

megolds is (sikerlt 0 kltsg helyre kijellni a megoldst). E megolds
szerint az 1. munks az els munkt, a 2. munks a 6. munkt, 3. munks
a 4. munkt, 4. munks a 3. munkt vgzi. Teht a legkisebb kltsggel
akkor vgezhet el a kijellt feladat, ha a 2. s az 5. munkt nem vgezzk
el. A ngy munkafeladat sszkltsge: k=6+8+9+5=28.
Vissza
131
Opercikutats
Egszrtk programozs
Vissza
132
Hozzrendelsi feladat a clfggvny maximalizlsval

Ilyen feladat akkor fordul el, ha a mtrix elemei nem kltsget, hanem
hasznot jelentenek. Ekkor a munkk olyan sztosztsa a cl, hogy az
sszhaszon a lehet legnagyobb legyen. Az ilyen feladat is knnyen megoldhat a fenti mdszer valamelyikvel, ugyanis a clfggvny 1szeresnek ott van a minimuma, ahol az eredeti clfggvnynek a maximuma.
Pldaknt oldjuk meg a kvetkez feladatot! Egy lovasversenyen egy
csapat ngy versenyzbl ll. Egy-egy l teljestmnye nagymrtkben
fgg attl, hogy ki lovagolja. Az elz versenyek eredmnyei alapjn tudjuk, hogy az egyes versenyzk vrhat pontszma mennyi az egyes lovak
lovaglsa esetn. Ezt ltjuk a kvetkez tblzatban:
Lovak
Lovasok
A
B
C
D
Tibi
980 1020
960
950
Bla
1010
990
1000
1030
Pali
1000
980
950
990
Zoli
1040
970
990
1010
Melyik lovat ki lovagolja, hogy a lehet legnagyobb pontszmot rjen el a csapat? Melyik az a minimlis pontszm, amelynek elrse mindenkppen vrhat?
Az els krds megvlaszolsa a clfggvny maximalizlsa, a msodik krdsre a hozzrendelsi feladat alapmodelljnek megoldsa ad vlaszt.
Az els krds megvlaszolsa rdekben els lpsknt szorozzuk
meg a mtrix minden elemt 1-gyel. Azutn az gy kapott mtrix minden
sort cskkentsk az illet sor legkisebb elemvel. Ekkor egy nem negatv
elem mtrixot kapunk. Harmadik lpsknt a mr gy reduklt mtrix
minden oszlopt cskkentsk az illet oszlop legkisebb elemvel. Ezen a
mtrixon keressk az optimlis megoldst a sztvlaszts s korltozs mdszervel.
980 1020 960 950
40 0 60 70
1010 990 1000 1030
P = 20 40 30 0 .
P 0=
1
1000 980 950 990
0 20 50 10
1040 970 990 1010

0 70 50 30
Vissza
132
Opercikutats
Egszrtk programozs
Vissza
133
A P0 els sorbl levontunk 1020-t (a sor legkisebb elemt), a 2. sorbl

1030-t, a 3. sorbl 1000-t, a 4. sorbl 1040-t, gy kaptuk a P1-t. Lthat, hogy a 3. oszlop mg reduklhat 30 egysggel. gy kaptuk a P2-t.
40 0 30 70
20 40 0 0
. A redukci rtke k1= 4060.
P 2=
0 20 20 10
0 70 20 30
Lthat, hogy itt nem lehet olyan megoldst kijellni, ahol minden lekttt elem 0 lenne. Ezrt vizsgljuk meg 0 helyeket.
Kpezzk az r rtkeket:
r23=20+0=20,
r24=0+10=10,
r31=10+0=10,
r12=30+20=50,
r41=20+0=20
Az r12 rtke a legnagyobb, ezrt elszr az r12 helyet kell vizsglni.
Ha x12=1, akkor Tibi lovagolja a B lovat, ekkor trlhetjk az els sort
s a msodik oszlopot. Az gy nyert mtrixot redukljuk:
.
20
P 3=
0
. .
.
. 0 0
. 20 10
. 20 30
Lthat, hogy ez tovbb nem reduklhat, teht a k vltozsa 0, azaz k2=

4060.
Ha x12=0, akkor Tibi nem lovagolja a B lovat s gy a k=
4060+50=4010 lenne, ami nagyobb, mint k2. Teht az elbbi gon
haladunk tovbb. A P3 mtrixban sem jellhet ki egy olyan megolds,
ahol minden kttt elem 0 lenne. Ezrt rtkeljk a P3 mtrix 0 elemeit:
r23=0+20= 20, r24=0+10=10, r31=10+0=10, r41=20+0=20.
Ha x23=1, akkor a 2. sor s a 3. oszlop elhagysa utn a 4. oszlop reduklhat 10-zel. Teht k3= k2+10= 4050.
Ha x23=0, akkor r23=20 miatt a kltsg 20 egysggel nvekedne. Teht az x23=1-t rdemes vlasztani. Ekkor k3= 4060+10= 4050.
.
.
A reduklt j mtrix: P4=
0
.
.
.
. . 0
. . 20
. .
. .
Vissza
133
Opercikutats
Egszrtk programozs
Vissza
134
rtkeljk a P4 mtrix 0 elemeit: r31=0+0=0, r34=0+20=20, r41=20+0=20.

Ebbl mr trivilisan kvetkezik, hogy x34=1 s x41=1. A k4= 4050.
Teht az optimlis megolds: Ha Tibi a B, Bla a C, Pali a D, Zoli pedig az A lovat lovagolja, akkor 4050 pontot szerezhetnek s ez a legtbb.
Feladat: Ksztse el az elz plda folyamatbrjt!
Hozzrendelsi feladatok megoldsa Solver programmal.
Helyezze el a kltsgmtrixot s az ismeretlenek mtrixt a szlltsi feladatoknl megtanult mdon EXCEL tbln, hiszen ez egy specilis szlltsi feladat.
Itt a feltteli egyenletek, ha xij jelenti, hogy az i-edik munks elvgzi a jedik munkt vagy nem, az xij egy binris vltoz.
Az i-edik munks valamelyik munkt elvgzi
magyar mondatnak matematikai megfelelje:
xi1 + xi 2 + ... + xin = 1, ahol i = 1, 2,..., n.
A j-edik munkt valamelyik munks elvgzi magyar mondat megfelelje:
x1 j + x2 j + ... + xnj = 1, ahol j = 1, 2,..., n.

A clfggvny pedig:
k = 8 x11 + 10 x12 + 7 x13 + 8 x14 + ..... + 11x54 + 18 x55 min

lesz. Ezt rdemes a SZORZATSSZEG fggvnnyel ellltani.
Hvja meg a Solver programot s jellje be a clfggvny celljnak helyt,
a vltozk mtrixnak tartomnyt, feltteli egyenlsgeket adja hozz a
felttelekhez. Itt jellje be, hogy a vltozk mtrixnak tartomnya binris
lehet. Ne felejtse el a belltsokat: Lineris modell, nemnegatv felttelezs.
6.5. Krutazsi vagy utazgynk problma
Adott n vros. A feladat az, hogy egy gynk valamelyik vrosbl kiindulva hogyan
tudja felkeresi valamennyi vrost gy, hogy minden vrost csak egyszer rintve a legrvidebb t megttele utn a kiindulsi vrosba rjen vissza. (n>3).
Ismeretesek a vrosok kztti tvolsgok, amelyeket n. tvolsgmtrixba szoks foglalni. Ennek a C0 mtrixnak a cij eleme jelenti a i-edik s a jedik vros tvolsgt. Ennek rtelmben cii=0 lenne, de rtelemszeren ez az t
nem szerepelhet, ezrt a szoksos M tilt tarift rjuk az tlba.
Vissza
134
Opercikutats
Egszrtk programozs
Vissza
135
Itt is rvnyes a hozzrendelsi feladatok felttele: az yij vltoz csak 0

vagy 1 rtket vehet fel.
A feladat megoldsa mgsem egyezik a hozzrendelsi feladat megoldsnak algoritmusval, mert figyelembe kell venni azt, ha az i-edik vrosba rkeztnk, akkor innen is kell tovbb indulni. Ez azt jelenti, hogy az 1
rtk vltozkat olyan sorrendbe kell lltani, hogy indexeik egy indexlncot alkossanak.
Melyik sorrend biztostja a legrvidebb utat?
Teht adott a C = [c ij ] tvolsgmtrix. Jellje tovbb yij azt, hogy az iedik vrosbl elmegynk a j-edik vrosba.
Ha yij = 0, akkor az azt jelenti, hogy Vi-bl nem megynk Vj-be.
Ha yij = 1, akkor az azt jelenti, hogy Vi-bl megynk Vj-be.
Termszetesen, hogy yii = 0 lesz mert i-bl nem mehetnk i-be.
A feladat matematikai modellje:
min
i =1
n
j=1
c ij y ij | y ij B,
y ij = 1 =
i =1
y
j=1
ij
ahol B = {0,1} binris halmaz.

Hozzrendelsi feladat nem biztostja a megoldst, mert ott nem voltunk tekintettel a sorrendre. Itt biztostani kell azt, ha j-edik vrosba bementnk, akkor innen megynk tovbb, azaz biztostani kell az n. indexsort:
Pl. V1V2, V2V3, V3V4, , Vn1Vn, VnV1, azaz yik = ykm = ymj = = 1
Az eljrs lnyege hasonl a hozzrendelsi feladathoz:
Vissza
135
Opercikutats
Egszrtk programozs
Vissza
136
Megolds lpsei:
1. Redukljuk a C mtrixot. Ezt jelljk C0-val.. Meghatrozzuk a k0-t. Ez
lesz az t als korltja.
2. A C0 minden cij = 0 elemre nzve meghatrozzuk az
rij = min{c ik | k = 1,..., j 1,j + 1,..., n} + min{c kj | k = 1,..., i 1,i + 1,..., n} rtket. Az {rij } halmazbl kivlasztjuk a legnagyobbat. Legyen ez az i1j1adik index hely.
3. C1 mtrixot gy nyerjk a C0-bl, hogy c i1j1 helybe M-t runk. Ez azt
jelenti, hogy nem megynk i1-bl a j1 helyre. Majd vgezzk el c1 redukcijt. Mivel a redukci rtke ppen c i1j1 lesz, ezrt az L1-hez tartoz becsls k 1 = k 0 + ri1j1 . (Ezt automatikusan is meghatrozhat)
4. L2-vel kapcsolatban gy jrunk el, hogy a C0 mtrixbl elhagyjuk i 1 index sort s a j1 index oszlopot. Ezzel biztostjuk, hogy L2-ben i1j1 viszonylat lesz a krtban. Ekkor viszont nem szerepelhet i1j1 viszonylat,
ezrt a i1j1 elem rtkt M-re lltjuk.
5. Az gy kapott C2 mtrixot ismt redukljuk. Ha r i1j1 szimblummal
jelljk a redukls mrtkt, akkor a krt hossza k 2 = k 0 + r i1j1 lesz.
6. Az algoritmust gy folytatjuk, hogy azt a halmazt bontjuk tovbb, ahol
a k rtke kisebb.
Ezt a lpssorozatot addig folyatjuk, mg egyrtelmen nem tudunk 0-ra
tervezni.
Plda:
Hatrozza meg a legrvidebb krutat. Vonjuk ki soronknt a legkisebb
elemet a tbbi elembl, majd az oszlopokra is alkalmazzuk ezt az eljrst!
M 10 5 9 6 5 M 5 0 4 1
15 M 4 5 1 1 14 M 3 4 0
C = 4 6 M 5 33 1 3 M 2 0
.
10 5 1 M 7 1 9 4 0 M 6
9 4 8 2 M 2 7 2 6 0 M
12
1
2
Vissza
136
Opercikutats
Egszrtk programozs
Vissza
137
gy ellltjuk a reduklt C0 mtrixot:

M 3 0 4 1
13 M 3 4 0
C 0 = 0 1 M 2 0 . A k0 = 13 + 3 = 15 rtk als becsls a
8 2 0 M 6
6 0 6 0 M
krutakhoz.
Minden cij = 0-hoz szmoljuk ki az rij-t:
r13 = 1, r25 = 3, r31 = 6, r35 = 0, r43 = 2, r52 = 1, r54 = 2.
Az r31 = 6 a legnagyobb, ezrt L1-hez tartozik y31, ezrt M-et rtunk a c31
helyre. Ekkor a C1 mtrix:
M 3 0 4 1
13 M 3 4 0
C1 = M 1 M 2 0 s az t als korltja: k1 = k0 + 6 = 21
8 2 0 M 6
6 0 6 0 M
Az L2-hz tartoz lehetsg, azaz ha y31 = 1, akkor elhagyva a 3. sort s 1.

oszlopot s M-re lltva a c13 rtkt, kapjuk:
. 3 M 4 1
. 2 M 3 0
. M 3 4 0
. M 3 4 0
.
.
. .
.
.
. . .
C 2 = . .
. 2 0 M 6
. 2 0 M 6
. 0 6 0 M
. 0 6 0 M
Ez reduklhat 1-gyel az els sorban, ezrt k2 = k0 + 1 = 16.

Mivel k2 < k1 ezrt ezen az gon folytatjuk az eljrst:
Az rij-k rtkei a cij=0 helyeken:
r15 = 2, r25 = 3 + 0 = 3, r43 = 2 + 3 = 5, r52 = 2 + 0 = 2, r54 = 0 + 3 =
3.
Az r43 = 5 a legnagyobb, ezrt L3 gon folytatva az eljrst, azaz ha y43 = 0,
akkor k3 = k2 + r42 = 16 + 5 = 21 lesz.
Vissza
137
Opercikutats
Egszrtk programozs
Vissza
138
Ha L4 gon megynk, azaz ha y43 = 1, akkor elhagyva a 4. sort s 2.

oszlopot s c34-t M-re lltva kapjuk:
. 2 . 3 0
. M . 4 0
C 4 = . . . . .
. . . . .
. 0 . 0 M
s nem lehet reduklni, ezrt k4 = k2 + 0 = 16 + 0 = 16.

Mivel k4 < k3, ezrt L4 halmazt bontjuk tovbb:
Meghatrozzuk az rij rtkeket: r15 = 2, r25 = 4, r52 = 2, r54 = 3.
Az r25 = 4 rtk a legnagyobb, ezrt ha y25 = 0 lesz, akkor
k5 = k4 + r25 = 16 + 4 = 20.
Ha y25 = 1, akkor elhagyva a 2. sort s 5 oszlopot s az c52-t M-re lltva kapjuk:
. 2 . 3 .
. 0 . 1 .
. . . . .
. . . . .
C 6 = . . . . . . . . . . . .
. M . 0 .
. M . 0 .
. . . . .
. . . . .
A C6 reduklhat 2-vel, ezrt k6 = k4 + 2 = 16 + 2 = 18.

Mivel k6 < k5, ezrt ezen az gon folytatva az eljrst: Itt leolvashat
egy trivilis megolds y12 = 1 s y54 = 1, valamint k = k6 = 18.
Ezzel az eljrs befejezdtt. Ha vgignzzk a megoldslncot, kapjuk az
y31 = y43 = y25 = y12 = y54 = 1
megoldst. Az indexlnc szerint az t:
y12 = y25 = y54 = y43 = y31 = 1,
azaz az utaz tja: V1V2 V2V5 V5V4 V4V3 V3V1 lesz.
Kzben megtett t: k = 10 + 1 + 2 + 1 + 4 = 18.
Vissza
138
Opercikutats
Egszrtk programozs
Vissza
139
6.6. Nhny egszrtk modell a gyakorlatban

6.6.1. Htizsk problma
A htizsk problma egy egyfeltteles 0-1 egszrtk lineris programozsi. feladat. Az elnevezst onnan kapta, hogy egy trz problmjn
szemlltette elszr a szakirodalom a feladatot. A trz n szm hasznlati trgy kzl gy akarja sszerakni a felszerelst, hogy a megengedett
teherbrs (trfogat) mellet a legnagyobb hasznlati rtket vihessen magval.
Ha aj a j-edik trgy slya (trfogata), cj pedig a hasznlati rtke, b a trz teherbrsa (a htizsk trfogata), akkor az
a1x1 + a2x2 + + anxn b
xj = 0 vagy 1 (j = 1, 2, , n)
z = c1x1 + c2x2 + + cnxn max
algebrai feladat megoldsa adja meg trz problmjra a vlaszt.
Az xj = 1 esetben a trz magval viszi a j-edik trgyat, xj = 0
esetben pedig nem.
6.6.2. Hajrakodsi problma
A kt feltteles terhelsi feladatokat hajrakodsi problmnak is nevezik, mert

a hajrakomny sszelltsnl figyelemmel kell lenni a slyra is s a trfogatra is.
Tegyk fel, hogy adott sly s trfogat hajt kell megrakni bizonyos
nem oszthat rucikkekkel. Meghatrozand az a legnagyobb rtk rakomny, amelyet a haj elszllthat.
Legyen:
n a klnbz rucikk szma,
aj a j-edik rucikk slya,
bj a j-edik rucikk trfogata,
rj a j-edik elszlltand rucikk darabszma,
cj a j-edik rucikk rtke,
V a haj rakodsi trfogata,
G a haj rakodsi slya.
Ha xj jelli a j-edik rucikkbl szlltand darabszmot, akkor feladatunk
az
Vissza
139
Opercikutats
Egszrtk programozs
Vissza
140
xj 0, [xj] = xj, j = 1, 2, , n
a1x1 + a2x2 + + anxn G
b1x1 + b2x2 + + bnxn V
xj rj
f(x) = c1x1 + c2x2 + + cnxn max
tiszta egszrtk feladat megoldst kvnja meg.
6.6.3. Beruhzsi problma
Tegyk fel, hogy egy cg zeme m db erforrs felhasznlsval n db termket kvn ellltani. A b vektor komponensei jelentik a jelenleg rendelkezsre ll erforrsok mennyisgt (kapacitst), A pedig a technolgiai
egytthatk mtrixt.
A vllalat vezetsge bvteni szeretn az erforrsokat s erre p Ft ll
rendelkezsre. Az erforrsok bvtsre k db klnbz beruhzsi vltozat jhet szba. Jelentse ezen vltozat megvalstshoz szksges kltsgeit egy r vektor komponensei (k komponens vektor).
Ha y vektor jelenti a beruhzsok megvalstst (komponensei 10
rtk, beruhzs megvalsul vagy nem) akkor nyilvn teljeslni kell a
rT y p
sszefggsnek.
Nyilvn ez a beruhzs nveli az egyes erforrsok kapacitst is. Jelljk a nvekeds mrtkt a g (y ) vektorral (a g vektor y -tl fgg).
Ekkor az j rendelkezsre ll erforrs b + g (y ) lesz. Ha x 0 vektor az
zem tevkenysgi vektora s cT a tevkenysg rbevtele, akkor a feladat
matematikai modellje:
x 0 , y (0 vagy 1 komponens vektor)
[y i ] = y i ,
yi 1, yi 0
A x b + g y
rT y
()
z = c x max
Ez egy vegyes egszrtk feladat.
Vissza
140
Opercikutats
Egszrtk programozs
Vissza
141
6.6.4. Fixkltsg problma
Eddigi modellekben a termels felmerlt kltsgei kztt nem szerepeltettk a termels sorn felmerlt n. fix kltsgeket. Ebben az esetben feltteleztk, hogy a clfggvnyben szerepl hozamok arnyosak a termelt
mennyisggel.
A tovbbiakban tegyk fel, hogy a termk ellltsi kltsge kt rszre
bonthat:
egy a termelsi szinttl fgg,
egy a termelsi szinttl fggetlen rszre.
Az els rszt vltoz kltsgnek, a msodikat pedig lland, vagy fix kltsgnek szoks nevezni. A j-edik termk kltsge teht: k(xj) + dj, ahol k(xj)
vltoz kltsg, dj pedig a fix kltsg.
Olyan modellt lltsunk most ssze, ahol a kltsgfggvny
ha x j = 0
0,
p xj =
.
k x j + d, ha x j >0
( )
( )
Ez a megfogalmazs tartalmazza azt a kiktst, hogy a fix kltsg csak

akkor lp fel a j-edik termket illeten, ha tnylegesen folyik termels, azaz
akkor rvnyesl a modellben, ha xj > 0-nl. Termszetesen, ha a vizsgldsainkat minden termkre kiterjesztjk, akkor ttrve a vektor jellsre
az sszes kltsget az 1T k (x ) + d T y fggvny fejezi ki.
A modell csak akkor mkdkpes, ha a feltteli egyenltlensgek kztt is szerepel az y vltoz. Ez pedig gy valsthat meg, hogy elrjuk
minden termkre a kvetkez felttelt: xj rjyj (minden j-re), ahol rj kifejezheti azt, hogy az j-edik termkbl maximlisan mennyit termelhetnk.
gy a modellnk a kvetkez formban rhat fel:
x 0 , y 0 s yj 0 vagy 1 rtk minden j-re.
A x b
x j rj y j 0 (minden j-re)
( )
1T k x j + d T y min
Ha a clfggvny a haszon maximalizlst fejezi ki, akkor elszr clszer a termk fedezett s belle a termels fedezeti sszegt kiszmtani s
abbl levonni a felmerl ltalnos kltsget.
Vissza
141
Opercikutats
Egszrtk programozs
Vissza
142
Ekkor a clfggvny:
z=
j=1
cj xj
d y
j
max ,
j=1
ahol cj jelenti a j-edik termk fedezett.

A problma skalris formban:
Legyen:
n a termkek szma,
m az erforrsok szma,
bi az erforrsok kapacitsa (i = 1, 2, , m),
aij az j-edik termk egy egysgnek ellltshoz szksges erforrs az i-edik erforrsbl (j=1, 2, , n),
cj a j-edik termk fedezete,
kj a termk termelsnek fix kltsge,
rj a termkbl gyrtand mennyisg fels korltja,
xj a j-edik termkbl gyrtand egyenlre ismeretlen mennyisge,
yj binris vltoz,
akkor a maximlis nyeresget a kvetkez modell megoldsval hatrozhatjuk meg:
xj 0, yj 0, [yj] = yj; j = 1,2, , n; i = 1, 2, , m
ai1x1 + ai2x2 + + ainxn bi
xj rjyj 0
yj 1
z = c1x1 + c2x2 + + cnxn (k1y1 + k2y2 + + knyn) max
Megjegyzs: a megfogalmazs szerint az yj rtke 0 vagy 1 lehet s ekkor xj-t
termeljk vagy nem. Ez biztostja, hogy a kj fix kltsg csak yj =1 esetben
lp fel. A modellhez termszetesen tbb felttel is megfogalmazhat.
Vissza
142
Opercikutats
Tbbcl lineris programozs
Vissza
143
7. Tbbcl lineris programozs

Eddig mindig feltteleztk, hogy a lineris programozst alkalmaz vllalat, intzmny vezetse egyetlen clfggvnybe meg tudja fogalmazni a
tevkenysg cljt, mint pldul a teljes haszon maximalizlsa vagy a teljes kltsg minimalizlsa. Pedig a vllalatok vezetse gyakran tbb ms
cl figyelembevtelvel hozza meg dntst.
Ilyenek lehetnek a profit fenntartsa, a piaci rszeseds nvelse vagy megtartsa, stabil rak elrse, a dolgozk hangulatnak javtsa, a vllalat tekintlynek
nvelse stb.
A tbbcl lineris programozs elmlete lehetv teszi, hogy egyidejleg
tbb cl elrsre trekedve adjunk optimlis megoldst. Az eljrs lnyege
az, hogy minden egyes verblisan megfogalmazott clt elszr szmszerstnk, azaz
mindegyik clhoz fellltunk egy clfggvnyt, majd egy olyan, megoldst keresnk,
amely valamilyen szinten minden clfggvnynek megfelel.
ltalban az a jellemz, hogy a klnbz clfggvnyhez nem ugyanaz az optimlis termels szerkezet tartozik.
A problmt szemlltessk egy ktvltozs termelsi feladattal:
x 1, x 2 0
x1 + 2x2 80
x1 + x2 60
x2 30
z1 = 2x1 + 4x2 max
z2 = x1
max
Vissza
143
Opercikutats
Vissza
144
brzoljuk a feladatot grafikonon!
Ha a feladatot csak a z1 clfggvny figyelembevtelvel optimalizljuk,

akkor eredmnyl a D s a C pontokat sszekt szakaszt kapjuk (alternatv optimum), ha z2 szerint optimalizljuk, akkor eredmnyl a B pontot
kapjuk.
Ezt szmtssal is ellenrizhetjk:
B0
x1
x2
b
Elszr z1 szerint optimalizlunk, ezrt
u1
1
2
80
z1 szerint vlasztunk generl elemet
u2
1
1
60
gy, hogy a vltozsokat a z2-re is elu3
0
1
30
vgzem.
z1
2
4
0
z2
1
0
0
B1
x1
u3
u1
1
2
20
A lehetsges megolds nem optimlis,
u2
1
1
30
ezrt folytatjuk a bzistranszformcit.
x2
0
1
30
z1
2
4 120
z2
1
0
0
B2
u1
u3
A z1 szerint optimlis megoldst kaptunk, mgpedig alternatv optimumot:
x
1
2
20
1
u2
x2
z1
z2
1
0
2
1
1
1
0
2
10
30
160
20
x (011) = [20 30] ,

z 1 ( x (011) ) = 160, z 2 ( x (011) ) = 20 .
Lthat, hogy z2 szerint ez nem optimlis, ezrt folytassuk az eljrst z2 szerint.
Vissza
144
Opercikutats
B3
x1
u3
x2
z1
z2
B4
x1
u3
u1
z1
z2
u1
1
1
1
2
1
x2
1
1
1
2
1
u2
2
1
1
0
2
u2
1
0
1
2
1
40
10
20
160
40
60
30
20
120
60
Vissza
145
A z1 szerint tovbbra is optimlis a

megolds. A z1 rtke nem vltozott, a
z2 rtke nvekedett, de mg nem optimlis.
Most mr z2 szerint optimlis a megolds,
x (02 ) = [60;0], z 1 ( x (02 ) ) = 120, z 2 ( x (02 ) ) = 60 .
Lthat, hogy z2 rtke nvekedett, de

z1 rtke cskkent.
brzoljuk a clfggvnytrben az eredmnyt:
Megfigyelhetjk, hogy az x rtkeket az L halmaz hatrn a B s D kztt

vlasztjuk meg, akkor a Z halmaz hatrn a B' s D' pontok kztti rtkek mozognak.
A B'C' szakaszt elllt x termelsi vektorok olyan megoldsok, amelyeket megvalstva s ttrve egy msik megoldsra az egyik cl szerinti
nvekeds a msik cl szerinti cskkenssel jr egytt. Viszont a D'C' szakasz pontjaihoz tartoz x rtkek olyanok, hogy ha egyik x vektorrl ttrnk egy msikra, akkor az egyik clfggvny rtke nem vltozik, a msik
pedig jobb lesz.
Definci: Efficiens pontoknak vagy Pareto-optimlis pontoknak
nevezzk azokat a megoldsokat, amely rendelkeznek azzal a
tulajdonsggal, hogy nem tallunk hozzjuk egy msik a feltteleket
Vissza
145
Opercikutats
Vissza
146
kielgt pontot, amelyeket a clfggvnybe helyettestve minden cl

szerint ugyanakkort s legalbb az egyik cl szerint jobbat kapunk.
Definci: Az x * L pontot L efficiens pontjnak nevezzk, ha nincs
*
olyan x L , amelyre c x cx , s a kt oldal legalbb egy megfelel
komponensnl a szigor egyenlsg teljesl.
Ttel: Az x * L akkor s csak akkor efficiens pontja a tbbcl feladatnak, ha optimlis megoldsa a kvetkez tbbparamteres feladatnak:
xc
Ax b
z = 1z 1 (x ) + 2 z 2 (x ) + " + k z k (x ) max ,
k
ahol
i= 1
i =1
s i 0 minden i-re s z i (x ) = c i x i , i = 1, 2, ,
k.
A grafikus mdszerrel megoldott pldra alkalmazva:

x1 ,
x1
x1
z=
x2
+ 2x 2
+ x2
x2
(2 x 1 + 4 x 2 ) + (1 ) x 1
0
80
60
30
max,
azaz
2 x 1 x 1 + 4 x 2 + x 1 = (2 + 1) x 1 + 4 x 2 = ( + 1) x 1 + 4 x 2
max, ahol 0 1 .
Ennek a paramteres lineris programozsi feladatnak a karakterisztikus
intervallumai adjk az efficiens megoldsokat. Tbb clfggvny esetn
elg nehzz vlik ez a numerikus szmols, mert tbb paramter is szerepelne.
Visszatrve a pldnkra a C pont efficiens vagy Pareto-optimlis pont.
Az elmondottakbl lthat, hogy ha a clfggvnyek kztt fontossgi
sorrendet tudunk fellltani (preferencia szerint rjuk fel s indexeljk a
clfggvnyeket) s az els clfggvny szerint tbb optimlis megolds is
van, akkor ezen optimlis megoldsi halmazon keressk a msodik cl-
Vissza
146
Opercikutats
Vissza
147
fggvny szerinti optimlis megoldst. Az eljrst addig folytatjuk, amg az

utols clfggvny szerint is el nem ll az optimlis megolds.
Ha ez nem lehetsges, akkor kereshetjk a feladat Pareto-optimlis
megoldst. Ez ltalban elg komoly matematikai eszkzket ignyel,
ezrt olyan mdszereket mutatunk be, amelyek segtsgvel visszavezethet a megoldsi eljrs a szimplex mdszerre.
Ezeket kompromisszumus megoldsoknak nevezzk.
A kompromisszumos megoldst az albbi eljrsokkal llthatjuk el.
A linearitst felttelezve s a szoksos jellseket alkalmazva a kvetkezkppen fogalmazhat meg a tbbcl programozsi feladat:
x0
Axb
z1 = f1(x) = c1 Tx max.
z2 = f2(x) = c2T x max.
.
.
T
zk = fk(x) = ck x max.
Rvidebben a clfggvnyeket gy is rhatjuk: z = C x max, ahol C mtrix a clfggvnyek egytthatit tartalmazza.
A krds az, hogyan rtelmezzk a kompromisszumus optimlis megoldst?
Lehetsges vlaszok:
1. A lehetsges megoldsi halmazon megkeressk az egyes clfggvnyek
szerinti egyedi optimlis megoldsokat. Jelljk ezeket x01, x02, , x0k
szimblumokkal. Az egyedi optimlis megoldsok clfggvny rtkekbl felpthet egy idelis megolds:
Z0 = [Z01, Z02, Z03, , Z0k]
s ez az idelis megolds a lehetsges megoldsok terre is lekpezhet. Egy ilyen lekpezs lehet az optimlis megoldsok konvex lineris
kombincija:
1 Z01 +2 Z02 + +k Z0k = Z0,

Vagy
ahol
1 x01+ 2 x02 + + k x0k = x0,

1 + 2 + 3 + + k = 1 s k 0.
Vissza
147
Opercikutats
Vissza
148
Pldul az elbbi feladatban:

Vlasszuk 1 =0,7 s 2 =0,3 rtket, akkor egy kompromisszumos
optimlis megolds:
20
60
14 18
32
x 0 = 0,7 + 0,3 = + = ,
0
21
0
21
30
s ekkor z1=232+421= 64+84=148 s z2=32.
2. gy is megoldhatjuk a feladatot, hogy a clfggvnyeket helyettestjk egy clfggvnnyel.
a) Slyozsi mdszer
Gyakran alkalmazhat mdszer az, hogy az egyes clfggvnyekhez
fontossguk szerint slyokat rendelnk. E i 0 slyok ismeretben az
L lehetsges megoldsi halmazon a
g(x) = 1f(x) + 2f(x) + + kf(x)
fggvny maximumt keressk. Ekkor korltos L halmaz esetn biztosan kapunk efficiens pontot.
Ha a clfggvnyek dimenzija klnbz, akkor a kvetkezkppen
jrhatunk el.
g (x ) = 1
f 1 (x ) m 1
f (x ) m 2
f (x ) m k
+ 2 2
+ ... + k k
,
M1 m1
M2 m2
Mk mk
ahol mi illetve Mi az f(x) clfggvny minimuma illetve maximuma a

lehetsges megoldsok halmazn.
Az elz feladat esetben ez gy alakul:
Az j clfggvny:
z=0,7z1+0,3z2 =
0,7(2x1+4x2)+0,3x1=1,4x1+2,8x2+0,3x1=1,7x1+2,8x2max.
Teht a modell:
x1 +
x1 +
x2 80
x2 60
x2 30
z = 1,7x1 + 2,8x2
max.
Vissza
148
Opercikutats
Vissza
149
b) Korltok mdszere.
Megolds lehet az is, hogy a legfontosabb clfggvnyt vesszk csak
figyelembe, a tbbiekre pedig egy megfelel als korltot adunk meg
s ezeket bevisszk a korltoz felttelek kz. gy az eredeti feladat
helyett az
x0
Axb
c2Tx b2
. . . .
ckTx bk
f1(x) = c1Tx max
lineris programozsi feladatot oldjuk meg.
Esetnkben: Ha ismeretnk van arrl, hogy a szban forg
clfggvnyrtk mekkora szokott lenni (a vllatoknl ez ltalban becslhet), akkor a z2 clfggvny als korltjnak pldul 40 rtket
adva s a modellbe berva kapjuk:
x1 + 2x2 80
x1 + x2 60
x2 30
x1
40
z = 2x1 + 4x2
max.
Megjegyzs: ez a mdszer nem vezet felttlenl efficiens ponthoz.
c) A legkisebb clfggvny rtknek maximalizlsa:
A b) pontban bemutatott als korltot nem mindig lehet rtelmes mdon megadni, mert nincs informcink rla, illetve egyidejleg szeretnnk minden als korltot nvelni s ezzel az eredeti clnak megfelelen nvelni rtkket. Ebben az esetben alkalmasnak tnhet a legkisebb als korlt rtknek maximalizlsa.
Vezessnk be egy mestersges vltozt, y-t (amelynek rtkt elre
nem tudjuk) gy, hogy f1(x) y, f2(x) y, , fn(x) y is teljesljn.
Egyetlen clfggvnynek vlasszuk a z = y fggvny maximalizlst.
Esetnkben:
f1(x)= 2x1 + 4x2 y,
f2(x)= x1
y.
Vissza
149
Opercikutats
Vissza
150
150
Ezt trendezve:
2x1 + 4x2 y 0,
x1
y 0.
Vagy ami ezzel egyenrtk:
2x1 4x2 + y 0,
x1
+ y 0.
A lineris programozsi modell teht a kvetkez:
x1 +2 x2
80
x 1+ x 2
60
x2
30
2x1 4x2 + y 0
x1
+y 0
z=
y max.
A szimplex indul tblzat teht:
B0
x1
x2
y
b
u1
1
2
0
80
u2
1
1
0
60
u3
0
1
0
30
u4
2
4
1
0
u5
1
0
1
0
z
0
0
1
0
B1
u1
u2
u3
u4
y
z
x1
1
1
0
1
1
1
x2
2
1
1
4
0
0
u5
0
0
0
1
1
1
b
80
60
30
0
0
0
Vissza
Opercikutats

Vissza
151
151
B2
u2
x2
u5
b
u1
1
0
20
x1
1
1
0
60
u3
0
1
0
30
u4
1
1
60
y
1
1
60
z
1
1
1
60
Optimlis megolds olvashat le a tblzatbl:
x1 =60, x2 = 0, y = 60.
Ekkor az eredeti clfggvnyek rtke: f1(x)=120, f2(x)=60.
Vissza
Opercikutats
Nemlineris programozs
Vissza
152
8. Nemlineris programozs
8.1. Fogalom s pldk
A lineris programozs alapvet feltevse, hogy a problma megfogalmazsban szerepl sszes fggvny (f(x) clfggvny s gi(x) knyszerfelttel) lineris.
Ez a feltevs sok gyakorlati feladat esetben nem teljesl. Sok kzgazdsz azt tallta, hogy a nemlinearits sok tervezsi feladatnl szinte szably.
Csak egy pldt emltnk.
Ismert az rkeresleti grbe: p(x)
A p(x) az az r, amellyel a termk x egysgt el lehet adni.

Ha termk egysgnek termelshez szksges kltsg c, akkor a cg
hasznt a P(x) = xp(x)cx nem lineris clfggvny adja meg:
Ha a cg n termknek mindegyiknek hasonl a haszonfggvnye, akkor

az ered clfggvny:
f(x)=
P ( x ) , (ahol j=1, 2, , n),

j
j=1
Vissza
152
Opercikutats
Vissza
153
azaz nemlineris fggvnyek sszege.

A nemlineris programozsi feladatok sokfle formban jnnek el.
Ezeknl nincs egyetlen olyan kzs algoritmus, amely egzakt megoldst adna a klnbz tpus feladatokra, hanem egy-egy gyakorlatban
elfordul specilis tpus feladatra dolgoztak ki algoritmust.
A trgyaland nemlineris programozsi feladatok mindegyiknl felttelezzk,
hogy a knyszerfelttelek lineris fggvnyek, gy azt is mondhatjuk, hogy olyan feladatokkal foglalkozunk, amelyeknl csak a clfggvny nemlineris.
Ebben a feladattpusban az a kzs, hogy clfggvnyk nem lineris.
Ezen feladatokat aszerint osztlyozhatjuk, hogy a clfggvnyk milyen
fggvny. Ha a clfggvny msodfok, akkor kvadratikus programozsrl, ha a clfggvny lineris trtfggvny, akkor hiperbolikus programozsrl stb. beszlnk.
8.1.1. Plda egy kvadratikus clfggvnyre
Az egyszersg kedvrt ttelezzk fel, hogy a kt termk ra a forgalmazott mennyisgtl fgg s a kvetkez fggvnyekkel fejezhet ki:
p1(x1) = 10 x1,
p2(x2) = 12 x2,
ahol x1 s x2 a kt termk rtkestett mennyisge, akkor az rbevtelt
f (x 1 , x 2 ) = (10 x 1 ) x 1 + (12 x 2 ) x 2 = 10 x 1 x 12 + 12 x 2 x 22
fggvny adja, amely nem lineris (kvadratikus). Ezrt az ilyen clfggvny feladatot kvadratikus programozsnak nevezik.
Ha a termelst az
x1 + x2 4,
x1 x2 2
lineris egyenltlensgrendszer korltozza, akkor a problma matematikai
modellje a kvetkezkppen rhat fel:
f (x 1 , x 2 ) = 10x 1
x1 ,
x2
x1
x1
+ x2
x2
4
2
+ 12x 2
x 12
x 22
max .
Grafikonon szemlltethetjk a problma megoldst.
Vissza
153
Opercikutats
Vissza
154
brzoljuk azt a clfggvnyt, melynek rtke 40, azaz

10x1 + 12x2 x12 x22 = 40.
talaktva kapjuk: (x1 5)2 + (x2 6)2 = 21.
gy mr felismerhet, hogy ez egy olyan krnek az egyenlete, amelynek
a kzppontja (5;6) koordintj pont, a sugara pedig 21 . Ha tbb koncentrikus krt is brzolunk, akkor lthat, hogy a lehetsges megoldsi
halmazbl melyek azok a pontok, amelyek ugyanazon clfggvnyrtket
adjk. A 7.1.1. brn jl lthat, hogy mely pontok adjk a nagyobb
clfggvnyrtket.
7.1.1 bra
A lehetsges megoldsok kzl az a pont adja az optimlis megoldst,
amely legkzelebb van a K kzpponthoz. Ez a pont a K-bl a CB szakaszra bocstott merleges talppontja, a T(1,5 ; 2,5) pont. Ehhez a pont-
Vissza
154
Opercikutats
Vissza
155
hoz z = 36,5 clfggvnyrtk tartozik. Lthat, hogy az optimlis megolds

nem cscspont. Ez ltalban is gy van a nemlineris programozsnl!
8.1.2. Egy msik gyakorlati problma
Egy vllalat hrom termket tervez gyrtani hrom erforrs felhasznlsval. A termelst korltoz felttelrendszer a kvetkez lineris egyenltlensgrendszerrel oldhat meg, ahol xj jelenti a j-edik termkbl ellltott
mennyisget.
x1 ,
x2 ,
x3
0,
x1
x1
+ x2
+ x3
+ x3
12,
= 10,
x2
+ x3
6.
A hrom termk fajlagos hozama rendre 3, 2, 1 Ft. A termels sorn a

termelssel sszefggsben 3 Ft-ot be kell fizetni egy kzs alapba, ezrt a
hasznot kifejez fggvny:
h(x1, x2, x3) = 3x1 + 2x2 + x3 3.
A termkek fajlagos kltsge rendre 1, 1, 2 Ft. Ezen rfordtsok mellett a
termelsnek van mg 4 Ft lland kltsge, ezrt a kltsget ler fggvny:
k(x1, x2, x3) = x1 + x2 + 2x3 + 4.
A vezetsg azt szeretn, ha olyan termelsszerkezet alakulna ki, hogy a
termels egysgnyi kltsgre jut hozam lenne a legnagyobb.
Az opercikutatk ezt a kvnsgot a kvetkez clfggvnnyel fejezik ki:
f (x 1 , x 2 , x 3 ) =
3x 1 + 2 x 2 + x 3 3
max .
x 1 + x 2 + 2x 3 + 4
Lthat, hogy ez a clfggvny nem lineris, hanem trt fggvny, mgpedig lineris trtfggvny. (Egyvltozs fggvnyek esetn hiperbolnak
neveztk az ilyen fggvnyek grafikonjt).
Ezrt az ilyen programozsi feladat trt vagy hiperbolikus programozs.
Vissza
155
Opercikutats
Vissza
156
8.2. Nemlineris programozsi feladatok ltalnos

megoldsi mdszerei
A lineris programozsi feladatok megoldsra kidolgozott szimplex mdszert Wofe stl mdszernek nevezte, mert a szimplex mdszer lnyege az volt, hogy megkerestk a lehetsges megoldsi halmaz egy cscspontjt s a bzistranszformcival ttrtnk egy szomszdos cscspontra
s az alkalmazott eljrs elvitt az optimlis megoldst ad cscspontra.
Mint az (7.1.1) brn lthat volt, hogy a nemlineris programozsi feladatok optimlis megoldsa nem is biztos, hogy cscsponton lesz, ezrt a
cscspontrl cscspontra val lpegets nem vezethet eredmnyre. A
szmtsi eljrsokat itt szkdcsel illetve msz mdszereknek nevezhetnnk.
Ezek lnyege az, hogy kiindulunk egy lehetsges megoldsbl (nem
felttlen cscspont!) s megkeressk, hogy mely irnyba kell elmozdulni
ahhoz, hogy a legnagyobb mrtkben nvekedjen a clfggvny. Ennek
egyik leghatkonyabb mdszere az n. gradiens mdszer, amely a lps irnyt a clfggvny gradiense jelli ki.
A nemlineris programozsi feladatok megoldsnak egy msik mdszere a szakaszonknt lineris megkzeltst alkalmaz mdszer. Ennek
lnyege az, hogy a nemlineris clfggvny egymshoz kapcsold egyenes szakaszokkal kzelthet s bizonyos felttelek meglte esetn visszavezethet lineris programozsi feladatok megoldsra.
Termszetesen ezen mdszerek legtbbszr csak kzelt megoldst
adnak.
A Kuhn-Tucher ttelek lehetv teszik nagyon sok programozsi feladat (minden lineris felttel s minden konvex (konkv) nemlineris
clfggvnyt tartalmaz feladat) megoldst a Lagrange-fggvny segtsgvel.
A matematikai programozsi feladatok felfoghatk gy, mint feltteles
szlsrtk feladatok. Ez azt jelenti, hogy keressnk az f (x ) clfggvny
minimumt vagy maximumt az x vltozra felrt
g 1 (x ) = b 1 ,
g 2 (x ) = b 2
,
.
g m (x ) = b m
Vissza
156
Opercikutats
Vissza
157
gynevezett mellkfelttelekkel (korltoz felttelekkel), ahol m < n. A

feltteles szlsrtk feladatok megoldsra ismert klasszikus eljrs a
Lagrange-fle multipliktorok mdszere. Ennek lnyege, hogy felrjuk a
F(x , ) = f (x )
[g (x ) b ] Lagrange-fggvnyt.
i
i =1
Megmutathat, hogy az F(x, ) tbbvltozs fggvnynek ott van szlsrtke, ahol az eredeti feladatnak. (A matematika tanulmnyaikbl ismert,
hogy a szlsrtk ltezsnek szksges felttele az, hogy parcilis derivltak nullval legyenek egyenlk.)
A nemlineris programozs szintn feltteles szlsrtk feladat azzal a
megktssel, hogy a vltozk nem negatv rtkeket vehetnek fel. Ezrt
van jelentsge ezen feladatok megoldsa szempontjbl a Karush-KuhnTucher tteleknek.
Ttel: Ha f (x ) konkv s g 1 (x ),g 2 (x ),...,g m (x ) konvex differencilhat
fggvnyek, akkor az x * = (x 1* ,x *2 ,...,x *n ) csak akkor lehet optimlis megoldsa egy nemlineris programozsi feladatnak, ha ltezik u1, u2, , um m db
nemnegatv szm gy, hogy az albbi felttelek mindegyike teljesl:
1
x *j 0, minden j-re, ahol j = 1, 2, , n,
2. u *i 0, minden i-re, ahol 1 = 1, 2, , m,

3.
m
g
f
ui i 0 ,
x j i =1 x j
4. x *j
x j
ui
i =1
g i
x j
( )
u (g (x ) b ) = 0
=0,
5. g i x b i 0 ,
6.
i = 1, 2, , m esetn.
A felttelekben szerepl uik az n. Lagrange-szorzk a lineris programozsnl trgyalt dulis vltoznak felelnek meg. (Ezen mdszerek matematikai trgyalsa nagyon messze vezetne, ezrt az rdekldknek ajnljuk a javasolt irodalmak ttanulmnyozst).
Meg kell jegyezni, hogy a Lagrange-multipliktorok mdszere nem tlsgosan hatkony mdszer, mert gyakran szinte lehetetlen az ismertetett
egyenletrendszereket megoldani. Ezrt is dolgoztak ki olyan eljrsokat,
Vissza
157
Opercikutats
Vissza
158
amelyek bizonyos tpus feladatok megoldsra alkalmasabbak s valamilyen mdon kapcsoldik a szimplex eljrshoz.
8.3. Trt- vagy hiperbolikus program
Definci: Hiperbolikus programozsrl beszlnk akkor, ha lineris felttelrendszer nemnegatv megoldsait tartalmaz halmaz felett olyan racionlis trtfggvny maximumt keressk, amelyben mind a szmll,
mind a nevez els fok fggvny.
ltalnos megfogalmazsa:
x0
Axb
a)
b)
c)
z=
cT x + c0
max .
dT x + d0
Ezen tpus feladatok megoldsra kt mdszert is bemutatunk.

8.3.1. Martos-fle mdszer
Elsnek Martos Bla magyar matematikus (1960) dolgozott ki szimplex algoritmusra visszavezet mdszert a hiperbolikus programozsi feladatok megoldsra. Ennek
lnyege az, hogy a megoldst visszavezeti a lineris programozsnl megismert szimplex
mdszerre.
A kvetkez transzformcis tblzatbl indult ki:
xT
A
b
T
c
c0
dT
d0
ahol cT a szmllban, dT a nevezben lv fggvny egytthatinak sorvektorait jelenti, c0 s d0 pedig a szban forg fggvnyek konstansai.
Termszetesen, ha a felttelek kztt egyenletek vannak (mdostott
normlfeladat), akkor most is kpezni kell a msodlagos clfggvnyt (z*-t)
s elszr e szerint kell vgrehajtani a bziscsert. Vagyis itt is el kell
lltani egy lehetsges bzismegoldst, majd vizsglni kell, hogy ez a bzismegolds optimlis-e.
B0
u
Vissza
158
Opercikutats
Vissza
159
Martos kimutatta, hogy az optimalits kritriuma:

b 0
tT = d '0 c T c ,0 d T 0 T vagy t j = d '0 c j c ,0 d j ,
ahol a vessz azt jelzi, hogy az aktulis tblzatban kifejezett rtkekrl
van sz. A t ellltsa nem rsze a szimplex transzformcinak, azt minden tblzatban szmtani kell!
A kidolgozott mdszert az 7.1.2. pldn mutatjuk be:
Mdostott normlfeladattal llunk szemben, ezrt az indul szimplex
tblzat:
a)
b)
B0
u1
u2*
u3
cT
dT
z*
B1
u1
x1
u3
cT
dT
zx
tT
x1
1
1
0
3
1
1
u2*
B2
x2
x1
u3
cT
dT
tT
u2*
x2
1
0
1
2
1
0
x2
1
0
1
2
1
0
1
u1
1
0
1
2
1
1
x3
1
1
1
1
2
1
x3
0
1
1
2
1
0
55
b
12
10
6
3
4
10
b
2
10
6
27
14
0
x3
0
1
1
2
1
63
2
10
4
31
16
A tblzatbl nem olvashat le lehetsges megolds.
Itt mr leolvashat egy

lehetsges megolds.
A t T kiszmtsa:
14 227 1=1,
14(2)27 1=55,
tT = [1; 55] 0Tnem ll
fenn, teht nem optimlis
a megolds.
A tT kiszmtsa:
16 (2)31(1)= 1,
16 (2)31(1)= 63,
tT = [1, 63] 0T teljesl, teht optimlis a tblzat.
Vissza
159
Opercikutats
Vissza
160
Az optimlis megolds:
10
31
x0 = 2 ; z0 = .
16
0
Megjegyzs: Ha a clfggvny a minimumhoz tart, akkor 1-gyel szorozzuk a clfggvnyt s a maximumt kereshetjk.
8.3.2. Lineris programozsi feladatt transzformls
A hiperbolikus feladatot megoldhatjuk mskppen is, nmileg eltr mdon vezetve vissza a szimplex mdszerre. Ez azrt igen hasznos, mert a
szimplex algoritmust egyltaln nem kell megvltoztatni, csak az indul
feladatot fogalmazzuk t.
Ennek ismerete akkor hasznos, ha csak lineris programozsi programcsomag ll
rendelkezsre.
Vezessk be y =
x
d x + d0
s t =
Ekkor: y = x t illetve x =
1
jellseket.
d x + d0
T
y
t
gy az eredeti modell felrhat a kvetkez alakra:

A y bt s dTxt+d0 t=1,
illetve a clfggvny: z = c T y + c 0 t .
Rendezett formban felrva a modellt, kapjuk:
y 0, t 0
A y bt 0
d y + d0t = 1
z = cT y + co t max.
Lthat, egy mdostott norml lineris programozsi feladatot kaptunk.
Ttel: Ha a feladatnak [yo; to] az optimlis megoldsa, akkor az eredeti
feladat optimlis megoldsa xo =
1
y .
t0 0
Vissza
160
Opercikutats
Vissza
161
Feladat: Oldja meg kedves olvas gyakorlsknt az elbbi feladatot a

most bemutatott mdszerrel!
8.4. Szuboptimlis programozs
(Szeparbilis konkv vagy konvex clfggvnnyel rendelkez programozsi feladat kzelt megoldsa.)
Ttel: Olyan programozsi feladatok megoldsa, amelyekben a felttelek
linerisak, de a clfggvny konkv (maximum cl esetn alulrl konkv,
minimum cl esetn pedig alulrl konvex) vagy konvex fggvnnyel adhat meg, akkor a megolds visszavezethet egy kznsges lineris programozsi feladatra.
gy jrunk el, hogy a krdses konkv grbt a 7.4.1. brn lthat mdon egyenes szakaszokkal kzeltjk meg. Az eredeti x1 vltozt ilyenkor
annyi j vltozval helyettestjk, ahny egyenes szakaszt alkalmaztunk a
megkzeltsnl. Mindegyik vltozhoz a megfelel szakasz irnytangenst
rendeljk egytthatnak a clfggvnyben. gy az x11, x12 stb. vltozk
egytthatit tg1, tg2 stb. lesznek.
7.4.1. bra
Mivel a clfggvnyrl feltettk, hogy konkv, ezrt a kzelt szakaszok
meredeksgeire fenn ll:
tg 1 > tg 2 > tg 3 stb.
Ez biztostja, hogy a programozsnl az x12 csak akkor lp be a programba, ha az x11 mr ott maximlis rtkkel szerepel. A clfggvny irnt mg
Vissza
161
Opercikutats
Vissza
162
az is kvetelmny, hogy szeparbilis legyen, azaz egyvltozs fggvnyek

sszegre felbonthat legyen.
Szeparlhat pldul a f(x1, x2) = 3x1 x2 + 2x12 + lg x1x2 fggvny,
mivel felrhat f (x1, x2) = (3x1 + 2x12 + lg x1) + (x2 + lg x2) alakban is.
Ezrt ezt a programozsi mdszert szeparbilis programozsnak is nevezik.
Pldaknt oldjuk meg a 7.1.1. pontban ismertetett feladatot:
x 1, x 2 0
x 1 + x2 4
x1 x2 2
z = 10x1 + 12x2 x12 x22 max.
A feladat clfggvnye msodfok s szeparlhat a kt vltoz szerint:
f(x1) = 10x1 x12, f(x2) = 12x2 x22,
teht problma csak a clfggvny egyenesekkel val kzeltse marad. A
feltteli egyenltlensgbl knnyen megllapthat az a kt intervallum,
amelyben az interpolcit el kell vgezni.
Ezek 0 x1 3 s 0 x2 4.
Osszuk fel az els intervallumot is s a msodikat is kt rszre az albbi mdon:
Az eredeti feladatot kzelt modell felrshoz szksges, hogy meghatrozzuk a fggvnyek rtkeit s a kzelt hrok meredeksgeit.
x1
10x1x12
m1
0
0
1,5
12,75
3
21
12,75 0
= 8 ,5
1,5
21 - 12,75
= 5,5
1,5
x2
12x2x22
m2
0
0
20
= 10
2
2
20
4
32
32 20
=6
2
Vissza
162
Opercikutats
Vissza
163
A szakaszvltozkra a kvetkez felttelek llnak fenn:

0 x11 1,5, 0 x12 1,5, 0 x21 2, 0 x22 2.
Teht a kzelt modell gy nz ki:
x 11
x 12
x 21
x 22
x 11
x 11
x 12
x 21
x 22
1,5
1,5
2
max .
x 12
x 21
z = 8,5x 11
+ 5,5x 12
+ 10 x 21
x 22
+ 6x 22
Ezen lineris feladat optimlis megoldsa:

x11 = 1,5, x12 = 0, x21 = 2, x22 = 0,5,
zopt=35,75.
Az eredeti feladat megoldsa az elbbi lineris modell rtkeivel:
x1 = x11 + x12 = 1,5,
x2 = x21 + x22 = 2,5,
zopt = 36,5.
Most egy kvadratikus programozsi feladatot oldottunk meg kzelt mdszerrel. A
kzelt megolds eltrse a pontos rtktl (amely 7.1.1. grafikonrl olvashat le) 36,5 35,75 = 0,75.
Az elkvetett hiba relatv nagysga:
0,75
100 % = 2,1 % .
36,5
Az intervallumok szmnak nvelsvel finomthat a megolds.
Vissza
163
Opercikutats
Jtkelmlet
Vissza
164
9. Jtkelmlet
9.1. Bevezets
Az let klnsen gyermekkorban tele van jtkkal, vetlkedssel. A
trsasjtkok j vetlkedst s szrakozst grnek. A szerencsejtkok, pl.
a LOTT, a Ken, a kockajtkok fontos jellemzje, hogy a jtkosoknak
nincs befolysa a jtkok kimenetelre, azt mondjuk, hogy a vletlentl
fggenek. Az igazi trsasjtkoknak alapvet jellegzetessge az, hogy a
vgs kimenetele elssorban az ellenfelek ltal alkalmazott stratgik
kombincijtl fgg. A jtkelmlet trgyt kpez jtkok kimenetelt
szablyokkal behatrolt keretek kztt befolysolni tudjk a jtkosok. Ide
sorolhat a legtbb szrakoztat jtk: sakk, krtyajtkok, zleti let
egyes mozzanatai stb. Ezeket a jtkokat stratgai jtkoknak nevezzk.
Definci: A jtkelmlet olyan matematikai elmlet, amely vetlkedsi
helyzetek ltalnos jellegzetessgeivel foglalkozik.
A jtkosok szma szerint megklnbztetnk ktszemlyes, vagy nszemlyes
jtkot, ahol a jtkosok lehetnek szemlyek, csapatok, cgek stb.
Feltesszk, hogy a jtkosok racionlisan gondolkodnak s csak a sajt
rdekeik szempontjai szerint dntenek a jtk sorn. A jtk sorn a jtkosok valamilyen stratgit vlasztanak anlkl, hogy ismernk az ellenfl
stratgijt.
Definci: A stratgia egy elre kimondott szably, amely teljesen meghatrozza, hogy hogyan akar valaki vlaszolni a jtk minden egyes szakaszban minden egyes krlmnyre.
A szba jv stratgik sszessgt nevezzk stratgiahalmaznak.
Definci: Ha a jtkosok egymstl fggetlenl, csak a sajt rdekket
figyelembevtelvel vlasztanak stratgit, akkor nemkooperatv, egybknt kooperatv jtkrl beszlnk.
Jtk kimeneteleit egy rtkel fggvnnyel hasonlthatjuk ssze, ezt ltalban egy kifizet mtrixban adjuk meg.
Vissza
164
Opercikutats
Jtkelmlet
Vissza
165
Szimblumokkal megfogalmazva: egy G jtkot megadhatunk az S1,

S2, , Sn stratgiahalmazokkal s az
f1(s1, , sn), , fn(s1, , sn)
kifizet fggvnyekkel, ahol si Si (i= 1, 2, , n).
Tmren rva: G = {S1, , Sn; f1, , fn}.
Ha az S1, , Sn halmazok vgesek, akkor vges jtkrl, egybknt vgtelen jtkrl beszlnk.
9.2. Ktszemlyes zrussszeg jtkok
Ezekben a jtkokban csak kt ellenfl vagy jtkos szerepel. Ezen jtk
lefolysa a kvetkez: az egyik jtkos vlaszt egy s1 S1 stratgit s gy
az f1(s1,s2) kifizet fggvny ltal meghatrozott sszeghez jut, amelynek
nagysga nemcsak a sajt, hanem a msik jtkos stratgiavlasztsa is
befolysolja. A msik jtkos nyeremnye f2(s1,s2) = f1(s1,s2) lesz. Zrussszeg jtkoknak azrt nevezzk, mert az egyik jtkos azt nyeri meg,
amit a msik elveszt, teht nett nyeresgk sszege nulla.
Ezen jtkelmleti modellek alapvet fogalmainak s jellegzetessgeinek illusztrlsra nzzk az egyforma vagy klnbz jtkot.
A jtk szablya: egy J1 jtkos s egy J2 jtkos felmutatja egyszerre egy vagy
kt ujjt. Ha az ujjak szma megegyezik, akkor J1 jtkos nyer, ha nem, akkor
veszt.
A jtk kifizetsi tblzata az J1 jtkos szmra:
J2
1
2
J1 1 1 1
2 1 1
A tblzat gy olvasand:
Ha az J1 jtkos felmutatta egy ujjt s a J2 jtkos is egyet mutatott fel, akkor az J1 jtkos 1 forintot nyert, ha a J2 jtkos 2 ujjt
mutatta fel, akkor az J1 jtkos veszt, azaz 1 forintot nyer.
Ha az J1 jtkos 2 ujjt mutatta fel s a J2 egy ujjt, akkor az J1 jtkos veszt, azaz 1 forintot nyert, ha a J2 jtkos 2 ujjt mutatta
fel, akkor az J1 jtkos nyert 1 forintot.
Vissza
165
Opercikutats
Jtkelmlet
Vissza
166
Ktszemlyes jtk jellemz fogalmai:

1. J1 jtkos stratgija.
2. J2 jtkos stratgija.
3. kifizetsi tblzat (mtrix).
Kifizetsi tblt ltalban csak az J1 jtkosra adjk meg.
Jtkelmlet elsdleges clja, hogy racionlis kritriumokat dolgozzon ki j stratgia megvlasztsra.
Alapfelttelek:
Mindkt jtkos racionlisan gondolkodik.
Mindkt jtkos csak a sajt jlte szempontjbl vlasztja meg
stratgijt.
Megjegyzs: A jtkelmlet klnbzik a dntselmlettl, mert ott a
dntshoz passzv ellenfllel vagy termszettel ll szemben, aki illetve
amely vletlenszeren vlasztja meg a stratgit.
Mtrixjtkoknak nevezzk a ktszemlyes zrussszeg vges jtkokat.
Nzznk egy olyan jtkot, amelyben az J1 jtkosnak 4 stratgija van
a J2 jtkosnak pedig hrom. A jtkosok ismerik a kifizetmtrixot:
J2
J1
1
2
3
4
1
3
3
2
2
3
3
1
2
4
4
4
2
6
6
5
0
5
2
2
4
0
Ha J2 jtkos 2. oszlopot vlasztja s J1

a 3. sort, akkor 2 Ft-ot fizet J2 az J1nak, azaz J1 jtkos 2 forintot nyert.
A J1 jtkos vlaszt egy stratgit (egy sort), J2 jtkos egy oszlopot anlkl, hogy ismern ellenfele magatartst. Az J1 jtkos nvelni szeretn
nyeresgt, a J2 jtkos pedig cskkenteni a vesztesgt.
A jtkosok intelligensen s vatosan viselkednek a jtk sorn. Ezrt a J2 jtkos minden oszlopbl a legnagyobb rtk szmra figyel, szmra ez a
legnagyobb vesztesg, azaz 4-re, 6-ra, 5-re s most gy dnt, hogy az 1.
stratgit (oszlopot) vlasztja, mert e vlaszts esetn biztosan nem veszt
tbbet 4-nl, akrhogy vlaszt az ellenfele.
Az J1 jtkos mindegyik sorbl (stratgibl) a legkisebb rtket vlasztja (ez a jtkos legkisebb nyeresge, azaz 2, 2, 4, 0-t. Ebbl ltja,
hogy a 2. sort kell vlasztania, mert e vlaszts esetn biztosan nyer leg-
Vissza
166
Opercikutats
Jtkelmlet
Vissza
167
albb 2 Ft-ot. A j2 jtkos ekkor az 1-es stratgit vlasztja, ezrt ennl a

dntsprnl a jtk rtke 3 lesz.
ltalnosan megfogalmazva: Ha J1 jtkos az i-edik, a J2 jtkos a jedik stratgit vlasztja s aij a jtk rtke (i = 1, 2, 3, 4 s j = 1, 2, 3)
akkor
J2 vlasztsa: min ( max a ij ) .
j
J1 vlasztsa: max ( min a ij ) .

i
A J2 jtkos miniml jtkos, az J1 jtkos pedig maximl jtkos.

A mtrixjtk egyenslyi pontja vagy nyeregpontja:
Nzzk a kvetkez jtkot:
1
J1
1
2
6
4
6
J2
2
4
3
3
5
8
8
min max a ij = min[6,3,8] = 3 = v
5
3
max min a ij = max [5;3] = 3 = v
i j
Ekkor van a jtknak egyenslyi pontja vagy nyeregpontja

A v a jtk rtke. Lehet a jtknak tbb egyenslyi pontja, de a jtk rtke csak egy lehet.
Plda:
J2
J1
3
3
3
4
1
4
4
4
nincs nyeregpont
J1
J2
3
3
5
8
3
2
2
2
2
a 23 s a 33 nyeregpont.
9.3. Kevert stratgij mtrixjtkok

Definci: Tiszta stratginak nevezzk a jtkos stratgijt, ha a jtkban egy oszlopot vagy egy sort vlaszt a jtkos s vgig ezzel a stratgival jtszik.
Optimlis tiszta stratgia, ha van a jtknak nyeregpontja. Ha egyenslypont nem ltezik, akkor a jtkosok a stratgijuk vltogatsval prbljk
nvelni a nyeresgket.
Vissza
167
Opercikutats
Jtkelmlet
Vissza
168
Definci: Kevert stratgirl vagy slyozott stratgirl beszlnk,

ha a jtk sorn vltoztatjk a jtkosok a stratgit.
Ha a jtk kifizet tblzata m sorbl s n oszlopbl ll A mtrix s x1,
x2, , xm 0-vel jelljk a J1 jtkos stratgia vlasztsnak valsznsgt, melyekre fenn ll:
x1 + x2 + x3 + + xn = 1, valamint
a J2 jtkos y1, y2, , yn 0 valsznsggel vlasztja meg az egyes stratgikat, melyekre fenn ll:
y1 + y2 + + yn = 1,
akkor a jtk vrhat rtke (vagyis az J1 jtkos nyeresgnek vrhat
rtke) a kvetkez mdon hatrozhat meg:
xT Ay .
Legyen plda a kvetkez jtk:

J1
4
1
y1
J2
2
3
y2
5
1
y3
x1
x2
Tegyk fel, hogy J2 bizonyos y1, y2, y3 gyakorisggal vlasztott stratgit az

J1 jtkos pedig szisztematikusan az 1. sort, akkor az J1 jtkos nyeresgnek vrhat rtke 4y1 2y2 + 5y3 forint lesz, ha J1 jtkos a 2. sort vlasztja, akkor y1 + 3y2 + y3 forint.
Tegyk fel, hogy J1 jtkos x1, x2 gyakorisggal vlaszt stratgit, akkor
az tlagnyeresge:
Ny = (4 y 1 2 y 2 + 5 y 3 )x 1 + [ y 1 3y 2 + y 3 ]x 2
Az J1 jtkos racionlis viselkedse abbl ll, hogy gy vlasztja meg x1,

x2-t, hogy biztos legyen v rtk nyeresge. Ha J1 jtkos x1, x2 gyakorisggal vlaszt stratgit s J2 szisztematikusan az els oszlopot vlasztja, akkor vesztesge 4x1 x2, ha 2. oszlopot, akkor 2x1 + 3x2 a vesztesge s a
3. oszlop esetn 5x1 + x2 a vesztesge.
gy a kevert stratgia esetn V = (4 x 1 x 2 )y 1 + ( 2x 1 + 3x 2 )y 2 + (5x 1 + x 2 )y 3
lesz a J2 jtkos vesztesgnek vrhat rtke.
Vissza
168
Opercikutats
Jtkelmlet
Vissza
169
Ebbl ltszik, hogy Ny = V.
F = (x 1 , x 2 , y 1 , y 2 , y 3 ) = 4 x 1 y 1 2 x 1 y 2 + 5x 1 y 3 x 2 y 1 + 3x 2 y 2 + x 2 y 3 = x T A y
Neumann Jnos bebizonytotta: Ltezik olyan x 1* ,x *2 stratgia J1 jtkos szmra, hogy F(x 1* ,x *2 ) v .Ezt a kvetkezkppen is megfogalmazhatjuk:
Ttel: Minden mtrixjtknak van optimlis megoldsa, azaz ltezik olyan
x 0 , y egyenslyi stratgiapr, amelyre
0
x T A y x 0T A y x 0T A y
0
brmely lehetsges x, y stratgia mellett. Az x 0T A y szmot a j0
tk rtknek nevezzk s v-vel jelljk.

Ez azt jelenti, hogy az x 0 stratgia biztostja az J1 jtkos szmra legalbb
a v nyeresget fggetlenl attl, hogy J2 milyen stratgit vlaszt, illetve y 0
biztostja J2 szmra, hogy a vesztesge nem lesz nagyobb v-nl, fggetlenl J1 stratgijtl.
A ttel bizonytshoz az A mn-es kifizetmtrix jtkhoz vezessk be az albbi priml-dul feladatprt:
Priml
Dul
y0
xTA 1
x0
z = 1T y max
w = x T 1 min
Ay 1
Az ltalnossg megsrtse nlkl feltesszk, hogy J1 mtrix minden eleme pozitv. Ha nem gy lenne, minden aij-hez hozzadjuk ugyanazt az elegenden nagy c szmot. ekkor az optimlis stratgia nem vltozik, csupn
a jtk rtke c-vel n. Mivel a priml feladat normlfeladat ezrt mindig
van megengedett megoldsa, s a pozitv egytthatk biztostjk a megoldshalmaz korltossgt. Emiatt z felveszi az optimumt, s a dualitsi ttel
alapjn w is. Az optimlis clrtk pozitv. Az eddigi megllaptsokbl s
az albbi ttelbl a fenti ttel kvetkezik.
Ttel: Ha y 0 priml s x 0 a dul feladat optimlis megoldsa, z0 pedig az
optimlis clrtk, akkor
Vissza
169
Opercikutats
Jtkelmlet
y* =
Vissza
170
1
1
y s x * = x 0
0
z0
z0
a mtrixjtk egy egyenslyi stratgia prja, s v =
1
a jtk rz0
tke.
Bizonyts: Az LP dualitsi ttelbl tudjuk, hogy a priml-dul feladatpr

kt feladatnak optimlis clfggvnyrtke egyenl, azaz 1T y 0 = x 0T 1 .
Mivel
x* 1 =
1
1
x 0 1 = z0 = 1
z0
z0
s hasonlkppen 1T y * = 1 valamint
x * 0 s y * 0 , ezrt x * s y * tekinthet valsznsgi vektornak. Ms-
rszt a felttelekbl kvetkezik, hogy

1 1
1
1
A y 1 s x 0T A 1T .
0
z0
z0 z0
z0
Szorozzuk meg minkt egyenltlensget rtelemszeren az x s y valsznsgi vektorral:

xTAy*
1 T
1
1
1
x 1=
s x * A y 1T y = .
z0
z0
z0
z0
Ezekbl addik, hogy

xT Ay *
1
x* Ay ,
z0
ami ppen azt jelenti, hogy (x * , y * )egyenslyi stratgiapr s v =
1
a jtk
z0
rtke.
9.4. Mtrixjtkok megoldsa
A fenti ttel mdszert ad a mtrixjtk megoldsra is:
1. A kifizetmtrix minden elemhez hozzadjuk az alkalmas c szmot, hogy biztostsuk az A > 0 egyenltlensget.
yT
2. Felrjuk a x A 1 szimplex tblt s kiszmtjuk az optimlis y 0 s x 0 meg z 1T 0
oldsokat.
Vissza
170
Opercikutats
Jtkelmlet
3. Meghatrozzuk az x * =
v=
Vissza
171
1
1
x 0 s y * = y 0 optimlis stratgiaprt s a
z0
z0
1
rtket. Az eredeti feladatban a jtk rtke v c lesz.
z0
Nzzk a korbban vizsglt feladatot s oldjuk meg a fent emltett ttelek

felhasznlsval.
4 2
A=
1 3
5
.
1
Nveljk c = 3-mal a mtrix minden elemt:

7
2
A =
1
6
8
.
4
A lineris programozsi feladat:

7y 1
+y 2
+8 y 3
2y 1
y1 ,
z = y1
+ 6y 2
y2,
+ y2
+ 4y 3
y3
+ y3
1
0
max .
Vissza
171
Opercikutats
Jtkelmlet
Vissza
172
Megoldva szimplex algoritmussal:

B 0
x1
x 2
z
B1
y1
x2
z
B2
y1
y2
z
y1
7
2
1
y 2
1
6
1
x1
1
7
2
7
1
x1
42
280
2
40
28
280
y2
1
7
40
7
6
7
x2
1
40
7
40
6
40
y3
8
4
1
b
1
1
0
y3
8
7
12
7
1
7
y3
308
280
12
40
112
280
b
1
7
5
7
1
7
35
280
5
40
70
280
Ebbl leolvashat a priml s a dul megolds:

T
70
35 5
28 6
; ;0 , z 0 =
.
x0 =
; , y =
0
280
280 40
280 40
Az optimlis stratgiapr:
T
280 28 6
28 42
x =
; = ; = [0,4 ;0,6]T ,
70 280 40
70 70
*
y* =
280 35 5
35 35
1 1
; ;0 = ; ;0 = ; ;0 .
70 280 40
70 70
2 2
A jtk rtke: v =
280
3 = 4 3 =1.
70
Teht, ha az J1 jtkos 40% valsznsggel vlasztja az els stratgit,

60% valsznsggel vlasztja a 2. stratgit, akkor a jtk rtke legalbb
1 lesz.
Vissza
172
Opercikutats
Jtkelmlet
Vissza
173
1 1
Ha a J2 jtkos nem a ; ;0 stratgit vlasztja, akkor az J1 jtkos
2 2
biztosan 1-nl nagyobb rtket r el s a J2 jtkost 1-nl nagyobb vesztesg ri.

9.5. Ktszemlyes nem konstans sszeg jtkok
Eddig csak olyan jtkokkal foglalkoztunk, amelyekben a jtkosok viselkedsnek nincs hatsa az egyttes eredmnykre. A valdi gazdasgi
problmk ltalban nem konstans sszeg jtkok. Pldul a gazdasgi
sszejtszs nvelheti a jtkban rszt vevk sszes nyeresgt.
A szakirodalom megklnbztet kooperatv s nem kooperatv nem konstans sszeg jtkot.
A kooperatv jtkokban a jtkosok egyttmkdnek minden olyan
tevkenysgben, amely az egyik jtkos eredmnyt nvelheti (feltve,
hogy a msikt nem cskkenti). A kooperatv jtkok elemzsben a legtbb j fejlemny az egyttes nyeremny sztosztsnak elveiben van. (A
kzs szerzemny sztosztsnak problmja okozza a konfliktusokat,
leszmolsokat, az egyttmkds megszakadst). Ebbl fakad, hogy a
jtkelmletrt kapott kzgazdasgi Nobel-djasok Nash, Harsnyi Jnos
(1994) is foglalkozott a tisztessges eloszts elvvel s kritriumaival.
A nem kooperatv, nem konstans sszeg jtkban a jtkosok nem mkdnek egytt. Gyakran kifizetdbb, ha a jtkos elre kzli a tervt (ellenttben a zrussszeg jtk esetben). A tervek nyilvnossgra hozatala
hasznos lehet akr fenyegetsknt, akr informci tadsknt.
Az olyan jtkos szmra, aki bejelenti, hogy bombt fog robbantani,
vagy hogy nyilvnossgra hoz bizonyos kompromittl adatokat stb., az
hasznos lehet.
rdekes mdon a butasg s a kemnysg hre hasznos lehet az olyan
jtkos szmra, aki fenyeget, mert segt meggyzni a tbbieket arrl, hogy
a fenyegetst komolyan gondolja. Valsgos gazdasgi pldk sokasgt
sorolhatnnk fel a jelen magyar gazdasgban is. Ilyen pldul a rendszeres
sztrjk fenyegetsek bejelentse, tlezrs stb.
Egyes vllalatok gyakran a tervezett remelsket kzhrr teszik
abban a remnyben, hogy ezt az intzkedsket az gazat tbbi vllalatai
kveti, mindannyiuk klcsns hasznra a piaci versenyszellemmel
szemben. Pldnak mondhat a cukor remels szndknak elzetes
bejelentse. Ezt gyis mondhatnnk: informci a kvzi-sszejtszs cljra.
Vissza
173
Opercikutats
Jtkelmlet
Vissza
174
A gazdasgban gyakran addik olyan helyzet, hogy az nrdek mindkt jtkost olyan dntsekre kszteti, amely mindkt fl szmra htrnyosak. Pldul sok boltos nyitva tartja boltjt (pksget) vasrnap is,
annak ellenre, hogy jobban szeretne pihenni, mert attl fl, hogyha
nem tart nyitva vasrnap, akkor elveszti vevit, akik a vasrnap is nyitva
tart versenytrshoz prtolnak t. (Pedig ltalban az sszhaszon ezzel
nem nvekszik!)
Ezt a nem zrussszeg kooperatv jtkot a rabok dilemmja nevezet jtkon szemlltetjk:
Kt rabot (gyilkost) egyidejleg gyanstjk. Kln-kln kihallgatjk
mindkettt. Mindegyik tudja, hogy mindketten kiszabadulnak, ha egyik rab
sem vall. Mindkettnek megmondjk, hogy ha az egyikk bevallja cselekmnyket, akkor a vallomst nem tev slyos bntetst kap, a bevall
pedig kedvezmnyeket.
Ebben a helyzetben mindkt jtkos gy dnthet, hogy vallomsttellel vdekezik vagy koopercit hoz ltre s nem vall. Itt az nrdeknl
fontosabb a kzrdek.
Hasonl pldnak mondhat az adzs problmja.
Az llampolgr szemszgbl az adk megfizetse cskkenti a hasznt
s htrnyba kerl a piacon azzal szemben, aki nem fizeti meg az adt. Az
llampolgrok s a gazdasgi egysgek tbbsge abban rdekelt, hogy jl
mkd llam legyen, amely biztostja a trsadalom s a gazdasg mkdsi feltteleit. rdekes mdon az nrdek gy rvnyesl, holott nincs
biztostk, hogy a tbbiek is gy fognak viselkedni, mint azt a kzs rdek
kvnja.
Vissza
174
Opercikutats
Kszletezsi modellezs
Vissza
175
10. Kszletezsi modellezs

10.1. Bevezets
Az zleti letben fontos feladat az ruk a beszerzstl az rtkestsig val
trolsa. A kis- s nagykereskedk valamint a gyrtzemek ltalban rendelkeznek bizonyos raktrkszlettel. Milyen kszletezsi politikt folytasson egy ilyen zem, azaz mikor, mennyit kell termelni (rendelni) egy
bizonyos rubl, hogy az ezzel kapcsolatos sszes kltsg a lehet legkisebb legyen.
A problma megvilgtsra nzznk kt pldt:
10.1.1. Plda
Egy autrdi-magnt gyrt cg maga lltja el a kszlkbe beptett

hangszrt is. A autrdikat folyamatosan szerelik ssze, havonta 7000
darabot. A hangszrkat szakaszosan gyrtjk, mert rvid id alatt sokat
tudnak ellltani. Dnteni kell a cg vezetjnek arrl, hogy mikor s
mennyit gyrtson a hangszrkbl, hogy az autrdi-gyrts folyamatos
legyen s a hangszrk gyrtsakor fellp kltsgek sszege a lehet legkisebb legyen.
A dntshez az opercikutatk a kvetkezket vehetik figyelembe:
A hangszrk gyrtsnak beindtsakor fellp 50.000 Ft n. beindtsi kltsg a nyilvntarts, az zemkpes llapot megszervezse stb. miatt. Ez a kltsg azt induklja, hogy nagy mennyisget
gyrtsanak egyszerre, mert gy egy hangszrra kis kltsg esik.
A hangszrkat a felhasznlsig kszletezni kell. Ha sokat gyrtanak egyszerre, akkor hossz ideig kszletezni kell. Elzetes becsls
szerint egy hangszr trolsa havonta 30 Ft-ba kerl. Ez a kltsg
magba foglalja a lekttt tke, a trolsi hely, a biztosts, az ad
stb. kltsgt. Ez a kltsg azt sugallja, hogy kis ttelben gyrtsanak.
Egy hangszr ellltsi kltsge (anyagkltsg, munkabr, energiakltsg stb.) 500 Ft.
A cg elvben nem engedi meg a hinyt, azonban idnknt enged
ebbl s gy a hangszrhinyt is megengedi. Ebbl add kltsg
hangszrnknt s havonta 50 Ft krli rtk. Ez abbl addik,
Vissza
175
Opercikutats
Vissza
176
hogy ksbb szerelik be a rdikba a hangszrkat, gy jbl el

kell venni azokat s trolni is kell stb.
10.1.2. Plda
Egy kerkpr-nagykereskednek az a problmja, hogy a legnpszerbb

tpus olykor hinycikk, ezrt fellvizsglja az eddigi kszletezsi politikjt
erre a tpusra. A keresked ezt a tpust havonta szerzi be egy gyrttl s
ezutn szlltja az zletekbe. A keresked megvizsglja a kltsgeit s
megllaptja, hogy a kvetkezket kell figyelembe venni:
1. A hinybl ered kltsge
Az zletek elfogadnak nmi ksedelmet a szlltsban, de gy rzi a keresked, hogy a hiny miatt vesztesg ri, kerkpronknt 2600 Ft. Ez
a kltsg a bizalom elvesztsbl, a tbbletlevelezsbl s a jvedelem
kiessbl addik
2. A fenntartsi kltsg
A hnap vgn a kszletben lv kerkprok utn 200 Ft kltsg terheli a kereskedt. Ez tartalmazza a lekttt tke, a raktrozsi terlet,
a biztosts, az ad stb. kltsgt.
3. A rendelsi kltsg
Ez kt rszbl ll: a rendelssel kapcsolatos kltsgbl s a kerkpr
aktulis rbl: 4600 Ft, 28.000 Ft.
10.2. A kszletezsi modell sszetevi
A kszletezsi politika nyilvnvalan befolysolja a cg pnzgyi eredmnyt. A pldban felsorolt kltsgeket vegyk csak figyelembe. Jelljk az
egyes kltsgelemeket a szakirodalomban hasznlatos betkkel:
1. Beindtsi kltsg: k, a gyrts beindtsakor illetve rendelskor lp
fel.
2. Termelsi kltsg: c, a termelt (megrendelt) cikk fajlagos ra.
3. Trolsi vagy raktrozsi kltsg: h, a trolt cikk idegysgre jut
fajlagos kltsge.
4. Hiny miatti krosods kltsge: p, idegysgre jut fajlagos kltsg.
5. sszkltsg: K.
6. Egyszerre gyrtott (megrendelt) mennyisg: Q.
7. Idegysg alatt a raktrbl elfogyott mennyisg: r.
Vissza
176
Opercikutats
Vissza
177
8. A peridus elejn meglv kszlet, ha a hiny megengedett: s.

9. Feltltsi id: t.
10. Diszkonttnyez.
Az eredmnyt befolysol kltsgeket rtelemszeren hol beptjk a
kszletezsi modellbe, hol kihagyjuk.
Optimlis kszletezsi politikrl akkor beszlnk, ha a figyelembe
vett kltsgek sszege a lehet legkisebb.
A kszletezsi modelleket ltalban aszerint osztlyozza a szakirodalom, hogy a kereslet ismert-e egy idszak alatt (determinisztikus kereslet) vagy
pedig a kereslet rtke valsznsgi vltoz ismert valsznsgi eloszlssal (sztochasztikus kereslet). Az els pldban szerepl hangszrgyrts
determinisztikus kereslet, mert ismert, hogy havonta 7000 darab szksges. A msodik pldban mint a kereskedelemben ltalban ismeretlen
az igny mennyisge.
Egy msik osztlyozs trtnhet aszerint, hogy folytonosan vizsgljuk
fell a kszletezst vagy periodikusan.
sszefoglalva az elmondottakat a kvetkezkppen osztlyozhatjuk a
kszletezsi modelleket:
Determisztikus modellek: ha a kereslet ismert s adott nagysg.
a) Folytonos leltrozs kszletezsi modell: a figyelembevett cikk
r sebessggel egyenletesen fogynak.
b) Periodikus leltrozsi modell: ha a kereslet periodikus (szezonlis).
Sztochasztikus modellek: a kereslet pontos rtke nem ismert,
csak az tudhat, hogy milyen valsznsggel vesz fel rtkeket.
10.3. Determinisztikus ksrletezsi modell
10.3.1. Folytonos leltrozs egyenletes kereslet modell,
hiny nincs megengedve
Feltevs:
A kereslet egysgnyi id alatt. Pl. havonknt r darab.
A megrendelt Q darab egyszerre rkezik. Figyelembe vett kltsgek: k beindtsi kltsg, c rendelsi (termelsi) fajlagos kltsg, h a
fajlagos raktrozsi kltsg.
A hiny nincs megengedve: p = 0.
Vissza
177
Opercikutats
Vissza
Peridusid a kt beindts (megrendels) kztti id:
178
Q
.
r
Ezen feltevsek figyelembevtelvel a modellt a kvetkez lpsekkel rhatjuk fel:
9.3.1.1 bra. Kszlet alakulsa az id fggvnyben

(hiny nincs megengedve)
Idegysgre es sszes kltsg meghatrozsa
Egy peridusra es termelsi kltsg: k + c Q, ha Q > 0.
Egy peridusra es trolsi kltsg meghatrozsa:
Egy peridus alatt az tlagos kszlet:
Q +0 Q
= , mert kezdetben 0 a
2
2
kszlet, a peridus vgn pedig Q, ezrt egy idegysgre es trolsi kltsg: h
Q
.
2
Q Q
Q2
= h
.
2 r
2r
Q2
Teht az sszes kltsg a peridus alatt: k + c Q + h
.
2r
h Q2
k + cQ +
2 r = rk + r c + h Q .
Idegysg alatti kltsg pedig: K =
Q
2
Q
r
gy egy peridus id alatt a trolsi kltsg: h
Lthat, hogy az sszes K kltsg a Q rendelsi mennyisg fggvnye.

Keressk, hogy melyik Q mennyisgnl lesz a K(Q) minimlis.
Vissza
178
Opercikutats
A szlsrtk ltezsnek szksges felttele:

Esetnkben:
dK
rk h
= 2 + = 0 , azaz
dQ
2
Q
Vissza
179
dK
=0.
dQ
2 rk + Q 2 h = 0 .
Ebbl az optimlis rendelsi mennyisg: Q =
2 rk
.
h
Ezt a rendelst t idnknt kell feladni, vagy a termelst beindtani.

t=
Q
=
r
2k
.
rh
A 9.1.1. pldra alkalmazva a kapott eredmnyt:

Optimlis rendelsi mennyisg: Qopt=
2 7000 50000
4830 db.
30
Q
= 0,69 hnap 21 nap.
r
7000 50000
4830
sszes kltsg: K =
+ 5000 7000 + 50
= 3693214 Ft.
4830
2
Peridus id:
10.3.2. Folytonos kszletezsi modell, a hiny megengedett
Hasznos lehet, ha megengedjk a hinyt, mert a peridus idejnek nvelse cskkentheti a beindtsi kltsgek egy darabra es rszt.
Ha a peridus elejn a kszlet S s r darabot hasznlnak fel egy idegysg alatt, akkor
S
id mlva lesz a kszlet 0.
r
9.3.1.1 bra. Kszlet alakulsa az id fggvnyben

(hiny megengedett)
Vissza
179
Opercikutats
Ekkor az tlagos trols mennyisge:
Vissza
180
S+0 S
= .
2
2
S
2
Ezrt az egysgnyi id (nap, hnap stb.) alatt a trolsi kltsg: h .

S S
2 r
Egy peridus alatt a trolsi kltsg h = h

A hiny
Q S QS
=
ideig lp fel.
r r
r
Egy idegysg alatt a hiny tlagosan:

idegysg alatt: p
QS
.
2
QS
, ezrt a hiny kltsge
2
A hinybl add kltsg a peridus alatt:
p (Q S ) Q S
.
2
r
Peridusra es sszes kltsg teht: k + c Q +
Id egysgre es sszes kltsg: K =
A kijellt osztst elvgezve: K =
S2
.
2r
h S 2 p (Q S )2
+
.
2r
2r
k + c Q +
h S 2 p (Q S )2
+
2r
2r
.
Q
r
rk
h S 2 p (Q S )2
.
+ cr +
+
Q
2Q
2Q
Ez egy ktvltozs fggvny, Q rendelsi mennyisg s S maximlis

kszlet fggvnye: K(Q, S). Keressk azon Q s S rtkeket, ahol a K(Q,
S) fggvnynek minimuma van. Egy ktvltozs fggvny szlsrtknek
K
K
szksges felttele, hogy a parcilis derivltak s zrussal le S
Q
gyenek egyenlk.
K
hS p(Q S )
Parcilis derivltak:
=0+0+
+
( 1) = 0 ,
S
Q
Q
K
rk
hS 2 2 p(Q S )2Q 2 p(Q S )2
= 2 +0
+
=0,
Q
Q
2Q 2
4Q 2
azaz a kvetkez egyenletrendszert kell megoldani:
Vissza
180
Opercikutats
Vissza
181
hS pQ + pS = 0 ,
4 rk 2hS 2 + 4 pQ 2 4 pQS 2 pQ 2 + 4 pQS 2 pS 2 = 0 .
p
Kifejezve az els egyenletbl az S =
Q s behelyettestve a msodik
h+p
egyenletbe: 4 rk 2h
2p 3Q 2
p2
2
2
2
+
=0.
Q
4
pQ
2
pQ
(h + p)2
(h + p)2
2p 2 h
2p 3
= 4 rk .
Q 2 2 p
(h + p )2 (h + p )2
2 ph 2 + 2 p 2 h
= 4 rk .
Q2
A kzs nevezre hozs utn:
( h + p)2
2 ph
= 4 rk .
Elvgezve a kiemelst s az egyszerstst: Q 2
h+p
Rendezve:
Ebbl kifejezve a Q-t, kapjuk az optimlis rendelsi mennyisgre:

Q opt =
Ezt helyettestve az S =
mennyisge: S opt =
2 rk h + p
.
h
p
p
Q sszefggsbe, az optimlis kszlet
h+p
p
2 rk
.
h h+p
Ekkor a maximlis hiny: Q opt S opt .

Peridus id pedig: t =
Q opt
r
2k p + h
.
r h p
Alkalmazzuk a kapott eredmnyt 9.1.1. pldra:

Havonta r = 7000 db fogy egyenletesen, beindtsi kltsg k =
50.000 Ft, trolsi kltsg h = 30 Ft, termelsi kltsg c = 500 Ft, hinykltsg: p = 50 Ft
2 7000 50000 30 + 50
= 6110 db.
30
50
Q opt 6110
Peridus id: t =
=
= 0,87387 hnap 26 nap.
r
7000
Q opt =
Vissza
181
Opercikutats
Vissza
182
A maximlis kszletnagysg:
S opt =
2 rk p
=
h h+p
2 7000 50000 50
3819 db
30
80
A maximlis hiny: Q opt S opt = 6110 3819 = 2291 db.

sszes kltsg egy peridus alatt:
30 3819 2 50 22912
+
=
2 7000
2 7000
=50000 + 3055000 + 31253 + 18745 = 3 154 998 Ft.
K = 50000 + 500 6110 +
10.4. Sztochasztikus kszletezsi modellek

A kerkprok eladsrl szl pldnkban s ltalban a kereskedelemben
a kereslet nagysga valsznsgi vltoz, azaz egy idegysgre es eladott
darabszm a vletlentl fgg. Felttelezzk, hogy ismert vagy meghatrozhat a valsznsgi vltoz eloszlsa. Az ilyen kszletezsi modellek is
tbb tpusba sorolhatk. Jelen vizsgldsunk clja az, hogy bemutassuk
azt a matematikai lpssorozatot, amellyel az ilyen tpus feladatok trgyalhatk.
10.4.1. Egy peridusos modell beindtsi kltsg nlkl
Jelljk a szban forg rucikk kereslett valsznsgi vltozval. Tovbb jelljk P( = x ) -vel annak a valsznsgt, hogy felveszi az x
rtkt.
Egyetlen peridusban, egyszerre Q mennyisg rt rendelnek egysgenknt c Ft-rt.
Ha a kereslet kisebb, mint a beszerzett Q mennyisg, akkor
Q > 0 mennyisget trolni kell s a fajlagos trolsi kltsg h Ft. Ha a
kereslet nagyobb, mint a rendelt mennyisg, akkor Q > 0 hiny keletkezik s ekkor a hinybl szrmaz fajlagos kltsg legyen p.
Ekkor a felmerlt kltsg s Q fggvnye:
K ( ; Q ) = c Q + h max(Q ) + p max( Q ) .
Lthat, hogy kt kockzat kztt kell azt a kszletezsi szintet meghatrozni, amelyekre nzve a kltsgnek a vrhat rtke minimlis.
Vissza
182
Opercikutats
Vissza
183
Tulajdonkppen azt a Q mennyisget keressk, amelyre nzve a kltsg vrhat rtke minimlis:
K (Q ) = E(K ( , Q )) =
[cQ + h max(Q ) + p max( Q )] P( = x ) .

x =0
Sokszor a P( = x ) valsznsg pontos alakjt nehz meghatrozni, ezrt

a diszkrt valsznsgi vltozt folytonossal helyettestjk. Ha a keresletnek igen sok lehetsges rtke lehet, akkor ez a kzelts elg j kzeltst
ad a kszlet optimlis rtkeire.
Legyen a folytonos eloszls srsg fggvnye f(x). Ekkor a kltsgfggvny vrhat rtke
Q
K (Q ) = cQ + h (Q x )f (x )dx + p (x Q )f (x )dx .
Bontsuk fel az integrlokat, akkor

Q
K (Q ) = c Q + hQ f (x )dx h xf (x )dx + p xf (x )dx pQ f (x )dx .
Keressk a szlsrtkt, ezrt derivljuk Q szerint. Olyan integrlokat

kell derivlni, ahol az integrlsi hatrok a derivlsi vltoz fggvnye.
Ennek a derivlsi szablya:
u (y )
u (y )
f (x, y )
dv
du
d
f (x, y )dx =
dx + f (u , y ) f (v , y ) .
y
dy
dy
dy v (y )
v (y )
Figyeljnk arra is, hogy a msodik s az 5. tag szorzatfggvny!

Q

dK (Q )
= c +h f (x )dx + hQf (Q ) hQf (Q ) pQf (Q ) p f (x )dx pQf (R ) .
dQ
Q
dK (Q )
Rendezve:
= c + h f (x )dx p f (x )dx .
dQ
0
Q
Q
Vissza
183
Opercikutats
Vissza
Kihasznlva az ismert F(x ) = f (x )dx , illetve
f (x )dx = 1 F(x )
184
ssze-
fggseket, ahol F(x) az eloszlsfggvny, kapjuk:

dK (Q )
= c + hF(Q ) p(1 F(Q )) .
dQ
dK (Q )
= 0 legyen.
dQ
c + hF(Q ) p + pF(Q ) = 0 ,
pc
F(Q ) =
.
h+p
Szlsrtk ltezsnek szksges felttele, hogy

Ezrt
azaz
Az elgsges felttel:
d 2 K (Q )
= h f (x ) + pf (x ) 0 teljesl, hiszen f(x) mindQ 2
dig pozitv. Teht a kltsg vrhat rtke olyan Q rendels mellett a legkisebb, amely helyen a keresleti eloszlsfggvnynek rtke
pc
.
p+h
Ez az egyperidusos modell olyan rucikkek kszletezsnek felel meg,

amelyek igen gyorsan fogynak, msnap mr szinte nincs rtkk. Pldul
napilapok vagy olyan lelmiszerek, amelyek gyorsan elromlanak.
10.4.2. Plda
szibarack beszerzsi ra 80 Ft/kg. A tapasztalat azt mutatta, hogy adott

idszak alatt a kereslet egyenletes eloszls 1000 s 2000 kg kztt. Menynyi szibarackot vsroljon a keresked naponta, ha a trolsi kltsg naponta 5 Ft/kg s a megmaradt r maradvnyrtke 60 Ft/kg. Ha pedig
hinya lenne, akkor 140 Ft/kg lesz a vesztesge.
Megolds: az elz kplet szerint:
F(Q ) =
pc
140 80
60
60
=
=
=
.
p + h 140 + (5 60 ) 140 55 85
Az egyenletes eloszls eloszlsfggvnye mint tudjuk:

ha
xa
0,
x a
F(x ) =
, ha a < x b
b a
ha
x>b
1
Vissza
184
Opercikutats
Ezrt
Vissza
185
Q 1000
60
=
.
2000 1000 85
Ebbl: 85Q 85000= 60000, azaz Q = 1705 kg

Teht az sszes kltsg vrhat rtke akkor lesz a legkisebb, ha naponta 1705 kg krl rendel a keresked az szibarackbl.
Az eddig trgyalt kszletezsi modellek az egyszerbb eseteket reprezentljk. A valsgos gyakorlati modellek ltalban bonyolultabbak, de a
felsorolt esetek jl szemlltetik a problmk megoldsi technikjt.
Vissza
185
Opercikutats
gazati kapcsolatok elemzse
Vissza
186
11. gazati kapcsolatok elemzse

11.1. gazati kapcsolatok modellje s megoldsa
A nemzetgazdasg (a termel vllalatok) egyes gazatai az ltaluk ellltott termkek egy rszt sajt maguk hasznljk fel, ms rszt ms gazatoknak adjk t, amelyek ezen termkeket felhasznljk, a termkek egy
harmadik rszt pedig fogyasztsra adjk. A nemzetgazdasgi gazatok,
illetve a termel vllalatok teht termkeik ltal kapcsolatban vannak ms
gazatokkal, ms vllalatokkal.
Szemlltetsknt tekintsk meg egy gazati kapcsolati pldt:
Tegyk fel, hogy a gazdasg hrom f gazatbl ll s ezek brutt termelse: 30, 20, 5 milli forint. Ezen rtkek egy rszt a sajt gazat hasznlja
fel, ms rszt a tbbi gazatnak adja t s a maradk lesz a nett kibocsts.
A kvetkez tblzat szemllteti a teljes termelst, vagy brutt kibocstst, az
gazatkzi termkramlst s a nett kibocstst.
gazatkzi termkramls
Termelsi Teljes Termelsi gazatok sszes felgazatok termels
hasznls
I.
II.
III.
I.
30
10
8
4
22
II.
20
8
2
7
17
III.
5
1
0
2
3
sszes
55
19
10
13
42
Nett
kibocsts
8
3
2
13
ltalnossgban: Tegyk fel, hogy a gazdasg n olyan gazatra bonthat,

amelyek egymssal nem helyettesthet homogn termkeket lltanak el.
T
Jelljk az x = [x1, x2, xn] vektor komponenseit egy adott idszakban az egyes gazatok tal termelt mennyisgek forint rtkt, teht xj a jedik gazat termelse. Ezt a vektort a brutt kibocstsok vektornak nevezzk. Jellje xij annak a termkmennyisgnek az rtkt, amelyet az i-edik
gazat a j-edik gazatnak ad t termelsre, xj pedig a j-edik gazat termelst jelentse.
Vissza
186
Opercikutats
Vissza
187
gy az egyes gazatok kapcsolatt az

x 11
x
21
M= .
.
x n1
x 12
.
.
.
xn2
.
.
x ij
.
..
. x 1n
. x 2n
.
. mtrix mutatja.
.
.
.. x nn
Ha az M mtrixot soronknt sszegezzk, akkor egy olyan oszlopvektort

kapunk, amelynek elemei az n. termel fogyasztst mutatjk. Ezt a vektort
M1 (ahol 1 = [1, 1, , 1]T) szorzat lltja el.
A gyakorlatban pedig igaz, hogy x > M 1.
Kpezzk az x M 1 vektort s jelljk y-nal. Az y = x M 1 vektort nett kibocsts vektornak nevezzk. Fontos ismerni az 1 Ft termelsre jut
rfordtst. Ezt gy kapjuk meg, hogy az M mtrix j-edik oszlopnak minden elemt osztjuk xj-vel, ahol j=1, 2, , n. Az gy kapott mtrixot technolgiai mtrixnak nevezzk s jelljk A szimblummal.
Teht
x ij
.
x j
A=
Vezessk be X = < x1, x2, , xn > diagonlis mtrixot, akkor A = MX1.

Az A mtrix segtsgvel a brutt- s nett kibocstsok vektora kztti
kapcsolatot a kvetkezkppen rhatjuk fel: x = Ax + y, amelybl
y = x Ax = (E A)x, innen x = (E A)1 y.
Ezen egyenletek az gazati kapcsolatok mrlegnek alapvet sszefggsei.
Az utbbi sszefggs megmutatja, hogy a nett kibocstsok ismeretben hogyan lehet meghatrozni a brutt kibocstsokat.
11.2. Plda
100
40 40 0
Legyen x = 80 , M = 20 30 0
200
0 100 50
Krds: Hny szzalkkal kell nvelni az egyes gazatok brutt kibocstst, ha a nett kibocstst az egyes gazatokban 10, 80, 70%-kal kvnjuk
nvelni?
Vissza
187
Opercikutats
Vissza
188
Megolds: Hatrozzuk meg elszr az adott termelshez tartoz nett

kibocstsok vektort az y = x M1 sszefggssel.
100
y = 80
200
40 40 0 1
20
20 30 0 1 = 30 .

0 100 50 1
50
Most mr meg tudjuk hatrozni a megnvelt nett kibocstsok vektort:

20 + 2 = 22,
30 + 24 = 54,
50 + 35 = 85.
22
Teht legyen y' = 54 az j nett kibocsts.
85
Az y, nett kibocstshoz tartoz brutt kibocsts az

x, = (E A)1 y,
egyenlettel szmthat.
Az A technolgiai mtrix pedig A = M X1 mdon szmthat. Teht
1
40 40 0 100
A = 20 30 0 0
0 100 50
0
0
1
80
0
2
0
5
1
0 =
5
1
0
200
1
2
3
8
5
4
0 .
1
4
Az A mtrixbl leolvashat, hogy az I. gazat 1 Ft mennyisg brutt termelshez a sajt termelsbl 0,4, a msodik gazatbl 0,2, a harmadikbl
gazatbl 0 Ft-ot hasznl fel. A msodik, illetve harmadik gazat 1 Ft
termelshez felhasznlt mennyisgeket az A mtrix msodik, illetve harmadik oszlopainak elemei mutatjk.
Kvetkez lpsknt hatrozzuk meg az E A mtrixot, majd az inverzt.
Vissza
188
Opercikutats
25
1
1
(E A) = 8
11 40
20
24
40
Vissza
189
0
0 .
44
Az inverz mtrix els oszlopa azt fejezi ki, hogy 1 Ft nett kibocstshoz
mennyit kell felhasznlni az els, a msodik s a harmadik gazatbl stb.
A felemelt nett kibocstsokhoz tartoz brutt kibocstsok vektora
most mr kiszmthat.
1
x' =
11
25
8
40
20
24
40
0 22
148,18
0 54 = 133,82 .
44
336,36
85
3
Lthat, hogy
az I. gazatban a brutt kibocstst 48,18 milli Ft-tal,
a II. gazatban a brutt kibocstst 53,83 milli Ft-tal,
a III. gazatban a brutt kibocstst 136,36 milli Ft-tal kell nvelni.
Ez azt jelenti, hogy
az I. gazat termelst 48,18%-kal,
a II. gazat termelst 67,27%-kal,
a III. gazat termelst 68,18%-kal kell nvelni.
11.3. gazati kapcsolatok modelljnek megoldsa
EXCEL tblzatkezelvel
Az gazati kapcsolatok mrlegbl ismertek a kvetkez adatok:
400
300

x = 500 , M=

600
400
0 120 80
80 60
40 60
0
0 120
100 120 200 0

80
100 30 200 240 0

40
0
50 120 120
Megvlaszoland krdsek:
a) Mekkora az egyes gazatok nett kibocstsa?
b) Mekkora a termel fogyasztsa az egyes gazatoknak?
c) Hatrozza meg a technolgiai mtrixot!
Vissza
189
Opercikutats

Vissza
190
Mi a jelentse a mtrix egyes elemeinek?

d) Hatrozzuk meg az (E A)1 mtrixot!
Mi a jelentse a mtrix egyes elemeinek?
e) Mekkora brutt kibocsts mellet lehet a nett kibocsts vektora
y = [200, 80, 250, 200, 120]T?
A krdsek megvlaszolsra hasznljuk fel az EXCEL tblzatkezelt!
Helyezzk el a tblzaton a megadott x vektort s az M mtrixot. A
szmolsnl szksg lesz az 1 sszegez vektorra s az E egysgmtrixra
valamint az X diagonlis mtrixra:
Az elhelyezs utn hvjuk meg a fggvnyvarzslval a szksges mtrixmveleteket s vgezzk el sorban a kijellt mveleteket. Helyezzk el az
eredmnyeket a tblzat lthat rszn:
Vissza
190
Opercikutats

Vissza
191
Vlaszok:
y = x M 1 = [60, 80, 0, 30, 70]T
M 1 = [340, 220, 500, 570, 330]T
Technolgiai mtrix: A mtrix.
(EA)1 mtrix elemeinek jelentse: A mtrix els oszlopa azt fejezi ki, hogy az els gazat 1 Ft nett kibocstst milyen programmal valsthat meg az egyes gazatban.
e) Az j brutt kibocsts vektora a K28:K32 oszlopban lthat.
a)
b)
c)
d)
Vissza
191
Opercikutats
Elrejelzs
Vissza
192
12. Elrejelzs
Elrejelzsre a gazdasgi let szmos terletn szksg van, mivel a mai
gyorsan vltoz, bonyolult krnyezetben csak akkor tudunk helyes dntseket hozni, ha ismerjk a jv alapvet fejldsi folyamatait. A prognosztika magban foglalja annak megrtst, hogy mi trtnt a mltban, mi
trtnik a jelenben s mirt?
Csak a vizsglt jelensg okainak megrtse, sszetevinek megismerse
s elemzse utn nylik lehetsg arra, hogy jl elre jelezzk mi fog trtnni a jvben s az elrejelzs ismeretben dolgozzuk ki a megfelel
gazdasgi dntseket.
Elrejelzst tehetnk kvalitatv (minsgi) s kvantitatv (mennyisgi)
mdon. Az els esetben az elrejelzs ltalban egy vagy tbb szakrt
szemlyes vlemnye, vagy tlete. Ezt szakrti vlemnyalkotsnak szoks nevezni. Pldul a kltsgvets elksztshez felttelen szksges az
inflci mrtkt meghatrozni. Az eredmny ltalban a kzgazdszok
hossz viti utn megegyezssel szletik meg.
A kvantitatv mdszerek kzl az idsor-analzis s regresszi-analzis
mdszerek hasznlatosak.
A statisztikai idsor valamely valsznsgi vltoz szmrtkeinek a
sorozata egy adott idintervallumban. Pldul egy meghatrozott cikk napi
piaci ra egy v folyamn idsort alkot. Az idsor-analzis teht olyan
mdszereket hasznl, amely ezeknek az adatoknak az alapjn a szban
forg valsznsgi vltoz jvbeli rtkre adnak elrejelzst. Pldul
egy kerkprt forgalmaz cg havi eladsi elrejelzst szeretne kszteni,
hogy idben beszerezze a szksges rut. Persze korbban feljegyezte a
havi forgalmi adatokat, azaz rendelkezsre llnak a havi eladsok valsznsgi vltozjnak rtkei!
A regresszi-szmtsban az elre jelezni kvnt vltozst (a fgg vltozt) ms vltozk fggvnyeknt fejezzk ki. Pldul egy j knyv teljes
forgalmi pldnyszma sszefggsbe hozhat a korbbi idszak postn
megrendelt szmval.
Termszetesen e hrom mdszer kombinlhat egymssal. ltalban a
vlemnyalkotst megfelel idsor-analzissel egytt hasznljk.
Vissza
192
Opercikutats
Elrejelzs
Vissza
193
12.1. Elrejelzs szakrtk kzremkdsvel

A vlemnyalkots termszetnl fogva szubjektv s intucin, tapasztalaton alapszik. Ez mindennapos s gyors mdszer, mert a szakrtk egy
csoportja knnyen sszehvhat s kielgt vita utn kialakthatjk kzs
vlemnyket a szban forg dolog jvbeli alaktsrl.
Bonyolult, sokfle hatsnak kitett folyamat esetben az elrejelzs
megbzhatsga azonban rohamosan cskken. Pl. az egsz gazdasgot
rint krdsekben a szakrtk vlemnye gyakran homlokegyenest ellenkez.
E csoport mdszer egy tovbbfejlesztett vltozatal, az n. delphoi
mdszer krdvet kld a szakrtknek, s a kitlttt krdveket kirtkeli. Ezutn sszelltanak egy msik krdvet, amelyet az els krdv
eredmnyeivel egytt ugyanazon szakrtknek megkldenek.
A delphoi mdszer kulcsa az els krdv szolgltatta informcik ltali visszacsatols. gy minden szakrt olyan informcikhoz juthat, amelyek korbban nem voltak a birtokban. Az eljrs elnye az is, hogy a
szakrtk szemlyes felelssge a vlemnykkel kapcsolatban megn.
Nyilvnval, hogy e mdszer sikere ersen fgg a krdvek sszelltsnak milyensgtl. Ha szksges, akkor esetleg tbbszrs s megismtelhet a krdvklds.
12.2. Idsorok
Egy valsznsgi vltoz azon rtkei, amelyeket egy bizonyos idszak
alatt felvesz, idsort alkotnak. Pldul egy bizonyos rucikk mlt vi napi
zrsi rai idsort alkotnak. A 2000. janurjtl 2004. jliusig szmtott
negyedvi munkanlklisgi arny rtkei szintn idsort alkotnak. Az
orszg nyugati felt kerkprokkal ellt nagykeresked utols hrom v
negyedvi eladsai ugyancsak idsort alkotnak. Egy idsor viselkedst
szemlltethetjk grafikonon vagy tblzattal.
Minthogy az idsorban a mlt lersa jelenik meg, ezeket az adatokat a
jv elrejelzsre csak valamifle logikai eljrssal hasznosthatjuk. Ha a
mlt egyszeren megismtldik a jvben vagyis a mlt adatai megmutatjk, mit vrhatunk a jvben akkor felllthatunk egy matematikai
modellt, amely jl jellemzi a folyamatot. Valban, ha ez a modell ismert,
bizonyos paramterek esetleges kivtelvel megadhatjuk az elrejelzst.
Ha ezt a modellt nem ismerjk, a mlt adatai akkor is sugallhatnak valamit.
Vissza
193
Opercikutats
Elrejelzs
Vissza
194
Tegyk fel, hogy egy valsznsgi vltoz pldul egy napi r a

kvetkez sszefggssel jellemezhet:
t = h t + et .
ahol t a valsznsgi vltoz a t pillanatban, h t az idsor viselkedstl

fgg kifejezs, e t pedig a vletlen hiba. A h t fggvny sokfle lehet:
Nzznk nhny pldt.
Vlaszthatjuk h t -t az utols hrom megfigyels mozgattlagnak, azaz
ht =
t 1 + t 2 + t 3
.
3
Vagy vlaszthatjuk h t -t az utols kt megfigyels slyozott mozg tlagnak:

h t = t 1 + (1 ) t 2 ,
ahol a slyoz tnyez.
Vagy vlaszthatjuk h t -t egy lineris fggvnynek:
h 1 = + t.
Tbb pldt is lehetne sorolni. A lnyeg az, hogy a modell paramtereit

egy 1 , 2 ,..., t mltbeli adatsor segtsgvel llthatjuk el. Az i h i ,
klnbsgeknek valsznsgi rtelemben ugyangy kell viselkednik,
mint az e 1 vletlen hibnak. Ha nem gy viselkednek, akkor a modell
nyilvnvalan nem megfelel. Az t +1 rtket az 1 , 2 ,..., t ismeretben
a h t +1 segtsgvel jelezzk elre.
A legtbb valsgos esetben a modell egzakt formja nem ismeretes,
st mg akkor is, ha ismerjk a modell egzakt formjt, a modell paramterei lehetnek ismeretlenek. Pldul, ha tudjuk is, hogy a modell a slyozott kzp, de ltalban nem tudjuk az slyoz tnyezt. Az elrejelzsi
eljrsban, ha megvlasztunk egy modellt, az 1 , 2 ,..., t mltbeli adatokat hasznljuk arra, hogy valamifle optimlis becslst adjunk a paramterekre. Ha a modell formjt sem ismerjk, akkor is vannak bizonyos eljrsok az elrejelzsre, ilyen pldul a Box-Jenkis-fle mdszer.
12.3. Elrejelzsi mdszerek
Meg kell klnbztetnnk a folyamatra illesztett modellt s a hasznlt
elrejelzsi eljrst. sszernek ltszik a modell alapjn megvlasztani az
Vissza
194
Opercikutats
Elrejelzs
Vissza
195
elrejelzsi eljrst. ltalban olyan elrejelzsi mdszert vlasztanak,

amely gyakran igen egyszer rsze egy szmtgpes eljrsnak, s kevs
kze van a tnyleges modellhez. Pldul, a munkanlklisgi arny elrejelzsre hasznlhatunk egy olyan eljrst, amely az utols ngy negyedv
tlagn alapul, tekintet nlkl arra, hogy a
t =
t 1 + t 2 + t 3 + t 4
4
modellre vonatkoz idsor megfelel-e vagy sem.

Az elrejelzsi feladatot idsorra a kvetkezkppen fogalmazhatjuk
meg:
Adva van valsznsgi vltozknak egy 1 , 2 ,... t sorozata (vagyis egy
sztochasztikus folyamat) E( 1 ), E( 2 ),... vrhat rtkkel. A valsznsgi
vltozk eloszlsa lehet azonos, de vltozhat is. A valsznsgi vltozk

megfigyelt rtkeit jellje x 1 , x 2 ,..., x t . Ezeknek ismeretben hatrozzuk
meg E( t ) vrhat rtket, azaz a jvend idszakra adott elrejelzett
rtket.
Pldul egy kerkprt forgalmaz keresked elrejelzst kszt a negyedves eladsokra, hogy tervezni tudjon. Az elz negyedvek adatait
ismeri, vagyis ismeri a negyedves vsrlsok valsznsgi vltozinak
tnyleges rtkeit, s elrejelzst akar kszteni a kvetkez negyedvre
vagy negyedvekre. Ha felismeri, hogy a kvetkez negyedvek eladsai is
valsznsgi vltozk, akkor a keresked j elrejelzst adhat a kvetkez idszakra.
Az albbi elrejelzsi eljrsok gyakoriak a gazdasgban.
1. Az utols rtkre alapozott elrejelzsi eljrs.
A kerkpr-keresked az utols negyedv eladsaibl becsli meg

~
E( t ) -t a jv negyedvekre, azaz ekkor E( t ) = x t . Ez a becsls
meglehetsen durva, azaz nagy a szrsa, mert egyelem mintn alapul. Csak akkor rdemes ezt alkalmazni, ha a feltteles eloszls szrsa igen kicsi s/vagy a folyamat oly gyorsan vltozik, hogy a t pillanat
eltti adatok flrevezetek a jelen helyzetet illeten.
2. tlagol elrejelzsi eljrs.
A kerkpr-keresked felhasznlja a mltra vonatkoz sszes adatt a

jvbeli eladsok elrejelzsre, vagyis gy dnthet, hogy
Vissza
195
Opercikutats
Elrejelzs
E( t ) =
Vissza
196
xi
t.
i =t
Ez a becsls kitn, ha a folyamat egszen stabil. Azonban nagyon

rgi adatokat az esetleges eltoldsok miatt nem rdemes figyelembe
venni.
3. Mozg tlagokra alapozott elrejelzsi eljrs.
A kerkpr-keresked csak az utols n peridusra vonatkoz tlagot

hasznlja a becslsre, azaz
k
E ( t ) =
x
i =0
t i
Ez a becsls az utols k adat lnyegt srti, s knnyedn tarthat

napraksz llapotban: az els megfigyelst elhagyjuk, s az utolst
hozzvesszk. Ez az eljrs magban foglalja az elz eljrsok elnyeit, mert csak viszonylag j, de tbbszrs megfigyelsi adatokat
hasznl fel. Htrnya az, hogy azonos sllyal veszi figyelembe az x t
rtket, pedig az ember azt vrn, hogy az jabb adatok nagyobb slylyal essenek a latba.
4. Elrejelzsi eljrs exponencilis simtssal.
Ha a kerkpr-keresked exponencilis simtst alkalmaz, akkor

~
E( t ) = x t + (1 ) E( t 1 ),
ahol 0 < < 1 a simt tnyez. Ekkor az elrejelzs az utols megfigyels s az elz elrejelzs slyozott sszege. Az exponencilis simts rekurzis eljrst jelent, s a kvetkez formban is megadhat:
~
E( t ) = x t + (1 )x t 1 + (1 )2 x t 2 + .... =
(1 ) x
i
t i
i =0
Ebbl a formbl nyilvnval, hogy az exponencilis simts a legnagyobb slyt az x t -re helyezi, a korbbi megfigyelsekre pedig cskken slyokat. Az els forma viszont azt mutatja, hogy az elrejelzst
egyszer kiszmtani, mert a t pillanat eltti adatokat nem kell meg-
Vissza
196
Opercikutats
Elrejelzs
Vissza
197
rizni, csak x t s az elz E( t 1 ) elrejelzs szksges. Ez a simts

mg egy msik formban is felrhat:
~
~
~
E( t ) = E( t 1 ) + x t E( t 1 ).
Ez adja az eljrs szemlletes indoklst. Vgl, az exponencilis simts hatkonysgnak egy mrtkt is meg tudjuk adni, ha a folyamat
teljesen stabil, azaz ha 1 , 2 ... t azonos eloszls, fggetlen valsznsgi vltozk, amelyek szrsa . Ekkor
2
2
~

var E( t )
.
=
2 (2 )/
Teht, a szrsngyzet statisztikailag ekvivalens egy (2 )/ megfiakkor

gyelsre
vonatkoz
mozgtlaggal.
Ha
= 0,1,

(2 )/ = 19 : az exponencilis simtsi mdszer ekvivalens egy 19
megfigyelses mozgtlagra alapozott eljrssal, Meg kell azonban jegyeznnk, hogy az exponencilis simts rzkenyen reaglhat arra,
hogy az emltett felttelek nem teljeslnek.
Az exponencilis simts htrnya, hogy a folytonos vltozst ksedelemmel kveti: ha az tlag folyamatosan n, az elrejelzs viszont
nhny peridussal lemarad. Az eljrst azonban knnyen lehet a
tendencihoz illeszteni (akr szezonlisan is). Msik htrnya, hogy
nehz a megfelel simttnyezt megvlasztani. Az exponencilis
simtst gy is tekinthetjk, mint egy statisztikai szrt, amely egy
sztochasztikus folyamat adataibl az tlagok idben vltoz, kisimtott becslseit szolgltatja. Ha -t kicsire vlasztjuk, a vlasz lassan
vltozik, sima becslsekkel. Ha nagy, akkor a vlasz gyorsan vltozik, azaz gyors felejtst jelent (nagy variancival). Tovbb, a simttnyez j rtke fgg a szban forg sztochasztikus folyamattl
is. A szakirodalom szerint az ne haladja meg 0,3-at, s gy tnik, a
legjobb vlaszts ltalban 0,1-0,2 krl van. Termszetesen megnvekedhet, esetleg csak idlegesen, pl. ha szokatlan vltozs vrhat.
5. Elrejelzsi eljrs trendszmtssal
Lnyege, hogy az idsor sszes rtkeinek felhasznlsval megksrlnk fggvnyszer kapcsolatot kimutatni az id s a megfigyelt rtkek alakulsa kztt. Mivel az id s a megfigyelt rtk kztt ltal-
Vissza
197
Opercikutats
Elrejelzs
Vissza
198
ban sztochasztikus kapcsolat van, ezrt a trendfggvny ltalnos

formja a kvetkezkppen rhat fel.
yt = f(t)+et ,
ahol t a trendvltoz, et vletlen hatst kifejez vltoz.
Gyakorlatban a trendfggvny sokfle lehet: lineris, polinomilis,
hatvny, exponencilis, logaritmikus, stb. Arrl, hogy milyen fggvny rja le a kapcsolatot legegyszerbben gy gyzdhetnk meg,
hogy grafikusan brzoljuk az idsor adatait.
A trend fggvny ismeretben kzenfekv az elrejelzs, hiszen a
trendvltoz (id) helyre azon idpontnak megfelel rtket kell behelyettesteni, amelyre a prognzis kszl. Az elbbi szimblumokat
hasznlva: yt+i = f(t+i). Elrejelzs szmtsi mdszereit Excel tblzatkezel segtsgvel mutatjuk be.
12.4. Idsor elemzs s elrejelzs Excel
tblzatkezelvel
Egy cg ruforgalmi adatainak rsz idsora lthat a 12.4.1. kpernyn. A
felvett adatok ismeretben szeretnnk becslst adni arra, hogy a kvetkez
v negyedveiben mennyi rbevtellel szmolhatunk.
12.4.1. Kperny
Vissza
198
Opercikutats
Elrejelzs
Vissza
199
A j elrejelzs rdekben vizsgljuk meg az idsort!

brzoljuk az idsort xy diagrammon! Ezt a diagramvarzslval
megtehetjk. A 12.4.1 kpernyn lthat, hogy az idsor trend- s
szezonlis hatst is tartalmaz.
Ha a trendvonalat is ltni szeretnnk, akkor az aktv Excel kpernyn a grafikon egyik pontjra kattintsunk az egr jobb billentyjvel s vlasszuk a Trendvonal felvtele menpontot. Ennek hatsra
megnylik a 12.4.2 lenyl men.
12.4.2. Kperny
A lenyl menben 6 trendtpus kzl vlaszthatunk. Ha a linerist vlasztjuk, akkor a 12.4.1. kperny kpen lthat egyenest megrajzolja a
program. Ha a trend egyenlett is ltni szeretnnk, akkor nyissuk meg az
Egyebek menpontot is s rtelemszeren tegynk jelet a ngyzetekbe.
Vissza
199
Opercikutats
Elrejelzs
Vissza
200
12.4.3. Kperny
Mivel a menlapon azt is belltottuk, hogy 4 idszakra ksztsen elrejelzst, ezrt a 12.4.4.kpernyn az az idszak is megjelenik:
12.4.4. Kperny
Lthat, hogy az illeszkeds elfogadhat (magyarz er 74,2%). Itt leolvashat a kvetkez 4 negyedvre a forgalom becslt rtke, de nem vet-
Vissza
200
Opercikutats
Elrejelzs
Vissza
201
tk figyelembe, hogy ers szezonlis hats rvnyesl. Ha jobb elrejelzst

akarunk adni, akkor a szezonlis eltrseket, illetve szezonindexeket is ki
kell szmolni s ezzel korriglni kell a trendet. A szezonalits vizsglata
brmilyen alapirnyzat-becsls esetben elvgezhet.
Szezonalits-vizsglat lineris trend figyelembevtelvel. Egyszerre mutatjuk meg az additv s a multiplikatv modell szmtsi eljrst.
Egsztsk ki a 14.2.1. kpernyn lthat alapadatokat a lineris
trend szmtott rtkeivel s a trendtl megtiszttott rtkekkel. Ez
ltszik a 12.4.5. Kpernyn. A D oszlop aktv celljban lthat a
trend kplete, a tbbi celljban a becslt trend rtkek. A trendtl
megtiszttott rtkeket additv modellt felttelezve az E oszlopba
helyeztk el az =C2-D2 kplettel szmolva, a multiplikatv modell
szmtsi kplete =C2/D2, s az F oszlopban lthatk a tiszttott
rtkek.
12.4.5. Kperny
A tiszttott rtkek idsorbl a Kimutats-varzslval elkszthetjk a negyedvek szerinti eltrs tlagokat. Hasznljuk az Adatok men Kimutats..
menpontjt, gy nyerhetjk a 12.4.6. kpernyt:
Vissza
201
Opercikutats
Elrejelzs
Vissza
202
12.4.6. Kperny
Innen leolvashatk a szezonalitsra vonatkoz legfontosabb informcik:
a szezonalits miatt az ruforgalom rtke az es negyedvben elmarad az alapirnyzat szerint elre jelzettl tlagosan 38,77 mFt,
illetve 4,2 szzalkkal.
A msodik s negyedik negyedvben a szezonhats nem jelents,
A harmadik negyedvben a szezonhats miatt tlagosan 42,37 mFttal nagyobb a forgalom, mint a trendbl kvetkezne, illetve 5,02
szzalkkal multiplikatv hatst felttelezve.
gy az elre jelzett forgalom: Trend rtkek Szezonhats Korriglt
Elrejel
zs
I Additv
911,59 38,77323333
872,82
II
919,35 2,367466667
916,99
III
927,11 42,37163333
969,49
IV
934,88
1,2226
933,65
I Multiplikatv
0,951900043
867,74
II
0,997054792
916,65
III
1,052125652
975,44
IV
0,998897259
933,84
Lthat, mindkt szmtsi md azonos eredmnyre vezetett.
Hasonlan szmthatk az elrejelzs rtkei ms fggvny esetben
is, ha szezonalits kimutathat.
Az exponencilis simts is elvgezhet Excel segtsgvel. Az Eszkzk fmen megnyitsa utn az Adatelemzs menben talljuk az Exponencilis simts
programot. A program kivlasztsa utn a kvetkez men jelenik meg:
Vissza
202
Opercikutats
Elrejelzs
Vissza
203
A Sg gomb lenyomsa utn tjkozdhatunk az egyes lehetsgek rtelmrl.

12.5. Elrejelzs regressziszmtssal
A gazdasgi letben gyakran tallkozunk olyan jelensggel, a melynek rtke valamilyen mdon jelzi elre idben ksbb bekvetkez esemny
rtkt. Pldul vegynk egy knyvkiadt, amelynek kereskedelmi menedzsere a knyvek els kiadsnak pldnyszmt szeretn meghatrozni.
Az eddig kiadott knyveket boltokban s postai megrendelseken keresztl is forgalmaztk. A nagy rtk knyvekre mg a nyomtats eltt levlben felhvtk a potencilis vsrlk figyelmet, s arra buzdtottk a cmzetteket, hogy elre rendeljk meg. A menedzser felfigyelt arra, hogy sszefggs van a postn elre megrendelt knyvek szma s a bolti forgalomban ksbb eladott pldnyszm kztt. Azt remli, hogy az szrevett
sszefggst jl tudja hasznostani az ezutn megjelen pldnyszmok
megllaptshoz. Ha x jelli a postai rendelsek, y pedig a bolti eladsok
szmt, akkor
y i = f (x i ) + e i -vel
rhat le a kapcsolat, ahol f a kapcsolatot ler fggvny szimblum, e pedig a hiba.

A statisztikban megismert mdon hatrozatjuk meg a tapasztalati
adatok ismeretben a kapcsolatot ler fggvny paramtereit s az illeszts szorossgt.
Az gy illesztett fggvny igen jl hasznlhat elrejelzsre, mert az x
vltoz idben elre ismert rtkeivel megbecslhet az idben ksbb
bekvetkez y vltoz rtke. A dntshozt persze rdekli, hogy mennyire bizonytalan ez az elrejelzs. A bizonytalansgot bizonyos felttelek
Vissza
203
Opercikutats
Elrejelzs
Vissza
204
mellett knny mrni. Egyik ilyen felttel lehet, hogy az y vltoz szrsa
lland.
A szrs becslse a kvetkez sszefggssel trtnik:
sy/x =
i =1
(y i y )2
n2
Az y i vltoz vrhat rtkre intervallum becslst adhatunk adott megbzhatsgi szint mellett. Ha pldul a szban forg menedzser azt tapasztalja, hogy y = 0 + 1 x fggvny rja le a kapcsolatot, akkor az x = x0 rtknl (postai megrendels darabszma) a bolti elads darabszma a kvetkez intervallumba esik 95% valsznsggel:
1
s y / x
+
0 + 1x 0 t
1 , n 2
n
2
(x x )
(x x )
2
i =1
A knyvkiad plda megoldsa Excel segtsgvel:
A plda tapasztalati adatai a 12.5.1 Kpernyn lthatk: Az A oszlopban

az elrendels darabszma, a B oszlopban a bolti eladsok darabszmai.
Lpsek:
1. brzoljuk xy diagramon az Elrendels x s a Bolti elads y megfigyelt sszetartoz rtkeit a Diagram varzsl segtsgvel. Lthat,
hogy lineris kapcsolat ttelezhet fel.
2. Ezrt illessznk hozz y = 0 + 1 x egyenlet egyenest! A ponthalmaz
egyik pontjra kattintsunk az egr jobboldali billentyjvel. Vlasszuk
a Trendvonal felvtele programot s vlasszuk ki a megfelel fggvny tpust.
3. Az Egyebek kinyitsa utn tegynk jelet az Egyenlet ltszik a diagramon s az R-ngyzet rtke ltszik a diagramon. jell ngyszgbe.
4. Szmoljuk ki a fggvny xi helyen felvett rtkeit:
A C2 cellba rjuk be:=13,847*a2-14661, majd msoljuk t a

kpletet a C oszlop megfelel celliba.
Vissza
204
Opercikutats
Elrejelzs
Vissza
205
12.5.1. Kperny
n
5. Az s y / x =
i =1
(y i y )2
n2
szrs kiszmtsa: A D2 cellba rjuk be az
=(a2-c2)2 kpletet, majd msoljuk t a D oszlop tbbi celliba. A

D20 cellba sszegezzk a fltte tallhat adatokat. A D21 cellba rjuk be az =Gyk(d20/18) kpletet. Ezzel ellltottuk az sy/x szrst.
6. A becslshez mg szksg van
( x i x ) 2 -re is. Az A2 cellba rjuk
be az =(a2-$a$20)2 (az A20 cellban lthat az x tlag), majd

msoljuk t az E oszlop tbbi celljba is. gy az E20 cellban sszegezhetjk az adatokat.
7. A
1
+
n
(x x )
(x x )
2
korrekcis tnyez kiszmtsa: Az E21 cellba
i =1
rjuk be: =gyk(1/18+(18-a20)2/e20.
Vissza
205
Opercikutats
Elrejelzs
Vissza
206
8. A knyvek boltban eladhat becslt fels hatrt szmoljuk ki a B22

cellba, rjuk bele az =13,847*g22+14661+2,1*d21*d22 kpletet. Az als hatrt a B23 cellba szmoljuk ki.
9. Kvetkeztets: Ha a szban forg knyvekbl 1510 darabot (ez lthat
G22 cellban) elrendelsben lektttek, akkor 95% biztonsggal llthatjuk, hogy a bolti eladsok vrhat szma 6095 s 6401 kztt lesz.
Vissza
206
Opercikutats
Krdsek az opercikutats tanulmnyozshoz
Vissza
207
13. Krdsek az opercikutats

tanulmnyozshoz
Gazdasgi modellezs
1.
2.
3.
4.
5.
Fogalmazza meg az konometria, az opercikutats s a kibernetika

(mint gazdasgi dnts-elkszts) lnyegt!
Mi az opercikutats fogalma, trgya s a mdszerei?
Mit neveznk modellnek?
Sorolja fel a dntsi modellek jellegzetes elemeit!
Sorolja fel a gazdasgi modellezs lpseit!
Lineris programozs
6.
Milyen modellt neveznk lineris programozsi feladatnak? rja fel a

matematikai modelljt a szoksos vektor-mtrix szimblumokkal!
7. Milyen lineris programozsi feladatot neveznk normlfeladatnak?
8. Milyen lineris programozsi feladatot neveznk mdostott normlfeladatnak? rja fel a matematikai modelljt a szoksos vektor-mtrix szimblumokkal!
9. Milyen lineris programozsi feladatot neveznk ltalnos feladatnak?
rja fel a matematikai modelljt a szoksos vektor-mtrix szimblumokkal!
10. Mit neveznk egy lineris programozsi feladat lehetsges megoldsnak?
11. Mit neveznk egy lineris programozsi feladat optimlis megoldsnak?
12. Mi a szimplex algoritmus lnyege?
13. Mivel biztostjuk a szimplex eljrs sorn azt, hogy a vltozk
nemnegatv rtkeit keressk?
14. Honnan tudjuk a szimplex tblzatbl, hogy optimlis megoldst kaptunk-e?
15. Mikor mondjuk, hogy a clfggvny nem korltos? Hogyan tudjuk ezt a
szimplex tblzatbl leolvasni?
16. Mit neveznk alternatv optimumnak? Hogyan olvashat le ez a szimplex
tblzatbl? Hogyan llthat el az sszes alternatv megolds?
17. Mikor mondjuk, hogy a lineris programozsi feladat degenerlt?
18. Hogyan jrunk el a mdostott normlfeladatok megoldsakor? Mi a
felttele egy lehetsges megolds ellltsnak?
19. Hogyan jrunk el az ltalnos feladatok megoldsakor?
Vissza
207
Opercikutats
Vissza
208
20. Honnan ltszik a szimplex tblzatban, hogy lehetsges megoldst kaptunk?

21. Milyen eljrsokat ismer a minimumfeladatok megoldsra?
22. Mi a dualits elve? Mtrix-vektor szimblumokkal rja le a problmt!
23. Mondjon gazdasgi pldt a dualits rtelmezsre!
24. Mit neveznk az erforrsok rnykrnak? Milyen kzgazdasgi jelentse van? Hol s hogyan tudja felhasznlni az opercikutat?
25. Milyen informcit adnak az erforrsok rnykrai a gazdasgi elemz
szmra?
26. Milyen matematikai tteleken s elven alapul a szimplex algoritmus?
27. Mit neveznk a programozsi feladatoknl rzkenysgvizsglatnak?
Magyarzza meg a gazdasgi jelentsgt! Melyik eseteit trgyaltuk?
Szlltsi feladatok
28. Milyen modellt neveznk elosztsi feladatnak?
29. rtelmezze a klasszikus szlltsi feladatot!
30. rja fel egy a szoksos peremadatokkal adott klasszikus szlltsi feladat lineris programozsi modelljt! Mit fejez ki a vltozja, az egyenletei s a clfggvnye?
31. Mirt nem clszer a szlltsi feladatokat szimplex mdszerrel megoldani?
32. Mi a disztribcis mdszer lnyege?
33. Milyen mdszereket ismer egy lehetsges megolds kijellsre a disztribcis tblzaton? Rszletezze az eljrsok lnyegt! Hasonltsa ssze a
hatkonysgukat!
34. Hogyan tudja eldnteni, hogy egy lehetsges megolds optimlis megolds-e?
35. Ha nem optimlis a megolds, milyen eljrssal javthat a program?
Rszletezze! Mi a kr, vagy hurok? Mi a felttele ezek felrajzolsnak?
36. Hogyan vezethet vissza az alapfeladatra az a szlltsi feladat, amelynl
a kszletek nem egyeznek az ignyekkel?
37. Mi az a tilttarifa? Milyen esetekben s hogyan alkalmazzuk?
38. Hogyan tudjuk biztostani egy olyan szlltsi feladatnl, ahol a kszlet
nem egyezik az ignnyel azt, hogy egy bizonyos megrendel mindenkppen megkapja az ignyelt mennyisg rut?
39. rtelmezze az albbi fogalmakat:
kttt elem,
iterci,
fiktv felad,
kritikus szm.
Vissza
208
Opercikutats
Vissza
209
Tbbcl programozs
40. Mit neveznk clprogramozsnak? Milyen gazdasgi szksglet induklta a kidolgozst?
41. Milyen mdszereket ismert meg a tbbcl programozs kezelsre?
Mutassa be ezeket egy konkrt modellen!
42. rtelmezze az albbi fogalmakat a tbbclsg tmakrben:
kompromisszumos megolds,
korltok mdszere,
idelis megolds,
legkisebb clfggvny maximalizlsa.
Egszrtk programozs
43. Mit neveznk egszrtk programozsi feladatnak? rja fel a matematikai modelljt! Milyen gazdasgi feladatok indokoljk a modell alkalmazst?
44. Szemlltesse grafikonon a folytonos- s az egszrtk lineris programozsi feladatok lehetsges megoldsi halmazait!
45. Milyen algebrai eljrsokat dolgoztak ki az egszrtk lineris programozsi feladatok megoldsra?
46. Ismertesse a Gomory-fle vgsi mdszer lnyegt!
47. Ismertesse a vegyes egszrtk feladatok megoldsra kidolgozott sztvlaszts s korltozs mdszert!
48. rtelmezze a htizsk problmt! rja le a matematikai modelljt!
49. rtelmezze a hajrakodsi problmt! rja le a matematikai modelljt!
50. rtelmezze a fix kltsg problmt! rja le a matematikai modelljt!
51. rtelmezze a beruhzsi problmt! rja le a matematikai modelljt!
52. Milyen feladatot neveznk hozzrendelsi feladatnak? Mondjon gazdasgi pldt e modellre! Mi a vltoz jelentse? Milyen eddig megismert
modell specilis esete?
53. Milyen mdszerekkel lehet a hozzrendelsi feladatokat megoldani?
kltsgmtrix,
reduklt mtrix,
kltsgfggvny als korltja.
55. Mi a hozzrendelsi feladatok megoldsra szolgl korltozs s sztvlaszts mdszernek lnyege?
56. Sorolja fel korltozs s sztvlaszts mdszernek lpseit!
57. Mondjon gazdasgi pldt maximum clfggvny hozzrendelsi feladatra! Hogyan lehet az alapfeladatra visszavezetni?
Vissza
209
Opercikutats
Vissza
210
58. Hogyan lehet kezelni a hozzrendelsi feladatot, ha a kltsgmtrix nem

kvadratikus vagy egyb korltoz felttel is elfordul?
59. Mit neveznk krutazsi vagy utaz gynk problmnak? rja fel a matematikai modelljt?
60. Milyen algoritmusokat ismer a krutazsi problma megoldsra?
61. Mi a krutazsi problma megoldsra szolgl korltozs s sztvlaszts mdszernek lnyege?
62. Milyen programozsi feladatot neveznk nemlineris programozsnak?
63. Mondjon gazdasgi pldt nemlineris programozsra!
64. Milyen ltalnos mdszereket ismert meg a nemlineris programozsi
feladatok kzelt megoldsra?
65. Mire szolgl a KarushKuhnTucker ttel? rja fel a ttelt!
66. Ismertesse a szuboptimlis programozslnyegt!
67. Milyen programozsi feladatot neveznk kvadratikus programozsi feladatnak?
68. Milyen programozsi feladatot neveznk hiperbolikus programozsnak?
rja fel a matematikai modelljt! Milyen gazdasgi feladatok rhatk le ezzel a modellel?
69. Milyen eljrssal vezethet vissza a hiperbolikus programozsi feladat
egy lineris programozsi feladatra? Mutassa meg ezt egy konkrt feladaton!
70. Mi a Martos-mdszer lnyege?
rzkenysgvizsglat
71. Mit neveznk programozsi feladatoknl rzkenysgvizsglatnak? Magyarzza meg a gazdasgi jelentsgt. Melyik eseteit trgyaltuk?
72. Hogyan vizsglhat a bi paramter vltozsnak hatsa az rzkenysg
vizsglatnl?
73. Hogyan vizsglhat a cj paramter vltozsnak hatsa az rzkenysg
vizsglat sorn?
74. Milyen programozsi feladatot neveznk paramteres lineris programozsi feladatnak? rja fel a matematikai modelljt mtrix-vektor szimblumokkal!
75. Milyen gazdasgi problmk vizsglatra alkalmasak a paramteres lineris programozsi feladatok?
76. Ismertesse a paramteres programozsi feladatok megoldsra kidolgozott eljrs lnyegt!
77. Milyen szerepe lehet az opercikutatnak egy gazdasgi vllalkozsnl?
78. Hogyan hasznlhat az EXCEL program rzkenysgvizsglatra?
Vissza
210
Opercikutats
Vissza
211
79. Mit fejez ki a reduklt kltsg? Hol s hogyan tudja felhasznlni az

opercikutat?
Jtkelmlet
80. rtelmezze az albbi fogalmakat a jtkelmlet tmakrben:
81.
82.
83.
84.
Stratgiai jtkok.
Szerencsejtkok.
Stratgia.
Kifizetsi mtrix.
Mit neveznk ktszemlyes zrussszeg jtknak?

Mit neveznk a jtk nyeregpontjnak?
Miben ll a jtkos intelligens s vatos viselkedse!
rtelmezze az albbi fogalmakat a jtkelmlet tmakrben!
Tiszta stratgia.
Kevert stratgia.
A jtk rtke.
85. Mi a kevert stratgia lnyege?
86. rja fel s rtelmezze a mtrixjtkokra vonatkoz alapttelt (Neumann
ttel)
87. Hogyan lehet meghatrozni az A kifizet mtrixszal adott jtk optimlis
stratgiaprjt?
88. Mondjon pldt a gazdasgi letben nem konstans sszeg kooperatv
jtkra.
89. rtelmezze az albbi fogalmakat a jtkelmlet tmakrben!
Kooperatv jtkok.
Nem kooperatv jtkok.
gazati kapcsolatok mrlege

90. Fogalmazza meg az gazatok kapcsolatt kifejez modellt!
92.
93.
94.
95.
Brutt kibocsts vektora.

Termel felhasznls mtrixa.
Nett kibocsts vektora.
sszes felhasznls vektora.
Mit fejez ki a technolgiai mtrix? Hogyan llthat el?

rja fel az gazati kapcsolatok egyenlett! Mit fejez ki?
Mi a jelentse az (E A)1 mtrix elemeinek?
Mire hasznlhat az gazati kapcsolatok modellje?
Vissza
211
Opercikutats
Vissza
212
96. Mirt s hogyan hasznlhat az gazati kapcsolatok meghatrozsra az

EXCEL tblzatkezel?
97. Hatrozza meg adott x s M esetn az A technolgia mtrixot EXCEL
tblzatkezel segtsgvel! Szmtsa ki egy adott y nett kibocstst
megvalst x' termelst!
98. A termkmrlegbl ismert az albbi tblzat:
Termel gazat
Nvnytermeszts
llattenyszts
Egyb
Teljes termels
50
100
24
Felhasznl gazat
Milli Ft
Nvny
llattermels
tenyszts
10
20
20
40
8
7
Egyb
5
12
6
a) rja fel az gazatok brutt kibocsts vektort!

b) rja fel, hogy mennyi hasznlnak fel az egyes gazatok!
c) rja fel a nett kibocsts vektort!
d) Hatrozza meg a technolgiai mtrixot!
e) Mekkora legyen az egyes gazatok brutt kibocstsa, ha azt akarjuk,
hogy a nett kibocsts (30, 40, 10)T legyen?
f) A szmtst tervezze meg Excel tblzatkezeln, s vgezze el a szmtst is!
Grfok, mtrixok s vektorok gazdasgi alkalmazsa

99. Egy termkbeplsi feladat grfjt ltja.
a) rja fel a grfhoz tartoz kzvetlen rfordtsok mtrixt! Mit jelentenek az elemei?
b) Melyik a vgtermk, melyek a flksz termkek?
c) Szmtsa ki a teljes rfordtsok mtrixt! Mit jelentenek az elemei?
Vissza
212
Opercikutats
Vissza
213
100. Ismerjk a kzvetlen rfordtsok mtrixt

0
0
K = 0
2
0
1 0 0 0
0 0 0 0
1 0 0 0
1 2 0 1
2 2 0 0
a) Rajzolja fel a megfelel grfot;

b) Hatrozza meg, hogy melyik az alaptermk, s melyik a vgtermke?
c) Ha az alaptermkbl 50 darabot, a kzbls termkekbl 10-10 darabot akarunk tartalkolni, s a vgtermkbl 2 darabot akarunk
ellltani, akkor mennyit kell termelni az egyes termkekbl?
d) Vgezze el a szmtst Excel tblzatkezelvel!
101. Mezgazdasgban a klnbz szemestakarmnyokat (kukorict, takarmnybzt, rpt stb.) esetleg ms termnyeket is megrlik (pl. lucernaliszt, szja). Ezeknek klnbz arny keversvel, valamint szerves
anyagok) pl. halliszt, hsliszt) hozzadsval kapjk a tpporokat. Klnbz letkor llatok klnbz tpport kapnak. Nha mg a ksz tpporokat is keverik, st ehhez mg klnbz szemestakarmny-rlemnyt is
adnak. Egy ilyen keverk ksztst szemllteti a kvetkez grf. A grf
azt mutatja, hogy milyen rlemnybl hny kg-ot kevernk ssze. (K 1 kg
kukoricadart, B 1 kg bzadart, H 1 kg hslisztet jelent.)
Vissza
213
Opercikutats
Vissza
214
a) Hatrozzuk meg, hogy a K3-as keverk hny kg bzadart, kukoricadart, hslisztet tartalmaz.
b) Ha
1 kg bzadara ra
7,50 Ft
1 kg kudkoricadara ra
6,80 Ft
1 kg hsliszt ra
18,00 Ft
c) akkor mennyi 1 kg K3-as keverknek az anyagkltsge?
d) Mennyibe kerl a K1-es s K2-es tppor-keverk kg-ja, ha csak az
anyagkltsgeket szmtjuk?
e) Ha 1 kg K3-as keverk 260 g slygyarapodst eredmnyez az llatoknl s 1 kg slygyarapods 77 Ft bevtelt jelent, akkor 1 tonna
keverk esetn hny Ft nyeresgre szmthatunk?
f) A szmtst tervezze meg Excel tblzatkezeln, s vgezze el a
konkrt szmtst is!
Elrejelzs
102. Mirt szksges ismerni az elrejelzs mdszereit a gazdasgi letbe?
Sorolja fel legfontosabb elrejelzsi mdszereket! Mi a lnyege?
103. Sorolja fel s rtelmezze az idsorokra pl elrejelzsi mdszereket!
104. Ismertesse a trendszmtson alapul elrejelzs lpseit! Hogyan valstja meg Excel tblzatkezelvel?
105. Mikor s hogyan hasznlhat a regresszi-szmts elrejelzsre?
106. Tapasztalati adatok ismeretben hogyan hasznlhatja fel elrejelzsre az
Excel tblzatkezelt?
107. Mi az exponencilis simts lnyege? Hogyan hasznlhatja fel elrejelzsre?
Vissza
214
Opercikutats
Irodalomjegyzk
Vissza
215
Irodalomjegyzk
BAUMOL W.J.: Kzgazdastan s opercianalzis. Kzgazdasgi s Jogi
Knyvkiad Bp. 1968.
CSKI CSABAMSZROS SNDOR: Opercikutatsi mdszerek alkalmazsa
mezgazgasgban. Mezgazdasgi Kiad, Bp. 1981.
CSERNYK LSZL: Opercikutats II. Tanknyvkiad, Budapest, 1992.
CHIKN ATTILA: Kszletezsi modellek. Kzgazdasgi s Jogi Knyvkiad
Bp. 1983.
DANTZIG, G.B.: Linear Programming and Extensions. Princenton University
Press, 1973.
DANYI PL VARR ZOLTN: Opercikutats zleti dntsek
megalapozshoz. JPTE, Pcs, 1997.
FERENCZI Z. JMBOR A. NAGY Z. RAFFAI M.: Dntselkszts,
Esettanulmnyok, pldatr. Novadat, Gyr, 1999.
FERENCZI Z.: A munkaer, az eszkzrfordts s a jvedelem kapcsolatnak
vizsglata paramteres programozssal. Doktori rtekezs, Gdll, 1978.
GSPR - TEMESI: Lineris programozsi feladatok. Tanknyvkiad,
Budapest, 1990.
GSPR - TEMESI: Matematikai programozsi feladatok. Tanknyvkiad,
Budapest, 1989.
HILLIER - LIEBERMAN: Bevezets az opercikutatsba. LSI Oktatkzpont,
Budapest, 1994.
IMREH BALZS: Kombinatorikus optimalizls. Novadat, Gyr, 2000
KISS BLA KREBSZ ANNA: Jtkelmlet. SZIFUNIVERSITAS Kft.,
Gyr, 1999.
KREK BLA: Lineris programozs. Kzgazdasgi s Jogi Knyvkiad,
Budapest, 1966.
KREK BLA: Optimumszmts. Kzgazdasgi s Jogi Knyvkiad,
Budapest, 1972.
Vissza
215
Opercikutats
Irodalomjegyzk
Vissza
216
MARTOS BLA: Nonlinear Programming. Akadmiai Kiad, Budapest, 1975.

MR LSZL: Mindenki mskpp egyforma A jtkelmlet s a racionalits
pszicholgija. Tercium Kiad, Budapest, 1996
Opercikutatsi mdszerek. KSH Nemzetkzi Szmtstechnikai Oktat s
Tjkoztat Kzpont, Budapest, 1977.
RAPPAI GBOR: zleti statisztika Excellel, KSH, Budapest, 2001
SYDSAETER K. HAMMAND P.: Matematika kzgazdszoknak. AULA,
Bp.1998.
VARGA JZSEF: Matematikai programozs. Tanknyvkiad, Budapest, 1977.
Vissza
216

Operaciokutatas

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Operaciokutatas

Uploaded by

Copyright:

Available Formats

Ferenczi Zoltn

Kszlt a HEFOP 3.3.1-P.-2004-09-0102/1.0 plyzat tmogatsval.

dr. Ferenczi Zoltn

dr. Hajdu Ott CSc

Ferenczi Zoltn, 2006

Kattintsunk a tartalomjegyzk megfelel pontjra, ezzel az adott fejezet

A dokumentumban val keresshez hasznljuk megszokott mdon a

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

6.4. Hozzrendelsi feladat...................................................................................124

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

Befejezsl lssuk a kt leggyakrabban idzett opercikutatsi meghatrozst:

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

tsek melyik egyttese kzelti meg az zletember cljt (cljait), vagyis

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

jl meghatrozott megfogalmazst adjk. Ez a folyamat magba foglalja a

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

lthatv vlik, hogy milyen tovbbi adatok kellenek az elemzshez,

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

z terletn gyorsan terjedt. E tmakrbl tbb tucat knyv jelent meg. A

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

rjuk fel a fenti szveges feladat matematikai modelljt!

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

Fel nem hasznlt kapacits

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

slyegysge az egyes tpanyagbl a kvetkez tblzatban feltntetett

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

2.2.3. Optimlis megolds vizsglata

A gyakorlatban elfordulnak olyan feladatok is, amelyek az elbbiektl

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

Ha egy maximum vagy minimumfeladatnl a clfggvny prhuzamos

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

Ellentmond felttelek esete

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

am1x1 + am2x2 + + amjxj + + amnxn bm

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

Definci: Maximumfeladatrl akkor beszlnk, ha egyenltlensgei

Definci: Egy maximumfeladatot normlfeladatnak nevezzk akkor, ha b

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

x2, u1, u2, u3 0

2.4.4. Mdostott normlfeladat

2.4.5. ltalnos feladat

Definci: Egy lineris modellt ltalnos feladatnak neveznk, ha felttelei

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

A dokumentum hasznlata | Tartalomjegyzk | Irodalomjegyzk

Az x2 s u 3 helyet cserl. Hagyjuk resen u 3 oszlopt, hogy ne tudjunk a