P. 1
YÖNEYLEM ARAŞTIRMASI.IST205U.pdf0.pdf

YÖNEYLEM ARAŞTIRMASI.IST205U.pdf0.pdf

|Views: 47|Likes:
Yayınlayan: ercan977

More info:

Published by: ercan977 on Feb 23, 2013
Telif Hakkı:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

09/30/2013

pdf

text

original

i

T.C. ANADOLU ÜNİVERSİTESİ YAYINI NO: 2528
AÇIKÖĞRETİM FAKÜLTESİ YAYINI NO: 1499









YÖNEYLEM ARAŞTIRMASI-I




Yazarlar
Prof.Dr. Müjgan SAĞIR (Ünite 1, 4, 5)
Yrd.Doç.Dr. Mahmut ATLAS (Ünite 2, 3)
Doç.Dr. Nil ARAS (Ünite 6, 8)
Arş.Gör.Dr. Zehra KAMIŞLI ÖZTÜRK (Ünite 7)

Editör
Prof.Dr. B. Fethi ŞENİŞ






ANADOLU ÜNİVERSİTESİ

iii
İçindekiler

Önsöz .... iv

1. Yöneylem Araştırmasına Giriş 2
2. Doğrusal Programlama. 14
3. Doğrusal Programlama Modellerinin Çözümü: Grafik Çözüm Tekniği 38
4. Simpleks Algoritması 68
5. Duyarlılık Analizi. 92
6. İkillik (Dualite).. 116
7. Hedef Programlama 146
8. Ulaştırma ve Atama Modelleri. 170


iv
Önsöz
Karar vermek, yaşımız ve mesleğimiz ne olursa olsun hayatın her aşamasında, sayamayacağımız kadar
çok defa karşı karşıya kaldığımız bir işlemdir. Ne giyeceğiniz, neye yatırım yapacağınız, çocuğunuzun
hangi okula devam edeceği, kariyerinizi nasıl planlayacağınız, hangi tedarikçi ile çalışacağınız, hangi
kargo ile iletilerinizi göndereceğiniz, hangi servis sağlayıcısı ile çalışacağınız, hangi lisansüstü programa
kayıt olacağınız, hangi marka buzdolabı alacağınız, yemeğinizle hangi içeceği sipariş edeceğiniz,
ödemenizi kredi kartı ile mi peşin mi yapacağınız…
Meslek yaşantılarında da insanlar hemen her an karar vermek durumundadırlar.
Şu marka hammaddeyi mi kullansak, yoksa bunu mu?
On tane mi üretsek, sekiz mi yoksa oniki mi?
Kaç tane satış şubesi açsak? Bu şubeleri hangi şehirlerin hangi semtinde açsak daha iyi olur?
İşletmelerin ölçeği büyüdükçe, seçenek sayısı arttıkça, işlemler karmaşıklaştıkça; karardan etkilenen
kişi ve kurum sayısı da bağlı olarak artar ve yanlış kararların maddi manevi bedeli daha da ağırlaşır. Bu
sebeple böylesi karmaşık karar problemleri ile yüzleşildiğinde, deneyim ve sezgiler hala çok önemli
olmakla beraber, en doğru kararı verme sürecinde, yetersiz kalabilmektedirler.
Yöneylem Araştırması, karar vericilerin bu tür süreçlerde, kendi deneyimlerinin yanısıra, ihtiyaç
duyabilecekleri bilimsel yöntem ve teknikleri sunan ve uygulama olanağı veren bir bilim dalıdır.
Bu kitap, Yöneylem Araştırması’na belirli bir ölçüde giriş sağlamak amacıyla hazırlanmıştır.
Konunun kuramsal yönünden çok, kapsadığı problem türleri ve çözüm yaklaşımları örneklerle
tanıtılmıştır. Örneklerin olabildiğince, dersin hedef kitlesine ve gelecekteki çalışma alanına uygun
olmasına özen gösterilmiştir.
Ünitelerde yer verilen örneklerin dikkatlice incelenmesi, karşılaşılan sorulara yanıt vermeye
çalışılması ve ünite sonlarında yer alan yanıt anahtarlarıyla karşılaştırılması, konuların daha iyi
kavranmasına katkı sağlayacaktır.
Ünitelerin anlatımı ve sunumu konusunda türlü isteklerimizi karşılamak için çaba gösteren tüm
yazarlarımıza teşekkür etmeyi zevkli bir görev sayıyorum.

Editör
Prof.Dr. B. Fethi ŞENİŞ














2

Amaçlarımız
Bu üniteyi tamamladıktan sonra;
Yöneylem Araştırması’nın ortaya çıkışını ve gelişimini açıklayabilecek,
Yöneylem Araştırması’nın üç temel özelliği olan sistem yaklaşımı, disiplinlerarası yaklaşım ve
bütünleşik yaklaşımı açıklayabilecek,
Model kavramını tamamlayabilecek,
Yöneylem Araştırması sınıfına giren problem türlerini ifade edebilecek,
Doğrusal ve doğrusal olmayan programlama türlerini açıklayabilecek
Yöneylem Araştırması tekniklerinin kullanım alanlarını ifade edebilecek
bilgi ve becerilere sahip olabilirsiniz.

Anahtar Kavramlar
Yöneylem Araştırması
Model
Doğrusal Programlama
Doğrusal Olmayan Programlama
Sistem Yaklaşımı
Disiplinlerarası Yaklaşım
Bütünleşik Yaklaşım


İçindekiler
Giriş
Yöneylem Araştırması’nın Üç Temel Özelliği
Yöneylem Araştırması Yaklaşımı
Model, Karar Modeli
Doğrusal ve Doğrusal Olmayan Programlama
Yöneylem Araştırması Teknikleri ve Kullanım Alanları
1


3
GİRİŞ
Yöneylem Araştırması’nın doğuşu II. Dünya Savaşı yıllarındaki askeri uygulamalara dayandırılmakla
birlikte, 1911’lerde Frederick Taylor’un yayınladığı Bilimsel Yöntemin İlkeleri çalışmasının da aslında bu
bilim dalının köklerini oluşturduğu söylenebilir.
II. Dünya Savaşı yıllarında, İngiliz askeri birimlerinde radarların etkili kullanımı, denizaltıların
yerlerinin belirlenmesi gibi problemlerin çözümünde farklı bilim dallarından oluşan ekiplerle
çalışılmıştır. İzleyen yıllarda Amerika Birleşik Devletleri’nde Amerikan ekonomisi için geliştirilen bir
endüstriler arası girdi-çıktı modeli de yine birden fazla araştırmacıdan oluşan bir ekiple ele alınmıştır. Bu
ekipte yer alan George B. Dantzig bu tür problemlerde, tanımlanan bir amaç fonksiyonu ile eniyi
programların yapılabileceği düşüncesini savunmuş ve ayrıca doğrusal programlama problemleri için
bilinen Simpleks Algoritması’nı geliştirmiştir.
Yıllar içerisinde Yöneylem Araştırması, örgütlerin ve/veya sistemlerin tasarımında, kuruluşunda ve
işletilmesinde karşılaşılan planlama, yürütme ve kontrol faaliyetlerine bilimsel yöntemlerle katkıda
bulunan ve bu alanlardaki problemlere çözüm arayan bir bilim dalı olarak yerini almıştır. Matematik,
çözüm tekniklerinin altında yatan temel bilimdir. Matematiğin, bu bölümde yer verilen ve Yöneylem
Araştırması’nı karakterize eden modelleme, yöntembilim vb. özellik ve yaklaşımlarla birlikte ele alınış
biçimi yönüyle, Yöneylem Araştırması, bir sanat olarak da görülmektedir. Çözüm sürecinde kullanılan
yaklaşım, problemi ve ardından çözüm seçeneklerini ortaya koyma, daha sonrada eniyi seçeneği uygun
yöntemle belirleme aşamalarından oluşur. Birden fazla seçenek çözüm sözkonusu değilse, bir problem de
yok demektir. Buna bir örnek şu şekilde verilebilir: Bir doğal afet durumunda, ülkenin, afetin yaşandığı
bölgelerine ulaştırılacak yardımın hangi yolla yapılacağına karar verilmek istensin. Yardım ulaştırmanın o
anki koşullarda tek yolu havadan ulaşım ise, kara yolu ve denizyolu sözkonusu değilse, örneğin
denizyolu coğrafi olarak mümkün olmayıp, karayolu da tahrip olmuş ve kullanılamaz ise, en iyi seçeneğin
hangisi olduğu gibi bir problem sözkonusu değildir ve tek ulaşım seçeneği hava yoludur. Fakat hem hava
yolu, hem karayolu ile ulaşım mümkün ise o durumda hangi seçeneğin daha iyi olduğu sorusu gündeme
gelir. Bu durumda Yöneylem Araştırması yöntemleri ile eniyi seçeneğe karar vermek mümkün olur.
Problem, ancak çözümünde alternatif yollar varsa vardır.
Bu ünitede yukarıda çok genel olarak açıklanan Yöneylem Araştırması’nın; temel özellikleri, problem
çözümlerinde izlediği yaklaşım ve hangi tür problemlerin çözümünde kullanılacağı vb. konulara yer
verilecektir.

YÖNEYLEM ARAŞTIRMASI’NIN ÜÇ TEMEL ÖZELLİĞİ
Yöneylem Araştırması’nın üç temel özelliği;
a. Bilimsel yöntem,
b. Bütünleşik yaklaşım ve
c. Disiplinlerarası yaklaşım

Yöneylem
Araştırmasına Giriş


4
şeklindedir. Bilimsel yöntem, basitce, problemlerin çözümünde bilimsel bir yaklaşımın izlenmesini ifade
eder. Bu anlamda bilimsel yöntem; incelenen problem veya olayla ilgili önce gözlem yapılmasını, sonra
bir hipotezin geliştirilmesini, ardından bu hipotezin deneylerle sınanmasını ve son adım olarak da
genellenmesini içerir. Ardından geri bildirimler ve gerekliyse kontrollerle sistem üzerinde geliştirmeler
devam edebilir. Bütünleşik yaklaşım, ele alınan problemin, içerisinde yer aldığı sistem ile birlikte tüm
bileşenleri ve boyutlarıyla incelenmesidir. Birden fazla ve karşılıklı ilişki içinde bulunan ve belirli bir
amaca yönelik olarak bir arada bulunan oluşumlar (sistemler) ile karşılaşıldığından, bu özellik sistem
yaklaşımı olarak da ifade edilebilmektedir. Son olarak disiplinlerarası yaklaşım ise, Yöneylem
Araştırması kapsamındaki problemlerin, farklı disiplinlerde yer alan uzmanlardan oluşan bir ekiple
çözülmesi anlamına gelmektedir.
Birlikte düşünüldüğünde bu üç özelliğin, problem çözüm süreçlerine farklı bir sistematik yaklaşım
kazandırdığı görülebilmektedir.
Kavramları daha iyi anlayabilmek için aşağıdaki örneği inceleyelim:
Bir işletme var olan depolarına yenilerini eklemek istemektedir. Her deponun yeri ve kapasitesi;
dağıtım yapacağı müşterilere, bulunulan bölgedeki talep büyüklüğüne vb. göre değişecektir. Eniyi depo
yerine karar verebilmek için işletmenin bazı araştırmalar yapması gerekmektedir. Depo açma maliyeti ile
ilgili olarak, düşünülen bölgelerdeki arazi-bina satınalma veya kira bedelleri, tahmin edilen talepler,
ürünlerin depolara oradan da müşterilere sevkiyatlarının maliyetleri, bu sevkiyatlar sırasında
kullanılabilecek araç ve güzergahların belirlenmesi gibi farklı etkenler ve her biriyle ilgili farklı kararlar
sözkonusudur. Bu konular bir araya geldiğinde, farklı uzmanlık ve mevzuat bilgisi ayrıca bilimsel
analizler gerektirdiği ortaya çıkacaktır. Bir karar vericinin, bu tür önemli kararlarda rol oynayabilecek
tüm bilgilere sahip olması mümkün olamayacağına göre, kendi alanında uzmanlık bilgisine sahip
farklı disiplinlerden kişilerin bir araya getirilmesi kaçınılmazdır.
Bu gibi konularda Yöneylem Araştırması’nın disiplinlerarası yaklaşımı kendini gösterir. Problem
tüm yönleriyle yeterince irdelendiğinde, sistemi oluşturan bileşenlerin karşılıklı etkileşimleri
görülebilecek, açılacak depo yerinin ulaşılması gereken müşterilerin bulunduğu noktalardan veya
sözkonusu bölgede yeni bir depo inşası için uyulması gereken mevzuattan veya işletmenin elinde
bulunan, bu işe ayrılabilecek sermayeden bağımsız olamayacağı (bütünleşik yaklaşım) ortaya çıkacaktır.
Tüm bu gereklilikler konusunda bir farkındalık; problemin önce adım adım tanımlanması, daha sonra
sistematik bir yaklaşımla çözüm sürecinin tasarlanması (bilimsel yöntem) aşamalarını getirecektir.

YÖNEYLEM ARAŞTIRMASI YAKLAŞIMI
Yöneylem Araştırması, problemleri, yukarıda belirtildiği gibi, disiplinlerarası bir ekiple, bilimsel bir
yöntemi izleyerek ve sistemi bütünüyle ele alarak çözer. Bu temel özellikleri kullanan, aynı zamanda
Yöneylem Araştırması Yaklaşımı da denen problem çözme aşamaları aşağıdaki gibi özetlenebilir:
a. Problemin belirlenmesi
b. Gerekli verilerin elde edilmesi ve sistemin analiz edilmesi
c. Modelin geliştirilmesi
d. Modelden çözüm elde edilmesi, modelin geçerliliğinin sınanması
e. Modelin uygulanması ve karar.
Problemin varlığının ortaya konması ve doğru tanımlanması, çözüm sürecinde en önemli aşamadır.
Daha sonra ise problemin girdisi olabilecek ve yaşandığı sistemden türetilebilecek verilerin, gerektiği
ölçüde ve güncel bir biçimde elde edilmesi gerekir. Hangi tür verilere ihtiyaç duyulduğu, ilgili sistemin
ayrıntılı analizi ile ortaya çıkabilir. Bunu izleyen aşama, problemin çözümü için gereken uygun modelin
geliştirilmesidir. Kısaca bir sistemin kendisi yerine onun gibi davranan eşdeğeri şeklinde ifade edilen
modellerin çok farklı şekillerde sınıflandırılmaları mümkündür. İzleyen bölümde, model, yanısıra
Yöneylem Araştırması kapsamında daha yaygın kullanılan ve ihtiyaç duyulan karar modeli kavramlarına
yer verilmektedir. Yaklaşımın diğer aşamalarında ise, geliştirilen modelin geçerliliğinin sınanması ve
uygulanması adımları yer alır.


5
MODEL, KARAR MODELİ
Model, bir sistemin kendisi yerine onun gibi davranan eşdeğerine denir. Modeller farklı şekillerde
gruplanabilirler. Yapılarına göre modeller; uyuşum, benzeşim ve matematiksel olarak üçe ayrılırlar.
Uçak simulatörleri, maket inşaat projeleri uyuşum modellerine birer örnektir. Bu tür modeller gerçek
sistemin küçültülmüş birer örneğidirler. Çeşitli diyagramlar, grafikler benzeşim modelleri arasındadırlar.
Gerçek sistem görünümünde olmayıp, sistemdeki ilişkileri temsil ederler. Bu örnekler üzerinde
düşünüldüğünde, bir uçak simülatörü yardımıyla, sözkonusu uçağın, belirli koşullarda hangi davranış
biçimlerini ortaya koyacağı test edilebilir. Bu sayede insan hayatını tehlikeye atmadan ve doğabilecek
büyük bir maliyeti de önceden engelleyerek simülatör üzerinde istenen testler yapılır. Benzer düşünceyle,
bir bilgisayar programı da bir çeşit model sayılır.
Matematiksel model ise bir sistemin veya problemin matematiksel ifadelerle temsil edilmesidir. f =
ma denklemi bu anlamda bir matematiksel modeldir. m kütlesine sahip bir cismin belirli bir a ivmesine
maruz kaldığında oluşacak olan f büyüklüğündeki kuvvetin ifadesidir. m, a ve f ‘den herhangi ikisi
biliniyorsa, üçüncünün değeri bu ilişki ile bulunabilir.
Karar süreci; problemi belirleme, seçenekleri türetme ve eniyi seçeneği bulma adımlarından
oluşur. Bir problem olup olmadığı, Giriş bölümünde de belirtildiği gibi, problemin çözümü için birden
fazla seçeneğin olması durumunda ortaya çıkar. Öte yandan çoğu durumda seçenekleri belirlemek de
oldukça zordur. Böyle durumlarda problemin gereklilikleri ve değişkenlerarası ilişkilerin matematiksel
fonksiyonlarla ifade edildiği; bulunan çözümlerden hangisinin seçileceği kararının ise bir başka
fonksiyonda yine bu seçenek çözümlerin aldığı değerler ile belirlendiği, bütünleşik bir yapı oluşturulur.
Bu yapıda değişkenlerarası ilişkilerin gösterildiği fonksiyonlara kısıt, kısıtları sağlayan çözümlerin
eniyisinin seçimi için kullanıldığı belirtilen fonksiyona ise amaç fonksiyonu denir. Kısıtlar ve amaç
fonksiyonundan oluşan bu tür yapılara karar modeli denir. Karar modelleri doğrusal veya doğrusal
olmayan özelliklerde olabilirler.

DOĞRUSAL VE DOĞRUSAL OLMAYAN PROGRAMLAMA
Pratik olarak tüm kısıtları ve amaç fonksiyonu, her biri doğrusal birer fonksiyon ise, bir başka deyişle tüm
fonksiyonlarda yer alan her bir terim birinci dereceden ifadelerden oluşmakta, iki değişkenin çarpımı
veya bir değişkenin üssünün olmadığı terimler yer almakta ise ilgili karar modeli doğrusaldır denir.
Örnek bir doğrusal karar modeli aşağıdaki gibi verilebilir:

kısıtları altında

Doğrusal karar modeli geliştirilebilmesi için bazı özellikler vardır: Bunlar; belirlilik, oranlılık,
toplanabilirlik ve bölünebilirlik olarak sıralanabilir. Belirlilik, problemde kullanılan parametrelerin
değerlerinin bilinmesi, bölünebilirlik, karar değişkenlerinin her reel değeri alabilmesi, oranlılık,
karar değişkenlerinin aldıkları değere göre oluşan katkı ve kullanılan kaynak miktarının değişkenin değeri
ile doğru orantılı olması, toplanabilirlik ise oluşan katkıların toplanabilmesidir. Bu özellikler var ise
bir karar modeli doğrusaldır. Örneğin yukarıdaki modelde oranlılık, birinci karar değişkeninin birim
değeri için oluşacak katkı 3 ise, x
1
birimi için bu katkının doğru orantıyla artıp 3x
1
kadar olması veya
birim kaynak kullanımı

ise,

birim için kaynak kullanımının

kadar olması; toplanabilirlik ise
ikinci değişkenin x
2
birimi için oluşacak benzer katkının 5x
2
olup, iki değişkenin oluşturduğu katkıların
(3x
1
+5x
2
) toplanabilmesidir. Belirlilik, problemde yer alan birim katkılar, birim kaynak kullanımları gibi
parametrelerin değerlerinin bilinmesi, bölünebilirlik ise değişkenlerin her reel değeri alabilmesidir.
Yukarıdaki özellikleri taşımayan modellere doğrusal değildir denir. Bir modelin tüm fonksiyonlarının
enaz bir teriminde üslü ifadenin olması (

gibi iki değişkenin çarpımı veya

üslü terimin
olması) bu durum için yeterlidir. Aynı zamanda karar değişkenlerinin sürekli değişken değil de tam sayılı
olması durumunda da doğrusallık bozulur. Örnek bir doğrusal olmayan karar modeli aşağıdaki gibi
verilebilir:


6

kısıtları altında

İlk kısıtta iki değişkenin çarpımı, ikinci kısıtta ise bir değişkenin karesi bulunmaktadır.
Doğrusal ve doğrusal olmayan karar modellerinin çözümü için farklı yaklaşımlar vardır. Fakat
doğrusal karar problemlerinin eniyi çözümü bir uç noktadadır (ileride açıklanacaktır) ve bu tip modellerin
çözümlerini bulmak, doğrusal olmayanlara göre daha kolaydır.
Bir doğrusal karar probleminin sağlaması gereken özellikler nelerdir?
Kara, İ., (1985), Yöneylem Araştırmasının Yöntembilimi, Anadolu
Üniversitesi Yayınları No: 96, Eskişehir 1985.
Karar modeli nedir?

YÖNEYLEM ARAŞTIRMASI TEKNİKLERİ VE KULLANIM
ALANLARI
Yöneylem Araştırması teknikleri pek çok alanda uygulama olanağı bulabilir. Aslında, tanımında da
belirtildiği gibi örgütlerin ve/veya sistemlerin tasarımında, kuruluşunda ve işletilmesinde karşılaşılan
planlama, yürütme ve kontrol faaliyetlerine bilimsel yöntemlerle katkıda bulunan ve bu alanlardaki
problemlere çözüm arayan bir bilim dalı olduğu hatırlanırsa, Yöneylem Araştırması ile ilgili çalışmaların
ne kadar geniş bir yelpazede yer alabileceği kolayca görülebilir. Çünkü günümüzde hemen her sistemde;
tasarım, kuruluş ve işletme aşamaları yer alır. Gerek üretim, gerek hizmet sektörü olsun, yaşayan her
birim bu tür karar problemleri ile karşı karşıya kalır. Günümüz işletmelerinde, ayakta kalabilmek ve
rekabet edebilmek için, verimlilik, kaçınılmaz bir gerekliliktir. Elde bulunan kaynakların, işgücünün ve
en önemlisi zamanın verimli kullanılması, maliyetlerin düşürülmesi, eniyi yatırım kararlarının alınması,
sistemleri kurduktan sonra işleyişlerinde de etkin bir kontrol ve planlama ile sürekliliklerinin sağlanması
çok önemlidir.
Yöneylem Araştırması kapsamına giren konular ve tekniklere bakıldığında; üretim planlama ve stok
kontrol, proje yönetimi, ulaştırma ve atama, personel planlama ve çizelgeleme gibi problemlerin;
doğrusal, doğrusal olmayan, tamsayılı, rassal ve dinamik programlama genel yaklaşımlarının yanında,
oyun teorisi, markov zincirleri, dal-sınır algoritması, MODI atlama taşı, CPM-PERT, Macar Algoritması,
Simpleks Algoritması olarak adlandırılan çeşitli tekniklerle de çözülebildiği görülür. Her birisi farklı
problemlerin çözümü için geliştirilen bu teknikler, problemlerin eniyi (optimum) çözümlerini bulmak
amacıyla kullanılırlar.
Bazı örnekler vermek gerekirse; üretim sektöründe faaliyet gösteren bir işletmenin, elinde bulunan
makine, malzeme ve işgücü olanaklarını aşmadan, gelecek belirli bir dönem için üretim planını yapması
Yöneylem Araştırması kapsamında çözülebilecek problemler arasında yer alabilir. Üretim planı başlığını
biraz daha açmak gerekirse, örneğin toplam satış karını enbüyüklemek için planlama periyodu içerisinde
hangi üründen hangi miktarlarda üretilmesi gerektiği veya işlerin tamamlanma zamanını enküçüklemek
ve müşteriye en kısa zamanda sevkiyat yapabilmek için hangi operatörün hangi tezgahda çalışması veya
hangi işin hangi tezgahta yapılması gerektiği bulunabilir. Yine benzer şekilde, talepteki ani değişikliklere
karşı hazırlıklı olmak için, önceden, hangi ürünlerden hangi seviyelerde stok bulundurulması gerektiği de
üretim planlama ve stok kontrolü kapsamında yanıtlanması gereken sorular arasında yer alıp hepsi çeşitli
Yöneylem Araştırması Teknikleri ile çözülebilir.


7
Hizmet sektörü açısından düşünüldüğünde, müşteri beklemelerini en aza indirecek ve memnuniyeti
arttıracak şekilde, kaç tane servis personelinin olması gerektiği (bankalarda banko, marketlerde kasa
sayıları), pazardaki payı arttırabilmek için bir işletmenin izleyebileceği farklı reklam ve pazarlama
stratejilerinden hangisinin daha etkili olacağı gibi karar problemleri Yöneylem Araştırması çalışma
konuları arasındadır.
Ulaştırma ve lojistik faaliyetleri açısından şu tür örnekler vermek mümkündür: Bir işletmenin, ürünlerinin
sevkiyatında kullanacağı araç filosunda yer alacak araçlarının tiplerini ve sayılarını ya da mevcut
araçlarının ürün sevkiyatı sırasında izlemesi gereken rotalarını belirlemesi problemleri bu kapsamdadır.
Rota belirleme sürecinde genellikle, en kısa yol bağlı olarak da en az taşıma maliyeti
amaçlanmaktadır. Üretim sektöründe faaliyet gösteren işletmeler için depo büyüklükleri, depo sayıları,
ayrıca birden fazla üretim işletmesi ve deponun olduğu sistemler için hangi işletmeden hangi depoya veya
hangi depolardan hangi müşterilere dağıtım yapılacağı kararları da Yöneylem Araştırması teknikleri
kullanılarak verilebilir.
Özellikle son elli yıldır büyük ölçekli projelerde uygulanabilen Yöneylem Araştırması teknikleri
konusunda, GANTT Diyagramı denen teknik en eskiler arasındadır. 1958’de Amerikan Deniz Kuvvetleri
Özel Projeler Bölümü tarafından, PERT (Project Evaluation and Review Technique), hemen hemen aynı
zamanlara rastlayan Kritik Yol Yöntemi ise (CPM-Critical Path Method), Dupont Kimyevi Madde
Fabrikası’nda bakım onarım faaliyetlerine yardımcı olmak üzere geliştirilmiştir. Bu teknikler çoğunlukla
zaman esaslı faaliyetlerin programlanması problemlerinde uygulanmaktadırlar. CPM-PERT’de bir
projeye ait tüm faaliyetler tanımlanır, aralarındaki öncüllük-ardıllık ilişkileri belirlenir ve projeye ait bir
şebeke çizilir. Örneğin bir inşaatın temeli atılmadan birinci katının inşa edilmesi mümkün değildir. Temel
atma işlemi, ilk kata çıkma alt faaliyetinin bir öncülüdür veya bir sempozyum düzenleme etkinliğinde,
sempozyum tarihlerini belirlemeden, ilk duyuruları yapmak, duyuruları yapmadan katılımcıların
kayıtlarını almaya başlamak mümkün değildir. Faaliyetler için süreler ve maliyetler tahmin edilir.
Faaliyetlerin en erken ve en geç başlama ve bitiş süreleri ile bolluklar hesaplanır. Projeye ait kritik yol
denen bir rota ortaya çıkar. Bina, yol, köprü ve baraj inşaatı gibi büyük ölçekli projelerde de bu gibi
teknikler kullanılır. Bu teknikler bir defalık gerçekleştirilen büyük projelerde, faaliyetlerin sistematik bir
şekilde planlanmasına, hangi faaliyetin proje toplam süresini geciktirmeden ne kadar ertelenebileceğinin
belirlenmesine yardımcı olur.
Bir diğer benzer konu da şebeke modelleri olarak isimlendirilir. En kısa yol, enküçük örten ağaç, en
büyük akış gibi çeşitli alt çalışma alanları vardır.
En kısa yol problemi, özellikle lojistik alanında veya haberleşme şebekelerinde kullanılabilecek bir
takım yöntemlerin gelişmesine sebep olmuştur. Otoyolların yapımında ya da yukarıda belirtilen bir
lojistik firmasının dağıtım faaliyetlerinde izleyeceği rotanın belirlenmesinde, toplam mesafeyi
enküçükleyecek şekilde güzergahların veya yol bağlantılarının yapılması bu yöntemlerle sağlanabilir.
En küçük örten ağaç problemi, örneğin bir belediyenin bir ilçesine bağlı köylere elektrik bağlantısı
yapması konusunda, hangi köylere hangi köylerden elektrik götürüleceğine karar vermek gerekir. Burada
bağlantı yapılacak bir noktanın kendisine en yakın herhangi bir noktadan elektrik alması mümkündür,
bağlantı sonrası da artık kendisi de en yakın komşu köye elektrik verebilir. Problem sanki tüm dallarına
erişilmek istenen bir ağaca benzetilerek en küçük örten ağaç olarak literatürde yerini almış, bir Yöneylem
Araştırması çalışma alanıdır.
Son olarak en büyük akış, maddelerin bir şebeke üzerinde bir noktadan diğerine eniyi (en büyük
akışı sağlayacak) şekilde taşınması problemi ile ilgilenir. Su, petrol, gaz vb. maddelerin boru hatlarından
taşınması, elektriğin taşınması, haberleşme sistemlerinde bilgi akışının sağlanması ya da kargo
işletmelerinde mektupların alıcıya taşınması gibi problemler, bu kapsamda yer almaktadırlar.
Yöneylem Araştırması tekniklerinin kullanılabileceği lojistik
faaliyetlerine örnek veriniz.





8
Özet
Yöneylem Araştırması, II. Dünya Savaşı
yıllarında doğmuş, ilk uygulamaları askeri alanda
gerçekleşmiş, örgütlerin tasarım, kuruluş ve
işletim aşamalarında karşılaşılan önemli
problemler için çözüm teknikleri sunan bir bilim
dalıdır.
Yöneylem Araştırması, örgütlerin ve/veya
sistemlerin tasarımında, kuruluşunda ve
işletilmesinde karşılaşılan planlama, yürütme ve
kontrol faaliyetlerine bilimsel yöntemlerle
katkıda bulunur ve bu alanlardaki problemlere
çözüm arar. Yöneylem Araştırması kapsamında,
bir problemin varlığından bahsedilebilmesi,
problemin çözümü için birden fazla seçeneğin
olması durumunda sözkonusudur. Öte yandan,
yukarıda belirtilen sınıfa giren, çoğu stratejik
kararda ise seçeneklerin türetilebilmesi çok da
kolay olmayabilmektedir. Bu durumda, sistemde
yer alan parametrelerin ve ilişkilerin temsil
edildiği bir yapıya ihtiyaç duyulmaktadır.
Yöneylem Araştırması kapsamında model denen
bu oluşumlar ile, bir sistemin kendisi yerine
kendisi gibi davranan bir eşdeğeri ortaya
konmaktadır. Bu eşdeğer sistemin çözümü ile
probleme çözüm olabilecek seçeneklerin
türetilmesi sağlanabilir.
Modeller farklı şekillerde sınıflandırılmaktadırlar.
Burada ele alınan sınıflama, modelleri; uyuşum,
benzeşim ve matematiksel olarak üçe
ayırmaktadır. Uçak simülatörleri, maket inşaat
projeleri uyuşum modellerine birer örnektir. Bu
tür modeller gerçek sistemin küçültülmüş birer
örneğidirler. Çeşitli diyagramlar ve grafikler
benzeşim modelleri arasındadırlar. Gerçek sistem
görünümünde olmayıp, sistemdeki ilişkileri
temsil ederler. Matematiksel model ise bir
sistemin veya problemin, içerdiği değişkenler
arası ilişkilerin, matematiksel ifadelerle temsil
edilmesidir. f = ma denklemi bu anlamda bir
matematiksel modeldir. m kütlesine sahip bir
cismin belirli bir a ivmesine maruz kaldığında
oluşacak kuvvetin ifadesidir. Bu kavramlardan
herhangi ikisinin değerinin bilinmesi durumunda
üçüncüsünün değeri, bu ilişki ile bulunabilir.
Öte yandan, sistemi temsil eden matematiksel
model ile türetilen seçeneklerin eniyisinin
belirlenmesi için, bir değerlendirme fonksiyonu
kullanılmaktadır. Bu çerçevede, bir matematiksel
modelde değişkenlerarası ilişkilerin gösterildiği
fonksiyonlara kısıt, kısıtları sağlayan noktalar
(çözümler)ın eniyisinin seçimi için kullanılan bu
değerlendirme fonksiyonuna da amaç fonksiyonu
denir. Kısıt ve amaç fonksiyonları ile ifade
edildiğinde elde edilen matematiksel modele
karar modeli denir. Karar modelleri doğrusal
veya doğrusal olmayan özelliklerde olabilirler.
İçerdiği fonksiyonların tümü doğrusal
fonksiyonlar ise ve değişkenler de sürekli ise,
doğrusal bir karar modeli ile karşı karşıya
kalınır. Aksi halde, model, doğrusal olmayan bir
yapıdadır denir. Doğrusal karar modeli
geliştirilebilmesi için bazı özellikler vardır:
Bunlar; belirlilik, oranlılık, toplanabilirlik ve
bölünebilirlik olarak sıralanabilir. Belirlilik,
problemde kullanılan parametrelerin
değerlerinin bilinmesi, bölünebilirlik, karar
değişkenlerinin her reel değeri alabilmesi,
oranlılık, karar değişkenlerinin aldıkları
değere göre oluşan katkı ve kullanılan kaynak
miktarının değişkenin değeri ile doğru orantılı
olması, toplanabilirlik ise oluşan katkıların
veya kaynak kullanımlarının toplanabil-
mesidir.
Yöneylem Araştırması’nın üç temel özelliği
vardır. Bunlar bilimsel yöntem, bütünleşik
yaklaşım ve disiplinlerarası yaklaşım olarak
sıralanabilir.
Bilimsel yöntem, incelenen problem veya olayla
ilgili önce gözlem yapılmasını, sonra bir
hipotezin geliştirilmesini, ardından bu
hipotezin deneylerle sınanmasını ve son adım
olarak da genellenmesini içerir. Bütünleşik
yaklaşım, ele alınan problemin, içerisinde yer
aldığı sistem ile birlikte tüm bileşenleri ve
boyutlarıyla incelenmesidir. Son olarak
disiplinlerarası yaklaşım ise, Yöneylem
Araştırması kapsamındaki problemlerin, farklı
disiplinlerde yer alan uzmanlardan oluşan bir
ekiple çözülmesi anlamına gelmektedir. Birlikte
düşünüldüğünde bu üç özelliğin, problem çözüm
süreçlerine farklı bir sistematik yaklaşım
kazandırdığı görülebilmektedir. Yöneylem
Araştırması çalışmalarında, bu üç temel özellik
kullanılarak, Yöneylem Araştırması Yaklaşımı da
denen şu problem çözme aşamaları kullanılır:
Problemin belirlenmesi, gerekli verilerin elde
edilmesi, sistemin analiz edilmesi, modelin
geliştirilmesi, modelden çözüm elde edilmesi,
modelin geçerliliğinin sınanması, modelin
uygulanması ve karar.


9
Yöneylem Araştırması kapsamına giren konulara
bakıldığında; üretim planlama ve stok kontrol,
proje yönetimi, ulaştırma ve atama, personel
planlama ve çizelgeleme gibi pek çok problem;
doğrusal, doğrusal olmayan, tamsayılı, rassal ve
dinamik programlama genel yaklaşımlarının
yanında, oyun teorisi, markov zincirleri, dal-sınır
algoritması, MODI atlama taşı, CPM-PERT,
Macar Algoritması, Simpleks Algoritması olarak
adlandırılan çeşitli tekniklerle çözülebilmektedir.
Bu teknikler genellikle, problemlerin eniyi
(optimum) çözümlerini bulmak amacıyla
kullanılırlar.
Yöneylem Araştırması tekniklerinin kullanım
alanlarına daha ayrıntılı örnekler vermek
gerekirse şunlar söylenebilir: Örneğin üretim
sektöründe faaliyet gösteren bir işletme; elindeki
malzeme ve işgücü olanaklarını aşmadan, gelecek
belirli bir dönem için üretim planını yapmak
istediğinde, toplam satış karını enbüyüklemek
için planlama periyodu içerisinde hangi üründen
hangi miktarlarda üretilmesi gerektiğini veya
işlerin tamamlanma zamanını enküçüklemek ve
müşteriye en kısa zamanda sevkiyat yapabilmek
için hangi operatörün hangi tezgahta çalışması
veya hangi işin hangi tezgahta yapılması
gerektiğini bulmak istediğinde Yöneylem
Araştırması tekniklerinden yararlanabilir.
Teknikler, hizmet sektöründe de pek çok alanda
uygulama olanağı bulabilmektedir. Örneğin, bir
kargo firmasının, araç filosunda yer alacak
araçların tiplerine ve sayılarına, bir üretim
işletmesinin, açacağı depoların yerlerine ve
büyüklüklerine, taşımacılıkta hava, deniz veya
kara yolu taşıma seçeneklerine veya bunların bir
kombinasyonuna karar verirken çeşitli yöntemler
kullanılabilir.










Proje planlama ve şebeke modelleri de Yöneylem
Araştırması çalışma konuları arasındadır. Bu
konudaki teknikler; özellikle bina, yol, köprü ve
baraj inşaatı gibi büyük ölçekli ve genellikle bir
defalık gerçekleştirilen büyük projelerde,
faaliyetlerin sistematik bir şekilde planlanmasına,
hangi faaliyetin proje toplam süresini
geciktirmeden ne kadar ertelenebileceğinin
belirlenmesine yardımcı olurlar. Şebeke
modelleri kapsamına giren konular ile ise;
özellikle lojistik sektöründe, dağıtım
faaliyetlerinde izlenecek en kısa rotanın
belirlenmesi veya maddelerin bir şebeke üzerinde
bir noktadan diğerine eniyi şekilde taşınması gibi
problemlere çözüm aranır. Örneğin su, petrol, gaz
vb. maddelerin boru hatlarından taşınması,
elektriğin taşınması, haberleşme sistemlerinde
bilgi akışının sağlanması, kargo işletmelerinde
mektupların alıcıya taşınması, yanısıra doğalgaz
bağlantısı yapılan bir yerleşim biriminden diğer
komşu yerleşim birimlerinin hangilerine ve nasıl
bir ağla bir bağlantı sistemi kurulacağının
belirlenmesi gibi konularda çözümler, bu
kapsamda yer alan tekniklerle bulunabilir.
Yöneylem Araştırması; problem çözümlerinde
farklı disiplinlerden, yanısıra karar sürecinde
bilimsel bir yöntemden yararlanması, pek çok
alanda ve çok çeşitli karar probleminde karar
vericiye yardımcı olacak çözüm yöntemleri
sunması yönleriyle sistemlerin verimliliğini
arttırmada önemli bir bilim dalıdır.















10
Kendimizi Sınayalım
1. Aşağıdakilerden hangisi Yöneylem
Araştırması’nın üç temel özelliği arasında yer
alır?
a. Sistematik yöntem
b. Modelleme
c. Disiplinlerarası yaklaşım
d. Tasarlama
e. Çözümleme
2. Aşağıdakilerden hangisi doğrusal bir karar
modeli geliştirmek için gereken özelliklerden
değildir?
a. Belirlilik
b. Sayılabilirlik
c. Toplanabilirlik
d. Oranlılık
e. Bölünebilirlik
3. Hangi ifade doğrusal olmayan bir yapıya karşı
gelmektedir?
a.

b.

c.

d.

e.

4. Hangi seçenek, Yöneylem Araştırması
yaklaşımındaki aşamaların sıralanışı için en
uygunudur?
a. Problemin belirlenmesi, modelin
geliştirilmesi, çözülmesi
b. Modelin geliştirilmesi, problemin
belirlenmesi, modelin uygulanması
c. Modelin geliştirilmesi, verilerin elde edilmesi,
modelin uygulanması
d. Modelin çözülmesi, modelin uygulanması,
verilerin analiz edilmesi
e. Verilerin analiz edilmesi, modelin
uygulanması, modelin çözülmesi





5. Aşağıdakilerden hangisi bir uyuşum modeline
örnektir?
a.
b. Akış şeması
c. Uçak simülatörü
d.

e.

6. Aşağıdakilerden hangisi bir benzeşim
modeline örnektir?
a.
b. Akış şeması
c. Uçak simülatörü
d.

e.

7. Aşağıdakilerden hangisi doğru değildir?
a. Yöneylem Araştırması’nın doğuşu II. Dünya
Savaşı yıllarına dayanır.
b. İlk çalışmalar farklı disiplinlerden kişiler
tarafından gerçekleştirilmiştir.
c. Frederick Taylor’un Bilimsel Yöntemin
İlkeleri çalışması da, ilk Yöneylem
Araştırması çalışmaları arasında önemli bir
yere sahiptir.
d. Yöneylem Araştırması çalışmaları 1920’lerde
önemli ölçüde hızlanmıştır.
e. Sistem yaklaşımı Yöneylem Araştırması’nın
üç temel özelliğinden değildir.
8. Hangisi oranlılık özelliğini tanımlar?
a. Karar değişkenlerinin aldıkları değere göre
oluşan katkı ve kullanılan kaynak miktarının,
değişkenin değeri ile doğru orantılı olması
b. Karar değişkenlerinin her reel değeri
alabilmesi
c. Karar değişkenlerinin değerlerine göre oluşan
katkıların toplanabilmesi
d. Problemde yer alan parametrelerin
değerlerinin bilinmesi
e. Verilen problemde yer alan bir karar
değişkeninin birim değerine karşılık oluşan
katkı , başka bir karar değişkeninin birim
değerine karşılık oluşan katkı iken, iki
değişkenin birlikte oluşturacağı katkının
olmasıdır.



11
9. Hangisi Yöneylem Araştırması’nın temel
özelliklerinden biri değildir?
a. Displinlerarası yaklaşım
b. Paralel yaklaşım
c. Bilimsel yöntem
d. Bütünleşik yaklaşım
e. Sistem yaklaşımı
10. Aşağıdakilerden hangisi doğrudur?
a. Yöneylem Araştırması ile bir problemin
çözümü sürecinde seçenekler her zaman
kolayca türetilir.
b. Yöneylem Araştırması tekniklerinin daha çok
hizmet sektöründe kullanımı yaygındır.
c. Bir problemin eniyi çözümünü bulmak,
Yöneylem Araştırması teknikleri ile her
zaman mümkündür.
d. Problemleri çözen seçenekler, her zaman
kolayca türetilemeyebilirler. Böyle
durumlarda bazen, matematiksel modellerden
yararlanılabilir.
e. Yöneylem Araştırması, özel bilimsel çalışma
alanlarındaki bilgi birikiminden yararlanır,
fakat birden fazla disipline mensup
araştırmacı veya uzmanın birlikte çalışması
uygun bulunmaz.

Kendimizi Sınayalım Yanıt
Anahtarı
1. c Yanıtınız yanlış ise “Yöneylem Araştır-
ması’nın Üç Temel Özelliği” başlıklı konuyu
yeniden gözden geçiriniz.
2. b Yanıtınız yanlış ise “Doğrusal ve Doğrusal
Olmayan Programlama” başlıklı konuyu yeniden
gözden geçiriniz.
3. b Yanıtınız yanlış ise “Doğrusal ve Doğrusal
Olmayan Programlama” başlıklı konuyu yeniden
gözden geçiriniz.
4. a Yanıtınız yanlış ise “Yöneylem Araştırması
Yaklaşımı” başlıklı konuyu yeniden gözden
geçiriniz.
5. c Yanıtınız yanlış ise “Model, Karar Modeli”
başlıklı konuyu yeniden gözden geçiriniz.
6. b Yanıtınız yanlış ise “Model, Karar Modeli”
başlıklı konuyu yeniden gözden geçiriniz.
7. d Yanıtınız yanlış ise “Yöneylem Araştırma-
sı’na Giriş” başlıklı konuyu yeniden gözden
geçiriniz.
8. a Yanıtınız yanlış ise “Doğrusal ve Doğrusal
Olmayan Programlama” başlıklı konuyu yeniden
gözden geçiriniz.
9. b Yanıtınız yanlış ise “Yöneylem Araş-
tırması’nın Üç Temel Özelliği” başlıklı konuyu
yeniden gözden geçiriniz.
10. d Yanıtınız yanlış ise “Model, Karar Modeli;
Yöneylem Araştırması’nın Üç Temel Özelliği”
başlıklı konuları yeniden gözden geçiriniz.














12
Sıra Sizde Yanıt Anahtarı
Sıra Sizde 1
Doğrusal karar problemlerinin sağlaması gereken
özellikler; belirlilik, bölünebilirlik, oranlılık ve
toplanabilirliktir.
Sıra Sizde 2
Bir karar problemini çözebilmek için; problemde
yer alan ilişkilerin, gerekliliklerin matematiksel
ifadelerle gösterildiği ve alternatif çözümlerin
değerlendirilmesi için de yine matematiksel
değerlendirme fonksiyonlarının tanımlandığı,
bütünleşik gösterimlerdir.



























Sıra Sizde 3
Yöneylem Araştırması teknikleri lojistik
faaliyetlerin planlama ve kontrol aşamalarında
pek çok karar noktasında kullanılabilir. Örneğin
bir nakliye şirketi; araç filosunda yer alacak
araçların sayılarına, tiplerine veya mevcut
araçlarının sevkiyat sırasında izleyeceği
güzergahlara bu tekniklerle karar verebilir.
Ayrıca bir üretim işletmesinin, açacağı depoların
yerlerini ve kapasitelerini belirlemek de yine
birer Yöneylem Araştırması problemi olarak
kabul edilebilirler.


























13
Yararlanılan Kaynaklar
Kara, İ., (2000), Doğrusal Programlama, Bilim
Teknik Yayınevi, İstanbul.
Kara, İ., (1985), Yöneylem Araştırmasının
Yöntembilimi, Anadolu Üniversitesi Yayınları
No: 96, Eskişehir 1985.
Taha, H, (2003), Yöneylem Araştırması, 3.
Basım, (Baray Ş. A., Esnaf Ş. tarafından çeviri),
Literatür Yayıncılık, İstanbul.
Timor, M. (2010), Yöneylem Araştırması,
Türkmen Kitabevi, İstanbul.







14

Amaçlarımız
Bu üniteyi tamamladıktan sonra;
Doğrusal programlamayı tanımlayarak, uygulama alanlarını listeleyebilecek,
Doğrusal programlamanın varsayımlarını açıklayabilecek,
Karar değişkeni ile tesadüfi değişken ayrımını yapabilecek,
Doğrusal programlama modelinin temel bileşenlerini açıklayabilecek,
Doğrusal programlama modeli (üretim, dağıtım vb.) kurabilecek
bilgi ve becerilere sahip olabilirsiniz.

Anahtar Kavramlar
Doğrusal Programlama
Amaç Fonksiyonu
Karar Değişkeni
Maksimum
Algoritma
Model
Matematiksel Model
Kısıtlayıcı
Minimum
Optimum
Karar Problemi

İçindekiler
Giriş
Doğrusal Programlamanın Varsayımları
Doğrusal Programlamanın Model Kurma
Doğrusal Programlamanın Model Kurma Uygulamaları
2


15
GİRİŞ
Yöneylem araştırmasının en gelişmiş ve yaygın uygulama alanını oluşturan doğrusal programlama,
doğrusal karar problemleriyle ilgili kavram ve teknikler topluluğudur. Bu bölümde, önce doğrusal
problemlerin matematiksel modellemesi anlatılıp, sonra da örnek problemler ele alınıp modellenecektir.
Doğrusal programlama, belirli bir amaca ulaşmak için, bazı kısıtlayıcılar altında kıt kaynakların en
verimli şekilde kullanılmasını sağlayan bir matematiksel yöntemdir. Bu şekilde varılmak istenen amaç,
kâr maksimizasyonu (en büyükleme) veya maliyet minimizasyonu (en küçükleme) olarak belirlenebilir.
Doğrusal programlamada “doğrusal” sözcüğü, fonksiyonların doğrusallığını, “programlama” ise planlama
işlemini ifade etmektedir. Doğrusal programlama, tüm uygun seçenekler arasından optimum (eniyi)
sonucun elde edilmesini sağlayan planlama faaliyetlerini içermektedir. Doğal olarak böyle bir
programlama sürecinde, önce gerekli veriler toplanır, problem modellenir ve daha sonra modelin çözümü
araştırılır. Doğrusal programlama modeli kurulurken amacın, değişkenler arasında ilişkilerin ve
kullanılacak kıt kaynakların tanımlanması gerekir.
Günümüz sistemleri (üretim, dağıtım, vb.) büyük sistemlerdir. Bu büyük sistemlerin modelleri de çok
sayıda değişken ve kısıtlayıcıdan oluşmaktadır. Büyük modeller, bilgisayar yardımıyla
çözülebildiğinden, doğrusal programlamanın uygulama alanı sadece kıt kaynakların dağıtımı ile sınırlı
kalmamış, diğer birçok alanda da önemli uygulamalar ortaya konmuştur. Doğrusal programlamanın
uygulama alanları ile ilgili olarak aşağıdaki liste verilebilir.
• Ulaştırma ve lojistik problemleri,
• Endüstriyel üretim planlaması ve envanter (stok) kontrolü
• Personel programlaması
• Beslenme(diyet) problemleri
• Karışım problemleri
• Tarımsal planlama
• Finansal planlama
• Yatırım planlaması
• Sağlık sistemleri
• Askeri planlama
• Trafik planlaması
• Atama problemleri
• Reklam seçimi problemleri
• Karışım problemleri

Doğrusal Programlama


16
İşletme ve iktisat bilim dallarını da yakından ilgilendiren doğrusal programlama, yöneylem
araştırmasında da en yaygın kullanılan araçlardan birisidir. Geniş bir uygulama alanı olan doğrusal
programlama, ayrıca işletmelerin karşılaştığı darboğazların giderilmesinde, kıt kaynakların etkin
kullanımı ve bunların gölge fiyatlarının belirlenmesi ile en uygun çözümlere ulaştıracak politikaları
saptamada kullanılmaktadır.
Doğrusal programlamanın uygulama alanları nerelerdir?

DOĞRUSAL PROGRAMLAMANIN VARSAYIMLARI
Gerçek hayatta karşılaşılan çoğu karar problemi için, en azından uygun kabullerle, doğrusal karar modeli
geliştirmek mümkündür. Bir problem için karar modeli geliştirmek ve kurmak gerçek sistemi
matematiksel olarak ifade etmek demektir. Bu işlem yapılırken bilgi kaybı kaçınılmazdır. Önemli olan
en az bilgi kaybı ile dönüşümü gerçekleştirebilmektir. Bu nedenle modelden tutarlı sonuçlar elde
edilebilmesi için aşağıdaki varsayımlar kabul edilmelidir.

Doğrusallık (Oranlılık) Varsayımı
Bu varsayım modelin amaç fonksiyonu ve kısıtlayıcı fonksiyonları ile ilgilidir. Doğrusallık varsayımı,
işletmenin girdileri ile çıktıları arasında doğrusal bir ilişkinin olduğunu gösterir. Üretim düzeyi artarken
aynı oranda üretim girdileri de artar.
Eğer, X
j
’inci eylem için amacın oluşumu doğrusallık özelliği gösteriyorsa, X
j
’nin her bir birim
değerinin kara katkısı c
j
iken, X
j
’nin çözüm değerinin amaca katkısı c
j
X
j
kadar olur. Bunun yanında karar
problemine esas olan b
i
’inci kaynaktan her bir birim X
j
için gerekli kaynak miktarı a
ij
olmak üzere X
j
için
kaynak gereksinimi a
ij
X
j
kadar olur. Kısıtlar ve amaç fonksiyonu birinci dereceden fonksiyon olmalıdır.
Aksi takdirde, doğrusal olmayan programlama söz konusu olur.
Bu varsayım, her bir karar değişkeninin; gerek amaç fonksiyonu, gerekse tük kısıtlayıcılara etkisinin
söz konusu değişkenin (X
j
) değeriyle doğru orantılı olması gerektiğinin ifade eder.
Karar değişkenlerine kontrol edilebilen değişkenler denir. İstatistikte
değişken X
i
-tesadüfi değişkendir ve serbestçe değerler alabilen değişken olarak
tanımlanır.

Toplanabilirlik Varsayımı
Doğrusal programlamada her fonksiyon, ilişkili olduğu faaliyetlerin, bireysel katkılarının toplamıdır.
Karar değişkenlerine verilecek değerlere göre, her birinin sağladığı katkılar toplanıp, toplam
katkıyı, yani amaç fonksiyonunu oluşturuyorsa, toplanabilirlik varsayımı geçerlidir demektir. Bu
varsayımı, kısıtlayıcıların sol tarafındaki sabitler için ele alırsak; değişik üretim faaliyetlerine kaynak
olan, üretim girdilerinin toplamının, her bir işlem için ayrı ayrı kullanılan girdilerin toplamına eşit
olduğunu gösterir.

Bölünebilirlik Varsayımı
Modelin karar değişkenleri X
j
’ler, her türlü reel değerleri alabiliyorsa, bölünebilirlik varsayımı sağlanıyor
demektir. Böylece, karar değişkenleri, bazı faaliyetlerin düzeyini gösterdiğinden, faaliyetlerin kesirli
düzeylerde çalışabileceği varsayılır.
Bazen girdi ve çıktıların bölünmezlik sorunu nedeniyle, karar değişkenlerini tamamının veya
bazılarının tam sayı olması gerekebilir. Böyle durumlarda, tam sayılı programlama söz konusu olur.



17
Belirlilik (Kesinlik) Varsayımı
Doğrusal programlama modelindeki tüm parametrelerin (amaç fonksiyonu katsayıları-c
j
, sağ taraf
sabitleri-b
i
ve teknoloji katsayıları- a
ij
) biliniyor olduğu varsayımıdır. Parametre değerlerini kesin olarak
biliniyor olması varsayımı, modelin deterministtik model olduğunun göstergesidir.
Bir problemde, karar değişkenleri ve parametrelerle ilgili olarak; doğrusallık, toplanabilirlik,
bölünebilirlik ve belirlilik varsayımları geçerli ise bu problem doğrusal programlama problemi olarak
modellenip çözülebilir. Burada dikkat edilmesi gereken husus, problemin doğru belirlenmesidir.
Parametre değerlerinden kesin değerleri bilinmeyenler için tahmin yoluna gidilebilir. Daha sonra
matematiksel modelleme aşamasına geçilmelidir. Fakat modelin doğrusallık ve bölünebilirlik
varsayımları, gerçek dünyadaki ilişkileri gözlemlendiğinde bir eksiklik gösterdiği söylenebilir.
Denilebilir ki, bu iki varsayım doğrusal programlama yöntemini kısıtlamaktadır.
Doğrusal programlama modeli kurulurken hangi varsayımlar kabul
edilmektedir?

DOĞRUSAL PROGRAMLAMADA MODEL KURMA
Model kelime anlamı gerçeğin benzeri demektir. Model kurma, sistemi oluşturan unsurların
matematiksel terimlerle ifade edilmesidir. Başka bir deyişle problem, matematik diline tercüme edilir.
Model doğrusal programlama gibi standart bir matematiksel model halinde ifade edilebiliyorsa, bilinen
algoritmalar yardımıyla çözüme ulaşılabilir. Bir problemin, doğrusal programlama modeli kurulurken
önce karar değişkenleri tanımlanır, sonrada amaç fonksiyonu ve kısıtlayıcılar formüle edilir.
Algoritma: Problem çözümünde izlenen yol olarak isimlendirilebilir.

Karar Değişkenlerinin Belirlenmesi
Bir problemin doğrusal programlama modelinin kurulmasına, öncelikle karar değişkenlerinin
tanımlanmasıyla başlanır. Karar değişkeni: bir problemde karar vericinin kontrolü altında olup da, değeri
araştırılan eylemler, karar değişkenleridir. Herhangi bir doğrusal programlama modelinde karar değiş-
kenleri, alınacak kararları tamamen betimlemelidir. Karar değişkenleri, alınacak kararlara ilişkin faali-
yetlerin düzeyini göstermektedir.
Karar değişkenleri genellikle; X
j
sembolü ile gösterilir.
X
j
: j’ inci üründen üretilecek (veya taşınacak) miktar anlamındadır. (j=1,2,….,n)

Amaç Fonksiyonunun Belirlenmesi
Herhangi bir doğrusal programlama probleminde karar verici, karar değişkenlerinin bazı fonksiyonunu
maksimum veya minimum yapmak ister. Maksimum veya minimum yapılmak istenen fonksiyona, amaç
fonksiyonu adı verilir.
Doğrusal programlama modelinden beklenen sonucun alınabilmesi için, amacın açık olarak bilinmesi
ve nicel olarak yazılımı gerekmektedir. Modelin amaç fonksiyonu yazılırken;
Karar değişkenleri: X
1
, X
2
, ..., X
n

Birim kâr veya maliyet katsayıları c
1
,c
2
,….,c
j
,…,c
n
ile gösterildiğinde,





18
Amaç fonksiyonu:

Max/Min Z = c
1
X
1
+ c
2
X
2
+ … +c
j
X
j
+ … + c
n
X
n


veya genel olarak



şeklinde de yazılabilir.
Kısıtlayıcıların Belirlenmesi
Ekonomide üretim kaynakları veya üretim faktörleri sınırlıdır. Bir işletmenin elindeki makine kapasitesi,
teknolojisi, işgücü, enerji, sermaye, hammadde, yarı mamul madde, malzeme gibi üretim faktörleri ile
ürünlerine olan talep de sınırlıdır. Dolayısıyla karar değişkenlerinin miktarı da sınırlı olacaktır. Önemli
olan, bu kısıtlayıcılar altında amaç fonksiyonunu sağlayan ürünler üretmektir.
İşletmenin faaliyetlerinde,
b
i
: i’inci kaynak miktarı(i’inci kısıtın sağ taraf sabiti), (i=1,2,3, … m)
a
ij
: bir birim X
j
için gerekli i’inci kaynak miktarı(X
j
’lerin i’inci kısıttaki teknoloji katsayıları)
sembolleri ile gösterirsek, m kısıt ve n karar değişkeninden oluşan doğrusal kısıtlayıcı fonksiyonların
genel hali aşağıdaki gibi ifade edilebilir.
a
11
X
1
+a
12
X
2
+… +a
1j
X
j
+… +a
1n
X
n
≤ b
1

a
21
X
1
+a
22
X
2
+… +a
2j
X
j
+… +a
2n
X
n
≤ b
2
.
. . .
a
i1
X
1
+a
i2
X
2
+… +a
ij
X
j
+… +a
in
X
n
≤ b
i . .

. .

a
m1
X
1
+a
m2
X
2
+… +a
mj
X
j
+… +a
mn
X
n
≤ b
m

Kısıtlayıcılardaki karar değişkenlerinin katsayıları (a
ij
), farklı ürünlerin
üretiminde kullanılan teknolojiyi yansıttığı için, teknolojik katsayılar adı verilir.

Kısıtlayıcıların sağ taraf sabitlerini oluşturan b
i
’ler daha önce ifade ettiğimiz gibi elverişli kaynak
miktarını gösterir. Bu kaynak miktarları kısıtlayıcı fonksiyonuna göre her zaman sınırlı olmaz. Bazen
karar değişkenlerinin istediğinden fazla veya tam eşitlikte olabilir. Bu nedenle kısıtlayıcı denklemler, “=”
eşitlik şeklinde olabileceği gibi, eşitsizlik şeklinde de olabilir. Eşitsizlik durumu, yukarıda görüldüğü gibi
“≤” (küçük eşit) şeklinde olabileceği gibi, “≥” (büyük eşit) şeklinde de olabilir.

a
i1
X
1
+a
i2
X
2
+… +a
ij
X
j
+… +a
in
X
n
≥ b
i

veya

a
i1
X
1
+a
i2
X
2
+… +a
ij
X
j
+… +a
in
X
n
= b
i

Kısıtlayıcı fonksiyonlar genel olarak aşağıdaki şekilde de gösterilebilir.


) ,......... 2 , 1 (
) ,....... 2 , 1 (
n j
m i
b X a
i j
i j ij
=
=











=

∑∑




19
İşaret Kısıtlaması
Doğrusal programlama probleminin matematiksel modelini tamamlamak için her bir karar değişkeninin
negatif olmama varsayımını sağlaması gerekir. Karar değişkeni X
j
’nin sadece pozitif değerli olduğu
varsayılırsa , “ X
j
≥ 0” işaret kısıtı modele eklenir.
X
j
≥ 0 (j=1,2, … n)
Şimdi doğrusal programlama modelinin matematiksel yazılımı aşağıdaki gibi olacaktır.

Max/Min Z = c
1
X
1
+ c
2
X
2
+ …… + c
n
X
n


Kısıtlayıcılar
a
11
X
1
+a
12
X
2
+ … +a
1n
X
n
≤ b
1

a
21
X
1
+a
22
X
2
+ … +a
2n
X
n
≤ b
2
.
. . .
. . . .
a
m1
X
1
+a
m2
X
2
+ … +a
mn
X
n
≤ b
m
ve X
1
,X
2,
… ,X
n
≥ 0

Herhangi bir doğrusal programlama modeli, belirlenen amaç fonksiyonunu minimize veya maksimize
edecek karar değişkenlerinin değerini bulmak için kurulur.
Doğrusal programlama modelinin temel bileşenleri nelerdir?

DOĞRUSAL PROGRAMLAMA MODEL KURMA
UYGULAMALARI
Bu başlık altında doğrusal programlamanın varsayımları altında bir problemin, doğrusal programlama
modeli olarak nasıl ifade edilebileceği, örneklerle anlatılmaya çalışılacaktır. Bir karar problemi için
model geliştirme öncesinde amacın, karar değişkenlerinin ve parametrelerin tanımlanmış olması gerekir.
Doğrusal programlamanın uygulama alanlarını örneklemek ve modellemek için aşağıdaki bazı
problemlerin modellenmesi ele alınacaktı.

Üretim Planlaması
Doğrusal programlamanın en yaygın kullanıldığı alanlardan birisi, üretim işletmelerin de maksimum karlı
veya minimum maliyetli üretim bileşenlerini belirlemede kullanılmasıdır.
Örnek 2.1. Bir marangoz işletmesi masa ve sandalye üretmektedir. Bir masa yapımı için 30 metre
tahtaya ve 5 saat iş gücüne gerek vardır. Bir sandalye yapımı için de 20 metre tahtaya ve 10 saat iş
gücüne gerek vardır. İşletmenin elinde 300 metre tahta ile 110 saat iş gücü vardır. Ayrıca bir masanın
satışından elde edilen kâr 6 ve bir sandalyenin satışından elde edilen kâr 8’dir. İşletmenin amacı
maksimum kara ulaşmaktır. Buna göre marangoz işletmesi ne kadar masa ve sandalye üretmelidir.
Problemi doğrusal programlama modeli olarak ifade ediniz.
Çözüm: Karar değişkenleri:
X
1
: üretilecek masa miktarını,

X
2
: üretilecek sandalye miktarını, göstersin.



20
Amaç fonksiyonu;

Max Z = 6 X
1
+ 8

X
2
(Toplam kar. Üretilecek X
1
adet

masa ve X
2
adet sandalyeden elde edilecek karların toplamı.)
Kısıtlayıcılar
30X
1
+ 20X
2
≤ 300 (tahta kısıtı)
5X
1
+ 10X
2
≤ 110 (iş gücü kısıtı)
ve X
1
,X
2
≥ 0

Örnek 2.2. Bir işletme X,Y ve Z gibi üç ürün üretmektedir. Bir birim X üretiminde 1 birim A malı
girdisi ile 1 birim B malı girdisi kullanılmaktadır. Bir birim Y malı üretiminde ise 1 birim A malı ile 2
birim B malı girdisi kullanılmaktadır. Birim Z üretiminde ise sadece A malı girdisi kullanılmaktadır.
İşletmenin elinde kullanılabilir 40 birim A malı ile 20 birim B malı bulunmaktadır.
Öte yandan, bir birim X malının satış fiyatı 10, bir birim Y malının satış fiyatı 15 ve bir birim Z
malının satış fiyatı ise 12’dir. Bu X,Y,Z mallarının birim üretim maliyetleri sırasıyla 8, 9 ve 7’dir.
Buna göre işletmenin karını maksimum kılabilmek için üretim bileşimi ne olmalıdır. Problemi doğrusal
programlama modeli halinde ifade ediniz.
Çözüm: Karar değişkenleri:
X
1
: üretilecek X ürününün miktarını,

X
2
: üretilecek Y ürününün miktarını,
X
3
: üretilecek Z ürününün miktarını, göstersin.
Amaç karın maksimizasyonu olduğundan, öncelikle işletmenin ürettiği üç ürün için birim net
karlarının bulunması gerekmektedir.
Birim kar: Birim satış fiyatı – birim üretim maliyeti
Buna göre X
1
’in net karı 2, X
2
’nin net karı 6 ve X
3
’ün net karı da 5’ dir.
Amaç fonksiyonu:
Max Z = 2X
1
+ 6X
2
+5X
3

Kısıtlayıcılar
X
1
+ X
2
+X
3
≤ 40 (A malı girdisi)
X
1
+2X
2
≤ 20 (B malı girdisi)
ve X
1
,X
2
, X
3
≥ 0

Örnek 2.3. Bir metalik parça üreten atölye A ve B mamullerini imal etmektedir. A’ dan 3 /parça ve B’
den 2 /parça kâr edebilmektedir. Her gün, her bir mamulden 12 düzine satabilmektedir. Atölyede torna,
freze ve taşlama olmak üzere üç tezgâh vardır.
• A mamulünden bir birim üretebilmek için, tornada 5 dakika, frezede 7 dakika ve taşlamada 4
dakika işlem görmesi gerekmektedir.
• B mamulünden bir birim üretebilmek için, tornada 3 dakika, frezede 9 dakika ve taşlamada 7
dakika işlem görmesi gerekmektedir.
Atölyede bir torna, bir freze ve bir taşlama tezgahı vardır. Bu tezgâhlar başka işlerde de kullanıldığı
için sadece aşağıda belirtilen miktarlarda boş zamanları vardır.



21
Tezgah boş Zamanı (dak.)
Torna
Freze
Taşlama
65
100
90

A ve B’den ne kadar üretilsin ki maksimum kara ulaşılsın. Problemi doğrusal programlama modeli
olarak ifade ediniz.
Çözüm: Karar değişkenleri:
X
1
: A mamulünden üretilecek miktarı,

X
2
: B mamulünden üretilecek miktarı, göstersin.
Talep: 12 düzine →12 × 12 = 144 adet olmak üzere,
Amaç fonksiyonu;
Max Z = 3X
1
+ 2X
2

Kısıtlayıcılar
X
1
≤ 144 (talep)
X
2
≤ 144 (talep)
5X
1
+ 3X
2
≤ 65 (torna zamanı)
7X
1
+ 9X
2
≤ 100 (freze zamanı)
4X
1
+ 7X
2
≤ 90 (taşlama zamanı)
ve X
1
,X
2
≥ 0

Örnek 2.4. BORSAN firmasının üç fabrikası var ve her fabrikada üç ayrı boyda boru üretilmektedir. Üç
boyda boru satışından elde edilen birim karlar şöyledir. Büyük boy için 800, orta boy için 600 ve
küçük boy için de 540. Üç fabrikadaki emek ve makine güçlerine göre ancak haftada 1 nolu fabrikada
800 birim, 2 nolu fabrikada 650 birim ve 3 nolu fabrikada 450 birim ürün üretebilmektedir.
Fabrikaların stoklama alanları da sınırlıdır. 1 nolu fabrikanın 1400m
2
, 2 nolu fabrikanın 1250 m
2
ve
üç nolu fabrikanın da 800 m
2
’lik stoklama alanı vardır. Büyük boy boru haftalık üretiminde 2,5 m
2
, orta
boy boru haftalık üretiminde 2 m
2
ve küçük boy boru haftalık üretimi için 1,5 m
2
yere gerek vardır.
Satış bölümünün tahminine göre haftada büyük boy borudan 800, orta boy borudan 900 ve küçük boy
borudan 600 birim satılabilmektedir. Öte yandan, yönetim üç fabrikada üretilen malların göreli sayısının
emek ve makine kapasitelerine denk oranda olmasını istemektedir.
Yönetim, karını en çok yapabilmek için üç fabrikada her bir boydan ne kadar birimlik ürün üretilmesi
gerektiğini saptamak istemektedir.
Problemi doğrusal programlama modeli olarak kurunuz.
Çözüm: Bu problemde, karar değişkenleri ve parametreleri fabrika-ürün ilişkisini belirtecek şekilde çift
indisle göstermek yerinde olacaktır.
Karar değişkenleri
X
ij
= i’inci fabrikada üretilecek j’inci boyda boru miktarı.
(i=1,2,3) (j= 1 büyük, j=2 orta, j=3 küçük)



22
Amaç fonksiyonu:
Max Z = 800(X
11
+X
21
+X
31
)+600(X
12
+X
22
+X
32
)+540(X
13
+X
23
+X
33
)
Kısıtlayıcılar
Emek ve makine kapasiteleri kısıtlayıcıları

X
11
+X
12
+X
13
≤ 800
X
21
+X
22
+X
23
≤ 650
X
31
+X
32
+X
33
≤ 450

Stoklama alanı kısıtlayıcıları

2,5X
11
+2X
12
+1,5X
13
≤ 1400
2,5X
21
+2X
22
+1,5X
23
≤ 1250
2,5X
31
+2X
32
+1,5X
33
≤ 800

Satış tahmini kısıtlayıcıları

X
11
+X
21
+X
31
≤ 800
X
12
+X
22
+X
32
≤ 900
X
13
+X
23
+X
33
≤ 600

Her fabrikada yönetimin istediği denk oranlar şu şekilde gösterilebilir.


450 650
X
800
X X X
33 32 31 23 22 21 13 12 11
X X X X X + +
=
+ +
=
+ +


Bu eşitlik, iki ayrı doğrusal kısıtlayıcı olarak aşağıdaki şekilde yazılabilir.

650(X
11
+X
12
+X
13
) – 800(X
21
+X
22
+X
23
) = 0
450(X
21
+X
22
+X
23
) – 650(X
31
+X
32
+X
33
) = 0

Böylece model bütün olarak aşağıdaki şekilde yazılabilir.

Max Z = 800(X
11
+X
21
+X
31
)+600(X
12
+X
22
+X
32
)+540(X
13
+X
23
+X
33
)

Kısıtlayıcılar

X
11
+X
12
+X
13
≤ 800
X
21
+X
22
+X
23
≤ 650
X
31
+X
32
+X
33
≤ 450
2,5X
11
+2X
12
+1,5X
13
≤ 1400
2,5X
21
+2X
22
+1,5X
23
≤ 1250
2,5X
31
+2X
32
+1,5X
33
≤ 800
X
11
+X
21
+X
31
≤ 800
X
12
+X
22
+X
32
≤ 900
X
13
+X
23
+X
33
≤ 600
650(X
11
+X
12
+X
13
) – 800(X
21
+X
22
+X
23
) = 0
450(X
21
+X
22
+X
23
) – 650(X
31
+X
32
+X
33
) = 0
ve X
ij
≥ 0 (i=1,2,3) (j=1,2,3)


23
Örnek 2.5. Atlas Mobilya, “Köy Tipi” ve “Modern” olmak üzere iki değişik tip vitrin imal etmektedir.
Her bir vitrin imal edilirken marangozluk, boyama ve son kontrol olmak üzere üç işlemden geçmektedir.
Aşağıda görülen tabloda imal edilen her vitrin için işlem süresi (saat), günlük her işlem-üretim kapasitesi
(saat) ve üretilen her üründen elde edilen net kâr () ile ilgili bilgiler yer almaktadır. Firmanın, bir
dağıtıcı firmayla, haftada her bir vitrinden minimum 300 adet (günlük 60 adet) üretmesi hususunda
anlaşması mevcuttur. Firma sahibi, günlük gelirini maksimum eden üretim karışımına karar vermek
istemektedir. Problemin doğrusal programlama modelini kurunuz.

Vitrin tarzı Marangozluk Boyama Son kontrol Net kar
Köy tipi 3 1,5 ¾ 28
Modern 2 1 ¾ 25
İşlem kapasite 360 200 125

Çözüm: Karar değişkenleri;
X
1
: Köy tipi vitrinden günlük üretim miktarı,
X
2
: Modern tip vitrinden günlük üretim miktarı.
Amaç fonksiyonu
Max. Z = 28 X
1
+ 25 X
2


Kısıtlayıcılar
180 X
1
+ 120 X
2
≤ 21600 dakika
90 X
1
+ X
2
≤ 12000
45 X
1
+ 45X
2
≤ 7500
X
1
≤ 60
X
2
≤ 60
ve X
1
, X
2
≥0
Sağ taraf sabitleri ve teknik katsayılar saatten dakika cinsine
dönüştürülmüştür.

Tarım Planlaması
Tarım sektöründe çiftçiler için en önemli problem, en çok karı sağlamak için eldeki arazinin ürün
türlerine göre taksimi nasıl olmalıdır? Ayrıca arazinin üretim verimliliğinin bilinmesi halinde, hangi
üründen ne kadar üretim elde edilebileceği de belirlenebilmektedir.

Örnek 2.6. Bir çiftçinin toplam 100 dönümlük arazisi vardır. Yetiştirebildiği kadar; mısır, fasulye ve
karpuz satabilmektedir. Mısır 3/kg, fasulye 2/kg ve karpuz 0,25/kg kâr getirmektedir. Bütün bu
ürünler için aynı gübre kullanılabilir ve gübrenin fiyatı 2 /kg’ dır. Gereken gübre miktarı mısır için 20
kg/dönüm, fasulye için 10 kg/dönüm ve karpuz için 5 kg/dönümdür. Beklenen ürün miktarı 100 kg
mısır/dönüm, 80 kg fasulye/dönüm ve 1000 kg karpuz/dönümdür. Bütün ürünün 5 gün içinde toplanması
gerekir. Toplam 20 işçi vardır ve her birinin ücreti 30/gün’dür. Her bir işçi günde 10 saat
çalışabilmektedir. Mısırı toplamak için 20 işçi saati/dönüm, fasulyeyi toplamak için 8 işçi saati/dönüm ve
karpuz toplamak için 12 işçi saati/dönüm gerekmektedir. Buna göre çiftçinin karını maksimum kılacak
ürün ekimi ne olmalıdır. Problemi doğrusal programlama problemi olarak ifade ediniz.


24
Çözüm: Karar değişkenleri:
X
1
: mısır ekilecek arazi(dönüm) miktarını,

X
2
: fasulye ekilecek arazi(dönüm) miktarını,
X
3
: karpuz ekilecek arazi(dönüm) miktarını, göstersin.

Amaç karın maksimizasyonu olduğundan, öncelikle çiftçinin üreteceği üç ürün için birim karlarının
bulunması gerekmektedir.
Mısır kâr = (3/kg × 100kg/dönüm) – 2/kg × 20 kg/dönüm- 30/gün × 2 gün/dönüm
= 300 – 40 – 60 = 200/dönüm
Fasulye kâr = (2/kg × 80kg/dönüm) - 2/kg × 10 kg/dönüm- 30/gün ×8/10 gün/dönüm
= 160 – 20 – 24 = 116/dönüm
Karpuz kâr = (0,25/kg × 1000kg/dönüm) – 2/kg × 5 kg/dönüm– 30/gün ×12/10 gün/dönüm
= 250 – 10 – 36 = 204/dönüm
Amaç fonksiyonu;
Max Z = 200X
1
+ 116X
2
+204X
3

Kısıtlayıcılar

X
1
+ X
2
+ X
3
≤ 100 (arazi kısıtı)
20X
1
+ 8X
2
+12X
3
≤ 1000 (20 işçi × 10 saat × 5 gün) (iş gücü kısıtı)
ve X
1
, X
2
, X
3
≥ 0

Karışım Problemi
Örnek 2.7. Kümes havanı besicilerine yem üretip satan bir firma minimum maliyetli yemi üretmeyi
istemektedir. Her bir tavuğun 1. 2. ve 3. besleyici elemandan (vitaminden) günde 250, 150 ve 400
birimlik ihtiyacı olduğu varsayılmaktadır. Bu besleyici elemanlar A,B,C ve D besin maddelerinin aşağıda
belirtilen miktarlarında (kilo başına) karışımlarından elde edilebilir.

Besleyici Elemanlar
(vitamin, protein vb.)
Besleyici maddeler
A B C D
Minimum Günlük
ihtiyaç
1.besleyici elemen
2. besleyici elemen
3. besleyici elemen
20 15 10 30
25 15 20 25
25 20 20 30
250
150
400
Besleyici madde
Birim fiyatları

30
/kg
10 20 40

Yemi üreten firma besin maddelerinden, hangi oranda karıştırıp imal etmeli ki, maliyet minimum
olsun ve yem günlük beslenme (vitamin, protein, vb.) ihtiyacını karşılasın. Problemi doğrusal
programlama modeli olarak ifade ediniz.




25
Çözüm: Karar değişkenleri:
X
1
: A besin maddesinden yeme katılacak miktarı,

X
2
: B besin maddesinden yeme katılacak miktarı,

X
3
: C besin maddesinden yeme katılacak miktarı,

X
4
: D besin maddesinden yeme katılacak miktarı, göstersin.

Amaç fonksiyonu;

Max Z = 30X
1
+ 10X
2
+20X
3
+ 40X
4


Kısıtlayıcılar

20X
1
+ 15X
2
+ 10X
3
+ 30X
4
≥ 250
25X
1
+ 15X
2
+ 20X
3
+ 25X
4
≥ 150
25X
1
+ 20X
2
+ 20X
3
+ 30X
4
≥ 400
ve X
1
,X
2
, X
3
,X
4
≥ 0

Ulaştırma ve Lojistik Problemler
Ulaştırma ve dağıtıma ilişkin problemler, daha geniş anlamda lojistik problemler, ulaştırma ve atama
problemleri bölümünde daha sonra ele alınacaktır. Burada amaç ulaştırma ve lojistik problemlerinin,
nasıl doğrusal programlama modeli olarak ifade edileceğini göstermektir.

Örnek 2. 8. ATLAS Lastik işletmesi, üç fabrikasında kamyon lastiği üretmektedir. Bu ürünlerini, dört
ayrı bölgede bulunan bayilerine göndererek, bayileri aracılığı ile pazarlamaktadır. Fabrikaların aylık
üretim kapasiteleri, bayilerin aylık talepleri ve her bir fabrikadan her bir bayiye birim taşıma maliyetleri
aşağıda verilmiştir.

Fabrikalar A B C Toplam
Aylık üretim kapasitesi 380.000 220.000 350.000 950.000

Bayilerin gelecek ay talepleri ise:
Bayi 1 2 3 4 Toplam
Talep 180.000 250.000 340.000 150.000 920.000 adet

Birim taşıma maliyetleri (*100)
Bayi
Fab.

1

2

3

4
A 25 38 30 19
B 22 34 18 36
C 35 15 15 32

Hangi fabrikadan hangi bayiye, minimum maliyetle ne kadar lastik gönderilebileceğinin bilinmesi
istenmektedir. Bir ulaştırma problemi olan bu problemin, doğrusal programlama modelini kurunuz.


26
Çözüm: Bu problemde, karar değişkenleri ve parametreleri fabrika-bayi ilişkisini belirtecek şekilde
(Şekil 2.1.) çift indisle göstermek yerinde olacaktır.
Karar değişkenleri;
X
ij
= i ‘ inci fabrikadan j ‘ inci bayiye gönderilecek lastik miktarı, (i=1,2,3) (j=1,2,3,4)

F
A
F
B
F
C
Kapasiteler Fabrikalar Bayiler Talepler
B
1
B
2
B
3
B
4
3
0
1
9
23
38
2
2
34
18
3
6
3
3
1
3
13
32
380.000
220.000
350.000
180.000
250.000
340.000
150.000

Şekil 2.1: Fabrikalardan bayilere ulaştırma şebekesi

Amaç fonksiyonu, toplam taşıma maliyetinin minimum kılınmasıdır. Kısıtlayıcılar ise, fabrika
kapasite kısıtları ve bayi talep kısıtları olacaktır. Buna göre problemin doğrusal programlama modeli
aşağıdaki gibi yazılır.

Max Z=25X
11
+38 X
12
+30 X
13
+ 19X
14
+22 X
21
+34 X
22
+18 X
23
+ 36X
24
+35 X
31
+15 X
32
+15 X
33
+32 X
34

Kısıtlayıcılar

X
11
+ X
12
+ X
13
+ X
14
≤ 380.000
X
21
+ X
22
+ X
23
+ X
24
≤ 220
X
31
+ X
32
+ X
33
+ X
34
≤ 350
X
11
+ X
21
+ X
31
≥ 180.000
X
12
+ X
22
+ X
32
≥ 250.000
X
13
+ X
23
+ X
33
≥ 340.000
X
14
+ X
24
+ X
34
≥ 150.000
ve X
ij
≥ 0 (i=1,2,3) (j=1,2,3,4)

Örnek 2.9. Bir kargo uçağının üç bölmesi: ön bölme, orta bölme ve arka bölme vardır. Bu bölmelerin
ağırlık ve alan kapasiteleri aşağıda belirtildiği kadardır.

Bölme Ağırlık kapasite(ton) Alan kapasite(m
3
)
Ön bölme 120 7.000
Orta bölme 180 9.000
Arka bölme 100 5.000


27
Bununla birlikte, ilgili bölümlerdeki kargoların ağırlığı, uçağın dengeli sürülebilmesi için, her bir
bölmenin ağırlık kapasiteleriyle denk oranda olması gerekmektedir. Alan uygun olduğu sürece uçuşa
hazır uçağa yüklenmesi önerilen dört tip kargo türü vardır.

Kargo türü Ağrılık(ton/adet) Hacim(m
3
/adet) Kar(/ton)
1 20 500 320
2 16 700 400
3 25 600 360
4 13 400 290

Bu kargolardan herhangi bir türü veya birden çok türü kabul edilebilir. Bu bilgilere göre, toplam karı
maksimum yapmak için, hangi tür kargodan ne kadar kabul edilmeli ve bunlar bölmeler arasında nasıl
dağıtılmalıdır. Problemi doğrusal programlama modeli olarak kurunuz.

Çözüm: Karar değişkenleri:
X
ij
: i’inci bölüme konacak j’inci kargo türü miktarları (i=1,2,3) (j=1,2,3,4)
Amaç fonksiyonu;

Max Z = 320(X
11
+X
21
+X
31
) + 400(X
12
+X
22
+X
32
) +360(X
13
+X
23
+X
33
) +290(X
14
+X
24
+X
34
)

Kısıtlayıcılar

Kapasite kısıtları(ağırlık)

20X
11
+16X
12
+25X
13
+13X
14
≤ 120
20X
21
+16X
22
+25X
23
+13X
24
≤ 180
20X
31
+16X
32
+25X
33
+13X
34
≤ 100

Kapasite kısıtları(hacim)

500X
11
+700X
12
+600X
13
+400X
14
≤ 7000
500X
21
+700X
22
+600X
23
+400X
24
≤ 9000
500X
31
+700X
32
+600X
33
+400X
34
≤ 5000

Denge kısıtları

180(X
11
+X
12
+X
13
+X
14
)-120(X
21
+X
22
+X
23
+X
24
) = 0
100(X
21
+X
22
+X
23
+X
24
)-180(X
31
+X
32
+X
33
+X
34
) = 0
ve X
ij
≥0 i = 1,2,3 j = 1,2,3,4
Denge kısıtları

‘dan
gelmektedir.




28
Örnek. 2.10. Otomobil imal eden bir firmanın 5 yerde montaj fabrikası ve 12 farklı yerde satış bayisi
vardır. Fabrikaların Üretim kapasiteleri sırasıyla: Fab.-A-100 adet, Fab.-B-40 adet, Fab.-C-120 adet,
Fab.D-80 adet ve Fab.-E-90 adettir. Firma fabrikalardan bayilere taşıma maliyetini minimize etmek
istemektedir. Buna göre hangi fabrikadan hangi bayiye ne kadar araba gönderilmelidir?

Bayi No: 1 2 3 4 5 6 7 8 9 10 11 12
Talep Edilen Araç Sayısı : 35 42 28 52 17 33 62 61 43 37 28 42

Taşıma Maliyetleri (Araba Başına) (*100.)

Bayi No
Fab. 1 2 3 4 5 6 7 8 9 10 11 12
A 25 36 31 20 27 33 27 21 24 35 21 24
B 37 23 28 35 19 31 23 25 28 27 19 31
C 26 19 17 28 27 36 31 24 21 27 17 30
D 42 25 15 32 23 28 29 33 26 29 20 27
E 19 31 45 37 31 34 27 31 32 30 22 25

Yukarıdaki bilgilerden yararlanarak doğrusal programlama modelini kurunuz.

Çözüm: Karar değişkenleri,
X
ij
: i . fabrikadan j. bayiye gönderilecek araba sayısı
(i= A,B,C,D,E) → fabrikalar
(j = 1,2, … , 12) → bayiler
Amaç fonksiyonu;
Max Z = (25X
A1
+ 36X
A2
+ … + 24X
A12
) + (37X
B1
+ 23X
B2
+ … + 31X
B12
) + (26X
C1
+ 19X
C2
+ … +
30X
C12
) + (42X
D1
+ 25X
D2
+ … + 27X
D12
) + (19X
E1
+ 31X
E2
+ … + 25X
E12
)

Kısıtlayıcılar

Bayii talep kısıtları

X
A1
+ X
B1
+ X
C1
+ X
D1
+ X
E1
= 35
X
A2
+ X
B2
+ X
C2
+ X
D2
+ X
E2
= 42
X
A3
+ X
B3
+ X
C3
+ X
D3
+ X
E3
=28
X
A4
+ X
B4
+ X
C4
+ X
D4
+ X
E4
= 52
X
A5
+ X
B5
+ X
C5
+ X
D5
+ X
E5
= 17
X
A6
+ X
B6
+ X
C6
+ X
D6
+ X
E6
= 33
X
A7
+ X
B7
+ X
C7
+ X
D7
+ X
E7
= 62
X
A8
+ X
B8
+ X
C8
+ X
D8
+ X
E8
= 61
X
A9
+ X
B9
+ X
C9
+ X
D9
+ X
E9
= 43
X
A10
+ X
B10
+ X
C10
+ X
D10
+ X
E10
= 37
X
A11
+ X
B11
+ X
C11
+ X
D11
+ X
E11
= 28
X
A12
+ X
B12
+ X
C12
+ X
D12
+ X
E12
= 42


29
Fabrika kapasite kısıtları,

X
A1
+ X
A2
+ X
A3
+ X
A4
+ X
A5
+ X
A6
+ X
A7
+ X
A8
+ X
A9
+ X
A10
+ X
A11
+ X
A12
≤ 100
X
B1
+ X
B2
+ X
B3
+ X
B4
+ X
B5
+ X
B6
+ X
B7
+ X
B8
+ X
B9
+ X
B10
+ X
B11
+ X
B12
≤ 90
X
C1
+ X
C2
+ X
C3
+ X
C4
+ X
C5
+ X
C6
+ X
C7
+ X
C8
+ X
C9
+ X
C10
+ X
C11
+ X
C12
≤ 120
X
D1
+ X
D2
+ X
D3
+ X
D4
+ X
D5
+ X
D6
+ X
D7
+ X
D8
+ X
D9
+ X
D10
+ X
D11
+ X
D12
≤ 80
X
E1
+ X
E2
+ X
E3
+ X
E4
+ X
E5
+ X
E6
+ X
E7
+ X
E8
+ X
E9
+ X
E10
+ X
E11
+ X
E12
≤ 90
ve X
ij
≥ 0 (i= A,B,C,D,E) (j = 1,2, … , 12)

Personel Programlaması
Doğrusal programlama işletmelerde minimum maliyetli işgücü gereksinimini karşılamada, eğitim-
öğretim planlaması gibi konularda etkin şekilde kullanılmaktadır.
Örnek 2.11. Bir ulaştırma işletmesinde haftanın farklı günlerinde tam gün çalışacak araç sürücülerine
ihtiyaç vardır. Haftanın günleri için ihtiyaç duyulan sürücü sayıları aşağıdaki gibidir.

Pazartesi
Salı
Çarşamba
Perşembe
Cuma
Cumartesi
Pazar
25
21
23
27
22
24
19

Çalışma yasalarına göre her bir sürücü, tam gün birbirini izleyen beş gün çalışıp, iki gün
dinlenmelidir. Bu iş yeri hangi günlerde kaç sürücüyü işe başlatarak, toplam istihdam edeceği sürücü
sayısını minimize edebilir. Bu iş yeri problemi için doğrusal programlama modelini kurunuz.
Çözüm: Öncelikle karar değişkenleri tanımlamamız gerektiğinden ilk akla gelen;
X
j
: j’inci gün, işte olan sürücü sayısı
X
1
: Pazartesi işte olacak sürücü sayısı, X
2
: Salı işte olacak sürücü sayısı,… Bunun sonucunda amaç
fonksiyonu: Pazartesi’nden başlayarak, Pazar’a kadar işte olanları toplamı olacaktır. Kısıtlayıcılar ise,
haftanın günlerinde işte bulunması gereken en az sürücü sayısı olacaktı.

Min Z= X
1
+X
2
+X
3
+X
4
+X
5
+X
6
+X
7

Kısıtlayıcılar

X
1
≥25
X
2
≥21
X
3
≥23
X
4
≥27
X
5
≥22
X
6
≥24
X
7
≥19
X
j
≥ 0 (j=1,2,3,4,5,6,7)



30
Bu model iki açıdan yetersiz kalır. Birincisi amaç fonksiyonu, işletmede tam gün istihdam edilecek
sürücü toplamını vermez. Çünkü her sürücü ancak beş gün çalıştırılabilmektedir. Örneğin Pazartesi günü
işte, Pazartesi başlayanların yanında, daha önceki günlerde başlayıp işteki beşinci, dördüncü, üçüncü…
gününü çalışanlar da vardır. İkincisi, bazı değişkenler birbiri ile ilişki halindedir. Örneğin Pazartesi
çalışanların bazıları Salı günü de işte olacaktır.
Şu halde ilk akla gelen karar değişkeni tanımının yetersiz olduğu ortaya çıkmıştır. Bu problemde
bizden istenen, işletmenin tam gün çalışacak sürücü ihtiyacını karşılamak üzere, haftanın günlerinde kaç
sürücünün işe başlayacağını bulmak olacaktır. Bunun için karar değişkenini yeniden tanımlamak
gerecektir.
Karar değişkenleri;

X
1
: Pazartesi günü işe başlayacak sürücü sayısı
X
2
:Salı günü işe başlayacak sürücü sayısı
X
3
: Çarşamba günü işe başlayacak sürücü sayısı
X
4
: Perşembe günü işe başlayacak sürücü sayısı
X
5
: Cuma günü işe başlayacak sürücü sayısı
X
6
: Cumartesi günü işe başlayacak sürücü sayısı
X
7
: Pazar günü işe başlayacak sürücü sayısı

Karar değişkenlerini böyle tanımladığımızda Pazartesi için en az 25 sürücü işte olmalıdır kısıtı;

X
1
+ +X
4
+X
5
+X
6
+X
7
≥25

şeklinde olacaktır. Diğer günler içinde benzer düşünce geçerlidir.
Amaç fonksiyonu haftanın günlerinde işe başlayacakların sayıları toplamı olacak, böylece toplam
istihdam edilecek sürücü sayısını verecektir. Problemin doğrusal programlama modeli aşağıdaki gibi
yazılır.
Min Z = X
1
+X
2
+X
3
+X
4
+X
5
+X
6
+X
7

Kısıtlayıcılar

X
1
+ X
4
+X
5
+X
6
+X
7
≥25 (Pazartesi kısıtı)
X
1
+ X
2
+ X
5
+X
6
+X
7
≥21 (Salı kısıtı)
X
1
+ X
2
+ X
3
+ X
6
+X
7
≥23 (Çarşamba kısıtı)
X
1
+ X
2
+ X
3
+ X
4
+ X
7
≥27 (Perşembe kısıtı)
X
1
+ X
2
+ X
3
+ X
4
+ X
5
≥22 (Cuma kısıtı)
X
2
+ X
3
+ X
4
+ X
5
+ X
6
≥24 (Cumartesi kısıtı)
X
3
+ X
4
+ X
5
+ X
6
+ X
7
≥19 (Pazar kısıtı)
X
j
≥ 0 (j=1,2,3,4,5,6,7)

Beslenme (Diyet) Problemleri
Diyet günlük tüketilen yiyecek ve içeceklere verilen genel bir isimdir. Diyet problemi, sağlık için
gerekli temel besinleri karşılayacak en ekonomik diyet ne olmalıdır? Şeklindedir. Bir başka ifade ile
türlü yiyecek ve içeceklerden en uygununun seçimidir. Doğrusal programlama ile modellenip, çözülen
ilk ekonomik problemden biri de diyet problemidir. İlk önceleri diyet probleminin, sayısal bir örneği
alınarak çözümü araştırılmış, daha sonra beslenmeyle ilgili ilginç uygulamaları yapılmıştır. Günümüzde
toplu beslenme yerlerinde (öğrenci veya işçi yemekhanelerinde), büyük şantiyelerde, gemi-denizaltı vb.
yerlerde beslenme planlaması doğrusal programlama ile yapılmaktadır.


31
Örnek 2.12. İnsan sağlığı ile ilgili araştırma kurumları, normal gelişmiş sağlıklı bir yetişkin insanın ne
tür ve ne miktarda besleyici elementlere ihtiyaç duyduğunu, yaptıkları bilimsel çalışmalarda
belirlemişlerdir. Belirlenen söz konusu verilerin bir kısmının sağlıklı beslenme internet sitelerinde yer
aldığı görülebilir.
http://saglik.turk.net/

Yetişkin bir insanın günlük beslenme ihtiyaçlarını karşılayacak beş temel besin elementi ile günlük
minimum ihtiyaçlar aşağıda verilmiştir.

Besleyici Element Günlük Minimum ihtiyaç
Karbonhidrat
Protein
Yağ
Kalsiyum
Demir
134 gr
55 gr
40 gr
0,5 gr
0,1 gr
Yetişkin bir insanın yiyeceklerden aldığı besin sayısı 20’ye yakın
olmasına rağmen belirlenen beş besleyici elementten yeterli miktarlarda alındığında,
diğer besleyici elementler için bir eksiklik duyulmamaktadır.
Bu besinlerin temin edilebileceği yiyecek türleri ve bunların 250 gramında (yaklaşık bir porsiyon)
bulunan besin miktarlarıyla, her birinin birim fiyatları (/Porsiyon) aşağıda verilmiştir.

Besin
Yiyecek

Karbonhidrat(gr)

Protein(gr)

Yağ(gr)

Kalsiyum(gr)

Demir(gr)
Fiyat
(bir porsiyon)
Izgara
Fasulye
Patates
Kadayıf
Yoğurt
183
131,9
36,8
55,2
28,7
58,2
43,2
4,5
0,26
11,2
9,6
4.8
0,36
0,10
0,05
0,23
0,12
0,24
0,26
0,18
0,03
0,05
0,02
0,04
0,00
350
272
171
43
62

Bir yetişkin insan günlük besin gereksinimini minimum maliyetle temin edebilmesi için her yiyecek
türünden ne kadar tüketmelidir. Problemin doğrusal programlama modelini kurunuz.
Çözüm: Bu problemde karar verici, yetişkin insan gibi görünmekle birlikte, gerçek hayatta ilgili
beslenme uzmanı karar verici durumdadır. Amaç, minimum maliyetli besin gereksinimini karşılamak
olup, her yiyecek türünden günlük tüketilebilecek miktarlar karar değişkenleri olacaktır.
Karar değişkenleri;

X
1
: bir günde tüketilecek ızgara miktarı
X
2
: bir günde tüketilecek fasulye miktarı
X
3
: bir günde tüketilecek patates miktarı
X
4
: bir günde tüketilecek kadayıf miktarı
X
5
: bir günde tüketilecek yoğurt miktarı


32
Şeklinde yazılabilir. Problemin doğrusal programlama modeli ise aşağıdaki gibi kurulacaktır.

Min Z = 350X
1
+272X
2
+171X
3
+43X
4
+62X
5


Kısıtlayıcılar

183X
1
+131,9X
2
+36,8X
3
+55,2X
4
+28,7X
5
≥134
58,2X
1
+43,2X
2
+ 4,5X
3
+ 0,26X
4
+11,2X
5
≥55
9,6X
1
+ 4,8X
2
+ 0,36X
3
+ 0,1X
4
+ 0,05X
5
≥40
0,23X
1
+0,12X
2
+0,24X
3
+0,26X
4
+0,18X
5
≥0,5
0,03X
1
+0,05X
2
+0,02X
3
+0,04X
4
≥0,1
ve X
1
,X
2
,X
3
, X
4
,X
5
≥ 0

Örnek 2.13. Bir at çiftliğinde uygulanacak beslenme programı ile atların beş besin maddesine olan
günlük ihtiyaçları karşılanmak istenmektedir. Söz konusu beş besin maddesi; A,B,C,D ve E olarak
tanımlanmış olsun. Beslenmede üç yem türü (Yulaf, Yonca ve Arpa)kullanılmaktadır. Üç yem çeşidinin
1 kg’ının içerdiği besin maddesi miktarları, günlük besin ihtiyaçları (kg) ve yem maliyetleri aşağıda
verilmiştir.

Yem türü
Besin Maddeleri
Yulaf
(1 kg’da)
Yonca
(1 kg’da)
Arpa
(1 kg’da)
Min. Günlük
İhtiyaç (kg)
A 0,2 0,3 0,1 6
B 0,05 0,1 0,05 2
C 0,3 0,5 0,6 9
D 0,1 0,15 0,2 8
E 0,05 0,05 0,15 5
Maliyet(/kg) 9 14 17

Minimum maliyette günlük besin ihtiyaçlarını karşılayacak en iyi diyeti bulan doğrusal programlama
modelini kurunuz.
Çözüm: Karar değişkenleri
X
1
: karışıma katılacak yulaf miktar
X
2
: karışıma katılacak yonca miktar
X
3
: karışıma katılacak arpa miktar
Amaç Fonksiyonu

Min Z = 9 X
1
+14 X
2
+17X
3


Kısıtlayıcılar

0,2 X
1
+0,3X
2
+0,1X
3
≤6
0,05X
1
+0,1X
2
+0,05X
3
≤ 2
0,3X
1
+0,5X
2
+0,6X
3
≤ 9
0,1X
1
+0,15X
2
+0,2X
3
≤ 8
0,05X
1
+0,05X
2
+0,15X
3
≤ 5
ve X
1
,X
2
,X
3
≥ 0


33
Reklam Seçimi Problemi
Günümüz işletmeleri ürün ve hizmetlerini müşterilerine tanıtmak ve talebi artırmak için etkin reklam
kampanyaları yürütürler. Reklamın amacına ulaşmasına yönelik olarak, etkili olacak reklam seçiminde
doğrusal programlama kullanılmaktadır.

Örnek 2.14. Eskişehir’de 4 perakende dükkânından oluşan bir dükkân zincirinin reklam yöneticisi 2
medya seçeneğini göz önünde tutuyor. Biri yerel bir gazetede yarım sayfalık ilanlar, diğeri TVA’ daki
reklamlardır. Reklam yöneticisi reklama maruz kalma oranının reklam kampanyasının sonunda şehir
merkezinde en az %40, il genelinde de en az % 60 olmasını istiyor.
Söz konusu TV reklamı başına bu oran şehir civarında %5, il genelinde %3’tür. Yarım sayfalık gazete
ilanı başına bu oran şehir merkezinde %4, il genelinde %3’tür. Yarım sayfalık gazete ilanının maliyeti
9.250, televizyon reklamının maliyeti 20.000‘dır.
Amaç arzulanan hedefi karşılayacak en az maliyetli reklam stratejisini seçmektir. Doğrusal
programlama modelini kurunuz.

Çözüm: Karar değişkenleri;
X
1
: Yarım sayfalık gazete ilanı sayısı (kaç gün çıkacak)
X
2
: TV reklamı sayısı

Amaç fonksiyonu;

Min Z = 9.250X
1
+ 20.000X
2


Kısıtlayıcılar

0,05X
1
+ 0,04X
2
≥ 0,40
0,03X
1
+ 0,03X
2
≥ 0,60
ve X
1
, X
2
≥ 0


34
Özet
Doğrusal programlama, sınırlı (kıt) kaynakların
değişik faaliyetler arasında dağıtımını optimum
(en iyi) kılmak için tasarlanmış bir matematiksel
modelleme yöntemidir. Endüstri, askeri, tarım,
ulaşım, inşaat, ekonomi, sağlık ve hatta davranış
ve sosyal bilimler alanlarında başarılı doğrusal
programlama uygulamaları vardır. Yöntemin
kullanışlılığı, bilgisayar yazılımlarındaki
gelişmelerle daha da artmıştır.
Bir problem için karar modeli geliştirmek ve
kurmak gerçek sistemi matematiksel olarak ifade
etmek demektir. Bu işlem yapılırken bilgi kaybı
kaçınılmazdır. Önemli olan en az bilgi kaybı ile
dönüşümü gerçekleştirebilmektir. Bu nedenle
modelden tutarlı sonuçlar elde edilebilmesi için:
doğrusallık, toplanabilirlik, bölünebilirlik ve
belirlilik varsayımlarının kabul edilmesi gerekir.
Doğrusallık: Kısıtlar ve amaç fonksiyonu birinci
dereceden fonksiyon olmasıdır. Toplanabilirlik:
Karar değişkenlerine verilecek değerlere göre her
birinin sağladığı katkılar toplanıp, toplam katkıyı,
yani amaç fonksiyonunu oluşturuyorsa
toplanabilirlik varsayımı geçerlidir demektir.
Bölünebilirlik: Modelin karar değişkenleri Xj’ler,
her türlü reel değerleri alabiliyorsa, bölünebilirlik
varsayımı sağlanıyor demektir. Bazen girdi ve
çıktıların bölünmezlik sorunu nedeniyle, karar
değişkenlerini tamamının veya bazılarının tam
sayı olması gerekebilir. Belirlilik: Doğrusal
programlama modelindeki tüm parametrelerin
(amaç fonksiyonu katsayıları-cj, sağ taraf
sabitleri-bi ve teknoloji katsayıları- aij) biliniyor
olduğu varsayımıdır.












Karar değişkeni ile tesadüfi değişken birbirinden
farklıdır. Karar değişkeni: bir problemde karar
vericinin kontrolü altında olup da, değeri
araştırılan eylemler karar değişkenleridir. Karar
değişkenlerine kontrol edilebilen değişkenlere
denir. İstatistikte değişken X
i
-tesadüfi değişken-
dir ve serbestçe değerler alabilen değişken olarak
tanımlanır.
Doğrusal programlama modelinin temel
bileşenleri karar değişkenleri, amaç fonksiyonu
ve kısıtlayıcılardır.
Doğrusal programlama-nın en yaygın kullanıldığı
alanlardan birisi, üretim işletmelerinde en çok
karlı veya en az maliyetli üretim bileşenlerini
belirlemede kullanılmasıdır.




35
Kendimizi Sınayalım
1. Aşağıdakilerinden hangisi doğrusal prog-
ramlama için söylenemez?
a. Doğrusal karar problemidir
b. Matematiksel modeldir
c. Kıt kaynakların dağıtımıdır
d. Nüfus planlamadır
e. Doğrusal denklemdir
2. Bir sistemi oluşturan unsurların arasındaki
ilişkilerin, matematiksel simge ve sembollerle
gösterilmesine ne ad verilir?
a. Amaç fonksiyonu
b. Model
c. Kısıtlayıcı
d. Algoritma
e. Karar değişkeni
3. Aşağıdakilerin hangisi doğrusal
programlamanın uygulama alanları içinde yer
almaz?
a. Ulaşım
b. Dağıtım
c. Tarım
d. Trafik
e. İklim
4. Doğrusal programlamada doğrusallık
varsayımı aşağıdakilerden hangisini içermez?
a. Amaç foksiyonu
b. Üretim kısıtı
c. Karar değişkeni
d. Parametreler
e. Dağıtım kısıtı
5. Üretim girdileri toplamı ile, ayrı ayrı girdilerin
toplamı eşittir varsayımı hangisidir?
a. Doğrusallık
b. Toplanabilirlik
c. Bölünebilirlik
d. Tam sayılık
e. Negatif olmama


6. Aşağıdaki üretimlerden hangisinde girdi ve
çıktıların bölünmezliği söz konusudur?
a. Otomobil
b. Un
c. Buğday
d. Kereste
e. Çukulata
7. Aşağıdakilerden hangisi bir doğrusal
programlama modelinin parametrelerinden
değildir?
a. a
ij

b. c
J

c. X
ij

d. b
i

e. a
mn

8. Bir doğrusal programlama modelinde karar
değişkenleri aşağıdakilerden hangisini
göstermez?
a. Üretim miktarı
b. Depolama miktarı
c. Satış miktarı
d. Tüketim miktarı
e. Gelir miktarı
9. Bir doğrusal programlama modelinde amaç,
aşağıdakilerin hangisi olamaz?
a. Fayda
b. Kar
c. Optimum
d. Maksimum
e. Minimum
10. Bir doğrusal model kurmak için
aşağıdakilerden hangisinin bilinmesine gerek
yoktur?
a. Amaç
b. c
j

c. d
j

d. a
ij

e. b
i



36
Kendimizi Sınayalım Yanıt
Anahtarı
1. d Yanıtınız yanlış ise “Giriş” başlıklı konuyu
yeniden gözden geçiriniz.
2. b Yanıtınız yanlış ise “Giriş” başlıklı konuyu
yeniden gözden geçiriniz.
3. e Yanıtınız yanlış ise “Giriş” başlıklı konuyu
yeniden gözden geçiriniz.
4. d Yanıtınız yanlış ise “Doğrusal Programla-
manın Varsayımları” başlıklı konuyu yeniden
gözden geçiriniz.
5. b Yanıtınız yanlış ise “Doğrusal Programla-
manın Varsayımları” başlıklı konuyu yeniden
gözden geçiriniz.
6. a Yanıtınız yanlış ise “Doğrusal Programla-
manın Varsayımları” başlıklı konuyu yeniden
gözden geçiriniz.
7. c Yanıtınız yanlış ise “Doğrusal Programla-
mada Model Kurma” başlıklı konuyu yeniden
gözden geçiriniz.
8. e Yanıtınız yanlış ise “Doğrusal Programla-
mada Model Kurma” başlıklı konuyu yeniden
gözden geçiriniz.
9. a Yanıtınız yanlış ise “Doğrusal Programla-
mada Model Kurma” başlıklı konuyu yeniden
gözden geçiriniz.
10. c Yanıtınız yanlış ise “Doğrusal Programla-
mada Model Kurma” başlıklı konuyu yeniden
gözden geçiriniz.










Sıra Sizde Yanıt Anahtarı
Sıra Sizde 1
Doğrusal programlamanın uygulama alanları:
Ulaştırma ve lojistik problemleri, Endüstriyel
üretim planlaması ve envanter(stok) kontrolü,
Personel programlaması, Beslenme(diyet)
problemleri, Karışım problemleri, Tarımsal
planlama, Finansal planlama, Yatırım planlaması,
Sağlık sistemleri, Askeri planlama, Trafik
planlaması, Atama problemleri, Reklam seçimi
problemleri sayılabilir.
Sıra Sizde 2
Doğrusallık (oranlılık) varsayımı, toplanabilirlik
varsayımı, bölünebilirlik varsayımı ve belirlilik
varsayımlarıdır.
Sıra Sizde 3
Doğrusal programlama modelinin temel
bileşenleri; Karar değişkenleri, amaç fonksiyonu
ve kısıtlayıcılardır.




















37
Yararlanılan Kaynaklar
Doğan, İ., (1995), Yöneylem Araştırması
Teknikleri ve İşletme Uygulamaları, Bilim
Teknik yayınevi, İstanbul.
Kara, İ., 1991, Doğrusal Programlama, Bilim
Teknik Yayınevi, Eskişehir.
Öztürk, A. (2011). Yöneylem Araştırması,
Genişletilmiş 13. baskı, Ekin kitabevi, Bursa.
Taha, H. (2000). Operations Research an
Introduction, (6.Basımdan Çeviri: Yöneylem
Araştırması) Çeviren ve Uyarlayan: Ş.Alp Baray
ve Şakir Esnaf, Literatür yayınları, İstanbul.
Turban, E. and Meredity, J.R., 1988,
Fundamentals of Management Science,
Fourth Edition, Business Publications, Inc., Plano
Texas.
Winston, W.L. (1994). Operations Research,
Third Edition, Duxbury Pres, California.
http://ubmail.ubalt.edu/~harsham/opre640/opre64
0.htm (erişim tarihi: 01.11.2011)
http://www.inform.org/


38






Amaçlarımız
Bu üniteyi tamamladıktan sonra;
Grafik çözümün temel esaslarını tanımlayabilecek,
Grafik çözümde yapılan işlemleri sıralayabilecek,
Kısıtlayıcı doğrusal denklemlerin grafiğini çizebilecek,
Grafikde uygun çözüm kümesini çizebilecek,
Grafik çözümden problemin optimum çözümünü belirleyebilecek,
bilgi ve becerilere sahip olabilirsiniz.

Anahtar Kavramlar
Seçenekli Çözüm
Uygun Çözüm
Uygun Çözüm Alanı
Dışbükey
İç Bükey
Köşe Nokta
Karar Modeli
Sınırsız Çözüm

İçindekiler
Giriş
Grafik Çözümün Temel Esasları
Grafik Çözümün Adımları
Maksimizasyon Modelinin Grafik Çözümü
Minimizasyon Modelinin Grafik Çözümü
Grafik Çözümde Özel Durumlar
3


39
GİRİŞ
Bir önceki bölümde görüldüğü gibi, çok farklı alanlardaki problemler doğrusal programlamada, karar
modeli olarak modellenebilmektedir. Doğrusal programlama, amaç fonksiyonunu etkileyen
kısıtlayıcıların bulunması ve bunların doğrusal eşitlik ve eşitsizlikler olarak verilmesi durumunda, amaca
en iyi bir biçimde ulaşılması için, kıt kaynakların en verimli şekilde kullanılmasını sağlayan bir
matematiksel yöntemdir. Böyle bir programlama sürecinde, önce gerekli veriler toplanır, probleme ait bir
model kurulur ve modelin çözümü araştırılır. Bu çözümler, kurulmuş olan modelin yapısına bağlı olarak
tek bir çözüm ya da seçenekli çözüm olabilir. Hatta modelin hiçbir çözümü bulunmayabilir. Karar
vericinin farklı seçenekler arasından, işletmesi için en uygun olanını, uygulamaya koyması gerekir. Bazı
durumlarda, modele dahil edil(e)memiş çeşitli etkenlerden dolayı, optimum(en iyi) çözüm yerine, ona en
yakın olan başka bir çözümün benimsenmesi söz konusu olabilir. Her durumda doğrusal programlama,
karar vericiler için önemli bir araç olarak kullanılabilmektedir.

GRAFİK ÇÖZÜMÜN TEMEL ESASLARI
Bir doğrusal programlama modelinin tüm kısıtlarını sağlayan her X vektörüne,

X=[X
1
,X
2
, … X
j
, … X
n
]

uygun çözüm denir. Uygun çözümlerin oluşturduğu kümeye, Uygun Çözüm Alanı (UÇA) denir.

Uygun Çözün Alanı = {X | AX≤b, X≥0 }

Burada, A- matris ve b-sütün vektörüdür;

a
11
a
12
… a
1n
b
1

A= a
21
a
22
… a
2n
b = b
2

. . . .
a
m1
a
m2
… a
mn
b
m


Karar modeli açısından her uygun çözüm bir seçenek, Uygun Çözüm Alanı ise seçenekler kümesi
anlamındadır. Uygun Çözüm Alanı üzerinde X
j
’lere göre, amaç fonksiyonunun maksimum (en büyük)
veya minimum (en küçük) değerini aldığı X
j
’lere optimum (en iyi) çözüm seti, amaç fonksiyonuna karşı
gelen değerine optimum (en iyi) değer denir.
Uygun Çözüm Alanı nasıl tanımlanır?
Uygun Çözüm Alanı dışbükey(konveks) bir alandır. Dışbükey alanın temel özelliği, bu alan içinde
iki nokta ele alınıp bir doğru parçasıyla birleştirildiğinde, birleştiren doğru parçasının tamamının alan
kalmasıdır(Şekil 3.1.). Bir anlamda Uygun Çözüm Alanı kümesindeki herhangi iki nokta çiftini
Doğrusal Programlama
Modellerinin Çözümü:
Grafik ÇözümTekniği


40
birleştiren doğru parçası, tamamen Uygun Çözüm Alanı kümesinde ise, uygun çözüm alanı dışbükey bir
kümedir. Söz konusu doğru parçasının bir kısmını içine almayan küme ise, içbükey (konkav) kümedir
(Şekil 3.1.).
X
1
X
1
X
2
X
2
Dışbükey
İçbükey

Şekil 3.1: Dışbükey ve İçbükey alan örnekleri

Uygun Çözüm Alanının dışbükey olması, farklı iki uygun çözüme ulaşıldığında, bunları birleştiren
doğru parçası üzerindeki her noktanın da uygun çözüm olduğunu gösterir.
Dışbükey ve içbükey alanların bir birinden farkı nedir?
Uç(köşe) Nokta Teoremi: Grafik üzerinde Uygun Çözüm Alanının (UÇA) farklı iki noktasının
dışbükey birleşimi olarak yazılamayan noktası varsa, buna uç nokta veya köşe nokta denir. Düzlemde
bir üçgenin, bir karenin köşeleri uç (köşe) noktadır.
Şu halde, amaç fonksiyonu maksimizasyon (en büyükleme) veya minimizasyon (en küçükleme)
yönünde olan bir doğrusal programlama modelinin:
i. Eğer modelin optimum (en iyi) çözümü varsa, bu çözüm Uygun Çözüm Alanının bir köşe
noktasındadır.
ii. Amaç fonksiyonu optimum (en iyi) değerini birden çok köşe noktasında alıyorsa, bu noktaların
her dışbükey birleşimi de optimum(en iyi) çözümdür.

GRAFİK ÇÖZÜMÜN ADIMLARI
Grafik çözüm tekniği ile genellikle iki karar değişkenli modellerin çözümü mümkün olur. Uygulamada
genellikle çok sayıda değişken ve kısıtlayıcı içeren modellerle karşılaşılır. Ancak burada incelenecek
olan karar modellerinde iki değişken bulunacaktır. Yine de iki değişkenli modellerin grafik çözümleri,
doğrusal programlamanın mantığının daha kolay kavranmasına önemli ölçüde katkıda bulunur. Çünkü
çok daha karmaşık modellerin çözümünde, yine aynı mantık yol gösterecektir.
Modelin iki karar değişkeni olduğunda, kısıtların her biri düzlemde bir doğru oluşturur. Bu
doğrunun ikiye ayırdığı düzlemin bir bölgesi, ilgili kısıttı sağlayan (X
1
, X
2
)‘i değerlerini verir. Modelin
tüm kısıtlayıcı fonksiyonları aynı koordinat sisteminde çizilerek, her bir kısıttın sağlanan bölgeleri
taranırsa, kısıtları birlikte gerçekleştiren (X
1
, X
2
) ikilileri, yani “Uygun Çözüm Alanı(UÇA)” taranmış
bölge olarak ortaya çıkar.



41
Yukarıdaki açıklamalar ışığında bir doğrusal programlama modelinin grafik çözümünde yapılacak
işlemler şöyle sıralanabilir.
i. Her bir kısıt eşitlik olarak ele alınıp, karşı gelen doğrunun grafiği çizilerek, kısıtı sağlayan yönü
(bölge) işaretlenir. Tüm kısıtları aynı anda sağlayan bölge taranarak “Uygun Çözüm
Alanı(UÇA)” olarak belirlenir.
ii. Uygun Çözüm Alanının köşe noktalarında karar değişkenlerinin ve amaç fonksiyonunun değeri
hesaplanarak amacı sağlayan köşe, optimum çözüm noktası olarak ilan edilir.
iii. Optimum çözüm seti (amaç fonksiyonu ve karar değişkenlerinin değeri) yazılarak çözüme
ulaşılmış olur.
Grafik çözümde yapılan işlemler nasıl sıralanır?

MAKSİMİZASYON MODELİNİN GRAFİK ÇÖZÜMÜ
Maksimizasyon amaçlı doğrusal programlama modellerinin grafik çözümleri bir örnek üzerinde
açıklanmaya çalışılacaktır. Bunun için iki ürün üreten bir işletmenin üretim modeli aşağıdaki gibi olsun.
Karar değişkenleri;

X
1
= Ürün -I’den üretilecek miktar,
X
2
= Ürün -II’den üretilecek miktar, olmak üzere doğrusal karar modeli;
Max Z = 300X
1
+ 250X
2


Kısıtlayıcılar

2X
1
+ X
2
≤ 40 (işgücü kısıtı-saat)
X
1
+ 3X
2
≤ 45 (kapasite kısıtı)
2X
1
+ X
2
≤ 40 (talep kısıtı)
X
1
≥ 0 (negatif olmama kısıtı)
X
2
≥ 0 (negatif olmama kısıtı)

şeklinde kurulmuş olsun. İki değişken içeren model, iki boyutlu uzayda grafik çözüm tekniği ile
çözülebilir.

Kısıtlayıcıların Grafik Çizimi
Doğrusal karar modelinin optimum çözümünü bulmak için öncelikle Uygun Çözüm Alanının(UÇA)
belirlenmesi gerekmektedir. İlk adımda modelin kısıtlayıcıları olan doğrusal eşitsizliklerin grafiğini
çizmek gerekir. Bütün doğrusal programlama modellerinde negatif olmama kısıtlayıcıları (X
1
, X
2
≥ 0)
bulunduğundan, öncelikle bu kısıtların doyurulması ile başlamak gerekir. Koordinatlar ekseninde, uygun
çözüm alanının hangi bölümde yer aldığı belirlenir. Örnek modeldeki X
1
(Ürün I’den üretilecek miktar)
genellikle apsis (yatay) ekseninde, X
2
(Ürün II’den üretilecek miktar),ordinat (düşey) ekseninde gösterilir.


42
20
20
40
40
60
60
80
80
100
100
0
X
1
X
2
I. Bölge II. Bölge
III. Bölge
IV. Bölge
Bu eksen X
2
≥0 kısıtına karşı gelir
Bu eksen X
1
≥0 kısıtına karşı gelir

Şekil 3.2: Koordinat düzleminde X
1
, X
2
≥ 0 (I. Bölge) gösterimi

X
1
, ve X
2
değişkenlerinin çözüm değerlerinin anlamlı olabilmesi için, negatif olmayan değer almaları
gerekir. Olası çözüm değerleri Ürün I ve Ürün II’den üretilecek miktarları gösterecekti. Matematiksel
olarak;
• X
1
≥ 0 (X
1
, Ürün I’den üretilecek ise pozitif bir değer alacak, üretilmeyecek ise sıfır değerini
alacak demektir).
• X
2
≥ 0 (X
2
, Ürün II’den üretilecek ise pozitif bir değer alacak, üretilmeyecek ise sıfır değerini
alacak demektir).
Bunun yanında X
1
≥ 0, yatay eksenin(apsis) üst tarafını, X
2
≥ 0 dikey eksenin (ordinat) sağ tarafını işaret
eder ki, bu da koordinat ekseninin I.Bölgesidir (Şekil 3.2.).
Doğrusal programlama modelinin grafiği, koordinat diyagramının
neden I. Bölge’sinde çizilir?
Grafik çözümü araştırılacak karar modeli;

Max Z = 300X
1
+ 250X
2


Kısıtlayıcılar

2X
1
+ X
2
≤ 40 (işgücü kısıtı-saat)
X
1
+ 3X
2
≤ 45 (kapasite kısıtı)
2X
1
+ X
2
≤ 40 (talep kısıtı)
X
1
, X
2
≥ 0

Doğrusal kısıtlayıcıların veya eşitsizliklerin grafiğini çizmek için iki adım izlenir.
Adım 1: Doğrusal eşitsizlikler eşitlik halinde ifade edilerek, bunların sınırlarını gösteren, doğrular çizilir.


43
Adım 2: Doğrunun hangi tarafının eşitsizliğe uygun düştüğü belirlenir.
Doğrusal programlamada kurulmuş model, karar vermede
kullanılacağından, karar modeli diye de adlandırılır.
Bu adımların uygulaması, örnek model üzerinde kısıtlayıcıların sırasıyla grafikleri çizilerek
gösterilecektir.
• İşgücü kısıtı, 2X
1
+ X
2
≤ 40 eşitsizliği eşitlik halinde ifade edilirse,

2X
1
+ 1 X
2
= 40 olur.

İki değişkenli doğrusal denklemlerin grafiğini çizmenin en kolay yolu, çizilecek doğrunun yatay ve
dikey ekseni kestiği noktaları bulmak ve bu noktaları bir doğruyla birleştirmektir. Bunun için önce
denklemde X
1
’e sıfır verilir.

X
1
=0 (Ürün I’den hiç üretilmezse)
2(0) + 1 X
2
= 40
buradan, 1 X
2
= 40 ⇒ X
2
= 40 ( Ürün II’den 40 birim üretilir.)

Eğer Ürün I’den hiç üretilmez ise, bütün kaynaklar Ürün II’nin üretiminde kullanılacak ve 40 birim
üretilebilecektir. X
2
= 40 olduğunda denklemin doğrusu dikey ekseni A(X
1
=0, X
2
=40) noktasında(Şekil
3.3) kesecek demektir.
Şimdi de denklemin çizilecek doğrusunun yatay ekseni kestiği noktayı bulmak için X
2
‘ye sıfır verilir.

X
2
=0 (Ürün II’den hiç üretilmezse)
2X
1
+ 1(0) = 40
buradan, 2 X
1
= 40 ⇒ X
1
= 20 ( Ürün I’den 20 birim üretilir.)

Eğer Ürün II’den hiç üretilmez ise, bütün kaynaklar Ürün I’nin üretiminde kullanılacak ve 20 birim
üretilebilecektir. X
1
= 20 olduğunda denklemin doğrusu yatay ekseni B(X
1
=20, X
2
=0) noktasında(Şekil
3.3) kesecek demektir.



Şekil 3.3: İşgücü kısıtının (2X
1
+ X
2
≤ 40) grafiği

Uygun alan bu işgücü kısıtı doğrusunun sol alt tarafına düşmektedir. Uygun alanı belirlemede
şüpheye düşülmesi halinde, doğrunun iki tarafından birer nokta belirlenir, sol alt taraftan K(10, 10) ve sağ


44
üst taraftan L(20, 10), bu noktalardan (Şekil 3.4) kısıtlayıcı denklemi sağlayan noktanın bulunduğu alan
uygun alan olacaktır.
K(10, 10) için;

2(10) + 1(10) = 30

30(otuz) değeri, kısıtlayıcının sağ taraf sabiti 40’dan daha küçük bir değerdir ve 2X
1
+ 1 X
2
≤ 40
kısıtını sağlamaktadır.
Alınan diğer nokta, L(20, 10) için;
2(20) + 1 (10) = 50

50 (elli) değeri kısıtlayıcının sağ taraf sabiti 40’dan büyük bir değerdir ve kısıtlayıcı denklemi
sağlamaz.



Şekil 3.4: İşgücü kısıtının uygun alanının grafiği

• Kapasite kısıtı, 1X
1
+ 3 X
2
≤ 45 eşitsizliği eşitlik halinde ifade edilirse;

1X
1
+ 3 X
2
= 45 olur.

İki değişkenli doğrunun grafiğini çizmek için, dikey ve yatay eksenleri kestiği noktaların bulunması
yeterli olacaktır.

X
1
=0 (Ürün I’den hiç üretilmezse)
1(0) + 3 X
2
= 45
buradan, 3 X
2
= 45
X
2
= 15 ( Ürün II’den 15 birim üretilir.)
X
2
= 15 olduğunda denklemin doğrusu dikey ekseni C(X
1
=0, X
2
=15) noktasında (Şekil 3.5) kesecektir.
X
2
=0 (Ürün I’den hiç üretilmezse)


45
1 X
1
+ 3(0) = 45
buradan, X
1
= 45
X
1
= 45 ( Ürün I’den 45 birim üretilir.)
X
1
= 45 olduğunda denklemin doğrusu dikey ekseni D(X
1
=45, X
2
=0) noktasında (Şekil 3.5) kesecektir

Uygun alan ise doğrunun alt kısmına düşmektedir.




Şekil 3.5: Kapasite kısıtının uygun alan grafiği

• Talep kısıtı, 1X
1
≤ 12 eşitsizliği eşitlik halinde ifade edilirse,
X
1
=12

X
1
=12’nin grafiği çizildiğinde, yatay eksende E(X
1
=12, X
2
=0) noktasından (Şekil 3.6.) başlayan ve
dikey eksene paralel bir doğru olacaktır.



Şekil 3.6: Talep kısıtı uygun alan grafiği


46
Uygun Çözüm Alanının Belirlenmesi
Uygun Çözüm Alanının sınırları, kısıtlayıcı doğrusal denklemlerle ifade edilen, çizilen doğrusal
eşitsizliklerin grafiği ile belirlenir. Karar modelinin tüm kısıtlayıcıları aynı düzlemde(I. Bölge) çizilerek,
her bir kısıtın uygun alanları taranırsa, Uygun Çözüm Alanı (UÇA) taranmış bölge (Şekil 3.7.) olarak
ortaya çıkar.

10
10
20
20
30
30
40
40
0
X
1
X
2
ÜRÜN 1
ÜRÜN II
A
1X
1
≤ 12 (talep kısıtı)
B
C
D E
G
H
F
O
2X
1
+ X

≤ 40 (iş gücü kısıtı)
X
1
+ 3 X

≤ 45 (kapasite kısıtı)
Uygun Çözüm Alanı (UÇA)

Şekil 3.7: Uygun Çözüm Alanının taranmış grafiği

Şekil 3.7.’de görüldüğü gibi doğrular bir biri ile (X
1
, X
2
’nin değerleri için) A, B, C, D, E, F, G, H, O
köşe noktalarında kesişmektedir. Bu noktalardan A, B,D,F,H noktaları kısıtlayıcı denklemlerin tamamını
karşılayamadığı için uygun olmayan noktalardır. Bütün kısıtlayıcı denklemlerin sağlandığı bölge, taralı
alan veya C, G, E, O dörtgeni Uygun Çözüm Alanıdır (Şekil 3.8.)



Şekil 3.8: Uygun Çözüm Alanı grafiği

Uygun Çözüm Alanı sınırları içinde(sınırlayan çizgiler dâhil) herhangi bir (X
1
, X
2
) noktası, karar
modelinin bütün kısıtlarını matematiksel olarak sağlar. Örneğin I(X
1
=5, X
2
=3) noktası matematiksel
olarak bütün kısıtlayıcı denklemleri sağlar. Şöyle ki;



47
İşgücü kısıtı, 2X
1
+ 1 X
2
≤ 40
2(5) + 1(3) ≤ 40
13 ≤ 40
Kapasite kısıtı, 1X
1
+ 3 X
2
≤ 45
1(5) + 3(3) ≤ 45
14≤ 45
Talep kısıtı, X
1
≤ 12
5 ≤ 12

Optimum (En İyi) Çözümün Bulunması
Uygun Çözüm Alanı, Şekil 3.8.’de görüleceği gibi dışbükey (konveks) bir alandır. Doğrusal
programlamada optimum çözüm her zaman, Uygun Çözüm Alanının köşe noktalarındadır. Örnek karar
modelinde optimum çözüm C, G, E, O köşe noktalarından birisinde olacaktır. Uygun Çözüm Alanı
bilindiğine göre C, G, E, O köşe noktalarından hangisinde, amaç fonksiyonunun (MaxZ=300X
1
+ 250X
2
)
en büyük değer aldığı belirlenerek, optimum çözüme ulaşılır. Bunun için köşe noktalarının her birinin,
(X
1
, X
2
) değerleri amaç fonksiyonunda yerine konur.

Köşe noktalar X
1
X
2
MaxZ=300X
1
+ 250X
2

O
C
E
G
0 0
0 15
12 0
? ?
MaxZ=300(0) + 250(0)=0
MaxZ=300(0) + 250(15)=3.750
MaxZ=300(12) + 250(0)=3.600
MaxZ=?

Köşe noktaların X
1
ve X
2
değerlerini bulmak için, o noktada kesişen doğru denklemleri çözülür.
Matematikten hatırlanacağı üzere, iki bilinmeyenli iki denklem çözümü ile X
1
ve X
2
değerleri kolayca
bulunabilir.
G noktasında, kapasite(1X
1
+ 3 X
2
≤ 45) ve talep (1X
1
≤ 12) kısıtlarının doğruları kesişmektedir. Bu
noktada iki denklem aynı değeri almaktadır. Bir başka ifade ile G noktasında iki denklem bir birine
eşittir.
X
1
= 12
X
1
+ 3 X
2
= 45

Burada X
1
= 12 olduğu açıktır. Bu iki denklemden birincisi (-1) ile çarpılır ve alt alta toplanırsa:
-X
1
= -12
X
1
+ 3 X
2
= 45
3X
2
= 33
X
2
=11 bulunur.



48
12
10
20
20
30
30
40
40
0
X
1
X
2
ÜRÜN 1
ÜRÜN II
C
(0
,1
5
)→
M
a
x
Z
=
3
.7
5
0
O
G
(1
2
,1
1
)→
M
a
x
Z
=
6
.3
5
0
E
(1
2
,0
)→
M
a
x
Z
=
3
.6
0
0
15

Şekil 3.9: Optimum çözüm- G noktası grafiği

G noktasının (X
1
=12, X
2
=11) değerleri (Şekil 3.9.) bulunmuş oldu. Bu noktadaki amaç fonksiyonu
değerini de ekleyerek, köşe noktalarındaki en büyük değer belirlenir.

Köşe noktalar X
1
X
2
MaxZ=300X
1
+ 250X
2

O(Orijin)
C
E
G
0 0
0 15
12 0
12 11
MaxZ=300(0) + 250(0)=0
MaxZ=300(0) + 250(15)=3.750
MaxZ=300(12) + 250(0)=3.600
MaxZ=300(12) + 250(11)=

Amaç fonksiyonunun en büyük değeri: 6.350, G(12, 11) köşe noktasında elde edilmiştir. Buna göre
söz konusu üretim probleminde optimum çözüm;

X
1
= 12 (Üretilmesi gereken Ürün I miktarı)
X
2
= 11 (Üretilmesi gereken Ürün II miktarı)
Max Z = 6.350 ’dır.

Maksimizasyon problemlerinde, orijine (0,0) en uzak köşe noktalarında en iyi çözüm araştırması
yapılması, bizleri daha fazla hesaplamadan kurtarır, böylece daha çabuk optimum çözüme ulaşılır.

Örnek: 3. 1. Örnek 2.1 de modeli kurulan marangoz işletme üretim modelinin optimum çözümü grafik
çözüm tekniği araştırılsın.

Max Z = 6X
1
+ 8X
2

Kısıtlayıcılar
30X
1
+ 20X
2
≤ 300 (tahta kısıtı)
5X
1
+ 10X
2
≤ 110 (işgücü kısıtı)
ve X
1
,X
2
≥ 0


49
Çözüm: Üretim modeli iki değişkenli olduğu için grafik çözüm tekniği ile çözülebilir.
• Tahta kısıtı, 30X
1
+ 20X
2
≤ 300 eşitsizliği eşitlik halinde ifade edilirse,
30X
1
+ 20X
2
= 300 olur.

İki değişkenli doğrusal denklemlerin grafiğini çizmek için, çizilecek doğrunun yatay ve dikey ekseni
kestiği noktalar bulunur.

X
1
=0 (Masa hiç üretilmezse)
30(0)+ 20X
2
= 300
X
2
= 15 ( Sandalyeden 15 birim üretilir.)
X
2
=0 (Sandalye hiç üretilmezse)
30 X
1
+ 20(0) = 300
X
1
= 10 ( Masadan 10 birim üretilir.)

Denklemin doğrusu düşey ekseni A(X
1
=0, X
2
=15) noktasında, yatay ekseni de B(X
1
=10, X
2
=0)
noktasında (Şekil 3.10.) kesecek demektir.

• İşgücü kısıtı, 5X
1
+ 10X
2
= 110 eşitsizliği eşitlik halinde ifade edilirse,
5X
1
+ 10X
2
= 110 olur.

İki değişkenli doğrusal denklemlerin grafiğini çizmek için çizilecek doğrunun yatay ve düşey ekseni
kestiği noktalar bulunur.

X
1
=0 (Masa hiç üretilmezse)
5(0)+ 10X
2
= 110
X
2
= 11 ( Sandalyeden 11 birim üretilir.)
X
2
=0 (Sandalye hiç üretilmezse)
5X
1
+ 10(0) = 110
X
1
= 22 ( Masadan 22 birim üretilir.)
Denklemin doğrusu dikey ekseni C(X
1
=0, X
2
=11) noktasında, yatay ekseni de D(X
1
=22, X
2
=0)
noktasında (Şekil 3.10.) kesecek demektir.

3 10 13 20
3
10
13
A
L (4,9)
8 (10,0)
l
0
·
·
·
· ·
·
uygun Çözum Alani (uÇA)
x
2
x
1
C (0,11)
u
30 X
1
+ 20 X
2
≤ 300
5 X
1
+ 10 X
2
≤ 110

Şekil 3.10: Uygun çözüm alanı ve grafik çözümü


50

Şekil 3.10.’da görüldüğü gibi doğrular bir biri ile (X
1
, X
2
’nin değerleri için) A, B, C, D, E, F, köşe
noktalarında kesişmektedir. Bu noktalardan A ve D köşe noktaları kısıtlayıcı denklemlerin tamamını
karşılayamadığı için uygun olmayan noktalardır. Kısıtlayıcı koşulların birlikte karşılandığı bölge,
taranmış veya B ,C ,E, F köşe noktalarının sınırlandırdığı bölgedir. Bu bölge, problemin Uygun Çözüm
Alanı (UÇA)’dır (Şekil 3.10.).
Uygun çözüm alanında her noktanın (X
1
, X
2
) değerleri problem için bir uygun çözümü verir.
Optimal çözüm ise, uygun çözüm alanının köşe noktalarının birisindedir. Bunun için köşe noktalarının
her birinin, (X
1
, X
2
) değerleri amaç fonksiyonunda yerine konur.
Amaç maksimizasyon yönünde olduğu için orijinden uzak olan B,C,E noktalarına bakmak yeterli
olacaktır.

Köşe noktalar X
1
X
2
MaxZ=6X
1
+ 8X
2

B
C
E
10 0
0 11
? ?
MaxZ=6(10) + 8(0)=60
MaxZ=6(0) + 8(11)=88
MaxZ=?

E noktasının koordinat (X
1
,X
2
) değerleri: E noktası iki kısıtlayıcı denklem doğrusunun kesiştiği
noktadır. Bu nedenle, iki bilinmeyenli iki denklem çözülür:

30X
1
+ 20X
2
= 300
5X
1
+ 10X
2
= 110

İkinci denklemi (-2) ile çarpar ve birinci denklem ile toplarsak;

30X
1
+ 20X
2
= 300
-10X
1
- 20X
2
= -220
20 X
1
= 80
ve
4
20
80
X
1
= =
olur.
X
1
= 4 ⇒ X
2
= 9 olarak bulunur.

Köşe noktalar X
1
X
2
MaxZ=6X
1
+ 8X
2

B
C
E
10 0
0 11
4 9
MaxZ=6(10) + 8(0)=60
MaxZ=6(0) + 8(11)=88
MaxZ=6(4) + 8(9) =

Amaç fonksiyonunun maksimum en büyük değeri 96, E noktasında elde edilmektedir. Bu durumda
problemin optimum çözüm seti;

X
1
= 4 → üretilecek masa miktarı
X
2
= 9 → üretilecek sandalye miktarı
ve Max Z = 96 → toplam kardır.

Örnek 3.2. Yeni bir maksimizasyon modelinin optimum çözümü grafik çözüm tekniği araştırılsın.
Max Z = 8X
1
+ 11X
2

Kısıtlayıcılar


51

5X
1
+ 4X
2
≤ 40 (Birinci kısıtlayıcı)
-X
1
+ 3X
2
≤ 12 (İkinci kısıtlayıcı)
ve X
1
,X
2
≥ 0

Çözüm: Öncelikle kısıtlayıcıların yatay ve dikey ekseni kestiği noktalar belirlenir. Bunun için
değişkenlerden birine sıfır verilerek diğer değişkenin değeri hesaplanır.
Birinci kısıtlayıcı, 5X
1
+ 4X
2
≤ 40 eşitlik halinde ifade edilirse,

5X
1
+ 4X
2
= 40 olur.
X
1
= 0 ⇒ 5(0) + 4X
2
= 40 ⇒ X
2
= 10

Çizilecek doğrunun dikey ekseni keseceği nokta A(0, 10)’dur (Şekil 3.11.).

X
2
= 0 ⇒ 5X
1
+ 4(0) = 40 ⇒ X
1
= 8

Çizilecek doğrunun yatay ekseni keseceği nokta B(8, 0)’dır (Şekil 3.11.).
İkinci kısıtlayıcı, -X
1
+ 3X
2
≤ 12 eşitlik halinde ifade edilirse,

-X
1
+ 3X
2
= 12 olur.
X
1
= 0 ⇒ -1(0) + 3X
2
= 12 ⇒ X
2
= 4

Çizilecek doğrunun dikey ekseni keseceği nokta C(0, 4)’dur (Şekil 3.11.).

X
2
= 0 ⇒ -1X
1
+ 3(0) = 12 ⇒ X
1
= -12

Çizilecek doğrunun yatay ekseni keseceği nokta D(-12, 0)’dır (Şekil 3.11.).
0
-2 -4 -6 -8 -10 -12 12 10 8 6 4 2
2
4
6
8
10
12
x
2
x
1
·
·
·
· · ·
C (0,4)
8 (8,0)
uÇA
u
A






1
9
1
0
0
,
1
9
7
2
E

Şekil 3.11: Uygun Çözün Alamı ve grafik çözüm
İkinci kısıtlayıcnın grafiğini çizerken yatay ekseni (X
1
=-12)’de kesmesi
neğatif değer aldığı anlamına gelmez. Çünkü çizilen doğrunun yalnız I. Bölge’deki kısmı
ile ilgilenilir.


52
Şekil 3.11’deki Uygun Çözüm Alanında maksimizasyon amacına en uygun köşe olarak E ve B
noktaları görülebilir. Hangisinin olması gerektiği hakkında kesin bir yargıya varmak bizi hataya
düşürebilir. Bunun için önce bu iki noktada (E ve B) karar değişkenlerinin (X
1
,X
2
) değerleri bulunur.
Hangi nokta daha fazla karı veriyorsa, bu nokta en iyi çözümü veren noktadır.

Köşe noktalar X
1
X
2
MaxZ=8X
1
+ 11X
2

B
E
8 0
? ?
MaxZ=8(8) + 11(0)=64
MaxZ=?

E noktasında iki kısıtlayıcı kesişmektedir. Bu nedenle bu noktada bu iki kısıtlayıcı birbirine eşit
değerdedir.

5X
1
+ 4X
2
= 40
-X
1
+ 3X
2
= 12

İkinci denklemi (+5) ile çarpar ve birinci denklem ile toplarsak;

5X
1
+ 4X
2
= 40
-5X
1
+ 15X
2
=60
0 +19 X
2
=100
ve X
2
=100/19=5.26 olur.
X
2
=100/19 ⇒ X
1
=72/19 olarak bulunur.

Köşe noktalar X
1
X
2
MaxZ=8X
1
+ 11X
2

B
E
8 0
72/19 100/19
MaxZ=8(8) + 11(0)=64
MaxZ=8(72/19) + 11(100/19)=1676/19=88,21*

Amaç fonksiyonunun maksimum değeri (88,21), E noktasında elde edilmektedir. Bu durumda
problemin optimum çözüm seti;

789 , 3
19
72
1
≅ = X


263 , 5
19
100
X
2
≅ =

ve Max Z = 88,21’ dir.

MİNİMİZASYON MODELİNİN GRAFİK ÇÖZÜMÜ
Grafik çözüm tekniği ile maksimizasyon problemleri çözülebileceği gibi, benzer şekilde minimizasyon
(en küçükleme) problemleri de çözülebilir. Minimizasyon problemi olarak aşağıdaki karar modeli ele
alınsın.
Min Z = 45X
1
+ 12X
2

Kısıtlayıcılar
X
1
+ X
2
≥ 300 (Kısıt-1)
3X
1
≥ 250 (Kısıt-2)
ve X
1
, X
2
≥ 0


53
Minimizasyonun grafik çözümünde de maksimizasyon probleminde izlenen adımlar geçerlidir.
Tekrara düşmemek için burada doğrudan optimum çözümün bulunmasına önem verilecektir.
Kısıt-1’in yatay ve dikey ekseni kestiği noktaların bulunması:

1X
1
+ 1X
2
= 300 buradan,
X
1
=0 ise X
2
=300 A(0, 300)
X
2
=0 ise X
1
=300 B(300, 0)

Kısıt-2 için ise, 3X
1
+ 0X
2
= 250
3X
1
=250 → X
1
=250/3=83,3

Modelin Uygun Çözüm Alanının belirlenmesi için, kısıtların aynı koordinat sisteminde çizimi
yapılırsa Şekil 3.12. elde edilir.


Şekil 3.12: Problemin Uygun Çözüm Alanı ve grafik çözümü

Doğrusal programlamada karar modelinin optimum çözümü, Uygun Çözüm Alanının köşe
noktalarında olduğuna daha önce değinilmişti. Örnekteki uygun çözüm alanı üstten sınırsız olmakla
birlikte, amaç minimizasyon olduğunda, bunun bir mahsuru yoktur. Çünkü minimizasyonda optimum
çözüm, orijine(0,0) en yakın köşe noktalarında yer alır. Şekil 3.12.’ de uygun çözüm alanının köşe
noktaları A ve B noktalarıdır. A ve B köşe noktalarından hangisinde amaç fonksiyonunun (Min Z =
45X
1
+ 12X
2
) minimum olduğu belirlenerek optimum çözüme ulaşılır. Köşe noktalarının her birinin
(X
1
, X
2
) değerleri amaç fonksiyonunda yerine konur.

Köşe noktalar X
1
X
2
Min Z=45X
1
+ 12X
2

A
B
? ?
300 0
Min Z=?
Min Z=45(300) + 12(0)=13.500

A Noktasında kesişen doğru denklemleri eşitlenerek, iki bilinmeyenli iki denklem çözülürse;

1X
1
+ 1X
2
= 300
3X
1
= 250 → X
1
= 250/3 = 83,33 bulunur.


54
X
1
= 83,33 birinci kısıtlayıcı denklemde yerine konursa,

1(83.33)+ 1X
2
= 300 → X
2
= 300-83,33=216,67 bulunur.

A köşe noktasında (X
1
, X
2
) değerleri (X
1
=83,33 X
2
=216,67) bulunmuş oldu. Bu noktada amaç
fonksiyonunun değeri:

Min Z = 45(83,33)+ 12(216,67) = 6.350

Köşe noktalar X
1
X
2
Min Z=45X
1
+ 12X
2

A
B
83,33 216,67
300 0
Min Z=45(83,33) + 12(216,67)=

Min Z=45(300) + 12(0)=13.500

Amaç fonksiyonunun en küçük değeri 6.350 A(X
1
=83,33 X
2
=216,67) köşe noktasında elde edilmiştir.
Buna göre optimum çözüm;

X
1
= 83,33
X
2
= 216,67
ve Min Z = 6.350’ dir.

Örnek 3.3. Yeni bir minimizasyon probleminin çözümü, grafik çözüm tekniği ile yapılsın

Min Z = 2X
1
+ 6X
2

Kısıtlayıcılar

2X
1
+ 4X
2
≤ 1600 (Kısıt-1)
6X
1
+ 2X
2
≤ 1800 (Kısıt-2)
X
2
≤ 350 (Kısıt-3)
X
1
≥ 50 (Kısıt-4)
X
2
≥ 100 (Kısıt-5)
X
1
+ X
2
≥ 300 (Kısıt-6)
ve X
1
,X
2
≥ 0

Çözüm: Öncelikle kısıtlayıcıların yatay ve dikey ekseni kestiği noktalar belirlenir. Bunun için
değişkenlerden birine sıfır verilerek diğer değişkenin değeri hesaplanır.
Birinci kısıtlayıcı,
2X
1
+ 4X
2
= 1600
X
1
= 0 ⇒ X
2
= 400
X
2
= 0 ⇒ X
1
= 800

İkinci kısıtlayıcı,
6X
1
+ 2X
2
= 1800
X
1
= 0 ⇒ X
2
= 900
X
2
= 0 ⇒ X
1
= 300

Üçüncü kısıtlayıcı
X
2
= 350

Dördüncü kısıtlayıcı
X
1
= 50

Beşinci kısıtlayıcı
X
2
= 100

Altıncı kısıtlayıcı
X
1
+ X
2
= 300
X
1
= 0 ⇒ X
2
= 300
X
2
= 0 ⇒ X
1
= 300


55
100 200 300 400 300 600 700 800 900
100
0
100
200
300
400
300
600
700
800
900
100
0
·
·
· ·
· ·
·
· ·
· · ·
A
8
C
u
L
l
uygun Çözum Alani
1
2
3
3
4 6
x
2
x
1

Şekil 3.13: Uygun Çözüm Alanı ve grafik çözümü

Şekil 3.13’deki Uygun Çözüm Alanında minimizasyon amacına en uygun köşe olarak orijine en yakın
köşe olacaktır. Burada E noktası en uygun nokta olarak görülmektedir. E noktasında çözüm değerlerinin
bulursak;
-E noktası için,

X
2
= 100
X
1
+ X
2
= 300
X
1
=200 olur.
E(200 , 100) → Min Z = 2(200) + 6(100) = 1000’ dir.

Bu durumda problemin optimum çözüm seti;

X
1
= 200
X
2
= 100
ve Min Z = 1000’ dir.
E ve F köşe noktalarından hangisinin orijine en yakın nokta olduğu
konusunda teretdüte düşülmesi halinde her iki noktada da amaç fonksiyonu değerine
bakılır. Minimum olan optimum çözüm ilan edilir.




56
GRAFİK ÇÖZÜMDE ÖZEL DURUMLAR
Buraya kadar genellikle tek optimum çözümü olan doğrusal programlama problemlerinin grafik çözümü
verilmeye çalışıldı. Bir doğrusal karar modelinin çözümü, grafik çözüm tekniği ile araştırılırken bazı özel
durumlardan birisiyle karşılaşılabilir.
1. Uygun çözüm alanı boş(uygun çözüm bulunmama),
2. Sınırsız Çözüm(amaç fonksiyonu uygun çözüm alanında sınırsız),
3. Seçenekli(çoklu) optimal çözüm.
Şimdi bunlar sırasıyla açıklanmaya çalışılacaktır.

Uygun Çözüm Alanı Boş
Karar modelinin kısıtlarının grafiği çizildiğinde, uygun çözüm alanı oluşmuyor (boş) ise, problemin
çözümü yoktur denir. Bu durum izleyen kısıtlayıcılara sahip bir karar modelinde gösterilmiştir.

X
1
+ 2X
2
≤ 6
2X
1
+ X
2
≤ 8
X
1
≥ 7
ve X
1
, X
2
≥ 0

Söz konusu üç kısıtlayıcı aynı koordinat düzleminde grafiği çizildiğinde (Şekil 3. 14.)

2
2
4
4
6
6
8
8
0
X
1
X
2

Şekil 3.14: Uygun çözüm alanı boş (Kısıtlayıcıların hepsini birden sağlayan bir bölge yok).

Uygun çözüm bulunmaması, problemin yapısından kaynaklanabileceği gibi, modelleme hataları da
(bir kısıtlayıcının yönünün ters olması gibi) uygun çözüm alanının boş olmasına neden olabilmektedir.




57
Sınırsız Çözüm
Bazı doğrusal programlama modellerinin amaç fonksiyonu değeri, uygun çözüm alanı üzerinde istenen
yönde sonlu değilse, optimum değeri bulunamayacağından, sınırsız çözüm vardır denir. Bu durum karar
vericiye hiçbir öneri getiremez. Sınırsız çözümün varlığı, grafik çözümde, grafik üzerinde kolaylıkla
görülebilir. Örnek problem olarak,

Max Z = 3X
1
+ 5X
2

Kısıtlayıcılar

X
1
≥ 5
X
2
≤ 10
X
1
+ 2X
2
≥ 10
ve X
1
, X
2
≥ 0

Karar modelinin, uygun çözüm alanı Şekil 3.15.’de görülebilir.



Şekil 3.15: Amaç fonksiyonu uygun çözüm alanında sınırsız (Uygun çözüm alanının sağdan sınırı yok.)

Şekil 3.15.’de görülebileceği gibi, maksimizasyon amaçlı karar modelinin uygun çözüm alanı sağdan
sınırlandırılmamıştır. Bunun nedeni, problemin modelleme aşamasında hata yapmak olabilir. Bu
sınırsızlık, X
1
ürününden sonsuz sayıda üretme önermektedir ki, bu uygulamada anlamlı değildir. Çünkü
hiçbir işletme sınırsız üretim kaynağına ve sınırsız pazarlama imkanına sahip değildir.
Grafik çözüm tekniğinde sınırsız çözüm nasıl anlaşılır?

Seçenekli Optimal Çözüm
Doğrusal programlama problemleri birden çok optimum çözüme sahip olabilir. Karar modelinin amaç
fonksiyonunun optimum değeri, uygun çözüm alanında iki ayrı noktada aynı değeri alıyorsa, modelin
seçenekli (alternatif) çözümü vardır denir. Bu durum, aşağıdaki karar modelinin grafik çözümünde
görülebilir.

Max Z = 3X
1
+ 2X
2

Kısıtlayıcılar

6X
1
+ 4X
2
≤ 24
X
1
≤ 3
ve X
1
, X
2
≥ 0



58
Karar modelinin grafiği çözümü Şekil 3.16.’da verilmiştir.

0
6 3 4 3 2 1
1
2
3
4
3
6
x
2
x
1
·
·
· ·
8 (3,3/2)
A (0,6)
C (3,0)
u


Şekil 3.16: Seçenekli optimal çözüm grafiği

Uygun çözüm alanının köşe noktaları A, B, C, D ‘dir. Amaç fonksiyonu maksimizasyon olduğundan,
optimum çözüm orijine (0, 0) uzak noktalarda olacaktır. Bunun için A, B, C’de (X
1
, X
2
)’nin alacağı
değerleri araştırıp, söz konusu noktalarda amaç fonksiyonu değerini hesaplamak gerekir.

Köşe noktalar X
1
X
2
MaxZ=3X
1
+ 2X
2

A
B
C
0 6
3 3/2
3 0
MaxZ=3(0) + 2(6)=

MaxZ=3 (3) + 2 (3/2)=

MaxZ=3 (3) + 2 (0)= 9

A ve B köşe noktalarında amaç fonksiyonunun en iyi değeri (Max Z=12) aynıdır. Bu durumda karar
modelinin seçenekli optimum çözümü vardır. Bu iki noktayı birleştiren doğru üzerinde de tüm (X
1
, X
2
)
değerleri için, amaç fonksiyonu değeri (Max Z=12) optimumdur.

Örnek 3.4. Seçenekli optimum çözüm için yeni bir örnek,
Max Z = 6X
1
+ 2,5X
2

Kısıtlayıcılar

7X
1
+ 9X
2
≤ 63
12X
1
+ 5X
2
≤ 60
ve X
1
,X
2
≥ 0

Çözüm: Öncelikle kısıtlayıcıların yatay ve dikey ekseni kestiği noktalar belirlenir. Bunun için
değişkenlerden birine sıfır verilerek diğer değişkenin değeri hesaplanır.
Birinci kısıtlayıcı
7X
1
+ 9X
2
= 63
X
1
= 0 ⇒ X
2
= 7
X
2
= 0 ⇒ X
1
= 9
İkinci kısıtlayıcı
12X
1
+ 5X
2
= 60
X
1
= 0 ⇒ X
2
= 12
X
2
= 0 ⇒ X
1
= 5


59
0
12 10 8 6 4 2
2
4
6
8
10
12
x
2
x
1
·
·
·
· ·
A
8
C
uygun Çözum Alani
·

Şekil 3.17: Uygun Çözüm Alanında seçenekli optimum çözümü

Şekil 3.17.’de ki Uygun Çözüm Alanında maksimizasyon amacına en uygun köşe noktaları orijinden
uzaktaki A, B, ve C noktaları görülmektedir. Şimdi sırasıyla bu noktalarda amaç fonksiyonu değerini
araştıralım.
- A noktasının koordinat (X
1
,X
2
) değerleri;

A(0 , 7) → Max Z = 6(0) + 2,5(7) = 17,5
- B noktasının koordinat (X
1
,X
2
) değerleri; B noktası iki kısıtlayıcı fonksiyon doğrusunun kesiştiği
noktadır. Bu nedenle, iki bilinmeyenli iki denklem çözülür:

7X
1
+ 9X
2
= 63
12X
1
+ 5X
2
= 60

Birinci denklemi (5) ile ikinci denklemi de (-9) ile çarpar ve taraf tarafa toplarsak;

35X
1
+ 45X
2
= 315
-108X
1
- 45X
2
= -540
-73 X
1
= -225
ve
08 , 3
73
225
X
1
= =


60 , 4
73
336
X
2
= =

30 )
73
336
( 5 , 2 )
73
225
( 6 )
73
336
;
73
225
( = + = →MaxZ B


- C noktasının koordinat (X
1
,X
2
) değerleri;

C(5 , 0) → Max Z = 6(5) + 2,5(0) = 30




60
Köşe noktalar X
1
X
2
MaxZ=6X
1
+ 2,5X
2

A
B
C
0 7
225/73 336/73
5 0
MaxZ=6(0) + 2,5(7)=17,5
MaxZ=6(225/73) + 2,5 (336/73)=

MaxZ=6 (5) + 2,5 (0)=

Böylece amaç fonksiyonu B ve C noktalarında aynı değeri ( Z=30) almıştır. Bu durumda doğrusu
üzerindeki tüm noktalarda da aynı değeri alacaktır. Yani problemin birden çok alternatif çözümü vardır
denir. Şimdi alternatif çözümlerden ikisini yazarsak;
Optimum çözüm seti-1;


08 , 3
73
225
X
1
= =


60 , 4
73
336
X
2
= =

ve (
30 )
73
336
( 5 , 2 )
73
225
( 6 = + = MaxZ

Optimum çözüm seti-2;

X
1
= 5
X
2
= 0
ve Max Z = 30’ dur.

Bir doğrusal programlama problemini matematiksel modelle ifade etmek, en iyi çözümün
araştırılmasının yanı sıra, problemin yapısında veya parametrelerde meydana gelebilecek değişiklikleri
analiz etme imkanı da sağlar. Problemde iki karar değişkeni var ise, grafik çözümle tüm olası durumlar
görülebilmekte ve analizler yapılabilmektedir. Uygulamada karşılaşılan problemlerde karar değişkeni ve
kısıtlayıcı sayısı ikiden daha çoktur. Özellikle değişken sayısı ikiden çok olduğunda, grafik çözüm etkin
bir analiz tekniği olmaz. Değişken ve kısıtlayıcı sayısı itibariyle büyük hacimli modellerin çözümünde
etkin teknik olan Simpleks Çözüm Tekniği bir sonraki bölümde ele alınacaktır.


61
Özet
Grafik çözümde: amaç fonksiyonu ve kısıtlayıcı
denklemler birinci dereceden fonksiyonlar
olmalıdır. Kısıtlar koordinatlar düzleminde
Uygun Çözüm Alanı oluşturmalıdır.
Bir doğrusal programlama modelinin grafik
çözümünde yapılacak işlemler şöyle sıralanabilir.
i. Her bir kısıt eşitlik olarak ele alınıp, karşı gelen
doğrunun grafiği çizilerek, kısıtı sağlayan yönü
(bölge) işaretlenir. Tüm kısıtları aynı anda
sağlayan bölge taranarak “Uygun Çözüm Alanı
(UÇA)” olarak belirlenir. ii. Uygun Çözüm
Alanının köşe noktalarında karar değişkenlerinin
ve amaç fonksiyonunun değeri hesaplanarak
amacı sağlayan köşe, optimum çözüm noktası
olarak ilan edilir. iii. Optimum çözüm seti(amaç
fonksiyonu ve karar değişkenlerinin değeri)
yazılarak çözüme ulaşılmış olur.
Doğrusal kısıtlayıcıların veya eşitsizliklerin
grafiğini çizmek için iki adım izlenir.
Adım 1: Doğrusal eşitsizlikler eşitlik halinde
ifade edilerek, bunların sınırlarını gösteren,
doğruları çizilir. Adım 2: Doğrunun hangi
tarafının eşitsizliğe uygun düştüğü belirlenir.



















Uygun Çözüm Alanının sınırları, kısıtlayıcı
doğrusal denklemlerle ifade edilen, çizilen
doğrusal eşitsizliklerin grafiği ile belirlenir.
Karar modelinin tüm kısıtlayıcıları aynı
düzlemde (I. Bölge) çizilerek, her bir kısıtın
uygun alanları taranırsa, Uygun Çözüm Alanı
(UÇA) taranmış bölge olarak ortaya çıkar.
Uygun Çözüm Alanı, dışbükey(konveks) bir
alandır. Doğrusal programlamada optimum
çözüm her zaman, Uygun Çözüm Alanının köşe
noktalarındadır. Uygun Çözüm Alanının köşe
noktalarından hangisinde, amaç fonksiyonunun
en uygun (maksimizasyonda en büyük,
minimizasyonda en küçük) değeri aldığı
belirlenerek, optimum çözüme ulaşılır. Bunun
için köşe noktalarının her birinin, (X
1
, X
2
)
değerleri amaç fonksiyonunda yerine konur.




62
Kendimizi Sınayalım
1. Grafik çözümde Uygun Çözüm Alanı
koordinat sisteminin hangi bölgesinde yer alır?
a. I. Bölge
b. II. Bölge
c. I. ve II. Bölge
d. III. ve IV. Bölge
e. I. ve IV. Bölge
2. Aşağıda verilen alanlardan hangisi dışbükey
değildir?
a. b. c.

d. e.


3. Aşağıda verilen alanlardan hangisi içbükey
değildir?

a. b. c.

d. e.


4. Grafik çözümde “köşe nokta teoremi” ne işe
yarar?
a. Uygun Çözüm Alanını bulmaya,
b. Kısıtlayıcıları sağlamaya,
c. Uygun çözüm kümesini bulmaya,
d. Optimum çözüm kümesini bulmaya,
e. Amaç fonksiyonu doğrusunu bulmaya,









5. 3X
1
+ 5X
2
≤ 150
X
1
- 2X
2
≤ 10
5X
1
+ 3X
2
≤ 150
ve, X
1
, X
2
≥ 0
Kısıtlayıcıların gösterdiği Uygun Çözüm Alanı
kaç nolu bölgedir?
0
30 40 30 20 10
10
20
30
40
30
-3
x
2
x
1
·
·
· ·
1
2
3 4
3

a. 1
b. 2
c. 3
d. 4
e. 5

















63
6. 8X
1
+ 6 X
2
≤ 24 kısıtının grafiği aşağıdaki
grafiklerden hangisinde doğru çizilmiştir.
a.
2
2
4
4
6
6
0 X
1
X
2
8

b.
2
2
4
4
6
6
0 X
1
X
2

c.
2
2
4
4
6
6
0 X
1
X
2
8





d.
2
2
4
4
6
6
0 X
1
X
2
8


e.

2
2
4
4
6
6
0 X
1
X
2
















64
7. Verilen doğrusal programlama probleminin
optimum çözümü aşağıdakilerden hangisidir?
Max Z = X
1
+ X
2
Kısıtlayıcılar;
8X
1
+ 6X
2
≤ 24
4X
1
+ 6X
2
≥ 12
X
2
≥ 1
2X
2
≤ 6
ve X
1
, X
2
≥ 0.
a. X
1
=0 X
2
= 3 Max Z=3
b. X
1
=6/8 X
2
=3 Max Z=15/4
c. X
1
= 9/4 X
2
= 1 Max Z=13/4
d. X
1
=3/ 2 X
2
=1 Max Z=5/2
e. X
1
=0 X
2
= 2 Max Z=2
8. Verilen doğrusal programlama probleminin
optimum çözümü aşağıdakilerden hangisidir?
Max Z = 2800X
1
+ 2400X
2

Kısıtlayıcılar
6 X
1
+ 4 X
2
≥ 150
2 X
1
+ 2 X
2
≤ 120
4 X
1
+ 2 X
2
≤ 140
X
2
≥ 25
ve X
1
, X
2
≥ 0
a. X
1
=10 X
2
= 50 Max Z=148.000
b. X
1
=30 X
2
= 10 Max Z=108.000
c. X
1
= 45/2 X
2
=25 Max Z=123.000
d. X
1
=10 X
2
= 25 Max Z=88.000
e. X
1
= 0 X
2
= 60 Max Z=144.000








9. Verilen doğrusal programlama probleminin
optimum çözümü aşağıdakilerden hangisidir?
Min Z= 100X
1
+ 150X
2

Kısıtlayıcılar;
10X
1
+ 4X
2
≥ 60
2X
1
+ 5X
2
≥ 50
2X
1
≥ 20
2X
2
≤ 30
ve, X
1
, X
2
≥ 0
a. X
1
=25 X
2
= 10 Min Z=4.000
b. X
1
= 25 X
2
=0 Min Z=2.500
c. X
1
=5 X
2
= 10 Min Z=2.000
d. X
1
=6 X
2
= 10 Min Z=2.100
e. X
1
=10 X
2
= 6 Min Z=1900
10. Verilen doğrusal programlama probleminin
optimum çözümü aşağıdakilerden hangisidir?
Min Z= X
1
+ 2X
2

Kısıtlayıcılar;
X
1
+ 3X
2
≥ 90
8X
1
+ 2X
2
≥ 160
3X
1
+ 2X
2
≥ 120
X
2
≤ 70
ve, X
1
, X
2
≥ 0
a. X
1
=90 X
2
=0 Min Z=90
b. X
1
= 8 X
2
= 48 Min Z=104
c. X
1
= 80 X
2
= 10 Min Z=100
d. X
1
= 50 X
2
= 24 Min Z=98
e. X
1
= 0 X
2
= 70 Min Z=140


65
Kendimizi Sınayalım Yanıt
Anahtarı
1. a Yanıtınız yanlış ise “Kısıtlayıcıların Grafik
Çizimi” başlıklı konuyu yeniden gözden
geçiriniz.
2. d Yanıtınız yanlış ise “Grafik Çözümün Temel
Esasları” başlıklı konuyu yeniden gözden
geçiriniz.
3. c Yanıtınız yanlış ise “Grafik Çözümün Temel
Esasları” başlıklı konuyu yeniden gözden
geçiriniz.
4. d Yanıtınız yanlış ise “Grafik Çözümün Temel
Esasları” başlıklı konuyu yeniden gözden
geçiriniz.
5. b Yanıtınız yanlış ise “Kısıtlayıcıların Grafik
Çizimi” başlıklı konuyu yeniden gözden
geçiriniz.
6. e Yanıtınız yanlış ise “Kısıtlayıcıların Grafik
Çizimi” başlıklı konuyu yeniden gözden
geçiriniz.
7. b Yanıtınız yanlış ise “Maksimizasyon
(Enbüyükleme) Modelinin Grafik Çözümü”
başlıklı konuyu yeniden gözden geçiriniz.
8. a Yanıtınız yanlış ise “Maksimizasyon
(Enbüyükleme) Modelinin Grafik Çözümü”
başlıklı konuyu yeniden gözden geçiriniz.
9. e Yanıtınız yanlış ise “Minimizasyon (En
Küçükleme) Modelinin Grafik Çözümü” başlıklı
konuyu yeniden gözden geçiriniz.
10. a Yanıtınız yanlış ise “Minimizasyon (En
Küçükleme) Modelinin Grafik Çözümü” başlıklı
konuyu yeniden gözden geçiriniz.

Sıra Sizde Yanıt Anahtarı
Sıra Sizde 1
Uygun çözüm seçeneklerinin oluşturduğu
kümeye Uygun Çözüm Alanı denir. Uygun
çözüm alanı içinde karar değişkenlerinin
alabileceği bütün değerler doğrusal programlama
modelinin kısıtlarını sağlar
Sıra Sizde 2
Uygun Çözüm Alanı dışbükey (konveks) bir
alandır. Dışbükey alanın temel özelliği, bu alan
içinde iki nokta ele alınıp bir doğru parçasıyla
birleştirildiğinde, birleştiren doğru parçasının
tamamı alan içinde kalmasıdır. Söz konusu doğru
parçasının bir kısmını içine almayan alan ise,
içbükey(konkav) kümedir.
Sıra Sizde 3
Bir doğrusal programlama modelinin grafik
çözümünde yapılacak işlemler şöyle sıralanabilir
Her bir kısıt eşitlik olarak ele alınıp, karşı gelen
doğrunun grafiği çizilir, kısıtı sağlayan
yönü(bölge) işaretlenir. Tüm kısıtları aynı anda
sağlayan bölge taranarak “Uygun Çözüm Alanı
(UÇA)” olarak belirlenir
Uygun Çözüm Alanının köşe noktalarında karar
değişkenleri kullanılır ve amaç fonksiyonunun
değeri hesaplanır. Amacı sağlayan köşe, optimum
çözüm noktası olarak ilan edilir.
Optimum çözüm seti (amaç fonksiyonunun ve
karar değişkenlerinin değerleri) yazılarak çözüme
ulaşılmış olur.
Sıra Sizde 4
X
1
, ve X
2
değişkenlerinin çözüm değerlerinin
anlamlı olabilmesi için, negatif olmayan değer
almaları gerekir. Yani X
1
≥0 ve X
2
≥0 koşulları
sağlanmalıdır.
(İlgili üründen üretilecek ise, X
1
pozitif bir değer
alır; üretilmeyecek ise sıfır değerini alacak
demektir).
(İlgili üründen üretilecek ise, X
2
pozitif bir değer
alır; üretilmeyecek ise sıfır değerini alacak
demektir).
Bunun yanında X
1
≥ 0, yatay eksenin(apsis) üst
tarafını, X
2
≥ 0 düşey eksenin (ordinat) sağ
tarafını işaret eder ki, bu da koordinat ekseninin
I.Bölgesidir
Sıra Sizde 5
Bir doğrusal programlama modellerinin amaç
fonksiyonunun alabileceğı değerler, uygun
çözüm alanında ve istenen yönde sonlu değilse,
optimum değeri bulunamayacağından, sınırsız
çözüm vardır denir.









66
Yararlanılan Kaynaklar
Doğan, İ., (1995), Yöneylem Araştırması
Teknikleri ve İşletme Uygulamaları, Bilim
Teknik yayınevi, İstanbul.
Kara, İ., 1991, Doğrusal Programlama, Bilim
Teknik Yayınevi, Eskişehir.
Öztürk, A. (2011). Yöneylem Araştırması,
Genişletilmiş 13. baskı, Ekin kitabevi, Bursa.
Taha, H. (2000). Operations Research an
Introduction, (6.Basımdan Çeviri: Yöneylem
Araştırması) Çeviren ve Uyarlayan: Ş.Alp Baray
ve Şakir Esnaf, Literatür yayınları, İstanbul.



























Render, B. and Stair, R.M.JR, (1988),
Quantitative Analysis for Management, Third
Edition, Allyn and Bacon INC. Boston
Turban, E. and Meredity, J.R., (1988),
Fundamentals of Management Science,
Fourth Edition, Business Publications, Inc., Plano
Texas.
Winston, W.L. (1994). Operations Research,
Third Edition, Duxbury Pres, California.
-http://ubmail.ubalt.edu/~Opre640
(erişim tarihi 01.11.2011)
-http://www.informs.org/































68

Amaçlarımız
Bu üniteyi tamamladıktan sonra;
Doğrusal karar problemlerinin çözümünde bir ardışık sayısal çözümleme tekniği olan Simpleks
Algoritması ile ilgili temel kavramları tanımlayabilecek,
Simpleks Algoritması ile çözüm bulabilecek,
Simpleks Algoritması ile çözüm sırasında karşılaşılabilir durumları açıklayabilecek
bilgi ve becerilere sahip olabilirsiniz.

Anahtar Kavramlar
Simpleks Algoritması
Temel ve Temel Olmayan Değişken
Temel Uygun Çözüm, Uç Nokta
Ardıştırma
Eniyi Çözüm
Sınırsız Çözüm
Boş Küme
Birden Fazla Noktada Eniyi Çözüm

İçindekiler
Giriş
Temel Uygun Çözüm, Uç Nokta, Analitik Yöntem
Simpleks Algoritması’na Olan İhtiyaç ve Bir Örnek Üzerinde Temel Adımları
Simpleks Tablo
Matris Gösterimi, Enbüyükleme ve Enküçükleme İçin Örnekler
4


69
GİRİŞ
Bir doğrusal karar probleminin çözümünde çeşitli yöntemler kullanılabilir. Öte yandan tüm yöntemler,
önceki bölümlerde de belirtildiği gibi, problemin uygun çözüm alanı (eğer boş küme değilse) içerisindeki
uç noktalarını belirleyip içlerinden eniyi çözüm veya çözümleri bulmaya dönüktür. İki değişken olduğu
durumda yaygın kullanılan yöntem, Ünite 3’de öğretilen grafik yöntemdir. Daha fazla sayıda değişken
olduğunda ise analitik yöntem veya bu ünitenin konusu olan Simpleks Algoritması’na başvurulabilir.
Doğrusal bağımsız vektörlerden oluşan, m denklem ve n değişkenin olduğu (mxn’lik ve m<n) bir
sistemin çözümünde, diğer (n-m) tane değişken sıfır değerini almak üzere, ancak denklem sayısı (m)
kadar değişkene değer bulunabilir. Örnek olarak iki denklem ve beş değişkenin olduğu bir sistemde, her
seferinde üç değişkene sıfır değerini vererek, iki değişken için çözüm bulunabilir. Burada, sıfır değeri
verilen değişkenlere temel dışı, değer alması için çözüme alınan değişkenlere ise temel değişken denir.
Temel dışı değişkenler sıfır iken temel değişkenler için bulunan çözüme temel çözüm denir. Bir temel
çözümde tüm temel değişkenler sıfır veya sıfırdan büyük değer aldıysa bu çözüme bir temel uygun çözüm
denir ve bir temel uygun çözüm aynı zamanda bir uç nokta demektir.
Analitik yöntem, basitçe yukarıdaki gibi uygulanmakta ve kısıtları eşitlik haline getirilmiş bir
denklem sisteminin belirtilen şekilde tüm çözümlerini elde ederek içlerinden temel uygun çözüm (uç
nokta) olanlarını bulmaktadır. Temel uygun çözüm olma özelliği sağlayanlar arasından amaç fonksiyonu
değerini eniyileyen, problemin eniyi çözümünü verecektir.
Yukarıdaki açıklamalar ışığında analitik yöntem, problemin uç noktası olmayan başka noktalarını da
bulma ve işlem yükü sebepleriyle pratik değildir.
Simpleks Algoritması, grafik ve analitik yöntemlerin uygulamadaki güçlüklerini taşımayan, ardışık
sayısal çözüm tekniği sınıfında bir yöntemdir. Basitce izlediği yol, bir uç noktadan başlayarak amaca göre
daha iyi çözüm verecek başka bir uç noktaya geçmek (eğer varsa) ve istenen yönde iyileşmenin olmadığı
durumda da durmaktır. Simpleks Algoritması ile problemin denklem sistemini çözen, uç nokta olsun
olmasın tüm noktalarını bulmak gerekmediği gibi, sadece uç noktaların bile tümünün sınanmasına gerek
kalmayabilmektedir. Algoritma, her adımda, uygun çözüm alanının bir uç noktasını bulup irdelemekte ve
bu noktanın eniyi çözüm olup olamayacağını sınamaktadır. Nokta eniyi çözüm değilse, amaca göre daha
iyi bir çözüm verecek izleyen uç noktayı bulur. Bazı durumlarda da problemin uygun çözüm alanı boş
kümedir yani tüm kısıtları sağlayan tek bir çözüm bile yok demektir. Benzer şekilde özel durumlardan
birisi de problemin sınırsız veya birden fazla uç noktada eniyi çözümünün olmasıdır.
İzleyen bölümlerde Simpleks Algoritması daha ayrıntılı olarak anlatılacak ve örnekler verilecektir.
Ayrıca yöntemin matrislerle gösterimi ve bir çözümde karşılaşılabilir, yukarıda belirtilen durumlar
tartışılacaktır.






Simpleks Algoritması


70
TEMEL UYGUN ÇÖZÜM, UÇ NOKTA, ANALİTİK YÖNTEM
AX=b şeklindeki, doğrusal bağımsız vektörlerden oluşan, m denklem ve n değişkenin olduğu (mxn’lik ve
m<n) bir sistemin çözümünde, diğer (n-m) tane değişken sıfır değerini almak üzere, ancak denklem sayısı
(m) kadar değişkene değer bulunabilir. Örnek olarak aşağıdaki gibi 2 denklem (m=2) ve 5 değişkenin
(n=5) olduğu bir sistemde, her seferinde 3 (n-m=3) değişkene sıfır değerini vererek, denklem sayısı (m=2)
kadar değişken için çözüm bulunabilir. Burada, sıfır değeri verilen değişkenlere temel dışı, değer alması
için çözüme alınan değişkenlere ise temel değişken denir. Bir çözümde tüm temel değişkenler sıfır veya
sıfırdan büyük değer aldıysa bu çözüme bir temel uygun çözüm denir ve bir temel uygun çözüm aynı
zamanda bir uç nokta demektir.

Örnek 4.1.

denklem sistemi için

temelde, (

temel dışı (sıfır değerinde) iken karşı gelen temel
çözümü hesaplayalım: n-m = 3 değişken (

temel dışı ve sıfır değerinde ise,

elde edilir.
Birinci denklem (-2) ile çarpılıp, ikinci denklem ile taraf tarafa toplandığında,

(

= (0, 0, 0,

,

) temel çözümü elde edilir. Bu çözümde tüm değişkenler
olduğundan bulunan temel çözüm aynı zamanda bir uç noktadır. Verilen denklem sisteminin diğer temel
çözümleri de benzer şekilde her seferinde farklı iki diğer değişken temelde, geriye kalanlar temel dışında
alınarak bulunabilir. Bunların arasından uç nokta olanlar tüm değişkenleri koşulunu sağlayanlardır.

Örnek 4.2. Aşağıdaki denklem sisteminin tüm temel çözümlerini bulunuz.

m = 2 denklem n = 3 değişken olduğundan her seferinde n-m=1 değişken temel dışı diğer m = 2 değişken
temel alınarak temel çözümler bulunmalıdır.



71
1. x
1
temel dışı, x
2
, x
3
temel alındığında,
x
1
= 0

= (0,

2. x
2
temel dışı, x
1
, x
3
temel alındığında,
x
2
= 0

= (

3. x
3
temel dışı, x
1
, x
2
temel alındığında,
x
3
= 0

= (

Bulunan ilk iki çözüm (

,

) temel uygun çözüm ve aynı zamanda da birer uç noktadır. Üçüncü
çözüm (

) ise negatif değer içerdiğinden bir temel uygun çözüm değildir. Bu şekilde, olabilir tüm
çözümleri bulmak analitik yöntemin temelidir. Görüldüğü gibi analitik yöntem küçük bir problem için
bile iş yükü getirmektedir ve uç nokta olmadığı halde bazı noktaların da zorunlu olarak hesaplanmasını
gerektirmektedir.
Analitik yöntem, verilen denklem sisteminin tüm temel çözümleri bulunduktan sonra, içlerinden uç
nokta olanlarının bir amaç fonksiyonunda değerlendirilip eniyisinin bulunması ile sonuçlanır. Verilen
problemde amaç fonksiyonu

olsun.

için

=

için

=

72
olup,

olduğundan eniyi çözüm

= (

noktası olur.
Örnek 4.1’de verilen denklem sisteminin

temelde iken karşı
gelen temel çözümünü bulunuz. Bulduğunuz çözüm bir temel uygun çözüm müdür?
Bir temel çözümde, tüm değişkenler olmakla birlikte, temelde
olduğu halde sıfır değerini alan bir değişken var ise, elde edilen çözüme dejenere
(bozulmuş) çözüm denir. Örneğin Örnek 4.1’de

temelde iken
(

= ( 0, 0, 0,

,

)
çözümü yerine,
(

= ( 0, 0, 0,

, )
çözümü elde edilseydi, x
5
değişkeni temelde olduğu halde sıfır değerini aldığından bu
çözüm dejenere bir çözüm olurdu.

SİMPLEKS ALGORİTMASINA OLAN İHTİYAÇ VE BİR ÖRNEK
ÜZERİNDE TEMEL ADIMLARI
Bu bölümde Simpleks Algoritması anlatılmaktadır. Simpleks Algoritması analitik yöntemin temellerini
esas alan fakat temel ve temel olmayan değişkenlerin belirlenmesinden sonra, amaç fonksiyonu değeri
iyileşecekse, bir uç noktadan diğerine geçen ardışık bir çözümleme tekniğidir.
Simpleks Algoritması’nın temel adımlarını bir örnek üzerinde açıklayalım. Önce örneğe esas teşkil
edecek karar modelini geliştirelim.

Örnek 4.3. Bir lojistik firması araç filosunu genişletmek üzere yeni tırlar almayı planlamaktadır.
Düşünülen iki farklı model sözkonusudur. Her iki model sırasıyla 4 ve 3 ton birim taşıma kapasitesine
sahiptir. Yeni araç alımına ayrılabilecek bütçe en fazla 6.10
6
. olup birinci ve ikinci tıp tırların birim
fiyatları sırasıyla 200.10
3
ve 100.10
3
. dır. Firma en fazla 40 yeni araç satın alabilecektir. Yeni araçların
toplam taşıma kapasitesini enbüyükleyecek şekilde hangi tip tırdan kaç adet alınması gerektiğini bulacak
karar modelini geliştirerek problemin çözümünü bulalım.
Karar değişkeni
X
i
: i. tip tırdan satın alınacak adet
olarak tanımlanır.
Karşı gelen karar modeli, kısıtlar ve amaç fonksiyonu ile birlikte aşağıdaki gibidir:

kısıtları altında

73
İkinci kısıtın sadeleştirilmesiyle, model aşağıdaki gibi elde edilir.

kısıtları altında

Modelin Simpleks Algoritması ile çözülebilmesi için önce kısıtların eşitlik haline getirilmesi gerekir.
() şeklindeki kısıtların eşitlik haline getirilmesi için kısıtın küçük (büyük) olan tarafına yeni bir
değişken eklentisi gerekir. Buna göre yukarıdaki modelde her iki kısıta da sırasıyla s
1
ve s
2
değişkenlerinin eklenmesi ile model aşağıdaki hale dönüşür:

(1)

(2)

kisitlaii altinua

Modeli eşitlik haline getirmek için bu şekilde eklenen değişkenlere aylak (≤ kısıtı için) ve artık
(≥ kısıtı için) değişken denir ve amaç fonksiyonunda bu değişkenlerin katkıları sıfır alınır. Bu durumda s
1
ve s
2
aylak değişkenlerdir.
Simpleks Algoritması kısıtları sağlayan ve pozitif değerli bir başlangıç temel uygun çözüm ile başlar.
Bu problem için bir temel uygun çözüm (x
1
, x
2
, s
1
, s
2
) = (30, 0, 10, 0) şeklinde verilsin. Buna göre x
1
ve s
1

temel, x
2
ve s
2
temel olmayan değişkenlerdir. İşlemler aşağıdaki sıra izlenerek gerçekleştirilir:
1. Temel değişkenler, temel olmayan değişkenler cinsinden ifade edilir (kısıtlar yardımıyla
temel değişkenler çözülür).
(2)’den,

(3)
ve (1)’den

(4)
elde edilir. (3)’de elde edilen x
1
değeri (4)’de yerine konursa,

(5)
elde edilir.
2. (3) ve (5)’de elde edilen, temel değişkenlerin (x
1
ve s
1
) değerleri amaç fonksiyonunda yerine
konursa, (6) elde edilir.
Verilen bir problemde tüm değişkenler amaç fonksiyonunda yer almayabilir. s
1
aylak değişken
olduğu için, belirtildiği gibi amaç fonksiyonundaki katsayısı sıfırdır. x
2
ise temelde olmadığı için ve
(6) nolu denklem de zaten amaç fonksiyonunun temel dışı değişkenler cinsinden ifadesi olduğundan
yine x
2
olarak ilgili denklemde yer almıştır.


74
Enb x
o

Enb x
o

=

Enb x
0
=

(6)
Böylece kısıtlar ve amaç fonksiyonu sırasıyla (3), (5) ve (6) ile temel olmayan değişkenler (x
2
ve s
2
)
cinsinden ifade edilmiş olurlar. Amaç fonksiyonunun şu anki değeri 120’dir. Temel olmayan
değişkenlerin değeri ise 0’dır.
3. Temel olmayan değişkenler cinsinden elde edilmiş olan amaç fonksiyonu (6) yardımıyla, temele
alınabilecek ve amaç fonksiyonu değerini daha da iyileştirebilecek bir değişken olup olmadığına
bakılır. Mevcut durumda değerleri sıfır olduğu halde temelde olmayan x
2
ve s
2
’nin amaç
fonksiyonunda korunmasının sebebi, değer almaları halinde x
0
’ ı

daha iyiye götürecek bir
katsayılarının olup olmadığını görebilmek içindir. Örneğimizde (6)’da x
2
değişkeninin
katsayısının pozitif (+) olması, x
2
’nin temele alınması halinde amaç fonksiyonu değerinin
büyüyeceğini göstermektedir. Bu durumda x
2
,

temele girecek değişken olarak belirlenir (Not:
Birden fazla değişkenin katsayısı pozitif ise en büyük olanı alınır, iki tane aynı değer var ise
herhangi birisi alınır. Bu aşamada enküçükleme için ise varsa negatif (-) katsayılı değişken amaç
fonksiyonu değerini daha da küçültür demektir ve bu durumda birden fazla değişken sözkonusu
ise, katsayısı daha küçük olan değişken temele alınacaktır).
m kısıtlı bir sistemin herhangi bir temel uygun çözümünde m tane temel değişken olmalıdır. Bu
durumda x
1
ve s
1
’in temelde olduğu, yukarıdaki gibi bir çözümde iki temel değişken olması
gerekmekte olup x
2
değişkeninin de temele alınması halinde, x
1
ve s
1
değişkenlerinin birisinin
temelden çıkması gerekmektedir. (3) ve (5)’e göre, x
2
değer aldıkça x
1
ve s
1
’ in değerleri azalır.
4. Simpleks Algoritması’nda temelden çıkan değişken sıfır değerine ulaşırken, temelde kalmaya
devam eden değişkenler ise pozitif değer almalıdırlar. Buna göre sayfa 73’de bulunan (3) ve
(5)’den

(3)

(5)
x
1
ve s
1
’in sırasıyla, x
2
’nin hangi değeri için sıfır değerine ulaşacağı bulunmalıdır. s
2
’nin zaten sıfır
değerinde olduğunu hatırlayalım.
x
2
= 60 için x
1
= 0, s
1
= -20; x
2
= 20 için ise s
1
= 0, x
1
=20 olmaktadır. Bir temel değişken sıfır
değerini alırken diğerinin pozitif değerde kalmasını sağlayan durum x
2
= 20 olması halidir. Bu durumda

temelde kalacak

temele 20 değeriyle girecektir. s
1
ise temelden çıkan değişken olmalıdır.
Bundan sonraki işlemler yine baştan bu yana olan adımlar bu defa da, x
1
ve x
2
temel değişkenler
alınarak tekrar edilir.
(1) ve (2) tekrar kullanılarak,

(1)

(2)
(1) nolu denklem -1 ile çarpılarak,

(7)



75
elde edilir. (2) ve (7) toplanarak,

(8)

bulunur. (1)’den

denkleminde, (8)’de bulunan x
1
değeri yerine konulduğunda,

(9)
elde edilir.
(8) ve (9)’dan x
1
ve x
2
değerleri önceki adımda olduğu gibi, temel olmayan değişkenler cinsinden
bulunmuş olurlar. Bu değerler amaç fonksiyonunda yerine konursa

(10)
elde edilir.
Böylece amaç fonksiyonu ve kısıtlar bu aşamada da, şu anki temel dışı değişkenler olan,

cinsinden ifade edilmiş olurlar. Amaç fonksiyonunun yeni değeri 140 olup

değerleri
0’dır. Öte yandan (10)’da katsayısı hala pozitif (+) olan bir değişkenin olmaması, amaç fonksiyonu
değerinin daha da iyileşmesinin (büyümesinin) mümkün olmadığını ve eldeki çözümün eniyi çözüm
olduğunu göstermektedir.
Simpleks Algoritması bir başlangıç temel uygun çözüm ile başlar. Bu başlangıç uç nokta, s.73’de
verilen (x
1
, x
2
, s
1
, s
2
) = (30, 0, 10, 0) gibi kısıtları sağlayan herhangi bir uç nokta olabileceği gibi, pratik
olarak başlangıç modelde A katsayılar matrisinde yer alan mxm boyutundaki birim matrise (kendiliğinden
varsa veya kısıtlar eşitlik haline getirildiğinde oluşmuşsa) karşı gelen değişkenler başlangıç temel uygun
çözümü oluşturmak üzere alınırlar. Bu durumda aynı örnek için

kısıtları altında

modelinin A katsayılar matrisi, sırasıyla x
1
, x
2
, s
1
ve

s
2
değişkenlerinin kısıtlardaki katsayılarından oluşur
ve


şeklinde elde edilir. Katsayıları birim matrisi oluşturan s
1
ve s
2
değişkenleri temel değişkenler olmak
üzere, (x
1
, x
2
, s
1
, s
2
) = (0, 0, 40, 60) noktası başlangıç uç nokta olarak alınıp yukarıda verilen işlemler
devam eder. Aslında klasik Simpleks Algoritması’nın izlediği yol da budur. Aksi halde ilk örnekte olduğu
gibi kısıtları sağlayan (varsa) bir başlangıç uç noktayı deneme-yanılma ile bulmak sistematik bir yaklaşım
olmayacaktır.


76
Verilen modelin kısıtları eşitlik haline getirildikten sona A katsayılar matrisinde denklem sayısı
boyutundaki birim matrise karşı gelen değerler (örnek 4.3’de 2x2’lik birim matris) başlangıç temel
değişkenler olarak alınırlar. Simpleks Algoritması mantığı tablolar yardımıyla, denklemleri tümüyle
yazmadan sadece katsayılar temelinde de yürütülebilir. Buna göre, s
1
ve s
2
’nin başlangıç temel
değişkenler olduğu duruma karşı gelen çözüm ve izleyen işlemler, tablo yardımıyla izleyen bölümde
açıklandığı gibi gerçekleşir.
Simpleks Algoritması’nı uygulayabilmek için verilen denklem sisteminin kısıtlarının eştlik haline
getirilmesi gerekir. Bu durumda m denklem ve n değişkenli sisteminde mxm’lik bir birim matris
varsa, karşı gelen değişkenler başlangıç temel değişkenler olarak alınırlar. Bu ünitede yalnızca bu
durumun sağlandığı örneklere yer verilip standart Simpleks Algoritması anlatılmaktadır. Öte yandan
birim matrisin denklem sistemi eşitlik haline getirildiğinde kendiliğinden elde edilmediği durumlarda,
sisteme, gerektiği kadar yeni değişken eklentisiyle bu eksiklik giderilmektedir. Bu tür değişkenlere yapay
değişken denip, bu durumda bilinen Simpleks Algoritması’nın özel bir hali uygulanır. Bu konuya bu
ünitede yer verilmemektedir.

SİMPLEKS TABLO
Tablo formatında çözüm, önceki bölümdeki örnek yardımıyla açıklanacaktır. İlgili amaç fonksiyonu,

şeklinde ve belirtilen temel değişken takımı (s
1
ve s
2
) başlangıç çözüm alınarak aşağıdaki tabloya
yerleştirilir. Bu tablo oluşturulurken x
0
ile gösterilen satır amaç fonksiyonuna diğer izleyen satırlar ise
(örnekte iki satır) problemin verilen kısıtlarına karşı gelir. Amaç fonksiyonu satırı yukarıda da
örneklendiği gibi

formatında alınır. Temel değişkenler yerine, temel olmayan değişkenler cinsinden, kısıtların çözümü ile
bulunan eşdeğerleri yazıldığından, temel değişkenlere karşı gelen katsayılar sıfır olup, bu satır, amaç
fonksiyonunun temel olmayan değişkenler cinsinden ifadesidir. Temelde olmayan değişkenlerin
katsayılarına göre de, bilindiği gibi, temele girecek değişkenin olup olmadığı değerlendirilir. Buna göre
başlangıç tablo için x
0
satırına, değişkenlerin amaç fonksiyonunda karşı gelen katsayıları (

yapısı
sebebiyle ters işaretlileri); kısıtlar için ise, değişkenlerin, doğrudan denklemlerdeki katsayıları aşağıda
görüldüğü gibi girilir. Modeldeki kısıt sayısı kaç ise tabloda, x
0
satırının alt kısmında o kadar sayıda satır
yer alır.
Örnekte, x
0
satırı amaç fonksiyonunun temel olmayan değişkenler cinsinden ifadesi olup, burada x
1
değişkeni temele girecek değişken olarak belirlenir (amaç fonksiyonundaki katsayısının -4 olması,

fonksiyonunda bu değişkenin katsayısının pozitif (+) olması demek olup, x
1
‘in temele alınması
durumunda amaç fonksiyonu değerinin büyüyeceğini göstermektedir).





x
0
x
1
x
2
s
1
s
2
STS
x
0
1 - 4 - 3 0 0 0
s
1

s
2

0
0
1
2
1
1
1
0
0
1
40
60

Örnekte temelden çıkacak değişkenin belirlenmesi için yapılan değerlendirmenin bu aşamadaki
karşılığı ise şöyledir: Temele girecek değişkenin altındaki sütunda x
0
satırı değeri olan -4’ten sonra yer
alan sütun

vektörüdür. Sağ taraf sabitleri (STS) olan

vektörü bu sütun vektörüne bölünerek


77
enküçük değere karşı gelen değişken temelden çıkacak değişken olarak alınır. Bu işlem, temelden çıkan
değişkenin sıfır değerine ulaşmasına karşılık temelde kalacak değişkenin de pozitif değerle kalmasını
sağlamaktadır.
enk

= 30 olup karşı gelen s
2
değişkeni, temelden çıkacak değişkendir. Başlangıç çözüm için bu
şekilde, birim matrise karşı gelen değişkenler alındığında artık işlemler her çözümde temel değişkenlere
tabloda kısıtlar kısmında karşı gelen sütunların da birim matrise dönüştürülmesi esasına dayanır. Örneğin
burada x
1
temele girecek s
2
temelden çıkacak değişken ise birim matris I’nın s
2
değişkenine karşı gelen

sütunu kaybedileceğinden izleyen çözüme geçmek, yeni temele giren x
1
değişkeninin kısıtlara karşı
gelen kısımdaki katsayıları olan

sütununu temelden çıkan s
2
değişkenine karşı gelen

sütununa
çevirmektir. Bu işlem için önce, önceki tabloda ikinci satırdaki tüm değerler 2’ye bölünür ve aşağıdaki
matris elde edilir.
x
0
x
1
x
2
s
1
s
2
STS
x
0
1 - 4 - 3 0 0 0
s
1

?
0
0
1
1
1
1/2
1
0
0
1/2
40
30

Burada koyu renk ile gösterilen 1 değerine anahtar eleman denir. İzleyen aşamada ise ilk kısıt
satırında x
1
’e karşı gelen 1 değeri sıfırlanarak elde edilmek istenen

sütunu oluşturulur. Bunun için
ikinci kısıt satırı değerleri (-1) ile çarpılıp birinci kısıt satırı ile toplanır ve elde edilen sonuç bu satıra
yazılır, bu işlemin sonucunda aşağıdaki matris elde edilir.

x
0
x
1
x
2
s
1
s
2
STS
x
0
1 - 4 - 3 0 0 0
s
1

?
0
0
0
1
1/2
1/2
1
0
-1/2
1/2
10
30

İzleyen çözüme geçmede son işlem x
0
satırında x
1
değişkeninin altında yer alan -4 değerini
sıfırlamaktır. Bu işlem amaç fonksiyonunu da temel olmayan değişkenler cinsiden ifade etmektir. Bunun
için yine anahtar eleman olan 1 değeri kullanılır. Bu değer ve satırdaki diğer değerler 4 ile çarpılarak x
0

satırı değerleri ile birebir toplanır ve sonuçlar x
0
satırına yazılır. Elde edilen matris aşağıdadır. Eniyilik
koşulları sağlanmamaktadır. x
0
satırında negatif değer (-1) vardır.
Simpleks Algoritması’nda buraya kadar olan işlemlere bir ardıştırma denir. Ardıştırma; bir çözümün
eniyi çözüm olmaması halinde temele girecek ve çıkacak olan değişkenlere karar verme, temele girecek
değişkenin tabloda kısıtlar bölümüne karşı gelen kısmındaki katsayılarının birim matrisin ilgili sütununa
dönüştürülmesi ve x
0
satırında karşı gelen değerinin sıfırlanması aşamalarından oluşur.

x
0
x
1
x
2
s
1
s
2
STS
x
0
1 0 - 1 0 2 120
s
1

x
1

0
0
0
1
1/2
1/2
1
0
-1/2
1/2
10
30



78
Önceki aşamaya benzer şekilde x
2
temele girecek değişken olarak belirlenir. Temelden çıkacak
değişken ise, enk

= 20 olup karşı gelen s
1
değişkeni, temelden çıkacak değişkendir.
Bu aşamada temele girecek değişkenin bulunduğu sütunda, x
0
satırı
dışındaki değerlerintümü ≤ 0 ise problemin sınırsız çözümü var demektir. Mevcut
durumda bu değerler

olup, böyle bir durum yoktur.
İzleyen çözüme geçmek, x
2
değişkeninin kısıtlara karşı gelen kısımdaki katsayılarını

temelden
çıkan s
1
değişkenine karşı gelen

sütununa çevirmektir. Bu işlem için önce birinci satırdaki tüm
değerler 2 ile çarpılır ve aşağıdaki matris elde edilir. Böylece yine anahtar eleman olan ve tabloda koyu
renk ile gösterilen 1 değeri elde edilmiş olur.

x
0
x
1
x
2
s
1
s
2
STS
x
0
1 0 -1 0 2 120
x
2

x
1

0
0
0
1
1
1/2
2
0
-1
1/2
20
30

İzleyen aşamada ise anahtar eleman 1’in altında yer alan

değerini sıfırlayabilmek için, birinci satır
(-1/2) ile çarpılıp ikinci kısıt satırı ile toplanır ve sonuç ikinci satıra yazılır, bu işlemin sonucunda
aşağıdaki matris elde edilir.

x
0
x
1
x
2
s
1
s
2
STS
x
0
1 0 - 1 0 2 120
x
2

x
1

0
0
0
1
1
0
2
-1
-1
1
20
20

Son işlem önceki ardıştırmada olduğu gibi,

satırında

değişkeninin altında yer alan -1 değerini
sıfırlamaktır. Bunun için yine anahtar elemanın bulunduğu birinci kısıt satırındaki değerler ile

satırı
değerleri birebir toplanır ve elde edilen sonuçlar

satırına yazılır. Elde edilen matris aşağıdadır.

x
0
x
1
x
2
s
1
s
2
STS
x
0
1 0 0 2 1 140
x
2

x
1

0
0
0
1
1
0
2
-1
-1
1
20
20

Bu ikinci ardıştırmadan sonra tekrar, x
0
satırında eniyilik koşullarının sağlanıp sağlanmadığı kontrol
edildiğinde, tüm değerlerin sıfır veya sıfırdan büyük olması nedeniyle, eniyi çözüme ulaşılmıştır ve
temele alınması halinde amaç fonksiyonu değerini daha iyiye götürecek bir temel dışı değişken
bulunmamaktadır. En iyi çözüm =(20, 20, 0, 0) ve eniyi değer 140’tır.
Buna göre lojistik firması 2 tip tırdan da 20’şer adet almalıdır. Bu durumda toplam kapasite
20*3+20*4=140 ton olacaktır.


79
MATRİS GÖSTERİMİ, ENBÜYÜKLEME VE ENKÜÇÜKLEME İÇİN
ÖRNEKLER
Örnekteki matematiksel modele karşı gelen denklem sistemi, A : Tüm değişkenlere karşı gelen katsayılar
matrisi, X değişken vektörü, b kaynak (sağ taraf sabitleri) vektörü iken,


,

olmak üzere AX = b şeklinde yazılabilir. Karşı gelen matris çarpımları,

olarak gerçekleştirildiğinde,

denklem sistemi yeniden elde edilir. Amaç fonksiyonu da benzer şekilde,

şeklinde tanımlanarak, olarak alınıp

= (4, 3, 0, 0)

olarak elde edilir. Böylece doğrusal karar modelinin

şeklinde de ifade edilebileceği gösterilmiş olur.
Şimdi matris gösterimi ve formül kullanımı için modelde gereken diğer ayrışımları açıklayalım:
Simpleks Algoritması’nda değişkenler, önceki örnekte de görüldüğü gibi temel ve temel olmayan
olmak üzere iki gruba ayrılırlar. Bu durumda,
X
B
: Temel değişkenler vektörü
X
R
: Temel olmayan değişkenler vektörü
olmak üzere X vektörü aşağıdaki gibi iki parçalı olarak gösterilebilir.


Benzer şekilde, AX=b modelindeki A matrisi ile Enb x
0
=CX fonksiyonundaki C vektörü de aşağıdaki
gibi parçalanabilir:
B: Temel değişkenlere A katsayılar matrisinde karşı gelen matris
R: Temel olmayan değişkenlere A katsayılar matrisinde karşı gelen matris
C
B
: Temel değişkenlere C’de karşı gelen katkı vektörü
C
R
: Temel olmayan değişkenlere C’de karşı gelen katkı vektörü


80
iken C = (C
B
, C
R
), A = (B,R) şeklinde gösterilebilir.
Önceki örnekte kullanılan Simpleks Tablo’nun herhangi bir çözüm için eşdeğeri, yukarıdaki yeni
matris ve vektör tanımlamalarına göre aşağıdaki formülasyona karşılık gelir. Bir başka deyişle, herhangi
bir temel değişken takımı verildiğinde ardıştırmalarla bulunan bir çözüm, yukarıda verilen, karşı gelen
matris tanımlamaları kullanılarak verilen formüllerle de bulunabilir.

X
0
X
B
X
R
STS
X
0
1 0 C
B
B
-1
R - C
R
C
B
B
-1
b
X
B
0 I B
-1
R B
-1
b

Örnek olarak, önceki örnekte s.78’de (x
2
,

)’in temelde olduğu duruma karşı gelen çözüm tablosu,
verilen formüller kullanılarak, aşağıdaki gibi de bulunabilirdi:

iken






B
-1
b =


C
B
B
-1
b =

=140

B
-1
R =










C
B
B
-1
R - C
R
=


(2, 1) – (0, 0) = (2, 1)
Ters matris bulma işlemi aşağıda açıklanmaktadır.






81
Bulunan matrisler formüllerde belirtilen yerlerine yazıldığında, Simpleks Tablo ve s.78’deki çözüm
aşağıdaki gibi tekrar elde edilir.

x
0
x
1
x
2
s
1
s
2
STS
x
0
1 0 0 2 1 140
x
2

x
1

0
0
0
1
1
0
2
-1
-1
1
20
10

Burada, yukarıda görüldüğü gibi, ters matris bulma bilgisine ihtiyaç vardır. 2x2 boyutundaki bir
matrisinin ters matrisi

pratik olarak aşağıdaki gibi bulunabilir:




Örnek 4.4.



Örnek 4.5. Örnek 4.3’de, x
1
ve s
1
‘in temelde olduğu duruma karşı gelen çözümü, formül (B
-1
b)
kullanarak bulunuz.

Örnek 4.3’de x
1
ve s
1
‘in temelde olduğu duruma karşı gelen amaç
fonksiyonu değerini formülle bulunuz.
Bu bölümde bir çözüm yöntemi olarak açıklanan Simpleks Algoritması’na, eniyilemede, çözüm
sürecinin temelinde yatan matematiksel süreci açıklamak, aynı zamanda, ileriki bölümlerde bu konunun
uzantısı olarak ele alınacak olan duyarlılık analizi ve ilişkili bazı konulara temel teşkil etmesi sebepleriyle
yer verilmiştir. Aslında karar modellerinin çözümü için geliştirilen çeşitli yazılımlar da bulunmaktadır.
LINDO, LINGO, GAMS gibi, örnekleri verilebilecek bu tür yazılımların yanında, hemen her bilgisayarda
hali hazırda bulunan çalışma tablosu programı Microsoft Excel’in çözücü (solver) modülü ile bile belirli
büyüklükteki matematiksel modellere çözüm bulunabilmektedir.

Amaç Fonksiyonunun Enküçüklenmesi
Önceki bölümlerde belirtildiği gibi, Simpleks Algoritması’nda esas olan, verilen modelin amaç
fonksiyonunu ve kısıtlarını, temel olmayan değişkenler cinsinden ifade etmektir. Böylece temel dışı
değişkenler sıfır iken ortaya çıkan durum görülebilmiş olup, temele alınmaları halinde daha iyi bir amaç
fonksiyonu değerine ulaşılıp ulaşılmayacağı değerlendirilir. Bunun göstergesi olarak temelde olmayan bir
değişkenin amaç fonksiyonundaki katsayısı belirleyici olmaktadır. Önceki örnekte amaç enbüyüklemedir
ve görüldüğü gibi ilk ardıştırmada temelde yer almayan

değişkeninin amaç fonksiyonu satırındaki


82
değeri olan -4, bu değişkenin temele alınması gerektiğini göstermiştir. Benzer şekilde devam eden
işlemler sonucunda, x
0
satırında, temel olmayan değişkenler arasında katsayısı negatif olan bir değişkenin
kalmaması, enbüyükleme için eniyilik koşullarının sağlandığını göstermektedir.
Verilen problem enküçükleme olursa da benzer yaklaşım geçerlidir. Fakat bu durumda temelde yer
almayan değişkenler içerisinde amaç fonksiyonu satırındaki katsayısı negatif değil pozitif olan değişken
amaç fonksiyonu değerini azaltacağından, temele alınmalıdır. Diğer işlemler (temelden çıkacak değişkeni
belirleme) aynı şekildedir. Enküçükleme problemi için eniyilik koşullarının sağlandığının göstergesi ise
x
0
satırında, temelde olmayan değişkenlerin hiç birisi için pozitif değerin olmamasıdır.

Enküçükleme İçin Örnek
Amaç fonksiyonunun enküçükleme olduğu durumda Simpleks Algoritması, aşağıdaki örnek üzerinde
açıklanacaktır.
Örnek 4.6. Bir kargo işletmesi, müşteri gönderilerini paketlediği kutularında, boşlukları doldurmak ve
gönderileri sarsıntıdan korumak için elyaf, köpük ve karton malzeme kullanmaktadır. Bir kg. elyaf ile 4
standart kutu boşluğu, 1 kg. köpük malzeme ile 8 standart kutu boşluğu doldurulabilmektedir. Bir kg.
karton malzeme ise bir standart kutuyu sabitlemek için özel siparişlerde kullanılmaktadır. Enaz 256
kutunun taşımadaki boşluğunu doldurmaya yetecek kadar elyaf, köpük ve karton malzemeye ihtiyaç
duyulmaktadır. Öte yandan elyaf ve köpük malzemelerin birer kilogramı sırasıyla 16 ve 32 cm
3
hacim
gerektirmekte olup, bu malzemeleri nemden korumak için kullanılan özel konteynerın hacmi 424 cm
3
’tür.
Karton malzeme için stoklamada özel bir gereklilik yoktur. Elyaf, köpük ve karton malzemenin kg.
fiyatları sırasıyla 14, 16 ve 3 para birimidir. Toplam malzeme alım maliyetini enküçükleyecek şekilde,
hangi malzemeden kaç kg. alınması gerektiğini bulunuz.
Karar değişkeni

: i. tip malzemeden alınacak miktar (kg.) (i = 1, 2, 3 elyaf, köpük ve karton malzeme)
olarak tanımlanır.
Karşı gelen matematiksel model, kısıtlar ve amaç fonksiyonu ile birlikte aşağıdaki gibidir (karton
malzeme için stok alanı ihtiyacı yoktur):

kısıtları altında

Önceki örnekte olduğu gibi, modelin Simpleks Algoriması ile çözülebilmesi için önce kısıtların eşitlik
haline getirilmesi gerekir. şeklindeki kısıtların eşitlik haline getirilmesi için kısıtın küçük olan tarafına
pozitif (+) katsayılı, şeklindeki kısıtların eşitlik haline getirilmesi için ise kısıtın büyük olan tarafına
negatif (–) katsayılı yeni bir değişkenin eklentisi gerekir. Buna göre yukarıdaki modelde her iki kısıta
sırasıyla s
1
ve s
2
değişkenlerinin eklenmesi ile model aşağıdaki hale dönüşür:
s
1
ve s
2
değişkenlerine sırasıyla artık ve aylak değişken denir.

kısıtları altında

83
Modelin A katsayılar matrisi yazılırsa, x
1
, x
2
, x
3
, s
1
ve s
2
değişkenleri için katsayılar matrisi


olup, görüldüğü gibi, sırasıyla x
3
ve s
2
değişkenlerinin katsayıları birim matrisi (I) oluşturmaktadır ve bu
değişkenler başlangıç temel değişkenler olarak alınırlar.
Aslında her probleme karşı gelen matematiksel model, kısıtları eşitlik
haline getirildiğinde A’da birim matris içermeyebilir. Bu gibi durumlarda denklem
sistemine başlangıç çözüme karşı gelmek üzere, birim matrisi oluşturacak şekilde,
gerektiği sayıda yeni değişken eklenir ve Simpleks Algoritması’nın özel bir hali kullanılır.
Bu bölümde bu duruma yer verilmemekte, sadece standart Simpleks Algoritması ele
alınmaktadır.
Simpleks Algoritması’nı yukarıdaki enküçükleme problemi için uygulayalım.
Yukarıda verilen modelin amaç fonksiyonu, Simpleks Algoritması’nın tablo formatında

olarak ifade edildiğinden,

şeklinde ve

başlangıç temel değişken takımı alınarak, aşağıdaki tabloya yerleştirilir. x
0
satırının,
amaç fonksiyonunun temel olmayan değişkenler cinsinden ifadesi olduğunu hatırlayalım.

x
0
x
1
x
2
x
3
s
1
s
2
STS
x
0
1 - 14 - 16 -3 0 0 0
x
3

s
2

0
0
4
16
8
32
1
0
-1
0
0
1
256
424

Eldeki bir çözümün eniyi olup olmadığını irdelemek için, temel değişkenlere kısıtlar kısmında karşı
gelen katsayıların birim matrisi oluşturması ayrıca x
0
satırındaki değerlerinin de sıfır olması gerekir. Bu
problemde temeldeki x
3
değişkeninin x
0
satırındaki değeri olan -3’ün önce sıfırlanması gerekmektedir.
Bunun için kısıtlar kısmındaki ilk satırın 3 ile çarpılıp, değerlerinin, x
0
satırı değerleri ile birebir
toplanması gerekir. Bu durumla bazen karşılaşılabilmektedir.
Bu işlemden sonra elde edilen tablo aşağıdaki gibidir. Görüldüğü gibi x
3
=256 için 256*3=768 olup
amaç fonksiyonu değeri de sağlanmaktadır ve başlangıç uygun çözüm için gerekli özellikler elde
edilmiştir. Artık eldeki çözümün eniyi çözüm olup olmadığı sınanabilir. Amacın enküçükleme olduğu
düşünüldüğünde, önceki örneğin aksine x
0
satırında yer alan ve temel dışı bir değişkene karşı gelen pozitif
bir değer eniyi çözüme ulaşılmadığının göstergesi olacaktır. Buna göre x
2
temele girecek değişken
olmalıdır.

x
0
x
1
x
2
x
3
s
1
s
2
STS
x
0
1 - 2 8 0 -3 0 768
x
3

s
2

0
0
4
16
8
32
1
0
-1
0
0
1
256
424


84
Tabloda alt bloktaki iki satır verilen modelin kısıtlarına, ilk satır ise
amaç fonksiyonuna karşı gelmektedir. Burada yapılan işlemler aslında temel değişkenler
için denklem sistemini çözmektir.
Temelden çıkacak değişken için enk

= 424/32 olup karşı gelen s
2
değişkeni, temelden
çıkacak değişkendir. x
2
temele girecek s
2
temelden çıkacak değişken ise birim matris I’nın

sütunu
kaybedileceğinden izleyen çözüme geçmek; yeni temele giren x
2
değişkeninin kısıtlara karşı gelen
kısımdaki katsayılarını,

, temelden çıkan s
2
değişkenine karşı gelen

sütununa çevirmektir. Bu
işlem için önce ikinci satırdaki tüm değerler 32’ye bölünür ve aşağıdaki matris elde edilir.

x
0
x
1
x
2
x
3
s
1
s
2
STS
x
0
1 - 2 8 0 -3 0 768
x
3

s
2

0
0
4
1/2
8
1
1
0
-1
0
0
1/32
256
53/4

Burada koyu ile gösterilen 1 değeri anahtar eleman dır. İzleyen aşamada ise ilk kısıt satırında x
3
’e karşı
gelen 8 değeri sıfırlanır, bunun için ikinci kısıt satırı değerleri (-8) ile çarpılıp birinci kısıt satırı ile
toplanır ve elde edilen sonuç birinci satıra yazılır, bu işlemin sonucunda aşağıdaki matris elde edilir.

x
0
x
1
x
2
x
3
s
1
s
2
STS
x
0
1 - 2 8 0 -3 0 768
x
3

x
2

0
0
0
1/2
0
1
1
0
-1
0
-8/32
1/32
150
53/4

Son olarak, x
2
değişkeninin x
0
satırında altında yer alan 8 değerinin sıfırlanması gerekir. Bunun için ikinci
kısıt satırının -8 ile çarpılıp yine x
0
satırı ile toplanması gerekir. Elde edilen tablo aşağıdaki gibidir.

x
0
x
1
x
2
x
3
s
1
s
2
STS
x
0
1 - 6 0 0 -3 -1/4 662
x
3

x
2

0
0
0
1/2
0
1
1
0
-1
0
-8/32
1/32
150
53/4

x
0
satırında temelde olmayan değişkenlerin (x
1
, s
1
ve s
2
) değerlerine bakıldığında, tümü negatiftir.
Amaç fonksiyonunun enküçükleme olduğu hatırlanırsa, temel dışı değişkenlerin hiç birisinin temele
alınması halinde mevcut durumda 662 olan amaç fonksiyonu değerini daha da küçültemeyeceği, eniyilik
koşullarının sağlandığı ve eldeki çözümün eniyi çözüm olduğunu söylemek mümkün olur.
Amaç fonksiyonu değerinin sağlaması da yapılırsa, Enb x
0
= 14x
1
+16x
2
+3x
3
fonksiyonu kullanılarak,
x
0
=

+ 3*150 = 662 değeri elde edilir.
Eldeki çözüm eniyi çözümdür.
Kargo şirketi 53/4 kg. köpük, 150 kg. ise karton almalıdır. Görüldüğü gibi eniyi çözümde x
1
= 0 olup,
değişken temel dışında kalmış ve birinci tip dolgu malzemesi olan elyaftan hiç alınmamasına karar
verilmiştir. Eğer mutlaka belirli bir miktar elyaf da (örneğin enaz 10 kg) alınması öngörülseydi, modele
x
1
şeklinde yeni bir kısıt eklenmeliydi.


85
Problemin yukarıdaki gibi üçüncü bir kısıtı olsaydı, Simpleks
Tablo’da kısıtlara karşı gelen kısımda üç satır yer alırdı. Bu durumda bir çözümden başka
bir çözüme geçerken, birim matris 3*3 boyutunda olurdu.
Aşağıdaki Simpleks Tablosu, bir enküçükleme problemi içindir ve x
2
temele girecek değişken olarak belirlenmiştir. Bundan sonraki aşama için ne
söylenebilir?
x
0
x
1
x
2
x
3
x
4
x
5
STS
x
0
1 -2 3 -1 0 0 240
x
4

x
5

0
0
4
7
-1
-7
2
9
1
0
0
1
102
2


86
Özet
Gerçek hayatta karşılaşılan problemlerin
çözümünde başvurulan yollardan birisi de
problemin gerekliliklerinin ve ulaşılması istenen
amacın (enbüyük kar, enküçük maliyet vb.)
matematiksel ifadelerle gösterilmesidir.
Ardından, eniyi değeri araştırılan
bilinmeyenlerin, bu matematiksel ifadelerin
oluşturduğu denklem seti yardımıyla çözümü
aranır. Karar modeli denen bu matematiksel
yapılar, doğrusal veya doğrusal olmayan biçimde
olabilirler. Sözkonusu denklem sistemleri
çözülerek değeri bulunmak istenen değişkenlere
ise karar değişkeni denir. Doğrusal olan
problemlerin çözümünü bulmak her zaman daha
kolaydır. Bu ünite, doğrusal problemlerin
çözümü için kullanılabilecek yöntemlerden biri
olan Simpleks Algoritması’nı açıklamaktadır.
Doğrusal bağımsız m tane denklem ve n
değişkenin olduğu (mxn’lik ve m<n) bir sistemin
çözümünde, diğer (n-m) tane değişken sıfır
değerini almak üzere, ancak denklem sayısı (m)
kadar değişkene değer bulunabilir. Örneğin iki
bilinmeyeni çözmek için enaz iki denklem
olmalıdır ve bu denklemlerin doğrusal bağımsız
olması gerekir. Bir başka deyişle, denklemlerin
biri diğerinin belirli bir katı vb. şeklinde ifade
edilememelidir. Eğer denklem sayısı yeterli değil
ise, her seferinde, çözülebilecek kadar değişken
dikkate alınır ve kalan değişkenler sıfır kabul
edilir. Örnek olarak 2 denklem (m=2) ve 5
değişkenin (n=5) olduğu bir sistemde, her
seferinde 3 (n-m=3) değişkene sıfır değerini
vererek, denklem sayısı (m=2) kadar değişken
için çözüm bulunabilir. Burada, sıfır değeri
verilen değişkenlere temel dışı, değer alması için
çözüme alınan değişkenlere ise temel değişken
denir. Temel dışı değişkenler sıfır iken temel
değişkenler için çözüm elde edildiğinde bulunan
bu çözüme temel çözüm denir. Bilindiği gibi bir
doğrusal karar probleminin en iyi çözümü bir uç
noktadadır. Bir çözümde, tüm temel değişkenler
sıfır veya sıfırdan büyük değer aldıysa bu çözüme
bir temel uygun çözüm denir ve bir temel uygun
çözüm aynı zamanda bir uç nokta demektir.
Örneğin 5 değişkenin 2 denklemin olduğu bir
sistemde, birinci ve üçüncü değişkenler temel
alınarak (6, 0, 1, 0, 0) şeklinde bir çözüm
bulunursa, bu çözüm bir temel uygun çözüm ve
aynı zamanda bir uç noktadır. Öte yandan bir
değişken temelde olduğu halde sıfır değerini
alırsa, bu çözüm yine bir temel uygun çözüm
olmakla birlikte aynı zamanda da dejenere
(bozulmuş) çözüm olarak isimlendirilir. Yuka-
rıdaki örnekte birinci değişken temelde olduğu
halde
(0, 0, 1, 0, 0) vektörü elde edilseydi bu durumla
karşılaşılırdı.
Simpleks Algoritması bir temel uygun çözümden
başlayarak, problemin tüm kısıtlarını ve amaç
fonksiyonunu bu temel uygun çözümde temelde
yer alan değişkenler cinsinden ifade eder. Daha
sonra amaç fonksiyonu değerini daha iyiye
götürecek bir değişkenin olup olmadığına bakılır.
Eğer böyle bir değişken varsa temele alınır,
yerine, bir değişken de temelden çıkmalıdır. Aynı
işlemler tekrar edilir ve bu sürece bir ardıştırma
denir.
Yukarıda açıklananlar Simpleks Tablo denen bir
tablo yardımıyla veya bu işlemlere karşı gelen
formüller yardımıyla da yapılabilir. Bir çözümde
temelde yer alan tüm değişkenlerin, tabloda karşı
gelen katsayıları birim matrisi oluşturur.
Temelden çıkan bir değişkenin yerine temele
girecek olan değişkenin tabloda katsayıları,
temelden çıkan değişkenin temsil ettiği birim
matrisin ilgili sütununun yerini alır. İşlemler bu
sebeple pratik olarak, temele giren değişkenin
tabloda kısıtlar kısmında karşı gelen katsayılarını,
temelden çıkan değişkenin katsayılarına
çevirmekten oluşur.
Yukarıda bir ardıştırma olarak tanımlanan bu
işlemler, temel değişkenler için birim matrisi
oluşturma (temelden çıkan değişkene karşı gelen
sütunu yeni temele girecek sütun için oluşturma)
ve amaç fonksiyonunu da temel olmayan
değişkenler cinsinden ifade ederek, değerini daha
iyiye götürecek bir temel dışı değişkenin olup
olmadığını sınama şeklinde devam eder. Temele
alınması halinde amaç fonksiyonu değerini daha
iyiye götürecek değişkenin bulunmaması halinde
eniyi çözüme erişilmiş demektir. Bu şekilde
eniyilik koşullarının sağlanması, temel olmayan
değişkenlere

satırında karşı gelen tüm
değişkenlerin enbüyükleme için pozitif,
enküçükleme için ise negatif olması demektir.
Temele girecek değişken var iken, temelden
çıkacak değişkenin bulunması aşamasında sağ
taraf sabitlerinin temele girecek değişkenin
bulunduğu sütundaki değerlere oranlanması
aşamasında, temele girecek değişkenin kısıtlar
kısmında altında yer alan tüm değerler sıfır veya
sıfırdan küçük ise problemin sınırsız çözümü var


87
demektir. Temelde yer aldığı halde sıfır değerini
alan değişken ise problemin dejenere çözümü
olduğunu gösterir.
Bu bölümde bir çözüm yöntemi olarak açıklanan
Simpleks Algoritması’na, eniyilemede, çözüm
sürecinin temelinde yatan matematiksel süreci
açıklamak, aynı zamanda, ileriki bölümlerde bu
konunun uzantısı olarak ele alınacak olan
duyarlılık analizi ve ilişkili bazı konulara temel
teşkil etmesi sebepleriyle yer verilmiştir. Aslında
karar modellerinin çözümü için geliştirilen çeşitli
yazılımlar da bulunmaktadır. LINDO, LINGO,
GAMS gibi, örnekleri verilebilecek bu tür
yazılımların yanında, hemen her bilgisayarda hali
hazırda bulunan çalışma tablosu programı
Microsoft Excel’in çözücü (solver) modülü ile
bile belirli büyüklükteki matematiksel modellere
çözüm bulunabilmektedir.






























































88
Kendimizi Sınayalım
1. 2 tane doğrusal bağımsız denklem (m=2) ve 5
tane değişkenin (n=5) olduğu Ax=b şeklindeki bir
denklem sisteminde bir çözümde kaç temel
değişken yer alır?
a. 3
b. 5
c. 2
d. 1
e. 4
2. 2 tane doğrusal bağımsız denklem ve 5 tane
değişkenin olduğu bir sistemde bir çözümde kaç
temel dışı değişken yer alır?
a. 3
b. 5
c. 1
d. 2
e. 4
3. Simpleks Algoritması ile çözülen bir
enbüyükleme probleminin bir çözümünde, amaç
fonksiyonu satırında, temel olmayan 5 değişkene
karşı gelen değerler sırasıyla 2, -1, - 4, 1 ve 7’dir.
Kaçıncı değere karşı gelen değişken temele
alınmalıdır?
a. 1
b. 2
c. 3
d. 4
e. 5
4. Simpleks Algoritması ile çözümde en
büyükleme için tabloda temele girecek değişken
olsun. Bu değişkenin altında, kısıtlar kısmında,
tüm değerler negatif veya sıfır ise aşağıdakilerden
hangisi doğrudur?
a. Problemin eniyi çözümü bulunmuştur.
b. Problemin uygun çözüm alanı boştur.
c. Problemin sınırsız çözümü vardır.
d. Problemin birden fazla eniyi çözümü vardır.
e. Problemin eniyi çözümü bir ardıştırma sonra
elde edilecektir.



5. Aşağıda, bir enküçükleme problemi için
verilen Simpleks Tablo’ya gore hangi değişken
temele alınmalıdır?
x
0
x
1
x
2
s
1
s
2
STS
x
0
1 2 3 0 0 0
s
1

s
2

0
0
1
2
4
5
1
0
0
1
6
7
a.

b.

c.

d.

e.

veya

6. Beşinci soruda verilen tabloda, mevcut
durumda hangi değişkenler temeldedir?
a.

ve

b.

ve

c.

ve

d.

,

e.

7. Beşinci soruda verilen problemde kaç kısıt
vardır?
a. 2
b. 3
c. 1
d. 4
e. 5
8. Beşinci soruda verilen problemde,

için
katsayı -3 olup,

temele girecek değişken
olsaydı, hangi değişken temelden çıkardı?
a.

b.

c.

d.

veya

e.

veya

89
9. Aşağıdakilerden hangisi

kısıtının, Simpleks Algoritması için eşitlik haline
getirilmiş durumunu ifade eder?
a.

b.

c.

d.

e.

10. Aşağıdakilerden hangisi yanlıştır?
a. Simpleks Algoritması ile bir temel değişken
takımına karşı gelen çözüm, tablo formatında
ardıştırma yaparak bulunabileceği gibi, sadece
formüller kullanarak da hesaplanabilir.
b. Simpleks Algoritması ile çözümde, tablonun
alt kısmında, kısıt sayısı kadar satır yer alır.
c. Simpleks Tablo’da kısıtların bulunduğu
kısım, temel değişkenlerin temel olmayan
değişkenler cinsinden ifadesidir.
d. Simpleks Tablo’da birinci satır amaç
fonksiyonunu ifade eder.
e. Simpleks Tablo’da amaç fonksiyonu,

şeklinde alınmıştır.
















Kendimizi Sınayalım Yanıt
Anahtarı
1. c Yanıtınız yanlış ise “Temel Uygun Çözüm,
Uç Nokta” başlıklı konuyu yeniden gözden
geçiriniz.
2. a Yanıtınız yanlış ise “Temel Uygun Çözüm,
Uç Nokta” başlıklı konuyu yeniden gözden
geçiriniz.
3. c Yanıtınız yanlış ise “Simpleks
Algoritması’na Olan İhtiyaç ve Bir Örnek
Üzerinde Temel Adımları” başlıklı konuyu
yeniden gözden geçiriniz.
4. c Yanıtınız yanlış ise “Simpleks
Algoritması’na Olan İhtiyaç ve Bir Örnek
Üzerinde Temel Adımları” başlıklı konuyu
yeniden gözden geçiriniz.
5. b Yanıtınız yanlış ise “Matris Gösterimi,
Enbüyükleme ve Enküçükleme İçin Örnekler”
başlıklı konuyu yeniden gözden geçiriniz.
6. b Yanıtınız yanlış ise “Simpleks
Algoritması’na Olan İhtiyaç ve Bir Örnek
Üzerinde Temel Adımları” başlıklı konuyu
yeniden gözden geçiriniz.
7. a Yanıtınız yanlış ise “Simpleks
Algoritması’na Olan İhtiyaç ve Bir Örnek
Üzerinde Temel Adımları” başlıklı konuyu
yeniden gözden geçiriniz.
8. c Yanıtınız yanlış ise “Simpleks
Algoritması’na Olan İhtiyaç ve Bir Örnek
Üzerinde Temel Adımları” başlıklı konuyu
yeniden gözden geçiriniz.
9. b Yanıtınız yanlış ise “Simpleks
Algoritması’na Olan İhtiyaç ve Bir Örnek
Üzerinde Temel Adımları” başlıklı konuyu
yeniden gözden geçiriniz.
10. e Yanıtınız yanlış ise “Simpleks Tablo”
başlıklı konuyu yeniden gözden geçiriniz.











90
Sıra Sizde Yanıt Anahtarı
Sıra Sizde 1

temelde, (

temel dışı (sıfır
değerinde)

1.denklem (-2) ile çarpılıp, 2.denklem ile taraf
tarafa toplandığında,

olarak elde edilir.
Bulunan temel çözüm
(

= (-4, 5, 0, 0, 0) olup

bir temel uygun çözüm (uç nokta)
değildir.
















Sıra Sizde 2

= C
B
B
-1
b =

Sıra Sizde 3
Temele girecek x
2
değişkeni için kısıtlar kısmında
yer alan tüm değerler negatif (-1, -7) olduğu için
problemin sınırsız çözümü vardır.





























91
Yararlanılan Kaynaklar
Taha, H, (2003), Yöneylem Araştırması, 3.
Basım, (Baray Ş. A., Esnaf Ş. tarafından çeviri),
Literatür Yayıncılık, İstanbul.
Kara, İ., (2000), Doğrusal Programlama, Bilim
Teknik Yayınevi, İstanbul.



92

Amaçlarımız
Bu üniteyi tamamladıktan sonra, doğrusal karar problemlerinde
Eniyi çözüm sonrası analiz türlerini açıklayabilecek,
Eniyi çözüm sonrası analiz yapabilecek ve yorumlayabilecek
bilgi ve becerilere sahip olabilirsiniz.

Anahtar Kavramlar
Simpleks Algoritması
Eniyilik Koşulları
Uygunluk Koşulları
Duyarlılık Analizi
Kaynak Vektörü
Teknik Katsayılar
Katkı Parametreleri
Yapısal Değişiklik

İçindekiler
Giriş
Simpleks Algoritması’nda Eniyilik ve Uygunluk Koşulları
Parametrelere Göre Duyarlılık Analizi
Yapısal Değişikliklere Göre Duyarlılık Analizi
Aynı Model Üzerinde Tüm Duyarlılık Analizi Türlerinin Örneklenmesi
5


93
GİRİŞ
Karar verme ortamları farklı şekillerde olabilir. Temel olarak belirlilik, risk ve belirsizlik altında karar
ortamlarından sözedilebilir. Parametrelerin değerlerinin bilindiği durumlarda belirlilik, bilinmediği ama
tahmin edilebildiği durumlarda risk, hiçbir şekilde değerlerin tahmin edilemediği ortamlarda ise
belirsizlik altında karar vermeden bahsedilir.
Doğrusal karar problemlerinde belirlilik varsayımı bulunmaktadır, buna göre modele esas teşkil eden
parametrelerin değerlerinin bilindiği kabul edilmektedir. Fakat gerçek hayat dinamik bir yapıdadır.
Kontrol edilemeyen değişkenler olarak tanımlanan parametreler sözkonusudur ve değerleri de
değişkendir. Bu sebeple problem çözümleri için geliştirilen karar modellerinde yer alan parametreler de
aslında değişken değerler alırlar. Bu durumda elde edilen çözümlerin bu değişikliklerden etkilenme
biçimlerinin analiz edilmesi gerekmektedir. Bazen parametrelerin değerlerinin değişmesinin yanısıra,
sistemlerde yapısal değişikliklerle de karşılaşılabilir.
Duyarlılık analizleri, doğrusal karar problemlerinin çözümü elde edildikten sonra, modelde meydana
gelebilecek, parametrelere bağlı veya yapısal değişiklikler karşısında, eldeki eniyi çözümün bundan nasıl
etkileneceğini veya eldeki çözümün koruması için parametrelerin hangi aralıklarda değer almaları
gerektiğini bulmak amacıyla yapılan analizlerdir.

SİMPLEKS ALGORİTMASINDA ENİYİLİK VE UYGUNLUK
KOŞULLARI
Simpleks Algoritması’nda önceki bölümlerde de belirtildiği gibi amaç fonksiyonunun enbüyükleme veya
enküçükleme olmasına göre, eniyilik koşulunun sağlanıp sağlanmadığı sınanarak problemin çözümüne
ulaşıldığı veya bir sonraki aşamanın araştırılması gerektiği sonucuna varılır. Buna göre, örneğin, bir
doğrusal karar modelinin Simpleks Algoritması ile çözümü sırasında, temel değişkenlerin temel olmayan
değişkenler cinsinden ifadesi olan amaç fonksiyonu (tabloda birinci satır) satırında, temel olmayan tüm
değişkenlere karşı gelen değerler sıfır veya sıfırdan büyük ise, enküçükleme için ise sözkonusu tüm
değerler sıfır veya sıfırdan küçük ise eniyi çözüme ulaşılmış demektir. Aksi halde her iki durum için de
temele girecek ve çıkacak değişkenler belirlenerek bir sonraki çözüm araştırılır.
Simpleks Algoritması, aşağıdaki tanımlamalar ışığında ve aşağıda verilen tablo formatında
uygulandığında eniyilik koşulları için C
B
B
-1
R - C
R
vektörünün değeri dikkate alınır.
X
B
: Temel değişkenler vektörü
X
R
:Temel olmayan değişkenler vektörü
olmak üzere X vektörü aşağıdaki gibi iki parçalı olarak gösterilebilir.

Duyarlılık Analizi


94
Benzer şekilde;
AX = b

modelindeki A matrisi ile Enb x
0
= CX fonksiyonundaki C vektörü de aşağıdaki gibi parçalanabilir :
B : A katsayılar matrisinde temel değişkenlere karşı gelen alt matris
R : A katsayılar matrisinde temel olmayan değişkenlere karşı gelen alt matris
C
B
: C katkı vektöründe temel değişkenlere karşı gelen vektör
C
R
: C katkı vektöründe temel olmayan değişkenlere karşı gelen vektör
iken
C = (C
B
, C
R
), A = (B,R) şeklinde gösterilebilir.

X
0
X
B
X
R
STS
X
0
1 0 C
B
B
-1
R - C
R
C
B
B
-1
b
X
B
0 I B
-1
R B
-1
b

Bilindiği gibi Simpleks Algoritması, bir temel uygun çözüm (değişkenlerin sıfır veya sıfırdan büyük
değer aldığı) ile başlar ve bu çözüm eniyilik koşullarını sağlamıyorsa izleyen çözümün de temel uygun
çözüm olmasını sağlayacak yapıdadır. Bu gereklilik ise uygunluk koşulu olarak adlandırılır. Bir başka
ifadeyle uygunluk koşulu için de B
-1
b vektörünün değeri dikkate alınır.
Yukarıdaki açıklamalar ışığında, bir doğrusal karar modelinin eniyi çözümü elde edildikten sonra,
amaç fonksiyonunda veya kısıtlarda değişkenlere karşı gelen katsayılarda (C veya R vektörlerinde)
olabilecek değişikliklerden, eniyilik koşulları etkilenir. Modelin kısıtlarında yer alan sağ taraf sabitlerinde
yani kaynak vektöründe (b) değişiklik olması durumundan ise uygunluk koşulları etkilenir.
Bu durumlarda duyarlılık analizi yapmak; bir parametrenin yeni değeri için eniyilik veya uygunluk
koşullarının hala sağlanıp sağlanmadığını değerlendirmektir. Bazı durumlarda da duyarlılık analizi, eldeki
çözümün, ilgilenilen parametrenin değerinde hangi aralıklarda bir değişim olması halinde korunacağını
bulmak şeklinde de olabilir.
Ek olarak, parametrelerde bir değişiklik olmamakla birlikte, modele, yeni bir kısıt veya yeni bir
değişken eklemek gibi yapısal değişikliklerle de karşılaşılabilir. Yeni kısıt eklendiğinde bu kısıtın eldeki
çözümle sağlanıp sağlanmadığı, yeni değişken eklendiğinde ise, bu değişkenin temele girmeye aday veya
eniyilik koşullarını koruyarak temel dışında kalacak bir değişken olma durumlarından hangisine uyduğu
araştırılır.
İzleyen bölümlerde, yukarıda bahsedilen; parametrelere göre ve yapısal değişiklikler, örneklerle ve
ayrıntılı olarak açıklanmaktadır.

PARAMETRELERE GÖRE DUYARLILIK ANALİZİ
Bu analizler, yukarıda belirtildiği gibi, katkı parametrelerine, kaynak vektörüne veya teknik katsayılara
göre yapılır.

Katkı Parametresindeki Değişime Göre Duyarlılık Analizi
Verilen bir problemde, katkı parametreleri olan C
B
veya C
R
değişebilir.
Temelde yer alan bir değişkene karşı gelen katkı vektörü (C
B
) değiştiğinde Simpleks Tablo’da

satırında temel dışı tüm değişkenlere karşı gelen değerler (C
B
B
-1
R - C
R
) bu durumdan etkilenir. Bu
değişiklikler iki türlü olabilir: Parametrenin değerinde belirli bir değişiklik olur ve bu durum analiz edilir
veya parametrenin değerinde hangi aralıktaki bir değişim için eldeki çözümün korunacağı (veya
değişeceği) belirlenir.


95
Bu analizi örneklemek için Ünite 4’de Örnek 4.3’de verilen lojistik firması araç alım problemini
hatırlayalım:
Bir lojistik firması araç filosunu genişletmek üzere yeni tırlar almayı planlamaktadır. Düşünülen iki
farklı model sözkonusudur. Her iki model sırasıyla 4 ve 3 ton birim taşıma kapasitesine sahiptir. Yeni
araç alımına ayrılabilecek bütçe en fazla 6.10
6
. olup birinci ve ikinci tıp tırların birim fiyatları sırasıyla
200.10
3
ve 100.10
3
. dır. Firma en fazla 40 yeni araç satın alabilecektir.
Yeni araçların toplam taşıma kapasitesini enbüyükleyecek şekilde hangi tip tırdan kaç adet alınması
gerektiği bulunmak istenmektedir.
Karar değişkeni

i. tip tırdan satın alınacak adet

olarak tanımlanır.
Karşı gelen matematiksel model, kısıtlar ve amaç fonksiyonu ile birlikte aşağıdaki gibidir:

kısıtları altında

En iyi çözümün elde edildiği son Simpleks Tablosu aşağıda verilmektedir. s
1
ve s
2
’ nin modelin
kısıtlarını eşitlik haline getirmek için kullanılan aylak değişkenler olduğunu hatırlayalım.

x
0
x
1
x
2
s
1
s
2
STS
x
0
1 0 0 2 1 140
x
2

x
1

0
0
0
1
1
0
2
-1
-1
1
20
20

Temelde yer alan değişkenin katkı parametresinin değerinde değişim olması
Örnek olarak yukarıdaki son tabloda

olmak üzere

değişkeninin katkı parametresi olan c
2
= 3 değerinin

= 5 olması halinde,

olup yeni
haliyle

B
-1
R - C
R
vektörü şu şekilde hesaplanır:

-



96
Amaç fonksiyonunun enbüyükleme olduğu hatırlanırsa, yeni durumda temel olmayan değişkenler için

satırı değerleri artık eniyilik koşullarını sağlamamaktadır. s
2
değişkenine karşı gelen değer, (-1) ,
negatif olup, bu değişkenin temele alınması halinde amaç fonksiyonunun mevcut durumda 140 olan
değeri daha da büyüyebilecek demektir. Bu durumda işlemler s
2
değişkeni temele alınarak bilinen
Simpleks Algoritması adımları ile devam eder.
Yukarıdaki örnekte

değişkeninin katkı parametresi olan c
2
= 3
değerinin c
2
’ = 1 olması halinde eldeki eniyi çözüm korunur mu ? Araştırınız.

Temelde yer alan değişkenin katkı parametresinin değerindeki değişimin eniyi çözümü
koruyacak aralığının bulunması
Yukarıda,

değişkeninin katkı parametresi olan c
2
= 3 değerinin c
2


=5 olması hali için yapılan
analizin, değişim miktarına bağlı olarak gerçekleştirilmek istenmesi durumunda,

, c
2


deki

değişim
miktarı olmak üzere, enbüyükleme için, eldeki çözümün korunması aşağıdaki özelliğin sağlanması
halinde mümkün olmaktadır.
Bu durumda yeni

vektörü

olmak üzere,

-

= ( 2 ( 3+

) - 4, -3 -

+ 4)

-3 -

-1

çin eldeki çözüm korunur. Mevcut durumda C
2
= 3 olan değer 1 br. azalabilir veya artabilir.
λ

,’nin c
2


deki

değişim miktarı olduğu hatırlanırsa, önceki örnekte, c
2
‘ nin değerinin 3’den 5’e
arttırılması, bu parametrede 2 birimlik değişim anlamına gelmekteydi. Yapılan analizde de bu değişiklik
ile en iyilik koşullarının korunmayacağı ve

değişkeninin temele alınması gerektiği sonucu elde
edilmiştir. Belirtilen değişim miktarı burada da görüldüğü gibi, eniyi çözümün korunması için gereken
aralığın dışındadır. Eniyi çözüm c
2
’ nde ancak 1 birimlik artış veya azalış durumlarında korunacaktır.
Temelde yer almayan bir değişkene karşı gelen katkı vektörü (C
R
) değiştiğinde ise Simpleks
Tablo’da x
o
satırında sadece C
R
vektöründe ve bu vektörde de sadece katkı parametresi değişen temel
dışı değişkene karşı gelen değer bu durumdan etkilenir. Bu değişiklik de yine iki türlü olabilir.
Parametrenin değerinde belirli bir değişiklik olur ve bu değişikliğin eniyi çözümü değiştirip
değiştirmediği araştırılır veya parametrenin değerinde hangi aralıktaki bir değişim için eldeki çözümün
korunacağı (veya değişeceği) belirlenir.
Temelde yer almayan değişkenin katkı parametresinin değerinde değişim olması
Bu başlığı da daha önce ele alınan, Ünite 4, Örnek 4.6 üzerinde gösterelim.
Bir kargo işletmesi, müşteri gönderilerini paketlediği kutularında, boşlukları doldurmak ve gönderileri
sarsıntıdan korumak için elyaf, köpük ve karton malzeme kullanmaktadır. Bir kg. elyaf ile 4 standart kutu
boşluğu, 1 kg. köpük malzeme ile 8 standart kutu boşluğu doldurulabilmektedir. Bir kg. karton malzeme
ise bir standart kutuyu sabitlemek için özel siparişlerde kullanılmaktadır. Enaz 256 kutunun taşımadaki
boşluğunu doldurmaya yetecek kadar elyaf, köpük ve karton malzemeye ihtiyaç duyulmaktadır. Öte
yandan elyaf ve köpük malzemelerin birer kilogramı sırasıyla 16 ve 32 cm
3
hacim gerektirmekte olup, bu


97
malzemeleri nemden korumak için kullanılan özel konteynerın hacmi 424 cm
3
’tür. Karton malzeme için
stoklamada özel bir gereklilik yoktur. Elyaf, köpük ve karton malzemenin kg. fiyatları sırasıyla 14, 16 ve
3 para birimidir.
Toplam malzeme alım maliyetini enküçükleyecek şekilde, hangi malzemeden kaç kg. alınması
gerektiğini bulunuz.
Karar değişkeni

: i. tip malzemeden alınacak miktar (kg.) (i = 1, 2, 3 elyaf, köpük ve karton malzeme)
olarak tanımlanır.
Karşı gelen matematiksel model, kısıtlar ve amaç fonksiyonu ile birlikte aşağıdaki gibidir:
(Karton malzeme için stok alanı ihtiyacı yoktur)

kısıtları altında

Problemin eniyi çözümüne karşı gelen tablo aşağıdaki gibidir:

x
0
x
1
x
2
x
3
s
1
s
2
STS
x
0
1 - 6 0 0 -3 -1/4 662
x
3

x
2

0
0
0
1/2
0
1
1
0
-1
0
-8/32
1/32
150
53/4

İlgili vektörlerin, yukarıdaki son tablo için aşağıdaki gibi olduğu hatırlanacak olursa,

Temel dışında yer alan

değişkeninin katkı parametresi olan c
1
= 14 değerinin c
1
’ = 15 olması
halinde, yeni haliyle,

= (15, 0, 0) olup,

B
-1
R -

vektörü şu şekilde hesaplanır.

-

= (-7, -S, - 1¡ 4)




98
Amaç fonksiyonunun enküçükleme olduğu hatırlanırsa, temel olmayan değişkenler için

satırı
değerleri yeni durumda da eniyilik koşullarını sağlamaktadır.
Dikkat edilirse, mevcut çözümde (-6, -S, -1¡4) şeklinde olan C
B
B
-1
R - C
R
vektörü, yeni durumda (-
7, -S, -1¡4) olarak elde edilmiş ve sadece

değişkenine karşı gelen değer değişmiştir. Katkı
parametrelerine göre duyarlılık analizinde, katkısı değişen değişken eğer temel dışı ise, bu durumda amaç
fonksiyonu satırında sadece o değişkene karşı gelen değer için işlemlerin yapılması yeterli olacaktır. Bu
da R matrisi ve C vektöründe sadece o değişkenle ilgili vektörün gözönünde bulundurulması ve işlemin

-
= - 7

şeklinde yapılmasını gerektirir.

değişkeninin katkı parametresi olan c
1
= 14 değerinin c
1


= 6
olması halinde eldeki çözüm korunur mu?

Temelde yer almayan değişkenin katkı parametresinin değerindeki değişimin eniyi çözümü
koruyacak aralığının bulunması
Yukarıda, Ünite 4 Örnek 4.6’ da,

değişkeninin katkı parametresi olan c
1
= 14 değerinin c
1


=15
olması hali için yapılan analizin, değişim aralığına bağlı olarak gerçekleştirilmek istenmesi durumunda,

, c
1
’ deki

değişim miktarı olmak üzere, enküçükleme için, eldeki çözümün korunması, aşağıdaki
özelliğin sağlanması halinde mümkün olmaktadır.

-

0
= 8 – 14 -

0

için eldeki çözüm korunur.
λ

’in c
1’
deki

değişim miktarı olduğu hatırlanırsa, en fazla 6 birime kadar azalma halinde eniyilik
koşullarının korunacağı anlaşılmaktadır. O halde mevcut durumda 14 olan c
1
değeri, 8’ e kadar azalabilir.
Artış miktarında ise sınır yoktur, c
1
ne kadar büyürse de eniyilik koşulları korunmaya devam edecektir.
Nitekim değişim miktarına göre analizin yapıldığı önceki durumda da, katkı parametresi sadece 1 birim
değişmiş (14’den 15’e çıkarılmış), bu değişim yukarıda bulunan aralık içerisinde olduğundan, eniyilik
koşulları korunmuştur.

Sağ Taraf Sabitindeki Değişime Göre Duyarlılık Analizi
Bir problemde, sağ taraf sabitleri vektörü, b, değişebilir. Bu durumda Simpleks Tablo’da karar
değişkenlerinin değerlerini gösteren

B
-1
b
vektörü etkilenir.
Simpleks Algoritması bir temel uygun çözümle (temel değişkenler değerinde) başlayıp başka bir
temel uygun çözüme geçtiğinden, bu değişikliğin uygunluk koşulu olan B
-1
b ’ ı sağlaması
gerekmektedir. Bir başka deyişle, sağ taraf sabitleri de denen kaynak vektöründe bir değişim, eniyilik
değil uygunluk koşullarına yansır.


99
Bu analiz de yine Ünite 4, Örnek 4.6 (kargo işletmesi) kullanılarak örneklenecek olursa, mevcut
durumda kaynak vektörü,
=

şeklindedir.
Burada ikinci kısıta karşı gelen sağ taraf sabiti değeri,

, kargo malzemelerinin depolandığı
konteynerın hacmi ile ilgili kapasite olup, bu değerin 430 cm
3’
e çıkması durumunu inceleyelim.

=

=

Uygunluk koşulunun korunup korunmadığını sınayabilmek için B
-1

koşulu kontrol
edilmelidir. Bir Simpleks Tablo’da başlangıçta birim matrisi oluşturan değişkenlere, son tabloda,
tablonun kısıtlar kısmında karşı gelen matris,

‘i vermektedir. Bu durumda Örnek 4.6’da
başlangıçtaki temel değişkenlerin,

olduğu hatırlanırsa, bu değişkenlere son tabloda karşı gelen matris,

=



olup,

B
-1

=

=

olduğundan uygunluk koşulları korunmaktadır.
Katkı parametreleri için açıklanan duyarlılık analizinde olduğu gibi, sağ taraf sabitlerindeki değişimin
hangi aralığı için eldeki çözümün korunduğu da bulunabilir. Bu durumda yukarıdaki örnekte,

nün
belirli bir değeri için değil, değişim aralığı için işlemler şu şekilde yapılmalıdır :

,

’deki değişim miktarı olmak üzere,

=

=


olmalıdır.

256 (

0

600

- 424

600

aralığı için uygunluk koşulları korunacaktır.


100
Önceki örnekte, ilgili sağ taraf sabitinin değerinin 424’den 430’a çıktığı ve uygunluk koşullarının
korunduğu hatırlanırsa, 6 birimlik artışın da yukarıda bulunan sınırlar içerisinde olduğu görülecektir.
Parametrelere bağlı duyarlılık analizlerinin bir diğer türü de, değişkenlere modelin kısıtlarında karşı
gelen teknik katsayılarda değişim olması durumudur. Fakat bir değişkene kısıtlarda karşı gelen katsayının
değişmesi, ilgili değişkenin temelde olup olmamasına göre, sırasıyla B veya R vektöründe değişim
demektir. Bu durum ise, ya B
-1
matrisine ya da doğrudan R vektörüne yansıma olup, C
B
B
-1
R - C
R

vektörüne ve eniyilik koşullarına yansıyacaktır. Amaç fonksiyonunun durumuna göre, değişimin eniyilik
koşullarını koruyup korumadığı veya değişimin hangi aralığı için eniyi çözümün korunacağı yine
yukarıda örneklendiği şekilde bulunabilir. İzleyen bölüm bu konuyu örneklemektedir.
Yukarıdaki örnekte

= 258 olması durumunu analiz ediniz.

Teknik Katsayılardaki Değişime Göre Duyarlılık Analizi
Bu değişim, yukarıda belirtildiği gibi, bir kısıttaki teknik katsayısı değişen bir değişkenin, temelde veya
temelde olmamasına göre farklı şekilde analiz edilmelidir.
Temel dışı bir değişkenin bir kısıttaki teknik katsayısının değişmesi,
R matrisinin sözkonusu değişkene karşı gelen vektörü değişeceğinden, bu değişiklik, C
B
B
-1
R - C
R

vektörünün sadece ilgili değişkene karşı gelen değerine yansıyacaktır. Yeni durumda, bulunan değerin
eniyilik koşullarını hala sağlayıp sağlamadığı araştırılır.
Ünite 4, Örnek 4.6’daki problemi ele alalım. Eniyi çözümde temel ve temel olmayan değişkenlere
karşı gelen değerler ve katkı vektörleri aşağıdaki gibidir :

=


ve

=

Teknik katsayının değerinde değişim olması

değişkeninin birinci kısıttaki katsayısı olan 4 değerinin 5 olması durumu analiz edilecek olursa, bu
değişiklik C
B
B
-1
R - C
R
vektöründe sadece

değişkenine karşı gelen değere yansır. İlgili vektörün bu
değişkene karşı gelen değeri,

C
B
B
-1

-

=

14

= ( 1S - 4) - 14
= - S

olarak bulunur. Amaç enküçükleme olduğundan eldeki çözüm korunmaktadır.
Temelde yer almayan değişkenin teknik katsayısının değerindeki değişimin eniyi çözümü
koruyacak aralığının bulunması
Önceki başlıklarda olduğu gibi, bu değişiklik için de, değişimin hangi aralığı için eldeki çözümün
korunacağı bulunabilir. , X
1
değişkenine birinci kısıtta karşı gelen katsayıdaki değişim miktarı olsun.



101
Bu durumda,

C
B
B
-1

- C

=

14 0

olmalıdır.
= ( S, (-8¡S2)*S + 16¡S2)

14 u
= (S , (-S¡4 + 2¡4))

14 0
= (S , -1¡4 )

14 u
= (S - 4 ) 14 u
= 12 4 14 u
= 6
= 2

olması durumunda, eldeki çözüm korunur.
Bulunan aralık,

değişkeninin birinci kısıttaki katsayısı olan 4 değerinin en fazla 2 birim
artabileceğini, azalış miktarında ise sınır olmadığını göstermektedir. Bu durumda önceki analizdeki 1
birimlik artışın, belirtilen aralıkta olması sebebiyle eniyilik koşullarını koruyacağı görülmektedir.
Temelde yer alan bir değişkenin bir kısıttaki teknik katsayısının değişmesi halinde ise,
sözkonusu değişiklik B matrisinin, dolayısıyla B
-1
matrisinin değişmesi anlamına gelmektedir. Bu
durumda yeni B
-1
matrisi bulunup, C
B
B
-1
R - C
R
vektörünün eniyilik koşullarını değişiklik durumunda da
sağlayıp sağlamadığı araştırılmalıdır.

Temelde yer alan değişkenin teknik katsayının değerinde değişim olması
Yukarıdaki problemde, temelde yer alan

değişkeninin birinci kısıttaki katsayısı olan 8 değerinin 9
olması durumu analiz edilecek olursa, yeni durumda vektörü;

B =


olup

=

=


olarak bulunur.

C
B
B
-1
R - C
R
=




-
= (S, -11¡S2)

-
= (1S¡2, - S, -11¡S2) - (14, u, u)
= ( -1S¡2, - S, -11¡S2)

Bu durumda yeni C
B
B
-1
R - C
R
vektörüne göre eniyilik koşulları korunmaktadır.
Teknik katsayının değerindeki değişimin eniyi çözümü koruyacak aralığının bulunması
Yukarıdaki analiz, değişim aralığı için yapılmak istenirse, bu durumda, B matrisindeki değişim ‘ ye
bağlı olmaktadır. Yeni haliyle B ve

matrisleri de aşağıdaki gibi bulunur.



102
B =


olup

=



=




Eniyilik koşulları aşağıdaki durumda korunacaktır:

C
B
B
-1
R - C
R
=




0

koşulunu sağlayan değeri araştırılmalıdır.

=

0



Yukarıdaki eşitsizliklerin ortak çözümü, yoğun bir işlem yükü gerektirmektedir. Bu işlemler
gerçekleştirildiğinde, herhangi bir azalışın eniyilik koşullarını bozacağı, için ise eniyilik
koşullarının korunacağı ortaya konmuştur. Bir başka deyişle, sözkonusu parametrenin değerinde 1/3
birim ve daha fazla artışa izin verilmektedir. Nitekim sayfa 101’de

değişkeninin birinci kısıttaki
katsayısı olan 8 değerinin 9 olması durumu analiz edildiğinde, bu değişikliğin eniyilik koşullarını
koruduğu sonucuna varılmıştı.
Teknik katsayıların değerlerindeki değişim, aslında ikil (dual) değişkenler ile de analiz edilebilir.
Burada yer verilmeyen bu işlemler, bu tür analiz için, daha kolay ve pratiktir. Fakat basitce, bir değişimin
eniyilik koşullarına yansıması ikil modelde de uygunluk koşullarına yansıması demektir. Bir temel
değişkene R vektöründe karşı gelen bir teknik katsayının değişiminin eniyilik koşullarını koruması, karşı
gelen ikil modelde, ilgili değişkenin katsayılarından hareketle yazılan ikil kısıtın uygunluk koşullarını
sağlaması anlamına gelmektedir. Analiz bu yönde yapılırsa çözüme daha pratik bir biçimde erişilecektir.

YAPISAL DEĞİŞİKLİKLERE GÖRE DUYARLILIK ANALİZİ
Bir doğrusal karar probleminin çözümü elde edildikten sonra, modelde, bazen yapısal değişiklikler
olabilir. Bu değişiklikler yeni bir kısıtın veya yeni bir değişkenin eklenmesi şekillerinde ortaya çıkabilir.
Duyarlılık analizleri eniyi çözüm sonrası yapılan analizler olduğundan, yeni bir kısıtın eklenmesi
durumunda, eldeki çözümün bu kısıtı da sağlayıp sağlamadığının incelenmesı gerekmektedir.
Sağlanıyorsa başka bir işleme gerek olmayıp; yeni kısıt eldeki çözüm için sağlanmıyorsa, bu durumda, bu
kısıtı da ekleyip varsa yeni çözüm bulunmalıdır.
Yeni bir değişken eklenmesi durumunda ise şu yol izlenmelidir: Bir karar değişkeni bir çözümde, ya
temelde ya da temel dışında yer alır. Bu durumu belirleyen özellik ise ilgili değişkenin temele alınması
halinde amaç fonksiyonu değerini daha da iyileştirip iyileştirmeyeceğidir. Değişkene

satırında karşı
gelen değer bu durumun göstergesidir.
İzleyen bölüm, sırasıyla bu analizlere yer vermektedir.
Yapısal değişiklikler için Ünite 4’de verilen Örnek 4.3’ü hatırlayalım.
Bir lojistik firması araç filosunu genişletmek üzere yeni tırlar almayı planlamaktadır. Düşünülen iki
farklı model sözkonusudur. Her iki model sırasıyla 4 ve 3 ton birim taşıma kapasitesine sahiptir. Yeni
araç alımına ayrılabilecek bütçe en fazla 6.10
6
. olup birinci ve ikinci tıp tırların birim fiyatları sırasıyla


103
200.10
3
ve 100.10
3
. dır. Firma en fazla 40 yeni araç satın alabilecektir. Yeni araçların toplam taşıma
kapasitesini enbüyükleyecek şekilde hangi tip tırdan kaç adet alınması gerektiğini bulmak istemektedir.
Karar değişkeni
X
i
: i. tip tırdan satın alınacak adet
olarak tanımlanır.
Karşı gelen matematiksel model, kısıtlar ve amaç fonksiyonu ile birlikte aşağıdaki gibidir:

kısıtları altında

Problemin çözümü sonucunda elde edilen son Simpleks Tablosu ise şu şekilde elde edilmiştir.

x
0
x
1
x
2
s
1
s
2
STS
x
0
1 0 0 2 1 140
x
2

x
1

0
0
0
1
1
0
2
-1
-1
1
20
20

Yeni Kısıt Eklentisi
Yukarıdaki problemde, işletme, tüm araçların aynı gün kullanılabileceği düşüncesiyle, elinde bulunan
toplam 82 sürücünün yeterli olabileceği sayıda tır satın alması gerektiğini farketmiştir. Birinci tip tır daha
çok uzun yollar için kullanılacağından birisi yedek olmak üzere iki sürücü, ikinci tip tır için ise tek sürücü
gerekmektedir. Bu durumda modele,

kısıtının eklenmesi gerekmektedir. İzleyen işlem, eldeki çözümün bu kısıtı sağlayıp sağlamadığını
incelemektir.
Problemin eniyi çözümünde temel değişkenler,

değerini almışlardır. Buna göre,



olup, eldeki çözüm yeni kısıt için de geçerli olabilmektedir. Alınacak 40 araç için 60 sürücü gerekecek
olup, mevcut 82 sürücü yeterli olacaktır.
Bu örnek için elde daha az sayıda sürücünün, örneğin 50 adet, olması durumunda, mevcut çözümün
korunamayacağı ve yeni bir çözümün bulunması gerektiğini söylemek gerekirdi.


104
Not: Yeni çözüm gerektiğinde, problem en başından yeni kısıt da dikkate alınarak çözülebileceği gibi;
eldeki son tabloya; eşitlik haline getirilmiş yeni kısıtın ve gerekliyse birim matrisin oluşturulması için
aylak veya artık değişkenin ve birim matrisin karşı gelen ilgili sütununun eklenmesi sonrasında,
problemin çözümüne izleyen ardıştırma ile de devam edilebilir.

Yeni Değişken Eklentisi
Lojistik firmasının üçüncü tip bir araç alımını daha gözönünde bulundurduğunu düşünelim.
Yeni tip aracın fiyatı 50.

ve birim kapasitesi 2 ton olsun.
Bu durumda problemin yeni matematiksel modeli aşağıdaki gibi olmaktadır.
X
3
: 3 – tip tırdan satın alınacak miktar olmak üzere

kısıtları altında

+

Yeni değişken için kısıtlardaki katsayılarından oluşan

vektörü ise şu şekildedir:

=

= 2 olduğuna göre, yeni durumun eniyi çözüme yansımasını değerlendirebilmek için
C
B
B
-1

-

değerinin bulunması gerekmektedir.

=

= 2

C
B
B
-1

-

=


- 2

= (2, 1)

- 2
= u.S

Bulunan değer, yeni değişkenin amaç fonksiyonu satırına karşı gelen değeridir. 0.5 0 olduğundan,
amaç fonksiyonunun enbüyükleme olduğu hatırlanırsa, yeni değişken eniyilik koşullarını korumakta olup,
temele alınması halinde amaç fonksiyonu değerini daha iyiye götüremeyecektir.
Lojistik firması örneğinde, karar değişkenlerinin, doğru modelleme
açısından tamsayı olarak tanımlanması gerekmektedir. Bu bölümde aynı örneğin
duyarlılık analizi amacıyla kullanımında, verilen modelin doğrusal olduğu varsayılmıştır.
Nitekim tamsayı koşulu olduğunda da bir problem önce bu koşul gözardı edilerek
çözülebilmekte, gerekliyse daha sonra tamsayı koşuluna dönük algoritmalara
geçilmektedir. Burada problemin tamsayı çözümü bulunabilmiştir.





105
AYNI MODEL ÜZERİNDE TÜM DUYARLILIK ANALİZİ
TÜRLERİNİN ÖRNEKLENMESİ
Bu bölümde, yukarıda açıklanan tüm duyarlılık analizi türleri, yeni bir problem üzerinde, birer kez daha
örneklenmektedir.
Aşağıda bir doğrusal karar modeli ve eniyi çözümüne karşı gelen son simpleks tablo verilmektedir:

kısıtları altında

s
1
ve s
2
, modelin kısıtlarını eşitlik haline getirmek için kullanılan aylak değişkenlerdir.

x
0
x
1
x
2
s
1
s
2
STS
x
0
1 0 0 8/6 1/3 32/3
x
2

x
1

0
0
0
1
1
0
2/3
-1/3
-1/3
2/3
4/3
10/3

Son tablodaki çözüme karşı gelen vektörler aşağıdaki gibidir:

=



=


=




Not: Yukarıdaki son tabloda, temel dışındaki değişkenler olan

ve

, modele başlangıçta eklenen
aylak değişkenler olup ilk çözümde birim matrisi ( I ) oluşturmuşlar ve aynı zamanda başlangıç uç
noktaya da karşı gelmişlerdir. Öte yandan, gelinen son aşamada, temel dışında olmaları sebebiyle, A
matrisinde karşı gelen katsayıları da tanım gereği, temel olmayan değişkenlere karşı gelen katsayılar
matrisi olan R ‘yi vermektedir. Kısacası bu aşamada, R matrisi, aynı zamanda da birim matris olan I
matrisi olmakta, bu durumda ( I ), matris çarpımında etkisiz olduğundan son tabloda B
-1
R

matrisi ile
B
-1
matrisi aynı

matris olmaktadırlar.
Katkı parametrelerinde değişiklik
Temelde yer alan

değişkeninin katkı parametresi olan c
2
= 3 değerinin hangi aralığı için eldeki
eniyi çözümün korunacağı bulunmak istensin.

, c
2
’ deki

değişim miktarı olmak üzere, enbüyükleme
için, eldeki çözümün korunması aşağıdaki özelliğin sağlanması halinde mümkün olmaktadır.
Bu durumda yeni

vektörü

olmak üzere,

-
= ( 2¡S (S+

) - 2¡S, -1¡S (S +

) + 4¡S)


106

1

-2

için eldeki çözüm korunur.
Örneğin c
2
değerinin 3’den 2’ye azalması durumunda,

= -1 olup, yukarıda bulunan aralık
içerisinde olduğundan, bu değişikliğin eniyilik koşullarını değiştirmemesi beklenir. Gerçekten de bu
durumda,

-
= ( 4¡S - 2¡S, -2¡S + 4¡S )
= (2¡S, 2¡S)

olup, temel olmayan değişkenlere amaç fonksiyonu satırında karşı gelen değerler koşulunu
sağlamaktadır. Beklendiği gibi bu değişiklik eniyilik koşullarını etkilememektedir.
Sağ taraf sabitlerinde değişiklik
Problemin kısıtlarına karşı gelen kaynak vektöründeki değişiklik, uygunluk koşulu olan B
-1
b ’a
yansır. Yukarıdaki çözümde,

=

şeklindedir.
Burada birinci kısıta karşı gelen sağ taraf sabiti değeri,

, ve

,

’deki değişim miktarı olmak
üzere,

=

alındığında, uygunluk koşulunun korunması için

=



olmalıdır.

(6 +

0
4 + 2

2 +

+ 2

107
2

aralığı için uygunluk koşulları korunacaktır.
Örnek olarak,

’ in mevcut durumda 6 olan değerinin, 18 olması durumunda,

=


=

=

elde edilmektedir. Görüldüğü gibi

matrisinin ikinci elemanı negatif değer almakta olup, yeni
durumda uygunluk koşulları korunmamaktadır. Nitekim bu değişiklikle

’ in değerinde 12 birimlik bir
artış olmuştur. Yukarıda bulunan ve aynı parametrenin değerindeki değişimin uygunluk koşulunu
koruyacak aralığına dikkat edililirse, değişikliğin ancak 2 birime kadar azalma, 10 birime kadar da artış
yönünde olmasına izin verilebileceği görülmektedir. Yukarıda belirtilen, 12 birim artış yönündeki
değişim bu sebeple, beklendiği gibi uygunluk koşullarını korumayacak ve temeldeki

değişkeninin yeni
değeri bu artışla, negatif olacaktır.
Teknik katsayılarda değişiklik
Yukarıdaki problemde, temelde yer alan

değişkeninin ikinci kısıttaki katsayısı olan 2 değerinin 4
olması durumu analiz edilecek olursa, yeni durumda B vektörü,

=



olmaktadır.

matrisi ise,

=

=




olarak bulunur. Eniyilik koşullarının korunup korunmadığını belirleyebilmek için aşağıdaki işlem
gerçekleştirildiğinde,
C
B
B
-1
R - C
R
=





-
= ( 1u¡7, 1¡7)



108
elde edilir. Amaç fonksiyonu enbüyükleme olduğuna göre, yeni C
B
B
-1
R - C
R
vektörü değerleri 0
olup, eniyilik koşulunu korumaktadır.
Yeni kısıt eklentisi
Gerçek problemler modellendikten ve çözüldükten sonra önceden öngörülemeyen, bulunulan
sistemin koşullarında sonradan ortaya çıkabilecek bazı değişiklikler sebebiyle, gözönünde
bulundurulması ihtiyacı beliren yeni bir kısıt olabilir. Daha öncede belirtildiği gibi bu durumda, eldeki
çözümün yeni kısıtı da sağlayıp sağlamadığı kontrol edilmelidir.
Ele alınan probleme

kısıtı eklenmiş olsun.
Mevcut durumda eniyi çözüm

olarak elde edilmiştir. Yeni kısıt dikkate alındığında


(70/3) + (8/3)
78/3

olup kısıt sağlanmamaktadır.
Eldeki çözüm yeni kısıtı sağlamadığından, bu kısıtın da probleme eklenerek yeni çözümün
araştırılması gerekmektedir.
Yeni değişken eklentisi
Bazı durumlarda, değişen koşullar sebebiyle, probleme yeni bir değişken eklenebilir. Örneğin üç ayrı
ürün üreten bir işletmenin yeni ve dördüncü bir ürünü daha piyasaya sunması durumunda, diğer tüm
kaynakların vb. aynı kalıp, artık bu yeni ürününde mevcut kaynakları kullanması, bu durumda eniyi
üretim miktarlarının yeniden belirlenmesi gerekliliği bu duruma örnek olarak verilebilir. Yeni bir karar
değişkeni sözkonusu olmaktadır.
Daha öncede belirtildiği gibi bir değişken, bir çözüm sürecinde temelde veya temelde dışında yer
almaktadır. Temel dışında olup da amaç fonksiyonunu istenen yönde geliştirebilecek durumda ise, temele
alınır. Buna göre, eniyi çözüm elde edildikten sonra probleme dahil olan bir değişkenin, temele
alınmasına gerek olup olmadığı sorusu yanıtlanmalıdır. Bu soruya yanıt verebilmek için de, ilgili
değişkene amaç fonksiyonu satırında karşı gelen değer hesaplanıp, amaç fonksiyonunun enbüyükleme
veya enküçükleme olmasına göre yukarıdaki soruya yanıt aranır. Bu değerin hesaplanması için, yeni
değişkene problemin kısıtlarında karşı gelen katsayıların yani, yeni değişkenin kaynak kullanım
değerlerinin, (

) ve amaç fonksiyonundaki birim katkısının (

) bilinmesi gerekmektedir.








109
Problemimize, kaynak kullanım vektörü

ve birim katkısı

= 4

olan yeni bir değişken eklenmiş olsun. Yukarıdaki hatırlatmalar ışığı altında,

=




olup

=

=

- 4
= (4¡S, 1¡S)

- 4
= 2 - 4
= -2

Buna göre, yeni değişkenin amaç fonksiyonu satırında karşı gelecek katsayısı negatif olacaktır. Amaç
enbüyükleme olduğuna göre yeni değişkenin temel alınması halinde mevcut durumda S2¡S olan değerin
artması mümkündür. Yeni değişken temele alınarak işlemlere devam edilmelidir.


110
Özet
Doğrusal karar problemlerinin eniyi çözümleri
elde edildikten sonra, model parametrelerinde
bazı değişiklikler meydana gelebilir. Bazen de
yeni bir değişken veya yeni bir kısıt eklentisi
şeklinde ortaya çıkabilen yapısal değişiklikler ile
karşılaşılabilir. Bu durumlarda eniyi çözümün
bundan nasıl etkileneceğini bulmak amacıyla
yapılan analizlere duyarlılık analizi denir.
Bir problemin eniyi çözümüne ulaşılması, temele
alınması halinde amaç fonksiyonu değerini daha
iyiye götürecek bir temel dışı değişkenin
bulunamaması demektir. Bu durumun göstergesi;
amaç enbüyükleme ise, amaç fonksiyonunu
temsil eden

satırında tüm temel dışı değiş-
kenler için karşı gelen değerlerin , amaç
enküçükleme ise de, olmasıdır. Bu koşula
eniyilik koşulu denir. Amaç fonksiyonu satırı
bilindiği gibi C
B
B
-1
R - C
R
ifadesine karşı
gelmektedir. Model parametrelerinde olabilecek
değişikliklerden ilki katkı parametrelerinde olup,
bu durumda değişen C vektörü olduğundan,
yukarıdaki ifadeye yansır.
Öte yandan, Simpleks Algoritması, bir uç
noktadan (temel uygun çözüm) başlayarak
başka bir uç noktaya geçme temelinde bir
yaklaşım olup bulunan çözümlerde temel
değişkenler koşulunu sağlayan pozitif
değerler almaktadırlar. B
-1
b olarak ifade
edilen bu duruma da uygunluk koşulu
denmektedir. Model parametrelerindeki diğer tür
değişiklik olan kaynak vektörü veya sağ taraf
sabitlerindeki değişiklik ise b vektöründe
olduğundan, bu durum da uygunluk koşullarına
yansıyacaktır.
Bu iki parametreye bağlı değişikliğe ek olarak,
bir karar değişkeninin model kısıtlarında karşı
gelen bir katsayısında da değişiklik olabilir. Bu
da değişkenin temel veya temelde olmaması
durumuna göre B veya R matrisine ve eniyilik
koşullarına yansır.
Yapısal değişiklikler ise modele yeni bir
değişkenin veya kısıtın eklenmesi durumudur.
Duyarlılık analizi, basitce, modelde,
parametrelere bağlı veya yapısal bir değişiklik ile
karşılaşıldığında, bu durumun eniyilik veya
uygunluk koşullarından herhangi birisine etki
edip etmediğinin ve etki ediyorsa da değişen
parametrenin değerinin hangi aralığı için eldeki
çözümün korunacağının bulunması işlemidir.
Bazen de, parametrenin yeni değeri bilindiğinde,
eniyilik veya uygunluk koşullarına yansıyıp
yansımadığı doğrudan hesaplanabilir.
Yukarıda bahsedilen karşılaşılabilir durumlar
sırasıyla irdelenecek olursa; katkı
parametrelerindeki değişiklik C vektöründe
değişiklik anlamına gelmektedir. Bu durumda
işlemler, değişikliğin, temel veya temel olmayan
bir değişkenin katkı parametresinde ortaya
çıkmasına göre farklılık gösterir. Eğer C
B

vektörüdeğiştiyse Simpleks Tablo’da

satırında temel dışı tüm değişkenlere karşı gelen
değişkenler (C
B
B
-1
R - C
R
) bu durumdan etkilenir
ve işlemler bu doğrultuda gerçekleştirilir.
Katkı parametrelerinden C
R
vektörünün
değişmesi halinde ise Simpleks Tablo’da x
o

satırında sadece C
R
vektöründe katkı parametresi
değişen temel dışı değişkene karşı gelen değer bu
durumdan etkilenir.
Katkı parametrelerine göre değişiklik de yine
yukarıda açıklandığı gibi iki türlü olabilir:
Parametrenin değerinde belirli bir değişiklik olur
ve bu değişikliğin eniyi çözümü değiştirip
değiştirmediği araştırılır veya parametrenin
değerinde hangi aralıktaki bir değişim için eldeki
çözümün korunacağı (veya değişeceği) belirlenir.
Bu durumda da, değişim miktarı olmak üzere,
eniyilik koşullarının korunması için, ‘nın hangi
aralıkta değer alması gerektiği araştırılır.
Kaynak vektörü olan sağ taraf sabitlerinde
meydana gelebilecek bir değişiklik, daha öncede
belirtildiği gibi uygunluk koşullarına
yansıyacağından, benzer şekilde, b vektöründeki
değişim biliniyorsa (

doğrudan yeni haliyle
B
-1

koşulunun sağlanıp sağlanmadığı
araştırılabilir. İlgilenilen kaynak vektörünün
hangi aralığı için uygunluk koşulunun korunacağı
araştırılacaksa bu durumda da, değişim miktarı
olmak üzere, ‘nın hangi aralıkta değer alması
gerektiği araştırılır.
Parametrelere bağlı son değişiklik teknik
katsayılarda olabilir. Teknik katsayılar,
değişkenlerin kısıtlardaki katsayılarına karşılık
gelen değerlerdir. Bir değişkene kısıtlarda karşı
gelen katsayının değişmesi, ilgili değişkenin
temelde olup olmamasına göre, sırasıyla B veya
R vektöründe değişim demektir. Bu durum ise,
ya B
-1
matrisine ya da doğrudan R vektörüne
etki edip, C
B
B
-1
R - C
R
vektörüne ve eniyilik
koşullarına yansıyacaktır. Amaç fonksiyonunun


111
durumuna göre, değişimin, eniyilik koşullarını
koruyup korumadığı veya değişimin hangi aralığı
için eniyi çözümün korunacağı yine yukarıda
örneklendiği şekilde bulunabilir.
İkinci grup duyarlılık analizleri sayılabilecek,
yapısal değişiklikler olarak ise; yeni bir kısıt veya
yeni bir değişken eklentisi sözkonusudur. Yeni
bir kısıt eklendiğinde, eldeki çözümün, verilen
kısıtı sağlayıp sağlamadığının sınanması
gerekmektedir. Sağlamıyorsa, problem, yeni
kısıtı ekleyerek çözülmelidir.
Yeni bir değişken eklendiği durumda ise şu yol
izlenmelidir: Bir değişken, bir temel uygun
çözümde, ya temelde ya da temel dışında yer alır.
Bunu belirleyen gösterge ise, sözkonusu
değişkenin, amaç fonksiyonu satırındaki
değerinin eniyilik koşullarına uygun olması veya
olmamasıdır. Enbüyükleme için, C
B
B
-1
R - C
R

vektöründe, değerindeki temel dışı
değişkenler eniyilik koşullarına uygun olup,
temele alınmaları halinde amaç fonksiyonunun
değerinin daha da büyümesi sözkonusu değildir.
Durulur. Enküçükleme için ise koşulunu
sağlayan temel dışı değişkenler eniyilik
koşullarına uygun olup, temele alınmaları halinde
amaç fonksiyonunun değerinin daha da
küçülmesi sözkonusu değildir. Durulur. Yeni
değişkenin eldeki çözümü daha iyi bir değere
ötelemesi mümkün değil demektir.
Bu durumda, yeni bir değişken eklendiğinde, bu
değişkenin Simpleks Tablo’da amaç fonksiyonu
satırına karşı gelen değerinin bulunması gerekir.
Değişkenin durumuna göre ya temele alınması
gerektiği sonucuna varılır ya da daha iyi bir amaç
fonksiyonu değerine ulaşılamayacaksa bu
değişken temel dışında kalmaya devam eder. Bu
durum eldeki çözümün eniyi çözüm olarak
kalması halidir.
Gerçek hayatta çoğu durumda belirsizlik veya
risk altında yaşanır. Bu sebeple duyarlılık
analizleri, çözümü elde edilen belirli
problemlerde, bu bölümde değinilen herhangi bir
değişikliğin olması halinde, problemi yeniden
çözmeden eldeki çözümün korunup
korunmayacağına yanıt vermeleri açısından
önemli analizlerdir. Bazı durumlarda da model
parametrelerinde, ihtiyaç halinde yapılması
düşünülen bir değişikliğin, hangi sınırlara kadar
değiştirilmesi halinde yeni bir çözüme gerek
kalmayacağının önceden bilinmesine olanak
sağlar. Örneğin toplam maliyeti enküçüklemek
isteyen bir taşıma şirketinin, mevcut taşıma filosu
ve eldeki olanaklarla, önceden belirlediği alt
sınırdan daha fazla taşıma yapmayı hedeflemesi
halinde, yeni hedef değerini belirlediğinde,
(kaynak vektörü b’de değişme), eldeki mevcut
çözümünün hala uygulanabilir bir çözüm olup
olmayacağını (B
-1
b ) ve bu durumdan toplam
maliyetinin hangi ölçüde etkileneceğini
(C
B
B
-1
bönceden sınayabilmesi mümkündür.
































112
Kendimizi Sınayalım
Aşağıda bir enbüyükleme problemi için
geliştirilen matematiksel model ve karşı gelen
eniyi çözüm tablosu verilmektedir.

x
0
x
1
x
2
x
3
s
1
s
2
STS
x
0
1 3 0 0 4 1 300
x
3
0 1/2 0 1 3/2 -1/2 25
x
2
0 1/2 1 0 -1/2 1/2 25

1-10. soruları yukarıdaki problem için
yanıtlayınız.

1. x
2
’nin amaç fonksiyonundaki katkısının 9
olması durumunda x
1
değişkenine amaç
fonksiyonu satırında karşı gelen değer kaç olur?
a. 2
b. 3
c. 1
d. 4
e. 7
2. x
2
’nin amaç fonksiyonundaki katkısının 9
olması durumunda s
1
değişkenine amaç
fonksiyonu satırında karşı gelen değer kaç olur?
a. 2
b. 3
c. 1
d. 4
e. 7
3. x
2
’nin amaç fonksiyonundaki katkısında
olabilecek kadar değişimin hangi aralığı için
eldeki çözüm korunur?
a.
b. 2
c.
d.
e. 6


4. x
1
’in amaç fonksiyonundaki katkısının 4
olması durumunda bu değişkene amaç
fonksiyonu satırında karşı gelen değer kaç olur?
a. 1
b. 2
c. 3
d. 2
e. 5
5. x
1
’nin amaç fonksiyonundaki katkısında
olabilecek kadar değişimin hangi aralığı için
eldeki çözüm korunur?
a.
b. 5
c.
d. 1
e.
6. Birinci kısıtın sağ taraf sabiti olan 50
değerinin 55 olması durumunda yeni B
-1
b vektörü
aşağıdakilerden hangisi olur?
a.

b.

c.

d.

e.

7. Modele

kısıtının eklenmesi
durumu için aşağıdakilerden hangisi geçerlidir?
a. Eldeki çözüm yeni kısıtı sağlar, izleyen
çözüme geçilir.
b. Eldeki çözüm yeni kısıtı sağlamaz, problem
yeniden çözülmelidir.
c. Eldeki çözüm yeni kısıtı sağlar, başka bir
işleme gerek yoktur.
d. Eldeki çözüm yeni kısıtı sağlamaz, izleyen
çözüme geçilmelidir.
e. Eldeki çözüm yeni kısıtı sağlar, yine de
izleyen çözüm bulunmalıdır.



113
8. Modele, kısıtlara karşı gelen katsayılar
vektörü

=

ve amaç fonksiyonundaki katkısı

= 3
olan yeni bir değişkenin eklenmesi durumu için
hangisi doğrudur?
a. Yeni değişkene amaç fonksiyonu satırında
karşı gelen değer negatif olup eniyilik
koşulları korunmamaktadır, yeni değişken
temele alınmalıdır.
b. Yeni değişkene amaç fonksiyonu satırında
karşı gelen değer pozitif olup eniyilik
koşulları korunmaktadır, yeni değişken temele
alınmamalıdır.
c. Yeni değişkene amaç fonksiyonu satırında
karşı gelen değer pozitif olup eniyilik
koşulları korunmamaktadır, yeni değişken
temele alınmalıdır.
d. Yeni değişkene amaç fonksiyonu satırında
karşı gelen değer negatif olup eniyilik
koşulları korunmaktadır, yeni değişken temele
alınmalıdır.
e. Yeni değişken için uygunluk koşulları
korunmamaktadır.















9. Temel dışında yer alan

değişkeninin ikinci
kısıttaki katsayısı olan 2 değerinin 3 olması
durumunda,

değişkenine amaç fonksiyonu
satırında karşı gelen yeni değer kaç olur?
a. 10
b. - 11
c. 3
d. 4
e. - 6
10. Temelde yer alan

değişkeninin ikinci
kısıttaki katsayısı olan 1 değerinin 2 olması
durumunda,

değişkenine amaç fonksiyonu
satırında karşı gelen değer kaç olur?
a. 1
b. 2
c. - 3
d. 3
e. - 4





















114
Kendimizi Sınayalım Yanıt
Anahtarı
1. d Yanıtınız yanlış ise “Katkı Parametresindeki
Değişime Göre Duyarlılık Analizi” başlıklı
konuyu yeniden gözden geçiriniz.
2. b Yanıtınız yanlış ise “Katkı Parametresindeki
Değişime Göre Duyarlılık Analizi” başlıklı
konuyu yeniden gözden geçiriniz.
3. d Yanıtınız yanlış ise “Katkı Parametresindeki
Değişime Göre Duyarlılık Analizi” başlıklı
konuyu yeniden gözden geçiriniz.
4. d Yanıtınız yanlış ise “Katkı Parametresindeki
Değişime Göre Duyarlılık Analizi” başlıklı
konuyu yeniden gözden geçiriniz.
5. c Yanıtınız yanlış ise “Katkı Parametresindeki
Değişime Göre Duyarlılık Analizi” başlıklı
konuyu yeniden gözden geçiriniz.
6. c Yanıtınız yanlış ise “Sağ Taraf Sabitindeki
Değişime Göre Duyarlılık Analizi” başlıklı
konuyu yeniden gözden geçiriniz.
7. c Yanıtınız yanlış ise “Yeni Kısıt Eklentisi”
başlıklı konuyu yeniden gözden geçiriniz.
8. b Yanıtınız yanlış ise “Yeni Değişken
Eklentisi” başlıklı konuyu yeniden gözden
geçiriniz.
9. d Yanıtınız yanlış ise “Teknik Katsayılardaki
Değişime Göre Duyarlılık Analizi” başlıklı
konuyu yeniden gözden geçiriniz.
10. a Yanıtınız yanlış ise “Teknik Katsayılardaki
Değişime Göre Duyarlılık Analizi” başlıklı
konuyu yeniden gözden geçiriniz.













Sıra Sizde Yanıt Anahtarı
Sıra Sizde 1

değişkeninin katkı parametresi olan c
2
= 3
değerinin

=1 olması halinde,

olup yeni haliyle

B
-1
R - C
R
vektörü şu
şekilde hesaplanır:

B
-1
R =



-

= (-2, 3)
olup amaç fonksiyonunun enbüyükleme olduğu
hatırlanırsa, yeni durumda temel olmayan
değişkenler için

satırı değerleri artık eniyilik
koşullarını sağlamamaktadır. s
1
değişkenine
karşı gelen değer, (-2) , negatif olup, bu
değişkenin temele alınması halinde amaç
fonksiyonunun mevcut durumda 140 olan değeri
daha da büyüyebilecek demektir. Bu durumda
işlemler s
1
değişkeni temele alınarak bilinen
Simpleks Algoritması adımları ile devam eder.
Sıra Sizde 2

temel dışı değişkendir.

olmaktadır. S. 98’de belirtildiği gibi; katkısı
değişen değişken eğer temel dışı ise, bu durumda
amaç fonksiyonu satırında sadece o değişkene
karşı gelen değer için işlemlerin yapılması yeterli
olacaktır. Bu da R matrisi ve C vektöründe
sadece sözkonusu değişkenle ilgili vektörün
gözönünde bulundurulması ve işlemin

-
= 2
şeklinde yapılmasını gerektirir.


115

temel dışı değişkeninin, yeni durumda, amaç
fonksiyonu satırına karşı gelen değeri olup
amaç fonksiyonu enküçükleme olduğuna göre
eniyilik koşulları korunmamaktadır.

değişkeninin temele alınması gerekmektedir.
Sıra Sizde 3
B
-1
b olmalıdır.
Mevcut durumda kaynak vektörü,

=

şeklindedir.
Burada birinci kısıta karşı gelen sağ taraf sabiti

‘in değerinin 258’e çıkması durumu
sorgulanmaktadır.

=



olup,
B
-1

=

=

olduğundan uygunluk koşulları korunmaktadır.















Yararlanılan Kaynaklar
Taha, H, (2003), Yöneylem Araştırması, 3.
Basım, (Baray Ş. A., Esnaf Ş. tarafından çeviri),
Literatür Yayıncılık, İstanbul.
Winston W. L., 4
th
Edition, Operations
Research: Applications and Algorithms.
Kara, İ., (2000), Doğrusal Programlama, Bilim
Teknik Yayınevi, İstanbul.



116

Amaçlarımız
Bu üniteyi tamamladıktan sonra;
Verilen bir doğrusal karar modelinin ikilini yazabilecek,
İkil değişkenlerin ekonomik anlamını açıklayabilecek,
Asıl ve ikil modeller arasındaki ilişkileri ifade edebilecek,
İkil değişkenleri bulabilecek,
Kaynakların gölge fiyatlarını yorumlayabilecek
bilgi ve becerilere sahip olabilirsiniz.

Anahtar Kavramlar
İkillik
İkil Model
Asıl Model
İkil Değişken
Kanonik Biçim
Boşluk Değişkeni
Aylak Değişken
Artık Değişken
Sıkı Kısıt
Gölge Fiyat

İçindekiler
Giriş
Doğrusal Karar Modelinin İkili
İkil Değişkenlerin Ekonomik Anlamı
Asıl ve İkil Modellerin Çözümleri Arasındaki İlişkiler
İkil Problemin Çözümünün Asıl Simpleks Tablosundan Elde Edilmesi
İkil Problemi Kullanarak Asıl Problemin Çözülmesi
Gölge Fiyatlar
6


117
GİRİŞ
İkillik ya da Latince kökenli adıyla dualite kelimesi, farklı alanlarda değişik anlamlara sahip olsa da,
genel olarak karşıtlık ve birbirini tamamlayıcılık özelliklerine işaret etmektedir. Sembolik olarak Şekil
6.1’de görüldüğü gibi siyah-beyaz bir daireyle gösterilen, Uzakdoğu ve özellikle bir Çin felsefesi olarak
tanınan Yin ve Yang, ikillik ilkesini çok iyi anlatır. Bu düşünceye göre, her şeyin birbirinden ayrılamaz
iki karşıt kutbu vardır. Kutuplar az da olsa karşıtını mutlaka içerisinde barındırır ve karşıtlar birbirine
dönüşebilen yapıdadır.
Türk Dil Kurumu tarafından yayınlanan büyük Türkçe sözlükte “dualite ilkesi” teriminin anlamı, iki
temel kavramın yer aldığı bir önermede bu iki kavramın yerleri değiştirildiğinde doğru olan yeni bir
önermenin elde edilmesi olarak tanımlanmaktadır.
İkillik konusunun doğrusal programlama ile ilgisi, eniyi çözümü aranan her doğrusal karar probleminin
gerçekte “asıl” ve “ikil” olarak adlandırılan, birbiriyle yakından ilişkili iki ayrı modeli içermesinden ileri
gelir. Bu modeller, ikilliğin felsefi anlamına da ters düşmeyecek şekilde, birbirinin hem karşıtı sayılabilen
hem de birbirine dönüşebilen yapıda olan modellerdir. Bir doğrusal programlama probleminin asıl ve ikil
modellerinin çözümleri arasındaki ilişkilerin bilinmesi önemlidir. Asıl problem veya asıl model, eniyi
çözümü aranan problemdir. Doğrusal programlama problemleri ile ilgili çözüm teknikleri, asıl modellerin
çözümü üzerine yoğunlaşmıştır. İkil model ise, asıl modelin parametreleri kullanılarak oluşturulan ve
karşıt yönde amaç fonksiyonuna sahip olan diğer modeldir.



Şekil 6.1: Evrensel ikilliği simgeleyen Yin ve Yang sembolü

Doğrusal programlamada ikilliğin önemli olmasının başlıca üç ana nedeni bulunmaktadır:
1. İkil modelin değişkenlerinden hareketle, asıl problemle ilgili önemli ekonomik açıklamalarda
bulunma ve yorum yapma imkanı sağlar.
2. Modelin yapısındaki veya parametrelerindeki değişimleri inceleyen duyarlılık analizleri ile ilgili
işlemlere katkıda bulunur.
3. Bazı durumlarda ikillik, ilgilenilen asıl problemin çözümünü kolaylaştırır.


İkillik (Dualite)


118
DOĞRUSAL KARAR MODELİNİN İKİLİ
Verilen bir doğrusal karar modelinin ikil modelini yazma işlemi “ikilini alma” olarak ifade edilir. İkil
modelin karar değişkenleri ise “ikil değişkenler” olarak adlandırılır. İkinci üniteden hatırlanacağı gibi,
verilen bir doğrusal programlama modeli standart veya kanonik biçime dönüştürülebilmektedir. Kanonik
biçimde yazılmış bir doğrusal karar modelinin ikilini almak daha kolaydır. Bu bölümde öncelikle kanonik
modelin ikilinin yazılması üzerinde durulmakta, daha sonra kanonik olmayan bir modelin ikilinin nasıl
alınacağı açıklanmaktadır.

Kanonik Modelin İkili
Kanonik biçimde, eğer problemin amacı enbüyükleme ise tüm kısıtlar ≤ tipinde, eğer enküçükleme ise
tüm kısıtlar ≥ şeklinde olur. Ayrıca, karar değişkenlerinin tümünün sıfırdan büyük eşit olma (veya
negatif değer almama) koşulunu taşıması gerekir.
Bir doğrusal karar modeli uygun işlemlerden sonra,
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
≤ b
1

a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
≤ b
2

.
.
.

.
.
.

.
.
.
.
.
.
a
m1
x
1
+ a
m2
x
1
+ . . . + a
mn
x
n
≤ b
m

x
j
≥ 0 (j=1,2,...,n)

kısıtları altında
Enb z = c
1
x
1
+ c
2
x
2
+ . . . + c
n
x
n


şeklinde tanımlanmışsa, bu yapının ikili

a
11
y
1
+ a
21
y
2
+ . . . + a
m1
y
m
≥ c
1

a
12
y
1
+ a
22
y
2
+ . . . + a
m2
y
m
≥ c
2

.
.
.

.
.
.

.
.
.
.
.
.
a
1n
y
1
+ a
2n
y
2
+ . . . + a
mn
y
m
≥ c
n

y
i
≥ 0 (i=1,2,...,m)
kısıtları altında
Enk v = b
1
y
1
+ b
2
y
2
+ . . . + b
m
y
m

olarak ifade edilir. İkil modelde y
1
, y
2
,…, y
m
ile gösterilen değişkenler ikil değişkenlerdir.
Kanonik biçimde, enbüyükleme problemleri için tüm kısıtlar ,
enküçükleme problemleri için ise biçiminde olur.
Yukarıdaki modellere dikkat edilirse, her iki modelin de farklı yerlerde aynı parametreleri kullandığı
görülür. Kanonik biçimli ve enbüyükleme amaçlı bir problemin ikilini yazarken ortaya çıkan durumlar
aşağıdaki şekilde özetlenebilir:
1. Asıl modelde amaç fonksiyonunun enbüyük değeri aranıyor iken, ikil modelde bunun karşıtı
olan enküçük değer araştırılmaktadır.
2. Asıl modelde tüm kısıtların yönü ≤ iken, ikil modelde tüm kısıtların yönü bunun karşıtı olan ≥
şeklindedir.


119
3. Asıl modelde m adet kısıt varken, ikil modelde m adet karar değişkeni (y
1
,y
2
,…,y
m
)
bulunmaktadır. Bir başka deyişle asılın her kısıtı için bir ikil değişken tanımlanmaktadır.
4. Asıl modelde n adet karar değişkeni bulunurken, ikilinde n adet kısıt yer almaktadır. Bir diğer
deyişle asılın her değişkeni ikilin bir kısıtına karşı gelmektedir.
5. Asıl model kısıtlarının sağ taraf sabitleri (b
i
), ikilin amaç fonksiyonu katsayılarıdır.
6. Asıl modelin amaç fonksiyonu katsayıları (c
j
), ikil model kısıtlarının sağ taraf sabitleridir.
7. Asıl modelde i. kısıtın sol tarafındaki satır katsayıları (a
i1,
a
i2,

,
a
in,
), ikil modelin y
i
değişkenine
ait sütun katsayıları olmaktadır.
8. Hem asıl hem de ikil modelin değişkenleri sıfırdan büyük eşit olarak tanımlanmıştır.
Eğer asıl model kanonik biçimli ve enküçükleme amaçlı ise, bunun ikil modeli, yukarıda sıralanan
durumların ilk ikisi dışında kalan özelliklerin tamamını sağlamak zorundadır. Farklı olarak ikil modelin
amaç fonksiyonu enbüyükleme yönünde ve tüm kısıtları ≤ biçiminde olmalıdır.
Enküçükleme amaçlı bir doğrusal karar modeli,
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
≥ b
1

a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
≥ b
2

.
.
.

.
.
.

.
.
.
.
.
.
a
m1
x
1
+ a
m2
x
1
+ . . . + a
mn
x
n
≥ b
m

x
j
≥ 0 (j=1,2,...,n)

kısıtları altında
Enk z = c
1
x
1
+ c
2
x
2
+ . . . + c
n
x
n


biçiminde gösterilmişse, ikil modeli

a
11
y
1
+ a
21
y
2
+ . . . + a
m1
y
m
≤ c
1

a
12
y
1
+ a
22
y
2
+ . . . + a
m2
y
m
≤c
2

.
.
.

.
.
.

.
.
.
.
.
.
a
1n
y
1
+ a
2n
y
2
+ . . . + a
mn
y
m
≤ c
n

y
i
≥ 0 (i=1,2,...,m)
kısıtları altında
Enb v = b
1
y
1
+ b
2
y
2
+ . . . + b
m
y
m

şeklinde tanımlanır.
Kanonik biçimdeki doğrusal karar modelinin ikilini kolaylıkla oluşturabilmek için Tablo 6.1 ve Tablo
6.2’den yararlanılabilir. Tablo 6.1, asıl modelin parametreleri ile soldan sağa doğru doldurulur. Asıl kısıt
tipine ve amacına göre, ikil modelin kısıtlarının ve amacının yönü, Tablo 6.2’den yararlanarak yazılır.
Tablo yukarıdan aşağıya okunduğunda ikili bulunmuş olur. Tablo kullanılarak ikil modelin oluşturulması,
biri enbüyükleme diğeri enküçükleme amaçlı olarak hazırlanmış iki örnek üzerinde gösterilmektedir.









120
Tablo 6.1: Tablo yardımıyla kanonik biçimdeki asıl modelin ikilinin oluşturulması

Asıl
değişkenler
İkil
değişkenler
x
1
≥ 0

x
2
≥ 0

. . .

x
n
≥ 0

Asıl kısıt
tipi

İkil
amaç

y
1
≥ 0 a
11
a
12
. . . a
1n
• b
1

y
2
≥ 0 a
21
a
22
. . . a
2n
• b
2

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
y
m
≥ 0 a
m1
a
m2
. . . a
mn
• b
m

İkil kısıt tipi • • •
Asıl amaç c
1
c
2
. . . c
n


Tablo 6.2: Kanonik biçimdeki asıl ve ikil modeller arasındaki ilişkiler

ASIL PROBLEM İKİL PROBLEM
Amaç Kısıt tipi Değişkenin
işareti
Amaç Kısıt tipi Değişkenin
işareti
Enbüyükleme ≤ ≥ 0 Enküçükleme ≥ ≥ 0
Enküçükleme ≥ ≥ 0 Enbüyükleme ≤ ≥ 0

Örnek 6.1.
Enbüyükleme amaçlı ve kanonik biçimli bir doğrusal programlama modelinin tüm kısıtları “≤” tipinde
ve bütün karar değişkenleri “ ≥ 0 ” olarak ifade edilir. Aşağıda görülen kanonik biçimde yazılmış
doğrusal programlama modelinin ikilini bulalım.

X
1
+ 2x
2
≤ 5
X
1
- 5x
2
≤ -3
4x
1
+ 7x
2


≤ 8
x
1
, x
2
≥ 0
k.a.
Enbz = 5x
1
+ 6x
2

Yukarıdaki gösterimde k.a. kısıtları altında anlamına gelmektedir.
Tablo 6.2’den ikil modelin amacının enküçükleme ve kısıtların “≥” yönünde olacağı görülmektedir.
İkil modeli yazabilmek için öncelikle, asıl modelin parametrelerinin yer aldığı Tablo 6.3 oluşturulur.
Daha sonra aynı tablo üzerine ikil modelin kısıt işaretleri ve amaç yönü yazılarak, verilen problemin ikil
modeli aşağıdaki şekilde elde edilir:


121
3 2 1
3 2 1
3 2 1
3 2 1
y y y
0 y y y
6 7y 5y 2y
5 4y y y
8 3 5
. .
, ,
+ − =

≥ + −
≥ + +
Enkv
a k

Tablo 6.3: Örnek 1’deki modelin ikilinin oluşturulması

Asıl
değişkenler
İkil
değişkenler
x
1
≥ 0

x
2
≥ 0

Asıl kısıt
tipi

Enkv

y
1
≥ 0 1 2 ≤ 5
y
2
≥ 0 1 -5 ≤ -3

y
3
≥ 0 4 7 ≤ 8
İkil kısıt tipi ≥ ≥
Enbz 5 6

Örnek 6.2.
Enküçükleme amaçlı ve kanonik biçimli bir doğrusal programlama modelinin tüm kısıtları ≥ tipinde ve
bütün karar değişkenleri “ ≥ 0 ” olarak ifade edilir. Aşağıdaki verilen enküçükleme amaçlı ve kanonik
biçimli yazılmış doğrusal programlama modelinin ikilini bulalım.
3 2 1
3 2 1
3 2 1
3 2 1
2 3 6
. .
0 , ,
6 2 4 2
2 3 6
x x x Enkz
a k
x x x
x x x
x x x
+ + =

≥ + +
≥ + −

İkil modelin amacı, asıl modeldekinin karşıtı olarak enbüyükleme yönünde ve kısıtları ≤ tipinde
olacaktır. İlk örnektekine benzer şekilde Tablo 6.4’ü oluşturabilir ve ikil modeli aşağıdaki şekilde
yazabiliriz:
2 1
2 1
2 1
2 1
2 1
6 2
. .
0 ,
2 2
3 4 3
6 2 6
y y Enbv
a k
y y
y y
y y
y y
+ =

≤ +
≤ + −
≤ +








122
Tablo 6.4: Örnek 2’deki modelin ikilinin oluşturulması

Asıl
değişkenler
İkil
değişkenler
x
1
≥ 0

x
2
≥ 0

x
2
≥ 0

Asıl kısıt
tipi

Enbv

y
1
≥ 0 6 -3 1 ≥ 2
y
2
≥ 0 2 4 2 ≥ 6

İkil kısıt tipi ≤ ≤ ≤


Enkz 6 3 2

Genel Modelin İkili
En iyi değerini aradığımız doğrusal karar modeli, her zaman kanonik biçimde olmayabilir. Modelin
kısıtları, kullanılan kaynak miktarlarına göre “ ≥” , “≤” veya “=” tipinde verilebilir. Karar
değişkenlerinin bazılarının sıfırdan küçük eşit olması istenirken, bazılarının serbest işaretli olması (−, 0, +
işaretli değer alabilen) istenebilir. Kanonik biçimde olmayan bir doğrusal karar modelinin, izleyen iki
yoldan birini kullanarak ikilini oluşturmak mümkündür:
1. Uygun işlemlerle karar modelini kanonik biçime dönüştürmek ve ikil modelini yazmak.
2. Dönüştürme işlemini yapmadan, genel kuralları uygulayarak doğrudan ikil modeli yazmak.
Genel bir doğrusal karar modelinin ikilinin yazılmasında gözönüne alınacak ilişkiler Tablo 6.5’te
gösterilmektedir. Tabloda hangi problemin asıl, hangisinin ikil olduğu özellikle belirtilmemiştir. Verilen
problemin amacına göre herhangi bir sütun asıl model olarak ele alınıp, diğer sütunda karşı gelen
koşullardan hareketle ikil modeli kolaylıkla oluşturmak mümkündür. Tablodaki bağıntıları dikkatle
incelersek aşağıdaki genel sonuçlara ulaşabiliriz:
• Asıl ve ikil modellerin amaçları karşıt yöndedir. Bir model enbüyükleme amaçlı ise diğeri
enküçükleme amaçlıdır.
• Bir modeldeki i. kısıt, diğer modeldeki i. karar değişkenine karşı gelir.
• Bir modeldeki i. kısıtın yönü, diğer modelde bu kısıta karşı gelen i. karar değişkeninin işaretini
belirler.
• Eğer bir modelde i. kısıt eşitlik olarak ifade edilmişse, diğer modelin i. karar değişkeni serbest
işaretli olur.
• Bir modeldeki kısıtın yönü eğer kanonik biçimde öngörülenin tersi yönündeyse, diğer modelde
buna karşı gelen karar değişkeni “ ≤ 0” olarak tanımlanır.

Tablo 6.5: Genel doğrusal karar modelinin ikilinin alınması

ENKÜÇÜKLEME PROBLEMİ

ENBÜYÜKLEME PROBLEMİ
Değişkenler
≤ 0
≥ 0
serbest





=
Kısıtlar
Kısıtlar


=



≥ 0
≤ 0
serbest
Değişkenler




123
Örnek 6.3.
Aşağıdaki verilen doğrusal programlama modelinin ikilini yazalım.
2 1
2 1
2 1
2 1
2 1
6 5
0
8 7 4
3 5
5 2
x x Enbz
k.a.
x serbest, x
x x
x -x
x x
+ =

≤ +
≥ +
= +

Görüldüğü gibi asıl modelimiz enbüyükleme amacına sahiptir ve kanonik biçimde yazılmamıştır.
Birinci yol, önce bu modeli uygun işlemlerle kanonik biçime dönüştürmek, daha sonra ikilini
oluşturmaktır. Kanonik biçimdeki modellerin ikilini almakla ilgili örnekler yaptığımızdan, şimdi ikinci
yolu izleyerek, yani doğrudan Tablo 6.5’teki genel kuralları uygulayarak adım adım ikil modeli
oluşturmaya çalışalım.
1. Asıl modelin amacı enbüyükleme olduğundan, ikilin amacı bunun tersi yani enküçükleme olur.
2. Asıl modelde 3 kısıt olup, bu kısıtların her birine ikil modelde bir değişken karşı gelir (y
1
, y
2
, y
3
)
3. Asıl modelin birinci kısıtı “=” şeklinde olduğundan, y
1
serbest işaretli olur.
4. Asıl modelin ikinci kısıtı “≥” yönünde olup, kanonik biçimde öngörülenin tersi yönündedir
(Enbüyükleme amaçlı kanonik biçimde, tüm kısıtların yönünün “≤” yönünde olduğunu
hatırlayalım). Bu durumda y
2
ikil değişkeni de kanonik biçimde öngörülenin ters işaretlisi
olarak, y
2
≤ 0 olarak tanımlanır (Kanonik biçimde, değişkenlerin işaretinin “≥0” olduğunu
hatırlayalım).
5. Asıl modelin üçüncü kısıtı “≤” yönünde olup, kanonik biçimde öngörülenle aynı yöndedir. Bu
durumda y
3
≥ 0 olarak tanımlanır.
6. Asıl modeldeki her değişkene karşılık, ikil modelde bir kısıt karşı gelir. Buna göre ikil model iki
kısıta sahip olacaktır.
7. Asıl modeldeki x
1
serbest işaretli olduğundan, ikilin birinci kısıtı “=” şeklinde ifade edilir.
8. Asıl modeldeki x
2
≥ 0 olduğundan, ikilin ikinci kısıtı kanonik biçimde gösterildiği gibi “≥”
yönünde olacaktır (ikil modelin amacı enküçüklemek olduğundan, kanonik biçimde kısıtların ≥
yönünde olması gerekir)
Yukarıdaki açıklamalara göre oluşturulan Tablo 6.6’yı kullanarak, ikil model aşağıdaki şekilde elde
edilir.
3 2 1
3 2 1
3 2 1
3 2 1
8 3 5
0 , 0
6 7 5 2
5 4
y y y Enkv
k.a.
y y serbest, y
y y y
y y y
+ + =
≥ ≤
≥ + +
= + −














124
Tablo 6.6: Örnek 3’teki modelin ikilinin alınması

Asıl
değişkenler
İkil
değişkenler
x
1

serbest

x
2
≥ 0

Asıl kısıt
tipi

Enkv

y
1
serbest 1 2 = 5
y
2
≤ 0 -1 5 ≥ 3

y
3
≥ 0 4 7 ≤ 8
İkil kısıt tipi = ≥
Enbz 5 6
İkilliğin önemli özelliklerinden birisi “Bir doğrusal programlama
probleminin ikil modelinin ikili, asıl modele karşı gelir.” olarak tanımlanmaktadır.
Aşağıdaki doğrusal karar modelinin önce ikilini alınız. Daha sonra, ikil modelin tekrar
ikilini alarak, asıl modeli elde ediniz.

2 1
2 1
2 1
2 1
8 6
. .
0 ,
7 2 5
4 3
x x Enkz
a k
x x
x x
x x
+ =

≥ +
≥ +

İKİL DEĞİŞKENLERİN EKONOMİK ANLAMI
Giriş kısmında, ikil değişkenlerden yararlanarak, asıl problemle ilgili önemli ekonomik yorumlar
yapılabileceği ifade edilmişti. Verilen bir doğrusal programlama modelinin ikilinin nasıl elde edileceği
örneklerle açıklanarak gösterildi. Artık oluşturulan ikil modelden yararlanarak, asıl problemin ekonomik
açıdan nasıl yorumlanabileceği konusunu ele alabiliriz. Konunun daha iyi anlaşılması için, izleyen örnek
problem üzerinden gidilecektir. Doğrusal programlama modelleri, genellikle sınırlı kaynak kullanımı
kısıtları altında gelir ya da karın enbüyüklenmesi amacına yönelik olarak geliştirilen, bir kaynak dağıtım
modeli gibi düşünülebilir. Örnek problemde de, karı enbüyükleyen üretim miktarlarının bulunması
istenmektedir.

Örnek 6.4 (Bahar Mobilya)
Bahar mobilya şirketi, izleyen ay için almış olduğu özel bir sipariş gereği, diğer ürünlerinin yanında A
ve B olarak tanımladığı ahşap el yapımı iki yeni ürün daha imal etmek istemektedir. Ürünler, montaj ve
cilalama olmak üzere iki ana süreçten geçerek imal edilecek, daha sonra stoklanması için depoya
gönderilecektir. Mevcut işgücü olanakları dikkate alınarak, iki ürün için montaj işlerine en fazla 82 saat,
cilalama işlerine ise en fazla 112 saat ayrılabileceği belirlenmiştir. Depoda bu ürünlerin stoklanması için
ayrılacak yer ise toplamda en fazla 10 ürüne yetecek kadardır. A ürününün bir birim imalatı için 4 saat
montaj ve 14 saat cila işçiliği, B ürünü için birim başına 10 saat montaj ve 8 saat cila işçiliği
gerekmektedir. Ürünlerin bitmiş haldeki boyutları birbirine yakın olup, depoda birim başına 1 m
2
stok
alanı ayrılması yeterlidir. Satıştan elde edilecek birim karlar ise, A için 40, B için 70 olarak
belirlenmiştir.
Yukarıdaki bilgilere göre asıl problemimiz, şirketin karını enbüyükleyecek üretim miktarlarının
bulunmasıdır. X
A
ve X
B
, A ve B ürünlerinden imal edilecek miktarları gösteren karar değişkenleri olmak
üzere, asıl karar modeli


125
) ( 70 40
. .
0 ,
10
112 8 14
82 10 4
mesi enbüyüklen karın
kısıtları) (işaret
kısıtı) yer (depo
kısıtı) saati (cilalama
kısıtı) ati (montaj sa
B A
B A
B A
B A
B A
x x Enbz
a k
x x
x x
x x
x x
+ =

≤ +
≤ +
≤ +

şeklinde ifade edilir.
Asıl problemde, üç farklı kaynağı kullanarak (montaj saati, cilalama saati, depo yeri), iki çeşit ürün
(A ve B) imal etmek isteyen bir mobilya şirketi bulunmaktadır. Firmanın elindeki mevcut kaynaklar sınırlı
olup bunların enbüyük kullanım miktarları (kapasiteleri) ve her ürünün satışından elde edilecek birim
karlar bilinmektedir. Özetle asıl problem, kaynak kısıtları altında, enbüyük kazançlı ürün imal etme ya
da satma problemidir.
Şimdi ikil problemin doğrusal karar modelini oluşturalım. İkil problem, asıl problemin karşıtı olarak,
kâr kısıtları altında, enküçük maliyetli kaynak satın alma problemi olarak ortaya çıkar. İkil problemi
açıklayabilmek için, mobilya sektöründe yer alan bir başka girişimcinin kendi sahip olduğu kaynakların
yetersiz kalması yüzünden, Bahar Mobilyanın A ve B ürünlerini imal etmekte kullanacağı tüm
kaynakları bir aylığına satın almak ya da kiralamak istediğini varsayalım. Girişimci, cilalama, montaj ve
depo yeri olarak tanımlanan kaynakların birim başına satın alma fiyatı için, mobilya şirketi ile pazarlık
yaparak satın alma maliyetini enküçüklemek isteyecektir. Mobilya şirketinin karşı karşıya kaldığı
problem bir kâr enbüyükleme problemi iken, girişimcinin çözmek zorunda olduğu problem bir maliyet
enküçükleme problemi olarak ortaya çıkmaktadır. Tablo 6.7’de ikil problemle ilgili veriler yer
almaktadır.

Tablo 6.7: Girişimci firmanın problemine ilişkin veriler


Kaynak
1 birim ürün için gerekli
kaynak miktarı
Kaynakların
eldeki miktarları
A B
Montaj (saat)
Cilalama (saat)
Depo yer alanı (m
2
)
Birim kâr (¨)
4
14
1
40
10
8
1
70
82
112
10

Yukarıdaki açıklamalara göre, ikil problemde cevabını aradığımız üç soruyu,
1. Montaj işçiliğinin 1 saati için ödenecek fiyatın ne olacağı,
2. Cilalama işçiliğinin 1 saati için ödenecek fiyatın ne olacağı,
3. Depoda 1 metrekarelik yer için ödenecek fiyatın ne olacağı,
şeklinde tanımlayabiliriz.
Kaynakların birim fiyatları sırasıyla y
1
, y
2
, y
3
olsun. Bahar Mobilyanın elinde bulunan kaynakların
miktarları, 82 saat montaj işçiliği, 112 saat cilalama işçiliği ve 10 m
2
depo alanıdır. Girişimci, mobilya
firmasının A ve B ürünleri için kullanacağı tüm kaynakları satın almak istediğine göre, bu kaynakların
hepsine ödemesi gereken fiyatı “v” ile gösterirsek,
3 2 1
10y 112y 82y + + = v



126
şeklinde tanımlanır. Girişimci açısından kaynakların bir aylık kiralama ya da satın alma bedeli
enküçüklenmek istendiğinden, kurmak istediğimiz modelin amaç fonksiyonu
3 2 1
10y 112y 82y Enkv + + =

olarak ifade edilecektir. İkil doğrusal programlama modelinin çözümü ile, akıllı bir girişimci için satın
alma fiyatları kabul edilebilir olan en az maliyetli plana ulaşılacaktır.
Kaynak birim fiyatlarını belirlerken, göz önüne almamız gereken kısıtlar, ürünlerin satışından elde
edilecek kazançlarla ilgilidir. Bahar Mobilyanın kaynaklarını satmaya ya da kiralamaya istekli olması
için, kira bedelinin en az, mobilya şirketinin A ve B ürünlerini imal ettiğinde elde edeceği kazanç kadar
olması gerekir. Yani, kaynak birim fiyatları öyle belirlenmelidir ki, Bahar Mobilya sahip olduğu
kaynakları kullanarak ürün imal etmek yerine, girişimci firmaya satmaya ikna olsun. Bir diğer deyişle,
kaynak ücretleri, mobilyacıyı satışa teşvik edecek kadar yüksek, fakat girişimciyi satın almaktan
vazgeçirmeyecek kadar düşük olmalıdır.
A ürününü ele alalım. Bir birim A ürününü imal etmek için gerekli kaynaklar, 4 saat montaj işçiliği, 14
saat cilalama işçiliği ve 1 m
2
depo alanıdır. Girişimcinin mobilya firmasına bu kaynak bileşimi için en az
40 fiyat önermesi gerekir. Çünkü mobilya şirketi arzu ederse, bu kaynak bileşimini satmak yerine, 1
birim A ürünü elde etmek için kullanıp 40 kâr elde edebilir. O zaman girişimcinin 1 adet A ürünü için
kullanılan kaynakların değeri için en az 40 ödemesi gerekir ki bu durum aşağıdaki şekilde ifade edilir:
40 y 14y 4y
3 2 1
≥ + +

Yani, 1 birim A ürünü imal etmek için gereken girdilerin değerleri toplamının A ürününün
kazancından fazla ya da eşit olması gerekir. Benzer şekilde, girişimci 1 adet B ürünü için kullanılan
kaynakların toplam değeri için en az 70 ödemelidir. Aşağıdaki kısıt 1 birim B ürünü imal etmek için
gereken girdilerin değerleri toplamının B ürününün kazancından fazla ya da eşit olması gerektiği
anlamına gelmektedir.
70 y 8y 10y
3 2 1
≥ + +
Kaynakların birim fiyatları negatif değer alamayacağından, izleyen işaret kısıtlarını da ekleyebiliriz:
0 y y y
3 2 1
≥ , ,
Bütün bu yazdıklarımızı bir araya getirdiğimizde aşağıdaki doğrusal karar modelini elde ederiz ki, bu
model asıl modelimizin ikilidir.
3 2 1
3 2 1
3 2 1
3 2 1
10y 112y 82y Enkv
k.a.
0 y , y , y
70 y 8y 10y
40 y 14y 4y
+ + =

≥ + +
≥ + +

Özetle, asıl model enbüyükleme amaçlı iken, ikil değişkenler modelin karşı gelen kaynaklarıyla ilgili
fiyat düzeyinin araştırıldığı karar değişkenleri olmaktadır. İkil modelde i.nci ikil değişken, asılda i.nci
kısıt ile ilişkilidir. Örneğimizde, y
1
montaj saati, y
2
cilalama saati, y
3
ise depo alanı ile ilişkili olan ikil
değişkenlerdir. İkil modeldeki kısıtlar ise, asıl modelin karar değişkenlerine karşı gelmektedir. Birinci ikil
kısıt A ürününün imalatını, ikinci ikil kısıt B ürününün imalatını göz önüne alarak oluşturulmuştur.

ASIL VE İKİL MODELLERİN ÇÖZÜMLERİ ARASINDAKİ
İLİŞKİLER
Asıl ve ikil problemlerin çözümleri arasındaki ilişkiler üç ana özelliğe bağlı olarak açıklanabilir. Bunlar,
her iki problemin uygun çözümleri arasındaki ilişkiyi tanımlayan “zayıf ikillik özelliği”, her iki modelin
de eniyi değerlerinin eşit olduğunu belirten “güçlü ikillik özelliği” ve eniyi çözümleri ilişkilendiren
“aylaklığın tamamlayanı özelliği” olarak adlandırılmaktadır.




127
Zayıf İkillik Özelliği
Zayıf ikillik özelliğine göre, asıl ve ikil problemlerin her ikisi de uygun çözümlü olduğunda, bu
modellerin herhangi uygun çözümlerine karşı gelen amaç fonksiyonu değerleri arasında daima,














değeri fonksiyonu amaç
n problemini e Enküçüklem
değeri fonksiyonu amaç
n problemini e Enbüyüklem

ilişkisi sağlanır.
Bir doğrusal programlama problemi için geliştirilen asıl ve ikil modellerden birisi enbüyükleme amaçlı
ise diğeri enküçükleme amaçlı olacaktır. Bu ilişki için, hangisinin asıl hangisinin ikil problem olduğu
değil, eniyilemenin yönü önemlidir. Zayıf ikillik özelliğinden yararlanarak, asıl veya ikil problemlerden
birisinin uygun bir çözümüne karşı gelen amaç fonksiyonu değerini, diğer problemin eniyi değeri için alt
veya üst sınır olarak kullanabiliriz. Örneğin, enküçükleme probleminin herhangi bir uygun çözümüne
karşı gelen amaç fonksiyonu değeri, enbüyükleme probleminin eniyi değeri için bir üst sınır verecektir.
Benzer şekilde, enbüyükleme probleminin bir uygun çözümüne karşı gelen amaç fonksiyonu değeri,
enküçükleme probleminin eniyi değeri için bir alt sınır değeri oluşturacaktır.
Örnek 6.5.
Bahar Mobilya örneğini göz önüne alalım. Asıl model için ve ikil model için uygun çözümler
belirleyerek, zayıf ikillik özelliğini gösterelim.
Uygun çözümler ve amaç fonksiyonu değerleri,
Asıl model için : X
A
=5 ve X
B
=4 ve Z = 40X
A
+70X
B
= = 40(5) + 70(4) = 480
İkil model için : y
1
=5, y
2
=2, y
3
=4 ve V = 82y
1
+112y
2
+10y
3
= 82(5) + 112(2) + 10y
3
= 670
olsun. Zayıf ikillik özelliğine göre, enküçükleme problemine karşı gelen değerin en az, enbüyükleme
problemine karşı gelen değer kadar olması gerekir. Bahar mobilya örneğinde, asıl modelimiz
enbüyükleme ve ikil modelimiz enküçükleme amaçlı olup,
Z=480 ≤ V=670
olarak gerçekleşmekte ve zayıf ikillik özelliğinin sağlandığı görülmektedir.
Doğrusal karar modelinin uygun bir çözümünün, modelin tüm
kısıtlarını aynı anda sağlayan herhangi bir çözüm olduğunu hatırlayalım.
Zayıf ikillik özelliğinden yararlanarak, asıl ve ikil modellerin eniyi değerleri için sınırlar belirlenebilir.
Enküçükleme amaçlı ikil modelin eniyi değeri en az 480 en fazla 670 olacaktır. Benzer şekilde,
enbüyükleme amaçlı asıl modelin eniyi değeri en fazla 670, en az 480 olarak elde edilecektir. Buradan,
her iki modelin de eniyi değerlerinin [480, 670] arasında değişeceği söylenebilir.

Güçlü İkillik Özelliği
Güçlü ikillik özelliğine göre, asıl veya ikil problemden herhangi birisi sınırlı değerde bir eniyi çözüme
sahipse, diğerinin de mutlaka bir eniyi çözümü vardır ve her iki problemin eniyi değerleri birbirine eşittir.
Bir başka deyişle, asıl ve ikil problemlerin bir eniyi değeri varsa, bu değerler arasında daima,

Enbüyükleme probleminin
eniyi değeri






=
Enküçükleme probleminin
eniyi değeri








ilişkisi sağlanır. Bu özellikten yararlanarak, asıl veya ikil modellerden herhangi birinin eniyi değerini
biliyorsak diğer modelin eniyi değerinin de buna eşit olacağını söyleyebiliriz. Zayıf ve güçlü ikillik
özellikleri ile ifade edilen ilişkiler şekil 6.2’de gösterilmektedir.


128


Şekil 6.2: Asıl ve ikil uygun çözümler arasındaki ilişki
Örnek 6.6.
Bahar mobilya örneğinde, asıl modelin eniyi çözümü X
A
=3 ve X
B
=7, ikil modelin eniyi çözümü de
y
1
=5, y
2
=0 ve y
3
=2 olarak verilsin. Eniyi çözümlerin güçlü ikillik özelliğini sağladığını gösterelim .
Asılın eniyi değeri,
“Enb Z=40X
A
+70X
B
” eşitliğinden, Enb Z=40(3) + 70(7) = 610
ve ikil modelin eniyi değeri,
“Enk V=82y
1
+112y
2
+10y
3


eşitliğinden, Enk V= 82(5) + 112(0) + 10(20) = 610 �
olarak bulunur. Görüldüğü gibi, asıl ve ikil modellerin eniyi çözümleri arasında,
Enbüyük Z = Enküçük V = 610 �
ilişkisi bulunmakta ve güçlü ikillik özelliği sağlanmaktadır.

İkillik Teoremi
Zayıf ve güçlü ikillik özelliklerinden hareketle, bir doğrusal programlama problemi için geliştirilen asıl ve
ikil modellerin çözümleri ile ilgili, aşağıdaki durumlardan sadece birisi söz konusu olur:
1. Asıl ve ikil modellerden her ikisinin sınırlı değerde eniyi çözümü vardır ve eniyi değerler
birbirine eşittir.
2. Asıl modelin uygun bir çözümü olup amaç fonksiyonu değeri sınırsız olduğunda, ikil modelin
uygun çözümü yoktur.
3. İkil modelin uygun bir çözümü olup amaç fonksiyonu değeri sınırsız olduğunda, asıl modelin
uygun çözümü yoktur.
4. Hem asıl hem de ikil modelin uygun bir çözümü yoktur.
Karşılaşılabilir durumlar Tablo 6.8’de özetlenmektedir. İkinci ve üçüncü durumlar kısaca
“Modellerden birisinin sınırsız değerde çözümü varsa, diğer modelin uygun çözümü yoktur” şeklinde de
ifade edilebilir.

Tablo 6.8: Asıl ve ikil modellerin çözümleri arasındaki ilişkiler

ASIL
İKİL
Sınırlı, bir eniyi
çözümü var
Sınırsız
değerde çözüm
Uygun bir
çözüm yok
Sınırlı, bir eniyi
çözümü var
1

Sınırsız
değerde çözüm

3
Uygun bir
çözüm yok

2 4


129
Aşağıda asıl modelleri verilmiş, dört adet doğrusal programlama
problemi görülmektedir. Her modelin kendisini ve ikilini grafik yöntemle çözerek, her biri
için Tablo 6.8’de gösterilen çözüm türlerinden hangisinin söz konusu olduğunu bulunuz.
2 1
2 1
2 1
2 1
2
. .
0 ,
2
4
x x Enbz
a k
x x
x x
x x
+ =

≤ −
− ≤ + −


(a)
2 1
2 1
2 1
2 1
2
. .
0 ,
2
4
x x Enbz
a k
x x
x x
x x
+ =

≤ +
− ≤ − −


(b)
2 1
2 1
2 1
2 1
2
. .
0 ,
2
4
x x Enbz
a k
x x
x x
x x
+ =

≤ −
≤ +

(c)
2 1
2 1
2 1
2 1
2
. .
0 ,
2
4
x x Enbz
a k
x x
x x
x x
+ =

≤ −
≤ −

(d)

Aylaklığın Tamamlayanı Özelliği
Aylaklığın tamamlayanı (complementary slackness), ikillik üzerine geliştirilen kavram ve teknikleri
bütünleştirerek, asıl ve ikil problemlerin eniyi çözümlerini ilişkilendiren önemli bir özelliktir. Bir kısıta
ait “boşluk değişkeni” ve “sıkı kısıt” terimlerinin tanımlanması, bu özelliğin daha kolay anlaşılmasını
sağlayacaktır.
Boşluk değişkeni, eniyi çözümde kısıtın eşitsizliğin sol tarafındaki değeri ile sağ taraf sabiti arasındaki
farkı veren değişkendir. Eğer kısıt “≤” türünde ise boşluk değişkeni “aylak değişken”, kısıt “≥” türünde
ise boşluk değişkeni “artık değişken “ olarak adlandırılır. Eğer eniyi çözümde, bir kısıta ait boşluk
değişkeni sıfıra eşitse, o kısıt tam eşitlik halinde gerçekleştiği için o kısıtın “sıkı kısıt” olduğu söylenir.
Kısıta eklenen boşluk değişkeni sıfırdan büyükse, ya aylak değişken ya da artık değişken sıfırdan büyük
değer almıştır. Kısıtın sol tarafı ile sağ taraf sabiti arasında fark olduğundan, kısıt sıkı değildir.
Aylaklığın tamamlayanı özelliği, asıl ve ikil problemler için uygun olan çözümlerin aynı zamanda
eniyi çözüm olmalarının ancak ve ancak aşağıdaki koşulların sağlanması ile mümkün olacağını söyler:
• Modellerden birisinde bir kısıtın boşluk değişkeni sıfırdan farklı ise, diğer modelde bu kısıta
karşı gelen değişkenin değeri sıfıra eşittir.
• Modellerden birisinde bir kısıtın boşluk değişkeni sıfıra eşitse, diğer modelde bu kısıta karşı
gelen değişkenin değeri sıfırdan farklıdır.
Yukarıdaki koşulları, aşağıdaki şekilde de ifade edilebiliriz. Bir doğrusal programlama probleminin
eniyi çözümünde,
• i.nci asıl kısıtın boşluk değişkeni > 0 i.nci ikil değişken = 0
• i.nci asıl kısıtın boşluk değişkeni = 0 i.nci ikil değişken > 0
• j.inci ikil kısıtın boşluk değişkeni > 0 j.inci asıl değişken = 0
• j.inci ikil kısıtın boşluk değişkeni = 0 j.inci asıl değişken > 0
olmak zorundadır. Kısaca, eniyi çözümde asıl veya ikil modelde bir kısıt sıkı değilse, diğer modelde bu
kısıta karşı gelen değişken sıfıra eşit olmak zorundadır. Koşullara dikkat edilirse, eniyi çözümde,


130
(i.nci asıl kısıtın boşluk değişkeni değeri) ×(i.nci ikil değişkenin değeri) =0 veya
(j.inci ikil kısıtın boşluk değişkeni değeri) ×(j.inci asıl değişkenin değeri) =0
eşitliklerinin sağlandığı görülür.
Eğer asıl ya da ikil problemlerden birinin eniyi çözümünü biliyorsak, diğer problemin eniyi çözümünü
aylaklığın tamamlayanı özelliğini kullanarak bulabiliriz.

Örnek 6.7.
Bahar Mobilya örneğinde, asıl modelin eniyi çözümü X
A
=3 ve X
B
=7, ikil modelin eniyi çözümü y
1
=5,
y
2
=0 ve y
3
=20’dir. Asıl ve ikil modellerin eniyi çözümündeki boşluk değişkenlerinin değerlerini ve hangi
kısıtların sıkı kısıt olduğunu bulalım. Daha sonra problemin eniyi çözümünde, aylaklığın tamamlayanı
özelliğinin sağlandığını gösterelim.
Önce asıl modeldeki boşluk değişkenlerini belirleyelim. Tüm kısıtlar “≤” şeklinde olduğundan, her
kısıta aylak değişken ekleyerek kısıtları eşitlik haline getirebiliriz. S
1
, S
2
ve S
3
aylak değişkenleri, boşluk
değişkenlerine karşı gelmek üzere asıl model,





B A
B A
B A
B A
B A
x x Enbz
a k
S S S x x
S x x
S x x
S x x
70 40
. .
0 , , , ,
10
112 8 14
82 10 4
3 2 1
3
2
1
+ =

= + +
= + +
= + +

şeklinde standart biçime dönüştürülür. Eniyi çözümde aylak değişkenlerin değeri;
0 10 ) 7 ( ) 3 ( 10
14 112 ) 7 ( 8 ) 3 ( 14 112 8 14
0 82 ) 7 ( 10 ) 3 ( 4 82 10 4
3 3 3
2 2 2
1 1 1
= → = + + → = + +
= → = + + → = + +
= → = + + → = + +
S S S x x
S S S x x
S S S x x
B A
B A
B A



olarak elde edilir. S
1
= S
3
=0 olduğundan birinci ve üçüncü kısıtlar sıkı kısıtlardır. Eniyi çözümde, kısıtın
sol tarafı ve sağ tarafındaki sayısal değerler birbirine eşittir. S
2
>0 olduğundan ikinci kısıt sıkı değildir.
Şimdi, ikil modeldeki boşluk değişkenlerini belirleyip, değerlerini hesaplayalım. Tüm kısıtlar “≥”
şeklinde olduğundan, her kısıttan artık değişken çıkararak kısıtları eşitlik haline getirebiliriz. A
1
, A
2
ve
A
3
artık değişkenleri, boşluk değişkenlerine karşı gelmek üzere, ikil model,

3 2 1
3 2 1
3 2 1
3 2 1
10y 112y 82y Enkv
k.a.
0 y , y , y
70 y 8y 10y
40 y 14y 4y
+ + =

= − + +
= − + +
2 1
2
1
, , A A
A
A

biçimine getirilir. Eniyi çözümde artık değişkenlerin değeri,

olarak hesaplanır. A
1
= A
2
=0 olduğundan birinci ve ikinci kısıtlar sıkı kısıtlardır.
Yukarıda hesaplanan değerlerden hareketle, Tablo 6.9’da aylaklığın tamamlayanı özelliği
açıklanmaktadır. Tablodan görüldüğü gibi, eniyi çözümde bir modeldeki boşluk değişkeni ile diğer
modelde o kısıta karşı gelen orijinal değişkenin çarpımı sıfıra eşit olmaktadır.


131
Tablo 6.9: Bahar Mobilya’nın eniyi çözümü için aylaklığın tamamlayanı özelliğinin gösterilmesi

Asıl Modeldeki Kısıt
Asılın Eniyi Çözümünde
Boşluk Değişkenin
Değeri
Eniyi Çözümde İkil
Değişkenin Değeri
Aylaklığın
Tamamlayanı
Özelliği
Montaj saati
Cilalama saati
Depo yeri
S
1
= 0
S
2
= 14
S
3
= 0
y
1
= 5
y
2
= 0
y
3
= 20
S
1
. y
1
= 0
S
2
. y
2
= 0
S
3
. y
3
= 0
İkil Modeldeki Kısıt
İkilin Eniyi Çözümünde
Boşluk Değişkenin
Değeri
Eniyi Çözümde
Asıl Değişkenin
Değeri
Aylaklığın
Tamamlayanı
Özelliği
A ürünü için kaynak değeri
B ürünü için kaynak değeri
A
1
= 0
A
2
= 0
x
A
= 3
x
B
= 7
A
1
. x
A
= 0
A
2
. x
B
= 0

İKİL PROBLEMİN ÇÖZÜMÜNÜN ASIL SİMPLEKS
TABLOSUNDAN ELDE EDİLMESİ
Asıl modelin son simpleks tablosu veya eniyi çözümünü gösteren simpleks tablosu verilmişse, ikil
değişkenlerin değerini bu tablodan okumak mümkündür. Son simpleks tablosunda, başlangıç temel uygun
çözüme karşı gelen değişkenlerin indirgenmiş maliyetlerinden, ikil değişkenlerin değeri bulunabilir.
İndirgenmiş maliyetler, simpleks tablosunun amaç fonksiyonu (z) satırı veya sıfır satırı olarak
adlandırılan satırında yer alan sayısal değerlerdir.
Başlangıç simpleks tablosunun ve genel olarak bir ardıştırmadaki simpleks tablosunun şematik
gösterimi Tablo 6.10 ve Tablo 6.11’ de görülmektedir. Başlangıç tabloda, başlangıç temel değişkenlerin z
satırındaki katsayıları sıfıra eşit olup, temel değişkenlere karşı gelen sütunlardaki katsayıları birim matris
oluşturmaktadır. İzleyen ardıştırmalarda ise, başlangıç temel değişkenlerin z satırındaki katsayıları
sıfırdan küçük, sıfır veya sıfırdan büyük değer alabilir.
Asıl modelin, son simpleks tablosunun z satırından, başlangıç temel değişkenlere karşı gelen
indirgenmiş maliyetler bulunur ve izleyen eşitlik kullanılarak ikil değişkenlerin eniyi değeri hesaplanır:
Eniyi y
i
= [i. asıl kısıttaki başlangıç temel değişkene karşı gelen indirgenmiş maliyet]
+ [ Başlangıç temel değişkenin orijinal modeldeki amaç fonksiyonu katsayısı]

Tablo 6.10: Başlangıç simpleks tablosunun şematik gösterimi

Temel değişkenlerin dışındaki karar değişkenleri
Başlangıç Temel
Değişkenler


… … STS
Z
satırı
Z 1 … 0 0 … 0

T
e
m
e
l

d
e
ğ
i
ş
k
e
n
l
e
r


0 … 1 0 … 0

0 … 0 1 … 0










… …





… 0
0 … 0 0 … 1

BİRİM MATRİS



132
Tablo 6.11: Herhangi bir ardıştırmadaki simpleks tablosunun şematik gösterimi

Temel değişkenlerin dışındaki karar değişkenleri
Başlangıç Temel
Değişkenler


… … STS
Z
satırı
Z 1 … …

T
e
m
e
l

d
e
ğ
i
ş
k
e
n
l
e
r


0 …
TEMEL
DEĞİŞKENLERE
MODELDE KARŞI
GELEN MATRİSİN
TERSİ

0 …









… …


0 …


Eğer asıl modelin kısıtlarına eklenen aylak ve artık değişkenleri biliyorsak, son simpleks tablosundan
ikil değişkenleri bulmak için, izleyen yöntemi de kullanabiliriz. Aylak ve artık değişkenlerin amaç
fonksiyonu katsayıları sıfır olduğundan, asıl modelin,
• i. kısıtında aylak değişken varsa, y
i
= aylak değişkenin son tablodaki indirgenmiş maliyeti
• k. kısıtında artık değişken varsa, y
k
= - (artık değişkenin son tablodaki indirgenmiş maliyeti)
olarak elde edilir.
Örnek 6.8.
Bahar mobilya probleminde, asıl modelin eniyi çözümüne karşı gelen simpleks tablosu aşağıda
verilmektedir. Bu tablodan hareketle, ikil değişkenleri bulalım.
Asıl modelde, S
1
birinci kısıta, S
2
ikinci kısıta ve S
3
üçüncü kısıta eklenen aylak değişkenlerdir.
Tablodan ikil değişkenleri okuyabilmek için, asılın başlangıç temel değişkenlerini bilmemiz gerekir.
Başlangıç temel değişkenlerin katsayıları, standart biçime dönüştürülmüş asıl modelde birim matris
oluşturmalıdır. Bunun anlamı, her kısıtta sadece o kısıtta bulunan ve katsayısı “1” olan bir karar
değişkeninin yer almasıdır.

Tablo 6.12: Bahar Mobilya probleminin asıl modelin eniyi çözümünü gösteren simpleks tablosu


Z XA XB STS
Z
satiii
Z 1 u u 61u

T
e
m
e
l

u
e
g
i
,
k
e
n
l
e
i


XB u u 1 u.17 u -u.67
7
S2 u u u 1.uu 1 -18.uu
14
XA u 1 u -u.17 u 1.67
S

Aylak değişkenler, karar modelini standart biçime dönüştürmek için “≤” işaretine sahip kısıtın sol
tarafına eklenen ve amaç fonksiyonundaki katsayısı “0” olan değişkenlerdir. Herhangi bir kısıta bir aylak
değişken eklediğimizde, bu değişken sadece o kısıtta yer alır ve katsayısı da “1” olur. Asıl modelimizin
üç kısıtı bulunmakta olup, tüm kısıtlara aylak değişken eklemiştir. Bu değişkenler aynı zamanda
başlangıç temel değişkenlerdir. Bu durumda eniyi çözüme erişilen son simpleks tablosunda bu
değişkenlerin Z satırındaki katsayıları (indirgenmiş maliyetleri) bize ikil değişkenlerin değerini
verecektir. Tabloda bu değişkenlerin altındaki katsayıların olduğu kısım koyu renkli olarak
görülmektedir.


133
Asıl modelde her kısıta bir ikil değişken karşı geldiğini hatırlayalım. Bu ikil değişkenleri de y
1
, y
2
ve
y
3
olarak adlandıralım. İkil değişkenlerin eniyi değerleri,
y
1
= [S
1
’e karşı gelen indirgenmiş maliyet] + [S
1
’in amaç fonksiyonu katsayısı] = 5 + 0 = 5
y
2
= [S
2
’ye karşı gelen indirgenmiş maliyet] + [S
2
’nin amaç fonksiyonu katsayısı] = 0 + 0 = 0
y
3
= [S
3
’e karşı gelen indirgenmiş maliyet] + [S
3
’ün amaç fonksiyonu katsayısı] =20 + 0 = 20
olarak elde edilir. Kaynakların birim değerleri sırasıyla 5, 0 ve 20’dir.

İKİL PROBLEMİ KULLANARAK ASIL PROBLEMİN ÇÖZÜLMESİ
Bazı durumlarda bir doğrusal programlama probleminin asıl modelini çözmek yerine ikil modelini
çözmek, işlem yükü açısından daha kolay olabilir. Eğer problemin asıl modelini çözmek için simpleks
ardıştırmalarını uygulamak gerekirken, ikil modelin çözümünü grafik yöntemle bulabileceksek,
hesaplama kolaylığı açısından ikil modelin çözümü ile uğraşmak bize zaman kazandıracaktır. Daha sonra
asıl - ikil modellerin çözümleri arasındaki ilişkileri veren ikillik teoremi ve aylaklığın tamamlayanı
özelliklerini kullanarak asıl modelin çözümünü bulabiliriz.
Örnek 6.9.
Aşağıda verilen doğrusal programlama modelinin eniyi değerini bulalım.
5 4 3 2 1
5 4 3 2 1
5 4 3 2 1
5 4 3 2 1
3 2 5 3 2
. .
0 , , , ,
3 3 2
4 3 2
x x x x x ENKZ
a k
x x x x x
x x x x x
x x x x x
+ + + + =

≥ + + + −
≥ + + + +
2


Asıl model 2 kısıtlı fakat 5 değişkenli olduğundan, modeli çözebilmek için Simpleks algoritmasını
kullanmamız gerekir. Simpleks algoritmasını uygularken, modelin standart biçimde olması gerektiğinden
her iki kısıta ekleyeceğimiz artık değişkenlerle model 7 değişkenli hale gelecektir.
Asıl modeldeki her kısıt için ikilde bir değişken tanımlandığını hatırlarsak, ikil modelin 2 değişkenli
bir doğrusal programlama modeli olacağı ortaya çıkar. İki değişkenli modelleri ise, grafik yöntemle
çözebiliyoruz. Bu durumda, asıl model yerine ikil modeli oluşturup çözmeyi tercih edebiliriz. İkil model
2 değişken ve 5 kısıta sahip olacaktır. Asılın kanonik biçimde verilmiş olması, ikil modelin de aşağıdaki
gibi kolaylıkla oluşturulmasını sağlayacaktır.
2 1
2 1
2 1
2 1
2 1
2 1
2 1
3 4
. .
0 ,
3 3
2
5 3 2
3 2
2
y y ENBV
a k
y y
y y
y y
y y
y y
y y
+ =

≤ +
≤ +
≤ +
≤ −
≤ +



2

Grafik yöntemi kullanarak,
5 = V ENB ve
5
3
,
5
4

2 1
= = y y



134
olarak bulunur. Grafik yöntemle çözüm Şekil 6.3’te görülmektedir. Şekildeki yuvarlak içerisindeki
numaralar, sırasıyla model kısıtlarına karşı gelmektedir. İkillik teoremine göre, bir modelin eniyi çözümü
var ve amaç fonksiyonu değeri sınırlı ise, diğer modelin de eniyi çözümü olup her iki modelin eniyi
değerleri birbirine eşittir. Bu durumda, asıl modelin eniyi değeri, ENKZ=ENKV eşitlğinden, ENKZ=5
olarak elde edilir.



Şekil 6.3: Örnek 3’teki ikil modelin grafik yöntemle en iyi değerinin bulunması
Örnek 9’daki asıl modelin eniyi çözümünü, aylaklığın tamamlayanı
özelliğini kullanarak bulunuz.

GÖLGE FİYATLAR
Doğrusal programlama modellerinde, kaynaklardaki değişimlerin problemin eniyi değerinde ne kadar bir
farklılığa sebep olacağının belirlenmesi, yöneticiler için önemlidir. Fayda - maliyet analizi yapmakta
kullanılan gölge fiyatlar, herhangi bir üretim kaynağının miktarının bir birim arttırılması veya
azaltılması durumunda amaç fonksiyonu değerinde meydana gelecek artış veya azalış olarak
tanımlanır.
İkil değişkenlerin, asıl modelin kısıtlarına karşı geldiğini ve kaynakların birim değerlerini gösterdiğini
biliyoruz. Asılın i. kısıtına karşı gelen ikil değişkeni y
i
olarak adlandırdığımızda, y
i
, i. kısıtla ifade edilen
kaynağın 1 biriminin değerini ya da fiyatını vermektedir. Bahar Mobilya örneğinde ikil modelin eniyi
çözümünün y
1
=5, y
2
=5 ve y
3
=20 olup eniyi değerin 610 olarak elde edildiğini hatırlayalım. Eniyi
değerin hesaplandığı amaç fonksiyonu,
3 2 1
10 112 82 y y y Enkv + + =



135
şeklinde ifade edilmişti. Varsayalım ki birinci kaynağımız olan montaj saatini 1 saat daha arttırmak
istiyoruz. Bu durumda, kapasitesi 82 saat olan kaynağın değeri 83 olarak değişir ve yeni amaç
fonksiyonu,
3 2 1
10 112 83 y y y Enkv + + =

olarak gösterilir. Eski ve yeni amaç fonksiyonu değeri arasındaki değişim miktarı ise,
[ ] [ ]
1 3 2 1 3 2 1
10 112 82 10 112 83 y y y y y y y = + + − + +

kadar olacaktır.
Asıl ve ikil modellerin eniyi değerlerinin birbirine eşit olduğunu biliyoruz. Bu nedenle, eniyi çözüme
erişildiğinde, i. kaynaktaki birim farklılaşma ikil modelin amaç fonksiyonunda y
i
kadar değişime neden
olurken, aynı değişim, asıl modelin amaç fonksiyonunun eniyi çözüme karşı gelen değerinde de
görülecektir. Bu değişim, kaynak miktarındaki farklılaşma sonucunda eniyi çözümde temelde yer alan
değişkenlerin aynı kalması yani uygunluk koşullarının bozulmaması varsayımı altında geçerlidir.
Yukarıdaki açıklamalara göre, ikil modelin eniyi çözümünde yer alan y
i
, i. kaynakta bir birim artış
yapıldığında uygunluk koşulları bozulmuyorsa, asıl modelin amaç fonksiyonunun eniyi değerinin
kaynaktaki bir birim artış karşısındaki değişimini vermektedir. Başlangıçtaki gölge fiyat tanımı
hatırlanırsa, asıl modelin i. kısıtına karşı gelen ikil değişkenin aynı zamanda i. kaynağın gölge fiyatı
olduğu görülür.
Özetle, asıl modeldeki i. kısıtın gölge fiyatı, eğer kaynağı 1 birim arttırırsak, uygunluk koşullarının
korunması varsayımı altında, amaç fonksiyonu değerinde meydana gelecek değişim miktarını
vermektedir. Buna göre, i. kaynaktaki bir birim artış, amaç fonksiyonunun karşı gelen değerinde y
i
kadar
bir artışa neden olduğundan, karar vericinin bu kaynağın bir birim artışı için ödemeye hazır olacağı fiyat
en fazla y
i
kadar olmalıdır.
Gölge fiyat amaç fonksiyonundaki değişimi veriyorsa, bir asıl problemin i. kısıtının sağ taraf
sabitindeki Δ
i
kadar değişimin, asıl modelin amaç fonksiyonunda yapacağı farklılığı gölge fiyatlar
yardımıyla,
Yeni z değeri = Eski z değeri + Δ
i
. (i. kısıtın gölge fiyatı)
eşitliği ile tanımlayabiliriz. Δ
i
, i. kısıtın sağ taraf sabitinin yeni değeri ile eski değeri arasındaki farktır.
Eğer mevcut kaynak miktarında azalma olursa Δ
i
<0, eğer mevcut miktardan artış olursa Δ
i
> 0 olacaktır.
Gölge fiyatlar, negatif işaretli, pozitif işaretli veya sıfıra eşit olabilir.
Aylaklığın tamamlayanı özelliğine göre, asıl modelin eniyi çözümünde sıkı olmayan kısıtlarla ilişkili
ikil değişkenlerin değeri sıfıra eşit olmak zorundadır. İkil değişkenler gölge fiyatlara karşı geldiğinden,
sıkı kısıtların gölge fiyatlarının sıfırdan farklı olduğu, sıkı olmayan kısıtların gölge fiyatlarının sıfıra eşit
olduğunu söyleyebiliriz. Bu durumu kavramsal olarak açıklayalım. Sıkı olmayan kısıttaki kaynaktan
elimizde fazla miktarda vardır. Elimizde zaten olan bir kaynağı arttırmak, eniyi değeri arttırmayacaktır.
Ekonomik olarak, gölge fiyatı sıfır olan böyle kaynaklar “serbest mal” olarak adlandırılır. Gölge fiyatların
sıfır olması, ilgili kaynaklardan bolluk ifadesidir. Dolayısı ile birim başına değeri sıfırdır. Diğer yandan,
sıkı kısıtlar kıt kaynaklara işaret eder. Bu kaynaklardan elimizde kullanacak miktar kalmamıştır. Böyle
kaynakların sıfırdan farklı bir gölge fiyatı vardır.
Asıl problemin ikil çözümü, taşıdığı ekonomik anlam nedeniyle oldukça önemlidir. Asıl problem bir
üretim olayına dair çeşitli kısıtlar altında enbüyükleme sorunu iken, ikil değişkenler karar vericiye
sağlanabilecek kaynakların değerine ilişkin bilgi vermektedir. İkil değişkenlerin eniyi değerleri olarak
adlandırılan gölge fiyatların hesaplanması, karar vericiye kazancının ne kadarının her bir girdiden
kaynaklandığını belirlemesi konusunda yardımcı olacaktır. Yöneticiler, ek kaynak kullanımı ile üretim ve
yatırım ile ilgili kararlarını, gölge fiyat kavramından yararlanarak verebilir.




136
Örnek 6.10.
Bahar Mobilya probleminde her bir kaynağın gölge fiyatını bulunuz. Kaynaklardaki 1 birim artış veya
azalma için, uygunluk koşullarının değişmediğini varsayarak, gölge fiyatların ne anlama geldiğini
açıklayınız.
İkil değişkenlerin eniyi değerleri, kaynakların gölge fiyatlarını vermektedir. Her kısıta karşı gelen
kaynaklar sırasıyla montaj saati, cilalama saati ve depo yer alanı olup, ikil değişkenlerin eniyi değeri
y
1
=5, y
2
=0 ve y
3
=20’dir. Gölge fiyatların ifade ettiği anlamlar, izleyen şekilde açıklanabilir:
• Montaj süresinin gölge fiyatı 5’tir. Kullanılabilir montaj süresini 1 saat arttırmak eniyi değerde
y
1
kadar yani 5 artış sağlayacaktır. Bu durumda, işletme yöneticisi montaj süresini 1 saat
arttırmak için en fazla 5 harcamaya razı olacaktır. Eğer yönetici, eniyi çözüme erişildiğinde
mevcut montaj süresini 1 saat daha az kullanırsa 5 daha az kâr elde edecektir.
• Cilalama süresinin gölge fiyatı sıfırdır. Cilalamaya ayrılan sürenin 1 saat daha arttırılması eniyi
değerde (karda) bir değişim yaratmayacaktır. Benzer şekilde cilalama süresini 1 saat azaltmakta
eniyi değeri değiştirmeyecektir. Yani karda bir farklılık yaratmayacaktır. Eniyi çözüme
erişildiğinde, kullanılmayan cilalama saati bulunmaktadır. Buna atıl kapasite olarak bakılabilir.
Kullanabileceğimiz fakat kullanmadığımızdan atıl kapasite olarak duran bir kaynağın gölge
fiyatı daima sıfır olacaktır.
• Depo yer alanının gölge fiyatı 20’dir. Bunun anlamı depo yer alanını 1 birim (1 m
2
) arttırırsak,
eniyi değerde (enbüyük kar) 20 kadar artış, depo yer alanını 1 m
2
azaltırsak, karımızda 20
kadar azalma meydana geleceğidir. Bir diğer deyişle, işletme yöneticisi depo yer alanını 1 m
2

arttırmak için en fazla 20 harcamaya razı olacaktır.
Bahar Mobilya problemi için, Tablo 6.12’de asıl modelin eniyi
çözümünü gösteren simpleks tablosunu ve Tablo 6.13’de verilen duyarlılık analizi
sonuçlarını göz önüne alarak, izleyen durumların her birini birbirinden bağımsız olarak
ele alıp, enbüyük kardaki değişim miktarını hesaplayınız.
a. Montaj işi için kullanılabilir sürenin 75 saate düşürülmesi.
b. Cilalama işi için mevcut kapasitenin 150 saate çıkarılması.
c. Depo yer alanının 9 m
2
’ye düşürülmesi.
d. Depo yer alanının 12m
2
’ye çıkarılması.

Tablo 6.13: Kısıtların sağ taraf sabitlerindeki değişime yönelik duyarlılık analizi sonuçları

Asıl kısıt
Mevcut
durumdaki
kaynak miktarı
Mevcut temelin korunduğu
kaynak miktarları
Gölge fiyat
En az En fazla
Montaj saati 82 saat 68 100 5
Cilalama saati 112 saat 98 ∞ 0
Depo yer alanı 10 m
2
8.20 10.78 20














137
Özet
Her doğrusal karar probleminin, gerçekte “asıl”
ve “ikil” olarak adlandırılan, birbiriyle yakından
ilişkili iki ayrı modeli vardır. Asıl problem veya
asıl model, ilgilenilen ve eniyi çözümünü
aradığımız problemdir. Doğrusal programlama
problemleri ile ilgili çözüm teknikleri, asıl
modellerin çözümü üzerine yoğunlaşmıştır. İkil
model ise, asıl modelin parametrelerini
kullanarak oluşturulan ve karşıt yönde amaç
fonksiyonuna sahip olan diğer modeldir.
Asıl problem genellikle, kaynak kısıtları altında,
enbüyük kazançlı ürün imal etme ya da satma
problemi iken, ikil problem, asıl problemin karşıtı
olarak, kâr kısıtları altında, enküçük maliyetli
kaynak satın alma problemi olarak ortaya
çıkmaktadır. Asıl ve ikil problemlerin çözümleri
arasındaki ilişkiler üç ana özelliğe bağlı olarak
açıklanabilmektedir. Bunlar, her iki problemin
uygun çözümleri arasındaki ilişkiyi tanımlayan
“zayıf ikillik özelliği”, her iki modelin de eniyi
değerlerinin eşit olduğunu belirten “güçlü ikillik
özelliği” ve eniyi çözümleri ilişkilendiren
“aylaklığın tamamlayanı özelliği” olarak
adlandırılmaktadır.



















Asıl modelin son simpleks tablosu veya eniyi
çözümünü gösteren simpleks tablosu verilmişse,
ikil değişkenlerin değerini bu tablodan okumak
mümkündür. Son simpleks tablosunda, başlangıç
temel uygun çözüme karşı gelen değişkenlerin
indirgenmiş maliyetlerinden, ikil değişkenlerin
değeri bulunabilmektedir. Bazı durumlarda bir
doğrusal programlama probleminin asıl modelini
çözmek yerine ikil modelini çözmek, işlem yükü
açısından daha kolay olabilir.
İkilliğin doğrusal programlamanın en önemli
konularından birisi olmasının başlıca sebebi ise,
ikil modelin, asıl problemle ilgili önemli
ekonomik açıklamalar ve yorum yapma olanağı
sunmasıdır. Gölge fiyat olarak da adlandırılan ikil
değişkenler, kaynakların birim değerlerini
vermektedir. Gölge fiyatların hesaplanması,
karar vericiye kazancının ne kadarının her bir
girdiden kaynaklandığını belirlemesi konusunda
yardımcı olmaktadır.





















138
Kendimizi Sınayalım
1.
3 2 1
3 2 1
2 1
3 2
3 1
2
0 , ,
3
2
1
x x x Enbz
x x x
x x
x x
x x
+ + =

≤ +
≤ +
≤ +
k.a.




Yukarıda görülen doğrusal karar modelinin ikili
aşağıdakilerden hangisidir?
a.
3 2 1
3 2 1
2 1
3 2
3 1
2
0 , ,
1
1
2
y y y Enbv
y y y
y y
y y
y y
+ + =

≥ +
≥ +
≥ +


b.
3 2 1
3 2 1
2 1
3 2
3 1
3 2
0 , ,
1
1
2
y y y Enkv
y y y
y y
y y
y y
+ + =

≥ +
≥ +
≥ +


c.
3 2 1
3 2 1
2 1
3 2
3 1
2
0 , ,
1
1
2
y y y Enkv
y y y
y y
y y
y y
+ + =

≥ +
≥ +
≥ +


d.
3 2 1
3 2 1
2 1
3 2
2 1
3 2
0 , ,
1
1
2
y y y Enkv
y y y
y y
y y
y y
+ + =

≥ +
≥ +
≥ +


e.
3 2 1
3 2 1
2 1
3 2
3 1
3 2
0 , ,
1
1
2
y y y Enbv
y y y
y y
y y
y y
+ + =

≤ +
≤ +
≤ +


2.
2 1
2 1
2 1
2 1
2 1
4
0 ,
3
3 2
6 3 4
x x Enbz
x x
x x
x x
x x
− − =

= +
≤ +
≥ +
k.a.
3 3


Yukarıda görülen doğrusal karar modelinin ikili
aşağıdakilerden hangisidir?
a.
3 2 1
3 2 1
3 2 1
3 2 1
3 3 6
. .
, ,
1 3 2 3
4 3 4
y y y Enkv
a k
y y y
y y y
y y y
+ + =

− ≤ + +
− ≤ + +
0

b.
3 2 1
3 2 1
3 2 1
3 2 1
3 3 6
. .
, ,
1 3 2 3
4 3 4
y y y Enbv
a k
y y y
y y y
y y y
+ + =

− = + +
− ≥ + +
0

c.
3 2 1
3 2 1
3 2 1
3 2 1
3 3 6
. .
, 0 , 0
1 3 2 3
4 3 4
y y y Enkv
a k
serbest y y y
y y y
y y y
+ + =
≥ ≤
− ≥ + +
− ≥ + +


d.
2 1
2 1
2 1
2 1
3 6
. .
0 , 0
1 2 3
4 4
y y Enkv
a k
y y
y y
y y
+ =
≥ ≤
− ≥ +
− ≥ +


e.
3 2 1
3 2 1
3 2 1
3 2 1
3 3 6
. .
, 0 , 0
1 3 2 3
4 3 4
y y y Enbv
a k
serbest y y y
y y y
y y y
+ + =
≥ ≤
≥ + +
≥ + +






139
3. Aşağıdaki ifadelerden hangisi yanlıştır?
a. Asıl problem karın enbüyüklenmesi ise, ikil
değişkenler kaynakların kapasitelerini verir.
b. Asıl modeldeki i. kısıta, i. ikil değişken karşı
gelir.
c. İkil modeldeki j. kısıt, asıl modelin j. karar
değişkeni ile ilişkilidir.
d. Kanonik biçimde yazılmış bir asıl problemde,
ikil değişkenler negatif değer alamaz.
e. Asıl problemde amaç enbüyükleme ise, ikil
problemde amaç enküçüklemedir.
4.
2 1
2 1
2 1
2 1
4 2
. .
,
2
1 4
y y Enkv
a k
y y
y y
y y
+ − =

≥ +
≥ + −
0


Yukarıda bir doğrusal programlama probleminin
ikil modeli verilmiştir. Asıl ve ikil modellerin
çözümleri hakkında aşağıdakilerden hangisi
söylenebilir?
a. Her iki modelin de eniyi çözümü vardır.
b. Her iki modelin de uygun çözümü yoktur.
c. Asıl modelin eniyi çözümü vardır, ikil
modelin çözümü sınırsız değerdedir.
d. İkil modelin eniyi çözümü vardır, asıl
modelin uygun çözümü yoktur.
e. İkil modelin sınırsız değerde çözümü vardır,
asıl modelin uygun bir çözümü yoktur.











5.
3 2 1
3 2 1
3 2 1
3 2 1
4 7 2
0
10 2 3 3
10 2
x x x Enbz
k.a.
,x ,x x
x x x
x x x
+ + =

≤ + +
≤ + +

Yukarıda bir doğrusal programlama probleminin
asıl modeli verilmiştir. İkil modelin uygun bir
çözümünde, ikil değişkenlerin y
1
=0 ve y
2
= 5/2
değerlerini aldığı bilinmektedir. Asıl modelin
eniyi değeri ile ilgili aşağıdakilerden hangisi
doğrudur?
a. Enbz ≥ 50
b. Enbz ≤ 25
c. Enbz ≥ 35
d. Enbz > 25
e. Enbz =35
6.
3 2 1
3 2 1
3 2 1
3 2 1
3 5
0
7 2
6 2
x x x Enbz
k.a.
,x ,x x
x x x
x x x
+ + =

≤ + +
≤ + +



Yukarıda asıl modeli verilen bir doğrusal
programlama probleminde, S
1
ve S
2
, modelin
eşitlik halindeki gösteriminde kısıtlara eklenen
aylak değişkenler olsun. İkil değişkenlerin eniyi
değerlerinin y
1
=7/3 ve y
2
= 1/3 olduğu biliniyorsa,
eniyi çözümde aşağıdakilerden hangisi sağlanır?
a. S
1
> 0 ve S
2
= 0
b. S
1
= 0 ve S
2
> 0
c. S
1
= 0 ve S
2
= 0
d. S
1
< 0 ve S
2
< 0
e. S
1
< 0 ve S
2
= 0









140
7.
2 1
2 1
2 1
2 1
2 3
0 ,
50 2
40 2
x x Enbz
x x
x x
x x
+ =

≤ +
≤ +
k.a.

Z X
1
X
2
S
1
S
2
STS
Z 1 0 0 1/3 4/3 80
X
1
0 1 0 -1/3 2/3 20
X
2
0 0 1 2/3 -1/3 10
Yukarıda bir doğrusal karar modeli ve modelin
eniyi çözümünü veren simpleks tablosu
görülmektedir. İkil değişkenlerin değeri
aşağıdakilerden hangisidir?
a. (20 , 10)
b. (-1/3, 2/3)
c. (2/3, -1/3)
d. (1/3, 4/3, 2/3)
e. (1/3, 4/3)
8.
3 2 1 0
3 2 1
3 2 1
5 4 10
0 , ,
50 3 7 5
x x x x Enk
x x x
x x x
+ + =

≥ + −

k.a.

Yukarıda verilen doğrusal karar modelinin eniyi
değeri, aşağıdakilerden hangisidir?
a. 100
b.
3
250

c.
7
200

d. 150
e. 235




9. Kâr enbüyükleme amaçlı ve üç kısıtlı bir
doğrusal karar modelinin eniyi değeri “50000”
olarak elde edilmiştir. Eniyi çözümde kaynakların
gölge fiyatları sırasıyla, 0, 20 ve 15’tir. İkinci
kısıtın kaynak miktarının 750 saat olduğunu ve
yapılan duyarlılık analizine göre ikinci kısıtın
kaynak miktarının 600 ile 850 arasında kalması
durumunda eldeki temelin korunacağını varsayın.
Eğer ikinci kaynağın miktarı 800 saate çıkarılırsa,
elde edilecek enbüyük kâr değeri aşağıdakilerden
hangisi olur?
a. 51000
b. 50000
c. 50500
d. 52000
e. 55000
10. Enbüyükleme amaçlı ve dört kısıtlı bir
doğrusal karar modelinin, eniyi değeri 1000,
kısıtlara karşı gelen ikil değişkenlerin eniyi
değerleri de y
1
= ‒400, y
2
= 0, y
3
= 200 ve y
4
= 16
olarak bulunmuştur. Birinci kısıtın sağ taraf
sabitinin değeri mevcut durumda 3.5 iken,
uygunluk koşullarının korunduğu varsayımı ile
3.55 olması durumunda eniyi değer ne olur?
a. 1000
b. 1020
c. 980
d. 1400
e. 1100














141
Kendimizi Sınayalım Yanıt
Anahtarı
1. b Yanıtınız yanlış ise “Doğrusal Karar
Modelinin İkili” başlıklı konuyu yeniden gözden
geçiriniz.
2. c Yanıtınız yanlış ise “Doğrusal Karar
Modelinin İkili” başlıklı konuyu yeniden gözden
geçiriniz.
3. a Yanıtınız yanlış ise “İkil Değişkenlerin
Ekonomik Anlamı” başlıklı konuyu yeniden
gözden geçiriniz.
4. e Yanıtınız yanlış ise “Asıl ve İkil Modellerin
Çözümleri Arasındaki İlişkiler” başlıklı konuyu
yeniden gözden geçiriniz.
5. b Yanıtınız yanlış ise “Asıl ve İkil Modellerin
Çözümleri Arasındaki İlişkiler” başlıklı konuyu
yeniden gözden geçiriniz.
6. c Yanıtınız yanlış ise “Asıl ve İkil Modellerin
Çözümleri Arasındaki İlişkiler” başlıklı konuyu
yeniden gözden geçiriniz.
7. e Yanıtınız yanlış ise “Asıl Simpleks
Tablosundan İkil Çözümün Elde Edilmesi”
başlıklı konuyu yeniden gözden geçiriniz.
8. b Yanıtınız yanlış ise “İkil Modeli Kullanarak
Asıl Modelin Çözülmesi” başlıklı konuyu
yeniden gözden geçiriniz.
9. a Yanıtınız yanlış ise “Gölge Fiyatlar” başlıklı
konuyu yeniden gözden geçiriniz.
10. c Yanıtınız yanlış ise “Gölge Fiyatlar”
başlıklı konuyu yeniden gözden geçiriniz.












Sıra Sizde Yanıt Anahtarı
Sıra Sizde 1
İkil değişkenlere y
1
ve y
2
ise, ikil model:
2 1
2 1
2 1
2 1
7 4
. .
0 ,
8 2
6 5 3
y y Enbv
a k
y y
y y
y y
+ =

≤ +
≤ +

olarak elde edilir.
Daha sonra yukarıdaki model asıl model olarak
ele alınıp ikili yazıldığında, başlangıçtaki asıl
modelin aynısının elde edildiği görülür.
Sıra Sizde 2
a. Asıl modele karşı gelen ikil model
2 1
2 1
2 1
2 1
2y -4y Enkv
k.a.
0 y , y
1 y - y
2 y y -
+ =


≥ +

Asıl modelin grafik yöntemle çözümü











142
İkil modelin grafik yöntemle çözümü


Sonuç olarak, hem asıl hem ikil modelin uygun
bir çözümü yoktur.
(Tablodaki 4. durum).

b. Asıl modele karşı gelen ikil model

2 1
2 1
2 1
2 1
2y -4y Enkv
k.a.
0 y , y
1 y y -
2 y y -
+ =

≥ +
≥ +

Asıl modelin grafik yöntemle çözümü







İkil modelin grafik yöntemle çözümü

Asıl modelin uygun çözümü yokken, ikil modelin
amaç fonksiyonu sınırsız değerdedir.
(Tablodaki 3. durum).


c. Asıl modele karşı gelen ikil model

Asıl modelin grafik yöntemle çözümü

Görüldüğü gibi asıl modelin eniyi çözümü vardır.
Bu durumda ikil modelin de eniyi çözümü
olduğunu ve eniyi değerlerinin birbirine eşit
olduğunu doğrudan söyleyebiliriz.
(Tablodaki 1. durum).


2 1
2 1
2 1
2 1
2 4
. .
0 ,
1
2
y y Enkv
a k
y y
y y
y y
+ =

≥ −
≥ +


143
d.


Asıl modelin grafik yöntemle çözümü

Asıl modelin amaç fonksiyonu sınırsız
değerdedir. Bu durumda, ikil modelin uygun
çözümünün olmadığını doğrudan söyleyebiliriz.
(Tablodaki 2. durum).
Sıra Sizde 3
Öncelikle aylak ve artık değişkenleri ekleyerek,
her iki modeli de standart biçime dönüştürelim.
Standart biçime dönüştürülmüş asıl model
(x
6
ve x
7
artık değişkenler)
5 4 3 2 1
5 4 3 2 1
7 5 4 3 2 1
6 5 4 3 2 1
3 2 5 3 2
. .
0 , , , ,
3 3 2
4 3 2
x x x x x ENKZ
a k
x x x x x
x x x x x x
x x x x x x
+ + + + =

= − + + + −
= − + + + +
2



Standart biçime dönüştürülmüş ikil model
(y
3
, y
4
, y
5
, y
6
ve y
7
artık değişkenler)

2 1
2 1
7 2 1
6 2 1
5 2 1
4 2 1
3 2 1
3 4
. .
0 ,
3 3
2
5 3 2
3 2
2
y y ENBV
a k
y y
y y y
y y y
y y y
y y y
y y y
+ =

= + +
= + +
= + +
= + −
= + +



2


İkil modelde, eniyi çözüm değerlerini yerine
koyarak, artık değişkenlerin değerini bulalım.

0 3
5
3

5
4
3
5
3
2
5
3

5
4

5
7
5
5
3
3
5
4
2
5
17
3
5
3
2
5
4

0 2
5
3
2
5
4

7 7
6 6
5 5
4 4
3 3
= → = +






+






= → = +






+






= → = +






+






= → = +













= → = +






+






y y
y y
y y
y y
y y


Aylaklığın tamamlayanı özelliğine göre, eniyi
çözümde izleyen tabloda görülen eşitlikler
sağlanmak zorundadır:

Aylaklığın
Tamamlayanı Özelliği
Sonuç
x
6
. y
1
= 0
x
7
. y
2
= 0
x
6
. (4/5)

= 0 x
6
= 0
x
7.
(3/5)

= 0 x
7
= 0
Aylaklığın
Tamamlayanı Özelliği
Sonuç
x
1
. y
3
= 0
x
2
. y
4
= 0
x
3
. y
5
= 0
x
4
. y
6
= 0
x
5
. y
7
= 0
x
1
. (0) = 0 x
1
> 0
x
2
. (17/5) = 0 x
2
= 0
x
3
. (7/5) = 0 x
3
= 0
x
4
. (3/5) = 0 x
4
= 0
x
5
. (0) = 0 x
5
> 0

Tablonun en sağındaki sütunda yer alan değerlere
göre standart biçimdeki asıl modeli tekrar
oluşturursak, aşağıda görüldüğü gibi 2
bilinmeyenli 2 kısıtlı bir doğrusal denklem
sistemi karşımıza çıkar.
2 1
2 1
2 1
2 1
2 4
. .
0 ,
1
2
y y Enkv
a k
y y
y y
y y
+ =

≥ − −
≥ +


144
3 2
4 3
5 1
5 1
= +
= +
x x
x x



Bu denklem sistemini çözdüğümüzde, x
1
=1 ve
x
5
=1 olarak elde edilir. Sonuç olarak, asıl
modelin eniyi çözümü,
x
1
=1, x
2
=0, x
3
=0, x
4
=0 ve x
5
=1 ve
eniyi değeri 5 olarak elde edilir.
Sıra Sizde 4
a. Kaynaklardaki değişimin, amaç fonksiyonu
değerinde yapacağı farklılaşmayı bulabilmek
için, kaynağın gölge fiyatını kullanmamız
gerekmektedir. Karar modelinin çözümü ile
hesaplanan gölge fiyatları ise, uygunluk koşulları
korunduğu sürece geçerlidir. Öncelikle
kaynaktaki değişimin, duyarlılık analizi
sonuçlarına göre eniyi temelin korunduğu sınırlar
içerisinde olup olmadığı yani uygunluk
koşullarının korunup korunmadığı kontrol
edilmelidir.
Duyarlılık analizi sonucuna göre, montaj süresi
75 saate düşürüldüğünde, mevcut temel
korunmaktadır. O zaman montaj süresine karşı
gelen gölge fiyatı kullanarak amaç
fonksiyonunun yeni değerini hesaplayabiliriz.
Yeni z = Eski z + Δ
1
(1. kısıtın gölge fiyatı)
Yeni z = 610 + ( 75 – 82) (5) = 610 – 35 = 575














Sonuç olarak, kullanılabilir montaj saatinin, 7
saat daha az olması elde edilecek enbüyük karı
35 azaltmaktadır.
b. Duyarlılık analizi sonucuna göre, cilalama
süresi 150 saate düşürüldüğünde, mevcut temel
korunmaktadır. Bu kaynağa ait gölge fiyat sıfır
olduğundan, karda hiçbir değişim olmayacaktır.
c. Duyarlılık analizi sonucuna göre, depo yer
alanı 9 m
2
’ye düşürüldüğünde, mevcut temel
korunmaktadır.
Yeni z = Eski z + Δ
3
(3. kısıtın gölge fiyatı)
Yeni z = 610 + ( 9 – 10 ) (20) = 610 – 20 =590
Sonuç olarak, depo yerinin 1 m
2
azaltılması,
enbüyük karı 20 azaltmaktadır.
d. Duyarlılık analizi sonucuna göre, depo yer
alanı 12 m
2
’ye çıkarıldığında, uygunluk koşulları
bozulmaktadır. Eniyi temel değişeceğinden,
kaynakların gölge fiyatları da değişecektir.
Dolayısıyla, bu verilere göre enbüyük kardaki
değişimi söyleyemeyiz.

145
Yararlanılan Kaynaklar
Hillier, F.S. ve Lieberman, G.J. (2010).
Introduction to Operations Research, New
York: McGraw-Hill, Inc.
Kara, İ. (2000). Doğrusal Programlama,
İstanbul: Bilim Teknik Yayınevi.
Öztürk, A. (2011). Yöneylem Araştırması,
Bursa: Ekin Yayınevi.
Taha, H.A. (2011). Operations Research: An
Introduction, Upper Saddle River, N.J.: Prentice
Hall.
Winston, W.L. (2004). Operations Research:
Applications and Algorithms, Cengage:
Brooks/ Cole.











































146

Amaçlarımız
Bu üniteyi tamamladıktan sonra;
Hedef programlama yönteminin gerçek hayat problemlerindeki önemini tartışabilecek,
Hedef programlama yönteminin temel kavram ve varsayımlarını açıklayabilecek,
Hedef kısıtları ve amaç fonksiyonlarını matematiksel olarak formüle edebilecek,
Farklı sistemlere ilişkin çok amaçlı problemlerin hedef programlama modellerini
geliştirebilecek,
Çok amaçlı problemleri grafik üzerinde çözebilecek ve verilen grafikleri çözümleyebilecek
bilgi ve becerilere sahip olabilirsiniz.

Anahtar Kavramlar
Hedef Programlama
Hedef
Hedef Kısıtı
Pozitif Sapma Değişkeni
Negatif Sapma Değişkeni
Amaç Öncelikleri
Modelleme
Grafik Yöntem

İçindekiler
Giriş
Hedef Programlamada Temel Kavramlar
Doğrusal Hedef Programlamanın Varsayımları
Hedef Programlama ve Doğrusal Programlama Arasındaki Farklar
Doğrusal Hedef Programlama Türleri
Doğrusal Hedef Programlamada Karar Modelinin Oluşturulması
Doğrusal Hedef Programlama Türleri
Hedef Programlamada Çözüm Yaklaşımları
7

147
GİRİŞ
Önceki bölümlerde de ele alındığı üzere, ele alınan problemler için en iyi çözüm yöneylem araştırması
doğrusal programlama konusu kapsamında araştırılmaktadır. Bu en iyi çözüm, problem türüne bağlı
olarak en küçük yıllık maliyet veya en büyük yıllık kâr gibi en büyük veya en küçük değerdir.
Dolayısıyla, doğrusal programlama modelinde amaç fonksiyonu enküçükleme veya enbüyükleme
şeklinde oluşturulur.
Gerçek hayatta ise karşılaşılan problemlerin çoğu birden fazla ve genellikle birbiriyle çelişen amaca
sahiptir. Örneğin, elektronik ürünler satan bir işletme yaz mevsiminde klima satışlarında karını
enbüyüklemek isterken, elde tutulan klima stoku miktarının en yüksek düzeyde olmasını ve diğer bir
yandan da envanter taşıma maliyetlerinin en küçüklenmesini ister. Bu amaçların yanı sıra başka amaçlar
da olabilir. Yönetimin 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. Doğrusal programlama modelleri ile yıllık sipariş verme
maliyetlerinin en küçüklenmesi, yıllık karın enbüyüklenmesi gibi sadece tek bir amacın eniyilenmeye
çalışıldığı problemler ele alınabilmektedir. Birden fazla amacın eniyilenmeye çalışıldığı problemlerin
çözümünde ise çok amaçlı karar verme yöntemlerine ihtiyaç duyulur. Bu yöntemlerden biri de Hedef
Programlama yöntemidir.
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 enküçüklenir. 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.
Birden fazla ve genellikle çelişen amaçları içermesinin yanı sıra, hedef programlamayı doğrusal
programlamadan ayıran bir diğer özelliği de amaç fonksiyonunda yer alan sapma değişkenlerinin farklı
ölçeklerle ifade edilebilir olmasıdır. Bir depo ve envanter sisteminden örnek verecek olursak, envanter
maliyetlerini en küçüklemek ve envanter seviyesini en uygun miktarda tutmak öncelikli amaçlardandır.
Burada belirlenen hedefler doğrultusunda en küçüklenecek olan sapmalardan biri para birimi diğeri de
envanter türüne göre envanter sayısı/ağırlık vb. ölçeğinde olacaktır.
Kısıtlarınının ve amaç fonksiyonunun yapısına bağlı olarak doğrusal ve doğrusal olmayan hedef
programlama yöntemleri bulunmaktadır. Bu ünitede doğrusal hedef programlama yöntemi incelenecektir.
Hedef programlamayı doğrusal programlamadan ayıran en önemli
özellik birden fazla amacın eniyilenmeye çalışılmasıdır. Bu nedenle, en iyi çözüm yerine
etkin bir çözüm elde edilmektedir.

Hedef Programlama

148
HEDEF PROGRAMLAMADA TEMEL KAVRAMLAR
Doğrusal programlama modellerindeki sağ taraf sabiti, karar değişkeni ve parametre tanımlarına ek olarak
hedef programlamada kullanılan temel kavramlar şunlardır:
Amaç: Karar vericinin isteğinin genel durumunu gösteren ifadedir. Örneğin envanter sipariş verme
maliyetlerini enküçüklemek, emniyet stoku miktarını enküçüklemek, yıllık karı enbüyüklemek, pazar
payını korumak vb.
Hedef: Belirlenen amaç için başarmak istenilen kesin ifadedir. Bir başka deyişle, istenilen seviye ile
belirlenmiş bir amaçtır (Ignizio, 1976). Örneğin, “toplam aylık envanter taşıma maliyetlerini en
küçüklemek” bir amaç iken, bu maliyetlerin en fazla 10.000. olması bir hedeftir. “Yıllık karı en
büyüklemek” de bir amaç iken, yıllık karın en az 2.000.000. olması da bir başka hedeftir.
Kısıtlar: Hedef programlamada sistem kısıtları ve hedef kısıtları olmak üzere iki tür kısıt
bulunmaktadır.
1. Sistem Kısıtları: Tam olarak sağlanması gereken ve sapmaya izin verilmeyen kısıtlardır. Bu
kısıtlar, eldeki kıt kaynakları ifade eder ve doğrusal programlama problemlerindeki kısıtlara karşı gelirler.
Doğrusal programlamadaki gibi formüle edilirler ve öncelikle bu kısıtların gerçekleştirilmesi gerekir
(Cinemre, 2011; Öztürk, 2011).
2. Hedef Kısıtları: Karar vericinin ulaşmayı istediği veya gerekli gördüğü hedefler, hedef
programlama modeline hedef kısıtları olarak aktarılır. Hedef kısıtları çok katı olamayıp hedeflenen
değerlerden (sağ taraf değerleri) sapmaların açıklanmasıyla ortaya çıkan esnek kısıt fonksiyonlarıdır.
Hedef kısıtlarının sağlanması sistem kısıtlarının gerçekleştirilmesinden sonra gelir (Cinemre, 2011).
Hedef kısıtlarının genel hali izleyen şekildedir:



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 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.
1. Pozitif sapma değişkeni (

): Hedefin ne kadar aşıldığını gösteren değişkendir. Örneğin, bir
otomobil firmasında motor montaj hattındaki toplam yarı mamul stoku günlük en fazla 25 adet olmalı
hedefine karşılık yarı mamul stokunun günlük 30 adet olması durumunda, hedef miktarı aşıldığından,
pozitif sapma değişkeni 5 adet olacaktır.
Hedef : en fazla 25 (adet/gün)
Gerçekleşen : 30 (adet/gün)

2. Negatif sapma değişkeni (

): Hedefin ne kadar altında kalındığını gösteren değişkendir.
Örneğin, bir otomobil firmasında yıllık üretim miktarı en az 30.000 adet olmalı hedefine karşılık yıllık
üretim miktarının 28.000 adet olması durumunda, hedef miktarına ulaşılamadığından, negatif sapma
değişkeni değeri 2.000 adet olacaktır.
Hedef : en az 30.000 (adet/yıl)
Gerçekleşen : 28.000 (adet/yıl)

Hedef kısıtlarına bağlı olarak sapma değişkenleri istenen veya istenmeyen değişken olarak da
adlandırılır.


Hedeflenen miktardan sapma = 30-25=5 (adet/gün)
Hedeflenen miktardan sapma = 30.000-28.000
= 2.000 (adet/yıl)

149
• hedef kısıtı ≥ yönünde ise

istenen,

ise istenmeyen sapma değişkenidir.
• hedef kısıtı ≤ yönünde ise

istenen,

ise istenmeyen sapma değişkenidir.
• hedef kısıtı eşitlik şeklinde (=) ise

ve

’nın her ikisi de istenmeyen sapma değişkenleridir.
Hedefin eşitlik şeklinde olmasına da bir örnek verelim. Otomobil firması yıllık üretim miktarının tam
olarak 20.000 adet olmasını hedeflerken, yıllık üretim miktarı 22.000 adet olarak gerçekleşmiş olsun.
Hedef miktarına ulaşılamamış ve hedeften pozitif yönde 2000 adetlik bir sapma olmuştur. Aynı zamanda
negatif sapma değişkeni değeri de sıfır olmuştur.
Hedef : tam olarak 20.000 (adet/yıl)
Gerçekleşen : 22.000 (adet/yıl)

Başarı fonksiyonları: Her bir amaç için belirlenen hedeften olabilecek sapmaları en küçükleyen
fonksiyonlardır.
Amaç fonksiyonu: Hedef programlamada amaç, hedef değerlerinden istenmeyen yöndeki sapmaları
enküçüklemektir. Dolayısıyla amaç fonksiyonu, tüm başarı fonksiyonlarının bir öncelik seviyesi
ve/veya ağırlığa göre toplamları şeklinde yazılan fonksiyondur.
Yukarıda verilen örneklerde,
• yıllık üretim hedefinin altında kalınmak istenmediğinde, amaç fonksiyonu tek bir hedef için

• günlük stok hedefinin üstüne çıkılmak istenmediğinde, amaç fonksiyonu tek bir hedef için

• yıllık üretim hacminin tam olarak sağlanması istendiğinde amaç fonksiyonu tek bir hedef için

olarak belirlenecektir.

DOĞRUSAL HEDEF PROGRAMLAMANIN VARSAYIMLARI
Bir problemin doğrusal karar modelinin bazı varsayımlar altında kurulduğunu önceki bölümlerde
görmüştük. Doğrusal hedef programlama modeli ile uygun bir çözüm elde edebilmek için, doğrusal karar
modeli için geçerli olan oransallık, toplanabilirlik, bölünebilirlik ve belirlilik varsayımlarının sağlanması
gerekmektedir. Yanı sıra, aşağıda verilen varsayımlar da sağlanmalıdır:
Negatif olmama varsayımı: Modelde yer alan karar ve sapma değişkenleri pozitif (sıfır veya sıfırdan
büyük) olmalıdır.

( simgesi,” herbir” anlamını taşımaktadır.)
Amaçlara öncelik verilmesi varsayımı: Karar vericiler modelde yer alan her bir amaca ya da amaç
grubuna bir öncelik verebilir. En önemli amaç önceliği, bir başka deyişle birinci öncelikli amaç önceliği

ile gösterilir. İkinci öncelikli amaç için

gösterimi kullanılır. Diğer öncelikler de

ile ifade
edilir. Burada dikkat edilmesi gereken nokta

’in

’den,

’nin de

’ten daima büyük olduğudur.
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.
Amaçların ağırlıklandırılması varsayımı: Doğrusal hedef programlama modelindeki sapmaların
önem dereceleri birbirinden farklı olabilir. Bu durumda sapmalara ağırlık değerleri verilebilir. Bu
ağırlıklar, her bir sapmanın diğerlerine oranla göreceli olarak önemini gösterir (Alp, 2008). Modelin amaç
fonksiyonu, hedeflerini temsil eden sapmaların ağırlıklandırılmış toplamı haline getirilir.
Hedeflenen miktardan sapma = 22.000-20.000
= 2.000 (adet/yıl)

150

durumunda en önemli hedef

, en az önemli
hedef ise

ile gösterilmektedir.
Hedef Programlamanın önemli özelliklerinden birbiri de hedeflerin
önemine göre öncelik atamasının yapılabilmesidir.

HEDEF PROGRAMLAMA VE DOĞRUSAL PROGRAMLAMA
ARASINDAKİ FARKLAR
Doğrusal hedef programlama ile doğrusal programlama yöntemleri benzer özelliklere sahip olsa da
izleyen noktalardaki farklılıklara sahiptirler.
1. Doğrusal programlamada amaç en iyi çözümü elde etmek iken, doğrusal hedef programlamada
amaç mümkün olduğunca en iyi çözümü elde etmektir.
2. Doğrusal programlama modelinde tek bir amaç eniyilenmeye çalışılır. Doğrusal hedef
programlama modelinde ise birden fazla amaç için hedef değerleri belirlenir ve bu hedeflerin
hepsi modele alınır.
3. 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.
4. 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.
5. Doğrusal programlamada amaç fonksiyonu enbüyükleme ya da enküçükleme şeklinde iken,
hedef programlamada amaç fonksiyonu sadece enküçükleme şeklindedir.

DOĞRUSAL HEDEF PROGRAMLAMA TÜRLERİ
Bilindiği üzere, tek amaçlı eniyileme modellerinde sadece bir amaç fonksiyonunun enbüyüklenmesi ya da
enküçüklenmesi söz konusudur. Hedef programlamada ise, 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 beş
başlıkta sınıflandırılabilir:
1. Tek hedefli programlama
2. Eşit ağırlıklı çok hedefli programlama
3. Ağırlıklı çok hedefli programlama
4. Öncelikli çok hedefli programlama
5. Öncelikli-ağırlıklı çok hedefli programlama.

Tek Hedefli Programlama
Ele alınan problemin tek bir hedefi olması durumunda ortaya çıkan programlama türüdür. Hedef türüne
bağlı olarak, amaç fonksiyonu üç farklı biçimde kurulur:
1.

2.

3.

151
Örnek 7.1. Bir mini buzdolabı üretici firmasının bünyesinde sevkiyat için üç tür araç bulunmaktadır.
Yılda en fazla 1 milyon adet mini buzdolabı üretimi yapılmaktadır. A türü araç ile bir seferde 200, B türü
araç ile 250 ve C türü araç ile 400 adet buzdolabı sevkiyatı yapılabilmektedir. Araçların yıllık kullanımı
sonucu oluşan bakım maliyetleri A türü araç için 200, B türü araç için 300 ve C türü araç için de 500 lira
olmaktadır. Firma bakım maliyetleri için en çok 900.000 lira ödenmesini istemektedir.
Bu örnekte firmanın bakım maliyetlerine ilişkin olmak üzere tek bir hedefi bulunmaktadır. Hangi araç
türünden ne kadar kullanılacağını belirleyecek tek hedefli programlama modeli izleyen şekilde
kurulabilir.

bir yılda kullanılan tür araç adedi
: A türü araç; : B türü araç; : C türü araç

: Yıllık 900000 lira bakım maliyetleri hedefinin altında kalan miktar

: Yıllık 900000 lira bakım maliyetleri hedefini aşan miktar

Maliyet hedefi kısıtı:

Sevkiyat kısıtı:

Negatif olmama kısıtı:

kısıtları altında

Kurulan modelden görüldüğü üzere, maliyet hedefi kısıtı maliyet fonksiyonunun pozitif ve negatif
sapma değişkenlerinin eklenmesi ve hedef değeri olan 900.000’e eşitlenmesi ile oluşturulmuştur. Amaç
fonksiyonu da maliyet hedefi aşılmak istenmediğinden, sadece pozitif sapmanın enküçüklenemesi
şeklinde oluşturulmuştur.

Eşit Ağırlıklı Çok Hedefli Programlama
Ele alınan problemin hedeflerinin herhangi bir önceliğinin bulunmaması ve sapma değişkenlerinin de eşit
önemli olması halinde ortaya çıkan programlama türüdür. Amaç fonksiyonu da istenmeyen sapma
değişkenlerinin toplamı şeklinde kurulur.
Örneğin istenmeyen sağma değişkenleri

olsun. Bu durumda amaç fonksiyonu
izleyen şekilde kurulur.

Sapma değişkenlerine ilişkin verilen örnekte de üretim ve stok miktarları hedefleri için meydana
gelebilecek sapmalar eşit ağırlığa sahip olduğundan, amaç fonksiyonunda istenmeyen sapmaların toplamı
en küçüklenir (

). Burada her iki sapma değişkenin aynı boyutta (adet) olduğuna dikkat
edilmelidir. Eşit ağırlıklı çok hedefli programlama modellerinde amaç fonksiyonu değerinin anlamlı
olabilmesi için sapma değişkenlerinin aynı boyutta/birimde olması gerekmektedir.

Ağırlıklı Çok Hedefli Programlama
Hedeflerdeki sapma değişkenlerinin önem derecelerinin birbirinden farklı olması halinde sapma
değişkenlerine

ağırlık değerleri verilebilir. Bu ağırlıklar, her bir sapma değişkeninin diğerine oranla
göreceli olarak önemini gösterir. Amaç fonksiyonu, sapma değişkenlerinin ağırlıklandırılmış toplamının
enküçüklenmesi şeklinde oluşturulur.
Bu yaklaşım genellikle eşit ağırlıklı çok hedefli problemlerin sapma değişkenlerinin boyutları/ölçü
birimleri farklı olduğunda tercih edilir.



152
Örneğin, amaç fonksiyou

olarak belirlenen bir hedef programlama modelinde
hedeflerden ilki kâr diğeri de üretim hedefi olsun. Bu durumda

sapma değişkeninin ölçü birimi lira,

sapma değişkeninin ölçü birimi de adet cinsindendir.
Her hedefe karşı gelen sapma değişkeni süre, para birimi ve adet gibi farklı ölçeklerde olduğunda,
amaç fonksiyonunda normalleştirme ve benzeri işlemler yapılabilir. Karmaşık bir süreç olan ağırlık
belirleme konusuna bu bölümde yer verilmemiştir.
Konuyla ilgili olarak yeniden

amaç fonksiyonu ele alınacak olursa, birinci sapma
değişkeninin ikinci sapma değişkenine göre göreceli olarak 4 kat daha önemli olduğunu varsayalım. Bu
durumda daha anlamlı hale gelen amaç fonksiyonu,

ve

olmak üzere izleyen şekilde
kurulur.

Sapma değişkenlerine ağırlık verilmesi durumu bir hedef için negatif ve pozitif sapma değişkenlerinin
birbirine göre önemli olması durumunda da gerçekleşebilir. Örneğin eşitlik türünde bir üretim hedefinde,
hedefin altında kalmaya neden olan negatif sapma, üretim hedefini aşan pozitif sapmadan daha önemli
olabilir. Bu durumda negatif sapma pozitif sapmaya göre 3 kat daha önemli olsun. İlgili amaç fonksiyonu
da bu durumda

olacaktır. Büyük ağırlığa sahip negatif sapma (

), pozitif sapmaya (

göre daha fazla
istenmemektedir. Amaç fonksiyonu bir en küçükleme fonksiyonu olduğundan, bu durumda ağırlığı daha
büyük olan negatif sapma öncelikli olarak enküçüklenmeye zorlanmaktadır.

Öncelikli Çok Hedefli Programlama
Bir hedefe ulaşmak diğer hedeflere ulaşmaktan daha önemli olabilir. Dolayısıyla, öncelikli hedef
programlamada karar verici hedeflere bir öncelik belirler ve bu önceliklere göre hedefleri sıralandırır.
Buradaki temel 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 (Taha, 2000).
Öncelikli çok hedefli programlamada, toplam k adet öncelik belirlenmesi halinde, birinci öncelikli
hedef önceliği

ve en düşük hedef önceliği

olmak üzere, diğer hedef öncelikleri

şeklinde sıralanır. Her bir öncelik seviyesinde birden fazla hedef bulunabilir. Bu durumda, aynı öncelik
seviyesine sahip hedef grubunda yer alan hedefler eşit ağırlıklı ya da ağırlıklı hedef programlamadaki gibi
modellenebilir. Çözüm aşamasında ise farklı önceliklere sahip hedefler önem derecesine göre sıralanır.
Bu konuda daha detaylı bilgi edinmek isteyenler Öztürk, A. (2011).
Yöneylem Araştırmasına Giriş, Bursa: Ekin Yayınevi ve Cinemre, N. (2011). Yöneylem
Araştırması, Evrim Yayınevi: İstanbul kitaplarını inceleyebilirler.
Örnek 7.2. Bir işletme yönetimi lojistik faaliyetlerine ilişkin belirledikleri beş hedef için üç öncelik
seviyesi atamıştır. Buna göre istenmeyen sapma değişkenleri ve ilgili öncelik seviyeleri Tablo 7.1’de
verilmiştir.
Tablo 7.1: Örnek Probleme İlişkin Veriler
Öncelik Seviyesi Hedef no İstenmeyen sapma değişkenleri

1

2, 3

4, 5

Genel olarak amaç fonksiyonu

olarak ifade edilir.


153
Öncelikli-Ağırlıklı Çok Hedefli Programlama
Öncelikli hedef programlama modellerinde bazı durumlarda sapma değişkenlerinin farklı ağırlıklara sahip
olduğu durumlar da karşımıza çıkabilmektedir.
Örneğin bir işletmenin üç öncelikli üç farklı amacı olsun.
• Birinci öncelikli birinci hedef için hem negatif hem de pozitif sapma değişkenleri istenmeyen
değişkenlerdir.
• Birinci hedef için negatif sapma pozitif sapmadan iki kat önemlidir.
• İkinci hedef ikinci, üçüncü hedef de üçüncü öncelikli hedef olarak belirlenmiştir.
• İkinci ve üçüncü hedefler için pozitif sapma değişkenleri istenmeyen değişkenlerdir.
Bu durumda ilgili problem için amaç fonksiyonu aşağıdaki şekilde kurulur.

Bu konuda daha detaylı bilgi edinmek isteyenler Öztürk, A. (2011).
Yöneylem Araştırmasına Giriş, Bursa: Ekin Yayınevi ve Cinemre, N. (2011). Yöneylem
Araştırması, Evrim Yayınevi: İstanbul kitaplarını inceleyebilirler.

DOĞRUSAL HEDEF PROGRAMLAMADA KARAR MODELİNİN
OLUŞTURULMASI
Doğrusal programlamadan farklı olarak, doğrusal hedef programlamada belirlenen amaç ve hedefler
doğrultusunda hedef kısıtları oluşturulur. Buna ilaveten, amaç fonksiyonu da sadece hedeften sapmaları
gösteren sapma değişkenlerinden oluşur.
Bu bölümde, genel doğrusal hedef programlama karar modelinin oluşturulmasına geçmeden önce,
öncelikle hedef kısıtlarının ve amaç fonksiyonun nasıl oluşturulduğu anlatılacaktır.

Hedef Kısıtlarının Oluşturulması
Hedef kısıtları, belirlenen hedef türüne bağlı olarak oluşturulur. Hedef programlamada üç tür hedef vardır
(Öztürk, 2011). Bu hedefler;
1. Altına düşmek istenmeyen alt sınırı belirleyen tek taraflı hedef (bu sınırı aşmak başarıdır).
2. Üstüne çıkmak istenmeyen üst sınırı belirleyen tek taraflı hedef (bu sınırın altına düşmek
başarıdır).
3. Her iki tarafta da bir kayıp istenmediğinde belirlenen spesifik hedef (amaç fonksiyonu bu
hedefin altında veya üstünde değer alırsa bu bir başarısızlıktır). Bu hedef tam olarak
sağlanmalıdır.
Bu hedef türlerine ilaveten, bazı durumlarda hedefler bir aralık içinde de belirlenebilir. Örneğin, yıllık
üretim miktarının en az 20000 en çok da 40000 adet olması gibi.

hedef fonksiyonu ve

birinci amaç için belirlenen hedef olmak üzere yukarıda tariflenen
hedef türleri izleyen eşitsizlikler halinde yazılır.
• Bir amaç için alt sınır hedef belirlendiğinde, altına düşmek istenmeyen tek taraflı hedef (1) nolu
eşitsizlik ile gösterilir.

(1)
• Bir amaç için üst sınır hedef belirlendiğinde, üstüne çıkmak istenmeyen tek taraflı hedef (2) nolu
eşitsizlik ile gösterilir.

(2)

154
• Bir amaç için eşitlik şeklinde bir hedef belirlendiğinde, hedef (3) nolu eşitlik ile gösterilir.

(3)
Belirlenmiş olan her bir hedef kısıtı, sapmalara izin verildiği için, kısıtların ihlal edilebildiği esnek
hedefe (4) nolu eşitlik halinde dönüştürülür.

(1) durumunda, karar verici için

hedefinden büyük olan tüm değerler kabul edilebilir değerlerdir.
Dolayısıyla,

hedefinin altına düşülmesine sebep olacak negatif sapma değişkenlerinin mümkün
olduğunca sıfır olması gerekir.
(2) durumunda, karar verici için

hedefinden küçük olan tüm değerler kabul edilebilir değerlerdir.
Dolayısıyla,

hedefinin üstüne çıkılmasına sebep olacak pozitif sapma değişkenlerinin mümkün
olduğunca sıfır olması gerekir.
(3) durumunda ise karar verici için

hedefi tam olarak karşılanmalıdır. Dolayısıyla,

hedefinin
altına düşülmesine sebep olacak negatif sapma değişkenleri ile hedefin üstüne çıkılmasına sebep olacak
pozitif sapma değişkenlerinin mümkün olduğunca sıfır olması gerekir.
Bir hedefin ya altında ya da üstünde bir durum gerçekleştiğinde sapma değişkenlerinden biri daima
sıfır değerini alır. Hedefin tam olarak gerçekleşmesi durumunda ise iki sapma değişkeni de sıfır değerini
alır.
Amaç fonksiyonunun en iyi değeri, sistem ve hedef kısıtlarının sınırlandırdığı çözüm alanı içinde
aranır. Burada unutulmaması gereken nokta, sistem kısıtları sağlanmadan hedef kısıtlarının sağlanmasına
geçilmeyeceğidir. Sistem kısıtlarının uygun bir çözüm oluşturmaması durumunda ise hedef kısıtlarına
(amaç fonksiyonuna) bakılmaksızın problemin uygun bir çözümü olmadığı belirlenmiş olur.

olmak üzere, sistem kısıtları

ve

olan bir problemde hedef kısıtı

ve istenmeyen sapma değişkeni de

olarak belirlenmiştir. Bu durumda problemin uygun çözümü hakkında ne dersiniz?
Örnek 7.3. Sistem kısıtlarının

olduğu bir problemde, hedef kısıtı

ve istenmeyen sapma değişkeni de

olsun.
Sistem kısıtları tarafından sağlanan uygun çözüm alanı ABCDE yamuğu ile Şekil 7.1’de gösterilmiştir.

hedef fonksiyonu uygun çözüm alanının dışında kalmıştır. Hedef kısıtları esnek kısıtlar
olduğundan,

ve

sapma değişkenleri değer alarak hedef kısıtı uygun çözüm alanında bir nokta ile
kesişebilir. Hedef kısıtının uygun çözüm alanına yaklaşabilmesi için

sapma değişkeni sıfır değerini
alacaktır.

değişkeni de pozitif bir değer alarak, hedef kısıtının uygun çözüm alanında bir noktada
değer almasını sağlayacaktır. Problemin en iyi çözümü

değerini aldığı A noktasındadır. Böylece
hedef kısıtı olabildiğince sağlanmış ve

en az 90 yerine 80 değerini alarak mümkün olan en iyi değeri
almıştır. Bu durumda

değişkeninin değeri de 10 olmuştur.

Birinci hedef kısıtı:

(4)
İkinci hedef kısıtı:

Üçüncü hedef kısıtı:

155

Şekil 7.1: Örnek 7.1 İçin Uygun Çözüm Alanı ve Hedef Kısıtının Grafik Üzerinde Gösterimi

Bir hedeften aynı anda hem pozitif hem de negatif yönde sapma olamayacağından

ve

aynı anda
sıfırdan büyük değer alamaz. Sapma değişkenlerinden en az biri sıfır değerini alacaktır.
Hedef kısıtlarının gerçekleştirilmesine çalışılmadan önce, mutlaka
tüm sistem kısıtları sağlanmalıdır.
Tablo 7.2’de farklı hedeflere ilişkin oluşturulan hedef kısıtları verilmiştir.

Tablo 7.2: Hedef Türlerine Bağlı Olarak Oluşturulan Hedef Kısıtları
Hedef Türü Hedef Kısıtı Amaç fonksiyonunda en
küçüklenecek sapma
değişkeni
Üstüne çıkmak istenmeyen üst sınırı
belirleyen tek taraflı hedef:

Altına düşmek istenmeyen alt sınırı
belirleyen tek taraflı hedef:

Her iki tarafta kaçırmak istemediğimiz
spesifik hedef:

,

)

Hedef kısıtının oluşturulması ve sapma değişkeni değerlerinin hesaplanmasına yönelik bir örnek
izleyen şekilde verilebilir.



156
Örnek 7.4. Bir otomobil firmasında yıllık üretim miktarı en az 20.000 adet olmalı hedefine karşılık
yıllık üretim miktarı 18.000 adet olarak gerçekleşmiştir. Dolayısıyla, istenilen hedefe ulaşılamamıştır. Bu
durumda hedefe ulaşmada ortaya çıkan sapmayı belirleyecek olursak, öncelikle hedef kısıtını
oluşturmamız gerekmektedir. Karar ve sapma değişkenleri izleyen şekilde belirlenir.

Otomobil üretim miktarı (adet/yıl)

: yıllık 20.000 adet üretim hedefinin altında kalan miktar

: yıllık 20.000 adet üretim hedefini aşan miktar
Bu örnek için hedef fonksiyonu şeklindedir. Eşitsizliğin sağ taraf sabiti olan 20.000,
istenen hedef yani en düşük yıllık üretim miktarıdır.
Hedeften sapmalara izin verildiği için, bu durumda hedef kısıtı aşağıdaki eşitlik halinde yazılır.

=18000 (auet¡yil)olarak belirlendiğinden, hedeflenen üretim miktarına ulaşılamamıştır.

Dolayısıyla, hedef aşımı gerçekleşmemiş ve pozitif sapma değişkeni

=0 olmuştur. İstenilen hedefe
ulaşılamadığından da negatif sapma değişkeni

= 2000

olmuştur.
Bu örnekte, yıllık emniyet stoku miktarının 3000 adet olması şeklinde bir hedef daha
belirlenmiş olsun. Probleme dair yeni değişkenler,

emniyet stoku miktarı (adet/yıl)

: yıllık 3000 adet emniyet stoku hedefinin altında kalan miktar

: yıllık 3000 adet emniyet stoku hedefini aşan miktar
olarak belirlendiğinde, ikinci hedef fonksiyonu

ve hedef kısıtı da

şeklinde olacaktır. Yıllık emniyet stoku miktarının 3000 adet olarak gerçekleşmesi durumunda her ki
sapma değişkeni (

ve

) sıfır değerini alacak ve hedefe tam olarak ulaşılmış olunacaktır.

Aksi durumlarda ise, ya hedefin altında ya da hedefin üstünde bir başarısızlık gerçekleşecektir.
Üç farklı model kamyon kullanan bir lojistik firması ayda toplam 100
sefer yapmaktadır. Birinci tür kamyonun ayda en fazla 20 defa kullanılmasını ve ikinci tür
kamyonun da ayda en az 40 defa kullanılmasını hedefleyen firmanın hedeflerinden
istenmeyen sapmalar hangileridir?

Amaç Fonksiyonunun Oluşturulması
Doğrusal hedef programlama modelinde amaç fonksiyonu sadece sapma değişkenlerinden
oluşmaktadır. Hedeften istenmeyen yöndeki sapma değişkenleri toplamı en küçüklenir. Amaç
fonksiyonunda yer alacak sapma değişkenleri de modelde yer alan hedef türlerine bağlı olarak belirlenir.



157
Tablo 7.2’de verildiği üzere,
• Hedef türü yönünde ise, amaç fonksiyonunda hedefin aşılmasına sebep olan pozitif sapma

değişkeni en küçüklenmeye çalışılacaktır.
• Hedef türü yönünde ise, amaç fonksiyonunda hedefe ulaşmayı engelleyen negatif sapma

değişkeni en küçüklenmeye çalışılacaktır.
• Hedef türü eşitlik şeklinde ise, amaç fonksiyonunda hedefe tam olarak ulaşılmasını engelleyen
hem

hem de

değişkenleri enküçüklenmeye çalışılacaktır.
Karar vericilerin hedeflere öncelik ve/veya ağırlık vermesi durumunda da bu öncelik ve ağırlıklar ile
amaç fonksiyonu oluşturulur. İzleyen örneklerde farklı durumlar için amaç fonksiyonlarının nasıl
oluşturulduğu ele alınmıştır.
Doğrusal hedef programlama modelinde amaç fonksiyonu sadece
sapma değişkenlerinden oluşmaktadır. Amaç fonksiyonunda karar değişkenleri yer
almaz.
Örnek 7.5. Bir önceki örnekten devam edecek olursak, ilk hedef yıllık üretim miktarının en az 20.000
olması ve ikinci hedef de yıllık emniyet stoku miktarının 3000 adet olması şeklinde belirlenmişti.
Hedefler için herhangi bir öncelik ve ağırlık verilmemesi durumunda amaç fonksiyonu istenmeyen
sapmaların toplamının enküçüklenmesi şeklinde oluşturulur.
İlk hedef için istenmeyen sapma :

İkinci hedef için istenmeyen sapmalar :

ve

Amaç fonksiyonu :

+

Görüldüğü üzere, ilk hedef için hedefin altında kalınmak istenmediğinden sadece negatif sapma
değişkeni, ikinci hedefin de tam olarak karşılanması istendiğinden her iki sapma değişkeni de en
küçüklenmeye çalışılmıştır.
Amaç fonksiyonunda yer alacak sapma değişkenleri hedef türüne
bağlıdır.
Örnek 7.6. Bir işletme önümüzdeki planlama dönemi için üç hedef belirlemiş olsun. İlk hedef üretim
miktarının en az 100.000, ikinci hedef envanter taşıma maliyetlerinin en fazla 3000 lira ve karın 40.000
lira olması şeklinde belirlenmiştir. Hedefler için herhangi bir öncelik ve ağırlık verilmemesi durumunda
amaç fonksiyonu istenmeyen sapmaların toplamının en küçüklenmesi şeklinde oluşturulur.
İlk hedef için istenmeyen sapma :

İkinci hedef için istenmeyen sapma :

Üçüncü hedef için istenmeyen sapmalar :

ve

Amaç fonksiyonu :

+

Görüldüğü üzere, ilk hedef için hedefin altında kalınmak istenmediğinden sadece negatif sapma
değişkeni, ikinci hedefin üstüne çıkılmak istenmediğinden sadece pozitif sapma değişkeni ve üçüncü
hedefin de tam olarak karşılanması istendiğinden her iki sapma değişkeni de en küçüklenmeye
çalışılmıştır.
Örnek 7.7. Dördüncü örnekte ele alınan problemde, şirket yöneticileri ikinci hedefin birinci hedeften
daha önemli olduğunu düşünmektedir. Bu durumda,

: yıllık emniyet stokunun 3000 adet olması hedefinin önceliği (ikinci hedef)

: yıllık üretim miktarının en az 20.000 adet olması hedefinin önceliği (ilk hedef)
ve

olmak üzere, amaç fonksiyonu izleyen şekilde oluşturulur:

158

Aksi durumda, yani birinci hedefin birinci öncelikli hedef olması durumunda ise amaç fonksiyonu,

+

şeklinde oluşturulur.
Bu örneklerde önce birinci öncelikli (

hedef gerçekleştirilmeden ikinci öncelikli hedef
gerçekleştirilemez.
Örnek 7.8. Yine dördüncü örnekten devam edecek olursak, şirket yöneticilerinin birinci hedefin
ikinci hedeften 3 kat önemli olduğunu düşündüğünü varsayalım. Bu durumda, amaç fonksiyonu izleyen
şekilde oluşturulur.

+

Örnek 7.8’te incelenen sistemde ikinci hedefin birinci hedeften 4 kat
daha fazla olması durumunda amaç fonksiyonu ne olacaktır?

Modelleme
Doğrusal hedef programlama modelinin kuruluşunda izleyen adımlar sırasıyla uygulanır:
1. Karar değişkenlerinin (

belirlenmesi.
2. Sistem kısıtlarının belirlenmesi.
3. Belirlenen hedefler doğrultusunda hedef kısıtlarının belirlenmesi.
4. Modelde yer alan tüm değişkenler için negatif olmama kısıtının oluşturulması.
5. Karar vericilere bağlı olarak gerekli durumlarda hedeflerin önceliklerinin belirlenmesi.
6. Karar vericilere bağlı olarak gerekli durumlarda hedeflerin ağırlıklarının belirlenmesi.
7. Amaç fonksiyonunun oluşturulması.
Hedef ve sapma değişkenlerinin herhangi bir önceliği ve ağırlığı olmaması durumunda, toplam i hedef
ve j karar değişkeni için genel doğrusal hedef programlama modeli izleyen (5) nolu model ile verilmiştir.

Hedef kısıtları
Sistem kısıtları

kısıtları altında

(5)

Örnek 7.9. Çikolata üretimi yapan bir firma, gelecek üretim döneminde şekerleme üretimine geçmeyi
planlamaktadır. Üretmeyi planladığı iki tür şekerleme de şeker, fındık ve çikolata içermektedir. Firmanın
mevcut günlük stoklarında 200 kg şeker, 40 kg fındık ve 60 kg da çikolata bulunmaktadır. A türü
şekerleme %15 fındık ve % 15 çikolata içermelidir. B türü şekerleme de en az %20 fındık içermektedir. A
türü şekerlemenin kilosu 50 kuruşa (0.2 lira), B türü şekerlemenin kilosu da 20 kuruşa (0.5 lira)
satılmaktadır. Firma günlük karının en az 1000 lira olmasını hedeflemektedir. Yanı sıra, A türü
şekerlemeden de günde en çok 3 ton üretilmesini hedeflemiştir.
Bu problemin doğrusal hedef programlama modelinin kurulmasından önce karar ve sapma
değişkenleri izleyen şekilde tanımlanabilir.

159

tür malzemeden j. tür şekerlemede kullanılan miktar (kg)
: şeker; : fındık; : çikolata
: A türü şekerleme ; : B türü şekerleme

: günlük 1000 lira kâr hedefinin altında kalan miktar

: günlük 1000 lira kâr hedefini aşan miktar

: günlük 3 ton A türü şekerleme üretim hedefinin altında kalan miktar.

: günlük 3 ton A türü şekerleme üretim hedefini aşan miktar

Model:
Kâr hedefi kısıtı:

Üretim hedefi kısıtı:

Şeker kısıtı:

Fındık kısıtı:

Çikolata kısıtı:

A türü şekerlemede fındık kısıtı:

A türü şekerlemede çikolata kısıtı:

B türü şekerlemede fındık kısıtı:

Negatif olmama kısıtı:

kısıtları altında

Kâr ve üretim hedeflerine ilişkin hedefler modelde hedef kısıtları olarak yer almıştır. Amaç
fonksiyonunda ise kâr hedefinin altında kalınmak istenmediğinden

değişkeni, üretim hedefinin de
altında kalınmak istenmediğinden

değişkeni toplamları enküçüklenmektedir.
Hedeflerin ve sapmaların önceliklerinin olduğu durumlara ilişkin üç örnek aşağıda verilmiştir.
Örnek 7.10. İki amaçlı bir hedef programlama modelinde, birinci hedef ilk hedef küçük eşitlik (≤)
yönündedir. İkinci hedef ise eşitlik halinde tam olarak sağlanması istenen bir hedeftir. İkinci hedef için
pozitif sapma değişkeni de negatif sapma değişkeninden 3 kat daha önemlidir. Aynı zamanda, birinci
hedefin ikinci hedeften iki kat daha önemli olduğu saptanmıştır. Bu koşullar altında amaç fonksiyonu
izleyen şekilde kurulur:

Örnek 7.11. Üç amaçlı bir hedef programlama modelinde, ilk hedef birinci öncelikli, üçüncü hedef
ikinci öncelikli ve ikinci hedef de üçüncü öncelikli olsun. Aynı zamanda, birinci hedefe ilişkin
sapmalardan pozitif sapma negatif sapmadan da iki kat önemli olsun. Diğer hedeflerde de negatif sapma
istenmeyen sapma olarak belirlensin. Bu durumda amaç fonksiyonu izleyen şekilde kurulur:

160
Örnek 7.12. Aşağıda çok amaçlı bir probleme ilişkin hedef ve sistem kısıtları verilmiştir:

Hedefler Sistem kısıtları:
Hedef 1:

Hedef 2:

Hedef 3:

Hedeflerin öncelik sıralaması 1-2-3 ve sapma değişkenlerinin eşit ağırlıklı olması durumunda,
yukarıda verilen problemin öncelikli hedef programlama modeli izleyen şekilde kurulur.

(1.Hedef kısıtı)

(2.Hedef kısıtı)

(3.Hedef kısıtı)

kısıtları altında

Kurulan modelden de görüldüğü üzere, hedef kısıtları hedef fonksiyonlarına pozitif ve negatif sapma
değişkenlerinin eklenmesi ile oluşturulmuştur. Birinci hedef küçük eşitlik yönünde olduğundan
istenmeyen sapma değişkeni

, ikinci hedef büyük eşitlik yönünden olduğundan istenmeyen sapma
değişkeni

dir. Üçüncü hedef bir eşitlik olduğundan hem pozitif hem de negatif sapma değişkenleri
istenmeyen değişkenlerdir. Amaç fonksiyonu da herbir hedeften istenmeyen sapmaların öncelikleri ile
birlikte toplamının enküçüklenmesi şeklinde oluşturulmuştur.
Örnek 7.13. Organik tarıma geçiş sürecini tamamlayan bir çiftçi hangi ürünleri üreteceği konusunda
karar aşamasına gelmiştir. Yaptığı araştırmalar sonucunda arazisinin bir kısmına patates bir kısmına da
buğday ekmeye karar vermiştir. Bir dönüm araziye patates ekilmesi durumunda 100 kilo, buğday
ekilmesi durumunda da 250 kg. ürün edilmektedir. Bir dönüm arazide patates ekimi için haftalık 10 saat,
buğday ekimi için de 4 saat işçilik gerekmektedir. Patatesin kilosu 3, buğdayın kilosu da 4 liradan
satılmaktadır. Çiftçinin toplam arazisi 7 dönüm ve haftalık toplam uygun işçilik saati de 40
(saat/hafta)’tır. Çiftçinin birinci öncelikli hedefi toplam gelirinin en az 3000 lira olması, ikinci öncelikli
hedefi de en fazla 300 kilo patates üretmektedir. Belirlenen hedeflere ulaşmak için kurulan öncelikli
hedef programlama modeli izleyen şekilde kurulabilir.

patates ekilen dönüm miktarı

buğday ekilen dönüm miktarı

: yıllık 900.000 lira gelir hedefinin altında kalan miktar

: yıllık 900.000 lira gelir hedefini aşan miktar

: yıllık 300 kg. patates üretim hedefinin altında kalan miktar

: yıllık 300 kg. patates üretim hedefini aşan miktar







161
Gelir hedefi kısıtı:

Patates üretim hedefi kısıtı

Sistem kısıtları

Negatif olmama kısıtları

kısıtları altında

Bu modelde de hedef kısıtları hedef fonksiyonlarına pozitif ve negatif sapma değişkenlerinin
eklenmesi ile oluşturulmuştur. Birinci hedef büyük eşitlik yönünde olduğundan istenmeyen sapma
değişkeni

, ikinci hedef de büyük eşitlik yönünden olduğundan istenmeyen sapma değişkeni

dir.
Amaç fonksiyonu da herbir hedeften istenmeyen sapmaların öncelikleri ile birlikte toplamının
enküçüklenmesi şeklinde oluşturulmuştur.
Modellin çözümünün ilk aşamasında birinci hedef için negatif sapma değişkenin en küçüklenmesine
çalışılacaktır. İkinci aşamada da birinci öncelikli hedefi sağlayacak şekilde ikinci öncelikli hedefin en
iyilenmesine çalışılacaktır.

HEDEF PROGRAMLAMADA ÇÖZÜM YAKLAŞIMLARI
Doğrusal hedef programlama problemlerinin çözümünde kullanılan iki tür yaklaşım bulunmaktadır:
Grafik yöntemi ve Simpleks yöntemi. Bu ders kapsamına uygun olarak Simpleks çözüm yaklaşımına
ünütemizde yer verilmemiştir.

Grafik Yöntemi
Grafik yöntemi, modeldeki karar değişkeni sayısı iki olduğunda tercih edilen bir yöntemdir. Çözüm
aşamasında öncelikle problemin modeli kurulur. Ardından tüm kısıt (sistem ve hedef) denklemleri grafik
üzerinde çizilir. Yalnız, hedef kısıtlarını grafik üzerinde gösterirken sapma değişkenlerinin sıfır olduğu
varsayılır. Örneğin bir hedef kısıtı

olsun. Bu durumda hedef kısıtının grafik
üzerinde çizimi,

denklemi şeklinde yapılır.
Hedef kısıtları, sistem kısıtlarının oluşturduğu uygun çözüm alanın dışında değer alamazlar. Bu
nedenle, öncelikle hedef kısıtının sapma yönleri belirlenir. İstenmeyen sapma en küçük olacak şekilde
hedeflerin istenilen yönlerini kapsayan alan ile uygun çözüm alanının kesişip kesişmediği kontrol edilir.
Kesişme varsa kesişim noktalarından hangisi istenmeyen sapmayı en küçüklüyorsa o nokta en iyi çözümü
vermektedir.
Hedeflerin istenilen yönlerini kapsayan alan ile sistem kısıtlarının sağladığı uygun çözüm alanı
kesişmiyorsa, hedef kısıtları uygun çözüm alanının dışında kalmayacak şekilde, uygun çözüm alanına
doğru yönlendirilirler. Bu işlemin doğal bir sonucu olarak da sapma değişkenleri değer alırlar.
Grafik yöntemin son aşamasında, uygun çözüm alanı ile hedef kısıtlarının kesişim noktalarında
istenmeyen sapma değişkenlerinin aldığı değerler belirlenir. İstenmeyen sapma değişkenlerinin
toplamının en küçük değer aldığı nokta problemin en uygun çözüm noktasıdır.
Hedef kısıtları, sistem kısıtlarının oluşturduğu uygun çözüm alanın
dışında değer alamazlar.
Bu bölümde incelenen grafiksel çözüm yaklaşımı ile çözüm örneklerinde hedeflerin önceliksiz ve
sapma değişkenlerinin de eşit ağırlıklı olduğu varsayılmıştır.
Örnek 7.14. Tek hedefli bir problemin ele alındığı Örnek 7.3’te, hedef kısıtı

ve
istenmeyen sapma değişkeni de

olarak belirlenmişti. Sistem kısıtları tarafından sağlanan uygun çözüm
alanı olan ABCDE yamuğu ile hedef kısıtı Şekil 7.2’de yeniden verilmiştir.

162

hedefi üüş yönündedir. Bu durumda hedef kısıtı

olacaktır.
Ancak uygun çözüm alanı ile hedefin istenen yönü kesişmemektedir. Dolayısıyla hedef kısıtını uygun
çözüm alanına yönlendirmek üzere

=0 olacak ve

değişkeninin alacağı değer de en küçüklenmeye
çalışılacaktır. Böylece, hedef değere mümkün olduğunca ulaşılmaya çalışılacaktır.

Şekil 7.2: Problemin Uygun Çözüm Alanı ve Hedef Kısıtının Grafik Üzerinde Gösterimi
Uygun çözüm alanının köşe noktaları, (

) değerleri hedef kısıtlarında yerine konarak elde edilen
sapma değişkeni değerleri ve amaç fonksiyonun aldığı değerler Tablo 7.3’te verilmiştir. Tablodan
görüldüğü üzere, her bir nokta için olduğundan problem için en iyi çözüm bulunamamıştır. En
uygun çözüm noktası, negatif sapma değişkeninin en küçük değeri aldığı A(0, 80) noktasıdır. Amaç
fonksiyonu değeri de 10 olarak belirlenmiştir.

Tablo 7.3: Uygun Köşe Noktalarına Göre Amaç Fonksiyonu Değerleri
Uygun köşe noktası
(

)
Sapma değişkenleri Amaç fonksiyonu değeri

A(0,80)

(

)
10
B(20,60)

(

)
30
C(40,20)

(

)
70
D(40,0)

(

)
90
E(0,0)

(

)
90








En uygun
değer

163
Örnek 7.15. Örnek 7.14’te tek hedefli bir hedef programlama probleminin grafik yöntemle çözümü
araştırılmıştır. Bu örnekte ise eşit ağırlıklı iki hedefli bir problemin çözümü grafik yöntemle
araştırılacaktır. Problemin hedef programlama modeli aşağıda verilmiştir.

Hedef kısıtı 1:

Hedef kısıtı 2:

kısıtları altında

Şekil 7.3’ten de görüldüğü üzere, her iki hedef kısıtı da sistem kısıtları tarafından sağlanan uygun
çözüm alanı içinde yer almaktadır. Birinci hedeften istenmeyen sapma değişkeni

olduğundan birinci
hedef küçük eşitlik yönünde; ikinci hedeften istenmeyen sapma

olduğundan ikinci hedef büyük eşitlik
yönündedir.
Birinci hedef fonksiyonunun

ve ikinci hedef fonksiyonunun da

olması
nedeniyle, problemin en uygun çözüm değeri OAB üçgeninde aranacaktır. Uygun çözüm alanının köşe
noktaları, (

) değerleri hedef kısıtlarında yerine konarak elde edilen sapma değişkeni değerleri ve
amaç fonksiyonun aldığı değerler Tablo 7.4’te verilmiştir.



















Şekil 7.3: Örnek 7.12 Probleminin Grafiksel Gösterimi

164
Tablo 7.4: Uygun Köşe Noktalarına Göre Amaç Fonksiyonu Değerleri
Uygun köşe
noktası
(

)
Sapma değişkenleri Amaç fonksiyonu değeri

O(0,2)

(

(

)


0


B(1.33,2)

(

(

)


0.02


A(0,3)

(

(

)


0

Tablo 7.4’ten görüldüğü üzere problem için en uygun çözüm noktası, amaç fonksiyonu değerlerinin
toplamının en küçük değeri aldığı hem O(0,2) hem de A(0,3) noktasıdır. Her iki noktada da amaç
fonksiyonu değeri 0 olarak belirlenmiştir. Bu durumda diyebiliriz ki, problem için en iyi sonuç (enk z=0)
iki farklı noktada elde edilmiştir. Dolayısıyla problem için birden fazla en iyi çözümü veren nokta
bulunmaktadır.


165
Özet
Gerçek hayatta karşılaştığımız birçok problem
birden fazla amacı eniyilemeye yöneliktir. Bu
çok amaçlı karar verme problemlerinin
çözümünde doğrusal programlama yöntemleri
yetersiz kalmaktadır. Hedef Programlama, çok
amaçlı probelmlerin çözümünde sıklıkla
kullanılan yöntemlerden biri olarak karşımıza
çıkmaktadır.
Kısıt yapılarına bağlı olarak bu ünitede doğrusal
hedef programlama yöntemi ele alınmıştır.
Doğrusal programlamadan farklı olarak, hedef
programlama problemlerinin modellenebilmesi
için hedef, sapma değişkenleri, hedef kısıtları,
amaç öncelikleri ve ağırlıkları kavramlarının
bilinmesi gerekmektedir.
Hedef programlama modellerinde amaç
fonksiyonunda karar değişkenleri yer almazlar.
Amaç fonksiyonu, belirlenen hedeflerden
istenmeyen yönde oluşan sapmaların toplamının
en küçüklenmesi şeklinde kurulur. Hedef türüne
bağlı olarak amaç fonksiyonunda en
küçüklenmesi gereken sapma değişkenleri
tabloda verilmiştir.
Hedef Türü Hedef Kısıtı İstenmeyen
Sapma
Değişkeni

,

)

Bazı durumlarda karar vericiler, ele aldıkları
problemdeki her bir amaca ya da amaç grubuna
bir öncelik verebilir. Yanı sıra, modeldeki
sapmaların önem dereceleri de birbirinden farklı
olabilir. Bu durumda her bir sapmanın diğerlerine
oranla göreceli olarak önemini gösteren ağırlık
değerleri verilebilir.
Doğrusal hedef programlama modellerinde
kurulan amaç fonksiyonuna bağlı olarak beş
farklı hedef programlama modelinden
bahsedebiliriz. Ele alınan problemin tek bir
hedefi olması durumunda ortaya çıkan
programlama türü, tek hedefli programlamadır.
Sadece, belirlenen hedeften istenmeyen yöndeki
sapma(lar) en küçüklenir.


Ele alınan problemde birden fazla hedef
eniyilenmeye çalışılıyorsa ve hedef ile sapma
değişkenlerinin herhangi bir önceliğinin
bulunmaması halinde ortaya çıkan programlama
türü, eşit ağırlıklı çok hedefli programlamadır.
Amaç fonksiyonu istenmeyen sapma
değişkenlerinin toplamı şeklinde kurulur.
Hedeflerdeki sapma değişkenlerinin önem
derecelerinin birbirinden farklı olması halinde
sapma değişkenlerine

ağırlık değerleri
verilebilir. Amaç fonksiyonunun, sapma
değişkenlerinin ağırlıklandırılmış toplamının en
küçüklenmesi şeklinde oluşturulduğu
programlama türü de ağırlıklı çok hedefli
programlamadır. Sapma değişkenlerinin eşit
ağırlıklı fakat hedeflerin farklı önceliklerinin
olması durumunda da öncelikli çok hedefli
programlama türü ortaya çıkmaktadır.
Öncelikli hedef programlama modellerinde bazı
durumlarda sapma değişkenlerinin farklı
ağırlıklara sahip olduğu durumlar karşımıza
çıkabilmektedir. Bu durumda ortya çıkan
programlama türü de öncelikli-ağırlıklı çok
hedefli programlamadır.
Doğrusal hedef programlama problemlerinin
çözümünde kullanılan yöntemlerden biri grafik
yöntemdir. Sistem kısıtları grafik üzerinde
çizildikten sonra bir uygun çözüm alanı
sağlanıyorsa, ikinci adımda hedef kısıtlarının
grafik üzerinde çizimi yapılır. Bu yöntem iki
karar değişkeni olan problemlerde etkin bir
şekilde kullanılmaktadır.

166
Kendimizi Sınayalım
1. Hedef programlama ile ilgili ifadelerden
hangisi yanlıştır?
a. Sapma değişkenleri modeldeki tüm kısıtlarda
yer alır.
b. Amaç fonksiyonu istenmeyen sapma
değişkenlerinin toplamı en küçüklenecek
şekilde oluşturulur.
c. Hedefler, hedef kısıtına dönüştürülerek
modelde yer alırlar.
d. Modeldeki tüm değişkenler sıfır ve/veya
sıfırdan büyük değer alır.
e. Hedeflere öncelik sırası verilebilir.
2. Amaç fonksiyonu

olarak belirlenen
çok amaçlı bir hedef programlama problemine
ilişkin bilgilerden aşağıdakilerden hangisi
yanlıştır?
a. Problemin iki öncelikli üç hedefi vardır.
b.Birinci hedef üçüncü hedeften daha önemlidir.
c. Birinci hedef ’lik yönündedir.
d. İkinci hedef ’lik yönündedir.
e. Üçüncü hedef ’lik yönündedir.
3. Üç hedefli bir problemde birinci hedef ’lik,
ikinci hedef =’lik ve üçüncü hedef ’lik
yönündedir. İkinci hedefin pozitif sapma
değişkeninin negatif sapma değişkeninden 4 kat
daha önemli olması durumunda, problemin amaç
fonksiyonu aşağıdakilerden hangisidir?
a.

b.

c.

d.

e.

4. Bir üretim firmasında yıllık üretim miktarı
en az 50000 adet olmalı ve yıllık sipariş verme
maliyetleri en fazla 2000 lira olmalı hedeflerine
karşılık yıllık üretim miktarı 53000 adet ve
sipariş verme maliyetleri 2100 lira olarak
gerçekleşmiştir. Bu durumda her iki hedefe
yönelik gerçekleşen sapma değişkeni değerleri
aşağıdakilerden hangisidir?
a.

b.

c.

d.

e.

5. 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 karın en
az 6000 lira olması şeklindedir. Hedefler için
herhangi bir öncelik ve ağırlık verilmemesi
durumunda, firmanın hedef programlama
probleminde oluşturulan amaç fonksiyonu
aşağıdakilerden hangisidir?
a.

b.

c.

d.

e.

6. Beşinci soruda ele alınan problemin ilk iki
amacı eşit önemde ve üçüncü amacı da diğer
amaçlardan daha önemli olması durumunda
oluşturulacak amaç fonksiyonu aşağıdakilerden
hangisidir?
a.

b.

c.

d.

e.

167
7. Matematiksel modeli izleyen şekilde verilen
bir hedef programlama problemi için
aşağıdakilerden hangisi doğrudur?

kısıtları altında

a. Modele ait dört sistem kısıtı vardır.
b. Birinci hedef küçük eşitlik yönündedir.
c. Birinci hedef büyük eşitlik yönündedir.
d. İkinci hedef büyük eşitlik yönündedir.
e. Her iki hedef de tam olarak sağlanmak
istenmektedir.
8. Yedinci soruda ele alınan problemde, karar
vericiler ikinci hedefin birinci hedeften 5 kat
daha önemli olduğunu düşündğüne göre yeni
amaç fonksiyonu aşağıdakilerden hangisi
olacaktır?
a.

b.

c.

d.

e.

9. Hedef fonksiyonu

olan bir
problemin grafiği şekilde verilmiştir. Buna göre
aşağıdakilerden hangisi yanlıştır?
a. Hedef kısıtı uygun çözüm alanı içindedir.
b. A(0,80) noktasında negatif sapma değeri
sıfırdır.
c. B(20,60) noktasında negatif sapma değeri
20’dir.
d. C(40,20) noktasında pozitif sapma değeri
20’dir.
e. D(40,20) noktasında hedef tam olarak
sağlanmaktadır.

10. Matematiksel modeli aşağıda verilen bir
hedef programlama problemi için aşağıdakilerden
hangisi yanlıştır?

kısıtları altında

a. Problemin iki amacı vardır.
b. Modele ait üç sistem kısıtı vardır.
c. Birinci hedef büyük eşitlik yönündedir.
d. İkinci hedef büyük eşitlik yönündedir.
e. Her iki hedef de enküçüklenmek istenmektedir.








168
Kendimizi Sınayalım Yanıt
Anahtarı
1. a Yanıtınız yanlış ise “Hedef Programlamada
Temel Kavramlar” başlıklı konuyu yeniden
gözden geçiriniz.
2. d Yanıtınız yanlış ise “Amaç Fonksiyonunun
Oluşturulması” başlıklı konuyu yeniden gözden
geçiriniz.
3. c Yanıtınız yanlış ise “Ağırlıklı Çok Hedefli
Programlama” başlıklı konuyu yeniden gözden
geçiriniz.
4. b Yanıtınız yanlış ise “Hedef Kısıtlarının
Oluşturulması” başlıklı konuyu yeniden gözden
geçiriniz.
5. c Yanıtınız yanlış ise “Amaç Fonksiyonunun
Oluşturulması” başlıklı konuyu yeniden gözden
geçiriniz.
6. a Yanıtınız yanlış ise “Öncelikli Çok Hedefli
Programlama” başlıklı konuyu yeniden gözden
geçiriniz.
7. c Yanıtınız yanlış ise “Modelleme” başlıklı
konuyu yeniden gözden geçiriniz.
8. e Yanıtınız yanlış ise “Amaç Fonksiyonunun
Oluşturulması” başlıklı konuyu yeniden gözden
geçiriniz.
9. c Yanıtınız yanlış ise “Grafik Yöntemi”
başlıklı konuyu yeniden gözden geçiriniz.
10. e Yanıtınız yanlış ise “Modelleme”
başlıklı konuyu yeniden gözden geçiriniz.












Sıra Sizde Yanıt Anahtarı
Sıra Sizde 1
Bir grafik üzerinden de görüleceği üzere, system
kısıtları ile uygun bir çözüm alanı
oluşmamaktadır. Dolayısıyla, sistemin uygun bir
çözümü yoktur ve hedef kısıtları da
sağlanamamaktadır.
Sıra Sizde 2

birinci tür kamyonun aylık kullanım miktarı

ikinci tür kamyonun aylık kullanım miktarı

üçüncü tür kamyonun aylık kullanım miktarı
olmak üzere, birinci hedef fonksiyonumuz

; ikinci hedef fonksiyonumuz da

şeklinde matematiksel olarak ifade edilebilir.
Birinci hedef fonksiyonumuzda hedef miktarı 20
(kullanım/ay)’nin aşılmaması gerektiğinden
istenmeyen sapma değişkeni pozitif sapma
değişkeni olan

’dır. İkinci hedef
fonksiyonumuzda ise hedef miktarı 40
(kullanım/ay)’ın altına düşülmek
istenmediğinden istenmeyen sapma değişkeni
negatif sapma değişkeni olan.
Sıra Sizde 3
Örnek 7.4’te incelenen sistemde ikinci hedefin
birinci hedeften 4 kat daha fazla olması
durumunda amaç fonksiyonu

olarak kurulur.














169
Yararlanılan Kaynaklar
Alp, S. (2008). Doğrusal hedef programlama
yöntemi kullanılarak kentiçi otobüsle toplu
taşıma sistemi için bir model oluşturulması ve
uygulanması. Yayınlanmamış doktora tezi.
Marmara Üniversitesi, Sosyal Bilimler Enstitüsü:
İstanbul.
Charnes, A. And Cooper, W.W. (1977). Goal
Programming and Multiple Objective
Optimizations, Part I, European Journal of
Operational Research, pg. 39.
Cinemre, N. (2011). Yöneylem Araştırması,
Evrim Yayınevi: İstanbul.
Ignizio, J.P. (1976). Goal Programming and
Extensions, Lexington Book: London.
Öztürk, A. (2011). Yöneylem Araştırmasına
Giriş, Bursa: Ekin Yayınevi.
Taha, A.H. (2010). Yöneylem Araştırması, 6.
Basımdan Çeviri, Çev.:Baray, Ş.A. ve Esnaf, Ş.,
İstanbul: Literatür Yayıncılık.
Winston, W.L. (1994). Operations Research:
Applications and Algorithms, Duxbury Press:
United States of Amerika.


170

Amaçlarımız
Bu üniteyi tamamladıktan sonra;
Ulaştırma ve atama problemlerinin doğrusal karar modellerini kurabilecek,
Dengelenmiş modeli oluşturabilecek,
Ulaştırma modeline bir başlangıç temel uygun çözüm bulabilecek,
Ulaştırma modelinde mevcut çözümün eniyiliğini sorgulayabilecek,
Tablo üzerindeki işlemlerle ulaştırma problemini çözebilecek,
Atama problemlerinin çözümü için Macar algoritmasını kullanabilecek
bilgi ve becerilere sahip olabilirsiniz.

Anahtar Kavramlar
Ulaştırma
Ulaştırma Tablosu
Dengelenmiş Model
Kuzeybatı Köşe
Enküçük Maliyet
Döngü
VAM
Atlama Taşı
Değişim Değeri
MODI
Atama
Macar Algoritması

İçindekiler
Giriş
Ulaştırma Modeli
Ulaştırma Modelinde Başlangıç Çözüm Bulma
Ulaştırma Modelinde Eniyilik Sınaması
Ulaştırma Modelinde Yeni Temel Uygun Çözüm
Atama Modeli
Atama Modelinin Macar Algoritması İle Çözümü
8


171
GİRİŞ
Bu ünitede, doğrusal programlamanın özel bir türü olan ulaştırma ve atama modelleri yer almaktadır.
Genel olarak ürünlerin birden fazla üretim noktasından, birden fazla tüketim noktasına dağıtımı ile ilgili
problemler, ulaştırma veya atama problemleri (transportation or assignment problems) olarak
adlandırılır. Ulaştırma modellerinin uygulamaları sadece ürünlerin coğrafi bir merkezden coğrafi bir
başka noktaya taşınması ile sınırlı değildir. Stok kontrolü, işgücü planlaması, kuruluş yeri seçimi, işlerin
makinelere dağıtımı gibi alanlarda da ulaştırma modelleri kullanılabilmektedir.
Ulaştırma probleminin genel hali Şekil 8.1’de görülmektedir. Her biri bir düğüm olarak gösterilen s
i

kapasitesine sahip m adet kaynak noktası ve her biri d
j
talebine sahip n adet hedef noktası vardır.
Düğümleri birleştiren oklar, kaynaklarla hedefler arasında mümkün olan taşıma rotalarını
göstermektedir. (i, j) bağlantısı, i. kaynaktan j. hedefe ürün gönderilebildiği anlamına gelmekte, taşıma
maliyeti ve taşıma miktarı olmak üzere iki tür bilgi içermektedir. Amaç, mevcut kaynakları kullanarak
tüm talebi karşılayacak şekilde enküçük maliyetli dağıtım planının bulunmasıdır.



Şekil 8.1: Ulaştırma probleminin genel gösterimi

Atama modelinde amaç, bir etkinliği eniyilemek için kaynak kullanımının bire bir dağıtımını
sağlamaktır. Ulaştırma probleminin özel bir hali olan atama problemleri ile genellikle işlerin makinelere
dağıtımı, kişilerin işlere tayini, personelin satış bölgelerine dağıtımına benzer durumlarda
karşılaşılmaktadır.
Kaynaklar ve hedefler arasındaki mal veya hizmet akışı ile ilgili olan ulaştırma problemlerinde,
birden fazla hedef noktasına dağıtım yapabilmek mümkündür. Atama problemlerinde ise, bir kaynak
noktasından sadece bir hedefe atama yapılabilmekte ve bir hedefe sadece bir kaynak noktası
atanabilmektedir. Şekil 8.1’de kaynak ve hedef noktası sayısı eşit olarak kabul edilip, kaynak kapasiteleri
ve hedef talepleri “1” olarak alınırsa, ulaştırma problemi atama problemine dönüşmüş olur.
Ulaştırma ve
Atama Modelleri


172
Ulaştırma ve atama modelleri için, kısıtlarının özel yapısı nedeniyle simpleks algoritmasına göre daha
etkin çözüm yöntemleri geliştirilmiştir. Özel çözüm algoritmalarının olması, doğrusal programlama
modelleri arasında ayrı bir öneme sahip olmalarını sağlamaktadır.

ULAŞTIRMA MODELİ
Ulaştırma problemlerinin taşıdığı genel özellikler aşağıdaki gibi sıralanabilir:
1. Bir mal veya hizmet şeklinde ürün gönderen, m adet üretim merkezi vardır. Üretim
merkezlerinin kapasiteleri bilinmektedir.
2. Ürünün gönderildiği n adet tüketim merkezi vardır. Tüketim merkezlerinin talep ettikleri
miktarlar bilinmektedir.
3. Bir üretim merkezinden bir tüketim merkezine gönderilen her 1 birim ürün için ortaya çıkan
birim taşıma (gönderme) maliyeti bilinmekte olup, toplam taşıma maliyeti taşınan miktarla
doğru orantılı olarak değişmektedir.
4. Dağıtımı yapılacak mal veya hizmet olarak tanımlanmış ürün, bütün üretim ve tüketim
merkezleri için aynı birim ve türde tanımlıdır.
Üretim merkezlerine, kaynaklar, yükleme merkezleri veya sunum noktaları; tüketim merkezlerine de
hedefler, talep noktaları veya boşaltım yerleri denilebilmektedir.

Ulaştırma Probleminin Modellenmesi
Ulaştırma problemlerinde cevap aranan soru, hangi üretim merkezinden, hangi tüketim merkezine ne
kadar ürün taşınacağıdır. Bu soru aynı zamanda karar değişkenlerini tanımlamakta olup, sorunun cevabı
ürün dağıtım planını verecektir.
Ulaştırma problemlerinde iki temel kısıt vardır:
1. Bir üretim merkezinden tüm tüketim merkezlerine gönderilen toplam ürün miktarı, üretim
merkezinin kapasitesini aşamaz.
2. Bir tüketim merkezine bütün üretim merkezlerinden gönderilen toplam ürün miktarı, tüketim
merkezinin talebini karşılamalıdır.
Birinci tipteki temel kısıtların sayısı üretim merkezi sayısına eşittir. Bu kısıtlar, bir kaynaktan birden
fazla hedefe ürün dağıtılmasına izin verir. Tüketim merkezi sayısına eşit olan ikinci tip temel kısıtlarla
ise, bir hedef noktasının talebinin birden fazla kaynaktan karşılanması sağlanır. Amaç, bir yandan
tüketim noktalarının talep gereksinimleri ile üretim merkezlerinin sunum miktarlarında denge sağlarken,
aynı zamanda toplam taşıma maliyetini de enküçüklemektir. Bazı durumlarda elde edilecek bir kazancın
enbüyüklenmesi amacı da benimsenebilmektedir.
Karar değişkenlerinin negatif değer almaması yanında, temel kısıtların dışında özel kısıtı olmayan
ulaştırma problemlerinde, toplam taşıma maliyeti de miktarla doğru orantılı olarak değişiyorsa,
problemin çözümü için geliştirilen matematiksel model bir doğrusal karar modeli olur. Doğrusal karar
modelinin nasıl oluşturulacağı izleyen örnek problem üzerinde gösterilmektedir.
Örnek 8.1.
Bir gıda şirketine ait üç ayrı fabrikada imal edilen bir ürünün, üç ayrı bölge deposuna dağıtımı
istenmektedir. Fabrikaların gönderilecek ürünle ilgili kapasiteleri sırasıyla haftada 100, 180 ve 200
kolidir. Depoların gereksinim duyduğu haftalık miktarlar ise sırasıyla 135, 175 ve 170 koli olarak
bildirilmiştir. Tablo 8.1’de fabrikalardan depolara olan birim taşıma maliyetleri görülmektedir. En
düşük maliyetli dağıtım planını bulmayı sağlayan doğrusal karar modelini geliştiriniz.





173
Tablo 8.1: Birim taşıma maliyetleri ( / koli)

Fabrikalar
Depolar
1 2 3
1 6 7 4
2 5 3 6
3 8 5 7

Toplam taşıma maliyetinin enküçüklenmesinin istendiği problemin karar değişkenleri,
x
ij
: i. fabrikadan j. depoya taşınacak ya da gönderilecek ürün miktarı (i, j=1,2,3) (koli/hafta)
olarak tanımlanırsa, modele esas olan gösterim, Şekil 8.2’de görüldüğü gibi çizilebilir.



Şekil 8.2: Üç fabrika ve üç depolu problemin gösterimi
Örnek problemde kaynak sayısı m=3 ve hedef sayısı n=3 olduğundan, karar modelinde 9 karar
değişkeni (= m×n = 3×3) ve 6 temel kısıt (= m+n = 3+3) yer alacaktır. Toplam taşıma maliyetinin
enküçüklenmesi olarak tanımlanmış olan amaç, matematiksel fonksiyon olarak aşağıdaki şekilde ifade
edilir.

Problemin iki temel kısıtı, fabrikaların kapasiteleri ve depoların taleplerine yöneliktir. Kapasitelerin
aşılmadan ürün gönderilmesi ile ilgili kısıtlar aşağıda görülmektedir.

(1. fabrikadan gönderilen toplam miktar 100 koliyi aşamaz.)

(2. fabrikadan gönderilen toplam miktar 180 koliyi aşamaz.)

(3. fabrikadan gönderilen toplam miktar 200 koliyi aşamaz.)
İkinci tip kısıtlar ise, depo taleplerinin karşılanması ile ilgilidir.

(1. depoya gönderilen toplam miktar en az 135 koli olmalıdır.)

(2. depoya gönderilen toplam miktar en az 175 koli olmalıdır.)

. depoya gönderilen toplam miktar en az 170 koli olmalıdır.)
Son olarak, karar değişkenlerinin negatif değer alamayacağını gösteren işaret kısıtları modele eklenir.

Ulaştırma problemi için geliştirilen doğrusal karar modeli bütün olarak, aşağıda görülmektedir.


174
33 32 31 23 22 21 13 12 11
33 23 13
32 22 12
31 21 11
33 32 31
23 22 21
13 12 11
7 5 8 6 5 5 4 7 6
. .
170
175
135
200
180
100
x x x x x x x x x Enkz
a k
x x x
x x x
x x x
x x x
x x x
x x x
+ + + + + + + + =
≥ + +
≥ + +
≥ + +
≤ + +
≤ + +
≤ + +

Bir taşımacılık şirketi, üç silodan dört işleme merkezine tahıl
taşımaktadır. Taşınan ürün miktarı dolu kamyon yükü ile ifade edilmektedir. Siloların
aylık gönderme kapasiteleri sırasıyla 6, 4 ve 2 kamyon yükü iken, işleme merkezlerinin
aylık talepleri ise sırasıyla 4, 3, 3 ve 2 kamyon yükü olarak bildirilmiştir. Silolardan işleme
merkezlerine olan taşıma maliyetleri Tablo 8.2’de verilmiş olan ulaştırma probleminin
doğrusal karar modelini oluşturunuz.
Tablo 8.2: Birim taşıma maliyetleri ( / dolu kamyon yükü)

Silolar
İşleme Merkezleri
1 2 3 4
1 100 20 200 110
2 120 70 90 200
3 40 140 160 180

Ulaştırma Tablosu
Ulaştırma modelinin boyutlarının büyük olması (m+n kısıt, m×n değişken) ve problemin özel yapısı,
simpleks algoritmasından başka yöntemlerle de çözüm bulunmasına izin vermektedir. Ulaştırma
modelinin çözümü için geliştirilen yaklaşımlar, esas itibarı ile doğrusal programlamanın özelliklerine
dayalıdır. Geliştirilen yaklaşımlarda, ulaştırma modeli bir tablo halinde ele alınarak tüm işlemler bu
tablodan hareketle yapılır.
Ulaştırma tablosu, üretim merkezleri satırlarda, tüketim merkezleri sütunlarda olmak üzere m×n
sayıda hücresi olan bir tablodur. Üretim ve tüketim merkezlerinin kesiştiği her bir hücre, bir karar
değişkenine karşı gelir. Her hücrenin sağ veya sol üst köşesine birim taşıma maliyetleri yazılır. Üretim
merkezlerinin kapasiteleri, satırların en sağında; tüketim merkezlerinin talepleri de sütunların altında yer
alır.
Örnek 1’deki gıda şirketi probleminin ulaştırma tablosu Tablo 8.3’de görülmektedir. Üretim
merkezleri olan fabrikalar satırlarda, tüketim merkezleri olan depolar ise sütunlarda gösterilmiştir.
Hücrelerin içerisinde yer alan X
ij
’ler karar değişkenleridir. Örneğin X
12
değişkeni, birinci fabrikadan
ikinci depoya gönderilen ürün miktarına karşı gelir.







175
Tablo 8.3: Gıda şirketi ile ilgili örneğin ulaştırma tablosu



Dengelenmiş Ulaştırma Modeli
Eğer bir ulaştırma modelinin toplam sunum miktarı toplam talep miktarına eşit ise, “dengelenmiş
ulaştırma modeli”, eşit değilse “dengelenmemiş ulaştırma modeli” olarak adlandırılır. S
i
, i. üretim
merkezinin sunum miktarı, d
j
, j. tüketim merkezinin talep miktarı iken, dengelenmiş modelde,

eşitliği sağlanır. Dengelenmemiş modelde ise,

olarak gerçekleşir. Örnek 1’de ele alınan problemin toplam sunum miktarı toplam talep miktarına eşittir.
Problemde,

olarak elde edildiğinden, model “dengelenmiş ulaştırma modeli” dir.
Ulaştırma tablosu üzerinden çözüm işlemlerini yürütebilmek için, modelin dengelenmiş olması
gerekmektedir. Bir ulaştırma modeli dengelenmemiş ise, yapay kaynak ya da yapay hedef noktası
eklentisiyle, model dengelenmiş hale dönüştürülebilir. Bu durumda eklenen yapay noktanın sunum ya da
talep miktarı, toplam sunum ile toplam talep arasındaki fark kadar olur. Yapay noktalara karşı gelen
birim taşıma maliyetleri ise aksi belirtilmedikçe sıfır olarak alınır. Bazen yapay kaynak noktasına ait
taşıma maliyetlerine sıfır yerine, belirlenen ceza maliyetleri de verilebilmektedir. İzleyen iki örnek,
dengelenmemiş problemlerin dengeli hale getirilmesiyle ilgilidir.
Örnek 8.2. (Toplam sunum miktarının toplam talep miktarından çok olduğu ulaştırma problemi)
Gıda şirketi örneğinde birinci fabrikanın kapasitesi 115 birime çıkarılmak istensin. Problemdeki
diğer tüm parametreler aynı kalmak koşuluyla dengelenmiş ulaştırma tablosunu oluşturun.
Toplam sunum miktarı =115 +180+200=495
Toplam talep miktarı=135+175+170=480
Toplam sunum toplam talebi aştığından, dengeyi sağlamak için yapay bir depo, ek sütun olarak
modele eklenir ve yapay deponun talep miktarı 15 birim (= 495 – 480) olur. Böyle bir yer gerçekte
olmadığından, bu noktaya olan taşıma maliyetleri sıfır alınır. Bu durum, kullanılmayan kapasite varlığına
işaret etmektedir. Tablo 8.4’te dengelenmiş ulaştırma tablosu görülmektedir.


176
Tablo 8.4: Toplam sunum miktarının toplam talep miktarından fazla olduğu ulaştırma problemi


Örnek 8.3. (Toplam talep miktarının toplam sunum miktarından çok olduğu ulaştırma problemi)
Gıda şirketi örneğinde, ikinci deponun talep miktarı 200 birime yükselmiştir. Zamanında
karşılanmayan talep için ceza maliyetinin dikkate alınması istenmektedir. Ceza maliyeti, talep dışı
kalmanın bir bedeli olarak ortaya çıkacağı öngörülen maliyet olup, birinci depo için 10, ikinci depo için
12 ve üçüncü depo için 15 olacağı tahmin edilmektedir. Problemdeki diğer tüm parametreler aynı
kalmak koşuluyla dengelenmiş ulaştırma tablosunu oluşturun.
Toplam sunum miktarı =100+180+200=480
Toplam talep miktarı=135+200+170=505
Toplam talep toplam sunumu aştığından, dengeyi sağlamak için yapay bir fabrika modele eklenir ve
kapasitesi 25 birim (= 505 – 480) olur. Tablo 8.5’te ulaştırma tablosu görülmektedir.

Tablo 8.5: Toplam talep miktarının toplam sunum miktarından fazla olduğu ulaştırma problemi


Aşağıda birim maliyet tabloları verilmiş her bir durum için
dengelenmiş ulaştırma tablosunu oluşturunuz. Yapay noktalar için taşıma maliyetini sıfır
alınız (S
i
= i. üretim noktasının kapasitesi, d
j
= j. tüketim noktasının talebi).




177
a. S
1
=10, S
2
=5, S
3
=4, S
4
=6 ; d
1
=10, d
2
=5, d
3
=7, d
4
=9

Tablo 8.6: Birim taşıma maliyetleri ( / birim)

Üretim noktaları
Tüketim noktaları
1 2 3 4
1 3 4 4 5
2 6 7 4 8
3 4 10 9 3
4 2 3 7 6

b. S
1
=30, S
2
=44 ; d
1
=25, d
2
=30, d
3
=10

Tablo 8.7: Birim taşıma maliyetleri ( / birim)

Üretim noktaları
Tüketim noktaları
1 2 3
1 12 9 7
2 6 10 8

Dengelenmiş ulaştırma modelinin taşıdığı üç önemli özellik vardır:
1. Üretim merkezi sayısı “m” ve talep merkezi sayısı “n” iken, dengelenmiş ulaştırma modelinin
bir temel uygun çözümünde en fazla (m + n -1) adet değişken temelde yer alabilir.
2. Her dengelenmiş ulaştırma modelinin en az bir uygun çözümü olup, eniyi çözümü de vardır.
3. Ulaştırma modelinde, sunum ve talep miktarlarına karşı gelen değerler tamsayı ise, karar
değişkenleri her temel uygun çözümde, dolayısıyla eniyi çözümde tamsayı değer alır.
Ulaştırma problemleri, doğrusal karar modelini oluşturup simpleks algoritmasını kullanarak
çözülebilir. Bu durumda problemi dengelemeye gerek yoktur. Fakat dengelenmiş model üzerinde yapılan
araştırmalarla, ulaştırma modelinin simpleks algoritmasına göre çok daha kolay çözülebileceği
anlaşılmıştır. Ulaştırma problemlerine özgü çözüm algoritmasında, öncelikle probleme ait dengelenmiş
ulaştırma tablosu oluşturulmakta ve işlemler tablo üzerinde gerçekleştirilmektedir.
Ulaştırma problemleri için geliştirilmiş çözüm algoritmasının başlıca üç adımı bulunmaktadır:
1. Bir başlangıç temel uygun çözümün bulunması.
2. Eniyilik sınamasının yapılması.
3. Eniyi çözüme erişilmemişse izleyen temel uygun çözümün bulunarak ikinci adıma dönülmesi.
Algoritma adımlarını uygularken kullanılabilecek farklı yaklaşımlar, izleyen bölümlerde ayrıntılı
şekilde ele alınmaktadır.

ULAŞTIRMA MODELİNDE BAŞLANGIÇ ÇÖZÜM BULMA
Ulaştırma modelinde talep ve sunum kısıtlarını sağlayan herhangi bir çözüm, sıfırdan büyük eşit olma
koşuluna da uyuyorsa problem için uygun bir çözümdür. Bununla birlikte, en iyi çözüm olup olmadığını
sınayabilmek ve ulaştırma tablosu üzerinde işlemleri yürütebilmek için, bu çözümün “temel uygun
çözüm” olması gerekir.
Bir ulaştırma modelinde herhangi bir uygun çözümün, temel uygun çözüm olma şartı, temel değişken
sayısının



178
{úretim merkezi soytst - túketim merkezi soytst ÷ 1)
adet olmasıdır.
Bir başka deyişle, bir uygun çözümde en fazla (m - n - 1) adet değişkenin sıfırdan farklı değer
alabilmesidir. Eğer temel değişkenlerden bazıları sıfır değerini almışsa, çözüm “bozulmuş temel uygun
çözüm” olarak adlandırılır.
Bu bölümde, dengelenmiş ulaştırma modeline bir başlangıç temel uygun çözüm bulmak için en çok
kullanılan üç yöntem tanıtılmaktadır. Bu yöntemler,
1. Kuzeybatı köşe yöntemi (Northwest corner method)
2. Enküçük maliyet yöntemi (Minimum cost method)
3. VAM yöntemi (Vogel’s approximation method)
olarak sıralanabilir.
Yöntemlerin anlatımında, ulaştırma tablosunda i. satır ve j. sütunun kesiştiği hücre (i, j) hücresi olarak
adlandırılmakta ve (i, j) hücresine atanan değer X
ij
ile gösterilmektedir. Ayrıca, i. satıra karşı gelen
kaynağın kapasitesi S
i
, j. sütuna karşı gelen hedefin talep miktarı d
j
olarak ifade edilmektedir.

Kuzeybatı Köşe Yöntemi İle Başlangıç Çözüm Bulma
Başlangıç temel uygun çözümü oluşturmak için en basit ve hızlı olan yöntemdir. Bu yöntemde, taşıma
maliyetleri göz önüne alınmaz. Ulaştırma tablosunun kuzeybatı (en sol üst) köşesinden güneydoğu
köşesine doğru hücrelere değer atanır. Her adımda tablodaki bir satır veya sütun işlem dışı bırakılarak,
tablo daraltılır.
Kuzeybatı köşe yönteminin adımları aşağıdaki şekilde sıralanabilir:
1. Tablonun en kuzeybatısında yer alan ve sayısal bir değer atanmamış (i, j) hücresi seçilir. Bu
hücreye, i. satırdaki sunum ve j. sütundaki talep değerleri göz önüne alınarak, mümkün olan
enbüyük değer atanır. Atanacak bu değer

eşitliği ile gösterilebilir.
2. Atanan miktar, i. satırın sunum ve j. sütunun talep değerlerinden çıkarılarak, S
i
ve d
j
değerleri
güncellenir.
3. Güncellenen S
i
ve d
j
değerlerinden en az biri sıfır olacaktır. Sıfır değerine karşı gelen satır veya
sütundan sadece birisi işlem dışı bırakılarak tablo daraltılır. İşlem dışı kalması, bir daha bu satır
veya sütuna atama yapılmasını engellemek içindir. Bu aşamada 3 faklı durumla karşılaşılabilir:
• Eğer S
i
= 0 ise i. satır işlem dışı bırakılır.
• Eğer d
j
= 0 ise j. sütun işlem dışı bırakılır.
• Eğer her ikisi de sıfır ise, ya satır ya da sütundan herhangi birisi işlem dışı bırakılır.
Diğeri sıfır talep ya da kapasiteye sahip olarak daraltılmış tabloda kalır.
4. İşlem dışı bırakılmamış sadece bir satır veya sütun kaldığında algoritma sonlanır. Kalan
miktarlar son satır veya sütundaki uygun yerlere atanır. Aksi halde birinci adıma dönülür.
Örnek 8.4.
Gıda şirketi problemi için, kuzeybatı köşe yöntemini kullanarak bir başlangıç temel uygun çözüm
oluşturunuz.
Şekil 8.3’te, kuzeybatı köşe yönteminin uygulanması altı aşamada gösterilmektedir. Taşıma
maliyetleri bu yöntemde dikkate alınmadığından, ulaştırma tablosunda yer almamıştır. Tablodaki her satır
bir fabrikaya ve her sütun bir depoya karşı gelir. Her adımda atama yapılan hücre yuvarlak içerisine


179
alınmakta, işlem dışı bırakılan satır veya sütunlar, bir sonraki adım başında koyu renkli olarak
görünmektedir. Satırların sonunda veya sütunların altında görünen “X” işareti ilgili konumun işlem dışı
kaldığı anlamına gelmektedir.

Şekil 8.3: Kuzeybatı köşe yöntemi ile başlangıç çözüm bulunması
İlk aşamada ulaştırma tablosu görülmektedir. İkinci aşamada tablonun kuzeybatısında bulunan (1,1)
hücresine koşuluna uygun olarak “100” değeri atanır. Birinci satırın kapasite ve birinci
sütunun talep miktarlarından bu değer çıkarılır. Birinci satıra karşı gelen tüm kapasite kullanılmış
olduğundan, bu satır işlem dışı bırakılır.
Üçüncü aşama başında daraltılmış tablonun kuzeybatısındaki (2, 1) hücresine
eşitliğinden hareketle “35” değeri atanır. İkinci satırın kapasite ve birinci sütunun talep miktarları
güncellenir. Birinci sütuna karşı gelen tüm talep karşılandığından, bu sütun işlem dışı bırakılır. Dördüncü
aşamada daraltılmış tablonun kuzeybatısında bulunan (2, 2) hücresine koşuluna uygun
olarak “145” değeri atanır. Bu atama ile ikinci satıra karşı gelen tüm kapasite kullanılmış olacağından bu
satır işlem dışı bırakılır. Beşinci aşamada kalan iki boş hücreye de atama yapılarak, tüm kapasite ve talep
kısıtlarını sağlayan bir temel uygun çözüm bulunmuş olur. Elde edilen çözümde,

değerini ve kalan diğer karar değişkenleri sıfır değerini almaktadır. Başlangıç çözümün amaç fonksiyonu
değerini veren toplam taşıma maliyeti ise Tablo 8.8’de görüldüğü gibi 2550’ ye eşittir.

Tablo 8.8: Kuzeybatı köşe yöntemi ile bulunan çözümün toplam taşıma maliyeti

Dağıtım
Taşıma
miktarı
Birim
maliyet
Toplam
maliyet
Fabrikadan Depoya
1
2
2
3
3
1
1
2
2
3
100
35
145
30
170
6
5
3
5
7
600
175
435
150
1190
Toplam 2550

Sıra Sizde 1’de verilen ulaştırma problemi için, kuzeybatı köşe
yöntemini kullanarak bir başlangıç temel uygun çözüm oluşturunuz. Başlangıç çözümün
taşıma maliyetini bulunuz.


180
Başlangıç temel uygun çözüm bulma yöntemlerini kullanırken, her
adımda daraltılmış tabloları ayrı ayrı düzenlemeye gerek yoktur. Tüm işlemler aynı tablo
üzerinde rahatlıkla yapılabilir.

En Küçük Maliyet Yöntemi İle Başlangıç Çözüm Bulma
Birim taşıma maliyetlerini esas alan bu yöntemde, her seferinde daraltılmış tabloda en düşük maliyetli
olan hücreye atama yapılır. Atama yapılacak hücrenin seçimi haricinde, hücrelere atanacak değerin
belirlenmesi, sunum ve talep miktarlarının güncellenmesi ve işlem dışı bırakma adımları kuzeybatı köşe
yönteminde olduğu gibidir. Enküçük maliyet yönteminin adımları aşağıdaki şekilde sıralanabilir:
1. Tablo genelinde en düşük maliyete sahip olan ve sayısal bir değer atanmamış (i, j) hücresi
seçilir. En düşük maliyetli birden fazla hücre varsa, herhangi biri ele alınabilir.
2. Bu hücreye, i. satırdaki sunum ve j. sütundaki talep değerleri göz önüne alınarak, mümkün olan
enbüyük değer atanır.
3. Atanan miktar, i. satırın sunum ve j. sütunun talep değerlerinden çıkarılarak, S
i
ve d
j
değerleri
güncellenir.
4. Sıfır değerine karşı gelen satır veya sütundan sadece birisi işlem dışı bırakılarak tablo daraltılır.
5. İşlem dışı bırakılmamış sadece bir satır veya sütun kaldığında algoritma sonlanır. Kalan
miktarlar son satır veya sütundaki uygun yerlere atanır. Aksi halde birinci adıma dönülür.
Örnek 8.5.
Gıda şirketi problemi için, enküçük maliyet yöntemini kullanarak bir başlangıç temel uygun çözüm
oluşturunuz.
Şekil 8.4’te, en küçük maliyet yönteminin uygulanması aşamalar halinde gösterilmektedir. İlk
aşamada, tablodaki tüm hücreler arasında en küçük taşıma maliyetli olan (2, 2) hücresi seçilir.
İkinci aşamada, bu hücreye atanabilir enbüyük değer koşuluna uygun olarak “175”
olarak belirlenir. (2, 2) hücresine 175 birim atandıktan sonra, ikinci satırdaki kapasite ve ikinci sütundaki
talep miktarları, bu değerin çıkarılmasıyla güncellenir. Bu güncelleme sonucunda ikinci deponun tüm
talebi karşılandığından, ikinci sütun işlem dışı bırakılmakta ve daraltılmış tabloda atama yapılabilir altı
boş hücre kalmaktadır.
Üçüncü aşamada, daraltılmış tabloda enküçük taşıma maliyetine sahip olan (1, 4) hücresine atama
yapılır. Atanan değer eşitliğinden “100” olarak bulunur. Birinci satırdaki kapasite ve
üçüncü sütundaki talep miktarları güncellenir. Birinci satır işlem dışı bırakılınca, daraltılmış tabloda
sadece 4 boş hücre kalmaktadır.
Dördüncü aşamada, değer atanacak hücre, birim taşıma maliyeti “5” olan (2, 1) hücresidir. Bu hücreye
eşitliğinden hareketle “5” birim atanarak, ikinci satırın kalan kapasite ve birinci sütunun
kalan talep miktarları güncellenir. Bu aşama sonunda atama yapılabilir sadece bir satır kalmıştır. Beşinci
aşamada (3,1) ve (3, 3) hücrelerine kalan değerler atanarak işlem tamamlanır.


181

Şekil 8.4: En küçük maliyet yöntemi ile başlangıç çözüm bulunması

Elde edilen başlangıç temel uygun çözümde,

değerini ve kalan diğer karar değişkenleri sıfır değerini almaktadır. Başlangıç çözümün amaç fonksiyonu
değerini veren toplam taşıma maliyeti
2480
olur. Bu değer, kuzeybatı köşe yöntemi ile bulunandan daha düşüktür.
Bir işletme sahip olduğu 3 fabrikada ürettiği mamulü 3 bölgede
pazarlamaktadır. Fabrikaların aylık kapasiteleri sırasıyla 200, 160 ve 90 palet yüküdür.
Bölgelerin talepleri ise sırasıyla 180, 120 ve 170 palet yüküdür. Birim taşıma maliyetleri
Tablo 8.8’de verilmiş olup, eğer karşılanamayan talep olursa, bunun işletmeye palet yükü
başına 50’ye mal olacağını düşünmektedir. En küçük maliyet yöntemini kullanarak,
problem için bir başlangıç temel uygun çözüm oluşturunuz. Başlangıç çözümün taşıma
maliyetini bulunuz.
Tablo 8.9: Birim taşıma maliyetleri ( / palet yükü)

Fabrikalar
Depolar
1 2 3
1 16 20 12
2 14 8 18
3 36 24 16

VAM Yöntemi İle Başlangıç Çözüm Bulma
VAM yöntemi, en düşük maliyet yönteminin geliştirilmiş hali olarak düşünülebilir. Tablo genelinde,
birinci öncelikli hücre yerine ikinci öncelikli hücreye dağıtım yapılması halinde birim başına kaçırılacak
fırsatları bulup, en büyük fırsatın kaçırılmaması esasına dayanır. Araştırma sonuçları, VAM ile bulunan
bir başlangıç temel uygun çözümün, diğer yöntemlere göre daha az ardıştırma ile eniyi çözüme ulaştığını
ileri sürmektedir.


182
Atama yapılacak hücrenin seçimi haricinde, hücrelere atanacak değerin belirlenmesi, sunum ve talep
miktarlarının güncellenmesi ve işlem dışı bırakma adımları önceki iki yöntemde olduğu gibidir. VAM
yönteminin adımları aşağıdaki şekilde özetlenebilir:
1. Tablodaki her satır ve sütun için bir ceza puanı hesaplanır. Ceza puanı, o satır veya sütunda yer
alan boş hücrelerdeki en küçük iki maliyet arasındaki farktır.
2. Ceza puanı en yüksek olan satır veya sütun seçilir. Ceza puanı aynı olan birden fazla satır ve
sütun varsa, bunlardan herhangi biri ele alınabilir.
3. Bu satırdaki (veya sütundaki) boş hücreler içinde en düşük maliyetli olan (i, j) hücresi belirlenir.
4. Bu hücreye, i. satırdaki sunum ve j. sütundaki talep değerleri göz önüne alınarak, mümkün olan
enbüyük değer atanır.
5. Atanan miktar, i. satırın sunum ve j. sütunun talep değerlerinden çıkarılarak, S
i
ve d
j
değerleri
güncellenir.
6. Güncellenen S
i
ve d
j
değerlerinden en az biri sıfır olacaktır. Sıfır değerine karşı gelen satır veya
sütundan sadece birisi işlem dışı bırakılarak tablo daraltılır.
7. İşlem dışı bırakılmamış sadece bir satır veya sütun kaldığında algoritma sonlanır. Kalan
miktarlar son satır veya sütundaki uygun yerlere, en küçük maliyet yöntemine göre atanır. Aksi
halde eğer altıncı adımda i. satır işlem dışı kaldıysa sütunların, j. sütun işlem dışı kaldıysa
satırların ceza puanları yeniden hesaplanır ve ikinci adıma dönülür.
Örnek 8.6.
Örnek 1’de verilen problem için, VAM yöntemini kullanarak bir başlangıç temel uygun çözüm
bulunuz.
Şekil 8.5’te VAM yöntemi ile başlangıç temel uygun çözümün elde edilme aşamaları görülmektedir.
Ceza puanlarının yanındaki “*” işareti, o adımdaki en yüksek ceza puanını ve dolayısıyla atama yapılan
hücrenin yer aldığı satır veya sütunu göstermektedir.
İlk aşamada her satır ve sütun için ceza puanları hesaplanır. Daha sonra tüm ceza puanları içerisinde
en yüksek değerli olan seçilir. Örnekte üç satır ve iki sütunun ceza puanının en yüksek değer olan “2”
olduğu görülmektedir. Bunlardan herhangi birisi atama yapılacak satır veya sütun olarak seçilebilir.
İkinci aşamada birinci satır seçilmiş ve bu satırdaki en düşük maliyetli hücre (1, 3) hücresi olarak
belirlenmiştir. Hücreye atanabilecek en yüksek değer olan “100” atanır ve birinci satır işlem dışı
bırakılarak tablo daraltılır. Sütunların ceza puanları yeniden hesaplanır. Bu aşama sonunda tablodaki en
yüksek ceza puanı “3” olup, birinci sütuna karşı gelmektedir.
Üçüncü aşamada birinci sütundaki boş hücrelerden en düşük maliyete sahip olan (2, 1) hücresi ele
alınır. Birinci sütun işlem dışı kalırken, satırların ceza puanları tekrar hesaplanır. Dördüncü aşamada
daraltılmış tablodaki en yüksek ceza puanlı olan ikinci satır seçilerek (2, 2) hücresine “45” değeri atanır.
Beşinci aşamada ise kalan son iki hücreye atama yapılarak, işlem tamamlanmaktadır.
VAM ile elde edilen başlangıç temel uygun çözümde,

değerini ve kalan diğer karar değişkenleri sıfır değerini almaktadır. Başlangıç çözümün amaç fonksiyonu
değerini veren toplam taşıma maliyeti
2350
olarak elde edilir. Bu değer, diğer iki yöntemle bulunanlardan daha düşüktür.



183

Şekil 8.5 : VAM yöntemi ile başlangıç çözüm bulunması

Başlangıç çözümü belirlemekte kullanılan üç çözüm yöntemi arasında, oluşturdukları temel uygun
çözümün kalitesi açısından farklılık vardır. Daha iyi çözüm, amaç fonksiyonu değerinin daha küçük
değerli olması ve daha az ardıştırma ile sonuca ulaşılması anlamına gelmektedir. Genelde en iyi başlangıç
temel uygun çözümünü VAM yöntemi, en kötüsünü ise kuzeybatı köşe yöntemi vermektedir. Buna
karşın, en kolay uygulanan kuzeybatı köşe yöntemi iken, en işlem yoğun VAM yöntemidir. İşlem
yoğunluğu ve daha az ardıştırma yapma arasındaki bu ödünleşme dikkate alınarak, herhangi bir yöntemle
çözüme başlanabilir.
Bu yöntemleri uygulamadan önce modelin dengelenmiş olması gerektiği unutulmamalıdır.
Dengelenmemiş ise, yapay satır veya sütun eklentisi yapılmalıdır. Dengelenmiş ulaştırma probleminin
özel yapısı gereği bir temel uygun çözümde, en fazla adet temel değişken olabilir. Elde
edilen çözümlerden de görüldüğü gibi, ulaştırma tablosunun 5 hücresinde sıfırdan büyük değer
bulunmakta, bir başka deyişle 5 temel değişken yer almaktadır.
Sıra sizde 4’te verilen problem için, VAM yöntemini kullanarak
başlangıç temel uygun çözüm oluşturunuz.



184
ULAŞTIRMA MODELİNDE ENİYİLİK SINAMASI
Ulaştırma probleminin çözümündeki ikinci adım eniyilik sınamasıdır. Eniyilik koşulları sağlanmadığı
zaman, temelde olmayan en az bir değişken için amaç fonksiyonunda istenen yönde iyileştirme
yapılabilir demektir. Ulaştırma problemlemlerinde genellikle enküçükleme amacı benimsendiği için, bu
durum, toplam taşıma maliyeti daha az olan başka bir temel uygun çözümün var olduğu anlamına gelir.
Ulaştırma tablosu üzerinde yer alan bir temel uygun çözümün, en iyi çözüm olup olmadığını sınamak
için farklı yöntemler geliştirilmiştir. Bu bölümde önce döngü kavramından bahsedilmekte, daha sonra
eniyilik sınaması için geliştirilmiş atlama taşı (stepping stone) ve MODI (Modified distribution method)
yöntemleri tanıtılmaktadır. Mevcut bir çözümün eniyiliğinin kontrolünde bu iki yöntemden herhangi
birisi tercih edilebilir.

Döngü Kavramı
Ulaştırma tablosu üzerindeki bir hücreden başlayarak, yine aynı hücrede sona eren, köşelerinde en az
dört farklı hücrenin sıralandığı kapalı güzergaha döngü, çevrim veya yörünge denmektedir. Bir
güzergahın döngü oluşturması için izleyen şartların sağlanması gerekir:
1. İki ardışık hücre, aynı satırda ya da aynı sütunda yer almalıdır.
2. Dizideki son hücre, ilk hücreyle ortak bir satır ya da sütuna sahip olmalıdır.
3. Üç ardışık hücre aynı satır ya da sütunda bulunmamalıdır.
Şekil 8.6’da döngü oluşturan dizilim örnekleri, Şekil 8.7’de ise döngü oluşturmayan örnekler
görülmektedir.

Şekil 8.6: Doğru döngü örnekleri


Şekil 8.7: Yanlış döngü örnekleri
Eniyilik sınaması yaparken, ulaştırma tablosunda mutlaka (m+n-1)
adet temel değişkenin yer alması gerektiği unutulmamalıdır. Eğer bozulmuş temel uygun
çözüm varsa, bu değişkenlerden en az biri sıfır değeri almıştır.



185
Atlama Taşı Yöntemi ile Eniyilik Sınaması
Bu yöntem, mevcut çözümdeki temel dışı değişkenlerin temele alınması halinde, amaç fonksiyonunda ne
kadar artış ya da azalma olacağının hesaplanmasına dayanır. Temeldışı değişkenler, ulaştırma tablosu
üzerinde bir değer atanmamış boş hücrelerdir. Eniyiliğin sınanması süreci izleyen adımlardan
oluşmaktadır:
1. Mevcut çözümün yer aldığı ulaştırma tablosunda boş olan bir hücre seçilir (X
ij
).
2. Tablo üzerinde X
ij
hücresinden başlayan bir döngü çizilir.
3. Döngü üzerindeki tüm hücreler, X
ij
hücresinden başlamak üzere

sırasıyla (+), (-), (+), …
şeklinde işaretlenir. Döngünün başlangıcını temel dışı değişken ya da boş hücre, döngünün
köşelerini ise temel değişkenler bir diğer deyişle dolu hücreler oluşturmalıdır.
4. X
ij
için değişim değeri (d
ij
) hesaplanır. d
ij
, i. kaynaktan j. hedefe ürün göndermenin toplam
taşıma maliyetinde yaratacağı değişim miktarı anlamına gelmektedir. Bunun için, (+) işaretli
hücrelerdeki birim taşıma maliyetleri toplamından, (-) işaretli hücrelerdeki birim taşıma
maliyetleri çıkarılır.
5. Her boş hücre için değişim değeri hesaplanana kadar yukarıdaki dört adım tekrarlanır.
Değişim değerinin pozitif olması, bu hücreye bir birim atama yapılması durumunda toplam maliyetin
artacağı anlamına gelmektedir. Eğer hesaplanan tüm değişim değerleri sıfırdan büyük eşitse, eniyi
çözüme erişilmiştir. Bununla birlikte, değişim değerlerinden en az birinin sıfırdan küçük olması, bu
hücreye atama yapılırsa toplam maliyetin daha da düşeceğini gösterir. Bu hücreyi temele alarak mevcut
çözümü iyileştirmek ve toplam taşıma maliyetini azaltmak mümkündür. Eğer birden fazla negatif işaretli
değişim değeri olursa bunların mutlak değerce enbüyük olanına sahip olan hücre temele alınmalıdır.
Örnek 8.7.
Örnek 5’de kuzeybatı köşe yöntemiyle bulunan başlangıç temel uygun çözümün, ulaştırma
probleminin eniyi çözümü olup olmadığını atlama taşı yöntemi ile kontrol ediniz.
Tablo 8.6’da kuzeybatı köşe yöntemi ile bulunan başlangıç temel uygun çözüm görülmektedir.
Öncelikle başlangıç çözümde, beş (m+n-1=3+3-1=5) adet değişkenin yer alıp almadığı kontrol edilir.
Tabloda görünen çözüm, bozulmamış bir temel uygun çözüme karşı gelmektedir. Temelde olmayan
değişken sayısı dört olup, tablo üzerinde değer atanmamış 4 boş hücreye karşı gelmektedir. X
12
, X
13
,
X
23
, X
31
olarak veya (1, 2), (1, 3), (2, 3), (3,1) olarak ifade edilebilen bu hücrelerin temele alınması
durumunda, toplam taşıma maliyetinde ne yönde bir değişim olacağı araştırılacaktır.

Tablo 8.10: Kuzeybatı köşe yöntemi ile bulunmuş olan başlangıç temel uygun çözüm

Atlama taşı yöntemine göre, her boş hücre için, hücrenin kendisinden başlayan ve kendisinde
sonlanan bir döngü çizilir ve değişim değeri hesaplanır. Örnek problem için, her boş hücreye yönelik
yapılan işlemler izleyen tablolar üzerinde gösterilmiş, tabloların sağ tarafında ise, oluşan döngünün


186
dizilimi ve değişim değerinin nasıl hesaplandığı verilmiştir. Sonuç olarak, en az bir değişim değeri negatif
işaretli olduğundan (d
13
= –2 < 0) mevcut çözümün eniyi çözüm olmadığı, daha düşük maliyetli bir
çözümün var olduğu söylenir.
Tablo 8.11’den görüldüğü gibi d
12
= +3 olmaktadır. Bunun anlamı, X
12
’ye atanan her 1 birim başına
toplam taşıma maliyetinin 3 artacağıdır.

Tablo 8.11: X
12
için değişim değerinin hesaplanması


Aşağıdaki tabloda X
13
için değişim değerinin nasıl hesaplandığı görülmektedir. d
13
= −2 olduğundan,
X
13
’ün temelde bir birim yer alması toplam maliyeti 2 azaltacaktır.

Tablo 8.12: X
13
için değişim değerinin hesaplanması


Tablo 8.13’te görüldüğü gibi, d
23
= 1’dir. Bu değere gore, X
23
’ün temelde bir birim yer alması ile
toplam maliyet 1 artacaktır.
Tablo 8.13: X
23
için değişim değerinin hesaplanması



X
13
hücresi için döngü
X
13
X
11
X
21
X
22
X
32
X
33

X
13
hücresi için değişim değeri
d
13
= +4−6+5−3+5−7 = −2

X
12
hücresi için döngü
X
12
X
11
X
21
X
22

X
12
hücresi için değişim değeri
d
12
= +7+5−6−3 = +3

X
23
hücresi için döngü
X
23
X
22
X
32
X
33

X
23
hücresi için değişim değeri
d
23
= +6−3+5−7 = 1

187
Tablo 8.14’te görüldüğü gibi, d
41
= 1’dir. Bu değere gore, X
31
temele alınırsa toplam maliyette birim
başına 1 artış olacaktır.
Tablo 8.14: X
31
için değişim değerinin hesaplanması



Daha iyi olan çözümü elde etmek için, X
13
’ün temele alınması yani (1, 3) hücresine değer atanması
gerekir. İzleyen temel uygun çözümün nasıl bulunacağı, daha sonra ele alınacaktır.
Dört ayrı tabloda gösterilen bu işlemlerin hepsi tek bir tablo üzerinde gerçekleştirilip doğrudan
değişim değerleri hesaplanabilir.
Aşağıdaki tabloda, bir ulaştırma problemi için VAM yöntemiyle
bulunan başlangıç temel uygun çözüm görülmektedir. Bu çözümün eniyi çözüm
olduğunu, atlama taşı yöntemini kullanarak ispatlayınız.
Tablo 8.15: VAM yöntemi ile bulunan başlangıç çözüm

MODI Yöntemi ile Eniyilik Sınaması
Atlama taşı yönteminin bir dezavantajı, tüm boş hücreler için döngü bulma ve değişim değeri hesaplama
zorunluluğudur. Bu bölümde, iyileşme yapılacak hücreyi tek tek denemeden bulduğu için atlama taşına
göre daha hızlı olan bir yöntem tanıtılmaktadır. Başlangıç temel uygun çözümün bulunmasında sunulan
üç yöntemden istediğinizi kullanabildiğiniz gibi, mevcut çözümün eniyi olup olmadığını belirlemek için
de atlama taşı veya MODI yöntemlerinden herhangi birisini kullanabilirsiniz.
MODI yönteminin adımları aşağıda açıklanmaktadır:
1. Ulaştırma tablosunda her satıra karşı gelen üretim merkezi için bir u
i
çarpanı, her sütuna karşı
gelen tüketim merkezi için bir v
j
çarpanı tanımlanır. Toplamda, m adet u
i
ve n adet v
j
çarpanı
tanımlanmış olur.
2. c
ij
, i. üretim merkezinden j. tüketim merkezine ürün taşımanın birim maliyetine karşı gelmek
üzere, temelde yer alan her X
ij
değişkeni için aşağıdaki denklem yazılır.

X
31
hücresi için döngü
X
31
X
32
X
22
X
21

X
31
hücresi için değişim değeri
d
41
= +8−5+3−5 = 1

188
3. Elde edilen doğrusal denklem sisteminde, denklem sayısı adet, bilinmeyen sayısı
ise adet olacaktır. Denklem sistemini çözebilmek için çarpanlardan herhangi birine
sabit bir değer atanır. Bu aşamada genellikle u
1
=0 alınır ve diğer çarpanlar buna bağlı olarak
hesaplanır.
4. Üçüncü adımda bulunan u
i
ve v
j
çarpanlarının değerlerinden hareketle, temel dışı her değişken
için, aşağıdaki eşitliğin sonucu belirlenir.

5. Amaç toplam maliyetin enküçüklenmesi olduğundan, dördüncü adımda bulunan değerler
sonucunda izleyen iki durumdan biri ile karşılaşılabilir
a. Her temel dışı değişken için

koşulu sağlanıyorsa eniyi çözüm bulunmuştur.
b. En az bir temel dışı değişken için

olarak gerçekleşiyorsa, eldeki çözüm eniyi değildir. İlgili temel dışı değişkenin temele
alınması halinde mevcut çözümden daha iyi bir çözüm elde edilecektir. Birden fazla temel
dışı değişken için

oluyorsa, pozitif değerlerin enbüyüğüne sahip olan
temel dışı değişken izleyen çözümde yer alır.
MODI testi sonucunda eniyi çözüm kuşulu sağlanıyor ve temel dışı değişkenlerden birisi için,

olarak gerçekleşiyorsa “Alternatif Eniyi Çözüm” olduğu söylenir.
Örnek 8.8.
Örnek 5’de kuzeybatı köşe yöntemiyle bulunan başlangıç temel uygun çözümün, eniyi çözüm olup
olmadığını MODI yöntemi ile kontrol ediniz.
Öncelikle dengelenmiş ulaştırma tablosunda, satırlarda gösterilen sunum merkezleri için u
1
, u
2
ve u
3

çarpanları; sütunlarda gösterilen talep noktaları içinde v
1
, v
2
ve v
3
çarpanları tanımlanır.
Başlangıç temel uygun çözümde, bir sayısal değer atanmış adet değişken temel değişken
olup, X
11
, X
21
, X
22
, X
32
ve X
33
değişkenlerine karşı gelmektedir. Temel değişkenler için (u, v) denklemleri
yazıldığında 6 bilinmeyenli 5 eşitliğin olduğu bir denklem sistemi ortaya çıkar. Çözüm sağlayabilmek
için u
1
=0 olarak kabul edilip, diğer değişkenler sırasıyla bulunur. Tablo 8.16’da temel değişkenler için
yazılan (u , v) denklemleri ve çözümü görülmektedir.

Tablo 8.16: u
i
ve v
j
çarpanlarının bulunması

Temel
Değişken
(u, v) denklemi
u
i
+ v
j
= c
ij

Çözüm
X
11
u
1
+ v
1
= 6 u
1
= 0 v
1
= 6
X
21
u
2
+ v
1
= 5 v
1
= 6 u
2
= –1
X
22
u
2
+ v
2
= 3 u
2
= –1 v
2
= 4
X
32
u
3
+ v
2
= 5 v
2
= 4 u
3
= 1
X
33
u
3
+ v
3
= 7 u
3
= 1 v
3
= 6






189
Yukarıda bulunan u
i
ve v
j
’lerin yukarıda bulunan değerleri yardmıyla, temel dışı değişkenler için,
Tablo 8.17’de görüldüğü gibi

değerleri hesaplanır. Temel dışı değişkenler, değer
atanmamış boş hücrelere karşı gelen X
12
, X
13
, X
23
, X
31
değişkenleridir. Eniyi çözümde tüm
değişkenlerin

koşulunu sağlaması gerektiği halde, X
13
değişkeni için bunun
gerçekleşmediği görülmektedir. Bu durumda eldeki çözümün en iyi olmadığı ve X
13
’ün temele
alınmasıyla daha düşük maliyetli bir çözüm elde edileceği söylenir.

Tablo 8.17: Temel dışı değişkenler için (u
i
+ v
j
− c
ij
) değerlerinin hesaplanması

Temel Dışı
Değişken
(u, v) denklemi
(u
i
+ v
j
− c
ij
)
X
12
u
1
+ v
2
– c
12
= 0 + 4 – 7 = – 3
X
13
u
1
+ v
3
– c
13
= 0 + 6 – 4 = 2
X
23
u
2
+ v
3
– c
23
= – 1+ 6 – 6 = – 1
X
31
u
3
+ v
1
– c
31
= 1 + 6 – 8 = – 1

Ulaştırma modelinde MODI yöntemi ile eniyilik sınaması yaparken, her temel değişken için (u, v)
eşitliğini yazmaya ve daha sonra denklem sistemini çözerek u
i
ve v
j
’leri bulmaya gerek yoktur. Bu
hesaplamalar Tablo 8.18’te görüldüğü gibi, doğrudan tablo üzerinde yapılır.

Tablo 8.18: MODI yöntemi için ulaştırma tablosunun düzenlenmesi

Ulaştırma tablosunda satırların soluna u
i
’ler ve sütunların üzerine v
j
’ler yazılır. Tablodaki her
hücrenin sol alt köşesindeki kutucukta

denkleminin sonucu yer alır. Temel değişkenler
için bu denklem sıfıra eşitlenerek, u
i
ve v
j
’lerin değeri bulunur. Tablo üzerinde hesaplamalar yapılırken
u
1
=0 alınarak işe başlanır. Ardından, ilk satırda temel değişkenlere karşı gelen tüm sütunların v
j
değerleri
hesaplanır. Örnekte, birinci satırda sadece X
11
temel değişkeni yer almaktadır. Bununla ilişkili v
1
değeri,
u
1
+ v
1
– c
11
= 0 0 + v
1
- 6 = 0
eşitliğinden “6” olarak bulunarak tabloda yerine yazılır. Daha sonra v
1
’in olduğu sütunda bulunan temel
değişkenle ilişkili u
2
değeri,
u
2
+ v
1
– c
21
= 0 u
2
+ 6 - 5 = 0
eşitliğinden “-1” olarak elde edilir. Benzer şekilde, u
2
’yi kullanarak v
2
, v
2
yardımıyla u
3
ve u
3
yardımıyla
v
3
bulunur. Tablo 8.19’da hesaplanan u
i
ve v
j
değerleri gösterilmektedir.
Sonraki adım, temel dışı değişkenler için

eşitliğine karşı gelen değerlerin
belirlenmesidir. Bu değerler de kutucuklara yazıldıktan sonra, daha iyi bir çözüm olup olmadığı
değerlendirilir. En iyi çözüme erişildiğini söyleyebilmek için, tablodaki her hücrenin

190
değerinin sıfıra eşit veya sıfırdan küçük olması gerekir. Pozitif değerli bir hücrenin olması, eldeki
çözümün eniyi olmadığına ve daha iyi bir çözüm olduğuna işaret eder.

Tablo 8.19: Temel değişkenlerden hareketle u
i
ve v
j
’lerin bulunması

Tablo 8.20’den görüldüğü gibi eniyilik koşulu sağlanmamaktadır. X
13
’e karşı gelen “2” değeri bu
değişkenin temele alınması durumunda amaç fonksiyonu değerinin daha küçük bir değer alacağı anlamına
gelmektedir.
Tablo 8.20: Temel dışı değişkenlerin değerlendirilmesi ve temele girecek değişkenin seçilmesi


Aşağıdaki tabloda, bir ulaştırma problemine karşı gelen başlangıç
temel uygun çözüm görülmektedir. MODI yöntemi ile eniyilik sınamasını yapınız.









191
Tablo 8.21: VAM yöntemi ile bulunan başlangıç çözüm



ULAŞTIRMA MODELİNDE YENİ TEMEL UYGUN ÇÖZÜM
Ulaştırma modelinin çözümünde eniyilik sınamasından sonraki adım, eğer en iyi çözüme erişilmemişse
izleyen temel uygun çözümün bulunmasıdır. Atlama taşı veya MODI yöntemlerden birisi ile eniyilik
sınaması yapıldığında, eğer en iyi çözüm elde edilmemişse, daha düşük maliyetli çözüm için hangi
değişkenin temelde yer alması gerektiği de belirlenmektedir. Eniyilik sınamasından sonra cevaplanması
gereken iki soru vardır:
1. Temele yeni bir değişken alındığında, çözümdeki temel değişken sayısı olan )
eşitliğinin doğru olarak kalabilmesi için, halen temelde olan bir değişkenin de sıfır değerini
alarak temelden çıkması gerekir. Bu durumda temelden çıkacak değişken hangisidir?
2. Yeni temel değişkene atanacak miktar θ olsun. θ’nın enbüyük değerinin belirlenmesi için,
kapasite sınırlamaları ile talep gereksinimlerinin karşılıklı dengelenmesi ve temel değişkenlerin
negatif değer almaması gerekir. Öyleyse temele alınacak değişkene atanacak değer nedir? Bir
başka deyişle, yeni rota üzerinde taşınabilecek miktar ne kadardır?
Bir değişkenin temele alınması, ulaştırma tablosu üzerindeki boş hücrelerden birisine değer atanması
anlamına gelir. Bu durumda satır ve sütun yönlü dengenin sağlanması için, dağıtım yapılmamış bir
hücreye bir birim dağıtım yapılması halinde, bunun bulunduğu satırda ve sütunda dağıtım yapılmış birer
hücreden birer birim azaltma yapılmalıdır. Ulaştırma modelinde bir değişken temele alındığında,
temelden hangi değişkenin çıkıp, temeldeki değişkenlerin hangi değerleri alacaklarını kolaylıkla
hesaplamak için döngü kavramından yararlanılır.
Yeni temel uygun çözümün belirlenmesinde izlenecek adımlar aşağıdaki gibi sıralanabilir:
1. Temele girecek değişkenden başlamak üzere, bir döngü çizilir. Gerçekte temele girecek değişken
için sadece bir olası döngü vardır.
2. Döngüdeki hücreler, temele giren hücreden başlayarak sırasıyla (+), (‒), (+),… şeklinde
işaretlenir.
3. Temele girecek değişkenin alabileceği en büyük değer θ olsun. θ, (‒) işaretli hücrelerin
değerlerinin enküçüğü olarak belirlenir.
4. Döngü üzerindeki (+) işaretli hücrelere θ eklenip, (‒) işaretli olanların değerinden θ çıkarılır.
Döngüdeki temel değişkenlerin değeri θ değerine bağlı olarak değişirken, döngüde olmayan temel
değişkenlerin değeri değişmez. Mevcut çözümde θ değerine sahip olan temel değişken sıfır değerini alıp
temelden çıkarken, yeni temel değişken θ değeriyle tabloda yer alır. Böylece bir temel uygun çözümdeki
temel değişken sayısı olan ) sayısı ile kapasite- talep dengesi korunmuş olacaktır.


192
Eğer θ = 0 ise, temele girecek değişkenin değeri sıfır olacak ve sıfır değerine sahip (‒) işaretli bir
hücredeki değişken temelden çıkacaktır. Bu durumda bozulmuş bir temel uygun çözüm vardır.
Eğer döngüdeki hücrelerde birden fazla θ değerine sahip değişken varsa, bunlardan herhangi biri
temelden çıkacak değişken olarak seçilir. Diğer değişken ise sıfır değeri ile temelde yer kalır ve yine
bozulmuş bir temel uygun çözüm elde edilir.
Örnek 8.9.
Örnek 8’de MODI yöntemi ile eniyilik sınaması yapılan problemin eniyi çözümünü bulunuz.
MODI ile başlangıç çözüm kontrol edildiğinde, eniyi çözüme erişilmediği eğer X
13
temele alınırsa
daha düşük maliyetli bir çözüm elde edileceği sonucuna ulaşılmıştı. X
13
’e ne kadar değer atayacağımızı
belirlemek ve aynı zamanda satır-sütun miktarları arasındaki dengeyi korumak için öncelikle, X
13
’ten
başlayan ve yine X
13
’te sonlanan kapalı bir döngünün çizilmesi gerekir. Daha sonra döngü üzerindeki
hücreler sırasıyla (+) ve (-) olarak işaretlenecektir. Tablo 8.22’de görülen ve X
13
için çizilen döngü
üzerindeki hücrelerin dizilimi
X
13
X
11
X
21
X
22
X
32
X
33

şeklinde ifade edilebilir. θ değeri,

eşitliğinden hareketle “100” olarak bulunur.

Tablo 8.22: Temele girecek değişken X
13
için oluşturulan döngü


Döngü üzerindeki (+) işaretli hücrelerin değeri “100” ile toplanıp, (-) işaretli hücrelerin değerinden
“100” çıkarılırsa, Tablo 8.23’de görülen yeni temel uygun çözüm elde edilir. Görüldüğü gibi X
11
sıfır
değerini alarak temelden çıkmış, X
13
ise 100 değerini alarak temele girmiştir. Döngü üzerindeki temel
değişkenlerin değeri de satır ve sütun dengesini bozmayacak şekilde değişmiştir. “5” olması gereken
temel değişken sayısı korunmaktadır. Elde edilen yeni temel uygun çözümde,

değerini ve kalan diğer karar değişkenleri sıfır değerini almaktadır. Başlangıç çözümün amaç fonksiyonu
değerini veren toplam taşıma maliyeti 2350’dir.



193
Tablo 8.23: Birinci ardıştırma sonunda elde edilen yeni temel uygun çözüm



Bundan sonraki aşama yeni çözümün eniyi olup olmadığının sınanmasıdır. Tablo 8.24’de MODI
yöntemi ile yapılan eniyilik sınaması görülmektedir. Yeni çözümde her değişken için

koşulu sağlandığından, eniyi çözüm elde edilmiştir.

Tablo 8.24: Yeni temel uygun çözümün MODI yöntemi ile eniyilik sınaması


En iyi çözümde karar değişkenlerinin aldığı değerler ve dağıtım rotası Tablo 8.25’de özetlenmektedir.

Tablo 8.25: Gıda şirketine ait ürün dağıtım probleminin en iyi çözümü

Dağıtım Taşıma
miktarı
Birim
maliyet
Toplam
maliyet
Fabrikadan Depoya
1
2
2
3
3
3
1
2
2
3
100
135
45
130
70
4
5
3
5
7
400
675
135
650
490
Toplam 2350

Sıra Sizde 2b’de yer alan iki kaynaklı üç hedefli ulaştırma
probleminin eniyi çözümünü bulunuz.
Çözüm algoritmasının başlıca üç adımı bulunduğunu unutmayalım:
Bir başlangıç temel uygun çözümün bulunması, eniyilik sınamasının yapılması ve en iyi
çözüme erişilmemişse izleyen temel uygun çözümün bulunarak ikinci adıma dönülmesi.


194
ATAMA MODELİ
Verilen n adet işin, n adet işlem noktasına dağıtımına yönelik problemler için geliştirilen atama modelleri,
ulaştırma modelleri gibi kendisine özel çözüm algoritmasına sahip doğrusal programlama
modellerindendir.
Atama modelinde amaç, genellikle toplam maliyeti enküçüklemek için kaynak kullanımının bire bir
dağıtımının yapılmasıdır. İşçilerin işlere atanması ya da işe en uygun kişi seçimi, atama modeliyle
çözülebilecek bir konudur. Aslında atama modeli, kaynakları işçiler, hedefleri de işler olan özel bir
ulşatırma modelidir. Her bir kaynaktaki sunum miktarı ve her bir hedefteki talep miktarı sürekli olarak
“1” e eşittir. i işçisini j işine ulaştırmanın maliyeti ise c
ij
’dir. Atama modeli, normal bir ulaştırma
problemi gibi çözülebilir. Bununla birlikte, sunum v etalep miktarının bire eşit olması Macar Algoritması
olarak adlandırılan basit bir çözüm algoritmasının geliştirilmesine yol açmıştır.
Sistemin özelliğine bağlı olarak belirlenen iş ve işlem noktalarının yanında, problemin parametreleri,
j. işe i. işlem noktasının atanmasının sistem etkinliğine katkı (kar, maliyet vb.) göstergesi olan c
ij
’lerdir.
Her atama problemi elemanları c
ij
’ler olan bir matris ya da tablo ile ilişkilendirilir. Problemin çözümüyle
hangi işin hangi işlem noktasına verileceği belirlendiğinden, problemin karar değişkenleri;

şeklinde tanımlanır.
Problemin oluştuğu sistemin özel yapısının gerektirdiği kısıtlar dışında, problemin iki temel kısıtı
vardır:
1. Her iş yalnız bir işlem noktasına atanabilir.
2. Her işlem noktasına yalnız bir iş atanabilir.
Atama probleminin nasıl ortaya çıktığı ve doğrusal programlama ile modellenmesi izleyen örnek
üzerinde gösterilmektedir.
Örnek 8.10.
Bir şirkette çalışan üç teknisyenin (A, B, C) her birinin bir projede çalışması istenmektedir.
Tamamlanması istenen üç proje vardır. Her teknisyenin sahip olduğu bilgi, beceri ve yetenek seviyesine
bağlı olarak projeleri farklı sürelerde bitirecekleri tahmin edilmektedir. Teknisyenlerin projeleri
tamamlayacakları tahmini süreler aşağıdaki tabloda verilmiştir. Her teknisyenin sadece bir projede
çalışması ve her projeye de sadece bir kişinin atanması isteniyorsa, işlerin en kısa sürede tamamlanması
için hangi teknisyen hangi projede çalışmalıdır?

Tablo 8.26: Teknisyenlerin projeleri tamamlama süreleri (gün)

Proje
Teknisyen 1 2 3
A 22 28 12
B 16 20 22
C 18 24 14

Üç teknisyenin üç projeye bire bir eşleştirilmesi istendiğinden, problemin bir atama problemi olduğu
söylenebilir. Amaç, en kısa sürede projelerin bitmesini sağlayacak atama şeklinin belirlenmesidir. Karar
değişkenleri;

olarak tanımlandığında problemin amaç fonksiyonu, projelere ayrılan toplam sürenin enküçüklenmesi
olarak izleyen şekilde ifade edilir.


195
Modelde . iki tip kısıt vardır:
1. Teknisyenlerin atanma kısıtları (Her teknisyen sadece 1 projeye atanabilir)
2. Projelere atama kısıtları (Her projede sadece 1 teknisyen çalışabilir)
Bu açıklamalara göre oluşturulan doğrusal karar modeli aşağıda görülmektedir.

Teknisyen A sadece 1 projeye atanabilir.

Teknisyen B sadece 1 projeye atanabilir.

Teknisyen C sadece 1 projeye atanabilir.

Birinci projede sadece 1 kişi çalışabilir.

İkinci projede sadece 1 kişi çalışabilir.

Üçüncü projede sadece 1 kişi çalışabilir.

k.a.

Küçük boyutlu problemlerde kullanılabilecek bir çözüm yolu, mümkün olan tüm seçeneklerin
değerlendirilmesi ve eniyisinin seçilmesidir. Örnek problem üzerinde bunu düşünürsek, en fazla 6 farklı
atama yapılabileceği görülür. Tablo 8.27’de örnekle ilgili alternatif atama şekilleri ve karşı gelen
maliyetler verilmektedir.
Seçenek sayısı çok az olduğundan bu örnek için eniyi atamanın, kolaylıkla altıncı seçenek oldu
görülebilir. Problem boyutu arttıkça alternatif atamaların sıralanması da güç olacaktır. Örneğin 8 işçinin 8
projeye bire bir atanması istendiğinde, 8!=40320 alternatif incelenmek zorundadır. Bu yüzden tüm
alternatifleri çıkarıp karşılaştırmak pratik bir yöntem değildir.

Tablo 8.27: Alternatif atama şekilleri ve maliyetleri

SEÇENEK
PROJELERİN
ATANMASI
İŞGÜCÜ
MALİYETİ (gün)
TOPLAM
MALİYET (gün)
1 2 3
1 A B C 22 + 20 + 14 56
2 A C B 22 + 24 + 22 68
3 B A C 16 + 28 + 14 58
4 B C A 16 + 24 + 12 52
5 C A B 18 + 28 + 22 68
6 C B A 18 + 20 + 12 50

Bir işletmede 4 iş, 4 tezgaha verilecektir. Her işin tezgahlara
verilmesiyle ortaya çıkan maliyetler Tablo 8.28’de verilmiştir. Toplam maliyetin
enküçüklenmesini sağlayan doğrusal karar modelini oluşturunuz.







196
Tablo 8.28: İşlerin tezgahlardaki birim maliyetleri



ATAMA MODELİNİN MACAR ALGORİTMASI İLE ÇÖZÜMÜ
Problemin kendine has yapısı sebebiyle, atama modelinin çözümü için özel algoritmalar geliştirilmiştir.
Bunlardan en yaygın kullanılanı Macar Algoritmasıdır. Bu algoritma, mümkün olan her alternatifi
değerlendirmeden etkin bir şekilde eniyi çözümü bulmayı sağlar.
Macar algoritması ile atama problemini çözebilmek için, aşağıdaki koşulların sağlanması gerekir:
• Problemin amacı bir etkinliğin enküçüklenmesidir.
• İşlem noktası ile iş sayısı birbirine eşittir (= n.)
• Her atama gideri c
ij
≥ 0 koşuluna uymaktadır (c
ij
: i. işlem noktasını j. işe atamanın maliyeti)
Yukarıdaki koşulların sağlandığı bir atama modelinin Macar algoritması ile çözüm adımları aşağıda
verilmektedir:
1. Her satırdaki en küçük c
ij
seçilip, diğer atama giderlerinden bu değer çıkartılarak, satırlara göre
indirgenmiş tablo bulunur.
2. İndirgenmiş tablonun her sütunundaki en küçük c
ij
seçilip, diğer ögelerden bu değer
çıkartılarak, tablo bir kez daha indirgenir.
3. Tablo üzerinde sıfır değerini alan tüm ögelerden geçen en az sayıda dikey ya da yatay doğrular
çizilir. Eğer bulunan doğru sayısı = n ise, eniyi çözüme ulaşılmış olup adım beşe, değilse
izleyen adıma geçilir.
4. Üzerinden doğru geçmeyen satır veya sütundaki en küçük öge seçilerek, doğrular dışında kalmış
diğer ögelerden bunun değeri çıkartılır, doğruların kesim noktalarındaki ögelere eklenir. Üçüncü
adıma dönülür.
5. Her doğru üzerinde sıfır değerli hücreler esas alınarak, her i için yalnız bir j olmak üzere, eniyi
çözüme karşı gelen x
ij
değerleri yazılıp, eniyi çözüm bulunur.
Örnek 8.11.
Bir önceki örnek problemin eniyi çözümünü Macar algoritması ile bulunuz.
Adım 1. Satırlara göre indirgenmiş tablonun elde edilmesi







197
Adım 2. Sütunlara göre indirgenmiş tablonun elde edilmesi


Adım 3. Sıfır değerini alan tüm ögelerden geçen en az sayıda dikey ya da yatay doğrunun çizilmesi


Bu adımda çizilen doğru sayısı < n=3 olduğundan eniyi çözüm elde edilemediğinden, dördüncü
adıma geçilir.
Adım 4. Tablonun güncellenmesi.
Üzerinden doğru geçmeyen satır veya sütundaki en küçük öge “4” tür. Doğrular dışında kalmış diğer
ögelerden “4” çıkartılır, doğruların kesim noktalarındaki ögelere “4” eklenir.



Adım 5. Sıfır değerini alan tüm ögelerden geçen en az sayıda dikey ya da yatay doğrunun çizilmesi
Çizilen doğru sayısı n=3 olduğundan eniyi çözüm bulunmuştur.



Adım 6. Eniyi atamanın yapılması
Öncelikle üzerinde sadece bir adet sıfır olan satır ya da sütunlar kontrol edilerek, bu konumlara atama
yapılır. Birinci satırda A, 3. projede sıfır olduğundan buraya atanır. Birinci satır ve üçüncü sütun işlem
dışı bırakılır. İkinci atama, üçüncü satırda 1. projeye yapılır. Birinci sütun ve üçüncü satır işlem dışı
bırakılır. Son olarak B, 2. projeye atanır. Şekil 8.7’de bu işlem görülmektedir.


198


Şekil 8.7: En iyi atamanın yapılması

Eniyi çözümün atama maliyeti ise aşağıdaki tabloda görüldüğü gibi hesaplanmaktadır.

Tablo 8.29: En iyi çözüm ve atama maliyeti

Atama
Atama
Maliyeti (gün)
Teknisyen Proje
A 3 12
B 2 20
C 1 18
Toplam 50 gün

Dengelenmiş atama modeli, işlem noktası sayısı ile iş sayısının eşit
olduğu bir başka deyişle atama giderleri tablosunda satır ve sütun sayılarının eşit
olduğu modeldir. Bazı durumlarda, atanacak kişi ya da nesne sayısı, görev sayısına eşit
olmaz. Bu durumda dengelenmemiş bir atama probleminden söz edilir.
Problemi Macar algoritması ile çözebilmek için, ulaştırma modellerinde olduğu gibi
tabloya yapay satır ya da sütun ilave edilir. Eğer satır sayısı daha fazla ise, tabloya yapay
sütun ya da yapay görev, eğer sütun sayısı daha fazlaysa, tabloya yapay satır ya da
yapay kişi eklenir. Yapay satır veya sütun gerçekte olmadığından, maliyetleri sıfır olarak
alınır.
Yukarıdaki açıklamaları dikkate alarak, Örnek 10’ da verilen problemde projelere
atanabilir dördüncü bir teknisyeni (D) ekleyelim. Bu teknisyenin ilk projeyi 10, ikinciyi 13
ve üçüncüyü 8 günde bitirebileceği öngörülsün. Atama problemini bu haliyle çözerek,
hangi teknisyene hangi projenin atanacağını belirleyiniz. Eniyi çözümde dört
teknisyenden hangisinin projeye atanmayacağını bulunuz.


199
Özet
Bu ünitede, doğrusal programlamanın özel bir
türü olan ulaştırma ve atama modelleri ele
alınmıştır. Genel olarak ürünlerin birden fazla
üretim noktasından, birden fazla tüketim
noktasına dağıtımı ile ilgili problemler, ulaştırma
veya atama problemleri olarak adlandırılır.
Ulaştırma problemelrinde amaç, mevcut
kaynakları kullanarak tüm talebi karşılayacak
şekilde enküçük maliyetli dağıtım planının
bulunmasıdır. Ulaştırma probleminin özel bir hali
olan atama problemleri ile genellikle işlerin
makinelere dağıtımı, kişilerin işlere tayini,
personelin satış bölgelerine dağıtımına benzer
durumlarda karşılaşılmaktadır.
Ulaştırma problemlerinde cevap aranan soru,
hangi üretim merkezinden, hangi tüketim
merkezine ne kadar ürün taşınacağıdır. Bu soru
aynı zamanda karar değişkenlerini tanımlamakta
olup, sorunun cevabı ürün dağıtım planını
verecektir. Eğer bir ulaştırma modelinin toplam
sunum miktarı toplam talep miktarına eşit ise,
“dengelenmiş ulaştırma modeli”, eşit değilse
“dengelenmemiş ulaştırma modeli” olarak
adlandırılır. Ulaştırma tablosu üzerinden çözüm
işlemlerini yürütebilmek için, modelin
dengelenmiş olması gerekmektedir. Bir ulaştırma
modeli dengelenmemiş ise, yapay kaynak ya da
yapay hedef noktası eklentisiyle, model
dengelenmiş hale dönüştürülebilir.
Ulaştırma problemlerine özgü çözüm
algoritmasında, öncelikle probleme ait
dengelenmiş ulaştırma tablosu oluşturulmakta ve
işlemler tablo üzerinde gerçekleştirilmektedir.
Ulaştırma problemleri için geliştirilmiş çözüm
algoritmasının başlıca üç adımı bulunmaktadır:
Bir başlangıç temel uygun çözümün bulunması,
eniyilik sınamasının yapılması ve eniyi çözüme
erişilmemişse izleyen temel uygun çözümün
bulunarak ikinci adıma dönülmesi.
Dengelenmiş ulaştırma modeline bir başlangıç
temel uygun çözüm bulmak için en çok
kullanılan üç yöntem, kuzeybatı köşe yöntemi,
enküçük maliyet yöntemi ve VAM yöntemi
olarak sıralanabilir. Başlangıç çözümü
belirlemekte kullanılan üç çözüm yöntemi
arasında, oluşturdukları temel uygun çözümün
kalitesi açısından farklılık vardır. Daha iyi
çözüm, amaç fonksiyonu değerinin daha küçük
değerli olması ve daha az ardıştırma ile sonuca
ulaşılması anlamına gelmektedir. Genelde en iyi
başlangıç temel uygun çözümünü VAM yöntemi,
en kötüsünü ise kuzeybatı köşe yöntemi
vermektedir. Buna karşın, en kolay uygulanan
kuzeybatı köşe yöntemi iken, en işlem yoğun
VAM yöntemidir. İşlem yoğunluğu ve daha az
ardıştırma yapma arasındaki bu ödünleşme
dikkate alınarak, herhangi bir yöntemle çözüme
başlanabilir.
Ulaştırma probleminin çözümündeki ikinci adım
eniyilik sınamasıdır. Eniyilik koşulları
sağlanmadığı zaman, temelde olmayan en az bir
değişken için amaç fonksiyonunda istenen yönde
iyileştirme yapılabilir demektir. Ulaştırma
problemlemlerinde genellikle enküçükleme
amacı benimsendiği için, bu durum, toplam
taşıma maliyeti daha az olan başka bir temel
uygun çözümün var olduğu anlamına gelir.
Ulaştırma tablosu üzerinde yer alan bir temel
uygun çözümün, en iyi çözüm olup olmadığını
sınamak için atlama taşı veya MODI yöntemi
ullanılabilir. Eniyilik sınaması ile, eğer eniyi
çözüme erişilmemeişse temel girecek değişken
belirlenir. Bir değişkenin temele alınması,
ulaştırma tablosu üzerindeki boş hücrelerden
birisine değer atanması anlamına gelir. Bu
durumda satır ve sütun yönlü dengenin
sağlanması için, dağıtım yapılmamış bir hücreye
bir birim dağıtım yapılması halinde, bunun
bulunduğu satırda ve sütunda dağıtım yapılmış
birer hücreden birer birim azaltma yapılmalıdır.
Ulaştırma modelinde bir değişken temele
alındığında, temelden hangi değişkenin çıkıp,
temeldeki değişkenlerin hangi değerleri
alacaklarını kolaylıkla hesaplamak için döngü
kavramından yararlanılır.
Atama modelinde amaç, genellikle toplam
maliyeti enküçüklemek için kaynak kullanımının
bire bir dağıtımının yapılmasıdır. İşçilerin işlere
atanması ya da işe en uygun kişi seçimi, atama
modeliyle çözülebilecek bir konudur. Problemin
kendine has yapısı sebebiyle, atama modelinin
çözümü için özel algoritmalar geliştirilmiştir.
Bunlardan en yaygın kullanılanı Macar
Algoritmasıdır. Bu algoritma, mümkün olan her
alternatifi değerlendirmeden etkin bir şekilde
eniyi çözümü bulmayı sağlar. Ulaştırma ve atama
modellerinin özel çözüm algoritmalarının olması,
doğrusal programlama modelleri arasında ayrı bir
öneme sahip olmalarını sağlamaktadır.


200
Kendimizi Sınayalım
1. Temel kısıtlar dışında özel bir kısıtı olmayan
bir ulaştırma probleminde, iki fabrikadan üç
depoya ürün gönderilecektir. Fabrikaların
kapasiteleri sırasıyla 150 ve 100 birim, depoların
talepleri ise sırasıyla 50, 75 ve 125 birimdir.
Karar değişkeni x
ij
, i. fabrikadan j. depoya
gönderilen ürün miktarı olarak tanımlanırsa,
aşağıdakilerden hangisi problemin “ikinci
deposuna ait talebin karşılanması” ile ilgili
kısıtına karşı gelir?
a. 75
22 12
≥ + x x
b. 50
21 11
≤ + x x
c. 125
23 13
≥ + x x
d. 50
21 11
≥ + x x
e. 150
13 12 11
≤ + + x x x
2. Ulaştırma tablosu verilen problem için
aşağıdakilerden hangisi, kuzeybatı köşe yöntemi
ile bulunan başlangıç çözümün toplam taşıma
maliyetine karşı gelmektedir?

a. 104
b. 94
c. 40
d. 76
e. 124








3. Üretim merkezi sayısı “m” ve talep merkezi
sayısı “n” olan dengelenmiş ulaştırma modeli ile
ilgili aşağıdakilerden hangisi yanlıştır ?
a. Bir temel uygun çözümünde en fazla (m+n-1)
adet değişken sıfırdan büyük değer alabilir.
b. En az bir uygun çözüm vardır.
c. Bir eniyi çözüm vardır.
d. En iyi çözümde (m+n) adet değişken sıfırdan
büyük olmak zorundadır.
e. Bir temel uygun çözümde, bazı temel
değişkenler sıfır değerini alabilir.
4. Aşağıdaki ulaştırma modeli için enküçük
maliyet yöntemi ile bir başlangıç temel uygun
çözüm bulunursa, X
14
ve X
33
değişkenlerinin
değeri ne olur?

a. X
14
=225, X
33
= 90
b. X
14
=70, X
33
= 95
c. X
14
=100, X
33
= 90
d. X
14
=200, X
33
= 95
e. X
14
=100, X
33
= 95












201
5. Aşağıdaki ulaştırma tablosunda VAM yöntemi
ile başlangıç çözüm bulunmaya başlanmış fakat
işlemler yarım bırakılmıştır. Tablo kaldığı yerden
başlayarak tamamlandığında, aşağıdakilerden
hangisi başlangıç çözümün toplam taşıma
maliyetini verir?

a. 22000
b. 16000
c. 14700
d. 17600
e. 15780
6. Bir ulaştırma problemine karşı gelen temel
uygun çözüm aşağıdaki tabloda verilmektedir.
Eniyilik sınaması yapmak için, atlama taşı
yöntemi kullanılırsa, değişim değerleri (d
ij
) ile
ilgili aşağıdakilerden hangisi yanlış olur?
(d
ij
:i. kaynaktan j. hedefe ürün göndermenin
toplam taşıma maliyetinde yaratacağı değişim
miktarı)

a. d
13
= –1
b. d
21
=3
c. d
31
=2
d. d
32
=1
e. d
33
=0

7. Bir ulaştırma problemine karşı gelen temel
uygun çözümün MODI yöntemi ile eniyilik
sınaması yapılmış ve eniyi çözümün elde edildiği
görülmüştür. Tabloda görülen sonuçlara göre,
aşağıdakilerden hangisi c
12
’nin alabileceği bir
değer olabilir?

a. c
12
= 1
b. c
12
= 3
c. c
12
= -1
d. c
12
= -3
e. c
12
= 0
8. Ulaştırma tablosunda görünen temel uygun
çözüm için eniyilik sınaması yapılmış ve X
33
’ün
temele alınması gerektiği ortaya çıkmıştır. X
33
’ün
izleyen yeni çözümde alacağı değer,
aşağıdakilerden hangisidir?

a.120
b. 90
c. 30
d. 170
e. 40




202
9. Bilgi İşlem Merkezinde çalışan 4 bilgisayar
programcısı, dört farklı yazılım geliştirme işinde
görevlendirilecektir. Her biri ayrı bir yazılımla
ilgilenmek zorunda olan programcıların yazılım
için kaç saat harcayacaklarına dair öngördükleri
süreler tabloda görülmektedir. Aşağıdakilerden
hangisi, yazılımlar için harcanan toplam süreyi
enküçükleyecek görevlendirme şeklini
göstermektedir?

a. 1C, 2D, 3A, 4B
b. 1A, 2B, 3C, 4D
c. 1A, 2B, 3D, 4D
d. 1B, 2A, 3C, 4D
e. 1D, 2C, 3B, 4A
10. Bir büroda çalışan üç görevlinin her birine,
yapılacak üç işten sadece birisi atanacaktır. Her
görevlinin işi tamamlamak için harcayacağı süre
değişebilmektedir. Karar değişkeni x
ij
, i.
görevlinin j. işe atanması durumunda “1”, diğer
durumda “0” olarak tanımlanırsa,
aşağıdakilerden hangisi atama modelinin “İkinci
görevli sadece bir işe atanabilir” kısıtına karşı
gelir?
a. 1
31 21 11
= + + x x x
b. 1
32 22 12
= + + x x x
c. 1
33 32 31
= + + x x x
d. 1
23 22 21
= + + x x x
e. 1
33 23 13
= + + x x x







Kendimizi Sınayalım Yanıt
Anahtarı
1. a Yanıtınız yanlış ise “Ulaştırma Modeli”
başlıklı konuyu yeniden gözden geçiriniz.
2. b Yanıtınız yanlış ise “Ulaştırma Modelinde
Başlangıç Çözüm Bulma” başlıklı konuyu
yeniden gözden geçiriniz.
3. d Yanıtınız yanlış ise “Ulaştırma Modeli”
başlıklı konuyu yeniden gözden geçiriniz.
4. e Yanıtınız yanlış ise “Ulaştırma Modelinde
Başlangıç Çözüm Bulma” başlıklı konuyu
yeniden gözden geçiriniz.
5. c Yanıtınız yanlış ise “Ulaştırma Modelinde
Başlangıç Çözüm Bulma” başlıklı konuyu
yeniden gözden geçiriniz.
6. a Yanıtınız yanlış ise “Ulaştırma Modelinde
Eniyilik Sınaması” başlıklı konuyu yeniden
gözden geçiriniz.
7. b Yanıtınız yanlış ise “Ulaştırma Modelinde
Eniyilik Sınaması” başlıklı konuyu yeniden
gözden geçiriniz.
8. b Yanıtınız yanlış ise “Ulaştırma Modelinde
Yeni Temel Uygun Çözüm” başlıklı konuyu
yeniden gözden geçiriniz.
9. a Yanıtınız yanlış ise “Atama Modelinin
Macar Algoritması İle Çözümü” başlıklı konuyu
yeniden gözden geçiriniz.
10. d Yanıtınız yanlış ise “Atama Modeli”
başlıklı konuyu yeniden gözden geçiriniz.












203
Sıra Sizde Yanıt Anahtarı
Sıra Sizde 1
x
ij
: i. silodan j. işleme merkezine gönderilen
ürün miktarı [Dolu kamyon yükü/ay]

k.a.

Sıra Sizde 2
a.
Toplam sunum miktarı = 10 + 5 + 4 + 6 = 25
Toplam talep miktarı = 10 + 5 + 7 + 9 = 31
Toplam talep > toplam sunum olduğundan, yapay
üretim merkezi eklenmelidir. Yapay üretim
merkezinin kapasitesi 6 (= 31 – 25 ) birim olur.
Tabloda 5 nolu satır yapay merkeze aittir.


b.
Toplam sunum miktarı = 30 + 44 = 74
Toplam talep miktarı = 25 + 30 + 10 = 65
Toplam talep < toplam sunum olduğundan,
yapay talep merkezi eklenmelidir. Yapay



merkezin talebi 9 (=74-65) birim olur. Tabloda
4 nolu sütun yapay merkeze aittir.

Sıra Sizde 3
Aşağıda aşamalar halinde başlangıç çözümün
bulunması görülmektedir. Özellikle beşinci ve
altıncı aşamaya dikkat edilmelidir. Beşinci
aşamada hem sütun hem satırda sıfır değeri
kalmıştır. Böyle bir durumda satır veya sütundan
sadece biri işlem dışı bırakılır. Örnekte sütun
işlem dışı bırakılarak, satırda kalan kapasite
olarak “0” değeri bırakılmıştır. İzleyen aşamada
ise sıfır değeri (2,4) hücresine yerleşmiştir.
Başlangıç çözümün bir “temel uygun çözüm”
olması için“ (m + n - 1) adet değişken çözümde
yer almak zorunda olduğundan, sıfır değeri
tabloda bırakılmaktadır. Bulunan temel uygun
çözüm” bozulmuş temel uygun çözüm” dür.
Toplam taşıma maliyeti ise 1140 (= 4x100 +
2x20 + 1x70 + 3x90 + 0x20 + 2x180) olarak
bulunur.




204

Sıra Sizde 4
Toplam kapasite =200 + 160 + 90 = 450
Toplam talep = 180 + 120 + 170 = 470
Toplam talep daha fazla olduğundan, problemi
dengelemek için tabloya kapasitesi 20 palet yükü
olan yapay fabrika eklenir ( 4 nolu)

En küçük maliyete göre bulunan başlangıç çözüm
adımları oklarla gösterilmiştir. Başlangıç
çözümün toplam taşıma maliyeti 8280 ’dir.


Sıra Sizde 5
VAM yöntemine göre bulunan başlangıç çözüm
adımları oklarla gösterilmiştir. Başlangıç
çözümün toplam taşıma maliyeti 6840 ’dir.

Sıra Sizde 6
Tabloda iki boş hücrenin değişim değeri
hesaplanır.
1. X
22
için değişim değeri
Döngü : X
22
X
12
X
11
X
21

d
22
=+ 80 –7 +6 –15 = +64

2. X
23
için değişim değeri
Döngü : X
23
X
13
X
11
X
21

d
23
=+78 –8 +6 –15 = +61

Boş hücrelerin değişim değerleri (+) işaretli
olduğundan, daha iyi bir çözüm olmadığı, eldeki
çözümün en iyi çözüm olduğu söylenir.



205
Sıra Sizde 7
MODI ile yapılan eniyilik sınaması sonucunda
elde edilen

değerleri tabloda
görünmektedir. Her temel dışı değişken için

eşitliği sağlanmadığından,
mevcut çözüm en iyi değildir. X
12
, X
13
ve X
32
’ye
ait değerler sıfırdan büyük çıkmıştır.
Daha iyi bir çözüm için, bu değişkenlerin
arasında en büyük pozitif değerli

’ye sahip olan X
32
(u
3
+v
2
-c
12
=6)
temele girmelidir.

Sıra Sizde 8
A. Başlangıç temel uygun çözüm
Toplam taşıma maliyetı = 675

Aşağıdaki tablo üzerinde, MODI testine göre
eniyi çözüme erişilmediği görülmektedir. X
12

temele alınır, X
11
veya X
22
temelden çıkar.




B. Birinci ardıştırma sonunda elde edilen
çözümün toplam taşıma maliyeti = 500

MODI testine göre eniyi çözüm elde edilmiştir.
Sıra Sizde 9

k.a.

206
Sıra Sizde 10

Atama tablosunu dengelemek için birim
maliyetleri “0” olan dördüncü bir sütun eklenir.
En iyi çözümde, teknisyen A üçüncü, teknisyen B
ikinci ve teknisyen C birinci projeye
atanmaktadır. Teknisyen D yapay sütuna
atanmıştır. Bu durum dördüncü teknisyenin hiç
bir projeye atanmayacağı anlamına gelir.

Yararlanılan Kaynaklar
Hillier, F.S. ve Lieberman, G.J. (2010).
Introduction to Operations Research, New
York: McGraw-Hill, Inc.
Kara, İ. (2000). Doğrusal Programlama,
İstanbul: Bilim Teknik Yayınevi.
Öztürk, A. (2011). Yöneylem Araştırması,
Bursa: Ekin Yayınevi.
Taha, H.A. (2011). Operations Research: An
Introduction, Upper Saddle River, N.J.: Prentice
Hall.
Winston, W.L. (2004). Operations Research:
Applications and Algorithms, Cengage:
Brooks/ Cole.
























You're Reading a Free Preview

İndirme
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->