Poslovno odlučivanje

Vežbe VII
april, 2005.

Simpleks tabela

Simpleks tabela predstavlja tabelaran način prikazivanja problema linearnog programiranja,

koji je prilagođen za potrebe rešavanja ovih problema korišćenjem simpleks metoda.
Tabelaran prikaz omogućava da se u nizu iteracija, u kojima su rešenja prikazana
odgovarajućim simpleks tabelama, dođe do optimalnog rešenja linearnog programiranja.
Početno bazično rešenje predstavljeno je početnom, inicijalnom simpleks tabelom koja
predstavlja polaznu osnovu za određivanje optimalnog rešenja.

Ako je dat standardni problem maksimuma linearnog programiranja u obliku:

(max)Z  c1 x1  c 2 x2  ...  c p x p
a11 x1  a12 x2  ...  a1 p x p  b1
a21 x1  a22 x2  ...  a 2 p x p  b2
.......... .......... .................... ....
am1 x1  am 2 x2  ...  a mp x p  bm
x1 , x2 ,..., x p  0
tada u cilju određivanja optimalnog rešenja uvodimo dodatne promenljive:

(max) Z= c1x1 + c2x2 +... + cpxp + 0 xp+1 +... + 0 xp+m

a11x1 + a12x2 +... + a1pxp + xp+1 =b1

a21x1 + a22x2 +... + a2pxp + xp+1 =b2
.............................................................................................................................
am1x1 + am2x2 +... + ampxp + xp+m =bm

x1, x2,...,Xp+m ≥ 0

Početno bazično rešenje postavljenog problema, kao što je ranije naglašeno, određuje se tako
što pretpostavljamo da su vrednosti realnih promenljivih jednake nuli, odnosno x1=x2=...=Xp=
0, a vrednost dodatnih promenljivih slobodnim članovima sistema ograničenja. Na osnovu
toga dobijamo prvu simpleks tabelu, koja je ujedno i početno bazično rešenje našeg
problema.

cj c1 c2 ... cp 0 0 ... 0
α0 xB
cB x1 x2 ... xp xp+1 xp+2 ... xp+m
0 xp+1 b1 a11 a12 ... a1p 1 0 ... 0
0 xp+2 b2 a21 a22 ... a2p 0 1 ... 0
... ... ... ... ... ... ... ... ... ... ...
0 xp+m bm am1 am2 ... amp 0 0 ... 1
zj z z1 z2 ... zp 0 0 ... 0
cj - zj c1-z1 c2-z2 ... cp-zp 0 0 ... 0

Postupak izrade zadatka najlakše je objasniti na konkretnom primeru.

 Poslovno odlučivanje
Vežbe VII
april, 2005.

1. Preduzeće proizvodi dva proizvoda, A i B, na dve grupe mašina (M i N). U posmatranom

periodu prva grupa mašina raspolaže kapacitetom od 10 radnih časova, a druga
kapacitetom od 6 radnih časova. Vreme obrade jedinice proizvoda A, na prvoj grupi
mašina je 4 radna časa, a na drugoj grupi mašina 2. Vreme obrade proizvoda B i na jednoj
i na drugoj grupi mašina je po jedan radni čas.

Prodajom preduzeće ostvaruje dohodak od 5 novčanih jedinica za proizvod A i 10

novčanih jedinica za proizvod B.

Odrediti optimalni obim proizvodnje u cilju maksimizacije dohotka preduzeća koristeći

simpleks tabelu.

Proizvodi
Grupe mašina
A B
M 4 1
N 2 1
Dohodak 5 10

Rešenje:

(max) Z = 5X1 + 10X2

4X1 + X2 ≤ 10
2X1 + X2 ≤ 6

X1 , X2 ≥ 0

Da bismo započeli rešavanje zadatka simpleks metodom, neophodno je da sistem ograničenja

čine jednačine, te postojeće nejednačine transformišemo u jednačine na sledeći način:

(max) Z = 5X1 + 10X2 + 0X3+ 0X4

4X1 + X2 + X3 = 10
2X1 + X2 + X4= 6

X1 , X2 ≥ 0

a odgovarajuća bazična simpleks tabela:

I ST
cj 5 10 0 0
cB α0 xB
x1 x2 x3 x4
0 x3 10 4 1 1 0
0 x4 6 2 1 0 1 →
zj 0 0 0 0 0
cj - zj 5 10 0 0
 Poslovno odlučivanje
Vežbe VII
april, 2005.
↑

Dakle, vrednost kolone Zj dobijamo množenjem kolone C B sa svakom pojedinačnom

kolonom i na taj način dobijamo vrednost funkcije cilja datog bazičnog rešenja, kao i
vrednost funkcije cilja za pojedine promenljive. Oduzimanjem karakterističnog prvog reda od
reda u kome su vrednostu Zj dobijamo razlike potrebne za I simpleks kriterijum, odnosno za
kriterijum na osnovu koga određujemo koja promenljiva ulazi u novu bazu. Budući da ova
ratlika mora da bude nenegativna i maksimalna da bi za promenljiva ušla u bazu,
zaključujemo da u bazu ulazi promenljiva X2. II simpleks kriterijum nam služi za određivanje
varijable koja se trenutno nalazi u bazi, ali se neće naći u novoj bazi. Ta promenljiva mora da
ima nenegativan minimalan količnik koji se dobija deljenjem elemenata kolone XB i kolone
promenljive koja je u toj iteraciji određena za ulazak u naredno bazično rešenje. Minimalan
količnik je količnik za promenljivu X2tako da ona izlazi iz baze. U preseku kolone
promenljive koja ulazi u bazu i reda promenljive koja iz baze izlazi nalazi se karakterističan
element. U našem primeru to je broj 1. On će nam pomoći u određivanju vrednosti elemenata
nove simpleks tabele.
II ST
cj 5 10 0 0
cB α0 xB
x1 x2 x3 x4
0 x3 4 2 0 1 -1
10 x1 6 2 1 0 1
zj 60 20 10 0 10
cj - zj -15 0 0 -10

Vrednost reda X1 dobija se tako što se taj red u prethodnoj tabeli podeli sa karakterističnim
elementom - sa jedinicom u našem slučaju.

Preostala polja dobijaju se tako što od vrednosti odgovarajućeg elementa tabele 1 oduzmemo
proizvod iz istog reda i karakteristične kolone i iste kolone a karakterističnog reda podeljen sa
karakterističnim elementom. Odnosno,

Kolona X1 Kolona X2 Kolona X3 Kolona X4

Prvi red (X3) 1x 2 1x1 1x 0 1x1
4- 2 1- 0 1- 1 0-  1
1 1 1 1

Optimalno rešenje je drugo bazično rešenje, jer je vrednost poslednjeg reda za nebazične
promenljive negativna.

Na bazi tebele zaključili smo da je optimalna proizvodnja datog preduzeća proizvodnja 6

jedinica proizvoda A. pri čemu se odustaje od proizvodnje proizvoda B, a na grupi mašina N
ostaju neiskorišćena 4 radna časa. Tada je amksimalan dohodak 60 novčanih jedinica.
 Poslovno odlučivanje
Vežbe VII
april, 2005.

Dualni problem

Svakom problemu linearnog programiranja odgovara određeni dualni problem linearnog

programiranja.

Funkcija cilja dualnog problema inverzna je odgovarajućoj funkciji cilja primarnog modela.
To znači da, ukoliko je zahtev funkcije cilja primarnog problema maksimizacija date
funkcije, u dulanom problemu se javlja zahtev za minimizacijom odgovarajuće funkcije cilja.

Dulani problem ima onoliko promenljivih koliko u primarnom problemu ima strukturnih
ograničenja, odnosno svakoj nejednačini sistema ograničenja primarnog problema odgovara
po realna promenljiva dulanog problema. Sledeći ovu logiku možemo da zaključimo da u
dualnom problemu ima onoliko strukturnih ograničenja, koliko u primarnom problemu ima
realnih promenljivih. Na osnovu ove veze koja postoji između strukturnih ograničenja i
realnih promenljivih primarnog i dualnog problema možemo da dobijemo veom aznačajne
informacije koje se mogu koristiti u postupku donošenja zaključka o načinu optimizacije
posmatrane ekonomske aktivnosti.

Osim toga, činjenica da svaki primarni problem ima odgovarajući dualni problem ima
odgovarajuću metodološku prednost u situacijama kada je do optimalnog rešenja lakše dođi
preko dualnog problema.

Dulani problem odgovarajućeg zadatka (primarnog problema) linearnog programiranja

formira se na sledeći način:

1. Ukoliko primarni problem predstavlja problem maksimuma, funkcija cilja dualnog

problema je funkcija minimuma, i obrnuto;
2. U sistemu ograničenja nejednačine dulanog problema su suprotnog znaka od njima
odgovarajućih nejednačina primarnog problema;
3. Vrši se transponovanje matrice koeficienata sistema ograničenja primarnog problema,
te ako smo u primarnom problemu imali m nejednačina sa p promenljivih, u dulanom
problemu ćemo imati p nejednačina sa m promenljivih;
4. Koeficienti uz relane promenljive u funkciji cilja dualnog problema jednake su
slobodnim članovima sistema ograničenja primarnog problema;
5. Slobodni članovi sistema ograničenja dualnog problema jednaki su koeficientima uz
realne promenljive u funkciji cilja primarnog problema;
6. Sve pormenljive dualnog problema moraju biti nenegativne, pa je i ovo obavezan
uslov dulanog problema.
 Poslovno odlučivanje
Vežbe VII
april, 2005.

2. Dat je problem linearnog programiranja:

(min) Z = 50X1 + 100X2

3X1 + 3X2 ≥ 30
X1 + X2 ≥ 15

X1 , X2 ≥ 0

Odrediti optimalno rešenje postavljenog problema koristeći simpleks tabelu pri izradi
zadatka.

Rešenje:

(min) Z = 50X1 + 100X2

X1 + X2 ≥ 30
5X1 + X2 ≥ 15

X1 , X2 ≥ 0

Dualni problem glasi

(max) V = 30Y1 + 15Y2 + 0Y3+ 0Y4

Y1 + 5Y2 + Y3 = 50
Y1 + Y2 + X4 = 100

Y1 , Y2 ≥ 0
a odgovarajuća bazična simpleks tabela:

I ST
cj 30 15 0 0
α0 xB
cB y1 y2 y3 y4
0 y3 50 1 5 1 0 →
0 y4 100 1 1 0 1
Vj 0 0 0 0 0
cj - Vj 30 15 0 0
↑
 Poslovno odlučivanje
Vežbe VII
april, 2005.
Koeficienti za sledeću simpleks tabelu su:

Kolona X1 Kolona X2 Kolona X3 Kolona X4

Prvi red 1- 1- 0-
red (X1) 1x1 1x1 0 x1
0 1x5  1 1- 1
 4 1
1 1 1

Druga simpleks tabela je:

II ST
cj 30 15 0 0
α0 xB
cB y1 y2 y3 y4
30 y1 50 1 5 1 0 →
0 y4 50 0 -4 -1 1
Vj 1500 30 150 30 0
cj - Vj 0 -135 -30 0
↑

Budući da su sve vrednosti karakteristične razlike I Simpleks kriterijuma negativne za

nebazične promenljive, zaključujemo da niti jedna promenljiva ne može više da uđe u bazu,
te je rešenje prikazano II Simpleks tabelom ujedno i optimalno rešenje dualnog problema.

Rešenje primarnog problema dobija se na bazi veze između primarnog i dualnog problema.
Svakoj realnoj promenljivoj primarnog problema odgovara jedan dodatna promenljiva
dualnog problema. Poštujući ovo pravilo, zaključujemo:

X1 = - (C3 - V3) = - (-30) = 30 i X2 = - (C4 - V4) = 0

(max) V = (min) Z = 1500

 Poslovno odlučivanje
Vežbe VII
april, 2005.
Specijalni slučajevi zadataka linearnog programiranja

a) Problem degeneracije

Problem degeneracije linearnog programiranja javlja se u toku rešavanja zadataka

simpleks metodom kada jedna ili višwe bazičnih promenljivih imaju vrednost nula.
Ovakav slučaj javlja se kada u zadatku imamo previše ograničenja, odnosno kada su u
sistemu ograničenja jedna ili više nejednačina nepotrebne. Primer za to bi bio sistem
ograničenja u zadatku linearnog programiranja po kome je x 1≤10, x2≤10 i x1 + x2 ≤ 20.
Dakle, zaključujemo da je poslednje ograničenje suvišno, jer ako su prve dve nejednačine
zadovoljene, logično je da je zadovoljena i treća nejednačina.

Problem degeneracije pri rešavanju zadataka linearnog programiranja prepoznaćemo na

taj način što će kod sprovođenja drugog simpleks kriterijuma u nekoj od iteracija dobiti
jednu ili više jednakih minimalnih vrednosti. Primenom uobičajene metodologije ne
možemo da zaključimo koja je to promenljiva koja napušta bazu .

b) Višestruko optimalno rešenje

Pri rešavanju problema linearnog programiranja može se desiti da u okviru neke iteracije
dobijemo razliku prvog simpleks kriterijuma (cj - zj) = 0 za promenljivu koja je u toj
iteraciji bila nebazična promenljiva, dok su ostale vrednosti ovih razlika za ostale
nebazične promenljive negativne. Uvođenjem u bazu datu promenljivu i isključivanjem iz
baze promenljivu koja je bila u bazi na osnovu drugog simpleks kriterijuma u narednoj
iteraciji dolazimo do do optimalnog rešenja za koje funkcija cilja ima istu vrednost kao u
prethodnoj iteraciji. U ovom slučaju kažemo da dati zadatak linearnog programiranja ima
više od jednog rešenja.

c) Neograničena vrednost funkcije cilja i promenljivih

Problem nemogućnosti određivanja konačnih vrednosti promenljivih funkcije cilja u

problemu maksimuma javlja se ukoliko je:

1. Model formulisan tako da se jedna ili više promenljivih mogu povećavati

neograničeno,a da ne bude narušen niti jedan od ograničavajućih uslova zadatka i
2. Funkcija cilja na skupu mogućih rešenja nema konačnu vrednost.

Prilikom rešavanja zadataka primenom simpleks metode, zaključićemo da model nema

konačno rešenje ukoliko u nekoj od iteracija na osnovu I simpleks kriterijuma zaključimo da
baza u toj iteraciji nije optimalna jer se javlja promenljiva koja ulazi u sledeće bazično
rešenje, ali ne možemo da odredimo koja promenljiva izlazi iz baze na osnovu drugog
simpleks kriterijuma jer su vrednosti svih količnika negativne ili nedefinisane.
 Poslovno odlučivanje
Vežbe VII
april, 2005.

3. Dat je problem linearnog programiranja:

(max) Z = 10X1 + 15X2

5X1 + 5X2 ≤ 25
5X1 + 6X2 ≤ 30

X1 , X2 ≥ 0

Odrediti optimalno rešenje postavljenog problema koristeći simpleks tabelu pri izradi
zadatka.

Rešenje:
(max) Z = 10X1 + 15X2
5X1 + 5X2 ≤ 25
5X1 + 6X2 ≤ 30

X1 , X2 ≥ 0

(max) Z = 10X1 + 15X2 + 0X3+ 0X4

5X1 + 5X2 + X3 = 25
5X1 + 6X2 + X4 = 30

Y1 , Y2 ≥ 0
a odgovarajuća bazična simpleks tabela:

I ST
cj 10 15 0 0
α0 xB
cB x1 x2 x3 x4
0 x3 25 5 5 1 0
0 x4 30 5 6 0 1 →
zj 0 0 0 0 0
cj - zj 10 15 0 0
↑

Odlučili smo se na bazi I SK da u bazu uđe promenljiva X2, ali kada sprovedemo II SK i
želimo da odredimo promenljivu koja treba da napusti bazu dobijamo dva količnika koja
imaju istu vrednost. To je rpvi znak da je jedno od ograničenja suvišno, a odlučujemo se za
promenljivu koja ima veći imenilac karakterističnog količnika. Dakle, reč je o problemu
degeneracije. U ovom slučaju veći imenilac ima promenljiva x4, pa ona napušta bazu (6 je
veće od 5)

II ST
 Poslovno odlučivanje
Vežbe VII
april, 2005.
cj 10 15 0 0
α0 xB
cB x1 x2 x3 x4
0 x3 0 5/6 0 1 -5/6
15 x2 5 5/6 1 0 1/6
zj 75 12,5 15 0 15/6
cj - zj -2,5 0 0 -15/6

U II ST nalazi se optimalno rešenje datog problema, jer u model ne može da uđe ni jedna
druga promenljiva budući da su sve karakteristične razlike I SK negativne.

Dakle, maksimalna vrednost funkcije cilja od 75 jedinica ostvaruje se kada je X2 = 5, a X1 =

0 pri čemu nema neiskorišćenih kapaciteta, budući da su X3 = X4 = 0.

4. Dat je problem linearnog programiranja:

(max) Z = 30X1 + 20X2

X1 + 2X2 ≤ 80
3X1 + 2X2 ≤ 120

X1 , X2 ≥ 0

Odrediti optimalno rešenje postavljenog problema koristeći simpleks tabelu pri izradi
zadatka.

Rešenje:
(max) Z = 30X1 + 20X2
X1 + 2X2 ≤ 80
3X1 + 2X2 ≤ 120

X1 , X2 ≥ 0

Odnosno,

(max) Z = 30X1 + 20X2 + 0X3+ 0X4

X1 + 2X2 + X3 = 80
3X1 + 2X2 + X4 = 120

X1 , X2 ≥ 0
 Poslovno odlučivanje
Vežbe VII
april, 2005.
a odgovarajuća bazična simpleks tabela:

I ST
cj 30 20 0 0
α0 xB
cB x1 x2 x3 x4
0 x3 80 1 2 1 0
0 x4 120 3 2 0 1 →
zj 0 0 0 0 0
cj - zj 30 20 0 0
↑

Odlučili smo se na bazi I SK da u bazu uđe promenljiva X1, a bazu napušta promenljiva X4.

II ST
cj 30 20 0 0
α0 xB
cB x1 x2 x3 x4
0 x3 40 1,33 1 -0,33 -5/6
30 x1 40 1 0,67 0 0,33
zj 1200 30 20 0 10
cj - zj 0 0 0 -10

Budući da je za jednu nebazičnu promenljivu dobijena vrednost I SK koja je nula, ne radimo

dalje zadatak, već zaključujemo da je maksimalna vrednost funkcije cilja 1200 i da ser radi o
višestrukom rešenju datog problema.
 Poslovno odlučivanje
Vežbe VII
april, 2005.
DOMAĆI

5. Dat je problem linearnog programiranja:

(max) Z = 50X1 + 100X2

2X1 + 2X2 ≤ 40
X1 + X2 ≤ 10

X1 , X2 ≥ 0

Odrediti optimalno rešenje postavljenog problema koristeći simpleks tabelu pri izradi
zadatka.