P. 1
Simpleks tabela - Matematske metode

Simpleks tabela - Matematske metode

|Views: 3,300|Likes:
Published by mo_brato

More info:

Published by: mo_brato on Mar 02, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

04/26/2013

pdf

text

original

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:
(m x a) Z =c1 x1 + 2 x2 + +c p x p c ... a11 x1 +a12 x2 + + 1 p x p ≤b1 ... a a21 x1 +a22 x2 + + 2 p x p ≤b2 ... a .......... .......... .......... .......... .... am1 x1 +am 2 x2 + + m x p ≤bm ... a p 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 cB 0 0 ... 0 zj cj - zj α0 xp+1 xp+2 ... xp+m xB b1 b2 ... bm z c1 x1 a11 a21 ... am1 z1 c1-z1 c2 x2 a12 a22 ... am2 z2 c2-z2 ... ... ... ... ... ... ... ... cp xp a1p a2p ... amp zp cp-zp 0 xp+1 1 0 ... 0 0 0 0 xp+2 0 1 ... 0 0 0 ... ... ... ... ... ... ... ... 0 xp+m 0 0 ... 1 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. Grupe mašina M N Dohodak Proizvodi A B 4 1 2 1 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 α0 xB cB 0 0 zj cj - zj x3 x4 10 6 0

5 x1 4 2 0 5

10 x2 1 1 0 10

0 x3 1 0 0 0

0 x4 0 1 0 0

Poslovno odlučivanje Vežbe VII april, 2005.
↑ Dakle, vrednost kolone Zj dobijamo množenjem kolone CB 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 α0 xB cB 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 Prvi red (X3)
1x 2 =2 41

Kolona X2
1x1 =0 11

Kolona X3
1x0 =1 11

Kolona X4 01x1 = −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 cB 0 0 y3 y4 Vj c j - Vj α0 xB 50 100 0 30 y1 1 1 0 30 ↑ 15 y2 5 1 0 15 0 y3 1 0 0 0 0 y4 0 1 0 0 →

Poslovno odlučivanje Vežbe VII april, 2005.
Koeficienti za sledeću simpleks tabelu su:
Kolona X1 Prvi red red (X1)

1x1 =0 11

Kolona X2 1-

Kolona X3

Kolona X4 1-

1x5 = −4 1

1x1 = −1 01

0 x1 =1 1

Druga simpleks tabela je: II ST cj α0 cB 30 y1 0 y4 Vj c j - Vj

xB 50 50 1500

30 y1 1 0 30 0 ↑

15 y2 5 -4 150 -135

0 y3 1 -1 30 -30

0 y4 0 1 0 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 x1≤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 cB 0 0 zj cj - zj α0 x3 x4 xB 25 30 0 10 x1 5 5 0 10 15 x2 5 6 0 15 ↑ 0 x3 1 0 0 0 0 x4 0 1 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 cB 0 15 zj cj - zj α0 x3 x2 xB 0 5 75 10 x1 5/6 5/6 12,5 -2,5 15 x2 0 1 15 0 0 x3 1 0 0 0 0 x4 -5/6 1/6 15/6 -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 cB 0 0 zj cj - zj α0 x3 x4 xB 80 120 0 30 x1 1 3 0 30 ↑ 20 x2 2 2 0 20 0 x3 1 0 0 0 0 x4 0 1 0 0

Odlučili smo se na bazi I SK da u bazu uđe promenljiva X1, a bazu napušta promenljiva X4. II ST cj cB 0 30 zj cj - zj α0 x3 x1 xB 40 40 1200 30 x1 1,33 1 30 0 20 x2 1 0,67 20 0 0 x3 -0,33 0 0 0 0 x4 -5/6 0,33 10 -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.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->