Wprowadzenie do badań operacyjnych – przedmiot
BO
Podstawowym przedmiotem badań operacyjnych są
decyzje
Decydent – jednostka podejmująca decyzje – zawsze
działa w sytuacji decyzyjnej, co znaczy, że ma
możliwość podjęcia decyzji z pewnego zbioru decyzji.
Mamy więc do czynienia z problemem decyzyjnym
Decyzja, która zostanie podjęta, musi być zgodna z
warunkami ograniczającymi. Taką decyzję nazywamy
decyzją dopuszczalną. Inne decyzje są niemożliwe do
realizacji; takie decyzje będą nazywane
niedopuszczalnymi
To, czy dana decyzja jest dopuszczalna czy jest
niedopuszczalna, zależy od warunków
ograniczających narzuconych decydentowi przez
sytuację decyzyjną
Wprowadzenie do badań operacyjnych – przedmiot
BO
Które decyzje, ze zbioru decyzji dopuszczalnych są
lepsze, a które gorsze, zależy od celu działania
decydenta. Musi on dokonać wyboru najlepszej (z
punktu widzenia przyjętego celu) decyzji
dopuszczalnej – czyli decyzji optymalnej
Z punktu widzenia celu, jaki stawia sobie decydent,
decyzje są porównywalne w tym sensie, że jeśli dane są
dowolne dwie decyzje dopuszczalne, to można wskazać
decyzję lepszą, decyzję gorszą albo stwierdzić, że obie
decyzje są równoważne. Kryterium, według którego
decydent ocenia decyzje nosi nazwę kryterium
wyboru
Wprowadzenie do badań operacyjnych – zadanie
decyzyjne
Wiele decyzji ekonomicznych ma charakter ilościowy. W
związku z tym problem wyboru decyzji najlepszej
można opisać w języku matematycznym, tzn. można
sformułować model matematyczny danej sytuacji
decyzyjnej, mówiąc inaczej: zadanie decyzyjne
Model matematyczny, w najogólniejszym pojęciu, jest
abstrakcyjnym przedstawieniem rzeczywistych
zależności. Rozwiązanie modelu matematycznego
sprowadza się do wyznaczenia rozwiązania optymalnego
Model matematyczny problemu decyzyjnego nazywa się
modelem (zadaniem) decyzyjnym lub modelem
(zadaniem) optymalizacyjnym
Reasumując możemy powiedzieć, że badania operacyjne dostarczają metod
rozwiązywania zadań decyzyjnych, czyli metod pozwalających wyznaczyć
optymalne decyzje ekonomiczne w różnych sytuacjach praktyki
gospodarczej
Wprowadzenie do badań operacyjnych –
rozwiązywanie ZD
Rozwiązanie problemu decyzyjnego za pomocą badań
operacyjnych jest procedurą składającą się z kilku
etapów:
1. Rozpoznanie sytuacji decyzyjnej i wynikającego z
niej problemu decyzyjnego,
2. Budowa modelu decyzyjnego,
3. Rozwiązanie zadania decyzyjnego,
4. Ocena poprawności i realności uzyskanych
rozwiązań oraz ewentualna weryfikacja modelu
decyzyjnego,
5. Przedstawienie rozwiązań i ostateczne
przygotowanie decyzji
Podjęta decyzja musi być decyzją dopuszczalną -
należeć do zbioru decyzji dopuszczalnych (D), tzn.:
x
1
,
x
2
, x
3
D
Wprowadzenie do badań operacyjnych –
budowanie MD
Podjęcie decyzji, z matematycznego punktu widzenia,
można utożsamiać z wyznaczeniem n wielkości:
x
1
, x
2
, …, x
n
.
Wielkości te, opisujące sytuację decyzyjną, nazywane są
zmiennymi decyzyjnymi
Na przykład, jeśli zadanie decyzyjne dotyczy ustalenia
asortymentu produkcji pewnego zakładu produkującego
trzy typy wyrobów. A, B i C, to znaczy że mamy trzy
wielkości niewiadome: x
1
, x
2
, x
3
(trzy zmienne
decyzyjne).
W wyniku rozwiązania zadania możemy uzyskać:
x
1
= 10 - tzn. produkować 10 jednostek wyrobu A,
x
2
= 5
- tzn. produkować 5 jednostek wyrobu B,
x
3
= 12 - tzn. produkować 12 jednostek wyrobu C.
Wprowadzenie do badań operacyjnych – zmienna
decyzyjna
Wprowadzenie do badań operacyjnych – funkcja
celu
Zbiór D wyznacza się po określeniu warunków
ograniczających.
Warunki ograniczające zapisuje się w postaci układu
równań i nierówności, w których występują zmienne
decyzyjne, pewne parametry techniczno-
ekonomiczne i wielkości zwane limitami.
Np. nierówność: x
1
+ x
2
≥ 14
w zadaniu o omawianym zakładzie produkcyjnym
oznaczałaby, że łączna produkcja wyrobów typu A i B
musi wynieść co najmniej 14 jednostek.
Wyznaczenie najlepszej decyzji ze zbioru D jest możliwe po
sformułowaniu tzn. funkcji celu (funkcji kryterium). Stanowi ona
ilościowe odzwierciedlenie przyjętego celu działania decydenta: f
(x
1
, x
2
, …, x
n
) → optimum
Rozwiązanie modelu (czyli znalezienie rozwiązania optymalnego)
sprowadza się do wyznaczenia takich wartości: x
1
, x
2
, …, x
n
, dla
których funkcja celu osiąga wartość optymalną (maksymalną lub
minimalną, w zależności od przyjętego kryterium celu), oczywiście
przy spełnieniu warunków ograniczających
Wprowadzenie do badań operacyjnych – składowe
MD
Na model matematyczny sytuacji decyzyjnej składają
się następujące elementy:
1)
Warunki ograniczające – najczęściej zapisywane za
pomocą układu równań i nierówności. W równaniach tych
(nierównościach) występują pewne wielkości dane zwane
parametrami, oraz wielkości, które należy ustalić, tzw.
zmienne decyzyjne. Warunki ograniczające niekiedy nazywa
się warunkami nieelementarnymi,
2)
Warunki brzegowe – najczęściej są to warunki dotyczące
znaku zmiennych (np. warunki nieujemności) lub typu
zmiennych (np. warunki całkowitoliczbowości). Warunki
brzegowe niekiedy nazywa się warunkami elementarnymi,
3)
Funkcja celu (funkcja kryterium) – pewna funkcja
zmiennych decyzyjnych będąca formalnym odzwierciedleniem
celu działania decydenta (funkcja celu pełni rolę kryterium
wyboru)
Wyznaczenie decyzji dopuszczalnej sprowadza się do
wyznaczenia takiego układu wartości zmiennych, który to układ
spełnia wszystkie warunki ograniczające i brzegowe opisujące
badaną sytuację.
Wyznaczenie decyzji optymalnej polega na ustaleniu takiej
decyzji dopuszczalnej, dla której funkcja celu osiąga wartość
maksymalną lub minimalną - w zależności od badanej sytuacji.
Wprowadzenie do badań operacyjnych – etapy
budowy MD
Schemat postępowania przy budowie modelu
konkretnej sytuacji decyzyjnej:
1.Zdefiniowanie zmiennych decyzyjnych.
Należy ustalić jakie wielkości mają być wyznaczone i
odpowiednio
je
oznaczyć.
Zbiór
zmiennych
decyzyjnych, w praktyce, utożsamiamy ze zbiorem
alternatywnych
działalności,
jakie
zamierzamy
prowadzić (np. działalnością alternatywną jest:
produkcja wyrobu A, produkcja wyrobu B, produkcja
wyrobu C).
2.Ustalenie parametrów zadania.
Należy zebrać wszystkie interesujące wielkości dane w
zadaniu: w tym wartości parametrów techniczno-
ekonomicznych i wielkości limitów, których nie należy
przekroczyć. Parametrem techniczno-ekonomicznym
jest np. ilość zużytego surowca na jednostkę
produkowanego wyrobu (inaczej nakłady jednostkowe)
lub normy żywienia (ludzi lub zwierząt). Limitem jest
np. zasób posiadanego surowca do produkcji,
minimalna lub maksymalna wielkość produkcji
pewnego wyrobu, minimalna lub maksymalna
wielkość składnika odżywczego dostarczanego w
pożywieniu, itd.
Wprowadzenie do badań operacyjnych – etapy
budowy MD
3.Określenie postaci warunków ograniczających i
warunków brzegowych.
Należy sformułować układ równań i nierówności jaki
muszą spełniać zmienne decyzyjne.
Np. sformułowany wcześniej warunek ograniczający
opisujący problem decyzyjny w omawianym zakładzie
produkcyjnym jest następujący: x
1
+ x
2
≥ 14.
Nierówność oznacza, że łączna produkcja wyrobów
typu A i B musi wynieść co najmniej 14 jednostek.
Nierówność: x
3
≤ 20 oznacza, że produkcja wyrobu typu
C nie może przekroczyć 20 jednostek.
Warunki brzegowe to warunki nakładane na zmienne
decyzyjne (w szczególności warunki o nieujemności
zmiennych decyzyjnych):
x
1
≥ 0, x
2
≥ 0, x
3
≥ 0.
Warunki te są oczywistą informacją mówiącą, że
wielkość produkcji nic może być liczbą ujemną
Wprowadzenie do badań operacyjnych – etapy
budowy MD
4. Określenie postaci funkcji celu i kryterium
optymalizacji (maksimum czy minimum).
Np. jeśli kryterium optymalizacji jest maksymalizacja zysku i
posiadamy następujące
informacje:
zysk z produkcji jednostki wyrobu A (zysk jednostkowy)
wynosi 20 zł.
zysk z produkcji jednostki wyrobu B wynosi 25 zł.
zysk z produkcji jednostki wyrobu C wynosi 20 zł.
wówczas postać funkcji celu jest następująca:
f(x
1
, x
2
, x
3
) = 20x
1
+ 25x
2
+ 20x
3
→ max
Wielkości: 20, 25, 20, oznaczające tutaj zyski jednostkowe z
produkcji poszczególnych wyrobów, nazywają się
parametrami funkcji celu (inaczej wagami funkcji celu).
Wprowadzenie do badań operacyjnych – model
liniowy
Opisane w powyższy sposób zagadnienie nazywa się
zadaniem programowania matematycznego
(ZPM).
Szczególnym
rodzajem
programowania
matematycznego jest programowanie liniowe (PL). W
programowaniu liniowym model matematyczny, na
podstawie którego wyznacza się decyzję optymalną, jest
tzw. modelem liniowym, czyli liniowym zadaniem
decyzyjnym (LZD).
Liniowe zadanie decyzyjne, inaczej mówiąc – zadanie
programowania liniowego (ZPL), to takie zadanie
decyzyjne, w którym wszystkie relacje są liniowe, tzn.
liniowe są zarówno warunki ograniczające jak i funkcja
celu.
Wprowadzenie do badań operacyjnych – ogólna
postać ZPL
Ogólna postać liniowego zadania decyzyjnego jest
następująca:
(1a)
f(x) = c
1
x
1
+ c
2
x
2
+ ... + c
n
x
n
opt
(opt =
max albo opt = min)
(1b) a
i1
x
1
+ a
i2
x
2
+ ... + a
in
x
n
b
i
,
(1c) a
i1
x
1
+ a
i2
x
2
+ ... + a
in
x
n
b
i
,
(1d) a
i1
x
1
+ a
i2
x
2
+ ... + a
in
x
n
= b
i
,
(1e) x
1
, x
2
, ..., x
n
0.
Symbole c
j
, b
i
, a
ij
(i = 1, 2, ..., m; j = 1, 2, ..., n)
oznaczają parametry zadania:
c
j
jest wagą (współczynnikiem) funkcji celu przy j–tej
zmiennej decyzyjnej,
b
i
jest wyrazem wolnym i–tego warunku
ograniczającego,
a
ij
jest współczynnikiem przy j–tej zmiennej
decyzyjnej w i–tym warunku ograniczającym.
Wprowadzenie do badań operacyjnych – ogólna
postać ZPL
Rozwiązaniem przedstawionego powyżej układu
warunków 1b-1e jest wektor x:
x = [
x
1
, x
2
, ..., x
n
]
T
gdzie: x
1
, x
2
, ..., x
n
– to współrzędne wektora x.
Każdy wektor x, który spełnia warunki 1b-1e nazywa się
rozwiązaniem dopuszczalnym zadania programowania
liniowego.
Rozwiązaniem optymalnym jest takie rozwiązanie
dopuszczalne, dla którego funkcja celu (1a) osiąga
maksimum (lub minimum).
Wprowadzenie do badań operacyjnych – przykład
Firma papiernicza „Blokpol'' produkuje trzy rodzaje
bloków rysunkowych: małe, duże i średnie. Na
wyprodukowanie jednego bloku małego zużywa się
0,2 kg tektury, średniego 0,25 kg, dużego 0,3 kg.
Ponadto wiadomo, że wyprodukowanie jednego bloku
małego wymaga 30 minut pracy maszyny, natomiast
średniego i dużego - 40 minut. Firma może
przeznaczyć na wyprodukowanie bloków 240 kg
tektury miesięcznie, natomiast łączny czas pracy
maszyny w ciągu miesiąca nie może przekroczyć 30
000 minut. Należy ustalić plan produkcji bloków
rysunkowych na najbliższy miesiąc, tak, aby osiągnąć
możliwie najwyższy przychód ze sprzedaży. Ceny
sprzedaży poszczególnych bloków wynoszą: małego 8
zł, średniego 10 zł, dużego 11 zł.
Wprowadzenie do badań operacyjnych – przykład
Rozwiązanie:
Mamy ustalić plan produkcji, tzn. odpowiedzieć na
pytanie: ile bloków rysunkowych każdego rodzaju
powinna produkować firma. Mamy zatem trzy
wielkości „szukane".
Oznaczmy zmienne decyzyjne:
x
1
– ilość produkowanych bloków małych,
x
2
–
ilość produkowanych bloków średnich,
x
3
– ilość produkowanych bloków dużych.
Formułujemy teraz warunki ograniczające i brzegowe.
Model będzie zawierał dwa warunki ograniczające:
1-szy dotyczący zużycia tektury,
2-gi dotyczący zużycia czasu pracy maszyn.
Wprowadzenie do badań operacyjnych – przykład
0,20x
1
+ 0,25x
2
+ 0,30x
3
≤ 240
Nierówność informuje, iż zasoby tektury wynoszą 240
kg, natomiast wielkości 0,20, 0,25 i 0,30 oznaczają
jednostkowe zużycie tektury na produkcję
poszczególnych rodzajów bloku
30x
1
+ 40x
2
+ 40x
3
≤ 30000
Nierówność informuje, że możliwy do wykorzystania
czas pracy maszyn wynosi 30000 minut. 30, 40 i 40 to
jednostkowe zużycie czasu pracy maszyn na
poszczególne typy bloków.
Obok warunków ograniczających konieczne jest
zapisanie warunków brzegowych.
x
1
≥ 0, x
2
≥ 0, x
3
≥ 0.
Funkcja celu ma następującą postać:
F(x
1
, x
2
, x
3
) = 8x
1
+ 10x
2
+ 11x
3
→ max
Wprowadzenie do badań operacyjnych – przykład
Model matematyczny danej sytuacji decyzyjnej jest
następujący:
F(x
1
, x
2
, x
3
) = 8x
1
+ 10x
2
+ 11x
3
→ max
0,20x
1
+ 0,25x
2
+ 0,30x
3
≤ 240,
30x
1
+ 40x
2
+ 40x
3
≤ 30000
x
1
≥ 0, x
2
≥ 0, x
3
≥ 0.
Po zbudowaniu modelu można przystąpić do
jego rozwiązania, czyli znalezienia
rozwiązania optymalnego.
Wprowadzenie do badań operacyjnych – typy problemów
decyzyjnych
Sytuacje decyzyjne możemy podzielić na trzy zasadnicze
grupy:
1) zagadnienie wyboru asortymentu produkcji,
2) zagadnienie składu mieszanin,
3) zagadnienie wyboru procesu technologicznego.
Zagadnienie wyboru asortymentu
produkcji
W zagadnieniu tym problem polega na określeniu,
które wyroby i w jakich ilościach powinno
przedsiębiorstwo produkować, aby nie przekraczając
dostępnych środków produkcji oraz spełniając inne,
dodatkowe ograniczenia zrealizować założony cel
działalności. Do środków produkcji należą: surowce,
które są limitowane, praca ludzka, praca maszyn,
energia. Celem w zagadnieniach tego typu jest
najczęściej maksymalizacja zysku lub przychodu ze
sprzedaży.
Wprowadzenie do badań operacyjnych – typy problemów
decyzyjnych
Zagadnienie składu mieszanin
Z problemem tego typu mamy do czynienia w branżach
takich jak np. chemiczna, metalurgiczna, spożywcza,
przetwórstwo rolne. Wyroby tych branż często są
mieszaninami (stopami) pewnych surowców. W zagadnieniu
składu mieszanin należy określić, jakie ilości podstawowych
surowców należy zmieszać (zakupić), aby otrzymać produkt o
pożądanym składzie, przy możliwie najniższych kosztach.
Szczególnym przypadkiem zagadnienia składu mieszanin jest
tzw. problem diety. Problem pojawiać się może w
odniesieniu do jednego człowieka, grupy ludzi (np. przy
organizowaniu wyżywienia w stołówkach, w wojsku, w
szpitalach), bądź też zwierząt (w przedsiębiorstwach
rolniczych).
W zagadnieniu diety należy ustalić, jakie ilości produktów
żywnościowych powinno się zakupić, aby przy pełnym
zaspokojeniu potrzeb organizmu obniżyć do minimum koszty
wyżywienia. A zatem chodzi o to, aby „mieszanka
żywieniowa” zaspokajała potrzeby organizmu (tj. dostarczała
odpowiednie ilości składników odżywczych takich jak
witaminy, białko, węglowodany, tłuszcze, kalorie, i inne) i
jednocześnie - była możliwie najtańsza.
Wprowadzenie do badań operacyjnych – typy problemów
decyzyjnych
Zagadnienie wyboru procesu
technologicznego
Najogólniej rzecz biorąc, problem tego typu wynika z
faktu, że produkcja wyrobów (wyrobu) może odbywać
się
przy
zastosowaniu
różnych
technologii.
Zagadnienie polega na określeniu, w jakiej skali
(ilości, intensywności) stosować poszczególne rodzaje
procesów technologicznych, aby wytworzyć określone
ilości produktów przy możliwie najniższych kosztach.
Kryterium celu może być również maksymalizacja
zysku.
Wprowadzenie do badań operacyjnych – uwagi
końcowe
Po skonstruowaniu modelu należy przejść do kolejnego
etapu, mianowicie przystąpić do rozwiązania
modelu.
Celem
naszym
będzie
wyznaczenie
rozwiązania
optymalnego.
Znalezienie rozwiązania optymalnego (jako najlepszego
z
dopuszczalnych)
musi
być
poprzedzone
znalezieniem
zbioru
D
(zbioru
rozwiązań
dopuszczalnych).
Okazuje się, że nie zawsze rozwiązania dopuszczalne
istnieją. Układ wielu równań i nierówności może nie
mieć rozwiązania.
Tak więc mogą wystąpić dwie sytuacje:
I) zadanie PL ma rozwiązania dopuszczalne, tzn. zbiór D
nie jest zbiorem pustym (D ≠ 0). Zadanie nazywa się
wtedy zadaniem wewnętrznie zgodnym,
II) zadanie PL nie ma rozwiązania dopuszczalnego, tzn.
zbiór D jest zbiorem pustym (D = 0). Zadanie
nazywa się wtedy zadaniem sprzecznym.
Metoda geometryczna
Metodą geometryczną można rozwiązywać liniowe
zadania decyzyjne o dwóch zmiennych decyzyjnych.
Liczba zmiennych decyzyjnych wyznacza wymiar
przestrzeni, w której znajduje się zbiór rozwiązań
dopuszczalnych i rozwiązanie optymalne. W naszych
rozważaniach ograniczymy się do zadania o dwóch
zmiennych decyzyjnych (tzn. ograniczymy się do
przestrzeni dwuwymiarowej).
Rozwiązanie linowego zadania decyzyjnego polega na
wyszukaniu - w skonstruowanym graficzne zbiorze
rozwiązań dopuszczalnych - punktu, dla którego funkcja
celu przyjmuje wartość najkorzystniejszą. Taki punkt nosi
nazwę punktu optymalnego.
Metoda geometryczna - przypomnienie
W przestrzeni dwuwymiarowej:
•
prosta jest miejscem geometrycznym
punktów, których współrzędne spełniają
równanie,
•
półpłaszczyzna, razem z prostą będącą jej
brzegiem, jest miejscem geometrycznym
punktów, których współrzędne spełniają
nierówność słabą,
•
półpłaszczyzna, bez prostej będącej jej
brzegiem, jest miejscem geometrycznym
punktów, których współrzędne spełniają
nierówność ostrą.
Metoda geometryczna
Metoda geometryczna sprowadza się do graficznego
rozwiązania układu nierówności.
Interpretacją graficzną nierówności w układzie
współrzędnych jest półpłaszczyzna, natomiast układu
nierówności jest część wspólna odpowiednich
półpłaszczyzn.
Część wspólna oznacza zbiór punktów spełniających
wszystkie warunki ograniczające i brzegowe. Są to
rozwiązania dopuszczalne.
Przy wyznaczaniu punktu optymalnego pomocna jest
izokwanta funkcji celu, tzn. prosta odpowiadająca
pewnej zadanej wartości funkcji celu. Izokwanta ma
następujące właściwości:
1) punkty na izokwancie odpowiadają tej samej wartości
funkcji celu,
2) izokwanty odpowiadające różnym wartościom funkcji
celu są równoległe.
Metoda geometryczna
Jeżeli linowe zadanie decyzyjne ma rozwiązanie
optymalne, to znajduje się ono w punkcie, w którym
izokwanta dla najkorzystniejszej wartości funkcji celu
jest styczna do zbioru rozwiązań dopuszczalnych.
1. Jeżeli jest to jeden punkt, to jest to wierzchołek
zbioru rozwiązań dopuszczalnych, zadanie ma wtedy
jedno rozwiązanie optymalne.
2. Jeżeli jest to wiele punktów, to w przestrzeni
dwuwymiarowej jest to odcinek, liniowe zadanie
decyzyjne ma wtedy wiele (nieskończenie wiele)
rozwiązań optymalnych.
Jeżeli liniowe zadanie decyzyjne ma rozwiązanie
optymalne, to znajduje się ono w co najmniej jednym
wierzchołku zbioru rozwiązań dopuszczalnych.
Metoda geometryczna - przykład
Przedsiębiorstwo wytwarza dwa wyroby, używając
dwóch surowców, których ilości są limitowane.
wyroby
surowce
ceny
I
II
A
8
6
18
B
4
9
15
limity
52
69
Jaka powinna być struktura produkcji, aby
przedsiębiorstwo osiągało maksymalny przychód ?
Metoda geometryczna - przykład
Liniowe zadanie decyzyjne dla wyboru asortymentu
maksymalizującego wartość produkcji ma
następującą postać:
0
,
0
69
9
6
)
52
4
8
)
max
15
18
)
(
2
1
2
1
2
1
2
1
x
x
x
x
b
x
x
a
warunkach
przy
x
x
x
F
Ponieważ zadanie zawiera dwie zmienne decyzyjne,
można je rozwiązać metodą geometryczną. Obie
zmienne decyzyjne są nieujemne, a więc zbiór rozwiązań
dopuszczalnych będzie zawarty w pierwszej ćwiartce
układu współrzędnych.
Metoda geometryczna - przykład
Rozwiązywanie zadania rozpoczynamy od wyznaczenia
zbioru rozwiązań dopuszczalnych. Wyznaczenie
półpłaszczyzn, której punkty spełniają daną
nierówność wymaga wykonania dwóch kroków:
1) wykreślenia prostej, której punkty spełniają
równanie odpowiadające danej nierówności,
2) rozstrzygnięcie, po której stronie prostej znajdują
się punkty spełniające tę nierówność.
Weźmy pod uwagę nierówność: (a) 8x
1
+ 4x
2
52.
Odpowiadające jej równanie ma następującą postać:
8x
1
+ 4x
2
= 52
Wyznaczamy punkty konieczne do wykreślenia prostej:
jeśli x
2
= 0 => x
1
= 52/8 = 6,5 (6,5;0)
jeśli x
1
= 0 => x
2
= 52/4 = 13 (0;13)
Metoda geometryczna - przykład
x
2
x
1
D
C
A
B
(1)
13
6,5
(2)
11,5
3
2
7
f (celu)
F(x) =
67,5
Metoda geometryczna - przykład
Punktem optymalnym jest punkt C. Jest to wierzchołek
zbioru rozwiązań dopuszczalnych będący punktem
przecięcia prostych (1) i (2). Jego współrzędne
wyznaczamy rozwiązując układ równań:
(1) 8x
1
+ 4x
2
= 52
(2) 6x
1
+ 9x
2
= 69
Rozwiązaniem jest x
1
= 4, x
2
= 5.
Aby osiągnąć maksymalny przychód ze sprzedaży
wyrobów, przedsiębiorstwo powinno produkować 4
jednostki wyrobu 1 oraz 5 jednostek wyrobu 2.
Dzięki temu przedsiębiorstwo osiągnie maksymalny
przychód w wysokości:
F(x
1
,x
2
) = 18x4 + 15x5 = 147
Metoda simpleks
Zadanie
programowania
liniowego
Dopuszczalne
rozwiązanie bazowe
Zmiana
rozwiązania
Sprawdzenie, czy
rozwiązanie jest
optymalne
Koniec
postępowa
nia
NIE
TAK
Rys. 1. Ogólny schemat metody simpleks.
Metoda simpleks
Algorytm simpleks polega na badaniu rozwiązań
bazowych programu o postaci kanonicznej (tzn. taki, w
którym wszystkie warunki ograniczające mają postać
równości), a zatem przed przystąpieniem do budowy
pierwszej tablicy simpleks należy zmienić wszystkie
nierówności na równania przez wprowadzenie pewnych
nowych zmiennych.
W przypadku nierówności typu „≤” do ich lewych stron
dodajemy tzw. zmienne swobodne, które stanowią
pierwsze
rozwiązanie
bazowe
(pierwsza
tablica
simpleksowa).
W przypadku nierówności typu „≥” od lewych stron
odejmujemy zmienne swobodne i dodajemy tzw. zmienne
sztuczne. W tym przypadku zmienne sztuczne wchodzą
do pierwszej bazy.
Również
do
warunków
równościowych
wprowadzamy zmienne sztuczne, które wchodzą do
pierwszej bazy.
Metoda simpleks
W najogólniejszym zarysie metoda simpleks
polega na tym, że wychodząc od pewnego
rozwiązania początkowego (dopuszczalnego i
bazowego) wyznacza się kolejne rozwiązania
(dopuszczalne i bazowe) w taki sposób, aby
wartość funkcji celu w każdym rozwiązaniu była
nie gorsza od wartości funkcji celu w rozwiązaniu
poprzednim. Metoda simpleks jest metodą
iteracyjną. Po wykonaniu pewnej liczby kroków
(iteracji) otrzymuje się rozwiązanie optymalne
(lub stwierdza się, że ono nie istnieje).
Metoda simpleks
Odwołując
się
do
interpretacji
geometrycznej
(graficznej), metoda simpleks polega na poszukiwaniu
rozwiązania optymalnego wśród wierzchołków zbioru
rozwiązań dopuszczalnych. Postępowanie to prowadzi do
uporządkowanych, racjonalny sposób. Poszukiwanie
rozwiązania
optymalnego
metodą
simpleks
jest
„wędrowaniem” po wierzchołkach zbioru D, przy czym
każdy kolejny wierzchołek zbliża nas do celu tj.
rozwiązania optymalnego, w najgorszym razie – nie
oddala.
Program liniowy sprowadza się do postaci kanonicznej
w celu znalezienia jego rozwiązania optymalnego. Okazuje
się bowiem, że optymalnego rozwiązania zadania
programowania liniowego należy szukać wśród tzw.
bazowych rozwiązań układu równań.
Metoda simpleks - przykład
Zakład może wytwarzać trzy rodzaje wyrobów: A, B i C.
Przy produkcji tych wyrobów zużywane są trzy różne
surowce: S1, S2 i S3, których zasoby są limitowane i
wynoszą odpowiednio: 2000, 800 i 1600 kg. Jednostkowe
normy
zużycia
tych
surowców
przy
produkcji
poszczególnych wyrobów podane są w tablicy:
Zysk jednostkowy zrealizowany ze sprzedaży wyrobu A
wynosi 4 zł, wyrobu B – 3 zł, wyrobu C – 5 zł. Należy
wyznaczyć takie wielkości produkcji poszczególnych
wyrobów aby przy podanych ograniczeniach surowcowych
globalny zysk osiągnięty ze sprzedaży produkowanych
wyrobów był możliwie największy.
Metoda simpleks
Przyjmujemy zatem następujące oznaczenia zmiennych
decyzyjnych rozważanego zagadnienia:
x
1
– wielkość produkcji wyrobu A,
x
2
– wielkość produkcji wyrobu B,
x
3
– wielkość produkcji wyrobu C.
Zadanie programowania liniowego rozważanej sytuacji
decyzyjnej przedstawia się następująco:
wyznaczyć maksimum funkcji
f(x
1
, x
2
, x
3
) = 4x
1
+ 3x
2
+ 5x
3
max
przy ograniczeniach:
3x
1
+ 4x
2
+ x
3
≤ 2000,
x
1
+ 2x
2
≤ 800,
x
1
+ 2x
2
+ 2x
3
≤ 1600,
x
1
, x
2
, x
3
≥ 0.
Metoda simpleks - przykład
Ponieważ w powyższym modelu ograniczenia mają
postać nierówności typu „mniejsze lub równe”, dlatego
też wprowadzamy trzy zmienne swobodne x
4
, x
5
i x
6
celem sprowadzenia zadania do postaci kanonicznej.
Otrzymamy więc:
f(x
1
, x
2
, x
3
, x
4
, x
5
, x
6
) = 4x
1
+ 3x
2
+ 5x
3
+ 0x
4
+ 0x
5
+ 0x
6
max
przy ograniczeniach:
3x
1
+ 4x
2
+ x
3
+ x
4
= 2000,
x
1
+ 2x
2
+ x
5
= 800,
x
1
+ 2x
2
+ 2x
3
+ x
6
= 1600,
x
1
, x
2
, x
3
, x
4
, x
5
, x
6
≥ 0.
Zmienne swobodne x
4
, x
5
i x
6
interpretuje się w tym
przypadku jako niewykorzystane ilości poszczególnych
surowców: x
4
- surowca S
1
, x
5
- surowca S
2
, x
6
- surowca
S
3
. Wyjściowe rozwiązanie bazowe rozważanego programu
jest więc następujące:
x
1
= 0, x
2
= 0, x
3
= 0,
x
4
= 2000, x
5
= 800, x
6
= 1600.
Metoda simpleks - przykład
Zmienne swobodne x
4
, x
5
i x
6
są w tym rozwiązaniu
zmiennymi bazowymi, natomiast zmienne decyzyjne x
1
,
x
2
i x
3
stanowią zmienne niebazowe. Pierwsza tablica
simpleksowa dla wyjściowego rozwiązania bazowego
przedstawia się następująco:
Metoda simpleks - przykład
Sprawdzamy teraz, czy rozważane wyjściowe rozwiązanie
jest rozwiązaniem optymalnym. Najpierw dla wszystkich
zmiennych obliczamy wskaźniki z
j
, np. z
1
= 0x3 + 0x1 +
0x1 = 0, z
2
= 0x4 + 0x2 + 0x2 = 0, itd. Wskaźniki z
j
w
tym przypadku są zerami. Stąd też wskaźniki
optymalności c
j
– z
j
, zawarte w ostatnim wierszu tablicy
simpleksowej, równe są współczynnikom wagowym
zmiennych decyzyjnych z funkcji celu.
Metoda simpleks - przykład
Z kolei przystępujemy do wyznaczenia zmiennej, którą
należy z bazy wyeliminować. W tym celu obliczamy
ilorazy wyrazów wolnych i współczynników (dodatnich)
znajdujących się w kolumnie odpowiadającej zmiennej x
3
.
Otrzymujemy:
.
800
2
1600
,
2000
1
2000
Metoda simpleks - przykład
Teraz przystępujemy do zmodyfikowania macierzy
współczynników z ograniczeń. Wyniki tej modyfikacji
zawieramy w kolejnej tablicy simpleksowej.
Metoda simpleks - przykład
Każdy element trzeciego wiersz macierzy współczynników
wyjściowej tablicy simpleksowej dzielimy przez element
centralny, czyli przez 2.
Metoda simpleks - przykład
Przystępujemy do przeliczenia pierwszego wiersza
macierzy współczynników zawartych w wyjściowej tablicy
simpleksowej. W tym celu od każdego elementu tego
wiersza odejmujemy, pomnożone przez 1, odpowiednie
elementy trzeciego wiersza macierzy współczynników
drugiej tablicy simpleksowej zgodnie ze wzorem:
a
ij
- a
ik
rk
rj
a
a
i otrzymujemy:
a
ik
=1, to
3 – 1x 0,5 = 2,5; 4 – 1x 1 = 3; 1 – 1x 1 = 0; 1 – 1x 0 =
1; 0 – 1x 0 = 0;
0 – 1x 0,5 = -0,5
Wyniki wpisujemy do pierwszego wiersza macierzy
współczynników drugiej tablicy simpleksowej.
Metoda simpleks - przykład
Podobnie postępujemy przy przeliczeniu drugiego wiersza
macierzy współczynników zawartych w wyjściowej tablicy
simpleksowej. W tym celu od każdego elementu tego
wiersza odejmujemy, pomnożone przez 0, odpowiednie
elementy trzeciego wiersza macierzy współczynników
drugiej tablicy simpleksowej.
a
ik
=0, to 1 – 0x 0,5 = 1; 2 – 0x 1 = 2; 0 – 0x 1 = 0; 0 – 0x 0 = 0; 1 –
0x 0 = 1;
0 – 0x 0,5 = 0. Jak łatwo zauważyć wiersz drugi przepisujemy bez
zmian, ponieważ w trzeciej kolumnie macierzy współczynników
odpowiadający temu wierszowi element wynosi 0.
1 -
0 x 0,5 = 1
1
Metoda simpleks - przykład
W podobny sposób przekształcamy wyrazy wolne
zawarte w tablicy simpleksowej, zgodnie z formułą:
rk
r
a
b
2000 – 1
x
800 = 1200 i 800 – 0
x
800 = 800 .
Otrzymaliśmy w ten sposób nowe rozwiązanie bazowe
o wartościach zmiennych decyzyjnych bazowych: x
4
=
1200, x
5
= 800, x
3
= 800.
b
i
- a
ik
Metoda simpleks - przykład
Zmienne niebazowe x
1
, x
2
i x
6
przyjmują wartości zerowe,
wartość funkcji celu dla tego rozwiązania wynosi
natomiast
4000
zł,
bo f(x) = 4x0 + 3x0 + 5x800 + 0x1200 + 0x800 +
0x0 = 4000
Metoda simpleks - przykład
Należy zatem zbadać, czy otrzymane rozwiązanie
bazowe jest już rozwiązaniem optymalnym. Obliczamy
więc wskaźniki z
j
. Przykładowo z
1
wynosi:
z
1
= 0x2,5 + 0x1 + 5x0,5 = 2,5
Metoda simpleks - przykład
Odejmując od wagowych współczynników zmiennych
decyzyjnych
obliczone
wskaźniki
z
j
otrzymujemy
wskaźniki
optymalności,
np. c
1
– z
1
= 1,5
Ponieważ jeden z nich jest dodatni, otrzymane rozwiązanie bazowe
nie jest optymalne. Można więc skonstruować następne rozwiązanie,
lepsze od poprzedniego, co też dalej uczynimy. Ponieważ tylko jeden
ze wskaźników optymalności (odpowiadający zmiennej x
1
) jest
dodatni c
1
– z
1
= 1,5 dlatego też zmienną x
1
wprowadzamy do nowej
bazy. Pierwszą kolumnę macierzy współczynników odpowiadającą tej
zmiennej w drugiej tablicy simpleksowaj wyróżniamy.
Metoda simpleks - przykład
Aby ustalić, którą ze zmiennych x
4
, x
5
i x
3
należy
wyeliminować z bazy, obliczamy wskaźniki stanowiące
kryterium wyjścia, które w tym przypadku są ilorazami
odpowiednich elementów kolumny wyrazów wolnych b
i
i
pierwszej kolumny macierzy współczynników:
.
1600
5
,
0
800
,
800
1
800
,
480
5
,
2
1200
Ponieważ minimalny z tych wskaźników odpowiada
zmiennej x
4
, dlatego też zmienną tę eliminujemy z bazy a
na jej miejsce wprowadzamy zmienną x
1
.
Współczynnik a
11
= 2,5 jest tu elementem centralnym.
Metoda simpleks - przykład
W kolumnie tablicy simpleksowej w miejsce zmiennej x
4
wpisujemy zmienną x
1
. Podobnie zmieniamy
współczynniki wagowe tych zmiennych z 0 na 4. Każdy
element pierwszego wiersza macierzy współczynników
tablicy simpleksowej dzielimy przez element centralny,
czyli przez 2,5.
Metoda simpleks - przykład
Przystępujemy do przeliczenia drugiego wiersza macierzy
współczynników zawartych w wyjściowej tablicy
simpleksowej. W tym celu od każdego elementu tego
wiersza odejmujemy, pomnożone przez 1, odpowiednie
elementy pierwszego wiersza macierzy współczynników
trzeciej tablicy simpleksowej.
Metoda simpleks - przykład
Podobnie postępujemy przy przeliczeniu trzeciego wiersza
macierzy współczynników zawartych w wyjściowej tablicy
simpleksowej. W tym celu od każdego elementu tego
wiersza odejmujemy, pomnożone przez 0,5, odpowiednie
elementy pierwszego wiersza macierzy współczynników
trzeciej tablicy simpleksowej.
Metoda simpleks - przykład
Jak łatwo zauważyć, macierz współczynników
odpowiadających zmiennym bazowym x
1
, x
3
i x
5
zawarto
w trzeciej tablicy simpleksowej jest macierzą
jednostkową.
W podobny sposób przekształcamy wyrazy wolne zawarte
w tablicy simpleksowej
.
Metoda simpleks - przykład
Otrzymaliśmy w ten sposób nowe rozwiązanie bazowe o
wartościach zmiennych decyzyjnych bazowych: x
1
= 480,
x
5
= 320, x
3
= 560.
Metoda simpleks - przykład
Zmienne niebazowe x
2
, x
4
i x
6
przyjmują wartości zerowe,
wartość funkcji celu dla tego rozwiązania wynosi
natomiast 4720 zł,
bo f(x) = 4x480 + 3x0 + 5x560 + 0x0 + 0x320 + 0x0
= 4720
Należy zatem zbadać, czy otrzymane rozwiązanie bazowe
jest już rozwiązaniem optymalnym. Obliczamy więc
wskaźniki z
j
.
Przykładowo z
1
wynosi:
z
1
= 4x1 + 0x0 + 5x0 = 4
Metoda simpleks - przykład
Ponieważ nie ma wśród nich wskaźników o wartościach dodatnich, więc
otrzymane rozwiązanie bazowe jest rozwiązaniem optymalny. Rozwiązanie to
tworzą zmienne:
x
1
= 480, x
3
= 560, x
5
= 320.
Pozostałe zmienne, to zmienne niebazowe o wartościach zerowych:
x
2
= x
4
= x
6
= 0.
Wartość funkcji celu wynosi 4720.
Otrzymany wynik oznacza, że przy produkcji wynoszącej 480 jednostek
wyrobu A, 560 jednostek wyrobu C i jednoczesnym zaniechaniu produkcji
wyrobu B, przy zachowaniu podanych ograniczeń surowcowych, łączny zysk
osiągnięty ze sprzedaży wyrobów będzie maksymalny i będzie wynosił 4720
zł. Jednocześnie zasoby surowca S
2
, zostaną niewykorzystane w ilości 320 kg.
Metoda simpleks - przykład
Ponieważ nie ma wśród nich wskaźników o wartościach dodatnich, więc
otrzymane rozwiązanie bazowe jest rozwiązaniem optymalny. Rozwiązanie to
tworzą zmienne:
x
1
= 480, x
3
= 560, x
5
= 320.
Pozostałe zmienne, to zmienne niebazowe o wartościach zerowych:
x
2
= x
4
= x
6
= 0.
Wartość funkcji celu wynosi 4720.
Otrzymany wynik oznacza, że przy produkcji wynoszącej 480 jednostek
wyrobu A, 560 jednostek wyrobu C i jednoczesnym zaniechaniu produkcji
wyrobu B, przy zachowaniu podanych ograniczeń surowcowych, łączny zysk
osiągnięty ze sprzedaży wyrobów będzie maksymalny i będzie wynosił 4720
zł. Jednocześnie zasoby surowca S
2
, zostaną niewykorzystane w ilości 320 kg.
Metoda simpleks
Metoda simpleks – analiza wrażliwości
Rozwiązanie programu liniowego jest
dopiero
początkiem
analizy
problemu decyzyjnego. Decydent
obok
rozwiązania
optymalnego
powinien wiedzieć, jak wrażliwe jest
uzyskane rozwiązanie optymalne na
zmian w założeniach modelu lub
zmiany czynników zewnętrznych
(parametrów modelu). Odpowiedzi
na te pytania udziela analiza
wrażliwości
rozwiązania
optymalnego na zmiany niektórych
parametrów modelu.