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

Ebat: px
Şu sayfadan göstermeyi başlat:

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

Transkript

1 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

2 Modelin Standard Hali Maksimizasyon s.t. 3 Doç. Dr. Fazıl GÖKGÖZ 4 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 2

3 5 Doç. Dr. Fazıl GÖKGÖZ Maksimizasyon s.t. 6 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 3

4 Maksimizasyon s.t. 7 Doç. Dr. Fazıl GÖKGÖZ Maksimizasyon s.t. 8 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 4

5 Maksimizasyon s.t. 9 Doç. Dr. Fazıl GÖKGÖZ Maksimizasyon s.t. 10 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 5

6 Maksimizasyon s.t. 11 Doç. Dr. Fazıl GÖKGÖZ Maksimizasyon s.t. 12 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 6

7 Maksimizasyon s.t. 13 Doç. Dr. Fazıl GÖKGÖZ Bardak Üretimi 14 Doç. Dr. Fazıl GÖKGÖZ Kase Üretimi Yrd.Doç. Dr. Fazıl GÖKGÖZ 7

8 Pivot Column Sütun En Largest Büyük c j Cj -z j value Zj Değeri 15 Doç. Dr. Fazıl GÖKGÖZ 50$ Kar 40$ Kar 16 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 8

9 Pivot Column Sütun 40 / 2 = / 3 = 40 En Largest Büyük cj-zj value Cj Zj Değeri 17 Doç. Dr. Fazıl GÖKGÖZ Pivot Sıra Pivot Column Sütun En Küçük Değer Pivot Sayı En Largest Büyük cj-zj value Cj Zj Değeri 18 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 9

10 Değişken Girer Değişken Çıkar 19 Doç. Dr. Fazıl GÖKGÖZ 20 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 10

11 40 / 2 = 1 / 2 = 2 / 2 = 1 / 2 = 0 / 2 = Yeni tablodaki pivot satır değerleri = Eski tablodaki pivot satır değerleri Pivot sayı 21 Doç. Dr. Fazıl GÖKGÖZ 120 (3 x 20) = 4 (3 x 1/2) = 3 (3 x 1) = 0 (3 x 1/2) = 1 (3 x 0) = Yeni tablodaki sıra değerleri = Eski tablo sıra değerleri ( ) Pivot sütuna karşılık gelen katsayılar Yeni tabloda X hesaplanan pivot satır değerleri 22 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 11

12 23 Doç. Dr. Fazıl GÖKGÖZ 24 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 12

13 25 Doç. Dr. Fazıl GÖKGÖZ 26 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 13

14 Pivot Row Sıra Pivot Sütun En Küçük Değer Pivot Sayı En Büyük Cj Zj Değeri 27 Doç. Dr. Fazıl GÖKGÖZ Değişken Girer Değişken Çıkar 28 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 14

15 Optimal Çözüm 29 Doç. Dr. Fazıl GÖKGÖZ Minimizasyon s.t. kg nitrojen kg fosfat 30 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 15

16 Minimizasyon s.t. 31 Doç. Dr. Fazıl GÖKGÖZ Minimizasyon s.t. 32 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 16

17 Minimizasyon s.t. 33 Doç. Dr. Fazıl GÖKGÖZ 24 (3 x 4) = Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 17

18 35 Doç. Dr. Fazıl GÖKGÖZ 36 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 18

19 Optimal çözüm 37 Doç. Dr. Fazıl GÖKGÖZ Özetlersek; simplex yöntemiyle gerçekleştirilen bir minimizasyon probleminde kısaca aşağıdaki adımlara uyulmalıdır. 1.İçerisinde olan tüm kısıtları, ifadelerden artık değişkenler çıkararak ve suni değişkenler ilave ederek eşitlikler haline dönüştürünüz. 2. Amaç fonksiyonunda yer alan her suni değişkenin M değerlerine bir Cj değişkeni atayınız. 3. Cj Zj sırasını Zj Cj şekline çeviriniz. 38 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 19

20 Örnek Bir deri firması standard tasarımda el yapımı çanta ve bavul üretmektedir. Firma üretmekte olduğu her çanta başına 400$, her bavul başına ise 200$ kar sağlamaktadır. Firma yapmış olduğu anlaşma gereğince bir mağazaya ayda 30 adet ürün temin etmeyi garanti etmiştir. Deri hammaddesi sağlayan tabakhane ise firmaya aylık olarak 80 m 2 deri sağlamaktadır. Firma sağlanan bu deri hammaddesinin mümkün olduğunca en az miktarını kullanmak istemekle birlikte, tabakhaneden daha fazla sipariş talebinde de bulunabilmektedir. Çanta üretiminde 2m 2, bavul üretiminde ise 8m 2 deri hammaddesi tüketilmektedir. 39 Doç. Dr. Fazıl GÖKGÖZ İstenilenler Geçmiş performans verilerini dikkate alan firmanın sahipleri ayda 20 çantadan fazla üretim gerçekleştirilemediğini belirtmektedir. Firmanın sahipleri kar maksimizasyonunu sağlayacak olan çanta ve bavul üretimi düzeylerinin tespit edilerek kendilerine bir rapor halinde sunulmasını istemiştir. 40 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 20

21 Problemin Simplex Yöntemiyle Çözümü Maksimizasyon s.t. anlaşmadaki talep miktarı kullanılan deri miktarı (m 2 ) çanta 41 Doç. Dr. Fazıl GÖKGÖZ 1. Adım : Model kısıtında yer alan eşitsizliklerin eşitlik haline dönüştürülmesi Kısıt Düzenleme Gevşek Slack değişken ilavesi Suni değişken ilavesi Artık Surplus değişkenin çıkartılması ve suni değişkenin ilave edilmesi Amaç Fonksiyonunun Katsayısı Maksimizasyon Minimizasyon 42 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 21

22 Maksimizasyon s.t. 43 Doç. Dr. Fazıl GÖKGÖZ 2. Adım : Mümkün olan ilk temel çözüm için başlangıç tablosunun hazırlanması ve Zj, Cj-Zj sıra değerlerinin tespiti. 44 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 22

23 3. Adım : c j z j satırındaki en yüksek pozitif değere sahip olan kolonun belirlenerek Pivot Sütunu nun tespiti 45 Doç. Dr. Fazıl GÖKGÖZ 4. Adım : Pivot satırının tespit edilmesi (miktar sütunundaki değerlerin kendilerine karşılık gelen pivot sütunu değerlerine bölünmesi sonucu en küçük değerli sütun elemanının seçilerek Pivot elemanın belirlenmesi. 46 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 23

24 5. Adım : Aşağıdaki formülün kullanılarak Pivot Satırındaki elemanların hesaplanması Yeni tablodaki pivot satırı değerleri = Yeni tablodaki pivot satırı değerleri Pivot elemanı 80 / 8 = 10 2 / 8 = 1/4 8 / 8 = 1-1 / 8 = -1/8 1 / 8 = 1/8 47 Doç. Dr. Fazıl GÖKGÖZ 6. Diğer tüm satır değerlerinin aşağıdaki formül yardımıyla hesaplanması: Yeni tablodaki sıra değerleri = Eski tablo sıra değerleri ( ) Pivot sütuna karşılık gelen katsayılar Yeni tabloda X hesaplanan pivot satır değerleri 30 (1 x 10) = (0 x 10) = 20 1 (0 x 0) = 1 48 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 24

25 7. Adım : Yeni Zj ve Cj Zj sıra değerlerinin tespit edilmesi. 49 Doç. Dr. Fazıl GÖKGÖZ 8. Adım : Cj Zj satırındaki değerler incelenir ve söz konusu değerler sıfır veya negatif değilse optimal çözüme ulaşıldığı kabul edilir. Ancak, pozitif değerler var ise Adım 3 ten itibaren yapılan işlemler tekrarlanarak Cj-Zj farkının sıfır veya negatif olana dek devam ettirilmesi (iterasyon) sağlanır, diğer ifadeyle simplex adımlarına devam edilir. 50 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 25

26 3 ncü Simplex Tablosu 51 Doç. Dr. Fazıl GÖKGÖZ The Optimal Simplex Tableau x 1 = 20 adet çanta x 2 = 10 adet bavul s 1 = 40 m2 fazla deri hammaddesi Z = $ aylık kar 52 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 26

27 Düzensiz Yapıdaki Doğrusal Programlama Problemeleri Doç. Dr. Fazıl GÖKGÖZ 53 B Noktası C Noktası 54 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 27

28 Çoklu Optimal Çözümler 55 Doç. Dr. Fazıl GÖKGÖZ Maksimizasyon Z = 5x 1 + 3x 2 s.t. 4x 1 + 2x 2 8 x 1 4 x 2 6 x 1, x Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 28

29 57 Doç. Dr. Fazıl GÖKGÖZ Mümkün Bir Çözümü Olmayan Problem 58 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 29

30 Maksimizasyon s.t. 59 Doç. Dr. Fazıl GÖKGÖZ 60 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 30

31 Sınırsız Yapıdaki Bir Problem Sınırsız yapıdaki bir problemde pivot satırın seçimi yapılamamaktadır. 61 Doç. Dr. Fazıl GÖKGÖZ Pivot Sutünunun Bağlanması Bağlı olan iki sutün rastgele seçilmektedir. 62 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 31

32 Pivot Satırı Dejenerasyonu için Yaılan Bağ Bağ 63 Doç. Dr. Fazıl GÖKGÖZ 64 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 32

33 65 Doç. Dr. Fazıl GÖKGÖZ Negatif lı Değerler Standart bir Simpleks çözümü pozitif sağ-el değerlerine sahip olmalıdır. - 6x 1 + 2x 2-30 (-1) (- 6x 1 + 2x 2-30) 6x 1-2x Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 33

34 Primer Yapı İkili (Dual) Yapı 67 Doç. Dr. Fazıl GÖKGÖZ 68 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 34

35 69 Doç. Dr. Fazıl GÖKGÖZ 70 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 35

36 Orjinal Optimal Çözüm q 2 de değişiklik yapılması sonucu oluşan yeni optimal çözüm 71 Doç. Dr. Fazıl GÖKGÖZ 72 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 36

37 73 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 37

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

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

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

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

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

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

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

Duyarlılık Analizi, modelde veri olarak kabul edilmiş parametrelerde meydana gelen değişimlerin optimum çözüme etkisinin incelenmesidir.

Duyarlılık Analizi, modelde veri olarak kabul edilmiş parametrelerde meydana gelen değişimlerin optimum çözüme etkisinin incelenmesidir. ISLE 403 YÖNEYLEM ARAŞTIRMASI I DERS IV NOTLAR Bağlayıcı Kısıtlar ve Bağlayıcı Olmayan Kısıtlar: Bağlayıcı Kısıtlar, denklemleri optimum çözüm noktasında kesişen kısıtlardır. Bağlayıcı-Olmayan Kısıtlar,

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

İÇİNDEKİLER. Bölüm 1 YÖNEYLEM ARAŞTIRMASINA GİRİŞ 11. 1.1. Temel Kavramlar 14 1.2. Modeller 17 1.3. Diğer Kavramlar 17 Değerlendirme Soruları 19

İÇİNDEKİLER. Bölüm 1 YÖNEYLEM ARAŞTIRMASINA GİRİŞ 11. 1.1. Temel Kavramlar 14 1.2. Modeller 17 1.3. Diğer Kavramlar 17 Değerlendirme Soruları 19 İÇİNDEKİLER ÖNSÖZ III Bölüm 1 YÖNEYLEM ARAŞTIRMASINA GİRİŞ 11 1.1. Temel Kavramlar 14 1.2. Modeller 17 1.3. Diğer Kavramlar 17 Değerlendirme Soruları 19 Bölüm 2 DOĞRUSAL PROGRAMLAMA 21 2.1 Doğrusal Programlamanın

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

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

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

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 ULAŞTIRMA MODELİNİN TANIMI Ulaştırma modeli, doğrusal programlama probleminin özel bir şeklidir.

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

4. Gölge Fiyat Kavramı ve Duyarlılık Analizleri:

4. Gölge Fiyat Kavramı ve Duyarlılık Analizleri: 4. Gölge Fiyat Kavramı ve Duyarlılık Analizleri: 4.1. Gölge Fiyat Kavramı Gölge fiyatlar doğrusal programlama modellerinde kısıtlarla açıklanan kaynakların bizim için ne kadar değerli olduklarını gösterirler.

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

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

ĐST 349 Doğrusal Programlama ARA SINAV I 15 Kasım 2006

ĐST 349 Doğrusal Programlama ARA SINAV I 15 Kasım 2006 ĐST 49 Doğrusal Programlama ARA SINAV I 15 Kasım 006 Adı Soyadı:KEY No: 1. Aşağıdaki problemi grafik yöntemle çözünüz. Đkinci kısıt için marjinal değeri belirleyiniz. Maximize Z X 1 + 4 X subject to: X

Detaylı

Temelleri. Doç.Dr.Ali Argun Karacabey

Temelleri. Doç.Dr.Ali Argun Karacabey Doğrusal Programlamanın Temelleri Doç.Dr.Ali Argun Karacabey Doğrusal Programlama Nedir? Bir Doğrusal Programlama Modeli doğrusal kısıtlar altında bir doğrusal ğ fonksiyonun değerini ğ maksimize yada minimize

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

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

Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal. değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma

Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal. değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma 2 13.1 Normal Dağılımın Standartlaştırılması Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma değerleriyle normal

Detaylı

Ulaştırma ve Atama. Konu 2. Ulaştırma Modeli. Doç. Dr. Fazıl GÖKGÖZ

Ulaştırma ve Atama. Konu 2. Ulaştırma Modeli. Doç. Dr. Fazıl GÖKGÖZ Ulaştırma ve Atama Modelleri Konu 2 Ulaştırma Modeli 1. Farklı kaynaklardan temin edilen bir ürün, mümkün olan minimum maliyetle farklı istikametlere taşınmaktadır. 2. Her kaynak noktası sabit sayıda ürün

Detaylı

DOĞRUSAL PROGRAMLAMANIN ÖZEL TÜRLERİ

DOĞRUSAL PROGRAMLAMANIN ÖZEL TÜRLERİ DOĞRUSAL PROGRAMLAMANIN ÖZEL TÜRLERİ TRANSPORTASYON (TAŞIMA, ULAŞTIRMA) TRANSİT TAŞIMA (TRANSSHIPMENT) ATAMA (TAHSİS) TRANSPORTASYON (TAŞIMA) (ULAŞTIRMA) TRANSPORTASYON Malların birden fazla üretim (kaynak,

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

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

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

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

YÖNEYLEM ARAŞTIRMASI YÜKSEK LİSANS DERSİ

YÖNEYLEM ARAŞTIRMASI YÜKSEK LİSANS DERSİ LINDO (Linear Interactive and Discrete Optimizer) YÖNEYLEM ARAŞTIRMASI YÜKSEK LİSANS DERSİ 2010-2011 Güz-Bahar Yarıyılı YRD.DOÇ.DR.MEHMET TEKTAŞ ÖRNEK 6X 1 + 3X 2 96 X 1 + X 2 18 2X 1 + 6X 2 72 X 1, X

Detaylı

ÇOK KRİTERLİ KARAR VERME HEDEF PROGRAMLAMA

ÇOK KRİTERLİ KARAR VERME HEDEF PROGRAMLAMA ÇOK KRİTERLİ KARAR VERME HEDEF PROGRAMLAMA KONU 10 Doç. Dr. Fazıl GÖKGÖZ 1 Genel Bilgiler Lineer programlama kapsamına tek bir amaç fonksiyonu uruma göre maksimize veya minimize eilmekteir. Ancak, gerçek

Detaylı

ATAMA (TAHSİS) MODELİ

ATAMA (TAHSİS) MODELİ ATAMA (TAHSİS) MODELİ ATAMA (TAHSİS) MODELİ Doğrusal programlamada kullanılan bir başka hesaplama yöntemidir. Atama problemleri, doğrusal programlama (simpleks yöntem) veya transport probleminin çözüm

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

Konu 2. Y. Doç. Dr. Fazıl GÖKGÖZ

Konu 2. Y. Doç. Dr. Fazıl GÖKGÖZ Ulaştırma ve Atama Modelleri Konu 2 Ulaştırma Modeli 1. Farklı kaynaklardan kl temin edilen bir ürün, mümkün olan minimum maliyetle farklı istikametlere taşınmaktadır. 2. Her kaynak noktası sabit sayıda

Detaylı

SİMPLEKS ALGORİTMASI! ESASLARI!

SİMPLEKS ALGORİTMASI! ESASLARI! Fen ilimleri Enstitüsü Endüstri Mühendisliği Anabilim Dalı ENM53 Doğrusal Programlamada İleri Teknikler SİMPLEKS ALGORİTMASI ESASLARI Hazırlayan: Doç. Dr. Nil ARAS AÇIKLAMA n n u sununun hazırlanmasında,

Detaylı

KONU2 MERKEZİ EĞİLİM ÖLÇÜLERİ EĞİLİM ÖLÇÜLERİ ANALİTİK ORTALAMALAR ANALİTİK OLMAYAN MERKEZİ. Aritmetik ortalama **Medyan(median)

KONU2 MERKEZİ EĞİLİM ÖLÇÜLERİ EĞİLİM ÖLÇÜLERİ ANALİTİK ORTALAMALAR ANALİTİK OLMAYAN MERKEZİ. Aritmetik ortalama **Medyan(median) KONU2 MERKEZİ EĞİLİM ÖLÇÜLERİ 1 MERKEZİ EĞİLİM ÖLÇÜLERİ ANALİTİK ORTALAMALAR Bir örneklemde mevcut olan tüm veriler hesaba katılır. ANALİTİK OLMAYAN MERKEZİ EĞİLİM ÖLÇÜLERİ Bir örneklemdeki verilerin bir

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

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

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

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

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

EKON 305 Yöneylem Araştırması I. Doğrusal Programlama. Doç. Dr. Murat ATAN 1

EKON 305 Yöneylem Araştırması I. Doğrusal Programlama. Doç. Dr. Murat ATAN 1 EKON 305 Yöneylem Araştırması I Doğrusal Programlama Doç. Dr. Murat ATAN 1 Doğrusal Programlama Karar Verme ve Modeller Algılanan ihtiyaçlara özgü kasıtlı ve düşünceli seçim (Kleindorfer ve diğ., 1993)

Detaylı

Özyineleme (Recursion)

Özyineleme (Recursion) C PROGRAMLAMA Özyineleme (Recursion) Bir fonksiyonun kendisini çağırarak çözüme gitmesine özyineleme (recursion), böyle çalışan fonksiyonlara da özyinelemeli (recursive) fonksiyonlar denilir. Özyineleme,

Detaylı

MATE211 BİYOİSTATİSTİK

MATE211 BİYOİSTATİSTİK MATE211 BİYOİSTATİSTİK ÇALIŞMA SORULARININ ÇÖZÜM VE CEVAPLARI Yapılan bir araştırmada, 136 erişkin kişinin kanlarındaki kolesterol düzeyleri gr/dl cinsinden aşağıda verilmiştir: 180 230 190 186 220 191

Detaylı

Motivasyon Matrislerde Satır İşlemleri Eşelon Matris ve Uygulaması Satırca İndirgenmiş Eşelon Matris ve Uygulaması Matris Tersi ve Uygulaması Gauss

Motivasyon Matrislerde Satır İşlemleri Eşelon Matris ve Uygulaması Satırca İndirgenmiş Eşelon Matris ve Uygulaması Matris Tersi ve Uygulaması Gauss Motivasyon Matrislerde Satır İşlemleri Eşelon Matris ve Uygulaması Satırca İndirgenmiş Eşelon Matris ve Uygulaması Matris Tersi ve Uygulaması Gauss Jordan Yöntemi ve Uygulaması Performans Ölçümü 2 Bu çalışmada,

Detaylı

Doğrusal Programlama ve Madenciliğe İlişkin iki Basit Örnek

Doğrusal Programlama ve Madenciliğe İlişkin iki Basit Örnek MADENCİLİK Eylül September 1984 Cilt Volume XXIII Sayı No 3 Doğrusal Programlama ve Madenciliğe İlişkin iki Basit Örnek Linear Programming and Two Simple Examples From Mining A.Oktay YALGIN(*) ÖET Bu yazıda

Detaylı

KESİKLİ İŞLETİLEN PİLOT ÖLÇEKLİ DOLGULU DAMITMA KOLONUNDA ÜST ÜRÜN SICAKLIĞININ SET NOKTASI DEĞİŞİMİNDE GERİ BESLEMELİ KONTROLU

KESİKLİ İŞLETİLEN PİLOT ÖLÇEKLİ DOLGULU DAMITMA KOLONUNDA ÜST ÜRÜN SICAKLIĞININ SET NOKTASI DEĞİŞİMİNDE GERİ BESLEMELİ KONTROLU KESİKLİ İŞLETİLEN PİLOT ÖLÇEKLİ DOLGULU DAMITMA KOLONUNDA ÜST ÜRÜN SICAKLIĞININ SET NOKTASI DEĞİŞİMİNDE GERİ BESLEMELİ KONTROLU B. HACIBEKİROĞLU, Y. GÖKÇE, S. ERTUNÇ, B. AKAY Ankara Üniversitesi, Mühendislik

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

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37 İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar

Detaylı

SÜREKLĠ OLASILIK DAĞILIMLARI

SÜREKLĠ OLASILIK DAĞILIMLARI SÜREKLĠ OLASILIK DAĞILIMLARI Sayı ekseni üzerindeki tüm noktalarda değer alabilen değişkenler, sürekli değişkenler olarak tanımlanmaktadır. Bu bölümde, sürekli değişkenlere uygun olasılık dağılımları üzerinde

Detaylı

END331 YÖNEYLEM ARAŞTIRMASI I DERS NOTLARI

END331 YÖNEYLEM ARAŞTIRMASI I DERS NOTLARI END33 YÖNEYLEM ARAŞTIRMASI I DERS NOTLARI İKİNCİ BÖLÜM (206-207) Dr. Y. İlker Topcu & Dr. Özgür Kabak Teşekkür: Prof. W.L. Winston'ın "Operations Research: Applications and Algorithms" kitabı ile Prof.

Detaylı

FABRİKA ORGANİZASYONU Üretim Planlama ve Yönetimi 2. Uygulama: Sipariş ve Parti Büyüklüğü Hesaplama

FABRİKA ORGANİZASYONU Üretim Planlama ve Yönetimi 2. Uygulama: Sipariş ve Parti Büyüklüğü Hesaplama FABRİKA ORGANİZASYONU Üretim Planlama ve Yönetimi 2. Uygulama: Sipariş ve Parti Büyüklüğü Hesaplama Uygulamalar 1. İhtiyaç Hesaplama 2. Sipariş ve Parti Büyüklüğü Hesaplama 3. Dolaşım Akış Çizelgeleme/Terminleme

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

İSTATİSTİK VE OLASILIK SORULARI

İSTATİSTİK VE OLASILIK SORULARI İSTATİSTİK VE OLASILIK SORULARI SORU 1 Meryem, 7 arkadaşı ile bir voleybol maçına katılmayı planlamaktadır. Davet ettiği arkadaşlarından herhangi bir tanesinin EVET deme olasılığı 0,8 ise, en az 3 arkadaşının

Detaylı

Fatih University- Faculty of Engineering- Electric and Electronic Dept.

Fatih University- Faculty of Engineering- Electric and Electronic Dept. Dijital Devre Tasarımı EEE122 A Ref. Morris MANO & Michael D. CILETTI DIGITAL DESIGN 4 th edition Fatih University- Faculty of Engineering- Electric and Electronic Dept. 2. BÖLÜM Boole Cebri ve Mantık

Detaylı

Excel de Pivot Tablolar Tasarım ve Kullanımı

Excel de Pivot Tablolar Tasarım ve Kullanımı FARUK ÇUBUKÇU EXCEL AKADEMİ Excel de Pivot Tablolar Tasarım ve Kullanımı Pivot tablolar; satışlar, siparişler gibi verileri gruplamayı, alt toplamlarını almayı ve filtreleme işlemleri yapmayı sağlayan

Detaylı

T.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI EKONOMETRİ DOKTORA PROGRAMI

T.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI EKONOMETRİ DOKTORA PROGRAMI T.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI EKONOMETRİ DOKTORA PROGRAMI Genişletilmiş Lagrange Yöntemi Hazırlayan: Nicat GASIM Öğretim Üyesi Prof. Dr. İpek Deveci KARAKOÇ

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

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

HÜPP PYTHON I.HAFTA ALGORİTMA MANTIĞI, AKIŞ DİYAGRAMLARI VE PYTHON'A GİRİŞ

HÜPP PYTHON I.HAFTA ALGORİTMA MANTIĞI, AKIŞ DİYAGRAMLARI VE PYTHON'A GİRİŞ HÜPP PYTHON I.HAFTA ALGORİTMA MANTIĞI, AKIŞ DİYAGRAMLARI VE PYTHON'A GİRİŞ PROGRAMLAMAYA GİRİŞ Herhangi bir program yazabilmemiz için öncelikle önümüzde bir problem, soru olması gerekir. Problemi belirledikten

Detaylı

Doğrusal Programlama ve Excel Çözücü Uygulamasıyla Optimum Rasyon Çözümü

Doğrusal Programlama ve Excel Çözücü Uygulamasıyla Optimum Rasyon Çözümü Doğrusal Programlama ve Excel Çözücü Uygulamasıyla Optimum Rasyon Çözümü MIN maliyet= $1X 1 + $2X 2 Subject to: 1X 1 + 1X 2 >=10 (Kalsiyum) 3X 1 +1X 2 >=15 (Protein) 1X 1 +6X 2 >=15 (Enerji) ve X 1 >=0,

Detaylı

Proje/Sipariş/İş Emri (PSI) Bazında Maliyet Analizi

Proje/Sipariş/İş Emri (PSI) Bazında Maliyet Analizi Proje/Sipariş/İş Emri (PSI) Bazında Maliyet Analizi Amaç ve Fayda Bilindiği gibi mamul maliyetleri direkt hammadde (direkt ilk madde ve ambalaj), direkt işçilik ve genel üretim giderlerinden oluşmaktadır.

Detaylı

ÜNİTE. MATEMATİK-1 Doç.Dr.Erdal KARADUMAN İÇİNDEKİLER HEDEFLER ÖZDEŞLİKLER, DENKLEMLER VE EŞİTSİZLİKLER

ÜNİTE. MATEMATİK-1 Doç.Dr.Erdal KARADUMAN İÇİNDEKİLER HEDEFLER ÖZDEŞLİKLER, DENKLEMLER VE EŞİTSİZLİKLER HEDEFLER İÇİNDEKİLER ÖZDEŞLİKLER, DENKLEMLER VE EŞİTSİZLİKLER Özdeşlikler Birinci Dereceden Bir Bilinmeyenli Denklemler İkinci Dereceden Bir Bilinmeyenli Denklemler Yüksek Dereceden Denklemler Eşitsizlikler

Detaylı

UZMANLAR İÇİN MODELLEME. Doç.Dr.Aydın ULUCAN

UZMANLAR İÇİN MODELLEME. Doç.Dr.Aydın ULUCAN UZMANLAR İÇİN MODELLEME Doç.Dr.Aydın ULUCAN Karar Modellerinin Temel Bileşenleri Karar Değişkenleri: Amaca ulaşmak için kontrol edilen faktörler. Amaç Fonksiyonu: Ulaşılmak istenen hedefin karar değişkenlerinin

Detaylı

ANADOLU ÜNİVERSİTESİ AÇIKÖĞRETİM FAKÜLTESİ İLKÖĞRETİM ÖĞRETMENLİĞİ LİSANS TAMAMLAMA PROGRAMI. Analiz. Cilt 2. Ünite 8-14

ANADOLU ÜNİVERSİTESİ AÇIKÖĞRETİM FAKÜLTESİ İLKÖĞRETİM ÖĞRETMENLİĞİ LİSANS TAMAMLAMA PROGRAMI. Analiz. Cilt 2. Ünite 8-14 ANADOLU ÜNİVERSİTESİ AÇIKÖĞRETİM FAKÜLTESİ İLKÖĞRETİM ÖĞRETMENLİĞİ LİSANS TAMAMLAMA PROGRAMI Analiz Cilt 2 Ünite 8-14 T.C. ANADOLU ÜNİVERSİTESİ YAYINLARI NO: 1082 AÇIKÖĞRETİM FAKÜLTESİ YAYINLARI NO: 600

Detaylı

Kaynak: A. İŞLİER, TESİS PLANLAMASI, 1997

Kaynak: A. İŞLİER, TESİS PLANLAMASI, 1997 Mühendislik Fakültesi Endüstri Mühendisliği Bölümü Doç. Dr. Nil ARAS ENM411 Tesis Planlaması 2016-2017 Güz Dönemi Kaynak: A. İŞLİER, TESİS PLANLAMASI, 1997 2 Tesis Yer Seçimi Problemi (TYSP) TEK AMAÇLI

Detaylı

Dizey Cebirinin Gözden Geçirilmesi

Dizey Cebirinin Gözden Geçirilmesi Bölüm 1 Dizey Cebirinin Gözden Geçirilmesi 1.1 Dizeylere İlişkin Temel Kavramlar 1.1.1 Tanımlar Dizey cebiri kullanmaksızın k değişkenli bir bağlanım modeliyle uğraşmak son derece karmaşık bir iştir. Burada,

Detaylı

ÜSTEL DÜZLEŞTİRME YÖNTEMİ

ÜSTEL DÜZLEŞTİRME YÖNTEMİ ÜSEL DÜLEŞİRME YÖNEMİ ÜSEL DÜLEŞİRME YÖNEMİ Bu bölüme kadar anlatılan yöntemler zaman içinde değişmeyen parametre varsayımına uygun serilerin tahminlerinde kullanılmaktaydı. Bu tür seriler deterministik

Detaylı

H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012)

H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012) H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012) Aşağıdaki analizlerde lise öğrencileri veri dosyası kullanılmıştır.

Detaylı

YÖNEYLEM ARAŞTIRMASI İLE İLGİLİ ÇÖZÜMLÜ ÖRNEKLER

YÖNEYLEM ARAŞTIRMASI İLE İLGİLİ ÇÖZÜMLÜ ÖRNEKLER YÖNEYLEM ARAŞTIRMASI İLE İLGİLİ ÇÖZÜMLÜ ÖRNEKLER I. ATAMA PROBLEMLERİ PROBLEM 1. Bir isletmenin en kısa sürede tamamlamak istediği 5 işi ve bu işlerin yapımında kullandığı 5 makinesi vardır. Aşağıdaki

Detaylı

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,

Detaylı

DOĞRUSAL PROGRAMLAMA TEKNİĞİ İLE KÖMÜR DAĞITIM OPTİMİZASYONU COAL DISTRIBUTION OPTIMIZATION BY UTILIZING LINEAR PROGRAMMING

DOĞRUSAL PROGRAMLAMA TEKNİĞİ İLE KÖMÜR DAĞITIM OPTİMİZASYONU COAL DISTRIBUTION OPTIMIZATION BY UTILIZING LINEAR PROGRAMMING Eskişehir Osmangazi Üniversitesi Müh.Mim.Fak.Dergisi C.XX, S.1, 2007 Eng&Arch.Fac. Eskişehir Osmangazi University, Vol..XX, No:1, 2007 Makalenin Geliş Tarihi : 17.02.2006 Makalenin Kabul Tarihi : 16.11.2006

Detaylı

TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MAKİNA MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA PROGRAMI ŞEKİL TANIMA ÖDEV 2 KONU : DESTEK VEKTÖR MAKİNELERİ

TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MAKİNA MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA PROGRAMI ŞEKİL TANIMA ÖDEV 2 KONU : DESTEK VEKTÖR MAKİNELERİ TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MAKİNA MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA PROGRAMI ŞEKİL TANIMA ÖDEV 2 KONU : DESTEK VEKTÖR MAKİNELERİ Kenan KILIÇASLAN Okul No:1098107203 1. DESTEK VEKTÖR MAKİNELER

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

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

Genel Kullanılış 1: [değişken ismi] = [değişken ismi] [işlem] [sayı veya string ifade veya değişken]

Genel Kullanılış 1: [değişken ismi] = [değişken ismi] [işlem] [sayı veya string ifade veya değişken] Sayaçlar Düzenli olarak artan (+) veya azalan (-) sayı veya string ifadeler elde etmek için kullanılırlar. Eşitliğin her iki tarafındaki değişken isminin aynı olmasına dikkat edin. Bu durum matematik olarak

Detaylı

MAK 210 SAYISAL ANALİZ

MAK 210 SAYISAL ANALİZ MAK 210 SAYISAL ANALİZ BÖLÜM 5- SONLU FARKLAR VE İNTERPOLASYON TEKNİKLERİ Doç. Dr. Ali Rıza YILDIZ MAK 210 - Sayısal Analiz 1 İNTERPOLASYON Tablo halinde verilen hassas sayısal değerler veya ayrık noktalardan

Detaylı

2013/3.DÖNEM SERBEST MUHASEBECİ MALİ MÜŞAVİRLİK SINAVLARI MALİYET MUHASEBESİ 1 Aralık 2013-Pazar 16:00-17:30 SORULAR

2013/3.DÖNEM SERBEST MUHASEBECİ MALİ MÜŞAVİRLİK SINAVLARI MALİYET MUHASEBESİ 1 Aralık 2013-Pazar 16:00-17:30 SORULAR 2013/3.DÖNEM SERBEST MUHASEBECİ MALİ MÜŞAVİRLİK SINAVLARI MALİYET MUHASEBESİ 1 Aralık 2013-Pazar 16:00-17:30 SORULAR SORU 1: Tek tip bir mamül üreten AKSÜT işletmesi,standart maliyet yöntemini kullanmaktadır.işletme

Detaylı

Doğrusal Programlama (IE 502) Ders Detayları

Doğrusal Programlama (IE 502) Ders Detayları Doğrusal Programlama (IE 502) Ders Detayları Ders Adı Ders Dönemi Ders Uygulama Laboratuar Kredi AKTS Kodu Saati Saati Saati Doğrusal Programlama IE 502 Güz 3 0 0 3 7.5 Ön Koşul Ders(ler)i Dersin Dili

Detaylı

İTÜ İŞLETME FAKÜLTESİ İŞLETME MÜHENDİSLİĞİ BÖLÜMÜ

İTÜ İŞLETME FAKÜLTESİ İŞLETME MÜHENDİSLİĞİ BÖLÜMÜ İTÜ İŞLETME FAKÜLTESİ İŞLETME MÜHENDİSLİĞİ BÖLÜMÜ YÖNEYLEM ARAŞTIRMASI-I DERS NOTLARI Doç. Dr. Demet BAYRAKTAR Yard. Doç. Dr. Ferhan ÇEBİ Eylül 2003-Istanbul 1. KARAR VERMEDE YÖNEYLEM ARAŞTIRMASI 1.1.

Detaylı

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri

Detaylı

ÜNİTE. MATEMATİK-1 Yrd.Doç.Dr.Ömer TARAKÇI İÇİNDEKİLER HEDEFLER DOĞRULAR VE PARABOLLER

ÜNİTE. MATEMATİK-1 Yrd.Doç.Dr.Ömer TARAKÇI İÇİNDEKİLER HEDEFLER DOĞRULAR VE PARABOLLER HEDEFLER İÇİNDEKİLER DOĞRULAR VE PARABOLLER Birinci Dereceden Polinom Fonksiyonlar ve Doğru Doğru Denklemlerinin Bulunması İkinci Dereceden Polinom Fonksiyonlar ve Parabol MATEMATİK-1 Yrd.Doç.Dr.Ömer TARAKÇI

Detaylı

SÜREKLİ OLASILIK DAĞILIŞLARI

SÜREKLİ OLASILIK DAĞILIŞLARI SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla

Detaylı

18.034 İleri Diferansiyel Denklemler

18.034 İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret

Detaylı

ÖRNEKLER-VEKTÖR UZAYLARI 1. Çözüm: w=k 1 u+k 2 v olmalıdır.

ÖRNEKLER-VEKTÖR UZAYLARI 1. Çözüm: w=k 1 u+k 2 v olmalıdır. ÖRNEKLER-VEKTÖR UZAYLARI. vektör uzayında yer alan w=(9 7) vektörünün, u=( -), v=(6 ) vektörlerinin doğrusal bir kombinasyonu olduğunu ve z=( - 8) vektörünün ise bu vektörlerin doğrusal bir kombinasyonu

Detaylı

GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE

GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI Prof. Dr. Nezir KÖSE 30.12.2013 S-1) Ankara ilinde satın alınan televizyonların %40 ı A-firması tarafından üretilmektedir.

Detaylı

Gazi Üniversitesi, Kimya Mühendisliği Bölümü KM 378 Mühendislik Ekonomisi

Gazi Üniversitesi, Kimya Mühendisliği Bölümü KM 378 Mühendislik Ekonomisi Problem Seti 1 (Arz-Talep) 1. Bir firma, satış fiyatı ile talep arasında D=780$-10p eşitliğini geliştirmiştir. Aylık sabit gider 800$ ve ürün başına değişken gider 30$ dır. Aylık karı maksimum yapmak için

Detaylı

REGRESYON ANALİZİ VE UYGULAMA. Yrd. Doç. Dr. Hidayet Takcı

REGRESYON ANALİZİ VE UYGULAMA. Yrd. Doç. Dr. Hidayet Takcı REGRESYON ANALİZİ VE UYGULAMA Yrd. Doç. Dr. Hidayet Takcı htakci@cumhuriyet.edu.tr Sunum içeriği Bu sunumda; Lojistik regresyon konu anlatımı Basit doğrusal regresyon problem çözümleme Excel yardımıyla

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

Kural Motoru. www.paperwork.com.tr

Kural Motoru. www.paperwork.com.tr Kural Motoru www.paperwork.com.tr İş Kuralı Örnekleri Aşağıda iş kurallarına çeşitli örnekler verilmiştir; : İş Kuralı Nedir? T üm işletmeler kural merkezli çalışırlar. Kurallar hangi fırsatların takip

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

BİLGİSAYAR PROGRAMLAMA MATLAB

BİLGİSAYAR PROGRAMLAMA MATLAB BİLGİSAYAR PROGRAMLAMA MATLAB Arş. Gör. Ahmet ARDAHANLI Kafkas Üniversitesi Mühendislik Fakültesi Ders Bilgileri Dersin Hocası: Araş. Gör. Ahmet Ardahanlı E-posta: ahmet.ardahanli@hotmail.com Oda: DZ-33

Detaylı

UYGULAMA 2 TABLO YAPIMI

UYGULAMA 2 TABLO YAPIMI 1 UYGULAMA 2 TABLO YAPIMI Amaç: SPSS 10 istatistiksel paket programında veri girişi ve tablo yapımı. SPSS 10 istatistiksel paket programı ilk açıldığında ekrana gelen görüntü aşağıdaki gibidir. Bu pencere

Detaylı

2010/1.DÖNEM SERBEST MUHASEBECİ MALİ MÜŞAVİRLİK MAZERET SINAVLARI SORU VE CEVAPLARI MALİYET MUHASEBESİ 18 Temmuz 2010-Pazar 16:00-17:30 SORULAR

2010/1.DÖNEM SERBEST MUHASEBECİ MALİ MÜŞAVİRLİK MAZERET SINAVLARI SORU VE CEVAPLARI MALİYET MUHASEBESİ 18 Temmuz 2010-Pazar 16:00-17:30 SORULAR 2010/1.DÖNEM SERBEST MUHASEBECİ MALİ MÜŞAVİRLİK MAZERET SINAVLARI SORU VE CEVAPLARI MALİYET MUHASEBESİ 18 Temmuz 2010-Pazar 16:00-17:30 SORULAR SORU 1: A İşletmesinin 2009 yılı faaliyet sonuçlarına ait

Detaylı

SPPS. Verileri Düzenleme ve Değiştirme 3 - Data Menüsü. Y. Doç. Dr. İbrahim Turan Nisan 2011

SPPS. Verileri Düzenleme ve Değiştirme 3 - Data Menüsü. Y. Doç. Dr. İbrahim Turan Nisan 2011 SPPS Verileri Düzenleme ve Değiştirme 3 - Data Menüsü Y. Doç. Dr. İbrahim Turan Nisan 2011 Data Menüsü 1- Define Variable 1- Properties (Değişken Özelliklerini Tanımlama) Değişken özelliklerini tanımlamak

Detaylı

Türk-Alman Üniversitesi. Ders Bilgi Formu

Türk-Alman Üniversitesi. Ders Bilgi Formu Türk-Alman Üniversitesi Ders Bilgi Formu Dersin Adı Dersin Kodu Dersin Yarıyılı Yöneylem Araştırması WNG301 5 ECTS Ders Uygulama Laboratuar Kredisi (saat/hafta) (saat/hafta) (saat/hafta) 6 2 2 0 Ön Koşullar

Detaylı

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi

Detaylı

Dr. Fatih AY Tel: 0 388 225 22 55 fatihay@fatihay.net www.fatihay.net

Dr. Fatih AY Tel: 0 388 225 22 55 fatihay@fatihay.net www.fatihay.net Bilgisayar Programlama Ders 9 Dr. Fatih AY Tel: 0 388 225 22 55 fatihay@fatihay.net www.fatihay.net Dizileri Fonksiyonlara Dizileri Fonksiyonlara Bir dizi argümanını fonksiyon içinde bir değer olarak kullanabilmek

Detaylı

Yeşilköy Anadolu Lisesi

Yeşilköy Anadolu Lisesi Yeşilköy Anadolu Lisesi TANIM (KONUYA GİRİŞ) a, b, c gerçel sayı ve a ¹ 0 olmak üzere, ax 2 + bx + c = 0 biçimindeki her açık önermeye ikinci dereceden bir bilinmeyenli denklem denir. Bu açık önermeyi

Detaylı