Karesel (Kuadratik) Programlama

Karesel programlama ile doğrusal programlama arasındaki tek fark karesel programlamanın
amaç fonksiyonunda bir değişkenin karesi ( ) veya iki değişkenin çarpımının ( )
bulunmasıdır. Kısıtlar doğrusal programlamada olduğu gibi doğrusaldır. Bir karesel
programlama modeli aşağıdaki gibi tanımlanır.

Amaç fonksiyonu: Maks.(veya Min.) z = CX+XT DX

Kısıtlar:

AX ≤ b, X≥0

Burada,

X = (x1, x2, … , xn )T

C = (c1, c2, … , cn)

b = (b1, b2, … ,bm)

A=[ ]

D=[ ]

XT DX fonksiyonu kuadratik bir form tanımlar. Burada D simetriktir. D matirisi problem

maksimizasyonsa negatif tanımlı, problem minimizasyonsa pozitif tanımlıdır. Bu da z’ nin
X’te minimizasyon için kesinlikle konveks, maksimizasyon için de kesinlikle konkav olması
anlamına gelir. Bu durumda konveks çözüm uzayını garanti eden kısıtların doğrusal olduğu
varsayılır.

Bu problemin çözümü Kuhn-Tucker gerekli koşullarını temel alır. z kesinlikle konveks (veya
konkav) ve çözüm uzayı konveks küme olduğu için bu koşullar global optimum için
yeterlidir.

Kuadratik programlama problemi maksimizasyon durumu için ele alınacaktır. Formülasyonu

minimizasyona göre değiştirmek kolay bir iştir. Problem şöyle yazılabilir:

Amaç fonksiyonu: Maks. z =CX + XTDX

Kısıtlar:

G(X) = [ ] [ ]≤0

Ayrıca

Prof. Dr. Cemalettin KUBAT | Yrd. Doç. Dr. Özer UYGUN Yöneylem Araştırması 3 Ders Notları: Hafta 08
 T
=( 1, 2, …, m) ve U = (µ1, µ2,…, µn)T

sırasıyla iki kısıt kümesi AX – b ≤ 0 ve –X ≤ 0’a karşılık gelen Lagrange çarpanları olsun.
Kuhn-Tucker şartlarının uygulanması

≥ 0, U≥0
T
z–( , UT) G(X) = 0

İ( ∑ )= 0, i =1,2,…,m

µjxj = 0, j= 1,2,…, n

AX ≤ b, -X ≤ 0

denklemlerini verir. Şimdi,

z = X + 2XTD

G(X) = [ ]

olur. S, b – AX ≥ 0, kısıtların aylak değişkenleri olsun. Koşullar

-2XTD + TA – UT = C

AX + S = b

µjxj = 0 = Sİ, tüm i ve j’ler için

, U, X, S ≥ 0

şekline indirgenir. DT = D olduğu için ilk denklem kümesinin transpozesi

-2DX + AT  - U = CT

olur. Dolayısıyla gerekli koşullar aşağıdaki gibi birleştirilebilir.

[ ] [ ]= [ ]

µjxj = 0= iSİ, tüm i ve j’ler için

, U, X, S ≥ 0

µjxj=0= .Sİ koşulları dışında geri kalan denklemler X, , U, S’de doğrusal fonksiyonlardır.
Problem böylece ek koşullar µjxj = 0 = Sİ ’yi sağlarken aynı zamanda doğrusal denklemler
Prof. Dr. Cemalettin KUBAT | Yrd. Doç. Dr. Özer UYGUN Yöneylem Araştırması 3 Ders Notları: Hafta 08
kümesinin çözümüne eşdeğerdir. z kesinlikle konkav ve çözüm uzayı konveks olduğundan,
tüm koşulları sağlayan uygun çözüm tek bir optimum çözümü vermek zorundadır.

Sistemin çözümü iki faz yönteminin 1.fazı kullanılarak elde edilir. Tek sınır Sİ = µjxj = 0
koşullarını sağlamaktadır. Bu İ pozitif düzeyde temelse Si’nin pozitif düzeyde temel
olamayacağı anlamına gelir. Benzer şekilde µj ve xj eş zamanlı olarak pozitif olamaz. Problem
uygun çözüme sahipse, 1. Faz tüm yapay değişkenleri r = R1 + R2 + R3 + … = 0 a eşit
verecektir.

Örnek

Aşağıdaki Doğrusal olmayan Karesel Programlama problemini ele alalım:

Amaç fonksiyonu: Maks. z = 4x1 + 6x2 – 2x12 – 2x1 x2- 2x22

Kısıtlar :

x1 + 2x2 ≤ 2

x1, x2 ≥ 0

Bu problem matris formuna aşağıdaki gibi dönüştürülebilir:

Maks. z = (4,6) [ ] + (x1, x2)[ ][ ]

Kısıtlar : (1,2) [ ] ≤2

x1, x2 ≥ 0

Kuhn- Tucker şartları aşağıdaki gibi yazılır:

(1,2) [ ] + = 2 olur. Bunun için Lagrange Çarpanı tanımlanır.

x1 - µ1 + R1 = 0

x2 - µ2 + R2 = 0

(X1 X2 1 µ1 µ2 S1)

[ ] =[ ]

[ ]

İki Faz Yönteminin 1. Fazında min.r = R1 + R2 = 0 olduğunda Optimal sonuç

bulunacaktır.

Buna göre Başlangıç tablo şöyle oluşur ve Optimallik için min. r = 0 yapılması amaçlanır:

Prof. Dr. Cemalettin KUBAT | Yrd. Doç. Dr. Özer UYGUN Yöneylem Araştırması 3 Ders Notları: Hafta 08
Temel X1 X2 1 µ1 µ2 R1 R2 S1 Çözüm
r 6 6 3 -1 -1 0 0 0 10
R1 4 2 1 -1 0 1 0 0 4
R2 2 4 2 0 -1 0 1 0 6
S1 1 2 0 0 0 0 0 1 2

1.Tablo:

Başlangıç tablosunda R1 = 4 daha büyük yapay değişken olmasından X1 temele girerken,

çıkan değişken R1 olacaktır. İşlemler sonucunda aşağıdaki tablo elde edilir:

Temel X1 X2 1 µ1 µ2 R1 R2 S1 Çözüm
r 0 3 3/2 1/2 -1 -3/2 0 0 4
X1 1 1/2 1/4 -1/4 0 1/4 0 0 1
R2 0 3 3/2 1/2 -1 -1/2 1 0 4
S1 0 3/2 -1/4 1/4 0 -1/4 0 1 1

2.Tablo:

Üstteki tabloda X2 değişkeni temele girerken, S1 terk eder. Bu da aşağıda tabloyu verir:

Temel X1 X2 1 µ1 µ2 R1 R2 S1 Çözüm
R 0 0 2 0 -1 -1 0 -2 2
X1 1 0 1/3 -1/3 0 1/3 0 -1/3 2/3
R2 0 0 2 0 -1 0 1 -2 2
X2 0 1 -1/6 1/6 0 -1/6 0 2/3 2/3

3.Tablo:

Üstteki tabloda 1 değişkeni temele girerken, R2 terk eder. Bu da aşağıdaki tabloyu verir:

Temel X1 X2 1 µ1 µ2 R1 R2 S1 Çözüm
r 0 0 0 0 0 -1 -1/ 0 0
X1 1 0 0 -1/3 1/6 1/3 -1/6 0 1/3
1 0 0 1 0 -1/2 0 1/2 -1 1
X2 0 1 0 1/6 -1/12 -1/6 1/12 1/2 5/6

Bu son tablo: r = 0 olduğundan 1.faz için optimum çözümü verir. Böylece optimum
çözüm:

x1*= 1/3, x2* =5/6 1*= 1

olarak ortaya çıkar. z’nin optimum değeri değişkenlerin çözüm değerleri amaç
fonksiyonunda konularak hesaplanır:

Prof. Dr. Cemalettin KUBAT | Yrd. Doç. Dr. Özer UYGUN Yöneylem Araştırması 3 Ders Notları: Hafta 08
z = 4x1 + 6x2 – 2x12 – 2x1 x2- 2x22

z = 4 (1/3) + 6 (5/6) – 2 (1/3)2 – 2(1/3)(5/6) – 2(5/6)2

Sonuç olarak Maksimum(optimum) Çözüm değerleri:

x1*= 1/3 x2* =5/6 1*= 1 z = 25 / 6

elde edilir.

Problemler:

1.Aşağıdaki problemi göz önüne alarak:

Maks. z = 6x1 + 3x2 – 4x1x2 – 2x12 – 3x22

Kısıtlar :

x 1 + x2 ≤ 1

2x1 + 3x2 ≤ 4

x1, x2 ≤ 0

kuadratik programlama algoritmasını kullanarak problemi çözünüz.

2. Aşağıdaki problemi göz önüne alarak :

Min.z = 2x12 + 3x32 + 2x1x2 + 2x2x3 + x1 – 3x2 – 5x3

Kısıtlar

x1 + x2 + x3 ≥ 1

3x1 + 2x2 + x3 ≤ 6

x1,x2,x3 ≥ 0

kuadratik programlama algoritmasını kullanarak çözünüz.

Prof. Dr. Cemalettin KUBAT | Yrd. Doç. Dr. Özer UYGUN Yöneylem Araştırması 3 Ders Notları: Hafta 08