Professional Documents
Culture Documents
Ferhan Yöneylem PDF
Ferhan Yöneylem PDF
Eyll 2003-Istanbul
1. KARAR VERMEDE YNEYLEM ARATIRMASI
Yneylem aratrmas II. Dnya Savanda ngilizler tarafndan askeri amalar iin
kullanlmak zere gelitirilmi bir disiplindir. Daha sonra A.B.D.de yaygn olarak
kullanlmtr. Yneylem aratrmasnn sava dneminde kt kaynaklarn etkin bir ekilde
datm zerinde yapt olumlu gelime, bu disiplinin daha sonra iletmelerde karar alma
arac olarak kullanlmasna yol amtr.
1
ztrk, A. (1997), Yneylem Aratrmas, 5. Bask, Ekin Kitabevi Bursa, s.7.
1.2. Yneylem Aratrmas Kapsamnda Ele Alnan Balca Konular2
2
Winston, W.L. (1994), Operations Research, Second Edition, PWS-KENT Publishing Company, Boston.
1.3. Yneylem Aratrmasnda Bilimsel Yntem
1- Problemin Tanmlanmas
Problemin tanmlanmas evresi, ele alnan problemin incelenip izlenerek
tanmlanmasn kapsar. Bu aamada almann amac/amalar, bu amaca/amalara ulamada
etkili olan sistem kstlar ve karar seenekleri belirlenmelidir.
2- Model Kurma
Problem tanmlandktan sonra problemi etkileyen parametre deerlerinin belirlenerek
problemin matematiksel modeli kurulur. Bir baka deyile problem matematik diline tercme
edilir.
3- Modelin zm
Model kurulduktan sonra optimizasyon algoritmalar kullanlarak zmlenir. Bu evrede
ayn zamanda, model zmlendikten sonra duyarllk analizleriyle parametrelerdeki
deiimlerin optimal zm zerindeki deiimleri incelenir.
4- Modelin Geerlilii
Bu aamada zmlenen modelin gerei doru bir ekilde temsil edip etmedii aratrlr.
Modelden elde edilen sonularla sistemin gzlenmesiyle elde edilen sonular karlatrlr.
Bylece modelin beklenen davranlar sergileyip sergilemedii incelenir.
3
. TAHA, H. (2000), Yneylem Aratrmas, 6. Basmdan eviri, (eviren ve Uyarlayanlar:
. Alp Baray ve akir Esnaf), Literatr Yaynlar:43, stanbul.
2. DORUSAL PROGRAMLAMA (DP)
Model: Bir sistemin deien koullar altndaki davranlarn incelemek, kontrol etmek ve
gelecei hakknda varsaymlarda bulunmak amac ile sistemin elemanlar arasndaki
bantlar kelimeler ya da matematik formllerle belirleyen ifadeler topluluuna model ad
verilir.
Matematiksel Model: Bir sistemin elemanlarnn simgeler ile tanmlanp bunlar arasndaki
ilikilerin fonksiyonlar ile gsterimine "matematiksel model ad verilir.
Karar Modeli: Sistemin yneticisinin kontrol altnda olup, karar deikeni olarak
isimlendirilen deikenlere, hangi deerlerin verilmesi gerektiini belirlemek amacyla
kullanlan matematiksel modellere karar modeli ad verilir.
te YAda en yaygn kullanm alan bulan tekniklerden bir tanesi olan Dorusal
Programlama (DP), dorusal karar modelleriyle ilgili kavram ve teknikler btndr.
Dorusal programlama, btn model parametrelerinin kesin olarak bilindiini varsayan
deterministik bir tekniktir.
Deikenler: Bir problemin modeli kurulduktan sonra deeri hesaplanacak olan bilinmeyen
simgelerdir.
Karar Deikenleri: Bir karar modelinin zmlenmesi srecinde deeri hesaplanacak olan
karar unsurlardr. rnein bir iletmede A ve B tipinde iki farkl rn retilmek istenilsin.
Karar deikenleri x1 ve x2 srasyla, retilecek olan A ve B tipindeki iki farkl rnn retim
miktarlarn gsterirler.
rnek:
X1 + X2 5
X1 + X2 +S1 = 5
2. Artk Deikenler: Fazla kapasiteyi temsil ederler. eklindeki bir kst denklemini
(=) eklinde ifade etmek amacyla kullanlrlar.
rnek:
X1 + X2 5
X1 + X2 - E1 = 5
Kstlar: Bir modeldeki karar deikenleri ya da karar deikenleri ile parametreler arasndaki
zorunlu ilikilerin her birine kst ad verilir. Kullanlan faktr ya da hammadde
miktarlardr.
Bu bilgilere bal olarak bir DP problemi simgesel olarak aadaki gibi ifade edilir:
Ama Fonksiyonu:
n
Zmaks/min.= cjxj
j=1
Kst Denklemleri:
n
aijxj bi ( i=1,.....m)
j=1 >
xj0 (j=1,.......n)
rnek: Maksimizasyon amal ve 2x2 boyutlu bir DP problemi aadaki gibi ifade edilir.
Zmax= c1x1+c2x2
a11x1+a12x2 b1
a21x1+a22x2 b2
x1 , x2 0
Optimal zm: Bir DP modelinin karar deikenlerinin, mevcut kstlar altnda ama
fonksiyonunun en iyilenmesi (optimum klnmas) sonucunda ald deerler optimal zm
olarak adlandrlr.
Optimal Deer: Optimal zme bal olarak ama fonksiyonun ald deer optimal
deer olarak adlandrlr.
- retim Program
- Beslenme Program
- Reklam Ortam Seimi
- Sermaye Bteleme
- Datm Pogram
- Stok Kontrol
- retim Hatt Dengelemesi
Zmaks./min. = cjxj
j=1
aijxj bi i=1,....................,m
j=1 >
xj 0 j= 1,....................,n
DPnin zellikleri ksaca aadaki gibi zetlenebilir:
Zmaks./min. = cjxj
j=1
n
aijxj bi i=1,.................m
j=1 >
xj 0 j= 1,.................n
<
xj- serbest
Buna gre primal modelde,
a.) En byklenecek ya da en kklenecek bir ama fonksiyonu vardr.
b.) Kst denklemlerinin iaretleri (), (=), () eklinde olabilir.
c.) Ama fonksiyonunda parametreler, kst denklemlerinde ise parametreler ve sa taraf
sabitleri yer alr.
d.) Karar deikenleri sfra eit, sfrdan byk ya da serbest iaretli olabilirler.
rnek:
Zmaks.= 3x1 + 5x2 +2x3
x1 + 5x2 - 2x3 25
4x1 + 2x2 + 5x3 = 80
x1, x2, x3 0
Zmaks.= cjxj
j=1
aijxj bi i=1,..................,m
j=1
xj 0 j= 1,.................., n
rnek:
a11x1 + a12x2 b1
-a11x1 -a12x2 -b1
3) Eitlik eklinde verilen bir kst denklemi zt ynde iki eitsizlik olarak ifade edilebilir.
rnek:
a11x1+a12x2 =b1 eitlii
a11x1+a12x2 b1 ve a11x1+a12x2 b1
eklinde iki eitsizlik olarak yazlabilir. Buradan,
4) Sol taraf mutlak deer eklinde verilen bir eitsizlik iki eitsizlie dntrlebilir.
rnek:
|a11x1+a12x2| b1 eitsizlii
-a11x1-a12x2 b1 ve a11x1+a12x2 b1
5) areti belirli olmayan bir deiken, iki tane negatif olmayan deikenin fark olarak
tanmlanabilir. rnein x1in iareti belirsiz ise, x1 0 ve x1 0 kouluyla x1= (x1 x1 )
eklinde yazlabilir.
Zmaks./min. = cjxj
j=1
aijxj = bi i=1,....................,m
j=1
xj 0 j= 1,....................,n
Standart formun zellikleri aadaki gibidir.
a.) Ama fonksiyonu maksimizasyon ya da minimizasyon amal olabilir.
b.) Tm kst denklemleri (=) eklinde ifade edilmelidir.
c.) Sa taraf sabitleri negatif olmayan deerler almaldr .
d.) Tm deikenler negatif olmayan deerler almaldr.
1) () eklindeki bir kst denklemi, denkleme negatif sapma deikeninin eklenmesi ile
(=) eklinde ifade edilebilir. Eklenen bu deikene glge deiken ad verilir.
rnek:
3x1 + 2x2 30
3x1 + 2x2 + S1 =30
2) () eklindeki bir kst denklemi, denkleme pozitif sapma deikeninin eklenmesi ile
(=) eklinde ifade edilebilir. Eklenen bu deikene artk deiken ad verilir.
rnek:
2x1 + 3x2 + x3 1000
2x1 + 3x2 + x3 - E1 = 1000
3) Sa taraf sabiti (-) deerli olan eitlik ya da eitsizlik eklindeki bir kst denklemi, (-1)
ile arplp sa taraf sabitinin (+) deer almas salanr.
rnek:
-2x1 - 3x2 - x3 -1000
2x1 + 3x2 + x3 1000
2x1 + 3x2 + x3 + S1 = 1000
4) areti belirli olmayan bir deiken, iki tane negatif olmayan deikenin fark olarak
tanmlanabilir. rnein x1in iareti belirsiz ise, x1 0 ve x1 0 kouluyla x1= (x1 x1 )
eklinde yazlabilir.
rnek: Aada verilen DP problemini standart formda yaznz.
Zmin.= 3x1 + x2
x1 3
x1 + x2 4
2x1 - x2 =3
x10, x2-serbest
Her DP probleminin ilikili olduu bir ikiz problemi vardr. DP probleminin asl
ekline primal problem, bununla ilikili ikinci ekline dual (ikiz) problem ad verilir.
Gerekten de bir DP problemi, kendisiyle isel balantl baka bir DP problemine
dntrlebilir: rnein, DPde maksimizasyon (minimizasyon) problemi, ayn verileri
ieren benzer bir minimizasyon (maksimizasyon) problemi olarak yazlabilir. DPde bu ikili
yap DUALTE (KLLK) olarak adlandrlmaktadr.
Primal Dual
maks. Z = min. G
min. G = maks. Z eitlii geerlidir
2) Primal modelin ama fonksiyonu katsaylar (cj), dual modelin sa taraf sabitlerini (bi)
olutururlar.
Primal Dual
cj bi (j=1,..........,n) (i=1,...........,m)
3) Primal modelin sa taraf sabitleri (bi), dual modelin ama fonksiyonu katsaylarn (cj)
olutururlar.
Primal Dual
bi cj (j=1,..............,n) (i=1,.............,m)
4) Primal modelde kst katsaylarnn oluturduu teknolojik katsaylar satr, dual modelde
teknolojik katsaylar stun vektrn olutururlar.
Primal Dual
aij aij (j=1...n), (i=1...m)
O halde, primal model n adet deiken, m adet kst denklemi ieriyorsa, dual model m
adet deiken n adet kst denklemi ierecektir.
Primal Dual
xj0 yi0
Primal Dual
n m
n m
aijxj bi aijyi cj
j=1 i=1
xj 0 yi0
(i=1,............,m) (j=1,.............,n) (j=1,..............,n) (i=1,............,m)
Normal maksimum probleminin duali kanonik formdan ve standart formdan
yararlanlarak alnabilir.
i) Kanonik Form
m n
m n
aijyj cj aijxj bi
i=1 j=1
yj 0 xj0
(i=1,.............,m) (j=1,............,n) (j=1,...............,n) (i=1,................,m)
Normal minimum probleminin dual problemi maksimizasyon amal ve ynl kst
denklemli olacaktr.
i- Standart Form
Normal minimum problemi standart forma dntrldkten sonra duali alnr.
rnek: Yukarda verilen DP probleminin standart formdan yararlanarak dualini alnz.
te yandan, her bir rn eidi 20'er adetlik partiler halinde retilmektedir. Buna bal
olarak, retim oran, haftalk parti says olarak belirlenmelidir. Fabrikadaki yneylem
aratrmas grubunun derledii veriler Tablo 1'de verilmitir. Bu verilere bal olarak, mevcut
kstlar altnda iki rnn toplam katksn en bykleyen DP probleminin modelini kurunuz.
Tablo 1. Cam Fabrikas rneine likin Veriler
Departmanlar Her Bir Parti in Gerekli Olan Her Bir Departmann
retim Sresi (saat) Haftalk retim Kapasitesi
rnler (Saat/Hafta)
1 2
1 1 0 4
2 0 2 12
3 3 2 18
Her bir partinin katks (TL) 3.000.000 5.000.000
RNEK 3: MEDYA ORTAMI SEM PROBLEM
KOTOSAN araba ve kamyonet almak zere iki farkl tipte rn retmektedir. Firma,
potansiyel mterilerinin yksek gelir dzeyli bay ve bayan mteriler olduunu belirlemitir.
KOTOSAN yneticileri, bu kitleye ulamak iin komedi programlarnda ve futbol ma
yaynlarnda 1 dakikalk reklam vermeyi planlamaktadr. Her bir komedi programnn 7
milyon yksek gelir dzeyli bayan ve 2 milyon yksek gelir dzeyli bay mteri tarafndan
izlendii tespit edilmitir. te yandan, her bir futbol mann 2 milyon yksek gelir dzeyli
bayan, 12 milyon yksek gelir dzeyli bay tarafndan izlendii tespit edilmitir. Komedi
programlarnda yayna girecek olan bir adet 1 dakikalk reklamn maliyeti 5 milyar TL, futbol
malarnda yayna girecek olan bir adet 1 dakikalk reklamn maliyeti ise 10 milyar TL'dir.
Firma, reklamlarn en azndan 28 milyon yksek gelir dzeyli bayan ve 24 milyon yksek
gelir dzeyli bay mteriler tarafndan izlenmesi amalanmaktadr. Bu verilere bal olarak
KOTOSAN'n reklam maliyetini en kkleyen DP probleminin modelini kurunuz.
Aye her gn en azndan 500 kalorilik tatl yemek istemektedir. Ayrca gnde en azndan 180
gram kakaolu, 300 gram ekerli ve 240 gram yal besin almak istemektedir. Her bir tatlnn
besin deeri Tablo 2de verilmitir. Aye'nin en az maliyetle yiyebilecei gnlk tatl
miktarn belirleyen DP probleminin modelini kurunuz.
Tablo 2. Tatl eitlerinin Besin Deerleri
KAYNAKLAR:
4
WINSTON, W.L. (1994), Operations Research, Second Edition, PWS-Kent Publishing Company, Boston,s.-176
5
WINSTON, W.L. (1994), Operations Research, Second Edition, PWS-Kent Publishing Com., Boston,pp.74- 75
6
WINSTON, W.L. (1994), Operations Research, Second Edition, PWS-Kent Publishing Com., Boston,pp.109-111
Ocak: 6000 saat
ubat: 7000 saat
Mart: 8000 saat
Nisan: 9500 saat
Mays:11000 saat
Bakm ve onarm faaliyetleri tecrbeli teknik elemanlar tarafndan yerine getirilmekte
ve her teknik eleman ayda 160 saat almaktadr. Ocak ay banda irkette 50 tecrbeli
teknik eleman bulunmaktadr.
Ynetim gelecek aylardaki mteri gereksinimlerini karlayabilmek iin, yetitirilmek
zere irkete yeni elemanlar alnmasna karar vermitir. Yeni elemanlarn yetitirilmesi iin
bir aylk bir srenin yeterli olaca dnlmektedir. Bu bir ay iinde her yeni eleman
tecrbeli bir eleman tarafndan 50 saatlik bir eitime tabi tutulacaktr. Dier yandan, her ayn
sonunda tecrbeli elemanlarn % 5inin iten ayrld gzlenmektedir.
irket, tecrbeli elemanlara ayda 500 milyon TL., yetitirilen elemanlara ise bu ilk
aynda 250 milyon TL. demektedir. irketin mteri gereksinimlerini karlayacak ekilde
toplam igc maliyetini en aza indirecek dorusal programlama modelini kurunuz.
7
LEE, S.M., MOORE L.J. ve TAYLOR, B.W., (1981),Management Science, Wm.C.Brown Company,U.S.A, s..35-38.
RNEK 12: KARIIM PROBLEM8
Bir geri-dnm merkezi olarak faaliyetini srdrmekte olan bir irket Madde 1, Madde 2,
Madde 3 ve Madde 4 olmak zere drt eit kat atk madde toplamaktadr. Toplanan bu
maddeler nce ayr ayr kimyasal bir ileme tabi tutulmakta (1.lem) ve daha sonra bu
maddelerin karmndan (2.lem) A, B ve C olmak zere 3 eit rn retilmektedir. rn
eitleri, karmda kullanlan maddelerin oranlarna [(rnde kullanlan madde
arl/rnn arl)*100] gre farkllk gstermektedir.
Her rn eidi iin kullanlan madde oranlarnda bir esneklik sz konusu olmakla
birlikte , kalite spesifikasyonlar bu oranlarla ilgili baz alt ve st limitler getirebilmektedir.
rnein, rn Cdeki madde 1 orannn % 70den daha fazla olmamas gerekmektedir. Bu
spesifikasyonlar, her eit rnn sat fiyat ve 2. ilemin maliyeti aadaki tabloda
verilmektedir.
Merkez retimde kulland bu kat atk maddeleri dzenli olarak belirli kaynaklardan,
toplayabilmekte ve 1.lemden geirebilmektedir. Her eit maddenin toplanabilen ve
1.lemden geirebilen haftalk miktarlar ve 1.lemin maliyetleri Tablo 2de yer almaktadr:
8
HILLIER, F.S. ve LIEBERMAN, G.J.(1995), Introduction to Mathematical Programming, McGraw-Hill Publishing
Company, s. 53-57.
irketin faaliyetleri evreci bir rgt tarafndan desteklenmekte ve rgt, tamam,
1.lem ile ilgili maliyetlerin karlanmasnda kullanlmak zere haftada 30 .109 TLlk bir
yardmda bulunmaktadr. Ancak rgt bu parann, tabloda verilen haftalk miktarlarn en az
yarsnn toplanacak ve 1.lem den geirilecek ekilde maddeler arasnda datlmasn art
komaktadr.
Yukarda verilen bilgilerden yararlanarak irketin haftalk karn en oklayacak
dorusal programlama modelini kurunuz.
9
WINSTON, W.L. (1994), Operations Research, Second Edition, PWS-Kent Publishing Company, Boston, s.-93.
irket mterilerinin ihtiya duyduu gnlk benzin miktarlar ise; B1 iin 3000 varil,
B2 iin 2000 varil, B3 iin 1000 varildir. Yaplan anlamalar gereince irket bu taleplerin
tamamn karlamak zorundadr. Bununla birlikte, irket yneticileri rnlerine olan talebi
artrabilmek iin reklam yapmay dnmekte ve belli bir rn iin yaplacak her 1.106TL /
gn lk reklam harcamasnn o rnn gnlk talebini 10 varil artracan hesaplamaktadr.
rnein , B2 iin yaplacak gnlk 20 .106 TLlk reklam harcamasnn B2nin gnlk
talebini 20(10)=200 varil artraca ngrlmektedir.
Yukarda verilen bilgilerden yararlanarak irketin gnlk karn en oklayacak
dorusal programlama modelini kurunuz.
10
ZTRK, A., ( 1997), Yneylem Aratrmas, Ekin Kitabevi, Bursa, s.33-35.
3. DP MODELLERNN ZM YNTEMLER
11
RENDER, B. & STAIR R. M. ( 1997), Quantitive Analysis for Management, Allyn and Bacon, USA, pp.341.
12
RENDER, B. & STAIR R. M. ( 1997), Quantitive Analysis for Management, Allyn and Bacon, USA.
13
TAHA , H., ( 1992), Operations Research An Introduction,Fifth Edition, Macmillan Publishing Com.,
Singapore, pp.16-17.
Bir boya fabrikasnda i ve d yzeylerde kullanlmak zere iki tip boya retilmektedir. Bu
boyalarn retiminde A ve B olmak zere 2 eit hammaddeden yararlanlmaktadr. 1 ton d
yzey boyas elde etmek iin kullanlan Hammadde A miktar 1 ton, Hammadde B miktar ise
2 tondur. 1 Ton i yzey boyas elde etmek iin ise 2 ton Hammadde A ya ve 1 ton
Hammadde Bye ihtiya duyulmaktadr. Hammadde Adan gnde en fazla 6 ton, Hammadde
B den ise gnde en fazla 8 ton temin edilebilmektedir.
Dier yandan yaplan pazar aratrmalar, i yzey boyasnn gnlk talebinin en fazla
d yzey boyasnn gnlk talebinden 1 ton daha fazla olduunu gstermektedir. Ayrca
aratrmalar i yzey boya talebinin gnde en fazla 2 ton olduunu ortaya koymaktadr. 1 ton
d yzey boyasndan elde dilen kar 3.108 TL ve 1 ton i yzey boyasndan elde dilen kar
2.108 TLdir. Fabrikann gnlk karn en oklayan dorusal programlama modelini kurunuz
ve grafik yntemden yararlanarak optimal zm belirleyiniz.
Simpleks yntemde bir sonraki ke noktasnn seimini belirleyen iki tane kural
vardr. Bunlar:
1) Bir sonraki ke noktas mevcut ke noktasna komu olmaldr. rnek olarak zm, A
noktasndan direkt olarak D noktasna ilerleyemez. Bu nedenle uygun zm alanndaki
komu ke noktalarnn srayla izlenmesi gerekir.
2) zm hibir zaman bir nceki zm noktasna doru geri ynde ilerleyemez.
(1) cj Ama Satr: Bu satrdaki saylar, deikenlerin (karar, glge, artk ve yapay) ama
fonksiyonu katsaylar olan cj deerlerinden olumaktadr.
(2) xj Deikenler Satr: DP modelinde bulunan btn deikenlerin (karar, glge, artk ve
yapay ) yazlmas ile edilen satrdr.
(3) xi Temel Deikenler Stunu: Bu stun zmde yer alan deikenleri gsterir. Bu
nedenle bu stundaki deikenlere "temel deikenler" ya da "zme giren deikenler ad
verilir. Balang simpleks tabloda temel deikenler kst denklemlerinin ynne bal olarak
glge ya da yapay deikenlerden olumaktadr.
Balang tabloda,
--- () eklindeki bir kst denkleminin ifade edildii satrn temel deikenler
stununda glge deikenler yer alr.
--- (=) ya da () eklindeki bir kst denkleminin ifade edildii satrn temel
deikenler stununda yapay deikenler yer alr.
Balang tabloda yer alan glge ve yapay deikenler -temel deikenler- tabloda
birim matrisi oluturmaktadrlar.
(4) cj Ama Stunu: Temel deikenlerin ama fonksiyonu katsaylarndan (cj) oluan
stundur.
(5) Teknolojik Katsaylar Matrisi: Kst denklemlerinde yer alan teknolojik katsaylardan
oluan matristir. m tane kst denklemli n tane deikenli bir DP modelinde teknolojik
katsaylar matrisinin boyutu mxndir. rneimizde matrisin boyutu 3x5dir.
(6) zm Stunu: Bu stun temel deikenlerin zm deerlerini verir. Bu stundaki
deerlerin ilk tablodan en iyi zm veren son tabloya kadar daima pozitif ya da 0 olmas
gerekir. Stunda (-) bir deerin olmas olanaksz zm ya da hatal ilemi gsterir.
(7) Zj Satr: Zj satr, teknolojik katsaylar matrisindeki stunlar ile ama stunundaki
bilgilerden yararlanlarak elde edilir. Her stun iin ayr ayr hesaplanacak olan Zj deerleri, o
stundaki teknolojik katsaylar ile ama stunundaki kart saylarn arpmlarnn toplamna
eittir.
rnek:
Z1 = 0x1+ 0x0 + 0x3 = 0
Z2 = 0x0+ 0x2 + 0x2 = 0
**
**
Zs = 0x4 + 0x12 + 0x18 = 0
Z=0
(8) cj-Zj Satr: Bu satr her stun iin hesaplanan Zj deerlerinin ama satrndaki o stuna
ait saydan karlmasyla elde edilir.
rnek:
c1-Z1 = 3-0 =3
c2-Z2 = 5-0 =5
cj-Zj deerleri amacnzdaki net art gsterirler.
Bir birim 1 nolu rn retirsek ama fonksiyonunun deeri 3 birim artar.
Bir birim 2 nolu rn retirsek ama fonksiyonunun deeri 5 birim artar.
Evre 3: Optimallik Testi Yaplr
Bu evrede zmn optimal olup olmad test edilir. Bir baka deyile, karar
deikenlerinden herhangi bir tanesinin zme girmesi ile ama fonksiyonunun deerinin
artp artmayaca test edilir. zmn optimal olmas iin maksimizasyon amal
problemlerde cj-Zj deerlerinin negatif ya da sfr, minimizasyon amal problemlerde ise cj-Zj
deerlerinin pozitif ya da sfr olmas gerekir. (Nedeni: cj-Zjler maksimizasyon amal
problemlerde net katklar gsterirler. Maksimizasyon amal problemlerde bu deerin (-)
iaretli olmas artk toplam katknn arttrlamayacan, azaltlacan gsterir. Minimizasyon
amal problemlerde tersi geirlidir).
Anahtar satrdaki btn elemanlar anahtar sayya ayr ayr blnr. Bu ilem sonunda
elde edilen deikenler ikinci tabloda yeni temel deiken satrna (x2) yazlr.
Ys = Es - (TsxP)
Ys- Yeni Satr
Es- Eski Satr
Ts- Yeni Temel Deiken Satr
P-(Eski satrn anahtar stun ile kesitii yerdeki ge)
( 1 0 1 0 0 4) ( 3 2 0 0 1 18)
- 0. ( 0 1 0 0 6) - 2.(0 1 0 0 6)
_______________________ ____________________
(1 0 1 0 0 4) (3 0 0 -1 1 6)
Evre 3e geri dnlr. Optimallik testi yaplr. cj-Zj satrnda hala (+) deerli ge vardr. Sre
yinelenir.
3 5 0 0 0
x1 x2 S1 S2 S3 .S.
0 S1 0 0 1 1/3 -1/3 2
5 x2 0 1 0 1/2 0 6
3 x1 1 0 0 -1/3 1/3 2
Zj 3 5 0 3/2 1 36
cj-Zj 0 0 0 -3/2 -1
Optimal zme ulald iin algoritma durur. Problem zlmtr.
KAYNAKLAR:
M > 0 ve ok byk bir say olmak zere, maksimizasyon amal problemlerde yapay
deikenin ama fonksiyonu katsays ( -M ) olarak alnr. Minimizasyon amal
problemlerde ise bu katsay ( M ) olarak alnr. Bylece bir ceza puan atanarak yapay
deikenin ilk evrelerde problemden kartlmas amalanr. nk yapay deikenlerin
hibir ekonomik anlam yoktur. Balang simpleks tabloda birim matrisi oluturmak
amacyla ama "=" ve "" eklindeki kst denklemlerine eklenirler.
4 5 0 M M 0
x1 x2 S1 A1 A2 E1 .S.
0S1 3 1 1 0 0 0 27
MA1 5 5 0 1 0 0 60
MA2 6 4 0 0 1 -1 60
Zj 11M 9M 0 M M -M 120M
cj-Zj (4-11M) (5-9M) 0 0 0 M
4 5 0 -M -M 0
x1 x2 S1 A1 A2 E1 .S.
0S1 3 1 1 0 0 0 27
-MA1 5 5 0 1 0 0 60
-MA2 6 4 0 0 1 -1 60
Zj -11M -9M 0 -M -M M 120M
cj-Zj (4+11M) (5+9M) 0 0 0 -M
Not: Dier tablolar dev olarak yaplp bir sonraki hafta teslim edilecektir.
KAYNAKLAR:
1. oklu zm
Zmaks.= 8X1 + 5X2
8/5X1 + X2 8
X1 + 5/4X2 6
X1 , X2 0
Modelin standart formu:
Zmaks.= 8X1 + 5X2 + 0S1+0 S2
8/5X1 + X2 + S1 = 8
X1 + 5/4X2 + S2 = 6
X1 , X2 ,S1, S2 0
Tablo 1. Balang Simpleks Tablo
8 5 0 0
X1 X2 S1 S2
0 S1 8/5 1 1 0 8
0 S2 1 5/4 0 1 6
Zj 0 0 0 0 0
Cj-Zj 8 5 0 0
Tablo 2. Yineleme1
8 5 0 0
X1 X2 S1 S2
8 X1 1 5/8 5/8 0 5
0 S2 0 5/8 -5/8 1 1
Zj 8 5 5 0 40
Cj-Zj 0 0 -5 0
Tablo 3. Yineleme2
8 5 0 0
X1 X2 S1 S2
8 X1 1 0 5/4 -1 4
5 X2 0 1 -1 8/5 8/5
Zj 8 5 5 0 40
Cj-Zj 0 0 -5 0
2. Snrlandrlmam zm
Zmaks.= X1 + 2X2
X1 + X2 1
X2 4
X1 , X2 0
Tablo 3. Yineleme2
1 2 0 -M 0
X1 X2 E1 A1 S1
2 X2 0 1 0 0 1 4
0 E1 -1 0 1 -1 1 3
Zj 0 2 0 0 2 8
Cj-Zj 1 0 0 -M -2
Tablo 3. Yineleme2
6 -2 0 0
X1 X2 S1 S2
6 X1 1 0 0 1 4
-2 X2 0 1 -1 2 6
Zj 6 -2 2 2 12
Cj-Zj 0 0 -2 -2
4. Uygun zm Bulunmama
3 2 0 0 -M
X1 X2 E1 S1 A1
2 X2 2 1 0 1 0 2
-M A1 -5 0 -1 -4 1 4
Zj 4+5M 2 M 2+4M -M 4-4M
Cj-Zj -1-5M 0 -M -2-4M 0
5. Bozulma, Yozlama
Tablo 2. Yineleme1
3 9 0 0
X1 X2 S1 S2
9 X2 1/4 1 1/4 0 2
0 S2 1/2 0 -1/2 1 0
Zj 9/4 9 9/4 0 18
Cj-Zj 3/4 0 -9/4 0
Tablo 3. Yineleme2
3 9 0 0
X1 X2 S1 S2
9 X2 0 1 1/2 -1/2 2
3 X1 1 0 -1 2 0
Zj 3 9 3/2 3/2 18
Cj-Zj 0 0 -3/2 -3/2
KAYNAKLAR
14
Aadaki problem bu amala ele alnmtr:
gc kapasitesindeki deiimler
X1 , X2 0
2
LEE, S.M., MOORE L.J. ve TAYLOR, B.W., (1981),Management Science, Wm.C.Brown
Company,U.S.A..
Tablo 6. rnek 2ye ait Balang Simpleks Tablosu (b1=10+)
4 5 0 0 0
X1 X2 S1 S2 S3
0 S1 1 2 1 0 0 10 + 1
0 S2 6 6 0 1 0 36 + 0
0 S3 8 4 0 0 1 40 + 0
Zj 0 0 0 0 0 0
Cj-Zj 4 5 0 0 0
15
Aadaki problem bu amala ele alnmtr:
rnek 3
Zmaks.= 6X1 + 4X2
2X1 + 6X2 12 (igc, saat/gn)
4X1 + 4X2 16 (Hammadde, kg/gn)
X1 , X2 0
15
LEE, S.M., MOORE L.J. ve TAYLOR, B.W., (1981), Management Science,
Wm.C.Brown Company, U.S.A.
Tablo 11. rnek 3e ait Optimal Simpleks zmTablosu
6 4 0 0
X1 X2 S1 S2
0 S1 0 4 1 -1/2 4
6 X1 1 1 0 1/4 4
Zj 6 6 0 3/2 24
Cj-Zj 0 -2 0 -3/2
2X1 + 6X2 12
4X1 + 4X2 16
X1 , X2 0
Bir temel deikenin ama fonksiyonu katsaysnn deiim aral, deikene ait
satrdaki temel olmayan deiken deerlerinin ile arpldktan sonra kar gelen Cj-Zj
satrndaki deerlerden karlarak ve optimallik art salanarak belirlenebilir.
2X1 + 6X2 12
4X1 + 4X2 16
X1 , X2 0
X3 40
X1 + X2 + X3 + X4 = 85
2X1 + 3X2 + 4X3 + 5X4 320
3X1 + 4X2 + 5X3 + 6X4 410
X1 , X2, X3 , X4 0
Tablo 19. rnek 4e ait Optimal Simpleks zm Tablosu
14 10 4 8 0 M M 0 0
X1 X2 X3 X4 E1 A1 A2 S1 S2
4 X3 0 1 3/2 0 0 -1 1/2 0 75
14 X1 1 0 -1/2 0 0 2 -1/2 0 10
0 E1 0 0 3/2 1 -1 -1 1/2 0 35
0 S2 0 0 0 0 0 0 -1 -1 1 5
Zj 14 9 4 -1 0 0 24 -5 0 440
Cj-Zj 0 1 0 9 0 M M-24 5 0
X3 40
X1 + X2 + X3 + X4 = 85
2X1 + 3X2 + 4X3 + 5X4 320
3X1 + 4X2 + 5X3 + 6X4 410
X1 , X2, X3 , X4 0
KAYNAKLAR
LEE, S.M., MOORE L.J. ve TAYLOR, B.W., (1981), Management Science, Wm.C.Brown
Company,U.S.A.
RENDER, B. & STAIR, R. M., (1992), Introduction to Management Science, Allyn and
Bacon, U.S.A.
WALKER,R.,C.,(1999), Introduction to Mathematical Programming, Prentice Hall, U.S.A.
WINSTON, W., (1991), Operations Reseach Applications and Algorithms, 2nd Edit., PWS-
KENT Publishing Com., U.S.A
Farkl b Deerleri iin rnek 5e ait
Optimal Simpleks zm Tablolar
14 10 4 8 0 -M -M 0 0
X1 X2 X3 X4 E1 A1 A2 S1 S2
4 X3 0 0 1 0 -1 1 0 0 0 39
14 X1 1 1 0 1 1 -1 1 0 0 46
0 S1 0 1 0 3 2 -2 -2 1 0 72
0 S2 0 1 0 3 2 -2 -3 0 1 77
Zj 14 14 4 14 10 -10 14 0 0 800
Cj-Zj 0 -4 0 -6 -10 -M+10 -M-14 0 0
16
rnek1: Bir iletmede A ve B olmak zere 2 eit rn montaj ve cilalama
departmanlarndan geirilerek retilmektedir. Montaj departmannn haftalk retim kapasitesi
60 saat, cilalama departmann haftalk retim kapasitesi ise 48 saattir. Bir adet A rn iin
gerekli olan montaj sresi 4 saat, cilalama sresi ise 2 saattir . Bir adet B rn iin bu sreler
srasyla 2 saat ve 4 saattir. Bir adet A rnnden elde edilen kar 8 pb, bir adet B rnnden
elde edilen kar ise 6pbdir. letmenin amac toplam kar maksimum klacak ekilde her
rnden ne kadar reteceini belirlemektir.
16
LEVIN,R.I.,RUBIN, D.S., STINSON, J.P.& GARDNER, E.S.(1992), Quantitative Approaches to Management, 8th Edit.,
McGraw-HilI, Inc.
Tablo 1. rnek 1e ait Balang Simpleks Tablosu
8 6 0 0
X1 X2 S1 S2
0 S1 4 2 1 0 60
0 S2 2 4 0 1 48
Zj 0 0 0 0 0
Cj-Zj 8 6 0 0
8 6 0 0
X1 X2 S1 S2
8 X1 1 0 1/3 -1/6 12
6 X2 0 1 -1/6 1/3 6
Zj 8 6 5/3 2/3 132
Cj-Zj 0 0 -5/3 -2/3
Bir simpleks tablo, drt ana blme baklarak yorumlanabilir. Aada, rnek 1e ait 2.
simpleks tablo ele alnarak elemanlarn nasl yorumlanacana ilikin genel ifadeler
verilmektedir.
zm Stunu [(1),(2),(3)]
Zj Satr [(6),(10),(14),(18)]
Stun deikeninin bir birimin zme girmesi halinde yitirilen kar gsterir.
Cj Zj Satr [(19),(15),(11),(7)]
Stun deikeninin bir birimin zme girmesi halinde ama fonksiyonu deerinde
meydana gelecek net deiimi ifade eder.
Cj Zj > 0 ise, ama fonksiyonu deerinde art,
Cj Zj < 0 ise, ama fonksiyonu deerinde azal sz konusudur.
KAYNAKLAR
Primal Model
Zmaks.= 4X1 + 5X2 (kar, pb/gn)
Dual Model
Zmin.= 10y1 + 36y2+40y3
y1 + 6y2 +8y3 4
2y1 + 6y2 +4y3 5
y1 , y2 , y3 0
10 36 40 0 0 M M
y1 y2 y3 E1 E2 A1 A2
36 y2 0 1 2 -1/3 1/6 1/3 -1/6 1/2
10 y1 1 0 -4 1 -1 -1 1 1
Zj 10 36 32 -2 -4 2 4 28
Cj-Zj 0 0 8 2 4 M-2 M-4
Primal Model
Zmaks.= 6X1 + 4X2
2X1 + 6X2 12 (igc, saat/gn)
4X1 + 4X2 16 (Hammadde, kg/gn)
X1 , X2 0
12 16 0 0 M M
y1 y2 E1 E2 A1 A2
0 E2 -4 0 -1 1 1 -1 2
16 y2 1/2 1 -1/4 0 1/4 0 3/2
Zj 8 16 -4 0 4 0 24
Cj-Zj 4 0 4 0 M-4 M
Optimal Primal- Optimal Dual Tablo Arasndaki likiler
Zmaks.=Gmin.
2).Eer dual optimal zmde herhangi bir dual deiken temel
deiken olarak yer alrsa ,onun primal problemdeki karl
olan glge/ artk deikenin deeri sfr olur.
Y2=3/2 ; S2=0
Eer primal optimal zmde,herhangi bir primal kstlaycnn glge/artk
deikeni temel deiken olarak pozitif bir deere sahip ise,onun karl
olan dual deikenin optimal deeri 0 olur.
S1=4 ; y1=0
Primal Model
Zmaks.= 6X1 + 5X2+3X3 (kar, pb/gn)
X1 , X2 , X3 0
Optimal Simpleks zmTablosu
6 5 3 0 0 0
X1 X2 X3 S1 S2 S3
0 S1 0 3/2 0 1 -1 -1/2 2
3 X3 0 3/2 1 0 1 -1/2 1
6 X1 1 1/2 0 0 0 1/2 8
Zj 6 15/2 3 0 3 3/2 51
Cj-Zj 0 -5/2 0 0 -3 -3/2
Dual Model
Zmin.= 19y1 + 9y2+16y3
2y1 + y2 +2y3 6
4y1 + 2y2 +y3 5
y1 + 2y2 3
y1 , y2 , y3 0
19 9 16 0 0 0 M M M
y1 y2 y3 E1 E2 E3 A1 A2 A3
16y3 0 1 -1/2 0 0 - 3/2
9y2 1 1 0 0 0 -1 0 0 1 3
0E2 -1/2 0 0 -1/2 1 -3/2 -1 3/2 5/2
Zj 17 9 16 -8 0 -1 8 0 1 51
Cj-Zj 2 0 0 8 0 1 M-8 M M-1
17
TAHA, H. (1992), Operations Reseach, 5th Edit., Mac Millan International Com, New
York,
rnek218: Zmin.= X1 + 2X2
X1 - 2X2 + X3 4
2X1 + X2- X3 6
X1 , X2, X3 0
KAYNAKLAR
TAHA, H. (1992), Operations Reseach, 5th Edit., Mac Millan International Com, New York,
WALKER, R.,C.,(1999), Introduction to Mathematical Programming, Prentice Hall Inc.,
U.S.A.
WINSTON, W.,(1991), Operations Reseach Applications and Algorithms, 2nd Edit., PWS-
KENT Publishing Com., U.S.A.
18
WINSTON, W.,(1991), Operations Reseach Applications and Algorithms, 2nd Edit., PWS-
KENT Publishing Com., U.S.A.
19
WALKER, R.,C.,(1999), Introduction to Mathematical Programming, Prentice Hall Inc.,
U.S.A.
rnek1:
Zmin.= 3X1 + 2X2
3X1 + X2 3
4X1 + 3X2 6
X1+ X2 3
X1 , X2 0
3 2 0 0 0
X1 X2 S1 S2 S3
0S1 -3 -1 1 0 0 -3
0S2 -4 -3 0 1 0 -6
0S3 1 1 0 0 1 3
Zj 0 0 0 0 0 0
Cj-Zj 3 2 0 0 0
3 2 0 0 0
X1 X2 S1 S2 S3
0S1 -5/3 0 1 -1/3 0 -1
2X2 4/3 1 0 -1/3 0 2
0S3 -1/3 0 0 1/3 1 1
Zj 8/3 2 0 -2/3 0 4
Cj-Zj 1/3 0 0 2/3 0
3 2 0 0 0
X1 X2 S1 S2 S3
3X1 1 0 -3/5 1/5 0 3/5
2X2 0 1 4/5 -3/5 0 6/5
0S3 0 0 -1/5 2/5 1 6/5
Zj 3 2 -1/5 -3/5 0 21/5
Cj-Zj 0 0 1/5 3/5 0
rnek3:
Zmin.= 5X1 + 4X2
X1 + 2X2 12
5X1 + X2 31
3X1 + X2 21
X1 , X2 0
-5 -4 0 0 0
X1 X2 S1 S2 S3
0S1 -1 -2 1 0 0 -12
0S2 -5 -1 0 1 0 -31
0S3 -3 -1 0 0 1 -21
Zj 0 0 0 0 0 0
Cj-Zj -5 -4 0 0 0
-5 -4 0 0 0
X1 X2 S1 S2 S3
0S1 0 -9/5 1 -1/5 0 -29/5
-5 X1 1 1/5 0 -1/5 0 31/5
0S3 0 -2/5 0 -3/5 1 -12/5
Zj -5 -1 0 1 0 -31
Cj-Zj 0 -3 0 -1 0
-5 -4 0 0 0
X1 X2 S1 S2 S3
-4 X2 0 1 -5/9 1/9 0 29/9
-5 X1 1 0 1/9 -2/9 0 50/9
0S3 0 0 -2/9 -5/9 1 -10/9
Zj -5 -4 15/9 2/3 0 -122/3
Cj-Zj 0 0 -15/9 -2/3 0
-5 -4 0 0 0
X1 X2 S1 S2 S3
-4 X2 O 1 -3/5 0 1/5 3
-5 X1 1 0 1/5 0 -2/5 6
0S2 0 0 2/5 1 -9/5 2
Zj -5 -4 7/5 0 6/5 -42
Cj-Zj 0 0 -7/5 0 -6/5
Y ALIMALAR DLERZ- Do. Dr. Demet BAYRAKTAR Yard. Do. Dr. Ferhan
EB