Upload
hm-beograd
View
116
Download
5
Embed Size (px)
Citation preview
1/245
I.I.LINEARNOLINEARNO
PROGRAMIRANJE - LPPROGRAMIRANJE - LP
PProf. dr rof. dr IIlija lija NNikolićikolić
KVANTITATIVNI MODELI I METODIKVANTITATIVNI MODELI I METODIU BIZNISU I EKONOMIJIU BIZNISU I EKONOMIJI
mailto:mailto:[email protected]@yahoo.com
Beograd, 2007/2009Beograd, 2007/2009
2/245
Matematički model : Funkcija cilja i ograničenja
Rešavanje :Ručni postupci : Grafičko rešavanje za n=2 promenljiveRučni postupci : Simpleks metodaPrimena softvera : WinQSB, Modul Linear and Integer Programming
Tipovi problema (2) :1) Maksimizacija funkcije kriterijuma2) Minimizacija funkcije kriterijuma
Vrste modela sa stanovišta promenljivih (5) : 1) Linearno programiranje (za kontinualne promenljive)2) Celobrojno linearno programiranje, 2 tipa promenljivih :
a) bilo koji celi brojevib) binarni brojevi : 0 ili 1; 0-1 programiranje
3) Mešovito celobrojno linearno programiranje
Oblici ograničenja (3) : , ,
LINEARNO PROGRAMIRANJE – LPLINEARNO PROGRAMIRANJE – LP
3/245
Softver :Softver : WinQSBWinQSBQuantitave Systems for BusinessQuantitave Systems for BusinessKvantitativni sitemi (modeli) za biznisKvantitativni sitemi (modeli) za biznis
Autor i adresa za preuzimanje softvera
Grupa modela : 19Ukupno modela : 57Demo primera : 64
4/245
Uputstvo za korišćenje : Uputstvo za korišćenje : 1)1) Linear and Integer Programming (4 modela)2)2) Network Modeling (7 modela)
Softver :Softver : WinQSBWinQSBQuantitave Systems for BusinessQuantitave Systems for BusinessKvantitativni sitemi (modeli) za biznisKvantitativni sitemi (modeli) za biznis
Prof. dr I. Nikolić i R. B.Metode optimizacije u zadacima tipa transporta sa jednim i više kriterijuma
5/245
1. KONTINUALNO LP1. KONTINUALNO LP Primer, Verbalni model, Tabelarni model,Primer, Verbalni model, Tabelarni model, Grafički model i metoda, Simpleks tabele,Grafički model i metoda, Simpleks tabele, Primena softvera, Primarni model i Dualni model, Primena softvera, Primarni model i Dualni model, Nesaglasnost ograničenja, Jedinstveno x*, Nesaglasnost ograničenja, Jedinstveno x*,
Višestruko x* ....Višestruko x* ....
2. CELOBROJNO LP2. CELOBROJNO LP
3. (0-1) ili BINARNO LP3. (0-1) ili BINARNO LP
4. MEŠOVITO CELOBROJNO LP4. MEŠOVITO CELOBROJNO LP
SADRŽAJSADRŽAJ
Naslov
5. POST-OPTIMALNA ANALIZA5. POST-OPTIMALNA ANALIZA
Zadaci / Vežbe
Zadaci / Vežbe
Zadaci / Vežbe
Zadaci / Vežbe
Zadaci / Vežbe
6. ODABRANE PRIMENE LP6. ODABRANE PRIMENE LP
7. Više oSimpleks metod i Simpleks tabelama
7. Više oSimpleks metod i Simpleks tabelama
Meniji i opcije softvera
Meniji i opcije softvera
6/245
1.1.KONTINUALNOKONTINUALNO
LINEARNOLINEARNOPROGRAMIRANJEPROGRAMIRANJE
7/245
OPŠTA POSTAVKA PROBLEMA LP
.... (1)
.... (2)
.... (3)
.... (1)
.... (2)
.... (3)
8/245
(2)-(3)
(2)(3)
(2)-(3)
(2)-(3)
(2)
9/245
(2) -(3)
(2)
10/245
IZBOR OPTIMALNOG ASORTIMANA PROIZVODA
11/245
12/245
13/245
PRIMER 1. : PROBLEM 1. Izrada obuće
Verbalni model
14/245
Matematički model
Model A Model B
Kapaciteti
(čas/mes)
Profit (n.j./par) 45 60 max
ResursiNormativi (čas/par) uslovi
Mašina 1 3 2 480
Mašina 2 2 4 600
Mašina 3 1 1 180
Nepoznate (par) x1 x2
Tabelarni model
Funkcija kriterijuma
Ograničenja
Prirodna ograničenja
15/245
GrafičkiModel
Grafik ograničenja 1 3x1 + 2x2 480Grafik ograničenja 1 3x1 + 2x2 480
Matematički model
Prava 3x1 + 2x2 = 480
Presek sa osom x1 : Ako x2=0 x1=160; M1(160;0)Presek sa osom x2 : Ako x1=0 x2=240; M2(0;240)
Dopustivo : Skup tačaka na duži M1M2
3x1 + 2x2 = 480 x1 0 x2 0
Dopustivo : Skup tačaka na duži M1M2
3x1 + 2x2 = 480 x1 0 x2 0
50 100 150 200 250 300
50
100
150
200
0
x1
x2
250
3x1 + 2x2 = 480
Dopustivaoblast :3x1 + 2x2 480x1 0x2 0
Dopustivo:x1=0; x2=240
Dopustivo :x1=30; x2=100
Nedopustivaoblast :3x1 + 2x2 > 480
Nedopustivo :x1=30; x2=200
M2
M1
Dopustivo :x1=30; x2=140
Dopustivo :x1=140; x2=0
MS Visio Object, ostvariti uvid sa ‘Mouse Klick’ nakon što se isključi ‘View Show’ sa ‘Esc2
16/245
50 100 150 200 250 300
50
100
150
200
0
x1
x2
250
1) 3x1 + 2x2 = 480
2) 2x1 + 4x2 = 600
3) x1 + x2 = 180
XMatematičkimodel
Grafičkimodel
B(60,120)C(120,60)
D(160,0)
(90,105)Nije dopustivo(90,105)Nije dopustivo
x1=90, x2=105 nije dopustivo rešenje.Zadovoljava sa znakom jednakosti 1) i 2) ograničenje, ali ne zadovoljava 3).
x1=90, x2=105 nije dopustivo rešenje.Zadovoljava sa znakom jednakosti 1) i 2) ograničenje, ali ne zadovoljava 3).
A(0,150)
Oblast (skup) dopustivih rešenja X= petougao 0ABCD
17/245
Sistem linearnih jednačina - SLJ 2x2
x1 x2 b x1 x2Ogr 1 3 2 480 D = 3 2 8Ogr 2 2 4 600 2 4
b x2 x1 bDx1 = 480 2 720 Dx2 = 3 480 840
600 4 2 600
x1 = Dx1/D = 90 x2 = Dx2/D = 105
x1 x2 b x1 x2Ogr 1 3 2 480 D = 3 2 1Ogr 3 1 1 180 1 1
b x2 x1 bDx1 = 480 2 120 Dx2 = 3 480 60
180 1 1 180
x1 = Dx1/D = 120 x2 = Dx2/D = 60
MS Excel WorksheetZa uvid : Isključiti ‘View Show’ sa tipkom ‘Esc’ i ‘Mouse Click’
Presek 3x1+2x2 = 480 za M12x1+4x2 = 600 za M2jeste nedopustiva tačka (x1,x2) = (90,105)
Presek 3x1+2x2 = 480 za M11x1+1x2 = 180 za M3jeste dopustiva tačka C(120,60) x1 = 120, x2 = 60
Odrediti presek prave 2x1+4x2 = 500 za M2 sa pravom 1x1+1x2 = 180 za M3
18/245
Grafik dunkcije kriterijumaz = 45x1 + 60x2
Grafik dunkcije kriterijumaz = 45x1 + 60x2
50 100 150
50
100
150
0
x1
x2
1) 3x1 + 2x2 = 480
2) 2x1 + 4x2 = 600
3) x1 + x2 = 180
X
-50 z = 45x1 + 60x2 = 0
z = 7.200
z = 9.000
z* = 9.900
Matematičkimodel
Grafičkimodel
C(120,60)
D(160,0)
A(0,150)
Optimalno rešenje x*x1=60, x2=120, z*=9.900
B(60,120)Postavi se prava u koordinatnom početku (0,0) i vrši se pomera-nje preko X do posled-nje dopustive tačke, u ovom slučaju B(60,120)
Pronalaženje x* sa grafikom funkcije kriterijuma
19/245
Proračun profita z(x) u temenima oblasti dopustivih rešenja
Optimalno rešenje:
x1* = 60 pari modela A; x2* = 120 pari modela BMaksimalna profit z* = 9.900 (n.j.)
Resursi
Norma- tivi x1
Norma- tivi x2
Angažo- vanje
Raspolo- živo
Slobo- dno
M1 3 60 2 120 420 480 60M2 2 60 4 120 600 600 0M3 1 60 1 120 180 180 0
x1 x2 z = 45x1 + 60x2 maxA 0 150 9.000B 60 120 9.900C 120 60 9.000D 160 0 7.200
9.900
Proračun (provera) korišćenja kapaciteta mašina
U celosti se koriste kapacitet za M2 i M3Ostaje slobodno 60 (čas) za M1
MS Excel Worksheet, za uvid : Isključiti ‘View Show’ sa ‘Esc’ i ‘Mouse Click’
MS Excel Worksheet(ostvariti uvid u šablon za proračun)
20/245
50 100 150
50
100
150
0
x1
x2
1) 3x1 + 2x2 = 480
2) 2x1 + 4x2 = 600
3) x1 + x2 = 180
X
z* = 9.900
Tačka B ne pirpada pravoj za M1, tako da rastojanje B od prave za M1 iskazuje slobodne kapacitete M1 sa rešenjem B(60,120).
Angažovano : 360+2120 = 180+240 = 420
Tačka B ne pirpada pravoj za M1, tako da rastojanje B od prave za M1 iskazuje slobodne kapacitete M1 sa rešenjem B(60,120).
Angažovano : 360+2120 = 180+240 = 420
(max) z = 45x1 + 60x2
Pri ograničenjima
M1 3x1 + 2x2
480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
U celosti se koriste kapacitet za M2 i M3Ostaje slobodno 60 (čas) za M1
Tačka B jeste u preseku ograničenja 2) za M2 i 3) za M3, tako x1=60 i x2=120 zadovoljava jednačinu 2) za M2 i jednačinu 3) za M3
Optimalno rešenje u Bx1=60, x2=120, z*=9.900
B(60,120)
Slobodno : 480-420 = 60 (udaljenost B od prave) Slobodno : 480-420 = 60 (udaljenost B od prave)
21/245
50 100 150
50
100
150
0
x1
x2
1) 3x1 + 2x2 = 480
2) 2x1 + 4x2 = 600
3) x1 + x2 = 180
X
z* = 9.600
4) x2 = 100
Ograniča-vanjepromenljiveNajviše 100 pari
modela B
Lošije
Optimalno rešenje sa x2
100 x1=80, x2=100, z*=9.600
Polazno opt. rešenjex1=60, x2=120, z*=9.900
PRIMER 2
(max) z = 45x1 + 60x2
p.o.
M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 B .... x2 100 x1, x2 0
B1(80,100)
B(60,120)
22/245
Lošije
Optimalno rešenje sa x1
100 x1=100, x2=80, z*=9.300
PRIMER 3
(max) z = 45x1 + 60x2
M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 A .... x1 100 x1, x2 0
Polazno opt. rešenjex1=60, x2=120, z*=9.900
Ograniča-vanjepromenljiveNajmanje 100 pari
modela A
50 100 150
50
100
150
0
x1
x2
1) 3x1 + 2x2 = 480
2) 2x1 + 4x2 = 600
3) x1 + x2 = 180
X
z* = 9.300
4) x1 = 100
B2(100,80)
B(60,120)
23/245
REKAPITULACIJA(max) z = 45x1 + 60x2
M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
Optimalno rešenjex1* = 60, x2* = 120, z* = 9.900
(max) z = 45x1 + 60x2
M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 B .... x2 100 x1, x2 0
(max) z = 45x1 + 60x2
M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 A .... x1 100 x1, x2 0
Optimalno rešenjex1* = 80, x2* = 100, z* = 9.600
Optimalno rešenjex1* = 100, x2* = 80, z* = 9.300
ZAKLJUČAK :Dodatna ograničenja mogu da rezultuju lošijim rešenjem sa stanovišta optimalne vrednosti funkcije kriterijuma
24/245
Da li rešenje može da se odredi softverom ?Da li rešenje može da se odredi softverom ?
Optimalno rešenje
x1*=60
x2*=120
z*=9.900
Polazni podaci za softverPolazni podaci za softver
Optimalno rešenje sa softveromOptimalno rešenje sa softverom
Softver Softver označava označava ograničenja ograničenja (Constraint)(Constraint) sa sa C1, C2, C3C1, C2, C3
25/245
Model A Model B
Kapaciteti
(čas/mes)
Profit (n.j./par) 45 60 max
Resursi Normativi (čas/par) uslovi
Mašina 1 3 2 480
Mašina 2 2 4 600
Mašina 3 1 1 180
Nepoznate (par) x1 x2
Prikazivanje polaznih podataka za model LPPrikazivanje polaznih podataka za model LP
Tabelarno prikazivanje polaznih podataka(Tabelarni model)
Matrix Form za polazne podatkesa softverom Linear and Integer Programming
26/245
ZNAČAJNE KARAKTERISTIKE ZNAČAJNE KARAKTERISTIKE MODELA LPMODELA LP
1)1) Minimizacija i maksimizacija Minimizacija i maksimizacija funkcije kriterijumafunkcije kriterijuma
2)2) Nesaglasnost / kontradiktornost Nesaglasnost / kontradiktornost ograničenjaograničenja
3)3) Jedinstveno optimalno rešenje Jedinstveno optimalno rešenje ((u ranijim primerimau ranijim primerima))
4)4) VišestrukoVišestruko optimalno rešenje
27/245
PRIMER I. MAKS. i MIN. FUNKCIJE KRITERIJUMA
(max) z = 45x1 + 60x2
M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
(min) z = 45x1 + 60x2
M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
Opt. reš.
x1* = 60
x2* = 120
z* = 9.900
Opt. reš.
x1* = 90
x2* = 105
z* = 10.350
50 100 150 200 250 300
50
100
150
200
0
x1
x2
250
1) 3x1 + 2x2 = 480
2) 2x1 + 4x2 = 600
3) x1 + x2 = 180
X z* = 9.900
50 100 150 200 250 300
50
100
150
200
0
x1
x2
250
1) 3x1 + 2x2 = 480
2) 2x1 + 4x2 = 600
3) x1 + x2 = 180
Dopustiva oblast X
z* = 10.350
x1 x2 z = 45×x1 + 60×x2 maxA 0 150 9.000B 60 120 9.900C 120 60 9.000D 160 0 7.200
9.900
E(90,105)
B(50,120)
G
H
A
C
D
28/245
150 200 250
50
100
150
200
0
x1
x2
250
1) 3x1 + 2x2 = 480
2) 2x1 + 4x2 = 600
3) x1 + x2 = 180
4) 1x1 + 1x2 = 250
PRIMER II.SAGLASNOST i NESAGLASNST OGRANIČENJA
Tri uslova (mašine) : M1 ... 3x1 + 2x2 480
M2 ... 2x1 + 4x2 600
M3 ... 1x1 + 1x2 180
x1, x2 0
Jedan uslov (sirovina) : S1 ... 1x1 + 1x2 250 x1, x2 0
Nesaglasnost (kontradiktornost) ograničenja
Nema (jedinstven) skup dopustivih rešenja
Nema optimalno rešenje
z = 45x1 + 60x2 max
M1 3x1 + 2x2 480
M2 2x1 + 4x2 600
M3 1x1 + 1x2 180
S1 1x1 + 1x2 250 x1, x2 0
PRIMER 1. proširen sa ograniče-njem za S1Vizuelno jasnoVizuelno jasno
na grafikuna grafiku
29/245
50 100 150
50
100
150
0
x1
x2
2) 2x1 + 4x2 = 600
3) x1 + x2 = 180X
z* = 10.800
1) 3x1 + 2x2 = 480
B(60,120)
C(120,60)
D(160,0)
A(0,150)
z = 60x1 + 60x2 i 1x1 + 1x2 = 180 imaju isti nagib.
Višestruko optimalno rešenje x** na duži BC koja pripada pravoj 1x1 + 1x2 = 180 za M3.
z = 60x1 + 60x2 i 1x1 + 1x2 = 180 imaju isti nagib.
Višestruko optimalno rešenje x** na duži BC koja pripada pravoj 1x1 + 1x2 = 180 za M3.
c1 x1 c2 x2 z maxA 60 0 60 150 9.000B 60 60 60 120 10.800C 60 120 60 60 10.800D 60 160 60 0 9.600
10.800
(max) z = 60x1 + 60x2
p.o.
M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0Ako ista dobit 60 za raz-matrane parove obuće, nastaje višestruko optimalno rešenje x** na duži BC sa z* = 10. 800
Duž BC pripada pravoj Duž BC pripada pravoj xx1 1 + x+ x2 2 = 180 za M3. = 180 za M3. Sledi :
x1*60,120; x2* = 180-x1*
PRIMER III. VIŠESTRUKOOPTIMALNOREŠENJE
30/245
PRIMENA SOFTVERAPRIMENA SOFTVERAWinQSB – WinQSB – Quantitative Systems for BusinessQuantitative Systems for Business
MODUL : Linearno i celobrojno programiranjeLinearno i celobrojno programiranje
UPUTSTVOUPUTSTVOProf. dr I. Nikolić i R. B.Prof. dr I. Nikolić i R. B.Metode optimizacije u zadacima tipa transporta sa jednim i više kriterijuma
31/245
Novi problem
Učitavanje memorisanog
problema
Naziv problema
Broj promenljivih
Broj ograničenjaVrsta
kriterijuma
Format unosa
podataka
Preddefinisani tip promenljivih
Specifikacija novog problema
MeniMeni
11MeniMeni
11
32/2454. Rešavanje i
analiza
1. Operacije sa dokumentima
MeniMeni
22MeniMeni
222 3
4
3. Format podataka
2. Operacije sa podacima
Nedostupan meni Results
(dostupan nakon
rešavanja)
7
Izbor dokumenata za prikazivanje na ekranu
9
Nedostupne opcije(dostupne nakon
rešavanja)
1
33/245
ToolBars
9
Koristitimeni Helpza tumačenje :
1) teorije LP 2) primene
softvera
34/245
MeniMeni
33MeniMeni
33
Nedostupne opcije(dostupne nakon
sprovođenja analize
Dostupna opcija ako postoji x**
3Analiza ako nema
rešenja x*
Analiza ako rešenje nije ograničeno
7
Izbor dokumenata za prikazivanje na ekranu
Izbor drugih modula softvera WinQSB
35/245
Odrediti alternativno x*(opcija dostupna ako postoji x**)
Parametarska analiza za cj, bi
Pregled rešešenja - kombinovano : 1 + 2
Analiza osetljivosti sa stanovišta bi
1. Pregled rešešenja sa stanovišta promenljivih
Analiza osetljivosti sa stanovišta cj
2. Pregled rešešenja sa stanovišta ograničenja
Poslednja simpleks tabela
Analiza nemogućnosti da se odredi x*Analiza neograničenosti rešenja
Meni Resulsts
Dostupne opcije nakon analize :
1) Tabelarni prikaz2) Grafički prikaz
Sadržaj
36/245
Polazni model, rešenjex1=60, x2=120, z*=9.900
Tri modela cipela, tri promenljive
(max) z = 45x1 + 60x2 + 50x3
3x1 + 2x2 + 1x3 480 .... M1 2x1 + 4x2 + 3x3 600 .... M2 1x1 + 1x2 + 1,5x3 180 .... M3 x1, x2, x3 0
Rešenje: Softver WinQSB, LPRešenje: Softver WinQSB, LP&&ILPILP
PRIMER 4 :
Neka se razmatra i model obuće C sa podacima za normative i jedin. dobit u proširenom matemat. modelu sa dva modela obuće.
37/245
z = 45x1 + 60x2 + 50x3 max
M1 ... 3x1 + 2x2 + 1x3
480M2 ... 2x1 + 4x2 + 3x3 600M3 ... 1x1 + 1x2 + 1,5x3 180 x1, x2, x3 0
Donje graniceza promenljive
Gornje graniceza promenljive
M =
Tipovi za promenljive : Continuous (kontinualne, realne vrednosti), Integer (celobrojne
vrednosti), Binary (binarne vrednosti : 0 ili 1), Unresticted (vrednosti neograničene u znaku)
Tip funkcije kriterijuma
Ograničenja
Softver :Softver : WinQSB WinQSBModul :Modul : Linear and Integer ProgrammingLinear and Integer Programming
POLAZNI PODACI : Matrix FormPOLAZNI PODACI : Matrix Form
Promenljive
Desna strana ograničenja
Znaci ogr.
38/245
Gubitak po jedinici za x3 > 0
Slobodni kapaciteti
Korišćenje kapaciteta
Raspoloživi kapaciteti
Fun
kcija
ci
ljaP
rom
enlji
veza
odl
učiv
anje
Ogr
anič
enja
Gubitak po jedinici za
nedostajuće kapacitete
C2, C3
Status za bazične
promenljiveBazičneNa granici
Reducirane cene
Cene u senci
REŠENJE : Combined ReportREŠENJE : Combined Report
Softver :Softver : WinQSB WinQSBModul :Modul : Linear and Integer ProgrammingLinear and Integer Programming
z = 45x1 + 60x2 + 50x3 max
M1 ... 3x1 + 2x2 + 1x3
480M2 ... 2x1 + 4x2 + 3x3 600M3 ... 1x1 + 1x2 + 1,5x3 180 x1, x2, x3 0
Vrednosti za promenljive
39/245
REŠENJE : Combined ReportREŠENJE : Combined Report
Softver :Softver : WinQSB WinQSBModul :Modul : Linear and Integer ProgrammingLinear and Integer Programming
z = 45x1 + 60x2 + 50x3 max
M1 ... 3x1 + 2x2 + 1x3
480M2 ... 2x1 + 4x2 + 3x3 600M3 ... 1x1 + 1x2 + 1,5x3 180 x1, x2, x3 0
Donje i gornje granice elemenata koje omogućavaju prisustvo datih promenljivih u opt. rešenju: (x1,x2)x*.
PRIMERI : a) x1x* za c1(30,60); b) (x1,x2)x* za b1(420,M=+)
Donje granice koefic. cj u z(x)
Gornje granice koefic. cj u z(x)
Donje granice slobodnih član. bi u ograničenjima
Gornje granice slobodnih član. bi u ograničenjima
40/245
DUALNI MODEL DUALNI MODEL LINEARNOG PROGRAMIRANJALINEARNOG PROGRAMIRANJA
z = 45x1 + 60x2 + 50x3 max
M1 ... 3x1 + 2x2 + 1x3 480
M2 ... 2x1 + 4x2 + 3x3 600
M3 ... 1x1 + 1x2 + 1,5x3 180
x1, x2, x3 0
y1
y2
y3
Primarni model LPPrimarni model LP
v = 480y1 + 600y2 + 180y3 min
A ... 3y1 + 2y2 + 1y3 45
B ... 2y1 + 4y2 + 1y3 60
C ... 1y1 + 3y2 + 1,5y3 50
y1, y2, y3 0
Dualni model LPDualni model LP
x1
x2
x3
Dualne Dualne promenljivepromenljive
Primarne Primarne promenljivepromenljive
Du
aln
i mo
de
l od
du
aln
og
mo
del
aD
ua
lni m
od
el o
d d
ua
lno
g m
od
ela
jes
te
jes
te
Pri
ma
rni m
od
el.
Pri
ma
rni m
od
el.
M1 M2 M3M1 M2 M3
A B CA B C
Va
ži :
ma
x z
= m
in v
Va
ži :
ma
x z
= m
in v
41/245
v = 480y1 + 600y2 + 180y3 min
A ... 3y1 + 2y2 + 1y3 45
B ... 2y1 + 4y2 + 1y3 60
C ... 1y1 + 3y2 + 1,5y3 50
y1, y2, y3 0
Dualni model LPDualni model LP
z = 45x1 + 60x2 + 50x3 max
M1 ... 3x1 + 2x2 + 1x3 480
M2 ... 2x1 + 4x2 + 3x3 600
M3 ... 1x1 + 1x2 + 1,5x3 180
x1, x2, x3 0
Primarni model LPPrimarni model LP Normal Model FormNormal Model Form
Dual Model FormDual Model Form
WinQSB : Linear and Integer Programming
Nazivi za promenljive : X1, X2, X3za ograničenja : M1, M2, M3
Nazivi za Nazivi za promenljive : M1, promenljive : M1, M2, M3M2, M3za ograničenja : za ograničenja : X1, X2, X3X1, X2, X3
42/245
z = 45x1 + 60x2 + 50x3 max
M1 ... 3x1 + 2x2 + 1x3 480
M2 ... 2x1 + 4x2 + 3x3 600
M3 ... 1x1 + 1x2 + 1,5x3 180
x1, x2, x3 0
v = 480y1 + 600y2 + 180y3 min
A ... 3y1 + 2y2 + 1y3 45
B ... 2y1 + 4y2 + 1y3 60
C ... 1y1 + 3y2 + 1,5y3 50
y1, y2, y3 0
Ista optimalna vrednost funkcije kriterijumamax z = min z = 9.900
Dualni model LPDualni model LP
Primarni model LPPrimarni model LP
Vrednosti Shadow Price (cene u senci, dualne promenljive) u jednom modelu su vrednosti za promenljive (Decision Variable) u suprotnom modelu.
x1 = 60 za Primar je Chadow Price za Constr. X1 = 60 u Dualux2 = 120 za Primar je Chadow Price za Constr. X2 u DualuX3 = 0 za Primar je Chadove Price za Constraint X3 u Dualu
Combined Report
43/245
Izravna-vajuće prom. u Dualu
Final Simplex Tableau
Dualni model LPDualni model LP
Primarni model LPPrimarni model LP
X1 X2 X3Slack_X1
Slack_X1
Slack_X1
M1 M2 M3Surplus_M1
Surplus_M2
Surplus_M2
y1 y2y3
Izravnavajuće prom. u Primaru
Prom. za odlučivanje
u Primaru
Prom. za odlučivanje
u DualuPosmatrati suprotne - pozitivne vrednosti
44/245
Primer B.Primer B.
z = 45x1 + 60x2 + 50x3 max
M1 ... 3x1 + 2x2 + 1x3 480
M2 ... 2x1 + 4x2 + 3x3 600
M3 ... 1x1 + 1x2 + 1,5x3 180
x1, x2, x3 0
y1
y2
y3
Primarni model LPPrimarni model LP
v = 480y1 + 600y2 + 180y3 min
A ... 3y1 + 2y2 + 1y3 45
B ... 2y1 + 4y2 + 1y3 60
C ... 1y1 + 3y2 + 1,5y3 50
y1, y2, y3 0
Dualni model LPDualni model LP
x1
x2
x3
Dualne Dualne promenljivepromenljive
Primarne Primarne promenljivepromenljive
Du
aln
i mo
de
l od
du
aln
og
mo
del
aD
ua
lni m
od
el o
d d
ua
lno
g m
od
ela
jes
te
jes
te
Pri
ma
rni m
od
el.
Pri
ma
rni m
od
el.
M1 M2 M3M1 M2 M3
A B CA B C
Va
ži :
ma
x z
= m
in v
Va
ži :
ma
x z
= m
in v
45/245
1) Max z(x) – funkcija cilja za Primar neka znaci “” za sva ograničenja za mešovita ograničenja, važe proširena pravila
2) Svakom ograničenju Primara pridružuje se promenljiva Y za Dual
3) Slobodni članovi Primara = Koeficijenti funkcije cilja Duala4) Koeficijenti funkcije cilja Primara = Slobodni članovi Duala5) Tehnološka matrica leve strane ograničenja Primara
transponuje se za model Duala (redovi postaju kolone i obrnuto)
6) Min v(y) – funkcija cilja za Dual znaci “” za ograničenja, ako znaci “” za sva ograničenja
Primara
PRAVILA za PREVOĐENJE PRIMARA u DUALPRAVILA za PREVOĐENJE PRIMARA u DUAL
7) Sve jedno je koji se model rešava Iz rešenja Duala može da se odredi rešenje Primara, i obrnuto Max z(x) = Min v(y)
PRAVILA ZA REŠENJAPRAVILA ZA REŠENJA
46/245
z = 45x1 + 60x2 + 50x3 max
M1 ... 3x1 + 2x2 + 1x3 480
M2 ... 2x1 + 4x2 + 3x3 600
M3 ... 1x1 + 1x2 + 1,5x3 180
x1, x2, x3 0
y1
y2
y3
Primarni model LPPrimarni model LP
v = 480y1 + 600y2 + 180y3 min
A ... 3y1 + 2y2 + 1y3 45
B ... 2y1 + 4y2 + 1y3 60
C ... 1y1 + 3y2 + 1,5y3 50
y1, y2, y3 0
Dualni model LPDualni model LP
x1
x2
x3
Dualne Dualne promenljivepromenljive
Primarne Primarne promenljivepromenljive
Du
aln
i mo
de
l od
du
aln
og
mo
del
aD
ua
lni m
od
el o
d d
ua
lno
g m
od
ela
jes
te
jes
te
Pri
ma
rni m
od
el.
Pri
ma
rni m
od
el.
M1 M2 M3M1 M2 M3
A B CA B C
Va
ži :
ma
x z
= m
in v
Va
ži :
ma
x z
= m
in v
Primer C.Primer C.
47/245
Primarni model sa različitim znacima za ograničenja
z = 45x1 + 60x2 max
M1 ... 3x1 + 2x2 480
M2 ... 2x1 + 4x2 600
M3 ... 1x1 + 1x2 180
x1, x2 0
A B A B
Primer C. Primer C. max z sa ograničenjem “max z sa ograničenjem “””
z = 45x1 + 60x2 max
M1 ... 3x1 + 2x2 480
M2 ... 2x1 + 4x2 600
M3 ... -1x1 - 1x2 –180
x1, x2 0
A B A B
/(-1)
y1
y2
y3
Dualne Dualne promenljivepromenljive
v = 480y1 + 600y2 – 180y3 min
A ... 3y1 + 2y2 – 1y3 45
B ... 2y1 + 4y2 – 1y3 60
y1, y2, 0, y3 0
Dual LP – DP Dual LP – DP
M1 M2 M3M1 M2 M3
x1
x2
x3
Primarne Primarne promenljivepromenljive
Primar LP – PM Primar LP – PM
Množenje sa(– 1) da (max) z ima sva ograničenja “”
y3 za ograničenje “” za M3 u PM je nepozitivna promenljiva u DP.
48/245
v = 480y1 + 600y2 – 180y3 min
A ... 3y1 + 2y2 – 1y3 45
B ... 2y1 + 4y2 – 1y3 60
y1, y2, 0, y3 0
Dual LP – DP Dual LP – DP
M1 M2 M3M1 M2 M3
Kako rešavati model LP ako nisu sve promenljive nenegativne – nemaju uslov nenegativnosti “ 0”
Za y3 0 se uvede smenay3 = –y’3
y3 0 postaje –y’3 0
Množenje sa (–1) daje potrebnu nenegativnost –y’3 0 /(–1) y’3 0
v = 480y1 + 600y2 – 180(–y’3) minA ... 3y1 + 2y2 – 1(–y’3) 45B ... 2y1 + 4y2 – 1(–y’3) 60 y1, y2, 0, (–y’3) 0 v = 480y1 + 600y2 + 180y’3 min
A ... 3y1 + 2y2 + 1y’3 45
B ... 2y1 + 4y2 + 1y’3 60
y1, y2, 0, y’ 0
Prikazuje se postuapk za napred definisani DP, što važi Prikazuje se postuapk za napred definisani DP, što važi za bilo koji model sa promenljivama tipa “za bilo koji model sa promenljivama tipa “ 0 0““
Sve promenljive su tipa “ 0”U x* izvršiti povratak na polaznu promenljivu – odrediti y3* = –y’3*
49/245
Primarni model sa različitim znacima za ograničenja
z = 45x1 + 60x2 max
M1 ... 3x1 + 2x2 480
M2 ... 2x1 + 4x2 600
M3 ... 1x1 + 1x2 = 180
x1, x2 0
A B A B
Primer D. Primer D. max z sa ograničenjem “=”max z sa ograničenjem “=”
z = 45x1 + 60x2 max
M1 ... 3x1 + 2x2 480
M2 ... 2x1 + 4x2 600
M3 ... 1x1 + 1x2 180
1x1 + 1x2 180
x1, x2 0
A B A B
y1
y2
y3
y4
Dualne Dualne promenljivepromenljive
v = 480y1 + 600y2 + 180y3 – 180y4 min
A ... 3y1 + 2y2 + 1y3 – 1y4 45
B ... 2y1 + 4y2 + 1y3 – 1y4 60
y1, y2, y3 0, y4 0
Dual LP – DP Dual LP – DP
M1 M2 M3M1 M2 M3
x1
x2
x3
Primarne Primarne promenljivepromenljive
Primar LP – PM Primar LP – PM
Zameniti sa dva ograničenja tipa “” i “”
y4 za ograničenje “” za M3 u PM je nepozitivna promenljiva u DP.
50/245
z = 45x1 + 60x2 + 50x3 max 3x1 + 2x2 + 1x3 480 2x1 + 4x2 + 3x3 600 1x1 + 1x2 + 1,5x3 180 x3 20, najmanje 20 pari modela
C x1, x2, x3 0
PRIMER 5Donje granice za promenljiveLowerBound
Polazni podaci : Matrix Form
51/245
z = 45x1 + 60x2 + 50x3 max 3x1 + 2x2 + 1x3 480 2x1 + 4x2 + 3x3 600 1x1 + 1x2 + 1,5x3 180 x3 20, najmanje 20 pari modela C
x1, x2, x3 0
Optimalna rešenja
1. Tumačenje za promenljive i cilj : Zamena 30 pari mod. A sa 20 pari mod. C umanuje dobit sa 9.900 na 9.550 za 350.
2. Tumačenje za ograničenja : Slobodno 130 čas. M1
PRIMER 4x1* = 60x2* = 120x3* = 0z* = 9.900
PRIMER 5x1* = 30x2* = 120x3* = 20z* = 9.550
Op
tim
aln
o r
eš
en
je :
Iz
ve
štaj
Co
mb
ined
Rep
ort
52/245
z = 45x1 + 60x2 + 50x3 max 3x1 + 2x2 + 1x3 480 2x1 + 4x2 + 3x3 600 1x1 + 1x2 + 1,5x3 180 x2 75, najviše 75 pari modela B
x1, x2, x3 0
PRIMER 6Gornje granice za promenljiveUpperBound
Polazni podaci : Matrix Form
53/245
z = 45x1 + 60x2 + 50x3 max 3x1 + 2x2 + 1x3 480 2x1 + 4x2 + 3x3 600 1x1 + 1x2 + 1,5x3 180 x2 75, najviše 75 pari modela B
x1, x2, x3 0
PRIMER 4x1* = 60x2* = 120x3* = 0z* = 9.900
PRIMER 5x1* = 30x2* = 120x3* = 20z* = 9.550
Optimalna rešenja
PRIMER 6x1* = 105x2* = 75x3* = 0z* = 9.225
Op
tim
aln
o r
eš
en
je :
Iz
ve
štaj
Co
mb
ined
Rep
ort
Tumačenje: a) za promenljive, b) za cilj, c) za ograničenja
54/245
1. KONTINUALNO LINEARNO PROGRAMIRANJE
ZADACI ZA VEŽBANJE
ZADATAK 1.
Da li ograničenje tržišta za proizvod A utiče na optimalno rešenje?
55/245
ZADATAK 2.
Sadržaj
56/245
2.2.CELOBROJNOCELOBROJNO
LINEARNOLINEARNOPROGRAMIRANJEPROGRAMIRANJE
Ako sa Ako sa Variable Type = ContinuousVariable Type = Continuous promenljive nemaju celobrojne vrednosti, a promenljive nemaju celobrojne vrednosti, a
trebalo bi, definisati : trebalo bi, definisati : Variable Type = IntegerVariable Type = Integer
Celobrojno LP spada u klasu modela “Nelinearno programiranje” (NP). Za ručne postupke je podesna koristii “Branch and Bound Method”
(Metoda grananja i ograđivanja)
57/245
z = 45x1 + 60x2 + 50x3 max
3,25x1 + 2x2 + 1x3 480
1,75x1 + 4x2 + 3x3 600
1x1 + 1x2 + 1,5x3 180 x1, x2, x3 0 i celi brojevi
PRIMER 7Celobrojno programiranje
Polazni podaci : Matrix Form
Neka je nastupila promena normativa za model A (promenljiva x1) na M1 i M2
Optimalno rešenje : Izveštaj Solution Summary
Optimalno rešenje:x1* = 53,333; x2 = 126,667z* = 10.000
Nisu dopustive necelobrojne vrednosti za promenljive (broj pari cipela)
Ne zahteva se celobrojnost za promenljive
Uočiti promenu naziva za promenljive i ograničenja
58/245
z = 45x1 + 60x2 + 50x3 max
3,25x1 + 2x2 + 1x3 480
1,75x1 + 4x2 + 3x3 600
1x1 + 1x2 + 1,5x3 180 x1, x2, x3 0 i celi brojevi
Celobrojno programiranje
Polazni podaci : Matrix Form
Optimalno rešenje : Izveštaj Solution Summary
Optimalno rešenje:x1* = 54x2* = 126z* = 9.9000
Zahteva se celobrojnost za promenljiveVariable Type = Integer
59/245
z = 45x1 + 60x2 + 50x3 max
3,25x1 + 2x2 + 1x3 480
1,75x1 + 4x2 + 3x3 600
1x1 + 1x2 + 1,5x3 180 x1, x2, x3 0
POREĐENJENecelobrojno programiranje Celobrojno programiranje
Optimalno rešenjesa zatevom “celobroj-nost za promenljive” :x1* = 54; x2* = 126z* = 9.9000
Optimalno rešenjebez zahteva “celobroj-nost za promenljive” :x1* = 53,333; x2* = 126,667z* = 10.000
ZATHTEV : “celobrojnost za promenljive”REZULTAT : LOŠIJA VREDNOST z*, REZULTAT : LOŠIJA VREDNOST z*, ako bez tog zahteva postoje necelobrojna rešenja za promenljive
Ne vrši se “uobičajeno zaokruživanje” necelih brojeva na cele brojeve
60/245
Optimalno rešenjeTumačenje ograničenja:Slobodni kapaciteti1 (čas) za M1 i 147 (čas) za M2100% korišćenje M3Zahtevano korišćenje 300 (jed.) Sirovine 1
z = 45x1 + 60x2 + 50x3 max
M1 3,25x1 + 2x2 + 1x3 480
M2 1,75x1 + 4x2 + 3x3 600
M3 1x1 + 1x2 + 1,5x3 180
S1 2x1 + 1x2 + 3x3 = 300 x1, x2, x3 0 i celi brojevi
PRIMER 8Celobrojno programiranje
Neka se razmatra i Sirovina 1, sa normativima 2, 1, 3 (jedinica sirovine za par obuće modela A, B, C)i zahtevom da se utroši tačno 300 (jedinica sirovine)
Rešenje: Necelobrojne promenljive
Rešenje: Celobrojne promenljive
61/245
z = 45x1 + 60x2 + 50x3 max
M1 3,25x1 + 2x2 + 1x3 480
M2 1,75x1 + 4x2 + 3x3 600
M3 1x1 + 1x2 + 1,5x3 180
S1 2x1 + 1x2 + 3x3 200 x1, x2, x3 0 i celi brojevi
PRIMER 9
Zahteva se trošenje/ angažovanje S1 najmanje 200 (jedinica sirovine)
Sirovina 1 koristi se L.H.S = 234 (jed.), Surplus = 34 više od zahteva R.H.S = 200
“Reduced Cost” – “Reducirani troškovi” za promenljive “at bound” – “na granici” koje imaju vrednosti :
> 0 = 0
“Shadow Price” – “Troškovi u senci” za ograničenja
62/245
z = 45x1 + 60x2 + 50x3 max
M1 ... 3,25x1 + 2x2 + 1x3 480
M2 ... 1,75x1 + 4x2 + 3x3 600
M3 ... 1x1 + 1x2 + 1,5x3 180
S1 ... 2x1 + 1x2 + 3x3 200 x1, x2, x3 0 i celi brojevi
TUMAČENJE IZRAVNAVAJUĆIH PROMENLJIVIH
z = 45x1 + 60x2 + 50x3 + 0Slack_M1 + 0Slack_M2 + 0Slack_M3 –
0Surlus_S1 max
M1 3,25x1 + 2x2 + 1x3 + Slack_M1 = 480
M2 1,75x1 + 4x2 + 3x3 + Slack_M2 = 600
M3 1x1 + 1x2 + 1,5x3 + Slack_M3 = 180
S1 2x1 + 1x2 + 3x3 = 200 + Surplus_S1
x1, x2, x3 0 i celi brojevi
Slack_M1, Slack_M2, Slack_M3 ; Surplus_S1 0
• Slack – nedostizanje, podbačaj• Surplus – prekoračenje, prebačaj
Prevođenje Prevođenje promenljive promenljive Surplus_S1 na Surplus_S1 na levu stranu levu stranu ograničenja Sograničenja S44
S1 2x1 + 1x2 + 3x3 – Surplus_S1 = 200
M = Beskonačno velikiM = Beskonačno veliki pozitivni brojpozitivni broj
63/245
z = 45x1 + 60x2 + 50x3 max
M1 3,25x1 + 2x2 + 1x3 480
M2 1,75x1 + 4x2 + 3x3 600
M3 1x1 + 1x2 + 1,5x3 180
S1 2x1 + 1x2 + 3x3 = K x1, x2, x3 0 i celi brojevi
PRIMER 10SAGLASNOST i NESAGLASNST OGRANIČENJA
K = 350 (jed.sirov.) ima rešenje K = 365 (jed.sirov.) nema rešenje
Softver daje : upozorenje da nema rešenje i preporuke za promenu desne
strane ograničenja
Za S1 razmatraju se varijante količina K sa zahtevom da se utroše u celosti.
64/245
Metoda grananja i ograničavanja
x* je celobrojno rešenje sa z* = max z(x* nije obavezno na kraju neke od grana)
Branch and Bound Method
ZADATAK:Odrediti x* primenom softvera
Dodatno ograničenje
Dodatno ograničenje
Dodatno ograničenje
Dodatno ograničenje
Dodatno ograničenje
Dodatno ograničenje
Bez celobrojnosti
Z = Skup celih brojeva
Drvo grananja
NE
NE
NE
65/245
2. CELOBROJNO LINEARNO PROGRAMIRANJE
ZADACI ZA VEŽBANJE
ZADATAK 3.
66/245
ZADATAK 4.
67/245
ZADATAK 5.
ZADATAK 6.
68/245
ZADATAK 7.
69/245
ZADATAK 8.
Sadržaj
70/245
3.3.0-1 (Binarno)0-1 (Binarno)LINEARNOLINEARNO
PROGRAMIRANJEPROGRAMIRANJEZahteva se da promenljive imaju vrednosti Zahteva se da promenljive imaju vrednosti 11 ili ili 00
Definisati : Definisati : Variable Type = BinaryVariable Type = Binary
NAPOMENA: 0-1 linearno programiranje spada u klasu modela “Nelinearno programiranje”
Sadržaj
71/245
z = 45x1 + 60x2 + 50x3 max
M1 ...... 3,25x1 + 2x2 + 1x3 480
M2 ....... 1,75x1 + 4x2 + 3x3 600
M3 ...... 1x1 + 1x2 + 1,5x3 180
2 r.para x1 + x2 + x3 = 2
x1, x2, x3 = 1 ili 0
PRIMER 12
(0,1) PROGRAMIRANJE
Neka se zahteva da se izrade samo dva (2) različita para obuće iz skupa: Model A, B, C
Zahteva se binarnost za promenljive (vrednosti 1 ili 0)Variable Type = BynarySoftver postavlja UpperBound = 1
Po
lazn
i po
da
ci
Optimalno rešenje :Model A, x1* = 0Model B, x2* = 1Model C, x3* = 1Z* = 110Izraditi Model B i C
72/245
z = 45x1 + 60x2 + 50x3 max
M1 ...... 3,25x1 + 2x2 + 1x3 480
M2 ....... 1,75x1 + 4x2 + 3x3 600
M3 ...... 1x1 + 1x2 + 1,5x3 180
2 r.para 1x1 + 1x2 + 1x3 = 2
x1, x2, x3 = 1 ili 0 NAPOMENA :Isti zahtev opisuje i model celobrojnog programiranja (Variable Type = Integer)sa gornjim granicama za promenljive UpperBound = 1
z = 45x1 + 60x2 + 50x3 max
M1 ...... 3,25x1 + 2x2 + 1x3 480
M2 ....... 1,75x1 + 4x2 + 3x3 600
M3 ...... 1x1 + 1x2 + 1,5x3 180
2 r.para 1x1 + 1x2 + 1x3 = 2
x1 1, x2 1, x3 1
x1, x2, x3 0 i celi brojevi
73/245
Određeni preduzetnik razmatra mogućnost da izgradi po jedan industrijski objekat (A, B i C) različitih namena (metalni proizvodi, plastični proizvodi, kondiktorski proizvodi). Svaki objekat zahteva odgovarajuću površinu građe-vinskog zemljišta: 10, 8 i 12 (ara), respektivno za A, B i C. Cene izgradnje objekata iznose 150, 170 i 130 (novč. jedin.). Proizvodnju u objektima obavljaju specijalisti Radnici 1 (3, 2 i 4 za A, B, C) i Radnici 2 (10, 15 i 10). Odrediti u koje objekte da investira preduzetnik sa ciljem da ostvari maks. ukupnu dobit polazeći sa procenom da eksploatacija objekata donosi dobit 47,50; 65,00 i 52,00 (novč.jedin./godišnje), ako preduzetnik raspolaže sa površinom 22 (ara) i finansijskim sredstvima 330 (novč.jedin.), a planira da uposli najviše 10 i 35 specijalista Radnici 1 i Radnici 2.
Model (0,1) programiranja Nepoznate veličine x1 = Investicije-A x2 = Investicije-B x3 = Investicije-C
x1, x2, x3 = 1 ili 0
PRIMER 13 : PROBLEM 2. Izbor investicija
Matematički model i polazni podaci za softver
Da li je složeno definisati podatke za softver bez matematičkog modela ? Nije !Da li je složeno definisati podatke za softver bez matematičkog modela ? Nije !
74/245
Potrebno angažovnje :Površina = 20 (ara) Finansije = 300,00 (n.j). Radnici 1 = 6Radnici 2 = 25
Polazni podaci
Optimalno rešenje
Maksimalna očekivana ukupna godišnja dobit 117,00 (novč.jedin.)
Investirati u objekat B i C
z = 47,5x1 + 65,0x2 + 52,0x3 max p.o.
Povr .... 10x1 + 8x2 + 12x3 22
Cene .... 150x1 + 170x2 + 130x3 330
Rad1 .... 3x1 + 2x2 + 4x3 10
Rad2 .... 10x1 + 15x2 + 10x3 35 x1, x2, x3 = 1 ili 0
SadržajSlobodno
75/245
Sadržaj
3. (0-1) ili BINARNO LINEARNO PROGRAMIRANJE
ZADACI ZA VEŽBANJE
ZADATAK 9. Izbor investicija : PROBLEM 2 : Uvođenje novih investicija
Neka se u ranijem problemu izbora investicija (PRIMER 12, PROBLEM 2) razmatraju još dve potencijalne investicije D i E sa očekivanim vrednostima za godišnje dobiti 70 i 50 (n.j.), cenama 160 i 140 (n.j.), potrebnim površinama za izgradnju objekata 15 i 5 (ara) i zahtevima da se angžuje 5 i 2 specijalista Radnici 1, odnosno 7 i 14 specijalista Radnici 2, respektivno. Odrediti optimalno rešenje i uporediti sa rešenjem polaznog problema.
A B C D E Raspoloživo
Površina 10 8 12 15 5 22 (ara)Cene 150 170 130 160 140 330 (n.j.)Radnici-1 3 2 4 5 2 10 (radn.)Radnici-2 10 15 10 7 14 35 (radn.)
Dobit 47,5 65 52 70 50 (n.j.)max
SUGESTIJA: Uvek prikazati podatke sa podesnom tabelom !SUGESTIJA: Uvek prikazati podatke sa podesnom tabelom !
Da
li j
e sl
ože
no
D
a li
je
slo
žen
o
def
inis
ati
po
dat
ke
def
inis
ati
po
dat
ke
za s
oft
ver
bez
za
so
ftve
r b
ez
mat
emat
ičko
g
mat
emat
ičko
g
mo
del
a ?
N
ije
!m
od
ela
?
Nij
e !
76/245
4.4.MEŠOVITO MEŠOVITO
CELOBROJNOCELOBROJNOLINEARNOLINEARNO
PROGRAMIRANJEPROGRAMIRANJE Neke promenljive mogu da imaju necelobrojne - realne Neke promenljive mogu da imaju necelobrojne - realne
vrednostivrednosti Za skup promenljivih se zahtevaju celobrojne Za skup promenljivih se zahtevaju celobrojne
vrednosti – proizvoljne celobrojno vrednosti ilivrednosti – proizvoljne celobrojno vrednosti ili//i i ((iliili//ii)) binarne (0,1) vrednosti binarne (0,1) vrednosti
NAPOMENA: Mešovito celobrojno linearno programiranje spada u klasu modela “Nelinearno programiranje”
Sadržaj
77/245
PRIMER 14 : PROBLEM 3. Proizvodni program
z = 45x1 + 60x2 + 50x3 max p.o.M1.... 3,75x1 + 2x2 + 1x3 480M2.... 1,75x1 + 4x2 + 3x3 600M3.... 1x1 + 1x2 + 1,5x3 180S1.... 2x1 + 1x2 + 3x3 200B .... x2 10,5 x1, x2 0
x3 0 i ceo broj
U određenom proizvodnom pogonu moguća je izrada artikala A, B i C. Njihove količine (jedinice mere) izražavaju se necelobrojnim vrednostima za A i B i celim brojevima za C.
Polazni podaci daju se tabelom: gornje granice kapaciteta mašina i donja granica korišćenja sirovine u planskom periodu, dobit po jedinici mere artikala i granice plasmana artikala. Odrediti i obrazložiti optimalni proizvodni program maksimizacije dobiti.
Polazni podaciPolazni podaci
Ma
tem
ati
čki
mo
de
lM
ate
ma
tič
ki m
od
el
78/245
Optimalno rešenje : x1 = 133,50 x2 = 10,50 x3 = 24 z = 7.837,50Potrebno je analizirati optimalno rešenje i sa stanovišta ograničenja.
Da li je složeno definisati podatke za softver bez matemat. modela ?Da li je složeno definisati podatke za softver bez matemat. modela ?
z = 45x1 + 60x2 + 50x3 max p.o.M1.... 3,75x1 + 2x2 + 1x3 480M2.... 1,75x1 + 4x2 + 3x3 600M3.... 1x1 + 1x2 + 1,5x3 180S1.... 2x1 + 1x2 + 3x3 200B .... x2 10,5 x1, x2 0
x3 0 i ceo brojPolazni podaci za primenu softvera
79/245
Sadržaj
4. MEŠOVITO CELOBROJNO LINEARNO PROGRAMIRANJE
ZADACI ZA VEŽBANJE
ZADATAK 10. Proizvodni program : PROBLEM 3 : Novi proizvodi
Neka se za PROBLEM 3, PRIMER 14 zahteva da se ispita kakve promene će nastupiti u optimalnom proizvodnom programu ako se razmatraju i novi artikli D, E i F. Normativi utrošaka mašinskog vremena iznose 5, 0 i 2 za Mašina 1, odnosno 2, 3 i 5 za Mašina 2, dok se Sirovina 1 angažuje u količinama 1, 4 i 1, respektivno za jedinicu artikal D, E i F.
Odrediti optimalno rešenje za maksimalnu ukupnu dobit i uporediti sa rešenjem polaznog problema, ako novi artikli ostvaruju dobit 30, 65 i 75 (n.j.) i zahteva se da samo F ima celobronju vrednost.
80/245
5.5.POST-OPTIMALNAPOST-OPTIMALNA
ANALIZAANALIZA Promena koeficijenata funkcije kriterijumaPromena koeficijenata funkcije kriterijuma Promena slobodnih članova – desne strane Promena slobodnih članova – desne strane
ograničenjaograničenja Promena koeficijenata tehnološke matrice – leve Promena koeficijenata tehnološke matrice – leve
strane ograničenjastrane ograničenja Istovremena promena više klasa elemenata modela Istovremena promena više klasa elemenata modela Izostavljanje promenljive, uvođenje nove promenljiveIzostavljanje promenljive, uvođenje nove promenljive Izstavljanje ograničenja, uvođenje novog ograničenjaIzstavljanje ograničenja, uvođenje novog ograničenja
Parametarska analiza : Određivanje vrednosti funkcije kriterijuma na skupu dopustivih vrednosti razmatranih elemenata (koeficijenti cj, slobodni članovi bi)
Zasebno se izlaže Parametarska analiza za cj, bi
Zasebno se izlaže Parametarska analiza za cj, bi
81/245
Odrediti alternativno x*(opcija dostupna ako postoji x**)
Parametarska analiza za cj, bi
Pregled rešešenja - kombinovano : 1 + 2
Analiza osetljivosti sa stanovišta bi
1. Pregled rešešenja sa stanovišta promenljivih
Analiza osetljivosti sa stanovišta cj
2. Pregled rešešenja sa stanovišta ograničenja
Poslednja / krajnja simpleks tabela
Analiza nemogućnosti da se odredi x*Analiza neograničenosti rešenja
Meni Resulsts
Dostupne opcije na-kon analize :
1) Tabelarni prikaz
2) Grafički prikaz
Za Variable Type = Integerprikazuje se simpleks tabela za poslednji model na stablu procesa rešavanja, što nije obavezno x*
82/245
PRIMER 15 : PROBLEM 1. Izrada obuće
PRIMER 1.(max) z = 45x1 + 60x2
p.o.
M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0Polazno opt. rešenjex1*=60, x2=120, z*=9.900
a) Dobit za model A se uveća na 55 (n.j.);b) Dobit za model A se uveća za još 5 (n.j.);c) Dobit za model A se uveća na 65 i za model B na 65;d) Kapacitet mašine M1 se poveća za 120 maš. časova;e) Kapciteti M2 i M3 se uvećaju (istovremeno) za po 25%;f) Kapacitet M2 se koristi samo 70% usled iznenadnog kvara;g) Normativ za par obuće B na M2 se umanjuje sa 4 na 3;h) Istovremena promena c1 na 50, a12 na 1,5 i b1 na 470.
a)(max) z = 55x1 + 60x2
p.o.
M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
Grafička metoda (korekcija polaznog grafika)
Primena softvera (korekcija polaznog modela)
Dva Dva postupka :postupka :
Zasebno : Parametarska analiza za cj, bi
Zasebno : Parametarska analiza za cj, biSadržaj
83/245
Grafičkimodelpolaznog problema i novog problema a)
a) Promena c1
(max) z = 55x1 + 60x2
p.o.
M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0Ostaje X, ostaje x*, ali
je veće z’* = 10.500
50 100 150
50
100
150
0
x1
x2
1) 3x1 + 2x2 = 480
2) 2x1 + 4x2 = 600
3) x1 + x2 = 180
X
AB
C
D
c1 x1 c2 x2 z maxA 55 0 60 160 9.600B 55 60 60 120 10.500C 55 120 60 60 10.200D 55 160 60 0 8.800
10.500
PROMENA cjA
84/245
Grafičkimodelpolaznog problema i novog problema a)
b) Promena c1
(max) z = 60x1 + 60x2
p.o.
M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
c1 x1 c2 x2 z maxA 60 0 60 150 9.000B 60 60 60 120 10.800C 60 120 60 60 10.800D 60 160 60 0 9.600
10.800
Višestruko optimalno rešenje x** na duži BC : x1*60,120; x2*=180-x1*
50 100 150
50
100
150
0
x1
x2
2) 2x1 + 4x2 = 600
3) x1 + x2 = 180X
z* = 10.800
1) 3x1 + 2x2 = 480
B(60,120)
C(120,60)
D(160,0)
A(0,150)
x**
85/245
Polazni podaci
VIŠESTRUKO OPTIMALNO REŠENJE x** SA SOFTVEROM
b)(max) z = 60x1 + 60x2
p.o.
M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
Optimalno rešenje : x1*=120, x2*=60, z*=10.800
Alternativno optimalno rešenje : x1*=60, x2*=120, z*=10.800
Naredba : Results, Obtain Alternate Optimal Results, Obtain Alternate Optimal
Informa- cija da postoji x**
86/245
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
50 100 150
50
100
150
0
x1
x2
2) 2x1 + 4x2 = 600
3) x1 + x2 = 180
X
A(0,150)
B(60,120)
C(120,60)
D
z* = 9.900
1) 3x1 + 2x2 = 480
REKAPITULACIJA za cj
Postoji odgo-varajući skup (pramen) pravih kroz B bez drugih tačaka u X.
Postoje dve granice zapramen pravihz* = c1x1 + c2x2 = 9.900
x1
Ostaje x* = (60, 120) za c1 i c2 tako daz* = c1x1 + c2x2 = 9.900
ZAKLJUČAK 1
z* = 9.900
87/245
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
Dve granice za pramen pravihz* = c1x1 + c2x2 = 9.900
Duž AB na pravoj 2) 2x1 + 4x2 = 600 za M2Potrebno c2 = 2c2
z* = c160 + 2c1120 = 9.900300c1 = 9.900 c1 = 33; c2 = 2c1 = 66
Funkcija kriterijuma : z = 33x1 + 66x2
Provera: A(0,150) z = 330+66150 = 9.900 = z*B(60,120) z = 3360+66120 = 9.900 = z*
2
1
x1
Duž BC na 3) 1x1 + 1x2 = 180 za M3Potrebno c2 = c2
z* = c160 + c1120 = 9.900180c1 = 9.900 c1 = 55; c2 = c1 = 55
Funkcija kriterijuma : z = 55x1 + 55x2
Provera:
B(60,120) z = 5560 + 55120 = 9.900 = z* C(120,60) z = 55120 + 5560 = 9.900 = z*
REKAPITULACIJA za cj
z* = 9.900
88/245
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0Postoje dve varijante z* = c1x1 + c2x2 sa granicama (po dve) za pramen pravih
Ostaje x* = (60, 120) za c1 i c2 tako daz* = c1x1 + c2x2 9.900
ZAKLJUČAK 2
x1
z*
z = c1x1 + 60x2
c130;60 = All. Min. c(1); All. Max. c(1)
z* = c160 + 60120 = c160+7.200c1 = 30 z* = 9.000; x** na ABc1 = 60 z* = 10.800; x** na BC z = 45x1 + c2x2
c245;90 = All. Min. c(2); All. Max. c(2)
z* = 4560 + c2120 = c2120+3.360c2 = 45 z* = 8.100; x** na BCc2 = 90 z* = 13.500; x** na AB
REKAPITULACIJA za cj
Combined Reportza Variable Type = Continous
89/245
Grafičkimodel novog problema sa novim kapaci-tetom za M1b’1 = b1 + 120 = 480 + 120 = 600
d) Promena b1
(max) z = 45x1 + 60x2
p.o.
M1 3x1 + 2x2 600 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
c1 x1 c2 x2 z maxA 45 0 60 150 9.000B 45 60 60 120 9.900E 45 180 60 0 8.100
9.900
Menja se X (oblast 0ABE), ali ostaje x*, z*
PROMENA biB
50 100 150 200
50
100
150
200
0
x1
x2
250
Polazno 1) 3x1 + 2x2 = 480
2) 2x1 + 4x2 = 600
3) x1 + x2 = 180
X
Novo 1) 3x1 + 2x2 = 600
A(0,150)
B(60,120)
C(120,60)
D(160,0)
E(180,0)
z* = 9.900
D(160,0) nije više na granici oblasti X
Proširenje X sa trouglom DEC
90/245
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
REKAPITULACIJA za b1
50 100 150 200
50
100
150
200
0
x1
x2
250
Polazno 1) 3x1 + 2x2 = 480
2) 2x1 + 4x2 = 600
3) x1 + x2 = 180
X
A(0,150)
C(120,60)E(180,0)
z* = 9.900
B(60,120)
D(160,0)
b1 420 zadržava x*
x* u B(60,120) Potrebno je da kapacitet M1 iznosi b1* = 360 + 2120 = 420Veći kapacitet za M1 ne utiča ne x*
Za E(180,0) jeb’1 = 3180 + 20 = 540
b1(420,540 menja X, ali ostaje x*
Proizilazi :
b1 > 540 ne utiče na X(usled toga, ostaje x*)
ZAKLJUČAK 1
>>
1
2
91/245
50 100 150 200
50
100
150
200
0
x1
x2
250
Polazno 1) 3x1 + 2x2 = 480
2) 2x1 + 4x2 = 600
3) x1 + x2 = 180
Xz* = 9.900
B(60,120)
D(160,0)
C(120,60)
A(0,150)
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
REKAPITULACIJA za b1
x* u B(60,120) Potrebno je da kapacitet M1 iznosi b1* = 360 + 2120 = 420Manji kapacitet za M1 menja x*
Za A(0,150) jeb’1 = 30 + 2150 = 300
b1300,420) menja X, x*, z* x’* je na duži AB
Proizilazi :
b1 < 300 menja X, x*, z*x’* je na osi 0x2 : x’1* = 0, x’2* = b1
ZAKLJUČAK 2
>>
b1 < 420 menja x*
1
2
92/245
Grafičkimodel za polazni problem, sa ranijim kapacitetima za M2 i M3
e) Promena b2, b3
(max) z = 45x1 + 60x2
p.o.
M1 3x1 + 2x2 480 M2 2x1 + 4x2 6001,25 M3 1x1 + 1x2 1801,25 x1, x2 0
SUGESTIJA : Konstruisati prave za M2 i M3, odrediti novo X i ispitati fun. cilja z(x) u tačkama u temenima oblasti X ili primeniti softver.
50 100 150 200
50
100
150
200
0
x1
x2
250
1) 3x1 + 2x2 = 480
Polazno2) 2x1 + 4x2 = 600
Polazno 3) x1 + x2 = 180
Xz* = 9.900
B(60,120)
D(160,0)
C(120,60)
A(0,150)
NAPOMENA : Za diskret-ne promene jednog ili više parametara modela (cj, bi, aij) jednostavnije je koristiti softver
93/245
e) Promena b2, b3
(max) z = 45x1 + 60x2
p.o.
M1 3x1 + 2x2 480 M2 2x1 + 4x2 6001,25 M3 1x1 + 1x2 1801,25 x1, x2 0
Polazno opt. rešenje : x1*=60, x2=120, z*=9.900Veći kapaciteti za 25% kod M2 i M3 daju znatno bolje rešenje : x1*=52,50; x2=161,25; z*=12.037,50
Odrediti celobrona rešenja za brojeve pari modela obuće A i B
Slobodni kapaciteti samo kod M3
Primena softveraPrimena softvera Matrix Form
Combined Report
94/245
f) Promena b3
(max) z = 45x1 + 60x2
p.o.
M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 1800,70
x1, x2 0
SUGESTIJA : Konstruisati pravu za M3, odrediti novo X i ispitati funkciju cilja z(x) u tačkama u temenima oblasti X ili primeniti softver.
Grafičkimodel za polazni problem, sa ranijim kapacitetom za M3
50 100 150 200
50
100
150
200
0
x1
x2
250
1) 3x1 + 2x2 = 480
2) 2x1 + 4x2 = 600
Polazno 3) x1 + x2 = 180
Xz* = 9.900
B(60,120)
D(160,0)
C(120,60)
A(0,150)
95/245
Polazno opt. rešenje : x1*=60, x2=120, z*=9.900Manji kapacitet za 30% kod M3 daje znatno lošije rešenje : x1*=0; x2=126;, z*=7.560
f) Promena b3
(max) z = 45x1 + 60x2
p.o.
M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 1800,70
x1, x2 0
Slobodni kapaciteti kod M1 i M2
Izgraditi samo model B ili postaviti donju granicu za model A !
Primena softveraPrimena softvera Matrix Form
Combined Report
96/245
g) Promena a22
(max) z = 45x1 + 60x2
p.o.
M1 3x1 + 2x2 480 M2 2x1 + 3x2 600 M3 1x1 + 1x2 180 x1, x2 0
SUGESTIJA : Primeniti softver
Grafičkimodel za polazni problem, sa ranijim normativom a22 = 4 i novim a’22 = 3 za proizvod (par obuće) B na M2
50 100 150 200
50
100
150
200
0
x1
x2
250
1) 3x1 + 2x2 = 480
Polazno 2) 2x1 + 4x2 = 600
3) x1 + x2 = 180
X
Polaznoz* = 9.900
B(60,120)
D(160,0)C(120,60)
A(0,150)
300
Novo 2) 2x1 + 3x2 = 600
G(0,180)
Novo z'* = 10.800
c1 x1 c2 x2 z maxG 45 0 60 180 10.800C 45 120 60 60 9.000D 45 160 60 0 7.200
10.800
Proširuje se X sa trouglom ABGNovo x’* je tačka G(0,180) sa z’* = 10.800
Proširenje za X z’* > z*
97/245
h) Promena c1, b1, a12
(max) z = 50x1 + 60x2
p.o.
M1 3x1 + 1,5x2 470 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
Grafičkimodel za polazni problem
50 100 150 200
50
100
150
200
0
x1
x2
250
Polazno 1) 3x1 + 2x2 = 480
2) 2x1 + 4x2 = 600
3) x1 + x2 = 180
X
Polaznoz* = 9.900
B(60,120)
D(160,0)C(120,60)
A(0,150)
300
(max) z = 45x1 + 60x2
p.o.
M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
SUGESTIJA : Konstruisati pravu za M1, odrediti novo X i ispitati novo z(x) u tačkama u temenima oblasti X ili primeniti softver.
Sadržaj 5
98/245
Polazni model LP
(max) z = CXp.o. AX B X 0
C = c1; c2 = 45;60 X = x1; x2
C’ = c’1; c’2 Parametarska analiza cj
Parametarski model LP
(max) z(C+C’) = (C+C’)Xp.o. AX B X 0
Parametarska analiza bi
Parametarski model LP
(min) z(B+B’) = CXp.o. AX B+B’ X 0
cj = cj + c’j
A.2
A.1
Perform Parametric Analysis, PARAMETARSKA ANALIZA
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
z = (45+c’1)x1 + (60+
c’2)x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2
480+b’1
M2 2x1 + 4x2
600+b’2
M3 1x1 + 1x2
180+b’3
x1, x2 0
B’ = b’1; b’2;b’3
bi = bi + b’i
C’ = Smer pertubacije; = Skala promene
11
42
23
3231
2221
1211
aa
aa
aa
AB = b1; b2; b3 = 480;600;180
Matrični zapis
B’ = Smer pertubacije; = Skala promene
99/245
Za n 3 nepoznatih (više od 2) mogu da se razmatraju (istovremeno) samo neki ili svi koeficijenti cj
PRIMER : n = 4; C’ = c’1; c’2; c’3 = 1; 0; 1,5 c3 se menja 1,5 puta brže i suprotno od c1 (bez promene c2 jer je c’2 = 0)
A.1.1
Parametarska analiza cj
Pozicionirano x1 sa c1
Izbor da se menjaju cj koeficijenti u funkciji kriterijuma uz xj
A.1.2
Vektorska analiza više cj
Izbor “Prertubation Vector”Potvrda sa OK
Prertubation Vector za funkciju kriterijuma z(x)C’ = c’1; c’2 = 1; 1,5c2 se menja 1,5 puta brže od c1
Unosi se c’2 za pozicionirano c2
Potvrda
Potvrda
A.1
Promene :
Ravno-merne ili neravno- merne ;
Smerovi :
Isti ili različiti
Analiza samo jednog cj
100/245
Zavisnost funkcije kriterijuma z(x) od vrednosti c1 koeficijenta za x1 (dobit za model A), nepoznata x1
Vrednost z*=9.900 za x* sa c1=45 iz polaznog modela
c1From Coeff. of X1; To Coeff. of X1zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + (c1 From Coef. of M1)Slope
A.1.1.1
1.1) Ilustracija Range, R = 1Neka c1 = 50 ; c145; 60z1* = 9.900+(5045)60 = 10.200 9.900; 10.800 Ostaje x*
R = 1
R = 2R = 4
R = 5
Parametarska analiza : Jedno cj
R = 3
101/245
z*=9.900 za x* sa c1=45
c1From Coeff. of X1; To Coeff. of X1zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + (c1 From Coef. of M1)Slope
1.2) Ilustracija R = 2 : c1 = 80 ; c160; 90
z2* = 10.800+(8060)120 = 13.200 10.800; 14.400
R=2 desno od R=1, Podaci iz R=1
Prelaz sa R=1 na R=2 (promena baze, x1*) Izlazi iz baze (Leaving Variable) Slack_M1 (ranije > 0, postaje 0 ; koristi se 100% kapac. b1 = 480) Ulazi u bazu (Entering Variable) Slack_M2 (ranije = 0, postaje > 0 ; ne koristi se 100% kapac. b2 = 600)
R = 1
(max) z = c1x1 + 60x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
R = 2
R = 3
R = 4
R = 5
c1
z*
PRIMENE
1) Dato c1 ; odrediti z* 2) Dato z* ; odrediti c1
3) Odrediti x* za 1), 2)
Ilustracija R=1 R=2 : c1 = 60 (presek za R=1 i R=2) c145; 60 i c160,90 ; z1,2* = 10.800
Nastaje višestruko reš. x1,2** ; Alternativna x* : Poslednje x1* za R=1 ; Prvo x2* za R=2
x** na granicama za svaki par intervala c1
Prelaz sa R=1 na R=2 : Slack_M2 B Slack_M1
102/245
z*=9.900 za x* sa c1=45
c1From Coeff. of X1; To Coeff. of X1zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + (c1 From Coef. of M1)Slope
1.3) Ilustracija R = 3 : c1 = 100 ; c190; M=
z3* = 14.800+(10090)160 = 13.200 10.800; 14.400
R=3 desno od R=3, Podaci iz R=2Prelaz sa R=2 na R=3 (promena baze, x2*) Izlazi iz baze (Leaving Variable) X2 (ranije > 0, postaje 0 ; ne proizvodi se obuća B) Ulazi u bazu (Entering Variable) Slack_M3 (ranije = 0, postaje > 0 ; ne koristi se 100% kapac. b3 = 180)
R = 1
(max) z = c1x1 + 60x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
R = 2
R = 3
R = 4
R = 5
x** na granicama svakog para intervala za c1
1.4) Ilustracija R = 4 : c1 = 40 ; c145; 30
z4* = 9.900+(4045)60 = 9.600 9.900; 9.000
R=4 levo od R=1 ; ostaje x1* = polazno x*
1.5) Ilustracija R = 5 : c1 = 20 ; c130; M=
z5* = 9.000+(2035)0 = 9.000 9.000; 9.000
Slope = 0 z5* = 9.000 za c1 30 ; R=5 levo od R=4 ; Podaci iz R=4
Izlazi iz baze X1 (ranije > 0, postaje 0 ; ne proizvodi se obuća A) Ulazi u bazu Slack_3 (ranije = 0, postaje > 0 ; ne koristi se 100% kapac. b3 = 180)
103/245
z*=9.900 za x* sa c1=45
c1From Coeff. of X1; To Coeff. of X1zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + (c1 From Coef. of M1)Slope
2.1) Ilustracija z* = 11.000 ; c1 = ? ; x* = ?
z* = 11.000 10.800; 14.400 R=2 sa c160; 90
z* = 11.000 = 10.800+(c160)120 c1 = 61,667
R=2 desno od R=1 ; Videti pod 1.2) prelaz sa x1* na x2*
R = 1
(max) z = c1x1 + 60x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
R = 2
R = 3
R = 4
R = 5
x** na granicama svakog para intervala za c1
3.1) Ilustracija x* za z* = 11.000 i c1 = 61,667 pod 2.1)
Combined Report
x1* = 120; x2* = 60 ; z* = 11.000,04
Slobodni kapac. Slask_M2 = 120 za M2
104/245
z*=9.900 za x* sa c1=45
c1From Coeff. of X1; To Coeff. of X1zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + (c1 From Coef. of M1)Slope
R = 1
(max) z = c1x1 + 60x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
R = 2
R = 3
R = 4
R = 5
x** na granicama svakog para intervala za c1
Range From c1 To c1 From z To z Slope Dc1 c1 z*
1 45,00 60,00 9.900,00 10.800,00 60,00 5 50 10.200,00
1 45,00 60,00 9.900,00 10.800,00 60,00 5 55 10.500,00
1 45,00 60,00 9.900,00 10.800,00 60,00 5 60 10.800,00
2 60,00 90,00 10.800,00 14.400,00 120,00 5 65 11.400,00
2 60,00 90,00 10.800,00 14.400,00 120,00 5 70 12.000,00
2 60,00 90,00 10.800,00 14.400,00 120,00 5 75 12.600,00
2 60,00 90,00 10.800,00 14.400,00 120,00 5 80 13.200,00
2 60,00 90,00 10.800,00 14.400,00 120,00 5 85 13.800,00
3 90,00 M 14.400,00 M 160,00 5 90 14.400,00
3 90,00 M 14.400,00 M 160,00 5 95 15.200,00
3 90,00 M 14.400,00 M 160,00 5 100 16.000,00
3 90,00 M 14.400,00 M 160,00 5 105 16.800,00
4 45,00 30,00 9.900,00 9.000,00 60,00 5 45 9.900,00
4 45,00 30,00 9.900,00 9.000,00 60,00 5 40 9.600,00
4 45,00 30,00 9.900,00 9.000,00 60,00 5 35 9.300,00
4 45,00 30,00 9.900,00 9.000,00 60,00 5 30 9.000,00
Podesno je da se koristi MS Excel Work-sheet za realizaciju procesa proračuna z* u funkciji c1 za željeni priraštaj Dc1 koef. c1
Omogućava se promenom Dc1 = 5 u prvom redu tabele i/ili kasnije. Neophodna je kon-trola/korekcija broja redova za intervale.
105/245
Vektor perturbacije 1; 1,5c2 se menja 1,5 puta brže od c1
Zavisnost funkcije kriterijuma z(x) od vrednosti c1 i c2 (koeficijen. za x1 i x2) dobiti za model A i B.
z*=9.900 sa x* sa c1=45, c2=60 iz polaznog modela
A.1.2.1
From (Vector); To (Vector)zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + ( From (Vector))Slope
cj = cj + c’j
Range, R = 1
R = 2
R = 3
Ilustracija 1 :
Neka = 10R= 1, 0; M = z* = 9.900+(100)240 = 9.900+2.400 = 12.300c1 = 45+101 = 55
c2 = 60+101,5 = 75
R = 4
R = 5
Parametarska - Vektorska analiza : Više cj
Ostaje x*
106/245
Vektor perturbacije c2 se menja 1,5 puta brže od c1
From (Vector); To (Vector)zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + ( From (Vector))Slope
Ilustracija 2 :
= 10 R= 2, 0; 30z* = 9.900+(100)240 = 7.600 9.900; 2.700c1 = 45+(10)1 = 35 ; c2 = 60+(10)1,5 = 45
C = c1; c2 = 45;60
C’ = c’1; c’2 = 1; 1,5
cj = cj + c’j
z = (45+1)x1 + (60+ 1,5)x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
Ilustracija 4 :
Neka c2 = 70 Potrebno je odrediti c2 = 60+1,5 = 70 ; = (7060):1,5 6,667 R= 1, 0; M =
Ilustracija 3 : R = 3 ; 30; 36Prelazak sa R=2 na R=3 ; Podaci za R=2 : Bazu napušta (Leaving Variable) Slack_M1 koristiće se 100% b1 = 480 Postaje bazna (Entering Variable) Slack_M2 Neće se koristiti 100% b2 = 600
z* = 9.900+(6,6670)240 = 11.500 9.900; Mc1 = 45+6,6671 = 61,667
Ilustracija 5 : Odrediti cj za z* = 9.1009.100 9.900; 2.770 R = 2 sa 0; 30 9.100 = 9.900 + ( 0)240 = 800/240 0,333 c1 = 450,3331 = 41,667 c2 = 603,3331,5 = 55,000
(max)
107/245
z = 41,667x1 + 55x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
Zahtev 5)z* = 9.100
Matrix Form
Combined Report
Zadržava se ranije x*
z = (45+1)x1 + (60+ 1,5)x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
(max)
Ilustracija 6 : Odrediti x* za z* = 9.100
108/245
Vektor perturbacije c2 se menja 1,5 puta brže od c1
C = c1; c2 = 45;60
C’ = c’1; c’2 = 1; 1,5
cj = cj + c’j
z = (45+1)x1 + (60+ 1,5)x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0From (Vector); To (Vector)zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + ( From (Vector))Slope
Range From To From z To z Slope D c1* c'1 c1 c2* c'2 c2 z*
1 0,00 M 9.900,00 M 240,00 0,00 0,00 45 1,0 45,00 60 1,5 60,00 9.900,00
1 0,00 M 9.900,00 M 240,00 5,00 5,00 45 1,0 50,00 60 1,5 67,50 11.100,00
1 0,00 M 9.900,00 M 240,00 5,00 10,00 45 1,0 55,00 60 1,5 75,00 12.300,00
2 0,00 -30,00 9.900,00 2.700,00 240,00 -5,00 -5,00 45 1,0 40,00 60 1,5 52,50 8.700,00
2 0,00 -30,00 9.900,00 2.700,00 240,00 -5,00 -10,00 45 1,0 35,00 60 1,5 45,00 7.500,00
2 0,00 -30,00 9.900,00 2.700,00 240,00 -5,00 -15,00 45 1,0 30,00 60 1,5 37,50 6.300,00
2 0,00 -30,00 9.900,00 2.700,00 240,00 -5,00 -20,00 45 1,0 25,00 60 1,5 30,00 5.100,00
2 0,00 -30,00 9.900,00 2.700,00 240,00 -5,00 -25,00 45 1,0 20,00 60 1,5 22,50 3.900,00
2 0,00 -30,00 9.900,00 2.700,00 240,00 -5,00 -30,00 45 1,0 15,00 60 1,5 15,00 2.700,00
3 -30,00 -36,00 2.700,00 1.440,00 210,00 -2,00 -32,00 45 1,0 13,00 60 1,5 12,00 2.280,00
3 -30,00 -36,00 2.700,00 1.440,00 210,00 -2,00 -34,00 45 1,0 11,00 60 1,5 9,00 1.860,00
3 -30,00 -36,00 2.700,00 1.440,00 210,00 -2,00 -36,00 45 1,0 9,00 60 1,5 6,00 1.440,00
4 -36,00 -45,00 1.440,00 0,00 160,00 -2,00 -38,00 45 1,0 7,00 60 1,5 3,00 1.120,00
4 -36,00 -45,00 1.440,00 0,00 160,00 -2,00 -40,00 45 1,0 5,00 60 1,5 0,00 800,00
4 -36,00 -45,00 1.440,00 0,00 160,00 -2,00 -42,00 45 1,0 3,00 60 1,5 -3,00 480,00
4 -36,00 -45,00 1.440,00 0,00 160,00 -2,00 -44,00 45 1,0 1,00 60 1,5 -6,00 160,00
4 -36,00 -45,00 1.440,00 0,00 160,00 -1,00 -45,00 45 1,0 0,00 60 1,5 -7,50 0,00
MS Excel Worksheet za proračun c1, c2 i z* sa željenim priraštajima D za
(max)
109/245
Promene suprotnih smerova :c1 se menja 2 puta brže od c2
Ilustracija 1 : = 30
R= 3, 25,7143; Mz = 11.314,29+(3025,7143)160 = 12.000 11.314; Mc1 = 45+301 = 75 ; c2 = 60+30(0,5) = 45
c1 raste, c2 opada
C = c1; c2 = 45;60
C’ = c’1; c’2 = 1; 0,5
cj = cj + c’j
z = (45+1)x1 + (60+
(0,5)x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
A.1.2.2
z*=9.900 sa x* sa c1=45, c2=60 iz polaznog modela
R = 1
R = 2
R = 3
R = 4
R = 5
Ilustracija 2 : = 20
R= 5, 12; Mz = 9.900+(20(25,7143))(75) = 9.471 9.900; M = c1 = 45+(20)1 = 25 ; c2 = 60+(20)(0,5) = 70
c1 opada, c2 raste
NetačnoPotrebno je M
R = 1, R = 4 Zadržava se z* = 9.900 za 12; 10
(max)
110/245
REKAPITULACIJA : Parametarska analiza cj
(max) z = c1x1 + 60x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
z = (45+1)x1 + (60+1,5)x2
p.o. M1 3x1 + 2x2 480 M2 2x1 + 4x2 600 M3 1x1 + 1x2 180 x1, x2 0
c1From Coeff. of X1; To Coeff. of X1zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + (c1 From Coef. of M1)Slope
From (Vector); To (Vector)zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + ( From (Vector))Slope
cj = cj + c’jPrimene :
1) Izbor ; proračun c1, c2, z*
2) Dato jedno cj ; proračun , ostalih cj, z*
3) Dato z* ; proračun , c1, c2
4) Odrediti x* za 1), 2), 3)
Primene :
1) Izbor ; proračun c1, z*
2) Dato z* ; proračun , c1
4) Odrediti x* za 1), 2)
c’1; c’2 = 1; 1,5
Promene : Ravno-merne ili ne-ravno-merneSmerovi : Isti ili različiti
Parametarska Vektorska analiza više cj(max)
A.1
A.1.1
A.1.2
111/245
PRIMERI :
Promene istih smerova : 1) B’ = 0; 1; 1 ; 2) B’ = 0; 1; 1,5 3) B’ = 1; 1; 1 ; 4) B’ = 0,5; 2; 1,5
Promene različitih smerova : 1) B’ = 1; 1; 0 ; 2) B’ = 0; 0,5; 1
A.2.1
Parametarska analiza bi
Pozicionirano M1 sa b1
Izbor da se menjaju bi
slobodni članovi (Right Hand Side) ograničenja
A.2.2
Analiza samo jednog bi
Vektorska analiza više bi
Izbor “Prertubation Vector”Potvrda sa OK
Prertubation Vectorza desnu stranu ograničenjaB’ = b’1; b’2; b’3 = 0; 0,5; 1b2 se menja 2 puta brže i suprotno od b3
Unosi se b’3 za pozicionirano b3
za M3
Potvrda
Potvrda
A.2
Promene :
Ravno-merne ili neravno- merne ;
Smerovi :
Isti ili različiti
112/245
Zavisnost funkcije kriterijuma od vrednosti b1 kapac. za M1
z*=9.900 za x* sa b1=480
R = 1
R = 2R = 3
R = 4b1From RHS of M1; To RHS of M1zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + (b1From RHS of M1)Slope
A.2.1.1
Parametarska analiza : Jedno bi
z*
b1 = Right-Hand-Side of M1
113/245
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2 b1 = RHS of M1
M2 2x1 + 4x2 600
M3 1x1 + 1x2 180 x1, x2 0
b1From RHS of M1; To RHS of M1zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + (b1From RHS of M1)Slope
Ilustracija R = 3 b1 = 450 420; 300z = 9.900+(450420)7,5 = 9.7509.900; 9.000
Bazu napušta Slack_M1 (postaje 0)Koristiće se 100% kapacitet b1 = 400 za M1
Postaje bazna Slack_M3 (postaje > 0)Neće se koristiti 100% kapcitet b3 = 180 za M3
z*=9.900 za x* sa b1=480
R = 2
R = 3R = 4R=1, R=2
Zadržava se z* = 9.900 za b1420; MOdnosno, za b1 420
Ilustracija R=4 : b1 < 300
Nema rešenje za b1 0
R = 1Prelaz sa R=2 na R=3
Prelaz sa R=2 na R=3Slack_M1 = 0 iz BAZE
Sladk_M3 > 0 u BAZU
z*
b1
114/245
Ilustracija : z* = 7.500 9.000; 0 R=4 ; b1 300; 0 7.500 = 9.000+(b1300)30 b1 = 250Bazu napušta X1 ; u bazu se uvodi Slack_M2
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2 b1 = RHS of M1
M2 2x1 + 4x2 600
M3 1x1 + 1x2 180 x1, x2 0
b1From RHS of M1; To RHS of M1zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + (b1From RHS of M1)Slope
z*=9.900 za x* sa b1=480
R = 2
R = 3R = 4
R=1, R=2 : z* = 9.900 za b1 420
Nema rešenje za b1 0
R = 1
Prelaz sa R=3 na R=4
Range From
RHS of M1; b1
To RHS of M1 ; b1
From z To z Slope Db1 b1 z*
3 420,00 300,00 9.900,00 9.000,00 7,50 -20 400 9.750,00
3 420,00 300,00 9.900,00 9.000,00 7,50 -20 380 9.600,00
3 420,00 300,00 9.900,00 9.000,00 7,50 -20 360 9.450,00
3 420,00 300,00 9.900,00 9.000,00 7,50 -20 340 9.300,00
3 420,00 300,00 9.900,00 9.000,00 7,50 -10 330 9.225,00
3 420,00 300,00 9.900,00 9.000,00 7,50 -10 320 9.150,00
3 420,00 300,00 9.900,00 9.000,00 7,50 -10 310 9.075,00
3 420,00 300,00 9.900,00 9.000,00 7,50 -10 300 9.000,00
4 300,00 0,00 9.000,00 0,00 30,00 -20 280 8.400,00
4 300,00 0,00 9.000,00 0,00 30,00 -20 260 7.800,00
4 300,00 0,00 9.000,00 0,00 30,00 -20 240 7.200,00
4 300,00 0,00 9.000,00 0,00 30,00 -20 220 6.600,00x** na granicama svakog para intervala za b1
MS Excel Worksheet za proračun b1, z* sa Db1
115/245
Zavisnost funkcije kri-terijuma od vrednosti b3 kapaciteta za M3
z*=9.900 za x* sa b3=180 iz polaznog modela
A.2.1.2
Nema rešenje za b3 0
R = 2
R = 1R = 3
R = 4
R=2 : Zadržava se z* = 9.900 za b3195; M ; odnosno za b3 195
Ilustracija 1 : b3 = 170Range = 3, b3180; 150z = 9.900+(170180)30 = 9.6009.900; 9.000Za x* ostaje struktura x* ; pošto : b3 = 170 u R=3 jeste levo od polazne vrednosti b3 = 180 u R=1 sa x*
116/245
Zavisnost funkcije kri-terijuma od vrednosti b2 i b3 kapaciteta za M2 i M3
z*=9.900 za x* sa b2=600 i b3=180 iz polaznog modela
Vektor perturbacije 0, 1, 1
R = 2
Ravnomerna istih smerova promena b2 i b3
A.2.2.1
R = 1 R = 3
R = 4
R = 5
R = 6
Parametarska Vektorska analiza : Više bi
Nema rešenje za 180
117/245
Ilustracija R=1 : = 10 0; 17,1429
z* = 9.900+(100)37,50 = 10.275 9.900; 10.542
b2 = 600+101 = 610; b3 = 180+101 = 190
Prelaz sa x* desno na R=1 Slack_M3 B Slack_M1 Koristi se 100% kapacitet b1 = 480 za M1 Ne koristiti se 100% kapcitet b3 = 190 za M3
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2 480 +
0 M2 2x1 + 4x2 600 +
1 M3 1x1 + 1x2 180 +
1 x1, x2 0
Vektor perturbacije 0, 1, 1ravnomerna istih smerova promena b2 i b3
From (Vector); To (Vector)zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + (From (Vector))Slope
bi = bi + b’i
Nema rešenje za 180
R = 2
R = 1R = 3
R = 4R = 5
R = 6
z*=9.900 za x* sa b2=600 i b3=180 iz polaznog modela
R=3 : Zadržava se z* = 9.900 za 360; M ; 360b2 = 600+ 1 ; b3 = 180+ 1
Ilustracija R=2 : = 100 17,1429; 360z* = 10.451+(10017,1429)11,25 = 11.475b2 = 600+1001 = 700; b3 = 180+1001 = 280
R=1 R=2 : Slack_M3 B Slack_M1x** na granicama svakog para intervala
118/245
Ilustracija R=4 : = 10 0; 40
z* = 9.900+(100)37,50 = 9.525 9.900; 8.400
b2 = 600101 = 590; b3 = 180101 = 170Prelaz sa x* levo na R=4 ; ostaje struktura x*
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2 480 +
0 M2 2x1 + 4x2 600 +
1 M3 1x1 + 1x2 180 +
1 x1, x2 0
Vektor perturbacije 0, 1, 1ravnomerna istog smera promena b2 i b3
From (Vector); To (Vector)zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + (From (Vector))Slope
bi = bi + b’i
Nema rešenje za 180
Ilustracija : z* = 11.000 ; Odrediti : b2, b3, x*
z*10.542,86; 14.400 R=2 17,1429; 36011.000 = 10.542,86+(17,1429)11,25
= 57,77757 b2 = 600+57,781 = 657,78
b3 = 180+57,781 = 237,78
R=1 R=2 : Slack_M3 B Slack_M1
Combined Report
x1* = 75,56; x2* = 126,67; z* = 11.000,03
Slack_M3 = 35,55 (Slobodni kapaciteti M3)Celobrojne promenljive : x* = 76; 126 ; z* = 10.980 ; Slack_M2 = 1,78 ; Slack_M3 = 35,78
119/245
Ilustracija : b2 = 622 ; Odrediti : b3, z*
b2 = 622 = 600+1 = 22
= 22 17,1429; 360 za R=2z* = 10.542,86 + (2217,1429) = 10.597,50 b3 = 180+221 = 222
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2 480 +
0 M2 2x1 + 4x2 600 +
1 M3 1x1 + 1x2 180 +
1 x1, x2 0
Vektor perturbacije 0, 1, 1ravnomerna istog smera promena b2 i b3
From (Vector); To (Vector)zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + (From (Vector))Slope
bi = bi + b’i
Nema rešenje za 180
MS Excel Worksheet za proračun b1, b2, z* sa željenim D b1* = 480 b2* = 600 b3* = 180
Range From To From z To z Slope D b'1 b1 b'2 b2 b'3 b3 z*
1 0,00 17,143 9.900,00 10.542,86 37,50 0 0,00 0 480 1 600 1 180 9.900,00
1 0,00 17,143 9.900,00 10.542,86 37,50 5 5,00 0 480 1 605 1 185 10.087,50
1 0,00 17,143 9.900,00 10.542,86 37,50 5 10,00 0 480 1 610 1 190 10.275,00
1 0,00 17,143 9.900,00 10.542,86 37,50 5 15,00 0 480 1 615 1 195 10.462,50
1 0,00 17,143 9.900,00 10.542,86 37,50 1 16,00 0 480 1 616 1 196 10.500,00
1 0,00 17,143 9.900,00 10.542,86 37,50 1 17,00 0 480 1 617 1 197 10.537,50
2 17,1429 360,00 10.542,86 14.400,00 11,25 0 17,143 0 480 1 617 1 197 10.542,86
2 17,143 360,00 10.542,86 14.400,00 11,25 32,86 50,00 0 480 1 650 1 230 10.912,50
2 17,143 360,00 10.542,86 14.400,00 11,25 50 100,00 0 480 1 700 1 280 11.475,00
2 17,143 360,00 10.542,86 14.400,00 11,25 50 150,00 0 480 1 750 1 330 12.037,50
2 17,143 360,00 10.542,86 14.400,00 11,25 50 200,00 0 480 1 800 1 380 12.600,00
2 17,143 360,00 10.542,86 14.400,00 11,25 50 250,00 0 480 1 850 1 430 13.162,50
2 17,143 360,00 10.542,86 14.400,00 11,25 50 300,00 0 480 1 900 1 480 13.725,002 17,143 360,00 10.542,86 14.400,00 11,25 50 350,00 0 480 1 950 1 530 14.287,502 17,143 360,00 10.542,86 14.400,00 11,25 10 360,00 0 480 1 960 1 540 14.400,004 0 -40,00 9.900,00 8.400,00 37,50 0 0,00 0 480 1 600 1 180 9.900,004 0 -40,00 9.900,00 8.400,00 37,50 -10 -10,00 0 480 1 590 1 170 9.525,004 0 -40,00 9.900,00 8.400,00 37,50 -10 -20,00 0 480 1 580 1 160 9.150,004 0 -40,00 9.900,00 8.400,00 37,50 -10 -30,00 0 480 1 570 1 150 8.775,004 0 -40,00 9.900,00 8.400,00 37,50 -10 -40,00 0 480 1 560 1 140 8.400,005 -40 -180,00 8.400 0,00 60,00 0 -40,00 0 480 1 560 1 140 8.400,005 -40 -180,00 8.400,00 0,00 60,00 -10 -50,00 0 480 1 550 1 130 7.800,005 -40 -180,00 8.400,00 0,00 60,00 -10 -60,00 0 480 1 540 1 120 7.200,005 -40 -180,00 8.400,00 0,00 60,00 -10 -70,00 0 480 1 530 1 110 6.600,005 -40 -180,00 8.400,00 0,00 60,00 -10 -80,00 0 480 1 520 1 100 6.000,005 -40 -180,00 8.400,00 0,00 60,00 -10 -90,00 0 480 1 510 1 90 5.400,005 -40 -180,00 8.400,00 0,00 60,00 -10 -100,00 0 480 1 500 1 80 4.800,005 -40 -180,00 8.400,00 0,00 60,00 -20 -120,00 0 480 1 480 1 60 3.600,005 -40 -180,00 8.400,00 0,00 60,00 -20 -140,00 0 480 1 460 1 40 2.400,005 -40 -180,00 8.400,00 0,00 60,00 -20 -160,00 0 480 1 440 1 20 1.200,005 -40 -180,00 8.400,00 0,00 60,00 -20 -180,00 0 480 1 420 1 0 0,00
120/245
Ne-ravnomerna različitih smerova promena b2 i b3
A.2.2.2
Nema rešenje za 180
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2 480 + 0
M2 2x1 + 4x2 600 + (0,5)
M3 1x1 + 1x2 180 + 1 x1, x2 0
From (Vector); To (Vector)zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + (From (Vector))Slope
bi = bi + b’i
Vektor perturbacije 0; 0,5; 1
b3 se menja 2 puta brže i suprotno od b2
Ilustracija R=1 : = 10 0; 14,1176
z* = 9.900+(100)26,25 = 10.162,50 9.900; 10.270,25b2 = 600100,5 = 595; b3 = 180+101 = 190
Nema rešenje za 1.200
z* = 10.162,50x1* = 82,50 ; x2* = 107,50
Slack_M1 = 17,50Slack_M2 = 0
Celobrojne promenljive
z* = 10.155,00x1* = 83 ; x2* = 107
Slack_M1 = 17Slack_M2 = 1
z* = 9.900x1* = 60 ; x2* = 120
Slack_M1 = 60Slack_M2 = 0
Raspoloživa verzija soft-vera ne prikazuje grafik
121/245
MS Excel Worksheet za proračun b1, b2, z* sa željenim D b1* = 480 b2* = 600 b3* = 180
Range From To From z To z Slope D b'1 b1 b'2 b2 b'3 b3 z*
1 0,00 14,1176 9.900,00 10.270,59 26,25 0 0,00 0 480 -0,5 600 1 180 9.900,00
1 0,00 14,118 9.900,00 10.270,59 26,25 5 5,00 0 480 -0,5 598 1 185 10.031,25
1 0,00 14,118 9.900,00 10.270,59 26,25 5 10,00 0 480 -0,5 595 1 190 10.162,50
1 0,00 14,118 9.900,00 10.270,59 26,25 2 12,00 0 480 -0,5 594 1 192 10.215,00
1 0,00 14,118 9.900,00 10.270,59 26,25 2 14,00 0 480 -0,5 593 1 194 10.267,50
1 0,00 14,118 9.900,00 10.270,59 26,25 0,12 14,12 0 480 -0,5 593 1 194 10.270,59
2 14,1176 560,00 10.270,59 7.200,00 -5,625 0 14,118 0 480 -0,5 593 1 194 10.270,59
2 14,118 560,00 10.270,59 7.200,00 -5,63 35,88 50,00 0 480 -0,5 575 1 230 10.068,75
2 14,118 560,00 10.270,59 7.200,00 -5,63 50 100,00 0 480 -0,5 550 1 280 9.787,50
2 14,118 560,00 10.270,59 7.200,00 -5,63 50 150,00 0 480 -0,5 525 1 330 9.506,25
2 14,118 560,00 10.270,59 7.200,00 -5,63 50 200,00 0 480 -0,5 500 1 380 9.225,00
2 14,118 560,00 10.270,59 7.200,00 -5,63 100 300,00 0 480 -0,5 450 1 480 8.662,50
2 14,118 560,00 10.270,59 7.200,00 -5,63 100 400,00 0 480 -0,5 400 1 580 8.100,002 14,118 560,00 10.270,59 7.200,00 -5,63 100 500,00 0 480 -0,5 350 1 680 7.537,502 14,118 560,00 10.270,59 7.200,00 -5,63 60 560,00 0 480 -0,5 320 1 740 7.200,00
3 560,00 1.200,00 7.200,00 0,00 -11,250 0 560,000 0 480 -0,5 320 1 740 7.200,00
3 560 1.200,00 7.200,00 0,00 -11,25 40 600,00 0 480 -0,5 300 1 780 6.750,003 560 1.200,00 7.200,00 0,00 -11,25 100 700,00 0 480 -0,5 250 1 880 5.625,003 560 1.200,00 7.200,00 0,00 -11,25 100 800,00 0 480 -0,5 200 1 980 4.500,003 560 1.200,00 7.200,00 0,00 -11,25 100 900,00 0 480 -0,5 150 1 1.080 3.375,003 560 1.200,00 7.200,00 0,00 -11,25 100 1.000,00 0 480 -0,5 100 1 1.180 2.250,003 560 1.200,00 7.200,00 0,00 -11,25 100 1.100,00 0 480 -0,5 50 1 1.280 1.125,003 560 1.200,00 7.200,00 0,00 -11,25 100 1.200,00 0 480 -0,5 0 1 1.380 0,005 0 -26,6667 9.900,00 9.200,00 26,25 0 0,00 0 480 -0,5 600 1 180 9.900,005 0 -26,67 9.900,00 9.200,00 26,25 -5 -5,00 0 480 -0,5 603 1 175 9.768,755 0 -26,67 9.900,00 9.200,00 26,25 -5 -10,00 0 480 -0,5 605 1 170 9.637,505 0 -26,67 9.900,00 9.200,00 26,25 -5 -15,00 0 480 -0,5 608 1 165 9.506,255 0 -26,67 9.900,00 9.200,00 26,25 -5 -20,00 0 480 -0,5 610 1 160 9.375,005 0 -26,67 9.900,00 9.200,00 26,25 -5 -25,00 0 480 -0,5 613 1 155 9.243,755 0 -26,67 9.900,00 9.200,00 26,25 -1,67 -26,67 0 480 -0,5 613 1 153 9.200,006 -26,667 -180,00 9.200,00 0,00 60,00 0 -26,67 0 480 -0,5 613 1 153 9.200,006 -26,667 -180,00 9.200,00 0,00 60,00 -50 -76,67 0 480 -0,5 638 1 103 6.200,006 -26,667 -180,00 9.200,00 0,00 60,00 -50 -126,67 0 480 -0,5 663 1 53 3.200,006 -26,667 -180,00 9.200,00 0,00 60,00 -50 -176,67 0 480 -0,5 688 1 3 200,006 -26,667 -180,00 9.200,00 0,00 60,00 -50 -226,67 0 480 -0,5 713 1 -47 -2.800,00
122/245
Troskovi, zavisnost od "mi"
0
2000
4000
6000
8000
10000
12000
-17
6,6
7
-76
,67
-26
,67
-20
-10 0 5
12
14
,11
8
50
15
0
25
0
35
0
45
0
55
0
56
0
65
0
75
0
85
0
95
0
1.0
50
,00
1.1
50
,00
Nema rešenje za 180
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2 480 + 0
M2 2x1 + 4x2 600 + (0,5)
M3 1x1 + 1x2 180 + 1 x1, x2 0
From (Vector); To (Vector)zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + (From (Vector))Slope
bi = bi + b’i
Vektor perturbacije 0; 0,5; 1
b3 se menja 2 puta brže i suprotno od b2
Nema rešenje za 1.200
Raspoloživa verzija soft-vera ne prikazuje grafik
Grafik sa MS Excel
123/245
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2 480 + 0
M2 2x1 + 4x2 600 + (0,5)
M3 1x1 + 1x2 180 + 1 x1, x2 0
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2 b1
M2 2x1 + 4x2 600
M3 1x1 + 1x2 180 x1, x2 0
REKAPITULACIJA : Parametarska analiza bi
From (Vector); To (Vector)zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + ( From (Vector))Slope
bi = bi + b’iPrimene :
1) Izbor ; proračun b2, b3, z*
2) Dato jedno bi ; proračun , ostalih bi, z*
3) Dato z* ; proračun , b2, b3
4) Odrediti x* za 1), 2), 3)
Primene :
1) Izbor ; proračun b1, z*
2) Dato z* ; proračun , b1
4) Odrediti x* za 1), 2)
Promene : Ravno-merne ili ne-ravno-merneSmerovi : Isti ili različiti
Parametarska Vektorska analiza više bi
A.2
A.2.1
A.2.2
b1From RHS of M1; To RHS of M1zFrom OBJ Value; To OBJ Valuez = (From OBJ Value) + (b1From RHS of M1)Slope
b1 = RHS of M1
B’ = 0; 0,5; 1
124/245
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2 480
M2 2x1 + 4x2 600
M3 1x1 + 1x2 180
A x1 75 x1, x2 0
Parametarska analiza ograničenja za promenljive xjA.3
A.3.1
Donja granica
1) Uvođenje donje granice, Lower Bound
2) Uvođenje aktivnog ograničenja
Nema PA
Ima PA
Raspoloživa verzija softvera ne podržava na isti način analizu donjih i gornjih granica
125/245
(max) z = 45x1 + 60x2
p.o. M1 3x1 + 2x2 480
M2 2x1 + 4x2 600
M3 1x1 + 1x2 180
A x2 95 x1, x2 0
Parametarska analiza ograničenja za promenljive xjA.3
A.3.2
Gornja granica
2) Uvođenje aktivnog ograničenja
Ima PA uPerturbation Vector
Nema PA
Ima PA
Raspoloživa verzija softvera ne podržava na isti način analizu donjih i gornjih granica
1) Uvođenje gornje granice, Upper Bound
126/245
PRIMER 16 : ZADATAK 3. (Vežbe) Proizvodnja cigareta
Parametarska analiza1) Jedinična profit za cigarete tipa A (1) c1 = 60. Odrediti z*. (2) z* = 80.000. Odrediti c1, x*. (3) Interval c1 sa z* = Const. 2) C’ = 1; 0; 1,5 (1) = 10. Odrediti cj, x*. (2) c1 = 60. Odrediti c3, z*. (3) z* = 80.000. Odrediti cj, x*. (3) Interval sa z* = Const. Odrediti cj.
3) Kapacitet pogona I (b1) (1) b1 = 7.000. Odrediti z*, x*. (2) z* = 80.000. Odrediti b1, x*. (3) Interval b1 sa z* = Const. (4) Interval b1 bez dopustivog rešenja.4) Kapacitet za Pogon I se menja 1,2 puta brže i obrnuto od kapaciteta za Pogon II. (1) = 1.000. (2) b1 = 7.000. Odrediti b2, z*, x*. (3) z* = 112.000. Odrediti b1, b2, x*. (3) sa z* = Const. Odrediti b1, b2. (4). bez x*. Odrediti b1, b2.
127/245
Parametarska analiza za proizvode A, B, C, D1) Jedinična profit za proizvod A (1) c1 = 200. z*=?. (2) z* = 1.600.000. c1=?, x*=?. (3) Interval c1 sa z* = Const. 2) C’ = 1; 0; 0,5; 1,5 (1) = 10. (2) c1 = 200. Odrediti cj, z*. (3) z* = 1.600.000. Odrediti cj, x*. 3) Količina sirovine Pamuk (b1) (1) b1 = 20.000. Odrediti z*, x*. (2) z* = 1.600.000. Odrediti bi, x*. (3) Interval b1 sa z* = Const. (4) Interval b1 bez dopustivog rešenja.4) Količina za Pamuk se menja 1,2 puta brže i obrnuto od količine za Sintetičko vlakno. (1) = 1.000. (2) b1 = 20.000. Odrediti b2, z*, x*. (3) z* = 1.600.000. Odrediti b1, b2, x*. (3) sa z* = Const. Odrediti b1, b2. (4). bez x*. Odrediti b1, b2. 5) Ograničenje za proizvod A, Gornja granica za X1 = UB_X16) Količina za Pamuk se menja 1.5 puta brže od promene UB_X1 (1) = 10.000, z* = ?, b1 = ?, UP_X1 = ? (3) z* = 1.600.000, odrediti b1, UP_X1, x* (3) b1 = 20.000, odrediti z*, b1, UP_X1, x*.
PRIMER 17 : ZADATAK 1. (Vežbe) Izrada konfekcije
128/245
5. POST-OPTIMALNA ANALIZA
ZADACI ZA VEŽBANJE
ZADATAK 11.
Da li se menja x* polaznog problema ako ne postoje ugovorne obaveze za model B?
129/245
Parametarska analiza za proizvode A, B, C, D
1.1) Jedinična profit za A1.2) C’ = 1; 1; 0; 01.3) C’ = 1; 1,5; 0; 01.4) C’ = 1; 0; 0; 11.5) C’ = 1; 1,5; 0; 1
Kapaciteti mašina : b1, b2
2.1) Analiza b1
2.2) Ravnomerna – istog smera promena b1 i b2
2.3) 2 puta brža promena b1 od promene b2 istog smera2.4) 1,5 puta brža promena b1 od b2 suprotnog smera
130/245
ZADATAKA 12.
Sadržaj
131/245
6.6.ODABRANE PRIMENE LPODABRANE PRIMENE LP
OPŠTE POSTAVKEOPŠTE POSTAVKEI PRIMERII PRIMERI
1. Problemi proizvodnje – planiranje asortimana1. Problemi proizvodnje – planiranje asortimana
2. Problem (dijetalne) ishrane – mešanje namirnica2. Problem (dijetalne) ishrane – mešanje namirnica
3. Problem mešanja sirovina za izradu proizvoda3. Problem mešanja sirovina za izradu proizvoda
4. Optimalno proširenje proizvodnih kapaciteta4. Optimalno proširenje proizvodnih kapaciteta
5. Proizvodnja delova i finalnih proizvoda5. Proizvodnja delova i finalnih proizvoda
6. Optimizacija utrošaka materijala6. Optimizacija utrošaka materijala
7. Poslovno udruživanje (više) kompanija7. Poslovno udruživanje (više) kompanija Sadržaj
132/245
PROBLEMI PROIZVODNJE1
Opšta postavka problema izbora asortimana proizvodnje za više kategorija resursa data je na početku (posle opšte postavke problema LP)
Deo 2Deo 2
133/245
Opšta postavka problema izbora asortimana proizvodnje za više kategorija resursa data je na početku (posle opšte postavke problema LP)
Deo 2Deo 2
Literatura
134/245
135/245
Meseci Dani Vikendi Praznici Remont Radni dani Kvartali Broj M2 Fond cas. Kvartali1 31 8 3 20 8 1.200,002 28 8 10 10 8 600,003 31 9 22 52 8 1.320,00 3.120,004 30 9 1 20 8 1.200,005 31 8 23 8 1.380,006 30 9 1 20 63 8 1.200,00 3.780,007 31 9 22 8 1.320,008 31 8 23 8 1.380,009 30 10 20 65 8 1.200,00 3.900,0010 31 8 23 8 1.380,0011 30 8 2 20 8 1.200,0012 31 10 21 64 8 1.260,00 3.840,00
Godisnje 365 104 7 244 244 14.640,00 14.640,00
Tabela 2.1. Kapacitet 5 Mašina grupe 1 sa remontom po 15 dana u januaru
Primena MS Excel Worksheet (Isključiti View Show, Click na tabelu)Ppodesno definisanje osnov. radnog šablona i korekcije za druge proračune
136/245
Tabela 2.3. Fond časova 10 radnika kategorije 1 (na odmoru 5 u julu i 5 u avgustu)Meseci Sani Vikendi Praznici Radni dani Kvartali Broj R1 Fond cas. Kvartali
1 31 8 3 20 10 1500,002 28 8 20 10 1500,003 31 9 22 62 10 1650,00 4650,004 30 9 1 20 10 1500,005 31 8 23 10 1725,006 30 9 1 20 63 10 1500,00 4725,007 31 9 22 5 825,008 31 8 23 5 862,509 30 10 20 65 10 1500,00 3187,5010 31 8 23 10 1725,0011 30 8 2 20 10 1500,0012 31 10 21 64 10 1575,00 4800,00
Godisnje 365 104 7 254 254 17362,50 17362,50
MS Excel Worksheet
137/245
Tabela 3. Direktni troškovi, prodajne cene i bruto-dobit za proizvode
Resursi Jedin.cene Normativi za P1 Troskovi Normativi za P2 Troskovi Normativi za P3 TroskoviM1 40,00 2,00 80,00 0,00 0,00 4,00 160,00M2 50,00 3,00 150,00 5,00 250,00 0,00 0,00R1 25,00 3,00 75,00 2,00 50,00 2,00 50,00R2 10,00 0,00 0,00 1,00 10,00 1,00 10,00S1 10,00 20,00 200,00 30,00 300,00 32,00 320,00S2 5,00 5,00 25,00 4,00 20,00 10,00 50,00
Ukupno 530,00 630,00 590,00Prodajne cene 630,00 750,00 700,00Bruto-dobit 100,00 120,00 110,00
MS Excel Worksheet
138/245
139/245
140/245
141/245
142/245
143/245
144/245
145/245
Za celobrojno programiranje, u opštem slučaju se ne prikazuju intervali za koeficijente cj uz nepoznate xj u funkciji kriterijuma (intervali promena cj da se zadrži struktura optimalnog rešenja sa stanovišta promenljivih).
Allowable Min. c(j); Allowable Max. c(j).
146/245
Proizvodi Količine Normativi Utrošci Normativi UtrošciP1, x1 1.000,00 0,00 0,00 5,00 5.000,00P2, x2 1.500,00 1,00 1.500,00 4,00 6.000,00P3, x3 1.740,00 1,00 1.740,00 10,00 17.400,00Ukupno 3.240,00 28.400,00
Radnici 2 Sirovina 2
Tabela 6. Proračun potreba za resursima bez ograničenja
MS Excel Worksheet
Zašto da se ne koristi (podesno proširi) raniji matematički model i odredi rešenja programom Linear and Integer programming
147/245
148/245
Iste vrednosti su određene napred sa MS Excel !
149/245
Tabela 7. Proračun potrebnih resursa za x1=1.000 i slobodnih resursa za x2 i x3
Resursi P1, x1 norm. P1 Potrebni resursi Raspoložii resursi Slobodni resursiM1 1.000,00 2,00 2.000,00 8.962,50 6.962,50M2 1.000,00 3,00 3.000,00 14.640,00 11.640,00R1 1.000,00 3,00 3.000,00 17.362,00 14.362,00R2 1.000,00 0,00 0,00S1 1.000,00 20,00 20.000,00 200.000,00 180.000,00S2 1.000,00 5,00 5.000,00
MS Excel Worksheet
Koristiti Excel za bilo koje iole složenije proračune !!!
150/245
151/245
152/245
VARIJANTE FUNKCIJE KRITERIJUMA
153/245
Suprotno navedenom, može da se postavi i obrnuti zahtev – da se se vrši minimizacija korišćenja kapaciteta, ali istovremeno sa nekim drugim (dodatnim) uslovom koji jeste od osnovnog značaja za poslovanje ili širu analizu (na primer, bruto-dobit).
U suštini, ekonomski je više opravdano da se minimizira umesto da se maksimizira korišćenje kapaciteta. Takav zaključak nameće činjenica da manje kapaciteta, uz dostizanje postavljenog dodatnog uslova, oslobađa kapacitete koji mogu da se posebno koriste (na primer, za nove vrste proizvoda).
Ukoliko se kao dodatni zahtev razmatra ostvarena godišnja bruto-dobit, onda je potrebno uvoditi donju granicu f0 za bruto-dobit i dodatno ograničenje oblika:
f(x) ... 100x1+120x2+110x3 f0
154/245
155/245
PROIZVODNJA ZA SOPSTVENE POTREBEI TRŽIŠTE
156/245
Sadržaj 6.
P1 P2 P3
ZADATAK:Odrediti x* i detaljno obrazložiti (količine proizvoda, ukupna dobit, dobit od proizvoda za sopstvene potrebe, dobit od proizvoda za tržište, korišćenje resursa (mašina, radnika, sirovine) ....
157/245
PLANIRANJE ISHRANE2
Ovaj problem pripada klasi tzv. “problema smeše” ili “mešavina”. Posebno je od značaja mešavina sirovina za izradu proizvoda sa zahtevanim karakteristikama.
158/245
159/245
160/245
Ilustrativni primer
1
2
3
4
161/245
162/245
1 2 3 4
5000 КЈ/дан 20 гр/дан 120 гр/дан 750 мгр/дан
163/245
1
2
3
4
Optimalno rešenje: x1 = 7,5; x9 = 2,1 (750 gr hleba; 2,1 lit ulja), f* = 20,49 din.
Očigledno da x* nema smisla, nezavisno što su zadovoljeni svi uslovi:
1) Energetska vrednost prosečno 5.000 KJ na dan; 2) 20 gr belačevina3) 120 gr ugljenih hidrata4) 250 mgr kalijuma.
Proizilazi da matematički model ne opisuje ne opisuje dovoljno dobro problemdovoljno dobro problem i da svi zahtevi koje dijeta treba da ispuni nisu uključeni u model.
A
Не више од 20 гр/дан
До 750 мгр/дан
Бар 120 гр/дан
Бар 500 КЈ/дан
164/245
B
165/245
Odgovarajuča dodatna ograničenja
Optimalno rešenje (uočiti da su na početku troškovi iznosili prvo 20,49 i zatim 37,05 a sada 108,71
C
166/245
• Istražiti (na Internetu) podatke o bihemijskim karakteristikama i cenama za skup namirnica koje bi trebalo da koriste za zdravu ishranu osobe između 20 i 30 god.
• Utvrditi potrebne granice za pojedine karakteristike dnevnog obroka (ili posmatrati više dana, odnosno sedmicu).
• Eventaulno razmatrati specifičnosti za polove, sportiste i sl.
Potrebno je:
1. Definisati verbalni model za odabrani vremenski period,2. Prikazati tabelarni model,3. Formirati matematički model,4. Odrediti optimalno rešenje primenom softvera,5. Obrazložiti optimalno rešenje.
Zadatak 1. Isharana
Sadržaj 6.
167/245
PROBLEM SMEŠE SIROVINA ZA PROIZVODE3
168/245
169/245
170/245
171/245
172/245
173/245
Resursi Jedin.cene Normativi za P1 Troskovi Normativi za P2 Troskovi Normativi za P3 TroskoviM1 40,00 2,00 80,00 0,00 0,00 4,00 160,00M2 50,00 3,00 150,00 5,00 250,00 0,00 0,00R1 25,00 3,00 75,00 2,00 50,00 2,00 50,00R2 10,00 0,00 0,00 1,00 10,00 1,00 10,00
Ukupno 305,00 310,00 220,00Prodajne cene 466,25 432,50 356,25Bruto-dobit 161,25 122,50 136,25
Direktni troškovi, prodajne cene i bruto-dobit za proizvode P1 P3
MS Excel Worksheet
174/245
175/245
176/245
177/245
Sadržaj 6.
178/245
OPTIMALNO PROŠIRENJE PROIZV. KAPACITETA4
179/245
180/245
Celobrojnost za promenlive !
181/245
182/245
Polazni podaci za problem optimalnog proširenja kapaciteta mašina M1 i M2
183/245
184/245
185/245
186/245
Primena softvera Linear and Integer Programming
Optimalno rešenje
Proizvodi Nove mašine Bruto-dobit
ZADATAK:Odrediti ostale elemente rešenja.
187/245
Utrošeni kapaciteti M1 i M2; raniji kapaciteti, novi kapaciteti i ukupni kapaciteti
Sadržaj 6.
188/245
PROIZVODNJA DELOVA I FINALNIH PROIZVODA5
189/245
190/245
Polazni podaci za godišnji plan sa delovima i finalnim proizvodima
:
191/245
Direktni troškovi, prodajne cene i bruto-dobit za delove i finalne proizvoda
NaziviJedin. cene
Normat. za D1
TroskoviNormat. za D2
TroskoviNormat. za P1
TroskoviNormat. za P2
TroskoviNormat. za P3
Troskovi
M1 40,00 0,25 10,00 0,75 30,00 2,00 80,00 0,00 0,00 4,00 160,00M2 50,00 0,50 25,00 0,20 10,00 3,00 150,00 5,00 250,00 0,00 0,00R1 25,00 1,00 25,00 1,00 25,00 3,00 75,00 2,00 50,00 2,00 50,00R2 10,00 0,00 0,00 1,00 10,00 1,00 10,00S1 10,00 5,00 50,00 4,00 40,00 20,00 200,00 30,00 300,00 32,00 320,00S2 5,00 5,00 25,00 4,00 20,00 10,00 50,00
D1 za Pj 110,00 2,00 220,00 1,00 110,00 0,00 0,00D2 za Pj 105,00 0,00 0,00 1,00 105,00 3,00 315,00
110,00 105,00 750,00 845,00 905,00125,00 115,00 850,00 965,00 1.015,0015,00 10,00 100,00 120,00 110,00
Prodajne ceneBruto-dobit
Delovi Finalni proizvodiResursi
Ukupni troškovi
MS Excel Worksheet
192/245
193/245
194/245
195/245
196/245
197/245
Sadržaj 6.
198/245
OPTIMIZACIJA UTROŠKA MATERIJALA6
199/245
200/245
Ilustrativni primer
201/245
Odreditix* saWinQSB
Sadržaj 6.
202/245
POSLOVNO UDRUŽIVANJE VIŠE KOMPANIJA7
203/245
204/245
205/245
206/245
207/245
208/245
209/245
Sadržaj 6.
210/245
7.7.VIŠE OVIŠE O
SIMPLEKS METODI ISIMPLEKS METODI ISIMPLEKS TABELAMASIMPLEKS TABELAMA• Razvijeno je više varijanti Simpleks algoritma - metode• Ima više oblika Simpleks tabela
211/245
x1
x2
0
SIMPLEKS METODAza rešavanje modela LP
Model LP sa n = 2 promenljive rešava se Grafičkom metodom u 2-dimenzionalnom prostoru Tabelarno - primenom Simpleks metode
Model LP sa n = 3 promenljive rešava se Grafičkom metodom u 3-dimenz. prostoru (nije jednostavno) Tabelarno - primenom Simpleks metode
Model LP sa n > 3 promenljivih rešava se Tabelarno - primenom Simpleks metode (ne može da se prikaže grafički)
Granica za ogra-čenje “” je prava
x2
x3
0
x1
Dopustiva rešenja sa x1, x2 0 je trougao OAB
A
B
B
A
C
Dopustiva rešenja sa x1, x2, x3 0 je piramida OABC
1
2
3
Granica za ogra-čenje “” je ravan
212/245
z = 45x1 + 60x2 + 50x3 max
M1 ... 3x1 + 2x2 + 1x3 480
M2 ... 2x1 + 4x2 + 3x3 600
M3 ... 1x1 + 1x2 + 1x3 180
S1 ... 1x1 + 2x2 100
S2 ... 3x2 + 1x3 = 50
S3 ... 2x1 + 1x2 = 140
x1, x2, x3 0
Problem maksimizacije 2.
z = 45x1 + 60x2 + 50x3 max
M1 ... 3x1 + 2x2 + 1x3 480
M2 ... 2x1 + 4x2 + 3x3 600
M3 ... 1x1 + 1x2 + 1x3 180
x1, x2, x3 0
Problem maksimizacije 1.
z = 45x1 + 60x2 + 50x3 min
M1 ... 3x1 + 2x2 + 1x3 480
M2 ... 2x1 + 4x2 + 3x3 600
M3 ... 1x1 + 1x2 + 1,5x3 180
x1, x2, x3 0
Problem minimizacije 1.
z = 45x1 + 60x2 + 50x3 min
M1 ... 3x1 + 2x2 + 1x3 480
M2 ... 2x1 + 4x2 + 3x3 600
M3 ... 1x1 + 1x2 + 1x3 180
S1 ... 1x1 + 2x2 100
S2 ... 3x2 + 1x3 = 50
S3 ... 2x1 + 1x2 = 140
x1, x2, x3 0
Problem minimizacije 2.
ILUSTRACIJA MAKSIMIZACIJE I MINIMIZACIJE
213/245
z = 45x1 + 60x2 + 50x3 + 0Slack_M1 + 0Slack_M2 + 0Slack_M3 max
M1 ... 3x1 + 2x2 + 1x3 + Slack_M1 = 480
M2 ... 2x1 + 4x2 + 3x3 + Slack_M2 = 600
M3 ... 1x1 + 1x2 + 1,5x3 + Slack_M3 = 180
x1, x2, x3 0 Slack_M1, Slack_M2, Slack_M3 0
z = 45x1 + 60x2 + 50x3 max
M1 ... 3x1 + 2x2 + 1x3 480
M2 ... 2x1 + 4x2 + 3x3 600
M3 ... 1x1 + 1x2 + 1,5x3 180
x1, x2, x3 0
IZRAVNAVAJUĆE IZRAVNAVAJUĆE PROMENLJIVE PROMENLJIVE
• Slack – Slack – nedostizanjenedostizanje, podbačaj , podbačaj za ograničenja tipa “za ograničenja tipa “””
• Surplus – Surplus – prekoračenjeprekoračenje, , prebačaj za ograničeja tipa “prebačaj za ograničeja tipa “””
U x(0) U x(0) U x(0)
AA
NAMENA izravnavajućih promenljivih za NAMENA izravnavajućih promenljivih za ograničenja “ograničenja “” jeste formiranje x” jeste formiranje x(0)(0)
Prom. za odlučivanje: x1 = x2 = x3 = 0Izravnavajuće prom. = slobodni članovi (desna strana ograničenja)
Slack_M1 = 480Slack_M2 = 600Slack_M3 = 180
BB
Problem maksimizacije 1.
214/245
Prikazana varijanta preslikava model u tabeluPrikazana varijanta preslikava model u tabelu
Prom. za odlučivanje: x1 = x2 = x3 = 0 Izravn. prom. = slobodni članovi R.H.S.
z = 45x1 + 60x2 + 50x3 + 0Slack_M1 + 0Slack_M2 + 0Slack_M3 max
M1 ... 3x1 + 2x2 + 1x3 + Slack_M1 = 480
M2 ... 2x1 + 4x2 + 3x3 + Slack_M2 = 600
M3 ... 1x1 + 1x2 + 1,5x3 + Slack_M3 = 180
x1, x2, x3 0 Slack_M1, Slack_M2, Slack_M3 0
M1 ...M1 ...M2 ...M2 ...M3 ...M3 ...
POČETNA SIMPLEKS TABELA, Iteration 1POČETNA SIMPLEKS TABELA, Iteration 1
U Basis U Basis U Basis
U Basis
Basis = Promenljive koje čine tekuće rešenje
Razvijene su varijante za Simpleks algoritamRazvijene su varijante za Simpleks algoritamNajjednostavnije je koristiti Simpleks tabeleNajjednostavnije je koristiti Simpleks tabeleIma više oblika Simpleks tabelaIma više oblika Simpleks tabela
CC
x(0)x(0) Zaglavlje sa 2 reda
Poslednji red C(j)-Z(j) iz 2 dela
215/245
M1 ...M1 ...M2 ...M2 ...M3 ...M3 ...
POČETNA SIMPLEKS TABELA, Iteration 1POČETNA SIMPLEKS TABELA, Iteration 1
Basis = Promenljive koje čine tekuće rešenje
Zaglavlje: Promenljive u modelu
Poslednji red C(j)-Z(j) Deo za promenljive
Kolona C(j) = C(Basis,j) = CCBB(j)(j) = koeficijenti iz z(x) uz promenljive iz Basis
Red C(j) = koeficijenti iz funkcije kriterijuma z uz sve promenljive
R.H.S. (Right Hand Side) Desna strana, Vrednosti za bazične promenljive
Kolona X1C(1) = 45Z(1) = C(Slack_M1)Slack_M1 + C(Slack_M2)Slack_M2 + C(Slack_M3)Slack_M3 = 03 + 02 + 01 = 0
C(1)-Z(1) = 45 – 0 = 45
Proizvod kolone CB(j) i kolone X1
Z(j)-C(j) u x(0) jednaki sa C(j) jer su Z(j)=0
Poslednji red C(j)-Z(j) Deo za funkc. kriter. ZProizvod kolone CB(j) i kolone R.H.S.0480 + 0600 + 0180 = 0
216/245
Poboljšanje rešenja 1
Izbor nove bazične promenljive i KK
max (Cj – Zj) = max (45; 60; 50) = 60 = C2 – Z2 ... Najveću dobit ima X2
X2 Basis .... Kolona X2 je KK = KARAKTERISTIČNA KOLONA
SIMPLEKS TABELESIMPLEKS TABELE
RHS : X2
Bazične promenljive
Vrednosti za bazične promenljive
Vrednost fun. krit. z
Izbor promenljive koja napušta bazu i KR
Ratio = RHS : X2 (kolona RHS : kolona X2, gde X2 = KK pošto X2 Basis
480 : 2 = 240 600 : 4 = 150 180 : 1 = 180
2
1
min Ratio = min (240; 150; 180) = 150
Ovaj min odgovara redu Slack_M2
Ovaj red je KK= KARAKTERI- STIČNI RED
Izmena Basis (bazičnih promenljivih): X2 Basis Slack_M2
Koeficijenti Cj
DD
Ovo nije x*, postoje Z(j)-C(j) > 0
217/245
RHS : X2
Izbor promenljive koja napušta bazu i KR
Ratio = RHS : X2 (kolona RHS : kolona X2, gde X2 = KK pošto X2 Basis
480 : 2 = 240 600 : 4 = 150 180 : 1 = 180
2
min Ratio = min (240; 150; 180) = 150
Ovaj min odgovara redu Slack_M2
Ovaj red je KK= KARAKTERI- STIČNI RED
Izmena Basis (bazičnih promenljivih): X2 Basis Slack_M2
Zašto je izabrano da Slack_M2 napusti Basis ?
Početno rešenjex1, x2, x3 = 0
Odabrano da x2 > 0i ostaje x1, x3 = 0
M1 ... 1x1 + 2x2 + 1x3 + Slack_M1 = 480M2 ... 2x1 + 4x2 + 3x3 + Slack_M2 = 600M3 ... 1x1 + 1x2 + 1,5x3 + Slack_M3 = 180
M1 ... 2x2 + Slack_M1 = 480 M2 ... 4x2 + Slack_M2 = 600M3 ... 1x2 + Slack_M3 = 180
2x2 480 4x2 6001x2 180
x2 480:2 = 240x2 600:4 = 150x2 180:1 = 180
max x2 = 150
x2 480:2 = 240x2 600:4 = 150x2 180:1 = 180
M1 ... 2150 + Slack_M1 = 480 M2 ... 4150 + Slack_M2 = 600M3 ... 1150 + Slack_M3 = 180
300 + Slack_M1 = 480 600 + Slack_M2 = 600150 + Slack_M3 = 180
Slack_M1 = 180Slack_M2 = 0Slack_M3 = 30
X2=150 Basis Slack_M2=0 Videti Simpl. Tabl. - - Iteration 2
218/245
KE = 4 = KARAKTERISTIČNI ELEMENT u preseku KK i KR
4
3
KK
KR
KE
Formiranje naredne SIMPLEKS TABELE (ST) 2
Elementi u KR (iz ST-1) se dele sa KE = 4 (iz ST-1)
X2 Basis Slack_M2
5 Elementi u KK (iz ST-1) postaju 0,osim KE:KE = 1 što je određeno pod 5
6
RHS : X2
219/245
7
KK
KR
KE
Ostali elementi u ST-2
Polje (Slack_M1; X1) 3 – 22:4 = 3 – 1 = 2
Polje (Cj-Zj; Slack_M2) 0 – 601:4 = –15
3
KKKR
8 Posebno se proračnunava polje (Cj-Zj; RHS) = vrednost Z, na osnovu vrednosti u novoj simpl. tabeli
RHS : X2
2
2 4
4
060
1
220/245
KK
KR
KE
8
Poslednji red C(j)-Z(j), Deo (polje) za funkciju kriterijuma ZProizvod kolone CB(j) i kolone R.H.S.Proizvod vrednosti promenljivih za tekuće rešenje u kol. R.H.S i njihovih koef. C(j) za funkc. krit. Z u koloni CB(j)
Posebno se proračnunava polje (Cj-Zj; RHS) = vrednost Zna osnovu vrednosti u novoj simpleks tabeli
Z = 0180 + 60150 + 030 = 9.000
RHS : X2
221/245
e
a
c
KK
KR
bZašto praviloproračunaza narednu STa’ = a – bc:e
Akox2 > 0x1 = x3 = 0sledi
M1 ... 30 + 2x2 + 10 + Slack_M1 = 480
M2 ... 20 + 4x2 + 30 + Slack_M2 =
600
M3 ... 10 + 1x2 + 1,50 + Slack_M3 =
180
M1 ... 2x2 + Slack_M1 = 480
M2 ... 4x2 + Slack_M2 = 600
M3 ... 1x2 + Slack_M3 = 180
M1 ... x2 480:2 = 240
M2 ... x2 600:4 = 150
M3 ... x2 180:1 = 180
max x2 = min (240, 150, 180) = 150 = 640:4 ..... M2
M2 sa kapacite-tom 600 određuje max x2
RHS : X2
??
222/245
M1 ... 2x2 + Slack_M1 = 480
M2 ... 4x2 + Slack_M2 = 600
M3 ... 1x2 + Slack_M3 = 180max x2 = 150 = 640:4
Slack_M1 = 480 – 2x2 = 480 – 2(640:4)
Slack_M2 = 600 – 4x2 = 600 – 4(640:4)
Slack_M3 = 180 – 1x2 = 480 – 2(640:4)
M1 ... Slack_M1 = 180
M2 ... Slack_M2 = 0
M3 ... Slack_M3 = 30
RHS : X2
223/245
Promena rešenja 2 : X1 Basis Slack_M3
Promena rešenja 1 : X2 Basis Slack_M2
Optimalno rešenjeOptimalno rešenje
RHS : X2
RHS : X1
SVESVE SIMPLEKS TABELE SIMPLEKS TABELE
224/245
Optimalno rešenjeOptimalno rešenje
OPTIMALNO REŠENJE – TumačenjeOPTIMALNO REŠENJE – Tumačenje
Nema C(j)-Z(j) < 0 u kolonama za promenljive, postignuto je x*
Maksimalna vrednost funkcije kriterijuma Z* = 9.000
Optimalne vrednosti za promenljive
Bazične promenljive (iz kolone Basis)Slack_M1 = 60 (neiskorišćen kapacitet mašine M1)X2 = 120X1 = 60 Nebazične promenljive (nisu u koloni Basis)
X3 = 0Slack_M2 = 0 (100% iskorišćen kap. M2)Slack_M3 = 0 (100% iskorišćen kap. M4)
225/245
Co
mb
ine
d R
ep
ort
Pregle- dno
Više infor- macija
OstvarenoDeo za ogra-ničenja
Slack (podbačaj) za ograničenje “”
Reduced Cost = -2,50 za bazičnu prom. X3 = 0(pogoršanje, umanjenje Z* po jedinici X3 > 0)
Deo za promenljiveP
osl
ed
nja
ST
(d
eo
)
Slack_M1 = 60 ; podbačaj za M1
X2 = 120 ; X1 = 60 Z* = 9.900
226/245
z = 45x1 + 60x2 + 50x3 + 0x4 + 0x5 + 0x6
M1 ... 3x1 + 2x2 + 1x3 = 480 + x4
M2 ... 2x1 + 4x2 + 3x3 = 600 + x5
M3 ... 1x1 + 1x2 + 1,5x3 = 180 + x6
x1, x2, x3 0 x4, x5, x6 0
z = 45x1 + 60x2 + 50x3 min
M1 ... 3x1 + 2x2 + 1x3 480
M2 ... 2x1 + 4x2 + 3x3 600
M3 ... 1x1 + 1x2 + 1,5x3 180
x1, x2, x3 0
IZRAVNAVAJUĆE i IZRAVNAVAJUĆE i VEŠTAČKE PROMENLJIVE VEŠTAČKE PROMENLJIVE
• Slack – Slack – nedostizanjenedostizanje, podbačaj , podbačaj za ograničenja tipa “za ograničenja tipa “””
• Surplus – Surplus – prekoračenjeprekoračenje, , prebačaj za ograničeja tipa “prebačaj za ograničeja tipa “””
• Artificital – Artificital – veštačke veštačke za za ““” i ” i “=““=“
(min)
z = 45x1 + 60x2 + 50x3 + 0x4 + 0x5 + 0x6
M1 ... 3x1 + 2x2 + 1x3 – x4 = 480
M2 ... 2x1 + 4x2 + 3x3 – x5 = 600
M3 ... 1x1 + 1x2 + 1,5x3 – x6 = 180
x1, x2, x3, x4, x5, x6 0
(min)
Izravnavajuče promenljive naziva “prekoračenja”(prevode ograničenja tipa “” u tip “=” )
x4 = Surplus_1x5 = Surplus_2x6 = Surplus_3
Sve nepoznate levo od znaka “=“
Problem minimizacije 1.
227/245
z = 45x1 + 60x2 + 50x3 min
M1 ... 3x1 + 2x2 + 1x3 480
M2 ... 2x1 + 4x2 + 3x3 600
N3 ... 1x1 + 1x2 + 1,5x3 180
x1, x2, x3 0
Koeficijenti u funkciji kriterijumaKoeficijenti u funkciji kriterijuma• Za izravnavajuće promenljive Za izravnavajuće promenljive ccjj = 0 za (max) z ; za (min) z = 0 za (max) z ; za (min) z
• Za veštačke promenljive. Za veštačke promenljive. – – M ako (max) z ; +M ako (min) zM ako (max) z ; +M ako (min) z
z = 45x1 + 60x2 + 50x3 + 0x4 + 0x5 + 0x6
M1 ... 3x1 + 2x2 + 1x3 – x4 = 480
M2 ... 2x1 + 4x2 + 3x3 – x5 = 600
M3 ... 1x1 + 1x2 + 1,5x3 – x6 = 180
x1, x2, x3, x4, x5, x6 0
(min) “prekoračenja”(prevode ogran. tipa “” u tip “=” )
x4 = Surplus_1x5 = Surplus_2x6 = Surplus_3Ne može da se formira polazno rešenje !
Ako x1 = x2 = x3 = 0, ne ostvaruju se ograničenja “” Potrebne su veštačke promenljive: x7, x8, x9
z = 45x1 + 60x2 + 50x3 + 0(x4 + x5 + x6) + Mx7 + Mx8 + Mx9
M1 ... 3x1 + 2x2 + 1x3 – x4 + x7 = 480
M2 ... 2x1 + 4x2 + 3x3 – x5 + x8 = 600
M3 ... 1x1 + 1x2 + 1,5x3 – x6 + x9 = 180
x1, x2, x3, x4, x5, x6, x7, x8, x9 0
(min)
228/245
z = 45x1 + 60x2 + 50x3 min
M1 ... 3x1 + 2x2 + 1x3 480
M2 ... 2x1 + 4x2 + 3x3 600
N3 ... 1x1 + 1x2 + 1,5x3 180
x1, x2, x3 0
z = 45x1 + 60x2 + 50x3 + 0(x4 + x5 + x6) – Mx7 – Mx8 – Mx9
M1 ... 3x1 + 2x2 + 1x3 – x4 + x7 = 480
M2 ... 2x1 + 4x2 + 3x3 – x5 + x8 = 600
M3 ... 1x1 + 1x2 + 1,5x3 – x6 + x9 = 180
x1, x2, x3, x4, x5, x6, x7, x8, x9 0
(min)
Veštačke prom.
x7 = Artificial_1x8 = Artificial_2x9 = Artificial_3
Neka poromenljive za odlučivanje 0 x1 = x2 = x3 = 0
Sledi da su i izravnavajuće poromenljive jednake 0 x4 = x5 = x6 = 0
Preostaje da su veštačke promenlive jednake slobodnim članovima(desnoj strani) ograničenja x7 = 480; x8 = 600; x9 = 180
1
2
3
NAMENA veštačkih NAMENA veštačkih promenljivih za ograni-promenljivih za ograni-čenja tipa “čenja tipa “” i “=“” i “=“ jeste jeste formiranje početnog formiranje početnog rešenja xrešenja x(0)(0)
229/245
KK KE
RHS : X2
Ne prikazuje se deo uz M Z = 0 + 1.360M
KR
Promena rešenja 1 : X2 Basis Artificial_M2
RHS : X1
Promena rešenja 2 : X1 Basis Artificial_M3 Z = 9.000 + 210M
230/245
RHS : Surplus_M1
Promena rešenja 2 : X1 Basis Artificial_M1 Z = 9.900 + 60M
Z = 10.350 + 0M = 10.350
Problem minimiza: Ovo je x*, nema Z(j)-C(j) < 0
231/245
Co
mb
ine
d R
ep
ort
Po
sle
dn
ja S
T (
de
o)
Surplus_M3 = 15 ; preačaj za M3
X2 = 105 ; X1 = 90
Z* = 10.350 + 0M = 350
Pregle- dno
Više infor- macija
OstvarenoDeo za ogra-ničenja
Surplus (prekoračenje) za ograničenje “”
Reduced Cost = 8,75 za bazičnu prom. X3 = 0(pogoršanje, rast Z* po jedinici X3 > 0)
Deo za promenljive
232/245
Tip ograni-čenja
Izravna- vajuća promenlj.
Vešta- čka promenlj.
Koefic. za max z(x)
Koefic. za min z(x)
Početno rešenje x(0)
+ xSNE + 0xs + 0xs xs
– xr + xv
+ 0xr
– Mxv
+ 0xr
+ Mxv xv
= NE + xv – Mxv + Mxv xvM = + (Beskonačno veliki pozitivni broj)
PRAVILA
1. Veštačke promenljive su potrebne da se formira početno rešenje kada model ima bar jedno ograničenja tipa “” ili “=“.
2. Koeficijenti M doprinose da se one isključuje iz bazičnih rešenja3. Ove promenljive ne mogu da budu u optimalnom rešenju x*, ako
takvo postoji
1
233/245
Tip kriteri-juma
Optimalno rešenje x*
Rešenije nije x*Uvodi se u Basis promenljiva sa
maxz(x)
C(j)-Z(j) 0za sve nebazične promenljive
max (C(j)-Z(j)) = za nebazične promenljive saC(j)-Z(j) > 0
min z(x)
C(j)-Z(j) 0za sve nebazične promenljive
max |C(j)-Z(j)| = max ABS(C(j)-Z(j))za nebazične promenljive sa C(j)-Z(j) < 0
Višestruko optimalno rešenje x** nezavisno od kriterijuma max z(x) ili min z(x)
a) Optimalno rešenje x* ima bar jednu bazičnu promenljvu čija vrednost = 0
b) Bar jedna takva bazična promenljiva (koja je = 0) ima Reduciranu cenu (Reduced Cost) = 0
PRAVILA
2
3
234/245
z = 45x1 + 60x2 + 50x3
M1 ... 3x1 + 2x2 + 1x3 480
M2 ... 2x1 + 4x2 + 3x3 600
M3 ... 1x1 + 1x2 + 1x3 180
S1 ... 1x1 + 2x2 100
S2 ... 3x2 + 1x3 = 50
S3 ... 2x1 + 1x2 = 140
x1, x2, x3 0
IZRAVNAVAJUĆE i IZRAVNAVAJUĆE i VEŠTAČKE PROMENLJIVE VEŠTAČKE PROMENLJIVE
• Slack – Slack – nedostizanjenedostizanje, podbačaj , podbačaj za ograničenja tipa “za ograničenja tipa “””
• Surplus – Surplus – prekoračenjeprekoračenje, , prebačaj za ograničeja tipa “prebačaj za ograničeja tipa “””
• Artificital – Artificital – veštačke veštačke za za ““” i ” i “=““=“
Problem maksimizacije 2.
(max)
z = 45x1 + 60x2 + 50x3 + 0(x4+ x5+x6+x7) –Mx8 –Mx9 –Mx10 –Mx11)
M1 ... 3x1 + 2x2 + 1x3 + x4 = 480
M2 ... 2x1 + 4x2 + 3x3 + x5 = 600
M3 ... 1x1 + 1x2 + 1x3 – x6 + x8 = 180
S1 ... 1x1 + 2x2 – x7 + x9 = 100
S2 ... 3x2 + 1x3 + x10 = 50
S3 ... 2x1 + 1x2 + x11 = 140
x1, x2, ..., x10 0
(max)
Početno rešenjex4, x5, x8, x9, x10, x11 = Desna strana ograničenja
235/245
Izbor KK : max (Z(j)-C(j)) = max (45+3M; 60+8M; 50+2M; 0; 0; -1M; -1M; 0; 0; 0; 0) = 60+8M = Z(2)-C(2)
KK KRKE
RHS : X2Početno rešenje
Dva polja za kontrolni (poslednji red) C(j)-Z(j)
Kolona X1, proračun C(1)-Z(1) C(1) = 45 Z(1) = 03 + 02 + M1 + M0 + M1 + M1 = 3M C(1)-Z(1) = 45 – (–3M) = 45 + 3M
C(1)-Z(1) = 45 – 3M prikazuje se u 2 polja
Deo bez M
Deo uz M(* Big M)Problem maksimizacije: Ovo nije x*, postoje Z(j)-C(j) > 0
u koloni, zato : X2 Basis
Izbor KRkao za (max) z
12
Ne prikazuje se deo uz M ; Z = 0 – 470M
Deo bez M Deo uz M
236/245
RHS : X1
RHS : Surplus_S1
Z = 1.000 – 336,67MPromena rešenja 2 : X1 Basis Artificial_S1
Z* = 4.000–136,67MPromena rešenja 3 : Surplus_S1 Basis Artificial_S3
NAPOMENA:Da se ispita da li je dobijeno x* posmatraju se oba polja u kontrolnom redu C(j)-Z(j). Ako postoji deo uz M, bira se maks. pozitivna vrednost !
237/245
RHS : X3
Z = 5.800 – 56,67MPromena rešenja 4 : X3 Basis Artificial_M3
RHS : Surplus_M3
Promena rešenja 5 : Surplus_M3 Basis X2 Z = 8.350+0M = 8.350
NAPOMENA: Da se ispita da li je dobijeno x* posmatraju se oba polja u kontrolnom redu C(j)-Z(j). Ako ne postoji deo uz M, bira se maks. pozitivna vrednost u delu bez M (u ovom slučaju 45 za Surplus_M3)
238/245
Problem maksimizacije: Ovo je x*, nema Z(j)-C(j) > 0 Z* = 8.800 + 0M = 8.800
Optimalno rešenje x*
Slack_M1 = 10 ; podbačaj za M1 ; slobodni kapaciteti od 480
Slack_M2 = 170 ; podbačaj za M2 ; slobodni kapaciteti od 600
X3 = 50 ; X1 = 140
Surplus_M3 = 10 ; prebačaj za M3 ; više od donje granice 180
Surplus_S1 = 40 ; prebačaj za S1 ; više od donje granice 100Z* = 8.800+0M = 8.800
Bazične promenljive (iz Bazis)
Nebazične promenljive (nisu u Bazis) imaju vrednost 0 ; značajno X2 = 0
239/245
Z* = 8.800+0M = 8.800
Co
mb
ine
d R
ep
ort
Po
sle
dn
ja S
T (
de
o)
Pregle- dno
Slack (nedostizanje) za ogran. (Direction) “”Surplus (prekoračenje) za ograničenje “”Ograničenje ”=“ nema odstupanje
Ostvareno
Deo za promenljive
Deo za ogra-ničenja
Više infor- macija
Reduced Cost = -180 za bazičnu prom. X2 = 0(pogoršanje, umanjenje Z* po jedinici X2 > 0)
Itd.
240/245
z = 45x1 + 60x2 + 50x3
M1 ... 3x1 + 2x2 + 1x3 480
M2 ... 2x1 + 4x2 + 3x3 600
M3 ... 1x1 + 1x2 + 1x3 180
S1 ... 1x1 + 2x2 100
S2 ... 3x2 + 1x3 = 50
S3 ... 2x1 + 1x2 = 140
x1, x2, x3 0
• Slack – Slack – nedostizanjenedostizanje, podbačaj , podbačaj za ograničenja tipa “za ograničenja tipa “””
• Surplus – Surplus – prekoračenjeprekoračenje, , prebačaj za ograničeja tipa “prebačaj za ograničeja tipa “””
• Artificital – Artificital – veštačke veštačke za za ““” i ” i “=““=“
(min)
z = 45x1 + 60x2 + 50x3 + 0(x4+ x5+x6+x7) + M(x8+x9+x10+x11)
M1 ... 3x1 + 2x2 + 1x3 + x6 = 480
M2 ... 2x1 + 4x2 + 3x3 + x7 = 600
M3 ... 1x1 + 1x2 + 1x3 – x4 + x8 = 180
S1 ... 1x1 + 2x2 – x4 + x9 = 100
S2 ... 3x2 + 1x3 + x10 = 50
S3 ... 2x1 + 1x2 + x11 = 140
x1, x2, ..., x10 0
(min)
Početno rešenjex6, x7, x8, x9, x10, x11 = Desna strana ograničenja
Podesniji redosled za promenljive
241/245
z = 45x1 + 60x2 + 50x3
M1 ... 3x1 + 2x2 + 1x3 480
M2 ... 2x1 + 4x2 + 3x3 600
M3 ... 1x1 + 1x2 + 1x3 180
S1 ... 1x1 + 2x2 100
S2 ... 3x2 + 1x3 = 50
S3 ... 2x1 + 1x2 = 140
x1, x2, x3 0
IZRAVNAVAJUĆE i IZRAVNAVAJUĆE i VEŠTAČKE PROMENLJIVE VEŠTAČKE PROMENLJIVE
• Slack – Slack – nedostizanjenedostizanje, podbačaj , podbačaj za ograničenja tipa “za ograničenja tipa “””
• Surplus – Surplus – prekoračenjeprekoračenje, , prebačaj za ograničeja tipa “prebačaj za ograničeja tipa “””
• Artificital – Artificital – veštačke veštačke za za ““” i ” i “=““=“
Problem minimizacije 2.
(min)
z = 45x1 + 60x2 + 50x3 + 0(x4+ x5+x6+x7) + M(x8+x9+x10+x11)
M1 ... 3x1 + 2x2 + 1x3 + x4 = 480
M2 ... 2x1 + 4x2 + 3x3 + x5 = 600
M3 ... 1x1 + 1x2 + 1x3 – x6 + x8 = 180
S1 ... 1x1 + 2x2 – x7 + x9 = 100
S2 ... 3x2 + 1x3 + x10 = 50
S3 ... 2x1 + 1x2 + x11 = 140
x1, x2, ..., x10 0
(min)
Početno rešenjex4, x5, x8, x9, x10, x11 = Desna strana ograničenja
242/245
Izbor KK : max (Z(j)-C(j)) = min (45-3M; 60-8M; 50-2M; 0; 0; 1M; 1M; 0; 0; 0; 0) = 60-8M = Z(2)-C(2)
KK KRKE
RHS : X2Početno rešenje
Dva polja za kontrolni (poslednji red) C(j)-Z(j)
Kolona X1, proračun C(1)-Z(1) C(1) = 45 Z(1) = 03 + 02 + M1 + M0 + M1 + M1 = 3M C(1)-Z(1) = 45 – 3M
C(1)-Z(1) = 45 – 3M prikazuje se u 2 polja
Deo bez M
Deo uz MProblem minimizacije: Ovo nije x*, postoje Z(j)-C(j) < 0
za kolonu X2, zato : X2 Basis
Izbor KRkao za (max) z
12
0480+0600 +M180+M 100+M50+M140
Ne prikazuje se deo uz M ; Z = 0 + 470M
243/245
Z = 1.000 + 286,72MPromena rešenja 2 : X1 Basis Artificial_S1
Promena rešenja 3 : X1 Basis Artificial_S1 Z = 4.000 + 136,67M
RHS : X1
RHS : Surplus_S1
244/245
RHS : X3
Z = 5.800+0M = 5.800Promena rešenja 4 : X3 Basis Artificial_M3
Z* = 8.350+0M = 8.350Nema C(j)-Z(j) < 0 u kolonama za promenljive, postignuto je x*
Optimalno rešenjeOptimalno rešenje
245/245
Co
mb
ine
d R
ep
ort
Po
sle
dn
ja S
T (
de
o)
Z* = 8.350 + 0M = 8.350
Slack_M1 = 27,75 ; podbačaj za M1
Slack_M2 = 192,75 ; podbačaj za M2
X3 = 42,50 ; X1 = 135,00 : X2 = 2,50
Surplus_S1 = 40 ; prebačaj za S1
Pregle- dno
Više infor- macija
Sadržaj
Deo za promenljive
Deo za ogra-ničenja
246/245
KRAJ PREZENTACIJEKRAJ PREZENTACIJE