Professional Documents
Culture Documents
1
Линеарно програмирање
Линеарно програмирање је можда најпознатија и једна од најчешће
коришћених техника науке о управљању. То је математичка метода алоцирања
дефицитарних ресурса све у смислу потезања задатог циља, као што је
максимизација профита. Линеарно програмирање је нашло широку примену у
пословању, код већине управљачких проблема који захтевају алокацију ресурса. На
пример, управљачки проблеми при одлучивању у области управљања производњом,
планирања потребног буџета, алокације персонала, рекламирања и планирања
промоције су повезани са достизањем задатог циља (максимизацијом профита или
минимизацијом цене), све у зависности од ограничених ресурса (новца, материјала,
људских ресурса, времена итд.). Линеарно програмирање укључује опис стварних
ситуација при доношењу одлука кроз математички модел који се састоји од
линеарне функције циља и линеарних ограничења ресурса.
2
У првом примеру желимо минимизирати цене, у другом желимо
максимизирати повраћај инвестиције, у трећем желимо максимизирати ефекте
рекламирања, а у четвртом захтевамо минимизацију трошкова транспортом. У свим
задацима ЛП предмет истраживања је максимизација или минимизација неке
величине.
3
заинтересовано да искористи ресурсе са којима у одређеном периоду
располаже на најбољи могући (оптималан) начин. С тога је за једно предузеће
веома важна улога линеарног програмирања у креирању оптималног
програма производње који омогућава синтезу расположивих ресурса и
позитивног пословног резултата.
b) Планирање инвестиција – Проблем планирања инвестиција јавља се пре свега
на подручју осигуравајућих компанија. У овом случају полази се од
претпоставке о ограничености инвестиционих средстава. Улога линеарног
програмирања заснива се на креирању оптималног нивоа улагања у поједине
хартије од вредности.
c) Планирање транспорта робе – Циљ сваког успешног предузећа јесте не само да
оствари максималан профит већ и да трошак пословања сведе на минимум. У
том смислу транспорт робе је веома важан. Наиме, у условима територијалне
раздвојености потрошача и произвођача транспорт робе изазива значајан
трошак дистрибуције и превоза. Методом линеарног програмирања настоји се
одредити оптималан вид транспорта који ће омогућити минимизацију
трошкова. Улога линеарног програмирања у решавању овог проблема је
двојака јер не само да доприноси осварењу основног циља предузећа већ
путем смањења трошкова транспорта индиректно утиче и на смањење цене
производа па на тај начин задовољава и потребе потрошача.
d) Оптимално рапоређивање кадрова – Оптимално распоређивање кадрова
односи се на одређивање оптималног распореда извршилаца за обављање
различитих послова. Оптималан распоред подразумева такав распоред који ће
омогућити максималну ефикасност при раду. При томе ефикасност може бити
усмерена на минимизацију трошкова, минимизацију радног времена или
максимизацију профита. Оптималан распоред омогућава се посебним видом
линеарног програмирања – моделом асигнације, односно распоређивања.
Графичка метода
Најједноставнији начин одређивања решења у задатку линеарног
програмирања представља графички метод. Међутим, и поред изразите
једноставности и прегледности, могућности коришћења овог метода у решавању
практичких проблема линеарног програмирања су веома ограничене. Наиме,
графички метод решавања задатог линеарног програмирања може се применити
само у случају када у задатку постоје две реалне променљиве. Због тога, разматрање
графичког метода има превасходно карактер представљања скупа могућих решења и
поступака тражења оптималног решења, као и указивања на основни карактер
поступка одређивања решења коришћењем simplex метода.
4
Поступак његове примене је следећи:
Симплекс метода
За разлику од графичког метода, који се може користити само за решавање
проблема у којима постоје две реалне променљиве, симплекс метода представља
општи алгоритам који се користи за решавање свих облика задатка линеарног
програмирања. Симплекс метода представља алгоритам у коме се у низу итерација
(фаза) долази до оптималног решења задатка линеарног програмирања.
5
решења која одговарају свим екстремним тачкама конвексног скупа могућих
решења.
Функција циља
Z=¿
Систем ограничења
[ ][ ] [ ]
a21 , a 22 , … a2 p ,0 ,1 … 0
… … … … … … … … … … .. … … … … .
a m 1 , am 2 , … amp , 0,0 … 1
x 2 = b2
x p+m bm
а11 a 12 a1p 0
…
[ ] [ ] [ ] []
А1= а21 , A 2=
аm 1
a 22 , … .., A =
…
am 2
p
a 2 p , … ... , A =
…
amp
p+m
0
…
1
односно
a1 j b1 x1
…
[] [] [ ]
A j= a2 j , као и b=
amj
b 2 x= x 2
…
bm
…
x p +m
p+ m
∑ A j x j =b
j=l
x j ≥ 0¿
6
Поступак одређивања оптималног решења применом симплекс метода,
започиње са одређивањем почетног базичног решења. Почетно базично решење
стандардног проблема максимума одређује се тако што се претпоставља да су реалне
променљиве једнаке 0, а додатне променљиве једнаке слободним члановима система
ограничења, тј.
x j=0 за j=1 , … , p
x p+i=bi за i=1 ,… , m .
Функција циља за свако почетно базично решење једнака је нули, z=0. Према
томе, слично као код графичког метода, решавање задатка стандардног проблема
максимума започињемо из почетка m- димензионалног векторског простора.
Наведена претпоставка, према томе, има за последицу да векторску базу на основу
које се утврђује почетно базично решење образују вектори коефицијената уз
додатне променљиве, док су вектори коефицијената уз реалне променљиве
небазични. Вектори коефицијената уз додатне променљиве (којих у нашем проблему
има m) образују јединичну матрицу – чија инверзна матрица је такође јединична.
Поставља се питање, на који начин се може одредити решење за које функција циља
има већу вредност од 0? Одговор на то питање јесте: изменом елемената (вектора)
векторске базе.
X ki X
p= =min i , za X il > 0
X kl X il
7
Из базе, према томе, излази онај вектор Ак за који овако одређен количник
буде минималан позитиван број (мањи од осталих вредности) у случају проблема
минимума и максимума. Након смене вектора у бази, на основу примене наведених
симплекс критеријума, израчунава се ново, побољшано решење и испитује да ли оно
даје оптималну, тј. максималну/минималну вредност функције циља.
Дуални проблем
Сваком проблему линеарног програмирања одговара дуални проблем, који
такође представља проблем линеарног програмирања. Између основног
(примарног) и извесног (дуалног) проблема линеарног програмирања постоји
инверзан однос у погледу захтева за одређивањем екстремне вредности функције
циља. Уколико се у почетном проблему, који се назива примарни проблем, поставља
захтев за максимизацијом функције циља, у дуалном проблему ће функција циља
бити функција минимума, и обрнуто.
8
1. Уколико примарни проблем представља проблем максимума, функција циља
дуалног проблема ће бити функција минимума, и обрнуто;
2. Мења се смер знакова неједнакости у систему једначина, и то тако да уколико
се неједначине примарног проблема са знаком ≤, неједначине дуалног
проблема постају неједначине са знаком ≥, и обрнуто;
3. Врши се транспоновање матрице коефицијената система ограничења
примарног проблема, на основу чега уколико у примарног проблему имамо m
неједначина са p променљивих, у дуалном проблему ће бити p неједначина са
m променљивих;
4. Коефицијенти уз променљиве у функцији циља дуалног проблема једнаки су
слободним члановима система ограничења примарног проблема;
5. Слободни чланови система неједначина дуалног проблема једнаки су
коефицијентима који се уз променљиве налазе у функцији циља примарног
проблема;
6. Све променљиве дуалног проблема морају бити ненегативне, због чега је овај
услов обавезно присутан и у дуалном проблему.
a 11 x 1 +a12 x 2 +…+ a1 p x p ≤b 1
a 21 x1 + a22 x 2+ …+a2 p x p ≤ b2
………………………………………………………..
a m 1 x 1+ am 2 x2 +…+ amp x p ≤ bm
x1 , x2 , … , x p ≥ 0
a 11 y 1 +a 21 y 2 +…+a m 1 y m ≥ c 1
a 12 y 1+ a22 y 2 +…+ am 2 y m ≥ c 2
……………………………………………………………………
a 1 p y 1+ a2 p y 2+ …+amp y m ≥ c p
9
y1 , y2 , … , ym≥ 0
∑ aij x j ≤ bi ( i=l , … , m )
j+l
x j ≥ 0 ( j=l , … , p )
∑ aij y 1 ≥c j ( j=l , … , p )
j+l
y 1 ≥ 0 ( i=l , … , m )
x j ≥ 0 x p + j ≥0 ( j=l , … , p ; i=1 , … , m)
10
m
( min ) v =∑ bi y i
i+l
y i ≥0 , y m + j ≥ 0 ( i=l , … , m; j=l , … , p )
11
Већ сада је позназо око 30 разних модификованих метода технике мрежног
планирања, које су изведене из две основне методе: ЦРМ (метод критичког пута) и
ПЕРТ (метод оцене и ревизије програма), како је то приказано на слици:
Примена ТМП захтева тимски рад. Пре свега због тога што се траже разне врсте
потребних информација од стране различитих стручњака, а као друго зато што је то
метод који у планирању неког задатка ангажује све учеснике одређене за његово
извршење.
12
ЦПМ метода
ПЕРТ метода
13
Применом ТМП остварују се следећи циљеви:
14
Шта се све у техници мрежног планирања може третирати под појмом
„пројекат“ илустроваћемо уз неколико карактеристичних примера:
Догађај се дефинише као тренутак почетка или завршетка једне или више
активности или целог пројекта.
15
Облици и особености графичког представљања
Графичко представљање
16
При састављању мрежног дијаграма за одређене пројекте неопходно је
обратити пажњу на следеће:
Управљање залихама
Залихе су роба која се складишти у складиштима сложеног система. Залихе чине
значајан део укупне имовине разматраног система. У општем случају разликују се
два основна типа складишта у сложеном систему:
1. Дистрибутивни центри,
2. Производна складишта.
17
У случају променљиве тражње постојање:
(1) производних залиха је важно јер оне омогућавају континуитет процеса
производње,
(2) тржишних залиха је неопходно јер оне омогућавају да испорука купцима буде
тачно на време и у захтеваним количинама.
Тражња
18
променљива (континуална или дискретна) са одређеним типом расподеле
вероватноће. Уобичајено је да се користе стандардне расподеле: нормална, биномна,
Пуасонова и др. Провера сагласности емпиријских података за обим тражње и
изабране расподеле најчешће се врши помоћу hi-kvadrat теста.
Време испоруке
Време испоруке се дефинише као време које протекне од тренутка када се јави
тражња на складишту до тренутка када је добављач спреми да изврши испоруку.
Вредност времена испоруке може да буде детерминистичка. Специјалан случај је
када је једнака нули или неизвесна. Ако је време испоруке једнако нули тада кажемо
да је испорука тренутна. У проблемима одређивање оптималне политике залиха у
сложеном просторно-производном систему реално је претпоставити да је ова
вредност незвесна. У великом броју радова из ове области, ова вредност се описује
случајном променљивом која има нормалну или Паусонову расподелу.
19
У (R, Q) систему количина наручивања Q t је фиксна а време између два узастопна
наручивања се мења у зависности од промене тражње и промера залиха у времену
код ROi система, а илустрована је на слици:
Трошковни параметри
Укупни трошкови залиха се рачунају као сума ових описаних трошкова, тј.
трошкова набавке, трошкова држања залиха и трошкова пенала. Њихова вредност се
20
описује најчешће функцијом једне променљиве (количине наручивања) која је
конвексна.
АБЦ класификација
21
Управљање залихама ових ставки мање је строго него управљање залихама
ставки групе А. Осталих 5% кумулатива годишње вредности кореспондира ставкама
које имају „складишну“ вредност, тј. за ове ставке не развијају се модели управљања.
22
Закључак
Операциона истраживања су базична дисциплина менаџмента утемељена на
математичком формализму, чији је циљ да се кроз координацију научног и
практичног рада, познавање и развој методологије и операционих истраживања,
обезбеде аргументовани и јасни закључци за подршку и унапређење функције
управљања у организованим системима.
23
Литература
Операциона истраживања – Др Данијела Тадић, Др Милија Сукновић, Мр Гордана
Радојевић, Вукица Јовановић
24