Вітлінський В В Математичне програмування Нав

МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ
КИЇВСЬКИЙ НАЦІОНАЛЬНИЙ ЕКОНОМІЧНИЙ УНІВЕРСИТЕТ
В. В. ВІТЛІНСЬКИЙ
С. І. НАКОНЕЧНИЙ
Т. О. ТЕРЕЩЕНКО
МАТЕМАТИЧНЕ
ПРОГРАМУВАННЯ
Навчально-методичний посібник
для самостійного вивчення дисципліни
Рекомендовано
Міністерством освіти і науки України
Київ 2001
ББК 22.18 Розповсюджувати та тиражувати
В 54 без офіційного дозволу КНЕУ заборонено
Рецензенти:
Н. І. Костіна, д-р техн. наук, проф. (Київ. нац. ун-т ім. Тараса Шевченка)
О. П. Суслов, д-р екон. наук, проф. (НДЕІ М-ва екон. України)
Гриф надано Міністерством освіти і науки України

Лист № 14/18.2-160 від 20.02.01
Вітлінський В.В., Наконечний С.І., Терещенко Т.О.

В 54 Математичне програмування: Навч.-метод. посібник для самост.
вивч. дисц. — К.: КНЕУ, 2001. — 248 с.
ISBN 966–574–263–9
У навчальному посібнику висвітлюються основні теоретичні та інструментальні
аспекти математичного програмування згідно з програмою цього курсу для студентів-
бакалаврів усіх спеціальностей з напрямку «Економіка і підприємництво». Особлива увага
приділяється сутності та постановці економічних задач. Наводиться низка практичних
задач, які розглядаються від концептуальної постановки до аналізу здобутих результатів.
Пропонуються лінійні, нелінійні, динамічні та стохастичні математичні моделі з
їх численними застосуваннями для розв’язування оптимізаційних задач економічного
змісту. До кожної теми подаються докладні теоретичні відомості, практичні приклади
їх застосування, супроводжувані розгорнутими поясненнями, добірка типових задач
економічного змісту для самостійного розв’язування та запитання для самоперевірки.
Посібником зможуть скористатись як студенти економічних вищих навчальних
закладів і факультетів, так і наукові працівники й особи, котрі цікавляться економіко-
математичними методами планування та управління.
ББК 22.18
Навчальне видання
ВІТЛІНСЬКИЙ Вальдемар Володимирович
НАКОНЕЧНИЙ Степан Ількович
ТЕРЕЩЕНКО Тетяна Опанасівна
МАТЕМАТИЧНЕ ПРОГРАМУВАННЯ
Навчально-методичний посібник
для самостійного вивчення дисципліни
Редактор Л. Бондаренко. Художник обкладинки О. Стеценко
Технічний редактор Т. Піхота. Коректор І. Савлук
Верстка І. Пантюхової, Н. Коломієць, О. Іваненко
Підписано до друку 31.07.01. Формат 6084/16. Папір офсет. № 1.
Гарнітура Таймс. Друк офсетний. Умов. друк. арк. 14,42. Умов. фарбовідб. 14,53.
Обл.-вид. арк. 16,41. Наклад 7000 прим. Зам. № 20-2105.
Видавництво КНЕУ
03680, м. Київ, просп. Перемоги, 54/1
Свідоцтво про реєстрацію № 235 від 07.11.2000
Тел./факс: (044) 458-00-66; 446-64-58
E-mail: publish@kneu.kiev.ua
 В. В. Вітлінський,
С. І. Наконечний,
Т. О. Терещенко, 2001
ISBN 966–574–263–9  КНЕУ, 2001
ЗМІСТ
Передмова .................................................................................................3
Розділ 1. ПРЕДМЕТ, ОСОБЛИВОСТІ ТА СФЕРИ
ЗАСТОСУВАННЯ МАТЕМАТИЧНОГО ПРОГРАМУВАННЯ
В ЕКОНОМІЦІ. КЛАСИФІКАЦІЯ ЗАДАЧ ...............................................7
1.1. Предмет курсу «Математичне програмування» ............................7
1.2. Найпростіша класифікація задач математичного
програмування .............................................................................................11
1.3. Програма дисципліни «Математичне програмування» ..............14
Розділ 2. ЗАГАЛЬНА ЗАДАЧА ЛІНІЙНОГО ПРОГРАМУВАННЯ
ТА МЕТОДИ ЇЇ РОЗВ’ЯЗУВАННЯ ..........................................................18
2.1. Загальна математична модель лінійного програмування ...........18
2.2. Форми запису задач ЛП .................................................................20
2.3. Геометрична інтерпретація ЗЛП ...................................................21
2.4. Основні аналітичні властивості розв’язків задач лінійного
програмування ..............................................................................................23
2.5. Графічний метод розв’язування задач лінійного
програмування .............................................................................................24
2.6. Симплексний метод розв’язування задач ЛП ..............................45
2.7. Заключні зауваження ......................................................................69
2.8. Контрольні запитання ....................................................................70
2.9. Теми рефератів ................................................................................70
2.10. Основні терміни та поняття .........................................................71
Розділ 3. ДВОЇСТІСТЬ У ЛІНІЙНОМУ ПРОГРАМУВАННІ ..........72
3.1. Поняття двоїстості. Правила побудови двоїстих задач ..............72
3.2. Теореми двоїстості .........................................................................74
3.3. Навчальні завдання .........................................................................75
3.4. Приклади та завдання для самостійної роботи ...........................82
3.5. Заключні зауваження ......................................................................88
3.6. Контрольні запитання ....................................................................88
3.7. Теми рефератів ................................................................................89
3.8. Основні терміни та поняття ...........................................................89
Розділ 4. ЕКОНОМІЧНА ІНТЕРПРЕТАЦІЯ ДВОЇСТИХ ЗАДАЧ.
АНАЛІЗ ОПТИМАЛЬНИХ ПЛАНІВ ЛІНІЙНИХ ЕКОНОМІКО-
МАТЕМАТИЧНИХ МОДЕЛЕЙ ................................................................90
4.1. Економічна інтерпретація двоїстої задачі ....................................90
4.2. Навчальні завдання .........................................................................92
4.3. Приклади та завдання для самостійної роботи .........................105
4.4. Заключні зауваження ....................................................................116
4.5. Контрольні запитання ..................................................................117
4.6. Теми рефератів ..............................................................................117
Розділ 5. ТРАНСПОРТНА ЗАДАЧА .................................................118

5.1. Постановка транспортної задачі .................................................118
5.2. Метод потенціалів ........................................................................119
5.3. Навчальні завдання .......................................................................122
5.4. Приклади та завдання для самостійної роботи .........................139
5.7. Теми рефератів ..............................................................................150
Розділ 6. ВИБРАНІ РОЗДІЛИ МАТЕМАТИЧНОГО

ПРОГРАМУВАННЯ .................................................................................151
6.1. Цілочислове програмування ........................................................152
6.2. Дробово-лінійне програмування .................................................177
6.3. Нелінійне програмування ............................................................187
6.4. Динамічне програмування ...........................................................195
6.5. Теорія ігор ......................................................................................213
6.6. Стохастичне програмування ........................................................223
6.9. Теми рефератів ..............................................................................243
6.10. Основні терміни та поняття .......................................................244
Рекомендована література 245

Передмова
О
сновне завдання фахівців з економіки та підприємництва — керувати
економічними системами, розробляючи й упроваджуючи стратегічні
та тактичні плани. Керування економічними системами — це, по суті,
використання знань про сис-
теми, здобуття нової інформації та застосування її з метою відшукання
ефективних способів досягнення заданих результатів. Організаційна
форма, що має будуватися не за бюрократичним принципом, а на засадах
адхократії1, стає структурою холдингового типу: координує роботу
багатьох тимчасових груп, які розпочинають і припиняють свою діяльність
згідно з темпом змін у навколишньому середовищі та в міру досягнення
цілей.
Отже, для керування економічними системами необхідна
інформація, особливо у ХХІ столітті, коли стрімко відбуваються
процеси інформатизації (третя хвиля) суспільства, його
інтелектуалізації.
Можна повністю погодитися з С. Л. Удовиком, що
інтелектуальна економіка основні вкладення робить у людський
фактор, тобто у знання і культуру. Знання та індивідуальний підхід
перетворюються на основну цінність інформаційного суспільства.
Більш того, головним фактором для людини стає не абсолютний
дохід, а, як стверджує Р. Інглегарт, ступінь безпечності, статус і
якість життя. Прагнення до матеріальних цінностей змінюється на
прагнення самовираження, пошуку сенсу життя, бажання залишити
свій слід у ньому. Дедалі більше людей на Заході надають перевагу
роботам не найдохіднішим, а творчо цікавим, які дозволяють
самореалізуватися в контексті з близькими. Те, що К. Маркс і
Ф. Енгельс цілком справедливо визначали як суспільство вільної
індивідуальності, починає виявлятися у країнах Заходу2.
1
Адхократія — влада інтелектуалів, залучених для розв’язування конкретної
задачі.
5
Ми стаємо свідками інтелектуалізації та інформатизації західного
суспільства. Можемо бути впевненими, що цей процес не обмине Україну.
Наша країна має до цього готуватись, розвивати наукові дослідження і, що
найважливіше, виховувати фахівців, котрі мають відповідний рівень знань.
На наших очах пройшла комп’ютерна революція. У домівках
з’явилися комп’ютери, оснащені сучасним програмним
забезпеченням із широкими можливостями. Завдяки всесвітній
мережі Інтернет наше суспільство має змогу використовувати у
своїй діяльності світові досягнення науки, культури тощо. Десять
років тому такий перебіг справ мало хто міг передбачити. Немає
сумніву, що в наступному десятиріччі комп’ютер стане таким
поширеним, як і телефон.
Інформатизація суспільства — закономірний процес. Наприк-
лад, у США злам припав на 1991 рік, коли вперше витрати на
придбання інформаційної техніки (112 млрд дол.) перевищили
витрати на промислове обладнання (107 млрд дол.)1. Цей рік
можна вважати першим роком інформаційної ери. Відтоді різниця
між зазначеними витратами постійно збільшується. Зростання ролі
знань, високих технологій, добування нової вагомої для керування
інформації притаманне інформаційним суспільствам. С. Л. Удовик
на прикладі компаній «ІВМ» та «Microsoft» вдало показав сутність
і переваги використання інформаційних технологій. Наприкінці
1996 року ринкова вартість компанії «Microsoft» становила 85,5, а
«ІВМ» — 70,7 млрд дол., хоча остання продавала набагато більше
продукції. Окрім того, основні виробничі засоби та устаткування
«ІВМ» досягають 16,6 млрд дол., а «Microsoft» — не перевищують
930 млн дол. Отже, з позиції індустріального суспільства
основною вартістю «Microsoft» є «повітря» — ідеї, думки, набутий
працівниками досвід, престижне ім’я, можливості, особливо
можливості перспективні, а також розумні й творчі голови
службовців. Як вдало висловився Д. Танскотт з приводу
«Microsoft», «активи компанії щовечора розходяться по домівках».
Більш того, з погляду матеріальних активів інша добре відома в
нас компанія — «Visa International» — просто не існує, хоча й
здійснює фінансові угоди на третину трильйона доларів за рік»2.
Зауважимо, що в розвинених країнах кількість працівників, зай-
нятих у сфері виробництва, з року в рік зменшується. Так, нині у
2
Удовик С. Л. Государственность Украины: истоки и перспективы. — К.:
Ваклер, 1999. — С. 31—32.
1
Удовик С. Л. — С. 28.
2
Удовик С. Л. — С. 27—28.
6
США частка таких працівників становить близько 10 %, а в
інтелектуальних сферах зайнято вже майже 60 %3.
Принагідно зазначимо, що рентабельність у виробничій сфері
не перевищує 5—15 %, а в інтелектуальній — 1000—2000 %.
Саме тому високотехнологічні й інтелектуальні суспільства
практично не потрапляють у зону кризи — норма рентабельності
їхньої продукції витримує багаторазове зниження цін.
За умов інформатизації суспільства основним його надбанням
стає інтелектуальний продукт, отримуваний завдяки високим
технологіям та інвестиціям у знання. Не можна не погодитися з
С. Л. Удовиком, який стверджує, що в сучасній державі необхідна
«активна інформатизація державних установ з використанням
мережі Інтернет. Це не лише прискорить перехід на горизонтальний
рівень керування, спростить контроль з боку вищестоящих органів,
але й скоротить час обробки та прийняття рішень і документообіг,
змусить чиновників, образно кажучи, «повернутися лицем» до
громадян, які дістають змогу безпосередньо контролювати
проходження документів без складної системи записів на прийом і
т. ін. Крім цього, це дозволить так організувати роботу установ, що
громадяни взагалі не матимуть безпосередніх стосунків із
чиновниками»1.
Підкреслимо, що коли йдеться про інформатизацію
суспільства, керівник має відповідати за використання й
ефективність знань. Отже, у таких суспільствах змінюються
сутність і методи керування економічними системами.
Інформаційна та комп’ютерна революція прискорює розвиток суспільства, яке
буде не капіталістичним і не комуністичним, а інформаційним. Ефективність
сягне так високо, що всі члени суспільства в матеріальному плані будуть
повністю задоволені. Проте це не означає, що в суспільстві не буде
суперечностей. Суспільство в результаті такої революції поділиться на два
«ворожі» класи, а саме на тих, хто опанував комп’ютерні технології, і на тих, хто
цього не зробив або не зміг. Виникає реальне протистояння в суспільстві, яке
може мати негативніші наслідки, ніж перехід наших предків від кустарного до
фабричного виробництва. Річ у тім, що промислова революція, яка розтягнулася
в часі, давала можливість людям адаптуватися до нових умов, при цьому
створювалися нові робочі місця. Комп’ютерна революція проходить стрімко,
загрожує зруйнувати більше робочих місць, ніж створити, формуються нові
жорсткі класові бар’єри, особливо між високо- і малоосвіченими членами
суспільства.
3
Танскотт Д. Электронно-цифровое общество. — К.: INT; М.: Рефл-бук, 1999. —
С. 10.
1
Удовик С. Л. — С. 28.
7
Принагідно зазначимо, що українське суспільство значною мірою відстає від
світового рівня у процесах інформатизації, використання комп’ютерної техніки.
Важливою для нашого суспільства є проблема вдосконалення керування
економічними системами на базі комп’ютерних технологій, тобто інтенсивного
впровадження систем підтримки прийняття рішень (СППР), які продовж трьох
десятиліть широко застосовуються у розвинених країнах. Наприклад, для
розробки програмного забезпечення СППР США щорічно витрачає понад 1
млрд доларів. Хоча в Україні такі системи ще практично не використовуються,
але інтелектуальна діяльність нашого суспільства є доволі прогресуючою і
динамічною, його інформатизація забезпечить використання СППР. Фахівці-
економісти мають бути готовими до такого перебігу процесів інформатизації.
СППР окрім програмного забезпечення містять у собі банк
економіко-математичних методів і моделей. Щоб ефективно
застосовувати СППР, необхідно володіти методом
математичного моделювання, вміти будувати економіко-
математичні моделі, знати методи оптимізації економічних
процесів та явищ. Усе це вивчається в дисциплінах економіко-
математичного циклу. Отже, глибоке вивчення цього циклу
дисциплін дасть змогу фахівцеві-економісту вступити в
інформаційне суспільство, допоможе здобувати нові знання та
унікальну інформацію. Тільки з допомогою методів
математичного моделювання можна збагатитися знаннями про
системи, у тому числі економічні.
Математичне програмування є однією з дисциплін економіко-математичного
циклу, які вивчають в економічних вузах. Цей цикл дисциплін є базовим у
підготовці економістів і підприємців.
У пропонованому навчальному посібнику на прикладі економічних задач досить
популярно викладені основні методи математичного програмування, освоєння
яких не потребує особливих математичних знань, а лише старанної роботи. У
посібнику дано теоретичні основи, алгоритми розв’язування задач, домашні зав-
дання тощо.
Увагу допитливого студента звернемо на той факт, що розвиток
математичного програмування почався лише 60 років тому.
У 1939 році академік Л. В. Канторович, досліджуючи деякі задачі
економічного змісту, розробив методи чисельного розв’язування
екстремальних задач. Цей науковий напрямок розвивається досить
бурхливо, ряд вчених за розробку методів оптимізації отримали
Нобелівські премії, у тому числі академік Л. В. Канторович. Отже,
працьовиті і талановиті студенти мають можливість ознайомитися в
періодичній пресі з останніми досягненнями у сфері оптимізації
функціонування і розвитку економічних процесів. Опанувати математичне
8
моделювання і методи оптимізації студенти мають неодмінно, щоб стати
фахівцями високого рівня в інформаційному суспільстві.
Розділ 1
ПРЕДМЕТ, ОСОБЛИВОСТІ ТА СФЕРИ
ЗАСТОСУВАННЯ МАТЕМАТИЧНОГО
ПРОГРАМУВАННЯ В ЕКОНОМІЦІ.
КЛАСИФІКАЦІЯ ЗАДАЧ
1.1. ПРЕДМЕТ КУРСУ «МАТЕМАТИЧНЕ ПРОГРАМУВАННЯ»
Важливим завданням сучасності є керування економічними

системами, оптимізація їх структури, траєкторії розвитку й
функціонування з метою досягнення максимальної економічної
ефективності. Ці проблеми вивчає наука, яку називають
теорією дослідження операцій. Вона охоплює всі етапи
вивчення систем, у тому числі економічних: від з’ясування мети
(цілі) функціонування й розвитку, побудови економіко-
математичної моделі та відшукання оптимального розв’язку до
розробки плану практичної реалізації здобутих результатів
дослідження та забезпечення реалізації цього плану.
Математичне програмування — один з головних інструментів
теорії дослідження операцій — полягає в розробленні методів
розв’язування оптимізаційних задач та дослідження отриманого
розв’язку.
Економічну систему можна схематично подати у вигляді
прямокутника (рис. 1.1).
9
Рис. 1.1. Схема виробничо-економічної системи
Параметри Сk (k = 1, 2, ..., l) є кількісними характеристика-
ми системи. Наприклад, якщо йдеться про сільськогосподарську
економічну систему, то значення Сk характеризують наявність
ресурсів (земельних угідь, живої праці, сільськогосподарської
техніки, тваринницькі та складські приміщення), рівень
урожайності сільськогосподарських культур і продуктивності
свійських тварин, норми витрат ресурсів, ціну та собівартість
проміжної і кінцевої продукції, норми податків, проценти за
кредит, ціни на куповані ресурси тощо.
Параметри Сk для певної системи можуть бути сталими,
наприклад норми висіву насіння сільськогосподарських культур,
норми споживання тваринами кормів і т. ін., або їх значення
залежатиме від певних умов, як, скажімо, урожайність
сільськогосподарських культур, собівартість продукції ,
реалізаційні ціни на рослинницьку й тваринницьку продукцію.
Інші кількісні характеристики є змінними величинами, які бувають
незалежними чи залежними, дискретними або неперервними,
детермінованими або випадковими. Наприклад, залежною змінною є
обсяг чистого прибутку, незалежною — кількість кормів, які планується
згодувати великій рогатій худобі, дискретною — кількість корів,
неперервною — площа посіву озимої пшениці, детермінованою — норма
висіву насіння кукурудзи на гектар, випадковою — кількість телят, які
народяться у плановому періоді.
Незалежні змінні бувають двох видів: керовані Хj (j = 1, 2, ..., n),
значення яких можна змінювати в деякому інтервалі; некеровані
змінні Yi (і = 1, 2, ..., m), значення яких не залежать від волі
людей і визначаються зовнішнім середовищем. Наприклад,
площі посіву зернових культур — керовані, а погодні умови —
некеровані змінні. Залежно від реальної ситуації керовані змінні
можуть переходити у групу некерованих і навпаки. Наприклад,
у разі насиченого ринку обсяги придбання дизельного палива є
керованою змінною величиною, а за умов дефіциту цього
ресурсу — некерованою.
Кожна економічна система має мету (ціль) розвитку та функціонування. Це
може бути, наприклад, отримання максимуму чистого прибутку. Ступінь
досягнення мети, здебільшого, має кількісну міру, тобто може бути
описаний математично.
Нехай F — обрана мета (ціль). За цих умов вдається, як
правило, встановити залежність між величиною F, якою
10
вимірюється ступінь досягнення мети, і незалежними змінними
та параметрами системи:
F = f (X1, X2, ..., Xn; Y1, Y2, ..., Ym, С1, С2, ..., Сl). (1.1)
Функцію F називають цільовою функцією, або функцією
мети. Для економічної системи це є функція ефективності її
функціонування та розвитку, оскільки значення F відбиває
ступінь досягнення певної мети.
Задача математичного програмування формулюється так:
Знайти такі значення керованих змінних Хj, щоб цільова
функція набувала екстремального (максимального чи
мінімального) значення.
Отже, потрібно відшукати значення
. (1.2)
Можливості вибору Хj завжди обмежені зовнішніми щодо
системи умовами, параметрами виробничо-економічної системи і
т. ін.
Наприклад, площа посіву озимої пшениці обмежена наявністю ріллі та інших
ресурсів, сівозмінами, можливістю реалізації зерна, необхідністю виконання
договірних зобов’язань тощо. Ці процеси можна описати системою
математичних рівностей та нерівностей виду
(1.3)
Тут набір символів означає, що для деяких значень
поточного індексу r виконуються нерівності типу ≤, для інших —
рівності (=), а для решти — нерівності типу ≥.
Система (1.3) називається системою обмежень, або
системою умов задачі. Вона описує внутрішні технологічні та
економічні процеси функціонування й розвитку виробничо-
економічної системи, а також процеси зовнішнього середовища,
які впливають на результат діяльності системи. Для економічних
систем змінні Хj мають бути невід’ємними:
. (1.4)
11
Вирази (1.2)—(1.4) є економіко-математичною моделлю
цієї економічної системи. Розробляючи таку модель, слід
керуватися певними правилами:
1. Модель має адекватно описувати реальні технологічні та
економічні процеси.
2. У моделі потрібно враховувати все істотне, суттєве в
досліджуваному явищі чи процесі, нехтуючи всім другорядним,
неістотним у ньому. Математичне моделювання — це мистецтво,
вузька стежка між переспрощенням та переускладненням.
Справді, прості моделі не забезпечують відповідної точності, і
«оптимальні» розв’язки за такими моделями, як правило не
відповідають реальним ситуаціям, дезорієнтують користувача, а
переускладнені моделі важко реалізувати на ЕОМ як з огляду на
неможливість інформаційного забезпечення, так і через
відсутність відповідних методів оптимізації.
3. Модель має бути зрозумілою для користувача, зручною для
реалізації на ЕОМ.
4. Потрібно забезпечити, щоб множина наборів Хj була не
порожньою. З цією метою в економіко-математичних моделях
по змозі слід уникати обмежень типу «=», а також суперечливих
обмежень. Наприклад, ставиться обмеження щодо виконання
контрактів, але ресурсів недостатньо, аби їх виконати. Якщо
система (1.3) має єдиний розв’язок, то не існує задачі вибору
оптимального плану.
Будь-який набір змінних Х1, Х2, ..., Хn, що задовольняє умови
(1.3) і (1.4), називають допустимим планом, або планом.
Очевидно, що кожний допустимий план є відповідною
стратегією економічної системи, програмою дій. Саме зі
словом «програма» і пов’язана назва предмета «математичне
програмування». Кожному допустимому плану відповідає
значення цільової функції, яке обчислюється за формулою (1.1).
Сукупність усіх розв’язків систем обмежень (1.3) і (1.4), тобто
множина всіх допустимих планів, становить область існування
планів.
План, за якого цільова функція набуває екстремального
значення, називається оптимальним. Оптимальний план є
розв’язком задачі математичного програмування (1.2)—(1.4).
Зауважимо, що в задачі математичного програмування передбачається
одна цільова функція, яка кількісно визначена. У реальних економічних
системах на роль критерію оптимальності (ефективності) претендують
кілька десятків показників. Наприклад, максимум чистого доходу від
виробленої продукції у вартісному виразі чи максимум рентабельності,
12
мінімум собівартості виробленої продукції або мінімум витрат
дефіцитних ресурсів. Некоректним є вираз «максимум товарної продукції
за мінімальної її собівартості». Хоча задача математичного
програмування передбачає одну цільову функцію, але існують
математичні методи побудови компромісних планів, тобто методи
багатокритеріальної оптимізації.
Перш ніж розглядати методи оптимізації, ознайомимося з
класифікацією задач математичного програмування.
1.2. НАЙПРОСТІША КЛАСИФІКАЦІЯ ЗАДАЧ
МАТЕМАТИЧНОГО ПРОГРАМУВАННЯ
Будь-яка класифікація передбачає вибір критерію, згідно з яким вона

здійснюється. Оскільки математичне програмування передусім є строгою
математичною дисципліною, то критеріями класифікації мають бути в
основному математичні структури (властивості) задач і методів їх
розв’язування. Зауважимо, що одна й та сама задача з погляду різних
математичних критеріїв може належати до кількох класів. Адже кожний
критерій підкреслює лише одну властивість задачі на противагу деякій
іншій, тобто поділяє всі задачі на два класи (чи підкласи всередині певного
класу).
Задачі математичного програмування поділяються на два
великі класи лінійні та нелінійні. Якщо цільова функція (1.2) та
обмеження (1.3) є лінійними функціями, тобто вони містять
змінні Хj у першому або нульовому степені. В усіх інших
випадках задача буде нелінійною. Важливою перевагою лінійних
задач є те, що для їх розв’язування розроблено універсальний
метод, який називається симплексним методом. Теоретично
кожну задачу лінійного програмування можна розв’язати. Для
деяких класів лінійних задач, що мають особливу структуру,
розробляють спеціальні методи розв’язування, які є
ефективнішими. Наприклад, транспортну задачу можна розв’язати
симплексним методом, але ефективнішими є спеціальні методи,
наприклад метод потенціалів.
Економічні та технологічні процеси, як правило, є нелінійними,
стохастичними, розвиваються в умовах невизначеності. Лінійні
економіко-математичні моделі часто є неадекватними, а тому
доводиться будувати нелінійні та стохастичні моделі. Розв’язувати
нелінійні задачі набагато складніше, ніж лінійні, оскільки немає
універсального методу розв’язування таких задач. Для окремих
типів нелінійних задач розроблено численні спеціальні ефективні
методи розв’язування. Проте слід зазначити, що на практиці
13
застосовують, здебільшого, лінійні економіко-математичні моделі.
Часто нелінійні залежності апроксимують (наближають)
лінійними. Такий підхід на практиці є доволі ефективним.
У нелінійному програмуванні виокремлюють такі класи: опукле
програмування. Для задач опуклого програмування існує низка
добре обґрунтованих та ефективних методів їх розв’язування.
Зазначимо, що задачі лінійного програмування є частковим
випадком задач опуклого програмування.
Наголосимо, що коли область допустимих планів є опуклою множиною, а
цільова функція є опуклою функцією, то задача математичного програмування
має глобальний, єдиний екстремум (якщо такий існує).
Множина S в n-мірному евклідовому просторі називається
опуклою множиною, якщо для будь-яких точок (елементів) цієї
множини точки належать
множині S за всіх значень які належать відрізку
Геометрично це означає, якщо та належать до
множини S, то відрізок прямої, що з’єднує ці дві точки, також
цілком належить до множини S.
Функція визначена на опуклій множині лінійного
простору (на опуклій множині S), називається опуклою, якщо
виконується нерівність
для всіх які належать відрізку

Квадратичне програмування — цільова функція квадратична, а
обмеження лінійні.
Далі задачі математичного програмування поділяють на
дискретні і неперервні. Дискретними називають задачі, в яких
одна, кілька або всі змінні набувають лише дискретних значень.
Окремий клас становлять задачі, в яких одна або кілька змінних
набувають цілочислових значень, тобто задачі цілочислового
програмування. Якщо всі змінні можуть набувати будь-якого
значення в деяких інтервалах числової осі, то задача є
неперервною.
Задачі математичного програмування поділяються також на
детерміновані і стохастичні. Детерміновані задачі не містять
випадкових змінних і параметрів, котрі набувають значень
відповідно до функції розподілу. Наприклад, якщо в економіко-
математичній моделі врожайності сільськогосподарських культур
задані своїми математичними сподіваннями, то така задача є де-
14
термінованою. Якщо врожайності задані функціями розподілу,
наприклад нормального з математичним сподіванням а і
дисперсією σ, то така задача є стохастичною.
Якщо у відповідних економічних процесах випадкові явища
не відіграють істотної ролі, то задачу можна розв’язувати як
детерміновану. У противному разі адекватна економіко-
математична модель має бути стохастичною, тобто містити
випадкові функції та величини. Структура та розв’язування таких
задач вивчаються в окремому розділі, який називається
стохастичним програмуванням.
Економічні процеси розвиваються в часі, а тому відповідні
моделі мають відображати динаміку. Це означає, що для
знаходження оптимального плану потрібно застосовувати класи
задач математичного програмування статичні (однокрокові) і
динамічні (багатокрокові). Поняття динамічності зрозуміле, воно
пов’язане з часом. Наприклад, якщо йдеться про план розвитку
України до 2005 року, мають бути обґрунтовані значення
відповідних макроекономічних показників не лише на 2005 рік, а
й на всі проміжні роки, тобто враховано динаміку розвитку
народногосподарських процесів. Такий план називають
стратегічним.
У ньому має бути обґрунтована оптимальна (раціональна)
траєкторія розвитку народного господарства. Проте під впливом
некерованих чинників реальні показники щороку можуть
відхиляти-
ся від планових. Тому постає потреба коригувати кожний річний
план. Такі плани називають тактичними. Вони визначаються в
результаті реалізації статичної економіко-математичної моделі.
Важливо чітко усвідомити відмінність між одно- та
багатокроковими задачами. Багатокроковість як метод
розв’язування задач математичного програмування
зумовлюється, насамперед, їх багатовимірністю. Сутність цього
методу полягає в тому, що оптимальні значення розглядуваної
множини змінних знаходять крок за кроком, послідовно
застосовуючи індукцію, причому рішення, яке приймається на
кожному кроці, має задовольняти умови оптимальності щодо
рішення, прийнятого на попередньому кроці. Така процедура
може бути і не бути пов’язаною з часом. Однокрокові задачі,
навпаки, характеризуються тим, що всі компоненти
оптимального плану задачі визначаються одночасно на останній
ітерації (кроці) алгоритму. Потрібно розрізняти ітераційність
алгоритму і його багатокроковість. Наприклад, симплекс-метод
15
розв’язування задач лінійного програмування є ітераційним,
тобто якимось чином задаємо допустимий план і в результаті
деякої кількості ітерацій дістаємо оптимальний план. Тут
виконуються ітерації (кроки) алгоритму симплексного методу,
але це не інтерпретується як багатокроковість економічного
процесу (явища). Деякі задачі математичного програмування
можна розглядати як одно- або багатокрокові залежно від
способу їх розв’язування. Якщо задачу можна розв’язувати як
однокрокову, то розв’язувати її як багатокрокову недоцільно,
аби не застосовувати для знаходження оптимального плану
складніших методів. Проте більшість економічних процесів є
динамічними, їх параметри змінюються в часі й залежать від
рішень керівництва, що їх доводиться приймати з метою
досягнення розвитку економічної системи за траєкторією, яка
визначається стратегічним планом.
Щойно було розглянуто лише найбільші класи задач
математичного програмування, які визначені згідно з
математичними критеріями. Можна також за різними ознаками
виокремити й підкласи. Це особливо стосується задач лінійного,
нелінійного і стохастичного програмування. Наприклад, як
окремий клас розглядають дробово-лінійне програмування, коли
обмеження є лінійними, а цільова функція — дробово-лінійна.
Особливий клас становлять задачі теорії ігор, які широко
застосовуються в ринковій економіці. Адже тут діють дві чи
більше конфліктних сторін, які мають цілі, що не збігаються, або
протилежні цілі. У сукупності задач теорії ігор, у свою чергу,
також виокремлюють певні підкласи. Наприклад, ігри двох осіб із
нульовою сумою.
Наведену класифікацію використано для структурування
курсу «Математичне програмування».
1.3. ПРОГРАМА ДИСЦИПЛІНИ

«МАТЕМАТИЧНЕ ПРОГРАМУВАННЯ»
Тема 1. Предмет, особливості та сфери застосування

математичного програмування в економіці.
Класифікація задач
Предмет, об’єкт, завдання та методологічні засади курсу.
16
Задачі економічного вибору. Сутність звичайної
(однокритеріальної) оптимізації.
Економічна та математична постановка оптимізаційних задач.
Вибір критерію оптимізації, функціональних та
нефункціональних обмежень задачі.
Класифікація моделей і методів розв’язування задач
математичного програмування.
Приклади економічних задач, які доцільно розв’язувати,
застосовуючи методи та моделі математичного програмування.
Тема 2. Загальна задача лінійного програмування

та методи її розв’язування
Економічна та математична постановка задач лінійного

програмування (ЛП). Використовувана система гіпотез.
Визначення множини допустимих планів задачі ЛП.
Геометрична інтерпретація множини допустимих розв’язків
задач ЛП.
Цільова функція задачі ЛП.
Канонічна форма лінійної оптимізаційної моделі.
Оптимальний план задачі ЛП.
Симплексний метод.
Інші методи розв’язування задач ЛП.
Тема 3. Теорія двоїстості та двоїсті оцінки в аналізі

розв’язків лінійних оптимізаційних моделей
Основна та двоїста задачі як пара взаємоспряжених задач ЛП.

Двоїсті оцінки та дефіцитність ресурсів у околі оптимального
плану задачі ЛП.
Стійкість оптимальних планів прямої та двоїстої задач.
Основні теореми двоїстості та їх економічний зміст.
Післяоптимізаційний аналіз задач ЛП.
Тема 4. Аналіз лінійних моделей економічних задач
Аналіз розв’язків лінійних економіко-математичних моделей.

Оцінка рентабельності продукції, яка виробляється, і нової продукції.
17
Аналіз обмежень дефіцитних і недефіцитних ресурсів. Аналіз
коефіцієнтів цільової функції. Аналіз коефіцієнтів технологічної
матриці для базисних і вільних змінних.
Приклади практичного використання двоїстих оцінок у аналізі
економічних задач.
Тема 5. Транспортна задача (ТЗ).

Постановка, методи розв’язування та аналізу
Економічна і математична постановка транспортної задачі. Умови

існування розв’язку ТЗ. Методи побудови опорного плану. Випадок
виродження. Двоїста задача. Умова оптимальності. Методи
розв’язування ТЗ. Транспортна задача за критерієм часу.
Двохетапна транспортна задача і методи її розв’язування.
Розв’язування ТЗ на сітці.
Тема 6. Цілочислові задачі лінійного програмування.

Деякі з основних методів їх розв’язування та аналізу
Область застосування цілочислових задач ЛП у плануванні й

управлінні виробництвом. Математична постановка
цілочислових задач лінійного програмування.
Геометрична інтерпретація розв’язків на площині. Методи розв’язування
цілочислових задач ЛП.
Метод Гоморі. Метод віток і меж.
Тема 7. Задачі дробово-лінійного програмування.

Деякі основні методи розв’язування та аналізу
Економічна сутність, постановка та моделі основних типів

задач дробово-лінійного програмування (ДЛП). Основні методи
розв’язування задач ДЛП.
Аналіз оптимального плану задачі ДЛП.
Тема 8. Задачі нелінійного програмування,

деякі основні методи їх розв’язування та аналізу
Економічна сутність і постановка окремих типів задач

нелінійного програмування (НЛП).
18
Класичний метод оптимізації задач НЛП на базі використання
множників Лагранжа та їх економічна інтерпретація.
Опукле програмування. Необхідні та достатні умови
існування сідлової точки. Теорема Куна—Таккера.
Деякі з основних методів розв’язування задач НЛП.
Методи аналізу оптимального плану задачі НЛП.
Задачі квадратичного програмування (КП) та основні методи
їх розв’язування.
Економічна постановка та математичні моделі окремих задач
КП. Основні методи розв’язування задач КП.
Метод кусково-лінійної оптимізації задачі КП.
Тема 9. Задачі динамічного програмування
Економічна сутність, деякі основні типи задач та моделі динамічного

програмування (ДП).
Задачі про заміну основного капіталу підприємства.
Багатокроковий процес прийняття рішень та ДП.
Метод рекурентних співвідношень. Принцип оптимальності Беллмана.
Алгоритм Джонсона.
Розділ 2
ЗАГАЛЬНА ЗАДАЧА
ЛІНІЙНОГО ПРОГРАМУВАННЯ
ТА МЕТОДИ ЇЇ РОЗВ’ЯЗУВАННЯ
2.1. ЗАГАЛЬНА МАТЕМАТИЧНА МОДЕЛЬ

Загальна лінійна математична модель економічних процесів і явищ —

так звана загальна задача лінійного програмування (ЛП) подається у
вигляді:
знайти максимум (мінімум) функції
(2.1)
або
за умов
19
(2.2)
. (2.3)
Отже, потрібно знайти значення змінних x1, x2, …, xn, які
задовольняють умови (2.2) і (2.3), тоді як цільова функція
набуває екстремального (максимального чи мінімального)
значення.
Задачу (2.1)—(2.3) легко звести до канонічної форми, тобто до
такого вигляду, коли в системі обмежень (2.2) всі bі (і = 1, 2, …, n)
невід’ємні, а всі обмеження є рівностями.
Якщо якесь bі від’ємне, то, помноживши і-те обмеження на (–1),
дістанемо у правій частині відповідної рівності додатне значен-
ня. Коли і-те обмеження має вигляд нерівності
, то останню завжди можна
звести до рівності, увівши допоміжну змінну xn + 1:
.
Аналогічно обмеження виду
зводимо до рівності, віднімаючи від лівої частини допоміжну
Приклад 2.1.
змінну хn + 2, тобто

Записати в канонічній формі таку задачу ЛП:
 max
за умов
Розв’язування. Помножимо другу нерівність на (–1) і введемо

відповідно допоміжні змінні х4 і х5 для другого та третього
обмеження:
Неважко переконатися, що допоміжні змінні, у цьому разі х4 і

х5, є невід’ємними, причому їх уведення не змінює цільової
функції.
20
Отже, будь-яку задачу ЛП можна записати в такій канонічній
формі:
знайти максимум функції  max (2.4)
за умов
(2.5)
. (2.6)
Задачу (2.4)—(2.6) можна розв’язувати на мінімум, якщо цільову
функцію помножити на (–1), тобто
.
2.2. ФОРМИ ЗАПИСУ ЗАДАЧ ЛП
Задачу ЛП (ЗЛП) зручно записувати за допомогою знака суми «».

Справді, задачу (2.4)—(2.6) можна подати так:
за умов
Ще компактнішим є запис ЗЛП у векторно-матричному вигляді:
за умов
АХ = А0,
Х 0,
де
є матриця коефіцієнтів при змінних;
21
— вектор змінних; — вектор вільних
членів;
С = (с1, с2, …, сп) — вектор коефіцієнтів при змінних у
цільовій функції.
Часто ЗЛП зручно записувати у векторній формі:
за умов
,
,
де
, , …,
є вектори коефіцієнтів при змінних.
2.3. ГЕОМЕТРИЧНА ІНТЕРПРЕТАЦІЯ ЗЛП
Геометричну інтерпретацію ЗЛП розглянемо на такому прикладі. Нехай

фермер прийняв рішення вирощувати озиму пшеницю і цукровий буряк на
площі 20 га, відвівши під цукровий буряк не менш як 5 га. Техніко-
економічні показники вирощування цих культур наведені в таблиці:
Сільськогосподарська
№ Техніко-економічний показник культура Наявний
п/п із розрахунку на 1 га ресурс
Озима Цукровий
пшениця буряк
1 Жива праця, людино-днів 5 25 270

2 Механізована праця, людино-днів 2 8 80
22
3 Прибуток, тис. грн. 0,7 1
Критерієм оптимальності є максимізація прибутку.

Запишемо економіко-математичну модель структури
виробництва озимої пшениці та цукрового буряка,
скориставшись такими позначеннями:
х1 — шукана площа посіву озимої пшениці;
х2 — шукана площа посіву цукрового буряка.
ЗЛП має вигляд:
(2.7)
за умов
, (2.8)
, (2.9)
, (2.10)
, (2.11)
, . (2.12)
Геометричну інтерпретацію задачі наведено на рис. 2.1.
23
Рис. 2.1. Область допустимих розв’язків
Область допустимих розв’язків дістаємо так. Кожне
обмеження, наприклад х1 + х2 ≤ 20, задає півплощину з
граничною прямою х1 + х2 = 20. Будуємо її і визначаємо
півплощину, яка описується нерівністю х1 + х2 ≤ 20. З цією метою
в нерівність х1 + х2 ≤ 20 підставляємо координати якоїсь
характерної точки, скажімо х1 = 0
і х2 = 0. Переконуємося, що ця точка належить півплощині
х1 + х2 ≤ 20. Цей факт на рис. 2.1 ілюструємо відповідною напрям-
леною стрілкою. Аналогічно будуємо півплощини, які
відповідають нерівностям (2.8)—(2.12). У результаті перетину
цих півплощин утворюється область допустимих розв’язків
задачі (на рис. 2.1 — многокутник ABCD). Цільова функція
описує сім’ю паралельних прямих, кожна з яких
відповідає певному значенню Z. Зокрема, якщо Z = 0, маємо 0,7х1
+ х2 = 0.
Ця пряма проходить через початок системи координат. Коли
Z = 3,5, дістаємо пряму 0,7х1 + х2 = 3,5.
24
Загальна задача лінійного програмування (2.1)—(2.3)
геометрично інтерпретується так: кожне і-те обмеження, що має
вигляд рівняння
,
у п-вимірному просторі основних змінних х1, х2, …, хп задає
гіперплощину. Кожному обмеженню виду (2.2) і (2.3)
відповідають гіперплощина та півпростір, який лежить по один
бік цієї гіперплощини. У перетині всіх півпросторів, що
визначаються обмеженнями задачі (2.2) і (2.3), утворюється
опуклий многогранник допустимих її розв’язків.
Цільову функцію
в п-вимірному просторі основних змінних можна геометрично

інтерпретувати як сім’ю паралельних гіперплощин, положення
кожної з яких визначається значенням параметра Z.
2.4. ОСНОВНІ АНАЛІТИЧНІ ВЛАСТИВОСТІ

РОЗВ’ЯЗКІВ ЗАДАЧ ЛІНІЙНОГО ПРОГРАМУВАННЯ
Вектор Х = (х1, х2, …, хп), координати якого задовольняють сис-

темі обмежень (2.2) і (2.3), називають допустимим розв’язком, або
допустимим планом задачі. Сукупність допустимих розв’язків
(планів) задачі утворює область допустимих розв’язків задачі.
Опорним планом задачі лінійного програмування
називається план, утворений координатами вершини
многогранника планів задачі. Отже, опорний план — це план,
який задовольняє не менш ніж п лінійно незалежних обмежень
(2.2) у вигляді строгих рівностей разом з обмеженням (2.3) щодо
знака.
Опорний план називається невиродженим, якщо він є
вершиною многогранника планів задачі, утвореного перетином
точно п гіперплощин, тобто задовольняє п лінійно незалежних
обмежень — строгих рівностей. У противному разі опорний план є
виродженим.
Якщо задача лінійного програмування має розв’язок і серед її
планів є опорні, то хоча б один із них буде оптимальним.
Сукупність усіх розв’язків задачі лінійного програмування є
многогранною опуклою множиною, яку називають
многогранником розв’язків.
25
Якщо задача лінійного програмування має оптимальний план,
то екстремального значення цільова функція набуває в одній із
вершин многогранника розв’язків. Якщо цільова функція набуває
екстремального значення більш як в одній вершині цього
многогранника, то вона досягає його і в будь-який точці, що є
лінійною комбінацією таких вершин.
2.5. ГРАФІЧНИЙ МЕТОД РОЗВ’ЯЗУВАННЯ ЗАДАЧ

2.5.1. Основи графічного методу
Для розв’язування двовимірних задач лінійного програмування, тобто задач з

двома змінними, а також деяких тривимірних задач застосовують графічний
метод, що ґрунтується на геометричній інтерпретації та аналітичних властивостях
задач лінійного програмування.
Розглянемо таку задачу.
Знайти екстремум (мінімум, максимум) функції:
(2.13)
за умов
(2.14)
. (2.15)
Припустимо, що система (2.14) за умов (2.15) сумісна і многокутник її
розв’язків обмежений.
Згідно з геометричною інтерпретацією задачі лінійного
програмування (2.4) кожне і-те обмеження-нерівність (2.14)
визначає півплощину з граничною прямою (і =
1, 2, …, т). Системою обмежень (2.14) описується спільна
частина, або переріз усіх зазначених півплощин, тобто множина
точок, координати яких задовольняють всі обмеження задачі.
Таку множину точок називають многокутником розв’язків, або
областю допустимих планів (розв’язків) задачі лінійного
програмування.
Умова (2.15) невід’ємності змінних означає, що область допус-
тимих розв’язків задачі належить першому квадранту системи
координат двовимірного простору. Цільова функція задачі
лінійного програмування геометрично інтерпретується як сім’я
паралельних прямих с1х1 + с2х2 = const.
26
Сформулюємо деякі властивості задачі лінійного
програмування, застосовувані під час її графічного
розв’язування.
Якщо задача лінійного програмування має оптимальний план, то
екстремального значення цільова функція набуває в одній із вершин многокутника
розв’язків. А якщо цільова функція досягає екстремального значення більш як в
одній вершині многокутника, то вона досягає його і в будь-якій точці, що є
лінійною комбінацією цих вершин.
Отже, розв’язати задачу лінійного програмування графічно означає
знайти таку вершину многокутника розв’язків, у результаті підставляння
координат якої в (2.13) лінійна цільова функція набуває найбільшого
(найменшого) значення.
Алгоритм графічного методу розв’язування задач лінійного
програмування складається з розглянутих далі кроків.
1. Будуємо прямі лінії, рівняння яких дістаємо заміною в обмеженнях
задачі (2.14) знаків нерівностей на знаки рівностей.
2. Визначаємо півплощини, що відповідають кожному
обмеженню задачі.
3. Знаходимо многокутник розв’язків задачі лінійного програмування.
4. Будуємо вектор , що задає напрям зростання
значень цільової функції задачі.
5. Будуємо пряму с1х1 + с2х2 = const, перпендикулярну до
вектора .
6. Переміщуючи пряму с1х1 + с2х2 = const в напрямі вектора
(для задачі максимізації) або в протилежному напрямі (для задачі
мінімізації), знаходимо вершину многокутника розв’язків, де
цільова функція досягає екстремального значення.
7. Визначаємо координати точки, в якій цільова функція набуває
максимального (мінімального) значення, і обчислюємо екстремальне
значення цільової функції в цій точці.
У разі застосування графічного методу для розв’язування
задач лінійного програмування можливі такі випадки.
Цільова функція набуває максимального значення в єдиній
вершині А многокутника розв’язків (рис. 2.2).
Максимального значення цільова функція досягає в будь-якій
точці відрізка АВ (рис. 2.3). Тоді задача лінійного програмування
має альтернативні оптимальні плани.
Задача лінійного програмування не має оптимальних планів
(рис. 2.4 — цільова функція не обмежена згори; рис. 2.5 —
система обмежень задачі несумісна).
27
Рис. 2.2 Рис. 2.3
Рис. 2.4 Рис. 2.5
Рис. 2.6 Рис. 2.7
28
Рис. 2.8
Задача лінійного програмування має оптимальний план за
необмеженої області допустимих розв’язків (рис. 2.6 і 2.7). На
рис. 2.6 у точці В маємо максимум, на рис. 2.7 у точці В —
мінімум, на рис. 2.8 показано, що в разі необмеженої області
допустимих планів цільова функція набуває максимальне і
мінімальне значення.
2.5.2. Навчальні завдання.

Розв’язування задач графічним методом
Розглянемо застосування графічного методу для розв’язуван-

ня деяких економічних задач.
Задача 2.1. Фірма спеціалізується на виробництві офісних меблів,

зокрема вона випускає дві моделі збірних книжкових
полиць — А та В. Полиці обох моделей обробляють на верстатах 1 та 2.
Тривалість обробки (у хвилинах) однієї полиці кожної моделі подано
таблицею.
Тривалість обробки полиці, хв, за моделями

Верстати
А В
1 30 15
2 12 26
Час роботи верстатів 1 та 2 становить відповідно 40 та 36 год на

тиждень. Прибуток фірми від реалізації однієї полиці моделі А дорівнює
50 у. о., а моделі В — 30 у. о. Вивчення ринку збуту показало, що тижневий
попит на книжкові полиці моделі А ніколи не перевищує попиту на модель
29
В більш як на 30 одиниць, а попит на полиці моделі В не перевищує 80
одиниць на тиждень.
Визначити обсяги виробництва книжкових полиць різних моделей, що
максимізують прибуток фірми. Побудувати економіко-математичну модель
поставленої задачі та розв’язати її графічно.
Побудова математичної моделі. Змінними в моделі є тижневі
обсяги виробництва книжкових полиць моделей А та В. Нехай
х1 — кількість полиць моделі А, виготовлюваних фірмою за
тиждень, а х2 — відповідна кількість полиць моделі В. Цільова
функція моделі — максимізація прибутку фірми від реалізації
продукції. Математично вона записується так:
Обмеження математичної моделі враховують час роботи

верстатів 1 та 2 для обробки продукції та попит на полиці різних
моделей.
Обмеження на час роботи верстатів 1 та 2 набирають такого
вигляду:
для верстата 1
30х1 + 15х2 ≤ 2400 хв;
для верстата 2
12х1 + 26х2 ≤ 2160 хв.
Обмеження на попит набирають вигляду:
х1 – х2 ≤ 30 і х2 ≤ 80.
Отже, економіко-математичну модель поставленої задачі можна
записати так:
Z = 50х1 + 30х2  max, (2.16)
(2.17)
(2.18)
(2.19)
(2.20)
(2.21)
Записана економіка-математична модель є моделлю задачі лінійного
програмування, що містить лише дві змінні, і тому може бути розв’язана
графічно.
30
Розв’язування. Перший крок згідно з графічним методом
полягає в геометричному зображенні допустимих планів задачі,
тобто в побудові такої області, де одночасно виконуються всі
обмеження моделі. Замінюємо знаки нерівностей на знаки строгих
рівностей і будуємо графіки відповідних прямих (рис. 2.9). Кожна
з побудованих прямих поділяє площину системи координат на дві
півплощини. Координати точок однієї задовольняють
розглядувану нерівність, а іншої — не задовольняють. Щоб
визначити необхідну півплощину (на рис. 2.9 її напрям позначено
стрілкою), потрібно взяти будь-яку точку і перевірити, чи
задовольняють її координати зазначене обмеження. Якщо
задовольняють, то півплощина, в якій міститься вибрана точка, є
геометричним зображенням нерівності. У протилежному разі
таким зображенням є інша півплощина.
Рис. 2.9
Умова невід’ємності змінних х1 ≥ 0, х2 ≥ 0 обмежує область
допустимих планів задачі першим квадрантом системи координат.
Переріз усіх півплощин визначає область допустимих планів задачі,
— шестикутник OABCDE. Координати будь-якої його точки
задовольняють систему обмежень задачі та умову невід’ємності
змінних. Тому поставлену задачу буде розв’язано, якщо ми
зможемо відшукати таку точку многокутника OABCDE, в якій
цільова функція Z набуває найбільшого значення.
Для цього побудуємо вектор , компонентами
якого є коефіцієнти при змінних у цільовій функції задачі. Век-
тор завжди виходить із початку координат і напрямлений
31
до точки з координатами (х1 = с1; х2 = с2). У нашій задачі век-
тор . Він задає напрям збільшення значень цільо-
вої функції Z, а вектор, протилежний йому, — напрям їх
зменшення.
Побудуємо лінію, що відповідає, наприклад, значенню Z = 0.
Це буде пряма 50х1 + 30х2 = 0, яка перпендикулярна до вектора
і проходить через початок координат. Оскільки маємо
визначити найбільше значення цільової функції,
пересуватимемо пряму 50х1 + 30х2 = 0 в напрямі вектора
доти, доки не визначимо вершину многокутника, яка відповідає
оптимальному плану задачі.
Із рис. 2.9 бачимо, що останньою спільною точкою прямої
цільової функції та многокутника OABCDE, є точка С.
Координати цієї точки визначають оптимальний план задачі,
тобто обсяги виробництва книжкових полиць моделей А та В, що
максимізують прибуток від їх реалізації.
Координати точки С визначаються перетином прямих (2.17)
і (2.18):
Розв’язавши цю систему рівнянь, дістанемо х1 = 50; х2 = 60.

Отже, Х* = (50; 60); .
Це означає, що коли фірма щотижня виготовлятиме 50 збірних
книжкових полиць моделі А та 60 — моделі В, то вона отримає
максимальний прибуток 4300 у. о. При цьому тижневий фонд роботи
верстатів 1 та 2 буде використано повністю.
Невелика птахоферма має розрахувати оптимальний кормовий раціон
Задача 2.2. для 1000 курчат, яких вирощують до 8-тижневого віку. Нехтуючи
тим, що тижневі витрати кормів для курчат залежать від їхнього віку,
вважатимемо, що в середньому за 8 тижнів вони досягнуть маси 500 г. З цією метою
кормовий раціон курчат має задовольняти певні вимоги поживності. Сформулюємо ці
вимоги у спрощеному вигляді, ураховуючи лише дві поживні речовини: білок і клітковину,
що містяться у кормах двох видів — зерні та соєвих бобах. Вміст поживних речовин у
кожному кормі та їх вартість задано таблицею:
Вміст поживних речовин, %

Корм Вартість 1 кг корму, у. о.
Білок Клітковина
Зерно 10 2 0,40
Соєві боби 50 8 0,90
Готова кормова суміш має містити не менш як 20 % білка і не більш як

5 % клітковини.
32
Визначити масу кожного з двох видів кормів, що утворюють
кормову суміш мінімальної вартості, задовольняючи вимоги до
загальних витрат кормової суміші та її поживності.
Побудова математичної моделі. Нехай х1 — маса, кг, зерна
в кормовій суміші, а х2 — вміст, кг, соєвих бобів у готовій
кормовій суміші.
Загальна кількість суміші х1 + х2 має становити не менш як
1000 · 0,5 = 500 (кг), тобто
х1 + х2 ≥ 500.
Розглянемо обмеження щодо поживності кормової суміші.
1. Суміш має містити не менш як 20 % білка:
10х1 + 50х2 ≥ 20 (х1 + х2).
2. Суміш має містити не більш як 5 % клітковини:
2х1 + 8х2 ≤ 5 (х1 + х2).
Остаточно математична модель задачі оптимізації кормового раціону
набирає такого вигляду:
Z = 0,40х1 + 0,90х2  min; (2.22)

(2.23)
(2.24)
(2.25)
(2.26)
Розв’язування. Графічну інтерпретацію задачі подано на рис.

2.10. Множина допустимих її розв’язків необмежена. Для вектора
= (0,4; 0,9) можна змінити масштаб, наприклад = (200; 450).
Найменшого значення цільова функція Z досягає в точці А, що
лежить на перетині прямих (2.23) та (2.24). Визначимо її коор-
динати:
33
Рис. 2.10
Отже, Х * = (375; 125); min Z =
= 0,4 · 375 + 0,9 · 125 = 262,5.
Знайдений оптимальний план задачі показує: для того щоб отримати 500 кг
кормової суміші мінімальної вартості (262,50 у. о.), потрібно взяти 375 кг зерна
та 125 кг соєвих бобів. При цьому вимоги до поживності кормової суміші
виконуватимуться:
0,10 · 375 + 0,50 · 125 = 100 кг білка, що становить рівно 20 %
загальної маси суміші;
0,02 · 375 + 0,08 · 125 = 17,5 кг клітковини в кормовій суміші,
що становить 3,5 % її маси і не перевищує 5 %.
Задача 2.3. Фірма виготовляє два продукти А та В, що продаються

відповідно по 8 та 15 центів за упаковку. Ринок збуту для
кожного з них практично необмежений. Продукт А обробляється верстатом
1, а продукт В — верстатом 2. Далі обидва продукти упаковуються на
фабриці. Схему виробництва продуктів А та В показано на рис. 2.11.
34
Рис. 2.11
Ціна 1 кг сировини — 6 центів. Верстат 1 обробляє за годину

5000 кг сировини, а верстат 2 — 4000 кг сировини із втратами,
що становлять відповідно 10 і 20 %. Верстат 1 може працювати
6 год на день, причому його використання коштує 288 дол./год;
верстат 2 — 5 год на день, що коштує 336 дол./год.
Маса однієї упаковки продукту А дорівнює 1/4 кг, а продукту
В 1/3 кг. Фабрика може працювати 10 год на день, виготовляючи
за 1 год продукції на 360 дол. упаковуючи 12 000 продуктів А та
8000 продуктів В.
Відшукати такі значення х1 та х2 споживання сировини для
продуктів А та В (у тисячах кілограмів), які забезпечують найбіль-
ший щоденний прибуток фірми.
Сформулюємо математично задачу й розв’яжемо її графічно.
Побудова математичної моделі. Нехай х1 —кількість сировини,
тис. кг, використовуваної для виготовлення продукту А, а х2 —
кількість сировини, тис. кг, що йде на виготовлення продукту В.
Запишемо обмеження задачі. Згідно з умовою обмеженими ресурсами є
час використання верстатів 1 і 2, а також час роботи фабрики з упакування
продуктів А та В.
1. Обмеження на використання верстата 1.
Економічний зміст цього обмеження такий: фактичний час роботи
верстата 1 з обробки сировини для продукту А не повинен перевищувати 6
год, тобто
Математично це запишеться так:

х1 / 5 ≤ 6, або х1 ≤ 30.
2. Обмеження на використання верстата 2 знаходимо аналогічно:
х2 / 4 ≤ 5, або х2 ≤ 20.
3. Обмеження на час роботи фабрики з упакування продуктів А та В.
Економічний зміст цього обмеження такий: фактичний час,
витрачений на упакування продуктів А та В, не повинен
перевищувати 10 год на день:
Математично це запишеться так:

35
або
0,3х1 + 0,3х2 ≤ 10,
3х1 + 3х2 ≤ 100.
Побудуємо цільову функцію задачі. Прибуток фірми складається з
різниці між доходом від реалізації виготовленої продукції та витратами на її
виробництво.
1. Дохід, дол., від виробництва продуктів А та В визначається так:
або
.
Загальний дохід дорівнює 288х1 + 360х2.

2. Витрати, дол., на сировину визначаємо як загальну кількість
сировини, тис. кг, використовуваної для виробництва продуктів
А та В, помножену на вартість одиниці сировини, дол.:
60 (х1 + х2) = 60х1 + 60х2 .
3. Витрати, дол., пов’язані з використанням верстатів 1 і 2, визначаємо
як фактичний час роботи верстата з обробки сировини, помножений на
вартість 1 год роботи відповідного верстата:
4. Витрати, дол., пов’язані з упакуванням продуктів А та В,

складаються з фактичного часу роботи фабрики (0,3х1 + 0,3х2),
помноженого на вартісний еквівалент 1 год роботи фабрики,
який становить 360 дол.:
360 (0,3х1 + 0,3х2) = 108х1 + 108х2.
Узагальнюючи всі складові частини цільової функції, можемо записати
математичний вираз прибутку фірми за день:
Z = (288х1 + 360х2) – (60х1 + 60х2) – (288/5х1 + 84х2) – (108х1 + 108х2) =
= 12/5 · (26х1 + 45х2).
Отже, маємо остаточний запис економіко-математичної моделі:
36
Рис. 2.12
Z = 12/5 · (26х1 + 45х2)  max
за обмежень
Незважаючи на порівняно складний процес моделювання,

математично поставлена задача дуже проста й легко
розв’язується графічно.
Розв’язування. Графічне розв’язування задачі ілюструє рис. 2.12.
Областю допустимих планів, що утворюється системою обмежень
задачі, є многокутник ОАВСD. Найбільшого значення цільова
функція досягає у вершині В. Координати цієї точки визначаються із
системи рівнянь:
Оптимальний план задачі Х * = (40/3; 20); max Z = 2992.

Отже, для того, щоб отримати найбільший денний прибуток 2992 дол., фірма
має обробляти 40/3 тис. кг сировини, виробляючи продукт
А, і 20 тис. кг — виробляючи продукт В. За такого оптимального плану випуску
продукції верстат 2 працюватиме 20/4 = 5 год на день, тобто з повним
навантаженням, а верстат 1 працюватиме лише 40/15 = 2 год 20 хв на день.
Задача 2.4. На меблевій фабриці зі стандартних листів фанери

потрібно вирізати 24, 28 і 18 заготовок трьох розмірів.
Лист фанери можна розрізати двома способами. Кількість отриманих
заготовок та площу відходів за кожного способу розрізування одного листа
фанери наведено в таблиці:
Кількість отриманих заготовок, шт., за способами

Заготовка
першим другим
37
1 2 6
2 4 4
3 2 3
Площа відходів, см 2
12 18
Скільки листів фанери та за яким способом слід розрізати, щоб

отримати потрібну кількість заготовок з мінімальними відходами.
Побудова математичної моделі. Нехай х1, х2 — кількість лис-
тів фанери, які необхідно розрізати відповідно першим і другим
способом.
Цільова функція — мінімізація відходів під час розрізування
листа фанери. Математично це записується так:
Z = 12х1 + 18х2  max.
Обмеження математичної моделі враховують кількість заготовок
кожного виду, які потрібно отримати:
для заготовки 1 2х1 + 6х2 ≥ 24;
Отже, економіко-математична модель задачі має вигляд
Z = 12х1 + 18х2  min (2.27)
(2.28)
(2.29)
(2.30)
(2.31)
38
Розв’язування. Графічне розв’язування задачі оптимального
розрізування ілюструє рис. 2.13. Область допустимих розв’язків
цієї задачі необмежена. Вектор = (12; 18) можна змінити
згідно з масштабом графіка, наприклад = (6; 9).
Із рис. 2.13 бачимо, що пряма 12х1 + 18х2 = min Z збігаєть-
Рис. 2.13
ся зі стороною ВС многокутника розв’язків. Це означає, що
задача має альтернативні оптимальні плани: координати будь-якої
точки відрізка BC
є оптимальним планом, причому для цих координат цільова
функція
Z досягає свого найменшого значення. Визначимо лише два
оптимальних плани, що відповідають кінцям відріз-
ка BC.
Точка В утворюється перетином прямих (2.29) і (2.30); її
координати визначаємо із системи рівнянь
звідки .
Точка С лежить на перетині прямих (2.28) і (2.30); її
координати визначаємо із системи рівнянь
39
отже, .
Повертаючись до економічного змісту розв’язаної задачі,
маємо такі результати. Якщо розрізати 7 листів фанери, з яких 3
листи — першим способом, а 4 — другим, то матимемо найменшу
площу відходів — 108 см2. Але такі самі мінімальні втрати будуть
і в разі розрізування шести листів першим способом і двох —
другим.
Будь-який інший альтернативний оптимальний план задачі
можна записати як опуклу лінійну комбінацію отриманих двох
крайніх розв’язків:
,
де .
Наприклад, нехай 1 = 2 = 0,5. Тоді ще один оптимальний
план задачі визначається так:
Х * = 0,5 (3; 4) + 0,5 (6; 2).
Х * = (4,5; 3).
Цільова функція Z має таке саме мінімальне значення:
min Z = 12 · 4,5 + 18 · 3 = 108.
2.5.3. Приклади та завдання для самостійної роботи
Задача 2.5.
Комерційна фірма рекламує свою продукцію,
використовуючи місцеві радіо- та телевізійну мережі.
Витрати на рекламу в бюджеті фірми становлять 10 000 дол. на
місяць. Хвилина радіореклами коштує фірмі 5 дол., а телереклами
— 90 дол. Фірма має намір використовувати радіорекламу
принаймні вдвічі частіше, ніж рекламу на телебаченні. Досвід
показав: обсяг збуту, що його забезпечує 1 хв телереклами, у 30
разів перевищує обсяг збуту, що його забезпечує 1 хв радіореклами.
Визначити оптимальний розподіл коштів, які щомісяця мають
витрачатися на рекламу, за якого обсягу збут продукції фірми буде
найбільшим.
Задача 2.6. Невелике сільськогосподарське підприємство спеціалізується

на вирощуванні овочів, зокрема капусти та томатів,
використовуючи для цього мінеральні добрива (фосфорні та калійні). Норми
40
внесення мінеральних добрив під кожну культуру та запас добрив у
господарстві наведено в таблиці:
Норма внесення добрива,

Мінеральні кг діючої речовини / га
добрива Запас добрив, кг
Капуста Томати
Фосфорні 150 400 6000
Калійні 500 300 9000
Під вирощування овочів відведено земельну ділянку площею 20 га.

Очікуваний прибуток господарства від реалізації 1 ц капусти становить 10 ум. од.,
а 1 ц томатів — 20 ум. од. Середня врожайність капусти в господарстві дорівнює
300 ц/га, а томатів — 200 ц/га.
Визначити такий варіант розміщення культур на земельній ділянці,
який максимізує прибуток господарства за умови, що витрати
мінеральних добрив не перевищують максимально можливого запасу.
Фірма виготовляє два види продукції А та В,

Задача 2.7.
використовуючи для цього два види сировини, добовий
запас якої має не перевищувати відповідно 210 та 240 ум. од. Витрати
сировини для виготовлення одиниці продукції кожного виду подано
таблицею:
Норма витрат сировини, ум. од., для виготовлення продукції

Сировина
А В
1 2 5
2 3 4
Відділ збуту фірми вважає, що виробництво продукції В має становити

не більш як 65 % загального обсягу реалізації продукції обох видів. Ціна
одиниці продукції А та В дорівнює відповідно 10 та 40 дол.
Визначити оптимальний план виробництва продукції, який
максимізує дохід фірми. Записати економіко-математичну
модель задачі та розв’язати її графічно.
Фірма виготовляє деталі до автомобілів, ринок
Задача 2.8.
збуту яких практично необмежений. Будь-яка
деталь має пройти послідовну обробку на трьох верстатах, час
використання кожного з яких становить 10 год/добу. Тривалість
41
обробки, хв, однієї деталі на кожному верстаті наведено в
таблиці:
Тривалість обробки деталі, хв, за верстатами
Деталь
1 2 3
А 10 6 8
В 5 20 15
Прибуток від оптової реалізації однієї деталі кожного виду становить

відповідно 20 та 30 дол.
Визначити оптимальні добові обсяги виробництва деталей кожного
виду, що максимізують її прибуток. Записати економіко-математичну
Задача 2.9.
Підприємство виготовляє письмові столи типів А та В.
Для одного столу типу А необхідно 2 м 2 деревини, а
для столу типу В — 3 м2. Підприємство може отримати до 1200 м2
деревини за тиждень. Для виготовлення одного столу типу А потріб-
но 12 хв роботи обладнання, а для моделі В — 30 хв. Обладнання
може використовуватися 160 год на тиждень. Оцінено, що за
тиждень може бути реалізовано до 550 столів.
Відомо, що прибуток від реалізації одного письмового столу типу А
становить 30 дол., а типу В — 40 дол. Скільки столів кожного типу
необхідно виготовляти за тиждень? Записати економіко-математичну
Задача 2.10.
Підприємство електронної промисловості
виготовляє дві моделі радіоприймачів, причому
кожна модель складається на окремій технологічній лінії. Добовий
обсяг виробництва першої лінії становить 60, а другої — 70 од. На
один радіоприймач першої моделі витрачається 10 однотипних
елементів електронних схем, а на радіоприймач другої моделі — 8.
Максимальний добовий запас елементів, що використовуються у
виробництві, становить 1000 од. Прибуток від реалізації одного
радіоприймача першої та другої моделі дорівнює відповідно 35 та
25 дол.
Визначити оптимальні обсяги виробництва радіоприймачів обох
моделей. Записати економіко-математичну модель задачі та розв’язати її
графічно.
Графічним методом визначити оптимальні плани задач
лінійного програмування (2.11—2.31).
Задача 2.11. 42 Задача 2.12.

Задача 2.13. Задача 2.14.
У задачі 2.19 замінити рівняння х1 = 5 на нерівність

Задача 2.21.
х1 ≤ 5 і визначити максимум цільової функції.
43
Задача 2.32.
Визначити екстремальні значення лінійної функції
у таких випадках: а)  =  = 2; б)  = – 9;  = 3; в)  = 6;  = 0.
Задача 2.33.
Визначити максимум лінійної функції
у таких випадках: а)  = 3;  = 2; б)  = 1;  = 4; в)  = 5;  = 1.
Задача 2.34.
Визначити найбільше значення функції
44
у таких випадках: а)  = –6; б)  = 4; в)  = 6.

Окрім запропонованих задач лінійного програмування
графічно можна розв’язувати також задачі, що мають п змінних
і т обмежень у вигляді рівнянь, коли вони взаємопов’язані
співвідношенням п – т = 2.
Задача 2.35. Фірма, що спеціалізується на виробництві електро-
приладів, отримала замовлення на виготовлення 100
електроплит. Конструкторами запропоновано до випуску три моделі плит А,
В і С за ціною відповідно 100, 60 та 50 дол. Норми витрат сировини для
виготовлення однієї електроплити різних моделей та запас сировини на фірмі
наведено в таблиці:
Норми витрат сировини, ум. од.,

Сировина за моделями електроплит Запас сировини,
ум. од.
А В С
І 10 4 5 700
ІІ 3 2 1 400
Визначити оптимальні обсяги виробництва електроплит різних моделей,

що максимізують дохід фірми. Записати економіко-математичну модель
задачі та розв’язати її графічно.
Задача 2.36. Фірма виготовляє деякий препарат побутової хімії.
Продукція фірми, що надходить на споживчий
ринок, має відповідати певним вимогам, які характеризуються
трьома показниками: очищувальні й дезинфікувальні властивості, а
також подразнювальний вплив на шкіру людини. Кожний із цих
показників вимірюється за лінійною шкалою від 0 до 100 од.
Кінцевий продукт виробництва утворюється як суміш трьох
основних компонентів А, В і С, характеристики яких наведено в
таблиці, і повинен мати не менш як 60 од. очищувальних
властивостей і принаймні 60 од. дезинфікувальних.
Очищувальні Дезинфікувальні Подразнювальний
Компонент властивості властивості вплив на шкіру
А 90 30 70
В 65 85 50
С 45 70 10
45
Визначити такий оптимальний склад препарату, за якого йо-
го подразнювальний вплив на шкіру людини буде найменшим.
Сформулювати економіко-математичну модель задачі та розв’язати її
графічно.
Задача 2.37.
Графічним методом визначити оптимальний план
задачі лінійного програмування:
Задача 2.38.
Розв’язати графічно таку задачу лінійного програ-
мування:
Задача 2.39. Графічним методом розв’язати задачу лінійного

програмування:
Розв’язати графічно задачу лінійного програмування:

Задача 2.40.
§ 2.6. СИМПЛЕКСНИЙ МЕТОД РОЗВ’ЯЗУВАННЯ ЗАДАЧ ЛП
2.6.1. Теоретичні відомості

Графічний метод для визначення оптимального плану задачі
лінійного програмування доцільно застосовувати лише для задач із
двома змінними. За більшої кількості змінних вдаються до
загального методу розв’язування задач лінійного програмування —
так званого симплекс-методу. Процес розв’язування задачі
симплекс-методом має ітераційний характер: обчислювальні
46
процедури (ітерації) одного й того самого типу повторюються у
певній послі-
довності доти, доки не буде отримано оптимальний план задачі або
з’ясовано, що його не існує.
Отже, симплекс-метод — це поетапна обчислювальна про-
цедура, в основу якої покладено принцип послідовного поліп-
шення значень цільової функції переходом від одного опорного
плану задачі лінійного програмування до іншого.
Алгоритм розв’язування задачі лінійного програмування
симплекс-методом складається з п’яти етапів:
1. Визначення початкового опорного плану задачі лінійного
2. Побудова симплексної таблиці.
3. Перевірка опорного плану на оптимальність за допомогою
оцінок Zj – Cj. Якщо всі оцінки задовольняють умову
оптимальності, то визначений опорний план є оптимальним
планом задачі. Якщо хоча б одна з оцінок Zj – Cj не задовольняє
умову оптимальності, то переходять до нового опорного плану
або встановлюють, що оптимального плану задачі не існує.
4. Перехід до нового опорного плану задачі виконується
визначенням розв’язувального елемента та розрахунком нової
симплексної таблиці.
5. Повторення дій починаючи з п. 3.
Розглянемо докладніше кожний з етапів алгоритму.
1. Визначення першого опорного плану починають із запису
задачі лінійного програмування в канонічній формі, тобто у
вигляді обмежень-рівнянь з невід’ємними правими частинами.
Якщо в умові задачі присутні обмеження-нерівності, то
перетворення їх на рівняння виконується за допомогою
додаткових змінних, які вводяться до лівої частини обмежень
типу «≤» зі знаком «+», а до обмежень типу «≥» — зі знаком «–».
У цільовій функції задачі додаткові змінні мають коефіцієнт
нуль.
Після зведення задачі до канонічного вигляду її записують у
векторній формі. За означенням опорного плану задачі лінійного
програмування його утворюють т одиничних лінійно
незалежних векторів, які становлять базис т-вимірного простору
(де т — кількість обмежень у задачі лінійного програмування).
На цьому етапі розв’язування задачі можливі такі випадки:
 після запису задачі у векторній формі в системі обмежень є
необхідна кількість одиничних векторів. Тоді початковий
опорний план визначається безпосередньо без додаткових дій;
47
 у системі обмежень немає необхідної кількості одиничних
незалежних векторів. Тоді для побудови першого опорного плану
застосовують метод штучного базису. Ідея його полягає в тому,
що відсутні одиничні вектори можна дістати, увівши до
відповідних обмежень деякі змінні з коефіцієнтом +1, які
називаються штучними. У цільовій функції задачі лінійного
програмування штучні змінні мають коефіцієнт +М (для задачі на
min) або –М (для задачі на max), де М — досить велике додатне
число.
Визначені одиничні лінійно незалежні вектори утворюють
базис, і змінні задачі, що відповідають їм, називають базисними,
а всі інші змінні — вільними. Їх прирівнюють до нуля та з
кожного обмеження задачі визначають значення базисних
змінних. У такий спосіб отримують початковий опорний план
задачі лінійного програмування.
2. Подальший обчислювальний процес та перевірку опорного
плану на оптимальність подають у вигляді симплексної таблиці.
У першому стовпчику таблиці — «Базис» — записують базис-
ні змінні опорного плану, причому в тій послідовності, в якій
вони розміщуються в системі обмежень задачі.
Наступний стовпчик симплексної таблиці — «Сбаз» —
коефіцієнти при базисних змінних у цільовій функції задачі.
У третьому стовпчику — «План» — записують значення базис-
них змінних і відшукувані у процесі розв’язування задачі
компоненти оптимального плану.
У решті стовпчиків симплексної таблиці, кількість яких
відповідає кількості змінних задачі, записують відповідні
коефіцієнти з кожного обмеження задачі лінійного
3. Перевіряють опорний план на оптимальність згідно з
наведеною далі теоремою.
Теорема (ознака оптимальності опорного плану).

Опорний план задачі лінійного
програмування є оптимальним, якщо для всіх
виконується умова
(для задачі на max)
або
(для задачі на min)
48
Якщо для побудови опорного плану було використано метод штучного
базису, необхідною умовою оптимальності є також вимога, щоб у процесі
розв’язування задачі всі штучні змінні були виведені з базису і дорівнювали
нулю.
Значення оцінок визначають за формулою
або безпосередньо із симплексної таблиці як скалярний добуток

векторів-стовпчиків «Сбаз» та «xj» мінус відповідний коефіцієнт
Сj. Розраховані оцінки записують в окремий рядок симплексної
таблиці, який називають оцінковим.
У процесі перевірки умови оптимальності можливі такі випадки:
а) усі задовольняють умову оптимальності, і тоді
визначений опорний план є оптимальним;
б) не всі задовольняють умову оптимальності, і тоді потріб-
но виконати перехід до наступного, нового опорного плану задачі.
4. Перехід від одного опорного плану до іншого виконується зміною
базису, тобто виключенням з нього деякої змінної та введенням замість неї
нової з числа вільних змінних задачі.
Змінна, яка включається до нового базису, відповідає тій оцін-
ці , що не задовольняє умову
оптимальності. Якщо таких оцінок кілька, серед них вибирають

найбільшу за абсолютною величиною і відповідну їй змінну
вводять до базису. Припустимо, що індекс зазначеної змінної j =
k. Відповідний стовпчик симплексної таблиці називають
напрямним.
Для визначення змінної, що має бути виключена з базису,
знаходять для всіх додатних aik напрямного стовпчика величину
. Вибирають найменше значення θ, яке вказує на
змінну, що виводиться з базису. Припустимо, що це виконується
для . Відповідний рядок симплексної таблиці
називатиметься напрямним.
Перетином напрямного стовпчика та напрямного рядка
визначається число симплексної таблиці ark, яке називають
розв’язувальним елементом. За допомогою елемента ark і методу
Жордана—Гаусса розраховують нову симплексну таблицю.
49
Далі ітераційний процес повторюють доти, доки не буде
визначено оптимальний план задачі.
У разі застосування симплекс-методу для розв’язування задач
лінійного програмування можливі такі випадки.
1. Якщо в оцінковому рядку останньої симплексної таблиці
оцінка Zj – Cj = 0 відповідає вільній (небазисній) змінній, то це
означає, що задача лінійного програмування має альтернативний
оптимальний план. Отримати його можна, вибравши розв’язу-
вальний елемент у зазначеному стовпчику таблиці та здійснивши
один крок симплекс-методом.
2. Якщо при переході у симплекс-методі від одного опорного
плану задачі до іншого в напрямному стовпчику немає додатних
елементів aik, тобто неможливо вибрати змінну, яка має бути
виведена з базису, то це означає, що цільова функція задачі
лінійного програмування є необмеженою й оптимальних планів не
існує.
3. Якщо для опорного плану задачі лінійного програмування
всі оцінки задовольняють умову
оптимальності, але при цьому хоча б одна штучна змінна є
базисною і має додатне значення, то це означає, що система
обмежень задачі несумісна й оптимальних планів такої задачі не
існує.
2.6.2. Навчальні завдання розв’язування
задач симплекс-методом
Розглянемо застосування симплекс-методу для розв’язування

деяких задач лінійного програмування.
Задача 2.41. Продукція чотирьох видів А, В, С і Д проходить

послідовну обробку на двох верстатах. Тривалість
обробки одиниці продукції кожного виду задано таблицею.
Тривалість обробки, год, одиниці продукції

Верстат
А В С Д
1 2 3 4 2
2 3 2 1 2
Витрати на виробництво одиниці продукції кожного виду визначають як

величини, прямо пропорційні до часу використання верстатів (у машино-
50
годинах). Вартість однієї машино-год становить 10 дол. для верстата 1 і 15
дол. — для верстата 2. Можливий час використання верстатів обмежений:
для верстата 1 він становить 450 машино-год, а для верстата 2 — 380
машино-год.
Ціна одиниці продукції кожного виду дорівнює відповідно 73,
70, 55 та 45 дол.
Визначити оптимальний план виробництва продукції всіх
чотирьох видів, який максимізує загальний чистий прибуток.
Побудова математичної моделі. Нехай хj — план
виробництва продукції j-го виду, де j може набувати значень від
1 до 4.
Умовами задачі будуть обмеження на час використання верстатів для
виробництва продукції всіх видів:
для верстата 1 (машино-год);
для верстата 2 (машино-год).
Цільова функція задачі визначається як загальний чистий прибуток від
реалізації готової продукції і складається з різниці між ціною та
собівартістю виготовлення продукції кожного виду:
.
Отже, математична модель поставленої задачі має такий вигляд:
Розв’язування. Розв’яжемо задачу симплекс-методом згідно з

розглянутим алгоритмом.
1. Запишемо систему обмежень задачі в канонічному вигляді.
Для цього перейдемо від обмежень-нерівностей до строгих
рівнянь, увівши до лівої частини обмежень додаткові змінні х5 та
х6:
Ці додаткові змінні за економічним змістом означають

можливий, але не використаний для виробництва продукції час
51
роботи верстатів 1 та 2. У цільовій функції Z додаткові змінні
мають коефіцієнти, які дорівнюють нулю:
Канонічну систему обмежень задачі запишемо у векторній формі:
де
Оскільки вектори та одиничні та лінійно незалежні,

саме з них складається початковий базис у зазначеній системі
векторів. Змінні задачі х5 та х6, що відповідають одиничним
базисним векторам, називають базисними, а решту — вільними
змінними задачі лінійного програмування. Прирівнюючи вільні
змінні до нуля, з кожного обмеження задачі дістаємо значення
базисних змінних:
Згідно з визначеними векторна форма запису

системи обмежень задач матиме вигляд
.
Оскільки додатні коефіцієнти х5 та х6 відповідають лінійно
незалежним векторам, то за означенням
є опорним планом задачі і для цього початкового плану
2. Складемо симплексну таблицю для першого опорного плану задачі.
8 10 0 –5 0 0
Базис Сбаз План θ
х1 х2 х3 х4 х5 х6
52
← х5 0 450 2 3 4 2 1 0 150
х6 0 380 3 2 1 2 0 1 190
Zj – Cj ≥ 0 0 –8 –10 0 5 0 0
Елементи останнього рядка симплекс-таблиці є оцінками ∆ j, за

допомогою яких опорний план перевіряють на оптимальність. Їх
визначають так:
;
;
;
;
;
.
У стовпчику «План» оцінкового рядка записують значення
цільової функції Z, якого вона набуває для визначеного опорного
плану: .
3. Після обчислення всіх оцінок опорний план перевіряють на
оптимальність. Для цього продивляються елементи оцінкового
рядка. Якщо всі ∆j ≥ 0 (для задачі на max) або ∆j ≤ 0 (для задачі на
min), визначений опорний план є оптимальним. Якщо ж в оцінко-
вому рядку присутня хоча б одна оцінка, що не задовольняє умову
оптимальності (від’ємна в задачі на max або додатна в задачі на
min), то опорний план є неоптимальним і його можна поліпшити.
У цій задачі в оцінковому рядку дві оцінки та
суперечать умові оптимальності, і тому перший
визначений опорний план є неоптимальним. За алгоритмом
симплекс-методу необхідно від нього перейти до іншого
опорного плану задачі.
4. Перехід від одного опорного плану до іншого виконують зміною базису,
тобто за рахунок виключення з поточного базису якоїсь змінної та включення
замість неї нової з числа вільних змінних.
Для введення до нового базису беремо змінну х2, оскільки їй
відповідає найбільша за абсолютною величиною оцінка серед
тих, які не задовольняють умову оптимальності (│–10│>│–8│).
Щоб визначити змінну, яка підлягає виключенню з поточного ба-
зису, для всіх додатних елементів стовпчика «х2» знаходимо відно-
шення і вибираємо найменше значення. Згідно з даними
симплексної таблиці бачимо, що , і
тому з базису виключаємо змінну х5, а число а12 = 3 називатимемо
53
розв’язувальним елементом. Подальший перехід до нового опор-
ного плану задачі полягає в побудові наступної симплексної таб-
лиці, елементи якої розраховують за методом Жордана—Гаусса.
Друга симплексна таблиця має такий вигляд:
8 10 0 –5 0 0
х1 х2 х3 х4 х5 х6
х5 10 150 2/3 1 4/5 2/3 1/3 0 225
←х6 0 80 5/3 0 –5/3 2/3 –2/3 1 48
Zj – Cj ≥ 0 1500 –4/3 0 40/3 35/3 10/3 0
У цій таблиці спочатку заповнюють два перших стовпчики

«Базис» і «Сбаз», а решту елементів нової таблиці розраховують за
розглянутими далі правилами:
1. Розв’язувальний (напрямний) рядок необхідно поділити на
розв’язувальний елемент і здобуті числа записати у відповідний рядок нової
симплексної таблиці.
2. Розв’язувальний стовпчик у новій таблиці записують як
одиничний з одиницею замість розв’язувального елемента.
3. Якщо в напрямному рядку є нульовий елемент, то відповідний
стовпчик переписують у нову симплексну таблицю без змін.
4. Якщо в напрямному стовпчику є нульовий елемент, то
відповідний рядок переписують у нову таблицю без змін.
Усі інші елементи наступної симплексної таблиці
розраховують за правилом прямокутника.
Щоб визначити будь-який елемент нової таблиці за цим правилом, необхідно
в попередній симплексній таблиці скласти умовний прямокутник, вершини якого
утворюються такими числами:
1 — розв’язувальний елемент;
2 — число, що стоїть на місці елемента нової симплексної таблиці, який
ми маємо розрахувати;
3 та 4 — елементи, що розміщуються в двох інших
протилежних вершинах умовного прямокутника.
Необхідний елемент нової симплекс-таблиці визначають так:
54
Наприклад, визначимо елемент , який розміщується в
новій таблиці в другому рядку стовпчика «х4». Складемо
умовний прямокутник:
Тоді . Це значення записуємо в

стовпчик «х4» другого рядка другої симплексної таблиці.
Аналогічно розраховують усі елементи нової симплексної таблиці, у
тому числі елементи стовпчика «План» та оцінкового рядка. Наявність двох
способів визначення оцінок опорного плану (за правилом прямокутника та
за відповідною формулою) дає змогу контролювати правильність
арифметичних обчислень на кожному кроці симплекс-методу.
Після заповнення нового оцінкового рядка перевіряємо виконан-
ня умови оптимальності Zj – Cj ≥ 0 для другого опорного плану. Цей
план також неоптимальний, оскільки . Використовуючи
процедуру симплекс-методу, визначаємо третій опорний план задачі, який
наведено у вигляді таблиці:
8 10 0 –5 0 0
Базис Сбаз План
х1 х2 х3 х4 х5 х6
х2 10 118 0 1 2 2/5 3/5 –2/5
х1 8 48 1 0 –1 2/5 –2/5 3/5
Zj – Cj ≥ 0 1564 0 0 12 61/5 14/5 4/5
В оцінковому рядку третьої симплексної таблиці немає від’єм-
них чисел, тобто всі ∆j ≥ 0 і задовольняють умову оптимальності.
Це означає, що знайдено оптимальний план задачі:
або
Х * = (48; 118; 0; 0; 0; 0);
.
Отже, план виробництва продукції, що передбачає випуск
48 одиниць продукції А та 118 од. продукції В, оптимальний
і дає найбільший прибуток 1564 дол. При цьому час роботи
верстатів використовується повністю (х5 = х6 = 0).
55
Задачу можна розв’язати симплекс-методом, узявши не три симплексні
таблиці, а одну, в якій послідовно записувати всі ітерації.
Задача 2.42.Розв’язати задачу 2.41 із додатковою умовою:

продукція С має виготовлятися в кількості не
менш як 9 одиниць.
Розв’язування. Математичну модель сформульованої задачі
запишемо так:
Застосовуючи для розв’язування поставленої задачі симплекс-метод,

спочатку записуємо систему обмежень у канонічній формі, а далі — у
векторній:
Зауважимо, що нерівність типу «≥» у рівняння перетворюємо

введенням у ліву частину обмеження додаткової змінної зі
знаком «–».
Векторна форма запису:
Серед записаних векторів є лише два одиничні — та ,

а базис у тривимірному просторі має складатися з трьох
одиничних векторів. Ще один одиничний вектор можна дістати,
56
увівши в третє обмеження з коефіцієнтом +1 штучну змінну х8,
якій відповідатиме одиничний вектор .
Тепер можемо розглянути розширену задачу лінійного програмування:
На відміну від додаткових змінних штучна змінна х8 має в

цільовій функції Z коефіцієнт +М (для задачі на min) або –М (для
задачі на max), де М — досить велике додатне число.
У розширеній задачі базисними змінними є х5, х6, х8, а решта
змінних вільні. Початковий опорний план задачі:
Складемо першу симплексну таблицю задачі:

8 10 0 –5 0 0 0 –М
х1 х2 х3 х4 х5 х6 х7 х8
х5 0 450 2 3 4 2 1 0 0 0 112,5
х6 0 380 3 2 1 2 0 1 0 0 380
←х8 –М 9 0 0 1 0 0 0 –1 1 9
0 –8 –10 0 5 0 0 0 0
Zj – Cj ≥ 0
–9М 0 0 –М 0 0 0 М 0
Розраховуючи оцінки першого опорного плану, дістаємо

Z0 = 0 – 9M, Z1 – C1 = –8, Z2 – C2 = –10, Z3 – C3 = 0 – М і т. д.
Як бачимо, значення оцінок складаються з двох частин, одна з
яких містить М, а інша — просто число. Тому для зручності роз-
биваємо оцінковий рядок на два. У перший оцінковий рядок за-
писуємо просто число, а в другий — число з коефіцієнтом М.
Оцінки першого плану не задовольняють умову оптимальності, і тому він є
неоптимальним. Згідно з алгоритмом, розглянутим у задачі 2.41, виконуємо
перехід до наступного опорного плану задачі.
Подальше розв’язування задачі наведене у вигляді таблиці:
57
8 10 0 –5 0 0 0 –М
х1 х2 х3 х4 х5 х6 х7 х8
← х5 0 414 2 3 0 2 1 0 4 –4 138
х6 0 371 3 2 0 2 0 1 1 –1 185,5
х3 0 9 0 0 1 0 0 0 –1 1 —
0 –8 –10 0 5 0 0 0 0
Zj – C j ≥ 0
0 0 0 0 0 0 0 0 М
х2 10 138 2/3 1 0 2/3 1/3 0 4/3 –4/3 207
← х6 0 93 5/3 0 0 2/3 –2/3 1 –5/3 5/3 57
х3 0 9 0 0 1 0 0 0 –1 1 —
1380 –4/3 0 0 35/3 10/3 0 40/3 –40/3
Zj – C j ≥ 0
0 0 0 0 0 0 0 0 М
х2 10 100 0 1 0 2/5 3/5 –2/5 2 –2
х1 8 57 1 0 0 2/5 –2/5 3/5 –1 1
х3 0 9 0 0 1 0 0 0 –1 1
1456 0 0 0 61/5 14/5 4/5 12 –12
Zj – C j ≥ 0
0 0 0 0 0 0 0 0 М
Оптимальним планом задачі є вектор
Х* = (57; 100; 9; 0; 0; 0; 0),
Отже, оптимальним є виробництво 57 одиниць продукції А,

100 одиниць продукції В і 9 одиниць продукції С. Тоді прибуток
буде найбільшим і становитиме 1456 дол.
Задача 2.43.
Грошові кошти фірми можуть використовувати-
ся для фінансування двох проектів. Проект А
гарантує отримання через рік прибутку в розмірі 60 центів на
кожний вкладений долар. Проект В гарантує отримання при-
бутку в розмірі 2 дол. на кожний інвестований долар, але через
два роки. При фінансуванні проекту В період інвестицій має
бути кратним двом рокам. Визначити, як потрібно
розпорядитися капіталом у сумі 100 000 дол., щоб
максимізувати загальний прибуток, який можна отримати через
58
три роки після початку ін-
вестицій.
Розв’язування. Нехай xij — розмір вкладених коштів у і-му
році в проект j (i = 1, 3; j = 1, 2). Побудуємо умовну схему розподілу
грошових коштів протягом трьох років.
Проект А Проект В
1-й рік Початок року 100 000
Дохід на кінець року х11 х12

1,6х11 —
2-й рік Початок року 100 000 – (х11 + х12) +1,6х11
Дохід на кінець року х21 х22

1,6х21 3х12
Початок року 100 000 – (х11 – х12) + 1,6х11 – (х21 + х22) + 1,6х21
3-й рік х31 —
Дохід на кінець року
1,6х31 3х22
Згідно з наведеною схемою можна записати математичну модель задачі.

Цільова функція: дохід фірми після трьох років інвестицій
Обмеження моделі сформулюємо згідно з такою умовою: розмір коштів,

інвестованих у поточному році, не може перевищувати залишку коштів
минулого року та прибутку за минулий рік:
для 1-го року ;
для 2-го року ;
для 3-го року
.
Виконавши елементарні перетворення, дістанемо систему обмежень:
Отже, математична модель сформульованої задачі має такий вигляд:
Очевидно, що ця задача є задачею лінійного програмування і її

можна розв’язати симплекс-методом. Згідно з алгоритмом необхідно
59
звести систему обмежень задачі до канонічної форми. Це вико-
нується за допомогою додаткових змінних х1, х2, та х3, які вводять зі
знаком «+» до лівої частини всіх відповідних обмежень. У цільовій
функції задачі ці змінні мають коефіцієнт, що дорівнює нулю.
Розв’язування задачі наведено у вигляді симплексної таблиці:
Баз 0 0 0 3 1,6 0 0 0
ис Сбаз План θ
х11 х12 х21 х22 х31 х1 х2 х3
← 0 100 000 1 1 0 0 0 1 0 0 100 000
х1
х22 3 0 –1,6 0 1 1 0 0 1 0 —
х31 1,6 0 0 –3 –1,6 0 1 0 0 1 —
Zj – C j ≥ 0 0 –4,8 –4,8 0,44 0 0 0 3 1,6
← 0 100 000 1 1 0 0 0 1 0 0
х11
х22 3 160 000 0 1,6 1 1 0 1,6 1 0
х31 1,6 0 0 –3 –1,6 0 1 0 0 1
Zj – C j ≥ 0 480 000 0 0 0,44 0 0 4,8 3 1,6
Тоді
Але задача має ще один оптимальний план, який можна

дістати, вибравши розв’язувальний елемент у стовпчику «х12»
останньої симплексної таблиці. Це може бути або число 1, або 1,6.
Виконавши один крок симплекс-методом, дістанемо таку симплексну
таблицю:
0 0 0 3 1,6 0 0 0
х11 х12 х21 х22 х31 х1 х2 х3
х12 0 100 000 1 1 0 0 0 1 0 0

х22 3 0 –1,6 0 1 1 0 0 1 0
х31 1,6 300 000 3 0 –1,6 0 1 3 0 1
Zj – Cj ≥ 0 480 000 0 0 0,44 0 0 4,8 3 1,6
Звідси
60
Розглянемо, як використовуються грошові кошти фірми за першим
оптимальним планом задачі.
1-й рік Початок року 100 000 дол.
х11 = 100 000 х12 = 0
Дохід на кінець року 160 000 дол
Початок року 160 000 дол.
2-й рік х21 = 0 х22 = 160 000
Дохід на кінець року 0 дол.
Початок року 0 дол.
3-й рік х31 = 0
Дохід на кінець року 480 000 дол.
Згідно з розглянутою схемою перший оптимальний план інвестицій
передбачає на перший рік усі кошти в розмірі 100 000 дол. вкласти в
проект А, що принесе в кінці року дохід 160 000 дол. На другий рік усі
кошти в розмірі 160 000 дол. передбачається витратити на фінансування
проекту В. Наприкінці другого року фірма доходу не отримає. На третій
рік фінансування проектів не передбачається, але в кінці року дохід
фірми від минулорічних інвестицій проекту В становитиме 480 000 дол.
Аналогічний максимальний дохід можна також дістати, провів-
ши інвестиції за такою схемою.
х11 = 0 х12 = 100 000
Дохід на кінець року 0 дол.
2-й рік Початок року 0 дол.
61
х21 = 0 х22 = 0
х31 = 300 000

Згідно з другим оптимальним планом на перший рік фірма спрямовує

весь капітал у розмірі 100 000 дол. на фінансування проекту В. Це принесе
фірмі дохід лише наприкінці другого року в розмірі 300 000 дол., які на
третій рік в повному обсязі інвестуються в проект А. Дохід фірми за три
роки діяльності становитиме 480 000 дол.
Задача 2.44.
Продукція фабрики випускається у вигляді
паперових рулонів стандартної ширини — 2 м. За
спеціальним замовленням споживачів фабрика постачає також
рулони інших розмірів, розрізуючи стандартні рулони.
Типові замовлення на рулони нестандартних розмірів наведено в
таблиці:
Замовлення Потрібна ширина рулонів, м Потрібна кількість рулонів
1 0,8 150
2 1,0 200
3 1,2 300
Визначити оптимальний варіант розкрою стандартних рулонів, за якого

спеціальні замовлення, що надходять, задовольняють повністю з
мінімальними відходами паперу.
Розв’язування. Аби виконати спеціальні замовлення, які

надійшли, розглянемо п’ять можливих варіантів розкрою
стандартних рулонів, що можуть використовуватися в різних
комбінаціях. Варіанти розкрою наведено в таблиці:
Потрібна ширина Кількість нестандартних рулонів за варіантами

рулона, м 1 2 3 4 5
62
0,8 2 1 1 0 0
1,0 0 0 1 2 0
1,2 0 1 0 0 1
Кількість відходів, м 0,4 0 0,2 0 0,8
Нехай xj — кількість стандартних рулонів паперу, які буде

розрізано j-способом, .
Обмеження задачі безпосередньо пов’язані з вимогою забезпечити
повністю необхідну кількість нестандартних рулонів за спеціальними
замовленнями. Якщо використовуватимуться всі подані в таблиці способи
розкрою, дістанемо такі результати.
Кількість рулонів шириною 0,8 м
2х1 + х2 + х3 = 150.
Кількість рулонів шириною 1 м
х3 + 2х4 = 200.
Кількість рулонів шириною 1,2 м
х2 + х5 = 300.
Цільова функція задачі — це мінімальні загальні втрати паперу під час
розрізування стандартних рулонів на рулони нестандартної ширини.
Математично вона має такий вигляд:
Математична модель задачі в загальному вигляді записується так:
Для розв’язування цієї задачі застосуємо процедуру симплекс-методу.

Оскільки задачу сформульовано в канонічній формі, запишемо її відразу у
векторній формі:
де
63
У системі векторів маємо лише один одиничний вектор .
Тому в перше та друге обмеження введемо штучні змінні х6 та х7.
Розширена задача матиме вигляд:
Процес розв’язування задачі симплекс-методом подано у вигляді

таблиці:
0,4 0 0,2 0 0,8 М M
х1 х2 х3 х4 х5 х6 х7
х6 М 150 2 1 1 0 0 1 0 —
← х7 M 200 0 0 1 2 0 0 1 100
х5 0,8 300 0 1 0 0 1 0 0 —
240 –0,4 0,8 –0,2 0 0 0 0
Zj – C j ≥ 0
350 M 2M M 2M 2M 0 0 0
← х6 M 150 2 1 1 0 0 1 1 75
х4 0 100 0 0 1/2 1 0 0 0 —
х5 0,8 300 0 1 0 0 1 0 0 —
240 –0,4 0,8 –0,2 0 0 0
Zj – C j ≥ 0
150 M 2M M M 0 0 0
← х1 0,4 75 1 1/2 1/2 0 0 150
х4 0 100 0 0 1/2 1 0 —
х5 0,8 300 0 1 0 0 1 300
Zj – C j ≥ 0 270 0 1 0 0 0
х2 0 150 2 1 1 0 0
х4 0 100 0 0 1/2 1 0
64
х5 0,8 150 –2 0 –1 0 1
Zj – C j ≥ 0 120 –2 0 –1 0 0
Згідно з останньою симплексною таблицею запишемо оптимальний

план задачі:
Х * = (0; 150; 0; 100; 150),

min Z = 120.
Визначений оптимальний план передбачає таке: щоб у повному обсязі
виконати спеціальні замовлення, які надходять на паперову фабрику,
необхідно розрізати 150 стандартних рулонів другим способом, 100 рулонів
— четвертим і 150 — п’ятим. За такого оптимального варіанта розкрою
величина відходів паперу буде найменшою і становитиме 120 м.
Фірма має можливість рекламувати свою

Задача 2.45.
продукцію, використовуючи для цього
телебачення, радіо та газети. Витрати на рекламу в бюджеті
фірми обмежені сумою 8000 дол. на місяць. Досвід минулих
років показав, що 1 дол., витрачений на телерекламу, дає фірмі
прибуток у розмірі 10 дол., а витрачений на рекламу по радіо та в
газетах — відповідно 4 та 8 дол.
Фірма має намір витрачати на теле- та радіорекламу не більш
як 70 % рекламного бюджету, а витрати на газетну рекламу не
повинні більш як удвічі перевищувати витрати на радіорекламу.
Визначити такий варіант розподілу рекламного бюджету за різ-
ними напрямками реклами, який дає фірмі найбільший прибуток
від рекламування своєї продукції.
Задача 2.46.
Розв’язати задачу 2.45, якщо вимоги до розподілу
рекламного бюджету фірми такі: витрати на радіо-
рекламу мають становити не менш як 25 % рекламного бюджету,
а на газетну рекламу — не менш як 50 % витрат на телебачення.
Задача 2.47.
Промислове підприємство виготовляє продукцію
трьох видів А, В і С, для чого використовує два
види ресурсів 1 і 2, запаси яких становлять відповідно 4000 та
6000 од. Витрати ресурсів на одиницю продукції кожного виду
65
Витрати ресурсів на одиницю продукції, ум. од., за видами
Ресурс
А В С
1 2 3 5
2 4 2 7
Аналіз умов збуту продукції показав, що мінімальний попит на

продукцію підприємства для продукції А, В і С відповідно становить 200,
200 та 150 од. Але співвідношення випуску продукції А, В і С має бути
3 : 2 : 5. Прибуток від реалізації одиниці продукції виду А становить 30 дол.,
продукції В — 20 дол., а продукції С — 50 дол.
Сформулювати та розв’язати задачу визначення оптимального
плану виробництва продукції трьох видів, що дає підприємству
найбільший прибуток.
Задача 2.48. Господарство планує вирощувати три
сільськогосподарські культури (пшеницю,
картоплю та гречку) і може виділити для цього 300 га земельних
угідь. Для успішного вирощування сільськогосподарські
культури потребують внесення комплексного мінерального
добрива, запас якого в господарстві обмежений — 120 т.
Норму внесення мінерального добрива, урожайність та закупівельні
ціни на сільськогосподарські культури наведено в таблиці:
Сільськогосподарська культура
Показник
Пшениця Картопля Гречка
Урожайність, ц/га 40 200 15
Закупівельна ціна, ум. од./ц 10 5 30
Норма внесення добрива, кг/га 300 500 200
Площа земельних угідь, що відводяться під вирощування гречки, має не

перевищувати 40 га.
Визначити такий план розподілу посівної площі господарства, який
дає найбільший дохід від вирощування сільськогос-
подарських культур.
Фірма планує організувати виробництво двох

Задача 2.49.
видів продукції А та В, але має для цього
обмежений інвестиційний фонд у розмірі 5000 дол. У разі
потреби цю су-
66
му можна збільшити на 10 000 дол. за рахунок банківського
кредиту, процентна ставка за використання якого становить
20 %. Втрати, пов’язані з виробництвом одиниці продукції А,
дорівнюють 50 дол., а одиниці продукції В — 100 дол.
Очікуваний прибуток фірми від реалізації одиниці продукції А
становить 100 дол., а одиниці продукції В — 150 дол.
Фірма має попереднє замовлення на виробництво не менш як
100 одиниць продукції А та 50 одиниць продукції В.
Визначити обсяги виробництва продукції кожного виду, які забезпечать фірмі
найбільший прибуток з урахуванням виплат за кредит.
Задача 2.50.
Розв’язати задачу 2.41, якщо можливий час
використання верстатів 1 та 2 обмежений
відповідно 500 та 400 машино-год. Додаткова умова: продукція Д
має виготовлятися в кількості рівно 10 одиниць.
Задача 2.51. Фірма має капітал 300 000 дол., який може
використовуватися для фінансування проектів 1 та
2. Реалізація проекту 2 гарантує отримання щороку прибутку в
розмірі 1 дол. на кожний вкладений долар. Проект 1 гарантує
прибуток у розмірі 3 дол. за кожний інвестований долар, але
через два роки. У разі фінансування проекту 1 період інвестицій
має бути кратним двом рокам.
Визначити, як потрібно розпорядитися капіталом, щоб максимізувати
загальний дохід, що його може отримати фірма через три роки після початку
інвестицій.
Розв’язати наведені задачі лінійного програмування симплекс-
методом (2.52—2.79).
67
68
69
2.7. ЗАКЛЮЧНІ ЗАУВАЖЕННЯ
У цьому розділі розглянуто два методи (графічний і симплекс-метод)

розв’язування задач лінійного програмування. Графічний метод для
розв’язування реальних задач не придатний, оскільки економіко-
математична модель повинна мати тільки дві змінні (діяльності). На
практиці таких задач не буває. Якщо економіко-математична модель
адекватно описує реальні технологічні та економічні процеси, то вона, як
правило, має сотні
й тисячі змінних і обмежень. Для розв’язування таких задач ви -
користовується симплексний метод, з допомогою якого теоретично можна
отримати оптимальний розв’язок довільної лінійної економіко-
математичної моделі.
Графічний метод є важливим для осмислення студентами суті
оптимізації, геометричної інтерпретації задач лінійного
Слід підкреслити, що економічні процеси є нелінійними,
стохастичними, динамічними тощо. Далі будуть викладені відповідні
методи розв’язування таких задач. Проте звертаємо увагу читача, що є
багато технологічних та економічних процесів, які з достатньою для
практики точністю можна описати лінійними залежностями, тобто такі
моделі є лінійними, а отже, для знаходження оптимального розв’язку
використовується симп-
лексний метод.
Для поглибленого вивчення методу оптимізації лінійних за-
дач можна скористатися літературними джерелами [5; 10; 15;
16; 26; 34; 35].
2.8. КОНТРОЛЬНІ ЗАПИТАННЯ
1. Запишіть загальну математичну модель лінійного програмування.

2. Як звести задачу лінійного програмування до канонічної
форми?
3. Які є форми запису задач лінійного програмування?
70
4. Дайте геометричну інтерпретацію задачі лінійного програму-
вання.
5. Який розв’язок задачі лінійного програмування називається
допустимим?
6. Поясніть, яка область називається областю допустимих планів.
7. Який план називається опорним?
8. Який опорний план називається невиродженим?
9. Сформулюйте основні аналітичні властивості розв’язків задачі
лінійного програмування.
10. Які задачі можна розв’язувати графічним методом?
11. За яких умов задача лінійного програмування з необмеженою
областю допустимих планів має розв’язок?
12. Суть алгоритму графічного методу.
13. Для розв’язування яких математичних задач застосовується
симплексний метод?
14. Суть алгоритму симплексного методу.
15. Сформулюйте умови оптимальності розв’язку задачі симплексним
методом.
16. Як вибрати напрямний вектор-стовпець?
17. Як вибрати розв’язувальний елемент?
18. Суть методу Жордана—Гаусса.
19. Суть методу штучного базису.
2.9. ТЕМИ РЕФЕРАТІВ
1. Опуклі множини.
2. Канонічні форми задач лінійного програмування.
3. Опорні плани задач лінійного програмування.
4. Аналітичні властивості розв’язків задач лінійного
5. Зацикленість алгоритму симплексного методу.
6. Обґрунтування алгоритму знаходження оптимального
плану лінійної задачі.
2.10. ОСНОВНІ ТЕРМІНИ ТА ПОНЯТТЯ
Базисні та вільні змінні Обмеження-нерівність

Геометрична інтерпретація Обмеження-рівність
Гіперплощина Опорний план
Гранична пряма (площина) Оптимальний план
Графічний метод Опуклі множини
Допустимий план Півплощина (півпростір)
Екстремальне значення Простір п-мірний
71
Задача лінійного програмування Розв’язувальний елемент
Ітерації Симплексна таблиці
Канонічна форма Симплексний метод
Критерії оптимальності Цільова функція задачі лінійного
Кутова точка програмування
Математична модель Штучний базис
Тема 10. Моделі та методи стохастичного програмування

Слабоструктуровані прикладні економічні задачі і прийняття
рішень в умовах невизначеності та ризику.
Загальна математична постановка задачі стохастичного
програмування (СП). Класифікація задач СП. Творча складова та
система гіпотез щодо формалізації задачі СП.
Деякі основні (прямі та непрямі) методи розв’язування задач СП.
Методи імітаційного моделювання щодо розв’язування задач СП.
Економічна сутність та основні типи одноетапних задач
стохастичного програмування СП.
Математична постановка одноетапних статичних задач СП.
Деякі основні методи розв’язування одноетапних статичних задач
СП.
Стохастичні аналоги детермінованих моделей управління виробництвом.
Планування обсягу реалізації за невизначеного попиту.
Індикативне планування за невизначеності в ресурсах.
Аналіз розв’язку одноетапних статичних задач СП.
Двохетапні статичні задачі стохастичного програмування та деякі з
основних методів їх розв’язування.
Сутність прикладних стохастичних двохетапних моделей. Прий-
няття рішень в умовах невизначеності та ризику.
Адаптивність рішень в економіці.
Загальна постановка двохетапних статичних задач
стохастичного програмування СП.
Лінійні задачі двохетапного СП та основні методи їх розв’язування.
Задачі управління виробництвом з урахуванням перевезень у
стохастичній постановці (виробничо-транспортна задача двохетапного
СП).
Нелінійні двохетапні статичні задачі СП та методи їх розв’язування.
Якісний аналіз двохетапних стохастичних економічних моделей.
Маргінальні властивості стохастичних двоїстих оцінок.
72
Тема 11. Елементи теорії ігор
Основні поняття теорії ігор. Матричні ігри двох осіб.
Платіжна матриця. Гра в чистих стратегіях. Мінімаксні стратегії.
Сідлова точка. Змішані стратегії.
Основна теорема теорії ігор. Зведення задачі гри двох осіб до
задачі лінійного програмування.
Розділ 3
ДВОЇСТІСТЬ
У ЛІНІЙНОМУ ПРОГРАМУВАННІ
3.1. ПОНЯТТЯ ДВОЇСТОСТІ.

ПРАВИЛА ПОБУДОВИ ДВОЇСТИХ ЗАДАЧ
Кожній задачі лінійного програмування відповідає двоїста,

що формується за допомогою певних правил безпосередньо з
умови прямої задачі.
Якщо пряма задача лінійного програмування має вигляд
Z = c1x1 + c2x2 + … + cnxn  max
,
то двоїста задача записується так:
F = b1y1 + b2y2 + … + bmym  min
73
.
Порівнюючи ці дві сформульовані задачі, доходимо висновку,
що двоїста задача лінійного програмування утворюється з
прямої задачі за такими правилами.
1. Кожному обмеженню прямої задачі відповідає змінна двоїстої задачі. Кількість
невідомих двоїстої задачі дорівнює кількості обмежень прямої задачі.
2. Кожній змінній прямої задачі відповідає обмеження
двоїстої задачі, причому кількість обмежень дорівнює кількості
невідомих прямої задачі.
3. Якщо цільова функція прямої задачі задається на пошук
найбільшого значення (max), то цільова функція двоїстої задачі —
на визначення найменшого значення (min), і навпаки.
4. Коефіцієнтами при змінних в цільовій функції двоїстої
задачі є вільні члени системи обмежень прямої задачі.
5. Правими частинами системи обмежень двоїстої задачі є
коефіцієнти при змінних в цільовій функції прямої задачі.
6. Матриця
що складається з коефіцієнтів при змінних у системі обмежень прямої задачі, і

матриця коефіцієнтів в системі обмежень двоїстої задачі
утворюються одна з одної транспонуванням, тобто заміною рядків стовпчиками, а

стовпчиків — рядками.
Двоїсті пари задач лінійного програмування бувають
симетричні та несиметричні.
У симетричних задачах обмеження прямої та двоїстої задач є
нерівностями, а змінні обох задач можуть набувати лише
невід’ємних значень.
У несиметричних задачах обмеження прямої задачі можуть
бути записані як рівняння, а двоїстої — лише як нерівності.
У цьому разі відповідні змінні двоїстої задачі набувають будь-
якого значення, не обмеженого знаком.
Різні можливі форми прямих задач лінійного програмуван-
ня та відповідні їм варіанти моделей двоїстих задач наведено далі.
Пряма задача Двоїста задача
74
Симетричні
Несиметричні
3.2. ТЕОРЕМИ ДВОЇСТОСТІ
Між прямою та двоїстою задачами лінійного програмування існує тісний

взаємозв’язок, який випливає з наведених далі теорем.
75
Перша теорема двоїстості. Якщо одна з пари двоїстих
задач має оптимальний план, то інша задача також має розв’язок,
причому значення цільових функцій для оптимальних планів
дорівнюють одне одному, тобто max Z = min F, і навпаки.
Якщо ж цільова функція однієї з пари двоїстих задач не
обмежена, то друга задача взагалі не має розв’язків.
Якщо пряма задача лінійного програмування має оптимальний
план Х *, визначений симплекс-методом, то оптимальний план
двоїстої задачі Y * визначається зі співвідношення
,
де — вектор-рядок, що складається з коефіцієнтів цільової
функції прямої задачі при змінних, які є базисними в
оптимальному плані; — матриця, обернена до матриці D,
складеної з базисних векторів оптимального плану, компоненти
яких узято з початкового опорного плану задачі. Обернена
матриця завжди міститься в останній симплекс-таблиці в
тих стовпчиках, де в першій таблиці містилася одинична
матриця.
За допомогою зазначеного співвідношення під час визначення
оптимального плану однієї з пари двоїстих задач лінійного
програмування знаходять розв’язок іншої задачі.
Друга теорема двоїстості. Якщо в результаті підстановки
оптимального плану прямої задачі в систему обмежень цієї задачі
і-те обмеження виконується як строга нерівність, то відповідний
і-й компонент оптимального плану двоїстої задачі дорівнює нулю.
Якщо і-й компонент оптимального плану двоїстої задачі додат-
ний, то відповідне і-те обмеження прямої задачі виконується для
оптимального плану як рівняння.
Третя теорема двоїстості. Двоїста оцінка характеризує
приріст цільової функції, який зумовлений малими змінами
вільного члена відповідного обмеження.
Економічний зміст третьої теореми двоїстості полягає в тому, що відповідна додатна
оцінка показує зростання значення цільової функції прямої задачі, якщо запас відповідного
дефіцитного ресурсу збільшується на одну одиницю.
3.3. НАВЧАЛЬНІ ЗАВДАННЯ
Розглянемо застосування теорії та співвідношень двоїстості на

конкретних прикладах.
76
До наведеної далі задачі лінійного програмування записати двоїсту задачу.
Розв’язати одну з них симплекс-методом та визначити
Задача 3.1. оптимальний план іншої задачі.
Z = –5x1 + 2x2  max;
Розв’язування. Перш ніж записати двоїсту задачу, необхідно

пряму задачу звести до відповідного вигляду. Оскільки цільова
функція Z максимізується і в системі обмежень є нерівності, то
вони повинні мати знак «≤». Тому перше обмеження моделі
помножимо на (–1). При цьому знак нерівності зміниться на
протилежний. Отримаємо:
Z = –5x1 + 2x2  max;
Тепер за відповідними правилами складемо двоїсту задачу:

F = –y1 + 5y2  min;
Оскільки записані задачі симетричні, будь-яку з них можна розв’язати симплекс-

методом. Наприклад, визначимо спочатку оптимальний план прямої задачі. Для цього
застосуємо алгоритм симплекс-методу.
1. max (–5x1 + 2x2 + 0x3 + 0x4);
2. Векторна форма запису системи обмежень має вигляд

,
77
де , , , , .
У системі векторів для утворення початкового одиничного
базису відсутній вектор . Тому використаємо штучну
змінну в першому обмеженні.
3. Розширена задача лінійного програмування буде така:
max (–5x1 + 2x2 + 0x3 + 0x4 – Мx5);
У цій задачі х4 та х5 — базисні змінні, а х1, х2, х3 — вільні.

Нехай х1 = х2 = х3 = 0, тоді х4 = 5; х5 = 1.
Перший опорний план задачі:
х0 = (0; 0; 0; 5; 1), Z0 = –M.
4. Подальше розв’язування прямої задачі подано у вигляді симплекс-таблиці:
–5 2 0 0 М
Базис Сбаз План 
x1 x2 x3 x4 x5
x5 –М 1 1 1 –1 0 1 1
x4 0 5 2 3 0 1 0 5/3
Zj – C j  0 0 5 –2 0 0 0
–М –М –М М 0 0
x2 2 1 1 1 –1 0 1 —
x4 0 2 –1 0 3 1 –3 2/3
Zj – C j  0 2 7 0 –2 0 2 + М
x2 2 5/3 2/3 1 0 1/3 0
x3 0 2/3 –1/3 0 1 1/3 –1
Zj – C j  0 10/3 19/3 0 0 2/3 0 + М
З останньої симплекс-таблиці бачимо, що оптимальний план прямої задачі
Х * = (0; 5/3; 2/3; 0), Zmax = 10/3.
Згідно зі співвідношенням двоїстості за першою теоремою можна записати, що
оптимальний план двоїстої задачі існує і
min F = max Z = 10/3,
,
78
де та міститься в стовпчику «Cбаз» останньої
симплекс-таблиці;
він також міститься в останній симплекс-таблиці у стовпчиках

змінних «x5» та «x4», які утворювали початковий базис.
Отже,
,
min F = –1  0 + 5  2/3 = 10/3.
Застосовуючи до розв’язування прямої задачі симплекс-метод,
ми знайшли її оптимальний план, а потім визначили оптималь-
ний розв’язок двоїстої задачі за допомогою співвідношень
першої теореми двоїстості.
До наведеної далі задачі лінійного програмування записати
Задача 3.2. двоїсту задачу. Розв’язавши двоїс-
ту задачу графічно, визначити оптимальний план прямої за-
дачі.
Z = x1 + 2x2 + 2x3  min;
Розв’язування. За відповідними правилами побудуємо двоїсту

задачу:
F = y1 + 4y  mах;
Зауважимо, що задачі несиметричні, і тому змінна у1, що

відповідає рівнянню в системі обмежень прямої задачі, може
мати будь-який знак, а змінна у2 — лише невід’ємна.
79
Двоїста задача має дві змінні, а отже, її можна розв’язати графічно (рис. 3.1).
Рис. 3.1
Найбільшого значення цільова функція двоїстої задачі F

досягає в точці В многокутника ABCD. Її координати:
тобто Y * = (–2/3; 4/3); mах F = 1  (–2/3) + 4  4/3 = 14/3.

Оптимальний план прямої задачі визначимо за допомогою співвідношень другої
теореми двоїстості.
Підставимо Y * у систему обмежень двоїстої задачі і з’ясуємо,
як виконуються обмеження цієї задачі:
Оскільки перше обмеження для оптимального плану двоїстої

задачі виконується як строга нерівність, доходимо висновку, що
перша змінна прямої задачі дорівнюватиме нулю х1 = 0 (перша
частина другої теореми двоїстості).
Тепер проаналізуємо оптимальний план двоїстої задачі. Ос-
кільки друга компонента плану у2 = 4/3 додатна, доходимо
висновку, що друге обмеження прямої задачі для X *
виконуватиметься як строге рівняння (друга частина другої теореми
двоїстості).
80
Об’єднуючи здобуту інформацію, можна записати систему
обмежень прямої задачі як систему двох рівнянь, в якій х1 = 0, та
визначити решту змінних:
тобто X * = (0; 5/3; 2/3), min Z = 1  0 + 2  5/3 + 2  2/3 = 14/3.

Умова min Z = max F = 14/3 виконується, і тому X * = (0; 5/3;
2/3);
Y * = (–2/3; 4/3) є оптимальними планами відповідно прямої та
двоїстої задач.
Визначити, чи оптимальні такі плани сформульованої задачі
Задача 3.3. лінійного програмування:
Z = 12x1 – 4x2 + 2x3  min;
а) х = (8/7; 3/7; 0); б) х = (0; 1/5; 8/5); в) х = (1/3; 0; 1/3).

Розв’язування. Принцип розв’язування задач такого типу
ґрунтується на використанні другої теореми двоїстості.
Необхідно побудувати двоїсту задачу та припускаючи, що
відповідний план Х є оптимальним, визначити оптимальний
розв’язок двоїстої задачі. Якщо при цьому екстремальні значення
цільових функцій збігатимуться, то припущення правильне.
Протилежного висновку можна дійти в таких випадках.
1. Якщо запропонований план Х недопустимий, тобто не
задовольняє систему обмежень прямої задачі.
2. Якщо визначений план двоїстої задачі недопустимий, тобто не задовольняє всі
обмеження двоїстої задачі.
3. Якщо визначений план двоїстої задачі допустимий, але для
нього екстремальне значення цільової функції F не дорівнює зна-
ченню функції Z, тобто не виконується умова першої теореми дво-
їстості.
Запишемо двоїсту задачу до прямої задачі лінійного програмування:
F = y1 + 2y2  max;
81
Перевіримо запропоновані плани на оптимальність.
1. X = (8/7; 3/7; 0). Підставимо його в систему обмежень
прямої задачі:
Обидва обмеження виконуються і тому Х = (8/7; 3/7; 0) є

допустимим планом прямої задачі. Припустимо тепер, що
зазначений план є оптимальним планом прямої задачі. Тоді для
нього
Z = 12  8/7 + 4  3/7 + 2  0 = 12.
Скористаємося другою теоремою двоїстості та визначимо
відповідний план двоїстої задачі. Оскільки x1 = 8/7 > 0;
x2 = 3/7 > 0, то згідно з другою частиною другої теореми
двоїстості можна записати перше та друге обмеження як
рівняння і визначити у1 і у2:
Підставимо ці значення в третє обмеження системи двоїстої

задачі:
;
.
Для визначених значень у1 = 4; у2 = 4 це обмеження не
виконується, і тому відповідний план Y = (4; 4) є
недопустимим планом двоїстої задачі. Унаслідок цього наше
припущення, що
Х = (8/7; 3/7; 0) є оптимальним планом вихідної задачі, виявилося
помилковим.
2. Х = (0; 1/5; 8/5). Підставимо цей план в систему обмежень
прямої задачі:
82
План допустимий і для нього Z = 12  0 – 4  1/5 + 2  8/5 = 12/5.
Визначимо відповідний план двоїстої задачі. Оскільки
компоненти x3 та x2 додатні, то друге та третє обмеження двоїстої
задачі можна записати як рівняння:
Перевіримо, що виконується перше обмеження двоїстої задачі

для визначених значень у1 та у2: 2  8/5 + 2/5 = 18/5 < 12. Отже,
перше обмеження виконується, і тому Y = (8/5; 2/5) є допустимим
планом двоїстої задачі. Для нього F = 8/5 + 2  2/5 = 12/5 = Z.
З огляду на викладене можна зробити висновок, що Y * = (8/5; 2/5)
є оптимальним планом двоїстої задачі, а X * = (0; 1/5; 8/5) —
оптимальним планом прямої задачі.
Наше припущення відносно запропонованого плану виявилося правильним.
3. Х = (1/3; 0; 1/3). Для цього плану обмеження прямої задачі
виконуються так:
Оскільки Х = (1/3; 0; 1/3) є недопустимим планом, то він не

може бути також оптимальним планом прямої задачі.
Отже, перевірка запропонованих планів на оптимальність
дала такі результати: а) ні; б) так, Y * = (0; 1/5; 8/5), min Z = 12/5;
в) ні.
3.4. ПРИКЛАДИ ТА ЗАВДАННЯ

ДЛЯ САМОСТІЙНОЇ РОБОТИ
У наведених далі задачах записати двоїсту задачу до поставленої задачі

лінійного програмування. Розв’язати одну із задач симплекс-методом і визначити
оптимальний план іншої задачі.
Задача 3.4.
Z = –30x1 + 10x2  mах;
83
Задача 3.5. Z = 4x1 + 3x2 + x3  min;
Задача 3.6.
Z = 3x1 + 2x2 + 5x3  max;
Задача 3.7. Z = –3x1 – 4x2 – 5x3  min;
Задача 3.8. Z = 2x1 + 3x2  max;
84
Z = 5x1 + 2x2  min;
Задача 3.9.
Задача 3.10. Z = 5x1 + 12x2 – 4x3  max;
Задача 3.11. Z = –x1 + x2  min;
Задача 3.12.
Z = 5x1 + 6x2  max;
Задача 3.13. Z = 2x1 – 2x2 + 4x3  min;
85
Задача 3.14. Z = 3x1 + 6x2 + 2x3  max;
Задача 3.15. Z = x1 + 2x2 – 3x3  min;
Задача 3.16. Z = x1 + x2  max;
Задача 3.17. Z = 10x1 + 40x2  min;
86
Задача 3.18. Z = x1 + 2x2  max;
Задача 3.19. Z = x1 + 2x2 + 5x3  min;
Задача 3.20. Z = x1 + 5x2 + 3x3  max;
У наведених задачах (3.21—3.30) до поставленої задачі

лінійного програмування записати двоїсту і розв’язати її
графічно. Визначити оптимальний план прямої задачі,
застосовуючи другу теорему двоїстості.
Задача 3.21. Z = 2x1 + 4x2 + 24x3 + 6x4  min;
Задача 3.22. Z = 8x1 + 2x2 + x3 + x4  max;
Задача 3.23. Z = 2x1 + x2 + 3x3  min;
87
Задача 3.24. Z = 9x1 + 8x2 + 10x3  max;
Задача 3.25. Z = –x1 + 8x2 + 20x3 + 6x4  min;
Задача 3.26. Z = –x1 + x2 + x3  max;
Задача 3.27. Z = 8x1 + 8x2 + x3  min;
Задача 3.28. Z = x1 + 4x2 + x3  max;
Задача 3.29. Z = 14x1 + 15x2 – 24x3  min;
88
Задача 3.30. Z = x1 + 8x2 + 10x3  max;
У наведених задачах (3.31—3.35) визначити, чи є для

сформульованої задачі лінійного програмування оптимальними
запропоновані плани.
Задача 3.31. Z = 5x1 + 12x2 + 4x3  max;
а) х = (0; 4; 2); б) х = (14/5; 18/5; 0); в) х = (5/3; 7/3; 1/3).
Задача 3.32. Z = 4x1 + 3x2 + 5x3  max;
а) х = (2; 3; 0); б) х = (3; 0; 1); в) х = (0; 1; 2).

Задача 3.33. Z = 2x1 + 3x2  min;
а) х = (10; 10/3); б) х = (20; 10); в) х = (10/3; 10/3).
89
Z = 8x1 – 20x2 + 6x3  max;
Задача 3.34.
а) х = (1; 1/3; 1); б) х = (2; 1; 0); в) х = (1/8; 0; 13/8).
Задача 3.35. Z = x1 + 10x2 + 6x3 + x4  min;
а) х = (16; 3; 0; 0); б) х = (4; 0; 0; 15); в) х = (0; 0; 4; 3).

Поняття двоїстості задач математичного програмування має

велике значення не лише в теоретичному плані, а також
широко використовується на практиці. Двоїстість у лінійному
програмуванні була розроблена академіком
Л. В. Канторовичем ще в 1939 році. У 1975 році Канторович і
американський математик Т. Купманс за відкриття двоїстості
та її застосування в економічних дослідженнях одержали
Нобелівську премію. Значні теоретичні дослідження в цій
галузі мали В. В. Ново-
жилов, В. С. Нємчинов, А. Л. Лур’є, В. С. Михалевич, Ю. М. Ер-
молєв та інші вчені.
Двоїсті задачі мають чітку геометричну та економічну інтерпретацію. Теореми
двоїстості широко використовуються в еконо-
мічних дослідженнях. У 70-х роках у Радянському Союзі велась дискусія з приводу
використання двоїстих оцінок в економіці. Економісти того часу недооцінювали цю
важливу економічну категорію. Проблема полягала ще й у тому, що ціни в Радянському
Союзі не були обґрунтованими, не враховувались реальні витрати живої та уречевленої
праці, попит і пропозиція на продукцію. Радянські економісти не розуміли, що
недефіцитні ресурси мають нульову оцінку.
Для поглибленого вивчення теорем двоїстості можна
скористатися літературними джерелами [5; 15; 26; 34; 35].
90
1. У чому сутність двоїстості у лінійному програмуванні?
2. Розробіть просту економіко-математичну модель. Запишіть до
неї двоїсту. Дайте економічну інтерпретацію двоїстих оцінок.
3. Які взаємоспряжені задачі називаються симетричними, а які —
несиметричними? Чим вони відрізняються?
4. Скільки змінних та обмежень має двоїста задача відповідно до
прямої?
5. Сформулюйте першу теорему двоїстості та дайте її економічне
тлумачення.
6. Сформулюйте другу теорему двоїстості та дайте її економічне
7. Сформулюйте третю теорему двоїстості та дайте її економічне
8. Сформулюйте правила побудови двоїстих задач.
9. Як за розв’язком прямої задачі знайти розв’язок двоїстої?
10. Запишіть всі можливі види прямих і двоїстих задач.
1. Теореми двоїстості та їх використання в економічних

дослідженнях.
2. Економічне обґрунтування нульових двоїстих оцінок.
3. Використання двоїстих оцінок для обґрунтування цін на
ресурси і продукцію.
4. Історія виникнення та використання в економічних
дослідженнях двоїстих оцінок.
5. Дискусія 70-х років з приводу двоїстих оцінок.
6. Академік Л. В. Канторович і його роль у розробці двоїстих
оцінок.
Двоїста задача Пара взаємоспряжених задач

Двоїсті оцінки Пряма задача
Несиметричні задачі Симетричні задачі
Об’єктивно зумовлені оцінки Теореми двоїстості
Розділ 4
91
ЕКОНОМІЧНА ІНТЕРПРЕТАЦІЯ
ДВОЇСТИХ ЗАДАЧ.
АНАЛІЗ ОПТИМАЛЬНИХ ПЛАНІВ ЛІНІЙНИХ
ЕКОНОМІКО-МАТЕМАТИЧНИХ МОДЕЛЕЙ
4.1. ЕКОНОМІЧНА ІНТЕРПРЕТАЦІЯ ДВОЇСТОЇ ЗАДАЧІ
Економічну інтерпретацію двоїстої задачі розглянемо на

прикладі задачі оптимального використання обмежених ресурсів.
Для виробництва n видів продукції використовується m видів
ресурсів, запаси яких обмежені значеннями . Норма
витрат кожного ресурсу на одиницю продукції становить
. Ціна одиниці продукції j-го виду
дорівнює . Математична модель задачі має такий
вигляд:
.
Пряма задача полягає у визначенні такого оптимального
плану виробництва продукції , який дає
найбільший дохід.
Двоїста задача до поставленої прямої буде така:
.
Економічний зміст двоїстої задачі полягає ось у чому.
Визначити таку оптимальну систему двоїстих оцінок ресурсів уі,
використовуваних для виробництва продукції, для якої загальна
вартість усіх ресурсів буде найменшою. Оскільки змінні двоїстої
92
задачі означають цінність одиниці і-го ресурсу, їх інколи ще
називають тіньовою ціною відповідного ресурсу.
За допомогою двоїстих оцінок можна визначити статус
кожного ресурсу прямої задачі та рентабельність продукції, що
виготовляється.
Ресурси, що використовуються для виробництва продукції,
можна умовно поділити на дефіцитні та недефіцитні залежно від
того, повне чи часткове їх використання передбачене
оптимальним планом прямої задачі. Якщо двоїста оцінка уі в
оптимальному плані двоїстої задачі дорівнює нулю, то
відповідний і-й ресурс використовується у виробництві продукції
не повністю і є недефіцитним. Якщо ж двоїста оцінка уі > 0, то і-й
ресурс використовується для оптимального плану виробництва
продукції повністю і називається дефіцитним. У цьому разі
величина двоїстої оцінки показує, на скільки збільшиться
значення цільової функції Z, якщо запас відповідного ресурсу
збільшити на одну умовну одиницю.
Аналіз рентабельності продукції, що виготовляється,
виконується за допомогою двоїстих оцінок і обмежень двоїстої
задачі. Ліва частина кожного обмеження двоїстої задачі є
вартістю всіх ресурсів, які використовують для виробництва
одиниці j-ї продукції. Якщо ця величина перевищує ціну
одиниці продукції (сj), виготовляти продукцію не вигідно, вона
нерентабельна і в оптимальному плані прямої задачі
відповідна хj = 0. Якщо ж загальна оцінка всіх ресурсів
дорівнює ціні одиниці продукції, то виготовляти таку
продукцію доцільно, вона рентабельна і в оптимальному
плані прямої задачі відповідна змінна хj > 0.
Економічна інтерпретація двоїстих задач та аналіз економіко-
математичних моделей на чутливість за допомогою теорії двоїстості
дають змогу модифікувати оптимальний план задачі лінійного
програмування відповідно до змін умов прямої задачі й дістати
при цьому такі результати.
1. Зміна різних коефіцієнтів у прямій математичній моделі
може вплинути на оптимальність і допустимість отриманого
плану та привести до однієї з таких ситуацій:
 склад змінних та їх значення в оптимальному плані не
змінюються;
 склад змінних залишається попереднім, але їх оптимальні
значення змінюються;
 змінюються склад змінних та їх значення в оптимальному
плані задачі.
93
2. Уведення додаткового обмеження в математичну модель
задачі впливає на допустимість розв’язку і не може вплинути на
поліпшення значення цільової функції.
3. Уведення нової змінної в математичну модель задачі впливає на оптимальність
попереднього плану і не погіршує значення цільової функції.
Розглянемо конкретний приклад, що підтверджує зроблені

висновки.
Задача 4.1.Деяке підприємство виробляє чотири види

продукції А, В, С і Д, використовуючи для цього
три види ресурсів 1, 2 і 3. Норми витрат ресурсів на одиницю
кожної продукції (в умовних одиницях) наведено в таблиці:
Норма витрат на одиницю продукції, ум. од.,

за видами продукції
Ресурс Запас ресурсу
А В С Д
1 2 5 2 4 250
2 1 6 2 4 280
3 3 2 1 1 80
Відома ціна одиниці продукції кожного виду: для продукції А —

2 ум. од., для В і Д — по 4 од., для С — 3 од. Визначити
оптимальний план виробництва продукції кожного виду в умовах
обмеженості ресурсів, який дає підприємству найбільший дохід.
Наведемо симплекс-таблицю, що відповідає оптимальному плану
поставленої задачі.
2 4 3 4 0 0 0
х1 х2 х3 х4 х5 х6 х7
х4 4 45 –2 1/2 0 1 1/2 0 –1
х6 0 30 –1 1 0 0 –1 1 0
х3 3 35 5 3/2 1 0 –1/2 0 2
Zj – C j ≥ 0 285 5 5/2 0 0 1/2 0 2
94
Виконаємо зазначені далі дії.
1. Сформулювати математичну модель даної задачі лінійного
програмування та двоїстої до неї.
2. Записати оптимальні плани прямої та двоїстої задач і
зробити їх економічний аналіз.
3. Визначити статус ресурсів прямої задачі та інтервали стійкості двоїстих оцінок
відносно зміни запасів дефіцитних ресурсів.
4. Визначити план виробництва продукції та зміну загального
доходу підприємства, якщо запас першого ресурсу збільшити на
10 од., другого — зменшити на 10 од., а третього — збільшити на
20 ум. од.
5. Визначити рентабельність кожного виду продукції, що
виготовляється на підприємстві.
6. Розрахувати інтервали можливої зміни ціни одиниці
кожного виду продукції.
Розв’язування. 1. Математичні моделі прямої та двоїстої
задачі мають такий вигляд:
де хj — обсяг виробництва продукції j-го виду ;
де yi — оцінка одиниці і-го виду ресурсу .

2. З наведеної симплекс-таблиці маємо:
Х* = (0; 0; 35; 45; 0; 30; 0), max Z = 285;
Y* = (4; 0; 3) ∙ = (1/2; 0; 2);
min F = 250/2 + 160 = 285 = max Z.

Оптимальний план прямої задачі передбачає виробництво
лише двох видів продукції С і Д у кількості відповідно 35 та 45
од. Випуск продукції А та В не передбачається (х1 = х2 = 0).
95
Додаткові змінні х5, х6, х7 характеризують залишок
(невикористану частину) ресурсів відповідно 1, 2 та 3. Оскільки
х6 = 30, другий ресурс використовується у процесі виробництва
продукції не повністю, а перший та третій ресурси — повністю
(х5 = х7 = 0). За такого оптимального плану виробництва
продукції та використання ресурсів підприємство отримує
найбільший дохід у розмірі 285 ум. од.
План двоїстої задачі дає оптимальну систему оцінок ресурсів,
що використовуються у виробництві. Так, у1 = 1/2 та у3 = 2
відмінні від нуля, а ресурси 1 та 2 використовуються повністю.
Двоїста оцінка у2 = 0 і відповідний вид ресурсу не повністю
використовується при оптимальному плані виробництва
продукції. Це підтверджується також попереднім аналізом
додаткових змінних оптимального плану прямої задачі. Така
оптимальна система оцінок дає найменшу загальну вартість усіх
ресурсів, що використовуються на підприємстві:
min F = 285 ум. од.
3. Статус ресурсів прямої задачі можна визначити трьома
способами. Перший — підстановкою Х * у систему обмежень
прямої задачі. Якщо обмеження виконується як рівняння, то
відповідний ресурс дефіцитний, у противному разі —
недефіцитний.
Другий спосіб — за допомогою додаткових змінних прямої задачі. Якщо додаткова

змінна в оптимальному плані дорівнює нулю, то відповідний ресурс дефіцитний, а якщо
відмінна від нуля — ресурс недефіцитний.
Третій спосіб — за допомогою двоїстих оцінок. Якщо уі  0,
то зміна (збільшення або зменшення) обсягів і-го ресурсу
приводить до відповідної зміни доходу підприємства, і тому
такий ресурс є дефіцитним. Якщо уі = 0, то і-й ресурс
недефіцитний. Так,
у1 = 1/2 (ресурс 1 дефіцитний);
у2 = 0 (ресурс 2 недефіцитний);
у3 = 2 (ресурс 3 дефіцитний).
Отже, якщо запас першого дефіцитного ресурсу збільшити на
одну умовну одиницю (b1 = 250 + 1 = 251), то цільова функція
max Z збільшиться за інших однакових умов на у1 = 1/2 ум. од.
96
і становитиме max Z = 285,5 ум. од. Але за рахунок яких змін в
оптимальному плані виробництва продукції збільшиться дохід
підприємства? Інформацію про це дають елементи стовпчика «х5»
останньої симплекс-таблиці, який відповідає двоїстій оцінці
у1 = 1/2. У новому оптимальному плані значення базисної змінної
збільшиться на 1/2, змінної — зменшиться на одиницю, а
— на 1/2. При цьому структура плану не зміниться, а нові
оптимальні значення змінних будуть такими:
Х* = (0; 0; 34,5; 45,5; 0; 29; 0).
Отже, збільшення запасу першого дефіцитного ресурсу за
інших однакових умов приводить до зростання випуску продукції
Д та падіння виробництва продукції С, а обсяг використання
ресурсу 2 збільшується. За такого плану виробництва
максимальний дохід підприємства буде
max Z = 2  0 + 4  0 + 3  34,5 + 4  45,5 = 285,5, тобто зросте на
у1 = 1/2.
Проаналізуємо, як зміниться оптимальний план виробництва
продукції, якщо запас дефіцитного ресурсу 2 за інших однакових
умов збільшити на одну умовну одиницю (b3 = 80 + 1 = 81).
Аналогічно попереднім міркуванням, скориставшись елементами
стовпчика «х7» останньої симплекс-таблиці, що відповідає
двоїстій оцінці у3 = 2, можна записати новий оптимальний план:
Х* = (0; 0; 37; 44; 0; 30; 0).
max Z = 2  0 + 4  0 + 3  37 + 4  44 = 287.
Отже, дохід підприємства збільшиться на дві умовні одиниці за рахунок збільшення
виробництва продукції С на дві одиниці та зменшення випуску продукції Д на одну
одиницю. При цьому обсяг використання ресурсу 2 не змінюється.
Але після проведеного аналізу постає логічне запитання: а чи
зберігатимуться встановлені пропорції, якщо запас дефіцитного
ресурсу змінити не на одиницю, а наприклад, на 10 ум. од.? Щоб
однозначно відповісти на поставлене запитання, необхідно
розрахувати інтервали можливої зміни обсягів дефіцитних
ресурсів, у межах яких двоїсті оцінки уі залишаються на рівні
оптимальних значень.
Приріст (зміну) запасу ресурсу 1 позначимо b1. Тоді, якщо
, то новий оптимальний план
Х* = (0; 0; 35–1/2b1; 45 + 1/2b1; 0; 30 – b1; 0).
Єдина вимога, яку можна поставити до можливих нових оптимальних значень, — це
умова невід’ємності, тобто
97
.
Це означає, що коли запас ресурсу 1 збільшиться на 30 ум. од.
або зменшиться на 90 ум. од., то оптимальною двоїстою оцінкою
ресурсу 1 залишиться у1 = 1/2. Отже, запас ресурсу 1 може
змінюватись у межах
,
.
Згідно з цим максимально можливий дохід підприємства
перебуватиме в межах
,
,
а оптимальний план виробництва продукції
(0; 0; 80; 0; 0; 120; 0) ≤ Х* ≤ (0; 0; 20; 60; 0; 0; 0).
Аналогічно розраховується інтервал стійкості двоїстої оцінки
у3 = 2 дефіцитного ресурсу 3:
,
.
Отже, якщо запас ресурсу 3 збільшиться на 45 ум. од. або змен-
шиться на 17,5 ум. од., то двоїста оцінка у3 = 2 цього ресурсу
залишиться оптимальною. Згідно із цим можливий дохід
підприємства та оптимальний план виробництва продукції
перебуватимуть у межах
;
(0; 0; 0; 62,5; 0; 30; 0) ≤ Х* ≤ (0; 0; 125; 0; 0; 30; 0).
Зауважимо, що визначені інтервали стосуються лише
випадків, коли змінюється тільки один ресурс, а запаси всіх
98
інших фіксовані, тобто за інших однакових умов. У разі
одночасної зміни обсягів усіх або кількох ресурсів підхід до
визначення нового оптимального плану дещо інший.
4. За умовою задачі обсяги всіх трьох ресурсів змінюються
відповідно b1 = +10, b2 = –10, b3 = +20. Для визначення
компонентів нового оптимального плану скористаємось одним із
головних співвідношень обчислювальної процедури симплекс-
методу:
.
З останньої симплекс-таблиці можна записати обернену
матрицю:
Змінені запаси ресурсів утворюють вектор
Тоді новий оптимальний план виробництва продукції за

відповідної одночасної зміни запасів усіх трьох ресурсів
тобто Х * = (0; 0; 70; 30; 0; 10; 0).

Усі хj ≥ 0, і тому оптимальним планом двоїстої задачі
залишається Y * = (1/2; 0; 2). Загальний максимальний дохід
підприємства зміниться на ∆Zmax = b1y1 + b2y2 + b3y3 = 10 ∙ 1/2 –
10 ∙ 0 + 20 ∙ 2 = = +45 ум. од. і становитиме max Z = 285 + 45 =
330 ум. од.
5. Оцінка рентабельності продукції, що виготовляється на підприємстві, виконується
за допомогою двоїстих оцінок та обмежень двоїстої задачі, які характеризують кожний вид
продукції.
Підставимо Y * у систему обмежень двоїстої задачі. Якщо
вартість ресурсів на одиницю продукції (ліва частина) перевищує
99
ціну цієї продукції (права частина), то виробництво такої
продукції для підприємства недоцільне. Якщо ж співвідношення
виконується як рівняння, то продукція рентабельна.
Аналогічні результати можна дістати, проаналізувавши двоїсті

оцінки додаткових змінних, значення яких показують, на скільки
вартість ресурсів перевищує ціну одиниці відповідної продукції.
Тому, якщо додаткова змінна двоїстої задачі дорівнює нулю, то
продукція рентабельна. І, навпаки, якщо уі  0, то відповідна
продукція нерентабельна.
Додаткові змінні двоїстої задачі розміщуються в оцінковому
рядку останньої симплекс-таблиці у стовпчиках «х1»—«х4». Їх
оптимальні значення у4 = 5; у5 = 5/2; у6 = 0; у7 = 0. Тому продукція
А і В нерентабельна, а продукція С і Д — рентабельна.
6. Під впливом різних обставин ціна одиниці продукції на
підприємстві може змінюватися (збільшуватися чи
зменшуватися).
І тому завжди цікаво знати, у межах яких змін ціни продукції
кожного виду оптимальний план її виробництва залишається
таким:
Х * = (0; 0; 35; 45).
Для визначення інтервалів зміни коефіцієнтів цільової функції
скористаємось тим, що при цьому симплекс-таблиця, яка відповідає
оптимальному плану, зберігає свій вигляд за винятком елементів
оцінкового рядка. Нові оцінки (Zj – Cj) мають задовольняти умову
оптимальності задачі максимізації, тобто бути невід’ємними.
Зміну коефіцієнта С1 позначимо С1. Оскільки х1 — небазисна
змінна, то в симплекс-таблиці зміниться лише відповідна оцінка
Z1 – C1:
(Z1 – C1) = 4  (–2) + 0  1 +3  3/2 – (2 + С1) = 5 – С1.
За умови Z1 – C1  0 дістанемо нерівність 5 – С1 ≥ 0, тобто
С1 ≤ 5. Це означає, що коли ціна одиниці продукції А за інших
однакових умов зросте не більш як на 5 ум. од., то оптимальним
планом виробництва продукції на підприємстві все одно
100
залишиться Х * = (0; 0; 35; 45). Лише максимальний дохід
зміниться на max ∆Z= С1х1.
Аналогічно розраховується інтервал зміни коефіцієнта С2:
(Z2 – C2) = 5/2 – С2 ≥ 0; С2 ≤ 5/2.
Зі зростанням ціни одиниці продукції В на 5/2 ум. од. за інших
однакових умов оптимальний план виробництва продукції не
зміниться, а max ∆Z = С2Х2.
Дещо складніше розраховується інтервал зміни коефіцієнтів
для базисних змінних. У цьому разі зміни відбуваються також у
стовпчику «Сбаз» симплекс-таблиці, а це, у свою чергу, стосується
всіх ненульових оцінок (Zj – Cj). Так, для базисної змінної х3
зміна коефіцієнта на С3 приведе до таких оцінок:
(Z1 – C1) = 4  (–2) + 0  (–1) +(3 + С3) 5 – 2 = 5 + 5С3;
(Z2 – C2) = 4  1/2 + 0  1 + (3 + С3) 3/2 – 4 = 5/2 + 3/2С3;
(Z5 – C5) = 4  1/2 + 0  (–1) – 1/2 ∙ (3 + С3) – 0 = 1/2 – 1/2С3;
(Z7 – C7) = 4  (–1) + 0  0 + 2 ∙ (3 + С3) – 0 = 2 + 2С3.
Нові значення оцінок мають задовольняти умову
оптимальності, тобто Zj – Cj ≥ 0. Тому інтервал для С3
визначається з такої системи нерівностей:
,
.
Отже, ціна одиниці продукції С може збільшуватися та
зменшуватися на 1 ум. од. і перебувати в межах від 2 до 4 ум. од.,
але оптимальним планом виробництва продукції залишається

Х * = (0; 0; 35; 45).
Для базисної невідомої х4 інтервал зміни коефіцієнта С4
розраховується аналогічно:
101
,
.
Якщо за інших однакових умов ціна одиниці продукції Д змен-
шиться до 3 ум. од. або збільшиться до 6 ум. од., то оптимальний
план виробництва продукції на підприємстві не зміниться
(Х * = (0; 0; 35; 45)).
Якщо коливання ціни продукції виходять за визначені межі,
то план Х * = (0; 0; 35; 45) вже не буде оптимальним і його
необхідно буде поліпшити згідно з алгоритмом симплекс-методу,
тобто продовжити розв’язування задачі.
Виконаний у цій задачі аналіз лінійної моделі на чутливість дає широкий спектр
динамічної інформації про визначений оптимальний план і дає змогу дослідити можливі
зміни цього оптимального плану в результаті коректування умов прямої задачі.
Задача 4.2. Фірма виготовляє продукцію трьох видів А, В і С.

Для цього потрібний певний час обробки кожної
продукції на різних групах обладнання (1, 2, 3) (див. таблицю).
Час обробки одиниці продукції, год, за видами

Група обладнання
А В С
1 1 2 4
2 2 4 2
3 1 1 2
Можливий час роботи обладнання кожного типу становить

відповідно 360, 520 та 220 год на місяць. Ціна одиниці продукції
А дорівнює 90 дол., продукції В — 110 дол., а продукції С —
150 дол. Визначити, яку продукцію і в якій кількості слід виготов-
ляти, щоб фірма отримувала найбільший дохід.
Розв’язування задачі симплекс-методом дає таку останню симплексну таблицю:
102
90 110 150 0 0 0
х1 х2 х3 х4 х5 х6
х4 0 100 0 0 3 1 –1/2 0
х2 110 40 0 1 –1 0 1/2 –1
х1 90 180 1 0 3 0 –1/2 2
Zj – C j ≥ 0 20 600 0 0 10 0 10 70
Керівництво фірми цікавить, чи зміниться оптимальний план
виробництва продукції і якщо зміниться, то яким буде новий
оптимальний план у кожній з наведених далі ситуацій.
1. Фірма може збільшити час роботи обладнання груп 2 та 3 відповідно на 100 та
80 год. за місяць, орендуючи для цього додаткове обладнання, яке коштуватиме 5000 дол.
Чи вигідно це? Якщо вигідно, то яким має бути новий план виробництва продукції?
2. Фінансовий відділ фірми вважає, що загострення
конкуренції на ринку збуту може призвести до зниження ціни на
продукцію В на 25 дол. Як це позначиться на оптимальному плані
виробництва продукції фірми?
3. Відділ досліджень і розробок фірми пропонує виготовляти
дешевшу модифікацію продукції С. Для виробництва одиниці цієї
нової продукції потрібний час роботи обладнання груп 1, 2 та 3
становить відповідно 4, 3 та 1 год. Орієнтовна ціна одиниці нової
продукції дорівнює 120 дол. Керівництво фірми цікавить, чи буде
за таких умов виробництво нової продукції вигідним.
4. Споживач продукції А за певних обставин порушує
попередню домовленість і відмовляється прийняти більш як
100 од. продукції А. Визначити, як фірма має змінити план
виробництва своєї продукції, щоб уникнути втрат, пов’язаних із
надвиробництвом відповідного виду продукції.
Розв’язування. Із наведеної в умові задачі симплекс-таблиці
маємо: Х * = (180; 40; 0; 100; 0; 0), max Z = 20 600, Y * = (0; 10; 70).
Оптимальним планом виробництва продукції на фірмі є випуск
180 од. продукції А та 40 од. продукції В. Виготовлення
продукції виду С не передбачається. При цьому фірма отримає
максимальний дохід у розмірі 20 600 дол. на місяць.
1. Збільшення часу роботи обладнання дасть змогу збільшити
випуск продукції, тобто змінить оптимальний план і дохід фірми.
Оскільки b1 = 0, b2 = 100, b3 = 80, новий оптимальний план
визначається так:
103
.
Новий план допустимий (всі хj ≥ 0), і тому оптимальні двоїсті

оцінки зберігають свої значення: Y * = (0; 10; 70). Приріст доходу
фірми в результаті зміни оптимального плану виробництва
продукції розраховується так:
max ∆Z = b1y1 + b2y2 + b3y3 = 100 ∙ 10 + 80 ∙ 70 = 6600 дол.
Оскільки дохід фірми від додаткового використання обладнання груп 2 і 3 перевищує
витрати на оренду цього обладнання (6600 > 5000), то природно, що така тактика фірми
буде вигідною. При цьому оптимальним планом виробництва стане випуск 290 од.
продукції А і 10 од. продукції В. Невикористаний час роботи обладнання групи 1
зменшиться до 50 год на місяць, а дохід фірми за відрахуванням витрат на оренду
обладнання дорівнюватиме 20 600 + (6600 – 5000) = 22 200 дол. на місяць.
2. Зміна ціни одиниці продукції В на С2 (25 дол.) стосується
всього оцінкового рядка симплекс-таблиці, оскільки х2 є
базисною змінною. Нові Zj – Cj матимуть такі значення:
Z3 – C3 = 10 –С2 = 10 + 25 = 35;
Z5 – C5 = 10 + 1/2С2 = 10 – 12,5 = –2,5;
Z6 – C6 = 70 – С2 = 70 + 25 = 95.
Коли б усі здобуті оцінки задовольняли умову Zj – Cj ≥ 0, то це
означало б, що попри зниження ціни план виробництва продукції на
фірмі не зміниться. Але оцінка Z5 – C5 не задовольняє умову
оптимальності задачі на максимум, і тому можна зробити такий
висновок. Істотне зниження ціни одиниці продукції В порушує
визначений раніше оптимальний план виробництва продукції,
оскільки випуск продукції виду В стає для фірми невигідним,
нерентабельним.
Новий оптимальний план визначається у процесі подальшого розв’язування задачі
симплекс-методом:
90 85 150 0 0 0
Базис Сбаз План 
х1 х2 х3 х4 х5 х6
х4 0 100 0 0 3 1 –1/2 0 —
←х2 85 40 0 1 –1 0 1/2 –1 80
х1 90 180 1 0 3 0 –1/2 2 —
Zj – Cj ≥ 0 19 600 0 0 35 0 –2,5 95
х4 0 140 0 1 2 1 0 –1
х5 0 80 0 2 –2 0 1 –2
104
х1 90 220 1 1 2 0 0 1
Zj – Cj ≥ 0 19 800 0 5 30 0 0 90
Отже, у розглянутій ситуації зниження ціни одиниці продукції виду В на 25 дол. різко
змінить структуру та обсяги виробництва продукції на фірмі. Вигідним стане випуск лише
продукції А у кількості 220 од.: при цьому час роботи обладнання груп 1 і 2
використовуватиметься повністю. Усе це призведе до зменшення доходу фірми до 19 800
дол. на місяць.
3. Обсяг виробництва нової продукції в оптимальному плані
позначимо х7. Тоді математична модель прямої задачі матиме
такий вигляд:
У математичній моделі двоїстої задачі змінній х7 відповідатиме

таке обмеження: . Оцінимо рентабельність
нової продукції за допомогою двоїстих оцінок: 4 · 0 + 3 · 10 + 1 ∙
70 =
= 100, що є меншим за 120 дол. Загальна вартість усіх ресурсів,
що витрачаються на випуск одиниці нової продукції, не
перевищує орієнтовної ціни цієї продукції, і тому її виробництво
для
фірми є вигідним, рентабельним. Завдяки цьому визначений
раніше оптимальний план виробництва продукції можна
поліпшити за рахунок уведення в нього х7.
Для цього за допомогою оберненої матриці необхідно
визначити елементи стовпчика «х7» останньої симплекс-таблиці:
Результати однієї ітерації симплекс-методу, що приводить до нового оптимального

плану задачі, наведено далі.
90 110 150 0 0 0 120

х1 х2 х3 х4 х5 х6 х7
← х4 0 100 0 0 3 1 –1/2 0 5/2 40
х2 110 40 0 1 –1 0 1/2 –1 1/2 80
х1 90 180 1 0 3 0 –1/2 2 1/2 360
Zj – C j ≥ 0 20 600 0 0 10 0 10 70 –20
х7 120 40 0 0 6/5 2/5 –1/5 0 1
105
х2 110 20 0 1 –8/5 –1/5 3/5 –1 0
х1 90 160 1 0 12/5 –1/5 –2/5 2 0
Zj – C j ≥ 0 21 400 0 0 34 8 6 70 0
Як бачимо з таблиці, Х * = (160; 20; 0; 0; 0; 0; 40), max Z =
= 21 400. Керівництво фірми має підтримати пропозицію відділу
досліджень та розробок і налагодити виробництво нової
продукції, яка є рентабельною, виготовляючи її в кількості 40 од.;
відповідно продукції А — 160 од. і продукції В — 20 од. Такий
новий оптимальний план виробництва продукції збільшить дохід
фірми до 21 400 дол. на місяць.
4. Четверта запропонована ситуація математично пов’язана з
уведенням в умову задачі додаткового обмеження, що може
привести до таких наслідків:
а) нове обмеження для визначеного оптимального плану
виконується і тоді воно є надлишковим, зайвим і його включення
до моделі не змінює визначеного плану;
б) нове обмеження для визначеного оптимального плану не
виконується, і тоді за допомогою двоїстого симплекс-методу
необхідно знайти новий оптимальний план.
За умовою задач додатковим є обмеження х1 ≤ 100. Але воно
суперечить оптимальній кількості продукції А, яка дорівнює
180 од. Тому необхідно приєднати це додаткове обмеження до
симплекс-таблиці та продовжити розв’язування задачі, але вже за
допомогою двоїстого симплекс-методу. Для цього спочатку
зведемо додаткове обмеження до канонічного вигляду:
х1 + х7 = 100.
Оскільки в оптимальному плані змінна х1 є базисною, її
необхідно записати через небазисні невідомі. Це робиться так. У
симплекс-таблиці, яку наведено в умові задачі, рядок змінної «х1»
подається рівнянням
1 · х1 + 0 · х2 + 3 · х3 + 0 · х4 – 1/2 · х5 + 2 · х6 = 180.
З цього рівняння визначимо х1:
х1 = 180 – 3х3 + 1/2х5 – 2х6.
Підставивши цей вираз в додаткове обмеження, отримаємо
180 – 3х3 + 1/2х5 – 2х6 + х7 = 100
або
–3х3 + 1/2х5 – 2х6 + х7 = –80.
106
У такому вигляді додаткове обмеження дописується в симплекс-таблицю.
Застосування двоїстого симплекс-методу приведе до нового оптимального плану задачі:
90 110 150 0 0 0 0
х1 х2 х3 х4 х5 х6 х7
х4 0 100 0 0 3 1 –1/2 0 0
х2 110 40 0 1 –1 0 1/2 –1 0
х1 90 180 1 0 3 0 –1/2 2 0
← х7 0 –80 0 0 –3 0 1/2 –2 1
Zj – C j ≥ 0 20 600 0 0 10 0 10 70 0
х4 0 20 0 0 0 1 0 –2 1
х2 110 200/3 0 1 0 0 1/3 –1/3 –1/3
х1 90 100 1 0 0 0 0 0 1
х3 150 80/3 0 0 1 0 –1/6 2/3 –1/3
Zj – C j ≥ 0 61 000
3 0 0 0 0 35/3 190/3 10/3
З останньої таблиці маємо Х * = (100; 200/3; 80/3; 20; 0;0),

max Z = 61 000/3 ≈ 20 333.
Проаналізуємо цей план. Реалізація запропонованої в умові задачі ситуації змінює
структуру та кількісний вираз оптимального плану. Тепер з урахуванням вимог
споживача фірма виготовлятиме 100 од. продукції А, 200/3 од. продукції В і 80/3 од.
продукції С. У результаті такого плану випуску продукції дохід фірми зменшиться до 20
333 дол. на місяць.

У наведених далі задачах виконати такі дії:

1) записати математичні моделі прямої та двоїстої задач;
2) записати оптимальні плани прямої та двоїстої задач, подати їх економічний аналіз;
3) визначити статус ресурсів, що використовуються для вироб-
ництва продукції, та рентабельність кожного виду продукції;
4) обчислити інтервали стійкості двоїстих оцінок стосовно зміни запасів дефіцитних
ресурсів;
107
5) розрахувати інтервали можливих змін ціни одиниці
рентабельної продукції.
Задача 4.3. Підприємство виготовляє три види продукції А, В і
С, використовуючи для цього три види ресурсів 1,
2, 3. Норми витрат усіх ресурсів на одиницю продукції та запаси
ресурсів наведено в таблиці:
Норма витрат на одиницю продукції

за видами
А В С
1 18 15 12 360
2 6 4 8 192
3 5 3 3 180
Відома ціна одиниці продукції кожного виду: А — 9 ум. од.,

В — 10 ум. од. і С — 16 ум. од. Визначити план виробництва
продукції, що забезпечує підприємству найбільший дохід.
Остання симплекс-таблиці даної задачі має такий вигляд:
9 10 16 0 0 0
х1 х2 х3 х4 х5 х6
х2 10 8 1 1 0 1/9 –1/6 0
х3 16 20 1/4 0 1 –1/18 5/24 0
х6 0 96 5/4 0 0 –1/6 –1/8 1
Zj – C j ≥ 0 400 5 0 0 2/9 5/3 0
Задача 4.4. Підприємство виготовляє продукцію А, В і С, для

чого використовує три види ресурсів 1, 2, 3. Норма
витрат усіх ресурсів на одиницю кожної продукції та обсяги
ресурсів на підприємстві наведено в таблиці:

за видами
А В С
1 4 2 1 180
108
2 3 1 3 210
3 1 2 5 244
Відома ціна одиниці продукції кожного виду: А — 10 ум. од.,
В — 14 ум. од. і С — 12 ум. од. Визначити план виробництва
продукції, що забезпечує підприємству найбільший дохід.
Остання симплекс-таблиця, що містить оптимальний план задачі, має такий вигляд:
10 14 12 0 0 0
х1 х2 х3 х4 х5 х6
х2 14 82 19/8 1 0 5/8 0 –1/8
х5 0 80 23/8 0 0 1/8 1 –5/8
х3 12 16 –3/4 0 1 –1/4 0 1/4
Zj – C j ≥ 0 1340 57/4 0 0 23/4 0 5/4
Задача 4.5. Підприємство виготовляє продукцію чотирьох видів А, В, С і Д, для

чого використовує три види ресурсів 1, 2, 3. Норми витрат ресурсів на
одиницю продукції та запаси ресурсів на підприємстві наведено в таблиці:

Ресурс за видами Запас ресурсу
А В С Д
1 2 1 1 1 280
2 1 — 1 1 80
3 1 5 1 — 250
Відома ціна одиниці продукції кожного виду продукції: А —

4 ум. од., В — 3 ум. од., С — 6 ум. од., Д — 7 ум. од. Визначити
план виробництва продукції, який максимізує дохід підприємства.
Остання симплекс-таблиця має такий вигляд:
4 3 6 7 0 0 0
х1 х2 х3 х4 х5 х6 х7
х5 0 150 4/5 0 –1/5 0 1 –1 –1/5
х4 7 80 1 0 1 1 0 1 0
109
х2 3 50 1/5 1 1/5 0 0 0 1/5
Zj – C j ≥ 0 710 18/5 0 8/5 0 0 7 3/5
Задача 4.6.Підприємство виготовляє продукцію чотирьох

видів з трьох видів ресурсів. Економічні показники
виробництва наведено в таблиці. Визначити такий план
виробництва продукції всіх видів, який забезпечить підприємству
найбільший дохід.
Норма витрат на одиницю продукції за видами

А В С Д
1 6 1 2 4 300
2 5 2 2 4 200
3 2 3 1 1 90
Ціна продукції 4 2 3 4
Симплекс-таблиця, що відповідає оптимальному плану задачі,

має такий вигляд:
4 2 3 4 0 0 0
х1 х2 х3 х4 х5 х6 х7
х5 0 100 1 –1 0 0 1 –1 0
х4 4 10 1/2 –2 0 1 0 1/2 –1
х3 3 80 3/2 5 1 0 0 –1/2 2
Zj – C j ≥ 0 280 5/2 5 0 0 0 1/2 2
Задача 4.7.
Підприємство виготовляє продукцію чотирьох
видів А, В, С і Д. Для цього використовуються
ресурси трьох видів 1, 2, 3. Основні економічні показники
процесу виробництва продукції на підприємстві наведено в
таблиці:

А В С Д
1 3 2 1 2 200
110
2 3 1 3 4 500
3 1 1 1 3 400
Визначити план виробництва продукції, який забезпечує
підприємству найбільший дохід.
Оптимальний план задачі подано у вигляді симплекс-таблиці:
27 10 15 28 0 0 0
х1 х2 х3 х4 х5 х6 х7
х4 28 50 3 5/2 0 1 3/2 –1/2 0
х3 15 100 –3 –3 1 0 –2 1 0
х7 0 150 –5 –7/2 0 0 –5/2 1/2 1
Zj – C j ≥ 0 2900 12 15 0 0 12 1 0
Задача 4.8. Підприємство виготовляє продукцію чотирьох

видів і для цього використовує ресурси 1, 2, 3.
Норми витрат усіх ресурсів на одиницю продукції, запаси
ресурсів та ціну кожного виду продукції наведено в таблиці:

А В С Д
1 2 1 1 3 300
2 1 — 2 1 70
3 1 2 1 — 340
Скласти такий план виробництва продукції, який забезпечить

підприємству найбільший дохід.
Результати розв’язування задачі симплекс-методом наведено в
таблиці:
8 3 2 1 0 0 0
х1 х2 х3 х4 х5 х6 х7
111
х5 0 25 0 0 –5/2 3/2 1 –3/2 –1/2
х1 8 70 1 0 2 1 0 1 0
х2 3 135 0 1 –1/2 –1/2 0 –1/2 1/2
Zj – C j ≥ 0 965 0 0 25/2 11/2 0 13/2 3/2
Задача 4.9. Підприємство виготовляє продукцію чотирьох

видів А, В, С і Д. Для цього в технологічному
процесі використовують три види ресурсів 1, 2, 3. Норми витрат
усіх ресурсів на одиницю продукції, запаси, а також ціну
кожного виду продукції наведено в таблиці:

А В С Д
1 1 — 2 1 180
2 — 1 3 2 250
3 4 2 — 4 800
Остання симплекс-таблиця, що містить оптимальний план,

має такий вигляд:
9 6 4 7 0 0 0
х1 х2 х3 х4 х5 х6 х7
х1 9 75 1 0 –3/2 0 0 –1/2 1/4
х5 0 105 0 0 7/2 1 1 1/2 –1/4
х2 6 250 0 1 3 2 0 1 0
Zj – C j ≥ 0 2175 0 0 1/2 5 0 3/2 9/4
Задача 4.10. Підприємство виготовляє продукцію чотирьох видів

А, В, С, Д і для цього використовує три види
ресурсів 1, 2, 3. У таблиці наведено норми витрат кожного з
ресурсів на одиницю продукції, запаси ресурсів та ціни на
продукцію.
Ресурс Норма витрат на одиницю продукції за видами Запас ресурсу
112
А В С Д
1 1 2 2 1 300
2 3 — 2 2 600
3 1 4 — 1 200
Визначити план виробництва продукції, який дасть змогу
підприємству отримати найбільший дохід.
Симплекс-таблиця для оптимального плану цієї задачі має
такий вигляд:
3 2 5 4 0 0 0
х1 х2 х3 х4 х5 х6 х7
х3 5 50 0 –1 1 0 1/2 0 –1/2
х6 0 100 1 –6 0 0 –1 1 –1
х4 4 200 1 4 0 1 0 0 1
Zj – Cj ≥ 0 1050 1 9 0 0 5/2 0 3/2
Задача 4.11. Підприємство виготовляє продукцію видів А, В, С

і використовує для цього ресурси трьох видів 1, 2,
3. Норми витрат усіх ресурсів на одиницю продукції, запаси
ресурсів, а також ціни на продукцію наведено в таблиці:

за видами
А В С
1 2 1 2 120
2 3 1 2 200
3 2 2 1 120
Ціна продукції 2 3 4
Визначити план виробництва продукції кожного виду, що дає

найбільший дохід підприємству. Остання симплекс-таблиця
задачі має такий вигляд:
113
2 3 4 0 0 0
х1 х2 х3 х4 х5 х6
х3 4 40 2/3 0 1 2/3 0 –1/3
х5 0 80 1 0 0 –1 1 0
х2 3 40 2/3 1 0 –1/3 0 2/3
Zj – C j ≥ 0 280 8/3 0 0 5/3 0 2/3
Задача 4.12.За допомогою двоїстого симплекс-методу

визначити оптимальний план задачі 4.6 у
випадках, коли запаси ресурсів видів 1, 2, 3 задано такими
векторами:
а) ; б) ; в)
Задача 4.13.
Розглянути задачу 4.7. Визначити оптимальний
план цієї задачі, якщо запаси ресурсів трьох видів
1, 2, 3 на підприємстві змінюються:
а) ∆b1 = +50, ∆b2 = +50, ∆b3 = 0;
б) ∆b1 = –50, ∆b2 = 0, ∆b3 = +50;
а) ∆b1 = 0, ∆b2 = 100, ∆b3 = +100.
Задача 4.14.
В оптимальному плані задачі 4.5 виробництво
продукції С не передбачається, незважаючи на те,
що вона характеризується більшою ціною, ніж продукція В.
Умови на ринку збуту не дають змоги збільшити ціну продукції
С. Тому вирішено підвищити рентабельність за рахунок
зменшення витрат ресурсів на її виробництво. Визначити, чи
стане вигідним випуск продукції С, якщо витрати ресурсів 1, 2, 3
на одиницю цієї продукції становлять відповідно:
а) (1; 2; 1), б) (2; 0; 5), в) (1; 1; 2).
Якщо відповідь ствердна, визначити новий оптимальний план
задачі.
Припустимо, що в задачі 4.4 планується випуск
Задача 4.15.
нової продукції з відповідними витратами
ресурсів 1, 2, 3 на одиницю цієї продукції — 2, 4, 2 ум. од.
Визначити оптимальний план виробництва продукції на
підприємстві, якщо орієнтовна ціна нової продукції становить:
а) 12 ум. од.; б) 15 ум. од.
114
Розглянути задачу 4.10, якщо в її умову введено
Задача 4.16. додаткове обмеження на виробництво продукції А
в кількості не менш як 20 од. Визначити
оптимальний план такої задачі.
Задача 4.17. Розглянути задачу 4.8. Перевірити, чи впливають

на отриманий оптимальний план такі додаткові
обмеження:
а) х3 ≤ 50, б) х1 ≥ 50, в) х2 ≤ 100.
Якщо відповідь ствердна, то визначити новий оптимальний план задачі.
Задача 4.18.
У задачі 4.3 дослідити, чи впливає на
оптимальний план така зміна коефіцієнтів при
невідомих у цільовій функції:
а) ∆с2 = +5, б) ∆с3 = –5, в) ∆с1 = +4, ∆с2 = –4.
У разі ствердної відповіді визначити новий оптимальний план
задачі.
Задача 4.19.
Розглянути задачу 4.11 за умови одночасної зміни
цін на всі три види продукції А, В і С: ∆с1 = +2; ∆с2
= –1; ∆с3 = –1. Визначити, як у такій ситуації змінюються
оптимальний план виробництва продукції та максимальний дохід
підприємства.
Задача 4.20.
Сільськогосподарське підприємство має два поля
площею 80 та 40 га. Вони різняться
місцеперебуванням і характером ґрунту. На кожному полі можна
розмістити одну чи кілька сільськогосподарських культур.
Господарство має замовлення на вирощування овочів (моркви та
капусти). Відома врожайність цих культур на кожному полі (див.
таблицю).
Урожайність, ц/га
Поле
Морква Капуста
1 450 300
2 500 350
Щоб отримати задану врожайність планується вносити

мінеральні добрива (фосфорні та калійні) (див. таблицю).
Норма внесення, кг/га, за полями
115
Мінеральні 1 2
добрива Морква Капуста Морква Капуста
Фосфорні 60 100 80 120
Калійні 90 100 100 140
Запас добрив у господарстві обмежений і становить

відповідно 8 та 10 т. Орієнтовні закупівельні ціни за 1 ц
сільськогосподарської продукції становлять: моркви — 10 ум. од.,
капусти — 20 ум. од.
Визначити таку оптимальну структуру використання земельної площі в господарстві,
при якій досягається найбільший дохід від реалізації вирощених овочів.
Симплекс-таблиця, що відповідає оптимальному плану
поставленої задачі, має такий вигляд:
4,5 6 5 7 0 0 0 0
х11 х12 х21 х22 х1 х2 х3 х4
х2 0 15 0 0 0 –3/8 15/16 1 1/320 –1/80
х21 5 25 0 0 1 11/8 –15/16 0 –1/320 1/80
х12 6 30 0 1 0 1/4 3/8 0 1/32 –1/40
х11 4,5 50 1 0 0 –1/4 5/8 0 –1/32 1/40
Zj – C j ≥ 0 530 0 0 0 1/4 3/8 0 1/32 1/40
● Вказівка. Позначити x ij — кількість гектарів і-го поля, відведених
під вирощування j-ї культури (і = 1, 2; j = 1, 2), а х1, …, х4 — додаткові
змінні в обмеженнях математичної моделі задачі.
Керівництво господарства цікавить дослідження та аналіз таких економічних
ситуацій, а також необхідність прийняття оптимального рішення в кожному з таких
випадків:
1. Господарство має можливість додатково придбати по 1 т
фосфорних і калійних мінеральних добрив за ціною відповідно
100 та 80 ум. од. за 1 кг. Чи вигідно це? Як можуть змінитися в
такій ситуації оптимальна структура посівної площі та загальний
дохід господарства?
2. Господарство отримало додаткове замовлення на поставку
не менш як 11750 ц капусти з нового врожаю. Чи вигідна така
пропозиція? Як зміняться в цій ситуації оптимальна структура
посівної площі та дохід господарства?
3. Господарство планує на наступний рік використовувати
перше поле також для вирощування буряків. Норми внесення
116
мінеральних добрив під цю культуру такі: фосфорних — 70 кг/га,
калійних — 90 кг/га. Очікувана врожайність нової культури на
першому полі становить 500 ц/га, а закупівельна ціна за 1 ц —
120 ум. од. Визначити, як може вплинути на оптимальну
структуру посівної площі вирощування ще однієї культури.
4. Господарство отримало інформацію про підвищення закупівельної ціни за 1 ц
капусти до 25 ум. од. Керівництво господарства цікавить, чи слід у зв’язку з цим
переглянути оптимальну структуру земельної площі і як це може вплинути на дохід
господарства.
Задача 4.21.
Фірма виготовляє продукцію трьох видів А, В і С,
використовуючи для цього верстати видів 1, 2 та 3.
Для виробництва продукції А використовують усі три верстати,
для виробництва продукції В — лише 1 та 3, а для продукції С —
лише 1 та 2. Тривалість обробки одиниці продукції кожного виду
Ресурс
А В С
1 1 2 1
2 3 — 2
3 1 4 —
Час роботи верстата 1 для виробництва продукції становить 430 ум. од., верстата 2 —
460 ум. од. і верстата 3 — 450 ум. од. Ціна одиниці продукції А, В і С становить відповідно
4, 2 та 5 ум. од. Керівництво фірми має намір визначити оптимальний план виробництва
продукції, який дасть найбільший дохід.
Остання симплекс-таблиця має такий вигляд:
4 2 5 0 0 0
х1 х2 х3 х4 х5 х6
х2 2 100 –1/4 1 0 1/2 –1/4 0
х3 5 230 3/2 0 1 0 1/2 0
х6 0 50 2 0 0 –2 1 1
Zj – C j ≥ 0 1350 3 0 0 1 2 0
Розглянути та проаналізувати наведені далі ситуації.

1. Загострення конкуренції на ринку збуту призвело до
зниження цін на продукцію А та С відповідно до 3 та 2 ум. од.
117
Визначити новий оптимальний план і максимальний дохід фірми
від виробництва своєї продукції.
2. Припустимо, що при додаткових витратах 500 ум. од. можна збільшити час роботи
верстатів 1 та 2 на 200 ум. од. кожного. Чи вигідно це? Відповідь пояснити. Визначити
оптимальний план та дохід фірми в такій ситуації.
3. Перед фірмою постає потреба обмежити виробництво продук-
ції В величиною 80 ум. од. Як необхідно скоректувати
оптимальний план виробництва продукції відповідно до цієї
вимоги?
4. Керівництво фірми цікавить, чи має сенс налагоджувати виробництво нової
продукції вартістю 5 ум. од. за одиницю, якщо для її виробництва потрібні верстати 2 і 3,
час обробки на яких становить відповідно 2 та 3 ум. од. Якщо відповідь ствердна, то якими
мають бути новий оптимальний план виробництва продукції та дохід фірми?
Теорія двоїстості є потужним математичним апаратом

обґрунтування структури виробництва в передплановому періоді.
Вона дає змогу насамперед визначити статус ресурсів та
інтервали стійкості двоїстих оцінок відносно зміни запасів
дефіцитних ресурсів. В умовах ринкової економіки ціни на
ресурси можуть змінюватися в доволі широких межах. Крім
цього, постачальники не за своєю волею можуть не виконати
попередніх домовленостей. Тому аналіз ринку ресурсів у
передплановому періоді має суттєве значення. Важливою є
проблема заміни даного дефіцитного ресурсу іншим, більш
дорогим.
Використання двоїстих оцінок дає можливість визначити рентабельність кожного
виду продукції, яка виробляється підприємством. При цьому можна оцінити інтервали
можливої зміни цін одиниці кожного виду продукції, що дуже важливо в умовах ринку.
Отже, аналіз лінійної економіко-математичної моделі на
чутливість дає широкий спектр динамічної інформації про
визначений оптимальний план і змогу дослідити вплив можливих
змін на результати господарської діяльності.
Розроблена економіко-математична модель може бути
використана для машинної імітації процесу виробництва. Це дає
можливість перевірити:
1) за яких умов оптимальний план є стійким;
2) чи є вигідним додаткове залучення ресурсів;
3) як зміниться ефективність виробництва в разі загострення
конкуренції на ринку збуту (оцінити виправданість у цій ситуації
зниження цін на продукцію);
118
4) доцільність виробництва нової продукції;
5) як вплине на ефективність діяльності підприємства порушення
споживачами продукції попередніх угод — відмова від час-
Розділ 5
ТРАНСПОРТНА ЗАДАЧА
5.1. ПОСТАНОВКА ТРАНСПОРТНОЇ ЗАДАЧІ
Транспортна задача — це специфічна задача лінійного

програмування, застосовувана для визначення
найекономічнішого плану перевезення однорідної продукції
від постачальників до споживачів.
Математична модель транспортної задачі має такий вигляд:
(5.1)
; (5.2)
; (5.3)
, (5.4)
де хij — кількість продукції, що перевозиться від і-го
постачальника до j-го споживача; сij — вартість перевезення
одиниці продукції від і-го постачальника до j-го споживача; аi —
запаси продукції і-го постачальника; bj — попит на продукцію j-
го споживача.
Якщо в транспортній задачі загальна кількість продукції постачальників
дорівнює загальному попиту всіх споживачів, тобто
119
, (5.5)
то таку транспорту задачу називають збалансованою, або

закритою. Якщо ж така умова не виконується, то транспортну
задачу називають незбалансованою, або відкритою.
Планом транспортної задачі називають будь-який невід’єм-
ний розв’язок системи обмежень (5.2)—(5.4) транспортної задачі,
який позначають матрицею .
Оптимальним планом транспортної задачі називають

матрицю , яка задовольняє умови
задачі і для якої цільова функція (5.1) набуває найменшого
значення.
Теорема (умова існування розв’язку транспортної

задачі). Необхідною і достатньою умовою існування
розв’язку транспортної задачі є її збалансованість,
тобто .
5.2. МЕТОД ПОТЕНЦІАЛІВ
Транспортна задача є задачею лінійного програмування, яку

можна розв’язати симплекс-методом. Але специфічна структура
транспортної задачі дає змогу використовувати для її розв’я-
зування ефективніший метод, який повторює, по суті, кроки
симплекс-алгоритму. Таким є метод потенціалів.
Алгоритм методу потенціалів складається з таких етапів.
1. Визначення типу транспортної задачі (відкрита чи закрита).
2. Побудова першого опорного плану транспортної задачі.
3. Перевірка плану транспортної задачі на оптимальність.
4. Якщо умова оптимальності виконується, то маємо
оптимальний розв’язок транспортної задачі. Якщо ж умова
оптимальності не виконується, необхідно перейти до наступного
опорного плану.
5. Новий план знову перевіряють на оптимальність, тобто
повторюють дії п. 3, і т. д.
120
Розглянемо докладно кожний етап цього алгоритму.
1. Якщо під час перевірки збалансованості (5.5) виявилося, що
транспортна задача є відкритою, то її необхідно звести до закритого
типу. Це виконується введенням фіктивного умовного
постачальника у разі перевищення загального попиту над за-
пасами із запасом . Якщо ж
загальні запаси постачальників перевищують попит споживачів
, то до закритого типу задача зводиться введенням
фіктивного умовного споживача з потребою
.
Вартість перевезення одиниці продукції для фіктивного
постачальника або фіктивного споживача
вважається такою, що дорівнює нулю.
2. Для побудови початкового опорного плану транспортної
задачі існує кілька методів: північно-західного кута; мінімальної
вартості; подвійної переваги; апроксимації Фогеля. Побудову
опорного плану зручно подавати у вигляді таблиці, в якій
постачальники продукції є рядками, а споживачі — стовпчиками.
Побудову першого плану за методом північно-західного кута
починають із заповнення лівої верхньої клітинки таблиці (х11), в
яку записують менше з двох чисел а1 та b1. Далі переходять до
наступної клітинки в рядку або у стовпчику і заповнюють її,
і т. д. Закінчують заповнювати таблицю у правій нижній клітинці.
Ідея методу мінімальної вартості полягає в тому, що на
кожному кроці заповнюють клітинку таблиці, яка має найменшу
вартість перевезення одиниці продукції. Такі дії повторюють
доти, доки не буде розподілено всю продукцію між
постачальниками та споживачами.
Метод подвійної переваги. Перед початком заповнення
таблиці необхідно позначити клітинки, які мають найменшу
вартість у рядках і стовпчиках. Таблицю починають заповнювати
з клітинок, позначених двічі (як мінімальні і в рядку, і в
стовпчику). Далі заповнюють клітинки, позначені один раз (як
мінімальні або в рядку, або в стовпчику), а вже потім — за
методом мінімальної вартості.
121
Метод апроксимації Фогеля. За цим методом на кожному
кроці визначають різницю між двома найменшими вартостями в
кожному рядку і стовпчику транспортної таблиці. Ці різниці
записують у спеціально відведених місцях таблиці. Серед усіх
різниць вибирають найбільшу і у відповідному рядку чи
стовпчику заповнюють клітинку з найменшою вартістю. Якщо
ж однакових найбільших різниць кілька, то вибирають будь-
який відповідний рядок або стовпчик. Коли залишається
незаповненим лише один рядок або стовпчик, то обчислення
різниць припиняють, а таблицю продовжують заповнювати за
Після побудови першого опорного плану одним із
розглянутих методів у таблиці має бути заповнено (m + n – 1)
клітинок, де m — кількість постачальників; n — кількість
споживачів у задачі, у тому числі фіктивних. Такий план
називають невиродженим. Якщо кількість заповнених клітинок
перевищує (n + m – 1), то початковий план побудовано
неправильно і він є неопорним. Ознакою опорності плану
транспортної задачі є його ациклічність, тобто неможливість
побудови циклу. Циклом у транспортній задачі називають
замкнену ламану лінію, вершини якої розміщуються в
заповнених клітинках таблиці, а сторони проходять уздовж
рядків і стовпчиків таблиці.
Якщо заповнених клітинок у таблиці менш як (m + n – 1), то
опорний план називають виродженим. У такому разі необхідно
заповнити відповідну кількість порожніх клітинок, записуючи в
них «нульове перевезення», але так, щоб при цьому не
порушилася ациклічність плану.
3. Опорний план перевіряють на оптимальність за допомогою
потенціалів ui та vj відповідно постачальників та споживачів.
Теорема (умова оптимальності опорного плану
транспортної задачі). Якщо для деякого опорного
плану Х * = (xij*) існують числа ui та vj, для яких
виконується умова
ui + vj = cij, xij > 0,
ui + vj  cij, xij = 0
для всіх та , то він є оптимальним
планом транспортної задачі.
122
Потенціали опорного плану визначаються із системи рівнянь
ui + vj = cij, які записують для всіх заповнених клітинок транспорт-
ної таблиці.
4. За допомогою розрахованих потенціалів перевіряють умову
оптимальності ui + vj  cij для порожніх клітинок таблиці. Якщо
хоча б для однієї клітинки ця умова не виконується, тобто ui + vj >
cij, то поточний план є неоптимальним і від нього необхідно
перейти до нового опорного плану.
Перехід від одного опорного плану до іншого виконують
заповненням клітинки, для якої порушено умову оптимальності.
Якщо таких клітинок кілька, то для заповнення вибирають таку,
що має найбільше порушення, тобто . Для
вибраної порожньої клітинки будують цикл перерахування та
виконують перерозподіл продукції в межах цього циклу за
такими правилами:
1) кожній вершині циклу приписують певний знак, причому
вільній клітинці — знак «+», а всім іншим по черзі — знаки «–»
та «+»;
2) у порожню клітинку переносять менше з чисел xij, що
стоять у клітинках зі знаком «–». Одночасно це число додають до
відповідних чисел, які розміщуються в клітинках зі знаком «+».
Отже, клітинка, що була вільною, стає заповненою, а відповід-
на клітинка з мінімальним числом xij вважається порожньою. У
результаті такого перерозподілу продукції дістанемо новий опор-
ний план транспортної задачі.
5. Новий опорний план перевіряють на оптимальність згідно з
п. 3 розглянутого алгоритму.
Розглянемо застосування методу потенціалів для розв’язуван-
ня транспортних задач, наведених далі.
Задача 5.1. Компанія контролює три фабрики А1, А2, А3, здатні
виготовляти 150, 60 та 80 тис. од. продукції
щотижня. Компанія уклала договір із чотирма замовниками В1,
В2, В3, В4, яким потрібно щотижня відповідно 110, 40, 60 та 80
тис. од. продукції. Вартість виробництва та транспортування
1000 од. продукції замовникам з кожної фабрики наведено в
таблиці.
123
Вартість виробництва і транспортування
1000 од. продукції за замовниками
Фабрика
В1 В2 В3 В4
А1 4 4 2 5
А2 5 3 1 2
А3 2 1 4 2
Визначити для кожної фабрики оптимальний план

перевезення продукції до замовників, що мінімізує загальну
вартість виробництва і транспортних послуг.
Побудова математичної моделі. Нехай xij — кількість
продукції, що перевозиться з і-ї фабрики до j-го замовника
. Оскільки транспортна задача за умовою є
збалансованою, закритою , то математична
модель задачі матиме вигляд
Економічний зміст записаних обмежень полягає ось у чому:

уся вироблена на фабриках продукція має вивозитися до
замовників повністю.
Аналогічні обмеження можна записати відносно замовників:
продукція, що надходить до споживача, має повністю
задовольняти його попит. Математично це записується так:
Загальні витрати, пов’язані з виробництвом і

транспортуванням продукції, складаються як добуток обсягу
перевезеної продукції та питомої вартості перевезень за
відповідним маршрутом і за умовою задачі мають бути
мінімальними. Тому
Z = 4  x11 + 4  x12 + 2  x13 + 5  x14 + 5  x21 + 3  x22 + x23 +
+ 2  x24 + 2  x31 + x32 +4  x33 +2  x34  min.
124
У цілому математичну модель поставленої задачі можна
записати так:
Z = 4x11 + 4x12 + 2x13 + 5x14 + 5x21 + 3x22 + x23 + 2x24 +
+ 2x31 + x32 +4x33 +2x34  min
Розв’язування. Розв’язування задачі подамо в таблицях, які

назвемо транспортними. Перший опорний план задачі побудуємо
Bj
Aj ui
B1 = 110 B2 = 40 B3 = 60 B4 = 80
A1 = 150 4 4 2 5
u1 = 5
110 2 + 40–
A2 = 60 5 3 1 2
u2 = 2
–60 0+
2 1 4 2
A3 = 80 u3 = 2
40 40
vj v1 = –1 v2 = –1 v3 = –1 v4 = 0
Тому Z = 4  110 + 5  40 + 1  60 + 1  40 + 2  40 = 820 ум. од.

Перший опорний план транспортної задачі вироджений,
оскільки кількість заповнених клітинок у таблиці дорівнює п’яти,
а (m + n – 1) = 3 + 4 – 1 = 6. Для подальшого розв’язування задачі
необхідно в одну з порожніх клітинок записати «нульове
перевезення» так, щоб не порушити опорності плану, тобто
125
можна зайняти будь-яку вільну клітинку, яка не утворює
замкненого циклу. Наприклад, заповнимо клітинку А2В4. Тепер
перший план транспортної задачі є невиродженим, і його можна
перевірити на оптимальність за допомогою методу потенціалів.
На основі першої умови оптимальності ui + vj = cij складемо
систему рівнянь для визначення потенціалів плану:
Записана система рівнянь є невизначеною, і один з її

розв’язків дістанемо, якщо, наприклад, v4 = 0. Тоді всі інші
потенціали однозначно визначаються: u1 = 5, u2 = 2, u3 = 2, v1 = –1,
v2 = –1, v3 = –1.
Далі згідно з алгоритмом методу потенціалів перевіряємо
виконання другої умови оптимальності ui + vj ≤ cij (для порожніх
клітинок таблиці):
А1B2: u1 + v2 = 5 + (–1) = 4 = 4;
А1B3: u1 + v3 = 5 + (–1) = 4 > 2;
А2B1: u2 + v1 = 2 + (–1) = 1 < 5;
А2B2: u2 + v2 = 2 + (–1) = 1 < 3;
А3B1: u3 + v1 = 2 + (–1) = 1 < 2;
А3B3: u3 + v3 = 2 + (–1) = 1 < 4.
Умова оптимальності не виконується для клітинки А1B3.
Порушення 13 = (u1 + v3) – c13 = 4 – 2 = 2 записуємо в лівому
нижньому кутку відповідної клітинки.
Перший опорний план транспортної задачі є неоптимальним. Тому від нього
необхідно перейти до другого плану, змінивши співвідношення заповнених і
порожніх клітинок таблиці.
Потрібно заповнити клітинку А1B3, в якій є єдине порушення
умови оптимальності. Ставимо в ній знак «+». Для визначення
126
клітинки, що звільняється, будуємо цикл, починаючи з клітинки
А1B3, та позначаємо вершини циклу почергово знаками «–» і «+».
Тепер необхідно перемістити продукцію в межах побудованого
циклу. Для цього у вільну клітинку А1B3 переносимо менше з
чисел хij, які розміщуються в клітинках зі знаком «–». Одночасно
це саме число хij додаємо до відповідних чисел, що розміщуються
в клітинках зі знаком «+», та віднімаємо від чисел, що
розміщуються в клітинках, позначених знаком «–».
У даному випадку , тобто .
Виконавши перерозподіл продукції згідно із записаними
правилами, дістанемо такі нові значення: клітинка А1B3 — 40 од.
продукції, А2B3 – (60 – 40) = 20 од., А2B4 – (0 + 40) = 40 од.
Клітинка А1B4, звільняється і в новій таблиці буде порожньою.
Усі інші заповнені клітинки першої таблиці, які не входили до
циклу, переписують у другу таблицю без змін. Кількість
заповнених клітинок у новій таблиці також має відповідати умові
невиродженості, тобто дорівнювати (n + m – 1).
Отже, другий опорний план транспортної задачі матиме такий вигляд:
Bj
Aj ui
B1 = 110 B2 = 40 B3 = 60 B4 = 80
A1 = 150 4 4 2 5
u1 = 0
–110 40+
5 3 1 2
A2 = 60 u2 = –1
–20 40+
2 1 4 2
A3 = 80 u3 = –1
1 + 40 40–
vj v1 = 4 v2 = –2 v3 = 2 v4 = 3
Тому Z2 = 4  110 + 2  40 + 1  20 + 2  40 + 1  40 + 2  40 =

740 ум. од.
Новий план знову перевіряємо на оптимальність, тобто
повторюємо описані раніше дії. Другий план транспортної задачі
також неоптимальний (порушення для клітинки А3B1). За
допомогою побудованого циклу виконаємо перехід до третього опорного
плану транспортної задачі і дістанемо таку таблицю:
Bj
Aj ui
B1 = 110 B2 = 40 B3 = 60 B4 = 80
127
4 4 2 5
A1 = 150 u1 = 2
90 60
5 3 1 2
A2 = 60 u2 = 0
60
2 1 4 2
A3 = 80 u3 = 0
20 40 20
vj v1 = 2 v2 = 1 v3 = 0 v4 = 2
Тому Z3 = 4  90 + 2  60 + 2  60 + 2  20 + 1  40 + 2  20 =

720 ум. од.
Перевірка останнього плану на оптимальність за допомогою методу потенціалів
показує, що він оптимальний. Тому
За оптимальним планом перевезень перший замовник отримує 90 тис. од. продукції з

першої фабрики та 20 тис. од. — з третьої. Другий споживач задовольняє свій попит за
рахунок виробництва та перевезення 40 тис. од. продукції з третьої фабрики і т. д. При
цьому загальна вартість виробництва та перевезення всієї продукції є найменшою і
становить 720 ум. од.
Районне агропромислове об’єднання складається з

Задача 5.2.
трьох господарств А1, А2, А3, що спеціалізуються на
вирощуванні ранніх овочів. Кожне господарство щотижня збирає
відповідно 50, 30 та 20 т овочів, які необхідно відправляти в
чотири магазини B1, B2, B3, B4. Магазини бажають отримувати
ранні овочі в кількості відповідно 30, 30, 10 та 20 т. Вартість
перевезення 1 т овочів від господарства до магазинів наведено в
таблиці.
Вартість перевезення 1 т овочів у магазини
Господарство
В1 В2 В3 В4
А1 2 3 4 2
А2 5 7 1 4
А3 9 4 3 2
Визначити такий план перевезення овочів до магазинів, за якого загальні витрати

агропромислового об’єднання будуть найменшими.
128
Побудова математичної моделі. Нехай хij — кількість тон
овочів, які перевозять з і-го господарства j-го магазину ( ;
). Тоді економіко-математична модель поставленої
задачі має такий вигляд:
Z = 2x11 + 3x12 + 4x13 + 2x14 + 5x21 + 7x22 + x23 +
+ 4x24 + 9x31 + 4x32 +3x33 +2x34  min,
Знак «≤» у перших трьох обмеженнях задачі пояснюється тим, що за умовою

транспортна задача є відкритою:
У такій ситуації, коли попит менший за пропозицію,

частина овочів залишиться в господарствах і фактично буде
вивезено менше, ніж зібрано.
Розв’язування. Щоб визначити оптимальний план поставленої

задачі, її необхідно збалансувати, тобто звести до закритого типу.
Це виконується шляхом уведення додаткового, умовного
споживача B5 із попитом B5 = 100 – 90 = 10 т. Вартість
перевезення одиниці продукції до умовного споживача дорівнює
нулю.
Перший опорний план транспортної задачі побудуємо методом подвійної переваги.
Bj
Aj ui
B1 = 30 B2 = 30 B3 = 10 B4 = 20 B5 = 10
129
2 3 4 2 0
A1 = 50 u1 = –4
30 20
A2 = 30 5 7 1 4 0
u2 = 0
1 –10 10 0+ 10
9 4 3 2 0
A3 = 20 u3 = –2
1 + 20–
vj v1 = 6 v2 = 7 v3 = 1 v4 = 0 v5 = 0
Перший опорний план є виродженим, і тому в клітинку,

наприклад A2B4, поставимо нуль і вважатимемо її заповненою.
Перевірка плану за допомогою потенціалів показує, що він є
неоптимальним. Перехід до другого опорного плану виконується
шляхом заповнення клітинки A3B2 згідно із побудованим циклом.
Зазначену клітинку включено до циклу тому, що в разі кількох
однакових найбільших порушень (21 = 32 = 1) заповнюють таку
клітинку таблиці, яка має меншу вартість перевезення одиниці
продукції (с32 < c21).
Другий план транспортної задачі наведемо у вигляді таблиці:
Bj
Aj ui
B1 = 30 B2 = 30 B3 = 10 B4 = 20 B5 = 10
2 3 4 2 0
A1 = 50 u1 = –3
30 20
5 7 1 4 0
A2 = 30 u2 = 0
10 10 10
9 4 3 2 0
A3 = 20 u3 = –2
10 10
vj v1 = 5 v2 = 6 v3 = 1 v4 = 4 v5 = 0
Умова оптимальності для цього опорного плану виконується, і тому можна записати:
Zmin = 2  30 + 3  20 + 1  10 + 4  10 + 4  10 + 2  10 = 320 ум. од.
130
Згідно з оптимальним планом потреба магазинів у ранніх
овочах задовольняється завдяки повному вивезенню продукції з
першого та третього господарств і лише частково — з другого
(залишок дорівнює 10 т). У цьому разі загальна вартість усіх
перевезень буде найменшою і становитиме 230 ум. од.
Але виявляється, що розглянута транспортна задача має ще
один альтернативний оптимальний план. Ознакою цього є
виконання умови оптимальності для порожньої клітинки:
ui + vj = cij. В останній таблиці це справджується для порожньої
клітинки A2B1: u1 + v1 = 0 + 5 = с21 = 5.
Щоб отримати альтернативний оптимальний план,
достатньо заповнити зазначену клітинку таблиці,
виконавши перерозподіл продукції за таким циклом:
Наведемо транспортну таблицю, що відповідає другому

оптимальному плану задачі.
Bj
Aj ui
B1 = 30 B2 = 30 B3 = 10 B4 = 20 B5 = 10
2 3 4 2 0
А1 = 50 u1 = –3
20 30
5 7 1 4 0
A2 = 30 u2 = 0
10 10 0 10
9 4 3 2 0
A3 = 20 u3 = –2
20
vj v1 = 5 v2 = 6 v3 = 1 v4 = 4 v5 = 0
Тому
131
;
Zmin = 2  20 + 3  30 + 5  10 + 1  10 + 2  20 = 230 ум. од.

Другий оптимальний план задачі формулюється так.
Перевезти з першого господарства 20 т овочів до першого
магазину та 30 т — до другого; з другого господарства — 10 т до
першого магазину та 10 т овочів до третього, залишаючи
невивезеними 10 т, а також з третього господарства до
четвертого магазину — 20 т овочів. У цьому разі загальні
транспортні витрати становитимуть 230 ум. од. і також будуть
найменшими.
Задача 5.3.
Три нафтопереробних заводи А1, А2, А3, із
максимальною щоденною продуктивністю
відповідно 30, 20, 15 тис. т бензину забезпечують чотири
бензосховища B1, B2, B3, B4, потреба яких становить відповідно
10, 20, 25 та 20 тис. т. бензину. Бензин транспортується до
бензосховищ за допомогою трубопроводів. Вартість
перекачування 1000 т бензину від заводів до сховищ (в
умовних одиницях) наведено в таблиці .
Завод Вартість, ум. од., перекачування 1000 т бензину до сховищ
В1 В2 В3 В4
А1 4 5 3 7
А2 7 6 2 5
А3 2 3 9 8
Cформулювати та розв’язати відповідну транспорту задачу з

неодмінним виконанням таких умов:
1) повністю задовольнити попит бензосховища B4;
2) недопостачання бензину до сховища B2 штрафується 5 ум. од.
вартості за кожні 1000 т бензину;
3) у зв’язку з виконанням ремонтних робіт на трубопроводі
постачання бензину із заводу А1 до сховища B1 тимчасово
неможливе.
132
Розв’язування. Визначимо, до якого типу належить
транспортна задача:
, .
За умовою транспортна задача є відкритою, незбалансованою.

Зведення її до закритого типу потребує введення додаткового
фіктивного постачальника А4 з продуктивністю а4 = 75 – 65 = 10
(тисяч тон). Кількість бензину, що «відправляється» фіктивним
заводом до бензосховищ, в оптимальному плані означатиме обсяг
незадоволеного попиту в цьому пункті призначення. Тому для
виконання першої додаткової вимоги задачі необхідно блокувати
клітинку фіктивного постачальника А4 та споживача B4,
записавши в ній досить високу вартість М. Тоді в оптимальному
плані транспортної задачі ця клітинка обов’язково буде
незаповненою.
Виконання другої умови задачі забезпечується тим, що в
рядку фіктивного постачальника у стовпчику B2 вартість
транспортування 1000 т бензину дорівнюватиме 5 ум. од. замість
нуля.
Оскільки неможливо транспортувати бензин від заводу А1 до
сховища B1, необхідно також блокувати маршрут А1B1. Для цього
в зазначеній клітинці замість с11 = 4 записуємо величину М.
З огляду на викладене таблиця для першого плану
транспортної задачі має такий вигляд (початковий опорний план
побудовано методом апроксимації Фогеля).
Різниці
Bj для
Aj ui рядків
B1 = 10 B2 = 20 B3 = 25 B4 = 20
A1 = 30 М 5 3 7
u1 = 0 2 2 2
–15 5 10+
7 6 2 5
A2 = 20 u2 = –1 3 3 3
20 1
1 3 9 8
A3 = 15 u3 = –2 2 5
–10 5+
+ 133
0 5 0 М
A4 = 10 u4 = М –7
М – 4 М – 7 М – 4 10–
vj v1 = 3 v2 = 5 v3 = 3 v4 = 7
Різниці для 6 2 1 2
2 1 2
стовпчикі 1 1 2
в
Отже, перший опорний план задачі неоптимальний.

Найбільше порушення умови оптимальності відповідає порожнім
клітинкам А4B1 та А3B3 таблиці. Оскільки обидві вони мають
однаковий коефіцієнт с41 = с43 = 0, то для заповнення можна
вибрати будь-яку з них, наприклад А4B1. Перехід до другого
плану виконується за таким циклом:
При цьому заблокована клітинка А4B4 звільняється.

Подальше розв’язування задачі подано у вигляді таблиць.
Bj
Aj ui
B1 = 10 B2 = 20 B3 = 25 B4 = 20
A1 = 30 М 5 3 7
u1 = 0
5 +5 20–
A2 = 20 7 6 2 + 5 u2 = –1
–20 1
1 3 9 8
A3 = 15 u3 = –2
0 15
0 5 0 М
A4 = 10 u4 = –3
10
134
vj v1 = 3 v2 = 5 v3 = 3 v4 = 7
Bj
Aj ui
B1 = 10 B2 = 20 B3 = 25 B4 = 20
М 5 3 7
A1 = 30 u1 = 0
5 25 М
7 6 2 5
A2 = 20 u2 = –1
0 20
1 3 9 8
A3 = 15 u3 = –2
0 15
0 5 0 М
A4 = 10 u4 = –3
10
vj v1 = 3 v2 = 5 v3 = 3 v4 = 6
В останній таблиці маємо оптимальний план транспортної задачі.

Тому
Zmin = 5  5 + 5  25 + 5  20 + 3  15 = 245 ум. од.

Через незбалансованість поставленої транспортної задачі
спостерігатиметься недопостачання бензину до першого
бензосховища в кількості 10000 т. Загальні витрати на
транспортування в цьому разі будуть найменшими і
становитимуть 245 ум. од.
Альтернативний оптимальний план дістанемо, заповнивши
клітинку А4В3 (для неї u4 + v3 = c43) згідно з таким циклом:
135
Тоді можна записати:
Zmin = 5  15 + 3  15 + 5  20 + 1  10 + 3  15 = 245 ум. од.

Мінімальні загальні витрати на транспортування в розмірі 245 ум. од. відповідають
також ще одному оптимальному плану задачі, згідно з яким третє бензосховище отримає
на 10000 т бензину менше, ніж потребує.
Існування двох альтернативних оптимальних планів розглянутої транспортної задачі

розширює можливості стосовно остаточного прийняття рішення.
Задача 5.4. Виробниче об’єднання складається з трьох філіалів

А1, А2, А3, які виготовляють однорідну продукцію в
кількості відповідно 1000, 1500 та 1200 од. на місяць. Ця продукція
відправляється на два склади D1, D2 місткістю відповідно 2500 та
1200 од., а потім — до п’яти споживачів B1, B2, …, B5, попит яких
становить відповідно 900, 700, 1000, 500 і 600 од. Вартість
перевезення одиниці продукції (в умовних одиницях) від виробника
на склад, а потім зі складів — до споживачів наведено в таблицях.
Вартість, ум. од., перевезення від виробника на склад

A
D1 D2
А1 2 8
А2 3 5
А3 1 4
Завод Вартість, ум. од., перевезення із складів до споживачів
В1 В2 В3 В4 В5
D1 1 3 8 5 4
D2 2 4 5 3 1
Крім того, за індивідуальними контрактами можливі також

безпосередні поставки продукції з першого філіалу до другого
споживача, а також з третього філіалу — до четвертого споживача.
Вартість транспортування одиниці продукції за транзитним
136
маршрутом А1B2 дорівнює 3 ум. од., а за маршрутом А3B4 —
4 ум. од. Перевезення продукції зі складу на склад неприпустиме.
Сформулювати поставлену задачу як транспортну з проміжними пунктами
(двоетапну) та визначити її оптимальний план.
Розв’язування. У поставленій задачі кожний склад можна

подати як вихідний пункт відправлення продукції і як пункт
призначення. Тому вони відіграють роль і постачальника
продукції, і її споживача.
Перевезення продукції безпосередньо від філіалів до
споживачів (крім випадків, визначених в умові задачі), а також зі
складу на склад блокується за допомогою досить великої вартості
М.
Побудовану з урахуванням цього транспортну таблицю
двоетапної задачі наведено далі.
D, B
A, D В3 = ui
D1 = 2500 D2 = 1200 В1 = 900 В2 = 700 = 1000 В4 = 500 В5 = 600
A1 = 1000 – 2 8 M 3 M M M
u1 = 0
1000 0+
A2 = 1500 3 5 M M M M M
u2 = 1
300 1200
A3 = 1200 1 4 M M M 4 M
u3 = –1
1200 1
0 M 1 3 8 5 4
D1 = 2500 u4 = 0
2 + 900 700– 900 1
M 0 2 4 5 3 1
D2 = 1200 u5 = –3
1 100 500 600
vj v1 = 2 v2 = 4 v3 = 1 v4 = 3 v5 = 8 v6 = 6 v7 = 4
Тому Z1 = 2  1000 + 3  300 + 5  1200 + 1  1200 + 1  900 +
+ 3  700 + 8  900 + 5  100 + 3  500 + 1  600 = 22 900 ум. од.
Зауважимо, що в клітинках D1D1 і D2D2 розміщується нульова
вартість перевезення продукції. Це допускає можливість
неповного використання складських приміщень у зв’язку з
можливим транзитним транспортуванням продукції.
Поставлена транспортна задача є збалансованою, тобто
137
од.;
од.,
і тому немає потреби вводити фіктивного постачальника або

споживача.
Перший опорний план транспортної задачі побудовано
Перший опорний план задачі неоптимальний. Перехід від
нього до другого плану виконуємо, заповнюючи порожню
клітинку D1D1 згідно з побудованим циклом.
D, B
A, D ui
D1 = D2 =
= 2500 = 1200 В1 = 900 В2 = 700 В3 = 1000 В4 = 500 В5 = 600
2 8 M 3 M M M
A1 = 1000 u1 = 2
300 700
3 5 M M M M M
A2 = 1500 u2 = 3
300 1200
A3 = 1200 1 4 M M M 4 M
–1200 u3 = 1
3
D1 = 2500 0 M 1 3 8 5 4
u4 = 0
+700 900 900– 1
D2 = 1200 M 0 2 4 5 3 1 u5 =
+100 500– 600 = –3
vj v1 = 0 v2 = 2 v3 = 1 v4 = 1 v5 = 8 v6 = 6 v7 = 4
Тому Z1 = 2  300 + 3  700 + 3  300 + 5  1200 + 1  1200 +
+ 1  900 + 8  900 + 5  100 + 3  500 + 1  600 = 21 500 ум. од.
Таблиця, що відповідає третьому опорному плану задачі, має такий вигляд:
A, D D, B ui
138
D1 = D2 = В3 =
В1 = 900 В2 = 700 В4 = 500 В5 = 600
= 2500 = 1200 = 1000
2 8 M 3 M M M
A1 = 1000 u1 = 0
300 700
3 5 M M M M M
A2 = 1500 u2 = 2
300 1200
1 4 M M M 4 M
A3 = 1200 u3 = 3
700 500
0 M 1 3 8 5 4
D1 = u4 = 0
= 2500 1200 90 40
0 0
M 0 2 4 5 3 1
D2 =
= 1200 60 600 u5 = –3
0
vj v1 = 0 v2 = 2 v3 = 1 v4 = 1 v5 = 8 v6 = 3 v7 = 4
В останній таблиці маємо оптимальний план транспортної

задачі:
Zmin = 2  300 + 3  700 + 3  300 + 5  1200 + 1  700 + 4  500 +
+ 1  900 + 8  400 + 5  600 + 1  600 = 20 000 ум. од.
Для більшої наочності оптимальний план перевезення продук-
ції двоетапної транспортної задачі подамо у вигляді схеми.
Зі схеми бачимо, що на перший склад надходить лише

300 + 300 + 700 = 1300 од. продукції, тобто його місткість
використовується не повністю (D1D1 = 1200 од.). Це виникає
139
внаслідок прямих поставок продукції за маршрутом А1В2 у
кількості 700 од. і А3В4 — у кількості 500 од.
Розглянута транспортна задача має ще один альтернативний оптимальний план, який
відрізняється від першого лише в частині, що стосується перевезення продукції зі складів
до третього та п’ятого споживачів.
Поряд із розглянутою у транспортних задачах із проміжними
пунктами можуть зустрічатися також такі ситуації:
1. Незбалансованість транспортної задачі ( ).

У цьому разі необхідно ввести або фіктивного постачальника,
або фіктивного споживача, звівши задачу до закритого типу.
2. Місткість проміжних пунктів не відповідає загальному
обсягу продукції постачальників: а) коли (у
цьому разі потрібно або ввести фіктивний проміжний пункт, і

кількість продукції, що «перевозитиметься» до нього, має
означати невивезену частину продукції відповідного
постачальника, або дозволити транзитні перевозки за обсягом
не менш як (од.)); б) коли (у цьому
разі немає потреби вводити фіктивного постачальника і

заздалегідь зрозуміло, що місткість проміжних пунктів
повністю не використовуватиметься).
3. Місткість проміжних пунктів не відповідає загальній
потребі споживачів: а) (у цьому разі потрібно або
ввести фіктивний проміжний пункт, і кількість продукції, що
«перевозитиметься» від нього до споживача В, має означати
незадоволений попит відповідного споживача, або дозволити
пряме перевезення продукції від постачальників до споживачів
за обсягом не менш як (од.)); б)
(аналогічно п. 2б).
140
Розв’язати наведені далі транспортні задачі (5.5—5.15)
Задача 5.5.
ai = (8; 10; 5);

bj = (5; 5; 10); .
Задача 5.6.
ai = (8; 7; 6);
bj = (7; 10; 6); .
Задача 5.7.
ai = (15; 10; 5; 20);

bj = (10; 20; 15);
.
Задача 5.8.
ai = (10; 20; 40);

bj = (30; 10; 60); .
Задача 5.9.
ai = (30; 35; 60);

bj = (25; 25; 40; 30); .
Задача 5.10.
141
ai = (160; 80; 60);
bj = (60; 20; 40; 20; 100); .
Задача 5.11.
ai = (5; 20; 10);

bj = (10; 25; 15); .
Задача 5.12.
ai = (30; 40; 20);

bj = (40; 30; 20; 40); .
Задача 5.13.
ai = (30; 40; 50);

bj = (35; 30; 60); .
Задача 5.14.
ai = (10; 20; 80; 50);

bj = (30; 10; 60; 50);
.
142
Задача 5.15.
ai = (40; 20; 50; 20);

bj = (20; 45; 35; 40);
.
Передбачено штрафи за недопостачання одиниці

Задача 5.16.
продукції до споживачів В1, В2, В3 у розмірі
відповідно 5, 3 та 2 ум. од. Визначити оптимальний план такої
транспортної задачі:
ai = (10; 80; 15);
bj = (75; 20; 50); .
Розв’язати задачу 5.2 за умови, що вартість

Задача 5.17.
збереження та переробки невивезеної продукції в
господарствах А1, А2 і А3 дорівнює відповідно 2, 4 та 1 ум. од.
Задача 5.18.
Розв’язати транспортну задачу:
ai = (80; 40; 60; 40);

bj = (70; 60; 80);
,
якщо вартість зберігання одиниці невивезеної продукції у

постачальників А1, А2, А3, А4 дорівнює відповідно 5, 4, 2 та
3 ум. од.
Задача 5.19.
ai = (75; 40; 35; 40);

bj = (20; 60; 140);
,
якщо штрафи за недопостачання продукції споживачам В1, В2, В3

становлять відповідно 6, 4 та 8 ум. од.
143
Задача 5.20. Розв’язати транспортну задачу за умови, що
вартість зберігання невивезеної продукції в
постачальників А1, А2, А3 дорівнює відповідно 8, 7 та 5 ум. од. за
одиницю продукції:
ai = (60; 90; 50);
bj = (30; 80; 20; 40); .
Задача 5.21. У задачі 5.18 незадоволений попит споживачів В1,

В2, В3, В4 обкладається штрафом у розмірі
відповідно 6, 7, 3 та 2 ум. од. за кожну одиницю продукції.
Визначити новий оптимальний план транспортної задачі.
Задача 5.22.
У транспортній задачі загальний обсяг
виробництва продукції перевищує загальний
попит. Припустимо, що вартість зберігання одиниці продукції,
яка не вивозиться від постачальників А1, А2, А3, А4, дорівнює
відповідно 7, 3, 4 та 8 ум. од. Визначити оптимальний план
задачі:
ai = (30; 80; 20; 40);
bj = (60; 80; 20);
.
Задача 5.23. У незбалансованій транспортній задачі загальний попит перевищує загальний

обсяг виробництва на 10 ум. од. продукції. За недопостачання продукції
споживачам умовою задачі передбачаються штрафи в розмірі 6 та 4 ум. од. за кожну одиницю продукції
відповідно для першого та другого постачальників. Визначити оптимальний план такої транспортної задачі:
ai = (10; 10; 30; 20);
bj = (20; 30; 20; 10);
.
Розглянути задачу 5.16. Припустимо, що в ній не введено штрафів за

Задача 5.24.
недопостачання продукції, але висунуто таку вимогу: попит третього споживача
має задовольнятися повністю. Сформулювати нову транспортну задачу та визначити її оптимальний план.
У незбалансованій транспортній задачі призначено плату за зберігання кожної
Задача 5.25. одиниці невивезеної продукції від постачальників у розмірі відповідно 5, 4 та
3 ум. од.. Визначити оптимальний план задачі, якщо висунуто таку додаткову
умову: уся продукція від другого постачальника має бути вивезена повністю для того, щоб звільнилося
місце для нової продукції.
144
ai = (20; 40; 30);
bj = (30; 20; 20); .
Задача 5.26. Розв’язати транспортну задачу:
ai = (20; 25; 20; 10);

bj = (20; 30; 40; 15);
.
Додаткова умова: попит третього споживача задовольнити пов-

ністю.
ai = (20; 16; 14; 22);

bj = (16; 18; 12; 15);
.
Додаткова умова: ресурси четвертого постачальника

використати повністю.
ai = (10; 8; 15; 12);

bj = (15; 10; 5; 20);
.
Додаткова умова: попит першого та четвертого споживачів

задовольнити повністю.
ai = (75; 80; 70);

bj = (30; 70; 70; 35); .
Додаткова умова: ресурси першого та третього постачальників використати повністю.
145
У транспортній задачі визначити оптимальний план за умови повного задоволення потреб першого та
другого споживачів:
Задача 5.30.
ai = (100; 150; 180; 70);

bj = (100; 200; 230; 80);
.

Задача 5.31.
ai = (40; 30; 20; 40);

bj = (20; 40; 30);
.
Додаткова умова: ресурси першого та другого постачальників в оптимальному плані

використати повністю.
Визначити оптимальний план транспортної задачі:

Задача 5.32.
ai = (75; 40; 35; 40);

bj = (20; 60; 180);
,
в якій потрібно повністю задовольнити попит третього

споживача та неможливо виконувати перевезення за
маршрутами А1В2 та А3В1.
Знайти оптимальний план транспортної задачі:
Задача 5.33.
ai = (80; 40; 60; 40);

bj = (45; 65; 20; 80);
.
146
Додаткові умови: повністю використати ресурси четвертого
постачальника та не виконувати перевезення за маршрутами А2В3
та А3В4.
Задача 5.34.
ai = (5; 20; 10; 15);

bj = (10; 25; 15; 5);
.
Додаткова умова: попит другого споживача задовольнити

повністю та за маршрутом А 2В 3 перевезти рівно 10 од.
продукції.
Визначити оптимальний план транспортної задачі:
Задача 5.35.
ai = (10; 20; 20; 30);

bj = (20; 15; 25; 10);
,
якщо ресурси четвертого постачальника потрібно використати

повністю і за маршрутом А4В3 перевезти 20 од. продукції.
Задача 5.36.
Розглянути транспортну задачу, в якій необхідно
перевезти деяку продукцію від постачальників А1,
А2, А3 до споживачів В1, В2, В3, В4 через проміжні пункти D1, D2,
D3. Запаси продукції у постачальників, попит споживачів та
місткість складів відповідно ai = (200; 220; 380), bj = (150; 50; 350;
250), di(j) = (350; 200; 400).
Вартість перевезення одиниці продукції від постачальників на склади та зі складів до
споживачів наведено в таблицях.
D
А
D1 D2 D3
A1 5 2 5
A2 3 1 3
A3 4 7 5
147
B
D
B1 B2 B3 B4
D1 3 2 5 2
D2 7 1 3 1
D3 8 5 6 5
Перевезення продукції зі складу на склад неприпустиме.

Визначити оптимальний план поставленої транспортної задачі, який забезпечує
найменші загальні витрати на перевезення необхідної продукції від постачальників до
споживачів.
Задача 5.37.
Розв’язати двохетапну транспортну задачу ai =
= (400; 200; 300), bj = (300; 200; 350; 50), di(j) =
(250; 250; 500).
D
А
D1 D2 D3
A1 2 1 3
A2 5 6 3
A3 3 4 5
B
D
B1 B2 B3 B4
D1 4 1 5 7
D2 1 2 3 6
D3 3 8 5 2
Неприпустиме перевезення продукції зі складу на склад.
Задача 5.38.
Розглянути транспортну задачу з проміжними
пунктами, в якій кількість складів менша за
ресурси постачальників. У такій ситуації дозволене транзитне
перевезення продукції безпосередньо від постачальників А1 та А2
до першого споживача. Вартість перевезення одиниці продукції
за транзитними маршрутами А1В1 та А2В1 становить відповідно 6
та 5 ум. од.; ai = (200; 300), bj = (250; 100; 150), di(j) = (100; 150;
150).
148
D
А
D1 D2 D3
A1 7 8 9
A2 5 4 3
B
D
B1 B2 B3
D1 7 2 3
D2 1 5 2
D3 8 9 4
Визначити оптимальний план поставленої задачі.
Розглянути двохетапну транспортну задачу, в якій

Задача 5.39.
дозволене пряме перевезення продукції від
першого постачальника до споживачів В1, В2, В3, В4. Вартість
перевезення одиниці продукції за транзитними маршрутами
дорівнює відповідно 3, 4, 5, 3 ум. од.; ai = (300; 200; 100), bj = (150;
50; 200; 200), di(j) = (250; 250).
D
А
D1 D2
A1 2 1
A2 1 3
A3 6 2
B
D
B1 B2 B3 B4
D1 5 3 1 2
D2 8 3 2 4
Задача 5.40. Розв’язати задачу 5.38, якщо попит другого та

третього споживачів змінився і становить
відповідно 150 та 200 ум. од.
149
Транспортна задача належить до розподільчих задач лінійного

програмування, тому модель транспортної задачі можна
використати для розв’язування задач, які не мають нічого
спільного з транспортуванням вантажів. Наприклад, задачі
розподілення робіт між робітниками, розміщення
сільськогосподарських культур за ділянками землі різної якості,
оптимальне закріплення за верстатами операцій з обробки
деталей тощо.
Практичне застосування економіко-математичної моделі транс-
портної задачі наштовхується на відповідні труднощі.
Насамперед, як правило, необхідно перевозити неоднорідні
продукти. Тоді транспортна задача ускладнюється. Економіко-
математичну модель для багатопродуктової транспортної задачі
запишемо так:
за умов
,
де k — вид продукції, яку треба перевезти.
Часто господарські зв’язки між постачальниками і
споживачами вимагають відповідних обмежень:
,
де М1, М2 — відповідні множини індексів i, j, за якими
вводяться обмеження на обсяги перевезень і-ї продукції до j-го
споживача. Обмеженнями гарантується, що відповідний
j-й споживач отримує і-ї продукції не менше від заданого обсягу.
Обмеженнями виду описують транспортні
можливості.
150
У класичній транспортній задачі, як правило, критерієм опти-
мальності є мінімізація транспортних витрат, тобто розв’язується
задача на мінімум. Проте на практиці можливі випадки, коли необхідно знайти максимум
цільової функції. Наприклад, необхідно розподілити робітників (верстати) між окремими
видами робіт, щоб отримати максимальну сумарну продуктивність праці. Подібна ситуація
зустрічається під час оптимізації розміщення сільськогосподарських культур за ділянками
землі різної якості. У цьому разі критерієм оптимальності є максимізація вартості
вирощеної продукції.
У класичній транспортній задачі припускається, що витрати
на транспортування лінійно залежать від обсягів перевезень. Але
практично ця умова порушується, тобто такі зв’язки є
нелінійними, стохастичними тощо. Особливої уваги заслуговує
така транспортна задача, в якій необхідно мінімізувати час
виконання заданих обсягів робіт. Наприклад, перевезення
сировини та продукції, яка швидко псується. Цей критерій часто
використовується під час оптимізації військових операцій,
виконання сільськогосподарських робіт (збір урожаю) тощо.
Транспортна задача значно ускладнюється у виробничо-
транспортних економічних системах, які виробляють продукцію і
сировину в широкому асортименті, а для перевезення їх
використовуються різні види транспорту.
Для поглибленого вивчення транспортної задачі можна
скористатися літературними джерелами [5; 15; 26; 34; 35].
1. Дайте економічну і математичну постановку транспортної задачі.

2. Чим відрізняється транспортна задача від загальної задачі
лінійного програмування?
3. Сформулюйте необхідну і достатню умову існування розв’язку
транспортної задачі.
4. Властивості опорних планів транспортної задачі.
5. Чим відрізняється відкрита транспортна задача від закритої?
6. Як перетворити відкриту транспортну задачу на закриту?
7. Які ви знаєте методи побудови опорного плану?
8. Побудуйте невироджений опорний план методами північно-
західного кута, мінімального елемента і подвійної переваги для такої
транспортної задачі:
ai = 50, 70, 90; bj = 70, 65, 70, 75.
Порівняйте ці плани.
9. Що означає «виродження» опорного плану? Як його позбутися?
151
10. Назвіть етапи розв’язування методом потенціалів.
11. Як обчислюють потенціали?
12. Умова оптимальності транспортної задачі.
13. Дайте економічну і математичну постановку двохетапної
транспортної задачі.
14. Назвіть особливості розв’язування транспортних задач з
обмеженнями виду .
1. Двохетапна транспортна задача та її використання на

практиці.
2. Транспортна задача за критерієм часу.
3. Оптимізація транспортування неоднорідних вантажів.
4. Оптимізація транспортування однорідних вантажів різними
транспортними засобами.
5. Оптимізація транспортування неоднорідних вантажів
різними транспортними засобами.
6. Оптимальне розподілення робітників на різні роботи.
7. Оптимальне закріплення за верстатами операцій по обробці
деталей.
8. Задачі розміщення виробництва з урахуванням
транспортних і виробничих витрат.
9. Підвищення продуктивності автомобільного транспорту за
рахунок мінімізації порожнього пробігу.
Багатопродуктова транспортна задача Постачальники

Виробничо-транспортна задача Потенціали
Відкрита транспортна задача Розподільча задача
Закрита транспортна задача Споживачі
Критерій оптимальності — мінімум часу Транспортна задача лінійного про-
Метод мінімального елемента грамування
Метод північно-західного кута Умова існування розв’язку
Метод подвійної переваги транспортної задачі
Мінімізація порожнього пробігу Фіктивні постачальники
Обмеження на транспортування Фіктивні споживачі
вантажів, критерії оптимальності
152
тини або всієї продукції. Як має виробник у цій ситуації
змінити план виробництва продукції, щоб уникнути втрат,
пов’язаних із надвиробництвам відповідного виду продукції.
Зауважимо, що дослідження планів, здобутих за економіко-математичними моделями,
на стійкість, а також оцінювання ситуацій мають виконуватися в передплановому періоді.
Для поглибленого вивчення питань використання двоїстих оцінок можна скористатися

літературними джерелами [5; 15; 26; 34; 35].
1. Дайте економічну інтерпретацію прямої та двоїстої задач.

2. Як визначити, що ресурс є дефіцитним (недефіцитним)?
3. Як визначити, що продукція є рентабельна (нерентабельна)?
4. Як впливає на оптимальний план введення додаткового обмеження?
5. Як впливає на оптимальний план введення нової змінної?
6. Як визначити статус ресурсів прямої задачі та інтервали стійкості
двоїстих оцінок відносно зміни запасів дефіцитних ресурсів?
7. Як визначити план виробництва продукції та зміну доходу
підприємства, якщо збільшити (зменшити) обсяг ресурсів?
8. Як визначити рентабельність кожного
виду продукції, що виготовляється на
підприємстві?
9. Як розрахувати інтервали можливої зміни ціни на одиницю кожного
виду продукції?
10. Як виробник має змінити план виробництва продукції, щоб
уникнути втрат, пов’язаних із надвиробництвом відповідного виду
продукції?
1. Оптимізація виробництва продукції за умови ненадійності

постачальників ресурсів.
2. Оптимізація виробництва продукції за умови нестабільності
ринку.
3. Оптимізація виробництва продукції за умов нестабільної
(перехідної) економіки.
4. Двоїсті оцінки та їх використання в економічних дослідженнях.
5. Обґрунтовування рівня цін на готову продукцію на базі двоїстих оцінок.
153
Двоїста задача Пара взаємоспряжених задач
Двоїсті оцінки Пряма задача
Дефіцитні (недефіцитні) ресурси Рентабельна продукція
Межі зміни приросту дефіцитних Стійкість двоїстих оцінок
ресурсів Теореми двоїстості
Межі зміни приросту цін на
рентабельну (нерентабельну)
продукцію
Розділ 6
ВИБРАНІ РОЗДІЛИ
МАТЕМАТИЧНОГО ПРОГРАМУВАННЯ
У попередніх розділах було розглянуто задачі лінійного програмування та

методи їх розв’язування. Ці методи найбільш розроблені, легко реалізуються на
ПЕОМ, а тому набули широкого застосування в багатьох галузях науки, техніки
та економіки. Проте лінійні моделі відбивають лише певну й вельми обмежену
сукупність властивостей навколишнього світу. Адже, скажімо, соціально-
економічні процеси не є лінійними. Галузі, об’єднання та окремі підприємства
народного господарства функціонують і розвиваються за умов невизначеності, а
тому описуються нелінійними, стохастичними, динамічними процесами. Отже,
для управління народним господарством, його галузями й тими чи іншими
об’єктами господарювання потрібні нелінійні економіко-математичні моделі та
методи. А вони ще недостатньо розроблені і до того ж не так легко, як лінійні,
піддаються реалізації на ПЕОМ. Щоправда, нелінійні, стохастичні задачі
нерідко вдається звести до лінійних, а далі — скористатися відповідними добре
розробленими методами розв’язування. Однак такий підхід щоразу потребує
певних застережень.
Розглянемо приклад. Урожайність сільськогосподарських куль-
тур залежить, як відомо, від багатьох чинників, серед яких на-
самперед слід назвати заходи з підживлення ґрунту. Природна родючість
земельних угідь забезпечує лише певний рівень продуктивності рослин.
Щоб підвищити їх урожайність, використовують органічні та мінеральні
добрива. Залежність урожайності цукрових буряків від кількості внесених
мінеральних добрив ілюструє рис. 6.1.
Із рис. 6.1 бачимо, що за рахунок природної родючості ґрунту та
внесення органічних добрив досягається врожайність цукрових буряків
. Зі зростанням кількості внесених мінеральних добрив урожайність цієї
культури підвищується. Наприклад, якщо ця кількість збільшується від
до (реально це 100—280 кг діючої речовини на гектар), то врожайність
цукрових буряків зростає майже лінійно, приблизно від 150 до 450 ц/га. Проте
з подальшим збільшенням кількості внесених мінеральних добрив ( )
154
урожайність знижується ( ), оскільки рослини не забезпечуються
іншими необхідними елементами, наприклад водою.
Отже, якщо в розробленій економіко-математичній моделі вирощування
цукрових буряків взяти
обмеження за рівнем їх
урожайності (скажімо, 150
—450 ц/га), то з від-
повідними застереженнями
можна припустити, що іс-
нує лінійна залежність між
урожайністю цукрового бу-
ряку та обсягами внесених
органічних добрив.
Зауважимо, що розвиток
комп’ютерної техніки і
методів математичного
моделювання створює
передумови для
Рис. 6.1
використання нелінійних
методів, а це може значною
мірою підвищити якість розроблюваних планів, надійність та
ефективність прийнятих рішень. У цьому розділі стисло розглянемо
деякі методи математичного програмування, що вкрай потрібні
економістові XXI століття. Докладніше ці питання розглядаються в
[5; 10; 15; 16; 26; 34; 35].
Зауважимо, що фахівець, який розробив економіко-математичну модель,
але через її складність не реалізував на ПЕОМ, істотно поповнив свої знання
про досліджуваний процес, а отже, і прийняті ним (свідомо чи несвідомо)
рішення є більш обґрунтованими й економічно ефективними, ніж ті, які
могли б постати без вивчення зазначеної моделі.
6.1. ЦІЛОЧИСЛОВЕ ПРОГРАМУВАННЯ
6.1.1. Постановка задачі
Існує доволі широкий клас задач математичного

програмування, в економіко-математичних моделях яких одна
або кілька змінних мають набувати цілих значень, наприклад,
коли йдеться про кількість верстатів у цеху, корів у
сільськогосподарських підприємствах тощо, тобто коли така
вимога випливає з особливостей технології виробництва. До
цілочислового програмування належать також задачі оптимізації,
в яких змінні набувають лише двох значень — 0 або 1 (бульові,
або бінарні, змінні).
155
Розглянемо приклад. Інвестиційна компанія може вкласти кошти у три
різні підприємства. Ефективність кожного проекту оцінено згідно з тим, що
його реалізація можлива за чотирьох умов. Дані про ці проекти наведено в
таблиці:
Умови реалізації проектів

Проект Змінна
y1 y2 y3 y4
1 х1 8 15 21 4
2 х2 10 16 18 6
3 х3 12 14 17 7
Імовірнісні оцінки реалізації проектів 0,2 0,1 0,4 0,3
Кожна змінна , , може набувати лише двох значень

–1 або 0, тобто інвестиційна компанія вкладає або не вкладає
кошти у відповідне підприємство.
До цілочислового програмування відносять задачі про
призначення, найкоротший шлях і т. ін. У реальних задачах часто
цілочислових значень набувають не всі, а одна чи кілька змінних.
Такі задачі називають частково цілочисловими.
Загальна задача цілочислового програмування записується так:
, (6.1)
за умов
, (6.2)
, (6.3)
— цілі . (6.4)
Для знаходження оптимального розв’язку цілочислових задач
застосовують спеціальні методи. Найпростішим методом розв’я-
зування цілочислової задачі є знаходження її оптимального роз-
в’язку як задачі, що має лише неперервні змінні, з подальшим
округленням останніх. Такий підхід часто є виправданим. Нехай,
наприклад, у результаті розв’язування задачі про поєднання
галузей у сільськогосподарському підприємстві дістали, що воно
156
потребує 1235,6 корів. Округливши це значення корів до 1236, не
припустимося значної похибки. Проте в деяких випадках такі
спрощення призводять до істотних неточностей. Якщо, скажімо,
у разі розв’язування як неперервної задачі про сушильний цех,
що може бути обладнаний агрегатами трьох типів, дістали
х1 = 2,6, х2 = 4,3 і х3 = 0,7, будь-які округлення недопустимі.
Для знаходження оптимальних планів задач цілочислового
програмування застосовують дві основні групи методів:
 методи відтинання;
 комбінаторні методи.
Основою методів відтинання є ідея поступового «звуження» області
допустимих розв’язків розглядуваної задачі. Пошук цілочислового
оптимуму починається з розв’язування задачі з так званими послабленими
обмеженнями, тобто без урахування вимог цілочисловості змінних. Далі
введенням у модель спеціальних додаткових обмежень, що враховують
цілочисловість змінних, многокутник допустимих розв’язків послабленої
задачі поступово зменшуємо доти, доки змінні оптимального розв’язку не
набудуть цілочислових значень.
До цієї групи належать:
а) методи розв’язування повністю цілочислових задач (дробовий
алгоритм Гоморі);
б) методи розв’язування частково цілочислових задач (другий алгоритм
Гоморі, або змішаний алгоритм цілочислового програмування).
Комбінаторні методи цілочислової оптимізації базуються на повному
переборі всіх допустимих цілочислових розв’язків, тобто вони реалізують
процедуру цілеспрямованого перебору, під час якої розглядається лише
частина розв’язків (досить невелика), а решта враховується одним зі
спеціальних методів.
Найпоширенішим у цій групі методів є метод віток і меж.
Починаючи з розв’язування послабленої задачі, він передбачає розбиття
початкової задачі на дві підзадачі виключенням областей, що не мають
цілочислових розв’язків, і дослідженням кожної окремої частини
многокутника допустимих розв’язків.
Для розв’язування задач із бульовими змінними застосовують
комбіновані методи, причому оскільки змінні є бульовими, то
методи пошуку оптимуму значно спрощуються.
6.1.2. Метод Гоморі
Нехай маємо задачу цілочислового програмування (6.1)—(6.4).

Для її розв’язування можна скористатися ітеративним методом
Гоморі. Суть його полягає ось у чому:
1. Знаходять розв’язок послабленої, тобто задачі без вимог
цілочисловості змінних — (6.1)—(6.3).
Якщо серед елементів умовно-оптимального плану немає
дробових чисел, то цей план є оптимальним планом задачі
цілочислового програмування (6.1)—(6.4).
157
2. Коли в умовно-оптимальному плані є дробові значення, то
вибирається змінна, яка має найбільшу дробову частину. На базі
цієї змінної (елементів відповідного рядка останньої симплексної
таблиці, в якому вона міститься) будується додаткове обмеження
Гоморі:
де символ {} позначає дробову частину числа.

Для визначення дробової частини будь-якого числа від цього
числа віднімають цілу його частину — найбільше ціле число, що
не перевищує даного. Цілу частину числа позначають символом
[]. Наприклад,
[1,3] = 1; [–1,3] = –2;
{1,3} = 1,3 – 1 = 0,3; {–1,3} = –1,3 – (–2) =2 – 1,3 = 0,7.
3. Додаткове обмеження після зведення його до канонічного
вигляду і введення базисного елемента приєднується до
останньої симплексної таблиці, яка містить умовно-оптимальний
план. Здобуту розширену задачу розв’язують, а далі перевіряють
її розв’язок на цілочисловість. Якщо він не цілочисловий, то
процедуру повторюють, повертаючись до п. 2. Так діють доти,
доки не буде знайдено цілочислового розв’язку або доведено, що
задача не має допустимих розв’язків у множині цілих чисел.
Досвід показує, що процес розв’язування задач великої розмір-
ності методом Гоморі повільно збіжний. Істотними є також
похибки округлення, які можуть призвести до того, що
отриманий цілочисловий план не буде оптимальним.
Задача 6.1.
Сільськогосподарське підприємство задумало ство-
рити сушильний цех на виробничій площі 190 м2,
маючи для цього 100 тис. грн. і можливість придбати
устаткування двох типів А і В. Техніко-економічну інформацію
про ці два види устаткування подано в таблиці:
Устаткування
Техніко-економічний
показник Ресурс
А В
Вартість, тис. грн. 25 10 100
Необхідна виробнича площа, м 2
40 20 190
Потужність, тис. грн./рік 350 150 —
158
Розв’язування. Нехай х1 і х2 — кількість комплектів
устаткування відповідно типу А і В.
Запишемо економіко-математичну модель:
,
,
,
і — цілі.
Розв’язуємо задачу, нехтуючи умовою цілочисловості.
Остання симплексна таблиця набере вигляду:
350 150 0 0
Хбаз Сбаз План
х1 х2 х3 х4
х1 350 1 1 0
х2 150 0 1
1475 0 0 10
Значення другої змінної є дробовим числом, що не

задовольняє початкові умови задачі. Побудуємо для другого рядка
наведеної симплексної таблиці додаткове обмеження виду
:
Оскільки , , , то додаткове
обмеження набирає вигляду
159
Зведемо його до канонічної форми та введемо штучну змінну:
.
Приєднавши здобуте обмеження до останньої симплексної таблиці з
умовно-оптимальним планом, дістанемо:
350 150 0 0 0 –М
Хбаз Сбаз План
х1 х2 х3 х4 х5 х6
х1 350 1 1 0 0 0
х2 150 0 1 0 0
х6 –М 0 0 –1 1
1475 0 0 10 0 0
0 0 М 0
Розв’язуючи наведену задачу, остаточно знаходимо

цілочисловий оптимальний план: ,
.
6.1.3. Метод «віток і меж»
Ефективнішим за метод Гоморі розв’язування задач

цілочислового програмування є метод «віток і меж». Спочатку,
як і в разі методу Гоморі, розв’язується послаблена (відкиданням
умови цілочисловості) задача.
З цією метою застосовується симплексний метод.
Нехай потрібно знайти хj — цілочислову змінну, значення якої
в оптимальному плані послабленої задачі є дробовим. Тоді
можна стверджувати, що в інтервалі цілих
значень немає.
160
Наприклад, якщо дістаємо інтервал (2,3), де,
очевидно, немає хj, яке набуває цілого значення.
Значенню відповідає інтервал (–3; –2), де також не
існує цілого значення хj. Отже, допустиме ціле значення xj має
задовольняти одну з нерівностей
або .
Приписавши кожну з цих умов до задачі з послабленими
обмеженнями, дістанемо дві не пов’язані між собою задачі. Тобто
початкову задачу цілочислового програмування (6.1)—(6.4)
розіб’ємо на дві задачі з урахуванням умов цілочисловості
змінних, значення яких в оптимальному плані послабленої задачі
є дробовими. Це означає, що симплекс-методом
розв’язуватимемо дві такі задачі:
(6.5)
за умов
(6.6)
,
, (6.7)
— цілі, (6.8)
; (6.9)
(6.10)
за умов
(6.11)
,
, (6.12)
161
— цілі, (6.13)
, (6.14)
де — компонент розв’язку задачі (6.1)—(6.4).
Далі симплекс-методом розв’язуємо послаблені задачі (6.6)—(6.9) і
(6.10)—(6.14), тобто з відкиданням обмежень (6.8) і (6.13). Якщо знайдені
оптимальні плани задовольняють умови цілочисловості, то ці плани є
розв’язками задачі (6.1)—(6.4). Інакше пошук розв’язку задачі триває. Для
подальшого розгалуження беремо задачу з найбільшим значенням цільової
функції, якщо йдеться про максимізацію, і навпаки — з найменшим
значенням цільової функції в разі її мінімізації. Подальше розгалуження
виконується доти, доки не буде встановлено неможливість поліпшення роз-
в’язку. Здобутий план — оптимальний.
Розв’язування цілочислових задач методом «віток і меж»
можна значно прискорити, приєднавши обмеження виду (6.9) і
(6.14) до останньої симплекс-таблиці не початкової (6.1)—(6.4), а
відповідних задач.
Розв’яжемо методом «віток і меж» задачу 6.1.
Відкинувши умову цілочисловості, дістанемо розв’язок х1 = 1,
х2 = . Отже, допустиме ціле значення х2 має задовольняти
одну з нерівностей або . Далі

приєднуємо до задачі кожне з обмежень, нехтуючи умовою
цілочисловості, і розв’язуємо по черзі обидві утворені задачі. Для
першої (з обмеженням ) оптимальним буде розв’язок
, , , а для другої (з обмеженням
) — розв’язок , , .
Оскільки цілочислового плану не знайдено, процес необхідно
продовжити, узявши для наступного розгалуження першу задачу,
оптимальний план якої дає більше значення функціоналу. Далі
розв’язуємо задачу, приєднуючи до неї обмеження і
, звідки й знаходимо оптимальний план
, , що збігається з розв’язком,
здобутим за методом Гоморі.
6.1.4. Приклади цілочислових економічних задач
Задача лінійного розкрою. У цеху розрізують прути

Задача 6.2. завдовжки 6 м на заготівки 1,4; 2 і 2,5 м. Усього в цеху
162
мають 200 прутів. Потрібно дістати не менше як 40, 60 і 50 заготівок
завдовжки відповідно 1,4; 2 і 2,5 м.
Побудувати загальну і числову модель лінійного розкрою. За критерій
оптимізації є сенс узяти мінімум відходів.
Розв’язування. Нехай — вид заготівки. Кожний прут

можна розрізати різними способами.
Скористаємося такими позначеннями:
— вихід заготовок і-го виду в разі розрізування прута j-м
способом;
cj — відходи в разі розрізування прута j-м способом;
А — кількість наявних прутів;
Bi, Di — відповідно нижня і верхня межі потреби в і-й заготівці;
xj — кількість прутів, які розрізані за j-м варіантом.
Запишемо загальну економіко-математичну модель лінійного
розкрою.
Критерій оптимальності:
за умов
,
,
— цілі .
Побудуємо числову економіко-математичну модель
розрізування прутів, розглянувши можливі варіанти такого
розрізування:
Варіанти розрізування прутів

Довжина
заготівки, м
1,4 4 — — 1 1 2 2
2 — 3 — 1 2 1 —
2,5 — — 2 1 — 1 1
163
Довжина 0,4 0 1 0,1 0,6 1,2 0,7
відходів, м
Бажано, щоб у множину ввійшли всі можливі варіанти, навіть

такі, які на перший погляд здаються неефективними, наприклад x6.
Запишемо числову економіко-математичну модель
розрізування прутів:
за умов
а) щодо кількості заготівок завдовжки 1,4 м:
;
2 м:
;
2,5 м:
;
б) щодо кількості наявних прутів:
;
в) щодо невід’ємності змінних:
;
г) щодо цілочисловості змінних:
— цілі числа.
Пропонуємо розв’язати цю задачу одним із методів
цілочислового програмування.
Задача 6.3. Задача комівояжера. В економічному регіоні розміщено 6 пунктів
(міст). Комівояжер, який виїжджає з міста 1, має побувати в кожному
місті один раз і повернутися до вихідного пункту. Знайти найкоротший маршрут, якщо
відстані між містами відомі (рис. 6.2).
164
Рис. 6.2
Записати загальну і числову економіко-математичну модель.
Розв’язування. Нехай маємо n пунктів, де має побувати комівояжер.

Позначимо:
Отже, хij — бульові (цілочислові) змінні. Цільовою функцією

цієї задачі є мінімізація всього маршруту комівояжера:
де сij — відстань між містами і та j.

Обмеження щодо одноразового в’їзду в кожне місто:
.
Обмеження щодо одноразового виїзду з кожного міста:
165
Ці обмеження не повністю описують допустимі маршрути і не
виключають можливості розриву маршруту. Щоб усунути цей
недолік, введемо додаткові змінні ui(uj) ,
які набувають невід’ємних цілих значень. Запишемо обмеження,
які виключають можливість існування підмаршрутів:
,
де ui (uj) — порядковий номер міста за маршрутом прямування

комівояжера.
Запишемо числову економіко-математичну модель комівояжера за розглядуваних
умов.
;
а) обмеження щодо одноразового в’їзду в кожне місто:
,
,
,
,
,
;
б) обмеження щодо одноразового виїзду з кожного міста:
,
,
,
,
,
;
в) обмеження щодо виключення підмаршрутів:
166
,
,
,
,
,
,
,
,
,
,
,
,
;
,
ui(uj) — цілі числа .
Такі задачі розв’язуються спеціальними методами [1; 10].

Зауважимо, що аналогічні задачі нерідко постають на
практиці, наприклад, у дрібному бізнесі.
Фірма у місті має 25 кіосків, які торгують безалкогольними напоями.
Щоденно з бази автомобілем розвозять до них товар. Як оптимально організувати
розвезення відповідної кількості товару?
Задача 6.4.
Фермер планує виробляти три види продукції —
озиму пшеницю, цукрові буряки та молоко.
Сумарні витрати складаються з двох частин: постійних — kj, які
не залежать від обсягу виробництва, і поточних cj на
виробництво одиниці продукції, де j — номер продукції.
Відповідні дані наведено в таблиці:
Вид продукції
Показник
Озима пшениця, т Цукровий буряк, т Молоко, т
Постійні витрати, тис. грн. 40 70 20
167
Поточні витрати на 400 150 500
одиницю продукції, грн.
Норма витрат ріллі, га 0,2 0,02 0,25
Ціна одиниці продукції, грн. 800 300 1000
Визначити оптимальний план виробництва продукції кожного виду, якщо з цією

метою використовується 100 га ріллі.
Розв’язування. Нехай xj — обсяг виробництва j-го виду

продукції, . Функція сумарних витрат на виробництво j-ї
продукції набуває вигляду:
Як цільову функцію беремо максимізацію валового прибутку:
де yj — ціна одиниці j-ї продукції.

Обмеження щодо ріллі:
де аj — норма витрат ріллі на одиницю j-ї продукції; А —

ресурс ріллі.
Цільова функція цієї задачі не є лінійною, оскільки має розрив у початку координат.
Отже, ця задача не може бути розв’язана симплексним методом.
Щоб розв’язати цю задачу, скористаємося штучним
прийомом. Введемо бульові змінні такою умовою:
168
її можна записати у вигляді лінійної нерівності
,
де М — досить велике число, за якого умова
виконується для всіх допустимих обсягів виробництва
продукції.
У результаті маємо таку економіко-математичну модель:
за умов
, .
Запишемо числову економіко-математичну модель. Очевидно,

що максимум пшениці становить 500 т, цукрових буряків
— 5000 т, молока — 400 т. Отже, М може

дорівнювати 5000. Звідси маємо:
за умов
,
,
,
,
.
Пропонуємо розв’язати аналогічну задачу, оцінивши
ефективність нового бізнесу.
169
Звичайно, у реальній ситуації існує більший набір можливих
видів продукції, а також багато обмежень щодо ресурсів.
Задача 6.5. Задача планування виробничої лінії.
Оптимізувати режим функціонування виробничої лінії, яка охоплює 11 операцій з

виготовлення двох виробів. Лінію обладнано одним багатоопераційним верстатом.
Послідовність і тривалість (у хвилинах) виконання операцій відбиває рис. 6.3.
Рис. 6.3
Установлено термін виготовлення кожного з виробів А та В як
проміжок часу від деякого початкового моменту. Нехай це буде
відповідно 120 і 150 хв. Передбачається, що в кожний момент
часу на верстаті може виконуватися одна операція.
Визначити оптимальний термін початку кожної операції.
Розв’язування. Розглянемо спочатку задачу в загальному
вигляді, скориставшись позначеннями:
aj(k) — час виконання j-ї операції ; dj — момент часу
(термін) для j-го виробу, до якого необхідно завершити операцію j;
хj — час (термін) початку j-ї операції; t — сумарний час
виконання всіх операцій. Економіко-математична модель містить
три типи обмежень.
1. Послідовність виконання i-ї операції записується для всіх
пар операцій якщо i-та операція передує в
часі j-й операції.
2. Обмеження нерозгалуженості виробничого процесу для
операцій і та j, які не виконуються одночасно (i ≠ j), має вигляд:
170
або xi – хj ≥ aj, якщо операція j передує в часі операції і;
або xj – хi ≥ ai, якщо операція і передує в часі операції j.
Зауважимо, що логічні обмеження виду «або-або» не можуть входити до економіко-
математичної моделі задачі лінійного програмування, оскільки породжують неопуклу
множину допустимих розв’язків. Тому необхідно ввести допоміжні змінні, які дозволяють
записати наведені щойно логічні умови у вигляді лінійних обмежень. Це такі бульові
змінні:
Увівши змінні yij, запишемо шукані обмеження:

,
,
де М — досить велике число.
3. Обмеження щодо термінів виготовлення кожного виробу:
,
де j — остання операція для k-го виробу.
4. Усі операції мають бути виконанні до моменту часу t:
.
тобто ставиться задача, щоб обидва вироби були виготовлені за мінімальний час.
Запишемо числову економіко-математичну модель:
за наведених далі умов.

1. Послідовність виконання операцій:
,
,
,
,
,
,
,
,
171
,
,
,
.
2. Обмеження щодо нерозгалуженості виробничого процесу:
,
,
,
,
,
,
,
.
3. Обмеження щодо термінів виготовлення виробів:
,
.
4. Усі операції мають бути виконані до моменту часу t:
,
,
,
,
,
,
,
,
,
,
.
5. Обмеження на змінні:
172
, ;
, .
Отже, маємо частково цілочислову задачу з бульовими змінними.
Задача 6.6.
Задача оптимального призначення.
Розподілити чотирьох робітників за чотирма видами устаткування так, щоб їх

загальна продуктивність праці була максимальною. Дані стосовно
продуктивності праці кожного робітника на устаткуванні кожного виду наведено
в таблиці:
Продуктивність праці, грн./год, на устаткуванні

Робітник
1 2 3 4
1 12 9 8 7
2 10 7 6 5
3 9 6 4 4
4 8 5 3 2
Розв’язування. Дану задачу можна розглядати як

транспортну, в якій робітники ототожнюються з
постачальниками вантажів, а види устаткування — зі
споживачами цих вантажів. Обсяги пропозиції та попиту в
кожному випадку дорівнюють одиниці. Отже, змінні будуть
бульовими:
Якщо cij — продуктивність праці і-го робітника на j-му

устаткуванні, то економіко-математичну модель про призначення
у загальному вигляді можна записати так:
173
за умов
Числова модель набирає вигляду:
за умов
,
,
,
,
,
,
,
,
,
— цілі числа .
З огляду на особливу структуру цієї задачі, зокрема її «транспортний» характер та

рівність правих частин обмежень, для розв’язування можна застосувати ефективніший
алгоритм, ніж для звичайної задачі цілочислового програмування з бульовими змінними.
Пропонуємо читачеві ознайомитися з такими алгоритмами самостійно [9; 38].
174
Методом Гоморі розв’язати задачу цілочислового програмування.
Задача 6.7.
1. , 2. ,
3. , 4. ,
5. , 6.
7. , 8. ,
9. , 10.
,
175
11. 12. ,
,
13. 14.
, ,
15. , 16. ,
17. , 18. ,
19. , 20. ,
176
Задача 6.8. Згідно з умовно-оптимальним планом задачі
цілочислового програмування побудувати
допоміжне обмеження Гоморі і приєднати його до останньої
симплексної таблиці. Знайти цілочислові розв’язки задачі або
довести, що вони не існують.
1. –3 –4 0 0 0
Базис Сбаз.
0 7/11 5/11 9/11 0 0 1
0 10/11 2/11 3/11 1 0 0
0 3/11 15/11 –4/11 0 1 0
0 3 4 0 0 0
2. 5 10 2 0 0
Базис Сбаз.
2 1/6 0 0 1 –7/3 5/6
5 1/2 1 0 0 –1/6 –2/3
10 5/6 0 1 0 2/3 1/3
67/6 0 0 0 7/6 5/3
3. Базис Сбаз. 0 –4 0 –3 0
177
–3 13/7 0 –2/7 –1 1 –6/7
0 4/7 1 8/7 2 0 3/7
–39/7 0 34/7 3 0 18/7
Методом «віток і меж» розв’язати задачу цілочислового

Задача 6.9. програмування
1. , 2. ,
3. , 4. ,
5. , 6. ,
Побудувати модель задачі розподілу капіталовкладень, які

Задача 6.10. можуть спрямовуватися на втілення чотирьох проектів протягом
трьох послідовних років.
Очікувані розміри прибутку від реалізації кожного проекту та розподіл необхідних
капіталовкладень, млн грн., за роками відбиває таблиця:
Розподіл
капіталовкладень за роками
Проект Прибуток
1-м 2-м 3-м
1 6 2 8 40
178
2 5 7 6 50
3 4 6 9 45
4 8 3 7 52
Максимальний обсяг
капіталовкладень 20 25 18 —
Передбачається, що кожний затверджений проект має бути реалізовано за

трирічний період. Вибрати сукупність проектів, яка забезпечить отримання
максимального сумарного прибутку.
● Вказівка. Для побудови моделі задачі користуватися бульовими
змінними.
Побудувати модель задачі планування виробничої лінії, що
Задача 6.11. охоплює виконання шести операцій для виготовлення двох
різних виробів на одному верстаті. Послідовність і тривалість
операцій відбиває рисунок. Строки виготовлення виробів А і В становлять
відповідно 58 і 46 днів.
● Зауваження. У кожний момент часу на верстаті може виконуватися

лише одна операція.
Побудувати модель задачі цілочислового програмування для

Задача 6.11. вибору варіанта розміщення чотирьох різних видів
технологічного устаткування на двох виробничих дільницях
цеху. Витрати на підготовку та встановлення устаткування відбиває таблиця:
Витрати на встановлення устаткування Витрати

Дільниця
1 2 3 4 на підготовку
1 4 2 7 9 10
2 6 5 3 6 14
179
Визначити такий порядок розміщення устаткування на
дільницях, за якого сумарні витрати на його встановлення та
підготовку є мінімальними.
Розв’язати задачу оптимального розкрою двох заготівок
Задача 6.11. завдовжки 15 і 12 м на деталі трьох типів завдовжки 3, 4 і 2 м.
Відомо, що запас заготівок становить відповідно 100 і 80
одиниць, а попит на деталі — 30, 20, 15 одиниць.
Знайти план оптимального розкрою заготівок за двома варіантами:
1) мінімізації відходів від розкрою;
2) максимізації комплектів, до яких деталі входять відповідно 6.2.
ДРОБОВО-ЛІНІЙНЕ ПРОГРАМУВАННЯ

та алгоритм розв’язування
Розв’язуючи економічні задачі, часто за критерій оптимальності беруть показники

рентабельності, продуктивності праці тощо, які математично подаються дробово-
лінійними функціями. Загальну економіко-математичну модель у цьому разі записують
так:
за умов
.
Припускають, що знаменник цільової функції в області
допустимих розв’язків системи обмежень не дорівнює нулю.
Алгоритм розв’язування задачі дробово-лінійного
програмування передбачає зведення її до задачі лінійного
програмування. Щоб виконати таке зведення, позначимо
зробимо заміну змінних
180
.
і запишемо економіко-математичну модель:
за умов
,
.
Дістали задачу лінійного програмування, яку можна
розв’язати симплексним методом. Нехай оптимальний план
Оптимальні значення x0j знайдемо за формулою
6.2.2. Приклади дробово-лінійних задач
Задача 6.14. Сільськогосподарське акціонерне товариство з

обмеженою відповідальністю, яке розміщене в
Лісостепу України, має намір оптимізувати структуру
виробництва. За критерій оптимальності взято максимізацію
рентабельності як відношення прибутку до собівартості. Дані про
види діяльності, що їх здійснюватиме товариство, наведено в
таблиці:
Діяльність з вирощування
Ресурс
корів продуктивністю, кг
пшениці, га
культур, га
буряків, га
кормових
цукрових
Показник
озимої
5000 4500 4000 3500
181
Урожайність, т/га 4 35 — — — — 6 —
Собівартість, грн./т 600 250 600 700 800 9000 200 —
Ціна, грн./т 800 300 1000 1000 1000 1000 — —
Вихід кормів, тон кормо- 0,8 2,0 — — — — 6 —
вих одиниць/га
Витрати живої праці, 4 25 6 6 6 6 3 26 000
людино-днів/га
Витрати механізованої 2 8 3 3 3 3 2 11 000
праці, людино-днів/га
Частка корів у стаді — — 0,1 0,2 0,3 0,4 —
Потреба в кормах, т/гол — — 5 4,7 4,4 4,1 — —
Акціонерне товариство має 2500 га ріллі.
Записати економіко-математичну модель і знайти оптимальну
структуру виробництва.
Розв’язання. Введемо позначення:
х1 — площа посіву озимої пшениці, га;
х2 — площа посіву цукрового буряка, га;
х3 — площа посіву кормових культур, га;
х4 — кількість корів продуктивністю 5000 кг;
х7 — кількість корів продуктивністю 3500 кг.
Запишемо критерій оптимальності:
за розглянутих далі умов.

1. Обмеження за ресурсами.
1) Ріллі:
.
2) Живої праці:
.
3) Механізованої праці:
.
182
2. Обмеження сівозміни.
1) Посівна площа кормових має бути більша або дорівнювати
площі під озимою пшеницею:
.
2) Посівна площа озимої пшениці має бути більша або дорівнювати
площі під цукровими буряками:
.
3. Структура корів за продуктивністю.
1) Балансове рівняння щодо корів:
,
де — загальна кількість корів.
2) Частка корів продуктивністю 5000 кг:
.
.
.
.
4. Забезпеченість корів кормами:
.
Невід’ємність змінних:
.
Щоб знайти розв’язок за цією моделлю, зробимо відповідну
заміну й скористаємося симплексним методом:
.
Отже, маємо таку лінійну економіко-математичну модель:
183
за розглянутих далі умов.
1. ,
,
.
2. , або ,
, або .
3. ,
,
,
,
.
4. .
5. .
Розв’язати графічно задачу дробово-лінійного прог-

Задача 6.15.
рамування:
за умов
Розв’язання. Побудуємо на площині область допустимих

розв’язків задачі — трикутник АВС.
184
Цільова функція задачі являє собою пряму, яка
обертатиметься навколо початку системи координат залежно від
змінюваних параметрів х1, х2 так, що точки А і С будуть точками
максимуму і мінімуму функції. Виразимо х2 із цільової функції:
Кутовий коефіцієнт цільової функції
Розглянемо похідну
Оскільки при будь-якому значенні Z вона від’ємна, то функція

RZ є спадною (зі зростанням Z кутовий коефіцієнт RZ
зменшується), а графік цільової функції обертатиметься навколо
початку координат за годинниковою стрілкою. Отже, точка С є
точкою максимуму, а точка А — мінімуму досліджуваної задачі.
Знайдемо координати цих точок.
Точка А:
185
Звідси
Точка А має координати (6/7; 24/7).
Точка С:
Звідси
Точка С має координати (9/2; 1).
Знайдемо значення цільової функції в цих точках:
Результати (ZC > ZA) підтверджують, що оптимуми знайдено

правильно: максимум досягається в точці С, а мінімум — у
точці А.
Розв’язати задачу дробово-лінійного програмуван-

Задача 6.16.
ня симплексним методом:
за умов
186
Розв’язування. Зведемо початкову задачу до задачі лінійного
програмування згідно з розглянутими раніше правилами.
Позначимо .
Введемо нові змінні:
, .
Дістанемо задачу лінійного програмування:
за умов
Розв’яжемо задачу симплексним методом. У перше та останнє

обмеження введемо штучні змінні y6, та y7.
Маємо оптимальний розв’язок перетвореної задачі:
, , , .
Знайдемо оптимальний розв’язок початкової задачі,
враховуючи, що :
; ; ;
187
; .
Отже, ,
Задача 6.17. Розв’язати графічно задачі дробово-лінійного

1. 2.
за умов за умов
3. 4.
5.
6.
за умов
за умов
188
7. 8.
9.
10.
за умов
за умов
Задача 6.18. Розв’язати задачі дробово-лінійного

програмування симплексним методом.
1. 2.
189
3. 4.
5. 6.
7. 8.
6.3. НЕЛІНІЙНЕ ПРОГРАМУВАННЯ

Розв’язуючи задачі оптимального управління (планування),
доводиться враховувати нелінійний характер взаємозв’язків між
економічними показниками. У загальному вигляді нелінійна
економіко-математична модель має вигляд:
190
за умов
,
де і — нелінійні
функції.
6.3.2. Труднощі розв’язування

задач нелінійного програмування
Задачу нелінійного програмування намагаються звести до
лінійного вигляду. Проте в такому разі можливі значні похибки.
Нехай, наприклад, собівартість продукції y визначено як функцію
, де х — обсяги виробництва. Ввівши заміну ,
дістанемо лінійну залежність . За такої заміни похибки
немає. А коли , то заміна цієї залежності деякою
лінійною функцією призводить до значних похибок,
що ілюструє рис. 6.3.
Рис. 6.3.
У точках х1 і х3 значення собівартості для обох розглядуваних
функцій однакові, але в усіх інших точках ці значення
відрізняються, причому в точці х2 значною мірою:
.
Отже, лінеаризація нелінійних процесів є досить складною
математичною задачею.
Для лінійних задач можна завжди знайти оптимальний розв’я-
зок універсальним методом — симплексним. При цьому немає
проблеми з доведенням існування такого розв’язку. Адже в
191
результаті розв’язування задачі симплексним методом завжди
дістаємо один із варіантів відповіді: 1) знайдено розв’язок;
2) задача суперечлива, тобто її розв’язку не існує; 3) цільова
функція не-
обмежена, отже, розв’язку також немає.
Для задач нелінійного програмування не існує універсального
методу розв’язування, тому щоразу слід доводити існування
розв’язку задачі, а також його єдиність. Це досить складна
математична задача.
Відомі точні методи розв’язування нелінійних задач, але при
цьому постають труднощі обчислювального характеру. Навіть для
сучасних ПЕОМ відповідні алгоритми є доволі трудомісткими.
Для розв’язування нелінійних задач застосовують наближені
методи, стикаючись із проблемою локальних і глобальних
оптимумів. Наприклад, на рис. 6.4. маємо на відрізку локальні
оптимуми в точках х0, х1, х2, х3, х4, х5, х6, х7, х8, х9, а глобальний — у
точці х4 і х6.
Рис. 6.4
Більшість наближених методів дають змогу знаходити локальний
оптимум. Визначивши всі локальні оптимуми, методом
порівняння можна знайти глобальний. Проте для практичних
розрахунків такий метод не є ефективним. Часто наближені
методи не «вловлюють» глобального оптимуму, зокрема тоді,
коли глобальний оптимум лежить досить близько до локального.
192
Якщо відрізок [x0, x10] розіб’ємо на десять підвідрізків і
глобальний оптимум потрапить у відрізок [xi, xi+1] (див. рис. 6.4),
а ліворуч від xi та праворуч від xi+1 крива y = f (x)
підніматиметься, то глобальний оптимум буде пропущеним.
Звернемо увагу ще на один дуже важливий момент. У задачах
лінійного програмування точка оптимуму завжди була
граничною. Для нелінійних задач точка, яка є оптимальним
планом, може бути граничною або такою, що міститься
всередині допустимої області розв’язків (планів).
6.3.3. Метод множників Лагранжа
Для розв’язування задач нелінійного програмування не існує,

як уже зазначалося, універсального методу, а тому доводиться
застосовувати багато методів і обчислювальних алгоритмів, які
ґрунтуються, здебільшого, на теорії диференціального числення, і
вибір їх залежить від конкретної постановки задачі та форми
економіко-математичної моделі.
Методи нелінійного програмування бувають прямі та непрямі.
Прямими методами оптимальні розв’язки відшукують у напрямку
найшвидшого збільшення (зменшення) цільової функції. Типовими
для цієї групи методів є градієнтні. Непрямі методи полягають у
зведенні задачі до такої, знаходження оптимуму якої вдається
спростити. До них належать, насамперед, найбільш розроблені
методи квадратичного та сепарабельного програмування.
Оптимізаційні задачі, на змінні яких не накладаються
обмеження, розв’язують методами класичної математики.
Оптимізацію з обмеженнями-рівностями виконують методами
зведеного градієнта, скажімо методом Якобі, та множників
Лагранжа. У задачах оптимізації з обмеженнями-нерівностями
досліджують необхідні та достатні умови існування екстремуму
Куна—Таккера.
Розглянемо метод множників Лагранжа на прикладі такої
задачі нелінійного програмування:
(6.15)
за умов
(6.16)
,
193
де функції і
диференційовані.
Ідея методу множників Лагранжа полягає в заміні даної задачі
простішою: на знаходження екстремуму складнішої функції, але
без обмежень. Ця функція називається функцією Лагранжа і
подається у вигляді:
(6.17)
де λі — не визначені поки що величини, так звані множники
Лагранжа.
Знайшовши частинні похідні функції L за всіма змінними і
прирівнявши їх до нуля:
запишемо систему
(6.18)
що є, як правило, нелінійною.
Розв’язавши цю систему, знайдемо і
— стаціонарні точки. Оскільки їх
визначено з необхідної умови екстремуму, то в них можливий
максимум або мінімум. Іноді стаціонарна точка є точкою
перегину (сідлова точка). Отже, для визначення достатніх умов
екстремуму та діагностування його типу існує спеціальний
алгоритм [15].
Розв’яжемо методом множників Лагранжа наведену далі задачу.
194
Акціонерне товариство з обмеженою відповідальністю відвело
Задача 6.19.
1200 га ріллі під основні рослинницькі культури
— озиму пшеницю та цукрові буряки.
Техніко-економічні показники вирощування цих культур відбиває таблиця:
Площа, га, відведена

Показник
під озиму пшеницю, х1 під цукровий буряк, х2
Урожайність, т/га 4 35
Ціна, грн./т 800 300
Собівартість, грн./т
Знайти оптимальну площу посіву озимої пшениці та цукрових буряків.

Нехай х1 — площа ріллі, відведена під сотні га озимої
пшениці; х2 — площа ріллі, відведена під цукрові буряки, сотні
га.
Зауважимо, що собівартість однієї тони пшениці та цукрових
буряків залежить від відповідної площі посіву.
Запишемо економіко-математичну модель. За критерій
оптимальності візьмемо максимізацію валового прибутку:
за умов
.
Запишемо функцію Лагранжа:
Візьмемо частинні похідні і прирівняємо їх до нуля:
195
Із цієї системи визначимо сідлову точку. З першої та другої
рівностей знайдемо вирази для 1 і прирівняємо їх:
,
або
(6.19)
Із останнього рівняння цієї системи маємо:
.
Підставивши значення у (6.19), дістанемо:
або .
Розв’язавши це квадратне рівняння, дістаємо (178
га); (553 га).
Відповідно дістаємо: (1022 га); (647 га).
Тобто сідловими точками є такі:
Обчислимо значення цільової функції у цих точках:
196
Отже, цільова функція набуває максимального значення, якщо озима пшениця
вирощується на площі 647 га, а цукровий буряк — на площі 553 га.
6.3.4. Приклади задач нелінійного програмування
Задача 6.20. Попит на продукцію, що виготовляється на двох

видах обладнання, становить 120 одиниць.
Собівартість, тис. грн., виробництва одиниці продукції на
обладнанні кожної групи залежить від обсягу такого виробництва
— відповідно х1 і х2 — та подається у вигляді для першої групи:
; для другої групи: .
Знайти оптимальний план виробництва продукції на кожній
групі обладнання, який за умови задоволення попиту потребує
найменших витрат, пов’язаних із собівартістю продукції.
Розв’язування. Математична модель задачі:
за умов
Згідно з методом множників Лагранжа складемо функцію

Лагранжа:
Прирівнявши до нуля частинні похідні цієї функції за

невідомими параметрами Х1, Х2 і , дістанемо систему рівнянь:
197
Розв’язавши цю систему, знайдемо:
Отже, на першій групі обладнання необхідно випускати 66,5,

а на другій 53,5 одиниць продукції. При цьому мінімальні
витрати, тис. грн., становитимуть:
Задача 6.21. За методом Лагранжа знайти точку умовного

екстремуму.
1. , 2. ,
. .
3. , 4. ,
. .
5. , 6. ,
. .
7. , 8. ,
. .
9. , 10. ,
. .
11. , 12. ,
. .
13. , 14. ,
. .
15. , 16. ,
. .
17. , 18. ,
.
198
19. , 20. ,
. .
21. , 22. ,
.
23. , 24. ,
25. , 26. ,
Задача 6.22. На виробництво трьох видів продукції A, B і C

витрачають матеріальні, трудові та фінансові
ресурси. Норми витрат на одиницю продукції, сумарний запас, а
також розмір прибутку від реалізації одиниці продукції, що
залежить від обсягу виробництва (в умовних одиницях), відбиває
таблиця:
Продукція Запас
Ресурси
А В С ресурсів
Матеріальні 4 5 7 100
Трудові 3 6 8 120
Фінансові 2 1 4 75
Прибуток
Обсяг виробництва
Попит на продукцію видів В і С відомий і становить 12 і 8 од.

Визначити оптимальний план виробництва продукції кожного
199
виду, якщо ресурси потрібно використати повністю. Знайти
оцінки ресурсів і подати економічний аналіз оптимального
плану.
6.4. ДИНАМІЧНЕ ПРОГРАМУВАННЯ
6.4.1. Сутність динамічного програмування.

Принципи оптимальності
Усі економічні процеси та явища є динамічними, оскільки
функціонують і розвиваються не лише у просторі, а й у часі.
Народне господарство, його галузі, регіони чи окремі
підприємства мають розробляти стратегічні і тактичні плани.
Перші визначаються з допомогою динамічних моделей, розв’язки
яких знаходять методами динамічного програмування.
Зауважимо, що сума оптимальних планів на окремих відрізках
планового періоду Т не завжди являє собою план, оптимальний
на всьому такому періоді.
Розглянемо задачу оптимального розподілу капітальних
вкладень, які можуть бути використані двома способами: з метою
розвитку рослинництва або тваринництва. Відомо, що за першого
способу отримаємо прибуток g(x), а за другого — h(y).
У такому разі однокрокову задачу можна подати у вигляді:
(6.20)
за умов
(6.21)
Нехай
, , , .
Тоді дану задачу можна записати так:
Розглянемо її як задачу оптимального використання

капітальних вкладень за окремими інтервалами планового
періоду Т, маючи на меті розподілити залишок капітальних
вкладень на кінець j-го інтервалу (j = 1, 2, …, n) двома
зазначеними способами. При цьому критерій оптимізації не
200
змінюється: максимізуємо обсяг прибутку за весь плановий
період Т.
Якщо на першому інтервалі використано b1 капітальних
вкладень, то на його кінець залишилося їх:
,
де с, d — коефіцієнти пропорційності, що характеризують
використання капітальних вкладень першим і другим способами:
.
Задачу для другого інтервалу подамо так:
за умов
.
Звідси для будь-якого j-го інтервалу маємо:
за умов
.
Загальна задача набирає вигляду:
(6.22)
за умов ,
, .
Таку задачу розв’язують спеціальними методами [4, 10].
6.4.2. Методика розв’язування динамічних задач
Динамічний процес розбивається на сукупність послідовних

етапів, або кроків. Кожний крок оптимізується окремо, а рішення
(розв’язок), згідно з яким система переходить із поточного стану
до нового, вибирається з урахуванням його майбутніх наслідків і
не завжди дає найбільший ефект на даному етапі. На останньому
кроці приймається рішення (відшукується розв’язок), яке
забезпечує максимальний ефект. З огляду на сказане, оптимізація
методом динамічного програмування починається з кінця:
201
насамперед планується останній крок. Спираючись на відому
інформацію про закінчення передостаннього кроку, на підставі
різних гіпотез щодо його закінчення, вибирають управління на
останньому кроці. Таке управління називають умовно
оптимальним, оскільки знаходять його за припущення, що
попередній крок було здійснено згідно з однією з можливих
гіпотез.
Нехай аналізується деякий керований процес, перебіг якого
можна розбити на послідовні етапи (кроки), що задаються.
Ефективність всього процесу Z є сумою ефективностей
окремих кроків:
(адитивний критерій)
або
(мультиплікативний критерій).
З кожним кроком задачі пов’язане прийняття певного

рішення, так званого крокового управління , що
визначає як ефективність даного етапу, так і всієї операції в
цілому.
У задачі динамічного програмування знаходять таке
управління всією операцією, яке
максимізує загальну її ефективність:
Оптимальним розв’язком цієї задачі є управління , що

складається із сукупності оптимальних покрокових управлінь
і забезпечує максимальну ефективність Z*
Усі класи задач динамічного програмування розв’язують,

керуючись основним принципом: яким би не був стан системи
202
S перед черговим кроком, управління на цьому кроці слід
вибрати так, щоб ефективність розглядуваного кроку плюс
оптимальна ефективність на всіх наступних кроках була
максимальною.
Отже, маємо алгоритм розв’язування задач динамічного
1. Специфікуємо стан заданої керованої системи та множину параметрів, що
описують цей стан. Стан системи обираємо, маючи на меті забезпечити зв’язок між
послідовними етапами перебігу процесу і знайти допустимий розв’язок задачі в цілому як
результат оптимізації на кожному кроці окремо. При цьому оптимальні рішення на
наступних етапах приймаємо, нехтуючи впливом подальших рішень на прийняті раніше.
2. Розбиваємо динамічний процес (операцію) на кроки, що відповідають, як

правило, часовим періодам планування або окремим об’єктам (підприємствам,
видам продукції, устаткування і т. ін.), стосовно яких розробляються
управлінські рішення.
3. Подаємо перелік управлінських рішень для
кожного кроку і відповідні обмеження щодо них.
4. Визначаємо ефект, що його забезпечує управлінське
рішення на j-му кроці, якщо перед тим система була у стані S,
як функцію ефективності:
5. Досліджуємо, як змінюється стан S системи під впливом

управлінського xj на j-му кроці, переходячи до нового стану:
.
6. Будуємо для розглядуваної задачі рекурентну залежність,
що визначає умовний оптимальний ефект , починаючи з
j-го кроку і до останнього, через вже відому функцію :
Цьому ефекту відповідає умовне оптимальне управління на

j-му кроці . Зауважимо, що за аргумент функції
беремо не s, а змінений стан системи, тобто .
7. Здійснюємо умовну оптимізацію останнього п-го кроку,
розглядаючи множину станів s, що на один крок віддалені від
кінцевого стану, і визначаємо умовний оптимальний ефект на п-
му кроці:
203
.
Далі знаходимо умовне оптимальне управлінське рішення xn(s),

завдяки якому цей максимум досягається.
8. Виконуємо умовну оптимізацію (n – 1)-го, (n – 2)-го і т. д.,
тобто всіх попередніх кроків за рекурентними залежностями п. 6,
і для кожного кроку знаходимо умовне оптимальне управління:
9. Здійснюємо безумовну оптимізацію управління у

«зворотному» напрямі — від початкового стану до кінцевого.
Для цього з урахуванням визначеного оптимального управління
на першому кроці змінюємо стан системи згідно з п. 5.
Далі для цього нового стану знаходимо оптимальне управління
на другому кроці і діємо так до останнього кроку.
6.4.3. Приклади розв’язування динамічних задач
Задача 6.23. Фірма планує нарощувати виробничі потужності

на чотирьох підприємствах, маючи для цього
4 млн грн. Для кожного з підприємств розроблено інвестиційні
проекти, які відбивають прогнозовані сумарні витрати С та доходи
D, пов’язані з реалізацією кожного проекту. Зміст цих проектів
ілюструє таблиця:
Підприємство
Проект 1 2 3 4
1 0 0 0 0 0 0 0 0
2 1 3 1 4 2 4 1 2
3 2 5 2 6 3 9 2 8
4 3 7 3 8 4 12 3 5
Перший проект передбачає відмовитися від розширення

підприємства, а тому має нульові витрати і доходи. Розробити
план інвестування виділених коштів у зазначені підприємства
так, щоб одержати максимальний прибуток.
204
Розв’язування. Спрощеним і найменш ефективним способом
розв’язування таких задач є перебір усіх можливих варіантів. Проте
на практиці їх так багато, що проаналізувати всі і вибрати серед
них найефективніший неможливо. Головними недоліками такого
способу розв’язування є великий обсяг обчислень, відсутність
апріорної інформації про неприпустимі розв’язки, а також
неможливість скористатися проміжними результатами аналізу
для відкидання неоптимальних комбінацій проектів.
Розв’яжемо цю задачу за алгоритмом (методом) зворотного
прогону. Кроками задачі вважатимемо кожне з чотирьох
підприємств, оскільки для кожного з них маємо вибрати
оптимальний інвестиційний проект за обмежених грошових
ресурсів.
Зауважимо, що в цьому разі нединамічний процес
розглядаємо як динамічний, аби скористатися методами
динамічного програмування для знаходження оптимального
розв’язку. Зв’язок між зазначеними кроками забезпечується
обмеженнями на загальний обсяг виділених коштів — 4 млн грн.
Змінні задачі візьмемо так, щоб послідовно керувати
процесом розподілу коштів:
— обсяг капіталовкладень, виділених на кроках 1—4;
— те саме на кроках 2—4;
— те саме на кроках 3 і 4;
— те саме на кроці 4.
— обсяги інвестицій на і-му підприємстві
.
— оптимальні обсяги інвестицій на і-му
підприємстві.
Рекурентне співвідношення для зворотного прогону від кроку 4-го до 1-го (від
четвертого підприємства до першого) подається у вигляді:
, ,
де — сумарна ефективність інвестицій з і-го кроку

до останнього.
Тут , оскільки п’ятого підприємства не існує.
Виконаємо поетапні розрахунки за цією моделлю.
205
Етап 4.
Результати розрахунків подамо таблицею:
Оптимальний
Дохід розв’язок
0 0 0 0 0
1 0 2 2 1
2 0 2 8 8 2
3 0 2 8 5 8 2
4 0 2 8 5 8 2
Етап 3.
за умов
,
Результати розрахунків відбиває таблиця:
0 0 0
1 2 0
2 8 0
206
3 9 3
4 12 2 або 4
Розрахунки виконуються так. Нехай потрібно знайти .

Обчислюємо
.
Отже,
,
,
.
Зауважимо, що , оскільки для третього
підприємства не існує проекту з інвестиціями в 1 млн грн.
Значення беремо з попередньої таблиці. Далі
маємо:
.
Етап 2.
за умов
, .
Результати розрахунків подаємо таблицею:
0 0 0 0
1 4 4 4 1
2 8 6 6 8 0
207
3 9 12 8 8 12 1
4 12 13 14 10 14 2
Етап 1.
за умов
, .
Виконуємо розрахунки лише для х1 = 4, подаючи їх у вигляді
таблиці:
4 15 1
Знайдемо оптимальний план. Із таблиці першого кроку

випливає, що , тобто для першого підприємства реалізується
другий проект, який використовує 1 млн грн. інвестицій з
ефективністю 3 млн грн. Отже, для другого, третього і четвертого
підприємств залишається 4 – 1 = 3 млн грн. інвестицій. Із таблиці
другого кроку
маємо, що за умов х2 = 3 максимальний ефект настає в разі
реалізації для другого підприємства першого проекту (k2 = 1),
ефективність становить 4 млн грн. Отже, х3 = 3 – 1 = 2, тобто для
третього і четвертого підприємств слід використати 2 млн грн.
інвестицій. Із таблиці третього кроку за умов х3 = 2 маємо, що
k3 = 0. Отже, х4 = 2, а йому відповідають капітальні вкладення
k4 = 2, ефективність яких 8 млн грн. Остаточно маємо: ефективність
4 млн грн. інвестицій становить 3 + 4 + 8 = 15 (млн грн.).
Задача 6.24.
Підприємство розробляє стратегію поповнення
запасів деякої продукції для заданого періоду часу,
який складається з N етапів (підперіодів). Для кожного з них
відомий розмір попиту, причому він не є однаковим для всіх етапів.
Щоб задовольнити попит, підприємство може придбати необхідну
кількість продукції, замовивши її у виробника, або виготовити її
208
самостійно. Передбачається, що запаси поповнюються миттєво,
запізнення поставки та дефіцит неприпустимі. Залежно від ринкової
кон’юнктури підприємству може бути вигідно створювати запаси
продукції для задоволення попиту в майбутні періоди часу, що
пов’язано, проте, з додатковими витратами на зберігання запасів.
Розробити програму управління запасами підприємства, тобто
визначити обсяги замовлення й період його розміщення, щоб
загальні витрати на постачання та зберігання продукції були
мінімальними, а попит задовольнявся повністю й своєчасно.
Дані задачі вміщено в таблиці:
Витрати
Період часу Попит на розміщення Витрати
(квартал року) на продукцію, замовлення, на зберігання,
тис. од. тис. грн. тис. грн.
1 4 7 2
2 5 8 3
3 3 6 1
4 2 9 0
Відомо, що на початку планового періоду запас становить

2 тис. од., а під час купівлі продукції діє система оптових знижок.
Витрати на придбання 1 тис. од. продукції становлять 15 тис. грн.,
а коли розмір замовлення перевищує 3 тис. од., витрати
знижуються на 12% і становлять 12 тис. грн.
Нехай — кількість етапів планового періоду. Тоді
для і-го етапу застосуємо такі позначення: хі — запас продукції
на початок етапу; yi — обсяг замовленої продукції (розмір
замовлення); hi — витрати на зберігання 1 тис. од. продукції запасу;
kі — витрати на розміщення замовлення; — попит на
продукцію; Ciyi — витрати, що пов’язані із купівлею
(виробництвом) продукції yi.
Визначимо f (xi, yi) як мінімальні витрати на етапах
, якщо рівень запасів хі.
Рекурентні залежності, що відповідають схемі зворотного
прогону, набирають вигляду:
за умов
, , .
209
Для N-го етапу маємо:
за умов
, .
Розглянемо покроковий розрахунок оптимальної стратегії управління запасами.
Етап 4. Маємо
за умов
.
Можливі варіанти розв’язків ілюструє таблиця:
розв’язок
0 39 2
1 24 1
2 0 0
210
Етап 3. Маємо
за умов
.
Результати розрахунків подамо у вигляді таблиці:
Доходи розв’язок
206
0 66 5
1 55 4
2 53 3
3 39 2
211
4 25 1
5 5 0
212
Розрахунки виконуємо так. Наприклад, обчислимо і
. Оскільки за умовою , то може набувати
значень 0, 1, 2, 3, 4, 5, а — відповідно значень 0, 1, 2, 3, 4, 5.
Тепер знайдемо і для і . Для
і маємо:
Аналогічно:
Далі обчислюємо:
Отже, при .
Так само виконуємо розрахунки для х = 1, 2, 3, 4, 5, а
результати вміщуємо у відповідну таблицю.
Етап 2. У таблицю записуємо лише остаточні результати:

Маємо 3 = 5.
за умов
Етап 1. Діємо так, як і на етапі 2, складаючи таблицю

результатів:
213
Оптимальні
розв’язки
134 135 145 143 141 133 133 10
125 126 136 134 132 124 124 9
125 117 127 125 123 115 115 8
113 117 118 116 114 106 106 7
101 105 118 107 105 97 97 6
81 93 106 107 96 88 81 0
208
73 94 95 96 79 73 0
74 83 74 79 74 0 або 2
63 72 67 63 0
52 55 52 0
35 35 0
Оптимальні
розв’язки
214
2 174 180 174 177 180 176 180 193 194 195 180 174 2 або 4
215
Маємо 1 = 4.
за умов
.
Отже, дістали два оптимальні плани управління запасами
підприємства, яким відповідають мінімальні сумарні витрати на
постачання та зберігання продукції.
Інформацію про перший оптимальний план містить таблиця:
Залишок Витрати на придбання

Розмір
Етап Запас Попит продукції продукції
замовлення на кінець етапу та її зберігання
Разом 174
Інформація про другий оптимальний план:

Залишок Витрати на придбання
Розмір
Етап Запас Попит продукції продукції
замовлення на кінець етапу та її зберігання
Разом 174
216
Порівнюючи ці два плани, бачимо, що відрізняються вони
першими двома етапами і дають можливість маневрувати
фінансовими ресурсами підприємства, що водночас вирішує ще
низку проблем.
в кількості 4, 2 і 3.
Задача 6.25. Фірма планує нарощувати виробничі потужності на трьох

підприємствах, виділяючи для цього 18 млн грн. За кожним із
підприємств розроблено інвестиційний проект із зазначенням прогнозованих
сумарних витрат С та доходів D, що пов’язані з його реалізацією. Розробити план
інвестування.
Інвестиційни 1 2 3
й проект
Інвестиції, Прибуток, Інвестиції, Прибуток, Інвестиції, Прибуток,
млн грн. млн грн. млн грн. млн грн. млн грн. млн грн.
1 0 0 0 0 0 0
2 2 6 6 12 7 9
3 4 8 7 14 8 10
4 5 11 9 18 10 14
Задача 6.26. Розв’язати задачу 6.25, якщо розмір інвестицій становить

20 млн грн., а перший інвестиційний проект (ситуація, коли
певному підприємству не виділяється коштів) є неприпустимим.
Задача 6.27. Розв’язати задачу 6.25, якщо модернізація має

проводитися ще на одному — четвертому
підприємстві фірми, для якого розроблено три інвестиційні
проекти:
Проект Інвестиції, млн грн. Прибуток, млн грн.
1 0 0
2 4 6
3 5 8
Врахувати, що інвестиційний портфель збільшиться на 2 млрд грн.
217
Знайти оптимальний розподіл 6 млрд грн. між трьома підприємствами галузі. Прибуток, який можна
одержати від капіталовкладень певного розміру в кожне з підприємств, відбиває
Задача 6.28. таблиця:
Розмір Прибуток по підприємствах, млн грн.

капіталовкладень,
млн грн. I II III
1 0,27 0,34 0,21
2 0,31 0,44 0,35
3 0,42 0,57 0,46
4 0,65 0,69 0,68
5 0,74 0,87 0,74
6 0,93 0,95 0,85
Розв’язати задачу оптимального розподілу капіталовкладень між чотирма

Задача 6.29. підприємствами, якщо загальний розмір інвестицій становить 12 млн грн. Вихідні
дані вміщено в таблиці:
1 2 3 4
Проект
Інвестиції,
Прибуток,
Прибуток,
Прибуток,
Прибуток,
млн грн.
млн грн.
млн грн.
млн грн.
млн грн.
млн грн.
млн грн.
млн грн.
1 1 5 2 4 3 8 2 5
2 3 6 3 7 4 11 3 6
3 4 8 4 9 5 12 6 9
Розв’язати чотириетапну задачу управління запасами за вихідними даними:

Задача 6.30.
Етап Попит, од. Витрати

на розміщення замовлення, грн.
1 70 100
2 58 115
3 64 98
4 85 86
Відомо, що витрати на зберігання одиниці продукції протягом

одного етапу сталі і становлять 2 грн., витрати на придбання
218
одиниці продукції — 3 грн. для всіх етапів. Вихідний запас на
початок досліджуваного періоду — 10 од.
Задача 6.31. Розв’язати задачу 6.30, якщо вихідний запас
дорівнює 40 од., а витрати на зберігання
змінюються поетапно і становлять відповідно 1; 1,5; 2; 5 грн.
Розв’язати п’ятиетапну детерміновану задачу управління запасами:
Задача 6.32.
Витрати на розміщення Витрати

Етап Попит, од. замовлення, грн. на зберігання, грн.
1 110 40 1
2 70 20 2
3 90 45 2
4 80 37 1
5 115 48 1
Функція витрат на розміщення замовлення визначає питомі витрати: 20 грн. для

перших 50 од. та 10 грн. за кожну додаткову одиницю (знижка на кількість).
Розв’язати на ЕОМ десятиетапну детерміновану задачу управління запасами,

Задача 6.33. вважаючи, що вихідний запас дорівнює 65 од.
Витрати
Витрати Витрати
Етап Попит на розміщення
на придбання, грн. на зберігання, грн. замовлення, грн.
1 140 7 1 100
2 160 8 3 100
3 130 9 2 120
4 50 10 1 110
5 80 4 2 180
6 90 3 2 200
7 110 6 3 160
8 170 5 1 150
9 190 9 2 200
10 75 11 4 300
219
6.5 ТЕОРІЯ ІГОР
6.5.1. Основні поняття теорії ігор

В умовах ринкової економіки дедалі частіше виникають
конфліктні ситуації, коли два або більше колективи
(індивідууми) мають протилежні цілі та інтереси, причому
результат дій кожної зі сторін залежить від дій супротивника.
На практиці будують моделі конфліктних ситуацій, які
називають іграми. Для розв’язування таких задач застосовують
математичний апарат теорії ігор.
Зауважимо, що учасники ігрової ситуації не завжди мають
протилежні цілі. Наприклад, дві фірми, які надають однакові
послуги, об’єднуються з метою спільного протистояння
більшому супернику. Часто однією зі сторін гри є природні
процеси чи явища, наприклад погодні, тобто маємо гру людини
та погоди. Погодою людина практично не керує, але вона має
пристосуватися до її постійних змін.
Характерною особливістю ігрової ситуації є взаємодія
протилежних (не завжди) інтересів двох чи більше «розумних»
суперників, кожний з яких намагається оптимізувати свої
рішення. Існує багато різних ігор, серед яких найпоширеніші
стратегічні. У таких іграх джерелом невизначеності є відсутність
інформації про його стратегію. Кожна протидіюча сторона
(гравці) мають можливість вибору одного (або кількох) варіантів
дій — стратегій. Стратегією гравця називають план, за яким він
здійснює вибір у будь-якій можливій ситуації, і володіючи будь-
якою фактично можливою інформацією.
Ігри будуються за певними правилами й відбуваються в
результаті певної кількості ходів. Ходом теорії ігор називають
вибір однієї з можливих, визначених правилами гри дій і
реалізацію цієї дії. Кожному ходові гравців відповідає певний
виграш (програш), який вони одержують (сплачують).
Завдання кожного гравця — знайти оптимальну стратегію, яка
за багаторазового повторення гри забезпечує йому максимально
можливий середній виграш.
Якщо у грі беруть участь два гравці, то така гра називається
парною (грою двох осіб). Часто у грі беруть участь багато сторін.
Найчастіше розглядається гра з двома гравцями, в яких виграші
однієї сторони дорівнюють програшу іншої, а сума виграшів обох
сторін дорівнює нулю, що в теорії ігор називають грою двох осіб з
нульовою сумою. Ці ситуації є типовими у практичній діяльності
220
менеджерів, маркетологів, спеціалістів рекламних служб, які
щоденно приймають рішення в умовах гострої конкуренції,
неповноти інформації тощо. Основною метою розв’язування задач
цього класу є розробка рекомендацій щодо вибору оптимальних
стратегій дії конфліктуючих сторін із застосуванням методичних
підходів теорії ігор.
Отже, маємо два гравці А і В (гра двох осіб з нульовою
сумою). Кожний гравець обирає одну з можливих стратегій:
гравець А — стратегії , гравець В — стратегії
.
Результати (плата) за всіма можливими варіантами гри
задаються, як правило, спеціальними функціями (що залежать від
стратегій гравців) у вигляді платіжної матриці.
Нехай (Аі; Вj) — виграш гравця А,
;
— виграш гравця В,
.
Оскільки гра з нульовою сумою, то .
Тоді в разі маємо
.
Отже, мета гравця А максимізувати , а гравця В —
її мінімізувати. Нехай , тобто маємо матрицю
рядки якої відповідають стратегіям Аі, а стовпці — стратегіям Вj.

Матриця А називається платіжною, а також матрицею гри.
Елемент цієї матриці aij — виграш гравця А, якщо він вибрав
стратегію Ai, а гравець В — стратегію Bj.
Із багатьох критеріїв, які пропонуються теорією гри для вибору раціональних
варіантів рішень, найпоширенішим (песимістичним) є критерій мінімаксу-максиміну.
Сутність його полягає ось у чому.
221
Нехай гравець А вибрав стратегію Аі. Тоді в найгіршому
випадку він отримає виграш, що дорівнює . Якщо навіть
гравець В знає його стратегію, гравець А має діяти так, щоб
максимізувати свій мінімальний виграш:
.
Таку стратегію гравця А називають максимінною, а розмір
його гарантованого виграшу — нижньою ціною гри.
Стратегія, яка забезпечує цей виграш, називається
максимінною і позначається .
Гравець В, який програє суми в розмірі елементів платіжної
матриці, навпаки, має обрати стратегію, що мінімізує його
максимально можливий програш за всіма варіантами дій гравця
А. Стратегію гравця В називають мінімаксною і позначають
. Розмір його програшу — верхня ціна гри:
.
Оптимальний розв’язок цієї задачі досягається тоді, коли
жодній стороні не вигідно змінювати обрану стратегію, оскільки
суперник може у відповідь обрати іншу стратегію, яка дасть йому
кращий результат. Якщо
,
тобто , то гра називається цілком визначеною. Цілком
визначені ігри називаються іграми із сідловою точкою. У цій
ситуації оптимальним для обох гравців є вибір чистих стратегій
— максимінної для гравця А і мінімаксної для В. Адже, якщо
один із гравців додержує оптимальної стратегії, то для іншого
відхилення від його оптимальної стратегії не може бути
вигідним. Якщо гра не має сідлової точки, тобто і
, то максимінно-мінімаксні стратегії не є
оптимальними: кожна зі сторін може поліпшити свій результат,
обираючи інший підхід. Оптимальний розв’язок такої гри
знаходять, застосовуючи змішані стратегії, які є певними
комбінаціями початкових чистих стратегій.
Імовірності (або частоти) вибору кожної стратегії задаються
відповідними векторами.
Для гравця А: ,
222
де ;
Для гравця В: ,
де .
Очевидно, що , ; , .
Розглянемо гру, в якій є сідлова точка.
Маємо гру гравців А і В, яка задана платіжною матрицею. Визначити ціну гри та
Задача 6.34. оптимальні стратегії дій гравців А і В. Оптимізацію гри починають, як правило,
визначенням домінуючих стратегій для кожної зі сторін, а також відкиданням
невигідних і дублюючих стратегій.
За умови існування такої матриці розв’язок задачі — сідлову
точку, ціну та оптимальні стратегії гри — можна знайти значно
ефективніше:
Гравець В
Гравець A
Розв’язування. Насамперед визначають домінуючу стратегію.

Перша стратегія гравця А домінує над третьою, оскільки всі
значення його виграшів за будь-яких дій суперника є не гіршими,
ніж у разі вибору третьої стратегії, тобто всі елементи першого
рядка платіжної матриці не менші за відповідні елементи її
третього рядка. Тому третя стратегія гірша за першу й може бути
вилучена з платіжної матриці.
Аналізуючи далі можливі дії гравця B, зауважимо, що його перша стратегія домінує
над четвертою, яку можна відкинути як більш збиткову, а тому невигідну для цього гравця.
Отже, маємо таку платіжну матрицю:
.
У разі вибору гравцем А першої стратегії, залежно від дій
гравця В він може отримати 6, 3, 8 або 9 одиниць. Але завжди його
виграш буде не меншим за , тобто незалежно
від поведінки гравця В. Якщо розглянути можливі наслідки
вибору гравцем А другої стратегії, то аналогічно його
223
гарантований виграш становитиме . Для
третьої стратегії відповідно маємо: .
Отже, нижня ціна гри: , а гравець А для
максимізації мінімального виграшу має обрати другу з трьох
можливих стратегій. Така стратегія є максимінною в цій грі.
Гравець В, який намагається мінімізувати свій програш,
обираючи першу стратегію, може програти 6,6 або 4 одиниці.
Але за будь-яких варіантів дій гравця А він може програти не
більш як . Для другої стратегії маємо
, для третьої — , для
четвертої — . Отже, верхня ціна гри
.
І гравцю В доцільно вибирати другу стратегію, яка є мінімаксною у грі.
Оскільки , ця гра має сідлову точку, ціна гри дорівнює
5. Оптимальною максимінною стратегією гравця А є друга з
трьох можливих стратегій його дій. Для гравця В оптимальною є
також друга з чотирьох можливих.
6.5.2. Зведення матричної гри
до задачі лінійного програмування
Якщо матрична гра не має сідлової точки, то знаходження її розв’язку, особливо за

великої кількості стратегій, — доволі складна задача, яку можна ефективно розв’язати
методами лінійного програмування.
Задача розглядається в такому формулюванні: знайти вектори
ймовірностей і
з метою визначення оптимального
значення ціни гри та оптимальних стратегій.
Зауважимо, що доведено основну теорему теорії ігор: кожна скінчена гра має
принаймні один розв’язок, який можливий в області змішаних стратегій.
Отже, нехай маємо скінченну матричну гру з платіжною

матрицею
Оскільки оптимальні стратегії гравців А і В дозволяють отримати виграш
224
,
то використання оптимальної змішаної стратегії гравцем А має забезпечувати виграш не менший за ціну гри в
разі вибору гравцем В будь-яких стратегій. Математично ця умова записується так:
. (6.23)
Відповідно використання оптимальної змішаної стратегії гравцем В має за будь-

яких стратегій гравця А забезпечувати програш В, що не перевищує ціни гри :
. (6.24)
Ці два співвідношення застосовують для знаходження розв’язку гри.

Отже, потрібно знайти , щоб
за умов
Зауважимо, що ціна гри невідома і має бути визначена під

час розв’язування задачі.
Модель ігрової задачі може бути спрощена.
З (6.23) маємо:
Поділивши всі обмеження на , дістанемо:
225
Нехай , тоді
Згідно з умовою , звідки .

Отже, цільова функція початкової задачі набирає такого вигляду:
.
У результаті задача лінійного програмування:
(6.25)
за умов
(6.26)
. (6.27)
Розв’язавши цю задачу симплексним методом, знайдемо
значення , а також і , тобто визначимо
змішану оптимальну стратегію для гравця А.
226
За аналогією запишемо задачу лінійного програмування для
визначення оптимальної стратегії гравця В. Нехай
.
Тоді маємо таку лінійну модель:
за умов
.
Очевидно, що задача лінійного програмування для гравця В є двоїстою до задачі
гравця А, а тому оптимальний розв’язок однієї з них визначає оптимальний розв’язок
спряженої.
Розглянемо приклад на застосування методів лінійного
програмування до знаходження оптимального розв’язку гри.
Задача 6.35. Агрофірма «Зоря» розробила шість бізнес-планів

(А1, А2, А3, А4, А5, А6) для реалізації в наступному
році. Залежно від зовнішніх умов (погодних умов, стану ринку
тощо) виокремлено п’ять ситуацій (В1, В2, В3, В4, В5). Для кожного
варіанту Аі бізнес-плану та зовнішньої ситуації
обчислено прибутки, наведені в такій таблиці:
Зовнішні ситуації
Варіант бізнес-плану В1 В2 В3 В4 В5
Прибутки тис. грн.
А1 1,0 1,5 2,0 2,7 3,2

А2 1,2 1,4 2,5 2,9 3,1
А3 1,3 1,6 2,4 2,8 2,1
А4 2,1 2,4 3,0 2,7 1,8
А5 2,4 2,9 3,4 1,9 1,5
227
А6 2,6 2,7 3,1 2,3 2,0
Потрібно вибрати варіант бізнес-плану або комбінацію з розроблених планів.

Розв’язування. Маємо гру, платіжною матрицею якої є
відповідні елементи наведеної таблиці. Легко переконатися, що
домінуючих стратегій у цій грі немає.
Далі визначаємо:
,
а також
.
Отже, , тобто сідлової точки немає, а це означає, що
потрібно скористатися моделлю (6.25)—(6.27):
за умов
.
Розв’язуємо цю задачу симплексним методом.
228
Задача 6.36. Розв’язати графічно.
1. 2.
3. 4.
5. 6.
7. 8.
9. 10.
11. 12.
13. 14.
229
15.
6.6. СТОХАСТИЧНЕ ПРОГРАМУВАННЯ
Економічні системи функціонують і розвиваються в умовах

невизначеності, які породжують ризикованість прийманих
рішень. Невизначеність може бути різного ступеня залежно від
того, яку інформацію маємо про досліджуваний процес чи явище.
Розрізняють шість інформаційних ситуацій. Скажімо, перша
інформаційна ситуація характеризується заданим розподілом
відповідних параметрів. У такому разі для прийняття рішень
застосовують методи стохастичного програмування, сутність
яких полягає у тому, що рішення залежать не тільки від
керованих змінних , а від ряду випадкових
некерованих параметрів . Наприклад,
плануючи діяльність сільськогосподарських підприємств, маємо
змогу встановлювати площі посівів сільськогосподарських
культур, рівні внесення добрив, поголів’я тварин (керовані
змінні), але результат такої діяльності значною мірою залежить
від погодних умов, податків, процентної ставки кредиту
(некеровані змінні).
Умовні екстремальні задачі, в яких
параметри умов або складові розв’язку —
випадкові величини, є предметом
стохастичного програмування. У
стохастичному програмуванні частіше, ніж в
інших розділах математичного
програмування, чималі труднощі постають
не лише під час розробки методів
розв’язування задач, а й під час їх
постановки. Адже в постановці кожної задачі
230
мають бути відбиті особливості прийняття
рішень в умовах невизначеності. Постановка
задачі стохастичного програмування істотно
залежить від її цільових засад та
інформаційної структури.
6.6.1 Постановка задач і методи розв’язування
Постановка задач стохастичного програмування має певну

специфіку. Насамперед слід ураховувати такі застереження:
1. Важливо, яким є вектор Х — детермінованим чи
випадковим. Якщо вектор Х є детермінованим, то він не залежить
від випадкових параметрів моделі. Якщо він випадковий, то
залежить від випадкових параметрів.
2. Істотним є те, як розуміти максимізацію (мінімізацію)
цільової функції — як абсолютну (для всіх значень ) чи як
максимізацію її математичного сподівання або деякої іншої
ймовірнісної характеристики цієї функції (моди, медіани) або
мінімізації середньоквадратичного відхилення. Тут — простір
подій . Наприклад, що краще: мати платню 500±200 чи
450±50. У першому випадку платня становить 300—700, у
другому — 400—500 грн.
3. Слід з’ясувати, як виконуються обмеження — абсолютно
для всіх чи в середньому або з допустимими
порушеннями, ймовірність яких мала.
У постановці задач стохастичного
програмування слід брати до уваги не лише
математичні закономірності, а й економічний
зміст та евристичні міркування.
Детермінованість чи стохастичність вектора Х визначається сут-
ністю економічних, технологічних процесів тощо. Наприклад,
площі посіву сільськогосподарських культур є детермінованими,
обсяги кредитів — стохастичними величинами, бо напевне не
відомо, чи вони будуть отримані.
У стохастичному програмуванні важливим є
вибір цільової функції, яка визначає
ефективність функціонування й розвитку
економічної системи. Цільовою функцією
можна взяти:
231
1) максимізацію математичного сподівання
відповідного економічного показника
(прибутку, рентабельності тощо);
2) мінімізацію дисперсії економічних показників;
3) лінійну комбінацію математичного сподівання та дисперсії
економічних показників;
4) імовірність перевищення (неперевищення) економічним показ-
ником певного фіксованого порогу;
5) максимізація математичного сподівання
функції корисності.
У стохастичному програмуванні підвищується важливість
багатокритеріальної оптимізації.
Обмеження у стохастичних економіко-
математичних моделях можуть задаватися
різними способами, а отже, відповідні
оптимальні плани матимуть різний рівень
гарантії їх виконання. При цьому потрібно
брати до уваги як внутрішню невизначеність
(технологічні процеси), так і невизначеність
зовнішнього середовища (постачання
сировини, попит на вироблену продукцію,
податки тощо).
Нехай задано обмеження в загальному вигляді
. (6.28)
Неможливо, а іноді й недоцільно вимагати, щоб знайдений
розв’язок задовольняв обмеження (6. 28) за будь-яких реалізацій
випадкових параметрів . З огляду на це можна накласти
дещо менш жорсткі обмеження, зокрема замість (6.28)
припустити невиконання умов з певною ймовірністю
(6.29)
або
. (6.30)
Обмеження (6.29) розуміємо так: імовірність того, що
не перевищує значення . Відповідно вираз (6.30)
гарантує, що з імовірністю виконуватиметься обмеження
(6.28). Наприклад, якщо , то обмеження (6.28) у 95
випадках зі 100 виконуватиметься і тільки в п’яти не
виконуватиметься.
232
Аналогічно модифікують й цільову функцію. Нехай
— функція, яка виражає ефективність плану при заданих х та .
Тоді задачу визначення оптимального детермінованого плану х
при випадкових параметрах можна сформулювати в таких
варіантах:
1) (6.31)
за умов
(6.32)
; (6.33)
2) (6.34)
за умов
(6.35)
. (6.36)
Отже, при постановці задачі варіанта 1 необхідно
максимізувати середню сподівану ефективність за умов, що
обмеження, наприклад за ресурсами, виконанням контрактів
тощо, виконаються з імовірністю . При постановці задачі
варіанта 2 додатково вимагається, щоб значення функції
ефективності наприклад прибутку, було не меншим за з
імовірністю , а значення було максимальним.
Зауважимо, що варіант 1 простіший у
обчислювальному аспекті.
Постановка задачі стохастичного програмування істотно
залежить від того, чи є можливість під час вибору (прийняття)
рішень уточнювати стан економічного середовища (природи) на
підставі певних спостережень. Для економічних систем
розробляють стратегічні і тактичні плани. У стратегічних планах
ураховують усі можливі значення , тобто стан зовнішнього та
внутрішнього середовища, а рішення приймають щодо траєкторії
розвитку системи. Проте в певний момент часу в результаті
спостереження стан економічного середовища стає відомим. Тоді
розробляють тактичний план, тобто знаходять рішення
(розв’язок) при заданому , розв’язуючи задачу:
max
за умов
233
,
.
У загальному випадку спостереження не
повністю визначають стан економічного
середовища, а тому етапи вибору рішень (роз-
в’язків) можуть чергуватися з етапами
спостережень за станом зовнішнього
середовища. Отже, відбуваються багатоетапні
процеси вибору рішень у такій послідовності:
рішення — спостереження — рішення — спостереження...
Послідовність рішень називають N-етапною, якщо в ній
слово «рішення» зустрічається N разів.
Отже, процес прийняття рішень розвитку та
функціонування економічної системи
складається з програмної (стратегічний план) і
адаптивної (тактичний план) частин.
Можливість плану адаптуватися до постійної
зміни умов його реалізації — необхідна умова
ефективного розвитку та функціонування
економічних систем.
Програмну (стратегічну) та адаптивну
(тактичну) частини плану поєднують згідно з
такими принципами:
1) план-програму обирають так, щоб максимізувати сподівану
корисність з урахуванням майбутньої адаптації до кожної ситуації;
2) план-адаптація має бути найефективнішим для кожної
реалізації економічної ситуації зі збереженням стратегії розвитку
системи;
3) план-програму (стратегію) можна коригувати з
урахуванням можливих майбутніх ситуацій зовнішнього і
внутрішнього середовищ.
234
Плани, здобуті згідно з моделями (6.31)—(6.33) або (6.34)—
(6.36), називають М-планами, тобто як критерій оптимальності
використовується максимізація математичного сподівання
. Проте часто доцільно розглядати дисперсію цієї
функції або моменти вищих порядків. Якщо критерій
оптимальності має вигляд , то здобуті плани
називають D-планами.
Іноді доцільно за критерій оптимальності
брати різницю
,
де К — відомий параметр.
Можливі й інші варіанти побудови критерію
оптимізації.
Методи розв’язування стохастичних задач поділяють на дві
групи — прямі та непрямі.
Прямі методи застосовуються для розв’язування задач
стохастичного програмування, коли існують способи побудови
функцій і , на базі інформації
щодо параметра . У непрямих методах стохастичну задачу
намагаються звести до задачі лінійного чи нелінійного
програмування, тобто розглядається детермінований аналог
задачі стохастичного програмування.
6.6.2. Приклади стохастичних

економічних задач
Задача 6.37. Нехай потрібно зробити запас з товарів у

кількості , на які є випадковий
попит . Нестача одиниці j-го товару карається
штрафом сj, тобто , а витрати на зберігання
одиниці відповідної продукції, яку не вдалося збути, задаються
вектором .
235
Розв’язування. Функція збитків, що відповідає розв’язку х,
має вигляд:
Тут — штраф за не задоволення попиту

щодо j-го виду продукції; — витрати на
зберігання j-ї продукції. Для знаходження оптимального
розв’язку цієї задачі необхідно знати функцію розподілу
випадкової величини . Коли така функція розподілу
невідома і знайти її неможливо, вважають, що випадкова
величина розподілена рівномірно. При цьому необхідно
пам’ятати, що саме таке припущення може призвести до
неправильного прийняття
рішення.
Будь-які особи можуть тримати своє багатство у вигляді грошей та облігацій.

Задача 6.38.
Гроші — це актив, що використовується як засіб обігу, не приносячи процентів.
Облігації — цінні папери, що дають певний процент. Логічно, здавалося б, що таким особам вигідно
повинні зберігати своє багатство у вигляді облігацій. Проте це не так, оскільки процент і ринкова вартість
облігацій наперед точно не відомі, тобто існує невизначеність.
Розв’язування. Нехай S — розмір активу, а x і y — розміри

активів, які зберігаються відповідно у формі грошей та облігацій.
Вважаємо, що через рік активи, вкладені в облігації,
змінюються. За решти однакових умов облігацію, яка
приносить більший процент прибутку на ринках цінних
паперів, можна збути за більшу суму, ніж облігацію з меншим
процентом. Позначимо та розміри активів, які
реалізуються через рік на одиницю активів, збережених
відповідно у формі грошей та вкладених в облігації. Значення
,а є випадковою величиною. Економіко-математична
модель найбільш пріоритетного розподілу активу на гроші та
облігації полягає в максимізації сподіваної корисності:
за умов
,
.
236
Звідси випливає, що коли , то активи потрібно
вкладати в облігації та навпаки. Отже, питання щодо розподілу
активу між грішми та облігаціями повністю вирішується на
користь одного з цих видів заощаджень. Якщо , то
однаково, який спосіб заощадження буде використано.
Задача 6.39. Відомо, що в комерційних банках

нараховується більший процент
на вкладені суми порівняно з ощадним, але
повернення внеску не гарантується. Перед
кожним вкладником постає дилема: мати
меншу, але гарантовану суму, або більшу,
проте з ризиком втрати внеску. З ризиком
невикористаних можливостей пов’язаний
внесок до ощадного банку.
Розв’язування. Нехай S — загальна сума грошових коштів
певного власника; x — обсяг внеску до ощадного банку, y — до
комерційного; a, b —процент нарахування відповідно в
ощадному та комерційному банку; (1 – p) — імовірність
ліквідації (банкрутства) комерційного банку. Джерелом
невизначеності є повернення вкладу з комерційного банку.
За певного розподілу S на x і y можливі такі дві ситуації щодо
отримання дивідендів:
— за умов успішного функціонування комерційного
банку;
— у противному разі.
Економіко-математична модель набирає
вигляду:
за умов
,
.
237
Задача 6.40. Оцінити доцільність страхування,
коли особа (клієнт) бажає
застрахувати певну частину свого активу і
сплачує для цього певний внесок страховій
компанії, а у разі втрати активу одержує від
неї страхову винагороду. Визначити частку
активу, яку доцільно застрахувати.
Розв’язування. Нехай S — актив (капітал, майно тощо),
власником якого є певна особа. Частку, що її бажано
застрахувати, позначимо х. Страховий внесок, який сплачується
страховій компанії, дорівнює rx, а в разі втрати активу клієнт
одержує винагороду qx. Коли відома ймовірність p
недоторканості активу клієнта, то економіко-математична модель
визначення частки страхового активу набирає вигляду:
,
.
Тут легко врахувати також обсяги дивідендів.

Така модель може бути корисною для
страхових компаній у разі визначення
доцільних розмірів страхових внесків та
страхових винагород, які зацікавили б клієнтів
і були вигідними самій компанії.
Задача 6.41. У буряко-цукровому комплексі мають S коштів,

які необхідно розподілити між розширенням
сировинної бази і збільшенням потужностей з її переробки.
Потрібно так спланувати розподіл коштів, щоб отримати
найбільшу кількість цукру. При цьому урожайність цукрових
буряків вважається випадковою величиною .
Розв’язування. Нехай q1 — питомі витрати коштів на

вирощування цукрового буряку на одному гектарі; q2 — питомі
приведенні витрати на створення одиниці потужності; d —
238
частка виходу цукру з одиниці сировини; х — планова площа під
цукровим буряком; y — планова потужність цукрового заводу.
Потрібно максимізувати приріст обсягу
виробництва цукру за обмежених коштів.
Економіко-математична модель набирає
вигляду:
за умов
,
.
Задача 6.42. Фермер має можливість купити три

види зерна, щоб готувати з них
різні суміші для відгодівлі свиней.
Дані про поживність зерна, його вартість і
мінімальні та максимальні потреби в
поживних речовинах відбиває таблиця:
Поживні речовини
№ Зерно Ціна,
п/п Кальцій, грн.
Кормових Перетравний Лізин,
одиниць, ц протеїн, кг кг кг
1 Ячмінь, ц 1,15 8,5 0,41 45 45

2 Кукурудза, ц 1,33 7,3 0,21 40 40
3 Горох, ц 1,18 19,2 1,42 0,2 50
4 Потреба в поживних речовинах, кг:
а) максимальна 106 890 45 12
б) мінімальна 95,4 801 41 9
239
Потреба в поживних речовинах розподілена
рівномірно.
Розробити економіко-математичну модель і знайти
оптимальний розв’язок, який забезпечував би мінімальні витрати
на закупівлю зерна і задовольняв мінімально допустимі потреби
в усіх поживних речовинах з імовірністю .
Розв’язування. Нехай х1, х2, х3 — кількість, кг, ячменю,

кукурудзи та гороху, які необхідно закупити.
Критерій оптимальності
за умов
,
,
де a, b, c, d — випадкові рівномірно розподілені величини.
Цю систему ймовірнісних обмежень запишемо
детермінованими еквівалентами:
,
,
,
,
де a1, b1, c1, d1 — значення випадкових величин, що
задовольняють відповідно умови:
і ;
і .
Визначимо параметри a1, b1, c1, d1. Із теорії ймовірностей
відомо, що
240
.
Отже, маємо , або ;
, .
Звідси знаходимо: ; і .
Запишемо детермінований варіант економіко-математичної
моделі купівлі фермером зерна, яке використовуватиметься для
відгодівлі свиней:
за умов
,
,
,
,
, , .
Розв’язавши цю задачу симплексним методом, дістанемо
; ; . Оптимальні витрати
становлять 3749 грн.
Фермер планує вирощувати озиму пшеницю, цукровий буряк, кормові культури і

Задача 6.43. виробляти молоко. Потрібно оптимізувати структуру виробництва, якщо під ці
види діяльності виділено 30 га ріллі. Середні техніко-економічні показники
вміщено в таблиці:
Урожайність, Витрати
№ Сфера діяльності кормів, Ціна, Собівартість,
п/п ц/га корм. од. грн. грн.
Землеробство:
вирощування
1 озимої пшениці, га 50 — 70 40
2 цукрових буряків, га 400 — 2 1,4
3 кормових культур, га 60 — — —
4 Тваринництво — 4000 48 100 —
241
вирощування корів,
голів
Розв’язування. Відомо, що результати діяльності

сільськогосподарських підприємств значною мірою залежать
від погодних умов, попиту і пропозиції щодо їхньої продукції і
т. ін.
Отже, сільськогосподарські підприємства функціонують і
розвиваються в умовах невизначеності. Функції розподілу
параметрів (урожайності сільськогосподарських культур,
собівартості і цін на продукцію тощо) невідомі. Однак з доволі
високою точністю можна визначити ці параметри для відповід-
них ситуацій. Виокремимо станів погоди.
Для кожного з них на підставі статистичної інформації або
експертними методами визначають відповідні техніко-
економічні показники.
Нехай 1 — стан погоди, коли врожайність
сільськогосподарських культур найнижча. Відповідно маємо: 2 —
урожайність, вища за низьку, але нижча від середньої; 3 — середня
врожайність; 4 — урожайність, вища від середньої, але нижча за
найвищу; 5 — найвища врожайність. Згідно з цими даними маємо
техніко-економічні показники, які наведено у поданій далі таблиці:
Позначимо х11, х12, х13, х14, х15 площу посіву, га, озимої пшениці
за станів погоди відповідно 1, 2, 3, 4, 5. Аналогічно:
х21, х22, х23, х24, х25 — те саме щодо цукрового буряка, га;
х31, х32, х33, х34, х35 — те саме щодо кормових культур, га;
х41, х42, х43, х44, х45 — поголів’я корів залежно від зазначених
станів погоди.
За критерій оптимальності візьмемо
максимізацію прибутку.
Запишемо економіко-математичну модель з урахуванням розглянутих
далі обмежень.
№ Сфера Погодні
п/п діяльності
242
Витрати кормів, корм. од.

Собівартість, грн.
Ціна, грн.
Ціна, грн.
Вирощування
1 озимої 30 — 80 50 35 — 75 45
пшениці, га
Виробництво
побічної продук-
2 ції з пшениці 6 — — 16 7 — — 15
на корм,
корм. од.
3 цукрового 200 — 5 4 250 — 4,75 3,75
буряка, га
Виробництво
побічної
4 продукції з 20 — — 14 22 — — 13
кормового
буряка, корм.
од.
5 кормових 50 — — 28 55 — — 26
культур, га
6 Вирощування 40 45 80 454 40 45 75 43
корів, голів
стани
4
Без вартості кормів.
243
8
40
60
24
40
300
45
—
—
—
—
—
70
—
—
—
70
4,5
Ціна, грн.
41
24
12
14
40
3,5
40
65
26
45
350
45
—
—
—
—
—
65
—
—
—
65
4,25
Ціна, грн.
244
39
22
11
13
35
,
3,25
40
70
28
10
50
400
45
—
—
—
—
—
60
—
—
—
60
Ціна, грн.
1. Щодо використання ріллі для кожного -го стану погоди:

3
37
20
10
12
30
,
,
2. За сівозмінами (площа під кормовими культурами має бути не

меншою, ніж під озимою пшеницею, а остання площа — не меншою, ніж
під цукровим буряком).
,
,
,
,
,
,
,
,
,
.
3. Щодо забезпечення корів кормами:
,
,
,
,
.
4. За інерційністю посівних площ і кількістю
корів. Ці показники мають бути стабільними
для всіх станів погоди:
,
,
,
.
5. Змінні економіко-математичної моделі
мають бути невід’ємними:
Запишемо критерій оптимальності. Прибуток обчислюється з

урахуванням імовірності певного стану погоди. Наприклад,
245
прибуток, отриманий від вирощування цукрового буряка в разі
ситуації 4, буде такий:
Аналогічно обчислюємо решту коефіцієнтів цільової функції.

Отримаємо:
.
Реалізувавши на ЕОМ цю економіко-
математичну модель структури (поєднання)
галузей, дістанемо стратегічний план. Залежно
від погодних умов буде знайдено результати
діяльності фермера. Після цього розробляється
економіко-математична модель для оптимізації
тактичного плану, тобто раціонального
використання отриманих кормів,
сільськогосподарської сировини тощо.
Тактичний план може й значно відрізнятися від
стратегічного, але стратегію змінювати не слід.
Стратегічний план, як уже зазначалося, можна
змінювати лише тоді, коли суттєво змінилися
зовнішні або внутрішні умови (поліпшилася
технологія виробництва, виникли нові
перспективні види діяльності, змінилися ціни на
ресурси чи продукцію тощо).
Отже, задача є багатоетапною. Перехід до дискретного
варіанта дає змогу дістати умовно оптимальний (раціональний)
план.
246
Задача 6.44. Для виготовлення виробів двох видів (j = 1,2)

можна використати обладнання двох груп (i = 1,2).
Витрати часу aij цими групами обладнання на виготовлення
продукції є випадковими величинами. Собівартість одного
виробу bij (і = 1,2; j = 1,2) — також випадкова величина. Нехай
щільність розподілу випадкових величин aij та bij відома; aij
розподілені за нормальним законом з математичним сподіванням
та середньоквадратичним відхиленням ij а bij розподілені
рівномірно в інтервалі (bij, ij).
Нехай N1 і N2 — плани випуску виробів першого та другого
виду (що обумовлюється контрактом): N1 = 100 шт., N2 = 200 шт.
Визначити оптимальний план роботи обладнання, за якого
мінімізуються сподівані сумарні виробничі витрати на випуск
виробів, якщо ризик (імовірність) перевищення фонду часу Т у
разі виконання контрактів становить не більш як 0,10, а ризик
невиконання контракту не перевищує 0,05.
Побудувати математичну модель задачі й розв’язати її для
даних, наведених у таблиці:
Питомі витрати часу, Питома собівартість

людино-год/шт. виробу, грн.
Фонд
Група часу і-го
обладн обладнан
ання і ня, год.
1 0,2 0,2 0,3 0,3 2 4 1 2 50

2 0,1 0,2 0,1 0,2 3 6 2 8 65
Фірма виробляє товар, попит на який наперед невідомий. Навіть за відомих цін і
Задача 6.45.
витрат на виробництво очевидний ризик або неодержання прибутку, якщо обсяг
виробництва менший від попиту, або невиправданих витрат у противному разі.
Нехай — випадковий попит на продукцію; С — ціна на
реалізовану продукцію; g — питомі витрати на її виробництво; x
— шуканий обсяг виробництва продукції.
Сформулювати модель балансування попиту
та пропозиції з урахуванням можливості
часткової адаптації виробництва до попиту.
247
Деталі (j = A, B, C) можна обробляти на трьох верстатах (i = 1,
2, 3). Припустимо, що норми витрат часу на
Задача 6.46. обробку j-ї деталі на і-му верстаті випадкові та
розподілені згідно з рівномірним законом у інтервалі ,
а ціна j-ї деталі Сj — також випадкова величина, що
розподілена за нормальним законом із середніми та
середньоквадратичними відхиленнями . Значення і ,
і наведено в таблицях:
Норма часу на обробку деталі Плата Ліміт часу
Верстат за 1 год, роботи
А В С роботи
і верстата,
верстата, год.
тис. грн.
1 0,2 0,4 0,1 0,2 0,05 0,1 30 40

2 0,6 1,0 0,1 0,3 0,1 0,4 10 50
3 0,2 0,5 0,2 0,4 0,2 0,0 20 60
Ціна деталі
Характеристика
А В С
10 16 12
5 10 8
Нехай будь-яка деталь може бути виготовлена

на будь-якому верстаті.
Визначити оптимальну виробничу програму, яка забезпечує
виконання таких умов:
1) максимум сподіваної вартості товарної
продукції за мінімального ризику;
2) максимум сподіваного сумарного прибутку за мінімального
ризику;
3) максимум сподіваного прибутку за умови,
що кожний верстат виготовляє лише одну
деталь, а планом передбачено виробництво
всіх трьох деталей;
248
4) максимум прибутку за умови, що ризик випустити не менш
як 120 шт. деталей А буде не більшим за 0,20;
5) ризик того, що деталей А буде випущено не менш як
100 шт., а деталей В не менш як 200 шт., буде не більшим за 0,25;
6) мінімум ризику стосовно того, що буде випущено не менш
як задану кількість комплектів, а саме 80, які містять 3 деталі
типу А, 2 деталі В та одну деталь С;
7) максимум прибутку, коли ризик того, що деталей А буде
випущено не менш як 90 шт., не більший за 0,10, а деталей В не
менш ніж 900 шт. — не більший за 0,85.
Задача 6.45.
Фірма має у своєму розпорядженні певні ресурси
сировини, робочої сили та обладнання, які
необхідні для виробництва виробів чотирьох видів. Нехай питомі
витрати ресурсів є випадковими величинами , що розподілені
рівномірно на інтервалі [aj, bj], а прибуток на одиницю виробу і
становить Ci одиниць. Потрібні дані наведено в таблицях:
Норма затрат ресурсів на вибір

Обсяг
Ресурси ресурсів
Сировина, кг 2—4 3—6 1—2 2—5 60

Робоча сила, 15—25 10—15 15—20 30—50 400
нормо-год
Обладнання,
верстато-год 6—12 10—18 6—10 12—20 128
Вид виробу 1 2 3 4
Прибуток, млн грн. 30 25 56 43
Визначити оптимальний асортимент випуску виробів, що

забезпечує:
1) максимум сподіваного прибутку, за якого
ризик реалізованості плану не більший від
0,20;
2) максимум сподіваного прибутку, за якого ризик
реалізованості плану не більший від 0,10;
249
3) максимум сподіваного прибутку, за якого ризик
реалізованості плану не більший від 0,05;
4) максимум гарантованого прибутку (ризик ).
Задача 6.46.Підприємство випускає два види продукції

(k = 1, 2), щоб у j-му (j = 1, 2) півріччі
задовольнити попит , котрий є випадковою величиною,
розподіленою за показниковим законом із середнім .
Продукти можна виготовляти на трьох машинах (i = 1, 2, 3) з
питомими витратами часу tik, котрі також є випадковими
рівномірно розподіленими величинами в інтервалах .
Відомі середні питомі витрати на зберігання одиниці
продукції Sk, питомі штрафи за дефіцит , а також сумарний
резерв часу Tij, що його має і-та машина в j-му півріччі. Потрібні
дані наведено в таблицях:
Середні витрати часу, год Резерв часу у півріччі j, год
Машина і
I II
1 1,0 3,0 0,5 1,5 70 90

2 1,5 2,0 2,0 4,0 100 60
3 2,0 6,0 1,0 3,0 120 100
Середній попит у j-му півріччі

Продукт k
I II
1 20 30 3 40
2 30 40 6 30
Визначити оптимальну виробничу програму,

що мінімізує суму очікуваних витрат на
зберігання та штрафи в разі дефіциту за
обидва півріччя:
1) при мінімальному ризику щодо повного задоволення попиту;
250
2) якщо ризик дефіциту не може перевищити 0,20;
3) якщо на складі можна зберігати не більш як 50 одиниць
продукції, а ризик дефіциту не може перевищити 0,10;
4) зберігати товар немає змоги, але необхідно мінімізувати
ризик незадоволеного попиту;
5) зберігати товар немає змоги, а попит слід задовольнити
гарантовано.
Процеси та явища економічних систем є по суті нелінійними,

динамічними, стохастичними. Вони функціонують і
розвиваються в умовах невизначеності. Тому для їх дослідження
доводиться застосовувати відповідні економіко-математичні
моделі та методи. Проте це не означає, що лінійні математичні
методи є неефективними в дослідженні процесів економічних
систем. Для реалізації на ПЕОМ лінійних економіко-
математичних моделей розроблено універсальний симплексний
метод. Теоретично за допомогою нього можна розв’язати задачу
будь-якої розмірності. Слід, проте, узяти до уваги, що у процесі
лінеаризації економічних процесів можуть бути допущені значні
похибки, а отже, здобуті розв’язки задач значною мірою можуть
відхилятися від оптимальних. Тому дослідник, застосовуючи
лінійні методи оптимізації, має постійно аналізувати отримувані
розв’язки, перевіряти, якою мірою виконуються припущення
лінійності процесів.
Що ж до нелінійних стохастичних задач, то для
них досі не існує універсальних методів
розв’язування. Для кожної конкретної
економіко-математичної моделі необхідно
знайти відповідний метод серед тих, що вже
розроблені, або розробляти новий. Розробка
нових методів для нелінійних, динамічних і
стохастичних задач є складною математичною
проблемою. А проте нелінійні, стохастичні,
динамічні економіко-математичні моделі
251
точніше описують реальні процеси та явища
економічних систем, ніж лінійні.
Не можна не згадати ще й про такі важливі факти. Для
нелінійних, динамічних, стохастичних моделей розроблено
теорію двоїстості, яку можна ефективно використати для аналізу
економічних процесів за умов, що вони розглядаються як
нелінійні, динамічні та стохастичні.
Зазначимо, що використання методів
стохастичного програмування передбачає
існування функцій розподілу відповідних
процесів і явищ. Проте реально знайти такі
функції дуже важко, часто неможливо. З
огляду на це економічні процеси та явища
досліджують як такі, що розвиваються в
умовах невизначеності, причому ступінь
невизначеності буває різним: у кожному
конкретному випадку про досліджувальний
процес існує якась інформація, хоча далеко
неповна. Тому вводять поняття
інформаційної ситуації, пов’язаної з
невизначеністю внутрішнього і зовнішнього
середовища економічних систем. Для кожної
інформаційної ситуації розроблені відповідні
математичні методи оптимізації.
Якщо аналітичного математичного методу знаходження
оптимального розв’язку розробленої економіко-математичної
моделі немає, її можна використати для імітації на ЕОМ.
Імітаційне моделювання є потужним засобом дослідження
поводження економічних систем.
Застосування нелінійних, динамічних,
стохастичних методів, теорії ігор, імітаційного
моделювання в дослідженні економічних
систем є досить трудомістким, але воно
252
цілком себе виправдовує. Тому рекомендуємо
читачам ґрунтовно вивчити зазначені питання
[5; 15; 26; 34; 35].
1. Яка задача математичного програмування називається

цілочисловою?
2. Приклади задач цілочислового програмування.
3. Методи розв’язування задач цілочислового програмування.
4. Зміст поняття «правильне відтинання».
5. Метод Гоморі.
6. Метод віток і меж.
7. Сформулюйте задачу дробово-лінійного програмування.
8. Метод розв’язування задач дробово-лінійного програмування.
9. Запишіть загальну задачу нелінійного програмування.
10. Труднощі розв’язування задач нелінійного програмування.
11. Функція Лагранжа.
12. Метод Лагранжа.
13. Яка функція називається опуклою (угнутою)?
14. Сформулюйте необхідні та достатні умови існування сідлової
точки для деякої диференційованої функції.
15. Сформулюйте задачу динамічного програмування.
16. Методи розв’язування задач динамічного програмування.
17. Наведіть приклади реальних динамічних задач.
18. Що називається конфліктною ситуацією?
19. Що таке гра?
20. Що таке хід гри?
21. Дайте визначення платіжної матриці.
22. Сформулюйте принцип «мінімаксу».
23. Дайте визначення максмінної та мінімаксної стратегії.
24. Яка гра називається скінченою, парною?
25. Які властивості мають оптимальні стратегії гравців?
26. Дайте визначення понять виграш, ціна гри, нижня і верхня ціни гри.
27. Сформулюйте основну теорему теорії ігор.
28. Зведення гри до задачі лінійного програмування.
29. Сутність задач стохастичного програмування..
30. Яка стохастична задача називається одноетапною?
31. Яка стохастична задача називається двохетапною?
32. Методи розв’язування стохастичних задач.
1. Цілочислові задачі математичного програмування.
253
2. Проблеми розв’язування нелінійних задач.
3. Опуклі (угнуті) функції.
4. Теорія двоїстості нелінійного програмування.
5. Необхідні та достатні умови розв’язування задач
математичного програмування.
6. Теорема Куна—Таккера.
7. Квадратичне програмування.
8. Опукле програмування.
9. Сепарабельні функції та їх лінеаризація.
10. Наближені методи розв’язування нелінійних задач.
11. Принцип Беллмана.
12. Динамічне програмування та найкоротші шляхи.
13. Скінченні антагоністичні ігри.
14. Нескінченні антагоністичні ігри.
15. Багатокрокові ігри.
16. Кооперативні ігри.
17. Метод проектування стохастичних квазіградієнтів.
18. Метод стохастичної апроксимації.
Антагоністичні ігри Мінімаксна стратегія

Верхня ціна гри Множники Лагранжа
Виграш Нелінійне програмування
Випадкова величина Нескінченна гра
Випадковий хід Нижня ціна гри
Гра Одноетапна задача
Гра двох осіб (парна гра) Оптимальна стратегія
Гра двох осіб з нульовою сумою Опукла (угнута) функція
Гравці Особистий хід
Двохетапна задача Партія гри
Динамічне програмування Платіжна матриця
Дисперсія Правила гри
Дробова частина числа Правильне відтинання
Дробово-лінійна задача Принцип оптимальності (принцип
Дробово-лінійне програмування Беллмана)
Екстремальне значення цільової Рекурентний алгоритм
функції Рекурентні співвідношення
Заміна змінних Сідлова точка
Змішана стратегія Скінченна гра
Імовірність Стан системи
Конфліктна ситуація Стохастичне програмування
Крок Стратегія
Кутовий коефіцієнт Ціла частина числа
254
Максмінна стратегія Цілочислова задача
Марковське програмування Цілочислове програмування
Математичне сподівання Ціна гри
Матричні ігри Частково цілочислова задача
Метод віток і меж Чиста стратегія
Метод Гоморі Щільність розподілу ймовірностей
Рекомендована література
1. Акулич И. Л. Математическое программирование в примерах и задачах. —

М.: Высш. шк., 1985.
2. Ашманов С. А. Линейное программирование. — М.: Наука, 1981.
3. Белман Р. Динамическое программирование. — М.: Изд-во
иностранной литературы, 1960.
4. Белман Р., Дрейфус С. Прикладные задачи динамического
программирования. — М.: Наука, 1965.
5. Вагнер Г. Основы исследования операций. — Т. 1—3. — М.:
Мир, 1972.
6. Вентцель Е. С. Элементы динамического программирования. —
М.: Наука, 1964.
7. Вентцель Е. С. Исследование операций. — М.: Советское
радио, 1972.
8. Вильямс Н. Н. Параметрическое программирование в экономике. —
М.: Статистика, 1976.
9. Гасс С. Линейное программирование (методы и приложения). —
М.: Физматгиз, 1961.
10. Гольштейн Е. Г., Юдин Д. Б. Новые направления в линейном
программировании. — М.: Советское радио, 1966.
11. Гольштейн Е. Г., Юдин Д. Б. Задачи линейного программирования
транспортного типа. — М.: Наука, 1969.
12. Гуревич Т. Ф., Лущук В. О. Сборник задач по математическому
программированию. — М.: Колос, 1977.
13. Данциг Дж. Линейное программирование, его обобщение и
приложения. — М.: Прогресс, 1966.
14. Жлуктенко В. І., Наконечний С. І. Теорія ймовірностей і
математична статистика: Навч. посібник. — К.: ІЗМН, 1997.
15. Зайченко Ю. П. Исследование операций. — К.: Вища шк., 1988.
255
16. Зайченко Ю. П. Исследование операций. Нечеткая оптимизация. —
К.: Вища шк., 1991.
17. Збірник задач з курсу «Математичне програмування» / Укл.
С. І. Наконечний, В. В. Вітлінський та ін. — К.: КНЕУ, 1998. — Ч. 2.
18. Зуховицкий С. И., Авдеева Л. И. Линейное и выпуклое
программирование. — М.: Наука, 1967.
19. Ермольев Ю. М., Ястремский А. И. Стохастические модели и
методы в экономическом планировании. — М.: Наука, 1979.
20. Еромольев Ю. М. Методы стохастического программирования. —
М.: Наука, 1976.
21. Калихман И. Л. Линейная алгебра и программирование. — М.:
Высш. шк., 1967.
22. Калихман И. Л. Сборник задач по математическому
программированию. — М.: Высш. шк., 1975.
23. Калихман И. Л., Войтенко М. А. Динамическое
программирование в примерах и задачах. — М.: Высш. шк., 1973.
24. Канторович Л. В. Математические методы организации и
планирования производства. — Л.: Изд-во ЛГУ, 1939.
25. Канторович Л. В., Горстко А. Б. Математическое оптимальное
программирование в экономике. — М.: Знание, 1968.
26. Кузнецов Ю. Н., Козубов В. И., Волощенко А. Б. Математическое
программирование. — М.: Высш. шк.,1976.
27. Кюнци Г. П., Крелле В. Нелинейное программирование. — М.:
Сов. радио, 1965.
28. Линейное и нелинейное программирование / Под ред. И. Н. Ля-
шенко. — К.: Высш. шк., 1975.
29. Михалевич В. С., Гупал А. М., Норкин В. И. Методы выпуклой
оптимизации. — М.: Наука, 1987.
30. Михалевич В. С., Ермольев Ю. М. Пакет прикладных программ
не дифференцируемой и стохастической оптимизации // Исслед.
операций и АСУ. — 1986. — Вып. 27. — С. 3—38.
31. Муртаф Б. Современное линейное программирование. Теория и
практика. — М.: Мир, 1984.
32. Наконечний С. І., Гвоздецька Л. В. Збірник задач з курсу
«Математичне програмування» 1: Навч. посібник. — К.: ІСОД, 1996.
33. Нейман Дж., Моргенштерн О. Теория игр и экономическое
поведение. — М.: Наука, 1970.
34. Романюк Т. П., Терещенко Т. О., Присенко Г. В., Городкова І. М.
Математичне програмування: Навч. посібник. — К.: ІЗМН, 1996.
35. Степанюк В. В. Методи математичного програмування. — К:
Вища шк., 1997.
36. Таха Х. Введение в исследование операций. — М.: Мир, 1985. —
Т. 1, 2.
37. Хедли Дж. Нелинейное и динамическое программирование. —
М.: Мир, 1967.
256
38. Юдин Д. Б., Гольштейн Е. Г. Линейное программирование,
теория, методы, приложение. — М.: Наука, 1969.
39. Ястремский А. И. Стохастические модели математической
экономики. — К., 1983.
40. Ястремский А. И. О соотношениях двойственности в условиях
оптимальности в линейных задачах стохастического программирования //
Кибернетика. — 1987. — № 1. — С. 102—107.
257

Вітлінський В В Математичне програмування Нав

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Вітлінський В В Математичне програмування Нав

Uploaded by

Copyright:

Available Formats

МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ

КИЇВСЬКИЙ НАЦІОНАЛЬНИЙ ЕКОНОМІЧНИЙ УНІВЕРСИТЕТ

Гриф надано Міністерством освіти і науки України

Вітлінський В.В., Наконечний С.І., Терещенко Т.О.

Розділ 5. ТРАНСПОРТНА ЗАДАЧА .................................................118

Розділ 6. ВИБРАНІ РОЗДІЛИ МАТЕМАТИЧНОГО

Рекомендована література 245

1.1. ПРЕДМЕТ КУРСУ «МАТЕМАТИЧНЕ ПРОГРАМУВАННЯ»

Важливим завданням сучасності є керування економічними

Будь-яка класифікація передбачає вибір критерію, згідно з яким вона

для всіх які належать відрізку

1.3. ПРОГРАМА ДИСЦИПЛІНИ

Тема 1. Предмет, особливості та сфери застосування

Предмет, об’єкт, завдання та методологічні засади курсу.

Тема 2. Загальна задача лінійного програмування

Економічна та математична постановка задач лінійного

Тема 3. Теорія двоїстості та двоїсті оцінки в аналізі

Основна та двоїста задачі як пара взаємоспряжених задач ЛП.

Тема 4. Аналіз лінійних моделей економічних задач

Аналіз розв’язків лінійних економіко-математичних моделей.

Тема 5. Транспортна задача (ТЗ).

Економічна і математична постановка транспортної задачі. Умови

Тема 6. Цілочислові задачі лінійного програмування.

Область застосування цілочислових задач ЛП у плануванні й

Тема 7. Задачі дробово-лінійного програмування.

Економічна сутність, постановка та моделі основних типів

Тема 8. Задачі нелінійного програмування,

Економічна сутність і постановка окремих типів задач

Тема 9. Задачі динамічного програмування

Економічна сутність, деякі основні типи задач та моделі динамічного

2.1. ЗАГАЛЬНА МАТЕМАТИЧНА МОДЕЛЬ

Загальна лінійна математична модель економічних процесів і явищ —

змінну хn + 2, тобто

Розв’язування. Помножимо другу нерівність на (–1) і введемо

Неважко переконатися, що допоміжні змінні, у цьому разі х4 і

Задачу ЛП (ЗЛП) зручно записувати за допомогою знака суми «».

Ще компактнішим є запис ЗЛП у векторно-матричному вигляді:

є матриця коефіцієнтів при змінних;

є вектори коефіцієнтів при змінних.

2.3. ГЕОМЕТРИЧНА ІНТЕРПРЕТАЦІЯ ЗЛП

Геометричну інтерпретацію ЗЛП розглянемо на такому прикладі. Нехай

1 Жива праця, людино-днів 5 25 270

Критерієм оптимальності є максимізація прибутку.

в п-вимірному просторі основних змінних можна геометрично

2.4. ОСНОВНІ АНАЛІТИЧНІ ВЛАСТИВОСТІ

Вектор Х = (х1, х2, …, хп), координати якого задовольняють сис-

2.5. ГРАФІЧНИЙ МЕТОД РОЗВ’ЯЗУВАННЯ ЗАДАЧ

2.5.1. Основи графічного методу

Для розв’язування двовимірних задач лінійного програмування, тобто задач з

Рис. 2.4 Рис. 2.5

Рис. 2.6 Рис. 2.7

2.5.2. Навчальні завдання.

Розглянемо застосування графічного методу для розв’язуван-

Задача 2.1. Фірма спеціалізується на виробництві офісних меблів,

Тривалість обробки полиці, хв, за моделями

Час роботи верстатів 1 та 2 становить відповідно 40 та 36 год на

Обмеження математичної моделі враховують час роботи

Розв’язавши цю систему рівнянь, дістанемо х1 = 50; х2 = 60.

Вміст поживних речовин, %

Готова кормова суміш має містити не менш як 20 % білка і не більш як

Z = 0,40х1 + 0,90х2  min; (2.22)

Розв’язування. Графічну інтерпретацію задачі подано на рис.

Задача 2.3. Фірма виготовляє два продукти А та В, що продаються