T.C.

Kütahya Dumlupınar Üniversitesi

Mühendislik Fakültesi
Endüstri Mühendisliği Bölümü
Yöneylem Araştırması II Dersi

1. Hafta:Yöneylem Araştırması II: Giriş

Prof.Dr.Özden Üstün

Kütahya-2022
Ders Kitabı ve Yardımcı Kitaplar
Ders Kitabı: Kara, İmdat,Yöneylem Araştırması: Doğrusal
Olmayan Modeller, Anadolu Üniversitesi Yayınları, Eskişehir, 1986.

Yardımcı Kaynaklar:
1) Ronald L. Rardin, Optimization in Operations Research,
Prentice Hall, Inc., Upper Saddle River, NJ. 1998.
2) Wayne L. Winston, Operations Research, Applications and
Algorithms, 4th Edition, Duxbury Press Thomson Learning, Inc.
2004.
3) Sipahioğlu, Aydın ve Saraç, Tuğba, Lingo 6.0 Kullanım Kılavuzu,
Eskişehir Osmangazi Üniversitesi, 2003.
4) Hamdy A. Taha,Yöneylem Araştırması, 3. basım, Ş. Alp Baray ve
Şakir Esnaf tarafından 6. basımdan Çeviri, Literatür Yayıncılık,
İstanbul, 2003.
5) Hamdy A. Taha, Operations Research : An Introduction, 8th ed,
Prentice Hall, Upper Saddle River, N.J., 2007.

Not: Ders notlarının ve yansıların oluşturulmasına olan

katkılarından dolayı bütün yazarlara teşekkür ederiz....
Dersi Veren Öğretim Üyesi
Prof.Dr.Özden ÜSTÜN
Kütahya Dumlupınar Üniversitesi,
Müh.Fak. Endüstri Müh.Böl.,
Yöneylem Araştırması Anabilim Dalı
Derece Alan Üniversite Yıl
Lisans Endüstri Mühendisliği Osmangazi Üniversitesi 1997
Y. Lisans Endüstri Mühendisliği Osmangazi Üniversitesi 2001
Doktora Endüstri Mühendisliği Eskişehir Osmangazi Üniversitesi 2007

Yüksek Lisans Tezi: Karesel atama Problemlerinin Çözümü İçin Subgradiyent Yöntemi, 2001,
Danışman: Prof.Dr.Refail GASİMOV

Doktara Tezi: Çok Ölçütlü Portföy Optimizasyon Problemleri ve Çözüm Yaklaşımları, 2007,
Danışman: Prof.Dr.Refail KASIMBEYLİ

Yardımcı Doçentlik Tarihi :2008

Doçentlik Tarihi :2012
Profesörlük Tarihi :2018

İletişim: Dahili Tel: 0 (274) 4434300

E-posta: ozden.ustun@dpu.edu.tr
Dersin İçeriği
Yöneylem Araştırması I (Devamı)

Yöneylem Araştırması II
Dersin Değerlendirmesi

Arasınav : %40 (Yüzyüze Klasik Sınav)

Yarıyıl Sonu Sınavı: %60 (Yüzyüze Klasik Sınav)

Ders notları ve videolar: https://endustri.dpu.edu.tr

Yöneylem Araştırması Yönetim Bilimi

“Yöneylem Araştırması (Yönetim Bilimi) genellikle kıt kaynakların tahsis

edilmesi gereken durumlarda en iyi şekilde bir sistemi tasarlamaya ve
işletmeye yönelik karar verme sürecine bilimsel bir yaklaşımdır.”

Belirli bir hedefi gerçekleştirmek için birlikte çalışan birbirine bağlı

bileşenlerin oluşturduğu düzen sistemdir.

Bir sorunun çözümü için YA kullanıldığı zaman aşağıdaki yedi adımlık

süreç takip edilmelidir.(Topçu, www.ilkertopcu.net)

Adım 1. Sorunun Formülasyonu

YA analisti (sorunu olan karar vericiye YA teknikleri ile yardımcı olan kişi)
ilk olarak sorunu tanımlar. Sorunun tanımlanması; amaçların ve sorunu
oluşturan sistemin bileşenlerinin belirlenmesi ile olur.
YA Yöntem Bilimi Adımları

Adım 2. Sistemin İncelenmesi

Daha sonra analist sorunu etkileyen parametrelerin değerlerini belirlemek
için veri toplar. Söz konusu değerler sorunu temsil edecek bir matematiksel
modelin geliştirilmesi (Adım 3) ve değerlendirilmesi (Adım 4) için kullanılır.

Adım 3. Sorunun Matematiksel Modelinin Kurulması

Analist tarafından sorunu ideal bir şekilde temsil edecek bir matematiksel
model geliştirilir. Bu derste modelleme için çeşitli yöntemler öğreneceğiz.

Adım 4. Modelin Doğrulanması

Üçüncü adımda kurulan modelin gerçeği iyi yansıtıp yansıtmadığı sınanır.
Şu anki durum için modelin ne kadar geçerli olduğu belirlenerek modelin
gerçeğe ne kadar uyduğu test edilir.

Adım 5. Uygun bir Seçeneğin Seçilmesi

Eldeki model üzerinde bir çözüm yöntemi kullanılarak amaçları en iyi
karşılayan bir seçenek (varsa) analist tarafından seçilir.
Bazen eldeki seçeneklerin kullanımı için sınırlandırmalar ve kısıtlamalar
olabilir. Bu yüzden amacı karşılayan seçenek bulunamayabilir. Bazı
durumlarda ise amaçları en iyi şekilde karşılayan birden fazla sayıda
seçenek bulunabilir.
YA Yöntem Bilimi Adımları
Adım 6. Sonuçların Karar Vericiye Sunumu
Bu adımda, analist modeli ve model çözümü sonucunda ortaya çıkan
önerileri karar verici ya da vericilere sunar. Seçenek sayısı birden fazla ise
karar verici(ler) gereksinimlerine göre birini seçerler.
Sonuçların sunumundan sonra, karar verici(ler) öneriyi onaylamayabilir.
Bunun nedeni uğraşılan sorunun doğru tanımlanmaması ya da modelin
kurulmasında karar vericinin yeterince sürece karışmaması olabilir. Bu
durumda analist ilk üç adıma yeniden dönmelidir.

Adım 7. Önerinin Uygulanması ve İzlenmesi

Eğer karar verici sunulan öneriden memnun kalırsa, analistin son görevi
karar vericinin öneriyi uygulamasına yardımcı olmaktır: Seçeneğin
kullanılarak sorunun çözümüne nezaret etmeli ve özellikle çevre koşulları
değiştikçe amaçları karşılamaya yönelik dinamik güncellemeler yaparak
uygulamayı izlemelidir.
Temel YA Kavramları

“YA, gerçek hayat sistemlerinin matematiksel modellerle temsil edilmesi ve

en iyi (optimum) çözümü bulmak için kurulan modellere sayısal yöntemler
(algoritmalar) uygulanmasıdır.” (Topçu, www.ilkertopcu.net)

Bir eniyileme (optimizasyon) modeli verilen kısıtları sağlayan karar

değişkenlerinin tüm değerleri arasında amaç fonksiyonunu eniyileyen
(enbüyükleyen veya enküçükleyen) değerleri bulmayı hedefler

Eniyi çözümü (alternatifi) bulmak için üç temel soruya cevap aranır:

1. Problem nedir?
2. Alternatifler nelerdir?
3. Eniyi alternatif hangisidir?
Temel YA Kavramları:

Karar modeli, kaynak kısıtları altında sistemin performas göstergesini

temsil eden amaç fonksiyonunun eniyilenmesi amacıyla geliştirilen
matematiksel modellerdir.

Karar Verici, sitemin karar değişkenlerine değer atama

yetki ve sorumluluğu olan kişi, grup veya birime karar verici denir.

Karar Değişkeni, karar vericinin kontrolü altında olan değişkenlerdir.

Parametre, karar vericinin kontrolünde olmayan değişkenlerdir.,

Amaç fonksiyonu, sistemin performas göstergesini temsil eden

fonksiyondur.

Kısıt, kıt kaynaklar ile kaynak gereksinimi arasındaki fonksiyonel

ilişkidir.
Yöneylem Araştırması Konuları:

1. Doğrusal Programlama Yöneylem Araştırması I

2. Doğrusal Olmayan Programlama
3. Tamsayılı Programlama Yöneylem Araştırması II
4. Dinamik Programlama
5. Karar Analizleri
6. Hedef Programlama
7. Çok Amaçlı Programlama
8. Çok Ölçütlü Karar Verme
9. Karar Destek Sistemleri
10. Metasezgisel Algoritmalar
11. Diğer
SERİM MODELLERİ

Serim modellerinde kullanılan semboller:

Düğüm
Yönsüz Ayrıt
Yönlü Ayrıt
Kuşak ve Yol’un en avantajlı koridoru Türkiye’den geçiyor

«Türkiye de Kuşak ve Yol projesinin güzergahı üzerindeki ülkelerden ve projenin

ortaklarından. Geçtiğimiz günlerde Çin’in Xi’an kentinden yola çıkan, Bakü-Tiflis-Kars
demiryolu üzerinden Türkiye’ye gelen, Marmaray’dan geçerek Avrupa’ya ulaşan tren bu
proje kapsamında yol aldı. Türkiye’nin de dahil olduğu “Ortak koridor” güzergahlar
içindeki en avantajlı koridor. Türkiye’nin Pekin Büyükelçisi Abdülkadir Emin Önen o
avantajı şöyle anlatıyor: “Orta koridor projesinin güzergahı diğer kuzey ve güney
koridoruna göre çok daha kısa. Deniz yoluna göre de çok daha kısa. Deniz yolunda
Çin’den çıkan bir ürün Avrupa’ya gidene kadar 40-45 gün geçiyor ama orta koridordan
giderse 15 gün geçiyor. Bu orta koridor mevsimsel olarak da ciddi bir avantaj da
sağlıyor. Çünkü orta kuşak iklimi daha yumuşak. Vagonlarda, konteynırlarda
iklimlendirmeye gerek kalmıyor bu da maliyet açısından önemli.” diyor. Türkiye sadece
Çin ile değil, güzergah boyunca olan ülkelerle altyapı ve üst yapı projeleri için
anlaşmalar yapmak için çalışıyor.»
Kaynak: Deniz Kilislioğlu, Uyuyan aslan uyandı: Çin, 'Yol ve Kuşak' projesi
ile daha da güçlü geliyor, www.ntv.com.tr
Türkiye Enerji zengini komşularının bu zenginliğini yine komşu hedef
pazarlara ulaştırma yolunda önemli adımlar atıyor. “Kazan-kazan”
temelinde yürütülen çalışmalarla; 2’si petrol, 8’i de doğalgaz olmak üzere
10 boru hattı Türkiye’den dünyaya enerji pompalıyor
1)

2)

3)
1) En Kısa Yol (Güzergah) Problemi

Örnek VII.1 (Kara, s.224)

1. Düğümden 7. Düğüme alternatif yollar ve mesafeleri:

1. Yol: 1→2→3→4 →5 →7 Toplam Mesafe1= 30+10+50+20+15=125

2. Yol: 1→2→7 Toplam Mesafe2= 30+110=140
3. Yol: 1→3→6→7 Toplam Mesafe3= 42+55+60=157
4. Yol: 1→3→4→6→7 Toplam Mesafe4= 42+50+12+60=164
Örnek VII.2 (Kara, s.225)
1) En Kısa Yol (Güzergah) Matematiksel Model:

Yukarıdaki en kısa yol probleminde başlangıç düğüm 1 ve hedef düğüm 7’dir.

Karar vericinin her düğümde bulunduğu düğümden geçebileceği düğümlerden
hangisine gitmesi gerektiğine karar vermesi gerekiyor.
Kararları sırasıyla 1→2→ 5→ 7 olursa Toplam Mesafe= 30+80+15=125 olur.

Parametreler: Karar Değişkenleri:

Örnek: Aşağıda verilen yedi düğümlü yönlü serimde 1. düğümden 7. düğüme
en kısa yolu bulmak için gerekli matematiksel modeli kurunuz ve eniyi çözümü
Lingo eniyileme paket programı ile bulunuz.

0-1 Tamsayılı Doğrusal Karar Modeli:

Parametreler:
dij: i.düğümden j. Düğüme olan mesafe
Karar Değişkenleri:
Xij= 1, eğer i. düğümden j. düğüme geçilecekse; 0, d.d.
Kısıtlar:
x12+x13=1 (1. düğümden bir çıkış olmalı kısıtı)
x12= x23+x25+x27 (2. düğüme giriş-çıkış kısıtı)
x13+x23=x34+x36 (3. düğüme giriş-çıkış kısıtı)
x34=x45+x46 (4. düğüme giriş-çıkış kısıtı)
x25+x45=x57 (5. düğüme giriş-çıkış kısıtı)
x36+x46=x67 (6. düğüme giriş-çıkış kısıtı)
x27+x57+x67=1 (7. düğüme bir giriş olmalı kısıtı)
xij:0-1 tamsayı, (i,j)
k.a.
Enk Xo=30x12+42x13+10x23+80x25+110x27+50x34+55x36+20x45
+12x46+15x57+60x67
Lingo Modeli ve Eniyi Çözüm:
Model: Global optimal solution found.
Objective value: 125.0000
x12+x13=1; Objective bound: 125.0000
x12= x23+x25+x27; Infeasibilities: 0.000000
x13+x23=x34+x36; Extended solver steps: 0
Total solver iterations: 0
x34=x45+x46;
x25+x45=x57;
x36+x46=x67; Variable Value Reduced Cost
X12 1.000000 30.00000
x27+x57+x67=1; X13 0.000000 42.00000
@bin(x12); @bin(x13); X23 1.000000 10.00000
@bin(x23);@bin(x25);@bin(x27); X25 0.000000 80.00000
X27 0.000000 110.0000
@bin(x34);@bin(x36); X34 1.000000 50.00000
@bin(x45);@bin(x46); X36 0.000000 55.00000
@bin(x57); X45 1.000000 20.00000
X46 0.000000 12.00000
@bin(x67); X57 1.000000 15.00000
Min=30*x12+42*x13+10*x23+80*x25+110*x27+50* X67 0.000000 60.00000
x34+55*x36+20*x45+12*x46+15*x57+60*x67;
End

Eniyi Çözüm: 1→2→ 3→ 4 → 5 → 7

Enkısa Toplam Mesafe =125
En Kısa Yol Probleminin Çözümü: Dijkstra Algoritması
 Yukarıdaki serim modelinde verilen 1. düğümden 7. düğüme en kısa yolu
Dijkstra Algoritması ile bulunuz.
No Geçerli Düğümler Erişilebilir Düğümler Saklanan Toplam
Kümesi Kümesi (Başlangıç Ayrıt Uzaklık
Düğüme Enkısa Mesafe)
1 {1} {2,3} 1→2 (30) → Enk 1→2 30
1→3 (42)
2 {1,2} {3,5,7} 1→3 (42) 2→3 40
2→3 (30+10=40) → Enk
2→5 (30+80=110)
2→7 (30+110=140)
No Geçerli Düğümler Erişilebilir Düğümler Saklanan Toplam
Kümesi Kümesi (Başlangıç Düğüme Ayrıt Uzaklık
Enkısa Mesafe)
3 {1,2,3} {4,5,6,7} 2→5 (110), 3→4 90
2→7 (140), 3→4 (90) → Enk,
3→6 (95)
4 {1,2,3,4} {5,6,7} 2→5 (110), 2→7 (140) 3→6 95
3→6 (95) → Enk , 4→5 (110),
4→6 (102)
5 {1,2,3,4,6} {5,7} 2→5 (110) → Enk, 2→5 110
2→7 (140), 4→5 (110) → Enk,
6→7 (155)
6 {1,2,3,4,5,6} {7} 2→7 (140), 5→7 (125) → 5→7 125
Enk, 6→7 (155)
Eniyi Çözüm: 1→2→ 5 → 7
Enkısa Toplam Mesafe =125
 Örnek:

Yukarıdaki serim modelinde verilen 1. düğümden 5. düğüme en küçük toplam

maliyetli yolu Dijkstra Algoritması ile bulunuz.
No Geçerli Düğümler Erişilebilir Düğümler Saklanan Toplam
Kümesi Kümesi (Başlangıç Düğüme Enkısa Mesafe) Ayrıt Uzaklık*(
10^5 TL)
1 {1} {2,3,4,5} 1→2 (27) → Enk, 1→3 (48), 1→4 1→2 27
(77), 1→5 (116)
2 {1,2} {3,4,5} 1→3 (48) → Enk,1→4 (77), 1→5 1→3 48
(116), 2→3 (27+27=54), 2→4 (27+48=75),
2→5 (77+27=104),
3 {1,2,3} {4,5} 1→4 (77), 1→5 (116), 2→4 2→4 75
(27+48=75)→ Enk, 2→5 (77+27=104), 3→4
(48+27=75), 3→5 (48+48=96)
4 {1,2,3,4} {5} 1→5 (116), 2→5 (77+27=104), 3→5 3→5 96
(48+48=96) → Enk, 4→5 (75+27=102),
Eniyi Çözüm: 1→3→ 5
Enküçük Toplam Maliyet = 96
2) En Küçük Yayılma Problemi

Toplam Mesafe = 8+6+2+5+7+7+3=38

En küçük yayılma probleminde her düğüme en az bir bağlantı olması ve

tüm düğümler arası bir geçişin olduğu bağlantıların olması gerekir. Amaç
toplam bağlantı uzunluğunu enküçüklemektir.
 En Küçük Yayılma Probleminin Çözümü İçin Özel Çözüm Yöntemi

Örnek VII.4 (Kara, s.232)

3) En Büyük Akış Problemi

Doğrusal Karar Modeli:

Parametreler:
dij: i.düğümden j. Düğüme akış kapasitesi
Karar Değişkenleri:
Xij: i. düğümden j. düğüme akış miktarı
3) En Büyük Akış Probleminin Çözümü
Örnek VII.5 (Kara, s.237)

1.Ardıştırma:
A1: 1→4 →5
A2: 1=Enk {9,5}=5
A3: d14=9-5=4 ve d45=5-5=0
A4: d41=2+5=7 ve d54=2+5=7

2.Ardıştırma:
A1: 1→2 →5
4
A2: 2=Enk {5,4}=4
7

A3: d12=5-4=1 ve d25=4-4=0 7 0

A4: d21=4+4=8 ve d52=3+4=7
 8 0
1
3.Ardıştırma: 7

A1: 1→4 →3 →5 4 7
A2: 3=Enk {4,3,3}=3
A3: d14=4-3=1, d43=3-3=0, d35=3-3=0, 7 0
A4: d41=7+3=10, d34=5+3=8, d53=2+3=5,

8 0
1
4.Ardıştırma: 7

A1: Son serimde 1’den 7’ye 1 8

0 5
7
net akışı pozitif olan bir rota 0
bulunamadığı için eniyi çözüme 10 0
erişilmiştir.

En Büyük Akış X0=1+2+3=5+4+3=12

Eniyi Çözüm: dij: i den j ye ilk serimdeki akış kapasitesi
dij’:i den j ye son serimdeki akış kapasitesi olmak üzere
Eniyi akış: Xij=dij-dij’, i formülü ile bulunur.
X12=d12-d12’=5-1=4; X14=d14-d14’=9-1=8; X43=d43-d43’=3-0=3
X23=d23-d23’=3-3=0; X25=d25-d25’=4-0=4; X35=d35-d35’=3-0=3
X45=d45-d45’=5-0=5
Eniyi Çözüm ve Enbüyük Akış:

4
4 0
12 12
3
3
8 5
 T.C. Kütahya Dumlupınar Üniversitesi
Mühendislik Fakültesi
Endüstri Mühendisliği Bölümü
Yöneylem Araştırması II Dersi

3. Hafta: Doğrusal Olmayan

Programlamaya Giriş
Prof.Dr.Özden Üstün

Kütahya-2022
Matematiksel Programlama Modellerinin Sınıflandırması
Doğrusal Olmayan Programlamada Temel Kavramlar

Yerel (local) ve Bütünsel (global) Eniyi (Optimum):

 Yerel Nokta
Değil

X1- X1+ X2- X2- X3- X3- X4- X4+ X5+ X5+
X5
Amaç fonksiyonu f(x)’in xR’de türevlenebilirliği
Dışbükey Bileşim:

X2 X3

X1

X5 X4

Geometrik Gösterim: Simpleks

X1

X2

Geometrik Gösterim: Doğru Parçası

Örnek:

Örnek: X1=(2,4) ve X2=(0,-1) noktalarının X2

dışbükey bileşimini yazınız ve geometrik
olarak gösteriniz.

[0,1] olmak üzere

X=X1+(1-)X2=(2,4)+(1-)(0,-1) X1
=[2, 4-1(1-)]=(2, 5-1)

X2 X1
Dışbükey Küme:

X1
X1 X2

X2
Ör: (Kara, s.60)
Ör: (Kara, s.60)
Dışbükey veya İçbükey Fonksiyonların Özellikleri

Özellik 1) Doğrusal fonksiyonlar, hem içbükey hem de dışbükey

fonksiyonlardır.

İspat:
Dışbükey veya İçbükey Fonksiyonların Özellikleri

Özellik 2) Dışbükey fonksiyonların toplamı da dışbükey; içbükey

fonksiyonların toplamı da içbükey fonksiyondur.

İspat:
Dışbükey veya İçbükey Fonksiyonların Özellikleri

Özellik 3) Dışbükey fonksiyonun, negatif sabit sayı ile çarpımı içbükey

fonksiyondur. İçbükey fonksiyonun negatif sabit sayı ile çarpımı
dışbükey fonksiyondur.

İspat: f(x), S kümesinde tanımlı bir dışbükey fonksiyon ise  [0,1] ve

x1,x2  S olmak üzere
f(x1)+(1-)f(x2) ≥ f(x1+(1-)x2) eşitsizliği sağlanır.

Eşitsizlik -1 ile çarpılırsa

-f(x1)-(1-)f(x2) ≤ -f(x1+(1-)x2) olur.

(-f(x1))+(1-)(-f(x2)) ≤ -f(x1+(1-)x2) ise –f(x), x  S’de içbükey
kümedir.
Dışbükey veya İçbükey Fonksiyonlar ile Yerel ve Bütünsel Eniyi
Noktalar arasındaki ilişkiler
İki kez türevlenebilir fonksiyonların yerel ve bütünsel eniyi
noktaları için Gerekli ve Yeterli Koşullar:

f(x) fonksiyonunun Xo noktası civarındaki Taylor Açılımı:

 f(x) fonksiyonunun Xo noktası civarındaki Taylor Açılımı Geometrik
Anlamı:

f(X)

(1/2)h’Hf(Xo+ h)h

f(Xo+h)
f(Xo)h
f(Xo)

Xo Xo+h
Yerel Enküçük için Gerekli veYeterli Koşullar:
Xo noktasının yerel enküçük nokta olabilmesi için h komşuluğundaki noktalardan
daha küçük fonksiyon değerine sahip olması gerekmektedir.

f(Xo)-f(Xo+h)≤ 0 olmalıdır.
f(Xo)-f(Xo+h)≤ 0 olması için şartları Taylor açılımından bulabiliriz.

f(Xo)-f(Xo+h)= f(Xo)h+ (1/2)h’Hf(Xo+ h)h ≤ 0 şartı sağlanabilmesi için

(I) f(Xo)h teriminin sıfırdan küçük veya eşit olması gerekir.

Burada h=X-Xo olduğuna göre h negatif veya pozitif değer alabilir.
Bu durumda ≤ 0 şartını garanti etmek için f(Xo) = 0 olmalıdır.

Yerel Enküçük için Gerekli Koşul:

f(Xo) = 0 olmalıdır.

Ancak bu şart f(Xo)-f(Xo+h)≤ 0 için yeterli değildir. Çünkü f(Xo) = 0 ise

Taylor açılımından

f(Xo)-f(Xo+h)= (1/2)h’Hf(Xo+ h)h ≤ 0 olmalıdır ki Xo yerel enküçük olabilsin.

Bu durumda (1/2)h’Hf(Xo+ h)h ≤ 0 olmalıdır.

Yerel Enküçük için Yeterli Koşul:

(1/2)h’Hf(Xo+ h)h ≤ 0 olmalıdır
Yerel Enbüyük için Gerekli veYeterli Koşullar:
f(Xo)-f(Xo+h) ≥ 0 olması için şartları Taylor açılımından bulabiliriz.

f(Xo)-f(Xo+h)= f(Xo)h+ (1/2)h’Hf(Xo+ h)h ≥ 0 şartı sağlanabilmesi için

(I) f(Xo)h teriminin sıfırdan büyük veya eşit olması gerekir.

Burada h=X-Xo olduğuna göre h negatif veya pozitif değer alabilir.
Bu durumda ≤ 0 şartını garanti etmek için f(Xo) = 0 olmalıdır.

Yerel Enbüyük için Gerekli Koşul:

f(Xo) = 0 olmalıdır.

Ancak bu şart f(Xo)-f(Xo+h) ≥ 0 için yeterli değildir. Çünkü f(Xo) = 0 ise

Taylor açılımından

f(Xo)-f(Xo+h)= (1/2)h’Hf(Xo+ h)h ≥ 0 olmalıdır ki Xo yerel enküçük olabilsin.

Bu durumda (1/2)h’Hf(Xo+ h)h ≥ 0 olmalıdır.

Yerel Enbüyük için Yeterli Koşul:

(1/2)h’Hf(Xo+ h)h ≥ 0 olmalıdır
 İki kez türevlenebilir kısıtsız eniyileme probleminin çözümü için Analitik
Yöntem:

Gerekli Koşul
Yeterli Koşul
Bütünsel Eniyi Kontrolü
Örnek: L metre uzunluğundaki bir PVC doğrama kesilerek pencerenin çerçeve-
sinin yapımında kullanılacaktır. Pencerenin altı dikdörtgen şeklinde ve üstü ise
çapı dikdörtgenin taban uzunluğuna eşit olan yarım çember şeklindedir.
Gün ışınından en fazla yararlanacak şekilde tasarlanmak istenen çerçevenin
içine takılacak camın alanının enbüyüklenmesi için çerçeve boyutlarının
belirlenmesi gerekmektedir. Gerekli Matematiksel kurunuz ve modelin eniyi
çözümünü araştırınız.
 T.C. Kütahya Dumlupınar Üniversitesi
Mühendislik Fakültesi
Endüstri Mühendisliği Bölümü
Yöneylem Araştırması II Dersi

6. Hafta: Kısıtlı Eniyileme

Problemleri ve Karush-Kuhn-Tucker
Eniyilik Koşulları
Prof.Dr.Özden Üstün

Kütahya-2022
Örnek: Tahmin denklemi parametrelerinin eniyilenmesi
Örnek: Tahmin denklemi parametrelerinin eniyilenmesi
Türevsiz Arama Yöntemi:
Altın Oran (Golden Section) Arama Yöntemi
Altın Oran (Golden Section) Arama Yöntemi
Altın Oran (Golden Section) Arama Yöntemi Uygulama Örneği
Türevli Arama Yöntemi:
Gradyent Arama (Gradient Search) Yöntemi
Gradyent Arama Yöntemi Uygulama Örneği
 Lingo ile ’nın eniyi değerinin bulunması:

Model:
Max=(30-0.088*Lamda)/(1+(2.718))^(0.1*(30-0.088*Lamda))-((2+6*Lamda)-5)^2;
End

Eniyi Çözüm:

Global optimal solution found.

Objective value: 0.5862261
Objective bound: 0.5862261
Infeasibilities: 0.000000
Extended solver steps: 2
Total solver iterations: 306

Variable Value Reduced Cost

LAMDA 0.5000702 0.6983947E-08

Row Slack or Surplus Dual Price

1 0.5862261 1.000000

Adım uzunluğu t+1 = 1 = 0.5000702 bulunur.

Kısıtlı Eniyileme Problemleri
İkil Model
Karush-Kuhn-Tucker (KKT) Eniyilik Koşulları
KKT Koşulları
Lagrange Çarpanlarının Ekonomik Anlamı
Örnek:
Örnek:
Örnek:
Örnek:
Örnek:
Örnek:
Örnek:
Örnek:
Örnek:
Örnek:
Örnek:
Örnek:
Uygulama:
Uygulama:
Örnek: KKT Noktalarının bulunması
Örnek:
Örnek:
 T.C. Kütahya Dumlupınar Üniversitesi
Mühendislik Fakültesi
Endüstri Mühendisliği Bölümü
Yöneylem Araştırması II Dersi

9. Hafta: Tamsayılı Programlama

Prof.Dr.Özden Üstün

Kütahya-2022
TAMSAYILI PROGRAMLAMA
TAMSAYILI PROGRAMLAMA
Tamsayılı Programlama Uygulama Alanları
Tamsayılı Programlamada 0-1 Tamsayı Değişken Kullanımı
Acil Servis Yerleşim Planlaması Örneği
Tamsayılı Programlamada 0-1 Tamsayı Değişken Kullanımı
Yazılım Satınalma Örneği
Tamsayılı Programlamada 0-1 Tamsayı Değişken Kullanımı
Tamsayılı Programlamada 0-1 Tamsayı Değişken Kullanımı
İki Boyutlu Kesme Problemi
İki Boyutlu Kesme Problemi
Halk Otobüsü Hatları Belirleme Örneği
Halk Otobüsü Hatları Belirleme Örneği
Modelde iki grup kısıttan birisinin sağlanması
Cıvata Üretim Örneği
Cıvata Üretim Örneği Modeli
Modelde m grup kısıttan k tanesinin sağlanması

m
m
Kamyonet ile taşıma örneği
Kamyonet ile taşıma örneği
Farklı Sağ Taraf Sabitlerinin Sağlanması ve Sabit Maliyet
Bileşenli Amaç Fonksiyonu
Depo Yer Seçim Örneği
Depo Yer Seçim Örneği
Parçalı Doğrusal Gösterim
Parçalı Doğrusal Gösterim Örneği
Parçalı Doğrusal Gösterim Örneği
Parçalı Doğrusal Gösterim Örneği
0-1 Tamsayılı Programlamada Doğrusallaşma Teknikleri
Tamsayılı Programlama Uygulamaları
Portföy Eniyileme Örneği
Portföy Eniyileme Örneği
Sırt Çantası Problemi
Indy Car Örneği
Sermaye Bütçeleme Modelleri
NASA Sermaye Bütçeleme Örneği
Genelleştirilmiş Atama Modelleri
Kanada Sahil Güvenlik Örneği
Kanada Sahil Güvenlik Örneği
Karesel Atama Modeli
Karesel Atama Modeli
Karesel Atama Modeli

XikXjl
Süpermarket Örneği
Süpermarket Örneği
Hat Dengeleme Problemleri
Hat Dengeleme Problemleri
Hat Dengeleme Problemleri
Hat Dengeleme Problemleri
Hat Dengeleme Problemleri
Gezgin Satıcı Problemi
Gezgin Satıcı Problemi
Gezgin Satıcı Problemi
Gezgin Satıcı Problemi
Gezgin Satıcı Problemi
Gezgin Satıcı Problemi
Tek Makine Çizelgeleme ve Sıralama Problemi
Tek Makine Çizelgeleme ve Sıralama Problemi
Tek Makine Çizelgeleme ve Sıralama Problemi
Tek Makine Çizelgeleme ve Sıralama Problemi
Tek Makine Çizelgeleme ve Sıralama Problemi
 T.C. Kütahya Dumlupınar Üniversitesi
Mühendislik Fakültesi
Endüstri Mühendisliği Bölümü
Yöneylem Araştırması II Dersi

11. Hafta: Tamsayılı Programlamada

Çözüm Yöntemleri
Prof.Dr.Özden Üstün

Kütahya-2022
Tamsayılı Programlamada Çözüm Yöntemleri
Tamsayılı Programlamada Çözüm Yöntemlerinin
Sınıflandırması
Kesin Çözüm Yöntemleri
Kesin Çözüm Yöntemleri
Kesin Çözüm Yöntemleri
Kesin Çözüm Yöntemleri
Kesin Çözüm Yöntemleri
Kesin Çözüm Yöntemleri
Kesin Çözüm Yöntemleri
Kesin Çözüm Yöntemleri
Kesin Çözüm Yöntemleri
Kesin Çözüm Yöntemleri
Kesin Çözüm Yöntemleri
Kesin Çözüm Yöntemleri
Kesin Çözüm Yöntemleri
Kesin Çözüm Yöntemleri
Kesin Çözüm Yöntemleri
Kesin Çözüm Yöntemleri
Kesin Çözüm Yöntemleri
Kesin Çözüm Yöntemleri
 T.C. Kütahya Dumlupınar Üniversitesi
Mühendislik Fakültesi
Endüstri Mühendisliği Bölümü
Yöneylem Araştırması II Dersi

13. Hafta: Dinamik Programlama

Prof.Dr.Özden Üstün

Kütahya-2022
 3. BÖLÜM

DİNAMİK PROGRAMLAMA
 3. BÖLÜM

DİNAMİK PROGRAMLAMA
Dinamik Programlamada Temel Kavramlar
Dinamik Programlamada Temel Kavramlar
Dinamik Programlamada Temel Kavramlar
Dinamik Programlamada Temel Kavramlar
Dinamik Programlamada Temel Kavramlar
Genel Gösterim
Genel Gösterim
Genel Gösterim
Çözüm Yaklaşımı
Geriye Doğru Eniyileme Adımları
Ör. Yatırım Problemi
Ör. Yükleme Problemi
Ör. Üretim-Stok Problemi
1. Kademe
2. Kademe
3. Kademe
4. Kademe
Ör. Üretim-Stok Problemi
1. Kademe
2. Kademe
3. Kademe
4. Kademe
T.C. Kütahya Dumlupınar Üniversitesi
Mühendislik Fakültesi
Endüstri Mühendisliği Bölümü
Yöneylem Araştırması II Dersi

14. Hafta: Risk ve Belirsizlik

Ortamlarında Karar Verme
Prof.Dr.Özden Üstün

Kütahya-2022
 4. BÖLÜM

Risk ve Belirsizlik Ortamlarında Karar Verme

 4. BÖLÜM

Risk ve Belirsizlik Ortamlarında Karar Verme