Yoneylem Arastirmasi END801

END801
YNEYLEM ARATIRMASININ TEMELLER

DERS NOTLARI
Dr. Y. lker Topcu
Teekkr:
Prof. W.L. Winston'n "Operations Research: Applications and Algorithms" kitab ile Prof. J.E.
Beasley's YA ders notlarnn bu ders notlarnn oluturulmasna olan katklar yznden her iki
profesre de teekkr ederiz....
Rastlayabileceiniz tm hatalarn sorumluluu bize aittir. Ltfen bizi bu hatalardan haberdar ediniz!
stanbul Teknik Universitesi OR/MS takm
www.isl.itu.edu.tr/ya
Dr. Y. lker Topcu (www.ilkertopcu.net)
NDEKLER
1.
YNEYLEM ARATIRMASINA GR............................................................... 1

1.1
TERMNOLOJ ......................................................................................................... 1
1.2
YA YNTEMBLM................................................................................................. 1
1.3
YA'NIN TARHES ................................................................................................ 2
2.
TEMEL YA KAVRAMLARI ................................................................................. 4
3.
DORUSAL PROGRAMLAMA.......................................................................... 8
3.1
DPNN FORMLASYONU.................................................................................. 10
3.1.1
Giapetto rnei.............................................................................................. 10
3.1.2
Reklam rnei ............................................................................................... 12
3.1.3
Beslenme rnei ........................................................................................... 13
3.1.4
Postane rnei .............................................................................................. 14
3.1.5
Sailco rnei.................................................................................................. 15
3.1.6
Mteri Hizmet Dzeyi rnei..................................................................... 16
3.2
DPNN ZM.................................................................................................. 17
3.2.1
zm Trleri................................................................................................. 17
3.2.2
Grafik zm (Enkkleme)...................................................................... 18
3.2.3
Grafik zm (Enbykleme) ..................................................................... 19
3.2.4
Simpleks Algoritmas..................................................................................... 20
3.2.5
Simpleks iin rnek (Dakota Mobilya) ....................................................... 21
3.2.6
Simpleks ile Dier zm Trleri................................................................ 26
3.2.7
Byk M Yntemi........................................................................................... 28
3.2.8
Byk M iin rnek (Oranj Meyve Suyu) ................................................... 29
3.3
DUYARLILIK ANALZ .......................................................................................... 32
3.3.1
ndirgenmi Maliyet ....................................................................................... 32
3.3.2
Glge Fiyat ..................................................................................................... 32
3.3.3
Basit rnek ..................................................................................................... 33
3.3.4
Duyarllk iin Lindo ktsnn Kullanlmas .............................................. 34
3.3.5
Ek rnek (Simpleks Kullanarak Duyarllk) ............................................... 36
3.4
DUALTE ................................................................................................................. 39
3.4.1
Dual Teoremi.................................................................................................. 39
3.4.2
Normal Enbykleme Sorununun Dualini Bulma ..................................... 39
3.4.3
Normal Enkkleme Sorununun Dualini Bulma ..................................... 40
4.
3.4.4
Normal Olmayan Enbykleme Sorununun Dualini Bulma .................... 40
3.4.5
Normal Olmayan Enkkleme Sorununun Dualini Bulma .................... 40
3.4.6
Dual Ekonomik Yorum iin rnek (Dakota Mobilya)................................ 41
ULATIRMA SORUNLARI ............................................................................... 42

4.1
4.1.1
DP Gsterimi .................................................................................................. 43
4.1.2
Dengeli Ulatrma Sorunu iin Powerco rnei ....................................... 43
4.1.3
Dengesiz bir Ulatrma Sorununun Dengelenmesi .................................. 44
4.1.4
Fazla Arz iin Deitirilmi Powerco rnei ............................................. 45
4.1.5
Karlanmayan Talep iin Deitirilmi Powerco rnei......................... 45
4.2
TEMEL OLURLU ZMN BULUNMASI ..................................................... 46
4.2.1
Kuzeybat Ke Yntemi .............................................................................. 47
4.2.2
Enkk Maliyet Yntemi ............................................................................. 49
4.2.3
Vogel'in Yaklam ......................................................................................... 51
4.3
ULATIRMA SMPLEKS..................................................................................... 53
4.3.1
Yntemin Admlar ......................................................................................... 53
4.3.2
Powerco rneinin zm........................................................................ 54
4.4
GEC KONAKLAMA SORUNLARI.................................................................. 57
4.4.1
Admlar ............................................................................................................ 57
4.4.2
Kuruolu rnei............................................................................................. 58
4.5
5.
ULATIRMA SORUNLARININ FORMLASYONU......................................... 43
ATAMA SORUNLARI............................................................................................ 60
4.5.1
DP Gsterimi .................................................................................................. 60
4.5.2
Macar Yntemi ............................................................................................... 60
4.5.3
Uu Ekibi rnei.......................................................................................... 62
TAMSAYILI PROGRAMLAMA ......................................................................... 64

5.1
TPNN FORMLASYONU .................................................................................. 65
5.1.1
Bteleme Sorunlar...................................................................................... 65
5.1.2
Srt antas Sorunlar ................................................................................... 68
5.1.3
Sabit Maliyet Sorunlar.................................................................................. 69
5.1.4
Kapsama Sorunu ........................................................................................... 74
5.1.5
Eer-yleyse Kst ....................................................................................... 76
5.1.6
Ya Ya da Kstlar ....................................................................................... 77
5.1.7
Gezgin Satc Sorunu.................................................................................... 78
5.2
TPNN ZM .................................................................................................. 79
ii
6.
5.2.1
DP Gevetmesi (DP ile liki)....................................................................... 81
5.2.2
Sayma ............................................................................................................. 82
5.2.3
Dal Snr Algoritmas ..................................................................................... 83
5.2.4
Kesme Dzlemi.............................................................................................. 88
PROJE YNETM ............................................................................................ 91

6.1
CPM / PERT ........................................................................................................... 94
6.1.1
CPM rnei.................................................................................................... 95
6.1.2
PERT rnei .................................................................................................. 96
6.2
PROJE SRES N OLASILIK ANALZ ........................................................ 97
6.3
PROJENN DORUSAL PROGRAMLAMA LE MODELLENMES ............. 98
6.4
PROJE SRESNN DARALTILMASI VE ZAMAN MALYET DE
TOKUU ............................................................................................................................. 99
iii
1. YNEYLEM ARATIRMASINA GR
1.1 TERMNOLOJ
"Yneylem Aratrmas" (YA), ngiliz ve Avrupallar tarafndan "Operational
Research" ve Amerikallar tarafndan "Operations Research" olarak isimlendirilir ve
"OR" olarak ksaltlr.
Bu alanda kullanlan bir dier terim de "Ynetim Bilimi"dir (Management Science) ve
uluslararas literatrde MS olarak ksaltlr. ki terim birletirilerek "OR/MS" veya
"ORMS" de denilir.
YA genelde bir "Sorun zme" (problem solving) ve "Karar Verme Bilimi" (decision
science) olarak da deerlendirilir.
Baz kaynaklarda YA yerine Endstri Mhendislii (Industrial Engineering - IE)
kavram da kullanlr.
Son yllarda bu alan iin tek bir terim kullanlmaya allmaktadr: OR.
Biz de derste bu alan iin Yneylem Aratrmasnn Trke ksaltmas olan YA'y
kullanacaz.
1.2 YA YNTEMBLM
Bir sorunun zm iin YA kullanld zaman aadaki yedi admlk sre takip
edilmelidir.
Adm 1. Sorunun Formlasyonu
YA analisti (sorunu olan karar vericiye YA teknikleri ile yardmc olan kii) ilk olarak
sorunu tanmlar. Sorunun tanmlanmas; amalarn ve sorunu oluturan sistemin
bileenlerinin belirlenmesi ile olur.
Adm 2. Sistemin ncelenmesi
Daha sonra analist sorunu etkileyen parametrelerin deerlerini belirlemek iin veri
toplar. Sz konusu deerler sorunu temsil edecek bir matematiksel modelin
gelitirilmesi (Adm 3) ve deerlendirilmesi (Adm 4) iin kullanlr.
Adm 3. Sorunun Matematiksel Modelinin Kurulmas
Analist tarafndan sorunu ideal bir ekilde temsil edecek bir matematiksel model
gelitirilir. Bu derste modelleme iin eitli yntemler reneceiz.
Adm 4. Modelin Dorulanmas

nc admda kurulan modelin gerei iyi yanstp yanstmad snanr. u anki
durum iin modelin ne kadar geerli olduu belirlenerek modelin geree ne kadar
uyduu test edilir.
Adm 5. Uygun bir Seenein Seilmesi
Eldeki model zerinde bir zm yntemi kullanlarak amalar en iyi karlayan bir
seenek (varsa) analist tarafndan seilir.
Bazen eldeki seeneklerin kullanm iin snrlandrmalar ve kstlamalar olabilir. Bu
yzden amac karlayan seenek bulunamayabilir. Baz durumlarda ise amalar en
iyi ekilde karlayan birden fazla sayda seenek bulunabilir.
Adm 6. Sonularn Karar Vericiye Sunumu
Bu admda, analist modeli ve model zm sonucunda ortaya kan nerileri karar
verici ya da vericilere sunar. Seenek says birden fazla ise karar verici(ler)
gereksinimlerine gre birini seerler.
Sonularn sunumundan sonra, karar verici(ler) neriyi onaylamayabilir. Bunun
nedeni uralan sorunun doru tanmlanmamas ya da modelin kurulmasnda karar
vericinin yeterince srece karmamas olabilir. Bu durumda analist ilk adma
yeniden dnmelidir.
Adm 7. nerinin Uygulanmas ve zlenmesi
Eer karar verici sunulan neriden memnun kalrsa, analistin son grevi karar
vericinin neriyi uygulamasna yardmc olmaktr: Seenein kullanlarak sorunun
zmne nezaret etmeli ve zellikle evre koullar deitike amalar karlamaya
ynelik dinamik gncellemeler yaparak uygulamay izlemelidir.
1.3 YA'NIN TARHES
YA greceli olarak yeni bir bilim daldr. 1930'lu yllarn sonunda YA ilk olarak Birleik
Krallk'ta kullanld.
1936 ylnn banda ngiliz Hava Bakanl; dou kysnda, Felixstowe yaknlarnda,
Suffolk'da Bawdsey Aratrma stasyonu'nu kurdu. Sz konusu yer hava kuvvetleri
sava ncesi radar almalarnn yapld merkezdi. Yine 1936 ylnda Kraliyet
Hava Kuvvetleri (RAF) iinde Britanya hava savunmas iin zel bir birlik oluturuldu.
Radarn kullanlmaya balamas beraberinde baz sorunlar da getirdi: Uaklarn
rotas ve kontrolu gibi elde edilen bilginin doru ve etkin bir ekilde kullanlmas gibi.
1936 ylnn sonunda, Kent'deki Biggin Hill'de kurulan bir grup elde edilen radar bilgisi
ile dier uak ile ilgili yer bilgilerinin btnletirilmesini hedefleyen almalar yapt.
Sz konusu almalar YA'nn balangc olarak kabul edilebilir.
1937 ylnda Bawdsey Aratrma stasyonu deneysel almalar pratie evirdi ve
Radar
stasyonu
olarak
almaya
balad.
Radardan
elde
edilen
bilgiler
btnletirilerek genel hava savunma ve kontrol sistemi oluturuldu. Temmuz

1938'de ky boyunca drt yeni radar istasyonu daha kuruldu. Bu durumda da farkl
istasyonlardan elde edilen ve genelde birbirleri ile elien bilginin dorulanmas ve
egdm sorunu ortaya kt.
Sorunun zm iin ve yaplan ilerin etkinliinin llmesi amacyla Bawdsey
Aratrma stasyonu'nda A.P. Rowe bakanlnda bir bilimsel grup oluturuldu. Sz
konusu askeri operasyonlarn aratrlmas (Research into Military Operations)
ilemine "Operational Research" denildi. Genileyen alma grubu, 1939 yaznda,
Stanmore Aratrma stasyonu'nu merkez olarak kullanmaya balad.
Sava srasnda Stanmore Aratrma Merkezi, Fransa'daki Alman glerine kar
istenen ek uak kuvvetlerinin uygun olup olmadn YA teknikleri kullanarak
deerlendirdi ve uygun olmadn gsteren grafiklerle o zamanki babakan Winston
Churchill'e bir sunum yapt ve sonuta blgeye ek kuvvet gnderilmeyerek hava
kuvvetlerinin gcnn azalmas engellendi. 1941 ylnda Yneylem Aratrmas
Blm (Operational Research Section - ORS) kuruldu ve sava bitimine kadar sz
konusu grup almalar yapt.
1941 ylnda kurulan Blackett nderliindeki bu gruba yedi ayr bilim dalndan onbir
bilim adam katlmt: fizyolog, bir fiziki, iki matematiki, bir astrofiziki, iki fizik
matematikisi, bir subay, bir mhendis. Savatan sonra YA almalar zellikle
ABD'de askeriye dndaki alanlarda da hzland
Trkiye'de ise ilk YA almalar, 1 Haziran 1956'da, Alb. Fuat Ulu'un abalar ile
Genel Kurmay'da oluturulan yedek subaylardan oluan Harekat Aratrmas grubu
ile balad. Seferberlik ve hava savunma konularnda yurtdndan alnan destek ile
aratrmalar yapld. lkemizde ilk YA dersi de T Makine Fakltesinde 1960-61
ders ylnda Prof. Dr. lhami Karayaln tarafndan verildi. 1966 ylnda Harekat
Aratrmas ismi Yneylem Aratrmas olarak deitirildi.
2. TEMEL YA KAVRAMLARI
rnek
Two Mines irketi zel bir cevher kard iki adet maden ocana sahiptir.
Ocaklarda retilen cevher snfa ayrlr: yksek, orta, dk kaliteli. irket bir
fabrikaya haftalk olarak 12 ton yksek, 8 ton orta ve 24 ton dk kaliteli cevher
salamak zere anlamtr. Sz konusu iki maden oca (X ve Y) ayrntlar aada
verilen farkl iletim zelliklerine sahiptir.
Yksek
retim (ton/gn)
Orta
Dk
Maliyet
('000 / gn)
180
160
Maden
Anlamay gerekletirmek iin haftasonu retim yaplmayan maden ocaklar haftada

ka gn iletilmelidir?
Tahmin
Two Mines rneini incelemek iin ok basit bir ekilde yargmz kullanarak
madenlerin haftada ka gn alacana ynelik olarak fikir yrtp sonular
inceleyebiliriz.
haftada bir gn X madenini, bir gn Y madenini iletme
Bu zm nerisi iyi bir sonu vermeyecek gibi gzkmektedir. Sadece 7 ton yksek
kaliteli
cevher
retilecek
bu
durumda
da
12
tonluk
mteri
gereksinimi
karlanamayacaktr. Byle bir zme "olurlu (uygun) olmayan" (infeasible) zm

denilir.
haftada 4 gn X madenini, 3 gn Y madenini iletme
Bu durumda tm mteri gereksinimleri karlanabilmektedir. Byle bir zme de

"olurlu" (feasible) zm denilir. Fakat sz konusu zm nerisinin dier olas uygun
zm nerilerinden daha pahalya mal olup olmadnn aratrlmas iin yeni
kombinasyonlar denenmelidir.
zm
Yapmamz gereken Two Mines rneini szel olarak ifade edip, sz konusu ifadeyi
matematiksel bir tanma evirmektir.
Bu tipte sorunlar zmeye urarken ncelikle aadaki kavramlar belirlemeliyiz:
deikenler (variables)
kstlar (constraints)
ama.(objective)
Bu belirleme srecine "formlasyon" ya da daha resmi bir ekilde sorunun

matematiksel modelinin formlasyonu denilir.
Deikenler
Bunlar verilmesi gereken kararlar veya bilinmeyenleri temsil eder. ncelenen sorunda
iki adet karar deikeni (decision variable) vardr:
x = Bir haftada X maden ocann iletilecei gn says
y = Bir haftada Y maden ocann iletilecei gn says
Doal olarak x >= 0 ve y >= 0 olacaktr
Kstlar
Kst, soruna zg durumlarn getirdii snrlamalardr. Kst belirlemenin en iyi yolu
nce snrlayc durumlar szel olarak ifade edip daha sonra deikenleri kullanp
matematiksel biimde yazmaktr:
cevher retim ksd retilen cevher ile mteri gereksiniminin dengelenmesi
Cevher eitleri
Yksek
6x + 1y >= 12
Orta
3x + 1y >= 8
Dk
4x + 6y >= 24
Eitsizlik kullanma "en iyileme" (optimization) sorunlarndaki kstlarda esneklik

salar.
haftasonu ksd - haftada 5 gnden fazla allamaz
x <= 5
y <= 5
Ama
irketin amac toplam maliyeti (180x + 160y) en az seviyede tutarak mteri
gereksinimlerini karlamaktr.
Ele alnan sorunda tm olas olurlu zmlerden ama fonskiyonu deerini
enkkleyen karar deikeni deerlerini barndran zm en iyi zmdr.
Sorunun amacnn kar enbyklemesi olmas durumunda en iyi zm ama
fonksiyonu deerini en byk yapan deer olacaktr.
Genel olarak, tm olas olurlu zmlerden ama fonskiyonu deerini en iyi hale
getiren karar deikeni deerlerini barndran zme "en iyi" (optimum) zm
denilir.
Sonu olarak tm kavramlar birarada yazarak matematiksel modeli aadaki gibi
yazabiliriz:
enkkle (minimize)
180x + 160y
yle ki (subject to)
6x + y >= 12
3x + y >= 8
4x + 6y >= 24
x <= 5
y <= 5
x,y >= 0
Matematiksel model aadaki biimde olmaldr:
tm deikenler sreklidir (continuous)
tek bir ama vardr (enbykleme (maximize) veya enkkleme (minimize))
ama ve kst fonksiyonlar dorusaldr. Fonksiyondaki her terim ya sabit

saydr ya da bir sabitle arplm deikendir (rnein 24, 0, 4x, 6y dorusal
terimlerdir fakat xy, x2 dorusal deildir).
Yukardaki koulu salayan herhangi bir formlasyon bir "Dorusal Program"dr

(DP; linear program - LP).
Bir sorunu DP ile incelediimizde yukardaki koullara uymak iin baz varsaymlar
yaparz. Ele aldmz rnekte haftalk alma gn saysnn kesirli olabilecei (tam
say olmak zorunda olmamas) gibi. Aslnda bu tip sorunlar zmek iin "Tam sayl
programlama" (integer programming - IP) teknikleri de kullanlabilir.
Bir dier dikkat edilmesi gereken zellik de iaret snrlamasdr (sign restriction).
Haftadaki gn says negatif olamayacandan bir haftada bir maden ocann
iletilecei gn saysn temsil eden karar deikenleri byk eit sfr olarak modele
eklenmelidir.
Matematiksel model (formlasyon) kurulduktan sonra algoritma ad verilen saysal
bir zm teknii kullanlarak ama fonksiyonunun "en iyi" (optimum) deerini
verecek (enbykleme sorunlarnda en byk, enkklemede en kk) ve tm
kstlar salayacak ekilde karar deikeni deerleri bulunur.
"YA, gerek hayat sistemlerinin matematiksel modellerle temsil edilmesi ve en

iyi zm bulmak iin kurulan modellere saysal yntemler (algoritmalar)
uygulanmasdr."
3. DORUSAL PROGRAMLAMA
Two Mines rnei incelenirse, bir matematiksel modelin bir "Dorusal Program" (DP;
linear program - LP) olmas iin aadaki koullar salamas gerektii grlr:
Tm deikenler sreklidir (continuous)
Tek bir ama vardr (enbykleme (maximize) veya enkkleme (minimize))
Ama ve kst fonksiyonlar dorusaldr. Fonksiyondaki her terim ya sabit saydr

ya da bir sabitle arplm deikendir
DP'ler nemlidir nk:
ok sayda sorun DP olarak formle edilebilir
"Simpleks algoritmas" kullanlarak DP'ler zlebilir ve en iyi zm bulunabilir
DP'lerin temel uygulama alanlarna aada eitli rnekler verilmitir:
retim planlama
Rafineri ynetimi
Karm
Datm
Finansal ve ekonomik planlama
gc planlamas
Tarmsal planlama
Gda planlama
DP'ler iin drt temel varsaym sz konusudur:
Oransallk
o Her karar deikeninin ama fonksiyonuna katks karar deikeninin
deeri ile orantldr (Drt asker retmenin ama fonksiyonuna (kra)
katks (4$3=$12) bir askerin ama fonkisyonuna katksnn ($3) tam
olarak drt katdr.)
o Her karar deikeninin kstlarn sol tarafna katks karar deikeninin
deeri ile orantldr. ( asker retmek gerekli montaj zaman (2 saat 3 =
6 saat) tam olarak bir asker retmek iin gerekli montaj zamannn (2 saat)
katdr.)
Toplanabilirlik
o Herhangi bir karar deikeninin ama fonksiyonuna katks dier karar
deikenlerinin deerlerinden bamszdr. (Trenin (x2) deeri ne olursa
olsun, asker (x1) retmek her zaman ama fonksiyonuna 3x1 dolar katk
yapacaktr.)
o Herhangi bir karar deikeninin kst sol tarafna katks dier karar
deikenlerinin deerlerinden bamszdr. (x1in deeri ne olursa olsun, x2
retimi x2 saat montaj ve x2 saat marangozluk gerektirir.)
Sonu 1: Ama fonksiyonu deeri her bir karar deikeninin katksnn
toplamna eittir.
Sonu 2: Her bir ksdn sol taraf deeri her bir karar deikeninin
katksnn toplamna eittir.
Blnebilirlik
Karar deikenleri tam say olmayan deerler alabilir. Eer tam say deerler
kullanmak artsa TP kullanlmaldr. (1.69 tren retmek kabul edilebilir.)
Kesinlik
Her parametre kesin olarak bilinmektedir.
3.1 DPNN FORMLASYONU

3.1.1 Giapetto rnei
(Winston 3.1., s. 49)
Giapetto tahtadan oyuncak asker ve tren yapmaktadr. Sat fiyatlar, bir oyuncak
asker iin $27, bir oyuncak tren iin $21'dr. Bir asker iin $10'lk hammadde ve
$14'lk iilik kullanlmaktadr. Bir tren iin ise sz konusu rakamlar srasyla $9 ve
$10'dr. Her bir asker iin 2 saat montaj ve 1 saat marangozluk gerekirken, her bir
tren iin 1 saat montaj ve 1 saat marangozluk gerekmektedir. Eldeki hammadde
miktar snrszdr, fakat haftada en ok 100 saat montaj ve 80 saat marangozluk
kullanabilen Giapetto'nun haftada en fazla 40 oyuncak asker satabileceini gz
nnde bulundurarak karn enbyklemek iin hangi oyuncakdan haftada ka adet
retmesi gerektiini bulunuz.
Yant
Karar deikenleri tam olarak verilmesi gereken (bu sorunda Giapetto tarafndan)
kararlar tanmlamaldr. Giapetto bir haftada ka oyuncak asker ve tren yapacana
karar vermelidir. Bu karara gre aadaki karar deikenleri tanmlanabilir:
x1 = bir haftada retilen asker says,
x2 = bir haftada retilen tren says,
Ama fonksiyonu karar deikenlerinin bir fonksiyonudur. Gelir veya karn
enbyklemek ya da maliyetini enkklemek isteyen karar vericinin amacn
yanstr. Giapetto haftalk karn (z) enbyklemek isteyecektir.
Bu sorunda kar
(haftalk gelir) (hammadde satnalma maliyeti) (dier deiken maliyetler)
olarak formle edilebilir. Bu durumda Giapettonun ama fonksiyonu:
Enbykle z = 3x1 + 2x2
Kstlar karar deikenlerinin alabileci deerler zerindeki, snrlamalar gsterir.
Herhangi bir snrlama olmazsa Giapetto ok fazla sayda oyuncak reterek ok
byk kar elde edebilir. Fakat gerek hayatta olduu gibi burada da kstlar vardr
Haftalk kullanlabilen montaj iilii zaman
Haftalk kullanlabilen marangozluk zaman
Askerler iin haftalk talep
10
aret snrlamalar da eer karar deikenleri salt negatif olmayan deerler alyorsa
kullanlmaldr (Giapetto negatif sayda asker veya tren retemez!).
Yukardaki tm bu zellikler aadaki Dorusal Programlama (DP; Linear
Programming - LP) sorununu verir:
Maks z = 3x1 + 2x2
s.t.
(Ama fonksiyonu)
2x1 + x2 100
(Montaj ksd)
x1 + x2 80
(Marangozluk ksd)
x1
40
x1, x2 > 0
(Talep ksd)
(aret snrlamalar)
Eer (x1,x2)nin bir deeri (bir zm) tm bu kstlar ve iaret snrlamalarn

salarsa, sz konusu zm olurlu blgededir (feasible region).
Grafik olarak ya da hesaplayarak sorun zldnde olurlu blgedeki zmlerden
ama fonksiyon deeri en yksek olan zmn (x1,x2) = (20,60) olduunu ve z =
180 deerini verdiini buluruz. Bu zm en iyi zmdr (optimal solution).
Rapor
Haftada 20 asker ve 60 tren retilmesi durumunda kar $180 olacaktr. Kar miktarlar,
eldeki iilik ve talebe gre elde edilebilecek en byk kar budur. Daha fazla iilik
bulunursa kar oalabilir.
11
3.1.2 Reklam rnei

(Winston 3.2, s. 61)
Dorian irketi, yksek gelirli mterileri iin otomobil ve jeep retmektedir.
Televizyondaki
tiyatro
oyunlarna
ve
futbol
malarna
bir
dakikalk
spot
reklamlar vererek satlarn arttrmay hedeflemektedir. Tiyatro oyununa verilen

reklamn maliyeti $50bin'dir ve hedef kitledeki 7 milyon kadn ve 2 milyon erkek
tarafndan seyredilebilir. Futbol mana verilen reklamn maliyeti ise $100bin'dir ve
hedef kitledeki 2 milyon kadn ve 12 milyon erkek tarafndan seyredilebilir. Dorian
yksek gelirli 28 milyon kadn ve 24 milyon erkee en az maliyetle nasl ular?
Yant: Karar deikenleri aadaki gibi belirlenebilir:
x1: tiyatro oyununa verilen reklam says
x2: futbol mana verilen reklam says
Sorunun modeli:
min
z = 50x1 + 100x2
yle ki
7x1
2x2
2x1
12x2 > 24
x1,
x2
> 28
>
Grafik zm yaplrsa (x1,x2) = (3.6,1.4) deerleri iin ama fonksiyonunun en iyi

deeri z = 320 olarak bulunur. Grafie baklarak en iyi tamsayl zm (x1,x2) = (4, 2)
olarak bulunabilir.
Rapor: Hedeflenen kitleye ulamak iin en az maliyetli zm 4 adet reklam tiyatro
oyununda ve 2 adet reklam futbol manda kullanmak gerekir. Bu durumda Dorian
$400bin reklam masraf yapacaktr.
12
3.1.3 Beslenme rnei

(Winston 3.4., s. 70)
Bayan Fidan drt "temel gda grubu" ile beslenmektedir: kek, ikolatal dondurma,
kola, ananasl pasta. Bir adet kek $0.5'a, bir kak dondurma $0.2'a, bir ie kola
$0.3'a ve bir dilim pasta $0.8'a satlmaktadr. Her gn en az 500 kalori, 6 oz. ikolata,
10 oz. eker ve 8 oz. ya almas gereken Bayan Fidan en az maliyetle bu
gereksinimlerini nasl karlar? Aadaki tabloyu kullanarak bir DP modeli kurup
sorunu znz.
Kalori
ikolata
(ounce)
eker
(ounce)
Ya
(ounce)
Kek (1 adet)
400
ikolatal dondurma (1 kak)
200
Kola (1 ie)
150
Ananasl pasta (1 dilim)
500
Yant
Karar deikenleri:
x1: gnlk yenilecek kek says
x2: gnlk yenilecek kak dondurma says
x3: gnlk iilecek ie kola says
x4: gnlk yenilecek dilim pasta says
eklinde belirlenebilir.
Bu durumda ama fonksiyonu (cent cinsinden toplam gnlk maliyet):
min w = 50 x1 + 20 x2 + 30 x3 + 80 x4
Kstlar:
400 x1 + 200 x2 + 150 x3 + 500 x4 > 500
3 x1 +
2 x2
>
2 x1 +
2 x2 +
4 x3 +
2 x1 +
4 x2 +
x3 +
xi > 0, i = 1, 2, 3, 4
(gnlk kalori)
(gnlk ikolata)
4 x4 > 10
(gnlk eker)
5 x4 >
(gnlk ya)
(iaret snrlamalar!)
Rapor:
Bayan Fidan gnde 3 kak dondurma yiyip 1 ie kola ierek tm besin
gereksinimlerini karlayabilir ve sadece 90 cent harcar (w=90, x2=3, x3=1).
13
3.1.4 Postane rnei

(Winston 3.5., s. 74)
Bir postanede haftann her gn farkl sayda elemana gereksinim duymaktadr.
Sendika kurallarna gre bir eleman 5 gn pe pee almakta dier iki gn izin
yapmaktadr. altrlmas gereken toplam en az eleman saysn aadaki i
ykne gre hesaplaynz.
Pzt Sal ar Per Cum Cmt Paz
Gerekli eleman 17 13 15 19 14
16
11
Yant: Karar deikenleri xi (i. gn almaya balayan eleman says) olsun

Matematiksel olarak DP modeli aadaki gibi oluturulabilir:
min z = x1 +x2 +x3 +x4 +x5 +x6 +x7
+x4 +x5 +x6 +x7 17
x1
+x5 +x6 +x7 13
x1 +x2
x1 +x2 +x3
+x6 +x7 15
x1 +x2 +x3 +x4
+x7 19
x1 +x2 +x3 +x4 +x5

+x2 +x3 +x4 +x5 +x6
14
16
+x3 +x4 +x5 +x6 +x7 11
Rapor: (xi) = (4/3,10/3,2,22/3,0,10/3,5), z = 67/3 eklindedir. Karar deikeni

deerleri yakn tamsaylara yuvarlanrsa (xi) = (2,4,2,8,0,4,5), z = 25 zm bulunur:
yanl olabilir! Elde edilen Tamsayl Lindo zmne gre ise ama fonksiyonun en
iyi deeri z = 23'dr ve (xi) = (4,4,2,6,0,4,3) eklindedir.
14
3.1.5 Sailco rnei

(Winston 3.10., s. 99)
Sailco irketi gelecek drt mevsimde ka adet yelkenli reteceine karar verecektir.
Talep srasyla 40, 60, 75 ve 25 yelkenlidir. Sailco tm talepleri zamannda
karlamaldr. Balangta Sailco'nun envanterinde 10 yelkenli vardr. Normal mesai
ile bir mevsimde 40 yelkenli retebilen irket yelkenli bana $400 iilik maliyetine
maruz kalmaktadr. Fazla mesai ile yaplan her ek yelkenli iin ise iilik maliyeti
$450'dr. Herhangi bir mevsimde yaplan yelkenli ya talebi karlamak iin kullanlp
satlr ya da envantere konulur. Bir yelkenlinin bir mevsim envanterde tutulmas
durumunda ise $20 envanter tama maliyeti olumaktadr
Yant:
t = 1,2,3,4 iin karar deikenleri
xt = t. mevsimde normal mesai ile retilen yelkenli says
yt = t. mevsimde fazla mesai ile retilen yelkenli says
Envanter hesaplarnn yaplabilmesi iin:
it = t. mevsimin sonunda envanterdeki yelkenli says
dt = t. dnem iin yelkenli talebi
Veri
xt < 40, t
Mantksal olarak
it = it-1+ xt + yt - dt, t.
Talep karlanmal
it > 0, t
xt and yt > 0, t)
(aret snrlamalar
Bu kst kmelerini kullanarak toplam maliyet zyi enkklemeliyiz:

z = 400(x1+x2+x3+x4) + 450(y1+y2+y3+y4) + 20(i1+i2+i3+i4)
Rapor:
Lindo en iyi .zm (x1, x2, x3, x4) = (40, 40, 40, 25), (y1, y2, y3, y4) = (0, 10, 35, 0) ve
toplam maliyet = $78450.00 olarak verir. retim izelgesi:
Normal mesai (xt)
Fazla mesai (yt)
Envanter (it)
Talep (dt)
10
M1
40
0
10
40
M2
40
10
0
60
M3
40
35
0
75
M4
25
0
0
25
15
3.1.6 Mteri Hizmet Dzeyi rnei

(Winston 3.12, s. 108)
Bir bilgisayar irketinde mteri hizmetleri iin deneyimli uzmana olan talep
(adamsaat/ay) aadaki gibidir:
t Ocak ub Mart Nis
May
dt 6000 7000 8000 9500 11000

Ocak ay banda irkette 50 deneyimli uzman vardr. Her uzman ayda 160 saat
alabilir. Yeni bir uzman yetitirmek iin deneyimli uzmanlar 50 saat ayrmaktadr
ve sz konusu uzmann eitimi bir ayda tamamlanmaktadr. Her deneyimli uzmana
ayda $2000, her yeni uzmana ise ayda $1000 denmektedir. Her ay deneyimli
uzmanlarn %5'i iten ayrlmaktadr. irket hem hizmet talebini karlamak istemekte
hem de maliyetleri enazlamak istemektedir. Sorunu zmek iin DP modeli kurunuz.
Yant: Karar deikenleri:
xt = t aynda eitilecek uzman says
lem yapabilmek iin kullanlan dier deikenler ise
yt = t. ayn banda irketteki deneyimli uzman says
dt = t. ayn hizmet talebi
Bu
durumda
2000
(y1+...+y5)
1000
(x1+...+x5)
ama
fonksiyonu
enkklenmelidir.
Kstlar:
160yt-50xt > dt, t = 1,...5
y1 = 50
yt = .95yt-1+xt-1, t = 2,3,4,5
xt, yt > 0
16
3.2 DPNN ZM
3.2.1 zm Trleri
Bir DP zld zaman aadaki drt durumdan biri ile karlalr:
1. DPnin bir tek en iyi zm vardr.
2. DPnin alternatif (ok sayda) en iyi zmleri vardr. Birden fazla (aslnda
sonsuz sayda) en iyi zm bulunur.
3. DP olurlu deildir (infeasible). Hi olurlu zm yoktur (Olurlu blgede
nokta yoktur).
4. DP snrl deildir (unbounded). Olurlu blgedeki noktalar sonsuz byklkte
ama fonksiyon deeri vermektedir.
Grafik olarak,
Bir tek en iyi zm varsa, e kar dorusu olurlu blgeyi terkederken bir ke
(vertex - corner) ile kesiir.
Alternatif zmler sz konusu ise, e kar dorusu olurlu blgeyi terkederken

bir doru (bir ksd temsil eden) ile kesiir.
Olurlu zm vermeme durumunda, kstlarn salad blgelerin kesiimi

dolaysyla olurlu blge yoktur.
Snrl
olmama
durumunda
ise
kar
dorusu
olurlu
blgeyi
terkedememektedir.
17
3.2.2 Grafik zm (Enkkleme)

min 180x + 160y
yle ki
6x + y >= 12
3x + y >= 8
4x + 6y >= 24
x <= 5
y <= 5
x,y >= 0
Sadece iki karar deikeni olduundan iki eksenli bir grafik zerinde zme
gidilebilir. ncelikle kstlar temsil eden dorular izilip kstlar salayan blgelerin
kesiimini veren olurlu blge (feasible region) belirlenir.
Daha sonra ama fonksiyonunu 180x + 160y = K (K sabit) eklinde yazarak herhangi
bir sabit iin (grafikte K = 180) elde ettiimiz doruyu grafie izeriz. Bu dorulara e
kar dorusu (iso-profit line) denilir. Enkkleme sorunlarnda K'nn olurlu blgede
alabilecei en kk deere gre doru izildii dnlerek sz konusu dorunun
olurlu blgeyle kesitii nokta aranr. Bu noktadaki x, y koordinatlar bize en iyi
(optimum) zmn karar deiken deerlerini verir: 3x + y = 8 ve 4x + 6y = 24
dorularnn kesitii nokta (1.71, 2.86).
En iyi zm 765.71dir (1.71 gn x, 2.86 gn y madeni altrlmaldr)
18
3.2.3 Grafik zm (Enbykleme)

Maks z = 4x1 + 2x2
.
(Ama fonksiyonu)
2x1 + x2 < 100
(Montaj iilii ksd)
x1 + x2 < 80
(Marangozluk ksd)
x1
(Talep ksd)
< 40
x1 + x2 > 0
(aret snrlamalar)
x2
100 B
80 D
G
E
H
40
A
50
C
80
x1
G (20, 60) ve F (40, 20) noktalar arasndaki noktalar (doru) alternatif en iyi
zmleri, verir. 0<c<1 iin:
c [20 60] + (1-c) [40 20] = [40-20c 20+40c]
en iyi zmdr.
*********************************************************************
Kst ekleyelim:
x2 > 90
(Tren talebi ksd)
Olurlu blge yoktur: olurlu olmayan DP

*********************************************************************
Sadece tek kst olsun: x2 > 90
E kar dorusu olurlu blgeyi terkedemez: snrl olmayan DP
19
3.2.4 Simpleks Algoritmas

Tm DP sorunlarnn (ikiden fazla sayda karar deikeni olanlarn da) en iyi zm
olurlu blgenin bir kesindedir. Simpleks algoritmas bu gerei kullanarak zme
gider.
Balangta olurlu blgenin bir kesi ile ileme balanr ve eer sz konusu ke en
iyi zm vermezse yeni bir adm (iterasyon) iletilerek ama fonksiyonunu
iyiletiren (veya ayn brakan) baka bir komu keye geilir. Bu admlar en iyi DP
zm bulununcaya kadar srer.
DP'leri zmek iin kullanlan simpleks algoritmas Dantzig tarafndan 1940'l yllarn
sonunda
gelitirilmitir.
Daha
sonra
algoritma
gelitirilip
yeni
versiyonlar
gelitirilmitir. Bunlardan biri olan "revised simpleks algoritmas" DP zm iin

kullanlan bilgisayar paketlerinde kullanlmaktadr.
Admlar
1. DPyi standart biime eviriniz
2. Bir temel olurlu zm (basic feasible solution - bfs) bulunuz
3. Mevcut bfsnin en iyi zm olup olmadn aratrnz. En iyi ise sorun
zlmtr, durunuz.
4. Mevcut bfs en iyi zm deilse, ama fonksiyon deerini en ok iyiletirmek
iin hangi temel d deikenin temel deiken olacan (zme gireceini)
saptaynz.
5. Hangi deikenin zmden kp temel d deiken olacan oran testi ile
bulunuz. Elde edilen pivot denklemi satr ilemlerinde kullanarak yeni bir bfs
bulunuz.
6. Adm 3e dnnz.
lgili kavramlar:
Standart biim: tm kstlar eitliktir ve tm deikenler negatif olmayan

deerler alr
bfs: tm deikenlerin negatif olmayan deerler ald bir olurlu zm
Temel d deiken: bfsde deerleri 0a eit olan deikenler
Temel deiken: bfsdeki dier deikenler, standart biimdeki eitliklerin

zlmesi ile 0dan byk deerler alrlar
20
3.2.5 Simpleks iin rnek (Dakota Mobilya)

(Winston 4.3, s. 134)
Dakota mobilya irketi sra, masa ve sandalye yapmaktadr. Her rn iin, aadaki
tabloda grld gibi, snrl miktarda kullanlabilen tahta, marangozluk ve montaj
iilii gerekmektedir. Ayn tabloda rnlerin sat fiyatlar da verilmitir. Haftada en
fazla 5 masa satlabilmektedir. Haftalk kar enbykleyecek bir retim plan
oluturunuz.
Kaynak
Sra
Masa
Tahta (m2)
48
Montaj iilii
1.5
20
Marangozluk
1.5
.5
Talep (maks)
60
30
20
Fiyat ($)
Sandalye Kullanlabilen.
DP Modeli:
x1, x2, x3 bir haftada retilen sra, masa ve sandalye says olsun. z ise Dakota'nn
haftalk kar miktarn gstersin. Aadaki DP'yi formle edebiliriz
maks z = 60x1+30x2+20x3
8x1+6x2+x3 < 48
4x1+2x2+1.5x3 < 20
2x1+1.5x2+.5x3 < 8
x2 < 5
x1,x2,x3 > 0.
21
Simpleks algoritmas ile zm

1. ncelikle gevek (slack) deikenler kullanarak DP modelini standart biime
getiriniz ve modeli kanonik bir ekilde yaznz.
maks z = 60x1 + 30x2 + 20x3
s.t.
8x1 +
6x2
x3 +s1
4x1 +
2x2
+ 1.5x3
2x1 + 1.5x2 +
= 48
+s2
.5x3
= 20
+s3
= 8
+s4 = 5
x2
x1,x2,x3,s1,s2,s3,s4
R0
z -60x1 -30x2
-20x3
R1
8x1
+ 6x2 +
R2
4x1
+ 2x2 +1.5x3
R3
2x1
+1.5x2 + .5x3
R4
0.
=0
x3 +s1
= 48
+s2
= 20
+s3
x2
=8
+s4 = 5
2. Bir balang temel olurlu zm bulunuz

Sorun iin (x1, x2, x3) = 0 zm olurlu olduundan, aada verilen nokta bir
balang temel olurlu zmdr (basic feasible solution bfs):
x1 = x2 = x3 = 0, s1 = 48, s2 = 20, s3 = 8, s4 = 5.
Bu bfsde karar deikeni temel d deiken (non-basic variables) ve gevek
deiken de temel deikendir (basic variables) ve deerleri kanonik modeldeki
eitliklerden bulunur.
.
3. Mevcut bfsnin en iyi zm olup olmadn kontrol ediniz
Temel d herhangi bir deikenin deerinin oaltlmas (temele girmesi) ile znin
deerinin iyilemesinin mmkn olup olmad aratrlr.
Eer tm temel d deikenlerin ama fonksiyon satrndaki (0. satr; row 0 R0)
katsaylar 0 ya da 0dan bykse (nonnegative), mevcut bfs en iyi (optimal)
zmdr (znin deeri daha ok iyiletirilemez) .
Fakat rnekte tm temel d deikenlerin 0. satrdaki katsaylar negatiftir.
22
4. Yeni bfsnin bulunmas
Enbyklenmek istenen z en ok x1 sfrdan farkl yapld zaman oalr: x1

giren deikendir
R1 incelendiinde x1in en fazla 6 olabilecei grlr. Aksi takdirde s1 < 0

olacaktr. Benzer ekilde R2 ve R3 srasyla 5 ve 4 snrlarn verir. Son satrda
x1 olmadndan herhangi bir snrlama sz konusu deildir. Bu durumda tm
snrlamalarn (aslnda sa taraf deerlerinin giren deiken katsaylarna
"oran"larnn oran testi) en k olan 4, x1'in alabilecei en byk
deerdir. x1 = 4 olduunda s3 = 0 olup zmden kar ve kan deiken
olarak isimlendirilir.
R3 de pivot denklem olur. x1 temel deiken olduu iin birim matrise girecek
ekilde sistem yeniden dzenlenir.
Yeni pivot denklem (R3/2):

R3 :
x1+.75x2+.25x3+
.5s3
=4
R3 kullanlarak x1 tm dier satrlarda yok edilir.

R0
+15x2
-5x3
R1
R2
R3
R4
-x2
+30s3 = 240
z = 240
(R0+60R3
-x3
+s1
-4s3
= 16
s1 = 16
(R1-8R3)
+.5x3
s2-2s3
=4
s2 = 4
(R2-4R3)
+.5s3
=4
x1 = 4
(R3)
s4 = 5
s4 = 5
(R4)
x1+.75x2 +.25x3
x2
Yeni bfs x2=x3=s3=0, x1=4, s1=16, s2=4, s4=5 eklindedir ve z=240 olur
5. Adm 3e geri dnnz. En iyi zm bulunana kadar admlar tekrar ediniz
x3 girer.
Oran testi sonucu x3 = 8 bulunur; s2 kar: kinci satr pivot denklem olur.
Pivot denklemde (R2) giren deikenin katsays 1 yaplr:

R2
-2x2+x3+2s2-4s3 = 8 (R22).
R2 satr ilemleri ile dier satrlarda giren deiken yok edilir:
23
R0
+ 10s2+10s3 = 280
z = 280
(R0+5R2)
s1
2s2- 8s3
= 24
s1 = 24
(R1+R2)
+x3 +
2s2- 4s3
=8
x3 = 8
(R2)
=2
x1 = 2
(R3-.5R2)
s4 = 5
s4 = 5
(R4)
+5x2
R1
-2x2
R2
-2x2
R3
x1+1.25x2
R4
x2
- .5s2+1.5s3
+
Yeni bfs: x2=s2=s3=0, x1=2, x3=8, s1=24, s4=5; z = 280.

Sfrnc satrdaki tm temel d deikenlerin katsays pozitiftir.
MEVCUT ZM EN Y ZMDR (OPTIMAL SONU)
Rapor: Dakota mobilya irketi haftalk karn enbyklemek iin 2 sra ve 8 sandalye
retmelidir. Bu durumda 280$ kar eder.
24
Simpleks algoritmas tablolarla gsterilirse

(Siz de tm dev ve snavlarda her ilem iin tablo kullann!!!)
Balang tablosu:
z
x1
x2
x3
s1
s2
s3
s4 ST
1 -60 -30 -20 0
TD
z=0
48 s1 = 48
2 1.5 0
20 s2 = 20
2 1.5 .5
s3 = 8
s4 = 5
x1
x2
x3
s1
s2
s3
s4 ST
lk adm:
z
1
15 -5
-1
-1
.5
1 .75 .25
TD
30
240 z = 240
-4
16 s1 = 16
-2
s2 = 4
.5
x1 = 4
s4 = 5
kinci adm ve en iyi tablo:

z
x1
x2
x3
s1
s2
10 10
0 280 z = 280
-2
-8
24 s1 = 24
-2
-4
x3 = 8
1 1.25 0
-.5 1.5 0
x1 = 2
s4 = 5
s3
s4 ST
TD
25
3.2.6 Simpleks ile Dier zm Trleri

Alternatif En yi zm
Dakota rneini $35/masa olarak deitirelim
Yeni z = 60 x1 + 35 x2 + 20 x3
Yeni sorun iin ikinci ve en iyi (optimal) tablo:
z
x1
x2
x3
s1
s2
s3
s4
ST
TD
10
10
280
z=280
-2
-8
24
s1=24
-2
-4
x3=8
1.25
-.5
1.5
x1=2
2/1.25
s4=5
5/1
Oran
Bir dier en iyi tablo:

z
x1
x2
x3
s1
s2
s3
s4
ST
TD
10
10
280
z=280
1.6
1.2
-5.6
27.2
s1=27.2
1.6
1.2
-1.6
11.2
x3=11.2
0.8
-0.4
1.2
1.6
x2=1.6
-0.8
0.4
-1.2
3.4
s4=3.4
Bu yzden en iyi zm aadaki gibidir:

z = 280 ve 0 < c < 1 iin
2
x1
x2
x3
= c
0
8
0
+ (1c)
1.6
11.2
2c
=
1.6 1.6c
11.2 3.2c
26
Snrl Olmayan DPler

z
x1
x2
x3
-9
12
100
z=100
-6
-1
20
x4=20
Yok
-1
x1=5
Yok
x4
s1
s2
ST
TD
Oran
Oran testi yaplamad iin zlmek istenen DP snrl olmayan DPdir.
27
3.2.7 Byk M Yntemi

Eer bir DP'de > veya = kstlar varsa, Simpleks yntemi kullanlarak bir balang
temel olurlu zm (bfs) oluturulamaz..
Bu durumda Byk M (Big M) yntemi veya ki Evreli (Two Phase) Simpleks yntemi
kullanlmaldr.
Byk M yntemi Simpleks Algoritmasnn bir trdr: Soruna yapay (artificial)
deikenler de eklenerek bir bfs bulunur. DP'nin ama fonksiyonu da sonuta yapay
deikenlerin katsaylar 0 olacak ekilde yeniden dzenlenir.
Admlar
1. ncelikle tm kstlar sa taraf (ST; Right Hand Side - RHS) deerleri negatif
olmayacak ekilde dzenlenir (ST deeri negatif olan kstlar -1 ile arplr. Bu
arpm sonucu eitsizliin ynnn deieceini unutmaynz!). Dzenlemelerden
sonra her kst <, > veya = kst olarak snflandrlr
2. Tm kstlar standart biime evrilir. Eer kst < kstsa, sol tarafa simpleks
ynteminde olduu gibi gevek deiken si eklenir. Eer kst > kstsa, sol
tarafdan bir fazlalk (excess) deiken ei karlr.
3. Tm > or = kstlarn sol tarafna bir yapay deiken ai eklenir. Ayn zamanda
yapay deikenler iin iaret snrlamas (ai > 0) da eklenir.
4. M ok byk bir say olsun. Eer DP enkkleme sorunu ise, ama
fonksiyonuna (her yapay deiken iin) Mai eklenir. Eer DP enbykleme sorunu
ise, ama fonksiyonuna (her yapay deiken iin) -Mai eklenir.
5. Her
yapay
deiken
balang
temel
zmnde
olaca
iin
ama
fonksiyonundan (0. satr) elenmelidir (katsaylar sfr olacak ekilde dzenleme

yaplmaldr). Daha sonra simpleks algoritmasnn admlar kullanlarak (M'nin
byk bir say olduu unutulmadan!) zme gidilir.
Yukardaki 5 admla dzenlenen yeni DP'nin en iyi zmnde tm yapay
deikenler 0'a eit karsa, esas sorunun en iyi zm bulunmutur.
Eer yeni DP'nin en iyi zmnde en az bir yapay deiken pozitif bir deer alrsa,
esas sorun zmszdr (infeasible)!!!
28
3.2.8 Byk M iin rnek (Oranj Meyve Suyu)

(Winston 4.10., s. 164)
Bevco irketi, portakal gazozu ile portakal suyunu kartrarak Oranj ismiyle portakall
meyve sular retmektedir. Portakal gazozunun bir ozunda 0.5 oz. eker ve 1 mg C
vitamini vardr. Portakal suyunun bir ozunda ise 0.25 oz. eker ve 3 mg C vitamini
vardr. Bevco bir oz. portakal sodas retmek iin 2, bir oz. portakal suyu retmek
iin ise 3 harcamaktadr. irketin pazarlama blm Oranj' 10 oz.luk ielerde
satmak istemektedir. Bevco'nun her bir iede en az 20 mg C vitamini bulunmasn
ve en ok 4 oz. eker olmas artn en az maliyetle karlamasn salaynz.
DP Modeli
x1 ve x2 bir ie Oranj'da bulunmas gereken portakal gazozu ve portakal suyu miktar
olsun. DP modeli aadaki gibi kurulur.
min z = 2 x1 + 3 x2
0.5 x1+ 0.25 x2 < 4
x1+
3 x2 > 20
x1+
x2 = 10
(eker ksd)
(C vit. ksd)
(10 ozluk ie ksd)
x1,x2 > 0
Byk M yntemi ile zm
Adm 1. Tm kstlarn ST deerleri negatif olmayacak ekilde kstlar yeniden
dzenleyiniz
Tm kstlarn ST deeri pozitiftir
Adm 2. Tm kstlar standart biime eviriniz
z
2 x1
3 x2 = 0
0.5 x1+ 0.25 x2 + s1

x1+
3 x2
x1+
x2
= 4
- e2
= 20
= 10
tm deikenler > 0
29
Adm 3. > or = kstlara ai yapay deikenini ekleyiniz

z
2 x1
3 x2
0.5 x1+ 0.25 x2 + s1

x1+
3 x2
x1+
x2
- e2 + a2
+ a3
= 0
R0
= 4
R1
= 20
R2
= 10
R3
tm deikenler > 0
Adm 4. Ama fonksiyonuna Mai ekleyiniz (min. sorunu iin)
min z = 2 x1 + 3 x2 + M a2 + M a3
Sfrnc satr (R0) aadaki gibi olacaktr:
z
2 x1
3 x2 M a2 M a3 = 0
Adm 5. Yapay deikenleri R0'dan eleyecek ekilde yeni R0 oluturunuz

Yeni R0 = R0 + M * R2 + M * R3
z + (2M2) x1 + (4M3) x2 M e2
= 30M
Yeni R0
Balang tablosu:
z
x1
x2
s1
e2
a2
a3
ST
TD
2M-2
4M-3
-M
30M
z=30M
0.5
0.25
s1=4
16
-1
20
a2=20
20/3*
10
a3=10
10
Oran
Enkkleme sorununda, sfrnc satr katsays "en pozitif" olan deiken

giren deikendir!
30
lk tablo:
z
x1
x2
s1
e2
a2
a3
ST
TD
(2M-3)/3
(M-3)/3
(3-4M)/3
20+3.3M
5/12
1/12
-1/12
7/3
s1
28/5
1/3
-1/3
1/3
20/3
x2
20
2/3
1/3
-1/3
10/3
a3
5*
Oran
En iyi tablo:
z
x1
x2
s1
e2
a2
a3
ST
TD
-1/2
(1-2M)/2
(3-2M)/2
25
z=25
-1/8
1/8
-5/8
1/4
s1=1/4
-1/2
1/2
-1/2
x2=5
1/2
-1/2
3/2
x1=5
Rapor:
Bir ie Oranj'da, 5 oz. portakal gazozu ve 5 oz. portakal suyu olmaldr.
Bu durumda toplam maliyet 25 olacaktr.
31
3.3 DUYARLILIK ANALZ

3.3.1 ndirgenmi Maliyet
Herhangi bir temel d deikenin indirgenmi maliyeti (reduced cost), deikenin
temel deiken olmas (DP'nin en iyi zmne girmesi) iin ama fonksiyon
katsaysnda yaplacak iyiletirme miktardr.
Eer bir xk temel d deikeninin ama fonksiyon katsays indirgenmi maliyet
kadar iyiletirilirse, DP'nin bir tek en iyi zm olmaz: alternatif zmler vardr. xk,
sz konusu zmlerden en az birinde temel deiken; en az birinde ise temel d
deiken konumundadr.
Eer xk temel d deikeninin ama fonksiyon katsays indirgenmi maliyetten
daha fazla iyiletirilirse, yeni DP'nin tek bir en iyi zmne ulalr ve bu zmde xk
temel deiken olur (xk>0).
Temel deikenin indirgenmi maliyeti sfrdr (tanma baknz)!
3.3.2 Glge Fiyat
DP modelinin i. ksdnn glge fiyat (shadow price), sz konusu ksdn sa taraf
(ST; Right Hand Side - RHS) deerinin 1 birim oaltlmas durumunda, en iyi ama
fonksiyon deerinin ne kadar iyiletiini (enbykleme sorununda ne kadar arttn,
enkkleme sorununda ne kadar azaldn) gsterir.
Bu tanm sadece deiimden nceki zmn deiimden sonra da ayn kalmas
durumunda geerlidir!
Bir > ksdn glge fiyat her zaman 0 ya da 0'dan kk (nonpositive); bir < ksdn
glge fiyat ise her zaman 0 ya da 0'dan byk (nonnnegative) olacaktr.
32
3.3.3 Basit rnek

maks z = 5 x1 + x2 + 10 x3
x1 + x3 < 100
x2 < 1
Tm deikenler > 0
Bu ok kolay bir DP modelidir ve simpleks kullanlmadan elle de zlebilir:
x2 = 1 (Bu deiken ilk kstta yoktur, bu durumda sorun enbykleme olduundan
ikinci ksdn sol taraf deeri 1'e eit olur)
x1 = 0, x3 = 100 (Bu iki deiken ise salt ilk kstta kullanlmlardr ve x3'n ama
fonksiyon deeri x1'inkinden byk olduu iin x3'n en iyi deeri birinci kst ST
deerine eit olur)
Bu durumda en iyi zm aadaki gibidir:
z = 1001, [x1, x2, x3] = [0, 1, 100]
Ayn zamanda duyarlk analizi de elle hesaplanabilir:
ndirgenmi Maliyet
x2 ve x3 temel deiken (en iyi zmde) olduklarndan, indirgenmi maliyetleri 0'dr.
x1'i temel deiken yapabilmek iin ama fonksiyon katsaysn en az x3'n ama
fonksiyon katsays kadar yapmak dier bir deyile 5 (10-5) birim oaltmak gerekir.
Yeni ama fonksiyonu (maks z = 10 x1 + x2 + 10 x3) olacak ve [x1, x2, x3] iin en az
iki en iyi zm bulunacaktr: [0, 1, 100] ve [100, 1, 0].
Bu durumda x1'in indirgenmi maliyeti 5'dir
Eer x1'in ama fonksiyon katsaysn indirgenmi maliyet deerinden daha fazla
oaltrsak en iyi zm bir tane olacaktr: [100, 1, 0].
Glge Fiyat
Eer birinci ksdn ST deeri 1 birim arttrlrsa, x3'n yeni en iyi zm deeri 100
yerine 101 olacaktr. Bu durumda da z'nin yeni deeri 1011 olacaktr.
Tanmdan faydalanp tersten gidersek: 1011 - 1001 = 10, birinci ksdn glge fiyat
deeridir.
Benzer ekilde ikinci ksdn glge fiyat 1 olarak hesaplanr (hesaplaynz).
33
3.3.4 Duyarllk iin Lindo ktsnn Kullanlmas

DKKAT: Simpleks'de sfrnc satr olan ama fonksiyonu Lindo'da birinci satr
(Row 1) olarak kabul edilir!
Bu yzden ilk kst, Lindo'da her zaman ikinci satrdr!!!
MAX 5 X1 + X2 + 10 X3
SUBJECT TO
2) X1 + X3 <= 100
3) X2 <= 1
END
LP OPTIMUM FOUND AT STEP
OBJECTIVE FUNCTION VALUE

1)
1001.000
VARIABLE
VALUE
X1
0.000000
X2
1.000000
X3
100.000000
REDUCED COST
5.000000
0.000000
0.000000
ROW SLACK OR SURPLUS

2)
0.000000
3)
0.000000
DUAL PRICES
10.000000
1.000000
RANGES IN WHICH THE BASIS IS UNCHANGED:

VARIABLE
X1
X2
X3
ROW
2
3
OBJ COEFFICIENT RANGES

CURRENT
ALLOWABLE
COEF
INCREASE
5.000000
5.000000
1.000000
INFINITY
10.000000
INFINITY
RIGHTHAND SIDE RANGES
CURRENT
ALLOWABLE
RHS
INCREASE
100.000000
INFINITY
1.000000
INFINITY
ALLOWABLE
DECREASE
INFINITY
1.000000
5.000000
ALLOWABLE
DECREASE
100.000000
1.000000
Lindo kts x1, x2 ve x3 deikenlerinin indirgenmi maliyetlerini (reduced costs) 5,

0 ve 0 olarak vermektedir.
Enbykleme sorunlarnda temel d bir deikenin indirgenmi maliyeti ayn
zamanda Lindo ktsndaki ama fonksiyon katsaylar aralndaki (obj. coefficient
34
ranges) o deiken iin izin verilen oal (allowable increase) deeri ile de
bulunabilir. Burada x1 iin sz konusu deer 5'dir.
Enkkleme sorunlarnda ise temel d deikenin indirgenmi maliyeti izin verilen
azal (allowable decrease) deerine eittir.
Ayn Lindo ktsndan, glge fiyatlar (shadow proces) da kstlarn "dual price"
deerleri okunarak bulunabilir:
rneimizde birinci ksdn (satr 2) glge fiyat 10'dur.
kinci ksdn (satr 3) glge fiyat ise 1'dir.
Baz nemli denklemler

Eer bir ksdn ST deerindeki bir deiim en iyi zmn deimeyecei izin verilen
ST aralklarnda (allowable RHS range) ise aadaki denklemler kullanlarak yeni
ama fonksiyon deeri hesaplanabilir:
enbykleme sorunu iin
yeni ama fn. deeri = eski ama fn. deeri + (yeni ST eski ST) glge fiyat
enkkleme sorunu iin
yeni ama fn. deeri = eski ama fn. deeri (yeni ST eski ST) glge fiyat
Yukarda verilen rnekte, izin verilen ST aral oal (allowable increase in RHS
ranges) sonsuz (infinity) olduu iin her iki ksdn da ST deerini istediimiz kadar
oaltabiliriz. Fakat izin verilen ST aral azalna (allowable decrease) gre birinci
ksd en fazla 100, ikinci ksd ise 1 birim azaltabiliriz.
Birinci ksdn yeni ST deerinin 60 olduunu dnelim:
ncelikle izin verilen aralklar kontrol edilir. oal sonsuz olduundan birinci
denklemi kullanabiliriz (maks sorunu).
zyeni = 1001 + ( 60 - 100 ) 10 = 601.
35
3.3.5 Ek rnek (Simpleks Kullanarak Duyarllk)

Dakota mobilya rneinde x1, x2, x3 srasyla retilen sra, masa ve sandalye miktar
idi.
Kar enbyklemek iin kurulan DP:
maks z = 60x1 + 30x2 + 20x3
8x1 +
6x2
x3
4x1 +
2x2
+ 1.5x3
+s1
+s2
2x1 + 1.5x2 + .5x3
+s3
= 48
Tahta
= 20
Montaj
Marangozluk
+s4 = 5
x2
Talep
Bu sorunun en iyi zmn de bulmutuk:

z
+5x2
+ 10s2 + 10s3
-2x2
+s1 + 2s2
8s3
= 24
+ 2s2
4s3
= 8
- .5s2 + 1.5s3
= 2
+x3
-2x2
= 280
x1+1.25x2
(1)
+s4 = 5
x2
Analiz 1
Mevcut montaj iilii miktar deisin: 20 20+, bu durumda sistem de
deiecektir:
z' = 60x1' + 30x2' + 20x3'
8x1'
6x2'
4x1'
2x2'
+ 1.5x3'
2x1'
+ 1.5x2' + .5x3'
x2'
x3'
+s1'
+s2'
+s3'
48
= 20+
=
+s4' =
36
veya deien sistem aadaki gibi de yazlabilir:

z = 60x1 + 30x2 + 20x3
8x1
6x2
x3
4x1
2x2
+ 1.5x3
2x1
+ 1.5x2 + .5x3
+s1
= 48
+(s2-)
= 20
+s3
x2
= 8
+s4 = 5
z,x1,x2,x3,x4,s1,s2-,s3,s4 esas (deiimden nceki) sorunu, dolaysyla (1)'i salar.

Gerekli deiiklikler yaplrsa yeni en iyi zm:
z
+5x2
+ 10(s2-) + 10s3
-2x2
-2x2
= 280
+s1 + 2(s2-)
8s3
= 24
2(s2-)
4s3
- .5(s2-) + 1.5s3
+s4 =
+x3
x1+1.25x2
x2
ve bylece
z
+5x2
+ 10s2 + 10s3
-2x2
-2x2
= 280+10
+s1 + 2s2
8s3
24+2
+ 2s2
4s3
8 +2
- .5s2 + 1.5s3
2-.5
+x3
x1+1.25x2
x2
+s4 =
elde edilir
-4 4 aral iin yeni sistem en iyi zm verir: Bu araklkta ST deerleri negatif
olmaz.
oaldka, toplam kar da 10 kadar oalmaktadr. Bu durumda montaj iilii
ksdnn glge fiyatnn $10/saat olduunu (4 saat azalma ve 4 saat oalmaya izin
verildiini unutmadan) syleyebiliriz .
37
Analiz 2
Eer sralarn fiyat $60+ olursa ne olur?
Kk bir iin kar 2 oalr nk en iyi zm 2 sra yaplmasn nermektedir.
Peki sz konusu kar katsays ne kadar oaltlabilir?
Yeni gelir:
z' = (60+)x1+30x2+20x3 = z+x1
= (280-5x2-10s2-10s3)+(2-1.25x2+.5s2-1.5s3)
= 280+2-(5+1.25)x2-(10-.5)s2-(10+1.5)s3
eklindedir.
Yeni st satr aadaki gibi olmaldr:
z'+(5+1.25)x2+(10-.5)s2+(10+1.5)s3 = 280+2
Optimalliin (en iyi zmn) bozulmamas iin bu satrdaki tm terimlerin 0 ya da
0'dan byk olmas gerektiinden aranan aralk -4 20 olarak bulunur.
Analiz 3
Eer temel d deikenlerden birinin kar katsays deiirse yeni gelir:
z = 60x1+(30+)x2+20x3 = z+x2
= 280-5x2-10s2-10s3+x2
= 280-(5-)x2-10s2-10s3
eklinde hesaplanr. Bu durumda da optimalliin bozulmama art 5'dir. Fakat
> 5 olursa masa retmek daha iyi olacaktr. Bu durumda da masa iin indirgenmi
maliyetin $5.00 olduu sylenebilir.
38
3.4 DUALTE
3.4.1 Dual Teoremi
Bir DP modeli olurlu ise primal DP'nin en iyi zm (ama fonksiyonu) deeri dual
DP'nin en iyi zm deerine eittir.
3.4.2 Normal Enbykleme Sorununun Dualini Bulma
m kstl ve n deikenli bir DP iin matris gsterimi; b, m uzunluunda tek boyutlu bir
vektr; c ve x, n uzunluunda tek boyutlu vektr ve A m satrl n stunlu iki boyutlu
bir matrisi gstermek zere; aadaki gibidir:
maks
cx
yle ki Ax <= b
x >= 0
Bu ekilde gsterilebilen bir primal DP iin, m uzunluunda tek boyutlu bir y vektr
kullanlarak, bir dual (eters) DP yazlabilir:
min
by
yle ki Ay >= c
y >= 0
Aadaki tablo yardmyla kolayca bir primal modelin duali bulunabilir. Eer primal
model normal enbykleme sorunu ise Tablo 1 soldan saa okunarak model yazlr.
Tablo yukardan aaya okunduunda ise dual bulunmu olur.
Table 1. Dualin bulunmas
maks z
min w
x1>0
x2>0
x1
x2
a11
a21
....
am1
>c1
a12
a22
....
am2
>c2
y1>0
y2>0
....
ym>0
y1
y2
....
ym
....
xn>0
xn
....
....
....
a1n
a2n
....
amn
>cn
<b1
<b2
....
<bm
39
3.4.3 Normal Enkkleme Sorununun Dualini Bulma

m kstl ve n deikenli bir DP iin matris gsterimi; b, m uzunluunda tek boyutlu bir
vektr; c ve x, n uzunluunda tek boyutlu vektr ve A m satrl n stunlu iki boyutlu
bir matrisi gstermek zere; aadaki gibidir:
min
cx
yle ki Ax >= b
x >= 0
Bu ekilde gsterilebilen bir primal DP iin, m uzunluunda tek boyutlu bir y vektr
kullanlarak, bir dual DP yazlabilir.
maks by
yle ki yA <= c
y >= 0
Yukarda sz edilen tablo yntemi normal enkkleme sorununun dualini bulma iin
de kullanlabilir. Eer primal model normal enkkleme sorunu ise Tablo 1
yukardan aaya okunarak model yazlr. Tablo soldan saa okunduunda ise dual
bulunmu olur.
3.4.4 Normal Olmayan Enbykleme Sorununun Dualini Bulma
1. Tablo 1'i primal model soldan saa okunacak ekilde doldurunuz
2. Aadaki deiiklikler yapldktan sonra dual model yukardan aa okunabilir:
a) Eer i. primal kst > kstsa, ilgili dual deiken yi < 0 eklinde
olmaldr.
b) Eer i. primal kst eitlikse, ilgili dual deiken yi "iareti
snrlandrlmam" (unrestricted in sign - urs) deikendir.
c) Eer i. primal deiken urs ise, i. dual kst eitliktir.
3.4.5 Normal Olmayan Enkkleme Sorununun Dualini Bulma
1. Tablo 1'i primal model yukardan aaya okunacak ekilde doldurunuz
2. Aadaki deiiklikler yapldktan sonra dual model soldan saa okunabilir:
a) Eer i. primal kst < kstsa, ilgili dual deiken xi < 0 eklinde
olmaldr
b) Eer i. primal kst eitlikse, ilgili dual deiken xi "iareti
snrlandrlmam" (urs) deikendir.
c) Eer i. primal deiken urs ise, i. dual kst eitliktir
40
3.4.6 Dual Ekonomik Yorum iin rnek (Dakota Mobilya)

x1, x2, x3 retilen sra, masa ve sandalye saysn gstersin. Haftalk kar $z iken DP
modeli:
maks z = 60x1+30x2+20x3
8x1+ 6x2+
x3 < 48
(Tahta kst)
4x1+ 2x2+1.5x3 < 20
(Montaj kst)
2x1+1.5x2+0.5x3 <
(Marangozluk kst)
x1,x2,x3 > 0
Dual
Farzedelim ki bir giriimci Dakota'nn tm kaynaklarn (hammadde) satn almak
istiyor.
Dual sorunda y1, y2, y3 srasyla bir m2 tahta, bir ssat montaj iilii ve bir saat
marangozluk iin denmesi gereken creti gsterir.
$w de kaynak satn alma toplam maliyetini gsterir.
Kaynak
cretleri
Dakota'y
sata
tevik
edecek
kadar
yksek;
giriimciyi
vazgeirmeyecek kadar az olmaldr. Bu durumda da toplam satn alma maliyeti

toplam kar kadar olur.
min w = 48y1+ 20y2+ 8y3
8y1 +
4y2 +
2y3 > 60 (Sra kst)
6y1 +
2y2 + 1.5y3 > 30 (Masa kst)
y1 + 1.5y2 + 0.5y3 > 20 (Sandalye kst)

y1,y2,y3 > 0
41
4. ULATIRMA SORUNLARI
Genel olarak, bir ulatrma sorunu aadaki bilgileri barndrr:
Bir rn/hizmet gnderen m adet arz noktas (supply point). i arz noktas en
fazla si birim arz edebilir.
rnn/hizmetin gnderildii n adet talep noktas (demand point). j talep

noktas en az dj birime gereksinim duyar.
Bir birimin i arz noktasndan j talep noktasna gnderilmesi maliyeti cijdir.
Sz konusu bilgi aadaki ulatrma tablosu ile formle edilebilir:
Arz
noktas 1
Arz
noktas 2
Talep
noktas 1
c11
Talep
noktas 2
c12
c21
c22
c2n
cm1
cm2
cmn
.....
Talep
noktas n
c1n
ARZ
s1
s2
.....
Arz
noktas m
TALEP
d1
d2
sm
dn
Eer toplam talep miktar toplam arz miktarna eitse sorun dengeli ulatrma
sorunu olarak isimlendirilir.
42
4.1 ULATIRMA SORUNLARININ FORMLASYONU

4.1.1 DP Gsterimi
xij = i arz noktasndan j talep noktasna gnderilen miktar olsun.
Bu durumda ulatrma sorununun genel DP gsterimi aadaki gibidir:
min i
j cij xij
yle ki j xij < si (i=1,2, ..., m)
i xij > dj (j=1,2, ..., n)
Arz kstlar
Talep kstlar
xij > 0
Yukardaki sorun, bir enbykleme sorunu (ulatrma sonucu kar elde edilmesi gibi)
da olsa, kstlarnn benzer zellikler tamas durumunda yine bir ulatrma
sorunudur.
4.1.2 Dengeli Ulatrma Sorunu iin Powerco rnei
Powerco irketinin drt ehre hizmet veren adet elektrik santrali vardr. Her bir
santral srasyla 35 milyon, 50 milyon ve 40 milyon kWh elektrik retmektedir.
ehirlerin en youn saatlerde talep ettii elektrik miktar ise srasyla 45 milyon, 20
milyon, 30 milyon ve 30 milyon kWhdir. 1 milyon kWh elektriin bir santralden bir
ehre gnderilmesinin maliyeti aadaki tabloda verilmitir. Her ehrin talebini en az
maliyetle karlamak zere bir ulatrma tablosunda dengeli bir ulatrma sorunu
formle ediniz ve sorunun DP modelini gsteriniz.
Santral 1
Santral 2
Santral 3
ehir 1
$8
$9
$14
ehir 2
$6
$12
$9
ehir 3
$10
$13
$16
ehir 4
$9
$7
$5
43
Yant:
1. Ulatrma sorununun formlasyonu
Santral 1
ehir 1
8
ehir 2
6
ehir 3
10
ehir 4
9
12
13
14
16
Santral 2
Santral 3
TALEP
45
20
30
30
ARZ
35
50
40
125
Toplam talep ve toplam arz eit olduundan (125 milyon kWh) sorun dengelidir.
2. Sorunun DP modeli olarak gsterimi
xij: Santral ide retilen ve ehir jye gnderilen elektrik miktar (million kwh)
min z = 8 x11 + 6 x12 + 10 x13 + 9 x14 + 9 x21 + 12 x22 + 13 x23 + 7 x24 + 14
x31 + 9 x32 + 16 x33 + 5 x34
s.t. x11 + x12 + x13 + x14 < 35
(arz kstlar)
x21 + x22 + x23 + x24 < 50

x31 + x32 + x33 + x34 < 40
x11 + x21 + x31 > 45
(talep kstlar)
x12 + x22 + x32 > 20

x13 + x23 + x33 > 30
x14 + x24 + x34 > 30
xij > 0
(i = 1, 2, 3; j = 1, 2, 3, 4)
4.1.3 Dengesiz bir Ulatrma Sorununun Dengelenmesi

Fazla Arz
Eer toplam arz miktar toplam talep miktarn geerse, sorunu dengelemek iin talep
miktar aradaki fark (fazla arz miktar) kadar olan bir yapay talep noktas yaratrz.
Sz konusu noktaya yaplacak gnderimler aslnda olmayaca iin bu noktaya arz
noktalarndan yaplacak ulatrma maliyeti 0 olacaktr.
Karlanmayan Talep
Eer toplam arz miktar toplam talep miktarndan azsa, aslnda olurlu bir zm
yoktur (talepler karlanamaz). Bu durumda karlanamayan talep kadar arz olan bir
44
yapay arz noktas yaratrz. Talebin olmayan bir arz noktasndan karlanamamas
beraberinde bir ceza maliyeti getirir.
4.1.4 Fazla Arz iin Deitirilmi Powerco rnei
ehir 1in talebinin 40 milyon kwh olduunu farz edelim. Bu durumda dengeli bir
ulatrma sorunu formle ediniz.
Yant
Toplam talep 120 ve toplam arz 125 olduundan sorun dengeli deildir.
Sorunu dengelemek iin bir yapay talep noktas yaratrz. Sz konusu noktann talebi
125 120 = 5 milyon kwh olacaktr.
Her santralden yapay talep noktasna 1 milyon kwh elektrik gndermenin maliyeti 0
olacaktr.
Tablo 4. Fazla Arz rnei iin Ulatrma Tablosu
Santral 1
ehir 1
8
ehir 2
6
ehir 3
10
ehir 4
9
Yapay
0
12
13
14
16
Santral 2
Santral 3
TALEP
40
20
30
30
ARZ
35
50
40
125
4.1.5 Karlanmayan Talep iin Deitirilmi Powerco rnei

ehir 1in talebinin 50 milyon kwh olduunu farz edelim. Karlanamayan her 1
milyon kWh elektrik iin 80$ ceza maliyeti kesilirse dengeli bir ulatrma sorunu
formle ediniz.
Yant
5 milyon kWh elektrik arz eden bir yapay arz noktas yaratrz.
Santral 1
ehir 1
8
ehir 2
6
ehir 3
10
ehir 4
9
12
13
14
16
80
80
80
80
Santral 2
Santral 3
Talep
TALEP
50
20
30
30
ARZ
35
50
40
5
130
45
4.2 TEMEL OLURLU ZMN BULUNMASI

Dengeli bir ulatrma sorunu iin genel DP gsterimi aadaki gibi yazlabilir::
min i
j cij xij
yle ki j xij = si (i=1,2, ..., m)
i xij = dj (j=1,2, ..., n)
Arz kstlar
Talep kstlar
xij > 0
Sz konusu soruna bir temel olurlu zm (basic feasible solution - bfs) bulmak iin
aadaki nemli gzlemi kullanmalyz:
Eer dengeli bir ulatrma sorununda xijlerin deerler kmesi bir kst haricinde tm
kstlar salarsa, bu deerler o ksd da salar.
Bu gzlem ulatrma sorununun zm srasnda herhangi bir kst gzard
edebileceimizi ve m+n-1 ksttan oluan bir DP zeceimizi gsterir. Genel olarak
ilk arz kst deerlendirme d braklr.
Geri kalan m+n-1 ksda bfs bulmak iin herhangi bir m+n-1 deikenin temel zm
verebileceini dnebilirsiniz: fakat sz konusu m+n-1 deikenin temel zmde
olabilmesi iin bir dng oluturmamalar gerekir.
En az drt hcrenin bir dng oluturmas iin:
Herhangi ardk iki hcrenin ayn satr veya stunda olmas gerekir
Ayn satr veya stunda ardk hcre olmamaldr
Serinin son hcresi ilk hcre ile ayn satr veya stunda olup dngy
kapatmaldr
Dengeli bir ulatrma sorununa temel olurlu zm bulmak iin farkl yntem
kullanlabilir:
1. Kuzeybat Ke (Northwest Corner) Yntemi
2. Enkk Maliyet (Minimum Cost) Yntemi
3. Vogelin Yaklam
46
4.2.1 Kuzeybat Ke Yntemi

Ulatrma tablosunun en sol st kesinden balarz ve x11i mmkn olduunca
byk bir deer atarz (tabii ki, x11 en ok s1 ve d1 ikilisinin en kk deeri kadar
olabilir).
Eer x11=s1 ise ilk satr iptal ediniz ve d1i d1-s1 olarak gncelleyiniz
Eer x11=d1 ise ilk stunu iptal ediniz ve s1i s1-d1 olarak gncelleyiniz
Eer x11=s1=d1 ise ya ilk satr ya da ilk stunu iptal ediniz (her ikisini de deil!)
Eer satr iptal ettinizse d1i sfr yapnz
Eer stunu iptal ettinizse s1i sfr yapnz
Bu ekilde devam ederek (her seferinde geri kalan hcrelerde yeni sol-st keye
atama yaparak) tm atamalar yaplr. Sonuta, bir hcre geriye kalacaktr. Satr veya
stundaki deeri atayarak ve hem satr hem de stunu iptal ederek ilemi bitiriniz: bir
bfs elde edilmitir.
Aadaki dengeli ulatrma sorunu iin bir bfs bulalm
(Bu yntemde maliyetler gerekmediinden verilmemitir!).
5
1
3
2
Toplam talep toplam arza eittir (9): sorun dengelidir.
47
3
1
3
1
X
1
3
X
3
m+n-1 (3+4-1 = 6) adet deiken atanm olur. KBK yntemi ile seilen deikenler
bir dng oluturmadklarndan bir bfs bulunmutur.
48
4.2.2 Enkk Maliyet Yntemi

KBK yntemi maliyetleri gz nne almadndan balang bfssi maliyeti yksek
olan bir zm olabilir ve en iyi zmn bulunmas iin ok sayda ilem gerekebilir.
Bu durumla karlamamak iin kullanlabilecek olan enkk maliyet ynteminde en
dk tama maliyeti olan hcreye atama yaplr. Bu hcreye yaplacak xij atamas
yine min {si, dj} kadardr.
KBK yntemindeki gibi atama yaplan hcrenin olduu satr veya stun iptal edilip arz
ya da talep deeri gncellenir ve tm atamalar yaplncaya kadar devam edilir.
2
12
4
3
12
4
3
8
3
10
4
3
5
8
3
5
5
2
15
5
X
15
2
2
15
2
2
10
X
X
15
49
5
2
8
3
4
5
6
4
X
X
15
50
4.2.3 Vogel'in Yaklam

Her satr ve stun iin ceza hesaplanarak ynteme balanr. Ceza o satr veya
stundaki en kk iki maliyet arasndaki farktr.
Daha sonra cezas enbyk olan satr veya stun bulunur.
Sz konusu satr veya stundaki en dk maliyetli hcre ilk temel deikeni verir.
Yine KBK yntemindeki gibi bu deikene atanacak deer, ilgili hcrenin arz ve talep
miktarlarna baldr. Gerekli iptaller ve gncellemeler yaplr
Yeniden geri kalan tablo iin yeni cezalar hesaplanr ve prosedre benzer admlarla
devam edilir.
15
80
78
Talep
15
Stun
cezas
15-6=9
80-7=73
78-8=70
80
78
5
15
Talep
15
Stun
cezas
15-6=9
78-8=70
7
5
8
5
15
80
78
Talep
15
Stun
cezas
15-6=9
Arz
Satr
cezas
10
7-6=1
15
78-15=63
Arz
Satr
cezas
8-6=2
15
78-15=63
Arz
Satr
cezas
15
51
Arz
6
7
5
15
80
15
Talep
8
5
78
0
15
X
15
52
4.3 ULATIRMA SMPLEKS

4.3.1 Yntemin Admlar
1. Eer ulatrma sorunu dengesiz ise dengeleyiniz.
2. Bir bfs bulmak iin KBK, Enkk Maliyet veya Vogel yntemlerinden birini
kullannz
3. u1 = 0 olarak kabul edip mevcut bfsdeki tm temel deikenler iin ui + vj = cij
denklemini kullanarak ular ve vleri hesaplaynz.
4. Tm temel d deikenler iin ui + vj cij < 0 ise, en iyi zm bulunmutur. Eer
bu koul salanmazsa ui + vj cij deeri en pozitif olan deiken pivot ilemleri ile
temele girer ve temeldeki deikenlerden biri zmden kar. Bylece yeni bir
bfs bulunmu olur.
5. Yeni bfs iin Adm 3 ve 4 tekrar ediniz.
Enbykleme sorunu iin yine yukardaki adnlar uygulanr. Sadece 4. admda
aadaki deiiklik yaplmaldr:
Tm temel d deikenler iin ui + vj cij > 0 ise, en iyi zm bulunmutur. Eer
bu koul salanmazsa ui + vj cij deeri en negatif olan deiken pivot ilemleri ile
temele girer ve temeldeki deikenlerden biri zmden kar. Bylece yeni bir bfs
bulunmu olur
Pivot ilemleri
1. zme girecek olan deiken ile temel deikenlerin bazlar veya hepsi bir
dng oluturur (sadece bir olas dng vardr!).
2. Dngdeki hcreleri zme giren hcreden balayarak saynz. Says ift
olanlar (0, 2, 4, vb.) ift hcreler olarak iaretleyiniz. Dngdeki dier hcreleri de
tek hcreler olarak iaretleyiniz.
3. Tek hcrelerde deeri en kk olan deikeni bulunuz. Bu deere diyelim. Bu
deiken temel d kalacaktr. lemi tamamlamak iin tm tek hcrelerdeki
deerlerden karalm ve ift hcrelerdeki deerlere ekleyelim. Dngde
olmayan deikenlerin deeri deimez. Eer = 0 ise giren deiken 0 deeri
ile zme girecektir.
53
4.3.2 Powerco rneinin zm

Sorun dengelidir (toplam talep toplam arza eittir).
Powerco rneine KBK yntemi uygulanrsa, aadaki tabloda grelen bfs elde
edilir (m+n1=6 temel deiken!).
Santral 1
Santral 2
Santral 3
ehir 1
8
35
9
10
14
ehir 2
6
ehir 3
10
ehir 4
9
13
16
12
20
9
45
35
50
20
10
TALEP
ARZ
20
40
30
30
30
125
u1 = 0
u1 + v1 = 8
v1 = 8
u2 + v1 = 9
u2 = 1
u2 + v2 = 12 v2 = 11
u2 + v3 = 13 v3 = 12
u3 + v3 = 16 u3 = 4
u3 + v4 = 5
v4 = 1
Tm temel d deikenler iin ij = ui + vj cij hesaplanr:

12 = 0 + 11 6 = 5
13 = 0 + 12 10 = 2
14 = 0 + 1 9 = -8
24 = 1 + 1 7 = -5
31 = 4 + 8 14 = -2
32 = 4 + 11 9 = 6
32 en pozitif olan deeri verdiinden, x32 temel deiken olacaktr.
x32nin de olduu dng (3,2)-(3,3)-(2,3)-(2,2) eklindedir: = 10 bulunur.
Santral 1
Santral 2
Santral 3
TALEP
ehir 1
8
35
9
10
14
ehir 2
ehir 3
10
ehir 4
9
12
13
16
20
20+
9
45
10
20
30
30
30
ARZ
35
50
40
125
54
x33 temel d deiken olacaktr. Yeni bfs aadaki tabloda verilmitir:

ui/vj
11
12
ARZ
10
12
13
16
35
35
10
10
14
-2
40
30
10
TALEP
50
30
45
20
30
30
125
12 = 5, 13 = 2, 14 = -2, 24 = 1, 31 = -8, 33 = -6
12 en pozitif deeri verdiinden, x12 zme girer.
x12nin de olduu dng (1,2)-(2,2)-(2,1)-(1,1) eklindedir ve = 10dur
ehir 1
Santral 1
Santral 2
ehir 2
8
ehir 3
10
ehir 4
9
12
13
16
35
35
9
10+
14
40
30
10
45
50
30
10
Santral 3
TALEP
ARZ
20
30
30
125
x22 zmden kar. Yeni bfs aadaki tabloda verilmitir:

ui/vj
0
1
8
8
25
12
ARZ
10
12
13
16
10
9
20
30
14
3
TALEP
30
10
45
20
30
30
35
50
40
125
13 = 2, 14 = -7, 22 = -5, 24 = -4, 31 = -3, 33 = -1
55
13 en pozitif olan deeri verdiinden, x13 temel deiken olacaktr.

x13n de olduu dng (1,3)-(2,3)-(2,1)-(1,1) eklindedir. = 25
Santral 1
Santral 2
Santral 3
ehir 1
8
25
9
20+
14
ehir 2
6
10
12
9
ehir 3
10
13
30
16
ehir 4
9
7
5
30
10
TALEP
45
20
ARZ
35
50
40
30
30
125
10
ARZ
x11 temel d deiken olur. Yeni bfs:

ui/vj
6
8
0
3
10
10
13
25
12
45
5
14
3
TALEP
16
45
5
30
10
20
30
30
35
50
40
125
11 = -2, 14 = -7, 22 = -3, 24 = -2, 31 = -5, 33 = -3

Tm ijler negatif olduundan en iyi zm bulunmutur.
Rapor
Santral 2den ehir 1e 45 milyon kwh elektrik gnderilmelidir.
Santral 1den ehir 2ye 10 milyon kwh elektrik gnderilmelidir. Benzer ekilde
Santral 3den ehir 2ye 10 milyon kwh elektrik gnderilmelidir.
Santral 1den ehir 3e 25 milyon kwh ve Santral 2den ehir 3e 5 milyon kwh
elektrik gnderilmelidir.
Santral 3den ehir 4e 30 milyon kwh elektrik gnderilmelidir
Toplam tama maliyeti:
z = .9 (45) + 6 (10) + 9 (10) + 10 (25) + 13 (5) + 5 (30) = $ 1020
56
4.4 GEC KONAKLAMA SORUNLARI

Baz durumlarda gnderim srecindeki bir nokta hem rn/hizmet gnderebilir, hem
de sz konusu noktaya rn/hizmet gnderilebilir. rn/hizmetin arz noktasndan
talep noktasna gnderimi srasnda geici olarak konaklad bu nokta geici
konaklama noktas olarak isimlendirilir.
Bu zellii olan bir gnderim sorunu geici konaklama sorunudur.
Geici konaklama sorununa en iyi zm sz konusu sorunu ulatrma sorununa
dntrp ulatrma sorununu zerek bulunabilir.
Uyar
Ulatrma Sorunlarnn Formlasyonu blmnde belirtildii gibi, bir baka noktaya
bir rn/hizmet gnderen fakat hi bir noktadan rn/hizmet alamayan nokta arz
noktas olarak isimlendirilir.
Benzer ekilde, bir talep noktas da dier noktalardan rn/hizmet alabilir fakat hi
bir noktaya rn/hizmet gnderemez.
4.4.1 Admlar
1. Eer sorun dengesiz ise sorunu dengeleyiniz.
s = dengeli sorun iin toplam arz (veya talep) miktar olsun
2. Aadaki ekilde bir ulatrma tablosu kurunuz:
Her arz ve geici konaklama noktas iin tabloda bir satr gerekecektir
Her talep ve geici konaklama noktas iin bir stun gerekecektir
Her arz noktasnn arz o noktann arz miktar kadar olacaktr
Her talep noktasnn talebi o noktann talep miktar kadar olacaktr
Her geici konaklama noktasnn arz o noktann arz miktar + s kadar olacaktr
Her geici konaklama noktasnn talebi o noktann talep miktar + s kadar
olacaktr
3. Ulatrma sorununu znz
57
4.4.2 Kuruolu rnei

(Winston 7.6.dan esinlenilmitir)
Kuruoglu
Malatya
ve
G.Antepdeki
fabrikalarnda
buzdolab
retmektedir.
Malatyadaki fabrika gnde en fazla 150 adet, G.Antepteki fabrika ise gnde en fazla
200 adet buzdolab retebilmektedir. Buzdolaplar uak ile stanbul ve zmirdeki
mterilere gnderilmektedir. Her iki ehirdeki mterilerin gnlk talebi 130 adet
buzdolabdr. Gnderim maliyetlerindeki deiiklikler yznden baz buzdolaplarnn
fabrikalardan uakla ncelikle Ankara veya Eskiehire gnderilmesi ve daha sonra
nihai mterilere bu ehirlerden gnderilmesi dnlmektedir. Bir buzdolabnn
tama maliyeti aadaki tabloda verilmitir. Kuruolu toplam tama maliyetlerini
enazlayacak ekilde mteri taleplerini karlamak istemektedir.
Tablo 1. Gnderim Maliyetleri
TL
Malatya
G.Antep
Ankara
Eskiehir
Istanbul
zmir
Malatya
0
-
G.Antep
0
-
Ankara
8
15
0
6
-
Eskiehir
13
12
6
0
-
Istanbul
25
26
16
14
0
-
zmir
28
25
17
16
0
Yant:
Bu sorunda Ankara ve Eskiehir geici konaklama noktalardr.
Adm 1. Sorunu dengeleme
Toplam arz = 150 + 200 = 350
Toplam talep = 130 + 130 = 260
Yapay talep = 350 260 = 90
s = 350 (dengeli sorun iin toplam arz veya talep miktar)
Adm 2. Bir ulatrma tablosu kurma
Geici konaklama noktas talebi = O noktann talep miktar + s = 0 + 350 = 350
Geici konaklama noktas arz = O noktann arz miktar + s = 0 + 350 = 350
58
Tablo 2. Geici Konaklama sorununun Ulatrma Sorunu Olarak Gsterimi

Ankara
Eskiehir
Istanbul
13
25
28
15
12
26
25
16
17
14
16
Malatya
G.Antep
Ankara
Eskiehir
Talep
350
350
130
Izmir
Yapay
130
Arz
150
200
350
350
90
Adm 3. Ulatrma sorununun zm

Tablo 3. Ulatrma Sorununun En iyi zm
Malatya
Ankara
Eskiehir
Istanbul
13
25
Talep
0
20
15
12
26
25
130
220
0
70
16
17
14
16
130
6
Eskiehir
Yapay
28
130
G.Antep
Ankara
Izmir
0
350
350
350
130
130
90
Arz
150
200
350
350
1050
Rapor:
Kuruoglu Malatyada 130 buzdolab retip bunlarn tamamn Ankara zerinden
stanbula gndermelidir.
G.Antepde retilecek 130 buzdolab ise dorudan zmire gnderilmelidir.
Bu durumda toplam tama maliyeti 6370 TL olacaktr.
Uyar: Geici konaklama sorununun zmn yorumlarken yapaya gnderilen
(veya yapayn gnderdii) ve bir noktann kendisine gnderdii miktarlara nem
verilmez.
59
4.5 ATAMA SORUNLARI

Ulatrma sorunlarnda her arz noktasnn bir talep noktasna atanmasn ve her
talebin karlanmasn gerektiren zel bir durum sz konusudur. Bu tip sorunlar
atama sorunlar olarak isimlendirilir. rnein hangi iinin veya makinenin hangi ii
yapacan belirlemek bir atama sorunudur.
4.5.1 DP Gsterimi
Bir atama sorununda bir arz noktasn bir talep noktasna atamann maliyeti cijdir.
te yandan, bir xij 0-1 tamsay deikeni aadaki gibi tanmlanr:
xij = 1 eer i. arz noktas j. talep noktasnn talebini karlamak zere atanrsa
xij = 0 eer i. arz noktas j. talep noktasnn talebini karlamazsa
Bu durumda, bir atama sorununun genel DP gsterimi
min i
j cij xij
yle ki j xij = 1 (i=1,2, ..., m)
i xij = 1 (j=1,2, ..., n)
Arz kstlar
Talep kstlar
xij = 0 veya xij = 1

eklindedir.
4.5.2 Macar Yntemi
Tm arz ve talep miktarlar tamsay olduundan, en iyi zmdeki tm deikenler
de tamsay olmaldr. Her kstn ST deeri 1e eit olduundan, her xij 1den byk
olmayan ve negatif olmayan bir tamsay olmaldr. Bu durumda her xij 0 veya 1
olmaldr.
xij = 0 veya xij = 1 kstlamasn DP gsteriminde ihmal edersek, her arz noktasnn bir
adet arz ettii ve her talep noktasnn bir adet talep ettii dengeli bir ulatrma sorunu
ile karlarz.
Fakat atama sorununun ulatrma simpleks yntemi ile zlmesi yukarda verilen
kstlamay kullanmayaca iin etkin olmayacaktr.
Bu yzden simpleksden daha basit bir algoritma olan Macar Yntemi ile atama
sorunlar zlr.
60
Uyar
1. Ama fonksiyonunun enbyklenmesi istenilen atama sorunlarnda karlar
matrisindeki elemanlarn 1 ile arplarak sorunun enkkleme sorunu olarak
Macar Yntemi ile zlmesi gerekir
2. Eer maliyet matrisinde satr ve stun saylar eit deilse atama sorunu
dengesizdir. Bu durumda sorunu Macar Yntemi ile zmeden nce bir veya
daha fazla sayda yapay nokta eklenerek dengelenmelidir..
Admlar
1. mmlik maliyet matrisinin her satrndaki en kk maliyeti bulunuz.
2. Her maliyetten kendi satrndaki en kk maliyeti kararak bir matris kurunuz
3. Yeni matrisde her stunun en kk maliyetini bulunuz
4. Bu sefer her maliyetten kendi stunundaki en kk maliyeti kararak yeni bir
matris (indirgenmi maliyet matrisi) kurunuz
5. ndirgenmi maliyet matrisindeki tm sfrlar rtecek ekilde en az sayda (yatay
veya dey) izgi iziniz. Eer bu ilem iin m adet izgi gerekli ise en iyi zm
bulunmutur. Eer gerekli izgi says m adetten az ise bir sonraki adma geiniz
6. ndirgenmi maliyet matrisinde Adm 5de izilen izgiler ile rtlmemi ve
sfrdan farkl en kk maliyeti (k) bulunuz
7. Her stnden izgi gemeyen maliyetten ky karnz ve ift izgi ile rtlen her
maliyete ky ekleyiniz. Adm 5e dnnz.
61
4.5.3 Uu Ekibi rnei

(Winston 7.5.den esinlenilmitir)
Drt adet kaptan pilot (Seluk, Serkan, mit, Volkan) uularda beraber olduklar
drt adet uu teknisyenini (Tuncay, nder, Servet, Kemal) yetkinlik, uyum ve moral
motivasyon asndan 1-20 leinde deerlendirmilerdir (1: ok iyi, 20: ok kt).
Deerlendirme notlar Tablo 1de verilmitir. Havayolu irketi her uu teknisyeninin
uu atamasn mmkn olduunca kendisine iyi not veren kaptan pilotla yapmak
istemektedir. Uu ekipleri nasl olmaldr?
Tablo 1. Makaleler iin Zamanlar (gerekli hafta says)
Tuncay
2
2
7
14
Seluk
Serkan
mit
Volkan
nder
4
12
8
5
Servet
6
6
3
8
Kemal
10
5
9
7
Yant:
Adm 1. Tablo 1deki her satr iin en kk maliyetler srasyla 2, 2, 3 ve 5dir.
Adm 2 & 3. Her maliyetten kendi satrndaki en kk maliyeti kararak Tablo 2yi
elde edilir. Yeni matrisin her stunun en kk maliyeti.bulunur.
Tablo 2. Satr minimumlar karldktan sonra maliyet matrisi
Stun minimumu
0
0
4
9
0
2
10
5
0
0
4
4
0
3
0
8
3
6
2
2
Adm 4. Bu sefer her maliyetten kendi stunundaki en kk maliyeti kararak

indirgenmi maliyet matrisi elde edilir (Tablo 3).
Tablo 3. ndirgenmi maliyet matrisi
0
0
4
9
2
10
5
0
4
4
0
3
6
1
4
0
Adm 5. Tablo 4de gsterildii gibi 3. ve 4. satr ile 1. stunda izilecek izgiler
indirgenmi maliyet matrisindeki tm sfrlar rter. Gerekli en az izgi says 3dr.
4den az izgi gerektiinden zm en iyi deildir. Bir sonraki adma geilir.
Tablo 4. Sfrlar rten izgilerle indirgenmi maliyet matrisi
0
0
4
9
2
10
5
0
4
4
0
3
6
1
4
0
62
Adm 6 & 7. rtlememi en kk maliyet 1dir. Her rtlmemi maliyetten 1

karlr ve iki izgi ile rtlenlere 1 eklenir. Tablo 6 elde edilir.
Table 6. Sonu matrisi
0
0
5
10
1
9
5
0
3
3
0
3
5
0
4
0
Tm sfrlar rtmek iin imdi drt izgiye gerek vardr. En iyi zm bulunmutur.
Stun 3deki tek sfr x33de ve Stun 2deki tek sfr x42dedir. Satr 4 tekrar
kullanlmayaca iin Stun 4 iin kalan sfr x24dedir. Son olarak x11i seeriz.
Seilen tm karar deikenleri 1e eittir.
Rapor:
KP Seluk, UT Tuncay ile; KP Serkan, UT Kemal ile; KP mit, UT Servet ile; KP
Volkan, UT nder ile umaldr.
63
5. TAMSAYILI PROGRAMLAMA
DP sorunlarnn modeli kurulurken baz karar deikenlerinin kesinlikle tamsay
deerler almas gerektiini grrz fakat DPye uygun olmas iin byk deerler
alabilecek karar deikeninin kesirli ksm yok saylabilir mant ile kesirli deerler
almalarna
izin veririz. Baz durumlarda bu varsaym kabul edilemez olabilir.
Bulunacak saysal sonucun tamsay deerler almas gerekebilir.

Bu tip durumlardaki sorunlara Tamsayl Program (TP; Integer Programming IP)
denilir ve sz konusu programlarn zm konusu Tamsayl Programlama (TP)
olarak isimlendirilir.
Sonlu sayda seenek kmesindeki seenekler ile ilgili birok kararn yap/yapma,
evet/hayr gibi kesikli olmas yznden TPler sklkla kullanlr.
Tm deikenlerin tamsay olduu bir programlama sorunu tamamen tamsayl
programlama sorunu olarak isimlendirilir.
Eer deikenlerin bazlar tamsay, bazlar kesirli ise sz konusu sorun karma
tamsayl programlama sorunu adn alr.
Baz durumlarda tamsay deikenler sadece 0 veya 1 deerlerini alabilir. Bu tip
sorunlar da tamamen (karma) 0-1 programlama sorunlar veya tamamen (karma)
ikili tamsay programlama sorunlar olarak isimlendirilir.
64
5.1 TPNN FORMLASYONU

5.1.1 Bteleme Sorunlar
5.1.1.1 Sermaye Bteleme rnei
Farzedelim ki $14,000 yatrm yapmak istiyoruz. Drt yatrm frsat belirledik. Yatrm
1 $5,000lk bir yatrm gerektirmekte ve getirisinin imdiki deeri $8,000 olmaktadr.
Yatrm 2 $7,000lk bir yatrm gerektirmekte ve getirisinin imdiki deeri $11,000
olmaktadr. Yatrm 3 $4,000lk bir yatrm gerektirmekte ve getirisinin imdiki deeri
$6,000 olmaktadr. Yatrm 4 ise $3,000lk bir yatrm gerektirmekte ve getirisinin
imdiki deeri $4,000 olmaktadr.
Hangi yatrmlara para yatrarak toplam getirimizi enbykleyebiliriz?
Yant
DPde olduu gibi ilk adm deikenleri belirlemektir. Tamsay snrlamasnn getirdii
eitli karklklar ve numaralar yznden TPde bu ilem daha zordur.
rnekte her yatrm iin bir 0-1 xj deikeni kullanacaz..
xj 1 ise j. yatrm yaplr
xj 0 ise j. yatrm yaplmaz
Bu durumda 0-1 programlama sorunu sz konusudur:
maks
8 x1 + 11 x2 + 6 x3 + 4 x4
yle ki
5 x1 + 7 x2 + 4 x3 + 3 x4 < 14
xj = 0 veya 1 j = 1, 4
Dorudan yaplacak bir deerlendirmede (ama fonksiyonu katsaylarnn kst

katsaylarna oranlanmas) Yatrm 1in en iyi seenek olduu nerilebilir.
Tamsay kstlarna nem verilmezse en iyi DP zm aadaki gibidir:
x1 = 1, x2 = 1, x3 = 0.5 ve x4 = 0; toplam getiri deeri $22,000.
Ne yazk ki bu zm tamsayl zm deildir. x3 0a yuvarlanrsa $19,000.toplam
getiri deeri olan olurlu bir zm elde edilir.
TP zm teknii kullanlarak en iyi tamsayl zm bulunursa x1 = 0, x2 = x3 = x4 = 1
ve toplam getiri deeri $21,000 olur.
Bu rnek yuvarlamann her zaman en iyi deeri vermediini gsterir.
65
5.1.1.2 ok Dnemli Sermaye Bteleme rnei

nmzdeki yllk planlama dnemi iin drt projenin deerlendirilmesi
yaplacaktr. Her projeye ait beklenen getiriler ile yllk harcamalar aadaki tabloda
gsterilmitir. yl boyunca uygulamaya konulacak projeleri belirleyiniz.
Harcamalar
Proje
Getiri
Yl1
Yl2
Yl3
0.2
0.5
0.3
0.2
0.3
0.5
0.2
0.5
1.5
1.5
0.3
0.1
0.1
0.4
0.1
3.1
2.5
0.4
Kullanlabilir sermaye
Yant
xj = 1, j. proje uygulanrsa
xj = 0, aksi takdirde (j. proje uygulanmaz).
Kurulacak 0-1 programlama modeli:
Maks
0.2 x1 + 0.3 x2 + 0.5 x3 + 0.1 x4
yle ki
0.5 x1 + 1
x2 + 1.5 x3 + 0.1 x4 < 3.1
0.3 x1 + 0.8 x2 + 1.5 x3 + 0.4 x4 < 2.5

0.2 x1 + 0.2 x2 + 0.3 x3 + 0.1 x4 < 0.4
xj = 0 veya 1
j = 1, 4
Uyar
Ama fonksiyonu ve kstlar dorusaldr. Bu derste Tamsayl Dorusal Programlama
ile ilgileneceiz. Dorusal olmayan TPler de vardr fakat bu dersin kapsam
dndadrlar.
Sorunun Simpleks Yntemi ile zm sonucunda x1=0.4975 ktn varsayalm. Bu
durumda kesirli ksma nem vermeyip yuvarlama ilemi mantksz olacaktr. Bu
yzden DP yerine, TP algoritmalar kullanlarak en iyi zm bulunur.
66
5.1.1.3 Deitirilmi Sermaye Bteleme rnei

Baz yeni kstlarla sorunu geniletelim.
rnein, aadaki nermeleri ve getirdii kstlar dnelim:
Sadece iki yatrm yapabiliriz
x1 + x2 + x3 + x4 < 2
veya drt adet yatrm yaplmas durumunda x1 + x2 + x3 + x4 > 3 olacaktr
Eer Yatrm 2 yaplrsa,Yatrm 4 de yaplmaldr
x2 < x4 veya x2 x4 < 0
Eer x2 1 ise, x4 de istediimiz gibi 1 olur; eer x2 0 ise, x4 iin herhangi bir kstlama
olmaz (x4 0 veya 1 olur)
Eer Yatrm 1 yaplrsa, Yatrm 3 yaplamaz
x1 + x3 < 1
Eer x1 1 ise, x3 istediimiz gibi 0 olur; eer x1 0 ise, x3 iin herhangi bir kstlama
olmaz (x3 0 veya 1 olur)
Ya Yatrm 1 ya Yatrm 2 yaplabilir
x1 + x2 = 1
Eer x1 1 ise, x2 0 olur (sadece Yatrm 1 yaplr); eer x1 0 ise, x2 1 olur (sadece
Yatrm 2 yaplr).
67
5.1.2 Srt antas Sorunlar

Sadece bir ksd olan herhangi bir TP srt antas sorunu olarak isimlendirilir.
Bir dier zellik de ksdn ve ama fonksiyonunun katsaylar negatif olmayan
saylardr.
rnein aadaki model srt antas sorunudur:
Maks
8 x1 + 11 x2 + 6 x3 + 4 x4
yle ki
5 x1 + 7 x2 + 4 x3 + 3 x4 < 14
xj = 0 veya 1 j = 1, 4
Geleneksel yk, bir srt antasnda (rnekte kapasitesi 14dr) baz eyalar (drt
eit eya) tamak ile ilgilidir. Her eyann bir bykl ve tama sonucu elde
edilecek bir deeri vardr (eya 2 iin byklk 7, deer 11dir).
Ama, srt antasna sabilecek eyalarn toplam deerini enbyklemektir.
Srt antas sorunlar genellikle kolay zlrler.
68
5.1.3 Sabit Maliyet Sorunlar

ok sayda retim ve yer seimi sorunlarnn modellenmesi iin de TP kullanlabilir.
Burada retim sorununa rnek olarak Gandhi rnei ve yer seimi sorununa rnek
olarak da ek tahsilat ofisi rnei verilmitir.
5.1.3.1 Gandhi rnei (retim)
(Winston 9.2., s. 470)
Gandhi Co snrl iilik ve kuma kullanarak gmlek, ort ve pantolon retmektedir.
Ayrca her rn retmek iin makine kiralanmas sz konusudur.
Gmlek ort Pant. Toplam Mevcut
ilik (saat/hafta)
3
2
6
150
2
Kuma (m /hafta)
4
3
4
160
Makine kiras ($/hafta) 200 150 100
Deiken birim maliyet
6
4
8
Sat fiyat
12
8
15
Yant
xj retilecek j. giysi says olsun
yj de j. giysinin retim karar olsun.
yj = 1, j. giysi retilecekse; yj = 0, aksi takdirde.
Kar = Sat geliri Deiken maliyet Makine kiras
rnein gmlekten elde edilecek kar z1 = ( 12 6 ) x1 200 y1.
ilik ve kuma snrl olduundan Gandhi iki kstla karlar.
xj > 0 iken yj = 1 olmasn salamak iin aadaki kstlar eklenir
xj < Mj yj
Kuma kst gz nne alnarak en fazla 40 gmlek yaplabilir (M1 = 40), bylece
gmlek iin eklenecek kst x1 zerinde gereksiz bir snr oluturmaz (Eer M1
yeterince byk seilmezse (rn. M1 = 10) x1in alabilecei deere gereksiz bir snr
getirilmi olur)
Benzer ekilde kuma ksd gz nne alnarak en fazla 53 ort yaplabilecei (M2 =
53) ve iilik ksd gz nne alnarak en fazla 25 pantolon yaplabilecei (M3 =
25).bulunur.
69
Bylece aadaki karma 0-1 TP elde edilir::

maks 6 x1 + 4 x2 + 7 x3 200 y1 150 y2 100 y3
yle ki 3 x1 + 2 x2 + 6 x3 < 150
4 x1 + 3 x2 + 4 x3 < 160
(ilik ksd)
(Kuma ksd)
x1 < 40 y1
(Gmlek retimi ve makine ksd)
x2 < 53 y2
(ort retimi ve makine ksd)
x3 < 25 y3
(Pantolon retimi ve makine kst)
x1, x2, x3 > 0 ve tamsay

y1, y2, y3 = 0 veya 1
Gandhi sorununa en iyi zm: z = $ 75, x3 = 25, y3 = 1.
Bu durumda 25 pantolon yapmalar ve bir pantolon makinesi kiralamalar durumunda
$75 kar elde edeceklerdir.
70
5.1.3.2 ek Tahsilat Ofisi rnei (Yer Seimi)

(Winston 9.2., s. 473den uyarlanmtr)
Bir Amerikan irketinin Birleik Devletlerdeki mterilerinin demelerini gnderdikleri
ekler ile topladn varsayalm. ekin tanzim edilip postalanmas (mterinin
ykmlln
yerine
getirmesi)
ile
ekin
irketin
eline
gemesi
(paraya
dntrlmesi) arasnda bir zaman olaca ve irketin paray kullanmasnn

gecikecei aktr. Bu yzden irket eitli ehirlerde ek tahsilat ofisleri aarak
ekleri paraya dntrmeyi hzlandrmay ve zaman kaybndan dolay urayaca
zarar azaltmay hedeflemektedir.
irketin bat, ortabat, dou ve gney blgelerindeki mterileri gnde srasyla
$70,000, $50,000, $60,000 ve $40,000lk demeyi ekle yapsnlar. irket L.A.,
Chicago, New York, ve/veya Atlantada ek tahsilat ofisleri aabilir. Bir ek tahsilat
ofisini iletmek iin yllk masraf $50,000dr. Blgelerden ofislere eklerin tanzim
edilip gnderimi ve paraya evrilmesi sreleri tabloda verilmitir.
Bat
Ortabat
Dou
Gney
LA
2
6
8
8
Chicago
6
2
5
5
NY
8
5
2
5
Atlanta
8
5
5
2
Hangi ofisler almaldr? Gnderim zaman yznden oluacak kayplar ve ofis

masraflarn enazlayacak ekilde bir TP modeli kurunuz. Faiz orannn % 20
olduunu ve her blgenin sadece bir ehirdeki ofise eklerini gnderebileceini
varsaynz.
Yant
ncelikle
her
atamann
getirecei
gecikmeler
yznden
oluacak
kayb
hesaplamalyz. rnein Bat blgesi eklerini New Yorka gnderirse ortalama

olarak gnlk ilem gren miktar $560,000 (= 8 * $70.000) olacaktr. Bu durumda %
20 faiz oran ile yllk kayp $112,000 olur. Bu ekilde her blgeden her ehre
gnderimler sonucu oluacak kayplar hesaplayp aadaki tabloyu oluturabiliriz.
Bat
Ortabat
Dou
Gney
LA
28
60
96
64
Chicago
84
20
60
40
NY
112
50
24
40
Atlanta
112
50
60
16
71
yj 0-1 deiken olsun ve j. ofis alrsa 1 deerini, almazsa 0 deerini alsn

xij = 1, i. blge j. ofise gnderirse; xij = 0, aksi takdirde.
Amacmz yllk kayplar ve masraflar enazlamaktr:
28 x11 + 84 x12 + 112 x13 + + 50 y1 + 50 y2 + 50 y3 + 50 y4
Bir kst kmesi her blgenin sadece bir ehirdeki ofise ek gndermesini
salamaldr:
TOP [j=1den to nye] xij = 1
her i iin
(TOP [j=1den nye], jnin 1den (1 dahil) nye (n dahil) alabilecei tm tamsay
deerleri iin toplam olarak okunmaldr)
Bir kst kmesi de bir blgenin ak bir ofise atanmas koulunu salamaldr
x1j + x2j + x3j + x4j < M yj
Drt blge olduundan M en az drt olacak ekilde herhangi bir saydr
(L.A.da ofis almadn (y1 = 0) varsayalm. Bu durumda x11, x21, x31 ve x41 de 0
olacaktr. Eer y1 1 ise x deerleri zerinde bir kstlama olmayacaktr.)
Bu sorun iin yirmi deiken (drt y deikeni, onalt x deikeni) ve sekiz kst
kullanlr ve aadaki 0-1 TP kurulur:
Min
28 x11 + 84 x12 + 112 x13 + 112 x14

+ 60 x21 + 20 x22 + 50 x23 + 50 x24
+ 96 x31 + 60 x32 + 24 x33 + 60 x34
+ 64 x41 + 40 x42 + 40 x43 + 16 x44
+ 50 y1 + 50 y2 + 50 y3 + 50 y4
st
x11 + x12 + x13 + x14 = 1

x21 + x22 + x23 + x24 = 1
x31 + x32 + x33 + x34 = 1
x41 + x42 + x43 + x44 = 1
x11 + x21 + x31 + x41 < 4y1
x12 + x22 + x32 + x42 < 4y2
x13 + x23 + x33 + x43 < 4y3
x14 + x24 + x34 + x44 < 4y4
Tm xij ve yj = 0 veya 1
72
Ayn sorun iin baka formlasyonlar da yaplabilir.

rnein aadaki ekilde oluturulan drt kst yerine
x1j + x2j + x3j + x4j < M yj
onlat kstl baka bir kme kullanlabilir:
xij < yj
i = 1, 2, 3, 4; j = 1, 2, 3, 4
Bu kstlar da bir blgenin ak bir ofisi kullanmasn salar.

(yj 0 ise ilgili drt kst kullanlarak x1j, x2j, x3j ve x4jnin de 0 olduu bulunur. Eer yj 1
ise x deerleri zerinde kstlama olmaz.
Dier bir bak as da xij = 1 iken istediimiz ekilde yj = 1 olur. Ayn zamanda x1j =
x2j = x3j = x4j = 0 iken y deerinde bir kstlama yapmaz. Ofis maliyetlerinin
enazlanmak istenmesi yjyi 0 yapar)
Bu ekilde daha byk bir modelin (yirmi deiken ve yirmi kst) formlasyonu daha
az etkin gzkse de sz konusu modeli DP olarak varsayarak zersek tamsayl bir
zm buluruz. zm bu yzden TP iin de en iyidir!)
73
5.1.4 Kapsama Sorunu

Bu modeli anlatabilmek iin, aadaki yerleme sorununu dnelim. Bir ehirde
itfaiye merkezlerinin yeri gzden geirilmektedir. Aadaki ekildeki gibi ehrin onbir
adet ilesi vardr.
Bir itfaiye merkezi herhangi bir ilede kurulabilir. Merkez kendi ilesindeki ve komu
ilelerdeki yangnlara mdahale edebilir. Ama merkez saysn enazlayarak tm ili
yangna kar koruyacak bir kapsama alan kurmaktr.
Yant
Her j ehri iin bir xj deikeni kullanabiliriz..
ehirde itfaiye merkezi varsa x deikeni 1 deerini, yoksa 0 deerini alacaktr. Bu
durumda aadaki model kurulabilir:
74
Min
x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10 + x11
st
x1 + x2 + x3 + x4
> 1 (ehir 1)
x1 + x2 + x3 +
x5
> 1 (ehir 2)
x1 + x2 + x3 + x4 + x5 + x6
x1
+ x3 + x4
x2 + x3
> 1 (ehir 3)
+ x6 + x7
+ x5 + x6
> 1 (ehir 4)
+ x8 + x9
x3 + x4 + x5 + x6 + x7 + x8
> 1 (ehir 6)
+ x6 + x7 + x8
x4
> 1 (ehir 7)
x5 + x6 + x7 + x8 + x9 + x10
x5
> 1 (ehir 5)
> 1 (ehir 8)
+ x8 + x9 + x10 + x11 > 1 (ehir 9)

+ x8 + x9 + x10 + x11 > 1 (ehir 10)
+ x9 + x10 + x11 > 1 (ehir 11)
Her xj = 0 veya 1
lk kst, ehir 1deki yangnlarn sndrlmesi iin o ehirde veya komu ehirlerde
toplam en az bir merkezin kurulmasn salar.
aij kst katsaynn ehir inin ehir jye komu olmas durumunda 1; i=j veya komu
olmamas durumunda 0 olduuna dikkat ediniz.
Kst matrisinin j. stunu, j. ehrindeki bir merkez tarafndan hizmet grebilecek
ehirler kmesini temsil eder. zm olarak aranan, en az sayda kmenin
birleiminin tm ehirleri kapsamasdr.
75
5.1.5 Eer-yleyse Kst

Aadaki durumla matematik programlama sorunlarnda karlalabilir.
f(x1, x2,, xn) > 0 kstnn salanmas durumunda g(x1, x2,, xn) > 0:kstnn da
salanmas istenir.
Eer f(x1, x2,, xn) > 0 salanmazsa g(x1, x2,, xn) > 0nin salanp salanmamas
nemli deildir.
Sz konusu koulu salamak iin aadaki kstlar formlasyona eklemeliyiz:
g(x1, x2,, xn) < M y
f(x1, x2,, xn) < M ( 1 y )
(1)
(2)
Burada y bir 0-1 deiken ve M de yeterince byk bir saydr.

M, sorunun dier kstlarn salayan her xj deikeni iin g < M ve f < M kstlarn
salamaldr.
f > 0 ise (2)nin salanmas iin y = 0 olmaldr. y = 0 iken, (1) g < 0 veya g > 0
olmasn salar. Bu durumda istenilen eer-yleyse koulu gerekleir.
rnek
ek ofisi rneine takip eden koulu ekleyelim. Eer 1. blgedeki mteri
demelerini ehir 1e gndermek istiyorsa baka hi bir blge bu ofisi kullanamaz
.Matematiksel olarak,
Eer x11 = 1 ise x21 = x31 = x 41 = 0
Tm deikenler 0-1 olduundan aadaki evrimi yapabiliriz:
Eer x11 > 0 ise x21 + x31 + x 41 < 0 (veya x21 x31 x 41 > 0)
Eer f = x11 ve g = x21 x31 x
41
eklinde tanmlarsak, aadaki kstlar
kullanarak koulu gerekletirebiliriz:

x21 + x31 + x 41 < My
x11 < M (1 y)
y = 0 veya 1
g ve f hi bir zaman 3 geemeyeceklerinden, M 3 olarak alnabilir.
76
5.1.6 Ya Ya da Kstlar
Aadaki durumla matematik programlama sorunlarnda karlalabilir.
ki farkl biimde kstlar verilsin:
f (x1, x2,, xn) < 0
(1)
g (x1, x2,, xn) < 0
(2)
eer (1) veya (2)den en az birinin salanmasn istersek bu kstlar ya ya da

kstlar olarak isimlendirilir.
Sz konusu koulu salamak iin (1) ve (2) kstlarn formlasyona eklemeliyiz:
f (x1, x2,, xn) < M y
g (x1, x2,, xn) < M ( 1 y )
(1)
(2)
Burada y bir 0-1 deikenidir

M ise sorunun dier kstlarn salayan her xj deikeni iin f (x1, x2,, xn) < M ve g
(x1, x2,, xn) < M koullarn salayacak ekilde yeterince byk bir saydr.
y = 0 iken (1) mutlaka ve (2) baz durumlarda salanr.
y = 1 iken (2) mutlaka ve (1) baz durumlarda salanr.
rnek
Bir otomobil retimi iin 1.5 ton elik ve 30 saat iilik gerekmektedir. Mevcut
miktarlar 6,000 ton elik ve 60,000 saat iiliktir.
Ekonomik olarak uygun bir retim iin en az 1000 otomobil retilmelidir.
x1 < 0 veya x1 > 1000
Kst:
[f (x1, x2,, xn) = x1; g (x1, x2,, xn) = 1000 x1]

aret snrlamas
x1 > 0 ve tamsay
Kst aadaki kst ifti ile deitirerek modeli dorusallatrabiliriz:

x1 < M1 y1
1000 x1 < M1 (1 y1)
y1 = 0 veya 1
M1 = min (6.000/1.5, 60.000/30) = 2000
77
5.1.7 Gezgin Satc Sorunu

Bir satc on adet ehiri birer kez ziyaret edip evine dnecektir. Satcnn yapaca
bu gezide katedecei toplam uzakl enazlayacak rota (ehir sras) nasl olmaldr?
sorunu Gezgin Satc Sorunu (GSS; Traveling Salesperson Problem TSP) olarak
isimlendirilir.
GSSnin TP Formlasyonu
N adet ehir olduunu varsayalm
ij iin cij = ehir iden ehir jye uzaklk ve
cii = M (gerek uzaklklara gre ok byk bir uzaklk) olsun
Ayn zamanda xij aadaki ekilde bir 0-1 deiken olarak tanmlansn:
xij = 1, GSS zm ehir iden ehir jye gitmeyi nersin
xij = 0, aksi takdirde
GSS formlasyonu:
min
TOP[i] TOP[j] cij xij
yle ki TOP[i] xij = 1
her j iin
TOP[j] xij = 1
her i iin
ui uj + N xij < N 1
her ij iin; i=2,3,,N; j=2,3,,N
Her xij = 0 veya 1, Her ui > 0

(TOP[j], jnin 1den (1 dahil) nye (n dahil) alabilecei tm tamsay deerleri iin
toplam olarak okunmaldr)
lk kst kmesi satcnn her ehire salt bir kez uramasn salar.
kinci kst kmesi satcnn her ehirden salt bir kez ayrlmasn salar.
nc kst kmesi aadakileri salar:
Tam tur yapmayan herhangi bir xijler kmesi olurlu olmayan zmdr
Tam
tur yapan herhangi bir xijler kmesi olurlu zmdr

UYARI: Byk GSS iin kurulacak bir TP modelinin zm etkin deildir karmak
ve zordur. ok sayda ehirin sz konusu olmas durumunda GSSyi dal snr
yntemi ile zmek ok fazla bilgisayar zaman gerektirir. Bu yzden genellikle
sezgisel yntemler kullanlarak (her zaman en iyi zm bulunmasa da) GSS
zlr.
78
5.2 TPNN ZM
TP Sorunlarnn Formlasyonu blmnde belirli bir sayda tamsayl programlama
rnei inceledik. Bu tip sorunlarn zm iin balca iki yaklam vardr.
lk gelitirilen yntem kesme dzlemleri (cutting planes) olarak isimlendirilir.
Tamsayl salamak iin kstlar eklemeye dayanr.
1980lerden beri kullanlan ve daha etkin olarak nitelendirilen yntem ise dal snr
(branch and bound) olarak isimlendirilir. Sorunu alt sorunlara blen bir aa arama
yaklamdr.
Aslnda, tm yaklamlar tekrarl bir ekilde DPler zmeyi ierir. DP zm iin
genel amal (zlen DPden bamsz herhangi bir DPyi zebilecek yapda) ve
etkin ilem yapabilen (byk DPleri zebilen) algoritmalar (rn. simpleks) vardr. TP
zm iin ise hem genel amal hem de etkin ilem yapabilen benzer bir algoritma
yoktur.
TP iin zm yntemleri iki snfa ayrlabilir:
Genel amal (herhangi bir TPyi zebilecek yapda) fakat etkin ilem
yapamayan (greli olarak daha kk sorunlar zen); veya
zel amal (Belirli bir tipteki TP sorunu iin gelitirilen) ve daha etkin ilem
yapabilen.
TP zm yntemleri ayn zamanda zme gitmeleri asndan aadaki gibi de

snflandrlabilir:
En iyi (Optimal)
Sezgisel (Heuristic)
En iyi algoritma matematiksel olarak en iyi zm bulmay garantiler

Baz durumlarda en iyi zmle ok fazla ilgilenmeyebiliriz nk:
zmek istediimiz sorunun bykl mevcut en iyi algoritmalarnn etkin

ilem yapabilme snrlarnn stndedir (kullanabileceimiz bilgisayar zaman
gibi)
harcanacak zamana, paraya en iyi zm bulmak demez, yaklak bir

zm yeterli grlebilir
Bu gibi durumlarda sezgisel algoritmalar kullanlabilir. Bulunan zm olurlu bir

zmdr ve byk bir olaslkla iyi tasarlanm bir yntem kullanlyorsa en iyi
zme yakn kaliteli bir zmdr.
79
Bu durumda zm algoritmalar iin drt farkl kategori vardr:
Genel Amal, En iyi

Sayma, Dal snr, kesme dzlemi
Genel Amal, Sezgisel
(ders kapsamnda deil)
Genel amal bir en iyi algoritmasn altrmak ve belirli bir sre sonunda
durmak
zel Amal, En iyi
Snr retmeye dayal aa arama yaklamlar
zel amal, Sezgisel
Snr tabanl sezgiseller, tabu arama, genetik algoritmalar....
80
5.2.1 DP Gevetmesi (DP ile liki)

Herhangi bir TP iin ayn ama fonksiyonu ve kstlar kullanarak fakat deikenlerin
tamsay olma gereksinimini aadaki gibi deitirerek bir DP elde edebiliriz:
xi = 0 veya 1 deikeni 0 <= xi <= 1 srekli aralnda deerler alr
xi > 0 ve tamsay deikeni salt xi >= 0 iaret snrlamasn salar
Deikenler zerindeki tm tamsay ve 0-1 artlarn yoksayarak elde edilen DP,
TPnin DP Gevetmesi (LP Relaxation of the IP) olarak isimlendirilir. Sz konusu
dorusal gevetmeyi (DG) DP zm algoritmalarn kullanarak zebiliriz.
Eer DGnin en iyi zmndeki tm deikenler tamsayl deerler alyorlarsa bu
durumda bulunan en iyi zm orijinal TP sorununun da en iyi zmdr (doal
tamsayl DP)
DG, TP sorununa gre daha az kstl (gevek) olduundan aadaki durumlarla
karlalabilir:
Eer TP enbykleme sorunu ise, DGnin en iyi ama deeri TPninkine eit veya
daha byktr.
Eer TP enkkleme sorunu ise, DGnin en iyi ama deeri TPninkine eit veya
daha kktr.
Eer DG olurlu deilse (olurlu zm yoksa), TP de olurlu deildir.
Bu durumda DGnin zlmesinin bir bilgi verecei aktr: en iyi ama deeri snr
belirlenir ve ansl isek en iyi ama deerini buluruz. Fakat daha nce de
grdmz gibi en iyi zmdeki deiken deerlerini tamsay deerlere
yuvarlamak genel olarak en iyi TP zmn vermeyebilir; hatta yeni zm olurlu
bile olmayabilir.
Genel olarak DP tabanl TP zm paketleri aadaki zm srecini kullanr
TPnin belirlenmesi: ama, kstlar, tamsayl deikenler (xj = tamsay ve 0 ile

n arasnda).
DP Gevetmesinin yaplmas: TPdeki ama ve kstlara ek olarak 0<=xj<=n

fakat tamsay olma artnn kaldrlmas.
Dal snr algoritmas ile TPnin en iyi zmnn bulunmas
81
5.2.2 Sayma
DPden (deikenlerin srekli aralkta deerler alabildii) farkl olarak TPde her
deiken sadece sonlu sayda kesikli (tamsay) deerler alabilir.
Tm olas zmleri sayma (enumerate) her biri iin ama fonksiyon deerini
hesaplama ve olurlu zmlerden en iyisini seme bir zm yaklam olabilir.
rnein aadaki ok dnemli sermaye bteleme sorununu inceleyelim,
maks
0.2 x1 + 0.3 x2 + 0.5 x3 + 0.1 x4
yle ki
0.5 x1 + 1
x2 + 1.5 x3 + 0.1 x4 < 3.1
0.3 x1 + 0.8 x2 + 1.5 x3 + 0.4 x4 < 2.5

0.2 x1 + 0.2 x2 + 0.3 x3 + 0.1 x4 < 0.4
xj = 0 or 1
j = 1, 4
Bu sorun iin 2 =16 olas zm vardr. Bunlar:

x1 x2 x3 x4
0 0 0 0 hi proje uygulama
0 0 0 1 bir proje uygula
0 0 1 0
0 1 0 0
1 0 0 0
0 0 1 1 iki proje uygula
0 1 0 1
1 0 0 1
0 1 1 0
1 0 1 0
1 1 0 0
1 1 1 0 proje uygula
1 1 0 1
1 0 1 1
0 1 1 1
1 1 1 1 drt proje uygula
En iyi zm kesin olarak bulabilmek iin, rneimizde, 16 olas zm

hesaplamamz gerekmektedir. Bu rnek TP iin genel bir doruyu gsterir. Kk bir
sorunu kolay bir ekilde zmek iin kullanlacak algoritma, sorun bydke artan
bir hzla zorlamaktadr.
rnein ikili deerler (0-1) alabilen 100 deikenli bir TP modeli iin tek tek saylacak
olas zm says 2x2x2x ... x2 = 2100 (yaklak olarak 1030) adettir
Tm olas
zmleri saymak ve olurlular iinden en iyisini semek kavramsal olarak bir sorun
yaratmasa da ilemsel (saysal) olarak imkanszdr.
82
5.2.3 Dal Snr Algoritmas

Sistematik bir ekilde olurlu zmlerin saylarak en iyi tamsayl zmn bulunmas
iin kullanlan genel amal bir DP tabanl aa arama (LP-based tree search)
yntemi olan Dal Snr Algoritmas 1960larn banda Land ve Doig tarafndan
nerilmitir.
Sayma yntemi gibi tm olurlu zmleri saymak yerine sadece belirli sayda olurlu
zm inceleterek (kk bir ksmnn incelenecei midi ile) en iyi zm garanti
bir ekilde bulur.
5.2.3.1 rnek
ok dnemli sermaye bteleme sorunu iin TP modeli:
maks
0.2 x1 + 0.3 x2 + 0.5 x3 + 0.1 x4
yle ki
0.5 x1 + 1
x2 + 1.5 x3 + 0.1 x4 < 3.1
0.3 x1 + 0.8 x2 + 1.5 x3 + 0.4 x4 < 2.5

0.2 x1 + 0.2 x2 + 0.3 x3 + 0.1 x4 < 0.4
xj = 0 veya 1
j = 1, 4
Bu sorunun zmn gletiren deikenlerin tamsay deerler (sfr veya bir)

almaya zorlanmasyd.
Eer deikenler kesirli deerler alabilseydi (sfr ve bir arasndaki tm deerler)
sorunu DP olarak zebilirdik.
Sorunun bu ekilde bir DP gevetmesini [xj = 0 veya 1 (j=1,...,4) yerine 0 <= xj <= 1
(j=1,...,4) kstlarn kullanalm] zeceimizi varsayalm.
Herhangi bir DP zm paketi ile x2=0.5, x3=1, x1=x4=0 ve en iyi ama fonksiyon
deeri 0.65 olarak hesaplanr.
Bu durumda esas tamsayl sorunumuzun en iyi ama fonksiyon deeri hakknda fikir
sahibi oluruz (<= 0.65). 0.65 en iyi tamsayl zm iin bir st snrdr (upper
bound).
Sz konusu deerin st snr olmasnn nedeni tamsay zorunluluunu kaldrnca elde
edilen DP gevetmesinin zmnn deerinin en az tamsayl zmnki kadar
(belki de daha iyi) olacadr.
Elde edilen DP gevetmesi zmnde x2 deikeninin tamsayl yerine kesirli bir
deer aldn grrz. Tamsayl deer almas iin iki yeni sorunun zm ile
ilgilenebiliriz:
P1: orijinal DP gevetmesine ek olarak x2=0
83
P2: orijinal DP gevetmesine ek olarak x2=1

Bu ekilde sadece bir deikenin kesirli deer yerine tamsayl deer almaya
zorlanarak yeni zm aranmas ilemine dal ilemi (branching) denilir. Dal ilemi,
aadaki gibi bir aa zerinde (aa arama isminin nasl ortaya ktn gsterecek
ekilde) ematize edilebilir.
P1 ve P2 DP gevetmelerini zersek, aadaki zmleri elde ederiz:

P1in zm x1=0.5, x3=1, x2=x4=0, ama fn. deeri 0.6
P2in zm x2=1, x3=0.67, x1=x4=0, ama fn. deeri 0.63
Aadaki ekilde de grld gibi yeni zmlerdeki deiken deerleri de
tamsayl deildir:
En iyi tamsayl zm bulmak iin sreci tekrar ederiz, kesirli deer alan bir
deikeni tamsayl olmaya zorlayarak iki yeni sorun retiriz..
P1 sorunu zerinde dal ilemi yapalm. Bu durumda elde edilecek DP gevetmeleri
ve zmlerinin listesi:
P3 (P1e ek olarak x1=0) zm x3=x4=1, x1=x2=0, ama fn.: 0.6
P4 (P1e ek olarak x1=1) zm x1=1, x3=0.67, x2=x4=0, ama fn. 0.53
P2 zm x2=1, x3=0.67, x1=x4=0, ama fn: 0.63
84
Grld gibi bu admda P3 sorununun zm 0.6dr ve tm deikenlerin

deerleri tamsayldr. P3 zerinde yeni bir dal ilemi yapmaya gerek kalmaz ve DP
gevetmeleri listesinden karlr.
En iyi tamsayl zm deeri hakknda yeni bir bilgi elde etmi oluruz: ama
fonksiyonunun en iyi zm deeri 0.6 ile 0.65 arasnda (her iki deer dahil)
olacaktr.
P4 dnelim, u anki deeri 0.53dr ve x3 deikeni kesirlidir. Yeni bir dal ilemi
yapmamz durumunda ama fonksiyon deeri daha iyi duruma gelemez. Zaten 0.6lk
bir tamsayl zmmz olduundan P4 de DP gevetmeleri listesinden karlr. Bu
ekilde alt snrdan (lower bound) daha iyi bir olurlu zm bulunamayaca iin
eleme yaplmasna snr ilemi (branching) denilir.
Geriye sadece P2 kalr:
P2 zm x2=1, x3=0.67, x1=x4=0, ama fn: 0.63
P2 iin dal ilemi yaplrsa
P5 (P2ye ek olarak x3=0) zm x1=x2=1, x3=x4=0, ama fn: 0.5
P6 (P2ye ek olarak x3=1) zm olurlu deil
Bu durumda ne P5 ne de P6dan dal ilemi yapmak gerekmez.
En iyi tamsayl zm (esas sorunun zm) ama fonksiyon deeri 0.6 ve
x3=x4=1, x1=x2=0 eklindedir.
En iyi zm elde etmek iin kullanlan tm sre:
85
Dikkat edilecei gibi sayma ynteminde saylacak tm olas zmler 16 (24) adet
iken biz sadece 7 DP zdk. Dal snr algoritmas ok byk sorunlarla
ilgilenilmemesi durumunda en iyi tamsayl zm bulmak iin etkin bir yoldur.
86
5.2.3.2 Grafik zmde Dal Snr Algoritmas rnei

(Winston 9.3., s. 503)
DP Gevetmesi ve ilk iki alt problem
(http://www.isl.itu.edu.tr/ya/branch_and_bound_graphical_f1.jpg)
Geri kalan zm
(http://www.isl.itu.edu.tr/ya/branch_and_bound_graphical_f2.jpg)
LINDO IKTISI:
MAX
SUBJECT
2)
3)
END
GIN
8 X1 + 5 X2
TO
X1 + X2 <=
6
9 X1 + 5 X2 <=
45
LP OPTIMUM FOUND AT STEP 2

OBJECTIVE VALUE = 41.2500000
SET X1 TO <= 3 AT 1, BND= 39.00 TWIN= 41.00
NEW INTEGER SOLUTION OF 39.0000000 AT BRANCH 1 PIVOT 9

BOUND ON OPTIMUM: 41.00000
FLIP X1 TO >= 4 AT 1 WITH BND= 41.000000
SET X2 TO <= 1 AT 2, BND= 40.56 TWIN=-0.1000E+31
12
SET X1 TO >= 5 AT 3, BND= 40.00 TWIN= 37.00
15
NEW INTEGER SOLUTION OF 40.0000000 AT BRANCH 3 PIVOT 15
BOUND ON OPTIMUM: 40.00000
DELETE
X1 AT LEVEL
3
DELETE
X2 AT LEVEL
2
DELETE
X1 AT LEVEL
1
ENUMERATION COMPLETE. BRANCHES= 3 PIVOTS= 15
LAST INTEGER SOLUTION IS THE BEST FOUND
RE-INSTALLING BEST SOLUTION...
1)
VARIABLE
X1
X2
ROW
2)
3)
40.00000
VALUE
5.000000
0.000000
SLACK OR SURPLUS
1.000000
0.000000
NO. ITERATIONS=
15
BRANCHES=
3 DETERM.=
1.000E
REDUCED COST
-8.000000
-5.000000
DUAL PRICES
0.000000
0.000000
87
5.2.4 Kesme Dzlemi

Tamsayl Programlama sorunlarnn zm iin Dal Snr algoritmasna alternatif bir
yaklam Kesme Dzlemi (Cutting Planes) yntemidir.
Kesme dzleminde temel fikir, DPye kstlar ekleyerek tamsayl deerler barndran
en iyi olurlu zme ulamaktr.
Tabii ki zmek istediimiz sorunu deitirmemek iin hangi kstlar ekleyeceimize
dikkat etmeliyiz. Ekleyeceimiz zel kstlar kesme (cut) olarak isimlendirilir.
Bir kesirli zm iin eklenecek kesme aadaki kriterleri salamaldr:
Tm olurlu tamsayl zmler kesme iin de olurlu olmaldr
O anki kesirli zm kesme iin olurlu olmamaldr.
Sz konusu kriterler aadaki gibi gsterilebilir
.
Kesme retmek iin iki farkl yaklam vardr:

Gomory kesmeleri bir DP tablosundan kesme retir. Bu yaklamn stnl
herhangi bir sorunu zebilmesi, zayf yn ise ok yava olmasdr..
kinci yaklam ise sorunun yapsn kullanarak ok iyi kesmeler retmeye dayanr.
Sorundan soruna deien bu yaklam daha etkin hesaplama yapar.
88
5.2.4.1 Algoritma Admlar

1. TPnin DP gevetmesi iin en iyi zm tablosunu bulunuz. Eer tm deikenler
tamsayl deerler almsa en iyi zm bulunmutur! Aksi takdirde bir sonraki
adma geiniz
2. ST deerinin kesirli ksm ye en yakn olan kst seiniz.
3. Seilen kst iin tm tamsay deerlerini (aaya yuvarlayp) sol tarafa ve artan
tm kesirli deerleri sa tarafa toplaynz.
4. Deitirilmi kstn yeni STsi < 0 olacak ekilde bir kesme retiniz
5. Dual simpleks yntemi kullanarak kesme eklenen yeni DP gevetmesinin en iyi
zmn bulunuz. Eer tm deikenler tamsayl deerler almsa en iyi zm
bulunmutur! Aksi takdirde ikinci adma dnnz
5.2.4.2 Dual Simpleks Yntemi
(Enbykleme sorunu iin)
En negatif STyi seeriz
Bu pivot satrn temel deikeni zmden kar
Pivot satrdaki negatif katsayl deikenler iin oranlar hesaplanr (sfrnc satrdaki
katsay / pivot satrdaki katsay)
Mutlak deerce en kk oranl deien zme girer.
5.2.4.3 rnek
Aadaki TP sz konusu olsun:
maks z = 8 x1 + 5 x2
st
x1 + x2 < 6
9x1 + 5x2 < 45
x1, x2 > 0 ve tamsay
Eer tamsay olma koulunu yoksayarsak ve DP gevetmesini zersek elde
edeceimiz en iyi zm tablosu::
z
1
0
0
x1
0
0
1
x2
0
1
0
s1
1.25
2.25
- 1.25
s2
0.75
- 0.25
0.25
ST
41.25
2.25
3.75
ST deerinin kesirli ksm ye en yakn olan kst seelim (ikisi de eit uzaklkta
olduu iin herhangi biri seilebilir):
x1 1.25s1 + 0.25s2 = 3.75
89
Seilen kst iin tm tamsay deerlerini (aaya yuvarlayp) sol tarafa ve artan tm
kesirli deerleri sa tarafa toplayalm:
x1 2 s1 + 0 s2 3 = 0.75 0.75 s1 0.25 s2
Sol taraf sadece tamsayl deer aldndan, sa taraf deeri tamsay yaplmaldr.
u anda bir pozitif kesirli saydan baz pozitif deerler karlmaktadr. Bu durumda
sa taraf pozitif olamaz (s>0) ve aadaki kst retilebilir.
0.75 0.75 s1 0.25 s2 < 0
Tm olurlu tamsayl zmler retilen kst iin de olurludur. Fakat u anda s1 ve s2
0 olduundan mevcut en iyi (kesirli) zm olurlu deildir. Bylece eklenen kst bir
kesme olur ve Gomory kesme dzlemi olarak isimlendirilir.
Kesmeyi DPye ekleyerek yeni bir zm ararz.
z
1
0
0
0
x1
0
0
1
0
x2
0
1
0
0
s1
1.25
2.25
- 1.25
- 0.75
s2
0.75
- 0.25
0.25
- 0.25
s3
0
0
0
1
RHS
41.25
2.25
3.75
- 0.75
Dual simpleks oran testi s1in s3 yerine zme girmesini nerir. En iyi zm ayn
zamanda tamsayl zmdr:
z = 40, x1 = 5, x2 = 0
90
6. PROJE YNETM
Proje
Belirli bir amac olan ve bir zaman sreci ierisinde birbirleri ile ilgili faaliyetlerin
gerekletirildii bir sistem almas
Sresi, maliyeti ve kaynak gereksinimi belirli faaliyetler dizisi
Proje zellikleri
Tek ve belirli bir ama
Geici bir organizasyon
Snrl zaman
Snrl kaynak
Birbirleri ile ilikili faaliyetler dizisi
evre ve d kstlar
Kriterler
Bir almann proje olarak kabul edilebilmesi iin almann
bann ve sonunun iyice tanmlanm
her gn karlalmayan ilerle ilgili
zel bir nemi ve arl
karmak yapda
eitli organizasyon, blm ve personelle iliki iinde; ok disiplinli olmas gerekir
Projelerde Kullanlan Kaynaklar
Zaman,
Finansman,
ilik,
Malzeme,
Tehizat,
Personel
91
Proje eitleri
Yatrm,
Sosyal,
Kltrel,
Askeri,
Ekonomik, vb...
Proje rnekleri
naat,Hizmet,malat, Aratrma-Gelitirme,
Savunma,
Ynetim...
Proje Ynetimi
Proje Planlama
1. Amacin belirlenmesi
2. Projenin tanmlanmas
3. Faaliyet gereksinimlerinin belirlenmesi
4. Takm oluturulmas
Proje izelgeleme
5. Kaynaklarn faaliyetlere atanmas
6. Faliyetler aras ilikilerin dzenlenmesi
7. Gerekli gncellemeler ve dzenlemelerin yaplmas
Proje Kontrol
8. Kaynaklarn, maliyetlerin, kalitenin ve btenin izlenmesi
9. Planlarn revizyonu ve gerekli deiikliklerin yaplmas
10. Kaynaklarn deiimi ile talebin karlanmas
Proje Ynetiminde Kullanlan Gsterim Trleri
ubuk (Gannt) Diyagramlar

o Zaman leine bal olarak izilmi bir seri yatay izgi
o Her ubuk projedeki bir faaliyetin balang ve biti sresi ile faaliyet iin
gerekli zaman gsterir
92
o Kritik faaliyet zincirini gsteremez
Devre Diyagramlar
o sreleri ve mterek bir birimle ifade edilen i miktar eksenleri zerinde
faaliyet izgileri
o izginin eimi faaliyet gerekleme hzn (miktar/zaman) gsterir
A Diyagramlar
o Dm ve oklardan oluan grafik
o Faaliyetler arasndaki ilikiyi gsterir
o ki tr a diyagram vardr:
Ok Diyagramlar (Activity on Arc / Activity on Link)

Oklar faaliyetleri, dmler de faaliyetlerin balang/bitiini gsterir
Blok Diyagramlar (Activity on Node)

Dmler faaliyetleri, oklar da faaliyetler aras ncelik ilikilerini gsterir
rnek Gsterim
Be faaliyetten oluan bir proje olduunu varsayalm. A ve B faaliyetleri bitmeden C
faaliyeti balayamasn. D, B bittikten sonra balasn. E, Cden sonra olsun.
OK DYAGRAMI:
Gerekli ncelik ilikilerini gstermek iin yapay ok (kesikli izgi) kullanlabilir
Ayn balang ve biti dmn birden fazla faaliyet kullanamaz
BLOK DYAGRAMI
93
6.1 CPM / PERT

Eer faaliyetlerin sreleri kesin olarak biliniyorsa, Kritik Yol Yntemi (Critical Path
Method CPM) kullanlarak projenin tamamlanma sresi hesaplanabilir.
Eer faaliyet srelerinde bir belirsizlik varsa, Program Deerlendirme ve Gzden
Geirme Teknii (Program Evaluation and Review Technique PERT) kullanlarak
projenin verilen bir zamanda bitirilme olasl hesaplanabilir.
Admlar
1. Projenin ve ilgili tm faaliyetlerin tanmlanmas
2. Faaliyetler aras ilikilerin ve balang-biti nceliklerin belirlenmesi
3. A diyagramnn izilmesi
4. Her faaliyete gerekli zaman ve/veya maliyetin atanmas
5. A zerindeki en uzun sreli yolun (kritik yol) hesaplanmas
6. Proje plan, izelgelemesi, izlenmesi ve kontrolu iin an kullanm
CPM
tij: i. ve j. dm arasndaki faaliyetin sresi
ES: Bir faaliyetin en erken balang zaman,
EF: Bir faaliyetin en erken biti zaman
LS: Bir faaliyetin en ge balang zaman,
LF: Bir faaliyetin en ge biti zaman
Sij: Toplam Bolluk (S = 0 ise i ve j dmleri arasndaki faaliyet kritik yoldadr)
ESij = Maks (EFi),
ES1j = 0
EFij = ESij + tij,

LSij = LFij tij,
LFij = Min (LSj)
LFin = EFin
Sij = LSij - ESij veya Sij = LFij - EFijPERT

Sresi kesin olarak bilinmeyen faaliyetler iin iyimser (a), ktmser (b) ve en olas
(m) sre tahminleri kullanlr.
Beta dalm esas alnarak tahmini ortalama ve varyans hesaplanr:
Beklenen sre: t = (a + 4m + b) / 6
Varyans: 2 = (b a)2 / 36
94
6.1.1 CPM rnei

Bir ev yapm iin ncelikle evin tasarlanmas ve gerekli finansmann bulunmas
gerekir (3 ay). Daha sonra ev yaplacak yer belirlenir (2 ay) ve ayn zamanda inaat
iin gerekli malzeme temin (1 ay) edilir. Yerin belirlenmesi ve malzemenin temini
gerekleir gereklemez ev inaatna (3 ay) balanr. Bu srada gerekli boyann
seimi (1 ay) ve gerekli demenin seimi (1 ay) pepee gerekleir. Tm bu
ilemler bittiinde son ilemler (1 ay) yaplr ve ev yapm projesi biter.
Projenin tamamlanma sresini ve kritik yolu bulunuz.
Yer belirleme
Yapay
Ev inaat
Ev tasarlanmas
ve finansman
bulunmas
Son ilemler
Malzeme temini
Boya seimi
Kritik yol: 123467;
Deme seimi
Projenin tamamlanma sresi: 9 ay
95
6.1.2 PERT rnei

Aadaki tabloda verilen faaliyetlerden oluan bir proje sz konusu olsun.
Kritik yol zerindeki faaliyetleri bulunuz. Projenin beklenen tamamlanma sresini ve
varyansn hesaplaynz
Kritik yol: 13579
Faaliyet
A
B
C
D
E
F
G
H
I
J
K
6
3
1
2
2
3
2
3
2
1
1
8
6
3
4
3
4
2
7
4
4
10
10
9
5
12
4
5
2
11
6
7
13
nceki
faaliyet
A
B
C
C
A, E, F
A, E, F
D
G, H, I
(B, E, H ve K faaliyetleri kritik yol zerinde)
Projenin beklenen tamamlanma sresi: tp=25 hafta;

Projenin varyans: p2=62/9
(1+1/9+16/9+4)
96
6.2 PROJE SRES N OLASILIK ANALZ

Beklenen proje sresinin normal dald varsaylr (merkezi limit teoremi).
Dalmn ortalamas () beklenen proje sresi, varyans (2) da projenin varyansdr
rnek
PERT rneindeki projenin 30 haftada veya daha az srede tamamlanma olasl ile
22 haftada veya daha az srede tamamlanma olasl nedir?
Proje iin dalmn ortalamas () 25, standart sapmas () 2.63dr.
Z = (x ) / = (3025)/2.63 = 1.90Tabloda Z=1.9a karlk gelen olaslk
.4713dr.
Bu durumda projenin 30 haftada veya daha az srede tamamlanma olasl
P(x<30) = .5 + .4713 = .9713
Projenin 22 haftada veya daha az srede tamamlanma olasln bulmak iin:

Z = (x ) / = (2225)/2.63 = 1.14Tabloda Z=1.14e karlk gelen olaslk
.3729dur.
Bu durumda projenin 22 haftada veya daha az srede tamamlanma olasl
P(x<22) = .5 .3729 = .1271
97
6.3 PROJENN DORUSAL PROGRAMLAMA LE MODELLENMES

Ama projenin tamamlanabilecei sreyi enkklemektir.
i ve j dmleri arasndaki bir faaliyet iin
xi : i. dmn (olayn) en erken gerekleme zaman (ET(i))
xj : j. dmn en erken gerekleme zaman
tij: faaliyetin sresi
olmak zere n dml bir proje iin DP modeli
min z = xn x1
s.t.
xj xi > tij
tm faaliyetler iin
xi > 0 i = 1,2, ..., n

CPM rnei iin DP modeli
min z = x7 x1
yle ki
x2 x1 > 12
(A faaliyeti)
x3 x2 > 8
(B faaliyeti)
x4 x2 > 4
(C faaliyeti)
x4 x3 > 0
(yapay faaliyet)
x5 x4 > 4
(D faaliyeti)
x6 x4 > 12
(E faaliyeti)
x6 x5 > 4
(F faaliyeti)
x7 x6 > 4
(G faaliyeti)
xi, xj > 0
DP modelinin zmnn Lindo kts
1)
36.00000
VARIABLE
VALUE
X7
36.000000
X1
0.000000
X2
12.000000
X3
20.000000
X4
20.000000
X5
28.000000
X6
32.000000
ROW
SLACK OR SURPLUS
A)
0.000000
B)
0.000000
C)
4.000000
YAPAY)
0.000000
D)
4.000000
E)
0.000000
F)
0.000000
G)
0.000000
REDUCED COST
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
DUAL PRICES
-1.000000
-1.000000
0.000000
-1.000000
0.000000
-1.000000
0.000000
-1.000000
Glge fiyat = 1 Faaliyet kritik yol zerinde: A, B, Yapay, E, G (123467)

Ama fonksiyonu en iyi deeri = Projenin tamamlanma sresi = 36 hafta (9 ay)
98
6.4 PROJE SRESNN DARALTILMASI VE ZAMAN MALYET DE TOKUU

(Project Crashing and Time Cost Trade-off)
Proje sresi faaliyetlere daha fazla kaynak atanarak azaltlabilir. Sz konusu atama
proje maliyetini ykseltir. Bu durumda zaman ve maliyet arasnda bir dei toku
analizi yapmak gerekir.
Bir veya daha fazla sayda faaliyetin normal faaliyet srelerini daha fazla kaynak
kullanm ile ksaltarak projenin tamamlanma sresinin azaltlmas ileminde hangi
faaliyetlerin seilecei karar proje sresinin daraltlmas yntemi ile verilir.
Daraltlm faaliyet sresi ile maliyet arasnda dorusal bir iliki olduu varsaylr:
rnek
Bir faaliyetin sresi 12 haftadan 7 haftaya indirilirken ilgili maliyet $3000den $5000e
kyorsa haftalk daraltma maliyeti (5000 3000) / (12 7) = $400/haftadr.
Proje Ynetimi rnei 1 iin proje sresinin daraltlmas aadaki gibi olsun:
Haftalk
Normal Daraltlm Normal Daraltlm
Faaliyet
daraltma
sre
sre
maliyet
maliyet
maliyeti
12
12
7
3000
5000
400
23
8
5
2000
3500
500
24
4
3
4000
7000
3000
34
0
0
0
0
0
45
4
1
500
1100
200
46
12
9
50000
71000
7000
56
4
1
500
1100
200
67
4
3
15000
22000
7000
110700
toplam 75000
Projeyi 30 haftada bitirmek iin hangi faaliyetlerin sresi ne kadar ksaltlmaldr?yij = i
ve j dmleri arasndaki faaliyetin sresindeki daralma (ksaltma) iken
min z = 400y12 + 500y23 + 3000y24 + 200y45 + 7000y46 + 200y56 + 7000y67
y12 + x2 - x1 > 12
yle ki
y12 < 5
y23 < 3
y23 + x3 - x2 > 8
y24 < 1
y24 + x4 - x2 > 4
y34 < 0
y34 + x4 - x3 > 0
y45 < 3
y45 + x5 - x4 > 4
y46 + x6 - x4 > 12
y46 < 3
y56 < 3
y56 + x6 - x5 > 4
y67 < 1
y67 + x7 - x6 > 4
x7 x1 < 30
xj, yij > 0
U
DP modelinin zm: z = 2500 (daraltma iin denecek fazla maliyet)

y12 = 5, y23 = 1 (12 faaliyeti 5 hafta, 23 faaliyeti 1 hafta daraltlmaldr)
99

Yoneylem Arastirmasi END801

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Yoneylem Arastirmasi END801

Uploaded by

Copyright:

Available Formats

END801

YNEYLEM ARATIRMASININ TEMELLER

Dr. Y. lker Topcu

Dr. Y. lker Topcu (www.ilkertopcu.net)

YNEYLEM ARATIRMASINA GR............................................................... 1

YA'NIN TARHES ................................................................................................ 2

TEMEL YA KAVRAMLARI ................................................................................. 4

Reklam rnei ............................................................................................... 12

Beslenme rnei ........................................................................................... 13

Postane rnei .............................................................................................. 14

Mteri Hizmet Dzeyi rnei..................................................................... 16

Grafik zm (Enbykleme) ..................................................................... 19

Simpleks iin rnek (Dakota Mobilya) ....................................................... 21

Simpleks ile Dier zm Trleri................................................................ 26

Byk M iin rnek (Oranj Meyve Suyu) ................................................... 29

DUYARLILIK ANALZ .......................................................................................... 32

ndirgenmi Maliyet ....................................................................................... 32

Glge Fiyat ..................................................................................................... 32

Basit rnek ..................................................................................................... 33

Duyarllk iin Lindo ktsnn Kullanlmas .............................................. 34

Ek rnek (Simpleks Kullanarak Duyarllk) ............................................... 36

Normal Enbykleme Sorununun Dualini Bulma ..................................... 39

Normal Enkkleme Sorununun Dualini Bulma ..................................... 40

Dr. Y. lker Topcu (www.ilkertopcu.net)

Normal Olmayan Enbykleme Sorununun Dualini Bulma .................... 40

Normal Olmayan Enkkleme Sorununun Dualini Bulma .................... 40

Dual Ekonomik Yorum iin rnek (Dakota Mobilya)................................ 41

ULATIRMA SORUNLARI ............................................................................... 42

Dengeli Ulatrma Sorunu iin Powerco rnei ....................................... 43

Dengesiz bir Ulatrma Sorununun Dengelenmesi .................................. 44

Fazla Arz iin Deitirilmi Powerco rnei ............................................. 45

Karlanmayan Talep iin Deitirilmi Powerco rnei......................... 45

TEMEL OLURLU ZMN BULUNMASI ..................................................... 46

Kuzeybat Ke Yntemi .............................................................................. 47

Enkk Maliyet Yntemi ............................................................................. 49

Vogel'in Yaklam ......................................................................................... 51

Yntemin Admlar ......................................................................................... 53

Powerco rneinin zm........................................................................ 54

GEC KONAKLAMA SORUNLARI.................................................................. 57

ULATIRMA SORUNLARININ FORMLASYONU......................................... 43

Macar Yntemi ............................................................................................... 60

TAMSAYILI PROGRAMLAMA ......................................................................... 64

TPNN FORMLASYONU .................................................................................. 65

Srt antas Sorunlar ................................................................................... 68

Sabit Maliyet Sorunlar.................................................................................. 69

Kapsama Sorunu ........................................................................................... 74

Eer-yleyse Kst ....................................................................................... 76

Gezgin Satc Sorunu.................................................................................... 78

DP Gevetmesi (DP ile liki)....................................................................... 81

Dal Snr Algoritmas ..................................................................................... 83

PROJE YNETM ............................................................................................ 91

CPM / PERT ........................................................................................................... 94

PERT rnei .................................................................................................. 96

PROJE SRES N OLASILIK ANALZ ........................................................ 97

PROJENN DORUSAL PROGRAMLAMA LE MODELLENMES ............. 98

PROJE SRESNN DARALTILMASI VE ZAMAN MALYET DE

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Adm 4. Modelin Dorulanmas

btnletirilerek genel hava savunma ve kontrol sistemi oluturuldu. Temmuz

Dr. Y. lker Topcu (www.ilkertopcu.net)

Anlamay gerekletirmek iin haftasonu retim yaplmayan maden ocaklar haftada

haftada bir gn X madenini, bir gn Y madenini iletme