1. Porin koreliacin analiz. Rezultat interpretavimas, taikymo pavyzdiai.

Stochastin (atsitiktin) priklausomyb yra tada, kai kintant nepriklausomam kintamajam x, kinta priklausomo kintamojo y tikimybinis skirstinys. Porins koreliacins analizs tikslas nustatyti, ar tarp kintamj x ir y egzistuoja stochastinis ryys. Ji atliekama: 1) skaiiuojant koreliacijos koeficient r; 2) vertinant apskaiiuoto koreliacijos koeficiento reikmingum. Vidurkis - tai vis stebt skaitini duomen suma, padalinta i duomen skaiiaus: X =

X
n

, (n stebt

duomen suma) . Dispersija tai isibarstymo apie vidurk matas: S2 = (xi X)2 / n. Supaprastintu bdu: S x 2 = X 2 (X ) 2 (VAR). Vidutinis kvadratinis nuokrypis tai kvadratin aknis i dispersijos. Jis parodo, kiek vidutinikai poymio reikms yra nutolusios nuo vidurkio: S x = S x2 (STDEV). (lentel su X, Y, Y2, X2, XY,1n, suma) Koreliacijos koeficientas skaiiuojamas pagal formul:

r =

n XiYi Xi Yi n Xi
2

( Xi ) 2

n Yi

( Yi ) 2

Koreliacijos koeficientas gali gyti reikmes nuo 1 iki +1. Jeigu r =0, tai priklausomybs tarp X ir Y nra. Jeigu rx,y>0, tai ryys tarp priklausomojo kintamojo ir nepriklausomojo kintamojo tiesioginis ir stiprus (X didja ir Y didja). Jeigu rx,y<0, tai ryys tarp priklausomojo kintamojo ir nepriklausomojo kintamojo atvirktinis ir stiprus ( X didja, o Y maja). Kai rx,y = 1, egzistuoja tiesin funkcin priklausomyb ir vis stebjim reikms sutampa su tiess linija. Koreliacijos koeficiento r reikmingumui vertinti naudojamas Stjudento kriterijus tkr (lentelinis arba MS EXCEL funkcijos TINV pagalba, pasirenkant reikmingumo lygmen = 0,05 ir k laisvs laipsn, k = n - 2.), kuris lyginamas su stebimja kriterijaus reikme.
t = r n2 1 r 2

Jei tst tkr, tai darome ivad, kad koreliacijos

koeficientas reikmingas ir stochastinis ryys (stochastinis ryys pasireikia kaip priklausomyb tarp atsitiktini dydi taip, jog vieno dydio pokytis veikia kito dydio pasiskirstym) egzistuoja. Jei tst<tkr, tai ivad apie stochastin ry padaryti negalime. Taikymo pvz: student gio ir mass priklausomybs tyrim, yra stochastinis ryys tarp brandos egzamin rezultat (X) ir pirmosios sesijos rezultat (Y). Galime tirti, ar egzistuoja ryys tarp student lankyt paskait skaiiaus (X) ir egzamino rezultat (Y). 2 porin regresin analiz, taikymo pvz. Regresins analizs tikslas nustatyti ry tarp dviej veiksni forma analitine iraika. 1 ingsnis. Iekoma kreiv, geriausiai apraanti statistini tak visum. 2 ingsnis. Tikrinamas ios kreivs adekvatumas realiai padiai. Regresijos lygties koeficientai a1 ir a0

a1 =
a
= 0

n X i Yi X i Yi n

X i ( X i )
Xi n

, naudojantis MS Excel funkcija SLOPE

Yi n

a1

, naudojantis MS Excel funkcija INTERCEPT

Regresijos lygties bendras pavidalas:

Yi=a0+a1*Xi
krit .

Norint vertinti gaut analitini iraik adekvatum realiai padiai, reikia F , 1 , 2

(Fierio

kriterijus) palyginti su apskaiiuotais kiekvienam paimtam veiksniui Fpaskaiiuotas, kuris apskaiiuojamas pagal i formul: F
pask .

2 Sy 2 S likt

Norint vertinti gaut analitini iraik adekvatum realiai padiai, reikia F , 1 , 2 (Fierio kriterijus) palyginti su apskaiiuotais kiekvienam paimtam veiksniui Fpaskaiiuotas, kuris apskaiiuojamas pagal i

krit .

formul:

pask .

2 Sy 2 S likt

Jei F>Fkrit., tai darome ivad, kad regresijos ties adekvati realiai padiai ir j

galime taikyti planavime. Taikymo pvz: jei egzistuoja ryys tarp produkt pardavim ir ilaid reklamai, tai remiantis regresine analize,mes galime atsakyti tokius klausimus: kaip priklauso? Kai didja ilaidos reklamai, ar didja ir pardavimai? Gali juk dl netinkamos reklamos ir sumati. kitas svarbus klausimas kiek [padidja ar sumaja, kai didinamos ilaidos reklamai? Ar galime vertinti, koks vidutinikai bus pardavim lygis, jei reklamai skirsime konkrei sum?

3. Daugianar koreliacin regresin analiz, taikymo pvz: Kai reikia nustatyti Y priklausomyb nuo m nepriklausom. Paprasiausias yra tiesinis ryys: yi = a0 + a1x1 + a2x2 + a3x3 + ...+amxm Norint vertinti gautos analitins iraikos adekvatum realiai padiai, reikia palyginti lentelin Fierio santyk su paskaiiuotu. Jei paskaiiuotas santykis bus didesnis u lentelin, tai regresijos lygtis adekvati realiai 2 Sy F = 2 padiai. S likt

Daugianars koreliacijos koeficiento formul:

R =

2 S 2 Slik . y S2 y

Jis parodo ryio stiprum tarp priklausomo veiksnio Y ir nepriklausom veiksni Determinacijos koeficiento formul: D=R2 Determinacijos koeficientas parodo, koki priklausomo kintamojo dal nulemia nepriklausomo kintamojo kitimas, kiek procent nagrinjamo veiksnio reikmi isibarstymo paaikina regresijos lygtis. a, a1 ir D galima rasti excelyje su LINEST funkcija. Taikymo pvz: daugianar regresin analiz taikome,kai norime vertinti keleto svarbiausi veiksni bendrj tak vienam nepriklausomajam veiksniui , pvz, pardavimams. Atlik daugianar koreliacin analiz galime surasti, kaip pardavimai priklauso nuo produkto kokybs (ireiktos balais), ilaid reklamai, darbinink atlyginimo (Lt), konkurent nustatytos j produkcijos kainos ir t.t. daugianars regresijos lygtis sudaro galimyb numatyti, kaip keisis pardavim apimtys, esant vairiems dalyvaujani veiksni reikmi variantams: jei konkurentai sumains kain, ms mon padidins ilaidas reklamai bei darbininkams atlyginimus ir pan.

Keleto mons kontroliuojam veiksni buvimas lygtyje: ilaid reklamai, darbuotoj atlyginimo, produkto kokybs lygio, leidia apsispsti, kur veiksn reikia keisti pirmiausiai,kad greiiau bt pasiektas norimas rezultatas padidinti pardavimai. 4. Netiesin regresija, taikymo pvz. Vienas i netiesins regresijos modelio vertinimo metod yra netiesini modeli transformavimas tiesinius. Taiau, k reikia daryti, kai i funkcij itiesinti negalima, pvz: vertinant modelio Y= + x+e, tris neinomus parametrus , , , kai inomos stebini reikms. ios lygties iteisinti negalima, ir todl negalima naudoti prastins vertinimo metodikos. Taiau nustatant neinom koeficient verius, vis dlto galima pasitelkti maiausi kvadrat metodo idj. vertinimo procedr sudaro nuosekls etapai: 1. pasirenkamos tam tikros tiktinos koeficient veri reikms. 2. inant faktikas x reikmes, pagal pasirinkt model apskaiiuojamas y reikms. 3. apskaiiuojama liekamosios paklaidos kvadrat suma RSS. 4.Pakeiiamos pasirinktos koeficient veri reikms. 5. apskaiiuojamos naujos y ir RSS reikms. 6. jei RSS reikm maesn nei ankstesn, tai pasirinktos veri reikms yra geresns , ir jos paliekamos toliau tirti. 7. 4,5,6 etapas kartojasi tol, kol S nustoja mati, ir tuomet, manoma, kad parinkti tinkami koeficient veriai. Galimyb sudaryti netiesinius modelius, nesvarbu, ar privedant prie tiesins regresijos modeli ar sudarant netiesins regresijos modelius, labai prapleia regresins analizs galimybes, taiau suformuluoja papildomus reikalavimus tyrintojui, nes tyrim pradioje reikia nusprsti, ar juos pradti nuo tiesinio modelio, ar nuo netiesinio, o kartu ir nuo kurio tipo 5. Koreliacins regresins analizs tikslumas. TP. Yra trys bdai vertinti regresijos lygties patikimum: 1. Priklausomo kintamo variacija (tikrinti isibarstym, dispersij). 2. likui grafikas (palyginti priklausomo kintamojo reikmes yi su reikmmis pagal regresijos lygt). 3. tikslumo vertinimas (remiasi iuo modeliu: Y=0 + 1x + ) Priklausomo kintamo variacija. Regresins analizs tikslumas priklausomo kintamojo reikmi isibarstymas arba variacija. TP. Kai nagrinjame du atsitiktinius tarp savs susijusius veiksnius, pavyzdiui mogaus g ir svor, tai paprastai sivaizduojame,kad vienas i j kinta nepriklausomai (tarkim gis), o kitas veiksnys (svoris) keiiasi priklausomai nuo pirmojo. Jei imsime statistin imt, tarkim, 30 moni, ir tirsime j svor, tai is atsitiktinis dydis turs savo vidurk ir dispersij. Kuo didesn dispersija, tuo labiau svorio reikms isibarsiusios aplink vidurk. Galima teigti, jog atskir svorio reikmi isibarstym apie vidurk lemia dvi pagrindins prieastys: tai skirtingas moni gis (auktesni moni paprastai didesnis) ir atsitiktiniai svorio svyravimai, kuriuos lemia kitos prieastys. Taigi dal prilausomo kintamojo dispersijos galima paaikinti btent egzistuojania priklausomybe nuo kito nagrinjamo veiksnio (nepriklausomo). Paveiksle (nufotkintam grafike) parodyta, kad priklausomo kintamojo y bendroji variacija vidurkio atvilgiu susideda i dviej dali: paaikintos (t.y.b tos dalies, kuri paaikina regresin priklausomyb nuo x) ir nepaaikintos variacijos (t.y. tos variacijos dalies, kuri lemia kitos prieastys). I paveikslo matome, kad bendroji y variacija lygi (19-9=10); paaikintoji

variacija lygi (13-9=4), o nepaaikintoji (19-13=6). Tai galima urayti formule: yi-=yi-i+i-, ( - yko vidurkis) Analogika lygyb yra teisinga ir tada, kai skirtumus pakelsime kvadratu ir susumuosime visiems imties 2 2 takams: (yi-)= (yi-i) + (i-) ios formuls prame galime urayti taip: (kvadrat suma vidurkio atvilgiu)=(kvadrat suma regresijos lygties atvilgiu)+(kvadrat suma,kuri lemia regresijos lygtis). Matome, jog statistini reikmi yi nuokrypi nuo vidurkio kvadrat suma susideda i dviej komponeni: yi nuokrypi nuo regresijos linijos kvadrat sumos bei regresijos linijos tak nuokrypi nuo vidurkio kvadrat sumos. i trij dydi santykis lemia regresijos linijos adekvatum realiai padiai, t.y. jos patikimum ir tinkamum praktiniams taikymams. Kuo didesn paaikinta variacija, tuo lygtis geresn ir geresni pagal j gauti vertinimai. Santykin nuo regresijos priklausani nuokrypi kvadrat dalis bendroje sumoje yra determinacijos koef. Jo dydis yra regresijos lygties patikimumo rodiklis. Kuo R2 didesnis, tuo labiau paaikina svorio isibarstym procentais. 6. Paaikinta ir nepaaikinta variacija. TP. Paaikinta variacija - t.y. ta dalis, kuri paaikina regresin priklausomyb nuo x, o nepaaikinta variacija t.y. ta variacijos dalis, kuri lemia kitos prieastys. priklausomo kintamojo y bendroji variacija vidurkio atvilgiu susideda i dviej dali: paaikintos (t.y.b tos dalies, kuri paaikina regresin priklausomyb nuo x) ir nepaaikintos variacijos (t.y. tos variacijos dalies, kuri lemia kitos prieastys). Kuo didesn paaikinta variacija, tuo lygtis geresn ir geresni pagal j gauti vertinimai. 7 Prognozavimas, taikymo pavyzdiai, rezultat panaudojimas. Prognozuojant remiamasi statistiniais duomenimis (praeities) ir pagal tai yra numatoma ateit. Pagrindiniai prognozavimo metodai yra kokybiniai ir kiekybiniai. Kiekybiniai dar yra skirstomi laiko eiluts ir prieastinius. Laiko eilut tai einani vienas po kito laiko bgyje stebjim visuma. Jos skirstomos: 1. Ilyginimo metodai :1.slenkanio vidurkio 2.eksponentinio ilyginimo 3.Svertinio slenkanio vidurkio metodai.2.Trendo prognoz 3.Trendas su sezonine komponente. Kaipgi galima numatyti (prognozuoti) pardavim apimtis? Pirmiausia reikt perirti produkt pardavimo duomenis kiekvienam ketviriui per pastaruosius kelet met. I i duomen galime nustatyti bendrj pardavim lyg ir taip pat pamatyti, ar yra didjimo (majimo) tendencija (trendas), o gal, laikui bgant, nra jokios pardavimo apimi tendencijos. Tolesnis duomen perirjimas leidia nustatyti sezoninius pakitimus, pvz., pardavim padidjim kiekvien met treiajame ketvirtyje ir pardavim apimties kritim pirmajame ketvirtyje. Perirj praeities duomenis, galsime geriau suprasti prajusi pardavim kitimo dsningumus ir sugebsime geriau numatyti bsimus produkto pardavimus. 8 laiko eilutes Sutvarkyti praeities duomenys vadinami laiko eilutmis. Laiko eilut einani vienas po kito laiko bgyje stebjim visuma. Laiko eilui komponents: Trendo k. danai l. eilui duomenys parodo nuosekl pasikeitim prie santykinai auktesni (arba emesni) reikmi. Laipsnikas laiko eil pokytis. Pvz pardavim kitim tendencija (plius du) Ciklin k. Kiekvienas reguliarus taisyklingas nukrypimas (tak seka vir ar emiau trendo) apibriamas kaip laiko eiluts ciklin komponent. Pvz po greitos infliacijos vid infliacija gali turet itakos laiko eil svyravimui. Sezonin k. Laiko eiluts komponent, atspindinti duomen kitim dl sezonini prieasi (1 met bgyje, gali bti ir maiau) vadinama sezonine komponente. Pvz: automobili eismas kelyje, ieminiai paltai. Nereguliari k. tai yra likutinis veiksnys, kuris paaikina nagrinjamos laiko eiluts reikmi svyravimus nuo to, ko mes tikims vertin trend ciklinio ir sezoninio komponentais. J takoja atsitiktiniai trumpalaikiai veiksniai. Jo poveiki laiko eilutei numatyti negalima.

9. Slenkaniojo vidurkio metodas Slenk. vidurkio metodas taikomas laiko eilutms, neturinioms rykaus trendo, nei ciklins ar sezonins komponents. Esant tokiai situacijai, reikt taikyti tok prognozavimo metod ilyginti nereguliarij eiluts komponent, naudojant kurio nors vidurkio skaiiavimo proces. Slenk. vidurkio metodo esm yra laiko eiluts paskutinij n reikmi vidurkio skaiiavimas. is vidurkis ir naudojamas kaip prognoz naujam eiliniam laikotarpiui. Slankantis vidurkis= n paskutinij reikmi suma/n (1) Suinojus nauj laiko eiluts reikm, ji pakeiia seniausij reikm formulje (1) ir skaiiuojamas naujas vidurkis. Prognozs paklaida stebtos reikms ir prognozs skirtumas. Vidutin kvadratin paklaida tai daniausiai naudojamas prognozavimo tikslumo matas (MSE). Vidutin kvadratin paklaida paklaid kvadrat vidurkis. Paprastai naudojant slenkaniojo vidurkio metod pirmiausia tenka pasirinkti duomen kiek (reikmi skaii), kur trauksime slenkaniojo vidurkio skaiiavim. Galima tiktis, kad konkreiai laiko eilutei skirting ilgi slenkantieji vidurkiai skirsis pagal prognozs tikslum. Vienas i galim bd parinkti geriausi ilg yra mginim ir klaid bdas, kad bt galima rasti ilg, minimizuojant prognozs tikslumo vidutin kvadratin paklaid (MSE). Tada, jei darome paklaid, kad ilgis, buvs geras praeityje, bus geras ir ateityje, galime prognozuoti laiko eiluts eilin reikm naudodami btent vidutin kvadratin paklaid minimizuojant ilg. Svertinis slenkantysis vidurkis. Taikant slenkaniojo vidurkio metod, kiekvienas stebjimas, jo reikm turi t pat svor, yra vienodai patikimi. Vienas i galim io metodo patobulinim yra inomas kaip svertinis slenkantysis vidurkis jis apima skirting svori parinkim kiekvienai stebjimo reikmei ir prognozs skaiiavim kaip svertinio stebjimo reikmi vidurk. ia paskutin stebjim reikm imama su trigubai didesniu svoriu nei pati pirmoji, o priepaskutin su dvigubai didesniu. Atkreipkime dmes tai, kad svertinio vidurkio svorio koeficient suma lygi 1. Tai teisinga ir paprasto slenkaniojo vidurkio atveju, kai visi svoriai lygs 1/3. TP. iuo metodu galima prognozuoti benzino pardavimus, jei turime laikotarpi (tarkime 12 savaii) ir paradavimus, tarkime tks. Lt.

10. Eksponentinio ilyginimo metodas Eksponentinis ilyginimas - tai toks prognozavimo metodas, kai prognozei naudojamas svertinis vis laiko eiluts reikmi vidurkis. Eksponentinio ilyginimo modelis yra toks: Ft+1=Yt + (l-) Ft ia Ft+1- laiko eiluts prognoz laikotarpiui t + 1; Yt - aktuali laiko eiluts reikm laikotarpiui t, Ft - laiko eiluts prognoz laikotarpiui t; - ilyginimo konstanta (0 < a < 1). Tai reikia, jog prognoz (t + 1)-ajam laikotarpiui lygi prognozs t-ajam laikotarpiui ir ios prognozs paklaidos dalies sumai. Galima sivaizduoti, kad prognozavimo procese eilin prognozin reikm tiksliname atsivelgdami buvusi paklaid. Eksponeniinio ilyginimo metodo pranaumai yra gana paprasta procedra ir nedidelis praeities duomen skaiius, btinas skaiiavimams. Jei vien kart ilyginimo konstanta buvo parinkta, tat tik du informacijos vienetai yra reikalingi prognozs skaiiavimams - reikm pastaraisiais metais ir t pai met prognoz. ilyginimo skaiiavimuose naudojome ilyginimo konstant , priimtinas yra bet koks skaiius tarp 0 ir 1. Taiau kai kurios reikms duoda tikslesne, prognoze, nei kitos. Issiaiskinti geriausia konstatanta skaiiavimas padeda kompiuterines programos eksperimento budu. Taikoma nustatyti busimus pardavimus betkokio produkto. 11. Trendo ekstrapoliacija. (Eiluts trendo prognozavimas) ia nagrinsime, kaip galima prognozuoti laiko eiluts, turinios ilgalaik trend, reikmes.

Jei laiko eiluts grafikas atspindi svyravimus emyn ir auktyn per n metu, taiau apskritai matomas didjantis pardavim trendas. Ie i garfiko galima teigti, kad tiesinis trendas galt laiduoti tinkam ilgalaikio laiko eiluts kitimo apraym. Taigi dabar galime susitelkti prie tiesins funkcijos, geriausiai apraanios trend, radimjo. Laiko funkcija, kuria aproksimuosime pardavimo apimtis, uraome taip: Tt=a0+a1t, ia: t metai; Tt trendo reikm laikotarpiu t; a0,a1 koeficientai. Daniausia iai aproksimacijai naudojamas maiausi kvadrat metodas, kuris naudojamas ir atliekant regresin analiz. Koeficientus a0, a1 galima rasti pagal formules (arba naudojant statistines EXCEL funkcijas INTERCEPT ir SLOPE). Tarkime, jei apskaiiav, gauname toki lygt Tt= 20,4 + 1,1t. (1) Cia a1=1,1, tai reikkia, kad per 10 metu (n=10), pardavimas didjo vidutinikai po 1100 vnt per metus. Jei pastarj 10 met trendas isilaikys ir ateityje, (1) lygyb galima taikyti laiko eiluts trendo komponentei planuoti. PVZ, statydami t=11, gauname kit met trendo projekta T11: T11=20,4+1.1 (11) = 32.5 Taigi, pasinaudodami trendo komponente, kitais metais numatome 32500 tam tikr preki pardavim. TP. Galima nagrinti dvirai pardavimus per pastaruosius 10 met duomenis.

12 Trendo su sezonine komponente prognozavimas, TP Prognozavimas, vertinant sezoninius svyravimus, apima iuos ingsnius: 1. surandama bazin trendo linija, neatsivelgiant svyravimus; 2. pagal surast trendo linij skaiiuojami pardavim vertinimai kiekvienam laikotarpiui (ketviriui); 3. skaiiuojami procentiniai svyravimai nuo trendo linijos; 4. skaiiuojami vidutiniai sezoniniai svyravimai; 5. skaiiuojami prognoziniai vertinimai, panaudojant trend ir vidutinius sezoninius svyravimus visiems laikotarpiams; 6. skaiiuojamos prognozs bsimiems laikotarpiams; 7. vertinimo prognozavimo paklaida. Sezoniskumas gali buti ivertintas remiantis ketvirtiniais, menesiniai ar metiniais produktu pardavimu svyravimais, tai priklauso nuo produkto tipo ir nuo to, koks yra prognozavimo horizontas. Sezoniniu svyravimu ivertinimas leidzia gana tiksliai prognozuoti busimus pardavimus, pvz sekanciam menesiui ar savaitei. 13 Tiesinis programavimas Yra dvi pagrindins klass: 1. gamybos planavimo udaviniai 2. dietos (miini sudarymo) udaviniai Pagrindinis yra gamybos planavimo udavinys. T.p. tai matematikos srytis, nagrinjanti teorij ir skaitinius metodus, kurie taikomi, tiriant tiesini funkcij su keliais kintamaisiais ekstremumus, esant tiesiniams apribojimams. Kiekvienas kinis vienetas veikia esant tam tikroms slygoms ir turi tam tikrus konkreius tikslus. Tas slygas ir tikslus reikia formalizuoti, t.y. ireikti matematikai ir bandyti surasti geriausi sprendim, galinanti pasiekti tikslus ir kad tenkint esamas slygas. Esamos slygos neleidia rinktis bet kokio plano, nes mons finansiniai ir materialiniai itekliai yra riboti. T.p. reikia vertinti realizavimo galimybes. Vadybininkas gali svarstyti tik tokius planus, kurie tenkina usakovus ir atitinka mons galimybes. Tokie planai vadinami leistinais. Taiau ne kiekvienas leistinas planas yra vienodai geras. Udavinio esm i leistin plan parinkti geriausi arba optimaliausi. Optimalus yra toks sprendinys, kuris tenkina apribojim slygas ir jo optimalumo kriterij (tikslo funkcij). Veiklos slygos apraomos tiesini lygi arba nelygybi sistemomis. Duomenys, toms lygtims sudaryti vadinami parametrais, o dydiai, kuriuos reikia rasti kintamaisiais.

Kriterijaus vaidmen atlieka tam tikra funkcija, kurios reikm priklauso nuo kintamj reikmi. Tai tikslo funkcija. Optimalaus plano skaiiavimas reikia, kad reikia rasti tok sprendin, kuriam esant t.f. gyt ekstremali reikm. IVADOS: sprendinys, jei tik jis egzistuoja, gali bti tik ant galim sprendini sryties ribos arba virnse; spr. gali bti nevienintelis, jei t.f. lygegriati tai g.s.s. briaunai, kuri yra maksimali arba minimali; udavinys gali neturti spr., tuo atveju, kai g.s.s. yra, taiau ji neribota rodikli kryptimi.

14. Gamybos planavimo udavinys, taikymo pavyzdiai: j Mes galime pagaminti n produkt ri, naudojant m itekli ri. ai rodo, kiek i-tj itekli vienet reikia vienam j-tojo produkto vienetui pagaminti ( i =1, m; j =1, n), pvz., a2 = 5 reikia, kad treiam produktui pagaminti reikia 5 antrj itekli. Itekli turime b1, b2, ..., bm; pelningumas c1, c2, ..., cn; gaminsime x1, x2, ..., xn vienet. 1 2 n Reikia sudaryti tok plan, kad pelnas bt maksimalus. a 1 x1 + a1 x 2 + ... + a1 x n b1 ......
2 n a 1 x1 + a m x 2 + ... + a m x n b m . Visi x 0 . Gamybos planas (x1 x2 ... xn ) = X ; Pelnas m c1 x1 + c2 x2 + ... + cn xn (max) .

Turime tam tikr itekli (aliavos, darbinink, stakli ir t.t.) R1, R2, ..., Rm, kuri kiekis yra b1, b2, ..., bm. I t itekli galima pagaminti skirting gamini T1, T2, ...,Tn. Norint pagaminti vien gaminio Tj vienet, reikia Ri vienet aij itekli (i=1, 2, ..., m; j=1, 2, ..., n). Vienas itekliaus vienetas kainuoja di lit. Kiekvienas gaminio vienetas gali bti parduotas u cj lit. inoma, kad rinkoje negalima realizuoti daugiau kaip kj vnt. gamini Tj. Kiek ir koki gamini reikia planuoti norint gauti didiausi peln? Tada formuluojamas udavinys. Gamini kiekius T1, T2, ...,Tn, kuriuos tikslinga planuoti, paymime x1, x2, , xn. Paklausa reikalauja, kad xn0. Modelio sudarymas prasideda nuo kintamj vedimo ir tikslo funkcijos uraymo. Tikslo funkcija daniausiai yra sudaroma i pelno ir ji yra maksimizuojama, siekiant kuo didesnio pelno. Esam itekli turi utekti planuojamam bendram gamini kiekiui pagaminti, t.y., turi bti teisingos nelygybs: a11x1+a12x2++a1nxnb1 a21x1+a22x2++a2nxnb2 am1x1+am2x2++amnxnbm Matematinis modelis susideda i tikslo funkcijos, bei apribojim pagal enkl. Naudojams prielaidomis apie peln, pvz. pardavus 1, gausim 3 Lt, parduosim 2, gausim 6 Lt. Tai yra tiesioginis proporcingumas. Be to, peln galima sudti pvz. (3x1+4x2). Gamini Tj savikaina Sj=a1jd1+ a2jd2+...+amjdm, j=1, 2, ...,n. Pelnas qj=cj-sj. Bendras pelnas L=q1x1+ q2x2++ qnxn. Taip pat parinkti neneigiamus kintamuosius x1, x2,, xn, kad bt patenkintos visos ribins slygos ir kad kriterijus L tapt maksimalus. Reikia sudaryti matematin model. Matematinis modelis susideda i: - tikslo funkcijos; - pagrindini apribojim; - apribojim pagal enklus. Jei visos funkcijos tiesins, tai tiesinis programavimas. Kad gautume tiesin programavim, naudojames: tiesioginiu proporcingumu ir sudtimi.
............................................................

15 Miinio sudarymo, arba dietos, udavinys. Dietos udaviniai yra minimizuojami. Modelio sudarymas prasideda nuo kintamj vedimo. Tada sudaroma tikslo f-ja (daniausiai bna tikslas maximizuoti peln). Sudaromi apribojimai, kadangi itekliai yra riboti. Bei apribojimai pgl. enkl (nes pagaminti neigiamo kiekio negalime). Udavinys formuojamas: Suraomos apribojim nelygybs : a11x1+a12x2++a1nxnb1 a21x1+a22x2++a2nxnb2 am1x1+am2x2++amnxnbm Sudaroma tikslo funkcija su kuria optimalus sprendinys gyja min reikm: f(x)=c1x1+c2x2++cnxn f(x)min Per par maitinamasis turi gauti m maisting mediag rinkin. Pirmos mediagos jis turi gauti b1 vienet, j antrosios b2, m-tosios bm. Mes galime sigyti n ri produkt. ai rodo, kiek i-tosios maistingos mediagos yra
lainai j-tojo produkto vienete, pvz., ariebalai= 0,9 viename kg laini yra 0,9 kg riebal.

16. Grafinis sprendimo metodas Sprendiama grafiniu metodu, jei teisinga slyga n-m=2. Kur n kintamj x kiekis, m lygi, kurios sudaro ribines slygas, skaiius. Kintamju dviem daugiau nei ribini lygi, tai bet kuriuos du kintamuosius laikome laisvais pasirenkamais, o kitus baziniais ir juos reikia ireikti per laisvus pasirenk.udavinio sprendimo etapai: 1) Galim sprendini srities identifikavimas (GSS), nusako ribins lygtys 2) Tikslo funkcijos tiess brimas ir ios funkcijos didjimo ar majimo krypties nustatymas. 3) Sprendinio radimas. Keiiant tikslo f-jos tiess padti didjimo ar majimo kryptimi, kad leist galim sprendini srit, jos krate. Tada nustatyti to tako koordinates. Apskaiiuoti baziniu kintamj reikmes bei tikslo f-jso reikm.

17 Geometrin tiesinio programavimo udavinio interpretacija. Suformuluojamas tiesinio programavimo udavinys Remiantis apribojim nelygybmis, apribojimai atvaizduojami grafikai Remiantis tikslo funkcija atrandamas optimalus sprendinys (Z(opt)).

3x + 6 y < 2400; ;2 x + 8 y < 2800; ;9 x + 3.6 y < 3600; ; y > 50; ; x < 350; ; x >= 0; ; y >= 0 Nelygybs prilyginamos deinei pusei ir skaiiuojami neinomieji, kai x=0 ir kai y=0. Gautos reikms atidedamos koordinai ayse ir briamos visos tiess, nurodanios apribojimus. Grafinis ud. sprendimo bdas parodo udavinio formulavimo ir optimizavimo idj. tikslo funkcijos ties. Kadangi m=n-2, tai visus bazinius kintamuosius galima ireikti laisvaisiais. Gaunama f(x) = a1x1 + a2x2 Udavinio sprendimo etapai: 1) Galim sprendim srities identifikavimas: GSS ribas nusako ribins lygtys, kai baziniai kintamieji yra lygs nuliui. Ta ploktumos dalis, kurioje teisingos visos ribins lygtys ir laisvieji kintamieji neneigiami, vad. GGS. Laisvieji kintamieji yra x1, x2 tai jie ymimi ant abscics ir ordinats ai. Braiome koordinai ais Ox1, Ox2. Kai x10, x20, tai galim sprendini sritis gali bti tik I ketv. Norint j nubrti reikia inagrinti visas ribines lygtis, kuri kratutins reikms yra 0, jas ir pasirenkam ioms lygtims nubrti. Tai yra tiess lygtis. Taip braiomos visos ribins lygtys. GSS tai ploktumos dalis, kurioje yra teisingos visos ribins lygtys ir laisvieji kintamieji neneigiami. ioje srityje yra optimalus sprendinys. Optimalus sprendinys negali bti leistin sprendini aibs viduryje, jis gali bti tik ant kratini. Jam surasti panaudosime kriterij (tikslo funkcij) f(x)=a1x1+a2x2+...+anxn, kuri reikia maksimizuoti arba minimizuoti. 2) TF tiess brimas ir ios f-jos didjimo arba majimo nustatymas: Tikslo funkcij ireikiame laisvaisiais kintamaisiais. Norint nubrti i ties, reikia pasirinkti kuri nors funkcijos f(x) reikm ir surasti iai tiesei priklausanius du takus. Gaut ties f(x) reikia stumti lygiagreiai su pradine tiese t pus, kurioje tikslo

funkcijos reikm maja, jei tikslo f ja minimizuojama ir prieinga kryptimi, jei maksimizuojama. Tikslo funkcijos didjimo (majimo) kryptis paymima rodyklmis pradins tikslo funkcijos galuose. Norint rasti optimal sprendin, reikia pradin tikslo funkcijos ties ios funkcijos didjimo (majimo) kryptimi toki padt, kad ji liest GSS pakrat, nustatyti to tako koordinates. 3) Sprendinio radimas: Kad j rastumm turime nubrti GSS ir TF, kai ji yra lygi kokiai tai reikmei, tada keisti TF tiess padt majimo (didjimo) kryptimi toki padt, kad ji liest GSS jos krate, nustatyti to tako koordinates x1, x2, apskaiiuoti bazini kintamj it TF reikmes. Tai ir bus optimalus sprendinys. Sprendinys visada yra kokioje GSS daugiakampio virnje ir jis vadinamas atraminiu sprendiniu, o pati virn atraminiu taku. Optimalus sprendinys yra toliausiai nuo koordinai pradios take, kuriame tikslo funkcija lieia galim sprendini srit. Leistinas sprendinys tenkina visus apribojimus. Uduota sritis apima visus galimus sprendimus. Bet kuris takas ioje ploktumoje reikia gamybos plan. Esamas slygos neleidia rinktis bet kokio plano. Planuotojas gali svarstyti tokius planus, kurie tenkina usakov ir atitinka mons galimybes. Udavinio esm i leistin plan parinkti optimaliausi. 19 . elins kainos, taikymo pavyzdiai. Apribojimo dein pus keisti galima remiantis elins kainos svoka Apribojimo elin kaina rodo kiek pasikeiia tikslo funkcija, kai apribojimo dein pus padidja vienetu, o visi kiti koeficientai nesikeiia elins kainos svoka tinka tik atvilgiu apribojimo deins puss pasikeitim; jie nurodomi stulpeliuose Leistinas padidjimas ir Leistinas sumajimas Nesaistani apribojim elins kainos visada lygios nuliui. elin kaina rodo kiek pasikeiia tikslo funkcijos vert pasikeitus apribojimo vertei Keiiant saistanio apribojimo dyd, keiiasi ir leistina sritis ir optimalus sprendinys Pakeitus saistanio apribojimo dyd, optimaliam sprendimui gauti, reikia persprsti udavin 20 Dualus udavinys, taikymo pavyzdiai. Dualaus udavinio sudarymo taisykls: 1) Kiekvienam pagrindiniam 1-ojo udavinio apribojimui priskiriamas 2-ojo dualaus udavinio kintamasis yi. Taigi dualus udavinys turi m kintamj. 2) Apie tikslo funkcijos sudarym. Dualaus udavinio tikslo f-ja yra tiesioginio udavinio apribojim laisvj nari bi ir apribojimams priskirt dualaus udavinio kintamj yi sandaug suma. ( bi * yi) Jei tiesioginiam udaviny tikslo funkcija maximizuojama, tai 2-o udavinio tikslo f-ja minimizuojama, ir atvirkiai. b1y1 + b2y2 + .......+ bmym min. 3) Sudarom apribojima: d. u. turs tiek apribojim, kiek kintamj turi tiesioginis ud. D. u. j apribojimo kairioji pus lygi udavinio koeficiento aij prie xj ir atitinkam antrojo udavinio kintamj yi sandaug suma; deinioji pus lygi pirmojo udavinio funkcijos koeficientas cj prie xj; j apribojimas yra lygyb, jei kintamajam nra neneigiamumo reikalavimo, t.y. xj prikl. R; j apribojimas yra nelygyb, jei jis atitinka kintamajam, kuriam keliamas neneigiamumo reikalavimas 4) Kintamj yi enklai Kintamasis yj>=0, jei jis priskirtas pirmojo udavinio nelygybei Yi R, jei jis priskirtas atitinkamui apribojimui nelygybei; Max ( 2x1+x2+4x3-3x4) x1+2x2+5x3+4x4<=2 y1 3x1+x2+x3+2x4 =1 y2 -x1+4x2-5x4 <=3 y3 2y1+1y2+3y3 y1+3y2-y3 min 2

2y1+1y2+4y3 5y1+y2 4y1+2y2-5y3

1 4 -3

x1>=0, x2<R, x3>=0, x4R y1>=0, y2R, y3>=0 21 . Simplekso metodo esm. Bendru atveju grafinis sprendimo metodas negali bti taikomas, nes n-m2. Norint rasti sprendin iuo atveju, naudojamasi universaliu metodu. Pats universaliausias i toki metod yra simplekso metodas. Jo idja tokia. Tarkime, tiesinio programavimo udavinys turi n kintamj ir m nepriklausom tiesini ribini lygi. Pasirenkame bet kuriuos k=n-m kintamuosius kaip laisvuosius. Ireikiame visus likusius bazinius kintamuosius, pasinaudodami tik laisvaisiai kintamaisiais. Slygos: 1. Tikslo f-ja maximizuojama = apribojimai, visi kintamieji neneigiami x 0. 2. bi 0, i = 1...m lygi deins puss yra neneigiamos. 3. Yra inomas sistemos neneigiamas bazinis sprendinys. 22. Baziniai kintamieji ir baziniai sprendiniai Kintamieji, kurie atitinka vedaniuosius stulpelius, vadinami baziniais kintamaisiais, kiti laisvieji (nebaziniai) kintamieji. Baziniai sprendiniai, tai tokie sprendiniai, kai laisvieji nariai priima 0 reikmes. r Bazini sprendini skaiius lygus C n . Neigiami baziniai sprendiniai gaunami pagal ias taisykles: 1. lygi sistemos laisvieji nariai padaromi neigiamais; 2. vedantysis elementas parenkamas taip: a. vedaniuoju stulpeliu parenkamas toks stulpelis, kuriame yra bent vienas teigiamas elementas. b b. Sudaromi santykiai i , kai i = 1...m , aij > 0. aij c. Parenkamas maiausias santykis. Maiausio santykio vardiklis ir bus vedantysis elementas. Kai kiekvienoje eilutje bus parinktas vedantysis elementas, gauname neneigiam bazin sprendin. c s c rn ; Taikymo pvz. Baziniai sprendiniai atitinka simplekso virnes. Jei surandam visus bazinius sprendinius, tai galime surasti ir optimal sprendin. Vadinasi, naudodamiesi baziniais ir nebaziniais kintamaisiais galime apskaiiuoti udavinius, skirtus tikslo funkcijai rasti (kai reikia rasti minimum ar maksimum). 23 Transporto udaviniai ir tr. Tipo udaviniai Udavinius sprendiam dviem etapais: 1) Surandame pradin sprendin 2) Gerindami pradin sprendin randame optimal Yra du metodai: 1) iaurs vakar kampo metodas 2) Maiausios kainos metodas Potencial metodas (sprendinio gerinimo metodas) Perveimo lentels duoto laisvojo langelio ciklu vadiname udara staiakampio lautine linija, tenkinania slygas: 1. lauts pradia ir pabaiga yra laisvame langelyje, o kitos virns yra upildytuose langeliuose. 2. kiekvienoje lauts virnje sueina tik 2 grandys, kuri viena eina eilute, o kt stulpeliu (ciklas gali pats save kirsti, bet susikirtimo takas nra ciklo virn).

3. ciklo virnms pakaitomis priskiriami + ir - enklai pradedant nuo virns laisvame langelyje, kuriai priskiriamas + Teorema Kiekvienam laisvam langeliui egzistuoja ciklas ir jis yra vienintelis. 2 apibrimas Poslinkis cikl per skaii tai veiksmas kada prie skaii, esani teigiamose cikl virnse pridedam skaii X, o i skaii esani neigiamose ciklo virnse atimame. Skaiiuose kur ne virnse nieko nekeiiam. Kiekvienam i siuntimo ir gavimo punkt priskiriami skaiiai vadinami potencialai. Siuntimo punkt potencialai ui; gavimo vi Kiekvienam upildytam langeliui teisinga lygyb: U1+v1=2 u1=0 (pasirenkam) v1=2 v2=3 U1+v2=3 U2+v2=2 u2=-1 v3=6 U2+v3=5 U3+v3=2 u3=-4 v4=10 U3+v4=6 Skaiiuojam laisvojo langelio vertinim rij= cij-(ui+vj) cij perveimo kaina; (ui+vj) - potencial suma Jei vis laisv langeli vertinimai neigiami, tai lentelje stovi optimalus sprendinys. Jei laisvojo langelio vertinimas neigiamas (rij<0), tai jam sudaromas cilkas ir to ciklo poslinkis. Udavinius sprendiam dviem etapais: 3) Surandame pradin sprendin 4) Gerindami pradin sprendin randame optimal Yra du metodai: 3) iaurs vakar kampo metodas 4) Maiausios kainos metodas Potencial metodas (sprendinio gerinimo metodas) Perveimo lentels duoto laisvojo langelio ciklu vadiname udara staiakampio lautine linija, tenkinania slygas: 1.lauts pradia ir pabaiga yra laisvame langelyje, o kitos virns yra upildytuose langeliuose. 2. kiekvienoje lauts virnje sueina tik 2 grandys, kuri viena eina eilute, o kt stulpeliu (ciklas gali pats save kirsti, bet susikirtimo takas nra ciklo virn). 3.ciklo virnms pakaitomis priskiriami + ir - enklai pradedant nuo virns laisvame langelyje, kuriai priskiriamas + Teorema:Kiekvienam laisvam langeliui egzistuoja ciklas ir jis yra vienintelis. 2 apibrimas:Poslinkis cikl per skaii tai veiksmas kada prie skaii, esani teigiamose cikl virnse pridedam skaii X, o i skaii esani neigiamose ciklo virnse atimame. Skaiiuose kur ne virnse nieko nekeiiam. Kiekvienam i siuntimo ir gavimo punkt priskiriami skaiiai vadinami potencialai. Siuntimo punkt potencialai ui; gavimo vi Jei vis laisv langeli vertinimai neigiami, tai lentelje stovi optimalus sprendinys. Jei laisvojo langelio vertinimas neigiamas (rij<0), tai jam sudaromas cilkas ir to ciklo poslinkis. Taikymas. Transporto udavinys gali bti pritaikomas labai plaiai ten kur reikia i skirting viet pristatyti tos paios ries daiktus taip pat kelias skirtingas vietas. 24 Apibendrinantis transporto: Sakykime, yra m siuntimo punkt A1, A2,..., Am atitinkamai yra a1, a2,.., am vienet kokio nors vienalyio krovinio. T krovin reikia perveti n paskirties punkt B1, B2,.., Bn, kuriems jo reikia atitinkamai b1, b2,..., bn vienet. Krovinio vieneto perveimo kaina i siuntimo punkto Ai paskirties punkt Bj lygi cij. Be to, krovinio

perveimo kaina tiesiai proporcinga perveimo krovinio kiekiui. Reikia sudaryti tok krovinio perveimo plan, pagal kur visi krovinio vienetai i siuntimo punkt bus iveti, vis vartotoj poreikiai bus patenkinti, o bendroji perveimo kaina bus maiausia. Patogumo dlei geriau duomenis surayti lentel. Siuntimo Paskirties punktai Itekliai punktai A1 A2 ... Am Poreikiai bj B1 x11 x21 ... xm1 b1
c m1 c c 11 21

B2 x12 x22 ... xm2 b2

c m2 c c 12 22

... ... ... ... ... ...

Bn x1n x2n ... xmn bn

c mn c c 1n 2n

ai a1 a2 ... am

Reikia sudaryti io udavinio matematin model. 25.Paskirstymo (paskirstymo) udaviniai. Pvz 1) Kredito planavimo udavinys. Tarkime, kad gamybai plsti trkstam pinig sum (k tkst. Lt) verslininkas planuoja pasiskolinti i bank: B1, B2, , Bn. Planuojamos paskolos didum (tkst. Lt) i pirmojo banko paymsime x1, i antrojo x2 ir t.t. Taip gausime paskolos plan x = (x1; x2; ; xn). Aiku, plano komponents negali bti neigiami skaiiai, o j suma x1 + x2 + + xn turi bti lygi k. Taigi kredito planavimo udavinio matematinis modelis yra i sistema: io modelio pagrindas yra tiesin lygtis x1 + x2 + + xn = k. x1 + x2 + + xn = k, x1 >= 0, x2 >= 0, , xn >= 0. 2) Darbo paskirstymo udavinys. Numatyt darb reikia paskirstyti tarp n tos paios kvalifikacijos brigad pagal i schem: i pradi dirba pirmoji brigade, paskui darb tsia antroji brigade ir t.t. Vis numatyt darbo apimt laikykime darbo kiekio vienetu, o brigadoms planuojamas darbo dalis paymkime atitinkamai x1, x2, , xn. Tada x = (x1; x2; ; xn) yra darbo paskirstymo planas, o udavinio matematinis modelis i schema: x1 + x2 + + xn = 1, x1 >= 0, x2 >= 0, , xn >= 0. 26 Sveikaskaitinis (diskretusis) programavimas. Pvz. Diskreiojo programavimo udaviniuose, skirtingai nuo tiesinio programavimo, kai kurie kintamieji gali bti tik sveikieji skaiiai, t.y. negali bti trupmeniniai. Pvz. praktikoje: kokios nors rangos, krovini, laiv, traktori, automobili, gyvuli, stakli, moni ir pan. paskirstymas ar kitoks naudojimas. Sveikaskaitinis udavinys yra matematinis modelis, pvz., skirstymo udavinio, kai darbo vietas skiriami darbuotojai siekiant didiausios naudos arba optimaliai marrutus skirstomi lktuvai, laivai, mainos. Aiku, kad moni, lktuv, laiv ar main kiekiai turi bti sveikieji skaiiai. Yra inomi du pagrindiniai tikslaus diskreiojo programavimo udavini sprendimo paiekos metodai: atkirtimo ir grtamasieji. Atkirtimo metodas: 1) i pradi randamas tiesinio programavimo udavinio sprendimas, kai nepaisoma slygos, kad kintamieji turi bti sveikieji skaiiai - jei jo koordinats yra sveikas skaiius, tai sprendinys rastas, jei ne 2) formuojamas papildomas apribojimas (tiesin ribin lygtis) laikantis reikalavimo, kad vienas i kintamj bt sveikas skaiius. i lygtis atkerta dal galim sprendini srities (GSS) taip, kad nebt prarasti galimi sveikaskaiiai sprendiniai. Randamas naujo ud. sprendinys. 3) Tada pasirenkamas kitas kintamasis, kuris irgi turi bti sveikas skaiius, ir atliekami tokie pat veiksmai kaip ir 2). Sprendinys randamas, kai visi kintamieji, kurie turi bti sveikieji skaiiai, ir tampa sveikaisiais. Atkirtimo metodas turi kelet variant. Variantas, taikomas, kai visi kintamieji tik sveikieji skaiiai (tinka ir kai dalis kintamj nra sveikieji skaiiai). Atkirtimo metodo algoritmas susideda i 3-j ingsni: 1) randamas optimalus ud. sprendinys, nepaisant reikalavimo, kad visi kintamieji bt sveikieji sk.; 2) sprendinys rastas, jei jis sveikaskaitinis; prieingu atveju parenkamas koks nors trupmeninis bazinis kintamasis ir uraoma

ribin lygtis, kuri eina parinktas bazinis kintamasis; 3) i lygtis pridedama prie pradinio tiesinio programavimo udavinio, rasti nauj optimal udavinio sprendin ir vl kartojame 2 . I grtamj metod labiausiai paplits ak ir ri metodas. Jo esm nuosekli galim sprendini paieka ir j reikmi palyginimas. Galimi sprendiniai suskirstomi kelias grupes (akas). Kiekvienoje i j vertinamos tikslo funkcij reikmi ribos (riai), aka, kurioje tikslo funkcij ris yra artimiausias optimaliam, dalijama toliau, kol bus rastas vienintelis sprendinys. 27 Sveikaskaitinio (diskretaus) programavimo udavinio grafinis sprendimas. Pvz.
n n

is udavinys formuluojamas taip: reikia rasti max arba min c j x j ,

j =1

a
j =1

ij

x j = bi , i = 1, m , xj

sveikieji neneigiami skaiiai, j = 1, m . Vis pirma randame sveikus sprendinius. Paskutinis sveikaskaitinis sprendinys keliant tikslo funkcij tam tikr pus (priklausomai nuo to, ar maksimizuojame, ar minimizuojame) ir bus optimalus sprendinys. (? nes knygoje neparayta, o ssiuvinyje labai neaikiai).
Pavyzdys. Tarkime, imame gamybos planavimo udavin. Gaminame kdes ir stalus. Galimas pelnas u 1 stal 200 Lt, o u 1 kd 50 Lt. Norint pagaminti 1 stal reikia: 30 kg medienos, 2 mechanizm darbo val. ir 2 mogaus darbo val., o 1 kdei reikia atitinkamai 10 kg medienos, 1 mechanizm darbo val. ir 2 mogaus darbo val. Medienos galime panaudoti 100 kg, mechanizm darbo 15 val., o mogaus darbo 12 val. mon nori sudaryti optimal gamybos plan, kad maksimizuot peln. 1) sprendiamas tiesinio programavimo ud. be diskretumo slygos: Itekli snaudos (1 vnt.) Itekli pavadinimas Mediena (kg) Mechanizmai (val.) mons (val.) Pelnas (Lt) Stalas 30 2 1 Kd 10 2 2 50

Itekli kiekis (turimas) 100 15 12

200 Tikslo funkcija: f ( x) max = 200x1 + 50 x 2 , ia x1 stal kiekis, vnt.; x2 kdi kiekis, vnt. Apribojimai: 30 x1 + 10 x 2 100 2 x1 + 2 x 2 15

(1)30 x1 + 10 x 2 = 100 ( x1 = 0, x 2 = 10; x 2 = 0, x1 = 3, (3)) (2)2 x1 + 2 x 2 = 15 (3) x1 + 2 x 2 = 12 (4) x1 = 0 (5) x 2 = 0 ( x1 = 0, x 2 = 7,5; x2 = 0, x1 = 7,5) ( x1 = 0, x 2 = 6; x2 = 0, x1 = 12)

x1 + 2 x 2 12 x1 0 x2 0

x1 = 0 x2 = 0