You are on page 1of 51

MATEMATIKI FAKULTET, UNIVERZITET U BEOGRADU

OPERACIONA
ISTRAIVANJA
-

vebe -

MARIJA IVANOVI
Beograd, 2014.

1. AS

Linearno programiranje - uvod


Linearno programiranje (LP) predstavlja jednu vrstu matematikog programiranja. Najee se koristi za
reavanje matematikih modela koji odgovaraju maksimizaciji profita, odnosno minimizaciju trokova, pri
odreenim uslovima.
Matematiki model treba da sadri
- Linearnu funkciju cilja
- Linearna ogranienja
- Dopustiv skup reenja
Linearni program se moe zapisati u kanonskom obliku na sledei nain:

gde su
-

vektor promenljivih (koje treba odrediti)


koeficijenti (poznati)
matrica (poznata)

STANDARDNA FORMA
Standardna forma je najjednostavnija oblik linearnog programiranja. Za
-

Linearne funkcije koju je potrebno maksimizovati:

Ogranienja

Ne-negativnih promenljiva

Problem se, takoe, moe zapisati matrino:

sastoji se iz

PRIMER 1
Marija se bavi grnarstvom i pravi olje i tanjire. Da bi se napravila olja, potrebno je 6 minuta, dok je za tanjir
potrebno 3 minuta. Pri pravljenju olje potroi se 75 gr, dok se za tanjir potroi 100 gr gline. Ukoliko ima 20 sati
na raspolaganju za izradu svih proizvoda i 250 kg gline a zarada koju ostvari iznosi 2 eura po svakoj olji i 1.5
eura po tanjiru, koliko olja i tanjira treba da napravi kako bi ostvarila maksimalnu zaradu?

REENJE :
Marija e napraviti x olja i y tanjira.
Funkcija cilja:
-

zarada iznosi 2eur/olja, zarada za x olja bie (2 eur/olja)*(x olja).


zarada iznosi 1.5eur/tanjir, odnosno zarada od svih tanjira bie (1.5 eur/ tanjir)*(y tanjira).
o Ukupna zarada iznosi:
(eur)

Ogranienje vremena:
-

vreme potrebno da se napravi jedna olja iznosi 6min. Dakle, da bi napravili x olja potroie 6x
minuta.
slino, za y olja koristie 3y minuta.
o Ukupno vreme pravljenja proizvoda iznosi 20h, pa tako:

Ogranienje materijala
-

Materijal za jednu olju iznosi 75 gr => x olja = 75x gr materijala


Materijal za jedan tanjir iznosi 100 gr => y tanjira = 100y gr materijala
o Ukupno, potroen materijal iznosi

Nenegativne promenljive
-

Broj olja i tanjira je najmanje 0,


!!!!)

(ne moe se napraviti negativan broj olja ili tanjira

Konano, dobijamo model:


Max
Pri ogranienjima:

*Dakle, optimalno reenje, dobijeno cplex-om:


3

PRIMER 2
Marijin deda ima 320 hektara njive i eli da posadi penicu na tom prostoru. Sadnja penice bi kotala 50 eura
po svakom zasaenom hektaru i donela bi 100 buela (27,2 kg) po aru. Jedan buel donosi zaradu od 6 eura.
Marija je svom dedi predloila da umesto penice zasadi soju, ija sadnja iznosi 100 eura po hektaru i prinos
od 100 buela po hektaru i, pri tom, jedan buel soje donosi zaradu od 9 eura. Ukoliko Marijin deda ima na
raspolaganju 20,000 eura za sadnju da li deda da ostane pri svojoj odluci i sadi samo penicu, ili da poslua
Mariju i posadi samo soju ili da posadi i jedno drugo i u kojoj razmeri? Pretpostavimo da skladite moe da
primi najvie 19,200 buela robe.

REENJE :
Marijin deda eli da posadi x hektara penice i y hektara soje.
Funkcija cilja:
-

Zarada od x hektara penice iznosi 100(buel/ha)*6(eur/buel)*x ,


dok su trokovi sadnje 50(eur/ha)*x,
o Ukupna zarada za penicu iznosi
Zarada od y hektara soje iznosi 100(buel/ha)*9(eur/buel)*y ,
dok su trokovi sadnje 100(eur/ha)*y,
o Ukupna zarada za soju iznosi
o

Ukupan prinos iznosi:


(eur)

Ogranienje poetnog kapitala, njive i skladita:


-

Deda raspolae sa 20,000 eura poetnog kapitala

Deda raspolae sa njivom od 320 ha

Na raspolaganju je skadite koje moe da primi najvie 19,200 buela robe

Ogranienje po pitanju koliine koja e se saditi:


- Naravno da oekujemo da je
Konano, model
Max

(eur)

Pri ogranienjima:

*Optimalno reenje, dobijeno cplex-om: :


4

PRIMER 3
Marijina firma eli da investira novac i tom prilikom predloeno joj je 5 razliitih investicionih scenarija. Protok
novca (cash outflows) i trenutna vrednost akcija dati su u tabeli. Ove godine planirano je da se uloi najvie 40
mil eur, dok e se naredne godine, u iste akcije, uloiti najvie 20 mil eur. Nije obavezno da se uloi u itav
projekat, odnosno moemo kupiti samo deo neke investicije. Npr, ako u investiciju pod rednim brojem 4
uloimo samo investicije, potrebno je da ove godine platimo
i
, a zarada iznosi
. Na cilj je da pomognemo Mariji oko izbora investicija tako da, nakon dve godine, profit bude
maksimalan.
Napomena: Nemogue je kupiti akciju samo za II godinu. Akcije se kupuju u paketu za I i II godinu. Moe se
uloiti u vie razliitih investicija ili se vie puta kupiti ista investicija.
Investicija 1

Investicija 2

Investicija 3

Investicija 4

Investicija 5

I godina
II godina

11
3

53
6

5
5

5
1

29
34

Totalni profit

13

16

16

14

39

REENJE
Moemo uloiti novac u 5 razliitih investicija. Mogue je investirati u itavu investiciju ili samo njen deo.
-

Neka predstavlja koliko investiramo u investiciju i. U datom primeru je


.
Hajde da u prvu investiciju uloimo
ime, na kraju, profit od te investicije iznosi
, u drugu
to nam donosi profit od
i tako redom. Na zadatak je da odredimo nepoznate
koje e
nam omoguiti da
bude maksimalno.
Naravno, postoje ogranienja za obzirom da na raspolaganju imamo odreenu svotu novca. Pa
tako, u prvoj godini, kupovina
dela prve investicije kota 11 , kupovina druge investicije kota
, tree
, itd. Ukupno, moemo platiti najvie 40 mil, to znai da
ne sme biti vee od 40 mil. Na isti nain, naredne godine ugovorene investicije kotae
to ne sme biti vee od 20mil (iznos kojim raspolaemo tokom druge
godine).

Moemo da formiramo LP problem.


Funkcija cilja je
(1)
gde je
Ogranienja:
(2)
(3)
Zato a ne = u drugoj i treoj nejednakosti? Zato to moemo uloiti manje novca od onog koji nam je
na raspolaganju i opet ostvariti maksimalnu zaradu. Bitno je da ne uloimo vie nego to imamo.
Ostaju ogranienja u vezi nepoznatih.
Jasno je da
,
tj. ne moemo kupiti deo investicije. Da li se moe investirati u istu investiciju
dva puta? Na primer, da li mogu investirati u investiciju 3 ili 4 dva ili vie puta? Ukoliko moe, onda je
dozvoljeno
, odnosno ako se moe investirati u deo investicije, a najvie u celu, tada imamo ogranienje
.
Dakle, ogranienje moe biti ili
*Optimalna vrednost: 118.

Reenje

ili

.
x3

, x4

, ostali xi su jednaki nuli.


5

PRIMER 4
Pretpostavimo da se otvara nova Pota u komiluku i da zapoljava radnike. Broj radnika, potrebnih dnevno,
dat je tabelom. Pored stalno zaposlenih, pota moe da zaposli radnike i po ugovoru o delu. Stalno zaposleni
radnik radi 5 vezanih dana i posle toga ima pauzu od 2 dana. Svaki radni dan stalno zaposlenog radnika plaa
se 80 eura, dok se svaki radni dan vikendom plaa 100 eura. Zaposleni po ugovoru o delu dobijaju 95 eur bez
obzira da li rade radnim danom ili vikendom.
A) Napraviti LP model koji e direktoru pote omoguiti da minimizuje platu za svoje zaposlene a ipak
ispuni zahteve o broju zaposlenih.
B) Pretpostavimo da je najmanje 60% stalno zaposlenih slobodno petkom.
Dan
Br.radnika

Ponedeljak
17

Utorak
13

etvrtak
18

Sreda
15

Petak
14

Subota
16

Nedelja
11

REENJE:
Obeleimo sa
-

x1 broj stalno zaposlenih koji rade od ponedeljka do petka i imaju slobodan vikend
x2 broj stalno zaposlenih koji rade od utorka do subote i imaju slobodnu nedelju i ponedeljak
x3 broj stalno zaposlenih koji rade od srede do nedelje i imaju slobodan ponedeljak i utorak
x4 broj stalno zaposlenih koji rade od etvrtka do ponedeljka, imaju slobodan utorak i sredu
x5 broj stalno zaposlenih koji rade od petka do utorka, imaju slobodnu sredu i etvrtak
x6 broj stalno zaposlenih koji rade od subote do srede, imaju slobodan etvrtak i petak
x7 broj stalno zaposlenih koji rade od nedelje do etvrtka i imaju slobodan petak i subotu.
y1 broj part-time zaposlenih koji e pomagati u ponedeljak
y2 broj part-time zaposlenih koji e pomagati u utorak
y3 broj part-time zaposlenih koji e pomagati u sredu,
..,
y7 broj part-time zaposlenih koji e pomagati u nedelju

Ponedeljkom pota potrauje 17 radnika, dakle:


(1)
Utorkom, postoji potreba za 13 radnika:

(2)

Sredom :

(3)

etvrtkom

(4)

Petkom:

(5)

Subotom:

(6)

Nedeljom:

(7)

Jednaine (1)-(7) predstavljaju ogranienja.


Dodaemo i ogranienje

Ostaje funkcija cilja (cost function):


Kolika je plata zaposlenih iz grupe koja radi ponedeljak-petak?
Radni dan iznosi 80 eura, dakle ukupna zarada je 80*5=400 eura.
Kolika je plata zaposlenih iz grupe koja radi utorak-subota?
Oni imaju jedan vikend koji se plaa 100 eura, stoga ukupna zarada iznosi 80*4+100=420 eura
Zaposleni iz grupe sreda-nedelja: 3 radna dana + 2 vikenda : 80*3+100*2 = 440 eura
6

Istu platu imaju i zaposleni iz grupa


etvrtak ponedeljak, petak utorak, subota sreda
Grupa zaposlenih nedelja - etvrtak takoe prima platu od 420 eura.
Dakle, potu stalno zaposleni kotaju
Part-time zaposleni imaju fiksnu naknadu, u iznosu od 100 eura po danu. Ova vrsta zaposlenih, potu kota
Konano, LP problem:

Pri uslovima:
(1)
(2)
(3)
(4)
(5)
(6)
(7)
Ogranienja
,
Deo pod B:
Ukupan broj stalno zaposlenih je
Ukupan broj zaposlenih kojima je petak slobodan je
Uslov je da najmanje 60% zaposlenih treba da je slobodno petkom. To znai da je
(8)

REENJE SA ASA:
Min
Pri uslovima:
(1)
(2)
(3)
(4)
(5)
(6)
(7)
Ogranienja
, i=1,..,7
7

PRIMER 5
Naftna kompanija se bavi distribucijom 3 razliita tipa nafte (naf1, naf2 i naf3). Sva tri tipa nafte se prave
pomou tri razliita tipa sirove nafte (sn1, sn2, sn3). Cena nafte i cena sirove nafte po 1 barelu (1barel
=119,2l), dati su tabelom.
NAFTA

1 barel

SIROVA
NAFTA

1 barel

Naf1

70

Sn1

45

Naf2

60

Sn2

35

Naf3

50

Sn3

25

Naftna kompanija moe da dopremi najvie po 5,000 barela od svake vrste sirove nafte dnevno. Tipovi nafte
koja se proizvodi se meusobno razlikuju po nivou oktana i sumpora. Sirova nafta koja se koristi u proizvodnji
naf1 mora da ima najmanje nivo oktana 10 a najvie 1% sumpora. Nafta tipa naf2 sadri nivo oktana od
najmanje 8 a najvie 2% sumpora. Nafta tipa naf3 treba da sadri najmanje oktana nivoa 6 i najvie 1%
sumpora. Nivo oktana i sumpora su dati u tabeli 2.
SIROVA
NAFTA
sn1

NIVO
OKTANA
12

NIVO
SUMPORA
0,5

sn2

sn3

Proizvodnja po jednom barelu sirove nafte kota 4 eur i kompanija ima kapacitete da dnevno moe proizvesti
najvie 14,000 barela nafte. Obaveza kompanije je da svojim kupcima dnevno obezbedi najmanje 3 000, 2
000 i 3 000 barela nafte (naf1, naf2 i naf3, tim redom) dnevno.
Napraviti model tako da kompanija maksimizuje svoj profit.
Ukoliko kompanija angauje marketinku kompaniju, oekuje se da e se za svaki uloen evro na reklamiranje
odreenog tipa nafte, poveati potreba za 10 barela.
REENJE
Neka je xij koliina sirove nafte j koriene u proizvodnji nafte i, odnosno
- koliina sirove nafte 1 koriene u proizvodnji nafte 1,
- koliina sirove nafte 2 koriene u proizvodnji nafte 1
- koliina sirove nafte 3 koriene u proizvodnji nafte1.
ime dobijamo ukupnu koliinu gasa 1:
. Slino piemo i za ostale tipove gasa.
Naftna kompanija moe da dopremi najvie po 5000 barela od svake vrste sirove nafte dnevno.:
(
koliina sirove nafte tipa 1 koriene u proizvodnji gasa 1, 2 i 3)
(
koliina sirove nafte tipa 2 koriene u proizvodnji gasa 1, 2 i 3)
(
koliina sirove nafte tipa 3 koriene u proizvodnji gasa 1, 2 i 3)
Sirova nafta koja se koristi u proizvodnji naf1 mora da ima najmanje nivo oktana 10 a najvie 1% sumpora:

Nafta tipa naf2 sadri nivo oktana od najmanje 8 a najvie 2% sumpora.

Nafta tipa naf3 treba da sadri najmanje oktan nivoa 6 i najvie 1% sumpora.

kompanija ima kapacitete da dnevno moe proizvesti najvie 14,000 barela nafte za prodaju
Obaveza kompanije je da svojim kupcima dnevno obezbedi najmanje 3 000, 2 000 i 3 000 barela nafte (naf1,
naf2 i naf3, tim redom) dnevno

Ogranienja su, kao i do sada,


,
.
Ostalo je da se odredi funkcija cilja:
Dakle, kupujemo sirovu naftu, po ceni datoj u tabeli, transformiemo je po ceni od 4 eura po barelu i prodamo
po ceni iz tabele:
Koliina nafta tipa1 koju emo proizvesti iznosi:
. Prilikom prodaje, za gas tipa1
zaradiemo 70(
eur . Da bi nabavili potrebne sastojke za proizvodnju
potrebno je uloiti
eur. Trokovi obrade
iznose 4*
. Dakle, gas tipa 1 donosi zaradu od
Suma1 =
Ponavljamo postupak za gas tipa 2 i gas tipa 3:
Suma2=
Suma3=
.
Funkcija cilja:
Max Suma1 + Suma2 + Suma3
Konano, LP problem (sreen):
Max
Pri ogranienjima
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
(11)
(12)
(13)
Nenegativne promenljive
, i,j=1,..,3.
Cplex reenje:
Objective value 185 500
x11= 2000 x12= 1000 x13=0 x21= 1000 x22= 2000 x23=1500 x31 = 2000 x32= 1000 x33=0

PRIMER 6 (Problem dijete)


Marija je odluila da koriguje ishranu i u tu svrhu je zanima koliko para treba da potroi kako bi kupila hranu
ija je ukupna energetska vrednost 2,000 kcal a koja sadri 55g proteina odnosno 800mg kalcijuma
neophodnih za dnevno funkcionisanje. Marija se odluuje da kupi 6 razliitih proivoda koji, po njoj, sadre
neophodne sastojke a moe ih sebi priutiti. Sledi tabela sa nutritivnim svojstvima hrane:
hrana
ovseni obrok
piletina
jaja
mleko
pita sa vinjama
svinjetina sa
povrem

veliina porcije
28 g
100 g
2 kom, klasa s
237 cc
170 g

energija (kcal)
110
205
160
160
420

proteini (g)
4
32
13
8
4

kalcijum (mg)
2
12
285
22
22

cena po porciji
30 din
240 din
130 din
90 din
200 din

260 g

260

14

80

190 din

Marija je odluila da napravi plan ishrane, odnosno broj porcija po danu:


ovseni obrok
piletina
jaja
mleko
pita sa vinjama
svinjetina sa povrem

broj porcija po danu


4
3
2
8
2
2

Reenje:
Kako bi napravila najekonominiji meni, Marija je odluila da sa
obelei broj porcija ovsenog obroka, sa
broj porcija piletine i tako redom. Njena ideja je da odredi vrednosti
tako da uneta hrana sadri
minimalne zahteve po pitanju energije, proteina, kalcijuma i da je, naravno, to ekonominija.
Problem dijete moe se napisati na sledei nain:
pri ogranienju:

10

PRIMER 7 (Problem transporta)


Potrebno je pokupiti proizvode iz m fabrika tako da se iz prve fabrike uzima
kilograma proizvoda, iz druge
fabrike
kilograma proizvoda, iz tree fabrike
kilograma i tako redom. Roba se dalje prosleuje u
prodavnica, tako to prva prodavnica potrauje
kilogram, druga prodavnica
kilograma, , -ta
prodavnica
kilograma proizvoda. Oekuje se da je koliina robe koja se preuzima iz fabrika jednaka onoj
koliini robe koja se dalje prosleuje prodavnicama, tj.
. Cena transporta robe iz fabrike ka
prodavnici iznosi . Ako pretpostavimo da se prevoz robe vri pomou dovoljno velikog kamiona, potrebno
je odrediti koliinu robe
koja se iz fabrike alje u prodavnicu tako da ukupna cena transporta bude
minimalna.
Reenje

pri ogranenjima

11

ZADACI ZA SAMOSTALNI RAD:


ZADATAK 1
Marijin komija preprodaje raunare i raunarsku opremu. Oekuje isporuku raunara i tampaa. Pri tom,
rauunari su spakovani tako da njihova kutija zauzima 360 kubnih decimetara prostora, dok se tampai
pakuju u kutijama koje zauzimaju 240 kubnih decimetara prostora. Komija se trudi da meseno proda
najmanje 30 raunara i da taj broj bude bar za 50% vei od broja prodatih tampaa. Raunari kotaju 200eur
po nabavnoj ceni, a prodaju se po ceni od 400eur, dok tampai kotaju u nabavci 60eur i prodaju se za
140eur. Magacin kojim komija raspolae ima svega 30,000 kubnih decimetara prostora i meseno moe da
nabavi robu u iznosu od najvie 14,000 eur. Koliko raunara a koliko tampaa komija treba da proda kako bi
se maksimalno obogatio?

ZADATAK 2
Marijin brat radi u fabrici za proizvodnju X i Y proizvoda pomou dve maine (A i B). Za izradu proizvoda X
potrebno je 50 min obrade na maini A i 30 min obrade na maini B. Proizvod Y se 24 min obrauje na maini
A i 33 minuta na maini B. Na poetku ove nedelje napravljeno je 30 proizvoda X i 90 proizvoda Y. Maina A je
na raspolaganju samo 40 sati dok je maina B na raspolaganju tek 35 sati. Direktor oekuje da se do kraja
nedelje napravi najmanje 75 X i 95 Y proizvoda. Politika firme je da broj proizvoda bude maksimalan.
Formulisati problem odluivanja koliko od svakog proizvoda treba napraviti u tekuoj nedelji kao linearni
problem.

12

2. AS

Sistemi linearnih jednaina


Kao to smo primetili, problem linearnog programiranja se, za poetak, svodi na formiranje sistema linearnih
jednaina koje treba reiti. Pod reavanjem sistema podrazumevamo nalaenje skupa svih reenja. Slede
metode za reavanje sistema.

Furije Mockinova metoda eliminacije


Ideja metode je eliminacija nepoznatih. Proizvoljno izaberemo promenljivu koju elimo da eliminiemo.
Odvojimo jednaine u kojima je koeficijent uz nau promenljivu
,
i
(objasniti na asu)

PRIMER 8
Metodom eliminacije odrediti skup reenja problema:
Pri ogranienjima

REENJE
Hajde da funkciju cilja uvrstimo u ogranienja. Time dobijamo da je
Zato to se trai maksimu funkcije f, ne moemo imati vie od
.
Eliminisaemo x iz sistema:

Odnosno (I+II, I+III, II+VI, III+VI):

13

. Zato je ovde nejednakost?

Dakle, dobijamo da je
I

iji presek iznosi

a, kako je

sledi da je

Sa druge strane imamo da je

. Dalje, dobijamo novi sistem

,
.
Hajde sada da eliminiemo y:

Kako je

, sledi da je to i optimalna vrednost naeg problema.

PRIMER 9
Metodom eliminacije odrediti skup reenja problema:
Pri ogranienjima

REENJE
Posmatramo odgovarajui sistem, i reavamo po y:

Nema potrebe da piemo


kada ve imamo ogranienje
Posmatramo nejednakosti I i IV, II i IV, III i IV:

Dobili smo ogranienja za . Ostaje nam da ogradimo :

14

PRIMER 10
Primeniti metodom eliminacije kako bi se odredio skup reenja sistema:

REENJE
Reavamo problem u odnosu na promenljivu :

Uporedimo nejednaine (I i II, II i III, II i IV, II i VI):

Konano, dobijamo:

iz poslednje nejednaine sledi da je najmanje

15

PRIMER 11
Primeniti metodom eliminacije kako bi se odredio skup reenja sistema:

REENJE
Reavamo problem u odnosu na promenljivu :

Dalje, reavamo u odnosu na promenljivu

Sledi dalje,
odnosno,
odnosno,
odnosno
odnosno

PRIMER 12
Primeniti metodu eliminacije na primer br 4.

16

Reavanje LP problema grafikom metodom


PRIMER 13
Fabrika za proizvodnju stakala, Staklo CO, bavi se izradom prozora i balkon vrata. Fabrika se sastoji iz tri
proizvodna dela: dela za aluminijumske ramove (Sektor C1), dela za drvene ramove (Sektor C2) i treeg dela
u kome se obrauje staklo (Sektor C3). Kako je zarada poela da opada, direktor fabrike je odluio da vie ne
proizvodi neisplative proizvode i da uvede dva nova proizvoda za koja misli da e mu doneti veu zaradu:
Prozor A: prozori veliine 4x4 m sa aluminijumskim ramom
Prozor B: prozori dimenzija 2x3 m sa sa duplim staklom i drvenim ramom
Prozor A bi se proizvodio u sektorima C1 i C3, dok bi se prozor B proizvodio u sektorima C2 i C3. Tim za
marketing se potrudio oko predstavljanja novih proizvoda i zakljuio da bi fabrika mogla da proda sve to
proizvede koliko god da proizvede. Meutim, kako oba proizvoda koriste sektor C2, postavlja se pitanje
organizacije tog sektora u smislu, koliko prozora A, odnosno koliko prozora B treba proizvesti kako bi se ta
proizvodnja najvie isplatila?
Prilikom reavanja samog problema treba imati u obzir sledee podatke:
- cena proizvoda A, B
- vreme potrebno da se naprave delovi proizvoda u svakom sektoru
Kako se prozori A i B prave u serijama od nekoliko komada (neka standardna koliina unapred definisana),
uzeemo da je
broj serija prozora A napravljenih tokom jedne sedmice, odnosno neka
predstavlja broj
serija prozora B napravljenih tokom iste te sedmice. Neka je cena prozora A 3,000 eur dok je cena prozora B
5,000 eur. Cilj fabrike je maksimizacija zarade, dakle
U tabeli je dato vreme potrebno da se naprave serije prozora A i B u odgovarajuim sektorima. Na primer,
vreme potrebno da se napravi serija prozora A u sektoru C1 iznosi 1h nedeljno, dok je maksimalno raspoloivo
vreme sektora C1 4h nedeljno (
). Raspoloivo vreme po sektorima, kao i vreme izrade odreenih
proizvoda, definisano je u tabeli.
Sektori
C1
C2
C3
Cena po seriji

Dakle, imamo da je
vai
.
Traeni model je

vreme potrebno za izradu serije prozora po satima


Prozor A
Prozor B
1
0
0
2
3
2
3,000 eur
5,000 eur

, odnosno

raspoloiv broj sati za


prozivodnju, nedeljno
4
12
18

. Konano, koliina proizvoda je nenegativna veliina pa

pri ogranienjima

17

Ok, dobrili smo model. A reenje?


Problemi sa dve promenljive lako se mogu reiti grafikom metodom. Neka je dat koordinatni sistem
osnovu ogranienja, vidimo da nam je potreban samo I kvadrant. Na slici je dopustiv skup osenen:

. Na

Reenje problema nalazi se u dopustivom


skupu (granice skupa su ukljuene). Kako se
odreuje vrednost funkije cilja? Neka je
. Potrebno je maksimizirati vrednost . To se
moe uiniti metodom pokuaja.
Na primer, uzmimo da je
.
Potrebno je proveriti da li postoji taka
koja zadovoljava ovu relaciju a nalazi se
unutar dopustivog skupa. Povlaenjem prave
primetimo da postoji nekoliko taaka
koje zadovoljavaju datu relaciju (slika) ali isto tako
vidimo da
moe imati i veu vrednost, npr 20.
Ponovo vidimo da postoji niz taaka koje
zadovoljavaju relaciju
i da bi nova
prava bila paralelna prethodnoj. Kako bi im i svaka
druga prava konstruisana na opisan nain bila
paralelna i kako se vrednost funkcije cilja poveava
srazmerno poveanju vrednosti

sa slike vidimo da je maksimalna vrednost koju


moe imati je 6 za
. Maksimalna vrednost koju promenljiva
maksimalnu vrednost , odakle sledi da je

18

moe imati se dobija i za

Dakle, fabrika e najvie zaraditi ukoliko bude proizvodila 2 serije prozora A, odnosno 6 serija prozora B
nedeljno (
) i pri tom e zaraivati 36,000 eur.
Da li je mogue organizovati proizvodnju tako da ukupna zarada iznosi 50,000?
Ako je planirana zarada 18,000 eur, organizovati proizvodnju?

PRIMER 14
pri ogranienjima

REENJE:
Nacrtamo grafike ogranienja i osenimo prostor na kome je funkcija definisana a zatim nacrtamo i samu
funkciju (slika nie).

Optimalno reenje se dostie u taki preseka pravih


iznosi

, odnosno u taki

PRIMER 15
Sledee LP probleme reiti grafikom metodom
a)
pri ogranienjima

b)
pri ogranienjima

Reiti i zadatke 1 i 2 grafikom metodom.

19

Dualnost u linearnom programiranju


Posmatramo problem linearnog programiranja u simetrinom obliku:
(1)
Neka je matrica dimenzije
sa kolonama
i neka je
.
Problem (1) se naziva PRIMALNI PROBLEM i njemu odgovara DUALNI PROBLEM oblika:
(1)
Dualni problem moemo da transformiemo uvoenjem izjednaavajuih promenljivih:
(1)
Teorema (Slaba dualnost):
Za bilo koje dopustive take

problema (P) odnosno problema (D) vai:

Teorema (Jaka dualnost):


Ako jedan od problema (P) i (D) ima optimalno reenje onda i drugi ima optimalno reenje. Pri tom, za njihova
optimalna reenja vai:

Stavovi dualnosti:
- dual duala je primal.
- ako je optimalni reenje primala , odnosno duala , tada vai:
.
- ako primal (dual) ima konano optimalno reenje, tada i dual (primal) ima konano optimalno
reenje.
- ako primal (dual) nema ogranieno optimalno reenje, onda i dual (primal) nema mogue
reenje.
Neophodni uslovi optimalnosti:
Dopustiva taka
problema P je njegovo optimalno reenje akko postoji taka
da su zadovoljeni uslovi komplementarnosti:

Dopustiva taka
problema D je njegovo optimalno reenje akko postoji taka
da su zadovoljeni uslovi komplementarnosti.

20

dopustiva za D takva

dopustiva za P takva

PRIMER 16
Odrediti dualni problem sledeeg problema:

pri ogranienjima

Reenje
Primalni model linearnog programiranja moe se matrino prikazati kao
funkcija cilja:

pri ogranienjima:

Dualni problem u matrinom obliku:


tj.

gde je skup ogranienja

, tj.

21

PRIMER 17
Primarni problem P
pri ogranienjima

REENJE:
Jednaine iz ogranienja zapisaemo preko nejednakosti:

Dualni problem je oblika

Moemo da uvedemo smenu:


,
Tada, dualni problem se moe zapisati kao:

tj. ogranienja su

Nai dual duala i pokazati da je on primalni problem !!!!

22

PRIMER 18
Primarni problem

Dualni problem
max 3y1 10y2

min 10x1 5x 2 4x 3
3x1 2x 2 3x 3 3

(P)

4x1

3y1 4y2 10

(D)

2y1

2x 3 10

3y1 2y2 4

xi 0

yi 0

PRIMER 19
Primarni problem

Dualni problem
min 3y1 9y2 7y3

max 12x1 2x 2 x 4

(P)

4x1 7x 2 4x 3 2x 4 3
8x1 2x 2 x 3 3x 4 9

4y1 8y2 3y3 0

(D)

7y1 2y2 5y3 12


4y1 y2 2y3 2

3x1 5x 2 2x 3 x 4 7

2y1 3y2 y3 1

xi 0

yi 0

PRIMER 20
Reiti sledee LP probleme
max x 2 x 3

min x1 x 2 x 3

a)

x1 x 2 x 3 x 4 4
x1 3x 2 x 3 x 4 2

x1 x 2 x 3 x 4 2

b)

x1

x1 3x 2 x 3 x 4 2

x2 , x3 0

x1 , x 2 , x 3 , x 4 0

PRIMER 21
a) Nai dualne probleme problemima iz zadataka 14 kao i duale njihovih duala.
b) Nai dual za primer br 3 a zatim ga reiti nekom metodom.

PRIMER 22
Reiti problem P
pri ogranienjima

reavajui njegov dual grafikim putem.

23

PRIMER 23
Da li je

optimalno reenje problema

pri ogranienjima

Reenje
Dualni problem poetnog problema je oblika
pri ogranienjima

Pokuajmo da naemo dopustivu taku


komplementarnnosti:

duala koja sa

zadovoljava uslove

Druga, trea i osma jednakost su zadovoljene. Reavamo preostali sistem.


Iz prve, etvrte i pete jednakosti sledi da je
. Na osnovu este jednaine dobija se da je
, odnosno na osnovu sedme
Kako je

dopustivo reenje problema D sledi da je

24

optimalno reenje problema P.

3. AS

Simpleks metoda
Prvi je predloio Dantzig 1947.god.
Ideja simplex metode za reavanje problema linearnog programiranja je u pretraivanju moguih reenja.
Polazi se od jednog takvog reenja i formira se niz sve boljih bazisno moguih reenja.
Simplex metoda ima vie verzija, prvo emo koristiti tablini zapis simplex metode.
Reavamo problem:

uz pretpostavku da je

je saglasan i ne sadri suvine jednaine.

, tj sistem

Algoritam simplex metode


Korak0:
Korak1:

Formirati simplex tablicu za zadati problem (LP tablicu).


Postaviti broja na nulu (k=0)
Proveriti da li je
za svako j, ako jeste prei na Korak6.

Korak2:

Ako je za svako j
proveriti da li je i
.
Ako jeste prei na Korak7.
Nai
za koje je
. (r- pivotni, s-stoerni element)
Najee se uzima
Nai
takvo da je

Korak3:

i prei na Korak4
Korak4:

Korak5:
Korak6:
Korak7:

Elementarnim transformacijama napraviti (


)-vu simplex tablicu, odnosno podeliti s-tu vrstu
sa
(
) a ostalim vrstama dodati s-tu vrstu pomnoenu odgovarajuim koeficijentima
tako da se dobije da je
. Prei na Korak5.
Zameniti k sa k+1 i prei na Korak1.
Bazino reenje koje odgovara k-toj tablici je optimalno.
Vrednost funkcije je . STOP
Funkcije cilja je neograniena odozdo. STOP.

LP tablica je dimenzije
z

C1

c2

cn

b1

A11

a12

a1n

b2

A21

a22

a2n

bm

am1

am2

25

amn

: postoji m linearno nezavisnih kolona matrice. Svaki skup m linearno nezavisnih kolona se
naziva bazom matrice A.
Matrica A se sastoji iz n kolona K i , A K1 K 2 ... K n .

Neka su AB K j1 ,..., K jm

kolone koje ine bazu matrice, skup B j ,., j predstavlja indekse kolona
1

koje ine bazu.


Promenljive se nazivaju bazinim promenljivim a ostale nebazinim u odnosu na bazu B.
Bazino reenje se dobija kada se nebazine promenljive izjednae sa nulom i sistem Ax=b rei po
bazinim promenljivim.
Polazni sistem moemo da zapiemo na sledei nain:

AB xB AN xN b
gde su sa x B oznaene bazine promenljive, a sa x N nebazine promenljive.
Pomnoimo celu formulu sa AB 1 , dobiemo da je

xB AB 1AN xN AB 1b
Ako izjednaimo nebazine promenljive sa nulom, polazni problem se svodi na problem

xB * AB 1b, xN * 0 .

26

PRIMER 24

Reenje:
Prvo uvodimo izjednaavajue promenljive i svodimo problem na kanonski oblik uvoenjem vetakih
promenljivih:

Odgovarajua LP tablica je
funkcija cilja
0
1
3

originalne promenljive
-1
-1
1

-2
1
1

vetake promenljive
0
1
0

0
0
1

Iz uslova
sledi da druga kolona moe da ue u bazu..
Budui da je
sledi da bazu naputa 4.kolona.
Pivotiramo oko elemenata
ime dobijamo novu simpleks tablicu:
funkcija cilja
2
1
2

Kako je dalje

originalne promenljive
-3
-1
2

, pivotiranjem oko
funkcija cilja
5
2
1

Optimalno reenje je

0
1
0

vetake promenljive
2
1
-1

0
0
1

dobijamo:

originalne promenljive
0
0
1

0
1
0

a optimalna vrednost -5.

27

vetake promenljive

-1/2

3/2

PRIMER 25

Reenje:
Prvo uvodimo izjednaavajue nenegativne vetake promenljive
cilja na problem minimizacije

, a zatim transformiemo funkciju

Formiramo LP tablicu:
fja cilja
0
2
5
6

vetake promenljive

originalne promenljive
-3
2
1
2

-1
1
2
2

-3
1
3
1

Bazu ine vetake promenljive (za sada).


Primetimo da u funkciji cilja imamo negativnih vrednosti (
se trai iz relacije

Pivot je

0
1
0
0

0
0
1
0

0
0
0
1

), traimo pivot u npr. prvoj koloni. Pivot


. Prvo ogranienje delimo sa

. Tako

korigovano prvo ogranienje mnoimo sa 3 i dodajemo funkciji cilja, oduzimamo od drugog ogranienja,
odnosno mnoimo sa (-2) i dodajemo treem ogranienju. Na ovaj nain promenljiva
ulazi u bazu.
fja cilja
3
1
4
4

Sada se je samo
5/2.

0
1
0
0

3/2
1

-3/2

5/2
0

3/2

-1/2
-1

0
0
1
0

negativno. Biramo pivot u koloni koja odgovara promenljivoj

fja cilja
27/5
1/5
8/5
4

vetake promenljive

originalne promenljive

14/10
1/5
3/5
1

koja ulazi u bazu. Pivot je

vetake promenljive

originalne promenljive
0
1
0
0

0
0
0
1

0
0
1
0

6/5
3/5
-1/5
-1

Konano, promenljive
i
su u bazi, njihove vrednosti su
,
nije u bazi i njena vrednost je zbog toga
. Vetaka promenljiva
vrednost 4 i ona ne utie na vrednost funkcije cilja koja iznosi -27/5.

28

3/5
0
2/5
0

0
0
0
1

, dok promenljiva
je takoe u bazi i ima

PRIMER 26

Reenje:
Traimo minimum funkcije
Formiramo LP tablicu

pri datim ogranienjima.

funkcija cilja
0
6
10
0
6

originalne promenljive
-1
0
0
1
0

1
0
1
0
0

-1
3
2
0
1

3
2
-1
0
0

-1
1
0
0
0

1
1
0
-1
1

3
0
0
0
1

elimo da eliminiemo negativne vrednosti u nultom redu tablice.


Primetimo da tablica ima bazne kolone (I, II, IV i VII). Prvu vrstu pomnoimo sa 1 i dodamo je nultoj vrsti
(dobijamo
). Isti postupak ponovimo sa treom vrstom (dobiemo da je
). Drugu vrstu pomnoimo
sa -1 i dodamo nultoj vrsti (rezultat je
), dok etvrtu vrstu mnoimo sa -3 (
). Kao rezultat dobijamo
novu tablicu:
funkcija cilja
-22
6
10
0
6

originalne promenljive
0
0
0
1
0

0
0
1
0
0

-3
3
2
0
1

6
2
-1
0
0

0
1
0
0
0

-2
1
0
-1
1

0
0
0
0
1

Bazino reenje koje odgovara ovoj tablici je (0,10,0,0,6,0,6). Ovo reenje nije optimalno (imamo negativnih
vrednosti u nultoj vrsti). Primenjujemo korak4 iz algoritma za
i
i dobijamo drugu simplex tablicu.
funkcija cilja
-16
2
6
0
4

originalne promenljive
0
0
0
1
0

0
0
1
0
0

0
1
0
0
0

8
2/3
-7/2
0
-2/3

1
1/3
-2/3
0
-1/3

-1
1/3
-2/3
-1
2/3

0
0
0
0
1

Bazino reenje koje odgovara ovoj tablici je (0,6,2,0,0,0,4) . Reenje nije optimalno, primenom koraka 4 za
,
dobijamo treu simplex tablicu

29

funkcija cilja
-10
0
10
6
6

originalne promenljive
0
0
0
1
0

0
0
1
0
0

0
1
0
0
0

7
1
-3
-1
-1

1/2
-1
-1/2
-1/2

0
0
0
0
1

3/2
-1/2
1
3/2
3/2

Bazino reenje koje odgovara ovoj tablici je (6,10,0,0,6,0). Ovo reenje je optimalno, optimalna vrednost
funkcije je 10. Sledi da maksimalna vrednost funkcije z je -10.

PRIMER 27
Fabrika proizvodi 3 vrste paketa: A, B i C. Model A zahteva 8 obrade, 5 lakiranja i 6 suenja. Model B
zahteva 6 obrade, 4 lakiranja i 2 suenja. Model C zahteva 5 obrade, 2 lakiranja i 4 suenja. Stolar ima
na raspolaganju ukupno 96 za obradu, 44 za lakiranje i 58 za suenje. Zarada po jedinici modela A, B i C je
380eur, 260eur i 220 eur.
Kojom e se kombinacijom proizvodnje postii maksimalna dobit?
Formirati matematiki model i reiti problem.
Reenje:
Matematiki model za dati problem je sledeeg oblika:

Odgovarajua LP tablica je:


funkcija cilja

96
44
58

Biramo
Uzimamo da je pivot
Nova tablica,

vetake promenljive

originalne promenljive
-380
8
5
6

-260
6
4
2

-220
5
2
4

, dalje dobijamo

0
1
0
0

0
0
1
0

0
0
0
1

i elementarnim transformacijama anuliramo sve vrednosti u prvoj koloni.

funkcija cilja
3344
25.6
8.8
5.2

originalne promenljive
0
0
1
0

44
-0.4
0.8
-2.8

-68
1.8
0.4
1.6

30

vetake promenljive
0
1
0
0

76
-0.2
0.2
-1.2

0
0
0
1

Imamo da je

funkcija cilja
3565
19.75
7.5
3.25

3940
6
5
12

vetake promenljive

originalne promenljive
0
0
1
0

funkcija cilja

), pivot je

-75
2.75
1.5
-1.75

0
0
0
1

0
1
0
0

Dakle, reenje problema je

0
0
1
0

42.5
-1.125
-0.25
0.625

vetake promenljive

originalne promenljive
50
-1.8333
0.6667
1.1667

25
1.15
-0.06
-0.75

0
0
0
1

0
1
0
0

22
1.26
-0.04
-0.82

30
-0.6667
-0.1667
0.3333

oekivana zarada iznosi 3940eur.

PRIMER 28
Reiti sledei problem simpleks metodom:
pri ogranienju

Reenje
Uvodimo izravnajue promenljive

I posmatramo problem minimizacije


funkcija cilja

originalne promenljive

vetake promenljive

0
11
27
90

-4
-1
1
2

0
1
0
0

-6
1
1
5

0
0
1
0

0
0
0
1

Vidimo da bazu problema ine vetake promenljive. Uz promenljivu


u funkciji cilja nalazi se najmanja
negativna vrednost. Traimo pivot u koloni koja odgovara toj promenljivoj. Pivot se bira iz uslova
. Dakle, pivot je

ulazi u bazu, promenljiva

dobijamo tablicu

31

izlazi iz baze. Nakon pivotiranja

funkcija cilja

originalne promenljive

66
11
16
35

-10
-1
2
7

Sada je u funkciji cilja uz promenljivu


, dakle

0
1
0
0

vetake promenljive
6
1
-1
-5

0
0
1
0

0
0
0
1

negativna vrednost. Ona ulazi u bazu. Pivot je

izlazi iz baze. Nova tablica je


funkcija cilja

originalne promenljive

116
16
6
5

Simpleks metod nije zavren. Uz


postupku, ulazi u bazu.

0
0
0
1

-8/7
2/7
3/7
-5/7

0
0
1
0

10/7
1/7
-2/7
1/7

se u funkciji cilja nalazi negativna vrednost. Analogno prethodnom

funkcija cilja

originalne promenljive

132
12
14
15

Reenje problema je
Funkcija cilja ima vrednost

0
1
0
0

vetake promenljive

0
0
0
1

0
1
0
0

vetake promenljive
0
0
1
0

8/3
-2/3
7/3
5/3

2/3
1/3
-2/3
-1/3

.
.

PRIMER 29
Reiti sledei problem simpleks metodom:
max 2x1 3x 2
p.o.

4x1 5x 2 16
-2x1 3x 2 3
x1, x 2 0

Hint: Uvesti izjednaavajue promenljive. Optimalno reenje je (3/2,2) a vrednost funkcije iznosi 9.

PRIMER 30
Reiti sledei problem simpleks metodom:
max 3x1 2x 2
p.o.

x1 x 2 3
- x1 2x 2 8
x1

x1 2x 2 12
x1, x 2 0

Optimalno reenje je (4,4) a vrednost funkcije iznosi 20.

32

PRIMER 31
Reiti sledei problem simpleks metodom:
pri ogranienju

Reenje je

. Funkcija cilja ima vrednost 15.

PRIMER 32
Reiti sledei problem simpleks metodom:
pri ogranienju

Reenje je

. Funkcija cilja ima vrednost 30.

PRIMER 33
Reiti sledei problem simpleks metodom:
max 2x1 x 2 x 3
p.o.

2x1 x 2 x 3 20
6x1 3x 2 2x 3 50
2x1 x 2 2x 3 12
x1, x 2 , x 3 0

Optimalno reenje je (5,0,3) a vrednost funkcije iznosi 20.

PRIMER 34
Reiti primere 4 i 5 simplex metodom.

33

Dualna simplex metoda


Dat je problem linearnog programiranja:

min c T x
Ax b
x 0
Kome odgovara LP tablica
-Z

c1

c2

cn

b1

a11

a12

a1n

b2

a21

a22

bm

Am1

am2

a2n

amn

Tablicu nazivamo dualnom simplex tablicom ako ona meu kolonama 1,,n sadri m razliitih bazinih
kolona i vai . Ukoliko je ispunjeno c1 0,..., cn 0 i b1 0,..., bn 0 onda je dualana simplex tablica
istovremeno i simplex tablica pa ja odgovarajue dopustivo reenje takoe optimalno.
Algoritam dualne simplex metode
Korak0: Staviti da je k=0. K-ta iteracija se dobija na sledei nain.
Korak1: Ispitati da li je bi k 0, i 1,..., m . Ako jeste prei na korak6.
k
Korak2: Za svako i za koje je b j 0 ispitati da li je aij 0 za sve j = 1,n.
k
Ako takvo b j postoji prei na korak 7.

Korak3: Odrediti s 1,..., m za koje je bsk 0 . Nai r 1,..., n takvo da je


k

cr k
cj

max
| asj k 0

k
k
asr
a

sj

Korak4: Dobiti (k+1)-vu dualnu simplex tablicu sledeim elem. transformacijama k-te dualne simplex tablice:
Podeliti s-tu vrstu sa asr k . Ostalim vrstama, ukljuuji i prvu, dodati s-tu vrstu pomnoenu
odgovarajuim koeficijentima tako da se dobije air k 1 0 za i s i cr k 1 0 .
Korak5: Zameniti k sa k+1 i prei na korak1.
Korak6: Dobijena dualna simplex tablica je ujedno i simplex tablica.
Bazino reenje koje joj odgovara je optimalno, vrednost funkcije cilja je z 0k . STOP.
Korak7: Skup dopustivih reenja posmatranog problema je prazan. STOP.

34

PRIMER 35
pri ogranienjima

Reenje:
Uvodimo izjednaavajue promenljive i svodimo problem na kanonski oblik.
Dobijamo problem:
pri ogranienjima

Novom problemu odgovara dualna simplex tablica


funkcija cilja
0
1
-5

originalne promenljive
9
-3
-4

1
1
-2

1
-2
1

0
1
0

0
0
1

0
1
0

1/2
1/2
-1/2

Primenimo algoritam za dualni simplex:


funkcija cilja
-5/2
-3/2
5/2

originalne promenljive
7
-5
2

0
0
1

3/2
-3/2
-1/2

Dobijena tablica nije simplex tablica. Nastavljamo sa primenom algoritma:


funkcija cilja
-4
1
3

originalne promenljive
2
10/3
11/3

0
0
1

0
1
0

1
-2/3
-1/3

0
-1/3
-2/3

Dobijena tablica jeste simplex tablica. Bazino dopustivo reenje koje joj odgovara je (0,3,1,0,0) a optimalna
vrednost funkcije z je 4.

35

PRIMER 36
Retiti dualnom simplex metodom
pri ogranienjima

PRIMER 37
Dva tipa proizvoda, A i B, mogu se izraivati na dva tipa maina, P i Q. Maina P moe da proizvede 4 jedinice
proizvoda A i 3 jedinice proizvoda B na sat. Maina Q moe da proizvede 1 jedinicu proizvoda A i 4 jedinice
proizvoda B na sat. Trokovi eksploatacije maine P su 17, a maine Q 14 novanih jedinica na sat.
Preduzeu je neophodno najmanje 7 jedinica proizvoda A i 15 jedinica proizvoda B. Koliko sati rada svake
maine je neophodno da bi zahtevi preduzea bili zadovoljeni i da bi trokovi eksploatacije bili minimalni?
Reenje:
Promenljive x1 i x2 predstavljaju brojeve sati rada maina P i Q respektivno.
Matematiki model problema:
pri ogranienjima

PRIMER 38
Proizvodno preduzee raspolae sa 3 vrste sirovina: od prve ima 120, od druge 80 i od tree 240 jedinica.
Sirovine se koriste za izradu 5 vrsta proizvoda. Pri izradi jedinice prvog proizvoda potroe se jedna jedinica
prve, dve jedinice druge i etiri jedinice tree sirovine. Pri izradi jedinice drugog proizvoda potroe se pet
jedinica druge i jedna jedinica tree sirovine. Pri izradi jedinice treeg proizvoda potroe se etiri jedinice prve,
dve jedinice druge i pet jedinica tree sirovine. Pri izradi jedinice etvrtog proizvoda potroe se dve jedinice
prve i jedna jedinica druge sirovine. Pri izradi jedinice petog proizvoda potroe se etiri jedinice prve i etiri
jedinice tree sirovine. Jedinicu prvog proizvoda preduzee prodaje po 20, drugog po 10, treeg po 40,
etvrtog po 20 i petog po 15 novanih jedinica. Kako preduzee treba planirati proizvodnju da bi od prodaje
imalo najvei prihod?

36

Dvofazna modifikacija simplex metode


Dat je problem linearnog programiranja:
min c T x
(1)
Ax b
x 0
Ako je poznata jedna dopustiva baza, problem se svodi na kanonski oblik i odgovara simpleks metodi koju smo
ranije radili. Cilj ovog postupka je da pomou simplex metode reimo problem koji nema poznatu bazu.
Pretpostavimo da je b 0 (ako nije pomnoimo sve jednaine sa -1). Uoavamo pomoni problem linearnog
programiranja:
min e T w

(2)

Ax w b
x 0, w 0

m
gde je e 1, ,1 R , w R m (w je vektor vetakih promenljivih).

Skup dopustivih reenja problema (2) je neprazan, i funkcija cilja je ograniena nulom odozdo.

Algoritam modifikacije dvofazne simplex metode


I Faza
Za problem (1) formiramo problem (2) kome se pridruuje LP tablica.
LP-tablica se svodi na simplex tablicu eleminacijom nula iz nulte vrste a zatim se prelazi na algoritam za
reavanje simplex metode.
Kako je funkcija cilja ograniena odozdo razlikujemo dva sluaja:
1. Optimalna vrednost je vea od nule. Tada problem (1) nema dopustivih reenja i postupak se zavrava.
2. Optimalna vrednost je jednaka nuli (sledi da su u optimalnom bazinom dopustivom reenju sve vetake
promenljive jednake nuli). Prelazi se na II fazu.
II Faza
Korak1:
Iz poslednje simplex tablice dobijene u I fazi uklanjaju se sve vetake promenljive, a nulta vrsta se zamenjuje
vrstom [0|c1 cn 0 0] koja ima n+k+1 element, pri emu je k broj bazinih promenljivih. Dobijena LP tablica
se svodi na simplex tablicu eliminacijom onih c j 0 koji odgovaraju bazinim promenljivim.
Korak2:
Ukoliko je k=0 ii na korak3.
U suprotnom u simplex tablici postoje bazine kolone koje odgovaraju vetakim promenljivim. Uoimo jednu
od njih, koja npr. odgovara vetakoj promenljivoj ws . Neka ta kolona sadri jedinicu u vrsti v. Razlikujemo
dva sluaja:

37

1. Svi elementi vrste v osim bazine su jednaki nuli. Tada se vrsta v i kolona koja odgovara
promenljivoj ws izostavljaju iz simpex tablice
2. Neka je osim bazine jedinice na primer r-ti element vrste v razliit od nule. Tada je i r 0 jer
je ws na nivou nula, i tada r-ta kolona odgovara vetakoj promenljivoj jer su izostavljene sve
kolone koje odgovaraju nebazinim promenljivim. Pomou stoerne transformacije, sa
stoernim elementom u preseku vrste v i kolone r , uiniti r-tu kolonu bazinom. Zatim, izostaviti
kolonu koja odgovara promenljivoj ws jer se radi o nebazinoj koloni koja odgovara vetakoj
promenljivoj. Zameniti k sa k+1 I prei na korak 2.
Korak3:
Dobijena simplex tablica sadri samo kolone koje odgovaraju promenljivim iz problema (1). Primeniti algoritam
za simplex kanonsku metodu.
PRIMER 39
Reiti sledei problem korienjem Simpleks metode:

Reenje:
-

proverimo da li su sve vrednosti vektora


jednainu mnoimo sa -1.
Faza I
o dodajemo vetake promenljive
podmatricu:

ne-negativne. Ukoliko za neko

vai

itavu

kako bi u ogranienjima imali jedininu

Budui da je potrebno da sistem bude u kanonskoj formi na poetku, od funkcije cilja oduzimamo
drugu i treu jednainu. Postupci minimiziranja funckije slini su kao kod odreivanja minimuma
funkcije .
bazne pr.

fja cilja
1

vetake promenljive

originalne promenljive
-5
4
1

-3
2
1

-18
13
5

-4
3
1

-2
1
1

1
0

0
1

-24
17
7

Iteracija 1 (faza I)
Odredimo pivot tablice (kolona
, I ogranienje) i podelimo drugu vrstu sa 13, a zatim
elementarnim transformacijama eliminiemo sve vrednosti kolone
. Ovakvim postupkom
dobijamo novu bazu koju ine
i . Ovakvim postupkom vrednost funkcije se poveava sa -24
na 6/13.
bazne pr.

fja cilja

vetake promenljive

originalne promenljive

1
4/13
-7/13

-3/13
2/13
3/13

0
1
0

38

2/13
3/13
-2/13

-8/13
1/13
8/13

18/13
1/13
-5/13

0
0
1

-6/13
17/13
6/13

Iteracija 2 (faza I)
Za pivot uzimamo vrednost 8/13. Elementarnim transformacijama eliminiemo sve vrednosti
kolone . Opisanim postupkom dobijamo da je vrednost funkcije
jednaka nuli. Ovu vrednost
funkcije dobijamo za
i
. Eliminiemo funkciju cilja i unosimo vrednosti poetne
funckije cilja. Prelazimo na fazu II.
bazne pr.

fja cilja

vetake promenljive

originalne promenljive

1
3/8
-7/8
bazne pr.

fja cilja
1

1
0

1/8
3/8

1/4
-1/4

1
1/8
3/8

2
1
0

1
-1/8
13/8

0
5/4
3/4

vetake promenljive

originalne promenljive
2
3/8
-7/8

1
1/8
-5/8

0
1

1
1/4
-1/4

4
0
1

0
1/8
-5/8

0
-1/8
13/8

0
5/4
3/4

Iteracija 2 (faza II)


Eliminiemo vrednosti koje se nalaze u funkciji cilja uz bazne promenljive. Dakle, oduzimamo prvo
ogranienje pomnoeno sa 2 i drugo ogranienje pomnoeno sa 4 od funkcije cilja.
bazne pr.

fja cilja
1

19/4
3/8
-7/8

-3/4
1/8
3/8

1
0

3/2
1/4
-1/4

Iteracija 3 (faza II)


Novi pivot se bira tako da se nalazi u koloni u kojoj
koja zadovoljva relaciju
bazne pr.

9/4
1/8
-5/8

0
1

1
0

0
1

1
1/3
-2/3

Dakle, funkcija cilja ima vrednost 4 koju dostie za


jednake nuli.

PROBLEM 40
Reiti sledei problem Simpleks metodom

39

-11/2
5/4
3/4

drugo ogranienje) .

vetake promenljive

originalne promenljive
3
2/3
-7/3

-25/4
-1/8
13/8

ima najveu negativnu vrednost, a u koloni

. Dakle pivot ima vrednost 3/8 (kolona

fja cilja
1

vetake promenljive

originalne promenljive

2
-1/3
8/3

1
1/3
-5/3

19/2
-2/3
13/3

-4
1
2

dok su ostale promenljive

PRIMER 41
min f x ,

f x 2x1 3x 3 x 4
x 2
2x1

p.o.

x1

x2

x 3

x 4

2x 3

4x 4

12

2x 3

x 4

xi

i 1, 2, 3, 4

Reenje:
Problem nije u kanonskom obliku, zato primenjujemo fazu I:
reavamo pomoni (pridrueni) problem, min w
min w x ,

w x x5 x6 x7
x 2
2x1

p.o.

x1

x2

x 3

x 4 x5

2x 3

4x 4

2x 3

x4

12

+x 6
+x 7
xi

i 1,..., 7

Problemu min w odgovara LP tablica:


funkcija cilja

vetake promenljive

originalne promenljive

0
3
12
3

0
0
2
1

0
-1
0
1

0
-1
2
2

0
1
4
1

1
1
0
0

1
0
1
0

1
0
0
1

Faza1:
elimo da eliminiemo jedinice koje se nalaze u funkciji cilja:
I, II I III vrstu pomnoimo sa -1 i dodamo funkciji cilja. Ovim postupkom dobijamo novu tablicu na koju
primenjujemo simpleks algoritam.
funkcija cilja

vetake promenljive

originalne promenljive

-1

-1

12

-18

-3

-3

-6

-1

-1

12

-1

-2

-3

-1

-2

-4

-6

-4

U funkciji cilja vie nemamo negativnih vrednosti, dakle (0,0,0,3,0,0,0) je optimalno reenje. Optimalna
vrednost funkcije w je nula pa prelazimo na drugu fazu.

40

II Faza
Poslednja kolona iz tablice je nebazina, odgovara vetakoj promenljivoj i zato je uklanjamo (korak1).
funkcija cilja
0
0
0
3

2
-1
-2
1

U funkciji cilja uz baznu promenljivu


funkcija cilja
-3
0
0
3

vetake promenljive

originalne promenljive
0
-2
-4
1

3
-3
-6
2

1
0
0
1

0
1
0
0

se nalazi 1 koju hoemo da eliminiemo.


vetake promenljive

originalne promenljive
1
-1
-2
1

0
0
1
0

-1
-2
-4
1

1
-3
-6
2

0
0
0
1

0
1
0
0

0
0
1
0

Eliminiemo zatim, promenljivu


koja je vetaka i umesto nje prvu kolonu uinimo bazinom (korak3,
sluaj2). Dobijamo novu tablicu/
Promenljiva
je vetaka a svi preostali elementi druge vrste su jednaki nuli, izostavljamo zato II vrstu i
kolonu koja odgovara toj promenljivoj ( ), dakle briemo V kolonu (korak3, sluaj1). Dobijena simplex tablica
je:
funkcija cilja
-3
0
0
3

vetake promenljive

originalne promenljive
0
1
0
0

funkcija cilja

-3
2
0
-1

-2
3
0
-1

0
0
0
1

1
-1
-2
1

0
0
1
0

vetake
promenljive

originalne promenljive

-3
0
0
3

0
1
0
0

-3
2
0
-1

-2
3
0
-1

0
0
0
1

-3
0
3

0
1
0

-3
2
-1

-2
3
-1

0
0
1

0
0
1
0

Kako su eleminisane sve vetake promenljive moemo prei na korak 4.


Dobijamo simplex tablicu:
funkcija cilja
-3
0
3

originalne promenljive
3/2

0
1
0

5/2
3/2
1/2

0
0
1

Bazino reenje koje odgovara ovoj tablici je (0,0,0,3) i ono je optimalno. Optimalna vrednost funkcije z je 3.
Napomena: U pretposlednjoj i poslednjoj simplex tablici odgovara isto bazino reenje pa samim tim i ista
funkcija cilja. Ovo je posledica degenerisanosti, tj. prisustvo nula u poslednjoj koloni.

41

PRIMER 42
Reiti dvofaznom modifikacijom simpleks metode sledee probleme linearnog programiranja
a)
b)
min 2x1 3x 2
2x1 x 2 x 3 3
x1 x 2 x 3 2
xi 0

max 5x1 x 2 x 3 10x 4 7x 5


3x1 x 2 x 3 4
x1 x 2 x 3 x 4 1
2x1 x 2 2x 3 x 5 7
xi .0

c)

PRIMER 43
Reiti simplex metodom, dualnom simplex metodom ili dvofaznom modifikacijom simplex metode sledee
probleme
b)

a)

dualni problem (0,4,8)


c)

42

LP problem sa parametrom
PRIMER 44
Pretpostavimo da imamo neku kompaniju koja bavi prozivodnjom stolica i stolova. Neka je broj proizvedenih
stolica oznaen sa , odnosno broj proizvedenih stolova oznaen veliinom
i neka je funkcija cilja, npr.
(svaka stolica donosi zaradu u iznosu od 45 eur dok svaki sto donosi zaradu od 80 eur).
Interesuje nas da li bi kupcima mogli da omoguimo neki popust i u kom iznosu. Kako e se zarada menjati,
ako bi se cene proizvoda uveale/umanjile za neku vrednost .
Razmatraemo nekoliko sluajeva:
(na asu)
(na asu)
Pri ogranienjima

Originalni problem, tj. problem za


ima optimalno reenje
Sada nas interesuje vrednost profit kompanije u zavisnosti od toga da li se
Problem reavamo Simpleks metodom.
Neka je
Formiramo LP tablicu:
funkcija cilja

vetake promenljive

originalne promenljive

0
400
450

5
10

i iznosi
eur.
poveava ili smanjuje.

0
1
0

20
15

0
0
1

U koloni koja odgovara funkciji cilja nemamo negativnih vrednosti, stoga je traeno reenje
. Uzmimo sada da je
. Kolona koja odgovara promenljivoj
ima negativno c, tj. kolona uz promenljivu
ulazi u bazu,

izlazi iz baze (

).

funkcija cilja

originalne promenljive

vetake promenljive

0
20
150

Ako je

sledi da je

25/4

, promenljiva

funkcija cilja

1
0

0
1/20
-15/20

ulazi u bazu, dok

originalne promenljive

0
1

izlazi iz baze (

vetake promenljive

0
14
24

Ako je
Neka je
a)
b)

0
1

1
0

dobija se da je

2/25
-3/25

. Odnosno

Razlikujemo sluajeve:
reenje problema je

c)
47

-1/25
4/25

za

PRIMER 45
Reiti sledei problem
pri ogranienjima

Za sve vrednosti parametra .


Reenje:
funkcija cilja

originalne promenljive

0
2
5

Neka je
, promenljive
drugo ogranienje

1
1
2

1
0
1

1
0

2
3

ine bazu. Funkciji cilja dodajemo prvo ogranienje pomnoeno sa i oduzimamo


funkcija cilja

originalne promenljive

2
5

0
0
1

1
2

0
1
0

2
3

(sluaj 1)
Promenljiva

ulazi u bazu,

izlazi iz baze.

funkcija cilja

originalne promenljive
0
1/2
1/2

1
2

(sluaj 1.1)

dobija se reenje

(sluaj 1.2)

dobija se da

0
1
0

Reenje polaznog problema

, funkcija cilja ima vrednost

0
0
1

1
-2

0
2
-1

, gde je vrednost fje cilja -3.


ulazi u bazu.
funkcija cilja

2
1

Reenje je
(sluaj 3)
Neka je

1
0

originalne promenljive

2
1

sledi da

-3/2

izlazi iz baze.

funkcija cilja

(sluaj 2)

0
1

ulazi u bazu,

originalne promenljive
0
1
0

0
0
1

1
-2

. Funkcija cilja ima vrednost


, tada je reenje problema
, tada promenljiva ulazi u bazu, izlazi iz baze:

48

2
-1

.
. Funkcija cilja uzima vrednost

funkcija cilja

1
2

Reenje problema je sada


Konano, moemo da sumiramo sve rezultate:

originalne promenljive

1
0
1

1/2
-3/2

0
1
0

. Funkcija cilja ima vrednost

PRIMER 46
Reiti sledei problem
pri ogranienjima

Za sve vrednosti parametra .

49

PRIMER 47
Reiti sledei problem
pri ogranienjima

Reenje.
Primetimo da promenljive i nisu nenegativne. Uvodimo smenu
. Takoe uvodimo izravnajue promenljive
i . Poetni problem postaje

Promenljiva dodata je obzirom da nismo imali jedininu podbazu. Formiramo LP tablicu.


funkcija cilja
originalne promenljive
vetake promenljive
0
5
3

3
2

funkcija cilja

5
3
Neka je

-1
-1
1

-3
-1

1
1
-1

0
-1
0

-3
-2

1
0

vetake promenljive

originalne promenljive

3
2

0
0
1

-1
1

1
-1

0
0
1

-1
0

0
1
0

. Traimo pivot u koloni koja odgovara promenljivoj


funkcija cilja

1/2
3/2

0
1

0
-1

0
5/2
-1/2

-5/2

funkcija cilja originalne promenljive


0
1/5
8/5

vetake promenljive

originalne promenljive

0
1

0
0
-1

-1
0

-3/2
1/2

vetake promenljive

0
-1
0

1
0

50

-2/5
-1/5

-3/5
1/5

2/5
1/5

1
0

Kako se vrednost

nalazi samo uz kolonu koja odgovara promenljivoj


dobijamo prvo reenje:

tu kolonu. Za

. Traimo reenje za

vrednost

Funkcija ima

nema dopustivog reenja obzirom da su u koloni koja odgovara


sledei vektor koji ulazi u bazu je
dok
izlazi iz baze:

Za
Za,

funkcija cilja

Za
Za

koja je z to nebazna, eliminisaemo

originalne promenljive

sve vrednosti negativne.

vetake promenljive

-5

5
3
-3
5
8
-5
funkcija ima reenje -5 koje dostie za

-1
0

1
0

-1
-1

0
1
.

funkcija cilja originalne promenljive vetake promenljive

1/5
8/5

0
1

0
-1

-1
0

1
0

Reenje problem je sada

-2/5
-1/5

-3/5
1/5

. Funkcija ima vrednost

PRIMER 48
Reiti sledei problem
pri ogranienjima

za sve vrednosti parametra


Reenje.
Na primer, vlasnika fabrike koja se bavi proizvodnjom stolica i stolova zanima kako se menja raspored
proizvodnje i kako se menja zarada ako se broj radnih sati povea ili smanji
Formiramo LP tablicu.
funkcija cilja originalne promenljive vetake promenljive
0

Neka je

. Promenljiva

ulazi u bazu

-45
5
10

-80
20
15

izlazi iz baze,

51

1
0

0
1
za

funkcija cilja

Reenje je

originalne promenljive vetake promenljive


25/3

16/3

-25/3

4/3

2/3

1/15

i dostie se za

Neka je sada

. Promenljiva

izlazi iz baze, ali u bazu ulazi

funkcija cilja originalne promenljive vetake promenljive

Za

sledi da

ulazi u bazu i da

-25

1/20

25/4

-3/4

izlazi iz baze.

funkcija cilja originalne promenljive vetake promenljive

Dobijamo da je reenje problema


Odnosno, za

dobijamo da

1/50

-1/25

-3/25

4/25

i da se dostie za
ulazi u bazu ali da

izlazi iz nje.

funkcija cilja originalne promenljive vetake promenljive

Reenje problema je

100

1/5

-2

i dostie se za

52

PRIMER 49
Reiti sledei problem
pri ogranienjima

za sve vrednosti parametra


Reenje.
Potrebno je proveriti da li je
tom segmentu. Formiramo LP tablicu
funkcija cilja

. Kako ovo vai za

prvo emo reenje traiti na

originalne promenljive

1
1
2
1
1
-2
0
-1
0
1
-1
1
Treba korigovati funkciju cilja obzirom da nad baznim promenljivim imamo nenula vrednosti. Bazu ine vektori
i .
funkcija cilja
originalne promenljive
0
1
0

0
5
0
-2
1
-1
Za
optimalno reenje ima vrednost
koje se dostie za
Neka je, sada
koristimo dualnu Simpleks metodu
funkcija cilja

originalne promenljive
0
1
0

funkcija cilja

1
-1
1

0
0
1

5
-2
-1

1
-1
1

originalne promenljive
1
-1
1

0
0
1

3
2
-3

0
1
0

Reenje je
I konano, neka je
funkcija cilja
0

originalne promenljive
1
1
0

1
-2
1

53

2
0
-1

1
-1
1

funkcija cilja

originalne promenljive
1
0
1
0

3
5
-2
-1

0
0
0
1

Odgovarajue reenje je

3
6
-3
-1

ZADACI ZA VEZBU
ZADATAK 1
Reiti sledei problem minimizacije
pri ogranienjima

ZADATAK 2
Reiti sledei problem minimizacije
pri ogranienjima

Reenje traiti na segmentima

54

ZADATAK 3
Reiti sledei problem minimizacije
pri ogranienjima

Optimalno reenje traiti na segmentima

55