08 Linearno programiranje
-
Upload
abir-hadzic -
Category
Documents
-
view
220 -
download
0
Transcript of 08 Linearno programiranje
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 1/28
8.1 Maksimalizacija 5
8.1.1 Postavka matematičkog modela 5 8.1.2 Grafičko rješenje 6 8.1.3 Analitičko rješenje 7
8.2 Minimalizacija 9 8.2.1 Postavka matematičkog modela 10 8.2.2 Grafičko rješenje 10 8.2.3 Analitičko rješenje 10 8.2.4 Dualni model 12
8.3 Zadaci – LP 13 8.3.1 Maksimalizacija 13 8.3.2 Minimalizacija 15 8.3.3 Postoptimalna analiza 16
8.4 Transportna metoda 16 8.4.1 Postavljanje matematičkog modela 17 8.4.2 Zatvoreni transportni problem 17 8.4.3 Maksimalizacija 20 8.4.4 Otvoreni transportni problem 22 8.4.5 Zadaci – TP 22
8.5 Metoda raspodjele 23 8.5.1 Postavljanje matematičkog modela 24 8.5.2 Minimalizacija 24 8.5.3 Maksimalizacija 26 8.5.4 Zadaci – MR 28
Linearno programiranje (LP) je formalni postupak optimalizacije dijelova/sustava kod ko-
jih se funkcija cilja i ograničenja mogu izraziti linearnim kombinacijama varijabli.
Strojarski inženjeri će najčešće koristiti LP (u pravilu uz rač unalnu podršku) za:
• određivanje količina proizvoda (koje je moguće izraditi s raspoloživim resursima i
prodati po aktualnim cijenama) s kojima se postiže maksimalna dobit,
• određivanje dinamike proizvodnje ( pri izraženim sezonskim kolebanjima prodaje
proizvoda) s kojom se postiže maksimalna dobit,
• određivanje plana proizvodnje (koja se može ostvariti s raspoloživim resursima uz
aktualne troškove) s kojima se postižu minimalni troškovi,
• određivanje količine sirovine (određ enih svojstava) čijim se miješanjem formiraju
proizvodi (različ itih sastava i cijena) uz maksimalnu dobit,
• određivanje količina sirovina (različ itih sastava i cijena) čijim se miješanjem formi-ra proizvod (određ enih svojstava) uz minimalne troškove.
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 2/28
2 Kvantitativne metode
Nakon analize postupka, različite primjene LP-a će biti ilustrirane na primjerima.
Matematički model
Funkcija ce cilja (matematič ki opis postavljenog cilja) – izabrati vrijednosti n promjenlji-vih veličina x j ( j = 1, 2, .., n) tako da se dobije optimalno rješenje:
F c (F-8.1) n
T
j j j j 1
optopt
x x
=
= = •∑ D C X
gdje je: c j – j-ti koeficijent funkcije cilja ( jedinič ni trošak ili jedinič na cijena),
C = [c1 c2 cn], jednodimenzijski vektor koeficijenata funkcije cilja,
x j – j-ta promjenljiva veličina (količ ina),
X = [x1 x2 xn], jednodimenzijski vektor promjenljivih veličina,
n – broj promjenljivih veličina.
j
opt
x
znači: odrediti skup vrijednosti promjenljivih veličina kojim se postiže op-
timalna vrijednost (maksimalna ili minimalna) funkcije cilja F.
Ograničenja – m ograničenja oblika:
( )n
ij j j 1
=a x =
∑ D X ≤ = ≥ bi = B (F-8.2) A •
gdje je: aij – ij-ti koeficijent skupa ograničenja (višedimenzijski vektor, m n kom-
ponenti),
bi – i-ti slobodni član ograničenja ( jednodimenzijski vektor, m komponenti),
– mogući su znakovi ≥ ili = ili ≤.
Skraćeni je vektorski zapis:
A X ≥, =, ≤ B
Dodatna su ograničenja (nenegativnosti promjenljivih velič ina. te realne vrijednosti koefi-
cijenata i slobodnih č lanova):
x j ≥ 0 (F-8.3)
c j , aij , gi R (F-8.4)
gdje je: R – skup realnih brojeva.
( Dodatna ogranič enja se u pravilu ne pišu i podrazumijevaju se.)Formalnim se postupkom LP traži aktualni optimum (maksimum, opt = max, ili minimum,
opt = min) za zadanu linearnu funkciju cilja F-8.1, s n promjenljivih veličina, uz zadovolja-
vanje m linearnih ograničenja vrijednosti promjenljivih veličina F-8.2 (F-8.3 i F-8.4). Mogu-
će je: n > m , n = m i n < m. Postupak LP je moguće provesti na više različitih načina, a pos-
tuple je najjednostavnije pojasniti na primjerima.
PRIMJER P-8.1
Tvrtka može proizvoditi dva proizvoda (P 1 i P 2 ) u četiri pogona (I , II , III , IV ) koji su spe-
cijalizirani za proizvodnju – pogoni I i II za proizvode tipa P1 , pogoni III i IV za proizvode ti-
pa P2 . Za proizvodnju je potrebna radna snaga i dvije vrste sirovina (S1 i S2 ). Proizvodno-
ekonomski pokazatelji su dati u tabeli. Odrediti optimalni mjesečni plan proizvodnje.
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 3/28
08. Linearno programiranje 3
Proizvod P1 Proizvod P2
Pogon I Pogon II Pogon III Pogon IV
Mjesečni raspoloživi
resursi
Radna snaga, h/tP 4 2 4 6 480
Sirovina S1 , tS1/tP 4 6 10 16 640Sirovina S1 , tS2/tP 8 6 4 2 600
Jedinična dobit, kn/tP 800 600 800 1200
U tablici su sa tS1/tP i tS2/tP izražene mase sirovina potrebnih za proizvodnju 10 tona proi-
zvoda.
Funkcija cilja:
j
ma[800D(kn/tP1)Dx1D(tP1/mjs) + 600Dx2 + 800Dx3 + 1200Dx4] kn/mjs
xx
F =
F = j
max
x (800x1 + 600x2 + 800x3 + 1200x4)
Ograničenja: 4D(h/tP1)Dx1D(tP1/mjs) + 2Dx2 + 4Dx3 + 6Dx4 ≤ 480 h/mjs
4D(tS1/tP1)Dx1D(tP1/mjs) + 6Dx2 + 10Dx3 + 16Dx4 ≤ 640 tS1/mjs
8D(tS2/tP1)Dx1(tP1/mjs) + 6Dx2 + 4Dx3 + 2Dx4 ≤ 600 tS2/mjs
4x1 + 2x2 + 4x3 + 6x4 ≤ 480
4x1 + 6x2 + 10x3 + 16x4 ≤ 640
8x1 + 6x2 + 4x3 + 2x4 ≤ 600
Rješenje: x1 = 69 tP1/mjs x2 = 0 tP1/mjs x3 = 0 tP2/mjs x4 = 23 tP2/mjs
F = 82 800 kn/mjs
Opaska: ostaje raspoloživo 480 – 4D69 – 6D23 = 66 sati rada radnika. ( sirovine?)
PRIMJER P-8.2
U maloj termoelektrani, uz korištenje sustava
turbina/generator, proizvodi se električna struja.
Turbina se napaja s 3,2 kilograma po sekundi
pregrijane vodene pare, a moguće je prodavati:
(a) struju, po cijeni od 0,03 € po kilovat-satu,
(b) niskotlačnu paru za centralno grijanje x1, pocijeni 1,10 € po toni pare, te
(c) visokotlačnu tehnološku paru x2, po cijeni
1,65 € po toni pare.
Potrošači su zainteresirani za neograničene količine struje i ograničene količine pare:
4Dx1 + 3Dx2 ≤ 9,6 kg/s
Snaga generatora (u kW) ovisi o protocima pare kroz sekcije turbine (u kg/s):
P I = 48DmI P III = 56DmII P III = 80DmIII
Kako bi se spriječilo pregrijavanje niskotlačnog dijela turbine, kroz sekciju III mora protje-
cati bar 0,6 kg/s pare. Zbog sprječavanja prekomjernog neravnomjernog opterećenja vratila
turbine, za x1 = 0 kg/s dozvoljeno je x2 ≤ 1,8 kg/s, a pri povećanju oduzimanja pare x1 za
svaki kg/s smanjuje se oduzimanje pare x2 za 0,25 kg/s. Odrediti optimalnu proizvodnju.
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 4/28
4 Kvantitativne metode
Funkcija cilja:
F = j
maxx
(Dstruja + Dvisokotlačna_para + Dniskotlačna_para)
gdje je: D – dobit, €/h,
P E = 48DmI + 56DmII + 80DmIII kW
mI = 3,2 kg/s mII = (3,2 – x1) kg/s mII = (3,2 – x1 – x2) kg/s
prihod od struje: P E = 48D3,2 + 56D(3,2 – x1) + 80D(3,2 – x1 – x2) kW
P E = (48 + 56 + 80)D3,2 + (–56 – 80)Dx1 + (– 80)Dx2
prihod od struje: P EDkWD0,03D €D(kwDh) –1 = (588,8 – 136Dx1 – 80Dx2)D0,03 €/h
prihod od visokotlačne pare: x1DkgDs –1
D(3600DsDh –1
)D1,65D €D(1000Dkg) –1
= 5,94Dx1 €/h
prihod od niskotlačne pare: x2DkgDs –1D(3600DsDh –1)D1,10D €D(1000Dkg) –1 = 3,96Dx2 €/h
F = j
maxx
17,66 – 4,08Dx1 – 2,40Dx2 + 5,94Dx1 + 3,96Dx2 €/h
F = j
maxx
1,86Dx1 + 1,56Dx2 + 17,66 €/h
j
ma1,86Dx1 + 1,56Dx2 €/h F = F1 + 17,66 €/h
xx
F1 =
Ograničenja:Pregrijavanje turbine:
x1 + x2 + x3 = 3,2 kg/s x1 + x2 ≤ 3,2 – 0,6x1 + x2 ≤ 2,6
Neravnomjerno opterećenje:
x2 ≤ 1,8 – 0,25Dx1 /D4
x1 + 4x2 ≤ 7,2
Zainteresiranost potrošača:
4x1 + 3x2 ≤ 9,6
F1 = j
maxx
(1,86Dx1 + 1,56Dx2) €/h
x1 + x2 ≤ 2,6x1 + 4x2 ≤ 7,2
4x1 + 3x2 ≤ 9,6
Rješenje:x1 = 1,29 kg/s visokotlačne pare x2 = 1,48 kg/s niskotlačne pare (ostatak?)
F = F1 + 17,66 = 4,71 + 17,66 = 22,37 €/h
PRIMJER P-8.3
Na kontroli proizvoda rade dvije grupe kontrolora: I grupa s 6 kontrolora i II grupa s 10
kontrolora. Dnevno je za 8 h potrebno obaviti kontrolu bar 1800 komada. Kontrolori grupe I kontroliraju 25 kom/h, s 2 % grešaka i plaćom od 5 NJ/h, a kontrolori grupe II kontroliraju
15 kom/h, s 5 % grešaka i plaćom od 3 NJ/h. Svaki neispravan proizvod pušten na tržište proizvoda prati šteta od 2 NJ. Odrediti optimalnu kontrolu.
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 5/28
08. Linearno programiranje 5
Funkcija cilja:
F = j
minx
plaća kntl I + šteta kntl I + plaća kntl II + šteta kntl II
FDNJ/dan = j
minx
{{8D[h/(kntIDdan)]D5D(NJ/h) +
8D[h/(kntIDdan)]D2D(NJ/kom)D25D(kom/h)D0,02]}Dx1DkntI + (8D3 + 8D2D15D0,05)Dx2}
F = j
minx
[(8D5 + 8D2D25D0,02)Dx1 + (8D3 + 8D2D15D0,05)Dx2]
F = j
minx
[48x1 + 36x2]
Ograničenja:
x1D
kntI ≤ 6D
kntIx2DkntII ≤ 10DkntII
[8D(h/kntI)D25D(Dkom/h)]Dx1(DkntI) + 8D15Dx2 ≥ 1800Dkom
Rješenje: x1 = 6 kontrolora I grupe x2 = 5 kontrolora II grupe F = 468 NJ/dan.
Opaska: pet kontrolora iz II grupe je ostalo neraspoređeno.
8.1 Maksimalizacija
8.1.1 Postavka matemati č kog modela
PRIMJER P-8.4
Na dva proizvoda (1, 2), pri čijoj se proizvodnji angažiraju tri stroja (A, B, C), mogu se os-
tvariti dobiti: 1. proizvod: 20 NJ/kom (novčanih jedinica/komadu) i 2. proizvod: 30 NJ/kom.
Proizvod 1 se obrađuje na stroju A 2 h (sata) i na stroju B 2 h, a proizvod 2 na stroju A 4 h,
stroju B 1 h i na stroju C 4 h. Strojevi su tjedno raspoloživi: A 16 h, B 10 h i C 12 h. Odrediti
optimalnu tjednu proizvodnju.
Matematski model:
Funkcija cilja:
F = (20Dx1 + 30Dx2) jx
max
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 6/28
6 Kvantitativne metode
Ograničenja:
stroj A 2Dx1 + 4Dx2 ≤ 16
stroj B 2D
x1 + x2 ≤
10stroj C 4Dx2 ≤ 12
8.1.2 Grafi č ko rješenje
Na osnovu matematskog modela, na grafiku x2 = f(x1) ucrtavaju se pravci ograničenja od-
ređeni raspoloživostima strojeva A, B i C. Moguća rješenja se nalaze unutar prostora definira-
nog zadanim ograničenjima (i dodatnim uvjetima F-8.3, F-8.4). U drugom koraku se po toč-
kama (T) presjeka pravaca ograničenja pomjera funkcija cilja (T0 ⇒ T1 ⇒ T2 ⇒ T3 ) do dobi-
vanja optimalnog rješenja – pravac F3 , odnosno točka T3 .
Slika S-8.1 Grafičko rješenje P-8.4
Rješenje: x1 = 4 kom x2 = 2 kom F = 140 NJ
U pravilu, optimalna rješenja leže u kutovima (toč ke T k ). Izuzeci su kada se poklope pravci
ograničenja i funkcije cilja – tada dva kuta i sve točke na pravcu između dva kuta daju jedna-
ko optimalno rješenje.
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 7/28
08. Linearno programiranje 7
8.1.3 Analiti č ko rješenje
0. korak – postavljanje i prilagodba matematskog modela:
1. Postaviti matematski model (funkcija cilja i ograničenja)
2. Prilagoditi matematski model uvođ enjem dopunskih promjenljivih y j (koje u og-
ranič enjima omogućavaju zamjenu znakova ≤ sa znakovima =, a u funkciji cilja
imaju zajednič ki koeficijent = 0) , te funkciju cilja izraziti u implicitnom obliku
2Dx1 + 4Dx2 + y1 = 16
2Dx1 + x2 + y2 = 10
4Dx2 + y3 = 12
F – 20Dx1 – 30Dx2 – 0D(y1 + y2 + y3) = 0
1. korak – formiranje 0-te tabele (rješenja) i usmjeravanje postupka:
3. Unijeti vrijednosti a ij , g i , c j , F u odgovarajuć a polja Tabele 0
x 1 = 0 x 2 = 0 y 1 y 2 y 3
2 4 1 0 0 16
2 1 0 1 0 10
0 4 0 0 1 12
–20 –30 0 0 0 F = 0
Tabela 0. Unos polaznih podataka (na temelju matematskog modela)
x1 = 0 * x2 = 0 * y1 y2 y3
2 4 1 0 0 16
2 1 0 1 0 10
0 4 0 0 1 12
–20 –30 0 0 0 F = 0
* Polazi se iz točke T0 (S-8.1).
4. Odabrati :
(a) kolonu j = K s najmanjom vrijednošću c j (što je manja vrijednost cK to će
biti veći doprinos cKDxK maksimalizaciji funkcije cilja F ⇒ u rješenje se uklju-
čuje xK)
(b) red i = R s najmanjim količnikom gi /aiK (što je manja vrijednost količnikagR/aRK to će biti veće ograničenje u rješenje uključenog xK)
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 8/28
8 Kvantitativne metode
Tabela 0. Izbor kolone j = K i reda i = R x 1 = 0 x 2 = 0 y 1 y 2 y 3
16/4 = 4 2 4 1 0 0 16
10/1 = 10 2 1 0 1 0 1012/4 = 3 0 4 0 0 1 12
–20 –30 0 0 0 F = 0
x1 = 0 x2 = 0 y1 y2 y3
16/4 = 4 2 4 1 0 0 16
10/1 = 10 2 1 0 1 0 10
12/4 = 3 0 4 0 0 1 12
–20 –30 0 0 0 F = 0
2. korak – formiranje s-te tabele, te provjera ispunjenja kriterija optimalnosti:
5. Polja odabranog reda (R) iz prethodne tabele (s – 1) podijeliti s a RK i upisati u is-
ti red aktualne tabele (s)
Tabela 0. Prijepis podataka iz prethodne tabele (s – 1)
x1 = 0 x2 = 0 y1 y2 y3
2 4 1 0 0 16
2 1 0 1 0 10
0 4 0 0 1 12
–20 –30 0 0 0 F = 0
Tabela 1. Preračunavanje/prijepis odabranog reda u aktualna tabela s
x1 = 0 x2 = 3 * y1 y2 y3
0/4=
04/4=
10/4=
00/4=
01/4=
0,2512/4=
3
* Iz trećeg reda ( R = 3), odnosno trećeg ograničenja (najvećeg za x j) slijedi:
4Dx2 = 12 ⇒ x2 = 3
U polju presjeka druge kolone ( j = 2) s trećim redom (i = 3) nalazi se brojčani
iznos 1, a izračunata vrijednost za x2 pri najvećem ograničenju upisana je u zad-
njem polju trećeg reda. Prema tome, u 2. koraku se prelazi iz točke T0 u točku T1
(S-8.1).
6. Vrijednosti ostalih polja (P ij ) izrač unati po formuli :
Pijs
= Pijs–1
– PiKs–1
DPRjs (F-8.5)
Tabela 1. Izračunavanje vrijednosti polja
x1 = 0 x2 = 3 y1 y2 y3
2–4D0=
2
4–4D1=
0
1–4D0=
1
0–4D0=
0
0–4D0,25=
–1
16–4D3=
4
2–1D0=
2
1–1D1=
0
0–1D0=
0
1–1D0=
1
0–1D0,25=
–0,25
10–1D3=
70/4=
04/4=
10/4=
00/4=
01/4=
0,2512/4=
3
–20–(–30) D0=
–20
–30–(–30) D1=
0
0–(–30) D0=
0
0–(–30) D0=
0
0–(–30) D0,25=
7,5
0–(–30) D3=
F = 90
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 9/28
08. Linearno programiranje 9
Tabela 1. Prijepis podataka iz prethodne tabele
x1 = 0 x2 = 3 y1 y2 y3
2 0 1 0 –1 4
2 0 0 1 –0,25 70 1 0 0 0,25 3
–20 0 0 0 7,5 F = 90
7. Ako su svi koeficijenti c ij ≥ 0 dobiveno je optimalno rješenje
8. Ako nisu svi koeficijenti c ij ≥ 0:
(a) ponoviti postupak opisan pod toč kom 4
(b) ponoviti postupak opisan u 2. koraku (toč ke 5, 6, 7 i 8)
x1 = 0 x2 = 3 y1 y2 y3
4/2 = 2 2 0 1 0 –1 4
7/2 = 3,5 2 0 0 1 –0,25 7
3/0 = 0 1 0 0 0,25 3
–20 0 0 0 7,5 F = 90
x1 = 4 x2 = 2 y1 = 0 y2 = 0 y3
1 0 0,17 0,67 0 4
0 0 –1,33 1,33 1 4
0 1 0,33 –0,33 0 2
0 0 6,67 3,33 0 F = 140
U polju presjeka prve/druge kolone s prvim/trećim redom nalazi se brojčani iznos 1 (ostali
brojč ani iznosi u kolonama su = 0) ⇒ izračunate vrijednosti x1 = 4 kom x2 = 2 kom upisane
su u zadnjem polju prvog/trećeg reda. Prema tome, u ponovljenom 2. koraku se prelazi iz toč-ke T1 u točku T3 (S-8.1). Kako su sve vrijednosti cij ≥ 0 dobiveno rješenje je optimalno: F =
140 NJ.
8.2 Minimalizacija
PRIMJER P-8.5
Na dva tipa strojeva (I i II) treba proizvoditi tri vrste dijelova (A, B i C), u minimalnim ko-
ličinama: A 10 kom/h (komada na sat), B 74 kom/h, C 9 kom/h. Ispitivanjima su utvr đeni ka-
paciteti strojeva – dio A: I 5 kom/str Dh (komada po stroju i satu) i II 1 kom/str Dh, dio B: I 9
kom/str Dh i II 13 kom/str Dh, te dio C: I 1 kom/str Dh i II 3 kom/str Dh. Cijene rada strojeva su: I
6 NJ/str Dh, II 3 NJ/str Dh. Odrediti optimalnu proizvodnju.
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 10/28
10 Kvantitativne metode
8.2.1 Postavka matemati č kog modela
Funkcija cilja:
F = (6Dx1 + 3Dx2) jx
min
Ograničenja:
dio A 5Dx1 + x2 ≥ 10
dio B 9Dx1 + 13Dx2 ≥ 74
dio C x1 + 3Dx2 ≥ 9
8.2.2 Grafi č ko rješenje
Na osnovu matematskog modela, na grafiku x2 = f(x1) (S-8.2) ucrtavaju se pravci ograni-
čenja određeni uvjetima pokretanja strojeva A, B i C. Moguća rješenja se nalaze unutar pros-
tora definiranog zadanim ograničenjima i uvjetom (i dodatnim uvjetima F-8.3, F-8.4). U dru-
gom koraku se po točkama (T) presjeka pravaca ograničenja pomjera funkcija cilja (T0 ⇒ T1
⇒ T2 ⇒ T3 ) do dobivanja optimalnog rješenja – pravac F3 , odnosno točka T3 .
Slika S-8.2 Grafičko rješenje P-8.5
Rješenje: x1 = 1kom x2 = 5kom F = 21
8.2.3 Analiti č ko rješenje
0. korak – postavljanje i prilagodba matematskog modela:
1. Postaviti matematski model (funkcija cilja i ograničenja – 8.4.1)
2. Prilagoditi matematski model uvođ enjem
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 11/28
08. Linearno programiranje 11
a) dopunskih promjenljivih y j (koje u ogranič enjima omogućavaju zamjenu znaka
≥ sa znakom =, a u funkciji cilja imaju zajednič ki koeficijent = – 0)
b) umjetnih promjenljivih z j (koje u funkciji cilja imaju zajednič ki koeficijent M č i-
ji je brojč ani iznos >> od brojč anih iznosa ostalih koeficijenata)
5Dx1 + x2 – y1 + z1 = 10
9Dx1 + 13Dx2 – y2 + z2 = 74
x1 + 3Dx2 – y3 + z3 = 9
F = 6Dx1 + 3Dx2 – 0D(y1 + y2 + y3) + MD(z1 + z2 + z3)
c) iz ograni č enja odrediti vještač ke promjenljive z j i uvrstiti ih u funkciju cilja, te
funkciju cilja izraziti u implicitnom obliku
z1 = 10 – 5Dx1 – x2 + y1
z2 = 74 – 9Dx1 – 13Dx2 + y2
z3 = 9 – x1 – 3Dx2 + y3
F– (6 – 15DM)Dx1 – (3 – 17DM)Dx2 – MDy1 – MDy2 – MDy3 = 93DM
1. korak – formiranje 0-te tabele (rješenja) i usmjeravanje postupka:
3. Unijeti vrijednosti a ij , g i , c j , F u odgovarajuć a polja Tabele 0
4. Odabrati :
a) kolonu j = K s najvećom vrijednošću c j (što je veća vrijednost cK to će biti ve-
ći doprinos cKDxK minimalizaciji funkcije cilja F ⇒ u rješenje se uključuje xK).
b) red i = R s najmanjim koli č nikom g i /a iK ( što je manja vrijednost količ nika
g R /aRK to će biti veće ogranič enje u rješenje uključ enog x K ).
Tabela 0. Početak iz točke T0 (S-8.2)
x1 = 0 x2 = 0 y1 y2 y3 z1 z2 z3
10 5 1 –1 0 0 01 0 0 10
5,69 9 13 0 –1 0 0 1 0 74
3 1 3 0 0 –1 0 0 1 9
15DM–6 17DM–3 –M –M –M 0 0 0
93DM
2. korak – formiranje s-te tabele, te provjera ispunjenja kriterija optimalnosti:
5. Polja odabranog reda (R) iz prethodne tabele (s – 1) podijeliti s a RK i upisati u is-
ti red aktualne tabele (s)
6. Vrijednosti ostalih polja (P ij ) izrač unati po formuli :
Pijs
= Pijs–1
– PiKs–1
DPRjs (F-8.5)
7. Ako su svi koeficijenti c ij ≤ 0 dobiveno je optimalno rješenje.
8. Ako nisu svi koeficijenti c ij ≤ 0:
a) ponoviti postupak opisan pod toč kom 4
b) ponoviti postupak opisan u 2. koraku (toč ke 5, 6, 7 i 8)
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 12/28
12 Kvantitativne metode
Tabela 1. Prijelaz u točku T1 (S-8.2)
x1 = 0 x2 = 3 y1 y2 y3 z1 z2 z3
1,50 4,67 0 –1 0 0,33 1 0 –0,33 7
7,49 4,67 0 0 –1 4,33 0 1 –4,33 359 0,33 1 0 0 –0,33 0 0 0,33 3
9,33xM–5 0 –M –M 4,67xM–1 0 0 5,67xM–1 42xM+9
Tabela 3. Prijelaz u točku T3 (S-8.2)
x1 = 1 x2 = 5 y1 y2 y3 z1 z2 z3
1 0 –0,23 0,02 0 0,23 –0,02 0 1
0 0 0,25 –0,25 1 –0,25 0,25 –1 7
0 1 0,07 –0,09 0 –0,16 0,09 0 5
0 0 –0,91 –0,16 0 –M+0,91 –M+0,16 –M 21
Postupak je okončan – ispunjen je uvjet: cij ≤ 0. Slijedi: x1 = 1 kom, x2 = 5 kom, F = 21 NJ.
8.2.4 Dualni model
Kada je to pogodno, rješenje "primala":
F = jx
max n
1 j
j j xc D F = jx
min n
1 j
j j xc D
≤ gi n
1 j
jij xa D ≥ gi n
1 j
jij xa D
se dobiva rješavanjem "duala":
F =iu
min m
1i
ii ug D F =iu
max m
1i
ii ug D
≥ c j m
1i
i ji ua D ≤ c j m
1i
i ji ua D
PRIMJER P-8.6
Riešiti P-8.6 preko duala.
0. korak – postavljanje matematskog modela i formiranje duala:
9. Postaviti matematski model ( funkcija cilja i ogranič enja – 8.4.1)
Matematski model:
Funkcija cilja: F = (6Dx1 + 3Dx2) jx
min
dio A 5Dx1 + x2 ≥ 10
Ograničenja: dio B 9Dx1 + 13Dx2 ≥ 74
dio C x1 + 3Dx2 ≥ 9
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 13/28
08. Linearno programiranje 13
10. Formirati dual smjenama:
c) u funkciji cilja: x j s u i , te c j s g i (iz ogranič enja)
d) u ograni č enjima: x j s u i , a ij s a ji , te g i s c j (iz funkcije cilja)
Dualni je model:
F = (10Du1 + 74Du2 + 9Du3)iu
max
5Du1 + 9Du2 + u3 ≤ 6
u1 + 13Du2 + 3Du3 ≤ 3
1. korak – rješavanje duala:
11. Za maksimalizaciju dualnog modela provesti postupak opisan pod 8.3.3
Prilagođeni dualni model:
5Du1 + 9Du2 + u3 + v1 = 6
u1 + 13Du2 + 3Du3 + v2 = 3
F – 10Du1 – 74Du2 – 9Du3 = 0
u1 u2 u3 v1 v2
0,667 5 9 1 1 0 6
0,231 1 13 3 0 1 3
–10 –74 –9 0 0 0
u1 u2 u3 v1 v2
0,910 4,307 0 –1,079 1 –0,693 3,921
3 0,077 1 0,231 0 0,077 0,231
–4,302 0 8,094 0 5,698 17,094
u1 u2 u3 v1 v2
1 0 –0,251 0,232 –0,161 0,910
0 1 0,250 –0,018 0,089 0,161
0 0 7,016 0,999 5,006 21,011
Postupak je okončan – ispunjen je uvjet: gi ≤ 0. Slijedi: v1 = 1 kom, v2 = 5 kom, F = 21 NJ.
12. Za minimalizaciju dualnog modela provesti postupak opisan pod 8.4.3
2. korak – rješavanje primala:
13. Zamjeniti vrijednosti v i s x i
Zamjenom se dobiva: x1 = 1 kom, x2 = 5 kom, F = 21 NJ.
8.3 Zadaci – LP
8.3.1 Maksimalizacija
Z-8.1 Na dva proizvoda (1, 2), pri čijoj se proizvodnji angažiraju tri stroja (A, B,C), mogu se ostvariti dobiti: 1. proizvod: 20 NJ/kom i 2. proizvod: 30
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 14/28
14 Kvantitativne metode
NJ/kom. Proizvod 1 se obrađuje na stroju A 2 h (sata) i na stroju B 2 h, a pro-
izvod 2 na stroju A 4 h, stroju B 1 h i na stroju C 4 h. Strojevi su tjedno
raspoloživi: A 16 h, B 10 h i C 12 h. Odrediti optimalnu tjednu proizvodnju.
Matematski model/ograničenja:
Fmax
(D NJ/tjd ) = 20(D NJ/kom)Dx1(Dkom/tjd ) + 30Dx2
2(Dh/kom)Dx1(Dkom/tjd ) + 4Dx2 ≤ 16(Dh/tjd )
2Dx1 + x2 ≤ 10
4Dx2 ≤ 12
Rješenje: x1 = 4 kom/tjd, x2 = 2 kom/tjd, F = 140 NJ/tjd.
Opaska: y3 = 4 kom/tjd – stroj 3 je pri optimalnoj proizvodnji raspoloživ još 4 h/tjd.
Z-8.2 Na tri stroja (1, 2, 3) se obrađ
uju dva proizvoda (A, B). Odrediti optimalnu proizvodnju.
1. stroj
t = 1 h/kom A,1
T = 4 h/danr,1 3. stroj
t = 3 h/kom A,3
T = 18 h/dan
t = 2 h/kom
r,3
B,3
2. strojT = 12 h/danr,2
t = 2 h/komB,2
A
B
A
B
A
B
T raspoloživost stroja
t vrijeme obrade proizvoda
c
r −
dobit
−
c = 3 NJ/kom A
c = 5 NJ/komB
−
Matematski model/ograničenja:
Fmax
(D NJ/dan) = [3(D NJ/kom)Dx A(Dkom/dan) + 5DxB]
1(Dh/kom)Dx A(Dkom/dan) ≤ 4(Dh/dan)
2DxB ≤ 12
3Dx A + 2DxB ≤ 18
Rješenje: x A = 2 kom/dan, xB = 6 kom/dan, F = 36 NJ/dan.
Opaska: y3 = 2 h/dan – stroj 3 je pri optimalnoj proizvodnji raspoloživ još 3 /dan.
Z-8.3 Od sirovine A se proizvode dva proizvoda (C, D). Kapacitet opreme ograni-
čava proizvodnju na: 2Dx2 + 3Dx3 ≤ 60 kg/dan. Odrediti optimalnu proizvod-
nju.
proizvodni
sustav
A B + C⇒
AB
C
w maseni sadržaj
c cijena
−
−ispust
w = 60 %B
c = 80 NJ/kgB
w = 80 %C
c = 120 NJ/kgC
w = 40 % A
c = 40 NJ/kg A
Matematski model/ograničenja:
F
max
(D
NJ/dan) = 80(D
NJ/kg )D
xB(D
kg/dan) + 120D
xC – 40D
x A 0,6(Dkg/kg))DxB(Dkg/dan) + 0,8DxC ≥ 0,4(Dkg/dan)
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 15/28
08. Linearno programiranje 15
2(Dkg/dan)DxB(Dkg/dan) + 3DxC ≥ 60(Dkg/dan)
Rješenje: x A = 40 kg/dan, xB = 0 kg/dan, F = 800 NJ/dan.
Opaska: y2 = 20 kg/dan – pri optimalnoj proizvodnji nedostaje još 20 kg/dan proiz-voda C.
8.3.2 Minimalizacija
Z-8.4 Na dva tipa strojeva (I i II) treba proizvoditi tri vrste dijelova (A, B i C), u
minimalnim količinama: A 10 kom/h (komada na sat), B 74 kom/h, C 9
kom/h. Ispitivanjima su utvr đeni kapaciteti strojeva – dio A: I 5 kom/str Dh
(komada po stroju i satu) i II 1 kom/str Dh, dio B: I 9 kom/str Dh i II 13
kom/str Dh, te dio C: I 1 kom/str Dh i II 3 kom/str Dh. Cijene rada strojeva su: I 6
NJ/str Dh, II 3 NJ/str Dh. Odrediti optimalnu proizvodnju.
Matematski model/ograničenja:
Fmin(D NJ/h) = 6(D NJ/(str Dh))Dx1(D str ) + 3Dx2
5(Dkom/(str Dh))Dx1( str ) + x2 ≥ 10(Dkom/h)
9Dx1 + 13Dx2 ≥ 74
x1 + 3Dx2 ≥ 9
Rješenje: x1 = 1 str, x2 = 5 str, F = 140 NJ/h.
Opaska: y3 = 7 kom/h – pri optimalnoj proizvodnji nedostaju za izradu još 7 kom/h proizvoda C.
Z-8.5 Na kontroli proizvoda rade dvije grupe kontrolora: 1 s 6 kontrolora i 2 s 10
kontrolora). Dnevno je za 8 h potrebno obaviti kontrolu bar 1800 komada.
Kontrolori grupe 1 kontroliraju 25 kom/h, s 2 % grešaka i plaćom od 5 NJ/h,
a kontrolori grupe 2 kontroliraju 15 kom/h, s 5 % grešaka i plaćom od 3 NJ/h.
Svaki neispravan proizvod pušten na tržište prati šteta od 2 NJ. Odrediti op-
timalnu kontrolu.
Matematski model/ograničenja (dnevno):
Fmin(D NJ ) =
[8(Dh/Knt1)D5D(D NJ/h) + 8(Dh/Knt1)D2D(D NJ/kom)D25D(Dkom/h)D0,02]Dx1(D Knt1) +
+ 8(Dh/Knt2)D3D(D NJ/h) + 8(Dh/Knt2)D2D(D NJ/kom)D15D(Dkom/h)D0,05]Dx2(D Knt1)
x1(D Knt1) ≤ 6
x2(D Knt1) ≤ 10
[8(Dh/Knt1)D25D(Dkom/h)]Dx1(D Knt1) + 8D15Dx2 ≥ 1800(Dkom)
Rješenje: x1 = 6 Knt1, x2 = 5 Knt2, F = 468 NJ.
Opaska: y2 = 5 Knt2 – pet kontrolora iz grupe 2 je ostalo neraspoređeno.
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 16/28
16 Kvantitativne metode
8.3.3 Postoptimalna analiza
Nakon određivanja optimalnog rješenja, po potrebi, može se obaviti postoptimalna analiza
– određivanje utjecaja (mogu
ćih) promjena koeficijenata ci (u funkciji cilja), aij i g j (u ograni-č enjima) na optimalno rješenje.
Utjecaj promjena ci na funkciju cilja se opisuje koeficijentima osjetljivosti:
xi*c
=ic
F * (F-8.6)
gdje je: * – oznaka za optimalno rješenje.
PRIMJER P-8.7
Odredi koeficijente osjetljivosti za P-8.2.
Matematski model:
Funkcija cilja: F = (6Dx1 + 3Dx2) jx
min
dio A 5Dx1 + x2 ≥ 10
Ograničenja: dio B 9Dx1 + 13Dx2 ≥ 74
dio C x1 + 3Dx2 ≥ 9
Optimalno rješenje: x1* = 1 kom, x2* = 5 kom, F* = 21 NJ.
F = c1D1 + c2D5
Koeficijenti osjetljivosti :
x1*c
=1c
F= 1 x2*
c =2c
F= 5
Zaključak: Promjene koeficijenta c2 imaju veći utjecaj na optimalno rješenje od promje-
na koeficijenta c1.
Uz korištenje dualnog modela na isti način se može odrediti i utjecaj promjena g j .
Pri određivanju utjecaja aij koristi se matrični račun, a postupak je obrađen u literaturi.
8.4 Transportna metoda
Transportna metoda (skraćeno: TM) je formalni postupak dobivanja optimalnih troškova
opskrbe skupa recipijenata (R ) iz skupa izvora (I) , uz uvjet linearne ovisnosti troškova tran-
sporta o transportiranoj količini.
Opskrba (S-8.3) se može optimalizirati primjenom simplex metode, ali su specifičnosti
(koeficijenti aij su jedinice ili nule) dovele do razvoja TM. Danas se TM najčešće koristi za
optimalizaciju opskrbe skupa prodavaonica iz skupa skladišta.
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 17/28
08. Linearno programiranje 17
I1 I2
R1 R2
I3 I4
R3 R4 R5
c45
x45
Slika S-8.3 Shematski prikaz transportnog problema
Strojarski inženjeri će najčešće koristiti TM za optimalizaciju:
• razmještaja ( pogoni, strojevi, oprema, radnici, skladišta, prostorije),
• dinamike radova ( projektiranje, izgradnja, proizvodnja, održavanje, remont ).
8.4.1 Postavljanje matemati č kog modela
• Funkcija cilja – n promjenljivih veličina:
F = (F-8.7)ijx
opt m
1i
n
1 j
ijij xc D
gdje je: cij – jedinični trošak transporta od i-tog izvora do j-tog recipijenta,
xij – transportirana količina od i-tog izvora do j-tog recipijenta,
m – broj izvora,
n – broj recipijenata.• Skup ograničenja – m + n ograničenja oblika:
= ai (F-8.8)n
1 j
ijx
= b j (F-8.9)m
1i
ijx
gdje je: ai – ukupna raspoloživa količina u i-tom izvoru,
b j – ukupna potrebna količina j-tog recipijenta.
Dodatna su ograničenja (nenegativnosti promjenljivih veli
č ina. te realne vrijed-nosti koeficijenata i slobodnih č lanova):
xij ≥ 0 (F-8.10)
cij , ai , b j ∈ R (F-8.11)
gdje je: R – skup realnih brojeva.
Prema tome, s TM postupkom LP se traži optimum (maksimum ili minimum) za zadanu li-
nearnu funkciju cilja F-8.7, s m n promjenljivih veličina, uz zadovoljavanje m + n linearnih
ograničenja vrijednosti promjenljivih veličina F-8.8, F-8.9 (F-8.10 i F-8.11).
8.4.2 Zatvoreni transportni problemRaspoloživa količina izvora jednaka potrebnoj količini recipijenata:
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 18/28
18 Kvantitativne metode
= (F-8.12)m
1i
ian
1 j jb
TM obuhvaća dva koraka:
14. određ ivanje poč etnog rješenja
15. određ ivanje optimalnog rješenja
Minimalizacija
PRIMJER P-8.5
Proizvod je potrebno iz četiri skladišta (tabela s količinama i troškovima) transportirati u
tri prodavaonice. Optimalizirati transport.
Prodavaonice
P1 P2 P3
Raspoloživo na
skladištima, komS1 c11 = 10 c12 = 12 c13 = 0 a1 = 20
S2 c21 = 8 c22 = 4 c23 = 3 a2 = 30
S3 c31 = 6 c32 = 9 c33 = 4 a3 = 20 S k l a d i š -
t a S4 c41 = 7 c42 = 8 c43 = 5 a4 = 10
Σai = 80Potrebe prodavaonica, kom
b1 = 40 b2 = 10 b3 = 30Σbi = 80
1. korak – određivanje početnog rješenja – metoda sjeverozapadnog kuta:
Postupak počinje u gornjem (prednjem) lijevom kutu ("sjeverozapadnom") i odabirue se
količina koja potpuno prazni skladište i/ili popunjava prodavaonicu.
80 80 P1 (40) P2 (10) P3 (30)
S1 (20) 1020
12 0
S2 (30) 8 20 4 103
S3 (20)6 9 4
20
S4 (10)7
8 5 10
F = c11◦x11 + c21◦x21 + c22◦x22 + c33◦x33 + c43◦x43 = 200+160+40+80+50 = 530 NJ
1. korak – određivanje početnog rješenja – metoda najmanjih troškova:
Kod ovog postupka se od početka "skače" po poljima s najmanjim mogućim troškom i
odabire količina koja potpuno prazni skladište i/ili popunjava prodavaonicu. Ako je ravnop-
ravno više mogućnosti prioritet ima:
polje s većom transportiranom količinom,
polje s najmanjim brojem reda,
polje s najmanjim brojem kolone.
80 80 P1 (40) P2 (10) P3 (30)
S1 (20)10 12 0
20
S2 (30) 8 10 4 10 3 10
S3 (20) 6 209
4
S4 (10) 710
8 5
F = c13◦x13 + c23◦x23 + c22◦x22 + c31◦x31 + c41◦x41 + c21◦x21 = 0+30+40+120+70+80 = 340 NJ
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 19/28
08. Linearno programiranje 19
2. korak – određivanje optimalnog rješenja – steping-stone metoda:
U 2. koraku se prethodno određeno početno rješenje P-8.5 optimalizira. Početna rješenje
dobiveno metodom najmanjih troškova je i optimalno rješenje ( što nije pravilo), te je steping-
stone metoda ilustrirana na početnom rješenju dobivenom metodom sjeverozapadnog kuta.
U prvom koraku se izračunavaju relativni troškovi za sva nezauzeta polja, dij (12, 13, 23,
31, 32, 41, 42). Relativni troškovi izražavaju promjene troškova transporta pri uključivanju
aktualnog nezauzetog polja – "skače" se po zauzetim poljima ("kamenju" ) do zatvaranja puta,
uz održavanje ravnoteže pražnjenja skladišta i punjenja prodavaonica (S-8.4).
Ako se put ne može zatvorit sa zauzetim poljima (broj zauzetih polja < m + n – 1), uvodi
se polje ("kamen" ) sa zanemarivo malom transportiranom količinom ε (S-8.4 – polje 31).
80 80 P1 (40) P2 (10) P3 (30)
S1 (20) 10 2012
0
S2 (30) 8 20 4 103
S3 (20) 6 ε
9 4 20
S4 (10)7 8 5 10
11
21
12
22
11
31
13
33 31
23
33
11
21
12
22
11
31
13
33
21
31
23
33
41
31 33
43
22
42
21
43
31
3331
21 22
32
Slika S-8.4 Shematski prikaz preračunavanja transportnih troškova – steping-stone meto-
da
d12 = c12 – c22 + c21 – c11 = 12 – 4 + 8 – 10 = 6
d13 = c13 – c33 + c31 – c11 = 0 – 4 + 6 – 10 = – 8
d23 = c23 – c33 + c31 – c21 = 3 – 4 + 6 – 8 = – 3
c31 = ε
d32 = c32 – c31 + c21 – c22 = 9 – 4 + 3 – 4 = 4d41 = c41 – c31 + c33 – c43 = 7 – 6 + 4 – 5 = 0
d42 = c42 – c22 + c21 – c31 + c33 – c43 = 8 – 4 + 8 – 6 + 4 – 5 = 5
80 80 P1 (40) P2 (10) P3 (30)
S1 (20) 1020
12 6 0 –8
S2 (30) 8 20 4 103
–3
S3 (20) 6 ε
9 4 420
S4 (10) 7 0 8 5 5 10
Negativan relativni trošak (d ij < 0) znači smanjenje cijene transporta, a pozitivan (d ij > 0)
povećanje. Prema tome, transport se prebacuje na polje s najnegativnijom vrijednošću relativ-nog troška (d 13).
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 20/28
20 Kvantitativne metode
80 80 P1 (40) P2 (10) P3 (30)
S1 (20) 10 5 12 11 0 20
S2 (30) 820
410
3 –3
S3 (20) 6 209
74
0
S4 (10)7
08
2 510
F = c13◦x13 + c21◦x21 + c22◦x22 + c31◦x31 + c43◦x43 = 0+160+40+120+50 = 370 NJ
U odnosu na rješenje dobiveno metodom sjeverozapadnog kuta, troškovi transporta su
smanjeni za 160 NJ (530 – 370), ali negativna vrijednost u nezauzetom polju i = 2, j = 3 pret-
hodne tabele (d 23 = – 3) ukazuje da je moguće dalje smanjivanje troškova.
80 80 P1 (40) P2 (10) P3 (30)
S1 (20)10
512
9 0 20
S2 (30) 810
410
310
S3 (20) 6 20 9 8 4 3
S4 (10) 7 108
55
3
F = c13◦x13 + c21◦x21 + c22◦x22 + c23◦x23 + c31◦x31 + c41◦x41 = 0+80+40+30+120+70 = 340 NJ
U odnosu na prethodno rješenje, troškovi transporta su smanjeni za 30 NJ (370 – 340). Ka-
ko su pozitivne sve vrijednost u nezauzetim poljima prethodne tabele (d ij > 0) slijedi zaklju-
čak da je dobiveno rješenje optimalno.
Putovi transporta se opisuju jednodimenzijskim vektorom:
X = (x13 , x21 , x22 , x23 , x31 , x41 ) = ( 20, 10, 10, 10, 20, 10)
8.4.3 Maksimalizacija
PRIMJER P-8.6
Tvrtka proizvodi u četiri tvornice proizvod kojim opskrbljuje četiri prodajna centra. U ta-
beli su date količine i dobiti, koje ovise o lokacijama tvornica i prodajnih centara. Optimalizi-
rati opskrbu.
Prodajni centri
P1 P2 P3 P4
Proizvedeno u tvorni-
cama, kom
T1 c11 = 40 c12 = 50 c13 = 80 c14 = 30 a1 = 18
T2 c21 = 10 c22 = 60 c23 = 40 c24 = 50 a2 = 18
T3 c31 = 80 c32 = 90 c33 = 20 c34 = 70 a3 = 18 T v o r n i c e
T4 c41 = 40 c42 = 60 c43 = 50 c44 = 20 a4 = 18
Σai = 72Potrebe prodajnih
centara, komb1 = 8 b2 = 12 b3 = 20 b4 = 32
Σbi = 72
1. korak – određivanje početnog rješenja – metoda sjeverozapadnog kuta:
72 72 P1 (8) P2 (12) P2 (20) P3 (32)
T1 (18)40 8 50 10 80 30
T2 (18)10 60 2 40 16 50
T3 (18)80
90
20
470
14
T4 (18)40 60 50 20 18
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 21/28
08. Linearno programiranje 21
F = c11◦x11 + c12◦x12 + c22◦x22 + c23◦x23 + c33◦x33 + c34◦x34 + c44◦x44 =
= 320 + 500 + 120 + 640 + 80 + 980 + 360 = 3.000 NJ
1. korak – određ
ivanje početnog rješenja – metoda najve
ćih dobiti:
Kod ovog postupka (maksimalizacija) se od početka "skače" po poljima s najvećim mogu-
ćim dobitima i odabire količina koja potpuno prazni tvornicu i/ili popunjava prodajni centar.
Ako je ravnopravno više mogućnosti prioritet ima:
polje s većom transportiranom količinom,
polje s najmanjim brojem reda,
polje s najmanjim brojem kolone.
72 72 P1 (8) P2 (12) P2 (20) P3 (32)
T1 (18)40 50 80
1830
T2 (18)
10
60
40 50
18T3 (18)
806
9012
20
70
T4 (18)40
260 50
220
14
F = c13◦x13 + c24◦x24 + c31◦x31 + c32◦x32 + c41◦x41 + c43◦x43 + c44◦x44 =
= 1.440 + 900 + 480 + 1.080 + 80 + 100 + 280 = 4.360 NJ
Dobit je veća od dobiti u rješenju dobivenom metodom sjeverozapadnog kuta.
2. korak – određivanje optimalnog rješenja – steping-stone metoda:
Poboljšava se rješenje dobiveno metodom najveće dobiti, a najpozitivnije su vrijednosti za
nezauzeta polja d34 = d42 = 10.
d34 = c34 – c44 + c41 – c31 = 70 – 20 + 40 – 80 = 10
d42 = c42 – c41 + c31 – c32 = 60 – 40 + 80 – 90 = 10
Uvodi d34, jer je c34 > c42 (70 > 60).
72 72 P1 (8) P2 (12) P2 (20) P3 (32)
T1 (18)40 50 80 18
30
T2 (18)10
60
40
50 18
T3 (18)80 90
1220 70
6
T4 (18)40 8
60 50 2 20 8
F = c13◦x13 + c24◦x24 + c32◦x32 + c34◦x34 + c41◦x41 + c43◦x43 + c44◦x44 =
= 1.440 + 900 + 1.080 + 420 + 320 + 100 + 160 = 4.420 NJ
d42 = c42 – c31 + c34 – c44 = 60 – 90 + 70 – 20 = 20
72 72 P1 (8) P2 (12) P2 (20) P3 (32)
T1 (18)40
50
80 1830
T2 (18)10
60
40
5018
T3 (18)80 90
420 70
14
T4 (18)40 8 60 8 50 2
20
F = c13◦x13 + c24◦x24 + c32◦x32 + c34◦x34 + c41◦x41 + c42◦x42 + c43◦x43 =
= 1.440 + 900 + 360 + 980 + 320 + 480 + 100 = 4.580 NJ
d31 = c31 – c32 + c42 – c41 = 80 – 90 + 60 – 40 = 10
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 22/28
22 Kvantitativne metode
72 72 P1 (8) P2 (12) P2 (20) P3 (32)
T1 (18)40
50
80 1830
T2 (18)10
60
40
50 18
T3 (18) 80 4 90 20 70 14
T4 (18)40
460
1250
220
F = c13◦x13 + c24◦x24 + c31◦x31 + c34◦x34 + c41◦x41 + c42◦x42 + c43◦x43 =
= 1.440 + 900 + 320 + 980 + 160 + 720 + 100 = 4.620 NJ
U odnosu na prethodno rješenje, troškovi transporta su smanjeni za 40 NJ (4620 – 4580).
Kako su negativne sve vrijednost u nezauzetim poljima prethodne tabele (d ij < 0) slijedi zak-
ljučak da je dobiveno rješenje optimalno.
Putovi transporta se opisuju jednodimenzijskim vektorom:
X = (x13 , x24 , x31 , x34 , x41 , x42 , x43 ) = (18, 18, 4, 14, 4, 12, 2)
8.4.4 Otvoreni transportni problem
Otvorenim se naziva transportni problem s različitom ponudom od potražnje.
e) ukoliko je ponuda veća od potražnje:
a > (F-8.13)m
1i
i
n
1 j jb
uvodi se fiktivni recipijent bn+1 s troškovima transporta ci(n+1) = 0 i:
b(n+1) = – j (F-8.14)m
1i
ian
1 j
b
f) ukoliko je ponuda manja od potražnje:
< (F-8.15)m
1iia
n
1 j jb
uvodi se fiktivni izvor an+1 s troškovima transporta c(n+1)j = 0 i:
a(n+1) = – ia (F-8.16)n
1 j
jbm
1i
Dalji postupci su isti kao prethodno opisani za zatvorene transportne probleme (minimali-
zacija – 8.8.3.1 i maksimalizacija – 8.8.3.2).
8.4.5 Zadaci – TP
Z-8.6 Proizvod je potrebno iz četiri skladišta transportirati u tri prodavaonice. U tab-
lici su date raspoložive količine na skladištima, potrebne količine u prodavao-
nicama i troškovi transporta. Optimalizirati transport.
ProdavaoniceSkladišta
P1 (40) P2 (10) P3 (30)
S1 (20) 10 12 0
S2 (30) 8 4 3
S3
(20) 6 9 4
S4 (10) 7 8 5
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 23/28
08. Linearno programiranje 23
Rješenje:
= (x13 , x21 , x22 , x23 , x31 , x41 ) = ( 20, 10, 10, 10, 20, 10)
ajna
X
F = 340 NJ
Z-8.7 Tvrtka proizvodi u četiri tvornice proizvod kojim opskrbljuje četiri prod
centra. U tabeli su date količine koje mogu proizvesti tvornice (u zagradama)
i količine koje mogu prodati prodajni centri. Dobiti navedene u poljima tabele
ovise o lokacijama tvornica i prodajnih centara. Optimalizirati opskrbu.
Prodajni centriTvornice
P1 (8) P2 0) P4 (32) (12) P3 (2
T1 (18) 40 50 80 30
T2 (18) 10 60 40 50
T3 (18) 80 90 20 70
T4 (18) 40 60 50 20
Rješenje:
(x13 , x24 , x31 , x34 , x41 , x42 , x43 ) = (18, 18, 4, 14, 4, 12, 2)
Z-8.9 Četiri potrošačka centra op rnice. Optimalizirati transport.
X =
F = 4.620 NJ
skrbljuju tri tvo
Prodajni centriTvornice
P1 (70) P2 (40) P4 (60) P5 (50)P3 (30)
T1 (20) 4 2 5 7 6
T2 (110) 7 8 3 4 5
T3 (120) 2 1 4 3 2
Rješenje:X = (x12 , x23 , x24 , x25 , x31 , x32 , x35 ) = ( 20, 30, 60, 20, 70, 20, 30)
Z-8.9 U slučaju rata iz četiri baze treb oružje na pet položaja. U poljima
Baze
F = 690 NJ
a dopremiti
tabele su data vremena, u satima, potrebna za dopreme. Optimalizirati dopre-
mu.
PoložajiB1 (24) B2 (16) B 4 (20) B5 (8) 3 (10) B
P1 (28) 3 9 8 10 4
P2 (13) 6 10 3 2 3
P3 (19) 3 2 7 10 3P4 (18) 3 2 3 2 8
Rješenje: ( jedno od viš ogućih)
, x43 , x44 ) = (24, 4, 12, 1, 16, 3, 10, 8)
8.5 Metoda raspodjele
alni postupak dobivanja optimalne raspodjele m
ak
e m
X = (x11 , x15 , x24 , x25 , x32 , x35
F = 202 h
Metoda raspodjele (skraćeno: MR ) je form
tivnosti (A – S-8.5) ili resursa na n radnika (R ) ili lokacija. Uvjet je da se jedna aktiv-
nost/resurs može dodijeliti samo jednom radniku/lokaciji.
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 24/28
24 Kvantitativne metode
Postupak MR je specifičan i njegov će tijek biti pojašnjen na primjerima minimalizacije
(na primjer, troškova) i maksimalizacije (na primjer, dobiti).
A1 A A A2
R1 R2
3 4
R3 R4 R5
c45
Slika S-8.5 Shematski prikaz problema raspodjele
Strojarski inženjeri će najčešće koristiti MR za optimalizaciju raspodjele:
• uposlenika (radnika po strojevima, inženjera po projektima),
• poslova ( poslova po strojevima, projekata po odjelima).
8.5.1 Postavljanje matemati č kog modela
• Funkcija cilja – n promjenljivih veličina:
F = (F-8.17)ijx
opt m
1i
n
1 jijij xc D
gdje je: cij – jedinični trošak transporta od i-tog izvora do j-tog recipijenta,
xij – transportirana količina od i-tog izvora do j-tog recipijenta,m – broj izvora,
n – broj recipijenata.
• Skup ograničenja – m + n ograničenja oblika:
= 1 (F-8.18)m
1i
ijx
= 1 (F-8.19)n
1 jijx
Prema tome, s MP postupkom LP se traži optimum (maksimum ili minimum) za zadanu li-nearnu funkciju cilja F-8.17, s m n promjenljivih veličina, uz zadovoljavanje m + n linear-
nih ograničenja vrijednosti promjenljivih veličina F-8.18, F-8.19.
8.5.2 Minimalizacija
PRIMJER P-8.7
Pet radnika treba obaviti pet poslova. Svaki radnik je osposobljen za obavljanje svih poslo-
va, ali pri tome radnici utroše različita vremena, navedena u poljima tabele (u satima), za
obavljanje istih/različitih poslova. U aktualnom vremenskom razdoblju jedan radnik može bitiangažiran samo na jednom od poslova. Odrediti optimalnu proizvodnju.
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 25/28
08. Linearno programiranje 25
PosloviRadnici
P1 P2 P3 P4 P5
R1 3 21 12 6 10
R2 8 23 2 5 5R3 33 14 13 10 7
R4 14 21 19 11 11
R5 9 16 10 15 13
16. Oduzima se: (određuje se koji radnici najučinkovitije obavljaju poslove)
g) najmanje polje kolone od svih polja kolone
17. najmanje polje reda od svih polja reda koji ne sadrži nule dobivene prethod-
nim oduzimanjem (redovi označ eni u tabeli) –
18. Razvrstavaju se nule na:
h) nezavisne (nule označ ene u tabeli) – 1. jedina u redu i 2. jedna od nula kojih ima
više u redu19. zavisne (nule precrtane u tabeli) – 1. ostale nule u koloni s nezavisnom nulom
i 2. ostale nule u redu s nezavisnom nulom
20. Provjerava se da li je dobiveno rješenje optimalno (broj nezavisnih nula = broju
poslova)
PosloviRadnici
P1 P2 P3 P4 P5
R1 0 7 10 1 5
R2 5 9 0 0 0
R3 30 0 11 5 2
R4 5 1 11 0 0 R5 4 0 6 8 6
Dobiveno rješenje nije optimalno jer je broj nezavisnih nula < broja poslova.
21. Usmjeravanje postupka optimaliziracije:
i) označ iti redove bez nezavisnih nula
d) precrtati kolone u kojima prethodno označ eni redovi imaju zavisne nule
22. označ iti redove sa nezavisnim nulama u prethodno označ enim kolonama
23. precrtati kolone u kojima prethodno označ eni redovi imaju zavisne nule
24. ponavljati korake c) d) c) … dok je to moguć e (do pojave označ enih re-
dova bez zavisne nule ili precrtanih kolona bez nezavisne nule)
e) precrtati neoznač ene redove (toč ke 4.a) i/ili 4.c))
PosloviRadnici
P1 P2 b) P3 P4 P5
R1 0 7 10 1 5
R2 5 9 0 0 0
R3 c) 30 0 11 5 2
R4 5 1 11 0 0
R5 a) 4 0 6 8 6
25. Optimaliziracije:
j) odrediti najmanje neprecrtano polje (2 – polje 34)
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 26/28
26 Kvantitativne metode
26. dodati vrijednost najmanjeg polja vrijednostima svih dvostruko precrtanih
polja
f) oduzeti vrijednost ovog polja od vrijednosti svih neprecrtanih polja
27. Ponavljati postupak do dobivanja optimalnog rješenja:
PosloviRadnici
P1 P2
P3 P4 P5
R1 0 9 10 1 5
R2 5 11 0 0 0
R3
28 0 9 3 0
R4 5 3 11 0 0
R5
2 0 4 6 4
Dobiveno rješenje je optimalno jer je broj nezavisnih nula = broju poslova.
X = (x11 , x23 , x35 , x44 , x52 ) = (1, 1, 1, 1, 1)F = c11Dx11 + c23Dx23 + c35Dx35 + c44Dx44 + c52Dx52 =
3D1 + 2D1 + 7D1 + 11D1 + 16D1 = 39 h
8.5.3 Maksimalizacija
PRIMJER P-8.8
Od raspoloživih pet radnika treba odabrati tim za rad na četiri dobavljena stroja. Broj ko-
mada koji su izradili radnici tijekom testiranja na dobavljenim strojevima je dat u tabeli. Oda-
brati optimalni tim.
StrojeviRadnici
S1 S2 S3 S4
R1 5 6 5 1
R2 4 6 4 1
R3 8 6 7 6
R4 2 4 4 4
R5 6 10 9 4
0. Prilagodba tabele
k) uvođ enjem dopunske kolone/reda formirati kvadratnu matricu
1. u svakoj koloni se od svih polja oduzima vrijednost najveć eg polja u koloni
2. vrijednosti svih polja se množe s – 1
StrojeviRadnici
S1 S2 S3 S4 S5
R1 3 4 4 5 0
R2 4 4 5 5 0
R3 0 4 2 0 0
R4 6 6 5 2 0
R5 2 0 0 2 0
3. Kako je: F max = C X = F min = – C X provodi se postupak minimalizacije (8.10.3
– P-8.8)
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 27/28
08. Linearno programiranje 27
StrojeviRadnici
S1 S2 S3 S4 S5
R1 3 4 4 5 0
R2 4 4 5 5 0R3 0 4 2 0 0
R4 6 6 5 2 0
R5 2 0 0 2 0
StrojeviRadnici
S1 S2 S3 S4 S5
R1 1 2 2 3 0
R2 2 2 3 3 0
R3 0 4 2 0 2
R4 4 4 3 0 0
R5 2 0 0 2 2
StrojeviRadnici
S1 S2 S3 S4 S5
R1 0 1 1 2 0
R2 1 1 2 2 0
R3 0 4 2 0 3
R4 4 4 3 0 1
R5 2 0 0 2 3
StrojeviRadnici
S1 S2 S3 S4 S5
R1 0 0 0 2 0
R2 1 0 1 2 0
R3 0 3 1 0 3
R4 4 3 2 0 1
R5 3 0 0 3 4
StrojeviRadnici
S1 S2 S3 S4 S5
R1 0 0 0 2 0
R2 1 0 1 2 0
R3 0 3 1 0 3
R4 4 3 2 0 1
R5 3 0 0 3 4
Dobivena su dva moguća optimalna rješenja – broj zavisnih nula = broju poslo-
va. U prvom rješenju će tim biti formiran od radnika R2, R3, R4 i R5 (radnik
R1 otpada jer je raspoređ en na fiktivno radno mjesto), a u drugom od radnika
R1, R3, R4 i R5 (radnik R2 otpada jer je raspoređ en na fiktivno radno mjesto).
Optimalno rješenje o izboru radnika R1 ili R2 u tim mora biti donesena na te-
melju dodatnih kriterija. Međutim, iz rješenja se zapaža kako će o izboru radnika
R1 ili R2 ovisiti i raspored radnika R5 na stroj S3 ili S2.
Za prvo moguće optimalno rješenje je:
X = (x15 , x22 , x31 , x44 , x53 ) = (1, 1, 1, 1, 1, 0)F = c15Dx15 + c22Dx22 + c31Dx31 + c44Dx44 + c53Dx53 =
7/30/2019 08 Linearno programiranje
http://slidepdf.com/reader/full/08-linearno-programiranje 28/28
28 Kvantitativne metode
0D1 + 6D1 + 8D1 + 4D1 + 9D1 = 27 kom
a za drugo:
X = (x13 , x25 , x31 , x44 , x52 ) = (1, 1, 1, 1, 1, 0)F = c13Dx13 + c25Dx25 + c31Dx31 + c44Dx44 + c52Dx52 =
5D1 + 0D1 + 8D1 + 4D1 + 10D1 = 27 kom
8.5.4 Zadaci – MR
Z-8.10 Pet radnika treba obaviti pet poslova. Svaki radnik je osposobljen za obav-
ljanje svih poslova, ali pri tome radnici utroše različita vremena, navedena u
poljima tabele (u satima), za obavljanje istih/različitih poslova. U aktualnom
vremenskom razdoblju jedan radnik može biti angažiran samo na jednom od
poslova. Odrediti optimalnu proizvodnju.Poslovi
RadniciP1 P2 P3 P4 P5
R1 3 21 12 6 10
R2 8 23 2 5 5
R3 33 14 13 10 7
R4 14 21 19 11 11
R5 9 16 10 15 13
Rješenje:
X = (x11 , x23 , x35 , x44 , x52 ) = (1, 1, 1, 1, 1)
F = 39 h
Z-8.11 Od raspoloživih pet radnika treba odabrati tim za rad na četiri dobavljena
stroja. Broj komada koji su izradili radnici tijekom testiranja na dobavljenim
strojevima je dat u tabeli. Odabrati optimalni tim.
StrojeviRadnici
S1 S2 S3 S4
R1 5 6 5 1
R2 4 6 4 1
R3 8 6 7 6
R4 2 4 4 4
R5 6 10 9 4
Rješenje:
(a) X = (x15 , x22 , x31 , x44 , x53 ) = (1, 1, 1, 1, 1, 0) F = 27 kom
(b) X = (x13 , x25 , x31 , x44 , x52 ) = (1, 1, 1, 1, 1, 0) F = 27 kom