Temelleri. Doç.Dr.Ali Argun Karacabey

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Temelleri. Doç.Dr.Ali Argun Karacabey"

Transkript

1 Doğrusal Programlamanın Temelleri Doç.Dr.Ali Argun Karacabey

2 Doğrusal Programlama Nedir? Bir Doğrusal Programlama Modeli doğrusal kısıtlar altında bir doğrusal ğ fonksiyonun değerini ğ maksimize yada minimize etmeye çalışır. Doğrusal Programlama belli bir amacı gerçekleştirmek için sınırlı kaynakların etkin kullanımını ve çeşitli iliseçenekler arasında en uygun dağılımını sağlayan matematiksel bir tekniktir.

3 Doğrusal Fonksiyonlar y = mx+bbirbir doğrunun denklemidir ör. y = -4/3 x +6 düzenlersek: 4x + 3y = 18 2 Değişkenli Bir Doğrusal Fonk. Bir Doğrusal Fonksiyon bir pozitif, if negatif veya 0 sabitinin i i değişkenlerle çarpımlarının toplamıdır; ör. 5X 1-4X 2 + 0X 3 + 6X 4 X 12, X 1 /X 2, e -X2, X 1, vb. yer almaz

4 Doğrusal Kısıtlar Doğrusal Kısıtlar Şu Şekle Sahiptir <Bir Doğ. Fonksiyon> <Bir İlişki> <Bir Sabit> İlişki Aşağıdakilerden ş ğ Biridir:, =, ---- her birinde eşitlik yer alır Örnekler: 4X 1 + 5X 2-6X 3 + 2X X 1-5X 2 + 1X X 2 +8X 3 +9X 4 +2X 5 = 67 X X 5 0

5 Bir Doğrusal Programlama Modeli Örneğiğ MAX 4X 1 + 7X 3-6X 4 s.t. 2X 1 + 3X 2-2X 4 = 20-2X 2 +9X 3 +7X X 1 + 3X 2 + 4X 3 + 8X 4 35 İlgili Kısıtlar Altında X 2 5 Bütün X ler 0 X 1 0, X 2 0, X 3 0, X 4 0

6 Bir Diğer Örnek MIN 6X 1 + 8X X X 4 + 5X X 6 S.T. X 1 + X 2 + X 3 20 X 4 + X 5 + X 6 30 X 1 + X 4 = 12 X 2 +X 5 = 15 X 3 + X 6 = 22 Bütün X ler 0

7 Bir Doğrusal Programlama Modelinin Bileşenleri Bir Doğrusal Programlama Modeli Şu Bileşenlere l Sahiptir: Bir grup karar değişkeni. Bir Amaç Fonksiyonu. Bir grup kısıtlık.

8 Doğrusal Programlama Modelleri Neden Önemlidir Bir çok Gerçek Hayat Problemi DP İle Modellenebilir Üretim, Pazarlama, Finans, Reklam, Tarım, Enerji gibi bir çok alanda bildik iyi uygulamalar vardır: Doğrusal Programlama modellerinin Çözümü İçin Kullanılabilen Etkin Çözüm teknikleri Vardır Doğrusal Programlama Modellerinin Çözümü İçin Geliştirilen Yazılımlar Çözüm Sonrası Analizler Açısından Oldukça Güçlüdürler

9 Doğrusal Programlama Modelinin Varsayımları Doğrusallık Kısıtlık Bölünebilirlik

10 Mobilyacı Örneği Sandalye ve koltuk üreten bir mobilyacı üretim için tahta ve boya kullanmaktadır. Bir sandalye üretimi için 3 m 3 tahta ve 1 kg boya kullanılırken, 1 koltuk için ise 4 m 3 tahta ve ½ kg boya gerekmektedir. Çeşitli ş nedenlerden dolayı mobilyacının sağlayabildiği tahta miktarı günlük 92 m3 ve boya miktarı da 20 kg ile sınırlıdır. Ürettiği sandalyelerin her biri mobilyacıya 275, koltuklar ise 300 Tl kar bırakmaktadır. Bu bilgiler ışığında mobilyacının amacı mümkün olan en yüksek karı sağlayacak üretim bileşimini seçmektir.

11 Mobilyacı Örneği TAHTA BOYA Br.KAR SANDALYE (X 1 1) KOLTUK (X 2 ) 4 1/

12 Mobilyacı Örneği 1. KARAR DEĞİŞKENLERİ Üretilecek Sandalye ve Koltuk Miktarları Sandalye Miktarı : X 1 Koltuk Miktarı : X 2 2. AMAÇ FONKSİYONU En Yüksek Karı Elde Etmek (Sandalye ve Koltuktan Elde Edilecek Kar Toplamını Maksimize Etmek ) Sandalyeden Elde Edilecek Kar; Sandalye sayısı * Birim Kar = X 1 *275 Koltuktan Elde Edilecek Kar; Koltuk Sayısı * Birim Kar = X 2 *300 Toplam Kar = Sandalye Karı + Koltuk Karı = 275X X 2

13 3. KISITLAR Boya Kısıtı; Mobilyacı Örneği <Sandalye ve Koltuk İçin Gerekli Boya Miktarı><İlişki><toplam boya miktarı> 1X 1 +1/2X 2 20 Tahta Kısıtı; <Sandalye ve Koltuk İçin Gerekli Tahta Miktarı><İlişki><Toplam Tahta miktarı> 3X 1 +4X 2 92

14 MODEL Z MAX = 275X X 2 ST. 1X 1 + 1/2X X 1 +4X 2 92 X 1 0 X 2 0

15 1.AŞAMA GRAFİK ÇÖZÜM Negatif Olmama KısıtlarınınSağlanması

16 GRAFİK ÇÖZÜM Varsayım 1: Tüm Boya Kullanılsın; - Sadece Sandalye üretirsek, 20 sandalye üretebiliriz - Sadece koltuk üretirsek, 40 koltuk üretebiliriz X 2 = 0 X 1 = 20 X 2 = 2 X 1 = 19 X 2 = 4 X 1 = X 2 = 40 X 1 = 0

17

18 Varsayım 2: Tüm Tahta Kullanılsın; - Sadece Sandalye üretirsek, 30,67 sandalye üretebiliriz - Sadece koltuk üretirsek, 23 koltuk üretebiliriz X 2 = 23 X 1 = 0 X 2 = 22 X 1 = 4/3 X 2 = 21 X 1 = 8/3... X 2 = 0 X 1 = 30,67

19 275X1+300X2 = =6900 A (0,23) Üretim Alanı Boya Kısıtı 275X1+300X2 =275.13, ,8, Tahta Kısıtı =7580 B(136128) (13.6,12.8) 275X1+300X2 = C (20,0) =5500

20 Atlantis Endüstrileri Üretim Problemi Atlantis 2 çeşit oyuncak uzay çağı su tabancası üretmektedir: Uzay Yolu (Br.Kar = 8 milyon) Atılgan (Br. Kar = 5 milyon) Üretim Kaynak Miktarları 1200 kg/hafta plastik. 40 saat/hafta üretim zamanı.

21 Atlantis Endüstrileri Üretim Problemi Pazar Gereklilikleri Haftalık Üretim 800 Birimi Geçemez. Uzay Yolu Üretiminin Atılgan Üretimini Aşan Kısmı 450 Birimi Geçemez. Bir Br Uzay Yolu Üretimi İçin 2 kg Plastik ve 3 Dakika Üretim Zamanı, Bir Br Atılgan Üretimi İçin 1 kg Plastik ve 4 Dakika Üretim Zamanı Gerekmektedir.

22 Al Atlantis Endüstrileri imevcut Üretim Planı Mevcut Üretim Planının Amacı: Karı Daha Yüksek Olan Uzay Yolundan Mümkün Olduğunca ğ Çok Üretmek Kalan Kaynakları Pazar Kısıtları İçerisinde Kalmak Koşulu İle Atılgan Üretimine Aktarmak Mevcut Üretim Planına Göre: Uzay Yolu = 450 birim 8(450) + 5(100) Atılgan = 100 birim Kar = 4100 milyon/hafta

23 Şirket Yönetimi Şirketin Karını Daha da Artırabilecek Bir Üretim Bileşeni iolup Olmadığını Araştırmaktadır

24 Bir Doğrusal Programlama Modeli Bu Konuda Gerekli ve yeterli Bilgi Sunabilecektir

25 Atlantis Endüstrileri Üretim Problemi Karar Değişkenleriğ ş Karar Değişkenleri: X 1 = Bir Haftada Üretilen Uzay Yolu Miktarı X 2 = Bir Haftada Üretilen Atılgan Miktarı

26 Amaç Fonksiyonu Amaç Fonksiyonu: Haftalık Karın Maksimizasyonu Uzay Yolu Br.Kar 8 m., Atılgan Br.Kar 5 m. Kaç Tane Uzay Yolu ---??? --- X 1 Kaç Tane Atılgan ---??? --- X 2 AMAÇ FONKSİYONU MAX 8X 1 + 5X 2

27 Kısıtlar PLASTİK Haftada En Fazla 1200 kg Plastik Kullanılabilir Uzay Yolu Üretimi İçin Ne Kadar Plastik Kullanılacak? Her bir Uzay Yolu İçin 2 kg Haftada X 1 Tane Uzay Yolu Üretilecek Uzay Yolu Üretimi İçin Kullanılacak Plastik : 2X 1 Atılgan Üretimi İçin Ne Kadar Plastik Kullanılacak? Her Bir Atılgan İçin 1 kg Haftada X 2 Tane Atılgan Üretilecek Atılgan Üretimi İçin Kullanılacak Plastik : 1X 2 2X 1 + 1X

28 Kısıtlar (Devam) Üretim Zamanı Haftada 40 Saat = 2400 dakika Uzay yolu Üretimi İçin Kaç Dakika Gerekiyor? Her Bir Birim İçin ç 3 dakika Haftada X 1 tane Uzay Yolu Üretilecek Uzay yolu Üretimi İçin Gereken Zaman (dakika): 3X 1 Uzay yolu Üretimi İçin Kaç Dakika Gerekiyor? Her Bir Birim i İçin i 4dkik dakika Haftada X 2 tane Atılgan Üretilecek Uzay yolu Üretimi İçin Gereken Zaman (dakika): 4X 2 3X 1 + 4X

29 Kısıtlar (Devam) Maksimum Üretim Miktarı Haftada En Fazla 800 Birim Üretim Haftada Kaç Tane Uzay Yolu Üretilecek? X 1 Haftada Kaç Tane Atılgan Üretilecek? X 2 X 1 +X 2 800

30 Kısıtlar (Devam) Ürün Bileşimi Haftalık Uzay yolu Üretimi Atılgan Üretimini 450 Birimden Fazla Geçemez Haftada ada Kaç Tane Uzay Yolu Üretilecek? ece X 1 Haftada Kaç Tane Atılgan Üretilecek? X 2 X 1 X X 1 -X 2 450

31 Kısıtlar (Devam) Negatif Olmama Kısıtı Uzay Yolu veya Atılgan Üretimi Negatif Olamaz X X 2 0 Bütün X ler 0

32 Doğrusal Programlama Modeli Max 8X 1 + 5X 2 s.t. 2X 1 +1X X 1 + 4X (Haftalık Kar) (Plastik) (Üretim Zamanı) X 1 + X (Toplam Üretim) X 1 - X (Ürün Bileşimi) i i) Bütün X ler 0 (Negatif Olmama)

33 2 Değişkenli Model İçin Grafik Çözüm Yöntemi Kısıtları Grafik Üzerinde Göster Olanaklı Alanların Kesişimini Belirle Bu Kesişim Alanına ÇÖZÜM ALANI denir Amaç Fonksiyonuna Herhangi Bir Değer Ver Amaç Fonksiyonunu Çözüm Alanının En Son Noktasına Değecek Şekilde İlerlet Optimal Çözüm İçin İki Değişkenli İki Denklemi Beraber Çöz Elde Edilen Değerleri Amaç Fonksiyonundaki Yerine Koy

34 Çözüm Alanının Belirlenmesi Blil i X 2 Negatif Olmama Kısıtları X 1

35 2X1+1X (Plastik Kısıtı) Eğer Eldeki Bütün Plastik İle Sadece X1 Üretilirse; X2=0 X1 = 600 Eğer eldeki Bütün Plastik İle sadece X2 Üretilirse; X1=0 X2 = 1200

36 Üretim Zamanı Kısıtının Grafiğe Eklenmesi 3X1+4X (Plastik Kısıtı) Eğer Eldeki Bütün Zaman Sadece X1 Üretimine Ayrılırsa; X2=0 X1 = 800 Eğer eldeki Bütün Zaman Sadece X2 Üretimine Ayrılırsa; X1=0 X2 = 600

37 Toplam Üretim Kısıtının Grafiğe Eklenmesi X1+X2 800 (Plastik Kısıtı) Eğer Sadece X1 Üretilirse; X2=0 X1 = 800 Eğer Sadece X2 Üretilirse; X1=0 X2 = 800

38 Ürün Bileşimi Kısıtının Grafiğe Eklenmesi X1-X2 450 (Plastik Kısıtı) Eğer Sadece X1 Üretilirse; X2=0 X1 = Adet X1 Üretilirse; X1= X2 = 550

39 Grafik Yöntem-Çözüm Alanının Belirlenmesi

40 Optimal Çözümün Bulunması- Deneme Yanılma Yöntemi

41 Optimal Çözümün Bulunması- Deneme Yanılma Yöntemi A Noktası : X1 = 0 X2 = 600 Z = 8 (0) + 5 (600) = 3000 B Noktası : 3X1 + 4X2 = X1 + 1X2 = 1200 Z = 8(480) + 5(240) =5040 C Noktası: X1 - X2 = 450 2X1 + 1X2 = 1200 Z = 8(550) + 5(100) =4900 D Noktası : X1 = 450 X2 = 0 Z= 8 (450) + 5(0) = 3400 X1 = 480 X2 = 240 X1 = 550 X2 = 100

42 Optimal Noktanın Belirlenmesi Optimal nokta plastik miktarı ve üretim zamanı kısıtlarının kesişiminde yer almaktadır: 2X 1 + 1X 2 = X 1 + 4X 2 = 2400 İki Denklem Beraber Çözülürse, X 1 = 480, X 2 = 240

43 Maksimum Karın Hesaplanması Amaç Fonksiyonu: MAX 8X 1 + 5X 2 Bulduğumuz X 1 = 480, X 2 = 240 değerlerini yerine koyarsak: 8(480) + 5(240) = 5040

44 Optimal Çözüm Uzay yolu = 480 birim Atılgan = 240 birim Kar = 5040 Plastik kısıtı ve üretim zamanı kısıtı tüketilmiştir. Toplam üretim miktarı 720 birimdir. i Uzay yolu üretimi atılgan üretimini 140 birim aşmaktadır

45 AMAÇ FONKSYONUNA RASGELE BİR DEĞER ATANIR Z max = 275X X 2 = 5000 ve bu denkleme ait doğru ğ grafiğe ğ eklenir

46 AMAÇ FONKSYONUNA DAHA BÜYÜK BİR DEĞER ATANIR Z max = 275X X 2 = 7000 ve bu denkleme ait doğru grafiğe eklenir 7000/300=25, /275=27,56

YÖNEYLEM ARAŞTIRMASI - I

YÖNEYLEM ARAŞTIRMASI - I YÖNEYLEM ARAŞTIRMASI - I /0 İçerik Matematiksel Modelin Kurulması Grafik Çözüm DP Terminolojisi DP Modelinin Standart Formu DP Varsayımları 2/0 Grafik Çözüm İki değişkenli (X, X2) modellerde kullanılabilir,

Detaylı

Optimizasyon İçin Kök(Generic) Model (Doğrusal-Olmayan Programlama Modeli)

Optimizasyon İçin Kök(Generic) Model (Doğrusal-Olmayan Programlama Modeli) ISLE 403 YÖNEYLEM ARAŞTIRMASI I DERS 2 NOTLAR Optimizasyon İçin Kök(Generic) Model (Doğrusal-Olmayan Programlama Modeli) X, karar değişkenlerinin bir vektörü olsun. z, g 1, g 2,...,g m fonksiyonlardır.

Detaylı

KONU 3: DOĞRUSAL PROGRAMLAMA PROBLEMLERİ İLE İLGİLİ ÖRNEKLER

KONU 3: DOĞRUSAL PROGRAMLAMA PROBLEMLERİ İLE İLGİLİ ÖRNEKLER KONU 3: DOĞRUSAL PROGRAMLAMA PROBLEMLERİ İLE İLGİLİ ÖRNEKLER Örnek 1: Bir boya fabrikası hem iç hem dış boya üretiyor. Boya üretiminde A ve B olmak üzere iki tip hammadde kullanılıyor. Bir günde A hammaddesinden

Detaylı

Matematiksel modellerin elemanları

Matematiksel modellerin elemanları Matematiksel modellerin elemanları Op#mizasyon ve Doğrusal Programlama Maksimizasyon ve Minimizasyon örnekleri, Doğrusal programlama modeli kurma uygulamaları 6. DERS 1. Karar değişkenleri: Bir karar verme

Detaylı

Doğrusal Programlama. Prof. Dr. Ferit Kemal Sönmez

Doğrusal Programlama. Prof. Dr. Ferit Kemal Sönmez Doğrusal Programlama Prof. Dr. Ferit Kemal Sönmez Doğrusal Programlama Belirli bir amacın gerçekleşmesini etkileyen bazı kısıtlayıcı koşulların ve bu kısıtlayıcı koşulların doğrusal eşitlik ya da eşitsizlik

Detaylı

EM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş. Dr. Özgür Kabak

EM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş. Dr. Özgür Kabak EM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş Dr. Özgür Kabak Doğrusal Olmayan Programlama Eğer bir Matematiksel Programlama modelinin amaç fonksiyonu ve/veya kısıtları doğrusal değil

Detaylı

Doğrusal Programlamada Grafik Çözüm

Doğrusal Programlamada Grafik Çözüm Doğrusal Programlamada Grafik Çözüm doğrusal programlama PROBLEMİN ÇÖZÜLMESİ (OPTİMUM ÇÖZÜM) Farklı yöntemlerle çözülebilir Grafik çözüm (değişken sayısı 2 veya 3 olabilir) Simpleks çözüm Bilgisayar yazılımlarıyla

Detaylı

doğrusal programlama DOĞRUSAL PROGRAMLAMA (GENEL)

doğrusal programlama DOĞRUSAL PROGRAMLAMA (GENEL) DOĞRUSAL PROGRAMLAMA (GENEL) Belirli bir amacın gerçekleşmesini etkileyen bazı kısıtlayıcı koşulların ve bu kısıtlayıcı koşulların doğrusal eşitlik ya da eşitsizlik biçiminde verilmesi durumunda amaca

Detaylı

DOĞRUSAL PROGRAMLAMADA DUALİTE (DUALITY)

DOĞRUSAL PROGRAMLAMADA DUALİTE (DUALITY) DOĞRUSAL PROGRAMLAMADA DUALİTE (DUALITY) 1 DOĞRUSAL PROGRAMLAMADA İKİLİK (DUALİTE-DUALITY) Doğrusal programlama modelleri olarak adlandırılır. Aynı modelin değişik bir düzende oluşturulmasıyla Dual (İkilik)

Detaylı

Total Contribution. Reduced Cost. X1 37,82 480 18.153,85 0 basic 320 512. X2 22,82 320 7.302,56 0 basic 300 M. Slack or

Total Contribution. Reduced Cost. X1 37,82 480 18.153,85 0 basic 320 512. X2 22,82 320 7.302,56 0 basic 300 M. Slack or HRS şirketi BRN Endüstrileri ile bir anlaşma yapmış ve her ay BRN ye üretebildiği kadar A ürününden sağlamayı garanti etmiştir. HRS de vasıflı ustalar ve çıraklar çalışmaktadır. Bir usta, bir saatte 3

Detaylı

Yöneylem Araştırması II

Yöneylem Araştırması II Yöneylem Araştırması II Öğr. Gör. Dr. Hakan ÇERÇİOĞLU cercioglu@gazi.edu.tr BÖLÜM I: Doğrusal Programlama Tekrarı Doğrusal Programlama Tanımı Doğrusal Programlama Varsayımları Grafik Çözüm Metodu Simpleks

Detaylı

KONU 4: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ I

KONU 4: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ I KONU 4: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ I 4.1. Dışbükeylik ve Uç Nokta Bir d.p.p. de model kısıtlarını aynı anda sağlayan X X X karar değişkenleri... n vektörüne çözüm denir. Eğer bu

Detaylı

3.2. DP Modellerinin Simpleks Yöntem ile Çözümü Primal Simpleks Yöntem

3.2. DP Modellerinin Simpleks Yöntem ile Çözümü Primal Simpleks Yöntem 3.2. DP Modellerinin Simpleks Yöntem ile Çözümü 3.2.1. Primal Simpleks Yöntem Grafik çözüm yönteminde gördüğümüz gibi optimal çözüm noktası, her zaman uygun çözüm alanının bir köşe noktası ya da uç noktası

Detaylı

TAMSAYILI PROGRAMLAMA

TAMSAYILI PROGRAMLAMA TAMSAYILI PROGRAMLAMA Doğrusal programlama problemlerinde sık sık çözümün tamsayı olması gereken durumlar ile karşılaşılır. Örneğin ele alınan problem masa, sandalye, otomobil vb. üretimlerinin optimum

Detaylı

Bir Doğrusal Programlama Modelinin Genel Yapısı

Bir Doğrusal Programlama Modelinin Genel Yapısı Bir Doğrusal Programlama Modelinin Genel Yapısı Amaç Fonksiyonu Kısıtlar M i 1 N Z j 1 N j 1 a C j x j ij x j B i Karar Değişkenleri x j Pozitiflik Koşulu x j >= 0 Bu formülde kullanılan matematik notasyonların

Detaylı

Ders 10. Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay. Simpleks Yöntemine Giriş Alıştırmalar 10

Ders 10. Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay. Simpleks Yöntemine Giriş Alıştırmalar 10 Bölüm 10 Ders 10 Simpleks Yöntemine Giriş 10.1 Alıştırmalar 10 Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay 197 198 BÖLÜM 10. DERS 10 1. Soru 1 1. Aşağıda verilen simpleks tablolarında temel, temel olmayan,

Detaylı

Simpleks Yönteminde Kullanılan İlave Değişkenler (Eşitliğin yönüne göre):

Simpleks Yönteminde Kullanılan İlave Değişkenler (Eşitliğin yönüne göre): DP SİMPLEKS ÇÖZÜM Simpleks Yöntemi, amaç fonksiyonunu en büyük (maksimum) veya en küçük (minimum) yapacak en iyi çözüme adım adım yaklaşan bir algoritma (hesaplama yöntemi) dir. Bu nedenle, probleme bir

Detaylı

Çok değişkenli fonksiyonlar. Maksimum- Minimum

Çok değişkenli fonksiyonlar. Maksimum- Minimum 66 Bölüm 6 Ders 06 Çok değişkenli fonksiyonlar. Maksimum- Minimum 6.1 Çözümler:Alıştırmalar 06 Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay Ön Bilgi: z = f (x, y) fonksiyonu 3-boyutlu uzayda bir yüzeyin denklemidir.

Detaylı

Çalışma Soruları 1. a) x > 5 b) y < -3 c) xy > 0 d) x 3 < y e) (x-2) 2 + y 2 > 1. ( ) 2x

Çalışma Soruları 1. a) x > 5 b) y < -3 c) xy > 0 d) x 3 < y e) (x-2) 2 + y 2 > 1. ( ) 2x Çalışma Soruları. Aşağıdaki denklemleri çözünüz: a) 7x = 4x + b) x 7x = x 4 c) x 4 x + = 0. Aşağıdaki eşitsizliklerin çözüm kümelerini belirleyiniz ve aralıklar cinsinden ifade ediniz: a) 4x > 9 b) x 4

Detaylı

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Quadratic Programming Bir karesel programlama modeli aşağıdaki gibi tanımlanır. Amaç fonksiyonu: Maks.(veya Min.) z

Detaylı

KONU 13: GENEL UYGULAMA

KONU 13: GENEL UYGULAMA KONU : GENEL UYGULAMA Kahve üretimi apan bir şirket anı zamanda cezve ve fincan üretmektedir. Üretilen cezveler ve fincanlar boama kısmında işlem görmekte ve arıca fincanlar kaplanmaktadır. Bir cezve apımı

Detaylı

Çalışma Soruları 1. a) x > 5 b) y < -3 c) xy > 0 d) x 3 < y e) (x-2) 2 + y 2 > 1. ( ) 2x

Çalışma Soruları 1. a) x > 5 b) y < -3 c) xy > 0 d) x 3 < y e) (x-2) 2 + y 2 > 1. ( ) 2x Çalışma Soruları. Aşağıdaki denklemleri çözünüz: 7x = 4x + b) x 7x = x 4 c) x 4 x + = 0. Aşağıdaki eşitsizliklerin çözüm kümelerini belirleyiniz ve aralıklar cinsinden ifade ediniz: 4x > 9 b) x 4 < - c)

Detaylı

KISITLI OPTİMİZASYON

KISITLI OPTİMİZASYON KISITLI OPTİMİZASYON SİMPLEKS YÖNTEMİ Simpleks Yöntemi Simpleks yöntemi iteratif bir prosedürü gerektirir. Bu iterasyonlar ile gerçekçi çözümlerin olduğu bölgenin (S) bir köşesinden başlayarak amaç fonksiyonunun

Detaylı

Ders 05. Çok değişkenli Fonksiyonlar. Kısmi Trevler. 5.1 Çözümler:Alıştırmalar 05. Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay

Ders 05. Çok değişkenli Fonksiyonlar. Kısmi Trevler. 5.1 Çözümler:Alıştırmalar 05. Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay 48 Bölüm 5 Ders 05 Çok değişkenli Fonksiyonlar. Kısmi Trevler 5.1 Çözümler:Alıştırmalar 05 Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay 1. Soru 1 Aşağıda verilen soru işaretlerinin yerine gelmesi gereken değerleri

Detaylı

Yöneylem Araştırması I Dersi 2. Çalışma Soruları ve Cevapları/

Yöneylem Araştırması I Dersi 2. Çalışma Soruları ve Cevapları/ Yöneylem Araştırması I Dersi 2. Çalışma Soruları ve Cevapları/25.12.2016 1. Bir deri firması standart tasarımda el yapımı çanta ve bavul üretmektedir. Firma üretmekte olduğu her çanta başına 400TL, her

Detaylı

Lineer Programlama. Doğrusal terimi, hem amaç hem de kısıtları temsil eden matematiksel fonksiyonların doğrusal olduğunu gösterir.

Lineer Programlama. Doğrusal terimi, hem amaç hem de kısıtları temsil eden matematiksel fonksiyonların doğrusal olduğunu gösterir. LİNEER PROGRAMLAMA Giriş Uygulamada karşılaşılan birçok optimizasyon problemi kısıtlar içerir. Yani optimizasyon probleminde amaç fonksiyonuna ilave olarak çözümü kısıtlayıcı ek denklemler mevcuttur. Bu

Detaylı

DOĞRUSAL OLMAYAN PROGRAMLAMA (NLP)

DOĞRUSAL OLMAYAN PROGRAMLAMA (NLP) DOĞRUSAL OLMAYAN PROGRAMLAMA (NLP) 1. Non-lineer kar analizi, 2. Kısıtlı optimizasyon, 3. Yerine koyma (substitution) yöntemi, 4. Lagranj Çarpanları Yöntemi 5. Başabaş Analizleri ve Duyarlılık Testleri

Detaylı

YÖNEYLEM ARAŞTIRMASI - I

YÖNEYLEM ARAŞTIRMASI - I YÖNEYLEM ARAŞTIRMASI - I 1/19 İçerik Yöneylem Araştırmasının Dalları Kullanım Alanları Yöneylem Araştırmasında Bazı Yöntemler Doğrusal (Lineer) Programlama, Oyun Teorisi, Dinamik Programlama, Tam Sayılı

Detaylı

SİSTEM MÜHENDİSLİĞİ DOĞRUSAL PROGRAMLAMA MODEL KURMA ÖRNEKLERİ

SİSTEM MÜHENDİSLİĞİ DOĞRUSAL PROGRAMLAMA MODEL KURMA ÖRNEKLERİ SİSTEM MÜHENDİSLİĞİ DOĞRUSAL PROGRAMLAMA MODEL KURMA ÖRNEKLERİ Örnek (2-5) Güzel-Giyim konfeksiyon piyasaya ceket, etek ve elbise yapmaktadır. Konfeksiyoncu, ceketi, eteği ve elbiseyi kendisinin A1, A2

Detaylı

Zeki Optimizasyon Teknikleri

Zeki Optimizasyon Teknikleri Zeki Optimizasyon Teknikleri Ara sınav - 25% Ödev (Haftalık) - 10% Ödev Sunumu (Haftalık) - 5% Final (Proje Sunumu) - 60% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn:

Detaylı

Applied Management Science: Modeling, Spreadsheet Analysis, and Communication for Decision Making

Applied Management Science: Modeling, Spreadsheet Analysis, and Communication for Decision Making YÖNEYLEM ARAŞTIRMASI (Ders Akış Programı) Ders Sorumlusu : Y.Doç. Dr. Fazıl GÖKGÖZ, İletişim Bilgileri : 595 13 37, e-posta: fgokgoz@politics.ankara.edu.tr tr Applied Management Science: Modeling, Spreadsheet

Detaylı

EM302 Yöneylem Araştırması 2. Dr. Özgür Kabak

EM302 Yöneylem Araştırması 2. Dr. Özgür Kabak EM302 Yöneylem Araştırması 2 Dr. Özgür Kabak TP Çözümü TP problemlerinin çözümü için başlıca iki yaklaşım vardır kesme düzlemleri (cutting planes) dal sınır (branch and bound) tüm yaklaşımlar tekrarlı

Detaylı

OPTİMİZASYON TEKNİKLERİ-2. Hafta

OPTİMİZASYON TEKNİKLERİ-2. Hafta GİRİŞ OPTİMİZASYON TEKNİKLERİ-2. Hafta Mühendislik açısından bir işin tasarlanıp, gerçekleştirilmesi yeterli değildir. İşin en iyi çözüm yöntemiyle en verimli bir şekilde yapılması bir anlam ifade eder.

Detaylı

İbrahim Küçükkoç Arş. Gör.

İbrahim Küçükkoç Arş. Gör. Doğrusal Programlamada Karışım Problemleri İbrahim Küçükkoç Arş. Gör. Balikesir Üniversitesi Endüstri Mühendisliği Bölümü Mühendislik-Mimarlık Fakültesi Çağış Kampüsü 10145 / Balıkesir 0 (266) 6121194

Detaylı

DOĞRUSAL OLMAYAN PROGRAMLAMA -I-

DOĞRUSAL OLMAYAN PROGRAMLAMA -I- DOĞRUSAL OLMAYAN PROGRAMLAMA -I- Dışbükeylik / İçbükeylik Hazırlayan Doç. Dr. Nil ARAS Anadolu Üniversitesi, Endüstri Mühendisliği Bölümü İST38 Yöneylem Araştırması Dersi 0-0 Öğretim Yılı Doğrusal olmayan

Detaylı

İÇİNDEKİLER ÖNSÖZ Bölüm 1 SAYILAR 11 Bölüm 2 KÜMELER 31 Bölüm 3 FONKSİYONLAR

İÇİNDEKİLER ÖNSÖZ Bölüm 1 SAYILAR 11 Bölüm 2 KÜMELER 31 Bölüm 3 FONKSİYONLAR İÇİNDEKİLER ÖNSÖZ III Bölüm 1 SAYILAR 11 1.1. Sayı Kümeleri 12 1.1.1.Doğal Sayılar Kümesi 12 1.1.2.Tam Sayılar Kümesi 13 1.1.3.Rasyonel Sayılar Kümesi 14 1.1.4. İrrasyonel Sayılar Kümesi 16 1.1.5. Gerçel

Detaylı

Maksimizasyon s.t. İşçilik, saat) (Kil, kg)

Maksimizasyon s.t. İşçilik, saat) (Kil, kg) Simplex ile Çözüm Yöntemi Doç. Dr. Fazıl GÖKGÖZ 1 Doğrusal Programlama Modeli Maksimizasyon s.t. İşçilik, saat) (Kil, kg) 2 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 1 Modelin Standard Hali Maksimizasyon

Detaylı

Yöneylem Araştırması III

Yöneylem Araştırması III Yöneylem Araştırması III Doç. Dr. Hakan ÇERÇİOĞLU cercioglu@gazi.edu.tr Yöneylem Araştırması III 1 BÖLÜM I: Hedef Programlama HEDEF PROGRAMLAMAYA GİRİŞ ÖNCELİKSİZ HEDEF PROGRAMLAMA ÖNCELİKLİ HEDEF PROGRAMLAMA

Detaylı

SİSTEM MÜHENDİSLİĞİ DOĞRUSAL PROGRAMLAMA ÖRNEKLER (MODEL KURMA, ÇÖZÜM, YORUM)

SİSTEM MÜHENDİSLİĞİ DOĞRUSAL PROGRAMLAMA ÖRNEKLER (MODEL KURMA, ÇÖZÜM, YORUM) SİSTEM MÜHENDİSLİĞİ DOĞRUSAL PROGRAMLAMA ÖRNEKLER (MODEL KURMA, ÇÖZÜM, YORUM) Ek 2: Esin 1984, Sayfa 34, Örnek 2.2 ye Ek Sistematik Özet Malzemeler Makine Makineler A B C D kapasitesi (b) Malzemelerin

Detaylı

DENKLEM SİSTEMLERİ. ifadesinde a sayısı bilinmeyenin katsayısı ve b ise sabit sayıdır.

DENKLEM SİSTEMLERİ. ifadesinde a sayısı bilinmeyenin katsayısı ve b ise sabit sayıdır. DENKLEM SİSTEMLERİ 1) BİRİNCİ DERECEDEN BİR BİLİNMEYENLİ DENKLEMLER: a,bϵ R ve olmak üzere; şeklindeki denklemlere birinci dereceden bir bilinmeyenli denklem denir. Bu tür denklemlerde sadece bir bilinmeyen

Detaylı

YÖNEYLEM ARAŞTIRMALARI 1

YÖNEYLEM ARAŞTIRMALARI 1 YÖNEYLEM ARAŞTIRMALARI 1 1.HAFTA Amacı:Karar vericiler işletmelerde sahip oldukları kaynakları; insan gücü makine ve techizat sermaye kullanarak belirli kararlar almak ister. Örneğin; en iyi üretim miktarı

Detaylı

Stok Kontrol. Önceki Derslerin Hatırlatması. Örnek (Ekonomik Sipariş Miktarı Modeli)(2) Örnek (Ekonomik Sipariş Miktarı Modeli)(1)

Stok Kontrol. Önceki Derslerin Hatırlatması. Örnek (Ekonomik Sipariş Miktarı Modeli)(2) Örnek (Ekonomik Sipariş Miktarı Modeli)(1) Stok Kontrol Önceki Derslerin Hatırlatması Ders 7 Farklı Bir Stok Yönetimi Durumu Uzun Dönemli Stok Problemi Talep hızı sabit, biliniyor Birim ürün maliyeti sabit Sipariş maliyeti sabit Tedarik Süresi

Detaylı

OPTIMIZASYON Bir Değişkenli Fonksiyonların Maksimizasyonu...2

OPTIMIZASYON Bir Değişkenli Fonksiyonların Maksimizasyonu...2 OPTIMIZASYON.... Bir Değişkenli Fonksiyonların Maksimizasyonu.... Türev...3.. Bir noktadaki türevin değeri...4.. Maksimum için Birinci Derece Koşulu...4.3. İkinci Derece Koşulu...5.4. Türev Kuralları...5

Detaylı

Stok Kontrol. Ders 6. Farklı Bir Stok Yönetimi Durumu. Önceki Derslerin Hatırlatması

Stok Kontrol. Ders 6. Farklı Bir Stok Yönetimi Durumu. Önceki Derslerin Hatırlatması Stok Kontrol Ders 6 Farklı Bir Stok Yönetimi Durumu Önceki Derslerin Hatırlatması Uzun Dönemli Stok Problemi Talep hızı sabit, biliniyor Birim ürün maliyeti sabit Sipariş maliyeti sabit Tedarik Süresi

Detaylı

4.1. Gölge Fiyat Kavramı

4.1. Gölge Fiyat Kavramı 4. Gölge Fiyat Kavramı 4.1. Gölge Fiyat Kavramı Gölge fiyatlar doğrusal programlama modellerinde kısıtlarla açıklanan kaynakların bizim için ne kadar değerli olduklarını gösterirler. Şimdi bir örnek üzerinde

Detaylı

YÖNEYLEM ARAŞTIRMASI-I

YÖNEYLEM ARAŞTIRMASI-I YÖNEYLEM ARAŞTIRMASI-I İST205U KISA ÖZET DİKKAT Burada ilk 4 sahife gösterilmektedir. Özetin tamamı için sipariş veriniz www.kolayaof.com 1 1.ÜNİTE Yöneylem Araştırmasına Giriş GİRİŞ Yöneylem Araştırması

Detaylı

Ders 12. Karma Kısıtlamalı Doğrusal programlama problemleri Alıştırmalar 12. Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay 1...

Ders 12. Karma Kısıtlamalı Doğrusal programlama problemleri Alıştırmalar 12. Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay 1... 114 Bölüm 12 Ders 12 Karma Kısıtlamalı Doğrusal programlama problemleri 12.1 Alıştırmalar 12 Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay 1.... 1. Aşağıdaki problemlerde; (i) Aylak, artık ve yapay değişkenleri

Detaylı

0.1 Zarf Teoremi (Envelope Teorem)

0.1 Zarf Teoremi (Envelope Teorem) Ankara Üniversitesi, Siyasal Bilgiler Fakültesi Prof. Dr. Hasan Şahin 0.1 Zarf Teoremi (Envelope Teorem) Bu kısımda zarf teoremini ve iktisatta nasıl kullanıldığını ele alacağız. bu bölüm Chiang 13.5 üzerine

Detaylı

Duyarlılık analizi, bir doğrusal programlama probleminde belirlenen katsayı değerlerinin

Duyarlılık analizi, bir doğrusal programlama probleminde belirlenen katsayı değerlerinin DUYARLILIK ANALİZİ Duyarlılık analizi, bir doğrusal programlama probleminde belirlenen katsayı değerlerinin değişmesinin problemin optimal çözümü üzerine etkisini incelemektedir. Oluşturulan modeldeki

Detaylı

İÇİNDEKİLER. Bölüm 1 MATEMATİKSEL İKTİSADA GİRİŞ 11 1.1.İktisat Hakkında 12 1.2.İktisatta Grafik ve Matematik Kullanımı 13

İÇİNDEKİLER. Bölüm 1 MATEMATİKSEL İKTİSADA GİRİŞ 11 1.1.İktisat Hakkında 12 1.2.İktisatta Grafik ve Matematik Kullanımı 13 İÇİNDEKİLER ÖNSÖZ III Bölüm 1 MATEMATİKSEL İKTİSADA GİRİŞ 11 1.1.İktisat Hakkında 12 1.2.İktisatta Grafik ve Matematik Kullanımı 13 Bölüm 2 STATİK DENGE ANALİZİ 19 2.1 İktisatta Denge Kavramı 20 2.1.1.

Detaylı

BÖLÜM I: Hedef Programlama. Prof.Dr. Bilal TOKLU. HEDEF PROGRAMLAMAYA GİRİŞ HEDEF PROGRAMLAMA MODELLERİNİN ÇÖZÜMÜ

BÖLÜM I: Hedef Programlama. Prof.Dr. Bilal TOKLU. HEDEF PROGRAMLAMAYA GİRİŞ HEDEF PROGRAMLAMA MODELLERİNİN ÇÖZÜMÜ Yöneylem Araştırması III Prof.Dr. Bilal TOKLU btoklu@gazi.edu.tr Yöneylem Araştırması III BÖLÜM I: Hedef Programlama HEDEF PROGRAMLAMAYA GİRİŞ ÖNCELİKSİZ HEDEF PROGRAMLAMA ÖNCELİKLİ HEDEF PROGRAMLAMA HEDEF

Detaylı

ÜRETİM VE MALİYETLER

ÜRETİM VE MALİYETLER ÜRETİM VE MALİYETLER FİRMALARIN TEMEL AMACI Mal ve hizmet üretimi firmalar tarafından gerçekleştirilir. Ekonomi teorisine göre, firmaların mal ve hizmet üretimindeki temel amacı kar maksimizasyonu (en

Detaylı

28 C j -Z j /2 0

28 C j -Z j /2 0 3.2.6. Dual Problem ve Ekonomik Yorumu Primal Model Z maks. = 4X 1 + 5X 2 (kar, pb/gün) X 1 + 2X 2 10 6X 1 + 6X 2 36 8X 1 + 4X 2 40 (işgücü, saat/gün) (Hammadde1, kg/gün) (Hammadde2, kg/gün) 4 5 0 0 0

Detaylı

Olasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir.

Olasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir. 5.SUNUM Olasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir. Günlük hayatta sıklıkla kullanılmakta olan olasılık bir olayın ortaya

Detaylı

Montaj Hatti Tasarımı ve Analizi - 8

Montaj Hatti Tasarımı ve Analizi - 8 Balıkesir Üniversitesi, Endüstri Mühendisliği Bölümü 2017-2018 Bahar Yarıyılı Montaj Hatti Tasarımı ve Analizi - 8 Yrd. Doc. Dr. Ibrahim Kucukkoc http://ikucukkoc.baun.edu.tr Tek Modelli Düz MHD Problemlerinin

Detaylı

SÜREKLİ RASSAL DEĞİŞKENLER

SÜREKLİ RASSAL DEĞİŞKENLER SÜREKLİ RASSAL DEĞİŞKENLER Sürekli Rassal Değişkenler Sürekli Rassal Değişken: Değerleriölçümyadatartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen, değişkene sürekli rassal değişken denir.

Detaylı

Çözümlemeleri" adlı yüksek lisans tezini başarıyla tamamlayarak 2001'de mezun oldu.

Çözümlemeleri adlı yüksek lisans tezini başarıyla tamamlayarak 2001'de mezun oldu. Dersi Veren Öğretim Üyesi: Doç. Dr. Mehmet KORKMAZ Özgeçmişi Mehmet KORKMAZ, 1975 yılında Malatya da doğdu. İlkokul, ortaokul ve liseyi memleketi olan Isparta da tamamladı. 1996 yılında İ.Ü. Orman Fakültesi,

Detaylı

Stok Kontrol. Önceki Derslerin Hatırlatması. Örnek (Ekonomik Sipariş Miktarı Modeli)(1) Örnek (Ekonomik Sipariş Miktarı Modeli)(2)

Stok Kontrol. Önceki Derslerin Hatırlatması. Örnek (Ekonomik Sipariş Miktarı Modeli)(1) Örnek (Ekonomik Sipariş Miktarı Modeli)(2) Stok Kontrol Önceki Derslerin Hatırlatması Ders 5 Farklı Bir Stok Yönetimi Durumu Uzun Dönemli Stok Problemi Talep hızı sabit oranlı, biliniyor Birim ürün maliyeti sabit Sipariş maliyeti sabit Tedarik

Detaylı

Karar değişkenlere ilişkin fonksiyonların ve bu fonksiyonlara ilişkin sınırlamaların tanımlanması

Karar değişkenlere ilişkin fonksiyonların ve bu fonksiyonlara ilişkin sınırlamaların tanımlanması İNŞAAT PROJELERİNİN PROGRAMLAMA, TASARIM VE YAPIM SÜRECİNDE OPTİMİZASYON Doğrusal Optimizasyon Optimizasyon Kuramı (Eniyileme Süreci) Doğrusal Olmayan Optimizasyon Optimizasyon en iyi çözümü bulma sürecidir.

Detaylı

BIL1202 ALGORİTMA VE PROGRAMLAMAYA GİRİŞ

BIL1202 ALGORİTMA VE PROGRAMLAMAYA GİRİŞ 2017-2018 BaharYarıyılı Balıkesir Üniversitesi Endüstri Mühendisliği Bölümü 6 BIL1202 ALGORİTMA VE PROGRAMLAMAYA GİRİŞ (Temel Algoritma Örnekleri, Genel Uygulamalar) Yrd. Doç. Dr. İbrahim Küçükkoç Web:

Detaylı

EME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler

EME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler EME 3105 1 Giriş Sistem Simülasyonu Önümüzdeki hafta simulasyon girdilerinin modellenmesinde kullanılan kesikli ve sürekli Simulasyonda İstatistiksel Modeller-I Ders 4 dağılımlar hatırlatılacaktır. Rassal

Detaylı

BİR MONTAJ HATTI ÜRETİM SİSTEMİNDE OPTİMAL İŞGÜCÜ DAĞILIMININ ARENA PROCESS ANALYZER (PAN) VE OPTQUEST KULLANILARAK BELİRLENMESİ

BİR MONTAJ HATTI ÜRETİM SİSTEMİNDE OPTİMAL İŞGÜCÜ DAĞILIMININ ARENA PROCESS ANALYZER (PAN) VE OPTQUEST KULLANILARAK BELİRLENMESİ BİR MONTAJ HATTI ÜRETİM SİSTEMİNDE OPTİMAL İŞGÜCÜ DAĞILIMININ ARENA PROCESS ANALYZER (PAN) VE OPTQUEST KULLANILARAK BELİRLENMESİ Özgür ARMANERİ Dokuz Eylül Üniversitesi Özet Bu çalışmada, bir montaj hattı

Detaylı

Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan

Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan 1 Ders Planı 1. Karar Problemleri i. Karar problemlerinin bileşenleri ii. Değerler, amaçlar, bağlam iii. Etki diagramları 2. Model Girdilerinde Belirsizlik

Detaylı

Kısıtsız Optimizasyon OPTİMİZASYON Kısıtsız Optimizasyon

Kısıtsız Optimizasyon OPTİMİZASYON Kısıtsız Optimizasyon OPTİMİZASYON Bu bölümde çok değişkenli kısıtsız optimizasyon problemlerinin çözüm yöntemleri incelenecektir. Bu bölümde anlatılacak yöntemler, kısıtlı optimizasyon problemlerini de çözebilmektedir. Bunun

Detaylı

ÖZLEM AYDIN TRAKYA ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ

ÖZLEM AYDIN TRAKYA ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ YÖNEYLEM ARAŞTIRMASI (OPERATIONAL RESEARCH) ÖZLEM AYDIN TRAKYA ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ SUNUM PLANI Yöneylem araştırmasının Tanımı Tarihçesi Özellikleri Aşamaları Uygulama alanları Yöneylem

Detaylı

Esnek Hesaplamaya Giriş

Esnek Hesaplamaya Giriş Esnek Hesaplamaya Giriş J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Esnek Hesaplama Nedir? Esnek hesaplamanın temelinde yatan

Detaylı

Standart modellerde öncelikle kısıt denklemleri eşitlik haline çevrilmelidir. Öncelikle ilk kısıta bakalım.

Standart modellerde öncelikle kısıt denklemleri eşitlik haline çevrilmelidir. Öncelikle ilk kısıta bakalım. 3. Simpleks Yöntem Doğrusal programlama modelleri grafik yöntem dışında simpleks yöntem adı altında özel bir yöntemle çözülebilir. Bu yöntem Simple Matrix kelimlerinin kısaltmasıdır ve bir çeşit matris

Detaylı

EMM3208 Optimizasyon Teknikleri

EMM3208 Optimizasyon Teknikleri 2017-2018 Bahar Yarıyılı Balıkesir Üniversitesi Endüstri Mühendisliği Bölümü EMM3208 Optimizasyon Teknikleri (GAMS Kurulumu ve Temel Özellikleri, GAMS ile Modellemeye Giriş) 3 Yrd. Doç. Dr. İbrahim Küçükkoç

Detaylı

İktisat bilimi açısından optimizasyon, amacımıza en uygun olan. seçeneğin belirlenmesidir. Örneğin bir firmanın kârını

İktisat bilimi açısından optimizasyon, amacımıza en uygun olan. seçeneğin belirlenmesidir. Örneğin bir firmanın kârını OPTİMİZASYON İktisat bilimi açısından optimizasyon, amacımıza en uygun olan seçeneğin belirlenmesidir. Örneğin bir firmanın kârını maksimize edecek olan üretim miktarının belirlenmesi; bir bireyin toplam

Detaylı

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

rasgele değişkeninin olasılık yoğunluk fonksiyonu, 3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının

Detaylı

6. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN

6. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN 6. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM Yazan SAYIN SAN SAN / İKTİSADİ MATEMATİK / 2 A.5. Doğrusal olmayan fonksiyonların eğimi Doğrusal fonksiyonlarda eğim her noktada sabittir

Detaylı

OPTİMİZASYON TEKNİKLERİ. Kısıtsız Optimizasyon

OPTİMİZASYON TEKNİKLERİ. Kısıtsız Optimizasyon OPTİMİZASYON TEKNİKLERİ Kısıtsız Optimizasyon Giriş Klasik optimizasyon yöntemleri minimum veya maksimum değerlerini bulmak için türev gerektiren ve gerektirmeyen teknikler olarak bilinirler. Bu yöntemler

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

KORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN

KORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN KORELASYON VE REGRESYON ANALİZİ Doç. Dr. Bahar TAŞDELEN Günlük hayattan birkaç örnek Gelişim dönemindeki bir çocuğun boyu ile kilosu arasındaki ilişki Bir ailenin tükettiği günlük ekmek sayısı ile ailenin

Detaylı

(m+2) +5<0. 7/m+3 + EŞİTSİZLİKLER A. TANIM

(m+2) +5<0. 7/m+3 + EŞİTSİZLİKLER A. TANIM EŞİTSİZLİKLER A. TANIM f(x)>0, f(x) - eşitsizliğinin

Detaylı

9. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN

9. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN 9. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM Yazan SAYIN SAN SAN / İKTİSADİ MATEMATİK / 2 A.8. TAM REKABET PİYASALARI A.8.1. Temel Varsayımları Atomisite Koşulu: Piyasada alıcı ve satıcılar,

Detaylı

CEVAPLAR. n = n 1 + n 2 + n 3 + n 4 + n 5 + n 6 + n 7 = = 11 dir.

CEVAPLAR. n = n 1 + n 2 + n 3 + n 4 + n 5 + n 6 + n 7 = = 11 dir. T C S D Ü M Ü H E N D İ S L İ K F A K Ü L T E S İ - M A K İ N A M Ü H E N D İ S L İ Ğ İ B Ö L Ü M Ü MAK-307 OTM317 Müh. İstatistik İstatistiği ÖĞRENCİNİN: ADI - SOYADI ÖĞRETİMİ NOSU İMZASI 1.Ö 2.Ö A B

Detaylı

İkinci dersin notlarında yer alan Gepetto Marangozhanesi örneğini hatırlayınız.

İkinci dersin notlarında yer alan Gepetto Marangozhanesi örneğini hatırlayınız. ISLE 403 YÖNEYLEM ARAŞTIRMASI DERS 3 NOTLAR DP Modellerinin Standart Biçimde Gösterimi: İkinci dersin notlarında yer alan Gepetto Marangozhanesi örneğini hatırlayınız. Gepetto Marangozhanesi için DP modeli

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel

Detaylı

Simpleks Yöntemde Duyarlılık Analizleri

Simpleks Yöntemde Duyarlılık Analizleri 3.2.4. Simpleks Yöntemde Duyarlılık Analizleri Duyarlılık analizinde doğrusal programlama modelinin parametrelerindeki değişikliklerinin optimal çözüm üzerindeki etkileri araştırılmaktadır. Herhangi bir

Detaylı

BULANIK MANTIK VE SİSTEMLERİ 2014 2015 BAHAR DÖNEMİ ÖDEV 1. Müslüm ÖZTÜRK 148164001004 Bilişim Teknolojileri Mühendisliği ABD Doktora Programı

BULANIK MANTIK VE SİSTEMLERİ 2014 2015 BAHAR DÖNEMİ ÖDEV 1. Müslüm ÖZTÜRK 148164001004 Bilişim Teknolojileri Mühendisliği ABD Doktora Programı BULANIK MANTIK VE SİSTEMLERİ 2014 2015 BAHAR DÖNEMİ ÖDEV 1 Müslüm ÖZTÜRK 148164001004 Bilişim Teknolojileri Mühendisliği ABD Doktora Programı Mart 2015 0 SORU 1) Bulanık Küme nedir? Bulanık Kümenin (fuzzy

Detaylı

KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı

KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı 1 Bernoulli Dağılımı Bir şans değişkeninin bernoulli dağılımı göstermesi için ilgilenilen süreçte bernoulli

Detaylı

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü ULAŞTıRMA MODELININ TANıMı Ulaştırma modeli, doğrusal programlama probleminin özel bir şeklidir.

Detaylı

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Hessien Matris-Quadratik Form Mutlak ve Bölgesel Maksimum-Minimum Noktalar Giriş Kısıtlı ve kısıtsız fonksiyonlar için

Detaylı

Mikroiktisat Final Sorularý

Mikroiktisat Final Sorularý Mikroiktisat Final Sorularý MERSĐN ÜNĐVERSĐTESĐ ĐKTĐSADĐ VE ĐDARĐ BĐLĐMLER FAKÜLTESĐ MALĐYE VE ĐŞLETME BÖLÜMLERĐ MĐKROĐKTĐSAT FĐNAL SINAVI 10.01.2011 Saat: 13:00 Çoktan Seçmeli Sorular: Sorunun Yanıtı

Detaylı

Genel Graf Üzerinde Mutlak 1-merkez

Genel Graf Üzerinde Mutlak 1-merkez Genel Graf Üzerinde Mutlak 1-merkez Çözüm yöntemine geçmeden önce bazı tanımlara ihtiyaç vardır. Dikkate alınan G grafındaki düğümleri 1 den n e kadar numaralandırın. Uzunluğu a(i, j)>0 olarak verilen

Detaylı

Yrd. Doç. Dr. Caner ÖZCAN

Yrd. Doç. Dr. Caner ÖZCAN Yrd. Doç. Dr. Caner ÖZCAN Derse Giriş Ders Web Sitesi: www.canerozcan.net Ofis Saatleri: Salı 11:00-13:00 Perşembe 15:30-17:30 ya da email ile randevu alınız: canerozcan@karabuk.edu.tr Kaynak Kitaplar:

Detaylı

Ege Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Kontrol Sistemleri II Dersi

Ege Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Kontrol Sistemleri II Dersi 1) Giriş Ege Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Kontrol Sistemleri II Dersi Pendulum Deneyi.../../2015 Bu deneyde amaç Linear Quadratic Regulator (LQR) ile döner ters sarkaç (rotary inverted

Detaylı

Başlangıç Temel Programının Bilinmemesi Durumu

Başlangıç Temel Programının Bilinmemesi Durumu aşlangıç Temel Programının ilinmemesi Durumu İlgili kısıtlarda şartlar ( ) ise bunlara gevşek (slack) değişkenler eklenerek eşitliklere dönüştürülmektedir. Ancak sınırlayıcı şartlar ( ) veya ( = ) olduğu

Detaylı

Ege Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Kontrol Sistemleri II Dersi

Ege Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Kontrol Sistemleri II Dersi 1) Giriş Ege Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Kontrol Sistemleri II Dersi Pendulum Deneyi.../../2018 Bu deneyde amaç Linear Quadratic Regulator (LQR) ile döner ters sarkaç (rotary inverted

Detaylı

Pareto Etkinlik (Pareto Efficiency) Pareto Etkinlik Tanımı:

Pareto Etkinlik (Pareto Efficiency) Pareto Etkinlik Tanımı: Pareto Etkinlik (Pareto Efficiency) Pareto Etkinlik Tanımı: Pareto Etkinlik (Pareto Efficiency) Pareto Etkinlik Tanımı: {ĉ 1 t }, {ĉ t 2 } miktar serilerinin (allocation) Pareto Etkin (Pareto Optimal)

Detaylı

yöneylem araştırması Nedensellik üzerine diyaloglar I

yöneylem araştırması Nedensellik üzerine diyaloglar I yöneylem araştırması Nedensellik üzerine diyaloglar I i Yayın No : 3197 Eğitim Dizisi : 149 1. Baskı Ocak 2015 İSTANBUL ISBN 978-605 - 333-225 1 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları

Detaylı

YÖNEYLEM ARAŞTIRMASI - II

YÖNEYLEM ARAŞTIRMASI - II YÖNEYLEM ARAŞTIRMASI - II Araş. Gör. Murat SARI 1/35 I Giriş Biri diğerini izleyen ve karşılıklı etkileri olan bir dizi kararın bütünüyle ele alındığı problemler için geliştirilen karar modelleri ve bunların

Detaylı

Yöneylem Araştırması

Yöneylem Araştırması Yöneylem Araştırması Çok sayıda teknik ve bilimsel yaklaşımı içeren Yöneylem Araştırması, genellikle kıt kaynakların paylaşımının söz konusu olduğu sistemlerin en iyi şekilde tasarlanması ve işletilmesine

Detaylı

HESSİEN MATRİS QUADRATİK FORM MUTLAK ve BÖLGESEL MAKS-MİN NOKTALAR

HESSİEN MATRİS QUADRATİK FORM MUTLAK ve BÖLGESEL MAKS-MİN NOKTALAR HESSİEN MATRİS QUADRATİK FORM MUTLAK ve BÖLGESEL MAKS-MİN NOKTALAR Kısıtlı ve kısıtsız fonksiyonlar için maksimum veya minimum (ekstremum) noktalarının belirlenmesinde diferansiyel hesabı kullanarak çeşitli

Detaylı

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Bu bölümde eşitsizlik kısıtlarına bağlı bir doğrusal olmayan kısıta sahip problemin belirlenen stasyoner noktaları

Detaylı

ENDÜSTRİ MÜHENDİSLİĞİ

ENDÜSTRİ MÜHENDİSLİĞİ İSTANBUL ÜNİVERSİTESİ AÇIK VE UZAKTAN EĞİTİM FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ İŞ ETÜDÜ & ERGONOMİ Yrd.Doç.Dr.Tarık Küçükdeniz Bölüm 2: Verimlilik Verimlilik 1 Bölüme Giriş İş etüdü ile ilgili tekniklere

Detaylı

SİMPLEKS ALGORİTMASI Yapay değişken kullanımı

SİMPLEKS ALGORİTMASI Yapay değişken kullanımı Fen Bilimleri Enstitüsü Endüstri Mühendisliği Anabilim Dalı ENM53 Doğrusal Programlamada İleri Teknikler SİMPLEKS ALGORİTMASI Yapay değişken kullanımı Hazırlayan: Doç. Dr. Nil ARAS, 6 AÇIKLAMA Bu sununun

Detaylı

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( ) İKİ DEĞİŞKENLİ OLASILIK Rassal bir deneme yapılmakta ve farklı iki olay ile ilgilenilmektedir. A 1, A 2,,A i olayları bağdaşmaz ve bütünü kapsayıcıdır. B 1, B 2,,B j olayları bağdaşmaz ve bütünü kapsayıcıdır.

Detaylı