Marmara Üniversitesi

Fen-Edebiyat Fakültesi
İstatistik Bölümü
Yöneylem Araştırmasına Giriş
Doç .Dr. Atıf EVREN
(3)
Doğrusal Bağımlılık ve Bağımsızlık
m-boyutlu bir dizi 𝑃1 , 𝑃2 , … , 𝑃𝑛 vektörü en azından bazı 𝛼1 , 𝛼2 , … , 𝛼𝑛 sabitleri
sıfırdan farklı olmak üzere ∑𝑛𝑖=1 𝛼𝑖 𝑃𝑖 = 0 koşulunu sağlıyorsa doğrusal olarak
bağımlıdır. Aksi takdirde bağımsızdır.
Örnek: Beş boyutlu vektörler kümesi
{[1,2,0,0,0, ]𝑇 , [1,0,0,0,0, ]𝑇 , [0,0,1,1,0]𝑇 , [0,1,0,0,0]𝑇 } doğrusal olarak
bağımlıdır çünkü
1 1 0 0 0
2 0 0 1 0
−1 0 +1 0 +0 1 +2 0 = 0
0 0 1 0 0
[0 ] [0] [0 ] [0 ] [0 ]
Teorem 1: m-boyutlu vektörlerin m+1 ya da daha fazla sayıda doğrusal bileşeni
bağımlıdır.
m-boyutlu bir dizi 𝑃1 , 𝑃2 , … , 𝑃𝑛 vektörü bütün 𝛼1 , 𝛼2 , … , 𝛼𝑛 sabitleri
sıfır olmak üzere ∑𝑛𝑖=1 𝛼𝑖 𝑃𝑖 = 0 koşulunu sağlıyorsa doğrusal olarak
bağımsızdır.
Konveks Kombinasyonlar
m-boyutlu bir P vektörü , ∑𝑛𝑖=1 𝛽𝑖 = 1 koşulunu sağlayan 𝛽1 , 𝛽2 , … , 𝛽𝑛 negatif
olmayan sabitleri için 𝑃 = ∑𝑛𝑖=1 𝛽𝑖 𝑃𝑖 şeklinde ifade edilebiliyorsa,
𝑃1 , 𝑃2 , … , 𝑃𝑛 vektörlerinin konveks bir kombinasyonu olarak adlandırılır.
Örnek: İki boyutlu [5/3 5/6]𝑇 vektörü , [1 1]𝑇 , [3 0]𝑇 ve [1 2]𝑇
vektörlerinin konveks bir kombinasyonudur çünkü
5/3 1 1 1 3 1 1
[ ]= [ ]+ [ ]+ [ ]
5/6 2 1 3 0 6 2

m-boyutlu 𝑃1 𝑣𝑒 𝑃2 vektörleri verilsin. 𝑃1 𝑣𝑒 𝑃2 ‘nin bütün konveks

kombinasyonları kümesini, bu iki vektör arasındaki doğru parçası olarak
tanımlıyoruz. m=3 için bu terimin geometrik önemi açıktır.

Konveks Kümeler
m-boyutlu bir dizi vektör kümesi eğer bu kümeye ait iki vektörü birleştiren
doğru parçası da bu kümeye aitse, konveks küme olarak adlandırılır.
Örnek: Aşağıdaki şekilde gösterilen disk konvekstir. Çünkü bu küme içinde yer
alan herhangi iki vektör arasındaki doğru parçası da diskin içindedir.

Şekil 1: Konveks Küme

Örnek: Aşağıdaki şekilde gösterilen küme konveks değildir. Her ne kadar R ve
S gri renkle boyanmış kümeye ait olsalar bile, R ve S’i birbirine bağlayan
doğru parçası üzerindeki bütün noktalar (örneğin T) gri renkli bölge içinde yer
almazlar.

Şekil 2: Konveks olmayan küme

Bir P vektörü eğer konveks bir kümedeki iki diğer vektörün konveks bir
kombinasyonu olarak ifade edilemezse, başka bir deyişle bu vektör iki diğer
vektörü birleştiren doğru parçası üzerinde yer almazsa bir uç nokta (extreme
point) olarak adlandırılır.

Örnek: Şekil-1’de diskin çevresinde yer alan herhangi bir nokta diskin uç
noktasıdır.
Teorem 2: Kapalı, sınırlı ve sonlu sayıda uç noktaya sahip olan bir konveks
küme içinde yer alan herhangi bir nokta, bu uç noktaların konveks bir
kombinasyonu olarak ifade edilebilir.

Teorem 3: Eşanlı doğrusal denklem sistemlerinin çözüm kümesi sonlu sayıda

uç noktasına sahip olan konveks bir kümedir.
Uç Nokta Çözümleri

𝜁 , standart biçimde ifade edilmiş bir doğrusal programın bütün uygun

çözümleri kümesini göstersin. Başka bir deyişle, 𝜁, 𝐴𝑋 = 𝐵 𝑣𝑒 𝑋 ≥ 0
koşulunu sağlayan X vektörleri kümesi olsun. Teorem 3’den hareketle
(ve konveks kümelerin kesişimlerinin de konveks küme olması gerektiğinden
hareketle), 𝜁 sonlu sayıda uç noktasına sahip bir konveks küme olur.

Uyarı 1: Doğrusal programın amaç fonksiyonu (ister maksimizasyon isterse

minimizasyon problemi sözkonusu olsun) optimum değerine 𝜁’nin uç
noktalarından birinde ulaşır.

Uyarı 2: Eğer A matrisi m satır ve n sütundan oluşuyorsa

(𝑚 ≤ 𝑛 𝑜𝑙𝑚𝑎𝑘 ü𝑧𝑒𝑟𝑒) 𝜁’nın uç noktaları en azından n-m sıfır değerli
bileşene sahip olur.

Uygun Temel Çözümler

AX=B doğrusal denklem sisteminde m satır n sütundan oluşan A katsayılar

matrisini 𝑥1 𝐴1 + 𝑥2 𝐴2 + ⋯ + 𝑥𝑛 𝐴𝑛 = 𝐵 eşitliğini sağlayan 𝐴1 , 𝐴2 , … , 𝐴𝑛
vektörleri yardımı ile ifade edelim. Burada 𝐴1 , 𝐴2 , … , 𝐴𝑛 ve B vektörleri m
boyutlu sütün vektörleridir ve ayrıca 𝑚 ≤ 𝑛 ve rank A=m ‘dir. Başka bir
deyişle A-vektörlerinin en azından bir koleksiyonu (alt kümesi) doğrusal olarak
bağımsızdır.
Bu durumda bir temel uygun çözüm (basic feasible solution) x- değişkenlerinin
n-m tanesini sıfıra eşitleyerek ve geri kalanları için negatif olmayan çözümler
bulunarak gerçekleştirilir. Burada değerleri sıfırdan farklı olan 𝑥𝑖 değişkenlerine
karşılık gelen 𝐴𝑖 vektörlerinin doğrusal olarak bağımsız olması
gerekmektedir. Başlangıç değerleri sıfırdan farklı değişkenler temel
değişkenler (basic variables) olarak adlandırılır. Eğer bu temel değişkenlerden
en azından bir tanesi ya da fazlası sıfıra eşit olursa, bu durumda elde edilen
çözüm dejenere (degenerate) çözüm olarak adlandırılır. Eğer bütün temel
değişkenlerin aldığı değerler pozitif ise bulunan çözüm dejenere değildir
(nondegenerate).
Örnek:
𝑀𝑖𝑛 𝑍 =2𝑥1 + 3𝑥2 + 𝑥3 + 0𝑥4 + 𝑀𝑥5 + 0𝑥6
Kısıtlar:
𝑥1 + 2𝑥2 + 2𝑥3 − 𝑥4 + 𝑥5 … … = 3
2𝑥1 + 3𝑥2 + 4𝑥3 … … … … . . +𝑥6 = 6
∀ 𝑥𝑖 ≥ 0 (𝑖 = 1,2, … ,6) 𝑖ç𝑖𝑛

problemi verilmiş olsun. Bu problem için kısıtlarla ilgili denklemleri

1 2 2 −1 1 0 3
𝑥1 [ ] + 𝑥2 [ ] + 𝑥3 [ ] + 𝑥4 [ ] + 𝑥5 [ ] + 𝑥6 [ ] = [ ]
2 3 4 0 0 1 6
∥ ∥ ∥ ∥ ∥ ∥ ∥
𝐴1 𝐴2 𝐴3 𝐴4 𝐴5 𝐴6 𝐵
biçiminde de ifade edebiliriz.

i)Buna göre [1 0 1 0 0 0]𝑇 çözümünün temel uygun bir çözüm olup

olmadığını belirleyiniz.

Her ne kadar bütün x değerleri negatif değilse bile , önerilen çözüm temel bir
çözüm değildir. Sıfırdan farklı 𝑥1 ve 𝑥3 değişkenleri ile ilgili 𝐴1 ve 𝐴3
vektörleri doğrusal olarak bağımsız değildir.
ii) [1 0 0 0 2 4]𝑇 çözümünün temel uygun bir çözüm olup olmadığını
belirleyiniz.

Katsayılar matrisi A’nın 2 satırı, 6 sütunu vardır. Temel bir uygun çözüm için
6-2=4 tane değeri sıfır olan x değeri gerekmektedir. Yukarıdaki vektördeki
durum bu duruma uymamaktadır. Dolayısıyla temel uygun bir çözüm değildir.
iii)Az önceki doğrusal program için iki temel çözüm bulunuz.

n-m=6-2=4 olduğuna göre temel bir uygun çözüm dört x değişkenini sıfıra
eşitleyerek bulunur. 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 sıfıra eşitlenirse
1 0 3
𝑥5 [ ] + 𝑥6 [ ] = [ ] buradan da 𝑥5 = 3 ; 𝑥6 = 6 olarak bulunur. 𝐴5 ve 𝐴6
0 1 6
vektörleri doğrusal olarak bağımsız olduğuna göre [0 0 0 0 3 6 ]𝑇
çözümü temel bir çözümdür. Burada 𝑥5 𝑣𝑒 𝑥6 ‘nın değerleri sıfırdan farklı
olduğu için elde edilen çözüm dejenere olmayan bir çözümdür.
İkinci bir uygun çözüm bulmak için 𝑥3 , 𝑥4 , 𝑥5 , 𝑥6 sıfıra eşitlenecek olursa
1 2 3
𝑥1 [ ] + 𝑥2 [ ] = [ ]
2 3 6
Buradan da 𝑥1 = 3 ; 𝑥2 = 0 olarak bulunur. 𝐴1 ve 𝐴2
vektörleri doğrusal olarak bağımsız olduğuna göre [3 0 0 0 0 0 ]𝑇
çözümü temel bir çözümdür. Burada 𝑥2 ‘nin değeri sıfır olduğu için elde edilen
çözüm dejenere bir çözümdür.
 Simpleks Yöntem

Standart Doğrusal Programlama Modeli

𝑥1 , 𝑥2 , … , 𝑥𝑛 ve 𝑏1 , 𝑏2 , … , 𝑏𝑚 negatif olmamak üzere
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 ≤ 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 ≤ 𝑏2

……………………………………

𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 ≤ 𝑏𝑚

kısıtlarına göre
𝑧 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ 𝑐𝑗 𝑥𝑗 + ⋯ + 𝑐𝑛 𝑥𝑛
Amaç fonksiyonunu maksimum kılalım.
𝑐 = [𝑐1 𝑐2 𝑐3 … 𝑐𝑛 ]
𝑥1 𝑎11 … 𝑎1𝑛 𝑏1
𝑥2
𝑥=[ ] 𝐴=[ … … … ], 𝑏 = [ … ] olsun.
… 𝑎𝑚1 … 𝑎𝑚𝑛
𝑥𝑛 𝑏𝑚
Bu durumda standart (maksimizasyon) doğrusal programlama problemini
𝑀𝑎𝑘𝑠 𝑧 = 𝑐𝑥
𝐾𝚤𝑠𝚤𝑡𝑙𝑎𝑟: 𝐴𝑥 ≤ 𝑏
𝑥≥0
biçiminde ifade edebiliriz.
Örnek:
𝑀𝑎𝑘𝑠 𝑧 = 3𝑥1 + 𝑥2
Kısıtlar:
2𝑥1 + 𝑥2 ≤ 8
2𝑥1 + 3𝑥2 ≤ 12
𝑥1 ≥ 0; 𝑥2 ≥ 0
doğrusal programı verilsin.
Simpleks yönteminin uygulanabilmesi için m tane eşitsizliğin her birinin eşitlik
olarak ifade edilmesi gerekmektedir. Bunun için 2𝑥1 + 𝑥2 ≤ 8 eşitsizliğini ele
alalım. Bu eşitsizliğin eşitlik olarak ifade edilebilmesi denklemin sol
tarafına pozitif bir değer eklenmesi ile olasıdır. Bu değer 𝑠1 olsun. Bu durumda
bu eşitsizliği 2𝑥1 + 𝑥2 + 𝑠1 = 8 biçiminde eşitlik haline dönüştürmek
mümkündür. Genel olarak doğrusal programlama problemlerinde simpleks
yönteminin uygulanabilmesi için ( " ≤ " şeklindeki kısıtların " = "
biçiminde kısıtlara dönüştürülebilmesi için) eşitsizliğin sol tarafına eklenen
değişkenler dolgu değişkeni ya da aylak değişken (slack variable) olarak
adlandırılmaktadır. Benzer biçimde “2𝑥1 + 3𝑥2 ≤ 12” eşitsizliği de

"2𝑥1 + 3𝑥2 + 𝑠2 = 12"

eşitliğine dönüştürülür. Amaç fonksiyonundaki z değeri de eşitliğin sağ tarafına
atılacak olursa
−3𝑥1 − 𝑥2 + 𝑧 = 0
Bu durumda üç eşitlik
2𝑥1 + 𝑥2 + 𝑠1 = 8
2𝑥1 + 3𝑥2 + 𝑠2 = 12
−3𝑥1 − 𝑥2 + 𝑧 = 0

şeklinde elde edilir. Bu eşitlik sistemine yönelik simpleks başlangıç tablosu

aşağıdaki gibi elde edilir.

B 𝑥1 𝑥2 𝑠1 𝑠2 z R
𝑠1 2 1 1 0 0 8
𝑠2 [ 2 3 0 1 0 12]
𝑧 −3 −1 0 0 1 0
Şekil 1: Simpleks başlangıç tablosu
Bu durumdaki çözüm 𝑥1 = 0; 𝑥2 = 0; 𝑠1 = 8; 𝑠2 = 12; 𝑧 = 0 dır.
Burada B (baz, temel) sütununun altındaki 𝑠1 , 𝑠2 ve z anlık çözümdeki temel
değişkenleri ifade etmektedir. Başka bir deyişle birinci eşitlikteki temel
değişken 𝑠1 , ikinci satırdaki temel değişken 𝑠2 , üçüncü satırdaki temel değişken
ise z’dir. (Aslında en alt satır, bulunan çözümün optimum olup olmadığını
kontrol etmemize yarayan gösterge satırıdır. Bu konuya ayrıca
değinilecektir.) Yukarıdaki satırdaki etiketler ise her bir denklemde,
değişkenlerin katsayılarını takip edebilmek için konmuştur.
Yukarıdaki tabloya bakıldığında şu durumlara da dikkat çekmek gerekmektedir
Temel değişkenlerin ilk iki satırdaki katsayılarına bakalım:

Şekil 2: Temel değişkenler ile ilgili katsayılar matrisi

Yukarıdaki şekilden de kolaylıkla takip edilebileceği gibi temel değişkenlerle

ilgili satır ve sütunlardan oluşan katsayılar matrisi birim matrise eşit olmaktadır.
Bu durum simpleks yönteminin bir özelliğidir. Daha ileride değinileceği gibi bu
özellik optimumun aranması sürecinde iterasyonlar gerçekleştirilirken baz
vektörünün (temel değişkenler vektörünün) revizyonunda önemli bir rol
oynamaktadır. Başka bir ifade ile bir kez baz belirlendikten sonra yeni temel
değişkenlerle ilgili katsayılar matrisi elemanter satır işlemleri ile birim matris
haline getirilmektedir. İkinci olarak gösterge satırında temel değişkenlerin
katsayılarını inceleyelim.
Hatırlanacağı gibi başlangıç durumundaki çözüm
𝑥1 = 0; 𝑥2 = 0; 𝑠1 = 8; 𝑠2 = 12; 𝑧 = 0 şeklindeydi.

Şekil 3: Simpleks yönteminde herhangi bir iterasyonda temel değişken olan

değişkenlerin gösterge satırındaki (en alt satırdaki) katsayıları sıfırdır.

Açıktır ki bu başlangıç çözümüdür. Optimum çözüme ulaşmak için yeni temel

değişken olarak 𝑥1 𝑣𝑒 𝑥2 arasından hangisi seçilmelidir? Bu duruma amaç
fonksiyonunda bu değişkenlerin katsayılarına bakarak karar verebiliriz.
Sözgelimi bir sonraki iterasyonda temel değişken olarak 𝑥1 seçilecek olursa
bunun amaç fonksiyona katkısı 3 birim, 𝑥2 seçilecek olursa 1 birim olacaktır.
Dolayısıyla bir sonraki seçimde 𝑠1 𝑣𝑒 𝑠2 den biri temel değişken olmaktan
çıkarılmalı (sıfırlanmalı), bunların yerine 𝑥1 yeni temel değişken olarak
seçilmelidir.
Bu durum yukarıdaki simpleks tablosunun en alt satırından (z satırı ya da
gösterge satırı) takip edilebilir. Genel kural olarak bu satırda negatif değerler
varsa, bu tabloya karşılık gelen çözüm optimum değildir. Elemanter satır (ya da
sütun) işlemleri ile negatif değerlerin sıfırlanması gerekir. Yeni temel değişkenin
seçiminde ise gösterge satırındaki en negatif değerli değişken seçilir. Örnekten
yola çıkılacak olursa bie sonraki iterasyon için temel değişken olarak 𝑥1
seçilmelidir.
Şekil 4: Yeni temel değişkenin gösterge satırına bakarak seçilmesi

Simpleks yönteminde genel kural olarak her bir iterasyonda kısıt sayısı kadar
temel değişken (değeri sıfırdan farklı değişken) vardır. Kısıt sayısından daha az
sayıda temel değişken bulunması durumuna yozlaşma (dejenerasyon) denir. Her
bir iterasyon sonunda temel değişkenlerden biri temel değişken olmaktan
çıkarılır (ya da sıfırlanır). Buna paralel olarak da temel olmayan değişkenlerden
(değeri sıfır olan değişkenlerden) biri temel değişken haline getirilir.
Yukarıdaki örnekte 𝑥1 değişkeninin temel değişken olması gerektiği
belirtilmişti. Bu durumda da 𝑠1 ve 𝑠2 değişkenlerinden birinin sıfırlanması ya da
temel değişken olmaktan çıkarılması gerekmektedir. Peki buna nasıl karar
verilebilir? Bunun için az önceki eşitsizlikleri inceleyelim.

2𝑥1 + 𝑥2 ≤ 8 veya 2𝑥1 + 𝑥2 + 𝑠1 = 8 (i)

2𝑥1 + 3𝑥2 ≤ 12 veya 2𝑥1 + 3𝑥2 + 𝑠2 = 12 (ii)

Birinci denklemden hareketle 𝑥1 en fazla 4 olabilir. Bu seçenekten devam

edilecek olursa 𝑠1 temel değişken olmaktan çıkacaktır. (Ayrıca 𝑥2 = 0’dır.)
İkinci denklemde hareketle 𝑥1 en fazla 6 olabilir. İkinci denklemden hareket
edilecek olursa 𝑠2 temel değişken olmaktan çıkacaktır. Ama bu denklemden
hareketle 𝑥1 = 6 seçilecek olursa yukarıdaki birinci eşitsizlik ihlal edilmiş
olacaktır. Bu bakımdan 𝑥1 = 4 seçilir. Buna karşılık 𝑠1 = 0 olur. Başka bir
deyişle bir sonraki iterasyonda temel değişkenler 𝑥1 ve 𝑠2 olmaktadır.

Şekil 5: Simpleks yöntemi ile yeni temel değişkenin (𝒙𝟏 ) ve bu değişkene

karşılık temel değişken olmaktan çıkan değişkenin (𝒔𝟐 ) belirlenmesi.

Şekil 6: Elemanter satır işlemlerine karar verilmesi

Daha sonra pivot satırının pivot sütunu ile kesiştiği giriş “1”, pivot sütunundaki
girişler de “0” yapılacak şekilde elemanter satır işlemleri yapılır. Simpleks
tablosunun en alt satırında (gösterge satırında) bütün girişler “0” ya da pozitif
olacak şekilde iterasyonlara devam edilir. Herhangi bir iterasyonda gösterge
satırındaki bütün girişler “0” ya da pozitif ise bulunan çözüm optimum
çözümdür. İterasyonlar sona erdirilir. Yukarıdaki örnekten devam edilecek
olursa pivot satır ve pivot sütunun kesiştiği noktadaki elemanın “1” olabilmesi
için bu satırdaki bütün elemanlar 2’ye bölünür. Başka bir ifade ile
Yeni birinci satır=Eski birinci satır/2
1
𝑅1𝑦𝑒𝑛𝑖 ⟶ 𝑅1𝑒𝑠𝑘𝑖
2

B 𝑥1 𝑥2 𝑠1 𝑠2 z R
𝑠1 1 1/2 1/2 0 0 4
𝑠2 [ 2 3 0 1 0 12]
𝑧 −3 −1 0 0 1 0

Pivot sütundaki 2 değerini sıfırlamak için

Yeni ikinci satır=Eski ikinci satır-2*Yeni birinci satır
𝑅2𝑦𝑒𝑛𝑖 ⟶ 𝑅2𝑒𝑠𝑘𝑖 − 2 ∗ 𝑅1𝑦𝑒𝑛𝑖
B 𝑥1 𝑥2 𝑠1 𝑠2 z R
𝑠1 1 1/2 1/2 0 0 4
𝑠2 [ 0 2 −1 1 0 4]
𝑧 −3 −1 0 0 1 0
Pivot sütunundaki -3 değerini sıfırlamak için

Yeni üçüncü satır=Eski üçüncü satır+3*Yeni birinci satır

𝑅3𝑦𝑒𝑛𝑖 ⟶ 𝑅3𝑒𝑠𝑘𝑖 + 3 ∗ 𝑅1𝑦𝑒𝑛𝑖

B 𝑥1 𝑥2 𝑠1 𝑠2 z R
𝑥1 1 1/2 1/2 0 0 4
𝑠2 [ 0 2 −1 1 0 4]
𝑧 0 1/2 3/2 0 1 12
bulunur. Bu tablo optimumdur. Çünkü en alt satırda negatif değer kalmamıştır.
Bu çözümde değişkenlerin aldığı değerler
𝑥1 = 4; 𝑥2 = 0; 𝑠1 = 0; 𝑠2 = 4; 𝑧 = 12’ dir.
EXCEL SOLVER (ÇÖZÜCÜ) EKLENTİSİ İLE ÇÖZÜM
Aynı çözüme EXCEL SOLVER (ÇÖZÜCÜ) ile de ulaşmak mümkündür. Bunun
için aşağıdaki adımlar takip edilir.
1)Yeni bir EXCEL çalışma sayfası açılarak, A1,B1 hücrelerine “etiket olarak”,
x1, x2 yazılır. Hemen alttaki A2, B2 hücrelerine x1 ve x2 değişkenlerinin
başlangıç tahmin değerleri olarak 0 yazılır.

2) C1 hücresine amaç fonksiyonunun etiketi olarak “z” yazılır. C2 hücresine

𝑧 = 3𝑥1 + 𝑥2 fonksiyon değeri “ =3*A2+B2” olarak yazılır.
Not: C2 hücresine bu fonksiyon yazılırken tırnak içine almaya gerek yoktur.
Tırnak içine alırsanız C2 hücresinde =3*A2+B2; tırnak içine almazsanız 0
değerini görürsünüz.
3) “ 2𝑥1 + 𝑥2 ≤ 8 “ kısıtının tanıtılması için D1 hücresine etiket olarak “kısıt1”
yazılır. D2 hücresine formül olarak “=2*A2+B2” yazılır. Bu formül yazılır
yazılmaz, D2 hücresinde “0” değeri görünür.

4) Diğer fonksiyonel kısıt “ 2𝑥1 + 3𝑥2 ≤ 12 “nin tanıtılması de benzer bir

biçimde yapılır. E1 hücresine etiket olarak “kısıt 2” yazılır. E2 hücresine formül
olarak “=2*A2+3*B2” yazılır. Formül yazıldığında E2 hücresinde “0” değeri
görünür.

5) Daha sonra SOLVER (ÇÖZÜCÜ) eklentisinin çalıştırılabilmesi için “VERİ”

üst menüsü seçilir. Buradan da Çözücü eklentisi tıklanır.

6) Çözücü seçeneği tıklandığında aşağıdaki gibi bir pencere karşımıza çıkar:

7) Yukarıda “Hedef Ayarla” kısmına “C2”; “Hedef” kısmına “En Büyük”;
“Değişken Hücreleri Değiştirerek” kısmına “A2:B2” yazılır.

8) Birinci fonksiyonel kısıtın eklenmesi. Yukarıdaki menüden “Kısıtlamalara

Bağlıdır:” ifadesinin sağındaki butondan “Ekle” seçeneği seçilir. Karşılaşılan
ekran çıktısı aşağıdaki gibidir:
Burada birinci kısıtı tanıtmak için mesaj kutusu aşağıdaki gibi doldurulur:

Ekle butonuna basılır. İkinci kısıt için benzer şekilde karşımıza çıkan mesaj
kutucuğu

Ekle butonuna basılır. Daha sonra x1 ve x2 değişkenlerinin negatif olmama

koşullarını sağlamak için “A2>=0” ve “B2>=2” kısıtları aşağıdaki gibi eklenir:

Ekle tuşuna basılır . x2 ile ilgili negatif olmama koşulu da aşağıdaki gibi eklenir:
Daha sonra “Tamam” butonuna basılır ve aşağıdaki mesaj kutusu elde edilir:

“Çöz” komutu ile aşağıdaki çıktı elde edilir.

Burada dikkat edilecek olursa aynı çözüm elde edilmiştir. Karar değişkenlerinin
ve amaç fonksiyonunun optimum değerlerini aşağıdaki gibi EXCEL çıktısından
okumak mümkündür:
Ek Problem:
𝑀𝑎𝑘𝑠 𝑍 = 5𝑥1 + 3𝑥2 + 𝑥3
Kısıtlar:
𝑥1 + 3𝑥2 + 3𝑥3 ≤ 6
5𝑥1 + 3𝑥2 + 6𝑥3 ≤ 15
𝑥1 , 𝑥2 , 𝑥3 ≥ 0
problemini a)Simpleks yöntemi ile b)MS-EXCEL Çözücü eklentisi ile
çözünüz.