1 DPKararverme

DORUSAL PROGRAMLAMA KARAR VERME
r.Gr.Dr.Habip KOAK Marmara niversitesi

1
DORUSAL PROGRAMLAMA
KARAR VERME VE MODELLER
2
Karar Verme
Alglanan ihtiyalara zg kastl ve dnceli seim
(Kleindorfer ve di., 1993)
Karar Verici (KV)nin mevcut tm seenekler arasndan
amacna veya amalarna en uygun bir veya birka
seenei seme srecine girmesi (Evren ve lengin, 1992)
En genel hali ile karar verme; KVnin mevcut seenekler
arasndan bir seim, sralama ya da snflandrma
yapmas gibi bir sorunu zmesi srecidir
3
yi Bir Karar
Karar verme kalitesini lecek tek bir ortak l
saptanamamtr (Olson ve Courtney, 1992)

yi karar verme sanat sistematik dnce ile oluur
(Hammond ve di., 1999)

yi bir karar;
Manta dayanr
Tm mevcut kaynaklar kullanr
Tm olas seenekleri inceler
Saysal bir yntem uygular

4
Karar Verme Sreci
Dar anlamda karar verme, eitli alternatifler iinde en uygun olannn seiminin
yapld bir sre olarak tanmlanabilir.
Karar Verme Sreci, deiik kaynaklarda farkl aamalarla sralanmtr. Ancak farkl
yaklamlarn ortak noktalar dikkate alndnda, sz konusu srecin aamalarn
aadaki gibi ifade etmek yanl olmaz.
1. Karar probleminin tanmlanmas
-Karar verecek kii veya kiiler
-Ama
-Alternatif eylem biimleri
-Belirsizlik
2. Karar probleminin modelinin kurulmas
Problemin kolayca zmlenebilmesi iin dier bir deyile problemi en iyi biimde
temsil edecek ve problemin zmndeki belirsizlikleri en aza indirecek bir
modelin kurulmas gerekir.
Model: Bir sistemin deien arlar altndaki davranlarn incelemek, kontrol
etmek ve gelecei hakknda tahminlerde bulunmak amacyla elemanlar arasndaki
bantlar kelimler veya matematik terimlerle belirten ifadeler topluluuna model
denir.
3. Modelden zm elde edilmesi
4. Modelin zmnn test edilmesi
5. Karar verme ve kararn uygulamaya konulmas
5
Her basamak arasnda
geribesleme
bulunmaktadr
5
Yneylem Aratrmasnn metodolojisi: yi bir YA uygulamasnn
alt basama
6
6
Yneylem aratrmasnn metodolojisi: yi bir YA
uygulamasnn alt basama
Amalar nelerdir?
Problem ok dar
kapsaml m ele alnd?
Problem ok geni
kapsaml m ele alnd?
7
Mmkn seenekler arasndan bir faaliyet veya
faaliyetler dizisinin benimsenmesine karar denir
Karar verici, alternatif stratejiler arasndan en uygun
olann seme konusunda karar verme yetkisine sahip
birey ya da toplulua verilen genel isimdir
Karar vericinin ulamak istedii bir amacnn olmas,
bu amaca ulamada izlenebilecek alternatif stratejilerin
bulunmas ve alternatifler iinden hangisinin amac
gerekletirebilecei konusunda kuku iinde
bulunulmas gerekmektedir
Ancak bu koullarda bir problem vardr denir
7
Problemin tanmlanmas
8
8
Hangi veriler
toplanmal?
Veriler nasl
toplanmal?
Sistemin farkl
paralar birbirleriyle
nasl etkilemektedir?
9
Sistem gzlemlenir ve probleme etki eden parametreler
tahmin edilmeye allr
Bu amala veri derlenmesi, bu admn ok nemli bir
ksmn oluturur
Tahmin deerleri sabit saylar olarak ileme tabi
tutulurlar ve matematiksel modelin gelitirilmesinde
kullanlrlar
Problem elemanlarnn duruma en uygun biimde
belirlenebilmesi iin sistem yaklam kullanlr
9
Sistemin gzlenmesi
10
Bir snr ierisinde, birbirleriyle etkileim iinde
bulunan ve ortak bir amaca ynelmi olan eler
topluluudur
Sistem, girdileri ktlara dntren birbirleriyle ilikili
faaliyetlerden ve elerden (elemanlardan) olumaktadr
Sistemin ok sayda girdisi ve kts olabilir
10
Sistem nedir?
ktlar
Girdiler
Prosesler
11
11
Yneylem aratrmasnn metodolojisi: yi bir YA uygulamasnn alt
basama
Hangi tr model
kullanlmal?

Model, problemi tam
olarak ifade ediyor
mu?

Model ok mu
karmak?
12
Problemin kolayca zlebilecek bir yapya oturtulmas
gerekmektedir
Model nedir?
Bir sistemin deien koullar altndaki davranlarn
incelemek, kontrol etmek ve gelecei hakknda
varsaymlarda bulunmak amacyla elemanlar arasndaki
balantlar kelimeler veya matematiksek terimlerle
belirleyen ifadeler topluluuna model denir
12
Model gelitirmek
13
13
Model gelitirmek
Sistem
Gerek sistem zerinde
almak
Sistem modeli zerinde
almak
Fiziksel modeller
zerinde almak
Matematiksel modeller
zerinde almak
Analitik model
zerinde almak
Simlasyon modeli
zerinde almak
14
Her modelin kurulu amac, belirli bir ekonomik sistemi
ynetmekle grevli kii veya kiilere (karar vericiye) mmkn
karar seeneklerini sunmak, bunlarn sonularn belirlemek ve
karlatrmalar yapmaktr
Yneylem aratrmasnn karar vermeye en nemli katks
matematiksel modellerdir
Bir sistemin davranlaryla ilgili kurallarn matematiksel olarak
ifade edilmesiyle matematiksel modeller kurulur
Eer ele alnan sistem matematiksel modellerle zlemeyecek
kadar karmak bir yapya sahipse sistemin bir simlasyon modeli
kurulur.
Simlasyon, bir sistemin tm alma zaman boyunca davran
eklinin bilgisayar ortamnda taklit edilmesidir
14
Model gelitirmek
15
Ekonomik sistemlerin matematiksel modellerinde kullanlan elemanlarn
ana grupta toplamak mmkndr:
1. Ama fonksiyonu
2. Karar deikenleri
3. Kstlar
Bir karar verme durumunda ilgilenilen sistem dikkatli bir ekilde gzlemlenir
ve deerleri kontrol edilebilen ve sistemin performansn etkileyen
parametreler belirlenir. Bu parametreler yneticilerin kontrol altndadr ve
karar deikenleri olarak tanmlanrlar. Bir retim sisteminde farkl rnlerin
retilecek miktarlar, bir yerden baka yere tanacak rn miktar, ii says,
makina says vb
Karar deikenlerinin ama zerindeki etkilerinin analitik olarak
gsterilmesiyle ama fonksiyonu oluturulur
Kstlar, sistemin iinde bulunduu koullardan kaynaklanmaktadr (talep
kstlar, kapasite kstlar gibi)
15
Matematiksel modellerin elemanlar
16
16
Yneylem aratrmasnn metodolojisi: yi bir YA uygulamasnn alt
basama
En uygun zm
teknii nedir?
Analitik zm
Algoritmalar
Simlasyon
Sezgisel
17
Analitik zm: Problemin Lagrange arpanlar, diferansiyel ve integral
hesaplar ile koullu en iyi zmnn bulunmasdr. Analitik zmde
sadece matematiin deil iktisat teorisinin de temel kurallar kullanlr
Algoritma zm: Analitik zm bazen ok zor veya imkansz olabilir.
Belirli bir sra ierisinde gerekletirilen matematiksel ve mantksal ilemler
kmesine algoritma denir. Yinelemeli olarak uygulanan algoritmalar her
admda optimuma daha yakn bir zme doru ilerler
Simlasyon zm: Problem, analitik olarak veya algoritmalarla
zlemiyorsa kullanlr. Sistemin davran ekli bilgisayar ortamnda taklit
edilir
Sezgisel zm: Problem optimum zm bulunamayacak kadar
karmaksa, sezgisel yntemler sezgiye veya baz deneysel kaytlara
dayanan karar kurallar ile belirli sayda admdan sonra en iyi olmasa da
tatminkar bir sonu verirler
17
Modelin zlmesi
18
18
Modelden elde edilen
ktlar sistemin
kendisinden elde
edilen ktlarla
uyuuyor mu?
Modelden elde edilen
ktlar mantkl m?
Model hatal olabilir
mi?
19
Modelden elde edilen zm uygulamaya koymadan nce
geree uygunluunun kantlanmas gerekir
Eer zm sistemin gemi dnem sonularn aynen veya
daha olumlu bir ekilde salyorsa, modelin geerli olduu
kabul edilir
Eer sistemin gemi dnem sonular yoksa simlasyondan
yararlanlr
Model geerliliinin kantlanmasnda bir baka yol olarak da
sistemdeki deneyimli kiilerin grlerine bavurulabilir
19
Modelin geerliliinin gsterilmesi
20
20
Yneylem aratrmas
ekibi, uygulama
srecini aklamal ve
uygulamada yardmc
olmaldr
Uygulamann nasl
yaplaca bir rapor
halinde ynetime
sunulmaldr
21
21
Baarl Yneylem Aratrmas Uygulamalar
irket Yl Problem Kullanlan Teknik Yllk Tasarruf
Hewlett Packard 1998 retim hattnda ara stok tasarm Kuyruk Modelleri $280 million
Taco Bell 1998 gc izelgelemesi
Tamsayl Programlama,
Tahmin, Simlasyon
$13 million
Proctor & Gamble 1997
retim ve datm sisteminin
yeniden tasarlanmas
Ulatrma Modelleri $200 million
Delta Airlines 1994 Uaklarn rotalara atanmas Tamsayl Programlama $100 million
AT&T 1993 ar merkezi tasarm
Kuyruk modelleri,
Simlasyon
$750 million
Yellow Freight Systems,
Inc.
1992 Nakliye ebekelerinin tasarm
ebeke Modelleri, Tahmin,
Simlasyon
$17.3 million
San Francisco Police
Dept.
1989 Devriye izelgeleme Dorusal Programlama $11 million
Bethlehem Steel 1989 Kle kalb tasarm Tamsayl Programlama $8 million
North American Van
Lines
1988 Ykleri ofrlere atamak ebeke Modelleme $2.5 million
Citgo Petroleum 1987 Rafineri operasyonlar & datm
Dorusal Programlama,
Tahmin
$70 million
United Airlines 1986
Rezervasyon personelinin
izelgelenmesi
Dorusal Programlama,
Kuyruk, Tahmin
$6 million
Dairyman's Creamery 1985 Optimum retim seviyeleri Dorusal Programlama $48.000
Phillips Petroleum 1983 Ekipman yenileme ebeke Modelleme $90.000
22
Yneylem aratrmasnda karlalabilecek matematiksel
model trleri, ilgilenilen karar probleminin yapsna gre
ekillenir
22
Matematiksel Model Trleri
23
23
Zorlayor

Zor
la
yor
Matematiksel Model
Kstsz Kstl
Statik
Dinamik
Deterministik
Stokastik
Tek amal
ok amal
Srekli karar
deikeni
Kesikli karar
deikeni
Dorusal
programlar
Dorusal olmayan
programlar
Tamsayl
programlar
Kombinatoryel
programlar
24
Eer karar deikenleri zerinde hibir snrlama yoksa kstsz
modeller ortaya kar, en azndan bir snrlama olmas kstl
modelleri ortaya karr. Gerek hayatta genellikle kstl problemler
karmza kar.
Eer problem tek bir dnem iin zlecekse statik model, birden
fazla dnem gz nne alnarak zlecekse dinamik model ortaya
kar.
Eer birden fazla ama varsa ok amal problemler ortaya kar.
Eer tm karar deikenleri pozitif reel (gerel) deerler alyorsa
srekli optimizasyon problemi sz konusudur
Tm karar deikenlerinin tamsay deerler almas gerekiyorsa
kesikli optimizasyon problemi ortaya kar
Baz karar deikenlerinin reel, bazlarnn tamsay deer almas
durumunda ise kark kesikli optimizasyon problemi ile karlarz.
Eer karar deikenlerinin kombinatoryal seenekleri sz konusuysa
kombinatoryal optimizasyon problemleri ortaya kar.
24
Matematiksel Model Trleri
25
Dinamik modeller iin kullanlan yaklam dinamik programlamadr.
Eer optimize edilecek birden fazla ama varsa genellikle kullanlan
yaklam hedef programlamadr.
Modeldeki tm fonksiyonlarn dorusal olmas durumunda srekli
optimizasyon problemleri dorusal programlama yntemi ile zlr.
Srekli optimizasyon modelinde en azndan bir fonksiyonun dorusal
olmamas durumundaysa dorusal olmayan programlama yntemi kullanlr.
Eer kesikli optimizasyon problemlerinde karar deikenleri herhangi bir
tamsay deer alyorsa tamsayl programlama yntemi kullanlr.
Kombinatoryal optimizasyon problemlerinin belirli bir boyuta kadar olan
tamsayl programlama yntemi ile zlrken, orta ve byk boyutlu
problemlerin sezgisel yntemlerle zlmesi gerekmektedir.
25
Matematiksel model trlerine gre kullanlan zm yaklamlar
26
Dorusal Programlama
Gnmzde, iletme, ekonomi ve muhasebe dallarn en yakndan ilgilendiren
konulardan bir olan dorusal programlama, ayn zamanda yneylem
aratrmasnda da en nemli konulardan biridir. Dorusal programlama,
kaynaklarn optimal dalmn elde etmeye, maliyetleri minimize, kar ise
maksimize etmeye yarayan bir tekniktir.
Dorusal Programlama, optimizasyon problemlerinin zmnde kullanlan bir
yntemdir. 1947 de, George Dantzig, dorusal Programlama problemlerinin
zmnde kullanlan etkin bir yol olan Simpleks Algoritma y buldu ve bu
bulula birlikte dorusal Programlama, sklkla ve hemen hemen her sektrde
kullanlmaya baland.
Temel olarak, dorusal Programlama, kt kaynaklarn optimum ekilde
dalmn ieren deterministik bir matematiksel tekniktir.
Dorusal programlama, iyi tanmlanm dorusal eitliklerin veya eitsizliklerin
kstlayc koullar altnda dorusal bir ama fonksiyonunu en iyi (optimum/
maksimizasyon-minimizasyon) klan deiken deerlerinin belirlenmesinde
kullanlan matematiksel programlama tekniidir.
27
DP Modelinin Yapsal Unsurlar-devam
1.Ama fonksiyonu
Karar vericinin ulamak istedii hedef dorusal bir denklem ile aklanr. Ama fonksiyonu olarak
bilinen bu denklem, karar deikenleri ile karar vericinin amac arasndaki fonksiyonel ilikiyi
gsterir.
Z
enk/enb
=c
1
x
1
+ c
2
x
2
+ .....c
n
x
n

2. Kstlayc fonksiyonlar (kstlayclar/kstlar)
Karar deikenleri ve karar deikenleriyle parametrelerin birbirleriyle olan ilikilerinde salanmas
zorunlu olan ilikilerin matematiksel olarak aklanmasyla elde edilen denklemlere kstlayc
fonksiyonlar denir. Kstlayclarn deerleri kesin olarak nceden belirlenmi olup sistemin
tanmlanmasnda kullanlr. Kstlayc fonksiyonlar sadece kaynaklarn snrlarn deil, gereksinim
ve ynetim kararlarn ifade etmekte de kullanlr.
a
11
x1+a
12
x
2
+..................+a
1n
x
n
s=>b
1
a
21
x1+a
22
x
2
+..................+a
2n
x
n
s=>b
2

a
m1
x1+a
m2
x
2
+................+a
mn
x
n
s=>b
m

3. Negatif olmama koullar
Karar deikenlerinin deerleri negatif olmaz.
x
1
, x
2
,........x
n
> 0 veya ksaca x
j
> 0 (j=1, 2, 3, , n)
=
=
n
1 j
j j enk / enb
x C Z
m) ..., 3, 2, 1, (i b ) ; ; ( x a
i
n
1 j
j ij
= > = s
=
28
DP Modelinin Yapsal Unsurlar-devam
4. Karar deikenleri
Karar vericinin denetimi altnda olan niteliklere karar deikenleri denir. Bunlar
modele ilikin bilinmeyenler olup deerleri modelin zmnden sonra
belirlenir. Bu deikenler karar vericinin denetimi altnda olduklarndan bunlara
kontrol deikenleri de denir.
x
j
:

Belirli bir zaman dneminde jinci rnn retim miktar veya faaliyet
dzeyi.
j=1, 2, 3, n : rn eidi, faaliyet says.
5. Parametreler
Alabilecei deerlerde karar vericinin hibir etkisi olmayan niteliklere parametre
veya kontrol d deikenler denir. Belirli koullarda belirli deerler alan
parametreler problem iin veri durumundadr.
C
j
:

jinci karar deikeninin ama fonksiyonu katsays (parametre)-(birim kar,
birim fiyat, birim maliyet vs.).
a
ij
:

jinci rnden bir birim retmek iin iinci kaynaktan tketilen kaynak
miktar veya girdi katsays
b
i
:

n saydaki rn iin elde bulunan iinci snrl kaynak miktar.

i= 1, 2, 3, , m : retim blmlerinin veya retim kaynaklarnn says.
29
DP Modelinin Genel Grnm
Ama Fonksiyon Z
enk/enb
=c
1
x
1
+ c
2
x
2
+ .....c
n
x
n

Kstlayc fonksiyonlar a
11
x
1
+a
12
x
2
+..................+a
1n
x
n
s=>b
1
a
21
x
1
+a
22
x
2
+..................+a
2n
x
n
s=>b
2

a
m1
x
1
+a
m2
x
2
+................+a
mn
x
n
s=>b
m
Negatif Olmama Koulu x
1
, x
2
,........x
n
> 0

30
DP Modelinin Matris Gsterimi
| |
b Ax
Cx
) ; ; (
b
.
b
b
) ; ; (
x
.
x
x

a
.
a
a
. . a a
. . . .
. . a a
. . a a
ar Fonksiyonl Kstlay
x
.
.
.
x
x
C . . . C C Z
Fonksiyonu Ama
m
2
1
n
2
1
mn
n 2
n 1
2 m 1 m
22 12
12 11
n
2
1
n 2 1 enk / enb
> = s =
(
(
(
(
> = s
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
=
31
DPnin Varsaymlar
1.Dorusallk (veya Oransallk) Varsaym: Modeldeki fonksiyolarn hepsi
dorusaldr. Bu varsaym gereklemedii takdirde DOP sz konusudur.
2.Toplanabilirlik Varsaym
3.Kesinlik Varsaym:
Bu varsaym, tm parametrelerin (ama fonksiyonu katsays, sa el taraf ve
teknolojik katsay) kesin olarak bilindiini ve ilgili dnemde deimeyeceini
ngrr. Eer bu deerler tam olarak bilinmiyorsa, sonu gvenilir
olmayacaktr. Byle bir durumda duyarllk analizine bavurulabilir.
4. Negatif Olmama Varsaym
Karar deikenleri negatif deerler alamaz.
5. Blnebilirlik Varsaym
Bu varsaym, her karar deikenlerinin ondalkl bir say alabilecei anlamna
gelir. Bu varsaym ortadan kalktnda tamsayl programlama sz konusu olur.

32
DPnin Uygulama Alanlar
Ulatrma ve datm kanallar
Beslenme ve kartrma problemleri
reim planlamas
Yatrm planlamas
Grev datm
Arazi kullanm planlamas
Kurulu yeri seimi
Oyun teorisi

33
DP Problemlerinin Modelinin Kurulmas
DP Problemlerinin modelinin kurulmasnda aadaki admlarn
izlenmesi gerekmektedir.
1. Karar deikenlerinin tanmlanmas ve bunlarn sembolize
edilmesi
2. Amacn belirlenerek ama fonksiyonun karar deikenlerinin
dorusal bir fonksiyonu olarak yazlmas
3. Tm kstlamalarn karar deikenlerinin dorusal bir
fonksiyonlar olarak eitlik veya eitsizlik olarak yazlmas
4. Negatif olmama koullarnn yazlmas.

34
rnek DP Modeli-1
nci kimya firmas X ve Y gibi iki tip kimyasal madde
retmektedir. 1 litre X rnnn maliyeti 160 TL. , 1 litre Y
rnnn maliyeti ise 240 TL. dir. Mteri talebine gre, firma,
gelecek hafta iin en az 6 litre X ve en az 2 litre Y rn
retmelidir. X ve Y kimyasal rnlerinde kullanlan
hammaddelerden birisinin sunumu azdr ve sadece 30 gr.
salanabilmektedir. X rnnn bir litresinde bu hammaddeden 3
gr. ve Y nin litresinde de 5 gr. gerekli olmaktadr.
nci firmas, toplam maliyetini minimize etmek iin X ve Y
rnlerinden kaar litre retmesi gerektii konusunda ok byk
bir kararszlk ierisine girmitir. Bu soruyu yantlayacak modeli
kurunuz.
35
rnek DP Modeli-1-devam
Problemde karar deikenleri,
x
1
= retilecek X rnnn miktar ( litre )
x
2
= retilecek Y rnnn miktar ( litre )
Minimize edilmek istenen toplam maliyet
160x
1
+ 240x
2
dir.
stenen gerekli minimum miktar ise
x
1
> 6 ve x
2
> 2 dir.
Hammadde kstlaycs ise
3x
1
+ 5x
2
s 30 dur.
Bylece minimizasyon modeli yle olacaktr:
Min z = 160x
1
+240x
2

x
1
>6
x
2
>2
3x
1
+5x
2
s30
x
1
, x
2
> 0
36
rnek DP Modeli-2
Mgest irketi kapasite sorunu yznden gnde 120.000 kg. dan
daha ok st ileyememektedir. Ynetim, ya veya ilenmi st
iin kullanlan stn dengelenmesi iin peynir fabrikasnda en az
10.000 kg. lk gnlk st kullanmak istemektedir. Bir kg. stn ya
retimi iin kullanldnda, kara katks, 4 TL., ie st olarak
kullanldnda katks 8 TL. ve peynir retimi iin kullanldnda
ise katks 6 TL. dir.
Ya blm gnde 60.000 kg., st ieleme donanm gnde
40.000 kg., peynir donanm ise gnde 30.000 kg. st ileyebilir.
irket karn maksimize etmek istediine gre problemi
dorusal programlama modeli olarak ifade ediniz.
37
zm:
Karar Deikenleri
x1 = Ya yapmnda kullanlan st miktar ( kg )
x2 = ielemede kullanlan st miktar ( kg )
x3 = Peynir yapmnda kullanlan st miktar ( kg )
letmenin karn maksimize edecek ama fonksiyonu;
Maksimum z = 4x1 + 8x2 + 6x3
Kstlar ise;
x3 > 10.000
x1 s 60.000
x2 s 40.000
x3 s 30.000
x1 + x2 + x3 s 120.000
Negatif Olmama koulu;
x1, x2, x3 > 0

1 DPKararverme

Uploaded by

Document Information

Original Title

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

1 DPKararverme

Uploaded by

Copyright:

Available Formats

DORUSAL PROGRAMLAMA KARAR VERME

r.Gr.Dr.Habip KOAK Marmara niversitesi

You might also like