1.

LINEARNO PROGRAMIRANJE
Linearno programiranje je najpoznatija i najviše primenjivana metoda operacionih istraživanja. Ono omogućava rešavanje velikog broja složenih ekonomskih problema. Od svih metoda operacionog istraživanja linearno programiranje na najbolji način ilustruje sve faze metodološkog pristupa pri rešavanju ekonomskih problema i to počev od postavljanja problema, preko prikupljanja podataka, formiranja matematičkog modela, njegovog rešavanja odgovarajućim algoritmom, pa do analize stabilnosti pronadjenog optimalnog rešenja i uslova za njegovu primenu. Linearno programiranje je matematička metoda pomoću koje se od većeg broja mogućih rešenja može izabrati optimalno rešenje. Linearno programiranje se može posmatrati kao grana primenjene matematike i kao oblik kvantitativne ekonomske analize. U matematičkom smislu linearno programiranje predstavlja matematičke metode kojima se traži maksimalna (ili minimalna) vrednost jedne linearne funkcije, uz unapred data ograničenja koja su izražena sistemom linearnih jednačina i nejednačina. U ekonomskom smislu linearno programiranje predstavlja matematičku tehniku koja služi da se od više mogućih ekonomskih odluka izabere ona koja će imati najveću efektivnost. Veliki broj proizvodnih problema može se rešiti metodama linearnog programiranja sa tačnošću koja u velikoj meri zadovoljava zahteve prakse. Osnovno u rešavanju proizvodnih problema pomoću linearnog programiranja je to da se na bazi unapred izabranog kriterijuma odredjuju rešenja koja su u datim uslovima najbolja. Ali, pronadjenja rešenja su optimalnau odnosu na izabrani kriterijum. Promenom kriterijuma optimalnosti može se, pri istim ograničavajućim uslovima, odrediti potpuno različito rešenje. Izbor kriterijuma prema kome će se problem rešavati zavisi od vrste problema. Linearno programiranje obuhvata sledeće metode: 1) simpleks metodu, 2) transportni problem i 3) metodu rasporedjivanja.

1.1. SIMPLEKS METODA
Od svih metoda koje se koriste za rešavanje problema linearnog programiranja najznačajnija je simpleks metoda. Simpleks metoda ima karakter opštosti jer se pomoću nje može rešiti svaki problem linearnog programiranja, ukoliko je problem postavljen u vidu pogodnog matematičkog modela.

5

a na proizvodu P2 4x2. Ukupno iskorišćeni fond časova mašine M1 za proizvodnju proizvoda P1 i P2 ne može biti veći od ukupno raspoloživog fonda. a čitavu jednačinu nazivamo funkcijom kriterijuma ili kriterijumom optimalnosti. Tako dobijamo nejednačinu 2x1 + x2 ≤ 100. 3 časa rada mašine M2 i 2 časa rada mašine M3. Ukupno potrebno vreme za proizvodnju celokupnih količina proizvoda P1 i P2 iznosi 2x1 + x2. Pretpostavimo da jedno preduzeće proizvodi dva proizvoda.1) Mašini M1 potrebno je 2 časa rada da proizvede jednu jedinicu proizvoda P1. Kapaciteti mašina iskazani su raspoloživim fondom časova svake mašine u posmatranom periodu i oni iznose: 100 časova za mašinu M1. ostvari maksimalni dohodak. Po jedinici proizvoda P1 preduzeće ostvaruje dohodak od 6 dinara.) Na sličan način dolazimo do odgovarajućih nejednačina preko kojih iskazujemo kapacitete mašina M2 i M3: 6 . Za proizvodnju jedne jedinice proizvoda P1 potrebno je 2 časa rada mašine M1. PROBLEM 1.2. Prema definisanom problemu tražimo maksimalnu vrednost ukupnog dohotka. pa je za proizvodnju x2 jedinica ovog proizvoda potrebno 1 .1. (1. a po jedinici proizvoda P2 od 4 dinara. što ukupno daje z0 = 6x1 + 4x2. pa da se. koji za posmatrani peiod iznosi 100 časova. gde z0 označava ukupan dogodak. pokazaćemo na dva jednostavna primera kako se formira matematiči model za probleme linearnog programiranja. (1. a sa x2 količinu proizvoda P2 i formirati matematički model za ovaj problem.1. Problem se sastoji u sledećem: u kojim količinama treba proizvoditi proizvode P1 i P2. 1 čas mašine M2 i 2 časa mašine M3. x2 časova rada mašine M1. Iz ovako postavljenog problema vidimo da su nepoznate količine proizvoda P1 i P2 koje treba proizvoditi prema optimalnom programu proizvodnje. odnosno 2x1 časova da proizvede ukupnu količinu ovog proizvoda. Sa x1 ćemo označiti količinu proizvoda P1. 120 časova za mašinu M2 i 120 časova za mašinu M3. tako da imamo sledeću funkciju kriterijuma (max). P1 i P2. z0 = 6x1 + 4x2.1. pri datim ograničavajućim uslovima. Dohodak koji će se ostvariti na proizvodu P1 iznosi 6x1 . PRIMERI LINEARNOG PROGRAMIRANJA Pre nego što razmotrimo teorijske osnove simpleks metode. a za proizvodnju jedne jedinice proizvoda P2 potrebno je 1 čas rada mašine M1. Na ovoj mašini proizvodi se i proizvod P2. M2 i M3. Proizvodnja se obavlja pomoću mašina M1.

4. koje je na slici 1. šrafirano.) Obim proizvodnje ne može biti negativan. a osu x2 u tački (0.100). tj. To je prava koja osu x1 seče u tački (50. x2 ≥ 0. C: x1 = 30.3.1. Prva nejednačina se odnosi na mašinu M1. x1 + 3x2 ≤ 120. a drugu osu u tački (0.1) postigne svoju maksimalnu vrednost.4) formiraju zajedničko područje OABCD. Rešenje mora zadovoljiti svako ograničenje posebno ali i sva ograničenja uzeta zajedno. Sve nejednačine iz sistema ograničenja (1.3. Svaka tačka zajedničkog područja zadovoljava postavljena ograničenja. pa prema tome one čine skup mogućih rešenja.2. 7 .1) postigne svoju maksimalnu vrednost. A. x1 ≥ 0.0). Problem se može rešiti grafičkom metodom jer nema više od dve promenljive.1) Zadatak je da se odrede takve vrednosti za promenljive x1 i x2 koje će zadovoljiti sistem nejednačina (1. Tako smo izrazima (1. Pošto promenljive x1 i x2 ne mogu biti negativne. Sva ograničenja sistema (1. z0 = 300. x2 = 0. Potrebno je iz skupa mogućih rešenja odrediti rešenje koje će obezbediti da funkcija kriterijuma (1. (1. z0 = 320. x2 = 40.40) formirajući tako trougao OM2D. Ekstremnim tačkama A.) (1. z0 = 160. x2 = 30.x1 + 3x2 ≤ 120. (1. Drugo ograničenje seče osu x1 u tački (120. Sve tačke trougla zadovoljavaju prvo ograničenje i ispunjavaju zahtev nenegativnosti promenljivih.0).). Treće ograničenje seče prvu osu u tački (60. D: x1 = 0. x2 ≥ 0.60) i formira trougao OM1M3. Grafičkim prikazivanjem nacrtamo jednačinu 2x1 + x2 = 100.) i obezbediti da funkcija kriterijuma (1.4) predstavljaju se grafički u pravouglom koordinatnom sistemu. On se sastoji od funkcije kriterijuma z0 = 6x1 + 4x2 čiju maksimalnu vrednost treba pronaći uz sledeći sistem ograničenja: 2x1 + x2 ≤ 100. (1. x2 = 20. a osu x2 u tački (0. Prava koja prolazi kroz ove dve tačke sa osama x1 i x2 formira trougao sa temenima O.) došli do matematičkog modela za napred formulisani problem.0).4. 2x1 + 2x2 ≤120. C i D zajedničkog područja odgovaraju sledeće vrednosti funkcije kriterijuma: A: x1 = 50.) i (1. x1 ≥ 0. 2x1 +2x2 ≤ 120. za grafičko prikazivanje sistema ograničenja uzimamo samo prvi kvadrant i svaku nejednačinu predstavimo posebno. z0 = 300. pa prethodnim uslovima treba dokazati i uslov da promenljive x1 i x2 ne mogu biti negativne. B. M4 (na slici 1). B: x1 = 40.

Različite su i nabavne cene ovih hrana. sa koordinatama x1 = 40 i x2 = 20. a kilogram hrane H2 za 80 dinara. kombinujući količine hrana H1 i H2. a troškovi hrana budu najmanji.Tačka B.6. x2 ≥ 0. u kome svaka jednačina treba da obezbedi zahteve za minimalne količine hranljivih sastojaka A. x1 = 40 i x2 = 20.) grafički je predstavljen i pronadjeno je optimalno rešenje na slici 2. Možemo zaključiti da optimalno rešenje. Jedan kilogram hrane H1 u sebi sadrži jednu jedinicu hranljivih sastojaka A. Na slici 1 to je isprekidana prava i tačka B šrafiranog područja.6. Jedan kilogram hrane H1 može se nabaviti za 40 dinara. 1 jedinicu B i 1 jedinicu sastojaka C. 1 jedinicu sastojaka B i 5 jedinica sastojaka C. PROBLEM 2. B i C: x1 + 4x2 ≥ 12. pa da ostvari najveći mogući dohodak pod datim uslovima od 320 dinara. Označimo sa x1 upotrebljenu količinu hrane H1. 5x1 + x2 ≥ 10.5. pored ostalog. Sa slike se vidi da sistem ograničenja ovog modela formira otvoreno zajedničko područje. najmanje 6 jedinica hranljivih sastojaka B i najmanje 10 jedinica hranljivih sastojaka C.). Jedan kilogram hrane H2 sadrži 4 jedinice sastojaka A. Minimalna vrednost funkcije se postiže kada je grafik funkcije kriterijuma 8 . Za pravljenje mešavine poljoprivredno dobro koristi dve različite vrste stočne hrane H1 i H2. Ono hoće da odredi optimalnu mešavinu stočne hrane. Najveću vrednost funkcija kriterijuma postići će kada je njen grafik najudaljeniji od koordinatnog početka i pritom prolazi bar kroz jednu tačku zajedničkog područja. tako da nutricione norme ishrane budu zadovoljene. x1 ≥ 0. z0 = 40x1 + 80x2 (1. x1 + x2 ≥6. Treba odrediti mešavinu.1. koja će sadržati potrebne količine hranljivih sastojaka A. Da bi se odabralo optimalno rešenje koristi se grafičko predstavljanje funkcije kriterijuma z0 i njenim paralelnim pomeranjem. Hoćemo da odredimo minimalne troškove ishrane stoke.4) i obezbedjuje maksimalnu vrednost funkcije kriterijuma (1.) i sistem ograničenja. pa formiramo sledeću funkciju kriterijuma (min).) Problem se može rešiti grafičkim putem jer ima samo dve nepoznate. (1. Prema nutricionim normama mešavina treba da sadrži najmanje 12 jedinica hranljivih sastojaka vrste A. Sistem ograničenja (1. pokazuje da preduzeće treba da proizvodi 40 jedinica proizvoda P1 i 20 jedinica proizvoda P2. pa ona predstavlja optimalno rešenje problema 1. B i C. a sa x2 upotrebljenu količinu hrane H2. zadovoljava sistem ograničenja (1. Poljoprivredno dobro. tovi stoku.

(isprekidana prava na slici 2) najbliži koordinatnom početku i da pri tom prolazi bar kroz jednu tačku zajedničkog područja. predstavlja optimalno rešenje problema mešavine. Simpleks tabela predstavlja jedan od algoritama simpleks metode.2.1. Oblik i struktura matematičkih modela za ove probleme bitno se ne razlikuju. ova će biti beskonačna. Značajna karakteristika zajedničkog područja u linearnom programiranju je da je to konveksan skup. Tačka B.2. Grafičko rešavanje problema omogućava da se na očigledan način prikaže suština linearnog programiranja i neke karakteristike njegovih rešenja. 3. Kod otvorenog zajedničkog područja. 2. koja se prema odredjenim pravilima menja dok se ne dodje do optimalnog rešenja.1. Rešavanje problema maksimuma Uzećemo problem 1 i na njemu ilustrovati formiranje tabele i postupak rešavanja problema pomoću simpleks tabele. Skup ograničavajućih faktora. Osnovna ideja simpleks metode sastoji se u tome da se odredi neko početno moguće rešenje. Matematički model za ovaj problem ima funkciju kriterijuma 9 . Na osnovu rešenih primera izvlačimo sledeće zaključke: 1. koje odredjuje skup mogućih rešenja problema. To znači da za mešavinu treba koristiti 4 kilograma hrane H1 i 2 kilograma hrane H2. U tom slučaju problem nema moguće rešenje. Minimalni troškovi za nabavku ove hrane iznose 320 dinara (z0 = 320).1. sa koordinatama x1 = 4 i x2 = 2. Po svom obliku zajedničko područje može biti zatvoreno (slika 1) i otvoreno (slika 2). Problemi linearnog programiranja formulišu se kao problemi u kojima se traži maksimalna vrednost funkcije kriterijuma i problemi u kojima se traži minimalna vrednost funkcije. Postupak koji se koristi u okviru simpleks tabele sastoji se u tome da se od koeficijenata funkcije kriterijuma i sestema ograničenja sastavi tabela. 1. 1. Optimalno rešenje se dobija kada se sačini dovoljan broj simpleks tabela. ukoliko tražima maksimalnu vrednost funkcije kriterijuma. SIMPLEKS TABELA Za rešavanje problema linearnog programiranja postavljeno je i razradjeno više algoritama simpleks metode. a optimalno rešenje problema pronalazi se preko ekstremnih tačaka u konačnom broju iteracija. Kod realnih problema ovaj slučaj se ne može pojaviti jer će ograničavajući faktori uvek formirati sistem neprotivuslovnih nejednačina. izražen sistemom ograničenja. a jedine razlike javljaju se u smeru ograničenja kod nejednačina. Optimalno rešenje problema uvek se nalazi u nekoj od ekstremnih tačaka zajedničkog područja (nekad i u više ekstremnih tačaka). Može se desiti da sistem ograničenja uopšte ne formira zajedničko područje. formira zajedničko područje. koje se postepeno poboljšava dok se ne dobije optimalno rešenje. Broj ekstremnih tačaka je uvek konačan.

to će izravnavajuća promenljiva x3 predstavljati neiskorišćeni kapacitet (izražen u časovima) mašine M1. x2. x2 ≥ 0. Prilagodjavanje modela vrši se prevodjenjem svih nejednačina u jednačine. Promenljiva x4 označava neiskorišćeni kapacitet mašine M2.) i (2.1. značenje izravnavajućih promenljivih vezuje se za prirodu i značenje ograničenja kome je izravnavajuća promenljiva dodata. x3. x1.1. Primena bilo kojeg algoritma simpleks metode zahteva prilagodjavanje ovog modela. Kod prethodnog sistema ograničenja leve strane nejednačina manje su ili jednake desnoj strani. Koeficijente iz prilagodjenog modela (2. x1 + 3x2 ≤ 120. x1 + 3x2 + x4 = 120. x4. Simpleds tabela se sastoji iz sledećih delova: . 2x1 + 2x2 ≤ 120. Početna simpleks tabela ima sledeći oblik: 10 . onoliko redova koliko sistem ograničenja ima jednačina i iz dodatnog reda koji nosi naziv (zj – cj). z0 = 6x1 + 4x2 + 0x3 +0x4 + 0x5 (2.) unosimo u simpleks tabelu.) čiju maksimalnu vrednost treba naći uz ograničenja (2. a x5 neiskorišćeni kapacitet mašine M3. 2x1 + 2x2 + x5 = 120. Realne promenljive x1 i x2 potiču iz osnovnog problema (i u našem primeru označavaju količine proizvoda P1 i P2 koje treba proizvoditi).). x5 ≥ 0.posmatrano po redovima: iz zaglavlja. . Uz njih u funkciji kritrijuma su koeficijenti jednaki nuli. Izravnavajuće promenljive označavaju neiskorišćene kapacitete.2.2.posmatrano po kolonama: iz tri stalne kolone (C. z0 = 6x1 + 4x2 i sistem ograničenja: 2x1 + x2 ≤ 100. B i X 0) i iz onoliko kolona koliko nepoznatih ima u modelu. Kako se prvo ograničenje odnosi na kapacitet ove mašine za proizvodnju proizvoda P1 i P2. (2. pa imamo sledeću funkciju: (max). uvodjenjem izravnjavajućih promenljivih.(max). pa dodavanjem izravnjavajućih promenljivih levoj strani nejednačina dobijamo sledeći sestem jednačina: 2x1 + x2 + x3 = 100.) Linearni model je prilagodjen za primenu simpleks algoritama kada su sve nejednačine pretvorene u jednačine (1) i kada se u tako prilagodjenjom sistemu može formirati jedinična matrica (2). x1 ≥ 0.1.

cj B X3 X4 X5 X0 100 120 120 0 40 X1 2 1 2 -6 60 X2 1 3 2 -4 0 X3 1 0 0 0 -M X4 0 1 0 0 0 X5 0 0 1 0 Prvi red zaglavlja sadrži koeficijente koji stoje uz promenljive u funkciji kriterijuma (2. Red (zj – cj) ima veoma značajnu ulogu u postupku rešavanja problema pomoću simpleks tabele. upisani u odgovarajuće kolone. C 0 0 0 zj .2. Pošto se. polazi od rešenja koje čine izravnavajuće promenljive. Promenljiva iz takve kolone upiše se u red u kome se nalazi jedinica. U kolonu C upisuju se koeficijenti koji stoje u funkciji kriterijuma uz promenljive koje čine rešenje problema u toj iteraciji. U početnoj simpleks tabeli kolona B je odredjena na osnovu promenljivih iz kolona. s tim što se slobodni članovi unose u kolonu X0. koje u jednom redu imaju koeficifent +1.). Kolona B u simpleks tabeli sadrži promenljive koje čine rešenje problema za tu iteraciju. Kolona X0 sadrži odgovarajuće vrednosti tih promenljivih. 11 . pa su njihove vrednosti jednake nuli. Ostali redovi odgovaraju jednačinama sistema (2. koji stoje uz promenljive u sistemu ograničenja. Promenljive koje nisu u koloni B ne nalaze se u rešenju. Za početnu simpleks tabelu ovaj red se izračunava tako što se koeficijenti iz kolone C pomnože odgovarajućim koeficijentima odredjene kolone. odnosno.Tabela 1. kod rešavanja problema maksimuma. odnosno uz promenljive iz kolone B. Simpleks tabela sadrži kriterijum za ocenu da li je pronadjeno rešenje optimalno ili nije. Rešenje problema u prvoj iteraciji čine promenljive x3 = 100.1) i nastali su tako što su koeficijenti. Kolona B sadrži promenljive koje čine rešenje u svakoj iteraciji. kako treba odrediti naredno rešenje. a odgovarajuća vrednost funkcije kriterijuma je z0 = 0. x1 = 0 i x2 = 0. a u ostalim redovima nule. a vrednost funkcije kriterijuma nalazi se u redu (zj – cj) kolone X0. to su svi koeficijenti kolone C u početnoj simpleks tabeli jednaki nuli. pa se proizvodi saberu i od njih oduzme koeficijent iz zaglavlja. i ukoliko nije optimalno. x5 = 120. Zbog toga će u početnoj babeli u redu (zj – cj) u koloni X0 biti nula. x4 = 120. a u ostalim kolonama koeficijenti iz zaglavlja sa promenjenim znakom. Promena rešenja mora da obezbedi da vrednost funkcije kriterijuma raste u svakoj narednof iteraciji da bi za optimalno rešenje postigla svoju maksimalnu vrednost.

cj). Time smo utvrdili kriterijum za ocenu optimalnosti rešenja: 1 Ovo znači da 0 može biti jednako i nuli. . Sve kriterijume ćemo formulisati i razmotriti rešavajući problem 1. Kako je 0 > 0 (videli smo da sve promenljive moraju biti nenegativne 1 ).Kapaciteti svih mašina ostaju neiskorišćeni (x3 = 100 – neiskorišćeni kapacitet mašine M1. (2. sve dok u simpleks tabeli u redu (zj – cj) postoje negativni koeficijenti. formuliše se pomoću reda (zj . pri čemu. Ta veza se može izraziti pomoću relacije: z0″ = z0′ . nije pronadjeno optimalno rešenje. Kada tražimo maksimalnu vrednost funkcije kriterijuma. Za pronalaženje optimalnog rešenja potrebno je formulisati sledeća pravila: 1) kriterijum za ocenu da li je u nekoj iteraciji pronadjeno optimalno rešenje ili nije. Izmedju vrednosti funkcija kriterijuma za bilo koje dve uzastopne iteracije postoji veza . 2) kriterijum za izbor promenljive koja ulazi u naredno rešenje.0(zj –cj). U svakoj iteraciji menjaju se promenljive koje čine rešenje problema.Kada tražimo maksimalnu vrednost funkcije kriterijuma. 1) Kriterijum za ispitivanje da li je pronadjeno optimalno rešenje. Promena rešenja vrši se na taj način što jedna promenljiva (od promenljivih koje su izvan rešenja) ulazi u rešenje. može se odrediti novo rešenje za koje će vrednost funkcije kriterijuma biti veća od vrednosti za prethodno rešenje. Ovo rešenje je praktično neupotrebljivo. a jedna promenljiva izlazi iz rešenja. menjaju se vrednosti tih promenljivih. sve dok u redu (zj – cj) postoje pozitivni koeficijenti.) U ovoj relaciji je sa z0″ označena vrednost funkcije kriterijuma u narednoj iteraciji. promena nekog rešenja ima smisla samo ako se time povećava vrednost funkcije kriterijuma. odnosno ako je z0″ > z0′. pa nema ni proizvodnje proizvoda P1 i P2 (x1 = 0. sa z0′ vrednost funkcije kriterijuma u posmatranoj iteraciji i sa 0 vrednost promenljive koja ulazi u naredno rešenje. To je sučaj degeneracije koji ne utiče na održivost kriterijuma koji želimo formulisati. x4 = 120 – neiskorišćeni kapacitet mašine M2 i x5 = 120 – neiskorišćeni kapacitet mašine M3). 12 . za sada.3. Za probleme u kojima se traži minimalna vrednost funkcije kriterijuma važi suprotno. To znači. menja se vrednost funkcije kriterijuma. ili nije. to će vrednost funkcije kriterijuma u narednoj iteraciji zavisiti od vrednosti i znaka koeficijenta (zj – cj). sve dok u redu (zj – cj) postoje negativni koeficijenti. nije pronadjeno optimalno rešenje problema.) lako se može zaključiti da će se ovo desiti uvek kada je (zj – cj) < 0.3. Na osnovu relacije (2. x2 = 0) i zbog toga se ne ostvaruje nikakav dohodak (z0 = 0). izostavljamo teorijske dokaze. kao i vrednosti koeficijenata na osnovu kojih je sačinjena simpleks tabela. 3) kriterijum za odredjivanje promenljive koja izlazi iz rešenja i 4) postupak odredjivanja vrednosti svih promenljivih i svih koeficienata za narednu iteraciju (za narednu simpleks tabelu).

onda u naredno rešenje treba da udje ona promenljiva koja će dobiti najveću vrednost. Možemo zaključiti da se na mašini 13 . x4 ili x5. U prvom redu kolone X0 koeficijent 100 označava naiskorišćeni kapacitat mašine M1. 3) Kriterijum za odredjivanje promenljive koja će izaći iz rešenja: Rešenje problema u svakoj iteraciji sačinjava onoliko promenljivih koliko matematički model ima ograničenja. izvan rešenja nalaze se samo promenljive x1 i x2. u naredno rešenje treba da udje ona promenljiva kojoj u simpleks tabeli odgovara najveća negativna vrednost koeficijenta iz reda (zj –cj). vrednost ovog koeficijenta bude nula. Pošto smo odredili da promenljiva x1 treba da udje u naredno rešenje. ili više promenljivih. potrebno je uzeti u obzir i vrednost parametra 0. u tom slučaju možemo odrediti novo rešenje koje će imati istu vrednost funkcije kriterijuma jer će biti z0″= z0′. pa je potrebno formulisati neki pogodniji kriterijum. optimalna rešenja. x4 ili x5) izaći iz rešenja. već i za koliko će se povećati vrednost te funkcije po jedinici promenljive koja je izabrana da udje u naredno rešenje. Maksimalna količina proizvoda P1 koja se može proizvesti za 100 časova rada mašine M1 iznosi 100 : 2 = 50 jedinica. a da izadje jedna od promenljivih x3. Prema relaciji (2. a njihovom konveksnom kombinacijom mogu se dobiti i druga. za neku nebazičnu promenljivu. U početnoj simpleks tabeli za naš problem. potrebno je da odredimo koja će promenljiva (x3. koji se može formulisati na sledeći način: Ako se u problemu traži maksimalna vrednost funkcije kriterijuma. U početnoj simpleks tabeli ovaj izbor bi mogao da se izvrši na osnovu koeficijenata koji stoje uz promenljive u funkciji kriterijuma. u tom slučaju. Za ulazak treba izabrati onu promenljivu koja obezbedjuje najveći porast funkcije kriterijuma. .) možemo zaključiti da..u početnoj simpleks tabeli nije pronadjeno optimalno rešenje jer u redu (zj – cj) postoje negativni koeficijenti. tako što bi se prednost dala promenljivoj s najvećim koeficijentom.Može se desiti da. Ako se za dve. promenljiva koja ulazi u naredno rešenje mora obezbediti da funkcija kriterijuma dobije što veću vrednost. ispunjen ovaj uslov. odnosno vrednost promenljive koja ulazi u nardno rešenje. . Izbor promenljive koja će izaći iz rešenja može se izvršiti kada se odredi koju vrednost može uzeti promenljiva koja je ušla u rešenje (promenljiva x1). Posmatrajmo početnu simpleks tabelu i njene kolone X0 i X1. 2) Kriterijum za odredjivanje promenljive koja ulazi u naredno rešenje: Pošto tražimo maksimalnu vrednost funkcije kriterijuma. Ovi koeficijenti ne samo što pokazuju da može doći do povećanja vrednosti funkcije kriterijuma u narednoj iteraciji.3.u naredno rešenje treba da udje promenljiva x1 zato što njoj odgovara veći negativni koeficijent u redu (zj – cj). Pri izboru promenljive za ulazak u naredno rešenje prednost treba dati onoj promenljivoj kojoj odgovara najveći (po apsolutnoj vrednosti) negativni koeficijent u redu (zj – cj). Ukoliko je za dve. Red (zj – cj) i njegov uticaj na kretanje vrednosti funkcije kriterijuma daju mogućnost za formiranje traženog kriterijuma. pojavi jednaka najveća negativna vrednost koeficijenata u redu (zj – cj). ili više promenljivih. To znači da postoje dva različita optimalna rešenja. a u prvom redu kolone X1 koeficijent 2 označava vreme koje je potrebno da se na mašini M1 proizvede jedinica proizvoda P1. ili promenljiva x2. Taj kriterijum se ne može koristiti u ostalim iteracijama. Tako smo došli i do drugog kriterijuma. U narednoj iteraciji u rešenje može da udje ili promenljiva x1.

odnosno promenljiva x3 (koja označava neiskorišćeni kapacitet mašine M1)imati vrednost nula. Prethodno ćemo pripremiti početnu simpleks tabelu na sledeći način: označimo kolonu tabele koja odgovara promenljivoj koja ulazi u naredno rešenje. Na sličan način mogu se odrediti i svi ostali koeficijenti za drugu simpleks tabelu. 2 = 100 časova. pa će 20 časova ostati neiskorišćeno.koeficijent za i-ti red i j-tu kolonu naredne simpleks tabele izračunava tako što se od odgovarajućeg koeficijenta iz prethodne simpleks tabele oduzme proizvod koeficijenata iz i-tog reda označene kolone i koeficijenta iz j-te kolone označenog reda. pa u simpleks tabeli treba označiti i ovaj red. pa zaključujemo da treba proizvoditi 50 jedinica ovog proizvoda. Promenljiva x5 u drugoj iteraciji ima vrednost 20. Za ovaj postupak značajni su i koeficijenti iz reda koji pripada promenljivoj koja izlazi iz rešenja. Ukupni kapacitet ove mašine iznosi 120 časova. pa je x1 = 50. Promenljiva x4 imaće vrednost 70 u drugoj iteraciji. Za proizvodnju 50 jedinica proizvoda P1 mašina M2 će raditi 50 . 14 . 2 = 20. 1 = 50 časova. Naredna simpleks tabela sadržaće rešenje problema za drugu iteraciju. Kapacitet mašine M1 predstavlja ograničenje većoj proizvodnji proizvoda P1. za proizvodnju 50 jedinica proizvoda P1 biće utrošeno 50 . Koeficijent koji se nalazi na preseku označenog reda i označene kolone naziva se karadterističan koeficijent (ili ključni. pa će ostati neiskorišćeno 70 časova. Vrednost promenljivih za narednu iteraciju izračunavamo kada od njihove vrednosti iz prethodne iteracije oduzmemo proizvod izmedju vrednosti promenljive koja ulazi u rešenje i odgovarajućih koeficijenata iz označene kolone.M2 može proizvesti najviše 120 : 1 = 120 jedinica. Znamo da x4 označava neiskorišćeni kapacitet mašine M2. Tako je prethodni postupak odredjivanja vrednosti promenljivih vodjen na sledeći način: x4 = 120 – 50 . 4) Kriterijum za odredjivanje vrednosti ostalih koeficijenata za narednu simpleks tabelu: Odredimo vrednost promenljivih x4 i x5 u drugoj iteraciji. . označimo (zaokruživanjem) koeficijent koji se nalazi na preseku označene kolone i označenog reda (to je karakteristični koeficijent). generirajući. stožerni. Svi podaci za narednu simpleks tabelu izračunavaju se na osnovu prethodne tabele. x5 = 120 – 50 . pivot). Time smo odredili vrednost promenljivoj x1. koja ulazi u rešenje. označimo i red koji pripada promenljivoj koja izlazi iz rešenja. Od ukupnog kapaciteta mašine M3 od 120 časova. Time smo odredili da promenljiva x3 treba da izadje iz rešenja. Postupak računanja je sledeći: . Mašina M1 će za proizvodnju 50 jedinica proizvoda P1 utrošiti svih 100 časova raspoloživog kapaciteta. 1 = 70. Prema ovom rešenju neće biti neiskorišćenog kapaciteta mašine M1.najpre se podele svi koeficijenti označenog reda karakterističnim koeficijentom. U postupku računanja koriste se svi koeficijenti iz označene kolone. a na mašini M3 najviše 120 :2 = 60 jedinica proizvoda P1.

a. tre}i red: 0-1/2*2 = -1.2. 1 Red (zj . a svi ostali koeficijenti iz ove kolone jednaki su nuli. 0 . Rešavanje problema minimuma Uzmimo sada problem u kome se tra`i minimalna vrednost funkcije kriterijuma razmotrimo postupak odre|ivanja optimanog re{enja za ove probleme.1. ½. 1. red (zj – cj): 0. pa ih pripisujemo iz prethodne tabele. To su: upi{emo u narednu tabelu u red u kome se nalazi nova promenljiva 1202 1 50. U prvom redu ove kolone ve} je upisana jedinica.C B Narednu drugu simpleks tabelu dobijamo na sledeći način X040600-M0X1X2X3X4X50 . 15 . Zbog toga u ovim kolonama ne}e do}i do promene koeficijenataw. Tada se ne menjaju koeficijenti iz reda u kome se nalazi ta nula i oni se prepisuju iz prethodne tabele. 0. 00 Tre}i red: 120-100/2*2 = 20. Sli~no bi se dogodiloi kada u ozna~enoj koloni tabele imamo nulu. X5100 . Kolone X4 i X5 u ozna~enom redu pripremljene tabele imaju nule.cj) : 0 – 100/2 *(-6) = 300. I tako }e biti u svim simpleks tabelama: promenljive iz kolone B ima}ce u preseku reda i odgovarajuce kolone jedinice. promenjena je samo X4 promenljiva x1 pa će u prvom redu kolone C stajati 6.Koeficijent ozna~enog reda prethodne simpleks tabele podelimo sa 2 i 120 x1. Tabela 1. U odnosu na prvu tabelu. Kolona X2: drugi red: 3 – ½ * 1 = 5/2 tre}i red: 2 – ½ *2 =1 red (zj – cj): -4-1/2 * (-6)= -1 Kolona X3: drugi red : 0-1/2*1 = -1/2. a svi ostali koeficijenti su nule. 00 01zj cj0-6-4000 Kolona X1 odgovara promenljivoj koja je u{la u re{enje. x4 i x5.U kolonu C upišemo koeficijente koji u funkciji kriterijuma stoje uz 0X3 promenljive iz kolone B.U kolonu B upišemo promenljive koje čine rešenje x1. 0.½ * (-6) = 3. 21 3 Sve ostale koeficijente izra~unavamo pomo}u definisanih kriterijuma na slede}i na~in: 21 Kolona X0: 0 Drugi red: 120-100/2 1=70. 1. ½.2.

Koeficijenti uz izra~unavanje promenljive su negativni. Tako smo posle prosirenja problema sa ve{ta~kim promenljivm. u funkciji kriterijuma uz ove promenljive uvodimo koeficijente obelezene sa M. -x6 =400. tako {to se u optimanom re{enju ne mo`e promeniti ni jedna ve{ta~ka promenljiva. dobili slede}i model: (min). z0 = 160x1 + 100x2 + 120x3 + 0x4 + 0x5 +0x6 + Mx7 + Mx8 + Mx9 2x1 +x2 + 2x3 . oduzimamo izravnavaju}e promenljive i dobijamo slede}i sistem jena~ina: 2x1 + x2 + 2x3 x1 + x2 + x3 4x1 + x2 + 2x3 . Da se ve{ata~ke promenljive ne bi pojavile u optimalnom resenju. x1 + x2 + x3 ≥ 300. Uvo|enje izravnavaju}ih promenljivih. x1 + x2 + x3 . To zna~i da ne mo`emo odrediti po~etno nenegativno bazi~no re{enje u prvoj simpleks tabeli.x4+ x7=350. x1≥ 0.x4 = 350.x5+ x8 =300. Po{to je leva strana nejedna~ina ovog sistema ve}a od desne. ve{ta~ke promenljive. -x5 = 300. C 16 .PROBLEM 3. Ove promenljive ne pripadaju sistemu ograni~enja i nemaju konkretno ekonomsko zna~enje. 4x1 + x2 + 2x3-x6+ x9 =400. U postupku resavanja problema one se elimini{u iz re{enja. 4x1 + x2 + x3 ≥ 400. x2 ≥ 0. Sada se moze popuniti po~etna simpleks tabela i odrediti po~etno bazicno resenje. x3 ≥ 0. Ako nenegativno bazi~no re{enje problema sadrzi bar jednu pozitivnu vestacku promenljivu. onda ne postoji moguce resenje. Zbog toga uvodimo nove promenljive u model tzv. Njega sa~injavaju ve{ta~ke promenljive. Treba na}i minimalnu vrednost funkcije kriterijuma Zo = 160x1 + 100x2 = 120x3 uz zadovoljenje slede}eg sistema ograni~enja: 2x1 + x2 + 2x3 ≥ 350. u kome sve promenljive moraju biti ne negativne. gde je M relativno veliki pozitivni broj. prethodni sistem }emo izraziti u obliku jedna~ina.

koeficijent ( z1 . Na isti na~in utvrdjeni su i koeficijenti za ostale kolone.Cj). medjutim. proizvodi su sabrani i od njih je oduzet koeficijent iz zaglavlja.Cj) na dva dela izvrsena je samo iz prakti~nih razloga. koju promenljivu treba izabrati da udje u naredno re{enje? Ovde je odgovor sasvim o~igledan: pocetno resenje cine vestacke promenljive. razmatrajuci re{enje problema maksimuma. sve dok su i ve{ta~ke promenljive u re{enju. Kako je M veoma veliki broj. pa je sigurno da ono ne moze biti optimalno.CJ0-160-100-1200000001050735-1-1-1000 Simpleks tabela je popunjena na uobi~ajeni na~in. na primer. to ce se . Prema tom kriterijumu. ustanovili kriterijum za ocenu optimalnosti resenja. Dobijen je mnozenjem kolone C i kolone X1. drugi deo reda odre|ivati koja promenljiva ulazi u naredno rer{enje. U prvi deo reda unose se koeficijenti uz koje se ne javlja M. Dodajmo ovom i drugi kriterijum: u naredno re{enje treba da udje ona promenljiva kojoj u simpleks tabeli odgovara najveca (pozitivna) vrednost koeficijenta iz reda (Zj .Cj) postoje pozitivni koeficijenti (a trazimo minimalnu vrednost funkcije). 17 .Cj ) podeljeni na dva dela. Da li je u prvoj simpleks tabeli prona|eno optimalno re{enje i. Tako je. Mi smo. ako nije. Jedino se koeficijenti u redu (Zj .B X0160100120000MMMX1X2X3X4X5X6X7X8X9M M MX7 X8 X9350 300 4002 1 4 1 1 1 2 1 2-1 0 00 -1 00 0 -11 0 00 1 00 0 1Zj .c1) = 7M . Ova podela koeficijenata iz reda ( Zj . nije pronadjeno optimalno re{enje.160. sve dok u redu (Zj .

te da u naredno re{enje treba da udje promenjiva x1.dobijamo drugu simpleks tabelu.Prethodne 2 razlike u kori{}enju reda (Zj . Na osnovu koli~nika izme|u kolone X0 i kolone X1. Zbog toga smo u drugoj tabeli ozna~ili kolonu X3. x7 = 150. predstavljaju jedine razlike u postupcima resavanje problema minimuma i problema maksimuma. x8 = 200. prvi red u kome je promenljiva x7 i zaokruzili karakteristican koeficijent. Tabela 2. Na osnovu tako pripremljene simplekls tabele. Bazi~no re{emje u drugoj simpleks tabeli sa~injavaju promenljive x1 = 100. tre}i red u koma je promenljiva x9 i zaokru`en je karakteristican koeficijent. Vratimo se prvoj tabeli i konstantujmo da nije pronadjeno optimalno resenje. U racunskom postupku izracunavanja koeficijenata za narednu simpleks metodu nema nikakve razlike. a iz re{enje }e iza}i promenljiva x7. C B X0160100120000MMMX1X2X3X4X5X6X7X8X9M M 160X7 X8 X1150 200 1000 0 1 ½ ¾ ¼ 1 ½ ½-1 0 0 0 -1 0½ ¼ -1/4 1 0 00 18 . U prvoj simpleks tabeli ozna~ena je kolona X1. U naredno re{enje treba da u|e promenjiva x3. a vrednost funkcije kriterijuma iznosi z0 = 16000 + 350M.Cj): pri oceni optimalnosti re{enja i pri izboru promenljive koja treba da udje u naredno re{enje.iz resenja izlazi promenjiva x9. Optimalno resenje nije prona| eno.

C B X0160100120000MMMX1X2X3X4X5X6X7X8X9120 M 160X3 X8 X1150 125 250 0 1 ½ ½ 0 1 0 0-1 ½ ½ 0 -1 0½ 0 -1/21 -1/2 -1/20 1 0-1/2 0 ½Zj . Vidimo da u trecoj simpleks tabeli dve promenljive (x2 i x4) ravnopravno konkuri{u za ulazak u nareno re{enje jer imaju potpuno iste koeficijente. ukoliko udje u naredno re{enje. 19 . Zato najpre delimo kolunu X0 kolonom X2 i oderedjujemo da ce promenljiva x2 .CJ220000-400-400-20400201250½0½-10-3/20-1 I u tre}oj simpleks tabeli nije pronadjeno optimano re{enje.CJ160000-60-4000-40004035005/43/2-1-1¾00-7/4 Sastavljamo slede}u simpleks tabelu. dobiti vrednost 250. Treba odrediti koja promenljiva ulazi u nardno re{enje.1 0-1/2 -1/4 1/4Zj . Prema dopunskom kriterijumu prednost ce dobiti ona promenljiva koja dobija vecu vrednost. a u drugom delu (zj . zatim delimo kolonu X0 kolonom X4 i odredjujemo da ce promenljiva x4.cj) postoje pozitivni koeficijenti. Tabela 3. U re{enju se nalazi jo{ jedna ve{ta~ka promenljiva (x8 = 125).

To se mo`e zaklju~iti prema koloni B. Po[to su ve{ta~ke promenljive iza[le iz re{enja. U tre}oj tabeli ozna~ili smo kolonu X2. u naredno re{enje ulazi promenljiva koja dobija ve}u vrednost tj. u ovom delu reda ispod svih kolona su nule. Problem se dalje moze re[avati bez kolon akoje odgovaraju ve{ta~kim promenljivim i bez drugog dela reda (zj .cj). Prema tome. Tabela 4. C B X0160100120000MMMX1X2X3X4X5X6X7X8X9120 100 160X3 X2 X125 250 250 0 1 0 1 0 1 0 0-3/2 1 ½ 1 -2 0½ 0 -1/2 3/2 -1 -1/2-1 2 0-1/2 0 ½Zj . osim ispod kolone ve[ta~kih promenljivih gde su jedinice sa znakom minus.ukoliko udje u resenje dobiti vrednost 50. ali i prema drugom delu reda. Postoji me|utim razlog da se zadr`e i ove kolone do kraja postupka.CJ320000000-80-20080200000000-1-1-1U ~etvrtoj simpleks tabeli nema vesta~kih promenljivih u re{enju. jer se u tom delu simpleks tabele nalaze podaci koji se mogu 20 . Ove kolone se mogu zanemarivati i odmah po{to ve{ta~ka promenljiva izadje iz re{enja. promenljiva x2. zatim drugi red i zaokru`ili karakteristi~an koeficijent.

Posmatranjem ovog reda u ~etvrtoj simpleks tabeli.cj0. C B X0160100120000MMMX1X2X3X4X5X6X7X8X9120 100 0X3 X2 X4100 200 503 -2 2 0 1 0 1 0 00 0 11 -2 0-1 1 -10 0 -1-1 2 01 -1 1Zj . Po[to promenljiva x4 ulazi u naredno re[enje. Njega sa~injavaju promenljive: x1 = 25. x2 = 250. Sada mo`emo odrediti petu simpleks tabelu.CJ320000000-80-20080200000000-1-1-1 21 . pa smo ozna~ili i tre}i red i zaokru`ili karakteristi~an koeficijent. vidimo da ne postoje pozitivni koeficijenti. Iz re{enja izlazi promenljiva x1. Rekli smo da je u ~etvrtoj simpleks tabeli pronadjeno optimalno re{enje. pa mo`emo zakljuciti da je re{enje iz ove tabele optimalno.korisno upotrebiti za analizu optimalnog re{enja.cj) kolone x4 nalazi se koeficijent 0. Tabela 5. x3 = 25. u ~etvrtoj tabeli ozna~ili smo kolonu X4. Me|utim u redu (zj . Re{avanje problema simpleks tabelom treba nastaviti tako [to se za ocenu optimalnosti re{enja i za izbor promenjive koja }e u}i u re{enje uzima u obzir prvi deo reda (zj . a minimalna vrednost funkcije kriterijuma iznosi z0 = 32000.

pa cemo dobiti sledeci izraz za konveksnu kombinaciju: X۪³ = qX۪¹ + (1 . Treba odrediti nenegativne vrednosti promenljivih x1 i x2 koje ce obezbediti da funkcija kriterijuma z0 = 40x1 + 60x2 postigne svoju maksimalnu vrednost uz slede}i sistem ograni~enja: . x3 = 100. Ako je zajedni~ko podru~je otvoreno. Trazi se maksimalna vrednost funkcije kriterijuma.q) X۪². problem mo`e imati kona~no optimalno re{enje. re{enje iz pete tabele sa X۪².2. Kada je zajedni~ko podru~je zatvoreno.3. problem ima kona~no optimalno re{enje. . Po{to problem pro{irimo i prilagodimo za re{avanje. x2 ≥ 0. x4 = 50.cj0-40-60000-4001-4100 . C B X040600-M0X1X2X3X4X5-M 0X4 Re{enje nije optimalno.2x1 + 2x2 + x5 + 500.Mx4 + 0x5. 500-1 -24 22 2-1 01 001zj .1. ali moze imati i neograniceno re{enje. Kada problem nema rešenje Sve probleme koje smo do sada re{avali.x3 + x4 = 400. pa u naredno X5400 re{enje treba da udje promenljiva x4. ista je kao i kod resenja iz ~etvrte simpleks tabele. z0 = 40x1 + 60x2 + 0x3 . koji }emo re{avati pomo}u simpleks tabele. PROBLEM 4. Obele`imo optimalno re{enje iz ~etvrte simpleks tabele sa X۪¹. x1 ≥ 0.U petoj simpleks tabeli dobili smo jos jedno optimalno re{enje. 0<q<1 Za problem minimuma koji smo re{avali bilo je potrebno da se u svakoj jedna~ini doda ve{ta~ka promenljiva.2x2 + 2x2 ≤ 500. 1. Prva simpleks tabela ima sledece elemente: Tabela 1. z0 = 32000. dobijamo slede}i sistem: (max). imala su kona~na optimalna re{enja.x1 + 4x2 .x1 + 4x2 ≥ 400. Njega sa~injavaju promenljive: x2 = 200. . U Grafi~kom re{avanju problema lako se moze uociti da li problem ima re{enje i kakvo je ono. a minimalnu vrednost funcije kriterijuma. . Ovde ne razmatramo slucaj kada sistem ogranicenja uopste ne formira zajednicko podrucje jer tada problem nema resenja.

Treba odrediti promenljivu koja ce izaci iz re{enja. proizvoljno B izaberemo jednu promenljivu iz kolone B da izadje iz re{enja.cj6000-550-15150000000 x³ = 100 + ¼ * 4000 = 1100 Mo`emo promenljivoj x1 izabrati i ve}u vrednost. Neka je ½¼ proizvoljno izabrana vrednost za promenljivu x1 = 4000. odredimo sto vecu pozitivnu vrednost promenljivoj koja je 0X2 usla u naredno re{enje x1. To znaci da se ne moze odrediti promenljiva koja }e iza}i iz re{enja i pozitivna vrednost promenljive koja je u{la u re{penje. pa za promenljivu x2 dobijamo: -1/201zj . Sada takodje proizvoljno. to }emo odrediti na osnovu koli~nika izmedju kolone X0 i kolone X1. U naredno re{enje treba da udje promenljiva x1.Re{enje iz druge simpleks tabele nije optimalno. a maksimalna vrednost funkcije kriterijuma postize se negde u beskona~nosti. U koloni X1 nema. 23 . promenljiva x2 ostaje pozitivna i takodje dobija ve}u vrednost. Vrednost druge promenljive izra~unavamo prema poznatom X5100 pravilu 300-1/4 x³ = x² . Tabela 2. Zato i ka`emo da je vrednost promenljivih u ovom slu~aju neograni~ena. C Po{to ne mo`emo odrediti koja promenljiva treba da izadje iz re{enja. Neka to bude promenljiva X040600-M0X1X2X3X4X560 x5. Ne mozemo sastaviti trecu simpleks tabelu ali cemo vrednost promenljivih odrediti na sledeci nacin. medjutim ni jednog pozitivnog koeficijenta pomo}u koga mo`emo odrediti pozitivnu vrednost koli~nika. Ovo je znak da je re{enje problem neograni~enog i da se vrednost funkcije kriterijuma moze pove}ati preko svih granica.( .¼ ) x³ -3/21 0-1/4 gde super indeks ozna~ava iteraciju za koju ra~unamo vrednost promenljive.

Sign up to vote on this title
UsefulNot useful