Professional Documents
Culture Documents
(2a) Linearno Programiranje PDF
(2a) Linearno Programiranje PDF
programiranje
Linearna optimizacija
3 4
Naglasak je na:
5 6
1
Metodu je razvio američki matematičar George
Dantzig 1947. godine. Metoda je temeljena na
njegovom radu u statističkom odjelu US Air Force.
To je najvažnija i najviše korištena metode za
rješavanje poslovnih problema. Tamo su rješavanje metoda planiranja pomoću
stolnog kalkulatora zvali “programiranje”
(odavde ime metodi).
7 8
9 10
11 12
2
Pitanje je: Formuliranje modela linearnog
programiranja
kakvim se proizvodnim programom može
ostvariti najveća moguća dobit te koliki će biti Posao korisnika LP je formuliranje modela i
iznos te dobiti. interpretacija rezultata;
13 14
Izbor varijabli odlučivanja, tj. varijabli o čijoj Funkcija cilja = dobit, koju želimo maksimizirati.
vrijednosti trebamo donijeti odluku (te ćemo
vrijednosti dobiti rješavanjem problema linearnog
Dobit po jednom primjerku sata:
programiranja).
10 dolara za model Raketix a
x1 - tražena količina dnevne proizvodnje Raketix 25 dolara za model Rolix.
satova,
Stoga je ukupna dnevna dobit: “10 x1 + 25 x2“.
x2 - tražena količina dnevne proizvodnje Rolix satova.
15 16
Za sastavljanje jednog Raketix sata treba 1 sat rada, Max ( 10 x1 + 25 x2 ) maksimizacija ukupne
dok za sastavljanje jednog Rolix sata treba 4 sata dnevne dobiti
rada, a dnevno imamo na raspolaganju 200 sati
Uz ograničenja:
radnika koji sastavljaju satove. Stoga ovo ograničenje
ima oblik 1 x2 < 40 (1) broj specijalnih tranzistora
“1 x1 + 4 x2 < 200”.
1 x1 + 4 x2 < 200 (2) vrijeme sastavljanja satova
Dodatno prirodno ograničenje u tome je što nije 1 x1 + 2 x2 < 160 (3) vrijeme provjeravanja satova
moguće proizvoditi negativne količine satova, tj.
mora biti “x1 > 0, x2 > 0”. x1 > 0, x2 > 0 nenegativne količine satova
17 18
3
LINDO DS for Windows
19 20
21 22
23 24
4
Kada na isti način grafički prikažemo sva tri
ograničenja, dobit ćemo područje mogućih
rješenja problema koje zadovoljava sva tri
ograničenja.
25 26
Prikaz funkcije cilja. Crtanje funkcije cilja za nekoliko Uzmimo još dvije moguće vrijednosti dobiti, $ 1 500 i
$ 2 000 te nacrtajmo i njih crtkanom linijom na istoj
mogućih vrijednosti dobiti pokazat će nam koja bi od
ekstremnih točaka mogla predstavljati optimalno slici.
rješenje problema. Linije jednake dobiti su međusobno paralelne, pri
čemu su linije s većom vrijednosti funkcije cilja dalje
Ukoliko funkciju cilja “10 x1 + 25 x2“ izjednačimo npr. od ishodišta.
s vrijednošću $ 1 000, dobivamo jednadžbu pravca
“10 x1 + 25 x2 = 1 000”
(kojeg možemo nacrtati na isti način na koji smo
crtali rubne linije ograničenja).
29 30
5
Pitanje je:
31 32
Iz slike je jasno da će uvijek jedna od točaka koja U primjeru tvrtke Satex očito je da je točka C
daje optimalnu vrijednost biti ekstremna točka. optimalno rješenje problema, jer u njoj linija dobiti
postiže svoju najveću vrijednost.
Ona će biti
Koordinate točke C dobit ćemo kao koordinate
presjecišta ograničenja br. 2 i br. 3, tj. rješavajući
a) jedina točka optimuma ukoliko linija dobiti nije
jednadžbe:
paralelna ni jednoj liniji ograničenja, ili
1 x1 + 4 x2 = 200 (2) vrijeme sastavljanja satova
b) bar jedna od optimalnih točaka u rijetkim slučajevima
da je linija jednake dobiti paralelna nekoj od linija
1 x1 + 2 x2 = 160 (3) vrijeme provjeravanja satova
ograničenja.
33 34
Rješenje:
LINDO
x1 = 120, x2 = 20.
35 36
6
DS for Windows
DS for Windows
37 38
39 40
41 42
7
Budući da neiskorišteni resursi ne donose dobit, oni
Nejednadžbe tipa “manje ili jednako” pritom se se ni ne pojavljuju u funkciji cilja.
pretvaraju u jednadžbe Pogledajmo kako izgleda LP model tvrtke Satex u
kojem su nejednadžbe zamijenjene jednadžbama:
na taj način da im dodajemo tzv. varijable rezerve si
(engl. slack variables), i to prvoj nejednadžbi
dodajemo samo varijablu s1, drugoj dodajemo samo Max ( 10 x1 + 25 x2 )
s2 itd. uz ograničenja:
43 44
47 48
8
Postupak rješavanja problema
49 50
51 52
53 54
9
Analiza osjetljivosti
55 56
57 58
59 60
10
Na slici je prikazana je grafička interpretacija
marginalnih troškova na primjeru tvrtke Satex za
slučaj povećanja vrijednosti ograničenja resursa br. 3
(vrijeme provjeravanja satova).
61 62
63 64
65 66
11
Granice vrijednosti ograničenja
67 68
20 - ∞ za specijalne tranzistore,
160 - 240 za vrijeme sastavljanja satova te
120 - 200 za vrijeme provjeravanja satova.
71 72
12
Promjena vrijednosti koeficijenata funkcije
cilja Grafička interpretacija promjene vrijednosti
koeficijenata funkcije cilja odgovara promjeni nagiba
Promjena vrijednosti pojedinačnih koeficijenata linije jednakih vrijednosti funkcije cilja.
funkcije cilja (uz nepromijenjene vrijednosti svih
drugih parametara modela) Unutar nekih granica vrijednosti koeficijenata funkcije
cilja sadašnje se bazično rješenje ne mijenja,
utječe na optimalnu vrijednost funkcije cilja (i to bez
promjene vrijednosti bazičnih varijabli), a a kada se te granice prijeđu, tada se dobiva novo
optimalno rješenje.
može utjecati i na promjenu bazičnog rješenja.
73 74
75 76
77 78
13
Primjene linearnog programiranja Problem određivanja mješavine proizvoda (engl.
product mix) traži određivanje količina različitih vrsta
Problem mješavine sastojaka (engl. blending) proizvoda koje treba proizvesti da bi se maksimizirala
opisuje mješavinu sastojaka koji zajedno čine konačni dobit.
proizvod koji mora zadovoljiti nekim specifikacijama.
Pri tom svaki od proizvoda zahtijeva određene
Svaki sastojak ima svoju cijenu i svojstva te doprinosi proizvodne resurse i doprinosi određeni iznos ukupnoj
svojstvima konačnog proizvoda. dobiti.
Traži se takva mješavina koja zadovoljava zadane Konačna mješavina proizvoda mora uzeti u obzir
specifikacije, ne prelazi raspoloživu količinu sastojaka, ograničenja proizvodnih resursa te očekivanu
a izaziva minimalne troškove. potražnju za proizvodom.
Primjeri problema mješavine su traženje mješavine nafte i
mješavine životinjske hrane.
79 80
Primjer Primjer
za kampanju je odobren fiksni iznos sredstava za kampanju je odobren fiksni iznos sredstava
pitanje je kako disperzirati oglašavanje preko pitanje je kako disperzirati oglašavanje preko
različitih kanala? različitih kanala?
radio, TV (+ vrijeme dana), tisak radio, TV (+ vrijeme dana), tisak
14
available Lego elements per week:
Application
8 small pieces
Production of Lego furniture
6 big pieces
company produces tables and chairs
Lego pieces needed for a table and a chair:
(colour doesn’t matter!) profit: $16 per table
$10 per chair
if we produce only tables we can produce mostly: if we produce only tables we can produce mostly:
(they have higher profit than chairs) (they have higher profit than chairs)
profit = 3 * $16 = $48 per week profit = 3 * $16 = $48 per week
2 big pieces
are left
87 88
if we produce only tables we can produce mostly: Yes, we can – the optimal solution is:
(they have higher profit than chairs)
2 small pieces
are left no pieces left
15
Problem Formulation Problem Formulation
Constraints
X1 + 2 X2 <= 6 large bricks
2 X1 + 2 X2 <= 8 small bricks
91 92
Problem Formulation
Tables
Decision variables 5
X1 is the number of Chairs
X2 is the number of Tables 4
2 X1 + 2 X2 = 8 Small Bricks
Constraints
3
X1 + 2 X2 <= 6 large bricks
2 X1 + 2 X2 <= 8 small bricks
2
Objective function
1
Maximize 15 X1 + 20 X2
X1>=0, X2>= 0
0 Chairs
93 1 2 3 4 5 6 94
Tables Tables
5 5
4 4
2 X1 + 2 X2 = 8 Small Bricks
3 3
X1 + 2 X2 = 6 Large Bricks
2 2
X1 + 2 X2 = 6 Large Bricks
2 X1 + 2 X2 = 8 Small Bricks
1 1
0 Chairs 0 Chairs
1 2 3 4 5 6 95 1 2 3 4 5 6 96
16
objective function
97
17