Η αγορά μπορεί να απορροφήσει οποιονδήποτε αριθμό σε θρανία και καρέκλες, αλλά το πολύ πέντε τραπέζια. Έχουμε το εξής π.γ.π.

Σχετικά έγγραφα
Ανάλυση Ευαισθησίας. αναζητάμε τις επιπτώσεις που επιφέρει στη βέλτιστη λύση η

Λύσεις θεμάτων Επιχειρησιακής Έρευνας (17/09/2014)

RIGHTHAND SIDE RANGES

ΕΠΙΛΥΣΗ ΕΚΦΥΛΙΣΜΕΝΩΝ ΚΑΙ ΓΕΝΙΚΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ. 4.1 Επίλυση Εκφυλισμένων Γραμμικών Προβλημάτων

ΤΜΗΜΑΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ ΜέθοδοιΜ& ΔύοΦάσεων

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Επιχειρησιακή Έρευνα

Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ Π Ρ Ο Γ Ρ Α Μ Μ Α Τ Ι Σ Μ Ο Σ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

είναι πρόβλημα μεγιστοποίησης όλοι οι περιορισμοί είναι εξισώσεις με μη αρνητικούς του σταθερούς όρους όλες οι μεταβλητές είναι μη αρνητικές

ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ ΔΙΑΛΕΞΗ 6 η -Η ΔΥΙΚΗ ΜΕΘΟΔΟΣ SIMPLEX

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΚΕΦΑΛΑΙΟ 2 ΑΛΓΟΡΙΘΜΟΙ ΤΥΠΟΥ SIMPLEX. 2.1 Βασικές έννοιες - Ορισμοί

σει κανένα modem των 128Κ. Θα κατασκευάσει συνολικά = 320,000 τεμάχια των 64Κ και το κέρδος της θα γίνει το μέγιστο δυνατό, ύψους 6,400,000.

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Επιστήµη τωναποφάσεων, ιοικητική Επιστήµη

Επιχειρησιακή Έρευνα I

Επιχειρησιακή Έρευνα

3.7 Παραδείγματα Μεθόδου Simplex

Τμήμα Μηχανικών Πληροφορικής ΤΕ Η μέθοδος Simplex. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 19/01/2017

Αναζητάμε το εβδομαδιαίο πρόγραμμα παραγωγής που θα μεγιστοποιήσει 1/20

Η μέθοδος Simplex. Γεωργία Φουτσιτζή-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. Τμήμα Μηχανικών Πληροφορικής ΤΕ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Θεωρία Αλγόριθμοι Γραμμικής Βελτιστοποίησης 28/3/2012. Lecture07 1

Επιχειρησιακή Έρευνα

z = c 1 x 1 + c 2 x c n x n

Θεωρία Αλγόριθμοι Γραμμικής Βελτιστοποίησης 3/4/2012. Lecture08 1

Τμήμα Μηχανικών Πληροφορικής ΤΕ Πρόβλημα Μεταφοράς. Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα

ΜΑΘΗΜΑΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΕΝΑΣ ΔΙΚΡΙΤΗΡΙΟΣ ΑΛΓΟΡΙΘΜΟΣ SIMPLEX

maximize z = 50x x 2 κάτω από τους περιορισμούς (εβδομαδιαίο κέρδος, χρηματικές μονάδες)

Ανάλυση ευαισθησίας. Άσκηση 3 Δίνεται ο παρακάτω τελικός πίνακας Simplex. Επιχειρησιακή Έρευνα Γκόγκος Χρήστος

Η μέθοδος Simplex. Χρήστος Γκόγκος. Χειμερινό Εξάμηνο ΤΕΙ Ηπείρου

Επιχειρησιακή Έρευνα

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Επιστήμη των Αποφάσεων, Διοικητική Επιστήμη

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ

ΠΡΟΟΡΙΣΜΟΣ ΑΠΟΘΗΚΕΣ Ζ1 Ζ2 Ζ3 Δ1 1,800 2,100 1,600 Δ2 1, Δ3 1, ,200

Τμήμα Μηχανικών Πληροφορικής ΤΕ Δυϊκότητα. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016

Θεωρία Μεθόδου Simplex

Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ Π Ρ Ο Γ Ρ Α Μ Μ Α Τ Ι Σ Μ Ο Σ

(sensitivity analysis, postoptimality analysis).

Επιχειρησιακή Έρευνα I

Ενδιαφερόμαστε να μεγιστοποιήσουμε το συνολικό κέρδος της εταιρείας που ανέρχεται σε: z = 3x 1 + 5x 2 (εκατοντάδες χιλιάδες χ.μ.)

Επιχειρησιακή Έρευνα I

2.4 Μια Πρώτη Προσέγγιση στην Ανάλυση Ευαισθησίας

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

Τμήμα Εφαρμοσμένης Πληροφορικής

Το Πρόβλημα Μεταφοράς

Γραμμικός Προγραμματισμός Μέθοδος Simplex

2.1. ΑΠΛΑ ΠΑΡΑΔΕΙΓΜΑΤΑ ΠΡΟΒΛΗΜΑΤΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ Π Ρ Ο Γ Ρ Α Μ Μ Α Τ Ι Σ Μ Ο Σ

Προβλήματα Μεταφορών (Transportation)

Ανάλυση ευαισθησίας. Γκόγκος Χρήστος- Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. Τμήμα Μηχανικών Πληροφορικής ΤΕ

ΜΑΘΗΜΑ: ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ-ΘΕΜΑΤΑ ΕΞΕΤΑΣΤΙΚΗΣ ΙΟΥΛΙΟΥ 2014

Θεωρία Δυαδικότητας ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου. Επιχειρησιακή Έρευνα

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

2. ΜΑΘΗΜΑΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΑΠΑΙΤΟΥΜΕΝΟΣ ΧΡΟΝΟΣ (hr) στο. Στάδιο Α Στάδιο Β (ανά) τρακτέρ (ανά) γερανό 15 10

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Αλγεβρική Μέθοδος Επίλυσης Γραμμικών Μοντέλων Η μέθοδος SIMPLEX (Both Simple and Complex ) 1

Κανονική μορφή μοντέλου μεγιστοποίησης

ΜΑΘΗΜΑ: ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ-ΘΕΜΑΤΑ ΕΞΕΤΑΣΤΙΚΗΣ IΟΥΝΙΟΥ 2015

Επιχειρησιακή Έρευνα

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΜΕΘΟΔΟΣ SIMPLEX, διαλ. 3. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 29/4/2017

Γραμμικός Προγραμματισμός

Επιχειρησιακή Έρευνα Θεωρητική Θεμελίωση της Μεθόδου Simplex

Case 07: Στρατηγική Χρηματοοικονομικής Δομής ΣΕΝΑΡΙΟ (1)

ΑΛΟΥΜΙΝΙΟ ΠΡΟΣΔΙΟΡΙΣΜΟΣ ΤΟΥ ΠΡΟΒΛΗΜΑΤΟΣ: Η ΠΕΡΙΠΤΩΣΗ ΠΑΡΑΓΩΓΗΣ ΑΛΟΥΜΙΝΙΟΥ

max 17x x 2 υπό 10x 1 + 7x 2 40 x 1 + x 2 5 x 1, x 2 0.

Τμήμα Μηχανικών Πληροφορικής ΤΕ Ανάλυση ευαισθησίας. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016

Επιχειρησιακή έρευνα (ασκήσεις)

C(Q) FC. } τα επίπεδα παραγωγής με ελάχιστο μέσο μεταβλητό κόστος p

Κανονική μορφή μοντέλου μεγιστοποίησης

Γραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

Επιχειρησιακή Έρευνα Βασικές Έννοιες Γραμμικού Προγραμματισμού

ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Ξέρουμε ότι: Συνάρτηση-απεικόνιση με πεδίο ορισμού ένα σύνολο Α και πεδίο τιμών ένα σύνολο Β είναι κάθε μονοσήμαντη απεικόνιση f του Α στο Β.

Πόρος Προϊόν 1 Προϊόν 2 Διαθέσιμη ποσότητα πόρου Απαιτούμενη ποσότητα πόρου ανά μονάδα προϊόντος. Γάλα (λίτρα)

Εισαγωγή στο Γραμμικό Προγραμματισμό

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ. Επίλυση προβλημάτων γραμμικού προγραμματισμού με χρήση κατάλληλου λογισμικού (Excel, Lindo)

The Product Mix Problem

Προβλήµατα Μεταφορών (Transportation)

Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ. Κεφάλαιο 3 Μορφοποίηση Προβλημάτων Ακέραιου Προγραμματισμού

1. ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Τ.Ε.Ι. Πειραιά Π.Μ.Σ. ΕΠΙΣΤΗΜΗ ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΜΕ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ

ΑΛΓΟΡΙΘΜΟΙ Ενότητα 10

ΟΙΚΟΝΟΜΙΚΗ ΤΗΣ ΕΠΙΚΟΙΝΩΝΙΑΣ

Case 12: Προγραμματισμός Παραγωγής της «Tires CO» ΣΕΝΑΡΙΟ (1)

Case 11: Πρόγραμμα Παρακίνησης Πωλητών ΣΕΝΑΡΙΟ

Γραμμικός και Ακέραιος προγραμματισμός

(β) Από την έκφραση (22) και την απαίτηση (20) βλέπουμε ότι η συνάρτηση Green υπάρχει αρκεί η ομογενής εξίσωση. ( L z) ( x) 0

Πληροφοριακά Συστήματα Διοίκησης. Εισαγωγή στον Γραμμικό Προγραμματισμό

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΣΗΜΕΙΩΣΕΙΣ

Γραμμικός Προγραμματισμός

Transcript:

Ένα ξυλουργείο παράγει θρανία, τραπέζια και καρέκλες : Προϊόν Πρώτη Ύλη Θρανίο Τραπέζι Καρέκλα Διαθεσιμότητα Ξυλεία (m) 8 6 1 48 Κατασκευή (ώρες) 2 1.5 0.5 8 Φινίρισμα (ώρες) 4 2 1.5 20 Τιμή Πώλησης 60,000 30,000 20,000 Η αγορά μπορεί να απορροφήσει οποιονδήποτε αριθμό σε θρανία και καρέκλες, αλλά το πολύ πέντε τραπέζια. Έχουμε το εξής π.γ.π. κάτω από τους περιορισμούς maximize (60x 1 + 30x 2 + 20x 3 ) 8x 1 + 6x 2 + x 3 48 2x 1 + 1.5x 2 + 0.5x 3 8 4x 1 + 2x 2 + 1.5x 3 20 x 2 5 x 1, x 2, x 3 0 του οποίου τυπική μορφή είναι η κάτω από τους περιορισμούς maximize (60x 1 + 30x 2 + 20x 3 ) 8x 1 + 6x 2 + x 3 + x 4 = 48 2x 1 + 1.5x 2 + 0.5x 3 + x 5 = 8 4x 1 + 2x 2 + 1.5x 3 + x 6 = 20 x 2 + x 7 = 5 x 1, x 2, x 3, x 4, x 5, x 6, x 7 0 Τι εκφράζουν οι ποσότητες (περιθώριες μεταβλητές) x 4, x 5, x 6 και x 7 ; 1/12

60 30 20 0 0 0 0 P 4 0 48 8 6 1 1 0 0 0 48/8 P 5 0 8 2 1.5 0.5 0 1 0 0 8/2 P 6 0 20 4 2 1.5 0 0 1 0 20/4 P 7 0 5 0 1 0 0 0 0 1 - z 0-60 -30-20 0 0 0 0 x = (0, 0, 0, 48, 8, 20, 5) με z = 0 60 30 20 0 0 0 0 P 4 0 16 0 0-1 1-4 0 0 - P 1 60 4 1 0.75 0.25 0 0.5 0 0 4/0.25 P 6 0 4 0-1 0.5 0-2 1 0 4/0.5 P 7 0 5 0 1 0 0 0 0 1 - z 240 0 15-5 0 30 0 0 x = (4, 0, 0, 16, 0, 4, 5) με z = 240 60 30 20 0 0 0 0 P 4 0 24 0-2 0 1-8 2 0 P 1 60 2 1 1.25 0 0 1.5-0.5 0 P 3 20 8 0-2 1 0-4 2 0 P 7 0 5 0 1 0 0 0 0 1 z 280 0 5 0 0 10 10 0 x = (2, 0, 8, 24, 0, 0, 5) με z = 280 2/12

Η σκιώδης (δυική) τιμή του i-πόρου ορίζεται να είναι το ποσό κατά το οποίο βελτιώνεται η τιμή της αντικειμενικής συνάρτησης z αν η διαθέσιμη ποσότητα του πόρου αυτού αυξηθεί κατά μία μονάδα. Η Simplex αντιστοιχεί τη σκιώδη τιμή w i του i-πόρου στην τιμή z i c i της άριστης λύσης για την x i περιθώρια μεταβλητή. Η σκιώδης τιμή ενός πόρου που χρησιμοποιήθηκε πλήρως (δεσμευτικός περιορισμός) είναι μη μηδενική. Η σκιώδης τιμή ενός πόρου που δε χρησιμοποιήθηκε πλήρως (χαλαρός περιορισμός) είναι μηδενική. Το ευκαιριακό κόστος (κόστος ευκαιρίας) της j μη βασικής δραστηριότητας ορίζεται να είναι το ποσό κατά το οποίο ελαττώνεται η τιμή της αντικειμενικής συνάρτησης z αν η ποσότητα της δραστηριότητας αυτής αυξηθεί κατά μία μονάδα. Ισοδύναμα, το ευκαιριακό κόστος εκφράζει το ποσό κατά το οποίο πρέπει να βελτιωθεί ο αντικειμενικός συντελεστής της μεταβλητής για να συμφέρει να μπει στην άριστη λύση. Η Simplex αντιστοιχεί το ευκαιριακό κόστος της j μη βασικής μεταβλητής απόφασης στην τιμή z j c j της άριστης λύσης για αυτή τη μεταβλητή. Το ευκαιριακό κόστος μιας βασικής μεταβλητής είναι μηδέν. Αν μια μη βασική μεταβλητή έχει ευκαιριακό κόστος μηδέν, το πρόβλημα έχει εναλλακτική άριστη λύση. 3/12

60 35 20 0 0 0 0 P 4 0 48 8 6 1 1 0 0 0 48/8 P 5 0 8 2 1.5 0.5 0 1 0 0 8/2 P 6 0 20 4 2 1.5 0 0 1 0 20/4 P 7 0 5 0 1 0 0 0 0 1 - z 0-60 -35-20 0 0 0 0 P 4 0 16 0 0-1 1-4 0 0 - P 1 60 4 1 0.75 0.25 0 0.5 0 0 4/0.25 P 6 0 4 0-1 0.5 0-2 1 0 4/0.5 P 7 0 5 0 1 0 0 0 0 1 - z 240 0 10-5 0 30 0 0 P 4 0 24 0-2 0 1-8 2 0 - P 1 60 2 1 1.25 0 0 1.5-0.5 0 2/1.25 P 3 20 8 0-2 1 0-4 2 0 - P 7 0 5 0 1 0 0 0 0 1 5/1 z 280 0 0 0 0 10 10 0 x (1) = (2, 0, 8, 24, 0, 0, 5) με z = 280 60 35 20 0 0 0 0 P 4 0 27.2 1.6 0 0 1-5.6 1.2 0 P 2 35 1.6 0.8 1 0 0 1.2-0.4 0 P 3 20 11.2 1.6 0 1 0-1.6 1.2 0 P 7 0 3.4-0.8 0 0 0-1.2 0.4 1 z 280 0 0 0 0 10 10 0 x (2) = (0, 1.6, 11.2, 27.2, 0, 0, 3.4) με z = 280 4/12

5/12

6/12

Αμφιβολίες γύρω από τους κανόνες επιλογής εξερχόμενης ή/και εισερχόμενης μεταβλητής εισερχόμενη μεταβλητή αυθαίρετα κανένα πρόβλημα εξερχόμενη μεταβλητή αυθαίρετα εκφυλισμένες λύσεις π.χ. Να λυθεί το π.γ.π. κάτω από τους περιορισμούς maximize (5x 1 + 3x 2 ) 4x 1 + 2x 2 12 4x 1 + x 2 10 x 1 + x 2 4 x 1, x 2 0 Αρχικά πρέπει να φέρουμε το πρόβλημα στην τυπική του μορφή : κάτω από τους περιορισμούς maximize (5x 1 + 3x 2 ) 4x 1 + 2x 2 + x 3 = 12 4x 1 + x 2 + x 4 = 10 x 1 + x 2 + x 5 = 4 x 1, x 2, x 3, x 4, x 5 0 Στη συνέχεια εφαρμόζουμε τη μέθοδο Simplex : 7/12

5 3 0 0 0 β P 1 P 2 P 3 P 4 P 5 θ P 3 0 12 4 2 1 0 0 12/4 P 4 0 10 4 1 0 1 0 10/4 P 5 0 4 1 1 0 0 1 4/1 z 0-5 -3 0 0 0 P 3 0 2 0 1 1-1 0 2 P 1 5 10/4 1 1/4 0 1/4 0 10 P 5 0 6/4 0 3/4 0-1/4 1 2 z 12.5 0-7/4 0 5/4 0 P 2 3 2 0 1 1-1 0 P 1 5 2 1 0-1/4 2/4 0 P 5 0 0 0 0-3/4 2/4 1 z 16 0 0 7/4-2/4 0 5 3 0 0 0 β P 1 P 2 P 3 P 4 P 5 θ P 2 3 2 0 1 1-1 0 - P 1 5 2 1 0-1/4 2/4 0 4 P 5 0 ε 0 0-3/4 2/4 1 2ε z 16 0 0 7/4-2/4 0 P 2 3 2+2ε 0 1-2/4 0 0 P 1 5 2-ε 1 0 8/16 0-1 P 4 0 2ε 0 0-6/4 1 2 z 16+ε 0 0 1 0 1 8/12

Α(x 3, x 4, x 5 ) B(x 3, x 1, x 5 ) Γ(x 2, x 1, x 5 ) Γ(x 2, x 1, x 4 ) 9/12

Κύκλωση και τεχνικές αντικύκλωσης δεν υπάρχουν εκφυλισμένες λύσεις σύγκλιση σε πεπερασμένα βήματα υπάρχουν εκφυλισμένες λύσεις εγγύηση από τις τεχνικές αντικύκλωσης Λέμε ότι η μέθοδος Simplex κυκλώνει, αν το ίδιο Simplex tableau κατασκευάζεται σε δύο διαφορετικές επαναλήψεις της μεθόδου. Η κύκλωση είναι σπάνιο φαινόμενο, σε βαθμό που ακόμη και παραδείγματα π.γ.π. που μπορεί να κυκλώνουν είναι δύσκολο να κατασκευαστούν. (Beale). Να λυθεί το π.γ.π. κάτω από τους περιορισμούς 3 maximize x 4 1 150x2 + x3 x4 50 1 6 9x 0 1 x - 60x 1 2-1 x + 3 4 4 25 1 x - 90x 2-1 1 x + 3x4 0 3 2 50 x 1 x, 1 x, x 2 3 4 3 x 0 10/12

Αρχικό tableau 3 4-150 1 50-6 0 0 0 P 5 0 0 4 P 6 0 0 2 1-60 1 25 1-90 1 50 9 1 0 0 0 3 0 1 0 0 P 7 0 1 0 0 1 0 0 0 1 - P 1 4 z 0 3 4 150 1 50 6 0 0 0 3 0 1-240 4 25 36 4 0 0 - P 6 0 0 0 30 3 50-15 -2 1 0 0 P 7 0 1 0 0 1 0 0 0 1 - z 0 0-30 7 50 33 3 0 0 tableau 6ης επανλ 3 4-150 1 50-6 0 0 0... P 5 0 0 4 P 6 0 0 2 1-60 1 25 1-90 1 50 9 1 0 0 0 3 0 1 0 0 P 7 0 1 0 0 1 0 0 0 1 - z 0 3 4 150 1 50 6 0 0 0 Το tableau της 6η επανάληψης συμπίπτει με το αρχικό Simplex tableau. 11/12

Κανόνας του Bland. Η μέθοδος Simplex τερματίζεται ύστερα από ένα πεπερασμένο αριθμό βημάτων, αν σε κάθε επανάληψη ως εισερχόμενη και εξερχόμενη μεταβλητή επιλεγούν εκείνες που εμφανίζονται πρώτες (με τον μικρότερο δείκτη) στους αντίστοιχους καταλόγους των υποψηφίων εισερχομένων και εξερχόμενων μεταβλητών. tableau 4ης επανλ 3 4-150 1 50-6 0 0 0 P 3 1 50 0 125 2 10500 1 0 50-150 0 0 P 4 6 0 1 4 40 0 1 1 3 2 3 0 0 P 7 0 1 125 2-10500 0 0-50 150 1 - z 0 1 2 120 0 0-1 1 0 Bland s rule 3 4-150 1 50-6 0 0 0 P 3 1 50 0 125 2 10500 1 0 50-150 0 - P 4 6 0 1 4 40 0 1 1 3 2 3 0 - P 7 0 1 125 2-10500 0 0-50 150 1 2/125 z 0 1 2 120 0 0-1 1 0 Προσοχή. Επειδή ο κανόνας του Bland μπορεί να επιλέξει ως εισερχόμενη μεταβλητή κάποια η οποία δε θα βελτιώσει σημαντικά την τιμή z, η εφαρμογή του σε κάθε επανάληψη της μεθόδου Simplex αποδεικνύεται ανεπαρκής. Η χρήση του συνιστάται μόνο με την εμφάνιση εκφυλισμένων λύσεων, ώστε να αποκλειστεί το φαινόμενο της κύκλωσης. Υπάρχουν κι άλλες τεχνικές διαταραχής του Charnes λεξικογραφική μέθοδος (τροποποιεί τον κανόνα του ελάχιστου πηλίκου) 12/12