Chapter 3 Introduction to LP - Part 1

Professor Heesang Lee

SKK University
 Start of Linear Programming

 George Dantzig
 Junior Statistician U.S.
Bureau of Labor Statistics
(1937-39)
 Head of USAF Combat
Analysis Branch (1941-46)
 PhD Mathematics, Cal Berkeley (1946)
 Invented “Simplex” method for solving
linear programs (1947)

2/36
HSLee@SKKU
 3.1 Prototype Example:
The Wyndor Glass Company Problem

 The Wyndor Glass Company is planning to launch two new products.

 Product 1 is an 8-foot glass door with aluminum framing and Product 2 a
4x6 foot double-hung wood-framed window
 Aluminum frames are made in Plant 1, wood frames are made in Plant 2,
and Plant 3 produces the glass and assembles the products.
 Product 1 requires some of the production capacity in Plants 1 and 3, but
none in Plant 2.
 Product 2 needs only Plants 2 and 3.
 The marketing division has concluded that the company could sell as
much of either product as could be processed by these plants.
 The management of the company wants to determine what mixture of
both products would be the most profitable.
 The following table provides the information available.

3/36
HSLee@SKKU
 Example – Wyndor Glass
Formulate and take a guess at soln.
Time required per batch
Plant Product 1 x1 Product 2 x2 Time Avail
1 1 0  4
2 0 2  12
3 3 2  18
profit per batch (Z) $3,000 $5,000

Max 3x1 + 5x2

s.t. 1x1 + 0x2  4
0x1 + 2x2  12
3x1 + 2x2  18
x 1, x 2  0
4/36
HSLee@SKKU
 Max 3x1 + 5x2
s.t. 1x1 + 0x2  4
Graphical Solution Procedure 0x1 + 2x2  12
3x1 + 2x2  18
x1, x2  0
1. Graph the feasible re-
gion
2. Graph a representative
profit line
3. Move the line in the di- FIGURE 3.2 Shaded area shows the set of permissible val-
ues of (x1, x2), called the feasible region
rection of increasing
profit.
4. Stop when you are as
high as you can get
within the feasible region
(until reaching the point beyond which any
increase of the objective function would
take you outside of the feasible region).
FIGURE 3.3 The value of (x1, x2) that maximizes 3x1 + 5x2 is (2, 6).

5/36
HSLee@SKKU
 3.2 LP Models

 Allocate m resources across n activities to maximize Z.

 Z = objective
 xj = level of activity j
 cj = increase in z from 1 unit of xj
 bi = amount of resource i available
 aij = amount of resource i consumed by activity j

6/36
HSLee@SKKU
 Standard Form

′
Concise version:
max 𝑐 𝑥
A is an m by n matrix: n variables, m constraints
7/36
HSLee@SKKU
Sec. 3.2 Standard Form for LP

Max Z = c1 X 1 + c2 X 2 + . . . + cn X n Decision
Variables
s. t .
a11 X 1 + a12 X 2 + . . . + a1n X n £ b1
a21 X 1 + a22 X 2 + . . . + a2 n X n £ b2
:
:
am1 X 1 + am2 X 2 + . . . + amn X n £ bm
X 1 ³ 0, X 2 ³ 0, . . . , X n ³ 0
8/36
HSLee@SKKU
Sec. 3.2 Standard Form for LP

Max Z = c1 X 1 + c2 X 2 + . . . + cn X n Objective
목적함수
s. t .
a11 X 1 + a12 X 2 + . . . + a1n X n £ b1 Ex. Z=3x+8y
X,y 에 들어가는
a21 X 1 + a22 X 2 + . . . + a2 n X n £ b2 최적해
: Z 값이 목적함
:
am1 X 1 + am2 X 2 + . . . + amn X n £ bm
X 1 ³ 0, X 2 ³ 0, . . . , X n ³ 0
9/36
HSLee@SKKU
Sec. 3.2 Standard Form for LP

Max Z = c1 X 1 + c2 X 2 + . . . + cn X n
s. t .
a11 X 1 + a12 X 2 + . . . + a1n X n £ b1 Functional
Constraints
a21 X 1 + a22 X 2 + . . . + a2 n X n £ b2 제약식

:
:
am1 X 1 + am2 X 2 + . . . + amn X n £ bm
Nonnegativity
X 1 ³ 0, X 2 ³ 0, . . . , X n ³ 0
Constraints
10/36
HSLee@SKKU
 Other Forms
The other legitimate forms are the following:
1. Minimizing rather than maximizing the objective function:
Minimize Z = c1x1 + c2x2 + · · · + cnxn.
2. Some functional constraints with a greater-than-or-equal-to inequal-
ity:
ai1x1 + ai2x2 · · · + ainxn  bi for some values of i.
3. Some functional constraints in equation form:
ai1x1 + ai2x2 · · · + ainxn = bi for some values of i.
4. Deleting the nonnegativity constraints for some decision variables:
xj unrestricted in sign for some values of j.
Converting a legitimate form into the standard form
• Slack/surplus variables
• Replacing ‘free’ variables
• Minimization is converted to maximization
11/36
HSLee@SKKU
 Linear Programming Terminology
 Solution: any set of (x1, …,xn)
 Feasible solution: all constraints satisfied
 Optimal solution: no better solution exists
 Corner point feasible (CPF): a solution that lies
at the corner of the feasible region.
 Corner point feasible solution lies at a corner of
the feasible region. That is, it lies at the intersec-
tion of n constraints, where n is the number of
decision variables.
 If there is an optimal solution, then there is al-
ways at a corner point feasible solution.
12/36
HSLee@SKKU
 4 Cases in Linear Programming
 An LP can
LP can havehave a unique
multiple op- solutions
optimal
timal
 Atsolution
least two corner points are optimal. There are infinite optimal solu-
 tions lying
This is on the
always line between
a corner point the two CPF

13/36
HSLee@SKKU
 4 cases in Linear Programming
 LP can be infeasible  LP can be unbounded
 The constraints are such that
no point exists that satisfies all
the contraints

14/36
HSLee@SKKU
 3.3 Assumptions of LP
 Linear objective function, constraints
1. Proportionality: The contribution of each activity to the
value of the objective function is proportional to the level
of activity
2. Additivity: Every function in the LP model is the sum
of the individual contributions of the respective activities
(Interaction not allowed)
3. Divisibility: Continuous decision variables cf. Integer
variable
4. Certainty: Deterministic parameters (The value as-
signed to each parameter of a linear programming
model is assumed to be a known constant.) cf. stochas-
tic programming

15/36
HSLee@SKKU
Violating Proportionality
Case 1 of Table 3.4

16/36
HSLee@SKKU
Violating Proportionality
Case 2 of Table 3.4

Case 3 of Table 3.4

17/36
HSLee@SKKU
Violating Additivity

18/36
HSLee@SKKU
 Violating Divisibility & Certainty
 Divisibilty
x1 > 0 , x 2 > 0 or x1 > 0 , x2 > 0 & integers
8

2
2 4 6 8 10 12
 Certainty
Max Z = 3X1 + 5X2
s.t. X1 <8 How certain are we of
X2 <6 this demand?
3X1 + 4X2 < 36
X1 > 0 , X2 > 0 19/36
HSLee@SKKU
 3.4 Additional Examples

 Page 47. Design of Radiation Therapy

 Page 51. Regional Planning of Kibbutzim
 Page 53. Controlling Air Pollution
 Page 56. Reclaiming Solid Waste
 Page 60. Personnel Scheduling
 Page 63. Distributing Goods in a Network

20/36
HSLee@SKKU
 bladder: 방광
tumor: 종양
rectum: 직장
Page 47 Design of Radiation Therapy coccyx: 꼬리뼈
femur: 대퇴골
pelvis: 골반
 Mary
 상당히 진전된 상태의 암
 방광 부근에 대형 종양
 방사선 시술
 이온화된 방사선 빔 : 암 세포 조직은 물론
건강한 세포 조직도 파괴
 몇 가지 방사선 빔이 2 차원상의 서로 다른
각도로 정교하게 시술
 감쇠효과 : 출구점 주변의 조직보다 진입점
주변의 조직에 더 많은 방사선이 있음
 산란현상 : 방사선 빔의 직접적인 경로
바깥의 조직에도 방사선이 도달
 암 세포는 보통 현미경적으로 작은 단위로
정상 세포 사이에 퍼져 있고 , 암 세포는
정상 세포보다 조금 더 전파에 민감
 방사선이 암세포 지역에 충분히 강하게
조사되어 암 세포를 죽일 수 있어야 하며
 너무 강하게 조사되지 않아서 건강한
세포를 죽이지 말아야 함
21/36
HSLee@SKKU
 Radiation Therapy: Formulation
진입점에서의 방사선량
총 조사량 제한 ,
영역
빔 1 빔 2 킬로래드

건강한 세포조직 0.4 0.5 Minimize

중요 장기 0.3 0.1  2.7
전체 암세포 0.5 0.5 = 6.0
 Variables:암세포 중심부 0.6 0.4  6.0
x1 = amount of dose at the entry point by beam 1
x2 = amount of dose at the entry point by beam 2
 Minimize: (Total absorption by healthy anatomy)
0.4 x1 + 0.5 x2
Subject to
0.3 x1 + 0.1 x2  2.7 (Absorption by critical tissues)
0.5 x1 + 0.5 x2 = 6 (Absorption by tumor region)
0.6 x1 + 0.4 x2  6 (Absorption by center of tumor)
x1, x2  0
22/36
HSLee@SKKU
 Radiation Therapy: Solution
y .6x+.4y = 6
12 (6,6)

(7.5,4.5), Z= 5.25
Objective
function
contour
.3x+.1y=2.7 .5x+.5y=6
0 9 10 12 x

 그래프 사용하여 구하는 해

 가능 해 영역은 (6, 6), (7.5, 4.5) 를 연결하는 청색의 선분
 하나의 항등식 제약조건은 가능 해 영역을 이 선분을 포함하는 선분으로 한정 , 다른
두 개의 기능 제약식은 이 선분의 양 끝점을 결정
 점선은 Z = 5.25 를 갖는 (x1, x2) = (7.5, 4.5) 의 최적 해를 지나는 목적함수
 CFP (7.5, 4.5) 의 Z= 5.25 < CFP (6,6) 의 Z = 5.4
 방사선 빔 1 은 7.5 킬로래드 , 방사선 빔 2 는 4.5 킬로래드를 조사하는 것이
최적
23/36
HSLee@SKKU
 Page 51. Regional Planning of Kibbutzim
 남부 키부츠 연합 : 이스라엘의 3 개의 키부츠 연합체
 이 그룹을 위한 전반적인 계획은 Coordinating Technical Office 에서 수행
 현재 이 사무소는 내년도 농업 계획을 수립 중
 각각의 키부츠의 농업 산출물은 경작가능한 농지의 크기와 수자원 위원회가
관리하는 용수의 양에 의해 제한

표 3.8 남부 키부츠 연합의 자원 자료 표 3.9 남부 키부츠 연합의 경작물 자료

경작 가능 농지 수자원 배분 최대 경작지 수자원 사용 순이익

키부츠 ( 에이커 * 피 작물 ( 달러 / 에이
( 에이커 ) 할당량 ( 피트 / 에이커 )
트) 커)
1 400 600 사탕무우 600 3 1,000
2 600 800 면화 500 2 750
3 300 375 사탕수수 325 1 250
표 3.10 남부 키부츠 연합 문제의 의사결정 변수
경작지 할당량 ( 에이커 )
작물 키부츠
1 2 3
사탕무우 x1 x2 x3
면화 x4 x5 x6
사탕수수 x7 x8 x9

24/36
HSLee@SKKU
 경작지 할당량 ( 에이커 )
Regional Planning of 작물 키부츠
1 2 3
Kibbutzim: Formulation 사탕무우 x1 x2 x3
면화 x4 x5 x6
사탕수수 x7 x8 x9
 목적함수 : Z 의 효율성에 대한 척도는 총 수익
Maximize Z = 1,000(x1 + x2 + x3) + 750(x4 + x5 + x6) + 250(x7 + x8 + x9)
 제약 조건 표 3.8 남부 키부츠 연합의 자원 자료
1. 각각의 키부츠의 사용가능한 경작지 경작 가능 농지 수자원 배분
키부츠
( 에이커 ) ( 에이커 * 피트 )
1 400 600
2 600 800
2. 각각의 키부츠의 용수 할당 :
3 300 375

표 3.9 남부 키부츠 연합의 경작물 자료

최대 수자원 사용 순이익
3. 각각의 경작물의 총 면적 제한 작물 경작지 ( 피트 / ( 달러 /
할당량 에이커 ) 에이커 )
사탕무우 600 3 1,000
면화 500 2 750
사탕수수 325 1 250

4. 경작지의 비율 형평성

5. 비음 조건

25/36
HSLee@SKKU
 Page 53. Air Pollution Controlling
 Nori & Leets: A Steel Company
 Three pollutants: particulate matter, sulfur ox-
ides, hydrocarbons
 Annual requirements of reduction of these
(60, 150, 125 million pounds)
 Activities: some pollution abatement methods
 Each activity reduce different amount of each pol-
lutant
 Performance measure: Minimizing pollution
control cost with satisfying goals of pollution
reduction
26/36
HSLee@SKKU
 Air Pollution Controlling: Formulation
표 3.13 Nori & Leets 회사의 가능 경감 대책의 사용을 통한 배출율의 감소

굴뚝 높이 개선 필터 장치 사용 연료 첨가 사용
Annual
용광로 평로 용광로 평로 용광로 평로 requiremen
오염 형태
x1 x2 x3 x4 x5 x6 ts of
reduction
미립자 물질 12 9 25 20 17 13 of these
(60, 150,
유황산화물 35 42 18 31 56 49 125 million
탄화수소 37 53 28 14 29 20 pounds)

표 3.15 감소 대책의 최대 사용의 부분 비율 의사결정 변수 Minimize Z = 8x1 + 10x2 + 7x3 + 6x4 + 11x5 + 9x6
1. 배출 감소 :
개선 방법 용광로 평로 12x1 + 9x2 + 25x3 + 20x4 + 17x5 + 13x6 >= 60
굴뚝 높이 개선 x1 x2 35x1 + 42x2 + 18x3 + 31x4 + 56x5 + 49x6 >= 150

필터 장치 사용 x3 x4 37x1 + 53x2 + 28x3 + 24x4 + 29x5 + 20x6 >= 125

2. 기술적 제한 : xj <= 1, for j = 1, 2, ..., 6
연료 첨가 사용 x5 x6
3. 비음조건 : xj >= 0, for j = 1, 2, ..., 6.

27/36
HSLee@SKKU
 Page 57. Reclaiming Solid Waste
Product Data for the Save-It Company
Amalgamation Cost per Selling Price per
Grade Specification Pound Pound
Material 1: Not more than 30% of total
Material 2: Not less than 40% of total
A $3.00 $8.50
Material 3: Not more than 50% of total
Material 4: Exactly 20% of total
Material 1: Not more than 50% of total
B Material 2: Not less than 10% of the total 2.50 7.00
Material 4: Exactly 10% of the total
C Material 1: Not more than 70% of the total 2.00 5.50

Material Data for the Save-It Company

Pounds/Week Treatment Cost
Material Available per Pound Additional Restrictions
1 3,000 $3.00 1. For each material, at least half of the
pounds/week available should be col-
2 2,000 6.00
lected and treated.
3 4,000 4.00 2. $30,000 per week should be used to
treat these materials.
4 1,000 5.00 28/36
HSLee@SKKU
 Reclaiming Solid Waste: Formulation
 Formulation 1
 yi = 주당 등급 i 의 제품을 생산하는 양 ( 파운드 단위 ) (i = A, B, C)
 zij = 물질 j 가 등급 i 제품에 있는 비율 (i = A, B, C; j = 1, 2, 3, 4).
 그러나 표 3.17 은 처리 비용과 가용한 물질의 양을 비율이 아닌 파운드
단위로 제시하고 있어서 , 이런 용량의 정보가 제약식에 기록될 필요 발생
 물질 j, ( j = 1, 2, 3, 4) 에 대해 주당 필요로 하는 물질 j 의 ( 파운드
단위 ) 용량은 zAj yA + zBj yB + zCj yC
 zA1 yA + zB1 yB + zC1 yC <= 3,000  비선형
 Formulation 2
 xij = zij yi (for i = A, B, C; j = 1, 2, 3, 4) = 1 주일에 등급 i 제품에 사용된 물질 j
의 파운드 량 ,
 xij 를 서로 다른 방법으로 결합하면 모형에 필요한 다음과 같은 용량들이 산출된다 .
 xi1 + xi2 + xi3 + xi4 = 1 주일에 등급 i 에 생산한 용량 ( 파운드 )
 xAj + xBj + xCj = 1 주일에 물질 j 를 사용한 용량 ( 파운드 )
 등급 i 에 들어있는 물질 j 의 비율 :

29/36
HSLee@SKKU
 Algebraic Formulation for Save-It Co.
xi1 + xi2 + xi3 + xi4 = 1 주일에 등급 i 에 생산한 용량 (
파운드 )
xAj + xBj + xCj = 1 주일에 물질 j 를 사용한 용량 ( 파운드 )
Let xij = Pounds of material j allocated to product i per week (i = A, B, C; j = 1, 2,등급
3, 4).i 에 들어있는 물질 j 의 비율 :Amalgamation Selling
Grade
Cost/Pound Price/Pound

A $3.00 $8.50
Maximize Profit = 5.5(xA1 + xA2 + xA3 + xA4) + 4.5(xB1 + xB2 + xB3 + xB4) + 3.5(xC1 + xC2 + xC3 + xC4)
subject to Mixture Specifications: B 2.50 7.00
Grade Specification
C 2.00 5.50
xA1 ≤ 0.3 (xA1 + xA2 + xA3 + xA4) Material 1: Not more than 30% of total
xA2 ≥ 0.4 (xA1 + xA2 + xA3 + xA4) A
Material 2: Not less than 40% of total
Material 3: Not more than 50% of total
xA3 ≤ 0.5 (xA1 + xA2 + xA3 + xA4) Material 4: Exactly 20% of total
xA4 = 0.2 (xA1 + xA2 + xA3 + xA4) Material 1: Not more than 50% of total
xB1 ≤ 0.5 (xB1 + xB2 + xB3 + xB4) B Material 2: Not less than 10% of the total
Material 4: Exactly 10% of the total
xB2 ≥ 0.1 (xB1 + xB2 + xB3 + xB4)
C Material 1: Not more than 70% of the total
xB4 = 0.1 (xB1 + xB2 + xB3 + xB4)
xC1 ≤ 0.7 (xC1 + xC2 + xC3 + xC4)
Pounds/Week Treatment
Availability of Materials: Material Available Cost/Pound Additional Restrictions
xA1 + xB1 + xC1 ≤ 3,000 1 3,000 $3.00 1. For each material, at least half of the pounds/
xA2 + xB2 + xC2 ≤ 2,000 week available should be collected and treated.
2 2,000 6.00 2. $30,000 per week should be used to treat
xA3 + xB3 + xC3 ≤ 4,000 these materials.
xA4 + xB4 + xC4 ≤ 1,000 3 4,000 4.00
Restrictions on amount treated: 4 1,000 5.00
xA1 + xB1 + xC1 ≥ 1,500
xA2 + xB2 + xC2 ≥ 1,000
xA3 + xB3 + xC3 ≥ 2,000
xA4 + xB4 + xC4 ≥ 500
Restriction on treatment cost:
3(xA1 + xB1 + xC1) + 6(xA2 + xB2 + xC2) + 4(xA3 + xB3 + xC3) + 5(xA4 + xB4 + xC4) = 30,000
and xij ≥ 0 (i = A, B, C; j = 1, 2, 3, 4). 30/36
HSLee@SKKU
 Page 60. Personnel Scheduling
 Small sized version of United Airline (Union Airways)
Problem: adding more flights to and from its hub airport and
so needs to hire additional customer service agents
 Activities: shifts

 Level of an activity: the number of agents of the shift

 The five authorized eight-hour shifts are
 Shift 1: 6:00 AM to 2:00 PM
 Shift 2: 8:00 AM to 4:00 PM
 Shift 3: Noon to 8:00 PM
 Shift 4: 4:00 PM to midnight
 Shift 5: 10:00 PM to 6:00 AM
 Benefits: required number of agents of a time period
 Performance measure: minimize staffing cost
 Question: How many agents should be assigned to each shift?
31/36
HSLee@SKKU
 Schedule Data for Union Airways

Shift coverage (8 hr each)

Number of agents
Time period
1 2 3 4 5 needed

6-8 AM 48
8-10 79
10-12 65
12-2PM 87
2-4 64
4-6 73
6-8 82
8-10 43
10-12AM 52
12-6 15
Cost/agent-day 170 160 175 180 195
32/36
HSLee@SKKU
 Algebraic Formulation for Union Air
Shift coverage (8 hr each)
# of
Time pe- 1 2 3 4 5
agents
riod x1 x2 x3 x4 x5
Let xj = Number working shift j (for j = 1 to 5), needed

Minimize Cost = $170 x1 + $160 x2 + $175 x3 + $180 x4 + $195 x5 6-8 AM 48

subject to
Total agents 6AM–8AM: x1 ≥ 48 8-10 79
Total agents 8AM–10AM: x1 + x2 ≥ 79
10-12 65
Total agents 10AM–12PM: x1 + x2 ≥ 65
Total agents 12PM–2PM: x1 + x2 + x3 ≥ 87 12-2PM 87
Total agents 2PM–4PM: x2 + x3 ≥ 64
Total agents 4PM–6PM: x3 + x4 ≥ 73 2-4 64
Total agents 6PM–8PM: x3 + x4 ≥ 82 4-6 73
Total agents 8PM–10PM: x4 ≥ 43
Total agents 10PM–12AM: x4 + x5 ≥ 52 6-8 82
Total agents 12AM–6AM: x5 ≥ 15
8-10 43
and
xj ≥ 0 (for j = 1 to 5) 10-12AM 52

12-6 15

Cost/agent-
170 160 175 180 195
day

33/36
HSLee@SKKU
 Page 63. Distributing Goods in a Network
 DISTRIBUTION UNLIMITED CO.
 한 상품을 두 개의 다른 공장에서 생산하고 두 개의 창고로 운반
 어느 공장에서든 어느 창고로도 보낼 수 있음
 수송을 위한 유통 네트워크는 그림 3.13
 F1, F2 는 두 개의 공장 , W1, W2 는 두 개의 창고를 의미 , DC 는 배송센터
의미
 F1 이나 F2 로부터 보낼 용량의 상한은 공장을 나타내는 원의 왼쪽에 표시 ,
W1 과 W2 에서 받을 용량의 상한은 창고를 나타내는 원의 오른쪽에 표시

34/36
HSLee@SKKU
 Distributing Goods in a Network: Formulation
1. 흐름 보존 조건 : 유출 흐름의 양 - 유입 흐름의 양 = 필요한 양

2. 상한 조건 :

3. 비음 조건

35/36
HSLee@SKKU
 Homework
Solve the following problems
 3.1.6

 3.2.3

36/36
HSLee@SKKU