Formulace matematického modelu úloh LP – příklady k procvičení

(Příklady částečně převzaty z Rašovský, M. – Šišláková, H.: Ekonomicko-matematické metody; MZLU Brno 1999.)

V tomto materiálu je uvedena řada typických problémů, pro které lze formulovat lineární matematický model a následně
ho řešit metodami lineárního programování. Hlavním cílem této sbírky příkladů je zvládnout formulaci matematických
modelů níže uvedených problémů. (Později je možno tyto příklady využít i pro procvičení jejich řešení.)

1. Kapacitní problém
Příklad 1.1
a) Slovní model problému:
Zemědělec získal v restituci 300 ha orné půdy, na kterých chce pěstovat ozimou pšenici, ječmen a řepku.
Poptávka po ječmenu vyžaduje jeho minimální plochu 100 ha. Pro řepku je vhodných maximálně 20 ha.
Pro pěstování uvedených plodin může zemědělec nakoupit nejvýše 50 tun NPK hnojiva. Jaká struktura
osevních ploch uvažovaných plodin zajistí za daných podmínek maximální zisk?
Podkladové údaje pro sestavení modelu jsou v následující tabulce:
pšenice ječmen řepka
NPK (t· ha−1 ) 0,2 0,15 0,02
zisk(tis. Kč· ha−1 ) 1,0 1,50 3,00
b) Matematický model
x1 – hledaná výměra pšenice v ha
x2 – hledaná výměra ječmene v ha
x3 – hledaná výměra řepky v ha

zmax = 1x1 + 1, 5x2 + 3x3 [tis. Kč zisku]

x1 + x2 + x3 ≤ 300 [celkové množství orné půdy v ha]
0, 2x1 + 0, 15x2 + 0, 02x3 ≤ 50 [tun NPK]
x2 ≥ 100 [minimální výměra ječmene v ha]
x3 ≤ 20 [maximální výměra řepky v ha]
x1 , x2 , x3 ≥ 0
c) Optimální řešení:
x1 = 0; x2 = 280; x3 = 20; zmax = 480
Maximální zisk ve výši 480 tis. Kč zajišťuje pěstování ječmene na 280 ha a řepky na 20 ha orné půdy,
pšenice se nepěstuje.
Příklad 1.2
a) Slovní model problému:
30 ha orné půdy má být rozděleno mezi tržní plodiny A, B a krmnou plodinu C zajišťující výkrm zvířat
druhů I a II. Omezujícím faktorem v rostlinné výrobě jsou pracovní síly ve špičkovém měsíci červenci, kdy
je pro uvažované tři plodiny k dispozici 350 hodin. Úkolem je stanovit takový výrobní program, který by
zajišťoval maximální zisk.
Potřebné údaje jsou v následující tabulce:
plodina druh zvířat
A B C I II
potřeba práce v VII(hod· ha−1 ) 8 10 5
výroba krmiv(t· ha−1 · rok−1 ) 4
spotřeba krmiv(t· ks−1 · rok−1 ) 0,5 0,8
zisk (tis. Kč· ha−1 ; tis. Kč· ks−1 ) 3 4,5 0 0,5 0,7
b) Matematický model
x1 – hledaná výměra tržní plodiny A v ha
x2 – hledaná výměra tržní plodiny B v ha
x3 – hledaná výměra krmné plodiny C v ha
x4 – hledaný počet zvířat druhu I v ks
x5 – hledaný počet zvířat druhu II v ks
 zmax = 3x1 + 4, 5x2 + 0x3 + 0, 5x4 + 0, 7x5 [ tis. Kč zisku]
x1 + x2 + x3 ≤ 30 [max. výměra o.p. v ha]
8x1 + 10x2 + 5x3 ≤ 350 [max. spotřeba práce v VII v hod]
4x3 − 0, 5x4 − 0, 8x5 ≥ 0 [bilance výroby a spotřeby krmiv v t]
x1 ; x2 ; x3 ; x4 ; x5 ≥ 0
c) Optimální řešení:
x1 = 0; x2 = 30; x3 = 0; x4 = 0; x5 = 0; zmax = 135
Maximální zisk 135 tis. Kč za daných omezujících podmínek přináší pěstování tržní plodiny B na celé
výměře orné půdy. To znamená, že plodiny A a C nebudou pěstovány vůbec, rovněž zvířata druhu I a II
nebudou chována.
Příklad 1.3

a) Slovní model problému:

Podnik vyrábí pro automobily reflektory, mlhovky a zpětné reflektory, přičemž je omezen disponibilním
množstvím surovin a pracovními silami speciální profese. Spotřeba surovin (v kg) a časová náročnost (v
hod) na 1 kus jednotlivých výrobků je uvedena v následující tabulce:

reflektor mlhovka zpětný reflektor

potřeba práce v (hod· ks−1 ) 0,05 0,10 0,10
potřeba surovin(kg· ks−1 ) 0,04 0,02 0,03
Pro denní výrobu je k dispozici 200 hodin práce a 80 kg surovin.
Kolik jednotlivých výrobků má podnik denně vyrábět, aby počet kompletů pro jeden automobil (tj. 2
reflektory, 2 mlhovky a 1 zpětný reflektor) byl maximální?
b) Matematický model
x1 – hledaný počet reflektorů v ks
x2 – hledaný počet mlhovek v ks
x3 – hledaný počet zpětných reflektorů (a také kompletů) v ks

zmax = x3 [počet ks kompletů]

0, 05x1 + 0, 1x2 + 0, 1x3 ≤ 200 [potřeba práce v hod]
0, 04x1 + 0, 02x2 + 0, 03x3 ≤ 80 [kg suroviny]
x1 − x2 = 0 [poměr mezi počtem reflektorů a mlhovek]
x2 − 2x3 = 0 [poměr mezi počtem mlhovek a zpětných reflektorů]
x1 , x2 , x3 ≥ 0
c) Optimální řešení:
x1 = 1 000; x2 = 1 000; x3 = 500; zmax = 500
Maximální počet kompletů, které lze za daných podmínek vyrobit je 500 kusů, tzn. denní výrobu 1 000
kusů reflektorů, stejného počtu mlhovek a 500 ks zpětných reflektorů.

Příklad 1.4
a) Slovní model problému:
Podnik vyrábí výrobky V1 , V2 , V3 , V4 ze surovin S1 a S2 , které jsou k dispozici v množství 10,05 t a 8,04
t. Výrobek V1 slouží též jako polotovar pro výrobu výrobků V2 a V3 . Spotřeba surovin (v kg) a polotovaru
V1 (v ks) na 1 kus jednotlivých výrobků je uvedena v následující tabulce. V posledním řádku tabulky jsou
uvedeny tržby (v Kč· ks−1 ).
V1 V2 V3 V4
S1 (kg· ks−1 ) 2 15 26 12
S2 (kg· ks−1 ) 3 8 18 40
V1 (ks · ks−1 ) – 1 2 –
tržby (Kč· ks−1 ) 200 1 500 3 100 1 250
Stanovte takovou strukturu výroby, při které by prodejem výrobků získaných z daného množství surovin
bylo dosaženo maximálních tržeb.
b) Matematický model
x1 – hledaný počet výrobků V1 v ks
x2 – hledaný počet výrobků V2 v ks
 x3 – hledaný počet výrobků V3 v ks
x4 – hledaný počet výrobků V4 v ks
Na celkové hodnotě tržeb se podílejí pouze prodané výrobky, které jsou pro výrobek V1 dány výrazem
x1 − x2 − 2x3 .
Účelová funkce bude mít následující tvar:

zmax = 200(x1 − x2 − 2x3 ) + 1 500x2 + 3 100x3 + 1 250x4

které lze následně upravit do níže uvedené podoby.

zmax = 200x1 + 1300x2 + 2700x3 + 1250x4 [Kč tržeb]
2x1 + 15x2 + 26x3 + 12x4 ≤ 10 050 [množství suroviny S1 v kg]
3x1 + 8x2 + 18x3 + 40x4 ≤ 8 040 [množství suroviny S2 v kg]
−x1 + x2 + 2x3 ≤ 0 [vztah mezi počtem kusů V1 , V2 , V3 ]
x1 , x2 , x3 , x4 ≥ 0, celá
c) Optimální řešení:
x1 = 670; x2 = 0; x3 = 335; x4 = 0; zmax = 1 038 500
Maximální tržby ve výši 1 038 500 Kč bude dosaženo při výrobě 670 ks V1 a 335 ks V3 , výrobky V2 a V4
nebudou produkovány vůbec.
Příklad 1.5

a) Slovní model problému:

Investiční společnost má investovat 50 mil. Kč do cenných papírů. V úvahu pro tuto investici přichází 5
variant (akcie tří různých společností A1 , A2 , A3 a dva druhy obligací O1 , O2 ). Každá z těchto pěti variant
je charakterizována očekávanou mírou výnosu (v procentech za rok) a bezrozměrným koeficientem, který
udává míru rizika této investice (Čím vyšší koeficient, tím vyšší riziko). Charakteristiky daných pěti variant
jsou v následující tabulce:

A1 A2 A3 O1 O2
výnos (% p.a.) 25 18 20 14 12
míra rizika 9 5 7 3 1
Investiční strategie společnosti předpokládá, že
– do obligací bude investováno minimálně 50% celkově investované částky,
– celková míra rizika by neměla být vyšší než 5 (celková míra rizika se vypočte jako vážený aritmetický
průměr měr rizika jednotlivých variant – váhy jsou v tomto případě míry rizika jednotlivých variant),
– každý z cenných papírů bude nakoupen v minimálním objemu 5 mil. Kč.
Cílem modelu je najít takovou strukturu portfolia, která bude maximalizovat celkový očekvaný výnos a
přitom bude respektovat uvedenou investiční strategii.
Požadavek, že celková míra rizika by neměla přesáhnout hodnotu 5 zformulujeme takto:
9x1 + 5x2 + 7x3 + 3x4 + x5
≤5
x1 + x2 + x3 + x4 + x5
Do obvyklé podoby tuto omezující podmínku převedeme odstraněním zlomku a následným anulováním
vzniklého výrazu.
b) Matematický model
x1 – hledaná částka v mil. Kč investovaná do akcií A1
x2 – hledaná částka v mil. Kč investovaná do akcií A2
x3 – hledaná částka v mil. Kč investovaná do akcií A3
x4 – hledaná částka v mil. Kč investovaná do obligací O1
x5 – hledaná částka v mil. Kč investovaná do obligací O2

zmax = 0, 25x1 + 0, 18x2 + 0, 20x3 + 0, 14x4 + 0, 12x5 [výnos v mil. Kč]

x1 + x2 + x3 + x4 + x5 = 50 [celková invest. částka v mil. Kč]
x4 + x5 ≥ 25 [min. invest. do obligací v mil. Kč]
4x1 + 2x3 − 2x4 − 4x5 ≤ 0 [maximální míra rizika]
x1 , x2 , x3 , x4 , x5 ≥ 5
 c) Optimální řešení:
x1 = 15; x2 = 5; x3 = 5; x4 = 15; x5 = 10; zmax = 8,95
Maximální výnos ve výši 8,95 mil. Kč zajišťuje portfolio obsahující akcie A1 za 15 mil. Kč, akcie A2 za 5
mil. Kč, akcie A3 za 5 mil. Kč, obligace O1 nakoupené za 15 mil. Kč a O2 za 10 mil. Kč.
Příklad 1.6
a) Slovní model problému:
Reklamní agentura dostala zakázku na zpracování měsíční reklamní kampaně jistého produktu (penzijní
připojištění). Celkový objem prostředků uvolněných na tuto kampaň je 10 mil. Kč. Pro reklamu přichází do
úvahy 5 médií – televize, rozhlas, časopisy, noviny, venkovní poutače. Na základě pravidelných průzkumů,
které má agentura k dispozici, bylo odhadnuto, že 1 000 Kč vynaložených na reklamu v uvedených pěti
médiích povede k „osloveníÿ 750, 420, 300, 360 resp. 180 osob. Při plánování reklamy je třeba dodržovat
omezení určená zadavatelem zakázky:
– do televize a rozhlasu dohromady nelze umístit více než 50% celkového rozpočtu na reklamu,
– do každého z pěti médií je třeba umístit alespoň 10% celkového rozpočtu,
– do žádného z pěti médií nelze umístit více než 30% celkového rozpočtu,
– reklamu je třeba rozvrhnout tak, aby reklamou bylo „oslovenoÿ
∗ alespoň 2,5 mil. osob ve věku od 30 do 50 let,
∗ alespoň 0,8 mil. osob v příjmové skupině nad 10 000 Kč měsíčně,
∗ alespoň 1,5 mil. osob s minimálně středoškolským vzděláním.
Následující tabulka přináší informaci týkající se struktury diváků, posluchačů, čtenářů daných médií z
hlediska uvedených tří hledisek (uvedené koeficienty udávají vždy počet osob dané kategorie „zasaženýchÿ
reklamou na 1 000 Kč vynaložených prostředků):
druh média televize rozhlas časopisy noviny poutače
počet„oslovenýchÿ osob dané kategorie na 1 000 Kč
věk 30 až 50 let 320 280 140 240 120
příjem nad 10 000 Kč 120 90 60 60 50
středoškol. vzdělání 350 200 120 140 60
Cílem kampaně je oslovit za daných podmínek maximální počet lidí.
b) Matematický model
x1 – hledaný objem prostředků v mil. Kč vynaložených v televizi
x2 – hledaný objem prostředků v mil. Kč vynaložených v rozhlase
x3 – hledaný objem prostředků v mil. Kč vynaložených v časopisech
x4 – hledaný objem prostředků v mil. Kč vynaložených v novinách
x5 – hledaný objem prostředků v mil. Kč vynaložených na poutače

zmax = 750x1 + 420x2 + 300x3 + 360x4 + 180x5 [tis. „oslovenýchÿ osob]

x1 + x2 + x3 + x4 + x5 ≤ 10 [celková částka v mil. Kč]
x1 + x2 ≤ 5 [max. částka do TV a rozhlasu v mil. Kč]
320x1 + 280x2 + 140x3 + 240x4 + 120x5 ≥ 2 500 [tis. osob daného věku]
120x1 + 90x2 + 60x3 + 60x4 + 50x5 ≥ 800 [tis. osob s požadovaným příjmem]
350x1 + 200x2 + 120x3 + 140x4 + 60x5 ≥ 1 500 [tis. osob s požadovaným vzděláním]
x1 , x2 , x3 , x4 , x5 ≥ 1 [min. částka na reklamu v daném médiu]
x1 , x2 , x3 , x4 , x5 ≤ 3 [max. částka na reklamu v daném médiu]
c) Optimální řešení:
x1 = 3; x2 = 2; x3 = 1; x4 = 3; x5 = 1; zmax = 4 650
Za daných podmínek může být reklamou „oslovenoÿ maximálně 4 650 000 osob a to za předpokladu, že
na reklamu do jednotlivých médií budou věnovány následující částky: televize 3 mil. Kč, rozhlas 2 mil. Kč,
časopisy 1 mil. Kč, noviny 3 mil. Kč a poutače 1 mil. Kč.

2. Směšovací (výživový, nutriční) problém

Příklad 2.1
 a) Slovní model problému:
Denní jídelníček sestavený dle zásad racionální výživy je zapotřebí doplnit o 21 g tuků, nejvýše 57 g sacha-
ridů a alespoň 35 g bílkovin a 2 mg vitamínu C. Jaké množství sojových bobů a nízkoenergetického jogurtu
uspokojí tyto požadavky při minimálních výdajích? Podkladové údaje pro vyřešení tohoto problému vzta-
žené na 100 g uvažovaných potravin jsou uvedeny v tabulce:

bílkoviny tuky sacharidy vitamín C cena

(g) (g) (g) (mg) (Kč)
sojové boby 35 14 28 – 3
jogurt 5 2 7 0,4 4
b) Matematický model
x1 – hledané množství sojových bobů (ve 100 g)
x2 – hledané množství jogurtu (ve 100 g)

zmin = 3x1 + 4x2 [cena v Kč]

14x1 + 2x2 = 21 [minimum tuku v g]
28x1 + 7x2 ≤ 57 [max. požadavek na sacharidy v g]
35x1 + 5x2 ≥ 35 [min. požadavek na bílkoviny v g]
0, 4x2 ≥ 2 [min. požadavek na vitamín v mg]
x1 , x2 ≥ 0
c) Optimální řešení:
x1 = 0,786 (tj. 78,6 g); x2 = 5 (tj. 500g); zmin = 22,40 Kč
Nejlevnější doplnění jídelníčku za daných podmínek představuje 78,6 g sojových bobů a 500 g jogurtu, cena
tohoto doplňku je 22,40 Kč.

Příklad 2.2
a) Slovní model problému:
Dojnice o hmotnosti 600 kg a denní užitkovosti 10 kg mléka s tučností 4% potřebuje denně toto množství
živin:
sušina: 12,1 – 13,1 kg
SNL: 0,92 kg – 1,012 kg
ŠJ: 5,8 – 6.38
V letním krmném období jsou dojnice krmeny jetelotrávou, ovesnou senáží, slámou a krmnou směsí DOG.
Obsah živin v krmivech je uveden v tabulce (údaje u sušiny a SNL jsou v %, u ŠJ se údaj vztahuje ke 100
kg krmiva):

sušina SNL ŠJ cena (Kč· kg−1 )

jetelotráva 20 2,0 9 0,3
ovesná senáž 40 2,3 20 0,4
sláma 85 0,7 17 0,2
krmná směs DOG 85 11,8 52 2,8
Z uvedených krmiv sestavte takovou krmnou dávku, která by zajišťovala potřebné množství živin
A) při minimální ceně
B) při minimální spotřebě krmné směsi DOG
b) Matematický model
x1 – hledané množství jetelotrávy v kg
x2 – hledané množství ovesné senáže v kg
x3 – hledané množství slámy v kg
x4 – hledané množství krmné směsi DOG v kg
 A) zmin = 0, 3x1 + 0, 4x2 + 0, 2x3 + 2, 8x4 [cena dávky v Kč ]
B) zmin = x4 [množství směsi DOG v kg]

0, 2x1 + 0, 4x2 + 0, 85x3 + 0, 85x4 ≥ 12,1 [min. množství sušiny v kg]

0, 2x1 + 0, 4x2 + 0, 85x3 + 0, 85x4 ≤ 13,1 [max. množství sušiny v kg]
0, 02x1 + 0, 023x2 + 0, 007x3 + 0, 118x4 ≥ 0,92 [min. množství SNL v kg]
0, 02x1 + 0, 023x2 + 0, 007x3 + 0, 118x4 ≤ 1,012 [max. množství SNL v kg]
0, 09x1 + 0, 2x2 + 0, 17x3 + 0, 52x4 ≥ 5,8 [min. množství ŠJ]
0, 09x1 + 0, 2x2 + 0, 17x3 + 0, 52x4 ≤ 6,38 [max. množství ŠJ]
x1 , x2 , x3 , x4 ≥ 0
c) Optimální řešení:
x1 = 26,218 kg ; x2 = 17,202 kg; x3 = 0 kg, x4 = 0 kg, A) zmin = 14,8 Kč, B)zmin = 0 kg
Krmná dávka bude obsahovat přibližně 26 kg jetelotrávy a zhruba 17 kg ovesné senáže. Takováto krmná
dávka bude jednak nejlevnější 14,8 K · dvka−1 a zároveň bude splňovat i druhé kritérium tj. bude obsahovat
minimální množství směsi DOG.
Příklad 2.3
a) Slovní model problému:
Podnik vyrábí roztok s požadovanou kyselostí pH 4 míchním surovin S1 , S2 a S3 . Kyselost roztoku je
dána váženým aritmetickým průměrem kyselostí výchozích surovin. Celková cena použitých surovin nesmí
přesáhnout 20 tis. Kč.
Stanovte množství surovin S1 , S2 , S3 tak, aby za daných podmínek bylo vyrobeno maximální množství
roztoku. Podkladové údaje vztažené na 1 litr surovin jsou uvedeny v tabulce:
S1 S2 S3
kyselost (pH) 5 2 2
cena (Kč) 20 10 25

b) Matematický model
x1 – hledané množství suroviny S1 v litrech
x2 – hledané množství suroviny S2 v litrech
x3 – hledané množství suroviny S3 v litrech

zmax = x1 + x2 + x3 [množství roztoku v litrech]

20x1 + 10x2 + 25x3 ≤ 20 000 [max. cena v Kč]
x1 − 2x2 − 2x3 = 0 [požadovaná kyselost]
x1 , x2 , x3 ≥ 0
c) Optimální řešení:
x1 = 800 l ; x2 = 400 l; x3 = 0 l, zmax = 1 200 l
Za stanovených podmínek je možno vyrobit maximálně 1 200 l roztoku a to smícháním 800 l suroviny S1 a
400 l suroviny S2 .

3. Řezný (krájecí) problém

Příklad 3.1

a) Slovní model problému:

Malovýrobce vyrábí květinové stěny, které se skládají z různého počtu prkének různé délky. Délka prkének
a jejich potřeba na jednu stěnu je uvedena v následující tabulce:
délka prkénka (v cm) 25 60 120
počet prkének 6 4 2
Na příští den výrobce počítá s výrobou 10 stěn. Jak má řezat prkna délky 3m, která si objednal, aby získal
požadovaný počet potřebných prkének.
A) s minimálním odpadem
B) s minimálním počtem rozřezaných 3 m prken
C) při minimálním počtu řezů
 b) Matematický model 2x5minut
2x5minut
Prkna délky 3 m lze rozřezat na prkénka délky 25 cm, 60 cm a 120 cm různými způsoby, jak je zřejmé z
následující tabulky. (V tabulce jsou uvažovány jen takové možnosti rozřezání 3 m prken, při kterých vzniká
odpad do 10 cm.)
Uvažované způsoby řezání 3 m prkna
1 2 3 4 5 6 7 8 9
délka 25 cm – 2 – 2 7 – 2 7 12
délka 60 cm 1 – 3 2 – 5 4 2 –
délka 120 cm 2 2 1 1 1 – – – –
odpad (cm) 0 10 0 10 5 0 10 5 0
počet řezů 2 4 3 5 8 4 6 9 11 výpočet počtu řezů: když je
odpad 0, uberu jeden řez

xj - hledaný počet 3 m prken rozřezaný j-tým způsobem, j = 1, 2, . . . , 9.

A) zmin = 10x2 +10x4 +5x5 +10x7 +5x8 [odpad v cm]

B) zmin = x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 [počet ks 3m prken]
C) zmin =2x1 + 4x2 +3x3 + 5x4 +8x5 +4x6 + 6x7 +9x8 +11x9 [počet řezů]
2x2 + 2x4 +7x5 + 2x7 +7x8 +12x9 ≥60 [min. počet 25 cm prkének]
x1 +3x3 + 2x4 +5x6 + 4x7 +2x8 ≥40 [min. počet 60 cm prkének]
2x1 + 2x2 + x3 + x4 + x5 ≥20 [min. počet 120 cm prkének]
x1 , x2 , x3 , x4 , x5 , x6 , x7 , x8 , x9 ≥0, celá
c) Optimální řešení:
A) x3 = 20; x9 = 5; zmin = 0cm
Minimální odpad vznikne při rozřezání 20 ks 3 m prken 3. způsobem a 5 ks 3 m prken 9. způsobem, v tomto
případě nebude odpad žádný (odpad bude 0 cm).

B)x1 = 4; x3 = 12 a x9 = 5; zmin = 21 ks
Pro získání potřebného počtu kratších prkének je nutno rozřezat minimálně 21 ks 3 m prken z toho 4 ks 1.
způsobem, 12 ks 3. způsobem a 5 ks 9. způsobem.

C) x1 = 4; x3 = 12 a x9 = 5; zmin = 99 ks
Pro získání potřebného počtu kratších prkének je nutno provést minimálně 99 řezů přitom budou rozřezány
4 ks 3 m prken 1. způsobem, 12 ks 3 m prken 3. způsobem a 5 ks 3m prken 9. způsobem.

Příklad 3.2
a) Slovní model problému:
Podnik vyrábí z páskové oceli formy ve tvaru zakresleném na dále uvedeném obrázku a). Formy se získávají
svařováním polotovarů P1 , P2 , P3 a P4 znázorněných na obrázcích b) – e). Denní kapacita svářeček je 66 h
40 min, přičemž každý svár spojující dva polotovary trvá 5 minut. Denně lze spotřebovat maximálně 100
kusů polotovaru P1 a 200 ks polotovaru P4 . Určete četnosti jednotlivých technologických postupů tak, aby
počet vyrobených forem za den byl maximální.
a)
A b) 

A 
 e) 

A  1P 
A
A A
A
A A
A
c) A P2 A P4
A
A A
A
d)

A A A
A
A

A A A
P3

Varianty technologických postupů výroby formy:

– varianta V1 : 2P1 + 2P2

– varianta V2 : P1 + P2 + P4
– varianta V3 : 2P2 + P3
 2x5minut
– varianta V3 : 2P4
b) Matematický model

xj – hledaný počet použití j-té varianty, j = 1, 2, . . . , 4.

zmax = x1 + x2 + x3 + x4 [ks forem]

20x1 + 15x2 + 15x3 + 10x4 ≤ 4 000 [maximální denní kapacita svářeček v min.]
2x1 + x2 ≤ 100 [maximální počet polotovarů P1 v ks]
x2 + 2x4 ≤ 200 [maximální počet polotovarů P4 v ks]
x1 , x2 , x3 , x4 ≥ 0, celá
c) Optimální řešení:
x3 = 200 ks ; x4 = 100 ks; zmax = 300 ks
Za daných omezujících podmínek může podnik vyrobit maximálně 300 forem za den, z toho 200 kusů vyrobí
podle 3. a 100 kusů podle 4. varianty.
Příklad 3.3
a) Slovní model problému:
V zámečnické firmě je třeba nařezat 3 druhy kovových tyčí T1 , T2 , T3 , přičemž tyče T1 mají délku 110 cm,
tyče T2 90 cm a tyče T3 60cm. K dispozici jsou tyče standardní délky 240 cm. Přípustný je takový způsob
řezání standardních tyčí, při kterém nebude odpad přesahovat 40 cm. Je třeba nařezat 700 ks tyčí T1 , 400
tyčí T2 a 1500 tyčí T3 . Je třeba najít takový způsob řezání standardních tyčí, při kterém se na splnění
požadavků
A) použije co nejmenší počet tyčí standardní délky,
B) prořeže co nejméně materiálu (tj. bude minimalizován odpad),
C) použije co nejmenší počet řezů.
Uvažované varianty řezání standardních tyčí jsou v následující tabulce:

Tyče Délka Způsob řezání 240 cm tyče Počet

v cm 1 2 3 4 5 6 kus.
T1 110 2 1 1 – – – 700
T2 90 – 1 – 2 1 – 400
T3 60 – – 2 1 2 4 1500
odpad (cm) 20 40 10 0 30 0 ×
počet řezů 2 2 3 2 3 3 ×
b) Matematický model

xj – hledaný počet standardních tyčí rozřezaných j-tým způsobem. j = 1, 2, . . . , 6.

A) zmin = x1 + x2 + x3 + x4 + x5 + x6 [počet ks tyčí standard. délky]

B) zmin = 20x1 + 40x2 + 10x3 + 30x5 [počet cm odpadu]
C) zmin = 2x1 + 2x2 + 3x3 + 2x4 + 3x5 + 3x6 [počet řezů]
2x1 + x2 + x3 = 700 [potřeba tyčí T1 v ks]
x2 + 2x4 + x5 = 400 [potřeba tyčí T2 v ks]
2x3 + x4 + 2x5 + 4x6 = 1 500 [potřeba tyčí T3 v ks]
x1 , x2 , x3 , x4 , x5 , x6 ≥ 0, celá
c) Optimální řešení:
A) x1 = 25; x3 = 650; x4 = 200; zmin = 875
Na potřebný počet tyčí T1 − T3 je třeba rozřezat 875 ks tyčí standardní délky a to tak, že 25 ks tyčí způ-
sobem 1., 650 ks tyčí způsobem 3. a 200 ks tyčí způsobem 4.

B) x1 = 25; x3 = 650; x4 = 200; zmin = 7 000

Minimální odpad za daných podmínek je 7 000 cm, přičemž počty rozřezaných trubek standardní délky a
použité způsoby jejich řezání se shodují s řešením dle účelové funkce A.
 C) x1 = 350; x4 = 200; x6 = 325; zmin = 2 075
Minimální počet řezů nutný pro získání potřebného počtu tyčí T1 − T3 je 2 075. Tento počet řezů bude
dosažen bude-li 350 ks tyčí standardní délky rozřezáno způsobem 1, 200 ks způsobem 2. a 325 ks způsobem
6.
4. Dopravní problém
Příklad 4.1
a) Slovní model problému:
Do dvou cukrovarů C1 , C2 dodává cukrovku šest zemědělských podniků Z1 , Z2 , . . . , Z6 . Požadavky cukrovarů
jsou 6 000 t a 7 800 t. Kapacity zemědělských podniků jsou 2 500 t, 1 000 t, 2 000 t, 1 600 t, 1 500 t a 3
200 t. Vzdálenosti mezi jednotlivými zemědělskými podniky a cukrovary jsou uvedeny v následující tabulce
a jsou v km:
Zemědělský Cukrovar
podnik C1 C2
Z1 42 17
Z2 15 47
Z3 19 25
Z4 9 32
Z5 27 54
Z6 16 37
Úkolem je stanovit takový plán přepravy cukrovky, aby celkové náklady (tj. počet tkm) byly minimální a
veškerá vyrobená cukrovka byla ze všech zemědělských podniků odvezena.
b) Matematický model
x1,1 – hledané množství cukrovky přepravené od Z1 k C1 v tunách
x1,2 – hledané množství cukrovky přepravené od Z1 k C2 v tunách
x2,1 – hledané množství cukrovky přepravené od Z2 k C1 v tunách
..
.
x6,2 – hledané množství cukrovky přepravené od Z6 k C2 v tunách
zmin = 42x1,1 + 17x1,2 + 15x2,1 + 47x2,2 + 19x3,1 + 25x3,2 + 9x4,1 + 32x4,2 + 27x5,1 + 54x5,2 +
16x6,1 + 37x6,2 [tkm]

x1,1 + x1,2 =2 500 [kapacita Z1 v t]

x2,1 +x2,2 =1 000 [kapacita Z2 v t]
x3,1 +x3,2 =2 000 [kapacita Z3 v t]
x4,1 +x4,2 =1 600 [kapacita Z4 v t]
x5,1 +x5,2 =1 500 [kapacita Z5 v t]
x6,1 +x6,2 =3 200 [kapacita Z6 v t]
x1,1 +x2,1 +x3,1 +x4,1 +x5,1 +x6,1 ≤6 000 [požadavek C1 v t]
x1,2 +x2,2 +x3,2 +x4,2 +x5,2 +x6,2 ≤7 800 [požadavek C2 v t]
x1,1 ; x1,2 ; x2,1 ; x2,2 ; x3,1 ; x3,2 ; x4,1 ; x4,2 ; x5,1 ; x5,2 ; x6,1 ; x6,2 ≥ 0
c) Optimální řešení:
x1,2 = 2 500; x2,1 = 1 000; x3,2 = 2 000; x4,1 = 1 600; x5,1 = 1 500, x6,1 = 1 900; x6,2 = 1 300; zmin = 240
900
Minimálního počtu tkm dosáhneme pokud do cukrovaru C1 přepravíme 1 000 t cukrovky ze Z2 , 1 600 t ze
Z4 , 1 500 t ze Z5 a 1 900 t ze Z6 . Do cukrovaru C2 pak bude dovezeno 2 500 t ze Z1 , 2 000 t ze Z3 a 1 300
t ze Z6 . Náročnost dopravy bude 240 900 tkm.
Příklad 4.2
a) Slovní model problému:
Ze dvou skladů S1 a S2 stejného výrobku se zásobují tři odběratelé V1 , V2 , V3 . Zásoba výrobku ve skladě S1
je 800 t, ve skladě S2 je 1 200 t. Kolik Kč stojí přeprava 1t výrobku mezi jednotlivými sklady a odběrateli
je uvedeno v tabulce:
Odběratel
V1 V2 V3
Sklad S1 30 10 5
Sklad S2 15 20 12
 Měsíční požadavek odběratele V1 je 600 t, V2 požaduje 900 t, V3 500 t. Sklad S1 má 800 t zboží, S2 1 200 t.
Stanovte takový plán rozvozu, aby celkové dopravní náklady za měsíc byly minimální.
b) Matematický model
x1,1 – hledaný počet tun přepravený od S1 k V1
x1,2 – hledaný počet tun přepravený od S1 k V2
x2,1 – hledaný počet tun přepravený od S2 k V1
..
.
x2,3 – hledaný počet tun přepravený od S2 k V3

zmin = 30x1,1 + 10x1,2 + 5x1,3 + 15x2,1 + 20x2,2 + 12x2,3 [Kč]

x1,1 + x1,2 + x1,3 = 800 [kapacita S1 v t]
x2,1 + x2,2 + x2,3 = 1 200 [kapacita S2 v t]
x1,1 + x2,1 = 600 [požadavek V1 v t]
x1,2 + x2,2 = 900 [požadavek V2 v t]
x1,3 + x2,3 = 500 [požadavek V3 v t]
x1,1 ; x1,2 ; x1,3 ; x2,1 ; x2,2 ; x2,3 ≥ 0
c) Optimální řešení:
x1,2 = 800; x2,1 = 600; x2,2 = 100; x2,3 = 500; zmin = 25 000
Minimálních dopravních nákladů za měsíc bude dosaženo, když bude přepraveno 800 t ze S1 , odběrateli V2 ,
600 t ze S2 odběrateli V1 , 100 t ze S2 odběrateli V2 a 500 t ze S2 odběrateli V3 . Náklady na dopravu pak
budou činit 25 000 Kč.
Příklad 4.3

a) Slovní model problému:

Ze dvou kamenolomů se dopravuje kámen na tři staveniště. První kamenolom má nalámáno 200 m3 , druhý
300 m3 a požadavky stavenišť jsou 150, 200 a 140 m3 . Kvalita kamene z prvního lomu nevyhovuje druhému
staveništi.
Je třeba stanovit, kolik kamene z každého lomu má být dopraveno jednotlivým staveništím tak, aby celkové
náklady byly minimální.
Náklady v Kč na přepravu 1m3 kamene z každého lomu na každé staveniště jsou v následující tabulce:
Staveniště
1 2 3
Lom 1 360 120 210
Lom 2 250 215 165
b) Matematický model
x1,1 – hledaný počet m3 kamene přepravený z lomu 1 na staveniště 1
x1,2 – hledaný počet m3 kamene přepravený z lomu 1 na staveniště 2
x1,3 – hledaný počet m3 kamene přepravený z lomu 1 na staveniště 3
..
.
x2,3 – hledaný počet m3 kamene přepravený z lomu 2 na staveniště 3

zmin =360x1,1 +120x1,2 +210x1,3 +250x2,1 +215x2,2 +165x2,3 [Kč]

x1,1 + x1,2 + x1,3 ≤200 [max. kapacita lomu 1 v m3 ]
x2,1 + x2,2 + x2,3 ≤300 [max. kapacita lomu 2 v m3 ]
x1,1 + x2,1 =150 [požadavek staveniště 1 v m3 ]
x1,2 + x2,2 =200 [požadavek staveniště 2 v m3 ]
x1,3 + x2,3 =140 [požadavek staveniště 3 v m3 ]
x1,2 =0
x1,1 ; x1,2 ; x1,3 ; x2,1 ; x2,2 ; x2,3 ≥0

c) Optimální řešení:
x1,1 = 50; x1,3 = 140; x2,1 = 100; x2,2 = 200; zmin = 115 400
Celkové dopravní náklady budou minimální (115 400 Kč), když bude dopraveno 50m3 z prvního lomu na
první staveniště, 140m3 z prvního lomu na třetí staveniště, 100m3 ze druhého lomu na první staveniště a
200m3 z druhého lomu na druhé staveniště.
Příklad 4.4
a) Slovní model problému:
Společnost Multicomp,s.r.o. má v ČR 3 střediska (Plzeň, Pardubice, Olomouc), ve kterých montuje osobní
počítače. Kapacita těchto středisek je 330, 150 a 220 ks počítačů měsíčně. Tyto počítače jsou distribuo-
vány smluvním odběratelům v Brně, Praze, Ostravě a Liberci. Podle smluv dodá Multicomp jednotlivým
odběratelům postupně 180, 250, 160 a 110 ks počítačů. Distribuční náklady mezi montážními středisky a
odběrateli byly vykalkulovány na 1 ks počítače ve výši, která je zřejmá z následující tabulky – údaje jsou
ve stovkách Kč.

Odběratelé
Brno Praha Ostrava Liberec
Plzeň 11 4 17 9
Pardubice 6 7 10 8
Olomouc 3 9 5 12
b) Matematický model
x1,1 – hledaný počet počítačů přepravených z Plzně do Brna v ks
x1,2 – hledaný počet počítačů přepravených z Plzně do Prahy v ks
x1,3 – hledaný počet počítačů přepravených z Plzně do Ostravy
..
.
x3,4 – hledaný počet počítačů přepravených z Olomouce do Liberce v ks
zmin = 11x1,1 + 4x1,2 + 17x1,3 + 9x1,4 + 6x2,1 + 7x2,2 + 10x2,3 + 8x2,4 + 3x3,1 + 9x3,2 + 5x3,3
+ 12x3,4 [ve stovkách Kč]

x1,1 + x1,2 +x1,3 +x1,4 =330 [kap. stř. v Plzni v ks]

x2,1 +x2,2 +x2,3 +x2,4 =150 [kap. stř. v Pardubicích v ks]
x3,1 +x3,2 +x3,3 +x3,4 =220 [kap. stř. v Olomouci v ks]
x1,1 +x2,1 + +x3,1 =180 [pož. odb. z Brna v ks]
x1,2 +x2,2 + +x3,2 =250 [pož. odb. z Prahy]
x1,3 x2,3 x3,3 + =160 [pož. odb. z Ostravy v ks]
x1,4 +x2,4 + x3,4 =110 [pož. odb. z Liberce v ks]
x1,1 ; x1,2 ; x1,3 ; x1,4 ; x2,1 ; x2,2 ; x2,3 ; x2,4 ; x3,1 ; x3,2 ; x3,3 ; x3,4 ≥ 0, celá
c) Optimální řešení:
x1,2 = 250; x1,4 = 80; x2,1 = 120; x2,4 = 30; x3,1 = 60; x3,3 = 160; zmin = 366 000
Celkové dopravní náklady budou minimální (366 000 Kč), když bude dopraveno z Plzně 250 ks do Prahy
a 80 ks do Liberce, z Pardubic 120 ks do Brna a 30 ks do Liberce, a z Olomouce 60 ks do Brna a 160 do
Ostravy.
Příklad 4.5

V konkrétních aplikacích se lze setkat i s poněkud netypickými formulacemi dopravního problému. Jedná se
především o úlohy rozvrhování výroby.
a) Slovní model problému:
Firma Glass Bottle, a.s. – výrobce skleněných obalů – produkuje 4 druhy pivních lahví (standard 10◦ ,
Gambrinus 12◦ , Prazdroj 12◦ – 1/2 l, Prazdroj 12◦ – 1/3 l) s tím, že každou z nich může vyrábět na jedné
ze 3 výrobních linek (A,B,C). Vzhledem k jejich rozdílnému výkonu jsou kalkulovány i rozdílné jednotkové
náklady na jednotlivé láhve. Měsíční výrobní kapacita linek A, B, C je 100, 150 a 130 tis. ks. Na základě
smluv je třeba odběratelům dodat 200 tis. ks lahví standard 10◦ , 50 tis. ks Gambrinus 12◦ , 80 tis. ks
Prazdroj 12◦ – 1/2 l a 30 tis. ks lahví Prazdroj 12◦ – 1/3 l.
Cílem je rozvrhnout produkci tak, aby byly minimalizovány celkové výrobní náklady. Kapacita linek, poža-
davky na produkci lahví a jednotkové výrobní náklady jsou uvedeny v následující tabulce:

Linka A Linka B Linka C požadavek

standard 10◦ 2,20 2,00 1,95 200
Gambrinus 12◦ 2,50 2,30 2,20 50
Prazdroj 12◦ – 1/2 l 2,50 2,40 2,30 80
Prazdroj 12◦ – 1/3 l 1,80 1,70 1,70 30
kapacita linky 100 150 130 x
 b) Matematický model
x1,1 – hledaný objem produkce lahví standard 10◦ na lince A v tis. ks
x1,2 – hledaný objem produkce lahví standard 10◦ na lince B v tis. ks
x1,3 – hledaný objem produkce lahví standard 10◦ na lince C v tis. ks
..
.
x4,3 – hledaný objem produkce lahví Prazdroj 12◦ – 1/3 l na lince C v tis. ks

zmin = 2, 20x1,1 + 2, 00x1,2 + 1, 95x1,3 + 2, 50x2,1 + 2, 30x2,2 + 2, 20x2,3 + 2, 50x3,1 + 2, 40x3,2 +2, 30x3,3 +
1, 80x4,1 + 1, 70x4,2 + 1, 70x4,3 [v tis. Kč]

x1,1 +x1,2 +x1,3 =200 [pož. lahví stand. v tis. ks]

x2,1 +x2,2 +x2,3 =50 [pož. lahví Gamb. 12◦ v tis. ks]
x3,1 +x3,2 +x3,3 =80 [pož. lahví Praz. 12◦ – 1/2 l v tis. ks]
x4,1 +x4,2 +x4,3 =30 [pož. lahví Praz. 12◦ – 1/3 l v tis. ks]
x1,1 x2,1 x3,1 x4,1 ≤100 [kapacita linky A v tis. ks]
x1,2 x2,2 x3,2 x4,2 ≤150 [kapacita linky B v tis. ks]
x1,3 x2,3 x3,3 x4,3 ≤130 [kapacita linky C v tis. ks]
x1,1 ; x1,2 ; x1,3 ;x2,1 ; x2,2 ; x2,3 ;x3,1 ; x3,2 ; x3,3 ;x4,1 ; x4,2 ; x4,3 ≥ 0
c) Optimální řešení:
x1,2 = 150; x1,3 = 50; x2,3 = 50; x3,1 = 50; x3,3 = 30; x4,1 = 30; zmin = 755,5
Celkové výrobní náklady budou minimální (755,5 tis. Kč) při následujícím rozvržení výroby:
– na výrobní lince A se bude vyrábět 50 tis. ks lahví Prazdroj 12◦ –1/2 l a 30 tis. ks lahví Prazdroj 12◦
– 1/3 l (linka nebude plně využita)
– na výrobní lince B bude produkováno 150 tis. ks lahví standard 10◦ (linka bude plně využita)
– na výrobní lince C bude vyráběno 50 tis. ks lahví standard 10◦ , 50 tis. ks lahví Gambrinus 12◦ a 30 tis.
ks lahví Prazdroj 12◦ – 1/2 l (linka bude plně využita)
Příklad 4.6
a) Slovní model problému:
Stavební četa má k dispozici tři buldozery B1 , B2 , B3 . První dva stroje mohou v určitém období pracovat
80 hodin a třetí stroj pouze 60 hodin. Hodinový výkon a náklady spojené s činností buldozerů závisí nejen na
typu a stáří stroje, ale i na místě, kde pracují, neboť každé stanoviště se liší pevností zeminy a vzdáleností,
na kterou má být zemina přemístěna. Výkony strojů na pěti stanovištích, náklady na jejich práci a úkoly
na jednotlivých stanovištích v uvažovaném období jsou v tabulce:
Výkon stroje Náklady na práci Úkol
m3 /hod Kč/hod m3
Stanoviště B1 B2 B3 B1 B2 B3
S1 39 48 95 41 65 180 400
S2 19 27 51 41 65 180 800
S3 – – 25 – – 175 800
S4 16 20 34 40 65 170 1 200
S5 16 20 34 40 65 170 1 600
Úkolem je přiřadit buldozery na stanoviště tak, aby celkové náklady na práci byly minimální.
b) Matematický model
x1,1 – hledaný počet hodin, které bude pracovat buldozer B1 na S1
x1,2 – hledaný počet hodin, které bude pracovat buldozer B2 na S1
x1,3 – hledaný počet hodin, které bude pracovat buldozer B3 na S1
x2,1 – hledaný počet hodin, které bude pracovat buldozer B1 na S2
..
.
x5,3 – hledaný počet hodin, které bude pracovat buldozer B3 na S5
 zmin = 41x1,1 + 65x1,2 + 180x1,3 + 41x2,1 + 65x2,2 + 180x2,3 + 175x3,3 + 40x4,1 + 65x4,2 + 170x4,3
+ 40x5,1 + 65x5,2 + 170x5,3 [v Kč]

39x1,1 +48x1,2 +95x1,3 =400 [úkol na S1 v m3 ]

19x2,1 +27x2,2 +51x2,3 =800[úkol na S2 v m3 ]
25x3,3 =800[úkol na S3 v m3 ]
16x4,1 +20x4,2 +34x4,3 =1200[úkol na S4 v m3 ]
16x5,1 +20x5,2 +34x5,3 =1600[úkol na S5 v m3 ]
x1,1 + x2,1 + x4,1 +x5,1 ≤80 [kapacita B1 v hod]
x1,2 + x2,2 + x4,2 +x5,2 ≤80 [kapacita B2 v hod]
x1,3 + x2,3 + x3,3 +x4,3 +x5,3 ≤60 [kapacita B3 v hod]
x1,1 ; x1,2 ; x1,3 ; . . . ; x5,3 ≥0
c) Optimální řešení:
x1,3 = 4,21; x2,2 = 4,00; x2,3 = 13,57; x3,3 = 32,00; x4,2 = 60,00; x5,1 = 80,00; x5,2 = 16,00; zmin = 17 200
Kč
Buldozer B1 bude pracovat 80 hodin na S5 , buldozer B2 4 hodiny na S2 , 60 hod na S4 a 16 hod na S5 .
Buldozer B3 bude na S1 pracovat 4,21 hod, 13,57 bude na S2 a 32 hod na S3 . Celkové náklady na práci
dosáhnou 17 200 Kč.
5. Přiřazovací problém
Příklad 5.1
a) Slovní model problému:
Ze tří garáží dopravního podniku má být přistaveno po jednom těžkém nákladním autu třem zákazníkům.
Jsou známy vzdálenosti od garáží ke každému zákazníkovi. Je třeba stanovit, z které garáže pojede auto ke
kterému zákazníkovi tak, aby počet ujetých km byl minimální. Vzdálenosti v km mezi garážemi a zákazníky
jsou v tabulce:
Zákazníci
Garáže 1 2 3
1 4 3 1
2 1 2 6
3 4 5 3
b) Matematický model
x1,1 – jízda auta z garáže 1 k zákazníkovi 1
x1,2 – jízda auta z garáže 1 k zákazníkovi 2
..
.
x3,3 – jízda auta z garáže 3 k zákazníkovi 3
zmin = 4x1,1 + 3x1,2 + x1,3 + x2,1 + 2x2,2 + 6x2,3 + 4x3,1 + 5x3,2 + 3x3,3 [km]

x1,1 + x1,2 +x1,3 =1 [jízda z garáže 1]

x2,1 +x2,2 +x2,3 =1 [jízda z garáže 2]
+ x3,1 +x3,2 +x3,3 =1 [jízda z garáže 3]
x1,1 x2,1 x3,1 + =1 [jízda k zákazníkovi 1]
x1,2 x2,2 x3,2 =1 [jízda k zákazníkovi 2]
x1,3 x2,3 x3,3 =1 [jízda k zákazníkovi 3]
0
x1,1 ; x1,2 ; x1,3 ;x2,1 ; x2,2 ; x2,3 ;x3,1 ; x3,2 ; x3,3 =
1
c) Optimální řešení:
x1,3 = 1; x2,2 = 1; x3,1 = 1; zmin = 7
Z 1. garáže pojede auto ke 3. zákazníkovi, z 2. garáže ke 2. zákazníkovi a ze 3. garáže k 1. zákazníkovi.
Celkově bude ujeto 7 km.
6. Další příklady k procvičení
Příklad 6.1
a) Slovní model problému:
Majitel farmy má k dispozici 60 t suché píce a 200 t šťavnatých krmiv. Těchto krmiv chce využít k rozšíření
chovu skotu a ovcí tak, aby se jeho zisk zvýšil alespoň o 30 tis. Kč a přitom aby spotřeba jadrných krmiv
vzrostla co nejméně.

A) Určete, o kolik kusů má farmář chov obou druhů zvířat rozšířit.

B) Je možné za daných podmínek rozšířit chov skotu a ovcí o stejný počet kusů?
Tab. 6.1.
celoroční spotřeba(t· ks−1) skot ovce
suchá píce 3 0,5
šťavnaté krmivo 20 2
jadrné krmivo 0,15 0,015
zisk (tis. Kč· ks−1 ) 2 0,5
b) Matematický model problému A
x1 – hledaný počet kusů skotu
x2 – hledaný počet kusů ovcí
zmin = 0, 15x1 + 0, 015x2 [tun jadrných krmiv]
3x1 + 0, 5x2 ≤ 60 [tun suché píce]
20x1 + 2x2 ≤ 200 [tun šťavnatých krmiv]
2x1 + 0, 5x2 ≥ 30 [tis. Kč zisku]
x1 , x2 ≥ 0; celá
c) Optimální řešení problému A:
x1 = 0; x2 = 60; zmin = 0,9
b) Matematický model problému B

zmin = 0, 15x1 + 0, 015x2 [tun jadrných krmiv]

3x1 + 0, 5x2 ≤ 60 [tun suché píce]
20x1 + 2x2 ≤ 200 [tun šťavnatých krmiv]
2x1 + 0, 5x2 ≥ 30 [tis. Kč zisku]
x1 − x2 = 0 [stejný počet skotu a ovcí]
x1 , x2 ≥ 0
c) Řešení problému B:
Úloha nemá žádné přípustné řešení.
Příklad 6.2
a) Slovní model problému:
Provozovatel balící linky výrobků chce zvýšit kvalitu práce zpomalením pohybu pásu. Při rychlejším chodu,
kdy čas linky připadající na jeden výrobek je 3 minuty, je 5% zmetků. Při pomalejším chodu pásu na jeden
výrobek připadá 5 minut, ale procento zmetků je pouze 2. Kolik výrobků za směnu (8 hodin) z celkového
počtu 100 kusů má být zabaleno při rychlém a při pomalém pohybu pásu, aby počet vadně zabalených
výrobků byl co nejmenší?

b) Matematický model
x1 – hledaný počet kusů zabalených při rychlém pohybu pásu
x2 – hledaný počet kusů zabalených při pomalém pohybu pásu
zmin = 0, 05x1 + 0, 02x2 [vadně zabalených ks]
x1 + x2 = 100 [celkový počet zabalených kusů]
3x1 + 5x2 ≤ 480 [trvání směny v minutách]
x1 , x2 ≥ 0; celá
c) Optimální řešení:
x1 = 10; x2 = 90; zmin = 2,3
Příklad 6.3
a) Slovní model problému:
Stavební firma provádí stavby nových budov a opravy a renovace starých. Zisk z nových staveb činí 20%
z vložených nákladů, zatímco z opravených a renovovaných budov je to 25%. Aby firma nemusela shánět
půdu pro nové stavby, plánuje alespoň 40 mil. Kč na opravy a renovace, ale přitom tato činnost nesmí stát
více než polovinu celkových stavebních nákladů. 5% nákladů tvoří v obou případech fixní režijní náklady,
jejichž dolní hranice je odhadnuta na 5 mil. Kč. Firma zaměstnává 180 kvalifikovaných pracovníků, přičemž
práce na nových domech v hodnotě 10 mil. Kč si vyžádá 12 pracovníků a při opravách a renovacích 18
pracovníků. Kolik milionů má firma věnovat na stavbu nových domů a kolik na opravy a renovace starých,
aby si zajistila maximální zisk?

b) Matematický model
x1 – hledaná částka na novou výstavbu v mil. Kč
x2 – hledaná částka na opravy a rekonstrukce v mil. Kč

zmax = 0, 2x1 + 0, 25x2 [zisk v mil. Kč]

x2 ≥ 40 [mil. Kč na opravy a renovace]
−0, 5x1 + 0, 5x2 ≤ 0 [podíl nákladů na opr. a renov. na celk. staveb. nákladech]
0, 05x1 + 0, 05x2 ≥ 5 [dolní hranice fixních režijních nákladů v mil. Kč ]
1, 2x1 + 1, 8x2 ≤ 180 [omezený počet pracovníků]
x1 , x2 ≥ 0
c) Optimální řešení:
x1 = 90; x2 = 40; zmax = 28
Příklad 6.4
a) Slovní model problému:
Balírny a pražírny kávy DE, a.s. plánují na následující období výrobu dvou směsí kávy Super a Standard.
Pro výrobu obou směsí mají přitom na toto období smluvně k dispozici od dodavatelů tři druhy kávových
bobů (označme je K1 , K2 a K3 ) postupně v kapacitě 40, 60 a 25 tun lišících se kvalitou a samozřejmě i
nákupní cenou. Při výrobě obou směsí je třeba dodržovat technologické postupy, které mimo jiné určují,
jaké procento jednotlivých komponent bude použito při této výrobě. Následující tabulka ukazuje skladbu
obou směsí (v tunách komponenty na 1 tunu směsi):
Směs Kapacita
Komponenta Super Standard [tuny]
K1 0,5 0,25 40
K2 0,5 0,5 60
K3 – 0,25 25
Na základě přímých a nepřímých nákladů souvisejících s výrobou a vzhledem k předpokládané ceně obou
směsí byl vykalkulován zisk, který činí 20 000 Kč resp. 14 000 Kč na jednu tunu směsi Super resp. Standard.
Management firmy DE, a.s. chce samozřejmě naplánovat produkci firmy tak, aby byl její celkový zisk ma-
ximální.

b) Matematický model
x1 – hledaný počet tun směsi Super
x2 – hledaný počet tun směsi Standard
zmax = 20x1 + 14x2 [zisk v tis. Kč]
0, 5x1 + 0, 25x2 ≤ 40 [spotřeba K1 v tunách]
0, 5x1 + 0, 5x2 ≤ 60 [spotřeba K2 v tunách]
0, 25x2 ≤ 25 [spotřeba K3 v tunách]
x1 , x2 ≥ 0
c) Optimální řešení:
x1 = 40; x2 = 80; zmax = 1920
Příklad 6.5
 a) Slovní model problému:
Firma zabývající se dodávkami výrobků z nerezavějící oceli dostala zakázku na výrobu 2 druhů speciálních
nerez nádrží o objemu 50 resp. 30 litrů. Uzavřela smlouvu na dodávku 500 ks nádrží o objemu 50 l a 700
ks nádrží o objemu 30 l. Výroba bude realizována v průběhu dvou čtvrtletí a odběratelem odebrána jako
celek až na konci celého období. Z technologického hlediska vyžaduje výroba 1 ks 50 l nádrže spotřebu
10 kg plechu a 5 hodin práce, u 30 l nádrží je spotřeba plechu 7 kg a 8 hodin práce. V prvním čtvrtletí
(letní období) má firma k dispozici 3 500 hodin práce a 6 000 kg plechu, ve druhém čtvrtletí 5 000 ho-
din práce a 4 000 kg plechu s tím, že nespotřebovaný materiál v prvním čtvrtletí může být použit pro
výrobu v druhém čtvrtletí – v takovém případě však musí firma k celkovým nákladům přičíst skladovací
náklady plechu, které činí 6 Kč na 1 kg. Výrobky vyrobené v 1. čtvrtletí budou odběratelem odebrány až
na konci druhého čtvrtletí v rámci celé zakázky – skladovací náklady pro tyto výrobky jsou 80 resp. 50
Kč na kus. Kalkulace nákladů (materiál + práce) na výrobu 1 ks 50 l nádrže je v prvním čtvrtletí 2 000
Kč a ve druhé čtvrtletí 2 400 Kč. Pro 30 l nádrže je tato kalkulace 1 500 Kč resp. 1 800 Kč. Cílem mo-
delu je stanovit výrobní strategii v obou čtvrtletích tak, aby byly minimalizovány celkové náklady produkce.

b) Matematický model
x1 – hledaný počet ks 50 l nádrží vyrobených v 1. období
x2 – hledaný počet ks 30 l nádrží vyrobených v 1. období
x3 – hledaný počet ks 50 l nádrží vyrobených v 2. období
x4 – hledaný počet ks 30 l nádrží vyrobených v 2. období
Formulace účelové funkce:
zmin = [přímé náklady (na materiál a práci v 1. a 2. období)] +
+ [náklady na skladování výrobků vyrobených v 1. období] +
+ [náklady na skladování materiálu nespotřebovaného v 1. období]
zmin = [2 000x1 + 1 500x2 + 2 400x3 + 1 800x4 ] +
+ [80x1 + 50x2 ] +
+ [6(6 000 −10x1 − 7x2 )]
tj. po úpravě:
zmin = [2 020x1 + 1 508x2 + 2 400x3 + 1 800x4 + 36 000] [Kč nákladů]
zmin = 2 020x1 + 1 508x2 + 2 400x3 + 1 800x4 + 36 000 [Kč nákladů]
10x1 + 7x2 ≤ 6 000 [kg plechu v 1. období]
5x1 + 8x2 ≤ 3 500 [hod. v 1. období]
10x1 + 7x2 + 10x3 + 7x4 ≤ 10 000 [kg plechu v 2. období]∗
5x3 + 8x4 ≤ 5 000 [hodin v 2. období]
x1 + + x3 = 500 [ks 50 l nádrží ]
x2 + x4 = 700 [ks 30 l nádrží ]
x1 , x2 , x3 , x4 , ≥ 0; celá
∗
/ Tato omezující podmínka byla původně formulována:

10x3 + 7x4 ≤ 4 000 + (6 000 - 10x1 - 7x2 )

c) Optimální řešení:
x1 = 500; x2 = 125; x4 = 575, zmin = 2 269 500
Příklad 6.6

a) Slovní model problému:

Papírny vyrábějí role papíru o délce 500 metrů ve standardní šířce 2 metry. Tento standardní rozměr ode-
bírá většina odběratelů. Někteří z nich však preferují jinou šířku rolí – konkrétně 0,5m, 0,8m a 1,2m. Role
papíru těchto šířek jsou získávány z rolí standardních rozměrů jejich dělením. V rámci jisté zakázky je třeba
vyprodukovat 500 ks rolí o šířce 0,5m, 1 000 ks rolí o šířce 0,8m a 400 ks rolí o šířce 1,2m. Pro dělení stan-
dardních rolí na menší je k dispozici 5 variant, které jsou charakterizovány počtem 0,5; 0,8 a 1,2 metrových
rolí získaných rozdělením jedné 2 m role. Kromě toho je u každé varianty uveden i případný odpad vzniklý
dělením. Popis variant je uveden v tabulce 6.6.
 Tab. 6.6

Varianty dělení 2 m rolí

I II III IV V
0,5 m [ks] 4 2 1 0 0
0,8 m [ks] – 1 0 2 1
1,2 m [ks] – – 1 0 1
odpad [m] 0 0,2 0,3 0,4 0
Cílem optimalizace je nalezení takové struktury dělení rolí, které uspokojí požadavky odběratele a bude
minimalizovat počet standardních 2 m rolí, které bude třeba k dělení použít.

b) Matematický model
x1 – hledaný počet 2 metrových rolí rozdělených 1. způsobem
x2 – hledaný počet 2 metrových rolí rozdělených 2. způsobem
x3 – hledaný počet 2 metrových rolí rozdělených 3. způsobem
x4 – hledaný počet 2 metrových rolí rozdělených 4. způsobem
x5 – hledaný počet 2 metrových rolí rozdělených 5. způsobem

zmin = x1 + x2 + x3 + x4 + x5 [ks 2 m rolí]

4x1 + 2x2 + x3 = 500 [ks rolí o šířce 0,5 m]
x2 + 2x4 + x5 = 1 000 [ks rolí o šířce 0,8 m]
x3 + + x5 = 400 [ks rolí o šířce 1,2 m]
x1 , x2 , x3 , x4 , x5 ≥ 0; celá
c) Optimální řešení:
x2 = 250; x4 = 175; x5 = 400, zmin = 825
Příklad 6.7
a) Slovní model problému:
Při výrobě výrobků A, B, a C jsou omezujícími činiteli spotřeba suroviny a strojového času. Na jeden kus
výrobku A, B, a C se spotřebuje postupně 2, 3 a 1 kg suroviny. Spotřeba strojového času je u všech výrobků
stejná – 1 hodina na jeden kus. Suroviny je v uvažovaném období k dispozici 24 000 kg, strojového času
10 000 hodin. Zisk na jednotku výrobku A, B a C je postupně 50, 60 a 25 Kč. Naplánujte výrobní program
tak, aby byl celkový zisk maximální.

b) Matematický model
x1 – hledaný počet výrobků A v ks
x2 – hledaný počet výrobků B v ks
x3 – hledaný počet výrobků C v ks

zmax = 50x1 + 60x2 + 25x3 [zisk v Kč]

2x1 + 3x2 + x3 ≤ 24 000 [kg suroviny]
x1 + x2 + x3 ≤ 10 000 [hodin strojového času]
x1 , x2 , x3 ≥ 0; celá
c) Optimální řešení:
x1 = 6 000; x2 = 4 000; zmax = 540 000
Příklad 6.8
a) Slovní model problému:
Při produkci čajových směsí A a B se používají čínský a indický čaj. 1 kg směsi A obsahuje 0,5 kg čínského
a 0,5 kg indického čaje. 1 kg směsi B obsahuje 0,25 kg čínského a 0,75 kg indického čaje. Čínského čaje je
k dispozici 12 000 kg, indického čaje 15 000 kg. Zisk vykalkulovaný na směs A je 200 Kč· kg−1 , na směs B
240 Kč· kg−1 . Navrhněte strukturu výroby maximalizující zisk.

b) Matematický model
x1 – hledané množství směsi A v kg
 x2 – hledané množství směsi B v kg ks

zmax = 200x1 + 240x2 [zisk v Kč]

0, 5x1 + 0, 25x2 ≤ 12 000 [kg čínského čaje]
0, 5x1 + 0, 75x2 ≤ 15 000 [kg indického čaje]
x1 , x2 ≥ 0
c) Optimální řešení:
x1 = 21 000; x2 = 6 000; zmax = 5 640 000
Příklad 6.9
a) Slovní model problému:
Banka plánuje poskytnout v běžném roce úvěry v určité maximální celkové výši. Poskytnuté úvěry jsou z
hlediska rizikovosti klasifikovány do 3 základních tříd (A, B, C). Úroková míra u úvěrů třídy A je stanovena
na 12%, u třídy B na 14% a u třídy C na 17%. Míra rizika je pro třídy A, B, a C ohodnocena koeficienty 1,
2 a 4. Určete kolik procent celkové částky bude určeno na úvěry ve třídách A, B a C tak, aby byl maxima-
lizován celkový očekávaný výnos. Dále bylo stanoveno, že ve třídě C by mělo být maximálně 15% z celkově
poskytnutých úvěrů, ve třídě A naopak minimálně 20% z celkově poskytnutých úvěrů a vážená míra rizika
by měla být nižší než 2.

b) Matematický model
x1 – hledaný podíl úvěru rizikovosti A v % z celkové úvěrové částky
x2 – hledaný podíl úvěru rizikovosti B v % z celkové úvěrové částky
x3 – hledaný podíl úvěru rizikovosti C v % z celkové úvěrové částky

zmax = 0, 12x1 + 0,14x2 + 0,17x3 [výnos v %]

x1 ≥ 20 [minimální % podíl úvěrů A]
x3 ≤ 15 [maximální % podíl úvěrů C]
x1 + x2 + x3 = 100 [celková částka na úvěry A,B,C]
−x1 + 2x3 ≤ 0 [maximální vážená míra rizika ]∗
x1 , x2 , x3 ≥ 0
∗
/ Tato omezující podmínka byla původně formulována takto: xx1 +2x 2 +4x3
1 +x2 +x3
≤ 2.

c) Optimální řešení:
x1 = 20; x2 = 70; x3 = 10 zmax = 13,9
Příklad 6.10
a) Slovní model problému:
Pro potřeby další výroby je nutno v dílně nařezat 120 ks trubek délky 30 cm, 140 ks trubek délky 80 cm,
200 ks trubek délky 110 cm a 300 ks trubek délky 150 cm. K dispozici jsou trubky s délkou 200, 250 a 300
cm, jejich cena je 30, 38 a 45 Kč/kus. Uvažované možnosti dělení trubek jsou uvedeny v Tabulce 6.10. Za
odpad lze považovat pouze takové zbytky, které jsou maximálně 29 cm dlouhé.
Je třeba najít takové řešení, které by umožnilo:
A.) nařezat trubky požadovaných délek v potřebném počtu, přičemž cena výchozího materilálu by měla
být co nejnižší,
B.) nařezat trubky požadovaných délek v potřebném počtu při minimální ceně výchozího materilálu za
předpokladu, že trubek o délce 300 cm je k dispozici pouze 30 ks.
Tab. 6.10

Požadovaná Uvažované možnosti dělení výchozího materiálu délky

délka trubek 200 cm 250 cm 300 cm
v cm 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
30 6 4 3 1 1 0 8 5 4 3 3 2 1 0 0 10 7 6 5 4 3 2 2 2 1 0 0 1
80 0 1 0 0 2 1 0 1 0 2 0 1 0 3 1 0 1 0 0 2 1 3 0 1 2 1 0 0
110 0 0 1 0 0 1 0 0 1 0 0 1 2 0 0 0 0 1 0 0 1 0 2 0 1 2 0 1
150 0 0 0 1 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 1 0 0 2 1
Odpad 20 0 0 20 10 10 10 20 20 0 10 0 0 10 20 0 10 10 0 20 20 0 20 10 0 0 0 10
 b) Matematický model problému A:
x1 - hledaný počet ks trubek délky 200 cm rozřezaných způsobem č. 1
..
.
x6 - hledaný počet ks trubek délky 200 cm rozřezaných způsobem č. 6
x7 - hledaný počet ks trubek délky 250 cm rozřezaných způsobem č. 7
..
.
x15 - hledaný počet ks trubek délky 250 cm rozřezaných způsobem č. 15
x16 - hledaný počet ks trubek délky 300 cm rozřezaných způsobem č. 16
..
.
x28 - hledaný počet ks trubek délky 300 cm rozřezaných způsobem č. 28

zmin = 30(x1 + x2 + x3 + x4 + x5 + x6 ) + 38(x7 + x8 + x9 + x10 + x11 + x12 + x13 + x14 + x15 )

+ 45( x16 + x17 + x18 + x19 + x20 + x21 + x22 + x23 + x24 + x25 + x26 + x27 + x28 ) [Kč]

6x1 + 4x2 + 3x3 + x4 + x5 + 8x7 + 5x8 + 4x9 + 3x10 + 3x11 + 2x12 + x13 + 10x16 + 7x17 + 6x18 + 5x19 +
+ 4x20 + 3x21 + 2x22 + 2x23 + 2x24 + x25 + x28 ≥ 120 [ks 30 cm]

x2 + 2x5 + x6 + x8 + 2x10 + x12 + 3x14 + x15 + x17 + 2x20 + x21 + 3x22 + x24 + 2x25 + x26 ≥ 140 [ks 80 cm]

x3 + x6 + x9 + x12 + 2x13 + x18 + x21 + 2x23 + x25 + 2x26 + x28 ≥ 200 [ks 110 cm]

x4 + x11 + x15 + x19 + x24 + 2x27 + x28 ≥ 300 [ks 150 cm]

x1 , x2 , .............................................................................................., x28 ≥ 0, celá

c) Optimální řešení problému A:
Optimální řešení úlohy bez požadavku celočíselnosti: x16 = 9, 3, x22 = 13, 3, x26 = 100, x27 = 150, hodnota
účelové funkce je 12 270 Kč. (Toto optimální řešení je jedno z většího počtu OŘ úlohy.)
Optimální řešení s požadavkem celočíselnosti: x2 = 1, x16 = 9, x22 = 13, x26 = 100, x27 = 150. Hodnota
účelové funkce tohoto optimálního řešení je stejná – tj. 12 270 Kč.

b) Matematický model problému B:

V případě, že by existovalo omezení, že trubek délky 300 cm je k dispozici pouze 30 kusů, doplnili bychom
do výše uvedeného modelu ještě jednu omezující podmínku:

x16 + x17 + x18 + x19 + x20 + x21 + x22 + x23 + x24 + x25 + x26 + x27 + x28 ≤ 30

c) Optimální řešení problému B:

Takto upravená úloha má jen jedno optimální řešení, které je shodné pro případ, že ji počítáme s požadavkem
na celočíselnost nebo bez něj: x4 = 100, x13 = 100, x15 = 140, x27 = 30, hodnota účelové funkce je 13 470
Kč.

Příklad 6.11
a) Slovní model problému:
Je třeba zjistit zda je možné z disponibilních surovin navrhnout takové složení kompletního krmiva pro psy,
aby v půl kilogramovém balení kompletního krmiva bylo při jeho 10% vlhkosti obsaženo 26% dusíkatých
látek (NL), 16% tuku, 3,5% vlákniny (další běžné parametry krmiva jako například energii, vitamíny, makro
a mikroprvky, zde nebudeme uvažovat).
Do kompletního krmiva mohou být zařazeny zejména tyto suroviny: kuřecí maso, vařená rýže, jehněčí maso,
kukuřice, rybí maso, řepné řízky, drůbeží tuk, kvasnice, vejce, lněné semeno, pšeničné klíčky, bramborové
vločky, drůbeží játra, mléko, rostlinný olej, rybí tuk.
Použitelné suroviny mají následující složení:
 Surovina g v 1kg suroviny s 90% sušinou Cena
N látky Tuk Vláknina Kč/kg
Kuřecí maso 620,20 162,20 0,00 0,00
Vařená rýže 79,50 19,40 93,10 0,00
Jehněčí maso 638,70 132,30 0,00 0,00
Kukuřice 98,10 40,20 24,30 0,00
Rybí maso 477,00 309,40 0,00 0,00
Řepné řízky 93,20 9,80 201,60 0,00
Drůbeží tuk 0,90 898,00 0,00 0,00
Kvasnice 514,80 41,00 9,00 0,00
Vejce 448,20 396,00 0,00 0,00
Lněné semeno 216,50 301,80 79,40 0,00
Pšeničné klíčky 233,20 64,70 42,90 0,00
Bramborové vločky 79,70 3,90 23,50 0,00
Drůbeží játra 626,20 142,90 0,00 0,00
Mléko 240,00 253,60 0,00 0,00
Rostlinný olej 0,27 899,00 0,00 0,00
Rybí tuk 0,90 898,00 0,00 0,00
V případě, že výpočtem prokážeme, že z uvažovaných surovin lze sestavit krmivo s požadovanými parame-
try (tj. například s požadovaným obsahem živin, tzn. že úloha má alespoň jedno bázické řešení), je možno
hledat takové složení krmiva, které by minimalizovalo cenu v krmivu užitých surovin. V takovém případě
stačí do účelové funkce dosadit (místo nulových koeficientů) jednotkové ceny jednotlivých surovin.

Matematický model lze naformulovat dvěma různými způsoby.

b1) Matematický model - 1. způsob formulace:

x1 - hledaný počet gramů kuřecího masa v 0,5 kg krmiva
x2 - hledaný počet gramů vařené rýže v 0,5 kg krmiva
..
.
x16 - hledaný počet gramů rybího tuku v 0,5 kg krmiva

zmin = 0x1 + 0x2 + 0x3 + 0x4 + 0x5 + 0x6 + 0x7 + 0x8 + 0x9 + 0x10 + 0x11 + 0x12 + 0x13 + 0x14 + 0x15 + 0x16 [Kč]

0, 62x1 + 0, 079x2 + 0, 638x3 + 0, 098x4 + 0, 477x5 + 0, 093x6 + . . . + 0, 233x11 + 0, 08x12 + 0, 626x13 + 0, 24x14 + 0x15 + 0x16 = 130 [g N látek]
0, 162x1 + 0, 019x2 + 0, 132x3 + 0, 04x4 + 0, 309x5 + 0, 01x6 . . . + 0, 064x11 + 0, 004x12 0, 143x13 + 0, 254x14 + 0, 899x15 + 0, 898x16 = 80 [g tuku]
0x1 + 0, 093x2 + 0x3 + 0, 024x4 + 0x5 + 0, 201x6 + . . . + 0, 043x11 + 0, 023x12 + 0x13+ + 0x14 + 0x15 + 0x16 = 17, 5 [g vlákniny]
x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10 + x11 + +x12 + x13 + x14 + x15 + x16 = 500 [g krmiva]
x1 , x2 , x3 , x4 , x5 , x6 , x7 , x8 , x9 , x10 , x11 , x12 , x13 , x14 , x15 , x16 ≥ 0

c1) Optimální řešení - 1. způsob formulace:

Úloha má více bázických řešení. Jedno z nich obsahuje v 0,5 kg krmiva následující suroviny:
.
x2 =158,56 g,
.
x4 = 114,75 g,
.
x5 = 222,7 g
.
x7 = 3,99 g
a účelová funkce má hodnotu nula.
V případě, že bychom chtěli mezi jednotlivými bázickými řešeními nalézt optimální řešení tj. řešení s mini-
mální cenou, museli bychom do účelové funkce dosadit ceny za jeden gram jednotlivých surovin uvažova-
ných pro výrobu krmiva.

b2) Matematický model - 2. způsob formulace:

x1 - hledaný podíl kuřecího masa v 0,5 kg krmiva
x2 - hledaný podíl vařené rýže v 0,5 kg krmiva
..
.
 x16 - hledaný podíl rybího tuku v 0,5 kg krmiva

zmin = 0, 5(0x1 + 0x2 + 0x3 + 0x4 + 0x5 + 0x6 + 0x7 + 0x8 + 0x9 + 0x10 + 0x11 + 0x12 + 0x13 + 0x14 + 0x15 + 0x16 ) [Kč]

0, 5(620x1 + 79x2 + 638x3 + 98x4 + 477x5 + 93x6 + . . . + 233x11 + 80x12 + 626x13 + 240x14 + 0x15 + 0x16 ) = 130 [g N látek]
0, 5(162x1 + 19x2 + 132x3 + 40x4 + 309x5 + 10x6 . . . + 64x11 + 4x12 + 143x13 + 254x14 + 899x15 + 898x16 ) = 80 [g tuku]
0, 5(0x1 + 93x2 + 0x3 + 24x4 + 0x5 + 201x6 + . . . + 43x11 + 23x12 + 0x13+ + 0x14 + 0x15 + 0x16 ) = 17, 5 [g vlákniny]
x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10 + x11 + +x12 + x13 + x14 + x15 + x16 = 1 [složení krmiva]
x1 , x2 , x3 , x4 , x5 , x6 , x7 , x8 , x9 , x10 , x11 , x12 , x13 , x14 , x15 , x16 ≥ 0

c2) Optimální řešení - 2. způsob formulace:

Úloha má více bázických řešení. Jedno z nich obsahuje v 0,5 kg krmiva následující podíly surovin:
.
x2 =0,3170
.
x4 = 0,2299
.
x5 = 0,4449
.
x7 = 0,0080
a účelová funkce má hodnotu nula.
V případě, že bychom chtěli mezi jednotlivými bázickými řešeními nalézt optimální řešení tj. řešení s mi-
nimální cenou, museli bychom do účelové funkce dosadit ceny za jeden kilogram jednotlivých surovin
uvažovaných pro výrobu krmiva.
Porovnáním výsledků zjistíme, že oba způsoby formulace matematického modelu tohoto problému vedou
ke stejnému řešení (případné malé rozdíly jsou důsledkem zaokrouhlování).