Temelleri. Doç.Dr.Ali Argun Karacabey

Benzer belgeler
YÖNEYLEM ARAŞTIRMASI - I

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

KONU 3: DOĞRUSAL PROGRAMLAMA PROBLEMLERİ İLE İLGİLİ ÖRNEKLER

Matematiksel modellerin elemanları

Doğrusal Programlama. Prof. Dr. Ferit Kemal Sönmez

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

Doğrusal Programlamada Grafik Çözüm

doğrusal programlama DOĞRUSAL PROGRAMLAMA (GENEL)

DOĞRUSAL PROGRAMLAMADA DUALİTE (DUALITY)

Total Contribution. Reduced Cost. X1 37, ,85 0 basic X2 22, ,56 0 basic 300 M. Slack or

Yöneylem Araştırması II

KONU 4: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ I

3.2. DP Modellerinin Simpleks Yöntem ile Çözümü Primal Simpleks Yöntem

TAMSAYILI PROGRAMLAMA

Bir Doğrusal Programlama Modelinin Genel Yapısı

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

Simpleks Yönteminde Kullanılan İlave Değişkenler (Eşitliğin yönüne göre):

Çok değişkenli fonksiyonlar. Maksimum- Minimum

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

YÖNEYLEM ARAŞTIRMASI - III

KONU 13: GENEL UYGULAMA

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

KISITLI OPTİMİZASYON

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

Yöneylem Araştırması I Dersi 2. Çalışma Soruları ve Cevapları/

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

DOĞRUSAL OLMAYAN PROGRAMLAMA (NLP)

YÖNEYLEM ARAŞTIRMASI - I

SİSTEM MÜHENDİSLİĞİ DOĞRUSAL PROGRAMLAMA MODEL KURMA ÖRNEKLERİ

Zeki Optimizasyon Teknikleri

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

EM302 Yöneylem Araştırması 2. Dr. Özgür Kabak

OPTİMİZASYON TEKNİKLERİ-2. Hafta

İbrahim Küçükkoç Arş. Gör.

DOĞRUSAL OLMAYAN PROGRAMLAMA -I-

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

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

Yöneylem Araştırması III

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

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

YÖNEYLEM ARAŞTIRMALARI 1

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

OPTIMIZASYON Bir Değişkenli Fonksiyonların Maksimizasyonu...2

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

4.1. Gölge Fiyat Kavramı

YÖNEYLEM ARAŞTIRMASI-I

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

0.1 Zarf Teoremi (Envelope Teorem)

Duyarlılık analizi, bir doğrusal programlama probleminde belirlenen katsayı değerlerinin

İÇİNDEKİLER. Bölüm 1 MATEMATİKSEL İKTİSADA GİRİŞ İktisat Hakkında İktisatta Grafik ve Matematik Kullanımı 13

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

ÜRETİM VE MALİYETLER

28 C j -Z j /2 0

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

Montaj Hatti Tasarımı ve Analizi - 8

SÜREKLİ RASSAL DEĞİŞKENLER

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

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

Karar değişkenlere ilişkin fonksiyonların ve bu fonksiyonlara ilişkin sınırlamaların tanımlanması

BIL1202 ALGORİTMA VE PROGRAMLAMAYA GİRİŞ

EME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler

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

Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan

Kısıtsız Optimizasyon OPTİMİZASYON Kısıtsız Optimizasyon

ÖZLEM AYDIN TRAKYA ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ

Esnek Hesaplamaya Giriş

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

EMM3208 Optimizasyon Teknikleri

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

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

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

OPTİMİZASYON TEKNİKLERİ. Kısıtsız Optimizasyon

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

KORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN

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

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

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

İkinci dersin notlarında yer alan Gepetto Marangozhanesi örneğini hatırlayınız.

İstatistik ve Olasılık

Simpleks Yöntemde Duyarlılık Analizleri

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

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

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ

YÖNEYLEM ARAŞTIRMASI - III

Mikroiktisat Final Sorularý

Genel Graf Üzerinde Mutlak 1-merkez

Yrd. Doç. Dr. Caner ÖZCAN

Ege Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Kontrol Sistemleri II Dersi

Başlangıç Temel Programının Bilinmemesi Durumu

Ege Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Kontrol Sistemleri II Dersi

Pareto Etkinlik (Pareto Efficiency) Pareto Etkinlik Tanımı:

yöneylem araştırması Nedensellik üzerine diyaloglar I

YÖNEYLEM ARAŞTIRMASI - II

Yöneylem Araştırması

HESSİEN MATRİS QUADRATİK FORM MUTLAK ve BÖLGESEL MAKS-MİN NOKTALAR

YÖNEYLEM ARAŞTIRMASI - III

ENDÜSTRİ MÜHENDİSLİĞİ

SİMPLEKS ALGORİTMASI Yapay değişken kullanımı

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

Transkript:

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 etmeye çalışır. Doğrusal Programlama belli bir amacı gerçekleştirmek için sınırlı kaynakların etkin kullanımını ve çeşitli iliseçenekler arasında en uygun dağılımını sağlayan matematiksel bir tekniktir.

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

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 5 34 2X 1-5X 2 + 1X 4 47-2X 2 +8X 3 +9X 4 +2X 5 = 67 X 1 0 1 X 5 0

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 4 10-2X 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

Bir Diğer Örnek MIN 6X 1 + 8X 2 + 11X 3 + 10X 4 + 5X 5 + 14X 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

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

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

Doğrusal Programlama Modelinin Varsayımları Doğrusallık Kısıtlık Bölünebilirlik

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.

Mobilyacı Örneği TAHTA BOYA Br.KAR SANDALYE (X 1 1) 3 1 275 KOLTUK (X 2 ) 4 1/2 300 92 20

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 1 + 300X 2

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

MODEL Z MAX = 275X 1 + 300X 2 ST. 1X 1 + 1/2X 2 20 3X 1 +4X 2 92 X 1 0 X 2 0

1.AŞAMA GRAFİK ÇÖZÜM Negatif Olmama KısıtlarınınSağlanması

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 = 18... X 2 = 40 X 1 = 0

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

275X1+300X2 =275.0+300.23 =6900 A (0,23) Üretim Alanı Boya Kısıtı 275X1+300X2 =275.13,6+300.12,8, Tahta Kısıtı =7580 B(136128) (13.6,12.8) 275X1+300X2 =275.20+300.0 C (20,0) =5500

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.

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.

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

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

Bir Doğrusal Programlama Modeli Bu Konuda Gerekli ve yeterli Bilgi Sunabilecektir

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

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

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 2 1200

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 2 2400

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

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 2 + 450 X 1 -X 2 450

Kısıtlar (Devam) Negatif Olmama Kısıtı Uzay Yolu veya Atılgan Üretimi Negatif Olamaz X 1 0 1 X 2 0 Bütün X ler 0

Doğrusal Programlama Modeli Max 8X 1 + 5X 2 s.t. 2X 1 +1X 2 1200 3X 1 + 4X 2 2400 (Haftalık Kar) (Plastik) (Üretim Zamanı) X 1 + X 2 800 (Toplam Üretim) X 1 - X 2 450 (Ürün Bileşimi) i i) Bütün X ler 0 (Negatif Olmama)

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

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

2X1+1X2 1200 (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

Üretim Zamanı Kısıtının Grafiğe Eklenmesi 3X1+4X2 2400 (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

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

Ürün Bileşimi Kısıtının Grafiğe Eklenmesi X1-X2 450 (Plastik Kısıtı) Eğer Sadece X1 Üretilirse; X2=0 X1 = 450 1000 Adet X1 Üretilirse; X1=1000 1000 X2 = 550

Grafik Yöntem-Çözüm Alanının Belirlenmesi

Optimal Çözümün Bulunması- Deneme Yanılma Yöntemi

Optimal Çözümün Bulunması- Deneme Yanılma Yöntemi A Noktası : X1 = 0 X2 = 600 Z = 8 (0) + 5 (600) = 3000 B Noktası : 3X1 + 4X2 = 2400 2X1 + 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

Optimal Noktanın Belirlenmesi Optimal nokta plastik miktarı ve üretim zamanı kısıtlarının kesişiminde yer almaktadır: 2X 1 + 1X 2 = 1000 3X 1 + 4X 2 = 2400 İki Denklem Beraber Çözülürse, X 1 = 480, X 2 = 240

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

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

AMAÇ FONKSYONUNA RASGELE BİR DEĞER ATANIR Z max = 275X 1 +300X 2 = 5000 ve bu denkleme ait doğru ğ grafiğe ğ eklenir

AMAÇ FONKSYONUNA DAHA BÜYÜK BİR DEĞER ATANIR Z max = 275X 1 +300X 2 = 7000 ve bu denkleme ait doğru grafiğe eklenir 7000/300=25,26 7580/275=27,56