‫مقدمة في‬

‫نماذج البرمجةالخطية‬
‫بين‬
‫النظرية والتطبيق‬
‫المؤلفون‬

‫االستاذ المساعد الدكتور‬ ‫االستاذ المساعد الدكتور‬

‫سعد احمد عبد الرحمن‬ ‫عبد الجبار خضر بخيت‬
‫النعيمي‬

‫المدرس‬

‫عباس حسين بطيخ‬

‫بغداد‬
‫‪2013‬‬

‫‪1‬‬
 ‫المكتبة الوطنية ( الفهرسة اثناء النشر )‬

‫مقدمة في‬
‫نماذج البرمجة الخطية بين النظرية‬
‫والتطبيق‬

‫اسم الكتاب ‪ :‬مقدمة في نماذج البرمجة الخطية بين النظرية والتطبيق‬

‫اسم المؤلف ‪ :‬د‪.‬عبد الجبار خضر بخيت د‪.‬سعد احمد النعيمي م ‪.‬عباس‬
‫حسين بطيخ‬
‫الناشر ‪ :‬مطبعة اساور‬
‫العنوان ‪:‬بغداد‪ -‬الباب الشرقي‬
‫حقوق الطبع محفوظة ‪ :‬لمطبعة أساور‬
‫الطبعة ‪ :‬االولى‬
‫رقم االيداع في دار الكتب والوثائق ببغداد (‪ )3096‬لسنة ‪2013‬‬
‫التجهيز واالشراف الفني ‪ :‬المؤلفون‬

‫االهــــــــــــداء‬

‫‪2‬‬
 ‫الى من يستحق الجهد والعناء ‪. . .‬‬
‫الى االهل واالقرباء واالصدقاء ‪. . .‬‬
‫الى والدينا رحمهم هللا من كل سوء وبالء ‪. . .‬‬
‫والى بلدنا الغالي المعطاء العراق الحبيب ‪. . .‬‬

‫المؤلفون‬

‫المحتويات‬
‫الصفحة‬ ‫الموضوع‬

‫‪3‬‬
 ‫المقدمة‬ ‫‪1-1‬‬
‫‪1‬‬ ‫الفصل االول مفهوم وبناءوصيغ نماذج البرمجة الخطية‬
‫‪2‬‬ ‫‪Concept of Linear Programming L .P‬‬ ‫مفهوم البرمجة الخطية‬ ‫‪1-1‬‬
‫‪8‬‬ ‫بناء (صياغة) نموذج البرمجة الخطية‬ ‫‪2-1‬‬
‫‪Building (Formulation) of Linear Programming Model‬‬
‫‪14‬‬ ‫‪Forms of Linear programming‬‬ ‫صيغ نماذج البرمجة الخطية‬ ‫‪3-1‬‬
‫‪Models‬‬
‫‪14‬‬ ‫الصيغة العامة لنموذج البرمجة الخطية‬ ‫‪1-3-1‬‬

‫‪General Form of Linear Programming Model‬‬

‫‪16‬‬ ‫الصيغة القانونية لنموذج البرمجة الخطية‬ ‫‪2-3-1‬‬

‫‪Canonical Form of Linear Programming Model‬‬

‫‪18‬‬ ‫الصيغة القياسية لنموذج البرمجة الخطية‬ ‫‪3-3-1‬‬

‫‪Standard Form of Linear Programming Model‬‬

‫‪22‬‬ ‫أسئلة وتمارين عامة‬
‫‪26‬‬ ‫الفصل الثاني طرق حل نماذج البرمجة الخطية‬
‫‪27‬‬ ‫‪Introduction‬‬ ‫المقدمة‬ ‫‪1-2‬‬

‫‪28‬‬ ‫‪The Graphical Method‬‬ ‫الطريقة البيانية‬ ‫‪2-2‬‬

‫‪38‬‬ ‫‪The Algebraic Method‬‬ ‫الطريقة الجبرية‬ ‫‪3-2‬‬
‫‪43‬‬ ‫‪The Simplex Method‬‬ ‫الطريقة المبسطة‬ ‫‪4-2‬‬

‫حل النموذج في حالة دالة الهدف من نوع تعظيم‬

‫‪Solution of (L.P) Model with Maximization Objective‬‬
‫‪Function.‬‬
‫‪55‬‬ ‫حل نموذج البرمجة الخطية (‪ )LP‬في حالة تقليل دالة الهدف (‪)Z‬‬ ‫‪5-2‬‬

‫‪Solution of (L.P) Model with Minimization Objective‬‬

‫‪Function‬‬
‫‪55‬‬ ‫‪The (Big-M) method‬‬ ‫طريقة (آم) الكبرى‬ ‫‪1-5-2‬‬
‫‪60‬‬ ‫‪Two- Phase Method‬‬ ‫طريقة ذات المرحلتين‬ ‫‪2-5-2‬‬
‫‪68‬‬ ‫أسئلة وتمارين عامة‬

‫‪4‬‬
70 ‫الفصل الثالث الثنائية في البرمجة الخطية‬
Duality in Linear Programming
71 The Concept of Duality Problem ‫مفهوم المشكلة الثنائية‬ 1-3
76 ‫النموذج الثنائي إذا كان النموذج األولى بالصيغة القانونية‬ 2-3

Dual Problem when Primal Model in Canonical Form

78 ‫النموذج الثنائي إذا كان النموذج األول بالصيغة القياسية‬ 3-3

Dual Problem when primal Model in Standard Form

80 ‫أسئلة وتمارين عامة محلولة‬
84 Sensitivity Analysis ‫تحليل الحساسية‬ ‫الفصل الرابع‬
85 Introduction ‫المقدمة‬ 1-4
86 )‫التغيرات في الطرف األيمن للقيود (الموارد المتاحة‬ 2-4

Changes in the R.H.S

93 ‫التغيرات في معامالت دالة الهدف‬ 3-4

Changes in coefficients of the Objective Function

98 ‫التغيرات في معامالت متغيرات القرار في القيود‬ 4-4

Changes in coefficients of variables in constraints

98 Addition of anew variable ‫إضافة متغير أو متغيرات جديدة‬ 5-4
101 Addition of anew constraints ‫إضافة قيد أو قيود جديدة‬ 6-4
103 ‫أسئلة وتمارين عامة‬
105 ‫الفصل الخامس نماذج النقل و مشاكل التخصيص‬
Transportation Models and Assignment Problems
106 ‫مقدمة وتعريف نموذج النقل‬ 1-5

Introduction and Definition of Transportation Model

110 Balancing of Transportation Model ‫موازنة نموذج النقل‬ 2-5
110 ‫أسلوب حل نموذج النقل‬ 3-5

Solution Technique of Transportation Model

5
‫‪114‬‬ ‫إيجاد الحل األساسي االبتدائي المقبول‬ ‫‪4-5‬‬

‫‪Solution Starting Basic Feasible‬‬

‫‪115‬‬ ‫‪North West –Corner Method‬‬ ‫طريقة الركن الشمالي الغربي‬ ‫‪1-4-5‬‬
‫‪117‬‬ ‫‪Least cost Method‬‬ ‫طريقة أقل كلفة‬ ‫‪2-4-5‬‬

‫‪119‬‬ ‫‪Vogel s Approximation Method‬‬ ‫طريقة فوجل‬ ‫‪3-4-5‬‬

‫‪120‬‬ ‫اختيار الحل األساسي االبتدائي المقبول للحصول على الحل األمثل‬ ‫‪5-5‬‬

‫‪Testing of S.B.F.S for optimal solution‬‬

‫‪121‬‬ ‫‪Stepping Stone Method‬‬ ‫طريقة المسار المتعرج‬ ‫‪1-5-5‬‬
‫‪127‬‬ ‫‪Multipliers Method‬‬ ‫طريقة عوامل الضرب‬ ‫‪2-5-5‬‬
‫‪131‬‬ ‫تمارين وامثلة محلولة‬
‫‪134‬‬ ‫‪Assignment Problem‬‬ ‫مشكلة التخصيص‬ ‫‪6-5‬‬
‫‪135‬‬ ‫‪Definition of Assignment Model‬‬ ‫تعريف نموذج التخصيص‬ ‫‪1-6-5‬‬

‫‪139‬‬ ‫الطريقة البديلة لطريقة التبديل‬ ‫‪2-6-5‬‬

‫‪Replaced Method of Arranging Method‬‬

‫‪144‬‬ ‫‪One’s Method‬‬ ‫طريقة الوحدات‬ ‫‪7-5‬‬
‫‪150‬‬ ‫أسئلة وتمارين عامة‬
‫‪152‬‬ ‫الفصل السادس تخطيط جداول اإلنتاج باستخدام أسلوب البرمجة الخطية‬
‫‪154‬‬ ‫‪Introduction‬‬ ‫المقدمة‬ ‫‪1-6‬‬

‫‪155‬‬ ‫‪Production Planning‬‬ ‫تخطيط االنتاج‬ ‫‪2-6‬‬

‫‪155‬‬ ‫‪Aggregate Production Planning‬‬ ‫التخطيط االجمالي لالنتاج‬ ‫‪3-6‬‬

‫‪156‬‬ ‫ستراتيجيات التخطيط االجمالي‬ ‫‪4-6‬‬

‫‪Aggregate Production Planning Strategies‬‬

‫‪157‬‬ ‫‪Aggregate Production‬‬ ‫اإلنتاج اإلجمالي‬ ‫‪5-6‬‬
‫‪158‬‬ ‫نماذج تخطيط اإلنتاج اإلجمالي‬ ‫‪6-6‬‬

‫‪Models of Aggregate Product Planning‬‬

‫‪158‬‬ ‫النموذج االول للتخطيط االجمالي‬ ‫‪1-6-6‬‬

‫‪6‬‬
‫‪160‬‬ ‫النموذج الثاني للتخطيط اإلجمالي‬ ‫‪2-6-6‬‬
‫‪163‬‬ ‫‪Disaggregate models‬‬ ‫نماذج تجزئة التخطيط اإلجمالي‬ ‫‪7-6‬‬
‫‪163‬‬ ‫نموذج جداول اإلنتاج لغرض الخزين‬ ‫‪1-7-6‬‬

‫‪Optimizing MPS in a make- to- stock Model‬‬

‫‪164‬‬ ‫نموذج جداول اإلنتاج لغرض الطلب‬ ‫‪2-7-6‬‬

‫‪Optimizing MPS in a make-to- order Model‬‬

‫‪168‬‬ ‫أسئلة وتمارين عامة‬

‫المقدمة‬
‫الحمد هلل والصالة والسالم على سيدنا محمد وآله واصحابه ومن وااله اجمعين ‪ .‬تم‬
‫انجاز اول كتاب للمؤلفين وهو ثمرة يانعة نأمل من الباري عز وجل ان تكون صالحة‬
‫ومفيدة لجميع طلبة العلم والمستفيدين منه‪ .‬اذ يعتبر هذا الكتاب باكورة البرمجة‬
‫الخطية ‪ Linear Programming‬التــي تمثل الركيزة االســاسيــة لموضـوع‬
‫بحـــوث العمليـات ‪ Operation Research‬والذي يدخل استخدامه في مختلف‬
‫الفعاليات والنشاطات االقتصادية للمنشأت االنتاجية والخدمية على حد سواء وخاصة‬
‫فيما يتعلق بمشكالت االنتاج والتوزيع والخزين والنقل وغيرها من المشكالت التي‬
‫يتطلب حلها اتخاذ مجموعة من القرارات االدارية الحاسمة من قبل متخذي القرار‬
‫وذلك بأعتماد االسس العلمية والبرامج الجاهزة بعيدا عن مبدأ الحدس والتخمين ‪.‬‬

‫‪7‬‬
‫لقد أستند هذا الكتاب على استخدام االمثلة الواقعية في معظم فصوله وخاصة الفصل‬
‫السادس منه ‪ ,‬وكذلك تم أعتماد مبدأ كتابة االمثلة والتمارين باللغتين العربية‬
‫واالنكليزية واستخدام المصطلحات العلمية اينما تطلب ذلك ليتم تسهيل المادة‬
‫وتبسيطها عند قراءة الطالب للمصادر االجنبية مستقبال ‪ ،‬اضافة لكتابة مجموعة من‬
‫التمارين في نهاية كل فصل لكي تكتمل الصورة لدى الطالب بصورة كاملة‪.‬‬
‫الكتاب يتضمن ستة فصول حيث تناول الفصل االول مفهوم وبناء وصيغ نماذج‬
‫البرمجة الخطية بشكل واضح ومبسط مع اعطاء أمثلة توضيحية لكل صيغة ‪،‬‬
‫واحتوى الفصل في نهايته على اسئلة وتمارين عامة ‪ ,‬في حين تناول الفصل الثاني‬
‫كيفية الحل والطرق المستخدمة في حل النماذج ومنها الطريقة البيانية والطريقة‬
‫الجبرية وطريقة السمب لكس في حالة كون دالة الهدف من نوع تعظيم (عظمى ) ‪،‬‬
‫وطريقتين هما (آم) الكبرى وطريقة ذات المرحلتين عندما تكون دالة الهدف من نوع‬
‫تقليل ( صغرى ) ‪ ،‬وكذلك تضمن الفصل في نهايته على اسئلة وتمارين عامة ‪,‬‬
‫وتناول الفصل الثالث الثنائية في البرمجة الخطية من ناحية المفهوم وكيفية تحويل‬
‫النموذج اذا كان النموذج في الحالتين القانونية والقياسية ‪ ,‬فيما تطرق الفصل الرابع‬
‫الى تحليل الحساسية وحل ما بعد االمثلية ‪ ،‬اذ تناول جميع الحاالت التي تتغير فيها‬
‫مكونات نموذج البرمجة الخطية وهي ( التغيرات في الطرف االيمن ‪ ،‬التغيرات في‬
‫معامالت دالة الهدف ‪ ،‬التغيرات في متغيرات القرار في القيود ‪ ،‬اضافة متغير او‬
‫متغيرات جديدة ‪ ،‬وأخيرا اضافة قيد او قيود جديدة ) وتضمن ايضا اسئلة وتمارين‬
‫عامة ‪ .‬في حين تناول الفصل الخامس نماذج النقل ومشاكل التخصيص والتي كثيرا‬
‫ما يستفاد منها الباحثين ‪ ،‬اذ بدأ الفصل بكيفية موازنة نموذج النقل ثم كيفية الحصول‬
‫على الحل االولي االبتدائي المقبول بأستخدام ثالثة طرق هي الركن الشمالي الغربي‬
‫‪ ،‬طريقة اقل كلفة ‪ ،‬وطريقة فوجل ‪ ،‬بعد ذلك انتقلنا للحصول على الحل االمثل‬
‫لنماذج النقل باستخدام طريقتين هما المسار المتعرج وطريقة عوامل الضرب ثم‬
‫تناول الفصل مشكلة التخصيص والطرق المستخدمة في حل مشاكل التخصيص‬
‫وتضمن ايضا اسئلة وتمارين عامة ‪ .‬فيما تناول الفصل السادس مادة تعرض الول‬

‫‪8‬‬
‫مرة في كتب البرمجة الخطية وهي تخطيط جداول االنتاج االجمالي االول والثاتي‬
‫مع اعطاء تعريف واضح للمتغيرات والثوابت في النموذج ‪ ،‬وتم التطرق ايضا الى‬
‫نماذج تجزئة التخطيط االجمالي ‪ ،‬وهي نموذج جداول االنتاج لغرض الخزين‬
‫ونموذج االنتاج لغرض الطلب ‪.‬‬
‫نرجوا من الباري عز وجل ان يكون عملنا هذا جهد متواضعا لكي يستفيد منه‬
‫الجميع لذا نرجو من االخوة الباحثين والتدريسيين ابداء مالحظاتهم وتوجيهاتهم التي‬
‫يمكن تجاوزها مستقبآل ‪. . .‬‬
‫ومن هللا التوفيق‬

‫المؤلفون‬

‫‪9‬‬
 ‫الفصل األول‬

‫مفهوم وبناء وصيغ نماذج البرمجة الخطية‬

Concept, Building (Formulation), Forms of Linear

Programming Models

Concept of Linear Programming L .P ‫ مفهوم البرمجة الخطية‬1-1

‫ بناء (صياغة) نموذج البرمجة الخطية‬2-1

Building (Formulation) of Linear Programming Model

‫ صيغ نماذج البرمجة الخطية‬3- 1

Forms of Linear programming Models

‫ الصيغة العامة لنموذج البرمجة الخطية‬1-3-1

General Linear Programming Model
‫ الصيغة القانونية لنموذج البرمجة الخطية‬2 -3-1
Canonical Form of Linear Programming Model

‫ الصيغة القياسية لنموذج البرمجة الخطية‬3-3-1

Standard Form of Linear Programming Model

10
 ‫‪ 1-1‬مفهوم البرمجة الخطية ‪Concept of Linear Programming L .P‬‬
‫تعرف البرمجة الخطية بأنهاا نماوذج رياضاي لتوزيام مجموعاة مان الماوارد واالمكانياات‬
‫المحاادودة علااى عاادد ماان الحاجيااات المتنافسااة علااى نااذم الم اوارد ضاامن مجموعااة ماان‬
‫القيااود والعواماال الثابتااة بحيااذ يحقااز نااذا التوزياام افضاال نتيجااة ممكنااة أ ان يكااون‬
‫توزيعهااا مثالياااع وتعتباار نماااذج البرمجااة الخطيااة ماان ابسااط واسااهل النماااذج الرياضااية‬
‫والتااي يمكاان انشااؤنا لمعالجااة المعضااالت الصااناعية والحكوميااة والمنشااتت والشااركات‬
‫ذات الطبيعة االنتاجيةع‬
‫إذن فالنموذج بشكل عام عبارة عن جزء يحمل مواصفات الكل بحياذ ان كال ماا ناو‬
‫ايجااابي فااي النمااوذج يكااون ايجابيااا فااي الكاال وكاال مااا نااو ساالبي فااي النمااوذج يكااون‬
‫ساالبيا علااى الكاال ويمكاان ان يكااون النمااوذج بشااكل صاايغة رياضااية عماال مواصاافات‬
‫حالة معينة من خالل عدد مان العالقاات الرياضاية التاي تعبار عان المشاكلة او الحالاة‬
‫التي يتم دراستها بشكل او بتخرع ان الهادف مان بنااء النماوذج بشاكل عاام ناو عارض‬
‫وتحليا اال وتفسا ااير المشا ااكلة بطريقا ااة مبسا ااطة ولكا ااي يحقا ااز مصا اامم النما ااوذج الها اادف‬
‫المطلااوب م ان وراء ذلاان ينبغااي ان يكااون علااى علاام تااام بكاال حيثيااات المشااكلة ماام‬
‫االخااذ بنظاار االعتبااار مسااألة مهمااة نااي عاادم انمااال الحقااائز والمتغي ارات المهمااة فااي‬
‫المشكلة بهدف التبسيطع وكلما كان النموذج قريبا من الواقم كلماا كاان التحليال والتنباؤ‬
‫دقيقا والعكس صحيح ايضاع وبناء على ما تقدم يمكن ان نلخص مفهوم النماوذج بأنا‬
‫التكاوين او الصاياغة الملموساة الاذ يهادف الااى تصاوير الواقام لتوضايح احاد مظااانر‬
‫الطريقاة التاي يعماال بهاا وعاادة يكااون النماوذج اقاال تعقيادا مان الواقاام اال انا يجااب ان‬
‫يكون كامال بما في الكفاية لتقريب مظانر المشكلة قيد البحذع‬
‫ولغرض فهم طبيعة وانواع النماذج الرياضية وتقسيماتها سوف يتم استعراض االساباب‬
‫التااي تاادعو الااى صااياغة وبناااء النماااذج عامااة والنماااذج الرياضااية بشااكل خاااص وكمااا‬
‫يلي‪:‬‬
‫‪ -1‬صعوبة نقل المشكلة قيد البحذ من مكان الى اخرع‬
‫‪ -2‬صعوبة حصر وتحديد مواصفات المشكلة قيد البحذع‬
‫‪ -3‬الكلفة العالية للتعامل مم المشكلة قيد البحذع‬

‫‪11‬‬
 ‫‪ -4‬المخاطر الناتجة عن المشكلة قيد البحذع‬
‫‪ -5‬عدم امكانية التعامل مم المشكلة قيد البحذ بشكل مباشر‪,‬‬
‫وممااا تقاادم فااي اعااالم يمكاان تعريااف النمااوذج الرياضااي بان ا (مجموعااة ماان المتغي ارات‬
‫والعواماال المتداخلااة والمترابطااة فيمااا بينههااا والتااي تعباار عاان مشااكلة او حالااة معينااة‬
‫وترتبط فيما بينها من خالل عدد من العالقات الرياضية (معادالت او متبايناات) وفاز‬
‫صاايغ معينااة تهاادف الااى توضاايح طبيعااة المشااكلة موضاام البحااذ ماام بيااان مواصاافات‬
‫متغيراتها الداخلية والخارجية)ع‬
‫وضاامن االراء واالفكااار الاواردة فااي موضااوعي االساااليب الكميااة وبحااوذ العمليااات تاارد‬
‫عدة تقسيمات للنماذج الرياضية وكما يلي‪:‬‬
‫اوال‪ :‬التصنيف الشامل للنماذج الرياضيةع‬
‫ثانيا‪ :‬التصنيف الرئيسي للنماذج الرياضيةع‬
‫ثالثا‪ :‬التصنيف الفرعي للنماذج الرياضيةع‬

‫اوال‪ :‬التصنيف الشامل للنماذج الرياضية‪.‬‬

‫وتقسم النماذج الرياضية بموجب هذا التصنيف الى ما يلي‪:‬‬
‫‪-1‬النماذج الرياضية المحددة‪:‬‬
‫نااي تلاان النماااذج التااي تتااألف ماان عواماال ومتغيارات واضااحة ومعروفااة لاادى متخااذ‬
‫القارار أ انهاا بعياادة عان الماؤثرات االحتماليااة الداخلياة والخارجياة التااي تاؤثر فااي‬
‫تركيب المشاكلة المدروساة وبالتاالي فاي صاياغة النماوذج الرياضاي ومنهاا نمااذج‬
‫‪ Linear‬ونم ا اااذج النق ا اال‬ ‫‪Programming‬‬ ‫البرمج ا ااة الخطي ا ااة ‪Models‬‬
‫‪ Transportation Model‬ونماااذج التخصاايص ‪Assignment Models‬‬
‫وغيرنا من النماذج الرياضيةع‬
‫النماذج الرياضية االحتمالية‬ ‫‪-2‬‬
‫نااي تلاان النماااذج الرياضااية التااي تتااألف ماان عاادة عواماال ومتغي ارات احتماليااة بمااا‬
‫يااتالئم وطبيعااة المشااكلة التااي نااي بطبيعااة الحااال غياار واضااحة وتتساام فااي كونهااا‬
‫عرض ااا للكثي اار م اان الم ااؤثرات الخارجي ااة والداخلي ااة ومنه ااا النم اااذج المعتم اادة ف ااي‬

‫‪12‬‬
‫نظرياة صافوف االنتظاار ‪ Queuing Theory Models‬والنمااذج المعتمادة فاي‬
‫نماذج السيطرة على الخزين ‪ Inventory Control Models‬وغيرناع‬
‫‪-3‬النماذج ذات الطبيعة الستراتيجية‬
‫نااي تلاان النم ااذج الرياضااية التااي يااتم صااياغتها ماان قباال متخااذ الق ارار بناااء علااى‬
‫حيااذ‬ ‫موقااف متخااذ ق ارار آخاار منااافس ل ا يعماال فااي البيئااة نفسااها والمجااال نفس ا‬
‫يطلااز علااى الموقااف المااذكور (السااتراتيجية)ع ويااذكر بااأن الق ارار الااذ يصاادر فااي‬
‫ن ااذم الحال ااة اس ااتنادا ال ااى اس ااتراتيجية متخ ااذ القا ارار االول المس ااتندة ال ااى س ااتراتيجية‬
‫متخذ القرار الثانيع‬
‫ان النماااذج االسااتراتيجية تتساام بالبساااطة اذا كاناات المنافسااة تجاار بااين اثنااين فقااط‬
‫ماان متخااذ الق ارار وتاازداد تعقياادا اذا كاناات المنافسااة تجاار بااين عاادد كبياار ماان‬
‫المتنافس ااين ومنه ااا النم اااذج الرياض ااية المعتم اادة ف ااي نظري ااة االلع اااب (المباري ااات)‬
‫‪ Game Models Theory‬وغيرنا من النماذجع‬
‫النماذج الرياضية ذات الطبيعة االحصائية والمحاسبية‬ ‫‪-4‬‬
‫ان نا ااذا النا ااوع ما اان النما اااذج الرياضا ااية ل ا ا اسا ااتخدامات ثابتا ااة ومعروفا ااة يتصا ااف‬
‫بالبساطة وصفة الخطية ومن نذم النماذج االحصاائية ناي النمااذج المعتمادة فاي‬
‫الوس ااط الحس ااابي واالرتب اااغ واالنح اادار وغيرن ااا م اان االس اااليب االحص ااائية وم اان‬
‫النم اااذج المحاس اابية ن ااي النما اااذج المعتم اادة ف ااي تحديا ااد الفائ اادة البس اايطة والفائا اادة‬
‫المركبة واقساغ االندثار وغيرنا المحاسبيةع‬
‫ثانيا‪ :‬التصنيف الرئيسي للنماذج الرياضية‬
‫وتقسم النماذج الرياضية بموجب نذا التصنيف الى ما يلي‪:‬‬
‫‪ -1‬النماذج الرياضية المعيارية‬
‫ونااي تلاان النماااذج الرياضااية التااي تهاادف الااى وصااف مااا يجااب ان يكااون علي ا واقاام‬
‫الحال وفز صياغة رياضية معدة بشكل دقيز وثابتع‬
‫‪ -2‬النماذج الرياضية الوصفية‬
‫نااي تلاان النماااذج الرياضااية التااي تهاادف الااى وصااف الحقااائز والعالقااات الموجااودة‬
‫بين مكونات الواقم المدروس بشكل يعرض ما نو علي واقم الحالع‬

‫‪13‬‬
 ‫ثالثا‪ :‬التصنيف الفرعي للنماذج الرياضية‬
‫وتقسم النماذج الرياضية بموجب نذا التصنيف الى ما يلي‪:‬‬
‫‪ -1‬النماذج الرياضية الخطية ‪:‬‬
‫ونااي تلاان النماااذج الرياضااية التااي تكاان فيهااا العالقااة بااين المتغي ارات )‪(xj‬‬
‫وقيمة دالة الهدف (‪ )Z‬يمكن تمثيلها بشكل خط مستقيم ع‬
‫‪ -2‬النماذج الرياضية غير الخطية ‪:‬‬
‫ونااي تلاان النماااذج الرياضااية التااي تكاان فيهااا العالقااة بااين المتغي ارات )‪(xj‬‬
‫وقيمة دالة الهدف (‪ )Z‬يمكن تمثيلها على شكل منحنىع‬
‫وبع ااد معرف ااة معن ااى النم ااوذج ‪ Model‬وانا اواع النم اااذج ال ب ااد م اان معرف ااة البرمج ااة‬
‫الخطياة ‪ Linear Programming‬حياذ كاان االنتماام بالبرمجاة الخطياة مناذ‬
‫نهايااة ثالثينيااات القاارن الماضااي لتحقيااز االسااتخدام االمثاال للم اوارد المنافسااة التااي‬
‫‪Kantrovich‬‬ ‫تتصاف بالنادرة وفاي عاام ‪ 1939‬باين العاالم الساوفيتي كاانتروفي‬
‫ان ننان مجموعة من مشاكل االنتاج يمكن صاياغتها وفاز نماوذج رياضاي واحاد‬
‫اذ يمكاان اسااتخدام الطاارق الرقميااة‬ ‫ونااذا مااا ساايركز عليا كتابنااا فااي معظاام فصااول‬
‫‪Planning of‬‬ ‫ف ااي حله ااا وك ااان ق ااد نش اار ذل اان ف ااي مطبوع ااة‬
‫‪production methods in the organization mathematical‬‬
‫وف ااي ع ااام ‪ 1941‬ع ااال ف ارن اان ناتش ااون ‪ Frank Hitchock‬مش اااكل النق اال‬
‫‪ Transportation Problems‬وفاي عاام ‪ 1945‬قاام ‪ Stigler‬بتطبياز نمااذج‬
‫البرمجة الخطية ‪ Linear Programming Models‬في تحدياد وجباات الطعاام‬
‫للحمية ‪ Diet‬باقل التكاليف ‪ ,‬واثناء الحارب العالمياة الثانياة قاام العاالم الرياضاي‬
‫‪ G.‬والا ااذ ك ااان يعما اال ف ااي سا ااال الجا ااو‬ ‫البريط اااني جا ااورج دانت اازج ‪Dantizg‬‬
‫البريطاااني بتطااوير طريقااة الحاال المعروفااة بالطريقااة المبسااطة او طريقااة الساامبلكس‬
‫‪ Simplex Method‬لحاال المشاااكل السااوقية والتعبويااة والمشاااكل التموينيااة التااي‬
‫كانت تواج القوات البريطانيةع وبعد الحرب العالمية الثانية وزيادة االنتاج ‪Mass‬‬
‫‪Materials‬‬ ‫‪ Production‬وايج اااد اسا اواق جدي اادة وتك اادس الما اواد االولي ااة‬

‫‪14‬‬
‫‪ Stockplies‬وتطاور امكانياة قاوى العمال ‪ work forces‬قاام العاالم الرياضاي‬
‫البريطااني جاورج دانتازج ‪ G. Dantzig‬واخارون باساتخدام ناذم االسااليب الكمياة‬
‫فااي حاال المشاااكل االنتاجيااة واسااتخدام نااذم االساااليب فااي مساااعدة الماادير او متخااذ‬
‫القا ارار ف ااي عملي ااة اتخ اااذ القا ا اررات االداري ااة الرش اايدة وبه ااذا فق ااد تح ااول اس ااتخدام‬
‫االساليب الكمية وبحوذ العملياات مان المجااالت العساكرية الاى المجااالت المدنياة‬
‫وبالذات في مجاالت ادارة االعمالع‬
‫ااء علااى مااا تقاادم فااي اعااالم فتنا ال بااد ماان تعريااف البرمجااة الخطيااة ‪Linear‬‬
‫وبنا ع‬
‫‪ Programming‬بأنهااا (مجموعااة اساااليب فنيااة يمكاان بواسااطتها الحصااول علااى‬
‫المقاادار الجباار األمثاال (اقصااى وادنااى) وياادعى ذلاان بالهاادف وتااتحكم في ا قيااود‬
‫خطيااة)ع وتهاادف البرمجااة الخطيااة الااى االسااتخدام االمثاال للم اوارد المتاحااة والتااي‬
‫تمتاااز بالناادرة لتحقيااز انااداف المنظمااة أ ان البرمجااة الخطيااة بشااكل عااام تعااال‬
‫مسااألة تخصاايص او التوزياام المااوارد او الطاقااات المحاادودة لتحقيااز ناادف معااين‬
‫ويعبر عن نذا الهدف بدالة خطية تسمى (دالة الهادف ‪Objective Function‬‬
‫) وتكااون بنااوعين فااتذا كااان ناادف المنظمااة تعظاايم االربااا تكااون دالااة الهاادف ماان‬
‫نوع (‪ )Max‬تعظيم اما اذا كان ندف المنظمة تقليال التكااليف تكاون ناذم الدالاة‬
‫ماان نااوع (‪ )Min‬تصااغير وتخضاام نااذم الدالااة الااى عاادة محااددات او شااروغ او‬
‫قياود ) ‪ (Constraints‬ونااي عبااارة عاان معاادالت تعباار عاان الماواد االوليااة عاادد‬
‫ساعات العمل طاقة المكائن الطاقة الكهربائية االيد العاملةععع الخع‬

‫مجاالت ومشاكل استخدام البرمجة الخطية‬

‫يمكن القول بأن مجاالت استخدام البرمجة الخطية تتلخص بما يلي‪:‬‬
‫‪ -1‬تنظاايم العمليااات االنتاجيااة للحصااول علااى اكباار نااات ممكاان ضاامن الظااروف‬
‫المتاحةع‬
‫‪ -2‬تقليل عوادم االنتاج الى اقل حد ممكنع‬
‫‪ -3‬اختي ا ااار امث ا اال الط ا اارق لتوزي ا اام المنتج ا ااات م ا اان من ا اااطز انتاجه ا ااا ال ا ااى مواق ا اام‬
‫استخدامهاع‬

‫‪15‬‬
 ‫‪ -4‬تخطيط ورقابة االنتاجع‬
‫‪ -5‬الوصول الى افضل استغالل لطاقات االالت والمعداتع‬
‫‪ -6‬االستفادة القصوى من المواد االوليةع‬
‫اما ابرز المشاكل التي مان الممكان للبرمجاة الخطياة المساانمة بشاكل فعاال بحلهاا‬
‫والوصول الى افضل النتائ فهي ما يلي‪:‬‬
‫‪ -1‬مشاكل تخطيط االنتاج‬
‫حيااذ تساااعد البرمجااة الخطيااة فااي تحديااد الكميااة الواجااب انتاجهااا ماان ساالعة معينااة‬
‫والتااي تااؤد الااى تحقيااز اعلااى ربحيااة وألن االعااداد المتاحااة تمتاااز عااادة بالناادرة‬
‫لكافاة المؤسساات فاتن البرمجماة الخطياة تعتباار الوسايلة الفعالاة لتوزيام تلان الماوارد‬
‫على السلم المراد انتاجها بطريقة من شأنها تعظيم اربا المنشأ او الشركةع‬
‫‪ -2‬مشاكل تخطيط االستثمار‬
‫حيذ تساعد البرمجة الخطية المنشاتت او المساتثمرين علاى تعظايم االرباا مان خاالل‬
‫توزي اام االما اوال المتاح ااة عل ااى الب اادائل االس ااتثمارية بطريق ااة م اان ش ااأنها ان ت ااؤد ال ااى‬
‫ويعناي ذلاان ان المنشاتت تسااتطيم ان تخطاط اسااتثماراتها بشاكل يااؤد‬ ‫تعظايم االربااا‬
‫الى تعظيم االربا باستخدام نماذج البرمجة الخطيةع‬
‫‪ -3‬مشاكل توزيم العاملين‬
‫حيذ تحتاج المنشتت الى توزيم اعداد العاملين على المواقم االنتاجية ‪ ,‬وبالضابط‬
‫الى تحديد عدد العاملين الالزم بطريقة من شأنها ان تاؤد الاى تخفايض التكااليف‬
‫الى ادنى حد ممكنع‬
‫‪ -4‬مشاكل توزيم االنتاج‬
‫حي ااذ تس اااعد البرمج ااة الخطي ااة المنش ااتت عل ااى توزي اام منتجاته ااا الت ااي تنتجه ااا م اان‬
‫خ ااالل ع اادة مص ااانم عل ااى االسا اواق المختلف ااة ون ااذا غالب ااا م ااا يح اادذ ف ااي مص ااانم‬
‫المنتجات النفطية او خادمات نقال السالم الغذائياة مان عادة ماوانا وتسااعد ايضاا‬
‫علااى تخفاايض تكاااليف نقاال الم اواد ماان المصااانم المعتماادة الااى المخااازن المتعااددة‬
‫لتلن المنشتتع‬

‫‪16‬‬
‫وتج ااد تل اان المش ااكالت المعروض ااة ف ااي اع ااالم حي ااذ تس ااانم البرمج ااة الخطي ااة ف ااي‬
‫حلهاع‬

‫‪ 2-1‬بناء (صياغة) نموذج البرمجة الخطية‪:‬‬

‫‪Building (Formulation) of Linear Programming Model‬‬

‫ان انميااة اساالوب البرمجااة الخطيااة تعااود الااى انميااة المشاااكل التااي يمكاان حلهااا بصاافة‬
‫عامةع ولكن ليس كال مشاكلة يمكان حلهاا باسالوب البرمجاة الخطياة حياذ يتطلاب حال‬
‫المشكلة باسلوب البرجة الخطية ان تتوافر فيها الشروغ اآلتية‪:‬‬
‫‪ :Objective Function‬ونااو الهاادف المنشااود والااذ‬ ‫‪1‬ع تحديددد دالددة الهددد‬
‫نرغ ااب ف ااي تحقيقا ا وامكاني ااة التعبي اار ع اان ن ااذا اله اادف ف ااي ص ااورة دال ااة خطي ااة‬
‫‪ Linear Function‬والحصااول علااى قيمااة رقمي ا ل ا ومحاولااة تعظاايم نااذم‬
‫القيمااة وايجاااد النهايااة العظمااى لهااا ‪ A Maximum Point‬اذا كااان الهاادف‬
‫المنشاود ربحاا او تقليال القيماة وايجااد النهاياة الصاغرى ‪A Minimum Point‬‬
‫اذا كان الهدف تكلفة أ الوصاول الاى ادناى تكلفاة ممكناةع وتتكاون دالاة الهادف‬
‫م اان المتغيا ارات ام ااا المعام اال الخا ااص بك اال متغي اار ن ااو عب ااارة ع اان رب ااح الوح اادة‬
‫الواحادة فااي حالااة تعظاايم دالااة الهاادف او يكاون المعاماال عبااارة عاان تكلفااة الوحاادة‬
‫الواحدة في حالة تخفيض دالة الهدفع‬
‫‪2‬ع تحديد القيدود ‪ :Constraints‬أ امكانياة التعبيار عان العالقاة باين المتغيارات‬
‫الق ارريااة واالمكانيااات المتاحااة فااي صااورة قيااود خطياة ‪Linear constraints‬‬
‫ون ااي توض ااح م ااا تحتاجا ا ك اال وح اادة انت اااج م اان ك اال م ااورد م اان الما اوارد المتاح ااة‬
‫‪ Linear Inequalities‬او مع ااادالت خطي ااة‬ ‫المح اادودة بش ااكل متراجح ااات‬
‫‪ Linear Equations‬او خليط منها وتسمى بالقيود الهيكليةع‬
‫‪3‬ع شددروع عدددم السددلبية ‪ : Non – Negativity‬اذ يجااب ان تكااون المتغيارات‬
‫الق اررية في المشكلة قيد الدراسة متغيرات موجبة او صفرية وغير سالبةع‬

‫‪17‬‬
 : )1( ‫مثال‬
‫ ) وترغاب‬3 2 1 (‫احدى الشركات الصناعية تقوم بانتاج ثالثاة اناواع مان المنتجاات‬
‫فاي تحديااد عادد الوحاادات التاي يجااب انتاجهااا يومياا ماان كال مناات بحياذ تحصاال علااى‬
‫اكباار(أعظم) ربااح ممكاانع يتطل اب انتاااج الوحاادة الواحاادة ماان كاال مناات الماارور علااى‬
‫ ( والجدول اآلتي يباين الازمن (بالادقائز) المطلاوب‬C , B , A) ‫ثالثة عمليات انتاجية‬
‫للوحاادة الواحاادة لكاال مناات ماان العمليااات المختلفااة وكااذلن ال اربح المتحقااز ماان الوحاادة‬
‫الواحدة والزمن الكلي المتا للعمليات الثالثةع‬
‫والمطلوب صياغة نموذج البرمجة الخطية الذ يحقز اعلى ربح ممكنع‬
Example (1)
One of the industrial production of the three types of products (1,
2, 3) and want to determine the number of units that must be
produced per day of each product so that you get the greatest
(Maximum) profit possible, and requires the production per unit
productivity of the three operations (A, B, C). The following table
shows the time (in minutes) required per unit of each product of
different processes, as well as the profit derived from the per unit
and total time available for the three operations.

The time required per unit of product Total time

In each production process available
Operation
Prod.1 Prod.2 Prod.3 )mint/day(
A 2 2 3 420
B 5 0 4 440
C 3 6 0 465
Profit 5 4 7
Per unit

Solution : :‫الحل‬

18
‫من المعلومات في الجدول اعالم يمكان صاياغة النماوذج الرياضاي المطلاوب علاى‬
‫الشكل اآلتي‪:‬‬
‫اوال‪ :‬المتغيرات القرارية‪:‬‬
‫يتطلااب االماار انتاااج عاادد ماان المنتجااات ماان االناواع الثالثااة خااالل الوقاات المتااا‬
‫للعمليات (االولى والثانية والثالثة) من اجل ان نحصل على اقصى ربحع‬
‫نفرض ان عدد الوحدات التي سيتم انتاجها من منت ‪X1 = 1‬ع‬
‫نفرض ان عدد الوحدات التي سيتم انتاجها من منت ‪X2 = 2‬ع‬
‫نفرض ان عدد الوحدات التي سيتم انتاجها من منت ‪X3 = 3‬ع‬

‫ان عاادد الوحاادات ‪ X1, X2, X3‬ماان الممكاان ان تكااون سااالبة ونااذا ال يمكاان منطقيااا‬
‫حيااذ ان ع اادد الوحاادات الت ااي س اايتم انتاجهااا ام ااا ان تن اات بااأ مق اادار او ان ال تن اات‬
‫نهائيا فتكون قيمتها صفر يوضح شرغ عدم السلبية ونو‪:‬‬
‫‪X1, X2, X3  0‬‬
‫ثانيا‪ :‬القيود‪:‬‬
‫القيد األول (قيد العملية األولى) ان اقصى زمن متا للعملية ‪ 420‬دقيقاة يومياا (لايس‬
‫بالضرورة استغالل كامل الزمن المتا )ع‬
‫وحيااذ ان الوحاادة الواحاادة ماان المناات االول يحتاااج تصاانيعها العمليااة االولااى ‪ 2‬دقيقااة‬
‫بينمااا الوحاادة الواحاادة ماان المناات الثاااني يحتاااج ‪ 2‬دقيقااة والوحاادة الواحاادة ماان المناات‬
‫الثالذ يحتاج الى ‪ 3‬دقائزع وبالتالي يمكن صياغة القيد األول كما يلي‪:‬‬
‫‪2X1 + 2 X2 + 3 X3  420‬‬
‫القيااد الثاااني (قيااد العمليااة الثانيااة)‪ :‬ان اقصااى زماان متااا للعمليااة الثانيااة ‪ 440‬دقيقااة‬
‫يومي ااا وان الوح اادة الواح اادة م اان المن اات االول يحت اااج تص اانيم ف ااي العملي ااة الثاني ااة ‪5‬‬
‫دقا ااائز فا ااي حا ااين الوحا اادة الواحا اادة ما اان المنا اات الثا اااني ال يتطلا ااب العمليا ااة االنتاجيا ااة‬
‫الثانيااة(‪ )0‬امااا الوحاادة الواحاادة ماان المناات الثالااذ فتحتاااج ‪ 4‬دقااائز لااذلن فااتن القيااد‬
‫الثاني سيكون كما يلي‪:‬‬
‫‪5X1 + 4X3  440‬‬

‫‪19‬‬
‫القيااد الثالااذ (قيااد العمليااة الثالثااة) ان اقصااى زماان متااا للعمليااة الثانيااة ‪ 456‬دقيقااة‬
‫يومي ااا وان الوح اادة الواح اادة م اان المن اات االول يحت اااج تص اانيم ف ااي العملي ااة الثالث ااة ‪3‬‬
‫دقائز والوحدة الواحدة من المنت الثااني تحتااج ‪ 6‬دقاائز فاي حاين ان الوحادة الواحادة‬
‫م اان المن اات الثال ااذ ال يتطل ااب العملي ااة االنتاجي ااة الثالث ااة(‪)0‬ع ل ااذلن ف ااتن القي ااد الثال ااذ‬
‫سيكون كما يلي‪:‬‬
‫‪3X1+6X2  465‬‬
‫ثالثا‪ :‬دالة الهد ‪ :‬ندف صاحب القرار في نذم المشكلة نو تحقيز اكبر رباح ممكان‬
‫‪ Maximum Profit‬وتأخذ دالة الهدف الشكل اآلتي‪:‬‬
‫‪Maximize Z = 5X1 +4X2 +7X3‬‬
‫يتضااح ان النمااوذج الرياضااي للمشااكلة يحقااز جمياام شااروغ نمااوذج البرمجااة الخطيااة‬
‫ويأخذ الشكل اآلتي‪:‬‬
‫‪Maximize Z = 5X1 +4X2 +7X3‬‬
‫‪S. t.‬‬
‫‪2X1 +2X2 +3X3  420‬‬
‫‪5X1+‬‬ ‫‪2X3  440‬‬
‫‪3X1+6X2‬‬ ‫‪465‬‬
‫‪X1, X2, X3 0‬‬

‫مثال )‪:(2‬‬
‫مزرع ااة تق ااوم بتس اامين ال اادواجن لتس ااويقها بع ااد ‪ 8‬اس ااابيم م اان ت اااريخ التس اامين ول ااديها‬
‫‪ 20000‬دجاجااةع يرغااب صاااحب الق ارار فااي المزرعااة تحديااد الكميااات المطلوبااة ماان‬
‫الم اواد الغذائيااة المختلفااة للتساامين فااي ‪ 8‬اسااابيم بحيااذ تكااون تكلفااة التغذيااة اقاال مااا‬
‫يمكاانع ماان الخبارة يتضااح ان متوسااط اسااتهالن الدجاجااة يصاال الااى ‪ 455‬غارام تقريبااا‬
‫مان خلايط مان الماواد الغذائياة وساوف نعتبار ‪ 455‬غارام كوحادة عباوة للماواد الغذائياةع‬
‫ولك ااي تص اال الدجاج ااة ال ااى ال ااوزن المح اادد له ااا ف ااي ‪ 8‬اس ااابيم ف ااتن التغذي ااة يج ااب ان‬
‫تتضاامن العناصاار (كالساايوم بااروتين الياااف)ع الجاادول اآلتااي يعطااي كميااة العناصاار‬
‫من المواد الغذائية المحددة وتكلفة وحدة العبوة من كل مادةع‬

‫‪20‬‬
 ‫المواد الغذائية‬ ‫تكلفة وحادة مان كمية العنصر في وحدة العبوة من المواد الغذائية‬
‫العبوة‬
‫الكالسيوم‬ ‫البروتين‬ ‫االلياف‬
‫الحجر الجير‬ 0.38 - - 0.04
‫الحبااوب (قمااح‬ 0.001 0.09 0.02 0.15
)‫ذرة‬
‫فول الصويا‬ 0.002 0.50 0.08 0.40

:‫حيذ ان الوجبة الغذائية للدجاجة يجب ان تحتو على‬

%0.8 ‫ وال يقل عن‬%1.2 ‫ع ال يزيد الكالسيوم فيها عن‬1
%22 ‫ع ال يقل البروتين عن‬2
%5 ‫ع ال تزيد الياف عن‬3

Example (2)
Farm is fattening chickens for the purpose of marketing after 8
weeks from the date of fattening, and has 20,000 chickens. And he
wants the farm owner determine the required quantities of various
food for fattening in 8 weeks so that the cost of feeding less as
possible. And the experience is clear that the average
consumption of chicken up to 455 grams almost a mixture of food,
and to reach the chicken to the weight specified in the 8 weeks
should include the elements (calcium, protein, fiber). The following
table gives the quantity of items from the food and the specific unit
cost of the package of each article.
The quantity of the element in the
Types of Unit cost of
unit packaging of food types
food the package
calcium protein fiber

21
‫‪A limestone‬‬ ‫‪0.38‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪0.04‬‬
‫‪Grains‬‬
‫‪0.001‬‬ ‫‪0.09‬‬ ‫‪0.02‬‬ ‫‪0.15‬‬
‫)‪(wheat, corn‬‬
‫‪Soybean‬‬ ‫‪0.002‬‬ ‫‪0.50‬‬ ‫‪0.08‬‬ ‫‪0.40‬‬

‫‪Since the meal of the chicken must contain:‬‬

‫‪1. The calcium no more than 1.2% and not less than 0.8%.‬‬
‫‪2. At least 22% protein.‬‬
‫‪3. Not more than 5% of fiber.‬‬

‫‪Solution :‬‬ ‫الحددددددددددددددل‪:‬‬

‫اوال‪ :‬المتغيرات القرارية‪ :‬نفرض عدد العبوات المطلوبة من الحجر الجير ‪X1‬‬
‫وعدد العبوات من الحبوب ‪ X2‬ومن فول الصويا ‪X3‬ع‬
‫ثانيدددا‪ :‬القيدددود‪ :‬بم ااا ان الحاج ااة تحت اااج ال ااى عب ااوة واح اادة ف ااي المتوس ااط ف ااتن الكمي ااة‬
‫المطلوبة من المواد الغذائية يجب ان تحقز القيد التالي‪:‬‬
‫‪X1 + X2 + X3  20000‬‬
‫بالنسبة للكالسيوم يجب ان يحقز القيدين‬
‫)‪0.38X1+0.001X2+0.002X30.008(X1+X2+X3‬‬
‫)‪0.38X1+0.001X2+0.002X30.012(X1+X2+X3‬‬
‫وبالنسبة للبروتين‬
‫)‪0.09X2+0.50X30.22(X1+X2+X3‬‬
‫وبالنسبة لاللياف‬
‫)‪0.02X2+0.08X30.05(X1+X2+X3‬‬

‫ثالثا‪ :‬دالة الهد ‪ :‬ندف صاحب القرار في نذم المشكلة نو تحقياز اقال كلفاة ممكناة‬
‫‪ Minimum Cost‬وتأخذ دالة الهدف الشكل اآلتي‪:‬‬
‫‪Min Z = 0.04X1 +0.15X2 +0.40X3‬‬

‫‪22‬‬
 ‫‪ 3- 1‬صيغ نماذج البرمجة الخطية‬
‫‪Forms of Linear programming Models‬‬
‫ان البرمجا ااة الخطي ا ااة تعتب ا اار اح ا اادى نم ا اااذج البرمجا ااة الرياض ا ااية الت ا ااي تع ا ااال مس ا ااألة‬
‫تخصاايص او توزياام الم اوارد او الطاقااات المحاادودة لتحقيااز ناادف معااين ويعباار عاان‬
‫نااذا الهاادف بدالااة تساامى دالااة الهاادف ‪ Objective Function‬ويرمااز لهااا بااالرمز‬
‫(‪ )Z‬وتكون بنوعين اما (‪ )Max‬وتأتي عندما تهدف المنظماة الاى تعظايم االرباا او‬
‫(‪ )Min‬وتااأتي عناادما تهاادف المنظمااة الااى تقلياال التكاااليف وتخضاام نااذم الدالااة الااى‬
‫محددات او شروغ او قيود ‪ Constraints‬والتي ناي عباارة عان متبايناات تعبار عان‬
‫الم ا ا اواد االوليا ا ااة سا ا اااعات العما ا اال طاقا ا ااات المكا ا ااائن الطاقا ا ااة الكهربائيا ا ااة االيا ا ااد‬
‫العاملا ااةعععالخ) وكا ااذلن قيا ااود عا اادم السا االبية والتا ااي تعبا اار عا اان كا ااون جميا اام متغي ا ارات‬
‫النمااوذج الرياضااي عبااارة عاان قاايم موجبااة او صاافرية وال يمكاان ان تكااون قاايم سااالبة‬
‫ويأتي نموذج البرمجة الخطية بثالذ صيغ ني‪:‬‬
‫‪ 1-3-1‬الصيغة العامة لنموذج البرمجة الخطية‬
‫‪General Form of Linear Programming Model:‬‬
‫لااو نظرنااا الااى نمااوذج البرمجااة الخطيااة الااذ تاام بناااؤم او تماات صااياغت فااي التمااارين‬
‫التااي تاام استع ارضااها سااابقا والتااي تاام بناءنااا اعتمااادا علااى المشاااكل المبينااة فااي تلاان‬
‫التم ااارين نج ااد ان ن ااذم النم اااذج جميعه ااا بالص اايغة العام ااة ‪ General Form‬وان‬
‫نموذج البرمجة الخطية بشكل عام يتكون من‪:‬‬
‫‪ :1‬المتغيرات‪Variables :‬ع‬
‫‪ :2‬العالمات‪ :‬وني‪:‬‬
‫‪Less than or equal‬‬ ‫‪ ‬اصغر او يساو‬
‫‪More than or equal‬‬ ‫‪ ‬اكبر او يساو‬
‫‪Less than‬‬ ‫‪ ‬اصغر من ع‬
‫‪More than‬‬ ‫‪ ‬اكبر منع‬
‫‪Equal‬‬ ‫= يساو‬
‫‪ :3‬معامالت المتغيرات‪Variables Parameters :‬‬

‫‪23‬‬
 ‫‪ :‬دالة الهدف (‪Objective Function : )Z‬‬ ‫‪4‬‬
‫‪ :‬القيود ‪Constraints‬‬ ‫‪5‬‬
‫‪ :‬قيود عدم السلبية ‪Non- Negative Constraints :‬‬ ‫‪6‬‬
‫‪ :S.T :‬وتعناي ‪ Subject to‬اساتنادا الاى (أ ان المنشاأة تساعى الاى تحقياز‬ ‫‪7‬‬
‫الهاادف المبااين فااي الدالااة الخطيااة (دالااة الهاادف ‪ )Z‬اسااتنادا الااى الشااروغ او القيااود‬
‫التاليةع‬
‫وعلي تكون الصيغة العامة لنموذج البرمجة الخطية كما يلي‪:‬‬
‫الصيغة العامة لنموذج البرمجة الخطية‬
‫‪Max‬‬
‫‪or‬‬ ‫‪Z  C1 x1  C2 x2  C3 x3  . . .  Cn xn‬‬
‫‪Min‬‬
‫‪a11 x1  a12 x2  x13 x3  . . . a1n xn , ,  b1‬‬
‫‪a21 x1  a22 x2  x23 x3  . . . a2 n xn , ,  b2‬‬
‫‪a31 x1  a32 x2  x33 x3  . . . a3n xn , ,  b3‬‬
‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪am1 x1  am 2 x2  am x  . . .  amn xn , ,  bm‬‬
‫‪x1 , x2 , x3 , . . . xn  0‬‬

‫ان نااذم الصاايغة نااي الصاايغة العامااة لنمااوذج البرمجااة الخطيااة ولااو امعنااا النظاار‬
‫اليها نجد ان )‪ (a, b, c‬ثوابت وان (‪ )Xij‬متغيراتع‬
‫ويمكن اختصار الصيغة العامة لنموذج البرمجة الخطية كما يلي‪:‬‬

‫الصيغة المختصرة للصيغة العامة لنموذج البرمجة الخطية‬

‫‪Max‬‬
‫‪n‬‬
‫‪or‬‬ ‫‪Z   cj xj‬‬
‫‪j 1‬‬

‫‪Min‬‬

‫‪24‬‬
 ‫‪n‬‬
‫‪ aij x j  bi‬‬
‫‪j 1‬‬

‫‪j  1, 2, 3.......n‬‬
‫‪i  1, 2, 3.......m‬‬
‫‪xj 0‬‬

‫‪ 2-3-1‬الصيغة القانونية لنموذج البرمجة الخطية‬

‫‪Canonical Form of Linear Programming Model:‬‬
‫ان الفرق بين الصيغة القانونية لنموذج البرمجة الخطية والصيغة العامة لنموذج‬
‫البرمجة الخطية يتمثل بما يلي‪:‬‬
‫‪ :1‬دالة الهدف (‪ )Z‬في الصيغة العامة لنموذج البرمجة الخطية تكون اما من نوع‬
‫(‪ )Max‬او من نوع (‪ )Min‬بينما تكون في الصيغة القانونية لنموذج البرمجة‬
‫الخطية من نوع )‪ (Max‬فقطع‬
‫‪ :2‬عالمات القيود في الصيغة العامة لنموذج البرمجة الخطية تكون (‪) = ‬‬
‫بينما تكون في الصيغة القانونية لنموذج البرمجة الخطية اصغر و يساو (‪ )‬فقطع‬
‫اما مكونات نموذج البرمجة الخطية ني نفسها بالصيغتين العامة والقانونية وكما‬
‫يلي‪:‬‬

‫الصيغة القانونية لنموذج البرمجة الخطية‬

‫‪Max‬‬ ‫‪Z  C1 x1  C2 x2  C3 x3  . . .  Cn xn‬‬
‫‪s . t‬‬
‫‪a11 x1  a12 x2  x13 x3  . . . a1n xn  b1‬‬
‫‪a21 x1  a22 x2  x23 x3  . . . a2 n xn  b2‬‬
‫‪a31 x1  a32 x2  x33 x3  . . . a3n xn  b3‬‬
‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪am1 x1  am 2 x2  am x  . . .  amn xn  bm‬‬
‫‪x1 , x2 , x3 , . . . xn  0‬‬

‫‪25‬‬
 ‫ويمكن اختصار الصيغة القانونية لنموذج البرمجة الخطية كما يلي‪:‬‬
‫الصيغة المختصرة للصيغة القانونية البرمجة الخطية‬
‫‪n‬‬
‫‪Max‬‬ ‫‪Z  c j x j‬‬
‫‪j 1‬‬

‫‪n‬‬
‫‪ aij x j  bi‬‬
‫‪j 1‬‬

‫‪i  1, 2, 3.......m‬‬
‫‪j  1, 2, 3.......n‬‬
‫‪X j 0‬‬

‫وتستخدم الصيغة القانونية في بعض الحاالت الخاصة لنماذج البرمجة الخطيةعاذ‬

‫يمكن تحويل الصيغة العامة الى الصيغة القانونية بأستخدام القواعد التالية‪:‬‬
‫‪ -1‬يمكن تحويل التصغير(‪ )Minimized‬لدالة الهدف الى تعظيم‬
‫(‪ )Maximized‬وبالعكس بضرب دالة الهدف با (‪ )-1‬ع‬
‫‪ -2‬يمكن تحويل قيد اكبر من او يساو ≤ الى اصغر من او يساو ≥ بضرب‬
‫طرفي المتباينة با (‪)-1‬ع‬
‫‪ -3‬يمكن تحويل قيد المساواة الى قيدين االول اصغر من او يساو ≥ والثاني‬
‫اكبر من او يساو ≤ ثم تحويل الثاني بأستخدام القاعدة (‪ )2‬اعاله‪.‬‬
‫‪ -4‬يمكن تحويل قيد القيمة المطلقة (‪ ) Absolute Value‬الى قيدين من نوع‬
‫‪.‬‬ ‫اصغر من او يساو ≥‬

‫‪ : 3 – 3- 1‬الصيغة القياسية لنموذج البرمجة الخطية‬

‫‪Standard Form of Linear Programming Model:‬‬

‫ان الفرق بين الصيغة القياسية لنموذج البرمجة الخطية والصيغة العاماة لنماوذج‬
‫البرمجة الخطية يتمثل بما يلي‪:‬‬

‫‪26‬‬
‫‪ -1‬دالااة الهاادف )‪ (Z‬فااي الصاايغة العامااة لنمااوذج البرمجااة الخطااي تكااون امااا ماان‬
‫نااوع (‪ )Max‬او ماان نااوع (‪ )Min‬وكااذلن تكااون فااي الصاايغة القياسااية لنمااوذج‬
‫البرمجة الخطيةع‬
‫=‬ ‫‪ -2‬عالمااات القيااود فااي الصاايغة العامااة لنمااوذج البرمجااة الخطيااة تكااون (‪‬‬
‫‪ )‬بينما تكون في الصيغة القياسية لنموذج البرمجة الخطية يساو (=) فقاط‬
‫بعااد أضااافة المتغي ارات الونميااة ‪ Slack Variables‬غياار سااالبة ويرمااز لهااا‬
‫بااالرمز(‪ ) Si≤0‬وتكااون بشااكل( ‪ )+S‬عناادما تكااون اشااارة المتباينااة اصااغر ماان‬
‫او يساااو ≥ ‪ )-S( ,‬عناادما تكااون اشااارة المتباينااة اكباار ماان او يساااو ≤ وال‬
‫نضيف شي في حالةالمساواة (=) ع‬
‫ْ‬
‫‪ -3‬الطرف االيمن للقيود يكون غير سالب ( ‪) bi≥ 0‬ع‬
‫وعلى ضوء ذلن تكون الصيغة القياسية لنموذج البرمجة الخطية كما يلي‪:‬‬

‫‪Max Z  c1 x1  c2 x2  c3 x3  . . . cn xn  0s  0s  . . .  0s m‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪s . t‬‬
‫‪a11 x1  a12 x2  a13 x3  . . .‬‬ ‫‪a1n xn  S1  b1‬‬
‫‪a21 x1  a22 x2  a23 x3  . . .‬‬ ‫‪a2 n xn  S 2  b2‬‬
‫‪a31 x1  a32 x2  a33 x3  . . . a3n xn  S3  b3‬‬
‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪am1 x1  am 2 x2  am3 x3  ...........  amn xn  S m  bm‬‬
‫‪x1 , x2 , x3 , . . . xn  0‬‬
‫‪S1 , S 2 , S 3 , . . . S m  0‬‬
‫ويمكن اختصار الصيغة القياسية لنموذج البرمجة الخطية كما يلي‪:‬‬
‫الصيغة المختصرة للصيغة القياسية لنموذج البرمجة الخطية‬

‫‪27‬‬
 n
MaxZ   c j x j  0.Si
j 1

n
 aij x j  0. Si  b
j 1 i
i  1, 2, 3.......m
j  1, 2, 3.......n
xj 0
Si  0
: )3( ‫مثال‬
‫ أ) الصيغة القانونية ب) الصيغة القياسية؟‬:‫حول نموذج البرمجة الخطية االتي الى‬
Min Z  2X1  4 X 2
S. t
3X1 _ X2  8
_ 5X1  2X2  3
4X1 _ X2  6
X1 _ X 2  10
X1 , X 2  0

Example 3: Transfer the G. L. P model to: A ) Canonical form?

B )Standard form ?

Min Z  2X1  4 X 2
S. t
3X1 _ X2 8 . . 1
_ 5X1  2X 2 3 . . 2
4X1 _ X2  6 . . 3
X1 _ X2  10 . . 4
X1 , X 2  0

Solution : :‫الحددددددددددددددل‬

Canonical form ‫أ) الصيغة القانونية‬

28
‫‪ -1‬ان دالة الهدف يجب ان تكون من نوع (‪ )Maximized‬عن طريز ضرب‬
‫دالة الهدف با (‪ )-1‬لتصبح ‪Max  Z   2X1  4 X 2‬‬
‫ع‬

‫‪ -2‬القيود ‪ :‬يبقى القيد االول على ما نو علي ألن اشارت اصغر من او يساو‬
‫‪ ,‬القيد الثاني يضرب با (‪ )-1‬ألن اشارت اكبر من او يساو ‪ ,‬القيد الثالذ‬
‫يتحول الى قيدين احدنما ( ‪ ) 6‬واالخر (‪ )≤ 6‬ثم نضرب با (‪)-1‬‬
‫لغرض تحويل الى اصغر من او يساو ‪ ,‬القيد الرابم ايضا يتحول الى‬
‫قيدين احدنما ( ‪ ) 10‬واالخر (‪ )≤ -10‬ثم نضرب با (‪ )-1‬لغرض‬
‫ان‬ ‫تحويل الى اصغر من او يساو ع وبذلن يصبح لدينا ستة (‪ )6‬قيود‪ ,‬ا‬
‫نموذج الصيغة القانونية يكون كما يلي‪:‬‬
‫‪Max  Z   2X1  4 X 2‬‬
‫‪S. t‬‬
‫‪3X1‬‬ ‫‪‬‬ ‫‪X2‬‬ ‫‪‬‬ ‫‪8‬‬ ‫‪. . 1‬‬
‫‪ 5X1 ‬‬ ‫‪2X 2   3‬‬ ‫‪. . 2‬‬
‫‪4X1‬‬ ‫‪‬‬ ‫‪X2‬‬ ‫‪ 6‬‬ ‫‪.‬‬ ‫‪. 3‬‬
‫‪ 4X1‬‬ ‫‪‬‬ ‫‪X2‬‬ ‫‪ 6‬‬ ‫‪.‬‬ ‫‪. 4‬‬
‫‪X1‬‬ ‫‪‬‬ ‫‪X2‬‬ ‫‪ 10‬‬ ‫‪.‬‬ ‫‪. 5‬‬
‫‪ X1‬‬ ‫‪‬‬ ‫‪X2‬‬ ‫‪ 10‬‬ ‫‪.‬‬ ‫‪. 6‬‬
‫‪X1 , X 2‬‬ ‫‪ 0‬‬

‫‪Standard form‬‬ ‫ب) الصيغة القياسية‬

‫‪ -1‬تكون دالة الهدف من نوع (‪ )Min‬وكما موجودة في السؤال ع‬
‫‪ -2‬القيود ‪ :‬نضيف الى القيد االول ( ‪ )+S1‬ألن اشارت اصغر من او يساو‬
‫ونحول اشارة القيد الى(=) ‪ ,‬القيد الثاني نضيف ل ( ‪ )-S2‬ألن اشارت اكبر من او‬
‫يساو ونحول اشارة القيد الى(=) ‪ ,‬القيد الثالذ يبقى كما نو ألن اشارت (=) ‪,‬‬
‫القيد الرابم ايضا يتحول الى قيدين احدنما ( ‪ ) 10‬ونضيف ل ( ‪ )+S3‬واالخر‬
‫(‪ )≤ -10‬ثم نضرب با (‪ )-1‬لغرض تحويل الى اصغر من او يساو ونضيف ل‬
‫( ‪)+S4‬ع وبذلن تصبح خمسة قيود في الصيغة القياسية وكما يلي ‪:‬‬

‫‪29‬‬
Min Z  2X1  4 X 2
S. t
3X1  X 2  S1  8 . . 1
 5X1  2X 2  S2 3 . . 2
4X1  X2  6 . . 3
X1  X2  S3  10 . . 4
 X1  X2 S 4  10 . . 5
X1 , X 2  0

‫تمارين الفصل االول عن البرمجه الخطية‬

30
 ‫‪ -1‬تنت إحدى الموسسات الكيمياوية نوعين من المحاليل الكيمياوية يستدعي مرور‬
‫كل منها بثالثة أقسام إنتاجية على التوالي لغرض إن تتضمن الوقت الالزم في‬
‫كل قسم إنتاجي وربح منت كما في الجدول أدنام ‪-:‬‬
‫احسب كمية اإلنتاج الممكنة في كل محلول بحيذ تحقز أعلى ربح ممكن ‪-:‬‬
‫نوع المنت‬ ‫ربح ‪ /‬ساعة األقسام أإلنتاجية‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬
‫‪A‬‬ ‫‪10‬‬ ‫‪6‬‬ ‫‪5.4‬‬ ‫‪9‬‬
‫‪B‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪18‬‬ ‫‪7‬‬
‫‪ 50 36 81‬الساعات المتاحة‬
‫لكل قسم‬

‫‪ -2‬تقوم إحدى مصانم النجارة بتنتاج الكراسي والمناضد بحيذ إن كل نوع من نذم‬
‫تختلف عن‬ ‫المنتجات تحتاج إلى المواد األولية التالية ‪ ,‬وان كلفة كل منت‬
‫األخرى ومن بيانات الجدول أدنام حدد النموذج األمثل لإلنتاج بحيذ تكون‬
‫التكاليف أقل مايمكن ؟‬

‫االحتياجات األسبوعية المناضد الكراسي نوع المواد األولية‬

‫‪I‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪12‬‬
‫‪II‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪25‬‬
‫ساعات العمل‬ ‫‪5‬‬ ‫‪3‬‬ ‫‪90‬‬
‫‪ 40‬كلفة الوحدة الواحدة‬ ‫‪3‬‬

‫‪ -3‬مصنم ينت منت معين يتكون من مركبين ‪ ,‬وزن نذا المنت ‪ 900‬غرام ع علما‬
‫بأن المصنم يحتاج من المركب االول كمية التزيد عن ‪ 80‬غرام ومن المركب‬
‫الثاني كمية التقل عن ‪ 60‬غرام عوأن كلفة الغرام الواحد من المركب االول ثالثة‬

‫‪31‬‬
‫ دنانير عأكتب نموذج برمجة خطية يحدد الوزن‬8 ‫دنانير ومن المركب الثاني‬
‫االمثل لكل مركب من المركبات ويعطي أدنى التكاليف ؟ع‬

‫ يقوم مصنم بتنتاج الفحم الحجر بمواصفات معينة تقتضي احتوام على ما اليزيد‬-4
‫ من الرماد وحسب الجدول ادنام عويبين وجود‬4.25 ‫ من الفسفور و‬0.05 ‫عن‬
‫ونسب الفسفور والرماد لكل صنف من‬ ‫ثالثة أصناف من الفحم الحجر‬
‫األفضل‬ ‫االصناف وكذلن الكلف لكل منهم ع والمطلوب أيجاد نسبة المزي‬
‫لألصناف الثالثة من الفحم الحجر بحيذ تكون كلفت أقل ما يمكن ؟‬

‫ الصنف‬% ‫ نسبة الفسفور‬% ‫طن نسبة الرماد‬/‫الكلفة دينار‬

A 0.08 3 20
B 0.05 5 15
C 0.03 4 10

Exercises for Linear Programming

1 - Establishments producing one of the two types of chemical solutions,

chemical requires the passage of each three sections productivity
respectively for the purpose that includes the time required in each
section and a productive profit producer, as in the table below: -
Calculate the quantity of production in every possible solution to
achieving the highest (Maximum) possible profit :-

Product Type Forums productivity Profit / hour

32
 1 2 3
A 10 6 5.4 9
B 5 6 18 7
Hours available 50 36 81
In each section

2 - one of the factories producing carpentry chairs and tables so that each
type of these products need to be following raw materials, and that the
cost of each product is different from the other data in the table below,
and select the optimal model of production so that costs will be
minimum.?
the type of raw materials chairs Desks the weekly needs
I 2 3 12
II 1 1 25
Working hours 5 3 90
The cost per unit 40 3

3- factory produces a product consists of two compounds, the weight of

this product is 900 grams. Note that the factory needs of the boat the first
amount of not more than 80 g and the second compound the amount of
not less than 60 grams. And the cost per gram of the compound first
three dinars and compound II 8 dinars. Write programming model written
The weight optimized for each of the compounds and gives a minimum
cost ?.
4- The factory production of coal specifications of certain require being
overwhelmed what to not exceeding 0.05 phosphorus and 4.25 of ash,
according to the table below. Shows the existence of three types of coal
and percentage phosphorus and ash of each item as well as the costs for

33
each of them. And find the desired mix ratio is better for the three
varieties of coal so that cost as little as possible?
Category Phosphorus % ash % The cost I.D / ton
A 0.08 3 20
B 0.05 5 15
C 0.03 4 10

34
 ‫الفصل الثاني‬
‫طرق حل نماذج البرمجة الخطية‬
Solution Methods of Linear Programming Models

Introduction ‫ المقدمة‬1-2

The Graphical Method ‫ الطريقة البيانية‬2-2

:The Algebraic Method ‫ الطريقة الجبرية‬3 -2

:The Simplex method ‫ الطريقة المبسطة‬4-2

:)Z( ‫) في حالة تقليل دالة الهد‬LP( ‫ حل نموذج البرمجة الخطية‬5-2

Solution of (L.P) Model with Minimization Objective

Function .
The (Big-M) method ‫ طريقة (آم) الكبرى‬1-5-2

Two- Phase Method ‫ طريقة ذات المرحلتين‬2-5-2

35
 ‫الفصل الثاني‬
‫طرق حل نماذج البرمجة الخطية‬
‫‪Solution Methods of Linear Programming Models‬‬
‫‪ 1-2‬المقدمة ‪Introduction‬‬
‫يحتاال موضااوع البرمجااة الخطيااة فااي وقتنااا الحاضاار مرك ا اعز متمي ا اعز فااي مجااال بحااوذ‬
‫العمليات (‪ )Operations Research‬ويعد من المواضيم األكثر شايوعاع واساتخداماع‬
‫للوصول إلى تحقيز األمثلية (‪)Optimality‬ع‬
‫وتكماان أنميااة نماااذج البرمجااة الخطيااة فااي كونهااا إحاادى الوسااائل المهمااة فااي د ارسااة‬
‫ساالون عاادد كبياار ماان األنظمااة (‪ )Systems‬وكااذلن كونهااا ماان أبسااط وأسااهل أن اواع‬
‫النماااذج الرياضااية التااي تسااتخدم فااي معالجااة مشاااكل البرمجااة الصااناعية والحكوميااة‬
‫الكبرىع‬
‫وتعرف البرمجة الخطية على إنها‪:‬‬
‫‪1‬ع أس االوب رياض ااي يس ااتهدف الوص ااول إل ااى تحقي ااز األمثلي ااة م اان خ ااالل ع اادة ط اارق‬
‫ممكنة للموارد المتاحةع‬
‫‪2‬ع أو ن ااي أس االوب رياض ااي يوظ ااف لتوزي اام الما اوارد واإلمكان ااات المح اادودة (المتاح ااة)‬
‫ض اامن مجموع ااة م اان القي ااود والعوام اال الثابت ااة وصا اوالع إل ااى تحقي ااز األمثلي ااة ف ااي‬
‫التوزيمع‬
‫وتأسيس ااع علااى مااا تقاادم فقااد شاااع اسااتخدام نماااذج البرمجااة الخطيااة ماان قباال ماادراء‬
‫المشاريم والمنشتت اإلنتاجية بهدف الوصول إلى تحقيز‪:‬‬
‫أع أقصى (‪ )Max‬مستوى لألربا ع‬
‫بع أدنى (‪ )Min‬مستوى للتكاليفع‬
‫من جانب آخر تم استخدام نماذج البرمجة الخطية في المجاالت اآلتية‪:‬‬
‫‪1‬ع تخطيط االستثماراتع‬
‫‪2‬ع تخطيط اإلنتاجع‬
‫‪3‬ع تخطيط المخزونع‬
‫‪4‬ع حل مشاكل النقلع‬

‫‪36‬‬
 ‫‪5‬ع حل مشاكل التخصيصع‬
‫‪6‬ع حل نظرية األلعابع‬
‫وللوصول إلى حل نماذج البرمجة الخطية تم استخدام الطرق اآلتية‪:‬‬
‫‪1‬ع الطريقة البيانية ‪Graphical Method‬ع‬
‫‪2‬ع الطريقة الجبرية ‪Algebraic Method‬ع‬
‫‪3‬ع الطريقة المبسطة ‪Simplex Method‬ع‬
‫وفيما يلي شرحاع مفصالع لكل طريقة من الطرق أعالم وعلى النحو اآلتي‪:‬‬
‫‪ 2-2‬الطريقة البيانية ‪The Graphical Method‬‬
‫تعد الطريقة البيانية من الطرق المهمة فاي حال نماوذج البرمجاة الخطياة وتصالح ناذم‬
‫الطريقااة عناادما يحتااو النمااوذج علااى متغيارين فقااط نمااا (‪ )X1 , X2‬ولحاال نمااوذج‬
‫البرمجة الخطية بموجبها نتبم الخطوات اآلتية‪:‬‬
‫‪1‬ع رسم قيود النموذج على نيئة خطوغ مستقيمةع‬
‫‪2‬ع تحديد زوايا منطقة الحل الممكن (‪ )Feasible Solution‬بيانياعع‬
‫‪3‬ع إيجاد قيم زوايا منطقة الحل الممكنع‬
‫‪4‬ع تحديد نقطة الحل األمثل (‪)Optimal Solution Point‬ع‬
‫مثال (‪:)1‬‬
‫جد الحل األمثل لنموذج البرمجة الخطية التالي باستخدام الطريقة البيانيةع‬
‫‪Example 1:‬‬
‫‪Find the optimal solution for (LP) model by using graphical‬‬
‫?‪method‬‬

‫‪Max. Z= 3X1+5X2‬‬
‫‪Subject to:‬‬
‫‪2X1+3X2  30‬‬
‫‪5X1+4X2  60‬‬
‫‪X1 , X2  0‬‬
‫‪Solution:‬‬
‫القيد األول(يهمل( ‪2X1+3X2= 30 , 2X1+3X2 <30‬‬
‫‪2X1+3X2 = 30‬‬

‫‪37‬‬
 ‫النقطة األولى )‪If X1=0, 3X2=30, X2=15 P1(0,10‬‬
‫النقطة الثانية)‪If X2=0 2X1=30 X1=15 P2(15,0‬‬
‫القيد الثاني‪) :‬يهمل( ‪5X1+4X2= 60 , 5X1+4X2 < 60‬‬
‫‪5X1+4X2= 60‬‬
‫النقطة األولى )‪If X1=0 4X2=60 X2=15 P1(0,15‬‬
‫)‪If X2=0 5X1=60 X1=12 P2(12,0‬‬
‫علي تكون منطقة الحل الممكن موضحة بالشكل البياني اآلتي‪:‬‬

‫ماان الش ااكل البي اااني الس ااابز يتض ااح ب ااأن ماان منطق ااة الح اال الممك اان مح اادودة بالنق اااغ‬
‫(‪ )D,C,B,A‬إذ إن‪:‬‬
‫)‪A= (0,0) , B= (12,0) , C= (0,10‬‬
‫وإليجاد إحداثيات النقطة (‪ )D‬نقوم بتقاطم القيدين (األول والثاني) أ إن‪:‬‬
‫نضرب ب (‪(2X1+3X2= 30)………. (1) )5‬‬
‫نضرب ب (‪(5X1+4X2= 60)………..(2) )2‬‬
‫)‪10X1+15X2= 150……… (3‬‬

‫‪38‬‬
‫)‪ 10X1  8 X2 =  120….(4‬‬
‫بالطر ‪7X2= 30‬‬
‫‪X2= 4.3‬‬
‫نقوم بتعويض قيمة (‪ )X2= 4.3‬في المعادلة رقم (‪ )1‬نحصل على‪:‬‬
‫‪2X1+3(4.3) = 30‬‬
‫‪2X1+12.9= 30‬‬
‫‪2X1= 17.1‬‬
‫‪X1= 8.6‬‬
‫)‪D= (8.6, 4.3‬‬
‫وإليجاد الحل األمثل للنموذج نقوم بعمل الجدول اآلتي‪:‬‬

‫علي فتن الحل األمثل للنموذج يكون‪:‬‬

‫*‬
‫‪X1 = 0, X2 = 10, Z = 50‬‬

‫مثال (‪:)2‬‬
‫جد الحل األمثل لنموذج البرمجة الخطية التالي بيانياع‪:‬‬
‫‪Example 2: Find the optimal solution for (LP) model using‬‬
‫‪graphical method‬‬
‫‪Max. Z= 6X1+4X2‬‬
‫‪Subject to:‬‬
‫‪2X1+2X2  20‬‬
‫‪5X1‬‬ ‫‪ 25‬‬
‫‪5X2  20‬‬
‫‪X1 , X2  0‬‬
‫القيد األول ‪2X1+2X2= 20‬‬
‫النقطة األولى)‪If X1=0 , 2X2=20, X2=10 P1(0,10‬‬
‫النقطة الثانية)‪If X2=0, 2X1=20 X1=10 P2(10,0‬‬

‫‪39‬‬
 ‫القيد الثاني‪5X1= 25 , X1=5 P(5,0) :‬‬
‫القيد الثالذ )‪5X2=20, X2=4 , P (0,4‬‬
‫علي تكون منطقة الحل الممكن موضحة بالشكل البياني اآلتي‪:‬‬

‫ماان الش ااكل البي اااني الس ااابز يتض ااح ب ااأن ماان منطق ااة الح اال الممك اان مح اادودة بالنق اااغ‬
‫(‪ )E,D,C,B,A‬إذ إن‪:‬‬
‫)‪A= (0,0) , B= (0,4) , C= (5, 0‬‬
‫وإليجاد إحداثيات النقطة (‪ )E,D‬نتبم اآلتي‪:‬‬
‫أع نحصل على النقطة (‪ )D‬من تقاطم القيدين (األول والثاني) أ إن‪:‬‬
‫)‪2X1+4X2 = 20…….(1‬‬
‫)‪3X1 = 15………. (2‬‬
‫من المعادلة (‪ )2‬نحصل علاى (‪ )X1= 5‬نقاوم بتعويضاها فاي المعادلاة (‪ )1‬نحصال‬
‫على‪:‬‬
‫‪2(5)+4X2 = 20‬‬
‫‪4X2= 10‬‬
‫‪X2= 2.5‬‬
‫)‪D= (5,2.5‬‬
‫بع نحصل على النقطة (‪ )E‬من تقاطم القيدين (األول والثالذ) أ إن‪:‬‬

‫‪40‬‬
‫)‪2X1+4X2 = 20…….(1‬‬
‫)‪5X2 = 20…….(2‬‬
‫من المعادلة (‪ )2‬نحصل على (‪ )X2= 4‬نقوم بتعويضها في المعادلة (‪ )1‬ينت ‪:‬‬

‫‪2X1+4(4) = 20‬‬
‫‪2X1= 2‬‬
‫‪X1= 2‬‬
‫)‪E= (2,4‬‬
‫وإليجاد الحل األمثل للنموذج نقوم بعمل الجدول اآلتي‪:‬‬

‫علي فتن الحل األمثل للنموذج نو‪:‬‬

‫‪X1 = 5, X2 = 2.5, Z* = 40‬‬
‫مثال (‪:)3‬‬
‫جد الحل األمثل لنموذج البرمجة الخطية التالي بيانياع‪:‬‬
‫‪Example 3: Find the optimal solution for (LP) model by using‬‬
‫‪graphical method‬‬

‫‪Min. Z= 4X1+3X2‬‬
‫‪Subject to:‬‬
‫‪2X1+2X2  20‬‬
‫‪2X1+5X2  30‬‬
‫‪3X2  27‬‬
‫‪X1 , X2  0‬‬
‫‪Solution:‬‬
‫القيد األول ‪2X1+2X2= 20‬‬

‫‪41‬‬
 ‫)‪If X1=0, X2=10 P1(0,10‬‬
‫)‪If X2=0 , 2X1=30 X1=10 P2(10,0‬‬
‫القيد الثاني‪2X1+5X2 = 30:‬‬
‫)‪If X1=0 X2=6 P1(0,6‬‬
‫)‪If X2=0 X1=15 X1=12 P2(15,0‬‬
‫القيد الثالذ‪3X2= 27 X2 = 9 P= (0,9) :‬‬
‫علي تكون منطقة الحل الممكن موضحة بالشكل البياني اآلتي‪:‬‬

‫ماان الش ااكل البي اااني الس ااابز يتض ااح ب ااأن ماان منطق ااة الح اال الممك اان مح اادودة بالنق اااغ‬
‫(‪ )C,B,A‬إذ إن‪:‬‬
‫)‪A= (0,6), B= (0,9‬‬
‫وإليجاد إحداثيات النقطة (‪ )C‬نتبم اآلتي‪:‬‬
‫أعنحصل على النقطة (‪ )C‬من تقاطم القيدين (األول والثالذ) أ إن‪:‬‬
‫)‪2X1+2X2 = 20…….(1‬‬
‫)‪3X2 = 27………. (2‬‬
‫من المعادلة (‪ )2‬نحصل على (‪ )X2= 9‬نقوم بتعويضها في المعادلة (‪ )1‬ينت ‪:‬‬
‫‪2X1+ 2(9) = 20‬‬
‫‪2X1 = 2‬‬
‫‪X1= 1‬‬
‫)‪C= (1,9‬‬

‫‪42‬‬
 ‫بع نحصل على النقطة (‪ )D‬من تقاطم القيدين (األول والثاني) أ إن‪:‬‬
‫)‪2X1+2X2 = 20…….(1‬‬
‫)‪ 2X1  5X2 =  30…… (2‬‬
‫‪-3X2= -10‬‬
‫)‪X2= 3.3…………….. (3‬‬
‫نعوض قيمة (‪ )X2= 3.3‬في المعادلة (‪ )1‬نحصل على‪:‬‬
‫‪2X1+ 2(3.3) = 20‬‬
‫‪2X1 = 13.4‬‬
‫‪X1= 6.7‬‬
‫)‪D= (6.7, 3.3‬‬
‫وإليجاد الحل األمثل للنموذج نقوم بعمل الجدول اآلتي‪:‬‬

‫علي فتن الحل األمثل للنموذج نو‪:‬‬

‫‪X1 = 0, X2 = 6, Z* = 18‬‬

‫مثال (‪:)4‬‬
‫جد الحل األمثل لنموذج البرمجة الخطية التالي بيانياع‪:‬‬
‫‪Example 4: Find the optimal solution for (LP) model by using‬‬
‫‪graphical method‬‬

‫‪Min. Z=3X1+8X2‬‬
‫‪Subject to:‬‬
‫‪3X1+5X2  30‬‬
‫‪6X1 = 42‬‬
‫‪4X1+3X2  36‬‬
‫‪X1 , X2  0‬‬

‫‪Solution:‬‬

‫‪43‬‬
 ‫القيد األول‪3X1+5X2= 30 :‬‬
‫)‪If X1=0 ,, X2=6 P1(0,6‬‬
‫)‪If X2=0 , X1=10 P2(10,0‬‬
‫القيد الثاني‪6X1= 42 , X1= 7:‬‬
‫القيد الثالذ‪4X1+3X2= 36:‬‬
‫)‪If X1=0 X2=12 P1(0,12‬‬
‫)‪If X2=0 X1=0 X1=9 P2(9,0‬‬
‫علي تكون منطقة الحل الممكن موضحة بالشكل البياني اآلتي‪:‬‬

‫م ا ا ا ا ا ا ا ا ا اان‬
‫الشا ااكل البيا اااني السا ااابز يتضا ااح با ااأن ما اان منطقا ااة الحا اال الممكا اان محا اادودة بالنقا اااغ‬
‫(‪ )D,C,B,A‬إذ إن‪:‬‬
‫)‪A= (0,6), B= (0,12‬‬
‫وإليجاد إحداثيات النقاغ (‪ )D,C‬نتبم اآلتي‪:‬‬
‫أعنحصل على النقطة (‪ )C‬من تقاطم القيدين (األول والثاني) أ إن‪:‬‬
‫)‪3X1+5X2 = 30…….(1‬‬
‫)‪6X = 42………. (2‬‬

‫‪44‬‬
‫من المعادلة (‪ )2‬نحصل علاى (‪ )X1= 7‬نقاوم بتعويضاها فاي المعادلاة (‪ )1‬نحصال‬
‫على‪:‬‬
‫‪3(7)+ 5X2 = 30‬‬
‫‪5X2 = 9‬‬
‫‪X2= 1.8‬‬
‫)‪C= (7,1.8‬‬
‫بع نحصل على النقطة (‪ )D‬من تقاطم القيدين (الثاني والثالذ) أ إن‪:‬‬

‫)‪6X1 = 42…….(1‬‬
‫)‪4X1+3X2 = 36…… (2‬‬
‫‪3X2= 8‬‬
‫)‪X2= 2.7…………….. (3‬‬
‫)‪D= (7,2.7‬‬
‫وإليجاد الحل األمثل للنموذج نقوم بعمل الجدول اآلتي‪:‬‬

‫علي فتن الحل األمثل للنموذج نو‪:‬‬

‫‪X1 = 7‬‬
‫‪X2 = 1.8‬‬
‫‪Z* = 35.4‬‬
‫مثال (‪:)5‬‬
‫جد الحل األمثل لنموذج البرمجة الخطية التالي بيانياع‪:‬‬
‫‪Example 5: Find the optimal solution for (LP) model by using‬‬
‫‪graphical method‬‬
‫‪Min. Z= 3X1+2X2‬‬
‫‪Subject to:‬‬
‫‪4X1+6X2  12‬‬
‫‪8X1+4X2  16‬‬
‫‪X1 , X2  0‬‬

‫‪45‬‬
 ‫‪Solution:‬‬
‫القيد األول ‪4X1+6X2= 12‬‬
‫)‪If X1=0, X2=2 P1(0,2‬‬
‫)‪If X2=0 , X1=3 P2( 3,0‬‬
‫القيد الثاني‪8X1+4X2= 16 :‬‬
‫)‪If X1=0 , X2=4 P1(0,4‬‬
‫)‪If X2=0 , X1=2 P2(2,0‬‬
‫علي تكون منطقة الحل الممكن موضحة بالشكل البياني اآلتي‪:‬‬

‫يتض ااح م اان الش ااكل البي اااني الس ااابز يتض ااح ب ااأن م اان منطق ااة الح اال الممك اان مح اادودة‬
‫بالنقاغ (‪ )D,C,B,A‬إذ إن‪:‬‬
‫)‪A= (3,0), B= (0,4‬‬
‫وإليجاد إحداثيات النقاغ (‪ )C‬يتم ذلن مان خاالل تقااطم القيادين (األول والثااني) أ‬
‫إن‪:‬‬
‫)‪ …….(1‬نضرب المعادلة ب (‪(4X1+6X2 = 12) )2‬‬
‫)‪8X1+4X2 = 16………. (2‬‬
‫‪8X1+ 12X2 = 24‬‬
‫‪ 8X1  4X2 =  16‬‬
‫بالطر ‪8X2= 8‬‬
‫(‪X2= 1…………… )3‬‬

‫‪46‬‬
 ‫نعوض قيمة (‪ )X2= 1‬في إحدى المعادلتين ولتكن معادلة (‪ )1‬نحصل على‪:‬‬
‫‪4X1+6(1) = 12‬‬
‫‪4X1= 6‬‬
‫‪X1= 1.5‬‬
‫)‪C= (1.5, 1‬‬
‫وإليجاد الحل األمثل للنموذج نقوم بعمل الجدول اآلتي‪:‬‬

‫علي يكون الحل األمثل كاآلتي‬

‫‪5, X2 = 1, Z* = 6.5‬ع‪X1 = 1‬‬

‫‪ 3 -2‬الطريقة الجبرية ‪:The Algebraic Method‬‬

‫تعد الطريقة الجبرية من الطرق الرياضية البحتة التي تعتمد أسالوب التعاويض الجبار‬
‫للقام المتوقعااة للمتغيارات الداخلااة فاي النمااوذج الرياضاي وفقااع إلاى عاادد الطارق الممكنااة‬
‫له ااذم الق اايم وتس ااتخدم ن ااذم الطريق ااة عن اادما يحت ااو النم ااوذج عل ااى متغيا ارين فق ااط نم ااا‬
‫(‪)X1, X2‬ع‬
‫ولحل نموذج البرمجة الخطية بموجبها نتبم الخطوات اآلتية‪:‬‬
‫‪1‬ع تقسيم متغيرات النموذج الرياضي إلى نوعين نما‪:‬‬
‫أع المتغيرات األساسية (‪:)Basic Variables‬‬
‫وني تلن المتغيرات التي لها دور مهم فاي المشاكلة وتكاون قايم ناذم المتغيارات (اكبار‬
‫من الصفر) دائماع أ إن (‪)Xj>0, Si>0‬ع‬
‫بع المتغيرات غير األساسية ( ‪:)Non- Basic Variables‬‬
‫ون ااي تل اان المتغيا ارات الت ااي له ااا دور مه اام ف ااي المش ااكلة وتك ااون ق اايم ن ااذم المتغيا ارات‬
‫(مساوية للصفر) دائماع أ إن (‪)Xj=0, Si=0‬ع‬

‫‪47‬‬
‫‪2‬ع تحوي اال النم ااوذج الرياض ااي م اان الص اايغة القانوني ااة (‪ )Canonical Form‬إل ااى‬
‫‪ )Standard‬وذل اان باس ااتخدام‬ ‫الص اايغة المس ااتقرة (الص اايغة القياس ااية) (‪Form‬‬
‫‪ )Slack‬فا ااي دالا ااة الها اادف وقيا ااود النما ااوذج‬ ‫المتغي ا ارات ال اركا اادة (‪Variables‬‬
‫وكتالتي‪:‬‬

‫‪3‬ع عم اال ج اادول يتض اامن المتغيا ارات األساس ااية والمتغيا ارات غي اار األساس ااية لغ اارض‬
‫الوصول إلى الحل األمثل للمشكلة بموجب الطريقة الجبريةع‬
‫مثال (‪:)6‬‬
‫جد الحل األمثل للنموذج التالي باستخدام الطريقة الجبرية‪:‬‬
‫‪Example 6: Find the optimal solution for following (L.P) model‬‬
‫?‪using Algebraic method‬‬

‫‪Max. Z= 3X1+5X2‬‬
‫‪Subject to:‬‬
‫‪2X1+3X2  30‬‬
‫‪5X1+4X2  60‬‬
‫‪X1 , X2  0‬‬
‫‪Solution:‬‬
‫‪1‬ع نقا ااوم بتحويا اال النما ااوذج الرياضا ااي السا ااابز ما اان الصا اايغة القانونيا ااة إلا ااى الصا اايغة‬
‫القياسية وعلى النحو اآلتي‪:‬‬
‫‪Max. Z= 3X1+5X2 + 0S1+ 0S2‬‬
‫‪Sub. to:‬‬
‫‪2X1+3X2 +S1= 30‬‬
‫‪5X1+4X2+ S2 =60‬‬

‫‪48‬‬
‫‪X1 , X2  0, S1, S2 0‬‬
‫‪2‬ع تحديا ااد عا اادد الحا اااالت الممكنا ااة الختيا ااار (‪ )2‬متغي ا ارين ما اان (‪ )4‬متغي ا ارات وفق ا ااع‬
‫للصيغة اآلتية‪:‬‬
‫!‪n‬‬
‫‪ C rn ‬‬
‫!) ‪r!(n  r‬‬
‫!‪4‬‬ ‫!‪4! 4(3)2‬‬
‫‪C 24 ‬‬ ‫‪‬‬ ‫‪‬‬
‫!‪2!(4  2)! 2!2! 2(1)2‬‬
‫‪3‬ع للوص ااول إل ااى الح اال األمث اال للمش ااكلة باس ااتخدام الطريق ااة الجبري ااة نعم اال الج اادول‬
‫اآلتي‪:‬‬

‫الحل األمثل للمشكلة يكون‪:‬‬

‫‪X1 = 0‬‬
‫‪X2 = 10‬‬
‫‪Z* = 50‬‬
‫مثال (‪:)7‬‬
‫جد الحل األمثل لنموذج البرمجة الخطية التالي جبرياع‪:‬‬
‫)‪Example 7: Find the optimal solution for following (L.P‬‬
‫?‪model using Algebraic method‬‬

‫‪Max. Z= 30X1+18X2‬‬
‫‪Subject to:‬‬
‫‪X1+2X2  200‬‬

‫‪49‬‬
 ‫‪3X1+2X2  300‬‬
‫‪X1 100‬‬
‫‪X1 , X2  0‬‬

‫‪Solution:‬‬
‫‪Max. Z= 30X1+18X2 + 0S1+ 0S2+ S3‬‬
‫‪Subject to:‬‬
‫‪X1+2X2+ S1 = 200‬‬
‫‪3X1+2X2 + S2 = 60‬‬
‫‪X1‬‬ ‫‪+ S3 = 100‬‬
‫‪X1 , X2  0, S1, S2, S3  0‬‬
‫نقوم بتحديد عدد الحاالت الممكنة وفقاع للصيغة اآلتية‪:‬‬
‫!‪n‬‬ ‫)!‪5! 5(4)(3‬‬
‫‪Crn ‬‬ ‫‪ C 25 ‬‬ ‫‪‬‬ ‫‪10‬‬
‫!) ‪r!(n  r‬‬ ‫!‪2!3! 2(1)3‬‬
‫أ إن عدد الحاالت العشرة ني‪:‬‬
‫‪X1X2, X1S1, X1S2, X1S3, X2S1, X2S2, X2S3, S1S2, S1S3, S2S3‬‬
‫وللوصول إلى الحل األمثل للمشكلة جبرياع نعمل الجدول اآلتي‪:‬‬

‫‪50‬‬
 ‫علي يكون الحل األمثل للمشكلة كاآلتي‪:‬‬
‫‪X1 = 100, X2 = 0, Z* = 3000‬‬

‫مثال (‪:)8‬‬
‫جد الحل األمثل للنموذج التالي باستخدام الطريقة الجبرية‪:‬‬
‫‪Example 8: Find the optimal solution for following (L.P) model‬‬
‫?‪using Algebraic method‬‬

‫‪Min. Z= 3X1+2X2‬‬
‫‪Subject to:‬‬
‫‪4X1+6X2  12‬‬
‫‪8X1+4X2  16‬‬
‫‪X1 , X2  0‬‬
‫‪Solution:‬‬
‫نقااوم بتحوياال النمااوذج الرياضااي أعااالم ماان الصاايغة القانونيااة إلااى الصاايغة القياسااية‬
‫وعلى النحو اآلتي‪:‬‬
‫‪Min. Z= 3X1+2X2 – 0S1-0S2‬‬
‫‪Subject to:‬‬
‫‪4X1+6X2 –S1 = 12‬‬
‫‪8X1+4X2 –S2 = 16‬‬
‫‪X1 , X2  0, S1, S2  0‬‬
‫للوصول إلى الحل األمثل للمشكلة نعم الجدول اآلتي‪:‬‬

‫‪51‬‬
 ‫الحل األمثل للنموذج يكون‪:‬‬
‫‪X1 = 1.5, X2 = 1, Z* = 6.5‬‬

‫‪ 4-2‬الطريقة المبسطة ‪:The Simplex method‬‬

‫حل النموذج في حالة دالة الهد من نوع تعظيم‬
‫‪Solution of (L.P) Model with Maximization Objective‬‬
‫‪Function.‬‬
‫تعد الطريقة المبسطة (طريقة السمبلكس) أسلوب رياضي متقدم في حال مشااكل‬
‫البرمج ااة الخطي ااة (‪)LP‬ع كونه ااا تع ااال المش اااكل الت ااي تحت ااو عل ااى عا ادد كبي اار م اان‬
‫المتغي ا ارات (متغي ا ارين فا ااأكثر) كما ااا وتعا ااد نا ااذم الطريقا ااة أفضا اال وأدق ما اان الط ا اريقتين‬
‫السابقتين [الطريقة البيانية والطريقة الجبرية]ع‬
‫إن البادايات التاريخياة لتطبياز الطريقاة المبساطة (‪ )Simplex method‬تعاود‬
‫إلااى الجهااود المبذولااة ماان قباال العااالم (‪ )Dantzig‬عااام ‪ 1947‬عناادما تبااين لا عجااز‬
‫كل من الطريقة البيانية والطريقة الجبرية فاي معالجاة مشااكل البرمجاة الخطياة (‪)LP‬‬
‫عندما تحتو على أكثر من متغيرينع‬
‫لقد شاع اساتخدام الطريقاة المبساطة فاي معالجاة مشااكل البرمجاة الخطياة (‪)LP‬‬
‫فااي وقتنااا الحاضاار نتيجااة انتشااار الحاساابات االلكترونيااة وتطااور البرمجيااات الجااانزة‬
‫(‪ )Soft wares‬المتعلقة بهذا النوع من المشاكلع‬
‫يااتم إيجاااد حاال نماااذج البرمجااة الخطيااة (‪ )LP‬بموجااب نااذم الطريقااة وفق ااع إلااى‬
‫ثالذ مراحل أساسية ومتسلسلة يمكن وصفها على النحو اآلتي‪:‬‬
‫‪1‬ع المرحل ااة األول ااى‪ :‬إيج اااد الح اال األساس ااي الممك اان (الح اال األول ااي) ( ‪Feasible‬‬
‫‪)Solution‬ع‬
‫‪2‬ع المرحلااة الثانيااة‪ :‬تحس ااين الحاال األول ااي للحصااول علااى الح اال األفضاال ( ‪Best‬‬
‫‪)Solution‬ع‬
‫‪3‬ع المرحلاة الثالثاة‪ :‬تحساين الحال األفضال للحصاول علاى الحال األمثال ( ‪Optimal‬‬
‫‪ )Solution‬وقد يتم ذلن بمرحلة واحدة أو عدة مراحلع‬

‫‪52‬‬
‫أوالع‪ :‬خط اوات الحاال بموجااب الطريقااة المبسااطة فااي حالااة تعظاايم (‪)Maximization‬‬
‫دالة الهدف (‪:)Z‬‬
‫إليجاد الحل األمثال لنماوذج البرمجاة الخطياة (‪ )LP‬بموجاب طريقاة السامبلكس نتبام‬
‫الخطوات اآلتية‪:‬‬
‫‪1‬ع تحوي ا ا ا ا ا ا اال نم ا ا ا ا ا ا ااوذج البرمج ا ا ا ا ا ا ااة الخطي ا ا ا ا ا ا ااة (‪ )LP‬م ا ا ا ا ا ا اان الص ا ا ا ا ا ا اايغة القانوني ا ا ا ا ا ا ااة‬
‫(‪ )Canonical Form‬إلاى الصايغة القياساية (‪ )Standard Form‬بعاد إضاافة‬
‫المتغيارات الفائضااة أو ال اركاادة إلااى كاال ماان دالااة الهاادف (‪ )Z‬وقيااود النمااوذج ماام‬
‫مراعاة جعل دالة الهدف (‪ )Z‬مساوية (للصفر)ع‬
‫‪2‬ع تصاميم جادول الحال األساساي الممكان (‪ )Feasible Solution‬باالعتمااد علاى‬
‫جميم معامالت المتغيرات (‪ )Xj ,Si‬في قيود النموذج ودالة الهدف (‪)Z‬ع‬
‫‪3‬ع تحدياد المتغياار الااداخل (‪ )Entering Variable‬علااى أساااس اكباار قيمااة بتشااارة‬
‫سالبة في صف دالة الهدف (‪)Z‬ع‬
‫‪4‬ع تحديااد المتغياار الخااارج (‪ )Leaving Variable‬عاان طريااز قساامة القاايم الواقعااة‬
‫فااي الجهااة اليمنااى فااي عمااود (‪ )R.H.S‬علااى مااا يقابلهااا ماان قاايم المعااامالت فااي‬
‫العماود المحااور (‪ )Pivot Column‬والمتغياار الااذ يقابال أقاال قيمااة موجبااة ماان‬
‫خ اوارج القساامة فااي عمااود النساابة (‪ )Ratio‬يعااد نااو المتغياار الخااارج ليحاال محل ا‬
‫المتغير الداخلع‬
‫‪Pivot‬‬ ‫‪5‬ع العم ااود ال ااذ يوج ااد فيا ا المتغي اار ال ااداخل يس اامى ب ااالعمود المح ااور (‬
‫‪)Column‬ع‬
‫‪6‬ع الص ااف ال ااذ يوج ااد فيا ا المتغي اار الخ ااارج يس اامى بالص ااف المح ااور ( ‪Pivot‬‬
‫‪)Row‬ع‬
‫‪7‬ع العنصاار الااذ يقاام تحاات المتغياار الااداخل وأمااام المتغياار الخااارج يساامى بالعنصاار‬
‫المحاور (‪ )Pivot Column‬بمعناى أخار [ناو العنصار الناات مان تقااطم عماود‬
‫المتغير الداخل مم صف المتغير الخارج]ع‬
‫‪8‬ع يمكاان الحصااول علااى المعادلااة المحوريااة (‪ )Pivot Equation‬ماان خااالل قساامة‬
‫القيم في صف المتغير الخارج على العنصر المحور (‪)Pivot Element‬ع‬

‫‪53‬‬
‫‪9‬ع لغاارض تحسااين الحاال الممكاان (‪ )Feasible Solution‬والحصااول علااى الحاال‬
‫األفضل (‪ )Best Solution‬نتبم اآلتي‪:‬‬
‫أع إيجاد معامالت دالة الهدف الجديدة (‪ )New Z‬كاآلتي‪:‬‬
‫مع ااامالت (‪ )Z‬الجدي اادة= مع ااامالت (‪ -)Z‬معام اال المتغي اار ال ااداخل ف ااي ص ااف دال ااة‬
‫الهدف * المعادلة المحوريةع‬
‫إيجاد معامالت القيود الجديدة للمتغيرات (‪ )Si‬كاآلتي‪:‬‬ ‫بع‬

‫معااامالت (‪ )Si‬الجدياادة= معااامالت (‪ )Si‬القديمااة‪ -‬معاماال المتغياار الااداخل فااي صااف‬

‫(‪ * )Si‬المعادلة المحوريةع‬
‫‪10‬ع يمكاان الحصااول علااى الحاال األمثاال (‪ )Optimal Solution‬لمشااكلة التعظاايم‬
‫(‪ )Maximization‬وذل ا اان عن ا اادما تك ا ااون جمي ا اام مع ا ااامالت (‪ Cj‬دال ا ااة اله ا اادف‬
‫الجديدة فاي جادول الحال أكبار مان أو تسااو الصافر أ إن (‪ )Cj  0‬أماا إذا‬
‫كانت قيمة واحدة على األقل ألحد المعاامالت (‪ )Cj‬فاي دالاة الهادف (ساالبة) أ‬
‫إن ( ‪ )Cj < 0‬فهذا يعني عدم التوصل إلى الحل األمثلع‬
‫‪11‬ع يع اااد إجا اراء الخطا اوات الس ااابقة م اان (‪ )10-3‬حت ااى ي ااتم الحص ااول عل ااى جمي اام‬
‫معامالت (‪ )Cj‬في دالاة الهادف (‪ )Z‬اكبار مان أو تسااو الصافر أ إن ( ‪Cj ‬‬
‫‪ )0‬مما يعني ذلن تم الحصول على الحل األمثل للمشكلةع‬
‫مثدددال (‪ :)9‬جدددد الحدددل األمثدددل لنمدددوذج البرمجدددة الخطيدددة (‪ )LP‬التددداليا باسدددتخدام‬
‫الطريقة المبسطة (‪:)Simplex method‬‬
‫‪Example 9: Find the optimal solution for (L.P) model using‬‬
‫?‪Simplex Method‬‬
‫‪)Max. Z= 30X1+ 18X2‬‬
‫‪S.t. :‬‬
‫‪X1+2X2  200‬‬
‫‪3X1+2X2  300‬‬
‫‪X1‬‬ ‫‪ 150‬‬
‫‪X1, X2  0‬‬
‫‪Solution:‬‬
‫‪1‬ع تحويل نموذج البرمجة الخطية (‪ )L.P‬السابز إلى الصيغة القياسية وكاآلتي‪:‬‬

‫‪54‬‬
‫‪Max. Z- 30X1 -18X2- oS1- 0S2- 0S3= 0‬‬
‫‪S.t. :‬‬
‫‪X1+2X2+S1‬‬ ‫‪= 200‬‬
‫‪3X1+2X2+ S2 = 300‬‬
‫‪X1+‬‬ ‫‪S3= 150‬‬
‫‪X1, X2, S1, S2, S3  0‬‬

‫‪2‬ع تصميم جدول الحل األولي على النحو اآلتي‪Table 1 :‬‬

‫‪3‬ع إن المتغي اار ال ااداخل ن ااو (‪ )X1‬كونا ا يقاب اال أكب اار قيم ااة بتش ااارة س ااالبة (‪ )30‬ف ااي‬
‫صف دالة الهدف (‪)Z‬ع‬
‫‪4‬ع إن المتغي اار الخ ااارج ن ااو (‪ )S2‬كونا ا يقاب اال أق اال قيم ااة موجب ااة (‪ )100‬ف ااي عم ااود‬
‫النسبة (‪)Ratio‬ع‬
‫مالحظة‪ :‬تهمل القيم السالبة (‪ )-‬أو غير المعرفة (∞) في عمود النسبة (‪)Ratio‬ع‬
‫‪5‬ع إن العنصاار المحااور نااو القيمااة (‪ )3‬والتااي يمكاان الحصااول عليهااا ماان تقاااطم‬
‫العمود المحور مم الصف المحور ع‬
‫‪6‬ع يمكان الحصاول علاى المعادلاة المحورياة (‪ )Pivot Equation‬مان خاالل قسامة‬
‫قيم الصف المحور على العنصر المحور (‪ )3‬أ إن‪:‬‬

‫‪55‬‬
 ‫‪ 3 2 0 1 300‬‬
‫‪Pivot equation=  , , , ,‬‬
‫‪ 3 3 3 3 3 ‬‬
‫‪ 2‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪= 1, , 0, , 0,100‬‬
‫‪ 3‬‬ ‫‪3‬‬ ‫‪‬‬
‫‪7‬ع يمكان الحصاول علاى القايم الجديادة لكال مان دالاة الهادف (‪ )Z‬والمتغيارين ( ‪S3,‬‬
‫‪ )S1‬على النحو اآلتي‪:‬‬
‫‪ 2 1‬‬ ‫‪‬‬
‫‪New (Z)= -30, -18, 0,0,0,0- (-30)* 1, , 0, , 0,100‬‬
‫‪ 3 3‬‬ ‫‪‬‬
‫‪= -30, -18, 0,0,0,0 + 30,20,0,10,3000‬‬
‫‪= 0,2,0,10,0,3000‬‬
‫‪ 2 1‬‬ ‫‪‬‬
‫‪New (S1) = 1,2,1,0,0,200 - (1)* 1, , 0, ,100‬‬
‫‪ 3 3‬‬ ‫‪‬‬
‫‪ 4 1‬‬ ‫‪‬‬
‫‪= 0, ,1, , 0,100‬‬
‫‪ 3‬‬ ‫‪3‬‬ ‫‪‬‬
‫‪ 2 1‬‬ ‫‪‬‬
‫‪New (S3) = 1,0,0,0,1,150 - (1)* 1, , 0, ,100‬‬
‫‪ 3 3‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪= 0,  , 0, ,1, 50‬‬
‫‪‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪‬‬
‫نقوم بوضم النتائ السابقة في جدول حل ثاني وعلى النحو اآلتي‪:‬‬
‫‪Table 2‬‬

‫‪56‬‬
‫‪8‬ع بمااا إن جمياام معااامالت (‪ )Cj‬دالااة الهاادف الجدياادة (‪ )Z‬فااي الجاادول أعااالم نااي‬
‫أكبر وتساو الصفر أ إن (‪ )Cj  0‬علي فتن الحل األمثل للمشكلة يكون‪:‬‬
‫‪X1 = 100, X2 = 0, Z* = 3000‬‬
‫االستنتاج‪:‬‬
‫م اان النت ااائ أع ااالم يتض ااح ب ااأن إدارة المنش اااة اإلنتاجي ااة س ااتتخذ قا ا ار اعر بتنت اااج (‪)100‬‬
‫وح اادة م اان المن اات (‪ )X1‬وع اادم إنت اااج أ وح اادة م اان المن اات (‪ )X2‬وبم ااا يحق ااز له ااا‬
‫أقصى األربا بلغت (‪ )3000‬ثالثة أالف دينارع‬
‫مثددددال (‪ :)10‬ج ااد الح اال األمث اال لنم ااوذج البرمج ااة الخطي ااة (‪ )L.P‬الت ااالي باس ااتخدام‬
‫الطريقة المبسطة‪:‬‬
‫‪Example 10: Find the optimal solution for (L.P) model using‬‬
‫?‪Simplex Method‬‬
‫‪Max. Z= 3X1+5X2‬‬
‫‪S. t. :‬‬
‫‪2X1+3X2  30‬‬
‫‪5X1+4X2  60‬‬
‫‪X1, X2  0‬‬
‫‪Solution:‬‬
‫‪1‬ع تحويل نموذج الخطة البرمجة الخطية السابز إلى الصيغة القياسية أ إن‪:‬‬
‫‪Max. Z= 3X1-5X2+0S1+0S2= 0‬‬
‫‪S.t. :‬‬
‫‪2X1+3X2+ S1‬‬ ‫‪= 30‬‬
‫‪5X1+4X2+‬‬ ‫‪S2 = 60‬‬
‫‪X1, X2, S1, S2  0‬‬
‫‪2‬ع تصميم جدول الحل األولي على النحو اآلتي‪:‬‬

‫‪57‬‬
 ‫‪Table 1‬‬

‫‪3‬ع المتغير الداخل نو (‪ )X2‬كون يقابل أكبر قيمة بتشارة سالبة (‪ )5‬في صف دالاة‬
‫الهدف (‪)Z‬ع‬
‫‪4‬ع المتغياار الخااارج نااو (‪ )S1‬كون ا يقاباال أقاال قيمااة موجبااة (‪ )10‬فااي عمااود النساابة‬
‫(‪)Ratio‬ع‬
‫‪5‬ع العنصر المحور نو القيمة (‪)3‬ع‬
‫‪6‬ع يمكن الحصول على المعادلة المحور (‪ )Pivot Equation‬كاآلتي‪:‬‬
‫‪ 2 3 1 0 30 ‬‬
‫‪Pivot Equation =  , , , , ‬‬
‫‪3 3 3 3 3 ‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪=  ,1, , 0,10‬‬
‫‪3 3‬‬ ‫‪‬‬
‫‪7‬ع يمكن الحصول على قيم (‪ )Z‬و (‪ )S2‬الجديدتين كاآلتي‪:‬‬
‫‪2 1‬‬ ‫‪‬‬
‫‪New (Z)= -3, -5,0,0,0- (-5)*  ,1, , 0,10‬‬
‫‪3 3‬‬ ‫‪‬‬
‫‪‬‬ ‫‪10‬‬ ‫‪‬‬
‫‪= -3, -5, 0,0,0 +  , 5, 0, 50‬‬
‫‪3‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪5‬‬ ‫‪‬‬
‫‪=  , 0, , 0, 50‬‬
‫‪3 3‬‬ ‫‪‬‬
‫‪2 1‬‬ ‫‪‬‬
‫‪New (S2) = 5,4,0,1,60 -4*  ,1, ,0,10‬‬
‫‪3 3‬‬ ‫‪‬‬

‫‪58‬‬
 ‫‪ 10 5‬‬ ‫‪‬‬
‫‪= -3,-5,0,0,0 + ‬‬ ‫‪, 5, ,0, 50‬‬
‫‪ 3‬‬ ‫‪3‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪5‬‬ ‫‪‬‬
‫‪=  , 0, , 0, 50‬‬
‫‪3 3‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪New (S2) = 5,4,0,1,60 - 4*  ,1, ,0,10‬‬
‫‪3 3‬‬ ‫‪‬‬
‫‪8‬‬ ‫‪4‬‬ ‫‪‬‬
‫‪5,4,0,1,60 - ‬‬ ‫‪,‬‬ ‫‪4‬‬‫‪,‬‬ ‫‪,0, 40‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪‬‬
‫‪7‬‬ ‫‪4‬‬ ‫‪‬‬
‫‪=  , 0,‬‬ ‫‪,1, 20‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪‬‬
‫نقوم بوضم النتائ أعالم في جدول حل ثاني وعلى النحو اآلتي‪:‬‬
‫‪Table 2‬‬

‫‪8‬ع بما إن جميم معامالت دالة الهدف الجديدة (‪ )Z‬في الجدول أعالم ني أكبار مان‬
‫وتساو الصفر أ إن (‪ )Cj  0‬علي فتن الحل األمثل للمشكلة يكون‪:‬‬
‫‪X1 = 0, X2 = 10, Z* = 50‬‬
‫االستنتاج‪:‬‬
‫يتض ااح م اان النتا اائ أع ااالم ب ااأن إدارة المنش اااة اإلنتاجي ااة س ااتتخذ قا ا ار اعر بتنت اااج (‪)10‬‬
‫وحدات من المنت الثااني (‪ )X2‬وعادم إنتااج أ وحادة مان المنات األول (‪)X1‬ع وبماا‬
‫يحقز للمنشأة أقصى األربا بلغت (‪ )50‬دينارع‬
‫مثددددال (‪ :)11‬جا ااد الحا اال األمثا اال لنما ااوذج البرمجا ااة الخطيا ااة (‪ )LP‬التا ااالي باسا ااتخدام‬
‫الطريقة المبسطة‪:‬‬

‫‪59‬‬
‫‪Example 11: Find the optimal solution for (L.P) model using‬‬
‫?‪Simplex Method‬‬
‫‪Max. Z= 6X1+8X2+2X3‬‬
‫‪S. t. :‬‬
‫‪X1+ X2‬‬ ‫‪2‬‬
‫‪X1+‬‬ ‫‪3 X3  6‬‬
‫‪X2‬‬ ‫‪1‬‬
‫‪X1, X2 , X3  0‬‬
‫‪Solution:‬‬
‫‪1‬ع تحويل نموذج الخطة البرمجة الخطية السابز إلى الصيغة القياسية أ إن‪:‬‬
‫‪Max. Z- 6X1-8X2- 2X3+0S1+0S2+0S3= 0‬‬
‫‪S.t. :‬‬
‫‪X1+X2+‬‬ ‫‪S1‬‬ ‫‪=2‬‬
‫‪X1+‬‬ ‫‪3X3+‬‬ ‫‪S2‬‬ ‫‪=6‬‬
‫‪X2+‬‬ ‫‪S3 = 1‬‬
‫‪X1, X2, X3, S1, S2, S3  0‬‬
‫‪2‬ع تصميم جدول الحل األولي على النحو اآلتي‪:‬‬

‫‪3‬ع المتغير الداخل نو (‪ )X2‬كون يقابل أكبر قيمة بتشارة سالبة (‪ )8‬في صاف دالاة‬
‫الهدف (‪)Z‬ع‬
‫‪4‬ع المتغياار الخااارج نااو (‪ )S3‬كون ا يقاباال أقاال قيمااة موجبااة ( ‪ )1‬فااي عمااود النساابة‬
‫(‪)Ratio‬ع‬
‫‪5‬ع العنصر المحور نو القيمة ( ‪)1‬ع‬

‫‪60‬‬
 ‫‪6‬ع يمكن الحصول على المعادلة المحور (‪ )Pivot Equation‬كاآلتي‪:‬‬
‫‪ 0 1 0 0 0 1 1‬‬
‫‪Pivot Equation =  , , , , , , ‬‬
‫‪ 1 1 1 1 1 1 1‬‬
‫‪=  0,1,0, 0, 0,1,1‬‬
‫‪7‬ع يمكن الحصول على قيم (‪ )Z‬و (‪ )S2, S1‬الجديدة كاآلتي‪:‬‬
‫‪New (Z)= -6, -8,-2,0,0,0,0- (-8)* 0,1,0,0,0,1,1‬‬
‫‪= -6, -8,-2,0,0,0,0 + 0,8,0,0,0,8,8‬‬
‫‪= -6,0,-2,0,0,8,8‬‬
‫‪New (S1) = 1,1,0,1,0,0,2 -(1)* 0,1,0,0,0,0,1,1‬‬
‫‪= 1,0,0,1,0,-1,1‬‬
‫)‪New (S2) = Old (S2‬‬
‫‪= 1,0,3,0,1,0,6‬‬

‫نقوم بوضم النتائ أعالم في جدول حل ثاني وعلى النحو اآلتي‪Table 1:‬‬

‫‪8‬ع بمااا إن بعااض قاايم المعااامالت (‪ )Cj‬فااي صااف دالااة الهاادف الجدياادة سااالبة أ إن‬
‫(‪ )Cj<0‬علي نقوم بتعادة نفس الخطوات السابقة من (‪ )7-3‬وكاآلتي‪:‬‬
‫أع المتغير الداخل نو (‪)X1‬ع‬
‫بع المتغير الخارج نو (‪)S1‬ع‬
‫جع العنصر المحور نو القيمة (‪)1‬ع‬
‫دع المعادلة المحورية ني‪:‬‬

‫‪61‬‬
‫‪Pivot Equation = 1,0,0,1, 0,  1,1‬‬
‫ناع يتم إيجاد القيم الجديدة لكل من (‪ )Z‬و (‪ )X2, S2‬كاآلتي‪:‬‬
‫‪New (Z)= -6, 0,-2,0,0,8,8- (-6)* 1,0,0,1,0,-1,1‬‬
‫‪= -6, 0,-2,0,0,8,8 + 6,0,0,6,0,-6,6‬‬
‫‪= 0,0,-2,6,0,2,14‬‬
‫‪New (S2) = 1,0,3,0,1,0,6 -(1)* 1,0,0,1,0,-1,1,‬‬
‫‪= 0,0,3,-1,1,1,5‬‬
‫)‪New (X2) = Old (X2‬‬
‫‪= 0,1,0,0,0,1,1‬‬
‫نقوم بوضم النتائ أعالم في جدول ثالذ وعلى النحو اآلتي‪Table 2:‬‬

‫وع ماان نتااائ الجاادول السااابز يتضااح بأن ا لاام يااتم الوصااول إلااى الحاال األمثاال‬
‫نظا اعر لوجاود قيماة ساالبة ( ‪ )-2‬فاي صاف دالاة الهادف (‪ )Z‬أ إن (‪)Cj < 0‬‬
‫علي سيتم إعادة نفس الخطوات وكاآلتي‪:‬‬
‫‪1‬ع المتغير الداخل المتغير الداخل نو (‪)X3‬ع‬
‫‪2‬ع المتغير الخارج نو (‪)S2‬ع‬
‫‪3‬ع العنصر المحور نو (‪)3‬ع‬
‫‪4‬ع المعادلة المحورية‪:‬‬
‫‪0 0 3 1 1 1 5‬‬
‫‪Pivot Equation =  , , , , , , ‬‬
‫‪ 3 3 3 3 3 3 3‬‬

‫‪62‬‬
 ‫‪‬‬ ‫‪1 1 1 5‬‬
‫‪= 0,0,1, , , , ‬‬
‫‪‬‬ ‫‪3 3 3 3‬‬
‫‪5‬ع يتم إيجاد القيم الجديدة لكل من (‪)Z‬و (‪ )X2 , X1‬كاآلتي‪:‬‬
‫‪‬‬ ‫‪1 1 1 5‬‬
‫‪New (Z)= -0, 0,-2,6,0,2,14- (-2)* 0,0,1, , , , ‬‬
‫‪‬‬ ‫‪3 3 3 3‬‬
‫‪‬‬ ‫‪ 2 2 2 10 ‬‬
‫‪= -0, 0,-2,6,0,2,14 + 0,0,2,‬‬ ‫‪, , , ‬‬
‫‪‬‬ ‫‪3 3 3 3‬‬
‫‪‬‬ ‫‪16 2 8 52 ‬‬
‫‪= 0,0,0, , , , ‬‬
‫‪‬‬ ‫‪3 3 3 3‬‬
‫)‪=New (X1) = Old (X1‬‬
‫‪= ,10,0,1,0,-1,1‬‬
‫)‪New (X2) = Old (X2‬‬
‫‪= 0,1,0,0,0,1,1‬‬
‫نقوم بوضم النتائ السابقة في جدول رابم وعلى النحو اآلتي‪:‬‬
‫‪Table 3‬‬

‫‪6‬ع بما ااا إن جميا اام المعا ااامالت (‪ )Cj‬فا ااي صا ااف دالا ااة الها اادف (‪ )Z‬موجبا ااة وتسا اااو‬
‫(صفر) أ إن (‪ )Cj  0‬علي فتن الحل األمثل للمشكلة يكون‪:‬‬
‫‪5 * 52‬‬
‫‪X1 = 1, X2 = 1, X3 = Z = 3 = 17.33‬‬
‫‪3‬‬
‫االستنتاج‪:‬‬

‫‪63‬‬
 ‫يتضااح ماان النتااائ النهائيااة للحاال األمثاال يتضااح بااأن إدارة المنشاااة اإلنتاجيااة سااتتخذ‬
‫ق ار اعر بتنتاج (‪ )1‬وحدات واحدة من النوع (‪ )X1‬وانتاج ( ‪ )1‬وحدة واحدة مان الناوع‬
‫‪5‬‬
‫(‪ )X2‬وانتاااج تقريب ااع ( ‪ ) =1.7‬م اان النااوع (‪ )X3‬وبم ااا يحقااز له ااا أقصااى األرب ااا‬
‫‪3‬‬
‫بلغت (‪ )17.33‬دينار أردنيع‬

‫(‪:)Z‬‬ ‫‪ 5-2‬حل نموذج البرمجة الخطية (‪ )LP‬في حالة تقليل دالة الهد‬

‫‪Solution of (L.P) Model with Minimization Objective‬‬

‫‪Function .‬‬

‫‪Simplex‬‬ ‫إن ح اال نم ااوذج البرمج ااة الخطي ااة (‪ )LP‬بموج ااب الطريق ااة المبس ااطة (‬
‫‪ )Method‬ف ا ااي حال ا ااة تقلي ا اال (‪ )Min‬دال ا ااة اله ا اادف (‪ )Z‬أ عن ا اادما تك ا ااون جمي ا اام‬
‫عالمااات القيااود بصاايغة أكباار ماان أو تساااو (‪ )‬أو تكااون عالمااات القيااود بصاايغة‬
‫[المساواة (=) أو أكبر من أو تساو (‪ ])‬في حاالت خاصاة جاداع ياتم بواساطة أحاد‬
‫األسلوبيين اآلتيين‪:‬‬
‫‪1‬ع طريقة (‪ )M‬الكبيرة ‪(Big-M) method‬ع‬
‫‪2‬ع طريقة المرحلتين ‪)Two- phase) method‬ع‬
‫‪ 1-5-2‬طريقة (آم) الكبرى ‪:The (Big-M) method‬‬
‫‪Artificial‬‬ ‫تنطا ا او فكا ا ارة ن ا ااذم الطريق ا ااة عل ا ااى إض ا ااافة متغيا ا ارات اص ا ااطناعية (‬
‫‪ )Variables‬إلااى جانااب المتغيارات ال اركاادة (‪ )Slack Variables‬إلااى قيااود نمااوذج‬
‫البرمجااة الخطيااة (‪ )LP‬فااي حالااة التقلياال (‪)Minimization‬ع عناادما تكااون عالمااات‬
‫القيود مكتوباة بصايغة [المسااواة (=)ع أو أكبار مان أو تسااو (‪])‬ع والاى دالاة الهادف‬

‫‪64‬‬
‫(‪ )Z‬علااى أن تقتاارن المتغي ارات االصااطناعية فااي دالااة الهاادف (‪ )Z‬بمعااامالت كبي ارة‬
‫جداع تدعى (‪ )M‬وتحمل نذم المعامالت (‪ )M‬إشارة موجبة في دالة الهادف (‪ )Z‬فاي‬
‫حالا ا ا ا ا ا ااة التقليا ا ا ا ا ا اال (‪ )Minimization‬واشا ا ا ا ا ا ااارة سا ا ا ا ا ا ااالبة فا ا ا ا ا ا ااي حالا ا ا ا ا ا ااة التعظا ا ا ا ا ا اايم‬
‫(‪)Minimization‬ع‬
‫خطوات الحل بموجب طريقة (‪ )M‬الكبيرة‪:‬‬
‫‪1‬ع تحويل نموذج البرمجة الخطية (‪ )LP‬من الصيغة القانونية إلاى الصايغة القياساية‬
‫بعاد إضاافة المتغيارات ال اركادة (‪ )Si‬إلاى قياود النماوذج ودالاة الهادفع بعاد ذلان يتطلاب‬
‫إضافة المتغيرات االصطناعية (‪ )Ri‬إلى القيود ودالة الهدف أيضاعع‬
‫‪2‬ع صياغة دالة الهادف جديادة (‪ )Z‬بداللاة المتغيارات (‪)Xj‬و (‪ )Si‬مام م ارعااة جعال‬
‫الدالة مساوية إلى قيمة (‪ )M‬فقطع‬
‫‪3‬ع تصااميم جاادول الحاال األساسااي الممكاان اعتماااداع علااى جمياام معااامالت المتغي ارات‬
‫( ‪ )Ri ,Si , Xj‬الموجودة في قيود النموذج ودالة الهدف (‪)Z‬ع‬
‫‪4‬ع تحديد المتغير الداخل على أساس اكبر قيمة موجبة في صف دالة الهدف (‪)Z‬ع‬
‫‪5‬ع اعتم اااد بقي ااة الخطا اوات الس ااابقة والا اواردة ف ااي حال ااة التعظ اايم (‪)Minimization‬‬
‫وذلن عندما تكون جميم معامالت (‪ )Cj‬دالة الهدف الجديدة في جدول الحال أقال أو‬
‫تساو الصفر أ إن (‪ )Cj < 0‬مما يعني تم الحصول على الحل األمثلع‬
‫مثال (‪:)12‬‬
‫جد الحل األمثل لنموذج البرمجة الخطية (‪ )LP‬التالي باستخدام طريقة (‪ )‬الكبيرة‪:‬‬
‫‪Example (12): Find the optimal solution for (L.P)Model using‬‬
‫‪(Big.M)Method?.‬‬
‫‪Min. Z = 2X1+X2‬‬
‫‪S. t. :‬‬
‫‪X1+3X2  30‬‬
‫‪4X1+2X2  40‬‬
‫‪X 1, X 2  0‬‬
‫‪Solution:‬‬
‫أع ‪1‬ع تحويل النموذج الرياضي من الصيغة القانونية إلى الصيغة القياسية كاآلتي‪:‬‬
‫‪Min. Z = 2X1+X2 + 0S1 – 0S2‬‬
‫‪S. t. :‬‬

‫‪65‬‬
 ‫‪X1+3X2 – S1 = 30‬‬
‫‪4X1+2X2 – S2 = 40‬‬
‫‪X1, X2 , S1 , S2  0‬‬
‫يتضاح مان القيادين الساابقين باأن قايم (‪ )S1‬و (‪ )S2‬ظهارت ساالبة وناي ( ‪S2= -40,‬‬
‫)‪ S1 = -30‬ممااا يتقاااطم ذلاان ماام عاادم الساالبية (‪ )S1 , S2  0‬ولمعالجااة نااذا‬
‫الموضوع يتم ذلن بتضافة لمتغيرات االصطناعية للقيود ودالة الهدف (‪)Z‬ع‬
‫‪3‬ع إض ااافة المتغيا ارات االص ااطناعية (‪ )Ri‬لقي ااود النم ااوذج ودال ااة اله اادف (‪ )Z‬وعل ااى‬
‫النحو اآلتي‪:‬‬
‫‪Min. Z = 2X1+X2 + 0S1 + 0S2 + MR1 + MR2‬‬
‫‪S. t. :‬‬
‫‪X1+3X2 – S1‬‬ ‫)‪+ R1 = 30 ………….. (1‬‬
‫‪4X1+2X2‬‬ ‫‪– S2‬‬ ‫)‪+ R2= 40 …………. (2‬‬
‫‪X1, X2 , S1 , S2 , R1 , R2 0‬‬
‫‪M: Is Very Big‬‬
‫أع صياغة دالة الهدف (‪ )Z‬بداللة المتغيرات (‪ )Xj‬و (‪ )Si‬فقط وكاآلتي‪:‬‬
‫من المعادلتين (‪ )1‬و (‪ )2‬نحصل على كل من (‪ )R1‬و (‪ )R2‬إذن إن‪:‬‬
‫‪R1 = 30 – X1 – 3X2 + S1‬‬
‫‪R2 = 40 – 4X1 – 2X2 – S2‬‬ ‫(‪)3‬عععععععععععععععععععع‬

‫في دالة الهدف (‪ )Z‬ينت ‪:‬‬ ‫نعوض قيم (‪ )R1‬و (‪ )R2‬الواردة بالعالقة (‪)3‬‬
‫‪Z= 2 X1 + X2 + M (30- X1 – 3X2 – S1 ) + M (40 – 4X1- 2X2 +‬‬
‫)‪S 2‬‬
‫– ‪Z = 2X1 + X2 + 30M – MX1 – 3MX2 – S1 + 40M - 4MX1‬‬
‫‪2MX2 + MS2‬‬
‫‪Z = ( 2- 5M) X1 + (1-5M) X2 + MS – MS2 + 70M‬‬
‫‪Z – ( 2- 5M) X1 + (1-5M) X2 + MS – MS2 = 70M‬‬
‫جع تصميم جدول الحل األساسي الممكن وكاآلتي‪:‬‬

‫‪66‬‬
 ‫‪Table 1‬‬

‫دع المتغير الداخل نو (‪ (X2‬لكونا يقابال اكبار قيماة موجباة )‪ (-1+ 5M‬فاي صاف‬
‫دالة الهدف (‪ )Z‬بد اقتراض قيمة (‪)M= 100‬ع‬
‫نا ااع المتغي اار الخ ااارج ن ااو (‪ )R1‬لكونا ا يقاب اال اص ااغر قيم ااة موجب ااة (‪ )10‬ف ااي عم ااود‬
‫النسبة (‪)Ratio‬ع‬
‫وع العنصر المحور نو (‪) 3‬ع‬
‫زع علي تكون المعادلة المحورية (‪ )Pivot Equation‬كاآلتي‪:‬‬
‫‪ 1 3 1 0 1 0 30 ‬‬
‫‪Pivot Equation =  , , , , , , ‬‬
‫‪3 3 3 3 3 3 3 ‬‬
‫‪1  1 1‬‬ ‫‪‬‬
‫‪=  ,1, , 0, , 0,10‬‬
‫‪3 3‬‬ ‫‪3‬‬ ‫‪‬‬

‫ع نقوم بتيجاد قيمة (‪ )Z‬و (‪ )R2‬الجديتين على النحو اآلتي‪:‬‬

‫* )‪New (Z) = (-2 + 5M, -1 + 5M, -M.0.0.70 M) – (-1+5M‬‬
‫‪1  1 1‬‬ ‫‪‬‬
‫‪ 3‬‬ ‫‪,‬‬ ‫‪1‬‬‫‪,‬‬ ‫‪,‬‬ ‫‪0‬‬‫‪,‬‬ ‫‪,‬‬ ‫‪0‬‬‫‪,‬‬ ‫‪10‬‬‫)‬ ‫‪‬‬
‫‪3‬‬ ‫‪3‬‬
‫‪  5 10‬‬ ‫‪1 2‬‬ ‫‪1 5‬‬ ‫‪‬‬
‫‪= ‬‬ ‫‪ M , 0,‬‬ ‫‪M ,  M ,  M , 0,10  20M ‬‬
‫‪ 3‬‬ ‫‪3‬‬ ‫‪3 3‬‬ ‫‪3 3‬‬ ‫‪‬‬
‫‪1  1 1‬‬ ‫‪‬‬
‫‪New (R2) = 4, 2,0,-1,0,1,40 - 2 * ‬‬ ‫‪,‬‬ ‫‪1‬‬‫‪,‬‬ ‫‪,‬‬ ‫‪0‬‬‫‪,‬‬ ‫‪,‬‬ ‫‪0‬‬‫‪,‬‬ ‫‪10‬‬‫)‬ ‫‪‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬
‫‪10 2‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪= 3‬‬ ‫‪,‬‬ ‫‪0‬‬‫‪,‬‬ ‫‪,‬‬ ‫‪‬‬‫‪1‬‬‫‪,‬‬ ‫‪,‬‬‫‪1‬‬‫‪,‬‬ ‫‪20‬‬‫)‬ ‫‪‬‬
‫‪‬‬ ‫‪3‬‬ ‫‪3‬‬

‫‪67‬‬
 ‫نقوم بوضم النتائ أعالم في جدول ثاني وعلى النحو اآلتي‪:‬‬
‫‪Table 2‬‬

‫‪  5 10 ‬‬
‫أع المتغياار الااداخل نااو (‪ )X1‬لكون ا يقاباال أكباار قيمااة موجبااة ‪  3  3 M ‬ع‬
‫‪‬‬ ‫‪‬‬
‫في صف دالة الهدف (‪)Z‬ع‬
‫بع المتغياار الخااارج نااو (‪ )R2‬لكون ا يقاباال أقاال قيمااة موجبااة (‪ )6‬فااي عمااود النساابة‬
‫(‪)Ratio‬ع‬
‫‪10 ‬‬
‫جع العنصر المحور نو ‪  3 ‬ع‬
‫‪ ‬‬
‫دع علي تكون المعادلة المحورية على النحو اآلتي‪:‬‬

‫‪10 / 3‬‬ ‫‪0‬‬ ‫‪2/3‬‬ ‫‪1  2 / 3‬‬ ‫‪1‬‬ ‫‪20 ‬‬

‫‪Pivot Equation = ‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫‪,‬‬
‫‪10 / 3 10 / 3 10 / 3 10 / 3 10 / 3 10 / 3 10 / 3 ‬‬
‫‪‬‬ ‫‪1  3 1 3 ‬‬
‫‪= ‬‬‫‪1‬‬‫‪,‬‬ ‫‪0‬‬‫‪,‬‬ ‫‪,‬‬ ‫‪, , , 6‬‬
‫‪‬‬ ‫‪5‬‬ ‫‪10‬‬ ‫‪5 10 ‬‬
‫ناع نقوم بتيجاد قيمة (‪ )Z‬و (‪ )X2‬الجديدتين كاآلتي‪:‬‬

‫‪68‬‬
‫=)‪New(Z‬‬
‫‪  5 10‬‬ ‫‪1 2‬‬ ‫‪1 5‬‬ ‫‪   5 10   1  3  1 3 ‬‬
‫‪ 3  3 M , 0, 3  3 M ,  M , 3  3 M , 0,10  20M    3  3 M  * 1,0, 5 , 10 , 5 , 10 ,6‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪ ‬‬ ‫‪‬‬

‫‪‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪‬‬

‫‪‬‬‫‪0‬‬‫‪,‬‬‫‪0‬‬‫‪,‬‬‫‪0‬‬‫‪,‬‬ ‫‪,‬‬ ‫‪‬‬ ‫‪M‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫‪M‬‬ ‫‪,‬‬ ‫‪20‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪1 1 1‬‬ ‫‪‬‬
‫‪New (X2) =  3 ,1, 3 , 0, 3 , 0,10‬‬
‫‪‬‬ ‫‪‬‬

‫‪‬‬ ‫‪ 2 1 2 1 ‬‬

‫‪= ‬‬‫‪0‬‬‫‪,‬‬ ‫‪1‬‬‫‪,‬‬ ‫‪, , , ,8‬‬
‫‪‬‬ ‫‪3 10 5 10 ‬‬

‫نقوم بوضم النتائ أعالم في جدول ثالذ وكاآلتي‪:‬‬

‫‪Table 3‬‬

‫وبمااا إن جمياام المعااامالت (‪ )Cj‬فااي صااف دالااة الهاادف (‪ )Z‬أقاال ماان او تساااو‬
‫الصفر أ إن (‪ )Cj ≤ 0‬علي فتن الحل األمثل للمشكلة يكون‪:‬‬
‫‪X1 = 6, X2 = 8, Z* = 20‬‬
‫االستنتاج‪:‬‬
‫يتضااح ماان نتااائ الجاادول السااابز الااذ يتضاامن الحاال األمثاال للمشااكلة يتضااح بااأن‬
‫إدارة المنشااأة اإلنتاجيااة سااتتخذ ق ا ار اعر بتنتاااج (‪ )6‬وحاادات ماان المناات الثاااني (‪ )X1‬و‬

‫‪69‬‬
‫إنتاااج (‪)8‬وحاادات ماان المناات (‪ )X2‬وبمااا يحقااز لهااا أقاال التكاااليف اإلنتاجيااة والبالغااة‬
‫(‪ )20‬دينارع‬

‫‪ 2-5-2‬طريقة ذات المرحلتين ‪Two- Phase Method‬‬

‫تعااد طريقااة الماارحلتين أبسااط ماان طريقااة (‪ )M‬الكبيارة فااي إيجاااد الحاال األمثاال لنمااوذج‬
‫البرمج ااة الخطي ااة (‪ )L.P‬ف ااي حال ااة التقلي اال (‪ )Minimization‬إذ يمك اان الحص ااول‬
‫علااى الحاال األمثاال للنمااوذج بعااد أن نتأكااد بااأن ننااان حاال لنمااوذج وذلاان ماان خااالل‬
‫الحصااول علااى قيمااة دالااة الهاادف الجدياادة (‪ )r‬مساااوية للصاافرع أ إن (‪)r = 0‬‬
‫وبعدما ا ف ااال يوج ااد ح اال للنم ااوذج وي ااتم الح اال بموج ااب ن ااذم الطريق ااة عل ااى م اارحلتين‬
‫أساسيتين وعلى النحو اآلتي‪:‬‬
‫أ‪ .‬المرحلة األولى‪:‬‬
‫‪1‬ع تحويل نموذج البرمجة الخطية (‪ )LP‬من الصيغة القانونية إلاى الصايغة القياساية‬
‫ومن ثم إضافة المتغيرات االصطناعية (‪ )R1‬لقيود النموذج فقطع‬
‫‪2‬ع صياغة دالاة نادف جديادة (‪ )r‬باالعتمااد علاى المتغيارات االصاطناعية (‪ )R1‬أ‬
‫إن‪:‬‬
‫‪r = R1 – R2 -… Rn  Min‬‬
‫‪3‬ع تصميم جدول يتضمن الحل األولي اعتمااداع علاى معاامالت لمتغيارات ( ‪R1, S1,‬‬
‫‪ )Xj‬في قيود لنموذج ودالة الهدف الجديدة (‪)r‬ع‬
‫‪4‬ع نتبام الخطاوات الساابقة حتاى نحصال علاى قيماة (‪)r = 0‬ع مماا يعناي وجاود حال‬
‫للنموذج والمقترنة في كون (‪ )Cj  0‬لجميم معامالت دالة الهدف (‪)r‬ع‬
‫ب‪ .‬المرحلة الثانية‪:‬‬
‫‪1‬ع اعتماد الحال األساساي النهاائي فاي الخطاوة (‪ )4‬مان المرحلاة األولاى بعاد اساتبعاد‬
‫المتغيرات االصطناعية (‪ )R‬ودالة الهدف (‪)r‬ع‬
‫‪2‬ع اعتماااد دالااة الهاادف األصاالية (‪ )Z‬وتحسااين قيمتهااا للحصااول علااى الحاال األمثاال‬
‫للمشكلةع‬

‫‪70‬‬
‫‪3‬ع فاي حالاة وجاود أحاد المعاامالت (‪ )Cj‬أكبار مان الصافر(‪ )Cj > 0‬فاي صاف دالاة‬
‫الهدف (‪ )Z‬يعاد إجراء نفس الخطوات حتى يتم الحصول على جميم المعاامالت‬
‫(‪ )Cj‬أقاال أو تساااو الصاافر أ إن (‪ )Cj  0‬ممااا يعنااي تاام الحصااول علااى‬
‫الحل األمثل للنموذجع‬
‫مثال (‪:)13‬‬
‫جددددد الحددددل األمثددددل لنمددددوذج البرمجددددة الخطيددددة (‪ )LP‬التدددداليا باسددددتخدام طريقددددة‬
‫المرحلتين؟‪.‬‬
‫‪Example 13: Find the optimal solution for (L.P)Model using‬‬
‫‪Two-phase Method?.‬‬

‫‪Min. Z = 2X1 + X2‬‬

‫‪S. t.‬‬
‫‪X1+3X2  30‬‬
‫‪4X1+2X2  40‬‬
‫‪X1, X2  0‬‬
‫‪Solution:‬‬
‫المرحلة األولى‪:‬‬
‫‪1‬ع تحويل النموذج الرياضي من الصيغة القانونية إلى الصيغة القياسية كاآلتي‪:‬‬
‫‪Min. Z = 2X1+X2- 0S1 – 0S2‬‬
‫‪S. t.‬‬
‫‪X1+3X2 – S1 = 30‬‬
‫‪4X1+2X2‬‬ ‫‪– S2 = 40‬‬
‫‪X1, X2 , S1 , S2  0‬‬
‫يتضااح ماان القياادين السااابقين بااأن قاايم (‪ )S1‬و ‪ )S2‬ظهاارت سااالبة ونااي علااى الترتيااب‬
‫)‪ )S2= -40, S1 = -30‬مماا يتقااطم ذلان مام شارغ عادم السالبية (‪)S1 , S2  0‬‬
‫علي سيتم إضافية المتغيرات االصطناعية (‪ )R2, R1‬للقيود على النحو اآلتي‪:‬‬
‫)‪X1+3X2 - S1+ R1= 30 ……………. (1‬‬
‫)‪4X1+2X2 – S2 + R2 = 40 ………..…(2‬‬
‫‪X1, X2 , S1 , S2 , R1 , R2  0‬‬

‫‪71‬‬
‫‪3‬ع صاياغة دالاة نادف جديادة (‪ )r‬اعتمااداع علاى قايم (‪ )R2 , R1‬مام م ارعااة جعال‬
‫الدالة مساوية إلى قيمة ثابتة فقط إذ إن‪:‬‬

‫من المعادلتين (‪ )1‬و (‪ )2‬نحصل على‪:‬‬

‫‪r = R1 + R2  Min‬‬

‫‪R1 = 30 – X1 -3X2 + S1‬‬

‫‪R2 = 40- 4X1 – 2X2 + S2‬‬

‫نعا ااوض قيما ااة (‪ )R1‬و (‪ )R2‬ال ا اواردة بالعالقا ااة (‪ )3‬فا ااي دالا ااة الها اادف الجديا اادة (‪)r‬‬
‫وكاآلتي‪:‬‬
‫)‪Min r = (30- X1 – 3X2 + S1) + (40 – 4X1 -2X2 –S2‬‬
‫‪= 70- 5X1 -5X2 + S1 + S2‬‬
‫‪r + 5X1 + 5X2 – S1 – S2 = 70‬‬
‫‪4‬ع تصميم جدول يتضمن الحل األولي وعلى النحو اآلتي‪:‬‬
‫‪Table 1‬‬

‫أع المتغير الداخل (‪ )X1‬ولمتغير الخارج (‪ )R2‬والعنصر المحور نو (‪)4‬ع‬

‫بع المعادلة المحورية تكتب على الوج اآلتي‪:‬‬

‫‪72‬‬
 ‫‪‬‬ ‫‪1‬‬ ‫‪1 1 ‬‬
‫‪Pivot Equation = 1, , 0,‬‬ ‫‪, 0, ,10‬‬
‫‪ 2‬‬ ‫‪4‬‬ ‫‪4 ‬‬
‫جع قيم (‪ )r‬و (‪ )R1‬الجديدتين تعطى على النحو اآلتي‪:‬‬
‫‪ 1 1 1 ‬‬
‫‪New (r)= 5, 5,-1,-1,0,0,70 -5* 1, , 0, , 0, , 0‬‬
‫‪ 2‬‬ ‫‪4‬‬ ‫‪4 ‬‬
‫‪ 5‬‬ ‫‪1‬‬ ‫‪5‬‬ ‫‪‬‬
‫‪New (r) = 0, ,  1, , 0,  , 20‬‬
‫‪ 2‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪‬‬
‫‪ 5 1 1 ‬‬
‫‪New (R1) = 0, ,1, ,1, , 30‬‬
‫‪ 2 4‬‬ ‫‪4‬‬ ‫‪‬‬

‫نقوم بوضم النتائ أعالم في جدول ثاني وكاآلتي‪:‬‬

‫‪Table 2‬‬

‫‪5‬‬
‫أع المتغير الداخل (‪ )X2‬والمتغير الخارج (‪ )R1‬والعنصر المحور نو ‪  2 ‬ع‬
‫‪ ‬‬
‫بع المعادلة المحورية ني‪:‬‬
‫‪‬‬ ‫‪2 1 2 1 ‬‬
‫‪Pivot Equation = 0,1,‬‬ ‫‪, , , ,  ,8‬‬
‫‪‬‬ ‫‪5 10 5 10 ‬‬
‫جع إيجاد قيم (‪ )r‬و (‪ )X‬الجديدتين على النحو اآلتي‪:‬‬
‫‪5‬‬ ‫‪1‬‬ ‫‪5‬‬ ‫‪5   2 1 2 1 ‬‬
‫‪New (r)= ‬‬ ‫‪‬‬ ‫‪ -* 0,1,‬‬ ‫‪, , , ,8‬‬
‫‪5 10 5 10 ‬‬
‫‪0‬‬‫‪,‬‬ ‫‪,‬‬ ‫‪1‬‬‫‪,‬‬ ‫‪,‬‬ ‫‪0‬‬‫‪,‬‬ ‫‪,‬‬ ‫‪20‬‬
‫‪2‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪2 ‬‬
‫‪= 0,0,0, 0,  1,  1, 0‬‬

‫‪73‬‬
 ‫= )‪New (X1‬‬
‫‪ 1‬‬ ‫‪1‬‬ ‫‪1  1 ‬‬ ‫‪ 2 1 2 1 ‬‬
‫‪1‬‬‫‪,‬‬
‫‪ 2‬‬ ‫‪,‬‬ ‫‪0‬‬‫‪,‬‬ ‫‪,‬‬ ‫‪0‬‬‫‪,‬‬ ‫‪‬‬ ‫‪,‬‬ ‫‪10‬‬ ‫‪‬‬ ‫*‬ ‫‪0‬‬‫‪,‬‬ ‫‪1‬‬‫‪,‬‬ ‫‪, , , ,8‬‬
‫‪4‬‬ ‫‪4  2 ‬‬ ‫‪5 10 5 10 ‬‬
‫‪ 1  3 1 3 ‬‬
‫‪= 1,0, , ,‬‬ ‫‪, , , , 6‬‬
‫‪‬‬ ‫‪5‬‬ ‫‪10‬‬ ‫‪5 10 ‬‬
‫نقوم بوضم النتائ أعالم في جدول ثالذ وكاآلتي‪:‬‬
‫‪Table 3‬‬

‫دع بماا إن قيماة دالاة الهادف (‪ )r = 0‬والمقترناة ب (‪ )Cj  0‬مماا يادل ذلان علاى‬
‫وجود حل للنموذج واالستمرار بالمرحلة الثانيةع‬
‫المرحلة الثانية‪:‬‬
‫‪1‬ع اعتماااد نتااائ الحاال األساسااي النهااائي الاوارد بالجاادول الثالااذ ماان المرحلااة األولااىع‬
‫بعد استبعاد المتغيرات االصطناعية (‪ )R1‬و‪ )R2‬ودالة الهدف (‪ )r‬من الجدولع‬
‫‪2‬ع اعتماد دالة الهدف األصلية (‪ )Z‬والتي ني‪:‬‬
‫‪Min. Z = 2X1 + X2 + 0S1 + 0S2‬‬
‫ونقوم بتحسين قيمتها للحصول على الحل األمثل النهائي وعلى النحو اآلتي‪:‬‬

‫‪74‬‬
 ‫‪Table 4‬‬

‫وبعااد اسااتبعاد قاايم (‪ R1‬و‪ )R2‬ودالااة الهاادف (‪ )r‬ماان جاادول الحاال األخياار واضااافة‬
‫دالااة الهاادف األصاالية (‪ )Z‬للجاادول نقااوم بكتابااة القيااود اعتماااداع علااى نتااائ الجاادول‬
‫النهائي وعلى النحو اآلتي‪:‬‬
‫‪2‬‬ ‫‪1‬‬
‫)‪X 2  S1  S 2  8 .......... .. (1‬‬
‫‪5‬‬ ‫‪10‬‬
‫‪1‬‬ ‫‪3‬‬
‫)‪X 1  S1  S 2  6 .......... (2‬‬
‫‪15‬‬ ‫‪10‬‬
‫من المعادلتين (‪ )1‬و (‪ )2‬نحصل على قيم (‪ )X2 , X1‬كاآلتي‪:‬‬
‫‪2‬‬ ‫‪1‬‬
‫‪X 2  8  S1  S 2‬‬
‫‪5‬‬ ‫‪10‬‬
‫‪1‬‬ ‫‪3‬‬
‫)‪X 1  6  S1  S 2 .......... ....( 3‬‬
‫‪5‬‬ ‫‪10‬‬
‫نعوض قيم (‪ )X2 , X1‬الواردة بالعالقة (‪ )3‬في دالة الهدف األصلية (‪ )Z‬ينت ‪:‬‬

‫‪75‬‬
‫‪Z  2 X 1  X 2‬‬
‫‪ 1‬‬ ‫‪3   2‬‬ ‫‪1 ‬‬
‫‪ Z  2 * 6  S1  S 2   8  S1  S 2 ‬‬
‫‪ 5‬‬ ‫‪10   5‬‬ ‫‪10 ‬‬
‫‪2‬‬ ‫‪6‬‬ ‫‪2‬‬ ‫‪1‬‬
‫‪12  S1  S 2  8  S1  S 2‬‬
‫‪5‬‬ ‫‪10‬‬ ‫‪5‬‬ ‫‪10‬‬
‫‪5‬‬
‫‪ 20  S 2‬‬
‫‪10‬‬
‫‪1‬‬
‫‪Z‬‬ ‫‪S 2  20‬‬
‫‪2‬‬
‫نق ااوم بوض اام نتيج ااة دال ااة اله اادف األص االية (‪ )Z‬النهائي ااة ف ااي ج اادول الح اال النه ااائي‬
‫وكاآلتي‪:‬‬
‫‪Table 5‬‬

‫يتضااح ماان نتااائ جاادول الحاال النهااائي بااأن جمياام معااامالت دالااة الهاادف (‪ )Z‬نااي‬
‫أقل من وتساو الصفر أ إن (‪ )Cj  0‬علي فتن الحل النهائي يكون كاآلتي‪:‬‬
‫‪X1 = 6, X2 = 8 Z* = 20‬‬

‫ونو نفس النتيجة التي تم التوصل إليها بموجب طريقة (‪ )M‬الكبيرةع‬

‫االستنتاج‪:‬‬

‫‪76‬‬
‫يتض ااح م اان نت ااائ النهائي ااة ب ااأن إدارة المنش ااأة اإلنتاجي ااة س ااتتخذ قا ا ار اعر بتنت اااج (‪)6‬‬
‫وح اادات م اان المن اات (‪ )X1‬و (‪)8‬وح اادات م اان المن اات (‪ )X2‬وبم ااا يجع اال التك اااليف‬
‫الكلية لإلنتاج أقل ما يمكن إذ بلغت (‪ )20‬دينار أردنيع‬

‫‪77‬‬
 ‫أسئلة عامة حول الفصل الثاني‬
‫) شااارحاع أناام اسااتخدامات نماااذج البرمجااة‬LP( ‫ وضااح مفهااوم البرمجااة الخطيااة‬:1‫س‬
‫الخطيةع‬
Q1: Clarify the concept of (LP), explaining the most important
uses (LP.) models.
‫) شارحاع واحداع منهاع‬LP( ‫ عدد طرق حل نموذج البرمجة الخطية‬:2‫س‬
Q 2: the number of method of using (LP), explaining one of
them.
‫ وضح صيغة الجدول الذي يتم بموجبه توضيح قواعد إضاافة المتغيارات ال اركادة‬:3‫س‬
‫ عنااد تحوياال النمااوذج الرياضااي ماان الصاايغة القانونيااة إلااى‬،)Slack Variables(
‫الصيغة القياسيةع‬
Q 3: Explain table form under which clarify the rules add (Slack
Variables), when you convert a mathematical model of the legal
form to the standard formula.
‫) بيانياعع‬LP( ‫ جد الحل األمثل لنموذج البرمجة الخطية‬:4‫س‬
Q4 /Find the optimal solution of (LP) by using graphical method
Max. Z= 4X1+3X2
Subject to:
3X1+2X2  30
X1+2X2  20
X1 =9
X1 , X2  0
‫) التالي جبرياعع‬LP( ‫ جد الحل األمثل لنموذج البرمجة الخطية‬:5‫س‬
Q5/Find the optimal solution following by using Algebraic
method

Min. Z= 3X1+4X2
Subject to:
2X1+3X2  6
4X1+2X2  8
X1 , X2  0

78
 ‫) التالي بيانياع وجبرياعع‬LP( ‫ جد الحل األمثل لنموذج البرمجة الخطية‬:6‫س‬
Q 6/Find the optimal solution for the following (LP) model by
using Algebraic and graphic method

Max. Z= 10X1+3X2
Subject to:
2X1+X2  30
2X1+3X2  20
X1  2
X2  1
X1 , X2  0
)M( ‫) التاالي باساتخدام طريقاة‬LP( ‫ جد الحل األمثل لنماوذج البرمجاة الخطياة‬:7‫س‬
:‫الكبيرة‬
Q 6/Find the optimal solution for the following (LP) model by
using Big M method
Min. Z= 6X1+4X2
Subject to:
X1+X2  4
2X1+3X2  8
X1 , X2  0
‫) التا ااالي باسا ااتخدام طريقا ااة‬LP( ‫ جا ااد الحا اال األمثا اال لنما ااوذج البرمجا ااة الخطيا ااة‬:8‫س‬
:‫المرحلتين‬
Q8/Find the optimal solution (L.P) by using (two-phases
method
Min. Z= 3X1+2X2
Subject to:
X1+X2  2
2X1+3X2 ≤ 8
X1 , X2  0

79
 ‫الفصل الثالث‬

‫الثنائية في البرمجة الخطية‬

‫‪Duality in Linear Programming‬‬

‫‪The Concept of Duality Problem‬‬ ‫‪ 1-3‬مفهوم المشكلة الثنائية‪:‬‬

‫‪ 2- 3‬النموذج الثنائي إذا كان النموذج األولى بالصيغة القانونية‬

‫‪Dual Problem when Primal Model in Canonical Form‬‬

‫‪ 3-3‬النموذج الثنائي إذا كان النموذج األول بالصيغة القياسية‬

‫‪Dual Problem when primal Model in Standard Form‬‬

‫‪80‬‬
 ‫الفصل الثالث‬
‫الثنائية في البرمجة الخطية‬
‫‪Duality in Linear Programming‬‬
‫‪The Concept of Duality Problem‬‬ ‫‪ 1-3‬مفهدوم المشدكلة الثنائيدة‪:‬‬
‫إن لكا اال نما ااوذج ما اان نما اااذج البرمجا ااة الخطيا ااة نموذج ا ااع مقا ااابالع (ثنائي ا ااع) يسا اامى أحا ااد‬
‫‪ Primal‬بينم ااا يطل ااز عل ااى اآلخ اار تس اامية‬ ‫النم ااوذجين ب ااالنموذج األول ااي ‪model‬‬
‫النمااوذج المقاباال (الثنااائي) ‪ Dual model‬إن ماان أناام الصاافات المشااتركة للنمااوذج‬
‫األولي والثنائيع نو إن الحل األمثل ألحدنما (فاي حالاة وجاود حال) يعطاي معلوماات‬
‫كاملة عن الحل األمثل للنموذج اآلخرع‬
‫تتمثل أنمية الثنائية في مسائل البرمجة الخطية فيما يلي‪:‬‬
‫‪1‬ع تقليص الجهد الحسابي المطلوب في تحليل مسألة البرمجة الخطية التي تحتو‬
‫على عدد كبير من القيود ونذا ل فوائد كبيرة في استخدامات وتطبيقات متعددةع‬
‫‪2‬ع تشير الثنائية ف ي البرمجة الخطية إلى إن كل برنام خطي مكافا إلى مباراة بين‬
‫شخصين ذات مجموع صغر ‪ 2- Person Zero Sum game‬ونذا يؤكد‬
‫وجود عالقة بين طريقة البرمجة الخطية ونظرية المباراةع‬
‫سوف نتطرق إليها عندما نستخدم البرمجة الخطية ونظرية المباراةع‬
‫‪3‬ع باإلمكان الحصول على الحل األمثل للمسألة الثنائية من جدول الحل األمثل‬
‫األولية مباشرة والعكس صحيح ولعل من المفيد اختيار المسألة التي تحتو عدد‬
‫قليل من القيودع والتي تعتبر مالئمة أكثر للحسابات التك اررية أو بالنسبة للبرام‬
‫الجانزة في الكومبيوترع‬
‫‪4‬ع إذا كان ألحد متغيرات النموذج األول قيمة سالبة فتن حل النموذج نذا غير‬
‫ممكن بينما في حالة النموذج المقابل يمكن إيجاد حل للمشكلة عند وجود متغير‬
‫ذ قيمة سالبةع‬
‫تعريف المشكلة الثنائية ‪Defined Duality Problem‬‬
‫تسمى مسألة البرمجة الخطية متماثلة ‪ Symmetric‬إذا كانت جميم المتغيرات ‪xj‬‬
‫مقيدة باإلشارةع وجميم القيود في صيغة متباينات من نوع أو أقل أو يساو ≥ عندما‬

‫‪81‬‬
‫تكون دالة الهدف من نوع ‪ Maximum‬أو أكبر أو يساو ≤ في حالة أن تكون‬
‫دالة الهدف من نوع ‪ Minimum‬وفيما يلي توضيح للصيغة العامة لنموذج البرمجة‬
‫الخطية األولية والثنائية في حالتها المتماثلةع‬
‫‪1‬ع المسألة األولية ‪Primal Problem‬‬
‫‪n‬‬
‫‪Max x0   C j X j‬‬
‫‪j 1‬‬

‫‪s. to :‬‬
‫‪n‬‬

‫‪a x‬‬
‫‪j 1‬‬
‫‪ij‬‬ ‫‪j‬‬ ‫‪ bi i  1,2...m‬‬

‫‪xj  0‬‬ ‫‪j  1,2...n‬‬

‫‪2‬ع المسألة الثنائية ‪Dual Problem‬‬
‫‪m‬‬
‫‪Min y0   bi yi‬‬
‫‪i 1‬‬

‫‪s. to :‬‬
‫‪m‬‬

‫‪a‬‬
‫‪i 1‬‬
‫‪ij‬‬ ‫‪yi  ci‬‬ ‫‪j  1,2...n‬‬

‫‪yi  0‬‬ ‫‪i  1,2..., m‬‬

‫وباستخدام المصفوفات يمكن إعادة كتابة الصيغتين أعالم‬
‫‪1‬ع المسألة األولية‬
‫‪MaxZ  cx‬‬
‫‪s. to :‬‬
‫‪Ax  b‬‬
‫‪x0‬‬
‫‪2‬ع المسألة الثنائية‬
‫‪Min w= yb‬‬
‫‪s. to:‬‬
‫‪yA≥ C‬‬

‫‪82‬‬
 ‫‪y≥ 0‬‬

‫نظرية (‪Theory (1) :)1‬‬

‫إذا كان نموذج البرمجة الخطية األولية والثنائية المتماثلة كاآلتي‪:‬‬

‫‪MaxZ  cx‬‬
‫‪s. to :‬‬
‫‪Ax  b‬‬
‫‪x0‬‬
‫‪Min w= yb‬‬
‫‪s. to:‬‬
‫‪yA≥ C‬‬
‫‪y≥ 0‬‬

‫فتن قيمة دالة الهدف للنموذج الثنائي ‪ dual‬في حالة وجود حل مقبول للمسألة دائماع‬
‫اكبر من أو مساوية إلى قيمة دالة الهدف للمساوية األولية ‪Primal‬ع‬
‫البرنان‪:‬‬
‫نفرض إن ‪ y0, x0‬يمثالن متجهاع للحلول المقبولة للمسألة األولية والثنائية على‬
‫التواليع‬
‫نبرنن ‪y0 b≥ cx0‬‬
‫بما إن ‪ x0‬يمثل حل مقبول للمسألة األوليةع فتن‬

‫‪Ax0 ≤ b‬‬
‫‪x0≥ 0 ……..‬‬ ‫)‪(1‬‬
‫وبالمثل بما إن ‪ y0‬يمثل حل مقبول للنموذج الثنائيع فتن‬
‫‪y0A ≥ c‬‬
‫‪y0 ≥ 0 …..‬‬ ‫)‪(2‬‬
‫نضرب طرفي المتباينة (‪ )1‬في ‪y‬ع نحصل على‬
‫‪0‬‬

‫‪y0Ax0 ≤ y0b‬‬ ‫)‪…… (3‬‬

‫وبالمثل نضرب طرفي المتباينة (‪ )2‬في ‪ x0‬نحصل على‬

‫‪83‬‬
 ‫)‪…………….(4‬‬
‫‪y0Ax0 ≥ cx0‬‬
‫ينت من المتباينتين (‪ )3‬و (‪)4‬‬
‫‪y b ≥ y Ax0 ≥ cx0‬‬
‫‪0‬‬ ‫‪0‬‬

‫لذا فتن‬

‫‪y0b ≥ cx0‬‬

‫من النظرية أعالم يمكن اإلشارة إلى النتائ المهمة اآلتية‪:‬‬

‫‪1‬ع إن قيمة دالة الهدف لنموذج البرمجة األولية من نوع ‪ Max‬أل حل مقبول تمثل‬
‫الحد األدنى للقيمة الصغرى لدالة الهدف في النموذج الثنائيع‬
‫‪2‬ع وبالمثل فتن قيمة دالة الهدف للنموذج الثنائي من نوع ‪ Min‬تمثل الحد األعلى‬
‫للقيمة العظمى لدالة الهدف للمسألة األوليةع‬
‫إن‬ ‫‪3‬ع إذا كان حل المسألة األولية مقبول وقيمة دالة الهدف غير محدودة (أ‬
‫‪)Max x0 + ‬ع فتن المسألة الثنائية ال يوجد لها حل مقبولع‬
‫‪4‬ع إذا كان حل المسألة الثنائية مقبول وقيمة دالة الهدف غير محدودة‬
‫(‪ )Min y0 -‬فتن المسألة األولية لها حل غير مقبولع‬
‫‪5‬ع إذا كان حل النموذج األولي مقبول وحل النموذج الثنائي غير مقبولع فتن حل‬
‫المسألة األولية يكون غير محدود ‪unbounded‬ع‬
‫‪6‬ع إذا كان حل النموذج الثنائي (‪ )dual‬مقبول وحل النموذج األولي ‪ Primal‬غير‬
‫مقبول فتن النموذج الثنائي يكون غير محدودع‬
‫مثال (‪)1‬‬
‫إذا كان النموذج األولي لمسألة البرمجة الخطية كاآلتي‪:‬‬
‫‪Ex(1) If the Primary model for LP as the following‬‬
‫‪Max x0 = x1+2x2+3x3+4x4‬‬
‫‪s. to:‬‬
‫‪x1+2x2+2x3+3x4 ≤ 20‬‬
‫‪2x1+x2+3x3+2x4 ≤ 20‬‬
‫‪x1, x2, x3, x4≥ 0‬‬

‫‪84‬‬
 ‫وعلي يكون كتابة النموذج الثنائي (‪ )dual‬كما يلي‪:‬‬
‫‪Min y0= 20y1+20y2‬‬
‫‪s. to:‬‬
‫‪y1+2y2 ≥ 1‬‬
‫‪2y1+y2 ≥ 2‬‬
‫‪2y1+3y2 ≥ 3‬‬
‫‪3y1+2y2 ≥ 4‬‬
‫‪y1, y2 ≥ 0‬‬

‫بعد تحليل النموذجين باستخدام طريقة السمبلكس ‪ Simplex‬توصلنا إلى الحلول‬

‫المقبولة التالية‪:‬‬
‫للمسألة األولية‬
‫‪x1=x2=x3=x4= 1‬‬
‫‪x0= cx0= 10‬‬

‫للمسألة الثنائية‬

‫‪y1=y2= 1‬‬
‫‪Y0=y0b= 40‬‬

‫من نذا يتبين بأن‬

‫‪Cx0 < y0b‬‬

‫وباستخدام النتيجة األولى والثانية من النظرية السابقة يتضح بأن القيمة الصغرى‬
‫لدالة الهدف ‪ y0‬ال يمكن أن تكون أقل من ‪10‬‬

‫‪85‬‬
 ‫)‪Theory (2‬‬ ‫نظرية (‪)2‬‬
‫إذا كان ننان حلول مقبولة ‪ y0, x0‬لنماذج البرمجة الخطية األولية والثنائية‬
‫المتماثلة بحيذ إن قيم دالة الهدف لكل منها متساوية فتن نذم الحلول المقبولة‬
‫وني الحلول المثلى للمسألة المناظرةع‬
‫البرنان‪:‬‬
‫افرض إن ‪ x0‬يمثل أ حل مقبول للمسألة األوليةع‬
‫فتن‬
‫‪cx ≤ y0b‬‬ ‫نظرية (‪)1‬‬
‫ولكن بالفرض‬
‫‪cx0= y0b‬‬
‫لذا فتن‬
‫‪ cx < cx0‬لجميم الحلول المقبولة للنموذج األولي‬
‫وعلي فتن من تعريف ‪( x0‬الحل األمثل للمسألة األولية) ومن خاصية التماثل نبرنن‬
‫إن ‪ y0‬نو الحل األمثل للنموذج الثنائيع‬
‫)‪Theory (3‬‬ ‫نظرية (‪:)3‬‬
‫إذا كانت حلول النموذج األولي والثنائي مقبولةع فتن لكالنما حلول مثلى بحيذ‬
‫إن القيم المثلى لدالة الهدف متساويةع‬
‫‪ 2-3‬النموذج الثنائي إذا كان النموذج األولى بالصيغة القانونية‪:‬‬
‫‪Dual Problem when Primal Model is in Canonical Form‬‬

‫من المعلوم بأن الصيغة القانونية لمسألة البرمجة الخطية ني كاآلتي‪:‬‬

‫‪n‬‬
‫‪Max x0   C j X j‬‬
‫‪j 1‬‬

‫‪s. to :‬‬
‫‪n‬‬

‫‪a x‬‬
‫‪j 1‬‬
‫‪ij‬‬ ‫‪j‬‬ ‫‪ bi i  1,2...m‬‬

‫‪xj  0‬‬ ‫‪j  1,2...n‬‬

‫‪86‬‬
 ‫وعلي فتن النموذج المقابل ‪ dual‬للنموذج األولي ‪ Primal‬أعالم كما يلي‪:‬‬
‫‪m‬‬
‫‪Min y0   bi yi‬‬
‫‪i 1‬‬

‫‪s. to :‬‬
‫‪m‬‬

‫‪a‬‬
‫‪i 1‬‬
‫‪ij‬‬ ‫‪yi  ci‬‬ ‫‪j  1,2...n‬‬

‫‪yi  0‬‬ ‫‪i  1,2..., m‬‬

‫حيذ ‪ yi‬تمثل متغيرات النموذج المقابلع‬
‫إن الصيغة الثنائية الجديدة لها عدد من المتغيرات ‪ yi‬يساو عدد القيود في المسألة‬
‫األوليةع‬

‫مثال (‪ : )2‬اكتب النموذج الثنائي (المقابل) لمسألة البرمجة الخطية التالية‬

‫)‪Example (2) Write the Duality model for (LP‬‬
‫‪Max x0= 5x1+6x2‬‬
‫‪s. to:‬‬
‫‪x1+9x2 < 60 y1‬‬
‫‪2x1+3x2 45 y2‬‬
‫‪2x2 20 y3‬ـ‪5x1‬‬
‫‪x1‬‬ ‫‪ 30 y4‬‬
‫‪x1 ,x2  0‬‬

‫الحل‪:‬‬
‫بما إن دالة الهدف من نوع ‪ Max‬والقيود جميعها من نوع ≥ والمتغيرات‬
‫‪ x1, x2‬مقيدة باإلشارة لذا فتن من الممكن كتابة النموذج المقابل مباشرة بافتراض‬
‫إن ‪ y1,y2,y3,y4‬متغيرات لهذا النموذج وكاآلتي‪:‬‬

‫‪87‬‬
 ‫‪Min y0= 60y1+45y2+20y3+30y4‬‬
‫‪s. to:‬‬
‫‪y1+2y2+ 5y3‬‬ ‫‪5‬‬
‫‪9y1+3y2-2y3+y4 ≥ 6‬‬
‫‪y1, y2 ,y3 ,y4  0‬‬

‫نالحظ من المثال أعالم بأن النموذج المقابل يحتو على عدد من القيود أقل‬
‫من قيود النموذج األولي ولما كان الحل األمثل إلحدى المسألتين يعطي معلومات‬
‫كاملة عن الحل األمثل للمسألة األخرى لها فمن المفيد إذن حل النموذج المقابل‬
‫ألن الصعوبة الحسابية في مسائل البرمجة الخطية تأتي من كثرة القيودع‬
‫‪ 3- 3‬النموذج الثنائي إذا كان النموذج األول بالصيغة القياسية‬
‫‪Dual Problem when primal Model in Standard Form‬‬
‫لقد ذكرنا سابقاع إن في الصيغة القياسية لمسألة البرمجة الخطية تكون‬
‫جميم القيود عبارة عن معادالت وسوف نبين فيما يلي إن كل قيد مساواة‬
‫‪ Equality constraint‬في المسألة األولية (أو الثنائية) يناظر متغير غير مقيد‬
‫باإلشارة في الثنائية (واألولية)ع‬
‫فتذا كانت مسألة البرمجة الخطية التالية بالشكل القياسي‪:‬‬
‫‪n‬‬
‫‪Max x0   C j X j‬‬
‫‪j 1‬‬

‫‪s. to :‬‬
‫‪n‬‬

‫‪a x‬‬
‫‪j 1‬‬
‫‪ij‬‬ ‫‪j‬‬ ‫‪ bi i  1,2...m‬‬

‫‪xj  0‬‬ ‫‪j  1,2...n‬‬

‫فتن النموذج المقابل لها كاآلتي‪:‬‬

‫‪88‬‬
 m
Min y0   bi yi
i 1

s. to :
m

a
i 1
ij yi  ci j  1,2...n

yi (unrestricted in sign)
‫غير مقيدة باإلشارة‬

:‫واذا كانت مسألة البرمجة الخطية بالشكل التالي‬

n
Max x0   C j X j
j 1

s. to :
n

a
j 1
ij x j  bi i  1,2,..., m

x j unrestericted in sign
:‫فتن النموذج المقابل لها سيكون كاآلتي‬

m
Min y0   bi yi
i 1

s. to :
m

a i 1
ij yi  ci i  1,2...n

yi  0
‫وفيما يلي مجموعة من األمثلة التوضيحية لما ذكرنام سابقاعع‬

89
 ‫مثال(‪:)3‬‬
‫اكتب النماذج الثنائية المناظرة لكل مسألة من مسائل البرمجة الخطية التالية‪:‬‬
‫)‪Example (3) Write the Duality model for (LP‬‬

‫‪1- Max x0=5x1+12x2+4x3‬‬

‫‪s. to:‬‬
‫‪x1+2x2+3x3 ≤ 5‬‬
‫‪2x1-x2+3x3 = 2‬‬
‫‪x1, x2, x3  0‬‬

‫الحل‪:‬‬
‫بما إن القيود مالئمة لدالة الهدف نكتب النموذج المقابل مباشرة كاآلتي‪:‬‬
‫‪Min y0= 5y1+2y2‬‬
‫‪s. to:‬‬
‫‪y1+2y2  5‬‬
‫‪2y1-y2  12‬‬
‫‪y1+3y2  4‬‬
‫‪y1 0, y2 unrestricted‬‬

‫مالحظة‪:‬‬
‫كما ذكرنا سابقاع كل قيد مساواة يمثل بمتغير غير مقيد باإلشارةع وكل متغير غير‬
‫مقيد باإلشارة يناظر قيد مساواةع لذلن أصبح المتغير الثاني ‪ y2‬المقابل للقيد الثاني‬
‫غير مقيد باإلشارةع‬
‫‪2- Max x0=x1+x2‬‬
‫‪s. to:‬‬
‫‪3x1+x2+ x3‬‬ ‫‪≤6‬‬

‫‪90‬‬
x1 -x2+ x3 = 4
x1+2x2 1
x1, x2, x3  0

:‫الحل‬
:‫نعيد كتابة المسألة المعطاة بالشكل اآلتي‬
Max x0=x1+x2
s. to:
3x1+x2+x3 ≤ 6
x1-x2+x3= 4
-x1-2x2 ≤ -1
x1, x2, x3  0

:‫لذا فتن النموذج المقابل للمسألة أعالم ما يلي‬

Min y0= 6y1+4y2- y3

s. to:
3y1+y2-y3  1
y1-y2-y3  1
y1+y2  0
y1 0, y3 0, y2 unrestricted
3- Min x0=6x1+3x2
s. to:
6x1-3x2+x3 ≥ 2
3x1+4x2+x3 ≥ 4
-x1-2x2 ≤ -1

91
‫‪x1, x2, x3  0‬‬

‫الحل‪:‬‬
‫نالحظ في نذا المثال بأن دالة الهدف من نوع ‪ Min‬والقيود جميعها من نوع ≥ إذن‬
‫نكتب النموذج المقابل مباشرة كاآلتي‪:‬‬
‫‪Max y0= 2y1+5y2‬‬
‫‪s. to:‬‬
‫‪6y1+3y2 ≤ 6‬‬
‫‪-3y1+4y2 ≤ 3‬‬
‫‪y1+y2 ≤ 0‬‬
‫‪y1, y2 ≥ 0‬‬
‫‪4- Max x0=x1+x2‬‬
‫‪s. to:‬‬
‫‪2x1+x2= 5‬‬
‫‪3x1-x2= 6‬‬
‫‪x1, x2, unrestricted‬‬

‫الحل‪:‬‬
‫النموذج المقابل لها كاآلتي‪:‬‬
‫‪Min y0= 5y1+6y2‬‬
‫‪s. to:‬‬
‫‪2y1+3y2 = 1‬‬
‫‪y1-y2 = 1‬‬
‫‪y1, y2 unrestricted‬‬

‫‪92‬‬
5- Max x0=3x1+5x2
s. to:
2x1+6x2 ≤ 50
3x1+2x2 ≤ 35
5x1-3x2 ≤ 10
x2 ≤ 20
x1, x2  0

:‫الحل‬
:‫النموذج المقابل‬
Min y0= 50y1+35y2+10 y3+ 20y4
s. to:
2y1+3y2+5y3 3
6y1+2y2-3y3+y4  5
Y1,y2,y3,y4 ≥0

93
 ‫الفصل الرابع‬
Sensitivity Analysis ‫تحليل الحساسية‬
Introduction ‫ المقدمة‬1-4

)‫ التغيرات في الطر األيمن للقيود (الموارد المتاحة‬2-4

Changes in the R.H.S

‫ التغيرات في معامالت دالة الهد‬3-4

Changes in coefficients of the Objective Function

‫ التغيرات في معامالت متغيرات القرار في القيود‬4-4

Changes in coefficients of variables in constraints

Addition of anew variable ‫ إضافة متغير أو متغيرات جديدة‬5-4

Addition of anew constraints ‫ إضافة قيد أو قيود جديدة‬6-4

94
 ‫‪1-4‬المقدمة ‪Introduction‬‬
‫تكمن أنمية تحليل الحساسية في إن يعطي دراست كاملة للمتغيارات الداخلاة فاي‬
‫النموذج الرياضي بحيذ يبقى لنا أكبر عائاد أو أقال تكلفاة وماا ناو مادى التغيا ارت فاي‬
‫نااذم المتغي ارات فمااثالع إذا حاادثت بعااض التغي ارات فااي ظااروف المشااروع علااى ساابيل‬
‫المثااال حصاالت زيااادة فااي الم اوارد المتاحااة كااأن تكااون زيااادة فااي الوقاات المتااا أو فااي‬
‫ع اادد العم ااال أو إنت اااج منت ااوج جدي ااد أو غي اار ذل اان مم ااا يتطل ااب إع ااادة ح اال النم ااوذج‬
‫للمشكلة بعد إضافة المتغيرات الجديدةع‬
‫إن مسااألة إعااادة حاال النمااوذج يكااون مرنق ااع وقااد يحتاااج إلااى وقاات طوياال ولكاان‬
‫يمكننا استخدام طريقة ال تتطلب إعادة الحل بكامل وذلان باساتخدام ماا يسامى (تحليال‬
‫الحساسية ‪ Sensitivity Analysis‬وقد يسمى أيضاع بتحليل ما بعد األمثلية ‪Post-‬‬
‫ويعاارف بأنا عبااارة عاان د ارسااة تااأثير التغيارات فااي مكونااات‬
‫‪ُ optimality analysis‬‬
‫المشكلة على نموذج البرمجة الخطية إذ إننا سنقوم بهذا الفصل بدراسة التغيارات التاي‬
‫تط أر على مكونات النموذج األولي وكذلن نعتمد على جدول الحل األمثل دون اللجاوء‬
‫إلى إعادة الحل بكامل مرة أخرىع‬
‫إن أنم التغيرات التي تحدذ على نموذج البرمجة الخطية األولي ني‪:‬‬
‫‪1‬ع التغيرات في الطرف األيمن (الموارد المتاحة)ع‬
‫‪2‬ع التغيرات في معامالت دالة الهدفع‬
‫‪3‬ع التغيرات في معامالت متغيرات القرار في القيودع‬
‫‪4‬ع إضافة متغير أو متغيرات جديدةع‬
‫‪5‬ع إضافة قيد أو قيود جديدة ع‬

‫‪95‬‬
 ‫‪ 2-4‬التغيرات في الطر األيمن (‪ )R.H.S‬للقيود‬
‫‪Changes in the R.H.S of constraints‬‬
‫بهاادف توضاايح الحالااة األولااى المتعلقااة بااالمتغيرات فااي الم اوارد المتاحااة نااورد المثااال‬
‫اآلتي بعد الحصول على الحل األمثل لنموذج البرمجة الخطية اآلتي‪:‬‬
‫مثال ‪1‬‬

‫‪Max Z= 5x1+2x2+3x3‬‬
‫‪s.t‬‬
‫‪x1+5x2+2x3 30‬‬
‫‪x1-5x2-5x3 40‬‬
‫‪x1,x2,x3 0‬‬
‫عناادما تكااون المتغي ارات ‪ x3 x2 x1‬تمثاال عاادد الوحاادات المنتجااة ماان المنتجااات ‪A‬‬
‫‪ C B‬على التوالي ويكون جدول الحل األمثل على النحو التالي وعلاى افتاراض إن‬
‫‪ S2 S1‬ني متغيرات ونمية‬
‫‪EX1. From the L.P model, and the optimal solution of this‬‬
‫‪model‬‬

‫‪B.V‬‬ ‫‪X1‬‬ ‫‪X2‬‬ ‫‪X3‬‬ ‫‪S1‬‬ ‫‪S2‬‬ ‫‪B‬‬

‫‪X1‬‬ ‫‪1‬‬ ‫‪5‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪30‬‬
‫‪S2‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪-8‬‬ ‫‪-1‬‬ ‫‪1‬‬ ‫‪10‬‬
‫‪Z‬‬ ‫‪0‬‬ ‫‪23‬‬ ‫‪7‬‬ ‫‪5‬‬ ‫‪0‬‬ ‫‪15‬‬

‫‪1. Find the optimal solution if the (R.H.S) changes from‬‬

‫‪ 30   35 ‬‬
‫? ‪  to  ‬‬
‫‪ 40   40 ‬‬
‫‪2. Find the optimal solution if the objective function changes‬‬
‫)‪from (max Z= 5x1+2x2+3x3 to max Z= 3x1+x2+3x3‬‬

‫ان الحل األمثل لهذم المشكلة نو‪:‬‬

‫‪96‬‬
‫‪X1=30, X2=0, X3=0, S1=0, S2=10, Z=150‬‬
‫وللتأكد من صحة الحل فتننا نعوض في دالة الهدف‬

‫‪Z= 5(x1)+2x2+3x3‬‬
‫)‪150= 5(30) + 2(0)+ 3(0‬‬
‫‪150= 150‬‬
‫‪ 35 ‬‬ ‫‪ 30 ‬‬
‫إن المورد األول (العمل مثالع) قد ازداد بمقدار ‪ 5‬وحادات مان ‪  ‬إلاى ‪ ‬‬ ‫أ‬
‫‪ 40 ‬‬ ‫‪ 40 ‬‬
‫فتننا لدراسة تأثير نذا التغير علاى الحال األمثال للمشاكلة نقاوم أوالع بالتأكاد مان إن ناذا‬
‫التغياار لاايس ل ا أ تااأثير فااي الحاال األمثاال ماعاادا التغياار فااي الجانااب األيماان وكااذلن‬
‫يج ااب التأك ااد م اان إن ق اايم ص ااف دال ااة اله اادف س اايبقى موجبا ااع أو ص اافرع نق ااوم بتعي ااين‬
‫مصفوفة المعاامالت لمتغيارات الحال األساساية للحال األمثال )‪ B=(x1,S1‬فاي الجادول‬
‫األول والتي ني‬
‫‪1 1‬‬
‫‪B ‬‬ ‫‪‬‬
‫‪1 0‬‬

‫والمعكوس لهذم المصفوفة ‪ B-1‬موجود في جدول الحل األمثل‬

‫‪ 1 0‬‬
‫‪B-1= ‬‬ ‫‪‬‬
‫‪ 1 1‬‬
‫والتي تمثل مصفوفة المتغيرات المكملاة (مع مع م) والتاي تقام أسافل المتغيارات المكملاة‬
‫(‪ )S1, S2‬في جدول الحل األمثل‬
‫لذا فتننا نحصل على قيم المتغيرات األساسية الجديدة بتطبيز المعادلة اآلتية‪:‬‬
‫‪X b  B 1  b‬‬
‫‪ : X b‬تمثل عمود المتغيرات األساسية الناتجة في جدول الحل األمثل‬
‫‪ :B-1‬تمثل مصفوفة المتغيرات المكملة والتي تقام أسافل المتغيارات المكملاة فاي جادول‬
‫الحل األمثل‬
‫‪ :b‬تمثل عمود الموارد المتاحة الجديد‬

‫‪97‬‬
‫‪ X 1   1 0 35 35  0 ‬‬
‫‪ S    1 1 40   35  50‬‬
‫‪ 2 ‬‬ ‫‪  ‬‬ ‫‪‬‬
‫‪ X 1  35‬‬
‫‪ S   5 ‬‬
‫‪ 2  ‬‬
‫نالحظ إن جميم قيم العمود النات موجبة ويعني ذلن إن الحل ال يزال أمثالع أو‬
‫ممكناع باستخدام الموارد المتاحة الجديدةع‬
‫‪X1=35, X2=0, X3=0, S1=5, S2=0‬‬
‫أما قيمة ‪ Z‬فنحصل عليها بالتعويض وكاآلتي‪:‬‬
‫)‪Z= 5(35)+2(0)+3(0‬‬
‫‪Z= 175‬‬
‫أ إن المتغير في عمود الموارد المتاحة (‪ )B‬سيؤد إلى تغير جميم القيم في ذلن‬
‫العمود الموجود في جدول الحل األمثلع‬
‫لو أخذنا نتيجة الحل النموذج المقابل من الجدول األخير للمثال نحصل على‬
‫‪y1=s1=10, y2=s2=0, Z=150‬‬
‫يتبين لنا إن زيادة وحدة واحدة من المورد األول تؤد إلى زيادة في دالة الهدف ‪Z‬‬
‫بمقدار (‪)5‬ع فعند زيادة المورد األول في حالتنا بمقدار ‪ 5‬وحدات فتن دالة الهدف‬
‫الجديدة تصبح‬
‫‪Z= 5(5)+150= 175‬‬
‫أما الزيادة في المورد الثاني فتنها ال تحقز أ زيادة في دالة الهدف ألن قيمة‬
‫(‪ )y2=s2=0‬تساو صف اعرع‬
‫إن الزيادة في أ مورد من الموارد المتاحة تكون محددةع إذ قد تؤد الزيادة‬
‫الكبيرة إلى حل غير أمثلع وبهدف تحديد مقدار الزيادة الممكنة أل مورد من الموارد‬
‫تأخذ المثال اآلتي‪:‬‬
‫مثال ‪2‬‬
‫لو افترضنا إن لدينا مشكلة البرمجة الخطية اآلتية‬

‫‪98‬‬
‫‪Max Z= 30x1+50x2‬‬
‫‪s.t‬‬
‫‪2x1+x216‬‬
‫‪x1+2x211‬‬
‫‪x1+3x215‬‬
‫‪x1, x2 0‬‬

‫وكانت النتائ في جدول الحل األخير االمثل كاآلتي‪:‬‬

‫‪B.V‬‬ ‫‪X1‬‬ ‫‪X2‬‬ ‫‪S1‬‬ ‫‪S2‬‬ ‫‪S3‬‬ ‫‪B‬‬

‫‪S3‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1/3‬‬ ‫‪-5/2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪X1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪2/3‬‬ ‫‪-1/3‬‬ ‫‪0‬‬ ‫‪7‬‬
‫‪X2‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪-1/3‬‬ ‫‪2/3‬‬ ‫‪0‬‬ ‫‪2‬‬
‫‪Z‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪10/3‬‬ ‫‪70/3‬‬ ‫‪0‬‬ ‫‪310‬‬

‫‪X1=7, X2=2, S1=0, S2=0, S3=2, Z=310‬‬

‫نفرض إن الزيادة ننا في المورد األول ولتكن ‪ K‬لذا فتن نذم الزيادة تتحقاز إذا تحقاز‬
‫اآلتي‪:‬‬
‫‪S3   1 / 3  5 / 3 1 16  k  2  1 / 3k ‬‬
‫‪ X    2 / 3  1 / 3 0 11   7  2 / 3k ‬‬
‫‪ 1 ‬‬ ‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪ X 2   1 / 3 2 / 3 0 15  2  1 / 3k ‬‬
‫يالحااظ إن النتااائ أعااالم بااأن الزيااادة فااي المااورد األول بمقاادار وحاادة واحاادة تااؤد إلااى‬
‫‪1‬‬ ‫‪2‬‬
‫وتقلياال فااي قيماة ‪ x2‬بمقاادار ‪ 3‬ع لااذا يجااب التوقااف عناادما‬ ‫زيااادة قيمااة ‪ x1‬بمقاادار‬
‫‪3‬‬
‫تصاابح قيمااة المتغياار ‪ x2‬مساااوية إلااى الصاافر وعاادم السااما بااأن تصاابح قيمتهااا سااالبة‬
‫ألن ذلان ياؤد إلاى حال غياار ممكانع لاذلن ياتم اسااتخراج قيماة ‪ k‬مان القيماة األصااغر‬
‫(التي تحمل إشارة – سالب) بعد مساواتها بالصفر وكما يلي‪:‬‬

‫‪99‬‬
 ‫‪1‬‬
‫‪2 k  0‬‬
‫‪3‬‬
‫‪k‬‬
‫‪2 k 6‬‬
‫‪3‬‬
‫أ إن أعلى زيادة في المورد األول ني ‪ 6‬وحدات لكي يبقى الحل ممكناعع‬
‫وباانفس الطريقااة يمكاان أن نحاادد الزيااادة فااي أ مااورد ماان الم اوارد األخاارىع الحااظ إن ا‬
‫في حالة وجود أكثر من مورد تؤثر في الزياادة فاي ماورد معاين إلاى نقصاان فاي قيمتا‬
‫يتم استخراج قيمة (‪ )k‬منها ومن ثم يتم اختيار أقل قيمة لا ‪ k‬لغرض اعتمادناع‬
‫واجب إلى الطالب إليجاد الزيادة في المورد الثاني والثالذ‬

‫‪16 ‬‬ ‫‪16‬‬

‫‪11  k ‬‬ ‫‪11‬‬
‫‪‬‬ ‫‪1‬ع من ‪  ‬إلى ‪‬‬
‫‪15 ‬‬ ‫‪15‬‬

‫‪16 ‬‬ ‫‪16‬‬

‫‪11 ‬‬ ‫‪11‬‬
‫‪‬‬ ‫‪2‬ع من ‪  ‬إلى ‪‬‬
‫‪15  k ‬‬ ‫‪15‬‬

‫والحالة التي يجب دراستها ناي أن نفتارض أن بتمكاان متخاذ القارار زياادة قيماة الماورد‬
‫األول وحدة واحدة (العمل) سوف يكلف متخاذ القارار ( ) وحادة نقدياة ومان واجبا إن‬
‫‪2‬‬
‫‪3‬‬
‫يقارن إذا كانت نذم العملياة مربحاة أم ال عان طرياز المقارناة باين الاربح الحاصال مان‬
‫زيادة المورد األول للمثال (‪)2‬‬
‫‪17‬‬ ‫‪16‬‬
‫‪11‬‬ ‫‪11‬‬
‫من ‪  ‬إلى ‪  ‬فتننا نحصل على الحل اآلتي‪:‬‬
‫‪15‬‬ ‫‪15‬‬

‫‪100‬‬
 ‫‪17 11 45 ‬‬
‫‪ 3  3  3   51‬‬
‫‪ S3   1 / 3  5 / 3 1 17 ‬‬ ‫‪ 3‬‬
‫‪ X    2 / 3  1 / 3 0 11   34  11  0   11 ‬‬
‫‪ 1 ‬‬ ‫‪  3 3‬‬ ‫‪  ‬‬
‫‪ X 2   1 / 3 2 / 3 0 15 ‬‬ ‫‪‬‬ ‫‪5 ‬‬
‫‪  17  22  0  3 ‬‬
‫‪ 3‬‬ ‫‪3‬‬ ‫‪‬‬
‫‪5‬‬ ‫‪51‬‬
‫=‪X1=11,X2= ( ), S1=0, S2=0 S3‬‬
‫‪3‬‬ ‫‪3‬‬
‫اما دالة الهدف فتصبح‬

‫‪5‬‬ ‫‪51‬‬
‫=‪Max Z= 30(11)+50( ), S1=0, S 2=0 S 3‬‬
‫‪3‬‬ ‫‪3‬‬
‫‪= 338.33‬‬
‫وعند المقارنة بين الربح الحاصل أعالم وزيادة كلفة العمل وكما يلي‬
‫‪New Z- old Z= 338.33-310.00= 28.33‬‬
‫‪2‬‬
‫فااتن ننالاان زيااادة بااالربح بمقاادار (‪ )28.33‬ونااي أكثاار ماان ( ) التااي نااي كلفااة‬
‫‪3‬‬
‫القيااد األول (العماال)ع أ إننااا نسااتنت بشااكل عااام إن إضااافة وحاادة واحاادة ماان العماال‬
‫نااي عمليااة مربحااة أدت إلااى زيااادة بااالربح بمقاادار (‪ ) 28.33‬لكاال وحاادة واحاادة ماان‬
‫الزيادة بقيد العمل ونذا يمكن تساميت بأساعار الظال (‪ )Shadow price‬والتاي تعارف‬
‫للقيااود المختلفااة ونااي التااي تساااعد علااى تحديااد مااا مقاادار الحصااول علي ا أو (تااوفيرم)‬
‫لزيادة المصادر من القيود وحدة واحدةع‬
‫إذ من الضرور ننا مالحظة إن أسعار الظل تعكس التغيير الصاافي فاي قيماة‬
‫دالة الهدف المثلى لكل زيادة وحدة واحدة في مصادر القيود طالما إن نذم الزيادة فاي‬
‫مصادر القيود ال تغيار المتغيارات األساساية فاي جادول الحال األمثال وانماا فقاط تساعى‬
‫لتغيير كمياتهاع‬
‫وعنااد إيج اااد الم اادى للتغيي اار بالنس اابة للقي ااد العم اال (زي ااادة أو نقص ااان) ل ااذا يك ااون‬
‫المتج الجديد للجانب األيمن وتفرض ‪ K1‬مثالع‬

‫‪101‬‬
 ‫‪ k1 ‬‬
‫‪ ‬‬
‫‪* 11 ‬‬
‫=‪K‬‬
‫‪15‬‬
‫‪ ‬‬
‫ولكي يبقى الحل أمثالع فتن يجب أن يكون‬
‫‪B 1 k   0‬‬
‫‪ k1 55 45 ‬‬ ‫‪ k1 10 ‬‬
‫‪3  3  3 ‬‬ ‫‪3  3 ‬‬
‫‪ 1 / 3  5 / 3 1‬‬ ‫‪k1  ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪B 1k    2 / 3  1 / 3 0‬‬ ‫‪11   2k1  11  0  ‬‬ ‫‪ 2k1  11 ‬‬
‫‪   3‬‬ ‫‪3‬‬ ‫‪‬‬ ‫‪ 3‬‬ ‫‪3 ‬‬
‫‪ 1 / 3 2 / 3 0‬‬ ‫‪15 ‬‬ ‫‪‬‬ ‫‪  k 22 ‬‬
‫‪  k1  22  0‬‬ ‫‪ 1 ‬‬
‫‪ 3‬‬ ‫‪3‬‬ ‫‪‬‬ ‫‪ 3‬‬ ‫‪3 ‬‬
‫‪1 ‬‬
‫ويجب أن يبقى ‪ B k‬موجباع (غير سالب) أ إن‪:‬‬
‫‪ k1 22‬‬
‫‪1.‬‬ ‫‪‬‬ ‫‪0  K1 10‬‬
‫‪3‬‬ ‫‪3‬‬
‫‪2k1 11‬‬
‫‪2.‬‬ ‫‪ 0  K1 5.5‬‬
‫‪3‬‬ ‫‪3‬‬
‫‪ k1 22‬‬
‫‪3.‬‬ ‫‪‬‬ ‫‪0  K1 22‬‬
‫‪3‬‬ ‫‪3‬‬
‫فاي‬ ‫ونستنت مما تقدم أعالم بأن سياسة اإلنتاج المثلاى ساتبقى مثلاى طالماا إن التغييار‬
‫قيااد العماال (القيااد األول) ساايبقى ببااين القيمتااين (‪ )5.5  k1 22‬فااي حااين سااتتغير‬
‫كمياات المتغيارات األساساية (الحاال األمثال) ومقادار الاربح المتحقاازع وناذا يمكان متخااذ‬
‫القرار إذا كان يرغب بأن يبقى الحل األمثل أمثالع من جراء تغيار القياد األول (الجاناب‬
‫األيمن) وكما يأتي‪:‬‬

‫‪ k1 22‬‬
‫ويكون الحل كما يلي‪:‬‬
‫‪2k1 10‬‬ ‫‪ k1 22‬‬
‫‪X1 ‬‬ ‫‪ , X2 ‬‬ ‫‪‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬
‫وتعتمد قيمة ‪ K1‬على المدى أعالمع وان أعلى قيمة للربح في دالة الهدف تكون‬

‫‪102‬‬
 ‫‪2k1 11‬‬ ‫‪k‬‬ ‫‪22‬‬
‫) ‪ )  50( 1 ‬‬
‫(‪30‬‬
‫=‪Max Z‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬
‫‪10k1  476.66‬‬

‫ونالحظ إن إذا أخذنا قيمة لا ‪ K1‬أكبر من المدى أعالم أو أصغر فتننا سوف‬
‫نحصل على جدول الحل األمثل يختلف عن الجدول أعالم فتذا ظهرت قيمة سالبة‬
‫في عمود ألا ‪ B‬فتننا يجب أن نقوم بحل الجدول باستخدام طريقة ‪Dual simplex‬‬
‫‪ method‬وعندم سيتم التغير في اتخاذ القرار وفقاع لنتائ الحل األمثلع‬

‫‪ 3-5‬التغيرات في معامالت دالة الهد‬

‫‪Changes in coefficients of the Objective Function‬‬
‫لو فرضنا إن دالة الهدف في المثال (‪ )1‬قد تغيرت من‬
‫‪From Max Z= 5x1+2x2+3x3‬‬
‫‪To Max Z= 3x1+x2+3x3‬‬
‫لذا فتن مشكلة البرمجة الخطية سوف تصبح كما يلي‪:‬‬

‫‪Max Z= 3x1+x2+3x3‬‬
‫‪s.t‬‬
‫‪x1+5x2+2x3  30‬‬
‫‪x1-5x2+6x3  40‬‬

‫فتن النموذج المقابل للمشكلة أعالم نو‬

‫‪Min Z= 30y1+40y2‬‬
‫‪s.t‬‬
‫‪y1+y2  3 …1‬‬
‫‪5y1-5y2  1 …2‬‬
‫‪2y1-6y2  3 …3‬‬

‫‪103‬‬
 ‫‪y1, y2  0‬‬

‫ولغرض إيجاد قيم ‪ y2 y1‬نقوم باحتسابها وفز المعادلة‬

‫‪yb   X b B 1 ‬‬

‫حيذ إن‬
‫‪  yb ‬صف المتغيرات الناتجة في النموذج المقابل‬

‫‪  X b ‬صااف معااامالت دالااة الهاادف الجدياادة مرتبااة حسااب المتغيارات الناتجااة بجاادول‬
‫الحل األمثل في دالة الهدف الجديدةع‬
‫‪ B‬مصفوفة المتغيرات المكملة كما وردت في جدول الحل األمثل‬ ‫‪ ‬‬ ‫‪1‬‬

‫‪y1 y2   3 0 ‬‬
‫‪1 0‬‬
‫‪‬‬ ‫‪ 3  0 0  0‬‬
‫‪ 1 1‬‬
‫‪y1 y2   3 0‬‬
‫وكمااا ساابز أن أوضااحنا بااأن التغياار فااي معااامالت دالااة الهاادف يااؤد إلااى التغياار فااي‬
‫صااف دالااة الهاادف كجاادول الحاال األمثاال فتننااا بحاجااة لحساااب معاماال ‪ x1‬ومعاماال ‪x2‬‬
‫فااي جاادول الحاال األمثاال ونااو يساااو الفاارق بااين الطاارف األيساار للقيااد األول والطاارف‬
‫األيمن (الثابت) للنموذج المقابل وكما يلي‪:‬‬
‫‪Coefficient of Xi= (constraint)i-Bi‬‬
‫‪Coefficient of X1=(y1+y2) -3 = (3+0)-3= 0‬‬
‫‪Coefficient of X2= (5y1-5y2)-1= (15-0)-1= 14‬‬
‫‪Coefficient of X3= (2y1-6y2)-3= (6-0)-3= 3‬‬

‫أما قيمة دالة الهدف الجديدة فيمكن الحصول عليها كاآلتي‬

‫‪Max Z= 3x1+x2+3x3=3(30)+0+0= 90‬‬

‫والبيانات موضحة في الجدول أدنام‪:‬‬

‫‪104‬‬
 ‫‪B.V‬‬ ‫‪X1‬‬ ‫‪X2‬‬ ‫‪X3‬‬ ‫‪S1‬‬ ‫‪S2‬‬ ‫‪B‬‬
‫‪X1‬‬ ‫‪1‬‬ ‫‪5‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪30‬‬
‫‪S2‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪-8‬‬ ‫‪-1‬‬ ‫‪1‬‬ ‫‪10‬‬
‫‪Z‬‬ ‫‪0‬‬ ‫‪14‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪0‬‬ ‫‪90‬‬
‫الهدف الاواردة فاي مثاال (‪ )2‬للمتغيارات‬ ‫مدى التغير في معامالت دالة‬ ‫واليجاد‬
‫االساسية اوال (‪ )X1, X2‬فتننا نقوم بافتراض ثباات قيماة معامال‪ X2‬وان معامال‪X1‬‬
‫نو ‪ C1‬للنموذج الوارد في المثال (‪ )2‬اعالم وكاآلتي‪:‬‬
‫‪Max Zx= C1x1+50x2‬‬
‫‪s.t‬‬
‫‪2x1+x216‬‬
‫‪x1+2x211‬‬
‫‪x1+3x215‬‬
‫‪x1, x2 0‬‬

‫وان النموذج المقابل للمشكلة أعالم نو‬

‫‪Min Zy= 16 y1+11y2+15y3‬‬

‫‪s.t‬‬
‫‪2y1+y2 + y3  C1‬‬
‫‪y1+2y2 +3 y3  50‬‬
‫‪y1, y2, y3  0‬‬

‫ولغرض إيجاد قيم ‪ y3 y2 y1‬فتننا نستخدم المعادلة اآلتية‬

‫‪105‬‬
‫] ‪[ yb ]  [ X b ][ B 1‬‬
‫‪ 1‬‬ ‫‪5‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪‬‬
‫‪[ y1 y2 y3 ]  [0 c1 50]  2‬‬ ‫‪1‬‬ ‫‪0‬‬
‫‪ 1‬‬‫‪3‬‬ ‫‪3‬‬ ‫‪‬‬
‫‪ 3‬‬ ‫‪2‬‬ ‫‪0‬‬
‫‪3‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪50‬‬ ‫‪c‬‬ ‫‪100‬‬ ‫‪‬‬
‫‪ 0  c1 ‬‬ ‫‪0 1 ‬‬ ‫‪0‬‬
‫‪‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪‬‬
‫‪ 2c  50‬‬ ‫‪c1  100‬‬ ‫‪‬‬
‫‪[ y1‬‬ ‫‪y2‬‬ ‫‪y3 ]   1‬‬ ‫‪0‬‬
‫‪‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪‬‬

‫وبم ااا إن ق اايم ‪ y3 y2 y1‬تك ااون موجب ااة دائما ااع أكب اار م اان الص اافر لتحقي ااز ش اارغ ع اادم‬

‫السالبية فتن‪:‬‬

‫‪2c1  50‬‬
‫‪ 0...1‬‬
‫‪3‬‬
‫‪ c1  100‬‬
‫‪ 0... 2‬‬
‫‪3‬‬
‫من المتباينتين أعالم يتم‬

‫إيجاد مدى التغير في ‪ c1‬وكاآلتي‪:‬‬

‫‪2c1  50‬‬
‫‪ 0  2c1  50 c1  25‬‬
‫‪3‬‬
‫‪ c1  100‬‬
‫‪ 0   c1  100 c1  100‬‬
‫‪3‬‬
‫إذاع يصبح مدى ‪ c1‬من النتائ التي حصلنا عليها نو‪:‬‬

‫‪25c1100‬‬

‫‪106‬‬
‫وباانفس الطريقااة يمكاان إيجاااد ماادى التغياار فااي معاماال دالااة الهاادف للمتغياار الثاااني ‪X2‬‬
‫وذل اان ب ااافتراض بثاب اات معام اال ‪ X1‬أ أن تبق ااى قيمته ااا (‪ )30‬كم ااا ن ااي ونفت اارض إن‬
‫معاماال ‪ X2‬فااي دالااة الهاادف نااو ‪ c2‬لاانفس المثااال (‪ )2‬ال اوارد فااي أعااالمع إن النمااوذج‬
‫المقابل للمشكلة أعالم نو‪:‬‬

‫‪MinZ y  16 y1  11y2  15 y3‬‬

‫‪2 y1  y2  y3  30‬‬
‫‪y1  2 y2  3 y3  c2‬‬
‫‪y1 , y2 , y3  0‬‬

‫ولغرض إيجاد قيم ‪ y3 y2 y1‬فتننا نستخدم المعادلة اآلتية‬

‫] ‪[ yb ]  [ X b ][ B 1‬‬
‫‪1‬‬ ‫‪5‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪‬‬
‫‪[ y1 y2 y3 ]  [0 30 c2 ]  2‬‬ ‫‪1‬‬ ‫‪0‬‬
‫‪ 13‬‬ ‫‪2‬‬
‫‪3‬‬ ‫‪‬‬
‫‪ 3‬‬ ‫‪3‬‬
‫‪0‬‬ ‫‪‬‬
‫‪ 60 c2‬‬ ‫‪30 2c‬‬ ‫‪‬‬
‫‪ 0 ‬‬ ‫‪‬‬ ‫‪0   2 0‬‬
‫‪‬‬ ‫‪3 3‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪‬‬
‫‪ 60  c2  30  2c2‬‬ ‫‪‬‬
‫‪[ y1 y2 y3 ]  ‬‬ ‫‪0‬‬
‫‪ 3‬‬ ‫‪3‬‬ ‫‪‬‬
‫ولتحقيز شرغ عدم السالبية للنموذج المقابل لذا فتن‬

‫‪60  c2‬‬
‫‪ 0...1‬‬
‫‪3‬‬
‫‪ 30  2c2‬‬
‫‪ 0... 2‬‬
‫‪3‬‬
‫وباختصار المتباينتين في أعالم فتننا نحصل على‬

‫‪107‬‬
‫‪60  c2‬‬
‫‪ 0  60  c2  0 c2  60‬‬
‫‪30‬‬
‫‪ 30  2c2‬‬
‫‪ 0   30  2c2  0 c2  15‬‬
‫‪3‬‬
‫إذن يصبح مدى التغير للمعامل ‪ X2‬في دالة الهدف نو‬

‫‪15c260‬‬

‫وبا اانفس الطريقا ااة يمكا اان إيجا اااد ثاني ا ااع ما اادى التغيا اار فا ااي معا ااامالت المتغي ا ارات المكملا ااة‬
‫للنموذج وني ‪ S2 S1‬ويترن إيجادنا كواجب للطالبع‬

‫‪ 4-4‬التغيرات في معامالت متغيرات القرار في القيود‬

‫‪Changes in the technological coefficients of decision variable‬‬
‫إن التغيارات فااي معااامالت متغيارات القارار ياؤثر مباشارة علااى عناصاار مصاافوفة الحاال‬
‫والتااي تااؤد إلااى التعقيااد فااي الحسااابات ويمكاان أن تؤشاار علااى الجانااب األيساار لقيااود‬
‫المشكلة المقابلة المتعلقة بهاع‬
‫وقد تجعل من الحل الحالي للمشكلة حل غير ممكان أو غيار مثاليعوعليا فاتن تحليال‬
‫الحساسية في نذم الحالة لن يعطي بياناات مباشارة فيماا يتعلاز بمثالياة أو إمكانياة حال‬
‫المشكلة ولذلن يفضل إعادة حل المشكلة أو حل نموذج البرمجة الخطياة مان األسااس‬
‫باسااتخدام طريقااة ‪ Simplex method‬وبعااد ذلاان ستحصاال علااى متغي ارات أساسااية‬
‫ومتغيرات غير أساسية جديدة وفقاع لوصولنا لحل آخرع‬

‫‪ 5-4‬إضافة متغير أو متغيرات جديدة‬

‫)‪Addition of anew variable (variables‬‬
‫لو افترضنا إن النموذج المقابل للمثال (‪ )2‬السابز ذكرم‬
‫نو‬

‫‪108‬‬
‫‪Min Z= 16y1+11y2+15y3‬‬
‫‪s.t‬‬
‫‪2y1+y2+y3 35‬‬
‫‪y1+2y2+3y3 55‬‬
‫‪y1, y2, y3 0‬‬

‫فتذا افترضنا بأننا قمنا بتضافة متغير جديد (‪ )x3‬للمشكلة األصليةع‬

‫بحيذ إن معامالت المتغير في القياود الثالثاة ناي ‪3 ,12 4‬علاى التاوالي أماا معاملاة‬
‫في دالة الهدف فهو يساو ‪40‬ع‬
‫نالحظ بأن شكل القيد في النموذج المقابل يظهر كاآلتي‪:‬‬
‫القيد الجديد ‪4y1+2y2+3y3 40‬‬
‫إن الحل األمثل للنموذج السابز في جدول الحل األمثل نو‪:‬‬
‫‪y1=10/3, y2= 70/3, y3=0‬‬
‫لو عوضنا نذم القيم بالقيد الجديد أعالم فتننا نحصل على اآلتي‪:‬‬
‫‪10‬‬ ‫‪70‬‬
‫‪4( )  2( )  3(0)  40‬‬
‫‪3‬‬ ‫‪3‬‬
‫‪60  40‬‬
‫أ إن القيد يتحقز مم قيم الحل األمثل للنموذج‬
‫ولغاارض اسااتخراج (حساااب) معااامالت المتغياار الجديااد (‪ )x3‬فااي الجاادول األخياار يااتم‬
‫ذلن كاآلتي‪:‬‬
‫‪ 1/ 3  5 / 3‬‬ ‫‪1 4 1‬‬
‫‪X 3   2 / 3  1 / 3‬‬ ‫‪0 2  2‬‬
‫‪ 1/ 3 2 / 3‬‬ ‫‪0 4 0‬‬
‫الجدول أدنام‬ ‫أما النتائ في جدول الحل األمثل األخير فتظهر كما في‬

‫‪109‬‬
‫‪B .V‬‬ ‫‪X1‬‬ ‫‪X2‬‬ ‫‪X3‬‬ ‫‪S1‬‬ ‫‪S2‬‬ ‫‪S3‬‬ ‫‪B‬‬
‫‪S3‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪1/3‬‬ ‫‪-5/3‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪X1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪2/3‬‬ ‫‪-1/3‬‬ ‫‪0‬‬ ‫‪7‬‬
‫‪X2‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪-1/3‬‬ ‫‪2/3‬‬ ‫‪0‬‬ ‫‪2‬‬
‫‪Z‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪20‬‬ ‫‪10/3‬‬ ‫‪70/3‬‬ ‫‪0‬‬ ‫‪310‬‬
‫‪ x3‬ف ااي الص ااف ‪Z‬‬ ‫يا ازال مثاليا ااع وذل اان ألن معام اال‬ ‫إن الح اال ال‬ ‫الج اادول‬ ‫نالح ااظ ف ااي‬
‫موجبع أما لو فرضنا إن معامل ‪ x3‬في دالة الهدف نو ‪ 65‬نجاد إن شاكل القياد فاي‬
‫النموذج المقابل سيكون كاآلتي‪:‬‬
‫‪4y1+2y2+3y3 65‬‬
‫ولو عوضنا قيم الحل األمثل للنموذج المقابل في القيد الجديد نحصل على‬
‫‪4(10/3)+2(70/3)+3(0) 65‬‬
‫‪60 65‬‬
‫أ إن القيد ال يتحقز مم قيم الحل األمثل للنموذجع‬
‫الجدول اآلتي‪:‬‬ ‫أما النتائ في الجدول األمثل األخير فتظهر كما في‬
‫‪B .V‬‬ ‫‪X1‬‬ ‫‪X2‬‬ ‫‪X3‬‬ ‫‪S1‬‬ ‫‪S2‬‬ ‫‪S3‬‬ ‫‪B‬‬
‫‪S3‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪1/3‬‬ ‫‪-5/3‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪X1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪2/3‬‬ ‫‪-1/3‬‬ ‫‪0‬‬ ‫‪7‬‬
‫‪X2‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪-1/3‬‬ ‫‪2/3‬‬ ‫‪0‬‬ ‫‪2‬‬
‫‪Z‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪-5‬‬ ‫‪10/3‬‬ ‫‪70/3‬‬ ‫‪0‬‬ ‫‪310‬‬

‫نالحااظ إن الحاال ال يتحقااز ألن معاماال ‪ x3‬فااي الصااف ‪ Z‬سااالب ومقاادارم (‪ )5-‬كمااا‬
‫نو واضح في الجدولع لذلن ولغرض الحصول على الحال األمثال سانقوم باختياار ‪x3‬‬
‫كمتغير داخل وتكملة الحل لحين الوصول إلى الحل األمثلع‬

‫‪110‬‬
 ‫‪ 6-4‬إ ضافة قيد أو قيود جديدة‬
‫)‪Addition of new constraint (constraints‬‬
‫بهاادف د ارسااة تااأثير إضااافة قيااد جديااد إلااى مشااكلة البرمجااة الخطيااة وفااي حالااة تحقيااز‬
‫نذا القيد باستخدام قيم الحل األمثل يمكن في نذم الحالة اعتبار نذا القياد قياداع فائضااع‬
‫ال يؤثر على الحل األمثلع‬
‫مثالع لو فرضنا إن القيد المراد إضافت للمثال رقم (‪ )2‬نو القيد‬
‫‪x1+4x2 16‬‬
‫وبالتعويض عن قيم ‪ x2 x1‬الواردة في جدول الحل األمثل نحصل على‬
‫‪7+4(2)  16‬‬
‫‪15  16‬‬

‫لذا نجد إن القيد يتحقاز وعليا يمكان اعتباار ناذا القياد فائضااع ال تاأثير لا علاى الحالع‬
‫أما إذا فرضنا إن القيد الجديد نو اآلتي‪:‬‬
‫‪x1+4x2 13‬‬
‫وبتعويض قيم ‪ x2 x1‬نحصل على‬
‫‪7+4(2)  13‬‬
‫‪15  13‬‬
‫ننا نالحظ إن القيد أعالم ال يتحقزع‬
‫ولغرض دراسة تأثير نذا القيد على المشكلة يتم إضافة القيد الجديد ونو‬
‫‪x1+4x2+…+s4=13‬‬
‫إلى الجدول األخيار للمشاكلة بعاد اساتخراج قايم ‪ x2 x1‬وتعويضاهما فاي القياد الجدياد‬
‫للحص ااول عل ااى ق اايم الص ااف ‪ s4‬ال ااذ يتض اامن مع ااامالت الص ااف المطل ااوب إيجادن ااا‬
‫وكاآلتي‪:‬‬
‫صف ‪ x1‬في الجدول نو‬
‫‪X1+(2/3)S1-(1/3)S2= 7‬‬
‫ومن نحصل معادلة ‪ x1‬بداللة بقية المتغيرات‬
‫‪X1= 7-(2/3)S1+(1/3)S2‬‬
‫كذلن بالنسبة إلى ‪ X2‬حيذ‬

‫‪111‬‬
‫‪X2-(1/3)S1+(2/3)S2= 2‬‬
‫‪X2= 2+(1/3)S1-(2/3)S2‬‬
‫وبتعويض قيم ‪ x2 x1‬في القيد الجديد نحصل على‬

‫‪[7-(2/3)s1+(1/3)s2]+ 4[2+(1/3)s1-(2/3)s2]+ s4= 13‬‬

‫‪(2/3)s1-(7/3)s2+s4= -2‬‬

‫لذا فتن الجدول األخير سيظهر بالشكل اآلتي‬

‫‪B.V‬‬ ‫‪X1‬‬ ‫‪X2‬‬ ‫‪S1‬‬ ‫‪S2‬‬ ‫‪S3‬‬ ‫‪S4‬‬ ‫‪B‬‬

‫‪S3‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1/3‬‬ ‫‪-5/3‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪2‬‬
‫‪X1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪2/3‬‬ ‫‪-1/3‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪7‬‬
‫‪X2‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪-1/3‬‬ ‫‪2/3‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪2‬‬
‫‪S4‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪2/3‬‬ ‫‪-7/3‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪-2‬‬
‫‪Z‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪10/3‬‬ ‫‪70/3‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪310‬‬

‫من الجدول نالحظ إن عمود الثابت ‪ B‬يحتو على قيمة سالبة مما يجعال الحال غيار‬
‫ممكاان ويتطلااب ذلاان تطبيااز الطريقااة المبسااطة للنمااوذج المقاباال ‪Dual simplex‬‬
‫‪ method‬للتخلص من قيمة ‪ S4‬السالبةع‬

‫‪112‬‬
 ‫أسئلة الفصل الرابع‬

1. From the L.P model

Max Z= 10x1+12x2
s.t
2x1+2x2 4
8x1+2x2 8
X1, X2 0
And the optimal solution of this table
B .V X1 X2 S1 S2 B
X1 1 1 1/2 0 2
S2 6 0 -1 1 4
Z 2 0 6 0 24

A. Find the optimum solution if the (R.H.S) changes from

 4  6 
  to  
 8  10
B. Find the optimum solution if the objective function changes
from (max Z= 10x1+12x2) to (max Z= 10x1+8x2)

2. From the L.P model

MaxZ  5 x1  2 x2  3x3
x1  5 x2  2 x3  b1
x1  5 x2  6 x3  b2
x1 , x2 , x3  0
and the optimum solution of this model

113
B.V X1 X2 X3 S1 S2 B
X1 1 5 2 1 0 30
S2 0 0 -8 -1 1 10
Z 0 A 7 b c 150

A. Find b1,b2 using changes in the (R.H.S)?

B. Find the values of the Dual model (y1,y2)= (b,c)?
C. The coeffient of x2 in the optimum solution table (a)?
D. Find the optimum solution if the objective function changes
from (MaxZ= 5x1+2x2+3x3) to (MaxZ= 3x1+x2+3x3)?

114
 ‫الفصل الخامس‬
‫نماذج النقل و مشاكل التخصيص‬
Transportation Models and Assignment Problems
‫ مقدمة وتعريف نموذج النقل‬1-5
Introduction and Definition of Transportation Model

Balancing of Transportation Model ‫ موازنة نموذج النقل‬2-5

‫ أسلوب حل نموذج النقل‬3-5
Solution Technique of Transportation Model
‫ إيجاد الحل األساسي االبتدائي المقبول‬4 -5
Solution Starting Basic Feasible
North West –Corner Method ‫ طريقة الركن الشمالي الغربي‬1-4-5
Least cost Method ‫ طريقة أقل كلفة‬2-4-5

Vogel’s Approximation Method ‫ طريقة فوجل‬3-4-5

‫ اختيار الحل األساسي االبتدائي المقبول للحصول على الحل األمثل‬5-5

Testing of S.B.F.S for optimal solution
Stepping Stone Method ‫طريقة المسار المتعرج‬1-5- 5
Multipliers Method ‫ طريقة عوامل الضرب‬2-5-5
Assignment Problem ‫ مشكلة التخصيص‬6-5
‫ تعريف نموذج التخصيص‬1-6-5
Definition of Assignment Model
‫ الطريقة البديلة لطريقة التبديل‬2-6-5
Replaced Method of Arranging Method
One’s Method ‫ طريقة الوحدات‬7-5

115
 ‫‪ 1-5‬مقدمة وتعريف نموذج النقل‬
‫‪Introduction and Definition of Transportation Model‬‬
‫سوف نتناول في نذا الفصل إحدى تطبيقات البرام الخطية أال ونو نموذج النقل‬
‫(نموذج التوزيم) يبحذ نذا النموذج في إيجاد القيمة الصغرى لكلفة نقل البضاعة‬
‫من عدة مصادر للعرض ‪ Sources‬والتي قد تمثل المراكز اإلنتاجية أو التسويقية أو‬
‫المصانم التي تنقل منها البضاعة إلى عدد من محطات الطلب أو مراكز االستهالن‬
‫‪Destination‬ع‬
‫إن الكميات المعروضة عند كل مصدر والكميات المطلوبة في كل موقم‬
‫يفترض أن تكون معلومة وعلى سبيل المثال المنت ربما ينقل من البضائم التي تمثل‬
‫المصادر ننا إلى المخازن المركزية (المواقم)ع‬
‫باإلمكان تحليل مسألة النقل (لتحديد الكميات المثلى التي ستنقل من‬
‫المصادر إلى المواقم بأقل كلفة نقل ممكنة باستخدام الطريقة العامة المطبقة عند‬
‫تحليل مسائل البرمجة الخطية (طريقة السمبلكس ‪ )simplex method‬لكن نظ اعر‬
‫لطبيعة مسألة النقل الخاصة فقد طورت طرق جديدة لها ميزات خاصة تجعلها‬
‫مالئمة عند التحليل بشكل أفضل من طريقة السمبلكس وان نذا األسلوب الجديد في‬
‫التحليل يختلف عن طريقة السمبلكس في المعالجة الرياضية للمسألة لكن من حيذ‬
‫المبدأ يلتقي معها تماماع باعتبارم يبدأ باختيار الحل األساسي االبتدائي المقبول‬
‫‪ Starting Basic Feasible solution S.B.F.S‬ومن ثم يطور ننا الحل‬
‫تكون عندم قيمة دالة الكلفة (دالة الهدف) في‬ ‫للوصول إلى الحل األمثل الذ‬
‫نهايتانا الصغرىع وسوف نبين في الفقرة التالية التعريف الرياضي العام لنموذج‬
‫النقلع‬
‫ويتضمن نموذج النقل ‪ m‬من مصادر التجهيز ‪ n‬من محطات (االستهالن)‬
‫إضافة إلى ذلن نفترض إن‪:‬‬
‫‪ :ai‬يمثل عدد الوحدات المعروضة عند المصدر من حيذ (‪)i= 1,2,3,…. m‬‬
‫‪ :bj‬يمثل عدد الوحدات المطلوبة بالبينة للموقم ‪ j‬حيذ (‪)j= 1,2,3,…,n‬‬
‫‪ :cij‬كلفة نقل الوحدة الواحدة من البضاعة من المصدر إلى الموقم ‪j‬‬

‫‪116‬‬
‫‪ :xij‬عدد الوحدات التي ستنقل من المصدر ‪ i‬إلى الموقم ‪ j‬والجدول اآلتي يعرض‬
‫الصورة الجدولية العامة لنموذج النقل‬
‫‪Destination‬‬

‫‪1‬‬ ‫‪2‬‬ ‫…‪j‬‬ ‫‪N‬‬ ‫‪Supply‬‬

‫‪1‬‬ ‫‪C11‬‬ ‫‪C12‬‬ ‫‪Cij‬‬ ‫‪Cin‬‬

‫‪X11‬‬ ‫‪X12‬‬ ‫‪Xij‬‬ ‫‪Xin‬‬ ‫‪a1‬‬
‫‪2‬‬ ‫‪C21‬‬ ‫‪C22‬‬ ‫‪C2j‬‬ ‫‪C2n‬‬
‫‪X21‬‬ ‫‪X22‬‬ ‫‪X2j‬‬ ‫‪X2n‬‬ ‫‪a2‬‬
‫‪3‬‬ ‫‪C31‬‬ ‫‪C32‬‬ ‫‪C3j‬‬ ‫‪C3n‬‬
‫‪X31‬‬ ‫‪X32‬‬ ‫‪X3j‬‬ ‫‪X3j‬‬ ‫‪a3‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪I‬‬ ‫‪Ci1‬‬ ‫‪Ci2‬‬ ‫‪Cij‬‬ ‫‪Cin‬‬
‫‪Xi1‬‬ ‫‪Xi2‬‬ ‫‪Xij‬‬ ‫‪Xin‬‬ ‫‪ai‬‬
‫‪‬‬
‫‪M‬‬ ‫‪Cm1‬‬ ‫‪Cm2‬‬ ‫‪Cm3‬‬ ‫‪Cmn‬‬
‫‪Xm1‬‬ ‫‪Xm2‬‬ ‫‪Xm3‬‬ ‫‪Xmn‬‬ ‫‪am‬‬
‫‪Demand‬‬ ‫‪b1‬‬ ‫‪b2‬‬ ‫‪bj‬‬ ‫‪bn‬‬

‫اتضح لنا إن الهدف من تحليل نموذج النقل نو تحديد العدد األمثل من الوحدات‬
‫التي ستنقل من المصدر ‪ i‬إلى الموقم ‪ j‬بأقل كلفة ممكنة ‪ c‬اعتماداع على نذا‬
‫الهدف يمكننا كتابة نموذج البرمجة الخطية المكافا لنموذج النقل بالشكل التالي‬
‫‪m‬‬ ‫‪n‬‬
‫‪Minimize X 0   Cij X ij‬‬
‫‪i 1 j 1‬‬

‫طبقاع إلى‬

‫‪117‬‬
 ‫‪m‬‬

‫‪X‬‬
‫‪i 1‬‬
‫‪ij‬‬ ‫‪ ai i  1,2,...m‬‬
‫‪n‬‬

‫‪X‬‬
‫‪j 1‬‬
‫‪ij‬‬ ‫‪ bi j  1,2,...n‬‬

‫‪X ij  0‬‬

‫لتسهيل دراسة مشكلة النقل تعرض الصورة الجدولية التالية التي تمثل نموذج نقل‬
‫مبسطة من ‪n=3, m=2‬‬
‫جدول رقم (‪)2‬‬

‫‪TO‬‬ ‫الكمية‬
‫‪D1‬‬ ‫‪D2‬‬ ‫‪D3‬‬ ‫المعروضة‬
‫‪From‬‬
‫‪Supply‬‬
‫‪C11‬‬ ‫‪C12‬‬ ‫‪C13‬‬
‫‪S1‬‬
‫‪X11‬‬ ‫‪X12‬‬ ‫‪X13‬‬ ‫‪a1‬‬
‫‪C21‬‬ ‫‪C22‬‬ ‫‪C23‬‬
‫‪S2‬‬
‫‪X21‬‬ ‫‪X22‬‬ ‫‪X23‬‬ ‫‪a2‬‬

‫‪Demand‬‬ ‫‪b1‬‬ ‫‪b2‬‬ ‫‪b3‬‬

‫حيذ تمثل ‪ C11‬كلفة نقل الوحدة الواحدة من البضاعة من المصدر األول إلى الموقم‬
‫األول وكذلن ‪ C23‬تمثل كلفة نقل الواحدة من المصدر الثاني إلى الموقم الثالذ‬
‫ونكذا أما ‪ X12‬فتمثل عدد الوحدات التي ستنقل من المصدر االول إلى الموقم‬
‫الثاني وعلى نفس األساس تعرف بقيمة قيم ‪Xij‬‬
‫من الجدول ‪ 2‬يتضح إن الكمية المنقولة من المصدر األول إلى المواقم الثالثة‬
‫يجب أن ال تزيد على الكمية المعروضة (‪ )a1‬أ إن‬
‫‪x11+x12+x13 a1‬‬

‫وكذلن‬

‫‪118‬‬
‫‪x21+x22+x23  a2‬‬

‫إضافة إلى ذلن فتن مجموع الكمية المنقولة إلى المصدر األول يجب أن ال تقل عن‬
‫احتياج ذلن الموقم وني ‪b1‬ع بعبارة أخرى يجب أن يكون‬
‫‪x11+x21  b1‬‬
‫‪x12+x22  b2‬‬
‫‪x13+x23  b3‬‬
‫أما دالة كلفة النقل الكلية (دالة الهدف) فستكون‪:‬‬
‫‪x0= c11x11+c12x12+c13x13+c21x21+c22x22+c23x23‬‬
‫واستناداع إلى ما ورد سابقاع يمكننا اختصار تعريف مشكلة النقل بالصورة العامة‬
‫التالية‪:‬‬
‫استخرج قيمة ‪ x0‬الصغرى حيذ‬
‫‪m‬‬ ‫‪n‬‬
‫‪X 0   Cij X ij‬‬
‫‪i 1 j 1‬‬

‫وفقاع إلى مجموعة القيود‬

‫‪n‬‬

‫‪X‬‬
‫‪j 1‬‬
‫‪ij‬‬ ‫‪ an j  1,2,..., n‬‬

‫‪m‬‬

‫‪X‬‬
‫‪i 1‬‬
‫‪ij‬‬ ‫‪ b j j  1,2,...., n‬‬ ‫‪. . 2‬‬

‫) ‪X ij  0 (i, j‬‬
‫لو قارنا نذم الصيغة العامة للبرمجة الخطية نالحظ إن دالة الهدف القيود تمثل‬
‫صيغة من صيغ البرمجة الخطية لذلن نجد من الممكن استخدام الطريقة العامة‬
‫المطبقة عند تحليل البرام الخطية (طريقة السمبكلس)ع‬
‫أن إيجاد الحلول المطلوبة لمشكالت النقل يتم بتحويل قيود المتباينات المشار إليها‬
‫أعالم إلى قيود مساواةع‬

‫‪119‬‬
 ‫‪ 2-5‬موازنة نموذج النقل ‪Balancing of Transportation Model‬‬
‫ينت من التعريف العام لنموذج النقل إن‬
‫‪n‬‬ ‫‪n‬‬ ‫‪m‬‬ ‫‪m‬‬ ‫‪n‬‬ ‫‪m‬‬

‫‪ b   ( X‬‬
‫‪j 1‬‬
‫‪j‬‬
‫‪j 1‬‬ ‫‪i 1‬‬
‫‪ij‬‬ ‫‪)   ( X ij )   ai‬‬
‫‪i 1‬‬ ‫‪j 1‬‬ ‫‪i 1‬‬

‫يعني إن الكمية المعروضة في جميم المصادر يجب أن تساو الكمية المطلوبة كل‬
‫المواقم ولكن نذا الشرغ بالنسبة للمواقم العملي ويعتبر شرغ افتراضي إذ قد تكون‬
‫الكمية المعروضة أصغر أو أكبر من الكمية المطلوبة يكون النموذج غير متوازن‬
‫"‪ "unbalanced‬من الجدير بالذكر إن الشرغ التوازن بتساو الكمية المعروضة مم‬
‫‪m‬‬ ‫‪n‬‬

‫الكمية المطلوبة ) ‪ ( an   b j‬شرغ مهماع لتطوير أسلوب النقلع ولكن بالرغم‬

‫‪i 1‬‬ ‫‪j 1‬‬

‫مسألة عملية باإلمكان جعلها متوازنة بتحويلها إلى مسألة يتساوى‬ ‫من ذلن فتن أ‬
‫فيها العرض مم الطلب فعندما تكون الكمية المطلوبة أكبر من المعروضة يضاف‬
‫لجدول التكاليف مصدر ونمي ‪ Dummy source‬يعمل على تجهيز الكمية التي‬

‫حصل فيها العجز والتي مقدارنا ) ‪( b j   ai‬‬

‫‪j‬‬ ‫‪i‬‬

‫أما إذا كانت الكمية المطلوبة أصغر من المعروضة عندئذ يضاف موقم ونمي‬
‫‪ Dummy Destination‬يعمل على امتصاص الكمية المعروضة اإلضافية والتي‬
‫مقدارنا ) ‪ ( ai   b j‬بقي أن نذكر بأن تكاليف النقل للوحدة الواحدة (‪)Cij‬‬
‫‪i‬‬ ‫‪j‬‬

‫عدد‬ ‫المصدر الونمي إلى جميم المواقم تساو صفر ألنها مكافئة إلى عدم نقل أ‬
‫الوحدات من نذا المصدر وبالمثل تكون كلفة نقل الوحدة الواحدة من المصادر إلى‬
‫الموقم الونمي تساو صفرع‬
‫‪ 3-5‬أسلوب حل نموذج النقل‬
‫‪Solution Technique of Transportation Model‬‬
‫تتضمن الخطوات األساسية لتحليل نموذج النقل ما يلي‪:‬‬
‫‪-1‬تحديد الحل األساسي االبتدائي المقبول ‪solution starting Basic Feasible‬‬
‫(‪)S.B.F.S‬‬

‫‪120‬‬
‫والذ نقصد ب يتم المتغي ارت ‪ Xij‬التي تحقز كافة القيود الواردة في نموذج النقلع‬
‫والتي أشرنا إليها سابقاع بالمعادالت التالية‬
‫‪n‬‬ ‫‪m‬‬

‫‪X‬‬
‫‪j 1‬‬
‫‪ij‬‬ ‫‪ a  X ij  b j‬‬
‫‪i 1‬‬

‫‪ -2‬تحديد المتغير الداخل إلى الحل (‪ )Entering Variable‬من بين المتغير الغير‬
‫بعد تحديد ‪ S.B.F.S‬وتجدر اإلشارة‬ ‫أساسية والتي نتجت من الخطوة األولى أ‬
‫إلي ع وان عدد المتغيرات التي تكون ‪ S.B.F.S‬يجب أن يساو ‪ m+n-1‬والمتغيرات‬
‫المتبقية (‪ mn-)m+n-1‬فتمثل مجموعة المتغيرات الغير أساسية ‪Non- Basic‬‬
‫‪Optimality‬‬ ‫‪ Variable‬فتذا حققت المتغيرات الغير أساسية شروغ األمثلية‬
‫إن تأثيرنا على قيمة ‪ x0‬إيجابي)‬ ‫‪ Condition‬الواردة في طريقة السمبلكس (أ‬
‫عندئذ نتوقف عن الحسابات التك اررية ويكون الحل المستخرج في الخطوة األولى (أ‬
‫الحل األساسي االبتدائي المقبول) نو الحل األمثلع وفيما عدا ذلن نلجأ إلى الخطوة‬
‫الثالثةع‬
‫‪ -3‬تحديد المتغير الخارج ‪ Leaving Variable‬من مجموعة المتغيرات األساسية‬
‫التي تكون أل ‪ S.B.F.S‬ومن ثم سنستخرج حل أساسي جديد ومستمر بالحسابات‬
‫الحل المقبول‬ ‫التك اررية إلى أن نحصل على الحل األمثل ‪ Optimal Solution‬أ‬
‫الذ يجعل قيمة دالة الهدف (دالة الكلفة الكلية) أقل ما يمكن (‪)Minimum‬‬
‫وسوف نحصل نذم الخطوات بالتفصيل‪:‬‬
‫وقبل التطرق إلى طرق إيجاد الحل األساسي األولي المقبول ‪ S.B.F.S‬البد من‬
‫التعرف على الجوانب النظرية األساسية لنموذج النقلع‬

‫نظرية (‪)1‬‬
‫اثبت إن لمشكلة النقل حل مقبول‬
‫البرنان‪ :‬بما إن‬

‫‪121‬‬
 ‫‪m‬‬ ‫‪n‬‬

‫‪ a  b‬‬
‫‪i 1‬‬
‫‪i‬‬
‫‪j 1‬‬
‫‪j‬‬ ‫‪A‬‬

‫(العرض= الطلب)‬
‫فتننا نحصل على حل مقبول‬
‫‪ai b j‬‬
‫‪xij ‬‬ ‫‪ i. j xij  0‬‬
‫‪A‬‬
‫حيذ يحقز نذا الحل المقبول القيد األول كاآلتي‪:‬‬
‫‪n‬‬
‫‪ai  b j‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪ai b j‬‬ ‫‪ai A‬‬
‫‪x ‬‬
‫‪i 1‬‬
‫‪ij‬‬
‫‪j 1‬‬ ‫‪A‬‬
‫‪‬‬ ‫‪j 1‬‬

‫‪A‬‬
‫‪‬‬
‫‪A‬‬
‫‪a‬‬

‫وكذلن يحقز القيد الثاني‬

‫‪m‬‬
‫‪bi  b j‬‬
‫‪n‬‬ ‫‪m‬‬ ‫‪ai b j‬‬ ‫‪bi A‬‬
‫‪x ‬‬
‫‪i 1‬‬
‫‪ij‬‬
‫‪i 1‬‬ ‫‪A‬‬
‫‪‬‬ ‫‪i 1‬‬
‫‪A‬‬
‫‪‬‬
‫‪A‬‬
‫‪ bj‬‬

‫لنفرض إن ‪n=5, m=3‬‬

‫فتننا سوف نحصل على ‪ 8‬معادالت وكاآلتي‪:‬‬
‫(‪x1+x12+x13+x14+x15=a1 )1‬‬
‫(‪x21+x22+x23+x24+x25=a2 )2‬‬
‫(‪x31+x32+x33+x34+x35= a3 )3‬‬
‫(‪x11+x21+x31=b1 )4‬‬
‫(‪x12+x22+x32=b2 )5‬‬
‫(‪x13+x23+x33=b3 )6‬‬
‫(‪x14+x24+x34=b4 )7‬‬
‫(‪x15+x25+x35= b5 )8‬‬

‫فتذا جعلنا المعادلة (‪ )4‬إلى المعادلة (‪ )8‬وطرحنا من حاصل الجمم المعادلتان (‪)2‬‬
‫و (‪ )3‬فتن النتيجة التي نحصل عليها المعادلة رقم (‪)1‬‬

‫‪122‬‬
‫من نذا يتبين بأن المعادلة رقم (‪ )1‬معادلة زائدة ‪ redundant‬وان القيود المتبقية‬
‫تكون نظام من القيود المستقلة خطياعع‬
‫ومن نذا نستن بأن ننان معادلة زائدة واحدة فقط في معادلة القيودع‬
‫نتيجة (‪)1‬‬
‫إن الحل األساسي لمشكلة النقل يتكون من ‪ m+n-1‬من المتغيرات األساسية‬
‫نظرية (‪)2‬‬
‫حل أساسي مسمو ب ‪ X=(xij)mn‬متى ما‬ ‫إن الحل األمثل لمشكلة النقل نو أ‬
‫توفرت ‪ m+n‬من األعداد ‪ v1,v2,…,vn,u1,u2,…,um‬بحيذ إن‬
‫أع ‪ ui+vj=cij‬لكل أقيام ‪j,i‬‬
‫بع ‪ ui+vj cij‬لجميم قيم ‪ j,i‬وعندما يكون ‪ xij‬متغي اعر أساسياع‬
‫البرنان‪:‬‬
‫ليكن ‪ x  ( xij ) mn‬أ حل أساسي مسمو ب باستخدام الفقرتين أ ب نجد إن‬
‫‪m‬‬ ‫‪n‬‬

‫‪ C‬‬
‫‪i 1 j 1‬‬
‫‪x   (v j  ui ) xij‬‬
‫‪ij ij‬‬

‫‪n‬‬ ‫‪m‬‬ ‫‪m‬‬ ‫‪n‬‬

‫‪   j  xij   ui  xij‬‬
‫‪j 1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪j 1‬‬
‫‪n‬‬ ‫‪m‬‬
‫‪  v j b j   ui ai‬‬
‫‪j 1‬‬ ‫‪i 1‬‬
‫‪n‬‬ ‫‪m‬‬ ‫‪m‬‬ ‫‪n‬‬
‫‪  v j  xij   ui  xij‬‬
‫‪j 1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪j 1‬‬
‫‪m‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪ (u‬‬ ‫‪i‬‬ ‫‪ v j ) xij‬‬
‫‪i 1‬‬ ‫‪j 1‬‬
‫‪m‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪C‬‬ ‫‪ij‬‬ ‫‪X ij‬‬
‫‪i 1‬‬ ‫‪j 1‬‬

‫‪123‬‬
 ‫نتيجة ( ‪)2‬‬
‫إن إبدال أقيام ‪ vj,ui‬المعرفة في (‪ )2‬ب ‪ vj+k, ui-k‬على التوالي أل قيمة محدودة‬
‫‪ k‬فتن ذلن لن يؤثر على مضمون النظريةع‬
‫حل أساسي مسمو ب البد من‬ ‫من النظرية (‪ ) 2‬نستنت إن الختبار أمثلية أ‬
‫إيجاد أقيام ‪ vj,ui‬والتي عددنا ‪ m+n‬من حل الفقرة بع وحيذ إن عدد كلف النقل‬
‫‪ Cij‬ني ‪ m+n-1‬والتي ني بقدر عدد المتغيرات األساسيةع فهذا يعني إن لدينا‬
‫‪ m+n-1‬من المعادلة الحاوية على ‪ m+n‬من المتغيرات المجهولة ‪ vj,ui‬وباالعتماد‬
‫على نتيجة (‪ ) 2‬نستطيم أن نفرض إن ‪ u1=0‬دون أن يؤثر ذلن على أقيام ‪vj,ui‬‬
‫في اختبار أمثلية الحل (أ اختبار قيمة ‪ k‬في النتيجة (‪ )2‬مساوياع إلى ‪ u1‬المعطاة‬
‫في النظرية (‪ )2‬وبذلن يكون لدينا‪ m+n-1‬من المعادالت الحاوية ‪ m+n-1‬من‬
‫المتغيرات المجهولة التي يمكن إيجادنا باستخدام التعويض التعاقبي وبعد إيجاد‬
‫جميم أقيام ‪ vj,ui‬نستطيم اختبار أمثلية الحل باستخدام الفقرة ب لتكن ‪cij= cij-ui-‬‬
‫‪vj‬‬
‫نالحظ إن ‪ cij 0‬لكل من قيم ‪ j,i‬تكافا الشرطين أ ب وبذلن يكون الحل المرافز‬
‫ال أمثالع متى ما كانت لكل أقيام ‪j,i‬‬
‫لكل من ‪ vj,ui‬ح ع‬
‫‪cij= cij-ui-vj 0‬‬

‫‪ 4 -5‬إيجاد الحل األساسي االبتدائي المقبول‬

‫‪Solution Starting Basic Feasible‬‬
‫يتطلب التعريف العام لنموذج النقل أن تكون الكمية المعروضة مساوية للكمية‬
‫‪m‬‬ ‫‪n‬‬

‫المطلوبة ‪  ai   b j‬كما أشرنا إلى ذلن سابقاعع ومن نذا ينت إن‪:‬‬
‫‪i 1‬‬ ‫‪j 1‬‬

‫نموذج النقل سيتضمن معادلة واحدة معتمدة والمعادالت الباقية تعتبر مستقلة ونذا‬
‫يعني إن ‪ S.B.F.S.‬يتكون من (‪ )m+n-1‬من المتغيرات األساسية والتي عددنا‬
‫إن قيمتها تساو صفر) توجد ثالذ طرق‬ ‫)‪ mn-(m+n-1‬فهي غير أساسية (أ‬
‫تستخدم لتحديد أل ‪ S.B.F.S‬وني على الترتيب‪:‬‬

‫‪124‬‬
 ‫‪ -1‬طريقة الركن الشمالي الغربي ‪Northwest- Corner Method‬‬
‫‪ -2‬طريقة أقل كلفة ممكنة ‪Least Cost Method‬‬
‫‪ -3‬طريقة فوجل )‪Vogel's Approximation Method (VAM‬‬

‫‪ 1-4-5‬طريقة الركن الشمالي الغربي ‪North West –Corner Method‬‬

‫في نذم الطريقة نبدأ بتخصيص أكبر كمية ممكنة للمتغير الواقم في الركن الشمالي‬
‫الغربي أ المتغير ‪ x11‬وحسب األسلوب اآلتي‪:‬‬
‫‪ -1‬إذا كانت ‪ b1 < a1‬تخصص الكمية ‪ a1‬للمتغير‪ x11‬ع ثم يحذف الصف األول‬
‫ألن مجموع أصبح صفر ونعدل مجموع العمود األول ثم نأخذ الخلية ‪x21‬‬
‫وتخصص قيمة للمتغير ‪ x21‬على ضوء الكمية المعروضة في المصدر الثاني‬
‫والكمية المطلوبة في الموقم األولع‬
‫‪ - 2‬أما إذ كانت ‪ b1 > a1‬نخصص الكمية ‪ b1‬للمتغير‪ x11‬ع ونحذف العمود األول‬
‫ابتداء بالمتغير اآلخر ‪x12‬ع‬
‫ع‬ ‫ونعدل مجموعة الصف األول ثم نستمر بالتخصيص‬
‫‪- 3‬أ ما إذا كانت الكمية ‪ a1 = b1‬عندئذ نضم ‪ x11‬مساو ألحدنما وفي نذم الحالة‬
‫سيصبح مجموعة الصف األول صفر وكذلن العمود األول صفرع لذلن نأخذ المتغير‬
‫‪ x22‬ونخصص ل قيمة على ضوء الكمية المعروضة في الصف الثاني والكمية‬
‫المطلوبة في الموقم األولع‬
‫‪ - 1‬نستمر بأشغال المربعات حسب الكميات المعروضة في الصف والكميات‬
‫المطلوبة في العمود إلى أن نحقز العدد (‪ )m+n-1‬من المتغيرات الموجبةع‬
‫‪ - 2‬في حالة عدم تحقز العدد (‪ )m+n-1‬من المتغيرات الموجبة سيكون الحل‬
‫‪ Degenerate Solution‬لذلن نكمل نذا العدد باعتبار بعض المتغيرات الغير‬
‫أساسية والتي لها كلفة نقل أقل ما يمكن ‪ c‬متغيرات أساسية بقيمة تساو صفرع‬

‫مثال رقم ‪1‬‬

‫استخرج الحل األساسي االبتدائي المقبول لنموذج النقل اآلتي‪:‬‬

‫‪125‬‬
‫‪Example1: Find the solution starting basic feasible to‬‬
‫‪transportation model‬‬
‫جدول رقم ‪3‬‬
‫‪T0‬‬ ‫‪D1‬‬ ‫‪D2‬‬ ‫‪D3‬‬ ‫‪D4‬‬ ‫‪Supply‬‬
‫‪From‬‬
‫‪S1‬‬ ‫‪10‬‬ ‫‪0‬‬ ‫‪20‬‬ ‫‪11‬‬ ‫‪15‬‬
‫‪S2‬‬ ‫‪12‬‬ ‫‪7‬‬ ‫‪9‬‬ ‫‪20‬‬ ‫‪25‬‬
‫‪S3‬‬ ‫‪0‬‬ ‫‪14‬‬ ‫‪16‬‬ ‫‪18‬‬ ‫‪5‬‬
‫‪5‬‬ ‫‪15‬‬ ‫‪15‬‬ ‫‪10‬‬ ‫‪45‬‬
‫‪Demand‬‬

‫‪m‬‬ ‫‪n‬‬

‫‪ a  b‬‬
‫‪i 1‬‬
‫‪i‬‬
‫‪j 1‬‬
‫‪j‬‬ ‫الحل‪ :‬نالحظ إن النموذج متوازن ألن ‪ 45‬‬

‫نبدأ بتحديد قيمة المتغير ‪ (a1=15, b1=5, b1<a1) x11‬لذلن نخصص قيمة ‪b1‬‬
‫للمتغير ‪ x11‬ونحذف العمود األول ونعدل مجموع الصف األول إلى عشرة ثم تستمر‬
‫نأخذ المتغير ‪ (a1=10, b2=15, a1<b2) x12‬وعلي تكون قيمة ‪x12‬‬ ‫أفقياع أ‬
‫تساو ‪10‬ع بعد ذلن ننقل للمتغير ‪ x22‬ونخصص ل قيمة تساو ‪ 15‬بعد ذلن‬
‫نخصص للمتغير ‪ x34‬والجدول اآلتي يلخص نذم الخطوات‪:‬‬

‫جدول رقم ‪4‬‬

‫‪5‬‬ ‫‪10‬‬ ‫‪15-10-00‬‬
‫‪5‬‬ ‫‪15‬‬ ‫‪5‬‬ ‫‪25-20-5-0‬‬
‫‪5‬‬ ‫‪5 0‬‬
‫‪5‬‬ ‫‪15‬‬ ‫‪15‬‬ ‫‪10‬‬
‫‪5‬‬ ‫‪5‬‬
‫‪0‬‬ ‫‪0‬‬

‫وبهذا يصبح عدد المتغيرات األساسية (الموجبة) التي تكون الحل األساسي االبتدائي‬
‫المقبول ستة متغيرات حسب القاعدة (‪ )m+n-1‬وني على الترتيبع‬
‫‪x1 1= 5x12 = 10x2 2=5x23 = 15x24 = 5 x34= 5‬‬

‫واعتماداع على نذم القيم تكون قيمة‬

‫‪126‬‬
 ‫‪x0= 5(10)+10(0)+5(7)+15(9)+5(20)+5(18)= 410‬‬
‫وأخي اعر البد من القول فتن طريقة الركن الشمالي الغربي تحقز العدد المناسب من‬
‫المتغيرات األساسية الموجبة (‪ )m+n-1‬ولكنها ال تستند على مبدأ علمي عند توزيم‬
‫الكميات المعروضة على مواقم الطلب وبهذا فهي لن تحقز التوزيم الكفؤ الذ‬
‫يخفض التكاليفع إضافة إلى إنها تتطلب حسابات تك اررية مطولة عند اختبار‬
‫‪ S.B.F.S.‬للحصول على الحل األمثلع‬

‫‪Least cost method‬‬ ‫‪ 2-4-5‬طريقة أقل كلفة‬

‫يتم توزيم الكميات المعروضة على المطلوبة حسب أقل كلفة نقل ممكنة يتطلب نذا‬
‫استعراض جدول التكاليف وتحديد أصغر كلفة نقل ممكنة عندئذ نخصص قيمة لهذا‬
‫المتغير على ضوء الكمية المعروضة في الصف والكمية المطلوبة في العمود (أ‬
‫الصف والعمود اللذان يحددان موقم نذا المتغير)ع‬
‫بعد ذلن نحدد أصغر كلفة ممكنة أخرى ونخصص قيمة لهذا المتغير ونكذا سنستمر‬
‫إلى أن يتم توزيم كافة الوحدات المعروضة على المطلوبةع‬
‫ويجب أن نالحظ إن عندما تتساوى أصغر كلفتين في الجدول فتن االختيار بينهما‬
‫يكون عشوائياعع وفيما يلي مثال توضيحي لهذم الطريقة‪:‬‬
‫مثال رقم (‪)2‬‬
‫استخراج الحل األساسي االبتدائي المقبول لنموذج النقل اآلتي حسب طريقة أقل كلفة‬
‫ممكنة‪:‬‬
‫‪Example2: Find the basic primary solution of Transportation‬‬
‫‪according to least cost method‬‬

‫جدول رقم ‪5‬‬

‫‪TO‬‬ ‫‪D1‬‬ ‫‪D2‬‬ ‫‪D3‬‬ ‫‪Supply‬‬

‫‪127‬‬
 ‫‪From‬‬
‫‪S1‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪6‬‬ ‫‪7‬‬
‫‪S2‬‬ ‫‪0‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪12‬‬
‫‪S3‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪5‬‬ ‫‪11‬‬
‫‪Demand‬‬ ‫‪10‬‬ ‫‪10‬‬ ‫‪10‬‬ ‫‪30‬‬

‫الحل‪ :‬نالحظ أوالع إن النموذج متوازن بعد استعراض جدول الكلف نجد إن (‪)c21=0‬‬
‫ني أصغر كلفة‪ -‬ممكنة لذلن سنخصص قيمة للمتغير‪( x21‬قيمة تساو ‪ b1‬ألن‬
‫‪ )b1<a2‬بعد حذف العمود األول ألن مجموعة أصبح صف اعر نجد إن أصغر كلفة‬
‫أخرى ني ‪ c32=1‬وعلي نخصص قيمة للمتغير ‪ x32‬قيمة للمتغير ‪( x23‬قيمة تساو‬
‫‪ 2‬ألن ‪ a2<b3‬وبعد تعديل مجموع العمود الثالذ نخصص قيمة للمتغير ‪( x33‬قيمة‬
‫=‪ )1‬وأخي اعر ستكون قيمة المتغير ‪ x13‬مساوية للوحدات السبعة المتبقية والجدول‬
‫التالي يلخص نذم الحساباتع‬
‫جدول رقم ‪6‬‬

‫‪1‬‬ ‫‪2‬‬ ‫‪7‬‬ ‫‪6‬‬

‫‪7 0‬‬
‫‪10‬‬ ‫‪0‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪12 2 0‬‬
‫‪3‬‬ ‫‪10‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪5‬‬
‫‪11 1 0‬‬
‫‪10‬‬ ‫‪10‬‬ ‫‪10‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪8‬‬
‫‪7‬‬
‫‪0‬‬
‫من الجدول رقم ‪ 6‬يتضح إن المتغيرات التي تكون ‪ S.B.F.S.‬ني‬

‫‪x13 =9 x21 =10 x23 =2 x32 =10 x33=1‬‬

‫وقيمة دالة الهدف ستكون‬

‫‪x0= 7(6)+10(0)+2(2)+10(1)+1(5)= 61 units‬‬

‫‪128‬‬
 ‫‪Vogel s Approximation Method‬‬ ‫‪ 3-4-5‬طريقة فوجل‬
‫والثانية‬ ‫األولى‬ ‫الطريقتين‬ ‫من‬ ‫أفضل‬ ‫فوجل‬ ‫طريقة‬ ‫تعتبر‬
‫(طريقة الركن الشمالي الغربي وطريقة أقل كلفة ممكنة) عند استخراج ‪ S.B.F.S‬لما‬
‫تميز ب نذم الطريقة من ميزات تمكننا من الحصول على الحل األمثل لنموذج النقل‬
‫بصورة مباشرة أو بعد تطبيز عدد صغير جداع من الدورات الخاصة بالحسابات‬
‫التك ارريةع‬
‫ونعرض فيما يلي الخطوات األساسي لهذم الطريقة‪:‬‬
‫‪ - 1‬حساب الفرق بين أصغر كلفتين من كل صف ومن كل عمود من جدول‬
‫التكاليف ويسمى نذا الفرق بكلمة الجزاء ‪Penalty cost‬ع‬
‫‪ -2‬نختار الفرق األكبر من بين تكاليف الجزاء للصفوف واألعمدة على السواء وفي‬
‫حالة تساو بعض الفروق نختار الصف أو العمود المناظر ألعلى فرق عشوائياعع‬
‫‪ -3‬بعد تحديد الصف أو العمود المناظر األكبر فرق نخصص قيمة للمتغير الذ‬
‫تكون كلفة نقل ما يمكن في ذلن الصف والعمود أو تكون الكمية المخصصة ني‬
‫أكبر كمية متاحة لتسديد حاجة الموقم المعنيع‬
‫‪ - 1‬نحذف الصف أو العمود الذ أصبح مجموعة صف اعر أ الذ تم تحقيق ع‬
‫‪ -2‬نكرر الخطوات األربعة أعالم ونستمر إلى أن نوزع جميم الوحدات المعروضة‬
‫على الوحدات المطلوبةع‬
‫وفيما يلي تطبيز لهذم الطريقة على المثال رقم ‪2‬ع‬
‫حيذ تم تخصيص أكبر كمية متوفرة في المصدر الثاني للمتغير ‪ x23‬بعد ذلن‬
‫نحذف العمود الثالذ ألن مجموعة أصبح صف اعرع‬
‫واآلن نكرر حساب الفروق للصفوف واألعمدة المتبقية ونختار الصف الثاني المقابل‬
‫ألكبر فرق ونو ‪ 4‬ونخصص قيمة للمتغير ‪ x21‬ونذا إلى أن نحصل على الحل‬
‫األساس االبتدائي المقبول بالرغم من إن استخراج ‪ S.B.F.S‬بطريقة فوجل يتطلب‬
‫في بداية األمر بعض الخطوات الحساسة لكن نذا ال يهم مادام يوفر لنا الحل‬
‫المطلوب والذ يحقز الحل األمثل بأقصر عدد ممكن من الخطوات الحسابيةع‬
‫ويتضح لنا من الجدول رقم ‪ 7‬إن الحل األساسي االبتدائي المقبول نو‪:‬‬

‫‪129‬‬
 ‫‪x11=7, x21=2, x31=1, x32=10‬‬

‫جدول رقم ‪7‬‬

‫‪T0‬‬ ‫كلفة الجزاء‬

‫‪From‬‬ ‫‪D1‬‬ ‫‪D2‬‬ ‫‪D3‬‬ ‫‪Supply‬‬
‫للصفو‬

‫‪S1 1‬‬ ‫‪2‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪111‬‬

‫‪7‬‬ ‫‪0‬‬
‫‪S2 0‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪24-‬‬
‫‪2‬‬ ‫‪10‬‬ ‫‪0‬‬
‫‪S3 3‬‬ ‫‪1‬‬ ‫‪5‬‬ ‫‪11‬‬ ‫‪222‬‬
‫‪1‬‬ ‫‪10‬‬ ‫‪1‬‬
‫‪10‬‬ ‫‪10‬‬ ‫‪10‬‬
‫‪8‬‬ ‫‪0‬‬ ‫‪10‬‬
‫‪demand‬‬
‫‪1‬‬ ‫‪0‬‬

‫كلف جزاء لالعمدة‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪3‬‬

‫‪1‬‬ ‫‪1‬‬ ‫‪-‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪-‬‬
‫‪Minz=7*(1)+2(0)+10(2)+0(7)+1(B)+10(1)=40‬‬

‫‪ 5-5‬اختيار الحل األساسي االبتدائي المقبول للحصول على الحل األمثل‬

‫‪Testing of S.B.F.S for optimal solution‬‬
‫تتكون الخطوة األساسية التالية بعد استخراج ‪ S.B.F.S‬في تحليالت نموذج النقل‬
‫تكون عندم قيمة دالة الكلفة‬ ‫من اختبار نذا الحل للحصول على الحل األمثل والذ‬
‫الكلية أقل ما يمكنع‬
‫سوف نستخدم فيما يلي طريقتان الختبار أمثلية ‪ S.B.F.S‬ونما‪:‬‬
‫‪ - 1‬طريقة المسار المتعرج ‪Stepping Stone Method‬‬
‫‪ - 2‬طريقة عوامل الضرب ‪Multipliers Method‬‬

‫‪130‬‬
 ‫‪Stepping Stone Method‬‬ ‫‪1 1-5-5‬طريقة المسار المتعرج‬
‫تلن التي تكون‬ ‫ذكرنا سابقاع إن عدد المربعات المشغولة في نموذج النقل (أ‬
‫‪ m+n-1‬وتسمى نذم المتغيرات بالمتغيرات األساسية أما‬ ‫‪ )S.B.F.S‬يساو‬
‫المربعات غير المشغولة تسمى بالمتغيرات غير األساسية ويتمثل الهدف الرئيس‬
‫لالختبار في دراسة تأثير المتغيرات الغير أساسية على قيمة دالة الهدف فيما لو‬
‫تحولت نذم المتغيرات إلى متغيرات أساسية وتتكون الخطوات األساسية لطريقة‬
‫المسار المتعرج من‪:‬‬
‫‪ -1‬تحديد المتغير الداخل ‪ Entering Variable‬من مجموعة المتغيرات الغير‬
‫أساسية والمتغير الخارج ‪ Leaving Variable‬من مجموعة المتغيرات التي تكون‬
‫‪ S.B.F.S‬من أجل تحديد المتغير الداخل نرسم مسار مغلز ‪ Closed loop‬لكل‬
‫متغير غير أساسيع يتكون المسار من مجموعة من قطم المستقيمات المتعاقبة‬
‫األفقية والعمودية (أو العمودية واألفقية) بحيذ تكون نهاية كل قطعة مستقيم بمتغير‬
‫أساسيع‬
‫وفيما يلي توضيح للمسارات بالنسبة للجدول ‪8‬‬
‫جدول رقم ‪8‬‬
‫‪11‬‬ ‫‪2‬‬ ‫‪6‬‬
‫‪7‬‬
‫‪0‬‬ ‫‪4‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪10‬‬
‫‪3‬‬ ‫‪1‬‬ ‫‪5‬‬
‫‪1‬‬ ‫‪10‬‬

‫المتغيرات غير األساسية‬ ‫المسارات المغلقة‬

‫‪x12 x12 x11x31x32x12‬‬
‫‪x13‬‬ ‫‪x13 x23x21x11x13‬‬
‫‪x22‬‬ ‫‪x22 x21x31x32x22‬‬
‫‪x33‬‬ ‫‪x33 x23x21x31x33‬‬

‫‪131‬‬
 ‫علماع إن نقطة بداية المسار يجب أن تكون مشابهة لنقطة النهايةع‬
‫‪2‬ع نحول قيمة المتغير الغير أساسي إلى قيمة موجبة تساو وحدة واحدة للحفاظ‬
‫على شرو الحل المقبول (‪ )Feasibility Conditions‬ويتم نذا التحويل بتعطاء‬
‫إشارات متعاقبة ( ‪ 1- + 1 -1‬ععع) للمتغيرات المكونة للمسارع فمثالع لو أخذنا‬
‫المتغير ‪ x12‬وجعلنا قيمة تساو ‪ 1‬بدالع من صفرع فتن نذا يتطلب لو أخذنا ‪x11‬‬
‫بمقدار وحدة واحدة كي نحافظ على مجموع الصف األول وكذلن زيادة قيمة المتغير‬
‫‪ x31‬بمقدار وحدة واحدة وبالتالي تقليص قيمة المتغير ‪ x32‬بمقدار وحدة واحد‬
‫وبالتالي تقليص قيمة المتغير ‪ x32‬بمقدار وحدة واحدة ونكذاع‬
‫‪3‬ع نفترض إن ‪ cij‬تمثل مقدار الزيادة الصافية أو النقصان في قيمة دالة الهدف‬
‫نتيجة تحويل المتغير الغير أساسي ‪ xij‬إلى متغير أساسي ولو طبقنا اإلشارات‬
‫المتعاقبة على المسارات المستخرجة من الجدول رقم ‪ 8‬نحصل على‪:‬‬
‫‪cˆ12  c12  c11  c31  c32‬‬
‫‪ 2 1 3 1  3‬‬
‫‪cˆ13  c13  c23  c21  c11‬‬
‫‪6  2  0 1  3‬‬
‫‪cˆ22  c22  c21  c31  c32‬‬
‫‪ 4  0  3 1  6‬‬
‫‪cˆ33  c33  c23  c21  c31‬‬
‫‪5  2  0  3  0‬‬
‫‪ 4‬ع إذا كانت جميم قيم ‪ ĉij  0‬فهذا يعني عدم إمكانية تقليص قيمة دالة الهدف‬
‫ويكون أل ‪ S.B.F.S‬نو األمثلع‬
‫‪5‬ع إذا احتوت قيم ‪ ĉ ij‬على قيم سالبة عندئذ نبدأ بتطبيز الحسابات التك اررية من‬
‫أجل تقليص قيمة دالة الهدف وتتضمن نذم الحسابات تحديد المتغير الداخل والخارج‬
‫ونستمر بتطبيز نذم الحسابات حتى يتحقز الحل األمثلع‬
‫وفيما يلي مثال توضيحي لما ذكر أعالم‪:‬‬

‫‪132‬‬
 ‫مثال رقم ‪3‬‬
‫استخرج الحل األمثل لنموذج النقل اآلتي (‪)m=3, n=2‬‬
‫‪Find the optimal solution (TP) if m=3, n=3‬‬
‫جدول رقم ‪9‬‬
‫‪5‬‬ ‫‪1‬‬ ‫‪8‬‬ ‫‪12‬‬

‫‪2‬‬ ‫‪4‬‬ ‫‪0‬‬ ‫‪14‬‬

‫‪3‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪4‬‬

‫‪9‬‬ ‫‪10‬‬ ‫‪11‬‬

‫الحل‪ :‬بعد التأكد من توازن الكميات المعروضة مم المطلوبة استخرجنا الحل‬

‫األساسي االبتدائي المقبول بتطبيز طريقة أقل كلفة ممكنةع وكما جاء موضح في‬
‫الجدول رقم ‪10‬ع‬
‫جدول رقم ‪10‬‬
‫‪5‬‬ ‫‪1‬‬ ‫‪8‬‬ ‫‪12‬‬
‫‪2‬‬ ‫‪10‬‬
‫‪2‬‬ ‫‪4‬‬ ‫‪0‬‬ ‫‪14‬‬
‫‪3‬‬ ‫‪11‬‬
‫‪3‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪4‬‬
‫‪4‬‬
‫‪9‬‬ ‫‪10‬‬ ‫‪11‬‬

‫اآلن نقوم باختيار ‪ S.B.F.S‬الموضح في الجدول رقم ‪ 10‬بطريز المسار المتعرج‬

‫‪x13 : x13  x11  x21‬‬
‫‪‬‬ ‫‪‬‬
‫‪ x23‬‬ ‫‪ x13‬‬
‫‪cˆ13  8  5  2  0  5‬‬
‫‪‬‬
‫‪x22 : x22‬‬ ‫‪ x12  x11  x21‬‬
‫‪‬‬
‫‪ x22‬‬
‫‪cˆ22  4  1  5  2  6‬‬

‫‪133‬‬
 ‫‪‬‬
‫‪x32 : x32‬‬ ‫‪ x12  x11  x31‬‬
‫‪‬‬
‫‪ x32‬‬
‫‪cˆ32  6  1  5  3  7‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪x33 : x33‬‬ ‫‪ x31‬‬ ‫‪ x21‬‬ ‫‪ x23‬‬ ‫‪ x13‬‬
‫‪cˆ13  7  3  2  0  6‬‬

‫إن جميم قيم ̂‪ c‬موجبة إذ عن الحل المستخرج في الجدول رقم ‪ 10‬يمثل الحل‬
‫‪ij‬‬

‫األمثل الذ تكون عندم قيمة دالة الهدف أقل ما يمكن‬

‫‪x0= 2(5)+10(1)+3(2)+11(0)+4(3)= 38‬‬
‫مثال رقم ‪4‬‬
‫نكرر حل المثال رقم ‪ 3‬وذلن بعد استخراج الحل األساسي االبتدائي المقبول طريقة‬
‫الركن الشمالي الغربي وكما نو موضح في الجدول رقم ‪11‬ع‬
‫جدول رقم ‪11‬‬
‫‪5‬‬ ‫‪1‬‬ ‫‪8‬‬ ‫‪12‬‬
‫‪9‬‬ ‫‪3‬‬
‫‪2‬‬ ‫‪4‬‬ ‫‪0‬‬ ‫‪14‬‬
‫‪7‬‬ ‫‪7‬‬
‫‪3‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪4‬‬
‫‪4‬‬
‫‪3‬‬ ‫‪10‬‬ ‫‪11‬‬

‫نختبر ‪ S.B.F.S‬بطريز المسار المتعرج‬

‫‪x13 : x13  x23‬‬
‫‪‬‬
‫‪ x22‬‬‫‪‬‬
‫‪ x12  x13‬‬
‫‪cˆ13  8  0  4  1  11‬‬
‫‪‬‬
‫‪x21 : x21‬‬ ‫‪ x11  x12  x22‬‬
‫‪‬‬
‫‪ x21‬‬
‫‪ cˆ21  2  5  1  4  6‬‬
‫‪‬‬
‫‪x31 : x31‬‬ ‫‪ x11  x12  x22‬‬‫‪‬‬
‫‪ x  23  x33‬‬
‫‪‬‬
‫‪ x31‬‬
‫‪cˆ31  3  5  1  4  0  7  12‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪x32 : x32‬‬ ‫‪ x33‬‬ ‫‪ x23‬‬ ‫‪ x22‬‬ ‫‪ x32‬‬
‫‪cˆ32  6  7  0  4  5‬‬

‫‪134‬‬
‫̂‪ c‬سالبة وعلي فتن لكل من المتغيرات ‪x32,‬‬ ‫بما إن قيم لكل من ‪ĉ31 ĉ21‬‬
‫‪32‬‬

‫‪ x31,x23‬يمثل المتغيرات الداخلة وكقاعدة عامة نختار المتغير الذ ل أكبر معامل‬

‫المتغير ‪ x31‬ألن ( ‪ ) cˆ  -12‬كي يمثل المتغير الداخل‬ ‫بتشارة سالبة أ‬

‫‪31‬‬

‫‪ Entering Variable‬مما يتطلب بالمقابل تحديد المتغير الخارج من مجموعة‬

‫المتغيرات األساسية الموجودة في الجدول رقم ‪11‬ع‬
‫يحدد المتغير الخارج من مسار المتغير الداخل باعتبارم أول متغير تصل قيمت إلى‬
‫الضوء ولو أمنعنا النظر في مسار المتغير ‪ x31‬نالحظ‬
‫‪‬‬
‫‪x31 : x31‬‬ ‫‪ x11  x12  x22‬‬
‫‪‬‬
‫‪ x  23  x33‬‬
‫‪‬‬
‫‪ x31‬‬
‫‪     ‬‬
‫‪9‬‬ ‫‪7‬‬ ‫‪4‬‬
‫ل أقل قيمة عند‬ ‫إن المتغير الذ‬ ‫وعلي فتن المتغير ‪ x33‬يمثل المتغير الخارج (أ‬
‫الزوايا السالبة يمثل المتغير الخارج كما نو الحال في طريقة السمبلكس حيذ‬
‫(المتغير الخارج يناظر أقل نسبة)ع‬
‫عندئذ نقوم بتغير قيمة ‪ x31‬من صفر إلى القيمة الموجبة ‪ 4‬والجدول التالي يمثل‬
‫المرحلة األولى من الحسابات التك اررية‪:‬‬
‫جدول رقم ‪12‬‬
‫‪9‬‬ ‫‪1‬‬ ‫‪8‬‬
‫‪5‬‬ ‫‪7‬‬
‫‪2‬‬ ‫‪4‬‬ ‫‪0‬‬
‫‪3‬‬ ‫‪11‬‬
‫‪3‬‬ ‫‪6‬‬ ‫‪7‬‬
‫‪4‬‬

‫نستخرج فيما يلي قيم ̂‪ c‬لكل متغير من المتغيرات الغير أساسية الموضحة في‬
‫‪ij‬‬

‫الجدول رقم ‪12‬ع‬

‫‪135‬‬
‫‪cˆ13  8  1  4  0  11‬‬

‫‪cˆ21  2  9  1  4  10‬‬

‫‪cˆ32  6  3  9  1  11‬‬

‫‪cˆ33  7  0  4  1  9  3  16‬‬
‫في المرحلة الثانية من الحسابات التك اررية نختار المتغير ‪ x21‬كي يمثل المتغير‬
‫إلى تقليص قيمة دالة الهدف‬ ‫الداخل ألن زيادة قيمت بمقدار وحدة واحدة يؤد‬

‫بمقدار عشرة وحدات ( ‪) ĉ = - 10‬ع أما المتغير الخارج فيحدد من مسار المتغير‬
‫‪21‬‬
‫‪x21‬‬
‫‪‬‬
‫‪x21 : x21‬‬ ‫‪ x11  x12  x22‬‬‫‪‬‬
‫‪ x21‬‬
‫‪5‬‬ ‫‪3‬‬
‫وبناء علي يمثل المتغير ‪ x22‬المتغير الخارج والجدول رقم ‪ 13‬يمثل المرحلة الثانية‬
‫من الحسابات التك ارريةع‬

‫نكرر االختبار مرة أخرى إلى أن تصبح جميم قيم ̂‪ c‬موجبة أو أصغر من تحديد‬
‫‪ij‬‬

‫المساراتع توصلنا إلى قيم ‪ĉij‬‬

‫‪cˆ13  8  9  2  0  1‬‬

‫‪cˆ22  4  1  9  2  10‬‬

‫‪cˆ32  6  1  9  3  11‬‬

‫‪136‬‬
‫‪cˆ33  7  0  2  3  6‬‬
‫جدول رقم ‪13‬‬
‫‪9‬‬ ‫‪1‬‬ ‫‪8‬‬ ‫‪12‬‬
‫‪2‬‬ ‫‪10‬‬
‫‪2‬‬ ‫‪4‬‬ ‫‪0‬‬ ‫‪14‬‬
‫‪3‬‬ ‫‪11‬‬
‫‪3‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪4‬‬
‫‪4‬‬
‫‪3‬‬ ‫‪10‬‬ ‫‪11‬‬

‫بعد أن أصبحت جميم قيم ̂‪ c‬موجبةع نتوقف عن الحسابات التك اررية ليس من‬
‫‪ij‬‬

‫الممكن تقليص قيمة دالة وعلي تكون القيم المثلى للمتغيرات ني‪:‬‬
‫‪x11=2x12=10x21=3x23=11x31=4‬‬
‫وقيمة ‪ x0‬المثلى‪:‬‬
‫‪x0= 2(9)+10(1)+3(2)+11(0)+4(3)= 46 unels‬‬

‫‪Multipliers Method‬‬ ‫‪ 2-5-5‬طريقة عوامل الضرب‬

‫تعتمد نذم طريقة على الحسابات التك اررية ولكنها تختلف عن طريقة المسار المتعرج‬
‫في طريقة تقييم كل متغير من المتغيرات الغير أساسية من ناحية تأثيرم على دالة‬
‫الهدف إن تطور نذم الطريقة يستند في األساس على نظرية النموذج المقابل ( ‪Dual‬‬
‫‪ )theory‬المستخدمة في البرمجة الخطية والتي تطرقنا إليها في الفصل الثالذ‬
‫وسوف نبين فيما يلي الخطوات األساسية لطريقة عوامل الضرب ثم نوضحها بعد‬
‫ذلن باألمثلة‪:‬‬
‫‪ .1‬بعد استخراج أل ‪ S.B.F.S‬نعرف عوامل الضرب للصفوف بالمتغير ‪ ui‬حيذ‬
‫(‪)i=1,2,…,m‬‬
‫ولألعمدة بالمتغير ‪ vj‬حيذ (‪)j= 1,2,…n‬‬
‫‪. . 2‬لكل متغير من المتغيرات األساسية التي تكون أل ‪S.B.F.S‬‬

‫‪137‬‬
 ‫نكتب المعادلة التالية ‪ui+vj=cij‬‬
‫وسيكون عدد نذم المعادالت في الواقم =‪m+n-1‬‬
‫نستخرج قيم ‪ vj, ui‬من حل المعادالت المستخدمة في الخطوة الثانية يتم حلها‬
‫بتعطاء قيمة افتراضية ألحد نذم العوامل وللسهولة تعطى قيمة صفر للعامل ‪ ui‬ثم‬
‫نستخرج قيم للعوامل الباقية من التعويض المباشرع‬
‫نستخدم قيم عوامل الضرب ‪ vj, ui‬الختبار تأثير المتغيرات الغير أساسية على قيمة‬
‫دالة الهدف فيما حولت نذم المتغيرات إلى متغيرات أساسية مما يتطلب استخراج قيم‬
‫التي تمثل الزيادة الصافية أو النقصان لكل متغير غير أساس حيذ إن‪:‬‬
‫‪cˆij  cij  vi  u j‬‬

‫فتذا كانت جميم قيم ̂‪ c‬موجبة أو صفر عندئذ نتوقف عن الحسابات التك اررية‬
‫‪ij‬‬

‫ويكون أل ‪ S.B.F.S‬نو الحل األمثلع أما إذا احتوت قيم‪ ĉ :‬على قيم سالبة‬
‫‪ij‬‬

‫عندئذ نحدد المتغير الداخل والخارج وسنستمر باستخدام الخطوات المطبقة في طريقة‬
‫المسار المتعرجع‬
‫مثال رقم(‪)5‬‬
‫استخرج الحل األمثل للنموذج النقل اآلتي‪:‬‬
‫)‪Ex (5) Find the optimal solution to (TP‬‬
‫جدول رقم ‪14‬‬
‫‪0‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪8‬‬

‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬

‫‪1‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪6‬‬

‫‪7‬‬ ‫‪6‬‬ ‫‪6‬‬

‫‪138‬‬
‫الحل‪ :‬نستخرج أل ‪ S.B.F.S‬مباشرة باستخدام طريقة أقل كلفة ممكنة النموذج‬
‫متوازنع‬
‫نالحظ إن من الجدول رقم ‪ 14‬إن كل من ‪ c33=0 c11=0‬لذلن نخصص للمتغير‬
‫‪ x11‬أو ‪ x33‬ولو أخذنا المتغير ‪ x11‬نحصل على الحل الموضح في الجدير ان‬
‫يوضح أل ‪ S.B.F.S‬وقد اعتبر المتغير‪ x13‬متغير أساسي‬ ‫جدول رقم ‪ 14‬الذ‬
‫بقيمة تساو صفر كي نحقز عدد المتغيرات األساسية والذ يساو ‪m+n-1‬‬
‫جدول رقم ‪15‬‬
‫‪0‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪8‬‬
‫‪7‬‬ ‫‪1‬‬ ‫‪0‬‬
‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬

‫‪1‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪6‬‬

‫‪7‬‬ ‫‪6‬‬ ‫‪6‬‬

‫الخطوة التالية تتمثل في اختبار الحل األساسي االبتدائي المقبول المعطى في‬
‫الجدول رقم ‪ 15‬باستخدام طريقة عوامل الضرب نعرف عوامل الضرب للصفوف‬
‫ب ‪ u3,u2,u1‬على الترتيب ولألعمدة ب ‪ v3,v2,v1‬ثم نكتب مجموعة المعادالت‬
‫الخاصة بالمتغيرات األساسية وني‪:‬‬
‫‪c11=u1+v10 = u1+v1…1‬‬
‫‪c12=u1+v24 = u1+v2…2‬‬
‫‪c13=u1+v32 = u1+v3…3‬‬
‫‪c22=u2+v23 = u2+v2…4‬‬
‫‪c33=u3+v30 = u3+v3…5‬‬

‫نحلل المعادالت نذم لتحديد قيم (‪ )u3,u2,u1‬و (‪)v3,v2,v1‬‬

‫نفرض إن ‪ u1=0‬من نذا ينت‬
‫‪v3=2 v2= 4 v1=0 u2=-1 u3=-2‬‬

‫‪139‬‬
 ‫أما الخطوة الرئيسية التالية بعد تحديد قيم العوامل فهي استخراج قيم ̂‪ c‬لكل‬
‫‪ij‬‬

‫المتغيرات الغير أساسية والموجودة في الجدول ‪ 15‬وكما يلي‪:‬‬

‫‪cˆ21  c21  u 2  v1‬‬
‫‪ 2  (1)  0  3‬‬
‫‪cˆ23  c23  u2  v3‬‬
‫‪ 4  (1)  2  3‬‬
‫‪cˆ31  c31  u3  v1‬‬
‫‪ 1  (2)  0  3‬‬
‫‪cˆ32  c32  u3  v2‬‬
‫‪ 2  (2)  4  0‬‬

‫الجدول التالي يلخص المعلومات المذكورة أعالم‬

‫جدول ‪16‬‬
‫‪v 1= 0‬‬ ‫‪v 2= 4‬‬ ‫‪v3= 2‬‬
‫‪u1= 0‬‬ ‫‪0‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪8‬‬
‫‪7‬‬ ‫‪1‬‬ ‫‪0‬‬
‫‪u2= -1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬
‫‪3‬‬ ‫‪5‬‬ ‫‪3‬‬
‫‪u3= -2‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪6‬‬
‫‪3‬‬ ‫‪0‬‬ ‫‪6‬‬
‫‪7‬‬ ‫‪6‬‬ ‫‪6‬‬

‫إن جميم قيم مثلى ‪  ĉ  0‬الحل المستخرج في الجدول رقم ‪ 16‬يمثل الحل‬
‫‪ij‬‬

‫أما قيمة دالة الهدف فتساو‬

‫‪x0= 7(7)+1 (4)+5(3)+6(0)= 19‬‬

‫‪140‬‬
 ‫تمارين وامثلة محلولة‬
‫‪1‬ع استخرج الحل األمثل لنمو النقل الغير المتوازنة اآلتية‪:‬‬
‫‪Find the optional solution to (TP) un Balancing‬‬

‫‪TO‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪Supply‬‬

‫‪From‬‬

‫‪5‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪20‬‬

‫‪3‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪10‬‬
‫‪7‬‬ ‫‪5‬‬ ‫‪2‬‬ ‫‪15‬‬
‫‪9‬‬ ‫‪6‬‬ ‫‪0‬‬ ‫‪15‬‬
‫‪demand‬‬ ‫‪5‬‬ ‫‪10‬‬ ‫‪15‬‬

‫مجموع الكمية المعروضة تساو ‪20+10+15+15= 60‬‬

‫الكمية المطلوبة تساو ‪5+10+15= 30‬‬
‫نضيف موقم ونمي يعمل على امتصاص الكمية المعروضة الفائضة والتي مقدارنا‬
‫(‪ )60-30‬وحدة أما التكاليف النقل من المصادر المختلفة إلى الموقم الونمي صفر‬
‫جدول ( ‪)17‬‬
‫‪TO‬‬ ‫‪Supply‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬
‫‪From‬‬
‫‪5‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪20‬‬
‫‪3‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪0‬‬ ‫‪10‬‬
‫‪7‬‬ ‫‪5‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪15‬‬
‫‪9‬‬ ‫‪6‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪15‬‬
‫‪demand‬‬ ‫‪5‬‬ ‫‪10‬‬ ‫‪15‬‬ ‫‪30‬‬

‫نستخرج أل ‪ S.B.F.S‬باستخدام طريقة فوجل‬

‫‪141‬‬
 )18( ‫جدول‬

Rows Penalties
Columns Denatties 5 1 0 0 20 0 0 0 0
10 0 10
3 2 4 0 0
5 5 10 2 2 2 -
5 0

7 5 2 0 15 2 - - -
15 0
9 6 0 0 15 0 0 0 0
5 10 0
5 10 15 30

0 0 5 30 25

2 1 0 0

2 1 0 0

- 1 0 0

- 5 0 0

142
 ‫جدول رقم ‪19‬‬

‫‪5‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪20‬‬

‫‪10‬‬ ‫‪10‬‬
‫‪3‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪0‬‬ ‫‪10‬‬
‫‪5‬‬ ‫‪5‬‬
‫‪7‬‬ ‫‪5‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪15‬‬
‫‪15‬‬
‫‪9‬‬ ‫‪6‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪15‬‬
‫‪5‬‬ ‫‪10‬‬
‫‪5‬‬ ‫‪10‬‬ ‫‪15‬‬ ‫‪30‬‬

‫نختبر أل ‪ S.B.F.S‬الموضح في الجدول (‪ )19‬بتطبيز طريقة عوامل‬

‫‪v1= 3‬‬ ‫‪v 2= 1‬‬ ‫‪v 3= 0‬‬ ‫‪v4= 0‬‬

‫‪u1= 0‬‬ ‫‪5‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬

‫‪u2= 0‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪0‬‬

‫‪u3= 0‬‬ ‫‪7‬‬ ‫‪5‬‬ ‫‪2‬‬ ‫‪0‬‬

‫‪u2= 0‬‬ ‫‪9‬‬ ‫‪6‬‬ ‫‪0‬‬ ‫‪0‬‬

‫بعد حساب قيم ‪ vj, ui‬من حل المعادالت التالية‬

‫‪143‬‬
‫)‪u1+v2= 1 ……… (1‬‬
‫)‪u1+v3= 0 ……… (2‬‬
‫)‪u2+v4= 0 ……… (3‬‬
‫)‪u3+v4= 0 ……… (4‬‬
‫)‪u4+v3= 0 ……… (5‬‬
‫)‪u4+v4= 0 ……… (6‬‬
‫)‪u2+v1= 3 ……… (7‬‬

‫نالحظ إن جميم قيم ̂‪ c‬موجبة مما‬ ‫واستخرج قيم ̂‪ c‬الموضحة في الجدول ‪19‬‬
‫‪ij‬‬ ‫‪ij‬‬

‫يدل على عدم إمكانية تطوير دالة الهدف وبهذا يكون أل ‪ S.B.F.S‬نو الحل‬
‫األمثل‬

‫‪Assignment Problem‬‬ ‫‪ 6-5‬مشكلة التخصيص‪:‬‬

‫تواج اإلدارة مشكلة التخلي عن منت معين واحالل منت آخر محل ع وان ننا القرار‬
‫يتطلب أن يؤخذ في االعتبار تكاليف الفرصع إن اتخاذ إجراء يعني عدم اتخاذ‬
‫اإلجراء اآلخرع لذا فتن الهدف نو تخصيص األعمال على اآلالت أو تخصيص‬
‫الموظفين على األعمال المختلفة أو تخصيص البائعين على مناطز البيمع‬
‫لتخصيص إجمالي التكاليف ونذا ينخفض من جدول إجمالي تكاليف الفرص‬
‫‪ Opportunity costs.‬لنفرض إن لدينا حالة تخصيص ‪ m‬من األعمال على ‪n‬‬
‫من اآلالت بضمنها تكاليف الفرص حيذ‬
‫العمل‪A job= i= 1,2,…,m‬‬
‫الماكنة‪a machine= j= 1,2,…,n‬‬
‫والهدف نو تخصيص العمل على اآللة ‪( j‬عمل واحد لكل ماكنة) ‪one job per‬‬
‫‪( machine‬تخصيص المعقول) بحيذ إجمالي التكاليف تصبح أقل ما يمكن (الربح‬
‫الكلي يصبح أكبر ما يمكن)ع‬

‫‪144‬‬
‫إن مشكلة التخصيص ني حالة خاصة من مشكلة النقل حيذ األعمال ننا تمثل‬
‫المناشيء في مشكلة النقل واآلالت ننا تمثل المخازن أو االتجانات في مشكلة‬
‫النقلع‬
‫إن ‪ai= 1‬‬ ‫عند المنشأ ‪ i‬في مشكلة التخصيص يساو واحد أ‬ ‫كما إن المتا‬
‫لجميم قيم ‪ i‬والمطلوب عند االتجام أو المخزن ‪ j‬في مشكلة التخصيص أيضاع يساو‬
‫واحد أ إن ‪ bj=1‬لجميم قيم ‪j‬ع‬
‫ولتوضيح مشكلة التخصيص نعطي الجدول اآلتي‪:‬‬
‫اآللة‬ ‫‪1‬‬ ‫‪2‬‬ ‫…‬ ‫‪n‬‬
‫العمل‬
‫‪1‬‬ ‫‪c11‬‬ ‫‪c12‬‬ ‫…‬ ‫‪c1n‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪c12‬‬ ‫‪c22‬‬ ‫…‬ ‫‪c2n‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪‬‬
‫‪m‬‬ ‫‪cm1‬‬ ‫‪cm2‬‬ ‫…‬ ‫‪cmn‬‬ ‫‪1‬‬
‫‪1‬‬ ‫‪1‬‬ ‫…‬ ‫‪1‬‬

‫لذا فتن من الضرور قبل حل مشكلة التخصيص البد أن يكون عدد األعمال= عدد‬
‫‪ m=n‬ومن ذلن فتن ننان !‪ n‬من التراتيب الممكنة لعمل مصفوفة‬ ‫اآلالت أ‬
‫التخصيصع‬
‫‪ 1-6-5‬تعريف نموذج التخصيص‪:‬‬
‫‪Identifying Specialization Model‬‬
‫يمكن تعريف نموذج التخصيص كاآلتي‪:‬‬
‫التكاليف‬ ‫مصفوفة‬ ‫وتمثل‬ ‫‪mn‬‬ ‫مرتبة‬ ‫من‬ ‫مصفوفة‬ ‫المعطى‪:‬‬
‫‪ c 0  ((cij‬حيذ ‪ cij  0‬وان ‪n  3‬ع‬
‫) ‪(0‬‬
‫))‬
‫اإليجاد‪ :‬مصفوفة من مرتبة ‪ mn‬وتمثل مصفوفة التكاليف ))‪ x = ((xij‬ولذلن فتن‬
‫النموذج سيكون كاآلتي‪:‬‬
‫دالة الهدف‬

‫‪145‬‬
 ‫‪m‬‬ ‫‪n‬‬
‫) ‪Min (or Max) x0   xij cij( 0‬‬
‫‪i 1 j 1‬‬

‫‪s. to :‬‬
‫‪xij  xij2‬‬
‫‪m‬‬

‫‪x‬‬
‫‪i 1‬‬
‫‪ij‬‬ ‫‪1‬‬
‫‪n‬‬

‫‪x‬‬
‫‪j 1‬‬
‫‪ij‬‬ ‫‪1‬‬

‫‪xij 1 or xij  0‬‬

‫ومن ذلن يتبين بأن‪:‬‬
‫أع عندما يتم تخصيص العمل ‪ I‬على اآللة ‪-j‬‬
‫عندما ال يتم العمل على اآللة ‪-j‬‬
‫بع العنصر في كل صف أو كل عمود نو الواحد‬
‫‪1‬‬
‫‪xij  ‬‬
‫‪0‬‬
‫مثال (‪)1‬‬
‫في شركة معينة يوجد ثالثة أعمال يمكن تشغيلها على ثالذ آالتع وكل عمل يمكن‬
‫تشغيل على آلة واحدة فقط وتكلفة تشغيل أ عمل على كل آلة بالدينار موضح في‬
‫الجدول التاليع أوجد التخصيص الذ يعطي أقل تكلفةع‬
‫الحل‪ :‬عدد التراتيب الممكنة لعمل التخصيص ‪n!= 3!= 3.2.1= 6‬‬
‫جدول رقم (‪)1‬‬
‫اآللة‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬
‫العمل‬
‫‪1‬‬ ‫‪5‬‬ ‫‪7‬‬ ‫‪9‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪14‬‬ ‫‪10‬‬ ‫‪12‬‬ ‫‪1‬‬
‫‪3‬‬ ‫‪15‬‬ ‫‪13‬‬ ‫‪16‬‬ ‫‪1‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬

‫‪146‬‬
 ‫جدول رقم(‪)2‬‬
‫اآللة‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬
‫العمل‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪3‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪X0= 15+10+16= 31‬‬
‫جدول رقم(‪)3‬‬
‫اآللة‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬
‫العمل‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪3‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪X0=9+10+15= 34‬‬

‫مثال (‪:)2‬‬
‫استخدم المثال السابز إليجاد مصفوفة التخصيص التي تعطي أقل تكلفةع‬
‫‪Example 2 : Use the former example to find the specialization‬‬
‫‪matrix which is gave the less cost‬‬

‫جدول رقم(‪)4‬‬
‫اآللة‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬
‫العمل‬
‫‪P 1= 5‬‬
‫‪1‬‬ ‫‪5‬‬ ‫‪7‬‬ ‫‪9‬‬

‫‪P2= 10‬‬
‫‪2‬‬ ‫‪14‬‬ ‫‪10‬‬ ‫‪12‬‬

‫‪P3= 13‬‬
‫‪3‬‬ ‫‪15‬‬ ‫‪13‬‬ ‫‪16‬‬

‫‪147‬‬
‫مالحظة‪ :‬في حالة عدم وجود صفر على األقل صفر واحد في أحد األعمدة نعيد‬
‫الخطوة األولى ولكن االختيار يتهم من األعمدةع‬
‫جدول رقم(‪)5‬‬
‫اآللة‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬
‫العمل‬
‫‪1‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬
‫‪2‬‬ ‫‪4‬‬ ‫‪0‬‬ ‫‪2‬‬
‫‪3‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪3‬‬
‫‪q1= 0‬‬ ‫‪q2=0‬‬ ‫‪q3=2‬‬

‫جدول رقم(‪)6‬‬

‫اآللة‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬

‫العمل‬
‫‪1‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪4‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪3‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪1‬‬
‫لآللة ‪ 1‬العمل ‪ 2‬لآللة ‪ 3‬العمل ‪ 3‬لآللة ‪2‬ع‬ ‫نخصص العمل ‪1‬‬
‫إجمالي التكاليف ‪x0= 5+12+13= 30‬‬
‫جدول رقم(‪) 7‬‬
‫اآللة‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬
‫العمل‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪3‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬

‫‪x0=7+14+16= 37‬‬

‫‪148‬‬
 ‫جدول رقم(‪)8‬‬

‫اآللة‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬

‫العمل‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪3‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬

‫‪x0=5+12+15= 30‬‬
‫‪x0=9+14+13= 36‬‬

‫جدول رقم(‪)9‬‬

‫اآللة‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬

‫العمل‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪3‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬

‫‪x0=7+12+15= 34‬‬

‫يعطي أقل كلفة (‪ )x0= 30‬نو إن‬ ‫من نذا يتبين بأن التخصيص األمثل الذ‬
‫نخصص العمل لآللة‪1‬ع والعمل ‪ 2‬لآللة ‪ 3‬والعمل ‪ 3‬لآللة ‪1‬ع‬

‫‪ 2-6-5‬الطريقة البديلة لطريقة الترتيب‬

‫‪Replaced method for arranging method‬‬
‫في نذم الطريقة نرغب في عمل أفضل تخصيص يمكن لألعمال على اآلالت نتمكن‬
‫بواسطة الحصول على إجمالي تكاليف فرص يساو الصفر أ إن أفضل تخصيص‬
‫لعمل على آلة نو الذ يتضمن تكلفة فرصة تساو الصفرع‬

‫‪149‬‬
 ‫ويمكن تلخيص خطوات نذم الطريقة بالشكل اآلتي‪:‬‬
‫‪1‬ع تحديد جدول تكاليف الفرصع‬
‫أع نختار أصغر قيمة في كل صف ‪ pi‬أو من كل عمود ‪qi‬ع‬
‫بع نكون مصفوفة جديدة ‪ c1‬وذلن بطر القيمة الصغيرة من القيم المناظرة لها في‬
‫الصفوف أو األعمدةع‬
‫‪1‬ع إن المصفوفة ‪ c1‬يجب أن تحتو على األقل عنصر واحد يساو صفر في كل‬
‫عمود (مربم يحتو على الصفر)ع‬
‫‪2‬ع تحديد ما إذا كان ننان تخصيص أمثلع والطريقة ني أن ترسم أقل عدد من‬
‫الخطوغ المستقيمة (عمودياع وأفقياع) خالل جدول إجمالي تكاليف الفرص لتغطية‬
‫جميم مربعات الصفرع ويمكن الوصول إلى التخفيض األمثل إذا كان عدد‬
‫الخطوغ أقل من عدد الصفوف أو األعمدة ففي نذم الحالة ال يمكن عمل‬
‫تخصيص أمثلع‬
‫‪3‬ع يراجم جدول إجمالي تكاليف الفرصع‬
‫أع نختار أصغر رقم في الجدول لم يمر علي خطع ونطر نذا الرقم من كل األعداد‬
‫التي لم تمر عليها خطع‬
‫بع نجمم الرقم الصغير مم األعداد الواقعة عند تقاطم أ خطينع‬
‫‪4‬ع نكرر الخطوة (‪ )2‬للحصول على التخصيص األمثلع‬

‫مثال (‪:)3‬‬
‫في شركة معينة يوجد ثالثة أعمال (‪ ) A,B,C‬يمكن تشغيلها على ثالذ آالت‬
‫عمل‬ ‫(‪ ) D,E,F‬وكل عمل يمكن تشغيل على آلة واحدة فقط وتكلفة تشغيل أ‬
‫يعطي أقل‬ ‫على كل آلة بالدينار موضح في الجدول التاليع أوجد التخصيص الذ‬
‫تكلفةع‬

‫‪150‬‬
EX(3): In a certain company there are three acts (a, b, c) can run on three
machines (d, e, f), and every work can be run on one machine only, and
the cost of running any action on the each machine dinar as shown in the
following table. Find the specialization that gives less expensive.

)10 ( ‫جدول رقم‬

‫اآللة‬ D E F
‫العمل‬
A 25 31 35 P1=25
B 15 23 24 P2= 15

C 22 19 17 P3= 17

q1= 15 q2= 19 q3= 17

) 11(‫جدول رقم‬

‫اآللة‬ D E F
‫العمل‬
A 10 12 18 P1= 10

B 0 1 7 P2= 0

C 7 0 0 P3= 0

7 0 0 P4= 0

‫إلى‬ ‫ننا بأن التخصيص األمثل غير ممكن (التخصيص غير معقول) األمر الذ‬
‫رسم الخطوغ لتغطية كل مربعات الصفر‬

151
 ‫جدول رقم( ‪)12‬‬
‫اآللة‬ ‫‪D‬‬ ‫‪E‬‬ ‫‪F‬‬
‫العمل‬
‫‪A‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪8‬‬
‫‪B‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪7‬‬
‫‪C‬‬ ‫‪7‬‬ ‫‪0‬‬ ‫‪0‬‬

‫إن طريقة الوصول إلى التخصيص األمثل كاآلتي‪:‬‬

‫أع نختار أصغر رقم في الجدول لم يمر علي خط ونذا الرقم نو ‪ 1‬نطر نذا الرقم‬
‫من كل األعداد التي لم يمر عليها خطع‬
‫بع نجمم الرقم ‪ 1‬مم األعداد الواقعة عند تقاطم الخطينع والجدول التالي يوضح‬
‫ذلنع‬
‫جدول رقم(‪)13‬‬
‫اآللة‬ ‫‪D‬‬ ‫‪E‬‬ ‫‪F‬‬
‫العمل‬
‫‪A‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪7‬‬
‫‪B‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪6‬‬
‫‪C‬‬ ‫‪8‬‬ ‫‪0‬‬ ‫‪0‬‬
‫في نذم الحالة فتن التخصيص األمثل نو‪:‬‬
‫العمل ‪ A‬لآللة ‪D‬‬
‫العمل ‪ B‬لآللة ‪E‬ا‬
‫العمل ‪ C‬لآللة ‪F‬‬
‫إجمالي التكاليف‬
‫‪X0= 25+20+17= 62‬‬
‫مالحظة‪:‬‬
‫إذا كان الهدف نو تعظيم الربح فتننا نختار أكبر قيمة في الجدول ونطر جميم قيم‬
‫الجدول منهاع )‪cis( 0)  Maxcij( 0)  cij( 0‬‬

‫‪152‬‬
 ‫أما بقية الخطوات فهي نفسها كما لو كان الهدف نو تخصيص التكاليفع‬

‫مثال (‪:) 4‬‬

‫دعنا نرى التخصيص التالي‪:‬‬
‫جدول رقم( ‪)14‬‬
‫منطقة البيع‬ ‫‪a‬‬ ‫‪b‬‬ ‫‪c‬‬ ‫‪D‬‬
‫البائع‬
‫‪X‬‬ ‫‪1‬‬ ‫‪8‬‬ ‫‪1‬‬
‫‪Y‬‬ ‫‪5‬‬ ‫‪7‬‬ ‫‪4‬‬
‫‪Z‬‬ ‫‪3‬‬ ‫‪5‬‬ ‫‪2‬‬
‫‪W‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪3‬‬

‫نالحظ أكبر قيمة من الجدول ‪ Max=8‬نطر جميم قيم الجدول من الرقم‬

‫جدول رقم(‪) 15‬‬
‫منطقةالبيع‬ ‫‪a‬‬ ‫‪b‬‬ ‫‪c‬‬ ‫‪d‬‬
‫البائع‬
‫‪X‬‬ ‫‪7‬‬ ‫‪0‬‬ ‫‪4‬‬ ‫‪7‬‬ ‫‪P1= 0‬‬

‫‪Y‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪P2= 1‬‬

‫‪Z‬‬ ‫‪5‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪6‬‬ ‫‪P3= 3‬‬

‫‪W‬‬ ‫‪5‬‬ ‫‪7‬‬ ‫‪2‬‬ ‫‪5‬‬ ‫‪P4= 2‬‬

‫‪153‬‬
 ‫جدول رقم (‪) 16‬‬

‫منطقة البيع‬ ‫‪a‬‬ ‫‪b‬‬ ‫‪c‬‬ ‫‪d‬‬

‫البائع‬
‫‪X‬‬ ‫‪7‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪7‬‬
‫‪Y‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪Z‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪3‬‬
‫‪W‬‬ ‫‪3‬‬ ‫‪5‬‬ ‫‪0‬‬ ‫‪3‬‬
‫‪q1= 2‬‬ ‫‪q2= 0‬‬ ‫‪q3 = 0‬‬ ‫‪q4= 2‬‬

‫جدول رقم (‪)17‬‬

‫منطقة البيع‬ ‫‪a‬‬ ‫‪b‬‬ ‫‪c‬‬ ‫‪d‬‬

‫البائع‬
‫‪X‬‬ ‫‪5‬‬ ‫‪0‬‬ ‫‪4‬‬ ‫‪5‬‬
‫‪Y‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬
‫‪Z‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪W‬‬ ‫‪1‬‬ ‫‪5‬‬ ‫‪0‬‬ ‫‪1‬‬
‫نخصص كاآلتي‪:‬‬
‫البائم ‪ x‬على منطقة البيم ‪b‬‬
‫البائم ‪ y‬على منطقة البيم ‪d‬‬
‫البائم ‪ z‬على منطقة البيم ‪a‬‬
‫البائم ‪ w‬على منطقة البيم ‪c‬‬
‫الربح الكلي ‪x0= 8+5+3+6= 22‬‬
‫‪One’s Method‬‬ ‫‪ 7-5‬طريقة الوحدات‬
‫تعتباار نااذم الطريقااة ماان الطاارق الحديثااة للتعاماال ماام نماااذج التخصاايص وتكااون كفااوء‬
‫وس ا ااهلة التطبي ا ااز إذا كان ا اات ف ا ااي حال ا ااة تعظ ا اايم األرب ا ااا أو تقلي ا اال التك ا اااليف لمش ا ااكلة‬
‫التخصيص من الطريقة األخرى التي تتعامل مام نمااذج التخصايص ولغارض تطبياز‬
‫نذم الطريقة لحل مشكلة التخصيص نتبم الخطوات اآلتية‪:‬‬

‫‪154‬‬
‫‪1‬ع في حالة تعظيم األربا أو (تقليل التكاليف) نجد أكبر عنصر في كل صاف مان‬
‫صفوف مصفوفة التخصيص وتضم في الجهة اليمنى من المصفوفةع‬
‫‪2‬ع نقاوم بقساامة جميام عناصاار الصافوف فاي كال صااف علاى العناصاار الموجاودة فااي‬
‫الجهة اليمنى للمصفوفة‬
‫‪3‬ع نق ااوم بتيج اااد أق اال أو (أكب اار) عنص اار حس ااب طبيع ااة مش ااكلة التخص اايص ف ااي ك اال‬
‫عمود من أعمدة المصفوفة ونصف الى كل عمودع‬
‫‪4‬ع نقسم جميم عناصر األعمدة على كل العناصر الموجودة تحت كال عماود النااظرة‬
‫لع‬
‫‪5‬ع تغطي جميم الوحدات بأقل عدد ممكن من الخطاوغ ؟؟ فاتذا كانات ناذم الخطاوغ‬
‫تساو عدد الصفوف (األعمدة) فتننا نحصل على الحل األمثلع‬
‫‪6‬ع أمااا إذا كاناات عاادد نااذم الخطااوغ أقاال ماان عاادد الصاافوف (األعماادة) فتننااا نختااار‬
‫أكباار أو (أحااد ماان) األرقااام الموجااودة فااي المصاافوفة الغياار مغطاااة بهااذم الخطااوغ‬
‫ونح اادد العم ااود ال ااذ يق اام ف ااي ن ااذا لعنص اار األكب اار أو (األص اافر) ونقس اام جمي اام‬
‫عناصر نذا العمود على نذا العنصر فقطع‬
‫‪7‬ع ثاام نعيااد الخطااوة رقاام (‪ )5‬والخطااوة رقاام (‪ )6‬إلااى أن تصاال إلااى إن عاادد الخطااوغ‬
‫التا ااي تغطا ااي الوحا اادات الموجا ااودة فا ااي مصا اافوفة التخصا اايص مسا اااوية إلا ااى عا اادد‬
‫الص اافوف (األعم اادة) الت ااي تغط ااي الوح اادات الموج ااودة ف ااي مص اافوفة التخص اايص‬
‫مساوية إلى عدد الصفوف (األعمدة)ع‬
‫‪8‬ع تباادأ لعمليااة تخصاايص متخصااص الوحاادات الموجااودة فااي الصاافوف التااي تحتماال‬
‫أكبا اار أو (أقا اال) عنصا اار موجا ااود فا ااي الجها ااة اليمنا ااى ما اان مصا اافوفة التخصا اايص‬
‫بالتعاقبع‬
‫أما إذا كانت مصفوفة التخصيص غير متماثلاة أ عادد الصافوف ال تسااو األعمادة‬
‫نضاايف ص اف أو عمااود جديااد وتكااون كلااف نااذم الصاافوف أو األعماادة الجدياادة عبااارة‬
‫على (وحدات)ع ويتبم نفس الخطوات الحل السابقةع‬

‫‪155‬‬
‫) المصفوفة التالية تمثل مكان توزيم خمسة مهام لكل خمسة مكائن‬1( ‫مثال‬

)1(‫جدول رقم‬
Jobs Machines
M1 M2 M3 M4 M5
J1 12 8 7 15 4
J2 7 9 1 14 10
J3 9 6 12 6 7
J4 7 6 14 6 10
J5 9 6 12 10 6

)2(‫جدول رقم‬
Jobs Machines R.H.S
M1 M2 M3 M4 M5 Min
J1 12 8 7 15 4 4
J2 7 9 1 14 10 1
J3 9 6 12 6 7 6
J4 7 6 14 6 10 6
J5 9 6 12 10 6 6
)3(‫جدول رقم‬
Jobs Machines R.H.S
M1 M2 M3 M4 M5 Min
J1 3 2 7/4 15/4 1 4
J2 7 9 1 14 10 1
J3 3/2 1 2 1 7/6 6
J4 7/6 1 7/3 1 5/3 6
J5 3/2 1 2 5/3 1 6

156
 ‫جدول رقم(‪)4‬‬
‫‪Jobs‬‬ ‫‪Machines‬‬ ‫‪R.H.S‬‬
‫‪M1 M2 M3 M4 M5‬‬ ‫‪Min‬‬
‫‪J1‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪7/4 15/4 1‬‬ ‫‪4‬‬
‫‪J2‬‬ ‫‪7‬‬ ‫‪9‬‬ ‫‪1‬‬ ‫‪14 10‬‬ ‫‪1‬‬
‫‪J3‬‬ ‫‪3/2 1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪7/6‬‬ ‫‪6‬‬
‫‪J4‬‬ ‫‪7/6 1‬‬ ‫‪7/3 1‬‬ ‫‪5/3‬‬ ‫‪6‬‬
‫‪J5‬‬ ‫‪3/2 1‬‬ ‫‪2‬‬ ‫‪5/3 1‬‬ ‫‪6‬‬
‫‪Min‬‬ ‫‪7/6 1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫جدول رقم(‪)5‬‬
‫‪Jobs‬‬ ‫‪Machines‬‬ ‫‪R.H.S‬‬
‫‪M1 M2 M3 M4 M5‬‬ ‫‪Min‬‬
‫‪J1‬‬ ‫‪18/7 2‬‬ ‫‪7/4 15/4 1‬‬ ‫‪4‬‬
‫‪J2‬‬ ‫‪6‬‬ ‫‪9‬‬ ‫‪1‬‬ ‫‪14 10‬‬ ‫‪1‬‬
‫‪J3‬‬ ‫‪18/4 1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪7/6‬‬ ‫‪6‬‬
‫‪J4‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪7/3 1‬‬ ‫‪5/3‬‬ ‫‪6‬‬
‫‪J5‬‬ ‫‪18/4 1‬‬ ‫‪2‬‬ ‫‪5/3 1‬‬ ‫‪6‬‬
‫الوح اادات ف ااي مص اافوفة التحقي ااز تس اااو ع اادد الص اافوف‬ ‫نالح ااظ إن ع اادد الخط ااوغ‬
‫(األعمدة)=‪5‬‬

‫‪J2 m3 1‬‬
‫‪J1 m5 4‬‬
‫‪J3 14 6 6= 24‬‬
‫‪J41 6 7‬‬
‫‪J5 2 6 6‬‬
‫مث ا ااال (‪ )2‬ش ا ااركة ل ا ااديها مهم ا ااات ترغي ا ااب شخص ا اايتها عل ا ااى خمس ا ااة مك ا ااائن وترغ ا ااب‬
‫بتشخيص المهماة التالياة إلاى الماكناة لتحقياز أعلاى رباح ممكان والمصافوفة اآلتياة باين‬
‫التي تحقيز كل مهمة إلى كل ماكنةع‬ ‫األربا‬

‫‪157‬‬
 ‫‪J1‬‬ ‫‪J2‬‬ ‫‪J3‬‬ ‫‪J4‬‬ ‫‪J5‬‬
‫‪m1 5 11 10 12 4‬‬
‫‪m2 2 4 6 3 5‬‬
‫‪m3 3 12 5 14 6‬‬
‫‪‬‬ ‫‪‬‬
‫‪m4 6 14 4 11 7 ‬‬
‫‪m5 7 9 8 12 5‬‬
‫‪ -1‬نستخرج أكبر رقم في كل صف ونضيف في الجهة اليمنى‬
‫‪1‬‬
‫‪J1‬‬ ‫‪J2‬‬ ‫‪J3‬‬ ‫‪J4‬‬ ‫‪J5‬‬ ‫)‪R.H .S (max‬‬
‫‪m1 5 11 10 12 4 12‬‬
‫‪m2 2 4 6 3 5 6‬‬
‫‪m3 3 12 5 14 6 14‬‬
‫‪‬‬ ‫‪‬‬
‫‪m4 6 14 4 11 7  14‬‬
‫‪m5 7 9 8 12 5 12‬‬
‫‪ -2‬نقسم كل مصفوفة على األرقام الموجودة في الجهة اليمنى من المصفوفة‬
‫‪2‬‬
‫‪J1‬‬ ‫‪J2‬‬ ‫‪J3‬‬ ‫‪J4‬‬ ‫‪J5‬‬ ‫)‪(max‬‬
‫‪m1 0.42‬‬ ‫‪0.92‬‬ ‫‪0.83 1‬‬ ‫‪0.33 12‬‬
‫‪m2 0.33‬‬ ‫‪0.66‬‬ ‫‪1‬‬ ‫‪0.5‬‬ ‫‪0.83 6‬‬
‫‪m3  0.21‬‬ ‫‪0.86‬‬ ‫‪0.36 1‬‬ ‫‪0.43 14‬‬
‫‪‬‬ ‫‪‬‬
‫‪m4 0.43‬‬ ‫‪1‬‬ ‫‪0.28 0.78‬‬ ‫‪0.5  14‬‬
‫‪m5 0.58‬‬ ‫‪0.75‬‬ ‫‪0.66 1‬‬ ‫‪0.46 12‬‬
‫‪-3‬نجد أكبر رقم من كل عمود مصفوفة تحت األعمدة النافذة لها‬

‫‪158‬‬
‫‪J1‬‬ ‫‪J2‬‬ ‫‪J3‬‬ ‫‪J4‬‬ ‫‪J5‬‬ ‫)‪(max‬‬
‫‪m1 0.42 0.92 0.83 1‬‬ ‫‪0.33 12‬‬
‫‪m2 0.33 0.66‬‬ ‫‪1‬‬ ‫‪0.5 0.83 6‬‬
‫‪m3  0.21 0.86 0.36 1‬‬ ‫‪0.43 14‬‬
‫‪‬‬ ‫‪‬‬
‫‪m4 0.43 1‬‬ ‫‪0.28 0.78 0.5  14‬‬
‫‪m5 0.58 0.75 0.66 1‬‬ ‫‪0.46 12‬‬
‫______________________________‬
‫‪max 0.58 1 1 1 0.83‬‬
‫‪ -3‬نقسم كل عمود على أكبر رقم موجود تحت األعمدة‬
‫‪ 0.71‬‬ ‫‪0.92‬‬ ‫‪0.83 1‬‬ ‫‪0.4 ‬‬
‫‪0.57‬‬ ‫‪0.66‬‬ ‫‪1‬‬ ‫‪0.5‬‬ ‫‪1 ‬‬
‫‪‬‬
‫‪0.32‬‬ ‫‪0.86‬‬ ‫‪0.36 1‬‬ ‫‪0.51‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 0.73‬‬ ‫‪1‬‬ ‫‪0.28 0.78 0.6 ‬‬
‫‪ 1‬‬ ‫‪0.75‬‬ ‫‪0.66 1‬‬ ‫‪0.5 ‬‬
‫‪ 5‬نقوم بتغطية جميم الوحدات الموجودة في مصفوفة التخصص نالحظ إن عدد‬
‫الخطوغ (أقل من عدد األعمدة لذلن نختار رقم بين األرقام الغير مغطاة في‬
‫مصفوفة التخصيص [ ‪83‬ع ] الوجود من العمود (‪ )dij‬رقم ‪ 3‬ونقسم جميم عناصر‬
‫نذا العمود على الرقم (‪ ).83‬فقط‬
‫‪J1‬‬ ‫‪J2‬‬ ‫‪J3‬‬ ‫‪J4‬‬ ‫‪J5‬‬ ‫)‪(max‬‬
‫‪m1  0.71‬‬ ‫‪0.92‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0.4  12‬‬
‫‪m2 0.57‬‬ ‫‪0.66 1.2 0.5‬‬ ‫‪1  6‬‬
‫‪m3 0.32‬‬ ‫‪0.86 0.43 1‬‬ ‫‪0.51 14‬‬
‫‪‬‬ ‫‪‬‬
‫‪m4 0.73‬‬ ‫‪1‬‬ ‫‪0.34 0.78 0.6  14‬‬
‫‪m5  1‬‬ ‫‪0.75 0.79 1‬‬ ‫‪0.5  12‬‬
‫‪ 6‬يتم تخصيص كل رقم (‪ )1‬في الهدف حسب الرقم األكبر الموجود في الجهة‬
‫اليمنى من المصفوفة حسب التوالي‬
‫‪m3J4 profit 14‬‬
‫‪m4 J2 profit 14‬‬
‫‪m5 J1 profit 7‬‬
‫‪m1 J3 profit 10‬‬

‫‪159‬‬
 ‫أسئلة وتمارين عامة‬
‫ع تملن إحدى منشتت األلبان ثالثة مصانم إلنتاج الحليب والطاقة اإلنتاجية‬1
‫) مليون لتر أما‬10 1 6( ‫اليومية للمصانم الثالذ ني على التوالي‬
‫احتياجات مراكز التوزيم األربعة التي تعتمد على إنتاج المنشأة فهي‬
‫) مليون لتر على التوالي والمطلوب تحديد التوزيم األمثل الذ‬2 3 5 7(
‫يحقز احتياجات المراكز األربعة وبأقل كلفة نقل ممكنة علماع بأن تكاليف النقل‬
:‫من المصانم إلى المراكز موضحة في الجدول اآلتي‬
1- One of the installations dairy owns three factories for the production
of milk, the daily production capacity of the factories of the three are
respectively (6.1, 10) million liters, while the needs of the distribution
centers of the four that depend on the production facility are (7, 5, 3, 2)
million liters onrespectively, so determine the optimal distribution
required that achieves top four needs and at the lowest possible cost of
transporting, note that the cost of transportation from the factories to the
centers are shown in the following table:
1 2 3 4
1 2 3 11 7 6
2 1 0 6 1 1
3 5 8 15 9 1
7 5 3 2

‫ كلفة إنتاج الوحدة الواحدة في‬D, C, B, A ‫ع منت معين ينت في أربعة مصانم‬2
‫ والجدول اآلتي يبين الكميات المعروضة‬5 1 3 2 ‫المصانم األربعة ني‬
‫والمطلوبة وكذلن نقل الوحدة الواحدة من المصانم إلى المخازنع وجد التوزيم‬
‫األمثل الذ تكون عندم تكاليف النقل الكلية أقل ما يمكنع‬
2. A certain production produce in four factories A, B, C, D the cost of
one unit in four factories are 2, 3, 1, 5. The following table shows the
quantities supplied and demanded, as well as transfer per unit from

160
factories to stores. Found the optimal allocation at which the total
transport costs as little as possible.

‫االستهالن‬ 1 2 3 4 ‫العرض‬
‫المخازن‬
A 2 4 6 11 50

B 10 8 7 5 70

C 13 3 9 12 30

D 4 6 8 3 50

‫الطلب‬ 25 35 105 20

‫يحقز أقل كلفة‬ ‫ع استخرج الحل األمثل لنموذج النقل الغير متوازن اآلتي الذ‬3
‫توزيم ممكنة؟ع‬
Q3: Extract the perfect solution to transportation for the following non-
balanced model that achieves the lowest possible cost of distribution?.

‫المصادر‬ 1 2 3 ‫مواقم‬
‫االستهالن‬

1 5 1 7 10

2 6 4 6 80

3 3 2 5 15

‫الطلب‬ 75 20 50 15

161
 ‫الفصل السادس‬
‫تخطيط جداول اإلنتاج باستخدام أسلوب البرمجة الخطية‬
Using Linear Programming Technique in Planning Master
Production Scheduling

Introduction ‫ المقدمة‬1-6

Production Planning ‫ تخطيط االنتاج‬2-6

Aggregate Production Planning ‫ التخطيط االجمالي لالنتاج‬3-6

‫ ست ارتيجيات التخطيط االجمالي‬4-6

Aggregate Production Planning Strategies

Aggregate Production ‫ اإلنتاج اإلجمالي‬5-6

‫ نماذج تخطيط اإلنتاج اإلجمالي‬6-6

Models of Aggregate Product Planning

‫ النموذج االول للتخطيط االجمالي‬1-6-6

‫ النموذج الثاني للتخطيط اإلجمالي‬2 -6-6

Disaggregate Models ‫ نماذج تجزئة التخطيط اإلجمالي‬7-6

‫ نموذج جداول اإلنتاج لغرض الخزين‬1-7-6

Optimizing MPS in a make- to- stock Model

‫ نموذج جداول اإلنتاج لغرض الطلب‬2-7-6

Optimizing MPS in a make-to- order Model

162
 ‫‪ 1-6‬المقدمة ‪Introduction‬‬
‫ان الشااركات الصااناعية تبااذل جهاادا كبي ا ار فااي عمليااة تخطاايط االنتاااج وذلاان للنهااوض‬
‫بالشااركات الااى المسااتوى المرمااوق الااذ تطمااح الي ا حيااذ انهااا تواكااب التطااور الااذ‬
‫يشااهدم العااالم ماان حيااذ تطبيااز االساااليب العلميااة الحديثااة والتااي ماان ابرزنااا (اساااليب‬
‫بحوذ العمليات) في عملياة تخطايط واعاداد جاداول االنتااج الرئيساية التاي تعتماد علاى‬
‫نماااذج رياضااية مترابطااة وعميقااة تمكاان الشااركة ماان تحقيااز اناادافها فااي تلبيااة متطلبااات‬
‫االنتاج واالستغالل االمثل للطاقات المتاحة وتقليل تكااليف العملياة االنتاجياة ولتحقياز‬
‫ذلن يتطلب‪:‬‬
‫‪ -1‬عمل نموذج رياضي باستخدام اسلوب البرمجة الخطية لعملياة تخطايط االنتااج‬
‫االجمااالي (‪ )Aggregate planning‬الااذ يركااز علااى تجمياام االنتاااج بشااكل‬
‫عوائاال ألن اغلااب الشااركات الصااناعية يااتم اعااداد خططهااا االجماليااة علااى اساااس‬
‫عائلااة المناات والتااي نااي عبااارة عاان مجموعااات ماان المنتجااات التااي تشااترن باانفس‬
‫االمكانيات والماوارد التصانيعية وكاذلن اوقاات التنصايب لغارض االساتغالل االمثال‬
‫للوقا اات والكلفا ااة عا اان طريا ااز اسا ااتخدام سا ااتراتيجيات التخطا اايط االجما ااالي المتاحا ااةع‬
‫لتحديد المتطلبات واالمكانات المتاحة بشكل اجماليع‬
‫‪ -2‬عمل نموذج رياضي باستخدام اسلوب البرمجة الخطية لعملياة تخطايط االنتااج‬
‫قصير المدى يقوم بتجزئة العوائل االنتاجية الى منتجاتها النهائية ( ‪Disaggrete‬‬
‫‪ )planning‬لغرض اعاداد جادول االنتااج الرئيساي اعتماادا علاى المعلوماات التاي‬
‫تاام الحصااول عليهااا ماان نمااوذج تخطاايط االنتاااج االجمااالي والااذ يبااين نااوع وعاادد‬
‫المنتجات النهائية التي يجب ان تنت ومتى يتم انتاجها من خاالل معرفاة الطاقاات‬
‫االنتاجية المتاحة والمخطط لها في كل مركز من مراكز االنتاجع‬

‫‪163‬‬
 ‫‪Production Planning‬‬ ‫‪ 2-6‬تخطيط االنتاج‬
‫يعاارف تخطايط االنتاااج علااى "انا مجموعااة ماان االنشااطة او االساااليب التااي ترمااي الااى‬
‫اع ااداد وتنظ اايم عناص اار االنت اااج (االي ااد العامل ااة الما اواد االولي ااة وس ااائل االنت اااج‬
‫رؤوس االم اوال) لغاارض انتاااج حجاام معااين ماان الساالم خااالل فت ارة زمنيااة محااددة وفااز‬
‫مواصاافات معينااة وباقاال كلفااة ممكنااة و تخطاايط االنتاااج يسااعى الااى تنساايز االنتاااج ماام‬
‫بقياة اقساام الشااركة االخارى فهاو يأخااذ بنظار االعتباار حاجااات المبيعاات فاي المسااتقبل‬
‫وعلاى اساسااها يوضاام منهااا االنتاااج ومانيااة المنتجااات التااي ساايقوم بتصاانيعها وكمياتهااا‬
‫ومتى يجاب ان تكاون جاانزة للبيام وكاذلن يقادر احتياجاات الشاركة مان الماواد االولياة‬
‫واألدوات والعمااال واالمكانيااات االخاارى وتقاادم نااذم المعلومااات الااى االقسااام المعنيااة‬
‫لكي تستطيم تنسيز اعمالها وتهيئة الطلبات بأوقاتها المحددةع‬

‫‪Aggregate Production Planning‬‬ ‫‪ 3-6‬التخطيط االجمالي لالنتاج‬

‫ان عملياة تخطايط جاداول االنتااج الرئيساية تعتماد بشاكل مباشار علاى مفهاوم التخطايط‬
‫االجمااالي لالنتاااج ألنا يعتباار المفتااا الرئيسااي الدارة التغيارات فااي العمليااة االنتاجيااة‬
‫ألن يحقز الربط بين عوامل السعة الثابتة طويلة االمد وعوامل السعة المتغيرة والقابلاة‬
‫للتعديل في االمد القصير مم التركياز علاى العوامال والخبارة مان اجال تحقياز المالئماة‬
‫االفضل للسعة مم الطلبع‬
‫وتبرز انمية التخطيط االجمالي من خالل النقاغ اآلتية‪:‬‬
‫‪ -1‬يحمل وسائل االنتاج بصورة كاملة ويقلل الى اصغر حد ممكن من التحميال ال ازئاد‬
‫والتحمياال الناااقص أ ان ا يعماال علااى اسااتغالل وسااائل االنتاااج بشااكل كفااوء ويعماال‬
‫على تقليل الضياعات والزيادات في استغالل تلن الوسائلع‬
‫‪ -2‬رس اام خط ااط منهجي ااة منظم ااة لتغي اار الطاق ااات االنتاجي ااة لمواجه ااة التذب ااذبات ف ااي‬
‫طلبات الزبائن المتوقعةع‬
‫‪ -3‬خلز سعة انتاجية مؤكدة لغرض تحقيز الطلب المتوقم على السلم االنتاجيةع‬
‫‪ -4‬الحصول على مخرجات كبيرة تخص مصادر االنتاج المتوفرع‬

‫‪164‬‬
‫‪ -5‬ان وسااائل االنتاااج (مكااائن ومعاادات وابنيااة) ثابتااة وال يمكاان توساايعها فااي االجاال‬
‫المتوسطع‬
‫‪ -6‬وح اادة قي اااس الطاق ااات االنتاجي ااة يج ااب تك ااون متجانس ااة ون ااذم م اان ان اام س اامات‬
‫التخطاايط االجمااالي وذلاان ألن المصااادر والم اوارد التااي تاادخل فااي العمليااة االنتاجيااة‬
‫تكااون وحااداتها غياار متجانسااة القياااسع لااذلن يتطلااب ماان تخطاايط االنتاااج االجمااالي‬
‫توحي ااد ن ااذم الوح اادات القياس ااية بوح اادة قي اااس متجانس ااة مث اال (رج اال‪ /‬س اااعة ماكن ااة‪/‬‬
‫ساعة)حسب طبيعة كميات االنتاج ومواعيدنا خالل فترة تخطايط متوساطة مقبلاة ‪-6‬‬
‫‪18‬شااهر وذلاان ماان خااالل الااتحكم بمسااتويات االنتاااج القااوة العاملااة الخ ازين وقاات‬
‫العمل االضافي التعاقد الفرعي وبعض المتغيرات التي يمكن السيطرة عليهاع‬
‫‪ 4-6‬إستراتيجيات التخطيط اإلجمالي‬
‫( ‪)Strategies Aggregate Production Planning‬‬
‫نظ ا ار ألنميااة التخطاايط االجمااالي لالنتاااج ولكون ا يااؤثر فااي جمياام اقسااام الشااركة‬
‫فاتن القا اررات التااي تتخااذ فاي نااذا االطااار ينبغااي ان تعكاس انااداف الشااركةع وننااان‬
‫عاادة خيااارات سااتراتيجية يااتمكن مخططااو االنتاااج ماان اتباعهااا للتغلااب علااى مشااكلة‬
‫تذب ااذب الطل اابع وبغ ااض النظ اار ع اان الخي ااار الس ااتراتيجي لمخطط ااو االنت اااج فتنا ا‬
‫يتوجب االجابة على االسئلة التالية عند صياغة خطة االنتاج االجمالية‪:‬‬
‫‪ -1‬ناال ينبغااي اسااتخدام الخ ازين كوساايلة للساايطرة علااى تقلبااات الطلااب فااي اثناااء فت ارة‬
‫التخطيط المقبلة؟‬
‫‪ -2‬نل نلجأ الى استخدام العماال الاوقتيين او تشاغيل العماال الحااليين وقتاا اضاافيا او‬
‫الموافقة على تكاليف الوقت الغير مستغل للعاملين؟‬
‫‪ -3‬نل ينبغي استخدام القوة العاملة كوسيلة لمواجهة تقلبات الطلب؟‬
‫‪ -4‬نل ينبغي اللجوء الاى التعاقاد الفرعاي الحتاواء تقلباات الطلاب مام المحافظاة علاى‬
‫حجم ثابت من القوة العاملة في الشركة؟‬
‫‪ -5‬نل نلجأ الى تغير االسعار او تغير عوامل معينة من اجل التأثير في الطلب؟‬

‫‪165‬‬
‫ان جميم االسئلة السابقة تمثال ساتراتيجيات مشاروعة متاحاة للتخطايط االجماالي حياذ‬
‫تتضاامن الااتحكم بااالخزين معاادالت االنتاااج مسااتوى القااوة العاملااة والطاقااات االنتاجيااة‬
‫المتاحةع‬
‫‪ 5-6‬اإلنتاج اإلجمالي ‪Aggregate Production‬‬
‫لغاارض إعااداد خطااط اإلنتاااج اإلجماليااة للشااركات الصااناعية ال بااد ماان عماال نماااذج‬
‫رياضية تأخذ بنظر االعتبار المنتجات سواء كانت متشابهة على شكل عوائل انتاجياة‬
‫او مختلفة حيذ يتطلب ذلن معرفة تفصيلية ومعالم التخطيط اإلجمااليع ولتنفياذ ذلان‬
‫تاام عماال نماااذج رياضااية متخصااص تعتمااد علااى فكارة اساالوب البرمجااة الخطيااة والتااي‬
‫تعتب اار م اان اس اااليب بح ااوذ العملي ااات المتخصص ااة ف ااي تخط اايط االنت اااجع تتك ااون ن ااذم‬
‫النماذج الرياضية من دالاة نادف ومجموعاة مان القياود لغارض تنفياذ الخطاة االجمالياة‬
‫بأقل كلفة انتاجيةع ننان نوعين من خطط االنتاج االجمالي وني‪:‬‬
‫‪ -1‬خطا ا ا ا ااة االنتا ا ا ا اااج االجما ا ا ا ااالي التا ا ا ا ااي تعما ا ا ا اال علا ا ا ا ااى تغيا ا ا ا اار معا ا ا ا اادل االنتا ا ا ا اااج‬
‫(‪:)The- Just – in time‬‬
‫تهدف نذم الخطة الى تغيير فاي معادل االنتااج لغارض تلبياة الطلباات المحاددة ضامن‬
‫الفت ارات الزمنيااة المخطااط لهااا نااذم الخطااة تكااون مناساابة فااي حالااة كااون كلااف تغيياار‬
‫معدل االنتاج غير مكلفة ورخيصة الثمن بينما تكون كلف الخزين غالية الثمنع‬
‫ولتوضيح ذلن نأخذ البيانات الموضحة في الجدول ادنام‪:‬‬
‫‪Dec‬‬ ‫‪Jan‬‬ ‫‪Feb Mar Apr‬‬ ‫‪May‬‬ ‫‪Jun‬‬ ‫‪Totals‬‬
‫ايااام ( ‪Working days‬‬ ‫‪20‬‬ ‫‪24 18‬‬ ‫‪26‬‬ ‫‪22‬‬ ‫‪15‬‬
‫)العمل‬
‫)الطلبات( ‪Demand‬‬ ‫‪1280 640 900 1200 2000 1400‬‬
‫‪Hiring‬‬ ‫ع اادد العم ااال (‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪160‬‬ ‫‪0‬‬ ‫‪305‬‬ ‫‪290‬‬ ‫‪755‬‬
‫)المستقدمين‬
‫‪Firing‬‬ ‫عا اادد العما ااال (‬ ‫‪34‬‬ ‫‪84‬‬ ‫‪0‬‬ ‫‪27‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪145‬‬
‫)المستغنى عنهم‬
‫‪Workforce‬‬ ‫‪ 300‬حج ا اام (‬ ‫‪266‬‬ ‫‪182 342‬‬ ‫‪315‬‬ ‫‪620‬‬ ‫‪910‬‬
‫)العمل‬

‫‪166‬‬
‫الوحاادات ( ‪Production‬‬ ‫‪780‬‬ ‫‪640 902 1200 1999 2000‬‬
‫)المنتجة‬
‫‪ 500‬الوح اادات ( ‪Inventory‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪601‬‬ ‫‪604‬‬
‫)المخزونة‬
‫‪Table -1: the just –in –time production plan‬‬
‫نالح ا ااظ م ا اان خ ا ااالل ج ا اادول رق ا اام ‪ 1‬ب ا ااأن مجم ا ااوع العم ا ااال المس ا ااتقدمين خ ا ااالل الفتا ا ارة‬
‫التخطيطية (ستة اشهر) ناو ‪ 755‬عامال ‪ 145‬عامال تام االساتغناء عانهم خاالل نفاس‬
‫الفترة التخطيطية وان عدد الوحدات المخزوناة مان الوحادات المنتجاة ناي ‪ 604‬وحادة‬
‫ولم ااا كان اات كلف ااة اس ااتقدام العام اال الواح ااد خ ااالل الش ااهر يس اااو (‪ )$80‬وان اجم ااال‬
‫الوحا اادات المنتجا ااة للعاما اال فا ااي اليا ااوم الواحا ااد يسا اااو ( ‪) 0.14653‬ع لا ااذلن سا ااتكون‬
‫مجموع كلف العملية االنتاجية تساو ‪$ 58.363‬ع‬
‫‪ -2‬خطا ا ا ا ا ا ا ا ا ا ا ا ااة االنتا ا ا ا ا ا ا ا ا ا ا ا اااج االجما ا ا ا ا ا ا ا ا ا ا ا ااالي السلسا ا ا ا ا ا ا ا ا ا ا ا ااة الغيا ا ا ا ا ا ا ا ا ا ا ا اار معقا ا ا ا ا ا ا ا ا ا ا ا اادة‬
‫(‪:)The production-smoothing‬‬
‫تهاادف ن ااذم الخطااة عل ااى تثبياات مع اادل االنتاااج (‪ )Production rate‬ماان خ ااالل‬
‫االستفادة مان الكمياات المخزوناة فاي الفتارة الزمنياة التاي يكاون فيهاا معادل الطلاب اقال‬
‫ماان معاادل االنتاااج وتكااون نااذم الخطااة مناساابة فااي حالااة كااون كلااف الخازين رخيصااة‬
‫الا ااثمن وكلا ااف تغييا اار معا اادل االنتا اااج غاليا ااة الا ااثمنع ولتوضا اايح ذلا اان تأخا ااذ البيانا ااات‬
‫الموضحة في الجدول ادنام‪:‬‬
‫‪Dec‬‬ ‫‪Jan‬‬ ‫‪Feb‬‬ ‫‪Mar‬‬ ‫‪Apr‬‬ ‫‪May‬‬ ‫‪Jun‬‬ ‫‪Totals‬‬
‫ايام ( ‪Working days‬‬ ‫‪20‬‬ ‫‪24‬‬ ‫‪18‬‬ ‫‪26‬‬ ‫‪22‬‬ ‫‪15‬‬
‫)العمل‬
‫)الطلبات( ‪Demand‬‬ ‫‪1280‬‬ ‫‪640‬‬ ‫‪900‬‬ ‫‪1200 2000 1400‬‬
‫عادد العمااال ( ‪Hiring‬‬ ‫‪111‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪305‬‬ ‫‪0‬‬ ‫‪111‬‬
‫)المستقدمين‬
‫عاادد العمااال ( ‪Firing‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫)المستغنى عنهم‬
‫‪ 300‬حجاام ( ‪Workforce‬‬ ‫‪266‬‬ ‫‪182‬‬ ‫‪342‬‬ ‫‪315‬‬ ‫‪620‬‬ ‫‪910‬‬
‫)العمل‬

‫‪167‬‬
‫‪Production‬‬ ‫‪780‬‬ ‫‪640‬‬ ‫‪902‬‬ ‫‪1200 1999 2000‬‬
‫)الوحدات المنتجة(‬
‫‪ 500‬الوحدات ( ‪Inventory‬‬ ‫‪424‬‬ ‫‪1230 1414 1780 1105‬‬ ‫‪608‬‬ ‫‪6561‬‬
‫)المخزونة‬
‫‪Table -2-: The production –smoothing plan‬‬
‫نالح ااظ م اان خ ااالل ج اادول رق اام ‪ -2-‬ب ااأن مجم ااوع العم ااال المس ااتقدمين خ ااالل الفتا ارة‬
‫التخطيطيااة (سااتة اشااهر) نااو ‪ 111‬عاماال وال يوجااد عمااال (‪ )0‬يااتم االسااتغناء عاانهم‬
‫خاالل نفااس الفتارة التخطيطياة وان عاادد الوحاادات المخزونااة مان الوحاادات المنتجااة نااي‬
‫‪ 6561‬وحدة لذلن ستكون مجموع كلف العملية االنتاجية تساو ‪$57.754‬‬
‫‪ 6-6‬نماذج تخطيط اإلنتاج اإلجمالي‬
‫‪Models of Aggregate Production Planning‬‬
‫وقد تم تطوير نوعين من الموديالت الرياضية لخطط االنتاج االجمالي عن طريز‬
‫استخدام اسلوب البرمجة الخطية‪:‬‬
‫‪ 1-6-6‬النموذج االول للتخطيط االجمالي‪:‬‬
‫الذ يعمل على تثبيت حجم قوة العمل بدون تغيير عن طريز االستقدام او‬
‫االستغناء عن العمال والسما لتغيير معدل االنتاج باستخدام الوقت االضافي‬
‫فقطع‬
‫‪Definition of variables and Constants‬‬ ‫تعريف المتغيرات والثوابت‬

‫‪ :Cit‬كلفة إنتاج الوحدة الواحدة من العائلة (‪ )i‬في الفترة الزمنية (‪)t‬‬

‫‪ :Hit‬كلفةخزن الوحدة الواحدة من العائلة (‪ )i‬في الفترة الزمنية (‪)t‬‬
‫‪ :Rt‬كلفة ساعة العمل في الوقت الطبيعي للعامل الواحدع في الفترة الزمنية (‪)t‬‬
‫‪ :Ot‬كلفة ساعة العمل في الوقت اإلضافي للعامل الواحدع في الفترة الزمنية (‪)t‬‬
‫‪ :Dit‬الطلبات المتوقعة للعائلة (‪ )i‬في الفترة الزمنية (‪)t‬ع‬
‫‪ :Mi‬الوقت المطلوب ( رجل ساعة) إلنتاج وحدة واحدة للعائلة (‪)i‬‬
‫‪ :R`t‬مجموع ساعات العمل االعتيادية المتاحة (رجل ساعة) في الفترة الزمنية (‪)t‬‬
‫‪ :O`t‬مجموع ساعات العمل اإلضافية المتاحة (رجل ساعة) في الفترة الزمنية (‪)t‬‬

‫‪168‬‬
 ‫‪ :Iio‬مستوى الخزين في بداية الفترة الزمنية للعائلة (‪)i‬‬
‫‪ :T‬عدد الفترات الزمنية المخطط لهاع‬
‫‪ :N‬عدد العوائل المنتجةع‬
‫‪ :Xit‬عدد الوحدات المنتجة من العائلة (‪ )i‬في الفترة الزمنية (‪)t‬‬
‫‪ :Iit‬عدد الوحدات المخزونة من العائلة (‪ )i‬في نهاية الفترة الزمنية (‪)t‬‬
‫‪ :Rt‬عدد ساعات العمل الطبيعية المستخدمة في الفترة الزمنية (‪)t‬‬
‫‪ :Ot‬عدد ساعات العمل الطبيعية المستخدمة في الفترة الزمنية (‪)t‬‬

‫الصيغة الرياضية للبرمجة الخطية للموديل األول‪:‬‬

‫‪N‬‬ ‫‪T‬‬ ‫‪T‬‬
‫] ‪Minimize[cit X it  hit I it ]  [rt Rt  ot Ot‬‬
‫‪i 1 i 1‬‬ ‫‪i 1‬‬
‫‪Subject to:‬‬
‫)‪X it  I i ,t 1  I it  dit i, t.......... ....(1‬‬
‫‪N‬‬

‫‪M X‬‬
‫‪i 1‬‬
‫‪i‬‬ ‫‪it‬‬ ‫)‪ Rt  Ot  0 t.......... ......( 2‬‬

‫)‪0  Rt  Rt t.......... .......... ..(3‬‬

‫)‪X it  0, I it  0 i, t.......... .......... ...( 4‬‬
‫ولغرض تطبيز الموديل الرياضي األول نستخدم البيانات الموضحة في الجدول‬
‫أدنام‪:‬‬
‫‪Jan‬‬ ‫‪Feb Mar‬‬ ‫‪Apr May‬‬ ‫‪Jun‬‬
‫)‪Demand (dit‬‬ ‫‪100‬‬ ‫‪100 150‬‬ ‫‪200 150‬‬ ‫‪100‬‬
‫‪Unit Production cost‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪8‬‬ ‫‪8‬‬ ‫‪7‬‬ ‫‪8‬‬
‫)‪(Cit‬‬
‫)‪Unit- holding cost (hit‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬
‫‪Unit- regular labor‬‬ ‫‪15‬‬ ‫‪15‬‬ ‫‪18‬‬ ‫‪18‬‬ ‫‪15‬‬ ‫‪15‬‬
‫)‪cost (rt‬‬
‫‪Unit- overtime labor‬‬ ‫‪22.5‬‬ ‫‪22.5‬‬ ‫‪27‬‬ ‫‪27‬‬ ‫‪22.5‬‬ ‫‪22.5‬‬
‫)‪cost (ot‬‬
‫‪Available man- hours‬‬ ‫‪120‬‬ ‫‪130‬‬ ‫‪120‬‬ ‫‪150‬‬ ‫‪100‬‬ ‫‪100‬‬
‫)‪regular (R`t‬‬

‫‪169‬‬
‫‪Available man- hours‬‬ ‫‪30‬‬ ‫‪40‬‬ ‫‪40‬‬ ‫‪30‬‬ ‫‪30‬‬ ‫‪30‬‬
‫)‪overtime (O`t‬‬

‫ومن خالل استخدام المعادالت الرياضية للموديل األول نحصل على الحل األمثل‬
‫الموضح في الجدول رقم (‪)4‬ع‬

‫‪Dec‬‬ ‫‪Jan Feb Mar Apr May Jun‬‬

‫‪Man-hours‬‬ ‫)‪(R‬‬ ‫‪120 130 120 150 100 100‬‬
‫‪labor‬‬
‫‪Man-hours‬‬ ‫)‪(O‬‬ ‫‪0‬‬ ‫‪17‬‬ ‫‪0‬‬ ‫‪30‬‬ ‫‪30‬‬ ‫‪0‬‬
‫‪labor‬‬
‫)‪Production (Xit‬‬ ‫‪120‬‬ ‫‪147 120 180‬‬ ‫‪130‬‬ ‫‪100‬‬
‫)‪Inventory (Iit‬‬ ‫‪3‬‬ ‫‪23‬‬ ‫‪70‬‬ ‫‪40‬‬ ‫‪20‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪Optimal cost‬‬ ‫)‪$(20193‬‬

‫‪Table-4- Solution to model 1‬‬

‫‪ 2 -6-6‬النموذج الثاني للتخطيط اإلجمالي‪:‬‬
‫يعمل تغيير قوة العمل عن طريز االستقدام أو االستغناء عن العمال وتثبيت‬ ‫الذ‬
‫معدل اإلنتاج باستخدام الوقت اإلضافي والسما باستخدام أسلوب الطلبيات الراجعة‬
‫(‪)Backorder‬ع‬
‫‪Definition of variables and Constants‬‬ ‫تعريف المتغيرات والثوابت‬

‫‪ :Cit‬كلفة إنتاج الوحدة الواحدة من العائلة (‪ )i‬في الفترة الزمنية (‪)t‬‬

‫‪ :Hit‬كلفة خزن الوحدة الواحدة من العائلة (‪ )i‬في الفترة الزمنية (‪)t‬‬
‫‪ :  it‬كلفة الوحدة الواحدة من الطلبية الراجعة من العائلة (‪ )i‬في الفترة الزمنية (‪)t‬‬
‫‪ :Rt‬كلفة ساعة العمل في الوقت الطبيعي للعامل الواحدع في الفترة الزمنية (‪)t‬‬
‫‪ :Ot‬كلفة ساعة العمل في الوقت اإلضافي للعامل الواحدع في الفترة الزمنية (‪)t‬‬
‫‪ :ht‬كلفة ساعة العمل الواحدة من خالل استقدام العامل الجديد في الفترة الزمنية (‪)t‬‬
‫‪ :ft‬كلفة ساعة العمل الواحدة من خالل االستغناء عن العامل في الفترة الزمنية (‪)t‬‬
‫‪ :dit‬الطلبات المتوقعة للعائلة (‪ )i‬في الفترة الزمنية (‪)t‬‬

‫‪170‬‬
 ‫‪ :Mi‬الوقت المطلوب (رجل ساعة) إلنتاج وحدة واحدة للعائلة (‪)i‬‬
‫‪ :p‬نسبت عدد ساعات العمل اإلضافي من مجموع ساعات العمل للوقت االعتياد ع‬
‫‪ :Iio‬مستوى الخزين في بداية الفترة الزمنية للعائلة (‪)i‬ع‬
‫‪ :T‬عدد الفترات الزمنية المخطط لهاع‬
‫‪ :N‬عدد العوائل المنتجةع‬
‫‪ :Xit‬عدد الوحدات المنتجة من العائلة (‪ )i‬في الفترة الزمنية (‪)t‬‬
‫‪ :Rt‬عدد ساعات العمل الطبيعية المستخدمة في الفترة الزمنية (‪)t‬‬
‫‪ :Ot‬عدد ساعات العمل الطبيعية المستخدمة في الفترة الزمنية (‪)t‬‬
‫‪ :I+it‬عدد الوحدات المخزونة من العائلة (‪ )i‬في نهاية الفترة الزمنية (‪)t‬‬
‫‪ :I-it‬عدد الوحدات الراجحة من العائلة (‪ )i‬في نهاية الفترة الزمنية (‪)t‬‬
‫‪ :Ht‬عدد ساعات العمل المتاحة من خالل استقدام العمال الجدد في الفترة الزمنية‬
‫(‪)t‬‬
‫‪ :Ft‬عدد ساعات العمل المتاحة من خالل االستغناء عن العمال في الفترة الزمنية‬
‫(‪)t‬‬
‫الصيغة الرياضية للبرمجة الخطية للموديل الثاني‪:‬‬
‫‪N‬‬ ‫‪T‬‬ ‫‪T‬‬
‫‪Minimize  [cit X it  hit I‬‬ ‫‪‬‬
‫‪it‬‬ ‫] ‪  I ]  [rt Rt  ot Ot  ht H t  f t Ft‬‬
‫‪‬‬
‫‪it it‬‬
‫‪i 1 i 1‬‬ ‫‪i 1‬‬

‫‪Subject to:‬‬
‫)‪X it  I  i ,t 1  I  it  I i,t 1  I it  d it i, t.......... ....(1‬‬
‫‪N‬‬

‫‪M X‬‬
‫‪i 1‬‬
‫‪i‬‬ ‫‪it‬‬ ‫‪ Rt  Ot  0‬‬ ‫)‪t.......... ......( 2‬‬

‫‪Rt  Rt 1  H t  Ft  0‬‬ ‫)‪t.......... ........( 3‬‬

‫‪Ot  pRt  0‬‬ ‫)‪t.......... ........( 4‬‬
‫‪X it  0, I  it  0,..I it  0‬‬ ‫)‪i, t.......... .......( 5‬‬
‫‪Rt ,..Ot ,..., H t,..F t  0‬‬ ‫)‪t.......... ........( 6‬‬

‫‪171‬‬
‫ولغرض تطبيز الموديل الرياضي الثاني نستخدم البيانات الموضحة في الجدول‬
:‫أدنام‬

Jan Feb Mar Apr May Jun

Demand (dit) 100 100 150 200 150 100
Unit Production cost 7 8 8 8 7 8
(Cit)
Unit- holding cost (hit) 3 4 4 4 3 2
Unit- regular labor cost 15 15 18 18 15 15
(rt)
Unit- overtime labor 22.5 22.5 27 27 22.5 22.5
cost (ot)
Unit- Backorder cost 20 25 25 25 20 15
(  it )
Hiring cost (ht) 20 20 20 20 20 20
Firing cost (ft) 20 20 20 20 20 20

‫من خالل استخدام المعادالت الرياضية للموديل الثاني للتخطيط اإلجمالي نحصل‬
‫)ع‬6( ‫على الحل األمثل الموضح في الجدول رقم‬

Dec Jan Feb Mar Apr May Jun

Man-hours Hired 129 0 0 0 0 0
(Ht)
Man-hours 0 0 0 0 0 7
Fried(Ft)
Man-hours (R) 129 129 129 129 129 129
labor
Man-hours (O) 0 0 0 32 0 0
labor
Production (Xit) 129 129 129 161 129 121
Inventory (I+it) 3 32 60 39 0 0 0
Unit- Backorder (I- 0 0 0 0 0 21 0
it)
Optimal cost $(19784)

172
 ‫‪Disaggregate models‬‬ ‫‪ 7-6‬نماذج تجزئة التخطيط اإلجمالي‬
‫لغرض بناء جدول اإلنتاج الرئيسي (‪ )MPS‬للشركات اإلنتاجية البد من تجزئة‬
‫تجزئة العوائل اإلنتاجية إلى مجموعة من المنتجات التي‬ ‫التخطيط اإلجمالي أ‬
‫تتكون منها كل عائلة إنتاجية وننا يكون تخطيط اإلنتاج مقسم إلى فترات زمنية‬
‫أسبوعياع على عكس التخطيط اإلجمالي التي تكون الفترات الزمنية شهرياعع ومن خالل‬
‫تجزئة التخطيط اإلجمالي نستطيم تخطيط جداول اإلنتاج الرئيسية التي ني عبارة‬
‫عن جداول إنتاج يحدد عدد الوحدات أو المكونات األزمة لإلنتاج خالل فترة زمنية‬
‫وما ني‬ ‫ينبغي إنتاج‬ ‫معينة فهو بصورة عامة عبارة عن جداول يبين ما الذ‬
‫كميات المطلوبة ومتى يتم إنتاج ويجب أن تتسز نذم الجداول مم خطة اإلنتاج‬
‫اإلجماليع وننان نوعين من النماذج الرياضية باستخدام اسلوب البرمجة الخطية التي‬
‫تعمل على بناء جداول اإلنتاج حسب طبيعة الشركة اإلنتاجيةع‬
‫‪ 1-7-6‬نموذج جداول اإلنتاج لغرض الخزين ( ‪Optimizing MPS in a‬‬
‫‪)make- to- stock model‬‬
‫‪Definition of variables and Constants‬‬ ‫تعريف المتغيرات والثوابت‬
‫(عدد المنتجات التي تتكون منها كل عائلة المطلوب إنتاج )‬
‫‪n: the number of parts‬‬
‫عدد الفترات الزمنية لجدول اإلنتاج الرئيسي المخطط لها‬
‫‪T: the number of periods‬‬
‫كلفة تنصيب المنتجات‬
‫‪Ai: set- up cost for production‬‬
‫(كلفة خزن الواحدة من المنتجات خالل كل فترة زمنية)‬
‫‪hi: holding cost per unit‬‬
‫الساعات المطلوبة لإلنتاج وحدة واحدة من منتجات كل عائلة من العوائل اإلنتاجية‬
‫كمية الوحدات المنتجة من كل منت من منتجات العوائل اإلنتاجية خالل الفترات‬
‫الزمنية المخطط لها (وتكون طول الفترة أسبوع)‬
‫‪Xkip= production quantity of products family (i) in period time‬‬
‫(كمية الخزين من كل منت في نهاية الفترة)‬

‫‪173‬‬
‫‪Iit= on hand inventory of product in the end of period‬‬
‫متغير ثنائي= ‪ 0‬في حالة وجود إنتاج ويساو صفر في حالة عدم وجود إنتاج في‬
‫كل فترة زمنية‬
‫‪Yit= 1 if product is produced in period t, 0 otherwise‬‬
‫(عدد الساعات اإلنتاجية المخطط لها ضمن الشهر الواحد والتي تم استنتاجها من‬
‫نماذج التخطيط اإلجمالي‬
‫)`‪Rt= production hours planning in the periods time (t‬‬

‫الصيغة الرياضية للموديل األول‬

‫‪n‬‬ ‫‪k‬‬ ‫‪T‬‬
‫دالةالهدف ) `‪MinZ   ( Aik Yit `  hik I itk‬‬
‫‪i 1 k 1 t `1‬‬

‫)‪I itk`  X itk`  I itk`  d itk` i 1...., n,..t  1,...., t k  1,...k....(1‬‬

‫‪n‬‬ ‫‪k‬‬

‫‪ a‬‬
‫‪i 1 k 1‬‬
‫‪k‬‬
‫‪i‬‬ ‫)‪X itk`  1 / 4( Rt ) t  1,.T , i  1..n,..t  1,..., t k  1,.k.....( 2‬‬

‫‪X‬‬ ‫‪k‬‬
‫قيد مستوى اإلنتاج )‪ MYitk` k  1,...k i  1...n,..t  1,..., t........( 3‬‬
‫` ‪it‬‬

‫)‪X itk`  0, I itk`  0 k  1,...k i  1...n,..t  1,..., t.....( 4‬‬

‫قيد عدم السالبية‬
‫)‪Yitk`  () k  1,...k i  1...n,..t  1,..., t.......... (5‬‬

‫‪ 2-7-6‬نموذج جداول اإلنتاج لغرض الطلب‬

‫‪Optimizing MPS in a make-to- order model‬‬
‫‪Definition of variables and Constants‬‬ ‫تعريف المتغيرات والثوابت‬
‫من منتجات العوائل اإلنتاجية‬ ‫عدد الوحدات المنتجة من كل منت‬ ‫`‪Xkit‬‬
‫المطلوب إنتاجها في كل فترة زمنية من الفترات المخطط لها (أسبوع)‬
‫`‪ Ikit‬عدد الوحدات من كل منت من منتجات العوائل والمخزونة في نهاية كل فترة‬
‫زمنية من الفترات المخطط لها (أسبوع)‬
‫`‪ Ik-it‬عدد الوحدات من كل منت من منتجات العوائل الغير متحققة في نهاية كل‬
‫فترة زمنية من الفترات المخطط لها (أسبوع)‬

‫‪174‬‬
 ‫`‪ d0-t‬وقت العمل الغير مستغل في كل فترة زمنية من الفترات المخطط لها (أسبوع)‬
‫`‪ d0+t‬وقت العمل اإلضافي المستخدم في كل فترة زمنية من الفترات المخطط لها‬
‫(أسبوع)‬
‫‪ d3-t‬االنحرافات السالبة عن مستوى وقت العمل اإلضافي المخطط لها في كل شهر‬
‫‪ d3+t‬االنحرافات الموجبة عن مستوى وقت العمل اإلضافي المخطط لها في كل‬
‫شهر‬
‫`‪ d1-it‬االنحرافات السالبة عن مستوى اإلنتاج اإلجمالي المخطط ل في كل شهر‬
‫`‪ d1+it‬االنحرافات الموجبة عن مستوى اإلنتاج اإلجمالي المخطط ل في كل شهر‬
‫`‪ D2-it‬االنحرافات السالبة عن مستوى الخزين المخطط ل للعوائل اإلنتاجية في كل‬
‫شهر‬
‫`‪ D2+it‬االنحرافات الموجبة عن مستوى الخزين المخطط ل للعوائل اإلنتاجية في كل‬
‫شهر‬
‫` ‪  it‬كلفة الطلبية الغير متحققة للوحدة اإلنتاجية الغير متحققةع‬
‫‪k‬‬

‫‪ W3-‬كلفة االنحراف السالب لمستوى وقت العمل اإلضافي الحالي عن وقت العمل‬
‫اإلضافي المخطط ل ضمن الشهر‬
‫‪ W3+‬كلفة االنحراف الموجب لمستوى وقت العمل اإلضافي الحالي عن وقت العمل‬
‫اإلضافي المخطط ل ضمن الشهر‬
‫‪ W1-‬كلفة االنحراف السالب لمستوى اإلنتاج اإلجمالي الحالي لمنت العائلة الحالي‬
‫عن مستوى اإلنتاج اإلجمالي لمنت العائلة المخطط ل ضمن الشهر‬
‫‪ W1+‬كلفة االنحراف الموجب لمستوى اإلنتاج اإلجمالي الحالي لمنت العائلة الحالي‬
‫عن مستوى اإلنتاج اإلجمالي لمنت العائلة المخطط ل ضمن الشهر‬
‫العائلة الحالي عن‬ ‫‪ W2-‬كلفة االنحراف السالب لمستوى اإلنتاج اإلجمالي لمنت‬
‫مستوى اإلنتاج اإلجمالي لمنت العائلة المخطط ل ضمن الشهر‬
‫‪ W2+‬كلفة االنحراف الموجب لمستوى اإلنتاج اإلجمالي لمنت العائلة الحالي عن‬
‫مستوى اإلنتاج اإلجمالي لمنت العائلة المخطط ل ضمن الشهر‬
‫`‪ t‬عدد الفترات الزمنية المخطط لها (أسبوع)‬

‫‪175‬‬
 ‫‪ n‬عدد العوائل اإلنتاجية‬
‫‪ J‬عدد المراكز اإلنتاجية‬
‫‪ Li‬طول فترة االنتظار إلكمال العملية اإلنتاجية لكل منت من منتجات العوائل من‬
‫مرحلة إصدار أوامر الشراء وأوامر العمل لحين إكمال العملية اإلنتاجيةع‬
‫‪ M‬األفز الزمني المخطط لجدول اإلنتاج الرئيسي‬
‫الفترة الزمنية المحدد (األسبوع) لبداية العملية اإلنتاجية في مراكز اإلنتاج‬
‫‪ r i , j‬النسبة المئوية من مجموع ساعات العمل المطلوبة لغرض إنجاز العمليات‬
‫‪k‬‬

‫اإلنتاجية لكل منت من منتجات العوائل في كل مركز من مراكز اإلنتاجع‬

‫الصيغة الرياضية للموديل الثاني‬

‫‪Objective function‬‬
‫‪n‬‬ ‫‪m‬‬ ‫‪n‬‬ ‫‪m‬‬
‫) ‪Minimize : Z    I   (w d  w d )   (w1 d it1  w1 d it1 wi2 d it2‬‬
‫‪k k‬‬
‫‪it ` it‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬

‫‪i 1 kki t `Nt‬‬ ‫‪i 1‬‬ ‫‪i 1 it‬‬

‫‪Subject to:‬‬
‫(القيود)‬
‫‪ 4‬قيد الخزين (‪)The Inventory constraint‬‬
‫)‪I ik,t `1  I itk`  I it`k  d itk`........(1‬‬
‫)‪( for  1,..., n; k  k ; t ` N t and t  1,..., m‬‬
‫‪ 5‬قيد وقت العمل االعتياد واإلضافي ( ‪)The Time Constraints‬‬
‫‪n‬‬ ‫‪Li‬‬ ‫‪J‬‬ ‫‪n‬‬

‫)‪  (rimj` X i.t ` Lim` )  d t0`  d t0`  (1 / 4)[Rt   z( X it ]......( 2‬‬
‫‪it kk1 im` j 1‬‬ ‫‪i 1‬‬

‫)‪( for t ` N , and t  1,..., m‬‬

‫قيد انحراف وقت العمل اإلضافي (‪)Overtime Deviation Constrain‬‬
‫‪d‬‬
‫‪t `Nt‬‬
‫‪0‬‬
‫`‪t‬‬ ‫)‪ d t3  d t3  Ot ........( 3‬‬

‫( ‪Regular Time Deviation‬‬ ‫‪ 6‬قيد انحراف وقت العمل االعتياد‬

‫‪)Constraint‬‬

‫‪176‬‬
 X
kk1 t `N t
k
it `  d it1  d it1  X it .....( 4)

( for i  1,...., n and t  1,..., m)

)Inventory Deviation Constraint( ‫ قيد انحراف الخزين‬7
 I
kk1 t `N t
k
it `  d it2  d it2  X it ........( 5)

( for i  1,..., n; t  1,..., m; and t ` 4(t  1)  1,...4(t  1)  4

)Non- Negativity Constraint( ‫ عدم السالبية‬8
X itk` , I itk` , I it`k , d t0` d t0` , d it2 , d it2 , d it3 , d it3 , d t1 , d t1  0

177
 ‫أسئلة وتمارين عامة‬
‫‪1‬ع الجدول التالي يبين الطلب اإلجمالي على المراو لسقفية المنتجة في قسم انتاج‬
‫المراو في شركة الصناعات الخفيفة لالشهر ‪6-1‬‬
‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫الشهر‬
‫‪700‬‬ ‫‪550‬‬ ‫‪420‬‬ ‫‪410‬‬ ‫‪350‬‬ ‫‪400‬‬ ‫الطلب‬

‫وقد توفرت البيانات التالية ايضا‪:‬‬

‫القوة العاملة الحالية‪ 9 :‬عامل‬
‫كلفة الخزين‪ 250 :‬دينار‪ /‬وحدة‪ /‬شهر‬
‫كلفة التعاقد الفرد ‪ 4500 :‬دينار‪ /‬وحدة‪ /‬شهر‬
‫اجرة العمل بالوقت االعتياد ‪ 7500 :‬دينار‪ /‬عامل‬
‫اجرة العمل االضافي‪ 10.000 :‬دينار‪ /‬امل‬
‫الوقت الالزم النتاج الوحدة الواحدة =‪ 6‬ساعات‬
‫كلفة استئجار العامل= ‪15000‬دينار‪ /‬عامل‬
‫كلفة االستغناء عن العامل ‪ 20.000 :‬دينار‪ /‬عامل‬
‫يوم العمل‪8 :‬ساعات‬
‫خزين أول المدة = صفر‬
‫خزين أخر المدة = صفر‬
‫المطلوب‪-:‬‬
‫‪ -1‬اعداد خطط انتاج اجمالية وفز االستراتيجيات االتية‪:‬‬
‫‪1‬ع استراتيجية التحكم بالخزينع‬
‫‪2‬ع استراتيجية التعاقد الفرعي‬
‫‪3‬ع استراتيجية الحكم بالوقت االضافي واالعتياد ع‬
‫‪4‬ع استراتيجية التحكم بالقوة العاملةع‬
‫‪5‬ع بين جميم تكاليف التخطيط االجمالي‬

‫‪178‬‬
‫‪ )2‬ترغب الشركة العامة للصناعات الخفيفية بانتاج مضخة ماء (الواتر بم) وتوفرت‬
‫البيانات التالية من نذم المضخات ‪:‬‬
‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫الشهر‬
‫‪850‬‬ ‫‪950‬‬ ‫‪800‬‬ ‫‪750‬‬ ‫‪600‬‬ ‫‪650‬‬ ‫الطلب‬
‫الطاقات‪:‬‬
‫‪800‬‬ ‫‪650‬‬ ‫‪710‬‬ ‫‪620‬‬ ‫بالوقت ‪500‬‬ ‫االنتاج‬
‫االعتياد‬
‫‪200‬‬ ‫‪200‬‬ ‫‪200‬‬ ‫‪200‬‬ ‫بالوقت ‪200‬‬ ‫االنتاج‬
‫االضافي‬
‫‪300‬‬ ‫‪300‬‬ ‫‪300‬‬ ‫‪300‬‬ ‫‪300‬‬ ‫التعاقد الفرعي‬

‫خزين اول المدة = صفر‬

‫التكاليف‪:‬‬
‫اجرة العمل بالوقت االعتياد ‪ 600 :‬دينار‪ /‬عامل‪ /‬ساعة‬
‫اجرة العمل بالوقت االضافي‪ 750 :‬دينار‪ /‬عامل‪ /‬ساعة‬
‫كلفة التعاقد الفرعي‪ 1100 :‬دينار‪ /‬وحدة‬
‫كلفة االحتفاظ بالخزين= ‪ 150‬دينار‪ /‬وحدة‪ /‬شهر‬
‫المطلوب ايجاد مجموع التكاليف الخطة االجمالي لالنتاج نذا لضمان استخدام جميم‬
‫سياسات التخطيط االجمالي المتاحةع‬
‫‪ )3‬يقوم مدير االنتاج للشركة العامة للصناعات الهندسية بتصميم واعداد خطة‬
‫االنتاج الشاملة لالشهر الستة القادمة وحصل على المعلومات التالية لهذم االشهر‬
‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫الفترة‬
‫‪75‬‬ ‫‪150‬‬ ‫‪130‬‬ ‫‪125‬‬ ‫‪100‬‬ ‫‪80‬‬ ‫التنبؤ‬

‫وكذلن الكلف على النحو التالي‪:‬‬

‫‪ -1‬تكلفة االحتفاظ بالخزين= ‪ 10‬دينار‪ /‬وحدة في نهاية كل شهرع‬

‫‪179‬‬
 ‫‪ -2‬تكلفة نفاذ المخزون= ‪ 100‬دينار ‪ /‬وحدة بالشهر‬
‫‪ -3‬تكلفة تحويل العمال الى نذا المنت = ‪ 400‬دينار ‪ /‬شخص‬
‫‪ -4‬تكلفة تمويل العمال من نذا المنت = ‪ 300‬دينار‪ /‬شخص‬
‫‪ -5‬المخزون في بداية الفترة = صفر‬
‫‪ -6‬عدد العاملين في بداية الفترة = ‪ 16‬شخص‬
‫‪ -7‬معدل انتاج الفرد الواحد = (‪ )5‬وحدة شهرياع‬
‫المطلوب‪ :‬اوجد الخطة االنتاجية االجمالية لهذم الشركة لتحقيز اقل كلف ممكنة‬
‫باستخدام الياسات المختلفةع‬

‫‪ 3‬حل المثال الثالث (الشركة الهندسية)‬

‫الجدول االتي يبين السياسات المختلفة‬
‫المجموع‬ ‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫التعامل‬ ‫ت‬
‫‪660‬‬ ‫‪75‬‬ ‫‪150 130‬‬ ‫‪ -1‬الطلب المتوقم ‪125 100 80‬‬
‫وحدة‬
‫‪660‬‬ ‫‪660‬‬ ‫‪585 435‬‬ ‫‪305 180‬‬ ‫‪80‬‬ ‫‪ -2‬الطلب المتوقم‬
‫التراكم‬
‫‪660‬‬ ‫‪90‬‬ ‫‪130‬‬ ‫‪13‬‬ ‫‪130‬‬ ‫‪90‬‬ ‫‪90‬‬ ‫‪ -3‬معدل االنتاج‬
‫الوحدة‬
‫‪660‬‬ ‫‪660‬‬ ‫‪570 440‬‬ ‫‪310 180‬‬ ‫‪90‬‬ ‫‪ -4‬معدل االنتاج‬
‫التراكم (وحدة)‬
‫‪20‬‬ ‫صفر‬ ‫صفر‬ ‫‪5‬‬ ‫صفر ‪5‬‬ ‫‪ -5‬المخزون نهاية ‪10‬‬
‫المدة (وحدة)‬
‫‪15‬‬ ‫صفر‬ ‫صفر ‪15‬‬ ‫الخزين صفر صفر صفر‬ ‫‪ -6‬نفاذ‬
‫(وحدة)‬
‫‪200‬‬ ‫صفر‬ ‫صفر‬ ‫‪50‬‬ ‫‪ -7‬تكلفة االحتفاظ ‪ 100‬صفر ‪50‬‬
‫بالمخزون‬

‫‪180‬‬
 ‫(دينار)‬
‫‪1500‬‬ ‫صفر ‪ 1500‬صفر‬ ‫نفاذ صفر صفر صفر‬ ‫‪ -8‬تكلفة‬
‫المخزن (دينار)‬
‫‪-‬‬ ‫‪18‬‬ ‫‪26‬‬ ‫‪26‬‬ ‫‪26‬‬ ‫‪18‬‬ ‫‪18‬‬ ‫‪ -9‬عدد العاملين‬
‫(شخص)‬
‫‪6400 2400‬‬ ‫‪ 800‬صفر ‪ 3200‬صفر صفر‬ ‫‪ -10‬تكلفة تقليل‬
‫العاملين‬
‫(دينار)‬
‫‪8100 2400 1500‬‬ ‫‪ 900‬صفر ‪50 3250‬‬ ‫‪ -11‬التكلفة الكلية‬
‫(دينار)‬

‫مالحظات حول الجدو‬

‫‪ -1‬معدل االنتاج (الصف ‪ = )3‬مجموع الطلب المتوقم ‪10=6/660=6/‬‬
‫‪ -2‬المخزون نهائية المدة (صف ‪ = )5‬الصف ‪( -4‬الصف ‪+)1‬المخزون في‬
‫بداية المدة‬
‫‪ -3‬تكلفة االحتفاظ (الصف ‪ = )7‬الصف ‪ 10 × 5‬دينار‬
‫‪ -4‬تكلفة نفاذ المخزون (الصف ‪ = )8‬الصف ‪100×6‬‬

‫‪181‬‬
 ‫المصادر العربية‬
‫‪1‬ع بخايا ماجد عبدهللا فاروق وسام "مقدمة في بحوذ العمليات" المكتبة الوطنية‬
‫بغداد ‪2000‬ع‬
‫‪2‬ع البن ااداني محم ااد اس ااعد عب ااد الون اااب "مقدم ااة ف ااي بح ااوذ العملي ااات" الطبع ااة‬
‫الثالثة عمان االردن ‪1998‬ع‬
‫‪3‬ع حمدان فتحي خليل بحوذ العمليات مم تطبيقات باستخدام الحاسوب دار‬
‫وائل للنشر عمان ‪2010‬ع‬
‫اررات اإلداريااة دار‬
‫‪4‬ع السااامرائي حسااين الطيااف األساااليب الكميااة فااي اتخاااذ القا ا‬
‫الهالل عمان ‪1997‬ع‬
‫"بحوذ العمليات مفهوما وتطبيقا" مكتية‬ ‫ا ع د حامد سعد نور‬ ‫‪5‬ع الشمرتي‬
‫الذاكرة للنشر والتوزيم بغداد الطبعة االولى ‪2010‬ع‬
‫علي خليل " مدخل الى بحوذ‬ ‫والزبيد‬ ‫ا ع د حامد سعد نور‬ ‫‪6‬ع الشمرتي‬
‫للنشر والتوزيم عمان – االردن الطبعة االولى‬ ‫العمليات " دار مجدالو‬
‫‪ 2007‬ع‬
‫حامااد سااعد نااور بحااوذ العمليااات مفهوم ااع وتطبيق ااع مكتبااة الااذاكرة‬ ‫‪7‬ع الشاامر‬
‫بغداد ‪2001‬ع‬
‫محماود الفضال مؤياد عباد الحساين بحاوذ العملياات وتطبيقاتهاا فاي‬ ‫‪8‬ع العبيد‬
‫إدارة األعمال عمان ‪2004‬ع‬
‫‪9‬ع العلي‪ :‬عبد الستار محمد ‪ ,‬ادارة االنتاج بين النظرية والتطبيز ‪ ,‬دار الكتب‬
‫جامعة البصرة في العراق ‪ ,1986,‬الفصل السادس عشرع‬
‫ا ع د دالل صادق "بحوذ‬ ‫والجواد‬ ‫ا ع د حميد ناصر حميد‬ ‫‪10‬ع الفتال‬
‫الطبعة‬ ‫عمان – االردن‬ ‫العمليات" دار اليازور العلمية للنشر والتوزيم‬
‫العربية ‪2008‬ع‬
‫‪11‬ع الفضا اال مؤيا ااد عب ا اد الحسا ااين "االسا اااليب الكميا ااة فا ااي االدارة" دار البا ااازور‬
‫العلمية للنشر والتوزيم عمان االردن ‪2004‬ع‬

‫‪182‬‬
‫ع القاض ا ااي زي ا اااد عب ا ااد الكا ا اريم ع ا اااطف ج ا ااابر عم ا اار اب ا ااو الحس ا اان "بح ا ااوذ‬12
‫ع‬1990 ‫العمليات" دار المستقبل للنشر عمان االردن‬
‫عمحمد صادق ماجد "بحوذ العمليات" الطبعاة األولاى مطبعاة دار الحكماة‬13
‫ع‬1991 ‫بغداد العراق‬
‫ع النعيمي محمد عباد العاال واخارون "مقدماة فاي بحاوذ العملياات" دار الوائال‬14
‫ع‬1999 ‫للنشر عمان االردن‬
‫ع النعيمااي محمااد عبااد العااال وآخاارون مقدمااة فااي بحااوذ العمليااات دار وائاال‬15
‫ع‬1999 ‫ األردن‬-‫للنشر عمان‬
‫"مقدمة في بحوذ العمليات" الطبعة‬ ‫محمد اسعد عبد الوناب‬ ‫عالنيداني‬16
‫ع‬1998 ‫ األردن‬-‫الثالثة عمان‬

‫المصادر االجنبية‬
1. Anderson, D . R. Sweeney D. G., Williams , T. A.
"Introduction to Management Science A Quantitive
Approach to Decision Making with CD- Roum, New York,
2001.
2. Evans, J. R., Oison, D. L., "Statistics, Data Analysis, and
Decision Modeling", 1st ed. Prentice Hall, New Jersey, 2000.
3. Gupta, A., D. S. Hira, Operation Research, Chand &
Company LID, New Delhi, 1987.
4. Hamdy, A., Taha, Operation Research An Introduction, 6th
ed. Coller MacMillian, 1997.
5. Philip, D. T., Ravidran & Slberg, Operation Research:
Principles and Practice, 2nd ed., John Wiley & Sons, New
York, 1987.
6. Render, B., Stair R. M., Quantitative Analysis for
Management , 7th ed., Prentice Hall, New York, 2000.

7. AL Najjar A. M., "Production and Operations Management,

2004.

183
8. Nagasawa, Hirotuki, and Katsundo Hitomi, Decision
analysis for determines the optimum. Part 2: Deference
between plants horizons in weekly and in monthly schedule
"International Journal of production research 23 (2): 423-
38.1995.
9. Chelliah Sriskandarajah = Production of operations
management" 2003.
10. Behnezhof, A. R., and Khoshnevis, B., "Integration of
machine requirements is planning and aggregate production
planning, production planning and control, vol.7, no.3,
pp.2,2-92, 8, 2000.
11. Bitram, G., R., and A. C., Hax. Desegregation and
Resource allocation using covex Kanpsack problems.
Management Science , 27, 431-441.1, 88.
12. W.J. Stevenson , Production / Operations management,
Richard D. Irwin, Chicago, 1996.
13. J. R., Evans, Applies production and Operations
management , west publishing Co., America .1993.
14. Bazaraa , M.J and M. sherali ,linear programming and
network 2nd ed.wiley,new York 1990
15. Lipsky, L, Transportation problem Macmillan new York
1992.
16. Nemhauser, G and L.Wolsey Integer and Combinatorial
optimization Wiley new York 1998.
17. Render ,B, Ralph M-Stair, JR. Michel E. Hanna, "
Quanti tative Analysis for Management" Pearson prentice-
hall2006
18. William, H"Model building In Mathematical
programming" 3ed Wiley new York 1990.
19. Wolsey L. Integer programming Wiley new York 1998 ‫ع‬

184