Professional Documents
Culture Documents
Ders - Yöneylem Araştırması - EKitap
Ders - Yöneylem Araştırması - EKitap
Başlamadan Önce
Yöneylem Araştırması yeni bir bilim olarak Alman hava kuvvetlerinin saldırılarına karşılık vermek için
1930’ların ikinci yarısında İngiliz Ordusunda kullanılmaya başlamıştır. Fakat onun başlangıç noktası
Archimed’in çalışmalarına dayanır. Archimed deneysel verileri toplamış, bu verileri matematiksel
yöntemlerle analiz etmiş ve MÖ 213 yılında Roma ordusunun Syracuse şehrini kuşatmasına karşılık bu
sonuçları teçhizat yapımında ve yöntem geliştirmede kullanmıştır. Archimed ilk yöneylem araştırmacısı
olarak düşünülebilir ve onun çalışmaları yöneylem araştırmasının başlangıç noktası olarak kabul edilebilir.
Taylorizm sıkça yöneylem araştırmasının öncüsü olarak söz edilir ve yöneylem araştırmasının bilimsel
kökünü oluşturur. İkinci Dünya Savaşından sonra, Yöneylem Araştırması akademik ve iş çevresinde
akademik bir disiplin olarak gelişmiştir. Birçok yeni yöneylem araştırması teknikleri seçkin bilim adamları
tarafından geliştirilmiş ve pek çok farklı alanlarda kullanılmıştır (Öztürk, 2013).
1.1. Giriş
Yöneylem Araştırması ismini oluşturan anahtar kavram olan “Yöneylem” kelimesi yön ve eylem
kelimesinden türetilmiş harekât anlamına gelen bir kelimedir. Yöneylem, karmaşık sorunların çözümünde ve
incelenmesinde bilimsel ve özellikle matematiksel yöntemlerin uygulanışıdır (Türk Dil Kurumu). Yöneylem
araştırması ise herhangi bir problemi yöneylem yöntemine göre araştırma, incelemeyi esas alan bilim dalıdır.
Yöneylem Araştırması, dünyada ve ülkemizde ilk olarak askeri alanda kullanılmaya ve geliştirilmeye
başlanmıştır. Kökeni II. Dünya Savaşına dayanmaktadır ve bu dönem askeri alanlardaki başarılı uygulamaları
“Harekât Araştırması” ismiyle anılmaktadır.
Kavramsal açıdan Yöneylem Araştırması ile Yönetim Bilimi (Management Science) modern bilim açısından
aynı anlamdadır. Yönetim Bilimi (ya da Yöneylem Araştırması), işletmecilik alanındaki örgütsel çalışmaları ele
alan Yönetim Bilimleri ile birbirlerinden kuramsal olarak ayrılan dallar olarak ele alınmaktadır.
Yöneylem araştırması işletmecilik, işletme yöneticiliği ve mühendislik alanları ile yakından ilişkilidir. İşletmeci
ve mühendis bakış açısıyla, yöneylem araştırması teknikleri problem belirleme, model kurma ve problem
çözmede başlıca araç olarak düşünülürler.
Yöneylem araştırmacıları tarafından kullanılan öncelikli araçlar istatistik, optimizasyon, kuyruk kuramı, oyun
kuramı, çizge kuramı, karar analizi ve simülasyondur. Bu alanların sayısal niteliğinden dolayı yöneylem
1
araştırması bilgisayar bilimleri ile de ilgilidir. Dolayısıyla yöneylem araştırmacıları özel olarak yazılmış ya da
hazır yazılımları kullanırlar.
Yöneylem araştırması, spesifik elemanlara yönelmektense sistem genelini ele alarak bütünüyle geliştirme
yeteneğiyle diğerlerinden ayrılır. Yeni bir problemle karşılaşan yöneylem araştırmacısının hangi tekniklerin
sistemin doğasına, geliştirme hedeflerine, zaman ve hesap gücü kısıtlarına en yatkın olduğuna karar vermesi
beklenir. Bu ve diğer nedenlerden ötürü insan etkeni yöneylem araştırması için yaşamsaldır. Öteki herhangi
araçlar gibi yöneylem araştırması teknikleri problemleri kendi başlarına çözemezler.
Çok sayıda teknik ve bilimsel yaklaşımı içeren Yöneylem Araştırması genellikle kıt kaynakların paylaşımının
söz konusu olduğu sistemlerin en iyi şekilde tasarlanması ve işletilmesine yönelik karar problemlerine bilimsel
yaklaşımın uygulanmasını amaçlamaktadır. Bilimsel metotlarla problem çözme çalışmalarının başlangıcı çok
eskilere dayanmakla birlikte günümüzde yöneylem araştırması olarak adlandırılan bilim dalının temelleri İkinci
Dünya Savaşı yıllarında atılmıştır. Savaş yıllarında stratejik ve taktik seviyede çeşitli askeri problemlerin
analizi ve muharebelerdeki etkinliğin artırılmasına yönelik olarak çeşitli teknikler geliştirilmiş ve bunlar yoğun
olarak uygulanmıştır. Matematiksel modelleme ve bilimsel metotların askeri harekatlara uygulanması ve
etkinliğin artırılması amacıyla yapılan optimizasyon çalışmaları sonucunda geliştirilen teknikler Operations
Research (Yöneylem araştırması) olarak adlandırılmıştır.
Yöneylem Araştırması denince akla ilk gelen kelime optimizasyondur. Optimizasyon kelime olarak “en iyiyi
elde etme” şeklinde tanımlanabilir. Bu da bize amaç doğrultusunda eldeki kaynakları kullanarak problemlerin
optimal (en iyi, en verimli) çözümünün bulunmasını ifade eder. Özetle Yöneylem Araştırması, “kısıtlı
kaynaklarla en iyi (optimum) çözümün elde edilmesine yarayan bilimsel bir yaklaşım” olarak tanımlanabilir
(Taha, 1987)
Yöneylem araştırması endüstri, iş dünyası, yönetim ve savunma alanlarında; insan, makine, malzeme ve
paradan oluşan büyük sistemlerin yönetiminde ortaya çıkan karmaşık problemlerin çözümünde bilimsel
metotların uygulanmasıdır. Amaç yönetim politikasının ve faaliyetlerin bilimsel olarak saptanmasına yardımcı
olmaktır.
Yöneylem araştırması sistemlerin karşılaştıkları problemlerde, disiplinlerarası bir ekiple, bilimsel metotları
kullanarak ve problemin kontrol edilebilir unsurları ile ilgili alternatifleri değerlendirmek suretiyle optimal (en
uygun) çözümü bulmayı amaçlar. Yöneylem araştırması gerçek hayattan kaynaklanan ve çoğunlukla sınırlı
kaynakların paylaştırıldığı deterministik ve olasılıklı problemlerin modellenmesi ve optimal kararın verilmesi ile
ilgilenir.
Bu tanımları incelediğimizde, kaynak kıtlığı, karar verme süreci, bilimsel yaklaşım, modelleme, optimal çözüm
gibi anahtar terimlerin yöneylem araştırmasının tanımlanmasında önemli rol oynadığını görürüz. Yöneylem
araştırmasının başta üretim, yönetim, mühendislik, ekonomi, sosyal bilimler, savunma planlaması olmak üzere
pek çok gerçek hayat probleminde çok çeşitli uygulamalarını görmek mümkündür. Bu problemlere
baktığımız zaman gerçekten de çok büyük bölümünde eldeki sınırlı kaynakların paylaştırılmasına yönelik bir
yaklaşıma ihtiyaç duyulduğunu görürüz. Bu gibi problemlerin çözümünde gerekli olan bakış açısı ve uygun
yaklaşımın, yöneylem araştırmasında olduğu gibi, bilimsel analiz yoluyla sağlanabileceğini söyleyebiliriz.
2
1.3. Yöneylem Araştırmasının Tarihsel Gelişimi
İngiltere’de 1937 yılında radar istasyonlarından elde edilen bilgilerin doğruluğu ve eşgüdüm sorunu bir
problem olarak ortaya çıkmıştır. Probleme yönelik çözüm arayışlarının etkinliğini ölçmek için A. P. Rowe
başkanlığında, Bawdsey Araştırma İstasyonunda bilimsel bir grup oluşturulmuştur. Bazı kaynaklara göre II.
Dünya Savaşı’nda Alman hava gücü saldırılarına karşı, askeri operasyonların (harekâtların) etkinliğini
optimize etmek için 1938 yılında Sir Robert Watson Watt ile birlikte A. P. Rowe bilimsel araştırmayı
tasarlamışlardır. İşte söz konusu askeri operasyonların araştırılması işlemine de “Operational Research”
denilmiştir. Yöneylem Araştırmasının 1938’lerdeki özgün ismi “Operational Research” sonraları Amerika’da
“Operations Research” olarak değiştirilmiştir (Lander, 1984).
Yöneylem Araştırması bilim dalının temelleri İkinci Dünya Savaşı sırasında kaynak dağıtımında, üretim
planlaması ve çizelgelemede, envanter ve kalite kontrolünde, ulaşım, lojistik ve diğer alanlarda yüzleşilen
problemlere yönelik çözüm arayışları ile atılmıştır (Öztürk, 2013). İngiltere’de savaş araç ve gereçlerinin,
limanlarda daha kısa sürede gemilere yüklenmesini ve boşaltılmasını sağlayacak bir yöntemin araştırılmasıyla
Yöneylem Araştırmasının askeri alandaki ilk uygulamalarıdır. İngiliz Savunma Bakanlığı bu karmaşık
problemleri çözmek ve askeri harekâtlardaki etkinliği artırmak amacıyla çeşitli disiplinlerdeki bilim
adamlarından oluşan ekipler teşkil ederek bir dizi çalışma başlatmıştır (Başaran, 2000).
II. Dünya Savaşı sonrasında YA’ nın önemli konularından birisi olan doğrusal programlamanın algoritmasını
Rus bilim adamı Leonid Vitaliyevich Kantorovich (1912-1986) 1939 yılında basılan “The Mathematical
Method of Production Planing and Organization” adlı kitabında ele almıştır (Öztürk, 2013). Amerika Birleşik
Devletleri (ABD) hava kuvvetleri faaliyetlerinin etkinlik sağlayacak şekilde planlanmasına yönelik çalışmaları
yürüten G.B. Dantzig çalışma kapsamını genişleterek ABD’nin tüm askeri faaliyetlerinin planlanmasına
yönelik Doğrusal Programlama yaklaşımının çözümünde kullanılan Simpleks Çözüm yöntemini ortaya
koymuştur. Simpleks çözüm yönteminin geliştirilmesinden sonra doğrusal programlama teorisinde de önemli
gelişmeler sağlanmıştır. Robort Dorfman, doğrusal programlama yaklaşımını tam rekabet ve monopol
koşulları altında çalışan iktisadi öğelere uygulamış ve geleneksel marjinal analiz (cebirsel) ile doğrusal
programlama modellerinin uygulanabilirliğini karşılaştırmıştır. Daha sonraki yapılan çalışmalarda, iktisatçılar ve
matematikçiler “Dualite Teorisi”ni geliştirmişlerdir. 1950’lerden sonra R.Bellman dinamik programlama ve H.
Kuhn ile A. Tucker doğrusal olmayan programlama modellerini geliştirmişlerdir (Celasun, 1980).
Yöneylem araştırmasının adındaki "operation" kavramı II. Dünya Savaşı sırasındaki askeri operasyonları
anlatmak için kullanılmıştır. Askeri problemlerin çıkış noktası olması nedeniyle ülkemizde 1969 yılına kadar
Harekât Araştırması adıyla öncelikle askeri kurumlarda, daha sonra TÜBİTAK öncülüğünde üniversiteler ile
kamu kurumlarında kullanılmaya başlanmıştır.
Türk Silahlı Kuvvetleri (Genel Kurmay Başkanlığı) bünyesinde 1956 yılında “Harekât Araştırması” şubesinin
kurulmasıyla başlayan faaliyetleri ilki 1961 yılında İstanbul Teknik Üniversitesi de olmak üzere,
üniversitelerimizde “Harekât Araştırması” veya “Faaliyet Araştırmaları” başlıkları altında dersler açılması
izlemiştir (Kara, 2010). Orta Doğu Teknik Üniversitesi ve kısa bir süre sonra Kara Harp Okulu da
yöneylem araştırması derslerini ders programına eklemek suretiyle öncülük yapan okullar arasında yer
almıştır. Bu gelişmeyi daha sonraki yıllarda gerek yöneylem araştırması derslerini programa koymak ve
gerekse yüksek lisans ve doktora programları açmak suretiyle diğer üniversiteler takip etmiştir.
3
1 Eylül 1965 tarihinde TÜBİTAK bünyesinde bir Yöneylem Araştırması ünitesi oluşturulmuş (Doğrusöz,
1980) daha sonra bu birim 1973 yılında Gebze Marmara Bilimsel ve Endüstriyel Araştırma Enstitüsü’ne
aktarılarak bu birimin bir ünitesi olarak faaliyetlerine devam etmiş (Doğrusöz, 1975) ve 1992 yılında “Sistem
Analizi” adı verilerek yeni bir birime dönüştürülmüştür. Yöneylem Araştırması Derneği'nin (YAD) kurucuları
arasında da yer alan Halim Doğrusöz'ün de aralarında bulunduğu TÜBİTAK Yöneylem Araştırması
Ünitesi’nde Prof. Dr. Barış Kendirli’nin önerisi ile bu disiplinler arası bilim dalı Yöneylem Araştırması olarak
yeniden adlandırılmıştır.
Yöneylem araştırması, bir örgütün etkili çalışmasını sağlamak için sorunlarını ortaya çıkartmada ve bunların
çözümü ile örgütün geliştirilmesinde kullanılır. Örgütün işleyişine ve ürününe ilişkin en kapsamlı ve bilimsel
dönüt toplama yöntemlerinden biri yöneylem araştırmasıdır. Bu yöntem, gerekli alanlardan uzmanların
oluşturduğu takımlarca uygulanmalıdır. Yine bu yöntemle yapılacak araştırmalar sürekli olmalıdır.
Yöneylem araştırmasını kullanarak hangi alanlarda ne gibi çalışmalar yapılabileceği konusunda bir fikir
oluşturması için yöneylem araştırmasının en yaygın uygulama alanları Tablo 1’de verilmiştir (Taha, 2006; Esin
ve Şahin, 2012; Öztürk, 2014; Cinemre, 2011).
11. Optimizasyon 26. Enerji planlaması
12. Benzetim 27. Performans ölçümü
4
13. Bilgisayarla bütünleşik imalat 28. Reorganizasyon
2. Disiplinlerarası yaklaşım ve
3. Bilimsel yönetimdir.
Bu üç özellik aşağıda izleyen başlıklarda ele alınmıştır (Aygüneş vd., 2001; Karayalçın, 1968, Kara, 1979).
Sistem Yaklaşımı, genel bir bakış açısıyla problem ile ilgili tüm yönleri hesaba katan, problemin (veya olayın)
farklı parçaları arasındaki ilişkilere odaklanan bir problem çözme yaklaşımı olarak ifade edilebilir (Tecim,
2004).
Yöneylem araştırması, problem çözümünde o problemin ait olduğu organizasyonun bütün unsurlarını,
çevresini ve aralarındaki etkileşimi göz önünde bulundurur. Organizasyonun herhangi bir unsurunda meydana
gelecek bir değişiklik, diğer unsurları ayrı ayrı etkilemektedir. Aynı şekilde organizasyonun çevresindeki bir
değişiklik organizasyonun faaliyetlerini ve organizasyonun kendi işleyişinde meydana gelecek değişiklikler de
çevresini etkileyecektir. Bu sebeple Yöneylem Araştırması incelenen problemi, içinde bulunduğu sistemin
bütün unsurlarıyla ve bu unsurlar arasındaki her türlü etkileşimle birlikte incelemeyi yani bütünleşik yaklaşımı
benimsemeyi esas alır. Yöneylem Araştırması ile incelenen karar problemlerinin probleme taraf olan tüm
birimlerin çözüme katkıları ve problemin çıktısı olan sonuçlara duyarlılıkları dikkate alınarak, hem her birim
için en uygun kararın alınmasında yardımcı olunmakta, hem de bu kararların işletmenin genel amaçlarına
uygun olması sağlanmaktadır. Bu çalışma prensibi aynı zamanda “sistem yaklaşımı” “system approach”
olarak adlandırılmaktadır. (Churcman vd., 1957)
Matematik, istatistik, mühendislik ve bilgisayar bilimi gibi farklı disiplinlerin kesiştiği bir noktada bulunması
bakımından Yöneylem Araştırması disiplinlerarası bir yaklaşımdır. Ayrıca karşılaşılan birçok işletme
problemi, davranışsal, sosyal, politik, ekonomik, istatistiksel, matematiksel, fiziksel, biyolojik ve iş yönü olan
karmaşık problemlerdir. Yöneticiler farklı uzmanlık alanları olan bir grubu toplayarak problemlerin çözümü
için yenilikçi yaklaşımlar elde edebilmesi amacıyla farklı disiplinlerden (matematikçiler, istatistikçiler, fizikçiler,
psikologlar, iktisatçılar ve mühendislerden) oluşan kişilerin problemlerin çözümünde bilimsel modelin
araştırılması ve kurulmasında yardımcı olması için oluşturulan takımın kullanılmasına disiplinlerarası yaklaşım
denir (Öztürk, 2013).
5
1.6.3. Bilimsel Yöntem
Karmaşık işletme problemlerin analiz ve çözümü için Yöneylem Araştırması, bilimsel yöntemleri, teknikleri ve
araçları uygular. Yöneylem araştırmasının kullandığı bilimsel yöntem beş temel aşamadan oluşur .
2. Modelin kurulması,
5. Çözümün uygulanması.
Eğri cetvelden doğru çizgi çıkmaz. Bu ifadeden anlaşılacağı gibi ilgili sistemin detaylı bir şekilde incelenip söz
konusu problemin iyi bir şekilde tanımlanması, işin birinci ve en önemli aşamasıdır. Bu aşama, eldeki
problemin kantitatif olarak incelenebilecek bir yapıya dönüştürülmesini amaçlar. Bu aşamada problemin
çözümüne direkt ya da endirekt (dolaylı) olarak etki edebilecek her unsurun özenle ortaya konulması gerekir.
Bu nedenle problemin tanımlanması, Yöneylem Araştırması ekibinin tamamının katılımını gerektiren bir süreç
olup yapılacak incelemenin sonunda aşağıdaki hususların belirlenmesi gerekmektedir:
1. Amaçların belirlenmesi.
2. Problem alanının, yani organizasyonu ve çevresini kapsayacak şekilde probleme etki edecek olan sistemin
belirlenmesi.
4. Varsayımların belirlenmesi.
5. Uygun bir etkinlik ölçüsünün belirlenmesi. Etkinlik ölçüsü çeşitli alternatiflerin amacı ne denli
gerçekleştirdiğini değerlendirmede kullanılan bir ölçütü ifade eder. Örneğin, bir kar maksimizasyonu ya da
maliyet minimizasyonu probleminde etkinlik ölçüsü TL/birim olarak tanımlanabilir.
Model gerçek bir nesnenin ya da durumun çeşitli semboller kullanarak ifade edilmiş temsili bir şekli,
soyutlanmış bir yaklaşımdır. Modelleri aşağıdaki gibi gruplandırmak mümkündür:
1. İkonik (taklit) model: Fiziksel model olarak da adlandırılan ikonik model, gerçek bir nesnenin ya da olayın
genellikle farklı boyutlarda ifade edilmiş görsel bir temsilcidir. (Örneğin: Kabartma harita, uçak marketi,
fotoğraf,…)
2. Analog (çizgisel) model: Gerçek bir nesnenin ya da olayın çeşitli özelliklerini ifade eden ve çizgilerle
oluşturulan modeldir. (Örneğin: Elektrik devresi şeması, otomobil hız göstergesi, termometre,…)
3. Matematiksel (sembolik) model: Gerçek bir nesnenin ya da olayın harfler, rakamlar ve çeşitli matematiksel
sembollerle temsil edilmiş şeklidir. (Örneğin: Kelimeler, formüller, sayılar, eşitlikler,…)
2. Matematiksel ve mantıksal bir yapıya sahiptirler. Bu modeller, soyutlaştırılmış bir şekilde sistemin özünün
ve sistemin unsurları arasındaki ilişkinin temsil edilmesinde eşitliklerde olduğu gibi) oldukça önemli bir yer
tutmaktadırlar.
3. Tanımlayıcıdırlar. Gerçek bir nesneyi ya da olayı ideal olarak tanımlayabilirler. Örneğin, eşitliği
enerjiyi ve eşitliği kuvveti tanımlar.
4. Optimizasyon için kullanıma uygundurlar. Matematiksel çözüm yöntemlerinden herhangi birisini kullanmak
suretiyle bu modellerden elde edilecek çözüm sonucunda, temsil ettikleri sistemin optimal şekilde
tasarlanması ve işletilmesine yönelik önemli bilgiler elde etmek mümkündür.
1. Karar değişkenlerinin belirlenmesi: Karar değişkenleri problemdeki kontrol edilebilir unsurları temsil
eden ve çözüm sonunda değerleri elde edilecek olan değişkenlerdir. Örnek olarak toplam n adet ürünün
üretileceği bir üretim probleminde üretilecek ürün miktarlarını gösteren n adet karar değişkeni (örneğin ,
,…, ) olarak gösterilir.
4. Kısıtların oluşturulması: Karar değişkenlerinin alabilecekleri değerler ile ilgili sınırlamaları belirten
kısıtlar da matematiksel olarak ifade edilebilir. Diyelim ki örnek problemde her bir üründen bir birim üretmek
için gerekli olan demir miktarı (3,4,…,2) kg/birim ve eldeki toplam demir miktarı ise 20 kg olsun. Bu
parametreleri katsayı olarak kullanmak suretiyle demir kapasitesi ile ilgili kısıt ( örneğin,
) olarak ifade edilir.
7
Şekil 1. Matematiksel Modelleme ve Girdi-Çıktı Dönüşüm Süreci
Şekil 1’de görüldüğü gibi, karar değişkenleri ile parametreleri girdi olarak düşünecek olursak matematiksel
modeli bu girdileri çıktıya dönüştüren mekanizma olarak değerlendirebiliriz.
Yöneylem araştırmasının kullandığı teknikleri ve yaklaşımları model yapılarına göre genel olarak deterministik
ve olasılıklı modeller olarak gruplandırabiliriz.
- Şebeke (Ağ) Analizi - CPM ve PERT ile Proje Planlama
Bu aşama çeşitli teknikleri kullanarak model için optimal çözüm sonuçlarının elde edilmesidir. Optimal
çözüm, amaç fonksiyonu değerinin maksimum ya da minimum yapılması anlamındadır. Matematiksel
modellerin çözülmesinde kullanılan teknik ve yöntemleri analitik teknikler, sayısal teknikler, sezgisel
yaklaşımlar olarak değerlendirmek mümkündür. Sezgisel yaklaşımlar, optimizasyon tekniklerinden herhangi
birisiyle çözülemeyecek kadar karmaşık yapıdaki modellerde, optimal çözüm yerine yaklaşık bir çözüm elde
etmek için geliştirilmiştir. Karmaşık sistemler için kullanılan alternatif bir modelleme yaklaşımı da
simülasyondur. Matematiksel modellemedeki gelişmelere rağmen pek çok gerçek olay matematiksel olarak
modellenememektedir. Simülasyon teknikleri matematiksel olarak modellenmesi ve analitik tekniklerle
çözülmesi mümkün olmayan sistemlerin modellenmesinde ve incelenmesinde kullanılırlar. Simülasyon genel
olarak gerçek sistemi küçük parçalara ayırıp bu parçaları, uygun mantıksal bağlantılarla, birbiri ile
ilişkilendirmek suretiyle sistemin davranışını taklit etmeye çalışan bir yaklaşım olarak tanımlanabilir.
Ayrıca günümüzde yöneylem araştırması çözüm tekniklerini kapsayan ve matematiksel modellerin bilgisayar
ile çözümüne olanak sağlayan çok sayıda paket program geliştirilmiştir. Dolayısıyla modelden çözüm elde
edilmesi için işin kolay bir aşaması olup, nispeten zor olan bölüm optimal çözüm elde edildikten sonra yapılan
analizlerdir. Duyarlılık analizi adı verilen bu süreç, model parametrelerindeki olası değişiklikler (örneğin birim
karın ya da eldeki kapasitenin değişmesi) sonucunda optimal çözümün nasıl bir davranış göstereceğinin
incelenmesini kapsar.
8
Çözümü uygulamaya geçmeden önce son olarak modelin geçerliliğinin ve çözümün güvenirliliğinin test
edilmesi gerekmektedir. Bu aşamada, geliştirilen modelin gerçekten söz konusu sistemin davranışını uygun bir
şekilde temsil edip etmediği ve buna bağlı olarak da elde edilen çözümün kabul edilebilir mantıklı bir çözüm
olup olmadığı incelenmelidir. Modelin geçerliliği, elde edilen sonucun mantıksal olarak uygun olup olmadığının
tartışılması yoluyla değerlendirilebileceği gibi modelden elde edilen sonucu geçmişe ait çıktılarla
karşılaştırmak suretiyle araştırılabilir. Eğer benzer girdiler sağlandığında geçmişteki davranış tekrarlanıyorsa
(istikrarlı bir çözüm elde ediliyorsa) o zaman model geçerlidir.
Bu aşama, geçerliliği kanıtlanmış bir modelden elde edilen güvenilir bir çözümün gerçek hayattaki probleme
uygulanması aşamasıdır. Bu aşamada da asıl yük, yani çözümün anlaşılabilir bir şekilde sistemi işletecek olan
personele anlatılması, yine yöneylem araştırması ekibine düşmektedir.
Bir sorunun çözümü için YA kullanıldığı zaman aşağıdaki yedi adımlık süreç takip edilmelidir.
YA analisti (sorunu olan karar vericiye YA teknikleri ile yardımcı olan kişi) ilk olarak sorunu tanımlar.
Sorunun tanımlanması v amaçların ve sorunu oluşturan sistemin bileşenlerinin belirlenmesi ile olur.
Daha sonra analist sorunu etkileyen parametrelerin değerlerini belirlemek için veri toplar. Söz konusu
değerler sorunu temsil edecek bir matematiksel modelin geliştirilmesi (Adım3) ve değerlendirilmesi (Adım4)
için kullanılır.
Analist tarafından sorunu ideal bir şekilde temsil edecek bir matematiksel model geliştirilir.
Üçüncü adımda kurulan modelin gerçeği iyi yansıtıp yansıtmadığı sınanır. Şu anki durum için modelin ne
kadar geçerli olduğu belirlenerek modelin gerçeğe ne kadar uyduğu test edilir.
Eldeki model üzerinde bir çözüm yöntemi kullanılarak amaçları en iyi karşılayan bir Seçenek (varsa) analist
tarafından seçilir.
Bazen eldeki seçeneklerin kullanımı için sınırlandırmalar ve kısıtlamalar olabilir. Bu yüzden amacı karşılayan
seçenek bulunamayabilir. Bazı durumlarda ise amaçları en iyi şekilde karşılayan birden fazla sayıda seçenek
bulunabilir.
Bu adımda, analist modeli ve model çözümü sonucunda ortaya çıkan önerileri karar verici ya da vericilere
sunar. Seçenek sayısı birden fazla ise karar verici(ler) gereksinimlerine göre birini seçerler.
Sonuçların sunumundan sonra, karar verici(ler) öneriyi onaylamayabilir. Bunun nedeni uğraşılan sorunun
doğru tanımlanmaması ya da modelin kurulmasında karar vericinin yeterince sürece karışmaması olabilir. Bu
durumda analist ilk üç adıma yeniden dönmelidir.
Bölüm Özeti
Bu bölümde yöneylem araştırmasının tanımını, yöneylem araştırmasının tarihsel gelişimini, yöneylem
araştırmasının hangi alanlarda uygulandığını, yöneylem araştırmasının aşamalarını, yöneylem araştırmasının
özelliklerini ve yöneylem araştırmasında etkin kullanılan yöntemler hakkında bilgiler edindik. Bilimsel
yönetimin aşamaları ve model kurma, çözme süreçlerinin hangi adımlardan oluştuğunu öğrendik.
Yöneylem Araştırması denince akla ilk gelen kelime optimizasyondur. Optimizasyon kelime olarak “en iyiyi
elde etme” şeklinde tanımlanabilir. Bu da bize amaç doğrultusunda eldeki kaynakları kullanarak problemlerin
optimal (en iyi, en verimli) çözümünün bulunmasını ifade eder. Özetle Yöneylem Araştırması, “kısıtlı
kaynaklarla en iyi (optimum) çözümün elde edilmesine yarayan bilimsel bir yaklaşım” olarak tanımlanabilir.
Yöneylem Araştırması bilim dalının temelleri İkinci Dünya Savaşı sırasında kaynak dağıtımında, üretim
planlaması ve çizelgelemede, envanter ve kalite kontrolünde, ulaşım, lojistik ve diğer alanlarda yüzleşilen
problemlere yönelik çözüm arayışları ile atılmıştır. Ülkemizde Yöneylem Araştırması dünyadaki ilk kullanım
alanına benzer şekilde askeri alanda ilk kez Türk Silahlı Kuvvetlerinin öncülüğünde 19 Ağustos 1954 yılında
Genel Kurmay Başkanlığı bünyesinde kurulan “İlmi İstişare Müdürlüğü” ile başlamıştır. 1 Eylül 1965 tarihinde
TÜBİTAK bünyesinde bir Yöneylem Araştırması ünitesi oluşturulmuş (Doğrusöz, 1980) daha sonra bu birim
1973 yılında Gebze Marmara Bilimsel ve Endüstriyel Araştırma Enstitüsü’ne aktarılarak bu birimin bir ünitesi
olarak faaliyetlerine devam etmiş (Doğrusöz, 1975) ve 1992 yılında “Sistem Analizi” adı verilerek yeni bir
birime dönüştürülmüştür. Yöneylem Araştırması Derneği'nin (YAD) kurucuları arasında da yer alan Halim
Doğrusöz'ün de aralarında bulunduğu TÜBİTAK Yöneylem Araştırması Ünitesi’nde Prof. Dr. Barış
Kendirli’nin önerisi ile bu disiplinler arası bilim dalı Yöneylem Araştırması olarak yeniden adlandırılmıştır.
Kaynakça
Aygüneş, H., Binay,S., Çetin,A., Oral,H. (2001). Yöneylem Araştırması Ders Kitabı. Ankara: Kara Harp
Okulu Matbaası.
Celasun, M., (1980). Yöneylem Araştırması’nın Gelişme Sorunları ve Yönleri, Yöneylem Araştırması
Dergisi, Cilt 1, Sayı 1, 21-27.
Churcman, C.V., Ackoff, R. L., Arnoff, E. L. (1957). Introduction to operations research. New York: John
Wiley.
Doğrusöz, H. (2010). Yöneylem Araştırması Serüvenim Bir Bilimsel Gelişimin Transferi Öyküsü, içinde
Mühendislik Mimarlık Öyküleri IV, TMMOB Yayınları, Ankara, 181-200.
http://www.tmmob.org.tr/sites/default/files/995f98d56967d94_ek.pdf
Doğrusöz, H., (1980). Türk Toplumunda Yöneylem Araştırmasının Yeri, Rolü ve Gelişme Yönü, Yöneylem
Araştırması Dergisi, Cilt 1, Sayı 1, 1-21.
10
Esin, A., Şahin, S.T., (2012). Yöneylem Araştırmasında Yararlanılan Karar Yöntemleri, Gazi Kitabevi,
Ankara.
Morse, P. M., & Kimball, G. E. (1951). Methods of Operations Research. New York: John Wiley and
Sons
Öztürk, A. (2013). Yöneylem Araştırmasının Tarihi Gelişimi ve Özellikleri. Alphanumeric Journal, 1(1), 1-
11.
Sertöz, A. S. (2017). Yöneylem Araştırması: Matematik ve Günlük Hayat, Bilim Teknik Haziran 2017
Sayısı, https://services.tubitak.gov.tr/edergi/yazi.pdf?
dergiKodu=4&cilt=50&sayi=595&sayfa=70&yil=2017&ay=6&yaziid=40633
Taha, H. A., (2006). “Yöneylem Araştırması”, (Çeviri: Alp Baray, Şakir Esnaf), Literatür Yayıncılık,
İstanbul.
Tecim, V. (2004). Sistem Yaklaşımı ve Soft Sistem Düşüncesi. Dokuz Eylül Üniversitesi İktisadi İdari
Bilimler Fakültesi Dergisi, 19(2), 75-100.
Ünite Soruları
Soru-1 :
“Belirli kısıtların olduğu bir durumda, belirli bir amaca yönelik en uygun çözümün bulunması için geliştirilmiş
bilimsel ve sayısal yöntemler dizisidir”.
(•) - Pazarlama
(•) - Operasyon
11
(•) - Yöneylem Araştırması
(•) - Atama
Cevap-1 :
Yöneylem Araştırması
Soru-2 :
(•) - Hukuk
Cevap-2 :
Askeri alan
Soru-3 :
Yöneylem Araştırmasının temelleri “savaş araç ve gereçlerinin limanlarda daha kısa sürede gemilere
yüklenmesini ve boşaltılmasını sağlayacak bir yöntemin araştırılması” amacıyla hangi ülkede atılmıştır?
(•) - Türkiye
(•) - İngiltere
(•) - Almanya
(•) - Fransa
(•) - Hindistan
Cevap-3 :
İngiltere
Soru-4 :
ABD’nin tüm askeri faaliyetlerinin planlanmasına yönelik doğrusal programlama yaklaşımını geliştiren ve
Simpleks çözüm yöntemini ortaya koyan bilim adamı kimdir?
12
(•) - Henry Gantt
Cevap-4 :
Soru-5 :
(•) - Araştırma
(•) - Yöneylem
(•) - Optimizasyon
(•) - Amaç
(•) - Problem
Cevap-5 :
Optimizasyon
Soru-6 :
Cevap-6 :
Pazarlama ve satış
13
Soru-7 :
Aşağıdakilerden hangisi “yöneylem araştırmasının kullandığı bilimsel yöntem aşamalarından” biri değildir?
Cevap-7 :
Deneme yanılma
Soru-8 :
Cevap-8 :
Soru-9 :
14
Cevap-9 :
Tahminleme çalışması
15
2. DOĞRUSAL PROGRAMLAMA VE
MODEL KURMA
Birlikte Düşünelim
Doğrusal Programlama modelinde yer alan doğrusallık kavramını geçmiş bilgilerimizi gözönü alarak
düşünelim.
Bir işletmede karşılaşılabilecek ne tür problemlerin optimize edilecek problemler olabileceğini belirleyeme
çalışalım.
İşletme problemleri bir önceki bölümde öğrendiğimiz model kavramına göre nasıl modellenebilir?
Problemleri doğrusal bir model içerisinde nasıl temsil edebileceğimizi düşünelim.
Başlamadan Önce
Doğrusal programlama doğrusal amaç fonksiyonuna sahip karar problemlerinin doğrusal eşitlik ve/veya
eşitsizlik kısıtlamalarına riayet edecek şekilde optimize edilmesinde kullanılan Yöneylem Araştırması
yöntemidir. Bu bölüme başlamadan evvel müfredatımızda yer alan İşletme Matematiği dersinde, doğrusal
programlamanın matematik temellerinin ele alındığı bölümü tekrar edelim.
2.1. Giriş
Doğrusal Programlama (DP) yada diğer bilinen adıyla Lineer Programlama (LP) doğrusal sınırlayıcı koşullar
(kısıtlar) adı verilen eşitlik ve eşitsizlikler grubu ile birlikte amaç denklemi adı verilen bir doğrusal fonksiyonun
değerini optimize etmeyi amaçlayan bir matematiksel modeldir. Yöneylem Araştırması’nın ilk dönem
uygulamalarının çıkış noktasını oluşturan doğrusal programlama değişkenlere ve kısıtlayıcılara bağlı kalarak
belirlenen optimal amaca ulaşma tekniğidir (Öztürk, 2014). Optimize etmek ya da genel anlamda
optimizasyon, en iyileme demektir. Örneğin amaç fonksiyonu bir kârı temsil ediyorsa bu durumda optimize
etmek demek, kârı maksimize etmek (en büyükleme); bir maliyet fonksiyonundan bahsedildiğinde optimize
etmek demek fonksiyonu minimize (en küçükleme) etmek demektir. Amaç fonksiyonu ister kâr, isterse
maliyet optimizasyonuna yönelik düzenlenmiş olsun özünde hedeflenen optimizasyon fayda optimizasyonu
olarak nitelendirilebilir.
Doğrusal Programlama kavramında bulunan “doğrusal” kelimesi ile anlatılmak istenen düşünce, girdiyi
oluşturan değişkenler ile çıktı değeri arasında doğrusal bir ilişki olmasıdır. “Programlama” sözcüğü ile
anlatılmak istenen ise elde bulunan kaynaklar ile mümkün olan en uygun dağılım sonucu en yüksek faydayı
(enbüyüklenmiş kâr, en küçüklenmiş maliyet) sağlayan durumu bulmaya çalışmaktır.
Doğrusal Programlama belli bir amacı gerçekleştirmek için sınırlı kaynakların etkin kullanımını ve çeşitli
seçenekler arasında en uygun dağılımını sağlayan matematiksel bir tekniktir (Karayalçın, 1979). Daha basit
bir ifade ile Doğrusal Programlama modeli, eldeki kıt kaynaklar doğrultusunda işletmenin kârını maksimum
yapacak üretim değerlerinin elde edilmesini veya işletme maliyetlerini minimum yapacak üretim değerlerinin
elde edilmesini sağlayan modelin oluşturulması, çözümü ve elde edilen sonuçlarla işletme içi kararların
alınabilmesini sağlamaktadır (Tulunay, 1991).
Doğrusal Programlama deterministik bir araçtır, yani model parametreleri belirgin olarak kabul edilmekte,
izleyen süreçte gerçekleşecek durumlarda rassalık bulunmayan bir sistem içerisinde yeralmaktadır. İşletme
16
yönetiminde karşılaşılan en büyük sorun, işletmenin sahip olduğu kısıtlı kaynak ve imkânları, çeşitli amaç ve
kullanımlara en uygun olabilecek şekilde kullanabilmektir. İşletmenin sahip olduğu insan kaynağı, kullanılan
makina, malzeme ve hammadde ile yer, zaman vb. envanterin her biri işletmenin elinde bulundurduğu kaynak
ve imkânları sembolize etmektedir. İşletmelerin bu kaynakları kullanırken en temel amaçları; kaynakların
mümkün olan en iyi şekilde dağılımını sağlayarak kârlılığı maksimum seviyeye çıkarmak ve üretilecek ürün ve
hizmet türlerinin belirlenmesi, bu ürün ve hizmetlerden ne oranda üretileceğinin doğru hesaplanması yoluyla
kaynakların mümkün olan en az maliyetli şekilde dağıtımı gerçekleştirilmesidir.
olarak ifade edilebilir. İzleyen başlıklarda bu kısımları detayları ile ele alalım.
17
2.3.1. Amaç Fonksiyonu
Amaç fonksiyonu, doğrusal programlama kapsamına giren problemdeki kısıtların kullanılmasıyla oluşan
faydanın maksimize edilmesi maksadıyla kârın enbüyüklenmesi ve zararın enküçüklenmesi olarak
tanımlanabilir. Matematiksel ifadesi ile aşağıdaki şekildedir:
veya
= Maksimum düzeyde karlılığı veya minimum düzeyde maliyeti sembolize eder. Burada;
; Karar değişkenleri,
; Birim kar veya birim maliyetler diğer bir ifade ile karar değişkenlerine ait katsayılardır. j alt indisi birden
fazla değişkenin tek bir değişken üzerinden tanımlanmasına olanak sağlamaktadır. Yukarıdaki amaç
fonksiyonu örneklerinde yer alan X1, X2, ..... Xn karar değişkenleri sırasıyla birinci, ikinci ve n.’inci karar
değişkenlerini göstermektedir ve
Örnek olarak bir atölyede üretilen ve gibi iki ürünün birim kârları sırası ile 3 ve 2 TL ise; ürününden
tane, ürününden tane üretilip satılması sonucu, atölyenin bu iki ürünün belirli bir dönemdeki
üretiminden (satışından) elde edeceği kâr fonksiyonu ile hesaplanabilir. Bu amaç fonksiyonunu
enbüyüklemek için, atölyede üretilen ve ürünlerinden daha fazla üretmek, yani fonksiyonda bulunan
ve karar değişkenlerinin değerlerini büyütmek gerekir. Yani bir anlamda üretimi arttırmak gerekir. Bu
bakımdan ele alınan amaç fonksiyonu kâr maksimizasyonunu hedeflediği için olarak
gösterilir. Ancak, üretim sonsuza kadar artmaz. İşletmenin her kaynak için kapasiteleri yani işletmenin çeşitli
sınırlayıcı koşulları (kısıtları) bulunmaktadır. Bir işletmenin; sahip olduğu alan, işgücü, makine sayısı,
hammadde… gibi birçok kaynak sonludur yani bu kaynaklara ait kısıtlar vardır. Doğrusal programlamadaki
amacımız, bu kısıtlar altında, değerini (amaç fonksiyonunu) en ideal düzeye ulaştırmaktır.
;
Yukarıdaki matematiksel gösterim de “ ” ile gösterilen değerler doğrusal programlama modelinin
oluşturulduğu probleme ilişkin işletmenin kısıtlarına ait maksimum stok oranını göstermektedir ve sağ taraf
sabiti olarak da ifade edilmektedir. “ ” ile ifade edilen değerlerin ise alternatif üretim teknikleri olduğu
varsayılmaktadır. Daha da açık bir anlatım ile “ ” bir birim ürünü üretebilmek için kaynaklardan
kullanılması gerekli olan miktarları göstermektedir. Aşağıda eşitlik ve eşitsizlik kısıtlarına örnekler
verilmektedir. Amaç örneğe kısıtlar için de genişletecek olur isek;
ve ürünlerinin üretildiği bir atölyede, 1 birim ürünü üretebilmek için 4 işçilik saati, 1 birim ürünü
üretebilmek için 5 işçilik saati harcanıyor olsun. Eğer bu atölyenin işçilik kapasitesi haftalık 100 saat ise,
birinci kısıtımız, A ve B ürünlerinden üretilecek miktarlar ve ile gösterilmek üzere,
Benzer şekilde ve ürünleri için harcanan hammadde miktarları sırası ile 20 kg ve 10 kg ve atölyede
toplam haftalık 500 kg hammaddesi bulunmakta ise, ikinci kısıtımız;
Üretim miktarları negatif olmayacağına göre, ve sıfır ya da sıfırdan büyük olacaktır. Eğer üretmezsek
sıfır, üretirsek pozitif olacak, hiçbir zaman negatif olmayacaktır. Bu durumda bu örneğe ilişkin Doğrusal
Programlama matematiksel modeli;
(Amaç Fonksiyonu)
kısıtları altında
19
Örnek:
Cevap:
Doğrusal denklem sistemlerinden hatırlandığı gibi, denklemi iki boyutlu kartezyen koordinat
sisteminde bir doğruyu gösterir.
Doğrunun grafiği aşağıdaki gibidir. Kısıtın işareti “ ” olduğu için aşağıdaki doğrunun üzerindeki noktalar bu
eşitliği sağlarlar. Doğrunun eksenleri kesim noktalarını belirlemek üzere sırasıyla x ve y değişkenlerine 0
değeri verilerek eşitliği oluşturan diğer değişkenin değeri belirlenir. Yani x değişkeni 0’a eşit olduğu durumda
y değişkeninin eşitliği sağladığı değer y ekseni için kesim noktasını, y değişkeni 0’a eşit olduğu durumda x
değişkeninin eşitliği sağladığı değer x ekseni için kesim noktasını göstermektedir.
Örnek:
Cevap:
Kısıtın işareti “ ” olmasından dolayı denklemimiz eşitsizlik olarak ifade edilir ve eşitsizliğini
sağlayan noktalar, iki boyutlu kartezyen koordinat sisteminde bir doğrunun üst tarafında kalan noktaların
20
kümesi olacağından bu bölge aşağıdaki gibi gösterilir. Kısıt eşitliği de kapsadığı için doğrunun üst tarafı ve
doğrunun kendisi de çözüm alanına dahildir. Diğer bir ifade ile kısıtın işareti “≥” olmasından dolayı eşitlik
durumu da dikkate alınarak çözüm alanına Şekil 3.’te mavi renkte gösterilen doğrunun kendisi de dahil edilir.
Örnek:
Cevap:
Kısıtın işareti “ ” olmasından dolayı, eşitsizliğini sağlayan noktalar, iki boyutlu kartezyen
koordinat sisteminde bir doğrunun alt tarafında kalan noktaların kümesi olup, bu bölge aşağıdaki gibi
gösterilir. Eşitlik de sağlayacağı için doğru da bu çözüm alanına dahildir (Şekil 4).
Negatif olmama koşulu, doğrusal programlama varsayımlarında da geçen “karar değişkenlerinin sıfır ya
da pozitif olması gerekir” ifadesinin matematiksel gösterimidir. “ ” şeklinde ifade edilen tüm birimlerin (n
21
adet) karar değişkeni olarak ele alındığı bir doğrusal programlama modelinde pozitiflik koşulu aşağıdaki
şekilde ifade edilecektir:
Şuana kadar Doğrusal Programlama modeli kurmak üzere izlenen adımları aşağıdaki örnek üzerinde
tekrarlayalım.
Örnek:
ve gibi farklı iki ürünün üretimlerinin ne kadar olması gerektiğini belirlemek isteyen bir atölye düşünelim.
ve ürünlerinin birim karları sırasıyla 2 ve 5 TL dır. ürününün her birimi için 3 saat işçilik ve 4 ton
hammadde, ürününün her birimi için 5 saat işçilik ve 7 ton hammadde kullanılmaktadır. Atölyenin haftalık
işçilik kapasitesi 300 saat, o hafta için deposunda tuttuğu hammadde stoku 350 ton olduğuna göre, o hafta
bu iki ürünün üretimlerinden (ki bu ürünlerin hepsinin satıldığı varsayılıyor) elde edeceği karı maksimize etmek
(en büyüklemek) için hangi üründen ne kadar üretim yapmalıdır.
Yukarıda verilen kısıtlar doğrultusunda uygun çözüm bölgesi Şekil 5.’te gösterildiği gibi belirlenir.
22
Şekil 4. Uygun çözüm alanının grafik gösterimi
Şekil 5.’te taranan uygun çözüm bölgesi modelimizde yer alan işçilik ve hammadde kısıtları ile negatif
olmama kısıtlarının tamamını eşanlı olarak sağlayan bölgeyi ifade etmektedir. Uygun çözüm bölgesi içerisinde
rastgele belirleyeceğiniz bir noktanın x ve y koordinatlarını sırasıyla her üç kısıtı temsil eden eşitsizliklerde
kullanırsanız, eşitsizliklerin ihlal edilmediğini görebilirsiniz. Doğrusal Programlama ile amaçlanan optimizasyon
uygun çözüm bölgesinde yer alan noktalardan amaç fonksiyonunda kullanıldığı durumda en yüksek değeri
verecek olanı belirlemektir. Bu noktanın bulunmasında kullanılan basit yöntemlerden biri olan Grafik Çözüm
Yöntemi izleyen başlıkta ele alınacaktır.
Bu durumda, uygun çözüm alanı veya uygun çözüm bölgesi aşağıdaki gibi oluşur.
23
Şekil 5. Uygun çözüm alanının grafikle gösterimi
Grafik Yöntem, oluşturulan doğrusal programlama modelinin içerdiği sınırlayıcı denklemlerin koordinat
düzlemi üzerinde grafiklerinin çizilmesi ve kısıtların maksimum ya minimum değerleri doğrultusunda ortak bir
çözüm noktası bulunmasını içerir. Yöntem üç ve daha az değişkenden oluşan doğrusal programlama
modelleri için uygundur. Temelde iki önemli aşaması söz konusudur:
Model içerisinde ifade edilen kısıtların sağlandığı uygun çözüm alanının bulunması;
Uygun çözüm alanı içerisindeki tüm noktalardan en ideal (amaç fonksiyonun yönüne göre
amaç fonksiyonunu enbüyükleyecek ya da enküçükleyecek) olanının belirlenmesi.
Örnek:
Doğrusal programlama modelinin grafik yöntemi ile çözüm adımlarını birlikte inceleyelim:
Kartezyen koordinat sisteminde (kağıt düzleminde); ürününün üretim miktarı , yatay eksende;
ürününün üretim miktarı ise düşey eksende gösterilmektedir. , negatif olmama kısıtları
uyarınca çözüm alanı koordinat sisteminin 1. bölgesinde olmaktadır. Kalan iki kısıtı bu koordinat sisteminde
göstermenin yolu, eşitsizlikleri eşitlikmiş gibi düşünerek bunların doğrularını çizmektir. Daha sonra her
eşitsizliğe ait doğruların altında ya da üstünde kalan bölge söz konusu eşitsizliğin işaretine göre seçilmektedir.
Buna göre örnek modelin grafiği aşağıdaki şekilde olacaktır.
24
Şekil 6 Örnek 1'e Ait Grafik Çözüm
Taralı alan ile gösterilen uygun çözüm alanının sınırları üzerindeki herhangi bir nokta tüm kısıtları sağlayan
çözüm noktasıdır. Optimum çözümü verecek noktanın belirlenmesi için, biçimindeki
kâr fonksiyonunun artış yönünün bulunması gerekmektedir. Pratikte ye rastgele iki sayı verilerek ’ in
artış yönü belirlenebilir. İşlem kolaylığı olması için ye verilecek sayıların fonksiyonda yer alan katsayıların
ortak katı olan sayılardan seçilmesi yerinde olacaktır. Örneğimizde amaç fonksiyonu katsayılarının ortak katı
olan 20 ve 40 sayılarını Z değeri olarak belirlersek
Örneğimize ait Şekil 8.’de kırmızı renkte kesikli çizgiler ile gösterilen eş kâr doğruları uygun çözüm alanı
dışına doğru ilerletildiğinde doğruların -eğimi gereği- uygun çözüm alanını son olarak B noktasından terk
edeceği açıkça görülmektedir. Optimal çözüm değerimizi yani amaç fonksiyonumuzu en büyük değerine
ulaştıracak ve değerlerini B noktasının koordinatlarını belirleyerek bulabiliriz. B noktası
; doğrularının kesişim noktası olduğundan bu iki eşitsizlik, eşitlik olarak
işleme alınarak çözülmesiyle ve değerleri bulunur. ve değerleri amaç
fonksiyonunda yerine konulursa olarak hesaplanır. Elde ettiğimiz optimal değer
olan 21 değeri, uygun çözüm alanındaki tüm noktalar tek tek amaç fonksiyonunda kullanıldığında elde
edilebilecek en büyük (maksimum) değeri ifade etmektedir. Optimal değer (21) ulaşmak için modelde
ve optimal çözüm değerleri kullanılmalıdır. Bu değerler bizi en büyük amaç fonksiyonuna
ulaştırmakla birlikte modelin hiç bir kısıtını da ihlal etmemektedir.
25
Şekil 7. Matematiksel modelin grafik yöntemle çözümü
Örnek:
Yukarıda verilen olan doğrusal programlama probleminin (maksimizasyon problemi) grafik yöntemle
optimum çözümü bulalım.
Yukarıdaki örnekten farklı olarak eş kâr doğruları çizmek yerine kısıt ve amaç fonksiyonu doğrularının
eğimlerini hesaplayalım.
Şekil 9. incelendiğinde, birinci kısıtla ilgili olarak çizilen I doğrusunun eğimi eşitsizliğimiz
eşitliği olarak yazıldığında , ikinci kısıtla ilgili olarak çizilen II
doğrusunun eğimi eşitsizlik eşitliği olarak yazıldığında , üçüncü kısıtla ilgili olarak
çizilen III doğrusunun eğimi ise eşitsizlik eşitliği olarak yazıldığında olarak
belirlenir. Amaç fonksiyonunun eğimi ise ’ye eşittir. Dolayısıyla eğimleri mutlak değer
olarak düşündüğümüzde, amaç fonksiyonunun eğimi, I ve II doğrularının eğiminden büyük, III doğrusunun
eğiminden küçüktür. Amaç fonksiyonunun eğimi II ve III doğrularının eğimleri arasında kalmaktadır.
Dolayısıyla kar doğrusu II ve III doğrularının kesişim noktası olan noktasından uygun bölgeyi terk
edecektir. Böylece noktasında karar değişkenlerinin aldığı değerler fonksiyonunu maksimum kılar. Karar
26
değişkenlerinin noktasındaki değerleri II ve III doğruları kesiştirilerek bulunabilir.
( noktası)
olmaktadır.
Örnek:
MEYPAZ Meyvecilik firması, Avrupa ülkelerine elma ve armut ihraç etmektedir. Kasalarda stoklanan bu
ürünlerin birim stoklama maliyetleri sırasıyla 7 TL ve 9 TL’dir. Bir kasa elma 5m2 ve bir kasa armut da 10m2
alan kaplamaktadır. Firmanın depolama kapasitesi ise 1000m2’dir. Elma ve armuda olan talep
değişkenliğinden dolayı firma bu iki meyvenin her birinden en az 50’şer kasa güven stoku bulundurmak
zorundadır. Firmanın toplam stoklama maliyetini minimize eden doğrusal programlama modelini kurunuz.
Çözüm:
Problemi dikkatlice okuduğumuzda modelin çözümü ile değerlerini belirlemeye çalışacağımız yani karar
değişkenlerimiz MEYPAZ Meyvecilik firmasının Avrupa ülkelerine ihraç etmek üzere stoğunda
bulunduracağı elma ve armut miktarlarıdır.
Karar değişkenleri:
27
; elma stok miktarı
Kısıtlar:
Dolayısıyla örnekte verilen probleme ilişkin matematiksel model aşağıdaki gibi olur.
Örnek:
28
Şekil 9.Problemin Grafik Çözümü
Daha önce amaç fonksiyonundan elde ettiğimiz eş (paralel) doğrular kullanarak ya da doğruların eğimlerini
hesapladıktan amaç fonksiyonu eğimi kısıtların eğimleri ile karşılaştırarak optimal çözümü belirlemiştik. Bu
örnekte farklı üçüncü bir yaklaşım olarak uygun çözüm alanını sınırlayan noktaların her birini tek tek amaç
fonksiyonunda yerine koyarak elde edeceğimiz uygun çözüm değerlerini karşılaştıralım. Şekil 10.’da
görüleceği üzere belirlenen uygun çözüm alanını sınırlayan A, B ve C noktalarının koordinatlarını sırasıyla Z
min fonksiyonumuzda yerine koyarak değerlerini hesaplayalım.
noktası: Noktası
noktasında Maliyet:
noktası: Noktası
noktasında Maliyet:
noktası: Noktası
noktasında Maliyet:
En düşük maliyet noktasında oluşuyor. B noktası iki kısıta ilişkin doğruların kesişim noktası olduğu için bu
noktayı bulmak için iki doğru kesiştirilir. Karar değişkenlerinin aldığı değerler yani optimal çözüm ve
, bu durumda minimum maliyet yani optimal değer olmaktadır.
Bölüm Özeti
Bu bölümde Doğrusal Programlama kullanarak işletme problemlerinin modellenmesi, modelleme aşamasında
kullanılan amaç fonksiyonu ve kısıtları ve Doğrusal Programalama varsayımları anlatılmıştır. Modellenen
probleme ait Doğrusal Programlama matematik modelinin Grafik Yöntemle çözümü açıklanmıştır.
Doğrusal Programlama (DP) yada diğer bilinen adıyla Lineer Programlama (LP) doğrusal sınırlayıcı koşullar
(kısıtlar) adı verilen eşitlik ve eşitsizlikler grubu ile birlikte amaç denklemi adı verilen bir doğrusal fonksiyonun
değerini optimize etmeyi amaçlayan bir matematiksel modeldir. Yöneylem Araştırması’nın ilk dönem
29
uygulamalarının çıkış noktasını oluşturan doğrusal programlama değişkenlere ve kısıtlayıcılara bağlı kalarak
belirlenen optimal amaca ulaşma tekniğidir.
Doğru matematiksel modelin kurulması diğer bir ifade ile formülasyonu, ilgili karar probleminin çözümündeki
en önemli aşamalardan biridir. İlk aşamada ilgili karar ortamının çok iyi anlaşılması, bu ortamı etkileyecek
tüm faktörlerin belirlenmesi gerekir. İkinci aşamada, karar değişkenlerinin açıkça tanımlanması ile kastedilen
her kararın ayrı ayrı ölçülebilir (sayısallaştırılmış) bir şekilde ifadesi ve bunlara açık birimler verilmesidir.
Karar değişkenleri Bir problemin kurulan modelinde değeri hesaplanacak olan bilinmeyenleri ifade
etmektedir. En son aşamada karar değişkenleri ile kısıtlar ve amaç arasındaki ilişkiler matematiksel olarak
ifade edilmeli ve modele dahil edilmelidir. İncelenen problem Doğrusal Programlama ile matematiksel olarak
modellenirken, üç kısımlı bir model tasarımı yapılır.
Kaynakça
Öztürk, A., (2014). Yöneylem Araştırması, Ekin Basım-Yayın Dağıtım, Bursa.
Can, T. (2015). Yöneylem Araştırması: Nedensellik Üzerine Diyaloglar I. Beta Basım Yayım, İstanbul.
Ünite Soruları
Soru-1 :
(•) - Kısıtlar
Cevap-1 :
30
Maksimum kar
Soru-2 :
Aşağıdaki grafikte gösterilmiş olan taralı alan hangi eşitsizlik sistemine aittir?
Cevap-2 :
Soru-3 :
Aşağıdaki grafikte gösterilmiş olan taralı alan hangi eşitsizlik sistemine aittir?
31
Cevap-3 :
Soru-4 :
Cevap-4 :
32
Bağımlı değişkenler negatif veya 0 olabilir.
Soru-5 :
Aşağıda bir maksimizasyon doğrusal programlama probleminin grafik çözümü görülmektedir. Z amaç
fonksiyonuna ilişkin eş kar doğrusu kesikli çizilmiştir. Bu grafiğe göre optimal çözüm hangi noktadır?
(•) - O noktası
(•) - A noktası
(•) - B noktası
(•) - C noktası
(•) - B ve C Noktaları
Cevap-5 :
A noktası
Soru-6 :
Aşağıdaki Grafik Yöntemle bulunan optimal çözüm olan noktasının koordinatları aşağıdakilerden hangisidir?
33
Cevap-6 :
Soru-7 :
Aşağıdaki grafikte ( I ) ile gösterilen birinci kısıta ilişkin doğrunun eğimi kaçtır?
34
Cevap-7 :
Soru-8 :
Aşağıda verilen grafikte koyu işaretli OABC bölgesi doğrusal programlamada hangi isimle adlandırılır?
Cevap-8 :
Soru-9 :
Aşağıda verilen grafikte gri alan bir doğrusal programlama probleminin uygun çözüm bölgesini gösterdiğine
göre, amaç fonksiyonu B noktası için hangi değeri alır?
35
(•) - 35
(•) - 38
(•) - 42
(•) - 51
(•) - 60
Cevap-9 :
38
36
3. DUALİTE
Birlikte Düşünelim
Bir doğrusal programlama modelinde karar değişkeni sayısı 3’e kadar ise grafik çözüm yöntemi kullanarak
optimal çözümü ve optimal değeri elde edebiliyorduk. Karar değişkeni sayısının 4, kısıt sayısının ise 2
olduğu bir doğrusal programlama modelini grafik yöntem ile çözmemiz mümkün mü? Acaba DP modelimize
eşlenik başka bir model oluşturarak grafik yöntem ile çözüme uygun hale getirebilir miyiz?
Başlamadan Önce
Bu bölüme başlamadan önce, bu bölüme temel teşkil eden Doğrusal Programlama modelleme süreci ile ilgili
bir tekrarda bulunalım. Örnek bir kaç model inceleyerek, hem modelin bileşenlerini hem de kullanılan
matematik notasyonu hatırlayalım.
3.1. Giriş
Doğrusal programlama problemlerinde dualite kavramı önemli bir yere sahiptir. Bir doğrusal programlama
problemi verilip matematiksel modeli kurulduğunda elde edilen model primal model olarak adlandırılabilir.
Primal modelin kurulmasında kullanılan veriler kullanılarak dual adı verilen bir matematiksel model daha
kurulabilir (Tulunay, 1991).
Primal ve dual modeller bir biri ile çok yakından ilgili bazı özelliklere sahiptir. Bunlardan ilki primal modelin
geçerli bir çözüm bölgesi olması halinde dual modelin de geçerli bir çözüm bölgesine sahip olmasıdır. İkinci
özellik, primal modelin amaç fonksiyonun optimal değeri , dual modelin amaç fonksiyonunun optimal
değerine eşittir (Özden, 1990). Bunlara ek olarak ister primal ister dual model bulunsun, iki modelinden
birinin optimal çözümü diğerinin optimal çözümü hakkında tam ve geçerli bilgi sağlar (Wagner, 1970).
Doğrusal programlama problemlerinde önemli bir yere sahip olan duyarlılık analizinde dualite kavramı yer
bulmaktadır. Dualite kavramı kullanılarak duyarlılık analizinde işlemlerde kolaylık sağlanabilir.
Dual problemin değişkenlerinin değerleri bulunduğu zaman, primal problemle olan ilişkisi yorumlanabilir. Dual
probleme ait değişkenlerin yorumları ile primal probleme ait ekonomik yorumlar ve açıklamalar yapılabilir.
Gölge fiyattan bahsedilebilir.
Bir primal problemin duali alınarak dual problem elde edilmiş olmaktadır. Bu dual problemin de duali alınırsa,
tekrar primal problem elde edilir. Her doğrusal programlama probleminin, yani primal problemin, bire bir
37
ilişkili olduğu bir doğrusal programlama problemi, yani dual problem bulunmaktadır (Bazaraa ve Jarvis,
1977).
Doğrusal programlama problemleri, problemin çözüldüğünde ulaşılması istenen amaca göre maksimizasyon
veya minimizasyon problemleri olabilirler. Eğer bu problemlerin kısıtları var ise kurulan doğrusal
programlama probleminin matematiksel modeline kısıt olarak eklenirler. Primal bir problemin amacının
yönüne göre, yani maksimizasyon veya minimizasyon problemi olup olmamasına göre, ayrıca kısıtlanın
kanonik formda olup olmadıklarına göre farklı kuralların uygulanmasıyla dualleri alınabilir.
Bu şekilde ifade edilen primal doğrusal programlama problemini matris formunda aşağıdaki şekilde ifade
edilebilir.
Dual problem;
Şeklinde ifade edilir. ler dual değişkenleri ifade etmektedir. Bu dual problem matris formunda aşağıdaki
şekilde ifade edilebilir.
38
Şeklinde maksimizasyon formundaki bir problemin duali alınmış olmaktadır.
Eğer primal doğrusal programlama problemi minimizasyon formunda ise aşağıdaki şekilde ifade edilebilir.
Bu şekilde ifade edilen primal lineer programlama problemini matris formunda aşağıdaki şekilde ifade
edilebilir.
Dual problem;
şeklinde ifade edilir. ler dual değişkenleri ifade etmektedir. Bu dual problem matris formunda aşağıdaki
şekilde ifade edilebilir.
39
Şeklinde minimizasyon formundaki bir problemin duali alınmış olmaktadır.
Primal problemin amaç fonksiyonu maksimizasyon forma olup dual problemin amaç fonksiyonu
minimizasyon formunda olmaktadır.
Kısıtlayıcılarının işareti yön değiştirmektedir. Yani maksimizasyon probleminde olan işaret yön
değiştirerek olmaktadır.
Primal problemde n tane karar değişkeni olduğunda, dual problemde de n tane kısıt olacaktır. Yani
primal problemin karar değişkeni sayısı kadar, dual problemin kısıt sayısı olacaktır.
Primal problemin m tane kısıtı olduğunda dual problemin de m tane karar değişkeni olacaktır. Yani
primal problemin kısıt sayısı kadar, dual problemin karar değişkeni sayısı olur.
Primal problemin kısıtlarının sağ taraf sabitleri, dual problemin amaç fonksiyonunun katsayılarını
oluşturmaktadır.
Primal problemin amaç fonksiyonunun katsayıları, dual problemin kısıtlarının sağ taraf sabitlerini
oluşturmaktadır.
Primal problemin kısıtlarının katsayılarının oluşturduğu matrisin transpozu alınarak dual problemin
kısıtlarının katsayıları oluşturulur.
Örnek:
Aşağıda primal formda verilen doğrusal programlama modelini dual forma dönüştürünüz.
Kısıtlar
Çözüm:
Primal problem maksimizasyon problemi olduğu için dual problem minimizasyon problemi olacaktır.
Primal probleminin kısıtlarının sağ taraf sabitlerinin matrisinin transpozu dual problemin amaç fonksiyonun
katsayılarını oluşturur.
40
Dual problemin kısıtlarının katsayıları da primal problemin kısıtlarının katsayılarının oluşturduğu matrisin
transpozu alınarak gerçekleştirilmektedir.
Dual problemin kısıtlarının sağ taraf sabitlerini ise, primal problemin amaç fonksiyonunun katsayılarının
transpozu oluşturmaktadır.
Tüm bu işlemlerden sonra gerekli değerleri yerlerine yazarak dual alma işlemini tamamlanmış olur.
Primal problemin kısıt sayısı kadar dual problemin değişken sayısı vardır. Yani dual değişkenler; , ,
olmaktadır. (Dual değişkenler; , , gibi farklı şekilde sembolize edilebilir. Bu durum duali alma işlemi
sırasında işlemi yapanın tercihidir.)
Primal problemin kısıtlarının işareti dual alınırken değişecektir. Yani dual problemin işaretleri olacaktır.
Dual problem:
Kısıtlar
Primal problemin amaç fonksiyonu minimizasyon forma olup dual problemin amaç fonksiyonu
maksimizasyon formunda olmaktadır.
Kısıtlayıcılarının işareti yön değiştirmektedir. Yani minimizasyon probleminde olan işaret yön
değiştirerek olmaktadır.
Primal problemde n tane karar değişkeni olduğunda, dual problemde de n tane kısıt olacaktır. Yani
primal problemin karar değişkeni sayısı kadar, dual problemin kısıt sayısı olacaktır.
41
Primal problemin m tane kısıtı olduğunda dual problemin de m tane karar değişkeni olacaktır. Yani
primal problemin kısıt sayısı kadar, dual problemin karar değişkeni sayısı olur.
Primal problemin kısıtlarının sağ taraf sabitleri, dual problemin amaç fonksiyonunun katsayılarını
oluşturmaktadır.
Primal problemin amaç fonksiyonunun katsayıları, dual problemin kısıtlarının sağ taraf sabitlerini
oluşturmaktadır.
Primal problemin kısıtlarının katsayılarının oluşturduğu matrisin tranzpozu alınarak dual problemin
kısıtlarının katsayıları oluşturulur.
Örnek:
Aşağıda primal formda verilen doğrusal programlama modelini dual forma dönüştürünüz.
Kısıtlar
Çözüm:
Primal problem minimizasyon problemi olduğu için dual problem maksimizasyon problemi olacaktır.
Primal probleminin kısıtlarının sağ taraf sabitlerinin matrisinin transpozu dual problemin amaç fonksiyonun
katsayılarını oluşturur.
Dual problemin kısıtlarının katsayıları da primal problemin kısıtlarının katsayılarının oluşturduğu matrisin
transpozu alınarak gerçekleştirilmektedir.
Dual problemin kısıtlarının sağ taraf sabitlerini ise, primal problemin amaç fonksiyonunun katsayılarının
transpozu oluşturmaktadır.
42
Tüm bu işlemlerden sonra gerekli değerleri yerlerine yazarak dual alma işlemini tamamlanmış olur.
Primal problemin kısıt sayısı kadar dual problemin değişken sayısı vardır. Yani dual değişkenler; , , ,
olmaktadır.
Primal problemin kısıtlarının işareti dual alınırken değişecektir. Yani dual problemin işaretleri olacaktır.
Dual problem:
Kısıtlar
Bazı primal problemler kanonik formda verilmeyebilirler. Yani kısıtların işaretleri şeklinde
olabilir. Bu durumdaki problemlerin dualleri aşağıdaki şekilde yazılırlar.
Örnek:
Aşağıda primal formda verilen doğrusal programlama modelini dual forma dönüştürünüz.
Kısıtlar
Çözüm:
Primal problem kanonik formda olmadığı için öncelikle kanonik formda yazılacaktır. Yani ikinci ve üçüncü
kısıtların işaretleri şeklinde yazılacaktır. Bu durumda aşağıdaki gibi yazılabilir. Ayrıca
şeklinde ifade edilerek değiştirilir.
43
Kısıtlar
Diğer örneklerdeki adımlara benzer şekilde işlemler yapılarak dual alındığında aşağıdaki ifade bulunur.
Kısıtlar
Bu dual problem daha farklı olarak ve daha sade olarak aşağıdaki şekilde ifade edilebilir.
Kısıtlar
Bölüm Özeti
Doğrusal programlama problemlerinde dualite kavramı önemli bir yere sahiptir. Bir doğrusal programlama
problemi verilip matematiksel modeli kurulduğunda elde edilen model primal model olarak adlandırılabilir.
44
Primal modelin kurulmasında kullanılan veriler kullanılarak dual adı verilen bir matematiksel model daha
kurulabilir.
Primal ve dual modeller bir biri ile çok yakından ilgili bazı özelliklere sahiptir. Bunlardan ilki primal modelin
geçerli bir çözüm bölgesi olması halinde dual modelin de geçerli bir çözüm bölgesine sahip olmasıdır. İkinci
özellik, primal modelin amaç fonksiyonun optimal değeri, dual modelin amaç fonksiyonunun optimal değerine
eşittir. Bunlara ek olarak ister primal ister dual model bulunsun, iki modelinden birinin optimal çözümü
diğerinin optimal çözümü hakkında tam ve geçerli bilgi sağlar.
Bu bölümde dualite kavramı anlatılmıştır. Maksimizasyon ve minimizasyon formunda olan bir doğrusal
programlama probleminin dualinin neden alındığı anlatılmış daha sonra da dualinin nasıl alındığı gösterilmiştir.
Verilen örneklerle konu pekiştirilmiştir.
Kaynakça
Bazaraa, M. S., Jarvis, J. J. (1977). Linear Programming and Network Flows John Wiley, New York.
Eroğlu, A. & Güngör, İ. (1997). Primal-Dual Doğrusal Programlama Modelleri Arasındaki İlişkiler.
Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 2(2), 95-108.
Tütek , H., Gümüşoğlu, Ş. (1994). Sayısal Yöntemler Yönetsel Yaklaşım, Beta Yayınevi, İstanbul.
Özden, K. (1990). Primal ve Dual Eniyi Çözüm Kümeleri Dönüşümüne Bir Ekleme, Dokuz Eylül
Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 5(1-2), 173-194.
Ünite Soruları
Soru-1 :
Aşağıdakilerden hangisi priamal bir problemin dualini alınmasının nedenlerinden biri değildir?
(•) - İki kısıtlı ve ikiden fazla karar değişkenli bir problemi çözmek için.
Cevap-1 :
45
Dual almanın bilinen bir faydası yoktur.
Soru-2 :
Cevap-2 :
46
Soru-3 :
47
Cevap-3 :
Soru-4 :
48
Cevap-4 :
Soru-5 :
49
Cevap-5 :
50
Soru-6 :
51
Cevap-6 :
Soru-7 :
52
Cevap-7 :
53
Soru-8 :
54
Cevap-8 :
Soru-9 :
55
Cevap-9 :
56
4. TAMSAYILI PROGRAMLAMA
Birlikte Düşünelim
Bir üretim işletmesinde incelenen bir üretim karar probleminde hangi karar değişkenlerinin
kullanılabileceğini, bu karar değişkenlerinden hangilerinin sürekli, hangilerinin kesikli olacağını düşünelim.
Gerçek hayat problemlerinde hangi durumlarda kesikli karar değişkenlerinin kullanılmasının zorunlu
olduğunu araştıralım. Bir işletmede üretilen ürünler adet cinsinden olduğu durumda işletmenin 5,2 adet ürün
üretmesi mümkün müdür? Bir işletmeye ait üretim sürecini incelediğiniz ve optimal üretim miktalarını 5,2
adet bulduğunuzu varsayalım. Böyle bir durumda çözümünüzü nasıl değerlendirirsiniz.
Başlamadan Önce
Tamsayılı programlama, doğrusal programlamanın karar değişkenlerinden en az birinin tamsayı olması
istendiği durumda kısıtlara bu koşulun eklenmesi ile elde edilen özel bir durumudur. Bu sebeple bu bölümde
ele alacağımız Tamsayılı Programlama yı daha rahat kavrayabilmek için Doğrusal Programlama
modellemesini incelediğimiz 2. Bölümü tekrar gözden geçiriniz.
4.1. Giriş
Bazı işletme problemlerinin doğrusal programlama ile çözülebilir olmasına rağmen tamsayılı sonuç alınması
gerekebilir. Örneğin; bir fabrikanın kurulup kurulmaması, bir işçinin bir makinaya atanıp atanmaması “ ” ve “
” değerleri alan karar değişkenleri ile gerçekleşebilir. Yukarıda bahsedilene benzer sorunlarda doğrusal
programlamadaki bölünebilirlik (kesirli değerler) varsayımı varsayımı geçersizdir (Taha, 1987).
Çoğu uygulamalı problemlerin, karar değişkenleri ancak tamsayılı olduğunda anlamlıdır. Çünkü girdi ve
çıktıların bölünmezlik sorunu, karar değişkenlerinin tamsayılı olmasını gerektirir. Sermaye bütçelemesi,
elektrik jeneratör birimleri, araç ve gereçler, makineler ve kişiler bunlara birer örnektir.
Bir çok işletme probleminde karar değişkenlerinin tümü ya da bir kısmı tamsayılı değerler almak
durumundadır. Örneğin; 7,67 personel istihdam edilmesi, 3,4 banka şubesinin kurulması bir anlam ifade
etmez. Kesirli değerler alan bu sayıları bir alt sayıya yuvarlamak da optimal çözüm olmayabilir ve hatta uygun
çözüm bölgesinde yer almayabilir. İşletmecilikte bazı karar problemleri “evet-hayır”, “0-1”,“doğru-
yanlış”,”satınalma-üretme” gibi önermeleri içeren ikili değişken yapıda olabilir.
Doğrusal programlama problemlerinde bazı değişkenlerin tamsayılı değerli ya da tüm değişkenlerin tamsayılı
olması istenebilir. Eğer problemde, sadece bazı değişkenlerin tamsayı değerli olması gerekli iken diğer
değişkenler bölünebilirlik varsayımını karşılayan yani kesirli değerler alabilen değişkenler ise bir tür problem,
karma tamsayılı programlama problemidir (Doğan, 1995).
Bir problemin çözüm değerlerinin tamsayılı olması istendiğinde, bu problem doğrusal programlama
formülasyonundan tamsayılı programlamaya dönüşür. Aslında, tamsayılı programlamanın matematik modeli,
değişkenlerinin tamsayı değerli olması istenen bir ek kısıtlayıcılı doğrusal programlama modelinden başka bir
şey değildir (Yılmaz, 2004).
Kâr enbüyüklemesinin amaçlandığı genel bir tamsayılı programlama modeli aşağıdaki formda yazılabilir
(Taha, 2006):
57
Kısıtlayıcılar
Tamsayılı programlamada modelin boyutu arttıkça çözüm de zorlaşmaktadır. DP’de, çözüm mutlaka uç
noktalardan birisindedir ancak tamsayılı programlamada böyle bir şart bulunmaz. DP’de kullanılan
“Simpleks” tabanlı çözüm algoritmaları uygun bölgedeki uç noktaları deneyerek sürekli amaç fonksiyonunu
iyileştirecek şekilde ilerler ve optimallik testi ile bir noktada ( ) durur. Ancak, Tamsayılı programlamada
çözüm uygun bölgedeki çok sayıdaki tamsayı değerinden birisidir ve DP’ye oranla olası çözüm noktası daha
fazladır.
Doğrusal Programlama ile Tamsayılı Programlama arasındaki temel fark karar değişkenlerinin tamsayı
olmasıdır.
Bu tarz karar problemlerinde tanımlanan karar değişkenlerinin tamanının tamsayılı olması istenir, bu karar
problemlerinin incelendiği modeller saf tamsayılı programlama modeli olarak anılır (Bakır ve Altunkaynak,
2003).
Kısıtlayıcılar
Örnek:
Kısıtlar
58
Örnek:
Kısıtlayıcılar
Yukarıda matematiksel modeli verilen problem, saf tamsayılı programlama problemi olup çözüm değerleri de;
, , ve ’dir.
Örnek:
Masa ve Sandalye üretimi ve satışı yapan bir ahşap atölyesi işletmesi, üretim sürecinde ahşap, vernik ve
işgücü saati kaynaklarını kullanmaktadır. Bir adet masa üretimi için 3m3 ahşap, 10 cc vernik ve 2 işgücü saati
kullanılmakta, bir adet sandalye üretimi için ise 1,5m3 ahşap, 6 cc vernik ve 1 işgücü saati kullanılmaktadır.
İşletmenin ahşap stoğu 2000m3, vernik stoğu ise 4000cc’dir. İşletme üretim için 500 işgücü saatlik insan
kaynağına sahiptir. Üretimi yapılan tüm ürünler stoklanmaksızın satılmaktadır ve masa satışından birim başına
300, sandalye satışından ise birim başına 200 TL kâr elde edilmektedir.
Çözüm:
Öncelikle karar problemine ait modelde yer alacak karar değişkenlerimizi belirleyelim. Hem kaynakların
kullanıldığı hem de satışı ile kâra katkı yapan Masa ve Sandalye ürünlerinden yapılacak üretim (satış) adetleri
karar değişkenlerimizdir.
Karar değişkenlerimizi belirledikten sonra karar değişkenlerimize bağlı olarak kârı enbüyüklemeyi amaçlayan
maksimizasyon modelimizi kurabiliriz. Karar değişkenlerimiz olan üretimi ve satışı yapılacak masa ve
sandalye sayıları ondalık olması üretim ve satış sürecine aykırı olacağından modelin çözümünde karar
değişkenlerimizin tamamımın tamsayı olmasını sağlayacak bir kısıt eklenerek Saf Tamsayılı Progralama
modeli kurulacaktır.
Karar probleminde tanımlanan karar değişkenlerin sadece bir kısmı tamsayı olacak şekilde tanımlanmış ise
bu durumda incelenen karar problemi karma tamsayılı programlama modeli olarak kurulur ve çözülür.
59
Kısıtlayıcılar
Yukarıda kâr maksimizasyonunun amaçlandığı karar modelinde yer alan n adet karar değişkeninden sadece
ilk ikisinin tamsayı olması gerektiğini ifade eden koşulundan ötürü, bu karar modeli
karma tamsayılı programlama modelidir.
Örneğin bir gıda üretim işletmesinde üretilen bazı ürünlerin (A, B ve C ürünleri) paketlenmemiş olarak
kilogram cinsiden satışı yapılan, bazı ürünlerin ise (D ve E ürünleri) paketlenmiş olarak adet cinsiden satışı
yapılan ürünler olduğunu düşünelim. Bu durumda A, B ve C ürünlerinin üretim miktarları sürekli olacağından
tamsayı olarak kısıtlanmayacaktır (Örneğin işletme 1,25 kg A ürünü üretebilecektir.). Ancak işletmenin
paketlenmiş olarak üretimini yaptığı ve adet olarka satışa sunduğu D ve E ürünlerinin üretim miktarları
tamsayı olmak durumundadır (Örneğin işletme D ürününden 1,25 paket üretim yapamayacağından üretimi
1,2,3 gibi tamsayı cinsiden olacaktır). Böyle bir işletmenin üretim karar problemi karar değişkenlerinin bir
kısmı tamsayı olmak zorunda iken bir kısmı için bu koşul geçerli olmayacağından karma tamsayılı
programlama modeli olarak tasarlanıp çözüm aranmalıdır.
Örnek:
Kısıtlayıcılar
Örnek:
Petrokimya sektöründe faaliyet gösteren bir üretim işletmesi boya ve vernik olmak üzere 2 tip ürün
üretmektedir. İki ürünün üretiminde ortak solvent ve reçinelerden farklı oranlarda kullanılmaktadır. İşletme
boya ürününü 25 lt’lik teneke kovalarda adet olarak, vernik ürününü ise müşteri talebine uygun olan litre
cinsinden yapmaktadır. Bir teneke kova boya üretmek için 10 lt solvent ve 5 lt reçine kullanılmaktadır. Bir
litre vernik üretimi için ise 0.1 lt solvent, 0.3 lt reçine kullanılmaktadır. İşletmenin stoğunda 300 lt solvent ve
300 lt reçine bulunmaktadır. İşletme boya ürününün satışından teneke kova başına 200 TL, vernik satışından
ise lt başına 5 TL kâr elde etmektedir.
60
İşletmenin kârını enbüyükleyecek karar modelini kurunuz.
Çözüm:
Karar değişkenlerimizi belirledikten sonra karar değişkenlerimize bağlı olarak kârı enbüyüklemeyi amaçlayan
maksimizasyon modelimizi kurabiliriz. Karar değişkenlerimiz olan üretimi ve satışı yapılacak boyaların 25
litrelik teneke kova adetinin ondalık olması üretim ve satış sürecine aykırı olacağından modelin çözümünde
karar değişkenlimizin tamsayı olmasını sağlayacak bir kısıt eklenerek Karma Tamsayılı Progralama modeli
kurulacaktır. Vernik ürünü litre cinsinden üretilip satılacağından, üretim ve satış miktarlarının sürekli (ondalık)
olmasında herhangi bir engel yoktur. Bu nedenle karar değişkinimiz için tamsayı olma koşulu
aranmamaktadır.
Kısıtlar
Uygulamada çoğu doğrusal programlama problemlerinde bölünebilirlik varsayımı geçerli olmadığı gibi bazı
problemlerin “evet veya hayır kararları” ile ilişkin olduğunu görmekteyiz. Bu tür kararlarda iki olanaklı seçim
sadece evet ve hayırdır. Örneğin; bu yatırımı yapmalı mıyız? Fabrikayı bir alanda mı kurmalıyız? Gibi sadece
iki seçenekli kararlar, değerleri ve ile kısıtlanan karar değişkenleri ile gösterilir. Böylece, ’inci evet veya
hayır kararı ile aşağıdaki şekilde ifade edilir.
Bu tür değişkenlere ikili (binary) değişkenler (veya değişkenleri) adı verilir. Tamsayılı programlama
problemindeki tüm değişkenlerin ikili değişkenler yani veya ’e eşit olması istendiğinde, bu tür tamsayılı
programlama problemine ikili tamsayılı programlama veya Sıfır-Bir Tamsayılı Programlama Problemi denir.
Karar probleminde yer alacak karar değişkenlerinin bir ya da bir kaçının sadece 0 ya da 1 değerlerinden
oluşması gerektiği durumunda, kurulacak tamsayılı programala modeli sıfır-bir tamsayılı programlama modeli
olarak adlandırılır. Genel olarak Sıfır-Bir Tamsayılı Programlama modeli olarak adlandırılan bu model bazı
kaynaklarda 0 ya da 1 olma koşulunun tüm karar değişkenlere uygulandığı Saf Sıfır-Bir Tamsayılı
Programlama modeli ve sadece belirli karar değişkenlerine 0 ya da 1 olma koşulunun uygulandığı diğer
karar değişkenlerinin sürekli (kesirli) değerler aldığı Karma Sıfır-Bir Tamsayılı Programlama modeli
olarak alt bir sınıflamaya tabi tutulmaktadır (Özgüven, 2003).Bazı ürünlerin hangi makinede üretileceğinin
seçimi ile bu makinelerde söz konusu ürünlerden ne kadar üretileceğine ilişkin bir karar problemi Karma
Sıfır-Bir Tamsayılı Programlama türündendir.
61
Kısıtlayıcılar
Yukarıda verilen ve kâr maksimizasyonunun amaçlandığı tamsayılı programlama modelinde yer alan
kısıtı dolayısıyla tüm karar değişkenlerinin sadece 0 ya da 1 değerleri alması koşulu
getirildiği için bu model genel olarak Sıfır-Bir Tamsayılı Programlama modeli ya da Saf Sıfır-Bir Tamsayılı
Programlama modeli olarak tanımlanabilir.
Kısıtlayıcılar
Yukarıda verilen ve kâr maksimizasyonunun amaçlandığı tamsayılı programlama modelinde sadece birinci ve
ikinci karar değişkenlerinin 0 ya da 1 değerleri alması gerektiğini gösteren kısıtı
nedeniyle bu model genel olarak Sıfır-Bir Tamsayılı Programlama modeli ya da Karma Sıfır-Bir Tamsayılı
Programlama modeli olarak tanımlanabilir.
Kısıtlar,
, , ve ’tür.
Örnek:
62
Bir Hava Kargo firmasının filosunda bulunan kargo uçakları 20.000 kg’lık taşıma kapasitesini sahiptir. Firma
ürünlerini taşımak üzere sözleşme hazırlığında olduğu bir işletmenin 4 türdeki ürünlerinin ağırlıklarını ve bu
ürünleri taşımadan elde edeceği kâr miktarını aşağıdaki tabloda listelemiştir.
Buna göre her uçuş için kapasiteyi geçmeyecek şekilde toplam kârı maksimize edecek karar modelini
kurunuz.
Çözüm:
Hava Kargo işletmesi sözleşme teklifinde karşı işletmeye kârını enbüyükleyecek ürünleri taşımak üzere karar
vereceği ürün türlerini belirtmek üzere bu problemi modellemek ve çözmek istemektedir. O halde modelde
yer alacak karar değişkenlerimiz her bir ürün türünün taşınması ya da taşınmaması şeklinde olacaktır. Bu
ifadeden de anlaşılacağı üzere karar modelinde ürün türünün taşınmasının tercih edilmesi durumunda karar
değişkeni 1 değerini alacak ve üründen elde edilecek kâr, amaç fonksiyonu toplamına eklenecektir. Ürünün
taşınmasının tercih edilmemesi durumunda ise karar değişkeni 0 değerini alacak ve ürünün taşınması
durumunda elde edilecek kâr 0 ile çarpım sonucu 0 değerine döneceğinden amaç fonksiyonu toplamına etki
etmeyecektir.
olarak tanımlanan koşullar modele kısıt olarak eklendiğinden kurulan model Sıfır-Bir Tamsayılı Programlama
modeli olarak adlandırılacaktır.
Kısıtlar
Örnek:
BAHA Tekstil Şirketi, boyahane, ev tekstili, dikim atölyesi, cep astarı dikim atölyesi olmak üzere dört
yatırımı düşünmektedir. Bu yatırımların gerektirdiği şu andaki nakit miktarları, yatırımların getirisinin net
bugünkü değeri ile şirketin elindeki yatırımlara ayıracağı kaynak miktarı bilgileri aşağıdaki tabloda verilmiştir.
63
Baha
Tekstil Şirketinin amacı, net bugünkü değerini en fazla kılan yatırımı seçmek olduğuna göre uygun karar
modelini kurunuz.
Çözüm:
Şirketin dört yatırım seçeneği ve dolayısıyla da dört karar değişkeni vardır. Yatırım seçeneklerine ilişkin karar
evet veya hayır türündedir. O nedenle, değişkenleri tamsayılı değerler olarak ifade etmemiz
gerekmektedir.
Örneğin, cep astarı dokuma bölümünün kurulmasını ve ise cep astarı dokuma bölümünün
kurulmamasını ifade eder. Buna göre şirketin net bugünkü değerini en fazla kılacak olan yatırım alternatiflerini
belirleyecek olan Sıfır-Bir Tamsayılı Programlama modeli aşağıdaki şekilde ifade edilir.
Kısıtlar
Doğrusal olmayan karar problemlerinin çözümü için ise, genel bir çözüm yöntemi bulunmamakta, bunun
yerine, farklı problemler için farklı çözüm yaklaşımları kullanılmaktadır.
64
Bu başlık altında, tamsayılı programlama problemlerinin çözümü için geliştirilen yöntemlerden yuvarlama,
sayımlama ve bir çeşit sayımlama algoritması olan dal-sınır algoritmasına yüzeysel olarak yer verilecektir.
Ayrıca burada yer verilmeyen başka çözüm algoritmaları da bulunmaktadır (Gomory Kesme Düzlemi
Algoritması vb.).
Bir tamsayılı programlama probleminin doğrusal programlama gevşetmesi kavramı, tamsayılı programlama
çözümünde önemli bir rol oynar. Bu nedenle, doğrusal programlama gevşetmesinin tanımının yapılması
gerekli olmaktadır.
Değişkenler üzerinde tüm tamsayı veya kısıtlarının atılarak, elde edilen doğrusal programlama
problemine, tamsayılı programlamanın doğrusal programlama gevşetmesi (relaxation) adı verilir.
Örneğin
Kısıtlayıcılar
Şeklinde verilen tamsayılı programlama modelinin doğrusal programlama gevşetmesi aşağıda verilmiştir.
Kısıtlar,
, , ve ’dur.
Herhangi bir tamsayılı programlama, bazı ek kısıtlayıcılar (kısıtlayıcı değişkenlerinin tamsayı veya ya da
olması) ile doğrusal programlama gevşetmesi olarak görülmektedir. Bu yüzden, doğrusal programlama
gevşetmesi, tamsayılı programlamanın daha az kısıtlayıcılı veya daha fazla rahatlandırılmış bir görünümüdür.
Bunun anlamı da tamsayılı programlamanın çözüm bölgesi onun doğrusal programlama gevşetmesinin uygun
bölgesinde olması gerektiğidir. Bir en büyükleme (maks) türündeki tamsayılı programlama problemi için bu
durum şu şekilde ifade edilir.
Doğrusal programlama gevşetmesinin optimal değeri tamsayılı programlamanın optimal değeri, son
örnekte verilen doğrusal programlama gevşetmesinin optimal değerinin (888.9) diğer karma ve tamsayılı
doğrusal programlama problemlerin optimal değerinden daha büyük olduğunu görmekteyiz.
Bilinmelidir ki, tamsayılı programlamanın uygun çözüm bölgesi, onun doğrusal programlama gevşetmesinin
uygun çözüm bölgesinin bir alt kümesi olmasına rağmen, tamsayılı programlama problemini çözmek onun
65
doğrusal programlama gevşetmesini çözmekten genellikle daha zordur.
Yöntemin sakıncası, yuvarlama işlemi sonucunda, değişkenlerin aldığı değerlerin, problemin kısıtlarını
sağlamayabileceği, bir başka deyişle elde edilen çözümün uygun çözüm alanının içinde olmayabileceğidir.
Sayımlama yöntemi ile olası tüm çözüm seçeneklerinin türetilmesi, içlerinden, varsa, uygun çözüm olanlarının
belirlenmesi ve daha sonra amaç fonksiyonu değerini en iyileyen çözümün seçilmesi işlemi yapılmaktadır.
Bu yöntem özellikle, problemde yer alan değişkenlerin 0-1 tamsayılı olduğu durumda kullanılmaktadır ancak
işlem yükü sebebiyle çok pratik bulunmamaktadır. Uygun çözüm olmadığı hâlde, pek çok noktanın
türetilmesi gerekmektedir. Çok sayıda değişkenin olduğu durumlarda oldukça yoğun bir iş yükü
getireceğinden, kesin çözümü vermekle birlikte, önerilen bir yöntem değildir.
Dal-sınır yöntemi, tamsayılı programlama problemlerinin çözümü için kullanılan, sayımlama temelinde bir
yöntemdir. Algoritmanın işleyiş prensibine geçmeden önce önemli bir noktayı belirtmek gerekmektedir. Eğer
bir tamsayılı doğrusal karar problemi (kısıtlar ve amaç fonksiyonu doğrusal yapıda, sadece değişkenlerin
tamsayı olma koşulu olan), değişkenlerin tamsayı olma koşulu göz ardı edilerek (esnetilerek) çözüldüğünde,
tüm değişkenlerin tamsayı olarak elde edildiği bir en iyi çözüm bulunursa, bu çözüm aynı zamanda tamsayılı
problemin de en iyi çözümüdür. Çünkü tamsayılı problemin uygun çözüm alanı (istenen), tamsayı koşulu
olmadığı durumdaki uygun çözüm alanının (esnetilmiş problemin) bir alt kümesidir. Bu sebeple tamsayılı
problemin tüm uygun çözümleri (ve en iyi çözümü) zaten diğer problemin uygun çözüm kümesi içerisinde
tümüyle yer almaktadır.
Dal-sınır yönteminde, yukarıda belirtilen yaklaşımla, problemi önce karar değişkenleri için tamsayı koşulu
olmadan çözmektedir. Eğer elde edilen en iyi çözüm zaten tamsayılı bir çözüm ise, aynı zamanda tamsayılı
problemin de çözümü bulunan bu çözümdür. Elde edilen çözüm tamsayılı değil ise, tamsayılı olmayan
değişkenin (birden fazla ise herhangi birisinin) en yakınındaki iki değer kullanılarak yeni ek kısıtlarla uygun
çözüm alanı daraltılır. Daraltılmış alanların çözümleri araştırılır (Karayalçın, 1986).
Temel olarak dal ve sınır algoritması, bütün olası uygun çözümleri analiz eden çok etkili bir sayımlama
metodudur. Dal ve sınır algoritmasının temel özellikleri aşağıdaki örnekte açıklanmaktadır.
Kısıtlar;
66
Burada verilen tümü tamsayılı doğrusal programlama problemini çözmek için izlenecek ilk adım, bütün
değişkenler için tamsayı olma koşulunu gözardı ederek, problemi doğrusal programlama teknikleri ile
çözmektir. Modelde sadece iki karar değişkeni olduğu için grafik çözüm kullanılabilir. Gevşetilmiş tamsayılı
programlama modelinin grafik çözümü Şekil 6.2’de verilmiştir.
Doğrusal programlama konusundan hatırlanacağı üzere optimal çözüm, uygun çözüm bölgesi üzerindeki köşe
noktalarından biridir.
Görüldüğü gibi optimal çözüm noktası, yani ve olup, amaç fonksiyonunun optimal
değeri 'tür. Tamsayı olma koşulu gözardı edilerek, bulunan gevşetilmiş tamsayılı
programlama probleminin optimal amaç fonksiyonu değeri, tümü tamsayılı programlama probleminin amaç
fonksiyonu için üst sınır oluşturur. Diğer bir deyişle;
Dal ve sınır algoritmasına başlamadan önce tam sayımlama metodu ile olabilecek bütün çözümleri
değerlendirelim. Uygun çözüm bölgesi içerisinde tüm tamsayılı noktaları içeren çözüm kümesi ile
gösterilirse,
olur. Bütün noktalar incelendiğinde tümü tamsayılı doğrusal programlama probleminin optimal çözümü;
, ve bulunur. Bu durumda;
Tamsayılı programlama ve gevşetilmiş tamsayılı programlama modellerinin amaç fonksiyonları arasındaki ilişki
aşağıda verilmiştir.
Dal ve sınır metodu ile çözümün ilk adımı gevşetilmiş tamsayılı programlama problemini (DP1) çözmektir.
(DP-1)
Kısıtlar;
67
Şekilde görüldüğü gibi DP-1 modelinin optimal çözümü;
, ve .
Sonraki adımlarda ise modele ilave kısıtlar ekleyerek karar değişkenlerinin tamsayı değer almaları sağlanır.
Kesirli değişkenlerden herhangi birisi seçilerek bu değişkene en yakın iki tamsayı değerine göre DP-1 iki alt
bölüme ayrılır (dallandırılır). Eğer ’e göre işlemlere devam etmek istenirse,
olduğundan optimal çözümde ya ya da olur.
Bu durumda DP-1 modeli, yeni kısıtların eklenmesiyle, DP-2 ve DP-3 olmak üzere 2 alt modele ayrılır.
(DP-2) (DP-3)
Kısıtlar; Kısıtlar;
Şekil b'de görüldüğü gibi DP-3 modelinin çözümünde her iki karar değişkeni de tamsayı değer almaktadır;
ve . Bu yüzden bu dal burada sona erer. DP-3 modelinin optimal amaç
fonksiyonu değeri olan ise tamsayılı programlama probleminin alt sınırını oluşturur. Bu
durumda;
68
Şekil a’da görüldüğü üzere DP-2 modelinin optimal çözümü ise
zümü
, ve
elde edilir. Optimal çözümde karar değişkenlerinden bir tanesi kesirli değer aldığından ( olduğu
için), DP-2 modeli ve kısıtları eklenerek DP-4 ve DP-5 olmak üzere iki dala ayrılır.
(DP-4) (DP-5)
Kısıtlar; Kısıtlar;
DP-4 ve DP-5 modellerinin grafik çözümü yukarıdaki şekilde verilmiştir. Şekil a'da görüldüğü gibi DP4
modelinin çözümü yoktur. Dolayısıyla bu dal da burada sona erer.
Kısıtlar; Kısıtlar;
69
Bu modellerin grafik çözümü ise aşağıdaki şekilde verilmiştir.
Şekil a'da görüldüğü gibi DP-6 modelinin optimal çözümünde her iki değişkenin değeri tamsayı olarak elde
edilir; , . Bu durumda bu noktada daha fazla ilerlenmeyecektir. Ayrıca bu modelin optimal
amaç fonksiyonu değeri , alt sınır olan 39 değerinden daha iyi değildir. Yani;
Herhangi bir alt modelde tamsayı çözüm bulunduğunda, bu alt modelin optimal amaç fonksiyonu değeri,
önceden belirlenen alt sınırla karşılaştırılır. Daha iyi bir çözüm değeri bulunduğunda alt sınır bu değer ile
değiştirilir. Bütün alt modeller ile ilgili işlem tamamlandıktan sonra, problemin optimal çözümü, son alt sınıra
eşit olan tamsayılı çözümdür.
Şekil b'de verilen grafik çözüme göre DP-7 modelinin optimal çözümünde de tamsayılı değerlere ulaşılmıştır;
, . Bu modelin optimal amaç fonksiyonu değeri ise olup, alt sınırdan daha iyi
bir değerdir. Bu durumda problemin yeni alt sınırı 40 olarak belirlenir. Yani;
Tüm dallarda işlemler tamamlandığından (tüm alt modeller çözüldüğünden), alt sınır değerini oluşturan DP-7
modelinin optimal çözümü aynı zamanda tamsayılı programlama modelinin de optimal çözümüdür. Bu
durumda yukarıda verilen tümü tamsayılı programlama modelinin optimal çözümü , ve
olarak elde edilir.
Verilen örneğin dal ve sınır algoritması ile çözüm aşamaları Şekil deki ağaç diyagramında özetlenmiştir.
Birinci Adım: Verilen model, değişkenlerin tamsayı değer alma koşulu göz önüne alınmadan (gevşetilmiş
tamsayılı programlama modeli olarak) çözülür. Bu çözüm sonucunda üç durum ile karşılaşılabilir.
70
Sınırsız çözüm bölgesi veya geçersiz çözüm bulunması. Bu durumda durulur. Çünkü,
gevşetilmiş tamsayılı programlama probleminin çözümü yok ise, tamsayılı programlama probleminin de
çözümü yoktur.
Bulunan çözümde değişkenlerin tamsayı değer alması. Bu durumda da durulur. Çünkü,
gevşetilmiş tamsayılı programlama probleminde tamsayılı bir çözüm elde edilmiş ise, bu çözüm
tamsayılı programlama probleminin de çözümüdür. Yani ilk adımda optimal çözüm elde edilmiş olur.
71
Bulunan çözümde tamsayı değer alması istenen değişkenlerden en az bir tanesinin tamsayı olmaması. Bu
durumda amaç fonksiyonunun alt ve üst sınırları belirlenerek, ikinci adıma geçilir.
İkinci Adım: Tamsayı değer almamış bir değişkene göre dallara ayrılarak alt modeller elde edilir. Bulunan
optimal çözümde amaç fonksiyonunun değeri alt sınırdan küçük ise bu dal işlem dışı bırakılır. Alt sınırdan
büyük bir değer elde edilmesi durumunda;
Üçüncü Adım: Alt sınır güncellenir. Yeni alt sınır üst sınıra eşit ise beşinci adıma gidilir, değilse dördüncü
adıma geçilir.
Dördüncü Adım: İşlem dışı olmamış alt problem var ise ikinci adıma dönülür, yoksa beşinci adıma geçilir.
Beşinci Adım: Algoritma sona erer. Son alt sınıra karşı gelen çözüm optimal çözümdür.
Kesirli değer alan değişkenlerden hangisinin seçileceğine ilişkin önerilen bazı seçim kuralları aşağıda
verilmiştir.
Gevşetilmiş tamsayılı programlama modelinin çözümünde elde edilen kesirli değerler içinde en
büyüğüne sahip olan değişkeni seçmek.
Tamsayı değer alması gereken değişkenlere önem derecesi verilir ve seçim, en önemli değişkeni
ilk olarak seçmek ile devam eder. Değişkenlere önem vermek için kullanılabilecek kriterler ise;
Modelde önemli bir kararı temsil etmesi.
Amaç fonksiyonundaki katsayısının diğer değişkenlere göre daha büyük olması.
Modeli çözen kişinin deneyimlerine göre modelde kritik öneme sahip bir değişken olması.
En küçük indise sahip olan değişkenden başlamak üzere uygulanabilecek herhangi bir seçim
kuralı.
Bölüm Özeti
Bu bölümde, doğrusal olmayan problem türlerinden olan tamsayılı programlama konusu ele alınmıştır.
Tamsayılı programlamada, modeller üç sınıfta toplanmaktadırlar: Bütünüyle (saf) tamsayılı, karma tamsayılı ve
0-1 tamsayılı programlama problemleri. Bütünüyle tamsayılı programlama problemleri, tüm değişkenlerin
tamsayılı olmasının istendiği, karma tamsayılı programlama problemleri bazı değişkenlerin tamsayılı bazı
değişkenlerin sürekli değişken olmasının istendiği, 0-1 tamsayılı programlama problemleri ise, modelde yer
alan tüm değişkenlerin 0-1 tamsayılı olmasının istendiği problemlerdir. Doğrusal olmayan karar problemlerinin
çözümü için ise, genel bir çözüm yöntemi bulunmamakta, bunun yerine, farklı problemler için farklı çözüm
yaklaşımları kullanılmaktadır.
Kaynakça
72
Bakır, M. A., Altunkaynak, B. (2003). Tamsayılı programlama: teori, modeller ve algoritmalar. Nobel
Yayınları, Ankara.
Taha, H. A., (2006). “Yöneylem Araştırması”, (Çeviri: Alp Baray, Şakir Esnaf), Literatür Yayıncılık,
İstanbul.
Doğan, İ. (1995). Yöneylem Araştırması Teknikleri ve İşletme Uygulamaları, Bilim Teknik Yayınevi,
İstanbul.
Karayalçın, İ. İ. (1986). Endüstri Mühendisliği ve Üretim Yönetimi El Kitabı I. Çağlayan Kitabevi, İstanbul.
Çevik, O. (2006). Tam Sayılı Doğrusal Programlama İle İşgücü Planlaması ve Bir Uygulama. Afyon
Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 8(1), 157-171.
Ünite Soruları
Soru-1 :
Aşağıdakilerden hangisi karar değişkenleri üzerinde tüm tamsayı veya 0-1 kısıtlarının atılarak, elde edilen
doğrusal programlama problemidir?
Cevap-1 :
Soru-2 :
73
(•) - Saf Tamsayılı Programlama
Cevap-2 :
Soru-3 :
Aşağıdakilerden hangisi bir doğrusal programlama modelinde yer alan tüm karar değişkenlerinin ikili (binary)
formda olması koşulunun bulunduğu karar modeline verilen isimdir?
Cevap-3 :
Soru-4 :
Aşağıdakilerden hangisi bir doğrusal programlama modelinde yer alan tüm karar değişkenlerinin tamsayı
olması koşulunun bulunduğu karar modelidir?
Cevap-4 :
Soru-5 :
Cevap-5 :
Sezgisel yöntem
Soru-6 :
Bir işletmenin birim üretim için kullandığı ölçülerden hangisi kesinlikle tamsayıdır?
(•) - litre
(•) - metre
(•) - adet
(•) - kilogram
Cevap-6 :
adet
Soru-7 :
(•) - Kesinlik
(•) - Doğrusallık
(•) - Bölünebilirlik
Cevap-7 :
Bölünebilirlik
75
Soru-8 :
Bir fabrikada 4 değişik iş ve bu 4 değişik işten herhangi birini farklı sürelerde yapabilen 4 işçi vardır. Hangi
işçinin hangi işi yapması durumunda harcanan toplam sürenin enküçükleneceğini ölçmek isteyen bir kişi
aşağıdaki karar problemlerinden hangisi ile yüzleşmiştir?
Cevap-8 :
Soru-9 :
Cevap-9 :
76
5. KARAR TEORİSİ
Birlikte Düşünelim
Sabah uyanıp yataktan çıkmaya karar verdiğimiz an dahil olmak üzere gece uyumak üzere yatağınıza girmey
karar verdiğiniz ana kadar, yani bir günlük yaşantınızda kaç kez karar vermek durumunda kaldığınızı
düşünün. Üstünkörü düşündüğünüzde bile onlarca karar anı ile karşılaştığınızı göreceksiniz.
Evden çıkarken ne giyeceğinize karar vermeniz ile üniversitede hangi bölümü okuyacağınıza karar vermeniz
sizin için aynı öneme sahip mi? Hangi kararlarınız üzerine daha uzun boylu düşünür, kararlarınızı alırken ne
kadar derinlemesine bir araştırma yaparsınız?
Başlamadan Önce
İngilizce’de "Karar vermek" anlamına gelen "decide"; cinayet anlamındaki "homicide" ve intihar
anlamındaki "suicide" gibi kelimelerle aynı kökenden gelmektedir. Kelime kökeni itibariyle incelendiğinde
"decide" diğer fikirleri öldürmek anlamına gelmektedir diyebiliriz. Karar verme süreci Yöneylem Araştırması
dışında bir çok bilimin araştırma konusunu oluşturmaktadır. Bu bölüme başlamadan evvel karar teorisinin
incelendiği bilim dallarının ortaya koyduğu çalışmalar hakkında bir araştırma yapabilirsiniz. Günlük hayatın
merkezinde olmasına rağmen çoğunluklar sezgilerimize güvenerek işlettiğimiz karar verme süreci için daha
etkin yaklaşımların sunulduğu popüler kitapları okumayı düşünebilirsiniz.
5.1. Giriş
Hayatımızın her anında yüzleştiğimiz, çoğu zaman mantıksal sınamalar yoluyla ya da sezgilerimizle hareket
etmek durumunda kaldığımız, çözümümüzü bekleyen bir çok karar problemi bulunmaktadır. Bir günümüzü
ele aldığımızda sabah uyanma saatimizden, kahvaltıda ne yiyeceğimize, dışarı çıkarken ne giyeceğimize,
nereye/nasıl gideceğimize, hangi yolu kullanacağımıza kadar bir çok karar problemi ile karşı karşıya
kalmakta, sistematik olarak ele almasak da bir karara varmakta ve kararımız doğrultusunda hareket
etmekteyiz.
Yüzleştiğimiz bireysel karar problemleri dışında iş hayatımızda da üstlendiğimiz görev gereği bir çok karar
vermek durumunda kaldığımız gibi, üyesi bulunduğumuz organizasyon da benzer şekilde karar vermek
durumundadır.
Karar verme süreci, karmaşık bir yapıda, ölçülebilir etkilerin dışında doğa olayları olarak adlandırılabilecek
dışsal etkilere açık bir süreç olarak ele alındığında zor ve maliyetli bir hal almaktadır. Bu durumda karar
verme, karar verici dışındaki çevreyi de etkileme potansiyeline sahip, karar vericiye sorumluluk yükleyen bir
süreçtir.
İnsanlar gerek iş yaşamları, gerekse özel yaşamlarında karar almak zorundadırlar. Örneğin; bir firma için
satın alma kararını verecek olan yönetici, özel hayatında evine alacağı enerji dostu çamaşır makinesi için de
bir satın alma kararı vermek zorundadır.
Türk Dil Kurumu Büyük Türkçe Sözlükte karar; “Bir iş veya sorun hakkında düşünülerek verilen kesin
yargı” olarak tanımlanmaktadır (TDK, 2018). Karar verme, hedef ve amaçların gerçekleştirilmesi yönünde
alternatifler arasından birini seçme işidir. İşletmelerin başarılı bir şekilde devamlılığı, karlarının
maksimizasyonu, verimliliğini arttırabilmeleri, büyüyebilmeleri yöneticilerinin alacağı doğru kararlar ile
mümkündür. İşletme yöneticilerinin en temel görevi karar vermedir. Yöneticiler geçmişte bu kararlarını
77
tecrübelerine, sezgilerine ve sınırlı bilgilerine dayanarak verirlerdi. Ancak zamanla artan rekabet, maliyet,
ilişkilerin karmaşıklaşması vb. nedenlerden dolayı rasyonel karar almak için tecrübeler, sezgiler ve sınırlı
bilgilerin yanı sıra karar sürecini analitik olarak da değerlendirmek gerekmektedir.
Yöneticiler karar vermekle yani alternatifler arasından bir seçim yapmakla aslında bir sürecin sonucunu
açıklamış olur. Karar verme sürecinin aşamaları:
1. Problemin belirlenmesi
2. Problemin analiz edilmesi
3. Alternatif çözümlerin geliştirilmesi
4. En iyi çözümün seçilmesi
5. Kararın eyleme dönüştürülmesi
Bir karar sürecinin doğru şekilde modellenebilmesi, süreci oluşturan bileşenlerin doğru bir şekilde tespit
edilmesine bağlıdır (Yaralıoğlu, 2010). Karar sürecini oluşturan bileşenler aşağıdaki başlıklarda ele alınabilir.
Karar verici: Karar probleminin mevcut çözüm seçeneklerinden birini seçen, bu seçim suretiyle seçimden
doğacak sonuçların sorumluluğunu üzerine alan kişi ve ya kişilerdir (Aladağ, 2011). Karar verici tek bir kişi
olabileceği gibi birden fazla kişiden oluşan bir karar verici grubu ile de karar verme süreci işletilebilir.
Özellikle karar verme sürecinde farklı uzmanlık konularının yer alması karar verici grubu ile karar vermeyi
önemli kılmaktadır. Günümüz iş dünyasında kişilerin farklı uzmanlık alanlarından kendini geliştirmiş oldukları
göz önünde bulundurulduğunda, karar verme sürecine kişilerin uzmanlık konuları doğrultusunda katkı
sağlamaları, kararların etkin ve verimli olmasını sağlayacaktır. Örnek olması bakımından bir işletme için satın
alma kararından muhasebe, finansman, üretim vb. bir çok departmanın uzmanlık alanına giren bir karar alma
süreci işletilmesi gerekmektedir. Bu durumda her bir departmanı temsilen birer uzmandan/yöneticiden
oluşturulacak karar verici grubu, kararın her bir departmanın uzmanlığının karar sürecine yansıtılmasına vesile
olacaktır.
Amaç: Kriterlerin karar vericilerin arzuları doğrultusunda yönlendirilmiş şekli olarak tanımlanabilir (Evren ve
Ülengin, 1992a, 1992b). Karar verme sürecinde öncelikli olarak belirlenmesi gereken bileşendir. Belirlenen
amaç doğrultusunda karar verme süreci şekillendirilerek, modellemede kullanılacak kriter ve alternatifler
tespit edileceği için amaçlar, iyileştirme ve geliştirme hedeflenen yönde olmalıdır.
Kriter (Ölçüt): Karar vericinin seçimini oluşturmada kullandığı değerler sistemidir (Halaç, 2001). Kriterler,
kısaca karar verici açısından önemli olan ve karar vericinin alternatifleri değerlendirme esnasında kullanacağı
karar verme bileşenidir. Sayısal olabileceği gibi sayısal olmayan türde de olabilir (Sipahioğlu, 2008). Kriterler
karar verme sürecine etki eden kısıtlardır.
Alternatif: Sayısı en az 2 veya daha fazla olan ve karar vericinin benimseyebileceği farklı davranış
biçimlerini ifade etmektedir (Aladağ, 2011). En genel ifade ile karar verme sürecinde değerlendirmeye konu
olan seçeneklerdir. Alternatifler karar verme süreci sonucunda elde edilecek çıktı olduğu için doğru bir
şekilde belirlenmelidir.
78
Olaylar (Doğa Durumu): Karar vericinin kontrolü altında olmayan faktörler olup seçimi etkileyen çevreyi
yansıtırlar (Halaç, 2001).
Sonuç: Her bir seçenek ve olaydan ortaya çıkan değeri yansıtır. Sonuçların oluşturduğu matrise karar
matrisi adı verilir (Can, 2014).
Karar problemleri, tüm mümkün alternatifler arasından mümkün olan en iyi alternatifin seçilmesi problemleri
olup; alternatifler, mümkün olaylar, mümkün olayların olasılıkları, sonuçlar ve kriterleri içermektedir (Tryfos,
1989).
Alınan bir karar yukarıdaki sınıflandırmalardan birine dahil olabileceği gibi birkaçına da dahil olabilir. Örneğin
üst kademelerde verilen kararların çoğu stratejik nitelikte, programlanamayan ve belirsizlik şartları altında
verilen kararlar olarak sınıflandırılabilir.
Kararlar; olaylar, olayların gerçekleşme olasılıkları arasındaki ilişkiye göre; belirlilik halinde karar verme, risk
halinde karar verme, belirsizlik halinde karar verme, kısmi bilgi halinde karar verme ve rekabet halinde karar
verme olarak da sınıflandırılabilir.
Karar matrisinde; tek bir olaya ait, seçenekler ve bu seçeneklerin de sonuçlarının belirli olduğu
problemlerdir. Bu tip karar problemlerinde, her seçime ilişkin tam bir bilgi var olup ortaya çıkacak olan
olayın gerçekleşme olasılığı 1’dir. Belirlilik halinde karar verme problemlerinde, amaç bir maksimizasyon ise;
seçeneklerden getirisi büyük olan, bir minimizasyon ise, seçeneklerden götürüsü küçük olan seçilir. Karar
verme ortamında belirlilik durumu söz konusu olduğundan karar sürecine ilişki tam bilgi sahibi olunduğundan
karar verme eylemi kolay ve risksizdir.
79
Örneğin bireysel bir yatırımcı olarak farklı şirketlerden tarafından ihraç edilen 4 tahvil senedinden birine
yatırım yapmak durumunda olduğunuzu düşünelim. Bu amaçla karar sürecine ait bilgileri toplamak üzere
tahvil detaylarını incelediğinizde yatırım miktarınızın getirilerini Tablo 2.’de gibi derleyebilirsiniz. Bilindiği üzere
tahvilin sabit getirili bir menkul kıymet olması sebebiyle getirisi önceden bilinmektedir böylece karar sürecine
ait tam bilgi sahibi olduğunuzu rahatlıkla söyleyebiliriz.
Tablo 2.’de yer alana karar matrisinden de görüleceği üzere; alternatifi kârı maksimize edecek en yüksek
getiriye sahip olup en ideal (optimum) alternatiftir. Eğer bu matris birim maliyetleri gösteriyor olsa idi bu
durumunda minimum maliyeti sağlayan , alternatifi en iyi alternatif olarak belirlenecekti.
Belirli sayıda olayın gerçekleşme olasılıklarının bilindiği durumlarda, beklenen değerlerin hesaplanmasıyla risk
halinde karar alınabilir.
Bir önceki örneğimizdeki yatırım kararı problemini bu kez tahvil yerine hisse senedi yatırımı olarak
güncelleyelim. Tahvillerde dönem sonunda elde edeceğiniz getiri önceden bilinmektedir ancak tahvillerin
aksine hisse senetlerinin standart bir getirileri yoktur ve şirketin bilanço kazancına, yatırım kararlarına göre
değeri farklılık göstermektedir. Bu nedenle hisse senedi yatırımınızın dönem sonu getirisi hakkında tam bilgi
sahibi olmanız mümkün değildir. Ancak bununla beraber hisse senedine yönelik gerek bireysel
deneyimlerinizden, gerekse uzman görüşü ve araştırmalarından hisse senedinin getirisini belirli olasılıklar
dahilinde öngörmeniz mümkündür. Bu amaçla örnek yatırım problemimizdeki dönem içi ekonominin
büyümesi, aynı kalması ve küçülmesi olaylarına (doğa durumlarına) ilişkin olasılıkları sırasıyla %25, %35 ve
%40 olarak belirlediğinizi ve bu durumda hisse senedi alternatiflerinin muhtemel getirilerinin ne olacağını
Tablo 3.’de listelediğiniz düşünelim.
Her bir hisse senedi alternatifi için, beklenen değerleri aşağıdaki gibi hesaplarız.
80
Beklenen değeri, en yüksek olan, en iyi hisse senedi alternatifi olacaktır. Aynı şekilde bu bir maliyet
problemi olsaydı bu takdirde en iyi alternatif, olur.
Risk halinde karar verme problemlerinde problemin tipine göre; şartlı kar tablosu, şartlı fırsat kaybı tablosu,
tam bilginin olması durumunda beklenen kar matrisleri de oluşturulabilir. Aşağıdaki tabloda, birim maliyeti 6,
birim karı 5 olan bir ürüne ait olasılık değerleri ve talep miktarları bulunmaktadır.
Bu talep tablosuna göre; eğer 10 birim elde varken, hepsi satılırsa elde edilecek kar 50 olur. Çünkü birim
kar 5’dir. Eğer 11 birim mal varken, 10 adet satılırsa bu takdirde, beklenen kar 55-6 = 49’dur.
Aynı şekilde şartlı fırsat kaybı tablosunu ise, aşağıdaki gibi oluşturabiliriz. Şartlı fırsat kaybı tablosunun
elemanlarını olasılıklar ile çarparsak beklenen fırsat kaybını hesaplarız.
Tam bilgi halinde beklenen kar için, öncelikle belirlilik halinde şartlı kar tablosu oluşturulmalıdır. Bu tablo
aslında köşegen bir matristir. Değerleri ise, beklenen birim karlardır.
81
Tablo 7. Belirlilik Halinde Şartlı Kar Tablosu
olarak hesaplanır.
Belirsizlik halinde karar vermeden önce sıkça karıştırılan belirsizlik ve risk kavramları arasındaki şu ilişkinin
bilinmesi yararlı olacaktır. Riskte gelecekteki olaylara ait alternatif sonuçların olasılıkları bilindiği halde,
belirsizlikte böyle bir olasılık dağılımından bahsetmek mümkün değildir (Can, 2014).
Dolayısı ile, belirsizlik halinde karar verme problemlerinin beklenen olayların gerçekleşme olasılıkları
belirlenemez. Günümüzde bu tür karar problemlerinin risk halinde karar verme problemlerine dönüştürülmesi
için farklı seçim kriterleri önerilmiştir. Karar vericiye yardımcı olma yönünde yapılmış çalışmalar sonucunda
ortaya çıkmış bu kriterleri tanıtmak yararlı olacaktır. Belirsizlik halinde karar verme yöntemlerinin tamamında
kullanılmak üzere Tablo 8.’de gösterilen yatırım problemli karar matrisi oluşturulmuş olsun.
Gerçekleşmesi beklenen olayların hepsinin eşit olarak gerçekleşeceğini umar, (Timor, 2010). Böylelikle
problem, risk halinde karar verme problemine dönüştürülerek çözülür.
Tablo 8.’de yer alan yatırım problemini Laplace kriterine göre çözecek olursak;
82
En iyi seçeneğin olduğu görülecektir.
Bu kriterde, en kötü sonuçlar üzerinden bir seçim yapılır. Karar matrisinde her bir seçenek için, en kötü
sonuç seçilerek bu değerlerin arasından en az zarar veya en yüksek kar ettiren seçenek tercih edilir. Tablo
8’deki örneğimize kötümserlik kriterini uygulayalım.
Yukarıdaki gibi bir durumda seçilecek alternatif -5 değerinden dolayı değeri olup, bunun anlamı yapılması
gerekli olan bu yatırımdan en az zarar edilecek alternatifin seçildiğidir.
Maximin kriterinin karar vermedeki en olumlu özelliği, gerçekleşmesi kesin olan en yüksek kazancı veya
ödülü (örneğimizde en az zararı) kesin bir şekilde bulmasıdır Hata! Başvuru kaynağı bulunamadı.. Ancak
Maximin kriteri olayların gerçekleşme şansını göz ardı ettiğinden, gerçekleşme şansına göre başka bir
alternatifin seçilmesiyle elde edilebilecek daha yüksek kazancın kaçırılmasına da sebep olur (örneğin ‘ün
gerçekleşmesi kesin gibiyse bu durumda ‘nin seçimini düşünelim).
Bu kritere göre öncelikli olarak bir pişmanlık matrisi oluşturulur, oluşturulan matris üzerinden elde edilecek
maksimum pişmanlık minimize edilir. Bir karar verici minimax kriterini kullanarak alternatifler arasından bir
seçim yapmış ve doğa olaylarından biri gerçekleşmiştir. Geriye dönüp baktığında seçtiği alternatiften ya
hoşnuttur ya da başka bir seçenek daha tercih edilebilir olduğundan hayal kırıklığı içindedir (Newbold,
2009).Hata! Başvuru kaynağı bulunamadı. Tablo 8’deki örneğimizde olayının gerçekleştiğini
83
varsayalım. Bu durumda yatırımcı eğer alternatifini seçtiyse, en yüksek getiriyi elde etmiştir ve hiç pişman
(sıfır 0 pişmanlık) olmaz. Yatırımcı eğer seçtiyse elde edeceği getiri 40 olduğundan seçmediğinden
dolayı bir pişmanlık duyar ve pişmanlık 50-40=10’dur. Yatırımcı eğer seçtiyse 0 (sıfır) getiri elde edeceği
için pişmanlık 50-0=50’dir. Böylece her bir olay ve alternatif için pişmanlıklar hesaplanır. Elde edilen
pişmanlık matrisinden her bir alternatif için en yüksek pişmanlık değerleri seçilerek bir sütun oluşturulur.
Oluşturulan sütundan en düşük değer seçilerek pişmanlık minimize edilmiş olur. Minimax kriteri kısaca, getiri
matrisinin her sütunun en yüksek değerinden, o sütundaki tüm elemanlar çıkarılır ve elde edilen yeni matris
üzerinde satır elemanları arasından en büyükleri seçilir. Elde edilen sütunda ise en küçük değer seçilerek
işlem tamamlanır.
Yukarıdaki tabloda da görüleceği gibi, alternatifi Minimax kriterine göre seçilecek alternatiftir.
Minimax pişmanlık kriteri en düşük pişmanlık sağlamayı garanti etmektedir. Ancak maximin kriterinde olduğu
gibi olayların gerçekleşme şanslarını göz ardı etmektedir. Böylece karar vericinin olaylar hakkındaki kişisel
görüşünü, bilgi birikimini, tecrübesini ve uzmanlığını karar vermede kullanmasını engellemektedir.
Bu kriterde, kazanç matrisinin her satırında elde edilecek olan maksimum kazançlar arasından en yükseğini
seçmeye dayalı bir tekniktir. Tablo 8’de kullandığımız verilerimize iyimserlik kriterini uygulayalım.
84
Yukarıdaki tablodan da görüleceği üzere en yüksek getiriyi sağlayacak olan alternatifi seçilmesi
gerekecektir. Minimax ve maximin için yapılan eleştirileri maximax kriteri içinde yapabiliriz.
Karar vericinin iyimserlik derecesine göre bir seçimden bahseden bu kritere göre, karar verici bir iyimserlik
katsayısı ve bir kötümserlik katsayısı belirleyerek, problemi risk halinde karar problemine
dönüştürür ve karar alır (Timor, 2010). Satırların maksimum değeri iyimserlik katsayısı ile satırların minimum
değeri ise kötümserlik katsayısı ile çarpılarak her bir seçeneğin beklenen değeri hesaplanır. Beklenen değeri
en yüksek olan alternatif seçilerek karar verme işlemi tamamlanır. Tablo 8’de kullandığımız verilere Hurwicz
kriterini uygulayalım.
Yukarıda ifade etiğimiz karar tipleri dışında elimizde sadece olasılık dağılımının bilindiği fakat risk halinde
karar verme probleminde olduğu gibi olasılıkların olmadığı durumlarda ise, belirli bir miktar bilgi olduğu için
kısmi bilgi halinde karar vermeden bahsedilir. Bu tür problemlerin çözümünde genelde karar ağaçlarından
faydalanılır.
85
Bu durumda her bir alternatifin/seçeneğin beklenen getirisi;
olarak hesaplanır. Beklenen getiriye göre en iyi alternatif olarak ’i seçmek rasyonel bir davranış olacaktır.
Beklenen getirinin tek koşullu bir karar matrisi üzerinde matematik hesaplamalar ile incelenmesi ve karar
verilmesi nispeten kolaydır. Ancak gerçek hayat problemlerinde karar sürecine etki eden olaylar bir dizi
şeklindedir ve bir olayın gerçekleşmesi durumunda sürece yeni bir karar noktası ile devam etmek
gerekebilmektedir. Böyle bir durumda karar problemine ilişkin verileri tek bir karar matrisinde göstermek
efektif olmayacaktır. Bu amaçla karar adımlarının takibini ve işlemleri kolaylaştırılması amacıyla görsel
zenginlik sunan karar ağaçlarından faydalanılmaktadır.
Bir karar ağacı, düğümler, dallar ve karar noktalarından oluşur. Karar ağaçları, yukarıda bahsettiğimiz karar
matrisi elemanlarının, düğümler halinde, olasılıkları ile birlikte oluşturularak elde bulundurulan kısmi bilgiyi
kullanıp, karar vericiye yardımcı olmayı amaçlayan bir araçtır. Karar ağaçlarında karar verilmesi gereken
yerler kare ile, düğüm noktaları daire gösterilmekte olup her bir alternatifin beklenen değeri gösterilir. Bu
dairelerden (düğümlerden) çıkan dallar ise her bir doğa olayını ve olasılığını gösterir. Dalların uçlarına ise
alternatif-doğa olayına karşılık gelen getiriler yazılır. Karar ağacında hesaplamalar sağdan sola doğru yapılır.
Örneğimize ait karar ağacı incelendiğinde ‘in beklenen getirisinin en yüksek olduğu görülür.
86
Şekil 1. Karar Ağacı
Bölüm Özeti
Bu bölümde karar verme sürecinin organizasyonların her seviyesinde yüzleşilen ve sonuçları bakımından
önem arz eden bir süreç olduğunu öğrendik. Karar teorisinde kullanılan karar verici, amaç, kriter, sonuç,
doğa olayları bileşenlerini detaylı olarak inceledik ve bu kavramların bir bütün olarak ifade edildiği karar
matrisini oluşturduk. Karar sürecinde en önemli faktör olan bilgi sahipliği seviyesinin karar verme sürecini
belirli, belirsizlik ya da risk halinde karar verme olarak ele almamız neden olduğunu öğrendik. Karşılaştığımız
karar problemine ilişkin elde edeceğimiz bilgilerin tam olduğu durumda belirlilik halinde karar verme sürecini
kolaylıkla işletebiliyoruz. Ancak bir çok gerçek hayat probleminde olduğu gibi doğa durumlarının (olayların)
gerçekleşmeleri olasıklara bağlı olarak ifade ediliyorsa beklenen değer hesaplaması ile karar sürecindeki riski
minimize ederek etkin karar süreci işletmeye çalışıyoruz. Şayet bilgi seviyesinin en düşük olduğu, doğa
durumlarının olasılıklarının da net olarak bilinmediği durumlarda karşılaştığımız belirsizlik durumunda önerilen
iyimserlik, kötümserlik, pişmanlık, eş olasılık vb. yöntemlerine başvuruyoruz.
Kaynakça
Yıldırım, B. F., (2018). Çok Kriterli Karar Verme Yöntemlerine Giriş. İçinde Önder, E., Yıldırım, B. F.
(Ed.), Sağlık Yönetiminde Karar Verme I. (1 - 10). Bursa: Dora Yayıncılık.
Can, M., (2014). Karar Teorisi. İçinde Yıldırım, B. F., Önder, E. (Ed.), Çok Kriterli Karar Verme
Yöntemleri. (1 - 11). Bursa: Dora Yayıncılık.
Evren, R. ve Ülengin, F. (1992a). Yönetimde Çok Amaçlı Karar Verme, İstanbul, İstanbul Teknik
Üniversitesi Matbaası.
87
Evren, R. ve Ülengin, F. (1992b). Yönetimde Karar Verme, İstanbul, İstanbul Teknik Üniversitesi Matbaası.
Halaç, O., (2001). Kantitatif Karar Verme Teknikleri, İstanbul, Alfa Basım Yayım Dağıtım.
Sipahioğlu, A. (2008). Analitik Hiyerarşi Süreci (AHP), Eskişehir osmangazi Üniversitesi, Yayımlanmamış
Ders Notu.
Koçel, T. (2001). İşletme Yöneticiliği, 8. Bası, Beta Basım Yayım Dağıtım A.Ş., İstanbul.
Newbold, P. (2009). İşletme ve İktisat İçin İstatistik, Çeviren Ümit Şenesen, Literatür Yayınları 44, 7.
Basım, İstanbul.
Kroeber, D. W., Watson, H. J., (1987). Computer-Based Information Systems: A Management Approach,
Macmillan Publishing Co.
Ünite Soruları
Soru-1 :
Aşağıdakilerden hangisi karar verici açısından önemli olan ve karar vericinin alternatifleri değerlendirme
esnasında kullanacağı karar verme bileşenidir?
(•) - Seçenekler
(•) - Kriterler
(•) - Amaç
(•) - Sonuç
Cevap-1 :
Kriterler
Soru-2 :
Aşağıdakilerden hangisi bir karar ağacında karar düğümlerini göstermek üzere kullanılan semboldür?
(•) - Çember
(•) - Daire
88
(•) - Kare
(•) - Beşgen
(•) - Üçgen
Cevap-2 :
Kare
Soru-3 :
Cevap-3 :
Soru-4 :
Aşağıdakilerden hangisi doğa durumlarının olasılıklarının bilinmediği durumda karar matrisinde her bir
seçenek için, en kötü sonuç seçilerek bu değerlerin arasından en az zarar veya en yüksek kar sağlayan
alternatifin seçildiği yöntemdir?
(•) - Maximin
(•) - Maximax
(•) - Minimax
(•) - Hurwicz
(•) - Laplace
Cevap-4 :
Maximin
Soru-5 :
89
Aşağıdaki belirsizlik halinde karar verme yöntemlerinden hangisi karar vericinin iyimser ve kötümser bakış
açısını belirlenen bir katsayı ölçeğinde sürece dahil eden yaklaşımdır?
(•) - Laplace
(•) - Hurwicz
(•) - Maximin
(•) - Maximax
(•) - Minimax
Cevap-5 :
Hurwicz
Soru-6 :
Aşağıdakilerden hangisi doğa durumlarının olasılıklarının bilinmediği durumda tüm doğa durumlarının
gerçekleşme olasılıklarını eşit olarak modele dahil eden yaklaşımdır?
(•) - Laplace
(•) - Hurwicz
(•) - Maximin
(•) - Maximax
(•) - Minimax
Cevap-6 :
Laplace
Soru-7 :
90
Cevap-7 :
Soru-8 :
Aşağıdakilernden hangisi bir iş veya sorun hakkında düşünülerek verilen kesin yargı olarak tanımlabilir?
(•) - Alternatif
(•) - Kriter
(•) - Karar
(•) - Olaylar
Cevap-8 :
Karar
Soru-9 :
Aşağıdakilerden hangisi her bir alternatif için her bir olaydan ortaya çıkan sonuç değerini bir bütün olarak
gösteren karar verme bileşenidir?
(•) - Alternatif
(•) - Kriter
(•) - Karar
(•) - Olaylar
Cevap-9 :
Karar matrisi
91
6. ÇOK KRİTERLİ KARAR VERME
Birlikte Düşünelim
Bir ev satın alma kararı sürecinde olduğunuzu düşünün. Size satın alabileceğiniz iki ev alternatifini fiyat ve ev
yüzölçümü gibi iki kritere göre değerlendirip karar vermeniz istensin. Böyle bir karar probleminde herhangi
bir karar verme yöntemine başvurmaksızın basit bir mukayese ile size maksimum faydayı sağlayacak (en az
fiyat ile en geniş yüz ölçümüne sahip ev) alternatifi seçmeniz mümkündür. Ancak yüzleştiğiniz ev satınalma
problemini gerçek hayata uyarlayacak olursak alternatif sayısının 2’den çok daha fazla olacağını ve ev satın
alma sürecinde dikkat etmeniz gerek kriter sayısının çok daha fazla olacağını öngörebilirsiniz. Bu durumunda
etkin bir karar vermek üzere mantıksal sınamalar yapmanız mümkün olmayacak, sezgileriniz ile karar
vermeniz ise çok verimli sonuçlar elde etmenize olanak sağlamayacaktır. Böyle bir durumda karar sürecinize
destek olacak bilimsel bir karar destek sisteminden faydalanmak, karar süreci sonucunda etkin bir çıktı elde
etmenizi mümkün kılacaktır. Yukarıda basit bir örnek üzerinde izah edilen karar problemi gerçek hayatta
bilhassa işletmelerin karar süreçlerinde daha kompleks, sonuçlandığında katlanılacak maliyet bakımından
daha hayati bir hal almaktadır. Bu tip karar problemlerinde kullanılmak üzere ne tür yöntemlerden
faydalanabileceğimizi düşünelim.
Başlamadan Önce
Bu bölüme başlamadan önce Çok Kriterli Karar Verme yöntemlerinin çıkış noktası olan karar verme
sürecini, sürece ilişkin bileşenleri tekrar edebilirsiniz. Bu amaçla bir önceki bölümde ele aldığımı Karar
Teorisi bölümünde ilgili başlıklara göz atmanız faydalı olacaktır.
6.1. Giriş
Çok Kriterli Karar Verme (ÇKKV), karar teorisinin bir alt dalını oluşturan ve farklı yaklaşımları bünyesinde
barındıran bir yöntemler bütünüdür. ÇKKV, karar sürecini kriterlere göre modelleme ve karar vericinin süreç
sonunda elde edeceği faydayı enbüyükleyecek şekilde analiz etme sürecine dayanır.
Örnek olması açısından bir ev satın alma kararı sürecinde olduğunuzu düşünün. Size satın alabileceğiniz iki ev
alternatifini fiyat ve ev yüzölçümü gibi iki kritere göre değerlendirip karar vermeniz istensin. Böyle bir karar
probleminde herhangi bir karar verme yöntemine başvurmaksızın basit bir mukayese ile size maksimum
faydayı sağlayacak (en az fiyat ile en geniş yüz ölçümüne sahip ev) alternatifi seçmeniz mümkündür. Ancak
yüzleştiğiniz ev satınalma problemini gerçek hayata uyarlayacak olursak alternatif sayısının 2’den çok daha
fazla olacağını ve ev satın alma sürecinde dikkat etmeniz gerek kriter sayısının çok daha fazla olacağını
öngörebilirsiniz. Bu durumunda etkin bir karar vermek üzere mantıksal sınamalar yapmanız mümkün
olmayacak, sezgileriniz ile karar vermeniz ise çok verimli sonuçlar elde etmenize olanak sağlamayacaktır.
Böyle bir durumda karar sürecinize destek olacak bilimsel bir karar destek sisteminden faydalanmak, karar
süreci sonucunda etkin bir çıktı elde etmenizi mümkün kılacaktır. Yukarıda basit bir örnek üzerinde izah
edilen karar problemi gerçek hayatta bilhassa işletmelerin karar süreçlerinde daha kompleks,
sonuçlandığında katlanılacak maliyet bakımından daha hayati bir hal almaktadır. Bu tip karar problemlerinde
kullanılmak üzere önerilmiş olan ÇKKV yaklaşımları, birbiri ile çatışan birden fazla kriteri karşılayan olası “en
iyi/uygun” çözüme ulaşmaya çalışan yaklaşım ve yöntemlerden oluşmaktadır. En iyi çözüm karar süreci
sonucunda alınacak karar ile faydanın en büyük ya da maliyetin en küçük olmasını ifade etmektedir. Karar
vericiler, bu tür problemlerin üstesinden gelmede çok kriterli karar verme tekniklerinden faydalanarak
deterministik yaklaşım ile daha etkin kararlar verebilmektedirler.
92
6.2. Çok Kriterli Karar Verme Süreci
ÇKKV hayatın her alanında ve her düzeyde sıklıkla başvurulan bir yöntemler bütünüdür. ÇKKV yöntemleri
ile kullanılarak etkin karar verme süreçleri işletebilmek üzere aşağıdaki adımlar izlenebilir (Yıldırım, 2018).
Karara bağlanması beklenen sorunun doğru bir şekilde tespit edilmesi ve karar sürecinin yönlendirilmesi için
amaç ya da amaçların doğru belirlenmesi önemlidir. Karar probleminin modellenmesinde kritik öğe doğru
amaç ya da amaçların belirlenmesine bağlıdır. Belirlenen amaca göre karar problemi şekillendirilecek, amaca
hizmet edecek kriterler ve alternatifler bu doğrultuda belirlenecektir. Amaçların karar probleminde etkin
kullanılabilmesi için açık şekilde belirlenmiş, ulaşılabilir, gerçekçi ve ölçülebilir olması gerekmektedir. Grup
karar verme söz konusu ise amacın üzerinde uzlaşılmış olmasına dikkat edilmelidir.
Amaç ya da amaçlar belirlendikten sonraki adımda kriterlerin belirlenmesi ve kriter setinin oluşturulması
gerekmektedir. Kriterler amaçlara ulaşmada alternatiflerin değerlendirilmesinde kullanılan karar bileşenleri
olduğu için kriterlerin belirlenmesinde titiz davranılması gerekmektedir. Karar problemine dahil edilen her bir
kriterin karar sürecinde etkili olduğu kadar problemde ele alınmayan kriterlerin de karar çıktısında dolaylı bir
etkisi olduğu bilinmelidir. Ayrıca kriterlerin amaca katkı yönünün belirlenmesi de üzerinde durulması gereken
bir husustur. Öyle ki kriterlerin bir kısmı fayda bir kısmı ise maliyet niteliğine sahip olabilir. Örnek ev
satınalma karar problemini tekrar inceleyecek olursak kriterler arasında yer alan fiyat kriterinin maliyet, yüz
ölçümü kriterinin ise fayda niteliğine sahip olduğunu görebilir. Diğer bir ifade ile bir ev satın alırken mümkün
olan en küçük düzeyde bir fiyat (en düşük maliyet) amaca olumlu katkı sağlarken, yüzölçümü kriterinde ise
bu durum en yüksek ölçümüne (en yüksek fayda) sahip evin tercih edilmesinin amaca olumlu katkı sağlamak
şeklinde sonuçlanmaktadır.
Kriterlerin karar vermede etkin kullanılabilmesi için bir kriterin sahip olması gereken özellikler aşağıdaki
başlıklarda incelenebilir.
Kapsayıcılık: Kriterin karar probleminde ulaşılmak istenen amaca hizmet edecek kapsayıcılıkta olması
gerekmektedir. Ayrıca değerlendirmeye konu olacak alternatiflerin her birini temsil edecek oranda kapsayıcı
olması beklenmektedir. Ev satınalma örnek problemini ele aldığımızda fiyatın kriter olarak kullanılabilmesi için
tüm ev alternatiflerinin fiyatlarının belirli olması gerekmektedir. Alternatifler arasında yer alan bir eve ait fiyat
bilinmiyorsa, fiyat kriteri kapsayıcılık özelliğini taşımıyor demektir.
Ölçülebilirlik: Kriterlerin karar probleminde etkisinin hesaplanabilmesi için kriterin ölçülebilir olması
gerekmektedir. Daha önceki tanımlarda bahsedildiği üzere kriterler sayısal olabileceği gibi sayısal olmayan
türde de olabilir. Sayısal kriterlerin ölçülebilirliği aşikarken, sayısal olmayan kriterlerin ölçülebilirliğini
sağlamak üzere literatürde çeşitli ölçekler kullanılmaktadır. Bariz bir örnek olması bakımından sübjektif
değerlendirmelerin yer aldığı kriter ölçümlerinde dilsel ölçeklerin sıklıkla kullanıldığı bilinmektedir.
Yeterlilik: Kriterlerin amacı temsil etmesi, alternatifleri etkin değerlendirebilmesi için yeterli sayısa olması
gerekmektedir. Kullanılacak kriter sayısı karar problemine göre değişiklik arz etmekle birlikte karar
problemine uygun asgari sayıda olması gerektiği gibi azami bir sayıyı da geçmemesi beklenmektedir. Aynı
doğrultuda yer alan kriterlerin ayıklanması, tek bir kriter altında birleştirilmesi, karar problemini mümkün
olduğunca sade bir hale getirmek karar alma sürecini kolaylaştırabileceği gibi daha verimli karar vermeyi de
mümkün kılacaktır.
93
Karar verme sürecinin kriter belirleme aşamasından sonra değerlendirmeye konu olacak alternatiflerin
belirlenmesi aşamasına geçilmektedir. Alternatiflerin karar verme sürecinden sonra izlenebilir çıktılar
oluşturması bakımında önemlidir. Alternatif setinin karar problemini yansıtacak doğrulukta ve sayıda olması
beklenmektedir. Karar sürecine dahil edilmeyen bir alternatif karar verme süreci sonunda karar vericiye bir
maliyet oluşturabilir. Örneğin işletmenin tedarikçi seçiminde değerlendirmeye almadığı bir alternatif aslında
amaca, kriterler ölçeğinde en fazla uygunluk gösteren bir alternatif olabilir. Bu bakımdan herhangi bir
alternatif adayını karar problemine dahil etmemenin de bir maliyeti vardır. Alternatifler önceden bilinen
alternatif olabileceği gibi bazı ÇKKV yaklaşımlarında alternatifler için kıyas oluşturmak üzere var olmayan,
yapay olarak tasarlanmış (dummy) bir alternatif de karar problemine dahil edilebilmektedir.
Analiz aşaması tamamlandıktan sonra elde edilen sonuçlar üzerinden genel bir değerlendirme yapılarak karar
verme sürecinin çıktısı olarak karar verilir.
Karar almanın zorluğu ve sonuçları itibariyle maliyetli bir süreç olması, kararların incelenmesini, farklı
senaryolar üzerinden kararın duyarlılığın ölçülmesini zorunlu kılmaktadır. Karar sürecinin sağlıklı işletilip
işletilmediği saptamak üzere kararların mutlaka incelenmesi gerekmektedir. Ayrıca kararların etkinliği ölçmek
üzere duyarlılık analizinin gerçekleştirilmesi -amaçların kısa vadeli olmadığı bilindiğinden- karar
alternatiflerinin de bilinerek izlenmesine olanak sağlayacaktır. Daha öncede bahsedildiği üzer ÇKKV
yaklaşımları bünyesinde bir çok yöntemi barındırmaktadır. Karar sürecinin kompleksliği ile doğru orantılı
olarak her geçen gün farklı bir yaklaşımın literatürde önerilmesi ÇKKV yaklaşımlarını devamlı
güncellenmesini sağlamaktadır. Farklı ve sayıca çok yöntemden oluşan ÇKKV yaklaşımları literatürde farklı
sınıflandırmalara tabi tutulmuştur. ÇKKV yöntemleri aşağıda yer alan 2 ana başlık altında sınıflandırılmıştır .
Örnek olması bakımından bir işletme için tedarikçi seçim probleminin Çok Kriterli Karar Verme (ÇKKV)
problemi olarak modelleneceğini düşünelim. Bu karar probleminde işletmenin değerlendirmeye tabi tutacağı
alternatif sayısı sonlu sayıdadır. Ayrıca her bir alternatif bir tedarikçi işletmeyi temsil ettiği için kesikli bir
durumda karar verme söz konusudur. Bu tip bir ÇKKV problemleri yukarıdaki tanımdan da anlaşılacağı
üzere bir ÇNKV problemidir ve ÇNKV yöntemleri kullanılarak işletme için en ideal (uygun) tedarikçi
alternatifini belirlenmesi mümkündür.
ÇNKV yaklaşımları alternatifler arasından seçim, alternatiflerin sıralanması, kıyaslanması gibi karar
problemlerinde sıklıkla kullanılmaktadır. Ağır matematik işlemler gerektirmeksizin, paket program
kullanılmasına gerek kalmaksızın hızlı bir şekilde karar vermeyi sağlaması bakımından sıklıkla tercih edilen
yöntemlerdir. ÇNKV yönteminde tek bir amaç bulunmaktadır. Amaç karar problemi için en ideal (en çok
94
fayda, en az maliyet) alternatifi belirlemektedir. Yukarıdaki örnek problem için karar probleminin amacı “en
uygun tedarikçi alternatifinin belirlenmesi” olarak ifade edilebilir.
Analitik Hiyerarşi Prosesi (Saaty, 1977), Analitik Ağ Prosesi (Saaty, 2001), TOPSIS (Hwang ve Yoon,
1981), VIKOR (Opricovic, 1998), PROMETHEE (Brans ve Vincke, 1985), ELECTRE (Roy, 1968),
DEMATEL (Gabus ve Fontela, 1972), COPRAS (Zavadskas vd., 1994), MACBETH (Bana e Costa vd.,
2011), ARAS (Zavadskas vd., 2010), WASPAS (Zavadskas vd., 2012), EDAS (Ghorabaee vd., 2015),
MABAC (Pamučar ve Ćirović, 2015), CoCoSo (Yazdani vd., 2019) ve MARCOS (Stević vd., 2020) vb.
bir çok yöntem ÇNKV yaklaşımları arasında sayılabilir.
ÇAKV karar vermenin daha iyi anlaşılabilmesi için ÇNKV başlığında incelenen tedarikçi seçimi karar
problemini ele alalım. Örnek karar problemimizi işletmenin tek bir tedarikçiden tüm ürünlerini tedarik
edemediği, bir den çok tedarikçiye ihtiyaç duyduğu varsayımı ile genişletelim. Yani işletmeye ürün arz edecek
tedarikçilerin tek başlarına işletmenin talep ettiği ürün miktarını sağlamayacağını düşünelim. Bu durumda
işletme karar probleminde en az iki amaca ulaşmayı hedefleyecektir. Bunlardan birincisi hangi tedarikçileri
tercih etmelidir, ikincisi ise tercih ettiği tedarikçilerin her birinden ne kadar ürün satın alarak talebini
karşılamalıdır. Örnekten de görüleceği üzere işletme birden çok amacı sağlayacak bir çözüm bulmak
durumunda kalmaktadır. Bu tip bir karar problemi ÇNKV probleminden daha zor ve daha matematik
işlemler gerektirmektedir.
ÇAKV yaklaşımları anlamak için bu ailenin üyesi olan Hedef Programlama yaklaşımını incelemek de faydalı
olacaktır. Hatırlanacağı üzere Hedef Programlamada birden çok amaç, elde edilecek fayda
enbüyüklenecek/katlanılacak maliyet enküçüklenecek şekilde tek bir amaç fonksiyonuna dönüştürülmekte ve
kısıtlar doğrultusunda çözüm adımları izlenmektedir.
Çok Amaçlı Doğrusal Programlama, Hedef Programlama, Step Metodu (STEM), SEMOPS, SWT gibi bir
çok yöntem ÇAKV yöntemleri arasında yer almaktadır.
İster bireysel, ister işletme ölçeğinde, ister kamu nezdinde olsun çok geniş bir yelpazede kullanılan ÇKKV
yöntemleri, karar sürecinde yer alan insan faktörünün yaşadığı belirsizliği gidermek, kararların daha etkin
olmasını sağlamak üzere bir karar destek sistemi olarak görev almaktadır.
ÇKKV yöntemleri, farklı yöntemler ile birlikte kullanıma uyumlu olması, klasik küme teorisi dışında karar
süreçlerinde faydalanılan bulanık sayı ve küme teorisi, gri sistem teorisi, kaba küme teorisi gibi diğer sistem
teorileri ile entegrasyona imkan tanıdığı için kullanım alanını her geçen gün genişletmektedir.
95
Literatürde işletmecilik alanında ÇKKV yöntemlerinin kullanıldığı çalışmalar incelendiğinde, personel
seçiminden, birimlerin etkinliklerinin ölçülmesine, tedarikçi seçiminden, yatırım alternatiflerinin
değerlendirilmesine kadar çok geniş bir yelpazede uygulama alanı görülmektedir. Bununla birlikte gerek
departman bazında gerekse üst yönetimi ilgilendiren kararlara kadar her seviyede karar probleminin
incelediği ve ÇKKV yöntemleri ile çözüm önerileri sunulduğu görülmektedir.
Karar problemlerinde etkin rol oynayan kriterlerin sayısal olmayan niteliklere sahip olabilmesi, bireysel
yargıların esas alındığı gerçek hayat karar problemlerine uygunluk arz ettiği için ÇKKV yaklaşımı her
seviyeden karar vericinin kolaylıkla uygulayacağı bir yöntemler seti olarak izleyen dönemlerde de
kullanılacaktır.
Teknolojik gelişmelerin bir sonucu olarak yazılım ve kodlama alanında gerçekleşen atılımın bir sonucu olarak
ÇKKV yöntemlerinin uygulanması ve karar problemlerinin incelenmesine yönelik üçüncü parti bir çok
yazılım, web uygulaması ve açık kaynak kodlu paket geliştirilmekte ve son kullanıcıların kullanımına
sunulmaktadır.
Bölüm Özeti
Çok Kriterli Karar Verme (ÇKKV), karar teorisinin bir alt dalını oluşturan ve farklı yaklaşımları bünyesinde
barındıran bir yöntemler bütünüdür. ÇKKV, karar sürecini kriterlere göre modelleme ve karar vericinin süreç
sonunda elde edeceği faydayı enbüyükleyecek şekilde analiz etme sürecine dayanır.
ÇKKV sürecinde kullanılacak yöntemeler ile etkin kararlar verebilmek üzere sırasıyla Amaç yada amaçların
belirlenmesi; Kriterlerin belirlenmesi, kriter setinin oluşturulması; Alternatiflerin belirlenmesi, alternatif setinin
oluşturulması; Alternatiflerin kriterlere göre değerlendirilmesi; Genel değerlendirme ve karar verme; Kararın
incelenmesi, duyarlılık analizi adımları izlenir.
ÇKKV yöntemleri 2 alt grupta incelenebilir. Çok Nitelikli Karar Verme (ÇNKV), karar probleminde
incelenen alternatiflerin sonlu sayıda olduğu ve açıkça tanımlandığı kesikli durumlarda karar verme sürecini
ifade etmektedir. ÇNKV problemlerinde alternatifler önceden belirlenen sayıdadır. Çok Amaçlı Karar
Verme (ÇAKV), alternatiflerin bir matematik programlama modeli aracılığıyla analiz edildiği sürekli durumda
karar vermedir. ÇNKV yöntemlerinden farklı olarak adından da anlaşılacağı üzere birden çok amacı
sağlanmaya çalışan, bu doğrultuda bir karar vericiye çözüm sunan yaklaşımlardır.
Kaynakça
Bana e Costa, C. A., Corte, J.-M. de, & Vansnick, J.-C. (2011). MACBETH (measuring attractiveness by
a categorical based evaluation technique). John Wiley & Sons, Inc.
Brans, J.-P., & Vincke, P. (1985). Note—a preference ranking organisation method: (the PROMETHEE
method for multiple criteria decision-making). In Management science (No. 6; Vol. 31, pp. 647–656).
INFORMS.
Gabus, A., & Fontela, E. (1972). World problems, an invitation to further thought within the framework of
DEMATEL. In Battelle Geneva Research Center, Geneva, Switzerland (pp.1–8).
96
Ghorabaee, M. K., Zavadskas, E. K., Olfat, L., & Turskis, Z. (2015). Multi-criteria inventory classification
using a new method of evaluation based on distance from average solution (EDAS). Informatica, 26(3),
435–451.
Hwang, C.-L., & Yoon, K. (1981). Methods for multiple attribute decision making. In Multiple attribute
decision making (pp. 58–191). Springer Berlin Heidelberg.
Kuruüzüm, A. (1998). Karar destek sistemlerinde çok amaçlı yöntemler. Akdeniz Üniversitesi.
Pamučar, D., & Ćirović, G. (2015). The selection of transport and handling resources in logistics centers
using multi-attributive border approximation area comparison (MABAC). Expert Systems with
Applications, 42(6), 3016–3028.
Roy, B. (1968). Classement et choix en présence de points de vue multiples. RAIRO - Operations
Research - Recherche Opérationnelle, 2(V1), 57–75.
Saaty, T. L. (1977). A scaling method for priorities in hierarchical structures. Journal of Mathematical
Psychology, 15(3), 234–281.
Saaty, T. L. (2001). The Analytic Network Process. Pittsburgh, PA, RWS Publications.
Satman, M. H., Yıldırım, B. F., Kuruca, E. (2021). "JMcDM: A Julia Package for Multiple-Criteria
Decision-Making Tools". The Journal of Open Source Software, 6 (65), 1-6.
https://doi.org/10.21105/joss.03430
Stević, Željko, Pamučar, D., Puška, A., & Chatterjee, P. (2020). Sustainable supplier selection in healthcare
industries using a new MCDM method: Measurement of alternatives and ranking according to COmpromise
solution (MARCOS). Computers & Industrial Engineering, 140, 106231.
Yıldırım, B. F., (2018). Çok Kriterli Karar Verme Yöntemlerine Giriş. Önder, E., Yıldırım, B. F. (Ed.),
Sağlık Yönetiminde Karar Verme I. (1 - 10). Bursa: Dora Yayıncılık.
Zavadskas, E. K., Turskis, Z., & Antucheviciene, J. (2012). Optimization of weighted aggregated sum
product assessment. Electronics and Electrical Engineering, 122(6).
Zavadskas, Edmundas Kazimieras, Kaklauskas, A., & Sarka, V. (1994). The new method of multicriteria
complex proportional assessment of projects. In Technological and economic development of economy
(No. 3; Vol. 1, pp. 131–139).
Ünite Soruları
Soru-1 :
Aşağıdakilerden hangisi Çok Kriterli Karar Verme yöntemleri ile karar verme sürecinde izlenen adımlardan
biri değildir?
97
(•) - Alternatiflerin belirlenmesi
Cevap-1 :
Soru-2 :
En ideal araba satın alma karar probleminde incelenen kriterler arasında yer alan fiyat kriteri ile alternatiflerin
değerlendirilmesi yapıldığında her hangi bir araba alternatifinin fiyatı belirlenemiş ise bu problemde kriterlerin
sahip olması gereken hangi özelliğin bulunmadığı söylenebilir?
(•) - Ölçülebilirlik
(•) - Kapsayıcılık
(•) - Yeterlilik
(•) - Yerindelik
Cevap-2 :
Ölçülebilirlik
Soru-3 :
Aşağıdaki ÇKKV yöntemlerinden hangisi Çok Nitelik Karar Verme yöntemleri sınıfında yer almaz?
(•) - TOPSIS
(•) - VIKOR
(•) - EDAS
(•) - MARCOS
(•) - STEM
Cevap-3 :
STEM
Soru-4 :
98
Fayda maksimizasyonu sağlayacak en uygun evin satın alınmasının amaçlandığı bir karar probleminde ev
alternatifleri fiyat, m2 ve oda sayısı kriterlerine göre değerlendirilmiş olsun. Bu karar problemi için uygun
yöntem sınıfı aşağıdakilerden hangisidir?
Cevap-4 :
Soru-5 :
Tedarikçi seçim sürecinin ele alındığı bir işletme probleminde işletme yönetimi hangi tedarikçilerin tercih
edileceği ve tercih edeceği tedarikçilerin her birinden ne kadar ürün tedarik edeceği şeklinde iki amaca
ulaşmayı hedeflemektedir. Bu karar problemi için uygun yöntem sınıfı aşağıdakilerden hangisidir?
Cevap-5 :
Soru-6 :
(•) - STEM
(•) - SEMOPS
99
(•) - AHP
Cevap-6 :
AHP
Soru-7 :
Aşağıdakilerden hangisi ÇKKV yöntemleri ile alınan kararların karar sürecinin sağlıklı işletilip işletilmediği
saptamak incelendiği adımdır?
Cevap-7 :
Duyarlılık analizi
Soru-8 :
Aşağıdaki ÇKKV problemlerinde kritelerin sahip olması gerekli özelliklerden hangisi aynı doğrultuda yer
alan kriterlerin ayıklanması, tek bir kriter altında birleştirilmesi yaklaşımları ile ilişkilidir?
(•) - Ölçülebilirlik
(•) - Kapsayıcılık
(•) - Yeterlilik
(•) - Yerindelik
Cevap-8 :
Yeterlilik
Soru-9 :
(•) - Seçenekler
100
(•) - Kriterler
(•) - Olasılıklar
(•) - Olaylar
Cevap-9 :
Kriterler
101
7. ÇOK AMAÇLI KARAR VERME: HEDEF
PROGRAMLAMA
Birlikte Düşünelim
Günlük hayatta ya da iş hayatında karşımıza çıkan karar problemlerini düşünelim. Her karar problemi tek
bir amacı barındıracak yapıda mı? Yoksa birbiri ile çelişen ve biri için diğerinden tavizler verdiğiniz hedefleri
olan bir karar problemi mi?
Başlamadan Önce
Bu bölüme başlamadan evvel Hedef Programlama’nın içerisinde sıralayabileceğimiz Çok Amaçlı Karar
Verme yöntem ve yaklaşımlarnı inceleyiniz.
7.1. Giriş
Birden fazla amacı aynı anda gerçekleştirme esasına dayanan hedef programlama, üretim planlamadan iş
gücü planlamasına, ulaştırmadan finansal planlamaya birçok alanda uygulanan bir yöntemdir. Her bir amaç bir
hedefi oluşturmaktadır. Bu da, amaçlar için sayısal hedeflerin belirlenmesi ile gerçekleşir. Bu yöntem ile tüm
sistem kısıtlarının sağlandığı ve mümkün olduğunca tüm hedeflere ulaşan bir çözüm elde edilir. Belirlenen
hedeflerin tam olarak gerçekleşmemesi durumunda hedef değerlerinden istenmeyen yöndeki sapmalar
minimize edilir. Elde edilen çözümde bazı amaçlar en iyi değerine ulaşırken, diğer amaçlar en iyi çözüme
ulaşamayabilir. Dolayısıyla, sonuç değer mümkün olduğunca karar vericileri tatmin eden, en uzlaşık çözüm
olacaktır. Bir başka ifadeyle, etkin bir çözüm elde edilecektir.
Amaç: Karar vericinin isteğinin genel durumunu gösteren ifadedir. Örneğin işgücü kullanımını en küçüklemek
bir amaç olarak tanımlanabilir.
Hedef: Belirlenen amaç için başarmak istenilen kesin ifadedir. Bir başka deyişle, istenilen seviye ile
belirlenmiş bir amaçtır. Örneğin işgücü kullanımını en küçüklemek amacını aylık işgücü kullanımının en fazla
400 saat olarak kesin bir ifade ile belirtilmesi hedef olarak tanımlanabilir.
Kısıtlar: Doğrusal programlamadan farklı olarak hedef programlamada iki tip kısıt bulunur. Sistem kısıtları
ve hedef kısıtları, hedef programlama modellerinde kullanılan kısıtlardır.
Sistem Kısıtları: Fonksiyonel kısıt olarak da adlandırılan sistem kısıtları tam olarak sağlanması gereken ve
sapmaya izin verilmeyen kısıtlardır. Sistem kısıtları doğrusal programlamada kullanılan kısıtlara karşılık gelir
ve çözüm üretilmesi için mutlaka uyulması gereken kısıtlardır (Timor, 2001). Doğrusal programlamadaki gibi
formüle edilirler ve öncelikle bu kısıtların gerçekleştirilmesi gerekir.
Hedef Kısıtları: Karar vericinin ulaşmayı istediği veya gerekli gördüğü hedefler, hedef programlama
modeline hedef kısıtları olarak aktarılır. Hedef kısıtları çok katı olmayıp hedeflenen değerlerden (sağ taraf
102
değerleri) sapmaların açıklanmasıyla ortaya çıkan esnek kısıt fonksiyonlarıdır. Yani hedef kısıtlarının ihlal
edilmesi durumu söz konusu olabilir. Hedef kısıtlarının sağlanması sistem kısıtlarının gerçekleştirilmesinden
sonra gelir. Hedef kısıtlarında meydana gelen sapmalar hedef programlamada ayrı bir değişken olarak ele
alınmaktadır.
Sapma Değişkenleri: Sadece hedef kısıtları ve modelin amaç fonksiyonunda yer alan sapma değişkenleri,
istenilen hedefin aşılması ve altında kalınması durumlarını gösteren değişkenlerdir. Her bir hedef için birer
negatif sapma ve pozitif sapma değişkeni tanımlanır. Sapma değişkenleri her ne kadar pozitif ve negatif
olarak isimlendirilse de negatif değer alamazlar. Ayrıca, belirlenen hedefin sadece ya altında ya da üstünde bir
durum gerçekleşeceğinden, negatif ve pozitif sapma değişkenlerinden biri daima sıfır değerini alır. Hedef
kısıtlarına bağlı olarak sapma değişkenleri istenen veya istenmeyen değişken olarak da adlandırılır.
Negatif Sapma Değişkeni ( ): Hedefin ne kadar altında kalındığını gösteren değişkendir (Taha, 1987).
Alt sapma olarak da adlandırılır. Örneğin aylık işgücü kullanımının en az 400 saat olarak belirlendiği bir
hedefte aylık işgücü kullanımı 350 saat olarak gerçekleşmiş ise bir negatif sapmadan söz edilebilir. Bu
durumda negatif sapma 400-350=50 işgücü saati olarak hesaplanacaktır.
Pozitif Sapma Değişkeni ( ): Hedefin ne kadar aşıldığını gösteren değişkendir. Üst sapma olarak da
adlandırılır (Timor, 2010). Örneğin aylık işgücü kullanımının en fazla 400 saat olarak belirlendiği bir hedefte
aylık işgücü kullanımı 450 saat olarak gerçekleşmiş ise bir pozitif sapmadan söz edilebilir. Bu durumda pozitif
sapma 450-400=50 işgücü saati olarak hesaplanacaktır.
Hedef kısıtı şeklinde ise ve değişkenlerinin her ikisi de istenmeyen sapma değişkenleridir.
Örneğin bir üretim işletmesinde üretilen ürününe günlük günlük kota uygulandığını düşünelim. Eğer yönetici
A ürünü üretim miktarını en az 1000 adet olarak belirlemiş ise istenen, ise istenmeyen sapma
olmaktadır. Yani yönetici 1000 adet ürünü üretme hedefinin altında kalmak istememekte, 1000 adetten
fazla üretimi ise hedefin ihlali olarak görmemekte ve istenen bir durum olarak kabul etmektedir. Aynı mantıkla
eğer yönetici ürünü üretim miktarını en fazla 1000 adet olarak belirlemiş ise istenmeyen, ise
istenen sapma olmaktadır. Yani yönetici 1000 adet ürünü üretme hedefinin üstüne çıkmak istememekte,
1000 adetten az üretimi ise hedefin ihlali olarak görmemekte ve istenen bir durum olarak kabul etmektedir.
103
Şayet yönetici tam olarak 1000 adet A ürünü üretilmesini hedeflemiş ise bu durumda 1000 adetin
altında ve üstünde kalan tüm üretim miktarları istenmeyen durum olarak kabul edilecek, böylece ve
değişkenlerinin her ikisi de istenmeyen sapma değişkenleri olarak modele dâhil edilecektir.
Amaç Fonksiyonu: Hedef programlamada amaç istenmeyen sapmaların minimize edilmesidir. Dolayısıyla
amaç fonksiyonu her bir hedefe ilişkin istenmeyen yönlü sapmaların bir öncelik seviyesi ve/veya ağırlığa göre
toplamları şeklinde yazılmasından ibarettir. A ürünü üretimi miktarına göre belirlenen üç hedef için tek tek
amaç fonksiyonu yazılacak olursa,
olarak belirlenecektir.
Negatif Olmama Varsayımı: Doğrusal programlama modellerinde karar değişkenlerinin negatif olmama
koşuluna ek olarak tüm sapma değişkenlerinin de pozitif olması (sıfır ve ya sıfırdan büyük olması) koşulu
bulunmaktadır.
Amaçlara Öncelik Verilmesi Varsayımı: Amaçlara öncelik verilerek, ilgili amaçlara karşı gelen hedeflere
de bir öncelik sırası verilmiş olur. Modelde, hedefler öncelik değerlerine göre sıralanır. Ardından, birinci
öncelikli hedeften başlanarak, öncelik sırasıyla, ilgili hedef gerçekleştirilmeye çalışılır.
Doğrusal programlamada amaç en iyi çözümü elde etmek iken, doğrusal hedef programlamada amaç
mümkün olduğunca en iyi çözümü elde etmektir (Öztürk, 2014).
Doğrusal programlama modelinde tek bir amaç en iyilenmeye çalışılır. Doğrusal hedef programlama
modelinde ise birden fazla amaç için hedef değerleri belirlenir ve bu hedeflerin hepsi modele alınır.
104
Doğrusal programlama modelindeki sistem kısıtları kesinlikle sağlanması gereken katı kısıtlardır. Doğrusal
hedef programlama modelinde sistem kısıtlarının yanı sıra hedef kısıtları yer alır. Hedef kısıtları ise sapmalara
izin verilen esnek kısıtlardır (Timor, 2010).
Doğrusal programlama modelindeki amaç fonksiyonunda karar değişkenleri yer alırken, hedef programlama
modelinde amaç fonksiyonunda karar değişkenleri yer almaz. Hedef programlama modelindeki amaç
fonksiyonu negatif ve/veya pozitif sapma değişkenlerinden oluşur.
Bu çok amaçlı programlama modellerinden biri olan hedef programlama, amaçların hepsini birer kısıt haline
dönüştürür ve önem sırasına göre amaçlardan sapmayı minimize etmeye çalışır. Bir hedef programlama (HP)
modeli, bir karar vericinin çeşitli amaç ya da hedeflerini eş zamanlı olarak dikkate alır. Herhangi bir
(Doğrusal Programlama) DP ve (Hedef Programlama) HP probleminde eğer tüm kısıtlar aynı anda
sağlanamıyorsa model için uygun çözüm elde edilemez. Hedef programlamanın amacı, tüm kısıtları sağlayan
ve mümkün olduğu kadar tüm hedeflere ulaşan bir çözüm bulmaktır.
Hedef Programlama (HP) ilk defa doğrusal hedef programlama olarak Charnes ve Cooper (1961)
tarafından geliştirilmiştir. Bu yöntemin temeli doğrusal programlamaya dayanır. Bu yöntemde karar vericiden,
her bir amaç için erişilmesini arzu ettiği bir hedef değer belirlemesi istenir. Daha sonra, tercih edilen çözüm bu
hedef değerlerden sapmaları minimum kılan çözüm olarak belirlenir (Evren ve Ülengin, 1992a).
Hedef programlama, doğrusal programlamada olduğu gibi amaç kriterini doğrudan maksimize veya minimize
etmek yerine, hedefler arasındaki sapmaları minimize yapmaktadır (Cinmere, 2011). Hedef programlama
modeli makul çözümler bulmak amacı ile karar vericinin birden fazla amacı aynı anda göz önünde
bulundurması için faydalıdır. Bununla birlikte, yalnızca kısmi bilgi elde edilmesi sebebi ile her amacın
hedeflenen değerinin kesin hesaplanması karar verici için zordur. Hedef Programlamanın en önemli özelliği
birbiri ile zıt yönetimsel problemleri içeren birden fazla hedefi, hedeflerin önemine göre atama yapabilmesidir.
Karar vericiler için bu tekniğin en önemli özelliği; her bir tercihe veya nitelendirmeye doyurucu bir hedef
değerini atayabilmesidir. Hedef programlama ile istenmeyen sapma değişkenleri fonksiyonu minimum kılınır.
Her bir amaç için spesifik sayısal hedef sağlamak maksadıyla, her amacın fonksiyonu formüle edilir ve bu
amaçları kaçırmadan, doğan toplam cezayı minimum kılan bir çözüm aranır (Evren ve Ülengin, 1992b).
Bu toplam ceza, amaç fonksiyonlarının her birinin hedeflerinden sapmalarının ağırlıklı toplamını ifade eder.
Karar verici öncelikle ilgi hedefleri ve bu hedefler için kabul edilen öncelikleri belirler. Genellikle hedefler
sıralanır ve her öncelik düzeyindeki hedeflere öncelikli ağırlıklar verilir. Bu öncelikli ağırlıklar, sayısal değer
veya kodlar verilerek yapılır. Yüksek öncelikli hedefler daha düşük öncelikli hedeflerden önce doyurulur.
Hedef programlama, problem kısıtlayıcılarına bağlı olarak önceliklendirilen hedeflerden sapmaları minimum
kılar.
Hedef programlama, çok amaçlı karar verme problemlerini çözmek için karar vericilere doyurucu bir çözüm
kümesini sağlayan önemli bir teknik olduğu gibi, karar vericinin her bir nitelendirmesine de doyurucu bir
hedef değerini atayabilmektedir. Hedef programlama, çok alt hedefi olan çok hedefli problemler gibi çok alt
hedefli tek bir hedefi amaçlayan karar problemlerinin çözümünde kullanılan doğrusal programlamanın
genişletilmiş özel bir durumudur. Hedef programlamada, doğrusal programlamada olduğu gibi amaç
fonksiyonunun boyutsal bir kısıtlaması yoktur.
105
Hedef programlamada doğrusal programlamada olduğu gibi amaç kriterinin doğrudan maksimize veya
minimize yapılmasının yerine, hedefler arasındaki sapmalar minimize edilir. Doğrusal programlamanın
simpleks algoritmasında yer alan bu gibi sapmalar aylak değişkenler olarak isimlendirilirken, bu sapan
değişkenler hedef programlamada yeni bir anlam kazanırlar. Sapan değişkenler her bir hedeften hem pozitif
yönde hem de negatif yönde sapmalar şeklinde iki boyutta gösterilir. Amaç fonksiyonu yalnızca bu sapan
değişkenlerden oluşturulur.
Kısıtlar
Hedef denklemleri
Değişkenler:
: karar değişkeni
Gerçek hayatta karşılaşılan problemlerin çoğu birden fazla ve genellikle birbiriyle çelişen amaca sahiptir.
Karar vericinin amacı, tüm bu amaçları aynı anda gerçekleştirmektir. Ancak, birden fazla amacın aynı anda
ele alındığı bu tür karar problemlerinin çözümünde, önceki bölümlerde kullandığımız doğrusal programlama
yöntemi yetersiz kalmaktadır. Birden fazla amacın eniyilenmeye çalışıldığı problemlerin çözümünde ise çok
amaçlı karar verme yöntemlerine ihtiyaç duyulur. Bu yöntemlerden biri de hedef programlama yöntemidir.
Kısıtlar:
Aynı anda hem pozitif sapma hem de negatif sapma meydana gelemeyeceğin densapan değişkenlerin en az
bir tanesinin veya her ikisinin de sıfır olması gerekmektedir. İstenmeyen sapan değişkenlerin belirlenmesinden
sonra hedef programlama formülasyonu yapılır. Bu değişkenler içerisinden yalnızca bir tanesi karar verici
tarafından minimize yapılmak istenir.
Hedef kısıtlayıcılarına bağlı olarak sapma değişkenleri istenen veya istenmeyen değişken olarak da
adlandırılır.
106
Hedef kısıtlayıcısı ≥ yönde ise istenen değişken, ise istenmeyen sapma değişkenidir.
Örnek:
Bir şirket 3 farklı model ayakkabı üretmektedir. Bu modellerin her birisi için gereken işgücü miktarı sırasıyla
2, 3 ve 2 saattir. Yine bunların üretimi için gerekli malzeme miktarları da sırasıyla 3, 2 ve 1 kg/çift olarak
belirlenmiştir. Şirketin elinde aylık 6500 saat işgücü ile 8600 kg. malzeme bulunmaktadır. Şirket model-1
ayakkabı çiftinden 4 TL, model-2 ayakkabı çiftinden 6 TL ve model-3 ayakkabı çiftinden de 5 TL kâr
etmektedir. Yönetici aylık en az 15000 TL kârı ve model-2 ayakkabıdan da en az aylık 860 çift üretmeyi
hedeflemektedir.
Amaç Fonksiyonu;
Kısıtlayıcılar;
ve
TL’dir.
Bu klasik doğrusal programlama modelinin çözüm değerleri yöneticinin istediği model-2 ayakkabısının üretim
hedefini karşılamamaktadır. Dolayısıyla bu modelin yöneticinin hedeflerini içeren hedef programlamaya
dönüştürülmesi gerekir.
Belirlenen aylık 15000 TL’lik kâr hedefine ilişkin sapma değişkenleri aşağıdaki gibidir.
= Belirlenen aylık 15000 TL’lik kâr hedefini aşan miktar (TL olarak)
107
= Belirlenen aylık 15000 TL’lik kâr hedefinin altında kalan miktar (TL olarak)
(Kâr hedefinin üzerine ve de altına düşmek aynı anda gerçekleşemeyeceği için, bu sapma değerlerinden en
az birisi sıfır olacaktır.)
Model-2 ayakkabıdan aylık en az 860 çift üretim hedefine ilişkin sapma değişkenleri d2’dir.
Hedef amaç fonksiyonunu oluşturmak için istenen iki hedefin ele alınması gerekir.
İlk hedef için amaç fonksiyonu; (aylık en az 15000 TL kâr elde etmek)
(Burada istenmeyen sapma değişkeni olduğu için amaç fonksiyonuna alınır ve bu değişkenin değeri en
küçüklenmeye çalışılır.)
Bu fonksiyonun iki sapma değişkeninden oluşan çok değişkenli bir fonksiyon olduğu görülmektedir. Ayrıca
sapma değişkenlerinin ölçü birimleri ilk hedef için TL, ikinci hedef için ise ayakkabı çiftinin sayısıdır. Bu
nedenle, problem çözümünün sonucunda ulaşılan amaç fonksiyonunun toplam değerini yorumlarken
ekonomik anlam aramak hatalı olacaktır. Bunun yerine amaç fonksiyonunu oluşturan bileşenlerin ayrı ayrı
değerlendirilmesi gerekir. İşte bu sakıncayı önlemek için bazı kaynaklarda değişkenler arasına virgül
konularak amaç fonksiyonunun ifade edildiği görülebilmektedir. Yani örnekteki amaç fonksiyonu;
Kısıtlayıcılar;
108
(aylık kâr hedefi)
Modele göre 2. ve 3. Ayakkabı türünden üretim yapılmakta ve ilk hedefin 16 TL altında kalınmıştır. Ayrıca
ikinci hedef olan aylık 860 çift ayakkabı üretme amacına sapmasız ulaşılmıştır.
Ele alınan problemin tek bir hedefi olması durumunda ortaya çıkan hedef programlama türüdür. Hedef türüne
bağlı olarak, amaç fonksiyonu üç farklı biçimde kurulur:
Ele alınan problemin hedeflerinin herhangi bir önceliğinin bulunmaması ve sapma değişkenlerinin de eşit
önemli olması hâlinde ortaya çıkan programlama türüdür. Amaç fonksiyonu da istenmeyen sapma
değişkenlerinin toplamı şeklinde kurulur.
Örneğin isteyen sapma değişkenlerinin , , , olduğu durumda eşit ağırlıklı çok hedefli
programlama modelinin amaç fonksiyonu,
109
şeklinde yazılır.
Hedeflerdeki sapma değişkenlerinin önem derecelerinin birbirinden farklı olması hâlinde sapma
değişkenlerine ağırlık değerleri verilmektedir. Bu ağırlıklar, her bir sapma değişkeninin diğerine oranla
göreceli olarak önemini göstermektedir. Amaç fonksiyonu, sapma değişkenlerinin ağırlıklandırılmış toplamının
minimizasyonu şeklinde oluşturulur. Bu yaklaşım genellikle eşit ağırlıklı çok hedefli problemlerin sapma
değişkenlerinin boyutları/ölçü birimleri farklı olduğunda tercih edilir. Örneğin hedef olarak kâr ve üretim
miktarı belirlenmiş ise sapma değişkenleri arasındaki ölçü birimi farklılığından dolayı ağırlıklar kullanılarak
model kurulmaktadır.
Birinci sapma değişkeninin ikinci sapma değişkenine nazaran göreceli olarak 10 kat daha önemli olduğu bir
hedef programlama modeli , olmak üzere,
şeklinde kurulur.
Sapma değişkenlerine ağırlık verilmesi durumu bir hedef için negatif ve pozitif sapma değişkenlerinin birbirine
göre önemli olması durumunda da gerçekleşebilir.
Karar verici açısından bir hedefe ulaşmak diğer hedeflere ulaşmaktan daha önemli olabilir. Dolayısıyla,
öncelikli hedef programlamada karar verici hedeflere bir öncelik belirlemekte ve bu önceliklere göre
hedefleri sıralandırmaktadır. Buradaki ana fikir, ilk öncelikli hedef ve/veya hedeflerin sonraki öncelik
seviyesindeki hedef ve/veya hedeflerden önce gerçekleştirilmesidir.
Ağırlıklı çok hedefli programlamadan farklı olarak, yüksek öncelikli hedefin en iyi değerinin düşük öncelikli
hedef tarafından kötüleştirilmesine izin verilmeyecek şekilde her seferinde bir hedef en iyi kılınır.
Öncelikli çok hedefli programlamada, toplam adet öncelik belirlenmesi hâlinde, birinci öncelikli hedef
önceliği ve en düşük hedef önceliği olmak üzere, diğer hedef öncelikleri
şeklinde sıralanır.
Karar vericinin 3 öncelik seviyesinde 6 hedefi sınıflandırdığını düşünelim (hedeflerden sapmaların yönü rassal
atanmıştır). Öncelik seviyelerine göre hedefler,
110
Örnek:
Bir firma su emişli ve hava emişli olmak üzere iki tür elektrik süpürgesi üretmektedir. Her iki ürünün üretimi
için iki işlem gerekir. Bir birim su emişli süpürgenin üretimi için işlem-1’de 6 saat, işlem-2’de ise 3 saat
gereklidir. Birim hava emişli süpürge üretimi için her iki işlemde de ayrı ayrı 3 saat gereklidir. Firmanın
elindeki işlem zamanı ise işlem-1’de 120 saat, işlem-2’de 90 saattir.
Firma yöneticisi en az 15 tane su emişli ve 15 tane hava emişli süpürge üretmek istemekte ama birinci hedefin
ikinci hedeften üç kat daha önemli olduğunu belirtmektedir. Buna göre öncelikli hedef programlama modelini
kurarak optimal çözümü bulunuz?
Min z = +
Kısıtlayıcılar;
6 x1 + 3 x2 ≤ 120
3 x1 + 3 x2 ≤ 90
Optimal Çözüm;
x1 =7,5
x2 =15
İkinci hedefin öncelikli olarak gerçekleşmesine ilişkin verilen ağırlık nedeniyle su emişli hedeften 7,5 adetlik
bir sapma gerçekleşmiştir. Hava emişli elektrik süpürgesi üretiminde ise istenilen hedefe ulaşılmıştır.
Öncelikli hedef programlama modellerinde bazı durumlarda sapma değişkenlerinin farklı ağırlıklara sahip
olduğu durumlar da karşımıza çıkabilmektedir.
Birinci öncelikli birinci hedef için hem negatif hem de pozitif sapma değişkenleri istenmeyen değişkenlerdir.
Birinci hedef için negatif sapma pozitif sapmadan 2 kat daha önemlidir.
İkinci hedef üçüncü, üçüncü hedef de ikinci öncelikli hedef olarak belirlenmiştir.
İkinci hedef için pozitif üçüncü hedef için ise negatif sapma değişkenleri istenmeyen değişkenlerdir.
111
Bu durumda ilgili problem için amaç fonksiyonu aşağıdaki şekilde kurulur;
Bölüm Özeti
Birden fazla amacı aynı anda gerçekleştirme esasına dayanan hedef programlama, üretim planlamadan iş
gücü planlamasına, ulaştırmadan finansal planlamaya birçok alanda uygulanan bir yöntemdir. Her bir amaç bir
hedefi oluşturmaktadır. Bu da, amaçlar için sayısal hedeflerin belirlenmesi ile gerçekleşir. Bu yöntem ile tüm
sistem kısıtlarının sağlandığı ve mümkün olduğunca tüm hedeflere ulaşan bir çözüm elde edilir. Belirlenen
hedeflerin tam olarak gerçekleşmemesi durumunda hedef değerlerinden istenmeyen yöndeki sapmalar
minimize edilir. Elde edilen çözümde bazı amaçlar en iyi değerine ulaşırken, diğer amaçlar en iyi çözüme
ulaşamayabilir. Dolayısıyla, sonuç değer mümkün olduğunca karar vericileri tatmin eden, en uzlaşık çözüm
olacaktır. Bir başka ifadeyle, etkin bir çözüm elde edilecektir.
Hedef programlamada, karar vericilere bağlı olarak herhangi bir önceliği ya da ağırlığı olmayan ya da belirli
bir öneme ve/veya ağırlığa sahip amaçların en iyilenmesine çalışılmaktadır. Dolayısıyla, geliştirilen amaç
fonksiyonunun yapısına göre hedef programlama türleri Tek hedefli programlama, Eşit ağırlıklı çok hedefli
programlama, Ağırlıklı çok hedefli programlama, Öncelikli çok hedefli programlama ve Öncelikli-ağırlıklı
çok hedefli programlama olarak beş başlıkta sınıflandırılmaktadır:
Kaynakça
Öztürk, A., (2014). Yöneylem Araştırması, Ekin Basım-Yayın Dağıtım, Bursa.
Öztürk, A. (2015). Yöneylem araştırmasına giriş. Ekin Basım Yayın Dağıtım, Bursa.
Taha, H. A., (2006). “Yöneylem Araştırması”, (Çeviri: Alp Baray, Şakir Esnaf), Literatür Yayıncılık,
İstanbul.
Charnes, A., Cooper, W.W. (1961) Management Models and the Industrial Applications of Linear
Programming. John Wiley, New York.
Evren, R. ve Ülengin, F. (1992a). Yönetimde Çok Amaçlı Karar Verme, İstanbul, İstanbul Teknik
Üniversitesi Matbaası.
Evren, R. ve Ülengin, F. (1992b). Yönetimde Karar Verme, İstanbul, İstanbul Teknik Üniversitesi Matbaası.
Ünite Soruları
Soru-1 :
112
Aşağıdaki karar modellerinden hangisi birden çok amacın modelde yer almasına izin verir?
Cevap-1 :
Hedef programlama
Soru-2 :
(•) - Sapma
değişkenleri
(•) - Yapay
değişkenleri
(•) - Aylak
değişkenleri
(•) - Artık
değişkenleri
Cevap-2 :
Sapma
değişkenleri
Soru-3 :
Sapma değişkenleri
Soru-4 :
Bir
işletme aylık üretim dönemine ilişkin üç hedef belirlemiştir. Bu hedefler
sırasıyla, en fazla 300 saat işçilik
kullanılması, bakım giderleri için tam
olarak 1000 lira ödenmesi ve aylık kârın en az 6000 lira olması
şeklindedir.
Hedefler için herhangi bir öncelik ve ağırlık verilmemesi durumunda, firmanın
hedef programlama
probleminde oluşturulan amaç fonksiyonu aşağıdakilerden
hangisidir?
Cevap-4 :
Soru-5 :
Bir önceki
soruda ele alınan problemin ilk iki amacı eşit önemde ve üçüncü amacı da diğer
amaçlardan daha
önemli olması durumunda oluşturulacak amaç fonksiyonu
aşağıdakilerden hangisidir?
Cevap-5 :
114
Soru-6 :
(•) - Düşük” tek taraflı hedef, altına düşmek istemediğimiz bir alt sınırı ifade eder.
(•) - Çift taraflı hedef, altında ve üstünde kalmak istemediğimiz sınırları ifade eder.
Cevap-6 :
Soru-7 :
Hedef programlamada amacımız değişkenlere ait sapmaların mümkün olduğunca sıfıra yaklaşması / eşit
olmasını sağlamaktır?
(•) - Doğru
(•) - Yanlış
Cevap-7 :
Doğru
Soru-8 :
(•) - Doğru
(•) - Yanlış
Cevap-8 :
Yanlış
115
8. ÇOK NİTELİKLİ KARAR VERME:
ANALİTİK HİYERARŞİ PROSESİ
Birlikte Düşünelim
Bir araba satın almak üzere araba marka ve model alternatiflerini ve bu seçim sürecinize etki etmesi
muhtemel olan araca ait nitelikleri listelediğinizi düşünelim. Aracın fiyatı, marka algısı, yakıt tüketimi, garanti,
servis, yedek parça gibi bir çok nitelik bulmakta zorlanmayacaksınızdır. Peki bu kadar çok niteliğin bir çok
araba marka ve modeli için ölçülmesi ve analiz edilerek sizin için en uygun arabanın belirlenmesi için nasıl bir
yol izleyebilirsiniz?
Başlamadan Önce
Bu bölüme başlamadan evvel, bir karar probleminin hangi durumlarda Analitik Hiyerarşi Prosesi ile analiz
edilebilir olduğunu kestirmemize yardımcı olacak Çok Kriterli Karar Verme ve Çok Nitelikli Karar Verme
yöntemleri başlıklarını tekrar edelim. Karar sürecinin bileşenlerine bu bölümde tekrar başvuracağımız için
şayet bu bileşenleri hatırlamıyorsanız bölüme başlamadan evvel Karar Teorisi bölümünü hızlıca tarayarak
karar süreci bileşenlerini tekrar ediniz.
8.1. Giriş
Karar Verme (KV), hedefe ulaşmak ve amacı gerçekleştirmek için alternatif davranış biçimleri arasından
seçim yapma eylemidir. Yaşamsal ve yönetsel fonksiyonların özünde karar verme yer alır. İnsanlar ve
yöneticiler hayatın her aşamasında ve gerçekleştirdikleri her fonksiyonda karar vermek zorundadırlar. Bir iş
veya davranış nerede, kim tarafından, ne zaman, nasıl gerçekleştirilecektir? Tüm bu soruların cevabı
olabilecek çok sayıda alternatif arasından en uygun olanını seçmek karar vermenin amacıdır.
116
Yönetim bilimi literatüründe son yıllarda giderek artan bir ilgi gören Çok Kriterli Karar Verme (ÇKKV)
alanı, bir karar durumu ile ilgili olarak birbiri ile çatışan birden fazla kriteri karşılayan olası "en iyi/en uygun"
çözüme ulaşmaya çalışan yaklaşım ve yöntemleri bünyesinde barındırmaktadır. ÇKKV, eğer temel amaç en
iyi alternatifin tasarlanması değil de başlangıçta belirgin ve sayılabilir özellikteki aday, plan, politika, strateji,
hareket biçimi alternatiflerinin karşılaştırılması, derecelendirilmesi, sınıflandırılması veya bunlar arasından en
iyisinin seçilmesi ise Çok Nitelikli Karar Verme (ÇNKV) adını alır.
AHP modeli incelendiğinde sistem yaklaşımı kuramının mevcut olduğu görülür. Karmaşık karar problemleri,
problemi oluşturan bileşenlerin hiyerarşik ilişkilerinin belirlenmesi sayesinde daha iyi anlaşılabilir duruma
getirilmektedir. Karar hiyerarşisinin en tepesinde ana hedef (amaç) yer almaktadır. Bir alt kademe kararı
etkileyen kriterlerden oluşmaktadır. Bu kriterlerin altında ana hedefi etkileyebilecek özellikler varsa,
hiyerarşiye başka kademeler eklenebilir. Hiyerarşinin en altında karar seçenekleri yer almaktadır. Karar
hiyerarşisinin kurulmasında hiyerarşinin kademe sayısı, problemin karmaşıklığına ve detay derecesine bağlıdır
(Zahedi, 1986). Aşağıdaki şekilde dört kriterli üç seçenekli basit bir AHP yönteminin hiyerarşik yapısı
görülmektedir.
Yöntemi geliştiren Saaty (1980)’e göre AHP Yöntemi aşağıdaki aşamadan oluşur;
Örneğin C sınıfı sedan aracı seçmek için oluşturulan AHP örneği için hiyerarşik yapı aşağıdaki gibi olur.
Alternatifler (Seçenekler): Ford Focus, Renault Megane, Honda Civic, Opel Astra
Karar vericiden (uzman kişilerden) ikili karşılaştırmalar yaparak, her bir kriter açısından seçenekler
(alternatifler) için birer karşılaştırma matrisi ve de kriterlerin kendi aralarında karşılaştırılarak bir karşılaştırma
matrisi oluşturulur.
Bir karar vericiye birden çok alternatif ve bu alternatiflerin değerlendirileceği birden çok kriter verilip en
uygun alternatifin hangisi olduğu sorulursa kolaylıkla bir cevap veremez. Aynı karar vericiye 2 alternatiften
hangisini tercih ettiği veya 2 kriterden hangisinin daha önemli olduğu sorulursa kolaylıkla bir cevap verebilir
(Saaty, 1977). Analitik hiyerarşi yöntemi de kompleks bir karar problemini (çoklu alternatif ve çoklu kriter)
ikili karşılaştırmalara indirgeyen ve buradan sonuca ulaşmaya çalışan bir yöntemdir. Saaty, AHP’nin
kullanılmasında doğrudan doğruya ilgili kişilerle yüz yüze anket yapıp, onların ikili karşılaştırmalara ilişkin
görüşlerinin alınmasını önermektedir (Saaty, 1990). Söz konusu ilgili kişi ve/veya kişiler mutlaka konunun
uzmanı olmasalar bile en azından konuyu bilen, konuya aşina olan kişiler olmalıdır.
AHP’nin teorik alt yapısı üç aksiyoma dayanır. Bu aksiyomlardan birincisi, iki taraflı olma (reciprocity)
aksiyomudur. Örneğin, “A elemanı B elemanının üç katı büyüklüğünde ise B, A’nın üçte biridir. İkinci
aksiyom homojenlik aksiyomudur ve karşılaştırılan elemanların birbirinden çok fazla farklı olmaması
gerektiğini, farklı olması durumunda yargılarda hataların ortaya çıkabileceğini ifade etmektedir. Üçüncü
aksiyom bağımsız olma aksiyomudur ve bir hiyerarşideki belirli bir kademeye ait elemanlara ilişkin yargıların
veya önceliklerin başka bir kademedeki elemanlardan bağımsız olmasını gerektirir. Bu ifade, üst kademe
kriterlerin önceliklerinin yeni bir seçenek eklendiğinde veya çıkarıldığında değişmeyeceği anlamına
gelmektedir (Saaty, 1986).
İkili karşılaştırmalar karar kriterlerinin ve seçeneklerin öncelik vektörlerinin elde edilebilmesi için
tasarlanmıştır. İkili karşılaştırma yargılarının oluşturulmasında, başka bir ifade ile A kriterinin B kriterine göre
ne kadar önemli olduğu karar vericiye sorulduğunda, karar verici Tablo 8.1’de gösterilen 1-9 puanlı tercih
ölçeğinden faydalanmaktadır (Saaty, 1980). Bu ölçeğin etkinliği farklı alanlardaki uygulamalar ve başka
ölçeklerle yapılan teorik karşılaştırmalar sonucunda saptanmıştır (Dağdeviren vd., 2004).
Karşılaştırmalar, karşılaştırma matrisinin tüm değerleri 1 olan köşegeninin üstünde kalan değerler için yapılır.
Köşegenin altıda kalan bileşenler için ise doğal olarak aşağıdaki formülü kullanmak yeterli olacaktır (Vargas,
1990).
118
Yukarıda verilen örnek dikkate alınırsa karşılaştırma matrisinin birinci satır üçüncü sütun bileşeni (
) değerini alıyorsa ( ), karşılaştırma matrisinin üçüncü satır birinci sütun bileşeni ( ),
formülünden değerini alacaktır.
Örnek:
Bu ankette sizden, her bir soruda yer alan iki faktörü karşılaştırmanız istenmektedir. Amaçları tamamen
kişisel yargınıza dayanarak karşılaştırınız. Hangi kriter sizin için daha önemli ise o faktörü yuvarlak içine alınız
ve önem derecesi için 1-9 arasında puan veriniz. Puan derecesi için:
Bir faktör diğerine göre kesinlikle daha önemli ise 9 puan,
Bir faktör diğerine göre çok daha önemli ise 7 puan,
Bir faktör diğerine göre daha önemli ise 5 puan
Bir faktör diğerine göre biraz daha önemli ise 3 puan,
İki faktör sizin için eşit derecede önemli ise 1 puan veriniz
Tercihinizin uygunluk derecesine göre 2, 4, 6 ve 8 ara değerlerini de kullanabilirsiniz.
“Ürün özellikleri” kriterleri ile ilgili aşağıda her bir soruda karşılaştırma yaparak puan veriniz.
119
8.3.3. Önceliklerin Belirlenmesi
İkili karşılaştırma matrislerinin sentezleme işlemi yapılır. Sentezleme işleminde, matrisin her bir elemanı ait
olduğu sütunun toplamına bölünür ve normalize edilmiş matris oluşturulur. Normalize edilmiş matrisin her bir
satırının aritmetik ortalaması alınarak öncelik vektörü elde edilir. Elde edilen öncelik vektörünün Bu matrisler
normalize edilir ve tutarlılıkları (karar vericinin ikişerli karşılaştırmalarının tutarlı olup olmadığı) kontrol edilir
(Saaty, 1990).
Şüphesiz, yargıya dayanan bu ikili kıyaslamalar da uzmanlar da hata yapabilir. AHP aynı zamanda yargıların
tutarlılığını da test eder (Vaidta ve Kımar, 2006).
AHP kendi içinde ne kadar tutarlı bir sistematiğe sahip olsa da sonuçların gerçekçiliği doğal olarak, karar
vericinin ölçütler arasında yaptığı birebir karşılaştırmadaki tutarlılığa bağlı olacaktır (ssaty, 1980). AHP bu
karşılaştırmalardaki tutarlılığın ölçülebilmesi için bir süreç önermektedir. Sonuçta elde edilen Tutarlılık Oranı (
) ile, bulunan öncelik vektörünün ve dolayısıyla ölçütler arasında yapılan birebir karşılaştırmaların
(kararların) tutarlılığının test edilebilmesi imkanını sağlamaktadır (Saaty, 1988). AHP, hesaplamasının
özünü, ölçüt sayısı ile özdeğer adı verilen ( ) bir katsayının karşılaştırılmasına dayandırmaktadır. ’nın
hesaplanması için öncelikle karşılaştırma matrisi ile öncelik vektörü çarpılır (Saaty, 2001).
Yukarıdaki matris çarpımında tanımlandığı gibi, bulunan sütun vektörü ile sütun vektörünün karşılıklı
elemanlarının bölünür. Bu şekilde değerleri hesaplanır. Bu değerlerin aritmetik ortalaması alınarak
bulunur.
120
Son aşamada ise , Rasgele İndeksi ( ) olarak adlandırılan ve Tablo 8.2’de gösterilen standart
düzeltme değerine bölünerek elde edilir (Saaty, 1990). Tablo 8.2’den kriter sayısına karşılık gelen değer
seçilir. Örneğin 3 kriterli bir karşılaştırmada kullanılacak değeri Tablo 8-2’den olacaktır.
Hesaplanan değerinin ’dan küçük olması karar vericinin yaptığı karşılaştırmaların tutarlı olduğunu
gösterir. değerinin ’dan büyük olması ya AHP’deki bir hesaplama hatasını ya da karar vericinin
karşılaştırmalarındaki tutarsızlığını gösterir.
Örnek:
121
8.3.5. Bütünleştirme
İkili karşılaştırma matrislerinin oluşturulmasından sonra karşılaştırılan her elemanın önceliğinin (göreli
öneminin) hesaplanmasına geçilmektedir. AHP’nin bu adımı “sentezleme” adıyla anılır. Sentez aşaması, en
büyük özdeğer ve bu özdeğere karşılık gelen özvektörün hesaplanmasını ve normalize edilmesini
içermektedir. Bu şekilde her kriter için öncelik vektörleri bulunur. Ardından matris işlemleri yardımıyla her bir
alternatif için ortalama birer puan elde edilir. En yüksek puanı alan alternatif, karar vericinin
karşılaştırmalarına göre en uygun olan alternatiftir. Son adımda da kriter kıyaslamalarındaki tutarlılık ölçümü
ve karma kompozisyona göre nihai kararın alınması.
Örnek:
Masiko Mobilya firmasının, büyüyen üretim hacmi için yeni bir fabrika yeri seçmesi gerekiyor. Firma, yeni
yerin seçiminde karar vermek için Analitik Hiyerarşi Süreci’ni kullanmak istiyor. Masiko Mobilya’nın
kararına etki edecek 4 kriteri bulunmaktadır: Emlâk fiyatı, tedarikçilere uzaklığı, o yerdeki işgücünün kalitesi
ve işçilik maliyeti. Firmanın karar vermesi gereken 3 yer alternatifi bulunmaktadır: A, B ve C.
Çözüm:
122
Bunlardan örnek olarak fiyat matrisini okuyalım: Emlâk fiyatı açısından A ve C yerleşimleri eşit önem
verilerek tercih edilmiş, ancak B’ye göre daha üstün tutulmuştur.
Emlak Fiyatı açısından uzman kişilerce oluşturulan karşılaştırma matrisi ve bu kriter açısından seçeneklere
ilişkin önceliklerin (ağırlıkların) belirlenmesi:
Önce her sütundaki değerler alt alta toplanarak, sütun toplamları elde edilir. Sonra bu değerleri aynı sütunun
toplamına bölünür (Matris normalize etme). Yeni çıkan matriste, her sütunun toplamı 1’e eşit olacaktır. Emlak
Fiyatı kriterine ilişkin seçenekler için oluşturulmuş karşılaştırma matrisinin tutarlılığı incelenirse;
123
Bu hesapların benzeri diğer karşılaştırma matrisleri için yapılır. Böylece diğer karşılaştırma matrislerinin de
tutarlılığı test edilmiş olur.
Tedarikçi Yakınlığı açısından uzman kişilerce oluşturulan karşılaştırma matrisi ve bu kriter açısından
seçeneklere ilişkin önceliklerin (ağırlıkların) belirlenmesi:
İşgücü
Rezervi açısından uzman kişilerce oluşturulan karşılaştırma matrisi ve bu kriter açısından seçeneklere ilişkin
önceliklerin (ağırlıkların) belirlenmesi:
İşgücü Maliyeti açısından uzman kişilerce oluşturulan karşılaştırma matrisi ve bu kriter açısından seçeneklere
ilişkin önceliklerin (ağırlıkların) belirlenmesi:
124
Aşağıda
yer seçiminde önemli olan 4 kriterin kendi aralarında karşılaştırma matrisleri verilmektedir. Şu ana kadar,
seçilecek yer alternatiflerini elimizdeki kriterlere göre karşılaştırarak bir matrise ulaştık. Aynı yöntemi
kullanarak, kriterlerin kendi aralarındaki önem sırasını da belirlememiz gerekiyor. Bunda da birinci
basamakta olduğu gibi, standart tercih tablosundaki değerleri kullanarak ilk matrisimizi oluşturuyoruz.
Fabrika yeri seçiminde takip ettiğimiz ilk 4 basamağı, bu yeni matris için de tekrar ederek gördüğünüz
tabloya ulaşıyoruz. Satır ortalamasına dikkat edelim. Satır ortalamasını ayrı bir tablo olarak çıkardığımızda
görüyoruz ki, fabrika yeri seçiminde bizim için tedarikçiye olan yakınlık net bir şekilde birinci sırada
önemlidir. Onu emlâk fiyatı, işgücü maliyeti ve işgücü rezervi takip etmektedir.
125
Doğal olarak kriterlere ilişkin oluşturulmuş karşılaştırma matrisi de tutarlılık testine tabi tutulur.
Yukarıda elde edilmiş olan her bir kriter açısından alternatifler için hesaplanan önem dereceleri (ağırlıklar)
kullanılarak (yan yana getirilerek) aşağıdaki matrise ulaşılır.
Elimizde yapılan hesaplama sonucu 2 adet matris bulunmaktadır. Bir tanesi yer alternatiflerinin verilen
kriterler bazında aldığı önem puanlarını, diğeri ise kriterlerimizin kendi aralarındaki önem puanlarını, yani
ağırlıklarını içermektedir. Bu iki matris çarpılarak seçeneklere ilişkin son ağırlıklar elde edilir.
Bu sonuca gör en yüksek ağırlık C seçeneğinde (0,558) oluşmuştur. Bu nedenle ilk seçilecek alternatif C
seçeneğidir. İkinci sırada 0,292 ağırlık puanı ile A seçeneği yer alır. Son sırada B seçeneği yer almaktadır.
Örnek:
Bir çoklu karar probleminde 3 seçenek ve 4 karar kriteri bulunmaktadır. Karar verici karar matrisini
aşağıdaki gibi oluşturmuş ve karar kriterlerine ilişkin ağırlıkları ise , , ve
126
şeklinde belirlemiştir. Aşağıda hiyerarşik yapısı verilen problemde hangi alternatifin seçileceğini
AHP yöntemi ile belirleyiniz.
Uzmanlar tarafından verilen cevaplar doğrultusunda karar kriteri 1 açısından seçeneklere ilişkin oluşan ikili
karşılaştırma matrisi aşağıdaki gibi hesaplanmıştır,
Öncelikle karşılaştırma matrisinin sütunlarındaki değerler sütun toplamlarına bölünmüş, satır toplamları
bulunmuş ve bu değerlerin aritmetik ortalamaları alınarak sütun vektörünün elemanları elde edilmiştir.
Hesaplamalar aşağıda gösterilmiştir.
127
Bu vektörden 1. değerlendirme faktörü açısından ’in %33, ’nin %10 , ’ ün ise %57 öneme sahip
olduğu söylenebilir. Benzer şekilde diğer değerlendirme faktörleri için karar noktalarının önem dağılımları
aşağıda hesaplanmıştır.
128
4. değerlendirme faktörü için karar noktalarının önem dağılımı
Daha sonra yukarıda bulunan sütun vektörleri matris formatında bir araya getirilmiş ve vektörü ile
çarpılmıştır.
129
Elde edilen sütun vektöründeki 0,28 1. karar noktasının önem seviyesini, 0,32 2. karar noktasının
önem seviyesini, 0,40 ise 3. karar noktasının önem seviyesini göstermektedir. Diğer bir deyişle karar
noktalarının önem dizilimi , ve şeklinde olacaktır.
Bölüm Özeti
Bu bölümde çok kriterli karar verme, çok nitelikli karar verme ve özellikle çok kriterli karar vermede en sık
kullanılan AHP yöntemi ele alınmıştır. Karşılaştırma matrislerinin nasıl oluşturulduğu, matrislerin tutarlılık
testlerinin nasıl yapıldığı ayrıntılı olarak anlatılmıştır.
İlk olarak Myers ve Alpert (1968) tarafından ortaya atılan ve daha sonra Saaty (1977) tarafından geliştirilen
Analitik Hiyerarşi Prosesi (AHP), karmaşık ve çok sayıda özellik içeren karar verme problemlerinde, karar
seçenek ve kriterlerine göreceli önem değerleri verilmek suretiyle yönetsel karar mekanizmasının çalıştırılması
esasına dayanan karar verme sürecidir. AHP’de çok amaçlı karar verme yöntemlerinin temel özelliği olarak
sadece nicel (kantitatif) değil aynı zamanda nitel (kalitatif) değerler de göz önüne alınır. Karmaşık karar
problemleri, problemi oluşturan bileşenlerin hiyerarşik ilişkilerinin belirlenmesi sayesinde daha iyi anlaşılabilir
duruma getirilmektedir. Karar hiyerarşisinin en tepesinde ana hedef (amaç) yer almaktadır. Bir alt kademe
kararı etkileyen kriterlerden oluşmaktadır. Bu kriterlerin altında ana hedefi etkileyebilecek özellikler varsa,
hiyerarşiye başka kademeler eklenebilir. Hiyerarşinin en altında karar seçenekleri yer almaktadır.
AHP’nin teorik alt yapısı üç aksiyoma dayanır. Bu aksiyomlardan birincisi, iki taraflı olma (reciprocity)
aksiyomudur. Örneğin, “A elemanı B elemanının üç katı büyüklüğünde ise B, A’nın üçte biridir. İkinci
aksiyom homojenlik aksiyomudur ve karşılaştırılan elemanların birbirinden çok fazla farklı olmaması
gerektiğini, farklı olması durumunda yargılarda hataların ortaya çıkabileceğini ifade etmektedir. Üçüncü
aksiyom bağımsız olma aksiyomudur ve bir hiyerarşideki belirli bir kademeye ait elemanlara ilişkin yargıların
veya önceliklerin başka bir kademedeki elemanlardan bağımsız olmasını gerektirir. Bu ifade, üst kademe
kriterlerin önceliklerinin yeni bir seçenek eklendiğinde veya çıkarıldığında değişmeyeceği anlamına
gelmektedir
Kaynakça
Yıldırım, B. F., Yeşilyurt, C. (2014). "Bulanık Analitik Hiyerarşi Prosesi Yaklaşımı İle Proje Değerlendirme
Kriterlerinin Önceliklendirilmesi: Kalkınma Ajansı Örneği". Atatürk İletişim Dergisi, (6), 23-60.
130
Dağdeviren, M., Akar, D.., Kurt, M. (2004). İş Değerlendirme Sürecinde Analitik Hiyerarşi Prosesi Ve
Uygulamasi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 19(2), 131-138.
Saaty, T. L. (1977). A scaling method for priorities in hierarchical structures. Journal of mathematical
psychology, 15(3), 234-281.
Zahedi, F. (1986). The analytic hierarchy process—a survey of the method and its applications. interfaces,
16(4), 96-108.
Saaty, T. L. (2008). Decision making with the analytic hierarchy process. International journal of services
sciences, 1(1), 83-98.
Saaty, T. L. (1988). What is the analytic hierarchy process?. In Mathematical models for decision support
(pp. 109-121). Springer, Berlin, Heidelberg.
Saaty, T. L. (1980). The Analytic Hierarchy Process, McGraw-Hill International Book Company, USA.
Saaty, T. L. (1990). How to make a decision: the analytic hierarchy process. European journal of
operational research, 48(1), 9-26.
Saaty, T. L. (1986). Axiomatic foundation of the analytic hierarchy process. Management science, 32(7),
841-855.
Vargas, L. G. (1990). An overview of the analytic hierarchy process and its applications. European journal
of operational research, 48(1), 2-8.
Tzeng, G. H., & Huang, J. J. (2011). Multiple attribute decision making: methods and applications. CRC
press.
Vaidya, O. S., & Kumar, S. (2006). Analytic hierarchy process: An overview of applications. European
Journal of operational research, 169(1), 1-29.
Saaty, T. L. (2001). Fundamentals of the analytic hierarchy process. In The analytic hierarchy process in
natural resource and environmental decision making (pp. 15-35). Springer, Dordrecht.
Ünite Soruları
Soru-1 :
4 kriterli 3 seçenekli
bir seçim probleminde kriterler arasında oluşturulan karşılaştırma matrisinin
boyutu
aşağıdakilerden hangisidir?
131
Cevap-1 :
Soru-2 :
4 kriterli 3 seçenekli
bir seçim probleminde herbir kriter açısından seçeneklere ilişkin oluşturulan
karşılaştırma matrisi hangi boyutta olur?
Cevap-2 :
Soru-3 :
Aşağıda A, B, C
kriterlerine ilişkin karşılaştırma matrisi verilmiştir. Bu matrise göre değeri kaç olur?
(•) - 1
(•) - 1/2
(•) - 2
(•) - 1/4
132
(•) - 4
Cevap-3 :
Soru-4 :
Aşağıda A, B, C
kriterlerine ilişkin karşılaştırma matrisi verilmiştir. Bu matrise göre değeri kaç olur?
(•) - 1
(•) - 1/2
(•) - 2
(•) - 1/4
(•) - 4
Cevap-4 :
Soru-5 :
Bir karşılaştırma matrisi normalize etmek için aşağıdakilerden hangisi ilk adım olarak uygulanır?
Cevap-5 :
Soru-6 :
133
Normalize edilmiş bir karşılaştırma
matrisinin sütun toplamları kaç olmalıdır?
(•) - 1
(•) - 2
(•) - 3
(•) - 4
(•) - 0
Cevap-6 :
Soru-7 :
Karşılaştırma matrisi normalize edildikten sonra, satır oralamaları alınarak kriterlere ilişkin hangi değerler elde
edilir?
Cevap-7 :
Kriterlerin ağırlıkları
Soru-8 :
AHP de karşılaştırma
matrisinin tutarlı olabilmesi için hesaplaplanan değeri kaçtan küçük olmalıdır?
(•) - 0,01
(•) - 0,05
(•) - 0,10
(•) - 0,15
(•) - 0,20
Cevap-8 :
134
0,10
Soru-9 :
A, B, C gibi 3 kritere
sahip bir AHP modelinde A ve B nin hesaplanan ağırlıkları sırası ile 0,23 ve
0,41
olarak hesaplanmış ise, C kriterinin ağırlığı ne kadardır?
(•) - 0
(•) - 0,23
(•) - 0,41
(•) - 0,50
(•) - 0,36
Cevap-9 :
0,36
135
9. OYUN TEORİSİ
Birlikte Düşünelim
Oyun Teorisi nedir? Bir oyunda sizce en az kaç kişi olmalıdır?
Oyunun Değeri (Tepe noktası) nedir? Nasıl belirlenir? Ödemeler matrisi verildiğinde acaba hangi stratejilere
yatırım yapılmalıdır?
Başlamadan Önce
Oyun teorisi, ekonomi başta olmak üzere; gerçek hayat problemlerinde, sosyal bilimlerde, mühendislik,
siyaset bilimlerinde, bilgisayar bilimleri ve felsefede sıkça kullanılan bir yöntemdir. Oyun teorisi, bireyin,
başarısının diğer bireylerin seçimlerine dayalı olduğu seçimler yapması olan bazı stratejik durumların
matematiksel olarak davranış biçimlerini yakalamaya çalışır. İlk başlarda bir bireyin kazancının ötekinin
zararına olduğu (sıfır toplamlı oyunlar) yarışmaları çözümlemek için geliştirilmişse bile, daha sonradan birçok
kısıta dayanan çok geniş bir etkileşim alanını incelemeye başlamıştır.
9.1. Giriş
Oyun teorisi, ekonomi başta olmak üzere; gerçek hayat problemlerinde, sosyal bilimlerde, mühendislik,
siyaset bilimlerinde, bilgisayar bilimleri ve felsefede sıkça kullanılan bir yöntemdir. Oyun teorisi, bireyin,
başarısının diğer bireylerin seçimlerine dayalı olduğu seçimler yapması olan bazı stratejik durumların
matematiksel olarak davranış biçimlerini yakalamaya çalışır. İlk başlarda bir bireyin kazancının ötekinin
zararına olduğu (sıfır toplamlı oyunlar) yarışmaları çözümlemek için geliştirilmişse bile, daha sonradan birçok
kısıta dayanan çok geniş bir etkileşim alanını incelemeye başlamıştır.
Karar verenlerin diğer düşüncelerle uyumlu ya da rekabet halinde olduğu sosyal durumları modelleyen bir
yaklaşım olması bu teorisinin en temel özelliğidir. Oyun teorisi, neoklasik ekonomilerde geliştirilmiş bilinen
iyileştirme yaklaşımlarını genişletmiştir.
Oyun teorisinin geleneksel uygulamaları bu oyunlarda “bireylerin davranışlarını değiştirmek istemediği” denge
bulmaya çalışır. Bu fikri gerçekleştirmek üzere birçok denge kavramları en ünlüsü Nash dengesi
geliştirilmiştir. Bu denge kavramları uygulama alanına göre farklı amaçlara sahiptir, fakat genel olarak
uyuşurlar ve iç içe geçmişlerdir (Lapin, 1976). Bu yöntemler eleştiriden uzak değildir ve bazı özel denge
kavramlarının uygunluğu, dengenin tümden uygunluğu ve genel olarak matematiksel modellerin faydaları
üzerine tartışmalar sürmektedir.
Daha öncesinde bazı gelişmeler olmuşsa da, oyun teorisi, 1944 yılında çıkan John Von Neumann ve Oskar
Morgenstern tarafından yazılmış olan “Oyunların ve Ekonomik Davranışın Teorisi” adlı kitapla başlamıştır
(Levin ve Kirkpatrick, 1975). Bu teori, geçmişten geleceğe, sosyal bilimlerde çok önemli bir rol
oynamaktadır.
136
Oyun Teorisi, en genel ifadesiyle, akılcı bireylerin seçimleri ve bunların karşılıklı etkileşimlerinin sonuçlarını
inceler (Altaylı, 1996). Bir oyunu tanımlayan en önemli unsur, oyuncuların sahip oldukları bilgidir. Bu teori
oyun şeklinde ifade edilebilen her türlü durumu kapsar. Herhangi bir durumun oyun olarak
değerlendirilebilmesi için ise şu üç koşulun birlikte sağlanmış olması gerekir.
Bu derste, oyunları ve Nash dengesi gibi bazı çözüm yollarını tanımlayacağız ve bu çözüm yollarının
arkasındaki varsayımları tartışacağız. Bir oyunu analiz etmek için
Oynanmış ve günümüzde hala oynanmakta olan birçok oyunun kendisiyle ilişkilendirilmiş bir takım kuralları
vardır. Bu oyunlara örnek olarak futbol, golf, basketbol tenis gibi oyunlar poker ve briç gibi kart oyunları ile
satranç ve tavla gibi oyunlar verilebilir. Bütün bu oyunlar bir etkileşim bir rekabet unsuru içermektedir. Yani
oyunda bir oyuncu diğer oyuncularla rekabet etmektedir ve oyuncunun başarısı, kendi hareketlerinin yanı sıra
diğer oyuncuların hareketlerine de bağlıdır (Levin ve Des Jardins, 1970).
Aşağıda Oyun Teorisinde kullanılan bazı temel kavramlar ve varsayımlar açıklanmıştır (Can, 2015, Öztürk,
2009, Cinemre, 2011)).
Oyuncular: Bir oyunda amaçlarını optimize etmeye çalışan kişi ya da kurumlardır. Oyunda en az iki oyuncu
bulunur ve akılcı hareket ettikleri gibi, kazanmak için en iyisini yaptıkları varsayılır. Oyuncular bazen bireyler,
bazen firmalar veya bazen de devletler olabilir. Bir oyunu oynayabilmek için en az iki oyuncuya ihtiyaç vardır.
Her oyuncu kendi bilgi seti ve rakibinin bilgi seti doğrultusunda faydasını maksimize edecek şekilde rasyonel
olarak hareket ettikleri varsayımı altında hareket ederler. Rasyonel olmayan hareketlerin hiçbiri oyun teorisi
içinde yer alamaz. Kısacası her oyuncu sahip olduğu tercihler arasında, mümkün olan en büyük ödülü
verecek tercihi seçerek oyunu bitirmek arzusundadır.
Stratejiler: Her oyuncunun sahip oldukları eylem seçenekleri. Bir oyuncu için herhangi bir strateji kural
olup, seçenekler oyunun seçimini belirler. Herhangi bir oyuncunun seçenekleri belirsiz sayıdaysa oyun sonlu
değil süreklidir. Seçenek sayısı belirli ise oyun sonludur. Bir oyunun oynanabilmesi için oyuna taraf olan
oyuncuların belirli kurallar altında birleşmeleri gerekmektedir. Kuralların olmaması durumunda taraflar
stratejilerini belirleyemeyeceklerdir. Bu kurallar satranç oyununda olduğu gibi her taşın nasıl hareket edeceği,
şirketlerin ticaretini bir düzende tutan ticaret kanunu ya da uluslararası anlaşmalarla belirlenen kurallar olarak
da ifade edilebilir. Oyuncuların belirli bir zaman dilimi içerisinde rakibinin olası hareketlerine karşı önceden
belirlenen ve olanaklı alternatiflerden rakibin hareket tarzlarını saptayan kurallar bütününe strateji denir.
Kazanç veya Ödemeler: Oyunun sonucu kazanma, yitirme veya oyundan çekilme olabilir. Her sonuç veya
ödeme, negatif, pozitif veya sıfır olmak üzere her oyuncunun rakibine karşı kazancını veya kaybını belirler.
137
Oyunun oynanması süresince her bir stratejiye karşılık gelen, her oyuncunun bir kazancı ya da bir kaybı söz
konusudur. Bu kazanç ya da kayıplar artı sonsuz ile eksi sonsuz arasında yer alabilir. Bu değerler sayısal
olarak ifade edilebileceği gibi, oransal olarak da ifade edilebilir. Kazançlar ya da kayıpların birimleri her
durumda aynı ölçü biriminde olması gerekmektedir.
Ödemeler Matrisi: Bu matris, oyuncuların strateji seçimlerinin türlü bileşiminden sonuçlanan kazanç veya
kayıpları gösterir. Ödeme matrisinin elemanları pozitif, negatif veya sıfıra eşit olabilir. Matrisin herhangi bir
elemanı pozitif ise sütunda yer alan oyuncu, satırda yer alan oyuncuya bu miktarda ödeme yapar. Matrisin
herhangi bir elemanı negatif ise satırdaki oyuncu, sütundaki oyuncuya bu negatif elemanın mutlak değerine
eşit ödemede bulunur. Matrisin elemanı sıfır ise oyunculardan hiçbiri birbirine ödemede bulunmaz. Ödemeler
matrisi sadece bir oyuncunun değerlerini temsil eder.
Oyunlar: Oyunların sınıflandırılması genellikle oyuncuların sayılarına göre yapılır. İki kişilik, üç kişilik veya
(n) kişilik oyunlar kurulabilir. ise oyun 2 kişilik, ise oyun kişili oyundur. Ayrıca sıfır toplamlı,
sabit toplamlı olmayan ve sıfır toplamlı olmayan oyunlar olarak da oyunlar sınıflandırılır.
Tam (arı) Stratejiler: Oyunun sonucunu tek bir strateji çiftinin oluşturması durumu. Söz konusu sonuç her
oyuncu için olabilecek en iyi sonuçtur. Tam stratejiler, oyunun tepe (eyer) noktasını belirler.
Karma Stratejiler: Oyunun sonucunu birden fazla strateji çiftinin belirlemesi durumu. Strateji çiftleri olasılık
değerleri ile ifade edilir ve oyunun sonucunu oluşturan strateji çiftleri olasılık değerleri toplamı 1 dir.
Beklenen Değer: Oyunun sonucunda herhangi bir oyuncunun elde edeceği değer. Beklenen değer strateji
çiftlerinin gerçekleşme olasılıkları ile değerlerinin çarpımlarının toplamıdır.
Oyunun sonucu ya da denge noktası: Her oyuncunun rasyonel olarak hareket ettikleri varsayımı altında,
oyuncuların oyunu bitirmeleri sonucunda ulaştıkları noktaya, oyunun sonu ya da denge noktası adı verilir.
Oyun teoreminde bu denge noktasına Nash dengesi adı verilmektedir. Bu noktada her oyuncunun
oynayacağı strateji belli olup, sözü edilen bu stratejiyi kullanmak için karar verilen hareketler uygulanır.
1950 yılında John Nash çözüm ve denge noktası olarak da bilinen ve günümüzde en çok kullanılan Nash
dengesi teorisini oluşturmuştur.
Oyuncuların oyunu bitirmeleri sonucunda ulaştıkları noktaya, oyunun sonu ya da denge noktası adını
vermiştik. Bu noktada, oyuncuların seçtikleri stratejiler a= (ai,a-i) şeklinde ifade edilir. Bu gösterimde yer
alan ai, i’inci oyun stratejisini verirken, a-i diğer oyuncunun stratejisini vermektedir (Nash, 1951).
Oyunun oynanması durumunda, her oyuncunun stratejisi olacaktır. Bu stratejiler içinde oyuncular kendi
baskın stratejisinin olmasını arzularlar. Bu şekilde baskın stratejiye sahip olan oyuncular oyunun ne şekilde
oynayacaklarını ve oyunun sonucunun ne şekilde biteceğini bilmek oldukça kolay hale gelmektedir. Baskın
stratejiyle bir oyuncunun karşıdaki oyuncu ya da oyuncular ne şekilde oynarlarsa oynasınlar tek bir biçimde
oyuncunun hareket etmesi anlamına gelmektedir.
Çoğu oyunların baskın stratejileri yoktur ve oyuncular kendi hareketlerini seçmek için diğer oyuncunun
hareketlerini ortaya çıkarmak zorundadır. Bu bakımdan oyuncular, diğer oyuncuların kararları veri iken
yapabileceklerinin en iyisini yapacaklardır. Bu da baskın strateji dengesini de içine alan ve daha geniş bir
denge kavramı olan Nash dengesidir. Nash dengesi çok geniş oyunlar sınıfında çok kuvvetli tahminle üreten
bir çözüm kavramıdır.
Nash dengesinde temel unsur, bir denge noktası düşüncesidir. Analizde Nash, Von Neumann minimaks
teoremi genelleştirilmesinin temeli olarak en iyi cevap yaklaşımını seçmiştir. Nash’a göre, iki kişilik bir oyunun
138
çözümüne aday olacak bir strateji çifti, stratejinin her biri rakibinin oynayacağını tahmin ettiği diğerine, en iyi
cevap verebilme niteliğini sağlaması gerekmektedir. Bir denge noktası diğer oyuncuların stratejileri hususunda
karar verdikleri inanılıyorsa, her bir oyuncunun stratejilerinin, oyuncunun kendi ödülünü maksimize ettiği
durumu ifade etmektedir. Her bir oyuncunun stratejisi, diğer oyuncuların oynayacağını tahmin ettiği
stratejilerine karşı optimaldir. Bu özellikleri olan bir strateji çifti (kombinasyonu) Nash dengesi olarak
isimlendirilmekte, işbirliksiz oyunların temelini oluşturmaktadır.
Bu durumda oynanan herhangi bir durumda oyunda oyuncular için baskın stratejilerin bulunması sonucunda
ulaşılan denge durumunun aynı zaman da Nash dengesine karşılık geldiğini söylemek mümkündür. Buna
karşılık her Nash dengesi baskın stratejiye sahip ortaya çıkaran dengeyi vermek zorunda değildir. Çünkü
kimi oyunlarda birden fazla Nash dengesine ulaşılması mümkündür.
Oyunlar teorisinin temel kavramlarından birisi strateji kavramıdır. Strateji kombine edilmiş kararlar dizisidir.
Daha açık bir şekilde söylemek gerekirse Strateji, oyunun başından sonuna dek ortaya çıkabilecek bütün
durumlar için oyuncuların tercihlerini belirten kararlar bütünüdür.
Oyunda tek bir denge noktası varsa hamle sayısı ne olursa olsun oyuncular bütün oyun boyunca tek bir
strateji kullanacaklardır. Oyuncunun kullandığı bu tek stratejiye Salt Strateji denir. Bazı oyunlarda tek yerine
birden fazla denge noktası vardır. Bu durumda oyuncular hamlelerinin bir kısmında bir oyun, diğer
kısımlarında başka bir oyun uygulama imkânına sahiptirler. Böylece oyuncuların bir oyun süresince birden
fazla hareket tarzını seçebilmelerine ve çeşitli kararları bir arada benimsemelerine Karma Strateji uygulaması
denir.
Oyunlar teorisinin amacı rekabet etmekte olan, beklentileri zıt iki oyuncu için rasyonel hareket yollarını
sezmektir. Tekrarı mümkün oyunlarda bir oyun için optimum strateji mümkün en büyük ortalama kazancı
garanti edecek stratejidir. Rakip yönünden beklenen optimum strateji ise mümkün en küçük ortalama kaybı
garanti edebilecek bir stratejidir.
Oyuncuların strateji seçimlerinin türlü bileşimlerinden sonuçlanan kazanç ve kayıpları gösteren matrise
ödemeler matrisi denir. Ödeme matrisinin elemanları pozitif, negatif veya sıfıra eşit olabilir. Söz konusu
matrisin herhangi bir elemanı pozitifse, sütunda yer alan oyuncu, satırda yer alan oyuncuya bu miktarda
ödeme yapar. Matrisin herhangi bir elemanı negatif ise satırdaki oyuncu sütundaki oyuncuya bu negatif
elemanın mutlak değerine eşit ödemede bulunur. Matrisin elemanı sıfır ise oyunculardan hiçbiri birbirine
ödemede bulunmaz.
Kaynakların kıt olduğu bir ortamda amaçlarını gerçeklemeye çalışan iki ya da daha fazla sayıda karar verici
rekabet halindedirler. Diğer bir deyişle kaynakları paylaşım çabası içindedirler. Karar vericilerin bu
paylaşımda kendilerine en yüksek getiriyi sağlamak için birbirlerine karşı kullandıkları stratejileri vardır ve bu
stratejileri mümkün olan en akılcı şekilde kullanırlar.
Sütunları temsil eden oyuncu açısından bakıldığında ise bu kez doğru mantık iyilerin kötüsü olacaktır. Çünkü
sütunları temsil eden oyuncu diğer oyuncunun maksimin stratejisini bilir ve oyunu minimaks stratejisi ile oynar.
Sütunları temsil eden oyuncu elemanlarını gözden geçirir ve her bir sütunun en büyük değerini seçer. Bu
oyuncu açısından oyunun sonucu bu değerlerin en küçüğüdür.
A firmasına göre düzenlenen ödemeler matrisi aşağıda gösterilmiştir. Ödemeler matrisinde bulunan pozitif
değerler, A oyuncusunun kazancını, B oyuncusunun kaybını, negatif değerler ise, A oyuncusunun kaybını, B
oyuncusunun kazancını ifade eder.
Örnek:
Rekabet halindeki A ve B firmalarından yıllık kar (milyon TL) açısından A’ nın 3 (A1, A2, A3), B’ nin ise 4
(B1, B2, B3, B4) stratejisi bulunmaktadır. A firmasına göre düzenlenen ödemeler matrisi aşağıda
gösterilmiştir. Buna göre A ve B firmaları arasındaki rekabet oyununu değerlendiriniz.
A oyuncusu maksimin mantığı ile hareket edecek ve B oyuncusunu oyunda tutmak için kendi stratejilerini
temsil eden satır değerlerinin en küçüklerini seçecektir. Bu değerler arasından en büyüğü olan 4 değeri ise A
140
oyuncusu için en iyi değerdir. Diğer bir deyişle A’nın en iyi stratejisi A3 stratejisidir.
A’nın strateji mantığını bilen B oyuncusu ise minimaks mantığı ile hareket edecek ve öncelikle kendi
stratejilerini temsil eden sütun değerlerinin en büyüklerini seçecektir. Minimaks mantığına göre B
oyuncusunun geçerli stratejisi, bu değerler arasından en küçüğünü seçmek olacaktır. Yukarıdaki örneğe göre
bu değer 5 yani B4 stratejisidir. Sonuçta maksimin ve minimaks değerleri birbirine eşit olduğundan bu oyun
saf stratejili yani tepe noktalı bir oyundur ve oyunun sonucunda A oyuncusunun beklenen değeri 4 (milyon
TL) olarak gerçekleşecektir. Bu değer ise B oyuncusu açısından bir kayıp olacaktır.
Örnek:
Üçer stratejisi olan satır ve sütun oyuncularının, sütun oyuncusunun satır oyuncusuna yaptığı ödemeleri
gösteren ödemeler matrisi aşağıda verildiği şekildedir. Buna göre oyuncular seçmesi gerekli stratejileri
belirleyiniz.
Öncelikle satır oyuncusu ile başlansın. Satır oyuncusu eğer birinci stratejisini seçerse, sütun oyuncusu da
üçüncü stratejiyi seçecektir. Böylece sütun oyuncusu kaybının en az olmasını sağlar. Satır oyuncusu ikinci
stratejiyi seçerse sütun oyuncusu üçüncü stratejisini seçecektir. Böylece en az kaybı yaşayacaktır. Eğer satır
oyuncusu üçüncü stratejiyi seçerse, sütun oyuncusu ikinci oyunu seçerek kaybını en az tutacaktır. Satır
oyuncusu da en küçüklerin en büyüğünü seçmek durumundadır. Böylece satır oyuncusu her stratejisine
karşılık rakibinin (sütun oyuncusunun) seçimi ne olursa olsun, sütun oyuncusunun satır oyuncusuna
garantilediği en az kazancı maksimize etmiş olur. Bu durumda Maks (4, 1, 2) = 4 olup satır oyuncusu için en
iyi strateji birinci stratejidir. Bu stratejiye maksimin strateji denir.
141
Sütun oyuncusu açısından ele alınırsa, yani sütun oyuncusu birinci stratejisini seçerse satır oyuncusu kazancını
en büyük yapmak için birinci stratejiyi seçecektir. Eğer sütun oyuncusu ikinci stratejisini seçerse satır
oyuncusu ikinci stratejisini seçecektir. Böylece kazancını en büyük yapacaktır. Eğer sütun oyuncusu üçüncü
stratejisini seçerse satır oyuncusu kazancını en yüksek tutacak olan birinci stratejisini seçecektir.
Böylece sütun oyuncusu her stratejisine karşılık rakibinin (satır oyuncusunun) seçimin ne olursa olsun, satır
oyuncusunun sütun oyuncusuna neden olduğu en yüksek kaybı minimize etmiş olur. Bu durumda Min (10,
15, 5) = 5 olup sütun oyuncusu için en iyi strateji üçüncü stratejidir. Bu stratejiye minimaks strateji denir.
Maksimin ve Minimaks kuralları uygulanarak ulaşılan noktaların eşit olduğu durumda, yani Maks (5, 2, 4) =
Min (10, 15, 5) =5 olduğunda, bu noktaya tepe noktası veya semer noktası denir. Tepe noktası aynı
zamanda denge noktasıdır. Yani oyunun dengeye ulaştığı noktadır. Bu nokta oyunun değerini vermektedir.
Bir oyunda ödemeler matrisindeki bir strateji, diğer bir stratejiyle karşılaştırıldığında, strateji, karşılaştırılan
stratejinin bire bir karşılık gelen her değerinden üstün ise, bu stratejiye üstün (baskın) strateji denir. Diğer
strateji, kendisinden her açıdan daha üstün bir strateji olduğu için oyuncu tarafından asla seçilmeyecektir. Bu
nedenle ödemeler matrisinden silinebilir (Tütek ve Gümüşoğlu, 2005).
Bu baskınlık kuralı kullanılarak ödemeler matrisinin boyutu azaltılır ve optimal stratejilerin bulunmasında bu
durum kullanılır.
Örnek:
Stratejileri aşağıdaki sütun oyuncusunun satır oyuncusuna yaptığı ödemeleri gösteren ödemeler matrisinde
verilmiş olan A ve B oyuncularının seçmesi gerekli stratejileri belirleyiniz.
142
Çözüm:
Ödemeler matrisinde üstün stratejiler olup olmadığı araştırılır. Satır oyuncusunun stratejileri karşılaştırılarak
bakılmaya başlanır.
Koordinat sisteminin yatay ekseni 2 stratejiye sahip oyuncunun 1. stratejisinin gerçekleşme olasılığını
gösterir. Söz konusu olasılık değeri doğal olarak aralığında olacaktır. Bu durumda oyuncunun 2.
stratejisinin olasılık değeri olacaktır.
Görüldüğü gibi beklenen değerler doğru denklemi formatındadır. Daha sonra elde edilen doğru denklemleri
grafik eksene işlenir. Koordinat sisteminin düşey ekseni beklenen değerleri gösterir. Koordinat sisteminin
ve için iki düşey ekseni vardır.
Koordinat sistemindeki mümkün çözüm noktaları doğruların kesiştiği noktalarda gerçekleşir. A oyuncusunun
maksimin yöntemine göre hareket ettiği göz önüne alındığında mümkün noktalardan optimal olanı,
minimumların maksimumunda gerçekleşenidir.
Örnek:
için
için
Örnek:
145
için
için
için
için
Şekilden görüleceği gibi beklenen değer doğruları 6 noktada kesişmektedirler ve bu noktalar mümkün
çözümleri oluşturmaktadır. A oyuncusu maksimin yöntemine göre hareket ettiğinden (minimumların
maksimumu) ve doğrularının kesişiminden oluşan zarf çözüm bölgesidir ve optimal çözüm G
noktasında gerçekleşmektedir. G noktasındaki çözüm,
Bölüm Özeti
Oyun teorisi, ekonomi başta olmak üzere; gerçek hayat problemlerinde, sosyal bilimlerde, mühendislik,
siyaset bilimlerinde, bilgisayar bilimleri ve felsefede sıkça kullanılan bir yöntemdir. Oyun teorisi, bireyin,
başarısının diğer bireylerin seçimlerine dayalı olduğu seçimler yapması olan bazı stratejik durumların
matematiksel olarak davranış biçimlerini yakalamaya çalışır. İlk başlarda bir bireyin kazancının ötekinin
zararına olduğu (sıfır toplamlı oyunlar) yarışmaları çözümlemek için geliştirilmişse bile, daha sonradan birçok
kısıta dayanan çok geniş bir etkileşim alanını incelemeye başlamıştır.
Bir oyunda amaçlarını optimize etmeye çalışan kişi ya da kurumlar oyunculardır. Her oyuncunun sahip
oldukları eylem seçenekleri strateji olarak adlandırılır. Oyunun sonucu kazanma, yitirme veya oyundan
çekilme olabilir. Her sonuç veya ödeme, negatif, pozitif veya sıfır olmak üzere her oyuncunun rakibine karşı
kazancını veya kaybını belirler. oyuncuların strateji seçimlerinin türlü bileşiminden sonuçlanan kazanç veya
kayıpları gösteren matrise ödemeler matrisi denir. Oyunların sınıflandırılması genellikle oyuncuların sayılarına
göre yapılır. İki kişilik, üç kişilik veya (n) kişilik oyunlar kurulabilir. n=2 ise oyun 2 kişilik, n≥2 ise oyun n
kişili oyundur. Ayrıca sıfır toplamlı, sabit toplamlı olmayan ve sıfır toplamlı olmayan oyunlar olarak da oyunlar
sınıflandırılır.
Kaynakça
Altaylı, B. (1996). Yönetm Kararlarında Kantitatif Yöntemler Yöneylem Araştırması, UYTES, Ankara.
Can, T. (2015). Yöneylem Araştırması Nedensellik üzerine Diyaloglar I, Beta Yayınları, İstanbul.
Doğan, İ. (1995). Yöneylem Araştırması Tekniklerli ve İşletme Uygulamaları. Bilim Teknik Yayınevi,
İstanbul.
Laplin, L. L. (1976). Quantitative Methods for Business Decisions. New York: Harcourt Brace Jovanocih.
Levin, R I., Kirkpatrik, C. A. (1975). Quantitative Approaches to Management, McGraw-Hill, New York.
Levin, R. I., Des Jardins, R. B. (1970). Theory of Games and Strategies. Scranton, PA.
Tütek, H. H. Gmüşoğlu, Ş. (2005). Sayısal Yöntemler Yönetsel Yaklaşım, Beta Yayınları, İstanbul.
Ünite Soruları
147
Soru-1 :
(•) - 1
(•) - 2
(•) - 3
(•) - 4
(•) - 5
Cevap-1 :
Soru-2 :
Bir oyuncunun rakiplerinin ne yaptığını dikkate almaksızın kazancını maksimize eden stratejiye ne denir?
Cevap-2 :
Baskın strateji
Soru-3 :
(•) - D. Kreps
(•) - E. Rasmusen
Soru-4 :
Kendilerine ait stratejileri bulunan ve birbirlerinin hareketlerinden etkilenen iki ya da daha fazla firmanın
rekabetini analiz eden teoriye ne ad verilir?
Cevap-4 :
Oyun Teorisi
Soru-5 :
Cevap-5 :
0 toplamlı oyun
Soru-6 :
149
(•) - 2
(•) - 3
(•) - 4
(•) - 5
(•) - 6
Cevap-6 :
Soru-7 :
(•) - 2
(•) - 3
(•) - 8
(•) - 11
(•) - 0
Cevap-7 :
Soru-8 :
150
Aşağıdaki 8-10 soruları verilen ödemeler matrisine göre cevaplayınız. Ödemeler matrisi, sütun oyuncusunun
satır oyuncusuna yaptığı ödemeler cinsinden hazırlanmıştır. (Baskın stratejileri kullanarak çözünüz.)
(•) - (1;0;0)
(•) - (0;0,22;0,78)
(•) - (0,5;0,1;0,4)
(•) - (0,0,1)
(•) - (0;1;0)
Cevap-8 :
(0;0,22;0,78)
Soru-9 :
Aşağıdaki 8-10 soruları verilen ödemeler matrisine göre cevaplayınız. Ödemeler matrisi, sütun oyuncusunun
satır oyuncusuna yaptığı ödemeler cinsinden hazırlanmıştır. (Baskın stratejileri kullanarak çözünüz.)
(•) - (1;0;0)
(•) - (0,7;0,3;0)
(•) - (0;0,56;0,0,44)
(•) - (0;0;1)
(•) - (0;1;0)
151
Cevap-9 :
(0;0,56;0,0,44)
152
10. MARKOV ANALİZİ
Birlikte Düşünelim
Geçiş olasılıkları diyagramı ve matrisi nedir? İzleyen süreç ve adımlarda geçiş olasılıkları nasıl bir değişim
sergilemektedir? Markov zinciri, işletmelerde ne tür problemlerin incelenmesinde ve çözüm önerisi
sunulmasında kullanalabilir? Markov analizinde durum kavramı ne anlama gelmektedir. Durum uzayı nedir?
Başlamadan Önce
Bilimsel karar alma süreci modellere dayanır ve isabetli kararlar alınabilmesi için büyük ölçüde sistematik
yaklaşıma gereksinim duyulur. Karar alma problemlerinde belirsizliklere ilişkin olaylarla sıkça
karşılaşılmaktadır. Bu belirsizlik genelde, doğal olayın belirsizliğinden veya temel değişkenin akla gelmeyen
değişim kaynağından ortaya çıkmaktadır. Böyle durumlarda olay matematiksel model haline dönüştürülerek,
onun değişkeni olasılık hesapları ile tanımlanabilir.
Markov analizi, başlangıç durumu verildiğinde izleyen aşamada hangi olasılıkla hangi durumda olunacağını
ve buna karşı oluşacak olan katkıyı ölçmek ve en iyi stratejiyi belirlemek için başvurulan analiz türüdür.
10.1. Giriş
Bilimsel karar alma süreci modellere dayanır ve isabetli kararlar alınabilmesi için büyük ölçüde sistematik
yaklaşıma gereksinim duyulur. Karar alma problemlerinde belirsizliklere ilişkin olaylarla sıkça
karşılaşılmaktadır. Bu belirsizlik genelde, doğal olayın belirsizliğinden veya temel değişkenin akla gelmeyen
değişim kaynağından ortaya çıkmaktadır. Böyle durumlarda olay matematiksel model haline dönüştürülerek,
onun değişkeni olasılık hesapları ile tanımlanabilir. Geliştirilen bu modele Markov Analizi denilmektedir.
Markov Analizi mevcut olasılıkları kullanarak, gelecekteki durum olasılıklarını hesaplamada kullanılan güçlü
modelleme ve analiz tekniği olarak bilinmektedir.
Bir sistemin mümkün karşılaşılabilir durumlarının birinden diğerine geçiş olasılıkları bilindiğinde sistemin analizi
ile ilgili bir araştırma alanıdır. Başlangıç durumu verildiğinde izleyen aşamada hangi olasılıkla hangi durumda
olunacağını ve buna karşı oluşacak olan katkıyı ölçmek ve en iyi stratejiyi belirlemek için başvurulan analiz
türüdür. Markov analizini mevcut durumdan başka durumlara geçiş olasılıkları bilindiğinde olabilecek
durumların tahmininde kullanılabilir. Örneğin firmaların pazar payları biliniyor ise, geçiş matrisinden
yararlanarak yıllar ilerledikçe pazar paylarında olabilecek değişim tahminlenerek firmaların strateji
belirlemelerine yardımcı olunabilir.
Markov Analizi modeli karmaşık bir sistemin güvenilirlik davranışını, önceden tanımlanmış bir ayrık durumlar
kümesi üzerinde tanımlı durum geçiş diyagramı ile modelleyebilmekte ve durumlar arası geçiş hızını tahmin
etmekte kullanılabilmektedir. Bu sebeple, Markov Analizi modelleri muhtemel olay zincirlerini etkin bir
şekilde temsil etme konusunda oldukça başarılıdırlar. Örneğin, güvenilirlik ve kullanılabilirlik uygulamalarında
153
durumlar arası geçiş, sistemin herhangi bir anda herhangi bir durumda olma olasılığını, durum içinde tahmini
kalma süresini ve durumlar arası tahmini geçiş sayılarını belirlemekte kullanılırlar. Markov Analizi tekniği,
A.A. Markov tarafından 1905 yılında yapılan, Brownian hareketi olarak bilinen kapalı bir kutu içindeki gaz
moleküllerinin yapısını ve davranışlarını matematiksel olarak betimleme denemesine dayanır. Teknik, birbirini
izleyen, zincirleme yapıdaki bir araştırmanın sonucunda geliştirilmiştir. Markov sürecinin ilk doğru matematik
yapısı N. Wiener tarafından 1923 yılında kurulmuştur. Markov süreçlerinin genel teorisi ise 1930 ve 1940
yıllarında A.N. Kolmogoron, W. Feller, W. Doeblin, P. Levy, J.L. Doob ve diğerlerince geliştirilmiştir.
Markov analizi bir müşterinin kullandığı ürünün markasını değiştirme olasılığının hesaplanması veya bugün
çalışan bir makinenin ertesi gün arızalanma olasılığının bulunması gibi zaman içerisinde bir durumdan diğer
duruma olasılıklı (stokastik) olarak geçen sistemlere uygulanır. Bu sistemler için bir durumdan diğer duruma
geçiş geçiş olasılıkları ile ifade edilir (Karayalçın, 1976).
Markov süreçleri ileride ortaya çıkması olası durumların gerçekleşme olasılıklarının, geçmiş verilere göre
değil, şu andaki verilerden yararlanarak bulunduğu süreçlerdir. Markov süreçlerinin temel özelliği, belirli bir
zaman diliminde çeşitli durumlarda bulunmanın ve bir durumdan diğer duruma geçişin olasılıklarının göz önüne
alınmasıdır.
Bir durumdan diğer duruma geçiş, sistemin daha önceki durumlarına bağlı olmayıp, yalnızca bir önceki
durumuna bağlıdır. Bu açıdan bakıldığında, Markov süreci için önceki durum hariç, daha önceki durumların
bilinmesine gerek yoktur. Söz konusu bu özelliğe Markov özelliği denilir. Markov özelliği olan bir sistemde,
bir durumdan diğer duruma geçiş, sadece bir önceki duruma bağlı olan şartlı olasılıklar ifade edilir (Can,
2015, Tütek ve Gümüşoğlu, 2005)..
Zaman kümesi de kesikli veya sürekli olabilir. sürekli değerler alabiliyorsa süreci sürekli zamanlı
stokastik süreç olarak ve eğer tamsayılı değerlerle sınırlanmış, yani ise süreci
kesikli-zamanlı stokastik süreç olarak adlandırılır.
Şöyle ki, anındaki durum olasılığı , anındaki durum olasılığı ve ile rastsal
değişkenler olmak üzere, anında de olma olasılığı,
koşullu olasılığı ile gösterilir ve bu koşullu olasılık sistemin anından anına geçişi tanımladığından buna
bir adımlı geçiş denir. adımlı geçiş olasılığı ise, rastsal değişken olmak üzere;
Zamanla rassal olarak gelişen bir sistem düşünelim (Örneğin öğle saatlerinde bir kafedeki müşteri sayısı).
Varsayalım ki bu sistem anlarında gözlensin. , anındaki sistemin durumu olsun.
rassal değişkenler dizisi, kesikli zaman stokastik süreç olarak isimlendirilir ve
şeklinde gösterilir. Stokastik Süreçler bazı zaman periyotlarında çalışan bir sistemin davranışını tanımlamakla
ilgilidir.
154
Durum: Rasgele değişkenin aldığı her bir değere durum denir. Sistem karakteristiklerinin anındaki
değeridir. Bir sistemin mevcut durumu durum olarak isimlendirilen kategoriden birine düşer. Bir sistem
aynı anda iki durumda olamaz (Timor, 2001). Durumlar olarak etiketlenir. rassal değişkeni,
anındaki sistemin durumunu temsil eder.
Durum Uzayı: Bir sistemin olası tüm durumlarını içeren kümeye, durum uzayı denir. Rasgele değişkenin
alabileceği değerlerin tümünü kapsayan kümesi durum uzayı olarak adlandırılır. Durum uzayı sürekli veya
kesikli değerlerden oluşabilir. Buna göre süreci sürekli-durumlu stokastik süreç veya kesikli-durumlu
stokastik süreç olarak adlandırılır.
İş Makinesi Örneği:
Sistemin şimdiki durumu ve geçmişte bulunduğu durumlar biliniyor olsun, buna göre sistemin gelecekteki
durumunun koşullu olasılığı şimdiki durumuna bağlı olup, geçmişteki durumlardan bağımsızdır. Bir başka
ifadeyle bütün durumlar ve zamanlar için,
Örneğin bir hastanın herhangi bir gündeki sağlık durumunun (kritik, normal, iyi, vs) olasılığı, sadece bir
önceki gün bulunduğu duruma bağlı ise bu bir Markov sürecidir. Markov özelliğine sahip stokastik bir
süreci eşit ve kesikli zaman aralıkları ile ifade ediliyorsa, Markov zinciri olarak adlandırılır.
Sistemin herhangi bir dönemde durumunda iken bir sonraki dönemde durumuna geçme olasılığı ile
gösterilir ve geçiş olasılığı olarak adlandırılır.
Buna göre vektörü başlangıç olasılık dağılımını gösteren başlangıç olasılığı vektörü
olarak adlandırılır. S durumlu bir markov zincirinin geçiş olasılıkları boyutlu bir geçiş matrisi (kare
matris) şeklinde gösterilir (Timor, 2010).
155
Geçiş matrisinin satırları aşağıdaki koşulları sağlamalıdır.
1.
2.
156
Örnek:
Örnek:
Örnek:
157
10.5. Stokastik Süreçlerin Sınıflandırılması
Örnek:
İş makinesi problemine ilişkin geçiş olasılıkları matrisi aşağıdaki gibi verildiğine göre;
Birinci adımdaki geçiş olasılığı: 10. Günün sonunda makine arızalndığına göre, 11.Günde de makinenin
arızalanma olasılığı nedir?
İkinci adımda geçiş olasılığı: 10.Günün sonunda makine arızalandığına göre 12.Günde de makinenin
arızalanma olasılığı nedir?
Üçüncü adımda geçiş olasılığı: 10.Günün sonunda makine arızalandığına göre 13.Günde de makinenin
arızalanma olasılığı nedir?
158
.adımda geçiş matrisi geçiş matrisi ’nin . kuvveti alınarak bulunur.
ve genel olarak;
.geçiş matrisi veya tek adımda geçiş matrisi daha önce elde edilmişti. 2-adımda veya 3-adımda ve 4-
adımda geçiş matrisleri sırasıyla;
.adımda geçiş olasılıkları yeterince uzun bir geçiş sürecinden sonra sabit bir değere yaklaşma eğilimi
gösterirler, yani kararlı bir hale gelirler. Buna markov sürecinde denge durumu denir.
Örneğin, ; ; ; ; serisi
incelendiğinde olasılığındaki değişim miktarının her adımda gittikçe azaldığı görülür.
Bir Markov zincirinin durumlarından bazıları yutan ve diğerleri de geçici durumlar ise bu markov zinciri
Yutan Markov Zinciri olarak adlandırılır (Öztürk, 2009).
Örnek:
Müşterilerine kredi ile alışveriş olanağı sunan bir mağaza, alacakların tahsili için son ödeme tarihinden sonra
iki hafta beklemekte ve bu süre Içerisinde borcunu ödemeyen müşterileri cezalı müşteriler kategorisine
koyup alacak tahsili için yasal yollara başvurmaktadır. İki hafta içerisinde borcunu ödeyen bir müşteri yutan
bir duruma geçmiş olacaktır. Öbür yandan borcunu iki haftadan fazla geciktiren bir müşteri de yine yutan bir
duruma geçmiş olacaktır.
Her haftanın başında müşterilerin hesapları incelenip aşağıdaki durumlara göre değerlendirilmektedir (son
ödeme tarihinden itibaren 1-7 gün geciken borç bir hafta gecikmiş, 8-14 gün geciken borç iki hafta gecikmiş
olarak değerlendirilecektir)
159
Durum 1: Borcunu ödemiş
Geçmiş dönemlere ait verinin değerlendirilmesi sonunda, haftalık olarak mağazanın alacaklarının durumunu
gösteren aşağıdaki geçiş matrisi elde edilmiş olsun.
Örnek:
Şehirden uzak bir küçük kasabada ve gibi iki market bulunmaktadır. Kasabada marketten alış veriş
yapan toplam müşteri sayısı 1000 kişidir. Marketler arası müşterilerin geçişleri aşağıda verildiği şekildedir.
Başlangıç durumunda müşteri sayıları; şeklindedir. Buna göre üç dönem sonra müşteri
durumları ne şekilde olacaktır?
Çözüm:
160
Mevcut durumda marketinden alışveriş yapan müşterilerden 800 tanesi bir sonraki alış
verişlerinde tekrar marketine gideceklerdir.
Mevcut durumda marketinden alışveriş yapan müşterilerden 200 tanesi bir sonraki alış
verişlerinde marketine gideceklerdir.
Mevcut durumda marketinden alışveriş yapan müşterilerden 400 tanesi bir sonraki alış
verişlerinde marketine gideceklerdir.
Mevcut durumda marketinden alışveriş yapan müşterilerden 600 tanesi bir sonraki alış
verişlerinde tekrar marketine gideceklerdir.
Kasabadaki toplam müşteri sayısı 1000 kişi olduğu bilindiğine göre geçiş olasılıkları bulunabilir.
Mevcut durumda marketinden alışveriş yapan müşterilerin bir sonraki alış verişlerinde tekrar
marketine gitme olasılıkları: olacaktır.
Mevcut durumda marketinden alışveriş yapan müşterilerin bir sonraki alış verişlerinde
marketine gitme olasılıkları: olacaktır.
Mevcut durumda marketinden alışveriş yapan müşterilerin bir sonraki alış verişlerinde
marketine gitme olasılıkları: olacaktır.
Mevcut durumda marketinden alışveriş yapan müşterilerin bir sonraki alış verişlerinde
marketine gitme olasılıkları: olacaktır.
Buna göre marketler arası müşteri geçiş olasılıkları diyagramı aşağıdaki gibi olur.
Üçüncü dönemden sonraki müşteri sayıları sorulduğudunda; Bunun için matrisinin küpü alınacaktır.
Böylece üç dönem sonraki geçiş olasılıkları elde edilmiş olacaktır.
161
olarak elde edilir.
Müşteriden bahsedildiği için yaklaşık tam değerler kişi şeklinde müşteri dağılımı
gerçekleşecektir.
Örnek:
Aşağıda durum geçiş olasılıkları diyagramı verilen sisteme ilişkin durum geçiş olasılıkları matrisini belirleyiniz.
İkinci adımda değerlerini bulunuz. Üçüncü adım olasılıklarını belirleyiniz. Onuncu adım
olasılıklarını bulunuz. Elde edilen olasılık matrisinin yorumlayınız.
Çözüm:
162
Olasılıklar adım sayısı arttıkça belirli bir değere sabitlenmiştir.
Örnek:
Aşağıda durum geçiş olasılıkları diyagramı verilen sisteme ilişkin durum geçiş olasılıkları matrisini belirleyiniz.
Çözüm:
163
Örnek:
A, B ve C birbirinin rakibi üç bisküvi markasıdır. Bu bisküvilerin pazar payları (0,5; 0,3; 0,2) şeklindedir. Bu
bisküvileri sevenleri arasında yapılan araştırmaya göre, belirli bir bisküviyi yiyen birinin bir sonraki seferde
hangi bisküviyi tercih edeceği aşağıdaki şekilde ifade edilmiştir.
Buna göre dördüncü dönem sonunda bisküvilerin pazar payları ne şekilde olacaktır?
Çözüm:
Durumlar arası geçiş olasılıklarını gösteren geçiş matrisi soruda verilmiştir. Bu matrise göre örneğin, mevut
durumda B bisküvisini yiyen biri, bir sonraki durumda A bisküvisini yeme olasığı 0,4, tekrar B bisküvisini
yeme olasılığı 0,3, C bisküvisini yeme olasılığı ise 0,3’tür. Bu geçiş matrisi kullanılarak dört dönem sonra
bisküvilerin pazar payları hesaplanacaktır. Bunun için;
kullanılacaktır.
Bunun için matrisinin dördüncü kuvveti alınacaktır. Böylece dört dönem sonraki geçiş olasılıkları elde
edilmiş olacaktır.
şeklinde olmaktadır. Dört dönem sonra, A ve B bisküvilerinin pazar payı azalırken, C bisküvisinin pazar
payının arttığı görülmektedir.
matrisinin Özellikleri:
2. İkinci özellik, satır girişleri toplamının 1’e eşit olması gerektiğini ifade eder.
164
10.6. Ergodik Markov Zinciri
Geçiş matrisi üzerinde her bir durumdan diğer her bir duruma geçiş doğrudan veya dolaylı olarak
yapılabiliyorsa, matrise ergodik matris, markov analizindeki zincir kavramı ile ilinti kurulmasına ise ergodik
zincir denir (Can,2015).
Üstteki matrisi ise ergodik bir Markov zinciri değildir. Sebebi ise 4. duruma hiçbir şekilde
varılamamaktadır.
P 'nin kuvvetlerinde izlenebileceği gibi n büyüdükçe P değerleri sabit bir sayıya veya limite yaklaşmaktadırlar
ve olasılık vektörleri bütün değerleri için eşit olmaya meyletmektedir
adım sonra denge durumuna ulaşmış herhangi bir Markov süreci için durumlar;
şeklinde hesaplanır.
Örnek:
Konuda örneği incelenen “market müşterilerinin market değiştirme durumların” uzun vadede nasıl olacaklarını
bulunuz.
Çözüm:
Uzun vadede ne olunacağı söz konusu olduğu için durağanlık yani denge durumu söz konusudur.
165
şeklinde olmaktadır.
şeklinde yazılabilir.
şeklinde olacaktır.
Varsayalım ki 2 TL’miz var ve her yazı-tura atışımızda eğer para TURA gelirse 1 TL kazanıyoruz, YAZI
gelirse 1 TL kaybediyoruz. Bir atışta paranın TURA gelmesi olasılığı p dir. Cebimizdeki para miktar 4 TL
olduğunda yada hiç paramız kalmadığında oyun sona erecektir.
166
Örnek:
Aşağıda verilen durum geçiş diyagramına göre geçiş olasılıkları matrisini yazınız.
Çözüm:
Bölüm Özeti
Bu bölümde Markov Analizi, Geçiş olasılıkları diyagramı, Geçiş olasılıkları matrisi, Durum, Durum uzayı,
Adım, Markov zinciri tanımları ve markov zincirinin kullanım alanları, uygun işletme problemlerin çözümünde
Markov Analizinin kullanımı incelenmiştir.
Markov analizi, verilen bir sistemdeki gelecek durumların mevcut durumlara bağlı olduğu hâllerdeki stokastik
süreçlerini modellemede kullanılır. Birinci derecen Markov analizi gelecek durumların şimdiki durum
verildiğinde geçmiş durumlardan bağımsızlığını kabul eder. Markov analizinde sisteme ait bütün açıklayıcı
bilgiler durum adı verilen ifadelerde tutulmaktadır. Markov Analizi modeli karmaşık bir sistemin güvenilirlik
davranışını, önceden tanımlanmış bir ayrık durumlar kümesi üzerinde tanımlı durum geçiş diyagramı ile
modelleyebilmekte ve durumlar arası geçiş hızını tahmin etmekte kullanılabilmektedir. Bu sebeple, Markov
Analizi modelleri muhtemel olay zincirlerini etkin bir şekilde temsil etme konusunda oldukça başarılıdırlar.
Birçok durumda Markov zincirleri denge durumuna ulaşırlar. Denge durumuna ulaşmış bir Markov zinciri
kullanılarak uzun dönemde durumların ne olacağı konusunda tahmin yapılabilir. Uzun dönem sonunda
167
Markov Analizinde süreç denge durumuna veya durağan durum koşullarına ulaşır. Bu durumda sürecin
geleceği ile ilgili etkili yorumlar yapılabilir.
Kaynakça
Altaylı, B. (1996). Yönetm Kararlarında Kantitatif Yöntemler Yöneylem Araştırması.UYTES, Ankara.
Can, T. (2015). Yöneylem Araştırması Nedensellik üzerine Diyaloglar I, Beta Yayınları, İstanbul.
Doğan, İ. (1995). Yöneylem Araştırması Tekniklerli ve İşletme Uygulamaları. Bilim Teknik Yayınevi,
İstanbul.
Taha, H. A., (2006). “Yöneylem Araştırması”, (Çeviri: Alp Baray, Şakir Esnaf), Literatür Yayıncılık,
İstanbul.
Tütek, H. H. Gmüşoğlu, Ş. (2005). Sayısal Yöntemler Yönetsel Yaklaşım, Beta Yayınları, İstanbul.
Değerli öğrenciler,
Bu çalışma ile tüm okuyuculara Yöneylem Araştırması konusunda gerekli temel bilgilerin verilmesi
amaçlanmıştır. Özellikle çok yıllar okumaya ara vermiş olan veya sayısal temelim yok diyen kıymetli
öğrencilerimiz;
İşletme eğitiminde başarı sağlayabilmenin temeli sayısal derslerdeki başarıdan geçer. Sayısal tarafınızı daha
da güçlendirebilmek sizin elinizdedir. Size kolaydan zora doğru gidecek biçimde temelden başlayarak
Yöneylem Araştırması bilgilerini bu ders notu ile paylaşmış bulunmaktayız. Ders notunu baştan sona çalışarak
ilerlediğiniz ve çözümlü soruları anlayıp, test sorularını da çözdüğünüz takdirde başarı kendiliğinden
gelecektir.
Ünite Soruları
Soru-1 :
168
Bir sonraki periyodda A seçeneğinden B seçeneğine geçme olasılığı kaç olur?
(•) - 0,60
(•) - 0,40
(•) - 0,30
(•) - 0,70
(•) - 1,00
Cevap-1 :
0,40
Soru-2 :
(•) - 0,60
(•) - 0,40
(•) - 0,30
(•) - 0,70
(•) - 1,00
Cevap-2 :
0,70
169
Soru-3 :
İki adım sonraki periyodda A seçeneğinden A seçeneğine geçme olasılığı kaç olur?
(•) - 0,48
(•) - 0,52
(•) - 0,39
(•) - 0,61
(•) - 1,00
Cevap-3 :
0,48
Soru-4 :
İki adım sonraki periyotta B seçeneğinden B seçeneğine geçme olasılığı kaç olur?
(•) - 0,48
(•) - 0,52
(•) - 0,39
(•) - 0,61
(•) - 1,00
170
Cevap-4 :
0,61
Soru-5 :
(•) - 0,444
(•) - 0,556
(•) - 0,417
(•) - 0,583
(•) - 1,00
Cevap-5 :
0,556
Soru-6 :
(•) - 0,444
(•) - 0,556
171
(•) - 0,417
(•) - 0,583
(•) - 1,00
Cevap-6 :
0,444
Soru-7 :
Cevap-7 :
Soru-8 :
172
(•) - (10, 20)
(•) - (0, 0)
Cevap-8 :
(12, 18)
Soru-9 :
(•) - (200, 0)
Cevap-9 :
(90, 110)
173
174