Professional Documents
Culture Documents
Andrea - Teorija Odlučivanja
Andrea - Teorija Odlučivanja
1. Formulacija zadatka:
a) Uvjeti nenegativnosti
x1 ≥ 0 i x2 ≥ 0
b) formulacija ograničenja:
x1 + 6x2 ≤ 4800
x1 ≥ 0, x2 ≥ 0
2x1 + 4x2 ≤ 2000
3x1 + 8x2 ≤ 3600
x1 + 6x2 ≤ 4800
f (x1,x2) = z = 22 x1 + 18x2
Za x1 = 0 → x2 = = 500
Za x2 = 0 → x1 = = 1000
Za x1 = 0 → x2 = = 450
Za x2 = 0 → x1 = =3600/3 = 1200
Za x1 = 0 → x2 = = 800
Za x2 = 0 → x1 = = 4800/1 = 4800
Četvrti korak. Valja odrediti skup svih mogućih rješenja zadanog skupa ograničenja.
(graf prikazan u prilogu seminara)
Peti korak. Iz dobivenog skupa svih mogućih rješenja valja odabrati ono rješenje
koje zadovoljava funkciju cilja.
Za x1 = 0 → x2 = = 22
Za x2 = 0 → x1 = = 18
Za x1 = 0 → x2 = 220
Za x2 = 0 → x1 = 180
Dobiveni pravac pomiče se paralelno sa samim sobom sve dok ne dotakne jedan od
vrhova poliedra koji je najudaljeniji od ishodišta. Točka koju taj pravac dotakne,
predstavlja rješenje problema. U ovom slučaju to je točka C. Rješenje zapravo
predstavlja koordinate te točke. Te koordinate se dobiju na dva načina:
Najveću iskoristivost ukupno raspoloživih kapaciteta rada svih strojeva od 20 800 sati
ostvariti će proizvodnju od 400 jedinica proizvoda A i 390 proizvoda B.
Budući da je ukupan kapacitet 10 400 sati, proizlazi da je ostalo neiskorišteno 3 800
sati. Uvrštavanje dobivenih vrijednosti za nepoznanice x1 i x2 pokazuje:
Za stroj S1
Za stroj S2
Za stroj S3
1. Formulacija zadatka
Dva prehrambena artikla mogu se kupiti na tržištu. Ti artikli sadrže 3 sastojka važna
za ishranu ljudi, i to:
S obzirom da varijable x1 i x2 mogu biti nula ili pozitivne, odnosno da rezultat koji bi
imao negativno vrijednost bilo koje od varijabli nema smisla, dobiju se prve dvije
nejednadžbe:
x1 ≥ 0, i x2 ≥ 0
b) Formulacija ograničenja
Ako se kupi x1 jedinica artikla A i x2 jedinica artikla B, dobivamo 2x1 + 4x2 jedinica
ugljikohidrata, s time da ukupno ne može biti manje od 8 jedinica ugljikohidrata. Ta
relacija se može matematički izraziti u obliku nejednadžbe:
2x1 + 6x2 ≥ 18
Istom kupnjom se dobiva 4x1 + 6x2 jedinica vitamina, s time da ukupno ne može biti
manje od 12 jedinica vitamina. Ta relacija se može matematički izraziti u obliku
nejednadžbe:
4x1 + 3x2 ≥ 12
Konačno se kupnjom dobiva 2x1 + 2x2 jedinica proteina, s time da ukupno ne može
biti manje od 6 jedinica proteina. Matematički izraz je:
x1 + 8x2 ≥ 16
1 Skup realnih brojeva može se podijeliti na tri disjunktna podskupa, i to: podskup negativnih brojeva,
podskup koji sadrži broj nula i podskup pozitivnih brojeva. Od tih podskupova mogu se stvarati novi
skupovi kao što su skup nenegativnih brojeva koji sadrže sve pozitivne brojeve i nulu, te skup
nepozitivnih brojeva koji sadrži sve negativne brojeve i nulu.
Sada se mogu sistematizirati dobiveni matematički izrazi u skladu s općim
matematičkim modelom linearnog programiranja. Time se dobiva sljedeći problem
linearnog programiranja u matematičkoj formi:
Potrebno je odrediti vrijednosti varijabli x1 i x2 koje odgovaraju nejednadžbama:
2x1 + 6x2 ≥ 18
4x1 + 3x2 ≥ 12
x1 + 8x2 ≥ 16
x1, x2 ≥ 0
tako da je vrijednost funkcije cilja:
Nakon dobivanja matematičkog modela slijedi njegovo rješavanje. Ima više mogućih
načina, odnosno metoda za rješavanje dobivenog modela. Kao i proces modeliranja,
tako se i proces rješavanja može razlučiti na više koraka i to:
Za x1 = 0 → x2 = = 3
Za x2 = 0 → x1 = = 9
Za x1 = 0 → x2 = = 4
Za x2 = 0 → x1 = = 3
Za x2 = 0 → x1 = = 16
Treći korak. Nakon određivanja pravca valja odrediti koja od dviju poluravnina
dobivenih tim pravcem pripada našem ograničenju. Mogući način je da se vrijednosti
varijabli u ograničenjima izjednače s nulom i uvrste u svako ograničenje. Time se na
lijevoj strani nejednadžbi dobije vrijednost nula. Ukoliko dobivena nula zadovoljava
dano ograničenje, to se može tumačiti na način da ishodište koordinatnog sustava
pripada toj poluravnini i obratno. Dobivene poluravnine se prikazuju crtkanim
linijama
Četvrti korak. Valja odrediti skup svih mogućih rješenja zadanog skupa ograničenja.
On se dobiva kao zajednički presjek svih poluravnina i pravaca. Taj skup ima više
naziva kao što je poliedar, oblast (D), prostor ili skup mogućih rješenja, itd. Dobiveni
skup mogućih rješenja, koji u ovom primjeru spada u konveksni poliedar, prikazuje se
kao cjelovito šrafirano područje unutar I kvadranta. Taj poliedar je karakteriziran s
više vrhova i stranica. Vrhovi se označavaju velikim slovima abecede.
Peti korak. Iz dobivenog skupa svih mogućih rješenja valja odabrati ono koje
zadovoljava funkciju cilja. Da bi se to postiglo valja unutar I kvadranta prvo prikazati
funkciju cilja. Svaka funkcija s tri varijable grafički predstavlja neku ravninu koja se
može shvatiti kao familija pravaca, što znači da je prikaz neke funkcije cilja zapravo
izbor jednog od beskonačno mnogo pravaca. Odabrat će se onaj pravac koji se nalazi
unutar grafičkog prikaza prostora mogućih rješenja. Moguće je pokazati da se to može
postići na način da se za vrijednost funkcije cilja uzme umnožak koeficijenata uz
nepoznanice . Tada se zapravo dobiva jednadžba pravca, čija je vrijednost slobodnog
koeficijenta jednaka dobivenom umnošku. Ukoliko je odabrani pravac preblizu
ishodišta, tada se dobivene vrijednosti za nepoznanice pomnože nekim brojem (npr. 5
ili 10), tako da se dobije neki pravac dovoljno daleko od ishodišta . Ukoliko je pravac
predaleko od ishodišta, odnosno dalje od našeg prikaza prostora rješenja, tada se
dobivene vrijednosti nepoznanica podijele s nekim brojem (npr. 5 ili 10).
U ovom primjeru:
Za x1 = 0 → x2 = = 40
Za x2 = 0 → x1 = = 80
Za x1 = 0 → x2 = 4
Za x2 = 0 → x1 = 8
Dobiveni pravac se translatira (pomiče paralelno sa samim sobom) sve dok ne
dotakne jedan od vrhova poliedra koji je najbliži ishodištu.
Točka koju taj pravac dotakne, predstavlja rješenje našeg problema. U ovom slučaju
je to točka B. Rješenje zapravo predstavlja koordinate te točke. Te koordinate se mogu
dobiti na dva načina:
a) očitanjem sa slike, pri čemu točnost očitovanja ovisi o točnosti crtanja;
b) numeričkim putem. Naime, dobivena točka predstavlja presjek dvaju pravaca.
Numerički to znači da se koordinate te točke mogu dobiti kao rješenje sustava
od dviju jednadžbi s dvije nepoznanice.
2x1 + 6x2 = 18
4x1 + 3x2 = 12
Ako se uzme bilo koje drugo moguće rješenje (iz skupa točaka poliedra), sigurno će
potrošnja biti veća od 256 kuna, a količina sastojaka u obroku će se također povećati,
tj. svi će biti iznad minimalne količine.
Valja odrediti koliko robe je potrebno prevoziti iz svakog skladišta u svako odredište
na način da ukupna cijena transporta bude minimalna. Formulirani transportni model
može se riješiti elementarnom odnosno grafičkom metodom. Potrebno je istaći da se
grafičkom metodom mogu riješiti transportni modeli reda (2,2), tj. problemi s 2
ishodišta i 2 odredišta, reda (3,2), tj. problemi sa 3 ishodišta i 2 odredišta, te reda (2,3)
tj. problemi s 2 ishodišta i 3 odredišta. Kako izneseni primjer spada u zadatke reda
(2,3), moguće je riješiti zadatak elementarnom, odnosno grafičkom metodom.
Iz bilo kojega ishodišta pošalje se neka količina robe x 1 i x2 bilo koja dva odredišta.
Preostale potrebe odredišta se rješavaju polazeći od realizirane potražnje i isporučene
robe iz prethodnog koraka. To se tabelarno može prikazati na način da se u bilo koja
dva polja u jedno redu stave nepoznate količine robe x 1 i x2, npr. u prva dva polja u
prvom redu. Ostala polja u tabeli se popunjavaju na sljedeći način:
2 Kako je ukupna ponuda robe u ishodištima i ukupna potražnja robe u odredištima jednaka (32),
problem se može rješavati bez daljnjih analiza. Takav problem spada u zatvorene transportne modele,
dok u slučaju da taj uvjet nije ispunjen imamo otvoreni transportni model.
Polje (2,2) će se popuniti tako da se od potražnje prvog odredišta O 2 oduzme već
dostavljena količina robe x2, tj, 25 - x2
a) Uvjeti nenegativnosti
Količina robe koja se prevozi iz svakog ishodišta u svako odredište može biti ili nula
ili pozitivna. Iz toga slijedi uvjet nenegativnosti za vrijednosti u pojedinim tabelama:
x1 ≥ 0, x2 ≥ 0 (1)
25 - x1 - x2 ≥ 0
50 - x1 ≥ 0
25 - x2 ≥ 0 (2) - (5)
x1 + x2 ≥ 0
b) Ograničenja
Nejednadžbe pod (1) ostaju kao uvjeti nenegativnosti, dok nejednadžbe pod (2) - (5)
predstavljaju ograničenja transportnog problema. Prebacivanjem slobodnog
koeficijenta iz svih nejednadžbi pod (2) - (5) na desnu stranu, te s množenjem s (-1)
onih nejednadžbi gdje su tako dobiveni slobodni koeficijenti negativni dobiju se
ograničenja u obliku sljedećih nejednadžbi:
x1 + x2 ≤ 25
x1 ≤ 50
x2 ≤ 25
x1 + x2 ≥ 0
c) Funkcija cilja
Sada se određuje funkcija cilja kao traženje minimalne ukupne cijene transporta koja
se dobiva kao zbroj umnožaka cijene transporta između pojedinog ishodišta i
odredišta i odgovarajuće količine robe.
min f (x1, x2) = min z = 5x1 + 6x2 + 1(25 - x1 - x2) + 1(50 - x1) + 2(25 - x2) + 2(x1 + x2)
Kada se dobiveni izraz sredi dobije se:
min z = 5x1 + 5x2 + 125
x1 ≥ 0, x2 ≥ 0
x1 + x2 ≤ 25
x1 ≤ 50
x2 ≤ 25
x1 + x2 ≥ 0
bude najmanja
Za x1 = 0 → x2 = 25
Za x2 = 0 → x1 = 25
Za x1 = 0 → x2 = 0
Za x2 = 0 → x1 = 0
z1 = 5x1 + 5x2
z1 = 5 ∙ 5= 25
5x1 + 5x2 = 25
Za x1 = 0 → x2 = 5
Za x2 = 0 → x1 = 5
x1 = 0
x2 = 0
25 - x1 - x2 = 25 - 0 - 0 = 25
50 - x1 = 50 - 0 = 50
25 - x2 = 25 - 0 = 25
x1 + x2 = 0 + 0 = 0