3/11/2021

METODE OPERACIONIH ISTRAŽIVANJA U

RUDARSKOM INŽENJERSTVU
TERMIN 3: LINEARNO PROGRAMIRANJE

LINEARNO PROGRAMIRANJE I
- SADRŽAJ -

 Uvod, istorija LP
 Model
 Tipologija problema koje rešava LP
 Modeli LP
 Geometrijska interpretacija problema LP

1
 3/11/2021

UVOD. ISTORIJA LP

 Linearno programiranje (LP) je jedna od najpoznatijih i najprimenjivanijih metoda

operacionih istraživanja. Razvoj metode počeo je sredinom 20. veka. Danas je
metoda široko primenjena u svim industrijskim granama.
 LP se koristi za uslovnu optimizaciju, odnosno rešavanje problema u kojima je
potrebno naći optimalno rešenje, odnosno takvo rešenje koje na najbolji način
postiže zadate ciljeve od raspoloživih alternativa.

UVOD. ISTORIJA LP

 U LP koriste se matematički modeli u cilju opisa problema. Termin „linearno“

odnosi se na činjenicu da su sve funkcije u modelima koji se koriste linearne.
Termin „programiranje“ koristi se u smislu „planiranje“.
 Imajući ovo u vidu, LP se može smatrati načinom dobijanja optimalnog rešenja
putem planiranja aktivnosti.

2
 3/11/2021

UVOD. ISTORIJA LP

 Razvoj koncepta LP i prve primene izloženi su u radovima L. V. Kantoroviča, Dž. fon

Nojmana.
 Nakon II svetskog rata veliki doprinos razvoju LP dali su Dancig, fon Nojman, Kun,
Taker itd.

PRIMER (1)

 Rudarska kompanija prodaje koncentrat na dalju preradu. Koncentrat olova i

cinka treba da sadrži minimalno 70% olova, maksimalno 6% cinka, bizmuta
maksimalno 0,2% i minimalno 1,3% bakra. Koncentrat za prodaju nastaje
mešanjem koncentrata sa četiri postrojenja za flotacijsku koncentraciju sa
koncentratima sledećih karakteristika (Tabela 1):
Koncentrat Pb, % Zn, % Bi, % Cu, %
K-1 72 4 0,1 1,2
K-2 65 2 0,05 1,5
K-3 74 6 0,15 1,3
K-4 71 5 0,1 1,3

3
 3/11/2021

Koncentrat Pb, % Zn, % Bi, % Cu, %

K-1 72 4 0,1 1,2
K-2 65 2 0,05 1,5
PRIMER (2) K-3 74 6 0,15 1,3
K-4 71 5 0,1 1,3

 Matematički model problema na osnovu Tabele 1 glasi:

72 · 𝑥 65 · 𝑥 74 · 𝑥 71 · 𝑥 70
4·𝑥 2·𝑥 6·𝑥 5·𝑥 6
0,1 · 𝑥 0,05 · 𝑥 0,15 · 𝑥 0,1 · 𝑥 0,2
1,2 · 𝑥 1,5 · 𝑥 1,3 · 𝑥 1,3 · 𝑥 1,3

TIPOLOGIJA PROBLEMA KOJE REŠAVA LP

 Problem raspodele (alokacije) resursa;

 Problemi određivanja mešavine (problem mešanja);
 Problem proizvodnje različitih proizvoda;
 Problem dijete;
 Problem raspoređivanja poslova;
 Transportni problem;
 Problemi planiranja, skladištenja, distribucije kroz više vremenskih perioda.

4
 3/11/2021

PROBLEM RASPODELE (ALOKACIJE) RESURSA

 Pretpostavka je da su raspoloživi resursi ograničeni.

 Problem se sastoji u sledećem pitanju: Kakav treba da bude proizvodni plan

organizacije, odnosno koje proizvode i u kojim količinama treba da proizvodi.

PROBLEM RASPODELE (ALOKACIJE) RESURSA

 Da bi se formirao matematički model čijim se rešavanjem dobija odgovor na

pitanje uvode se oznake parametara i promenljivih:
 n – broj različitih tipova proizvoda,
 j – indeks koji određuje tip proizvoda,
 xj – planirana količina proizvoda tipa j,
 x = (x1, …, xj, …, xn) – plan proizvodnje odnosno vektor koji treba odrediti,
 cj – dobit po jedinici proizvoda i,
 m – broj različitih resursa,
 i – indeks koji se odnosi na vrstu resursa,
 bi – raspoloživa količina resursa i,
 aij – utrošak resursa i za jedinicu proizvoda j,
 f(x) – planirana dobit.

10

5
 3/11/2021

PRIMER PROBLEMA RASPODELE RESURSA (1)

 Preduzeće raspolaže tehnologijom pomoću koje može da proizvodi dva proizvoda:

P1 i P2. Dobit po jedinici proizvoda P1 je 2 novčane jedinice (n.j.) a po jedinici
proizvoda P2 je 3 n.j.
 U proizvodnji se koriste četiri različita resursa: R1, R2, R3 i R4 kojih preduzeće ima
u količinama 12, 7, 8 i 19, respektivno.
 Normativi utrošaka pojedinih vrsta resursa za jedinicu proizvoda dati su u tabeli
na sledećem slajdu.

11

PRIMER PROBLEMA RASPODELE RESURSA (2)

P1 P2 b
c 2 3
R1 2 1 12
R2 1 1 7
R3 -1 2 8
R4 1 4 19

 Treba formulisati matematički model koji će poslužiti za pronalaženje plana

proizvodnje kojim bi se ostvarila maksimalna dobit.

12

6
 3/11/2021

PRIMER PROBLEMA RASPODELE RESURSA (3)

 Kriterijumska funkcija je ukupna dobit:

𝑓 𝑥 2𝑥 3𝑥
 Treba odrediti x = (x1, x2) tako da vrednost kriterijumske funkcije (2,4) bude
maksimalna i da su pri tome zadovoljena sledeća ograničenja
2𝑥 𝑥 12
𝑥 𝑥 7
𝑥 2𝑥 8
𝑥 4𝑥 19
𝑥 0, 𝑥 0

13

PRIMER PROBLEMA RASPODELE RESURSA (4)

 Model problema alokacije resursa zapisuje se i u sledećem obliku:

𝑚𝑎𝑥 𝑓 𝑥 𝑐𝑥

pri ograničenjima:

𝑎 𝑥 𝑏 ,𝑖 1, … , 𝑚

𝑥 0, 𝑗 1, … , 𝑛

14

7
 3/11/2021

PRIMER PROBLEMA RASPODELE RESURSA (5)

 Često se koristi matrični oblik

𝑚𝑎𝑥 𝑓 𝑥 𝑐𝑥
pri ograničenjima
𝐴𝑥 𝑏
𝑥 0
 Gde su koeficijenti u matematičkom modelu dati matricama
𝑐 𝑐 , 𝐴 𝑎 , 𝑏 𝑏

15

PRIMER PROBLEMA RASPODELE RESURSA (6)

 Karakteristike osnovnog modela alokacije resursa su:

 Traži se vektor upravljačkih promenljivih koji odgovara najvećoj vrednosti (maksimumu)
kriterijumske funkcije, odnosno rešava se problem maksimizacije,
 Upravljačke promenljive xj su nenegativne,
 Sva ograničenja su nejednačine tipa manje ili jednako.

 Ovakav oblik zadatka naziva se simetričnim.

16

8
 3/11/2021

MODELI LINEARNOG PROGRAMIRANJA

 Upravljačke promenljive povezane su sa aktivnostima koje treba preduzeti radi

planiranja. U praksi, reč je o različitim veličinama: planirana proizvodnja, utrošak
resursa, utrošak normativnih materijala, novac, vreme angažovanja opreme, itd.
 U modelima LP se pretpostavlja da su promenljive izražene realnim brojevima.
Druge osnovne pretpostavke:
 Proporcionalnost (efekat svake upravljačke promenljive na kriterijumsku funkciju i funkcije
ograničenja),
 Aditivnost (ukupan doprinos aktivnosti su zbir pojedinačnih doprinosa),
 Deljivost (svaka od aktivnosti može se podeliti u bilo koji deo),
 Izvesnost (parametri modela treba da budu poznate konstante).

17

PROBLEM ODREĐIVANJA MEŠAVINE (PROBLEM MEŠANJA)

 U različitim granama industrije postoji zadatak izbora mešavine sirovina

neophodnih za realizaciju procesnih ciljeva u vezi sa asortimanom i količinama
proizvoda.
 Poznate veličine su cene sirovina i normativi proizvoda po jedinici sirovine, tj.
koliko se jedinica proizvoda dobije pri preradi jedinice sirovine.
 Cilj je ispuniti plan proizvodnje uz minimalne troškove. Potrebno je odrediti
mešavinu sirovina koje će se koristiti u procesu proizvodnje.

18

9
 3/11/2021

PROBLEM ODREĐIVANJA MEŠAVINE (PROBLEM MEŠANJA)

 Oznake promenljivih i parametara:

 n – broj različitih sirovina koje se mogu koristiti,
 j – indeks koji određuje sirovinu, j = 1, … n,
 m – broj različitih proizvoda koje treba proizvesti,
 i – indeks koji se odnosi na proizvod,
 xj – planirana količina sirovine j (upravljačka promenljiva),
 cj – jedinična cena sirovine j,
 bi – minimalna količina proizvoda i koju treba proizvesti,
 aij – sadržaj proizvoda i u sirovini j, tj. količina proizvoda i koji će se dobiti iz jedinice sirovine j
(normativ),
 f(x) – ukupni troškovi proizvodnje za plan x.

19

PROBLEM ODREĐIVANJA MEŠAVINE (PROBLEM MEŠANJA)

 U ovom slučaju kriterijumska funkcija koju treba minimizirati je predstavljena

ukupnim troškovima:
𝑓 𝑥 𝑐 𝑥 ⋯ 𝑐𝑥 ⋯𝑐 𝑥

20

10
 3/11/2021

PROBLEM ODREĐIVANJA MEŠAVINE (PROBLEM MEŠANJA)

 Iz količine xj sirovine j dobiće se aij xj jedinica proizvoda i. Ukupno treba obezbediti

bar xj proizvoda i pa sledi:
𝑎 𝑥 ⋯ 𝑎 𝑥 ⋯ 𝑎 𝑥 𝑏
⋯
𝑎 𝑥 ⋯ 𝑎 𝑥 ⋯ 𝑎 𝑥 𝑏
⋯
𝑎 𝑥 ⋯ 𝑎 𝑥 ⋯ 𝑎 𝑥 𝑏
 Po prirodi zadatka, promenljive xj su nenegativne:
𝑥 0, 𝑗 1, … , 𝑛

21

PROBLEM ODREĐIVANJA MEŠAVINE – PROBLEM DIJETE (1)

 Problem se pojavljuje u oblasti planiranja ishrane.

 Na raspolaganju je više vrsta hrane za koje su poznati nutricionistički sastavi i
jedinične cene.
 Zadatak je napraviti plan ishrane kojim će se uz minimalne ukupne troškove
hrane zadovoljiti potrebe za hranljivim materijama.
 Model se predstavlja praktično predstavlja istim matematičkim modelom kao i
problem određivanja mešavine:

22

11
 3/11/2021

PROBLEM ODREĐIVANJA MEŠAVINE – PROBLEM DIJETE (2)

 U ovom slučaju kriterijumska funkcija koju treba minimizirati je predstavljena

ukupnim troškovima:
𝑓 𝑥 𝑐 𝑥 ⋯ 𝑐𝑥 ⋯𝑐 𝑥

23

PROBLEM ODREĐIVANJA MEŠAVINE – PROBLEM DIJETE (3)

 Iz količine xj sirovine j dobiće se aij xj jedinica proizvoda i. Ukupno treba obezbediti

bar xj proizvoda i pa sledi:
𝑎 𝑥 ⋯ 𝑎 𝑥 ⋯𝑎 𝑥 𝑏
⋯
𝑎 𝑥 ⋯ 𝑎 𝑥 ⋯𝑎 𝑥 𝑏
⋯
𝑎 𝑥 ⋯ 𝑎 𝑥 ⋯𝑎 𝑥 𝑏
 Po prirodi zadatka, promenljive xj su nenegativne:
𝑥 0, 𝑗 1, … , 𝑛

24

12
 3/11/2021

PROBLEM ODREĐIVANJA MEŠAVINE – PROBLEM DIJETE (4)

 Oznake u modelu:
 xj – količina hrane j koju treba upotrebiti u ishrani,
 cj – cena hrane j,
 bi – potrebna količina hranljivog sastojka,
 aij – količina hranljivog sastojka i u jedinici hrane j,
 n – broj različitih sirovina koje se mogu koristiti,
 j – indeks koji određuje sirovinu, j = 1, … n,
 m – broj različitih proizvoda koje treba proizvesti,
 i – indeks koji se odnosi na proizvod,
 f(x) – ukupni troškovi proizvodnje za plan x.

25

PROBLEM ODREĐIVANJA MEŠAVINE – PROBLEM DIJETE (5)

 U matričnoj notaciji:
𝑚𝑖𝑛 𝑓 𝑥 𝑐𝑥
pri ograničenjima
𝐴𝑥 𝑏
𝑥 0
 Gde su koeficijenti u matematičkom modelu dati matricama

𝑐 𝑐 , 𝐴 𝑎 , 𝑏 𝑏

26

13
 3/11/2021

PROBLEM ODREĐIVANJA MEŠAVINE – PROBLEM DIJETE (6)

 U modelu se traži vektor nenegativnih upravljačkih promenljivih kojim se

minimizira vrednost kriterijumske funkcije a sva ograničenja su nejednačine tipa
veće ili jednako (≥).
 Razlike između dva modela dolaze do izražaja kada se rešavaju praktični
problemi, pošto se tada moraju uzeti u obzir dodatni zahtevi koji proističu iz
specifičnosti konkretnog problema.
 Npr. u problemu dijete ograničenja moraju biti postavljena i na maksimalno
dozvoljene količine određene vrste hrane, ukus, vremensku zavisnost potreba
organizma i sl.

27

PRIMER PROBLEMA ODREĐIVANJA MEŠAVINE (1)

 U livnici je potrebno napraviti određenu količinu nove legure LEG6 koja u svom
sastavu treba da ima najmanje 16% metala A, ne više od 80% metala B i ne više
od 8% ostalih sastojaka.
 Na skladištu livnice postoji u dovoljnim količinama pet sličnih legura: LEG1, LEG2,
LEG3, LEG4 i LEG5. Hemijski sastavi legura u procentima njihove cene po jedinici
težine dati su u tabeli:
Koncentrat LEG1 LEG2 LEG3 LEG4 LEG5
A 25 13 25 8 8
B 70 77 60 90 85
Ostalo 5 10 15 2 7
Cena 8 6 4 3 5

28

14
 3/11/2021

PRIMER PROBLEMA ODREĐIVANJA MEŠAVINE (2)

 Potrebno je formirati matematički model koji se može koristiti u određivanju

optimalne mešavine postojećih legura za proizvodnju LEG6.
 Neka je j, j =1, …, 5 indeks koji označava postojeće legure, a xj udeo legure j u
jedinici novostvorene legure LEG6. Cena po jedinici težine je:
𝑓 𝑥 8𝑥 6𝑥 4𝑥 3𝑥 5𝑥

29

PRIMER PROBLEMA ODREĐIVANJA MEŠAVINE (3)

 Iz zahteva o hemijskom sastavu legure LEG6 slede ograničenja:

25𝑥 13𝑥 25𝑥 8𝑥 8𝑥 16
70𝑥 77𝑥 60𝑥 90𝑥 85𝑥 80
5𝑥 10𝑥 15𝑥 2𝑥 7𝑥 8
A iz definicije promenljivih:
𝑥 𝑥 𝑥 𝑥 𝑥 1
𝑥 0, 𝑗 1, … 5

30

15
 3/11/2021

PROBLEM RASPOREĐIVANJA POSLOVA

 Poslove koje treba da uradi kompanija potrebno je rasporediti na raspoložive

mašine tj. uređaje ili radna mesta koja su sposobna da te poslove obave.
 Troškovi i brzina obavljanja jedinice posla zavise od mašine na kojoj se posao
obavlja. Kapaciteti mašina su ograničeni.
 Svi poslovi se moraju obaviti uz minimalne ukupne troškove proizvodnje.

31

PROBLEM RASPOREĐIVANJA POSLOVA (1)

 Oznake promenljivih i parametara:

 n – broj različitih poslova koje treba obaviti,
 j – indeks koji određuje vrstu posla, j = 1, … n,
 m – broj različitih mašina koje se mogu koristiti u proizvodnji,
 i – indeks koji se odnosi na mašinu i = 1, … m,
 xij – količina posla j koji treba da se uradi na mašini i,
 cij – troškovi obavljanja jedinice posla j na mašini i,
 bi – kapacitet mašine i (npr. u radnim satima),
 dj – količine posla j, koji treba obaviti,
 f(x) –troškovi proizvodnje.

32

16
 3/11/2021

PROBLEM RASPOREĐIVANJA POSLOVA (2)

 Kriterijumska funkcija je predstavljena ukupnim troškovima obavljanja poslova

koje treba minimizirati:

𝑓 𝑥 𝑐 𝑥

 Ograničeni kapacitet mašina daju sledeća ograničenja:

𝑎 𝑥 ⋯ 𝑎 𝑥 ⋯ 𝑎 𝑥 𝑏 ,𝑖 1, … , 𝑚

33

PROBLEM RASPOREĐIVANJA POSLOVA (3)

 Iz zahteva da svi poslovi treba da budu obavljeni proizilazi:

𝑥 ⋯ 𝑥 ⋯ 𝑥 𝑑 ,j 1, … , n.
 Uslov je i da su promenljive nenegativne:
𝑥 0, 𝑗 1, … 𝑛, 𝑖 1, … , 𝑚

34

17
 3/11/2021

TRANSPORTNI PROBLEM (1)

 U klasičnom transportnom zadatku razmatra se relativno jednostavan problem

planiranja transporta jedne vrste robe sa nekoliko ishodišnih mesta – skladišta
(ishodišta) do nekoliko odredišnih lokacija – prodavnica (odredišta).
 Poznate su: raspoložive količine robe u skladištima, tražnje prodavnica za robom i
jedinični transportni troškovi od određenog skladišta do određene prodavnice.
 Pretpostavlja se da je ukupna količina robe u skladištima jednaka ukupnoj tražnji
iz prodavnica.
 Traži se plan transporta tako da se sva roba iz skladišta transportuje do
prodavnica uz minimalne ukupne transportne troškove

35

TRANSPORTNI PROBLEM (2)

 Oznake promenljivih i parametara:

 m – ukupan broj skladišta,
 i – indeks skladišta i = 1, … m,
 n – ukupan broj prodavnica,
 j – indeks prodavnice, j = 1, … n,
 ai – količina robe (ponuda) skladišta i, i = 1, … m,
 bj – zahtevana količina (tražnja) prodavnice j, j = 1, … n,
 cij – jedinični troškovi transporta od skladišta i do prodavnice j,
 xij – planirana količina robe koju treba transportovati od skladišta i do prodavnice j; upravljačka
promenljiva.

36

18
 3/11/2021

TRANSPORTNI PROBLEM (3)

 Kriterijumska funkcija predstavlja ukupne troškove transporta, koje je potrebno

minimizirati:

𝑓 𝑥 𝑐 𝑥

 Ograničenje da sva roba iz skladišta i treba da bude transportovana:

𝑥 ⋯ 𝑥 ⋯ 𝑥 𝑎 ,𝑖 1, … , 𝑚

37

TRANSPORTNI PROBLEM (4)

 Ograničenje da sve prodavnice treba da dobiju tražene količine robe:

𝑥 ⋯ 𝑥 ⋯ 𝑥 𝑏 ,𝑗 1, … , 𝑛
 Uslov je i da su promenljive nenegativne:
𝑥 0, 𝑖 1, … , 𝑚, 𝑗 1, … 𝑛

38

19
 3/11/2021

TRANSPORTNI PROBLEM (5)

 Iz pretpostavke da se u skladištima nalazi tačno onoliko robe koliko traže

prodavnice sledi:

𝑎 𝑏

 Kada je ova pretpostavka zadovoljena, kaže se da je u pitanju zatvoreni

transportni problem LP. Ukoliko ona nije zadovoljena, radi se o otvorenom
transportnom problemu LP.

39

OPŠTI OBLIK PROBLEMA LP (1)

 U oblasti linearnog programiranja zadaci se mogu postaviti u vidu opšteg,

standardnog i kanonskog modela. Bez obzira na oblik modela, oni se jednostavno
mogu transformisati jedan u drugi.
 Pod opštim modelom problema LP smatramo zadatak optimizacije u kome
kriterijumska funkcija predstavlja korist a ograničenja mogu biti bilo koja od tri
navedena tipa.
 Treba odrediti vektor x = (x1, …, xn) tako da se postigne maksimalna vrednost
kriterijumske funkcije:
𝑚𝑎𝑥 𝑓 𝑥 𝑐 𝑥 ⋯ 𝑐𝑥 ⋯ 𝑐 𝑥

40

20
 3/11/2021

OPŠTI OBLIK PROBLEMA LP (2)

 Uz ograničenja:
𝑎 𝑥 ⋯ 𝑎 𝑥 ⋯ 𝑎 𝑥 𝑏
…
𝑎 𝑥 ⋯ 𝑎 𝑥 ⋯ 𝑎 𝑥 𝑏
…
𝑎 𝑥 ⋯ 𝑎 𝑥 ⋯ 𝑎 𝑥 𝑏
𝑎 , 𝑥 ⋯ 𝑎 , 𝑥 ⋯ 𝑎 , 𝑥 𝑏
…
𝑎 𝑥 ⋯ 𝑎 𝑥 ⋯ 𝑎 𝑥 𝑏
𝑎 , 𝑥 ⋯ 𝑎 , 𝑥 ⋯ 𝑎 , 𝑥 𝑏
…
𝑎 𝑥 ⋯ 𝑎 𝑥 ⋯ 𝑎 𝑥 𝑏

𝑥 0, … , 𝑥 0, … , 𝑥 0

41

OPŠTI OBLIK PROBLEMA LP (3)

 U ovom modelu ima ukupno n promenljivih, n odgovarajućih ograničenja na

negenativnost promenljivih i dodatnih m ograničenja tipa jednačina i nejednačina
od kojih su p ograničenja nejednačine tipa manje ili jednako (≤), r-p su ograničenja
jednačine (=) i m-r ograničenja su nejednačine tipa veće ili jednako (≥).
 Kako se za rešavanje problema LP koristi simpleksna metoda koja se u osnovnom
obliku zasniva na pretpostavci da su upravljačke promenljive nenegativne,
ograničenja na nenegativnost se podrazumevaju pa se obično kaže da u zadatku LP
postoji n promenljivih i m ograničenja i da je dimenzija problema LP određena
brojem koeficijenata matrice A, odnosno proizvodom m×n.

42

21
 3/11/2021

STANDARDNI OBLIK PROBLEMA LP (1)

 Standardni oblik problema LP je problem u kome su sva ograničenja tipa jednačina. Za problem
maksimizacije, standardni oblik je sledeći:
𝑓 𝑥 𝑐 𝑥 ⋯ 𝑐 𝑥 ⋯ 𝑐 𝑥
pri ograničenjima:
𝑎 𝑥 ⋯ 𝑎 𝑥 ⋯ 𝑎 𝑥 𝑏
…
𝑎 𝑥 ⋯ 𝑎 𝑥 ⋯ 𝑎 𝑥 𝑏
…
𝑎 𝑥 ⋯ 𝑎 𝑥 ⋯ 𝑎 𝑥 𝑏

𝑥 0, … , 𝑥 0, … , 𝑥 0

43

STANDARDNI OBLIK PROBLEMA LP (2)

 U matričnom zapisu ovaj model se postavlja i ovako:

𝑚𝑎𝑥 𝑓 𝑥 𝑐𝑥
pri ograničenjima:
𝐴𝑥 𝑏
𝑥 0
gde su koeficijenti u matematičkom modelu dati matricama:
𝑐 𝑐 , 𝐴 𝑎 , 𝑏 𝑏
 Svaki model LP može se uvođenjem izjednačavajućih promenljivih prevesti u
ekvivalentni standardni model.

44

22
 3/11/2021

IZJEDNAČAVAJUĆE PROMENLJIVE

 Opšti model zadatka LP se može prevesti u ekvivalentan zadatak standardnog

oblika uvođenjem izjednačavajućih promenljivih kojima se ograničenja tipa
nejednačina zamenjuju ograničenjima tipa jednačina.

45

KANONSKI OBLIK (1)

 Kanonski oblik je poseban slučaj standardnog oblika problema LP. U kanonskom

obliku, svaka od nekih izabranih m promenljivih pojavljuje se u sistemu
ograničenja u samo jednoj od jednačina i to sa koeficijentom 1. Za promenljive xi,
sistem ograničenja kanonskog oblika bi bilo:
𝑥 𝛼 𝑥 ⋯ 𝛼 𝑥 𝛽
…
𝑥 𝛼 𝑥 ⋯ 𝛼 𝑥 𝛽
…
𝑥 𝛼 𝑥 ⋯ 𝛼 𝑥 𝛽

46

23
 3/11/2021

KANONSKI OBLIK (2)

 Bilo koji problem LP zadat u standardnom obliku može se transformirasti u

ekvivalentni kanonski oblik ako je 𝑟𝑎𝑛𝑔𝐴 𝑚 i ako su prvih m kolona matrice A
linearno nezavisni vektori.

47

KANONSKI OBLIK (3)

 Ako se stavi da su promenljive 𝑥 , … 𝑥 slobodne promenljive, koje mogu uzeti

bilo koju vrednost, onda se vrednosti zavisnih m promenljivih sistema lako
računaju:

𝑥 𝛽 𝛼 𝑥 ,𝑖 1, … , 𝑚

48

24
 3/11/2021

KANONSKI OBLIK (4)

 Vrednost kriterijumske funkcije za rešenje ove jednačine je:

𝑓 𝑥 𝑐𝑥 𝑐𝑥 𝑐𝑥

𝑐 𝛽 𝛼 𝑥 𝑐𝑥

𝑐𝛽 𝑐 𝛼 𝑥 𝑐𝑥 𝑐𝛽 𝑐 𝑐𝛼 𝑥

49

KANONSKI OBLIK (5)

 Uvodeći oznaku:

𝑓 𝑐𝛼

Izraz za vrednost kriterijumske funkcije postaje:

𝑓 𝑥 𝑐𝛽 𝑐 𝑓 𝑥

50

25
 3/11/2021

KANONSKI OBLIK (6)

 Vidi se da vrednost kriterijumske funkcije zavisi od parametara sistema

𝑐 ,𝛽 ,𝛼 i vrednosti slobodnih promenljivih 𝑥 .
 Ako bi se stavilo da su vrednosti slobodnih promenljivih jednake nuli, vrednost
kriterijumske funkcije bila bi jednaka prvom članu izraza. Ako bi se vrednost
slobodne promenljive 𝑥 povećala, promenila bi se i vrednost kriterijumske
funkcije ako je koeficijent 𝑐 𝑓 0. Znak promene vrednosti kriterijumske
funkcije određen je znakom koeficijenta 𝑐 𝑓 : ako je pozitivan, sa rastom 𝑥
raste i vrednost kriterijumske funkcije; u suprotnom, ako je koeficijent 𝑐 𝑓
negativan, sa rastom 𝑥 vrednost kriterijumske funkcije će opadati.

51

Realan sistem Matematički model

Upravljačke odluke
Količina prvog proizvoda 𝑥
Količina drugog proizvoda 𝑥
Kriterijum upravljanja kupan profit u n.j.
Cilj: maksimizirati max𝑓 𝑥 80𝑥 50𝑥

ZADATAK 1 Ograničavajući faktori: p.o.

Raspoloživi kapacitet u satima 5𝑥 5𝑥 30.000
Minimalna potrošnja prve sirovine u kg 20𝑥 4𝑥 40.000
Minimalna potrošnja druge sirovine u kg 3𝑥 27𝑥 27.000
Minimalan obim proizvodnje oba proizvoda u komadima 𝑥 𝑥 3.000
𝑥 0, 𝑥 0

 U preduzeću se u planskom periodu od 1 godine proizvode 2 vrste proizvoda na

jednoj mašini i uz upotrebu 2 vrste sirovine. Vreme izrade jedinice oba proizvoda
na mašini je po 5 sati, a ukupni godišnji kapacitet mašine je 30.000 sati.
 Za proizvodnju jedinice prvog proizvoda potrebno je 20 kg prve i 3 kg druge
sirovine, a za proizvodnju jedinice drugog proizvoda 4 kg prve i 27 kg druge
sirovine. Godišnje se mora potrošiti najmanje 40.000 kg prve i 27.000 kg druge
sirovine.

52

26
 3/11/2021

ZADATAK 1

 Profit od prodaje prvog proizvoda je 80 novčanih jedinica po komadu, a drugog 50

novčanih jedinica po komadu. Potrebno je odrediti optimalni godišnji asortiman
proizvodnje, tj. plan koji obezbeđuje maksimalan ukupni profit, uz uslov da
ukupno mora biti proizvedeno najmanje 3.000 jedinica proizvoda obe vrste.
a) Formirati matematički model LP opisanog problema
b) Primenom grafičke metode odrediti optimalno rešenje postavljenog problema.

53

ZADATAK 1
a)
Realan sistem Matematički model
Upravljačke odluke
Količina prvog proizvoda 𝑥
Količina drugog proizvoda 𝑥
Kriterijum upravljanja Ukupan profit u n.j.
Cilj: maksimizirati max𝑓 𝑥 80𝑥 50𝑥
Ograničavajući faktori: p.o.
Raspoloživi kapacitet u satima 5𝑥 5𝑥 30.000
Minimalna potrošnja prve sirovine u kg 20𝑥 4𝑥 40.000
Minimalna potrošnja druge sirovine u kg 3𝑥 27𝑥 27.000
Minimalan obim proizvodnje oba proizvoda u komadima 𝑥 𝑥 3.000
𝑥 0, 𝑥 0
54

27
 3/11/2021

ZADATAK 1

b)
Prvo je potrebno odrediti dopustivu oblast D, tj. skup tačaka koje istovremeno
zadovoljavaju sva ograničenja modela.
Svako ograničenje se prvo posmatra kao jednačina koja se predstavlja pravom koja deli
prvi kvadrant na dve oblasti, a na osnovu znaka ograničenja se razmatra dopustiva
oblast tog ograničenja, odnosno čije tačke zadovoljavaju to ograničenje. U preseku
dopustivih oblasti svih ograničenja nalazi se dopustiva oblast D modela.

55

ZADATAK 1

Prava koja odgovara prvom ograničenju je:

𝐿1: 5𝑥 5𝑥 30.000
Prvo ograničenje je nejednakost tipa ≤ tako da ga zadovoljava oblast ispod ove prave

56

28
 3/11/2021

ZADATAK 1
x2

Prava L1 dobija se tako što se prvo stavi da je

x1 =0, izvrši zamena i dobije da je tada x2 =6.
Zatim se stavi da je x2 =0 pa dobije da je i
x1=6.
Na osnovu ovoga se dobijaju tačke x1=6 i
x2=6, kroz koje se povlači prava.
Analogno se dobijaju i ostale prave.

x1
L1

57

ZADATAK 1

 Drugo ograničenje:
𝐿2: 20𝑥 4𝑥 40.000
 Drugo ograničenje je nejednakost tipa ≥ tako da ga zadovoljava oblast iznad ove
prave

58

29
 3/11/2021

ZADATAK 1
x2

x1
L1
L2

59

ZADATAK 1

 Treće ograničenje:
𝐿3: 3𝑥 27𝑥 27.000
 Treće ograničenje je nejednakost tipa ≥ tako da ga zadovoljava oblast iznad ove
prave

60

30
 3/11/2021

ZADATAK 1
x2

L3 x1
L1
L2

61

ZADATAK 1

 Četvrto ograničenje:
𝐿4: 𝑥 𝑥 3.000
 Četvrto ograničenje je nejednakost tipa ≥ tako da ga zadovoljava oblast iznad ove
prave

62

31
 3/11/2021

ZADATAK 1
x2

L3 x1
L4 L1
L2

63

ZADATAK 1
x2

A4

A1
A3
A2
L3 x1
L4 L1
L2

64

32
 3/11/2021

ZADATAK 1
x2

A4

D
A1
A3
A2
L3 x1
L4 L1
L2

65

ZADATAK 1

 U preseku ove 4 oblasti nalazi se dopustiva oblast D (poligon sa temenima A1,

A2, A3 i A4). U ovoj dopustivoj oblasti treba naći tačku u kojoj funkcija cilja dostiže
maksimalnu vrednost.
 U opštem slučaju, oblast D može biti i neograničena ili prazan skup.
 Funkcija cilja odgovara familiji jednačina:
80𝑥 50𝑥 𝑘

66

33
 3/11/2021

ZADATAK 1

 Gde je k realni parametar čijim različitim vrednostima odgovaraju različite prave

funkcije cilja.
 Od svih mogućih pravih, treba naći gornju potpornu pravu oblasti D, odnosno
maksimalno k za koje funkcija cilja ima zajedničkih tačaka sa dopustivom oblašću
D.

67

ZADATAK 1

 Tačka se može utvrditi grafički: prvo je potrebno nacrtati pravu koja predstavlja
pravac funkcije cilja, tj. Jednu od pravih iz familije jednačina:
80𝑥 50𝑥 𝑘
 To može biti i prava koja prolazi kroz koordinatni početak, odnosno
80𝑥 50𝑥 0
 Ova prava je na grafiku prikazana isprekidanom linijom, a nacrtana je pomoću
tačaka (0,0) i (500,-800).

68

34
 3/11/2021

ZADATAK 1
x2

A4

f*

D
A1
A3
A2
L3 x1
L4 L1
k=0
L2

69

ZADATAK 1

 Prava se paralelno pomera, što je moguće dalje od koordinatnog početka, sve dok
bar u jednoj tački dodiruje dopustivu oblast D.
 Prava se praktično pomera u smeru gradijenta (c1, c2) odnosno u ovom zadatku
(80,50) – odnosno (800,500).
 Prava funkcije cilja koja na ovaj način dodiruje oblast D naziva se gornja potporna
prava, a tačka predstavlja optimalno rešenje zadatka odnosno onu tačku
dopustive oblasti D u kojoj funkcija cilja dostiže maksimalnu vrednost. U ovom
zadatku to je teme A3.

70

35
 3/11/2021

ZADATAK 1

 Teme A3 je u preseku pravih L1 i L3, na osnovu čega je moguće odrediti njegove

koordinate, odnosno optimalne vrednosti promenljivih x1 i x2 i to rešavanjem
sistema jednačina:
5𝑥 5𝑥 30.000
3𝑥 27𝑥 27.000
 Rešenja koja se dobijaju su:
𝑥 5.625 𝑖 𝑥 375

71

ZADATAK 1

 Ukrštanjem ovih vrednosti, dobija se f = 468.750.

 Da bi se obezbedio maksimalan ukupni profit od 468.750 novčanih jedinica,
potrebno je proizvesti 5.625 komada prvog i 375 komada drugog proizvoda.
 Dodatni zaključak je da je raspoloživi kapacitet mašine u potpunosti iskorišćen, a
da je utrošak druge sirovine na minimalno zahtevanom nivou (na osnovu činjenice
da optimalno teme leži na pravama L1 i L3)

72

36
 3/11/2021

ZADATAK 2

 Primenom grafičke metode odrediti optimalno rešenje sledećeg modela:

𝑚𝑖𝑛 𝑓 𝑥 40𝑥 50𝑥
p.o.
3𝑥 4𝑥 180
2𝑥 7𝑥 140
2𝑥 𝑥 90
𝑥 0, 𝑥 0

73

ZADATAK 2
x2

A1

f*

A2 D

A3
A4 L2 x1
L3 L1
k=0

74

37
 3/11/2021

ZADATAK 2

 Na osnovu ograničenja modela, određena je dopustiva oblast D, koja je

neograničena sa gornje strane, a sa donje strane ograničena delovima pravih L1,
L2, L3 i temenima A1, A2, A3 i A4. U ovoj dopustivoj oblasti treba naći tačku u
kojoj funkcija cilja dostiže minimalnu vrednost.
 Kroz koordinatni početak i tačku (5, -4) ucrtana je prava:
40𝑥 50𝑥 0
koja predstavlja pravu funkcije cilja (isprekidana linija na grafiku).

75

ZADATAK 2

 Ovu pravu zatim treba pomerati u smeru gradijenta (c1, c2) odnosno (40,50) tj.
(4,5).
 Prava se paralelno pomera do prve zajedničke tačke sa dopustivom oblašću D. Ta
tačka predstavlja optimalno rešenje zadatka odnosno onu tračku oblasti D u kojoj
funkcija cilja dostiže minimalnu vrednost. U ovom zadatku to je teme A2.

76

38
 3/11/2021

ZADATAK 2

 Koordinate temena A2 se nalaze rešavanjem sistema jednačina:

3𝑥 4𝑥 180
2𝑥 𝑥 90
 Rešenja koja se dobijaju su:
x1 = 36 i x2 = 18.
 Ukrštanjem ovih vrednosti, dobija se f* = 2.340.
 Iako je dopustiva oblast D neograničena, bilo je moguće naći minimum tražene
funkcije cilja jer je f ograničena odozdo na ovoj oblasti. Ako bi se ova funkcija
maksimizirala, bila bi neograničena na ovoj dopustivoj oblasti D, pa problem ne bi
imao optimalnih rešenja.

77

ZADATAK 3

 Primenom grafičke metode odrediti optimalno rešenje sledećeg modela:

𝑚𝑎𝑥 𝑓 𝑥 80𝑥 40𝑥
p.o.
𝑥 𝑥 400
2𝑥 𝑥 600
𝑥 300
𝑥 280
𝑥 0, 𝑥 0

78

39
 3/11/2021

ZADATAK 3
x2

A1 A2 L4
A3
D
A4

L1
x1
L3 L2
k=0

79

ZADATAK 3
 Pomeranjem u smeru gradijenta dolazi se do gornje potporne prave koja sadrži
ivicu A3-A4. To znači da je optimalno rešenje višestruko, odnosno sve tačke ove
ivice predstavljaju optimalna rešenja problema.
 Temena A3 i A4 predstavljaju temena ivice A3A4 na kojoj se nalaze sva optimalna
rešenja. Koordinate temena A3 se dobijaju rešavanjem sistema jednačina:
𝑥 𝑥 400
2𝑥 𝑥 600
Odakle je x1 = 200 i x2 = 200, pa je A3 = (200,200). Koordinate temena A4
odgovaraju izrazu:
𝑥 300
Odnosno, A4=(300,0)
80

40
 3/11/2021

ZADATAK 3

 Sva ostala rešenja se analitički mogu prikazati kao konveksna kombinacija

temena A3 i A4, odnosno u obliku:
𝛼𝐴3 1 𝛼 𝐴4 𝛼 200,200 1 𝛼 300,0
gde je  skalar koji zadovoljava 0 ≤  ≤ 1.
 Sva optimalna rešenja se mogu napisati na sledeći način:
𝑥 200𝛼 1 𝛼 300 300 100𝛼, 𝑥 200𝛼, 0 𝛼 1
Za  = 1, rešenje je teme A3, za  = 0, rešenje je teme A4.
 Za sva optimalna rešenja vrednost funkcije cilja je 24.000.

81

ZADATAK 4

 Primenom grafičke metode odrediti optimalno rešenje sledećeg modela:

𝑚𝑎𝑥 𝑓 𝑥 4𝑥 7𝑥
p.o.
𝑥 𝑥 30
3𝑥 4𝑥 120
𝑥 0, 𝑥 0

82

41
 3/11/2021

ZADATAK 4
x2

L2
A1

L1
x1

83

ZADATAK 4

 Sa grafika se može videti da su prvo i drugo ograničenje modela saglasni, ali da

prirodna ograničenja (𝑥 0, 𝑥 0) nisu zadovoljena.
 Zbog toga je dopustivi skup ovog problema prazan.

84

42
 3/11/2021

LITERATURA

 Vujošević M., Linearno programiranje, FON, 2013, 92 str.

 Krčevinac S., Čangalović M., Kovačević-Vujčić V., Martić M., Vujošević M., Operaciona istraživanja,
FON, 2009, 289 str.
 Letić D., Davidović B., Operacioni i projektni menadžment, Kompjuter biblioteka, 2011, 559 str.
 Radević V., Vujić S., Metode optimizacije: Primena linearnog programiranja u površinskoj
eksploataciji, Rudarsko-geološki fakultet, Beograd, 1977, 90 str.
 Winston W., Operations research, applications and algorithms, 4th edition, Thomson Brooks/Cole,
2004, 1434 p.
 Hillier F. S., Lieberman G. J., Introduction to Operations research, 3rd edition, McGraw Hill
Education, 2015, 1411 p.
 Operations research and management science Handbook, Ravindran A. Ravi (ed.). CRC Press,
2008, 842 p.

85

43