Yon Eylem

END801 YNEYLEM ARATIRMASININ TEMELLER DERS NOTLARI
Dr. Y. lker Topcu
Teekkr: Prof. W.L. Winston'n "Operations Research: Applications and Algorithms" kitab ile Prof. J.E. Beasley's YA ders notlarnn bu ders notlarnn oluturulmasna olan katklar yznden her iki profesre de teekkr ederiz.... Rastlayabileceiniz tm hatalarn sorumluluu bize aittir. Ltfen bizi bu hatalardan haberdar ediniz! stanbul Teknik Universitesi OR/MS takm
www.isl.itu.edu.tr/ya
Dr. Y. lker Topcu (www.ilkertopcu.net)
NDEKLER 1. YNEYLEM ARATIRMASINA GR............................................................... 1 1.1 1.2 1.3 2. 3. TERMNOLOJ ......................................................................................................... 1 YA YNTEMBLM................................................................................................. 1 YA'NIN TARHES ................................................................................................ 2
TEMEL YA KAVRAMLARI ................................................................................. 4 DORUSAL PROGRAMLAMA.......................................................................... 8 3.1 DPNN FORMLASYONU.................................................................................. 10 Giapetto rnei.............................................................................................. 10 Reklam rnei ............................................................................................... 12 Beslenme rnei ........................................................................................... 13 Postane rnei .............................................................................................. 14 Sailco rnei.................................................................................................. 15 Mteri Hizmet Dzeyi rnei..................................................................... 16 zm Trleri................................................................................................. 17 Grafik zm (Enkkleme)...................................................................... 18 Grafik zm (Enbykleme) ..................................................................... 19 Simpleks Algoritmas..................................................................................... 20 Simpleks iin rnek (Dakota Mobilya) ....................................................... 21 Simpleks ile Dier zm Trleri................................................................ 26 Byk M Yntemi........................................................................................... 28 Byk M iin rnek (Oranj Meyve Suyu) ................................................... 29 ndirgenmi Maliyet ....................................................................................... 32 Glge Fiyat ..................................................................................................... 32 Basit rnek ..................................................................................................... 33 Duyarllk iin Lindo ktsnn Kullanlmas .............................................. 34 Ek rnek (Simpleks Kullanarak Duyarllk) ............................................... 36 Dual Teoremi.................................................................................................. 39 Normal Enbykleme Sorununun Dualini Bulma ..................................... 39 Normal Enkkleme Sorununun Dualini Bulma ..................................... 40 3.1.1 3.1.2 3.1.3 3.1.4 3.1.5 3.1.6 3.2 3.2.1 3.2.2 3.2.3 3.2.4 3.2.5 3.2.6 3.2.7 3.2.8 3.3 3.3.1 3.3.2 3.3.3 3.3.4 3.3.5 3.4 3.4.1 3.4.2 3.4.3
DPNN ZM.................................................................................................. 17
DUYARLILIK ANALZ .......................................................................................... 32
DUALTE ................................................................................................................. 39
3.4.4 3.4.5 3.4.6 4. 4.1
Normal Olmayan Enbykleme Sorununun Dualini Bulma .................... 40 Normal Olmayan Enkkleme Sorununun Dualini Bulma .................... 40 Dual Ekonomik Yorum iin rnek (Dakota Mobilya)................................ 41
ULATIRMA SORUNLARI ............................................................................... 42 ULATIRMA SORUNLARININ FORMLASYONU......................................... 43 DP Gsterimi .................................................................................................. 43 Dengeli Ulatrma Sorunu iin Powerco rnei ....................................... 43 Dengesiz bir Ulatrma Sorununun Dengelenmesi .................................. 44 Fazla Arz iin Deitirilmi Powerco rnei ............................................. 45 Karlanmayan Talep iin Deitirilmi Powerco rnei......................... 45 Kuzeybat Ke Yntemi .............................................................................. 47 Enkk Maliyet Yntemi ............................................................................. 49 Vogel'in Yaklam ......................................................................................... 51 Yntemin Admlar ......................................................................................... 53 Powerco rneinin zm........................................................................ 54 Admlar ............................................................................................................ 57 Kuruolu rnei............................................................................................. 58 DP Gsterimi .................................................................................................. 60 Macar Yntemi ............................................................................................... 60 Uu Ekibi rnei.......................................................................................... 62 4.1.1 4.1.2 4.1.3 4.1.4 4.1.5 4.2 4.2.1 4.2.2 4.2.3 4.3 4.3.1 4.3.2 4.4 4.4.1 4.4.2 4.5 4.5.1 4.5.2 4.5.3
TEMEL OLURLU ZMN BULUNMASI ..................................................... 46
ULATIRMA SMPLEKS..................................................................................... 53
GEC KONAKLAMA SORUNLARI.................................................................. 57
ATAMA SORUNLARI............................................................................................ 60
5.
TAMSAYILI PROGRAMLAMA ......................................................................... 64 5.1 TPNN FORMLASYONU .................................................................................. 65 Bteleme Sorunlar...................................................................................... 65 Srt antas Sorunlar ................................................................................... 68 Sabit Maliyet Sorunlar.................................................................................. 69 Kapsama Sorunu ........................................................................................... 74 Eer-yleyse Kst ....................................................................................... 76 Ya Ya da Kstlar ....................................................................................... 77 Gezgin Satc Sorunu.................................................................................... 78 5.1.1 5.1.2 5.1.3 5.1.4 5.1.5 5.1.6 5.1.7 5.2
TPNN ZM .................................................................................................. 79 Dr. Y. lker Topcu (www.ilkertopcu.net)
ii
5.2.1 5.2.2 5.2.3 5.2.4 6. 6.1
DP Gevetmesi (DP ile liki)....................................................................... 81 Sayma ............................................................................................................. 82 Dal Snr Algoritmas ..................................................................................... 83 Kesme Dzlemi.............................................................................................. 88
PROJE YNETM ............................................................................................ 91 CPM / PERT ........................................................................................................... 94 CPM rnei.................................................................................................... 95 PERT rnei .................................................................................................. 96 6.1.1 6.1.2 6.2 6.3 6.4
PROJE SRES N OLASILIK ANALZ ........................................................ 97 PROJENN DORUSAL PROGRAMLAMA LE MODELLENMES ............. 98 PROJE SRESNN DARALTILMASI VE ZAMAN MALYET DE
TOKUU ............................................................................................................................. 99
iii
1. YNEYLEM ARATIRMASINA GR 1.1 TERMNOLOJ "Yneylem Aratrmas" (YA), ngiliz ve Avrupallar tarafndan "Operational Research" ve Amerikallar tarafndan "Operations Research" olarak isimlendirilir ve "OR" olarak ksaltlr. Bu alanda kullanlan bir dier terim de "Ynetim Bilimi"dir (Management Science) ve uluslararas literatrde MS olarak ksaltlr. ki terim birletirilerek "OR/MS" veya "ORMS" de denilir. YA genelde bir "Sorun zme" (problem solving) ve "Karar Verme Bilimi" (decision science) olarak da deerlendirilir. Baz kaynaklarda YA yerine Endstri Mhendislii (Industrial Engineering - IE) kavram da kullanlr. Son yllarda bu alan iin tek bir terim kullanlmaya allmaktadr: OR. Biz de derste bu alan iin Yneylem Aratrmasnn Trke ksaltmas olan YA'y kullanacaz. 1.2 YA YNTEMBLM Bir sorunun zm iin YA kullanld zaman aadaki yedi admlk sre takip edilmelidir. Adm 1. Sorunun Formlasyonu YA analisti (sorunu olan karar vericiye YA teknikleri ile yardmc olan kii) ilk olarak sorunu tanmlar. Sorunun tanmlanmas; amalarn ve sorunu oluturan sistemin bileenlerinin belirlenmesi ile olur. Adm 2. Sistemin ncelenmesi Daha sonra analist sorunu etkileyen parametrelerin deerlerini belirlemek iin veri toplar. Sz konusu deerler sorunu temsil edecek bir matematiksel modelin gelitirilmesi (Adm 3) ve deerlendirilmesi (Adm 4) iin kullanlr. Adm 3. Sorunun Matematiksel Modelinin Kurulmas Analist tarafndan sorunu ideal bir ekilde temsil edecek bir matematiksel model gelitirilir. Bu derste modelleme iin eitli yntemler reneceiz.
Adm 4. Modelin Dorulanmas nc admda kurulan modelin gerei iyi yanstp yanstmad snanr. u anki durum iin modelin ne kadar geerli olduu belirlenerek modelin geree ne kadar uyduu test edilir. Adm 5. Uygun bir Seenein Seilmesi Eldeki model zerinde bir zm yntemi kullanlarak amalar en iyi karlayan bir seenek (varsa) analist tarafndan seilir. Bazen eldeki seeneklerin kullanm iin snrlandrmalar ve kstlamalar olabilir. Bu yzden amac karlayan seenek bulunamayabilir. Baz durumlarda ise amalar en iyi ekilde karlayan birden fazla sayda seenek bulunabilir. Adm 6. Sonularn Karar Vericiye Sunumu Bu admda, analist modeli ve model zm sonucunda ortaya kan nerileri karar verici ya da vericilere sunar. Seenek says birden fazla ise karar verici(ler) gereksinimlerine gre birini seerler. Sonularn sunumundan sonra, karar verici(ler) neriyi onaylamayabilir. Bunun nedeni uralan sorunun doru tanmlanmamas ya da modelin kurulmasnda karar vericinin yeterince srece karmamas olabilir. Bu durumda analist ilk adma yeniden dnmelidir. Adm 7. nerinin Uygulanmas ve zlenmesi Eer karar verici sunulan neriden memnun kalrsa, analistin son grevi karar vericinin neriyi uygulamasna yardmc olmaktr: Seenein kullanlarak sorunun zmne nezaret etmeli ve zellikle evre koullar deitike amalar karlamaya ynelik dinamik gncellemeler yaparak uygulamay izlemelidir. 1.3 YA'NIN TARHES YA greceli olarak yeni bir bilim daldr. 1930'lu yllarn sonunda YA ilk olarak Birleik Krallk'ta kullanld. 1936 ylnn banda ngiliz Hava Bakanl; dou kysnda, Felixstowe yaknlarnda, Suffolk'da Bawdsey Aratrma stasyonu'nu kurdu. Sz konusu yer hava kuvvetleri sava ncesi radar almalarnn yapld merkezdi. Yine 1936 ylnda Kraliyet Hava Kuvvetleri (RAF) iinde Britanya hava savunmas iin zel bir birlik oluturuldu. Radarn kullanlmaya balamas beraberinde baz sorunlar da getirdi: Uaklarn rotas ve kontrolu gibi elde edilen bilginin doru ve etkin bir ekilde kullanlmas gibi. 1936 ylnn sonunda, Kent'deki Biggin Hill'de kurulan bir grup elde edilen radar bilgisi Dr. Y. lker Topcu (www.ilkertopcu.net)
ile dier uak ile ilgili yer bilgilerinin btnletirilmesini hedefleyen almalar yapt. Sz konusu almalar YA'nn balangc olarak kabul edilebilir. 1937 ylnda Bawdsey Aratrma stasyonu deneysel almalar pratie evirdi ve Radar stasyonu olarak almaya balad. Radardan elde edilen bilgiler btnletirilerek genel hava savunma ve kontrol sistemi oluturuldu. Temmuz 1938'de ky boyunca drt yeni radar istasyonu daha kuruldu. Bu durumda da farkl istasyonlardan elde edilen ve genelde birbirleri ile elien bilginin dorulanmas ve egdm sorunu ortaya kt. Sorunun zm iin ve yaplan ilerin etkinliinin llmesi amacyla Bawdsey Aratrma stasyonu'nda A.P. Rowe bakanlnda bir bilimsel grup oluturuldu. Sz konusu askeri operasyonlarn aratrlmas (Research into Military Operations) ilemine "Operational Research" denildi. Genileyen alma grubu, 1939 yaznda, Stanmore Aratrma stasyonu'nu merkez olarak kullanmaya balad. Sava srasnda Stanmore Aratrma Merkezi, Fransa'daki Alman glerine kar istenen ek uak kuvvetlerinin uygun olup olmadn YA teknikleri kullanarak deerlendirdi ve uygun olmadn gsteren grafiklerle o zamanki babakan Winston Churchill'e bir sunum yapt ve sonuta blgeye ek kuvvet gnderilmeyerek hava kuvvetlerinin gcnn azalmas engellendi. 1941 ylnda Yneylem Aratrmas Blm (Operational Research Section - ORS) kuruldu ve sava bitimine kadar sz konusu grup almalar yapt. 1941 ylnda kurulan Blackett nderliindeki bu gruba yedi ayr bilim dalndan onbir bilim adam katlmt: fizyolog, bir fiziki, iki matematiki, bir astrofiziki, iki fizik matematikisi, bir subay, bir mhendis. Savatan sonra YA almalar zellikle ABD'de askeriye dndaki alanlarda da hzland Trkiye'de ise ilk YA almalar, 1 Haziran 1956'da, Alb. Fuat Ulu'un abalar ile Genel Kurmay'da oluturulan yedek subaylardan oluan Harekat Aratrmas grubu ile balad. Seferberlik ve hava savunma konularnda yurtdndan alnan destek ile aratrmalar yapld. lkemizde ilk YA dersi de T Makine Fakltesinde 1960-61 ders ylnda Prof. Dr. lhami Karayaln tarafndan verildi. 1966 ylnda Harekat Aratrmas ismi Yneylem Aratrmas olarak deitirildi.
2. TEMEL YA KAVRAMLARI rnek Two Mines irketi zel bir cevher kard iki adet maden ocana sahiptir. Ocaklarda retilen cevher snfa ayrlr: yksek, orta, dk kaliteli. irket bir fabrikaya haftalk olarak 12 ton yksek, 8 ton orta ve 24 ton dk kaliteli cevher salamak zere anlamtr. Sz konusu iki maden oca (X ve Y) ayrntlar aada verilen farkl iletim zelliklerine sahiptir. Maden X Y Maliyet ('000 / gn) 180 160 retim (ton/gn) Orta 3 1
Yksek 6 1
Dk 4 6
Anlamay gerekletirmek iin haftasonu retim yaplmayan maden ocaklar haftada ka gn iletilmelidir? Tahmin Two Mines rneini incelemek iin ok basit bir ekilde yargmz kullanarak madenlerin haftada ka gn alacana ynelik olarak fikir yrtp sonular inceleyebiliriz.
haftada bir gn X madenini, bir gn Y madenini iletme cevher retilecek bu durumda da 12 tonluk mteri gereksinimi
Bu zm nerisi iyi bir sonu vermeyecek gibi gzkmektedir. Sadece 7 ton yksek kaliteli denilir.
karlanamayacaktr. Byle bir zme "olurlu (uygun) olmayan" (infeasible) zm haftada 4 gn X madenini, 3 gn Y madenini iletme
Bu durumda tm mteri gereksinimleri karlanabilmektedir. Byle bir zme de "olurlu" (feasible) zm denilir. Fakat sz konusu zm nerisinin dier olas uygun zm nerilerinden daha pahalya mal olup olmadnn aratrlmas iin yeni kombinasyonlar denenmelidir.
zm Yapmamz gereken Two Mines rneini szel olarak ifade edip, sz konusu ifadeyi matematiksel bir tanma evirmektir. Bu tipte sorunlar zmeye urarken ncelikle aadaki kavramlar belirlemeliyiz:

deikenler (variables) kstlar (constraints) ama.(objective)
Bu belirleme srecine "formlasyon" ya da daha resmi bir ekilde sorunun matematiksel modelinin formlasyonu denilir. Deikenler Bunlar verilmesi gereken kararlar veya bilinmeyenleri temsil eder. ncelenen sorunda iki adet karar deikeni (decision variable) vardr: x = Bir haftada X maden ocann iletilecei gn says y = Bir haftada Y maden ocann iletilecei gn says Doal olarak x >= 0 ve y >= 0 olacaktr Kstlar Kst, soruna zg durumlarn getirdii snrlamalardr. Kst belirlemenin en iyi yolu nce snrlayc durumlar szel olarak ifade edip daha sonra deikenleri kullanp matematiksel biimde yazmaktr: cevher retim ksd retilen cevher ile mteri gereksiniminin dengelenmesi Cevher eitleri Yksek Orta Dk salar. haftasonu ksd - haftada 5 gnden fazla allamaz x <= 5 y <= 5 6x + 1y >= 12 3x + 1y >= 8 4x + 6y >= 24
Eitsizlik kullanma "en iyileme" (optimization) sorunlarndaki kstlarda esneklik
Ama irketin amac toplam maliyeti (180x + 160y) en az seviyede tutarak mteri gereksinimlerini karlamaktr. Ele alnan sorunda tm olas olurlu zmlerden ama fonskiyonu deerini enkkleyen karar deikeni deerlerini barndran zm en iyi zmdr. Sorunun amacnn kar enbyklemesi olmas durumunda en iyi zm ama fonksiyonu deerini en byk yapan deer olacaktr. Genel olarak, tm olas olurlu zmlerden ama fonskiyonu deerini en iyi hale getiren karar deikeni deerlerini barndran zme "en iyi" (optimum) zm denilir. Sonu olarak tm kavramlar birarada yazarak matematiksel modeli aadaki gibi yazabiliriz: enkkle (minimize) 180x + 160y yle ki (subject to) 6x + y >= 12 3x + y >= 8 4x + 6y >= 24 x <= 5 y <= 5 x,y >= 0 Matematiksel model aadaki biimde olmaldr:

tm deikenler sreklidir (continuous) tek bir ama vardr (enbykleme (maximize) veya enkkleme (minimize)) ama ve kst fonksiyonlar dorusaldr. Fonksiyondaki her terim ya sabit saydr ya da bir sabitle arplm deikendir (rnein 24, 0, 4x, 6y dorusal terimlerdir fakat xy, x2 dorusal deildir).
Yukardaki koulu salayan herhangi bir formlasyon bir "Dorusal Program"dr (DP; linear program - LP).
Bir sorunu DP ile incelediimizde yukardaki koullara uymak iin baz varsaymlar yaparz. Ele aldmz rnekte haftalk alma gn saysnn kesirli olabilecei (tam say olmak zorunda olmamas) gibi. Aslnda bu tip sorunlar zmek iin "Tam sayl programlama" (integer programming - IP) teknikleri de kullanlabilir. Bir dier dikkat edilmesi gereken zellik de iaret snrlamasdr (sign restriction). Haftadaki gn says negatif olamayacandan bir haftada bir maden ocann iletilecei gn saysn temsil eden karar deikenleri byk eit sfr olarak modele eklenmelidir. Matematiksel model (formlasyon) kurulduktan sonra algoritma ad verilen saysal bir zm teknii kullanlarak ama fonksiyonunun "en iyi" (optimum) deerini verecek (enbykleme sorunlarnda en byk, enkklemede en kk) ve tm kstlar salayacak ekilde karar deikeni deerleri bulunur.
"YA, gerek hayat sistemlerinin matematiksel modellerle temsil edilmesi ve en iyi zm bulmak iin kurulan modellere saysal yntemler (algoritmalar) uygulanmasdr."
3. DORUSAL PROGRAMLAMA Two Mines rnei incelenirse, bir matematiksel modelin bir "Dorusal Program" (DP; linear program - LP) olmas iin aadaki koullar salamas gerektii grlr: Tm deikenler sreklidir (continuous) Tek bir ama vardr (enbykleme (maximize) veya enkkleme (minimize)) Ama ve kst fonksiyonlar dorusaldr. Fonksiyondaki her terim ya sabit saydr ya da bir sabitle arplm deikendir DP'ler nemlidir nk: ok sayda sorun DP olarak formle edilebilir "Simpleks algoritmas" kullanlarak DP'ler zlebilir ve en iyi zm bulunabilir retim planlama Rafineri ynetimi Karm Datm Finansal ve ekonomik planlama gc planlamas Tarmsal planlama Gda planlama
DP'lerin temel uygulama alanlarna aada eitli rnekler verilmitir:
DP'ler iin drt temel varsaym sz konusudur: Oransallk o Her karar deikeninin ama fonksiyonuna katks karar deikeninin deeri ile orantldr (Drt asker retmenin ama fonksiyonuna (kra) katks (4$3=$12) bir askerin ama fonkisyonuna katksnn ($3) tam olarak drt katdr.) o Her karar deikeninin kstlarn sol tarafna katks karar deikeninin deeri ile orantldr. ( asker retmek gerekli montaj zaman (2 saat 3 =
6 saat) tam olarak bir asker retmek iin gerekli montaj zamannn (2 saat) katdr.) Toplanabilirlik o Herhangi bir karar deikeninin ama fonksiyonuna katks dier karar deikenlerinin deerlerinden bamszdr. (Trenin (x2) deeri ne olursa olsun, asker (x1) retmek her zaman ama fonksiyonuna 3x1 dolar katk yapacaktr.) o Herhangi bir karar deikeninin kst sol tarafna katks dier karar deikenlerinin deerlerinden bamszdr. (x1in deeri ne olursa olsun, x2 retimi x2 saat montaj ve x2 saat marangozluk gerektirir.) Sonu 1: Ama fonksiyonu deeri her bir karar deikeninin katksnn toplamna eittir. Sonu 2: Her bir ksdn sol taraf deeri her bir karar deikeninin katksnn toplamna eittir. Blnebilirlik Karar deikenleri tam say olmayan deerler alabilir. Eer tam say deerler kullanmak artsa TP kullanlmaldr. (1.69 tren retmek kabul edilebilir.) Kesinlik Her parametre kesin olarak bilinmektedir.
3.1 DPNN FORMLASYONU 3.1.1 Giapetto rnei (Winston 3.1., s. 49) Giapetto tahtadan oyuncak asker ve tren yapmaktadr. Sat fiyatlar, bir oyuncak asker iin $27, bir oyuncak tren iin $21'dr. Bir asker iin $10'lk hammadde ve $14'lk iilik kullanlmaktadr. Bir tren iin ise sz konusu rakamlar srasyla $9 ve $10'dr. Her bir asker iin 2 saat montaj ve 1 saat marangozluk gerekirken, her bir tren iin 1 saat montaj ve 1 saat marangozluk gerekmektedir. Eldeki hammadde miktar snrszdr, fakat haftada en ok 100 saat montaj ve 80 saat marangozluk kullanabilen Giapetto'nun haftada en fazla 40 oyuncak asker satabileceini gz nnde bulundurarak karn enbyklemek iin hangi oyuncakdan haftada ka adet retmesi gerektiini bulunuz. Yant Karar deikenleri tam olarak verilmesi gereken (bu sorunda Giapetto tarafndan) kararlar tanmlamaldr. Giapetto bir haftada ka oyuncak asker ve tren yapacana karar vermelidir. Bu karara gre aadaki karar deikenleri tanmlanabilir: x1 = bir haftada retilen asker says, x2 = bir haftada retilen tren says, Ama fonksiyonu karar deikenlerinin bir fonksiyonudur. Gelir veya karn enbyklemek ya da maliyetini enkklemek isteyen karar vericinin amacn yanstr. Giapetto haftalk karn (z) enbyklemek isteyecektir. Bu sorunda kar (haftalk gelir) (hammadde satnalma maliyeti) (dier deiken maliyetler) olarak formle edilebilir. Bu durumda Giapettonun ama fonksiyonu: Enbykle z = 3x1 + 2x2 Kstlar karar deikenlerinin alabileci deerler zerindeki, snrlamalar gsterir. Herhangi bir snrlama olmazsa Giapetto ok fazla sayda oyuncak reterek ok byk kar elde edebilir. Fakat gerek hayatta olduu gibi burada da kstlar vardr Haftalk kullanlabilen montaj iilii zaman Haftalk kullanlabilen marangozluk zaman Askerler iin haftalk talep
10
aret snrlamalar da eer karar deikenleri salt negatif olmayan deerler alyorsa kullanlmaldr (Giapetto negatif sayda asker veya tren retemez!). Yukardaki tm bu zellikler aadaki Dorusal Programlama (DP; Linear Programming - LP) sorununu verir: Maks z = 3x1 + 2x2 s.t. 2x1 + x2 100 x1 + x2 80 x1 40 x1, x2 > 0 (Ama fonksiyonu) (Montaj ksd) (Marangozluk ksd) (Talep ksd) (aret snrlamalar)
Eer (x1,x2)nin bir deeri (bir zm) tm bu kstlar ve iaret snrlamalarn salarsa, sz konusu zm olurlu blgededir (feasible region). Grafik olarak ya da hesaplayarak sorun zldnde olurlu blgedeki zmlerden ama fonksiyon deeri en yksek olan zmn (x1,x2) = (20,60) olduunu ve z = 180 deerini verdiini buluruz. Bu zm en iyi zmdr (optimal solution). Rapor Haftada 20 asker ve 60 tren retilmesi durumunda kar $180 olacaktr. Kar miktarlar, eldeki iilik ve talebe gre elde edilebilecek en byk kar budur. Daha fazla iilik bulunursa kar oalabilir.
11
3.1.2 Reklam rnei (Winston 3.2, s. 61) Dorian irketi, yksek gelirli mterileri iin otomobil ve jeep retmektedir. Televizyondaki tiyatro oyunlarna ve futbol malarna bir dakikalk spot reklamlar vererek satlarn arttrmay hedeflemektedir. Tiyatro oyununa verilen reklamn maliyeti $50bin'dir ve hedef kitledeki 7 milyon kadn ve 2 milyon erkek tarafndan seyredilebilir. Futbol mana verilen reklamn maliyeti ise $100bin'dir ve hedef kitledeki 2 milyon kadn ve 12 milyon erkek tarafndan seyredilebilir. Dorian yksek gelirli 28 milyon kadn ve 24 milyon erkee en az maliyetle nasl ular? Yant: Karar deikenleri aadaki gibi belirlenebilir: x1: tiyatro oyununa verilen reklam says x2: futbol mana verilen reklam says Sorunun modeli: min yle ki z = 50x1 + 100x2 7x1 2x1 + + x1, 2x2 > 28
12x2 > 24 x2 > 0
Grafik zm yaplrsa (x1,x2) = (3.6,1.4) deerleri iin ama fonksiyonunun en iyi deeri z = 320 olarak bulunur. Grafie baklarak en iyi tamsayl zm (x1,x2) = (4, 2) olarak bulunabilir. Rapor: Hedeflenen kitleye ulamak iin en az maliyetli zm 4 adet reklam tiyatro oyununda ve 2 adet reklam futbol manda kullanmak gerekir. Bu durumda Dorian $400bin reklam masraf yapacaktr.
12
3.1.3 Beslenme rnei (Winston 3.4., s. 70) Bayan Fidan drt "temel gda grubu" ile beslenmektedir: kek, ikolatal dondurma, kola, ananasl pasta. Bir adet kek $0.5'a, bir kak dondurma $0.2'a, bir ie kola $0.3'a ve bir dilim pasta $0.8'a satlmaktadr. Her gn en az 500 kalori, 6 oz. ikolata, 10 oz. eker ve 8 oz. ya almas gereken Bayan Fidan en az maliyetle bu gereksinimlerini nasl karlar? Aadaki tabloyu kullanarak bir DP modeli kurup sorunu znz. Kalori Kek (1 adet) ikolatal dondurma (1 kak) Kola (1 ie) Ananasl pasta (1 dilim) Yant Karar deikenleri: x1: gnlk yenilecek kek says x2: gnlk yenilecek kak dondurma says x3: gnlk iilecek ie kola says x4: gnlk yenilecek dilim pasta says eklinde belirlenebilir. Bu durumda ama fonksiyonu (cent cinsinden toplam gnlk maliyet): min w = 50 x1 + 20 x2 + 30 x3 + 80 x4 Kstlar: 400 x1 + 200 x2 + 150 x3 + 500 x4 > 500 3 x1 + 2 x1 + 2 x1 + Rapor: Bayan Fidan gnde 3 kak dondurma yiyip 1 ie kola ierek tm besin gereksinimlerini karlayabilir ve sadece 90 cent harcar (w=90, x2=3, x3=1). 2 x2 2 x2 + 4 x2 + 4 x3 + x3 + > 5 x4 > 6 8 4 x4 > 10 (gnlk kalori) (gnlk ikolata) (gnlk eker) (gnlk ya) (iaret snrlamalar!) 400 200 150 500 ikolata (ounce) 3 2 0 0 eker (ounce) 2 2 4 4 Ya (ounce) 2 4 1 5
xi > 0, i = 1, 2, 3, 4
13
3.1.4 Postane rnei (Winston 3.5., s. 74) Bir postanede haftann her gn farkl sayda elemana gereksinim duymaktadr. Sendika kurallarna gre bir eleman 5 gn pe pee almakta dier iki gn izin yapmaktadr. altrlmas gereken toplam en az eleman saysn aadaki i ykne gre hesaplaynz. Pzt Sal ar Per Cum Cmt Paz Gerekli eleman 17 13 15 19 14 16 11
Yant: Karar deikenleri xi (i. gn almaya balayan eleman says) olsun Matematiksel olarak DP modeli aadaki gibi oluturulabilir: min z = x1 +x2 +x3 +x4 +x5 +x6 +x7 x1 x1 +x2 x1 +x2 +x3 x1 +x2 +x3 +x4 x1 +x2 +x3 +x4 +x5 +x2 +x3 +x4 +x5 +x6 +x4 +x5 +x6 +x7 17 +x5 +x6 +x7 13 +x6 +x7 15 +x7 19 14 16
+x3 +x4 +x5 +x6 +x7 11
Rapor: (xi) = (4/3,10/3,2,22/3,0,10/3,5), z = 67/3 eklindedir. Karar deikeni deerleri yakn tamsaylara yuvarlanrsa (xi) = (2,4,2,8,0,4,5), z = 25 zm bulunur: yanl olabilir! Elde edilen Tamsayl Lindo zmne gre ise ama fonksiyonun en iyi deeri z = 23'dr ve (xi) = (4,4,2,6,0,4,3) eklindedir.
14
3.1.5 Sailco rnei (Winston 3.10., s. 99) Sailco irketi gelecek drt mevsimde ka adet yelkenli reteceine karar verecektir. Talep srasyla 40, 60, 75 ve 25 yelkenlidir. Sailco tm talepleri zamannda karlamaldr. Balangta Sailco'nun envanterinde 10 yelkenli vardr. Normal mesai ile bir mevsimde 40 yelkenli retebilen irket yelkenli bana $400 iilik maliyetine maruz kalmaktadr. Fazla mesai ile yaplan her ek yelkenli iin ise iilik maliyeti $450'dr. Herhangi bir mevsimde yaplan yelkenli ya talebi karlamak iin kullanlp satlr ya da envantere konulur. Bir yelkenlinin bir mevsim envanterde tutulmas durumunda ise $20 envanter tama maliyeti olumaktadr Yant: t = 1,2,3,4 iin karar deikenleri xt = t. mevsimde normal mesai ile retilen yelkenli says yt = t. mevsimde fazla mesai ile retilen yelkenli says Envanter hesaplarnn yaplabilmesi iin: it = t. mevsimin sonunda envanterdeki yelkenli says dt = t. dnem iin yelkenli talebi Veri Mantksal olarak Talep karlanmal (aret snrlamalar xt < 40, t it = it-1+ xt + yt - dt, t. it > 0, t xt and yt > 0, t)
Bu kst kmelerini kullanarak toplam maliyet zyi enkklemeliyiz: z = 400(x1+x2+x3+x4) + 450(y1+y2+y3+y4) + 20(i1+i2+i3+i4) Rapor: Lindo en iyi .zm (x1, x2, x3, x4) = (40, 40, 40, 25), (y1, y2, y3, y4) = (0, 10, 35, 0) ve toplam maliyet = $78450.00 olarak verir. retim izelgesi: Normal mesai (xt) Fazla mesai (yt) Envanter (it) Talep (dt) M1 40 0 10 40 M2 40 10 0 60 M3 40 35 0 75 M4 25 0 0 25
10
15
3.1.6 Mteri Hizmet Dzeyi rnei (Winston 3.12, s. 108) Bir bilgisayar irketinde mteri hizmetleri iin deneyimli uzmana olan talep (adamsaat/ay) aadaki gibidir: t Ocak ub Mart Nis May
dt 6000 7000 8000 9500 11000 Ocak ay banda irkette 50 deneyimli uzman vardr. Her uzman ayda 160 saat alabilir. Yeni bir uzman yetitirmek iin deneyimli uzmanlar 50 saat ayrmaktadr ve sz konusu uzmann eitimi bir ayda tamamlanmaktadr. Her deneyimli uzmana ayda $2000, her yeni uzmana ise ayda $1000 denmektedir. Her ay deneyimli uzmanlarn %5'i iten ayrlmaktadr. irket hem hizmet talebini karlamak istemekte hem de maliyetleri enazlamak istemektedir. Sorunu zmek iin DP modeli kurunuz. Yant: Karar deikenleri: xt = t aynda eitilecek uzman says lem yapabilmek iin kullanlan dier deikenler ise yt = t. ayn banda irketteki deneyimli uzman says dt = t. ayn hizmet talebi Bu durumda z = 2000 (y1+...+y5) + 1000 (x1+...+x5) ama fonksiyonu
enkklenmelidir. Kstlar: 160yt-50xt > dt, t = 1,...5 y1 = 50 yt = .95yt-1+xt-1, t = 2,3,4,5 xt, yt > 0
16
3.2 DPNN ZM 3.2.1 zm Trleri Bir DP zld zaman aadaki drt durumdan biri ile karlalr: 1. DPnin bir tek en iyi zm vardr. 2. DPnin alternatif (ok sayda) en iyi zmleri vardr. Birden fazla (aslnda sonsuz sayda) en iyi zm bulunur. 3. DP olurlu deildir (infeasible). Hi olurlu zm yoktur (Olurlu blgede nokta yoktur). 4. DP snrl deildir (unbounded). Olurlu blgedeki noktalar sonsuz byklkte ama fonksiyon deeri vermektedir. Grafik olarak, Bir tek en iyi zm varsa, e kar dorusu olurlu blgeyi terkederken bir ke (vertex - corner) ile kesiir. Alternatif zmler sz konusu ise, e kar dorusu olurlu blgeyi terkederken bir doru (bir ksd temsil eden) ile kesiir. Olurlu zm vermeme durumunda, kstlarn salad blgelerin kesiimi dolaysyla olurlu blge yoktur. Snrl olmama durumunda ise e kar dorusu olurlu blgeyi terkedememektedir.
17
3.2.2 Grafik zm (Enkkleme) min 180x + 160y yle ki 6x + y >= 12 3x + y >= 8 4x + 6y >= 24 x <= 5 y <= 5 x,y >= 0 Sadece iki karar deikeni olduundan iki eksenli bir grafik zerinde zme gidilebilir. ncelikle kstlar temsil eden dorular izilip kstlar salayan blgelerin kesiimini veren olurlu blge (feasible region) belirlenir.
Daha sonra ama fonksiyonunu 180x + 160y = K (K sabit) eklinde yazarak herhangi bir sabit iin (grafikte K = 180) elde ettiimiz doruyu grafie izeriz. Bu dorulara e kar dorusu (iso-profit line) denilir. Enkkleme sorunlarnda K'nn olurlu blgede alabilecei en kk deere gre doru izildii dnlerek sz konusu dorunun olurlu blgeyle kesitii nokta aranr. Bu noktadaki x, y koordinatlar bize en iyi (optimum) zmn karar deiken deerlerini verir: 3x + y = 8 ve 4x + 6y = 24 dorularnn kesitii nokta (1.71, 2.86). En iyi zm 765.71dir (1.71 gn x, 2.86 gn y madeni altrlmaldr) Dr. Y. lker Topcu (www.ilkertopcu.net)
18
3.2.3 Grafik zm (Enbykleme) Maks z = 4x1 + 2x2 . 2x1 + x2 < 100 x1 + x2 < 80 x1 < 40 x1 + x2 > 0 x2 100 B (Ama fonksiyonu) (Montaj iilii ksd) (Marangozluk ksd) (Talep ksd) (aret snrlamalar)
80 D G
E H 40
A 50
C 80
x1
G (20, 60) ve F (40, 20) noktalar arasndaki noktalar (doru) alternatif en iyi zmleri, verir. 0<c<1 iin: c [20 60] + (1-c) [40 20] = [40-20c 20+40c] en iyi zmdr. ********************************************************************* Kst ekleyelim: x2 > 90 (Tren talebi ksd) Olurlu blge yoktur: olurlu olmayan DP ********************************************************************* Sadece tek kst olsun: x2 > 90 E kar dorusu olurlu blgeyi terkedemez: snrl olmayan DP
19
3.2.4 Simpleks Algoritmas Tm DP sorunlarnn (ikiden fazla sayda karar deikeni olanlarn da) en iyi zm olurlu blgenin bir kesindedir. Simpleks algoritmas bu gerei kullanarak zme gider. Balangta olurlu blgenin bir kesi ile ileme balanr ve eer sz konusu ke en iyi zm vermezse yeni bir adm (iterasyon) iletilerek ama fonksiyonunu iyiletiren (veya ayn brakan) baka bir komu keye geilir. Bu admlar en iyi DP zm bulununcaya kadar srer. DP'leri zmek iin kullanlan simpleks algoritmas Dantzig tarafndan 1940'l yllarn sonunda gelitirilmitir. Daha sonra algoritma gelitirilip yeni versiyonlar gelitirilmitir. Bunlardan biri olan "revised simpleks algoritmas" DP zm iin kullanlan bilgisayar paketlerinde kullanlmaktadr. Admlar 1. DPyi standart biime eviriniz 2. Bir temel olurlu zm (basic feasible solution - bfs) bulunuz 3. Mevcut bfsnin en iyi zm olup olmadn aratrnz. En iyi ise sorun zlmtr, durunuz. 4. Mevcut bfs en iyi zm deilse, ama fonksiyon deerini en ok iyiletirmek iin hangi temel d deikenin temel deiken olacan (zme gireceini) saptaynz. 5. Hangi deikenin zmden kp temel d deiken olacan oran testi ile bulunuz. Elde edilen pivot denklemi satr ilemlerinde kullanarak yeni bir bfs bulunuz. 6. Adm 3e dnnz. lgili kavramlar: Standart biim: tm kstlar eitliktir ve tm deikenler negatif olmayan deerler alr bfs: tm deikenlerin negatif olmayan deerler ald bir olurlu zm Temel d deiken: bfsde deerleri 0a eit olan deikenler Temel deiken: bfsdeki dier deikenler, standart biimdeki eitliklerin zlmesi ile 0dan byk deerler alrlar
20
3.2.5 Simpleks iin rnek (Dakota Mobilya) (Winston 4.3, s. 134) Dakota mobilya irketi sra, masa ve sandalye yapmaktadr. Her rn iin, aadaki tabloda grld gibi, snrl miktarda kullanlabilen tahta, marangozluk ve montaj iilii gerekmektedir. Ayn tabloda rnlerin sat fiyatlar da verilmitir. Haftada en fazla 5 masa satlabilmektedir. Haftalk kar enbykleyecek bir retim plan oluturunuz. Kaynak Tahta (m2) Montaj iilii Marangozluk Talep (maks) Fiyat ($) Sra 8 4 2 60 Masa 6 2 1.5 5 30 Sandalye Kullanlabilen. 1 1.5 .5 20 48 20 8
DP Modeli: x1, x2, x3 bir haftada retilen sra, masa ve sandalye says olsun. z ise Dakota'nn haftalk kar miktarn gstersin. Aadaki DP'yi formle edebiliriz maks z = 60x1+30x2+20x3 8x1+6x2+x3 < 48 4x1+2x2+1.5x3 < 20 2x1+1.5x2+.5x3 < 8 x2 < 5 x1,x2,x3 > 0.
21
Simpleks algoritmas ile zm 1. ncelikle gevek (slack) deikenler kullanarak DP modelini standart biime getiriniz ve modeli kanonik bir ekilde yaznz. maks z = 60x1 + 30x2 + 20x3 s.t. 8x1 + 4x1 + 6x2 2x2 x2 + x3 +s1 +s2 +s3 .5x3 = 48 = 20 = 8 +s4 = 5 x1,x2,x3,s1,s2,s3,s4 0. + 1.5x3
2x1 + 1.5x2 +
R0 R1 R2 R3 R4
z -60x1 -30x2 8x1 4x1 2x1
-20x3 x3 +s1 +s2 +s3
=0 = 48 = 20 =8 +s4 = 5
+ 6x2 +
+ 2x2 +1.5x3 +1.5x2 + .5x3 x2
2. Bir balang temel olurlu zm bulunuz Sorun iin (x1, x2, x3) = 0 zm olurlu olduundan, aada verilen nokta bir balang temel olurlu zmdr (basic feasible solution bfs): x1 = x2 = x3 = 0, s1 = 48, s2 = 20, s3 = 8, s4 = 5. Bu bfsde karar deikeni temel d deiken (non-basic variables) ve gevek deiken de temel deikendir (basic variables) ve deerleri kanonik modeldeki eitliklerden bulunur. . 3. Mevcut bfsnin en iyi zm olup olmadn kontrol ediniz Temel d herhangi bir deikenin deerinin oaltlmas (temele girmesi) ile znin deerinin iyilemesinin mmkn olup olmad aratrlr. Eer tm temel d deikenlerin ama fonksiyon satrndaki (0. satr; row 0 R0) katsaylar 0 ya da 0dan bykse (nonnegative), mevcut bfs en iyi (optimal) zmdr (znin deeri daha ok iyiletirilemez) . Fakat rnekte tm temel d deikenlerin 0. satrdaki katsaylar negatiftir. Dr. Y. lker Topcu (www.ilkertopcu.net)
22
4. Yeni bfsnin bulunmas Enbyklenmek istenen z en ok x1 sfrdan farkl yapld zaman oalr: x1 giren deikendir R1 incelendiinde x1in en fazla 6 olabilecei grlr. Aksi takdirde s1 < 0 olacaktr. Benzer ekilde R2 ve R3 srasyla 5 ve 4 snrlarn verir. Son satrda x1 olmadndan herhangi bir snrlama sz konusu deildir. Bu durumda tm snrlamalarn (aslnda sa taraf deerlerinin giren deiken katsaylarna "oran"larnn oran testi) en k olan 4, x1'in alabilecei en byk deerdir. x1 = 4 olduunda s3 = 0 olup zmden kar ve kan deiken olarak isimlendirilir. R3 de pivot denklem olur. x1 temel deiken olduu iin birim matrise girecek ekilde sistem yeniden dzenlenir. Yeni pivot denklem (R3/2): R3 : x1+.75x2+.25x3+ .5s3 =4
R3 kullanlarak x1 tm dier satrlarda yok edilir. R0 R1 R2 R3 R4 -x2 x2 z +15x2 -5x3 -x3 +.5x3 x1+.75x2 +.25x3 +s1 + +30s3 = 240 -4s3 s2-2s3 +.5s3 + = 16 =4 =4 s4 = 5 z = 240 s1 = 16 s2 = 4 x1 = 4 s4 = 5 (R0+60R3 (R1-8R3) (R2-4R3) (R3) (R4)
Yeni bfs x2=x3=s3=0, x1=4, s1=16, s2=4, s4=5 eklindedir ve z=240 olur 5. Adm 3e geri dnnz. En iyi zm bulunana kadar admlar tekrar ediniz x3 girer. Oran testi sonucu x3 = 8 bulunur; s2 kar: kinci satr pivot denklem olur. Pivot denklemde (R2) giren deikenin katsays 1 yaplr: R2 -2x2+x3+2s2-4s3 = 8 (R22).
R2 satr ilemleri ile dier satrlarda giren deiken yok edilir:
23
R0 R1 R2 R3 R4
+5x2 -2x2 -2x2 x1+1.25x2 x2 +
+ 10s2+10s3 = 280 s1 2s2- 8s3 2s2- 4s3 = 24 =8 =2 s4 = 5
z = 280 s1 = 24 x3 = 8 x1 = 2 s4 = 5
(R0+5R2) (R1+R2) (R2) (R3-.5R2) (R4)
+x3 +
- .5s2+1.5s3 +
Yeni bfs: x2=s2=s3=0, x1=2, x3=8, s1=24, s4=5; z = 280. Sfrnc satrdaki tm temel d deikenlerin katsays pozitiftir. MEVCUT ZM EN Y ZMDR (OPTIMAL SONU)
Rapor: Dakota mobilya irketi haftalk karn enbyklemek iin 2 sra ve 8 sandalye retmelidir. Bu durumda 280$ kar eder.
24
Simpleks algoritmas tablolarla gsterilirse (Siz de tm dev ve snavlarda her ilem iin tablo kullann!!!) Balang tablosu: z x1 x2 x3 s1 s2 0 0 1 0 0 s3 0 0 0 1 0 s4 ST 0 0 0 0 1 0 TD z=0
1 -60 -30 -20 0 8 4 6 1 1
48 s1 = 48 20 s2 = 20 8 5 s3 = 8 s4 = 5
2 1.5 0 0 0
2 1.5 .5 0 lk adm: z 1 x1 x2 x3 1 0
s1
s2
s3 30
s4 ST
TD
15 -5 -1 -1 .5 1 1
240 z = 240 16 s1 = 16 4 4 1 5 s2 = 4 x1 = 4 s4 = 5
-4 -2 .5
1 .75 .25 1 kinci adm ve en iyi tablo: z 1 x1 0 0 0 x2 5 -2 -2 x3 0 0 1 s1 0 1 0 0 0 s2
s3
s4 ST
TD
10 10 2 2 -8 -4
0 280 z = 280 0 0 24 s1 = 24 8 2 5 x3 = 8 x1 = 2 s4 = 5
1 1.25 0 0 1 0
-.5 1.5 0 0 0 1
25
3.2.6 Simpleks ile Dier zm Trleri Alternatif En yi zm Dakota rneini $35/masa olarak deitirelim Yeni z = 60 x1 + 35 x2 + 20 x3 Yeni sorun iin ikinci ve en iyi (optimal) tablo: z 1 0 0 0 0 x1 0 0 0 1 0 x2 0 -2 -2 1.25 1 x3 0 0 1 0 0 s1 0 1 0 0 0 s2 10 2 2 -.5 0 s3 10 -8 -4 1.5 0 s4 0 0 0 0 1 ST 280 24 8 2 5 TD z=280 s1=24 x3=8 x1=2 s4=5 2/1.25 5/1 Oran
Bir dier en iyi tablo: z 1 0 0 0 0 x1 0 1.6 1.6 0.8 -0.8 x2 0 0 0 1 0 x3 0 0 1 0 0 s1 0 1 0 0 0 s2 10 1.2 1.2 -0.4 0.4 s3 10 -5.6 -1.6 1.2 -1.2 s4 0 0 0 0 1 ST 280 27.2 11.2 1.6 3.4 TD z=280 s1=27.2 x3=11.2 x2=1.6 s4=3.4
Bu yzden en iyi zm aadaki gibidir: z = 280 ve 0 < c < 1 iin x1 x2 x3 = c 2 0 8 + (1c) 0 1.6 11.2 = 2c 1.6 1.6c 11.2 3.2c
26
Snrl Olmayan DPler z 1 0 0 x1 0 0 1 x2 2 1 1 x3 -9 -6 -1 x4 0 1 0 s1 12 6 1 s2 4 -1 0 ST 100 20 5 TD z=100 x4=20 x1=5 Yok Yok Oran
Oran testi yaplamad iin zlmek istenen DP snrl olmayan DPdir.
27
3.2.7 Byk M Yntemi Eer bir DP'de > veya = kstlar varsa, Simpleks yntemi kullanlarak bir balang temel olurlu zm (bfs) oluturulamaz.. Bu durumda Byk M (Big M) yntemi veya ki Evreli (Two Phase) Simpleks yntemi kullanlmaldr. Byk M yntemi Simpleks Algoritmasnn bir trdr: Soruna yapay (artificial) deikenler de eklenerek bir bfs bulunur. DP'nin ama fonksiyonu da sonuta yapay deikenlerin katsaylar 0 olacak ekilde yeniden dzenlenir. Admlar 1. ncelikle tm kstlar sa taraf (ST; Right Hand Side - RHS) deerleri negatif olmayacak ekilde dzenlenir (ST deeri negatif olan kstlar -1 ile arplr. Bu arpm sonucu eitsizliin ynnn deieceini unutmaynz!). Dzenlemelerden sonra her kst <, > veya = kst olarak snflandrlr 2. Tm kstlar standart biime evrilir. Eer kst < kstsa, sol tarafa simpleks ynteminde olduu gibi gevek deiken si eklenir. Eer kst > kstsa, sol tarafdan bir fazlalk (excess) deiken ei karlr. 3. Tm > or = kstlarn sol tarafna bir yapay deiken ai eklenir. Ayn zamanda yapay deikenler iin iaret snrlamas (ai > 0) da eklenir. 4. M ok byk bir say olsun. Eer DP enkkleme sorunu ise, ama fonksiyonuna (her yapay deiken iin) Mai eklenir. Eer DP enbykleme sorunu ise, ama fonksiyonuna (her yapay deiken iin) -Mai eklenir. 5. Her yapay deiken balang temel zmnde olaca iin ama fonksiyonundan (0. satr) elenmelidir (katsaylar sfr olacak ekilde dzenleme yaplmaldr). Daha sonra simpleks algoritmasnn admlar kullanlarak (M'nin byk bir say olduu unutulmadan!) zme gidilir. Yukardaki 5 admla dzenlenen yeni DP'nin en iyi zmnde tm yapay deikenler 0'a eit karsa, esas sorunun en iyi zm bulunmutur. Eer yeni DP'nin en iyi zmnde en az bir yapay deiken pozitif bir deer alrsa, esas sorun zmszdr (infeasible)!!!
28
3.2.8 Byk M iin rnek (Oranj Meyve Suyu) (Winston 4.10., s. 164) Bevco irketi, portakal gazozu ile portakal suyunu kartrarak Oranj ismiyle portakall meyve sular retmektedir. Portakal gazozunun bir ozunda 0.5 oz. eker ve 1 mg C vitamini vardr. Portakal suyunun bir ozunda ise 0.25 oz. eker ve 3 mg C vitamini vardr. Bevco bir oz. portakal sodas retmek iin 2, bir oz. portakal suyu retmek iin ise 3 harcamaktadr. irketin pazarlama blm Oranj' 10 oz.luk ielerde satmak istemektedir. Bevco'nun her bir iede en az 20 mg C vitamini bulunmasn ve en ok 4 oz. eker olmas artn en az maliyetle karlamasn salaynz. DP Modeli x1 ve x2 bir ie Oranj'da bulunmas gereken portakal gazozu ve portakal suyu miktar olsun. DP modeli aadaki gibi kurulur. min z = 2 x1 + 3 x2 0.5 x1+ 0.25 x2 < 4 x1+ x1+ x1,x2 > 0 Byk M yntemi ile zm Adm 1. Tm kstlarn ST deerleri negatif olmayacak ekilde kstlar yeniden dzenleyiniz Tm kstlarn ST deeri pozitiftir Adm 2. Tm kstlar standart biime eviriniz z 2 x1 x1+ x1+ 3 x2 = 0 = 4 - e2 = 20 = 10 3 x2 x2 0.5 x1+ 0.25 x2 + s1 3 x2 > 20 x2 = 10 (eker ksd) (C vit. ksd) (10 ozluk ie ksd)
tm deikenler > 0
29
Adm 3. > or = kstlara ai yapay deikenini ekleyiniz z 2 x1 x1+ x1+ 3 x2 3 x2 x2 - e2 + a2 + a3 = 0 = 4 = 20 = 10 R0 R1 R2 R3 0.5 x1+ 0.25 x2 + s1
tm deikenler > 0 Adm 4. Ama fonksiyonuna Mai ekleyiniz (min. sorunu iin) min z = 2 x1 + 3 x2 + M a2 + M a3 Sfrnc satr (R0) aadaki gibi olacaktr: z 2 x1 3 x2 M a2 M a3 = 0
Adm 5. Yapay deikenleri R0'dan eleyecek ekilde yeni R0 oluturunuz Yeni R0 = R0 + M * R2 + M * R3 z + (2M2) x1 + (4M3) x2 M e2 Balang tablosu: z 1 0 0 0 x1 2M-2 0.5 1 1 x2 4M-3 0.25 3 1 s1 0 1 0 0 e2 -M 0 -1 0 a2 0 0 1 0 a3 0 0 0 1 ST 30M 4 20 10 TD z=30M s1=4 a2=20 a3=10 16 20/3* 10 Oran = 30M Yeni R0
Enkkleme sorununda, sfrnc satr katsays "en pozitif" olan deiken giren deikendir!
30
lk tablo: z 1 0 0 0 En iyi tablo: z 1 0 0 0 Rapor: Bir ie Oranj'da, 5 oz. portakal gazozu ve 5 oz. portakal suyu olmaldr. Bu durumda toplam maliyet 25 olacaktr. x1 0 0 0 1 x2 0 0 1 0 s1 0 1 0 0 e2 -1/2 -1/8 -1/2 1/2 a2 (1-2M)/2 1/8 1/2 -1/2 a3 (3-2M)/2 -5/8 -1/2 3/2 ST 25 1/4 5 5 TD z=25 s1=1/4 x2=5 x1=5 x1 (2M-3)/3 5/12 1/3 2/3 x2 0 0 1 0 s1 0 1 0 0 e2 (M-3)/3 1/12 -1/3 1/3 a2 (3-4M)/3 -1/12 1/3 -1/3 a3 0 0 0 1 ST 20+3.3M 7/3 20/3 10/3 TD z s1 x2 a3 28/5 20 5* Oran
31
3.3 DUYARLILIK ANALZ 3.3.1 ndirgenmi Maliyet Herhangi bir temel d deikenin indirgenmi maliyeti (reduced cost), deikenin temel deiken olmas (DP'nin en iyi zmne girmesi) iin ama fonksiyon katsaysnda yaplacak iyiletirme miktardr. Eer bir xk temel d deikeninin ama fonksiyon katsays indirgenmi maliyet kadar iyiletirilirse, DP'nin bir tek en iyi zm olmaz: alternatif zmler vardr. xk, sz konusu zmlerden en az birinde temel deiken; en az birinde ise temel d deiken konumundadr. Eer xk temel d deikeninin ama fonksiyon katsays indirgenmi maliyetten daha fazla iyiletirilirse, yeni DP'nin tek bir en iyi zmne ulalr ve bu zmde xk temel deiken olur (xk>0). Temel deikenin indirgenmi maliyeti sfrdr (tanma baknz)! 3.3.2 Glge Fiyat DP modelinin i. ksdnn glge fiyat (shadow price), sz konusu ksdn sa taraf (ST; Right Hand Side - RHS) deerinin 1 birim oaltlmas durumunda, en iyi ama fonksiyon deerinin ne kadar iyiletiini (enbykleme sorununda ne kadar arttn, enkkleme sorununda ne kadar azaldn) gsterir. Bu tanm sadece deiimden nceki zmn deiimden sonra da ayn kalmas durumunda geerlidir! Bir > ksdn glge fiyat her zaman 0 ya da 0'dan kk (nonpositive); bir < ksdn glge fiyat ise her zaman 0 ya da 0'dan byk (nonnnegative) olacaktr.
32
3.3.3 Basit rnek maks z = 5 x1 + x2 + 10 x3 x1 + x3 < 100 x2 < 1 Tm deikenler > 0 Bu ok kolay bir DP modelidir ve simpleks kullanlmadan elle de zlebilir: x2 = 1 (Bu deiken ilk kstta yoktur, bu durumda sorun enbykleme olduundan ikinci ksdn sol taraf deeri 1'e eit olur) x1 = 0, x3 = 100 (Bu iki deiken ise salt ilk kstta kullanlmlardr ve x3'n ama fonksiyon deeri x1'inkinden byk olduu iin x3'n en iyi deeri birinci kst ST deerine eit olur) Bu durumda en iyi zm aadaki gibidir: z = 1001, [x1, x2, x3] = [0, 1, 100] Ayn zamanda duyarlk analizi de elle hesaplanabilir: ndirgenmi Maliyet x2 ve x3 temel deiken (en iyi zmde) olduklarndan, indirgenmi maliyetleri 0'dr. x1'i temel deiken yapabilmek iin ama fonksiyon katsaysn en az x3'n ama fonksiyon katsays kadar yapmak dier bir deyile 5 (10-5) birim oaltmak gerekir. Yeni ama fonksiyonu (maks z = 10 x1 + x2 + 10 x3) olacak ve [x1, x2, x3] iin en az iki en iyi zm bulunacaktr: [0, 1, 100] ve [100, 1, 0]. Bu durumda x1'in indirgenmi maliyeti 5'dir Eer x1'in ama fonksiyon katsaysn indirgenmi maliyet deerinden daha fazla oaltrsak en iyi zm bir tane olacaktr: [100, 1, 0]. Glge Fiyat Eer birinci ksdn ST deeri 1 birim arttrlrsa, x3'n yeni en iyi zm deeri 100 yerine 101 olacaktr. Bu durumda da z'nin yeni deeri 1011 olacaktr. Tanmdan faydalanp tersten gidersek: 1011 - 1001 = 10, birinci ksdn glge fiyat deeridir. Benzer ekilde ikinci ksdn glge fiyat 1 olarak hesaplanr (hesaplaynz).
33
3.3.4 Duyarllk iin Lindo ktsnn Kullanlmas DKKAT: Simpleks'de sfrnc satr olan ama fonksiyonu Lindo'da birinci satr (Row 1) olarak kabul edilir! Bu yzden ilk kst, Lindo'da her zaman ikinci satrdr!!! MAX 5 X1 + X2 + 10 X3 SUBJECT TO 2) X1 + X3 <= 100 3) X2 <= 1 END LP OPTIMUM FOUND AT STEP 1
OBJECTIVE FUNCTION VALUE 1) 1001.000 VARIABLE VALUE X1 0.000000 X2 1.000000 X3 100.000000 REDUCED COST 5.000000 0.000000 0.000000 DUAL PRICES 10.000000 1.000000
ROW SLACK OR SURPLUS 2) 0.000000 3) 0.000000
RANGES IN WHICH THE BASIS IS UNCHANGED: VARIABLE X1 X2 X3 ROW 2 3 OBJ COEFFICIENT RANGES CURRENT ALLOWABLE COEF INCREASE 5.000000 5.000000 1.000000 INFINITY 10.000000 INFINITY RIGHTHAND SIDE RANGES CURRENT ALLOWABLE RHS INCREASE 100.000000 INFINITY 1.000000 INFINITY ALLOWABLE DECREASE INFINITY 1.000000 5.000000 ALLOWABLE DECREASE 100.000000 1.000000
Lindo kts x1, x2 ve x3 deikenlerinin indirgenmi maliyetlerini (reduced costs) 5, 0 ve 0 olarak vermektedir. Enbykleme sorunlarnda temel d bir deikenin indirgenmi maliyeti ayn zamanda Lindo ktsndaki ama fonksiyon katsaylar aralndaki (obj. coefficient
34
ranges) o deiken iin izin verilen oal (allowable increase) deeri ile de bulunabilir. Burada x1 iin sz konusu deer 5'dir. Enkkleme sorunlarnda ise temel d deikenin indirgenmi maliyeti izin verilen azal (allowable decrease) deerine eittir. Ayn Lindo ktsndan, glge fiyatlar (shadow proces) da kstlarn "dual price" deerleri okunarak bulunabilir: rneimizde birinci ksdn (satr 2) glge fiyat 10'dur. kinci ksdn (satr 3) glge fiyat ise 1'dir.
Baz nemli denklemler Eer bir ksdn ST deerindeki bir deiim en iyi zmn deimeyecei izin verilen ST aralklarnda (allowable RHS range) ise aadaki denklemler kullanlarak yeni ama fonksiyon deeri hesaplanabilir: enbykleme sorunu iin
yeni ama fn. deeri = eski ama fn. deeri + (yeni ST eski ST) glge fiyat yeni ama fn. deeri = eski ama fn. deeri (yeni ST eski ST) glge fiyat
enkkleme sorunu iin
Yukarda verilen rnekte, izin verilen ST aral oal (allowable increase in RHS ranges) sonsuz (infinity) olduu iin her iki ksdn da ST deerini istediimiz kadar oaltabiliriz. Fakat izin verilen ST aral azalna (allowable decrease) gre birinci ksd en fazla 100, ikinci ksd ise 1 birim azaltabiliriz. Birinci ksdn yeni ST deerinin 60 olduunu dnelim: ncelikle izin verilen aralklar kontrol edilir. oal sonsuz olduundan birinci denklemi kullanabiliriz (maks sorunu). zyeni = 1001 + ( 60 - 100 ) 10 = 601.
35
3.3.5 Ek rnek (Simpleks Kullanarak Duyarllk) Dakota mobilya rneinde x1, x2, x3 srasyla retilen sra, masa ve sandalye miktar idi. Kar enbyklemek iin kurulan DP: maks z = 60x1 + 30x2 + 20x3 8x1 + 4x1 + 6x2 2x2 + x3 +s1 +s2 +s3 = 48 = 20 = 8 Tahta Montaj Marangozluk Talep
+ 1.5x3
2x1 + 1.5x2 + .5x3 x2 Bu sorunun en iyi zmn de bulmutuk: z +5x2 -2x2 -2x2 x1+1.25x2 x2 +x3
+s4 = 5
+ 10s2 + 10s3 +s1 + 2s2 + 2s2 8s3 4s3
= 280 = 24 = 8 = 2 +s4 = 5 (1)
- .5s2 + 1.5s3
Analiz 1 Mevcut montaj iilii miktar deisin: 20 20+, bu durumda sistem de deiecektir: z' = 60x1' + 30x2' + 20x3' 8x1' 4x1' 2x1' + + 6x2' 2x2' + x3' +s1' +s2' +s3' = 48
+ 1.5x3'
= 20+ = 8 5
+ 1.5x2' + .5x3' x2'
+s4' =
36
veya deien sistem aadaki gibi de yazlabilir: z = 60x1 + 30x2 + 20x3 8x1 4x1 2x1 + + 6x2 2x2 + x3 +s1 +(s2-) +s3 = 48 = 20 = 8
+ 1.5x3
+ 1.5x2 + .5x3 x2
+s4 = 5
z,x1,x2,x3,x4,s1,s2-,s3,s4 esas (deiimden nceki) sorunu, dolaysyla (1)'i salar. Gerekli deiiklikler yaplrsa yeni en iyi zm: z +5x2 -2x2 -2x2 x1+1.25x2 x2 ve bylece z +5x2 -2x2 -2x2 x1+1.25x2 x2 elde edilir -4 4 aral iin yeni sistem en iyi zm verir: Bu araklkta ST deerleri negatif olmaz. oaldka, toplam kar da 10 kadar oalmaktadr. Bu durumda montaj iilii ksdnn glge fiyatnn $10/saat olduunu (4 saat azalma ve 4 saat oalmaya izin verildiini unutmadan) syleyebiliriz . +x3 + 10s2 + 10s3 +s1 + 2s2 + 2s2 8s3 4s3 = 280+10 = = = +s4 = 24+2 8 +2 2-.5 5 +x3 + 10(s2-) + 10s3 +s1 + 2(s2-) 2(s2-) 8s3 4s3 = 280 = 24 = = +s4 = 8 2 5
- .5(s2-) + 1.5s3
- .5s2 + 1.5s3
37
Analiz 2 Eer sralarn fiyat $60+ olursa ne olur? Kk bir iin kar 2 oalr nk en iyi zm 2 sra yaplmasn nermektedir. Peki sz konusu kar katsays ne kadar oaltlabilir? Yeni gelir: z' = (60+)x1+30x2+20x3 = z+x1 = (280-5x2-10s2-10s3)+(2-1.25x2+.5s2-1.5s3) = 280+2-(5+1.25)x2-(10-.5)s2-(10+1.5)s3 eklindedir. Yeni st satr aadaki gibi olmaldr: z'+(5+1.25)x2+(10-.5)s2+(10+1.5)s3 = 280+2 Optimalliin (en iyi zmn) bozulmamas iin bu satrdaki tm terimlerin 0 ya da 0'dan byk olmas gerektiinden aranan aralk -4 20 olarak bulunur. Analiz 3 Eer temel d deikenlerden birinin kar katsays deiirse yeni gelir: z = 60x1+(30+)x2+20x3 = z+x2 = 280-5x2-10s2-10s3+x2 = 280-(5-)x2-10s2-10s3 eklinde hesaplanr. Bu durumda da optimalliin bozulmama art 5'dir. Fakat > 5 olursa masa retmek daha iyi olacaktr. Bu durumda da masa iin indirgenmi maliyetin $5.00 olduu sylenebilir.
38
3.4 DUALTE 3.4.1 Dual Teoremi Bir DP modeli olurlu ise primal DP'nin en iyi zm (ama fonksiyonu) deeri dual DP'nin en iyi zm deerine eittir. 3.4.2 Normal Enbykleme Sorununun Dualini Bulma m kstl ve n deikenli bir DP iin matris gsterimi; b, m uzunluunda tek boyutlu bir vektr; c ve x, n uzunluunda tek boyutlu vektr ve A m satrl n stunlu iki boyutlu bir matrisi gstermek zere; aadaki gibidir: maks cx x >= 0 Bu ekilde gsterilebilen bir primal DP iin, m uzunluunda tek boyutlu bir y vektr kullanlarak, bir dual (eters) DP yazlabilir: min by y >= 0 Aadaki tablo yardmyla kolayca bir primal modelin duali bulunabilir. Eer primal model normal enbykleme sorunu ise Tablo 1 soldan saa okunarak model yazlr. Tablo yukardan aaya okunduunda ise dual bulunmu olur. Table 1. Dualin bulunmas maks z min w . y1>0 y2>0 .... ym>0 y1 y2 .... ym x1>0 x1 a11 a21 .... am1 >c1 x2>0 x2 a12 a22 .... am2 >c2 .... .... .... .... xn>0 xn a1n a2n .... amn >cn <b1 <b2 .... <bm yle ki Ay >= c yle ki Ax <= b
39
3.4.3 Normal Enkkleme Sorununun Dualini Bulma m kstl ve n deikenli bir DP iin matris gsterimi; b, m uzunluunda tek boyutlu bir vektr; c ve x, n uzunluunda tek boyutlu vektr ve A m satrl n stunlu iki boyutlu bir matrisi gstermek zere; aadaki gibidir: min cx x >= 0 Bu ekilde gsterilebilen bir primal DP iin, m uzunluunda tek boyutlu bir y vektr kullanlarak, bir dual DP yazlabilir. maks by yle ki yA <= c y >= 0 Yukarda sz edilen tablo yntemi normal enkkleme sorununun dualini bulma iin de kullanlabilir. Eer primal model normal enkkleme sorunu ise Tablo 1 yukardan aaya okunarak model yazlr. Tablo soldan saa okunduunda ise dual bulunmu olur. 3.4.4 Normal Olmayan Enbykleme Sorununun Dualini Bulma 1. Tablo 1'i primal model soldan saa okunacak ekilde doldurunuz 2. Aadaki deiiklikler yapldktan sonra dual model yukardan aa okunabilir: a) Eer i. primal kst > kstsa, ilgili dual deiken yi < 0 eklinde olmaldr. b) Eer i. primal kst eitlikse, ilgili dual deiken yi "iareti snrlandrlmam" (unrestricted in sign - urs) deikendir. c) Eer i. primal deiken urs ise, i. dual kst eitliktir. 3.4.5 Normal Olmayan Enkkleme Sorununun Dualini Bulma 1. Tablo 1'i primal model yukardan aaya okunacak ekilde doldurunuz 2. Aadaki deiiklikler yapldktan sonra dual model soldan saa okunabilir: a) Eer i. primal kst < kstsa, ilgili dual deiken xi < 0 eklinde olmaldr b) Eer i. primal kst eitlikse, ilgili dual deiken xi "iareti snrlandrlmam" (urs) deikendir. c) Eer i. primal deiken urs ise, i. dual kst eitliktir Dr. Y. lker Topcu (www.ilkertopcu.net) yle ki Ax >= b
40
3.4.6 Dual Ekonomik Yorum iin rnek (Dakota Mobilya) x1, x2, x3 retilen sra, masa ve sandalye saysn gstersin. Haftalk kar $z iken DP modeli: maks z = 60x1+30x2+20x3 8x1+ 6x2+ x3 < 48 8 (Tahta kst) (Montaj kst) (Marangozluk kst) 4x1+ 2x2+1.5x3 < 20 2x1+1.5x2+0.5x3 < x1,x2,x3 > 0 Dual Farzedelim ki bir giriimci Dakota'nn tm kaynaklarn (hammadde) satn almak istiyor. Dual sorunda y1, y2, y3 srasyla bir m2 tahta, bir ssat montaj iilii ve bir saat marangozluk iin denmesi gereken creti gsterir. $w de kaynak satn alma toplam maliyetini gsterir. Kaynak cretleri Dakota'y sata tevik edecek kadar yksek; giriimciyi vazgeirmeyecek kadar az olmaldr. Bu durumda da toplam satn alma maliyeti toplam kar kadar olur. min w = 48y1+ 20y2+ 8y3 8y1 + 6y1 + 4y2 + 2y3 > 60 (Sra kst) 2y2 + 1.5y3 > 30 (Masa kst)
y1 + 1.5y2 + 0.5y3 > 20 (Sandalye kst) y1,y2,y3 > 0
41
4. ULATIRMA SORUNLARI Genel olarak, bir ulatrma sorunu aadaki bilgileri barndrr: Bir rn/hizmet gnderen m adet arz noktas (supply point). i arz noktas en fazla si birim arz edebilir. rnn/hizmetin gnderildii n adet talep noktas (demand point). j talep noktas en az dj birime gereksinim duyar. Bir birimin i arz noktasndan j talep noktasna gnderilmesi maliyeti cijdir. Talep noktas 1 c11 c21 Talep noktas 2 c12 c22 Talep noktas n c1n c2n Sz konusu bilgi aadaki ulatrma tablosu ile formle edilebilir: ..... ARZ s1 s2
Arz noktas 1 Arz noktas 2 ..... Arz noktas m TALEP
cm1 d1 d2
cm2 dn
cmn
sm
Eer toplam talep miktar toplam arz miktarna eitse sorun dengeli ulatrma sorunu olarak isimlendirilir.
42
4.1 ULATIRMA SORUNLARININ FORMLASYONU 4.1.1 DP Gsterimi xij = i arz noktasndan j talep noktasna gnderilen miktar olsun. Bu durumda ulatrma sorununun genel DP gsterimi aadaki gibidir: min i
j cij xij
Arz kstlar Talep kstlar
yle ki j xij < si (i=1,2, ..., m)
i xij > dj (j=1,2, ..., n)

xij > 0
Yukardaki sorun, bir enbykleme sorunu (ulatrma sonucu kar elde edilmesi gibi) da olsa, kstlarnn benzer zellikler tamas durumunda yine bir ulatrma sorunudur. 4.1.2 Dengeli Ulatrma Sorunu iin Powerco rnei Powerco irketinin drt ehre hizmet veren adet elektrik santrali vardr. Her bir santral srasyla 35 milyon, 50 milyon ve 40 milyon kWh elektrik retmektedir. ehirlerin en youn saatlerde talep ettii elektrik miktar ise srasyla 45 milyon, 20 milyon, 30 milyon ve 30 milyon kWhdir. 1 milyon kWh elektriin bir santralden bir ehre gnderilmesinin maliyeti aadaki tabloda verilmitir. Her ehrin talebini en az maliyetle karlamak zere bir ulatrma tablosunda dengeli bir ulatrma sorunu formle ediniz ve sorunun DP modelini gsteriniz. ehir 1 $8 $9 $14 ehir 2 $6 $12 $9 ehir 3 $10 $13 $16 ehir 4 $9 $7 $5
Santral 1 Santral 2 Santral 3
43
Yant: 1. Ulatrma sorununun formlasyonu Santral 1 Santral 2 Santral 3 TALEP 45 ehir 1 8 9 14 20 ehir 2 6 12 9 30 ehir 3 10 13 16 30 ehir 4 9 7 5 ARZ 35 50 40 125
Toplam talep ve toplam arz eit olduundan (125 milyon kWh) sorun dengelidir. 2. Sorunun DP modeli olarak gsterimi xij: Santral ide retilen ve ehir jye gnderilen elektrik miktar (million kwh) min z = 8 x11 + 6 x12 + 10 x13 + 9 x14 + 9 x21 + 12 x22 + 13 x23 + 7 x24 + 14 x31 + 9 x32 + 16 x33 + 5 x34 s.t. x11 + x12 + x13 + x14 < 35 x21 + x22 + x23 + x24 < 50 x31 + x32 + x33 + x34 < 40 x11 + x21 + x31 > 45 x12 + x22 + x32 > 20 x13 + x23 + x33 > 30 x14 + x24 + x34 > 30 xij > 0 (i = 1, 2, 3; j = 1, 2, 3, 4) (talep kstlar) (arz kstlar)
4.1.3 Dengesiz bir Ulatrma Sorununun Dengelenmesi Fazla Arz Eer toplam arz miktar toplam talep miktarn geerse, sorunu dengelemek iin talep miktar aradaki fark (fazla arz miktar) kadar olan bir yapay talep noktas yaratrz. Sz konusu noktaya yaplacak gnderimler aslnda olmayaca iin bu noktaya arz noktalarndan yaplacak ulatrma maliyeti 0 olacaktr. Karlanmayan Talep Eer toplam arz miktar toplam talep miktarndan azsa, aslnda olurlu bir zm yoktur (talepler karlanamaz). Bu durumda karlanamayan talep kadar arz olan bir
44
yapay arz noktas yaratrz. Talebin olmayan bir arz noktasndan karlanamamas beraberinde bir ceza maliyeti getirir. 4.1.4 Fazla Arz iin Deitirilmi Powerco rnei ehir 1in talebinin 40 milyon kwh olduunu farz edelim. Bu durumda dengeli bir ulatrma sorunu formle ediniz. Yant Toplam talep 120 ve toplam arz 125 olduundan sorun dengeli deildir. Sorunu dengelemek iin bir yapay talep noktas yaratrz. Sz konusu noktann talebi 125 120 = 5 milyon kwh olacaktr. Her santralden yapay talep noktasna 1 milyon kwh elektrik gndermenin maliyeti 0 olacaktr. Tablo 4. Fazla Arz rnei iin Ulatrma Tablosu Santral 1 Santral 2 Santral 3 TALEP 40 ehir 1 8 9 14 20 ehir 2 6 12 9 30 ehir 3 10 13 16 30 ehir 4 9 7 5 5 Yapay 0 0 0 ARZ 35 50 40 125
4.1.5 Karlanmayan Talep iin Deitirilmi Powerco rnei ehir 1in talebinin 50 milyon kwh olduunu farz edelim. Karlanamayan her 1 milyon kWh elektrik iin 80$ ceza maliyeti kesilirse dengeli bir ulatrma sorunu formle ediniz. Yant 5 milyon kWh elektrik arz eden bir yapay arz noktas yaratrz. Santral 1 Santral 2 Santral 3 Talep TALEP 50 ehir 1 8 9 14 80 20 ehir 2 6 12 9 80 30 ehir 3 10 13 16 80 30 ehir 4 9 7 5 80 ARZ 35 50 40 5 130
45
4.2 TEMEL OLURLU ZMN BULUNMASI Dengeli bir ulatrma sorunu iin genel DP gsterimi aadaki gibi yazlabilir:: min i
j cij xij
yle ki j xij = si (i=1,2, ..., m)
i xij = dj (j=1,2, ..., n)

xij > 0
Sz konusu soruna bir temel olurlu zm (basic feasible solution - bfs) bulmak iin aadaki nemli gzlemi kullanmalyz: Eer dengeli bir ulatrma sorununda xijlerin deerler kmesi bir kst haricinde tm kstlar salarsa, bu deerler o ksd da salar. Bu gzlem ulatrma sorununun zm srasnda herhangi bir kst gzard edebileceimizi ve m+n-1 ksttan oluan bir DP zeceimizi gsterir. Genel olarak ilk arz kst deerlendirme d braklr. Geri kalan m+n-1 ksda bfs bulmak iin herhangi bir m+n-1 deikenin temel zm verebileceini dnebilirsiniz: fakat sz konusu m+n-1 deikenin temel zmde olabilmesi iin bir dng oluturmamalar gerekir. En az drt hcrenin bir dng oluturmas iin: Herhangi ardk iki hcrenin ayn satr veya stunda olmas gerekir Ayn satr veya stunda ardk hcre olmamaldr Serinin son hcresi ilk hcre ile ayn satr veya stunda olup dngy kapatmaldr Dengeli bir ulatrma sorununa temel olurlu zm bulmak iin farkl yntem kullanlabilir: 1. Kuzeybat Ke (Northwest Corner) Yntemi 2. Enkk Maliyet (Minimum Cost) Yntemi 3. Vogelin Yaklam
46
4.2.1 Kuzeybat Ke Yntemi Ulatrma tablosunun en sol st kesinden balarz ve x11i mmkn olduunca byk bir deer atarz (tabii ki, x11 en ok s1 ve d1 ikilisinin en kk deeri kadar olabilir). Eer x11=s1 ise ilk satr iptal ediniz ve d1i d1-s1 olarak gncelleyiniz Eer x11=d1 ise ilk stunu iptal ediniz ve s1i s1-d1 olarak gncelleyiniz Eer x11=s1=d1 ise ya ilk satr ya da ilk stunu iptal ediniz (her ikisini de deil!) Eer satr iptal ettinizse d1i sfr yapnz Eer stunu iptal ettinizse s1i sfr yapnz
Bu ekilde devam ederek (her seferinde geri kalan hcrelerde yeni sol-st keye atama yaparak) tm atamalar yaplr. Sonuta, bir hcre geriye kalacaktr. Satr veya stundaki deeri atayarak ve hem satr hem de stunu iptal ederek ilemi bitiriniz: bir bfs elde edilmitir. Aadaki dengeli ulatrma sorunu iin bir bfs bulalm (Bu yntemde maliyetler gerekmediinden verilmemitir!).
5 1 3 2 4 2 1
Toplam talep toplam arza eittir (9): sorun dengelidir.
47
3 1 3
X 2
4 3
1 X 1 3
X 2
1 3 1
1 X X 3
X 2
0 3 1 0
1 X X
2 2
1 1
m+n-1 (3+4-1 = 6) adet deiken atanm olur. KBK yntemi ile seilen deikenler bir dng oluturmadklarndan bir bfs bulunmutur.
48
4.2.2 Enkk Maliyet Yntemi KBK yntemi maliyetleri gz nne almadndan balang bfssi maliyeti yksek olan bir zm olabilir ve en iyi zmn bulunmas iin ok sayda ilem gerekebilir. Bu durumla karlamamak iin kullanlabilecek olan enkk maliyet ynteminde en dk tama maliyeti olan hcreye atama yaplr. Bu hcreye yaplacak xij atamas yine min {si, dj} kadardr. KBK yntemindeki gibi atama yaplan hcrenin olduu satr veya stun iptal edilip arz ya da talep deeri gncellenir ve tm atamalar yaplncaya kadar devam edilir. 2 2 3 12 2 2 8 3 12 2 2 2 3 10 2 5 2 2 3 5 X 8 8 4 4 6 6 1 3 5 X 3 8 8 4 5 4 6 6 X X 15 6 X 3 1 8 4 5 3 4 6 6 5 5 X 15 6 8 3 1 3 1 8 4 5 3 5 3 4 6 6 5 5 2 15 6 5 6
5 10 15
49
2 5 2 2 3 5 5 X 8
3 1 8 4 4
5 3 4 6 6
6 5 6
X X 15
50
4.2.3 Vogel'in Yaklam Her satr ve stun iin ceza hesaplanarak ynteme balanr. Ceza o satr veya stundaki en kk iki maliyet arasndaki farktr. Daha sonra cezas enbyk olan satr veya stun bulunur. Sz konusu satr veya stundaki en dk maliyetli hcre ilk temel deikeni verir. Yine KBK yntemindeki gibi bu deikene atanacak deer, ilgili hcrenin arz ve talep miktarlarna baldr. Gerekli iptaller ve gncellemeler yaplr Yeniden geri kalan tablo iin yeni cezalar hesaplanr ve prosedre benzer admlarla devam edilir.
Arz 6 15 Talep Stun cezas 15 15-6=9 5 80-7=73 7 80 5 78-8=70 Arz 6 5 15 Talep Stun cezas 15 15-6=9 X 80 5 78-8=70 Arz 6 5 15 Talep Stun cezas 15 15-6=9 X 80 0 7 5 78 8 X 15 78 7 8 5 15 8 78 10 15
Satr cezas 7-6=1 78-15=63
Satr cezas 8-6=2 78-15=63
Satr cezas -
51
Arz 6 5 15 15 Talep 15 X 80 0 0 7 5 78 8 X 15
52
4.3 ULATIRMA SMPLEKS 4.3.1 Yntemin Admlar 1. Eer ulatrma sorunu dengesiz ise dengeleyiniz. 2. Bir bfs bulmak iin KBK, Enkk Maliyet veya Vogel yntemlerinden birini kullannz 3. u1 = 0 olarak kabul edip mevcut bfsdeki tm temel deikenler iin ui + vj = cij denklemini kullanarak ular ve vleri hesaplaynz. 4. Tm temel d deikenler iin ui + vj cij < 0 ise, en iyi zm bulunmutur. Eer bu koul salanmazsa ui + vj cij deeri en pozitif olan deiken pivot ilemleri ile temele girer ve temeldeki deikenlerden biri zmden kar. Bylece yeni bir bfs bulunmu olur. 5. Yeni bfs iin Adm 3 ve 4 tekrar ediniz. Enbykleme sorunu iin yine yukardaki adnlar uygulanr. Sadece 4. admda aadaki deiiklik yaplmaldr: Tm temel d deikenler iin ui + vj cij > 0 ise, en iyi zm bulunmutur. Eer bu koul salanmazsa ui + vj cij deeri en negatif olan deiken pivot ilemleri ile temele girer ve temeldeki deikenlerden biri zmden kar. Bylece yeni bir bfs bulunmu olur Pivot ilemleri 1. zme girecek olan deiken ile temel deikenlerin bazlar veya hepsi bir dng oluturur (sadece bir olas dng vardr!). 2. Dngdeki hcreleri zme giren hcreden balayarak saynz. Says ift olanlar (0, 2, 4, vb.) ift hcreler olarak iaretleyiniz. Dngdeki dier hcreleri de tek hcreler olarak iaretleyiniz. 3. Tek hcrelerde deeri en kk olan deikeni bulunuz. Bu deere diyelim. Bu deiken temel d kalacaktr. lemi tamamlamak iin tm tek hcrelerdeki deerlerden karalm ve ift hcrelerdeki deerlere ekleyelim. Dngde olmayan deikenlerin deeri deimez. Eer = 0 ise giren deiken 0 deeri ile zme girecektir.
53
4.3.2 Powerco rneinin zm Sorun dengelidir (toplam talep toplam arza eittir). Powerco rneine KBK yntemi uygulanrsa, aadaki tabloda grelen bfs elde edilir (m+n1=6 temel deiken!). Santral 1 Santral 2 Santral 3 TALEP u1 = 0 u1 + v1 = 8 u2 + v1 = 9 v1 = 8 u2 = 1 ehir 1 8 35 9 10 14 45 ehir 2 6 12 20 9 10 20 30 20 16 30 30 5 ehir 3 10 13 ehir 4 9 7 ARZ 35 50 40 125
u2 + v2 = 12 v2 = 11 u2 + v3 = 13 v3 = 12 u3 + v3 = 16 u3 = 4 u3 + v4 = 5 v4 = 1 Tm temel d deikenler iin ij = ui + vj cij hesaplanr: 12 = 0 + 11 6 = 5 13 = 0 + 12 10 = 2 14 = 0 + 1 9 = -8 24 = 1 + 1 7 = -5 31 = 4 + 8 14 = -2 32 = 4 + 11 9 = 6 32 en pozitif olan deeri verdiinden, x32 temel deiken olacaktr. x32nin de olduu dng (3,2)-(3,3)-(2,3)-(2,2) eklindedir: = 10 bulunur. Santral 1 Santral 2 Santral 3 TALEP ehir 1 8 35 9 10 14 45 ehir 2 6 12 20 9 20 10 30 20+ 16 30 30 5 ehir 3 10 13 ehir 4 9 7 ARZ 35 50 40 125
54
x33 temel d deiken olacaktr. Yeni bfs aadaki tabloda verilmitir: ui/vj 0 1 -2 TALEP 45 35 9 10 14 10 20 30 10 9 12 30 16 30 30 5 13 7 8 8 11 6 12 10 7 9 ARZ 35 50 40 125
12 = 5, 13 = 2, 14 = -2, 24 = 1, 31 = -8, 33 = -6 12 en pozitif deeri verdiinden, x12 zme girer. x12nin de olduu dng (1,2)-(2,2)-(2,1)-(1,1) eklindedir ve = 10dur ehir 1 Santral 1 Santral 2 Santral 3 TALEP 45 8 35 9 10+ 14 10 20 30 10 9 12 30 16 30 30 5 13 7 ehir 2 6 ehir 3 10 ehir 4 9 ARZ 35 50 40 125
x22 zmden kar. Yeni bfs aadaki tabloda verilmitir: ui/vj 0 1 3 TALEP 45 25 9 20 14 10 20 30 9 8 8 10 12 30 16 30 30 5 13 7 6 6 12 10 2 9 ARZ 35 50 40 125
13 = 2, 14 = -7, 22 = -5, 24 = -4, 31 = -3, 33 = -1
55
13 en pozitif olan deeri verdiinden, x13 temel deiken olacaktr. x13n de olduu dng (1,3)-(2,3)-(2,1)-(1,1) eklindedir. = 25 Santral 1 Santral 2 Santral 3 TALEP ehir 1 8 25 9 20+ 14 45 ehir 2 6 10 12 9 10 20 30 ehir 3 10 13 30 16 ehir 4 9 7 5 30 30 ARZ 35 50 40 125
x11 temel d deiken olur. Yeni bfs: ui/vj 0 3 3 TALEP 45 45 14 10 20 30 9 6 8 10 9 12 5 16 30 30 5 6 6 25 13 7 10 10 2 9 ARZ 35 50 40 125
11 = -2, 14 = -7, 22 = -3, 24 = -2, 31 = -5, 33 = -3 Tm ijler negatif olduundan en iyi zm bulunmutur. Rapor Santral 2den ehir 1e 45 milyon kwh elektrik gnderilmelidir. Santral 1den ehir 2ye 10 milyon kwh elektrik gnderilmelidir. Benzer ekilde Santral 3den ehir 2ye 10 milyon kwh elektrik gnderilmelidir. Santral 1den ehir 3e 25 milyon kwh ve Santral 2den ehir 3e 5 milyon kwh elektrik gnderilmelidir. Santral 3den ehir 4e 30 milyon kwh elektrik gnderilmelidir Toplam tama maliyeti: z = .9 (45) + 6 (10) + 9 (10) + 10 (25) + 13 (5) + 5 (30) = $ 1020
56
4.4 GEC KONAKLAMA SORUNLARI Baz durumlarda gnderim srecindeki bir nokta hem rn/hizmet gnderebilir, hem de sz konusu noktaya rn/hizmet gnderilebilir. rn/hizmetin arz noktasndan talep noktasna gnderimi srasnda geici olarak konaklad bu nokta geici konaklama noktas olarak isimlendirilir. Bu zellii olan bir gnderim sorunu geici konaklama sorunudur. Geici konaklama sorununa en iyi zm sz konusu sorunu ulatrma sorununa dntrp ulatrma sorununu zerek bulunabilir. Uyar Ulatrma Sorunlarnn Formlasyonu blmnde belirtildii gibi, bir baka noktaya bir rn/hizmet gnderen fakat hi bir noktadan rn/hizmet alamayan nokta arz noktas olarak isimlendirilir. Benzer ekilde, bir talep noktas da dier noktalardan rn/hizmet alabilir fakat hi bir noktaya rn/hizmet gnderemez. 4.4.1 Admlar 1. Eer sorun dengesiz ise sorunu dengeleyiniz. s = dengeli sorun iin toplam arz (veya talep) miktar olsun 2. Aadaki ekilde bir ulatrma tablosu kurunuz: Her arz ve geici konaklama noktas iin tabloda bir satr gerekecektir Her talep ve geici konaklama noktas iin bir stun gerekecektir Her arz noktasnn arz o noktann arz miktar kadar olacaktr Her talep noktasnn talebi o noktann talep miktar kadar olacaktr Her geici konaklama noktasnn arz o noktann arz miktar + s kadar olacaktr Her geici konaklama noktasnn talebi o noktann talep miktar + s kadar olacaktr 3. Ulatrma sorununu znz
57
4.4.2 Kuruolu rnei (Winston 7.6.dan esinlenilmitir) Kuruoglu Malatya ve G.Antepdeki fabrikalarnda buzdolab retmektedir. Malatyadaki fabrika gnde en fazla 150 adet, G.Antepteki fabrika ise gnde en fazla 200 adet buzdolab retebilmektedir. Buzdolaplar uak ile stanbul ve zmirdeki mterilere gnderilmektedir. Her iki ehirdeki mterilerin gnlk talebi 130 adet buzdolabdr. Gnderim maliyetlerindeki deiiklikler yznden baz buzdolaplarnn fabrikalardan uakla ncelikle Ankara veya Eskiehire gnderilmesi ve daha sonra nihai mterilere bu ehirlerden gnderilmesi dnlmektedir. Bir buzdolabnn tama maliyeti aadaki tabloda verilmitir. Kuruolu toplam tama maliyetlerini enazlayacak ekilde mteri taleplerini karlamak istemektedir.
Tablo 1. Gnderim Maliyetleri TL Malatya G.Antep Ankara Eskiehir Malatya 0 G.Antep 0 Ankara 8 15 0 6 Eskiehir 13 12 6 0 -
Istanbul
25 26 16 14 0 -
Istanbul
zmir
zmir 28 25 17 16 0
Yant: Bu sorunda Ankara ve Eskiehir geici konaklama noktalardr. Adm 1. Sorunu dengeleme Toplam arz = 150 + 200 = 350 Toplam talep = 130 + 130 = 260 Yapay talep = 350 260 = 90 s = 350 (dengeli sorun iin toplam arz veya talep miktar) Adm 2. Bir ulatrma tablosu kurma Geici konaklama noktas talebi = O noktann talep miktar + s = 0 + 350 = 350 Geici konaklama noktas arz = O noktann arz miktar + s = 0 + 350 = 350
58
Tablo 2. Geici Konaklama sorununun Ulatrma Sorunu Olarak Gsterimi

Ankara Malatya G.Antep Ankara Eskiehir Talep 350 8 15 0 6 350 Eskiehir 13 12 6 0 130
Istanbul
25 26 16 14
Izmir 28 25 17 16 130
Yapay 0 0 0 0 90
Arz 150 200 350 350
Adm 3. Ulatrma sorununun zm Tablo 3. Ulatrma Sorununun En iyi zm

Ankara Malatya G.Antep Ankara Eskiehir Talep 350 220 6 350 350 130 130 90 0 8 130 15 0 12 6 130 14 16 0 26 130 16 17 25 70 0 Eskiehir 13
Istanbul
25
Izmir 28
Yapay 0 20 0
Arz 150 200 350 350 1050
Rapor: Kuruoglu Malatyada 130 buzdolab retip bunlarn tamamn Ankara zerinden stanbula gndermelidir. G.Antepde retilecek 130 buzdolab ise dorudan zmire gnderilmelidir. Bu durumda toplam tama maliyeti 6370 TL olacaktr. Uyar: Geici konaklama sorununun zmn yorumlarken yapaya gnderilen (veya yapayn gnderdii) ve bir noktann kendisine gnderdii miktarlara nem verilmez.
59
4.5 ATAMA SORUNLARI Ulatrma sorunlarnda her arz noktasnn bir talep noktasna atanmasn ve her talebin karlanmasn gerektiren zel bir durum sz konusudur. Bu tip sorunlar atama sorunlar olarak isimlendirilir. rnein hangi iinin veya makinenin hangi ii yapacan belirlemek bir atama sorunudur. 4.5.1 DP Gsterimi Bir atama sorununda bir arz noktasn bir talep noktasna atamann maliyeti cijdir. te yandan, bir xij 0-1 tamsay deikeni aadaki gibi tanmlanr: xij = 1 eer i. arz noktas j. talep noktasnn talebini karlamak zere atanrsa xij = 0 eer i. arz noktas j. talep noktasnn talebini karlamazsa Bu durumda, bir atama sorununun genel DP gsterimi min i
j cij xij
yle ki j xij = 1 (i=1,2, ..., m)
i xij = 1 (j=1,2, ..., n)

xij = 0 veya xij = 1 eklindedir. 4.5.2 Macar Yntemi
Tm arz ve talep miktarlar tamsay olduundan, en iyi zmdeki tm deikenler de tamsay olmaldr. Her kstn ST deeri 1e eit olduundan, her xij 1den byk olmayan ve negatif olmayan bir tamsay olmaldr. Bu durumda her xij 0 veya 1 olmaldr. xij = 0 veya xij = 1 kstlamasn DP gsteriminde ihmal edersek, her arz noktasnn bir adet arz ettii ve her talep noktasnn bir adet talep ettii dengeli bir ulatrma sorunu ile karlarz. Fakat atama sorununun ulatrma simpleks yntemi ile zlmesi yukarda verilen kstlamay kullanmayaca iin etkin olmayacaktr. Bu yzden simpleksden daha basit bir algoritma olan Macar Yntemi ile atama sorunlar zlr.
60
Uyar 1. Ama fonksiyonunun enbyklenmesi istenilen atama sorunlarnda karlar matrisindeki elemanlarn 1 ile arplarak sorunun enkkleme sorunu olarak Macar Yntemi ile zlmesi gerekir 2. Eer maliyet matrisinde satr ve stun saylar eit deilse atama sorunu dengesizdir. Bu durumda sorunu Macar Yntemi ile zmeden nce bir veya daha fazla sayda yapay nokta eklenerek dengelenmelidir.. Admlar 1. mmlik maliyet matrisinin her satrndaki en kk maliyeti bulunuz. 2. Her maliyetten kendi satrndaki en kk maliyeti kararak bir matris kurunuz 3. Yeni matrisde her stunun en kk maliyetini bulunuz 4. Bu sefer her maliyetten kendi stunundaki en kk maliyeti kararak yeni bir matris (indirgenmi maliyet matrisi) kurunuz 5. ndirgenmi maliyet matrisindeki tm sfrlar rtecek ekilde en az sayda (yatay veya dey) izgi iziniz. Eer bu ilem iin m adet izgi gerekli ise en iyi zm bulunmutur. Eer gerekli izgi says m adetten az ise bir sonraki adma geiniz 6. ndirgenmi maliyet matrisinde Adm 5de izilen izgiler ile rtlmemi ve sfrdan farkl en kk maliyeti (k) bulunuz 7. Her stnden izgi gemeyen maliyetten ky karnz ve ift izgi ile rtlen her maliyete ky ekleyiniz. Adm 5e dnnz.
61
4.5.3 Uu Ekibi rnei (Winston 7.5.den esinlenilmitir) Drt adet kaptan pilot (Seluk, Serkan, mit, Volkan) uularda beraber olduklar drt adet uu teknisyenini (Tuncay, nder, Servet, Kemal) yetkinlik, uyum ve moral motivasyon asndan 1-20 leinde deerlendirmilerdir (1: ok iyi, 20: ok kt). Deerlendirme notlar Tablo 1de verilmitir. Havayolu irketi her uu teknisyeninin uu atamasn mmkn olduunca kendisine iyi not veren kaptan pilotla yapmak istemektedir. Uu ekipleri nasl olmaldr? Tablo 1. Makaleler iin Zamanlar (gerekli hafta says)
Seluk Serkan mit Volkan Tuncay 2 2 7 14 nder 4 12 8 5 Servet 6 6 3 8 Kemal 10 5 9 7
Yant: Adm 1. Tablo 1deki her satr iin en kk maliyetler srasyla 2, 2, 3 ve 5dir. Adm 2 & 3. Her maliyetten kendi satrndaki en kk maliyeti kararak Tablo 2yi elde edilir. Yeni matrisin her stunun en kk maliyeti.bulunur.
Tablo 2. Satr minimumlar karldktan sonra maliyet matrisi 0 0 4 9 0 2 10 5 0 0 4 4 0 3 0 8 3 6 2 2
Stun minimumu
Adm 4. Bu sefer her maliyetten kendi stunundaki en kk maliyeti kararak indirgenmi maliyet matrisi elde edilir (Tablo 3).
Tablo 3. ndirgenmi maliyet matrisi 0 0 4 9 2 10 5 0 4 4 0 3 6 1 4 0
Adm 5. Tablo 4de gsterildii gibi 3. ve 4. satr ile 1. stunda izilecek izgiler indirgenmi maliyet matrisindeki tm sfrlar rter. Gerekli en az izgi says 3dr. 4den az izgi gerektiinden zm en iyi deildir. Bir sonraki adma geilir.
Tablo 4. Sfrlar rten izgilerle indirgenmi maliyet matrisi 0 0 4 9 2 10 5 0 4 4 0 3 6 1 4 0
62
Adm 6 & 7. rtlememi en kk maliyet 1dir. Her rtlmemi maliyetten 1 karlr ve iki izgi ile rtlenlere 1 eklenir. Tablo 6 elde edilir.
Table 6. Sonu matrisi 0 0 5 10 1 9 5 0 3 3 0 3 5 0 4 0
Tm sfrlar rtmek iin imdi drt izgiye gerek vardr. En iyi zm bulunmutur. Stun 3deki tek sfr x33de ve Stun 2deki tek sfr x42dedir. Satr 4 tekrar kullanlmayaca iin Stun 4 iin kalan sfr x24dedir. Son olarak x11i seeriz. Seilen tm karar deikenleri 1e eittir. Rapor: KP Seluk, UT Tuncay ile; KP Serkan, UT Kemal ile; KP mit, UT Servet ile; KP Volkan, UT nder ile umaldr.
63
5. TAMSAYILI PROGRAMLAMA DP sorunlarnn modeli kurulurken baz karar deikenlerinin kesinlikle tamsay deerler almas gerektiini grrz fakat DPye uygun olmas iin byk deerler alabilecek karar deikeninin kesirli ksm yok saylabilir mant ile kesirli deerler almalarna izin veririz. Baz durumlarda bu varsaym kabul edilemez olabilir. Bulunacak saysal sonucun tamsay deerler almas gerekebilir. Bu tip durumlardaki sorunlara Tamsayl Program (TP; Integer Programming IP) denilir ve sz konusu programlarn zm konusu Tamsayl Programlama (TP) olarak isimlendirilir. Sonlu sayda seenek kmesindeki seenekler ile ilgili birok kararn yap/yapma, evet/hayr gibi kesikli olmas yznden TPler sklkla kullanlr. Tm deikenlerin tamsay olduu bir programlama sorunu tamamen tamsayl programlama sorunu olarak isimlendirilir. Eer deikenlerin bazlar tamsay, bazlar kesirli ise sz konusu sorun karma tamsayl programlama sorunu adn alr. Baz durumlarda tamsay deikenler sadece 0 veya 1 deerlerini alabilir. Bu tip sorunlar da tamamen (karma) 0-1 programlama sorunlar veya tamamen (karma) ikili tamsay programlama sorunlar olarak isimlendirilir.
64
5.1 TPNN FORMLASYONU 5.1.1 Bteleme Sorunlar 5.1.1.1 Sermaye Bteleme rnei Farzedelim ki $14,000 yatrm yapmak istiyoruz. Drt yatrm frsat belirledik. Yatrm 1 $5,000lk bir yatrm gerektirmekte ve getirisinin imdiki deeri $8,000 olmaktadr. Yatrm 2 $7,000lk bir yatrm gerektirmekte ve getirisinin imdiki deeri $11,000 olmaktadr. Yatrm 3 $4,000lk bir yatrm gerektirmekte ve getirisinin imdiki deeri $6,000 olmaktadr. Yatrm 4 ise $3,000lk bir yatrm gerektirmekte ve getirisinin imdiki deeri $4,000 olmaktadr. Hangi yatrmlara para yatrarak toplam getirimizi enbykleyebiliriz? Yant DPde olduu gibi ilk adm deikenleri belirlemektir. Tamsay snrlamasnn getirdii eitli karklklar ve numaralar yznden TPde bu ilem daha zordur. rnekte her yatrm iin bir 0-1 xj deikeni kullanacaz.. xj 1 ise j. yatrm yaplr xj 0 ise j. yatrm yaplmaz Bu durumda 0-1 programlama sorunu sz konusudur: maks yle ki 8 x1 + 11 x2 + 6 x3 + 4 x4 5 x1 + 7 x2 + 4 x3 + 3 x4 < 14 xj = 0 veya 1 j = 1, 4 Dorudan yaplacak bir deerlendirmede (ama fonksiyonu katsaylarnn kst katsaylarna oranlanmas) Yatrm 1in en iyi seenek olduu nerilebilir. Tamsay kstlarna nem verilmezse en iyi DP zm aadaki gibidir: x1 = 1, x2 = 1, x3 = 0.5 ve x4 = 0; toplam getiri deeri $22,000. Ne yazk ki bu zm tamsayl zm deildir. x3 0a yuvarlanrsa $19,000.toplam getiri deeri olan olurlu bir zm elde edilir. TP zm teknii kullanlarak en iyi tamsayl zm bulunursa x1 = 0, x2 = x3 = x4 = 1 ve toplam getiri deeri $21,000 olur. Bu rnek yuvarlamann her zaman en iyi deeri vermediini gsterir.
65
5.1.1.2 ok Dnemli Sermaye Bteleme rnei nmzdeki yllk planlama dnemi iin drt projenin deerlendirilmesi yaplacaktr. Her projeye ait beklenen getiriler ile yllk harcamalar aadaki tabloda gsterilmitir. yl boyunca uygulamaya konulacak projeleri belirleyiniz.
Harcamalar Proje 1 2 3 4 Getiri 0.2 0.3 0.5 0.1 Yl1 0.5 1 1.5 0.1 3.1 Yl2 0.3 0.5 1.5 0.4 2.5 Yl3 0.2 0.2 0.3 0.1 0.4
Kullanlabilir sermaye
Yant xj = 1, j. proje uygulanrsa xj = 0, aksi takdirde (j. proje uygulanmaz). Kurulacak 0-1 programlama modeli: Maks yle ki 0.2 x1 + 0.3 x2 + 0.5 x3 + 0.1 x4 0.5 x1 + 1 x2 + 1.5 x3 + 0.1 x4 < 3.1 0.3 x1 + 0.8 x2 + 1.5 x3 + 0.4 x4 < 2.5 0.2 x1 + 0.2 x2 + 0.3 x3 + 0.1 x4 < 0.4 xj = 0 veya 1 Uyar Ama fonksiyonu ve kstlar dorusaldr. Bu derste Tamsayl Dorusal Programlama ile ilgileneceiz. Dorusal olmayan TPler de vardr fakat bu dersin kapsam dndadrlar. Sorunun Simpleks Yntemi ile zm sonucunda x1=0.4975 ktn varsayalm. Bu durumda kesirli ksma nem vermeyip yuvarlama ilemi mantksz olacaktr. Bu yzden DP yerine, TP algoritmalar kullanlarak en iyi zm bulunur. j = 1, 4
66
5.1.1.3 Deitirilmi Sermaye Bteleme rnei Baz yeni kstlarla sorunu geniletelim. rnein, aadaki nermeleri ve getirdii kstlar dnelim: Sadece iki yatrm yapabiliriz x1 + x2 + x3 + x4 < 2 veya drt adet yatrm yaplmas durumunda x1 + x2 + x3 + x4 > 3 olacaktr Eer Yatrm 2 yaplrsa,Yatrm 4 de yaplmaldr x2 < x4 veya x2 x4 < 0 Eer x2 1 ise, x4 de istediimiz gibi 1 olur; eer x2 0 ise, x4 iin herhangi bir kstlama olmaz (x4 0 veya 1 olur) Eer Yatrm 1 yaplrsa, Yatrm 3 yaplamaz x1 + x3 < 1 Eer x1 1 ise, x3 istediimiz gibi 0 olur; eer x1 0 ise, x3 iin herhangi bir kstlama olmaz (x3 0 veya 1 olur) Ya Yatrm 1 ya Yatrm 2 yaplabilir x1 + x2 = 1 Eer x1 1 ise, x2 0 olur (sadece Yatrm 1 yaplr); eer x1 0 ise, x2 1 olur (sadece Yatrm 2 yaplr).
67
5.1.2 Srt antas Sorunlar Sadece bir ksd olan herhangi bir TP srt antas sorunu olarak isimlendirilir. Bir dier zellik de ksdn ve ama fonksiyonunun katsaylar negatif olmayan saylardr. rnein aadaki model srt antas sorunudur: Maks yle ki 8 x1 + 11 x2 + 6 x3 + 4 x4 5 x1 + 7 x2 + 4 x3 + 3 x4 < 14 xj = 0 veya 1 j = 1, 4 Geleneksel yk, bir srt antasnda (rnekte kapasitesi 14dr) baz eyalar (drt eit eya) tamak ile ilgilidir. Her eyann bir bykl ve tama sonucu elde edilecek bir deeri vardr (eya 2 iin byklk 7, deer 11dir). Ama, srt antasna sabilecek eyalarn toplam deerini enbyklemektir. Srt antas sorunlar genellikle kolay zlrler.
68
5.1.3 Sabit Maliyet Sorunlar ok sayda retim ve yer seimi sorunlarnn modellenmesi iin de TP kullanlabilir. Burada retim sorununa rnek olarak Gandhi rnei ve yer seimi sorununa rnek olarak da ek tahsilat ofisi rnei verilmitir. 5.1.3.1 Gandhi rnei (retim) (Winston 9.2., s. 470) Gandhi Co snrl iilik ve kuma kullanarak gmlek, ort ve pantolon retmektedir. Ayrca her rn retmek iin makine kiralanmas sz konusudur.
Gmlek ort Pant. Toplam Mevcut ilik (saat/hafta) 3 2 6 150 2 Kuma (m /hafta) 4 3 4 160 Makine kiras ($/hafta) 200 150 100 Deiken birim maliyet 6 4 8 Sat fiyat 12 8 15
Yant xj retilecek j. giysi says olsun yj de j. giysinin retim karar olsun. yj = 1, j. giysi retilecekse; yj = 0, aksi takdirde. Kar = Sat geliri Deiken maliyet Makine kiras rnein gmlekten elde edilecek kar z1 = ( 12 6 ) x1 200 y1. ilik ve kuma snrl olduundan Gandhi iki kstla karlar. xj > 0 iken yj = 1 olmasn salamak iin aadaki kstlar eklenir xj < Mj yj Kuma kst gz nne alnarak en fazla 40 gmlek yaplabilir (M1 = 40), bylece gmlek iin eklenecek kst x1 zerinde gereksiz bir snr oluturmaz (Eer M1 yeterince byk seilmezse (rn. M1 = 10) x1in alabilecei deere gereksiz bir snr getirilmi olur) Benzer ekilde kuma ksd gz nne alnarak en fazla 53 ort yaplabilecei (M2 = 53) ve iilik ksd gz nne alnarak en fazla 25 pantolon yaplabilecei (M3 = 25).bulunur.
69
Bylece aadaki karma 0-1 TP elde edilir:: maks 6 x1 + 4 x2 + 7 x3 200 y1 150 y2 100 y3 yle ki 3 x1 + 2 x2 + 6 x3 < 150 4 x1 + 3 x2 + 4 x3 < 160 x1 < 40 y1 x2 < 53 y2 x3 < 25 y3 (ilik ksd) (Kuma ksd)
(Gmlek retimi ve makine ksd) (ort retimi ve makine ksd) (Pantolon retimi ve makine kst)
x1, x2, x3 > 0 ve tamsay y1, y2, y3 = 0 veya 1 Gandhi sorununa en iyi zm: z = $ 75, x3 = 25, y3 = 1. Bu durumda 25 pantolon yapmalar ve bir pantolon makinesi kiralamalar durumunda $75 kar elde edeceklerdir.
70
5.1.3.2 ek Tahsilat Ofisi rnei (Yer Seimi) (Winston 9.2., s. 473den uyarlanmtr) Bir Amerikan irketinin Birleik Devletlerdeki mterilerinin demelerini gnderdikleri ekler ile topladn varsayalm. ekin tanzim edilip postalanmas (mterinin ykmlln yerine getirmesi) ile ekin irketin eline gemesi (paraya dntrlmesi) arasnda bir zaman olaca ve irketin paray kullanmasnn gecikecei aktr. Bu yzden irket eitli ehirlerde ek tahsilat ofisleri aarak ekleri paraya dntrmeyi hzlandrmay ve zaman kaybndan dolay urayaca zarar azaltmay hedeflemektedir. irketin bat, ortabat, dou ve gney blgelerindeki mterileri gnde srasyla $70,000, $50,000, $60,000 ve $40,000lk demeyi ekle yapsnlar. irket L.A., Chicago, New York, ve/veya Atlantada ek tahsilat ofisleri aabilir. Bir ek tahsilat ofisini iletmek iin yllk masraf $50,000dr. Blgelerden ofislere eklerin tanzim edilip gnderimi ve paraya evrilmesi sreleri tabloda verilmitir. Bat Ortabat Dou Gney LA 2 6 8 8 Chicago 6 2 5 5 NY 8 5 2 5 Atlanta 8 5 5 2
Hangi ofisler almaldr? Gnderim zaman yznden oluacak kayplar ve ofis masraflarn enazlayacak ekilde bir TP modeli kurunuz. Faiz orannn % 20 olduunu ve her blgenin sadece bir ehirdeki ofise eklerini gnderebileceini varsaynz. Yant ncelikle her atamann getirecei gecikmeler yznden oluacak kayb hesaplamalyz. rnein Bat blgesi eklerini New Yorka gnderirse ortalama olarak gnlk ilem gren miktar $560,000 (= 8 * $70.000) olacaktr. Bu durumda % 20 faiz oran ile yllk kayp $112,000 olur. Bu ekilde her blgeden her ehre gnderimler sonucu oluacak kayplar hesaplayp aadaki tabloyu oluturabiliriz. Bat Ortabat Dou Gney LA 28 60 96 64 Chicago 84 20 60 40 NY 112 50 24 40 Atlanta 112 50 60 16
71
yj 0-1 deiken olsun ve j. ofis alrsa 1 deerini, almazsa 0 deerini alsn xij = 1, i. blge j. ofise gnderirse; xij = 0, aksi takdirde. Amacmz yllk kayplar ve masraflar enazlamaktr: 28 x11 + 84 x12 + 112 x13 + + 50 y1 + 50 y2 + 50 y3 + 50 y4 Bir kst kmesi her blgenin sadece bir ehirdeki ofise ek gndermesini salamaldr: TOP [j=1den to nye] xij = 1 her i iin (TOP [j=1den nye], jnin 1den (1 dahil) nye (n dahil) alabilecei tm tamsay deerleri iin toplam olarak okunmaldr) Bir kst kmesi de bir blgenin ak bir ofise atanmas koulunu salamaldr x1j + x2j + x3j + x4j < M yj Drt blge olduundan M en az drt olacak ekilde herhangi bir saydr (L.A.da ofis almadn (y1 = 0) varsayalm. Bu durumda x11, x21, x31 ve x41 de 0 olacaktr. Eer y1 1 ise x deerleri zerinde bir kstlama olmayacaktr.) Bu sorun iin yirmi deiken (drt y deikeni, onalt x deikeni) ve sekiz kst kullanlr ve aadaki 0-1 TP kurulur: Min 28 x11 + 84 x12 + 112 x13 + 112 x14 + 60 x21 + 20 x22 + 50 x23 + 50 x24 + 96 x31 + 60 x32 + 24 x33 + 60 x34 + 64 x41 + 40 x42 + 40 x43 + 16 x44 + 50 y1 + 50 y2 + 50 y3 + 50 y4 st x11 + x12 + x13 + x14 = 1 x21 + x22 + x23 + x24 = 1 x31 + x32 + x33 + x34 = 1 x41 + x42 + x43 + x44 = 1 x11 + x21 + x31 + x41 < 4y1 x12 + x22 + x32 + x42 < 4y2 x13 + x23 + x33 + x43 < 4y3 x14 + x24 + x34 + x44 < 4y4 Tm xij ve yj = 0 veya 1 Dr. Y. lker Topcu (www.ilkertopcu.net)
72
Ayn sorun iin baka formlasyonlar da yaplabilir. rnein aadaki ekilde oluturulan drt kst yerine x1j + x2j + x3j + x4j < M yj onlat kstl baka bir kme kullanlabilir: xij < yj i = 1, 2, 3, 4; j = 1, 2, 3, 4
Bu kstlar da bir blgenin ak bir ofisi kullanmasn salar. (yj 0 ise ilgili drt kst kullanlarak x1j, x2j, x3j ve x4jnin de 0 olduu bulunur. Eer yj 1 ise x deerleri zerinde kstlama olmaz. Dier bir bak as da xij = 1 iken istediimiz ekilde yj = 1 olur. Ayn zamanda x1j = x2j = x3j = x4j = 0 iken y deerinde bir kstlama yapmaz. Ofis maliyetlerinin enazlanmak istenmesi yjyi 0 yapar) Bu ekilde daha byk bir modelin (yirmi deiken ve yirmi kst) formlasyonu daha az etkin gzkse de sz konusu modeli DP olarak varsayarak zersek tamsayl bir zm buluruz. zm bu yzden TP iin de en iyidir!)
73
5.1.4 Kapsama Sorunu Bu modeli anlatabilmek iin, aadaki yerleme sorununu dnelim. Bir ehirde itfaiye merkezlerinin yeri gzden geirilmektedir. Aadaki ekildeki gibi ehrin onbir adet ilesi vardr.
Bir itfaiye merkezi herhangi bir ilede kurulabilir. Merkez kendi ilesindeki ve komu ilelerdeki yangnlara mdahale edebilir. Ama merkez saysn enazlayarak tm ili yangna kar koruyacak bir kapsama alan kurmaktr. Yant Her j ehri iin bir xj deikeni kullanabiliriz.. ehirde itfaiye merkezi varsa x deikeni 1 deerini, yoksa 0 deerini alacaktr. Bu durumda aadaki model kurulabilir:
74
Min st
x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10 + x11 x1 + x2 + x3 + x4 x1 + x2 + x3 + x1 + x3 + x4 x2 + x3 x4 x5 x5 + x6 + x7 + x5 + x6 + x8 + x9 x1 + x2 + x3 + x4 + x5 + x6 > 1 (ehir 1) > 1 (ehir 2) > 1 (ehir 3) > 1 (ehir 4) > 1 (ehir 5) > 1 (ehir 6) > 1 (ehir 7) > 1 (ehir 8)
x3 + x4 + x5 + x6 + x7 + x8 + x6 + x7 + x8 x5 + x6 + x7 + x8 + x9 + x10
+ x8 + x9 + x10 + x11 > 1 (ehir 9) + x8 + x9 + x10 + x11 > 1 (ehir 10) + x9 + x10 + x11 > 1 (ehir 11)
Her xj = 0 veya 1 lk kst, ehir 1deki yangnlarn sndrlmesi iin o ehirde veya komu ehirlerde toplam en az bir merkezin kurulmasn salar. aij kst katsaynn ehir inin ehir jye komu olmas durumunda 1; i=j veya komu olmamas durumunda 0 olduuna dikkat ediniz. Kst matrisinin j. stunu, j. ehrindeki bir merkez tarafndan hizmet grebilecek ehirler kmesini temsil eder. zm olarak aranan, en az sayda kmenin birleiminin tm ehirleri kapsamasdr.
75
5.1.5 Eer-yleyse Kst Aadaki durumla matematik programlama sorunlarnda karlalabilir. f(x1, x2,, xn) > 0 kstnn salanmas durumunda g(x1, x2,, xn) > 0:kstnn da salanmas istenir. Eer f(x1, x2,, xn) > 0 salanmazsa g(x1, x2,, xn) > 0nin salanp salanmamas nemli deildir. Sz konusu koulu salamak iin aadaki kstlar formlasyona eklemeliyiz: g(x1, x2,, xn) < M y f(x1, x2,, xn) < M ( 1 y ) (1) (2)
Burada y bir 0-1 deiken ve M de yeterince byk bir saydr. M, sorunun dier kstlarn salayan her xj deikeni iin g < M ve f < M kstlarn salamaldr. f > 0 ise (2)nin salanmas iin y = 0 olmaldr. y = 0 iken, (1) g < 0 veya g > 0 olmasn salar. Bu durumda istenilen eer-yleyse koulu gerekleir. rnek ek ofisi rneine takip eden koulu ekleyelim. Eer 1. blgedeki mteri demelerini ehir 1e gndermek istiyorsa baka hi bir blge bu ofisi kullanamaz .Matematiksel olarak, Eer x11 = 1 ise x21 = x31 = x 41 = 0 Tm deikenler 0-1 olduundan aadaki evrimi yapabiliriz: Eer x11 > 0 ise x21 + x31 + x 41 < 0 (veya x21 x31 x 41 > 0) Eer f = x11 ve g = x21 x31 x kullanarak koulu gerekletirebiliriz: x21 + x31 + x 41 < My x11 < M (1 y) y = 0 veya 1 g ve f hi bir zaman 3 geemeyeceklerinden, M 3 olarak alnabilir. eklinde tanmlarsak, aadaki kstlar
41
76
5.1.6 Ya Ya da Kstlar Aadaki durumla matematik programlama sorunlarnda karlalabilir. ki farkl biimde kstlar verilsin: f (x1, x2,, xn) < 0 g (x1, x2,, xn) < 0 kstlar olarak isimlendirilir. Sz konusu koulu salamak iin (1) ve (2) kstlarn formlasyona eklemeliyiz: f (x1, x2,, xn) < M y g (x1, x2,, xn) < M ( 1 y ) Burada y bir 0-1 deikenidir M ise sorunun dier kstlarn salayan her xj deikeni iin f (x1, x2,, xn) < M ve g (x1, x2,, xn) < M koullarn salayacak ekilde yeterince byk bir saydr. y = 0 iken (1) mutlaka ve (2) baz durumlarda salanr. y = 1 iken (2) mutlaka ve (1) baz durumlarda salanr. rnek Bir otomobil retimi iin 1.5 ton elik ve 30 saat iilik gerekmektedir. Mevcut miktarlar 6,000 ton elik ve 60,000 saat iiliktir. Ekonomik olarak uygun bir retim iin en az 1000 otomobil retilmelidir. Kst: aret snrlamas x1 < 0 veya x1 > 1000 [f (x1, x2,, xn) = x1; g (x1, x2,, xn) = 1000 x1] x1 > 0 ve tamsay (2) (1) (1) (2)
eer (1) veya (2)den en az birinin salanmasn istersek bu kstlar ya ya da
Kst aadaki kst ifti ile deitirerek modeli dorusallatrabiliriz: x1 < M1 y1 1000 x1 < M1 (1 y1) y1 = 0 veya 1 M1 = min (6.000/1.5, 60.000/30) = 2000
77
5.1.7 Gezgin Satc Sorunu Bir satc on adet ehiri birer kez ziyaret edip evine dnecektir. Satcnn yapaca bu gezide katedecei toplam uzakl enazlayacak rota (ehir sras) nasl olmaldr? sorunu Gezgin Satc Sorunu (GSS; Traveling Salesperson Problem TSP) olarak isimlendirilir. GSSnin TP Formlasyonu N adet ehir olduunu varsayalm ij iin cij = ehir iden ehir jye uzaklk ve cii = M (gerek uzaklklara gre ok byk bir uzaklk) olsun Ayn zamanda xij aadaki ekilde bir 0-1 deiken olarak tanmlansn: xij = 1, GSS zm ehir iden ehir jye gitmeyi nersin xij = 0, aksi takdirde GSS formlasyonu: min TOP[i] TOP[j] cij xij her j iin her i iin her ij iin; i=2,3,,N; j=2,3,,N TOP[j] xij = 1 yle ki TOP[i] xij = 1
ui uj + N xij < N 1 Her xij = 0 veya 1, Her ui > 0
(TOP[j], jnin 1den (1 dahil) nye (n dahil) alabilecei tm tamsay deerleri iin toplam olarak okunmaldr) lk kst kmesi satcnn her ehire salt bir kez uramasn salar. kinci kst kmesi satcnn her ehirden salt bir kez ayrlmasn salar. nc kst kmesi aadakileri salar: Tam tur yapmayan herhangi bir xijler kmesi olurlu olmayan zmdr tur yapan herhangi bir xijler kmesi olurlu zmdr UYARI: Byk GSS iin kurulacak bir TP modelinin zm etkin deildir karmak ve zordur. ok sayda ehirin sz konusu olmas durumunda GSSyi dal snr yntemi ile zmek ok fazla bilgisayar zaman gerektirir. Bu yzden genellikle sezgisel yntemler kullanlarak (her zaman en iyi zm bulunmasa da) GSS zlr. Tam
78
5.2 TPNN ZM TP Sorunlarnn Formlasyonu blmnde belirli bir sayda tamsayl programlama rnei inceledik. Bu tip sorunlarn zm iin balca iki yaklam vardr. lk gelitirilen yntem kesme dzlemleri (cutting planes) olarak isimlendirilir. Tamsayl salamak iin kstlar eklemeye dayanr. 1980lerden beri kullanlan ve daha etkin olarak nitelendirilen yntem ise dal snr (branch and bound) olarak isimlendirilir. Sorunu alt sorunlara blen bir aa arama yaklamdr. Aslnda, tm yaklamlar tekrarl bir ekilde DPler zmeyi ierir. DP zm iin genel amal (zlen DPden bamsz herhangi bir DPyi zebilecek yapda) ve etkin ilem yapabilen (byk DPleri zebilen) algoritmalar (rn. simpleks) vardr. TP zm iin ise hem genel amal hem de etkin ilem yapabilen benzer bir algoritma yoktur. TP iin zm yntemleri iki snfa ayrlabilir:
Genel amal (herhangi bir TPyi zebilecek yapda) fakat etkin ilem yapamayan (greli olarak daha kk sorunlar zen); veya zel amal (Belirli bir tipteki TP sorunu iin gelitirilen) ve daha etkin ilem yapabilen.
TP zm yntemleri ayn zamanda zme gitmeleri asndan aadaki gibi de snflandrlabilir:

En iyi (Optimal) Sezgisel (Heuristic)
En iyi algoritma matematiksel olarak en iyi zm bulmay garantiler Baz durumlarda en iyi zmle ok fazla ilgilenmeyebiliriz nk:
zmek istediimiz sorunun bykl mevcut en iyi algoritmalarnn etkin ilem yapabilme snrlarnn stndedir (kullanabileceimiz bilgisayar zaman gibi)
harcanacak zamana, paraya en iyi zm bulmak demez, yaklak bir zm yeterli grlebilir
Bu gibi durumlarda sezgisel algoritmalar kullanlabilir. Bulunan zm olurlu bir zmdr ve byk bir olaslkla iyi tasarlanm bir yntem kullanlyorsa en iyi zme yakn kaliteli bir zmdr. Dr. Y. lker Topcu (www.ilkertopcu.net)
79
Bu durumda zm algoritmalar iin drt farkl kategori vardr:
Genel Amal, En iyi Sayma, Dal snr, kesme dzlemi Genel Amal, Sezgisel durmak (ders kapsamnda deil)
Genel amal bir en iyi algoritmasn altrmak ve belirli bir sre sonunda
zel Amal, En iyi
(ders kapsamnda deil)
Snr retmeye dayal aa arama yaklamlar
zel amal, Sezgisel
(ders kapsamnda deil)
Snr tabanl sezgiseller, tabu arama, genetik algoritmalar....
80
5.2.1 DP Gevetmesi (DP ile liki) Herhangi bir TP iin ayn ama fonksiyonu ve kstlar kullanarak fakat deikenlerin tamsay olma gereksinimini aadaki gibi deitirerek bir DP elde edebiliriz: xi = 0 veya 1 deikeni 0 <= xi <= 1 srekli aralnda deerler alr xi > 0 ve tamsay deikeni salt xi >= 0 iaret snrlamasn salar Deikenler zerindeki tm tamsay ve 0-1 artlarn yoksayarak elde edilen DP, TPnin DP Gevetmesi (LP Relaxation of the IP) olarak isimlendirilir. Sz konusu dorusal gevetmeyi (DG) DP zm algoritmalarn kullanarak zebiliriz. Eer DGnin en iyi zmndeki tm deikenler tamsayl deerler alyorlarsa bu durumda bulunan en iyi zm orijinal TP sorununun da en iyi zmdr (doal tamsayl DP) DG, TP sorununa gre daha az kstl (gevek) olduundan aadaki durumlarla karlalabilir:
Eer TP enbykleme sorunu ise, DGnin en iyi ama deeri TPninkine eit veya daha byktr. Eer TP enkkleme sorunu ise, DGnin en iyi ama deeri TPninkine eit veya daha kktr. Eer DG olurlu deilse (olurlu zm yoksa), TP de olurlu deildir.
Bu durumda DGnin zlmesinin bir bilgi verecei aktr: en iyi ama deeri snr belirlenir ve ansl isek en iyi ama deerini buluruz. Fakat daha nce de grdmz gibi en iyi zmdeki deiken deerlerini tamsay deerlere yuvarlamak genel olarak en iyi TP zmn vermeyebilir; hatta yeni zm olurlu bile olmayabilir. Genel olarak DP tabanl TP zm paketleri aadaki zm srecini kullanr
TPnin belirlenmesi: ama, kstlar, tamsayl deikenler (xj = tamsay ve 0 ile n arasnda). DP Gevetmesinin yaplmas: TPdeki ama ve kstlara ek olarak 0<=xj<=n fakat tamsay olma artnn kaldrlmas. Dal snr algoritmas ile TPnin en iyi zmnn bulunmas
81
5.2.2 Sayma DPden (deikenlerin srekli aralkta deerler alabildii) farkl olarak TPde her deiken sadece sonlu sayda kesikli (tamsay) deerler alabilir. Tm olas zmleri sayma (enumerate) her biri iin ama fonksiyon deerini hesaplama ve olurlu zmlerden en iyisini seme bir zm yaklam olabilir. rnein aadaki ok dnemli sermaye bteleme sorununu inceleyelim,
maks yle ki 0.2 x1 + 0.3 x2 + 0.5 x3 + 0.1 x4 0.5 x1 + 1 x2 + 1.5 x3 + 0.1 x4 < 3.1 0.3 x1 + 0.8 x2 + 1.5 x3 + 0.4 x4 < 2.5 0.2 x1 + 0.2 x2 + 0.3 x3 + 0.1 x4 < 0.4 xj = 0 or 1
4
j = 1, 4
Bu sorun iin 2 =16 olas zm vardr. Bunlar:

x1 x2 x3 x4 0 0 0 0 hi proje uygulama 0 0 0 1 bir proje uygula 0 0 1 0 0 1 0 0 1 0 0 0 0 0 1 1 iki proje uygula 0 1 0 1 1 0 0 1 0 1 1 0 1 0 1 0 1 1 0 0 1 1 1 0 proje uygula 1 1 0 1 1 0 1 1 0 1 1 1 1 1 1 1 drt proje uygula
En iyi zm kesin olarak bulabilmek iin, rneimizde, 16 olas zm hesaplamamz gerekmektedir. Bu rnek TP iin genel bir doruyu gsterir. Kk bir sorunu kolay bir ekilde zmek iin kullanlacak algoritma, sorun bydke artan bir hzla zorlamaktadr. rnein ikili deerler (0-1) alabilen 100 deikenli bir TP modeli iin tek tek saylacak olas zm says 2x2x2x ... x2 = 2100 (yaklak olarak 1030) adettir yaratmasa da ilemsel (saysal) olarak imkanszdr. Tm olas zmleri saymak ve olurlular iinden en iyisini semek kavramsal olarak bir sorun
82
5.2.3 Dal Snr Algoritmas Sistematik bir ekilde olurlu zmlerin saylarak en iyi tamsayl zmn bulunmas iin kullanlan genel amal bir DP tabanl aa arama (LP-based tree search) yntemi olan Dal Snr Algoritmas 1960larn banda Land ve Doig tarafndan nerilmitir. Sayma yntemi gibi tm olurlu zmleri saymak yerine sadece belirli sayda olurlu zm inceleterek (kk bir ksmnn incelenecei midi ile) en iyi zm garanti bir ekilde bulur. 5.2.3.1 rnek ok dnemli sermaye bteleme sorunu iin TP modeli:
maks yle ki 0.2 x1 + 0.3 x2 + 0.5 x3 + 0.1 x4 0.5 x1 + 1 x2 + 1.5 x3 + 0.1 x4 < 3.1 0.3 x1 + 0.8 x2 + 1.5 x3 + 0.4 x4 < 2.5 0.2 x1 + 0.2 x2 + 0.3 x3 + 0.1 x4 < 0.4 xj = 0 veya 1 j = 1, 4
Bu sorunun zmn gletiren deikenlerin tamsay deerler (sfr veya bir) almaya zorlanmasyd. Eer deikenler kesirli deerler alabilseydi (sfr ve bir arasndaki tm deerler) sorunu DP olarak zebilirdik. Sorunun bu ekilde bir DP gevetmesini [xj = 0 veya 1 (j=1,...,4) yerine 0 <= xj <= 1 (j=1,...,4) kstlarn kullanalm] zeceimizi varsayalm. Herhangi bir DP zm paketi ile x2=0.5, x3=1, x1=x4=0 ve en iyi ama fonksiyon deeri 0.65 olarak hesaplanr. Bu durumda esas tamsayl sorunumuzun en iyi ama fonksiyon deeri hakknda fikir sahibi oluruz (<= 0.65). 0.65 en iyi tamsayl zm iin bir st snrdr (upper bound). Sz konusu deerin st snr olmasnn nedeni tamsay zorunluluunu kaldrnca elde edilen DP gevetmesinin zmnn deerinin en az tamsayl zmnki kadar (belki de daha iyi) olacadr. Elde edilen DP gevetmesi zmnde x2 deikeninin tamsayl yerine kesirli bir deer aldn grrz. Tamsayl deer almas iin iki yeni sorunun zm ile ilgilenebiliriz: P1: orijinal DP gevetmesine ek olarak x2=0
83
P2: orijinal DP gevetmesine ek olarak x2=1 Bu ekilde sadece bir deikenin kesirli deer yerine tamsayl deer almaya zorlanarak yeni zm aranmas ilemine dal ilemi (branching) denilir. Dal ilemi, aadaki gibi bir aa zerinde (aa arama isminin nasl ortaya ktn gsterecek ekilde) ematize edilebilir.
P1 ve P2 DP gevetmelerini zersek, aadaki zmleri elde ederiz: P1in zm x1=0.5, x3=1, x2=x4=0, ama fn. deeri 0.6 P2in zm x2=1, x3=0.67, x1=x4=0, ama fn. deeri 0.63 Aadaki ekilde de grld gibi yeni zmlerdeki deiken deerleri de tamsayl deildir:
En iyi tamsayl zm bulmak iin sreci tekrar ederiz, kesirli deer alan bir deikeni tamsayl olmaya zorlayarak iki yeni sorun retiriz.. P1 sorunu zerinde dal ilemi yapalm. Bu durumda elde edilecek DP gevetmeleri ve zmlerinin listesi: P3 (P1e ek olarak x1=0) zm x3=x4=1, x1=x2=0, ama fn.: 0.6 P4 (P1e ek olarak x1=1) zm x1=1, x3=0.67, x2=x4=0, ama fn. 0.53 P2 zm x2=1, x3=0.67, x1=x4=0, ama fn: 0.63
84
Grld gibi bu admda P3 sorununun zm 0.6dr ve tm deikenlerin deerleri tamsayldr. P3 zerinde yeni bir dal ilemi yapmaya gerek kalmaz ve DP gevetmeleri listesinden karlr. En iyi tamsayl zm deeri hakknda yeni bir bilgi elde etmi oluruz: ama fonksiyonunun en iyi zm deeri 0.6 ile 0.65 arasnda (her iki deer dahil) olacaktr. P4 dnelim, u anki deeri 0.53dr ve x3 deikeni kesirlidir. Yeni bir dal ilemi yapmamz durumunda ama fonksiyon deeri daha iyi duruma gelemez. Zaten 0.6lk bir tamsayl zmmz olduundan P4 de DP gevetmeleri listesinden karlr. Bu ekilde alt snrdan (lower bound) daha iyi bir olurlu zm bulunamayaca iin eleme yaplmasna snr ilemi (branching) denilir. Geriye sadece P2 kalr: P2 zm x2=1, x3=0.67, x1=x4=0, ama fn: 0.63 P2 iin dal ilemi yaplrsa P5 (P2ye ek olarak x3=0) zm x1=x2=1, x3=x4=0, ama fn: 0.5 P6 (P2ye ek olarak x3=1) zm olurlu deil Bu durumda ne P5 ne de P6dan dal ilemi yapmak gerekmez. En iyi tamsayl zm (esas sorunun zm) ama fonksiyon deeri 0.6 ve x3=x4=1, x1=x2=0 eklindedir. En iyi zm elde etmek iin kullanlan tm sre:
85
Dikkat edilecei gibi sayma ynteminde saylacak tm olas zmler 16 (24) adet iken biz sadece 7 DP zdk. Dal snr algoritmas ok byk sorunlarla ilgilenilmemesi durumunda en iyi tamsayl zm bulmak iin etkin bir yoldur.
86
5.2.3.2 Grafik zmde Dal Snr Algoritmas rnei (Winston 9.3., s. 503) DP Gevetmesi ve ilk iki alt problem (http://www.isl.itu.edu.tr/ya/branch_and_bound_graphical_f1.jpg) Geri kalan zm (http://www.isl.itu.edu.tr/ya/branch_and_bound_graphical_f2.jpg) LINDO IKTISI:
MAX SUBJECT 2) 3) END GIN 8 X1 + 5 X2 TO X1 + X2 <= 6 9 X1 + 5 X2 <= 2
45
LP OPTIMUM FOUND AT STEP 2 OBJECTIVE VALUE = 41.2500000 SET X1 TO <= 3 AT 1, BND= 39.00 TWIN= 41.00 9
NEW INTEGER SOLUTION OF 39.0000000 AT BRANCH 1 PIVOT 9 BOUND ON OPTIMUM: 41.00000 FLIP X1 TO >= 4 AT 1 WITH BND= 41.000000 SET X2 TO <= 1 AT 2, BND= 40.56 TWIN=-0.1000E+31 12 SET X1 TO >= 5 AT 3, BND= 40.00 TWIN= 37.00 15 NEW INTEGER SOLUTION OF 40.0000000 AT BRANCH 3 PIVOT 15 BOUND ON OPTIMUM: 40.00000 DELETE X1 AT LEVEL 3 DELETE X2 AT LEVEL 2 DELETE X1 AT LEVEL 1 ENUMERATION COMPLETE. BRANCHES= 3 PIVOTS= 15 LAST INTEGER SOLUTION IS THE BEST FOUND RE-INSTALLING BEST SOLUTION... OBJECTIVE FUNCTION VALUE 1) VARIABLE X1 X2 ROW 2) 3) 40.00000 VALUE 5.000000 0.000000 SLACK OR SURPLUS 1.000000 0.000000 REDUCED COST -8.000000 -5.000000 DUAL PRICES 0.000000 0.000000
NO. ITERATIONS= 15 BRANCHES= 3 DETERM.=
1.000E
87
5.2.4 Kesme Dzlemi Tamsayl Programlama sorunlarnn zm iin Dal Snr algoritmasna alternatif bir yaklam Kesme Dzlemi (Cutting Planes) yntemidir. Kesme dzleminde temel fikir, DPye kstlar ekleyerek tamsayl deerler barndran en iyi olurlu zme ulamaktr. Tabii ki zmek istediimiz sorunu deitirmemek iin hangi kstlar ekleyeceimize dikkat etmeliyiz. Ekleyeceimiz zel kstlar kesme (cut) olarak isimlendirilir. Bir kesirli zm iin eklenecek kesme aadaki kriterleri salamaldr: Tm olurlu tamsayl zmler kesme iin de olurlu olmaldr O anki kesirli zm kesme iin olurlu olmamaldr. Sz konusu kriterler aadaki gibi gsterilebilir .
Kesme retmek iin iki farkl yaklam vardr: Gomory kesmeleri bir DP tablosundan kesme retir. Bu yaklamn stnl herhangi bir sorunu zebilmesi, zayf yn ise ok yava olmasdr.. kinci yaklam ise sorunun yapsn kullanarak ok iyi kesmeler retmeye dayanr. Sorundan soruna deien bu yaklam daha etkin hesaplama yapar.
88
5.2.4.1 Algoritma Admlar 1. TPnin DP gevetmesi iin en iyi zm tablosunu bulunuz. Eer tm deikenler tamsayl deerler almsa en iyi zm bulunmutur! Aksi takdirde bir sonraki adma geiniz 2. ST deerinin kesirli ksm ye en yakn olan kst seiniz. 3. Seilen kst iin tm tamsay deerlerini (aaya yuvarlayp) sol tarafa ve artan tm kesirli deerleri sa tarafa toplaynz. 4. Deitirilmi kstn yeni STsi < 0 olacak ekilde bir kesme retiniz 5. Dual simpleks yntemi kullanarak kesme eklenen yeni DP gevetmesinin en iyi zmn bulunuz. Eer tm deikenler tamsayl deerler almsa en iyi zm bulunmutur! Aksi takdirde ikinci adma dnnz 5.2.4.2 Dual Simpleks Yntemi (Enbykleme sorunu iin) En negatif STyi seeriz Bu pivot satrn temel deikeni zmden kar Pivot satrdaki negatif katsayl deikenler iin oranlar hesaplanr (sfrnc satrdaki katsay / pivot satrdaki katsay) Mutlak deerce en kk oranl deien zme girer. 5.2.4.3 rnek Aadaki TP sz konusu olsun: maks z = 8 x1 + 5 x2 st x1 + x2 < 6 9x1 + 5x2 < 45 x1, x2 > 0 ve tamsay Eer tamsay olma koulunu yoksayarsak ve DP gevetmesini zersek elde edeceimiz en iyi zm tablosu:: z 1 0 0 x1 0 0 1 x2 0 1 0 s1 1.25 2.25 - 1.25 s2 0.75 - 0.25 0.25 ST 41.25 2.25 3.75
ST deerinin kesirli ksm ye en yakn olan kst seelim (ikisi de eit uzaklkta olduu iin herhangi biri seilebilir): x1 1.25s1 + 0.25s2 = 3.75
89
Seilen kst iin tm tamsay deerlerini (aaya yuvarlayp) sol tarafa ve artan tm kesirli deerleri sa tarafa toplayalm: x1 2 s1 + 0 s2 3 = 0.75 0.75 s1 0.25 s2 Sol taraf sadece tamsayl deer aldndan, sa taraf deeri tamsay yaplmaldr. u anda bir pozitif kesirli saydan baz pozitif deerler karlmaktadr. Bu durumda sa taraf pozitif olamaz (s>0) ve aadaki kst retilebilir. 0.75 0.75 s1 0.25 s2 < 0 Tm olurlu tamsayl zmler retilen kst iin de olurludur. Fakat u anda s1 ve s2 0 olduundan mevcut en iyi (kesirli) zm olurlu deildir. Bylece eklenen kst bir kesme olur ve Gomory kesme dzlemi olarak isimlendirilir. Kesmeyi DPye ekleyerek yeni bir zm ararz. z 1 0 0 0 x1 0 0 1 0 x2 0 1 0 0 s1 1.25 2.25 - 1.25 - 0.75 s2 0.75 - 0.25 0.25 - 0.25 s3 0 0 0 1 RHS 41.25 2.25 3.75 - 0.75
Dual simpleks oran testi s1in s3 yerine zme girmesini nerir. En iyi zm ayn zamanda tamsayl zmdr: z = 40, x1 = 5, x2 = 0
90
6. PROJE YNETM Proje Belirli bir amac olan ve bir zaman sreci ierisinde birbirleri ile ilgili faaliyetlerin gerekletirildii bir sistem almas Sresi, maliyeti ve kaynak gereksinimi belirli faaliyetler dizisi Proje zellikleri Tek ve belirli bir ama Geici bir organizasyon Snrl zaman Snrl kaynak Birbirleri ile ilikili faaliyetler dizisi evre ve d kstlar
Kriterler Bir almann proje olarak kabul edilebilmesi iin almann bann ve sonunun iyice tanmlanm her gn karlalmayan ilerle ilgili zel bir nemi ve arl karmak yapda eitli organizasyon, blm ve personelle iliki iinde; ok disiplinli olmas gerekir
Projelerde Kullanlan Kaynaklar Zaman, Finansman, ilik, Malzeme, Tehizat, Personel
91
Proje eitleri Yatrm, Sosyal, Kltrel, Askeri, Ekonomik, vb...
Proje rnekleri naat,Hizmet,malat, Aratrma-Gelitirme, Savunma, Ynetim...
Proje Ynetimi Proje Planlama 1. Amacin belirlenmesi 2. Projenin tanmlanmas 3. Faaliyet gereksinimlerinin belirlenmesi 4. Takm oluturulmas Proje izelgeleme 5. Kaynaklarn faaliyetlere atanmas 6. Faliyetler aras ilikilerin dzenlenmesi 7. Gerekli gncellemeler ve dzenlemelerin yaplmas Proje Kontrol 8. Kaynaklarn, maliyetlerin, kalitenin ve btenin izlenmesi 9. Planlarn revizyonu ve gerekli deiikliklerin yaplmas 10. Kaynaklarn deiimi ile talebin karlanmas Proje Ynetiminde Kullanlan Gsterim Trleri ubuk (Gannt) Diyagramlar o Zaman leine bal olarak izilmi bir seri yatay izgi o Her ubuk projedeki bir faaliyetin balang ve biti sresi ile faaliyet iin gerekli zaman gsterir
92
o Kritik faaliyet zincirini gsteremez Devre Diyagramlar o sreleri ve mterek bir birimle ifade edilen i miktar eksenleri zerinde faaliyet izgileri o izginin eimi faaliyet gerekleme hzn (miktar/zaman) gsterir A Diyagramlar o Dm ve oklardan oluan grafik o Faaliyetler arasndaki ilikiyi gsterir o ki tr a diyagram vardr: Ok Diyagramlar (Activity on Arc / Activity on Link) Oklar faaliyetleri, dmler de faaliyetlerin balang/bitiini gsterir Blok Diyagramlar (Activity on Node) Dmler faaliyetleri, oklar da faaliyetler aras ncelik ilikilerini gsterir
rnek Gsterim Be faaliyetten oluan bir proje olduunu varsayalm. A ve B faaliyetleri bitmeden C faaliyeti balayamasn. D, B bittikten sonra balasn. E, Cden sonra olsun. OK DYAGRAMI: Gerekli ncelik ilikilerini gstermek iin yapay ok (kesikli izgi) kullanlabilir Ayn balang ve biti dmn birden fazla faaliyet kullanamaz
BLOK DYAGRAMI
93
6.1 CPM / PERT Eer faaliyetlerin sreleri kesin olarak biliniyorsa, Kritik Yol Yntemi (Critical Path Method CPM) kullanlarak projenin tamamlanma sresi hesaplanabilir. Eer faaliyet srelerinde bir belirsizlik varsa, Program Deerlendirme ve Gzden Geirme Teknii (Program Evaluation and Review Technique PERT) kullanlarak projenin verilen bir zamanda bitirilme olasl hesaplanabilir. Admlar 1. Projenin ve ilgili tm faaliyetlerin tanmlanmas 2. Faaliyetler aras ilikilerin ve balang-biti nceliklerin belirlenmesi 3. A diyagramnn izilmesi 4. Her faaliyete gerekli zaman ve/veya maliyetin atanmas 5. A zerindeki en uzun sreli yolun (kritik yol) hesaplanmas 6. Proje plan, izelgelemesi, izlenmesi ve kontrolu iin an kullanm CPM tij: i. ve j. dm arasndaki faaliyetin sresi ES: Bir faaliyetin en erken balang zaman, EF: Bir faaliyetin en erken biti zaman LS: Bir faaliyetin en ge balang zaman, LF: Bir faaliyetin en ge biti zaman Sij: Toplam Bolluk (S = 0 ise i ve j dmleri arasndaki faaliyet kritik yoldadr) ESij = Maks (EFi), EFij = ESij + tij, LSij = LFij tij, LFij = Min (LSj) LFin = EFin Sij = LSij - ESij veya Sij = LFij - EFijPERT Sresi kesin olarak bilinmeyen faaliyetler iin iyimser (a), ktmser (b) ve en olas (m) sre tahminleri kullanlr. Beta dalm esas alnarak tahmini ortalama ve varyans hesaplanr: Beklenen sre: t = (a + 4m + b) / 6 Varyans: 2 = (b a)2 / 36 ES1j = 0
94
6.1.1 CPM rnei Bir ev yapm iin ncelikle evin tasarlanmas ve gerekli finansmann bulunmas gerekir (3 ay). Daha sonra ev yaplacak yer belirlenir (2 ay) ve ayn zamanda inaat iin gerekli malzeme temin (1 ay) edilir. Yerin belirlenmesi ve malzemenin temini gerekleir gereklemez ev inaatna (3 ay) balanr. Bu srada gerekli boyann seimi (1 ay) ve gerekli demenin seimi (1 ay) pepee gerekleir. Tm bu ilemler bittiinde son ilemler (1 ay) yaplr ve ev yapm projesi biter. Projenin tamamlanma sresini ve kritik yolu bulunuz.
Yer belirleme Yapay Ev inaat Ev tasarlanmas ve finansman bulunmas Malzeme temini Boya seimi Deme seimi Son ilemler
Kritik yol: 123467;
Projenin tamamlanma sresi: 9 ay
95
6.1.2 PERT rnei Aadaki tabloda verilen faaliyetlerden oluan bir proje sz konusu olsun. Kritik yol zerindeki faaliyetleri bulunuz. Projenin beklenen tamamlanma sresini ve varyansn hesaplaynz Faaliyet A B C D E F G H I J K a 6 3 1 2 2 3 2 3 2 1 1 m 8 6 3 4 3 4 2 7 4 4 10 b 10 9 5 12 4 5 2 11 6 7 13 nceki faaliyet A B C C A, E, F A, E, F D G, H, I
Kritik yol: 13579
(B, E, H ve K faaliyetleri kritik yol zerinde) (1+1/9+16/9+4)
Projenin beklenen tamamlanma sresi: tp=25 hafta; Projenin varyans: p2=62/9
96
6.2 PROJE SRES N OLASILIK ANALZ Beklenen proje sresinin normal dald varsaylr (merkezi limit teoremi). Dalmn ortalamas () beklenen proje sresi, varyans (2) da projenin varyansdr rnek PERT rneindeki projenin 30 haftada veya daha az srede tamamlanma olasl ile 22 haftada veya daha az srede tamamlanma olasl nedir? Proje iin dalmn ortalamas () 25, standart sapmas () 2.63dr. Z = (x ) / = (3025)/2.63 = 1.90Tabloda Z=1.9a karlk gelen olaslk .4713dr. Bu durumda projenin 30 haftada veya daha az srede tamamlanma olasl P(x<30) = .5 + .4713 = .9713
Projenin 22 haftada veya daha az srede tamamlanma olasln bulmak iin: Z = (x ) / = (2225)/2.63 = 1.14Tabloda Z=1.14e karlk gelen olaslk .3729dur. Bu durumda projenin 22 haftada veya daha az srede tamamlanma olasl P(x<22) = .5 .3729 = .1271
97
6.3 PROJENN DORUSAL PROGRAMLAMA LE MODELLENMES Ama projenin tamamlanabilecei sreyi enkklemektir. i ve j dmleri arasndaki bir faaliyet iin xi : i. dmn (olayn) en erken gerekleme zaman (ET(i)) xj : j. dmn en erken gerekleme zaman tij: faaliyetin sresi olmak zere n dml bir proje iin DP modeli min z = xn x1 s.t. xj xi > tij tm faaliyetler iin xi > 0 i = 1,2, ..., n CPM rnei iin DP modeli min z = x7 x1 yle ki x2 x1 > 12 (A faaliyeti) x3 x2 > 8 (B faaliyeti) x4 x2 > 4 (C faaliyeti) x4 x3 > 0 (yapay faaliyet) x5 x4 > 4 (D faaliyeti) x6 x4 > 12 (E faaliyeti) x6 x5 > 4 (F faaliyeti) x7 x6 > 4 (G faaliyeti) xi, xj > 0 DP modelinin zmnn Lindo kts
OBJECTIVE FUNCTION VALUE 1) 36.00000 VARIABLE VALUE X7 36.000000 X1 0.000000 X2 12.000000 X3 20.000000 X4 20.000000 X5 28.000000 X6 32.000000 ROW SLACK OR SURPLUS A) 0.000000 B) 0.000000 C) 4.000000 YAPAY) 0.000000 D) 4.000000 E) 0.000000 F) 0.000000 G) 0.000000
REDUCED COST 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 DUAL PRICES -1.000000 -1.000000 0.000000 -1.000000 0.000000 -1.000000 0.000000 -1.000000
Glge fiyat = 1 Faaliyet kritik yol zerinde: A, B, Yapay, E, G (123467) Ama fonksiyonu en iyi deeri = Projenin tamamlanma sresi = 36 hafta (9 ay)
98
6.4 PROJE SRESNN DARALTILMASI VE ZAMAN MALYET DE TOKUU (Project Crashing and Time Cost Trade-off) Proje sresi faaliyetlere daha fazla kaynak atanarak azaltlabilir. Sz konusu atama proje maliyetini ykseltir. Bu durumda zaman ve maliyet arasnda bir dei toku analizi yapmak gerekir. Bir veya daha fazla sayda faaliyetin normal faaliyet srelerini daha fazla kaynak kullanm ile ksaltarak projenin tamamlanma sresinin azaltlmas ileminde hangi faaliyetlerin seilecei karar proje sresinin daraltlmas yntemi ile verilir. Daraltlm faaliyet sresi ile maliyet arasnda dorusal bir iliki olduu varsaylr: rnek Bir faaliyetin sresi 12 haftadan 7 haftaya indirilirken ilgili maliyet $3000den $5000e kyorsa haftalk daraltma maliyeti (5000 3000) / (12 7) = $400/haftadr. Proje Ynetimi rnei 1 iin proje sresinin daraltlmas aadaki gibi olsun: Haftalk Normal Daraltlm Normal Daraltlm Faaliyet daraltma sre sre maliyet maliyet maliyeti 12 12 7 3000 5000 400 23 8 5 2000 3500 500 24 4 3 4000 7000 3000 34 0 0 0 0 0 45 4 1 500 1100 200 46 12 9 50000 71000 7000 56 4 1 500 1100 200 67 4 3 15000 22000 7000 110700 toplam 75000 Projeyi 30 haftada bitirmek iin hangi faaliyetlerin sresi ne kadar ksaltlmaldr?yij = i ve j dmleri arasndaki faaliyetin sresindeki daralma (ksaltma) iken
min z = 400y12 + 500y23 + 3000y24 + 200y45 + 7000y46 + 200y56 + 7000y67 y12 + x2 - x1 > 12 yle ki y12 < 5 y23 < 3 y23 + x3 - x2 > 8 y24 < 1 y24 + x4 - x2 > 4 y34 < 0 y34 + x4 - x3 > 0 y45 < 3 y45 + x5 - x4 > 4 y46 + x6 - x4 > 12 y46 < 3 y56 < 3 y56 + x6 - x5 > 4 y67 < 1 y67 + x7 - x6 > 4 x7 x1 < 30 xj, yij > 0
U U U U U U U U U U U U U U U U U U U U U U U U U U U U U U U U U U U U
DP modelinin zm: z = 2500 (daraltma iin denecek fazla maliyet) y12 = 5, y23 = 1 (12 faaliyeti 5 hafta, 23 faaliyeti 1 hafta daraltlmaldr)
99

Yon Eylem

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Yon Eylem

Uploaded by

Copyright:

Available Formats

END801 YNEYLEM ARATIRMASININ TEMELLER DERS NOTLARI

Dr. Y. lker Topcu

Dr. Y. lker Topcu (www.ilkertopcu.net)

DUYARLILIK ANALZ .......................................................................................... 32

Dr. Y. lker Topcu (www.ilkertopcu.net)

3.4.4 3.4.5 3.4.6 4. 4.1

TEMEL OLURLU ZMN BULUNMASI ..................................................... 46

GEC KONAKLAMA SORUNLARI.................................................................. 57

TPNN ZM .................................................................................................. 79 Dr. Y. lker Topcu (www.ilkertopcu.net)

5.2.1 5.2.2 5.2.3 5.2.4 6. 6.1

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

deikenler (variables) kstlar (constraints) ama.(objective)

Eitsizlik kullanma "en iyileme" (optimization) sorunlarndaki kstlarda esneklik

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

DP'lerin temel uygulama alanlarna aada eitli rnekler verilmitir:

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

12x2 > 24 x2 > 0

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

+x3 +x4 +x5 +x6 +x7 11

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

z -60x1 -30x2 8x1 4x1 2x1

-20x3 x3 +s1 +s2 +s3

+ 2x2 +1.5x3 +1.5x2 + .5x3 x2

R2 satr ilemleri ile dier satrlarda giren deiken yok edilir:

Dr. Y. lker Topcu (www.ilkertopcu.net)

+5x2 -2x2 -2x2 x1+1.25x2 x2 +

+ 10s2+10s3 = 280 s1 2s2- 8s3 2s2- 4s3 = 24 =8 =2 s4 = 5

(R0+5R2) (R1+R2) (R2) (R3-.5R2) (R4)

Dr. Y. lker Topcu (www.ilkertopcu.net)

1 -60 -30 -20 0 8 4 6 1 1

1 .75 .25 1 kinci adm ve en iyi tablo: z 1 x1 0 0 0 x2 5 -2 -2 x3 0 0 1 s1 0 1 0 0 0 s2

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Oran testi yaplamad iin zlmek istenen DP snrl olmayan DPdir.

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

Dr. Y. lker Topcu (www.ilkertopcu.net)

ROW SLACK OR SURPLUS 2) 0.000000 3) 0.000000

Dr. Y. lker Topcu (www.ilkertopcu.net)

enkkleme sorunu iin

Dr. Y. lker Topcu (www.ilkertopcu.net)

+ 10s2 + 10s3 +s1 + 2s2 + 2s2 8s3 4s3

= 280 = 24 = 8 = 2 +s4 = 5 (1)

+ 1.5x2' + .5x3' x2'

Dr. Y. lker Topcu (www.ilkertopcu.net)