Jedrzejczyk Bop 2016 Single Page

Zbigniew Jędrzejczyk ® Karol Kukuła
Jerzy Skrzypek ® Anna Walkosz
Badania
operacyjne
w przykładach
i zadaniach
Redaktor naukowy
Karol Kukuła
Wydanie siódme, zmienione
0PW N
Projekt okładki i stron tytułowych
Przemysław Spiechowski
Dyrektor Pionu Produktów i Usług

Sylwia Krawczyk
Menedżer ds. Wydawniczych

Emilia Leśniewska
Wydawca
Dorota Siudowska-Mieszkowska
Koordynator ds. redakcji

Renata Ziółkowska
Redaktor
Barbara Jaworska
Koordynator produkcji
Mariola Iwona Keppel
Skład i łamanie
Bogusław Górecki, Sułkowice
Książka, którą nabyłeś, jest dziełem twórcy i wydawcy. Prosimy, abyś przestrzegał praw, jakie im przy
sługują. Jej zawartość możesz udostępnić nieodpłatnie osobom bliskim lub osobiście znanym. Ale nie publi
kuj jej w internecie. Jeśli cytujesz jej fragmenty, nie zmieniaj ich treści i koniecznie zaznacz, czyje to dzieło.
A kopiując jej część, rób to jedynie na użytek osobisty.
Szanujmy cudzą własność i prawo.
Więcej na www.legalnakultura.pl
Polska Izba Książki
Copyright © by Wydawnictwo Naukowe Sp. z o.o.

Warszawa, 1993,1996
Copyright © by Wydawnictwo Naukowe PWN SA

Warszawa, 1999, 2002, 2004, 2011, 2016
ISBN: 978-83-01-18468-1
Wydanie VII
Warszawa 2016
Wydawnictwo Naukowe PWN SA

02-460 Warszawa, ul. Gottlieba Daimlera 2
tel. 22 69 54 321, faks 22 69 54 288
infolinia 801 33 33 88
e-mail: [email protected]
www.pwn.pl
Druk i oprawa: OSDW Azymut Sp. z o.o.

Spis treści
Stowo wstępne do wydania siódmego ....................................................................................................... 9
Słowo wstępne do wydania sz ó ste g o .......................................................................................................... 11
Stowo wstępne do wydania czw artego....................................................................................................... 13
Stowo wstępne do wydania trzeciego.......................................................................................................... 15
Stowo wstępne do wydania drugiego.......................................................................................................... 17
Stowo w s tę p n e ............................................................................................................................................. 19
1. Wybrane zagadnienia programowania linowego.................................................................................... 21

1.1. Optymalizacja struktury produkcji............................................................................................. 22
1.2. Problem m ieszanek ....................................................................................................................... 41
1.3. Wybór procesów techn ologiczn ych .......................................................................................... 52
1.4. Algorytm s im p le k s ....................................................................................................................... 60
1.5. Analiza wrażliwości....................................................................................................................... 74
1.5.1. Analiza wrażliwości - graficznie....................................................................................... 75
1.5.2. Analiza wrażliwości rozwiązania uzyskanego za pomocą algorytmu simpleks . . . 79
1.6. Wykorzystanie Solverá - narzędzia arkusza kalkulacyjnego do rozwiązywania
programów liniow ych.................................................................................................................... 99
1.7. Programowanie ilo r a z o w e .......................................................................................................... 105
1.7.1. Formalizacja zagadnienia wyboru asortymentu p r o d u k c ji....................................... 106
1.7.2. Formalizacja zagadnienia d ie t y ....................................................................................... 108
2. Problemy transportowe i przydziału....................................................................................................... 120

2.1. Zagadnienia transportow e........................................................................................................ 120
2.1.1. Zamknięte zagadnienie tran sportow e.......................................................................... 121
2.1.2. Otwarte zagadnienie transportowe................................................................................. 126
2.1.3. Algorytm transportow y.................................................................................................... 129
2.1.3.1. Klasyczny algorytm transportowy.................................................................... 129
2.1.3.2. Metoda p otencjałów .......................................................................................... 133
2.1.3.3. Wykorzystanie narzędzia arkusza kalkulacyjnego - SOLVER
do rozwiązywania modeli transportow ych................................................... 135
2.1.4. Zagadnienie transportowo-produkcyjne....................................................................... 137
2.1.5. Minimalizacja pustych przebiegów ................................................................................ 143
i 6 Spis treści
2.2. Problemy przydziału.................................................................................................................. 156

2.2.1. Rozdział zadań produkcyjnych pomiędzy miejscami produkcji............................. 156
2.2.2. Zagadnienia o optymalnym przydziale z dodatkowymi warunkami....................... 160
3. G r y .......................................................................................................................................................... 185
3.1. Gry dwuosobowe o sumie z e r o ................................................................................................. 185
3.2. Gry z naturą ................................................................................................................................... 197
4. Zagadnienie k o le je k ............................................................................................................................. 208

4.1. Uwagi w stęp n e............................................................................................................................. 208
4.2. Pojedynczy kanał o b s łu g i.......................................................................................................... 209
4.3. Wielokrotne kanały ob słu g i....................................................................................................... 213
5. Programowanie sieciowe....................................................................................................................... 221

5.1. Metody sieciowe o zdeterminowanej strukturze lo g ic z n e j................................................ 223
5.2. Metoda C PM ................................................................................................................................. 225
5.3. Metoda P E R T ............................................................................................................................. 230
5.4. Analiza czasow o-kosztow a....................................................................................................... 233
5.4.1. C P M -C O S T .................................................................................................................... 234
5.4.2. P E R T - C O S T ................................................................................................................. 236
5.5. Metoda G E R T .............................................................................................................................. 239
6. Nieliniowe zagadnienia optymalizacyjne............................................................................................. 257

6.1. Elementy programowania n ielin iow ego................................................................................. 257
6.1.1. Program nieliniowy o postaci k an on iczn ej................................................................ 258
6.1.2. Program nieliniowy o postaci standardowej................................................................ 260
6.2. Wybrane problemy optymalizacji firmy.................................................................................... 268
7. Elementy programowania dynamicznego............................................................................................. 275
8. Wybrane modele za p asów .................................................................................................................... 284

8.1. Uwagi w stęp n e............................................................................................................................. 284
8.2. Modele determ inistyczne.......................................................................................................... 285
8.3. Modele probabilistyczne............................................................................................................. 288
9. Zastosowanie badań operacyjnych w konstrukcji biznesplanu.......................................................... 296

9.1. Uwagi w stęp n e............................................................................................................................. 296
9.2. Podstawowe zasady konstrukcji biznesplanu............................................................ 296
9.3. Zastosowanie badań operacyjnych w poszczególnych fazach konstrukcji
biznesplanu.................................................................................................................................... 298
9.3.1. Opracowanie s tr a t e g ii.................................................................................................... 298
9.3.2. Plan m arketingowy.......................................................................................................... 299
9.3.3. Plan techniczny................................................................................................................. 300
9.3.4. Plan organizacyjny.......................................................................................................... 300
9.3.5. Plan fin a n so w y ................................................... 301
10. Podejmowanie decyzji na rynku kapitałowym................................................................................... 325

10.1. W prow adzenie.......................................................................................................................... 325
10.2. Podstawowe kategorie związane z obrotem pieniądza .................................................... 325
10.3. Dyskonto proste, składane i c i ą g ł e ....................................................................................... 330
Spis treści 7
10.4. Problem nominalnej i efektywnej rocznej stopy procentow ej.......................................... 341

10.5. Rzeczywista wartość kapitału a inflacja................................................................................ 343
10.6. Strumienie p łatn ości................................................................................................................ 345
10.6.1. Strumienie różnych p łatn o ści.................................................................................... 346
10.6.2. Strumienie równych płatności.................................................................................... 349
10.7. Statystyczne metody w analizie rynku kapitałowego.......................................................... 351
10.7.1. Oznaczenia oraz podstawowe charakterystyki a k cji............................................. 351
10.7.2. Semiwariancja stopy z y s k u ....................................................................................... 354
10.8. Optymalizacja portfela akcji.................................................................................................... 356
11. Budowa rankingu obiektów w świetle ocenwielokryterialnych ......................................................... 369

11.1. W prow adzenie.......................................................................................................................... 369
11.2. O zn aczen ia................................................................................................................................ 371
11.3. Problemy rozpoznania i ujednolicenia charakteru zm ie n n y ch ....................................... 372
11.4. Wybrane metody normowania zmiennych diagnostycznych............................................. 372
11.5. Metoda unitaryzacji ze ro w a n ej......................................... 374
11.6. Budowa rankingu....................................................................................................................... 375
12. Zadania różne................................................................................................................................................ 391

Odpowiedzi do z a d a ń .......................................................................................................................................... 426
Uwagi bibliograficzne.......................................................................................................................................... 464
Literatura............................................................................................................................................................. 467
Sfowo wstępne
do wydania siódmego
Przekazując do rąk Czytelników już siódme wydanie Badań operacyjnych w przy

kładach i zadaniach w znacznym stopniu poprawione i uzupełnione a w niewielkiej
mierze rozszerzone, mamy świadomość, że upływa już równe ćwierćwiecze od mo
mentu przekazania pierwszego tekstu podręcznika do Wydawnictwa Naukowego PWN
w Warszawie. Pierwsze wydanie ukazało się w 1993 r. Książka ta jest owocem współ
pracy i niezwykłego partnerstwa trwającego już ponad trzydzieści lat czterech osób
wymienionych na okładce. Są nimi: dr Anna Walkosz, dr Zbigniew Jędrzejczyk,
dr Jerzy Skrzypek i piszący te słowa prof. dr hab. Karol Kukuła. W 1978 r. z mojej
inicjatywy powstał pomysł stworzenia pomocy dydaktycznej zarówno dla studen
tów, jak i dla nas samych prowadzących zajęcia z badań operacyjnych. Pomysłowi
temu wydatnie sprzyjał ówczesny kierownik Zakładu Ekonometrii i Cybernetyki
Ekonomicznej doc. dr Jan Czyżyński, którego poprosiliśmy o sprawowanie funkcji
redaktora skryptu będącego zbiorem zadań z zakresu badań operacyjnych. Skrypt ten
ukazał się nakładem oficyny wydawniczej ówczesnej Akademii Ekonomicznej w Krako
wie w 1979 r. Wkrótce nastąpiło wznowienie będące drugim wydaniem tego skryptu,
co miało miejsce w 1981 r.
Równe 10 lat później, będący już na emeryturze nasz Szef - Profesor Jan
Czyżyński, scedował na mnie pełnienie obowiązków redaktora naukowego dalszych
wydań. Po wykonaniu gruntownej korekty i rozszerzeniu dotychczasowego zbioru
zadań przekazaliśmy nowy tekst podręcznika do Wydawnictwa Naukowego PWN.
Był to rok 1991. W tym miejscu chcemy niezwykle ciepło wspomnieć śp. Panią Annę
Kowalewską, która będąc wówczas kierownikiem Działu Ekonomii PWN-u, wniosła
wiele pozytywnego do współpracy z naszym zespołem, inspirując nas do kolejnych wy
dań książkowych. Wydania te następowały w odstępach co kilka lat: 1993,1995,1999,
2001, 2006, 2011 i obecna siódma już edycja Badań operacyjnych... .
Z uwagi na to, iż niewiele wprowadziliśmy zmian w strukturze podręcznika w sto
sunku do wydania poprzedzającego obecne, nie omawiam zawartości poszczególnych
rozdziałów, lecz pozwalam sobie na odrobinę historycznych reminiscencji zaprawio
nych szczyptą statystyki - ot skrzywienie zawodowe. Refleksje te są poczynione z punk
tu widzenia redaktora wszystkich dotychczasowych wydań podręcznika, które ukazały
się w Wydawnictwie Naukowym PWN.
10 Stowo wstępne do wydania siódmego
„Im dalej rzeka płynie, tym staje się szersza” (z przysłów chińskich). W ten sam
sposób zmieniał swoją strukturę i objętość nasz podręcznik w miarę upływu czasu.
Pierwsze wydanie składało się tylko z sześciu rozdziałów i liczyło 190 stron. Ostatnie
zaś - szóste wydanie - obejmuje już dwanaście rozdziałów i zawiera 416 stron dru
ku. Nietrudno zatem zauważyć, iż z upływem dni i łat omawiana książka dwukrotnie
się powiększyła, zarówno strukturalnie, jak i objętościowo. Wszystko to mogło zaist
nieć dzięki trwałej współpracy całego zespołu autorskiego. Owa dość rzadko spoty
kana trwałość partnerstwa przejawia się między innymi w tym, iż do 1992 r. cały ze
spół autorski pracował razem w ówczesnej Akademii Ekonomicznej w Krakowie.
Od tego jednakże roku zmieniłem miejsce pracy, przenosząc się do ówczesnej
Akademii Rolniczej im. Hugona Kołłątaja w Krakowie. Pomimo naszego rozdziele
nia, zespół nadal ze sobą współpracuje. Jedynie na okładce podręcznika pojawiły się
obecnie zamiast jednej, dwie afiliacje: Uniwersytetu Rolniczego oraz Uniwersytetu
Ekonomicznego - oba w Krakowie.
Historia naszej przygody intelektualnej z Wydawnictwem PWN byłaby niepełna,
jeśli pominąć nazwiska Recenzentów, którzy poprzez swoje uwagi krytyczne i spo
strzeżenia w sposób znaczący i niezwykle rzetelny wpłynęli na ostateczną postać pod
ręcznika, zatem ich wysiłek stanowi istotną jego cząstkę. Recenzentami tymi byli
profesorowie - wymieniam w kolejności wykonywanych recenzji: Edmund Ignasiak,
Zdzisław Cięciwa oraz Tadeusz Stanisz.
Rozwiązywanie złożonych problemów decyzyjnych w gospodarce stwarza na
ogół wiele trudności. Mamy jednak nadzieję, iż studiując nasz podręcznik Szanowny
Czytelniku, uda Ci się większości z nich uniknąć, znajdując optymalne rozwiązanie
problemu, tj. najlepsze rozwiązanie w zaistniałych warunkach.
Kraków, czerwiec 2015 r. Karol Kukuła

Słowo wstępne
do wydania szóstego
Oddajemy do rąk Czytelników kolejne, szóste wydanie Badań operacyjnych w przykła

dach i zadaniach w wersji poprawionej i rozszerzonej o jeden rozdział, wyrażając na
dzieję, że podręcznik ten w dalszym ciągu będzie służył pomocą zarówno studiującym,
jak i nauczającym. Mija już dwadzieścia lat od ukazania się pierwszego wydania. Przez
cały ten okres autorzy starali się dostosowywać jego treści do stosunkowo szybko na
stępujących zmian realiów życia gospodarczego w naszym kraju. Efekty podjętych prac
nad zawartością podręcznika, uwidocznione w kolejnych wydaniach, podyktowane są
chęcią zaprezentowania studiującym szerokiego wachlarza procedur usprawniających
i wspomagających podejmowanie decyzji w szeroko rozumianych procesach zarządza
nia. Powszechnie wiadomo, że proces podejmowania decyzji ekonomicznych zarówno
w skali mikro, a tym bardziej makro nie należy do łatwych. Decydenci często zmuszeni
są działać w sytuacjach określanych jako niepewne oraz przy braku pełnej informacji.
Ma to miejsce w przypadku podejmowania decyzji produkcyjnych oraz inwestycyjnych
w przedsiębiorstwach państwowych i firmach prywatnych, ale także w podejmowaniu
decyzji na rynku kapitałowym. Wiele problemów decyzyjnych łączyć należy z właści
wymi i zobiektywizowanymi ocenami obiektów gospodarczych, co w konsekwencji pro
wadzi do ustalenia ich kolejności, czyli budowy rankingu. Wszystkie te zagadnienia
ilustrowane licznymi przykładami pokazującymi algorytm działania przy rozwiązywa
niu konkretnego problemu, zmierzają do ułatwienia studiującym oraz menedżerom
przyswajania oraz stosowania w praktyce metod zalecanych w podręczniku. Pozwalają
także na dokonywanie prawidłowej interpretacji otrzymanych wyników.
Idea przyjętego przez nas sposobu nauczania tego przecież niełatwego przedmio
tu - Badania operacyjne - jest kontynuowana w kolejnych wydaniach książki. Idea ta
sprowadza się do schematu - przedstawienie problemu - wybór i prezentacja metody
jego rozwiązania - przykład rozwiązany wraz z interpretacją - zadania do samodziel
nego wykonania - wyniki rozwiązania tych zadań. Mijające dwadzieścia lat potwierdza
słuszność obranej przez nas drogi.
Polecany Czytelnikom podręcznik został poszerzony o nowy - występujący
jako dziesiąty - rozdział zatytułowany Podejmowanie decyzji na rynku kapitałowym.
Jesteśmy przekonani, że uzupełnienie to jest zasadne, bowiem zapotrzebowanie na
umiejętności rozstrzygania kwestii alternatywnych typu - inwestować w przedsięwzię
cia mające na celu powstawanie nowych obiektów (produkcyjnych, usługowych) czy
12 Słowo wstępne do wydania szóstego
też inwestować w papiery wartościowe lub zakładać lokaty bankowe - jest wciąż nie
małe i należy się liczyć z jego wzrostem w kolejnych latach. Przekonanie to wiąże się
z poczynioną przez nas obserwacją, że coraz więcej ludzi w Polsce dysponuje wolnymi
środkami pieniężnymi a więc kapitałem, który chce pomnożyć. Racjonalne gospoda
rowanie pieniądzem - a przecież o to chodzi w podejmowaniu decyzji na rynku kapi
tałowym - nie może się obejść bez wykorzystania niekiedy prostych, a w niektórych
przypadkach bardziej złożonych metod matematycznych. W tym momencie wkraczamy
w obszar zajmowany przez matematykę finansową. Warto nadmienić, iż badania ope
racyjne będąc nauką interdyscyplinarną, od początku swego istnienia, tj. od okresu po
przedzającego II wojnę światową, czerpią z osiągnięć innych nauk, a więc matematyki,
statystyki matematycznej i opisowej, ekonometrii, prognozowania i symulacji a także
matematyki finansowej.
W awizowanym rozdziale przedstawiono skrótowo sposoby oprocentowania i dys
kontowania kapitałów pieniężnych, uwzględniając podstawowy kanon obowiązujący
w matematyce finansowej, że wartość pieniądza ulega zmianom w czasie. Wszelkie
decyzje inwestycyjne podejmowane dzisiaj mają swe skutki finansowe zwykle z okre
ślonym opóźnieniem, czyli następują w bliższej lub dalszej przyszłości. D o zadań decy
denta (menedżera, właściciela firmy) należy zatem ocena finansowych skutków działań
zapoczątkowanych w obecnej chwili. Kolejno omówiono problem realnej wartości pie
niądza przy zaistniałej inflacji a także płatności z góry i z dołu wraz ze skutkami, jakie
niesie wybór jednej z tych form.
Oprocentowanie środków pieniężnych sprowadza się do określenia przyszłej ich
wartości, zaś dyskontowanie - operacja odwrotna - polega na obliczeniu obecnej war
tości pieniądza, gdy znana jest jego przyszła wartość. Obie te operacje są ilustrowane
przykładami i zalecanymi zadaniami do samodzielnego rozwiązania.
Kolejne zagadnienia związane z inwestowaniem w papiery wartościowe stano
wi problem wykorzystania metod statystycznych w ocenie ryzyka finansowego podej
mowanego przez inwestora przy zakupie akcji. Rozdział kończy omówienie problemu
optymalizacji portfela akcji z minimalizacją ryzyka. Zagadnienie to omówiono w bar
dzo wąskim zakresie, uwzględniając pakiet złożony tylko z dwóch akcji. Wiadomo,
że pakiet ten można powiększyć, szukając optimum przy zastosowaniu znanych i opi
sanych w literaturze algorytmów na ustalenie struktury portfela przy dowolnie dużej
liczbie akcji. Problematyka ta przekracza jednakże ramy objętościowe rozdziału, a tym
samym podręcznika.
W redagowaniu niniejszego rozdziału wykorzystano uwagi i rady naszego Przy
jaciela - nieżyjącego już profesora zw. ¡Tadeusza Przybysza, któremu poczynioną
w ten sposób wzmianką pragniemy wyrazić uznanie i wdzięczność.
Kraków, marzec 2010 r. Karol Kukula

Słowo wstępne
do wydania czwartego
U źródeł koncepcji powstania oraz rozszerzania treści niniejszej książki leży troska
o jakość nauczania powszechnie dziś wykładanego przedmiotu „badania operacyj
ne” w szkołach wyższych wszystkich profili ekonomicznych zarówno państwowych,
jak i niepaństwowych. Podręcznik omawia wiele problemów decyzyjnych, które są ilu
strowane przykładami w pełni rozwiązanymi. Zawiera ponadto szeroką gamę zadań
przeznaczonych do rozwiązania przez studiujących przedmiot. Duży wybór przykła
dów i zadań obejmujących różnorodne problemy ma na celu kształcenie umiejętności
w zakresie przygotowywania przesłanek podejmowania trafnych decyzji.
W okresie utrwalania zdobyczy, jakie niesie z sobą gospodarka rynkowa właśnie
sprawność zarządzania przedsiębiorstwami oraz złożonymi przedsięwzięciami inwe
stycyjnymi jawi się jednym z naczelnych zadań szkolenia kadr menedżerskich. Książka
ta być może wzbudzi zainteresowanie poza kręgami społeczności akademickich, mam
tu na myśli menedżerów firm i spółek pragnących poszerzyć horyzonty swej wiedzy
nabytej na studiach przed wieloma laty. Byłoby to urzeczywistnieniem dążeń każdego
zespołu autorskiego, a więc również autorów niniejszego podręcznika.
Badania operacyjne w przykładach i zadaniach już na dobre utrwaliły swą obec
ność na polskim rynku podręczników akademickich. Mija już dziesięć lat od momen
tu, gdy pisałem słowo wstępne do pierwszego wydania. Od tego czasu objętość książki
znacznie wzrosła, bowiem każde nowe wydanie niosło z sobą wzbogacenie jego za
wartości bądź o nowy rozdział bądź o uzupełnienie już istniejących. Również wydanie
czwarte nawiązuje do tej tradycji. Treści nowego wydania zostały ujęte w jedenaście
rozdziałów, co oznacza rozszerzenie podręcznika jeszcze o jeden rozdział w stosunku
do poprzedniego wydania. Nowo wprowadzony rozdział nosi tytuł „Budowa rankingu
obiektów w świetle ocen wielokryterialnych”.
W rozdziale tym omówiono procedurę badania i oceny stanu zjawisk złożonych
w różnych obiektach. Zjawiska złożone z natury rzeczy są rozpatrywane wielokry-
terialnie. Charakteryzuje je bowiem wiele cech, które mają różne miana i wykazują
różne rzędy wielkości. Aby ocena zjawiska złożonego na podstawie zbioru cech go
opisujących była możliwa, należy w sposób w miarę prosty dokonać przekształcenia
ich wartości oryginalnych. Przekształcone zmienne są bez mian oraz przybierają war
tości przybliżonego rzędu wielkości. Mówimy wówczas, że zmienne oryginalne zosta
ły unormowane. Pozwala to zastosować jedną z procedur agregacyjnych, w wyniku
14 Stowo wstępne do wydania czwartego;
której otrzymujemy wartości zmiennych syntetycznych (agregatowych) charakteryzują

cych każdy obiekt. Uzyskane wartości zmiennej agregatowej stanowią podstawę budo
wy rankingu obiektów. Znajomość rankingu obiektów stwarza obiektywne przestanki
podejmowania decyzji.
W ostatnim słowie pragnę wyrazić nadzieję, że zaproponowana treść i układ pod
ręcznika zainteresują Czytelników oraz ułatwią im samodzielne studiowanie złożonych
problemów decyzyjnych.
Kraków, 20 maja 2001 r. Karol Kukuła

Słowo wstępne
do wydania trzeciego
Badania operacyjne to dyscyplina, której zadaniem jest wspomaganie procesu podej

mowania trafnych decyzji. Podejmowanie decyzji jest aktem nierozerwalnie związa
nym ze świadomą działalnością ludzką. Dokonywanie racjonalnych wyborów wiąże
się z porównywaniem różnych wariantów działania człowieka lub zespołów ludzkich.
Wyważenie i obiektywna ocena różnych wariantów działania zmusza do wykorzysty
wania metod matematycznych. Znajomość zatem tych metod pozwala decydentowi
znaleźć się w bardziej komfortowej sytuacji w stosunku do tych, którzy działają „na
wyczucie”. Rozeznanie różnych wariantów rozwiązania problemu z podjęciem próby
ich wartościowania oraz znalezienia rozwiązania optymalnego w danej sytuacji, daje
rękojmię skutecznego procesu decyzyjnego.
Trzecie już wydanie Badań operacyjnych w przykładach i zadaniach, podobnie
jak wydania poprzednie ma ułatwić i usprawnić dydaktykę związaną z tą dyscypliną.
Ponieważ dwa poprzednie wydania (1993 r. i 1996 r.) spotkały się z życzliwym przy
jęciem Czytelników, Autorzy postanowili wznowić podręcznik, z równoczesnym jego
rozszerzeniem i poprawieniem.
Książka jest adresowana głównie do studiujących ekonomię, zarówno w trybie
dziennym, jak i zaocznym, ale również do praktyków życia gospodarczego, zaintereso
wanych nowoczesnym stylem działania.
Treść książki rozszerzono o dwa nowe, interesujące ekonomistów praktyków za
gadnienia. W rozdziale ósmym przedstawiono wybrane modele gospodarowania zapa
sami. Zaprezentowano podstawowe typy modeli zapasów - modele deterministyczne
i stochastyczne. W rozdziale dziewiątym ukazano możliwości wykorzystania zbioru
metod z zakresu badań operacyjnych przy konstrukcji biznesplanu. Obecnie każde
planowane większe przedsięwzięcie firmy, zwłaszcza, jeśli ma być finansowane z kre
dytu bankowego, musi być poprzedzone rzetelnym biznesplanem. Cały wachlarz me
tod, jaki badania operacyjne oferują w procedurze budowy racjonalnego biznesplanu
powinien być wspomagany zastosowaniem odpowiednich programów komputero
wych. W rozdziale dziewiątym przedstawiono sposób postępowania z wykorzystaniem
arkusza kalkulacyjnego Excel.
16 Stowo wstępne do wydania trzeciego
Oprócz nowych rozdziałów, wprowadzono pewne rozszerzenia w podrozdziałach

1.1,1.2 i 1.3, 2.1 i 2.2 oraz 3.1. Dotyczą one przedstawienia krótkiego zarysu teoretycz
nego omawianych zagadnień. W związku z dokonanymi zmianami w strukturze treści
książki wzbogacono również uwagi bibliograficzne o wiele nowych pozycji.
Autorzy pragną serdecznie podziękować Recenzentowi drugiego wydania,
Profesorowi Tadeuszowi Staniszowi, którego spostrzeżenia i uwagi krytyczne przyczy
niły się do skorygowania tekstu podręcznika.
Kraków, 16 czerwca 1998 r. Karol Kukuła

Słowo wstępne
do wydania drugiego
Badania operacyjne zrodziły się w okresie II wojny światowej. Sama nazwa dyscypliny
wyraźnie wskazuje na jej genezę. Po zakończeniu wojny zastosowania natury militar
nej musiały ustąpić zastosowaniom mającym ogromne znaczenie dla praktyki ekono
micznej i to na najniższym szczeblu zarządzania gospodarką - w mikroskali. Badania
operacyjne mają niezbyt długą historię istnienia w porównaniu do innych dyscyplin.
Historia ta jednak obfituje ważnymi wydarzeniami naukowymi, które są związane z ta
kimi nazwiskami, jak: J. von Neumann, L. Kantorowicz, G.B. Dantzig, A.K. Erlang
i R. Bellman. Podręcznikiem, który skupia wszystkie ważniejsze osiągnięcia z zakresu
badań operacyjnych do końca lat osiemdziesiątych jest książka pracowników Stanford
University, profesorów ES. Hillier’a i G. J. Lieberman’a - [34]. Jej piąte wydanie ukaza
ło się w 1990 r. i nosi tytuł Introduction to Operations Research. Owo „Wprowadzenie”
ma objętość - bagatela - 954 stron. Świadczy to o znaczeniu i randze, jakie przedmiot
badania operacyjne uzyskał w hierarchii dyscyplin wykładanych na uniwersytetach
amerykańskich.
Książka, którą przekazujemy Czytelnikom jest zbiorem zadań oraz przykładów
wzorcowo rozwiązanych z zakresu badań operacyjnych. W literaturze polskiej nadal
brak jest podręcznika zawierającego pełny wybór sytuacji decyzyjnych wraz ze sposo
bami ich rozwiązania. Stąd po stosunkowo niedługim czasie, w którym nakład pierw
szego wydania uległ wyczerpaniu, zaistniała pilna potrzeba jego wznowienia. Wydanie
drugie, oprócz problemów demonstrowanych w pierwszej edycji, zawiera również nowe
zagadnienia, których potrzebę zaistnienia w podręczniku zespól autorski uznał za ko
nieczną. Wprowadzono także drobne uzupełnienia i poprawki.
Przyjęty układ podręcznika wydaje się słuszny z dydaktycznego punktu widzenia,
chociaż jesteśmy świadomi, iż nie jest to jedynie możliwa do przedstawienia struktura
treści. Autorzy dołożyli wielu starań, aby niniejsza książka była przystępna dla moż
liwie szerokiego kręgu odbiorców, nie tylko studentów studiów ekonomicznych, ale
również dla pragnących pogłębić swoją wiedzę menedżerów oraz właścicieli firm o róż
nym profilu działania. Przerobienie przykładów i zadań z zakresu objętego niniejszym
podręcznikiem nie wymaga zaawansowanych studiów matematycznych. Wystarczają
na ogól wiadomości wyniesione ze szkoły średniej, a w niektórych przypadkach wyma
gana jest znajomość elementów algebry liniowej.
18 Słowo wstępne do wydania drugiego
Książka składa się z ośmiu rozdziałów, obejmując klasyczne problemy, dobrze zna
ne z historii rozwoju tej dyscypliny. Rozdział pierwszy - najobszerniejszy - poświę
cony jest budowie optymalizacyjnych modeli matematycznych o strukturze liniowej.
Omówiono w nim zagadnienia wyboru asortymentu produkcji i procesu technolo
gicznego oraz problemy diety (mieszanek). Przedstawiono dalej uniwersalną metodę
rozwiązywania programów liniowych - algorytmu simpleks oraz elementy analizy wraż
liwości. Rozdział zamyka ukazanie modeli pozwalających łączyć dwa przeciwstawne
kryteria w kryterium kompromisowe - programowanie ilorazowe. Drugi rozdział obej
muje dwie części: grupę zagadnień transportowych oraz problemy przydziału. Kolejny
rozdział - trzeci przedstawia modele sytuacji konfliktowych - gry. Zaprezentowano
w nim gry dwuosobowe o sumie zero oraz gry z naturą. W rozdziale czwartym (nowo
wprowadzonym) ukazano zastosowania teorii kolejek. Opisano tu jedno- i wieloka
nałowe systemy obsługi masowej, wskazując jednocześnie na informacje interesujące
menedżera możliwe do uzyskania. Rozdział piąty został w całości poświęcony budo
wie i metodom rozwiązywania modeli sieciowych (CPM, PERT, GERT). W rozdziale
szóstym przedstawiono pewną klasę modeli nieliniowych, omawiając jednocześnie me
tody ich rozwiązywania. Elementy programowania dynamicznego są treścią kolejnego
rozdziału. Rozdział ostatni - ósmy - zawiera zadania różne nawiązujące tematycznie
do treści wszystkich rozdziałów poprzedzających. Po ostatnim rozdziale zamieszczono
zwięzłe odpowiedzi do wszystkich zadań, jednak bez przedstawiania sposobów ich roz
wiązywania. Następnie zaprezentowano uwagi bibliograficzne, odsyłające Czytelnika
do konkretnych pozycji literaturowych, w których może pogłębić swoją wiedzę z zakre
su wybranego zagadnienia. Całość kończy wykaz pozycji bibliograficznych, umożliwia
jący zainteresowanym dalsze samodzielne studia przedmiotu.
Autorzy kierują szczególnie serdeczne słowa do Recenzentów. Dziękując Pro
fesorom Zdzisławowi Cięciwie oraz Edmundowi Ignasiakowi, mamy świadomość,
że Ich uwagi pozwoliły ulepszyć pierwotną wersję, przyczyniając się do powstania pod
ręcznika w obecnym kształcie.
Kraków, 20 grudnia 1995 r. Karol Kukała

Słowo wstępne
Głównym celem, jaki postawił przed sobą zespól autorski, jest zapoznanie studiujących
z różnorodnymi możliwościami wykorzystania metod związanych z podejmowaniem
optymalnych decyzji. Realizacja tak postawionego celu polega na zademonstrowaniu
wielu typowych sytuacji decyzyjnych (z reguły w ograniczonej skali), których rozwią
zanie pokazano na 32 przykładach. Każdy problem decyzyjny, po krótkim wprowa
dzeniu, jest ilustrowany przykładami, po przykładach następują zadania. Rozwiązanie
przykładów metodą objaśniania kolejnych etapów ma za zadanie ułatwić samodzielne
studia w zakresie badań operacyjnych. Studiujący, chcąc osiągnąć wyższy stopień umie
jętności, powinien podjąć trud rozwiązywania zadań zamieszczonych po przykładach.
Przy końcu podręcznika podano odpowiedzi do zadań, będące kolejną pomocą w pro
cesie przyswajania materiału. Zakłada się, że studiowanie pozycji obejmujących teo
retyczne podstawy metod stosowanych w podręczniku musi poprzedzać jego lekturę.
Przykłady, zadania, tablice i rysunki posiadają numerację ciągłą niezależną od nume
racji rozdziałów i podrozdziałów. Książka ta jest przeznaczona dla studentów wszyst
kich kierunków studiów, oprócz towaroznawstwa.
Częste używanie nazwy „badania operacyjne” nie uzasadnia w pełni twierdzenia,
że metody i procedury tu stosowane - nawet te najbardziej elementarne - są powszech
nie znane. Zatem każdej próbie ich popularyzacji powinna towarzyszyć przychylna
atmosfera. Podręczniki, będące zbiorami zadań, czy to z zakresu algebry, geometrii
analitycznej, statystyki czy też badań operacyjnych mają za zadanie przede wszystkim
usprawnić proces nauczania przedmiotu. Stwarzają tym samym lepsze warunki zarów
no studiującym, jak i nauczającym.
Poddając życzliwej ocenie Czytelników niniejszy zbiór przykładów i zadań z za
kresu badań operacyjnych, żywimy nadzieję, że przedłożona książka przyczyni się do
podniesienia efektów studiowania tej przecież niełatwej dyscypliny. Nie oznacza
to jednak, że pracę nad zbiorem zadań uważamy za w pełni ukończoną. Tylko bowiem
ciągły proces weryfikacji i uzupełnień stanowi rękojmię utrzymania podręcznika na
odpowiednim poziomie. Zatem wszelkie wnioski związane z formą, treścią oraz ukła
dem przykładów i zadań napływające na adres Zakładu Ekonometrii A E w Krakowie,
ul. Rakowicka 27, będą przyjęte z należytą uwagą i pełną wdzięcznością.
20 Słowo wstępne
Na zakończenie warto podkreślić, że nowe warunki, w jakich wypada pracować ka

drze kierowniczej polskiej gospodarki, w szczególny sposób preferują znajomość trud
nych, ale jakże przydatnych w wielu złożonych sytuacjach decyzyjnych, reguł i metod
z zakresu badań operacyjnych.
Kraków, 15 października 1991 r. Karol Kukuła

Wybrane zagadnienia
programowania liniowego
Istnieje wiele sytuacji decyzyjnych, które można opisać i rozwiązać za pomocą pro
gramu liniowego, czyli modelu, w którym wszystkie relacje mają charakter liniowy.
Programem liniowym (PL) nazywamy zadanie o postaci:
an xl + a12x2 +... + au xn 0 warunki brzegowe
Cix 1 + C2X2 + —+ cnx n ~ * m <*x funkcja celu (kryterium)
W programie tym występują:

• parametry, a-, bt, c • (i = 1 , 2 ,..., r; j = 1 , 2,..., n) - wielkości dane,
oraz
• zmienne decyzyjne: Xj (j - 1, 2,...,«) - wielkości, które należy ustalić.
Elementami każdego programu liniowego są (jak widać): warunki ograniczające,
warunki brzegowe i funkcja celu.
Warunki ograniczające to układ równań lub nierówności opisujących warunki
działania. W konkretnych sytuacjach decyzyjnych nierówności w warunkach mogą
oczywiście mieć przeciwny zwrot, mogą to także być równości.
W warunkach brzegowych zakłada się, że zmienne decyzyjne, będące pewnymi
wielkościami ekonomicznymi są liczbami nieujemnymi.
Funkcja celu (funkcja kryterium) umożliwia wybór optymalnego przy istnieją
cych ograniczeniach wariantu planu (rozwiązania) - może być maksymalizowana lub
minimalizowana.
Rozwiązanie modelu sprowadza się do wyznaczenia wartości zmiennych decyzyjnych.
Zbiór wartości zmiennych decyzyjnych spełniający warunki ograniczające i wa
runki brzegowe nazywamy rozwiązaniem dopuszczalnym PL. Spośród (zwykle wielu)
rozwiązań dopuszczalnych wybiera się takie, dla którego (których) funkcja celu przyj
muje wartość ekstremalną (w zależności od sytuacji maksymalną lub minimalną).
Jest to rozwiązanie optymalne.
22 1. Wybrane zagadnienia programowania liniowego
Metody rozwiązywania programów liniowych (wyznaczenia optymalnych warto

ści zmiennych decyzyjnych):
• Uniwersalną metodą rozwiązywania programów liniowych jest algorytm
simpleks. Jest to procedura iteracyjna (etapowa). Ideę algorytmu simpleks omówiono
- w podrozdziale 1.4. Procedurę tę realizują wyspecjalizowane pakiety komputero
we, jak np. QSB, win QSB, lub opracowywane przez autorów podręczników i dołą
czane do podręcznika na płycie CD, np. do pracy T. Trzaskalika [84]. Można ją także
zrealizować w arkuszu kalkulacyjnym (Excel, Open Office calc), wykorzystując moduł
(narzędzie) - Solver.
• W szczególnym przypadku, gdy w modelu występują dwie zmienne decyzyjne
- można go rozwiązać metodą geometryczną {graficzną) - na układzie współrzędnych.
• Drugim szczególnym przypadkiem są modele, w których występują więcej
niż dwie zmienne decyzyjne, ale tylko dwa warunki ograniczające. D o rozwiązania
modelu można wykorzystać zależności między programem pierwotnym i programem
dualnym, tzn. rozwiązać program dualny (w którym będą tylko dwie zmienne decy
zyjne), a następnie przejść do rozwiązania programu pierwotnego.
Typowe zastosowania programowania liniowego to:
• wybór wielkości i struktury produkcji w zakładzie produkcyjnym,
• wybór procesu technologicznego,
• problem diety (mieszanki).
Omówiono je w podrozdziałach 1.1 - 1.3. Znajomość tych typowych problemów po
winna stanowić podstawę umożliwiającą rozwiązanie także innych pojawiających się
w praktyce i zilustrowanych w zadaniach.
W podrozdziale 1.6. pokazano, jak można wykorzystać narzędzie Excela - Solver
do rozwiązywania programów liniowych i zinterpretować wyniki dotyczące analizy
wrażliwości.
Przedmiotem podrozdziału 1.5. jest analiza wrażliwości, która łączy się nie
rozerwalnie z rozwiązywaniem programów liniowych, pozwala bowiem określić
wrażliwość rozwiązania optymalnego na zmiany sytuacji decyzyjnej (mające odzwier
ciedlenie w zmianach parametrów modelu), często także konsekwencje tych zmian,
bez potrzeby ponownego rozwiązywania modelu.
Ostatni podrozdział tego rozdziału jest poświęcony programowaniu ilorazowemu
- programom, w których układ warunków ograniczających ma postać liniową, a funk
cja celu jest ilorazem dwóch funkcji liniowych.
1.1. Optymalizacja struktury produkcji

Firma może produkować n wyrobów. D o ich produkcji są zużywane różne środki pro
dukcji, z których część (powiedzmy r) jest dostępna w ograniczonych ilościach. Dane
są normy zużycia środków produkcji na jednostkę każdego wyrobu, zasoby środków
produkcji, ceny lub zyski jednostkowe ze sprzedaży wyrobów. Mogą być także podane
dodatkowe informacje o popycie na produkowane wyroby (niektóre z nich) - mini
malna ilość, jaką trzeba wyprodukować, aby zrealizować zamówienia odbiorców lub
1.1. Optymalizacja struktury produkcji 23
maksymalna ilość, jaką będzie można sprzedać. A zatem parametrami w modelu ma
tematycznym zagadnienia są:
ciy - zużycie i-tego środka produkcji na wytworzenie jednostki j -tego wyrobu
(/ = 1, r; j = 1, n),
bt - dostępny zasób i-tego środka produkcji,
Cj - zysk jednostkowy (lub cena) ze sprzedaży j -tego wyrobu,
dj - minimalna ilość y-tego wyrobu, jaką trzeba wyprodukować,
gj - maksymalna ilość j-tego wyrobu, jaką można sprzedać.
Należy określić, które wyroby i w jakich ilościach produkować, aby nie przekracza
jąc posiadanych zasobów środków produkcji i ewentualnie spełniając pewne dodatko
we ograniczenia dotyczące struktury produkcji, zmaksymalizować zysk (lub przychód)
z ich sprzedaży. Zmiennymi decyzyjnymi w tym zagadnieniu są zatem wielkości pro
dukcji wyrobów: Xj - wielkość produkcji j-tego (j = 1, 2,..., n) wyrobu, a ogólny model
zagadnienia można zapisać następująco:
a11x 1+ a12x2 + ... + alnxn Q,
c1x1 + c2x2 + ... + cnxn —> max.
gdzie pierwsze r warunków dotyczy ograniczonych zasobów środków produkcji, po

zostałe zaś warunki (które nie zawsze występują) są związane z ograniczeniami od
strony popytu. Plany produkcji spełniające warunki ograniczające i warunki brzegowe
będą rozwiązaniem dopuszczalnym. Rozwiązaniem optymalnym będzie to (te) spośród
rozwiązań dopuszczalnych, dla którego funkcja celu przyjmuje wartość maksymalną.
Przykład 1. Przedsiębiorstwo produkuje dwa wyroby Wx i W2. W procesie pro

dukcji tych wyrobów zużywa się wiele środków, spośród których dwa są limitowane.
Limity te wynoszą: środek 1 - 9 6 000 j., środek II - 80 000 j. Nakłady limitowanych
środków na jednostkę wyrobów i W 2 zawiera tabl. 1.
Tablica 1
Środki Jednostkowe nakłady

produkcji y m iĘ M w2
I 16 24
II 16 10
Wiadomo także, że zdolności produkcyjne jednego z wydziałów stanowiącego

wąskie gardło procesu produkcyjnego nie pozwalają produkować więcej niż
3000 szt. wyrobów Wj oraz 4000 szt. wyrobów W2. Ponadto działająca w ramach
przedsiębiorstwa komórka analizy rynku ustaliła optymalne proporcje produkcji,
które kształtują się odpowiednio jak 3:2. Zysk ze sprzedaży jednostki wyrobu Wj
wynosi 30 zł, a wyrobu W2 - 40 zł.
Należy ustalić optymalne rozmiary produkcji wyrobów, gwarantujące - przy
istniejących ograniczeniach - maksymalizację zysku z ich sprzedaży.
R o z w i ą z a n i e . W sformułowaniu „ustalić optymalne rozmiary produkcji
wyrobów” są zdefiniowane zmienne decyzyjne: x t - ilość produkcji wyrobu W,,
orazx 2 - ilość produkcji wyrobu W2. Biorąc pod uwagę limity środków produkcji I i II,
mamy dwa pierwsze ograniczenia1:
( 1) 16x1 + 24x2 < 96 000,
(2) \6 x l + 10x2 < 80 000.
Należy także uwzględnić informację pochodzącą z komórki analizy rynku, która

stanowi trzeci warunek:
(3) Xi = —x.
Mając na uwadze ograniczone zdolności jednego z wydziałów produkcyjnych,

warunki brzegowe mają postać:
(4) 0 < x, < 3000,
(5) 0 < x 2 < 4000.
Uwzględniając cel, jaki sobie postawiło przedsiębiorstwo (uzyskanie maksymal

nego zysku ze sprzedaży), formułujemy funkcję kryterium (celu):
(6) j^ ( x 1, x 2) = 30 x 1+ 40 x 2 -» max.
Zatem model sytuacji decyzyjnej jest następujący:
(1) 16XJ + 24X2 < 9 6 000,
(2) 16xj + 10x2 < 80 000.

2
(3) X2 = - X i .
(4) O ^ŚSO O O ,
(5) 0 < x2 < 4000.
(6) jF ( x 1, x 2) = 30 x 1 + 40 x 2 -> m a x .
1 16jct to zużycie środka I na produkcję Wj, a 2Ax2to zużycie środka I na produkcję W2.
Ponieważ w modelu tym występują tylko dwie zmienne decyzyjne, można rozwią
zać go graficznie.
Najpierw należy znaleźć rozwiązanie dopuszczalne - nanosząc na układ współ
rzędnych warunki ograniczające i brzegowe.
Warunek (1): 16;^ + 2Ax2 < 96 000 - aby prostą zaznaczyć na wykresie należy zna
leźć dwa punkty, przez które ona przechodzi, a najprościej znaleźć punkty przecię
cia prostej z osiami układu współrzędnych. Przyjmując x2 = 0, otrzymujemy xx = 6000
(96 000/16), a więc jest to punkt o współrzędnych (6000; 0). Analogicznie, jeżeli
x1 = 0; x2 = 4000 (96 000/24), czyli punkt ma współrzędne (0; 4000). Łącząc te dwa
punkty, otrzymujemy równanie prostej ( 1), a ponieważ warunek ( 1) ma postać nierów
ności 16xl + 24 x2 < 96 000 - jest spełniony przez punkty leżące na prostej oraz w pół-
płaszczyźnie poniżej tej prostej (co zaznaczono na rys. 1 strzałką skierowaną w dół)2.
Warunek (2): I6xx+ 10x2 < 80 000 - prosta (2) przecina oś x t w punkcie 5000
(80 000/16) i oś x2 w punkcie 8000 (80 000/ 10), a warunek (2) jest spełniony przez
punkty leżące na tej prostej i poniżej.
Graficznym obrazem warunku (3) x2 = —x1 jest prosta przechodząca przez
początek układu współrzędnych i przez punkt o współrzędnych np. x1 = 3000 i (wów-

2
czas) x2 = —•3000 = 2000 (a warunek (3) jest spełniony wyłącznie przez punkty leżące
na prostej).
Pozostają jeszcze warunki (4) i (5), z uwagi na które rozwiązanie modelu musi
się znajdować w pierwszej ćwiartce układu. Ograniczeniem prawostronnym są proste
x1 = 3000 i x2 = 4000 i półpłaszczyzny leżące na lewo (war. 4) i poniżej (war. 5) nich.
Układ warunków ograniczających i brzegowych spełniają tylko punkty znajdujące
się na odcinku 0A, odcinek ten stanowi więc rozwiązanie dopuszczalne zadania. Na
tym odcinku należy zatem poszukiwać rozwiązania optymalnego3.
Aby je znaleźć, najwygodniej jest przyjąć pewną początkową wartość funkcji
celu - dowolną wspólną wielokrotność jej parametrów tzn. 30 i 40, np. 60 000, czyli
F(xl, x2) = 30xj+ 40 jc2 = 60 000. Prostą tę zaznaczono na rys. 2 linią przerywaną BC;
nosi ona nazwę linii jednakowego zysku. Następnie linię tę przesuwamy równolegle
wzdłuż odcinka 0A (zbioru rozwiązań dopuszczalnych) - do punktu położonego naj
dalej od początku układu.
2 Zaznaczając pólplaszczyznę spełniającą warunek ograniczający, warto - dla dowolnego punktu

w zaznaczonej pólplaszczyźnie - upewnić się, że nierówność jest spełniona, zwłaszcza jeśli parametry
przy zmiennych są ujemne, lub warunek jest prostą przechodzącą przez początek układu współrzędnych.
3 Poszukując rozwiązania optymalnego PL, należy pamiętać, iż znajduje się ono zawsze w jednym
z wierzchołków albo na krawędzi (boku) zbioru rozwiązań dopuszczalnych (ZRD) - por. Z. Czerwiński
[18]. Zatem alternatywnym sposobem znalezienia rozwiązania optymalnego jest obliczenie wartości
funkcji celu w każdym z wierzchołków ZRD i wybór tego, w którym funkcja celu przyjmuje war
tość optymalną (maksymalną lub minimalną) - pokazano to w przykładzie 2. Często jednak zbiór rozwią
zań dopuszczalnych jest wielobokiem o wielu wierzchołkach. Wówczas znacznie szybciej można znaleźć
rozwiązanie optymalne w pokazany tu sposób, a więc wykorzystując „izolinie”.
1. Wybrane zagadnienia programowe nia liniowego
Kierunek przesuwania izołinii wynika z kryterium optymalizacji (funkcji celu).

W rozważanym przykładzie funkcja celu F jest maksymalizowana. Oznacza to, że
kolejno przyjmujemy coraz to większe wartości wyrazu wolnego równania przesuwa-
nej prostej (patrz rys. 2, izolinie (l)-(4)). Izolinie (1) i (2) przecinają odcinek OA
i dopiero izolinia (3) trafia na jego koniec w punkcie A. Izolinia zaś (4) została zbyt
daleko przesunięta i znalazła się poza odcinkiem rozwiązań dopuszczalnych. Proste
(1)—(4) tworzą rodzinę izołinii, tj. linii, w których parametry przy zmiennych pozostają
bez zmian, a zmieniają się jedynie wartości wyrazów wolnych. W zależności od sytuacji
(F —> max bądź F -> min) wartości wyrazu wolnego należy zwiększać lub zmniejszać.
Punktem najdalej wysuniętym na odcinku OA w sensie równoległego przesunięcia
jest zatem punkt A. Współrzędne tego punktu 4 x \ = 3000 sztuk W t oraz x 2 = 2000
sztuk W 2 są optymalnym rozwiązaniem zadania. Zysk ze sprzedaży przy optymalnej
strukturze produkcji wyniesie więc F(x\, x 2) = 30 •3000+40 •2000 = 170 000 zł.
Przykład 2. Przedsiębiorstwo produkuje dwa wyroby W t i W2. Spośród środków

używanych do ich produkcji - dwa są limitowane. Limity te wynoszą: środek 1 - 3 6 000
jedn., środek II - 50 000 jedn. Nakłady limitowanych środków na jednostkę produkcji
podano w tabl. 2 .
Tablica 2

produkcji W, 1 1 1 1 ^ 'I I S I
I 6 6
II 10 5
Należy także uwzględnić, że zdolność produkcyjna jednego z agregatów nie po

zwala wyprodukować więcej niż 4000 szt. wyrobu W2. Nie ma natomiast żadnych do
datkowych ograniczeń w stosunku do wyrobu Wj.
Należy określić optymalne rozmiary produkcji przy założeniu, że zysk realizowa
ny na obu wyrobach jest jednakowy i wynosi 5 zł.
R o z w i ą z a n i e . Przystępując do budowy modelu, przyjmujemy zmienne de
cyzyjne: x y - wielkość produkcji wyrobów W1?x2 - wielkość produkcji wyrobów W2.
Pierwsze dwa ograniczenia dotyczą limitów na środki produkcji I i II:
(1) 6xy + 6x 2 < 36 000,
(2) 10*! + 5x 2 < 50 000.
Warunek brzegowy dla zmiennej xx ma postać
(3) * !> 0 ,
Warunek brzegowy dla zmiennej x2 ze względu na ograniczenie od góry ma postać
(4) 0 < *2 < 4000,
Kryterium optymalności tego zadania stanowi wielkość łącznego zysku osiągnię

tego ze sprzedaży wyrobów Wj i W2. Zatem funkcja celu jest następująca:
(5) F (* 1, x2) = $xi + 5*2 ■"* max-
4 W punkcie tym przecinają się proste (1) i (3) (por. rys. 1) zatem, aby wyznaczyć jego współrzędne
należy rozwiązać układ tych dwu równań
a cały model ma postać:
( 1) 6x l+ 6x 2 < 36 000,
(2) IOjcj +5; c2 <50 000,
(3) Xi > 0,
(4) 0 < x 2 < 4000,
(5) F (xv x2) = 5xx + 5 x2 -> max.
Również rozwiązanie tego zadania (o ile rozwiązanie to istnieje), ze względu

na warunki (3) i (4), musi się znaleźć w pierwszej ćwiartce układu współrzędnych.
Podobnie jak w przykładzie 1 poszczególne relacje ponumerowano (rys. 3).
Zbiorem rozwiązań dopuszczalnych jest obecnie wielobok ABCDE.
Aby znaleźć rozwiązanie optymalne, przyjmujemy dla funkcji celu wartość
np. 10 000, czyli F(x1,x 2) = 5 x1+5x2=10 000 - na rys. 3 izolinię tę zaznaczono linią
przerywaną. Przesuwając ją równolegle w górę, stwierdzamy, iż jej najdalsze możliwe
przesunięcie pokryje się z odcinkiem CD. Zatem w tym przypadku mamy nieskoń
czenie wiele rozwiązań optymalnych (współrzędne wszystkich punktów odcinka CD).
W szczególności rozwiązania optymalne stanowią współrzędne punktów C i D 5,

zatem x* = 2000 szt. Wj i x \ = 4000 szt. W 2 lub = 4000 szt. Wj i x 2 = 2000 szt. W2.
Łatwo sprawdzić, że wartość funkcji celu w obu przypadkach wynosi 30 000 zł.
5 W punkcie C przecinają się warunki (1) i (2), w punkcie D - warunki (1) i (4).
Rozwiązanie optymalne można także znaleźć, sprawdzając wartość funkcji celu

we wszystkich wierzchołkach zbioru rozwiązań dopuszczalnych (rozwiązanie opty
malne znajduje się zawsze w jednym z wierzchołków lub na krawędzi zbioru rozwią
zań dopuszczalnych). Wcześniej oczywiście należy znaleźć współrzędne wszystkich
wierzchołków (współrzędne niektórych można odczytać z wykresu). W tym przypad
ku mamy:
A(0; 0) F(A) = 5-0 + 5-0 = 0

B(5000; 0) F(B) = 5-5000 + 5-0 = 25 000
C(4000; 2000) F(C) = 5 ■4000 + 5 •2000 = 30 000
D(2000; 4000) F(D) = 5 •2000 + 5 •4000 = 30 000
E(0; 4000) F(E) = 5-0 + 5 + 4000 = 20 000
Tak więc najwyższą wartość (30 000) funkcja celu osiąga w wierzchołkach C i D.
W tym przypadku rozwiązanie optymalne znajduje się na krawędzi zbioru rozwiązań
dopuszczalnych, a wniosek jest oczywiście taki sam jak przy poszukiwaniu rozwiąza
nia optymalnego graficznie6.
Przykład 3. Przedsiębiorstwo produkuje cztery wyroby: W1( W2, W3, W4. Dwa
spośród wielu środków używanych w procesie produkcji są limitowane. Limity te wy
noszą: środek 1 - 9 0 000 j., środek II - 120 000 j. Nakłady limitowanych środków na
jednostkę produkcji oraz zyski jednostkowe ze sprzedaży wyrobów podano w tabl. 3.
Tablica 3
Zużycie środka na jednostkę wyrobu
Środki produkcji
¡¡liii w2 ■ ■ i i r w4
I 1 2 1,5 6
II 2 2 1,5 4
Zyski jednostkowe (zł) 4 6 3 12
Należy ustalić optymalne - z punktu widzenia maksymalizacji zysku - rozmiary

produkcji poszczególnych wyrobów. Należy podać łączny zysk zrealizowany przy opty
malnym asortymencie produkcji.
R o z w i ą z a n i e . Niech x2, x3 i x4 oznaczają odpowiednio liczbę wyro
bów W1( W2, W 3 i W4. Model powyższej sytuacji decyzyjnej ma postać:
6
6 Zauważmy, że odcinek CD leży na prostej (1) 6xt + 6x2 o współczynniku kierunkowym
6
funkcja celu F(xu x2) = 5 x L+ 5x2 ma współczynnik kierunkowy — = -1 - taki sam, a więc
są równoległe i przy równoległym przesunięciu pokrywają się.

(1 ) xx+ 2 x2 + 1, 5*3 + 6*4 ^ 90 000,
(2) 2*j + 2*2 "i- 1)6*3 + 4*4 £=120 000,
(3) *j > 0, *2 > O, *3 > 0, *4 > 0,
(4) i^ *!, * 2, * 3 , * 4) = 4*J + 6*2 + 3*3 + 12*4 max-
Ze względu na liczbę zmiennych decyzyjnych - nie jest możliwe rozwiązanie mo

delu metodą geometryczną. Ponieważ jednak w modelu występują tylko dwa ograni
czenia, można go rozwiązać, wykorzystując zależności między programem pierwotnym
i dualnym.
Powyższy model nazywać będziemy programem pierwotnym (PP). Każdemu pro
gramowi pierwotnemu można jednoznacznie przyporządkować program dualny (PD).
Program dualny jest odrębnym programem, z nowymi zmiennymi - zmiennymi
dualnymi -y{, i = 1,..., r (odpowiadającymi warunkom PP). Jednak pomiędzy PP i PD
zachodzą związki, które można wykorzystać przy rozwiązywaniu programów linio
wych, a które ponadto mają ciekawą interpretację ekonomiczną. Związki te można
ująć w kilku punktach.
1. W programie dualnym jest tyle zmiennych, ile warunków ograniczających
w programie pierwotnym (i odwrotnie).
2. Współczynniki funkcji celu programu pierwotnego są wyrazami wolnymi ukła
du nierówności programu dualnego (i odwrotnie).
3. Macierz współczynników występujących po lewej stronie układu nierówności
[a-t ] programu dualnego jest transpozycją macierzy współczynników układu nierów
ności programu pierwotnego [a^] (i odwrotnie).
4. Programem dualnym względem programu dualnego jest program pierwotny.
Należy ponadto zauważyć, iż jeżeli w PP funkcja celu jest maksymalizowana,
to w programie dualnym jest minimalizowana (i na odwrót), oraz że konstruując PD,
należy zmienić kierunki nierówności na przeciwne w porównaniu z PP7.
Uwzględniając powyższe, program dualny do programu (1) ze str. 21 ma postać:
« 12>,l + «22};2 +--- + «r2>'^C2

(2)
aln yi+ a2ny2+--- + amyr ^ Cn
yi>y2’---’y r * o
bxyx + b2y 2 +... + bryr - » min
7 Uwaga ta dotyczy programów „symetrycznych”, rozszerzenie na programy niesymetryczne można

znaleźć np. w pracy [4] pod red. E. Ignasiaka, a także w uwagach do zad. 254 w rozdziale 12 podręcznika.
Rozwiązywanie modeli opiera się na wykorzystaniu kilku twierdzeń o dualności,

z których najważniejsze to8:
Tw. 1. Przy dowolnych rozwiązaniach PP i PD zachodzi nierówność:
clxl + ... + cnxn < bly l +... + bry r - wartość funkcji celu w dowolnym rozwiązaniu do
puszczalnym PP jest nie większa od wartości funkcji celu w dowolnym rozwiązaniu
dopuszczalnym PD.
Tw. 2. W rozwiązaniach optymalnych obu programów wartości funkcji celu są
sobie równe, czyli ą x * +... + cnx* = bxy f +... + bry*.
Tw. 3.
a) Jeżeli r-ty warunek PP jest (chociaż w jednym) optymalnym rozwiązaniu
tego programu spełniony z nierównością (ostro), to odpowiadająca mu i-ta zmienna
dualna - y t w (dowolnym) optymalnym rozwiązaniu PD przyjmuje wartość zero, czyli:
jeż e li anx* + aa x\ +... + au x* < bt, to y f = 0.
b) Jeżeli y-ty warunek PD jest (chociaż w jednym) optymalnym rozwiązaniu tego

programu spełniony z nierównością (ostro), to odpowiadająca mu y-ta zmienna - Xj
w (dowolnym) optymalnym rozwiązaniu PP przyjmuje wartość zero, czyli:
jeżeli «i;y* + a2jy 2 +... + arjy* > cjf to x* = 0.
Jest to tzw. twierdzenie o równowadze, które można wykorzystać, gdy znane jest
rozwiązanie jednego z programów, do rozwiązania programu dualnego względem nie
go. Jeżeli znamy rozwiązanie PP, to korzystamy z twierdzenia 3a), a jeśli znamy roz
wiązanie PD - korzystamy z twierdzenia 3b).
Tw. 4. Jeżeli PD ma jedno rozwiązanie optymalne, to optymalna wartość i-tej
zmiennej dualnej (y f ) informuje jak wielki przyrost (spadek) wartości funkcji celu
programu pierwotnego przypada na zwiększenie (zmniejszenie) wyrazu wolnego
w /-tym ograniczeniu o jednostkę (bf), przy niezmienionych pozostałych bk (k * y).
Ta interpretacja jest prawdziwa, gdy zmiany wyrazów wolnych mieszczą się
w dopuszczalnych granicach (granice te można wyznaczyć, stosując tzw. analizę wraż
liwości), które gwarantują, że zmiany te nie spowodują zmiany bazy optymalnej.
Ponieważ w naszym modelu (PP) występują dwa warunki ograniczające i cztery
zmienne decyzyjne - zatem w programie dualnym (PD) będą dwie zmienne decyzyj
ne:)'! (odpowiadająca warunkowi ( 1)) iy 2 (odpowiadająca warunkowi (2)) i cztery wa
runki ograniczające. Przypisując warunkom PP z m ie n n e j iy2, warunki PD tworzymy
ze współczynników stojących przy odpowiednich zmiennych w PP9. Po uwzględnieniu
wszystkich zależności program dualny ma postać:
8 Por. Z. Czerwiński [18], str. 155-158.

9 Pierwszy warunek PD tworzy się ze współczynników przy x{, drugi - ze współczynników
przy x2, itd., pamiętając o zmianie kierunków nierówności na przeciwne niż w PP oraz, że funkcja celu
(utworzona z wyrazów wolnych) w PD będzie minimalizowana.
32 1. Wybrane 7agadnienia programowania liniowego
(1) y i + 2 y 2 >4,
(2) 2yt + 2y 2 > 6,
(3) 1 ^ + 1 ^ >3,
(4) 6y1 + 4 y 2 > 1 2 ,
(5) y ! > 0 ,y 2 >0,
(6) G(y1,y2) = 90 OOOją + 1 2 0 000y2 - » m in.
Rozwiązanie (graficzne) PD pokazano na rys. 4.
Rozwiązaniem dopuszczalnym jest obszar (zacieniowany) nieograniczony od góry.

Izolinia BC (90 000y 1+ 1 2 0 000y 2 = 120 000) znajduje się poniżej zbioru rozwiązań
dopuszczalnych, należy zatem przesuwać ją w górę. Jednocześnie - ponieważ funkcja
celu PD jest minimalizowana, przesuwając ją należy znaleźć punkt zbioru rozwiązań
dopuszczalnych położony możliwie najbliżej początku układu współrzędnych. Jest to
punkt A o współrzędnych: y* = 2 oraz y 2 = 1. G ( y \, y2) = 300 00010.
Aby znaleźć rozwiązanie programu pierwotnego, korzystamy z twierdzenia 3b
„Jeżeli w optymalnym rozwiązaniu PD j- ty warunek tego programu jest spełniony
ostro, to odpowiadająca mu/-ta zmienna -x-} w optymalnym rozwiązaniu PP przyjmu
je wartość zero”.
Należy więc sprawdzić jak - ostro (z nierównością) czy słabo (zachodzi równość)
- w rozwiązaniu optymalnym PD spełnione są jego warunki. Po podstawieniu do PD
y* = 2 i y 2 - 1, stwierdzamy, że:
10 Jest to punkt przecięcia warunków (1) i (2). Jak iatwo sprawdzić w pozostałych dwu wierzchoł
kach zbioru rozwiązań dopuszczalnych o współrzędnych (4; 0) i (0; 3) funkcja celu przyjmuje wartość
G(ylt y2) = 360 000, a więc wyższą (jednakowa wartość funkcji celu w obu punktach jest tu przypadkowa).
(1) 2 + 2 4 = 4 = 4,
(2) 2-2 + 2 -l = 6 = 6,
(3) 1,5-2 + 1,5-1 = 4,5 > 3 - > x J = 0,
(4) 6-2 + 4- l = 16>12 —>jej = O,
czyli warunki (1) i (2) są spełnione słabo, a warunki (3) i (4) są spełnione ostro11.
Stąd wniosek, że zmienne o numerach 3 i 4 w PP przyjmują wartość zero.
Wiedząc, że x 3 = 0 , x 4 = 0, wartości pozostałych zmiennych znajdziemy rozwiązując
układ równań:
x x+ 2x2 = 90 000,
2 x 1 + 2 x 2 = 120 000.
Rozwiązaniem tego układu są x* = 30 000, x 2 = 30 000, F(x*, x2, x3, x |) = 300 000.
Spełniona jest zatem równość: G(yf, y2) = F(x\, x2, +3, x4) = 300 000 (twierdzenie 2).
Tak więc należy produkować po 30 000 jednostek wyrobów Wj i W2, a wyrobów W 3
i W4 nie produkować. Łączny zysk ze sprzedaży wyrobów wyniesie 300 000 zł.
Na zakończenie warto zwrócić uwagę na interpretację ekonomiczną rozwiązania
PD. Załóżmy, że można dokupić dodatkową jednostkę środka I i sprawdźmy jak wpły
nie to na łączny zysk ze sprzedaży wyrobów (wartość funkcji celu PP). Należy zatem
rozwiązać układ równań:
Xy + 2x 2 = 90 001,
2xx + 2x 2 = 120 000.
Jak łatwo sprawdzić, rozwiązaniem tego układu jest: x* = 29 999 i x2 = 30 001.

Rozwiązaniu temu odpowiada zysk ze sprzedaży F(x*,..., x4) = 300 002. Zatem
dodatkowa jednostka środka I dała przyrost zysku ze sprzedaży równy: AF(x*,..., x 4) =
= 300 0 0 2 -3 0 0 000 = 2 = y *.
Analogicznie można sprawdzić, że jeżeli będzie można dokupić dodatkową jed
nostkę środka II (przy niezmienionej ilości środka I), to optymalną strukturą produk
cji jest rozwiązanie układu równań:
Xj + 2 x2 = 90 000,
2xj + 2x2 = 120 001,
czyli jak łatwo sprawdzić: x* = 30 001 i x 2 = 29 999,5; AF(x* ,..., x 4) = 300 001. Przyrost
zysku ze sprzedaży dzięki tej dodatkowej jednostce wynosi AF(x\ , ..., x 4) = 300 001 -
- 3 0 0 000 = l = y 2.
11 Jak (ostro czy słabo) są spełnione warunki PD można także wywnioskować z wykresu. Na rys. 4
w punkcie optymalnym przecinają się warunki (1) i (2), a więc są one spełnione słabo a pozostałe
warunki - ostro.
W ten sposób sprawdziliśmy empirycznie twierdzenie 4 o dualności12. Należy jed

nak jeszcze raz podkreślić, iż taka interpretacja zmiennych dualnych nie dotyczy do
wolnych zmian wyrazów wolnych PP. Analiza wrażliwości rozwiązania optymalnego
na zmiany wyrazów wolnych pozwala wyznaczyć te granice (por. podrozdział 1.5).
Zauważmy jeszcze, że zmienne dualne są nazywane także cenami dualnymi;
w tym przypadku są to ceny środków produkcji (wyrażone w zł na jednostkę środka
produkcji), najkrócej - ceny, po jakich producentowi wyrobów opłacałoby się sprze
dać środki produkcji zamiast produkować z nich wyroby. Przychód ze sprzedaży środ
ków produkcji G (y *, y 2) będzie taki sam jak przychód (zysk) ze sprzedaży wyrobów
F{x\ , ..., 4 ) 13.
Pytania i problemy
1. Zdefiniuj zmienne decyzyjne występujące w zagadnieniu wyboru asortymentu.
2. Jakie parametry są potrzebne do wyboru optymalnej struktury produkcji?
3. Czy w każdym przypadku zmiana wielkości limitu jednego ze środków produkcji jest zwią
zana ze zmianą zbioru rozwiązań dopuszczalnych?
4. Czy zmiana cen lub zysków jednostkowych może wpłynąć na rozwiązanie optymalne? Jeśli
tak, to, w jaki sposób?
Zadania
1. Zakład produkuje dwa wyroby, które są wykonywane na dwóch obrabiarkach i na
frezarce. Czas pracy tych maszyn jest ograniczony i wynosi odpowiednio: dla obra
biarki - 33 000 godz., dla obrabiarki 0 2 - 13 000 godz. i dla frezarki F - 80 000
godz. Nakład czasu pracy maszyn (w godz.) na produkcję jednostki każdego
z wyrobów podano w tabl. 4.
Tablica 4
Zużycie czasu pracy
Maszyny na jednostkę wyrobu
fp ; II
Oj 3 1
^2 1 1
F 5 8
Zysk ze sprzedaży wyrobu I wynosi 1 zł, ze sprzedaży wyrobu II - 3 zł. Z analizy

sprzedaży z lat ubiegłych wynika, że wyrobu II nie będzie można sprzedać więcej
12 Zauważmy też, że jeżeli producent wyrobów będzie się zastanawiał, zakup którego środka jest
dla niego korzystniejszy - w tym przypadku jest to środek I, który ma wyższą cenę dualną, a więc zapewni
większy przyrost zysku.
13 Szczegółową interpretację ekonomiczną PD do zagadnienia wyboru asortymentu można znaleźć
w pracy Z. Czerwińskiego [18], str. 157-160.
niż 7000 szt. Zaplanuj strukturę asortymentową produkcji tak, aby przy przyjętych
ograniczeniach zysk ze sprzedaży wyrobów był jak największy.
Czy optymalna struktura asortymentowa ulegnie zmianie, jeżeli dzięki zasto
sowaniu importowanego surowca zysk ze sprzedaży wyrobu I wzrośnie do 4 zł?
2. Przedsiębiorstwo wytwarza cztery rodzaje wyrobów A, B, C, D, które są obrabiane
na dwóch maszynach Mt i M2. Czas pracy maszyn przypadający na obróbkę jed
nostki poszczególnych wyrobów podaje tabl. 5.
Tablica 5
Czas pracy na jednostkę wyrobu

Wyroby (w godz.)
f M, ;§ m2
A 1,0 2,0
B 1,5 2,5
C 2,0 3,0
D 1,0 0,5
Rynek może wchłonąć każdą ilość produkcji. Jednostkowe zyski (w zł) wynoszą
przy produkcji wyrobu A - 2,0, wyrobu B - 2,5, wyrobu C - 4,0, a wyrobu D -1 ,5.
Maszyna może pracować miesięcznie nie więcej niż 100 godz., a maszyna
M 2 - co najmniej 50 godz.
Określ optymalny asortyment produkcji umożliwiający maksymalizację zysku
oraz podaj wielkość tego zysku.
3. Firma produkuje dwa wyroby: Wj i W2. Do ich produkcji zużywa różne środki
produkcji, z których trzy (dwa surowce i czas pracy jednej z maszyn) są dostępne
w ograniczonych ilościach. Zużycie surowców nie może przekroczyć Sj - 480 kg,
S2 - 580 kg, a czasu pracy maszyny - 324 godz.
Zużycie środków na jednostkę (1000 szt.) każdego wyrobu, ich ceny i koszty
jednostkowe podano w tabl. 6 . Wiadomo ponadto, że od stałych odbiorców otrzy
mano już zamówienie na 10 tys. szt. W 2 oraz że nie będzie można sprzedać
więcej niż 130 tys. sztuk.
Tablica 6
Zużycie na 1000 sztuk wyrobu
Środki produkcji
■i:" WI I I W2
Surowiec 1 (kg) 2,4 4
Surowiec 2 (kg) 4 3
Maszyna (godz.) - 3
Cena zbytu 1000 sztuk (zt) 7000 8000
Koszt produkcji 1000 sztuk (zi) 6100 7100
1. Zaplanuj optymalną wielkość produkcji wyrobów W 2 i W 2 gwarantującą,

przy istniejących ograniczeniach największy zysk z ich sprzedaży (zysk jest różnicą
między ceną a kosztem produkcji). Ile wyniesie łączny zysk?
2. Zapas których środków produkcji zostanie w pełni wykorzystany?
3. Czy optymalna struktura produkcji będzie taka sama, jeżeli w celu promo
cji W 2jego cena zostanie obniżona do 7400 zł? Ile wówczas wyniesie zysk ze sprze
daży wyrobów?
4. Producent karmy dla zwierząt rozpoczyna produkcję dwóch rodzajów ciastek dla
psów: z nadzieniem drobiowym (Cl) i z nadzieniem warzywnym (C2), które oprócz
nadzienia zawierają trzy składniki: SI, S2 i S3. Zawartość tych składników w 1 kg
ciastek podano w tabl. 7, a ich zasoby na najbliższy miesiąc wynoszą odpowied
nio 480, 300 i 360 kg. W tabl. 7 podano także ceny i koszty produkcji 1 kg ciastek.
Wiadomo ponadto, że ze względu na umowy zawarte z odbiorcami (siecią sklepów)
należy wyprodukować co najmniej 100 kg ciastek C l i co najmniej 300 kg ciastek C2.
Tablica 7
Zawartość składnika
Składniki w 1 kg ciastek
Cl C2
SI 0,2 0,3
S2 0,3 0,1
S3 0,3 0,2
Cena 1 kg (zt) 26 21
Koszt produkcji 1 kg 23 18
1. Zaplanuj optymalną wielkość produkcji ciastek na najbliższy miesiąc, tak

aby przy istniejących ograniczeniach zmaksymalizować zysk producenta (zysk jest
różnicą między ceną a kosztem produkcji).
2. Zapas których składników zostanie w pełni wykorzystany?
3. Czy optymalna struktura produkcji ulegnie zmianie, jeżeli w celu promocji
ciastek cena ciastek C2 zostanie obniżona do 20 zł?
5. Zakład dziewiarski wyspecjalizował się w produkcji dwóch wyrobów wełnianych Wx

i W2. Wąskim gardłem procesu produkcji są maszyny typu ą i r2. W tabl. 8 podano
normy pracy maszyn przy produkcji wyrobów Wj i W2 oraz ich zdolności produkcyjne.
Tablica 8
Czas pracy maszyny (w godz.)
Maszyny na jednostkę wyrobu Dopuszczalny czas pracy
maszyny w ciągu dnia
W, '|| III!# •
rt 2 i 12
r2 2 2 20
1. Ustal plan produkcji zapewniający maksymalny łączny zysk z jej sprzedaży

(zysk jednostkowy ze sprzedaży Wj - 5 zł, zysk ze sprzedaży W2 - 7,5 zł), z tym
iż uwarunkowania rynkowe dyktują, aby ilość produktu W t była 2,5 raza większa
od ilości produktu W2.
2. Czy rozwiązanie zmieni się w przypadku objęcia sezonową obniżką ceny
wyrobu W2, co spowoduje spadek zysku jednostkowego do poziomu 4,5 zł?
6. Przedsiębiorstwo produkuje dwa wyroby Wj i W2. D o ich produkcji zużywa m.in.
dwa limitowane surowce Sj i S2. Zużycie surowców na jednostkę każdego z wyro
bów, dopuszczalne limity zużycia surowców oraz zyski jednostkowe ze sprzedaży
wyrobów podano w tabl.9.
Tablica 9
Zużycie na jednostkę
wyrobu surowca Zysk jednostkowy
Wyroby
w zł
Si s2
W1 12 8 50
W2 4 8 10
Limit zużycia
480 640
surowca
1. Ile należy produkować wyrobu W1? a ile W2, aby nie przekraczając limitów
zużycia surowców, zmaksymalizować zysk ze sprzedaży wyrobów? Należy ponadto
uwzględnić warunek, że wyrobu Wx powinno się produkować nie więcej niż W2.
2. Ograniczono dodatkowo zużycie trzeciego surowca S3, zakładając równo
cześnie wykorzystanie całego posiadanego zapasu, tj. 350 jednostek, przy czym zu
życie tego surowca na jednostkę wyrobu W, wynosi 5, a na jednostkę W 2 - 7. Czy
zmusi to przedsiębiorstwo do korekty planu optymalnego?
7. Przedsiębiorstwo produkuje dwa wyroby K i L. Spośród wielu środków produkcji dwa
są limitowane, a limity te wynoszą środka 1 - 9 6 000 j., środka II - 56 000 j. W tabl. 10
podano jednostkowe normy zużycia środków przy produkcji wyrobów K i L.
Tablica 10
Normy zużycia środków
Środki przy produkcji wyrobu
K L
I 8 16
II 7 4
Ponadto wiadomo, że zdolność produkcyjna jednej z maszyn będącej wąskim gar

dłem procesu produkcyjnego nie pozwala produkować więcej niż 5000 szt. wyrobu K
i 4000 szt. wyrobu L. Zysk na jednostce produktu K wynosi 2 zł, a na jednostce
produktu L - 4 zł.
1. Zbuduj model matematyczny, pozwalający znaleźć optymalne rozmiary

produkcji.
2. Podaj maksymalny, możliwy do osiągnięcia zysk ze sprzedaży.
8. Zakład produkuje dwa wyroby, które są obrabiane na dwóch obrabiarkach

i na frezarce. Czas pracy tych maszyn jest ograniczony i wynosi: obrabiarek
Oj - 18 tys. maszynogodzin, obrabiarek 0 2 - 40 tys. maszynogodzin, frezarek
F - 24 tys. maszynogodzin.
Zużycie czasu pracy maszyn (w godz.) na produkcję jednostki każdego z wy
robów podano w tabl. 11.
Tablica 11
Zużycie czasu pracy
Maszyny w godz. na jednostkę wyrobu
I g g il 11
Oi 0,3 0,1
o2 0,2 0,4
F 0,3 0,2
Zysk ze sprzedaży wyrobu I wynosi 6 zl, a ze sprzedaży wyrobu II - 4 zł.

1. Zaplanuj optymalną strukturę produkcji z punktu widzenia maksymali
zacji zysku.
2. Czy rozwiązanie optymalne ulegnie zmianie, jeżeli:
a) zyski jednostkowe ze sprzedaży obydwu wyrobów wzrosną o 1 zl,
b) dodatkowo uwzględni się warunek, że wyrobu II należy produkować
1,5 razy więcej niż wyrobu I?
9. Przedsiębiorstwo wytwarza trzy wyroby A, B, C. Spośród wielu surowców zużywa

nych w procesie produkcji dwa są limitowane. Limity dziennego zużycia wynoszą
odpowiednio: surowiec I - 1500 kg, surowiec II - 1200 kg. W tabl. 12 podano
jednostkowe zużycie surowców na produkcję wyrobów.
Tablica 12
Wyroby
Surowce
§ |: f A § B J ii C
3
I 3 4
2
II 3 2 1
Zysk osiągany na jednostce wyrobu A wynosi 12 zl, na jednostce wyrobu B

- 18 zł, na jednostce wyrobu C - 12 zł.
Ile wyrobów dziennie ma produkować przedsiębiorstwo, aby osiągnąć maksy
malny zysk?
1. 1. Optymalizacja stiuktury produkcji 39
1. Zbuduj model matematyczny tego zagadnienia.

2. Utwórz program dualny, rozwiąż go metodą geometryczną oraz znajdź
rozwiązanie programu pierwotnego. Podaj wartość funkcji celu.
10. Dyrekcja przedsiębiorstwa Z rozważa podjęcie produkcji trzech nowych wyrobów

Wj, W2, W3. O ewentualnym ograniczeniu produkcji tych wyrobów stanowią za
soby dwóch surowców Sj i S2. Miesięczne limity surowców wynoszą: Sj - 3600 kg,
S2 - 4800 kg. Normy zużycia surowców przy produkcji poszczególnych wyrobów
oraz zyski jednostkowe ze sprzedaży wyrobów podano w tabl. 13.
Tablica 13
Zużycie surowców w kg/l szts wyrobu
Surowce
i I I I I 3
Si 5 3 0
§2 1 2 4
Zyski (zl) 10 24 12
Które z wyrobów i w jakiej ilości winno produkować przedsiębiorstwo, by

osiągnąć maksimum zysku, nie przekraczając jednakże limitów zużycia surow
ców S 2 i S2?
1. Zbuduj odpowiedni program liniowy.
2. Skonstruuj zadanie dualne do zadania pierwotnego, rozwiąż je metodą
geometryczną i wykorzystując to rozwiązanie, znajdź optymalne rozwiązanie pro
gramu pierwotnego.
11. Zapisany niżej program liniowy ma na celu ustalenie optymalnej struktury pro
dukcji wyrobów A i B na podstawie kryterium maksymalizacji łącznego przychodu
ze sprzedaży. Parametry funkcji celu 20 zł i 30 zł stanowią ceny sprzedaży odpo
wiednio wyrobów A i B. Natomiast x1 \x 2 to wielkości produkcji tych wyrobów.
(1) xx + x2 < 12000,

(2 ) - x 1+ 2 2 S 2 0 0 0 ,
x
(3) 2xx + 2x 2 > 18000,

(4) - 2 x x+ 3x 2 < 6000,
(5) 3000 < jcj < 7000,
(6) 4000 < x x< 8000,
(7) F (xl,x 2) = 2 0 * !+30; c2 -> max.
Przedsiębiorstwo może dokonać zmian cen obu wyrobów, lecz tylko o 10 zl,
na tej zasadzie, że zwyżkę ceny wyrobu A musi zrekompensować obniżką ceny
wyrobu B o 10 zl, lub odwrotnie.
1. Rozwiąż powyższy program metodą geometryczną.

2. Jaki manewr cenowy poprawi obrót przedsiębiorstwa i o ile?
3. Czy zmiana ta łączy się ze zmianą optymalnej struktury produkcji?
12. Firma produkuje dwa wyroby: W! i W2. D o ich produkcji zużywa różne środ
ki produkcji, z których trzy (dwa surowce i czas pracy obrabiarek) są dostępne
w ograniczonych ilościach. Zużycie tych środków na jednostkę każdego wyrobu
oraz ich zasoby podano w tabl. 14. Wiadomo ponadto, że wyrobu W 2 nie będzie
można sprzedać więcej niż 70 tys. sztuk.
Tablica 14
Zużycie
Limit na 1000 sztuk wyrobu
Środki produkcji
zużycia
w, w*
Surowiec I (kg) 480 4 6
Surowiec II (kg) 900 10 9
Czas pacy obrabiarek (godz.) 360 5
Cena zbytu 1000 sztuk (zł) 4060 4120
Koszt produkcji 1000 sztuk (zt) 4000 4000
1. Zaplanuj optymalną wielkość produkcji wyrobów Wx i W 2 gwarantują

cą, przy istniejących ograniczeniach największy zysk z ich sprzedaży (zyski jed
nostkowe są różnicą między ceną zbytu i kosztem jednostkowym). Ile wyniesie
łączny zysk?
2. Zapas których środków produkcji zostanie w pełni wykorzystany?
3. Zapisz i rozwiąż program dualny.
4. Przedsiębiorstwo może dokupić 10 kg jednego z surowców lub zwiększyć
czas pracy obrabiarek o 10 godz. Co w takiej sytuacji byłoby najkorzystniejsze
z punktu widzenia maksymalizacji zysku?
5. Jak wpłynęłoby na zysk zmniejszenie zasobu surowca I do 450 kg?
13. Przedsiębiorstwo produkuje cztery wyroby: A, B, C, D. Spośród wielu surowców zu

żywanych do ich produkcji dwa są limitowane. Limity dziennego zużycia wynoszą:
surowiec 600 kg, surowiec S2 -1 8 0 0 kg. Inne niezbędne dane zawiera tabl. 15.
Tablica 15
Zużycie na jednostkę wyrobu surowca Zyski jednostkowe
Wyroby
(zl)
P Si Ü i:
A 0,3 0,6 18
B 0,5 0,2 10
C 0,1 0,4 8
D 0,1 0,2 4
1.2. Problem mieszanek 41
1. Zbuduj model matematyczny zagadnienia, który pozwoli ustalić dzienną

wielkość produkcji tych wyrobów, tak aby zmaksymalizować zysk z ich sprzedaży,
znajdź rozwiązanie optymalne zbudowanego modelu. Podaj wielkość maksymal
nego zysku.
2. Jak zwiększy się zysk ze sprzedaży wyrobów, jeżeli limit dziennego zużycia
Sxwzrośnie do 610 kg?
j4. Firma produkuje m.in. dwa wyroby i W2, które wymagają obróbki na trzech
maszynach: Mt, M 2 i M3. Zużycie czasu pracy tych maszyn przy produkcji wy
robów (w godz. na sztukę), dopuszczalny czas pracy maszyn przy produkcji tych
wyrobów, ceny i koszty jednostkowe produkcji podano w tabl. 16.
Tablica 16
Dopuszczalny Zużycie czasupracy maszyny

Maszyny czas pracy na 1 sztukę wyrobu
(godziny) w2
■ S lill
900 0,75 0,6
m2 480 0,3 0,4
m3 540 0,6 -
Koszt produkcji 1 sztuki (zł) 48 41
Cena sprzedaży 1 sztuki (zł) 58 49
Uwzględniając ponadto, że stali odbiorcy kupują co miesiąc po 100 sztuk

każdego wyrobu (a więc co najmniej tyle należy wyprodukować) oraz - że trud
ności z dostaniem odpowiednich opakowań nakładają dodatkowe ograniczenie
na produkcję W 2 - firma nie może wytworzyć więcej niż 960 sztuk tego wyrobu
miesięcznie:
1. Zaplanuj optymalną strukturę produkcji_gwarantującą firmie największy
zysk (zysk jednostkowy to cena pomniejszona o koszty). Jaki zysk jest możliwy do
zrealizowania?
2. W celu promocji wyrobu Wj w firmie podjęto decyzję o obniżce ceny tego
wyrobu do 52 zł. Czy zmiana ta (wpływająca także na zmianę zysków jednostko
wych) spowoduje zmianę optymalnej struktury produkcji?
3. Czas pracy których maszyn będzie w tym przypadku w pełni wykorzystany?
1.2. Problem mieszanek

Przedmiotem zagadnienia optymalnego składu mieszanki jest ustalenie, jakie ilo
ści podstawowych składników należy zakupić (zmieszać), aby otrzymać produkt
o pożądanym składzie chemicznym przy możliwie najniższych kosztach zakupu
składników.
Szczególnym wariantem problemu mieszanek jest zagadnienie diety. Problem
diety stawiany może być tak w odniesieniu do ludzi (pojedynczego człowieka, lub
określonej grupy ludzi, np. korzystających ze stołówki, dzieci w przedszkolu), jak
i w odniesieniu do zwierząt domowych.
Dla zaspokojenia potrzeb organizmu trzeba mu dostarczyć w różnych ilościach
rozmaitych składników odżywczych (np. białka, tłuszczów, soli mineralnych, witamin,
kalorii). Składniki te są zawarte w różnych produktach żywnościowych. Załóżmy,
że mamy do dyspozycji n produktów żywnościowych, w których powinno być zawar
te r składników odżywczych. Parametrami (danymi) w tym zagadnieniu są:
a,y - zawartość /-tego składnika odżywczego w jednostce j -tego produktu
(/ = 1, 2 ,..., r; j = 1, 2 ,..., n),
bj - tzw. norma żywienia, czyli minimalna (a czasami maksymalna) ilość /-tego
składnika, jaką organizmowi należy (można) dostarczyć,
Cj - cena y-tego produktu żywnościowego.
W konkretnych sytuacjach decyzyjnych mogą być także wymagania, np. aby dieta
nie była zbyt monotonna, tzn. podane mogą być:
dj - minimalna ilość j - tego produktu, jaką powinno się spożywać,
gj - maksymalna ilość j- tego produktu, jaką organizm może otrzymać.
Należy określić takie wielkości zakupu poszczególnych produktów żywnościo
wych, które zapewnią organizmowi niezbędne składniki odżywcze i spełnią ewentual
nie pewne dodatkowe ograniczenia, a równocześnie koszt ich zakupu będzie możliwie
najniższy. Zmiennymi decyzyjnymi są więc ilości produktów, jakie należy zakupić
-Xj - wielkość zakupu j-tego produktu żywnościowego (j = 1, 2 ,..., n), a model mate
matyczny problemu diety jest następujący:
fluX1+fli2X2 +...+fli„X„>&i,
arlx1+ ar2x2 + ...+ arnxn > b r,
dj< X j< gj dla niektórych j,
xP > 0,
c1x 1 + c2x2 + ... + cnxn h >min.
Zatem celem decydenta jest wybór takiego składu mieszanki żywieniowej, która
ze wszystkich dopuszczalnych byłaby najtańsza.
Przykład 4. W gospodarstwie hodowlanym jest sporządzana mieszanka paszowa

dla trzody chlewnej z dwóch produktów Pj i P2. Mieszanka paszowa ma dostarczyć
trzodzie pewnych składników odżywczych Sj, S2, S3 w ilościach nie mniejszych niż
określone minima. Zawartość składników odżywczych w jednostce poszczególnych
produktów, ceny produktów a także minimalne ilości składników (normy żywienia)
podano w tabl. 17.
Tablica 17
w 1 kg produktu Minimalna ilość
Składnik
składnika
■i-"""""""-.Pi"1"-: ..■
Si 3 9 27
^2 8 4 32
s3 12 3 36
Cena (w zł) 6 9
W jakich ilościach zakupić produkty P 3 i P2, aby dostarczyć trzodzie chlewnej

składniki odżywcze S1; S2, S3 w wymaganych ilościach, przy możliwie najniższym
koszcie zakupu produktów (sporządzenia mieszanki)?
R o z w i ą z a n i e . Zmienne decyzyjne to: x1 - ilość zakupionego produktu Pj
i x2 - ilość zakupionego produktu P2.
W modelu matematycznym należy uwzględnić, że w przygotowanej mieszance
powinny się znajdować przynajmniej minimalne ilości składników odżywczych.
I tak łączna zawartość składnika Sj w produktach Pt i P 2 powinna być nie mniej
sza niż 27, czyli:
(1) 3 x 3 + 9 jc2 > 27.
Podobnie można zapisać warunki dla S2 i S3:
(2) 8 ^ + 4 x 2 > 32,
(3) 12^ + 3 ^ >36.
Zmienne decyzyjne muszą spełniać ponadto warunki brzegowe:
(4) >0 oraz x2 > 0,
które określają zakres zmienności zmiennych decyzyjnych do liczb nieujemnych (ilości

zakupionych produktów nie mogą być wielkościami ujemnymi).
Rolę kryterium spełniają koszty zakupu produktów. A więc
(5) F (x i, x2) = 6x1 + 9 x 2 —» m in.
Graficzne rozwiązanie modelu przedstawiono na rys. 5.

Zbiorem rozwiązań dopuszczalnych jest obszar nieograniczony od góry (na rys. 5
- obszar zacieniowany).
Aby znaleźć rozwiązanie optymalne, nanosimy na rysunek linię jednakowego
kosztu dla dowolnej wartości funkcji celu (F), np. F = 54, czyli 6x1+ 9x2 = 54. Funkcja
przechodzi przez zbiór rozwiązań dopuszczalnych, ale można znaleźć rozwiązanie
o znacznie niższych kosztach. Tym razem funkcję celu przesuwamy równolegle w dół
44 1
do punktu P - położonego najbliżej początku układu współrzędnych. Punkt P ma

współrzędne (3; 2), a zatem x* = 3,x* = 2 (jego współrzędne znajdujemy rozwiązu
jąc układ równań (1) i (2)). Jeśli zatem kupimy 3 jednostki produktu Px i 2 jednostki
produktu P2, to koszt zakupu będzie minimalny i wyniesie 6 •3 + 9 •2 = 36 zł.
Przykład 5. Gospodarstwo rolne prowadzi hodowlę bydła rogatego. Zwierzętom

należy dostarczyć w pożywieniu m.in. składnika odżywczego A w ilości co najmniej
60 jednostek, zawartego w produktach Pj i P2, służących jako pasza. Produkty Px i P 2
zawierają także pewne ilości składników B i C. Ze względu na szkodliwe działanie
tych składników zwierzęta powinny je otrzymać w ograniczonych ilościach: skład
nika B co najwyżej 40 jednostek, a składnika C co najwyżej 36 jednostek. Zawartość
interesujących nas składników w poszczególnych produktach oraz ceny produktów
podano w tabl. 18.
Tablica 18
Składnik w jednostce produktu
p,
A 3 3
B 10 4
C 6 9
Ceny produktów (zl) 9 18
Wiedząc ponadto, że w diecie powinno się znaleźć co najmniej 10 jednostek pro

duktu Pj określ wielkość zakupu produktów P, i P2, aby zrealizować wymagania co do
składu paszy i aby koszt zakupu produktów był minimalny.
k
R o z w i ą z a n i e . Oznaczamy przez x { - ilość zakupionego produktu P l5 a przez

x2 - ilość zakupionego produktu P2. Model zagadnienia będzie mieć postać:
(1) 3xj +- 3 x 2 ^ 60,
(2) 10xl + 4 x 2 < 40,
(3) 6x± +9x2 <36,
(4) xx > 10,
(5) x2 > 0 ,
(6) F ( x v x 2) = 9xj + 18x 2 —> min.
Rozwiązanie graficzne powyższego modelu przedstawiono na rys. 6.
Jak łatwo zauważyć, nie ma ani jednego takiego punktu, który jednocześnie speł
niałby wszystkie warunki rozważanego modelu. Model ten nie ma w ogóle rozwiąza
nia - zbiór rozwiązań dopuszczalnych jest zbiorem pustym.
Pytania i problemy
1. Podaj ogólny zapis modelu matematycznego na przykładzie problemu diety.
2. Zdefiniuj zmienne decyzyjne i parametry w problemie diety.
3. Podaj interpretację ekonomiczną zagadnienia dualnego do problemu diety.
4. Podaj przykłady zastosowań modeli matematycznych mających strukturę problemu diety.
5. Zinterpretuj słownie następujący warunek, który dotyczy zagadnienia diety:
46 1. Wybrane zagadnienia prog'amowania liniowego
Zadania
15. Dziecko w pewnym wieku potrzebuje tygodniowo co najmniej 120 jednostek
witaminy A, 36 jednostek witaminy D, 60 jednostek witaminy C oraz 180 jedno
stek witaminy E. Witaminy te są zawarte w dwóch produktach P t i P2. Ze wzglę
du na uboczne szkodliwe działanie witaminy A należy dostarczyć jej co najwyżej
240 jednostek. Zawartość poszczególnych witamin w jednostce produktu oraz
ceny jednostkowe produktów podano w tabl. 19.
Tablica 19
Zawartość witaminy
Witaminy w jednostce produktu
P ilili P2
A 6 3
C 1 3
D 9 1
E 6 6
Cena 1,2 1,8
1. Ile należy zakupić produktu Pj i P2, aby dostarczyć dziecku witamin

w wymaganych ilościach przy minimalnym koszcie zakupu produktów?
2. Które witaminy będą zawarte w diecie w minimalnej ilości?
3. Czy rozwiązanie optymalne zmieni się, jeżeli produkt P2 potanieje o 50%?
16. W zakładzie doświadczalnym wyhodowano nową odmianę pszenicy, która daje

wysokie plony z ha. Konieczne jest jednak stosowanie trzech nawozów: fosforowe
go, potasowego i naturalnego. Nawozy te zawierają cztery istotne składniki A, B,
C, D. Zawartość tych składników w 1 kg poszczególnych nawozów oraz minimal
ne ilości składników odżywczych, jakie powinny być dostarczone pszenicy w ciągu
okresu wegetatywnego (na 1 ha), podano w tabl. 20.
Tablica 20
Zawartość składników odżywczych w 1 kg nawozu Minimalna
Składniki ilość
fosforowy potasowy naturalny składnika
A 6 2 26 96
B 40 4 20 160
C 3 20 60 120
D 18 12 13 152
Należy określić optymalną - ze względu na wielkość kosztów- dawkę nawo

zów, jeśli ceny 1 kg poszczególnych nawozów kształtują się odpowiednio: 5 zł,
6 zł i 2 zł. Rozwiąż problem, jeśli proporcja użytych nawozów wynosi 1:0,5:4.
17. Rafineria ropy naftowej typu paliwowo-olejowego zakupuje do przerobu dwa ga
tunki ropy Rj i R 2, w cenach odpowiednio 7 i 14 zł za jednostkę przerobową.
Wycinkowy proces technologiczny odbywający się w wieży rektyfikacyjnej daje
trzy produkty. Z jednostki przerobowej ropy Rj otrzymuje się 16 hl benzyny,
20 hl oleju napędowego i 24 hl pozostałości. Z jednostki przerobowej R 2 otrzy
muje się 48 hl benzyny, 10 hl oleju napędowego i 14 hl pozostałości. Iłe należy
zakupić ropy R | oraz R2, aby wyprodukować co najmniej 48 000 hl benzyny oraz
20 000 hl oleju napędowego przy minimalnym koszcie nabycia surowca?
Należy także wziąć pod uwagę, że zdolność przerobowa wieży rektyfikacyjnej
mierzona łączną objętością wszystkich produktów wynosi 144 000 hl.
1. Zbuduj model matematyczny zagadnienia.
2. Rozwiąż go metodą geometryczną.
3. Określ procentowo stopień wykorzystania zdolności produkcyjnej wie
ży rektyfikacyjnej przy optymalnych rozmiarach zakupu poszczególnych rodza
jów ropy.
18. Organizm mężczyzny fizycznie pracującego wymaga dostarczenia dziennie co

najmniej 5000 jednostek witaminy A i 1,4 jednostek witaminy Bj oraz co najmniej
75 jednostek witaminy C. W tabl. 21 podano zawartość witamin w 1 kg niektórych
produktów oraz ceny tych produktów. Należy tak zaplanować zakup produktów
na 10 dni, aby łączny koszt zakupu był minimalny.
Tablica 21
Witamina Drób Ryby Mleko Chleb
A 2500 10 200 1400 _
B, 0,6 0,3 0,5 3
C - 10 10 -
Cena 1 kg 5,4 4,0 0,7 1,0
19. Przedsiębiorstwo rolnicze prowadzi hodowlę tuczników. Tuczniki są żywione

dwoma rodzajami pasz. Ile należy dziennie dostarczyć paszy I i II, aby zapew
nić trzodzie niezbędne minima substancji odżywczych przy jak najniższym kosz
cie związanym z zakupem wymienionych pasz? Kilogram paszy I kosztuje 5 zł,
a kilogram paszy II - 2,5 zł. Zawartość substancji odżywczych w 1 kg poszczegól
nych pasz podano w tabl. 22.
Tablica 22
Zawartość substancji odżywczych
Substancje w 1 kg paszy
odżywcze
Białko 0,500 0,250

Węglowodany 0,100 0,030
Sole + witaminy 0,010 0,010
48 1 Wybrane zagadnienia programowania liniowego
Niezbędne minima dzienne poszczególnych substancji odżywczych wynoszą:

węglowodany - 3 kg, witaminy + sole - 0,5 kg. Ilość spożywanego białka w skali
dziennej nie powinna przekroczyć 25 kg.
1. Zbuduj model matematyczny tego zagadnienia.
2. Rozwiąż problem metodą graficzną.
3. Czy zmieni się rozwiązanie w przypadku, gdy pasza II podrożeje do 5 zl?
4. Podaj wartość funkcji celu (dzienny koszt wyżywienia) dla rozwiązania
optymalnego.
20. Ustal dzienne wielkości zakupu dwóch pasz P, i P 2 dla bukaciarni, mając nastę
pujące dane: niezbędna ilość składnika odżywczego - 24 kg, niezbędna ilość
składnika odżywczego S2 - 49 kg. Ponadto pasze zawierają pewne ilości skład
nika S3, którego nadmiar w spożyciu byłby szkodliwy dla zwierząt, stąd wy
maga się, by w całodziennym wyżywieniu znajdowało się nie więcej niż 70 kg
tego składnika. Przyjmuje się, że dzienna ilość dostarczonych pasz powinna
wynosić 500 kg.
1 kg paszy Pj kosztuje 6 zł, a 1 kg paszy P 2 - 3 zł, a zawartości poszczególnych
składników w paszach podano w tabl. 23.
Tablica 23
Zawartość składników odżywczych
Składnik w 1 kg paszy
odżywczy
lilii'-: lI llM S I i'
Si 0,04 0,12
$2 0,14 0,07
s3 0,10 0,10
1. Zbuduj odpowiedni model matematyczny zagadnienia i rozwiąż go, stosu

jąc metodę graficzną. Podaj wartość funkcji celu dla rozwiązania optymalnego.
2. Czy korzystna z ekonomicznego punktu widzenia jest zmiana cen:
P: - 3 zł i P 2 - 6 zł za 1 kg?
21. Racjonalna hodowla drobiu wymaga dostarczenia miesięcznie każdej sztuce

trzech składników odżywczych: SŁ- co najmniej 28 jednostek, S2 - co najmniej
50 jednostek, S3 - co najwyżej 60 jednostek, zawartych w dwóch paszach Pj i P2.
Niezbędne dane zawiera tabl. 24.
Tablica 24
Zawartość w 1 kg paszy składnika
Pasze Ceny pasz
l i :s i . .s2 : s2
Pi 2 10 5 3
P2 7 2,5 4 9
Wiedząc ponadto, że paszy Pj należy dostarczyć nie więcej niż paszy P2,
odpowiedz na następujące pytania:
1. Ile zakupić paszy P l9 a ile P2, aby dostarczyć potrzebne składniki odżyw
cze przy możliwie najniższych kosztach wyżywienia?
2. Ile wynosi minimalny koszt wyżywienia?
3. Który składnik odżywczy dostarczony będzie w minimalnej ilości?
4. Czy optymalna dieta ulegnie zmianie, jeżeli paszy P t trzeba będzie dostar
czyć nie mniej niż P2? Jeżeli tak, to czy zmiana ta jest korzystna z ekonomicznego
punktu widzenia?
22. W pewnym przedszkolu przygotowywany jest jadłospis dla dzieci na najbliż

szy miesiąc. Ustalono m.in., że na drugie śniadanie i podwieczorek dzieci będą
dostawać owoce, które powinny im zapewnić minimalne dawki witamin A i C.
W tabl. 25 podano zawartość witamin w wybranych owocach, ceny owoców oraz
minimalne dawki witamin, jakie dzieci powinny otrzymać miesięcznie.
Tablica 25
Składnik Zawartość składnika w 1 kg produktu Minimalna

odżywczy ananas melon pomarańcze zawartość
Witamina A 4,8 3 2 1,5 21

Witamina C 2,4 2 2 2 20
Cena za 1 kg 7,2 4,5 6 3,6
1. Określ, jakie owoce (ananasa, kiwi, melona i pomarańczy) dzieci powinny

otrzymać w ciągu miesiąca, aby spełnić wymagania dotyczące, minimalnej zawar
tości witamin A i C i aby koszt zakupu owoców był możliwie najniższy.
2. Podaj ceny dualne witamin.
3. Jak na koszty zakupu produktów wpłynie zwiększenie minimalnej zawar
tości witaminy C do 22 jednostek?
23. Odlewnia powinna wyprodukować w ramach zamówienia 1600 ton żeliwa za
wierającego co najmniej 18,75% Mn i 62,5% Si. W celu realizacji zamówienia
odlewnia może kupić każdy z czterech rodzajów stopów o zawartości pierwiast
ków i cenach zakupu podanych w tabl. 26.
1. Ile należy zakupić poszczególnych stopów, aby wyprodukować żeliwo
o pożądanym składzie, ponosząc możliwie najniższe koszty zakupu stopów ?14
2. Podaj ceny dualne Si i Mn.
3. Jak wzrosną koszty zakupu stopów, jeżeli wymagania dotyczące zawar
tości Si w żeliwie wzrosną do 63,5% (czyli do 1016 1)?
14 Zawartości procentowe należy przyjąć jako ułamki (1% = 0,01, zatem np. 30% = 0,30). Uwaga:
tzn. żeliwo powinno zawierać co najmniej 1600 t * 18,75% = 300 t Mn oraz co najmniej 1600 t * 62,5% =
= 10001 Si.
Tablica 26
% zawartość w stopie pierwiastka Cena 1 1
Stop
Mn | | I g i S łi l stopu (zł)
Si 30 30 450
$2 40 60 540
s3 - 70 420
S4 20 80 360
24. D o wytopu żeliwa używa się trzech surówek: S l5 S2, S3. Surówki te różnią się
od siebie składem chemicznym i ceną zakupu, co przedstawia tabl. 27.
Tablica 27
Procentowe zawartości
pierwiastków Cena
Surówka
za I kg
lllfiiii II iii
Si 2,6 0,4 0,6 5j.p.
$2 2,1 0,9 0,2 3j.p.
s3 2,1 0,6 0,6 4 jp.
Wiadomo, że żeliwo z jednorazowego wytopu w żeliwiaku musi zawierać co

najmniej 10,2 kg Si, co najmniej 2,4 kg Mn oraz 2,7-4 kg P. Należy też przy wyto
pie zachować proporcje: na 1 kg surówki S 3- 2 kg surówki S3. Określ optymalny
skład wsadu do jednorazowego wytopu w żeliwiaku minimalizujący łączne koszty
wytopu żeliwa.
25. Dwa gatunki węgla zawierają zanieczyszczenia fosforem i popiołem. W pewnym

procesie przemysłowym potrzeba co najmniej 90 ton paliwa zawierającego nie
więcej niż 0,03% fosforu i nie więcej niż 4% popiołu. Procent zanieczyszczeń
i ceny zakupu poszczególnych gatunków węgla podano w tabl. 28.
Tablica 28
Procentowe zawartości Cena zakupu
Węgiel zanieczyszczeń 1 tony
fosforu popiołu (w zł)
A 0,02 3 800
B 0,05 5 640
1. Jak zmieszać wymienione dwa gatunki węgla, aby uzyskać paliwo o możli
wie najniższym koszcie, spełniające wyżej wymienione wymagania?
2. Czy skład paliwa należy zmienić, jeżeli:
a) cena gatunku B wzrośnie do 800 zł?
b) wymagania dotyczące zawartości fosforu i popiołu nie zmienią się,

będzie jednak można otrzymać gatunek B (w cenie 640 zi) zawierający
0,03% fosforu i 5% popiołu?
26. D o wyrobu pewnego leku używa się czterech związków chemicznych: A, B,

C, D. Związki te różnią się składem chemicznym i ceną zakupu, co ilustruje
tabl. 29. Wiadomo, że lek musi zawierać co najmniej 500 mg potasu i co najmniej
200 mg sodu.
1. W jakich ilościach zakupić i zmieszać związki chemiczne A, B, C i D, aby
koszt przygotowania leku spełniającego powyższe wymagania byl możliwie naj
niższy? Ile wynosi koszt przygotowania leku?
2. Podaj ceny dualne potasu i sodu.
3. Jak wpłynie na koszty produkcji leku:
a) zwiększenie wymagania dotyczącego zawartości sodu w leku do 220 mg?
b) obniżenie wymagania dotyczącego zawartości potasu w leku do 470 mg?
Tablica 29
Zawartość w 1 jednostce związku

(mg) składnika Cena zakupu
Związki chemiczne
(zl) .....
Potas (K) Sód (Na)
Związek A 8 10 80
Związek B 6 - 30
Związek C 4 2,5 24
Związek D - 7 63
27. Pewien dietetyk został poproszony o opracowanie specjalnej odżywki dla grupy
sportowców na okres ich intensywnego treningu. Rozważa możliwość sporządze
nia tej odżywki na bazie dwóch produktów A i B zawierających potrzebne skład
niki. Produkty o identycznej zawartości składników mogą pochodzić z produkcji
krajowej lub z importu. Różnią się one tylko cenami. Wszystkie informacje, jakie
zebrał podano w tabl. 30.
Tablica 30
Składniki Minimalna zawartość w 1 jednostce produktu
odżywcze w odżywce
ii fi iii 1:1
Si 120 4 2
§2 90 0 6
s3 200 4 4
S4 140 5 4
Cena zakupu krajowa (zi) 12 18
Cena zakupu produktu z importu 18 12
(w przeliczeniu na zi)
1. W jakich ilościach zakupić i zmieszać produkty A i B, aby ich mieszan

ka zawierała niezbędne składniki odżywcze a jej koszt w cenach krajowych był
możliwie najniższy?
2. Czy optymalne ilości produktów są takie same, gdyby dietetyk zdecydował
się na zakup produktów z importu?
1.3. Wybór procesów technologicznych

Zakład ma wyprodukować r wyrobów w ilościach bp b2,...,br. Przy wytwarzaniu tych
wyrobów można stosować n procesów technologicznych. Stosując j-ty proces z jed
nostkową intensywnością (jeden raz) uzyskuje się jednostek j-tego wyrobu i po
nosi koszty Cj. Należy tak dobrać procesy technologiczne, by wytworzyć potrzebne
ilości wyrobów przy najmniejszych kosztach. Zadanie to sprowadza się do rozwiązania
następującego modelu:
allx l + a n x2 + ...+ a lnxn > b i,

a 21x l + a 22 x 2 + ...+ a 2nxn > b 2,
a,ix \ + ar2x2 + ...+ a rnxn > b r,

x 19x 2, ...,xn > 0,
c lx1 + c2x2 +... + cnxn -» min.
gdzie zmienne decyzyjne Xj oznaczają intensywność, z jaką powinny być stosowane

poszczególne procesy technologiczne.
Omówiony schemat może znaleźć zastosowanie w wielu sytuacjach. Jedną z nich
jest problem znany w literaturze jako problem rozkroju15.
Z pewnego surowca (np. kłody drewna, arkusze blachy, kartonu, bele papieru, ka
wałki materiału) należy wykroić określone elementy (belki o pewnej długości, detale
o określonym kształcie). Istnieją na ogół różne sposoby rozkroju surowca dające pożą
dane elementy w różnych ilościach. Sposoby rozkroju to procesy technologiczne. Przez
intensywność stosowania danego procesu (sposobu rozkroju) rozumie się liczbę jedno
stek surowca rozkrojonych danym sposobem. Natomiast kosztem jednostkowym jest od
pad, jaki powstaje po wykrojeniu z surowca potrzebnych elementów (lub koszt odpadu).
Przykład 6. Tartak otrzymał zamówienie na wykonanie co najmniej 300 komple

tów belek. Każdy komplet składa się z 7 belek o długości 0,7 m oraz 4 belek o długo
ści 2,5 m. W jaki sposób powinno być zrealizowane zamówienie, by odpad powstały
w procesie cięcia dłużyc o długości 5,2 m był minimalny? Ile wyniesie wielkość odpa
du przy optymalnym cięciu?
15 Por. Z. Czerwiński [18].

1.3. Wybór procesów technologicznych 53
R o z w i ą z a n i e . Aby powyższy problem rozwiązać, należy najpierw znaleźć

możliwe sposoby rozkroju dłużyc. Sposoby te zawiera tabl. 31; dla każdego sposo
bu podano ilości uzyskanych belek obu rodzajów oraz powstały przy cięciu odpad.
Dłużyce o długości 5,2 m można ciąć trzema sposobami, przy czym odpadem są
kawałki drewna mniejsze niż 0,7 m16.
Tablica 31
Sposoby cięcia 1 dłużycy
Belki o długości
I i i + f f i : ; ! HI
0,7 7 3 0
2,5 0 1 2
Odpad (w m) 0,3 0,6 0,2
Zamówienie co najmniej 300 kompletów jest równoznaczne z wykonaniem co naj

mniej 2100 (7-300) belek o długości 0,7 m i co najmniej 1200 (4 -300) belek o dłu
gości 2,5 m. Niech x x oznacza liczbę cięć sposobem I, x2 - liczbę cięć sposobem II
oraz *3- liczbę cięć sposobem III. Zatem warunki ograniczające przyjmą postać ukła
du nierówności
(1) 7x 1 + 3 x 2 >2100,
(2) *2+2*3 > 1200.
Z uwagi na to, że liczba cięć jest wielkością nieujemną, warunki brzegowe mają postać:
(3) xl > 0, *2 > 0, *3 > 0.
Kryterium zadania stanowi minimalizacja łącznego odpadu:
(4) F (x1, x2,x 3) = 0,3-ij + 0, 6*2 + 0, 2*3 m*n -
Zadanie o wymiarze 2 x 3 łatwiej będzie rozwiązać, wykorzystując zależności m ię

dzy programem pierwotnym i dualnym. Budujemy zatem program dualny, w którym
wystąpią dwie zmienney 1 iy 2 (y1 odpowiada warunkowi dotyczącemu belek o długości
0,7 m; y 2 - warunkowi dotyczącemu belek o długości 2,5 m). PD ma postać:
(1) 7yx <0,3,

(2) 3yi+y2< 0,6,
(3) 2y 2 < 0,2,
16 Z dłużycy o dł. 5,2 m można uzyskać maksymalnie 7 belek o dl. 0,7; 7-0,7 = 4,9 m; wówczas nie
uda się już wyciąć belki o dl. 2,5 m a odpad wyniesie 0,3 m, Aby uzyskać 1 belkę o dl. 2,5 m, pozostanie
do dyspozycji 2,7 m, z czego można wyciąć 3 belki o dl. 0,7 m i zostanie 0,6 m odpadu. Wreszcie, jeśli
z dłużycy wytniemy 2 belki o dl. 2,5 m - zostanie już tylko 0,2 m odpadu.
54 1. Wybrane zagadnienia programowania liniowego1
(4) )>! > 0 , y 2 > O,

(5) G(y!, y 2) = 2100}^ + 1200y 2 -> max.
a jego graficzne rozwiązanie przedstawia rys. 7.
Dopuszczalnym rozwiązaniem PD jest czworobok zacieniowany na rysunku,

a rozwiązanie optymalne stanowią współrzędne punktu P (punkt przecięcia warun-
3 * 1
ków (1) i (3)), czyli y* = — i y 2 = — . Wartość funkcji celu PD dla rozwiązania opty
malnego wynosi
G( y f , y?) = 2100 •— +1200 •— = 210.

W1 y 2 ’ 70 10
Podstawiając kolejno y* i y 2 do warunków (1)—(3) PD, widzimy, że warun

ki (1) i (3) są spełnione słabo (bo przecinają się w punkcie optymalnym), a waru
nek (2) jest spełniony ostro. Zatem w PP zmienna o numerze 2, tzn. x 2 = 0 dłużyc
o długości 5,2 pociętych sposobem II. Aby znaleźć wartości x 1 i x 3 należy rozwiązać
układ równań:
7xj = 2100,
2x3 = 1200;
stąd x* = 300 dłużyc o długości 5,2 pociętych sposobem I, x 3 = 600 dłużyc o dłu
gości 5,2 pociętych sposobem III.
Wartość funkcji celu: F(x*v x 2, x 3) = 0,3 •300 + 0,6 •0 + 0,2 • 600 = 210 ra odpadu.
Jak łatwo zauważyć F{x\, x \, * 3) = G (y \, y 2) = 210, co świadczy o poprawności
rozwiązania.
Zatem dla wykonania zamówienia powinno się 300 dłużyc pociąć sposobem I
(300 razy zastosować I sposób cięcia) i 600 dłużyc pociąć sposobem III razy (600 razy
zastosować III sposób), a z II sposobu cięcia zrezygnować. Przy takiej technologii
łączny odpad wyniesie 210 m i będzie najmniejszy z możliwych.
Przykład 7. Spółdzielnia produkująca przybory szkolne otrzymuje z fabryki

papieru bele o szerokości 2,1 m oraz bele o szerokości 4,2 m. W swojej produkcji
wykorzystuje arkusze o szerokości 0,5 m i 1,4 m. Wykonanie miesięcznego planu pro
dukcji wymaga zużycia 12 000 mb papieru o szerokości 0,5 m oraz 18 000 mb papieru
szerokości 1,4 m. Jak należy pociąć otrzymane z fabryki papieru bele, aby odpad po
wstały przy cięciu był jak najmniejszy? Jaka będzie wielkość odpadu przy zastosowa
niu optymalnego sposobu cięcia?
R o z w i ą z a n i e . Budowę modelu matematycznego rozpoczynamy od sporzą
dzenia tabl. 32 ilustrującej wszystkie możliwe sposoby cięcia bel o szerokości 2,1 m,
oraz bel o szerokości 4,2 m. Bele 2,1 metrowe można pociąć dwoma sposobami, a bele
4,2 metrowe można pociąć czterema sposobami. W modelu zagadnienia będzie zatem
6 zmiennych decyzyjnych: * 3, jt2, ...,x6 które oznaczają zatem ilość cięć, odpowiednio
sposobem I, I I , ..., VI.
Tablica 32
Sposoby cięcia
Arkusze
bele 2,1 m bele 4,2 m
0 szerokości
y 0 lB II III IV V ; VI
0,5 m 4 1 8 5 2 0
1,4 m 0 1 0 1 2 3
Odpad (w m) 0,1 0,2 0,2 0,3 0,4 0
Tablica 32 stanowi podstawę do zbudowania modelu, który przybiera postać:
(1) 4 x 1 + x 2+ 8 x 3 + 5 x ą + 2 x 5 > 1 2 000,

(2) x2+ x 4+ 2x5 + 3 x 6 > 18 000,
(3) x lt x 2, ..., jc6 > 0,
(4) F(xj , ..., x6) = 0,1;^ + 0,2 x2+ 0,2 jc3+ 0,3x 44-0,4 ^:5+ 0x 6 —>min.
Aby go rozwiązać, budujemy program dualny do zadania pierwotnego:
(1) 4* <0,1,
(2) y x+ y2 < 0,2,
(3) 8y{ < 0,2,
(4) 5yi + 3,
(5) 2^1 + 2j 2 < 0,4,
( 6) 3j 2 < O,
(7) ^>0, y2> O,

( 8) G(yv y2) = 12 OOOyj +18 000_y2 -> max.
Jak łatwo zauważyć, PD ma jedno rozwiązanie^* = 0,025, y* = O17; G(y*, y 2) = 300.

Podstawiając współrzędne punktu (0,025; 0) do PD, stwierdzamy, że ostro spełnione
są warunki (2), (4), (5), więc *2 = x \ = x 5 = 0- Słabo spełnione są warunki (1), (3), (6).
Zatem ze zmiennych PP o tych numerach tworzymy układ
(1) 4* j + 8x3 = 12 000,
(2) 3 *6 = 18 000.
Stąd *6 = 6000 bel o długości 4,2 m pociętych sposobem VI. Natomiast istnie
je nieskończenie wiele rozwiązań dla par x l i *3, takich które spełniają relację (l)18,
np. x* = 3000 bel o długości 2,1 m pociętych sposobem I i * 3 = 0 bel o długości 4,2 m
pociętych sposobem III, lub ** = 0 bel o długości 2,1 m pociętych sposobem I
i * 3 = 1500 bel o długości 4,2 m pociętych sposobem III. Odpad będzie równy 300 m:
F(x\, *5, x%, * 4, * 5, *£) = 300.
Pytania i problemy
1. Określ, w jaki sposób można zdefiniować zmienne decyzyjne w zagadnieniu wyboru procesu
technologicznego.
2. Scharakteryzuj typowe parametry w tego typu zagadnieniach.
3. W jakich przypadkach wyboru procesu technologicznego korzystniej jest zastosować w roz
wiązaniu program dualny?
4. Podaj przykłady, w których funkcja celu jest minimalizowana oraz te, w których funkcję celu
należy maksymalizować.
17 Można to sprawdzić, nanosząc warunki na układ współrzędnych, ale analizując warunki PD

łatwo sprawdzić, iż z warunków (6) i (7) wynika y2=0, zatem rozwiązania dopuszczalne będą leżeć na osi
y {, a z warunku (1) wynika yÔ .025 (taka sama wartość}1! wynika z warunku (3)). Z wszystkich pozosta
łych warunków wynikają wartości y xwiększe niż 0,025. Zatem punkt (0,025; 0) spełnia wszystkie pozostałe
warunki, czyli rozwiązaniem dopuszczalnym jest odcinek osi y 1 pomiędzy punktami (0; 0 ) i (0,025; 0)
a w tym drugim punkcie wartość funkcji G(y,,y2) jest większa.
18 Ponieważ w układzie dwóch równań (warunków) zostały trzy zmienne - układ ma nieskończenie
wiele rozwiązań.
Zadania
28. Przy produkcji mebli kuchennych stolarz wykorzystuje deski o długości 110 cm
i 80 cm. Na realizację bieżącego zamówienia potrzebuje co najmniej: 1200 desek
0 długości 110 cm i 400 desek o długości 80 cm. Deski wycina z dłużyc o długości
440 cm.
1. Podaj optymalny sposób cięcia dłużyc, aby zrealizować zamówienie, mini
malizując odpad powstały w procesie cięcia. Ile wynosi ten odpad?
2. Jak zmieni się odpad, jeżeli zapotrzebowanie na deski o długości 110 cm
wzrośnie o 100?
29. Punkt usługowy dostał zamówienie na wycięcie szyb do 300 jednakowych okien,
z tym, że na 1 okno wchodzą 2 szyby typu e1 oraz 3 szyby typu e2. Szyby wycina się
z jednakowych płyt szklanych i można je wycinać trzema sposobami. Ilość szyb
1 odpad powstały w procesie wycinania przedstawiono w tabl. 33.
Tablica 33
Sposoby cięcia płyty

Szyby
-S ilili II II1 h : 1
el 6 4 3
e2 0 4 6
Odpad (w kg) 0,6 1,6 1,2
Podaj optymalny sposób cięcia płyt szklanych, tak aby łączny odpad powstały
przy cięciu był możliwie najniższy.
30. Zakład dostarczający papier wydawcy podręczników otrzymuje z fabryki papie

ru bele o szerokości 3 m. W swojej produkcji wykorzystuje arkusze o szerokości
1,2 m i 0,5 m. Wykonanie zamówienia na najbliższy miesiąc wymaga zużycia
co najmniej 12 000 mb papieru o szerokości 1,2 m oraz co najmniej 15 000 mb
papieru szerokości 0,5 m.
1. Jak należy pociąć otrzymane z fabryki papieru bele, aby wykonać zamó
wienie, zużywając możliwie najmniej surowca (bel papieru o szerokości 3 m)?
2. Jaka ilość surowca (bel) jest potrzebna do wykonania zamówienia?
3. Jaka będzie wielkość odpadu przy zastosowaniu optymalnego sposobu
cięcia?
4. Jak zmieni się ilość zużytego surowca, jeżeli zapotrzebowanie na bele
o szerokości 1,2 m spadnie o 12?
31. Producent obuwia skórzanego używa jako surowca płatów skóry o standardowych
wymiarach. W najbliższym tygodniu produkowane będę botki wysokie i niskie.
Istnieje 5 sposobów wycinania cholewek tych botków. Ilości botków i odpad skóry
(w cm2) podano w tabl. 34.
58
Tablica 34
Sposoby cięcia 1 skóry
Botki
11 r o :yiX V
Wysokie 5 4 3 2 1
Niskie 1 3 5 8 10
Odpad (cm2) 29 32 27 23 24
Odbiorca zamówił 105 par botków wysokich i 78 par botków niskich.

1. Ile razy zastosować możliwe sposoby cięcia, aby wytworzyć zamówione
botki, minimalizując odpad powstały w procesie cięcia? Ile wynosi ten odpad?
2. Jak zmieni się odpad, jeżeli zapotrzebowanie na botki niskie wzrośnie
o 2 pary?
32. Przedsiębiorstwo transportowe, które dysponuje małymi samochodami d o

stawczymi o ładowności 3 tony otrzymało zlecenie na przewóz kostki bruko
wej ze składu materiałów budowlanych na teren remontu chodnika. Kostka
brukowa składowana jest na paletach o wadze 0,8 i 0,5 tony. Przewieźć należy
24 palety o wadze 0,8 t i 56 palet o wadze 0,5t.
1. W jaki sposób załadować palety na samochody, aby zminimalizować
łączną niewykorzystaną ładowność samochodów? Ile wynosi niewykorzystana
ładowność?
2. Czy rozwiązanie będzie takie samo, jeżeli kryterium optymalizacji będzie
minimalizacja liczby samochodów potrzebnych do przewiezienia palet z kostką
brukową? Ile samochodów jest potrzebnych do przewiezienia kostki?
33. W pewnym zakładzie produkcyjnym z arkusza blachy o standardowych wymia

rach wycina się trzy rodzaje elementów A, B, C. Można stosować pięć sposobów
rozkroju jednego arkusza blachy. W tabl. 35 podano ilości elementów uzyskanych
przy zastosowaniu poszczególnych sposobów rozkroju oraz zużycie blachy na
każdy element.
Tablica 35
Sposoby rozkroju 1 arkusza Zużycie blachy
Elementy
1 l i i /3 4 5 w m2 na element
A 1 1 0 0 0 0,7
B 1 0 2 1 0 0,4
C 0 4 2 5 8 1,1
Ile razy zastosować możliwe sposoby rozkroju, aby otrzymać nie więcej niż
800 elementów A, nie więcej niż 1000 elementów B i co najmniej 800 elemen
tów C, zużywając przy tym możliwie najmniej blachy?
34. Zakład meblarski produkuje szafy, kredensy i stoły. Meble należy pokryć forni
rem. Zakład dysponuje płatami forniru o standardowych wymiarach 5 m x 10 m.
Spółdzielnia mieszkaniowa złożyła zamówienie na 5000 szaf (na jedną zużywa
się 2 m x 7,5 m forniru), 5000 kredensów (na jeden zużywa się 2 m x 5 m forniru)
oraz 15 000 stołów (na jeden zużywa się 2 m X 3 m forniru). Ze względu na wyso
ki koszt forniru należy płaty forniru tak wykorzystać, aby odpad był minimalny.
Określ wielkość minimalnego odpadu.
35. Przedsiębiorstwo przemysłowe wytwarza dwa wyroby I i II z surowca dostarczo

nego w formie czterech rodzajów kształtek A, B, C, D. Tabl. 36 zawiera ilości
możliwych do uzyskania z 1 kształtki wyrobów oraz odpad w kg. Zaproponuj
strukturę zakupu kształtek potrzebnych do wytworzenia co najmniej 1000 sztuk
wyrobu I oraz co najmniej 2000 sztuk wyrobu II, minimalizując koszt odpadów
(po odliczeniu sum uzyskanych ze sprzedaży odpadów na złom, koszt 1 kg odpa
du wynosi 2,5 zł). Określ wartość minimalnego odpadu.
Tablica 36
Kształtki
Wyroby
'® § l l i l l D
I 3 2 4 0
II 1 5 0 5
Odpad (w kg) 0,8 1,2 0,6 0,9
36. Zakład produkujący puszki do konserw otrzymał surowiec w postaci dwóch ro
dzajów blachy: 21 500 mb blachy o szerokości 1,5 m i 14 000 mb blachy o szero
kości 1,8 m. Z blachy wycinane są potrzebne elementy: denka i ściany boczne.
Stosowane sposoby rozkroju 1 mb blachy podaje tabl. 37.
Tablica 37
Sposoby rozkroju 1 mb blachy

Elementy o szerokości 1,5 m o szerokości 1,8 m
I II iio jll l i i i ! S i l i l i HI
Denka 70 15 10 30 20 -
Ściany boczne - 20 30 25 30 50
Zmaksymalizuj liczbę otrzymanych puszek, pamiętając, że każda z nich

ma dwa denka i jedną ścianę boczną. W jakim stopniu zostanie wykorzystana
blacha obydwu rodzajów?
37. Zakład obuwniczy wytwarza trzy rodzaje spodów drewnianych do chodaków

o grubości: I - 2,5 cm, II - 7,5 cm i III - 10 cm. Spody te są wycinane z bloków
drewnianych o grubości 10 cm i 15 cm (długość i szerokość spodów odpowiada
1
długości i szerokości bloków drewnianych). Określ najmniejszą wielkość dostawy

bloków drewnianych wystarczającą do wytworzenia dokładnie 1000 spodów I ro
dzaju, co najmniej 200 spodów II rodzaju oraz co najmniej 500 spodów III rodzaju.
38. Przedsiębiorstwo żeglugowe dysponuje barkami do przewożenia drobnicy o ła

downości 8 i 10 ton. Klient dostarczył 625 ton drobnicy w opakowaniach 2,5 t,
930 ton w opakowaniach 3 t i 2025 ton w opakowaniach 4,5 t. Zoptymalizuj
przewóz drobnicy przy maksymalnym wykorzystaniu ładowności barek, jeśli
wiadomo, że maksymalna liczba użytych barek o ładowności 8 ton nie może prze
kroczyć 30.
39. Zakład otrzyma! 1500 arkuszy tektury, z których są wycinane trzy rodzaje ele
mentów E v E2, £ 3. Stosowane pięć sposobów rozkroju jednego arkusza oraz jed
nostkowe zyski ze sprzedaży poszczególnych elementów podano w tabl. 38.
Tablica 38
Sposoby rozkroju 1 arkusza Zyski jednostkowe
Elementy
r || liii: (w zl)
1SI l i i i iii
E1 1 1 0 0 0 800
e2 1 0 2 1 0 1200
E3 0 1 1 2 4 500
Ile razy należy zastosować możliwe sposoby cięcia, aby zmaksymalizować

zysk ze sprzedaży elementów, biorąc pod uwagę to, że elementów £ 3 powinno być
dwa razy więcej niż elementów E{!
40. Klient dostarczy! do tartaku tarcicę o długości 560 cm, zlecając pocięcie jej, tak
aby otrzymać 300 desek o długości 140 cm i 390 desek o długości 160 cm. W jaki
sposób należy pociąć posiadany surowiec, aby zrealizować zamówienie minimali
zując odpad? Podaj wielkość minimalnego odpadu. Ile tarcic o dl. 560 cm będzie
potrzebnych do zrealizowania zamówienia?
Jak zmieni się odpad, jeżeli zamówienie zostanie zwiększone o 12 desek
o dl. 160 cm? (w odpowiedzi wykorzystaj ceny dualne).
1.4. Algorytm simpleks

Jak wspomniano na początku rozdziału, uniwersalną metodą rozwiązywania progra
mów liniowych jest algorytm simpleks. Istota algorytmu simpleks polega na badaniu
kolejnych rozwiązań bazowych (stanowiących wierzchołki zbioru rozwiązań dopusz
czalnych) programu liniowego o postaci kanonicznej19w taki sposób, że:
19 Postać kanoniczna, to taka, w której wszystkie warunki mają postać równości.

1.4. Alcjoi ytm simpleks 61
a) znajdujemy (dowolne) rozwiązanie bazowe programu,

b) sprawdzamy, czy jest ono optymalne,
c) jeżeli dane rozwiązanie nie jest optymalne, znajdujemy następne rozwiązanie
bazowe lepsze (lub przynajmniej nie gorsze od poprzedniego).
Algorytm simpleks jest więc procedurą iteracyjną (etapową, krokową); w każdym
z etapów wyznacza się rozwiązanie bazowe i sprawdza, czy można je jeszcze poprawić.
Postępowanie kończy się w momencie stwierdzenia, że aktualnego rozwiązania bazo
wego nie można już poprawić, czyli jest optymalne. Wyniki poszczególnych etapów
(iteracji) zestawia się w kolejnych tablicach simpleks.
Poniżej przedstawiono jeden z proponowanych w literaturze sposobów przecho
dzenia do kolejnych tablic simpleks (czyli do kolejnych rozwiązań bazowych), oparty
na przekształceniach macierzowych20.
Każdy program liniowy, np.:
cxxx + c2x2 +... + cnxn -> max,
a Ux l + a 12x 2 + - + a ln Xn - b\>
arlx1+ ar2x2 + ... + arnxn 0,
można zapisać w postaci macierzowej:

cx —» max
Ax<b
x <0
gdzie:
----------- 1
H-k
an a12 ■ ' a ln V
to
a
II
II
_a r l Ur 2 ' _ P r.
. V
Jak zaznaczono, algorytm simpleks polega na badaniu rozwiązań bazowych pro

gramu o postaci kanonicznej, zatem przed przystąpieniem do budowy pierwszej tablicy
simpleks PL należy sprowadzić do postaci kanonicznej, zamieniając wszystkie nierów
ności na równości przez wprowadzenie pewnych dodatkowych zmiennych. W przy
padku nierówności typu „<” do ich lewych stron dodajemy tzw. zmienne swobodne
(slack variables), które wchodzą do początkowego rozwiązania bazowego (w pierwszej
20 Ze względu na jego przydatność w analizie wrażliwości omawianej w następnym podrozdziale.

Inne sposoby przechodzenia do kolejnych tablic oparte na przekształceniach algebraicznych można zna
leźć np. w pracach Z. Czerwińskiego [18] lub W. Sadowskiego [77].
tablicy simpleksowej). W przypadku nierówności typu „>” - od lewych stron odejmuje

my zmienne swobodne (surplus variables) i dodajemy tzw. zmienne sztuczne (artificial
variables). Zmienne sztuczne wprowadzamy także do warunków w postaci równości.
W tych przypadkach do pierwszej bazy wchodzą zmienne sztuczne21. D o funkcji celu
zmienne swobodne wchodzą ze współczynnikami równymi zero, natomiast zmienne
sztuczne z tzw. współczynnikami „M”, gdzie M jest liczbą bardzo dużą (M -> °o). O ile
zmienne swobodne mogą znaleźć się w końcowym rozwiązaniu PL, zmienne sztuczne
nie, dlatego w funkcji celu, która jest maksymalizowana zmienne sztuczne występu
ją ze współczynnikami ,,-A f” (w ten sposób sztucznie zaniżają wartość funkcji celu),
natomiast w funkcji celu, która jest minimalizowana - zmienne sztuczne występują
ze współczynnikami „+M” (podwyższają wartość funkcji celu).
Wykorzystując zapis macierzowy, pierwszą tablicę simpleks można zapisać
następująco22:
Tablica 39. Macierzowa postać pierwszej tablicy simpleksowej

c
eb xh A I b
ZJ 0
ci ~ zi c
W tablicy 39 A jest macierzą współczynników występujących po lewej stronie

warunków ograniczających, b - wektorem wyrazów wolnych warunków ograniczają
cych, c - wektorem wierszowym współczynników funkcji celu (zdefiniowanymi wyżej),
xb - wektorem zmiennych bazowych, a cb - wektorem kolumnowym współczynników
funkcji celu dla zmiennych bazowych, I jest macierzą jednostkową o wymiarach rXr
(macierzą współczynników przy zmiennych występujących w pierwszej bazie), a 0 jest
wektorem zer.
Zasadnicza część tablicy (obwiedziona pogrubioną ramką) składa się z r wier
szy (r jest liczbą warunków ograniczających i z tylu właśnie zmiennych składa się
każde rozwiązanie bazowe). Liczba jej kolumn odpowiada łącznej liczbie zmiennych
modelu w postaci kanonicznej (decyzyjnych, swobodnych i sztucznych), przy czym
współczynniki przy zmiennych bazowych tworzą macierz jednostkową, co także za
znaczono w tabeli. A zatem elementami tej części pierwszej tablicy simpleksowej są
współczynniki - stojące przy poszczególnych zmiennych w warunkach ograniczających
(w postaci kanonicznej PL).
Wyjaśnienia wymagają jeszcze dwa wiersze tabeli oznaczone jako Zj oraz Cj-Zj.
Wartości zj dla poszczególnych zmiennych (kolumn tablicy) oblicza się jako sumę
21 Zmienne sztuczne mają pierwszeństwo wejścia do bazy, tzn. jeżeli w którymś warunku po spro
wadzeniu do postaci kanonicznej występuje zarówno zmienna swobodna, jak i sztuczna - do bazy wcho
dzi zmienna sztuczna, jeżeli występuje tylko zmienna swobodna - do bazy wchodzi zmienna swobodna.
22 Por. R.L. Childress [15],
1.4. Algorytm simpleks 63
iloczynów współczynników odpowiadających poszczególnym zmiennym (aż) i współ-

r
czynników funkcji celu dla zmiennych bazowych (cw), czyli Z j = ^ iaijCbi. Ostatni
(=1
wiersz tablicy simpleksowej C j- Z j, zwany jest wierszem zerowym (lub kryterium
simpleks). Jego elementy odpowiadające poszczególnym zmiennym (kolumnom)
informują, o ile zmieni się aktualna w danej iteracji wartość funkcji celu, jeżeli jedną
jednostkę tej zmiennej wprowadzimy do nowej (kolejnej) bazy. Innymi słowy służy on
do sprawdzenia, czy aktualne rozwiązanie bazowe jest rozwiązaniem optymalnym.
W przypadkach gdy funkcja celu jest maksymalizowana, rozwiązanie dotąd nie bę
dzie optymalne, dopóki w wierszu zerowym będą występować liczby nieujemne (do
datnie liczby świadczą, iż wprowadzenie do bazy zmiennej, której odpowiada dodatni
współczynnik zwiększy wartość funkcji celu). W problemach, gdzie funkcja celu jest
minimalizowana kolejne rozwiązania bazowe dotąd nie są optymalne, dopóki w wier
szu zerowym występują wielkości niedodatnie (co znaczy, że wartość funkcji celu
można obniżyć)23.
Również każdą pośrednią oraz końcową tablicę simpleks można przedstawić za
pomocą zapisu macierzowego. W /-tej iteracji algorytmu tablica simpleks dana jest
następująco (tabl. 40):
Tablica 40. Macierzowa postać tablicy simpleksowej dla /-tej iteracji

Zmienne
c Rozwiązanie
bazowe
cbt xbl B,'A Bi1 B,'b <r- wartości zmiennych bazowych
ZJ cjBÂ cT
b B,'b <—wartość funkcji celu
Cj-Zj c - c f Bf lA -cjB,1
W tablicy tej pojawiła się macierz B f1, która wymaga wyjaśnienia obecnie. Otóż
Bt jest macierzą współczynników warunków ograniczających stojących przy aktual
nych (w /-tej iteracji) zmiennych bazowych. Odwrotność macierzy Bt zajmuje pozycję
macierzy jednostkowej w tablicy początkowej. Ponieważ zmienne bazowe zmieniają
się w każdej iteracji, również macierz Bt, a tym samym i macierz B fl są inne w każdej
iteracji, stąd indeks /).
Przykład 8. Przedsiębiorstwo produkuje dwa wyroby Wx i W2. Ograniczeniem

w procesie produkcji są zapasy trzech surowców: Sp S2 i S3. W tablicy 41 podano jed
nostkowe nakłady surowców na produkcję wyrobów, zapasy surowców oraz zyski
jednostkowe ze sprzedaży wyrobów.
23 Liczby równe zero dla zmiennych niebazowych (bowiem dla zmiennych bazowych elementy wier
sza zerowego są równe zero), świadczą iż wprowadzenie do bazy odpowiadających im zmiennych nie zmie
ni aktualnej wartości funkcji celu, a zatem istnieje alternatywne rozwiązanie optymalne.
Tablica 41
Zużycie surowca (w kg) Zapas

Surowce na 1 szt. wyrobu surowca
w, w2 (kg)
Si 2 1 1000
s2 3 3 2400
S3 1,5 - 600
Cena (zf) 30 20
Ustal rozmiary produkcji wyrobów W: i W 2 które gwarantują maksymalny zysk

z ich sprzedaży przy istniejących zapasach surowców.
R o z w i ą z a n i e . W modelu matematycznym opisującym przedstawioną sytuację
decyzyjną występują dwie zmienne decyzyjne: x, - wielkość produkcji wyrobu Wa ix 2
- wielkość produkcji wyrobu W2. Model jest następujący:
(1) 2 * i + * 2 < 1000,

(2) 3 * i + 3*2 < 2400,
(3) l,5 * i ^ 1000>
(4) *1, *2 ^ 0,
(5) 3 0 *1 + 20*2 max
Ponieważ w modelu występują tylko dwie zmienne decyzyjne można go rozwiązać,
stosując metodę geometryczną. Rozwiązanie przedstawiono na rys. 8. Rozwiązaniem
dopuszczalnym jest pięciobok OADCB, natomiast rozwiązanie optymalne sta
nowią współrzędne punktu C(200; 600). A zatem x* = 200, * 2 = 600, F(x*, x 2) =
= 18 000, czyli produkując 200 szt. wyrobu W 1 i 600 szt. wyrobu W2, przedsiębiorstwo
uzyska maksymalny przy istniejących zapasach surowców zysk ze sprzedaży wyno
szący 18 000 zł.
Powyższy prosty model zostanie rozwiązany obecnie za pomocą algorytmu sim
pleks. Zaczynamy od sprowadzenia zadania do postaci kanonicznej, dodając do
lewych stron nierówności (które są mniejsze) zmienne swobodne: *3, x4ix 5. A zatem:
2x1+ x2+ *3 =1000,

3*j + 3*2 + x4 =2400,
1,5*! + *5 = 600,
30*! + 20*2+ 0*3+ 0*4+0*5 max.
Zauważmy, iż zmienną swobodną *3 można interpretować jako niewykorzysta
ny zasób surowca Sj, zmienną *4 - jako niewykorzystany zasób surowca S2 i zmienną
*5 - jako niewykorzystany zasób surowca S3.
1.4. Algorytm: simpleks 65
Tablica simpleksowa dla początkowego rozwiązania bazowego (pierwsza tab

lica simpleksowa) ma zatem postać tabl. 42 (jak zaznaczono wcześniej do pierw
szej bazy wchodzą zmienne swobodne, natomiast zmienne decyzyjne przyjmują
wartość zero).
Wartości wiersza z A Zj = X flycw dla wszystkich zmiennych w tej tablicy są
równe zero, bo współczynniki przy wszystkich zmiennych bazowych są równe zero.

Przykładowo dla x 1:zx = 2-0 + 3-0 + 1,5- 0 = 0; dla x2:z2 = T0 + 3-0 + 0- 0 = 0. Tym
samym elementy wiersza zerowego c. - z, = Cj.
Tablica 4 2 .1 tablica simpleksowa
;3 oT :;ż 20 T : /i* ;o 0 0
M - Rozwiązanie (bt)
Zmienne bazowe *i x2 *4 *5
0 x3 2 1 1 0 0 1000
0 x4 3 3 0 1 0 2400
0 xs 1,5 0 0 0 1 600
0 0 0 0 0 0
ZJ
30 20 0 0 0
cr zi
Poszczególne elementy zapisu macierzowego zadania są następujące:
'2 r "1 0 0' '1000'

3 3 , 1= 0 1 0 , b = 2400
1,5 0 0 0 1 600
V 0'
1______
i---------
1--------
O
* ■£X
c = [30 20 0 0 0], xb =
____
> Cb =
1_O
LA
Ponieważ funkcja celu jest maksymalizowana, do kolejnego rozwiązania bazowego
wejdzie - zmienna o największej wartości kryterium simpleks (czyli największej wartości
w wierszu zerowym Cj-zj). Jest to zmienna x l [max(c,-Zy) = c1- z l = 30]. Należy teraz
ustalić, w miejsce której z dotychczasowych zmiennych bazowych zostanie wprowadzona.
W tym celu - wartości zmiennych bazowych (bj) należy podzielić przez współczyn
niki stojące przy wprowadzanej zmiennej w aktualnej tablicy simpleksowej (tabl. 42)
i wybrać zmienną, dla której ten iloraz jest najmniejszy. Spośród trzech ilorazów:
1000:2 = 500,
2400:3 = 800,
600:1,5 = 400,
najmniejszy odpowiada zmiennej x524. Zatem w drugiej tablicy simpleksowej zmien

nymi bazowymi są x3,x 4 i x L, a poszczególne elementy tej tablicy można obliczyć, sto
sując wzory macierzowe podane w tablicy 40. Dla takiej bazy macierz B2 (macierz
współczynników stojących w I tablicy simpleksowej25 przy zmiennych bazowych z dru
giej iteracji) ma postać:
'1 0 2 ' 1 0 2
11 J1
0 i 3 a jej wyznacznik det(B2) = 0 1 3 =1
0 1,5
0 0 !,5_ 0 0 1,5
_4
T 1 0
O
T““t
uo
'1,5 0 0' 3 elementy odpowia

1
1 dające kolumnom
0 1,5 0 0 1,5 3 0 1 -2
“ 1,5 x3, x4, x5 w II tablicy
-2 3 1 0 0 1 2 simpleksowej,
0 0
3
24 Zapas surowca S3 ogranicza produkcję wyrobu W, do 400 sztuk.

25 A tym samym w układzie warunków ograniczających, bowiem elementami I tablicy są współczyn
niki układu warunków ograniczających.
1.4 Algorytm simpleks 67
Mając macierz Bj1, można również obliczyć pozostałe elementy tablicy 43 (II tab
licy simpleksowej), a mianowicie:
1 0
"2 f "0 f r elementy odpowiadające
B. A 0 1 3 3 = 0 3 •< kolumnom x x i x5
l w II tablicy simpleksowej
„1,5 0 1 0
0 0 -
3
1 0 “3 '1000' '200"
I w ektor wartości
B~2l b = 0 1 -2 2400 = 1200
I zmiennych bazowych
600 400
0 0 -
3J
0 1
elementy wiersza Zj
cjB ^ A = [0 0 30] 0
1 0
3
{ odpow iadające zmiennym
decyzyjnym x 1 i x2
1 0 --
3 elementy wiersza Zj
cW = [0 0 30] 0 1
0 0
-2
-
)
odpow iadające
kolumnom x3, x4, x5
1000
c£B^b = [0 0 20] 2400 = 12 0 0 0 <— w artość funkcji celu
600
A zatem druga tablica simpleksowa ma postać tabl. 43:
Tablica 43. II tablica simpleksowa
c 30 l i l i i | 0
Rozwiązanie
cb Zmienne bazowe A 7: 0 M 1 *s
s lS il
0 *3 0 i i 0 -4/3 200
0 *4 0 3 0 1 -2 1200
30 X1 1 0 0 0 2/3 400
Zi 30 0 0 0 20 12 000
cr zi 0 20 0 0 -20
W tej tablicy największe kryterium simpleks odpowiada zmiennej x2 [max{c, -z ,} =

= c2- z 2 = 20], zatem ta zmienna wejdzie do kolejnej bazy, w miejscex3 (bo temu wier
szowi odpowiada min{200:l, 1200:3} = 200)26. Poniżej przedstawiono trzecią tablicę
simpleksową, pozostawiając Czytelnikowi obliczenie poszczególnych jej elementów za
pomocą rachunku macierzowego27.
Tablica 44. III tablica simpleksowa
;; C 30 W ;M :M 1 1 o 0 0
Rozwiązanie
cb Zmienne bazowe * 11 *3 *4 *5
20 *2 0 1 1 0 -4/3 200
0 xĄ 0 0 -3 1 2 600
30 Xi 1 0 0 0 2/3 400
ZJ 30 20 20 0 -20/3 16000
Ci - Z j 0 0 -20 0 20/3
Rozwiązanie nadal nie jest optymalne, ponieważ w wierszu zerowym występu

je jeszcze element dodatni, zatem wprowadzając zmienną x5 (c5- z 5 = 20/3 >0) do ko
lejnej bazy, zwiększymy jeszcze wartość funkcji celu. W kolejnej IV iteracji do bazy
weszła zmienna x5 w miejsce x4 (min {600:2,400:2/3} = 300, co odpowiada wierszo
wi xĄ). IV tablicę simpleksową przedstawiono poniżej. W jej wierszu zerowym nie
występują już liczby dodatnie, zatem rozwiązanie jest optymalne.
Tablica 45. IV (ostatnia) tablica simpleksowa

C 20 W M m l i i i
Rozwiązanie
‘$ cb ' Zmienne bazowe ll* 2 X* 1 il& ls
20 x 2 0 1 -1 2/3 0 600
0 X5 0 0 -1,5 0,5 i 300
30 X l 1 0 1 -1/3 0 200
Zi 30 20 10 10/3 0 18 000
cr zi 0 0 -10 -10/3 0
W ostatniej kolumnie każdej tablicy, poniżej wartości zmiennych bazowych

jest podana wartość funkcji celu w aktualnej iteracji. W analizowanym przykładzie
26 Jeżeli w kolumnie zmiennej wprowadzanej do bazy występują współczynniki ujemne lub równe
zeru, to pomijamy te zmienne w dalszych obliczeniach.
X2 X4 xl
1 0 2 '
27 Dla sprawdzenia podamy tylko macierz Jł3 = 3 1 3
0 0 1,5
1.4 Algorytm simpleks
w kolejnych iteracjach wartość funkcji celu wzrastała z 0 w I do 18 000 w ostatniej.

Zauważmy iż rozwiązania bazowe w kolejnych iteracjach odpowiadają poszczególnym
wierzchołkom zbioru rozwiązań dopuszczalnych (rys. 8): wierzchołkowi 0 (w itera
cji I), A (w iteracji II), D (w iteracji III) i C (w iteracji IV). Poniżej obliczono raz jesz
cze elementy tablicy IV, posługując się rachunkiem macierzowym. Ponieważ zmien
ne bazowe w ostatniej iteracji (a tym samym w optymalnym rozwiązaniu zadania),
to x2, xs i xL, zatem xb a macierze B4 i B41 mają postać:

. i-
x2 x5 xi 2
r - 1 - 0 elementy kolum n
'1 0 2 ' '-3 -4 ,5 3' 3 odpowiadających
i_ 1
B4 = 3 0 3 2 1,5 -1 = -1 ,5 0,5 1 zmiennym
’ Bą ~ 3 swobodnym
0 1 1,5 0 3 0
1 -- 0 x3, x4, xs.
L 3 J
A więc
2 elem enty kolumn

3 ' 2 1' '0 1 odpowiadających
0,5 3 3 = 0 0 zmiennym
decyzyjnym
!,5 0 1 0
(bazowym),
2
3 1000' ' -1000 + 1600 + 0 ' '600' wartości
0,5 2400 = -1500 + 1200 + 600 = 300 zmiennych
bazowych,
600 1000-800 + 0 200
20 1
r elementy wiersza Zj
cb = 0 , a zatem c J lł/A = [20 0 30] 0 20 ]<— < dla zmiennych
30 l decyzyjnych,
0
-1 ^ 0
3 elem enty wiersza Zj
10
= [20 0 30]' -1,5 0,5 1 10 <- dla zmiennych
3 swobodnych,
1
70 1. Wybrane zagadnienia programowania lin,owego
i elementy
c - c [ B ^ A = [30 2 0 ]-[3 0 20] = [O 0], -c T
b W4 -1 0 -— O <— i wiersza
3 l „zerowego
600
^ 84^ = [20 O 30] 300 12 0 0 0 + 0 + 6 0 0 0 = 18 0 0 0 <— wartość funkcji celu.
200
x2 '600'
Zatem reasumując raz jeszcze, optymalne rozwiązanie zadania to: xb = x5 = 300
_*1 .
200
czyli x* = 200 sztuk W L, x 2 = 600 sztuk W2; F(x*, x 2) = 18 000. Wartość zmien
nej *5 = 300 oznacza, iż przy takim rozwiązaniu zostaje niewykorzystany zasób
surowca S3w ilości 300 kg.
Przykład 9. Rozwiążemy obecnie program dualny do zadania z przykładu 8.

Program dualny ma postać:
lOOOyj + 2400y2+ 600y3 = min,

2y x+ 3y 2+ l,5 y 3 > 30,
y i+ ^ 2 ^ 20,
y i’ y2 * o-
Ponieważ w układzie warunków ograniczających występują nierówności „>”, aby
sprowadzić je do postaci liniowej należy od lewych stron odjąć zmienne swobodne y 4
i y 5 i dodać zmienne sztuczne (odpowiednio ^ i s2) 28. Zauważmy jeszcze, że sx = - y 4,
a s2 - - y 5. Zatem postać kanoniczna programu dualnego jest następująca:
1000y1+ 2400y2+ 600y3 + 0y4+ 0y5+M s1+M s2 -> min,

2yi+ 3y2+ l,5y3- y4 + s1 =30,
y-i+ 3y 2 - y5 + s2 = 20.
28 Przypomnijmy raz jeszcze, że jeżeli w modelu występują warunki równościowe, do nich również
wprowadzamy zmienną sztuczną, która wchodzi do pierwszej bazy, ale nie może znaleźć się w rozwiąza
niu optymalnym.
Pierwsza tablica simpleksowa to tabl. 46.
Tablica 46
lilii C 1000 2400 600 0 | 0 M i M !

Ch Zmienne Rozwiązanie
bazowe yj yS liii U li | s 2 i
M si 2 3 1,5 -i 0 1 0 30
M s2 1 3 0 0 -i 0 1 20
zi 3M 6M 1,5 M -M -M M M 50 M
cr z> 1000 - 3 M 2 4 0 0 -6 M 6 0 0 - 1,5 M M M 0 0
Jak widać największym ujemnym kryterium simpleks charakteryzuje się zmien

na y 2 [min{(1000 - 3 M ); (2400 - 6 M); (600 - 1,5 M )} = 2400 - 6 M], zatem y 2 wej
dzie do bazy w kolejnej iteracji - w miejsce zmiennej s2 (min{30:3, 20:3} = 20/3,
co odpowiada zmiennej s2). W rezultacie tablica simpleks dla II iteracji przybierze
postać tabl. 4729.
Tablica 47
,140001; 2400 600 1 j j i S l l M

cb Zmienne Rozwiązanie
bazowe W M : '§ :? 2 * liii ys *i 111*2
M Sl 1 0 1,5 -1 i 1 -i 10
2400 y2 1/3 i 0 0 -1/3 0 1/3 20/3
zi 800+M 2400 1,5 M -M M - 800 M 800-M 16000+10A/
ci ~ zi 200-M 0 600-1,5 A# M 800 -M 0 -8 0 0 + 2M
Obecnie największy spadek wartości funkcji celu można uzyskać, wprowadza

jąc do kolejnej bazy zmienną y3, w miejsce s2 (10/1,5 = 20/3; 20/3 :0 -» °°). Tablicę
simpleks dla trzeciej iteracji przedstawiono poniżej.
yi
29 n = 1 3
"2 0 3 ’
72 1 Wybrano zagadnienia programowania liniowego
Tablica 48
l l / f f CS| looo 2400 600 0 0 /|'.A f 'r/ /// M /S

Rozwiązanie
Zmienne
';/bązp^:/. I ':* /// S S f3 T4 fs // ■ /I fi I
600 T3 2/3 0 1 -2/3 2/3 2/3 -2/3 20/3
2400 Ta 1/3 1 0 0 -1/3 0 1/3 20/3
zi 1200 2400 600 -400 -400 400 400 20000
4^
O
O
5:
0 400 400 M - 400
1
Cj-Zj -200 0
Rozwiązanie nadał nie jest optymalne, ponieważ w wierszu zerowym występu

je jeszcze element ujemny, co znaczy, że wartość funkcji celu można obniżyć, wpro
wadzając do kolejnej bazy zmienną y j30. Ponieważ m in{20/3:2/3; 20/3:1/3} = 10,
co odpowiada wierszowi y 3, zatem w kolejnej tablicy (tabl. 49) zmiennymi bazo
wymi są y 1 i y 2.
Tablica 49
C 1000 2400 600 /■/Set M 1/iplS:/
Zmienne Rozwiązanie
lil ii
t2 T3
bazowe S f f l / ■ fis i
1000 Ti 1 0 1,5 -1 i 1 -1 10
2400 Ta 0 1 -0,5 1/3 -2/3 -1/3 2/3 10/3
zi 1000 2400 300 -200 -600 200 600 18 000
Ci ~ ZJ 0 0 300 200 600 -2 0 0 +M -600+A/
Obecnie wszystkie zmienne niebazowe mają dodatnie kryterium simpleks, a więc

wartości funkcji celu nie da się już obniżyć.
Pozostawiając Czytelnikowi obliczenie elementów tablic pośrednich poniżej,
posługując się rachunkiem macierzowym, obliczono poszczególne elementy tablicy
końcowej31.
30 Zauważmy, że M —>°°, zatem A/- 4 0 0 —°° i zmienne sztuczne nie mogą wejść do kolejnych roz
wiązań bazowych.
31 Zauważmy, że ponieważ = -y 4, a s2 = - y 5, zatem współczynniki kolumn zmiennych swobod
nych są wziętymi ze znakiem przeciwnym współczynnikami kolumn dla odpowiadających im zmiennych
sztucznych.
71 72
1 -1
y\ j Bj=
2 3
> R“1 - —
1
3 -3 ' { elementy
zmiennych
kolumn
*bs 1 3 -1 2 i 1
sztucznych Sj i s2
3 3J
1 -1
BÂ = 1 2
2 3 1,5 1 0 1,5 ( elementy kolumn
dla zmiennych
1 3 0 0 1 -0 ,5 decyzyjnych y v y 2, y 3
~3 3.
" 1 -1' '1 0 '

'3 0 '
B^b = 1 2 10 <- { wartości zmiennych bazowych (rozwiązanie)
20
3 3_ . 3 .
1 -1' elementy
'10 0 0 ' wierszy zy
, zatem cJ b 41 = [10 0 0 2400] 1 2 = [200 6 0 0 ]« --
2400 dla kolumn
.3 3. S jii2
elementy
1 0 1,5 ' wierszy Zy
c[BÂ = [1000 2400] = [1000 2400 300]«
0 1 -0 ,5 dla kolumn
7i> y 2 • 7 3
10
c[B ^ b = [l000 2400] 10 = 10 000 + 8000 = 18 000 <—{wartość funkcji celu
3
Optymalne rozwiązanie programu dualnego jest zatem następujące:
m
7* = 10, 72* = y , F(y *>72) = 18 000-
Zauważmy jeszcze, że z ostatniej tablicy simpleksowej PP można odczytać

także rozwiązanie optymalne programu dualnego. Mianowicie, optymalne war
tości zmiennych decyzyjnych PD są równe wartościom bezwzględnym liczb wystę
pujących w wierszu zerowym (cj-zj) ostatniej tablicy simpleksowej, odpowiadających
10 10 *
zmiennym swobodnym PP (por. tabl. 45) y* = |-10 | = 10 , y \ 73 :
3
Analogicznie wartości zmiennych decyzyjnych PP są równe wartościom bezwzględ
nym liczb występujących w wierszu zerowym ostatniej tablicy simpleksowej PD, od
powiadających zmiennym swobodnym tego programu (por. tabl. 49: x* = |200| = 200,
*2 = |600| = 600).
Pytania i problemy
1. Dany jest program liniowy:
x3+ x2+x3 = 30,
x { + 2 x 2 + x 3 > 10,
2x2+ x3 > 20,
xy, x2, x 3 > 0,
2xy+ x 2 + 3x3 —> max.
Sprowadź powyższy program do postaci kanonicznej.

xi
2. W powyższym PL wektor optymalnych zmiennych bazowych jest następujący: x x3 .
L-*4J
Podaj rozwiązanie optymalne i wartość funkcji celu dla rozwiązania optymalnego.
3. Co to jest „wiersz zerowy” tablicy simpleksowej?
4. Omów sposób zmiany bazy w kolejnych iteracjach algorytmu simpleks.
5. Który z poniższych wektorów (gdzie xv x2 i x3 to zmienne decyzyjne, x4 i xs to zmienne
swobodne, a Sj i s2 to zmienne sztuczne) nie jest wektorem optymalnym i dlaczego?
V
X1 V
x3
x3 , X = *3 , x =
X4
.x s. . Sl .
_x 2_
1.5. Analiza wrażliwości

Rozwiązanie optymalne problemu liniowego umożliwia podjęcie decyzji. Równo
cześnie jednak może stanowić punkt wyjścia do analizy jak zmiany warunków działa
nia przedsiębiorstwa, mające odzwierciedlenie w zmianach parametrów modelu mogą
wpłynąć na rozwiązanie optymalne. Badanie wpływu zmian wartości parametrów na
rozwiązanie optymalne programu liniowego nosi nazwę analizy wrażliwości (sensiti
vity analysis) lub analizy postoptymalizacyjnej. Jakkolwiek programy liniowe należą
do modeli deterministycznych, a więc z założenia parametry są znane i stałe, jed
nakże w dłuższych okresach czasu parametry mogą ulegać zmianom. Zmieniać się
mogą w szczególności ceny (produktów sprzedawanych lub nabywanych), ale także
zasoby środków produkcji, zdolności produkcyjne, normy żywienia itd. Przedmiotem
analizy wrażliwości są zmiany:
a) współczynników funkcji celu (OFC - objective function coefficients), najczęś
ciej cen - analiza wrażliwości pozwala w tym przypadku odpowiedzieć na pytanie,
w jakich granicach mogą się zmieniać te parametry, aby dotychczasowe rozwiązanie
pozostało optymalne,
b) wyrazów wolnych w warunkach ograniczających (RHS - right hand side) a więc
zasobów surowców, norm żywienia czy planowanych wielkości produkcji pewnych de
tali - analiza wrażliwości pozwala określić, w jakich granicach (w jakim przedzia
le liczbowym) mogą się zmieniać wyrazy wolne (prawostronne ograniczenia), aby
1.5. Analiza wrażliwości 75
w rozwiązaniu optymalnym pozostały dotychczasowe zmienne bazowe, oraz - wyzna

czyć nowe optymalne wartości tych zmiennych,
c) współczynników występujących po lewej stronie układu warunków ogranicza
jących (a więc pewnych norm technicznych),
d) dodanie nowych warunków ograniczających.
W praktyce najczęściej ogranicza się do badania wrażliwości rozwiązania optymal
nego na zmiany współczynników funkcji celu oraz wyrazów wolnych w ograniczeniach;
informacje te są podawane obok rozwiązania optymalnego przez większość pakietów
komputerowych z zakresu programowania liniowego. Zmiany tych parametrów będą
przedmiotem dalszej analizy. Ideę analizy wrażliwości pokażemy najpierw graficznie,
a następnie wykorzystując rozwiązanie uzyskane za pomocą algorytmu simpleks.
Należy jednak wyraźnie podkreślić, iż analizując wrażliwość rozwiązania na zm ia
nę jednego z parametrów, zakładamy, że wszystkie pozostałe nie ulegną zmianie.
1.5.1. Analiza wrażliwości - graficznie

Przykład 10. Powróćmy obecnie do przykładu 8 z poprzedniego podrozdziału.
Rozwiązaniem programu liniowego są optymalne rozmiary produkcji dwóch wyrobów
(xi ix 2), dające maksymalny przy istniejących zasobach surowców zysk ze sprzedaży
wyrobów. Mając rozwiązanie optymalne, należy określić:
1. Czy rozwiązanie to zmieni się, jeżeli zysk ze sprzedaży wyrobu W2 wzrośnie
do 28 zł?
2. Jak zmieni się rozwiązanie optymalne, jeżeli:
a) zasób surowca wzrośnie do 1200,
b) zasób surowca S2 zmniejszy się do 2100?
Graficzne rozwiązanie modelu przedstawia rys. 8 poniżej zamieszczony jako 8a,
z zaznaczonymi dodatkowymi punktami wykorzystanymi w analizie wrażliwości.
Rozwiązanie
Ad 1. Zauważmy, że zmiana współczynników funkcji celu powoduje zmianę współ
czynnika kierunkowego izolinii (kąta jej nachylenia). Jak długo jednak zmiany zysków
będą takie, że funkcja celu będzie równoległa do jednego z warunków przecinających
się w punkcie optymalnym, tak długo punkt ten będzie nadal stanowił rozwiązanie opty
malne. Zmieni się tylko wartość funkcji celu.
Rozwiązaniem optymalnym są współrzędne wierzchołka C(200; 600), w którym
przecinają się warunki (1) i (2).
Aby określić dopuszczalne zmiany zysków jednostkowych, niepowodujące zmia
ny rozwiązania optymalnego, należy więc określić warunki równoległości funkcji celu
i każdego z tych warunków.
I tak, jeżeli funkcja celu będzie równoległa do prostej (1) - jej najwyższe położenie
(bo funkcję celu maksymalizujemy) pokryje się z odcinkiem CD leżącym na prostej
(1) - rozwiązaniem optymalnym będą punkty leżące na tym odcinku (a więc także
punkt C). Warunkiem równoległości prostych jest taki sam współczynnik kierunko
wy, w funkcji celu równy - c f c 2. Przypomnijmy, współczynniki funkcji celu (zyski)
są równe cx = 30 i c2 = 20.Warunek (1) ma postać: 2xx + x 2, a więc jego współczynnik

kierunkowy jest równy -2 /1 . Aby funkcja celu była równoległa do tego warunku, zyski
Cy i c2 muszą spełniać warunki*32:
jeżeli Cy zostanie na dotychczasowym poziomie tzn. c x= 30 to c2 = 15,
a jeżeli c2 zostanie niezmienione, tzn. c2 = 20 to c x = 40.
Jeżeli z kolei funkcja celu będzie równoległa do prostej (2), a więc jej najwyższe po
łożenie pokryje się z odcinkiem BC leżącym na prostej (2) - rozwiązaniem optymal
nym będą wszystkie punkty leżące na tym odcinku (także punkt C). Warunek (2) ma
postać 3xy + 3x2 a więc jego współczynnik kierunkowy jest równy -3 /3 . Funkcja celu
będzie równoległa do warunku (1) jeżeli33:
przy Cy = 30 to c2 - 30
a przy c2 = 20 to ct = 20.
Zatem, aby rozwiązaniem optymalnym pozostały współrzędne punktu C - zy

ski jednostkowe muszą spełniać warunki: <^€(20; 40), przy niezmienionym c2;
c2e ( 15; 30), przy c x = 30 zł. Z tego wynika, że dopuszczalny wzrost c, to 10 (40-30)
a dopuszczalny spadek cx to też 10 (30-20). Dla c2 dopuszczalny wzrost to 10 (30-20)
a dopuszczalny spadek to 5 (20-15).
c 2 c
32 Najłatwiej zmiany te wyliczyć następująco: — = ---- >c, = 2c2; c, = — . A więc jeżeli c2 pozostanie
c2 1 2
na niezmienionym poziomie (20) cŁ= 2 ■20 = 40, a jeżeli cx pozostanie na niezmienionym poziomie (30)
30
c2 = — = 15. Współczynniki kierunkowe prostych zawsze są ujemne, a więc znak minus można pominąć.
33 Analogicznie — : 2 - 1 “*C1—c2>c2 —C1•

C2
Proponowana zmiana zysku ze sprzedaży wyrobu W2 na c2 = 28 e (15; 30), a więc

rozwiązaniem optymalnym pozostaną współrzędne punktu C, ale wartość funk
cji celu (zysk ze sprzedaży) będzie teraz wyższa i wyniesie F'(xl, x2) = 30-200+
+ 28-600 = 22 800 zł.
Ad 2. Optymalna wartość /'-tej zmiennej dualnej y* informuje jak zmieni się war
tość funkcji celu PP, jeżeli wyraz wolny w /'-tym ograniczeniu (6,) wzrośnie o 1 (przy
niezmienionych pozostałych b) - tw. 4 o dualności. Interpretacja ta nie dotyczy jed
nak dowolnych zmian prawostronnych ograniczeń. W tym przypadku badanie wraż
liwości rozwiązania optymalnego na zmiany wyrazów wolnych polega na określeniu
ich dopuszczalnych zmian, przy których interpretacja zmiennych dualnych zachowuje
ważność.34 Optymalne rozwiązanie programu dualnego (uzyskane w przykładzie 9) to
y 3 = 0. Zatem zwiększenie zasobu surowca S3 o 1 kg da przyrost
zysku ze sprzedaży produkowanych wyrobów o 10 zł (przy stałych zasobach surowców

S2 i S3), zwiększenie zasobu S2 o 1 kg (przy stałych zasobach S3 i S3) da przyrost war
tości funkcji celu o 10/3 zł, natomiast zwiększenie zasobu S3 nie zmieni wartości funk
cji celu. Należy jednak określić, jakie mogą być zmiany zasobów, aby ta interpretacja
pozostała aktualna.
Zauważmy najpierw, że zwiększanie wyrazów wolnych powoduje równoległe
przesuwanie warunków w górę lub w prawo, natomiast zmniejszanie - w lewo lub
w dół. Zmiany te mogą zmieniać (zwiększać lub zmniejszać) zbiór rozwiązań dopusz
czalnych, powodując lub nie zmiany bazy optymalnej (warunków przecinających się
w punkcie optymalnym).
Zacznijmy od warunku nieaktywnego w rozwiązaniu optymalnym (nieprze-
chodzącego przez punkt optymalny), czyli warunku (3) l,5xj < b3(= 600). Skoro
jest on nieaktywny, to zwiększanie jego zasobu nie zmieni punktu optymalne
go, natomiast jego zmniejszanie tak długo nie wpłynie na rozwiązanie optymalne,
jak długo zostanie przesunięty nie dalej niż do punktu C(200; 600)35. Jeżeli prze
suniemy go do punktu C - punktowi temu odpowiada wartość wyrazu wolnego
¿>3 = 1,5+j = 1,5 ■200 + 0 • 600 = 300. Jeżeli zatem b3 będzie należeć do przedziału
(300; o°), to rozwiązaniem optymalnym będą współrzędne punktu C.
Nieco inaczej przedstawia się analiza wrażliwości w przypadku warunków aktyw
nych (występujących w bazie optymalnej). Zacznijmy od dopuszczalnych zmian wyrazu
wolnego w ograniczeniu (1) 2xx+ x 2 < bx(= 1000). Rozwiązaniem optymalnym będzie
punkt przecięcia prostych (1) i (2) (chociaż nie będzie to już punkt C(200; 600) tak dłu
go, dopóki prosta (1) nie zostanie przesunięta powyżej punktu F(400; 400)36 lub poniżej
34 W punkcie optymalnym przecinać się będą te same warunki ograniczające - nie zmienią się
zmienne bazowe rozwiązania optymalnego.
35 Przesuwanie warunku (3) na lewo od punktu C spowoduje, że rozwiązaniem optymalnym stanie
się punkt przecięcia warunków (2) i (3).
36 Tzn. punktu przecięcia prostych (2) i (3); przesunięcie powyżej tego punktu spowoduje zwiększe
nie zbioru rozwiązań dopuszczalnych, a rozwiązaniem optymalnym stanie się właśnie punkt F.
punktu B(0; 800)37. W punkcie F b l = 2 x i + x 2 = 2 - 400 +1 •400 = 1200, w punkcie

B: Z>j = 2xj + x2 = 2 •0 +1 •800 = 800. Zatem jeżeli b1 będzie należeć do przedziału
(800; 1200), rozwiązaniem optymalnym pozostanie punkt przecięcia warunków (1)
i (2); jednak jego współrzędne należy wyznaczyć przy zmienionym b v a nową war
tość funkcji celu można także obliczyć np. wykorzystując interpretację zmien
nych dualnych.
Podobnie w przypadku warunku (2) 3 jcj+ 3 x t < b2(= 2400) - przestanie on być wa
runkiem aktywnym (przechodzącym przez punkt optymalny) po przesunięciu w górę
- powyżej punktu G(0; 1000)38 lub w dół - poniżej punktu D(400; 200)39. W punkcie
G :b 2 = 3 x l + 3 x 2 = 3 •0 + 3 ■1000 = 3000, w punkcie D: b2 = 3 x x + 3 x 2 = 3 ■400 + 3• 200 =
= 1800. Zatem jeżeli b2 będzie należeć do przedziału (1800; 3000), rozwiązaniem opty
malnym pozostanie punkt przecięcia warunków (1) i (2); również w tym przypadku
jego współrzędne należy wyznaczyć przy zmienionym b2.
Wracając do postawionych na początku pytań:
a) Jeżeli zasób surowca Sj wzrośnie do 1200 (przy niezmienionej ilości p o
zostałych surowców) - nowa wartość parametru b l = 1200 mieści się w przedziale
(800; 1200), a więc baza optymalna nie ulegnie zmianie (tzn. aktywne nadal będą
warunki (1) i (2)), natomiast rozwiązanie optymalne znajdziemy, rozwiązując układ
tych równań:
(1) 2*j + x 2 = 1200,
( 2) 3 * j+3*2 = 2400.
Czyli x 1 = 400; x 2 = 400; F(xl5x 2) = 20 000 zł (wartość funkcji celu wzrosła o 2000 zł =
= y \ x 200).
b) Jeżeli zasób surowca S2 zmniejszy się do 2100 (przy niezmienionych ilościach
Sj,i S3), również baza optymalna nie ulegnie zmianie b2 = 2100 e (1800; 3000), a roz
wiązaniem optymalnym będzie punkt o współrzędnych x x = 300, x 2 = 400; będący
rozwiązaniem układu równań:
(1) 2 x x+ x 2 = 1 0 0 0 ,
(2) 3 .^ + 3 jc2 = 2100.
F( x v x 2) = 17 000 zł (o 1000 zł = y 2 x 300 mniej niż poprzednio).
37 Jest to najniższy możliwy punkt, w którym przetną się proste (1) i (2). Górną i dolną wartość b1
wyznaczamy, wstawiając do warunku (1) współrzędne punktów F i B.
38 Aktywne będą wówczas warunki (1) i (3) i ten punkt stanie się rozwiązaniem optymalnym.
39 Wtedy również aktywne będą warunki (1) i (3), a rozwiązaniem optymalnym będzie punkt D,
w którym się przecinają.
1.5.2. Analiza wrażliwości rozwiązania uzyskanego

za pomocą algorytmu simpleks
przykład 10 rozwiążemy jeszcze raz (ponownie przeprowadzimy analizę wrażliwości
dla przykładu 8), tym razem jednak wykorzystamy rozwiązanie uzyskane za pomocą
algorytmu simpleks (tablica 45).
Ad 1. Wrażliwość rozwiązania optymalnego na zmiany współczynników funkcji celu
(zysków jednostkowych ze sprzedaży wyrobów) określa się, zastępując dotychczasowe
zyski Cj wyrażeniami ej = c, + Sj, gdzie Sj jest dopuszczalną zmianą zysku Cp przy ja
kiej dotychczasowe rozwiązanie optymalne nie ulegnie zmianie. Wielkości <5, określa
się, pamiętając że w zagadnieniach maksymalizacji wszystkie elementy wiersza zerowego
końcowej tablicy simpleksowej muszą być niedodatnie, natomiast w zagadnieniach mini
malizacji elementy te powinny być nieujemne.
Zatem dla wyrobu Wx przyjmując że c[ = c t + Ą i wstawiając tę wartość w miejsce
q do ostatniej tablicy simpleksowej (tabl. 45), otrzymujemy tabl. 50.
Tablica 50
30+Si 20 0 0
Rozwiązanie
cb Zmienne bazowe *2 . Jf4 * s ll
20 *2 0 i -1 2/3 0 600
0 *5 0 0 -1,5 0,5 1 300
30+Sj X, 1 0 1 -1/3 0 200
10 1 .
Zi 30 + Si 20 10+Si 0 18 000
T "3Ą
CJ - ZJ 0 0 - 1 0 -S i -i° + I ą 0
3 3 1
Aby znaleźć <5i, należy rozwiązać układ dwóch nierówności liniowych (tylko te
dwa elementy wiersza zerowego zależą od ¿>j):
-10-Ą<0,
10 1~ _
----- + - Ą < 0 ,
3 3 1
Pierwsza nierówność jest spełniona dla 5] > -1 0 , druga dla Ą < 10 (Ą = -1 0 to dopusz
czalny spadek a Si = 10 to dopuszczalny wzrost współczynnika funkcji celu cf). Zatem
¿>iS (-10; 10), a CjG (30-10; 30 + 10), czyli obecne rozwiązanie optymalne nie ulegnie
zmianie, jeżeli zysk ze sprzedaży wyrobu będzie przyjmować wartości z przedzia
łu (20; 40), a zysk ze sprzedaży W2 nie zmieni się. Jak już podkreślano - nie zmienią
się oczywiście tylko optymalne wielkości x* i x \, natomiast zmieni się (wzrośnie lub
spadnie) wartość funkcji celu (o <?i •x *).
Analogicznie określamy dopuszczalne granice zmian zysku ze sprzedaży wy

robu W2. Wstawiając c2 = c2 + S2 = 20 + S2 do tabl. 45, otrzymujemy tabl. 51.
Tablica 51
l i l i o ? 30 J 20+5, 0 :® ! § li! l§ 0
Rozwiązanie
l i l i i Zmienne bazowe : xt i i *3 ' ?
20+52 *2 0 1 -1 2/3 0 600
0 *5 0 0 -1,5 0,5 1 300
30 *1 1 0 1 -1/3 0 200
10 2 .
zi 30 20+ 5, 10—5, — + —5, 0 18 000
3 3 2
10 2 _
c, zi 0 0 -1 0 + 5 , 0*y 0
3 3 2
Zatem S2 musi spełniać układ nierówności:
-10 + S2 < 0,
- l i < 0.
3 3 2
Z warunku pierwszego S2 < 10 (dopuszczalny wzrost c2), a z warunku drugiego Si > - 5

(dopuszczalny spadek c2), zatem 82£ (-5; 10), a więc c2e (20-5; 20 +10). Obecne roz
wiązanie optymalne nie ulegnie więc zmianie, gdy zysk ze sprzedaży wyrobu W2
będzie należeć do przedziału liczbowego (15; 30) przy zysku ze sprzedaży W! na do
tychczasowym poziomie. Oczywiście zmiana zysku jednostkowego spowoduje zmianę
wartości funkcji celu o S2 •x 2.40
Ad 2. Również badając wrażliwość rozwiązania optymalnego na zmiany wyra
zów wolnych warunków ograniczających, będziemy określać ich dopuszczalne zmia
ny. Wyraz wolny i-tego równania można zapisać obecnie jako b\ = 6, + e,, gdzie e, jest
dopuszczalną zmianą i-tego wyrazu wolnego, nie powodującą zmiany bazy opty
malnej. Jak już wiemy, jeżeli i-ty wyraz wolny zmieni się w granicach ±e„
w bazie optymalnej pozostaną dotychczasowe zmienne decyzyjne, mogą się nato
miast zmienić ich wartości. Wartość e, określa się osobno dla każdego współczyn
nika, zakładając że wartości pozostałych nie ulegną zmianie. Wartość e, oblicza się,
uwzględniając warunek, że zmienne bazowe powinny przyjmować wartości nieujemne,
czyli x^ = B_ 1 b*>0.
Zaczynając od ograniczenia (1) - jeżeli b{ zastąpimy wyrażeniem b1+ e„ to wektor
wyrazów wolnych, oznaczmy go b{, będzie miał postać:
40 Zauważmy, że otrzymane wyniki są identyczne jak przy zastosowaniu metody graficznej.

1000 +
b( 2400
600
Macierz B -1 dla tego zadania została wyznaczona w podrozdziale 1.4 (jest to

odwrotność macierzy B4 odpowiadającej ostatniej tablicy simpleksowej), zatem:
1000 + -1000 -£ j +1600 600 - £j '0'

2400 = -1 5 0 0 -1 ,5 ^ + 1 2 0 0 + 600 = 3 0 0 -l,5 e j > 0
600 1000 + ex -8 0 0 200 + £j 0
a Ei musi spełniać następujący układ nierówności liniowych:
600- ą 2:0,
• 300-l,5ą>0,
200 + ą > 0 ,
Rozwiązaniem tego układu jest e xe (-200; 200), wobec tego b x& (1000-200;
1000 + 200), czyli bxe (800; 1200).
Analogicznie wyznaczamy granice przedziałów dla wyrazów wolnych b2 i b3.
W przypadku b2, mamy:
1000
b'2 = 2400 + e2
600
wobec tego
2
-1 600 H--- £2
3 1000 3 2 "0'
-1.5 0,5 2400 + £2 : 300 + 0,5^2 > 0
__1 600 0
1 2 0 0 -i
3
a układ nierówności:
600+ —e0 > 0

3 2
300 + 0 ,5 ^ > 0
200- —e, > 0

3 2
jest spełniony dla e2e (-600; 600), wobec tego h2e (2400-600; 2400 + 600), czyli
b2e (1800; 3000).
I wreszcie dla b3:
1000
b; 2400 ,
600 + £3
2
-1 0
3 1000 600 0'
8 ^ 3 = -1,5 0,5 1 2400 = 300 + £3 > 0
1 600 + £3 200 0
1 O
3
zatem e 3 musi spełniać warunek e 3 > - 3 0 0 , czyli górna granica e 3 nie istnieje,
a b 3e (600 - 300; °°), czyli h 3e (300; ©o).
Podkreślmy raz jeszcze, że jeżeli zmiany zapasów surowców mieścić się będą
w wyznaczonych granicach, a więc zasób surowca Sj będzie przyjmował wartości
z przedziału (800; 1200) a zasoby S2 i S2 nie zmienią się, lub zasób surowca S2 będzie
liczbą z przedziału (1800; 3000) a zasoby pozostałych surowców nie ulegną zmianie,
lub zasób surowca S 3 będzie się mieścił w przedziale (300; + °°) przy dotychczaso
wych zasobach Sj i S2 - nie zmieni się baza optymalna, zmienią się jednak optymalne
wartości zmiennych decyzyjnych. Aby je obliczyć, należy rozwiązać układ równań:
x*' = B _1b', gdzie b' jest nowym wektorem wyrazów wolnych. Zmieni się również war
tość funkcji celu. Zamiast ją obliczać ponownie, można wykorzystać wartości zmien
nych dualnych i ich interpretację, jak to pokazano w przypadku analizy graficznej.
Zatem, jeżeli zasób Sj wzrośnie do 1200, to rozwiązanie optymalne będzie
następujące:
2
-1 0
*2 3 1200 400
X =
x5 = B ?b i = -1,5 0,5 1 2400 = 0
*1. 1 600 400
1 0
3
Zysk ze sprzedaży wyrobów wyniesie 30-400 + 20-400 = 20 000, (zmieni się

o 200 •y } = 200 •10= 2000, a więc 18 000 + 2000 = 20 000).
Jeżeli natomiast zasób surowca S2 zmniejszy się do 2100, to optymalne wartości
zmiennych decyzyjnych będą następujące:
Z,
-1 0
*2 3 '1000' '400'
X “
X5 = B ^ = -1,5 0,5 1 2100 = 150
_*1. 1 600 300
1 0
W tym wypadku wartość funkcji celu zmieni się o -300-10/3 = -1 0 0 0 i wyniesie

18 0 00-1000 = 17 000.
Przykład 11. Hodowca drobiu musi uzupełnić zawartość dwóch składników od
żywczych A i B w produktach, które kupuje. Rozważa cztery mieszanki M1; M2, M3,
M4. Zawartość składników odżywczych w poszczególnych mieszankach oraz ceny mie
szanek podano w tabl. 52.
Tablica 52
Składniki w 1 kg mieszanki Minimalna
odżywcze ilość składnika
§11! I
A 4 0 4 5 120
B 2 6 4 4 180
Cena 1 kg 12 9 16 14
1. W jakiej ilości należy zakupić poszczególne mieszanki, aby dostarczyć potrzeb

ne składniki odżywcze i aby koszt zakupu mieszanek był minimalny?
2. Określ wrażliwość rozwiązania optymalnego na:
a) zmiany cen poszczególnych mieszanek,
b) zmiany „norm żywienia”, czyli minimalnych ilości składników odżywczych,
jakie należy dostarczyć.
Rozwiązanie.
Ad 1. Model zadania jest następujący:
12x1+9 x2+ I6 JC3 + 14x4 —> min,

4x, + 4 x3 + 5x4 > 120,
2x 1+ 6 x 2 + 4 x3+ 4x4 > 180,
* 1, x2, x}, x4 > 0.
Model rozwiązano, stosując algorytm simpleks. Końcową tablicę simpleksową

przedstawia w tabl. 53.
Tablica 53
c 12 9 16 l|f 0 0 Al M
9b Rozwiązanie
Zmienne bazowe A *2 *3 4! xs *6 llliil .i:.*?:.;,,;
14 x4 0,8 0 0,8 1 -0,2 0 0,2 0 24
2 2 1 2 1
9 x2 -0 ,2 1 0 14
15 15 6 15 6
ZJ 9,4 9 12,4 14 -1,6 -1,5 1,6 1,5 462
CJ- zi 2,6 0 3,6 0 1,6 1,5 M - 1,6 M - 1,5

Tak więc rozwiązanie optymalne jest następujące:
%
X4 '24'
% !4_
1*2 J
czyli = 0 kg mieszanki x 2 = 14 kg M2, x^ = 0 kg M3, x 4 = 24 kg M4,

F{x\, ...,x^) = 462.
Z tablicy (ostatni wiersz - kolumny odpowiadające zmiennym swobodnym x5 i x6)
można także odczytać rozwiązanie programu dualnego (y* = 1,6,y*2 = 1,5).
Ponieważ w analizie wrażliwości wykorzystujemy obecnie zapis macierzowy41
tablic simpleksowych, zdefiniujemy na początek poszczególne jego elementy dla
naszego zadania:
Xi
4 0 4 5 120
A= c = [l2 9 16 14], X =
2 6 4 4 180 ’
1*4J
5 0
ponieważ x*b = zatem macierz B = (macierz współczynników przy
4 6
zmiennych, które znalazły się w rozwiązaniu optymalnym - tu przy x4 i x2 z I tablicy

simpleksowej, czyli z modelu zadania). Wobec tego
0
6
B"1
30 - 4 1
6
Ad 2a. Analiza wrażliwości rozwiązania optymalnego na zmiany współczynników

funkcji celu (cen mieszanek).
Aby określić przedział dopuszczalnych zmian ceny mieszanki M1; podstawiamy:
c[ = Ci + = 12 + (5j. Uwzględniająca to podstawienie tablica simpleksowa będzie mieć
zatem postać tabl. 54.
Ponieważ w tym przykładzie funkcja celu jest minimalizowana, zatem elementy
wiersza zerowego powinny być nieujemne. Parametr <5j występuje tylko raz w wierszu
zerowym, powinien więc spełniać warunek:
2,6 + (5j > 0, czyli S1> - 2 ,6 , a zatem 54e (-2,6; °°), a c { e (12-2,6; co) = (9,4; °o),
41 Chociażby ze względu na rozmiary zadania jego rozwiązanie jest możliwe tylko z wykorzystaniem
algorytmu simpleks.
Tablica 54
C ='■ 12 + 5, ; 9 + + 1 6 14 Í:.0 M M i
cb Rozwiązanie
Zmienne bazowe A ; xz ; x4 Sl s2 1
14 x4 0,8 0 0,8 1 -0,2 0 0,2 0 24
2 2 1 2 1
9 x2 -0,2 1 0 14
15 15 6 15 6
ZJ 9,4 9 12,4 14 -1,6 -1,5 1,6 1,5 462
C j-Z j 2,6+5, 0 3,6 0 1,6 1,5 M - 1,6 M -1,5
Analogicznie dla x3, podstawiamy: c3 = c3+ S3 = 16 + S3 ostatnia tablica simplek

sowa przyjmuje postać tabl. 55 i jedynym warunkiem, jaki musi spełniać <53, jest
3,6+<53 > 0, czyli S3 > -3 ,6 , a zatem S3e (-3,6; °o), a c 3e <16—3,6; = (12,4; °°).
Tablica 55
c 12 0 § . 16+ 5, /T fi :l< li ...I I l i i i i i 11 M Ü

cb Rozwiązanie
Zmienne bazowe *3 *2
WM lilii
14 *4 0,8 0 0,8 1 -0,2 0 0,2 0 24
9
2 2 i 2 1
■*2 -0,2 1 0 14
15 15 6 15 6
zi 9,4 9 12,4 14 -1,6 -1,5 1,6 1,5 462

C j - Zj 2,6 0 3,6 + 53 0 1,6 1,5 M - 1,6 M -1,5
Zauważmy, że x { i x3 są zmiennymi niebazowymi, dlatego dla każdej z nich wy

starczy rozwiązać jedno równanie (w pozostałych kolumnach Cj - zj parametr S3 nie
występuje).
Natomiast w przypadku x2, po podstawieniu c2 = c2+ S2 = 9 + <52, ostatnia tablica
simpleks ma postać tabl. 56.
Tablica 56
c (12;+: 9+52 14 o ill i M M

Rozwią-
;; A Zmienne zanie
xt III; l l i l l x4 *s *i *2
bazowe l i i i
14 +4 0,8 0 0,8 1 -0 ,2 0 0,2 0 24
2 2 1 2 1
9+52 x2 -0,2 1 0 14
15 15 6 15 6
ZJ 9,4-0,252 9 + 5 2 12,4+— 5, 14 -1 ,6 h— & - U - Í 5 , 462

15 2 15 2
c) - zi 2,6+0,252 0 3 ,6 - — 5, 0 1 ,6 - — 5, 1 ,5 + 4 ^
15 2 15 2 o
Parametr S2 musi spełniać następujący układ warunków:
2,6 + 0,2S2 > O,
3,6 - ^ 2 >0,
' l , 6 - ~ ó 2 >0,
1,5 + - S 2 >0.
6
Warunek pierwszy jest spełniony dla S2 > -1 3 , warunek drugi dla S2 < 27, waru
nek trzeci - dla S2 < 12 i warunek czwarty - dla <S2 > -9 , zatem rozwiązaniem układu
jest <S2e (-9; 12), a c 2e (9-9; 9 + 12), czyli c 2e (0; 21).
Podobnie dla ceny mieszanki M4, po podstawieniu c4 = c4 + Są = 14 + ¿>4,
ostatnia tablica simpleks przybierze postać tabl. 57.
Tablica 57
c 12 9 ■ 16 + 7 14 +<5, |0'/: m |§
Zmienne Rozwiązanie
bazowe W:: "*4§ + XS" 1+ l+ l
1 4 + d4 *4 0,8 0 0,8 1 -0,2 0 0,2 0 24
2 2 1 2 1
9 x2 -0,2 1 0 14
15 15 6 15 6
zi 9,4+0,8 ć>4 9 12,4+0,854 14+54 -1 ,6 -0 ,2 54 -1,5 462
on
00
to
Cj-Zj 0 3,6-0,854 0 1,6 + 0,264 1,5

l
o
a układ warunków:
2 . 6 - 0 ,8 Ą > 0
3 . 6 - 0,8<?4 > 0
1,6 + 0, 2 Ą , >0
jest spełniony dla <54e (-8; 3,25), a zatem c 2e <14-8; 14 + 3,25), czyli c 4e <6; 17,25).
Ad 2b. Przypomnijmy, że aby określić dopuszczalne zmiany prawostronnych
ograniczeń (w tym przypadku norm żywienia) - e i (osobno dla każdego współczyn
nika, zakładając że wartości pozostałych nie ulegną zmianie) korzysta się z relacji
= B_1 ■b) > 0 (macierz B_1 obliczono na końcu punktu 1).
120 + cj
Zaczynamy od b { - przyjmujemy: b{ = b\ + £ ii wektor bj ma postać: b[ =
A zatem: 180
1
0
5 '120 + Ą ' 0
B_1bj =
2 1 180 0 ’
15 6. 1Ą~ h .
a układ nierówności:
24 + | ą > 0
14- — ą > 0
15 1
jest spełniony przez ą e (-120; 105). Stąd ¿»¡e (120-120; 120+105), czyli bxs (-0; 225).
120
Dla wyrazu wolnego z warunku drugiego b'2 =
180 + £2J’
------ 1
*
1H-»
24
120 "0‘
>
2 1 180 + e2 14+-& 0
L 6 2J
. 15 6.
i
awarunek 14 + - £ 2 > 0, jest spełniony przez (-84; oo), zatem b2e (180-84; <»), czyli
b2e (96; °°).
Jeżeli zatem przykładowo „norma żywienia” dla składnika Sj wzrośnie do 150
(e2 = 30, co mieści się w wyznaczonym dla bx przedziale), nowe wartości zmiennych
bazowych ustalimy z relacji \*b = B_1 •b- przy zmienionych wyrazach wolnych:
1
______ i
0
5 '150' 30"
= B_1bi1 =
* 2 1 180 10
XnZ _
1
U\ 1
h*A I
1-----
6.
a wartość funkcji celu (koszty zakupu mieszanek) wzrosną o y* • = 1,6 •30 = 48

i będą wynosić 462+48 = 510 (lub 9 • 10+14 •30 = 510).
Analogicznie spadek „normy żywienia” dla składnika S2 (przy niezmienionej nor
mie dla składnika Sx) np. do 162 (e2 = -1 8 ) spowoduje, iż rozwiązaniem optymalnym
będzie:
1
O
5 120' '24"
Xa = = B-1I>2 =
1_ 1. 162 11
15 6J
a wartość funkcji celu zmieni się o y \ - e 2 = 1,5 •(-18) = -2 7 , tj. spadnie do 435 zl.
Przykład 12. Tartak otrzymał zamówienie na wykonanie 660 belek o di. 1,6 i 500
belek o di. 1,3 m. W celu realizacji zamówienia tartak dysponuje kłodami o dł. 5,2 m.
Należy tak pociąć posiadany surowiec, aby zrealizować zamówienie, minimalizując
koszt odpadów. 1 m odpadów kosztuje 5 zł.
W tablicy 58 podano sposoby pocięcia kłód:
Tablica 58
Sposoby cięcia 1 kłody
Belki o dl.
I III IV
1,6 3 2 1 0
1,3 0 1 2 4
Odpad (m) 0,4 0,7 1 0
Odpad (zl) 2 3,5 5 0
a model matematyczny zagadnienia ma postać:
2xx+ 3,5.x2 + 5 x 3 + 0xĄ-» min,

3x1+ 2x 2+ x3 >660,
x2+ 2 x 3 + 4x4 > 500.
Wiadomo, że w końcowej tablicy simpleksowej wektor zmiennych bazowych jest

ii;
'220' 220 ' '
następujący: xb = , a koszt odpadów jest równy ■x'b = [2 0]'

1___ _
1-----
_125_ 125
= 440 zł.
1. Określ wrażliwość rozwiązania optymalnego na zmiany zapotrzebowania na
belki obydwu rodzajów.
2. Podaj rozwiązanie optymalne, w przypadku gdy zapotrzebowanie na belki
o dł. 1,3 wzrośnie do 660.
3. Tartak ma możliwość wykorzystania odpadów o dł. 0,6 m i dłuższych
w produkcji ubocznej, w związku z czym można przyjąć, że koszt odpadów o tej
długości jest równy 0. Czy fakt ten wiąże się z koniecznością ponownego rozwiąza
nia modelu?
Rozwiązanie
Ad 1. Aby określić wrażliwość rozwiązania optymalnego na zmiany parame
trów, niezbędna jest znajomość odwrotności macierzy B. Macierz B, utworzona ze
współczynników stojących przy optymalnych zmiennych bazowych (xx ix 4) w układzie
warunków ograniczających ma postać:
- 0
'3 0' „ i 1 "4 0' 3
B= , zatem B =—
0 4 12 0 3
o i4.
Mając macierz B-1 można wyznaczyć dopuszczalne zmiany wyrazów wolnych zada
nia PL, niepowodujące zmiany bazy optymalnej, korzystając z relacji: x'l = B_ 1 b' > 0.
I tak po podstawieniu b[ = 660 + eh otrzymujemy układ warunków:
1
- 0
3 660 + £j 220 0'
B^bj 3 >
500 0
0 - L
125 J
L 4j
Stąd 220 + —ą > 0, czyli ¿\ > -6 6 0 , lub £\ e (-660;°°). Wobec tego b t e (660-660;
660 + °°), b l e (0; °°).

Analogicznie dla b2 podstawiamy b2 = 500 + e2, a układ warunków ma postać:
1
0 220
3 r 66 0
> roi
1 500 + e 2 1 2 5 + —£ , [o
0 L 4 2J
4.
Stąd 125+^-£2 > 0, czyli e2 > -500, lub e(-500;°°). Wobec tego b2e (500-500;
500 + o°), czyli również b2e (0; °°).

Ad 2. Jeżeli zatem zapotrzebowanie na belki o długości 1,3 m wzrośnie do 660
(lub dowolnej innej wielkości), baza optymalna nie ulegnie zmianie, natomiast opty
malne wartości zmiennych decyzyjnych będą równe:
660 '220"
=B 1
66° 165
1. Wybrane zagadnienia programowania liniowego
220
a wartość funkcji celu będzie wynosić: c£x6 = [2 0] =440, a więc nie ulegnie
165
zmianie'42
Ad 3. Odpady o długości większej niż 0,6 występują przy zastosowaniu II i III spo
sobu rozkroju, należy więc określić wrażliwość rozwiązania optymalnego na zmiany
współczynników funkcji celu: c2 i c3. Zauważmy także, iż są to współczynniki stojące
przy zmiennych niebazowych, a więc wystarczająca jest znajomość nawet nie całej ma
cierzy B-1A, lecz tylko elementów jej dwóch kolumn odpowiadających tym zmiennym.
Aby zatem otrzymać współczynniki z kolumny x2 w końcowej tablicy simpleksowej,
wystarczy pomnożyć macierz B 1 przez wektor kolumnowy współczynników przy x2
w warunkach ograniczających, a więc:
"
1 ’2'
0
3 '2 ' 3
B-1Ao
1 1 1
0
4. _4_
Wobec tego
4
z 2 = c bTB~1A 2 = [2 0]
3
Zamiast współczynnika c2 mamy obecnie c2 = 3,5 + S2, wobec tego:
4 6,5
c'2 - z 2 = 3,5 + d2 - + Sn
Aby dotychczasowe rozwiązanie optymalne nie uległo zmianie, musi być spełnio
ny warunek (funkcja celu jest minimalizowana):
^ - + S2 > 0, stąd S2 > - ~ - (dopuszczalnyspadekc2)4243,
czyli c2 e ( 3 ,5 - ^ y - ; 3,5 + °°), tzn. c2 e / ^ ; °°).
42 Ponieważ nie mamy tablicy simpleksowej zawierającej rozwiązanie optymalne, nie znamy warto
ści zmiennych dualnych, a więc nie możemy ich tu wykorzystać.
43 Zarówno w przypadku c2, jak i c 3 nie ma warunku, który by określa! dopuszczalny wzrost tych
parametrów, czyli należy przyjąć, że górna granicą jest °°.
Podobnie postępujemy dla współczynnika c3:
l T
[i 0
r 3 1 3 3
A3 - , B - ^ , z 3 = c¿B_1A3 = [2 0]
_2_ 2 1 1
0 i =
L 4J _ 2 _ .2 .
a kryterium simpleks
c3
, - z3 =5
C+ S3
i - -2 = —
13 + S3
i
13 . 13
powinno spełniać warunek: — + ¿>3 > 0, skąd otrzymujemy S3 > ----- (dopuszczalny
spadek c3). 3 3
/ 13 /2
Tak więc c3 e (5 - — ;5 + °o), tzn. dla c3 e i —; °°) aktualne rozwiązanie optymal
ne nie ulegnie zmianie. Ponieważ proponowane zmiany współczynników funkcji celu:

c2 = 0 i c3 = 0 nie należą do wyznaczonych przedziałów, konieczne będzie ponowne
rozwiązanie zadania.
Pytania i problemy
1. Na czym polega określenie wrażliwości rozwiązania optymalnego na zmiany współczynni
ków funkcji celu?
2. Przedstaw sposób określania wrażliwości rozwiązania optymalnego na zmiany prawostron
nych ograniczeń.
3. W jaki sposób w analizie wrażliwości można wykorzystać rozwiązanie programu dualnego?
4. Dany jest PL:
x1+ x2+ X3 < 80,
2x1+ 3x2+ *3 < 220,
Xu X2, X3 > 0,
3^! + lx 2+ 5*3 —> max,
V To’
którego rozwiązanie optymalne jest następujące: x! . Czy rozwiązanie optymalne
*2. 7°
ulegnie zmianie, jeżeli funkcja celu będzie mieć postać: 3*!+ 10* 2+5 *3 —» max?
5. Dla powyższego PL wiadomo też, że dopuszczalne przedziały zmienności dla prawostron
nych ograniczeń są następujące: b1e (73,33; 100), b2e (80; 240). Czy rozwiązanie optymalne będzie
takie samo w sytuacji, gdy:
a) bi = 90, przy niezmienionym b2
b) b2 = 200, przy niezmienionym bj?
Zadania
41. D o wyrobu pewnego leku używa się dwóch związków chemicznych A i B. Związki
te różnią się składem chemicznym i ceną zakupu, co ilustruje tabl. 59.
Wiadomo, że lek musi zawierać co najmniej 2,6 mg potasu, co najmniej 7 mg
sodu i od 2,2 do 4 mg azotu.
Tablica §9
Zawartość składnika (mg)
Składniki odżywcze w 1 jednostce związku
g f;; a b |1 :
Potas (K) 0,2 0,5
Sód (Na) 0,7 1,0
Azot (N) 0,4 0,25
Cena zakupu (zl) 3 6
1. W jakich ilościach zakupić i zmieszać związki chemiczne A i B, aby koszt

przygotowania leku spełniającego powyższe wymagania był możliwie najniższy?
Ile wynosi koszt przygotowania leku?
2. Podaj dopuszczalne zmiany cen związków chemicznych A i B, niepowo-
dujące zmiany rozwiązania optymalnego. Czy rozwiązanie optymalne zmieni się,
jeżeli związek A podrożeje do 4,5 zł?
3. Jakie są dopuszczalne zmiany wyrazów wolnych w warunkach ogranicza
jących niepowodujące zmiany bazy optymalnej? Jak zmieni się rozwiązanie opty
malne, jeżeli minimalna zawartość potasu w leku wzrośnie do 2,9?
42. Zakład spożywczy produkuje m.in. płatki śniadaniowe, z których najbardziej zna
nymi są 2 rodzaje musli: tropikalne i bananowe. Każdy rodzaj musli jest mieszan
ką kilku składników, przy czym trzy z nich: płatki zbożowe, kandyzowane ananasy
i suszone banany są dostępne w ograniczonych ilościach. Zawartość składników
w 1 kg musli, ich zasoby (miesięczne) oraz ceny i koszty jednostkowe produkcji
podano w tabl. 60.
Tablica 60
Zużycie składnika
Zasób na 1 kg musli
Składniki
jgsJkg)-
tropikalnych bananowych
Płatki zbożowe 480 0,40 0,20
Kandyzowane ananasy 180 0,18 0,55
Płatki bananowe 900 0,40
Koszt produkcji 1 kg (zł) 9,0 7,8
Cena sprzedaży 1 kg (zł) 11,2 10
Uwzględniając ponadto, że z analizy rynku wynika, iż nie będzie można

sprzedać więcej niż 1400 kg musli bananowych miesięcznie:
1. Zaplanuj optymalną strukturę produkcji musli gwarantującą firmie naj
większy zysk (zysk jednostkowy to cena pomniejszona o koszty).
2. Zapas którego ze składników zostanie w pełni wykorzystany przy ustalo
nej w punkcie 1. strukturze produkcji?
3. Rozważane jest obniżenie ceny musli bananowych o 10% (co przy nie
zmienionych kosztach spowoduje spadek zysku). Czy spowoduje to zmianę roz
wiązania optymalnego?
4. Określ dopuszczalne zmiany zasobów składników niepowodujące zmiany
bazy optymalnej. Jak wpłynie na zysk zmniejszenie zasobu płatków bananowych
(przesunięcie ich do innej produkcji) do 830 kg?
43. Do wyrobu odżywki dla niemowląt używa się dwóch półproduktów, które różnią
się zawartością czterech składników odżywczych: białka, soli mineralnych, wę
glowodanów i witaminy A oraz ceną zakupu co ilustruje tabl. 61. W tabl. podano
także minima dotyczące zawartości składników w odżywce.
Tablica 61
Zawartość składnika Minimalna

Składniki w 1 opakowaniu półproduktu zawartość
odżywcze
PI Ę Ę i ’ P2 H f w odżywce
Białko ~ 30 300
Sole mineralne 40 60 2400
Węglowodany 60 - 900
Witamina A 30 90 2700
Cena zakupu (zl) 18 36
1. W jakich ilościach zakupić i zmieszać półprodukty PI i P2, aby koszt przy

gotowania odżywki spełniającej powyższe wymagania (zakupu półproduktów) był
możliwie najniższy? Ile wynosi koszt przygotowania odżywki?
2. Czy obniżenie ceny produktu B do 24 zł spowoduje zmianę rozwiązania
optymalnego?
3. Podaj ceny dualne wszystkich składników odżywczych (rozwiązać pro
gram dualny).
4. Określ przedziały, w których interpretacja cen dualnych zachowuje waż
ność (analiza wrażliwości dla wyrazów wolnych warunków ograniczających).
Zwiększenie minimalnej zawartości którego ze składników odżywczych wiąza
łoby się z najniższymi kosztami?
5. Jak wpłynie na koszty produkcji odżywki:
a) zwiększenie minimalnej zawartości soli mineralnych do 2550?
b) obniżenie minimalnej zawartości witaminy A do 2600?
44. Firma ogrodnicza wytwarza wiele produktów do pielęgnacji roślin ozdobnych,

z których najbardziej znanymi są 2 rodzaje nawozów w płynie: Flora i Bio Florin.
Każdy z tych nawozów jest mieszanką kilku składników, przy czym trzy z nich:
sole mineralne, potas i mikroelementy dostępne są w ograniczonych ilościach.
Zawartość składników w 1 litrze nawozów, zasoby składników oraz ceny wytwa
rzanych nawozów i koszty jednostkowe produkcji podano w tabl. 62.
Tablica 62
Zużycie środka
•Zasófeifyf na 1 litr nawozu
Składniki
' iig Fldląg Bio Florin
Sole mineralne 480 0,30 0,40
Potas 180 0,20
Mikroelementy 720 0,60 0,40
Koszt produkcji 1 litra (zl) 5,0 4,3
Cena sprzedaży 1 litra (zl) 5,6 4,5
1. Uwzględniając ponadto, że ze względu na ograniczoną ilość opako

wań dla nawozu „Flora” - firma nie m oże wytworzyć więcej niż 1000 butelek
(litrów) tego nawozu m iesięcznie, należy zaplanować optymalną strukturę pro
dukcji nawozów gwarantującą firmie największy zysk (zysk jednostkowy to cena
pomniejszona o koszty). Jaki zysk jest możliwy do osiągnięcia?
2. Okazało się, że potas potaniał, co spowoduje spadek kosztów produkcji
nawozu Bio Florin do 3,3 zł. Czy zmiana ta (wpływająca także na zmianę zysku
jednostkowego tego nawozu) spowoduje zmianę optymalnej struktury produkcji?
4. Podaj dopuszczalne zmiany wyrazów wolnych w warunkach ograniczają
cych, przy których interpretacja zmiennych dualnych zachowuje aktualność.
5. Zasoby których składników są wąskim gardłem procesu produkcji? Jak
wpłynie na wielkość produkcji i zysk zwiększenie zasobu soli mineralnych o 48 kg
(przesunięte z produkcji innych wyrobów)?45
45. Zakład produkuje 3 rodzaje akumulatorów do samochodów: Model SS (super),

model S (standardowy) i model O (oszczędny). Każdy z trzech typów podlega
obróbce na 3 maszynach. Model SS wymaga 2 godz. obróbki na maszynie M 1#
1 godz. obróbki na maszynie M2 i 3 godz. obróbki na maszynie M3. Do wypro
dukowania modelu S niezbędne są 2 godz. czasu pracy maszyny M1; 3 godz.
maszyny M2 i 1 godz. maszyny M3, a dla wyrobu O niezbędne czasy pracy po
szczególnych maszyn wynoszą odpowiednio: 5, 2 i 3 godz. Z planów produkcyj
nych wynika, że w ciągu tygodnia maszyny będą mogły pracować przy produkcji
akumulatorów nie dłużej niż: Mj - 40 godz., a M2 i M3 - po 30 godz. Wiedząc,

że zyski jednostkowe wynoszą: z modelu SS - 32 zł, z modelu S - 24 zł i z modelu
0 - 4 8 zł, określ optymalną tygodniową produkcję akumulatorów, przy jakiej zysk
przedsiębiorstwa będzie maksymalny.
Powyższy problem opisuje następujący PL:
32xj + 24x2+ 48 x3 —> max,

2xj + 2 x2 + 5 x3 < 40,
xx+ 3 x2+ 2 x3 <30,
3xj + x2+ 3x3 < 30,
a końcowa tablica simpleks zawierająca rozwiązanie optymalne (gdzie x4, x5 i x6

to zmienne swobodne) ma postać tabl. 63.
Tablica 63
c 32 24 j 48 0 0 0
Rozwiązanie
xb x4 *s *6
48 A 0 0 i 0,4 -0,2 -0,2 4

24 *2 0 1 0 -0,15 0,45 -0,05 6
32 *i 1 0 0 -0,35 0,05 0,55 4
zi 32 24 48 4,4 2,8 6,8 464

C j-Z j 0 0 0 -4,4 -2,8 -6,8
1. Określ wrażliwość rozwiązania optymalnego na zmiany cen akumu

latorów.
2. Przedsiębiorstwo otrzymało zamówienie na pewną ilość innego wyrobu,
który jednak wymaga obróbki na maszynie M2. Czy zmniejszenie tygodniowego
czasu pracy maszyny M2 o 10 godz. spowoduje zmianę bazy optymalnej?
3. Jakie przy nowych limitach czasu pracy maszyn będą optymalne wielkości
produkcji modeli SS, S i O oraz łączny zysk z ich produkcji?46
46. Asortyment zakładu produkującego meble szkolne stanowią ławki, stoły i krzesła
drewniane. Produkcja każdego wyrobu odbywa się kolejno na trzech wydziałach
produkcyjnych: na wydziale obróbki wstępnej drewna, w stolarni i wykańczal-
ni, których dopuszczalny czas pracy (wynikający z liczby zatrudnionych pracow
ników) wynosi odpowiednio: 960, 800 oraz 320 godz. W tabl. 64 podano czas
obróbki każdego wyrobu na poszczególnych wydziałach oraz zyski uzyskiwane
przez zakład ze sprzedaży wyrobów.
Tablica 64
Nakład czasu pracy
Wyroby najednostkę wyrobu (wgodz.) na wydziale jednostkowy
obróbki wstępnej stolarni wykańczalni (rf)
Ławka 8 8 4 60
Stół 6 4 3 30
Krzesło 1 3 1 20
Optymalną strukturę produkcji tych wyrobów gwarantującą zakładowi mak

symalny zysk, przy istniejących ograniczeniach czasu pracy wydziałów produkcyj
nych, stanowi rozwiązanie poniższego programu liniowego:
6 0 xx+ 30x 2+ 20x3 -» max,

8xj + 6 x 2 + x3< 960,
8X | + 4 x 2 + 3*3^800,
4 xx+ 3x 2+ x 3 <: 320,
podane w ostatniej tablicy simpleksowej (tabl. 65), gdzie x 4, x 5 i x 6 są zmiennymi

swobodnymi.
Tablica 65
60 .^.7:30,
'" 'W '* Rozwiązanie
cb
W U :*i i; x4 ł l m 1 j ||
0 xĄ 0 -2 0 1 1 -2 480
20 x3 0 -2 1 0 1 -2 160
60 *1 1 1,25 0 0 -0,25 0,75 40
ZJ 60 35 20 0 5 5 5600
ci~ zi 0 -5 0 0 -5 -5
1. Czy wzrost ceny stołów do 40 zł spowoduje zmianę rozwiązania opty

malnego?
2. Określ dopuszczalne przedziały zmienności cen ławek i krzeseł niepowo-
dujące zmiany rozwiązania optymalnego.
3. Określ wrażliwość rozwiązania optymalnego na zmiany dopuszczalnych
czasów pracy poszczególnych wydziałów produkcyjnych.
4. Podaj rozwiązanie optymalne w przypadku, gdy dopuszczalny czas pracy :
wykańczalni wzrośnie do 380 godz.47
47. Huta posiada dwa wydziały dysponujące różnymi możliwościami produkcyjnymi.

Wydział I może produkować dziennie 10001 stali A, 3 0 0 0 1 stali B i 5 0 0 0 1 stali C.
Wydział II może produkować 2 0 0 0 1 każdego rodzaju stali. Huta zawarła kontrakt
z firmą budowlaną na dostawę: 24 0 0 0 1 stali A, 27 0 0 0 1 stali B i 40 000 t stali C.
1. Określ liczbę dni, w ciągu których powinien pracować każdy wydział,

wiedząc że koszt 1 dnia pracy wynosi dla wydziału I - 2800, a dla wydziału II -
2000 zł.
2. Kontrahent zrezygnował z 8000 t stali A. Czy zmusi to hutę do korekty
planu optymalnego?
3. D o jakiej kwoty mogą wzrosnąć koszty 1 dnia pracy poszczególnych wy
działów, aby ich wzrost nie spowodował zmiany rozwiązania optymalnego (zakła
damy, że wzrastają tylko koszty jednego z wydziałów)?
W odpowiedzi na powyższe pytania można wykorzystać informację, że
w końcowej tablicy simpleksowej wektor zmiennych bazowych ma postać:
'x2 ' 10 '
H = x5 = 5000
_*1_ 4
48. Klient dostarczył do tartaku kłody o długości 4,4 m, zlecając pocięcie ich tak,
aby otrzymać 400 kompletów belek. Na 1 komplet składają się 3 belki o długości
1,1 m i 1 belka o długości 0,8 m. Podaj optymalny sposób rozkroju surowca, aby
zrealizować zamówienie minimalizując koszt odpadów, jeżeli wiadomo, że 1 m
odpadów kosztuje 2 zł.
1. Rozwiąż powyższy problem, wykorzystując program dualny. Porównaj
uzyskane rozwiązanie z podanym na podstawie końcowej tablicy simpleksowej
V 275'
wektorem zmiennych bazowych: jeżeli wiadomo, iż w wyniku
*4. 100
zastosowania I sposobu cięcia uzyskuje się 4 belki o długości 1,1 m, a w wyni
ku zastosowania IV sposobu uzyskuje się 1 belkę o długości 1,1 m i 4 belki o dłu
gości 0,8 m. Podaj macierze B i B-1.
2. Czy fakt, iż koszt odpadów dłuższych niż 0,5 m będzie wynosił 3 zł spo
woduje zmianę rozwiązania optymalnego?
3. Czy rozwiązanie optymalne ulegnie zmianie, jeżeli komplet będzie się
składał z 3 belek każdego rodzaju?
49. Sprowadzony do postaci kanonicznej program liniowy z zad. 21 ma postać:
6x, + 3x2+ 0x3+ 0x4 + 0x5 + M sy+ Ms2+ Ms3 —» max,

0,04 x 1+ 0,12 x 2- x 3 +S j = 24,
0,14 x 1+ 0,07 x 2 —x4 + s2 = 49,
0,10x1+ 0,10x2 +x5 = 70,
Xj + x2 + ,v3 = 500,
gdzie x3, x4 i x5 to zmienne swobodne, a sv s2 i s3 to zmienne sztuczne.

98 zagadnienia programowania liniowego
W rozwiązaniu optymalnym:
x2 300'
Xl 200
F{x\,x*2) = 2 m .
x5 20
*3. 20
a zatem
100
0 0 2
7
0,12 0,04 0 -1
100
0,07 0,14 0 0 0 0 -1
B 1= 7
0,10 0,10 1 0 0 0 1 - 0,1
1 1 0 0 8
-1 0 0,2
7
1. Dostawca mieszanek zasygnalizował wzrost ceny paszy Pj o 20%. Czy spo

woduje to zmianę rozwiązania optymalnego? Czy rozwiązanie optymalne ulegnie
zmianie, jeżeli przy niezmienionej cenie paszy Px cena paszy P 2wzrośnie o 50%?
2. W celu poprawy jakości mięsa postanowiono podwyższyć wymagania do
tyczące zawartości składnika drugiego z 49 do 56. Czy spowoduje to konieczność
zmiany bazy optymalnej? Podaj nowe rozwiązanie optymalne.
50. Pewien hurtownik dysponuje 400 m 23powierzchni magazynowej oraz 100 000 zł
miesięcznie, które może wydać na produkty A, B i C. Produkt A kosztuje 400
zł i wymaga 1 m 2 powierzchni, produkt B kosztuje 1000 zł i wymaga 3 m 2 po
wierzchni, a produkt C kosztuje 500 zł i wymaga 2 m 2 powierzchni. Wiadomo też,
że hurtownik nie będzie mógł kupić więcej niż 80 szt. wyrobu C. Zakładając, że
hurtownik spodziewa się osiągnąć zysk w wysokości 30 zł na każdej sztuce wyro
bu A, 80 zł na 1 szt. wyrobu B i 60 zł na 1 szt. wyrobu C, określ optymalne wielko
ści zakupu poszczególnych produktów zapewniające maksymalizację zysku przy
istniejących ograniczeniach. Wiadomo już, że w końcowej tablicy simpleksowej
wektor zmiennych bazowych ma postać:
V '60'
*b = *2 = 60 F ( jc*, * 3 ) = 9600 zł.
*3. 80
1. Podaj macierze B i BA
2. Hurtownik ma możliwość wynajęcia dodatkowych 100 m 2 powierzchni
magazynowej. Czy spowoduje to zmianę rozwiązania optymalnego?
3. Jak wpłynie na rozwiązanie optymalne uzyskanie dodatkowych 10 000 zł
na zakup towarów?
1.6. Wykorzystywanie Solverá - narzędzia arkusza kalkulacyjnego...
4. Czy zniesienie ograniczenia na wielkość zakupu wyrobu C spowoduje ko

nieczność ponownego rozwiązania problemu?
5. Omów wrażliwość rozwiązania optymalnego na zmiany oczekiwanych
przez hurtownika zysków jednostkowych ze sprzedaży wyrobów.
51. Pewien dealer zajmuje się sprzedażą trzech produktów: A, B i C. Produkt A kosz
tuje 300 zt, jego sprzedaż zajmuje przeciętnie 10 min, a dostawa do klienta kosztu
je 15 zl. Produkt B kosztuje 500 zł, jego sprzedaż trwa przeciętnie 15 min i w tym
czasie jest odbierany przez klienta. Produkt C kosztuje 400 zl, sprzedawany jest
średnio w ciągu 12 min, a koszty jego dostawy do klienta wynoszą 30 zł. W ciągu
tygodnia dealer jest uprawniony do pobrania z hurtowni towarów na łączną kwo
tę 50 000 zł. Na wydatki związane z dostawą może wydać maksymalnie 2250 zł.
Biorąc ponadto pod uwagę, że czas przeznaczony na rozprowadzanie towarów
w ciągu tygodnia nie powinien przekroczyć 30 godzin (1800 minut), oraz że ocze
kiwane przez dealera zyski jednostkowe (po potrąceniu kosztów) ze sprzedaży
towarów A i B wynoszą 20 zł, a ze sprzedaży wyrobu C - 32 zł, należy określić
optymalną partię zakupu, gwarantującą maksymalizację zysku.
1. Wiedząc, że w końcowej tablicy simpleksowej wektor zmiennych bazowych
x2 40
ma postać: xb = _ 300 podaj wartość funkcji celu dla rozwiązania opty-
*5
_*3. _ 75 _
malnego, oraz macierze B i B-1.
2. W jakich granicach mogą ulec zmianie zyski jednostkowe ze sprzedaży
wyrobów, nie powodując zmiany rozwiązania optymalnego?
3. Czy gdyby dealer zdecydował się pracować tygodniowo o 10 godzin dłużej
- spowoduje to konieczność ponownego rozwiązania problemu. Podaj rozwiąza
nie optymalne dla tego przypadku.
4. D o jakiej wysokości może wzrosnąć kwota, na jaką dealer pobiera towary
z magazynu, aby nie spowodowało to konieczności zmiany bazy optymalnej?
1.6. Wykorzystanie Solverá - narzędzia arkusza kalkulacyjnego

do rozwiązywania programów liniowych
Wybrane przykłady rozwiązane za pomocą algorytmu simpleks rozwiążemy jeszcze
raz za pomocą narzędzia arkusza kalkulacyjnego (dostępnego zarówno w Excelu,
jak i w arkuszu Open Office)44. D o rozwiązania można także otrzymać m.in. analizę
wrażliwości.
44 W Excelu 2003 dodatek ten jest dostępny w menu Narzędzia. Jeżeli nie jest dostępny - należy
go najpierw doinstalować, wybierając z menu Narzędzia Dodatki i zaznaczając Solver.
W Excelu 2007 i nowszych Solver powinien być dostępny w menu Dane. Jego doinstalowanie
(wg „Pomocy”):
100
Należy podkreślić, że zaprezentowany tu układ arkusza nie jest jedynym możli

wym, mamy tylko nadzieję, że ta propozycja wyjaśni ideę wykorzystania Solverá.
Na początek przykład 8 dotyczący wyboru asortymentu produkcji. Na rys. 9
przedstawiono arkusz, w którym wpisano dane (parametry) zadania - w postaci tabe
li, rozdzielonej na kilka grup informacji, tak aby wykorzystując te informacje, można
było zapisać model45.
Komórki B9 i C9 zarezerwowano na rozwiązanie optymalne (optymalne wartości
zmiennych decyzyjnych zostaną wpisane po uruchomieniu Solverá). Do tych komórek
będziemy się odwoływać, zapisując model w komórkach Excela.
W kolumnie D wpisano warunki ograniczające, np.
W komórce D3 formuła (warunek pierwszy) ma postać: =B3*B$9+C3*C$9
W komórce D 4 (warunek drugi): =B4*B$9+C4*C$9
W komórce D5 (warunek trzeci): =B5*B$9+C5*C$9
(zauważmy, iż dzięki temu, że adresy komórek zarezerwowanych dla zmiennych
decyzyjnych zablokowano znakiem „$”(wystarczyło wiersz - znak ten powoduje, że
przy kopiowaniu formuły adres komórki się nie zmienia) - formułę można skopiować
z komórki D3 do komórek D4 i D5, a nawet do D7 - formuła w tej komórce będzie
funkcją celu: =B7*B$9+C7*C$9
A i , ' -B D 'E j
Ifg Z uży cie surow ca (w kg)

Surow ce na 1 szt. wyrobu W arunki ograniczające Z a p a s (kg)
2 W1 w2
3 Si 2 1 = B 3 *B $ 9 + C 3 *C $ 9 1 00 0
4 S2 3 3 = B 4 *B $ 9 + C 4 *C $ 9 2400
5 §3 1,5 = B 5 *B $ 9 + C 5 *C $ 9 600
6
7 C en a (zł) 30 20 = B 7 *B $ 9 + C 7 *C $ 9 Funkcja celu
8
9
10 x2
/ X1
11 Kom órki, do których w p isan e zostan ie rozw iązanie
12 (optym alne w artości zm iennych decyzyjnych)
Rys. 9. Przygotowanie arkusza do rozwiązania modelu z przykl. 8
1. Kliknij przycisk Microsoft Office \ a następnie przycisk Opcje programu Excel.

2. Kliknij pozycję Dodatki, a następnie w polu Zarządzaj wybierz pozycję Dodatki programu
Excel.
3. Kliknij przycisk Przejdź.
4. W polu Dostępne dodatki zaznacz pole wyboru Solver, a następnie kliknij przycisk OK.
45 Zauważmy, że surowca S3 nie zużywa się do produkcji W2. W odpowiedniej komórce tabeli byl
znak który nie jest argumentem; w arkuszu musi to być liczba (0 ) lub puste pole.
1.6. Wykorzystywanie Solverá - narzędzia arkusza kalkulacyjnego... 101
Po wpisaniu i zaakceptowaniu formuł arkusz będzie miał postać jak na rys. 10

(parametry mnożymy prze zerowe wartości zmiennych decyzyjnych - stąd zera
w komórkach).
A Hflilii • C D E
Z uży cie surow ca (w kg)
1
Surow ce na 1 szt. wyrobu. W arunki ograniczające Z a p a s (kg)
2 W, w2
3 Si 2 1 0 1000
4 $2 3 3 0 2400
5 s3 1,5 0 600
6
7 C e n a (zł) 30 20 0
8
9
10 Xl x2
Rys. 10. Arkusz przygotowany do uruchomienia Solverá
Obecnie można uruchomić Solver (z menu Dane lub Narzędzia), najwygodniej po

ustawieniu kursora w „komórce celu” (tu D7). W okienku dialogowym, jakie się poja
wi, należy zaznaczyć kolejno:
Komórka celu: D7 (adres zostanie wpisany, jeśli kursor został w niej umieszczony)
Równa: Max (w tym przypadku)
Komórki zmieniane: B9:C9 (tzw. obszar zmiennych decyzyjnych, czyli komórki do
których zostanie wpisane rozwiązanie)
Warunki ogranicząjące: należy wcisnąć przycisk Dodaj i zaznaczyć D3 E3
Dodaj D4|_£jE4
Dodąj D 5 [< 1 e 5
(wszystkie warunki, które mają ten sam zwrot można także zaznaczyć łącznie, czy
li zamiast zaznaczać każdy warunek oddzielnie jak wyżej można wprowadzić:
D3:D5 0 E3:E5
Należy jeszcze wcisnąć przycisk Opcje i zaznaczyć dwie:
Przyjmij model liniowy
Przyjmij nieujemne (warunki brzegowe)
I na koniec wcisnąć przycisk Rozwiąż
Jeżeli wszystko zostało zaznaczone prawidłowo, pojawi się okienko „Dodatek

Solver znalazł rozwiązanie....”46 w komórkach zostanie wpisane rozwiązanie (opty
malne wartości zmiennych decyzyjnych) oraz wartość funkcji celu. W tym przypadku
arkusz będzie miał postać:
f .A lllllll l i i i |i||||il|s ■E F
Z u ży cie surow ca (w kg)
1 Zapas
Surow ce na 1 szt. wyrobu W arunki ograniczające
(kg)
■2:J W, w2
3§ Si 2 1 1000 1 00 0
4 s2 3 3 2400 2400
5 1,5 300 600
III
7 C e n a (zł) 30 20 1 80 0 0 Funkcja celu
8
9 ||||o ¡li 600
10 *1 x2
Rys. 11. Rozwiązanie przykładu 8 za pomocą Solverá
Można też zaznaczyć (i otrzymać) raporty: wyników, wrażliwości i granic; każ

dy z nich pojawia się w osobnym arkuszu - dwa pierwsze zawierają więcej informacji
o rozwiązaniu; raport wrażliwości dostarcza dane potrzebne do analizy wrażliwości
(por. kolejny przykład).
Poniżej rozwiązano jeszcze model z przykładu 11. Rys. 12 przedstawia arkusz
z danymi i wprowadzanym modelem (w obydwu przypadkach dane wprowadzono
w postaci tablicy, ale wystarczy wpisać tylko parametry modelu)47.
W tym przypadku dla 4 zmiennych decyzyjnych zarezerwowano komórki B8 - E8,
model składa się z dwóch warunków ograniczających, warunków brzegowych i funkcji
celu. Warunki (ich lewe strony) zapisano w komórkach F3 i F4.
Formuła w komórce F3 ma postać =B3*$B$8+C3*$C$8+D3*$D$8+E3*$E$8
formuła w komórce F4: =B4*$B$8+C4*$C$8+D4*$D$8+E4*$E$8
i formuła w komórce F6 (funkcja celu): =B6*$B$8+C6*$C$8+D6*$D$8+E6*$E$8
46 Zdarza się też komunikat, że Solver nie może znaleźć zadawalającego rozwiązania i wtedy trzeba
sprawdzić, czy wprowadzono wszystko w porządku; może się też zdarzyć, że warunki są sprzeczne i rze
czywiście nie ma rozwiązania.
47 Wygodniej jest każde zadanie (model) rozwiązywać w nowym arkuszu, bo Solver pamięta wszyst
kie poprzednie ustawienia i trzeba je zmieniać.
1.6. Wykorzystywanie Solverá - narzędzia arkusza kalkulacyjnego... 103
f i f | : ! :® C D E F G
Z aw a rto ś ć składnika M inim alna
1 Składniki w 1 kg m ieszanki W arunki ograniczające ilość
odżyw cze
2 m 2 m 3 m 4 składnika
3 A 4 0 4 5 = B 3 *$ B $ 8 + C 3 *$ C $ 8 + D 3 *$ D $ 8 + E 3 *$ E $ 8 1 20
4 B 2 6 4 4 = B 4 *$ B $ 8 + C 4 *$ C $ 8 + D 4 *$ D $ 8 + E 4 *$ E $ 8 1 80
6 C en a 1 kg 12 9 16 14 = B 6 *$ B $ 8 + C 6 *$ C $ 8 + D 6 *$ D $ 8 + E 6 *$ E $ 8
7 " " F. celu
8
_________ JL
9 X1 x2 *3 x4
/
10 O b szar zm iennych decyzyjnych
Rys. 12. Przygotowanie arkusza do rozwiązania modelu z przykł. 11
(ponieważ adresy komórek zawierających zmienne decyzyjne zablokowano znaka

mi formułę z komórki F3 można było skopiować do komórek F4 i F6 (w tym
przypadku zablokowano w komórkach wiersz i kolumnę; wystarczyło umieścić znak $
przed numerem wiersza -8). Po zaakceptowaniu warunków ograniczających i funkcji
celu arkusz będzie miał postać.
1 |; a ^ 1, B', C E F G
1 Składniki Z aw a rto ś ć składnika w 1 kg m ieszanki W arunki M inim alna
2 odżyw cze m 2 m 3 m 4 ograniczające ilość składnika
3 A 4 0 4 5 0 1 20
4 B 2 6 4 4 0 1 80
5
6 C en a 1 kg 12 9 16 14 0
7 -------Funkcja celu
8
*
111 X1 X2 X3 X4
liii O b szar zm iennych decyzyjnych
Rys. 13. Arkusz przygotowany do uruchomienia Soivera

1
104
i 1 Wybrane zagadnienia programowania liniowego
Zatem ustawiamy kursor w komórce F6 (najwygodniej), uruchamiamy Solver

i w okienku dialogowym, jakie się pojawi zaznaczamy kolejno:
Komórka celu: F6
Równa: Min (w tym przypadku)
Komórki zmieniane: B8:E8 (tzw. obszar zmiennych decyzyjnych),
Warunki ograniczające: wciskamy Dodaj i zaznaczamy F3:F4 G3:G4
(czyli od razu obydwa warunki)
Wybieramy Opcje i zaznaczamy: Przyjmy model liniowy
Przyjmy nieujemne
I na koniec wcisnąć przycisk Rozwiąż
Po pojawieniu się komunikatu „Dodatek Solver znalazł rozwiązanie....” arkusz
będzie miał postać jak na rys. 14.
Al l f B : / 'C - ż . d , ■ 'E y ':5 F G
1 Z a w a rto ś ć składnika w 1 kg m ieszanki W arunki M inim alna

Składniki
2 odżyw cze 2 3 4 ograniczające ilość składnika
M, m m m
3 A 4 0 4 5 1 20 120
4 B 2 6 4 4 1 80 180
6 C e n a 1 kg 12 9 16 14 462 Funkcja celu
8 0 14 0 24
9 X1 x2 *3 x4
Rys. 14. Rozwiązanie modelu z przykładu 11 za pomocą Solverá
W okienku dialogowym zaznaczymy jeszcze Raport wrażliwości, który wyświetlo

ny będzie w dodanym arkuszu i będzie miał postać jak na rys. 15.
1,7. Programowanie ilorazowe 105
A B C D ■E ■ F G H
""i Microsoft Excel 12.0 Raport wrażliwości
Arkusz: [Arkusz 1 w ........

w
Raport utworzony: 2015.......
j Ir Kom órki decyzyjne
*3 Dopusz Dopusz
Wartość Przyrost Współczynnik
Komórka Nazwa czalny czalny
4 końcowa krańcowy funkcji celu
wzrost spadek
11' $B$8 M1 0 2,6 12 1E +30 2,6
6 $C$8 M2 14 0 9 12 9
7 $D$8 M3 0 3,6 16 1E +30 3,6
8 $E$8 M4 24 0 14 3,25 8
f9 l
10 W arunki ograniczające
Dopusz Dopusz
Wartość Cena Prawa strona
Komórka Nazwa czalny czalny
./fz końcowa dualna w. o.
wzrost spadek
i:1l $F$3 W.O. 120 1,6 120 105 120
14 $F$4 w.o. 180 1,5 180 1E +30 84
Rys. 15. Raport wrażliwości do rozwiązania modelu z przykładu 11.
1.7. Programowanie ilorazowe

Niekiedy praktyka stawia przed podejmującym problematykę optymalizacji zadań
dwa trudne do zrealizowania cele: osiągnięcie maksimum efektu przy równoczesnej
minimalizacji nakładów. Trzeba jednak stwierdzić, że nie ma bezpośredniego sposo
bu realizacji tak postawionych celów. Toteż zaistniała pilna potrzeba szukania dróg
pośrednich.
Takim pośrednim sposobem pogodzenia ze sobą dwóch rozbieżnych celów jest

wykorzystanie funkcji kryterium, skonstruowanej w postaci wskaźnika o strukturze
liniowo-ulamkowej. Od tak zbudowanej funkcji kryterium wywodzi się nazwa progra
mowanie ilorazowe (w skrócie PI).
W wielu zagadnieniach gospodarczych typu: optymalizacja struktury asortymen
towej produkcji bądź też mieszanek istotną rolę odgrywają wielkości stosunkowe zwa
ne także współczynnikami (koszt jednostkowy, wydajność pracy, rentowność itd.).
Zatem przy rozwiązywaniu problemu optymalizacji asortymentu produkcji, zamiast
korzystać z kryterium w postaci maksymalizacji łącznego przychodu ze sprzedaży
bądź też łącznego zysku, zastosujemy funkcję celu w formie ułamkowej, np. wydaj
ności pracy lub kosztu jednostkowego.
Pragnących pogłębić swoją wiedzę w tym temacie informujemy, że zagadnienie
to zostało opisane i bogato zilustrowane przykładami w pracy zbiorowej pod red.
S. Krawczyka [74].
Reasumując, należy podkreślić, że zadanie PI składa się z warunków ograniczają
cych o postaci liniowej, warunków brzegowych oraz funkcji celu o postaci ułamkowej.
W ułamku tym zarówno licznik, jak i mianownik są przedstawione w postaci linio
wej. Tak skonstruowaną funkcję celu można odczytać, jako jedną ze znanych w eko
nomii wielkości stosunkowych.
1.7.1. Form alizacja za g a d n ien ia w yb o ru aso rtym en tu produkcji

Przedsiębiorstwo wytwarza n asortymentów, przy których zużywa się r środków pro
dukcji. Jednostkowe nakłady środków zawarte są w macierzy:
«12 • • «ln
jF"1
«21 «22 ‘ • «2«

►
u
II
( 1)
_«n «r2 ' • a rn
Limity środków produkcji tworzą wektor:
h
h
■»= [ > ] = ’ • ( 2)
br
Asortymentową strukturę produkcji przedstawia wektor:
X = [ Xj ] = [ Xl ’ X2 , - ’ Xn]- (3)
1.7. Programowanie ilorazowe 107 i
Ponadto dane są: Cj - współczynnik wartości produkcji dodanej przypadającej

na jednostkę j-tego wyrobu (asortymentu), dj - współczynnik zatrudnienia przypa
dającego na jednostkę j- tego wyrobu.
Cełem zadania jest znalezienie takiej asortymentowej struktury produkcji, która
maksymalizuje wskaźnik wydajności pracy. Wydajność pracy jest mierzona wartością
produkcji dodanej, przypadającą na jednostkę zatrudnienia:
n
Y , ci xi
G(x) = ^ ------. (4)
% di xi
;=i
Zatem funkcja G(x) jest pewnym wskaźnikiem efektywności nakładów.

Przedstawiony problem przy założeniu liniowości relacji tworzących ograniczenia
można zapisać w postaci:
1 CJ X J
G(x) = —--------- >max,
f , djxj
;=i (5)
n
YjVijXj^bi (z = l , 2 , . . . , r),
j=i
jr; > 0 (y = l , 2 , . . . , n ) , C j , d } > 0.
Jeśli rozważyć konstrukcję funkcji celu, łatwo dostrzec, że chodzi tu o uzyskanie

dwóch następujących optimów:
n
G l ( x ) = Y J cj x j ~ > r n a x , ( 6)
7=1
n
G2{x) = 'YJdjxj ^ m m . (7)
; '= i
przy równoczesnym spełnieniu ograniczeń.

Tak postawione zadanie jest zadaniem optymalizacji dwukryterialnej. Zadanie
to nie ma rozwiązania w sensie dotychczas poznanych zasad, co oznacza, że nie ist
nieje w zbiorze rozwiązań dopuszczalnych taki wektor xG, przy którym jednocze
śnie G^ jCq) osiąga maksimum, a G2(x0) minimum. Opisana procedura jest próbą
poszukiwania rozwiązania kompromisowego, tak więc optimum PI odbiega z regu
ły dość znacznie od rozwiązania przy tych samych ograniczeniach, gdy Gx(x) —>max
lub G2(x)->min.
1.7.2. Formalizacja zagadnienia diety

Gospodarstwo rolne zakupuje m rodzajów pasz w ilościach xj (y = 1, 2 , m), którymi
karmi swój inwentarz. Racjonalne żywienie wymaga dostarczenia zwierzętom pew
nych niezbędnych składników odżywczych w ilościach ct(i = 1, 2 , q), które przed
stawia wektor
Zawartość składników odżywczych w poszczególnych paszach (i-tego składnika

w y-tej paszy) zestawiono w macierzy:
Ai Pl2 '" Am
Ai Pu ■ Am
B=[Ą]=
Ai Pq2 ' Pqm
Strukturę zakupu pasz przedstawia wektor:
x = [ x j ] = [ x v x 2 , . . . , xm]. (10)
Dane są również: pj - cena zakupu jednostki wagowej y-tej paszy, z, - efekt pro
dukcyjny (np. przyrost wagi żywca) związany z zakupem jednej jednostki y-tej paszy.
Zadaniem naszym jest określenie struktury zakupu pasz na podstawie kompro
misowego kryterium wyrażonego w postaci następującego wskaźnika efektywności:
m
l z jxj
F (x) = ^ — • (u )
¿AA
i =1
Zarysowany problem optymalizacji struktury zakupu pasz można zapisać w postaci:
m
l z ixi
F (x) = ^ --------->max>
I P jx j
(12)
m
(*’= 1’ -»9)»
j =i
Xj >0 (y = 1,..., m ).
1.7. Programowanie ilorazowe 109
Rozważając funkcję (11), można zauważyć, że chodzi tu o kompromis dwóch

kryteriów:
m
Fi ( x) = Z z; xy ”>max (13)
y'=i
oraz
m
F2 (x) = ^L/PjXj min, (14)
1=1
przy spełnieniu warunków ograniczających.
Przykład 13. Producent obuwia wytwarza na eksport dwa rodzaje obuwia: lakier
ki i obuwie sportowe. D o produkcji obuwia stosuje się trzy rodzaje skóry, których
zużycie jest ograniczone. Jednostkowe zużycie oraz miesięczne limity niezbędnych
w produkcji skór podano w tabl. 66.
Tablica 66
Zużycie na 1 parę Limit zużycia
produkcji lakierki sportowe skóry
Skóra I 2 1 9000j.
Skóra II 1 1 5500j.
Skóra III 1 2,5 lOOOOj.
Aby zrealizować zawarte już umowy, kombinat musi produkować co najmniej po

1000 par lakierków i obuwia sportowego miesięcznie. Koszt wytworzenia 1 pary la
kierków wynosi 140 zl, zaś 1 pary obuwia sportowego - 250 zł. Sprzedając 1 parę la
kierków, kombinat uzyskuje 150 dolarów, zaś ze sprzedaży 1 pary obuwia sportowego
otrzymuje 130 dolarów.
Ustal miesięczną produkcję obuwia, która zapewni uzyskanie największych wpły
wów dewizowych przy najniższych kosztach produkcji.
R o z w i ą z a n i e . W zadaniu postawiono dwa cele równocześnie. Ponieważ nie
poznaliśmy dotąd sposobów rozwiązywania zadań o dwóch kryteriach, należy przyjąć
funkcję celu kompromisowo sformułowaną. Jeśli przez*] oznaczymy wielkość produk
cji lakierków, a przez *2 wielkość produkcji obuwia sportowego, to cel I (maksymaliza
cja wpływów dewizowych) można zapisać następująco:
G 1[xi , *2) = 150*! +130*2 -i►max,
a cel II (minimalizacja kosztów) można sformułować w postaci funkcji
G 2 (x 1 , x2) = 140*! +250*2 min-

Przyjmujemy rzecz jasna jedno kryterium kompromisowe
G ( x 1, x 2) = G ^ Xi \ = 1 5 0 x i + 1 3 0 ^ 2_ m ax.
G 2 { xi , x2) 140 xl + 250 x2
Oznacza to, że chcemy maksymalizować przychód dewizowy (w dolarach) przypadają-

. G, ( x i , x 2)
cy na 1 złotówkę kosztów własnych (taki sens ekonomiczny ma wyrażenie — -------r ).
G2 {xl , x 2)
Uwzględniając podane w tekście ograniczenia, cały program można napisać
następująco:
(1) 2x 1 + x2 < 9000,

(2) x1+ x2 < 5000,
(3) x 1 + 2,5*2 - 10 000,
(4) x 1+ > 1000,
(5) x2 > 1000,
, 150.*, + 130*2
(6) G(Xi,x-, ) = ------ ±--------- --> m a x .
1 1 2' 140^+250x2
Ograniczenia (l)-(5 ) wykreślono na rys. 16 i zaznaczono zbiór rozwiązań dopusz-

czalnych (pięciobok ABCDE).
Na rysunku należy także nanieść funkcję G 2 [xl , x 2) = 0 o 140x1 + 250x2 = 0

i sprawdzić, czy nie ma ona punktów wspólnych ze zbiorem rozwiązań dopuszczal
nych. Jak widać prosta G 2 nie ma punktów wspólnych z pięciobokiem ABCDE.
1.7. Programowanie ilorazowe; 111
W dalszej kolejności należy znaleźć współrzędne tzw.punktu obrotu prostej

rozwiązującej P0 (x[\ x2). Są one rozwiązaniem układu równań:
Gi ( * i , x 2) = 0, G z ( x 1, x2) = 0,
czyli
150x1+ 130x2 = 0,
140x1+ 2 5 0 x 2 = 0.
a więc xf = 0, x2 = 0.
Wokół punktu .P0(0,0) obracamy prostą rozwiązującą (/), zahaczając o punkty
skrajne pięcioboku/l(1000; 3600) i C(4000; 1000).
Sprawdzamy wartość funkcji G(xp x2) w tych punktach:
G(1000, 3600)-0,594, G(4000,1000) «0,901.

Ponieważ G( A) <G( C) , więc w punkcie C znajduje się ekstremum warunkowe
funkcji G.
Zatem rozwiązaniem naszego zadania jest następująca struktura produkcji: 4000
par lakierków oraz 1000 par obuwia sportowego. Ta optymalna struktura produkcji
(x* = 4000, x 2 = 1000) daje około 0,901 dolara na 1 złotówkę poniesionych kosztów.
Przykład 14. Dane są następujące ograniczenia:
(1) Xj + 3 x2 < 15,

(2) Xj + 3x2 > 9,
(3) xx > 1,5,
(4) x2 > 1,5.
1. Znajdź optymalne rozwiązanie, gdy
G1(x1, x2) = 2x 1 + 4 x 2 + 6 - » m ax.
2. Znajdź optymalne rozwiązanie, gdy
G1(x1, x2) = x x+ x2+ 2 min.
3. Znajdź rozwiązanie kompromisowe, gdy funkcja celu przyjmuje postać ułam

kową złożoną z funkcji G 1 i G2:
r ( v v 1 (xi ’ x 2 ) _ 2xt + 4 x 2 + 6 -> max.

15 2 G2( x 1, x 2) x 1+ x2 + 2
R ozw iązan ie.

Ad 1. Wykreślając ograniczenia (l)-(4 ), otrzymujemy obszar rozwiązań do
puszczalnych w postaci czworoboku A BC D (rys. 17). Łatwo znaleźć, że maksimum
warunkowe funkcji G 1(^1,^2) znajduje się w punkcie C. Zatem = 10,5; x 2 = 1,5;
G 1(x*i ,x*2) = 33.
Ad 2. Podobnie znajdujemy, że minimum warunkowe funkcji G 2 (xl,x2) znajduje
się w punkcie A. Oznacza to, ż q x * = 1,5;x*2 = 2,5; G 2 (x\, x \ ) = 6.
Ad 3. Mając zbiór rozwiązań dopuszczalnych w postaci czworokąta ABCD,
będziemy poszukiwać ekstremum warunkowego funkcji G(xv x2). Wpierw na
leży sprawdzić, czy prosta G 1 {x1, x2) - 0 nie ma punktów wspólnych ze zbiorem
rozwiązań dopuszczalnych. Jak widać z rysunków 17 i 18 prosta G 2 (xt, x2) = 0 jest
usytuowana w drugiej, trzeciej i czwartej ćwiartkach i nie ma punktów wspólnych
z czworokątem ABCD.
W dalszej kolejności należy znaleźć punkt ,*2), rozwiązując układ równań
Gj(xj, x2) = 0, G 2 (X{, x2) = 0,
czyli
2,x2*t*4x2+ 6 = 0,
4 *r24 2 = 0.
Jego rozwiązanie to: = -1, x 2 = -1.

Obracając prostą rozwiązującą wokół punktu P0( -l, -1), otrzymujemy jej skrajne
położenia, tzn. punkty D i C. Wartości funkcji G w tych punktach wynoszą:
G(1.5; 4 ,5 ) = f = 3| , G (10,5; 1,5) = ^ = 2A .
Rys. 17
A
Ponieważ G(l,5; 4,5) > G(10,5; 1,5) przeto funkcja G(xv x2) osiąga maksimum
w punkcie D, a więc x \ = 1,5; x \ = 4,5.
Zauważmy, że kolejne rozwiązania z punktów a), b), c) różnią się między sobą.
Oczywiste jest, że inną wartość liczbową przyjmuje rozwiązanie dla funkcji celu
Gj^ j, x2) maksymalizowanej (punkt C), inną zaś dla funkcji G 2 (xv x2) minimalizo
wanej (punkt A). Jeszcze inne, trzecie kolejne rozwiązanie jest kompromisem przy
zadaniu jednoczesnej realizacji dwóch kryteriów G t i G2. Optimum zatem stanowią
współrzędne punktu D, a więcx* = 1,5; x 2 = 4,5.
Pytania i problemy
1. Wskaż zasadniczy cel, dla którego korzysta się z modelu programowania ilorazowego.
2. Omów różnice w konstrukcji między dotychczas poznanymi modelami programowania
liniowego a nowo przedstawionym modelem PI.
3. Podaj kilka przykładów z praktyki gospodarczej, w których m oże znaleźć zastosowanie
poznana konstrukcja modelowa.
4. W pewnym zadaniu PI funkcja celu przybiera postać:
Gt G) X i-t-X y -t-2
) ; = -----i----------------- > max.
G2 (*) 12jC| + 3x2 +15
Rozważ, czy zmiana funkcji celu w następujący sposób:
12jc, + 3x2 +15

Gz(*) -----4------ ---------- > mm
ą(x) xv + x2 + 2
a) spowoduje zmianę współrzędnych punktu PQ{x\, x 2),

b) może wywołać zmianę rozwiązania optymalnego.
5. Dany jest następujący czworokąt, który stanowi zbiór rozwiązań dopuszczalnych: A(2,2);
£(5,1); C(4,4); D (l,5 ) oraz punkt P0( - l , -1 ). W których punktach spośród czterech podanych moż
liwe jest rozwiązanie optymalne?
Zadania
52. Rozwiąż, stosując metodę geometryczną, następujący program:
( 1) - x { + 2 x 2 > 8,
(2) + x2 < 8,
(3) - x1+ 2 x2 < 1,
(4) x x- 2x2 < 4,
(5) 0 < Xj < 6,
( 6)
(7)
+ ^2 + 4
53. Dany jest program liniowy z funkcją celu w formie ułamkowej:
(1) 2x1+ x 2 > 6,

(2) - x 1+ x 2 < 3,
(3) 2 xj + x2 < 12,
(4) xv x2 > 2,
x 1 - 2x2 + 2
(5) —------ ź------- >max.
H { x l, x 2) = ^
3xj - x2 + 6
1. Rozwiąż zadanie, stosując metodę geometryczną.

2. Podaj wartość funkcji celu dla optimum.54
54. Dane jest zadanie PI:
( 1) x 1 - x2 < 0,
(2) 2 xl + x2 > 6,
(3) x1+ x2 < 6,
(4) Xj + x2 > 5,
(5) Xj, x2 > 0,
- x 1 + 2x2 + 3
(6) G( x u x2) = - -4 mm.
2xj + x2 + 4
1. Rozwiąż program, stosując metodę geometryczną.

2. Podaj wartość G(x*, x 2)-
55. Rozwiąż następujące zadanie PI:
(1) xx+ x 2 <5,
(2) xx+ x2 > 1>
(3) x 1 - 2 x 2 ^ 2,
(4) xx > 0,
(5) 0 <x 2 < 3,

3xj + 2jc2 + 4
(6) z ( * i , * 2) = ->max.
6 xx -
4*2 +16
56. Przedsiębiorstwo ma za zadanie sporządzić roczny plan produkcji dwóch wyro

bów C i D (w min sztuk). Przy produkcji tych wyrobów zużywa się wiele środków,
lecz pośród nich dwa są limitowane: limit środka 1 - 8 000 000 jedn., limit środka
II - 5 000 000 jedn. Zużycie jednostkowe tych środków na produkcję wyrobu C
i D podano w tabl. 67.
Tablica 67
Zużycie jednostkowe na wyrób

Środki produkcji
C D
I 1 4
II 1 1
Wiadomo również, że przedsiębiorstwo otrzymało już zamówienie na 2 min

sztuk wyrobu C. Jednostkowe koszty produkcji wyrobów wynoszą odpowiednio
8 zł i 12 zł. Zysk jednostkowy realizowany na produkcji wyrobu C wynosi 2 zł,
a na produkcji wyrobu D - 4 zł. Znajdź kompromisowe rozwiązanie problemu,
uwzględniając zarówno postulat minimalizacji kosztów, jak i maksymalizacji
łącznego zysku.57
57. Kombinat metalurgiczny wytwarza na eksport dwa rodzaje stali Z x i Z 2.

Informacje decyzyjne pozwalające określić optimum asortymentowe produkcji
na rok kalendarzowy zawarto w tabl. 68.
Wskaż taki asortymentowy plan produkcji stali Z x i Z 2, który przy możliwie
najniższych kosztach własnych pozwoli uzyskać maksymalny wpływ dewizowy ze
sprzedaży. Podaj wysokość wpływu dewizowego przypadającego na 1 złotówkę
kosztów własnych przy optymalnym rozwiązaniu.
Tablica 68
StaLii Zasoby środków
Wyszczególnienie Jednostka
produkcji
■ z, Hm2
Zużycie surówki na 1 1 stali t 2 1,5 1 200 000
Pracochłonność związana
h 60 90 54 000 000
z produkcją 11 stali
Zużycie innych surowców t 0,3 0,3 270 000
Koszt produkcji 1 1 stali z! 1800 2000
Cena eksportowa 1 1 stali dolar 900 1200
Minimalne zapotrzebowanie t 150000 200000
Maksymalne zapotrzebowanie t 700 000 700000
58. Do produkcji dwóch wyrobów przedsiębiorstwo zużywa materiały, surowce, ma

szyny i pracę. Limity poszczególnych czynników produkcji, ich jednostkowe zuży
cie przy wytwarzaniu wyrobów, jak również ceny osiągane na ich sprzedaży oraz
koszty jednostkowe zamieszczono w tabl. 69.
Tablica 69
Wyroby Limity czynników
Wyszczególnienie
produkcji
Materiały i surowce 3 1 12000 jedn.

Maszyny 1 3 12000 jedn.
Praca 1 1 5000 jedn.
Ceny eksportowe wyrobów w funtach 400 200
Koszty jednostkowe produkcji w zł 600 400
Przedsiębiorstwo otrzymało dotychczas zamówienie na 1500 szt. wyrobu I

oraz na 1500 szt. wyrobu II.
Podaj optymalną strukturę produkcji, kierując się kryteriami maksymalnego
przychodu dewizowego w funtach oraz minimalnego kosztu produkcji. Ile funtów
przypada na 1 złotówkę poniesionych nakładów?
59. W przedsiębiorstwie wytwarzane są na eksport dwa wyroby48. Informacje plani

styczne do opracowania rocznego planu podano w tabl. 70.
48 Zadanie zostało zaczerpnięte z H. Kryński, A. Badach [52], dane cenowe zaktualizowano.

1. 7. Programowanie ilorazowe
Tablica 70
Wyrób . Zasoby czynnika

Wyszczególnienie Jednostka
II w tyś. jedn.
l i
Zużycie materiału
kg 3 2 6
na jednostkę wyrobu
Pracochłonność na jednostkę
maszynogodz.
wyrobu na urządzeniu A 6 3 9
Pracochłonność na jednostkę
maszynogodz.
wyrobu na urządzeniu B 4 4 8
Koszt jednostkowy produkcji zł 10 8
Cena eksportowa dolar 12 8
Minimalne zapotrzebowanie
tys.kg 0,5 0,5
odbiorcy
Opracuj taki plan produkcji wyrobów I i II, który zapewnia uzyskanie naj
większych wpływów obcej waluty przy najmniejszych kosztach produkcji.
60. Przedsiębiorstwo rolne specjalizujące się w hodowli bydła mlecznego może za
kupić dwa rodzaje pasz I i II. Zawartości niezbędnych składników odżywczych
w obu paszach oraz odpowiednie normy żywieniowe zamieszczono w tabl. 71.
Tablica 71
Pasze
Składniki odżywcze Normy żywieniowe
I ! ® !
s. 10 20 co najwyżej 100 jedn.
$2 5 5 co najmniej 20 jedn.
s3 3 6 co najmniej 18 jedn.
Ze względu na sposób pakowania obu pasz, można je zakupić w ilościach co

najmniej po 0,5 t. Ponadto wiadomo, że paszy I nie można jednorazowo otrzymać
więcej niż 7 1.
Zbuduj program pozwalający pogodzić dwa cele przedsiębiorstwa: mini
malizację kosztów związanych z zakupem pasz oraz osiągnięcie jak najwyższej
produkcji mleka. Koszt nabycia 1 1 paszy I wynosi 600 zł, a paszy II - 400 zł.
Zbadano także, iż każda zakupiona tona paszy I daje przeciętną produkcję
mleka w wysokości 3000 1, a jedna tona paszy II - w wysokości 20001 mleka.61
61. Ferma kurza zakupuje dwa rodzaje mieszanek paszowych mx i m2 płacąc za 1 kg

mieszanki mt 100 zł i za 1 kg mieszanki m2 200 zł. Niezbędne ilości składników
odżywczych Sl5 S2, S3, a także ich zawartości w mieszankach podano w tabl. 72.
Tablica 72
Zawartość składników Norma odżywcza
Składniki odżywczych w mieszankach (minimalna ilość składnika
odżywcze odżywczego)
m2
Si 2 1 4000 jedn.
. s2 1 1 3000 jedn.
S3 5 6 15000 jedn.
Przestrzeganie zasad racjonalnego żywienia drobiu wymaga, by w diecie zna

lazło się nie więcej niż 30 000 jedn. składnika S3. Wiadomo również, że każdy
kilogram mieszanki mx daje produkcję jaj o wartości 20 zł, a każdy kilogram mie
szanki m2 daje produkcję o wartości 50 zł.
Ile należy zakupić obu mieszanek, aby dostarczyć dla drobiu niezbędnych
składników odżywczych, przy założeniu, że zakup ten pociągnie za sobą najniższe
koszty, a równocześnie da najwyższą wartość produkcji?
62. Dane jest następujące zadanie PI:
(1) - x L+ 2 x 2 > 2,
(2) 2 xx+ x 2 S 6,
(3) x 1 + 3x 2 ^ 13,
(4) xp x 2 > 0,
3xj
r—
(5) max.
*
‘
X,
a) Rozwiąż zadanie metodą geometryczną.
b) Sprawdź, czy punkt A 0 ^3,~ | jest rozwiązaniem optymalnym, czy tylko
rozwiązaniem dopuszczalnym.
63. Zadanie ma następujące ograniczenia:
(1) - x 1 -l- r 2 < l ,
(2) x L+ 2x 2 > 5,
(3) 0 < x 1 < 3,
(4) x2 - 0-
Znajdź rozwiązanie optymalne, gdy funkcja celu przyjmuje postać:
a) x x+ x 2 -> max,
b) x 1 - 4 x 2 —> min,
*l+ * 2 -» max,
C)
X \ - 4-^2
d ) * 1 - 4 x2
-> mm.
’ * l + * 2
Przedyskutuj poszczególne rozwiązania.
64. W następującym zadaniu PI:1
(1) x t - x 2 < 2,
(2) - x 1 + x 2 ^ 2,
(3) x 1 + x2 > 4,
(4) xx+ x 2 < 8,
(5) xv x 2 > 0,
(6) —» max.
k"
li
1. Podaj wartość parametru a , dla której punktem obrotu prostej rozwiązu

jącej jest punkt P0(3, -4).
2. Znajdź rozwiązanie optymalne zadania przy spełnieniu warunku
z punktu 1.
3. Podaj wartość a, dla której punktem obrotu prostej rozwiązującej jest
punkt P 0 (-4, 3).
4. Wskaż rozwiązanie optymalne przy spełnieniu warunku z punktu 3.
Problemy transportowe i przydziału
Modele zagadnień omawianych w tym rozdziale są szczególnym przypadkiem mode

li liniowych. Zatem można je rozwiązywać za pomocą algorytmu simpleks. Jednak
specyficzna struktura warunków ograniczających w tych modelach sprawia, że mogą
one być rozwiązywane za pomocą metod bardziej efektywnych - niektóre z nich będą
omówione w niniejszym rozdziale.
2.1. Zagadnienia transportowe

Zagadnienie transportowe zostało sformułowane po raz pierwszy (w 1941 r. przez
F.L. Hitchocka) jako problem opracowania planu przewozu pewnego jednorodnego
produktu z kilku różnych źródeł zaopatrzenia do kilku punktów zgłaszających zapo
trzebowanie na ten towar.
Ogólny model zagadnienia można sformułować następująco: R dostawców pew
nego jednorodnego towaru, z których każdy dysponuje A ¡(i = 1,..., R ) jednostkami
tego towaru zaopatruje N odbiorców. Zapotrzebowanie każdego z odbiorców wyno
s i ^ jednostek (j = 1,..., N). Każdy z dostawców może zaopatrywać dowolnego odbior
cę i odwrotnie, każdy odbiorca może otrzymać towar od dowolnego dostawcy.
Dane są ponadto jednostkowe koszty transportu towaru od i-tego dostawcy do
j -tego odbiorcy - tworzące macierz C = [c(y] (i = 1, 2, ..., R; j = 1, 2, ..., N ) 1. Zakłada
się, że całkowity koszt transportu jest sumą kosztów transportu na poszczegól
nych trasach.
Należy opracować plan przewozu towaru pom iędzy dostawcami i odbiorcami, tak
aby łączne koszty transportu były możliwie najniższe. Plan taki ma określić ile towaru
powinien dostarczyć i-ty dostawca j-temu odbiorcy i te wielkości są zmiennymi decyzyj
nymi - x ij(i = 1,..., R; j = 1,..., N ) w modelach zagadnień transportowych.1
1 Zamiast kosztów transportu mogą być podane odległości lub czas transportu (zwłaszcza w przy
padku towarów szybko psujących się). Mówi się o zagadnieniach transportowych z kryterium kosztów,
odległości lub czasu.
2.1. Zagadnienia transportowe 121
Jeżeli łączna podaż dostawców jest równa łącznemu zapotrzebowaniu odbiorców,

R N
tzn. - mamy do czynienia z zagadnieniem transportowym zamkniętym
(= i j =i
(ZTZ), jeżeli natomiast łączna podaż jest większa od łącznego zapotrzebowania,
R N
tzn. Z A > Z * , - jest to zagadnienie transportowe otwarte (ZTO).2
(=i j= t
2.1.1. Zamknięte zagadnienie transportowe

Model zamkniętego zagadnienia transportowego składa się z dwóch grup warunków
ograniczających (bilansowych):
warunków dla dostawców
I > i/ = 4 (i = l,2,..., R) (/-ty dostawca ma dostarczyć wszystkim odbior

j =i com tyle towaru ile posiada; warunków tych jest
tyle ilu dostawców, czyli R)
warunków dla odbiorców
f Jxij = Bj ( j = 1, 2 , N ) (/-ty odbiorca ma otrzymać od wszystkich dostaw

(=i ców tyle towaru, ile potrzebuje; warunków tego
typu jest N )
oraz warunków brzegowych

X'j> 0 (i = l , . . . , R ; j = l , . . . , N)
i funkcji celu (funkcji kryterium)

R N
Z Z v , = ™ (minimalizacja łącznych kosztów transportu - od wszyst-
1=1 i=l kich dostawców do wszystkich odbiorców)
D o zamkniętego zagadnienia transportowego można sprowadzić wiele różnych

zagadnień (w tym również pewne zagadnienia niedotyczące transportu), które mają
tę samą strukturę matematyczną. Niektóre z nich zostaną przedstawione w kolejnych
punktach.
-------------------------- R N
2
Niektórzy autorzy (por. np. [83]) dopuszczają także nierówność odwrotną w niniej
si H
szym podręczniku przyjmujemy, że dostawcy powinni mieć łącznie nie mniej towaru niż wynosi zapotrze
bowanie wszystkich odbiorców.
122 2. Problemy transportowe i przydziału
Uniwersalną metodą rozwiązywania modeli transportowych jest algorytm trans

portowy, który podobnie jak algorytm simpleks jest procedurą iteracyjną. W pierwszym
etapie (kroku), stosując jedną ze znanych metod wyznacza się początkowe rozwiąza
nie dopuszczalne (niekiedy może się ono okazać rozwiązaniem optymalnym), które
następnie poprawia się w kolejnych iteracjach. Poniżej przedstawiono dwie wybrane
metody wyznaczania początkowego rozwiązania dopuszczalnego: metodę kąta północ
no-zachodniego i metodę wyznaczania tras o minimalnym koszcie jednostkowym3. Ideę
algorytmu transportowego przedstawiono na bardzo prostych przykładach (w prak
tyce rozwiązując problemy transportowe, korzysta się z gotowych programów kom
puterowych (np. pakietu winQSB czy Solverá - narzędzia arkusza kalkulacyjnego
omówionego w rozdziale 1).
Przykład 15. Trzy magazyny Mj, M2 i M3 zaopatrują w mąkę cztery piekarnie: P1(
P2, P3 i P4. Jednostkowe koszty transportu (w zł za tonę), oferowane miesięcznie wiel
kości dostaw A¡ (w tonach) oraz miesięczne zapotrzebowania piekarń B¡ (w tonach)
podano w tabl. 73.
Tablica 73
Piekarnie
Magazyny A¡
f PJ1 ; *11 m i pJ!
Mi 50 40 50 20 70
M2 40 80 70 30 50
m3 60 40 70 80 80
Bj 40 60 50 50 200
Opracuj plan przewozu mąki z magazynów do piekarń minimalizujący całkowite

koszty transportu. 3 4
Rozwiązanie. - I Ą = 200t., a więc jest to przykład zamkniętego
¿=1 ;=i
zagadnienia transportowego (ZTZ).
Zmienne decyzyjne xtj oznaczają ilość ton mąki, jaka powinna być dostarczona
z /-tego magazynu (i = 1, 2, 3) do j-tej piekarni (j = 1 , 4); jest ich 3 •4 = 12. Ponie
waż jest to zagadnienie transportowe zamknięte (zbilansowane), to przy całkowitym
zaspokojeniu zapotrzebowania piekarń dostawcy sprzedadzą całą ilość oferowanego
towaru. Wyrażają to warunki ograniczające (bilansowe - bilansujące podaż dostaw
ców z zapotrzebowaniem odbiorców):
a) dla dostawców
4
*11 + *12 + *13 + *14 = £ * 1 j = 70>

j =1
3 W literaturze można znaleźć więcej propozycji takich metod, np. metodę minimalnego elementu
macierzy ( i metodę Vogla (VAM) omówione np. w pracach [19], str. 79-80 i [83] str. 142-160).
tzn. suma wielkości dostaw mąki z magazynu Mj do wszystkich piekarń powinna być
równa podaży magazynu. Analogicznie dla magazynów M2 i M3:
4
*21 + *22 + *23 + *24 = Z *2; = 50>

7=1
4
*31 + *32 + *33 + *34 = X * 3 y = 8 0 <

7=1
b) dla odbiorców:
3
* 1 1 + * 2 1 + * 3 1 = Z * /1 = 4 0 ’
i=l
tzn. suma dostaw otrzymanych przez piekarnię P, ze wszystkich trzech magazynów

powinna być równa całkowitemu jej zapotrzebowaniu; podobnie dla pozostałych od
biorców (piekarń):
3
*12 + * 2 2 + * 3 2 = X * , 2 = 60>
*13 + *23 + *33 = X * » 3 = 5 0 >

/=1
3
* 1 4 + * 24 + * 3 4 = X * M = 5 0 -
Muszą być także spełnione warunki brzegowe > 0 (/ = 1 ,2,3; j = 1,..., 4), a w funkcji
celu należy zminimalizować łączne koszty transportu, czyli:
K(xij) = 5 0 x n + 4 0 x 12+ 5 0 x 13 + 2 0 x 14 +
+ 4 0 x 21 + 8 0 x 22 + 7 0 x 23 + 3 0 x 24 +
+ 6 0 x 31 + 4 0 x 32 + 7 0 x 33 + 8 0 x 34 —> min.
Dla tak sformułowanego modelu wyznaczymy początkowe rozwiązanie dopusz

czalne (spełniające warunki zadania) - przykładowo za pomocą dwu wspomnianych
wcześniej metod.
Rozwiązanie zagadnienia transportowego można przedstawić w postaci macierzy
(przewozów); jest ono bardziej przejrzyste, jeżeli macierz przewozów ma postać tabeli,
takiej jak macierz kosztów, z tym, że zamiast kosztów wpisuje się wielkości przewozów.
Metoda kąta północno-zachodniego polega na tym, że wypełnianie macierzy prze
wozów [Xy] rozpoczyna się od trasy w lewym górnym rogu (stąd nazwa kąta północno-
-zachodniego - to trasa od pierwszego dostawcy do pierwszego odbiorcy). Wpisuje się
do niej mniejszą z liczb {Av B^) odpowiadających tej trasie, a następnie przesuwa się
w prawo lub w dół; w prawo - gdy towar pierwszego dostawcy nie został jeszcze całko
wicie rozdysponowany, a w dół - gdy całą podaż tego dostawcy rozdzielono odbiorcom.
W naszym przykładzie na trasę M jP3 wpisujemy min{70; 40} = 40 t (xn = 40)

i przesuwamy się w prawo (ponieważ zapotrzebowanie piekarni Pj zostało zaspokojo
ne, a w magazynie Mt pozostało jeszcze 3 0 1, które dostarczy do piekarni P2 (x12 = 30).
Obecnie przesuwamy się w dół - do magazynu M2, który dostarczy brakujące 3 0 1 pie
karni P2 (x22 = 30) i pozostałe 2 0 1 - piekarni P3 (x23 = 20). Przesuwamy się powtórnie
w dół do magazynu M3, który dostarczy brakujące piekarni P3 30 t mąki (x33 = 30)
i pozostałe 5 0 1 - piekarni P4 (x34 = 50). Rozwiązanie to przedstawiono w tabl. 74.
Tablica 74
Kąt północno- Piekarnie

-zachodni ^ M agazyny 4
||P . il i l i i W m
Mi ^ 40 30 70
m2 30 20 50
m3 30 50 80
Bi 40 60 50 50 200
Rozwiązaniu temu odpowiadają następujące koszty transportu:
K(x^ = 50-40+40-30 +
+ 80-30 + 70-20 +
+ 70-30 + 80-50 = 13 100 zł.
Rozwiązanie powyższe będzie poprawiane w kolejnych iteracjach algorytmu

transportowego, aż do momentu uzyskania rozwiązania optymalnego. Ponieważ jed
nak metoda kąta północno-zachodniego abstrahuje od kosztów transportu, dlatego
też algorytm transportowy wymaga zwykle większej liczby iteracji (kroków) niż wów
czas, gdy rozwiązanie początkowe wyznaczymy, biorąc pod uwagę koszty transportu
odpowiadające poszczególnym trasom4.
Metoda wyznaczania tras o minimalnym koszcie jednostkowym 5 polega na roz
mieszczeniu przewozów przede wszystkim na tych trasach, na których koszty są naj
niższe. Punktem wyjścia jest przekształcenie macierzy kosztów do takiej postaci, by
w każdym wierszu i w każdej kolumnie wystąpiło co najmniej jedno zero. Można to
uzyskać, odejmując od elementów poszczególnych wierszy macierzy kosztów najmniej
szy element znajdujący się w danym wierszu (zera w wierszach wskażą najtańszą tra
sę dla każdego dostawcy), a następnie (jeżeli trzeba) odejmując od poszczególnych
4 W praktyce początkowe rozwiązanie dopuszczalne wyznacza się tylko jedną, wybraną metodą,
a metoda wyznaczania tras o minimalnym koszcie jednostkowym daje z reguły (podkreślmy - z reguły)
wyniki znacznie bliższe rozwiązaniu optymalnemu. Metodę kąta północno-zachodniego zaprezentowano
jedynie jako jedną z pierwszych przedstawionych w literaturze i stosowanych w praktyce.
5 Nazwę tę zaczerpnięto z pracy [90], Metoda ta wykorzystuje właściwość macierzy, że dodanie lub
odjęcie tej samej wielkości od wartości poszczególnych komórek całego wiersza (lub całej kolumny) nie
wpływa na wybór optymalnego rozwiązania.
kolumn otrzymanej w ten sposób macierzy element najmniejszy znajdujący się w da
nej kolumnie (zera w kolumnach wskażą najtańsze trasy dla poszczególnych odbiorców).
Mając tak przekształconą macierz kosztów, staramy się rozmieścić przewozy na
trasach, gdzie koszty są najniższe, czyli gdzie występują zera. Rozmieszczanie prze
wozów rozpoczynamy od dowolnej „trasy zerowej” (często od trasy położonej naj
bardziej na lewo). Jeżeli uda się rozmieścić przewozy wyłącznie na trasach, którym
w przekształconej macierzy kosztów odpowiadają zera, to otrzymane rozwiązanie jest
już optymalnym planem przewozów. Jeżeli nie, należy je poprawiać, stosując kolejne
kroki algorytmu transportowego.
Wróćmy obecnie do naszego przykładu. Odejmując najmniejszy element każde
go wiersza macierzy kosztów (tabl. 73) od pozostałych elementów tego wiersza, otrzy
mujemy macierz C1, a ponieważ jeszcze nie we wszystkich kolumnach macierzy C1
występują zera - od poszczególnych jej kolumn należy odjąć ich najmniejsze elemen
ty; rezultaty przedstawia macierz C2 (w kolumnach, w których już są zera - zera są
najmniejszymi elementami).
’ 30 20 30 0" "20 20 0 0"

c> = 10 50 40 0 C2 = 0 50 10 0
20 0 30 40 10 0 0 40
Macierz C2 stanowi podstawę wyznaczenia początkowego rozwiązania dopusz

czalnego.
Rozwiązanie to przedstawiono w tabl. 75 (dla ułatwienia „trasy z zerami” pogru
biono). Rozdysponowanie przewozów rozpoczynamy np. od trasy M2 Px6 , gdzie mo
żemy wpisać tylko 40 (bo tyle wynosi zapotrzebowanie Px). Przechodząc do drugiej
kolumny - na trasę M3P2 - wpisujemy 60, w kolumnie trzeciej wpisujemy na trasę M3
P3 - np. 20 (bo tyle zostało w magazynie M3) i 30 na trasę MjPy Dla zbilansowania
wpisujemy 40 na trasę M4P4 i 10 na trasę M2 P4. Ponieważ w tym wypadku udało się
rozmieścić wszystkie przewozy na trasach, którym w przekształconej macierzy kosz
tów (C2) odpowiadały zera - otrzymane rozwiązanie jest optymalne.
Tablica 75
Piekarnie
Magazyny ■■ Ai |
W -iĘ i P3 K
M, 30 40 70
m2 40 10 50
m3 60 20 80
Bj 40 60 50 50 200
6 Jak zaznaczono wcześniej, wypełnianie macierzy przewozów rozpoczynamy od dowolnej „trasy

z zerem”, np. położonej najbardziej na lewo; dobrze jest też zacząć od tych wierszy lub kolumn, w których
występuje tylko jedno zero, a więc nie mamy wyboru. Należy podkreślić, że wyznaczone tą metodą roz
wiązania dopuszczalne mogą się różnić, wszystkie jednak - po zastosowaniu kolejnych kroków algorytmu
prowadzą do rozwiązania optymalnego.
Związane są z nim następujące koszty transportu:
K(Xij)= 50-30+20-40 +
+ 40-40 +30-10 +
+ 40-60 + 70-20 =8000 zł7.
A zatem znacznie niższe całkowite koszty transportu (8000 zł) można osiągnąć,
jeżeli magazyn Mj dostarczy 30 t mąki do P3 i 40 t do P4, magazyn M2 - 40 t do Pj
i 1 0 1 do P4, a magazyn M3 - 6 0 1 do P2 i 2 0 1 do P3. Ponieważ w tym przypadku wszyst
kie przewozy udało się rozmieścić na trasach z zerami - otrzymane rozwiązanie jest
optymalne (nie można go poprawić - 8000 zł to najniższe koszty transportu).
2.1.2. Otwarte zagadnienie transportowe

Z otwartym zagadnieniem transportowym mamy do czynienia, kiedy łączna podaż do
stawców jest większa od łącznego zapotrzebowania odbiorców. Algorytm transportowy
zakłada, że zadanie jest zbilansowane {zamknięte). Dlatego zagadnienie otwarte (ZTO)
należy sprowadzić do zamkniętego (ZTZ) - przez wprowadzenie fikcyjnego N + 1-sze-
go odbiorcy, którego zapotrzebowanie BN+1 jest równe nadwyżce podaży nad popy-
R N
tem, tzn. BN+l = I 4 - 5 A - W rzeczywistości fikcyjnym odbiorcą jest najczęściej
1=1 j= l
magazyn znajdujący się u dostawców, tzn. zakłada się, że nadwyżka towaru pozostanie
w magazynach dostawców. Mogą być podane dodatkowo jednostkowe koszty maga
zynowania u poszczególnych dostawców (ci N+1) lub też zakłada się, że koszty maga
zynowania są pomijalnie małe w porównaniu z kosztami transportu (tzn. c-,tN + 1= 0).
W funkcji celu minimalizuje się łączne koszty transportu i magazynowania8.
Poniżej po lewej stronie przedstawiono ogólny model zagadnienia otwartego, po
stronie prawej zagadnienie otwarte jest sprowadzone do zamkniętego.
Model ZTO ZTO sprowadzone do ZTZ

N+1
warunki dla l x :l< A , (i = I , . . . , R ) , I Xf = Ą (/= 1,...,/?),
dostawców: m }
warunki dla S X.. = B. (i = l . . . N ) 1*9 = 8, 0’=i>»..Ar+i),

odbiorców: /=i '' ‘ /=i
warunki brzegowe: Xjj >0 (/ = 1 , R; j = v l , N). Xij> 0 (i - 1 , R; j ~ 1 , N+l).
Ił N R N+i
Funkcja celu: !l L cuxh = min- X Z CA; = min-
/=! M /=1 j=l
7 Nawet gdyby rozwiązanie to nie było jeszcze optymalne, to koszty będą zwykle znacznie niższe niż
wtedy, gdy rozwiązanie początkowe wyznaczono metodą kąta północno-zachodniego.
8 W pracy [4] ten typ zagadnień jest nazywany zagadnieniem transportowo-magazynowym (ZT-M).
Przykład 16. Należy znaleźć plan przewozu mąki z trzech magazynów do trzech
odbiorców - optymalny z punktu widzenia minimalizacji łącznych kosztów transportu
i magazynowania. Magazyny mają na składzie odpowiednio: 110,190 i 100 ton mąki,
natomiast zapotrzebowanie każdego z odbiorców wynosi 120 ton. Koszty transpor
tu 1 tony mąki podano w tabl. 76. Nadwyżka mąki ponad zapotrzebowanie odbior
ców pozostaje w magazynach, a koszty magazynowania 1 tony wynoszą: w M t - 5 ,
w M2 - 4 i w M3 - 6 zł.
Tablica 76
Odbiorcy
Magazyny
°lililii'
22 33 44
m2 28 30 32
m3 15 36 26
.. 3
R o z w i ą z a n i e . Łączna podaż dostawców: A t = 110 +190 +100 = 400 ton.
;=i
3 3 3
Łączny popyt odbiorców ił, =120 + 120 + 120 = 360 ton. Ponieważ:
j =i <=i m
- jest to zagadnienie transportowe otwarte (niezbilansowane). Aby je sprowadzić do

zagadnienia zamkniętego - należy wprowadzić fikcyjnego odbiorcę (magazyn) z za
potrzebowaniem B4 = 4 0 0 -3 6 0 = 40 ton mąki, a macierz łącznych kosztów transportu
i magazynowania (ostatnia kolumna) ma postać tabl. 77:
Tablica 77
Odbiorcy
Magazyny
lilii l iii °3 li i
M! 22 33 44 5
m2 28 30 32 4
m3 15 36 26 6
Zm ienne decyzyjne - ilość ton mąki dostarczona z i-tego magazynu

(i = 1,2,3); do /-tego odbiorcy (j = -1 , ..., 4), przy czym xi4(i = 1,..., 3) to ilości mąki,
które pozostaną w magazynach dostawców.
Poniżej przedstawiono model dla zagadnienia zbilansowanego (sprowadzonego

do ZTZ)
* u " * " * 1 2 "*"*13 " * " * 1 4 ~ Y * , i ~ H O

y=i
4
•*21 -*22 -*23 -*24 = ^ j X Zj = 1 ^ 0

warunki ograniczające (bilansowe) dla dostawców:
y=i
4
■*31 *32 *33 -*34 = ^ * 3 j = 1 0 0

j=1
■*11 + *21 ‘*'•*31 = Z * - i = 120

1*1
II
■*12 *22 *32 ,= 120

warunki ograniczające (bilansowe) dla odbiorców:
S"T
II
*13 *23 "*■* 3 3 = 120
*14 *24 -^34 = I * ,4 = 40

i=l
Xjj > 0 dla i = 1, 2,3; j = 1, 2 , 4 ,

K(x-) = 22x 1 j + 33 x 12+ 4 4 x 13+ 5x14
+ 2 8 x 21 30 A'22+ 32x23 + 4 a24
+ 15x 31 + 36x32 + 26 x 33 + 6x34 -> min.
D o wyznaczenia początkowego rozwiązania dopuszczalnego wykorzystamy meto

dę wyznaczania tras o minimalnym koszcie jednostkowym. Po odjęciu najmniejszych
elementów wierszy macierzy kosztów (tabl. 77) otrzymano macierz C1, a po odjęciu
od poszczególnych kolumn macierzy C1 ich najmniejszych elementów - macierz C2.
17 28 39 0 8 2 19 0
C‘ = 24 26 28 0 C2 = 15 0 8 0
9 30 20 0 0 4 0 0
Macierz C2 stanowi podstawę wyznaczenia początkowego rozwiązania dopusz

czalnego (możliwie najwięcej przewozów należy rozmieścić na trasach z zerami).
Rozwiązanie to przedstawia tabl. 78 (dla ułatwienia trasy, którym w macierzy C2
odpowiadają zera pogrubiono).
Tablica 78
Odbiorcy
Magazyny 4
o, o2 o, I!I§ tH
M! 20 50 40 110
m2 120 70 190
Mj 100 100
Bi 120 120 120 40 400
Wypełnianie macierzy przewozów rozpoczynamy od trasy „zerowej”

(położonej najbardziej na lewo) - można na nią wprowadzić tylko 100 ton (bo taką
ilością dysponuje M3), przesuwając się w prawo - na trasę M20 2 wpisujemy 120 ton
(a na trasę M30 3 już nic nie można było wprowadzić, bo rozdysponowano całą podaż
M3). Przed wypełnieniem kolumny fikcyjnego odbiorcy należy uzupełnić zapotrze
bowanie odbiorców. Oj brakujące 20 ton może dostać z lub M2 - jednak koszty
będą niższe w przypadku (por. tabl. 77), zatem M10 1 = 20. Odbiorca 0 3 brakujące
120 ton może dostać z Mj lub M2 - niższe koszty odpowiadają M2, zatem na trasę
M20 3 wprowadzamy 70 ton (tyle zostało w M2) i 50 ton na trasę MXÓ3.
D o rozdysponowania zostało 40 ton z M x i ta ilość pozostanie w tym magazynie.
Rozwiązaniu przedstawionemu w tabl. 78 odpowiadają koszty9:
K(Xjj) = 22-20+ +44-50 + 5-40 +

+ 30-120 + 32-70 +
+ 15-100 =10180.
Ponieważ w tym przypadku nie wszystkie przewozy udało się rozmieścić na tra
sach „z zerami” - prawdopodobnie nie jest to rozwiązanie optymalne.
2.1.3. Algorytm transportowy

2.1.3.1. Klasyczny algorytm transportowy
Algorytm transportowy polega na tym, że dowolną metodą wyznacza się początko

we rozwiązanie dopuszczalne - rozwiązanie bazowe, które następnie poprawia się
w kolejnych iteracjach (krokach). Kolejne kroki (iteracje) algorytmu obejmują:
a) sprawdzenie, czy i w jaki sposób aktualne rozwiązanie (dopuszczalne) można
poprawić (obniżyć łączne koszty),
b) poprawę aktualnego rozwiązania - przesunięcie przewozów na inne niż usta
lone w punkcie a) trasy.
Postępowanie powtarzamy, aż do momentu stwierdzenia, że dalsza poprawa jest nie
możliwa (każda zmiana rozwiązania zwiększy koszty, a w każdym razie ich nie obniży).
9 Należy podkreślić, że jest to jedno z możliwych rozwiązań dopuszczalnych, każde jednak prowadzi
ostatecznie do rozwiązania optymalnego.
Zauważmy jeszcze, że w dowolnym rozwiązaniu dopuszczalnym liczba zmiennych

bazowych (zmiennych przyjmujących wartości dodatnie - wypełnionych tras ma
cierzy przewozów) jest równa co najwyżej R + N - l (R - liczba dostawców, N - licz
ba odbiorców po sprowadzeniu do ZTZ). Jeżeli zmiennych bazowych jest mniej niż
R + N - l - zadanie jest zdegenerowane i algorytm transportowy należy zmodyfiko
wać (por. [77]).
Zastosujemy obecnie dalsze kroki algorytmu transportowego, aby znaleźć roz
wiązanie optymalne modelu z przykładu 16. Wykorzystamy początkowe rozwiązanie
dopuszczalne z tabl. 78. Liczba zmiennych bazowych jest równa 6 i jest to dokładnie
równe: 3 dostawców +4 odbiorców -1 .
Sprawdzenie, czy aktualne rozwiązanie można poprawić polega na przeanalizowa
niu wszystkich możliwych alternatyw ([77]) - wszystkich tras, na których w aktualnym
rozwiązaniu nie występują przewozy (xL] = 0) i ocenie - jak zmienią się koszty całkowi
te, jeśli 1 jednostkę przewozu {tu 1 tonę) przesuniemy na daną trasę.
Trasa M10 2 - jeżeli magazyn M, dostarczy 1 jednostkę do 0 2 (co zwiększy kosz
ty o 33 zł - por. tabl. 77), to o tyle mniej będzie mógł dostarczyć innemu odbiorcy
- np. 0 3 (co spowoduje spadek kosztów o 44 zł); w tej sytuacji 0 3 będzie musiał otrzy
mać brakującą jednostkę od M2, (wzrost kosztów o 32) a M2 dostarczy o tę jednostkę
mniej do 0 2 (spadek kosztów o 30). Rozumując w ten sposób, nie naruszyliśmy podaży
żadnego z dostawców i popytu żadnego z odbiorców (w każdym wierszu i w każdej ko
lumnie dodaliśmy i odjęliśmy tę jednostkę). Ostatecznie po wprowadzeniu przewozu
na trasę M Ą koszty zmniejszą się o 9 zł za każdą przesuniętą na tę trasę jednostkę
(tonę). Przesunięcia te (oznaczone znakami „+” i „ -”) ilustruje tabl. 78a.
Tablica 78a
Odbiorcy
Magazyny
o ,. j .'4 fl
m§2 ° I I
M, 20 + 50- 40 110
m2 120- 70+ 190
m3 100 100
120 120 120 40 400
BJ
Przedstawioną wyżej zmianę kosztów wygodniej jest obliczyć tak, jak to pokaza
no poniżej, wykazano także, że taki sam rezultat otrzymamy, jeżeli zamiast kosztów
z tabl. 77 będziemy brać pod uwagę odpowiednie elementy przekształconej macierzy
kosztów C2.
Koszty z tabl. 77 Koszty z macierzy C2
M A +33 +2
M j0 3 -44 -19
m 2o 3 +32 +8
m a -30 -0
-9 -9
Zauważmy, że rozpatrywaliśmy trasę, na której w aktualnym rozwiązaniu nie wy

stępowa 1 przewóz, natomiast na wszystkich pozostałych rozważanych przy przesunię
ciach trasach przewozy muszą występować101- dlatego nie zawsze udaje się dokonać
przesunięć, rozważając 4 trasy, czasem trzeba rozważyć 6, tak aby w każdym wierszu
i w każdej kolumnie macierzy przewozów znalazły się znaki „+” i
W podobny sposób rozważymy pozostałe alternatywne trasy, być może są wśród
nich bardziej korzystne - pozwalające bardziej obniżyć koszty (do określenia wpływu
tych zmian wykorzystano elementy macierzy C2).
M A + 15 M 2Q F +0 +0 +0 +4
M A M A
M A -8 m 2o 3 -8 M A -0 M jC ą -0 m 3o , -0
M A + 19 M A + 19 M A +8 M A +8 M A +8
M A -8 M A -0 -1 9 M A -0 M A -1 9
M A
+18 + 11 -1 1 +8 M A +8
M 2o 2 -0
+l
Warto jeszcze zwrócić uwagę na trasę M30 2, w przypadku której dla określenia
zmiany kosztów należało uwzględnić 6 tras (jeśli M3 dostarczy 1 jednostkę przewozu
do 0 2 - o tę jednostkę należy zmniejszyć dostawę z M3 do Oj; Oj może dostać bra
kującą jednostkę tylko od Mj, zmniejszy o 1 dostawę do 0 3, brakującą jednostkę
0 3 dostanie z M2 i wreszcie M2 dostarczy o tę jednostkę mniej do 0 2, od którego za
częliśmy analizę - wprowadzając 1 jednostkę przewozu dla 0 2 (z M3). Przesunięcia te
(za pomocą znaków „+” i ilustruje tabl. 78b.
Tablica 78b
Odbiorcy
Magazyny Ai
o, o2 O., iW
M i 20+ 50- 40 110
M2 120 - 70+ 190
m3 ioo- + 100
120 120 120 40 400
Jak widać koszty można obniżyć, wprowadzając przewóz na trasy M j0 2 i M 30 3,

przy czym większą obniżkę kosztów zapewni przesunięcie przewozu na trasę
M30 3 Pozostaje ustalić, ile jednostek (ton mąki) maksymalnie można na tę trasę
przesunąć. Zauważmy, że nie może to być więcej niż 50 (tylko o tyle można zmniej
szyć przewozy na trasie M j0 3)n . Zatem 50 ton przesuwamy zgodnie z trasami
10 Klatki muszą być wypełnione. Dlatego wprowadzając 1 jednostkę przewozu na trasę M j02 nie
zmniejszono o tę jednostkę dostawy z Mj do Of , bo nie byłoby możliwości zwiększenia dostawy dla
fikcyjnego odbiorcy (pozostałe trasy w tej kolumnie są puste).
11 Przy przesunięciu rozważamy (ze znakami „+” i te same trasy, które uwzględnialiśmy,
analizując koszty przesunięcia.
132 2 . Problemy transportowe i przydziału
rozważanymi przy analizie kosztów dla tej trasy (50 ton wprowadzamy na trasę M30 3,
o tyle zmniejszamy dostawę na trasie M A , zwiększamy - na trasie M A i zdejmu
jemy z trasy M10 3, a pozostałe wielkości przewozów przenosimy z tabl. 78. Nowe
rozwiązanie przedstawia tabl. 79.
Tablica 79
Odbiorcy
Magazyny Ą
-... 9 i1 " W M o3 U l
M, 70 40 110
m2 120 70 190
m3 50 50 100
BJ 120 120 120 40 400
Jak łatwo sprawdzić rozwiązaniu temu odpowiadają koszty 9630 zł - zauważmy, że

są o 50 ton • 11 zł = 550 zł niższe niż w poprzednim rozwiązaniu12 (10 180-550 = 9630).
Ponownie sprawdzamy, czy obecne rozwiązanie można jeszcze poprawić, anali
zując wszystkie alternatywne trasy (pominięto analizę trasy M30 3, z której przewóz
przesunięto na M30 3). Obliczenia przedstawiono poniżej.
m a +2 M A + 15 M A +0 M A +4 M A +0
MA -8 m 2o 3 -8 m 2o 3 -8 MA -0 M3O i -0
m 3o , +0 M3O3 +0 M303 +0 M2o 3 +8 M A +8
m 3o 3 -0 M30 , -0 M3o ( -0 M A -0 M A -0
M2o 3 +8 +7 M A +8 + 12 +8
M A -0 M A -0
+2 0
Tego rozwiązania nie można już poprawić, jednak zero odpowiadające tra
sie M2O f wskazuje istnienie alternatywnego rozwiązania optymalnego - na trasach
uwzględnionych przy analizie kosztów dla tej trasy przesuwamy 40 ton. Rozwiązanie
to przedstawia tabl. 80, i jak łatwo sprawdzić - koszty odpowiadające temu rozwiąza
niu są także równe 9630 zł.
Tablica 80
Odbiorcy
Magazyny "YĄ i A 1
Oz tlP a • W ili
Mt 110 110
m2 120 30 40 190
m3 10 90 100
120 120 120 40 400
12 50 ton przesuniętych na tę trasę, a każda przesunięta tona obniża koszty o 11 zi.

2.1.3.2. Metoda potencjałów

Model z przykładu 16 rozwiążemy jeszcze raz, stosując alternatywną metodę - metodę
potencjałów (pokażemy też analogie między tymi metodami).
Metoda potencjałów jest oparta na podobnej idei i także obejmuje dwa etapy:
1. sprawdzenie, czy aktualne rozwiązanie dopuszczalne można poprawić - obni
żyć koszty,
2. zmiana (poprawa) rozwiązania.
Sprawdzenie, czy aktualne rozwiązanie bazowe można poprawić polega na przy
pisaniu każdej pustej trasie (trasie, na której nie występuje przewóz) oceny jednost
kowego kosztu związanego z przesunięciem przewozu na tę trasę. Wszystkie te oceny
można przedstawić w postaci macierzy V = [v,y], przy czym vy jest oceną odpowiada
jącą trasie (/; j). Dane rozwiązanie bazowe jest optymalne, jeżeli macierz V nie za
wiera elementów ujemnych. Poszczególne elementy macierzy V wyznacza się zgodnie
z następującym wzorem:
V.. = c . . - ( i i , + v ; ) ,
gdzie ui oraz y, dla zmiennych bazowych (występujących w aktualnym rozwiązaniu)

spełniają równania:
c,j = “, + v r
Bazowe rozwiązanie dopuszczalne otrzymane metodą wyznaczania tras o mi

nimalnym koszcie (z tabl. 78, tu przedstawiono je w postaci macierzy X°) oraz ma
cierz kosztów transportu i magazynowania - ctj (tabl. 77) przedstawiono poniżej (dla
ułatwienia koszty odpowiadające zmiennym bazowym - występującym w aktualnym
rozwiązaniu - podkreślono).
’ 20 50 40" ' 22 33 44 5 "

120 70 cu = 28 30 32 4
1----
O
O
15 36 26 6
Wyznaczanie wielkości ui (odpowiadających wierszom macierzy kosztów i sukce

sywnie dopisywanych w dodatkowej kolumnie) oraz v;- (odpowiadających kolumnom
macierzy kosztów i dopisywanych w dodatkowym wierszu) rozpoczyna się od przyję
cia ux = 0.
Ponieważ dla trasy (1; 1) powinno być spełnione u1+ v1 = 22, stąd 0 + v 1 = 22,
a więc v1 = 2 2 i tę wielkość wpisujemy w dodanym wierszu.
Wiedząc, że ux = 0, można już także rozwiązać równania:13
ux+ v3 = 44, skąd v3 = 44,

oraz:
m1+ v4 = 5 -> v4 = 5.
13 Jeżeli obliczane u, i v; będziemy sukcesywnie dopisywać przy macierzy kosztów, kolejność obli
czeń będzie się sama narzucać.
Znając v,, można obliczyć u3:

u3+Vi = 15 —> m3 = -7 ,
a znając v3, można obliczyć u2:
£<2+ ^3 —32 —> ii2 = —12,
i znając w2, obliczamy v2:
m 2+ v 2 = 20 —>v2 = 42.
Macierz kosztów z obliczonymi wielkościami ui oraz vy przedstawiono poniżej.
«/
22 33 44 5 0
28 30 32 4 -1 2
15 36 26 6 -7
22 42 44 5
Mając wszystkie w( oraz v;, można wyznaczyć dla klatek (tras) pustych elemen
ty macierzy V: v,y = - (w, + vy) (jak łatwo sprawdzić dla tras, na których w obecnym
rozwiązaniu występują przewozy otrzymamy v- = 0).
= c i2—(rî+ v2) = 33—(0 -+-42) = - 9, v21 = c21- (w2+ Vj) = 2 8 - (-1 2 + 2 2 ) =18,
v 24 = C24- («2+ V4) = 4 - (~12 + 5) = 11’ v32 = c32- (M3+ V2) = 3 6 - ( - 7 + 42) = 1,
v33 = c33- (w3+ v3) = 2 6 - ( - 7 + 44) = -11, v34 = c34- (w3+ v4) = 6 - ( - 7 + 5 ) = 8.
I przykładowo dla trasy występującej w aktualnym rozwiązaniu:
V14=C1 4 -(Ml +V4) = 5 - ( 0 + 5 ) = °.
Macierz V przedstawiono poniżej. Można sprawdzić, że oceny kosztów odpowia

dające pustym trasom są takie same, jak w przypadku zastosowania algorytmu
transportowego.
0 -9 0 0
V= 18 0 0 11
0 1 -11 8
Tak więc najkorzystniej jest przesunąć możliwie najwięcej jednostek na trasę

(3; 3), zmianę rozwiązania przeprowadzamy tak jak w przypadku stosowania algo
rytmu transportowego - przesuwamy 50 jednostek. Nowe rozwiązanie (macierz X1)
oraz macierz kosztów, stanowiącą podstawę oceny tras alternatywnych przedstawio
no poniżej (koszty odpowiadające trasom występującym w rozwiązaniu bazowym
podkreślono).
Ponownie sprawdzamy, czy obecne rozwiązanie można jeszcze poprawić, wyzna
czając oceny kosztów dla alternatywnych rozwiązań - macierz V. Przyjmujemy ul = Q
i kolejno wyznaczamy pozostałe w,- oraz y,-, z relacji cy = ut+vj (dla zmiennych wystę
pujących w aktualnej bazie) i sukcesywnie dopisujemy je w dodatkowej kolumnie
i wierszu.
u,
70 22 33 44 5 " 0
120 70 28 ¿a 32 4 -1
50 50 15 36 26 6 -1
22 31 33 5
Mj + Vj —22 —> Vj; —22,

Wj+v4 = 5 -» v4 -5 ,
«3 + Vj = 15 —> M3 = —7,
m3+ v3 = 26 —^ V3 = 33,
m2+ v3 = 32 -» w2 = - l ,
w2+ v2 = 30 v2 = 31.
Poszczególne elementy macierzy V dla zmiennych niebazowych, obliczone

wg wzoru: vy = C y - ( i i j - V j ) są następujące: (wszystkie są nieujemne, a więc rozwiąza
nia poprawić nie można, 0 dla trasy (1; 4) świadczy, że istnieje alternatywne rozwią
zanie optymalne).
v12 = 33 - (0+ 31) = 2, v13 = 4 4 -(0 + 33) = 11, v21 = 2 8 - ( - l + 22) = 7,
v14 = 4 - ( - l + 5 ) = 0, v 32 = 3 6 - ( - 7 + 31) = 12, v34 = 6 - ( - 7 + 5 ) = 8.
2.1.3.3. Wykorzystanie narzędzia arkusza kalkulacyjnego - SOLVER do rozwiązywania

modeli transportowych
Przykład 16 zostanie rozwiązany jeszcze raz za pomocą Solverá w arkuszu kalkulacyj

nym Excel. Przygotowanie arkusza przedstawia rys. 19.
Na początek do arkusza przekopiowano dane zadania (tabela 77 poszerzona
o wiersz i kolumnę z podażą (A¡) i popytem (Bj)). Podaż fikcyjnego odbiorcy (komór
ka E 6) można obliczyć w pamięci lub np. korzystając z podanej formuły (łączna podaż
z komórki F 6 pomniejszona o sumę popytu odbiorców).
Kolejne wiersze (10-18) to arkusz przygotowany do rozwiązania zadania. Obszar
komórek B13-E15 został zarezerwowany na rozwiązanie optymalne. Pozostawiamy
wiersz (16) i kolumnę (F) na wpisanie warunków bilansowych; w kolumnie G wpisuje
my podaż dostawców (z klawiatury lub przenosząc z tabeli, np. w komórce G13 można
wpisać =F3 i formulę skopiować do komórek G14 i G15), a w wierszu 17 zapotrzebo
wanie odbiorców (także z klawiatury lub w komórce B17 można wpisać = B 6 i formulę
przekopiować do komórek C17-E17).
136 2. Problemy transportowe i pi zyefridłu
A | B C I D E F G H 1 J
1 O dbiorcy
M ag azyn y
2 o1 02 o3 M
3 M1 22 33 44 5 110
4 m 2 28 30 32 4 190
5 m 3 15 36 26 6 100
6 120 120 120 40 400
7
8 = F 6 -s u m a (B 6 :D 6 )
9
10 Przygotowanie arkusza Warunki dla dostawców
11 , = s u m a (B 1 3 :E 1 3 )
12
\
13 0 110
14 0 190
15 0 100
16 W arunki dla
0 0 0 0 0 = S U M A .IL O C Z Y N Ó W (B 3 :E 5 ;B 1 3 :E 1 5 )
odbiorców
17 ►120 120 120 40 Funkcja celu
18 = s u m a (B 13 :B 1 5 )
Rys. 19. Arkusz przygotowany do rozwiązania modelu z przykładu 16
Kolumna F jest przeznaczona na wpisanie warunków ograniczających (sumy ele

mentów wierszy obszaru rozwiązań - w komórce F13: =suma(B13:E13) i kopiujemy do
komórek F14 i F15), a w wierszu 16 należy wpisać warunki dla odbiorców (suma ele
mentów kolumn obszaru rozwiązań np. w komórce B16: =suma(B13:B15) i kopiujemy
do komórek C16, D16 i E16).
Pozostaje zapisanie funkcji celu, czyli sumy iloczynów kosztów z tabeli i wartości
zmiennych decyzyjnych z zarezerwowanego na rozwiązanie obszaru. Formuła mogła
by mieć postać (pracochłonną):
=B3*B13+C3*C13+D3*D13+.. .+D5*D15+E5*E15.
Można jednak skorzystać z funkcji standardowej Excela „=suma.iloczynów(B3:E5;

B13:E15)”. Jako argumenty funkcji (w nawiasie) podano tablice, których elementy
należy pomnożyć, a więc B3:E5 (koszty) i B13:E15 (zmienne decyzyjne).
Po przygotowaniu arkusza można przystąpić do rozwiązania zadania - uruchomić
Solver - najwygodniej po umieszczeniu kursora w komórce zawierającej funkcję celu
(F16). Solver znajdujemy w grupie poleceń Dane (Excel 2007 i dalsze) lub Narzędzia
(we wcześniejszych wersjach Excela)14:
14 Jak doinstalować Solver przypomniano w rozdziale 1 (s. 99,100).

9. 1. Zagadnienia transportowe 137
W okienku dialogowym, jakie się pojawi należy zaznaczyć:

Komórka celu: F16 (jeśli kursor został w niej umieszczony, adres zostanie
wpisany automatycznie)
Równa: w tym przypadku wybieramy Min
Komórki zmieniane: | B13:E15 [zaznaczamy obszar zarezerwowany dla zmiennych
decyzyjnych
Warunki ogranicząjące: wybieramy Dodaj i zaznaczamy:
warunki dla dostawców F13:F15 = G13:G15 Dodaj
warunki dla odbiorców B16:E16 B17:E17
(Warunki dla dostawców i odbiorców można zaznaczyć blokowo (jak wyżej) lub
każdy oddzielnie, np. F13=G13; F14=G14;..., B16=B17,...,E16=E17).
Na koniec wybieramy Opcje i zaznaczamy: Przyjmij model liniowy
Przyjmy nieujemne (warunki brzegowe)
i wciskamy Rozwiąż
Po rozwiązaniu arkusz będzie miał postać jak na rys. 20 (zatem otrzymaliśmy roz
wiązanie optymalne, takie jak stosując dowolną z omawianych wyżej metod).
10 Po uruchomieniu Solvera
11 Warunki dla dostawców
12
13 70 ! o i l i i i 110 110
14 1 0 1 l i l i i : i . 7 0 |: I l l i l l 190 190
15 1 50 i i l l i l l 5 5 0 § i l l l f 100 100
W arunki dla
16 120 120 120 40 9630
odbiorców
17 120 120 120 40 Funkcja celu
Rys. 20. Rozwiązanie modelu transportowego z przykładu 16
2.1.4. Zagadnienie transportowo-produkcyjne

W zagadnieniu transportowo-produkcyjnym (ZT-P) dostawcami są producenci towaru
(a nie magazyny), a model najkrócej można scharakteryzować następująco:
R producentów pewnego jednorodnego produktu, z których każdy dysponu
je zdolnością produkcyjną Ai (i = 1, ..., R) jednostek towaru zaopatruje w swoją pro
dukcję N odbiorców; ;'-ty odbiorca zgłasza zapotrzebowanie na Bj jednostek (J = 1,...,
N), Zakłada się, że łączne zdolności produkcyjne zakładów produkcyjnych przekra
czają łączne zapotrzebowanie odbiorców. Oprócz jednostkowych kosztów transportu
towaru od i-tego producenta do j-tego odbiorcy - j , dane są jednostkowe koszty pro

dukcji w /-tym zakładzie ~ p v Towar nie został jeszcze wyprodukowany i należy podjąć
decyzję, gdzie go produkować i jak rozsyłać do odbiorców, aby łączne koszty produkcji
i transportu (oraz ewentualnie magazynowania nadwyżki) były możliwie najniższe.
Zadanie ZT-P można łatwo sprowadzić do ZTZ przez15:
a) wprowadzenie fikcyjnego odbiorcy (który reprezentować będzie bądź nie
wykorzystane zdolności produkcyjne poszczególnych producentów, bądź magazyny
u producentów) i którego zapotrzebowanie jest różnicą pomiędzy sumą zdolności pro
dukcyjnych wytwórców a sumą zapotrzebowań odbiorców, tzn.
R N
;=i j=i
b) skonstruowanie macierzy łącznych kosztów produkcji, transportu (i ewentual

nie magazynowania) k- w następujący sposób:
ka=Pi+Cij (i = h ...,R ; j = i ,...,N + i ) ,
przy czym k- N+l = 0, jeżeli fikcyjny odbiorca reprezentuje niewykorzystane zdolności

produkcyjne.
Zauważmy jeszcze, że w zadaniu ZT-P zmienne d ecy zy jn ej to ilości towaru wy
produkowane w i-tym zakładzie, dostarczone do j-tego odbiorcy, natomiast wielkości
x i , N + i to niewykorzystane zdolności produkcyjne poszczególnych wytwórców, lub ilości
wyprodukowane, pozostające w magazynach producentów.
Przykład 17. Producent pewnego wyrobu ma 3 zakłady produkcyjne (położone

w różnych miejscach). Zdolności produkcyjne każdego z zakładów wynoszą 160 tys.
sztuk miesięcznie. Trzech odbiorców zgłasza zapotrzebowanie miesięczne na ten to
war w wysokości: 150, 120 i 140 tys. sztuk. Koszty transportu 1 tys. sztuk z zakła
dów do odbiorców podano w tabl. 81 (tys. zł), natomiast koszty produkcji 1 tys. sztuk
w zakładach (pj) wynoszą odpowiednio: 200, 220 i 210 tys. zł.
Tablica 81
Zakłady Odbiorcy
produkcyjne
i l l l 1 1 ° 2 ' 1 111, o 3 J f
z, 12 31 9
z2 30 9 15
Z3 5 9 10
15 Por. [4],
2.!. Zagadnienia transportowe 139
Podaj optymalny - minimalizujący łączne koszty - plan produkcji i transportu

towaru z zakładów produkcyjnych do odbiorców, zakładając:
a) że zakłady będą produkować tylko tyle towaru na ile otrzymały zapotrzebowa
nie (koszt niewykorzystanych zdolności produkcyjnych wynosi zero),
b) pełne wykorzystanie zdolności produkcyjnych zakładów i magazynowanie
nadwyżki ponad zapotrzebowanie odbiorców - jednostkowe koszty magazynowa
nia w magazynach poszczególnych producentów wynoszą odpowiednio 3, 2 i 2 zł
za tys. sztuk.
Rozwiązanie. 3
Ad a) Łączne zdolności produkcyjne zakładów: A(. =480 tys. sztuk, przę
śl
3
kraczają łączne zapotrzebowanie odbiorców =410 tys. sztuk, zatem aby

7=1
zadanie sprowadzić do ZTZ - wprowadzamy fikcyjnego odbiorcę z zapotrzebowaniem
B4 = 70 tys. sztuk wyrobu. Ponieważ w tym przypadku zakładamy wykorzystanie zdol
ności produkcyjnych tylko w takim zakresie jak tego wymaga zapotrzebowanie odbior
ców - fikcyjny odbiorca to łączna niewykorzystana zdolność produkcyjna wszystkich
zakładów. Przed przystąpieniem do rozwiązania zbudujemy macierz łącznych kosz
tów produkcji i transportu (dodając do kosztów transportu z tabl. 81 koszty produkcji
- 200 zł w zakładzie Z 1( 220 zł w zakładzie Z2 i 210 zł w zakładzie Z3; ostatnia ko
lumna macierzy kosztów ky odpowiadająca fikcyjnemu odbiorcy zawiera zera - z nie
wykorzystaną zdolnością produkcyjną nie wiążą się ani koszty produkcji, ani koszty
transportu).
212 231 209 0

250 229 235 0
215 219 220 0
Zmienne decyzyjne Xy interpretować będziemy obecnie jako wielkość produkcji

i-tego zakładu dostarczoną do y-tgo odbiorcy, przy czym xi4 (i = 1, 2, 3) - to niewyko
rzystana zdolność produkcyjna /-tego zakładu. Model zadania jest następujący:
*11+*12+*13+*14 = 2 > . j = 160

j=1
4
*21 *22 *23 *24 = ’/ Ł * ? i = 1 6 0

warunki dla zakładów produkcyjnych:
;'= i
4
* 3 1 "*■ * 3 2 ■*" * 3 3 *34 = 5 w *3j = 1 6 0

7=1
140 2 Problemy transportov;e i przydziału
■*ii *21 *31 = 2j*a ~

(=1
3
*12 "*■ * 2 2 "*■ *32 — 5 j * /2 ~~ 1 ^ 0

/=1 warunki ograniczające (bilansowe) dla odbiorców:
3
*13 *23 *33 = £ * , , = l ^ O

i=l
3
*14 + *24 + *34 = 2 j * /4 = ^ 0

/=!
+,-,- > 0 dla i = 1, 2, 3; j = 1, 2 , 4 ,
K(xij) = 212^ ^ 231^2 + 209^3 + 0^4

+ 250x21 + 229+22 + 235+23+ 0+24
+ 215+3J 219* 32220+33 + 0+34 —^ min.
D o znalezienia początkowego rozwiązania dopuszczalnego wykorzystamy meto

dę wyznaczania tras o minimalnym koszcie jednostkowym (w macierzy w każdym
wierszu występuje już zero, zatem wystarczy odjąć najmniejsze elementy w kolum
nach). Poniżej przedstawiono macierz C2 i wyznaczone na jej podstawie rozwiązanie
dopuszczalne (tabl. 82).
Tablica 82
Zakłady Odbiorcy
A,
produkcyjne o, o2m 1 1 1 1 1 <>f
0 12 0 0
z, 150 10 160
c 2= 38 10 26 0
Z2 90 70 160
3 0 11 0
Zj 120 40 160
BJ 150 120 140 70
K(xij) = 212 -150 209 10 +
+235-90 + 0-70+
+ 219-120+220-40 = 90 120.
Ponieważ nie wszystkie przewozy udało się rozmieścić na trasach z zerami, spraw
dzamy, czy rozwiązanie to można poprawić - analizując wszystkie możliwe alternaty
wy - trasy, na których w aktualnym rozwiązaniu nie występują przewozy.
z a + 12 Z|Q f +0 z 2Q, +38 Z A + 10

¿A -0 z a -0 ZA -2 6 z 2o 3 -2 6
Z3O3 + 11 z 2o 3 +26 ZA +0 Z3O3 + 11
¿3*^2 -0 Z2Op -0 ZA -0 z 3o 2 -0
+23 +26 + 12 -5
z a +3 ZjOE +0
-1 1 z 3o 3 -1 1
ZA +0 z 2o 3 +26
z a -0 z 2o F -0
-8 +15
Tak więc najbardziej koszty można obniżyć, wprowadzając przewóz na trasę

(o 8 tys. zł za każdy 1000 sztuk) - przesunąć można maksymalnie 40 tys. sztuk (gdyby
śmy przesunęli więcej - w klatce Z30 3 wystąpiłaby liczba ujemna), nowe rozwiązanie
przedstawia tabl. 83.
Tablica 83
Zakłady Odbiorcy
produkcyjne 4
o2 »3 oF
z, 110 50 160
Z2 90 70 160
Z3 40 120 160
150 120 140 70 480
Rozwiązaniu temu odpowiadają koszty K(x^ = 89 800 tys. zl (w porównaniu z roz

wiązaniem poprzednim niższe o 40 tys. sztuk x 8:90 120-320 = 89 800 tys. zł).
Ponownie należy sprawdzić czy aktualne rozwiązanie można poprawić, czyli prze
analizować wszystkie alternatywne rozwiązania.
Z A +12 Z A +0 Z A +38 Z A +10

ZA -0 z a -0 Z A -2 6 Z A -2 6
z 3o , +3 z 2o 3 +26 Z A +0 Z A +0
Z 3A -0 Z A -0 z,o, -0 ZA -0
+15 +26 +12 230 , +3
Z302 -0
-13
ZA + 11 .Z A +0
Z jO , -0 Z30, -3
Z, o, +0 Z,O, +0
Z A -3 Z A -0
+8 Z A + 26
z 2o F -0
+23
Tak więc koszty można jeszcze obniżyć, wprowadzając przewozy na trasę Z 20 2.

Przesunąć można 90 tys. sztuk (pomiędzy trasami, które uwzględniono przy anali
zie kosztów i zgodnie ze znakami „+” i Poprawione rozwiązanie przedstawiono
w tabl. 84.
Tablica 84
Zakłady Odbiorcy
-■'■’’■’A
produkcyjne i
o, o2
Z, 20 140 160
z2 90 70 160
Z3 130 30 160
150 120 140 70 480
Bi
Koszty odpowiadające temu rozwiązaniu Kfcj) = 88 630 tys. zł (w porówna

niu z kosztami z poprzedniej iteracji obniżyły się o 13x90 = 1170 tys. zł).
Analiza wszystkich alternatywnych rozwiązań pokazuje, że tego rozwiązania nie
można już poprawić. Można sprawdzić, że kolejnym trasom, na których w rozwiązaniu
przedstawionym w tabl. 84 nie występują przewozy, odpowiadają następujące zmiany
kosztów:
z a z a z a z a z a z a
+ 15 +13 +25 +13 +8 +10
Ad b) Przy założeniu, że zdolności produkcyjne zakładów będą w pełni wyko

rzystane a nadwyżka zdolności produkcyjnych ponad zapotrzebowanie odbiorców
magazynowana - fikcyjnym odbiorcą będzie magazyn, a koszty produkcji i magazy
nowania w poszczególnych zakładach (ostatnia kolumna macierzy k¡j) będą równe:
ku = 200 + 3 = 203, k24 = 220 + 2 = 222 i kM = 210 + 2 = 212. Macierz łącznych kosztów
produkcji, transportu i magazynowania ky oraz macierz C2 (otrzymaną za pomocą me
tody wyznaczania tras o minimalnym koszcie jednostkowym - na podstawie wcześniej
obliczonej macierzy C1) przedstawiono poniżej.
'212 231 209 203" 6 21 0 0

250 229 235 222 C2 = 25 0 7 0
215 219 220 212 0 0 2 0
Czytelnik zechce sprawdzić, że wyznaczone na podstawie macierzy C2 począt

kowe rozwiązanie dopuszczalne jest takie jak przedstawiono w tabl. 85, a ponieważ
wszystkie przewozy udało się rozmieścić na trasach z zerami - jest to już rozwiązanie
optymalne.
Tablica 85
Zakłady Odbiorcy
produkcyjne
o2 : <11
Zr 140 20 160
Z2 110 50 160
Z3 150 10 160
A, 150 120 140 70 480
Koszty odpowiadające temu rozwiązaniu K(xij) = 104 050 zł.

Na zakończenie warto dodać, że jako uogólnienie zagadnienia transportowo-
-produkcyjnego można traktować zagadnienie lokalizacji nowych zakładów. W modelu
transportowo-produkcyjnym zakłada się, że lokalizacja zakładów produkcyjnych jest
już ustalona i pozostaje tylko problem wyboru wielkości produkcji w poszczególnych
zakładach i jej przewozu do odbiorców. Natomiast zagadnienie lokalizacji produk
cji oparte jest na założeniu, że dla zaspokojenia zapotrzebowania odbiorców trzeba
uruchomić nowe zakłady i wyznaczyć ich lokalizację (por. zadania 74 i 78)1617.
2.1.5. Minimalizacja pustych przebiegów

0 ile omawiane dotychczas zagadnienia dotyczyły optymalnych przewozów masy to
warowej, o tyle zagadnienie minimalizacji pustych przebiegów dotyczy optymalnego krą
żenia środków transportu rozwożących towar11.
Załóżmy, że istnieje układ N miast (lub innych punktów geograficznych np. sta
cji kolejowych, portów), między którymi odbywa się wymiana towarów, miasta two
rzą układ zamknięty, tzn. wymiana odbywa się tylko pomiędzy nimi i każde może
być zarówno dostawcą, jak i odbiorcą towarów. D o każdego z tych miast przywozi
się i z każdego z nich wywozi się w pewnym okresie różne towary nadające się do
transportu tym samym środkiem transportu. Znane są odległości pomiędzy miastami
{dp i,j = 1 ,2 ,..., N ), znany jest też przewóz masy towarowej pomiędzy nimi - atj wyra
żony liczbą pełnych środków transportu (samochodów, wagonów).
Dla każdego miasta można więc określić liczbę środków transportu niezbędną do
wywiezienia masy towarowej (zwykle nazywa się to krótko wywozem z i-tego miasta
1 oznacza wj), wynoszącą:
W; = 2 X (i = l,...,N ),
j*i
16 Możliwe są także inne warianty zagadnienia lokalizacji produkcji, np. lokalizacji dodatkowych
mocy produkcyjnych w istniejących zakładach (por. Z. Czerwiński [18]).
17 Drogę taką pokonują środki transportu bez ładunku, takie przejazdy nazywane są pustymi
przebiegami.
oraz liczbę środków transportu niezbędną do przywiezienia masy towarowej (nazywaną

krótko przywozem do /-tego miasta i oznaczaną/?,), która wynosi:
P,- = 5 X (* =
Ml
n n
Dla całego układu spełniona jest równość: ~ ^ p r Natomiast dla poszcze-
/=i j=i
gólnych miast wywóz (wj) nie musi być równy przywozowi (/>,). Powstaje więc problem
zaopatrzenia w puste środki transportu tych miast, w których wywóz jest większy od
przywozu (brakuje im środków transportu do wywiezienia wszystkich towarów) przez
te miasta, dla których wywóz jest mniejszy od przywozu (nie wykorzystują pewnej
ilości przyjeżdżających środków transportu). Za optymalny plan przebiegu pustych
środków transportu (samochodów, wagonów) uznaje się taki, przy którym łączny wa-
gono (samochodo) kilometraż pustych przebiegów będzie minimalny, przy zaopatrze
niu wszystkich miast w niezbędną ilość pustych środków transportu.
Miasta dla których /?, > wt, wystąpią jako dostawcy pustych środków transportu-,
nadwyżka pustych środków transportu, stanowiąca ich podaż wyniesie a, =
Miasta dla których wi > p t, wystąpią jako odbiorcy pustych środków transportu, ich
zapotrzebowanie na puste środki transportu wyniesie18: bi = - ( /? ,- w,).
Znając podaż pustych - samochodów (aj) i zapotrzebowania na nie (bj) oraz odle
głości pomiędzy miastami (dy), można ułożyć ZTZ.
Przykład 18. Zminimalizować puste przebiegi samochodów o ładowności 50 t,

przewożących drobnicę pomiędzy siedmioma miastami stanowiącymi układ zamk
nięty. W tabl. 86 podano dzienne przywozy />,■ i wywozy w,- drobnicy do i z poszcze
gólnych miast (w tonach) oraz odległości pomiędzy tymi miejscowościami dy (w km
- główna część tablicy; ponieważ macierz odległości jest symetryczna, podano tylko
elementy znajdujące się nad przekątną).
Tablica 86
Miasto L M n ; ' S wi
L 0 20 50 100 150 200 100 1000
M 0 40 20 30 50 20 2000
N 0 100 150 200 100 1000
O 0 40 30 150 100
P 0 80 70 200
R 0 60 1000
S 0 500
Pi 500 1000 2000 1000 1000 300 0 5800
18 Miasta, dla których w,. =p; eliminuje się z dalszych rozważań, bo nie występuje w ich przypadku
rozpatrywany problem decyzyjny.
R o z w i ą z a n i e . Na wstępie miejscowości L, S należy podzielić na dostaw

ców i odbiorców pustych samochodów, obliczając różnice pomiędzy przywozem a wy
wozem tj.p,-łv(. Dostawcami będą miasta, dla którychp l- w i > 0, a odbiorcami - mia
sta, dla których p i- w i < 0 . 1 tak, dla poszczególnych miast mamy19:
L: 500-1000 = -500:50 = - io ,
M: 1000-2000 = -1000:50 = -20,
N: 2000-1000 = 1000:50 = 20,
O: 1000- 100 = 900:50 = 18,
P: 1000- 200 = 800:50 = 16,
R: 300-1000 = -700:50 = -14,
S: 0 - 500 = -500:50 = -10.
A zatem miasta N, O i P będą dostawcami pustych samochodów, a miasta L, M,

R i S - odbiorcami. Otrzymujemy więc zagadnienie transportowe zamknięte z trzema
dostawcami i czterema odbiorcami. Obrazuje to tabl. 8720.
Tablica 87
Odbiorcy
Dostawcy
Miasto L Miasto M Miasto R Miasto S
Miasto N 50 40 200 100 20
Miasto O 100 20 30 150 18
Miasto P 150 30 80 70 16
bJ 10 20 14 10 54
Zmienne d ecy zy jn ej oznaczać będą liczbę pustych samochodów, jaką powinien

przesłać i-ty dostawca j-temu odbiorcy. Model matematyczny zagadnienia ma więc
postać:
X j= 20,
j=i
= 1 8 > - warunki dla miast dostawców;

i=i
2>3y=16,
i=i
19 W niniejszym przykładzie różnice między przywozem a wywozem dodatkowo podzielono przez

ładowność samochodu (50 t), zarówno bowiem podaż, jak i zapotrzebowanie muszą być wyrażone liczbą
pełnych środków transportu.
20 Zawarte w tablicy 87 odległości między miastami są odległościami wybranymi z tablicy 8 6 ,
z uwzględnieniem symetrii macierzy odległości (np. odległość z miasta P do L jest taka jak z L do P).
146 ?. Problemy transportowe i przydziału
I =10 ,
/=1
3
i xi2 = 20,
i-\ >warunki dla miast odbiorców;
3
I =14,
/=1
3
= 10>
x¡j > 0,
F(xt¡) = 50 jcu + 40 x12+ 200 x13+ 100x 14+

+ 100^2^ + 20^22 "P 30aV, + 150^24 ~P
+ 150^31+ 30x32+ 8OX33+ 70^34—^ min.
(funkcja celu minimalizuje sumę samochodokilometrów pustych przebiegów).

Stosując metodę wyznaczania tras o minimalnym koszcie (minimalnej odległości),
można otrzymać rozwiązanie optymalne dane macierzą:
L M R s
N 10 10 0 0
X*I
0 4 14 0 K(X*) = 2280 samochodokilometrów.

ll
p 0 6 0 10
Aby więc przebiegi pustych samochodów były minimalne, należy: z miasta

N przesłać 10 samochodów do miasta L i 10 samochodów do miasta M, z miasta O -
4 samochody do miasta M i 14 do miasta R, z miasta P - 6 samochodów do miasta M
i 10 do miasta S.
Pytania i problemy
1. Zdefiniuj zmienną decyzyjną w zagadnieniach: transportowym, transportowo-produkcyj-
nym i minimalizacji pustych przebiegów.
2. Jakie dane są niezbędne do sformułowania zagadnienia transportowo-produkcyjnego?
Oznacz dowolnymi symbolami te dane i zapisz model matematyczny zagadnienia.
3. Jakie różnice występują między zagadnieniem lokalizacji produkcji a zagadnieniem
transportowym?
4. Określ sytuację, w której m oże mieć zastosowanie zagadnienie minimalizacji pustych
przebiegów.
5. Scharakteryzuj krótko wybrane metody wyznaczania początkowego rozwiązania dopusz
czalnego w zagadnieniach transportowych.
Zadania
65. Trzy duże gospodarstwa rolne mają odstawić do trzech punktów skupu pszenicę
w następujących ilościach: G1 - 100 ton, G2 - 250 ton, G3 - 50 ton. Punkty sku
pu mogą przyjąć pszenicę w następujących ilościach: A - 150 ton, B - 100 ton,
C - 1 5 0 ton. Jednostkowe koszty transportu pszenicy (w zl za tonę) z gospodarstw
do punktów skupu podano w tabl. 88.
Tablica 88
Punkty skupu
Gospodarstwa
WfjL B c
G1 50 100 500
G2 150 200 50
G3 20 100 20
Zbuduj model matematyczny zagadnienia, który pozwoli wyznaczyć wielkości

dostaw pszenicy z poszczególnych gospodarstw do punktów skupu, tak aby łączny
koszt transportu był minimalny. Znajdź rozwiązanie dopuszczalne metodą kąta
północno-zachodniego i metodą wyznaczania tras o minimalnym koszcie jednost
kowym. Porównaj odpowiadające tym rozwiązaniom koszty.
66. Cztery piekarnie zlokalizowane na terenie miasta są zaopatrywane w mąkę

z dwóch magazynów znajdujących się na peryferiach. Zasoby mąki w magazynach
wynoszą: w magazynie A - 130 ton, w magazynie B - 200 ton, a zapotrzebowanie
piekarń wynosi odpowiednio 80, 120, 70 i 60. Koszty dostawy mąki do piekarni
zależą tylko od odległości (podano w tabl. 89 - w km).
Wyznacz taki plan przewozów, który zapewni minimalizację kosztów do
staw mąki.
Tablica 89
Piekarnie
Magazyny
1 ffH ! 3 4
A 25 24 28 13
B 17 30 15 26
67. Trzy punkty skupu surowców wtórnych dostarczają te surowce do pięciu wykorzy
stujących je zakładów produkcyjnych. W punktach skupu znajduje się odpowied
nio 500, 700 i 900 ton surowca, a zdolności przerobowe zakładów produkcyjnych
wynoszą 400, 400, 700, 300 i 300 ton. W tabl. 90 podano odległości pomiędzy
punktami skupu a zakładami produkcyjnymi (w km).
Tablica 90
Zakłady produkcyjne
Punkty skupu
M iM M I l i ® 4m i
I 130 250 330 170 400
II 290 190 400 260 160
III 150 350 240 190 210
Przy odlegiości do 200 km transport surowców odbywa się samochodem

(koszt 1 tonokilometra wynosi wówczas 1,2 zł). Jeżeli odległość jest większa niż
200 km, korzysta się z transportu kolejowego, a koszt 1 tonokilometra wynosi 1 zł).
Opracuj plan transportu surowców wtórnych ze składnic do zakładów
przetwarzających surowce, tak aby łączne koszty transportu były możliwie
najniższe.
68. Trzy gospodarstwa ogrodnicze zaopatrują w truskawki cztery przetwórnie owo

ców. Poszczególne gospodarstwa mogą dostarczyć dziennie odpowiednio 1200,
800 i 1200 kg truskawek, a przetwórnie określiły swe dzienne zdolności prze
twórcze (a tym samym zapotrzebowanie) na 700, 700, 1000 i 800 kg. Opracuj
plan transportu truskawek, który umożliwi przewóz truskawek do najbliższych
punktów skupu (minimalizacja odległości). Odległości między gospodarstwami
i punktami skupu podano w tabl. 91.
Tablica 91
Przetwórnie
Gospodarstwa
§ 11 W*2 J i l l !§ §
Gi 30 5 15 15
g2 20 15 25 10
g3 15 10 20 25
69. Trzech importerów - hurtowników Hj, H 2, H 3 zaopatruje co 3 dni w banany czte

ry hipermarkety S1, S2, S3, S4. W czasie transportu część bananów ulega zepsu
ciu. Procentowy poziom ubytków bananów, zależny od czasu transportu, ofertę
(podaż) dostawców (A^, oraz zgłaszane zapotrzebowanie sklepów JB) w kg za
wiera tabl. 92.
Tablica 92
Odbiorcy
Dostawcy
1 s i ii s l i l
Hi 2,0 3,0 4,0 1,0 2200
h2 5,0 7,0 3,0 2,0 2000
h3 1,0 4,0 8,0 3,0 2800
1500 1400 2600 1500
Zaplanuj taki sposób dostaw, który zapewni minimalizację ilości zepsu

tych bananów.
70. Pewna firma transportowa przyjęła zlecenie na dostarczenie towaru od trzech

dostawców do czterech odbiorców. Dostawcy (hurtownie) mają na składzie
12 000, 8000 i 10 000 kg tego towaru, a odbiorcy zgłosili zapotrzebowanie na
6000, 5000, 5000 i 7000 kg towaru. Jednostkowe koszty transportu pomiędzy
hurtowniami a odbiorcami (w zl za tonę) zestawiono w tabl. 93. Nadwyżka towa
ru ponad zapotrzebowanie odbiorców pozostaje w magazynach dostawców, ale
to oni a nie firma transportowa ponoszą koszty magazynowania (przyjmujemy,
że koszty magazynowania są równe zero).
Tablica 93
1 ! i l l !! 1 1 1 1 o 4
Hi 1,2 0,9 0,7 1

h 2 1,1 0,9 0,9 0,8
h 3 1 1,7 0,5 1,6
Podaj optymalny plan transportu towaru, minimalizujący łączne koszty tran

sportu. Znajdź rozwiązanie:
a) metodą kąta północno-zachodniego,
b) metodą wyznaczania tras o minimalnym koszcie jednostkowym,
c) stosując dowolny wariant algorytmu transportowego.
Podaj koszty odpowiadające tym rozwiązaniom.
71. Hurtownia materiałów budowlanych dysponująca trzema składami położonymi

w różnych punktach miasta zaopatruje w cegłę dewelopera. Aktualnie developer
rozpoczął budowę czterech budynków (w różnych częściach miasta). W składach
znajduje się obecnie odpowiednio: 100,50 i 80 tys. sztuk cegły, a zapotrzebowanie
poszczególnych placów budowy wynosi odpowiednio: 40,70,30 i 50 tys. sztuk cegły.
Ponoszone przez dostawcę koszty transportu 1 tys. sztuk cegły pomiędzy
składami a budowami podano w tabl. 94. Koszty magazynowania 1 tys. sztuk ce
gły w składach wynoszą odpowiednio 10,12,5 i 10 zł.
Tablica 94
Budowy
Składy
B, l i i i i l i i b4
Sj 45 70 75 65
^2 35 75 40 15
s3 25 15 50 60
Zgodnie z wcześniejszymi umowami budowa Bx ma otrzymać ze składu Sx

co najmniej 30 tys. sztuk cegły, budowa B2 - dokładnie połowę swego zapotrze
bowania, czyli 35 tys. sztuk ze składu Sls a budowa B3 - 10 tys. sztuk ze składu S2
i co najmniej 10 tys. sztuk ze składu Sr
a) Uwzględniając powyższe dane, opracuj plan przewozu cegły pomiędzy

składami a budowami, tak aby łączne koszty transportu i magazynowania nad
wyżki cegły były możliwie najniższe.
b) Czy rezygnacja developera z wcześniej zawartych umów pozwoli na obniż
kę łącznych kosztów transportu i magazynowania?
72. Pewna sieć handlowa zaopatruje się w artykuły spożywcze w trzech hurtowniach
spożywczych. Aktualnie należy zaopatrzyć 4 sklepy w sery żółte. Zapotrzebowanie
zgłoszone przez sklepy (Bj), zapasy serów w hurtowniach (Aj) oraz jednostkowe
koszty transportu sera (w zł za 1 kg) podano w tabl. 95. Koszty transportu ponosi
odbiorca, stąd należy założyć, że koszty magazynowania nadwyżki są równe 0.
Tablica 95
Odbiorcy (sklepy)
Dostawcy 4,
l i l i i i s2 l i l i i l i l i i
H, 1,8 1,5 2,5 1,5 160
h2 2,1 2,4 1 1,9 130
h3 1,4 3 1,9 1,7 190
80 110 110 130
Zbuduj model matematyczny, a następnie wyznacz rozwiązanie dopusz

czalne:
a) metodą kąta północno-zachodniego,
b) metodą wyznaczania tras o minimalnym koszcie.
Porównaj wartość funkcji celu (koszty) dla obu tych rozwiązań.
73. Trzy kopalnie K1; K2, K3 należące do pewnej spółki dostarczają węgiel do pięciu
składów opału położonych w różnych miejscowościach. Każdy ze składów może
przyjąć 400 ton węgla miesięcznie, natomiast możliwości wydobywcze kopalni
wynoszą: Kx i K2 - po 700 ton, i K3 - 900 ton miesięcznie. Koszty wydobycia
1 tony węgla w kopalniach wynoszą odpowiednio 620, 600 i 610 zł, jednostkowe
koszty transportu w zł za tonę (zależne od odległości) zawiera tabl. 96, a koszty
składowania 1 tony węgla przy kopalniach wynoszą: 8,10 i 9 zl. Koszty związane
z transportem (i składowaniem) ponosi spółka węglowa.
Tablica 96
Składy opału
Kopalnie
s, .1 - ■;l i l i i 1 - l i l i l i i
Ki 28 10 18 48 30
k2 60 48 22 16 38
k3 18 44 30 14 36
1. Ustal plan przewozu i składowania nadwyżki węgla mający na celu mini

malizację łącznych kosztów wydobycia, transportu i składowania węgła.
2. Czy rozwiązanie optymalne zmieni się, jeżeli kopalnie będą wydoby

wać tylko tyle węgla, ile mogą przyjąć składy (koszty odpowiadające fikcyjnemu
odbiorcy - ci6 = 0; i = 1, 2,3)?
74. Spółdzielnia mleczarska projektuje budowę 1-3 nowych zakładów mleczarskich

mających zaopatrywać m.in. w masło cztery miejscowości P, R, S, T. Zakłady
mogą powstać w miejscowościach P, R lub S. Dzienne zdolności produkcyjne za
kładów zapotrzebowanie miast na masło Bj (w kg) oraz oszacowane przyszłe
jednostkowe koszty produkcji p t i przewozu masła Cy w zł za kg podano w tabl. 97.
Tablica 97
, CM S T 11 l i l i i Pi
P 0 0,4 0,5 1 3000 12
R 1 0 0,8 0,6 2000 13
S 0,5 0,5 0 0,8 2500 12,5
B j
1000 1200 1300 1400
Zaproponuj lokalizację zakładów, zapewniającą minimalizację całkowitych

kosztów produkcji i transportu masła.
75. Producent papieru dysponujący trzema zakładami produkcyjnymi produkuje

m.in. papier kserograficzny. Zdolności produkcyjne każdego z zakładów wyno
szą 900 tys. ryz miesięcznie. Odbiorcami producenta są 3 hurtownie materiałów
biurowych, które na najbliższy miesiąc zgłosiły zapotrzebowanie w wysokości od
powiednio 600, 700 i 500 tys. ryz. Koszty produkcji 1 tys. ryz papieru w poszcze
gólnych zakładach wynoszą: w Z , - 7500, w Z 2 - 7700 a w Z 3 - 7600 zł, a koszty
transportu 1000 ryz z zakładów do odbiorców (w zł) podano w tabl. 98.
Tablica 98
Odbiorcy
Dostawcy
H i® | h2 «3
200 350 400 .
Z2 200 150 350
z3 100 250 150
Opracuj plan produkcji i przewozu papieru z magazynów do sklepów tak, aby

łączne koszty były możliwie najniższe, zakładając że:
1. zakłady będą w pełni wykorzystywać swe zdolności produkcyjne, a nad
wyżkę magazynować (koszty magazynowania w zakładach produkcyjnych wyno
szą odpowiednio: 50, 80 i 30 zł za tys. ryz miesięcznie).
2. zakłady będą produkować tylko tyle papieru, na ile otrzymano zapotrzebo
wanie (pozostaną niewykorzystane zdolności produkcyjne zakładów). Czy w tym
przypadku konieczne jest uruchamianie produkcji we wszystkich zakładach?
76. Cztery duże gospodarstwa rolne zaopatrują w warzywa i owoce (w sezonie) 6 skle
pów pewnej sieci handlowej. Tygodniowe zapotrzebowanie na jabłka w każdym ze
sklepów to 500 kg, natomiast gospodarstwa mogą dostarczyć odpowiednio: 800,
1000,1200 i 1000 kg jabłek. Ceny 1 kg jabłek oferowane przez gospodarstwa oraz
jednostkowe koszty transportu jabłek (w zł za 1 kg) podano tabl. 99. Zakładamy,
że jabłka niedostarczone do sklepu „zostają na drzewie” (koszt magazynowania
nadwyżki wynosi zero).
Tablica 99
Sklepy Ceny 1 kg
Gospodarstwo
s3 jabłek
Si s2 l i i f i l i i l i i i
G, 0,04 0,08 0,10 0,05 0,06 0,12 2
g2 0,09 0,07 0,05 0,05 0,10 0,08 2,2
g3 0,06 0,04 0,15 0,07 0,08 0,06 1,9
°4 0,12 0,14 0,16 0,08 0,06 0,10 2
a) Opracuj plan transportu jabłek z gospodarstw do sklepów tak, aby zmi

nimalizować łączne koszty zakupu i transportu, uwzględniając warunki, że: syn
właściciela Gt pracuje w sklepie Sx, a córka właściciela G4 - pracuje w sklepie S3
i obydwoje chcieliby, aby w sklepie były jabłka z ich gospodarstw.
b) Czy łączne koszty zakupu i transportu jabłek byłyby niższe, gdyby nie
uwzględniać powiązań rodzinnych?
77. Trzy cukrownie zaopatrują w cukier 4 hurtownie spożywcze. W tabl. 100 podano
potencjalne zdolności produkcyjne cukrowni (At - w tonach), zapotrzebowanie
hurtowni (/?• w tonach), jednostkowe koszty transportu (w zł za tonę) oraz jed
nostkowe koszty produkcji 1 tony cukru w cukrowniach (p i w zł).
Tablica 100
Hurtownie
Cukrownie | 1 ■ Pi
" ■ lii l i i i .1 P I liii®
Ci 40 80 70 30 6000 1700
C2 60 40 70 50 5000 1680
C3 40 60 50 50 4000 1730
BJ 2800 2200 2400 3600
Zbuduj model matematyczny zagadnienia, który pozwoli ustalić plan pro

dukcji i przewozu cukru z cukrowni do hurtowni - optymalny z punktu wi
dzenia minimalizacji łącznych kosztów produkcji i transportu cukru. Zakła
damy, że cukrownie będą produkować tylko tyle cukru, na ile otrzymały
zapotrzebowanie.
2. Zagadnienia transportowe 153
Znajdź rozwiązanie dopuszczalne metodą wyznaczania tras o minimalnym

koszcie jednostkowym i odpowiadające mu koszty.
Czy przy podanym rozwiązaniu konieczne będzie uruchomienie produkcji we
wszystkich cukrowniach?
78. Zaproponuj lokalizację 1-4 punktów skupu zboża, które dostarczałyby sku
pione zboże do trzech młynów. Ustalono, że punkty skupu można zlokalizować
w gminach Gj, G2, G3 i G4, przy czym każdy z nich może skupić 40 ton zbo
ża dziennie. Natomiast zapotrzebowanie młynów (określone dzienną zdolnością
przetwórczą) wynosi odpowiednio 50, 30 i 35 ton. Jako kryterium optymalizacji
należy przyjąć minimalizację odległości, przy czym odległości pomiędzy punkta
mi skupu a młynami (w km) podano w tabl. 101.
Tablica 101
Punkty Młyny
skupu Mi m2 m3
25 38 43
g2 29 16 51
g3 60 42 13
g4 44 33 22
79. Dwie zajezdnie MPK (I i II) wysyłają autobusy na 4 pętle autobusowe A, B, C, D.

W zajezdni I znajduje się 100 autobusów, w zajezdni II - 1 5 0 autobusów, zapotrze
bowanie na autobusy na poszczególnych pętlach wynosi kolejno: 40, 65,45 i 60 au
tobusów, natomiast odległości pomiędzy zajezdniami a pętlami podano w postaci
macierzy odległości D = [ey .
15 12 10 11
5 18 24 7 _’
Przejazdy między zajezdniami a pętlami są traktowane jako puste przebiegi.

Zaproponuj przejazdy autobusów pomiędzy zajezdniami a pętlami minimali
zujące puste przebiegi.
a) Wyznacz początkowe rozwiązanie dopuszczalne metodą wyznaczania
tras o minimalnym koszcie jednostkowym i podaj odpowiadającą mu wartość
funkcji celu.
b) Znajdź rozwiązanie optymalne, stosując algorytm transportowy (w dowol
nej postaci) i podaj odpowiadającą mu wartość funkcji celu.
80. Filia przedsiębiorstwa transportowego dysponująca taborem samochodowym

w liczbie 75 wywrotek obsługuje zespól robót budowlanych rozmieszczonych w te
renie. W tabl. 102 podano odległości pomiędzy sześcioma budowami (w km) oraz
przywóz i wywóz wyrażony liczbą pustych samochodów.
Tablica 102
Budowa 1 2 W:;: 5§' Wywóz
1 0 15 5 50 45 20 10
2 0 20 40 25 33 15
3 0 10 15 20 15
4 0 60 45 17
5 0 24 12
6 0 6
Przywóz 17 23 4 11 8 12 75
Opracuj plan przebiegu pustych wywrotek pomiędzy budowami tak, aby

łączny samochodokilometraż pustych przebiegów był minimalny. Zbuduj model
matematyczny zagadnienia.
a) Znajdź początkowe rozwiązanie dopuszczalne metodą wyznaczania tras
o minimalnym koszcie jednostkowym.
b) Stosując algorytm transportowy, znajdź rozwiązanie optymalne.
81. D o siedmiu stacji kolejowych nadchodzą i są odprawiane przesyłki całowagono-

we. Wielkości przywozu pf i wywozu w; oraz odległości między stacjami podano
w tabl. 103.
Tablica 103
Stacja
1 2;i§ 3 |f || f # i l W iĘ f i f l i f
kolejowa
1 0 56 38 132 21 55 24 18
2 0 27 46 31 10 99 9
3 0 22 44 33 77 16
4 0 18 9 66 15
5 0 90 11 19
6 0 44 8
7 0 5
wi 5 13 22 22 7 12 9
Opracuj plan przewozu pustych wagonów, tak aby łączny wagonokilometraż

pustych przebiegów był możliwie najmniejszy.
82. W skład pewnego przedsiębiorstwa wchodzi 8 zakładów produkcyjnych. Rozpro

wadzanie surowców oraz wywóz wyrobów gotowych odbywa się przy wykorzystaniu
taboru samochodowego. Wielkości przywozu i wywozu (wyrażone liczbą pełnych
samochodów) oraz odległości pomiędzy zakładami (w km) zestawiono w tabl. 104.
Tablica 104
Zakład 1 2 0..ÍÍ 4 5 6 § ! | ISIS® Wywóz
1 0 17 24 33 50 20 30 20 21
2 0 17 19 15 28 10 27 27
3 0 22 25 31 29 30 8
4 0 20 20 16 55 13
5 0 22 15 44 7
6 0 21 40 5
7 0 50 20
8 0 29
Przywóz 14 7 24 7 20 23 13 12 75
Zbuduj model matematyczny, który pozwoli ustalić plan przebiegu pustych

ciężarówek pomiędzy zakładami. Znajdź początkowe rozwiązanie dopuszczalne,
stosując:
a) metodę kąta północno-zachodniego,
b) metodę wyznaczania tras o minimalnym koszcie jednostkowym (minimal
nej odległości),
c) algorytm transportowy (np. za pomocą Solverá).
Porównaj wartość funkcji celu odpowiadającą tym rozwiązaniom.
83. Przedsiębiorstwo transportowe odnajmuje ciężarówki o jednakowej ładow

ności, które przewożą towary pomiędzy siedmioma miastami. Przewidywany
przewóz masy towarowej pomiędzy tymi miastami (wyrażony liczbą pełnych cię
żarówek) podaje tablica 105, a odległości między miastami (d- w km) zestawiono
w tabl. 106.
Tablica 105
Tablica 106
Znajdź taki plan przewozu pustych ciężarówek, przy którym samochodokilo-

metraż pustych przebiegów będzie minimalny.
2.2. Problemy przydziału

Można wyodrębnić kilka grup problemów, których zadaniem jest alokacja szeroko
pojętych zasobów. Najczęściej spotykane problemy z tego zakresu dotyczą rozdziału
zadań produkcyjnych pomiędzy miejsca produkcji, ewentualnie z założeniem specja
lizacji miejsc przy wykonywaniu zadań. Najogólniej chodzi o zaproponowanie przy
działu zadań produkcyjnych do poszczególnych miejsc pracy, optymalnie z punktu
widzenia jednego z poniższych kryteriów:
1) minimalizacji kosztów lub czasu wykonywania zadań planowych,
2) maksymalizacji efektów (ilości lub wartości wyprodukowanych wyrobów,
zysku z ich sprzedaży).
Konkretna postać modelu zależy od podanych parametrów. O poprawnym zbudo
waniu modelu decyduje prawidłowe zdefiniowanie zmiennych decyzyjnych.
2.2.1. Rozdział zadań produkcyjnych pomiędzy miejscami produkcji

Przegląd sytuacji decyzyjnych, których celem jest rozdzielenie różnie zdefiniowa
nych zadań produkcyjnych pomiędzy miejsca produkcji można znaleźć np. w pracy
J.L. Kalichmana [42]. Ze względu na ich mnogość zrezygnowano z prezentacji mode
li, przykłady 19 i 20 ilustrują dwie przykładowe sytuacje. Inne, spotykane w praktyce
uwzględniono w zadaniach. Struktura tych modeli jest zbliżona do struktury modeli
transportowych (zmienne decyzyjne podwójnie indeksowane, duża liczba tych zmien
nych - N xP ; gdzie N jest liczbą zadań a P - liczbą miejsc produkcji, często dwie grupy
warunków). Modele te można rozwiązać, stosując algorytm simpleks.
Przykład 19. D o produkcji swych wyrobów przedsiębiorstwo zużywa m.in. pięć

detali (A, B, C, D i E). Detale muszą być wytwarzane na maszynach, których przed
siębiorstwo nie posiada, i dlatego korzystano z dostaw kooperanta. Dostawca postano
wił zmienić profil swej produkcji i wycofał się ze współpracy. Zobowiązał się jedynie
2.2. Problemy przydziału 157
do wydzierżawienia trzech maszyn, na których detale mogą być produkowane, jednak

nie dłużej niż na 150 godzin w ciągu miesiąca każda. Każdy detal może być produko
wany na dowolnej maszynie. Maszyny różnią się wydajnością przy produkcji poszcze
gólnych detali, co ilustruje tabl. 107.
Tablica 107
Wydajność maszyny (w szt./godz.) przy produkcji detalu

Maszyna
A D I liS lilil
I 3,2 4 1,6 8 2,5
II 3 2,4 2 7,5 2,4
III 5 4,8 1,5 6 2
Wiedząc, że 1 godz. pracy maszyny I kosztuje 300 zl, maszyny II - 420 zł i ma
szyny III - 360 zl, należy rozdzielić miesięczną produkcję detali pomiędzy maszyny
tak, aby wyprodukować co najmniej po 240 sztuk detali A, B i C oraz co najmniej po
200 sztuk detali D i E przy możliwie najniższych kosztach dzierżawy (pracy) maszyn.
R o z w i ą z a n i e . Mając dane wydajności maszyn przy produkcji poszczegól
nych detali (w szt./godz.), aby rozdzielić produkcję detali pomiędzy maszyny, należy
określić czas pracy (w godz.) /-tej maszyny (/ = 1, 2, 3) przy produkcji j -tego detalu
(j = 1, 2,..., 5) - i to będą zmienne d ecyzyjn ej.
Zmienne decyzyjne powinny spełniać dwie grupy warunków. Po pierwsze, ograni
czony jest dopuszczalny czas pracy maszyn. I tak, maszyna I przy produkcji wszystkich
detali może pracować nie dłużej niż 150 godz., zatem:
X U + X 12+ X 13 + X 14+ X 15 - 1 ^ 0 ,
i analogicznie maszyny II i III:
+ —150,
*31 + * 3 2 + * 3 3 + * 3 4 + *3 5 ^ l 5 0 -
Po drugie, określone są zadania planowe w zakresie poszczególnych detali. Na

tych trzech maszynach należy wyprodukować łącznie co najmniej 240 sztuk detali A,
czyli:
3,2*n + 3,0*21+ 5,0*3! - 240,
i analogicznie dla pozostałych detali:
4,0*12“!' 2,4* 22-i-4 ,8*32 ~ 240,

1,6* 13+ 2,0*23+ 1,5*33 > 240,
8,0* 14+7,5*24+ 6,0*34 > 200,
2,5*15+ 2,4*25 + 2 ,0* 35 - 200.
Oczywiście j > 0 dla i = 1,2, 3, j = 1, 2,..., 5.

W funkcji celu należy zminimalizować łączne koszty pracy (dzierżawy) maszyn21,

czyli
F(xij) = 300(x11+ x 12+ x 13+ x 14+ x 15)+
+ 420(X21+ X22+X23 + X24+ X25) +
+ 360(x31+X32+X33+X34+ x35) —> min.
Optymalne rozwiązanie zadania (uzyskane za pomocą Solverá w arkuszu kalkulacyj

nym) jest następujące:
0 0 45 25 80'
X* = 0 0 84 0 0
48 50 0 0 0
Ąl
czyli x 13 = 45, x j4 = 25, x j5 = *23 =
84, * 3 1 = 48, x 3 2 =
A zatem maszyna I powinny pracować 45 godz. przy produkcji podzespołu C,
25 godz. przy produkcji podzespołu D i 80 godz. przy produkcji podzespołu E (łączny
czas pracy tej maszyny - 150 godz.); maszyna II - tylko 84 godz. przy produkcji pod
zespołu C i maszyna III - 48 godz. przy produkcji podzespołu A i 50 godz. przy pro
dukcji podzespołu B (łącznie 98 godzin).
Jak łatwo sprawdzić, ze względu na minimalizację kosztów pracy maszyn wszyst
kie detale zostaną wyprodukowane w minimalnych ilościach, np. liczba detali A
wynosi 5 •48 = 240 szt., liczba detali C: 1,6 •45 + 2 •84 = 240 szt. itd. Łączny koszt dzier
żawy maszyn wyniesie 115 560 zł miesięcznie22.
Przykład 20. Właściciel dużego gospodarstwa rolnego ma 5 działek 20 hekta

rowych, na których zamierza uprawiać warzywa: marchew, cebulę, kapustę i ogórki.
Działki położone są w różnych miejscach i dają różne plony. W tabl. 108 podano śred
nie (z ostatnich kilku lat) plony poszczególnych warzyw (w dt z 1 ha), minimalne ilości
warzyw, jakie rolnik musi dostarczyć odbiorcom (hipermarketom) - zgodnie z zawar
tymi umowami oraz zyski jednostkowe, jakich spodziewa się ze sprzedaży warzyw
(w zł z 1 dt).
Określ powierzchnię działek, jaką powinien rolnik przeznaczyć pod uprawę po
szczególnych warzyw, tak aby wywiązując się z umów, zmaksymalizować łączny zysk.
21 Jest to jedna z możliwych funkcji celu. Równie dobrze mogłyby być podane ceny (zyski ze sprze
daży wyrobów), a kryterium optymalizacji byłaby maksymalizacja wartości produkcji lub zysku.
22 Maszyna I będzie pracować 150 godz. po 300 zł, maszyna II - 84 godz. po 420 zł i maszyna III
- 98 godz. po 360 zł za godzinę.
Tablica 108
Plony (w dt z 1 ha) na poszczególnych działkach
Działki
Marchew Cebula Kapusta Ogórki
Dl 250 180 390 150
Dl 280 200 410 140
D3 290 185 370 110
D4 310 190 390 130
D5 300 205 395 140
Zyski z 1 dt (zl) 40 36 25 60
Minimalna wielkość
8000 3050 5330 3280
produkcji (dt)
R o z w i ą z a n i e . Należy określić powierzchnię działek przeznaczoną pod

poszczególne uprawy, zatem zmienne decyzyjne to powierzchnia i-tej działki
(i = 1,..., 5) przeznaczona pod j-tą uprawę (/' = 1 , . . 4 ) . W warunkach należy uwzględ
nić ograniczoną powierzchnię działek (20 ha każda). I tak powierzchnia pierwszej
działki przeznaczona pod 4 warzywa:
xn + x 12+ x 13+ x 14 < 20,
i analogicznie powierzchnia pozostałych czterech działek:
•* 2 1 + J i : 2 2 + * 2 3 + J i : 2 4 ^ 2 0 >
x31+ x 32+ x 33+ x 34 < 20,

xĄ1+ x 42+ x 43+ x4Ą< 20,
*51+ *52+ *53+ *54 * 2 0 -
Łącznie z pięciu działek należy zebrać co najmniej 8000 dt marchwi:
250xn + 280x21 + 290x31 + 3 10x41 + 300x51 > 8000,
i analogicznie cebuli, kapusty i ogórków:
180x12+ 200*22+ 185x32+190*42+205*52 > 3050,

390*13+410*23+370*33 + 390*43 + 395*53 > 5330,
150* 14+ 140*24+110*34 + 130* 44+140*54 - 3280.
Warunki brzegowe
*,7 >o (/ = 1, ..., 5; j = 1,..., 4).
I funkcja celu - maksymalizacja zysku ze sprzedaży warzyw:
F(xy) = 40(250xu + 280*21+ 290x31+ 310x41+ 300x51)+
+ 36(180*12+200*22+ 185*32+ 190*42+ 205* 39)+

+ 25(390*13+ 410*23+ 370*33+ 390*43+ 395*53)+
+ 60(150* i4+ 140*24+ 110* 34+ 130*44+ 140x54) —»max.
Rozwiązanie modelu jest następujące:23
0 0 0 20
0 5 13 2
20 0 0 0 F(X*) = 1039 850 zt.
20 0 0 0
10 10 0 0
Tak więc działkę D l należy w całości przeznaczyć pod uprawę ogórków, z działki
D2 - 5 ha pod cebulę, 13 ha pod kapustę i 2 ha pod ogórki, działki D3 i D4 w całości
pod uprawę marchwi i dodatkowo 10 ha działki D5 pod marchew i 10 ha - pod cebulę.
Taka struktura upraw powinna zapewnić zbiory:
Marchwi: 290 •20 + 310•20 + 300•10 = 15 000 dt.
Cebuli: 200-5 + 205 10 = 3050dt.
Kapusty: 410 13 = 5330 dt.
Ogórków: 150 •20 +140 •2 = 3280 dt.
Łączny zysk rolnika wyniesie 1 039 850 zł.
2.2.2. Zagadnienia o optymalnym przydziale z dodatkowymi warunkami

Tytułowe zagadnienia są szczególnym przypadkiem zadań o optymalnym przydziale24.
W literaturze problem ten często formułowany jest jako zagadnienie optymalnej
obsady stanowisk roboczych (i tak tu go przedstawiono), ale jego zastosowanie jest
znacznie szersze, co ilustrują zadania.
N pracowników może wykonywać N zadań. Znane są efekty pracy i-tego pra
cownika nay-tym stanowisku, dane macierzą A = [a,y]. Efekty mogą być oceniane po
zytywnie (np. wydajność, wartość produkcji w przeliczeniu na jednostkę czasu), lub
negatywnie (np. liczba braków, czas wykonywania pracy, koszty związane z wykony
waniem pracy). Należy przydzielić pracownikom wykonanie poszczególnych zadań,
23 Uzyskane za pomocą Solvera - narzędzia arkusza kalkulacyjnego (Excel, Open Office).

24 J.L. Kalichman (w pracach [41], [42]) zagadnienia te nazywa problemami przydziału z dodatko
wymi warunkami, natomiast w niektórych podręcznikach np. [17], tylko tego typu zagadnienia omawiane
są jako problemy przydziału assignment problems). Z. Czerwiński [18] nazywa to zagadnieniem optymal
nej obsady stanowisk roboczych.
optymalnie z punktu widzenia maksymalizacji pozytywnych, bądź minimalizacji nega

tywnych efektów pracy całego zespołu, zakładając, że każde zadanie może wykonywać
jeden pracownik, a tym samym każdy pracownik może wykonywać jedno zadanie25.
Rozwiązaniem tego problemu jest kwadratowa macierz permutacji X = [x(y]
(i, j = 1,.... N ), przy czym:
{10 gdy i-ty pracownik będzie wykonywał y-te zadanie

w pozostałych przypadkach
Tak zdefiniowana macierz X, nazywana macierzą przydziału jednoznacznie wy

znacza pewien przydział zadań poszczególnym pracownikom. Elementy macierzy X
powinny spełniać następujące warunki (model zagadnienia):
N
= 1, (/ = 1,..., N ) każdy pracownik może zostać przydzielony do jednego zadania
N
= 1, (j = 1,..., N ) każde zadanie może wykonywać tylko jeden pracownik
i=i
Xy- = 0 lub xtj = 1
N N
-> min (lub max).
hi h i
Jest to model liniowy i można go rozwiązać za pomocą algorytmu simpleks.

Istnieje jednak bardzo prosty algorytm (zwany często algorytmem węgierskim, bowiem
oparty jest na twierdzeniu węgierskiego matematyka Denesa Kóniga), który pozwala
na stosunkowo szybkie uzyskanie rozwiązania optymalnego. Algorytm ten (omówiony
m.in. w pracy [17]) zostanie zaprezentowany w kolejnych przykładach.
Przykład 21. W pewnej korporacji 4 sekretarki należy przydzielić do prowadzenia

4 różnych prac biurowych (wykonywanych codziennie). Na podstawie obserwacji osza
cowano czas (w min.), jaki zajmuje tym sekretarkom wykonywanie poszczególnych
prac, który podano w tabl. 109.
Tablica 109
Czas niezbędny przy wykonywaniu pracy
Sekretarki
PI P2 P4
SI 420 480 240 360
S2 480 420 300 360
S3 420 540 300 420
S4 360 480 360 480
25 Są to dodatkowe warunki, i tym określeniem Kalichman odróżnia je od poprzednio omawianych.

Zakładając specjalizację sekretarek, tzn., że każda z nich będzie wykonywać tylko

jedną pracę, określ optymalny z punktu widzenia minimalizacji łącznego czasu wyko
nywania prac przydział zadań sekretarkom.
R o z w i ą z a n i e . Wprowadzamy zmienne decyzyjne
( 10 gdy /-ta sekretarka będzie wykonywać y-tą pracę

w pozostałych przypadkach
a warunki, które muszą spełniać te zmienne można zapisać następująco:
* 1 1 "*“ * 1 2 “* " * 1 3 " * " * 1 4 — 5 j * 1 ./

i=l
4
•*■21 "*" * 2 2 "*" -* 2 3 "*" ■*24 ^ * 2 / ~

M
• każda sekretarka może wykonywać tylko jedną pracę
•*11 " P * 2 1 "*" * 3 1 "*“ * 4 1 — 2 ) * /l —

i=l
4
/=i każda praca może być wykonywana tylko przez jedną

4 sekretarkę.
i=l
4
W funkcji celu należy zminimalizować łączny czas pracy sekretarek, czyli:
F ( x ij ) = 4 2 0 *^ + 480 x 12+ 24()xl3-f- 360x 14+
= 480^2!+ 420 x 22+ 300x 23+ 360ac24+
—420 x 33+ 540^324- 300x 33+ 420 x 34+
= 3 6 0 x Ą1+ 480^42+ 360 x43+ 4 8 0 ^ -> min.

Model rozwiążemy za pomocą wspomnianego już algorytmu węgierskiego, który

jest procedurą iteracyjną, na którą składają się następujące kroki:
K rok 1. Macierz współczynników funkcji celu A = [«y] należy przekształcić, tak
aby w każdym wierszu i w każdej kołumnie wystąpiło przynajmniej jedno zero. Można
to uzyskać, odejmując od każdego wiersza macierzy A jego najmniejszy element a na
stępnie (jeżeli trzeba26) od każdej kolumny tak przekształconej macierzy, odejmując
jej najmniejszy element.
K rok 2. W przekształconej macierzy współczynników funkcji celu wiersze i ko
lumny zawierające zera należy skreślić możliwie najmniejszą liczbą linii (poziomych
i/lub pionowych).
Jeżeli najmniejsza liczba linii potrzebnych do skreślenia wszystkich zer jest:
• równa wymiarowi macierzy (N) - można wówczas wyznaczyć rozwiązanie opty
malne - należy przejść do K roku 3,
• mniejsza od N - rozwiązania optymalnego jeszcze nie da się wyznaczyć - nale
ży zastosować K rok 4.
K rok 3. Wyznaczenie rozwiązania optymalnego - polegające na konstrukcji ma
cierzy [X*] - rozmieszczeniu N „jedynek” oznaczających przydział na tych polach,
którym w przekształconej (ostatniej) macierzy współczynników funkcji celu (A) odpo
wiadają zera (pamiętając, że w każdym wierszu i w każdej kolumnie może znaleźć się
tylko jedna jedynka).
K rok 4. Jeżeli liczba linii potrzebnych do skreślenia wszystkich zera jest mniej
sza od wymiaru macierzy - N , w bieżącej (przekształconej) macierzy A należy znaleźć
najmniejszy nieskreślony element i ten element
a) odjąć od elementów nieskreślonych,
b) dodać do elementów podwójnie skreślonych (linią poziomą i pionową).
Elementy skreślone jedną linią (raz) zostawiamy bez zmian.
Po tym przekształceniu powracamy do K roku 2 - czyli w tak otrzymanej macierzy
ponownie staramy się skreślić zera możliwie najmniejszą ilością linii i jeżeli liczba linii
potrzebnych do skreślenia wszystkich zer jest już równa N - wyznaczamy rozwiązanie
optymalne, a jeżeli jeszcze jest mniejsza - powtarzamy K rok 4, aż do uzyskania roz
wiązania optymalnego.
Powróćmy do naszego przykładu.
Krok 1: macierz nakładów czasu pracy (tabl. 109) przekształcamy tak, aby w każ
dym wierszu i w każdej kolumnie wystąpiło przynajmniej jedno zero. Po odjęciu
najmniejszych elementów wierszy tabl. 109 otrzymano macierz At, a po odjęciu od
poszczególnych kolumn macierzy A , ich najmniejszych elementów - macierz A2:
26 Może się bowiem zdarzyć, że po odjęciu najmniejszych elementów wierszy, również w każdej ko
lumnie jest już zero. Zauważmy, że ten krok jest identyczny jak w przypadku metody wyznaczania tras
o minimalnym koszcie w modelach transportowych.
r“H
00
O
180 240 0 120' 120 0 60'
180 120 0 60 180 0 0 0
A ,= ,‘ A ,2 —
120 240 0 120 120 120 0 60
0 120 0 120 0 0 0 60
K r o k 2: D o skreślenia (pokrycia) wszystkich zer w macierzy A2 wystarczą trzy

linie27:
"180 120 ) 60'
lou y {i
4 tr-
A
120 120 () 60
n
u n
u l()\ O
CC\
U
Ponieważ 3 < N = 4 (liczby wierszy i kolumn macierzy), zatem na podstawie ma

cierzy A2 nie można jeszcze uzyskać rozwiązania optymalnego. Należy więc postępo
wać zgodnie z
K rokiem 4 opisanej procedury. Najmniejszym nieskreślonym elementem jest 60,

a po odjęciu 60 od elementów nieskreślonych i dodaniu do skreślonych podwójnie (li
nią poziomą i pionową), otrzymujemy macierz A3, w której do pokrycia (skreślenia)
wszystkich występujących w macierzy zer niezbędne są już 4 linie28:
120 60 0 0
180 60 I)
60 60 0 0
-0 - 69—60
Otrzymana macierz stanowi podstawę wyznaczenia rozwiązania optymalnego

- rozmieszczenia „jedynek” oznaczających przydział w polach, którym w macie
rzy A3 odpowiadają zera (w każdym wierszu i w każdej kolumnie może się znaleźć
tylko jedna „1”).
K r o k 3: Dla ułatwienia tak jak w przypadku zagadnień transportowych pogrubio

no pola, którym w macierzy A3 odpowiadają zera.
Jak łatwo sprawdzić, w tym przypadku istnieją 2 sposoby rozmieszczenia jedy
nek w polach z zerami, a więc zadanie ma 2 rozwiązania optymalne dane macie
rzami29: oczywiście o jednakowych wartościach funkcji celu:
27 W tym wypadku skreślanie jest raczej jednoznaczne - trzecia kolumna, czwarty wiersz i drugi
wiersz.
28 Jakkolwiek można dokonać tego skreślenia także w inny sposób niż pokazano, np. wszystkie wier
sze, lub drugi i czwarty wiersz oraz trzecią i czwartą kolumnę.
29 Rozwiązanie optymalne można przedstawić w postaci macierzy, lub tabeli takiej jak poniżej.
Przystępując do rozmieszczenia „jedynek”, warto najpierw poszukać wierszy lub kolumn, w których
2 2 . Problemy przydziału 165
PI P2 P3 P4 PI P2 P3 P4
"SI 1 SI 1
S2 1 S2 1
~ S3 1 S3 1
S4 1 S4 1
F(X*) = 240+ 420 + 420+ 360 = 1440 F(X l) = 240+ 420+ 420+ 360 = 1440
Zgodnie z rozwiązaniem pierwszym (macierz X* - tabela po lewej stronie) sekre

tarka 1 powinna wykonywać pracę 3, sekretarka 2 - pracę 2, sekretarka 3 - pracę 4 i se
kretarka 4 - pracę 1. Łączny czas wykonywania wszystkich prac wyniesie 1440 minut.
Tak samo korzystne (bo łączny czas wykonywania wszystkich prac wyniesie także
1440 minut) jest rozwiązanie, określone macierzą - tabela po prawej. W tym przy
padku sekretarkę 1 należy przydzielić do pracy 4, sekretarkę 2 - do pracy 2, sekretarkę
3 - do pracy 3 i sekretarkę 4 - do pracy 1.
Rozwiązanie problemu w arkuszu kalkulacyjnym Excel

Przykład 21 zostanie rozwiązany ponownie, tym razem za pomocą Solverá w arkuszu
kalkulacyjnym Excel. Arkusz przygotowany do rozwiązania zadania przedstawiono na
rys. 21. Na początek do arkusza wpisano dane zadania (tabl. 109).
Kolejne wiersze (10-18) to arkusz przygotowany do rozwiązania zadania. Obszar
komórek B10 - E13 został zarezerwowany na rozwiązanie optymalne (wyznaczone
przez Solver). Rezerwujemy wiersz i kolumnę na wpisanie warunków ograniczających;
w kolumnie G wpisujemy „1” (ograniczenia dla sekretarek - każda może wykonywać
jedną pracę), a w wierszu 15 - „1” - ograniczenia dla prac (każda praca może być wy
konywana przez jedną sekretarkę).
Kolumna F jest przeznaczona na wpisanie warunków ograniczających (sumy ele
mentów wierszy obszaru rozwiązań - w komórce F10: =suma(B10:E10) i kopiujemy
do komórek F il, F12 i F13), a w wierszu 16 - suma elementów kolumn obszaru roz
wiązań np. w komórce B14: =suma(B10:B13) i kopiujemy do komórek C14, D14 i E14.
Pozostaje zapisanie funkcji celu, czyli sumy iloczynów czasów wykonywania prac
z tabeli i wartości zmiennych decyzyjnych z zarezerwowanego na rozwiązanie obszaru.
Formuła mogłaby mieć postać (pracochłonną):
=B3*B10+C3*C10+D3*D10+.. .+D6*D13+E6*E13.
Można jednak skorzystać z funkcji standardowej Excela „=suma.iloczynów”

i w komórce F14 wpisać: = suma.iloczynów(B3:E6; B10:E13).
występuje tylko jedno zero - w tym przypadku w pierwszej kolumnie zero jest tylko w ostatnim wierszu
i tu należy wpisać „ 1”, wobec tego w drugiej kolumnie „ 1” można postawić tylko w drugim wierszu, nato
miast w pozostałych dwu kolumnach są dwa możliwe rozmieszczenia.
166 2 Problemy transportowe i przycfeialu
A B ;- c ■■■:. D E F G H 1 J K
1 C za s w ykonyw ania pracy
S ekretarki
2 P1 P2 P3 P4
3 S1 420 480 240 360
4 S2 480 420 300 360
5 S3 420 540 300 420
6 S4 360 480 360 480
7
6 P rzygotow anie arkusza = S U M A (B 1 0 :E 1 0 )
9
10 0 1
11 0 1
12 0 1
13 0 1
14 ^ 0 0 0 0 0 Funkcja celu
16 1 1 1 1 / = S U M A .IL O C Z Y N Ó W (B 3 :E 6 ;B 1 0 :E 1 3 )
16 = S U M A (B 1 0 :B 1 3 )
Rys. 21. Przygotowanie arkusza do rozwiązania problemu przydziału (przykład 21)
Jako argumenty funkcji (w nawiasie) podano tablice, których elementy należy po
mnożyć, a więc B3:E6 (czasy wykonywania prac przez sekretarki) i B10:E13 (zmienne
decyzyjne).
Po przygotowaniu arkusza można przystąpić do rozwiązania zadania - uruchomić
Solver - najwygodniej po umieszczeniu kursora w komórce zawierającej funkcję celu
(F14). W okienku dialogowym, jakie się pojawi należy zaznaczyć:
Komórka celu: F141 (jeśli kursor został w niej umieszczony, adres zostanie wpi
sany automatycznie)
Równa: w tym przypadku wybieramy Min
Komórki zmieniane: B10:E13 zaznaczamy obszar zarezerwowany dla zmiennych
decyzyjnych
Warunki ograniczające: wybieramy Dodaj i zaznaczamy:
warunki dla sekretarek F10:F13 G10:G13 Dodaj
warunki dla prac B14:E14 B15:E15 Dodaj
Warunki wymagające, by zmienne decyzyjne były liczbami binarnymi:
B10:E13 bin
(Podobnie jak w przypadku modeli transportowych warunki ograniczające można

zaznaczyć blokowo (jak wyżej) lub każdy oddzielnie, np. F 1 0 = G 1 0 , F 1 3 = G 1 3 ,
B14=B15, E14=E15).
I wciskamy Rozwiąż
Po rozwiązaniu arkusz będzie miał postać jak na rys. 22 (zatem otrzymaliśmy
jedno z rozwiązań optymalnych, wyznaczonych wcześniej za pomocą algorytmu wę
gierskiego).
A ¡¡liii! f c D §JE •: F G
Po uruchomieniu Solverá
10 0 0 ■ ! f ; ; 11 0 1 1
11 Wg o m 0 0 1 1
12 I li o 0 0 1 1 1
13 i 0 0 0 1 1
14 i 1 1 1 1440
15 i 1 1 1
Rys. 22. Rozwiązanie modelu transportowego z przykładu 21
Wadą Solverá jest to, że jeżeli jest więcej niż jedno rozwiązanie optymalne
- Solver pokazuje tylko jedno z nich.
I jeszcze kilka dodatkowych uwag na temat stosowalności algorytmu węgierskiego.
PO PIERWSZE - metoda węgierska w opisanej postaci ma zastosowanie wyłącz
nie do rozwiązywania problemów minimalizacji. Aby rozwiązać problem maksymali
zacji, należy macierz współczynników funkcji celu przekształcić tak, aby jej elementy
miały przeciwne znaczenie, np. mnożąc je przez - 1 , lub odejmując od największego
elementu wszystkie pozostałe.
PO DRUGIE - model omawianego zagadnienia a tym samym algorytm zakłada,
że macierz A jest macierzą kwadratową {liczba zadań jest równa liczbie pracowników).
Tymczasem w wielu problemach praktycznych zadań jest więcej niż pracowników lub
odwrotnie. W takich przypadkach macierz A należy sprowadzić do postaci kwadrato
wej, dopisując wiersz lub kolumnę z elementami równymi „0” (wprowadzając fikcyjne
go pracownika lub fikcyjne zadanie),
PO TRZECIE - w praktyce zdarzają się sytuacje, że pewne przydziały są niedo
puszczalne (tzn. określone elementy macierzy X z założenia są równe zero). W tych
przypadkach do macierzy współczynników funkcji celu (A) w klatkach, gdzie musi być
spełniony warunek x¡j = 0, wprowadza się bardzo dużą liczbę, np. M (ze znakiem plus,
gdy funkcja celu jest minimalizowana, ze znakiem minus - gdy funkcja celu maksy
malizowana). M jest bliskie °° tak, że odjęcie od niej lub dodanie do niej jakiejkolwiek
liczby praktycznie nie zmieni jej wartości.
Przykład 22. Firma ma możliwość wysiania pracowników w charakterze kie

rowników na 4 budowy eksportowe. Przedsiębiorstwo zatrudnia aktualnie 3 od
powiednich specjalistów, a ponieważ dysponują oni różnym doświadczeniem za
wodowym, zyski dla firmy są zróżnicowane w zależności od przydziału pracowni
ków na poszczególne kontrakty, co ilustruje tabl. 110 (zyski podano w tys. dolarów
miesięcznie).
Tablica 110
Kontakty
Pracownicy
1 2 W&MM- 4
A 0,6 0,7 i 0,8

B 1,0 1,4 1,7 1,2
C 0,4 0,5 0,8 0,3
Zakładając, że na jeden z kontraktów trzeba będzie zatrudnić pracownika z ze

wnątrz (zyski z tego dla firmy będą równe zero), należy przydzielić pracowników na
poszczególne kontrakty - optymalnie z punktu widzenia maksymalizacji łącznego
zysku przedsiębiorstwa.
R o z w i ą z a n i e . Przed przystąpieniem do budowy modelu należy dopisać

czwarty wiersz z elementami równymi zero (tak aby macierz efektów pracy była
kwadratowa).
i l gdy i-ty pracownik zostanie skierowany na j -ty kontrakt

Zmienne decyzyjne x- = j ^. , .. .
J 1 [0 w pozostałych przypadkach
Model zagadnienia będzie postaci:
I
y-i
4
1 * 2; = 1 ,
;=i
każdy pracownik może być przydzielony tylko na jeden z kontraktów
I 3/ = 1,
/=1
1 * 4 ;
H
na każdy kontrakt może być przydzielony tylko jeden pracownik,
i = 1,2, 3, 4; y = l, 2, 3,4,
F ( x ij ) - 0,6xn + 0,7x12+ 1,0x 13+ 0,8 x 14+

+ l,0x21+ 1,4x22+ 1,7x23+ 1,2x24+
+ 0,4 x31+ 0,5 x32+ 0,8 x33+ 0,3 x34+
+ 0x 41 + 0x 42 + 0x 43 + 0x 44 —> max.
Rozwiązanie rozpoczynamy od przekształcenia macierzy zysków do takiej posta

ci, która będzie minimalizowana. Przekształcenia dokonano, odejmując od najwięk
szego elementu macierzy (a23 = 1,7) wszystkie pozostałe jej elementy. W rezultacie
otrzymano macierz, którą nazwano A 0:
1,1 1,0 0,7 0,9

0,7 0,3 0 0,5
1,3 1,2 0,9 1,4
1,7 1,7 1,7 1,7
Nietrudno zauważyć, że elementy tej macierzy można interpretować jako „straty”

firmy związane z przydziałem pracowników na poszczególne kontrakty w stosunku do
największego zysku, jaki jest możliwy do osiągnięcia. D o rozwiązania tak sformułowa
nego zadania można już bezpośrednio zastosować algorytm węgierski.
KROK 1: Po odjęciu najmniejszych elementów w poszczególnych wierszach
macierzy A0 otrzymujemy macierz:
0,4 0,3 0 0,2

0,7 0,3 0 0,5
0,4 0,3 0 0,5
0 0 0 0
w której zera występują już także we wszystkich kolumnach, a więc można przejść do:
K rok-u 2: D o skreślenia wszystkich zer wystarczą dwie linie:
'0,4 0,3 ( 1 0,2'

0,7 0,3 ( 1 0,5
0,4 0,3 ( 1 0,5
n
U n
U l|i \
r O
U
Ponieważ 2 < N = 4, zatem należy zastosować

K rok 4. Najmniejszym nieskreślonym elementem jest 0,2. Po odjęciu 0,2 od ele
mentów nieskreślonych i dodaniu do podwójnie skreślonego otrzymujemy macierz A2:
na podstawie której także nie można wyznaczyć rozwiązania optymalnego, bo do

skreślenia wszystkich zer wystarczą 3 linie30. Zatem ponownie stosujemy
K rok 4: najmniejszym nieskreślonym elementem a macierzy A2 jest 0,1, a ma
cierz A3 ma postać:
0,1 0 0 0
0,4 0 0 0,3
0,1 0 0 0,3
0 0 0,3 0,1
W tym przypadku do skreślenia wszystkich zer niezbędne są 4 linie, a więc można

wyznaczyć rozwiązanie optymalne:
K rok 3: Wyznaczenie rozwiązania optymalnego ułatwi przygotowanie macie
rzy z oznaczonymi (np. pogrubionymi) polami, którym w macierzy A3 odpowia
dają zera.
Także tym razem można znaleźć dwa alternatywne rozwiązania optymalne dane
poniżej:
30 Jakkolwiek można było inaczej skreślić (zamiast ostatniej kolumny - pierwszy wiersz), co oczywi
ście doprowadziłoby do takiego samego rozwiązania optymalnego.
1 2 3 4 1 2 3 4
A 1 A 1
B 1 B 1
C 1 C 1
Fikcyjny 1 Fikcyjny 1
F(X*) = 0+1,4+0,8+0,8 = 3 tys. dolarów F(Xj) = 0+0,5 +1,7+0,8 = 3 tys. dolarów
W obu przypadkach pracownik spoza Firmy (fikcyjny) pojedzie na pierwszy

kontrakt, a na kontrakt 4 - pracownik A. Pracownik B może jechać na kontrakt 2,
a pracownik C na kontrakt 3 lub odwrotnie. Łączny zysk przedsiębiorstwa wyniesie
miesięcznie 3 tys. dolarów.
Przykład 23. Pewna firma, dysponująca wolnymi środkami zamierza zdeponować

je na lokatach bankowych. Postanowiono, że środki w równych kwotach będą ulo
kowane na lokacie 1-miesięcznej, 3-miesięcznej, 6-miesięcznej i 12-miesięcznej, przy
czym każda z lokat zostanie założona w innym banku. Rozważane są oferty 5 banków.
W tabl. 111 podano oferowane przez banki oprocentowanie (stałe w skali roku) po
szczególnych lokat (znak x oznacza, że banki 3 i 4 nie oferują lokat jednomiesięcznych).
Tablica 111
Oferowane przez bankoprocentowanie lokaty
Bank
1-micsięcznej 3-micsięcznej 6-niicsięcznej 12-miesięcznej
Bank 1 1,5 2,2 3,4 3,7
Bank 2 1,7 2,5 3,2 3,5
Bank 3 X 3,0 3,8 4,0
Bank 4 X 2,8 3,7 3,8
Bank 5 1,8 3,0 3,5 3,2
Znaleźć optymalną z punktu widzenia maksymalizacji średniego oprocentowania

alokację depozytów w bankach.
R o z w i ą z a n i e . 4 rodzaje lokat można założyć w 5 bankach, zatem na początek

wprowadzamy fikcyjną lokatę i do macierzy (tabl. 111) dopisujemy kolumnę z zerami.
Zmienne decyzyjne:
i l gdy w i-tym banku zostanie założona j-ta lokata

X,J [O w pozostałych przypadkach ^ 2, . . . , 5).
powinny spełniać warunki:
■*n xn xn xu ''-is — ^ .- * i i ”
hi
5
■*21 *22 "*■-*23 ■*" *24 *25 / l f *2 j ~

hi
5
w każdym banku można założyć tylko jedną
*31 "*■*32 + *33 -*34 X 35 ~ ^ ¿ * 3 j ~~
i=l lokatę,
5
*41 + *42 *43 *44 *45 = ^ L * W = ^ >

y=i
5
■*■51 •*'52 *53 *'54 X 55 = ^ *3 , = 1

y=i
•*11 "*■-*21 -*31 X 4l -*-51 “ ^ ¡ j * / ! ~

i=l
5
h-»■
M
X X /2
/=1
5
każda lokata może być założona tylko w jednym
X * /3 = i,
i=l banku.
5
•*14 + '*24 -*34 -*44 -*54 Ź * i4 = i,

/=!
5
X -* ,5 = i
/-I
Xu
lJ = 1 lub *,-,•
v=0
a w funkcji celu maksymalizujemy łączne oprocentowanie lokat:
F(xi^) = l,6 * n + 2,2*12+ 3,4*13+ 3,7*14+ 0*15+
+ 1,7^24+ 2,5*22+ 3,2*33+ 3,5*24 0*25
- M* 31 + 3 ,0 * 3 2 + 3 ,8 * 33+ 4 ;0 -*3 4 + 0 * 35 +
—A /* 4 j + 2 ,8 * 4 2 + 3 ,7 * 4 3 + 3 ,8 * 4 4 + ^*45 +
+ 1,8*51+ 3*52 + 3,5*53+ 3,2*54 + 0*55 -> max.

Ponieważ funkcja celu jest maksymalizowana „niedopuszczalnym przydziałom”

(lokaty jednomiesięczne w bankach 3 i 4) przypisano współczynniki - M (sztucznie
obniżające wartość funkcji celu). W wyniku przekształcenia macierzy A w macierz A0
(przez odjęcie od największego elementu macierzy (4,0%) wszystkich pozostałych),
współczynniki przy zmiennych, które muszą być równe zero „ -M ” zmieniły znak na
„+” (sztucznie zawyżają wartość funkcji celu, która jest minimalizowana)31. Macie
rze A0, oraz A2 (przekształconą macierz A0 tak, że w każdym wierszu i w każdej
kolumnie jest przynajmniej jedno zero) przedstawiono poniżej:
'2,5 1,8 0,6 0,3 4' 0,5 1,0 0,3 0 0,2'

2,3 1,5 0,8 0,5 4 0,1 0,5 0,3 0 0
M 1,0 0,2 0 4 , A2 M 0,5 0,2 0 0,5
M 1,2 0,3 0,2 4 M 0,5 0,1 0 0,3
2,2 1,0 0,5 0,8 4 0 0 0 0,3 0
Do wykreślenia wszystkich zer w macierzy A2 wystarczą 3 linie:
0,5 1,0 0,3 f 0:

0,1 0,5 0,3 0 (i)
a2= M 0,5 0,2

M 0,5 0,1
-0 - - e - - 0 -
3 < N = 5 (wymiar macierzy), a więc należy zastosować K rok 4. Najmniejszym nie-

skreślonym elementem jest 0,1 - po odjęciu 0,1 od elementów nieskreślonych i doda
niu do podwójnie skreślonych otrzymujemy macierz A3:
w której do skreśleniu wszystkich zer wystarczą jeszcze 4 linie (< 5), czyli jeszcze raz
należy zastosować K rok 432.
31 6 - ( - M) = 6 +M, a ponieważ + = =
32 Jeżeli zera skreślimy N liniami a mimo to nie udaje się wyznaczyć rozwiązania optymalnego, zwy
kle oznacza to, że do skreślenia zer można było użyć mniejszej liczby linii.
Najmniejszym nieskreślonym elementem macierzy A3 jest 0,2, a macierz A4

ma postać:
0,2 0,7 0,2 0 0
0 0,4 0,4 0,2 0
M 0,2 0,1 0 0,3
M 0,2 0 0 0,1
0 0 0,2 0,6 0,1
D o skreślenia wszystkich zer potrzeba 5 linii, a więc można wyznaczyć rozwiąza

nie optymalne, przedstawione poniżej:
1 miesiąc 3 miesiące 6 miesięcy 12 miesięcy F
Bank 1 1
Bank 2 1
Bank 3 1
Bank 4 1
Bank 5 1
Łączna stopa oprocentowania wyniesie F(X*) = 0+ 1,7+ 4+ 5,7+ 3 = 12,4, a w prze

liczeniu na 1 lokatę 12,4/4 = 3,1%.
Rozwiązanie modelu za pomocą Solverá

Rys. 23 przedstawia propozycję arkusza przygotowanego do rozwiązania.
Najpierw dane w postaci tabl. 111 z dodatkową kolumną z zerami (sprowadzającą
macierz do postaci kwadratowej - oprocentowanie lokaty fikcyjnej), a w miejscu „nie
dopuszczalnych przydziałów” (w bankach 3 i 4 nie można założyć lokaty 1-miesięcz-
nej) wpisano (np.) - 1 0 (ujemne oprocentowanie obniża wartość funkcji celu, która jest
w tym przypadku maksymalizowana).
Poniżej arkusz przygotowany do zapisania modelu i wyznaczenia rozwiązania
optymalnego:
Zarezerwowanie „obszaru zmiennych decyzyjnych” - komórki B10:F14
Warunki ograniczające dla banków (sumy elementów wierszy w komórkach
G10-G14)
Warunki ograniczające dla lokat (sumy elementów kolumn w komórkach
B15:F15)
Funkcja celu - suma iloczynów macierzy zawierającej oprocentowanie lokat i ma
cierzy zmiennych decyzyjnych - np. w komórce G15
Prawostronne ograniczenia „1” w kolumnie H i w wierszu 16
2.2. Problemy przydziału 17 5
A B C D V- E F G H
1 O fero w a n e p rze z bank oprocentow anie lokaty

Bank 1-m ie 3 -m ie- 6 -m ie - 12-m ie -
2 Fikcyjnej
sięcznej sięcznej sięcznej sięcznej
3 B ank 1 1,5 2 ,2 3 ,4 3 ,7 0 ,0
4 B ank 2 1.7 2 ,5 3 ,2 3 ,5 0 ,0
5 B ank 3 - 1 0 ,0 3 ,0 3 ,8 4 ,0 0 ,0
6 B ank 4 - 1 0 ,0 2 ,8 3 ,7 3 ,8 0 ,0
7 B ank 5 1,8 3 ,0 3 ,5 3 ,2 0 ,0
8
9 _ j= S U M A (B 1 0 :F 1 0 ) itd.
10 ....0 1
11 0 1
12 0 1
13 0 1
14 0 1
15 0 0 0 0 0
0
16 " 1 1 1 1
17 " = S U M A (B 1 0 :B 1 4 ) itd. = S U M A .IL O C Z Y N Ó W (B 3 :F 7 ;B 1 0 :F 1 4 )
Rys. 23. Przygotowanie arkusza do rozwiązania modelu z przykładu 23
Po ustawieniu kursora w komórce z funkcją celu (G15) uruchomiamy Solver, za

znaczając kolejno:
Komórka celu: G151 (jeśli kursor został w niej umieszczony, adres zostanie wpi
sany automatycznie)
Równa: w tym przypadku wybieramy Max - solver nie wymaga przekształcenia
macierzy współczynników funkcji celu w przypadku maksymalizacji
Komórki zmieniane: B10:F14 - obszar zarezerwowany dla zmiennych decyzyjnych
Warunki ograniczające: wybieramy Dodaj i zaznaczamy:
warunki dla banków G10:G14 = H10:H14 Dodaj
warunki dla lokat B15:F15 = B16:F16 Dodaj
Warunki wymagające by zmienne decyzyjne były liczbami binarnymi:
B10:F14 bin
I wciskamy Rozwiąż
Po rozwiązaniu arkusz będzie miał postać jak na rys. 24 (zatem otrzymaliś
my rozwiązanie optymalne, takie jak wyznaczone wcześniej za pomocą algorytmu
węgierskiego).
A c D ■E V F ;í }g i
8 Po rozw iązaniu
10 . 0 0 0 0 "vv 1 i 1
11 1 0;; k-k-kk&k 0 0 i 1
'12'' 0 1 0 i 1
13 0 0 0 1 1
0 k 0 0 1 1
15 1 i i 1 1 12,4 f. celu
16 1 i 1 1 1
Rys. 24. Rozwiązanie modelu przykładu 23 za pomocą Solverá
Pytania i problemy
1. Jakie funkcje kryterium mogą występować w modelach matematycznych zagadnień przy
działu? Podaj przykłady.
2. Cztery koparki mogą wykonywać trzy rodzaje prac ziemnych. Mając dane: c¡¡ - koszt 1 godzi
ny pracy i-tej koparki przy wykonywaniu j -tego wykopu, w¡¡ - ilość m3 ziemi y-tego wykopu wyko
pane w ciągu godziny przez i-tą koparkę, zapisz za pomocą symboli funkcje celu:
a) minimalizującą łączne koszty pracy koparek,
b) maksymalizującą łączne efekty pracy koparek.
Zdefiniuj zmienne decyzyjne.
3. Czy każdy problem przydziału można rozwiązać za pomocą algorytmu węgierskiego?
4. W skład przedsiębiorstwa wchodzą cztery zakłady, z których każdy może produkować z nie
jednakową wydajnością cegłę pełną, cegłę dziurawkę, cegłę kratówkę, pustaki ścienne i pustaki stro
powe. Jakie informacje powinien zebrać dział produkcji, aby optymalnie ze względu na miesięczną
wielkość produkcji rozdzielić produkcję pomiędzy te zakłady? Przyjmujemy, że każdy zakład będzie
się specjalizował w produkcji jednego asortymentu.
Zadania
84. W trzech warsztatach można wytwarzać 5 detali A, B, C, D i E. W tabl. 112 po
dano wydajności warsztatów przy produkcji poszczególnych detali w ciągu jednej
zmiany roboczej, minimalne liczby detali, jakie należy wyprodukować oraz ceny
uzyskiwane ze sprzedaży detali.
Tablica 112
Wydajność (w szt. zmianę) przy produkcji detalu
Warsztaty
A C ' '» 1 ®
I 20 15 18 5 6
II 22 20 10 5 3
III 19 10 20 10 8
Maksymalne liczby detali 660 360 360 420 210
Ceny detali (zł/szt.) 20 15 18 70 110
Przydziel produkcję detali pomiędzy poszczególne warsztaty tak, aby zmak

symalizować miesięczną wartość produkcji, biorąc pod uwagę, że warsztaty pra
cują na dwie zmiany (miesiąc = 23 dni robocze). Czy wszystkie warsztaty będą
pracować cały miesiąc?
85. W pewnym warsztacie trzy wyroby można wykonywać na trzech obrabiarkach.

W tabl. 113 podano zużycie czasów pracy obrabiarek na jednostkę każdego wyro
bu, jednostkowe koszty produkcji wyrobów na poszczególnych obrabiarkach oraz
ceny wyrobów.
Przydziel produkcję wyrobów poszczególnym obrabiarkom tak, aby zysk ze
sprzedaży wyrobów byl możliwie najwyższy, przy założeniu, że
1) dopuszczalny czas pracy każdej obrabiarki wynosi 480 min,
2) każdego wyrobu należy wyprodukować co najmniej 20 szt.
Tablica 113
Zużycie czasu pracy (w min) Jednostkowy koszt produkcji
Obrabiarki na jednostkę wyrobu wyrobu (zł/szt.)
W, % I i i i i i w, w, w2 H fB il
o, 12 8 16 21 24 13
o2 14 10 15 20 27 11
o3 15 12 18 19 26 14
Ceny wyrobów (w zł/szt.) 25 32 17
86. Trzy rodzaje koparek mogą wykonywać cztery rodzaje prac ziemnych. W tabl. 114
podano wydajności koparek przy wykonywaniu poszczególnych prac (w m3/dzień),
liczby koparek, jakimi przedsiębiorstwo dysponuje dziennie, oraz minimalne
zadania planowe w zakresie poszczególnych prac.
Tablica 114
Wydajność (wm3/dzień) przy wykonywaniu wykopu Dysponowane
Koparki typu
liczby koparek
l i l i i W S S & S ll l l l l i l
A 25 15 16 20 10
B 30 10 24 25 8
C 24 18 25 27,5 15
Minimalne dzienne
zadania planowe 220 90 146 220
(w m3)
Dokonaj przydziału koparek do wykonywania poszczególnych prac ziem

nych, tak aby dzienne koszty ich eksploatacji były możliwie najniższe, wiedząc
że dzienne koszty eksploatacji 1 koparki typu A wynoszą 190 zl, 1 koparki typu
B - 130 zl, 1 koparki typu C - 280 zł. Który typ koparek nie będzie w pełni
wykorzystany?
87. W elektrociepłowni pracują trzy agregaty, które wykorzystują dwa rodzaje paliwa.
W tabl. 115 podano uzysk energii cieplnej z 1 tony paliwa.
Tablica 115
Uzysk energii (w Gcal)

Agregaty z 1 tony paliwa
Í)J:, 1
A! 5 7
A2 6 4
a3 3 5
Plan produkcyjny zakłada wytworzenie co najmniej 4200 Gcal, przy czym

ze względów technicznych dokładnie połowa wytworzonej ilości energii powinna
pochodzić z agregatu pierwszego. Ponadto wiadomo, że każdego rodzaju paliwa
nie będzie można nabyć więcej niż 330 ton, a ceny nabycia 1 tony paliwa wynoszą
odpowiednio 440 i 650 zł.
Opracuj optymalny plan zakupu paliwa oraz przydziału do poszczególnych
agregatów, minimalizujący koszty zakupu paliwa.
88. Firma zajmująca się opracowywaniem programów komputerowych dla potrzeb za
rządzania przedsiębiorstwami zatrudnia 4 programistów. Aktualnie firma otrzy
mała zamówienie na 4 programy (1. Finansowo-księgowy, 2. Koszty, 3. Kadry, 4.
Analiza finansowa).
Zatrudnieni programiści oszacowali wstępnie liczbę dni, jaką zajmie im opra
cowanie poszczególnych programów (tabl. 116).
Przydziel programistom opracowanie poszczególnych programów, tak aby
zminimalizować łączny czas opracowania programów.89
Tablica 116
Programy
Programista
II l i l i l í 3 4
1 14 13 17 14
2 16 15 16 15
3 18 14 20 17
4 20 13 15 18
89. Firma zajmująca się szyciem odzieży ochronnej zatrudnia 4 pracowników, którzy
szyją (skrojone wcześniej): rękawice ochronne (R), nakrycia głowy (NG), spodnie
(S) i kurtki (K). W celu optymalnego przydziału pracy pracownikom przez ty
dzień mierzono czas potrzebny każdemu z pracowników na uszycie 1 wyrobu.
Średnie czasy (w minutach) podano w tabl. 117. Znak x oznacza, że pracownicy B
i C nie podejmują się szycia kurtek.
r
i 2
T ab lica 117
Średni czas (min) potrzebny pracownikowi

Pracownicy na uszycie
fi. m m f i s K
A 5 6 45 66
B 8 7 48 X
C 6 7 62 X
D 6 10 53 75
Zakładając specjalizację pracowników przy szyciu odzieży, znajdź:

a) optymalny z punktu widzenia minimalizacji łącznego czasu przeznaczone
go na szycie wyrobów przydział poszczególnych wyrobów pracownikom.
Jaki jest łączny czas potrzebny na uszycie po 1 wyrobie każdego typu?
b) przydział poszczególnych wyrobów pracownikom optymalny z punktu wi
dzenia maksymalizacji ilości uszytych przez pracowników wyrobów (firma
nie ma problemów ze zbytem szytej odzieży ochronnej).
Uwaga: wydajność jest odwrotnością pracochłonności, czyli jeżeli pracow
nik A szyje 1 parę rękawic 5 minut, to w ciągu minuty szyje 1/5 pary, a w ciągu
godziny 1/5*60 min = 12 par.
90. Właściciel nowo powstałego biura rachunkowego zatrudnił czterech pracowni

ków, do których obowiązków należą następujące zagadnienia:
Z1 - prowadzenie podatkowej księgi przychodów i rozchodów, Z2 - rozlicze
nia z ZUS, Z3 - rozliczenia VAT, Z4 - podatek dochodowy (firm i ich pracowni
ków). Właściciel biura postanowił wprowadzić specjalizację pracowników (każdy
będzie się zajmował tylko jednym zagadnieniem). Pracownicy oszacowali wstęp
nie swą wydajność (liczbę firm jaką są w stanie obsłużyć w ciągu miesiąca w po
szczególnych zagadnieniach - tabl. 118 znak x oznacza, że pracownik C na razie
nie podejmuje się rozliczeń z ZUS).
Zbuduj model, który umożliwi przydział pracowników biura do poszczegól
nych zagadnień, tak aby liczba firm obsłużonych przez biuro w ciągu miesiąca
była możliwie największa. Stosując algorytm węgierski, znajdź rozwiązanie opty
malne i je zinterpretuj. Ile firm są w stanie obsłużyć w ciągu miesiąca pracow
nicy biura?
Tablica 118
Zagadnienia
Pracownicy
W Ę M §1 l i i i Z4
A 23 27 27 20
B 25 35 40 32
C 22 X 28 33
D 20 23 25 24
1 80 2. Problemy transportowe i przydziału
91. Firma konsultingowa zawarła umowy na wykonanie trzech projektów, które po
winny być zrealizowane w możliwie najkrótszym czasie. Spośród pracowników
firmy wytypowano czterech, którym można powierzyć kierowanie tymi projekta
mi. Kandydaci sami ocenili liczbę dni, jaka potrzebna byłaby kierowanym przez
nich zespołom na wykonanie poszczególnych projektów (tabl. 119 znak x oznacza,
że kandydat 2 nie podejmuje się kierowania projektem 2).
Tablica 119
Projekty
Kandydat
PI W M m §f;'
1 16 20 14
2 19 X 20
3 17 19 18
4 21 16 25
Przydziel kandydatów do kierowania poszczególnymi projektami, tak aby czas

(liczba dni) potrzebny na realizację projektów był możliwie najkrótszy. Który z pra
cowników nie otrzyma zlecenia?
92. Pewna firma dysponuje m.in. trzema samochodami osobowymi. Ponieważ samo
chody są eksploatowane już co najmniej od kilku lat, postanowiono wymienić je
na nowe. Równocześnie zdecydowano, że stare zostaną zaproponowane na ko
rzystnych warunkach pracownikom firmy. Ogłoszono przetarg, w którym oferty
z propozycją ceny, jaką są gotowi zapłacić (tys. zł) złożyło czterech pracowników
(tabl. 120).
Tablica 120
Oferta Samochody
pracownika Ford Mercedes;;::: Polonez
A 19 35 15
B 21 39 12
C 18 40 14
D 20 26 16
Znajdź optymalny przydział samochodów poszczególnym pracownikom,

tak aby zmaksymalizować dla firmy przychód ze sprzedaży samochodów. Podaj
wysokość tego przychodu.93*
93. Pewna firma handlowa zamierza zatrudnić sekretarki do korespondencji w trzech

językach: angielskim, niemieckim i włoskim. W konkursie na te stanowiska wzięły
udział 4 kandydatki. W tabl. 121 podano ilość uderzeń na minutę i-tej kandydatki
w j-tym języku. Znak x oznacza, kandydatka nie zna danego języka.
T ab lica 121
Język
Kandydatki
angielski niemiecki wioski
1 80 105 79
2 109 X 90
3 100 97 X
4 95 80 85
Przydziel kandydatki do korespondencji w poszczególnych językach, tak aby

zmaksymalizować efekty ich pracy.
94. Lokalna stacja telewizyjna opracowuje na jeden z miesięcy wakacyjnych plan

emisji powtórek programów rozrywkowych w paśmie wieczornym w piątki
(w godz. 20:00-24:00). Stacja rozważa 5 godzinnych programów: 1. Kabaret Elita,
2. Kabaret Starszych Panów, 3. Kabaret Tej, 4. Kabaret Dudek 5. Kabaret Pod
Egidą. Przeprowadzono pilotażowe badania oglądalności proponowanych pro
gramów, wyniki (w tys. widzów) przedstawiono w tabl. 122.
Tablica 122
Godziny Programy
emisji
i l l t l l ; l i i i ' . . . ; ' ;4; 5
20:00-21:00 25 20 20 14 28
21:00-22.00 15 16 26 17 34
22:00-23:00 10 14 20 25 40
23:00-24:00 30 12 14 15 30
1. Przydziel programom godziny emisji tak, aby zmaksymalizować ich łączną

oglądalność (liczbę widzów). Na jaką łączną oglądalność swych programów może
liczyć stacja?
2. Czy rozwiązanie zmieni się, jeżeli Kabaret Starszych Panów nie powinien
być emitowany wcześniej niż o 21-szej?95*
95. Grupa 3 studentów ze względu na dużą liczbę nieobecności ma rozwiązać na

zaliczenie (razem) 40 zadań - po 10 zadań z następujących zagadnień: 1. Pro
gramowanie liniowe, 2. Zagadnienia transportowe i przydziału, 3. Teoria gier,
4. Programowanie sieciowe. Postanowili podzielić się pracą w ten sposób, że każ
dy będzie się specjalizował w rozwiązaniu jednego typu zadań, a tylko jeden typ
zadań rozwiążą wspólnie. Aby podział byl optymalny, każdy oszacował przecięt
ny czas (w min), jaki zajmie mu rozwiązanie 1 zadania_każdego typu (tabl. 123
- x oznacza, że student A nie podejmuje się rozwiązywania zadań z teorii gier).
Zbuduj i rozwiąż model, który pozwoli przydzielić studentom rozwiązanie
poszczególnych typów zadań optymalnie z punktu widzenia minimalizacji łącz
nego czasu rozwiązywania. Ile czasu łącznie zajmie im opracowanie wybranych
trzech typów zadań? Który z tematów będą opracowywać wspólnie?
1 82 2. Problemy transportowe i przydziału
T ab lica 123
Zagadnienia
Studenci
W ii % 3 W W /- '
A 25 18 X 35
B 50 24 25 30
C 35 30 20 40
96. Przedsięwzięcie inwestycyjne, polegające na budowie Centrum Kongresowo-

Wystawienniczego, składa się z czterech zadań inwestycyjnych: budowy hali wy
stawienniczej (Z l), hotelu (Z2) i sali kongresowej (Z3) oraz uporządkowanie
otoczenia, projekt i wykonanie ogrodu (Z4). Wszystkie zadania muszą być zreali
zowane, aby przedsięwzięcie zostało zakończone.
W celu realizacji przedsięwzięcia ogłoszono przetarg, w którym jedynym
kryterium wyboru oferenta jest koszt wykonania zadania, ale też przyjęto, że
każde zadanie może być zlecone tylko jednej firmie, a jedna firma może wyko
nać tylko jedno zadanie. D o przetargu przystąpiły cztery firmy, oferując ceny
usług podane w tabl. 124 (min zł). Znak x oznacza, że firma C nie podejmuje się
zadania Z4.
Dokonaj wyboru oferentów tak, aby koszt realizacji przedsięwzięcia inwesty
cyjnego był jak najniższy.
Zbuduj model matematyczny zagadnienia i rozwiąż go, stosując algorytm
węgierski. Jaki będzie łączny koszt inwestycji?97
Tablica 124
Projekt
Firma
Zl;?}; W iM f: ZI § 1 f: };ż4
A 16 22 10 2,4
B 20 28 14 3,2
C 12 26 12 X
D 16 32 14 4
97. Firma zamierza zatrudnić pracowników na 3 stanowiska: Z-ca kierownika Działu

Kadr (SI), Z-ca kierownika Działu Marketingu (S2) i Z-ca kierownika Dzia
łu Analiz Ekonomicznych (S3). W konkursie wzięło udział kilkunastu pracowni
ków firmy, z których do drugiego etapu zakwalifikowały się 4 osoby. W tabl. 125
podano liczbę punktów (w skali 1-100) uzyskanych przez kandydatów w procedu
rze kwalifikacyjnej (testy, rozmowy) na poszczególne stanowiska.
Znajdź optymalny z punktu widzenia maksymalizacji łącznej liczby punktów

przydział pracowników na poszczególne stanowiska.
Zbuduj model matematyczny zagadnienia i znajdź rozwiązanie optymalne
za pomocą algorytmu węgierskiego. Jaka jest średnia liczba punktów uzyskanych
przez kandydatów? Który z kandydatów nie zostanie zatrudniony?
Tablica 125
Liczba punktów uzyskanych
Kandydat przez kandydata na stanowisko
S2 S3
A 80 75 84
B 75 70 60
C 80 88 80
D 92 94 60
98. W Krakowie ma powstać międzyuczelniane Centrum E-learningu (Ce-L), któ

rego misja wyraża się w słowach: „to be „e” or not to be”. Stwierdzono, że po
szczególne zadania Centrum najlepiej będzie podzielić pomiędzy uczelnie, tak
aby tylko jedna uczelnia zajmowała się danym zadaniem, a jedno zadanie było
przydzielone tylko jednej uczelni. W tabl. 126 podano oceny (w punktach) warun
ków lokalowych poszczególnych uczelni w kontekście przygotowania do realizacji
poszczególnych zadań.
Tablica 126
Zadanie Komitet Platforma Przygotowanie Szkolenia

Uczelnia sterujący e-leamingowa e- contentów pracowników
UEk 96 20 20 20
UP 100 30 95 98
AGH 80 99 80 50
UJ 60 94 60 40
Przydziel uczelniom realizację poszczególnych zadań optymalnie z punktu

widzenia maksymalizacji łącznej oceny ze względu na warunki lokalowe.
Zbuduj model matematyczny, stosując algorytm węgierski znajdź rozwią
zanie optymalne i odpowiadającą mu wartość funkcji celu. Jaka jest średnia
ocena uczelni ze względu na warunki lokalowe?
184 ? Problemy transportowe i przydziału
99. Szef firmy komputerowej ma do dyspozycji 4 pracowników, których zamierza za

trudnić przy montowaniu zestawów komputerowych. W tabl. 127 podano wydaj
ność pracowników (liczbę zmontowanych zestawów) w ciągu ośmiogodzinnego
dnia w zależności od montowanego zestawu (w szt./dzień). x oznacza, że pracow
nik P4 ma zbyt wysokie aspiracje i kwalifikacje, aby montować zestaw biurowy.
Tablica 127
Zestawy komputerowe
Pracownicy
Biurowy Do gier Profesjonalny
graficzna
Pi 4 4 2 1,25
P2 6,25 5 4 2
P3 5 5 2,5 1
P4 X 6,25 3,2 1,6
Zakładając, że każdy pracownik będzie montował tylko 1 zestaw, określ ich

przydział optymalny z punktu widzenia:
a) maksymalizacji ilości zmontowanych w ciągu dnia zestawów (wydajności),
b) minimalizacji łącznej pracochłonności.
!
Gry
Powszechność sytuacji konfliktowych, w których dochodzi do sprzeczności interesów

różnych obiektów ekonomicznych, sprawia że stanowią one przedmiot zainteresowania
wielu teoretyków. Rozważania te mają na celu wypracowanie sposobów skutecznego
działania stron biorących udział w konflikcie. Zwykle wiąże się to z podejmowaniem
decyzji w warunkach sprzeczności interesów.
Gry dwuosobowe o sumie zero stanowią jedną z klas modeli matematycznych opi
sujących sytuacje konfliktowe. Szersze wiadomości z zakresu teorii gier Czytelnik
może znaleźć w książce Luce R. D., Raiffa H. [58]. Odrębną klasę modeli tworzą gry
z naturą, które mają za zadanie ułatwić decydentom podejmowanie decyzji w sytu
acjach niepewnych.
W niniejszym rozdziale przedstawiono przykłady i zadania z zakresu gier dwu
osobowych o sumie zero oraz gier z naturą.
3.1. Gry dwuosobowe o sumie zero

Grę dwuosobową o sumie zero można przedstawić w postaci następującej tablicy
(macierzy wypłat):
gdzie A i B to dwaj gracze (strony uczestniczące w sytuacji konfliktowej)1, X x, ..., X m

to strategie (możliwe decyzje) gracza A; a Yv ..., Yn to strategie gracza B, natomiast
ay (i = 1, ..., m; j = 1, ..., ń ) to elementy macierzy wypłat; a-y oznacza wygraną gracza A
1 Mogą też być nazywani G[ (gracz pierwszy) i G 2 (gracz drugi).

i równocześnie przegraną gracza B, gdy gracz A wybierze swoją i-tą a B swoją j-tą
strategię. Z założenia, że wygrana gracza A jest równocześnie przegraną gracza B
wynika, że gra ma sumę zero. W grach dwuosobowych o sumie zero gracze podejmu
ją decyzje równocześnie i niezależnie od siebie, nie wiedząc, jaką strategię wybrał
przeciwnik2. Rozwiązanie gry polega na określeniu optymalnych strategii dla każ
dego z graczy (przy założeniu, że każdy z nich postępuje ostrożnie i obaj zakładają,
że przeciwnik postępuje racjonalnie).
Przykład 24. Dwaj producenci pewnego wyrobu sprzedają swe wyroby na rynku,
którego wielkość jest stała. Aby zwiększyć swój udział w rynku (przejąć część klientów
konkurencyjnego przedsiębiorstwa), każde z nich może zastosować jedną z trzech stra
tegii marketingowych. Strategie przedsiębiorstwa A to Aj A 2 i A 3, a strategie przed
siębiorstwa B to B v B 2 i By
W tablicy 128 podano wzrost udziału w rynku (w %) przedsiębiorstwa A (spadek
udziału przedsiębiorstwa B) w zależności od decyzji podjętych przez przedsiębiorstwa.
Tablica 128
A
B Bx B3
¿i 3 2 1
a2 4 1 -3
^3 5 0 -5
Znajdź optymalne strategie marketingowe dla obu przedsiębiorstw.

R o z w i ą z a n i e . Z założenia o stałości rynku wynika, że zwiększenie w nim
udziału przedsiębiorstwa A jest równoznaczne ze zmniejszeniem udziału przedsiębior
stwa B i odwrotnie (suma zero). I tak np. jeżeli menedżer przedsiębiorstwa A wybierze
strategię ^42, to udział w rynku tego przedsiębiorstwa: wzrośnie o 4%, gdy przeciwnik
wybierze strategię B v wzrośnie o 1%, gdy B wybierze strategię B2 lub spadnie o 3%,
gdy B wybierze strategię B3.
Menedżer przedsiębiorstwa A dąży do tego, by możliwie maksymalnie zwiększyć
swój udział w rynku, menedżer przedsiębiorstwa B będzie dążył do minimalizacji stra
ty swego udziału w rynku. Przedsiębiorstwa (gracze) podejmują decyzje równocze
śnie, niezależnie od siebie i nie wiedząc, co wybrało konkurencyjne przedsiębiorstwo
(przeciwnik).
2 Gry, w których gracze podejmują decyzje równocześnie i niezależnie od siebie należą do klasy gier
w postaci normalnej, reprezentujących pewien proces statyczny, jednorazowy. Podjęcie przez graczy de
cyzji jest równocześnie początkiem i końcem gry. Ich przeciwieństwem są gry wielochodowe, reprezentu
jące proces dynamiczny, wieloetapowy, w którym gracze podejmują decyzje na przemian, z reguły mając
informacje o poprzednich ruchach swoich i przeciwnika (np. gra w szachy). Gry o sumie zero są nazywane
także grami ściśle konfliktowymi (konkurencyjnymi).
3.1. Gry dwuosobowe o sumie zero 187
Jak zaznaczono wyżej obaj gracze postępują ostrożnie, licząc się z najmniej ko
rzystną dla siebie sytuacją. Gracz A dla każdej swojej strategii określa minimalną
wygraną (zakładając że przeciwnik wybierze najbardziej niekorzystną dla niego stra
tegię). Minimalna wartość w wierszu Aj wynosi 1, w wierszu A 2 - 3 , a w wierszu A 3
-5 . Spośród tych strategii gracz A wybierze tę, dla której ta minimalna wygrana jest
największa. Jest to strategia A x, która gwarantuje mu wygraną co najmniej 1, czyli
zwiększenie udziału w rynku co najmniej o 1% (w przypadku nieracjonalnego wybo
ru przeciwnika może zwiększyć swój udział nawet o 2 lub 3%. Gracz A stosuje więc
tzw. regułę „max min”, tzn. wybiera vA = max{min «,}.
Gracz B (menedżer przedsiębiorstwa B) dla każdej swej strategii określa maksy
malną przegraną (również zakłada, że przeciwnik wybierze najbardziej niekorzyst
ną dla B strategię). Maksymalna wartość w kolumnie B 1 wynosi 5, w kolumnie B 2 2,
a w kolumnie B3 1. Spośród tych strategii gracz B wybierze tę, dla której maksymalna
przegrana jest najmniejsza. Jest to strategia B3, jej wybór gwarantuje przedsiębiorstwu
B, że straci co najwyżej 1% udziału w rynku (a w przypadku nieracjonalnego postępo
wania przeciwnika jego udział może się zwiększyć o 3 lub nawet 5%). Gracz B stosuje
więc regułę „minimax”-u , jego wybór można zapisać vB = min{max
J i
Poszukiwanie przez graczy optymalnych strategii obrazuje tabl. 129.
Tablica 129
B
A ¡p il W m m is s ? min afj
3 2 i ^ i =max{min «,,}
4 1 -3 ^3~"" -punkt siodłowy

a3 5 0 -5 -5
max cijj 5 2 1
v„ = min{max«,}
i i ’
Jeśli (jak w tym przypadku) max{minai } = min{maxa }, czyli maksymalna

z minimalnych wygranych jest równa minimalnej z maksymalnych przegranych, to
mówimy, że istnieje rozwiązanie gry w zbiorze strategii czystych (gra ma punkt siodłowy).
W naszym przykładzie punkt siodłowy gry istnieje na przecięciu pierwszego wiersza
i trzeciej kolumny (optymalnych strategii obu graczy). Jest to element a13 macierzy
wypłat (1). Jak łatwo sprawdzić, punkt siodłowy jest najmniejszym elementem wiersza
i równocześnie największym elementem kolumny. Punkt siodłowy jest równocześnie
wartością gry v; w tej grze wartość gry wynosi v = vA = vB = 1.
Menedżer przedsiębiorstwa A powinien więc wybrać strategię marketingową A 1
i wtedy bez względu na decyzję przedsiębiorstwa B zwiększy swój udział w rynku co naj
mniej o 1%. Przedsiębiorstwo B powinno wybrać swą strategię B 3 i wtedy, bez względu
na decyzję menedżera przedsiębiorstwa A , straci nie więcej niż 1% udziału w rynku.
188 3. Gry
Przykład 25. Niech macierz wypłat z przykładu 24 ma obecnie postać jak

w tabl. 130. Pozostałe założenia pozostają bez zmian.
Tablica 130
B
Bi «3
A
3 -3 7
^2 -1 5 2
A, 0 -4 4
R o z w i ą z a n i e . Rozwiązywanie każdej gry rozpoczynamy od sprawdzenia,

czy istnieje punkt siodłowy gry. Poszukiwanie punktu siodłowego przedstawiono
w tabl. 131a.
Tablica 13 la
B
Bi W m M min djj
At 3 -3 i -3
a2 -1 5 2 -1 = max{min aA
0 j i J
A3 -4 4 -4
maxa/y 3 5 7
T
v„ = min{mąx a..}
Wtymprzypadku vA = max{min a..} = - 1 ,natomiast v,, = min{max = 33. Ponie-

/ i 1 i i J
waż vA ^ v B - gra nie ma rozwiązania w zbiorze strategii czystych. Dla każdego gracza
należy określić strategie mieszane. Strategia mieszana jest kombinacją strategii czystych
stosowanych z odpowiednimi prawdopodobieństwami.
Ai, A 2,A 2
Optymalną strategię mieszaną gracza A można zapisać: a optymal
P i Pi Pi ,
ną strategię mieszaną gracza B: gdzie p i ,p 2,p 3 to prawdopodobieństwa
JIl ?2
(częstości) stosowania przez gracza A jego strategii (oczywiście 0 < p t < 1, ’L pl = 1),
a <¡¡2 ’ ?3 to prawdopodobieństwa stosowania przez gracza B jego strategii
(0 < qi < 1, 'Łqi - 1). Naszym zadaniem jest określenie tych prawdopodobieństw oraz
wartości gry v. Po określeniu strategii mieszanych wartość gry będzie należeć do prze
działu określonego przez dolną wartość gry (vA) i górną wartość gry (vg), a więc w tym
wypadku v e (-1; 3).
3 vA = —1 nazywane jest dolną wartością gry, natomiast vn = 3 - górną wartością gry.

3.1. Gry dwuosobowa o sumie zero 189
Przed przystąpieniem do wyznaczania strategii mieszanych należy (jeżeli to

możliwe) zredukować macierz wypłat (zmniejszyć jej rozmiary) przez wykreślenie
tzw. strategii zdominowanych (strategii jawnie niekorzystnych dla każdego z graczy).
Porównajmy na początek trzy strategie gracza A : A VA 2 i A 3 (parami). Jak łatwo
zauważyć, strategia^ daje w każdym przypadku niższe wygrane niŻAX(0 < 3; - 4 < -3 ;
4<7). Gracz A nie powinien nigdy stosować strategii A 3 (jest to strategia zdominowana
przez A x). Porównajmy również parami strategie gracza B: Bv B2 i By Strategia B3 daje
zawsze większe przegrane niż strategia Bj(7 > 3; 2 > -1 ; 4 > 0). Gracz B nie będzie więc
używał w czasie gry strategii B3 (jest to strategia zdominowana przez B ^4. Po wykreśle
niu strategii zdominowanych otrzymamy nową macierz gry (tabl. 131b).
Tablica 131b
Prawdopodobieństwa stosowania
l i i i A (A b min dy
l l strategii przez gracza A
A 3 -3 ' -3 Pi
^2 -1 5 -1 Pi
a3 -----9— —=4— 1---- — =4- P3=°
max djj 3 5
Prawdopodobieństwa stosowania <?3 = 0
strategii przez gracza B
Każdy z graczy powinien więc stosować tylko dwie strategie: gracz A strategię A x
z częstością p x i strategię A 2 z częstością p 2(p3= 0); gracz B będzie stosował strate
gię Bx, z częstością q x\B 2 z częstością q2(q2 = 0).
Wygrana graczami, oznaczona jako vA, w przypadku gdy gracz B będzie stosował
strategię B x, wyniesie
VA = 3P\~P2’ (1)
natomiast gdy B będzie stosował strategię B2, wygrana gracza A wyniesie
Va = ~ 3P i +5P2 (2)
ponadto
p x+P2 = l (3)
skąd np. p 2 = \ - p l. Podstawiając to wyrażenie do obydwu równań i porównując rów

nania (1) i (2) stronami, otrzymujemy
3 P i-l(l-P i) = ~3p1+ 5 ( l- p 1).
4 Dla gracza A wykreślamy jako zdominowaną tę strategię (wiersz), której elementy są mniejsze lub
równe od odpowiednich elementów innej strategii, czyli strategię, która niezależnie od wyboru przeciw
nika daje graczowi mniejszą wygraną niż inna. Ponieważ dla gracza B elementy macierzy wypłat są prze
granymi - za zdominowaną uznaje się tę strategię (kolumnę), której elementy są większe lub równe od
odpowiednich elementów innej strategii.
190 3. Gry
Rozwiązaniem powyższego równania jest:
6 1 . , 1 1
Pi — = —, a więc p, =1 — = —.
12 2 2 2 2
Wstawiając te wartości do równania (1) lub (2), otrzymujemy wartość gry v:
, 1 1 2 1
v = 3 --------= —= 1.
2 2 2
Ą , Ą , A3
Optymalną strategię mieszaną gracza A można więc zapisać: 1 1
0
V 2 2
1
a zatem menedżer przedsiębiorstwa A powinien stosować strategię A x z częstością —
1 2
i strategię A 2z częstością —, a strategii A 3 w ogóle nie stosować. Przy takim postępo
waniu jego udział w rynku wzrośnie przeciętnie o 1%.
Podobnie można rozwiązanie wyznaczyć dla gracza B. Wygrana gracza B - v B,
w przypadku gdy A będzie stosował strategię A v wyniesie:
vB = 3q1- 3 q 2. (4)
Podobnie gdy A będzie stosował A 2, wygrana B wyniesie
vB = - q l + 5 q 2. (5)
Wiadomo ponadto, że
ql + q2 = l ( 6)
skąd np. q2= 1 - qv Po uwzględnieniu tej równości i porównaniu równań (4) i (5) stro
nami pozostaje do rozwiązania równanie z jedną niewiadomą:
3q1- 3 ( l - q 1) = - q 1+ 5 ( l - q 1),
8__2 2 1
skąd ql = a q2 Wartość gry obliczona z równania (4) lub (5)
12 _ 3 ’ 3 3
wyniesie
6 -3
= 15.5
3
5 Nietrudno zauważyć, że dzięki zastosowaniu strategii mieszanych wartości gry dla obydwu graczy
są równe (1) oraz, że dzięki zastosowaniu strategii mieszanych zwiększyła się minimalna wygrana gracza
A (z -1 do 1) i zmniejszyła się maksymalna przegrana gracza B (z 3 do 1). Zauważmy też, że wartość gry
należy do przedziału wyznaczonego przez dolną i górną wartość gry, tj. 1 e (-1; 3).
Bv B2,B3n
Optymalną strategię mieszaną gracza B można zapisać: 2 1 > menedżer
V3 3 /
przedsiębiorstwa B powinien więc stosować strategię Bx z częstością — i strategię B2
1 3
z częstością —. Przeciętna strata jego udziału w rynku wyniesie wtedy przeciętnie 1%6.
Wartości p i q można także wyznaczyć graficznie, co przedstawiono na rys. 25

(dla gracza A) i 26 (dla gracza B). Na osi odciętych zaznaczamy prawdopodobieństwa
(np. p l dla A i q { dla B) a na osi rzędnych wartość gry. Równania prostych dla gracza
A otrzymano następująco:
Z równania (1)
vA=SPi - P2 - * v A='Sp1- ( \ - p l) - * v A =-l + Apv
Z równania (2)
= -3 p, + 5 p 2 - * v A = -3 p x + 5(1 - a ) -> = 5 - 8pv
Punkt przecięcia tych prostych wyznacza prawdopodobieństwo p x= 0,5 (p2= l - p l)

i wartość gry v = 1.
6 Jeżeli gra ma punkt siodłowy, gracze realizują wartość gry v po każdorazowym rozegraniu gry
(przy założeniu, że każdy z nich stosuje swoją optymalną strategię). Natomiast, gdy gra nie ma punktu
siodłowego i gracze stosują strategie mieszane, wartość gry v jest przeciętną wygraną gracza A (przegraną
gracza B) uzyskaną przez każdego z nich przy wielokrotnym powtarzaniu gry.
192
A równania prostych dla gracza B:

Z równania (4)
vB = 3 ^ - 3 q2 ^ v B = 3qi ~ 3 (l-q l) -> vB = - 3 + 6 qv
Z równania (5)
vB = ~qx + Sq2 -» vB = - q t +5(1 ■- q x) -» vB = 5 - 6 q x.
Punkt przecięcia tych prostych wyznacza q x~ 0,67(2/3)(g2 = 1 - q x) i wartość

gry v = l .
Przykład 26. Rozwiąż grę dwuosobową o sumie zero, której macierz wypłat
przedstawia tabl. 132. Podaj optymalne strategie dla obydwu graczy oraz wartość gry.
Tablica 132
f
b. |J * 2 1 ! , B*
<
5 0 i 5
^2 2 4 3 4
^3 1 2 3 2
a4 4 -1 1 3
R o z w i ą z a n i e . Jak zawsze rozwiązywanie gry rozpoczynamy od sprawdzenia,

czy ma punkt siodłowy (jeżeli tak, to znaleźliśmy już jej rozwiązanie). Poszukiwanie
punktu siodłowego przedstawiono w tab. 133a.
3,1. Gry dwuosobowe o sumie zero 193
Tablica 133a
B
Bl ft min cty
A W 0 i W Ę M
Al 5 0 1 5 0
a2 2 4 3 4 2 <- v , = max{min a,,}

i ‘
a3 1 2 3 2 1
^4 4 -1 1 3 -1
max a(j 5 4 3 5
T
vB= min{max a(y}
W tym przypadku vA = max{minfl .} = 2, natomiast v,, = m in{m axa.} = 3, a więc

> i i i 1
gra nie ma rozwiązania w zbiorze strategii czystych. Jeżeli uda się, wykreślając stra
tegie zdominowane, zredukować macierz wypłat do wymiarów 2 x 2 będzie można
znaleźć jej rozwiązanie algebraiczne lub graficzne. Redukcję macierzy wypłat przed
stawia tabl. 133b.
Tablica 133b
Częstości stosowania strategii

ft i !4 min ay
A U M M f if t przez gracza A
Ay 5 0 1 0 Pi
2 4 3 ii 2 Pi
---- 1---- — 2— — 3— 1 Pi =o
A4 — 4---- — 4---- — 1— i- -1 P4 = 0
max ay 5 4 3
Częstości stosowania ?i <h <h 94 = 0
strategii przez gracza B
Strategia A 3 jest zdominowana przez A 2 (A3 daje graczowi A wygrane nie więk
sze - mniejsze lub równe n iż /l2), strategia A 4 jest zdominowana przezuj, strategia B4
jest zdominowana przez B2 (B4 daje graczowi B przegrane nie mniejsze - większe
lub równe niż B2). W rezultacie graczowi A pozostały 2 strategie, ale graczowi B - 3.
W tej sytuacji najłatwiej rozwiązanie gry będzie można znaleźć, zapisując ją jako
program liniowy.
Każdą grę dwuosobową o sumie zero można zapisać w postaci programu liniowego
i rozwiązać go metodą właściwą dla programów liniowych.
PL dla gracza A: Przyjmując, że p t i p 2 to częstości (prawdopodobieństwa) stoso
wania przez gracza A jego strategii (Ax i A 2), jego przeciętna wygrana wyniesie:
gdy B wybierze strategię B v 5p x+ 2p 2
gdy B wybierze strategię B 2 0pl + 4p2
i gdy B wybierze strategie B3 p {+ 3p 2.
194 3. Gry
Strategia optymalna przy dowolnym postępowaniu gracza B, powinna zapew

nić graczowi A wygraną nie mniejszą niż wartość gry v, otrzymujemy zatem układ
warunków:
5p1+ 2p2 >v,
Ap2 >v,
p y+ 3 p 2 >v,
ponadto należy uwzględnić warunek: p 2+ p 2 - 1, a ponieważ gracz A dąży do maksy

malizacji swojej wygranej - funkcja celu ma postać v -> max.
Rozwiązanie powyższego programu liniowego nie jest możliwe, ponieważ nie
znamy wartości gry - v. Aby się od niej uniezależnić, układ warunków dzielimy obu
stronnie przez v. Podstawiając ponadto: — = xi (i = 1, 2), ostatecznie PL dla gracza
A przyjmuje postać: v
(1) 5 x x+ 2 x 2 > 1,
(2) 4x2 > 1,
(3) x x+ 2 x 2 > 1,
xx > 0, x2 > 0,
a z warunku p x+ p 2 = 1 po podzieleniu obustronnie przez v budujemy funkcję celu:
1
x: + x 2 = — • 7
>mm
Program zawiera dwie zmienne decyzyjne, a więc może być rozwiązany geome
trycznie. Rozwiązanie to przedstawiono na rys. 27.
Jak widać, punktem zbioru rozwiązań dopuszczalnych w którym funkcja celu
przyjmuje wartość najniższą jest punkt P, w którym przecinają się warunki (1) i (3).
4_
Z rozwiązania układu tych równań otrzymujemy: x * = — \ xl
13'
1 4 5 1 1 13
Zatem x* + x2 — + — = — = _ czyli v = -=- = 2, 6.
13 13 13 v A
13
Aponieważ — = x;, stąd p i - v - x j, aw ięc p* = v-x* = — •— = 7 » a p 2 - v - x * =

V J LJ J
13 ± = 4
5 13 _ 57
7 Ponieważ wartość gry jest maksymalizowana, to jej odwrotność l/v będzie minimalizowana.
PL dla gracza B: Gracz B dąży do minimalizacji swojej przegranej, a więc nieza

leżnie od tego co wybierze przeciwnik, jego przegrana powinna być nie większa od
wartości gry v.
Średnia przegrana gracza B wyniesie:
przy założeniu, że gracz A zastosuje strategię A L: 5q1+ 0q2+ q 3
a gdy A wybierze swą strategię/12: 2ql + 4q2+ 3q3.
Zatem warunki dla gracza B mają postać:
5<7i + + q3 <v,
2ql + 4q2+ 3q3 <v.
Ponadto należy uwzględnić warunek, że <7, + q 2+ q 3 = 1, a w funkcji celu zminima

lizować wartość gry, czyli v -> min.
Dzieląc relacje modelu obustronnie przez v i podstawiając: — = y,-» otrzymujemy
ostatecznie: v
5yi+ +3y3 < l ,
2)>i + 4y2+ 3y3 < 1,
yi> y * * °>
i
y i + y 2 + y ?,=— >max.
V
W programie tym występują co prawda trzy zmienne decyzyjne, ale tylko dwa
warunki, zatem można go rozwiązać, wykorzystując zależności pomiędzy progra
mem pierwotnym i dualnym. Zauważmy ponadto, że programem dualnym dla pro
gramu liniowego dla gracza B będzie program dla gracza A, a więc znamy już jego
rozwiązanie.
196 3. Gry
programu dla gracza A i sprawdzamy jak (ostro czy słabo) są spełnione poszczególne
jego warunki. Na podstawie obliczeń stwierdzamy89, że ostro spełniony jest warunek
(2), zatem y* = 0. Pozostaje więc rozwiązać układ równań:
5 y i+ y 3 = 1,
2yl +3y3 = l,
Z relacji — = yj otrzymujemy qj = v -y,., a zatem:
13 _3__ 3 9
9* = v-yt 5 ' 13 _ 5 '
Gracz A powinien więc stosować strategię A x z częstością 1/5 i strategię A 2 z czę

stością 4/5 (a strategii A 3 i A 4 nie stosować). Gracz B powinien stosować strategię B 1
z częstością 2/5 i strategię B3 z częstością 3/5 (a strategii B2 i B4 nie powinien stoso
wać). Przy wielokrotnym powtarzaniu gry przeciętna wygrana gracza A (przeciętna
przegrana gracza B) wyniesie v = 2,6. Zauważmy, że wartość gry należy do przedziału
wyznaczonego przez dolną i górną wartość gry (2; 3).
Na zakończenie należy zauważyć, że może zdarzyć się, iż z przedziału wyznaczo
nego przez dolną i górną wartość gry nie wynika jednoznacznie, czy wartość gry jest
dodatnia czy ujemna. Wobec tego nie wiadomo, czy podczas dzielenia przez v kierun
ki nierówności należy zachować, czy też należy je zmienić na przeciwne bowiem dzie
limy przez liczbę ujemną.
W takiej sytuacji macierz wypłat należy przekształcić tak, aby wszystkie jej ele
menty były nieujemne, dodając do wszystkich elementów wartość bezwzględną ele
mentu najmniejszego. Po rozwiązaniu gry o tę liczbę trzeba będzie zmniejszyć v, aby
otrzymać rzeczywistą wartość gry.
I jeszcze jedna uwaga, jeśli w wyniku redukcji macierzy wypłat graczowi B zo
staną dwie strategie a graczowi A więcej - rozwiązywanie gry powinno się zacząć od
wyznaczenia optymalnych strategii dla gracza B.
8 To samo można stwierdzić na podstawie rys. 14. W punkcie optymalnym P przecinają się warunki
(1) i (3), a więc one są spełnione słabo a ostro spełniony jest warunek (2).
9 Sumowanie się prawdopodobieństw zarówno p t, jak i qr( do jedności potwierdza poprawność uzys
kanego rozwiązania.
3.2. Gry z naturą 19 7
3.2. Gry z naturą

Gry z naturą to również gry dwuosobowe, przy czym natura jest przeciwnikiem, który
sam nie jest zainteresowany wynikiem gry, a więc grę rozwiązuje się tylko z punktu
widzenia jednego z graczy. Optymalną strategię można wybrać, stosując jedną z kilku
alternatywnych reguł decyzyjnych10:
a) kryterium Walda (pesymistyczne - reguła maxmin.),
b) kryterium Hurwicza,
c) kryterium Bayesa,
d) kryterium optymistyczne (max max),
e) kryterium Savage’a.
Podejmujący decyzję musi jednak zdecydować się na wybór reguły, bowiem oparte
są one na różnych założeniach i dają różne wyniki.
Przykład 27. Właściciel sieci pizzerii zamierza uruchomić nową pizzerię. Roz
ważane są trzy lokalizacje. Przychody pizzerii będą zależeć przede wszystkim od
liczby klientów ją odwiedzających, a te z kolei zależą od układu czynników ryn
kowych (np. ceny, konkurencja - jej istnienie w pobliżu, oferowany asortyment).
Z pomocą firmy konsultingowej oszacowano spodziewaną dzienną liczbę klientów
zależną od wspomnianych czynników - podaną w tabl. 134 - specjaliści wyróżnili
4 stany natury. Którą z lokalizacji należy wybrać z punktu widzenia maksymalizacji
liczby klientów?
Tablica 134
Spodziewana liczba klientów
Strategie w przypadku stanu natury
(lokalizacja)
si S2 ; S4
LI 40 64 50 110
L2 78 64 90 72
L3 66 74 80 68
R o z w i ą z a n i e . Wyboru optymalnej strategii dokonamy, stosując wszystkie

wymienione reguły decyzyjne.
Kryterium Walda jest kryterium ostrożnym (zakłada że zajdzie sytuacja najmniej
korzystna dla podejmującego decyzję). Dlatego, dla każdej strategii (każdego wiersza)
macierzy wypłat należy określić najmniejszą wartość (minimalną wygraną, tu mini
malną liczbę klientów), a następnie wybrać strategię, dla której ta minimalna wygrana
10 Podane dalej sposoby wyboru decyzji optymalnych oparte na wymienianych kryteriach doty
czą najczęściej spotykanego w praktyce przypadku, gdy elementy macierzy wypłat są zyskami (dochoda
mi) maksymalizowanymi przez decydenta. Jeżeli macierz wypłat zawiera koszty (straty), kryteria należy
zmodyfikować tak, aby optymalną była strategia związana z najmniejszymi kosztami.
n
198 3. Gry
jest największa, czyli wybieramy maksymalną z minimalnych wygranych - wypłat, co

można zapisać:
v = max {min a,,}.
' i
W naszym przykładzie najmniejsza liczba klientów w przypadku lokalizacji LI

wynosi 40, dla lokalizacji L2 - 64, dla lokalizacji L3 - 66. Największą z najmniejszych
jest 66, należy zatem wybrać lokalizację L3 co zapewni co najmniej 66 klientów dzien
nie (a być może 68, 74 lub 80).
Punktem wyjścia kryterium Hurwicza jest arbitralny wybór współczynnika ostroż
ności y(0 S y < 1). Dla każdej strategii należy obliczyć przeciętną wygraną, jako śred
nią ważoną minimalnej i maksymalnej wypłaty, czyli stosując formułę:
v,(y) = ymin(atf) + ( l - y)mąx(aff),

J J
a następnie wybrać tę strategię, dla której v^y) przyjmuje wartość maksymalną.

Zauważmy, że w zależności od wyboru współczynnika ostrożności reguła
Hurwicza może stać się regułą bardzo asekurancką (przy y = 1 pokrywa się z kry
terium Walda), albo bardzo hazardową (przy y = 0 sprowadza się do wyboru maksy
malnej z maksymalnych wygranych, a więc wyboru bardzo optymistycznego). Poniżej
przyjęto y = 0,2 i y = 0,8.
Jeżeli decydent zdecyduje się zaryzykować i przyjmie niski współczynnik ostroż
ności, np. y = 0,2 przeciętne liczby klientów wyniosą:
Dla lokalizacji LI v(0,2) = 0,2 ■40+ 0,8 • 110 = 96, <—max,
Dla lokalizacji L2 v(0,2) = 0,2 •64+ 0,8 •90 = 84,8,
Dla lokalizacji L3 v(0,2)= 0,2 • 66+0,8 •80 = 77,2.
W tej sytuacji największą przeciętną liczbę klientów (96) gwarantuje wybór loka
lizacji LI.
Jeżeli jednak podejmujący decyzję jest ostrożny i zdecyduje się na wysoki współ
czynnik ostrożności np. y = 0,8, przeciętne stopy zysku będą następujące:
Dla lokalizacji LI v(0,2) = 0,8 •40 + 0,2 • 110 = 54,
Dla lokalizacji L2 v(0,2) = 0,8 •64 + 0,2 •90 = 69,2, <- max,
Dla lokalizacji L3 v(0,2)= 0,8 ■66 + 0,2 •80 = 68,8.
Zatem ostrożny decydent powinien wybrać lokalizację L2, która zapewni prze
ciętną liczbę klientów 69,2.
Jeżeli decydent zdecydowałby się na współczynnik ostrożności y = 0 - zastosu
je kryterium optymistyczne („maksymaksowe” dla skrajnych optymistów - ryzykan
tów), które polega na określeniu dla każdej strategii maksymalnej wygranej (liczby
klientów) i wyborze strategii, dla której ta maksymalna jest największa, co można
zapisać:
v = max {max a }.
*' j
3.2. Gry z naturą 199
I tak dla LI maksymalna liczba klientów to 110, dla L2 - 90, a dla L3 - 80, a więc
wybór Lokalizacji LI zapewnia (wygraną) liczbę klientów największą z możliwych
(110 - osiągalną gdy wystąpi S4, ale jeżeli wystąpi SI, to przy wyborze LI będzie
ich tylko 40).
Według kryterium Bayesa najlepsza jest strategia, która daje największą przecięt
ną wygraną (liczbę klientów). Przy założeniu, że wszystkie stany natury są jednakowo
prawdopodobne dla każdej strategii średnią oblicza się jako zwykłą średnią arytme
tyczną wg wzoru:
gdzie n jest liczbą stanów natury, a następnie wybiera się strategię, dla której ta śred
nia jest największa.
W naszym przykładzie:
40 + 64 + 50 + 110 = 6^6 j
„i = ---------------------------
Dla lokalizacji LI
78 + 64 + 90 + 72 „
Dla lokalizacji L2 v2 = ----------------------= 76 <—max,
66 + 74 + 80 + 68
Dla lokalizacji L3 V3=- = 72.
Według kryterium Bayesa należy więc wybrać lokalizację L2, co gwarantuje prze
ciętną liczbę klientów 76, podkreślmy jeszcze raz - przy założeniu że wszystkie sta
ny natury są jednakowo prawdopodobne (prawdopodobieństwo wystąpienia każdego
w nich w tym przypadku wynosi lA).
Może się jednak zdarzyć, że znane są prawdopodobieństwa występowania p o
szczególnych stanów natury i wówczas przeciętną wygraną oblicza się jako średnią
arytmetyczną ważoną, czyli:
v/ = X w
j=l
gdzie wagami sąp;. - prawdopodobieństwa wystąpienia poszczególnych stanów natury
(j = 1, 2,...,«; Y dp j = 1).
;=i
Wybiera się strategię, dla której tak obliczona średnia jest największa11.
Załóżmy, że prawdopodobieństwa wystąpienia poszczególnych stanów natury wy
noszą odpowiednio: p i = 0,1; p 2 = 0,2; p 3 = 0,5; p 4 = 0,2. Przy tych prawdopodobień
stwach średnia liczba klientów dla poszczególnych lokalizacji wyniesie:
11 Zauważmy, że zastosowanie tego kryterium jest podejmowaniem decyzji w warunkach ryzyka,

a nie niepewności.
2 00 3. Gry
Dla lokalizacji LI vx = 0,1 •40 + 0,2 • 64 + 0,5 •50 + 0,2 • 110 = 63,8,
Dla lokalizacji L2 v2 - 0,1 •78 + 0,2 •64 + 0,5 •90 + 0,2 •72 = 80 <- max,
Dla lokalizacji L3 v3 = 0,1 • 66 + 0,2 •74 + 0,5 •80 + 0,2 •68 = 75.
Zatem przy znanych prawdopodobieństwach wystąpienia stanów natury wybór
lokalizacji L2 zapewni największą przeciętną liczbę klientów (80).
Kryterium Savage’a spełnia postulat minimalizacji oczekiwanych strat wynikłych
z podjęcia przez nas decyzji gorszej niż najlepsza możliwa dla danego stanu natury
(z punktu widzenia podejmującego decyzję). Należy wybrać tę strategię, dla której
strata relatywna jest najmniejsza. Pierwszym etapem jest znalezienie macierzy rela
tywnych (oczekiwanych) strat (zwanej także macierzą żalu - żalu spowodowanego pod
jęciem złej decyzji). Strata jest różnicą między największą wygraną (liczbą klientów)
możliwą dla danego stanu natury a wygraną odpowiadającą podjętej decyzji. Zatem
dla każdej kolumny macierzy wypłat (każdego stanu natury) straty relatywne ((¡¡j)
oblicza się ze wzoru:
Ą = m ą x a 9 - a 9.
W macierzy strat dla każdej strategii należy określić maksymalną stratę i wy
brać strategię, dla której maksymalna strata będzie najmniejsza, czyli ostatecznie
wybieramy:
c-m in {m a x /).}.
i i '
Tak więc np. gdyby wystąpił stan natury SI - najkorzystniejszy byłby wybór loka
lizacji L2 (maksymalna liczba klientów 78). Wybierając LI, decydent traci 38 klientów
(J3n = 7 8 -4 0 ), wybierając L2, nie traci nic (/321 - 0), wybierając L3, traci 12 klien
tów (P31 = 7 6 -6 6 = 12). W przypadku S2 maksymalna liczba klientów to 74 i od tej
liczby odejmujemy pozostałe elementy kolumny. Dla S3 maksymalna to 90 i dla S4
- 110 klientów. Macierz relatywnych strat przedstawia tabl. 135.
Tablica 135
Strategie Straty (J9tf) dla stanu natury

(Lokalizacje) max Pu
i i SI' ' f i ś $ ® S3 S4
LI 38 10 40 0 40
L2 0 10 0 38 38 <- v = minima x/?.,.}
i j ,}
L3 12 0 10 42 42
Licząc się z zaistnieniem stanu natury najbardziej niekorzystnego dla podejmu

jącego decyzję, dla każdej strategii określono maksymalną stratę (ostania kolumna
tabl.135): dla LI wynosi ona 40; dla L2 - 38 i dla L3 - 42 klientów. Według kryterium
Savage’a należy wybrać lokalizację L2, bo strata w stosunku do najlepszego możliwego
stanu natury jest w tym przypadku najmniejsza i wynosi 38 klientów.
Należy podkreślić, iż podane wyżej reguły decyzyjne - sposoby wyboru decyzji

optymalnych dotyczą najczęściej spotykanego w praktyce przypadku, gdy elementy
macierzy wypłat są zyskami (dochodami) maksymalizowanymi przez decydenta.
Jeżeli macierz wypłat zawiera koszty (straty), kryteria należy zmodyfikować tak,
aby optymalną była strategia związana z najmniejszymi kosztami.
Kryterium Walda: dla każdej strategii należy określić maksymalny koszt (ostroż
ność każe liczyć się z największymi kosztami), a następnie wybrać strategię dla której
maksymalny koszt będzie najmniejszy, czyli v = min max a,r
i j '
Kryterium Hurwicza: Przy wybranym współczynniku ostrożności y, dla każ
dej strategii należy obliczyć przeciętny koszt at = { /• m a x + (1 - y) ■min a. } i wybrać
strategię o najniższym przeciętnym koszcie. 1 1
Kryterium Bayesa - dla każdej decyzji należy obliczyć przeciętny koszt (przy zało
żeniu, że wszystkie stany natury są jednakowo prawdopodobne lub z uwzględnieniem
znanych prawdopodobieństw dla poszczególnych stanów natury), a następnie wy-
1
brać decyzję, dla której przeciętny koszt jest najmniejszy, czyli mino,. = — lub
n~
1
min a: : l P j ar
H
Kryterium Savage’a - w przypadku kosztów stratą jest poniesienie kosztów wyż
szych niż najniższe możliwe przy danym stanie natury, zatem elementy macierzy
oczekiwanych strat oblicza się (dla poszczególnych kolumn) - odejmując najmniej
szy element w kolumnie od pozostałych, czyli /3~ - a0 - min an. W macierzy strat jak
poprzednio wybiera się min {max/?..}.
Pytania i problemy
1. W jaki sposób znajduje się punkt siodłowy gry dwuosobowej o sumie zero?
2. Podaj sposób rozwiązania gry dwuosobowej o sumie zero w przypadku braku rozwiązania
w zbiorze strategii czystych.
3. Na czym polega redukcja macierzy wypłat?
4. W jaki sposób grę dwuosobową o sumie zero sprowadza się do programu liniowego?
5. Scharakteryzuj poznane kryteria stosowane w grach z naturą.
6. Określ sytuacje, w których powinno się stosować kryterium: a) Hurwicza, b) Bayesa,
c) Savage’a.
Zadania
100. Znajdź rozwiązanie gry dwuosobowej o sumie zero (tabl. 136) metodą algebra
iczną i geometryczną. Symbolami A i B oznaczono obu graczy, i S2 to strategie
gracza A oraz 7j i T2 to strategie gracza B.
1. Z jakimi częstościami powinni stosować swoje strategie gracze A i B?
2. Który z graczy wygra tę grę?
Tablica 136
B T.
A
Si 3 6
$2 -2 -4
101. Rozwiąż gry dwuosobowe o sumie zero (tabl. 137 i 138), gdzie symbolami A
i B oznaczono obu graczy, to strategie gracza A, ay; - strategie gracza B.102*
Tablica 137 Tablica 138
NV B X. B
A Ta Tj XTi k U li» T4
A
*i 2 4 6 xl 1 3 5 8
•*2 3 1 4 x2 -2 3 3 5
x3 2 3 3 x3 7 -1 1 0
102. Rozwiąz gry dwuosobowe o sumie zero, których macierze wypłat dane są
w tabl. 139a i 139b:
Tablica 139a Tablica 139b
X . B nS X b ;:
A \ i $ Ta f |: T |; i || t3
xi 2 4 3 ■*i 3 0 -2
x2 5 1 6 ■*2 -1 2 8
x3 0 5 1 *3 -1 0 -3
x4 -2 0 6
103. Którą z gier podanych w tabl. 140a i 140b należy wybrać, będąc graczem A?
Parametr a spełnia relację: 0 < a<0,5.
Tablica 140a Tablica 140b
X. B
S i? x | *« «a «3
A, 6 5,5 6
^2 1 2 3
^3 2 4 4
104. Dana jest gra dwuosobowa o sumie zero, w której każdy z graczy może wybrać
liczbę ze zbioru {1, 2, 3}. Gracz mający mniejszą liczbę wygrywa dwa punkty,
z wyjątkiem przypadku, gdy jego liczba jest mniejsza dokładnie o jeden: wtedy
przegrywa cztery punkty. Jeśli liczby wybrane przez obu graczy są równe, nikt
nie wygrywa.
1. Zapisz macierz wypłat dla tej gry.
2. Rozwiąż tę grę, wskazując, który z graczy wygra i ile.
3. Wskaż, jak powinni grać obaj gracze.
105. W grze bierze udział czterech graczy, z tym że gracz A z graczem B, a drugą parę
tworzą gracze C i D. Macierze wypłat podano w tabl. 141 i 142.
B D
A \ l:W li l i i 1 1 ; d3
C
A\ -2 7 6 c, -3 i 2
^2 5 2 -3 C2 2 -5 1
a3 0 3 -2 C3 1 -7 -2
1. Wyeliminuj strategie zdominowane.

2. Określ wygraną każdego z graczy.
106. Dana jest macierz wypłat:
'2 -1 1
4 a 5 .
3 5 9
1. Dla jakich wartości parametru a gra ma rozwiązanie w zbiorze strategii

czystych, a dla jakich w zbiorze strategii mieszanych?
2. Przyjmując dowolną wartość parametru a , rozwiąż grę.107
107. Rozwiąż parametryczną grę dwuosobową o sumie zero daną w tabl. 143
(parametrem jest a), gdzie Z = {zv z 2, z 3} jest zbiorem strategii gracza A,
a S = {.?[, s2, s3} jest zbiorem strategii gracza B.
Tablica 143
1. Jakie wartości powinien przyjmować parametr a , przyjmując że gra nie
ma rozwiązania w zbiorze strategii czystych?
2. Czy możliwe jest osiągnięcie przeciętnej wygranej v = 10 przy tym samym
założeniu?
3. Dla jakiej wartości parametru a gra ma rozwiązanie w zbiorze strategii
czystych?
4. Czy możliwe jest osiągnięcie przeciętnej wygranej v = 4? Jeśli tak, to przy
jakiej wartości parametru a?
108. Dwóch partnerów mających po trzy jednakowe karty (asa, króla i damę) roz
grywa partię, której reguły są następujące: as wygrywa z królem 5 i przegrywa
z damą 10, król wygrywa z damą 1. W przypadku pokazania jednakowych kart
nikt nie wygrywa.
a) Zapisz macierz wypłat.
b) Rozwiąż tę grę przy założeniu, że gracz pierwszy odłożył na bok damę,
a gracz drugi odłożył asa. Wskazać zwycięzcę i określić wysokość jego wygranej.
109. Inwestor ma pewną kwotę pieniędzy, którą chciałby korzystnie ulokować.

Rozważa trzy fundusze inwestycyjne: bezpieczny (inwestujący w bony skarbowe
- BFI), agresywny (inwestujący w akcje - AFI) i fundusz stabilnego wzrostu
(FSW) oraz lokatę bankową. Oszacowane spodziewane roczne stopy zwrotu dla
poszczególnych funduszy w zależności od stanu gospodarki (wyróżniono 4 stany
natury) podano w tabl. 144.
Tablica 144
Przewidywane stopy zwrotu
Strategie wprzypadku stanu natury
(decyzje)
S2 © ä S< 1
BFI 8 7 6 1
AFI 8 -5 0 12
FSW 5 12 3 -7
Lokata 3,0 2,1 2,6 3,3
a) Zakładając, że całą kwotę inwestor zamierza zainwestować w jeden

z funduszy, należy dopomóc mu w wyborze lokaty gwarantującej maksymalizację
stopy zwrotu, stosując znane kryteria. Dla kryterium Hurwicza proszę przyjąć
współczynnik ostrożności y= 0,3.
b) Jaka byłaby optymalna decyzja (strategia), gdyby znane były prawdopo
dobieństwa wystąpienia poszczególnych stanów natury wynoszące odpowiednio:
0,3 (Sj), 0,2 (S2), 0,2 (S3) i 0,3 (S4)?
110. Istnieją 3 możliwe warianty inwestycyjne budowy nowej galerii handlowej. Okres
zwrotu z inwestycji zależy od układu czynników rynkowych - wyróżniono 4 stany
natury. Okresy zwrotu (w miesiącach) podano w tabl. 145.
Który z wariantów inwestycyjnych jest najkorzystniejszy dla inwestora
z punktu widzenia znanych kryteriów (w przypadku kryterium Hurwicza przy
jąć y= 0,2 i 0, 8)?
Tablica 145
Okres zwrotu inwestycji,
Warianty jeśli wystąpi stan natury
inwestycyjne
|| I II III IV
1 44 60 72 48
2 60 44 50 46
3 32 80 50 50
111. Trzy typy hamulców tramwajowych I, II, III poddano próbom w trzech rodzajach
warunków drogowych A, B, C. Procent zadowalających prób zawiera tabl. 146.
Tablica 146
Wybierz do produkcji jeden z trzech typów hamulców za pomocą kryterium

a) Hurwicza (y= 0,4); b) Bayes’a; c) Savage’a.12*
112. W procesie produkcji pewnego wyrobu przedsiębiorstwo może zastosować jed

ną z czterech nowych technologii Tj, T 2, T 3 lub T4 zużywających różne surowce
i dających wyroby o różnej jakości. Przychody przedsiębiorstwa przy stosowa
niu tych technologii zależą od układu czynników rynkowych (podaż i ceny su
rowców, popyt i ceny sprzedawanych wyrobów), przy czym specjaliści wyróżnili
3 stany natury i ustalili stopy zysku odpowiadające poszczególnym strategiom
podane w tabl. 147.
Którą z technologii należy wybrać z punktu widzenia maksymalizacji sto
py zwrotu? Zastosuj kryteria Walda, Hurwicza (7 = 0,3 i 0,7), Bayesa (przy za
łożeniu, że wszystkie stany natury są jednakowo prawdopodobne oraz, że
prawdopodobieństwa poszczególnych stanów natury są równe odpowiednio:
0,2, 0,3 i 0,5) oraz kryterium Savage’a.
Tablica 147
Strategie Stany natury

(technologie) W iM
T, 20 10 15
t2 40 -5 15
t3 0 20 30
t4 10 45 -1 0
113. W pobliżu dużego lotniska planowana jest budowa nowego hotelu. Istnieją czte
ry warianty planu inwestycyjnego: 100, 120,140 i 160 min zł, które w zależności
od szeregu czynników losowych (stanów natury) mogą dać różne roczne stopy
zwrotu. Wyróżniono cztery stany natury (tabl. 148).
Tablica 148
Stopa zwrotu poniesionych nakładów inwestycyjnych
Warianty i nakłady inwestycyjne w przypadku wystąpienia stanu natury:
(w min zł)
I i Si l i l i i l i l i i s<
I 100 0,15 0,2 0,1 0,08
II 120 0,22 0,15 0,08 0,15
III 140 0,09 0,13 0,15 0,18
IV 160 0,1 0,05 0,17 0,25
Który z wariantów inwestycyjnych należy wybrać a) będąc pesymistą,

b) będąc optymistą?14*
114. Na oddawanym osiedlu mieszkaniowym developer przeznaczy! kilka lokali na

działalność handlowo-usługową. Aby znaleźć zainteresowanych kupnem lub
wynajęciem lokali, przygotowywana jest kampania reklamowa. Rozważane są
4 warianty reklamy: 1. Lokalna prasa 2. Lokalna stacja radiowa 3. Bilboardy
4, Reklama na środkach komunikacji miejskiej.
Z pomocą firmy konsultingowej oszacowano spodziewane koszty - propor
cjonalne do czasu trwania kampanii zależne od sytuacji na rynku nieruchomości
i ogólnej sytuacji gospodarczej - wyróżniono 4 stany natury. Koszty te (w tys. zł)
przedstawia tabl. 149. Z e względu na ograniczone środki na kampanię reklamo
wą postanowiono ograniczyć się do jednego jej rodzaju.
a) Który z wariantów reklamy jest najkorzystniejszy dla developera z punk
tu widzenia znanych kryteriów? Dla kryterium Hurwicza proszę przyjąć y = 0,2.
Zinterpretuj wszystkie uzyskane wyniki.
b) Który wariant reklamy byłby najkorzystniejszy, gdyby znane były prawdo
podobieństwa wystąpienia wszystkich stanów natury wynoszące odpowiednio:
0,4; 0,3; 0,2 i 0,1?
Tablica 149
Koszty kampanii reklamowej,

Warianty jeśli wystąpi stan natury
reklamy
1 : s2 «3 I I I : ' '■
1 24 38 32 50
2 35 30 32 35
3 37 33 26 32
4 40 34 36 42
115. Poszukiwanie niesprawności odbiornika radiowego można rozpocząć od jednego

z czterech układów A, B, C, D. Tabl. 150 zawiera procent udanych prób urucho
mienia odbiorników w określonym czasie w zależności od kolejności szukania
uszkodzeń oraz miejsca występowania uszkodzenia.
Tablica 150
Układ if f S S g ? D
A 80 30 10 25
B 12 90 42 36
C 25 40 85 52
D 10 70 40 95
Ustal kolejność szukania niesprawności, jeżeli zależy nam, aby:

a) przeciętna liczba udanych prób była największa,
b) zminimalizować względne straty w stosunku do najlepszego możliwego
stanu rzeczy,
c) stosować kryterium Hurwicza (y = 0,2).16
116. Właściciel straganu owocowo-warzywnego musi podjąć decyzję dotyczącą dzien

nej wielkości zakupu borówki amerykańskiej. Na podstawie dotychczasowych
obserwacji wie, że dzienny popyt może kształtować się na poziomie 44, 58, 72;
lub 82 opakowań po 0,5 kg borówki, które sprzedaje po 6 zł za opakowanie.
Ponieważ dostawca borówki - ogrodnik oferuje partie po 10 opakowań, właści
ciel straganu rozważa zakup 40, 50, 60, 70 lub 80 opakowań. Borówki kupuje po
5 zł za opakowanie. Zakłada się, że borówki niesprzedane w danym dniu mają
wartość zerową (nie nadają się do spożycia).
a) Określ optymalną z punktu widzenia zysku właściciela straganu wielkość
zakupu borówki, stosując znane kryteria. Dla kryterium Hurwicza proszę przy
jąć współczynnik ostrożności y = 0,1. Zinterpretuj wszystkie uzyskane wyniki.
b) Jaka będzie optymalna wielkość zakupu, jeżeli znane są prawdopodo
bieństwa poszczególnych stanów natury (popytu) wynoszące odpowiednio:
0,1; 0,2; 0,3 i 0,4?
ą ■
Zagadnienie kolejek
4.1. Uwagi wstępne

Teoria kolejek (Queueing Theory), podobnie jak pozostałe elementy badań opera
cyjnych, zrodziły się z potrzeb okresu drugiej wojny światowej. Problem kolejek był
rozważany po raz pierwszy, gdy stosunkowo duża liczba samolotów bombowych po
wykonaniu zadania bojowego, musiała wylądować w możliwie krótkim czasie na ogra
niczonej, zwykle małej liczbie lądowisk. Dzisiaj zastosowania wojenne ustępują pró
bom wykorzystania teorii kolejek w praktyce gospodarczej. Wyniki osiągane na tej
płaszczyźnie działalności mają ogromne znaczenie w przygotowywaniu optymalnych
decyzji, czyli wykazują bezpośrednie powiązania z procesami kierowania i zarządza
nia. Mają one rację bytu i rozwoju tylko wtedy, gdy ich wyniki mogą dać szereg wska
zówek dla kadry kierowniczej różnych instytucji.
Problem kolejek niech zilustruje prosty przykład związany z organizacją obsługi ka
sowej w sklepie samoobsługowym. Klient, przechodząc obok różnych regałów, wybiera
interesujące go towary, a następnie zmierza do kasy, by uiścić należność. W tym momen
cie mogą zaistnieć dwie sytuacje. Pierwsza - przed kasą nie ma kolejki, klient jest więc
obsłużony natychmiast i druga - przed kasą stoi kolejka, klient ustawia się na jej końcu
i oczekuje na obsługę. Kolejka, w której zajął miejsce nasz klient może mieć różną dłu
gość (różną liczbę osób oczekujących na obsługę). Rzeczą niezwykle ważną jest usta
lenie, czy kolejka pozostaje niezmieniona, kurczy się, czy też wydłuża. Ma to bowiem
bezpośredni wpływ na decyzję klienta. Każdy kupujący jest zadowolony, gdy obsługa
jest natychmiastowa bądź następuje po możliwie krótkim oczekiwaniu. Nieco odmienny
punkt widzenia reprezentuje właściciel sklepu. W jego interesie jest nieprzerwana praca
kasjera, a w przypadku liczniejszej obsady kasowej, możliwie pełne jej wykorzystanie.
Na ten sam problem można także spojrzeć z innej strony. Właściciel sklepu lub
jego kierownik muszą wziąć pod uwagę również stronę klienta w imię dobrze pojęte
go własnego interesu. Klient stojący w zbyt długiej kolejce straci bardzo dużo czasu.
Może zatem zrezygnować z odwiedzania tego punktu sprzedaży i zdecydować się na
wybór innego, w którym obsługa klientów jest sprawniejsza i gdzie jego czas będzie
szanowany. Przed właścicielem stoi zadanie skalkulowania opłacalności uruchomie
nia nowego stanowiska kasowego, które usprawni obsługę klientów. Wprawdzie takie
4.2. Pojedynczy kanał obsługi 209
posunięcie łączy się z dodatkowymi kosztami, ale pozwala uniknąć sytuacji, w której
sklep utraci znaczną liczbę klientów.
Z funkcjonowaniem kolejek mamy do czynienia w wielu dziedzinach życia c o
dziennego. W wielu przypadkach zagadnienie to wymaga przeanalizowania,
a w efekcie diagnozy, co do sposobu postępowania. Chodzi o rozstrzygnięcie kwe
stii - utrzymać dotychczasową liczbę stanowisk obsługi, czy też ją powiększyć bądź
zredukować. Przeciętny obywatel napotyka kolejki w wielu instytucjach i jednostkach
gospodarczych. Spośród nich należy wymienić: sklepy i bary samoobsługowe, urzędy
pocztowe, urzędy skarbowe, gabinety lekarskie, stacje benzynowe, banki itp.
W niniejszym rozdziale przedstawiono typowe sytuacje związane z oczekiwaniem,
przeciętną liczbą jednostek tworzących kolejkę oraz ukazano sposoby wyznaczania
wartości podstawowych parametrów charakteryzujących obsługę. Kolejno zaprezen
towano modelowe podejście w przypadku jednokanałowych i wielokanałowych syste
mów obsługi.
Ogromna większość wątków treściowych zamieszczonych w tym rozdziale bazu
je na pracy zbiorowej pod redakcją B.T. Houldena [94]. Niektóre idee zaczerpnięto
z pracy amerykańskich autorów F.S. Hilliera i G. J. Liebermana [34] wydanej w 1990 r.
4.2. Pojedynczy kanat obsługi

Analiza systemów masowej obsługi wymaga pozyskania informacji o momentach przy
bycia klientów, o czasie obsługi oraz o możliwych zachowaniach klientów. Przyjmuje
się, że przybycia klientów charakteryzuje parametr nazywany stopą przybyć (A). Stopę
przybyć określa się jako przeciętną liczbę klientów przybywających do systemu w jed
nostce czasu. Obsługę zaś klientów opisuje parametr zwany stopą obsługi (¡u). Przez
stopę obsługi należy rozumieć przeciętną liczbę klientów obsłużonych w jednostce cza
su. Spośród innych parametrów analizowanych wstępnie warto wymienić parametr in
tensywności ruchu (p). Wartość tego parametru informuje o stosunku liczby klientów
przybywających do liczby klientów obsłużonych w jednostce czasu.
Przyjęto, że rozpatrywane są tylko te sytuacje, w których klienci obsługiwani są
według kolejności przybywania do punktu świadczącego usługę. Nie są zatem brane
pod uwagę żadne preferencje w stosunku do wybranych jednostek. Wszyscy klienci są
traktowani na równi.
Na wstępie czynności analitycznych wypada rozpatrzyć dwa przypadki:
a) gdy A < p,
b) gdy A > p.
W pierwszym przypadku, gdy dodatkowo założymy, że obie stopy są stałe, można
uznać, że układ zmierza do stanu równowagi. Oznacza to, że prawdopodobieństwo
tego, iż kolejka ma określoną długość jest stałe w każdej jednostce czasu.
Gdy zachodzi nierówność druga, układ jest niestabilny zaś prawdopodobień
stwo długiej kolejki rośnie. Dotyczy to również sytuacji, gdy obie stopy są równe.
Wtedy kanał obsługi nie może nadrobić czasu, w którym chwilowo był nieczynny
(niewykorzystany).
2 10 4. Zagadnienie kolejek
Po ustaleniu wartości podstawowych parametrów (A, p, p) następuje rozwiązanie

problemu kolejki. Rozwiązanie to sprowadza się do wskazania najlepszego w danych
warunkach (optymalnego) układu czynników kontrolowanych przez kierownictwo ob
serwowanej jednostki usługowej. Chodzi tu przede wszystkim o zalecenie usprawnie
nia pracy samego stanowiska obsługi na drodze zwiększenia jego wydajności bądź też
postulat zwiększenia liczby stanowisk.
Przykład 28. Na poczcie obok innych stanowisk, jedno przeznaczone jest na ob
sługę bieżących wpłat oraz wypłat gotówkowych osób fizycznych. Ruch w godzinach
szczytu między godziną 14-18 jest tak duży, że rozważa się możliwość uruchomienia
dodatkowego stanowiska. Aby uzyskać przesłanki takiej decyzji, należy na podstawie
poczynionych obserwacji w ciągu jednej z godzin „szczytowych” (tabl. 151) wyznaczyć
parametry A, p oraz p. Porównując A oraz p , określ stan systemu obsługi klientów
podejmujących i wpłacających gotówkę.
Tablica 151
Czas przyjścia Czas przyjścia
Czas obsługi Czas obsługi
Przyjście liczony od przybycia Przyjście liczony od przybycia
klienta klienta
numer poprzedniego klienta numer poprzedniego klienta
(w min) (w min)
(w min) (w min)
i 0 1,5 19 2,5 1,0
2 0,5 0,5 20 2,5 0,5
3 0,5 2,5 21 1,0 0,5
4 1,0 0,5 22 1,5 0,5
5 0,5 2,5 23 1,5 0,5
6 5,5 0,5 24 1,0 1,0
7 1,5 4,0 25 1,0 1,0
8 1,0 2,0 26 5,0 1,0
9 1,5 4,0 27 2,5 1,0
10 0,5 3,0 28 0,5 0,5
11 0,5 1,5 29 0,5 0,5
12 1,5 1,5 30 0,5 1,5
13 6,5 3,0 31 1,5 1,0
14 0,5 2,0 32 1,5 1,5
15 0,5 3,0 33 1,5 1,5
16 0,5 2,0 34 0,5 0,5
17 0,5 3,0 35 1,5 4,0
18 1,0 3,0 36 3,5 2,0
Razem 54 60
R o z w i ą z a n i e . Na podstawie informacji zawartych w tabl. 151 ustalamy średni

czas pomiędzy zgłoszeniami (przybyciami) kolejnych klientów do systemu (54:36 = 1,5
minuty) i przeciętny czas obsługi klienta (60 minut:36 = 5/3 minuty na osobę). Stopa
4.2. Pojedynczy kanat obsługi 211
przybyć Ajest odwrotnością przeciętnego czasu dzielącego zgłoszenia dwóch kolejnych

klientów, czyli A = 1/1,5 = 2/3 osoby na minutę, a stopa obsługi - odwrotnością śred
niego czasu obsługi, czyli p = 3/5 osób/ minutę.
Mając wartości tych parametrów, ustalamy parametr intensywności ruchu:
A
P=
M
Porównanie wartości A oraz ¿i wskazuje, że zachodzi między nimi nierówność X >

p, czyli że stopa przybyć przewyższa stopę obsługi, zatem p > 1 a więc stwierdzamy, że
badany układ jest niestabilny, zaś prawdopodobieństwo długiej kolejki zwiększa się.
Tak więc osiągnięcie stanu równowagi jest możliwe tylko w przypadku zmiany warun
ków działania. Należy zatem sugerować kierownictwu poczty dwa możliwe rodzaje
działania:
1) usprawnić obsługę klientów (skrócić przeciętny stan obsługi),
2) zainstalować dodatkowe stanowisko obsługi.
Biorąc zaś pod uwagę fakt, że według opinii kierownictwa poczty obsługa okien
ka ds. wpłat i wypłat gotówkowych jest bardzo sprawna, pozostaje drugie rozwiązanie
- uruchomienie jednego dodatkowego stanowiska w godzinach między 14:00-18:00.
Przykład 29. W sklepie samoobsługowym funkcjonuje jedno stanowisko kasowe.

Obserwacje poczynione na przybyciach klientów oraz pracy kasjera dały następują
ce wyniki: przeciętnie co 10 minut przybywa 25 kupujących oraz w ciągu 10 minut
inkasujący gotówkę kasjer zdąża obsłużyć średnio 20 klientów. Po pewnym czasie
właściciel postanowił zainstalować nowy, lepszy rejestrator kasowy (z fotokomórką),
co pozwala kasjerowi w ciągu 10 minut obsłużyć przeciętnie 31,25 osób.
1. Zanalizuj stan obsługi kasowej w sklepie przed i po wprowadzeniu nowych
rejestratorów, posługując się analizą parametrów A, fi oraz p.
2. Udziel odpowiedzi na dodatkowe pytania właściciela sklepu:
® jak duża jest przeciętna liczba klientów oczekujących w kolejce?
« jakie jest prawdopodobieństwo, że w kolejce będzie stało więcej niż 5 osób?
• jakie jest prawdopodobieństwo, że kupujący będzie stał w kolejce, oczekując na
obsługę dłużej niż a) 1 min, b) 2 min?
Zakłada się, że przybycia klientów odbywają się w sposób losowy; rozkład przybyć
jest rozkładem Poissona, a czasy ich obsługi tworzą rozkład wykładniczy.
R o z w i ą z a n i e . Przystępując do analizy sytuacji przed wprowadzeniem

usprawnień, należy wyznaczyć wartości parametrów: A, fi oraz p:25
25 20 _ A _ 2,5 _ 1
A = — = 2,5 osoby/min, // = — = 2,0 osoby/min,
212 4. Zagadnienie kolejek
Wartości parametrów wskazują, że układ obsługi jest wysoce niestabilny X > p

(p > 1). Prawdopodobieństwo długiej kolejki rośnie, co sugeruje, że w układzie należy
wprowadzić zmiany.
Wprowadzenie usprawnienia w postaci zakupu nowego, szybszego rejestratora
wychodzi naprzeciw oczekiwanym zmianom. Należy zatem powtórnie dokonać ana
lizy podstawowych parametrów charakteryzujących układ. Zakłada się przy tym, że
stopa przybyć kształtuje się na niezmienionym poziomie.
Po wprowadzonych zmianach parametry opisujące układ przyjmują następujące
wartości:
X = 2,5 osoby/min, p = — — = 3,125osoby/min, p= : = 0,8.

10 3,125
Ponieważ X < p ( p < 1), możemy uznać, iż w badanym układzie sytuacja uległa po
prawie. Prawdopodobieństwo długich kolejek maleje, zaś układ jest w miarę stabilny.
A oto odpowiedzi na pytania właściciela sklepu.
Przeciętną liczbę klientów oczekujących na obsługę (Q) można obliczyć ze wzoru:
P2 (0>8)2 3,2.
1- p 1-0,8
Zatem po wprowadzonej zmianie w sklepie średnio 3,2 osoby oczekuje w kolej

ce na obsługę. Jest to stosunkowo niewielka liczba, co oznacza sytuację korzystną
dla klienta.
Prawdopodobieństwo tego, że w kolejce będzie czekało więcej niż n() osób określa
wzór:
p ( n > n 0) = p"n+].
Wobec tego
p (n > 5) = (0,8)5+1 - 0,262144 * 0,26.
Prawdopodobieństwo tego, że w kolejce będzie więcej niż pięć osób wynosi około
0,26 i jest relatywnie niskie.
Prawdopodobieństwo tego, że kupujący w sklepie zmitręży w kolejce więcej niż
t = t0 jednostek czasowych otrzymuje się następująco:
p ( t > t a) = p e ąf‘~X).
Z posiadanych przez nas informacji otrzymamy:
p ( / > l) = 0 ,8 'e '1(3’125'2’5) = 0 ,8 -e “0,625 -0,428209142«0,43.
Zatem prawdopodobieństwo tego, że klient w sklepie będzie czekał więcej niż

minutę jest dość umiarkowane i wynosi około 0,43.
4.3. Wielokrotne kanaty obsługi 213
Na dodatkowo postawione pytanie: jakie jest prawdopodobieństwo tego, że kupu

jący będzie czekał dłużej niż 2 minuty otrzymujemy następującą odpowiedź:
p ( t > 2) = 0,8 •i f 2(3’125-2’5) = 0,229203837 - 0,23.
Porównując oba otrzymane prawdopodobieństwa, stwierdzamy, że dłuższe ocze

kiwanie na obsługę w tym sklepie jest mało prawdopodobne.
4.3. Wielokrotne kanafy obsługi

Zakładamy, że przybycia interesantów tworzą rozkład Poissona i znana jest stopa
przybyć X. Klienci są kierowani do r równoległych kanałów obsługi, z których każ
dy charakteryzuje się wykładniczym rozkładem czasów obsługi oraz jednakową stopą
obsługi p. Tworzą oni pojedynczą kolejkę i w odpowiednim momencie przechodzą do
tego kanału obsługi, który jest w tym momencie wolny.
Na to, by możliwe było osiągnięcie stanu równowagi układu musi zachodzić
nierówność:
X< rp.
Prawdopodobieństwo tego, że w układzie oczekuje n = 0 jednostek (brak kolejki)

otrzymujemy ze wzoru:
1
P {n = 0) =
y l + ____ Ł _____
m) l"!
Przeciętną liczbę klientów oczekujących w kolejce oblicza się następująco:
p r+lp{ n = 0)
( r - p ) a( r - l ) |-
Prawdopodobieństwo tego, że n klientów oczekuje w kolejce określa formuła:
p np{ n = 0)
dla n<r
n\
p(n)-.
rr~np"p(n = 0)
dla n>r
r\
Prawdopodobieństwo tego, że w kolejce oczekuje więcej niż n = n0 klientów, gdy

n0 > r - 1 określa wzór:
rr~”<‘p "‘+lp ( n = 0)
2 14 4. Zagadnienie kolejek
Prawdopodobieństwo tego, że czas oczekiwania w kolejce jest dłuższy niż tQ

wynosi:
p [ t > t 0) = p[ n > r -
Kończąc ogólne rozważania dotyczące przypadku, w którym kolejka korzysta

z kilku (r) kanałów obsługi, należy podkreślić, że przy przyjętym założeniu, iż klienci
tworzą jedną kolejkę, z której przechodzą do wolnego kanału obsługi, zator jest dużo
mniejszy w porównaniu do sytuacji, gdy (przy tych samych wartościach A oraz p) do
każdego z r kanałów obsługi tworzy się odrębna kolejka.
Przykład 30. W prywatnej przychodni lekarskiej czynne są dwa gabinety leka

rzy internistów. Oszacowano średnie stopy przybyć i obsługi. Otrzymano: A = 3,8
pacjenta/godz. a p = 2,0 pacjentów/godz. Dokonaj wszechstronnej analizy kolejek
w przychodni:
a) odpowiadając na pytanie, czy system obsługi zmierza do stanu równowagi;
b) oblicz prawdopodobieństwo, że nie będzie kolejki;
c) oblicz prawdopodobieństwo, że pacjent będzie musiał oczekiwać;
d) oblicz prawdopodobieństwo, że w kolejce znajdzie się więcej niż 2 osoby;
e) oblicz prawdopodobieństwo, że pacjent będzie musiał oczekiwać na przyjęcie
dłużej niż 0,5 godziny;
f) oblicz przeciętną liczbę pacjentów oczekujących w kolejce na przyjęcie;
g) oceń sytuację z punktu widzenia właściciela przychodni.
Rozwiązanie.
Ad a) A = 3,8; p - 2,0; r = 2; p = 0,95.
Sprawdzamy, czy zachodzi nierówność:
X<r p,
3,8 < 4,0,
a spełnienie nierówności świadczy, że stan równowagi układu może być osiągnięty.

Ad b)
p ( n = 0) = 7=n- ■= 0,355932 ~ 0,36.

P (0,95)'
IĆo a (r - p ) ( r -1 )!
1 + 0,95 +
1,05 1
Ad c)
i m _ rr-°p0+1 ■p (n = 0) _ 22 ■0,95 ■0,36 _ 3,8 ■0,36

= 0,644068 = 0,64.
P ^n > {r-p)r\ ~ (2 -0 ,9 5 )2 ! " 2,1
4.3. Wielokrotne kanały obsługi 215
Ad d)
, r P p( n = 0) 22“2 (0,95) 0,36 ,

p i n > 2) = — i-i------ L » ------i- i — — i— = 0,145318 = 0,15.
V ' (ir - p ) r \ 1,05-2
Ad e)
p ( t > 0,5) = p( n > r -iy e -'" °ir-p) = p(n > i ) . e-«^-<w«) =
= 0,305932 •0,349938 = 0,107057 - 0,11.
Ad f)
p r+lp{ n = 0) (0,95)3 •0,355932
= 0,276796 = 0,28.
{ r - p f { r - 1)!~ (1,05)2-1
W świetle uzyskanych wyników sytuację w przychodni należy określić jako kom

fortową dla przybywających po porady lekarzy. Świadczą o tym takie parametry, jak:
prawdopodobieństwo przyjęcia bez kolejki - stosunkowo wysokie, bo wynoszące 0,36;
niskie prawdopodobieństwo, że w kolejce będzie więcej niż 2 pacjentów wynoszące
0,15 oraz bardzo niskie prawdopodobieństwo, że pacjent będzie czekać na przyjęcie
dłużej niż pól godziny (p = 0,11). Również niska jest przeciętna liczba pacjentów ocze
kujących w kolejce wyrażająca się liczbą 0,28.
Pytania i problemy
1. Przedstaw kilka przykładów sytuacji, w których należy zastosować procedury z zakresu
teorii kolejek.
2. Wskaż na różnice w postępowaniu analitycznym przy jednokanałowych systemach obsługi.
3. Jakie związki między parametrami charakteryzującymi system obsługi pozwalają uznać go
niestabilnym, wymagającym ingerencji?
4. Jakie środki i działania należy uruchomić, aby usprawnić system obsługi?
5. Które ze znanych w statystyce matematycznej rozkładów zmiennej losowej są wykorzystywa
ne w zastosowaniach teorii kolejek?
Zadania
117. W samoobsługowym sklepie spożywczym jest zainstalowane jedno stanowisko
kasowe. Dokonane pomiary pozwoliły wyznaczyć przeciętną stopę przybyć A = 3
klientów oraz przeciętną stopę obsługi p = 5 klientów w ciągu minuty. Dokonaj
diagnozy układu obsługi. Wyznacz wartość parametru określającego intensyw
ność ruchu.
216
118. Do baru samoobsługowego z jednym stanowiskiem kasowym co minutę przycho

dzi przeciętnie 3 klientów. Kasjerka jest w stanie obsłużyć przeciętnie również
3 klientów na minutę. Ponieważ układ jest niestabilny, bo X = fx ( p = 1), kierow
nik sklepu zwolnił dotychczas pracującą kasjerkę, by zatrudnić nową. Z jaką wy
dajnością musi pracować nowo przyjęta kasjerka, by wskaźnik intensywności
ruchu osiągnął poziom p = 0,75?
119. W pewnym urzędzie pocztowym w sobotę czynne jest jedno okienko obsługują
ce przeciętnie 45 klientów na godzinę. Obserwacje poczynione na przybyciach
30 klientów w dwóch przedziałach czasowych: 7:00-11:00 oraz 11:00-15:00
zamieszczono w tabl. 152.
Tablica 152
Przedział 7:00-11:00 Przedział 11:00-15:00
Czas przyjścia liczony
Wejście klienta od przybycia Czas przyjścia liczony
ostatniego klienta Wejście klienta od przybycia ostatniego klienta
numer (wmin) numer (wmin)
i 0 i 0
2 0,5 2 0,5
3 0,5 3 1,5
4 1 4 1,75
5 1 5 1,25
6 1 6 2
7 0,5 7 2,5
8 0,25 8 3
9 0,25 9 2
10 0,25 10 1,25
11 0,5 11 1,25
12 1 12 1,75
13 1 13 1,75
14 0,5 14 2
15 0,25 15 2
16 0,5 16 2
17 0,25 17 3
18 2 18 1
19 1 19 1
20 1 20 2,5
21 1 21 2,5
22 1 22 5,5
23 1,25 23 3,5
24 0,5 24 2
25 0,25 25 0,5
26 1,25 26 2,5
27 0,25 27 2,5
Tablica 152 cd.

Przedział 7:00-11:00 Przedział 11:00-15:00
Czas przyjścia liczony Czas przyjścia liczony
Wejście klienta Wejście klienta
od przybycia ostatniego klienta od przybycia ostatniego klienta
numer numer
(w min) (w min)
28 1 28 0,5
29 0,5 29 4
30 0,75 30 2,5
1. Oszacuj parametry X, p oraz p dla każdego przedziału czasowego

oddzielnie.
2. Co zrobiłbyś będąc na miejscu kierownika poczty (zakłada się, że przy
obecnie posiadanym wyposażeniu stanowiska nie można zwiększyć wydajności
kasjera)?
120. Dokonaj wszechstronnej analizy kolejek w myjni samochodów, gdzie funkcjonu
ją dwa stanowiska obsługi. Każde stanowisko obsługi może umyć 5 samochodów
w ciągu godziny. Obserwowana intensywność ruchu jest zróżnicowana w po
szczególnych dniach tygodnia i w sobotę jest wyraźnie wyższa niż w pozostałe
dni. W sobotę do myjni przybywają średnio co 30 minut 4 samochody, w pozo
stałe zaś dni tygodnia tylko 2 samochody co pół godziny.
1. Oceń stopień wykorzystania stanowisk w ciągu tygodnia i w soboty.
2. Jaką formę reorganizacji pracy należy przyjąć od poniedziałku do piątku
włącznie?
3. Wyznacz przeciętną liczbę samochodów w kolejce po reorganizacji.
121. Na dworcu kolejowym w Krakowie czynny jest kiosk z jednoosobową obsługą

sprzedający gazety i inne drobiazgi. Ruch na dworcu jest duży, dlatego też posta
nowiono zbadać sprawność obsługi oraz długość kolejki do kiosku. Wyniki mi
gawkowych obserwacji przybyć klientów typowe dla każdego dnia pracy zostały
przedstawione w tabl. 153. Przeciętny czas obsługi jednego klienta wynosi 11 s.
Tablica 153
Przybycie Czas przyjścia Przybycie Czas przyjścia
klienta liczony od przybycia klienta liczony od przybycia
numer ostatniego klienta (w s) numer ostatniego klienta (w s)
1 0 11 2
2 12 12 12
3 10 13 20
4 14 14 6
5 20 15 10
6 15 16 15
7 36 17 20
8 10 18 10
9 4 19 20
10 4 20 10
2 18
1. Oszacuj stopę przybyć (A) oraz wyznacz wartości pozostałych parame

trów kolejki.
2. Wyznacz prawdopodobieństwo tego, że w kolejce stoi więcej niż 3 osoby.
3. Wyznacz prawdopodobieństwo, że w kolejce stoi więcej niż 10 osób.
4. Oszacuj przeciętną liczbę osób oczekujących w kolejce do kiosku.
5. Oszacuj prawdopodobieństwo, że w kolejce trzeba czekać dłużej niż pół
minuty.
6. Oceń całokształt sytuacji związanej z obsługą i długością kolejki do kio
sku z gazetami.
122. Właściciel kiosku na dworcu kolejowym w Krakowie, chcąc usprawnić obsłu

gę zatrudnił innego sprzedawcę gazet, który przeciętnie biorąc obsługuje jed
nego klienta w ciągu 10 s. Pozostałe dane jak w zadaniu 121. Wyznacz wartości
wszystkich parametrów, o które pytano w zadaniu 121 i oceń efekt wprowadzo
nej zmiany.
123. W studenckim barze samoobsługowym z jednym stanowiskiem obsługi studenci

wybierają danie, płacąc od razu należność. D o czasu obsługi liczą się czasy po
dania wybranych dań oraz zainkasowania należności. Pomiary czasów przyby
cia 32 studentów do baru w porze obiadowej i ich obsługi podano w tablicy 154.
Pomiary te wykonano przy pomocy stopera, rejestrując pory przybycia oraz czasy
obsługi w s.
Tablica 154
Czas przybycia Czas przybycia
Czas
Numer liczony Numer iiczony
obsługi obsługi
przybywąjącego od przyjścia przybywającego od przyjścia
(ws) (ws)
poprzednika (w s) poprzednika (ws)
1 0 40 17 50 65
2 6 60 18 55 65
3 40 65 19 45 65
4 30 60 20 55 75
5 50 40 21 55 70
6 30 55 22 50 60
7 25 65 23 45 65
8 5 60 24 45 62
9 15 60 25 50 60
10 15 70 26 10 40
11 10 65 27 25 55
12 30 70 28 25 75
13 40 65 29 55 60
14 40 75 30 55 40
15 40 60 31 40 70
16 50 50 32 50 60
1. Oszacuj przeciętną stopę przybyć oraz przeciętną stopę obsługi baru

w porze obiadowej.
2. Postaw diagnozę działania systemu obsługi baru w tej samej porze.
124. Kierownik baru samoobsługowego zapoznał się z wynikami badań przepro

wadzonych na bazie pomiarów zamieszczonych w zadaniu 123 (zob. tabl. 154).
W rezultacie podjął decyzję o stworzeniu w barze dodatkowego stanowiska
obsługi w porze obiadowej (12:00-16:00). Zakładając, że nowo przyjęty pracow
nik pracuje równie sprawnie jak dotychczas zatrudniony:
1. Określ sytuację w układzie o dwóch kanałach obsługi oraz wyznacz
parametr intensywności ruchu.
2. Wyznacz prawdopodobieństwo braku kolejki.
3. Określ przybliżoną liczbę studentów w kolejce.
4. Znajdź prawdopodobieństwo tego, że w układzie znajdzie się więcej niż
5 osób.
5. Oszacuj prawdopodobieństwo, że student będzie czekał w kolejce dłużej
niż 120 s.
125. W przychodni stomatologicznej pracują trzy gabinety. Każdy z nich przyjmu

je trzech pacjentów w ciągu godziny. Przybycia 20 pacjentów odnotowano
i zamieszczono w tabl. 155.
Tablica 155
Czas przybycia liczony Czas przybycia liczony
Kolejny numer Kolejny numer
od przybycia poprzednika od przybycia poprzednika
pacjenta pacjenta
(w min) (w miń)
1 0 11 5
2 8 12 8
3 17 13 7
4 9 14 5
5 11 15 8
6 12 16 7
7 13 17 5
8 5 18 4
9 4 19 16
10 11 20 5
Na podstawie analizy danych udziel odpowiedzi na następujące pytania:

1. Czy układ obsługi pacjentów jest układem stabilnym?
2. Jakie jest prawdopodobieństwo, że pacjent przychodząc do przychodni,
nie musi czekać?
3. Jakie jest prawdopodobieństwo, że w poczekalni oczekuje więcej niż
pięciu pacjentów?
4. Jaka jest przeciętna liczba oczekujących w kolejce?
220 4. Zagadnienie kolejek
126. Właściciel przychodni stomatologicznej sprowadził nowe oprzyrządowanie gabi

netów. Inwestycja ta przyczyniła się do zwiększenia wydajności wszystkich sta
nowisk. W związku z tym każdy z gabinetów jest w stanie przyjąć również trzech
pacjentów, ale w ciągu 40 minut. Przyjmując założenia, że przybycia pacjentów
pozostają bez zmian (jak w zad. 125 tabl. 155), rozstrzygnij następujące kwestie:
1. Czy ma sens zlikwidowanie jednego z gabinetów?
2. W przypadku redukcji jednego stanowiska obsługi, jakie jest prawdopo
dobieństwo tego, że pacjent przychodząc do przychodni, nie napotka kolejki?
3. Jaka jest przeciętna liczba oczekujących w kolejce?
Programowanie sieciowe
Matematyczne podstawy modelowania sieciowego są związane z rozwojem teo

rii grafów, a istniejące definicje sieci bazują na definicjach sformułowanych przez
teorię grafów.
Graf to trójczłonowa relacja
PcWxUxW
gdzie:
W - zbiór wierzchołków grafu, U - zbiór gałęzi grafu. Elementy u e U reprezentują
połączenia wierzchołków w e W, a zatem u wiąże x oraz y ze zbioru W.
Aby podać ogólną formalną definicję grafu, należy określić zbiór jego wierzchoł
ków W, zbiór gałęzi U oraz relację P.
Graf G = <W, U, P > to trójka uporządkowana W, U, P charakteryzująca się
następującymi własnościami (por. [50])
Vu 3 x, yeW => <x, u, y> eP

V u 3 <x, u, y> e P A <v, u, z> eP=>(x = v)A(y = z)Y(x = z)A(y = v)
Dla określenia grafu należy określić wszystkie trzy składowe trójki uporządkowa
nej, natomiast analizując zestawione trójki uporządkowane, można podzielić gałęzie
na trzy rodzaje:
1. Krawędzie, tj. takie gałęzie, że jeżeli x * y i <x, u, y> e P=> <y, u, x> 6 P.
2. Łuki, tj. takie gałęzie, że jeżeli x * y i <x, u, y> e P=> <y, u, x> gP.
3. Pętle, tj. takie gałęzie, dla których 3 x, że <x, u, x> g P.
Dla dowolnego grafu G = <W, U, P> można stworzyć łatwą i wygodną interpre
tację graficzną (geometryczną). Każdemu wierzchołkowi xeW przyporządkowujemy
dowolny punkt przestrzeni, każdej krawędzi dowolną linię łączącą punkty odpowia
dające takim różnym wierzchołkom x,y, że <y, u, x> g P, każdemu łukowi przyporząd
kowujemy wektor o początku w punkcie odpowiadającemu wierzchołkowi x i końcu
odpowiadającemu wierzchołkowi y i spełniona jest relacja <x, u, y > e P = > <y, u, x> gP
i wreszcie każdej pętli przyporządkowujemy dowolną linię zamkniętą przechodzącą
przez punkt odpowiadający wierzchołkowi x, takiemu, że <x, u, x> gP.
2 22 r) Programowanie sieciowe
Sieć to trójka uporządkowana

S = < G , { § } , {($ >
gdzie:
G = <W, U, P> - dowolny graf,
{§} = { £ j } , { < ® j } - zbiór funkcji określonych na zbiorze wierzchołków grafu,
{q>j} = {(¡Oj},.. ,,{ę}} - zbiór funkcji określonych na zbiorze luków grafu.
Jeżeli zbiory { Q = 0 , {<p;} = 0 są zbiorami pustymi, to sieć S staje się grafem G.
W naszych rozważaniach interesujące są tylko takie sieci, których funkcje {§}, {(pj)
mają sens merytoryczny, ponieważ oprócz zapisu struktury systemu, a więc opisu jako
ściowego tego systemu sieć nadaje się także do opisu ilościowego (analizy ilościowej).
Jeżeli graf G jest digrafem, to sieć
S = <G , {§}, {ęj}> jest siecią skierowaną.
Przedsięwzięcie to zorganizowane działanie ludzkie zmierzające do osiągnięcia

określonego celu, zawarte w skończonym przedziale czasu z wyróżnionym początkiem
i końcem oraz realizowane przez określoną liczbę osób, środków technicznych, środ
ków finansowych, informacji itp.
W ujęciu cybernetycznym przedsięwzięcie można zaprezentować jako obiekt,
w którym na wejściu zasilenie to siła robocza, środki pracy, środki produkcji, środki
finansowe, informacja itp., natomiast efektem jest użyteczność społeczna, atrybuty
addytywne tzn. czas, nakład, koszt realizacji lub atrybut multiplikatywny tzn. prawdo
podobieństwo realizacji itd.
Użyteczność
społeczna
SIŁA R O B O C ZA
C zas realizacji
ŚR O D K I T E C H N IC Z N E
ŚR O D KI FIN A N S O W E Koszt realizacji
IN FO R M A C JA
Prawdopodobieństwo
realizacji
Przedsięwzięcie może obejmować procesy jednorazowe (produkcja jednostkowa,

prace projektowe, prace nauko-badawcze) oraz procesy regularne (produkcja seryjna).
W przedsięwzięciu można wyodrębnić podstawowe elementy konstrukcji modelu
sieciowego: zdarzenia i czynności.
5.1. Metody sieciowe o zdeterminowanej strukturze logicznej 223
Model sieciowy przedsięwzięcia musi jednoznacznie odwzorowywać zdarze

nia i czynności odzwierciedlające zadanie cząstkowe wchodzące w jego skład. To
jednoznaczne odwzorowanie polega na przyporządkowaniu zdarzeniom i czynno
ściom oraz relacjom pomiędzy nimi wierzchołków i łuków. W zależności od sposobu
przyporządkowania można wyróżnić:
• sieci wierzchołkowe, w których czynności są reprezentowane przez wierzchołki,
a zdarzenia przez łuki;
• sieci łukowe, w których czynności są reprezentowane przez łuki, a wierzchołki
przez zdarzenia;
• sieci mieszane, w których wierzchołki reprezentują zarówno zdarzenia i czyn
ności, natomiast łuki odzwierciedlają następstwo w czasie. W prowadzonych rozważa
niach będziemy analizować sieci łukowe.
Metody programowania sieciowego rozwinęły się w końcu lat pięćdziesiątych, a ich
wielość i różnorodność sprawiła, że należy dokonać ich klasyfikacji. Ze względu na
strukturę logiczną metody sieciowe można podzielić na sieci o strukturze logicznej
zdeterminowanej (sieci typu D A N 1) i stochastycznej (sieci typu GAN2). W myśl tak
przyjętego podziału będziemy rozważać modele sieciowe przedsięwzięć.
Metody programowania sieciowego to techniki planowania przedsięwzięć, za
pewniające sprawny przebieg ich wykonania. Przez przedsięwzięcie rozumie się zor
ganizowane działanie ludzkie, zmierzające do osiągnięcia określonego celu, zawarte
w skończonym przedziale czasu, z wyróżnionym początkiem i końcem oraz realizowa
ne przez skończoną liczbę osób, środków technicznych, energii, materiałów, środków
finansowych i informacji. Składa się na nie ciąg czynności wzajemnie ze sobą powią
zanych. Czynności muszą być wykonywane w określonej kolejności, wykonanie jed
nych musi być poprzedzone wykonaniem innych, jakkolwiek są i takie czynności, które
mogą być wykonywane równocześnie.
Zależności pomiędzy zdarzeniami a czynnościami określają strukturę logiczną
modelu sieciowego, która może być zdeterminowana, jeśli w trakcie realizacji przedsię
wzięcia wszystkie czynności przedstawione w sieci są zrealizowane lub stochastyczna,
jeśli w trakcie realizacji przedsięwzięcia bierze udział tylko część czynności przedsta
wiona w sieci, z określonym, większym od zera prawdopodobieństwem. Analogicznie
można wyróżnić parametry opisujące poszczególne czynności i zdarzenia - parametry
zdeterminowane (jednoznacznie określone) oraz parametry mające charakter losowy.
5.1. Metody sieciowe o zdeterminowanej strukturze logicznej

Wykorzystanie metod sieciowych w planowaniu przedsięwzięć składa się z kilku etapów.
1. Punktem wyjścia metod sieciowych jest sporządzenie listy czynności (zadań
cząstkowych) składających się na przedsięwzięcie, ustalenie zależności pom iędzy nimi
(kolejności ich wykonywania) i czasów ich trwania.
1 DAN - Deterministic Analysis Network.

2 GAN - Generalized Analysis Network.
224 5. Programowanie sieciowe
W zależności od tego, jak określone są czasy trwania czynności wyróżnia się

m.in. metody sieciowe deterministyczne i stochastyczne. Deterministyczne modele sie
ciowe zakładają, że czasy trwania czynności są określone jednoznacznie (jedną liczbą
np. 2 godz. 7 dni, 2 tygodnie), a najbardziej znaną jest tu metoda CPM (Critical
Path Method), oraz jej rozszerzenie o analizę czasowo-kosztową CPM-COST.
Modele stochastyczne zakładają, że czasy trwania czynności można określić
tylko z pewnym prawdopodobieństwem, a najpopularniejszą z nich jest PERT {Program
Evaluation and Review Technique) oraz PERT-COST.
2. Następnie przedsięwzięcie przedstawia się w postaci wykresu sieciowego {sieci
zależności, sieci czynności). Podstawowymi elementami każdego wykresu sieciowego
są zdarzenia i czynności.
Czynność to dowolnie wyodrębniona część przedsięwzięcia charakteryzująca się
czasem trwania i zużywaniem środków. Obrazem graficznym czynności są strzałki
(wektory). Kierunek strzałki wskazuje kierunek przebiegu czynności w czasie (kolej
ność ich wykonywania).
Czynność pozorna to szczególny typ czynności, dla których charakterystyczne jest

to, że nie zużywają czasu (czas ich trwania jest równy zeru) ani środków, a służą jedy
nie do przedstawienia zależności między czynnościami. Graficznym obrazem czynno
ści pozornej jest strzałka przerywana.
Zdarzenie w modelu sieciowym oznacza osiągnięcie stanu zaawansowania prac

przy realizacji przedsięwzięcia, jest to moment rozpoczęcia bądź zakończenia jednej lub
więcej czynności. Zdarzenia przedstawiamy graficznie za pomocą kółek (lub innych
figur geometrycznych, np. rombu).
Zdarzeniom przyporządkowuje się zwykle kolejne numery i = 1, ..., n, nato

miast czynność charakteryzuje para wskaźników i-j, gdzie i jest numerem zdarzenia,
w którym czynność się rozpoczyna, a j - numerem zdarzenia, w którym czynność
się kończy.
Przy konstrukcji sieci obowiązują pewne reguły. Wymaga się mianowicie, aby
w modelu sieciowym przedsięwzięcia:
a) istniał dokładnie jeden wierzchołek (zdarzenie) początkowy i jeden wierzcho
łek końcowy (postulat ten można spełnić wprowadzając tzw. czynności pozorne);
b) wierzchołki i łuki (zdarzenia i czynności) były odpowiednio uporządkowane,
tzn. każdy poprzednik ma mieć mniejszy numer lub wcześniejszą literę od następni
ka (zatem numerując zdarzenia, należy zwracać uwagę na to, by zdarzenie wcześniej
sze miało mniejszy numer i < j ). Wymóg ten w praktyce wyklucza wystąpienie cyklu
(t.j. sytuacji gdy wychodząc z jednego wierzchołka i poruszając się po krawędziach
można do tego wierzchołka wrócić);
T 5.2. Metoda CPM 225
c) dwa zdarzenia były połączone tylko jedną czynnością; jeżeli kilka czynności
wykonywanych równolegle poprzedza jedną, należy wprowadzić czynności pozorne;
d) strzałki obrazujące czynności nie przecinały się.
3. Wyznaczenie podstawowych charakterystyk sieci dotyczących zarówno poszcze
gólnych czynności i zdarzeń, jak i całego projektu (najwcześniejszych możliwych i naj
późniejszych dopuszczalnych momentów zaistnienia zdarzeń, zapasów czasu dla zdarzeń
i czynności).
4. Wyznaczenie terminu końcowego realizacji całego przedsięwzięcia oraz ścieżki
krytycznej.
5.2. Metoda CPM

Przykład 31. Rozważmy przykład zamontowania silnika do samochodu. Czynności
składające się na to przedsięwzięcie, kolejność ich wykonywania oraz czasy trwania
(w min) ustalone przed konstrukcją projektu zestawiono w tabl. 156.
Przeprowadzić analizę sieciową tak sformułowanego przedsięwzięcia, przyjmując
jako kryterium optymalności minimalizację czasu realizacji projektu.
Model sieciowy zamontowania silnika do samochodu przedstawiono na rys. 28.
Konstrukcja struktury logicznej modelu sieciowego przedsięwzięcia nie powinna spra
wiać większych trudności, dlatego poniżej zwrócono uwagę jedynie na te elementy,
które mogą budzić wątpliwości.
Rozważmy fragment analizowanego przedsięwzięcia, a mianowicie czynności k, 1,
m i n. Czynność n musi być poprzedzona wykonaniem czynności k, 1, m. Ze względu
na konieczność spełnienia przedstawionych w paragrafie 5.1. wymagań (punkt c: „dwa
zdarzenia mogą być połączone tylko jedną czynnością”), czynności te nie mogą być
narysowane równolegle pomiędzy zdarzeniami 13 i 17 jak to przedstawiono na rys. 28.
Rys. 28
Dlatego wprowadzamy tzw. czynności pozorne odzwierciedlające tylko następstwo

w czasie (czas ich trwania jest równy zeru) i wykres prawidłowo wygląda jak na rys. 29.
Rys. 29
Tablica 156
Czas trwania Czynności
Czynności Opis czynności
* ij
poprzedzające
a zaczepić silnik hakami uchwytu 3 -
b podnieść silnik do góry 2 a

c opuścić silnik na poduszki zawieszenia silnika 4 b
d podnieść skrzynię biegów wraz z tylną poprzeczką 5 a
e zamocować poprzeczkę do podłogi 7 c, d
f przykręcić wspornik rury wydechowej do skrzynki
biegów i do rury wydechowej 10 c, d
g połączyć linkę napędu licznika km do przekładni
napędu prędkościomierza 5 e, f
h przykręcić linkę wyłącznika sprzęgła do widełek 7 e, f
i przykręcić przewód masy i przyłączyć przewody
elektryczne do wyłącznika świateł cofania 8 g.h
j podnieść wał napędowy 3 i
k przyłączyć drążek zmiany biegów do dźwigni 8 j
1 zamontować przewód doprowadzający paliwo 3 j
do pompy 2 j
m przyłączyć przewód serwa podciśnieniowego
n przyłączyć przewody gumowe łączące silnik 7 k, 1, m
z nagrzewnicą 5 c, d
0 założyć chłodnicę na wspornik w nadwoziu 10 O
p zamocować chłodnicę u góry do szkieletu nadwozia 10 p

r przyłączyć przewody gumowe do termostatu i pompy
wodnej 17 i
s przyłączyć wszystkie przewody elektryczne 5 r
t napełnić układ chłodzenia płynem niezamarzającym 1 t
u sprawdzić, czy kurki spustowe są dobrze zakręcone
w założyć filtr powietrza na gaźnik wraz z oprzyrządo- 30 n, u
waniem 10 s, w
X dokonać regulacji silnika 8 s, w
V sprawdzić poprawność instalacji elektrycznej 15 v,x
y sprawdzić poprawność montażu 23 y
Z wykonać test silnika na hamowani
W ten sposób przed czynnością n zostaną wykonane czynności m, k, 1, a wymaga

nia dotyczące poprawności konstrukcji sieci zostaną spełnione3.
Struktura technologiczno-organizacyjna przedsięwzięcia przedstawionego na
rys. 30 została określona jednoznacznie, a także zdeterminowane są czasy trwania po
szczególnych czynności (umieszczone pod strzałkami reprezentującymi czynności)4.
3 Zauważmy, że z podobnych powodów w modelu sieciowym na rys. 30 jeszcze kilkakrotnie użyto

czynności pozornych (np. przed czynnością g, która musi być poprzedzona wykonaniem czynności e i f,
przed czynnością i oraz y).
4 Na rys. 30 nazwy czynności (ich oznaczenia literowe) oraz czasy ich trwania są zgodne z tabli
cą 156, natomiast numery zdarzeń wprowadzono po narysowaniu wykresu sieciowego, przestrzegając
zasady podanej w punkcie b (że każdy następnik musi mieć numer większy od poprzednika).
5.2. Metoda CPM 227
Rys. 30.
Warto zauważyć, że nie każdy podział przedsięwzięcia na zadania cząstkowe

(czynności składowe) jest dopuszczalny z punktu widzenia realizacji projektu. Stopień
szczegółowości podziału przedsięwzięcia na czynności (zadania cząstkowe) powinien
być taki, aby jego struktura logiczna dała się przedstawić w postaci grafu nie zawiera
jącego ścieżek cyklicznych, pętli i w praktyce konstrukcji grafu, aby czynności się nie
krzyżowały. Sieć CPM zgodnie z ogólną df. sieci S można zapisać następująco:
S = < G , (t, T, L}, { t }>
Zapis struktury systemu jest równie istotny jak opis ilościowy przedsięwzięcia.
Stanowi on podstawę do wyznaczenia podstawowych charakterystyk sieci (etap 3).
Dla każdego zdarzenia w sieci wyznacza się:
- najwcześniejszy możliwy moment zaistnienia zdarzenia (i),
- najpóźniejszy dopuszczalny moment zaistnienia zdarzenia (T),
- zapas czasu (L).
Charakterystyki te wpisuje się do zdarzeń zazwyczaj w następujący sposób, przy
czym i jest numerem zdarzenia.
Analizę ilościową rozpoczynamy od określenia najwcześniejszych możliwych m o

mentów zaistnienia każdego zdarzenia - t i (wypełnienia lewej ćwiartki). Przyjmuje się,
że najwcześniejszy możliwy moment zaistnienia zdarzenia początkowego jest równy
zeru, tzn. t { = 0. Natomiast najwcześniejszy możliwy moment zaistnienia zdarzenia
następnego (J) jest równy sumie najwcześniejszego możliwego momentu zaistnie
nia zdarzenia poprzedniego (i) oraz czasu trwania czynności prowadzącej do zda
rzenia (czas trwania czynności i-j oznacza się zwykle jako i;_;).
A zatem w naszym przykładzie dla zdarzenia 2:
(2 —i j+ij_2 —0 + 3 —3,
Ponieważ zdarzenie można uznać za istniejące dopiero wówczas gdy zostaną zakoń
czone wszystkie prowadzące do niego czynności, dlatego w przypadku gdy do zdarzenia
dochodzi więcej niż jedna czynność - najwcześniejszy możliwy moment zaistnienia tego
zdarzenia jest równy maksymalnej z tak obliczonych wielkości, czyli
t:J = max{i,
j +t, J,}.
I tak np. dla zdarzenia 4

/4 = max{5 + 4; 3 + 5 } = 9 min.
Wyznaczając w ten sposób najwcześniejsze możliwe momenty zaistnienia wszyst

kich kolejnych zdarzeń5, otrzymujemy wynik, że najwcześniejszy możliwy moment
zaistnienia zdarzenia końcowego (tn = t23) wynosi 130 min.
Obecnie wyznaczać będziemy najpóźniejsze dopuszczalne momenty zaistnienia po
szczególnych zdarzeń, zaczynając od zdarzenia końcowego i poruszając się w kierunku
przeciwnym do zwrotu strzałek. Aby przedsięwzięcie zrealizować w najkrótszym moż
liwym czasie, przyjmuje się, że najpóźniejszy dopuszczalny moment zaistnienia zdarzenia
końcowego jest równy najwcześniejszemu możliwemu terminowi jego zaistnienia, tzn.
Tn = tn. Wielkość tę wpisujemy arbitralnie w prawej ćwiartce zdarzenia końcowego,
a następnie wyznaczamy najpóźniejsze dopuszczalne terminy dla wszystkich pozo
stałych zdarzeń. Najpóźniejszy dopuszczalny moment zaistnienia zdarzenia poprzed
niego (i) obliczamy, odejmując od najpóźniejszego dopuszczalnego terminu zdarzenia
następnego (J) czas trwania czynności i-j. Jeżeli do zdarzenia dochodzi więcej niż jed
na czynność, wybieramy wielkość najmniejszą, czyli
7; = min{7) - t hj}.
Przykładowo dla zdarzenia 13
T13 = m in{45-2; 45-3; 4 5 -8 } = 37 min,
a więc najpóźniejszy dopuszczalny termin zdarzenia 13 wynosi 37 min.

Mając wyznaczone najwcześniejsze możliwe i najpóźniejsze dopuszczalne m o
menty zaistnienia zdarzeń ( t oraz T), obliczamy zapasy czasu dla poszczególnych
zdarzeń. Zapas czasu zdarzenia jest różnicą między najpóźniejszym dopuszczalnym
a najwcześniejszym możliwym terminem jego zaistnienia, czyli:
5 Ponieważ najwcześniejszy moment zaistnienia zdarzenia następnego zależy od najwcześniejszego

momentu zaistnienia zdarzenia poprzedniego, dobrze jest wyznaczając te czasy, przestrzegać kolejności
zdarzeń.
5.2. Metoda CPM 22 9
Również dla poszczególnych czynności można wyznaczyć najwcześniejsze możli

we i najpóźniejsze dopuszczalne momenty rozpoczęcia i zakończenia oraz zapasy cza
su. Zapasy czasu dla czynności wyznacza się według wzoru:
Zy = (Tj ~
I tak np. dla czynności d ( 2 - 4 ) : Z2_4 = (9—5 )—3 = 1, dla czynności b(2—3): Z23 =
= (5—2 )—3 = 0.
Znając termin końcowy realizacji całego przedsięwzięcia, należy jeszcze wyzna
czyć ścieżkę krytyczną. Drogą albo ścieżką w sieci nazywamy ciąg czynności i zdarzeń
umożliwiający przejście od początku do końca sieci (każda ścieżka krytyczna roz
poczyna się w zdarzeniu początkowym, a kończy w zdarzeniu końcowym). Ścieżką
krytyczną nazywamy drogę, której czas przejścia jest najdłuższy (wszystkie czynności
muszą być zakończone). Czynności i zdarzenia leżące na niej mają zerowe zapasy czasu.
Wyznaczenie ścieżki krytycznej ułatwia kontrolę przebiegu realizacji przedsięwzięcia
i dotrzymanie terminu końcowego. Umożliwia także szybką ocenę, jak zmiany czasów
trwania lub opóźnienia terminów rozpoczęcia czynności wpłyną na terminowe ukoń
czenie przedsięwzięcia.
Tak więc termin końcowy realizacji przedsięwzięcia Tk = 130 min (termin zamon
towania silnika do samochodu), a na ścieżce krytycznej leżą następujące czynności6
a -b -c -f-h -i-j-k -n -w -x -y -z . Jak już zauważono, ścieżka krytyczna jest najdłuższą
drogą w sieci, a czas jej trwania (suma czasów kolejnych czynności leżących na ścieżce
krytycznej) jest równy terminowi końcowemu (w tym przypadku 130 min). Może się
zdarzyć, że w sieci występuje więcej niż jedna ścieżka krytyczna7.
Znajomość czynności krytycznych ułatwia planowanie, kierowanie i koordyna
cję realizacji przedsięwzięcia. W trakcie realizacji przedsięwzięcia szczególną uwa
gę należy zwrócić na czynności krytyczne - przekroczenie terminu zakończenia
którejkolwiek z nich spowoduje opóźnienie wykonania całego projektu. Warto jed
nak zauważyć, że nie można wyłączyć spod kontroli czynności leżących poza ścież
ką krytyczną, bowiem ich opóźnienia nie mają wpływu na termin końcowy i ścieżkę
krytyczną tylko wówczas, gdy opóźnienia te mieszczą się w granicach posiadanych
zapasów czasu. Jeżeli natomiast zniknie zapas czasu dla jakiegokolwiek ciągu
czynności niekrytycznych, natychmiast pojawi się nowa ścieżka krytyczna, która bę
dzie wpływać na termin realizacji przedsięwzięcia. Ciągi czynności niekrytycznych,
wykazujące nieznaczne zapasy czasu, określane są jako drogi podkrytyczne i przy ana
lizie sieci czynności wymagają również szczególnej uwagi.
6 Zwykle czynności leżące na ścieżce krytycznej wyróżnia się pogrubioną lub podwójną linią
(por. rysunki).
7 Częściowo mogą się pokrywać, tzn. pewne czynności mogą należeć do kilku ścieżek.
5.3. Metoda PERT

Zgodnie z przyjętą klasyfikacją modeli sieciowych, metoda PERT należy również
do sieci o strukturze logicznej zdeterminowanej. Jednak parametry opisujące po
szczególne czynności projektu mogą mieć charakter probabilistyczny. Czasy trwania
poszczególnych czynności są zmiennymi losowymi; przyjmuje się, że rozkład prawdo
podobieństwa występowania różnych czasów trwania odpowiada znanemu w proba
bilistyce rozkładowi beta, którego szczególnym przypadkiem jest rozkład normalny
(por. [25]). Sieć PERT, zgodnie z ogólną df. sieci S, można zapisać następująco:
S = <G , {t, T, L}, {a, m, b}>.
Dla każdej czynności dane są trzy oceny czasu jej trwania:

a - czas optymistyczny (czas trwania czynności w najbardziej sprzyjających wa
runkach),
b - czas pesymistyczny (czas trwania czynności w najmniej sprzyjających wa
runkach),
m - czas modalny, najbardziej prawdopodobny (czas, który najczęściej występuje
przy wielokrotnym powtarzaniu czynności).
Spełniona jest przy tym relacja a < m < b .
Na podstawie tych trzech ocen oblicza się oczekiwany czas trwania czynności te
wg wzoru.
a + 4m + b
6
i wariancję czasu oczekiwanego:
która określa spodziewane odchylenie rzeczywistego czasu trwania czynności od

wyznaczonego czasu oczekiwanego.
Przykład 32. Mając dane czynności składające się na przedsięwzięcie P, ich

następstwo oraz czasy trwania (tabł. 157), należy określić:
a) najkrótszy czas trwania przedsięwzięcia,
b) prawdopodobieństwo dotrzymania założonego terminu td - 30 dni.
Podane w ostatniej kolumnie tablicy oczekiwane czasy trwania czynności te ob
liczono wg podanego wyżej wzoru8. Po narysowaniu wykresu sieciowego (rys. 31)
nad czynnościami wpisano oceny czasów trwania a , m \ b , & pod nimi - czasy oczeki
wane te.
8 Zauważmy jeszcze, że jeżeli rozkład czasów (a, m, b) jest symetryczny (m-a =b-m), to czas
oczekiwany te jest równy czasowi najbardziej prawdopodobnemu.
5.3. Metoda PERT 231
Tablica 157
Czynności Czasy (wdniach) Czas
’/; f; m b oczekiwanyi,.
1-2 i 2 3 2
1-3 3 5 7 5
1-4 1 4 7 4
2-5 2 3 4 3
2-7 1 5 9 5
3-5 3 6 9 6
3-6 1 2 3 2
4-5 5 10 15 10
5-6 2 8 14 8
5-7 1 2 3 2
6-7 6 6 6 6
6-8 4 5 6 5
7-8 4 4 4 4
Biorąc pod uwagę oczekiwane czasy trwania czynności te, podobnie jak w meto
dzie CPM, wyznaczamy najwcześniejsze możliwe i najpóźniejsze dopuszczalne ter
miny zaistnienia zdarzeń, oczekiwany termin realizacji przedsięwzięcia oraz ścieżkę
krytyczną (przechodzącą przez te czynności i zdarzenia, których zapasy czasu są rów
ne zero). Na wykresie czynności krytyczne zaznaczono pogrubionymi strzałkami.
Ścieżka krytyczna przebiega przez zdarzenia i czynności:
1 -4 -5 -6 -7 -8 ,
a najwcześniejszy oczekiwany termin zakończenia przedsięwzięcia wynosi 32 dni.
Rys. 31
W tym jednak wypadku termin zakończenia przedsięwzięcia jest wielkością lo

sową, rzeczywisty termin końcowy może się od niego mniej lub bardziej różnić. Stąd
niezbędna jest znajomość tego odchylenia - wariancji oczekiwanego terminu wyko
nania (czyli czasu trwania przedsięwzięcia). Wariancja terminu wykonania {a2rJ jest
sumą wariancji czynności krytycznych. Tak więc wg wzoru podanego na początku tego
podrozdziału obliczamy wariancje of_j dla czynności krytycznych:
2 i 7 - 1 V 1 2 ( 1 5 - 5 ) 2 25 2 ( 1 4 - 2 n2
= 4,
9’ °5-6
2 i 6-6 ■0
n, ^t7_8 >4 ~ 4
■ < 0.
6
. 2 1 25 „ n n 70
A zatem < Iw
r ,.= l+ — 9 ’, skąd <x/v
9 +4+0+0=— Tw ' = 2,78, czyli spodziewana
wielkość odchylenia rzeczywistego terminu wykonania przedsięwzięcia od wyznaczo

nego z sieci terminu oczekiwanego wynosi ±2,78 dnia.
Znając oczekiwany termin wykonania oraz jego wariancję, można także obliczyć
prawdopodobieństwo, że przedsięwzięcie będzie zakończone w pewnym narzuconym
z góry terminie (td). Aby określić to prawdopodobieństwo, oblicza się statystykę daną
wzorem:
x=
gdzie td jest narzuconym z góry terminem, tw - oczekiwanym terminem wykona

nia przedsięwzięcia (najwcześniejszym możliwym terminem zdarzenia końcowego),
a cr7W- wariancją terminu wykonania.
Dla obliczonego współczynnika x z tablic dystrybuanty standaryzowanego roz
kładu normalnego odczytuje się prawdopodobieństwo dotrzymania narzuconego
z góry terminu, tzn.
P{td < t w} = F{x).
W naszym przykładzie tw = 32, a interesuje nas prawdopodobieństwo dotrzyma

nia td ~ 30. Wobec tego
3 0 -3 2 -2
-0,71,
2,78
a F(-0,71) = 0,236651.
Jeżeli wartości prawdopodobieństwa dotrzymania terminu planowanego znajdują
się w przedziale (0,25; 0,6), to dotrzymanie tego terminu jest realne. Jeśli F(x) <0,25
(tak jak w naszym przykładzie), to istnieje znikoma szansa dotrzymania założone
go terminu. Jeśli F(x) > 0,6, to istnieją niewykorzystane moce produkcyjne (istnieje
nadmiar zasobów siły roboczej, maszyn, urządzeń itp.) do wykonania przedsięwzięcia
5.4. Analiza czasowo-kosztowa 233
w założonym terminie. Na podstawie tablic dystrybuanty standaryzowanego roz

kładu normalnego można przyjąć, że F(x)e(0,25; 0,6) wtedy i tylko wtedy, gdy
j t e ( - 0,6744; 0,2533). Można dodać, że jeżeli
x= >0, to F (x )> 0 ,5 .
5.4. Analiza czasowo-kosztowa

Omawiając metody planowania sieciowego, zwracaliśmy uwagę przede wszystkim na
analizę ilościową. Niemniej ważnym zagadnieniem programowania sieciowego jest
aspekt ekonomiczny i możliwość modyfikacji modelu przez kompresję sieci wynika
jącą ze zbyt długiego dla inwestora lub odbiorcy okresu realizacji przedsięwzięcia.
Względy ekonomiczne sprawiają, że należy wówczas rozpatrzyć techniczne możliwo
ści skrócenia terminu wykonania całego programu w taki sposób, aby koszty zwią
zane z jego realizacją były jak najniższe. A zatem określenie optymalnego terminu
realizacji przedsięwzięcia wiązać się będzie z takim ułożeniem programu przyspiesze
nia, aby największa akceleracja przypadała na te czynności krytyczne, których koszty
przyspieszenia będą najniższe. Wynika to z faktu, że każde przyspieszenie terminu
wykonania czynności powoduje wzrost kosztów (wyłączając drobne usprawnienia or
ganizacyjno-techniczne), a odbiorca oczekuje efektu przy minimum wzrostu kosztów.
Przed przystąpieniem do prezentacji analizy CPM -COST należy podać podstawowe
określenia i oznaczenia:
tn - normalny czas trwania czynności, któremu odpowiadają najniższe koszty
wykonania czynności K n,
tgr - czas graniczny, najkrótszy możliwy ze względów technicznych i technolo
gicznych czas wykonania czynności przy koszcie granicznym K^.
Zakładając liniowy przebieg zależności kosztów wykonania czynności od czasu jej
trwania, możemy wyznaczyć tzw. średni gradient kosztu S, wg wzoru:
tg a .
n~t
Współczynnik ten określa przyrost kosztów wykonania czynności spowodo

wany skróceniem czasu jej wykonania o jednostkę. Algorytm kompresji sieci jest
następujący9:
1. Biorąc pod uwagę normalne czasy trwania czynności, wyznacza się termin
końcowy i ścieżkę krytyczną.
2. Zestawia się czynności krytyczne i oblicza dla nich gradienty kosztów S.
3. Z zestawienia eliminuje się te czynności krytyczne, dla których średni gradient
kosztów nie istnieje, tzn. tn = tgr.
9 Por. S. Bladowski [11].

4. Proces skracania rozpoczyna się od czynności krytycznej o najniższym gra

diencie kosztów S.
5. Skracając czasy trwania czynności, należy starać się skrócić o jak największą
liczbę jednostek czasu (dni), jednak występują tu jednak dwa ograniczenia:
a) czas graniczny danej czynności tgr,
b) pojawienie się nowej ścieżki krytycznej.
Nowa ścieżka krytyczna pojawi się, jeżeli zniknie zapas czasu w ciągu czynności
niekrytycznych.
6. Od momentu pojawienia się w sieci dwóch lub więcej ścieżek krytycznych
- należy skracać czas o tę samą wielkość na wszystkich równoległych ścieżkach
krytycznych.
7. Najkrótszy termin wykonania programu sieciowego uzyskuje się, gdy wszyst
kie czynności leżące na którejkolwiek drodze krytycznej osiągną czasy graniczne tgr.
Dalsze skracanie czasu wykonania programu jest wówczas niemożliwe.
8. Koszty przyspieszenia na każdym etapie oblicza się jako iloczyn gradientu
kosztów (5) dla danej czynności i liczby jednostek czasu (dni), o które dana czynność
krytyczna została skrócona. Łączne koszty przyspieszenia są sumą kosztów poniesio
nych na poszczególnych etapach.
Zaprezentowany algorytm do wyznaczania optymalnego programu akcelera
cji czynności i określenia najkrótszego czasu wykonania całego przedsięwzięcia przy
minimum kosztów stosuje się zarówno do sieci CPM, jak i PERT.
5.4.1. C PM -C O ST
Przykład 33. Mając dane charakteryzujące przedsięwzięcie P (tabl. 158) dokonać
skrócenia całkowitego czasu wykonania programu tak, aby koszt przyspieszenia ter
minu ukończenia przedsięwzięcia był jak najmniejszy.
Tablica 158
H ! ! ln V E m iI S
1-2 8 6 280 400 60
1-4 10 5 100 150 10
2-3 6 4 300 400 50
3-6 12 10 260 300 20
4-5 15 15 150 150 -
5-6 10 2 200 360 20
1290 1780
Po wykreśleniu siatki zależności (rys. 32) wyznaczamy ścieżkę krytyczną, która

przebiega przez zdarzenia 1 -4 -5 -6 .
Termin wykonania przedsięwzięcia wynosi 35 dni, a zapas czasu ciągu czynności
niekrytycznych 1 -2 -3 -6 wynosi 9 dni. Skrócenie czasu całkowitego wykonania pro
gramu można uzyskać dzięki skróceniu czasów trwania czynności krytycznych.
5.4. Analiza czasowo-kosztowa:
Rozpoczynamy od czynności o najmniejszym współczynniku wzrostu kosztów S,

a więc od czynności 1-4, dla której S = 10. Czas trwania tej czynności możemy skró
cić do 5 dni (t = 5 dni). Tym samym czas wykonania całego przedsięwzięcia zostanie
skrócony do 30 dni, a wzrost kosztów spowodowany tym skróceniem wyniesie:
= S ■At = 10 •5 = 50 jednostek pieniężnych.
Czynnością, która znajduje się na ścieżce krytycznej, a której czas wykonania

może jeszcze ulec przyspieszeniu10, jest czynność 5 -6 . Czas graniczny dla tej czynno
ści jest równy 2. Zauważmy jednak, że gdybyśmy czas trwania tej czynności skrócili
do 2 dni, to i tak termin końcowy przedsięwzięcia wyniósłby 26 dni (bo tyle wyno
si obecnie czas trwania drugiej drogi w sieci), a ponieślibyśmy niepotrzebne koszty.
Dlatego na tym etapie czas wykonania tej czynności zostanie skrócony tylko do 6 dni
(o 4 dni). Termin ukończenia ostatniego zdarzenia wyniesie 26 dni, a koszty wzrosną
0^2 = 4-20 = 80 jednostek pieniężnych.
W tej sytuacji powstaną dwie równolegle ścieżki krytyczne:11
1 -2 -3 -6
oraz
1 -4 -5 -6 .
Od tego momentu skracania należy dokonywać równolegle na obydwu ścież

kach. Skracanie czasu wykonania programu jest nadał możliwe, bo na obu ścieżkach
krytycznych znajdują się jeszcze czynności, które nie osiągnęły czasów granicz
nych. Można skrócić czas trwania czynności 5 -6 jeszcze o 4 dni, aż do osiągnię
cia czasu granicznego 2 dni. Równocześnie jednak należy skrócić o tyle samo czas
wykonania czynności leżących na drugiej ścieżce krytycznej, a więc czynności 3 -6
(o 2 dni) i 2-3 (o 2 dni). O kolejności skracania czasów czynności decyduje niższy
gradient kosztów.
10 Dla czynności 4-5 gradient kosztu nie istnieje, bowiem tg = tn.

11 Dobrze jest po każdym etapie ponownie narysować wykres sieciowy i wyznaczyć ścieżkę
krytyczną.
2 36 5 Programowanie sieciowe
Czas ukończenia całego przedsięwzięcia będzie zredukowany do 22 dni, a koszty

związane ze skróceniem czasu na tym etapie wyniosą:
Czynności Koszty przyspieszenia

5-6 4 -2 0 = 80
3-6 2-20 = 40
2-3 2-50 = 100
K 3 = 220
Dalsze skracanie czasu programu jest niemożliwe, bowiem wszystkie czynności

leżące na drodze krytycznej 1 -4 -5 - 6 osiągnęły czasy graniczne. Wykres sieciowy
po dokonanych skróceniach przedstawiono na rys. 33.
Całkowity koszt przyspieszenia czasu wykonania przedsięwzięcia (K0) z 35 do 22

dni jest równy sumie kosztów skracania poniesionych na kolejnych etapach i wynosi
K 0 = ^ + ^ 2 + ^ 3 = 50+ 80+ 220 = 350 j.p.
5.4.2, PERT-COST
Wyznaczanie programu optymalnego skracania czasu realizacji przedsięwzięcia w sie
ciach PERT przy minimalnych kosztach jest nieco bardziej złożone. Należy bowiem
określić krzywą kosztów K jako funkcję kilku parametrów poszczególnych czynności
(ćZ, WT, 6, te,
Analogicznie, jak w metodzie CPM-COST, przyjmuje się liniowy przebieg zależ
ności kosztów od czasu, biorąc jednak pod uwagę czas przeciętny te. Zakłada się, że
w miarę skracania czasu trwania poszczególnych czynności od czasu normalnego tn do
czasu granicznego tgr (przy zmianie kosztów od K n do Kgr) zachowane są stałe relacje
czasów poszczególnych czynności:
5.4. Analiza czasowo-kosztowa 2 37
dla czasu optymistycznego a
t. t, t 15
dla czasu pesymistycznego b
K i - i - r2>
t
gdzie te, a i b - oznaczają średnie wartości te i czasy graniczne a oraz b dla warto
ści normalnych t„, przyspieszonych ts i granicznych tgr. Warto zauważyć, że stosunki
tych czasów pozostają stale niezależnie od stopnia akceleracji czynności. Z relacji tych
można wyznaczyć czas modalny, wariancję i odchylenie standardowe12. A zatem
6 -(r , +r,)
m = — U— H t
36
(r2 - r . )
a ■= —— —t .
6 e’
Natomiast określając gradient kosztów, posłużymy się wzorem
K„~K„
__£_
ten - tpe%r
w którym wszystkie wartości są średnimi wartościami losowymi.
Przykład 34. Przeprowadź analizę czasowo-kosztową przedsięwzięcia, dla któ

rego podstawowe parametry opisujące poszczególne czynniki modelu sieciowego
podano w tabl. 159.
Analizę czasowo-kosztową należy przeprowadzić dwutorowo, wykorzystując, tak
jak w CPM-COST metodę, w której występują dwa komplementarne elementy: gra
ficzny i analityczny. Na podstawie danych przedstawionych w tablicy 159 wykreśla
my sieć zależności technologicznych (rys. 34), a następnie wyznaczamy podstawowe
charakterystyki opisujące poszczególne czynności, jak i całą sieć.
Termin końcowy realizacji przedsięwzięcia TK = 30 jedn. czasu, ścieżka kry
tyczna przebiega czynnościami 1 -2 -4 -5 -6 , a wariancja dla całego programu (suma
wariancji czynności leżących na ścieżce krytycznej) a 2rw = 8,6.
12 Por. S. Bladowski [11].

2 38 5. Programowanie sieciowe
Tablica 159
i-j $$ # § f s ^ Z- | r2 I $ 0 i;k h
1-2 8 4 500 600 25 0,6 1,9 1,73 3,00
1-3 12 10 700 900 100 0,8 1,5 1,4 1,96
2-4 10 10 1000 1000 - - - - -
2-5 4 3 800 850 50 0,5 2,4 1,26 1,60
3-5 5 2 900 990 30 0,7 1,1 0,33 0,11
4-5 7 5 1200 1300 50 0,6 2,4 2,10 4,41
4-6 10 6 600 760 40 0,8 1,2 0,66 0,44
5-6 5 4 1100 1110 10 0,5 1,8 1,08 1,17
6800 7510
Proces skracania prowadzimy, stosując kryterium minimalnego gradientu kosz

tów. Kolejne kroki skracania prezentujemy poniżej, a wyniki obliczeń w tablicy 160.
Krok 1. Skracamy t5 6 o 1; K5 6 = 1 • 10 = 10; cf25_6 = 0,75; TKe = 29.
Krok 2. Skracamy t u2 o 4; K l 2 = 4-25 = 100; <t21_2 = 0,75; TKe = 25.
Krok 3. Skracamy t4_5 o 1; K4_5 = 1 •50 = 50; cr24_5 = 3,24; TKe = 24.
Powstaje nowa ścieżka krytyczna 1 - 2 - 4 - 6 , a więc w następnym kroku skraca
my czasy trwania czynności na dwóch równoległych ścieżkach krytycznych o tę samą
wartość.
Krok 4. Skracamy t4_5 o 1; K4__5 = 1 •50 = 50; cr24_5 = 2,25,
TKe = 23.
t4_6 o 1; K4_6 = 1 •40 = 40; a 24_6 = 0,36.
Dalsze skracanie czasu trwania przedsięwzięcia jest niemożliwe, ponieważ wszyst
kie czynności leżące na ścieżce krytycznej 1 - 2 -4 - 5 -6 osiągnęły czasy graniczne.
5.5. Metoda CERT 239
Tablica 160
Krok f m i je mm lilii
0 30 0 0 2,92 8,58
1 29 10 10 2,85 8,16
2 25 100 110 2,43 5,91
3 24 50 160 2,17 4,74
4 23 90 250 1,93 3,75
Koszt akceleracji całego programu wynosi 250 jedn. pień., natomiast koszt ogółem
6800 + 250 = 7050 jedn. pień. Zakładając, że dopuszczalne ryzyko dotrzymania termi
nu wynosi 30%, a więc wartość dystrybuanty rozkładu normalnego ¡u = 0,52, można
wyznaczyć najkrótszy czas ukończenia programu w tych warunkach:
7 \ n = T„r - 0,52 •a t = 23 - 0,52 •1,93 = 21,99 jedn. czasu.
Warto przy tym podkreślić, że im większe jest prawdopodobieństwo dotrzyma

nia terminu dyrektywnego ukończenia przedsięwzięcia tym wyższe są koszty jego
realizacji.
5.5. Metoda GERT

Omówione dotychczas metody modelowania sieciowego oparte na sieciach typu D A N
nie pozwalają na rozpatrywanie sieci, które mają niezdeterminowaną strukturę lo
giczną. Dopiero na gruncie uogólnionych sieci czynności G AN powstały modele, któ
re dają możliwość wielowariantowego ustalenia zależności między zdarzeniami oraz
twórczego dobierania w toku realizacji przedsięwzięcia innych dróg postępowania niż
pierwotnie ustalono.
Sieci o strukturze logicznej stochastycznej charakteryzowane są przez wierz
chołki logiczne (zdarzenia) oraz parametry addytywne i multiplikatywne opisujące
łuki sieci. Określono trzy logiczne relacje wejścia: alternatywa rozłączna, alternaty
wa łączna i koniunkcja oraz dwa typy relacji wyjścia: deterministyczne i probabili
styczne. Zestawienie możliwych typów relacji logicznych i ich symboli przedstawiono
w tabl. 161.
Typ wierzchołka, który jest najbardziej powszechny w sieci GERT to wierzcho
łek o wejściu typu alternatywa rozłączna o wyjściu typu stochastycznego (w skrócie
STALTRO). W dalszych rozważaniach posłużono się wierzchołkami typu STALTRO,
ponieważ w sieciach tego typu można wyznaczyć rozwiązanie analityczne.
2 40 5. Programowanie sieciowe
Tablica 161
Alternatywa Alternatywa
W ejście rozłączna Koniunkcja
łączna
Wyjście ^ KI < 0
Deterministyczne
D KO O o
Probabilistyczne
> K> O o
Przykład 35. Przedsiębiorstwo produkuje silniki do pralek automatycznych, a ko
lejność wykonywania poszczególnych czynności jest następująca: na kolejnych stano
wiskach wytwarzany jest silnik elektryczny, który przesyłany jest w końcowej fazie
produkcji do wykańczalni, a po ostatniej kosmetyce kontrolowany na hamowni. Silnik
skontrolowany jest przesuwany do badania testowego, bądź następuje korekta pracy
silnika i także przesuwa się go do badania testowego, bądź też, jeżeli ocena punktu
kontroli jest negatywna, przesuwa się silnik do naprawy lub do magazynu braków.
Na stanowisku testowym silnik jest akceptowany i przesyłany do magazynu wyro
bów gotowych lub też odrzucany jako wybrakowany do magazynu braków.
Przedstaw model sieciowy przedsięwzięcia. Oblicz prawdopodobieństwo wyko
nania wyrobu dobrego. Określ liczbę wyrobów W, którą należy dostarczyć na sta
nowisko 1, aby po zrealizowaniu pozostałych operacji technologicznych otrzymać
100 wyrobów dobrych.
R o z w i ą z a n i e . Sposób dochodzenia do rozwiązania za pomocą metody GERT
można przedstawić następująco:
1. Zamiana jakościowego opisu systemu czy też problemu na model w postaci sie
ci stochastycznej.
2. Zebranie niezbędnych informacji do opisania wszystkich gałęzi sieci.
3. Określenie funkcji ekwiwalentnej opisującej jednoznacznie sieć pierwotną.
4. Zmiana funkcji ekwiwalentnej na następujące dwie miary sieci:
a) prawdopodobieństwo tego, że określone zdarzenie jest zrealizowane,
b) funkcję generującą moment (FGM )13 czasu korespondującą z siecią
ekwiwalentną.
5. Konkluzja dotycząca systemu wyprowadzona na podstawie informacji zawar
tych w kroku poprzednim.
13 Niech f(x) będzie funkcją rozkładu prawdopodobieństwa, wtedy funkcję generującą momenty
+•»
zmiennej losowej y można zdefiniować następująco: M(s) = E(e1' ) = J e“f(x)dx dla rozkładu ciągłego,
M(s) = E(e'r) = ^ p iesx‘ dla rozkładu skokowego.
5.5. Metoda GERT 241
Krok pierwszy polega na skonstruowaniu sieci, gdzie wierzchołki reprezentują

operacje logiczne, a gałęzie (iuki) ukierunkowane (ze strzałkami) są czynnościami.
Model sieciowy dla naszego przykładu można przedstawić jak pokazano na
rys. 35.
W tabl. 162 wyszczególniono czynności i ich parametry.

Drugim krokiem analizy metody GERT jest zebranie odpowiednich danych do
opisania poszczególnych czynności sieci. Niezbędne dane zawiera tabl. 163, przy czym
Wl( s ) = p lMl(s).
Tablica 162
Czynności Znaczenie Parametry
a kolejne etapy produkcji czas produkcji

b przesunięcie do wykańczalni czas przesunięcia
c wykończenie czas wykończenia
d kontrola czas kontroli
e korekta czas korekty, prawdopodobieństwo nie spełnienia
wymogów kontroli
f przesunięcie do naprawy czas naprawy, prawdopodobieństwo nie spełnienia
wymogów kontroli
g naprawa czas naprawy
h przesunięcie do magazynu czas przesunięcia, prawdopodobieństwo nie spełnie
nia wymogów kontroli
i przesunięcie do badania testowego czas przesunięcia
i test czas testu
k przesunięcie do magazynu braków czas przesunięcia, prawdopodobieństwo nie
spełnienia wymogów testu
1 przesunięcie do magazynu wyrobów czas przesunięcia
gotowych
242 5 Piogramowame sieciowe
Tablica 163
Prawdopodo FMG14 czasu Transmitancja
Czynności
bieństwo Af(s) fV(s)
e 100s e 100s
a 1,0
b 1,0 e s es
e 1 2s
c 1,0 e12s
d 1,0 e 6s e6s
e 0,05 e3(C'-D 0,05e3(c_l)
f 0,20 e<e‘- ,> 0,20e2*c<_l)
e 35.s e 35s
g 1,0
h 0,10 0,10e2l+3'2
e 4 ( c '- D
i 0,65 O.ćSe4^5' 1»
j 1,0 e 6s e6s
k 0,05 e 2s 0,05e2s
1 0,95 e2s 0,95e2s
Trzeci krok to wyznaczenie funkcji ekwiwalentnej dla modelu sieci. A zatem

korzystając z reguły Masona15, można napisać:
1,10 \ - ( w e + w f w gw dy
gdzie: Wi jest transmitancją i-tego luku
p i oznacza prawdopodobieństwo zrealizowania i-tego łuku (czynności), a Mi - funkcją

generującą moment czasu, jaki jest potrzebny do wykonania i-tej czynności.
Podstawiając odpowiednie wartości z tablicy 163, otrzymamy:
Q ,6 m e nise ^ l)
W1,10 =-
"
-|o,05e3' 1+ 0 ,2 eĄ15se2le’~‘
Czwarty krok prowadzi do wyliczenia prawdopodobieństwa tego, że zdarzenie

końcowe zostało zrealizowane. A zatem:
0,6175e127lg4(fM) 0,6175
W 1,10 5= 10 0,82.
1 - 0,05e3^ ’ ^ + 0 ,2 e 41Ie2(f!' l)j 1 - ( 0 ,0 5 + 0,2)
14 Dla kilku znanych rozkładów podano FGM czasu w tablicy 182 na końcu rozdziału 5.
15 Por. S. J. Mason [62].
Krok piąty to wnioskowanie o systemie przy wykorzystaniu już otrzymanych

wyników.
Prawdopodobieństwo otrzymania wyrobu dobrego wynosi 0,82, natomiast aby
uzyskać 100 dobrych wyrobów na stanowisku 10, na stanowisko 1 należy dostarczyć
122 wyroby:
Średni czas przejścia od wierzchołka 1 do 10 można otrzymać, licząc moment

pierwszego rzędu:
î(uo) ûoW L o ’
^ 1(1,10) —109,6.
Natomiast wariancja
przy czym
Pytania i problemy
1. Określ podstawowe terminy programowania sieciowego: zdarzenie, czynność, czynność
pozorna.
2. Zbuduj model sieciowy, który miałby dwie drogi krytyczne.
3. Omów algorytm metody PERT.
4. Przedstaw różnice między metodą PERT a metodą CPM.
5. Podaj algorytm akceleracji programów sieciowych.
6. Scharakteryzuj krótko metodę C PM -CO ST i PERT-COST (analizę czasowo-kosztową).
7. Omów podstawowe charakterystyki opisujące czynności i zdarzenia w metodzie GERT.
Zadania
127. Przy budowie pewnego obiektu można wyróżnić 8 zdarzeń (wraz ze zdarzeniem
początkowym) oraz 11 czynności. Czynności oraz czasy ich trwania podano
w tabl. 164. Wyznacz drogę krytyczną oraz znajdź najkrótszy czas realizacji
przedsięwzięcia.
Tablica 164
Czynności Czas Czynności Czas

H % W 00M * h "1
1-2 6 4-6 8
1-3 10 5-6 7
2-3 6 5-7 8
2-5 12 6-7 6
3-4 5 7-8 7
3-5 8
128. Mając pełne dane o czasach trwania czynności oraz ich następstwie (tabl. 165),
określ czas trwania całego przedsięwzięcia, oraz odpowiedz na pytanie, czy ter
min 77 dni jest realny?
1. Zbuduj model sieciowy przedsięwzięcia.
2. Wyznacz ścieżkę krytyczną.
3. Znajdź wariancję terminu końcowego.129
Tablica 165
Czynności Czasy
a m b
1-2 4 8 24
1-3 3 3 3
1-4 3 5 7
2-5 3 6 9
2-6 15 20 37
3-4 4 6 20
3-7 10 15 20
3-8 4 5 6
4-5 3 6 9
4-8 20 30 46
5-6 20 21 22
6-8 14 17 26
7-8 30 30 36
7-9 25 25 25
8-9 4 4 4
9-10 6 6 6
9-11 7 10 13
9-12 14 15 16
10-12 10 12 14
11-12 3 11 13
129. Pewne przedsięwzięcie, na które składa się 18 czynności o łącznym czasie ich
trwania 200 godzin zaplanuj tak, aby trwało możliwie najkrócej. Czasy trwania
poszczególnych czynności oraz ich następstwo w czasie przedstawiono w tabl. 166.
Tablica 166
Czynności Czas Czynności Czas

i-j *« i-j h
1-2 5 3-8 9
1-3 10 4-8 7
1-4 3 5-6 9
1-5 12 5-7 12
2-5 10 6-10 20
2-6 23 7-9 13
3-4 5 7-10 18
3-5 3 8-9 15
3-7 16 9-10 10
1. Zbuduj siatkę czynności tego przedsięwzięcia.

2. Jaki jest najkrótszy czas wykonania całego przedsięwzięcia przy optymal
nym zorganizowaniu pracy?
3. Wskaż ogniwa (czynności) decydujące o minimalnym czasie trwania
przedsięwzięcia.
130. Na pewne przedsięwzięcie składają się czynności podane w tabl. 167.

Wyznacz ścieżkę krytyczną oraz najwcześniejszy termin zakończenia przed
sięwzięcia. Jak wpłynie na termin końcowy:
a) wydłużenie czasu trwania czynności 12-13 o 10 dni,
b) opóźnienie momentu rozpoczęcia czynności 1-7 o 7 dni,
c) skrócenie czasu trwania czynności 12-15 o 10 dni,
d) skrócenie czasu trwania czynności 7-10 o 10 dni?
Tablica 167
Czynności \\i Czas Czynności # :® a ś

i- j •
1-2 25 6-11 19
1-3 30 7-9 20
1-7 50 7-10 30
2-4 13 8-11 20
2-5 12 9-12 20
3-6 19 10-14 40
3-8 18 11-14 6
4-5 6 12-13 10
4-12 8 12-15 80
5-9 15 13-14 12
6-7 6 14-15 50
6-10 27
5. Programowanie sieciowe
131. Mając dane zawarte w tabl. 168, narysuj wykres sieciowy przedsięwzięcia, oblicz
najkrótszy czas realizacji przedsięwzięcia oraz wyznacz ścieżkę krytyczną.
Tablica 168
Czas trwania Oznaczenia Czynności

czynności czynności poprzedzające
5 a -
7 b -
4 c -
2 d a
8 e c
3 f b, d, e
2 g f
5 h f
6 i f
4 j g
3 k h
1 1 i
132. Narysuj wykres sieciowy przedsięwzięcia składającego się z czynności od a do n,

jeśli czasy trwania poszczególnych czynności wynoszą odpowiednio 1 0 ,6 ,4 ,2 ,4 ,
4, 7, 3, 5, 5, 4, 3, 4,1, wiedząc że:
czynnością: należy wykonać:

a -
b a
c a
d a
e b
f c
g c
h c
i d, c
j e, f
k h, i
1 j,g, k
m j,& k
n m, 1
Oblicz najkrótszy czas realizacji przedsięwzięcia. Wskaż czynności kry

tyczne.
5;5. Metoda GERT 247
133. Sporządź wykres sieciowy przedsięwzięcia składającego się z czynności a-n,

jeżeli:
przed czynnością: należy wykonać:
a f, m
b e
c d
d e
e
f
g f, m
h c
i c
j d ,g ,b
k h>j
1 g, d,b
ł a, 1, k
ra e
n U
Przyjmując, że czasy trwania czynności a-n wynoszą kolejno: 7, 10, 8, 5, 7,
2, 12, 12, 10, 7, 13, 10, 10, 8, 3 dni wyznacz najwcześniejszy możliwy termin
zakończenia przedsięwzięcia oraz ścieżkę krytyczną. Która z czynności ma naj
większy zapas czasu?
Czy termin końcowy zmieni się, jeżeli:
a) czynność i ze względu na chwilowy brak środków rozpocznie się o 10 dni
później,
b) czas trwania czynności j można będzie skrócić o 3 dni?134
134. Narysuj wykres sieciowy przedsięwzięcia składającego się z czynności a -l, jeżeli:
- czynność a poprzedza czynności b, c, d, e, które mogą być wykonywane
równocześnie,
- czynność f może rozpocząć się po zakończeniu czynności b,
- czynności g, h mogą rozpocząć się po zakończeniu czynności c, f,
- po zakończeniu czynności e równocześnie można wykonać czynności i, j,
- czynność k musi być poprzedzona wykonaniem czynności g, d, i,
- czynność 1 można rozpocząć po zakończeniu czynności g, d, i oraz j,
- przed rozpoczęciem czynności 1 należy zakończyć czynności h, k.
Przyjmując, że czasy trwania czynności wynoszą kolejno: 5,15, 2 ,1 0 ,1 8 ,1 3 ,
9,4,19, 8 , 4 , 1 0 ,1 2 dni:
1. Wyznacz najwcześniejszy możliwy moment realizacji przedsięwzięcia
oraz ścieżkę krytyczną.
j
2. Odpowiedz, czy uda się skrócić termin końcowy, jeżeli:

a) czas trwania czynności i będzie można skrócić o 5 dni,
b) czas trwania czynności ł dzięki zaangażowaniu dodatkowych środków
zostanie skrócony o 8 dni.
135. Naprawa silnika elektrycznego składa się z następujących czynności (w nawiasie

podano czasy ich trwania w godzinach):
a) przeniesienie silnika na stanowisko demontażu (3),
b) demontaż silnika (10),
c) kontrola zużycia części A (5),
d) kontrola zużycia części B (10),
e) kontrola zużycia części C (8),
f) kontrola zużycia części D (12),
g) naprawa i konserwacja części A (2, 8,14),
h) naprawa i konserwacja części B (5, 7, 9),
i) naprawa i konserwacja części C (4,5,18),
j) naprawa i konserwacja części D (6, 8, 28),
k) montaż części silnika A, B, C, D (12),
l) oczekiwanie na transport (2, 6,10),
ł) przeniesienie do magazynu (8).
Wiadomo, że czynność a musi poprzedzać b. Czynności c, d, e, f mogą być wy
konywane równolegle, jednak czynność g musi być poprzedzona przez c, czynność
h przez d, czynność i przez e, a czynność j przez f. Czynność k może nastąpić po
wykonaniu wszystkich poprzednich czynności. Czynność 1następuje po k a przed 1.
Podaj:
1) najkrótszy czas trwania naprawy,
2) wariancję drogi krytycznej oraz jej interpretację,
3) prawdopodobieństwo dotrzymania terminu 62 godz.,
4) jak zmieni się rozwiązanie, gdy czasy trwania czynności i będą wynosić
(8, 9,10) a czynności j (3, 4,5).
136. Przedsięwzięcie P charakteryzują następujące dane przedstawione w tabl. 169.

Wyznacz najkrótszy termin realizacji przedsięwzięcia, drogę krytyczną oraz
odpowiedz na następujące pytania:
a) która z czynności ma największy zapas czasu,
b) czy skrócenie czasu trwania czynności k o 2 dni wpłynie na termin koń
cowy i drogę krytyczną?
Tablica 169
Czynności Czas
Czynności
poprzedząjące trwania (dni)
a - 5
b a 3
c a 7
5 5. Metoda GERT
Czynności Czas
Czynności
poprzcdząjące trwania (dni)
d b 5
e b 10
f b 10
g c, d 12
h c, d 10
i f,g 5
j f.g 6
k f.g .h 8
1 e, i 3
1 h ,g ,f 3
m i 3
n j, k, I, i 7
137. Mając dane oszacowania czasów trwania poszczególnych czynności (tabl. 170):
a) znajdź najkrótszy czas trwania przedsięwzięcia. Czy termin 40 dni jest
możliwy do zrealizowania?
b) podaj jak zmieni się czas trwania przedsięwzięcia, jeśli czasy czynności
7-10 oszacowano na 10,13,16? 138
Tablica 170
Czynności Czasy
H 11; b ' 1
1-2 3 4 5
1-3 3 3 3
2-4 7 9 17
2-5 10 12 14
3-6 1 5 9
3-7 5 10 15
4-9 6 12 18
5-8 4 6 14
5-9 1 1 7
6-8 4 4 4
7-8 10 15 20
7-10 5 5 11
8-9 5 8 11
9-10 1 5 9
138. Dla wykonania przedsięwzięcia P opracowano dwa warianty techniczne: A i B.

Na podstawie analizy sieciowej dokonaj wyboru wariantu gwarantującego więk
szą szansę dotrzymania terminu dyrektywnego td = 48 dni. Charakterystyki
czynności dla obu wariantów zawarto w tabl. 171 (wariant A) i 172 (wariant B).

Czynności Czasy Czynności Czasy
H g; ' a m b H a m K b
1-2 13 14 15 1-2 17 20 20
1-3 5 10 15 1-3 14 14 14
1-4 7 10 19 1-4 1 5 15
2-3 2 2 2 2-5 2 10 12
2-5 10 10 10 3-6 17 18 25
3-6 20 21 22 3-7 15 15 15
3-7 4 16 16 4-7 2 .5 14
4-7 5 20 23 5-8 18 20 28
5-8 5 8 11 6-8 14 15 22
6-8 12 12 12 7-8 18 21 24
7-8 18 18 30
139. Montaż silnika wysokoprężnego składa się z 13 zdarzeń i 21 czynności, których

kolejność jest wyznaczona przez proces technologiczny (tabl. 173). Technolodzy
podali dla każdej czynności czas:
- najkrótszy (a),
- najbardziej prawdopodobny (m),
- najdłuższy (b).
Tablica 173
Czynności Czasy
i-j §$§■' b
1-2 2 5 8
1-3 2 4 18
2-5 3 4 5
2-4 6 6 12
3-4 5 6 7
3-6 6 10 14
4-5 3 5 7
4-6 0 0 0
4-8 2 5 8
5-9 4 6 8
5-8 4 5 24
6-7 3 6 9
7-8 5 6 7
7-10 1 3 11
7-11 3 6 9
8-10 2 8 14
9-10 3 3 3
9-12 6 7 14
10-13 2 4 6
11-13 3 5 7
12-13 6 8 10
Podaj najkrótszy czas realizacji przedsięwzięcia oraz prawdopodobieństwo

dotrzymania terminu dyrektywnego 42 dni.
140. W tabl. 174 przedstawiono dane dotyczące pewnego przedsięwzięcia.
Tablica 174
Czynności Ocena czasu trwania

i-j -"prj a wMM b
1-2 2 5 8
2-3 8 9 16
2-4 6 7 8
3-4 3 6 9
3-5 9 11 13
3-6 4 6 8
4-7 2 2 2
4-8 5 9 19
5-6 0 0 0
5-8 5 6 13
6-8 10 11 12
6-9 2 3 10
7-8 7 7 7
7-9 7 9 11
8-9 2 4 12
Sporządź siatkę zależności. Jakie jest prawdopodobieństwo dotrzymania

terminu: a) 40 dni; b) 43 dni?
141. Przedsięwzięcie składa się z 10 czynności, dla których podano czasy normalne
(/„); czasy graniczne (tgr) w tygodniach oraz koszty normalne (Kn) i koszty gra
niczne (Kgr) w tys. zl.
Tablica 175
i-j K i li- V i i lilii V

0-1 10 6 30 40
1-2 12 10 43 45
1-3 8 6 26 30
2-3 4 4 15 15
2-4 7 5 20 22
2-5 11 7 24 30
3-4 5 5 10 10
4-5 4 3 8 11
4-6 9 6 16 19
5-6 8 3 27 37
1. Wykreśl siatkę zależności oraz wyznacz najwcześniejszy możliwy termin

zakończenia przedsięwzięcia.
2. D o jakiego terminu można skrócić czas realizacji przedsięwzięcia? Jakie
z tym wiążą się koszty?
3. Skróć czas realizacji przedsięwzięcia tak, aby koszty skracania nie prze
kroczyły 14 tys. zł.
4. Skróć czas realizacji przedsięwzięcia o 5 dni przy możliwie najmniejszym
koszcie. Ile wynoszą koszty skrócenia?
142. Mając dane przedstawione w tabl. 176, wyznacz ścieżkę krytyczną oraz skróć
termin wykonania całego programu do 22 dni. Jaki będzie koszt przyspiesze
nia terminu końcowego?143
Tablica 176
H *n II Kn Mm l l i l f l l
1-2 10 7 100 250 50
1-3 12 6 120 240 20
1-4 8 4 250 290 10
2-7 12 10 330 390 30
3-5 6 6 400 400 -
4-6 4 2 230 260 15

5-8 15 10 300 400 20
6-8 10 6 400 440 10
7-8 8 5 300 390 30
2430 3060
143. Pewien etap większego przedsięwzięcia składa się z 9 czynności, których cza
sy normalne, czasy graniczne, koszty normalne i koszty graniczne podano
w tabl. 177.
1. Wykreśl sieć zależności, wyznacz tk oraz ścieżkę krytyczną.
2. Zredukuj czas realizacji przedsięwzięcia do 22 tygodni. Ile wyniosą
koszty tej redukcji?
3. O ile tygodni można maksymalnie zredukować czas realizacji przedsię
wzięcia, jak w tym przypadku będą kształtować się koszty?
Tablica 177
i-j K« S
V **
0-1 5 5 30 30 -
0-2 8 5 44 50 2,0
0-3 7 5 30 35 2,5
1-3 6 4 25 30 2,5
2-3 8 4 35 40 1,25
2-5 10 8 44 50 3,0
3-4 5 4 10 12 2,0
3-5 10 7 24 28 1,0
4-5 6 4 20 26 3,0
144. Wyznacz program optymalnego skracania czasu trwania przedsięwzięcia. Para

metry sieci czynności podano w tabl. 178.
Tablica 178
H ten V K 'i r2 Mm of
1-2 15 10 1200 1300 20 0,9 1,4 1,25 1,56
1-3 8 8 300 300 - - - - _
1-4 7 5 200 400 100 0,5 2,5 2,33 5,44
2-5 15 13 250 370 60 0,6 1,1 1,25 1,56
2-6 10 8 740 820 40 0,5 1,7 2,00 4,00
3-6 8 5 300 390 30 0,8 1,2 0,53 0,28
4-6 12 11 620 635 15 0,7 1,9 2,40 5,76
4-7 25 20 500 625 25 0,7 1,1 1,66 2,77
5-8 20 17 490 556 22 0,75 1,5 2,50 6,25
6-8 22 20 1100 1400 150 0,8 1,6 2,93 8,60
7-8 16 15 950 1200 250 0,5 1,2 1,86 3,48
6650 7996
Określ koszt programu optymalnego dla najkrótszego czasu jego realiza

cji. Wskaż różnicę kosztów przy stosowaniu programu optymalnego i kosztów
granicznych.
145. Określ najkrótszy możliwy termin realizacji przedsięwzięcia. Parametry sieci

czynności podano w tabl. 179.
Tablica 179
l-j V K P K P s W ::® ;- l m r2 M
1-2 15 12 60 90 10 0,8 1,2 1,00 1,00
1-3 7 5 100 140 20 0,9 1,3 0,47 0,22
1-4 10 8 50 80 15 0,7 1,1 0,67 0,44
2-5 15 15 100 100 - - - - -
2-8 20 17 30 120 30 0,7 1,6 3,00 9,00

3-6 9 9 70 70 - - - - -
4-6 12 9 45 90 15 0,8 1,3 1,00 1,00

4-7 20 16 100 120 5 0,9 1,2 1,00 1,00
5-9 13 10 70 100 10 0,8 1,1 0,65 0,42
6-8 15 10 125 250 25 0,6 1,2 1,50 2,25
7-9 12 11 80 80 - _ - - -
8-9 8 7 20 70 50 0,5 1,5 1,33 1,77
146. Wyznacz liczbę rzutów dwoma kostkami (parą kostek) wymaganych do otrzy
mania dwóch kolejnych siódemek, jeżeli prawdopodobieństwo wyrzucenia 7 jest
równe 1/6. Sieć gry w kości przedstawia rys. 36.
147. Narysuj wykres sieciowy GERT ilustrujący problem wyznaczania liczby rzutów
dwoma kostkami (parą kostek) wymaganych do otrzymania trzech kolejnych
dziesiątek, jeżeli prawdopodobieństwo wyrzucenia 7 jest równe p, a prawdopo
dobieństwo nie otrzymania 7 jest równe q.
148.16 Rozwiąż problem „Złodzieja z Bagdadu”. Złodziej był umieszczony w lochu

(węzeł D) z trzema drzwiami. Jedne drzwi prowadziły na wolność (węzeł F),
16 Zadanie zaczerpnięto z pracy G. E. Whitehouse [89].

drugie do diugiego tunelu, trzecie do krótkiego tunelu. Tunele zawracały zło

dzieja do lochu. Jeżeli złodziej powrócił do lochu, próbował uzyskać wolność
ponownie, ale jego minione doświadczenie nie pomagało mu w wyborze drzwi,
które prowadziły do wolności. Oznacza to, że prawdopodobieństwo wyboru
każdej z dróg było stale i wynosiło odpowiednio:
pK>p<i,pk{pw= Pd=Pk=^ a Mw{s)=e°‘> MAs)=e35> Mkis)=eS-
Oblicz spodziewany czas wyjścia.
149. Przedsiębiorstwo produkuje urządzenia elektroniczne a kolejność wykonywania

poszczególnych operacji jest następująca: na kolejnych stanowiskach wytwarza
ne jest urządzenie w częściach, które przesyłane są do stacji kontroli. Elementy
skontrolowane są przesuwane albo do montażu, jeżeli ocena punktu kontroli jest
pozytywna lub do stanowiska naprawy. Po operacji montażu przeprowadzone
jest badanie testowe całego urządzenia. Urządzenie na stanowisku testowym jest
albo akceptowane i przesyłane do pakowania lub też odrzucane jako wybrako
wane do ponownej kontroli części i do stanowiska naprawczego. Na stanowisku
naprawczym elementy urządzenia są znów kontrolowane, ponownie montowane
i jeszcze raz testowane jest całe urządzenie. Cały żmudny system badań kon
trolnych wynika z przeznaczenia urządzenia do aparatury statków kosmicznych,
która musi być prawie niezawodna.
Narysuj wykres sieciowy przedsięwzięcia, wyznacz średni czas przejścia od
wierzchołka 1 do 8, a także moment drugiego rzędu i wariancję.
Znaczenie czynności z ich odpowiednimi parametrami przedstawia tabl. 180.
Dodatkowe dane zawarto w tabl. 181.
Tablica 180
Czynności Znaczenie Parametry
a kolejne etapy produkcji czas produkcji
b przesunięcie z produkcji do kontroli czas przesunięcia
c kontrola czas kontroli
d przesunięcie z kontroli do naprawy prawdopodobieństwo nie spełnienia wymogów
kontroli
e naprawa czas naprawy
f montaż czas montażu
g badania testowe czas testu
h przesunięcie z testu do kontroli czas przesunięcia, prawdopodobieństwo nie
spełnienia wymogów badania testowego
pakowanie czas pakowania
lńblica 181
FGM czasu Transmitancja
Czynności Prawdopodobieństwo
M(s) W(s)
a 1,0 e50s e5°s
b 1,0 e5 Qs
c 1,0 e2s e 2s
d 0,3 0 ,3 ^ '^
e 1,0 e 10s e10i-
f 0,7 e5* 0,7e5i
g 1,0 q 2s q 2s
h 0,1 e2i+-v 0,le 2s+3sJ

i 0,9 eJ 0,9es
Funkcje generujące moment (FGM) dla znanych rozkładów przedstawiono

w tabl. 182.
Tablica 182
Rozkład M(s)
Dwumi mowy
1p ą ; x=0 , l 0 0 ; a> 0; b> 0

/(■*) = • r ( * r ; H F
0 dla x < 0
Geometryczny
pes
p ( x ) = \ pą" ; x = 1’2’3’- ; 9 = 1- p 1 - qes
[O dla pozostałych x
Poissona
s 6 "k ; x = l, 2 , 3 , X >0 e2<c’-D

P (x )= x!
[O dla pozostałych x
Stały
P(x) = j 1; X = ? ett
[0 dla pozostałych x
Nieliniowe zagadnienia optymalizacyjne
Modele programowania liniowego rozważane w poprzednich rozdziałach często oka

zują się niewystarczające w modelowaniu rzeczywistości gospodarczej. Model liniowy
jedynie przybliża realną sytuację ekonomiczną. Uzyskanie opisu układu gospodarcze
go, który adekwatnie odzwierciedlałby rozpatrywane relacje ekonomiczne, wymaga
zastosowania modelu uwzględniającego wszystkie jego komplikacje. Taka możliwość
pojawiła się z chwilą wprowadzenia innych niż liniowe dziedzin programowania mate
matycznego. Niektóre z nich zostaną zaprezentowane w dalszej części rozdziału.
6.1. Elementy programowania nieliniowego

Programem nieliniowym nazywamy zadanie w postaci:
/(x) - f ( x v ...,xn) —> minimum (lub maksimum),
g,(x) = Si(xP - , x n) < 0 (lub > 0) (i = 1,..., r),

xp —,xn > 0,
gdzie przynajmniej jedna z funkcji:/lub g, nie jest funkcją liniową, przy czym zakłada
się, że fu n k c je /igt są ciągłe.
W przeciwieństwie do programowania liniowego, gdzie uniwersalną metodą roz
wiązywania jest algorytm simpleks, nie ma ogólnej metody rozwiązywania programów
nieliniowych. Metoda rozwiązywania zależy od postaci, jaką zadanie przyjmuje.
W teorii programowania nieliniowego bada się przede wszystkim te programy,
w których o funkcji celu zakłada się, że jest wypukła bądź też wklęsła w zbiorze roz
wiązań dopuszczalnych. O zbiorze tym zakłada się z reguły, że jest zbiorem wypukłym.
Zagadnienie to obejmuje wiele ciekawych zastosowań. Metody rozwiązywania tego
rodzaju programów bardzo często określa się terminem programowanie wypukłe.
Podobnie jak w programowaniu liniowym, tak w programowaniu nieliniowym od
różniamy programy o postaci kanonicznej, w których wszystkie warunki ograniczają
ce, z wyjątkiem warunków brzegowych mają postać równości, oraz programy o postaci
standardowej, w których wszystkie warunki ograniczające są nierównościami.
2S8 6. Nieliniowe zagadnienia optymalizacyjne
6.1.1. Program nieliniowy o postaci kanonicznej

Przy rozwiązywaniu programów nieliniowych o postaci kanonicznej znajduje zasto
sowanie tzw. metoda mnożników Lagrange’a. Tok postępowania można tu podzielić
na dwa etapy:
1. Sprawdzamy, czy funkcja celu /(x) ma ekstremum bezwarunkowe. Jeżeli tak,
to czy spełnia ono warunki ograniczające, a więc czy jest ono równocześnie ekstre
mum warunkowym. Szukanie ekstremum bezwarunkowego polega na obliczeniu po
chodnych cząstkowych funkcji celu względem poszczególnych zmiennych decyzyjnych
i przyrównaniu tych pochodnych do zera. Warunkiem wystarczającym na istnienie mi
nimum funkcji /(x) w punkcie x - (xv x2, ..., xn) jest, aby w tym punkcie wyznacznik ma
cierzy utworzonej z pochodnych cząstkowych drugiego rzędu funkcji / byl dodatni, tzn.:
¿7 ¿7 ¿7
dx\ dx1dxl dxndx]
¿7
dx{dx2 dx\ dxndx.
¿7 ¿7 ¿7
dxvdxn dx2dxn K
oraz by wartości wszystkich minorów głównych tej macierzy (brane w punktach stacjo
narnych) były dodatnie. Jeżeli ekstremum bezwarunkowe spełnia warunki ogranicza
jące, to zadanie ma rozwiązanie.
2. Jeżeli ekstremum bezwarunkowe nie spełnia ograniczeń, funkcję celu prze
kształcamy w funkcję Lagrange’a:
L ( x , A ) - / ( x ) + ^ Ą g ,.(x ),
<=i
przy czym A, to nieoznaczone mnożniki Lagrange’a.

W ten sposób zastępujemy szukanie ekstremum warunkowego funkcji /(x) szu
kaniem ekstremum bezwarunkowego funkcji Lagrange’a. Obliczamy pochodne
cząstkowe funkcji L względem poszczególnych zmiennych decyzyjnych x- oraz wzglę
dem mnożników Langrange’a A(, a następnie przyrównujemy te pochodne do zera.
Rozwiązanie otrzymanego układu równań jest na ogół rozwiązaniem optymalnym
programu (pomijamy tu warunek dostateczny na istnienie ekstremum warunkowego).
Przykład 36. Z elektrociepłowni energia przesyłana jest do dwóch zużywających

ją zakładów produkcyjnych. Funkcja kosztów przesyłania energii do tych zakładów
w zależności od wielkości przesyłu (odpowiednio, do zakładu I - xx i do zakładu II
- x2) dana jest wzorem:
f { x i, x 2) = 5xf - 8x^2 + l x \ - 12x, - Ax 2 + 81.
..j
6.1. Elementy programowania nieliniowego 259
Rozdziel dzienną produkcję energii - 16 Mwh pomiędzy te dwa zakłady tak, aby
zminimalizować koszty przesyłu energii. Podaj wysokość tych kosztów.
R o z w i ą z a n i e : Mamy zatem znaleźć minimum funkcji
f ( x l, x 2) = 5x* - 8 xjX2 + 7 x 2 - 1 2 x 1- 4 x 2 +81,

przy warunkach:
gi(x v x2) = x 1+ x 2 = 16,
x1;x2 > 0.
1. Sprawdzamy, czy funkcja ma ekstremum bezwarunkowe, obliczając pierwsze

pochodne f(xl,x2) względem x, ix 2 i przyrównując je do zera. W wyniku otrzymujemy:
- Ę - = 10 x 1 - 8 x 2 - 1 2 = 0,
ax.
= ~8x, + 14x, - 4 = 0.
¿>x, 1 2
Stąd
= 6 8 _ 3 4 _ 1 15
*2 ~ 3 8 _ 19 19
oraz
Xj = — - 2 — ,
1 19 19
Zatem funkcja/m oże mieć ekstremum bezwarunkowe tylko w punkcie o współ-
rzędnych( f ;i }
Macierz drugich pochodnych ma postać:
d2f
dx\ dx2dx. 10 -8
d 2f d 2f -8 14 '
dxldx1 dx\
Jej wyznacznik jest równy 76 > 0. 50 34

Drugi minor główny tej macierzy 10 >0, a więc w punkcie | — | funkcja /
l 19 ’ 19
osiąga minimum. ^ >
Jednak po podstawieniu współrzędnych otrzymanego punktu do warunku ogra
niczającego otrzymujemy:
50 34 — = 4 ^
19 + 19 19 19
a więc punkt ten nie jest ekstremum warunkowym funkcji / przy warunku g 1(x1, x2).
2 60 6. Nieliniowe zagadnienia optymalizacyjne
2. Należy zatem utworzyć dla powyższego zadania funkcję Lagrange’a:
L [x i,x 2, X) = 5xx - 8 x xx2+ l x 2 —12xl - 4 x 2 + 8\ + X(xx + x 2 - 1 6 ) - » min.
Obliczamy jej pochodne cząstkowe, które następnie przyrównujemy do zera:
—— = 10x1 - 8x,*• - 1 2 + X = 0,
J«
- = x 1 + x 2 - 1 6 = 0.
Otrzymujemy układ trzech równań o trzech niewiadomych ( a ^ , x 2, X), który najła

twiej jest rozwiązać, eliminując zmienną X z dwu pierwszych równań. Ostatecznie
otrzymujemy:
Zatem zakład I powinien otrzymywać dziennie 9 MWh energii, a zakład II

- 7 MWh. Koszty przesyłania energii wyniosą 189 jedn. pieniężnych.
Mankamentem omówionej metody jest to, że nie gwarantuje ona uzyskania nie-
ujemnych wartości zmiennych decyzyjnych. Gdyby okazało się, że w otrzymanym roz
wiązaniu któraś ze zmiennych przyjęła wartość ujemną, trzeba by uciec się do innych
metod rozwiązywania. Stąd też wynika ograniczone zastosowanie metody mnożników
Lagrange’a do rozwiązywania programów nieliniowych.
6.1.2. Program nieliniowy o postaci standardowej

Programy nieliniowe o postaci standardowej (w których wszystkie ograniczenia są
nierównościami) można również rozwiązywać metodą nieoznaczonych mnożników
Lagrange’a, zamieniając uprzednio nierówności na równania przez wprowadzenie tzw.
zmiennych nieistotnych u2. Gdyby np. w przykładzie 36 warunek ograniczający miał po
stać + x 2< 16, zamienilibyśmy go na równość następująco: x x+ x 2+ u 2- 16 = 0 (ponie
waż lewa strona nierówności jest mniejsza, należało do niej dodać zmienną nieistotną).
Gdyby warunek miał postać np. x1+ x 2^16, to od lewej strony nierówności należałoby
odjąć zmienną nieistotną, czyli otrzymalibyśmy a 1< a2- m2-1 6 = 0.
Szukanie ekstremum funkcji Lagrange’a sprowadziłoby się do rozwiązania ukła
du czterech równań o czterech niewiadomych, a mianowicie:
dL
■xl + x 2 - 1 6 + w2
dX
dL
= 2Xu = 0.
dli
Oczywiście, większa liczba zmiennych decyzyjnych lub warunków ograniczających

znacznie zwiększa rozmiary zadania, które trudno jest rozwiązać bez korzystania z pa
kietów komputerowych.
Częściej jednak do rozwiązywania programów nieliniowych o postaci standardo
wej znajduje zastosowanie twierdzenie Kuhna-Tuckera. Twierdzenie to i jego dowód
można znaleźć w większości podręczników omawiających programowanie nielinio
we. Formułowane jest ono bardzo różnie1. Poniżej ograniczono się głównie do poda
nia ostatecznej postaci warunków Kuhna-Tuckera i ich praktycznego zastosowania
wg jednej z możliwych wersji podanej w pracy [17].
Dla programu o postaci:
f(xv ...,xn) -+ min,
gi(xp ...,xn) < 0 , (i= l,...,r),
x1>0, ...,xn > 0,
i funkcji Lagrange’a:
L = f ( x ) + 'Źx,g,(x),
(x jest wektorem zmiennych decyzyjnych (x = [xv x2, ..., xn]), warunki Kuhna-Tuckera
przybierają postać:
( 1) dla i = 1,.... n,
dx: dx. dx:
V. dL A ¿ f(x ) | ^ ¿&(x)
( 2) ■0 dla j = 1, ,n,
y=i j=i dx. /=1 dxr ,
(3) 8i(x) - 0 dla i = l,...,r,
(4) ¿ g ,(x )A , =0,

(=i
(5) ^ •> 0 dla j = l,...,n ,
( 6) A,- > 0 dla i = 1,..., r.
1 Por. np. prace [18], [23] i [76],

262 6. Nieliniowe zagadnienia optymalizacyjne
Po dokonaniu podstawień:
d/(*) , y A 3&(x) ■ V j ,
dxj ¿=1
&(x) = Wi>
ostateczna postać układu równań jest następująca:
9Ł # ( x) , f i 3&(x) v _ 0 dla n
(1 )
a*,. +£ A/ a*,. v'~° 7
(2) ^
:) x
r - f i 9d/(X
'x i ~ Ł x
) +| fL l
Ai dx xi
- fL VX “ O
vj x i u>
ćxj 7=1 V ćxj <=1 ox 7 ;=1
(3) g ,( x ) + w( = 0 d la / = 1 ,..., r,
(4) i> A = ° >

i=l
(5) xj > 0 d la j = 1 ,..., n,
(6) A, > 0 d la i = 1 , ..., r.
D la p rogram u p ostaci:
/ ( x ) -> max,
&(x) * o
w warunkach 1 i 3 należałoby zmienić kierunki nierówności. Jeżeli nie wszystkie wa
runki ograniczające mają ten sam zwrot nierówności - można je doprowadzić do wła
ściwej postaci, mnożąc przez -1.
Przykład 37. Rozwiąż następujące zadanie:
/ [xl , *2) = Ą + x 2 - 4xi “ 2*2 + 5 -> min
przy warunku
g(x1,x 2) = 2x1+ x 2 <2,
x1>0; x2S 0.
R o z w i ą z a n i e : Funkcja Lagrange’a dla tego programu ma postać:
. x 2, —x^ "i* 4-X| 2^2 -i- 5 -i- + X2 2^,

a warunki Kuhna-Tuckera podano poniżej:

rłl
(1) = 2 x , - 4 + 2 A - v 1 =0,
3L
= 2 x 2 - 2 + X - v2 = 0,
dx2
(2) vlxl + v 2x2 = 0,
(3) 2x 1+ x2- 2 + w = 0,
(4) Xw = 0,
(5) xx >0; x2 > 0,
(6) A> 0.
Warunek 2 jest spełniony, jeżeli2:

Vj = 0 i v2 = 0
lub
xt = 0 i x2 = 0
lub
x 1= 0 i v2 = 2
lub
Vj = 0 i x2 = 0.
Warunek 4 jest spełniony jeżeli: w = 0 lub X = 0.

Przyjmując np. Vj = 0, v2 = 0 i w = 0, otrzymujemy następujący układ równań3:
2x1- 4 + 2X —0,
2r2- 2 + X —0,
2x 1+ x 2- 2 = 0.
Rozwiązanie powyższego układu jest następujące:
*_4 *_ 2 2
xi- ~ ; X2 / t - - ;
f { x i ,x 2,X) = - .
2 Pomijając ujemne wartości x i v.

3 Jak łatwo zauważyć, przy przyjętych założeniach (y, = v2 = w = 0) układ ten jest identyczny, z tym
który otrzymaliśmy, stosując metodę mnożnika Lagrange’a przy warunku równościowym.
6. Nieliniowe zagadnienia optymalizacyjne
Najczęściej przy przyjętych tu założeniach (w = 0; vl = v2 = 0) uzyskuje się roz

wiązanie optymalne. Jednak dla upewnienia się czy jest ono rzeczywiście najlep
szym, należałoby zbadać wszystkie (wyszczególnione dla tego przykładu wyżej
przypadki) dające
(=i
oraz
j=i
i z ich rozwiązań wybrać to, dla którego funkcja celu przyjmuje wartość ekstremalną.
Trudności rachunkowe znacznie zwiększają się, gdy w modelu wystąpi jeszcze
choćby jedna zmienna decyzyjna lub jeszcze jeden warunek ograniczający.
Pytania i problemy
1. Podaj ogólną postać zadania programowania nieliniowego.
2. Omów program nieliniowy o postaci standardowej oraz metodę jego rozwiązywania.
3. Przedyskutuj warunki Kuhna-Tuckera dla programu nieliniowego o postaci standardowej
w porównaniu z metodą mnożników Lagrange’a.
4. Podaj przykłady zagadnień, do rozwiązywania których stosuje się metody programowania
nieliniowego.
5. Czy ekstremum bezwarunkowe funkcji / danej wzorem:
f{xi >x2 ) = x i ~ 2* i *2 + 3*2 - 16xj - 24x 2 +12 - * min
spełnia warunek: x1+ *2 = 8?
Zadania
150. Przedsiębiorstwo przemysłowe korzysta z dwóch bocznic: własnej i PKP. Koszty
(w tys. zł), związane z postojem wagonów wyraża następująca funkcja:
f { t i, t2) = 0,25

gdzie:
t x - czas trwania wyładunku na bocznicy własnej,
t2 - czas trwania wyładunku na bocznicy PKP.
Pociągi towarowe wożące surowce do przedsiębiorstwa mają w swym skła
dzie 100 wagonów. Dzienna zdolność przeładunkowa bocznicy własnej wynosi
10 wagonów, a bocznicy PKP - 20 wagonów.
1. Jak należy rozdzielić wagony między obie bocznice, aby koszt związany
z postojowym był możliwie najniższy?
2. Ile dni wobec tego będzie trwał wyładunek na bocznicy własnej, a ile na
bocznicy PKP?
3. Podaj koszt postojowego przy optymalnym rozłożeniu wagonów między

obie bocznice. Zakładamy, że z wyładowanych wagonów formuje się skład po
ciągu, który może odejść dopiero wtedy, gdy wszystkie wagony są opróżnione.
Tym samym postojowe liczy się do momentu wyładunku ostatniego z wagonów
na każdej z bocznic.
151. Rozdziel dzienną produkcję energii 100 MWh między dwie elektrownie, tak aby
dzienne koszty zużycia paliwa (w tys. zł) opisane funkcją:
f(x i, x2) = 2(xl - 1)2 + (x 2 - 3 ) 2,
gdzie:
jCj - zużycie paliwa w elektrowni I,
x2 - zużycie paliwa w elektrowni II
były możliwie najniższe. Wiadomo ponadto, że z 1 1 paliwa w elektrowni I uzy
skuje się 5 MWh energii, a w elektrowni II - 3 MWh. Podaj dzienne koszty zu
życia paliwa w tych elektrowniach.
152. Dwie cukrownie prowadzą kampanię cukrowniczą, mając za zadanie przerobić

łącznie 297601 buraków. Dzienny przerób pierwszej cukrowni wynosi 120, a dru
giej 1801 buraków. Wiadomo, że w trakcie kampanii cukrowniczej powstają stra
ty cukru zależne od czasu składowania buraków, które można opisać następującą
funkcją:
f ( i i , 12 ) — 0,6/f +12/ j + 0 ,3 t| + 9*2,
gdzie:
t\ - czas trwania kampanii w cukrowni pierwszej,
t2 - czas trwania kampanii w cukrowni drugiej.
a) Jak długo powinna trwać kampania cukrownicza w każdej z cukrowni,
aby straty cukru były najniższe?
b) W jaki sposób optymalnie rozdzielić owe 29 760 t buraków między
cukrownie?153
153. Przedsiębiorstwo produkuje dwa wypełniacze na wydziałach produkcji pomocni

czej. Produkcja ta jest przeznaczona dla własnych potrzeb. Wypełniacze wytwa
rzane są w brykietach odpowiednio jedno- i dwukilogramowych. Oszacowana
funkcja kosztów produkcji obu wypełniaczy ma postać:
f { x 1, *2 ) = 0,25*1 +1,5*! +0,5*2 + x2>

gdzie:
x 1 - ilość brykietów wypełniacza I,
x2 - ilość brykietów wypełniacza II.
Przedsiębiorstwo zużywa w procesie produkcji 1000 kg wypełniaczy.
Jakie powinny być rozmiary produkcji obu wypełniaczy, jeżeli się ma na
względzie minimalne koszty produkcji?
154. Dwie olejarnie o zdolnościach przerobowych 10 t i 15 t ziarna dziennie mają

przerobić 1800 ton ziarna na olej. Straty oleju w ziarnie zależą od czasu składo
wania (oczekiwania na przerób), jak również od stosowanych procesów techno
logicznych uzysku oleju z surowca. Funkcja łącznych strat oleju w ziarnie (w kg)
dla obydwu olejarni dana jest wzorem:
f ( t i> ¿2) = + 20fj + 3t\ + 45r2,

gdzie:
t l \ t 2 - czasy trwania kampanii odpowiednio w pierwszej i drugiej olejarni.
Jak długo powinny trwać kampanie w I i II olejarni, aby straty oleju w ziar
nie były możliwie najmniejsze?
155. Rozwiąż następujące zadanie programowania nieliniowego:
12
f{ x l,x 2) = 0 , l x i + — x 1 + 0 ,5 x l +4*2 -»m in,
2x1+ 5x2 > 1000,

x l >0; x 2 > 0.
Podaj wartość funkcji / dla rozwiązania optymalnego.
156. Rozwiąż następujące zadanie programowania nieliniowego:
f ( xi >x 2 ) = xx “ + 3 jc2 + 8 jc2 + 30 -» min,
x1+ 2x2 = 10,

x x >0; x2 > 0.
157. Zminimalizuj następującą funkcję:
f ( x v x2) = 8*1 - 1 2 * ^ +17x2 - 44*! - 42 x 2 +164,
przy ograniczeniach:
2 x1+ x2 = 10,
Xj >0; x2 > 0.
158. Dwa wyroby A i B produkowane są z tego samego surowca, którego zapas

12 tys. t powinien zostać w pełni zużyty. Na 1 tys. sztuk wyrobu A zużywa się 2 1
surowca, na 1 tys. wyrobu B - 1 1 surowca. Ustal wielkość produkcji tych wyro
bów tak, aby zminimalizować funkcję kosztu jednostkowego określoną wzorem
f ( x 1, x2) = 2x\ + x 2 - 14x( - x 2 + 48.
Podaj wysokość kosztu przy optymalnych rozmiarach produkcji.

159. Rozwiąż następujące zadanie:

O 9
xx - 1 1 xx + 3x2 - 3xxx2 + 90 —» min.
2xx+ 4 x 2 = 60,
xl + x2 > 20.
160. Zminimalizuj funkcję:
xi ~9xx -3 1 n x 2,
przy warunkach
xx+ x2 = 5,
IV
V
O
to
o
161. Rozwiąż następujące zadanie:
- l n x x - 2 1 n x 2 —>min.163
xx+ x2 = 3,
V
V
o
p
to
162. Zminimalizuj funkcję
2xx - 2 x xx 2 + 2x\ - 2xx - 2 x 2,
przy ograniczeniach
xx+ x 2 < 1,
- x x+6x2 < 2 ,
IV
IV
o
p
£
163. Planowane są prace modernizacyjne w trzech kopalniach. Rezultatem tych prac

ma być łącznie 15 tys. ton przyrostu dziennego wydobycia. Koszty prac moderni
zacyjnych w zależności od planowanego przyrostu wydobycia w poszczególnych
kopalniach (odpowiednio xv x2, x3) wyraża funkcja
f ( x x, x2, x3) = xf + 2x\ + 3*3 - 2xx - 4 jc2 - 6jc3 +14.
Zaplanuj wielkości przyrostu wydobycia dla poszczególnych kopalń tak, aby

koszty prac modernizacyjnych były możliwie najniższe. Podaj wysokość tych
kosztów.
268 6- Nieliniowe zagadnienia optymalizacyjne
6.2. Wybrane problemy optymalizacyjne firmy

Najogólniej rzecz biorąc podstawowym problemem firmy jako jednostki produkcyj
nej jest wyznaczenie wielkości produkcji na bazie czynników produkcji (nakładów)
z uwzględnieniem zależności pomiędzy cenami środków produkcji a ceną, jaką można
uzyskać za wytwarzane wyroby.
A zatem jest to zagadnienie alokacji zasobów, które opisują trzy podstawowe
elementy:
1) czynniki produkcji, takie jak: środki trwałe, materiały, siła robocza, kapitał
i ich ceny,
2) proces produkcji opisany funkcją produkcji,
3) wielkość sprzedaży wytwarzanych wyrobów wynikająca z popytu i ich ceny
na rynku.
Rola firmy w systemie ekonomicznym polega na transformacji kupowanych czyn
ników produkcji na towary i usługi. Końcowym etapem jest sprzedaż wytworzonych
towarów i usług konsumentom na rynku. Przyjmując, że głównym celem firmy jest
maksymalizacja zysku, należy go wyznaczyć, określając koszty produkcji oraz uzyski
wane przychody.
Jeżeli w procesie produkcji zaangażowane jest n czynników produkcji, to łączne
koszty produkcji wyniosą:
C(x) = ¿ P A + K s = P7* + K s>

r=1
gdzie:
x= - wektor czynników produkcji,
Pi
P= = wektor cen czynników produkcji,
iP r \
K s - koszty stałe.
Wielkość produkcji firmy (y) jest funkcją zaangażowanych czynników produkcji,
co wyraża relacja produkcyjna:
y=f(x)=f(xv • • •> * « )•
Przychód firmy ze sprzedaży wyprodukowanych wyrobów wynosi:
R(y) = cTy>
6.2. Wybrane problemy optymalizacyjne firmy 269
gdzie:
V
y = wektor ilości wyprodukowanych wyrobów,
yn.
V
c= wektor cen produkowanych wyrobów,
_Cn_
Natomiast zysk firmy jest różnicą pomiędzy przychodem a kosztami produkcji:
Z (x,y)= R (y)-C (x).
Z przedstawionych relacji wynikają główne problemy ekonomiczne dla firmy

produkcyjnej:
- maksymalizacja zysku przy danych (określonych) kosztach produkcji,
- minimalizacja kosztów wytworzenia dla danej wielkości produkcji,
- granica opłacalności prowadzenia działalności produkcyjnej.
Rozwiązanie problemu maksymalizacji zysku wiąże się z maksymalizacją Z(x,y).
W wyniku tego działania otrzymamy wielkość produkcji, dla której zysk jest najwięk
szy lub krzywą podaży dla producenta określającą wielkość produkcji jako funkcję cen
wytworzonych wyrobów. Minimalizacja kosztów produkcji jest alternatywą dla maksy
malizacji zysku. Minimalizujemy funkcję C(x) i uzyskujemy minimalny koszt w relacji
do wielkości produkcji.
Warto zauważyć, że firma powinna prowadzić działalność produkcyjną, ogólnie
rzecz biorąc, tylko wtedy, kiedy uzyskuje nieujemny zysk. Moment, w którym działa
nia firmy zaczynają przynosić straty, powinien być sygnałem do zaniechania produkcji,
względnie jej urentownienia.
Zarysowane tutaj problemy decyzyjne będą przedmiotem dalszych rozważań.
Problem alokacji zasobów można sprowadzić do wyznaczenia minimalnej warto
ści C(x) z uwzględnieniem warunków technicznych danych funkcją produkcji y =/(*).
Zauważmy, że minimalizujemy koszty produkcji korespondujące ze stałą (zadaną)
wielkością produkcji, przy czym wszystkie czynniki produkcji są nieujemne. Tak
ogólnie sformułowane zadanie można zapisać jako program nieliniowy i rozwiązać
np. za pomocą metody nieoznaczonych mnożników Lagrange’a.
Przykład 38. Wyznacz optymalne nakłady czynników produkcji x l i x2 dla wy

tworzenia zadanej wielkości produkcji y0 = 120, przy możliwie najniższych kosztach.
Proces produkcyjny opisuje funkcja:
y = f (x ) = 2x°1’5x°2’5,
a koszty produkcji C(x) = 4x{ + x2+ 10.

2 70 6. Nieliniowe zagadnienia optymalizacyjne
Problem ten może być rozwiązany za pomocą znanej już metody mnożników
Lagrange’a, zatem funkcja celu przekształcona w funkcję Lagrange’a, tzw. Lagrangian
L ma postać:
L = 4x1 + x 2 +10 + /i.(1 2 0 -2 * i’5A:2’5)=> min,
gdzie: X jest nieoznaczonym mnożnikiem Lagrange’a.

Zastępujemy tym samym poszukiwanie ekstremum bezwarunkowego funkcji C(x)
szukaniem ekstremum warunkowego funkcji Lagrange’a. Aby je znaleźć, należy obli
czyć pochodne cząstkowe funkcji L względem zmiennych i x2 oraz X i przyrównać
je do zera. Otrzymujemy układ równań:
^ = 4 - A x ; ° ’5x °2 ’5 = 0,
ć/X|
-Łl-Ax°'V’
Ox2
5=0,
— = 120-2 xi°’5x?’5 = 0.
dX 1 2
Warunkiem wystarczającym dla istnienia minimum jest, aby wyznacznik macierzy

utworzonej z pochodnych cząstkowych drugiego rzędu był dodatni, oraz aby wszystkie
jej minory główne były dodatnie, czyli aby:
d2L
dx2
było dodatnio określone.
Rozwiązaniem powyższego układu równań są optymalne nakłady czynników pro
dukcji: x \ = 30, x 2 = 120, C(x*,x2) = 250, a optymalna struktura nakładów jest równa
x* 30 1
x2 ~ 120 ~ 4
Alternatywą dla zagadnienia minimalizacji kosztów wytworzenia zadanej wielko

ści produkcji jest problem maksymalizacji produkcji y przy ustalonych z góry środkach
finansowych C0 na zakup czynników produkcji. Wówczas maksymalizujemy
J = /(x ),
przy ograniczeniach
C(X) = C0.
Funkcja Lagrange’a dla tego przypadu ma postać:

L = /(x)+ A T [C 0-C(x)].
W tabl. 183 przedstawiono zbiorczo zasady optymalizacji, gdy warunki ogranicza

jące mają postać równości.
Tablica 183
Funkcja kryterium
P=F{x)
zysku łub kosztu
Ograniczenia
g(x)=a
równościowe
Lagrangian L = F(x)+AT[a-g(x)]
dL 3F(x) 3gT(x)
dx 3x 3x
Warunki konieczne
l-a -S W -O
Warunki wystarczające 'd2L

jest dodatnio określona
dla maksimum dx2
'd2L
dla minimum jest ujemnie określona
dx2
Czytelnik zechce sprawdzić, iż przy przyjętej funkcji produkcji i podanej funkcji

kosztów, maksymalizację produkcji przy ograniczonych środkach finansowych C0 j.p.
gwarantują optymalne nakłady x** = 12,5; x%* = 50.
Istotnym problemem firmy jest maksymalizacja zysku z uwzględnieniem ograni
czeń na dostępne czynniki produkcji (limit środków produkcji, ograniczenia finansowe
itp.). Opisana sytuacja decyzyjna przybiera postać klasycznego zadania programowa
nia nieliniowego z ograniczeniami nierównościowymi, a procedurę optymalizacyjną
przedstawiono w tabl. 184.
Tablica 184
Funkcja celu P = F(x)

Ograniczenia C(x) 0
Lagrangian L = F(x)+AT[b-C(x)]
Warunki konieczne
dL 5F(x) aCT(x) l „ Q
3x 3x dx
xr d L = M F ( x ) J C ^ x ) x) 0
dx ( dx dx J
f = b-C (x),°
Warunki Kuhna-Tbckera AT- ^ = AT[b - C (x)] = °
x > 0, X> 0
Przykład 39. Wyznacz optymalny wektor czynników wejściowych maksymalizu

jący zysk firmy, przyjmując że produkcja jest opisana funkcją kwadratową z dwoma
czynnikami wejściowymi o ogólnej postaci:
y = /(x ) = aTx + xTBx,

gdzie:
2" '-1 1‘
«
a=
ii
3 1 -3
Koszty dane są funkcją C(x) = pTx, gdzie p jest wektorem kosztów czynników produkcji
1
P=
1_
Niech ponadto c będzie ceną produkowanych wyrobów. Wtedy przychód firmy
R{y) = c T y-
Natomiast zysk
Z (x) = cy - pTx = aTxc + xTBxc - pTx.
Dla x : i c = 1 funkcja Z(x) będzie miała następującą postać:

L*2J
1__1
rH
1' V
Z (x) = 2xy + 3x2 + [xx x1- x 2 =
....*-1
---- 1
1 -3
CN
= - x f - 3 x \ + 2 x 1x 2 + x1 + 2 x2.
Funkcja ta osiąga maksimum dla: x * = 1,25; x 2 = 0,75. Wówczas y = 3,375;

a Z(x*) = 1,375.
Pytania i problemy
1. Przedstaw podstawowe elementy zagadnienia alokacji zasobów.
2. Jaki jest główny cel firmy i możliwości jego osiągnięcia?
3. Omów algorytmy optymalizacji nieliniowej:
a) z ograniczeniami równościowymi,
b) z ograniczeniami nierównościowymi.
4. Omów problem minimalizacji nakładów przy ustalonych rozmiarach produkcji.
5. Przedstaw problem maksymalizacji produkcji przy określonych nakładach.
Zadania4
164. Mając daną funkcję dwuczynnikową
y = - jtj - x2 + 2x1+ 2 x 2 —> max
przy ograniczeniu nierównościowym
xl + 2x 2 S 10,
wyznacz optymalne wartości czynnikowej i e 2.

Jak zmieni się rozwiązanie, jeśli wprowadzimy dodatkowe ograniczenie
nierównościowe
Xj + 5x 2 < 15?
165. Dana jest funkcja produkcji
y = F(x) = Xi4>
ceny czynników produkcji k x i k2 oraz cena gotowego wyrobu p.

Wyznacz maksymalny zysk Z (x) = px2xx^ - klxl - k2x2 - K s, przyjmując
ograniczenia równościowe
C(x) = k ]x1 + k2x2 + K s = b,
oraz wiedząc, że Lagrangian ma postać
L = px\x2 - kixi - k2x2 - K s + X ( b - kxxx - k2x2 - K s ).
166. Wyznacz optymalne nakłady czynników produkcji dla wytworzenia produkcji:
y - aoxi ‘x2 2’
gdy znana jest liniowa funkcja kosztów całkowitych C(x) stosowania czynników
produkcji
C(x) = Piej + ppc2 + Ks.
167. Funkcja produkcji ma postać:
f ( x 1, x 2 ) = l , 5 x 1° ’15x 20’25,
a koszty ogólne dane są funkcją
C(x) = 9 x { + 3 x 2 + 50.
4 Zadanie 165 zaczerpnięto z pracy A. P. Sage [79].

Wyznacz optymalne wielkości czynników produkcji, przy których koszty

wytworzenia produkcjiy = 450 będą najniższe.
168. Wielkość produkcji pewnej firmy opisana funkcją trzech zmiennych:
/( x ) = 3x\ + 2x\ + 5*3 + xLx2 + 4x ^3 + 10x2x3 + 20*! + 20x 2 + 30x3 —> max
przy warunkach ograniczających:
1000*! + 500x2 + 400*3 2 10 000,

200*! + 1500*2 + 800*3 £ 900.
Określ optymalne - z punktu widzenia maksymalizacji wielkości produkcji

- nakłady czynników produkcji xL, *2, *3.
169. Wielkość produkcji firmy dana jest funkcją kwadratową
y < aTx + xT Bx,
"-3 1 2" T
gdzie macierz B = 1 -4 1 , wektor a = l
2 1 -5 i
1. Znajdź wektor x maksymalizujący produkcję, jeżeli koszty dane rów

naniem
2
C(x) = cTx, przy czym c = 3 ,
4
nie powinny przekroczyć K = 6 , a więc 2*j + 3*2 + 4*3 < 6.

2. Jak zmieni się rozwiązanie, jeśli zostanie wprowadzone dodatkowe ogra
niczenie o postaci
3*! +2*2+10*3 - 15?
Elementy programowania dynamicznego
Programowanie dynamiczne jest jedną z technik matematycznych, którą można za

stosować do rozwiązywania takich problemów, jak: zagadnienie dyliżansu, zagadnie
nie finansowania inwestycji, optymalizacja zapasów, alokacja zasobów, czy wymiana
majątku trwałego1. Warto przy tym podkreślić, że programowanie dynamiczne na
leży traktować bardziej jako sposób podejścia do rozwiązywania problemu niż jako
pojedynczy uniwersalny algorytm. W dalszej części ograniczono się do bliższego
scharakteryzowania zagadnienia finansowania inwestycji oraz zagadnienia dyliżansu
(stagecoach problem).
Zagadnienie finansowania przedsięwzięcia inwestycyjnego można scharakteryzować
jako problem alokacji określonego zasobu środków (w tym przypadku wyrażonego
w jednostkach pieniężnych) pomiędzy poszczególne zadania (programy inwestycyjne),
tak aby osiągnąć maksymalny efekt. Przyjmuje się przy tym następujące założenia:
1. Efekt zastosowania każdego z programów inwestycyjnych nie zależy od tego,
czy zostały zastosowane równocześnie inne programy inwestycyjne.
2. Zwrot nakładów inwestycyjnych jest mierzony w tych samych jednostkach.
3. Nakłady inwestycyjne są liczbami całkowitymi.
4. Funkcje określające związki między nakładami inwestycyjnymi a wysokością
zwrotu nakładów są niemalejące.
Nieco inny problem niesie ze sobą tzw. zagadnienie dyliżansu, polegające na
poszukiwaniu optymalnej drogi w sieci.
Nazwa zagadnienia pochodzi od pewnego kupca amerykańskiego, który trans
portował towary ze Wschodniego Wybrzeża USA na Wybrzeże Zachodnie, używa
jąc w tym celu różnych połączeń realizowanych przy pomocy dyliżansu. Oczywiście
chodziło o dobór takich połączeń, aby transport odbywał się w miarę bezpiecznie,
a miarą bezpieczeństwa na danej linii były stawki pobierane przez towarzystwo ubez
pieczeniowe. Rozwiązanie problemu wymagało podzielenia całej trasy na etapy,
a w każdym z etapów określenia miast etapowych oraz wszystkich możliwych połączeń
pomiędzy nimi.
1 Szeroki zakres zagadnień rozwiązywanych przy pomocy algorytmów programowania dynamicz

nego można znaleźć np. w pracy H.M. Wagnera [86].
2 76 7. Elementy programowania dynamicznego
Łatwo można sobie wyobrazić inne możliwości zastosowania tak sformułowanego

zagadnienia do szerokiej klasy problemów poszukiwania najkrótszej lub najdłuższej
drogi w sieci.
Oba wcześniej wymienione zagadnienia można rozwiązać, stosując podejście
charakterystyczne dla programowania dynamicznego. Polega ono na podziale za
gadnienia pierwotnego na podproblemy lub etapy, a następnie na ich sekwencyjnym
rozwiązywaniu, aż do znalezienia rozwiązania optymalnego. Stosuje się przy tym, nie
zależnie od algorytmu, zasadę optymalności sformułowaną przez Bellmana, w myśl
której optymalne rozwiązanie zagadnień z zakresu programowania dynamicznego ma
tę własność, że optymalne rozwiązanie dla k-tego etapu jest jednocześnie rozwiąza
niem optymalnym dla etapów k + l, ..., N. Tak więc optymalne rozwiązanie dla etapu
pierwszego stanowi optymalne rozwiązanie dla całego problemu.
W związku z powyższą zasadą problem z zakresu programowania dynamicznego
rozwiązuje się, rozpoczynając od poszukiwania rozwiązania dla ostatniego etapu (N),
a następnie cofając się, poszukuje się rozwiązania dla etapu N - 1. Uzyskane w ten
sposób rozwiązanie dla etapów N - 1 oraz ATjest optymalne bez względu na to, w jaki
sposób osiągnięto etap7V -l.
Powtarzając powyższy sposób, etap po etapie dochodzimy do rozwiązania opty
malnego dla pierwszego etapu, a więc i dla całego problemu.
Powyższa zasada zostanie zilustrowana na przykładzie zagadnienia alokacji inwe
stycji oraz problemu dyliżansu.
Przykład 40. Przedsiębiorca Jerzy Płatek, posiadający kredyt inwestycyjny

w wysokości 6 min złotych oraz halę produkcyjną w Krakowie, postanowił zainsta
lować nowoczesne linie piekarnicze: francuską (F), szwedzką (S) oraz polską (P).
Dobowe zdolności produkcyjne pieczywa (w tonach) w zależności od wysokości na
kładów inwestycyjnych przeznaczonych na zainstalowanie linii produkcyjnej danego
typu, przedstawiono w tabl. 185.
Tablica 185
Nakłady (w min zł) f -1 2 3 4 ms 6
Zdolności F 0 6 12 12 12 15 20
produkcyjne S 0 5 8 11 14 17 18
(w t) linii P 0 4 15 15 15 15 16
Analiza rynku wykazała, że każda z linii produkcyjnych, pozwala uzyskiwać

jednakowe zyski w przeliczeniu na 1 tonę pieczywa. Jerzy Płatek musi więc w tym
przypadku podjąć decyzję dotyczącą podziału kredytu pomiędzy poszczególne pro
gramy inwestycyjne, tak aby piekarnia osiągnęła maksymalną, dobową zdolność
produkcyjną.
R o z w i ą z a n i e . Powyższy problem, należący do kategorii programowania dy

namicznego, można rozwiązać za pomocą procedury opisanej w kilku etapach.
7. Elementy programowania dynamicznego 27 7
K rok 1. Załóżmy, że jedynym możliwym rozwiązaniem jest zakupienie polskiej

linii produkcyjnej i zadajmy sobie pytanie dotyczące uzyskanej w ten sposób dobo
wej zdolności produkcyjnej w zależności od zainwestowanej kwoty. Wyniki podano
w tabl. 186.
Tablica 186
Nakłady (w min zl) ..: :;0v :V: 2 ■' 1 1 ® 1 4 5 6 ||
Zdolności produkcyjne 0 4 15 15 15 15 16
linii P (w t)
W tym przypadku, jedynym sensownym rozwiązaniem jest zainwestowanie

6 min zl w polską linię produkcyjną w celu osiągnięcia zdolności produkcyjnej 161 pie
czywa na dobę. Rezultat ten zapiszemy następująco:
P(6) = 16,
co oznacza, że 6 min zl zainwestowane w polską linię produkcyjną zapewnia produk

cję 1 6 1 pieczywa na dobę.
K rok 2. Załóżmy, że dostępne są dwa typy linii produkcyjnych: P oraz S i zadaj
my sobie następujące pytanie: jak należy podzielić kredyt inwestycyjny pomiędzy te
dwa programy, aby uzyskać maksymalną dobową zdolność produkcyjną?
W tym przypadku możliwe jest siedem wariantów podziału 6 min kredytu, które
dają następujące dobowe zdolności produkcyjne:
P(6) + S(0) = 16+ 0 = 16,

P(5) + S(l) = 15 + 5 = 20,
P(4) + S(2) = 15 + 8 = 23,
P(3)+S(3) = 15 + 11 = 26,
P(2) + S(4) = 15 +14 = 29,
P (l)+ S (5) = 4+ 17 = 21,
P(0) + S (6)= 0 + 18 = 18.
W powyższej sytuacji należy więc zainwestować 2 min w polską linię oraz 4 min
w szwedzką linię, osiągając w ten sposób 2 9 1 pieczywa na dobę.
K rok 3. Spróbujmy obecnie znaleźć optymalny podział kredytu pomiędzy linię P
oraz S przy malejącej kwocie nakładów inwestycyjnych:
a) 5 min na linie P oraz S
P(5)+S(0) = 15+ 0 = 15,

P(4) + S(l) = 15+ 5 = 20,
P(3) + S(2) = 15+ 8 = 23,
P(2) + S(3) = 15 +11 = 26,
P (l)+S(4) = 4+ 14 = 18,
P(0) + S(5) = 0+ 17 = 17.
278 7. Eiemeiity programowania dynamicznego
W przypadku dysponowania kwotą 5 min zł na linię P oraz S należy zainwesto

wać 2 min w linię P oraz 3 min w linię S, osiągając 26 ton na dobę. Rezultat zapiszemy
w następujący sposób:
P(2) + S(3) = 26.
b) 4 min zl na linie P oraz S
P(4) + S(0) = 15 + 0 = 15,

P(3) + S(l) = 15 + 5 = 20,
P(2) + S(2) = 15 + 8 = 23,
P(l) + S(3) = 4 + 11 = 15,
P(0) + S(4) = 0 +14 = 15.
W przypadku dysponowania kwotą 4 min zł należy zainwestować po 2 min zł w linię

P oraz S:
P(2) + S(2) = 23.
c) 3 min zł na linie P oraz S:
P(3) + S(0) = 15+ 0 = 15,

P(2) + S(l) = 15 + 5=20,
P (l)+ S(2) = 4+ 8 = 12,
P(0) + S(3) = 0+ 11 = 11.
W tym przypadku należy zainwestować 2 min w linię P oraz 1 min w linię S:
P (2)+ S (l) = 20.
d) 2 min zł na linie P oraz S
P(2) + S(0) = 15 + 0 = 15,

P(l) + S(l) + 4 + 5 = 9,
P(0) + S(2)= 0 + 8 = 8.
W tym przypadku należy zainwestować 2 min w linię polską (P):
P(2)+S(0) + 15.
e) 1 min zł na linię P oraz S
P(1)+S(0) = 4 + 0 = 4,
P(0) + S(l) = 0 + 5 = 5.
W tym przypadku należy zainwestować 1 min zł w linię szwedzką (S):
P(0) + S(l) = 5.
A zatem, w kroku 3 określiliśmy optymalne kombinacje nakładów na linię P oraz S.

7. Elementyprogramowania dynamicznego 279
K rok 4. Konsekwentnie, w kroku 4 wystarczy rozpatrzyć wszystkie kombinacje

podziału 6 min zł kredytu pomiędzy linię F oraz linie P + S. Zdolności produkcyjne
w zależności od nakładów kredytowych przedstawiono w tabl. 187.
Tablica 187
iii,:) 2 3 ; 4 |5 11 6
F (z tabl. 185) 0 6 12 12 12 15 20
P+S (z kroków 2 i 3) 0 5 15 20 23 26 29
Jak łatwo zauważyć możliwych jest siedem wariantów podziału 6 min kredytu
pomiędzy linie F oraz linie P + S, dających następujące zdolności produkcyjne:
F(6) + (S + P)(0) = 20 + 0 = 20,

F(5) + (S + P)(1) = 15 + 5 = 20,
F(4) + (S + P)(2) = 12 +15 = 27,
F(3) + (S + P)(3) = 12 + 20 = 32,
F(2) + (S + P)(4) = 12 + 23 = 35,
F(1) + (S + P)(5) = 6 + 26 = 32,
F(0) + (S + P)(6) = 0 + 29 = 29.
Maksymalną zdolność produkcyjną piekarni można uzyskać, inwestując 2 min
w linię francuską (F) oraz 4 min zł w linię S i P. Aby uzyskać rozwiązanie ostateczne,
wystarczy odszukać w kroku 3 optymalny sposób podziału tych 4 min zł pomiędzy li
nię S oraz P (krok 3b). W rezultacie otrzymujemy rozwiązanie: 2 min na linię F, 2 min
na linię P oraz 2 min ma linię S, co zapewnia 35 ton pieczywa na dobę.
Przykład 41. Firma transportowa Autokam, ustalając nowe trasy przejazdu

swych ciężarówek z Polski do Hiszpanii, podzieliła całą trasę na pięć etapów.
W każdym z etapów wyznaczono po kilka miast, przez które przejeżdżać będą cię
żarówki. Problem polega na znalezieniu najkrótszej drogi przejazdu pomiędzy Polską
a Hiszpanią. Odległości drogowe pomiędzy miastami (w km) zaznaczono na rys. 37.
280 7 Elementy programowania dynamicznego
Rozwiązanie.
K rok 1: Załóżmy, że ciężarówki dotarły do etapu 4. W tej sytuacji odległość od
celu wynosi:
d7>9 = 120 km lub d89 = 130 km,
w zależności od tego, w którym z miast w etapie 4 zatrzymano się na postój.

K rok 2: Cofnijmy się o jeden etap wstecz. Odległość miast w etapie 3 od celu
wynosi:
d4? + d79 = 200 + 120 = 320,
d+s+ d8,9 = 250 +130 = 380.
Tak więc z miasta 4 do 9 należy wybrać drogę o długości d4 7 9 = 320.

Podobnie:
d57 + d79 = 200 +120 = 320,
d5,8 + d8,9 = 180 +130 = 310,
a więc z miasta 5 do 9 należy wybrać drogę o długości d5 8 9 = 310.

Następnie:
d6 7 + d79 = 150 +120 = 270,
d6 8+ d8 9 = H O +130 = 240,
a więc z miasta „6” do „9” należy wybrać drogę o długości d689 = 240.
K rok 3: Powtórzmy całe postępowanie, biorąc za punkt wyjścia etap 2:
d 2 ,4 + d 4 ,9 = 1 5 0 + 3 2 0 ~ 4 7 0 ’
d2,5 + d5,9= 80 + 310 = 390,
d2,6 + d6,9 = 120 + 240 = 3Ó0,
a więc z miasta 2 do 9 należy wybrać drogę:
2 -^ 8 ^
krok 2
o długości 360 km.
Podobnie
d 3 >4 + d 4 )9 = 1 5 0 + 3 2 0 = 4 7 0 ’
d3)5 + d59 = 130 + 310 = 440,
d3,6 + dó,9 = 190 + 240 = 430,

7. Elementy programowania dynamicznego 281
3~ £z£z3
krok 2
K rok 4: Dotarliśmy do punktu startowego, w którym rozpatrujemy sposób dotar
cia do celu z miasta 1 przez miasta 2 lub 3:
di,2 + d2,9 = !00 + 360 = 460,

du + d3>9= 80 + 430 = 510,
3-6-8-?
krok 2
Pytania i problemy
1. Podaj sposób poszukiwania najkrótszej drogi w sieci przy zastosowaniu algorytmu znanego
z rozwiązania problemu dyliżansu.
2. Który z algorytmów z zakresu programowania dynamicznego należy zastosować w przypad
ku wyboru wariantu inwestycyjnego?
3. W jaki sposób można rozwiązać problem alokacji środków przyznanych na reklamę, stosując
zasady programowania dynamicznego?
4. Podaj podstawowe założenia zagadnienia znanego jako „problem dyliżansu”.
5. Wymień założenia przyjmowane przy rozwiązywaniu typowych zagadnień z zakresu pro
gramowania dynamicznego.
Zadania
170. Firma Aspolen zamierza prowadzić reklamę swego nowego wyrobu w lokalnym
programie telewizyjnym Kronika TV (KTV), w „Gazecie Wyborczej” (GW)
oraz w radiu RMF. Na reklamę postanowiono przeznaczyć 7 min zł. Dokonaj
podziału tej kwoty pomiędzy wspomniane kanały reklamowe, kierując się
skutecznością reklamy, mierzoną przyrostem sprzedaży wyrobów (tabl. 188):
Tablica 188
Nakłady (w min zl) 0 2 l i 4 | S il 6 7
KTV 0 100 150 200 250 300 350 400
Przyrost sprzedaży wyrobów (w szt)
GW 0 200 200 200 200 200 200 500
w przypadku reklamy w:
RMF 0 100 100 300 400 500 500 550
2 82 '/. Elementy programowania dynamicznego
171. Firma Mosse ma zainwestować w pewne przedsięwzięcie 10 tys. USD. Z a

przyjaźniona firma konsultingowa stwierdziła, że wspomniane przedsięwzięcie
można zrealizować za pomocą kombinacji trzech programów inwestycyjnych:
G1; G2, G3. Szacuje się, że pierwszy z programów może przynieść zwrot nakła
dów w wysokości Gj(x) =x +5 ; drugi w wysokości G2(x) = 6 \[x, a trzeci w wyso
kości: G3(x) = 0,5x2, przy czymx oznacza wielkość nakładów inwestycyjnych. Dla
uproszczenia kwotę zwrotu nakładów można zaokrąglić do liczb naturalnych.
Jakiej wielkości nakłady należy zainwestować w każdy z programów, aby
suma zwrotu nakładów inwestycyjnych była maksymalna?
172. Inwestor podejmujący pewne zadanie inwestycyjne, realizowane za pomocą czte

rech programów inwestycyjnych, ma wyłącznie informacje dotyczące kosztów
jednostkowych wiążących się z ich realizacją w zależności od poziomu nakładów
inwestycyjnych. Przedstawiono je (w min zł) w tabl. 189.
Podaj wysokość nakładów inwestycyjnych na poszczególne programy,
zapewniającą minimalne koszty jednostkowe.
Tablica 189
Nakłady inwestycyjne; (min zł) f |il| ;||:2 j m 5
Gj 100 85 76 60 51 41
Koszty jednostkowe g2 100 75 75 75 56 35
w przypadku realizacji programu: g3 100 74 74 72 55 30
g4 100 74 74 74 56 48
173. „Budopol” ma oddać „pod klucz” dużą inwestycję składającą się z pięciu eta
pów. Realizację poszczególnych etapów Budopol może powierzyć różnym fir
mom, oferującym różne ceny za wykonanie etapu. Koszty realizacji etapów przez
te firmy podano na rys. 38. Wybierz optymalny wariant realizacji inwestycji,
kierując się minimalizacją kosztów jej wykonania.
Rys. 38
7 Elementy programowania dynamicznego 283
174. Stosując zasady programowania dynamicznego, znajdź w przedsięwzięciu przed

stawionym na rys. 39:
a) najkrótszą drogę z punktu 1 do 9,
b) najdłuższą drogę między punktami 1 oraz 9.
Na rys. 26 podano odległości pomiędzy punktami.
175. Prywatna firma przewozowa ma zaplanować przebieg linii autobusowej z Kra

kowa (punkt nr 1) do Paryża (punkt nr 9), tak aby zapewnić jej największą fre
kwencję. Badania rynku wykazały, że frekwencja na danej linii zależy w bez
pośredni sposób od atrakcyjności trasy przejazdu. Na rys. 40 przedstawiono
możliwe warianty przebiegu trasy wraz ze spodziewaną liczbą pasażerów na
każdym z etapów.
Rys. 40
8
Wybrane modele zapasów
8.1. Uwagi wstępne

Kształtowanie się zapasów w przedsiębiorstwie jest istotnym elementem jego pozycji
finansowej. Nadmierne zapasy angażują duże środki finansowe, prowadząc często do
zamrożenia części kapitału pracującego i zmniejszenia bieżącej płynności finansowej
przedsiębiorstwa, natomiast ich niedobór może zachwiać ciągłość produkcji, wywo
łując tym samym dodatkowe koszty związane z uzupełnieniem zapasów do poziomu
pożądanego. Zbyt duży zapas pociąga za sobą duże koszty magazynowania, ałe eli
minuje problem braku surowców, materiałów czy półproduktów, jak również problem
związany ze składaniem zamówienia. Natomiast zapas niedostateczny zwiększa ryzy
ko występowania braku zapasów i zwiększa częstotliwość składania zamówień. Te dwa
przeciwstawne podejścia generują koszty związane z gospodarowaniem zapasami.
Idealnym rozwiązaniem byłby system dostaw surowców, materiałów i półproduk
tów na czas (just in timé). Praktyka gospodarcza wskazuje jednak, że dostawy na czas
(bez gromadzenia zapasów) stanowią jedynie niewielki odsetek. A zatem konieczne
są metody wyznaczania optymalnej wielkości i terminów dostaw w celu uzupełnienia
zapasu z punktu widzenia przyjętego kryterium. Wydaje się, że najlepszym kryterium
podejmowania decyzji jest minimalizacja łącznych kosztów związanych z gospoda
rowaniem zapasami, z uwzględnieniem różnych możliwych aspektów rozpatrywanej
sytuacji decyzyjnej.
Różnorodność sytuacji decyzyjnych w praktyce gospodarczej determinuje zasto
sowanie metod pomocnych przy wyznaczaniu decyzji optymalnych. W rozdziale za
prezentowano kilka różnych modeli w zależności od charakterystyk zapasów - modele
deterministyczne i modele probabilistyczne. Mając świadomość rozległości problemu
zapasów i braku możliwości jego wyczerpującego omówienia, w niniejszym opraco
waniu proponujemy dla pogłębienia przedmiotu rozważań przestudiować wybrane
pozycje literatury z zakresu teorii i praktyki gospodarowania zapasami, jak np. prace:
S. Krawczyka [51], W. Sadowskiego [77] i H. Wagnera [86].
8.2. Modele deterministyczne 285
8.2. Modele deterministyczne

Rozważmy sytuację decyzyjną, z jaką bardzo często można się spotkać w przed
siębiorstwie, w którym realizowany jest system produkcji ciągłej i zużywany jest do
produkcji określony rodzaj surowca. Przedsiębiorstwo w pewnym okresie T (rok, mie
siąc, tydzień, dzień) zużywa surowiec w ilości D. Zużycie to następuje równomier
nie w ciągu przyjętego okresu. Przedsiębiorstwo może kupować surowiec partiami
(r-krotnie w ciągu okresu). Zakupując poszczególne partie surowca, przedsiębiorstwo
płaci stałą cenęp (cena jednostkowa zakupu). Z każdą transakcją zakupu są związane
koszty stałe transakcji K s ponoszone przy dokonywaniu zamówienia (koszt zamówie
nia, koszt ubezpieczenia, koszt kontroli jakości itp.). Ponadto przedsiębiorstwo ponosi
koszty magazynowania surowca K m.
Powstaje więc problem, ile surowca i jak często (w jakich terminach) kupować, aby
koszty związane z szeroko rozumianą realizacją zamówienia i utrzymaniem zapasu
były możliwie najniższe. Należy zatem wyznaczyć wielkość dostawy surowca oraz czę
stotliwość dostaw (długość cyklu dostaw) optymalną z punktu widzenia minimalizacji
łącznych kosztów zakupu, realizacji transakcji i magazynowania.
Przykład 42. Przedsiębiorstwo przetwórstwa zbóż przerabia rocznie 36 0 0 0 1 zbo

ża, które kupuje w cenie 500 zł za tonę. Wiedząc, że koszt magazynowania 1 tony
zboża wynosi 0,3 zł rocznie, a koszty stałe związane z realizacją jednego zamówie
nia wynoszą 150 zł, należy ustalić jak zaopatrywać młyn, czyli podać jednorazową
wielkość dostawy Q oraz częstotliwość dostaw minimalizujące łączne koszty związane
ze zgromadzeniem i utrzymaniem zapasu.
R o z w i ą z a n i e . Koszty ogólne (K ) gromadzenia zapasów są sumą kosztów
przygotowania transakcji (Ks), kosztów magazynowania (Km) oraz kosztów zakupu
(Kz). Jeżeli przyjmiemy, że wielkość zapotrzebowania w badanym okresie D = 36 000,
jednostkowy koszt zakupu p = 500, koszty jednej transakcji ks = 150, jednostkowe
koszty magazynowania km = 0,3, a poziom zapasów jest uzupełniany natychmiast1, to:
K = k. — + km— + p D ,
K = 150 36 000 + 0,3— + 500 •36 000.

Q 2
1 Zakłada się, że surowiec jest zużywany równomiernie, co oznacza, że średni poziom zapasu w ma
gazynie jest równy Ql2 w badanym okresie (w naszym przykładzie w ciągu roku), zatem koszty magazy
nowania Km= km■<2/2, a łączne koszty transakcji są iloczynem kosztu jednej transakcji i liczby transakcji
(DIQ), czyli Ks = ks ■D/Q.
286 .8, Wybrane modele zapasów
Koszt K jest zatem funkcją zmiennej decyzyjnej (wielkości jednorazowej do

stawy) Q. Aby znaleźć minimum funkcji, obliczamy pierwszą pochodną i przyrów
nujemy ją do zera.
— = -150-36 000-Q~2+ - 3;-^- + 0 = 0.

dQ * 2
Stąd
150-36 000 0,3 A

---------;------+ - !- = 0,
Q 2
EOS = G * = J ^ | « M = 6000.
A zatem optymalna wielkość jednorazowej dostawy (EOQ)2 wynosi 6000 t.

Optymalna liczba zakupów (dostaw) T* w ciągu roku będzie równa:
D Dk 36 000 -0,3
T* = - = - = 6,
Q ¡2k f i V 2k 2-150
k„,
a długość cyklu dostawy wyniesie
Wobec tego dostawy powinny być realizowane 6 razy w ciągu roku, a więc co
2 miesiące.
Optymalna liczba dostaw będzie tym większa, im wyższe są koszty magazynowania
w stosunku do kosztów transakcji, a tym samym optymalna wielkość dostawy jest tym
większa im koszty magazynowania są niższe w porównaniu z kosztami przygotowania
zamówienia (transakcji).
Łączny koszt zakupu surowca wraz z kosztem transakcji i magazynowania
wyniesie:
K = 150 36 000 + 0,3 -18 000 + 500 •36 000 = 18 006 300 zł.
6000
Przedstawiony model odzwierciedla sytuację, w której nie jest prowadzona reje

stracja ciągła stanu magazynu. W odstępie czasu 1/7*, czyli co 2 miesiące składane
jest zamówienie i zapas jest odtwarzany natychmiast.
2 EOQ - Economic Order Quantities (Ekonomiczna wielkość zamówień). Nietrudno zauważyć, iż

'2k,D
używając symboli optymalne Q minimalizujące funkcję K dane jest wzorem: Q* =
8.?. Modele deterministyczne 287
W modelu przyjęto założenie, że cena surowca jest stała. Założenie to nie musi
być spełnione np. wtedy gdy dostawca daje upusty cenowe przy jednorazowym zakupie
większej partii surowca, co uwzględnia następny przykład.
Przykład 43. Zakłady Mechaniczne, producent obrabiarek sterowanych nu

merycznie kupuje zintegrowane głowice komputerowe po 200 jedn. pieniężnych za
sztukę. Roczne zapotrzebowanie zakładów wynosi 225 głowic, koszty przygotowa
nia zamówienia wynoszą 10 jedn. pieniężnych, natomiast koszty magazynowania
jednej głowicy, bazując na przeciętnym zapasie oszacowano na 20 jedn. pieniężnych.
Dostawcy oferują 2% upustu przy zakupie co najmniej 50 sztuk, 5% upustu przy za
kupie powyżej 100 sztuk i 10% upustu przy zakupie powyżej 150 sztuk jednorazo
wo. Określ optymalną wielkość jednorazowego zamówienia głowic komputerowych,
wyznacz długość cyklu dostaw oraz koszty ogólne związane z realizacją zamówienia.
Podaj ekonomiczną wielkość partii zakupu głowic, wykorzystując możliwe upusty
oferowane przez dostawcę.
Rozwiązanie. Ogólny koszt związany z realizacją optymalnej wielkości
zamówienia:
225 O
K = 10- — + 20 — + 225-200.
Q 2
a minimalizująca te koszty optymalna partia zakupu głowic bez uwzględniania upu
stów cenowych dostawcy wynosi:
Optymalna liczba zakupów
T* = — = l 5.
15
a zatem zamówienia powinny być realizowane co 24 dni (360/15). Łączne kosz

ty zakupu wyniosą 45 300 jedn. pieniężnych (w tym koszty materialne 45 000 jedn.
pieniężnych).
Przy zastosowanych upustach cenowych, a zatem przy zwiększonych zakupach
jednorazowych koszty ogólne będą się przedstawiać następująco:
Rabat 2%, zakup 50 sztuk
225 50
K = 1 0 ~ + 20- — + 225 196 = 44 645,
50 2
w tym koszty materialne 44 100. Podobnie można obliczyć koszty zakupu w partiach
po 100 i 150 sztuk.
Rabat 5%, zakup 100 sztuk K = 43 772,5.
Rabat 10%, zakup 150 sztuk K = 42 015.
288 8. Wybrane modele zapasów
Kształtowanie się kosztów (w rozbiciu na koszty transakcji, magazynowania i za

kupu) w zależności od wielkości partii zakupu zestawiono i zanalizowano w tabl. 190.
Tablica 190
Wielkość Koszty Koszty Koszty zakupu
Koszt ogólny
zamówienia transakcji magazynowania Materialne
(0 (fQ (Km) (K) W

15 150,0 150 45 000 45 300,0
50 45,0 J, 5001 44 1004- 44 645,04-
100 22,5 4- 10001 42 7504- 43 772,54-
150 15,04- 1500 T 40 5004- 42 015,04-
Jak widać, z punktu widzenia minimalizacji kosztów łącznych - optymalna decy

zja to jednorazowy zakup, co najmniej 150 sztuk głowic komputerowych z upustem
10% ceny zakupu.
W powyższym przykładzie uchylone zostało założenie, że cena zakupu jest stała.
Różnorodność sytuacji decyzyjnych w praktyce gospodarczej sprawia, że prawie każde
założenie może być uchylone, a model powinien adekwatnie odzwierciedlać i opisy
wać rozważany problem decyzyjny. Można zatem zrezygnować z przyjętego przez nas
założenia, że kupowane partie towaru muszą być równe czy też że koszt magazynowa
nia jest proporcjonalny do ilości magazynowanego surowca itp. i rozpatrywać problem
wyboru optymalnej wielkości zamówienia surowca przy założeniach komplikowanych
przez bieżące warunki gospodarcze.
8.3. Modele probabilistyczne

W rozpatrywanych dotychczas przykładach wyznaczano optymalną wielkość dostawy
surowca. Parametry omawianych modeli tj. zapotrzebowanie, czas dostawy itp. były
wielkościami deterministycznymi. W praktyce gospodarczej taka sytuacja występuje
bardzo rzadko.
Obecnie zajmiemy się sytuacją decyzyjną związaną z wyznaczaniem optymal
nej wielkości zapasu pewnego towaru, który mamy zgromadzić na początku przyję
tego okresu, wiedząc że zapotrzebowanie na ten towar podlega losowym wahaniom.
Równocześnie uchylone zostaje założenie, że towar dostarczany jest z chwilą zawar
cia transakcji (natychmiastowo), co zbliży nas do realnych sytuacji gospodarczych.
Zakładamy ponadto, że w przyjętym okresie nie będzie można uzupełnić zgromadzo
nego na początku zapasu. W związku z powyższym mogą powstać dwie sytuacje nie
korzystne z punktu widzenia kształtowania się kosztów przedsiębiorstwa:
• nadmierny zapas, jeśli zapotrzebowanie będzie mniejsze od stanu magazynu
(zgromadzonego zapasu);
® niedobór zapasu, jeśli zapotrzebowanie przekroczy stan magazynu.
Każda z tych sytuacji spowoduje pojawienie się kosztów związanych bądź to
z utrzymywaniem nadmiernego zapasu (koszt magazynowania), bądź to z jego
8.3. Modele probabilistyczne 289
niedoborem (koszt utraconych możliwości). A zatem należy wyznaczyć optymalną

wielkość zapasu, jaki należy zgromadzić na początku przyjętego okresu. Poziom za
pasu będzie optymalny wtedy, gdy wzrost kosztu magazynowania dodatkowej ilości
towaru zrównoważy spadek oczekiwanej straty spowodowanej niedoborem towaru.
Przykład 44. Przedsiębiorstwo przetwórstwa mleka Farmer Co. wytwarza jogurty

ze świeżych owoców o krótkim okresie przydatności do spożycia. Koszt wytworzenia
jednostki produktu wynosi kx = 0,8 zł. Przy zapotrzebowaniu przekraczającym przygo
towany zapas tego produktu dla całkowitego zaspokojenia popytu należy wyproduko
wać dodatkową jego ilość, ponosząc podwyższone koszty jednostkowe k2 = 1,0 zł. Przy
zapotrzebowaniu mniejszym niż przygotowany zapas przedsiębiorstwo poniesie stratę
s = 0,6 zł na jednostce niezbytego produktu (wielkość strat s może być równa kosztom
kx, może też być mniejsza od tych kosztów, tak jak w naszym przypadku, jeżeli uda
się sprzedać wytworzony produkt po obniżonej cenie). Na podstawie analizy danych
empirycznych wiadomo, że średnie zapotrzebowanie wynosi m = 10 000 z odchyle
niem standardowym cr= 500.
Ustal taką wielkość zapasu (lub rozmiary produkcji) xz, aby spodziewana łącz
na suma kosztów i strat związanych z zaspokojeniem przyszłego zapotrzebowania na
jogurt w badanym rejonie osiedla była możliwie najmniejsza.
R o z w i ą z a n i e . Zakładamy, że zapotrzebowanie jest zmienną losową A o pew

nym (znanym) rozkładzie. Prawdopodobieństwo, że zapotrzebowanie będzie mniejsze
lub równe pewnej liczbie x - P ( X <x) określone jest przez dystrybuantę tego rozkładu
F(x), o której zakładamy, że jest funkcją ciągłą. Załóżmy obecnie, że rozkład zapo
trzebowania można opisać rozkładem normalnym.
Przy tym założeniu optymalną wielkość zapasu jogurtu xz można wyznaczyć jako
wartość wyrażenia3:
F(xz) = K~K
s+^ -k ^
czyli należy wyznaczyć taką wielkość zapasu xz, dla którego wartość dystrybuanty
(prawdopodobieństwo sprzedania^ jednostek lub mniej) będzie równe stosunkowi:
k j-K
s -l- k2 - kx
Znając wartości tych parametrów, optymalną wielkość zapasu xz można wyzna

czyć, korzystając ze standaryzowanego rozkładu normalnego:
J x7 - 10 000' 1 0,8
-
0,25.
bl 500 , 0,6 + 1 - 0,8
3 Por. Sadowski W. [78], str. 179-184.

Z tablic dystrybuanty standaryzowanego rozkładu normalnego odczytujemy, że

wartości dystrybuanty 0,25 odpowiada argument funkcji F :
^ - 1 0 000
-0,6745,
500
stąd
9662,755.
A zatem optymalna wielkość zapasu jogurtu w wybranym rejonie sprzedaży

powinna wynosić 9663. Ustalenie wielkości zapasu na poziomie 9663 zapewnia, że
spodziewane koszty związane z zaspokojeniem zapotrzebowania mającego rozkład
normalny o średniej 10 000 i odchyleniu standardowym 500 będą najmniejsze.
W dotychczasowych rozważaniach dotyczących wyboru optymalnej wielkości za
pasu zakładano, że zapotrzebowanie na towar jest zmienną losową o rozkładzie cią
głym. Sytuację, gdy zapotrzebowanie jest zmienną skokową ilustruje kolejny przykład.
Przykład 45. Przedsiębiorstwo „Alfa” produkuje obrabiarki na indywidual

ne zamówienie odbiorcy - przyszłego użytkownika. Podstawowym elementem ob
rabiarki jest urządzenie tnące, które jest produkowane z wysokogatunkowej stali.
Koszt wytworzenia tego urządzenia wynosi k y = 2000 zł, jeśli urządzenie produko
wane jest razem z obrabiarką. Natomiast w przypadku konieczności wyprodukowa
nia tego samego urządzenia jako części zamiennej, na żądanie użytkownika, koszt
wytworzenia jest zdecydowanie wyższy i wynosi k2 = 4500 zł (zmiana oprzyrządo
wania, przygotowanie produkcji, sprowadzenie odpowiedniej gatunkowo stali itp.).
Powstaje problem wyznaczenia optymalnej wielkości zapasu części zamiennych (urzą
dzeń tnących obrabiarki) dla producenta i dla użytkownika z punktu widzenia mi
nimalizacji oczekiwanego kosztu utworzenia zbyt dużego lub zbyt małego zapasu.
Użytkownik traci wartość ceny zakupu urządzenia cy = 3000 zł w przypadku utworze
nia nadmiernego (niepotrzebnego) zapasu lub poniesie stratę w wysokości ceny zakupu
c2 = 5000 zł - ceny wyższej w sytuacji awaryjnej produkcji części zamiennej oraz
poniesie stratę z powodu unieruchomienia całej obrabiarki (utracone możliwości)
/ = 12 000. Na podstawie dotychczasowej wiedzy wynikającej z doświadczeń praktyki
gospodarczej przyjęto, że funkcja rozkładu prawdopodobieństwa Pz i dystrybuanta Fz
liczby niezbędnych wymian określonej części zamiennej (urządzenia tnącego) kształ
tuje się jak podano w tabl. 191.
Tablica 191
z pM M Silili
0 0,30 0,30
1 0,25 0,55
2 0,20 0,75
3 0,10 0,85
4 0,08 0,93
5 0,05 0,98
6 0,02 1,00
Wyznacz optymalną wielkość zapasu urządzenia tnącego (części zamiennych

obrabiarki) z punktu widzenia minimalizacji oczekiwanego wzrostu kosztów wynika
jącego z kształtowania poziomu zapasów producenta i użytkownika.
R o z w i ą z a n i e . Optymalną wielkością zapasu części zamiennych dla produ
centa będzie taka liczba części z* która spełnia warunek4:
F -K <F..
1 Z- 1 V 1
Natomiast dla użytkownika obrabiarki optymalną wielkością zapasu części

zamiennej będzie liczba z*, która spełnia warunek:
c2- q + / „
f- <— t r s r -
Rozważmy optymalną wielkość zapasu części zamiennych z punktu widzenia
producenta i użytkownika przy podanym w tabl.191 rozkładzie prawdopodobieństwa
oraz wiedząc, że k x = 2000 zł, k2 = 4500 zł, cx = 3000 zł, c2 - 5000 zł, / = 12 000 zł.
A zatem
^ - - ^ = 0,555,
natomiast
Cz ct + l = o,82
c2 +1
Badanie wartości dystrybuanty dla kolejnych wielkości zapasu z = 0, 1, 2, . . . umoż

liwia określenie optymalnego zapasu części zamiennych dla producenta i użytkowni
ka obrabiarki. I tak z punktu widzenia producenta wielkość zapasu powinna wynosić
dwie części zamienne.
Fz_,< 0,555 <FZ dla z=2 (F2 = 0,75; F2_1 = 0,55).
Natomiast z punktu widzenia użytkownika trzy części zamienne.

F3_x<0,82<F 3,
0,75 <0,82 <0,85.
Pytania i problemy
1. Omów przestanki konstrukcji modeli zapasów.
2. Przedstaw ogólny zapis modelu EOQ.
3. Przypomnij wzory funkcji gęstości i dystrybuanty rozkładu normalnego.
4. Omów problem optymalnej wielkości zapasu (rezerwy).
4 Por. Z. Czerwiński [18], strll2—114

Zadania
176. TV-Production wytwarza 50 000 telewizorów rocznie, do których zakupuje
moduły elektroniczne od kooperanta w cenie jednostkowej 3,50 zł. Koszty przy
gotowania zamówienia wynoszą 200 zł, natomiast jednostkowy koszt magazyno
wania modułu 0,25 zł. Minimalizując łączne koszty realizacji transakcji, należy
wyznaczyć:
a) jednorazową wielkość dostawy,
b) częstotliwość dostaw.
177. Fabryka samochodów dokonuje montażu 10 000 sztuk nowego modelu auta
rocznie. D o montażu importuje rozruszniki, których jednostkowy koszt zakupu
wynosi 700 zł. Koszty związane ze złożeniem zamówienia wynoszą 300 zł, nato
miast jednostkowy koszt magazynowania rozrusznika wynosi 1,50 zł.
1. Wyznacz:
a) optymalną wielkość dostawy z punktu widzenia łącznych kosztów reali
zacji transakcji,
b) częstotliwość dostawy,
c) ogólne roczne koszty,
2. Wykreśl krzywą kosztów zapasu.
178. Firma RTV produkuje 100 000 odbiorników radiowych, do których montowane
są wyświetlacze ciekłokrystaliczne kupowane od dostawcy w cenie 50 zł każdy.
Koszt stały związany ze złożeniem i realizacją zamówienia szacowany jest na
1000 zł, a koszt magazynowania jednego wyświetlacza wynosi 3 zł. Przyjmując
jako kryterium łączne koszty realizacji transakcji:
1. Określ wielkość jednorazowej dostawy.
2. Określ częstotliwość dostaw.
3. Podaj roczne koszty materiałowe związane z zakupem wyświetlaczy.
4. Podaj ogólne roczne koszty, które stanowią koszty materiałowe i koszty
utrzymania zapasów.
5. Jak zmieni się rozwiązanie, jeśli w wyniku działań restrukturyzacyj
nych koszty złożenia zamówienia obniżą się o 20%, a jednostkowe koszty
magazynowania kupowanego wyświetlacza ciekłokrystalicznego zmniejszą się
do 2 zł?
179. Przedsiębiorca podjął decyzję o produkcji 5000 szt. urządzeń elektronicznych

rocznie. Podstawowym zespołem tego urządzenia jest płytka sterująca, którą trze
ba kupować u dostawcy w cenie 50 zł. Koszty przygotowania i złożenia zamówie
nia wynoszą 20 zł, a koszty magazynowania jednej płytki oparte na przeciętnym
zapasie oszacowano na 0,80 zł. Wyznacz optymalną wielkość jednorazowego
zamówienia płytek sterujących, wyznacz częstotliwość dostaw oraz koszty ogól
ne związane z realizacją zamówienia. Jak zmieni się rozwiązanie, jeżeli dostawca
wprowadzi upust 10% dla zakupu ponad 1000 szt. przedmiotowych płytek?
180. Wyznacz optymalną wielkość zakupu partii części zamiennych do produkowa

nych telefonów komórkowych, uwzględniając możliwe upusty dostawcy, opierając
się na następujących danych:
Roczna wielkość produkcji telefonów komórkowych 60 000 szt.
Cena jednostkowa części zamiennej 100 zł
Koszty przygotowania i złożenia zamówienia 100 zł
Jednostkowe koszty magazynowania części zamiennej 2,50 zł
Przy zakupie jednorazowym 5000 szt. upust 5%
Przy zakupie jednorazowym 10 000 szt. upust 10%
Przy zakupie jednorazowym 30 000 szt. upust 20%
181. Producent lodówek (100 000 sztuk rocznie) montuje agregaty chłodnicze, które
są wytwarzane u kooperantów. Producent ogłosił przetarg na dostawę agregatów
chłodniczych, na który odpowiedziało dwóch oferentów. Charakterystyki ofert
podano w tabl. 192.
Tablica 192
Dostawca A Dostawca B
Cena jednostkowa zakupu 500 550
Dostawa 5000 szt. upust 5% upust 10 %
Dostawa 3000 szt. upust 2 % upust 8 %
Dostawa 1000 szt. upust 1 % upust 5%
Ponadto wiadomo, że koszt przygotowania zamówienia i magazynowa

nia jednostki agregatu dla obu firm jest taki sam i wynosi odpowiednio 200 zl
i 10 zł. Dokonaj wyboru oferenta z punktu widzenia minimalizacji ogólnego
kosztu związanego z realizacją optymalnej wielkości zamówienia.
182. Specjalistyczne gospodarstwo rolne Fruits-Farm zajmuje się produkcją truska

wek. Koszt uprawy 1 1 truskawek wynosi 2000 zł, natomiast produkcja pod zwięk
szone zapotrzebowanie na truskawki ponad zgromadzony zapas tych owoców
powoduje wzrost kosztów do 2200 zł za tonę (wyższe płace zbieraczy). Truskawki
nieodebrane przez punkty sprzedaży detalicznej nie nadają się do bezpośred
niego spożycia, można je sprzedać tylko do przetwórni owocowo-warzywnej,
tracąc 50% ceny, czyli 1000 zł na 1 tonie. Wyznacz taką wielkość zapasu truska
wek, aby koszty produkcji i straty wynikłe z braku realizacji kontraktów handlo
wych związane z zaspokojeniem przyszłego zapotrzebowania były minimalne,
wiedząc, że zapotrzebowanie jest określone rozkładem normalnym o średniej
m = 20 i odchyleniu standardowym cr= 0,8.
183. Producent odzieży dostarcza do hurtowni garsonki damskie. Cena zakupu jed
nej garsonki wynosi 400 zł. W przypadku zwiększonego popytu na rynku produ
cent podnosi cenę produktu i jednostkowa cena zakupu hurtowni również rośnie
2 94 8. Wybrane modele zapasów
do 450 zł. Natomiast w przypadku braku zbytu (np. ze względu na sezonową zmia
nę mody) trzeba dokonać przeceny niemodnych garsonek do 50% ceny zakupu.
Ustal zapas garsonek na sezon tak, aby zminimalizować koszty i straty
hurtowni związane z zaspokojeniem zapotrzebowania, zakładając że:
- zapotrzebowanie jest zmienną losową o rozkładzie normalnym o średniej
m = 3000 i odchyleniu standardowym a - 50;
- zapotrzebowanie jest zmienną losową o rozkładzie normalnym o średniej
m = 5000 i odchyleniu standardowym <r= 100.
184. Wytwórnia kosmetyków produkuje m.in. kosmetyki przeznaczone do pielęgna

cji ciała podczas kąpieli słonecznych. Zestaw kosmetyków zawierający wszyst
kie niezbędne preparaty osłonowe kosztuje 200 zł, zwiększone zapotrzebowanie
związane z wyjątkowo słoneczną pogodą w czasie wakacji powoduje wzrost kosz
tów wytworzenia (ponowne uruchomienie linii produkcyjnej) do 250 zł za jeden
zestaw. Niekorzystna pogoda sprawia, że firma poniesie straty - w wyniku doko
nanych przecen niechodliwych kosmetyków w wysokości 150 zł. Określ:
1. Właściwy zapas zestawów kosmetycznych do opalania minimalizujący
koszty produkcji i straty związane z zaspokojeniem popytu, który jest zmienną
losową o rozkładzie normalnym o średniej m = 50 000 i odchyleniu standardo
wym a - 2000.
2. Jak zmieni się wielkość zapasu, jeśli koszt wytworzenia dodatkowej partii
zestawów kosmetycznych wzrośnie do 400 zł.
185. Małe przedsiębiorstwo „AUTO-CABRIO” produkuje kabriolety marki

„PANTERA” na indywidualne zamówienia klientów. Karoseria wraz z kom
pletnym wyposażeniem jest standardowa. D o auta montowane są silniki produ
kowane według preferencji klienta. Podstawowym elementem silnika jest blok
silnika produkowany z lekkich stopów. Koszt wytworzenia bloku silnika w czasie
produkcji całego samochodu wynosi 5000 zł. Natomiast strata związana z awa
rią bloku silnika w trakcie eksploatacji auta wynosi 20 000 zł. Kwota ta obejmuje
straty wynikające z unieruchomienia całego auta (utracone korzyści) oraz koszty
produkcji nowego bloku silnika, które są wyższe od kosztów ponoszonych w trak
cie produkcji auta.
1. Ustal taką wielkość zapasu bloków silnika, aby suma strat wynikłych z ich
braku, w przypadku konieczności wymiany na nowy, była możliwie najmniej
sza, wiedząc że rozkład prawdopodobieństwa określający zapotrzebowanie na tę
część zamienną w toku eksploatacji będzie jak w tabl. 193.

¿W: A Z A »
0 0,80 0 0,70
i 0 ,1 0 i 0,15
2 0,05 2 0,10
3 0,0 2 3 0,02
4 0,02 4 0,02
5 0,01 5 0,01
2. Jak zmieni się rozwiązanie, jeśli doświadczenie producenta wskazuje, że

rozkład prawdopodobieństwa określający zapotrzebowanie na blok silnika jako
części zamiennej w trakcie użytkowania samochodu będzie jak w tabl. 194.
186. Firma „BATON” wytwarza linie produkcyjne do produkcji czekoladek nadzie

wanych. Podstawowym urządzeniem linii produkcyjnej jest formiernia, decy
dująca o walorach estetycznych i smakowych batonika, wytwarzana zgodnie
z indywidualnymi wymogami producenta czekoladek. Koszt wytworzenia ma
trycy, podstawowego elementu tego urządzenia wynosi 5000 zt, jeśli następuje
w trakcie produkcji całej linii produkcyjnej. W przypadku konieczności wytwo
rzenia tej samej matrycy jako części zamiennej koszt wynosi 10 000 zł.
Producent czekoladek nadziewanych (użytkownik linii produkcyjnej) ponie
sie stratę w wysokości ceny zakupu matrycy 6000 zł, jeśli jej zapas jest nadmier
ny lub stratę w wysokości ceny zakupu awaryjnie wytworzonej matrycy 12 000 zł,
a ponadto stratę wynikającą z unieruchomienia całej linii produkcyjnej 20 000 zł
do momentu uzyskania brakującej części zamiennej.
Wyznacz optymalną wielkość zapasu części zamiennych dla producenta i dla
użytkownika, minimalizując oczekiwany koszt zbyt dużego lub zbyt małego za
pasu. Na podstawie badań ekspertów przyjęto, że funkcja rozkładu prawdopo
dobieństwa określająca zapotrzebowanie na matrycę jako część zamienną w toku
eksploatacji linii produkcyjnej kształtuje się jak w tabl. 195.
Tablica 195
W iz Îf
0 0,45
i 0,20
2 0,10
3 0,07
4 0,06
5 0,05
6 0,04
7 0,03
Zastosowanie badań operacyjnych
w konstrukcji biznespianu
9.1. Uwagi wstępne

Od ponad 25 lat funkcjonuje w naszym kraju gospodarka rynkowa, a jednym z najważ
niejszych problemów staje się przygotowanie rzetelnego planu działania przedsiębior
stwa, zwanego często biznesplanem.
Przygotowanie skutecznego planu działania wymaga od konsultanta znajomości
nie tylko zasad jego konstrukcji, ale również umiejętności rozwiązania wielu proble
mów szczegółowych, takich jak np.: zaprojektowanie harmonogramu przedsięwzięcia,
optymalny wybór asortymentu produkcji, optymalny przydział zadań produkcyjnych
czy chociażby dobór tras przewozu towarów. Ponieważ na gruncie badań operacyjnych
opracowano wiele skutecznych algorytmów rozwiązywania wymienionych wyżej pro
blemów, w niniejszym rozdziale postanowiono zaprezentować metodologię sporządza
nia planów działania (biznesplanów) organizacji gospodarczych wraz z przykładami
zastosowań badań operacyjnych. Skuteczne wykorzystanie wspomnianych algorytmów
wymaga jednak zastosowania programów komputerowych wspomagających obliczenia.
Zasadniczym celem niniejszego rozdziału jest przedstawienie możliwości zastoso
wania modeli i algorytmów optymalizacyjnych wypracowanych na gruncie badań ope
racyjnych i omówionych w pracy do rozwiązania problemów podejmowanych w trakcie
konstrukcji biznesplanów. Przedstawione przykłady pokazują możliwość wykorzysta
nia arkusza kalkulacyjnego1 do rozwiązywania zadań optymalizacyjnych.
9.2. Podstawowe zasady konstrukcji biznespianu

„Biznesplan jest zestawem dokumentów (analiz i programów), w których na podsta
wie oceny sytuacji strategicznej firmy oraz danych historycznych zawarta jest projek
cja celów firmy i sposobów ich osiągania, przy uwzględnieniu wszystkich istniejących
1 W niniejszym rozdziale pokazano sposób postępowania właściwy dla arkusza kalkulacyjnego

Excel. W przypadku zastosowania innych arkuszy kalkulacyjnych należy się liczyć z koniecznością mody
fikacji procedur obliczeniowych.
9.2. Podstawowe zasady konstrukcji 297
uwarunkowań natury finansowej, rynkowej, marketingowej, organizacyjnej, kadrowej

i technologicznej. Obejmuje on działalność bieżącą oraz okres od trzech do pięciu
najbliższych lat”2.
Jest to więc dokument, który powinien być opracowany i wykorzystywany w każ
dym przedsiębiorstwie, zarówno do celów wewnętrznych, związanych z oceną bieżą
cej i przyszłej sytuacji, jak i do prezentacji zamierzeń firmy inwestorom zewnętrznym.
Jakkolwiek, nie istnieje jedna, jedyna recepta na przygotowanie skutecznego pla
nu działania, to jednak w trakcie jego konstrukcji należy przestrzegać pewnych reguł3.
Jedną z nich jest zachowanie przejrzystej i czytelnej struktury planu.
Poprawnie skonstruowany biznesplan powinien bowiem zawierać przynajmniej
następujące elementy:
• założenia planu strategicznego przedsięwzięcia;
• plan techniczny;
• plan marketingowy;
• plan organizacyjny;
• plan finansowy.
Plan działania rozpoczyna się od zarysowania strategii przedsiębiorstwa. W związ
ku z tym w tej części biznesplanu powinien znaleźć się opis otoczenia oraz zasobów
będących w dyspozycji firmy, a także celów i oczekiwań właścicieli firmy.
Zadaniem planu technicznego jest przekonanie czytelnika, że firma posiada zaso
by (fizyczne, ludzkie, finansowe), odpowiednie do realizacji celów strategicznych. Na
etapie przygotowania planu technicznego rozwiązuje się często problemy szczegółowe
związane z optymalnym wyborem asortymentu czy optymalnym doborem składników
do produktu finalnego.
Plan marketingowy powinien opisywać działania marketingowe firmy. Przede
wszystkim należy tu zarysować strategię marketingową, która powinna określić rynki,
na których firma chce funkcjonować, cele które chce osiągnąć, oraz sposoby ich reali
zacji. Należy również rozwiązać problemy związane z polityką ustalania cen, sposo
bami prowadzenia działań w zakresie promocji i reklamy oraz dystrybucji wyrobów,
towarów lub usług.
W planie organizacyjnym, należy zaprezentować strukturę organizacyjną firmy,
wraz z odpowiadającymi jej zasobami ludzkimi. Jednak za podstawową część wspo
mnianego planu uważa się wyznaczenie zadań oraz opracowanie szczegółowego planu
ich realizacji w powiązaniu z terminami realizacji oraz osobami odpowiadającymi za
ich wykonanie. Ten element biznesplanu określany mianem kalendarza organizacyj
nego, stanowi spis wszystkich czynności, jakie należy wykonać w związku z realizacją
przedsięwzięcia, wraz z terminami rozpoczęcia i zakończenia tych czynności.
Głównym celem, jaki stawia się przed planem finansowym, jest próba znale
zienia odpowiedzi na liczne pytania związane z szeroko rozumianą rentownością
i opłacalnością projektowanego przedsięwzięcia. W związku z tym w planie finan
sowym muszą się znaleźć najistotniejsze dane finansowe przedsiębiorstwa dotyczące
2 Por. Filar, Skrzypek [24].

3 Por. Filar, Skrzypek [24], s. 35-43.
298 9. Zastosowanie badań operacyjnych w konstrukcji biznesplanu
sprzedaży, zysków i strat, wydatków na badania, rozwój i marketing, płynności finan

sowej, czy zapotrzebowania na gotówkę. Plan finansowy stanowi zatem podstawowy
element oceny zamierzonego przedsięwzięcia, określając jego potencjalną efektyw
ność oraz potrzeby kapitałowe. W związku z tym powinien zawierać przynajmniej
następujące informacje4:
• źródła danych wejściowych;
• założenia prognoz finansowych;
• założenia wariantów;
• rachunek zysków i strat;
• bilans;
® zestawienie przepływów pieniężnych;
• próg rentowności;
• analiza wskaźnikowa;
• ocena efektywności przedsięwzięcia.
9.3. Zastosowanie badań operacyjnych w poszczególnych

fazach konstrukcji biznesplanu
9.3.1. Opracowanie strategii
Podstawowym zadaniem stojącym przed konstruktorem biznesplanu jest przygotowa
nie strategii działania. W tym celu należy:
• przeprowadzić analizę strategiczną, która powinna doprowadzić do określenia
pozycji strategicznej przedsiębiorstwa;
• wygenerować różne warianty strategii działania (przynajmniej wariant prawdo
podobny, pesymistyczny, optymistyczny oraz niespodziankowy);
• ocenić, a następnie wybrać do realizacji najlepszy wariant;
• pokazać sposoby wdrożenia wybranej strategii.
Pozycję strategiczną firmy wyznaczają sygnały płynące z otoczenia (szanse i za
grożenia), zasoby przedsiębiorstwa (silne i słabe strony), oraz cele działania, jakie sta
wiają sobie jej właściciele.
Z punktu widzenia zastosowania badań operacyjnych w procesie konstrukcji biz
nesplanu odgrywa ona kluczową rolę w trakcie budowy modelu matematycznego.
Warunki panujące w otoczeniu oraz zasoby firmy wyznaczają bowiem plan dopusz
czalny (rys. 42), to jest taki, który nie jest sprzeczny z istniejącymi ograniczeniami
w działaniu przedsiębiorstwa.
Jeśli istnieje więcej niż jeden plan dopuszczalny, możemy przystąpić do znalezie
nia planu optymalnego (rys. 43), a jeśli to nie jest możliwe, to przynajmniej do wyzna
czenia planu zadowalającego. W tym celu należy wziąć pod uwagę cele i oczekiwania
właścicieli firmy. Warto przy tym podkreślić, że cele te są często formułowane w kate
goriach występujących w planie finansowym.
4 Por. Filar, Skrzypek[24], rozdz. 5.

9.3. Zastosowanie badań operacyjnych w poszczególnych fazach konstrukcji biznesplanu 299
O TO C ZENIE ZA S O B Y
STRATEGICZNA POZYCJA FIRMY
Rys. 41. Strategiczna pozycja firmy
OTOCZENIE ZA S O B Y
PLAN DOPUSZCZALNY
Rys.42. Plan dopuszczalny
PLAN DOPUSZCZALNY
\
PLAN OPTYMALNY
Rys. 43. Plan optymalny
Jak więc wynika z powyższych rozważań, skonstruowanie wiarygodnego modelu

matematycznego, z punktu widzenia optymalizacji funkcjonowania przedsiębiorstwa,
nie jest możliwe bez znajomości jego pozycji strategicznej.
9.3.2. Plan marketingowy

Na etapie konstrukcji planu marketingowego, można wykorzystać wiele z algorytmów
opisanych w poprzednich rozdziałach. Problemy związane z ustaleniem odpowiednie
go poziomu cen na wyroby, towary lub usługi wymagają bowiem uprzedniego zopty
malizowania poziomu kosztów.
Niewątpliwie cechą charakterystyczną obecnej sytuacji gospodarczej jest ostra

walka konkurencyjna pomiędzy podmiotami gospodarczymi, które tym samym często
muszą rozwiązywać różne, konfliktowe problemy. W tym zakresie szczególnie pomoc
ne mogą się okazać algorytmy opracowane na gruncie teorii gier (rozdz. 3 niniejszego
podręcznika). W sytuacji konfliktu z konkurentem można wykorzystać modele gier
dwuosobowych o sumie zero, a w przypadku konfliktu z przeciwnikiem działającym
losowo, modele gier z naturą.
Ponadto problemy związane z dystrybucją wyrobów lub towarów można rozwią
zać na drodze zastosowania typowych modeli zagadnień transportowych, w tym trans-
portowo-produkcyjnych oraz minimalizacji pustych przebiegów.
Z kolei, algorytm optymalizujący finansowanie przedsięwzięć, opracowany na
gruncie programowania dynamicznego, można wykorzystać przy projektowaniu kam
panii reklamowej produktu, towaru lub usługi.
9.3.3. Plan techniczny

Przy konstrukcji planu technicznego, sporządzający go często spotyka się z konieczno
ścią rozwiązania następujących problemów:
• optymalny wybór asortymentu produkcji,
• optymalizacja składu mieszanek,
• optymalny wybór procesu technologicznego.
Sposoby rozwiązania wspomnianych problemów, wraz z licznymi przykłada
mi, omówiono w rozdz. 1. Należy dodać, że z czysto praktycznych przyczyn, czę
sto konieczne jest rozwiązywanie wspomnianych zagadnień, na drodze zastosowań
programowania całkowitoliczbowego. D uże znaczenie praktyczne ma też analiza
wrażliwości5, która odgrywa szczególnie dużą rolę w trakcie generowania różnych wa
riantów rozwoju sytuacji.
Często również rozważa się problemy związane z przewozem towarów, ze zloka
lizowaniem nowych zakładów produkcyjnych lub nowych oddziałów w ramach istnie
jących przedsiębiorstw. Można wtedy zastosować modele zagadnień transportowych.
Z kolei rozwiązanie problemu przydziału maszyn i urządzeń do wykonywania
konkretnych zadań produkcyjnych wymaga zastosowania algorytmów optymalizacji
rozdziału zadań produkcyjnych.
9.3.4. Plan organizacyjny

Jak już wcześniej wspomniano, zaprojektowanie i późniejsza realizacja harmonogra
mu przedsięwzięcia, może mieć kluczowe znaczenie z punktu widzenia jego sprawnej
realizacji. Rysuje się więc ogromny obszar zastosowań programowania sieciowego.
Metody sieciowe można zastosować nie tylko do skonstruowania harmonogramu przy
gotowania całego biznesplanu, ale również do optymalizacji szeregu przedsięwzięć
szczegółowych.
5 Por. punkt 1.5 podręcznika.

Jednym z wielu problemów rozwiązywanych przy okazji konstrukcji planu orga

nizacyjnego jest odpowiedni przydział pracowników do wykonania różnych zadań.
W tym celu można zastosować modele i algorytmy przydziału zadań, ze szczególnym
uwzględnieniem algorytmu węgierskiego, mającego zastosowanie w przypadku gdy
zakłada się specjalizację pracowników przy wykonywaniu zadań.
Wiele praktycznych problemów związanych z organizacją pracy można rozwiązać
poprzez zastosowanie algorytmów umożliwiających optymalizacje kanałów obsługi,
a więc stosując teorię kolejek, omówioną w rozdz. 4.
9.3.5. Plan finansowy

Z punktu widzenia konstruktora modelu matematycznego, plan finansowy pełni troja
ką rolę. Po pierwsze, stanowi podstawę sformułowania funkcji kryterium, w przypad
ku gdy kryterium oceny działania jest oparte na kategoriach finansowych. Po drugie,
stanowi wdzięczne pole zastosowań wszelkiego typu modeli symulacyjnych, które
umożliwiają przeprowadzenie analizy „co jeśli” (what if). Wreszcie, po trzecie, wyma
ga często zastosowania specjalnie opracowanych algorytmów, takich jak na przykład
algorytm optymalnego finansowania przedsięwzięć inwestycyjnych, opracowany na
gruncie programowania dynamicznego.
Przykład 46. Kompleksowa restrukturyzacja spółki akcyjnej „Wodymin” Firma

konsultingowa „FC” otrzymała zlecenie na opracowanie planu kompleksowej restruk
turyzacji spółki akcyjnej „Wodymin”, zajmującej się produkcją wody mineralnej trzech
rodzajów:
1) wody mineralnej gazowanej (WMG);
2) wody mineralnej niegazowanej (WMN),
3) wody stołowej (WST).
Warto przy tym wspomnieć, że plan restrukturyzacji jest szczególnym rodza
jem planu działania firmy (biznesplanu), umożliwiającym dostosowanie działalności
przedsiębiorstwa do zmieniającego się otoczenia. Opracowanie programu restruktu
ryzacji przebiega zwykle w następujących fazach:
• podjęcie decyzji o przystąpieniu do restrukturyzacji;
• wstępna analiza sytuacji firmy;
• diagnoza;
• przygotowanie programu restrukturyzacji;
• ocena projektu i ewentualne korekty;
• zarządzanie wdrożeniem programu.
Prezes firmy konsultingowej, kierując się długoletnim doświadczeniem, postano
wił przeprowadzić proces restrukturyzacji zgodnie ze wszystkimi kanonami sztuki.
Należy do nich nie tylko przygotowanie harmonogramu prac, ale również zastoso
wanie algorytmów optymalizacyjnych, opracowanych na gruncie badań operacyjnych.
Wszystkie obliczenia wykonano przy zastosowaniu narzędzi uznanych za standard
w firmie konsultingowej „FC”, a przede wszystkim arkusza kalkulacyjnego Excel.
Pierwszym krokiem będzie więc przygotowanie harmonogramu przedsięwzięcia.
P roblem 1. P rzygotowanie harmonogramu przedsięwzięcia

Przygotowując harmonogram restrukturyzacji, szef firmy podzielił przedsięwzię
cie na kilka etapów:
• zorganizowanie zespołu konsultantów;
• wstępna diagnoza sytuacji restrukturyzowanej firmy;
• analiza strategiczna obejmująca ocenę sygnałów płynących z otoczenia, za
sobów firmy oraz celów jej działania, umożliwiająca w rezultacie określanie pozycji
strategicznej;
• wybór strategii;
• restrukturyzacja sfery marketingowej, technicznej, organizacyjnej oraz finan
sowej;
• ocena projektu i ewentualne korekty;
• nadzór nad wdrożeniem.
Następnie etapy podzielił na kilkanaście czynności, szacując jednocześnie czas
ich trwania (w dniach):
a - organizacja zespołu konsultantów (2,3,4)6;
b - przydział zadań (czynności) poszczególnym konsultantom (1,1,1);
c - analiza otoczenia (4,5,6);
d - analiza zasobów firmy (4,6,8);
e - analiza celów działania firmy (5,8,11);
f - wybór strategii (2,3,4);
g - restrukturyzacja sfery technicznej (?);
h - restrukturyzacja sfery marketingowej (?);
i - restrukturyzacja sfery organizacyjnej (?);
j - restrukturyzacja sfery finansowej (6,7,8);
k - konsolidacja planu restrukturyzacji i ewentualne korekty (3,5,7);
1 - przygotowanie wdrożenia opracowanego planu (8,10,12).
Czasy trwania czynności polegających na przygotowaniu restrukturyzacji sfery
marketingowej, technicznej i organizacyjnej zostaną oszacowane dopiero po przydzia
le zadań poszczególnym konsultantom. Przygotowanie skutecznego harmonogramu
wymaga również znajomości następstwa w czasie czynności.
Praktyka wskazuje, że pierwszą z czynności, jaką należy wykonać jest organizacja
zespołu konsultantów (czynność a). Następnie można przystąpić do przydziału zadań
poszczególnym konsultantom (czynność b). Kolejny krok to przeprowadzenie analizy
strategicznej, składającej się z czynności c, d oraz e, które można wykonać równole
gle. Efektem wykonania wspomnianych czynności jest określenie pozycji strategicznej
firmy, co pozwala dokonać wyboru strategii (czynność f). Teraz już można przystąpić
do równoległego opracowania planu restrukturyzacji sfery technicznej (czynność g),
marketingowej (czynność h) oraz organizacyjnej (czynność i). Przygotowanie planu
restrukturyzacji wspomnianych sfer stanowi podstawę do opracowaniu planu restruk
turyzacji finansów (czynność j). Następnie można przystąpić do konsolidacji planu
(czynność k), a potem do przygotowania wdrożenia (czynność 1).
6 W nawiasach podano odpowiednio czas optymistyczny, najbardziej prawdopodobny i pesymistyczny.

Kierując się powyższymi wskazówkami, można przystąpić do przygotowania har

monogramu restrukturyzacji, stosując algorytmy z zakresu programowania sieciowe
go. Harmonogram ten pozwoli określić czas przygotowania programu oraz wyznaczyć
ścieżkę krytyczną.
Jednak przed zastosowaniem metod sieciowych należy określić czasy trwania pro
gramów restrukturyzacji sfery technicznej, marketingowej i organizacyjnej. Zależą one
od preferencji konsultantów zatrudnionych przy realizacji przedsięwzięcia. W związ
ku z tym rozwiązanie problemu 1 należy poprzedzić optymalizacją przydziału zadań
konsultantom.
P roblem 2. P rzydział zadań konsultantom

Szef firmy konsultingowej zatrudnił czterech konsultantów: Mieczysława Skrzata
(M.S.), Ryszarda Kowalczyka (R.K.), Stefana Nestorowicza (S.N.) oraz Tadeusza
Miszczaka (T.M.). Każdy z nich jest w stanie podjąć się przygotowania planów re
strukturyzacji poszczególnych sfer działania firmy. Mają oni jednak preferencje wy
rażające się czasem, jaki będzie im potrzebny do wykonania przydzielonego zadania.
Czasy te (w dniach) podano w tabl. 196.
Tablica 196
Zadania
Konsultanci
marketing technika organizacja
M.S. 5 7 8
R.K. 4 4 4
S.N. 6 5 3
T.M. 4 6 5
Jest to typowy problem, który można rozwiązać, stosując algorytm przydziału za
dań, w wersji zakładającej, że każdy z konsultantów może wykonać tylko jedno z zadań,
a każde z zadań może być wykonane tylko przez jednego konsultanta. Rozwiązanie
problemu jest więc możliwe za pomocą algorytmu węgierskiego. Algorytm wymaga,
aby liczba pracowników oraz zadań była identyczna. W związku z tym należy wpro
wadzić czwarte - fikcyjne zadanie (czasy jego wykonania są równe 0), przekształcając
tabl. 196 w tabl. 197.
Tablica 197
Zadania
Konsultanci zadania
marketing technika organizacja
fikcyjne
M.S. 5 7 8 0
R.K. 4 4 4 0
S.N. 6 5 3 0
T.M. 4 6 5 0
3 04 9. Zastosowanie badań operacyjnych w konstrukcji biznesplanu
Zmienne decyzyjne:
i 1 gdy /-temu konsultantowi zostanie przydzielone y-te zadanie

X.. —<
IJ [0 w pozostałych przypadkach,
a model matematyczny powyższego zagadnienia można zapisać następująco:
* n *12 -*13 *14 ~ ^ J * i; =

;'= i
4
X 2l -* 2 2 ■*" * 2 3 + *24 = ^ X 2j =
i=1 każdy konsultant może wykonywać
4
tylko jedno zadanie
*31 *32 ■*" * 3 3 *34 ~ ^ * 3 ; =
i= 1
4
*41 ■*" * 4 2 "*■ * 4 3 + *44 = *4 j=

i=l
*11 *21 ^ *31 *41 = ^ * i 'l =

i'=l
4
*12 *22 ■*" * 3 2 ■*"* 4 2 = 2 w * i2 =

(=1 każde zadanie może być wykonywana
4 tylko przez jednego konsultanta.
*13 + *23 "*■ * 3 3 + *43 = ^ ] < * i3 =
/= 1
4
*14 *24 ■*" * 3 4 + *44 = * /4 =

i= l
Funkcja celu minimalizuje łączny czas pracy konsultantów:
-5% + l x n + 8 x 13 + 0 x 14 +
4x21 + 4 jc22 + 4 x 23 + 0 x 24 +
* funkcja celu.
6*31 ć*32 + 3.v,, + 0.r:. +
4*41 + 6 x42 + 5 x43 + 0 x44 -> min
Po zapisaniu modelu matematycznego można przystąpić do rozwiązania pro

blemu za pomocą narzędzia „SOLVER”, wbudowanego w arkusz kalkulacyjny
Excel.
K rok 1. Parametry modelu należy wpisać do komórek arkusza (rys. 44).
A B ,‘C D 1
1 menu
»2t;i P ara m etry m o d elu
3 k o n su lta n cfa a d a n ia m arketin g tech n ika o rga n izacja
sili M .S . 5 7 8
5 | R .K . 4 4 4
6 S.N . 6 5 3
7 T.M. 4 6 5
8 M o d e l zm o d y fik o w a n y
9 k o n su ltan ci\zadan ia m arketin g tech n ika orga n izacja zadania fik c y jn e
10 M .S . 5 7 8 0
11 R .K . 4 4 4 0
12 S.N . 6 5 3 0
13 T.M. 4 6 5 0
Rys. 44. Zapisanie danych modelu z przykl.46 w arkuszu kalkulacyjnym
K rok 2. W arkuszu należy wpisać warunki ograniczające i funkcję kryterium

oraz zarezerwować miejsce na rozwiązanie problemu - obszar zmiennych decyzyjnych
(rys. 45).
A B C D E
9 | ko n s u lta n c ilza d a n ia m a rk e tin g tec hnik a o rg a n iza c ja z a d a n ie fik c y jn e
19 M .S. 5 7 8 0
11 R.K. 4 4 4 0
12 S.N. 6 5 3 0
13 ; T.M. 4 6 5 0
14 O b s z a r z m ie n n y c h d e cyzyjn ych
15 k o n s u lta n c iz a d a n ia m a rk e tin g tec h n ik a o rg a n iza c ja z a d a n ie fik c y jn e
16 M .S . . .
17 R .K .
18 S.N .
19 T.M.
20 W a ru n k i o g ra n ic za ją c e d la ko n s u lta n tó w K ry te riu m
21 0 1 0
22 0 1
23 0 1
24 0 1
25 W aru n ki o g ra n ic z a ją c e d la za d a ń
26 0 1
27 0 1
28 0 1
29 0 1
Rys. 45. Przygotowanie do rozwiązania problemu - zapisanie modelu

Zawartość poszczególnych komórek jest następująca:

• komórki BIO do E13 zawierają parametry zadania;
• komórki B16 do E19 przeznaczone są na rozwiązanie problemu - po urucho
mieniu „SOLVER”-a, znajdą się w nich optymalne wartości zmiennych decyzyjnych;
• komórki A21 do A24 zawierają lewe strony warunków ograniczających dla kon
sultantów, a odpowiednie formuły mają postać:
A21: =suma(B16:E16)
A22: =suma(B17:E17)
A23: =suma (BI 8:E l 8)
A24: —suma(B19:E19)
• komórki B21 do B24, zawierają prawe strony warunków ograniczających dla
konsultantów, a więc przyjmują wartość 1;
• komórki A26 do A29 zawierają lewe strony warunków ograniczających dla za
dań, a odpowiednie formuły mają postać:
A26: =suma(B16:B19)
A27: -su m a (C16. C19)
A28: =suma(D16:D19)
A29: =suma(E16:E19)
• komórki B26 do B29, zawierają prawe strony warunków ograniczających dla za
dań, a więc przyjmują wartość 1;
• komórka C21 zawiera funkcję celu, a odpowiednia formuła ma postać:
C21: = suma.iloczynów (B10:E13,B16:E19)
K rok 3. Należy uruchomić SOLVER - z menu N A R Z Ę D Z IA (Excel 2003

i wcześniejsze) lub z Menu Dane (Excel 2007 i nowsze).
'• | konsu lta n ci\za d a n ia m.irki'lirjg^ tncimika jo rga n iza cja | za d a n ie fik c y jn e
1 1 M .S .
M R.K.
Solver - Parametry cózłi
12 S.N . Kom órka celu. Rozwiąż ....I"'
13 T.M R ów na: ( i M aks C Min C Wartość |0 Z a m k n ij.
14 O b sz a r zm ienny
15 k o n su lta n ci'z a d
16 _M.S. O d g a d n ij |
PK_ W arunki ograniczające: O pc1B

18 S N .
Doda|
19 T.M.
20 W arunki og ra n ii Zm ień
21 Przyw róć w szystko
22 Usuń
;.> Pomoc ,
;'.i
25 W arunki o g ra n icz a ją ce dla zadań
¿■C'
Rys. 46. SOLVER - okienko dialogowe pozwalające zapisać model

9 .3. Zastosowanie badań operacyjnych w poszczególnych fazach konstrukcji biznespianu 307
W odpowiednich polach okienka dialogowego pokazanego na rys. 46 należy

wpisać wszystkie niezbędne dane, a więc:
* • Komórka celu ma zawierać adres komórki, w której zapisano funkcję celu -
w naszym przypadku C21 (na rys. 46 błędnie zaznaczono A9);
« Równa - wartość funkcji celu dąży do minimum, a więc należy wybrać odpo
wiednią opcję (na rys. 46 błędnie zaznaczono Max);
® Komórki zmieniane, muszą zawierać adres obszaru w którym „SOLVER” wsta
wi rozwiązanie optymalne (w naszym przypadku B16:E19);
• Warunki ograniczające7 - wybierając opcję „DODAJ” należy wpisać (lub za
znaczyć): A21=B21 i za każdym razem przyciskając DODAJ:A22=B22: A23=B23;
A 24=B 24 (warunki dla konsultantów) i dalej A 26=B26; A27=B27; A 28=B 28
i :A29= B29 (warunki dla zadań) i jeszcze raz wybierając „DODAJ” B16:E19 = bin
(w ten sposób uwzględniamy dodatkowy warunek, że „komórki zmieniane” - zawiera
jące zmienne decyzyjne powinny być zmiennymi binarnymi).
W rezultacie okienko dialogowe będzie wyglądać jak to pokazano na rys. 47.
a;
A B D 6
Ęi
6 | ko n sultan ci\zadan ia m a rketin g tech n ik a o rga n izacja za d a n ie fik c y jn e

10 M .S . 5 7 8 0
11 R .K . 4 4 4 0
12 S .N . 6 5 3 0
13 T.M. Solver - Parametry
14 O b sz a r zm
15' k o n su lta n t Kórńórfćacelu: Rozw iąż
16 M .S . Rów na: (• M aks <• Min ■C W artość (0

Zamkmj
17 R .K . Kom órki z m ie n ia n e :....
"i S .N . I$6$16:$E$19 jjJ Odgadnij
T.M.
20 W arunki oj W arunM pgrariiczająco: O prje
21 $A$21= $B$21 Dodaj
2? $A $22= $B$22
$A$23” $B$23 Zm ień
2-, $ A $ 24 -$ B $2 4 Przyw rń ć w szystko
2'- $A $26= $B$26 Usuń
21, W arunki o¡ $A $27= $B$27 Pomne
2b
27 -------------------------------------------cr I
28 0 1
Rys. 47. Stan po wypełnieniu wszystkich danych komórka celu min!!
7 W tym wypadku zaznaczono każdy warunek oddzielnie; można też zaznaczyć je blokowo -
jednym poleceniem warunki dla konsultantów(A21:A24=B21:B24) i jednym - warunki dla zadań
(A26:A29=B26:B29).
308 9. Zastosowanie badan operacyjnych w konstrukcji biznesplanu
K rok 4. Wystarczy już tylko wybrać przycisk ROZWIĄŻ. W rezultacie otrzymu

jemy rozwiązanie optymalne (jak na rys. 48):
Kon su lta n cilza d an ia m arketing technika organizacja zadanie fikcy jn e

M .S . ____ 0 0 0 1
R.K. 0 1 0 0
$.N . 0 0 1 0
TM 1 0 0 0
F .ce lu 11
Rys. 48. Rozwiązanie modelu
Zgodnie z otrzymanymi wynikami:

• konsultant M.S. będzie pozostawał w rezerwie (bez przydziału zadań);
• konsultant R.K. powinien zająć się restrukturyzacją sfery technicznej, co zaj
mie mu 4 dni;
• konsultant S.N. powinien się zająć restrukturyzacją sfery organizacyjnej, co zaj
mie mu 3 dni;
• konsultant T.M. powinien zająć się restrukturyzacją sfery marketingowej,
co zajmie mu 4 dni.
Wartość funkcji kryterium, pokazuje, że wykonanie restrukturyzacji wspomnia
nych wyżej sfer zajmie łącznie 11 dni roboczych.
Obecnie możemy już przystąpić do uzupełnienia parametrów problemu 1,
co pozwoli go rozwiązać.
P roblem 1 po raz drugi

W rezultacie rozwiązania problemu 2, możemy już uzupełnić czasy trwania
odpowiednich czynności:
g - restrukturyzacja sfery technicznej (4,4,4);
h - restrukturyzacja sfery marketingowej (4,4,4);
i - restrukturyzacja sfery organizacyjnej (3,3,3).
Następnie należy zastosować metodę PERT omówioną w rozdz. 5 (programowa
nie sieciowe). W rezultacie jej zastosowania okazuje się, że termin wykonania zadania
wynosi 44 dni, a ścieżka krytyczna przebiega przez czynności:
a - organizacja zespołu konsultantów (2,3,4);
b - przydział zadań (czynności) poszczególnym konsultantom (1,1,1);
e - analiza celów działania firmy (5,8,11);
f - wybór strategii (2,3,4);
g - restrukturyzacja sfery technicznej (7,7,7);
j - restrukturyzacja sfery finansowej (6,7,8);
k - konsolidacja planu restrukturyzacji i ewentualne korekty (3,5,7);
1 - przygotowanie wdrożenia opracowanego planu (8,10,12).
Ponieważ suma wariancji czynności leżących na ścieżce krytycznej wynosi 2,2222,
a odchylenie standardowe 1,4907, zatem czas przygotowania programu restrukturyza
cji wyniesie 44 dni ± 1,49 dnia.
9.3. Zastosowanie badań operacyjnych w poszczególnych fazach konstrukcji biznespianu 309
P roblem 3. Konsultant zajmujący się sferą techniczną musi dokonać optymalne

go wyboru asortymentu produkcji, kierując się maksymalizacją marży brutto8. W tym
celu zebrał podstawowe dane, zestawione w tabl. 198. Dotyczą one jednostkowych
kosztów produkcji poszczególnych gatunków wody mineralnej, poziomu zamówień
oraz cen.
Jedynymi ograniczeniami, jakie napotyka firma są:
• konieczność dysponowania wolnymi środkami pieniężnymi w wysokości
40 000 zł, które można przeznaczyć na uruchomienie produkcji,
• możliwość zatrudnienia tylko dwóch pracowników, których fundusz płac
wynosi 12 800 zł miesięcznie.
Tablica 198
Nakłady Limity
WMG WMN IH p r ;
jednostkowe górne
Surowce (zl/szt.) 1,00 0,80 0,30 brak
Energia (zi/szt.) 0,20 0,20 0,20 brak
Robocizna (zł/szt.) 0,20 0,10 0,05 12 800
Zamówienia (szt.) 5000 5000 5000
Popyt (szt.) ? 9 9
Cena (zl/szt.) 2,10 1,40 0,80
Natomiast poziom popytu musi zostać oszacowany przez konsultanta zajmującego

się restrukturyzacją sfery marketingowej. W związku z tym musimy obecnie przejść
do rozwiązania problemu 4.
P roblem 4. Spodziewany poziom popytu

Konsultant zajmujący się restrukturyzacją sfery marketingowej musi oszaco
wać spodziewany poziom popytu. Ze względu na specyfikę produktu, popyt zależy
w znacznej mierze od warunków pogodowych. Odpowiednie dane przedstawiono
w tabl. 199.
Tablica 199
Parametry zadania
Popyt Sucho Wilgotno Mokro Zmiennie
WMG 30 000 20 000 5000 7000
WMN 25 000 25 000 7500 8000
WST 15 000 10 000 10 000 6000
D o rozwiązania problemu należy zastosować algorytmy opracowane na gruncie

teorii gier z naturą (rozdział 3.2.). Warto przy tym podkreślić, że stosowne obliczenia
można łatwo wykonać, posługując się arkuszem kalkulacyjnym. Niezbędne dane zapi
sane w arkuszu pokazano na rys. 49.
8 Jest to różnica pomiędzy przychodami ze sprzedaży a kosztami zmiennymi.

i—
-—«______ A B c D F G H i;
it' P a ra m e try 7adan ia
2 Popyt Sucho W ilg o tn o M o k ro Z m ie n n ie W alda H u rw ic z a B a y e s a
WMG 30000 20000 5000 7000 5000 17500 15500
€ WMN 25000 25000 7500 8000 7500 16250 16375
s; W ST 15000 10000 10000 6000, 6000 10500 10250
6 wsp. ostrożności 0.5 O p tim u m 7500 17500 16375
M a c ie rz ża lu Sucho W ilg o tn o M o k ro Z m ie n n ie S a v a g e ’a O p tim u m 5000
8 WMG 0 5000 5000 1000 5000
9 W MN 5000 0 2500 0 5000
10 W ST 15000 15000 0 2000 15000
Rys. 49
• komórki B3:E5 zawierają parametry modelu;

• komórki F3:F5, zawierają obliczenia związane z zastosowaniem kryterium
Walda, a odpowiednie formuły mają postać:
F3: =MIN(B3:E3),
F4: =MIN(B4:E4),
F5: =M IN (B5. E5);
• komórka F6 zawiera formulę =MAX(F3:F5);
• komórki G3:G5, zawierają obliczenia związane z zastosowaniem kryterium
Hurwicza, a odpowiednie formuły mają postać:
G3: =MIN(B3:E3) *$B$6 +MAX(B3:E3) *(1-$B$6),
G4: =M IN (B4:E4)*$B$6+MAX(B4:E4)*(1-$B$6),
G5: =M IN (B5:E5)*$B$6+MAX(B5:E5)*(1-$B$6);
• komórka G6 zawiera wartość optymalną G6: =MAX(G3:G5);
• komórki H3:H5, zawierają obliczenia związane z zastosowaniem kryterium
Bayesa, a odpowiednie formuły mają postać:
H3: =ŚREDNIA(B3:E3),
H4: =ŚREDNIA(B4:E4),
H5: —ŚREDNIA(B5:E5);
• komórka H6 zawiera wartość optymalną: H6 =MAX(H3:H5);
• w celu obliczenia wartości optymalnej według kryterium Savage’a, należy naj
pierw przygotować macierz żalu. W naszym przykładzie jest to obszar B8:E10;
• komórka B8 zawiera formułę =MAX(B$3:B$5)-B3, którą należy skopiować na
cały obszar B8:E10;
• komórka F8 zawiera formułę =MAX(B8:E8), którą należy skopiować na cały
obszar F8:F10;
• komórka H7 zawiera rozwiązanie optymalne które obliczane jest według for
muły =MIN(F8:F10).
Gdyby konsultant miał do czynienia z typowym zagadnieniem z zakresu teorii
gier z naturą, to doradziłby zarządowi restrukturyzowanej firmy, aby wybrał jedno
z podejść (kryteriów) a następnie przyjął do dalszych obliczeń optymalną strategię,
sprowadzającą się do produkcji tylko jednego gatunku wody mineralnej. W naszym
przypadku konsultant na podstawie wyników analiz warunków klimatycznych,

postanowi! przyjąć postawę pesymisty9 (rozwiązanie uzyskane za pomocą kryte
rium Walda).
P roblem 3 po raz drugi

Obecnie możemy powrócić do problemu trzeciego, uzupełniając parametry zada
nia (tabl. 200).
Jest to typowy problem wyboru asortymentu produkcji, który można rozwiązać
posługując się SOLVER-em.
Tablica 200
Nakłady Limity
WMG WMN WST
jednostkowe górne
Surowce (zl/szt.) 1,00 0,80 0,30 brak
Energia (zl/szt.) 0,20 0,20 0,20 brak
Robocizna (zl/szt.) 0,20 0,10 0,05 12 800
Zamówienia (szt.) 5000 5000 5000
Popyt (szt.) 5000 7500 6000
Cena (zl/szt.) 2,10 1,40 0,80
Zmienna decyzyjna x;- oznacza przy tym wielkość produkcji y-ego gatunku wody
mineralnej, a model matematyczny ma postać:
(1) 0,20x, + 0,10x2+0,05 x3 - 12 800,
(2) x l > 5000,
(3) x 2 > 5000,
(4) x3 > 5000,
(5) xx < 5000,
(6) x 2 < 7500,
(7) x3 < 6000,
(8) 1,00^3+0,80x2+ 0,30x3+ 0,20xx+ 0,20x2+ 0,20x3+ 0,20x3 +

+0,10 x2+0,05 x3 < 40 000,
(9) F(xv x2, x3) = (2 ,10-1,00-0,20-0,20) x 3+
+(1,40 - 0,80 -0 ,2 0 - 0 , 10)x2+ (0,80-0,30 - 0,20 - 0,05) x3 -> max.
9 W praktyce oznacza to przyjęcie założenia mówiącego o stosunkowo dużej nieprzewidywalności

stanów pogody.
Poszczególne elementy modelu matematycznego mają następującą interpretację:

• warunek (1) oznacza, że na place nie będzie można przeznaczyć więcej niż
12 800 zl w skali miesiąca;
• warunki (2), (3) oraz (4) oznaczają, że ze względu na przyjęte zamówienia na
leży produkować miesięcznie przynajmniej 5000 butelek wody mineralnej każdego
rodzaju;
• warunki (5), (6) oraz (7) informują o tym, że ze względu na spodziewany
poziom popytu, poszczególnych gatunków wody mineralnej nie należy produkować
odpowiednio więcej niż 5000, 7500 oraz 6000 butelek;
• warunek (8) dotyczy ograniczonej ilości wolnych środków pieniężnych;
• funkcja kryterium oznacza maksymalizację marży brutto.
Rozwiązanie optymalne sformułowanego modelu można znaleźć za pomocą
SOLVER-a, postępując według zasad opisanych przy rozwiązywaniu problemu opty
malnego przydziału zadań poszczególnym konsultantom. W rezultacie otrzymujemy
wyniki przedstawione w tabl. 201.
Tablica 201
Zmienne decyzyjne
*i *2 *3
5000,00 7500,00 6000,00

Warunek
Lewa strona Prawa strona
ogranicząjący
W1 2050 12 800
W2 5000 5000
W3 7500 5000
W4 6000 5000
W5 5000 5000
W6 7500 7500
W7 6000 6000
W8 18 550 40 000
Funkcja celu 7250,00
Zatem firma powinna produkować miesięcznie 5000 butelek wody mineralnej ga
zowanej, 7500 butelek wody mineralnej niegazowanej oraz 6000 butelek wody sto
łowej, osiągając marżę brutto 7250 zł. Po doliczeniu kosztów stałych okazało się, że
firma nie jest w stanie wypracować zadowalająco wysokiego poziomu zysku brutto.
W związku z tym zespół konsultantów został zmuszony do wskazania kierunków
poprawy sytuacji. W tym celu przyjrzano się bliżej wynikom optymalizacji.
Okazuje się bowiem, że zarówno dostępność środków pieniężnych, jak i zaso
by siły roboczej, oraz poziom zamówień, nie stanowią wiążących ograniczeń w dzia
łaniu firmy (odpowiednie warunki ograniczające są spełnione jako nierówności).
Jedynie warunki ograniczające dotyczące poziomu popytu są spełnione jako równości
(W5, W6, W7), stąd wniosek, że istotnym ograniczeniem, z punktu widzenia funkcjo
nowania przedsiębiorstwa, jest jedynie spodziewany poziom popytu.
Tak więc w wyniku zastosowania badań operacyjnych zostały wytyczone najbliż
sze zadania: „wzmóc działania marketingowe, w celu pozyskania nowych klientów”.
W pozostałych zadaniach, zamieszczonych w niniejszym rozdziale, będzie można
zapoznać się z innymi przypadkami zastosowań badań operacyjnych w trakcie kon
strukcji biznesplanu, my natomiast skoncentrujemy się na zaprezentowaniu uproszczo
nego modelu planu finansowego.
P roblem 5. Plan finansowy

Przygotowując plan finansowy, najlepiej posłużyć się modelem symulacyjnym,
zapisanym jako aplikacja arkusza kalkulacyjnego Excel. Uproszczony10 model pla
nu finansowego restrukturyzowanej firmy będzie przedmiotem dalszych rozważań.
Składa się on z danych wejściowych, rachunku zysków i strat, przepływów środków
pieniężnych oraz progu rentowności BEP.
Dane wejściowe
Dane wejściowe przykładu zapisano w arkuszu „asor2”.
Jak łatwo zauważyć, dane wejściowe to założenia oraz rozwiązanie optymal
ne problemu wyboru asortymentu produkcji (problem 3 - rys. 50). Kolejny arkusz
(rys. 51) zawiera dane rachunku zysków i strat, przepływów środków pieniężnych oraz
dotyczące progu rentowności.
B C i'-::..'-. E
1 N akłady Je d n o stk o w e WMG WMN W ST m :: L im ity g ó rn e
2 surowce [zt/szt.J 1.00 0.80 0.30 brak
3 energia [zl/szt.] 0.20 0.20 0.20 brak
4 robocizna (zł/szt.l 0.20 0.10 0.05 12800
5 JKZ 1.40 1.10 0.55
6 zamówienia (szt.) 5000 5000 5000
7 popyt (szt.) 5000 7500 6000
8 cena [zl/szt.] 2.10 1.40 0.80
9 Z m ien n e d e c y z y jn e
10 x1 x2 x3
11 5000.00 7500.00 6000.00
12 W arunek o g ra n icz a ją cy L e w a stro n a Praw a strona
13 W1 2050 12800
14 W2 5000 5000
15 W3 7500 5000
16 W4 6000 5000
17 W5 5000 5000
18 W6 7500 7500
19 W7 6000 6000
20 W8 18550 40000
21 Funkcja celu 7250.00
Rys. 50. Dane wejściowe
10 Zasady konstrukcji symulacyjnego modelu finansów firmy można znaleźć w pracy Filar,
Skrzypek, [24],
314 9. Zastosowanie badań opeiacyjnych w konstrukcji biznesplariu
Rach u n ek z y sk ó w i strat 1 Stan śro d k ó w pieniężnych 1 P ró g ren to w no ści /

P rzych ó d z e sprzedaży 25800 Wpływy 25800 U dział WM G w s p rz e d a ż y 4 0 .7 0 %
jW M G .10500 P rzy ch ó d z e s p rz e d a ż y 2 5 8 0 0 U dział WMN w sp rz e d a ż y 4 0 .7 0 %
WMN 110500 S p a d e k n ależn o ści 0 U dział W M S w s p rz e d a ż y 18.60%
WMS 4800 W zrost z o b o w ią zań 0 K oszty s ta łe n a WM G 2 8 4 8 .8 4
K o sz ty zm ienne 18550 Inne wpływy 0 K oszty s ta łe n a WMN 2 8 4 8 .8 4
WMG 7000 Wydatki 25145 K oszty s ta łe n a W M S 1 3 0 2 .3 3
WMN 8 2 5 0 K oszty z m ie n n e 18550 B E P WMG 4 0 6 9 .7 7
WMS 3 3 0 0 K oszty fin a n so w e 0B E P WMN 9 4 9 6 .1 2
M aria brutto 7250 K oszty z a rz ą d u 5000 BEP WMS 5 2 0 9 .3 0
WM G 3 5 0 0 P o z o s ta łe koszty 1500 P ro d u k cja WMG 5 0 0 0 .0 0
WMN 2250 P rzy ro st n ależn o ści 0 P ro d u k cja WMN 7 5 0 0 .0 0
WMS 1500 S p a d e k zo b o w ią zań 0 P ro d u k cja W M S 6 0 0 0 ,0 0
K o sz ty stale 7000 P o d a te k d o ch o d o w y 95 B E P /P ro d u k cja WMG 8 1 .4 0 %
A m ortyzacja 500 Inne wydatki 0 B E P /P ro d u k cja WMN 126 .6 1 %
K oszty finansow e 0 Saldo 6 5 5 B E P /P ro d u k cja W M S 8 6 .8 2 %
K oszty z a rz ą d u 5000
P o z o s ta łe koszty 1500
Z y sk brutto 250
P o d a te k dochodow y 95
Z y sk netto 155
Rys. 51. Strat wybrane dane sprawozdania finansowego
Warto przy tym podkreślić, że podstawowe dane pozwalające obliczyć przychody

ze sprzedaży oraz poziom kosztów zmiennych, powstały w wyniku rozwiązania pro
blemu wyboru asortymentu.
Analizując dane zawarte w rachunku zysków i strat, warto zauważyć, że firma ge
neruje stosunkowo niski zysk netto. Natomiast stan środków pieniężnych równy jest
655 zł., ponieważ przy założeniu, że należności oraz zobowiązania są regulowane bez
opóźnień (zerowa zmiana stanów), firma ma do dyspozycji wypracowany zysk netto
oraz amortyzację, która jest kosztem, ale nie jest wydatkiem.
Kolejny krok to obliczenia związane z progiem rentowności (BEP)11. Wykazały
one, że próg opłacalności produkcji wody mineralnej niegazowanej znajduje się powy
żej (o 26,61%) bariery sprzedaży, co jest zjawiskiem niekorzystnym.
W kolejnych tablicach pokazano formuły, niezbędne do skonstruowania uprosz
czonego modelu finansowego.
Łatwo można sobie wyobrazić potencjalne możliwości tak skonstruowanego mo
delu. Wymieńmy tu tylko dwie:
1) analiza typu „co jeżeli” (what if), odpowiadająca na pytanie jak zmienią się
podstawowe elementy planu finansowego, ze względu na zmiany danych wejściowych;
2) analiza efektów zmian parametrów optymalizowanego problemu.
11 Interpretację progu rentowności można znaleźć na przykład w pracy Filar, Skrzypek [24].
Tablica 202
Rachunek zysków i strat 1
Przychód ze sprzedaży = SUMA(B3:B5)

WMG = asor2!B8*asor2!All
WMN = asor2!Bll*asor2!C8
WMS = asor2!D8*asor2!Cll
Koszty zmienne = SUMA(B7:B9)
WMG = asor2!B5*asor2!All
WMN = asor2!C5*asor2!Bll
WMS = asor2!D5*asor2!Cll
Marża brutto = B2-B6
WMG = B3-B7
WMN = B4-B8
WMS = B5-B9
Koszty stale = SUMA(B15:B18)
Amortyzacja 500
Koszty finansowe 0
Koszty zarządu 5000
Pozostałe koszty 1500
Zysk brutto = B10-B14
Podatek dochodowy = 0,38*B19
Zysk netto = B19-B20
Tablica 203
Stan środków pieniężnych : I
Wpływy = SUMA(D3:D6)
Przychód ze sprzedaży = B2
Spadek należności 0
Wzrost zobowiązań 0
Inne wpływy 0
Wydatki = SUMA (D8:D15)
Koszty zmienne = B6
Koszty finansowe = B16
Koszty zarządu = B17
Pozostałe koszty = B18
Przyrost należności 0
Spadek zobowiązań 0
Podatek dochodowy = B20
Inne wydatki 0
Saldo = D2-D7
3 16 9. Zastosowanie badań operacyjnych w konstrukcji biznesplanu
Tablica 204
Próg rentowności
Udziai WMG w sprzedaży = B3/$B$2
Udział WMN w sprzedaży = B4/$B$2
Udziai WMS w sprzedaży = B5/$B$2
Koszty staie na WMG = F2*$B$14
Koszty staie na WMN = F3*$B$14
Koszty staie na WMS = F4*$B$14
BEPW M G = F5/(asor2!B8-asor2!B5)
BEP WMN = F6/(asor2!C8-asor2!C5)
BEP WMS = F7/(asor2!D8-asor2!D5)
Produkcja WMG = asor2 !A ll
Produkcja WMN = asor2!Bll
Produkcja WMS = asor2!Cll
BEP/Produkcja WMG = F8/F11
BEP/Produkcja WMN = F9/F12
BEP/Produkcja WMS = F10/F13
zadania
187. Problemy Johna Kargula. Pewnej niedzieli w pociągu „INTERCITY” rela
cji Kraków - Warszawa (wyjazd 7.15), los przydzielił mi jako współpasażera
Johna Kargula, „świeżego” jeszcze emigranta z USA (polskiego pochodzenia).
W trakcie krótkiej podróży (przyjazd do Warszawy 9.49), John przedstawił
mi swój pomysł dotyczący założenia w Polsce farmy kiślików kalifornijskich
(cislicus califomiensis pospolituś). Realizacja pomysłu wymagała jednak rozwią
zania kilku poważnych problemów. Zauważyłem, że stosunkowo łatwo można
rozwiązać problemy Johna Kargula, stosując metody opracowane na gruncie
badań operacyjnych.
Mam nadzieję, że podzielicie Państwo moje zdanie, rozwiązując problemy
Johna w czasie krótszym o 34 minuty od czasu jazdy wspomnianego pociągu.
A oto lista tych problemów:
P roblem 1. O płacalność hodowli kiślików

John Kargul zamierza hodować dwa gatunki kiślików (GI oraz G il), któ
re mogą być żywione dwoma gatunkami pasz (PI oraz P il), zawierającymi trzy
składniki odżywcze (SI, S il oraz S ili). W tabl. 205 podano zawartość składników
Tablica 205
<:/: Pasza I Pasza II Limit dolny
Składnik I (kg) 30 60 480
Składnik II (kg) 40 15 240
Składnik III (kg) 10 10 140
Limit paszy (kg) 10 2
Cena paszy (zl/kg) 5 10
odżywczych w paszach, minimalne ilości składników odżywczych oraz mini

malne ilości poszczególnych pasz, które należy dostarczyć kiślikom pierwszego
gatunku w ciągu miesiąca.
Należy zaproponować optymalny skład paszy dla kiślików pierwszego ga
tunku, kierując się minimalizacją kosztów mieszanki paszowej.
Wiadomo, że optymalna mieszanka paszowa dla kiślików drugiego gatun
ku (G il) zawiera 10 kg pierwszej paszy oraz 1 kg drugiej paszy. W tablicy 206
zawarto dane dotyczące zużycia pasz przez każdy z gatunków kiślików, wielkość
zamówień na sprzedaż kiślików, maksymalny spodziewany popyt, ceny poszcze
gólnych gatunków oraz górne limity dostępności pasz.
Tablica 206
Górny limit
I f Gil
(kg)
PI (kg) ? 10 6000
PU (kg) ? 1 1000
Zamówienia (szt.) 100 0
Popyt (szt.) 500 500
Cena (zi/szt.) 180 110
Należy zaproponować rozmiary hodowli każdego z gatunków kiślików, kie

rując się marżą brutto (cena - koszt zmienny, w tym przypadku koszt paszy zja
danej przez jednego kiślika).
P roblem 2. B udowa farmy dla kiślików

Budowa farmy przeznaczonej dla kiślików kalifornijskich składa się z nastę
pujących czynności:
1-2) przygotowanie projektu ścieżek dojazdowych (4, 6, 8 dni),
1-3) przygotowanie projektu zagospodarowania zieleni (4 dni),
1 - 4) przygotowanie do montażu legowisk (4 dni),
2 - 4) wykonanie ścieżek dojazdowych (7 dni),
2 - 5) kompletowanie wyposażenia (3, 5 ,7 dni),
3 - 4) prace ogrodnicze (5 dni),
3 - 6) kompletowanie załogi (4, 5, 6 dni),
4 - 5) montaż legowiska I-go typu(5 dni),
4 -6 ) montaż legowiska Ii-go typu (2 dni),
4 - 7) organizacja biura (7 dni),
5 - 7) wyposażenie legowiska I-go typu (3 dni),
6 - 7) wyposażenie legowiska Ii-go typu (6, 8,10 dni),
Podaj:
a) najkrótszy czas uruchomienia farmy
b) wariancje czasów trwania czynności leżących na ścieżce krytycznej wraz
z interpretacją
c) czy prawdopodobne jest uruchomienie farmy w ciągu 22 dni.
P roblem 3. Trasa dowozu paszy

Należy zaprojektować najkrótszą trasę dowozu paszy do legowisk wszystkich
czterech typów, tak aby każde legowisko odwiedzić tylko raz, mając dane odle
głości pomiędzy legowiskami (czas przejazdu w minutach):
Tablica 207
];7; r :i' II : ni IV
I 12 5 2 6
II 3 7 3 3
III 1 1 5 7
IV 12 12 4 14
P roblem 4. Komunikacja pomiędzy legowiskami kiślików

Legowisko każdego z typów zajmuje jedną strefę. I tak w pierwszej strefie
znajdują się dwa legowiska I-szego typu (nr 1 i 2), w drugiej strefie znajdują się
trzy legowiska Ii-go typu (nr 3,4 oraz 5), w trzeciej strefie znajdują się trzy lego
wiska Iii-go typu (nr 6,7 oraz 8) a w czwartej strefie mieści tylko jedno legowisko
(nr 9). Baza umiejscowiona jest w strefie „0”.
Odległości: d (baza-1) = 10; d(baza-2) = 6; d( 1, 3) = 6; d( 1, 4) = 9; d(2,3) = 8;
d(2, 4) = 6; d(2, 5) = 7; d(3, 6) = 3; d(3, 7) = 4; d(4, 6) = 7; d(4, 7) = 9; d{4, 8) = 4;
rf(5, 7) = 6; af(5, 8) = 5; d(6, 9) = 10; d(7, 9) - 12; ¿(8, 9) = 8.
W nagłych przypadkach John Kargul musi szybko dotrzeć z bazy do legowiska
nr 9. Którą z dróg powinien wybrać, odwiedzając po drodze po jednym legowi
sku w każdej ze stref?
Czasem John udaje się na długi spacer do legowiska nr „9”. Którą z dróg
powinien wtedy wybrać, odwiedzając jednak po jednym legowisku w każdej
ze stref?
P roblem 5. Ponownie wybór gatunku kiślików do hodowli

John Kargul jeszcze raz postanowił rozważyć problem wyboru gatunku
kiślików. W tym celu zlecił wykonanie badań rynku, które pozwoliły określić
jednostkowe zyski z hodowli kiślików ¿-tego gatunku w zależności od decyzji
konkurentów, którzy też mogą wprowadzić na rynek kiśliki identycznych gatun
ków (tabl. 208).
Na który z gatunków kiślików powinien się zdecydować John Kargul na pod
stawie następujących wyników badań?
Tablica 208
John\Konkurenci Gat. I Gat. II Gat. III
GI 2 4 6
G il 3 1 4
g iii 2 3 3
Problem należy rozwiązać przy użyciu wszystkich znanych sposobów-

-algorytmów.
P roblem 6. N owe przesłanki dla wyboru gatunku kiślików

W ostatniej chwili od znanego hodowcy kiślików nadeszły dane dotyczące
umieralności kiślików w zależności od czterech spodziewanych w Polsce stanów
pogody (S-susza, U-upal, M-mokro, W-wilgotno). Umieralność kiślików po
szczególnych gatunków w % podano w tabl. 209:
Tablica 209
John\Pogoda s llis S S i i i 1 l i i i W
GI 21 15 32 16
Gil 28 20 10 20
GUI 13 27 25 15
Podejmij decyzję o wyborze gatunku, mając na względzie:

a) jak najmniejszą przeciętną umieralność,
b) jak najmniejszą stratę w stosunku do najlepszej sytuacji,
c) podejście ze współczynnikiem ostrożności y=0,5.
188. Przygotowanie planu działania firmy (biznesplanu) firmy Zamex. Firma Zamex
spółka z o.o. zleciła firmie konsultingowej „NONAM E”, przygotowanie biz
nesplanu na najbliższe lata swej działalności. Pełniąc obowiązki prezesa firmy
„NONAM E”, należy zadbać o to, aby biznesplan został opracowany z należytą
starannością. W tym celu należy rozwiązać następujące problemy:
P roblem 1. O rganizacja prac związanych z przygotowaniem biznesplanu

Budowa planu działania firmy składa się z następujących czynności (w na
wiasach podano czasy trwania czynności w dniach):
a) weryfikacja pomysłu na funkcjonowanie firmy Zamex (12,13,14);
b) powołanie zespołu konsultantów (6);
c) postawienie diagnozy dotyczącej pozycji strategicznej firmy (8,12,16);
d) plan techniczny-założenia (3, 4,5);
e) plan marketingowy-założenia (2,5,8);
f) plan organizacyjny-założenia (4,5,6);
g) plan finansowy - założenia oraz dane wejściowe (3,5, 7);
h) przygotowanie sprawozdania z przepływu środków pieniężnych (3);
i) przygotowanie analizy wskaźnikowej (2);
j) przygotowanie oceny efektywności przedsięwzięcia (2);
k) analiza sprawozdania z przepływu środków pieniężnych (3);
l) ocena wyników analizy wskaźnikowej (4);
m) analiza oceny efektywności przedsięwzięcia (4);
n) uzgodnienia dotyczące opracowywanej wersji planu finansowego (2, 4, 6);
o) uzgodnienia dotyczące korekt opracowywanej wersji biznesplanu

(12,14,16);
p) poprawki do planu technicznego (2,3,4);
r) poprawki do planu marketingowego (3,5,7);
s) poprawki do planu organizacyjnego (4, 6, 8);
t) korekta planu finansowego (3,5, 7);
u) scalanie biznesplanu (4,5, 6);
w) bankiet połączony z przekazaniem biznesplanu zleceniodawcy (1);
y) wdrożenie (2,10,18).
Podaj: czas wykonania biznesplanu, przebieg ścieżki krytycznej, oraz praw
dopodobieństwo dotrzymania terminu przedsięwzięcia: 80 dni.
Rozwiązując powyższy problem, należy przyjąć następujące założenia:
• czynność „a” musi poprzedzać czynność „b”, która z kolei poprzedza
czynność „c”,
• czynności „d”, „e”, „f” oraz „g” można wykonywać równolegle, jednak po
zakończeniu czynności „c”,
• czynności „h”, „i” oraz „j” można wykonywać równolegle po zakończeniu
czynności „g”,
• czynność „k” można wykonać po zakończeniu czynności „h”, „1” po „i”
oraz „m” po „j”,
• czynność „n” można wykonać po zakończeniu czynności „k”, „1” oraz „m”,
• czynność „o” można wykonać dopiero po zakończeniu czynności „d”, „e”,
„f” oraz „n”,
• czynności „p”, „r”, „s” oraz „t” są wykonywane równolegle po zakończe
niu czynności „o”,
• czynność „u” następuje po zakończeniu czynności „p”, „r”, „s” oraz „t”,
ale przed „w”, która z kolei poprzedza czynność „y”.
P roblem 2. A sortyment produkcji

Problemem podstawowym, na jaki napotkają konsultanci będzie przygoto
wanie takiego asortymentu produkcji, który zapewni maksymalny zysk netto.
Spółka Zamex zamierza bowiem produkować dwa wyroby: W1 oraz W2, prze
znaczone na różne segmenty rynku.
Asortyment produkcji należy zaplanować jednorazowo na najbliższe pięć lat
działania firmy, biorąc pod uwagę, że:
a) zdolność produkcyjna firmy wynosi 800 szt. dla obu wyrobów łącznie;
b) spodziewany poziom popytu należy traktować jako górne ograniczenie
(oszacowany w planie marketingowym);
c) dotychczas zawarte kontrakty gwarantują zamówienia na poziomie 100
szt. na każdy z wyrobów,
d) jednostkowy całkowity koszt produkcji wynosi 150 zł. dla każdego
z produktów.
P roblem 3. Plan marketingowy - szacunek popytu

Poziom popytu na wyrób W1 zależy w dużym stopniu od pogody. Szacując
jego poziom, należy kierować się minimalizacją straty w stosunku do najlepszej
sytuacji, mając dane:
a) cena wyrobu wynosi 200 zl;
b) w zależności od pogody popyt może wynieść: 2000 szt., 4000 szt., 6000
szt., 8000 szt.,
c) należy ograniczyć strategie firmy do czterech powyższych poziomów
popytu,
d) niesprzedany wyrób ulega likwidacji;
e) jednostkowy koszt produkcji szacowany jest na 150 zl.,
f) jednostkowy koszt likwidacji wynosi 10 zł.,
g) prawdopodobieństwo wystąpienia wszystkich stanów natury jest iden
tyczne.
Poziom popytu na wyrób W2 zależy w dużym stopniu od strategii firmy sl,
s2, s3 oraz działań konkurentów (x1,x 2,x 3,x 4). Strategie firmy określone są przez
cenę oraz spodziewany popyt [s(cena, popyt)]. Określ cenę oraz popyt zapew
niające maksymalny udział w rynku. W tab. 210 podano udział w rynku w zależ
ności od strategii firmy oraz działań konkurentów.
Tablica 210
W g tŹ ' xs x4
s1(300,200) 52 30 44 30
s2(250,400) 55 34 28 28
s3(180,600) 54 70 52 52
P roblem 4. P lan marketingowy - kampania reklamowa

Utrzymanie kosztów produkcji na zaplanowanym poziomie zależy od opty
malnego zaprojektowania kampanii reklamowej. W tabl. 211 podano wzrost
udziału w rynku w zależności od poziomu nakładów na reklamę w każdym
z czterech mediów.
Tablica 211
Medla/naklady 1000 2000 3000 4000 5000 6000 7000
Medium 1 0 10% 15% 20% 25% 30% 35% 40%
Medium 2 0 20% 20% 20% 20% 20% 20% 50%
Medium 3 0 10% 10% 30% 40% 50% 50% 55%
Medium 4 0 10% 10% 20% 20% 25% 25% 40%
Należy zaprojektować kampanię reklamową, zapewniającą maksymalny

wzrost udziału w rynku, mając do dyspozycji 7000 tys. zł. na wszystkie media.
322 9. Zastosowanie badart operacyjnych w
P roblem 5. Plan techniczny - koszty produkcji

Utrzymanie kosztów zmiennych produkcji na odpowiednim poziomie wy
maga zoptymalizowania kosztów wytworzeni dwóch rodzajów półfabrykatów:
PF1 oraz PF2, które powstają przy zastosowaniu jednego z trzech procesów
technologicznych PTI, PT2 oraz PT3. Należy wyprodukować przynajmniej 600
PF1 oraz 900 PF2 przy minimalnym odpadzie surowców. Liczbę prefabrykatów
przy jednokrotnym zastosowania procesu technologicznego oraz odpad podano
w tabl. 212:
Tablica 212
: # PTI ' PT3
PF1 6 4 3
PF2 0 4 6
Odpad 0,6 1,6 1,2
Problem należy rozwiązać, stosując i interpretując program dualny. Czy

opłaca się wprowadzić czwarty proces technologiczny, dający 7 PF1 oraz 1 PF2
przy odpadzie 0,9.
189. Optymalizacja działania firmy Terra produkującej płyty CD oraz DVD.

Miarą powodzenia firmy Terra, produkującej dyski CD oraz DVD, przezna
czone do wielokrotnego zapisu, jest zysk netto, wypracowany w ciągu roku.
Zoptymalizowanie funkcjonowania firmy Terra wymaga rozwiązania poniższych
problemów.
P roblem 1. O szacowanie rocznego zysku brutto (tabl. 213).
Tablica 213
A. Przychód ze sprzedaży A1 + A2
A l. Płyty CD poziom sprzedaży xcena
A2. Płyty DVD poziom sprzedaży x cena
B. Koszty zmienne B1+ ... +B6
BI. Materiały na CD rozwiązanie podproblemu
B2. Robocizna CD 4 zł na jednostkę
B3. Energia CD rozwiązanie podproblemu
B4. Materiały na DVD rozwiązanie podproblemu
B5. Robocizna DVD 4 zł na jednostkę
B6. Energia DVD rozwiązanie podproblemu
C. Marża brutto A -B
Cl. Marża brutto CD A 1 -B 1 -B 2 -B 3
C2. Marża brutto DVD A 2 -B 4 -B 5 -B 6
9.3. Zastosowanie badań operacyjnych w poszczególnych fazach konstrukcji biznespianu 323
Tablica 213 cd.
D. Koszty stale D 1+ ... +D 5

D l. Amortyzacja 0.2x10 000 000
D2. Czynsze 50000
D3. Zarząd 300 000
D4. Reklama 100 000
D5. Koszty finansowe 0.2x 5 000 000
E. Zysk brutto C -D
E Podatek dochodowy 0.38 XE
G. Zysk netto E -F
Sprzedaż na poziomie optymalnej produkcji, rok ma 300 dni roboczych.
P roblem 2. Wybór dostawcy urządzeń do produkcji CD oraz DVD.

W grę wchodzi wybór jednego z trzech dostawców. Upust cenowy zależy jed
nak od tego, czy zamówienia złożą również konkurenci, oznaczeni jako B oraz C.
Upusty cenowe - w min zł, w zależności od decyzji firm Terra, B oraz C podano
w tabl. 214 i 215.

""W B
Terra B. b2
iMI C
T e r r a \^
V c, ;; C2 c3
A, -2 7 6 Ai -3 1 2
a2 3 2 -3 ^2 2 -5 1
A3 4 3 -2 a3 1 -7 -2
Która z powyższych sytuacji jest najkorzystniejsza dla firmy Terra z punktu

widzenia wielkości upustu?
P roblem 3. P rzydział pracowników do zadań

D o produkcji CD oraz DVD firma musi zatrudnić czterech pracowników,
do: przygotowania surowców (1), nadzoru metalizacji (2), nadzoru drukowania
etykiet (3) oraz kontroli jakości(4). Po przeprowadzeniu testów oszacowano śred
ni czas w minutach, jaki zajmuje wykonanie poszczególnych czynności każdemu
z pracowników (tabl. 216).
Tablica 216
Czas niezbędny przy wykonywaniu czynności
Pracownicy
Ai M S i! 4
1 840 960 480 720
2 960 840 600 720
3 840 1080 600 840
4 720 960 720 960
3 24 9. Zastosowanie badań operacyjnych w konstrukcji biznespianu
Zakładając specjalizację oznaczającą, że każdy z pracowników będzie wy

konywać tylko jedną czynność, określ optymalny z punktu widzenia minima
lizacji łącznego czasu przydział pracowników do wykonywania poszczególnych
czynności.
P roblem 4. P roblem wyboru asortymentu

Firma „TERRA” może produkować cztery wyroby: CD nagrane, DVD
nagrane, CD nienagrane, D V D nienagrane. Dwa spośród trzech środków
używanych w procesie produkcji są limitowane. Limity te wynoszą: materiały
- 90 000 j., energia - 120 000 j. Jednostkowe nakłady zawarto w tabl. 217.
Tablica 217
produkcji CD nagrane DVDnagrane CD nienagrane DVDnienagrane
materiały 4 8 6 24
energia 8 8 6 16
Marża brutto osiągana na jednostce produkcji kształtuje się odpowiednio:

16, 24, 12 oraz 48 zł. Należy podać optymalne rozmiary produkcji poszczegól
nych wyrobów, biorąc pod uwagę marżę brutto. Uwaga - dane dotyczą jedno
dniowej produkcji.
P roblem 5. O ptymalizacja transportu wewnątrzzakładowego surowców

oraz produktów gotowych
Firma „TERRA” powinna zoptymalizować transport materiałów do pro
dukcji oraz gotowych wyrobów pomiędzy sześcioma stanowiskami. W tabł. 218
podano odległości pomiędzy sześcioma stanowiskami (w minutach) oraz przy
wóz surowców i wywóz wyrobów, wyrażony liczbą wózków akumulatorowych.
Tablica 218
Stanowisko l i i i 3 4 5: || 1 6 Wywóz
1 0 15 5 50 45 20 10
2 0 20 40 25 33 15
3 0 10 15 20 15
4 0 60 45 15
5 0 24 12
6 0 8
Przywóz 17 25 2 11 8 12 75
Zbuduj model matematyczny przebiegu wózków akumulatorowych.

Podejmowanie decyzji na rynku kapitałowym
10.1. Wprowadzenie
Rynek kapitałowy obejmuje obrót papierami wartościowymi, takimi jak: akcje, obliga
cje oraz fundusze inwestycyjne. Najogólniej rzecz biorąc rynek kapitałowy jest powią
zany z inwestycjami oraz inwestorami. Inwestorzy, czyli podmioty dokonujące zakupu
papierów wartościowych są zainteresowani osiągnięciem możliwie wysokiego zysku
w wyniku sprzedaży swych walorów po upływie pewnego czasu. Jak z tego wynika pro
ces inwestowania zachodzi w czasie. Rozumując dalej, inwestor ma za zadanie wybrać
odpowiedni moment zakupu akcji (przy możliwie niskiej cenie) oraz sprzedać walor,
gdy jego cena jest wysoka. Wtedy osiąga satysfakcjonujący zysk. Decyzje te łączą się
z ryzykiem, gdyż trudno przewidzieć wszystkie oddziaływania czynników wpływają
cych na ceny akcji. Możliwa jest również sytuacja, w której inwestor przez długi okres
czasu jest „pod kreską”, co oznacza stratę przy podjęciu decyzji sprzedaży. Zatem
inwestowanie jest działalnością związaną ze stosunkowo wysokim stopniem niepew
ności a więc ryzykiem. Właściwie dokonana analiza rynku kapitałowego może wydat
nie zmniejszyć ryzyko inwestowania.
Przedstawione w tym rozdziale metody mają na celu wspomaganie decyzji inwe
storów. Wynik, jaki inwestor odnotuje w rezultacie zakupu i odsprzedaży walorów
(obrotu papierami) musi zawsze porównywać z zyskiem osiąganym na skutek zadys
ponowania tej samej kwoty na lokatę bankową. Inwestowanie w papiery wartościo
we tylko wtedy jest sensowne, jeśli rokuje zysk na odpowiednio wysokim poziomie
w porównaniu do zysku zrealizowanego na drodze lokowania środków pieniężnych
w banku.
10.2. Podstawowe kategorie związane z obrotem pieniądza

Operacje finansowe będące osnową naszych rozważań dotyczą instytucji finansowych
(banków) i ich klientów to jest osób fizycznych oraz prawnych. Przedmiotem tych
operacji jest pieniądz w postaci lokat kapitałów powierzonych bankowi lub pożyczek
(kredytów) udzielanych przez bank swoim klientom. Pożyczkobiorca za korzystanie
10. Podejmowanie decyzji na rynku kapitałowym
ze środków pieniężnych płaci (bank depozytariuszom lub klient bankowi za udzielony

kredyt). Zaplata z tytułu pożyczonego kapitału nosi nazwę odsetek. Odsetki stano
wią różnicę między kwotą zwrotu wierzycielowi a kwotą pobraną tytułem pożyczki.
Pożyczka z mocy umowy, jest udzielana na określony czas, w którym pożyczkobiorca
korzysta z pożyczonych pieniędzy. Po upływie określonego w umowie okresu czasu
pożyczający winien zwrócić pobraną kwotę plus odsetki za użyczenie pieniędzy.
Wysokość odsetek zależy od kilku czynników, do najważniejszych należą:
• wysokość lokaty (kredytu),
• stopa procentowa,
• czas trwania lokaty (kredytu),
• forma naliczania odsetek.
Przyjęto następujące oznaczenia wymienionych kategorii ekonomicznych:
CQ- wartość początkowa użyczonego kapitału w okresie t = 0,
C„ - wartość końcowa (przyszła) użyczonego kapitału w okresie t = n,
t - zmienna czasowa przyjmująca wartość t = 0 ,1 ,..., n (czas trwania lokaty lub
kredytu w latach),
Z n - wartość odsetek naliczonych za cały okres trwania pożyczki,
r - stopa procentowa w skali rocznej,
R n - stopa procentowa za cały okres trwania pożyczki.
Kwota odsetek od kapitału początkowego, będącego przedmiotem lokaty bądź
kredytu stanowi różnicę zapisaną następująco:
z„ =c„-c0, (1)
zaś stopę procentową obowiązującą w danym okresie trwania lokaty (kredytu) okre
śla iloraz:
K =^ (2)
Z relacji (2) wynika, że kwotę odsetek można obliczyć następująco:
■ K C 0- (3)
Biorąc pod uwagę wzory (1) i (3), przyszłą wartość kapitału pożyczonego
otrzymujemy:
Cn = C0( l + R n). (4)
Roczną stopę procentową określa wzór:
(5)
stąd
R„ = rn. (6)
Kwotę odsetek od wypożyczonego kapitału w okresie t = 0, gdy pożyczka trwa do
okresu t = n, można obliczyć następująco:
10.2. Podstawowe kategorie związane z obrotem pieniądza .;3%;
Przyszłą wartość lokaty (kredytu), uwzględniając (4) i (6) określa wzór:
Cn = C0( l + r n). (8)
Przykład 47. Klient ulokował w banku kwotę 24 000 zł na 2 lata przy stałej stopie
procentowej 6%. Bank stosuje sposób naliczania odsetek dany wzorem (7). Należy:
a) obliczyć przyszłą kwotę, jaką bank wypłaci swemu klientowi,
b) obliczyć kwotę odsetek,
c) obliczyć wysokość całkowitej stopy procentowej.
R o z w i ą z a n i e . Celem obliczenia przyszłej wartości założonej lokaty należy
wykorzystać wzór (8). Dane zawarte w przykładzie można zapisać następująco:
C0 = 24 000, r = 0,06, n = 2.
W wyniku zastosowania (8) otrzymujemy:
C2 = 24 000(1 + 0,06 •2) = 24 000 • 1,12 = 26 880.
Wartość odsetek obliczamy, wykorzystując wzór (7) lub (1):
Z2 = 24 000 0,06- 2 = 2880

lub
Z2 = 26 8 8 0 - 2 4 000 = 2880.
Całkowitą stopę procentową można obliczyć ze wzoru (6):
R 2 = 0,06-2 = 0,12.
Zatem całkowita wysokość stopy procentowej w omawianym przypadku wynosi

12%, jest to bowiem udział wypłaconych klientowi odsetek w kwocie przez niego zde
ponowanej na dwa lata [ zob. (2)].
Przykład 48. Założono w banku lokatę w wysokości 20 000 zł na 3 lata. Po 3 la

tach bank wypłacił klientowi 24 200 zł. Bank nalicza odsetki wg wzoru (7). Należy
odpowiedzieć na następujące pytania:
a) ile wynoszą odsetki za cały okres depozytu,
b) jaka jest wysokość całkowitej stopy procentowej,
c) jaka jest wysokość rocznej stopy procentowej?
R o z w i ą z a n i e . Dane:
CQ= 20 000, C3 = 24 200, n = 3.
Odsetki za 3 lata obliczone wg wzoru (1) wynoszą:
Z3 = 24 200 - 20 000 = 4200.

328 10. Podejmowanie decyzji na rynku kapitałowym
Wartość całkowitej stopy procentowej otrzymujemy przy zastosowaniu wzoru (2):
4200
*3 = = 0,2 1 ,
20 000
Zatem wysokość całkowitej stopy procentowej w tym przypadku wynosi 21%.
Wysokość całkowitej stopy procentowej podzielona przez liczbę łat depozytu daje
roczną stopę procentową, która osiąga poziom 7%.
Przykład 49. Klient zaciągnął kredyt w banku na 4 lata przy stałej stopie procen
towej wynoszącej 15,5%. Po upływie 4 lat ma zwrócić bankowi kwotę 77 760 zł. Ile pie
niędzy klient pożyczył w banku? Określ wysokość całkowitej stopy procentowej. Bank
nalicza odsetki wg wzoru (7).
C4 = 77 760, r = 0,155, n = 4.
Przekształcając wzór (8), otrzymujemy:
Cn
l+m ’
>
(9 )
a po podstawieniu danych do wzoru (9) uzyskujemy wartość zaciągniętego kredytu:
77 760
48 000.
1 + 0,155-4
Klient zaciągnął kredyt w wysokości 48 000 zł.

Podstawiając odpowiednie dane do wzoru (6), otrzymujemy całkowitą wartość
stopy procentowej po 4 latach:
R4 = 0,155-4 = 0,62.
Zatem udział odsetek w wysokości kredytu kształtuje się na poziomie 62%.
Przykład 50. Klient wpłacił 2000 zł na lokatę do banku, w którym roczna stopa
procentowa od depozytów ponad 3 letnich wynosi 10%. Po jakim czasie podwoi kapi
tał? Bank stosuje naliczanie odsetek wg wzoru (7).
Ca = 2000, r = 0,10.
Podwojenie kapitału oznacza, że Cn = 2Ca. Uwzględniając (8), otrzymujemy:
2C0 = C0(l + r-n).

r
10.2. Podstawowe kategorie związane z obrotem pieniądza 329
Z ostatniego związku można wyprowadzić, że:
( 10)
Związek (10) oznacza, że podwojenie kapitału zależy tylko od rocznej stopy pro
centowej, zaś czas potrzebny na podwojenie kapitału zdeponowanego stanowi jej
odwrotność. Po odpowiednim podstawieniu do wzoru (10) otrzymujemy:
Zatem podwojenie kapitału klienta z 2000 zł do 4000 zł może nastąpić po

10 latach.
Odpowiedź na pytanie, po ilu latach można powiększyć swój kapitał / - krotnie
(kapitał ulokowany w banku), uzyskamy stosując wzór:
l-l
( 11)
Formułę tę wyprowadza się podobnie jak wzór (10) - zob. T. Przybysz

([75], s. 91).
Przykład 51. Klient zobowiązał się wobec banku, że pozostawi swój wkład w wy
sokości 100 000 zł co najmniej 10 lat i uzyskał w drodze negocjacji oprocentowanie
roczne r = 16%. Za ile lat potroi swój kapitał?
Co = 100 000, r = 0,16, 1 = 3.
Stosując wzór (11), otrzymujemy:
Zatem klient uzyska potrojenie swego wkładu po 12 i pół latach niepodejmowania

kapitału z banku.
Przykład 52. Pewien klient założył w banku lokatę kapitałową na 4 lata, wie
dząc, że po tym okresie bank wypłaci mu 30 000 zł. Wynegocjowana stopa procen
towa wynosiła 6,25%. Jaką kwotę klient zdeponował w banku? Bank nalicza odsetki
wg wzoru (7).
C„ = 30 000 , r = 0,0625, n = 4.
Zdyskontowaną wartość kwoty 30 000 zł na 4 lata wstecz obliczamy, stosując

wzór (9). W wyniku obliczeń otrzymujemy:
30 000
C„ = 24 000.
1 + 0,0625-4
Kwota 24 000 zł przy stopie rocznej 6,25% zostanie powiększona po 4 latach do

sumy 30 000 zl, zatem odsetki klienta wyniosą 6000 zl.
10.3. Dyskonto proste, składane i ciągłe

Wyznaczenie wartości początkowej kapitału C0 na podstawie wartości przyszłej Cn
nazywamy dyskontowaniem kapitału C„ (por. [75] s. 89). We wszystkich operacjach
finansowych musimy brać pod uwagę ścisły związek zachodzący między kapitałem
i czasem.
Dyskonto proste odróżnia od innych jego form to, że odsetki od lokat lub kre
dytów nalicza się tylko raz na cały okres bez względu na to, ile wynosi okres trwania
lokaty czy też kredytu. Dyskonto proste nie jest korzystne dla pożyczkodawcy a więc
dla osoby oddającej pewną kwotę do dyspozycji banku jako swą lokatę lub dla banku
udzielającego kredytu. Przyczyna tego stanu rzeczy tkwi w tym, że pożyczkobiorca
płaci tylko raz naliczone odsetki od całej kwoty niezależnie jak długo trwa depozyt.
Tymczasem okres trwania pożyczki można podzielić na podokresy (np. okres wielo
letni można podzielić na lata, okres zaś roku można dzielić na półrocza, kwartały,
miesiące i wreszcie dni - w praktyce bankowej przyjmuje się, że rok ma 360 dni) i po
każdym z podokresów dopisywać odsetki do powierzonego kapitału. Proces dopisywa
nia odsetek do kwoty kapitału nosi nazwę kapitalizowania odsetek, zaś sposób opro
centowania lokaty (kredytu) nazywany jest procentem składanym i również w tym
sensie mówi się o dyskoncie składanym.
Jeśli lokata lub kredyt w wysokości C0 są udzielane na n lat i kapitalizacja odse
tek zgodnie z przyjętą stopą procentową r jest realizowana po upływie każdego roku,
wówczas kapitał przyszły po upływie n lat oblicza się wg wzoru:
CB= C0( l + r)». (12)
Kolejne zagadnienie sprowadza się do odpowiedzi na pytanie, po jakim czasie na

stąpi podwojenie kapitału początkowego C0 przy stopie rocznej wynoszącej r oraz co
rocznym kapitalizowaniu odsetek (dyskonto składane). Postulat podwojenia kapitału
zapisujemy równaniem:
C„ = 2C0. (13)
Korzystając z (12), otrzymujemy:
C0( l + r)n = 2C 0. (14)

10.3. Dyskonto proste, składane i ciągle: 331
Po kolejnym przekształceniu mamy:
( l + r)" = 2. (15)
Po zlogarytmowaniu stronami równania (15) otrzymujemy wzór na n, czyli czas

trwania lokaty aż do jej podwojenia:
ln 2
(16)
ln (l + r)
Rozważmy przypadek gdy lokata lub kredyt w wysokości C0 są udzielane na n

lat, ale kapitalizacja odsetek przy stopie procentowej - r jest realizowana po każdym
z w podokresów, na który podzielono okresy roczne (półrocza, kwartały miesiące lub
dni). Wtedy kapitał przyszły Cn oblicza się z następującej formy:
/ \m n
Cn = C 0 1+ ^ • (17)
Wreszcie można sobie wyobrazić sytuację, w której odsetki są dopisywa

ne, powiększając powierzony kapitał, w sposób ciągły - zgodnie z upływem czasu.
Przypomnijmy, że w badaniach statystycznych czas jest przyjmowany jako zmienna
ciągła. Zatem kapitał przyszły Cn, wypłacany wierzycielowi, jest obliczany w sposób
następujący:
Cn = C0e"\ (18)
gdzie wszystkie oznaczenia pozostają bez zmian, zaś e jest liczbą Eulera. Wartości cią
głej funkcji ern są stablicowane i można przy obliczeniach korzystać z odpowiednich
tablic.
Podobnie jest w przypadku dyskonta składanego, interesuje nas, jaki okres cza
su jest potrzebny do podwojenia kapitału CQ przy zastosowaniu dyskonta ciągłego
z roczną stopą procentową - r. W tej sytuacji zachodzi równanie: Cn = 2C0. Zastępując
symbol Cn prawą stroną równania (18), otrzymujemy:
C0ern = 2C0, C0 * 0, (19)
Zatem:
ern —2. (20)
Po zlogarytmowaniu obu stron logarytmem naturalnym wyprowadzamy wzór

pozwalający obliczyć n, czyli ustalić okres potrzebny na podwojenie kapitału począt
kowego z zastosowaniem formy dyskonta ciągłego:
( 21)
Ilustracją tezy, że dyskonto stałe jest mniej korzystne od składanego dla klienta
powierzającego swój kapitał bankowi, jest przykład 53.
3 32 10. Podejmowanie decyzji na rynku kapitałowym:
Przykład 53. Klient swe oszczędności w kwocie 60 000 zł chce powierzyć banko
wi w formie lokaty na 8 lat. Ze względu na stosunkowo znaczną wartość lokaty wyne
gocjował z bankiem oprocentowanie w wysokości 7,5%. Przy podpisywaniu umowy
z bankiem musi podjąć decyzję, którą z form naliczania odsetek wybrać - dyskonto
proste czy składane (odsetki dopisywane są po upływie każdego roku).
Należy:
a) podpowiedzieć klientowi, która z decyzji będzie dla niego korzystniejsza -
wywód należy uzasadnić odpowiednim rachunkiem,
b) wyliczyć, ile wyniesie całkowita stopa procentowa w obu rozważanych opcjach,
c) powiedzieć klientowi, po jakim czasie nastąpi podwojenie zdeponowanego
kapitału w przypadku dyskonta prostego oraz składanego.
C0 = 60 000, n = 8, r = 0,075.
Stosując oprocentowanie proste (jednorazowe), klient po upływie 8 lat będzie

mógł odebrać kwotę obliczoną wg wzoru (4)
C8 = 60 000(1 + 0,075 •8) = 96 000 zł.
Wybierając drugą z opcji, to jest oprocentowanie składane - dopisywane po upły

wie każdego roku - wysokość kwoty przyszłego kapitału można otrzymać, stosując
wzór (12):
C8 = 60 000(l + 0,075)8 « 107 008,67 zł.
Porównanie obu kwot uzyskiwanych po ośmiu latach trwania lokaty pozwala za
uważyć, że druga opcja jest znacznie bardziej korzystna dla klienta. Różnica między
obu opcjami wyraża się kwotą 11 008,67 zł. Zatem klient, podpisując umowę z ban
kiem powinien wybrać formę oprocentowania składanego.
Tak podjętą decyzję potwierdzają również całkowite stopy procentowe obliczone
wg wzoru (2):
36 000
- dla opcji pierwszejR 8 = ^ qqqq = 0,6; Zg = 36 000 zł.
- dla opcji drugiej Ro = 47008,67 » 0,783; Z8 = 47 008,67 zł.

f j 6 J 8 60 000 8
Wybierając pierwszą opcję, klient powiększy swój kapitał o 60%, zaś przyjmując
drugą opcję zwiększy swój kapitał aż o 78,3%.
Celem udzielenia odpowiedzi na pytanie, po jakim czasie klient podwoi swój
kapitał, stosując formę dyskonta prostego, wykorzystano wzór (10):
1
13,(3).
0,075
10.3. Dyskonto proste, składane i ciągte 333
Stąd wiemy, że klient powiększy swój kapitał dwukrotnie po 13 latach i czterech

miesiącach.
Przy zastosowaniu formy dyskonta składanego czas podwojenia kapitału oblicza
my, stosując wzór (16):
ln 2 0,6931
•9,58.
ln(l + 0,075) 0,0722
Wynik ten oznacza, że w przypadku wykorzystania dyskonta składanego klient

podwoi swój wkład za 9 lat i około 7 miesięcy. Porównanie obu wyników pokazuje
jednoznacznie, że wybór oprocentowania składanego z każdorocznym dopisywaniem
odsetek do kapitału jest dla klienta wyborem optymalnym.
W przykładzie 53 omówiono sytuację, w której bank, stosując kapitalizację rocz
ną wypłacił klientowi znacznie więcej niż przy kapitalizacji prostej. Powstaje pytanie,
czy dalsze zmniejszenie okresów bazowych (okresów, po których nalicza się odsetki)
jest korzystne dla klienta (depozytariusza) oraz czy różnice te są istotne. Dzieląc okres
roczny na m podokresów, możliwe są następujące sytuacje:
m - 2 - okresem bazowym jest półrocze, zaś półroczna stopa procentowa r2 = —,
m = 4 - okresem bazowym jest kwartał, zaś kwartalna stopa procentowa r4 = —,
m = 12 - okresem bazowym jest miesiąc, zaś miesięczna stopa procentowa r12 =

12 ’
m = 360 - okresem bazowym jest dzień, zaś dzienna stopa procentowa rm =

360
Przyszłą wartość kapitału ~ Cn po n latach dzielonych na m okresów bazowych

(ich liczba wynosi wtedy mn) określa wzór (17). Wartość zaś kapitału w okresie począt
kowym Ca, gdy znamy wartość przyszłą - Cn, otrzymuje się z wzoru:
C„
( 22)
1+ -
m
Okres podwojenia kapitału C0 w latach oblicza się wg formuły:
ln2
n=- (23)
mln 1 +
m
i
Okres podwojenia kapitału można również wyrazić liczbą okresów bazowych

w n latach, wówczas przekształcenie wzoru (23) otrzymujemy:
ln 2
mn = (24)
ln 1+
Stosując kapitalizację ciągłą, przyszłą wartość kapitału - Cn otrzymujemy z wzoru

(18). Aby zaś otrzymać wartość kapitału początkowego - C0, mając wartość przyszłą
kapitału - C„ po upływie n łat, przekształcić należy wzór (18). Zastosowanie zasady
dyskonta ciągłego sprowadza się do formuły:
C0 = C „ e - (25)
Podwojenie kapitału Ca przy dyskoncie ciągłym następuje po okresie n wyliczo

nym z wzoru:
ln2
(26)
r
Powiększenie kapitału początkowego /-krotnie przy zastosowaniu zasady dyskonta

ciągłego nastąpi po n latach, okres ten wylicza się, stosując wzór:
(27)
Możliwość obserwowania dynamiki wzrostu przyszłego kapitału - Cn przy kolej

nych zmianach okresów bazowych dla lokat i kredytów stwarza zapoznanie się z wyni
kami obliczeń zawartymi w przykładzie 54.
Przykład 54. Obliczyć wysokość kwoty, jaką otrzyma klient po złożeniu w banku
50 000 zł na 4-letnią lokatę z roczną stopą dyskontową wynoszącą 6% przy następują
cych formach naliczania odsetek:
a) dyskonto proste,
b) dyskonto składane z rocznym okresem bazowym (m = 1),
c) dyskonto składane z półrocznym okresem bazowym (m = 2),
d) dyskonto składane z kwartalnym okresem bazowym (m = 4),
e) dyskonto składane z miesięcznym okresem bazowym (m = 12),
f) dyskonto składane z dziennym (dobowym) okresem bazowym (m = 360),
g) dyskonto ciągłe.
C0 = 50 000; n = 4; r = 0,06; m = 1, 2, 4, 12, 360.

10.3. Dyskonto proste składane i ciągle 335
Rozliczając lokatę wg dyskonta prostego, stosujemy wzór (8):
C4 = 50 000(1+0,06 •4) = 50 000 • 1,24 = 62 000 zł.
Przyszła wartość kapitału (po upływie 4 lat) osiąga kwotę 62 000 zł, zaś łączna
wartość odsetek stanowiąca dochód klienta wynosi (C4- C0 = 12 000 zł). Zastosowanie
dyskonta składanego sprowadza się do wykorzystania wzoru (17) z różnymi wartościa
mi parametru m.
Przyjmując roczny okres bazowy (m = 1), otrzymamy:
C4 = 50 000(1 + 0,06)4 = 63 123,85 zł.
Zatem coroczna kapitalizacja odsetek poprawia wyraźnie dochód klienta z lokaty

powierzonej bankowi (C4- C0 = 13 123,85 zł).
Przyjmując półroczny okres bazowy naliczania odsetek ( m = 2), otrzymujemy:
C4 = 50 000 j^l + j = 50 000(1 + 0,03)8 = 63 338,50 zł.
Łączna wartość odsetek stanowiąca dochód klienta wynosi (C4- Ca = 13 338,50 zł).
Przyjmując kwartalny okres bazowy naliczania odsetek (m = 4), otrzymujemy:
C4 = 50 000 i 1+ ^ P ] = 50 000(1+ 0,015)16 * 63 449,28 zł.
Łączna wartość odsetek stanowiąca dochód klienta wynosi (C4- CQ~ 13 449,28 zł).
Przyjmując miesięczny okres bazowy naliczania odsetek (m = 12), otrzymujemy:
,4 1 2
0,06
G = 50 000 1 + = 50 000(1 + 0,005)48 » 63 524,46 zł.
12
Łączna wartość odsetek stanowiąca dochód klienta wynosi (C4- C0 ~ 13 524,46 zł).
Przyjmując dzienny dobowy okres bazowy naliczania odsetek (m = 360), otrzy
mujemy:
4 - 3 60
0,06
C, = 50 000 1 + I = 50 000(1 + 0,00016667)1440 - 63 561,22 zł.
V 360
Łączna wartość odsetek stanowiąca dochód klienta wynosi (C4- C0 ~ 13 561,22 zł).
Przyjmując zasadę naliczania odsetek w sposób ciągły (dyskonto ciągłe) dla otrzy
mania przyszłej wartości kapitału stosujemy wzór (18), i otrzymujemy:
C4 = 50 000 •e0’06'4 = 50 000 •e°>24 « 63 562,46 zł.
Łączna wartość odsetek stanowiąca dochód klienta wynosi (C4- C0 - 13 562,46 zł).
Śledząc zmiany wysokości odsetek wraz z ciągłym skracaniem okresu bazowego

(od 1 roku do 1 dnia), widzimy, że kwoty odsetek rosną, lecz wzrost ten jest coraz wol
niejszy. Różnica zaś wysokości odsetek przy dziennym okresie bazowym oraz dyskon
cie ciągłym jest znikomo mała i wynosi niewiele ponad złotówkę. Warto zauważyć, iż
różnica ta będzie wzrastać wraz ze wzrostem kapitału początkowego - C0. Omawiając
uzyskane wyniki, trzeba jeszcze raz podkreślić relatywnie dużą różnicę wysokości od
setek wypłacanych przy dyskoncie stałym oraz składanym.
Przykład 55. Bazując na danych z przykładu 8, ustal okres podwojenia kapitału

klienta przy wszystkich sposobach naliczania odsetek a więc w przypadku stosowania
dyskonta prostego, składanego (m = 1, 2, 4, 12 i 360) oraz ciągłego. Skomentuj otrzy
mane wyniki.
C0 = 50 000; r = 0,06; m = 1, 2, 4, 12 i 360.
W przypadku naliczania odsetek za pomocą dyskonta prostego, czas podwojenia

kapitału obliczamy, wykorzystując wzór (10):
« = —i— = 16,667,
0,06
co odpowiada 16 latom i 240 dniom.

W przypadku naliczania odsetek za pomocą dyskonta składanego, czas podwoje
nia kapitału wyznaczany ze wzoru (23).
Przyjmując roczny okres bazowy (m = 1), otrzymujemy:
ln 2 0,693147 „
n = — ------------ = ------------- ~ 11,896,
ln (l + 0,06) 0,058269
co oznacza, że podwojenie kapitału nastąpi po upływie około 12 lat.

Przyjmując półroczny okres bazowy (m = 2), otrzymujemy:
ln2 0,693147
H ln(l + 0,03) 0,0591176 ’ ’
co oznacza, że również w tym przypadku podwojenie kapitału nastąpi po około

12 latach.
Przyjmując kwartalny okres bazowy (m = 4), otrzymujemy:
ln2 0,693147
11,639,
ln(l + 0,0 1 5 )_ 0,059554
co oznacza, że podwojenie kapitału nastąpi po upływie 11 lat i 3-ch kwartałów.

r
10.3. Dyskonto proste, składane i ciągłe 337
Przyjmując miesięczny okres bazowy (m = 12), otrzymujemy:
ln 2 0,693147
n=- •11,581,
121n(l+ 0,005) 0,059850
co oznacza, że podwojenie kapitału nastąpi po upływie 11 lat i 7 miesięcy.

Przyjmując dzienny (dobowy) okres bazowy (m = 360), otrzymujemy:
ln 2 _____ _ 0,69314718
n= -11,553,
0,06^ ~ 0,05999500
360 ln 1 +
360
co oznacza, że podwojenie kapitału nastąpi po upływie 11 lat i 200 dni.

W przypadku naliczania odsetek za pomocą dyskonta ciągłego wykorzystano
wzór (21) i otrzymano:
ln2
-11,552,
006
co oznacza, że podwojenie kapitału nastąpi po upływie 11 lat i 199 dni.

Otrzymane wyniki potwierdzają tezę, że korzystnymi dla klienta opcjami są dys
konto składane lub ciągłe. Czas podwojenia kapitału przy tych formach naliczania
odsetek jest krótszy o co najmniej 4 lata w porównaniu z dyskontem prostym. Rzecz
jasna najkorzystniejszymi formami oprocentowania są dyskonta ciągłe lub składane
z dobowym okresem bazowym (m = 360). Różnica w czasie zwrotu między wymie
nionymi opcjami jest minimalna i wynosi zaledwie 1 dzień. Różnica ta może się po
większyć przy wielokrotnym wzroście kapitału Ca, np. z 50 000 zł do 500 000 zł lub
5 000 000 zł.
Może się zdarzyć, że w czasie trwania lokaty ulegnie zmianie stopa procentowa
raz lub więcej razy. Przy dwukrotnych zmianach oraz rocznej kapitalizacji odsetek
(dyskonto składane) kapitał przyszły po n latach trwania lokaty obliczany z wzoru:
Cn =C c ( 1 + r i f 1 .( i + r2r - ( l + r3)n\ (28)
gdzie: nx+ n2+ n3 = n, oraz:

rv - roczna stopa dyskontowa obowiązująca przez pierwsze n i lat,
r2 - roczna stopa dyskontowa obowiązująca przez następne n2 lat,
r3 - roczna stopa dyskontowa obowiązująca przez kolejne n3lat.
Przykład 56. Klient złożył w banku lokatę w wysokości 10 000 zt na 8 lat przy dys
koncie składanym, rocznym (m = 1). Przez pierwsze dwa lata trwania lokaty obowią
zywała stopa procentowa 4%, przez następne 3 lata obowiązywała stopa 5%, zaś przez
| kolejne 3 lata obowiązującą stopą było 6%. Wyznacz przyszłą wartość kapitału, jaką
| klient otrzyma po 8 latach trwania lokaty. Oblicz przeciętną roczną stopę dyskontową.
3 38 10. Podejmowanie decyzji na rynku kapitałowym
Co = 10 000zł; n1 = 2; n2 = 3; n3 = 3; rx = 0,04; r2 = 0,05; r3 = 0,06.
Celem wyznaczenia przyszłej wartości kapitału - C8 wykorzystujemy wzór (28):
C8 - 1 0 000(1 + 0,04)2 ■(1 + 0,05)3 • (1 + 0,06)3 - 14 912,56.
Średnioroczna stopa procentowa jest średnią ważoną stóp poszczególnych

okresów:
7 = r \ n i + r2n 2 + r i n z
n1+ n 2 + n 3
Wykorzystując wzór (29), otrzymujemy:
2-0,04 + 3-0,05 + 3-0,06 _ 0,41

0,05125.
2+3+3 “ 8
Średnioroczna stopa dyskontowa wynosi 5,125%.

Kolejnym zagadnieniem, jakie może się pojawić przy rozważaniach nad dynamiką
kapitału jest pytanie, po jakim czasie (liczbie okresów bazowych - m n ) wartość po
czątkowa kapitału C0 wzrośnie do wysokości Cn przy określonej rocznej stopie dyskon
towej - r oraz przy założeniu stosowania dyskonta składanego. Dla rozwiązania tego
problemu sięgamy do wzoru (17). Logarytmując stronami równanie dane zapisem (17),
otrzymujemy:
In Cn = ln C0+ m-n l n ( l + — J. (30)
Zatem liczba okresów bazowych, po których kapitał początkowy C0 osiągnie po

ziom Cn wynosi:
mn - (31)
ln 1 + -
m
Przykład 57. Założono lokatę w wysokości 5000 zł. Po jakim czasie lokata osią
gnie poziom 8000 zł. Roczna stopa procentowa wynosi 7,2%, okres bazowy to jeden
miesiąc (m = 12).
Ca = 5000 zł, C„ = 8000 zł, r = 0,072, m = 12.
Celem uzyskania liczby okresów bazowych (mn), po których kapitał początkowy

zwiększył się do poziomu 8000 zł, wykorzystujemy wzór (31):
10.3. Dyskonto proste, składane i ciągle 339
8000
ln
‘5000 0,47000363
mn = = 78,569,
0,072 0,03493889
ln 1 +
12
co oznacza, że oczekiwane powiększenie kapitału nastąpi dokładnie po 6 latach,

6 miesiącach i 17 dniach. Ze względu jednak na fakt, że dopisywanie odsetek nastę
puje po upływie każdego miesiąca to wynik ten należy zaokrąglić do 6 lat i 7 miesięcy.
Kolejne zagadnienie związane z zarządzaniem kapitałem sprowadza się do kwe
stii, jakiej wysokości kapitał C0 należy zainwestować (ulokować) oby po n latach oraz
przy założeniu stałej rocznej stopy procentowej r otrzymać kwotę C„? Celem udziele
nia odpowiedzi na tak postawione pytanie przekształcono wzór (12), otrzymując:
C0 = (32)
(1 + r)n
Wzór (32) jest szczególnym przypadkiem wzoru (22) przy założeniu, że m = 1.

Oznacza to, że przyjęto roczny sposób dopisywania odsetek. Na to samo pytanie, ale
przy założeniu, że kapitalizacja odsetek następuje po krótszym niż rok odcinkach cza
sowych (m > 1), znajdujemy odpowiedź, stosując wzór (22). Operację przeprowadzoną
za pomocą wzoru (32) i (22) określamy mianem dyskontowania kwoty Cn, mając na
celu wyliczenie wartości kapitału początkowego C0. Zakładając, że w całym okresie
trwania lokaty obowiązuje stała stopa procentowa r, wtedy r pozostaje także stopą
dyskontową. Stąd w przykładach i zadaniach te dwa terminy są używane zamiennie.
Przykład 58. Pewien przedsiębiorca ma zamiar za 8 lat zakupić maszynę, która

wg szacunków będzie kosztować 39 846,20 zł. Aby zrealizować zakup, przedsiębiorca
chce zdeponować w banku odpowiednią kwotę na ten okres czasu. W banku naliczane
są odsetki w okresach rocznych bądź miesięcznych. Wynegocjowana stopa dyskontowa
wynosi 6% w skali rocznej. Jakiej wysokości lokatę musi założyć w banku przedsię
biorca, by po 8 latach mógł nabyć maszynę:
a) przy rocznej formie kapitalizacji odsetek?
b) przy miesięcznej formie kapitalizacji odsetek?
Cn = 39 846,20; n = 8; r = 0,06; m=1 lub m = 12.
ad a) (m = 1)
Aby zdyskontować kwotę 39 846,20 zł, stosujemy wzór (32):
39846,20 39846,20
= 25 000 zł.
0 _ (l + 0,06)8 1,593848
Zatem, aby przedsiębiorca mógł po 8 latach wypłacić kwotę 39 846,20 zł, musi
zdeponować w banku 25 000 zł przy rocznym systemie naliczania odsetek.
ad b) (m = 1)
Aby zdyskontować kwotę 39 846,20 zł przy miesięcznym sposobie kapitalizacji
odsetek, stosujemy wzór (22):
39846,20 *12 39846,20

C0 = 8-12
« 24 685,67 zł.
0,06 1,614143
1+
12
Zatem przy miesięcznej formie kapitalizacji odsetek przedsiębiorca jest zobowią

zany zdeponować w banku nieco mniej niż przy rocznym systemie ich naliczania, kwo
ta lokaty wynosi 24 685,67 zł.
Zagadnienie dyskontowania kapitału końcowego nieco się komplikuje, gdy w cza
sie trwania lokaty następują zmiany rocznych stop procentowych. Wówczas do wzoru
(32) w miejsce stałej rocznej stopy - r wprowadza się stopę dyskontową rd. Stopę dys
kontową rd oblicza się jako średnią ważoną stóp (rt, r2, ...) w poszczególnych podokre-
sach trwania lokaty (nx, n2, ■■■)'■
_ rxnx+ r2n2 +.
r* = (33)
nx+ n 2 +...
przy czym nx+ n2+ ... = n.
Wzór za pomocą, którego dyskontujemy kapitał końcowy przyjmuje postać:
C Cn
(34)
° ( 1 + rd T
Przykład 59. Rodzice w dniu narodzin córki postanowili zdeponować na jej rzecz
pewną sumę pieniędzy w banku. Chcieli, aby córka po osiągnięciu pełnoletności mo
gła dysponować kwotą 100 000 zł. W umowie bankowej przy rocznym systemie nali
czania odsetek uzgodniono, że przez pierwsze 10 lat kapitał będzie oprocentowany na
4,5%, w dalszych 6 latach na 5% i w końcowych dwóch latach na 12%. Jaką lokatę mu
szą założyć rodzice, by przy ustalonych warunkach córka po ukończeniu 18 lat mogła
dysponować wymienioną kwotą?
Cn = 100 000; n = 18; m = 1; rx - 0,045; r2 = 0,05; r3 = 0,12;

nx = 10; n2 = 6; n3 = 2.
Celem znalezienia wartości kapitału początkowego C0 w pierwszej kolejności na

leży ustalić wysokość stopy dyskontowej - rd, gdyż roczne oprocentowanie odsetek
uległo zmianom w okresie trwania lokaty, tj. 18 lat. D o obliczenia wysokości stopy
dyskontowej wykorzystujemy wzór (33):
10.4. Problem nominalne) i efektywnej roczne) stopy procentowe) 341
_ ą«! + r2n2 + r3n3 0,045 10 + 0,05-6 + 0,12-2 0,99 n n£7£.

Tj —--------------------- —------------------ ^— i-------------—-------—U.Uj j ,
2+^3 10 + 6 + 2 18
Otrzymaną wartość stopy dyskontowej podstawiamy do wzoru (34):
10 0 0 0 0 100000
38146,59.
( l + 0,055)18 2,621466
Zatem uwzględniając warunki umowy, rodzice muszą zdeponować kwotę

38 146,59 zl na lokatę w banku, by córka po osiągnięciu wieku dojrzałości mogła dys
ponować 100 000 zł.
10.4. Problem nominalnej i efektywnej rocznej

stopy procentowej
Problem nominalnej i efektywnej rocznej stopy procentowej pojawia się w sytuacji,
gdy częstość kapitalizowania odsetek jest większa niż raz w roku (m> 1). Większa
częstość kapitalizowania odsetek niż raz do roku powoduje, że złożony w banku
kapitał wzrasta szybciej niż wynika to z rocznej (nominalnej) stopy procentowej.
Zatem rzeczywista roczna stopa procentowa, zwana efektywną - re jest wyższa od
nominalnej wynikającej z umowy bankowej rocznej stopy procentowej - r. Zachodzi
nierówność re>r.
Rozważmy problem efektywnej stopy procentowej, gdy kapitał C0 został zdepono
wany na rok (stopa nominalna wynosi r), zaś kapitalizacja odsetek ma większą częstość
niż raz w roku czyli m > 1. Faktyczne roczne oprocentowanie określi efektywna roczna
stopa procentowa - re. Przy m kapitalizacjach w roku przyszła wartość lokaty C0 na
koniec roku jest określona wzorem:
/
Ci = C0 1 + — (35)
V m
zaś odsetki wynoszą
Z x = Cl - C 0 = C0\ 1 + — | -c . (36)
Po dalszym przekształceniu otrzymujemy:
Z! = C0 1+ - (37)
m
Odsetki za rok lokaty kapitału C0 można również wyrazić wzorem:
Z i = reC , (38)
Przyrównując prawe strony wzoru (37) i (38), wprowadzono formułę określającą

roczną efektywną stopę procentową:
Jeżeli kapitalizacja odsetek jest dokonywana raz w roku, wtedy zachodzi równanie:
re = r. (40)
Przyjmuje się, że czas deponowania kapitału C0 może być wyrażony także liczbą
ułamkową, np. 4,5 letni okres trwania lokaty.
Zakładając znajomość danych: Ca, C{ oraz n, możemy wyznaczyć nominalną rów
ną efektywnej roczną stopę procentową:
(41)
Przykład 60. Oblicz efektywną roczną stopę procentową, jeżeli nominalna stopa
procentowa wynosiła 12%, kapitał złożono do banku na okres jednego roku a odsetki
są kapitalizowane co miesiąc.
r = 0,12, m = 12.
Aby znaleźć efektywną roczną stopę procentową, wykorzystujemy wzór (39):
re = - 1 = (1,01)12- 1 = 1,1268-1 - 0,1268.
Jak widać roczna efektywna stopa procentowa wynosi 12,68% i przewyższa rocz
ną nominalną stopę, która była ustalona na poziomie 12%.
Przykład 61. Oblicz efektywną roczną stopę procentową, gdy klient inwestując
20 000 zł po 2,5 roku otrzymał 25 000 zł.
C0 = 20 000, Cn = 25 000 zł, n = 2,5.
Tym razem korzystamy z wzoru (41). Po podstawieniu odpowiednich wartości da

nych, otrzymujemy:
i
25 000 V>5
,
- 1 = 1,093-1 = 0,093.
20 000
Roczna efektywna stopa procentowa kształtuje się na poziomie 9,3%.
10.5. Rzeczywista wartość kapitału a inflacja 343
10.5. Rzeczywista wartość kapitału a inflacja

Jednym z zasadniczych czynników wpływających na obniżenie wartości pieniądza jest
inflacja. Wielkość inflacji wyraża wskaźnik procentowy zwany stopą inflacji. Stopa
inflacji określa, o ile procent spada realna (rzeczywista) wartość pieniądza w stosunku
do wartości nominalnej. Zatem wartość pieniądza jest zmienną w czasie. Na ogół jest
to proces spadkowy obserwowany we wszystkich państwach świata, które różni jedy
nie wysokość stopnia inflacji.
W dalszych rozważaniach nad wpływem inflacji na rzeczywistą (realną) wartość
pieniądza przyjęło następujące oznaczenia:
r - nominalna roczna stopa procentowa,
rinf - roczna stopa inflacji,
r,. - rzeczywista stopa procentowa,
C0 - obecna wartość kapitału,
Cn - przyszła wartość kapitału po upływie n okresów,
Cj - przyszła wartość kapitału po upływie 1 roku, gdy nie występuje inflacja,
Clr - przyszła rzeczywista wartość kapitału po upływie 1 roku, gdy rinf > 0.
Jeśli inflacja nie występuje w danym roku, to Clr = Cj:
C i = C0(l + r). (42)
Gdy jednak inflacja ma miejsce wartość nominalna Cj jest pomniejszona,

zatem Clr, wartość rzeczywistą kapitału po upływie roku wylicza się według wzoru:
Clr = C0( l + rr), (43)
przy czym rzeczywistą stopę procentową otrzymujemy, uwzględniając stopę inflacji:
r ~ rinf
(44)
r" ~ ^ r inf-
Biorąc pod uwagę (44), łatwo wyprowadzić kolejną zależność:
r ~ rr
rinf = (45)
1 + rr
Rozważmy następstwa związków następujących między nominalną a inflacyjną

stopą procentową.
A. Gdy r = rin^ wtedy rzeczywista stopa rr = 0, zaś (realna) wartość kapitału po
zostaje na poziomie nominalnej wartości kapitału okresu początkowego (obecnego),
po roku Cir = C0 (inflacja zjadła odsetki bankowe).
B. Gdy rinf = 0, wtedy po upływie roku odnotowujemy przyrost kapitału początko
wego wynikający z obowiązującej nominalnej stopy procentowej: Clr = C0(l+ r ).
C. Gdy O< rinf < r, wtedy obserwujemy przyrost kapitału, ale przyrost ten jest
mniejszy w porównaniu do stanu, gdyby inflacja nie wystąpiła. Wartość realna kapita
łu po upływie 1 roku oblicza się ze wzoru (43):
1+ r
(46)
in f
D. Gdy rinf > r, wtedy rr < 0. Sytuacja ta wykazuje, że mamy do czynienia ze spad
kiem realnym wartości kapitału. Wartość rzeczywistą kapitału oblicza się, stosując
wzór (43) lub (46).
Przykład 62. Adam Nowak lokuje w banku kwotę 25 000 zł na 1 rok przy nomi
nalnej stopie bankowej r= 6%. W tym czasie stopa inflacji kształtowała się na pozio
mie rinf = 3,5%. Należy:
a) wyznaczyć nominalną wartość kapitału po upływie roku,
b) określić rzeczywistą (realną) wartość kapitału po upływie tego okresu.
C0 = 25 000; r = 0,06; rin^= 0,035; n = 1.
Nominalną wartość kapitału obliczamy przy pomocy wzoru (42)
Cx = 25 000(1 + 0,06) = 26 500.
Nominalna wartość kapitału wzrośnie po roku do kwoty 26 500 zł, czyli jej przy
rost wynosi 1500 zł (bez uwzględniania inflacji). Biorąc pod uwagę, że jednak infla
cja ma miejsce w rozpatrywanym okresie, obliczamy rzeczywistą stopę, korzystając
ze wzoru (44)
0 ,0 6 -0 ,0 3 5 _ 0,025
0,02415.
1 + 0,035 “ 1,035
Otrzymany wynik podstawiamy do wzoru (43):
Clr = 25 000(1+ 0,02415) * 2 5 603,75.
Zatem realny przyrost wartości kapitału klienta banku wynosi 603,75 zł i jest
znacznie niższy w porównaniu z sytuacją, w której inflacja nie występuje.
Przykład 63. W kolejnym roku Adam Nowak lokuje w banku kwotę 50 000 zł
na 1 rok. Stopa nominalna pozostaje bez zmian (r = 6%) wzrasta natomiast inflacja,
w okresie trwania lokaty rinf = 9%. Należy:
a) obliczyć nominalną wartość kapitału po upływie 1 roku ( wysokość kwoty, jaką
bank wypłaci klientowi),
b) obliczyć realną wartość kapitału po upływie roku.
10.6. Strumienie płatności 345
Ca = 50 000; r = 0,06; rinf= 0,09; n = 1.
Nominalną wartość kapitału po upływie roku obliczamy, stosując wzór (42):
ą = 50 000(1+0,06) = 50 000 -1,06 = 53 000.
Po roku Nowak otrzyma z banku kwotę 53 000 zł, zatem wniesiony na lokatę ka
pitał wzrośnie nominalnie o 3000 zł. Ponieważ w okresie trwania lokaty wystąpiło zja
wisko inflacji (rinf > 0), należy ustalić realną wartość uzyskanego kapitału. Obliczamy
zatem z wzoru (44) wartość rzeczywistej stopy procentowej:
0 ,0 6 -0 ,0 9 -0 ,0 3
-0,02752.
r' ~ 1 + 0,09 1,09
Uzyskana wartość realnej stopy podstawiamy do wzoru (43), otrzymując:
Clr = 50 000(1 -0,02752) = 50 000 •0,97248 = 48 624.
Realna wartość kapitału po upływie 1 roku uległa wyraźnej obniżce. Spadek war
tości w stosunku do kwoty wniesionej na lokatę wyniósł 1376 zł. W tej sytuacji wnio
sek płynie taki, że Nowak zamiast zyskać, realnie stracił na lokacie w banku i zapewne
winien wybrać inny sposób inwestowania swego kapitału.
10.6. Strumienie ptatności

Wartość pieniądza jest zmienna w czasie, ustalenie to jest podstawą wszystkich roz
wiązań i rachunków związanych z płatnościami. Zmiany wartości pieniądza są zależ
ne od wielu czynników. Z ważniejszych wymienić należy: wysokość stopy procentowej
(w Polsce ustalana jest przez Radę Polityki Pieniężnej), sposobu naliczania odsetek,
stóp procentowych ustalanych przez banki oraz od stopy inflacji.
Strumieniami płatności są przychody oraz wydatki pieniężne realizowane w cza
sie. Serie strumieni pieniężnych mogą przyjmować różne, ale także równe wartości
(w praktyce dosyć często mamy do czynienia z tą drugą z przedstawionych możliwości).
O tym, w jaki sposób czas wpływa na wartość pieniądza niech świadczy prosty
przykład. Pewien student otrzymał 1.01.br. zapomogę w kwocie 1000 zł, zaś jego kole
dze przyznano zapomogę w tej samej wysokości, ale pieniądze otrzymał dopiero 31.12.br.
Rzecz jasna w bardziej korzystnej sytuacji jest student, który dostał pieniądze na począt
ku roku, gdyż p o zdeponowaniu ich w banku przy rocznej stopie wynoszącej 6% w dniu
31.12.br. będzie miał na swoim koncie 1060 zł. Jego zaś kolega może dysponować w tym
samym dniu tylko przyznaną mu zapomogę w kwocie 1000 zł.
Jeśli chcemy porównywać wartości pieniądza płynące w strumieniach, to albo za

kumulujemy je do wspólnego momentu w przyszłości po upływie n okresów albo je
zdyskontujemy do wspólnego momentu (okresu) początkowego. Wartością zakumulo
waną jest przyszła wartość C,„ zaś wartością zdyskontowaną jest wartość początkowa
C0 w ustalonym momencie (okresie).
10.6.1. Strumienie różnych płatności

Strumienie płatności przyjmujące różne wartości w czasie, można zapisać następują
co: P v P 2, ..., Pk (k = 1, 2, ..., n). Przy omawianiu serii płatności musimy rozróżnić dwa
przypadki:
a) płatność z góry,
b) płatność z dołu.
Rozpatrując w kolejności oba przypadki, przyjęto następujące oznaczenia:
CnQ - przyszła wartość serii płatności (P1; P2, ..., Pn) realizowanych z góry
CnD - przyszła wartość serii płatności (Pt, P2, ..., Pn) realizowanych z dołu.
Dla ustalenia przyszłej wartości serii płatności realizowanych z góry z roczną sto
pą procentową r należy dodać kolejne, już oprocentowane strumienie pieniężne:
n- 1 / \ n - k +1 / \
Q g - Ą 1+— + P2 | +... + Pt [ l + ^ J + + (47)
, m
Skracając zapis wzoru (47), otrzymujemy:
n -k+ l
(48)
k= l
Aby ustalić przyszłe wartości serii płatności realizowanych z dołu, należy skorzy
stać z wzoru:
C"D=Pl(1 +m ) +i>2(1+m ) +'"+P*(1+^) + - * P' { 1 +i) <49>

Zapis wzoru (49) w formie bardziej zwartej przedstawia się następująco:
n ( r Y ~k
• (50)
Zauważmy, że pierwsza płatność P { podlega oprocentowaniu dopiero od drugiego

okresu, zaś łącznie biorąc jest oprocentowana przez (« -1 ) okresów. Ostatnia zaś płat
ność Pn wniesiona na końcu danego okresu (ostatniego dnia miesiąca bądź ostatnie
go dnia kwartału) zgodnie z przyjętą zasadą płatność z dołu nie jest oprocentowana,
co jest uwzględnione we wzorze (49).
10.6. Strumienie płatności 347
Związek między wartościami CnD oraz CnG określa wzór:
r
C>iG ~ CnD I 1 + (51)
m
Przykład 64. W pewnej firmie kierownik działu kadr otrzyma! dodatek funkcyj
ny, który wzrastał w każdym kwartale. W I kwartale wyniósł 150 zł, w II kwartale -
220 zł, w III kwartale - 300 zł i w IV kwartale - 360 zł. Roczna stopa procento
wa w tymże roku kształtowała się na poziomie 4,4%. Określ łączną wartość dodatku
funkcyjnego po upływie roku w dwóch przypadkach:
a) dodatek funkcyjny jest wypłacany z góry,
b) dodatek funkcyjny jest wypłacany z dołu.
Która z opcji jest bardziej korzystna dla kierownika kadr?
= 150; P2 - 220; P3 = 300; P4 = 360; r = 0,044; m = 4; n = 4.
Ad a) Znajdujemy wartość CnG, korzystając z wzoru (47):
C4c =150 ' l + M H 1+220 ( i + M^ *y + 3 0 0 (l+ « l ] + 360(1 + “f i
-1 5 6 ,0 9 + 226,27 + 306,03 + 363,60 »1052,39.
Dodatek funkcyjny kierownika działu kadr skumulowany na koniec roku wynie

sie 1052,39 zł i jest większy od sumy nominalnych wartości dodatków - 1030 zł, które
otrzymał.
Ad b i c) Wartość dodatku funkcyjnego wypłacanego systemem „z dołu” znajdu
jemy, stosując wzór (49):
n4-1 s4-2 \4 -4
0,044 0,044 0 044 V 3
C4D = 150 1 + + 220 1 + + 300 1 + ^ 1 +360 \ , 0,044
4 )
= 154,55 + 224,42 + 303 + 360 = 1041,97.
Wartość C4D można też otrzymać, stosując wzór (51), z którego wynika, że:
r< _ CnQ (52)

c nD ~ r
1+ -
m
Zatem:
1052,39
Q d - 1041,97.
1 ,0 1
Nominalna wartość dodatku funkcyjnego wynosiła 1030 zł. Otrzymane wyniki

pokazują, że w obu przypadkach (płatności z góry oraz z dołu) uzyskano wyższe war
tości skumulowane w porównaniu z kwotą nominalną. Ponadto płatności z góry stano
wią bardziej korzystną opcję dla kierownika działu kadr (1052,39 > 1041,97).
Rozważmy sytuację, w której zrealizowano serię płatności: P v P 2, ..., Pn, których
rzeczywista wartość w ostatnim okresie n - tym wynosi C„ oraz znana jest roczna sto
pa procentowa. Pytamy, jak kształtuje się kwota obecna (początkowa) - C0?
Przyjmując, że płatności następowały z góry, wartość CoG określa wzór:
C.oG ■P1 + - k- 1 n- 1 (53)

1+ -
1+ - 1+ - 1+ -
m m m m
W bardziej zwartej formie wzór (53) przedstawia się następująco:
n
C.oG = X k- 1 •
(54)
k=1
1+ -
m
Czynnikiem dyskontującym jest w yrażenie------- .

1+ —
m
Pierwsza płatność została zrealizowana w chwili obecnej (okres początkowy),
przeto nie podlega dyskontowaniu. Każda kolejna (późniejsza) płatność jest dzielo
na przez liczbę większą od 1 i przedstawia wartość mniejszą w odniesieniu do m o
mentu początkowego (chwili obecnej), co jest widoczne w ekstensywnym zapisie COG
[zob. wzór (52)].
Przyjmując, że płatność była realizowana z dołu (tzn. na koniec każdego okresu),
wartość COD określa wzór:
(55)
Ten sam wzór w skróconej wersji przedstawia się następująco:
C„o = I (56)
k=1
1+ -
m
Przykład 65. Jan Kowalski sprzedał jedną ze swych działek budowlanych za

50 000 zł na raty. Wg umowy wpłaty następowały w ratach kwartalnych. Od razu ku
pujący wpłacił 10 000 zł a następnie w początkach kolejnych kwartałów przekazywał
10.6. Stłumienie płatności 349
kwoty: 15 000, 5000 i 20 000 zł. W roku transakcji stopa procentowa kształtowała się
na poziomie 8%.
a) Ile realnie zapłaci kupiec działki?
b) Ile realnie zapłaciłby przy spłatach z dołu (na koniec każdego kwartału)?
P x = 10 000, P2 = 15 000, P3 - 5000, P4 = 20 000, n = 4, m = 4, r = 0,08.
Ad a) Celem wyznaczenia realnej wartości kwoty, jaką uzyska sprzedawca dział

ki, wykorzystano wzór (53):
„ 10 000 15000 5000 20000

OG (l + 0,02)1-1 (1 + 0,02)2_1 ( l + 0,02)31 (l-t-0,02)4“1
= 10 000 +14 705,88 + 4805,84 +18 846,45 = 48 358,17.
Jak widać z wyników obliczeń, sprzedaż ratalna nie jest korzystna dla Kowalskiego,
który realnie otrzyma kwotę w wysokości 48 358,17 zł.
Ad b) Zakładając, że kupujący będzie wpłaca! systemem „ z dołu”, czyli z końcem
każdego kwartału, zastosować należy wzór (55), co pozwoli otrzymać realną wartość
spłaty określonej w umowie kwoty 50 000 zł:
C - 10 0 0 0 i 15 0 0 0 i 50 0 0 i 2 0 0 0 0
OD ~ 1 +0,02 +(1 +0 ,0 2 )2 +(1 +0 ,0 2)3 +(1 +0 ,02)4 ~
= 9803,92 +14 417,53 + 4711,61 +18 476,91 = 47 409,97.
Również w tym przypadku Kowalski otrzyma realnie kwotę poniżej nominalnej

wartości pożyczki, z tym, iż opcja spłat z dołu jest dla niego jeszcze bardziej nieko
rzystna. Kupując w systemie spłat z dołu, kupujący jest w uprzywilejowanej pozycji,
gdyż realnie zapłaci za działkę około 47,4 tys. złotych.
10.6.2. Strumienie równych ptatności

W praktyce finansowo-bankowej bardzo często mamy do czynienia z płatnościami
o równych wartościach. Przykładów takich można wskazać wiele w bliskim naszym
otoczeniu. Zazwyczaj zaciągnięty kredyt bankowy jest rozkładany na równe raty.
Również wypłaty wynagrodzeń, rent i emerytur stanowią równe kwotowo płatności.
Rozliczne opłaty abonamentowe na rzecz określonych instytucji są co do wartości tak
że równe. Serię równych płatności możemy zapisać następująco:
P l = P 2 = ...= P n =P. (57)
Rozważmy przyszłą wartość serii równych płatności z góry po n okresach. Po

uwzględnieniu (57) zapis wzoru (47) przedstawia się następująco:
CnG = P 1+ — +(l +— + ...+ 1 +

m m m
(58)
=P i + — l + i i + — l 2 + . . . + i i + — "_1 + 1+ -
m) v m) I rn, m
We wzorze (58) składniki sumy zapisanej w kwadratowym nawiasie stanowią wy
razy ciągu geometrycznego o pierwszym wyrazie 1 + — oraz o ilorazie <7= 11 +— .

\ m) \ m)
Stosując wzór na sumę n wyrazów ciągu geometrycznego o znanych parametrach ax
oraz q, otrzymujemy:
1+ - I - 1
r IV m,
CnG = P U + (59)
m r
m
Ustalając przyszłą wartość serii równych płatności z dołu, zapiszemy ponownie

wzór (49) z uwzględnieniem (57):
n- 1 ,n -2 / \o
r L r
CnD = P 1+ - + 1+ + ... + I 1 + —
m m m
(60)
2 / \n -2 / \n -1
= P 1 + 1 1 + — ] + i l + — | + ... + f l + — ) + fl + —
m m m m
We wzorze (60) składniki sumy zawartej w kwadratowym nawiasie stanowią
wyrazy ciągu geometrycznego o wyrazie a, = 1 oraz o ilorazie ą = 11 + — 1. Stosując

V m)
ponownie wzór na sumę wyrazów ciągu geometrycznego o znanych parametrach a x
oraz g, otrzymujemy:
n- 1
1+ - -1
m
CnD = P (61)
r
m
Przykład 66. Ojciec postanowił wpłacać na rzecz syna co kwartał 6000 zł przez
kolejne 4 lata jego studiów. Celem tych opłat było stworzenie bazy finansowej do usa
modzielnienia syna po ukończeniu studiów. W okresie gromadzenia kapitału obowią
zuje stopa procentowa r = 8%. Jakim kapitałem będzie dysponował syn po opuszczeniu
murów uczelni (po upływie 4 lat), jeżeli:
10.7. Statystyczne metody w analizie rynku kapitałowego 351
a) ojciec wpłaca zdeklarowaną kwotę każdorazowo na początku kwartału,

b) ojciec wpłaca zdeklarowaną kwotę każdorazowo na koniec kwartału?
ftl
P = 6000 zł; n = 16; m = 4; r = 0,08; — = 0,02.
W obliczeniach kapitału, którym będzie dysponował syn po ukończeniu studiów,

gdy ojciec wpłacał zdeklarowaną kwotę na początku każdego kwartału, skorzystano
ze wzoru (59):
C1fi r = 6000(1 + 0,02)^1 + 0’Q2^ 6 ~ ł = 6120 • 1,372786 = 6120 •18,639285 -1 1 4 072,43 zł.
160 V ' 0,02 0,02
W obliczeniach kapitału, który podejmie syn po upływie 4 lat, gdy ojciec wpłacał
zdeklarowaną kwotę na koniec każdego kwartału, zastosowano wzór (61):
C16 q = 6000(1 + 0,02) ~~- = 6000 • 18,639285 -111835,71 zł.

160 0,02
Z porównania dwóch otrzymanych wyników płynie wniosek, że bardziej korzyst

nymi z punktu widzenia syna są wpłaty dokonywane przez ojca na początku każdego
kwartału, czyli systemem wpłat z góry.
10.7. Statystyczne metody w analizie rynku kapitałowego

Obrót papierami wartościowymi (obligacje, akcje, fundusze inwestycyjne) odbywa się
na rynku kapitałowym. Inwestorzy dokonujący zakupów papierów wartościowych po
dejmują swe decyzje w warunkach niepewności. Efekty ich poczynań są znane dopie
ro w przyszłości. Zatem ich decyzje są związane z pewnymi stopniami ryzyka. Każdy
inwestor chce osiągnąć jak najwyższe zyski, to znaczy relatywnie tanio zakupić walory
i odpowiednio drogo je odsprzedać. Właściwe rozpoznanie stopnia ryzyka, próbę oce
ny przyszłych zysków, umożliwiają odpowiednio wykorzystane metody statystyczne.
10.7.1. Oznaczenia oraz podstawowe charakterystyki akcji

W analizie rynku kapitałowego wykorzystujemy następujące kategorie pojęciowe:
Ct - cena akcji w momencie t,
ct - zysk uzyskany z zakupionych akcji,
zt - stopa zysku (może być wyrażona procentowo).
Stopę zysku definiujemy następująco:
Z, =-£--100%. (62)
‘ C
Stopa zysku może przyjmować wartości: dodatnie, zero lub ujemne. Stopa zysku
Z jest zmienną losową skokową zależną od wielu czynników w tym od kondycji finan
sowej jednostki emitującej papiery wartościowe. Rozkład tej zmiennej ma postać:
P(Z = z,)=p,. (63)
Należy zauważyć, że prawdopodobieństwo p t nie jest na ogół znane i jest stosun

kowo trudne do ustalenia. Może być szacowane przez doradców giełdowych, makle
rów i innych specjalistów działających na rynku kapitałowym.
Podstawowymi parametrami rozkładu stopy zysku jest wartość oczekiwana:
E (Z ) = f j ztPt, (64)
i=i
oraz wariancja:
c72(Z ) = f j [zl - E ( Z ) f . (65)

i=i
Wzór (65) może być zastąpiony formułą:
< y \Z ) = ^ z f P l - [ E ( Z ) ] 2. (66)
t=i
Wariancję stopy zysku cr2(Z) należy traktować jako miarę ryzyka inwestowania
w akcje. W podejmowaniu decyzji o zakupie danej akcji pomocny jest współczynnik
zmienności V(Z) wyrażany procentowo wzorem:
y ( Z ) = ■ !& .. 100%. (67)

v } E( Z) v '
W ocenie ryzyka zakupu akcji za pomocą wzorów (64)-(67) napotykamy trudno

ści związane z szacowaniem nieznanych prawdopodobieństwp r Z uwagi na to, bardzo
często zastępujemy E(Z) średnią Z oraz wariancję o 2(Z) wariancją z próby 5 2(Z):
— 1 "
( 68)
z = nî=i 2'
oraz
S2( Z) = - f j ( z , - Ź ) 2 (69)
i odpowiednio:
V( Z) = (70)
z
Próbę oceny sytuacji przed zakupem akcji L na podstawie zmieniającej się jej
ceny w kolejnych okresach przedstawiono w przykładzie 67.
Przykład 67. Wykorzystując dane zawarte w tabl. 219, oblicz stopy zysku akcji L,
ich średnią, wariancję oraz współczynnik zmienności. Dokonaj oceny ryzyka przy
zakupie akcji L na podstawie wyznaczonych wartości parametrów.
Tablica 219
Nr okresu t 1 2 3 4 5 6 7 8 9 10 11 12
Cena akcji C, 100,0 108,0 105,0 110,0 108,0 110,0 102,0 106,0 110,0 107,0 112,3 112,3
Zysk c, 10,0 8,0 -3,0 5,0 -2,0 2,0 -8,0 4,0 4,0 -3,0 5,3 0
R o z w i ą z a n i e . Celem wyznaczenia wartości parametrów charakteryzujących

stopę zysku akcji L skonstruowano tablicę roboczą 220.
Tablica 220. Wyznaczanie wartości Z oraz S2(Z) stopy zysku akcji L

Okres Cena akcji Wi Zysk Stopa zysku
t m w%z, f e f - z p
1 100,0 10,0 10,0 8,3 68,89

2 108,0 8,0 7,4 5,7 32,49
3 105,0 -3,0 -2,9 -4,6 21,16
4 110,0 5,0 4,5 2,8 7,84
5 108,0 -2,0 -1,9 . -3 ,6 12,96
6 110,0 2,0 1,8 0,1 0,01
7 102,0 -8,0 -7,8 -9,5 90,25
8 106,0 4,0 3,8 2,1 4,41
9 110,0 4,0 3,6 1,9 3,61
10 107,0 -3,0 -2,8 -4,5 20,25
11 112,3 5,3 4,7 3,0 9,00
12 112,3 0,0 0,0 -1,7 2,89
X X X 20,4 0 273,76
Źródio: Obliczenia własne na podstawie danych z tab. 219.
Wykorzystując wzory (68) - (70), otrzymujemy:

— 20 4
Z= = 1,7% (przeciętna stopa zysku akcji L),
273 76
S2( Z) = — ™— ~ 22,8133 (wariancja stopy zysku akcji L),
S( Z) = a/ 22, 8133 ~ 4,78 (odchylenie standardowe stopy zysku akcji L),
4 78
V( Z) = ’ •100% = 281,18% (współczynnik zmienności stopy zysku akcji L).
■M'
3S4 10. Podejmowanie decyzji na rynku kapitałowym
Bardzo wysoka wartość współczynnika zmienności (niewiele poniżej 300%) syg

nalizuje, że inwestor zakupując akcje L , naraża się na duże ryzyko związane z osią
ganiem niskich korzyści Z = 1,7%, a w niektórych momentach być może nawet strat.
Gdyby jednak inwestor zakupi! akcje L w okresie (t = 1), a odsprzedał je w okresie
(t = 12), wówczas mógłby osiągnąć względny przyrost zysku równy:
c (t= i2)-c (t=\) 10{)% = 112,3-100 10()% = 1Z3 10Q% = 12 3%

C(,=1) 100 100
Zatem rzeczywisty zysk inwestora zawsze zależy od ceny akcji w momencie za
kupu oraz sprzedaży. Nie od rzeczy byłoby sprawdzenie przeciętnej stopy zysku akcji
z najkorzystniejszą stopą procentową oferowaną przez banki przy uwzględnianiu
czasu przechowywania akcji.
10.7.2. Semiwariancja stopy zysku akcji

Kolejnym narzędziem analizy stopy zysku z punktu widzenia inwestora (kupującego)
oraz posiadacza (sprzedającego) akcję jest jej semiwariancja. Cały czas mamy na uwa
dze, że wariancja jest miarą ryzyka zarówno kupującego, jak i sprzedającego akcję.
Inwestor wybiera taki moment zakupu akcji, w którym jej cena jest relatywnie
niska zatem różnica miedzy z t stopą zysku w momencie zakupu t oraz jej wartością
średnią jest ujemna:
z, - Ź < 0. (71)
Dla posiadacza akcji mającego zamiar spieniężyć akcję, wysokie stopy zysku
(ponadprzeciętne):
zt - Ź > 0 (72)
nie stanowią ryzyka a wręcz przeciwnie, są dla niego korzystne. Ryzyko posiadacza
akcji tkwi właśnie w spadku stopy zysku, gdy zachodzi nierówność (71). Zatem nie
równość (72) nie jest elementem oceny ryzyka ani dla inwestora ani dla sprzedającego
akcję. Stąd powstała idea, by eliminować dodatnie różnice między stopami zysku a jej
średnią przy obliczaniu wariancji. Taki krok prowadzi do budowy miary ryzyka w po
staci semiwariancji stopy zysku akcji. Należy zatem wprowadzić zmienną pomocniczą
vt, określoną w sposób następujący:
0 gdy z t > Z,
vt (73)
z, - Z gdy z t < Z.
W przypadkach, gdy dysponujemy wiedzą o prawdopodobieństwach towarzy

szących określonym stopom zysku, można parametr Z zastąpić wartością ocze
kiwaną stopy zysku - E(Z). Stąd formuły określające semiwariancję stopy zysku są
następujące:
1 n
S 2 ( v ,) = (7 4 )
nt\
lub
<r2(V') = I m 2- (7 5 )
t= 1
Ilustracją sposobu wyznaczania semiwariancji oraz semiodchylenia standardowe

go jest kolejny przykład.
Przykład 68. Na podstawie danych z przykładu 67 uzupełnij podstawowe cha

rakterystyki akcji L o semiwariancję semiodchylenie standardowe oraz odpowia
dający im współczynnik zmienności stopy zysku. Na podstawie nowo obliczonych
parametrów dokonaj powtórnie oceny ryzyka przy zakupie tej akcji.
R o z w i ą z a n i e . Celem wyznaczenia semiwariancji stopy zysku akcjiL zbudo

wano roboczą tabl. 221.
Tablica 221. Wyznaczanie semiwariancji
Okres Stopa zysku

w%z, i i i v'
t .
1 10,0 8,3 0 0
2 7,4 5,7 0 0
3 -2,9 -4,6 -4,6 21,16
4 4,5 2,8 0 0
5 -1,9 -3,6 -3,6 12,96
6 1,8 0,1 0 0
7 -7,8 -9,5 -9,5 90,25
8 3,8 2,1 0 0
9 3,6 1,9 0 0
10 -2,8 -4,5 -4,5 20,25
11 4,7 3,0 0 0
12 0,0 -1,7 -1,7 2,89
Z 20,4 0 X 147,51
Źródło: Obliczenia własne na podstawie danych z tab. 220.
Wykorzystując dane liczbowe z tabl. 221, wyznaczono wartość semiwariancji stopy

zysku akcji L wg wzoru (74):
s 2 {vt ) = ~ U l , 5 \ ^ n ,2 9 .
Następnie obliczono wartość semiodchylenia standardowego stóp zysku:
5(v,) = 712,29 = 3,51%

i kolejno współczynnik zmienności:
= 3^51% % ^ 206 5%i

K 1,7%
Dla celów porównawczych zestawiono wyniki uzyskane w obu przykładach

(67 i 68) w formie tabelarycznej (zob. tab.222).
Tablica 222. Porównanie wynikówbadań zmienności stopy zysku akcji L

wprzykładach 67 i 68
Przykład 67 Przykład 68
S2(z,) = 22,81 S2(v,) = 12,29

S(z,) = 4,78% S(v,) = 3,51%
00
V(v,) = 206,5%
to
II
$
1
z = 1,7%
Źródło: obliczenia własne.
Rozpatrując dane zawarte w tab. 222, należy podkreślić, iż wartość współczynni

ka zmienności z zastosowaniem semiodchylenia standardowego utrzymuje się nadal
na bardzo wysokim poziomie.
Głównym narzędziem badania stopnia ryzyka inwestora przy zakupie akcji jest
współczynnik zmienności stopy zysku. Konstrukcja tego współczynnika zawiera bo
wiem zarówno średnią wartość stopy zysku, jak i odchylenie standardowe względnie
semiodchylenie standardowe.
Mając na uwadze wysoki stopień zmienności stopy zysku - V(yj) - 206,5% oraz
stosunkowo niską przeciętną wartość stopy zysku Z = 1,7%, należy stwierdzić, iż za
kup akcji L związany jest z dużym ryzykiem podjęcia błędnej decyzji. Dane zawarte
w tabl. 221 wskazują jednoznacznie, że stosunkowo często występują wartości stopy
zysku poniżej przeciętnej. Zatem przy podobnych wartościach przeciętnych stóp zysku
kilku akcji, należy wybrać te, które charakteryzują się znacznie niższymi wartościami
współczynnika V(vt) a zatem niższym ryzykiem inwestora.
10.8. Optymalizacja portfela akcji

Inwestor zakupując akcje na rynku kapitałowym, zwykle dąży do zapewnienia ich róż
norodności. Nabywa akcje o różnych cenach i charakterystykach, mając na celu osią
gnięcie jak największego, możliwego w danych warunkach zysku przy ograniczonym
ryzyku. Nabyte akcje w swej różnorodności tworzą portfel akcji inwestora.
Decyzja o zakupie akcji do portfela winna być poprzedzona szczegółową anali
zą danych (notowania). Można bowiem nabyć akcje o wysokich przeciętnych stopach
zysku, lecz obciążonych wysokim ryzykiem lub też zakupić akcje o niższych sto
pach zysku, ale i niższym ryzyku. Historię danej akcji tworzą jej notowania giełdowe
10.8. Optymalizacja portfela akcji 357
w kolejnych okresach. Będziemy zamiennie używać określeń stopa zysku oraz stopa
zwrotu, traktując je jako synonimy. Inwestor dąży to takich wyborów, które w efekcie
prowadzą do utworzenia optymalnego portfela akcji.
Kluczowym zagadnieniem w tym zakresie jest ustalenie ilościowych proporcji za
kupu poszczególnych akcji. Proporcje te wyrazić można procentowym udziałem akcji
w portfelu inwestora.
Dalsze rozważania dotyczą tworzenia optymalnego portfela1 złożonego z dwóch
rodzajów akcji - A l i A 2. Przyjęto następujące oznaczenia:
z lt - stopa zysku akcji Aj w okresie t,
z 2t - stopa zysku akcji A 2 w okresie t,
E (Z t) - wartość oczekiwana stopy zysku akcji Aj,
E(Z2) - wartość oczekiwana stopy zysku akcji A 2,
<x2(Zj) - wariancja stopy zysku akcji Aj, cr2(Zj),
<72(Z2) - wariancja stopy zysku akcji A 2,
Uj - udział akcji y4j w portfelu inwestora,
u2 - udział akcji A 2 w portfelu inwestora,
<r12- kowariancja między zmiennymi Zj i Z2, cr12= cov(Zj, Z2).
Z uwagi na to, że w portfelu są dwa rodzaje akcji (Aj i A 2), zachodzi związek:
Mj + u2 = 1. (76)
Wartość oczekiwaną łącznej stopy zysku portfela w okresie t określa wzór:
E(Z) = uiE (Z1)+ u 2E(Z2). (77)
Wariancję tejże zmiennej przedstawia formuła:
Oc2 = Mj2<7j2 + U20

2 2
2 + 2MjM20 j2 (78)
lub
er? = u jo j+ u jo j + 2« jM2 •<TjC72 •p l 2 , (79)
gdzie:
_ a \2
P\ 2 (80)
<jj -cr2
Parametr p12 jest współczynnikiem korelacji liniowej między zmiennymi Zj

oraz Z2. Przypomnijmy, że stopień ryzyka związanego z daną akcją określa wariancja
stopy zysku tej akcji. W naszym przypadku stopień ryzyka odpowiadający konkretne
mu portfelowi akcji określa wariancja całkowita - (Ą dana wzorem (78).
Ustalenie optimum portfela akcji sprowadza się do znalezienia takich wielkości
udziałów «i i u2, przy których funkcja ryzyka - cr(2 osiąga minimum. Uwzględniając
związek (76), wariancję cr2 można zapisać następująco:
er2 = Mj <Tj2 + (1 - Mj)2oj + 2Mj (1 - Mj ) •On - uj(of - 2<Jj2 + oj)-2ul{oj - <7j2) + oj. (81)
1 Procedurę optymalizacji portfela akcji opisał T. Przybysz w: [ 75 ] ss.142-152.

Przyjmując oznaczenie
(82)
ustalono, że wariancja całkowita portfela akcji jest funkcją jednej zmiennej - u v Dalej
obliczamy pierwszą pochodną F(iZj):
F'(ui) = 2ux( o \ - 2<j 12 + cr22) - 2(cr22 - a l2),

(83)
ar; '1 2
F'(u1) = 0 ^ u * =-
o t •2 o n + o ;
Po podstawieniu u \ do wzoru (76) wyprowadzamy formulę optymalnego udziału

drugiej akcji w portfelu inwestora:
2 _
* a l ~ a \2
u2 = (84)
of - 2on +<Ą’
gdzie u*, u 2 oznacza optymalne wartości udziałów akcji Aj i A 2.
Minimalną wariancję całkowitą otrzymujemy, stosując wzór:
_2_2 2
G \ °2 ~ °1 2
^ c (in in ) (85)
a \ - 2<rn + cr|
Funkcja F(w1) = <r2 przyjmuje postać funkcji kwadratowej ze względu na n,

i będąc parabolą posiada minimum tylko wtedy, gdy parametr przy u\ jest dodatni
a zatem:
of - 2cr12+<Ą>0. (86)
Uwzględniając (80), nierówność (86) można zapisać następująco:
cT2 -2 /? 12(T1(T2 + a f > 0 , (87)
gdzie uwzględniono współczynnik korelacji liniowej między stopami zysku akcji Aj

i A 2 - p12.
Z nierówności (87) wynika, iż warunkiem spełnienia tej nierówności dla każde
go przypadku jest ujemne skorelowanie stóp akcji Aj i A 2 tzn. p12 < 0. Jeżeli zachodzi
nierówność:
(Ą- 2ou +(Ą<0, (88)
wówczas nie można zbudować portfela optymalnego, którego wariancja całkowita <Ą
jest minimalna. Gdy jednak p12 > 0, wówczas, aby istniał optymalny portfel akcji musi
zachodzić nierówność:
(Ą +<Ą > 2 c r 12 (89)
Ponieważ zarówno u\, jak i u 2 muszą być większe od zera [zob. wzory (83) i (84)]
nie wystarczy nierówność (89), lecz konieczne jest spełnienie dwóch nierówności:
><?,12 Ą > an. (90)
Należy wziąć pod uwagę, że rozkłady zmiennych Z x i Z2 mogą być nieznane, co

powoduje, że nieznane są również prawdopodobieństwa p t. Wtedy parametry E (Z1),
E(Z2), a \, a \, <J12 oraz p12 zastępujemy parametrami obliczonymi z próby: Z v Z2,
Sj, S\, Sn oraz r12. Zatem optymalne wartości udziałów akcji w portfelu otrzymujemy
z wzorów:
J12
u i =- (91)
■2512 + S2
* J12
u~> = (92)
■2512 + S2
Minimalną wariancję całkowitą obliczamy następująco:
ś[s\ 312
(93)
c(m in ) o2 o o . ca'
—ZJ12 T J2
Wartość współczynnika korelacji liniowej miedzy stopami zwrotu wyznaczamy

z wzoru:
12
(94)
5j -S2
Rozpatrzmy przypadek, gdy r12 = 0, co ma miejsce tylko wtedy gdy S12 = 0, czyli
gdy cov(Zj, Z2) = 0. Podstawiając r12 = 0 do wyrażenia znajdującego się po lewej stro
nie nierówności (87) otrzymujemy:
Sy + S2 > 0. (95)
Zatem przy r12 = 0 istnieje możliwość ustalenia optymalnego portfela akcji (wyli
czenia u \ i u 2), co oznacza, że będzie można zbudować optymalny portfel akcji. W ta
kim przypadku optymalne udziały akcji można zapisać wzorami:
Wi = oraz ib (96)
sf+sl s2l+s 2
Przykład 69. Inwestor chce dokonać zakupu dwóch akcji A 1 i A 2, których stopy
zysku są znane z 6 ostatnich notowań giełdowych. Informacje te zawiera tabl. 223.
360 10. Podejmowanie decyzji na iynku kapitałowym
Tablica 223. Stopy zwrotu akcji A, i A2 oraz wyniki obliczeń związanych z ustaleniem optymalnego
portfela akcji
t z» : 4 4
1 14 12 196 144 168
2 16 10 256 100 160
3 15 8 225 64 120
4 20 6 400 36 120
5 20 4 400 16 80
6 23 8 529 64 184
E 108 48 2006 424 832
Źródło: obliczenia własne na danych umownych.
a) Sprawdź, czy istnieje możliwość ustalenia optymalnego portfela akcji.

b) Jeśli tak, oblicz optymalne wartości udziałów akcji Aj i A 2- u* i u 2.
c) Jeśli nie, dokonaj oceny ryzyka sytuacji związanej z zakupem obu akcji, stosu
jąc współczynnik zmienności ich stóp zwrotu.
R ozw iązan ie.
Ad. a i b) Pierwszym etapem obliczeń jest wyznaczenie przeciętnych stóp zwro
tu: Z x = 16 oraz Z2 = 8. Następnie sprawdzamy możliwość budowy optymalnego
portfela akcji poprzez obliczenie wartości cov (Zv Z j) _ ^12 i ustalenie jej znaku.
Korzystając ze wzoru:
S12 = cov(Z v Z 2) = ^ ± z ltz 2t - ŹjŹ2, (97)

n t=i
obliczono wartość kowariancji stóp zysku - S12 = 10,67, jej dodatni znak powoduje,
że również współczynnik korelacji między stopami zwrotu jest tego samego znaku
(rl2> 0)- Po tych ustaleniach nie można definitywnie rozstrzygnąć kwestii o możliwo
ści budowy optymalnego portfela akcji. Kolejno trzeba sprawdzić, czy zachodzą nie
równości (90). W tym celu należy wyznaczyć wartość wariancji stóp zwrotu akcji Aj
i A 2 stosując wzór:
1 n 1 " z2 .
s f = i r=i
i: 4 ' ■(Zł)2 oraz z 2t ■(z2y (98)
■ ■ t=i
W wyniku obliczeń otrzymano:
S? = - ■2006 - (16)2 - 334,33 - 256 « 78,33,

6
S2 = —■424 - (8)2 - 70,67 - 64 - 6,67.

6
Sprawdzając, czy zachodzi nierówność (90) stwierdzono, że wprawdzie S l> S12
lecz S l > $12’ co prowadzi do wniosku o braku możliwości utworzenia o p t y m a l n e g o
portfela złożonego z akcji Aj i A 2.
Ad. c) Ogólnie wiadomo, że wartość wariancji stopy zwrotu, a tym samym od
chylenia standardowego jest miarą ryzyka ponoszonego przez inwestora przy zakupie
akcji. Im większa wariancja, tym większe ryzyko. Relatywizacja odchylenia standardo
wego stóp zwrotu względem ich stanów przeciętnych następuje poprzez wyznaczenie
wartości współczynników zmienności:
F (Z 1) = ^ 1 0 0 % oraz V( Z2) = ^ 3-100% . (99)

Zj z 2
Podstawiając wcześniej obliczone wartości parametrów do wzorów (99), otrzy

mujemy:
V( Z X) = ^ •100% - 55,3%
16
i
V ( Z 2) = — • 100% - 28,9%.
8
Otrzymane wyniki pozwalają stwierdzić, iż akcję A t charakteryzuje dwukrotnie

wyższa przeciętna stopa zwrotu w stosunku do A 2 ( Z l = 16 zaś Z2 = 8). A le nic za dar
mo, ryzyko związane z nabyciem akcji A 1 jest prawie dwukrotnie wyższe od ryzyka
związanego z zakupem akcji A 2 [K(Zj) ~ 55,3% zaś V(Z2) ~ 28,9%]. Tak wiec inwestor
chcący osiągnąć większe zyski przy akceptacji dużego ryzyka będzie preferował zakup
akcji A r
Przykład 70. Na podstawie danych o wysokościach stóp zwrotu akcji Aj i A 2

z ostatnich 7 notowań giełdowych zawartych w tabl. 224 ustal optymalny portfel akcji
inwestora oraz przeciętną stopę zysku wraz z minimalną wariancją.
R o z w i ą z a n i e . W pierwszej kolejności ustalamy przeciętne stopy zwrotu akcji
Aj i A 2:
Zj = = 2.
Tablica 224. Stopy zwrotu akcji A, i A2 oraz wyniki obliczeń związanych z ustaleniem optymalnego
portfela akcji
t hi m.. 4 1 4 4 U li zltz2t
1 2 6 4 36 12
2 4 -1 16 1 -4
3 2 7 4 49 14
4 4 5 16 25 20
5 8 -1 0 64 100 -8 0
6 5 4 25 16 20
7 3 3 9 9 9
£ 28 14 138 236 -9
Źródio: obliczenia własne na danych umownych.

Następnie wyznaczamy wartość wariancji oraz kowariancji stóp zwrotu obu akcji:
S2 = ^ ~ ( 4 ) 2 = 19,714-16 = 3,714,
Sl = - (2)2 = 33,714 - 4 = 29,714,
S12 = Y - 4 ■2 = 1,286 - 8 = -9,286.
Stwierdzając, że S 12< 0 konstatujemy, że korelacja miedzy stopami zwrotu jest

również ujemna (r12 < 0), zatem warunek (87) jest spełniony, co pozwala zbudować
optymalny portfel akcji.
W tym celu wykorzystano wzory (91) i (92):
* 29,714 + 9,286 39 „
itT = --------------------------------------------------- = — = u ,7 5 ,
1 3,714 + 2-9,286 + 29,714 52
3 J U + ^ = 13
2 52 52
Optymalny portfel akcji tworzy 75% akcji Aj oraz 25% akcji A 2.

Przeciętną stopę zysku (zwrotu) do optymalnego portfela akcji obliczamy ze wzoru:
Z = iijZj + m2Z2, (100)

otrzymując
Z = 0,75-4 + 0,25-2 = 3,5.
Przechodząc do oceny stopnia ryzyka związanego z optymalnym portfelem akcji,

należy wyznaczyć s c(min) ze wzoru (93):
r2 _ 3 ,7 1 4 -2 9 ,7 1 4 -(9 ,286)2 24,128

\(mm) - 52 " 52 0,464,
Sc(min) = V M 6 4 ~ 0,681.
Współczynnik zmienności dla optymalnego portfela akcji oraz dla każdej akcji
z osobna obliczamy ze wzorów:
V (Z) = —^=—^- •100%, (101)

2
V ( Z 1) = § - 1 0 0 % , (102)
A
V(Zi) =p- 100%. (103)

•¿2
Podstawiając odpowiednie dane do wzorów (101) - (103), otrzymano:
V( Z) = •100% -19,5% ,
V( Zj ) = 100% - 48,2%, Sx = 73/714 -1,927,
V( Z 2) = ^ ~ L 100% = 272,5%, S2 = 729,714 - 5,451.
Otrzymane wyniki wskazują, iż zakup akcji w proporcjach zgodnych z optymal

nym rozwiązaniem znacznie obniża ryzyko V(Z) < F(Zj) < V(Z2).
Zadania
190. Przedsiębiorca zaciągnął w banku pożyczkę w wysokości 560 000 zł na 5 lat.
Po pięciu latach spłaci! pożyczkę, przekazując bankowi 910 000 zl. Oblicz:
a) wysokość odsetek od pożyczonej sumy,
b) całkowitą stopę procentową,
c) roczną stopę procentową.
191. Pewna osoba wzięła pożyczkę z banku w kwocie 5000 zł na 2,5 roku. W umowie
przyjęto roczną stopę procentową w wysokości 18%. Oblicz:
a) jaką kwotę należy zwrócić bankowi?
b) ile wynoszą odsetki od pożyczonej sumy?
c) ile wyniesie całkowita stopa procentowa?
192. Jaką lokatę należy założyć w banku na okres 3 lat, aby po upływie tego okresu
otrzymać 23 800 zł? Naliczone odsetki wynoszą 6,5% w skali rocznej.
193. Klient założył w banku lokatę w wysokości 15 000 zł na 3 lata. Po trzech latach
bank wypłacił klientowi 18 600 zl. Oblicz:
a) ile wynoszą odsetki za cały okres depozytu?
b) jaka jest wysokość całkowitej stopy procentowej?
c) jaka jest wysokość rocznej stopy procentowej?
194. Jan Brzozowski wpłacił na lokatę do banku kwotę 25 000 zł, w którym roczna
stopa procentowa wynosi 12,5% od depozytów złożonych na okres ponad pięcio
letni. Po jakim czasie podwoi kapitał?
195. Po jakim czasie lokata w wysokości 5000 zł złożona w banku przy oprocentowa
niu rocznym równym 8% wzrośnie do 15 000 zł?
196. Klient zaciągnął kredyt w banku na 6 lat przy stałej stopie procentowej 17,5%.
Po sześciu latach zwrócił bankowi kwotę 51 250 zł.
a) Ile pieniędzy klient pożyczył w banku?
b) Ile wynosiła całkowita stopa procentowa?
197. Stefan Kowalski oddał w depozyt do banku kwotę 100 000 zł z zamiarem znacz
nego jej pomnożenia. Chciał bowiem w przyszłości przekazać swemu wnukowi
kwotę 350 000 zł. Przy długoletnich depozytach i stosunkowo wysokim kapitale
przyjętym w depozyt bank zaproponował klientowi wysoką roczną stopę procen
tową wynoszącą 12,5%. Po jakim czasie Stefan Kowalski będzie mógł przekazać
swemu wnukowi wymienioną kwotę?
198. Klient oddał do banku Bj w depozyt 600 000 zł jako lokatę na 3 lata. Bank nali
cza odsetki corocznie, przy czym roczna stopa procentowa przy tego rodzaju lo
katach kształtuje się na poziomie 7,5%. Ile pieniędzy klient otrzyma po upływie
zadeklarowanego okresu depozytu?
199. Ten sam klient (por. zad. 198) oddał w depozyt tę samą kwotę 600 000 zł, ale do
innego banku - B2. Bank B2 oferuje oprocentowanie w tej samej wysokości co
bank Bj (tj. 7,5%), lecz nalicza odsetki kwartalnie.
a) Ile pieniędzy zainkasuje klient po upływie zadeklarowanego czasu trwa
nia depozytu?
b) W którym z banków lepiej ulokował swój kapitał?
200. Jan Brzozowski złożył w depozyt bankowi kwotę 16 000 zł z zamiarem jej podwo
jenia. Bank proponuje w takim przypadku oprocentowanie kapitału wynoszące
5% w skali rocznej wraz z miesięczną kapitalizacją odsetek. Po jakim czasie Jan
Brzozowski zrealizuje swój zamiar?
201. Krzysztof Nowak przekazał bankowi w depozyt kwotę 40 000 zł na 5 lat. Przy tak
wysokiej kwocie bank przyznał oprocentowanie wkładu w wysokości 5,6% w ska
li rocznej z ciągłą kapitalizacją odsetek. Jaką kwotę pieniężną Krzysztof Nowak
podejmie z banku po upływie 5 lat?
202. Po jakim czasie depozyt 5000 zł złożony w banku przy rocznej stopie procento
wej w wysokości 4,5% osiągnie poziom 12 000 zł. W banku obowiązuje roczny
system kapitalizacji odsetek.
203. Stefan Kowalski wpłacił 2000 zł na lokatę w banku, który zapewnia 6% odsetki
w skali rocznej, przy czym kapitalizuje je raz na koniec każdego roku. Natomiast
Krzysztof Nowak wpłacił 4000 zł na lokatę w tym samym banku i na tych samych
warunkach. Który z nich szybciej podwoi swój kapitał?
204. Zdeponowano w banku kwotę 10 000 zł jako lokatę dziesięcioletnią. Przez pierw
sze 4 lata bank wypłacał odsetki w wysokości 7%, przez kolejne 2 lata obniżył je
do 6%, by je podnieść do 8% w ciągu ostatnich 4 lat trwania depozytu. Jaką kwo

tę podjął z banku założyciel lokaty po upływie zadeklarowanego terminu?
205. Założono lokatę w wysokości 30 000 zł na 8% w skali rocznej.

a) Po jakim czasie nastąpi podwojenie powierzonego kapitału, jeśli nalicza
się odsetki raz za cały okres trwania lokaty?
b) Po jakim czasie nastąpi podwojenie kapitału przy rocznej kapitalizacji
odsetek?
206. Ile pieniędzy musi Jan Brzozowski zdeponować w banku, aby po 10 latach przy
oprocentowaniu r = 6,5% mógł podjąć 50 000 zł?
207. Krzysztof Nowak chce za 6 lat kupić nowy samochód, którego cena wynosi
32 000 zł. He pieniędzy musi zdeponować w banku, by przy stopach procento
wych za pierwsze 2 lata - 5% i w następnych 4 latach - 6% osiągnąć kwotę równą
cenie samochodu?
208. Jan Brzozowski chce zdeponować pewną sumę pieniędzy na 5 lat, by po upływie
tego okresu podjąć 20 000 zł. Ma do wyboru 2 opcje:
a) Powierzyć swe pieniądze WBK, w którym kapitalizacja odsetek następuje
każdego roku.
b) Założyć lokatę pieniężną w mBanku, w którym obowiązuje kapitalizacja
odsetek w systemie ciągłym.
Oba banki oferują to samo oprocentowanie - 5,4% w skali rocznej.
a) Jaką kwotę musi złożyć w WBK?
b) Jaką kwotę musi złożyć w mBanku?
c) Którą opcję Jan Brzozowski powinien wybrać?
209. Krzysztof Nowak będąc 10 lat przed pójściem na emeryturę chce za ten okres
zgromadzić kapitał 72 000 zł, by potem z odsetek wypłacanych co miesiąc uzyskać
dodatek do swojej emerytury. Bank dolicza odsetki w systemie miesięcznym, zaś
oprocentowanie lokaty wynosi 6,6% w skali rocznej. Stawka procentowa oraz spo
sób kapitalizacji odsetek (wg umowy obowiązującej obie strony) nie ulega zmianie,
zarówno w okresie trwania lokaty, jak i w okresie przyszłym, gdy bank będzie wy
płacał odsetki od nagromadzonej sumy 72 000 zł. Należy dopomóc Krzysztofowi
Nowakowi w ustaleniu wysokości lokaty, jaką musi wnieść do banku.
a) Oblicz wysokość lokaty.
b) Zakładając, że wkład ma pozostać nienaruszony, bank będzie co m ie
siąc wypłacał kwoty odsetek stanowiące dodatek finansowy do emerytury
Krzysztofa Nowaka. Ile wyniesie kwota tego dodatku?
210. Jan Brzozowski postanowił zakupić samochód na kredyt. Samochód kosztuje

98 000 zł. Bank udzielił mu pożyczki na 18% w skali rocznej. Ile finalnie zwróci
Brzozowski bankowi, jeśli spłaci całą kwotę pożyczki po 6 latach, zaś bank nali
cza odsetki co miesiąc.
211. Jan Brzozowski zdeponował w banku kwotę 15 000 zł na 5 lat. Przez pierwsze
2 lata obowiązywała stopa 4%, przez kolejny rok 5,6% oraz przez ostatnie 2 lata
6,5%. Ile pieniędzy bank wypłaci! Janowi Brzozowskiemu po upływie zadekla
rowanego terminu?
212. Oblicz wysokość rocznej efektywnej stopy procentowej, jeżeli nominalna roczna
stopa procentowa r = 18% a odsetki są dopisywane po upływie każdego miesiąca.
213. Przedsiębiorca Jan Kowalski rozważa możliwość zainwestowania 2 000 000 zł

w budowę średniej wielkości supermarketu. Realizacja tej inwestycji jest za
planowana na 5 lat. Kwota 2 000 000 zl musi być oddana do dyspozycji wy
konawcy inwestycji z chwilą jej rozpoczęcia, tj. 1.01.2011 r. Po jej odbiorze,
tj. od 1.01.2016 r. inwestycja ta będzie przynosić następujące zyski w kolejnych
10 latach: 2016 - 200 000 zl, 2017 - 200 000 zl, 2018 - 300 000 zł, 2019 - 300 000 zł,
2020 - 300 000 zł, 2021 - 400 000 zł, 2022 - 400 000 zl, 2023 - 500 000 zl,
2024 - 600 000 zł i 2025 - 600 000 zl.
Zrealizowane zyski z inwestycji po upływie każdego roku Jan Kowalski
może zdeponować w swoim banku na okres do końca 2025 r. Bank oferuje dla
tych depozytów oprocentowanie w wysokości 4% w skali rocznej przy rocznej
kapitalizacji odsetek. Gdyby jednak Jan Kowalski podpisał umowę z bankiem na
lokatę owych 2 000 000 zl na 15 lat, bank wówczas oferuje oprocentowanie w wy
sokości 6% w skali rocznej z roczną formą kapitalizacji odsetek. Wykonując od
powiednie rachunki, należy podjąć rolę doradcy finansowego Jana Kowalskiego
w zakresie wyboru odpowiedniej opcji:
a) zainwestowanie kapitału w budowę supermarketu,
b) zdeponowanie kapitału w banku na lokatę 15-letnią.
W rozważaniach swych Jan Kowalski przyjmuje 15-letnią perspektywę
czasową.
214. Jan Brzozowski i Krzysztof Nowak zarabiają po 2500 zł miesięcznie. Firma

Brzozowskiego wypłaca pobory 1-go dnia każdego miesiąca, czyli płaci z góry.
Zakład pracy zatrudniający Nowaka płaci z dołu, czyli na koniec każdego miesią
ca. Powstaje pytanie, czy realnie w ciągu roku tyle samo zarabiają. Aby odpowie
dzieć na to pytanie przyjmijmy założenie, iż obaj deponują swe zarobki w całości
w tym samym banku, który zapewnia oprocentowanie ich kapitału w wysokości
6% w skali rocznej przy comiesięcznej kapitalizacji odsetek.
a) Ile środków pieniężnych zgromadzi Brzozowski na koniec roku tj. na
dzień 31 grudnia?
b) Ile środków pieniężnych zgromadzi Nowak na koniec roku tj. na dzień
31grudnia?
215. Krzysztof Nowak sprzedał mieszkanie Janowi Brzozowskiemu za 320 000 zł.
W dniu spisania umowy i przekazania kluczy otrzyma! 100 000 zl, zaś pozo
stałą należność w ratach płatnych w ciągu roku od daty podpisania umowy:
po I kwartale - 60 000 zl, po II kwartale - 60 000 zł, po III kwartale - 40 000 zł
10.8; Optymalizacja portfela akcji 367
i po IV kwartale 60 000 zł. Ile realnie otrzymał Krzysztof Nowak za swe miesz
kanie przy obowiązującej rocznej stopie procentowej w wysokości 20% oraz przy
kwartalnej kapitalizacji odsetek?
216. Stefan Kowalski lokuje kwotę 15 000 zł na 1 rok w BGŻ przy rocznej stopie ban
kowej r = 4%. W roku trwania lokaty nastąpiła inflacja, której wskaźnik ustalono
na poziomie 3,8%.
a) Oblicz nominalną wartość kapitału, jaką bank wypłaci Kowalskiemu po
roku.
b) Oszacuj realną wartość kapitału, jakim będzie dysponował Kowalski po
upływie roku.
217. Jan Brzozowski lokuje w PEKAO S.A. kwotę 120 000 zł na 1 rok. Bank zapew
nia oprocentowanie kapitału w wysokości 5% w skali rocznej. W roku trwania
lokaty wskaźnik inflacji oszacowano na poziomie 12%.
a) Ile pieniędzy otrzyma Brzozowski po upływie roku?
b) Oblicz realną wartość wypłacanej kwoty po ty okresie.
218. Stefan Kowalski zastanawia się, czy zakupić akcje R za znaczną kwotę. Przed
podjęciem decyzji prześledził 11 ostatnich notowań giełdowych tej akcji: 56, 60,
66, 60, 70, 65, 72, 72, 60, 75, i 70. Przyjmij rolę doradcy finansowego i sprecyzuj
wniosek, czy Jan Kowalski powinien zakupić te akcje, czy też zrezygnować z ich
zakupu. W tym celu należy wyznaczyć:
a) stopy zysku (procentowo) w ostatnich 10 notowaniach,
b) średnią wartość stopy zysku akcji R,
c) wariancję, odchylenie standardowe oraz współczynnik zmienności stopy
zysku.
219. Krzysztof Nowak rozważa decyzję o zakupie akcji S za znaczną sumę pieniędzy.
Przed podjęciem decyzji prześledził 9 ostatnich notowań giełdowych tej akcji: 86,
120,110,120,140,140,150,140 i 164. Bądź doradcą finansowym Nowaka przed
podjęciem decyzji o zakupie. Po analizie danych sprecyzuj wniosek na tak lub nie
w kwestii zakupu akcji S. W tym celu należy wyznaczyć:
a) procentowe stopy zysku w kolejnych 8 notowaniach,
b) średnią wartość stopy zysku akcji S,
c) wariancję, odchylenie standardowe oraz współczynnik zmienności stopy
zysku,
d) semiwariancję, semiodchylenie standardowe oraz odpowiadający mu
współczynnik zmienności stopy zysku.
220. Jan Brzozowski chce zakupić pakiet dwóch akcji P oraz Q. Celem ustalenia
struktury portfela zakupu prześledził ostatnie notowania giełdowe obu akcji
w wyniku czego obliczył wartość stóp zwrotu.
W kolejnych 7 notowaniach stopy zwrotu akcji P kształtowały się następu
jąco: 8, 9, 9,10,11,11 i 19. Stopy zwrotu akcji Q przyjmowały wartość: 5, 4, 4, 3,
2, 2 i 1. Należy:
a) Ustal, czy możliwe jest wyznaczenie optymalnych udziałów poszczegól

nych akcji.
b) Przy pozytywnej odpowiedzi na poprzednie pytanie, ustal optymalny
portfel akcji.
c) Oblicz wartość minimalnej wariancji całkowitej, odchylenia standardo
wego oraz wartości współczynników zmienności stopy zwrotu obu akcji
przy wykorzystaniu minimalnego odchylenia standardowego.
221. Krzysztof Nowak postanowił zakupić pakiet dwóch akcji M oraz N. Celem usta
lenia struktury zakupu tych akcji prześledził ostatnie notowania giełdowe obu
akcji i obliczył wartości ich stóp zwrotu. W kolejnych 6 notowaniach stopy zwrotu
kształtowały się następująco:
- akcja M: 6, 4, 6 ,0 , - 2 ,4 .
- akcja N: - 2 ,- 1 ,1 ,1 0 ,1 ,3 .
a) Ustal, czy możliwie jest obliczenie optymalnego portfela akcji, wyznacza
jąc wartość rn (współczynnik korelacji miedzy stopami zwrotu obu akcji).
b) Przy pozytywnej odpowiedzi na poprzednie pytanie, ustal optymalną
strukturę portfela akcji.
c) Oblicz wartość nominalnej wariancji całkowitej, odchylenia standardowe
go, oraz wartości współczynników zmienności stóp zwrotu obu akcji przy
wykorzystaniu minimalnego odchylenia standardowego stóp zwrotu.
Budowa rankingu obiektów w świetle
ocen wielokryterialnych
11.1. Wprowadzenie
W różnych sferach ludzkiej aktywności występuje duża liczba zjawisk, które można
określić mianem złożone. Przez zjawisko złożone należy rozumieć pewien abstrakcyj
ny twór związany ze stanem jakościowym (bezpośrednio niemierzalnym) rzeczywistych
obiektów opisywany przez co najmniej dwie cechy. Przykładami tak zdefiniowanego po
jęcia „zjawisko złożone” mogą być: standard życia ludności, poziom rozwoju społecz
no-gospodarczego wybranego kraju, atrakcyjność rynkowa produktów, jakość kadry
kierowniczej firmy, poziom rozwoju instytucji z otoczenia biznesu, stopień degradacji
środowiska, poziom świadomości ekologicznej, stopień zaawansowania działalności
proekologicznej, stan oświaty, konkurencyjność techniczno-ekonomiczna wyro
bów, stan zagospodarowania turystycznego regionu lub kraju itp. (zob. szerzej na ten
temat: K. Kukuła [54], s. 22-32).
Porównania różnych obiektów położonych w przestrzeni w zakresie zjawisk zło
żonych stwarzają konieczność sporządzania ich ocen, a w dalszej kolejności konstruk
cji rankingu. Zjawiska złożone, jak wynika z definicji, są zwykle charakteryzowane
wieloma różnorodnymi cechami, które mają różne miana i wykazują różne rzędy
wielkości. Wielokryterialna ocena zjawiska w różnych obiektach staje się możliwa,
gdy dokonamy przekształcenia wartości cech oryginalnych celem ich ujednolicenia.
Przekształcone zmienne są pozbawione mian i przybierają wartości zbliżonego rzędu
wielkości. Sposoby transformacji wartości oryginalnych cech diagnostycznych są na
zywane metodami normowania. Unormowane wartości zmiennych diagnostycznych
mogą być poddane procesowi agregacji (zwykle sumowania), co prowadzi do uzyska
nia zmiennej syntetycznej (agregatowej) charakteryzującej każdy obiekt ze względu
na oceniane zjawisko złożone. Zatem wartości zmiennej agregatowej stanowią oceny
poszczególnych obiektów ze względu na stan rozwojowy badanego zjawiska złożonego.
Znajomość ocen obiektów pozwala na konstrukcję ich rankingu - tj. układu, w którym
obiekty są uporządkowane w kolejności od najlepszego do najgorszego ze względu na
wartość zmiennej syntetycznej (agregatowej).
Opisowi zjawiska złożonego towarzyszą pojęcia zbioru zmiennych diagnostycz
nych X oraz zmiennych syntetycznych (agregatowych) - Q. Poza wymienionymi należy
'I
370 11. Budowa rankingu obiektów w świetle ocen wielokryterialnych
wspomnieć o zbiorze wyjściowym zmiennych opisujących - W, o zbiorze zmiennych

opisujących zredukowanych w procesie wyboru oraz o zbiorze zmiennych unormowa
nych (transformowanych) - Z. Proces przechodzenia zmiennych ze zbioru W (zmien
nych wyjściowych - wstępnie zakwalifikowanych do opisu badanego zjawiska) do
zbioru Q - zmiennych agregatowych, przedstawia rys. 52.
Rys. 52. Uproszczony schemat powstawania zmiennej syntetycznej
Szczególnie ważnym zagadnieniem jest ustalenie prawidłowo listy zmiennych dia

gnostycznych tworzących zbiór X. Zmienne te winny w adekwatny sposób charakte
ryzować badane zjawisko złożone. Zmienne diagnostyczne (już wybrane) ze zbioru X
są poddawane za pomocą jednej z wybranych metod procesowi normowania i prze
chodzą w zmienne unormowane, tworząc zbiór Z. Zmienne unormowane sprowadzo
ne do stanu umożliwiającego porównania, są pozbawione mian oraz przyjmują na
ogół wartości z określonych przedziałów. Własności te umożliwiają przeprowadzenie
procedury agregacyjnej. W efekcie otrzymuje się zbiór zmiennych syntetycznych - Q.
Znajomość elementów zbioru Q dostarcza zobiektywizowanych ocen zjawiska złożone
go zrelaty wizowanych na zbiorze obiektów. Zatem zmienna syntetyczna (agregatowa)
to taka zmienna, która bazuje na zbiorze zmiennych diagnostycznych unormowanych
i w sposób kwantytatywny określa poziom (stopień rozwoju) rozpatrywanego zjawiska
w badanych obiektach. Zauważmy, iż zmienna syntetyczna, powstając ze zmiennych
diagnostycznych unormowanych również pozbawiona jest miana i może stanowić ma
teriał wyjściowy w procesie konstrukcji rankingu obiektów. Przez ranking rozumie
my taki układ obiektów, w którym są one uporządkowane nierosnąco ze względu na
poziom zjawiska złożonego, reprezentowany przez odpowiednie wartości zmiennej
11.2. Oznaczenia 371
agregatowej. Trudno dziś nie docenić wagę i celowość budowy rankingów dotyczących
różnych zbiorów obiektów. Coraz częściej rankingi sporządzane przy zastosowaniu
różnorodnych technik, stwarzają podstawy podejmowania ważnych decyzji gospodar
czych, społecznych i politycznych.
11.2. Oznaczenia
Istotą badań wielokryterialnych jest ich ujęcie porównawcze, co oznacza, że poziom
zjawiska złożonego rozpatruje się w różnych obiektach. Po dokonaniu redukcji zbioru
wyjściowego cech - W pozostają zmienne zaliczane do zbioru cech diagnostycznych X
Niech O oznacza zbiór obiektów
o = {olt o 2, ..., ory,

gdzie r jest liczbą badanych obiektów. Każdy obiekt jest charakteryzowany przez zbiór
zmiennych diagnostycznych
gdzie s jest liczbą zmiennych diagnostycznych, wykorzystanych do opisu zjawiska zło

żonego w obiektach.
Ze względu na zróżnicowanie potrzeb użytkowników badań oraz stopień dyspozy
cyjności bazy danych, analizę zjawiska możemy przeprowadzić, wykorzystując
• podejście statyczne
• podejście dynamiczne.
W statycznym podejściu badawczym rozpatrujemy zjawisko złożone w jednym
z wybranych okresów. Zwykle jest to ostatni z okresów, gwarantujący pozyskanie kom
pletnej informacji statystycznej. W takim ujęciu rezygnuje się z oznaczenia zmiennych
subskryptem Niezbędne w badaniach statycznych dane tworzą macierz dwuwymia
t.
rową postaci
xn x12 ... xls
x r l X r 2 • •• x r s ]
gdzie Xy oznacza realizację zmiennej Xj w obiekcie O-. Zatem i-ty obiekt opisuje wek
tor zmiennych:
W = [%> *¿2» Xis l (i = !> •••> r )-
Wektor [x(] jest s-wymiarową obserwacją charakteryzującą obiekt Ot. Każdemu

obiektowi odpowiada punkt w przestrzeni s-wymiarowej.
11.3. Problemy rozpoznania i ujednolicenia

charakteru zmiennych
U podstaw porządkowania liniowego prowadzącego do konstrukcji rankingu obiek
tów, leży konieczność podziału zbioru zmiennych diagnostycznych na trzy podzbiory:
5, D i N. Podział ten spełnia warunek zupełności
X = S u D kj N
i warunek rozłączności
S n D = D n N = 0,
przy czym
S - podzbiór zmiennych diagnostycznych zwanych stymulantami,
D - podzbiór zmiennych diagnostycznych zwanych destymulantami,
N - podzbiór zmiennych diagnostycznych zwanych nominantami.
Rozpoznanie wybranych zmiennych opisujących zjawisko złożone (tworzących
zbiór X ) polega na zbadaniu ich tożsamości, co prowadzi do określenia ich przyna
leżności do jednego z podzbiorów - S, D lub N. Podział zmiennych diagnostycznych
na stymulanty i destymulanty wprowadził Z. Hellwig w swojej pionierskiej pracy [33],
Pojęcie zaś nominanty wprowadził T. Borys w pracy [12]. Nie podając szczegółowych
definicji stymulant, destymulant oraz nominant, które można znaleźć w pracach [33],
[12] lub [54] posłużymy się uproszczonymi określeniami tych zmiennych.
Stymulantą będziemy nazywać taką zmienną diagnostyczną, której wzrost koja
rzyć należy ze wzrostem, zaś spadek ze spadkiem oceny zjawiska złożonego.
Destymulantą będziemy nazywać taką zmienną diagnostyczną, której wzrost ko
jarzyć należy ze spadkiem, spadek zaś ze wzrostem oceny zjawiska złożonego.
Nominanta to taka zmienna, która ma określoną, najkorzystniejszą - z punktu
widzenia oceny zjawiska złożonego wartość zwaną wartością nominalną. Nominanta
przyjmująca wartości mniejsze bądź też większe od wartości nominalnej kojarzy
się ze spadkiem oceny zjawiska złożonego. Spotykane są w praktyce sytuacje, gdzie
wartości nominalne tworzą określony przedział liczbowy.
Niezwykle ważnym zagadnieniem umożliwiającym prawidłowe przeprowadzenie
procesu agregacji jest ujednolicenie charakteru zmiennych, tj. sprowadzenie wszyst
kich zmiennych do roli stymulant lub destymulant. W praktyce przeważa pierwsza
opcja. Wypracowano w tym zakresie specjalne formuły ujednolicające zmienne.
11.4. Wybrane metody normowania

zmiennych diagnostycznych
Ogólnie ujmując, metody normujące można podzielić na dwie grupy:
A - Metody oparte na formule przekształcenia ilorazowego.
B - Metody rangowe.
11.4. Wybrane metody normowania zmiennych diagnostycznych 373
Spośród wielu metod normowania - znanych w literaturze przedmiotu - wybrano

do prezentacji dziesięć najczęściej stosowanych w badaniach empirycznych. Wszystkie
przedstawione tu metody oparte są na formule przekształcenia ilorazowego.
Metody z grupy A przyjmują różne punkty odniesienia, które można określić
następująco:
1) miary zróżnicowania cech, takie jak:
a) odchylenie standardowe zmiennej (ten punkt odniesienia wykorzystują m e
tody standaryzacyjne - zob. formuły (1) i (2)),
b) rozstęp zmiennej (ten punkt odniesienia wykorzystują metody unitaryzacyj-
ne - zob. formuły (3), (4) i (5)),
2) inne stałe parametry cechy, takie jak:
a) średnia arytmetyczna (zob. formuła (8)),
b) maksymalna bądź minimalna wartość zmiennej (zob. formuły (6) i (7)),
c) długość wektora realizacji zmiennej (zob. formuła (10)),
d) suma realizacji zmiennej (zob. formuła (9)).
Wybrane formuły normujące z grupy metod A przestawiają się następująco:
. _ y " j
S(X j)> 0,
(1)
lj S (X j) ’
xij
(2) S(X j)> 0,
Zl] ” S (X j)’
x ij
(3) zz--------------------- m a x X:: > mi n x j j ,
,J max Xu -m in x ,’ i J i 3
i 1 i 1
* y -* / maxx;; > mi n x j j ,
(4)
lJ maxx, - minx . 9 i J i J
i 3 i '
V
Xu - minx,
V
(5) —----------- ---------- maxx;: > m i n x j j ,
lJ maxx, - minx,, ’ i J i J
i 1 i 1
(6) z~ = Xij maxXjj * 0,

J maxxa i 3
i lJ
xij
(7) zij= ■ ’ min Xy 9^0,
1 m m Xu
i J
x ij
(8) X j * o,
z ‘j ~ X j ’
Xij
(9) z ij ~ r
i =1
Ź x ij
x ij
(10) z ij ~ 0,5 ’
i= l
1 4
i- l
Należy dodać, że wszystkie formuły normujące (1) do (10) dotyczą stymulant.
I 11.5. Metoda unitaryzacji zerowanej

Metody unitaryzacyjne (zob. formuły (3) do (5)) charakteryzują się przyjęciem stałego
punktu odniesienia, który stanowi rozstęp zmiennej normowanej:
(11) R ( X ) = max Xy - min xit.

J i J i J
Takie podejście sprawia, że rozstęp cechy unormowanej - Zj jest stały i wyno

si jeden. Elementem odróżniającym poszczególne formuły (3) - (5) jest licznik ich
ułamka. Formuła (5) odpowiada takiemu sposobowi transformacji zmiennej oryginal
nej, w wyniku której otrzymujemy zmienne unormowane zawierające się w przedziale
[0,1]. Wzmiankowany sposób transformacji nosi nazwę metody unitaryzacji zerowanej
(w skrócie M UZ).
Dla stymulant wykorzystujemy sposób transformacji następujący (powtarzamy
formułę (5):
X'j-mmX'j fi = 1,2
(12) X j e 5.
max Xy - minx,. ’ J = l, 2
F * t *
Dla destymulant transformację zmiennej oryginalnej w unormowaną umożli

wia wzór:
m axxy-xy =
(13) Xj e D.
m axXy-m inXy’ y j = \ , 2, . . . , s
Rozpatrując kwestię normowania nominant, uwzględnimy dwa przypadki:

1. istnienie jednej wartości nominalnej - c0;
2. istnienie przedziału wartości nominalnych - [cy, c2j].
W przypadku zaistnienia sytuacji, w której określona jest wartość nominalna c0;,
normowanie za pomocą M UZ przebiega następująco:
11.6. Budowa rankingu 375
Xj: - min Xn
J j J gdy Xij < c0j
c0 j - m i n xij’
(14) za • 1, gdyXg = c0j, Xj g N.
x- - max Xy
gdy X g > C Qj
c0j - max xij ’
W drugim z wymienionych przypadków, gdy dla zmiennej diagnostycznej będącej

nominantą, został ustalony przedział wartości nominalnych [cy, c2j]i normowanie przy
zastosowaniu M UZ opiera się na formule:
Xy - mm X-
______j 1
gdy xij< c lj
Cy - min x,y
(15) 1, gdy cl j < x ij< c 0j, Xj e N.

Xy - max Xy
gdy xij> c 2j
c2 j - m axxij ’
Na szczególne podkreślenie zasługuje fakt, że za pomocą M U Z otrzymujemy

w każdym przypadku unormowania z przedziału [0, 1] oraz że metoda ta pozwala
transformować cechy zarówno ujemne, jak i dodatnie oraz przyjmujące wartość zero.
11.6. Budowa rankingu

Badania porównawcze mają sens tylko wtedy, gdy istnieje wiele obiektów (co najmniej
dwa) będących celem analizy. Znajomość rankingu obiektów uwzględniającego oceny
wielokryterialne stanowi jedną z zasadniczych przesłanek podejmowania trafnych decyzji.
Unormowanie cech diagnostycznych jest etapem wstępnym pozwalającym dopro
wadzić do uzyskania łącznej oceny wielokryterialnej każdego z branych pod uwagę
obiektów. Łączną ocenę każdego z porównywanych obiektów możemy uzyskać drogą
agregacji na wiele sposobów (zob. K. Kukuła - [54], s. 71-76). W tym miejscu wskaże
my dwa najprostsze sposoby otrzymania zmiennej agregatowej (syntetycznej):
(16) Q i = t z ij 0' = U , . . . , r ) ,
j=i
lub
(1 7 ) a = -i> 0 (*' = 1 , 2 , . . . , r ) ,
s j=1
gdzie: <2, - zmienna syntetyczna będąca wielokryterialną oceną zjawiska złożonego

charakteryzującego /-ty obiekt. Znajomość zmiennej Q pozwala zbudować ranking,
tj. układ obiektów uporządkowanych względem nierosnących wartości Qt. Na pierw
szych miejscach znajdują się „obiekty najlepsze”, a przy końcu rankingu plasują się
„obiekty najgorsze”. Chcąc podzielić cały zbiór obiektów na trzy części, a mianowicie
na podgrupę obiektów najlepszych, przeciętnych i najgorszych, stosuje się stałą U:
max<2; - min g,
(18) U=-
otrzymując:
podgrupę obiektów najlepszych dla <2, e |max<2; - U ; max<2(j,
podgrupę obiektów przeciętnych dla Qt €|max<2( -2 U ; max£>, - t / j ,
podgrupę obiektów najgorszych dla Ql e j^ming,-; maxQ, - 2U j .
Przykład 71. Spośród dziesięciu hut szkła {HI, H 2 ,..., H10} należy wybrać pięć
najlepszych zakładów, kwalifikujących się w pierwszej kolejności do sprywatyzowania.
O kolejności hut w rankingu decydują czynniki o charakterze ekonomicznym oraz
wybrane wskaźniki ekologiczne. Kryteria oceny w postaci zaleconej listy zmiennych
diagnostycznych zostały podane przez ministerstwo. A oto ustalona lista zmien
nych diagnostycznych:
Xj - roczny zysk huty w min zł,
X 2 - procentowy udział produkcji sprzedanej w ciągu roku,
X 3 - procentowy udział produkcji eksportowej w ciągu roku,
X4 - stopień dekapitalizacji majątku trwałego wyrażony procentowo,
X 5 - procentowy udział zanieczyszczeń gazowych emitowanych do atmosfery,
X6 - procentowy udział ścieków nieoczyszczonych wydalanych do otoczenia.
Informacje liczbowe o wartościach cech diagnostycznych podano w tabl. 225.
Należy:
a) rozpoznać zmienne diagnostyczne,
b) dokonać ich unormowania za pomocą M UZ,
c) zbudować ranking hut szkła,
d) wyodrębnić pięć najlepszych zakładów.
11.6 . Budowa rankingu 377
T ab lica 225
O b ie k t i-ty Zm ien ne diagnostyczne

I
(h u ta s zk ła )'
xa xa xa x ,M ilW i x i6
1 Hr 2 60 0 60 40 40
2 h 2 4 50 10 40 60 90
3 h 3 7 60 20 50 50 80
4 h 4 3 50 20 50 60 90
5 h 5 10 100 50 10 70 80
6 h 6 8 70 30 30 50 40
7 h 7 8 100 30 60 40 60
8 h 8 12 90 50 20 20 60
9 h 9 9 80 50 30 20 50
10 «10 7 55 30 15 30 60
Źródło: dane umowne.
R o z w i ą z a n i e . Z sześciu przedstawionych zmiennych trzy pierwsze są stymu

lantami, trzy zaś pozostałe destymulantami, stąd {X v X 2, X3} e S oraz {X4, X 5, X 6} e D.
Rozpoznanie zmiennych wpływa na sposób ich normowania. Przy normowa
niu cech X t, X 2, X 3 wykorzystamy formułę (12). Transformując cechę X v na wstępie
ustalamy:
min xn = 2, maxx(1 = 12.
Dalej zaś stosując wzór (12), dla kolejnych obiektów otrzymujemy:
2-2 3-2 12-2 .

z n = ^ = 0, *41 = ” ^ = 0 ,1 , *81 “ ~
12-2 12-2 12-2TT “
4 -2 10-2 9 -2
*21=-1 2 - 2 = 0, 2, ‘51 12-2
= 0, 8, *91
12 2- "
: 0,7,
7 -2 8-2 7 -2
*31 =
= 0,5, ‘ 61 ' = 0,6, * 1 0 . 1 = ^ = °>5»
12-2 12-2
8-2
‘ 71 '
= 0, 6.
12-2
Podobnie postępujemy przy normowaniu cechy X 2, ustalając na wstępie:
minx/2 = 50, maxxi2 = 100.

Unormowane wartości cechy X 2 we wszystkich dziesięciu obiektach kształtują się

następująco:
6 0 -5 0 5 0 -5 0 9 0 -5 0
zn ~ : 0, 2, ‘ 42 = 0, ‘ 82 0, 8,
=
1 0 0 -5 0 1 0 0 -5 0 1 0 0 -5 0
_ 5 0 -5 0 _ A 1 0 0 -5 0 8 0 -5 0
‘ 52 ‘ 92 = 0, 6,
Z22 1 0 0 -5 0 ’ 1 0 0 -5 0 1 0 0 -5 0
_ 7° - 50 _ n „ zz10.2 -_ -5—
5 - 50
z3 2 = ^ r ” = 0,2, z62 - 77^ iTT“ 0,4, — -- U,l,
0 1
1 0 0 -5 0 1 0 0 -5 0 1 0 0 -5 0
1 0 0 -5 0 .
* 7 2 = ---
1 0 0 -5~0 = 1-
Transformację zmiennej X 3 również poprzedzamy ustaleniem dwóch parametrów

tej cechy:
minxl3 = 0, maxx(3 =50.
i i
Unormowane wartości cechy X 3 są następujące:
0 -0 20-0 A . _ 50-0
zi 3 = tt — r = 0, z a-i = --------= 0,4, z 83 ~ ~ r - 1,
50-0 43 5 0 - 0 50-0
10-0 10-0 _ 5 0 -0 ,
z23 —"zi r —0,2, ‘ 53
10,2, z93 “ ~ r - 1,
50-0 50-0 50-0
2 0 " ° A „
30-0 _ 30-0 ,
z 33 = --------= 0,4, ‘ 63 '
= 0, 6, z10.3 7 ~ u>0>
33 5 0 - 0 50-0 50-0
Z uwagi na fakt, że zmienne X4, X s, X 6 są destymulantami, ich normowania

dokonujemy na podstawie formuły (13).
Normowanie cechy X 4:
min xi4 = 10, m axx 4 = 60.
60-60 n 2 _ 6 0 -5 0 _ 02
z i4 = - - - = 0 > % =^ = 0.8,
6 0 -1 0 44 6 0 - 1 0 ’ ’ 60-10
60-40 n . 60-10 _ 60 - 30
Z24 ~ n 777 — 4> Z 54 “ = 1, z94 — —0,6,
60-10 60-10 60-10
60-30 z - 6 0 z i 5 _ 09
23 4 = ^ ? = 0,2, ZfLA —----------- —0« 65 zio.4 - — - - -u ,v ,
6 0 -1 0 64 6 0 -1 0 60-10
60-60 .
z 74 ~ - ..... = 0-
60-10
minxi5 = 20, maxxi5 = 70.

i i
7 0 - 4 0 HA _ 70 - 20 1
z 15 = 0, 6, * - ^ = 0,2.
70-20 70-20 ZS 5 - 7 o _ 2 o ~ ’
70-70 _ 70-20
22 5 = 5 t ^ ? = 0,2, z 55 ~ = 0,
70-20 70-20 Z95_ 7 0 - 2 0 “ ’
_ 70-50 n a 70-50 , 70-30 np

z 35 ~ 777. 4 , Z 65 ~ :0,4, z 10.5 “ 717 — - U ,ö ,
70-20 70-20 70-20
7° - 40 = 0,6.
Zn, = ----------- A c.
75 7 0 - 2 0
11. Budowa rankingu obiektów w świetle ocen wielokryterialnych
min xi6 = 40, max xi6 = 90.

i i
90-40 , 90-90 A 90-60

zi6 = ;^ = b z 46 ~
90-40
“ 0’ z 86 _ 777
90-40
777 - " A
9 0 -4 0
90-90 n 90-80 90-50

z26 = ^ = z 56 = 0, 2, ‘96 = 0, 8,
90-40 90-40 90-40
9 0 -8 0 90-40 90-60
z36=- = 0, 2, 666 ' = 1, Z 10.6 = 0, 6.
90-40 90-40 90-40
90-60
z 76 = 0, 6.
90-40
Zakończenie procesu normowania cech diagnostycznych umożliwia przejście do

etapu agregacji, w wyniku której otrzymujemy zmienne agregatowe charakteryzują
ce każdy z dziesięciu zakładów (stosujemy wzór (16)). Wyniki normowania cech dia
gnostycznych oraz wartości zmiennych agregatowych (syntetycznych) g , zestawiono
w tabl. 226.
Tablica 226. Wartości unormowanych zmiennych diagnostycznych oraz wartości zmiennej syntetycznej
Obiekty - huty szklą l i f t ® : ' 11 % ..I:1 llis f''' % Qt
H, 0,0 0,2 0,0 0,0 0,6 1,0 1,8

h 2 0,2 0,0 0,2 0,4 0,2 0,0 1,0
h 3 0,5 0,2 0,4 0,2 0,4 0,2 1,9
h 4 0,1 0,0 0,4 0,2 0,2 0,0 0,9
h 5 0,8 1,0 1,0 1,0 0,0 0,2 4,0
«6 0,6 0,4 0,6 0,6 0,4 1,0 3,6
h 7 0,6 1,0 0,6 1,0 0,6 0,6 3,4
h 8 1,0 0,8 1,0 0,8 1,0 0,6 5,2
h 9 0,7 0,6 1,0 0,6 1,0 0,8 4,7
H 10 0,5 0,1 0,6 0,9 0,8 0,6 3,5
Źródło: obliczeniawłasne.
Na podstawie uzyskanych rezultatów wielokryterialnej oceny sporządzamy ran

king hut szkła, który przedstawia tabl. 227.
Z rankingu omawianych obiektów łatwo wskazać pięć najlepszych zakładów, są to
huty szkła: H8, H9, H 5, H6 i H 10.
Tablica 227. Ranking hut szklą

Wartość zmiennej
Lokata Huta szkła
syntetycznej fi,
1 H8 5,2
2 H9 4,7
3 H5 4,0
4 H6 3,6
5 H10 3,5
6 H7 3,4
7 H3 1,9
8 HI 1,8
9 H2 0,9
10 H4 0,9
Źródło: opracowanie własne.
Przykład 72. Pewien nabywca chce zakupić samochód osobowy klasy średniej
o pojemności silnika do 1400 cm3. Potencjalny klient ma możliwość wyboru spośród
ośmiu marek samochodów tej klasy. Są to: Ford Focus, Fiat Punto, Renault Clio, Opel
Astra, Volkswagen Bora, Skoda Fabia, Seat Cordoba i Nissan Primera. Swój wybór
nabywca opiera na siedmiu wymiernych kryteriach; są nimi następujące cechy:
X t - cena w tys. zl,
X 2 - moc silnika w km,
X 3 - pojemność bagażnika w dm3,
X 4 - przyspieszenie w sek. do osiągnięcia prędkości 100 km/h,
X 5 - zużycie paliwa w 1 na 100 km jazdy,
X 6 - długość karoserii w m (klient przyjmuje, iż optymalna dla niego długość
karoserii mieści się w przedziale (4m; 4,60m), zatem: c16 = 4, c26 = 4,6),
X 7 - bezpieczeństwo jazdy wyrażone w liczbie zainstalowanych poduszek p o
wietrznych.
Wykorzystując zebrane informacje o wartościach cech dla poszczególnych marek
samochodów (tabl. 228):
a) rozpoznaj zmienne diagnostyczne,
b) dokonaj ich normowania, stosując M UZ,
c) zbuduj ranking obiektów (marek samochodowych),
d) wskaż trzy najlepsze marki samochodów jako przesłanki wielokryterialnej
decyzji klienta.
R o z w i ą z a n i e . Spośród siedmiu zmiennych diagnostycznych trzy są stymu

lantami (X2, X 3 i X 7), trzy są destymulantami (X u X 4 i X 5) oraz zmienna X 6 jest nomi-
nantą z danym przedziałem nominalnym [c16, c26] = [4; 4,6].
3 82 11. Budowa rankingu obiektów w świetle ocen wielokryterialnych
Tablica 228. Cechy charakteryzujące wybrane marki samochodów klasy średniej
Ï4>-
Obiekt
(samochód marki) ¡lili If*2 *3 *4 *5 fill hip
1 Ford Focus 56 100 350 11,5 8,5 4,4 4
2 Fiat Punto 38 60 200 13,5 7,0 3,8 1
3 Renault Clio 48 70 290 14,5 5,5 4,1 2
4 Opel Astra 36 60 440 14,0 9,5 5,0 0
5 Volkswagen Bora 46 75 350 13,0 6,5 4,5 2
6 Skoda Fabia 38 60 320 15,0 7,5 3,9 1
7 Seat Cordoba 40 75 500 13,0 7,0 4,2 2
8 Nissan Primera 56 90 470 11,0 8,5 5,4 2
Źródto: dane umowne.
Normowanie stymulant i destymulant przebiega podobnie jak w przykładzie 71,

stąd też ograniczamy się do podania wyników transformacji tych zmiennych
(tabl. 229), pomijając procedurę obliczeniową. Zatrzymamy się nieco przy normowa
niu zmiennej X 6 będącej nominantą z podanym przedziałem wartości nominalnych.
Dla celów transformacji tej zmiennej skorzystamy z formuły (15).
z 16 = 1, bo x 16g <4;4,6>,
z26 = 0, bo *26 = m in% ,
z36 = l, bo x36g (4; 4,6),
_ 5,0-5,4
Z46" 4 , 6 - 5 , 4 UA
z56 = l, bo x 56s (4; 4,6),
z = 3 , 9 - 3 , 8 __ Q ^
66 4 , 0 - 3 , 8 ’ ’
z16 = l, bo x 16e<4; 4,6),
z76= l , bo x76g (4; 4,6),
z86 = 0, bo X26' max x,ï 6 ‘
Wartości zmiennej syntetycznej Qt obliczono, stosując wzór (16). Transformację

wszystkich cech diagnostycznych wraz z wartościami zmiennej syntetycznej Ql cha
rakteryzującej poszczególne obiekty podano w tabl. 229.
Korzystając z wartości zmiennej agregatowej podanych w tabl. 229, budujemy
ranking wybranych marek samochodów klasy średniej (tabl. 230).
Tablica 229. Wartości unormowanych zmiennych oraz wartości zmiennej syntetycznej
Lp.
Obiekt
(samochód marki)
Z, i I I I 1*4 litl 41 m¿r; Qi
1 Ford Focus 0,000 1,000 0,500 0,875 0,250 1,000 1,000 4,625
2 Fiat Punto 0,900 0,000 0,000 0,375 0,625 0,000 0,250 2,150
3 Renault Clio 0,400 0,250 0,300 0,125 1,000 1,000 0,500 3,575
4 Opel Astra 1,000 0,000 0,800 0,250 0,000 0,500 0,000 2,550
5 Volkswagen Bora 0,500 0,375 0,500 0,500 0,750 1,000 0,500 4,125
6 Skoda Fabia 0,900 0,000 0,400 0,000 0,500 0,500 0,250 2,550
7 Seat Cordoba 0,800 0,375 1,000 0,500 0,625 1,000 0,500 4,300
8 Nissan Primera 0,000 1,000 0,900 1,000 0,250 0,000 0,500 3,650
Źródło: opracowanie własne.
Tablica 230. Ranking wybranych marek samochodów klasy średniej

Obiekt Wartości zmiennej
4 4 (samochód marki) syntetycznej Q¡
i Ford Focus 4,625
2 Seat Cordoba 4,300
3 Volkswagen Bora 4,125
4 Nissan Primera 3,650
5 Renault Clio 3,575
6 Opel Astra 2,550
7 Skoda Fabia 2,550
8 Fiat Punto 2,150
Źródło: opracowanie własne na podstawie wyników z tabl. 229.
Z tabl. 230 łatwo wskazać trzy najlepsze marki samochodów klasy średniej mają
ce stanowić podstawową przesłankę decyzji zakupu klienta. Są to w kolejności: Ford
Focus, Seat Cordoba i Volkswagen Bora.
Przykład 73. Na podstawie informacji zawartych w przykładzie 72 oraz znajomo

ści jego rozwiązania (ustalenie rankingu wybranych marek samochodów klasy śred
niej) należy podzielić zbiór ośmiu obiektów na trzy podzbiory:
1. samochody najwyższej kategorii,
2. samochody przeciętnej kategorii,
3. samochody najniższej kategorii.
Dokonaj podziału, stosując procedurę opisaną w tekście opartą na wykorzystaniu
stałej U (wzór (18)).
R o z w i ą z a n i e . W pierwszej kolejności należy wyodrębnić najwyższą i najniż

szą wartość zmiennej syntetycznej Qi\
maXQ, = 4,625, ming¿ = 2,150.

i i
384 11. Budowa rankingu obiektów w
Następnie stosujemy wzór (18) celem znalezienia wartości stałej U:
4,625 - 2,150
3
Dalej, wykorzystując wartość stałej U ustalamy trzy przedziały zmienności zmien

nej syntetycznej Qt, którym odpowiadają podgrupy obiektów: najlepsza, przeciętna
i najsłabsza:
• podgrupa samochodów najwyższej kategorii dla Qi e (3,800; 4,625],
• podgrupa samochodów przeciętnej kategorii dla <2, e (2,975; 3,800],
• podgrupa samochodów najniższej kategorii dla Qt e (2,150; 2,975].
Zaglądając do rankingu marek samochodów (zob. tab. 230), otrzymujemy trzy
podgrupy złożone odpowiednio z trzech, dwóch i trzech obiektów:
• samochody najwyższej kategorii - {Ford Focus, Seat Cordoba i Volkswagen
Bora},
• samochody średniej kategorii - {Nissan Primera, Renault Clio},
• samochody najniższej kategorii - {Opel Astra, Skoda Fabia i Fiat Punto}.
Przykład 74. Na podstawie informacji zawartych w tab. 231 dokonaj wszechstron

nej analizy przestrzennej gospodarki odpadami w Polsce w ujęciu województw. Stan
gospodarki przestrzennej trzeba potraktować jako zjawisko złożone opisywane ośmio
ma zmiennymi diagnostycznymi1:
X l - zmieszane odpady komunalne zebrane i unieszkodliwione w kg na 1 miesz
kańca,
X 2 - liczba składowisk odpadów kontrolowanych,
X 3 - liczba składowisk z instalacjami odgazowywania,
X Ą - liczba składowisk z instalacjami odgazowywania z odzyskiem energii
elektrycznej,
X 5 - recykling szklanych odpadów opakowaniowych w tys. ton,
X 6 - recykling odpadów opakowaniowych z papieru i tektury w tys. ton,
X 7 - recykling odpadów opakowaniowych z tworzyw sztucznych w tys. ton,
X 8 - wielkość odpadów zebranych i wyselekcjonowanych w tys. ton,
Przy wyborze kierowano się dwoma kryteriami:
a) przydatnością merytoryczną w ocenie gospodarki odpadami
b) stopniem zmienności cech kwalifikowanych do zbioru zmiennych diagno
stycznych:
m ax x{.
[ I ( Xj ) > 2 \ , gdzie I ( X j ) = —\----- , min x„ > 0.
1 minx(,
i J
1 Przykład 74 jest fragmentem pracy K. Kukuły pt „Regionalne zróżnicowanie stopnia zanieczysz

czenia środowiska w Polsce a gospodarka odpadami” - Przedsiębiorczość i Zarządzanie, t.XV, z.8, cz.I.
Należy:
a) dokonać rozpoznania zmiennych diagnostycznych.
b) unormować wybrane zmienne diagnostyczne (tabl. 231) za pomocą M UZ.
c) zbudować ranking województw ze względu na stan realizowanej gospodarki
odpadami.
d) dokonać podziału województw względem wartości zmiennej syntetycznej na
3 grupy:
1. województwa o wysokim stopniu rozwoju gospodarki odpadami,
2. województwa o przeciętnym stopniu rozwoju gospodarki odpadami,
3. województwa o niskim stopniu rozwoju gospodarki odpadami.
Tiablica 231.Wartości zmiennych diagnostycznych opisujących stan gospodarki odpadami w Polsce w 2012 r.
Lp. Województwo *2 *3 6 p l I I I 5' ■' *7 •- t ! ;

1 dolnośląskie 284,3 39 36 3 6186 68 849 14 972 74
2 kujawsko-pomorskie 221,7 45 32 4 1 635 38 793 6803 50
3 lubelskie 143,2 58 40 1 0 2 459 160 36
4 lubuskie 266,1 17 12 1 64 4 912 839 32
5 łódzkie 217,6 24 20 4 0 1351 531 71
6 małopolskie 181,7 27 25 6 176078 94 002 30 687 103
7 mazowieckie 228,2 61 48 9 344068 476 296 102559 168
8 opolskie 222,5 24 22 1 0 10 659 783 22
9 podkarpackie 151,9 25 19 2 257 7134 3863 44
10 podlaskie 190,9 28 18 1 0 68 312 13
11 pomorskie 258,4 34 30 3 784 17 662 4132 55
12 śląskie 262,7 26 25 12 0 6 706 8464 137
13 świętokrzyskie 131,2 14 13 1 0 950 438 14
14 warmińsko-mazurskie 203,8 21 14 1 20 2 889 643 27
15 wielkopolskie 238,2 55 48 3 11589 15 025 4014 110
16 zachodniopomorskie 268,4 29 28 6 633 45 700 5339 49
I{Xj) 2,17 4,36 4,00 12,00 17 203,4* 7004,35 640,99 12,92
Źródio: [Ochrona środowiska - Enviroment 2013, GUS Warszawa].

* Ponieważ nie można dzielić przez 0 wzięto minimum z pozostałych wartości, pomijając 0.
R o z w i ą z a n i e . Wszystkie 8 cech diagnostycznych należy zakwalifikować do

stymulant, czyli do takich zmiennych, których wzrost wiąże się z podwyższeniem oce
ny zjawiska złożonego (tu stopniem rozwoju gospodarki odpadami). Normowanie
cech będących stymulantami zrealizowano, wykorzystując wzór (12). Wyniki transfor
macji zmiennych zamieszczono w tabl. 232.
Wartości zmiennych syntetycznych opisujących stan gospodarki odpadami ob
liczono, stosując wzór 17. Ranking będący układem województw uporządkowanych
względem nierosnących wartości zmiennych syntetycznych <2; przedstawia tabl. 233.
Pierwsze lokaty w rankingu zajmują województwa o wysokim stopniu rozwoju go
spodarki odpadami, końcowe zaś lokaty okupują województwa najsłabsze względem
wymienionego kryterium.
Tablica 232, Wartości unormowanych zmiennych diagnostycznych opisujących stan gospodarki odpadami
w Polsce w 2012 r.
Lp, Województwo Z zl ¡§ 5
.tfl! l l f ; qi fi,
i i I I I
1 dolnośląskie 1,000 0,532 0,667 0,182 0,018 0,144 0,145 0,394 3,082 0,385
2 kujawsko-pomorskie 0,591 0,660 0,556 0,273 0,005 0,081 0,065 0,239 2,510 0,314
3 lubelskie 0,078 0,936 0,778 0 0 0,005 0 0,148 1,945 0,243
4 lubuskie 0,881 0,064 0 0 0 0,010 0,007 0,123 1,085 0,136
5 łódzkie 0,564 0,213 0,222 0,273 0 0,003 0,004 0,374 1,653 0,207
6 małopolskie 0,330 0,277 0,361 0,455 0,512 0,197 0,298 0,581 3,011 0,376
7 mazowieckie 0,634 1,000 1,000 0,727 1,000 1,000 1,000 1,000 7,361 0,920
8 opolskie 0,596 0,213 0,278 0 0 0,022 0,006 0,058 1,173 0,147
9 podkarpackie 0,135 0,234 0,194 0,091 0,001 0,015 0,036 0,200 0,906 0,113
10 podlaskie 0,390 0,298 0,167 0 0 0 0,002 0 0,857 0,107
11 pomorskie 0,831 0,340 0,500 0,182 0,002 0,037 0,039 0,271 2,202 0,275
12 śląskie 0,859 0,255 0,351 1,000 0 0,014 0,081 0,800 3,370 0,421
13 świętokrzyskie 0 0 0,028 0 0 0,002 0,003 0,006 0,039 0,005
14 warmińsko-mazurskie 0,474 0,149 0,056 0 0 0,006 0,005 0,090 0,078 0,010
15 wielkopolskie 0,699 0,872 1,000 0,182 0,034 0,031 0,038 0,626 3,482 0,435
16 zachodniopomorskie 0,896 0,319 0,444 0,455 0,002 0,096 0,051 0,232 2,495 0,312
Źródło: obliczenia wykonano na podstawie danych z tablicy 231.
Tablica 233. Ranking województw według stanu gospodarki odpadami

na 31.12.2012 r.
Pozycja
Województwo fi, Grupy
w rankingu
1. mazowieckie 0,920 I (1 woj.)
2. wielkopolskie 0,435
3. śląskie 0,421
4. dolnośląskie 0,385
II (6 woj.)
5. małopolskie 0,376
6. kujawsko-pomorskie 0,314
7. zachodniopomorskie 0,312
8. pomorskie 0,275
9. lubelskie 0,243 III (3 woj.)
10. łódzkie 0,207
11. opolskie 0,147
12. lubuskie 0,136
13. podkarpackie 0,113
IV (6 woj.)
14. podlaskie 0,107
15. warmińsko-mazurskie 0,010
16. świętokrzyskie 0,005
m 184
Źródło: obliczenia na podstawie danych zawartych w tablicy 232.

Wyniki rankingu ukazują przypadek, w którym wyodrębniono nie 3, lecz 4 grupy

województw. Zastosowanie bowiem procedury (przy użyciu wzoru (18)) spowodowało
otrzymanie klasy pustej po województwie mazowieckim, zajmującym zdecydowanie
pierwszą lokatę. Wartość zmiennej syntetycznej charakteryzującej to województwo
stanowi zatem wartość odstającą. W takim przypadku uznajemy, że podział należy
zacząć powtórnie od drugiego w kolejności województwa wielkopolskiego. Stała U
otrzymana wg wzoru (18) wynosi:
0 ,4 3 5 -0 ,0 5
0,143.
3
Wyróżniającym się na tle pozostałych województw pod względem stanu go

spodarki odpadami jest województwo mazowieckie. Charakterystyczną cechą uzy
skanego rankingu jest bardzo duża rozpiętość zmiennej syntetycznej [/(<2;) = 184].
Województwo zajmujące pierwszą lokatę w rankingu wykazuje 184-krotnie wyższą
ocenę stanu gospodarki odpadami w porównaniu do województwa świętokrzyskiego
będącego ostatnim w rankingu. Podział na grupy: b. wysokiego, wysokiego, przecięt
nego i niskiego stopnia rozwoju gospodarki odpadami przedstawia tabl. 233.
Zadania
222. Zbuduj ranking ośmiu firm działających w sferze przetwórstwa rolniczego w re
gionie Zamojskim. W wielokryterialnej ocenie obiektów (firm) należy uwzględ
nić następujące cechy diagnostyczne:
X 1 - wartość majątku trwałego netto (w min zł),
X 2 - odsetek produkcji niesprzedanej (leżącej na składzie) po ostatnim
roku działalności,
X 3 - odsetek produkcji eksportowej,
X 4 - wynik finansowy działalności gospodarczej w ostatnim roku (w min zł),
X 5 - wysokość kar płaconych na rzecz miasta z tytułu zanieczyszczeń śro
dowiska w ostatnim roku (w min zł),
X 6 - odsetek produkcji wybrakowanej.
Tablica 234. Wartości cech diagnostycznych w ośmiu firmach przetwórstwa rolniczego

Zmienne diagnostyczne
Firmy
*n | | WM* m M xi3 ■ *14 ® ® il %
FI 2 5 20 2 20 1,0
F2 3 2 10 7 120 2,0
F3 1 4 30 -3 80 1,5
F4 5 3 15 0 30 2,5
F5 3 1 50 5 50 1,5
F6 4 6 10 4 60 0,5
F7 4 5 40 1 40 1,0
F8 2 3 20 -1 30 0,5
Źródło: dane umowne.

388 11. Budowa rankingu obiektów w świetle ocen wieiokryterialnych
Niezbędne informacje o wartościach wyróżnionych zmiennych w poszcze

gólnych firmach zawarte są w tabl. 234.
Niektóre z realizacji zmiennej X 4 przyjmują wartości ujemne, co oznacza
straty w firmach F3 oraz F8.
223. Na podstawie danych zawartych w zadaniu 222 należy podzielić zbiór ośmiu firm
na trzy podgrupy: firmy najlepsze, przeciętne i najsłabsze (zob. przykład 73).
224. Należy unormować zmienną X będącą stymulantą, stosując wszystkie dziesięć

formuł transformacyjnych wymienionych w p. 10.4. A oto realizacje zmiennej X:
0 ,1 2 ,4 ,1 0 ,1 4 i 20. Po unormowaniu zmiennej odpowiedz na pytania:
a) które z metod dają identyczne wyniki i dlaczego?
b) czy w związku z tym można stwierdzić, że metody te w każdym przypad
ku dają takie same wyniki?
c) które z metod nie umożliwiały przeprowadzenia transformacji zmiennej X?
225. D o opisu infrastruktury technicznej wsi zamojskiej wykorzystano następujące

zmienne pełniące rolę cząstkowych kryteriów oceny tego złożonego zjawiska
w piętnastu gminach:
X { - długość sieci wodociągowej w km,
X 2 - długość sieci kanalizacyjnej w km,
X3 - długość dróg gminnych ogółem w km,
X 4 - długość dróg gminnych utwardzanych w km,
X 5 - ludność przypadająca na jedną placówkę pocztowo-telekomunikacyjną,
X 6 - liczba abonentów telefonicznych przypadających na 1000 ludności.
Tablica 235. Unormowane wartości zmiennych diagnostycznych określających stan infrastruktury

technicznej w gminach powiatu zamojskiego w 1998 r.
Lp. Gmina A " *2 ^»4 *5

1 Adamów 0,191 0,029 0,306 0,259 0,911 0,821
2 Grabowiec 0,198 0 0,214 0 0,930 0,257
3 Komarów-Osada 0,461 0 0,255 0,082 0,889 0,140
4 Krasnobród 0,375 0 0,612 0,129 0,549 0,642
5 Łabunie 0,020 0 0,255 0,353 0 0,380
6 Miączyn 0 0,039 0,469 0,388 1 0,363
7 Nielisz 0,267 0 0,388 0,471 0,627 0
8 Radecznica 1,000 0 0,173 0,365 0,924 0,883
9 Sitno 0,170 0,092 0,214 0,353 0,597 0,380
10 Skierbieszów 0,381 0,039 0,255 0,118 0,690 0,218
11 Stary Zamość 0,900 0 0,306 0,176 0,135 0,944
12 Sułów 0,681 0,039 0,551 0,529 0,713 0,145
13 Szczebrzeszyn 0,604 0,466 0,439 0,541 0,441 0,603
14 Zamość 0,041 1,000 1,000 1,000 0,016 1,000
15 Zwierzyniec 0,905 0,306 0 0,153 0,770 0,844
Źródło: K. Kukuła, Zamojskie Studia Prawno-Ekonomiczne, Zamość 2000 r.

Unormowane wartości zmiennych diagnostycznych określających stan infra

struktury technicznej gmin powiatu zamojskiego przedstawia tabl. 235. Na pod
stawie danych zawartych w tab. 235:
a) wyznacz wartości zmiennej syntetycznej obrazującej stan infrastruktury
technicznej w poszczególnych gminach,
b) zbuduj ranking gmin.
226. Na podstawie danych zawartych w zadaniu 225 oraz jego rozwiązania należy po
dzielić piętnaście gmin powiatu zamojskiego na trzy podgrupy: gminy posiada
jące najlepszą infrastrukturę, gminy charakteryzujące się przeciętnym stanem
infrastruktury oraz gminy mające słabo rozwiniętą infrastrukturę techniczną
(zastosuj sposób podziału jak w przykładzie 73).
227. Jedną z ważniejszych zmiennych branych pod uwagę przy wycenie firm jest wy
nik finansowy. W dziesięciu branych pod uwagę firmach odnotowano następują
ce wyniki roczne (w min zł): 200, 2 8 0 ,-1 2 0 ,1 0 0 , 0, -4 0 , 2 4 0 ,-1 0 0 , 80,160.
a) Unormuj daną zmienną, stosując metody unitaryzacyjne (3), (4), (5) oraz
metody (6) i (7).
b) Czy wszystkie z wybranych metod normujących można zastosować do
transformacji tej zmiennej?
228. Zbuduj ranking czternastu banków, dla których zmienne diagnostyczne unormo
wano, zaś wyniki normowania zawiera tabl. 236.
Zmienne, które poddano normowaniu są następujące:
X x - udział należności nieregularnych w kredytach,
X 2 - rentowność netto,
X 3 - stopa zwrotu kapitału,
X4 - zwrot na aktywach,
X 5 - współczynnik wypłacalności,
X 6 - płynność banku,
X7 - fundusze podstawowe banku.
Spośród siedmiu wytypowanych zmiennych diagnostycznych X xe D, {X 2, X 3,
X 4, X 5, X 7} e S oraz X 6e N . Zmienna X 6 ma określony przedział wartości nomi
nalnych [90%, 120%], zatem przy normowaniu tej zmiennej wykorzystano for
mułę (15).
a) Dokonaj agregacji zmiennych według formuły (17), uzyskując miary syn
tetyczne charakteryzujące poszczególne banki.
b) Zbuduj ranking banków.
229. Dokonaj podziału w grupie czternastu banków na cztery podgrupy, wzorując

się na sposobie przedstawionym w przykładzie 73 (we wzorze na stałą U w mia
nowniku zamiast liczby 3 wstawić należy liczbę 4). W rozwiązaniu wykorzystać
wyniki uzyskane w zadaniu 228.
Tablica 236. Wartości transformowane zmiennych diagnostycznych charakteryzujących wybrane banki
Lp. Nazwa banku % Zi2 % ZjĄ îS ^/6 Z.7

1 B an k P rzem y sło w o-H an d low y S .A . 0,649 1,000 0,743 1,000 0,085 0,962 0,418
2 B an k Śląski S .A . 0,311 0,704 1,000 0,846 0,081 0,192 0,424
3 B an k Z a ch o d n i S.A . 0,516 0,854 0,562 0,846 0,137 1,000 0,287
4 P ow szechn y B ank K redytow y S .A . 0,573 0,569 0,773 0,577 0,157 0,231 0,269
5 P ow szechn y B ank G osp od arczy S .A . 0,904 0,562 0,748 0,308 0,123 0,231 0,154
6 W ielk o p o lsk i B an k K redytow y S .A . 0,636 0,369 0,788 0,442 0,026 1,000 0,094
7 P om orsk i B an k K redytow y S.A . 0,488 0,419 0,419 0,500 0,090 0,027 0,208
8 B an k D ep o zy to w o-K red ytow y S .A . 0,558 0,631 0,444 0,692 0,197 0,362 0,212
9 B an k G d ań sk i S.A . 0,595 0,546 0,492 0,750 0,333 0,165 0,320
10 P olski B an k Inwestycji S .A . 1,000 0,004 0,118 0,038 0,065 0,346 0,130
11 P K O BP 0,770 0,035 0,180 0,096 0,012 0,088 1,000
12 P E K A O S .A . 0,000 0,004 0,048 0,000 0,073 0,000 0,921
13 B IS E S.A . 0,645 0,046 0,000 0,077 1,000 0,000 0,001
14 In w est B an k S.A . 0,939 0,000 0,085 0,096 0,000 0,882 0,000
Źródio: obliczenia wiasne na podstawie danych z tabl.l zamieszczonej w pracy [82].

Zadania różne
230. Firma produkuje dwa wyroby: W1 i W2. Do ich produkcji zużywa różne środ
ki produkcji, z których trzy surowce są dostępne w ograniczonych ilościach.
Zużycie tych surowców na jednostkę każdego wyrobu oraz dostępne ilości (limit
zużycia) podano w tabl. 237. Wiadomo ponadto, że wyrobu W2 nie będzie można
sprzedać więcej niż 500 sztuk.
Tablica 237
Zużycie surowca (kg)

Środki produkcji Zapas surowca na I szt wyrobu
I llI B ili w2
Si 360 0,50 _
$2 360 0,45 0,40

s3 300 0,25 0,50
Cena zbytu (zl) 120 80
Jednostkowy koszt produkcji (zl) 105 70
1. Zaplanuj optymalną wielkość produkcji wyrobów Wj i W2_gwarantującą,

przy istniejących ograniczeniach największy zysk z ich sprzedaży (zyski jednost
kowe są różnicą między ceną zbytu i kosztem jednostkowym). Ile wyniesie łącz
ny zysk?
2. Zapas których surowców zostanie w pełni wykorzystany?
3. Czy rozwiązanie optymalne zmieni się, jeżeli cena wyrobu Wj zostanie
obniżona do 110 zl?
231. Firma produkuje dwa wyroby: Wj i W2. Ograniczeniem w procesie produkcji jest
czas pracy dwóch maszyn, na których są obrabiane wyroby oraz zasób jednego
z surowców. Zużycie tych środków na jednostkę każdego wyrobu oraz limit ich
zużycia podano w tabl. 238. Wiadomo ponadto, że wyrobu Wj nie będzie można
sprzedać więcej niż 90 tys. sztuk.
1. Zaplanuj optymalną wielkość produkcji wyrobów Wj i W2 gwarantu
jącą, przy istniejących ograniczeniach największy zysk z ich sprzedaży (zyski
3 92 12. Zadania rozne
jednostkowe są różnicą między ceną zbytu i kosztem jednostkowym). Ile wynie

sie łączny zysk?
2. Które środki produkcji zostaną w pełni wykorzystane?
4. Przedsiębiorstwo może zwiększyć czas pracy jednej z maszyn o 10 godz.
lub dokupić 10 kg surowca. Co w tej sytuacji będzie najkorzystniejsze z punktu
widzenia maksymalizacji zysku?
5. Jak wpłynęłoby na zysk skrócenie czasu pracy maszyny II do 585 godz.?
Tablica 238
Zużycie środka.
Środki produkcji Limit zużycia na 1000 szt. wyrobu
w, ; Wa. 1
Maszyna 1 (godz.) 960 8 6
Maszyna II (godz.) 600 3 6
Surowiec (kg) 400 - 5
Cena zbytu 1000 sztuk (zł) 7500 7800
Koszt produkcji 1000 sztuk (zl) 7400 7400
232. Trzy rodzaje koparek mogą wykonywać cztery rodzaje prac ziemnych. Ilości ko
parek, jakimi zakład dysponuje dziennie, są następujące: typ A - 10, typ B - 4,
typ C - 15. Natomiast zapotrzebowanie na koparki do wykonania poszczegól
nych prac ziemnych wynosi: wykop 1 - 5 , wykop II - 8, wykop III - 10, wykop IV
- 6 koparek dowolnego typu. Wydajność koparek przy wykonywaniu poszcze
gólnych wykopów (w m3/dzień) oraz dzienne koszty eksploatacji poszczególnych
koparek podano w tabl. 239.
Tablica 239
Dzienne koszty eksploatacji
Wydajność przy wykonywaniu wykopu
Koparki 1 koparki (tys. zl)
u III IV I U :;KIS ffc III rv
A 140 100 80 70 1,0 1,2 ■1,8 1,2
B 90 120 70 110 0,8 1,7 1,0 1,0
C 70 80 120 60 1,5 1,0 1,2 1,4
Dokonaj przydziału koparek do wykonania poszczególnych prac ziemnych,

tak aby:
1. zmaksymalizować ilość wykopanej w ciągu dnia ziemi,
2. zminimalizować dzienne koszty eksploatacji.
233. D o produkcji dwóch wyrobów A i B wykorzystuje się trzy urządzenia zużywa

jące: 5, 10 i 15 W energii elektrycznej w ciągu 1 ha pracy. Czas pracy urządzeń
przy produkcji jednostki wyrobu każdego rodzaju podano w tabl. 240.
12. Zadania różne 393
Tablica 240
Zużycie czasu pracy (wgodz.)
Urządzenie najednostkę wyrobu
:V.AA f § i | | ; ■Ili'!
I 3 2
II 4 1
III 2 5
Cena wyrobu A wynosi 250 zl, a wyrobu B 125 zł. Ponadto urządzenie pierw
sze musi pracować co najmniej 1000 godz., a urządzenie III nie może pracować
dłużej niż 3600 godz. Zaplanuj strukturę produkcji zapewniającą przychód ze
sprzedaży w wysokości co najmniej 200 tys. zl, przy możliwie najmniejszym zu
życiu energii elektrycznej.
234. Pewien dietetyk został poproszony o opracowanie specjalnej odżywki dla grupy
sportowców na okres ich intensywnego treningu. Rozważa możliwość sporządze
nia tej odżywki na bazie dwóch produktów A i B zawierających potrzebne skład
niki. Produkty o identycznej zawartości składników mogą pochodzić z produkcji
krajowej lub z importu. Różnią się one tylko cenami. Informacje, jakie zebra!
podano w tabl. 241.
Tablica 241
Minimalna Zawartość składnika
Składniki odżywcze zawartość w1jedn. produktu
wodżywce A B
Si 68 8 4
s2 84 7 7
s3 40 2 10
Cena zakupu krajowa (zl) 6 8
Cena zakupu z importu (w przeliczeniu na zl) 12 8
1. W jakich ilościach zakupić i zmieszać produkty A i B, aby ich mieszan

ka zawierała niezbędne składniki odżywcze a jej koszt w cenach krajowych był
możliwie najniższy?
2. Czy optymalne ilości produktów będą takie same, gdyby dietetyk zdecy
dował się na zakup produktów z importu?
3. Podaj ceny dualne składników odżywczych przy cenach krajowych
i z importu.
235. Odlewnia powinna wyprodukować w ramach zamówienia stop zawierający co

najmniej 120 ton Sn i co najmniej 60 ton Cu. W celu realizacji zamówienia od
lewnia może kupić każdy z czterech złomów o zawartości pierwiastków i cenach
zakupu 1 tony podanych w tabl. 242.
394 12. Zadania ró/ne
Tablica 242
zawartość pierwiastka wzłomie (%)
Pierwiastki
i hM I i i I l i
Sn 40 45 40 48
Cu 30 15 30 12
Cena zakupu 1 1
24 27 36 14,4
złomu (zł)
He należy zakupić poszczególnych złomów, aby wyprodukować stop o pożą

danym składzie chemicznym ponosząc możliwie najniższe koszty zakupu złomu?
236. Firma Gerber wyprodukowała dwie nisko kaloryczne, wysoko białkowe odżywki
odchudzające O l i 0 2 . Ich wartość kaloryczną oraz zawartość białka i witamin
(A i C) podano w tabl. 243.
Tablica 243
Zawartość składników
Składniki w1 kg odżywki
llllf h l i <>2
Witamina A 10 30
Witamina C 90 40
Białko 30 30
Kilokalorie 1800 3150
Cena (w zł za 1 kg) 8 12
Określ optymalną z punktu widzenia minimalizacji kosztów wielkość za

kupu odżywek, przy założeniu, że organizm powinien otrzymać nie więcej niż
18 900 kalorii oraz co najmniej 270 jednostek białka, 90 jednostek witaminy A
i 300 jednostek witaminy C.
Czy optymalna dieta ulegnie zmianie, jeżeli uwzględnimy warunek dietety
ków, że w diecie powinno się znaleźć co najmniej 2 kg każdej odżywki?
237. Przedsiębiorstwo transportowe dysponuje samochodami dostawczymi o ładow

ności 4 tony. Klient zlecił przedsiębiorstwu przewóz 20 ładunków w opakowa
niach po 1 tonie oraz 120 ładunków w opakowaniach po 0,7 tony.
a) W jaki sposób załadować towar na samochody, aby zminimalizować ilość
samochodów niezbędnych do przewiezienia towaru? Ile samochodów potrzeba,
aby zrealizować zamówienie klienta? Ile wynosi łączna niewykorzystana ładow
ność samochodów?
b) Czy rozwiązanie optymalne będzie takie samo, jeśli kryterium optymali
zacji będzie minimalizacja niewykorzystanej ładowności?
238. Klient dostarczył do tartaku tarcicę o długości 5 m, zlecając pocięcie jej tak, aby
otrzymać 24 deski o długości 1,6 m i 120 desek o długości 1,1 m.
1. W jaki sposób należy pociąć posiadany surowiec, aby zrealizować zamó

wienie, zużywając możliwie najmniej surowca (tarcic o długości 5 m)? Ile tarcic
jest potrzebnych do zrealizowania zamówienia?
2. Czy rozwiązanie optymalne będzie takie samo, jeżeli kryterium optyma
lizacji będzie minimalizacja odpadu powstałego w procesie cięcia tarcic? Podaj
wielkość minimalnego odpadu. Ile tarcic o dl. 5 m będzie w tym przypadku po
trzebnych do zrealizowania zamówienia?
239.1 Dyrektor pewnej firmy ubezpieczeniowej musi podjąć decyzję dotyczącą wy
boru optymalnej struktury portfolio (lokaty środków pieniężnych pochodzą
cych ze składek ubezpieczeniowych). Ma do wyboru 5 sposobów lokaty kapitału
różniących się roczną stopą zwrotu kapitału, stopniem ryzyka związanym z za
inwestowaniem środków pieniężnych oraz okresem, jaki jest niezbędny do zre
alizowania zakładanej stopy zwrotu kapitału. Poziom ryzyka został oszacowany
(subiektywnie) przez specjalistę do spraw portfolio na skali od 0 do 10 na pod
stawie znajomości bezpieczeństwa poszczególnych sposobów lokaty środków
pieniężnych. Niezbędne dane podano w tabl. 244.
Tablica 244
Roczna stopa Okres, na jaki
Alternatywne sposoby
zwrotu kapitału lil^ k ń ! należy
lokaty kapitału
I® )« » ® zainwestować
Zakup akcji pewnego przedsiębiorstwa 12 2 4
Zakup obligacji skarbu państwa 10 1 8
Zwiększenie rezerwy środków pieniężnych w banku 15 3 2
Gra na giełdzie 25 10
Pozostawienie gotówki 0 0
Optymalna struktura portfolio ma gwarantować maksymalizację całko

witej stopy zwrotu kapitału, a ponadto wybierając strukturę portfolio, należy
uwzględnić następujące warunki:
a) przeciętny poziom ryzyka nie powinien przekroczyć 2,6,
b) przeciętny okres zamrożenia kapitału nie powinien przekroczyć 6 lat,
c) co najmniej 15% środków pieniężnych powinno pozostać w postaci
gotówki na bieżące wypłaty.
240. Rozwiąż następujący program liniowy:

a)
(1) 2xx+ 3*2 ^ 600,
(2) 2*, + 8*2 ^ 800,
(3) xx, x2 > 100,
F ( x j, x2) = lOxj + 15*2 max>
1 Pomysł zadania zaczerpnięto z pracy [17].

396 12. Zadania różne
b)
Ol
IA
*+
O
*
(1)
(2) 3xl + x2 > 60,
(3 ) 2xx+ 6 x 2 > 120,

(4) x 1- 3x2 < 0,
o
Al
K4
(5 )
(6) 0 < x2 < 40,

F(x{, x2) = 3x1+ x2 —>i
c)
(1) xl + x2 < 9,
(2) 2xx + x2 > 4,
(3 ) xl = 2 x 2,
(4 ) 0 < x l < 5,
(5 ) 0 <x2 < 4,
F(xv x2) = 2x1+ 4x2 -»
d)
(1) 3x1+ 2 x 2 > 6,
(2) 2x1- x2 > 0,
(3 ) x 1+ 5 x 2 < 15,
Ol
IV
(4 )
(5 ) x2 - 0,
F(xv x2) = 1,5^! + 2x2 -> mar.
241. Rozwiąż następujący program liniowy, zaznaczając zbiór rozwiązań dopuszczal

nych oraz rozwiązanie optymalne:
a)
(1) 2x + 3y > 6,
(2) 6x + 3 y > 24,
(3 ) 4 x -2 y > - 4 ,
o>
IV
1
5-!
i
(4 )
(5 ) 0,5 < x < 3,
(6 ) 0 < y < 4,
F(x, y) = 10* + 5y -> max;
12: Zadania różne
b)
(1 ) 3xl - 2 x 2 ś 9,
(2 ) -2 x y + 3x2 ^ 6,
(3) x 1 + 2 x 2 ^ 11,
(4) 3x{ + 2x 2 S 6,
(5) 2xx+ l x 2 S 14,

(6 ) xv>x2 'Ł 1,
F(xp x2) = 3xt + 4 x 2 -> m ar;
c)
(1 ) x1+ x 2 ś l l ,
(2 ) - 2 x 1+ x2 ^ 8,
(3) 2 x 1+ x2 ^ 11,
(4) 3 x ł - 6 x 2 :£ 6,
(5) l , 5 x 1+ 2 x 2 S 12,
(6 ) 0 <Xj < 7,
(7) 0 < x 2 < 7,
x 2) = 5 x x + 4 x 2 - » m in .
Dany jest p rogram lin io w y
(1 ) 3xt + 3 x 2 > 21,

(2 ) - 3 x j + 6x2 > 6,
(3) 0 <Xj < 6 ,

(4) 0 < x 2 < 5,
(5) a x 1- x 2 = 0,
/ ?(x1, x 2) = 5 x j + 5 x 2 -> m ar.
Dla jakich wartości parametru a zbiór rozwiązań dopuszczalnych jest zbio

rem niepustym?
243. Dany jest program liniowy
(1) 3 xj + 6x2 > 12,
(2) 6xj + 4 x2 > 12,

(3) Ojórj-f x2 < 4,
(4) Xj- 2 x2 < 0,

398 12. Zadania rożne
(5) 0 < x x < 3,

(6) x2 >0,
F(xx, x2) = 20xx+ 3 0 x 2 —> min.
a) Rozwiąż powyższy program metodą geometryczną.
b) Funkcję celu zmieniono następująco: f3xl + 30jc2 -» min. Dla jakich war
tości parametru p zadanie będzie miało nieskończenie wiele rozwiązań
optymalnych?
244. Dany jest program liniowy

(1) x x+ x2 < 60,
(2) 6xx+ 2 x2 > 120,
(3 ) x x+ 4x2 ^ 60,
(4 ) x x- 3 x 2 < 0,
(5 ) * !> 0 ,
(6) 0 < x2 < 45,
F(xx, x2) = 4xx+ x2 —> min.
a) Rozwiąż powyższy program liniowy metodą geometryczną.
b) Funkcję celu zmieniono następująco: a x 1+ x 2 —> min. Jakie wartości
musi przyjąć parametr a, aby uniknąć nieskończenie wielu rozwiązań
optymalnych?
245. Dane jest zadanie programowania liniowego.

cl
Al
+
(1 )
(2 ) 5 jcj + 2 x2 < 40,
(3 ) 5*! + 6 x 2 - 60,
(4 ) x x- 2 x 2 = 0,
(5 ) X i > l ,
(6) 0 < x2 < 8,

F(xx, x2) = x x+ x2 -> mar.
1. Rozwiąż powyższy program liniowy.
2. Warunek 4) zmieniono na: x x- a x 2 - 0. Jakie wartości musi przyjmować
parametr a, aby zbiór rozwiązań dopuszczalnych był zbiorem niepustym?
246. Rozwiąż następujący program liniowy:

a) y 1- 3 y 2 + y 3- 2 y 4 >20,
2yi-2y2-4y3+ >>4s l 0 >

12. Zadania różne
O,
16)^- 18y2 - 8 y 3 + 4y4 - » min;
b) 0,5*j + 2*2 + 3 * 3 + *4 < 60,
0,25*3 + 0,5*2 + x3+ 2xą ^ 50,

*i> - , x 4 > 0,
*3 + 3*2+ 6*3 + 9*4 -» ma*;
c) 3 ^ + 3y 2+ 4y 3 > 1000,
>'i + 5>,2+ 5>’4>2000,
yi, - , y 4 ź 0 ,
0,9yl + l , 5 y 2+ 1,2y 3+ y 4 -+ min;
d) *3 - 2*2- 2 * 3 > - 4 ,
3 *j + 3 *2- *3 < 2,
* X, *2’ *3 ^
9*3+ 18*2+ 12*3 ma*-
247. Rozwiąż następujący program nieliniowy:

F{yv y2) = 1»2yf + 214y, + 3y2

2 + y,y2,
uwzględniając warunki:
5yt + y 2 = 302, y,,y2 >0.
Jp(*1, *2) = l,2 * f + 3*, + 0,3*22 + 7*2,
przy warunkach
3*! + *2 = 120, *J, *2 ^ 0.
3 4 1 2
F ( x 1, x 2) = — *1 + ~ * i + ~2X2 + 1 2 * 2,
przy warunkach
*,+ 3 *2 = 144, * „ * 2>0.
400 12. Zadania rożne
248. Wawel S.A. w celu usprawnienia sprzedaży w okresie przedświątecznym za

mierza uruchomić stoisko, na którym będą sprzedawane gotowe paczki ze sło
dyczami. Postanowiono przygotować dwa rodzaje paczek. W tabl. 245 podano
proponowany skład paczek, jednostkowe ceny detaliczne poszczególnych to
warów oraz posiadane ich zapasy (jakie mogą być przeznaczone do sprzedaży
w paczkach) .
Tablica 245
Zawartość paczki Cena Dysponowana
Towary
II (wz!) ilość
Czekolada (szt.) i 2 2,5 10 000
Wafel „Elitesse” (szt.) 10 5 0,4 40 000
Czekoladki „Bulawka” (kg) 0,20 0,20 18 1500
Cukierki czekoladowe (kg) 0,20 0,50 20 2000
Kawa (op. 100 g) - 1 4,5 3500
Pomarańcze (kg) 0,50 1 4 3500
Określ liczbę paczek obu typów, jaką zakłady powinny przygotować, aby
zmaksymalizować zysk z ich sprzedaży mierzony marżą, stanowiącą dla wszyst
kich wyrobów 10% ceny detalicznej. Należy przy tym uwzględnić, że pomarań
cze jako towar szybko psujący się powinny być w całości sprzedane.
249. Przedsiębiorstwo może produkować dwa wyroby Wj i W2. Do ich produkcji zu
żywa się m.in. trzy limitowane surowce: S1; S2 i S3. Zużycie surowców na jednost
kę poszczególnych wyrobów (w kg) podano w tabl. 246.
Tablica 246
Zużycie surowca najednostkę wyrobu Zyski
Wyroby
W&fr IIiii* s3 S jednostkowe (zł)
Wi 0,3 0,2 0,2 3,0
W2 0,2 0,4 0,2 3,0
1. Wiedząc, że zasób każdego z surowców wynosi 1200 kg określ optymalne

rozmiary produkcji wyrobów Wx i W2, uwzględniając ponadto następujące wa
runki: produkcja obu wyrobów powinna być nie mniejsza niż 3000, przy czym
wyrobu Wx należy produkować nie mniej niż 1000 sztuk, a wyrobu W2 nie więcej
niż 2000 sztuk.
2. Czy rozwiązanie ulegnie zmianie, jeżeli:
a) wyrób W t podrożeje do 45 zł,
b) dodatkowo należy uwzględnić warunek, że wielkości obu wyrobów
powinny być jednakowe.
250. D o produkcji wyrobów A i B przedsiębiorstwo zużywa m.in. trzy limitowane

środki produkcji, których zasoby wynoszą: środek Sj - 1800 jednostek, środek
S2 - 3600 jednostek i środek S3 - 4800 jednostek, przy czym ten ostatni śro
dek powinien być w pełni wykorzystany. Jednostkowe zużycie środków na pro
dukcję poszczególnych wyrobów oraz ceny wyrobów podano w tabl. 247.
Określ optymalne rozmiary produkcji wyrobów A i B, uwzględniając ponadto
następujące warunki: łączna produkcja wyrobów A i B powinna być nie mniejsza
niż 500 sztuk, przy czym wyrobu A należy produkować co najmniej 150 sztuk.
Tablica 247
Zużycie surowca najednostkę wyrobu Zyski
Wyroby jednostkowe (zł)
S, :3 P §
A 2 8 8 40
B 3 - 6 30
Czy rozwiązanie ulegnie zmianie, jeżeli wyrób B podrożeje do 40 zł?
251. Racjonalna hodowla tuczników wymaga dostarczenia każdej sztuce trzech skład
ników odżywczych: S3 - co najmniej 60 jednostek, S2- co najmniej 200 jednostek
i S3co najwyżej 70 jednostek. Źródłem tych składników są 2 mieszanki i M2
Niezbędne dane zawiera tabl. 248.
Tablica 248
Zawartość składnika w 1kg mieszanki Cena 1kg
Mieszanki paszy (zl)
s, WIWM P I § 1 1
20 100 10 6
m 2 30 40 20 6
Wiedząc ponadto, że łączna ilość dostarczonych pasz powinna być równa

6 kg, przy czym ilość mieszanki Mj powinna być nie mniejsza niż 2 kg, ustal,
w jakich ilościach zakupić mieszanki, aby dostarczyć tucznikom niezbędne
składniki odżywcze, ponosząc możliwie najniższe koszty wyżywienia. Podaj
wysokość tych kosztów.
Czy rozwiązanie ulegnie zmianie, jeżeli pasza M2 potanieje do 3 zł?
252. Przedsiębiorstwo transportowe dysponuje ciężarówkami o ładowności 12 ton.

Klient zlecił przedsiębiorstwu przewóz 100 ładunków w opakowaniach po 4 tony
oraz 48 ładunków w opakowaniach po 2,5 tony.
W jaki sposób załadować towar na ciężarówki, aby zminimalizować łączną
niewykorzystaną ładowność ciężarówek. Ile wynosi minimalna niewykorzystana
ładowność ciężarówek? Jaka liczba ciężarówek jest niezbędna do przewiezienia
towaru?
253. Przedsiębiorstwo transportowe dysponuje ciężarówkami o ładowności 10 ton.

Klient zlecił przedsiębiorstwu przewóz 40 ładunków w opakowaniach po 3 tony
oraz 200 ładunków w opakowaniach po 1,7 tony.
W jaki sposób załadować towar na ciężarówki, aby zminimalizować ilość cię

żarówek niezbędnych do przewiezienia towaru? Jaka ilość ciężarówek jest nie
zbędna, aby zrealizować zamówienie klienta? Ile wynosi łączna niewykorzystana
ładowność ciężarówek?
254. Rozwiąż następujący program liniowy:2

a) x2 + x 3 + 3x4 - x 5 > 5,
xl + 2x2 - x 3+ x4+ x5 > 13,
x2, x3, x5 > 0 , xv xĄ< 0 ,
x 1 + 10x2 + 4 x 3 + 6x4 + 2xs —> min;
b) x 3+ 2 x 2 + x 3 - x 4+ x 5 < 6,
-Xj-f x2 + 3x3+ x 4 <30,
xp x2, x4 < 0, x3, x5 > 0,
2xx+ 10x2 + 6x3+ 4x4+ x 5 —» max;
c) - 2 x x+ 4 x 2 + 2 x 3 + x 4 >24,
x x - 3 x 2+ x 3+ 3 x4 + x5 > 2 4 ,
x v x2, x 3, x 5 > 0, x4 < 0,

4x1 + 12x2 + 12x3 + 3x4 + 6x5 -> min.
255. Przedsiębiorstwo produkuje cztery wyroby: A, B, C, D. Spośród wielu surowców

zużywanych do ich produkcji dwa są limitowane. Limity dziennego zużycia wy
noszą: surowiec Sj: 2400 kg, surowiec S2 - 600 kg. Inne niezbędne dane zawiera
tabl. 249. Ustal - optymalną z punktu widzenia maksymalizacji zysku ze sprze
daży - dzienną wielkość produkcji wyrobów. Podaj maksymalny możliwy do zre
alizowania przy istniejących ograniczeniach zysk.
2 Oczywiście programy te można rozwiązać, wykorzystując zależności pomiędzy PP i PD. Nie są

to jednak programy liniowe w postaci standardowej (w tym przypadku odchylenie od postaci standar
dowej polega na tym, że niektóre zmienne decyzyjne mogą przyjmować wartości ujemne), w związku
z tym konstruując PD, należy to uwzględnić. Jeżeli PP nie ma postaci standardowej, to również PD od
biega od postaci standardowej na tyle, na ile odbiega od niej PP. Do omówionego w rozdziale 1 przy
padku ogólnego należy wówczas stosować następujące dodatkowe reguły tworzenia zadania dualnego
(por. [4], s. 28):
1) jeżeli w PP i-ty warunek jest spełniony z równością, to odpowiadająca mu zmienna y-, nie ma
ograniczeń i odwrotnie (jeżeli na zmienną xf w PP nie nałożono ograniczeń - to /-ty warunek PD jest
równością),
2) jeżeli w PP i-ty warunek jest nietypową nierównością, to w PDy, < 0 i odwrotnie tzn. jeżeli Xj < 0,
to /-ty warunek PD jest nietypową nierównością (nierówność nietypowa to taka, w której nie zmieniono
kierunku nierówności zgodnie z ogólnymi zasadami).
Zgodnie z tym np. w PD do zadania z punktu a) w warunkach (1) i (4) należy pozostawić nierówność
> (b o * ! ix 4< 0 ).
Tablica 249
Zużycie na 1000 sztuk

surowca wyrobu !§Z yslil|
Wyroby jednostkowe
s, s2
A 3 6 180
B 1 4 80
C 1 2 40
D 5 2 100
256.3 Administracja szpitala przygotowuje plan pracy pielęgniarek. W tym celu do
konano podziału doby na 6 czterogodzinnych zmian. Zgodnie z umową pie
lęgniarki pracują 8 godzin na dobę, przy czym każda może zacząć pracę na
dowolnej zmianie (i skończyć na zmianie następnej). W tabl. 250 podano mini
malne zapotrzebowanie na pielęgniarki na poszczególnych zmianach. Zadaniem
administracji jest określenie liczby pielęgniarek zaczynających pracę na każ
dej zmianie. Kryterium optymalizacji jest minimalizacja liczby zatrudnionych
pielęgniarek.
Tablica 250
Wymagana liczba
Zmiana Godziny pielęgniarek
1 8°0-1200 60
2 120° - 16°o 80
3 1600-2000 60
4 2000-2400 50
5 qoo_400 30
6 400_goo 60
257. Firma produkuje dwa wyroby: W2 i W2. D o ich produkcji zużywa różne środ
ki produkcji, z których trzy (dwa surowce i czas pracy obrabiarek) są dostępne
w ograniczonych ilościach. Zużycie tych środków na jednostkę każdego wyrobu
oraz ich zasoby podano w tabl. 251.
1. Zaplanuj optymalną wielkość produkcji wyrobów W2 i W2 gwarantującą,
przy istniejących ograniczeniach największy zysk z ich sprzedaży. Ile wyniesie
łączny zysk?
3. Rozważane jest poszerzenie asortymentu produkcji o W3. Zużycie
środków na produkcję 1000 sztuk tego wyrobu wynosi: 8 kg surowca I, 6 kg
surowca II i 4 godz. pracy obrabiarek, a przewidywany zysk z 1000 sztuk to
120 zł. Czy warto podjąć produkcję tego wyrobu?
3 Pomysł zadania zaczerpnięto z pracy F.S. Hilier, G.J. Lieberman [34].

12. Zadania ró ż n e
T ab lica 251
Zużycie na 1000 sztuk wyrobu Zapas surowca

Środki produkcji
w , ;7 i § "" w 2 W (kg)
Surowiec I (kg) 6 4 480

Surowiec II (kg) 9 10 900
Czas pracy obrabiarek (godz.) - 5 360
Zysk (zi) 90 180
258. Montownia notebooków Optimul (OP), której misja wyraża się w stówach: „ob
liczenia bez bólu”, na etapie powstania boryka się z kilkoma problemami, które
można łatwo rozwiązać przy pomocy metod badań operacyjnych. Pierwszy z pro
blemów związany jest z montowaniem notebooków. W tabl. 252 podano niezbęd
ne dane.
Tablica 252
Produkowane Zużycie na 1 model notebooka komponentów

Zamówienia
modele Sound-
W ili Radeon j:TPT';15:: Procesor na modele
notebooków blaster
Dothan 1 1 0 1 0 1 100
Sonoma 1 1 1 0 1 1 100
Celeron 1 0 0 1 0 1 100
Dostępne ilości 1000 1000 1000 1000 1000 2000
komponentów
Cena zakupu 0,5 1,0 0,8 1,2 0,6 1,2
komponentu (tys. zi.)
Ceny jednostkowe modeli wynoszą: Dothan 5 tys. zł, Sonoma 6 tys. zł,
Celeron 3,5 tys. zł, a stan środków pieniężnych, które mogą być przeznaczone na
zakupy komponentów to 2000 tys. zl.
Zaproponuj optymalną strukturę produkcji notebooków, gwarantującą przy
istniejących ograniczeniach maksymalizację marży brutto (różnicy pomiędzy
ceną sprzedaży a kosztem zakupu komponentów).
259. Gospodarstwo rolne posiada trzy działki o powierzchniach 300,450 i 300 ha, na
których uprawia się pszenicę, żyto, jęczmień i buraki cukrowe. Plony uzyskiwane
na dwóch pierwszych działkach są jednakowe i wynoszą: żyta - 25 q/ha, pszeni
cy - 32 q/ha, jęczmienia - 32 q/ha i buraków cukrowych - 280 q/ha. Natomiast
działka III położona jest na ziemiach gorszych, w związku z czym daje gorsze
plony wynoszące odpowiednio: 18, 24, 21 i 210 q/ha. Roczne zadania planowe
gospodarstwa wynoszą: 6000 q żyta, 7200 q pszenicy, 10 000 q jęczmienia
i 42 000 q buraków cukrowych. Nakłady pracy (w tys. rob. godz./ha) przy uprawie
tych roślin na poszczególnych działkach podano w tabl. 253.
labliL j 253
Działki Żyto Pszenica Jęczmień Buraki cukrowe
I 3,5 2,7 2,1 2,1
II 2,3 4,0 2,5 1,8
III 3,0 1,8 3,0 1,7
Sporządź optymalny plan rozmieszczenia upraw, gwarantujący wykonanie

zadań planowych przy możliwie najmniejszych nakładach pracy.
260. Firma konsultingowa oferuje kompleksową obsługę ekonomiczną i prawną pod

miotów gospodarczych. Szczegółowo zakres działalności firmy obejmuje nastę
pujące usługi:
A - konsultacje i opinie w zakresie prawa podatkowego,
B - zakładanie i prowadzenie księgowości małych firm,
C - prowadzenie podatkowej księgi przychodów i rozchodów,
D - przygotowanie dokumentacji do wniosków kredytowych,
E - wycena wartości nieruchomości.
Firma zatrudnia trzech młodych pracowników i trzech doświadczonych
księgowych. Prezes firmy oszacował czas, jaki przeciętnie zajmuje każdemu
z pracowników wykonywanie poszczególnych usług w ramach obsługi 1 klienta
(zainteresowanego podmiotu gospodarczego). Czasy te (w godzinach) podano
w tabl. 254, przy czym znak x oznacza, że dany pracownik nie ma kwalifikacji do
wykonywania określonej usługi.
Tablica 254
Usługi
Pracownicy
K I® e D E
1 60 30 48 X X
Miodzi 2 72 72 48 90 X
3 48 56 90 84 120
4 42 36 48 72 60
Starsi 5 30 42 42 48 66
6 36 24 48 60 54
Zakładając specjalizację pracowników w wykonywaniu tylko 1 pracy, zapro

ponuj ich przydział do świadczenia poszczególnych usług tak, aby zminimali
zować koszty ponoszone przez klientów, którzy decydują się na kompleksowe
korzystanie z usług firmy. Stawka godzinowa dla młodych pracowników wynosi
15 zł, a dla pracowników z doświadczeniem - 20 zł.
261. Spółka „AIBM” zatrudnia sześciu pracowników, których zadaniem jest naprawa
usterek, komputerów zgłaszanych w okresie gwarancji. Wyróżniono 5 najczęściej
zdarzających się usterek. Na podstawie dotychczasowych obserwacji oszaco
wano średni czas usuwania przez pracowników poszczególnych typów usterek
- podano je w tabl. 255 (w godz.). x oznacza, że pracownik PI nie podejmuje się

usuwania usterek U3 i U5.
Zakładając specjalizację pracowników przy usuwaniu usterek, należy przy
dzielić pracownikom usuwanie poszczególnych usterek optymalnie z punktu wi
dzenia minimalizacji łącznego czasu usuwania (zakładamy, że szósty pracownik
będzie się zajmował usuwaniem pozostałych usterek). Zbuduj model matema
tyczny zagadnienia i rozwiąż go, stosując algorytm węgierski. Któremu z pracow
ników należy powierzyć usuwanie pozostałych uszkodzeń?
Tablica 255
Czas usuwania przez pracownika uszkodzenia
Pracownik
Ul u3p;::/ U5
PI 4 2 X 3 X
P2 3 1,5 1,5 3,5 4,0
P3 4,5 2 2,5 3 4,5
P4 3 1,5 1 4 5,5
P5 4 2,5 2 4,5 5,0
P6 3,5 3 2 4 4,5
262. Pewna stacja telewizyjna opracowuje plan emisji powtórek programów kulinar
nych w paśmie przedpołudniowym w soboty. Rozważane są 4 około godzinne
programy: Pl.Ugotowani, P2. Kuchenne rewolucje Magdy Gesler, P3. Top Chef,
P4. Pascal kontra Okrasa, dla których zarezerwowane pasmo 7:00 -10:00 w so
boty. W tabl. 256 podano spodziewaną oglądalność programów (w tys. widzów)
w zależności od godzin ich emisji. Należy przydzielić programom godziny
emisji, tak aby zmaksymalizować oglądalność programów stacji (liczbę wi
dzów). Zbuduj model matematyczny zagadnienia i rozwiąż go, stosując algorytm
węgierski.
Na jaką łączną oglądalność tych programów może liczyć stacja?
Który z programów nie będzie emitowany?
Tablica 256
Programyww
Godzina emisji
l ; p i p WMM ; |? 4 f
7:00-8:00 18 25 20 22
8:00-9:00 16 24 19 20
9:00-10:00 22 20 17 23
263. W okresie intensywnych prac polowych 9 dużych gospodarstw rolnych makro

regionu środkowego nawiązało pomiędzy sobą współpracę w zakresie wymiany
sprzętu rolniczego. W tabl. 257 podano dla każdego gospodarstwa ilość ma
szyn posiadanych oraz niezbędnych do wykonania zaplanowanych na miesiąc
lipiec prac, natomiast w tabl. 258 podano odległości pomiędzy gospodar
stwami (w km).
Tablica 257
Liczba kosiarek Liczba mtocami
Gospodarstwo
posiadanych niezbędnych posiadanych niezbędnych
G1 17 7 26 14
G2 8 18 9 9
G3 10 10 6 17
G4 12 4 4 10
G5 11 17 17 10
G6 4 13 15 19
G7 13 8 24 11
G8 18 12 5 16
G9 2 6 14 14
Tablica 258
Gospodarstwo § 0 3 ii 5 6 7 liii 9
G1 0 37 45 93 108 205 49 58 102
G2 0 108 193 115 41 78 89 40
G3 0 28 73 121 155 103 115
G4 0 93 54 77 93 130
G5 0 78 29 45 101
G6 0 118 128 39
G7 0 21 99
G8 0 87
G9 0
Opracuj plan przewozu maszyn pomiędzy gospodarstwami posiadającymi

ich nadmierną ilość, oraz gospodarstwami, w których liczba ta jest niewystarcza
jąca, tak aby zminimalizować kilometraż pustych przebiegów.
264. Trzy magazyny zaopatrują w pewien j produkt trzech odbiorców. Magazyny po
siadają na składzie po 900 ton towaru, a zapotrzebowanie odbiorców wynosi
odpowiednio: 700, 600 i 800 ton. W tabl. 259 podano odległości pomiędzy do
stawcami i odbiorcami. Przy odległości do 200 km transport odbywa się samo
chodem, a koszt 1 tonokilometra wynosi 1,2 zł, a gdy odległość jest większa niż
200 km transport odbywa się koleją a koszt 1 tonokilometra wynosi 0,9 zł.
Tablica 259
Odbiorcy
Dostawcy
S il! m .
D, 300 180 200
d2 120 150 400
d3 350 200 100
Opracuj plan przewozu towaru od dostawców do odbiorców, tak aby łącz

ne koszty transportu i magazynowania nadwyżki towaru ponad zapotrze
bowanie odbiorców były możliwie najniższe Koszty magazynowania 1 tony
u poszczególnych dostawców wynoszą odpowiednio: 10,10 i 15 zł. Zbuduj mo
del matematyczny zagadnienia. Znajdź rozwiązanie optymalne i odpowiadające
mu koszty.
265. Trzy piekarnie (A, B i C) zaopatrują w pieczywo 4 duże sklepy. Dzienne zapo
trzebowanie sklepów wynosi odpowiednio 1500,1200, 1350,1200 kg pieczywa,
natomiast zdolności produkcyjne każdej piekarni wynoszą 2000 kg pieczywa.
Koszt produkcji 1 kg pieczywa w piekarni A wynosi 1,6 zł, w piekarni B - 1,5 zł
a w piekarni C -1 ,7 zł natomiast koszty dostawy 1 kg pieczywa z piekarń do skle
pów podano w tabl. 260.
Zakładając, że piekarnie będą produkować tylko tyle pieczywa ile dziennie
zamawiają sklepy, wyznacz plan produkcji i transportu pieczywa, taki który za
pewni minimalizację łącznych kosztów produkcji i transportu. Zbuduj model
matematyczny zagadnienia i rozwiąż go jedną ze znanych metod (algorytm trans
portowy lub metoda potencjałów).
Tablica 260
Piekarnie
U H llp S if 4
A 0,08 0,09 0,04 0,15
B 0,14 0,06 0,17 0,24
C 0,04 0,17 0,13 0,03
266. Zakładając, że jesteś graczem B, którą z dwóch poniższych gier wybrałbyś jako
korzystniejszą dla siebie? Czy przy wyborze odgrywa rolę wartość parametru
a ( a e (1; 4) a a *2)?
Gra I Grali
Sil1 i i ■ fi
Si 4 -5 6
S2 10 -10 2
S3 2 -10 3
12. Zadania różne 4 09
267. Dana jest macierz wypłat dla gry dwuosobowej o sumie zero (tabl. 261):
Tablica 261
Gl z.,
i f l Z2
g2
Si 0,2 0,3 0,4

S2 0,5 0,1 0
s3 0,1 0,2 0,3
Zapisz grę w postaci programu liniowego i podaj optymalne strategie dla

obu graczy.
268. Kolporter gazet ma podjąć decyzję dotyczącą wielkości zakupu miesięcznika

„Rozrywka”. Może kupić 50,100 lub 150 egzemplarzy. Na podstawie obserwa
cji poczynionych w poprzednim roku kolporter wie, że w zależności od układu
czynników rynkowych popyt na „Rozrywkę” może kształtować się na poziomie:
50, 80, 100 lub 140 egzemplarzy. Kolporter kupuje „Rozrywkę” po 2,5 zł,
a sprzedaje po 3,2 zł. Egzemplarze niesprzedane w danym miesiącu są przece
nione na 1 zł i zwykle po tej cenie są sprzedawane. Znajdź optymalną z punk
tu widzenia miesięcznego zysku kolportera wielkość zakupu. W poszukiwaniu
rozwiązania zastosuj kryterium Walda, Hurwicza przy współczynniku ostroż
ności y = 0,2 i y = 0,8 oraz kryterium Savage’a.
269. Gracz A może rozegrać dwie gry: z graczem B lub z graczem C. Macierze wypłat
tych gier podano w tabl. 262 i 263. Określ wygraną gracza A w każdej z tych gier.
B3 | A, : a4
l i i i | | b*
l i l i i ! U l 2' ■■■: A
5 2 2 Ci 5 -5 0 -2
^2 1 3 4 c2 0 -4 3 1
a3 1 4 8 c3 2 -3 1 1
270. Gracz A może rozegrać z graczem B dwie gry, których macierze wypłat podano
w tabl. 264 i 265. Którą z tych gier powinien wybrać gracz A?

B A
A • Bjl,: 1 82 i | b< j B A 11
Ai 4 -1 -3 2 Bi 0 -4 2
a2 0,5 1 -1 0 b2 -6 2 1
a3 2 2 4 3 b3 -7 -1 1
b4 0 -5 2
4 10 12. Zadania różne
271. Mały przedsiębiorca sprzedający precle w jednej z uczelni krakowskich chce pod
jąć decyzję dotyczącą dziennej wielkości zakupu precli z serem. Na podstawie
dotychczasowych obserwacji wie, że dzienny popyt może kształtować się na po
ziomie 110,130,150 lub 190 precli, które sprzedaje po 1,6 zl za sztukę. Ponieważ
producent precli oferuje partie po 20 sztuk, rozważa zakup 120,140 160,180 lub
200 szt. Precle kupuje po 1,1 zl. Zakłada się, że precle niesprzedane w danym
dniu mają wartość zerową (nie nadają się do spożycia).
Określ optymalną z punktu widzenia zysku przedsiębiorcy wielkość za
kupu precli, stosując znane kryteria. Dla kryterium Hurwicza proszę przy
jąć współczynnik ostrożności y = 0,2. Kryterium Bayes’a proszę uwzględnić,
zakładając:
a) że wszystkie stany natury (wielkości popytu) są jednakowo praw
dopodobne,
b) że prawdopodobieństwa poszczególnych stanów natury (popytu) wynoszą
odpowiednio: 0,2; 0,1; 0,3 i 0,4.
Zinterpretuj wszystkie uzyskane wyniki.
272. Właściciel sieci pizzerii poszukuje lokalizacji dla kolejnej pizzerii. Ma do wyboru
trzy lokalizacje (A, B lub C) a z pomocą firmy konsultingowej oszacowano spo
dziewane zyski (tys. zł miesięcznie) w każdym z potencjalnych punktów, w zależ
ności od 4 stanów natury (tabl. 266).
Ustal, którą z lokalizacji powinien wybrać właściciel zgodnie z regułą.
Bayesa, zachowując ostrożność i ryzykując.
Tablica 266
Przewidywane zyski w przypadku stanu natury
Lokalizacja
l i l i i . '■ i ® - ' - l i l i i «4 ;
A 12 14 10 16
B 14 21 17 6
C 10 -8 27 10
273. Istnieją 3 możliwe warianty inwestycyjne budowy nowego centrum handlowego.

Warianty inwestycyjne są realizowane w warunkach niepewności; koszty wyko
nania w każdym z wariantów zależą od zespołu czynników losowych, przy czym
można wyodrębnić 4 stany natury. Podano je w tabl. 267.
Tablica 267
Warianty Koszty realizacji wariantu, jeśli wystąpi stan natury

inwestycyjne filii S l i w l l i fil!m IV
1 40 100 70 10
2 70 80 50 60
3 60 60 30 90
Który z wariantów inwestycyjnych jest najkorzystniejszy dla inwestora

z punktu widzenia kryterium: Hurwicza (y = 0,2) oraz kryterium Savage’a?
274. Właściciel piekarni ma podjąć decyzję dotyczącą dziennej wielkości produkcji

pieczywa. Z obserwacji rynku wie, że dzienny popyt na jego pieczywo może się
kształtować na poziomie 1,9, 2,5, 3,5 lub 3,8 tony a jego zdolności produkcyj
ne pozwalają na uruchomienie produkcji 2, 3 lub 4 ton. Koszt produkcji 1 tony
wynosi 1000 zl (1 zł za 1 kilogramowy bochenek) a cena sprzedaży - 1300 zł
(1,30 za bochenek). Pieczywo niesprzedane w danym dniu jest oferowane w dniu
następnym po cenie obniżonej do 50 gr za bochenek (500 zł za tonę) i w tej cenie
zwykle jest sprzedawane. Należy wybrać optymalną z punktu widzenia maksy
malizacji zysku właściciela piekarni wielkość produkcji.
275. Przedsięwzięcie składa się z czynności a - o , których kolejność wykonywania

i czasy trwania podano w tabl. 268.
1. Narysuj wykres sieciowy przedsięwzięcia, wyznacz najkrótszy termin
zakończenia oraz drogę krytyczną.
2. Czy opóźnienie rozpoczęcia czynności „h” o 4 dni zmieni termin końco
wy i drogę krytyczną?
3. Czy skrócenie czasu trwania czynności „o” o 3 dni pozwoli o tyle samo
skrócić termin końcowy?
Tablica 26S
Czynności
Czynność Czas (dni)
poprzedzające
a - 10
b - 13
c b 15
d b 21
e a, b 17
f b 20
g c, e 10
h c ,e 12
i d,g 12
j d ,f,g 8
k h 13
1 d, f, g 15
m h 18
n U ,k 11
0 1 13
276. Mając dane o czasach trwania czynności oraz ich następstwie (tabl.269):
1. Narysuj wykres sieciowy przedsięwzięcia. Wyznacz najkrótszy termin
jego zakończenia i drogę krytyczną.
2. Czy i jak wpłynie na termin końcowy i drogę krytyczną:
a) skrócenie czasu trwania czynności „f” o 4 dni?
b) opóźnienie rozpoczęcia czynności „g” o 6 dni?
12 Zadania różne
Tablica 269
Czynności
poprzedzające
a - 12
b - 10
c - 16
d a 8
e a 12
f c 14
g b, c 10
h d 10
i g 8
j e, f, h 12
k d 20
1 i, j. k 14
m g 12
n 1 8
o i,j,k, m 14
277. 1. Narysuj wykres sieciowy przedsięwzięcia składającego się z czynności

a - n, mając dane o ich następstwie i czasach trwania (tabl. 270). Wyznacz naj
krótszy termin zakończenia przedsięwzięcia oraz drogę krytyczną.
Tablica 270
Czynności
poprzedzające
a _ 15
b - 9
c a 7
d a, b 8
e a, b 15
f c, d 17
g c, d 18
h e,g 11
i e.g 9
j i,f 11
k i,f 13
1 h 10
m j 4
n 1, m, k 6
2. Czy i jak wpłynie na termin końcowy i drogę krytyczną:

a) opóźnienie terminu rozpoczęcia czynności „h” o 3 dni?
b) skrócenie czasu trwania czynności „j” o 3 dni?

Tablica 271
;v Czynności
poprzedzające
a - 12
b - 10
c - 20
d a 17
e a, b 16
f a, b 13
g c, e 11
h c, e 17
i d 13
j d 13
k f, h, i 20
1 f.h .i 7
m g,i 14
n j 19
o k, m ,n 9

2. Czy opóźnienie zakończenia czynności „b” o 4 dni zmieni termin końco
wy i drogę krytyczną?
3. Postanowiono przyspieszyć termin ukończenia przedsięwzięcia o 4 dni.
W tabl. 272 podano czynności, których czas trwania można skrócić i związa
ne z tym koszty. Wskaż czynności, których czasy należy skrócić, aby wiązało
się to z najniższymi kosztami. Ile wyniosą koszty skrócenia?
Tablica 272
Normalny Najkrótszy (graniczny) Koszt skrócenia
Czynność
czas trwania czas trwania o 1 dzień (tys. zł)
a 12 9 2,5
c 20 18 1,5
i 13 10 2
i 7 5 1,0
0 9 6 3,5

2. Ile zapasu czasu ma czynność „j”? Czy opóźnienie jej rozpoczęcia o 4 dni
zmieni termin końcowy i drogę krytyczną?
3. Postanowiono przyspieszyć termin ukończenia przedsięwzięcia o 4 dni.
W tabl. 274 podano czynności, których czas trwania można skrócić i związane
z tym koszty. Wskaż czynności, których czasy należy skrócić, tak aby wiązało się
to z najniższymi kosztami. Ile wyniosą koszty skrócenia?
Tablica 273
Czynności
poprzedzające
a - 9
b - 13
c b 10
d b 15
e a, b 14
f a, b 17
g d, f 10
h d, f 12
i c, h 18
j c, h 18
k d ,f 29
1 e,g 7
m e.g 23
n i, k, I 17
0 i,j. k, 1 11
Tablica 274
Normalny Nąj krótszy (graniczny) Koszt skrócenia
Czynność
czas trwania czas trwania o 1 dzień (tys. zi)
a 9 7 2,5
f 17 13 1,5
g 10 8 1
h 12 9 2
n 17 12 3,5
280. Jan Kowalski zaciągnął kredyt w banku na 5 lat przy stałej stopie procentowej
18%. Po 5 latach zwrócił bankowi kwotę 68 632,73. Bank kapitalizuje odsetki raz
w roku. Ile pieniędzy Jan Kowalski pożyczył w banku?
281. Roman Nowak zdeponował w banku 40 302,30 na 5,1% w skali rocznej. Bank
stosuje roczną kapitalizację odsetek. Po jakim czasie klient będzie mógł przeka
zać synowi kwotę 60 000 zł?
282. Michał Brzozowski wpłacił na lokatę 50 000 zł przy rocznej stopie bankowej 8%.
Po jakim czasie podwoi kapitał?
283. Jan Kowalski sprzedał Michałowi Brzozowskiemu samochód za 40 000 zł. W mo
mencie przekazania kluczyków otrzymał 20 000 zł, zaś pozostałą kwotę ode
brał w ratach po każdym kwartale po 5000 zł. Ile realnie otrzymał Jan Kowalski
w wyniku tak przeprowadzonej transakcji? W obliczeniach należy przyjąć stopę
stosowaną przez NBP, która w tym roku wynosiła 16%.
284. Nowak postanowił zakupić pakiet dwóch akcji A i B. Celem ustalenia optymal
nej struktury ich zakupu, prześledził ostatnie notowania giełdowe, w wyniku któ
rych obliczył wartości stóp zwrotu obu akcji:
Akcja A 1 1 2 4 5 5
Akcja B 8 12 3 5 6 8
a) Wyznacz wartość współczynnika korelacji między stopami zwrotu

akcji.
b) Ustal optymalną strukturę portfela akcji.
285. W drugim roku Roman Nowak zrezygnował z zakupu akcji A i B, zaś w to miej
sce postanowił zakupić akcje C i D. Celem ustalenia optymalnej struktury port
fela obserwował ostatnie notowania, obliczając wartości stóp zwrotu w kolejnych
notowaniach:
Akcja C 6 10 4 2 0 -4
Akcja D 10 -4 -1 3 12 4
a) Oblicz wartość współczynnika korelacji liniowej między stopami zwrotu

akcji C i D.
b) Ustal optymalną strukturę portfela akcji.
c) Wyznacz wartość minimalnej wariancji całkowitej przy optimum port
fela akcji.
286. Michał Brzozowski chce zakupić dwie akcje E i F. Należy dopomóc mu w usta
leniu optymalnego portfela zakupu akcji. Ostatnie notowania pozwoliły określić
stopy zwrotu obu akcji:
Akcja E 4 4 -6 3 13 0
Akcja F 1 2 3 2 0 0
287. Ustal optimum portfela złożonego z dwóch akcji G i H. Na podstawie ostatnich

notowań obliczono stopy zwrotu dla tych akcji.
Akcja G -2 0 2 2 3
Akcja H 0 1 1 3 5
288. Centrum e-Learningu ma zamiar uruchomić wykłady e-learningowe dla 5 tys.

studentów. Zajęcia będą prowadzone przy zastosowaniu trzech platform:
Blackboard (koszt zakupu 30 tys. zł, jednostkowy koszt zmienny 12 tys. zł na
tysiąc studentów), Moodle (koszt zakupu 2 tys. zł, jednostkowy koszt zmienny
24 tys. zł na tysiąc studentów), 4 systems (koszt zakupu 16 tys. zł, jednostkowy
koszt zmienny 16 tys. zł na tysiąc studentów). Przychody uczelni są równe dla

każdej z platform i wynoszą 50 tys. zł na tys. studentów. Należy rozdzielić stu
dentów pomiędzy platformy, kierując się maksymalizacją zysku operacyjnego.
Która z poniższych odpowiedzi jest prawdziwa?
1. Wszyscy studenci mają korzystać z platformy Blackboard.
2. Optymalny zysk operacyjny to 160 tys. zl.
5. Żadna z powyższych odpowiedzi nie jest prawidłowa.
289. Zarządca platformy „Blackboard”, w skrócie BB, pragnie obsłużyć rocznie

(przynajmniej) 4000 studentów z bardzo wysoką średnią ocen (BW), 5000 stu
dentów z wysoką średnią (WS) oraz 3000 studentów ze standardową średnią
(SS). Studenci mogą być zgłaszani w grupach po 100 osób (czyli pojedyncza gru
pa zawiera 100 studentów) przez trzy uczelnie (ul,u2,u3). W pierwszej uczelni
grupa składa się z 50 studentów BW, 15 studentów WS oraz 35 studentów SS,
a obsługa grupy kosztuje 1,5$ za jednego studenta. W drugiej uczelni grupa skła
da się z 30 studentów z bardzo wysoką średnią ocen (BW), 25 studentów z wy
soką średnią ocen (WS) oraz 45 studentów SS, a obsługa grupy kosztuje 2,4$ za
jednego studenta. W trzeciej uczelni grupa składa się z 65 studentów z bardzo
wysoką średnią ocen (BW), 20 studentów WS oraz 15 studentów SS, a jej obsługa
kosztuje 3,1$ za jednego studenta. BB może przeznaczyć na obsługę wszystkich
zajęć 130 000 $.
Zoptymalizuj skład studentów, kierując się minimalizacją łącznego kosztu
obsługi zajęć.
Proszę ustosunkować się do poniższych stwierdzeń:
a) należy przyjąć 200 grup z drugiej uczelni,
b) należy przyjąć 250 grup z trzeciej uczelni,
c) jako równość spełniony jest warunek dotyczący studentów WS,
d) cena cień (shadow price) studentów z WS jest różna od zera,
e) żadna z powyższych odpowiedzi nie jest prawidłowa.
290. Firma „Czekolada Belgijska (CB)”, której misja wyraża się w słowach: „słodycz
bez bólu”, na etapie powstania boryka się z kilkoma problemami, które można
łatwo rozwiązać przy pomocy badań operacyjnych.
Pierwszy z nich dotyczy sposobu pakowania pudełek z czekoladkami do du
żych kartonów. Duże kartony mają objętość 3 dm sześcienne oraz 2 dm sześcien
ne, natomiast czekoladki pakowane są w pudełka o objętości odpowiednio: 2;
1 oraz 0,5 dm sześcienngo. Generalnie problem polega na zaproponowania spo
sobu (sposobów) pakowania czekoladek do kartonów (nie zostawiamy w karto
nach wolnego miejsca), aby marża brutto na sprzedaży przynajmniej 100 pudełek
2 dm, przynajmniej 200 pudełek 1 dm oraz przynajmniej 500 pudełek 0,5 dm była
maksymalna. Cena sprzedaży pudełek wynosi odpowiednio (pudełka 2;1;0,5)
12. Zadania różne 4#
5 euro, 3 euro oraz 2 euro, a koszty wsadu (czekoladek) odpowiednio 3 euro,

2 euro oraz 1 euro. Koszt wysiania kartonu o objętości 3 dm sześcienne wynosi
1 euro, a kartonu o objętości 2dm sześcienne wynosi 0,5 euro. Firma może so
bie pozwolić na wydanie tylko 3000 euro na zakup wsadu (czekoladek). Należy
kierować się maksymalizacją marży brutto.
Proszę ustosunkować się do poniższych stwierdzeń:
a) zostaną wykorzystane tylko kartony o objętości 2 dm sześcienne,
b) należy wykorzystać 775 kartonów o objętości 2 dm sześcienne,
c) łączna marża brutto wyniesie 2000 euro,
d) żadna z powyższych odpowiedzi nie jest prawidłowa.
291. W skład pewnego przedsiębiorstwa wchodzi sześć zakładów produkcyjnych.

Rozprowadzanie surowców oraz wywóz wyrobów gotowych odbywa się przy wy
korzystaniu taboru samochodowego. Wielkości przywozu i wywozu (wyrażone
liczbą pełnych samochodów) oraz odległości pomiędzy zakładami (w km) zesta
wiono w tabl. 275.
Tablica 275
Punkty wytwórcze 1 2 3 4 5 6 Wywóz
1 0 8 12 21 30 14 9
2 0 20 8 10 7 11
3 0 18 11 10 10
4 0 7 12 18
5 0 19 14
6 0 18
Przywóz 15 18 17 9 14 7
Proszę się ustosunkować do poniższych stwierdzeń:

a) jest to zagadnienie minimalizacji pustych przebiegów,
b) należy go sprowadzić do zagadnienia transportowego,
c) w zagadnieniu jest trzech dostawców i trzech odbiorców,
d) jest to zagadnienie transportowe otwarte.
292. Przedsięwzięcie inwestycyjne, polegające na budowie Centrum Kongresowo-

-Wystawienniczego, składa się z trzech zadań inwestycyjnych: budowy hali wy
stawienniczej (zj), hotelu (z2) oraz Sali kongresowej (z3). Wszystkie zadania mu
szą być zrealizowane, aby przedsięwzięcie zostało zakończone. W celu realizacji
przedsięwzięcia ogłoszono przetarg, w którym jedynym kryterium wyboru ofe
renta jest koszt wykonania zadania, ale też przyjęto, że każde zadanie może być
zlecone tylko jednemu przedsiębiorstwu, a jedno przedsiębiorstwo może wy
konać tylko jedno zadanie. D o przetargu przystąpiły cztery przedsiębiorstwa,
oferując ceny usług podane w tabl. 276.
T ablica 276
' — — Projekt
Przedsiębiorstwo ' -------- ---------- W /;- ZM
Przedsiębiorstwo A 14 6 10
Przedsiębiorstwo B 4 4 2
Przedsiębiorstwo C 12 10 6
Przedsiębiorstwo D 16 16 16
Dokonaj wyboru oferentów tak, aby koszt realizacji przedsięwzięcia inwesty

cyjnego był jak najniższy.
a) wartość funkcji celu w rozwiązaniu optymalnym jest równa 16,
b) przedsiębiorstwo czwarte nie zostanie zaangażowane do realizacji
przedsięwzięcia,
c) przedsiębiorstwo pierwsze będzie realizować zadanie trzecie,
d) przedsiębiorstwo trzecie będzie realizować zadanie trzecie.
293. Pięć faz przedsięwzięcia (FI do F5) może być realizowane przez 6 przedsię
biorstw (PI do P6). Każda faza musi być zrealizowana przez tylko jedno przed
siębiorstwo, a jedno przedsiębiorstwo może wykonywać tylko jedną fazę. NPV
jakie można osiągnąć w poszczególnych fazach, w zależności, od tego, które
przedsiębiorstwo zostanie zaangażowane, wynosi odpowiednio:
Fl(100,500,400,400,300,200), F2(500,200,200,200,400,200),
F3(100,300,300,300,500,600), F4(100,300,400,200,200,400),
F5(300,500,600,100,400,800).
a) NPV wyniesie 2700,
b) przedsiębiorstwo 4 nie będzie wykonywać żadnych zadań,
c) faza 5 przypadnie przedsiębiorstwu 6,
d) faza 3 przypadnie przedsiębiorstwu 2,
e) faza 3 przypadnie przedsiębiorstwu 3.
294. W Krakowie ma powstać międzyuczelniane Centrum E-learningu (Ce-L), które

go misja wyraża się w słowach: „to be „e” or not to be”. Na etapie powstania bo
ryka się ono z kilkoma problemami, które można łatwo rozwiązać przy pomocy
badań operacyjnych.
Stwierdzono, że poszczególne zadania Centrum najlepiej będzie podzielić
pomiędzy Uczelnie, tak aby tylko jedna Uczelnia zajmowała się danym zada
niem, a jedno zadanie było przydzielone tylko jednej Uczelni. Tabl. 277 - 279 za
wierają oceny (w punktach) poszczególnych Uczelni w kontekście przygotowania
do realizacji poszczególnych zadań:
Warunki lokalowe
Tablica 277

Uczelnia Sterujący e-learningowa e-contentów pracowników
UEK 100 20 20 20
UP 100 30 80 100
AGH 80 100 100 50
UJ 60 100 60 40
Kadra (informatycy)
Tablica 278
Uczelnia Sterujący e-Iearningowa e-contentów pracowników
UEK 100 10 10 10
UP 50 10 100 40
AGH 80 100 10 20
UJ 10 20 60 40
Kadra (wykładowcy)
Tablica 279

Uczelnia Sterujący e-leąmingowa e-contentów pracowników
UEK 100 40 20 30
UP 50 40 100 20
AGH 20 100 10 20
UJ 10 20 70 40
Należy wziąć pod uwagę wszystkie wymienione wyżej czynniki.

1) zadanie można rozwiązać przy pomocy algorytmu Browna,
2) AGH należy przydzielić prowadzenie platformy e-learningowej,
3) optymalna wartość funkcji celu wyniesie 1000,
4) jeśli (ze względów prestiżowych) UJ obejmie funkcje związane z Komi
tetem Sterującym, to czy A E zostanie przydzielone szkolenie pracowników,
5) żadna z powyższych odpowiedzi nie jest prawidłowa.
295. Czterech pracowników Spółki „AIBM ” może montować 4 typy zestawów kom
puterowych. W tabl. 280 podano nakłady czasu pracy każdego z pracowników na
zmontowanie każdego z zestawów (w godz./szt.).
T ab lica 2 8 0
Zestawy
Pracownicy
W m m 1 Z3 Z4
Pi i 0,5 0,25 2
P2 2 0,1 0,5 1
P3 2 0,2 1 2
P4 1 0,5 0,25 0,5

a) zmienna decyzyjna oznacza czas pracy /-tego pracownika przy montowa
niu j -tego zestawu,
b) zmienna decyzyjna oznacza wielkość produkcji j-tego zestawu przez /'-te
go pracownika,
c) można zastosować algorytm węgierski,
d) funkcja kryterium może zakładać maksymalizację produkcji.
296. Kierownik sieci sprzedaży gazet ma podjąć decyzję dotyczącą wielkości zakupu
miesięcznika „X”. Może kupić 50, 100 lub 150 egzemplarzy. Na podstawie ob
serwacji poczynionych w poprzednim roku wiadomo, że w zależności od układu
czynników rynkowych popyt na „X” może kształtować się na poziomie: 50, 80,
100 lub 140 egzemplarzy. Kierownik kupuje „X” po 2,5 zł, a sprzedaje po 3,2 zł.
Egzemplarze „X” niesprzedane w danym miesiącu są przecenione na 1 zł i zwy
kle po tej cenie są sprzedawane. Znaleźć optymalną z punktu widzenia miesięcz
nego zysku kolportera wielkość zakupu „X”.
a) jest to gra dwuosobowa o sumie zero,
b) jest to gra z naturą,
c) pesymista wybierze strategię I-szą,
d) aby uchronić się od straty w stosunku do najlepszej sytuacji należy wy
brać strategię Il-gą,
e) najwyższy przeciętny zysk zapewnia strategia IV-ta.
297. D o zakładu fryzjerskiego, w którym pracuje tylko jego właściciel, klienci przy
bywają średnio co 10 minut. Obsługa jednego klienta trwa przeciętnie 15 minut.
Jako jednostkę czasu należy przyjąć godzinę.
a) intensywność ruchu wynosi 0,75,
b) układ jest stabilny,
c) na obsługę oczekuje przeciętnie więcej niż 3 klientów,
d) prawdopodobieństwo tego, że w kolejce będzie oczekiwać więcej niż jed
na osoba wynosi 0,9.
298. Producent zestawów komputerowych zużywa rocznie 30 000 płyt głównych, któ
re kupuje w cenie 150 zł za sztukę. Wiedząc, że koszt magazynowania 1 płyty
wynosi 1 zł rocznie, a koszty stałe związane z realizacją jednego zamówie

nia wynoszą 150 zł odpowiedz na pytanie, czy:
a) optymalna wielkość jednorazowej dostawy wynosi 30 000 szt.?
b) długość cyklu dostawy wyniesie 1/6 roku?
c) dostawy będą realizowane co 2 miesiące?
d) jest to typowe zagadnienie transportowe
e) jest to typowy problem przydziału zadań produkcyjnych
299. Spółka „DETOREX” produkuje zestawy komputerowe, korzystając z outsour-

cingu. Zanim komputer trafi do hurtowni przechodzi przez dwie fazy montażu,
które są realizowane przez różnych podwykonawców. Po wstępnym zmontowa
niu w Spółce (oznaczonej numerem 1), zestawy przechodzą do fazy pierwszej.
W fazie tej zestawy mogą być obrabiane tylko u jednego z podwykonawców,
oznaczonych numerami 2, 3 oraz 4. Po zakończeniu fazy pierwszej, zestawy
przechodzą do fazy drugiej, gdzie mogą być przetwarzane u jednego z podwyko
nawców, oznaczonych numerami 5 oraz 6. Po zakończeniu fazy drugiej zestawy
przechodzą do hurtowni (oznaczonej numerem 7). Podwykonawcy mają różne
moce przerobowe, w związku, z czym w tabl. 281 pokazano liczbę komputerów,
którą można zmontować w zależności od wyboru podwykonawcy.
Tablica 281
Podwykonawca i;:;' 'i',.:' : i " msMmi 7
1 0 4 5 8 0 0 0
2 0 0 0 0 6 8 0
3 0 0 0 0 8 7 0
4 0 0 0 0 8 10 0
5 0 0 0 0 0 0 7
6 0 0 0 0 0 0 4
7 0 0 0 0 0 0 0
a) aby zmaksymalizować liczbę zmontowanych zestawów należy wybrać

podwykonawców w kolejności: 1 -3 -6 -7 ,
b) aby zmaksymalizować liczbę zmontowanych zestawów należy wybrać
podwykonawców w kolejności: 1 -4 -6 -7 ,
c) aby zmaksymalizować liczbę zmontowanych zestawów należy wybrać
podwykonawców w kolejności: 1-3-5-7.
300. Spółka „A” produkuje zestawy komputerowe, korzystając z outsourcingu.

Zanim komputer trafi do hurtowni przechodzi przez dwie fazy montażu, któ
re są realizowane przez różnych podwykonawców. Po wstępnym zmontowa
niu w Spółce (oznaczonej numerem 1), zestawy przechodzą do fazy pierwszej.
W fazie tej zestawy mogą być obrabiane tylko u jednego z podwykonawców,
oznaczonych numerami 2, 3 oraz 4. Po zakończeniu fazy pierszej, zestawy prze
chodzą do fazy drugiej, gdzie mogą być przetwarzane u jednego z podwyko
nawców, oznaczonych numerami 5 oraz 6. Po zakończeniu fazy drugiej zestawy
A
12. Zadania różne
przechodzą do hurtowni (oznaczonej numerem 7). Podwykonawcy mają różne

moce przerobowe, w związku, z czym w poniższej tabeli pokazano czas, który
można przeznaczyć na montaż w zależności od wyboru podwykonawcy. A oto
numery czynności i czasy (podane w nawiasach): 1-2 (4); 1-3 (5); 1-4 (8); 2-5 (6);
2 -6 (8); 3-5 (8); 3 -6 (7); 4-5 (8); 4 -6 (10); 5-7 (7); 6-7 (4).
a) aby zminimalizować czas montowania zestawów należy wybrać podwyko
nawców w kolejności: 1-3-6-7,
b) czas montażu to 20 jednostek,
c) aby zminimalizować czas montowania zestawów należy wybrać podwyko
nawców w kolejności: 1 -4 -6 -7 ,
d) aby zminimalizować czas montowania zestawów należy wybrać podwyko
nawców w kolejności: 1-3-5-7.
301. Producent telewizorów dostarcza odbiorniki z ekranami 25”, 21” oraz 14”.
Podstawowe dane zawiera tabl. 282.
Tablica 282
Nakład na 1 odbiornik z ekranem Dostępny
25” W ; zasób
Surowce 4 2 i 1200
Czas 1 2 2 2000
Marża brutto (z!) 120 120 100
Znajdź optymalną strukturę produkcji, a następnie odpowiedz na następu

jące pytania:
a) czy opłaca się wprowadzić do produkcji telewizory 15” o materiałochłon
ności 2,5, czasochłonności 1,5 oraz marży brutto 130 zł?
b) czy opłaca się wprowadzić do produkcji telewizory 17” o materiałochłon
c) czy opłaca się wprowadzić do produkcji telewizory 30” o materiałochłon
302. Za pomocą stosownych metod badań operacyjnych należy rozwiązać kilka

problemów „STOLARNI AWER”. Rozszerzony opis wspomnianego przedsię
biorstwa można znaleźć w: Skrzypek J. [2014] Biznesplan w 10 krokach, Poltext,
Warszawa.
Zad 1. Zatrudnienie pracowników. Stolarnia poszukuje pracowników do
montażu łóżek piętrowych oraz łóżek do sypialni. Na ogłoszenie prasowe odpo
wiedziały cztery osoby (PI, P2, P3 oraz P4). Podczas rozmów kwalifikacyjnych
zmierzono im wydajność pracy (wyrażoną liczbą zmontowanych elementów łóżek
na zmianę) na każdej z trzech maszyn (M l, M2 oraz M3) służących do montażu
mebli (tabl. 283; N oznacza, że pracownik nie potrafi obsługiwać danej maszyny).
12. Zadania różne 42 3
T ab lica 283
Wydajność pracownika
Pracownicy na maszynie
Ml i; M2
PI 80 105 79
P2 109 N 90
P3 100 97 N
P4 95 80 95
Ponadto należy założyć, że każdy pracownik na danej zmianie może praco

wać tylko na jednej maszynie i jedna maszyna może być obsługiwana przez jed
nego pracownika.
a) Kogo powinni zatrudnić właściciele stolarni, aby zmaksymalizować licz
bę zmontowanych elementów łóżek?
b) Kogo powinni zatrudnić właściciele „STOLARNI AWER”, gdyby dane
w tabl. 283 oznaczały czasy (w minutach) potrzebne pracownikom na
zmontowanie 1 łóżka na danej maszynie?
c) Kogo powinni zatrudnić właściciele stolarni, gdyby nie było ograni
czenia, że każdy pracownik pracuje na 1 maszynie i vice versa, a dane
w tabl. 283 to wydajności pracowników na poszczególnych maszynach?
Zad 2. Sieć dystrybucji łóżek. Stolarnia organizuje własną sieć dystrybucji

łóżek, na którą składają się trzy magazyny główne (MG) oraz pięć magazynów
pomocniczych (MP). W tabl. 284 podano koszty transportu jednego łóżka po
między magazynami, pojemność magazynów głównych oraz pomocniczych.
Tablica 284
MG/MP MP1 MP2 MP3 ............5
MG1 100 40 10 70 80 1000
MG2 50 80 200 80 110 2000
MG3 60 125 120 110 50 5000
Bi 1000 3000 2000 500 500
Pojemność magazynów pomocniczych została dopasowana do szacowane

go popytu na łóżka w okolicznych sklepach. Należy zaprojektować sieć dystry
bucji łóżek.
Zad 3. Przygotowanie studium wykonalności dla nowego projektu. Właści

ciele stolarni zamierzają wprowadzić na rynek nowy typ łóżek do sypialni. W tym
celu postanowili przygotować studium wykonalności projektu. Pierwszym kro
kiem na tej drodze jest przygotowanie harmonogramu opracowania wspomnia
nego studium (tabl. 285).
424 12 Zadania różne
T ab lica 2 85
Nazwa Czas trwania [h]

czynności Opis
a Koncepcja projektu 3
b Plan strategiczny 10
c Plan techniczny 5
d Plan marketingowy 10
e Plan organizacyjny 8
f Plan IT 12
g Plan techniczny (nakłady i koszty) 2;8;14
h Plan marketingowy (nakłady i koszty) 5;7;9
i Plan organizacyjny (nakłady i koszty) 4;5;18
j Plan IT (nakłady i koszty) 6;8;28
k Prognoza sprawozdań finansowych 12
1 Opracowanie zestawu analiz 2;6;10
m Wnioski i rekomendacje 8
Wiadomo, że: czynność „a” musi poprzedzać czynność „b”; czynności: „c”,
„d”, „e” oraz „f” mogą być wykonywane równolegle; czynność „g” musi być po
przedzana przez czynność „c”; czynność „h” musi być poprzedzana przez czyn
ność „d”; czynność „i” musi być poprzedzana przez czynność „e” a czynność „j”
musi być poprzedzana przez czynność „f”; Czynność „k” może wystąpić po za
kończeniu wszystkich poprzednich czterech czynności, a czynność „1” występuje
po „k”, ale przed „m”.
Właściciele stolarni chcieliby poznać odpowiedź na następujące pytania:
a) ile potrwa wykonanie studium wykonalności?
b) które czynności leżą na ścieżce krytycznej?
c) czy prawdopodobne jest wykonanie studium wykonalności w ciągu
62 godzin?
d) jakie dane należy pozyskać, aby skrócić czas trwania opracowania
studium wykonalności do 58 godzin?
Zad. 4. Montaż łóżek hotelowych. Montaż składa się z czynności „a-n”.
Mając dane o ich następstwie i czasach trwania (tabl. 286).
Narysuj wykres sieciowy i wskaż czynności krytyczne.
Tablica 286
Czynność Czynności
poprzedzające iii® )®
a — 15
b - 9
c a 7
d a, b 8
e a, b 15
f c, d 17
g c, d 18
h e,g 11
Czynności Czas
Czynność poprzedzające (dni)
i e,g 9
j i, f 11
k i, f 13
1 h 10
m j 4
n 1, m, k 6
Zad 5. Transport łóżek do sypialni. Łóżka do sypialni transportowane są za

granicę przy pomocy transportu lotniczego. Cały transport zapakowany jest do
kontenerów. Do samolotu możemy załadować pięć kontenerów: PI, P2, P3, P4, P5.
• Liczba kontenerów do przetransportowania to (odpowiednio): 3,4,4,5,3.
• Przestrzeń zajmowana przez każdy z kontenerów to (odpowiednio w m3):
3,2,5,1,4.
• Pojemność luku bagażowego samolotu (w m3): 50.
• Wartość każdego z kontenerów (w tys. zł): 5,2,3,4,1.
Zmaksymalizuj wartość przewiezionych kontenerów. Pozostanie niewyko
rzystany 1 m3 luku bagażowego.
Zad 6. Kampania reklamowa w trzech mediach. Stolarnia przeznaczyła na
kampanię reklamową łóżek 8 min złotych. D o wyboru są trzy niezależne media
PI, P2 oraz P3. Mając dany w tabl. 287 przyrost sprzedaży łóżek w zależności od
środków przeznaczonych na reklamę w poszczególnych mediach, należy zapro
jektować wydatki na reklamę.
Tablica 287
Nakłady przeznaczone na reklamę
Media:
". i'"
1v t ; |:: 5 f III ||7 8
PI 0 5 15 40 80 90 95 98 100
P2 0 5 15 40 60 70 73 74 75
P3 0 4 26 40 45 50 51 52 53
Odpowiedzi do zadań
1. x* = 4800, x 2 = 7000, F(x*,x2) = 25 800. Jeżeli zysk ze sprzedaży wyrobu I wzrośnie

do 4 zl, optymalna struktura asortymentowa produkcji zmieni się następująco:
x \ = 10 000, x% = 3000, F{x\, x \) = 49 000.

2. Rozwiązanie optymalne stanowią współrzędne punktów odcinka (100-2 x 3, 0,x3, 0),
gdzie x3e ( 0 ,50), a F(x\, x 2, x 3, x£) = 200.
3. 1. x* = 100 tys. sztuk W1( x \ = 60 tys. sztuk W2; F(x*,x5) = 144 000 tys. zł.
2. W pełni wykorzystany zapas obu surowców.
3. Przy nowej funkcji celu: x? = 130 tys. sztuk Wj, x? = 20 tys. sztuk W,;
F(xl,x*2) = 123 000 tys. zł.
4. 1. x* = 240 kg ciastek C l, x 2 = 1440 kg ciastek C2; F{x\, x 2) = 5040 zł.
2. W pełni wykorzystane zostaną zasoby Z l i Z3.
3. F. celu jest równoległa do war. (3). Rozwiązania optymalne leżą na odcinku
tej prostej pomiędzy punktami o współrzędnych (240; 1440) oraz (800; 600).
F(x\, x 2) - 3600 zł.
5. 1. x \ = 5, x *2 - 2, F(x\, x 2) = 40 zł.
2. Rozwiązanie nie zmieni się, zysk spadnie do 34 zł.
6. 1. x*! = 30, = 30, F{x \ , x *2) = 1800 zł.
2. Zmieni się zbiór rozwiązań dopuszczalnych [jest nim odcinek prostej
5jq + lx 2 = 350 zawarty pomiędzy punktami (0; 50) i (30; 30)]. Rozwiązanie
optymalne stanowi punkt (2 9 ^ ;2 9 ^ .
7. Istnieje nieskończenie wiele rozwiązań optymalnych umiejscowionych na odcin
ku prostej (1) pomiędzy punktami o współrzędnych (4000; 4000) i (5000; 3500),
F(x\,x 2) = 24 000.
8. 1. Rozwiązanie optymalne stanowią współrzędne odcinka prostej (3) zawartego
między punktami (20 000; 90 000) i (40 000; 60 000). Maksymalny zysk wynosi
480 000 zł.
2a) x* = 20 000, x 2 = 90 000.
2b) x * = 40 000, x 2 = 60 000.
Odpowiedzi do zadań 427
9. y l = 5 , ^ = l,5,F (y|,y*2) = 9300.

x \ = 100, x \ = 450, x^ = O, F(jc* x% x*3) = 9300.
10. ^ = 6, ^ = 3, F(yt,y5) = 36000.
x * = O, x* = 1200, x* = 600, F{x\, x%, x $ = 36 000.
11. 1. x \ = 6000, x^ = 6000, FQc*lt x*2) = 300 000.
2. c, = 30, c2 = 20,
3. Tak.
1 2 . 1. x* = 15 tys. sztuk W1; x 2 = 70, tys. sztuk W2, F(x\, x 2) = 9300 zł.
2. W pełni wykorzystany tylko zapas surowca I.
3. y \ = 15, y \ = 0, y% = 0, = 30, F{y\, ...,?$) = 9300.
4. Z trzech ograniczonych zasobów środków produkcji najwyższą cenę dualną ma
surowiec I - dodatkowy jego 1 kg zwiększy zysk ze sprzedaży wyrobów o 15 zł,
a dodatkowe 10 kg - zwiększy zysk o 150 zł.
5. Zmniejszenie zasobu surowca I do 450 kg (o 30 kg) zmniejszyłoby zysk
o 30 y f = 450 zł.
13. x* - 1000, x 2 = 0 , x 3 = 3000, x \ = 0, F(x* ,..., x^) = 42 000 zł. Zwiększenie limitu Sa
zwiększy zysk o 400 zł (30 -y*).
14. 1. Rozwiązaniem optymalnym jest odcinek prostej (1) pomiędzy punktami,
powiedzmy E i F, o współrzędnych E(600; 750), F(900; 375), F(E) = F{F) =
= 12 000 zł.
2. Funkcja celu ma postać: F(xv x2) = 4xx+ 8x2. Jedynym rozwiązaniem optymal
nym jest punkt o współrzędnych x * = 320, x 2 = 960, F(x*, x 2) = 8960 zł.
3. W tym przypadku w pełni wykorzystany będzie tylko czas Mt.
15. 1. x* = 15 jedn. produktu Pv x 2 = 15 jedn. P2, F(x\, x 2) = 45.
2. W minimalnej ilości będą zawarte w diecie witaminy C (60 jedn.) i E (180 jedn.)
3. Przy funkcji celu F'(xv x2) = 1,2xx+ 0,9x2: x* = 10 jedn. Pj, x 2 = 20 jedn. P2,
F'(x*, x 2) = 30.
16. x* = 2, x 2 = 1, x 2 = 8, F(x*, x 2, X3) = 32.
17. x * = 600, x 2 = 800, F(x*, x 2) = 15 400. Stopień wykorzystania zdolności produkcyj
nej wieży rektyfikacyjnej wynosi 65%.
18. x* = x 2 = x | = 0, x | = 75, F(x*, x 2, x |, x |) = 187,5.
19. x* = ly l, x 2 = F(x*, x 2) = Gdy cena paszy II wzrośnie do 5 zł, istnieje
nieskończenie wiele rozwiązań optymalnych, między innymi x* = 50, x 2 = 0,
F(x*, x 2) = 250.
20. x \ = 200, x 2 = 300, F(x\, x 2) = 2100. Zmiana cen pasz jest korzystna, wtedy
x* = 450, x^ = 50, F{x\, x l) = 1650.
21. 1. x* = 4, x 2 = 4,
2. F(x*, x 2) = 48.
3. składnik S2.
4. x \ = | | , x 2 = | | , F{x\, x 2) = 37,85; zmiana cen jest korzystna.
428 Odpowiedzi do zadań
22. 1. x* = O kg ananasa, x 2 = 4 kg kiwi, x 3 = 0 kg melona, x \ - 6 kg pomarańczy;

F(x*, x 2, x 3, xl) = 39,6 zl miesięcznie.
2. Ceny dualne y* = 0,6 zl/1 jednostkę witaminy A, y 2 = 1,35 zł/1 jednostkę
Witaminy C.
3. Koszty wzrosną o y 2■2 = 1,35 •2 = 2,7 zl.
23. 1. x* = 0 t stopu S1; x \ = 200 t stopu S2, x 3 = 0 t stopu S3, x* = 1100 t stopu S4;
F(x\,xl, x% = 5400.
2. Ceny dualne y* = 108 z ł/1 1 Mn, y 2 = 18 z l/1 1 Si.
3. Koszty wzrosną o y 2• 16 = 18 ■16 = 288 zl.
24. x* = 150, x^ = 0, *5 = 300, F{x\, *$) = 1950.
25. 1) x*i = 60, x 2 = 30, F{x\, x$) = 67 200 zl.
2a) Będzie nieskończenie wiele rozwiązań optymalnych (odcinek pomiędzy
punktami (60;30) i (90;0). Koszty wzrosną do 72 000 zł.
2b) x*i = 45, = 45, F{x\, x$) = 64 800 zł.
26. 1. Rozwiązanie PD: y* = 5, y 2 = 1,6, F(y*, y^) = 2820 zł.
x * = 0, x* = 30, x% = 80, x*Ą= 0, F(x\, x*) = 2820 zł.
2. Dodatkowy mg potasu zwiększy koszty produkcji leku o 5 zł, dodatkowy mg
sodu - o 1,60 zł,
3a) Zwiększenie zawartości sodu o 20 mg zwiększy koszty o 20 • 1,6 = 32 zł;
b) Obniżenie zawartości potasu o 30 mg obniży koszty o 30 •5 = 150 zł.
27. 1. x* = 35, = 15, F(x\, x \) = 690 zł.
2. x \ = 10, x* = 40, lĄc*, x 2) = 560 zł.
28. 1. Istnieje 5 sposobów cięcia dłużyc na potrzebne długości: x * = 275 dłużyc pocię
tych sposobem I (dającym 4 deski o dł. 110 cm) x 4 = 100 dłużyc pociętych spo
sobem IV (dającym 1 deskę o dł. 110 cm i 4 deski o dł. 80 cm), x 2 = x | = x | = 0,
F(x\, ...,x3) = 1000 cm odpadu.
2. Cena dualna deski o dł. 110 cm y* = 0 cm odpadku; zatem zwiększenie zapo
trzebowania na te deski nie zmieni odpadu; (y 2 = 0).
29. x \ = 25, x 2 = 0, x^ = 150, F(x\, x% *3) = 195.
30. 1. x* = 6000 bel pociętych sposobem I (dającym 2 arkusze o szer. 1,2 m i 1 arkusz
o szer. 0,5m), x 2 = 0, x 3 = 1500, bel pociętych sposobem III (dającym 6 arkuszy
o szerokości 0,5 m);
2. F(x\, x 2, x 3) = 7500 bel potrzebnych do wykonania zamówienia.
3. Łączny odpad wyniesie 600 m.
4. Spadek zapotrzebowania na bele o szer. 1,2 m o 12 zmniejszy ilość potrzebnego
surowca o ■5 = •12 = 5 bel o szerokości 3 m |y 2 = ^j.
31. Należy wyciąć 210 cholewek wysokich i 156 niskich. x * = 36, skór pociętych spo
sobem I, x 4 = 15 skór pociętych sposobem IV, x 2 = x 3 = x | = 0, F(x*, ..., x 3) =
= 1389 cm 2 odpadu.
Odpowiedzi do zadań 42 9
32. Można znaleźć 4 sposoby załadowania palet na samochody. W obu przypadkach

x* = 8 samochodów załadowanych sposobem I (3 palety o wadze 0,8 t i 1 paleta
o wadzeO 0,5 t) x \ =*3 = 0, x \ = 8 samochodów załadowanych sposobem IV (6 ła
dunków po 0,5t).
W przypadku 1. F(x\ , ..., x ‘ą) = 0 ,8 1niewykorzystanej ładowności.
W przypadku 2. F(x*v ..., * 4) = 16 samochodów potrzebnych do załadowania towaru.
33. x \ =*2 =*S = 0, x% = 100, F(x\ , ..., x l) = 880 m2.
34. x \ = 0, x \ = 625, x *2 = 0, x \ = 0, x% = 0, x% = 0, x *7 = 3750, F(x% ..., *?) = 3750.
35. Istnieje nieskończenie wiele rozwiązań optymalnych. Jednym z nich jest:
*1 = x \ = 0, x *2 = 400, x% = 50, F{x\ , ..., x*A) = 1275.
36. x* = 20 625, x \ = 0, *3 = 875, x 4 = 0, x$ = 0, x \ = 14 000. Otrzymamy 726 250 pu
szek, wykorzystując w 100% blachę obu rodzajów.
37. = x% = *5 = x \ = x *5 = 0, x \ = 500, x *7 = 100, F{x\ , ..., *$) = 600.
38. (Zobacz tabl. 288) x* = *2 = *3 = x 4 = x 6 = x * = x \ ~ x %= *5 = 30, x *0 = 250,
x*n = 10, **2 = 85» F(x i> —>* 12) = HO*
Tablica 288
Sposoby załadunku
Opakowania Barki 8 1 Barki 101
3 4 5 :m7’m 10 s' i i n 12
2,5 t 3 2 1 0 0 4 2 2 1 1 0 0
3 ,01 0 1 0 2 1 0 1 0 2 1 3 0
4,5 t 0 0 1 0 1 0 0 1 0 1 0 2
Niewykorzystana
0,5 0 1 2 0,5 0 2 0,5 1,5 0 1 1
ładowność (w t)
39. X* = 500, = 0, *5 = 1000, x \ =x% = 0, F { x \,..., *5) = 39 000.

40. 75 tarcic należy pociąć sposobem dającym 4 deski o długości 140 cm i 130 tarcic
sposobem dającym 3 deski o długości 160 cm. Łączny odpad = 10 400 cm, potrze
ba 205 tarcic. Dodatkowe 12 desek o długości 160 cm zwiększy odpad o 320 cm.
41. 1. = 6 jednostek związku A, *2 = 2,8 jednostek związku B F {x\,x 2) = 34,8 zł.
2. W punkcie optymalnym przecinają się warunki (1) i (2), aby rozwiązanie opty
malne zostało w tym punkcie współczynnik kierunkowy funkcji celu może
zmienić się nie bardziej niż tak, aby była ona równoległa do jednego z tych
warunków:
F. celu równoległa do warunku (1) o współczynniku kierunkowym -2/5:
przy c l = 3 - c 2 = 7.5
przy c 2 = 6 - - c y = 2.4
F. celu równoległa do warunku (2) o współczynniku kierunkowym -7/10
przy Cj = 3 - c 2 = 4.2857
przy c 2 = 6 - - q = 4 .2
Zatem ostatecznie c1g (2,4; 4,2); przy niezmienionym c 2 lub przy niezmienio
nym Cj- c2e (4,2857; 7,5). Nowa cena c, = 4,5 nie mieści się w wyznaczonych
granicach, zatem spowoduje zmianę rozwiązania optymalnego, będzie nim
punkt o współrzędnych (2; 5,6); a koszty leku wzrosną do 42,6 zł.
3. Dopuszczalne zmiany wyrazów wolnych - takie, przy których w punkcie opty
malnym nadal będą się przecinać warunki (1) i (2) (chociaż współrzędne punk
tu mogą się zmieniać) - dla każdego ograniczenia należy znaleźć dopuszczalne
jego przesuniecie w górę i w dół. I tak dla b {. dolne położenie warunku (1)
wyznacza punkt (10; 0) a górne - punkt (2; 5,6) - współrzędne tych punktów
wstawiamy do warunku (1) i otrzymujemy b 1 g (2; 3,2). Dla b y dolne położenie
warunku (2) wyznacza punkt o współrzędnych (3; 4), a górne - punkt o współ
rzędnych (9; 1,6); zatem b 2 e ( 6,1; 7,9). Warunki (3) i (4) są nieaktywne. Aby
rozwiązaniem optymalnym był punkt przecięcia warunków (1) i (2), prostą (3)
można przesunąć nie wyżej niż do punktu o współrzędnych (6; 2,8), natomiast
w dół można go przesuwać bez ograniczeń, czyli b 2 g (-°°; 3,1). Warunek (4) -
górne ograniczenie dla azotu - w dół może być przesunięty nie niżej niż do
punktu (6; 2,8), w górę może być dowolnie przesuwany, czyli 63g (3,1; °°). Jeśli
wymagana zawartość potasu w leku wzrośnie do 2,9 - bx= 2,9 g (2; 3,2), więc
wystarczy rozwiązać układ warunków (1) i (2)
(1) 0,2*, + 0,5*9 = 2,9
(2) 0,7*!+*2 = 7. Otrzymamy x \ = 4, * | = 4,2, F(x\, * |) = 37,2.
42. 1. x* = 600 kg, * 2 = 1200 kg, F(x\, * 2) = 3960 (*, - produkcja musli tropikalnych,
*2 - produkcja musli bananowych).
2. W pełni wykorzystany zapas płatków zbożowych i płatków i bananowych.
3. Rozwiązanie optymalne nie zmieni się, jeżeli c2e ( l,l; 3,025). Obniżenie ceny
musli bananowych o 10% (do 9 zł, spowoduje spadek zysku do 1,2 zł - co mieści
się w wyznaczonym przedziale, a więc rozwiązanie optymalne nie zmieni się,
zysk zmniejszy się do 2760 zł).
4. ¿ ! g (410; 581,82), b 2 e ( 108; °°), 63 g (620; 970), 64 g (1200; °°).
Skoro b 3 = 830 g (620; 970), zatem baza optymalna nie ulegnie zmia
nie (w punkcie optymalnym przecinają się warunki (1) i (3)): ** = 700 kg,
x \ = 1000 kg, F{x\, *J) = 3740.
43. 1. x* = 30 opakowań produktu A, * 2 = 20 opakowań produktu B, F(x'\, * 2) =
= 1260 zł.
2. c 2 g (27; 54), a więc sugerowana zmiana ceny (24 zł) nie mieści się w tym prze
dziale - rozwiązanie optymalne przesunie się do punktu o współrzędnych
(15; 20), koszt zakupu produktów spadnie do 990 zł.
3. Rozwiązanie programu dualnego:
zl zl
y i = °TT y 2 = o> 3 -
1 jedn. białka 1 jedn. soli mineralnych ’
zl
y 3 - 0 -------- > y t = 0,2 zl
1 jedn. węglowodanów 1 jedn. witaminy A ’
F (y*,...,y*) = 1260.
4. Dopuszczalne zmiany wyrazów wolnych (£>■) przy których interpretacja cen

dualnych jest aktualna to: 600), ¿>2 g (2100; 3000), &3e ( -° o ; 1800),
b 4 e (2250; 3150).
Zwiększenie zawartości białka i węglowodanów w odżywce nie wpłynie na
rozwiązanie optymalne, dodatkowa jednostka soli mineralnych zwiększy koszt
odżywki o 0,3 zl, a witaminy A - o 0 ,2 zl.
5. Proponowane zmiany norm żywienia mieszczą się w podanych granicach,
a więc do interpretacji można wykorzystać ceny dualne, a) zwiększenie mi
nimalnej zawartości soli mineralnych do 2550 (o 150) - przy niezmienionych
pozostałych normach (bt) spowoduje wzrost kosztów odzywki o 150- y*i =
= 150 •0,3 = 45 zł. b) obniżenie minimalnej zawartości witaminy A do 2600 (o
100) przy niezmienionych pozostałych normach spowoduje spadek kosztów
odżywki o 100 ■y \ = 100 •0,2 = 20 zł.
44. 1. x \ = 400 butelek „Flory”, x 2 = 900 butelek nawozu „BioFlorin”, F(x*, x 2) =
= 1320 zł.
2. c i g (0; 0,9), c2e (0,8; °o), a wzrost zysku z nawozu BioFlorin (do 2 ,2 zł zł) mieści
się w tym przedziale - rozwiązanie optymalne nie zmieni się, a zysk z produk
cji nawozów wzrośnie 2220 zł.
3. Rozwiązanie programu dualnego:
4 = 2, y \ = 2, y% = 0 ,y | = 0, F { y \ , ..., y | ) = 1320.
4. Dopuszczalne zmiany wyrazów wolnych (£>,), przy których interpretacja cen du
alnych jest aktualna to: 6 jg (360; 540), b 2 e ( 120; 240), 63g (600; 00), ¿>4e(400; ©o).
Zwiększenie zasobu soli mineralnych o 1 (przy niezmienionych pozostałych za
sobach) pozwoli zwiększyć zysk o 2 zł, podobnie dodatkowa jednostka potasu
zwiększy zysk o 2 zł, natomiast zwiększenie zasobu mikroelementów i opako
wań nie wpłynie na rozwiązanie optymalne (ich ceny dualne są równe zero).
5. Zwiększony zasób soli mineralnych o 48 (do 528) mieści się w przedziale wy
znaczonym dla bi - zatem punktem optymalnym będzie nadal punkt przecięcia
warunków (1) i (2) - będzie to punkt w współrzędnych (560; 900) a zysk wzro
śnie o y'\ = 2 •48 = 96 zł.
45. 1. Cl g (19,6364; 44,5714), c2g (17,7778; 53,3333), c3g (37; 62).
2. Optymalna baza nie ulegnie zmianie, gdy b1s ( 30; 51,4286), b2 g (16,6667; 50),
¿>3g (22,7273; 50), spodziewane skrócenie czasu pracy M 2 mieści się w tych
przedziałach.
H
4
*3 "6 '
3. Wówczas \ vb = *2 = 1,5 F(x*, 4 4 ) = 436.
* 3,5
*i
46. 1. Rozwiązanie optymalne nie ulegnie zmianie, gdy c2g (-°°; 35), a więc wzrost
c2 do 40 zł, spowoduje konieczność ponownego rozwiązania PL.
2. Ci g (5 6 ;8 0 ), c3g (15;22,5).
3. ^ 6(480; 00), 62e(640; 960), b3g (266,667; 400).
*
x4 '240'
A ^
4. xb = x 3 = 40 F(x*, x2, x3) = 5900zł.
85
A
47. 1. = 4 dni pracy wydziału I x \ - 10 dni wydziału pracy wydziału II F(x*, x |) =

= 31 200 zł.
2. bx = 16 000 g (14 000; 40 000), a więc baza optymalna nie ulegnie zmianie, wy
starczy rozwiązać układ warunków przecinających się w punkcie optymalnym
(1) i (3). Otrzymamy x * = 5, x 2 = 6.
3. Ci 6 (1000; 5000), c2g (1120; 5600).
48. 1. x \ = 275, x | = 100, x f = x$ = x | = 0, ..., xf) = 20.
'4 1' ‘i 1"

B= , B _1 = 4 16
0 4 0 1
4
2. Odpady dłuższe niż 0,5 m występują tylko przy jednym sposobie rozkroju (trze
cim, dającym 2 belki o dł. 2,2 m i 2 belki o dł. 0,8 m). c 3= 0,5 -3 = 1,5 g (0,1; +°°),
a więc rozwiązanie nie zmieni się.
3. bz = 1200 g (0;4800), a więc optymalna baza się nie zmieni, a
'1200' X* 225
F(x* ,..., * 4) = 60.
1200 _x4_ 300 ’
49. 1. ^ = 7,26(3; +<»), a zatem rozwiązanie optymalne nie zmieni się, wzrosną na
tomiast koszty zakupu pasz do 2340 zł. Podobnie w przypadku zmiany ceny P 2
c 2 = 4,5 g (-<*>; 6), koszty wzrosną do 2550 zł.
2. ó2 = 5 6 g (35; 66,5), zatem w optymalnej bazie pozostaną zmienne x l ix 2 (oraz
x 3 ix5), a ich wartości będą obecnie równe x* - 300, x \ - 200, (x3 = 12, x | = 20,)
F(x\, = 2400.
'1 3 2 ~ '1 -0,003 -0,5"

50. 1. B = 0 1000 500 , B _1 = 0 0,001 -0 ,5 (B jest macierzą współczyn-
0 0 1 0 0 1
ników z I tablicy simpleksowej (modelu w postaci kanonicznej), przy zmien
nych, które znalazły się w „bazie optymalnej” - w tym przypadku, w pierwszej
kolumnie - przy x4, w drugiej kolumnie - przy x 2 i w trzeciej kolumnie -
przyx3).
2. Z macierzy B można się zorientować, że powierzchni magazynowej dotyczy
warunek (1) bt = 500 g (340; +«>), a więc optymalnymi zmiennymi będą nadal
x 2,x 3 (ix4), nie zmienią się także ich wartości, bowiem w rozwiązaniu optymal
nym z p. 1 pozostała i tak niewykorzystana powierzchnia magazynowa.
433
3. b 2 = 110 000 e (40 000; 120 000), zatem baza optymalna się nie zmieni, nowe
optymalne wartości zmiennych są równe: (.x* = 0), 4 = 30, x 2 = 70, x% = 80,
F(x\, x% *$) = 10 400.
4. Optymalna baza nie ulegnie zmianie, jeżeli b 2 e(0; 200), a zatem całkowite
zniesienie limitu na wielkość zakupu wyrobu C spowoduje konieczność ponow
nego rozwiązania PL.
5. Rozwiązanie optymalne nie ulegnie zmianie, jeżeli 32), c 2 e(75; 120),
c3e(40; +°°).
51. 1. F(x*v x*2, 4 ) = 3200 zł.
500 0 400' ‘0,002 0 2‘

75
B= 15 1 12 , B-1 = -0,03 1 0
0 0 30 0 0 1
30 .
2. Rozwiązanie optymalne nie ulegnie zmianie dla 20) lub c2s ( 20; 40)
lub c3e(32; + 4 (tzn. przy założeniu, że zmieni się zysk ze sprzedaży jednego
tylko wyrobu.
3. b '2 = 1800 + 600 = 2400 e (1500; +°°), a więc baza optymalna nie ulegnie zmia
nie, a w tym wypadku nie zmieni się także rozwiązanie optymalne - w rozwią
zaniu z punktu 1. dealerowi i tak został niewykorzystany czas przeznaczony na
sprzedaż, który obecnie będzie jeszcze większy (x5), a rozwiązanie ma postać:
( 4 = 0), 4 = 40, x% = 75, = 900, F(x\, x% 4 ) = 3200.
4. Do 60 000 (tzn. ¿ ^ ( 3 0 000; 60 000)).
52. x* = 6 , x 2 = 1.
5 3 . 1 4 = 5 , 4 = 2. 2. H ( x f ,x 2 ) = -^.
54. 1 4 = 3, 4 = 3. 2. G ( x * , x 2 ) = j j .
55. 4 = 3, 4 = 3.
56. 4 = 2 000 000, 4 = 1 500 000.
57. 4 = 150 000, 4 = 500 000. Na każdą złotówkę kosztów własnych przypada 0,579
dolara.
58. 4 = 3500, 4 = 1500. Na jedną złotówkę poniesionych kosztów przypada około
0,63 funta.
59. 4 = 1250, 4 = 500, P(4 , 4 ) = 0,000115.
60. Istnieje nieskończenie wiele rozwiązań.
61. Istnieje nieskończenie wiele rozwiązań optymalnych. Rozwiązania te znajdują się
na odcinku o końcach (0,4000) i (0,5000).
62. 1. Istnieje nieskończenie wiele rozwiązań optymalnych, których punkty leżą na
odcinku o końcach (2, 2) i (4, 3).
2. Współrzędne punktu Ag stanowią jedno z rozwiązań optymalnych.
434 ¿i, ^ » i m ■ Odpowiedzi
«„ doSS
zadań
W„ Z8
63. a) x f = 3 ,x l = 4; b ) x f = 3,x5 = 4; c ) x f = l , x | = 2; d ) x f = l , x | = 2.
64. 1. a = —j , 2. x* = l, ^2=3, 7/(xj, x^) = - j j ,
3. cz = 0; 4. x* = 3, x f = l, H (x * ,x *) = f .
Uwaga: Dalej gwiazdką przy numerze zadania oznaczono zadania transportowe, w których rozwią
zanie optymalne można uzyskać metodą wyznaczania tras o minimalnym koszcie.
65* Metoda kąta M etoda wyznaczania tras

północno-zachodniego: o minimalnym koszcie:
100 0 0' 100 0 0

X* = 50 100 100 x* = 0 100 150
0 0 50 50 0 0
X(X*)=38 500 zł, K(X*)=33 500 zł,
xM = 1, 2, 3 , y = l , 2,3). xM = 1, 2, 3, j = 1, 2,3).
0 70 0 60
66. X = , (x * ) = 6370, Xjj (i = 1,2, j = 1 ,2 ,3 ,4 ).
80 50 70 0
'400 0 100 0 '

67*. X* = 0 400 0 0 300 5 K(X*) = 445 200 zł,
0 0 700 200 0 xij(i= 1 ,2 ,3 , 7 = 1,2,
68*. Można znaleźć co najmniej dwa optymalne rozwiązania

' 0 200 1000 0 ' ' 0 700 500 0 "
iji
x? = 0 0 0 800 , X 2 " 0 0 0 800
700 500 0 0 700 0 500 0
£(X *) = /^(Xj) = 39 500 kilogramo-kilometrów, xtj(i = 1, 2, 3, j = 1, 2,..., 4).
0 100 600 1500 K(X*) = 16 900; 16 900/100 = 1691 zepsutych

69. X* = 0 0 2000 0 , bananów,
1500 1300 0 0 Xy(i = 1, 2,3, j = 1 ,2 ,3 ,4 ).
' 0 500 0 0 7( X(y(i = 1, 2,3, 7 = 1, 2,..., 5),

70*. X = 0 0 0 700 100 , tf(X*) = 10 300, w tym 8800 to koszty
600 0 400 0 0 transportu i 1500 koszty magazynowania.
Odpowiedzi do zadań: 435
30 35 10 O 25
K(X*) = 15 650 zł,
71. X = 0 O 10 40 0
’ *„(¿= 1,2,3, j = 1 ,2 ,..., 5),
10 35 10 10 15
po pominięciu zawartych umów:
40 0 20 0 )'
x* = 0 0 0 50 , K(X*) = 12 000 zł.
0 70 10 0
72. Metoda kąta M etoda wyznaczania tras

północno-zachodniego: o minimalnym koszcie:
90 80 0 0 0“ 0 110 0 50 0
X= 0 30 100 0 0 y X= 0 0 110 0 20
0 0 10 130 50 80 0 0 80 30
K(X) = 676. K(X) - 598.
0 400 0 0 300 0
73. 1. X' = 0 0 400 0 0 300
400 0 0 400 100 0
K(X*) = 1 444 200 zł,
= 1, 2, 3, ) = 1, 6 ).
0 400 0 0 0 300"
2. X' 0 0 400 0 300 0
400 0 0 400 100 0
K(X*) = 1257 600 zł.
1000 1200 0 800 0 X(X*) = 6 1 510 zł,

74. X = 0 0 0 0 2000 , *,•,(/ = 1 ,2 ,3 , j = 1 ,2 ,..., 5).
0 0 1300 600 600
"0 0 0 900" "600 300 0 0 ‘

75. X* = 200 700 0 0 9 *“ 0 400 0 500
400 0 500 0 0 0 500 400
tf(X 1) = 2 0 8 25000zł ^ ( X 1) = 13990 000 zł

Xg = (* = 1A 3, j = 1,...,4). Konieczne jest uruchomienie produkcji
we wszystkich zakładach.
500 0 0 300 0 0 0
0 0 0 0 0 0 1000 K(X*) = 6089 zł,
a) X* =
0 500 0 200 0 500 0 Xjj(i = 1 , 4 , j = 1, , 7 ).
0 0 500 0 500 0 0
300 0 500 0 0 0 0 "

0 0 200 0 0 0 100 1
b) X* = X(X*) = 6074 zł.
200 500 0 0 0 500 0
0 0 0 500 500 0 0
300 0 650 0 50
600 0 0 X(X*) = 4 455,
400 0
x¡j(i = 1 , 3 , j = 1, 2, , 5 ).
0 0 0 600 400
40 0 0 0
10 30 0 0 X"(X*) = 2225 tonokilometrów, x,y(/, j = 1, 2, 3, 4).
Nie potrzebna jest lokalizacja punktu skupu
0 0 35 5
w gminie G4.
0 0 0 40
79. a) Metodą wyznaczania tras o minimalnym koszcie jednostkowym

0 65 35 0 0 K(X*) = 1990 samochodokilometrów,
40 0 10 60 40J’ x¿j(i = 1,2, ; ' = 1 , 2 , 5).
b) Analizując trasy, na których w obecnym rozwiązaniu nie występują przewozy

widzimy, że przesunięcie 1 samochodu na trasę z zajezdni I na pętlę A, czyli
ZI A zwiększy wartość funkcji celu o 24 samochodokilometry, na trasę ZI D
- zwiększy wartość funkcji celu o 24, na trasę ZI F - zwiększy puste przebiegi
o 14 samochodokilometrów a na trasę Z ił B zmniejszy puste przebiegi o 8 sa
mochodokilometrów; zatem tylko ta ostatnia zmiana pozwoli poprawić rozwią
zanie. Na tę trasę można przesunąć 10 samochodów, co da nam rozwiązanie:
0 65 35 0 0 K(X*) = 1910 samochodokilometrów

40 0 10 60 40 (= 1990 - 8*10samochodów).
Tego rozwiązania już nie da się poprawić (wprowadzenie jednostki przewozu na

którąkolwiek trasę alternatywną powoduje wzrost wartości funkcji celu) - jest to
rozwiązanie optymalne. (W zajezdni II zostanie 40 autobusów rezerwowych).
80. W wyniku obliczenia różnic między przywozem i wywozem ustalamy, że dostaw
cami pustych wywrotek będą budowy BI, B2 i B6 a odbiorcami - B3, B4 i B5.
W rezultacie otrzymujemy tablicę roboczą, w której podano podaż dostawców
(Aj), zapotrzebowanie na wywrotki odbiorców (Bj) oraz odległości między budo
wami dostawcami a odbiorcami (z tabl. 102).
B3 B4 B5 4
BI 5 50 45 7
B2 40 20 25 8
B6 20 45 24 6
11 6 4 21
a) Metoda wyznaczania tras o minimalnym koszcie jednostkowym
B 3 BA B5
BI '7 0 0"
F(X) = 461 samochodokilometrów.
X = B2 4 4 0
B6 0 2 4
b) Analizując możliwość poprawy otrzymanego wyżej rozwiązania, czyli anali

zując trasy alternatywne (niewystępujące w aktualnym rozwiązaniu ustalamy),
że przesunięcie jednostki przewozu (jednej wywrotki): na trasę BI B4 zwięk
szy wartość funkcji celu o 65 samochodo-km, na trasę BI B5 zwiększy wartość
funkcji celu o 81 samochodo-km, na trasę B2 B5 - zwiększy wartość funkcji
celu o 26 samochodo-km, a na trasę B6 B3 zmniejszy wartość funkcji celu o 45
samochodo-km. Zatem tylko to ostatnie przesunięcie jest korzystne; przesu
nąć na te trasę można 2 wywrotki. W rezultacie otrzymamy rozwiązanie:
B3 BA B5
BI '1 0 0' F(X) = 371 samochodokilometrów
(a więc o 45 •2 przesunięte wywrotki = 90 mniej
X = B2 2 6 0 , niż poprzednio).
B6 2 0 4
Nie jest to jeszcze rozwiązanie optymalne; jedyną trasą alternatywną, na

którą warto przesunąć przewóz jest trasa B2 B5; każda przesunięta na tę tra
sę wywrotka pozwoli obniżyć wartość funkcji celu o 19 samochodokilometrów.
Przesunąć można 2 wywrotki, a rozwiązanie optymalne przyjmuje postać:
B3 BA B5
BI 7 0 0 F(X*) = 333 samochodokilometry
X* = B 2 0 6 2 (= 3 7 1 -1 9 -2 przesunięte wywrotki).
B6 4 0 2
0 6 0 4 3 K(X*) = 781 wagonokilometrów,

81*. X*
4 0 7 0 l j ’ Xjfe = 1,5, y = 2 , 3 , 4 ,5 , 6, 7).
82. a) Metoda kąta północno-zachodniego:

z\
N
00
Z2 Z4 Z7
Z3 '7 9 0 0 0’ F(X) = 1033 samochodokilometry,
X = Z5 0 11 2 0 0 X¡J(i = 3,5,6, ; = 1,2, 4, 7, 8).
Z6 0 0 4 7 0
b) Metoda wyznaczania tras o minimalnym koszcie:

Z1 Z2 Z4 Z7 Z8
Z3 '0 16 0 0 0‘
F(X) = 985 samochodokilometrów.
X = Z5 0 4 0 7 2
Z6 7 0 6 0 5
c) Rozwiązanie optymalne:
Z1 Z2 Z4 Z7 Z8
Z3 '0 9 0 0 7"
F(X) = 923 samochodokilometry.
X = Z5 0 11 0 2 0
Z6 7 0 6 5 0
M 2 M3 M 5 M 6
Ml 0 0 11 0 K(X*) = 537 samochodokilometrów,
83. X* = M4 0 0 0 3 x¡j(i = 1 ,4 ,7 , j = 2, 3,5, 6).
Ml 5 4 12 6
0 0 20 0 26
F(X*) = 74 280 zł,
84. X 20 18 0 8 0
*#(/ = 1, 2 ,3 , j = 1, 2 ,..., 5).
0 0 0 38 8
0 60 0
F(X*) = 900 zł,
85. X 0 18 20 ,
x¡j(i - 1 ,2 ,3 , j = 1, 2, 3).
20 15 0
4 6 0 0
4 0 4 0 F(X*) = 5740 zł, = 1, 2 ,3 , ; = 1 ,2 ,3 ,4 ).
86. X
0 0 2 8 ' ôzostan*e niewykorzystane 5 koparek typu C.
0 300
330 0 F(X*) = 355 800 zł, ^(¿ = 1 ,2 ,3 , ; = 1,2).
87. X'
’ Należy zakupić 3 3 0 1 paliwa 1 i 3 2 4 1 paliwa 2.
Programista ; ł"7f 4
1 1
2 1 F(x*j) = 58 roboczodni
3 i xu = 1 lub Xij = 0; (/, j = 1, 2, 3, 4)
4 1
Pracownicy s Ce k Pracownicy R NC-I

A i A 1
B 1 B i
C i C 1
D 1 D i
F(x*j) = 122 min na uszycie F(x*j) = 122 min na uszycie

po 1 wyrobie każdego typu. po 1 wyrobie każdego typu.
xtj = 1 lub Xy = 0; (i, j = 1, 2, 3, 4)
U w aga: W m iejscu n ied o p u szcza ln y ch p rzy d zia łó w (x) n a leży w staw ić b a rd zo d u ż ą lic z b ę
np. M oo, (z e z n a k iem + gd y fu n k cja c e lu jest m in im a liz o w a n a , z e zn a k iem - gdy fu n k cja
celu je st m a k sy m a lizow an a; M n ie z m ien ia się w w yn ik u o d ejm o w a n ia n ajm n iejszych e le m e n tó w
w ierszy i k olu m n ; stą d w tym m iejscu n igd y n ie pojaw i się zero.
0 1 0 0
0 0 1 0 F(X*) = 120 firm miesięcznie
0 0 0 1 Xy = 1 lub 0 (i, j = 1, 2 ,..., 4)
1 0 0 0
0 0 1 0
0 0 0 1 F(X*) = 47 roboczodni łącznie
Xij = 1 lub 0 (i, j = 1 ,2 ,..., 4)
1 0 0 0
Zlecenia nie dostanie kandydat 2.
0 1 0 0
0 0 0 1
1 0 0 0 F(X*) = 7 tys. zł.
0 1 0 0 xi} = 1 lub 0 (/, j = 1, 2 , 4 )
0 0 1 0
0 1 0 0
1 0 0 0 F(X*) = 299 uderzeń na minutę,
xij = 1 lub 0 (i,j = 1 ,2 ,..., 4):
0 0 0 1
por. uwagę do zadania 89.
0 0 1 0
"0 1 0 0 0 ' 0 0 0 1 0
'
0 0 1 0 0 0 0 1 0 0
0 0 0 0 1 , 2 X
. * = 0 0 0 0 1
1 0 0 0 0 1 0 0 0 0
0 0 0 1 0 0 1 0 0 0
Xy = 1 lub O (/,; = 1,2, 3, 5): *ff= l l u b O (i,j = 1,2, 3,5):
F(X*) = 116 tys. widzów F(X*) = 110 tys. widzów
0 1 0 0
0 0 0 1 x-tj = 1 lub 0 (i, j = 1 , 2 , 4 ) .
95. X = F(X*) = 68 min.
0 0 1 0 ’
Wspólnie będą rozwiązywać zadania z zakresu PL.
1 0 0 0 -J
Firma Z2 ;i| i | Z4
A 1
F(x*j) = 51,2 min zł
B 1
Xjj = 1 lub 0 (i,j = 1, 2, , 4 ).
c 1
D 1
97. Kandydat :!: Ś I;,; ęzS: f s i ! ''^ 0 0 F(x*j) = 264 punkty

A i Średnia liczba punktów uzyskanych
B 1 przez kandydata to 88 punktów.
C i Pracy nie dostanie kandydat B.
D 1 Xg = H u b o (z,y=l, 2, ...,4).
1 0 0 0
0 0 0 1
98. X = , F(X*) = 368 punktów; Xy = 1 lub 0 (i, j = 1,2,3,4).
0 0 10
0 1 0 0
Pracownicy Biur Gry Graf. Prof. Pracownicy Biur i W s Graf. Prof.
Pi 1 Pi 1
P2 1 P2 1
1 P3 1
P3
1 1
P4 ?4
F(xfj) = 16,5 zestawów F(x-j) = 1,2525 dnia roboczego.

w ciągu dnia. Na wyprodukowanie
po 1 komput. Każdego typu
xtj = 1 lub x-tj = 0; (/, j = 1,2, 3,4)
1
100. Rozwiązanie (graficzne) dla gracza A - rys. 53. Rozwiązanie dla gracza B - rys. 54.
Gra jest nierozstrzygnięta (remisowa), ponieważ jej wartość v = 0 (por. rysunek).
c ^ T ^
Si l 2
Optymalne strategie graczy: S ' r 1
0,4 0,6 3 )
Rys. 54
442
X1 x2 x3 1 * yi y2 >>3
101. Gra przedstawiona w tabl. 137: x * 3 1 “ 2,5.
0,5 0,5 « r i 0
4 4 V
1 * ^2 ys
Gra przedstawiona w tabl. 138: x* = <xi r*
x2 *3
"TT"
II
o
0 ,8 0 00 / [o,4 0,6
v - (2; 5).
102. Gra przedstawiona w tabl. 139a: Gra nie ma punktu siodłowego; ve(2; 5).
Strategia y 3 jest zdominowana przez y 3 - graczowi A zostają trzy strategie,
graczowi B - dwie. Zaczynamy od rozwiązania PL dla B: y [ = -^, y 2 =
i = J - + A = J L ^ v = !8 = 3 v* J yi y2 y*
v 18 18 18 6 ,y (0 ,5 0,5 0 /
Rozwiązanie dla A: w PL dla B ostro spełniony jest warunek (3), zatem x 3 = 0,
* 4 * i = A _ >v = i 8 ;=3 Gra przedstawiona

X 1 = T8’ X2 = 18 r 18 6
w tabl. 139b: Gra nie ma punktu siodłowego; v e (-1; 2). strategie x 3 i x 4 zdomino
wane przez x2. Graczowi A zostają dwie strategie, graczowi B - trzy. Zaczynamy
od rozwiązania PL dla A; ponieważ wartość może być ujemna lub dodatnia na
leży przed przystąpieniem do rozwiązywania dodać do wszystkich elementów 3
(moduł najmniejszej wypłaty - budując PL dzielimy przez v; musimy mieć pew
ność, że jest dodatnia i przy dzieleniu przez nią nie należy zmieniać znaku).
* 1 i_J,_2___3_,., - l l~ A
Po rozwiązaniu PL XX1 * - -
~ 8; y 2 = b v - 12 + 12 - 12 V- 3 ~ 4’
( ................. 'x
J>2 r
y = i 2
0
V 3 3
_3_
Rozwiązanie dla B: w PL dla A ostro spełniony jest warunek (3), zatem: y 3 18’
a dalej y* = -L, y* = i6’ .= J- + X = J . _ > v = 12= 4 y* =

12 ^ 12 12 ^ ^ 3 S
Ostatecznie wartość gry v = 4 - 3 = 1 (należy ją pomniejszyć o dodane 3).

103. Gra przedstawiona w tabl. 140a ma punkt siodłowy v = 5,5 (wygrywa A).
Gra przedstawiona w tabl. 140b L e (2; <*>) też ma punkt siodłowy v = 1 (wygry
wa B, A przegrywa 1, bo jest graczem drugim). Zatem A powinien wybrać grę
przedstawioną w tabl. 140a.
0 - 4 2
104. i.
1. 4 0 -4
-2 4 0
Âl
y* Y
A V
2 i 3. x* = 2 J 2 v = 0 - gra jest nie rozstrzygnięta.
V 5 5 7
105. Gracz A wygra 1,42 (-y); gracz B przegra tyle samo, gracz C przegra 1,18 oraz
gracz D wygra 1,18 (jy).
106. Gra ma rozwiązanie w zbiorze strategii czystych, gdy a > 4, natomiast gdy a < 4
gra ma rozwiązanie w zbiorze strategii mieszanych.
Przykładowo dla a - 2: gracz pierwszy (strategie w wierszach) powinien stosować
swoje strategie z prawdopodobieństwami: = 0; p 2 = 0,2; p 3 = 0,5; a prawdopo
dobieństwa stosowania poszczególnych strategii przez gracza drugiego: q x - 0,75;
q 2 = 0,25; q 3 = 0, v = 3,5.
107. 1. a e (3 , <*>), 2. Nie, 3. « € ( - « ,3 ) , 4. tak, dla a = 12.
"0 5 -10' /
yi yi _5_
108. 1. w = -5 0 1 , X = li _5_ V 16 '
16 16
10 -1 0
109. a) Kryterium Walda - lokata bankowa gwarantuje stopę zwrotu co najmniej 2%.
Kryterium Hurwicza przy y= 0,3 (raczej skłonność do ryzyka) wybór AFI da
średnią stopę zwrotu 6,9%.
Kryterium Bayesa - przy założeniu, że wszystkie stany natury są jednakowo
prawdopodobne wybór BFI da średnią stopę zwrotu 5,5%.
Kryterium Savage’a - lokata bankowa zapewnia stratę nie większą niż 9,9%
w stosunku do najkorzystniejszego możliwego stanu rzeczy,
b) Przy podanych prawdopodobieństwach wystąpienia stanów natury wybór BFI
zapewni średnią stopę zwrotu 5,3%.
110. Kryt. Walda - wariant 1 (okres zwrotu nie dłuższy niż 60 m-cy, kryt. Hurwicza:
przy y= 0,2 (skłonność do ryzyka) - wariant 3 (przeciętny okres zwrotu 41,6);
7 = 0,8 (większa skłonność do ostrożności)- wariant 2 (przeciętny okres zwro
tu 56,8), kryt. Bayesa - wariant 2 (średni okres zwrotu 50 dni), kryt. Savage’a
- wariant 1 (strata nie większa niż 22 w stosunku do najkorzystniejszej możliwe
sytuacji).
111. Wszystkie kryteria wskazują na II typ hamulców: kryterium Hurwicza przy
7 = 0,4 średnio 88% zadawalających prób; kryterium Bayesa - średnia 87% zada
walających prób; Kryterium Savage’a - strata nie większa niż 9% w stosunku do
najkorzystniejszego stanu natury.
Kryterium Hurwicza - D. Kryterium Bayesa - D. Kryterium Savage’a - D.
112. Kryterium Walda - technologia T a zapewni stopę zysku co najmniej 10 (a być
może 15 lub 20%).
Kryterium Hurwicza - przy 7 = 0,2 technologia T4 gwarantuje największą prze
ciętną stopę zysku (34%); przy 7 = 0,8 technologia T 4zapewni przeciętną stopę
zysku (12%).
Kryterium Bayesa: przy założeniu, że wszystkie stany natury są jednakowo praw
dopodobne technologie T 2 lub T 3 gwarantują przeciętną stopę zysku 16,67%;
przy podanych prawdopodobieństwach - technologia T 3 da przeciętną stopę
zwrotu 21%.
Kryterium Savage’a - należy wybrać technologię T ls bo strata w stosunku do naj

lepszego możliwego stanu natury jest w tym przypadku najmniejsza i wynosi 35.
113. Pesymista może wybrać np. kryterium Walda - wybierze wariant III, który za
pewnia roczną stopę zwrotu co najmniej 0,09 lub kryterium Hurwicza przy
współczynniku ostrożności bliskim 1, np. y = 0,8, wtedy wariant II lub III gwa
rantują średnią stopę zwrotu 0,108 lub kryterium Savage’a - wariant III da stratę
nie większą niż 0,1 w porównaniu z najkorzystniejszym możliwym stanem rzeczy.
Optymista wybierze, kryterium Hurwicza przy małym współczynniku ostrożno
ści (np. y= 0,2) - wariant IV da średnią stopę zwrotu 0,21.
114. a) Kryterium Walda - wariant 2 gwarantuje koszty nie wyższe niż 35 tys. zł.
Kryterium Hurwicza, przy y = 0,2 - wariant 3 - średni koszt 28,2 tys. zł.
Kryterium Bayesa - wariant 3 - przy założeniu, że wszystkie stany natury są
jednakowo prawdopodobne średni koszt= 32 tys. zł.
Kryterium Savage’a - strata wyższa nie więcej niż o 11 tys. zł w stosunku do
najkorzystniejszego stanu natury.
b) Przy podanych prawdopodobieństwach poszczególnych stanów natury - naj
korzystniejszy jest wariant 1 - średni koszt 32,4 tys. zł.
115. a) D, C, B, A; rozpoczęcie poszukiwań od układu D gwarantuje średnio 54 uda
nych prób.
b) C, B, D, A; rozpoczęcie od układu C zapewnia stratę nie większą niż 55%
w stosunku do najlepszego możliwego stanu rzeczy.
c) D, B, C, A; rozpoczęcie od układu D przy współczynniku ostrożności y= 0,2
zapewnia średnio 78,2% udanych prób.
116. Macierz wypłat (zysków) właściciela straganu w zależności od wielkości zakupu
borówek i popytu na nie jest następująca:
Strategie Popyt (sprzedaż)

(zakup) WMy 58 72 82
40 40 40 40 40
50 14 50 50 50
60 -36 48 60 60
70 -86 -2 70 70
80 -136 -52 32 80
a) Kryterium Walda - zakup 40 opakowań zapewnia zysk 40 zl (dziennie).

Kryterium Hurwicza - przy y = 0,1 (skłonności do ryzyka) zakup 80 opakowań
zapewni średni zysk 58,4 zł dziennie.
Kryterium Bayes’a - zakup 50 kg zapewni średni zysk 41 zł dziennie (przy założe
niu, że wszystkie stany natury są jednakowo prawdopodobne).
Kryterium Savage’a - zakup 50 opakowań zapewnia stratę nie większą niż
30 zł w stosunku do najlepszego możliwego stanu rzeczy.
b) Przy znanych prawdopodobieństwach wystąpienia poszczególnych wielkości
popytu - zakup 60 opakowań zapewni średni zysk 48 zł dziennie.
117. A = 3 < p = 5; parametr intensywności obsługi p = | = 0,6 - system jest stabilny.

118. Czterech klientów na minutę (p = 4).
119. 1. Między 7:00-11:00 parametry: X = f , p = f .
Między 11:00-15:00 parametry: X = 0,50, p = -|.
2. Wartości parametrów: X, p oraz p wskazują, że między 7:00 - 11:00 układ
jest nie zrównoważony i wymaga uruchomienia dodatkowego okienka, wtedy:
(źl = y < 2-0,75). W godzinach między 11:00 - 15:00 obsługa klientów jest
(X < p).
w pełni wystarczająca
120. 1. Od poniedziałku do piątku: X = 4, p = 5, r = 2, p = 0,4. W soboty: A = 8, p = 5,
r = 2, p = 0,8.
2. Otrzymane wyniki skłaniają do utrzymania w soboty dwóch stanowisk obsłu
gi, natomiast w pozostałe dni tygodnia do pozostawienia tylko jednego stano
wiska. Wtedy X = 4, p = 5 oraz p = 0,8.
3. Q = 3,2 (przeciętna liczba aut ustawiona w kolejce).
121. 1. X = -§ = 0,08; p = {j » 0,0909, 2. p(n > 3) = (0,88)4 = 0,599695 - 0,60.
3. p(n > 10) = (0,88)u = 0,245081» 0,25. 4. Q = 6,4533 * 6,5.
5. p{t > 30) = 0,634381 - 0,63.
122. 1. A = 0,08; p = i = 0,10; p = 0,80. 2. p{n > 3) = (0,8)4 = 0,4096 - 0,41.
3. p(n > 10) = (0,8)n = 0,08589935 - 0,09. 4. Q = 3,2.
5. p(t > 30) = 0,43904931 - 0,44.
6. Nieznaczna poprawa stopy obsługi (p) spowodowała wyraźną poprawę warto
ści wszystkich parametrów charakteryzujących kolejkę, co łączy się w znacz
nej mierze ze zwiększeniem komfortu po stronie klienta.
123. 1. A = 0,0282, p = 0,0164, p = 1,7195.
2. Z uwagi na nierówność A > p system obsługi jest niestabilny, w związku z tym
potrzeba albo zwiększyć wydajność pracownika wydającego i inkasujące
go gotówkę albo uruchomić dodatkowe stanowisko obsługi. Ponieważ stopa
przybyć znacznie przewyższa stopę obsługi to pierwsze rozwiązanie jest mało
prawdopodobne. Pozostaje do zrealizowania druga ewentualność - zwiększyć
obsługę do dwóch osób.
124. 1. Zachodzi nierówność (A = 0,0282) < 2 - (p = 0,0164), co oznacza, że układ
obsługi jest stabilny, .
2. p(n = 0) = 0,3987 « 0,40. 3. Q = 0,1949 ~ 0,2 osoby w kolejce.
4. p{n > 5) = 0,0088 « 0,009. 5. p(t > 120) = 0,027412 » 0,03.
125. 1. A = 0,125, p = 0,05, r = 3.
Zachodzi nierówność A < rp, stąd wniosek, że układ obsługi jest stabilny.
2. p(n = 0) » 0,44. 3. pin > 5) ~ 0,0013.
126. 1. A = 0,125, P = -ęq = 0,075, r ~ 2. Ponieważ A < r p - układ jest stabilny.
2. pin = 0) « 0,41. 3. <2 ~ 0,21.
127. Ścieżka krytyczna 1 -2 -3 -5 -6 -7 -8 , Tk = 40.
128. Ścieżka krytyczna 1 -3 -4 -5 -6 -8 -9 -1 1 -1 2 , <ĄW= -y-, czyli oTw = 4 dni.
129. Ścieżka krytyczna 1 -2 -5 -7 -9 -1 0 , Tk = 50.
130. Ścieżki krytyczne 1 -3 -6 -7 -9 -1 2 -1 5 , oraz 1-3-7-10-14-15, Tk - 175.
a) Nie wpłynie, czynność ma 8 dni zapasu czasu.
b) Opóźni Tk o 2 dni, ścieżki krytyczne 1-7-9-12-15,1-7-10-14-15.
c) Pozostaje jedna ścieżka krytyczna 1-3-7-10-14-15.
d) Pozostaje jedna ścieżka krytyczna 1-3-7-9-12-15.
131. Ścieżka krytyczna c -e -f-h -k , Tk = 23.
132. Ścieżka krytyczna a -b -e -j-m -n , Tk = 30.
133. Ścieżka krytyczna e -m -g -j-k -ł-n , Tk = 60, największy zapas ma czynność
a (25 dni).
a) Czynność i ma 20 dni zapasu czasu, Tk bez zmian.
b) Ścieżka krytyczna e -d -c -h -k -ł-m , T k skróci się o 2 dni.
134. a) Tk = 58 dni, 2 ścieżki krytyczne a-b -f-g-k -1; oraz a -e -i-k -ł.
b) Nie, bo istnieją dwie równolegle ścieżki krytyczne.
135. a) Tk = 62, ścieżka krytyczna a -b -f-j-k -l-ł.
b) i f .
c) Tk = 56.
d) Istnieją dwie ścieżki krytyczne a-b -e-i-k -1 -1 oraz a-b-d-h-k-1-1.
136. Tk = 40, dwie ścieżki krytyczne a -b -d -g -i-l-n ; oraz a -b -d -g -o -k -n , najwięk
szy zapas czasu ma czynność e (12 dni), Tk się nie zmieni.
137. a) 7). = 41, ścieżka krytyczna 1 -3 -7 -8 -9 -1 0 , €>(-0,39) = 0,3483, czyli termin
40 dni jest możliwy do zrealizowania;
b) Tk = 41, nie zmieni się, powstanie druga ścieżka krytyczna 1-3-7-8-10.
138. Należy wybrać wariant A, bo <ĄW= y jest większa dla tego wariantu.
139. Tk = 40, ścieżka krytyczna 1 -3 -6 -7 -8 -1 0 -1 3 , P{Tk < 42} = €>(-0,53) = 0,2981.
140. 7 \ = 42.
a) P{tk < 40} = 0,2090, termin mało realny.
b) P{tk < 43} < 0,40, termin możliwy do dotrzymania.
141. 1. Tk = 43, ścieżka krytyczna 0 - 1 -2 -3 -4 -5 -6 .
2. D o 31 dni, K = 28 tys. zł.
3. Tk = 36 dni.
4. Tk = 3 S ,K = S tys. zł.
142. Ścieżka krytyczna 1 -3-5-8; koszt przyspieszenia K = 520 jedn. p., powstaną trzy
ścieżki krytyczne 1-2-7-8; 1-3-5-8; 1 -4 -6 -8 .
143. 1. Tk = 27 tygodni, ścieżka krytyczna 0 -2 -3 -4 -5 .
2. K = 7,0.
3. D o 17 tygodni, K = 26,9 jedn. p.
Odpowiedzi do zadani 447
144. Tk = 50, ścieżka krytyczna 1 -2 -5 -8 , <Ąn = 9,37. Po skróceniu Tk = 40, <Ąw= 6,37;
K = 941. Koszt K = 7591; różnica kosztów 7996-7591 = 405.
145. Tk = 37, koszt akceleracji 315,0; cr^ = 4,05.
146. Me(S)i = 0 = 6,0; Me(S)s = 0 = 114,0; a 2 = 78,0; <7 = 8,83.
147. Konieczna liczba rzutów wynosi 42.
148. Spodziewany czas wyjścia wynosi 4.
149. ¿*1(1.8)= 69,365; F2 (i.8) = 5004,17; a 2 - 192,6; o = 13,88.
150. 1. 20 wagonów na bocznicę własną, 80 wagonów na bocznicę PKP.
2. t* = 2 dni, t \ = 4 dni. 3. F(FP t*2) = 31 000.
151. x \ = 11, x*2 = 15, F(x*, x*2) = 344 tys. zł.
152. 1. = 11 dni, t2 = 138 dni.
t x
2. 49201 buraków do I cukrowni i 2 4 8 4 0 1 buraków do II cukrowni.

153. x* = 332 szt., x 2 = 334 szt., F(x*, jc?;) = 84 166.
154. i* = 105, t \ = 50, F(t*, t*z) = 22 875 kg.
155. x \ = 220, x \ = 112, F(x\, x l) = 12 088.
156. x* = 6, x *2 = 2,F ( x \, x 2) = 82.
157. a j = 3,8, x*2 = 2,4, A = 6, F(x*v x*2) = 64.
158. x* = 5 tys. t, x 2 = 2 tys. t, F(x\, x 2) = 30 tys. zł.
159. x * = 10, x 2 = 10, F(x*, x l) = 20.
160. x \ = \ , x \ = \ ,F ( x * , x 2) = - - j - - 3 ln-|.
161. x* = 1, x 2 = 2, F(x*, x 2) = - ln 4.
162. 1 - J ’ X2 = j ’ F(Xl X2) = - '49-12
:.
163. x * = 11» 4 = f » *3 = 11» F(x l x *2 >XD = 1 3 2 4 £ tys. zł.
164. 1. x* = 1, x 2 = 1, F(x*, x 2) = 2.
2. Rozwiązanie się nie zmieni.
x1 k'}
165.
2L
1 1 a.
( .. \ «l+«2 ai+«2
« l+ « 2 « [P 2 |« l + « 2
166. *1 = X, = ( y )
v «0 ) \<*2P \ ) l a lP 2 )
167. jc? = 300, x% ■300, C(x) = 3650.

168. x* = 6, x *2 = 0, = 10, f(x) = 1268.
169. 1. x \ = 0,547, = 0,359, *5 = 0,391, F{x\, x% x*3) = 0,648.
2. rozwiązanie się nie zmieni.
170. Firma Aspolen powinna zainwestować 1 min zł w reklamę w KTV, 1 min zł
w GW oraz 5 min zł w RMF. Spodziewany przyrost sprzedaży wyniesie 800 szt.
171. Firma Mosse powinna zainwestować całą kwotę w trzeci program produkcyjny,
osiągając w sumie 50 tys. USD.
172. W programie G3należy zainwestować całą kwotę, obniżając koszty do 30 min zł.
173. Budopol powinien powierzyć firmom wykonanie czynności: 1-3, 3-5, 5-7, 7-9,
ponosząc łączny koszt 280 tys. zł.
174. Najkrótsza droga: 1 -2 -5 -7 -9 o długości 180, najdłuższa droga: 1 - 3 -6 -8 -9 o dłu
gości 290.
175. Firma powinna wybrać trasę 1 -2 -4 -7 -9 licząc na 53 pasażerów.
176. a) 8944, b) 0,179 rocznie, czyli co 65 dni.
177. a) 2000, b) 0,2 rocznie, c) 7 003 000 zł.
178. a) 8165, b) 0,082 rocznie, c) 5 000 000, d) 5 024 495,
e) 8944, 0,089 rocznie, 5 017 889.
179. 1. a) 500, b) 0,1 rocznie, c) 250 400 zł,
2. 1000 szt., 225 500 zł.
180. 30 000 szt., upust 20%, koszt łączny 4 837 700 zł.
181. Oferent A, koszt jednostkowy obniża się do 475 zł przy zakupie 5000 szt. z upu
stem 5%, koszt łączny 47 529 000 zł.
182. 19,22713 t.
183. a) 2957,919, b) 4915,838.
184. a) 48 651, b) 50 352,7.
185. a) Bez części zamiennych, b) 1 część zamienna
186. Dla producenta 1 część zamienna, dla użytkownika 2 części zamienne.
187. Problem 1: a) x* = 12; x \ —2; F(x*, x 2) = 80;
b) x \ = 300, x% = 240; F(x*, x%) = 42 000,
Problem 2: 23 dni (czas trwania), ścieżka krytyczna'{l-2-3-6-7}
Problem 3: droga: {1—2—5—3—4—1}
Problem 4: droga: {1 -4 -6 -9 -1 0 }, długość 16 dni
Problem 5: p - 0,5, v = 2,5
Problem 6: a) strategia trzecia,
b) strategia druga przy współczynniku ostrożności 7 = 0,3,
c) strategia druga.
188. Problem 1. Czas trwania przedsięwzięcia 82 dni
Ścieżka krytyczna: czynności a -b -c -g - równolegle trzy fragmenty: h-k, i-1 oraz
j-m , a następnie n -o -s -u -w -y . Współczynnik x = -1,636,
Problem 2. xx = 200, x2 = 600.
Problem 3.
7 X2 " XW :
200 52 30 44 30 28
400 55 34 28 28 28
600 54 70 52 52 52
55 70 52 52
r
Problem 4.
1 2 3 4
1000 1000 5000 0
Problem 5.
3^ = 0,1; y2 = 0,15.
(1 ) 6 y x + 0 y 2 ^ 0 ,6 0 ,6 = 0 ,6 ,
(2) 4yx+ 4y2 = l,6 1 <1,6,
(3) 3 y x + 6y2 < 1,2 1,2 =1,2,
ri+ ^ ^ o.
6 0 0 y 1 + 9 0 0 y 2 = 195 (max),
(4) l y x+ l y 2 <0,9 0,85 <0,9.
Czwarty proces technologiczny (4) l y x + l y 2 < 0,9 0,85 < 0,9. Warunek jest spełniony
ostro, a więc nie opłaca się wprowadzać.
189. 1.
A. Przychód ze sprzedaży 171 000 000

A l. PtytyCD 72 000 000
A2. Płyty DVD 99000000
B. Koszty zmienne 81000000
BI. Materiały dla CD 9 000000
B2. Robocizna CD 9000 000
B3. Energia CD 18 000 000
B4. Materiały dla DVD 18 000 000
B5. Robocizna DVD 9 000000
B6. Energia DVD 18 000 000
C. Marża brutto 90000000
Cl. Marża brutto CD 36000 000
C2. Marża brutto DVD 54 000000
D. Koszty stałe 3 450000
Dl.Amortyzacja 2 000000
D2.Czynsze 50000
D3.Zarząd 300000
D4.Reklama 100000
D5.Koszty finansowe 1000000
E. Zysk brutto 86550 000
2. Gracz A wygrywa 1.42 w pierwszej grze, a w drugiej przegra 1.4.

0 0 1 0' '0 0 0 1'
0 1 0 0 Y* _ 0 1 0 0
3. Dwa rozwiązania X* = >
•
l—
0 0 0 1 0 0 1 0
1 0 0 0 1 0 0 0
,F(X*) = F (X 2) = 2880.
450 Odpowiedzi co zadań i
4. PD yi = 2, y 2 = 1, PP xx = 7500, x2 = 7500.
5.
Stanowisko 3(7:7 >4 Vifó5 Wk-: ,
1 5 50 45 i
2 20 40 25 10
6 20 45 24 4
B 13 4 4 21
190. a) 35 000 zł; b) 62,5%; c) 12,5%.

191. a) 7250 zł; b) 2250 zł; c) 45%.
192. 20 000 zł.
193. a) 3600 zł; b) 24%; c) 8%.
194. Po 8 latach.
195. Po 16 latach i 8 miesiącach (i = 16-|).
196. a) 25 OOOzł; b) i? 6 = 105%.
197. Po 20 latach.
198. 745 378,20 zł.
199. 749 829,83 zł.
200. Po upływie 13 lat i niecałych 11 miesięcy (dokładnie 13 lat, 10 miesięcy i 22 dni).
201. 52 925,19 zł.
202. Po upływie 19,889 lat, czyli po 19 latach i 320 dniach, (w przeliczeniu za 1 rok
przyjmuje się 360 dni).
203. Obaj podwoją swój kapitał w tym samym czasie - po upływie 11,896 lat tj. po
11 latach i 323 dniach.
204. 20 037,42 zł.
205. a) Po upływie 12,5 lat; b) Po upływie 9,0065 lat tj. po 9 latach i 3 dniach.
206. 26 636,30 zł.
207. 22 990,48 zł.
208. a) 15 375,42 zł; b) 15 267,59 zł; c)BankB.
209. a) 37 280,66 zł; b) 360 zł.
210. 286 273,48 zł.
211. 19 432,16 zł.
212. ref= 19,56%.
213. a) 4 380 436,30 zł.
b) 4 793 116,39 zł. Bardziej korzystna dła Jana Kowalskiego jest opcja b.
214. a) 30 993,10 zł, b) 30 838,91 zł.
215. 295 480,28 zł.
216. a) 15 600 zł, b) 15 028,90 zł.
217. a) 126 000 zł, b) 112 500 zł.
218. a) 6,7%; 9,1%; -10,0%; 14,3%; -7,7%; 9,7%; 0%; -20,0% ; 20,0%; -7,1%,
b) Z = 1,5%,
c) S2(Z) = 141,348; S(Z) ~ 11,89; V(Z) = 792,67%. Należy zrezygnować z zakupu
akcji R.
219. a) 28,3%;-9,1%; 8,3%; 14,3%; 0%; 6,7%,-7,1%, 14.6%,
b) Z = 7%,
c) S2(Z) = 134,1925; S(Z) » 11,584; V(Z) « 165,49%,
d) S2(v,) = 63,38875; S(vf) » 7,9617; V(vt) = 113,74%.
220. a) tak, b) u* = 0,294; «2 = 0,706,
c) Sc2(mill) = 0,8228; 5 c(min) = 0,907; Ve(Z J = 8,25%; VC(Z2) = 30,23%.
221. a) r12 = 0, możliwe jest ustalenie optymalnego portfela akcji,
b) u* = 0,63; «5 = 0,37,
c) 5 2(min) = 5,6707; 5c(min) = 2,38; VC(ZX) = 79,33%; FC(Z2) = 119%.
0,25 0,20 0,25 0,50 1 0,75

0,50 0,80 0 1 0 0,25
0 0,40 0,50 0 0,40 0,50
1 0,60 0,125 0,30 0,90 0
0,50 1 1 0,80 0,70 0,50
0,75 0 0 0,70 0,60 1
0,75 0,20 0,75 0,40 0,80 0,75
0,25 0,60 0,25 0,20 0,90 1
Ranking firm na podstawie wartości zmiennej agregatowej <2/ zamieszczonych

w nawiasach
1 ) F5-(4,50)
2) F7 - (3,65)
3) F8 - (3,20)
4) F6 - (3,05)
5) Fj - (2,95)
6) F4 - (2,925)
7) F2 - (2,55)
8) F3 - (1,80)
4 ,5 0 -1 ,8 0 2,70
223. 0,90.
3 3
Podgrupa firm najlepszych o wartościach zmiennej agregatowej Qt należących do
przedziału (3,60; 4,50]: {F5, F7}.
Podgrupa firm przeciętnych o wartościach zmiennej agregatowej Qt należących
do przedziału (2,70; 3,60]: {F8, F6 , F1; F4}.
Podgrupa firm najsłabszych o wartościach zmiennej agregatowej Q, należących
do przedziału [1,80; 2,70]: {F2, F3}.
224. x = f = 10, S(x) = 6,532.

Rezultaty normowania wybranej zmiennej diagnostycznej xi będącej stymulantą
za pomocą dziesięciu formuł:
Formuła (1)®-1,531; 0,306; -0,919; 0; 0,612; 1,531
Formuła (2)*0; 1,837; 0,612; 1,531; 2,144; 3,062
Formuła (3)«0; 0,6; 0,2; 0,5; 0,7; 1,0
Formuła (4) *-0,5; 0,1; -0,3; 0; 0,2; 0,5
Formuła (5) • 0; 0,6; 0,2; 0,5; 0,7; 1,0
Formuła (6)*0; 0,6; 0,2; 0,5; 0,7; 1,0
Formuła (7) • normowanie niewykonalne
Formuła (8)*0; 1,2; 0,4; 1,0; 1,4; 2,0
Formuła (9) • 0; 0,2; 0,067; 0,167; 0,233; 0,333
Formuła (10) *0; 0,410; 0,137; 0,342; 0,479; 0,684
a) Formuły (3), (5) i (6)
b) Nie.
225. Ranking gmin (w nawiasach podano wartości zmiennej syntetycznej):
1) Zamość (4,057) 9) Miączyn (2,259)
2) Radecznica (3,345) 10) Komarów-Osada (1,827)
3) Szczebrzeszyn (3,094) 11) Sitno (1,806)
4) Zwierzyniec (2,978) 12) Nielisz (1,753)
5) Sułów (2,658) 13) Skierbieszów (1,701)
6) Adamów (2,517) 14) Grabowice (1,599)
7) Stary Zamość (2,461) 15) Łabunie (1,008)
8) Krasnobród (2,307)
226. Gminy posiadające najlepszą infrastrukturę (Qie [3,040; 4,057]):
{Zamość, Radecznica, Szczebrzeszyn},
Gminy posiadające infrastrukturę na przeciętnym poziomie (<2(e [2,024; 3,040]):
{Zwierzyniec, Sułów, Adamów, Stary Zamość, Krasnobród, Miączyn},
Gminy posiadające najsłabszą infrastrukturę (<2, e [1,008; 2,024]):
{Komarów-Osada, Sitno, Nielisz, Skierbieszów, Grabowiec, Łabunie}.
227. a) Unormowania zmiennej będącej wynikiem finansowym w dziesięciu firmach:
Formuła (3)*0,50; 0,70; -0,30; 0,25; 0; -0,10; 0,60; -0,25; 0,20; 0,40.
Formuła (4)*0,30; 0,50; -0,50; 0,05; -0,20; -0,30; 0,40; -0,45; 0; 0,20.
Formuła (5) *0,80; 1,00; 0; 0,55; 0,30; 0,20; 0,90; 0,05; 0,50; 0,70.
Formuła (6) *0,714; 1,00; -0,429; 0,357; 0; -0,143; 0,857; -0,357; 0,286; 0,571.
Formuła (7) *-1,667; -2,333; 1,00; -0,833; 0; 0,333; -2,00; 0,833; -0,667;
-1,333
b) Nie.
228. Ranking banków (w nawiasach podano wartości zmiennej syntetycznej Qi):
1) BPH S.A. (0,694)
2) Bank Zachodni S.A. (0,600)
3) Bank Śląski S.A. (0,508)
r
4) Wielkopolski Bank Kredytowy S.A. (0,479)

5) Bank Gdański S.A. (0,457)
6) Powszechny Bank Kredytowy S.A. (0,450)
7) Bank Depozytowo-Kredytowy S.A. (0,442)
8) Powszechny Bank Gospodarczy S.A. (0,433)
9) PKO BP (0,312)
10) Pomorski Bank Kredytowy S.A. (0,307)
11) Inwest Bank S.A. (0,286)
12) BISE S.A. (0,253)
13) Polski Bank Inwestycji S.A. (0,243)
14) PEKAOS.A. (0,149)
229. £7 = 0,144
Podgrupy banków od najwyżej do najniżej ocenianych:
I {BPH, Bank Zachodni S.A.} - Qt s [0,545; 0,694]
II {Bank Śląski S.A., Wielkopolski Bank Kredytowy S.A., Bank Gdański
S.A., Powszechny Bank Kredytowy S.A., Bank Depozytowo-Kredytowy S.A.,
Powszechny Bank Gospodarczy S.A.} - e [0,401; 0,545)
III {PKO BP, Pomorski Bank Kredytowy S.A., Inwest Bank S.A.} - Qi e [0,257;
0,401)
IV {BISE S.A., Polski Bank Inwestycyjny S.A., PEKAO S.A.} - [0,149;
0,257)
230. 1. x \ = 720 szt. W1; = 90 szt. W2, F(x\, = 11 700 zł.
2. W pełni wykorzystano zapas Sj i S2.
3. Rozwiązania optymalne leżą na odcinku prostej (3) między punktami
o współrzędnych (200; 500) oraz (480; 360); F{x\, x 2) = 6000 zł.
231. 1. x * = 40 tys. szt. W^*^ = 80 tys. szt. W2, F(x\, x 2) = 36 000 zł.
2. W pełni wykorzystany zostanie czas pracy maszyny II i zapas surowca.
3. Rozwiązanie PD: y * = 0, y 2 = T ’ ^ 3= 40, y * = 0, F (y*,..., y 4) = 36 000 zł.
4. Najkorzystniej jest dokupić surowiec (każdy kg surowca zwiększy zysk ze
sprzedaży wyrobów o 40 zł).
5. Skrócenie czasu pracy maszyny II obniży zysk ze sprzedaży wyrobów o:
15-y2 = 1 5 - ^ = 500 zł.
'5 5 0 0'
232. 1. X* = 0 0 0 4 , F(X*) = 3200 m2, Xij(i = 1, 2, 3, j = 1, 2, 3, 4).
0 3 10 2
4 0 0 6
2. X* = 1 0 3 0 , F(X*) = 31,4 tys. zł.
0 8 7 0
233. x \ = 800, x*2 = 0, F(x\, x*2) = 68 000.

234. 1. x* = 10 jedn. produktu A, x*2 = 2 jedn. produktu B, F(x*, x 2) = 136 zł.

2. x* = 5 jedn. produktu A, x 2 = 7 jedn. produktu B, F{x\, x 2) = 116 zł.
3. Przy cenach krajowych ceny dualne składników wynoszą: y* = 0, y 2 - -jj,
y 3 = 0,25, przy cenach produktów z importu: y* = 1, y 2 = 7 , y 3 = 0.
235. x* = 150 t>X*2 = x% = 0 1, x^ = 125 /, F(x\ , ..., x \) = 5400 zł.
236. x \ = 9, x *2 = 0, F { x \ , x *2) = 72 zł.
Po uwzględnieniu dodatkowych warunków jedynym rozwiązaniem dopusz
czalnym i optymalnym jest punkt o współrzędnych x* = 7, x 2 = 2, F(x*, x 2) =
= 80 zł.
237. Sposoby załadunku 1 samochodu podano w tabl. 289.
Tablica 289
I n ni |§ # ' ' V ■,
lt 4 3 2 1 0
0,7t 0 1 2 4 5
Odpad 0 0,3 0,6 0,2 0,5
1. x* = *2 = x* = 0, *4 = 20 samochodów załadowanych sposobem IV; x^ = 8

samochodów załadowanych sposobem V; F(x*, ..., x^) = 28 potrzebnych
samochodów. Niewykorzystana ładowność 8 1.
2. x* = x 2 = x \ =x^ = 0, X3 = 30 samochodów załadowanych sposobem III;
jF ( x *, ..., X j ) = 6 1 niewykorzystanej ładowności, ale liczba potrzebnych samo
chodów jest większa.

238. Sposoby rozkroju 1 dłużycy o dł. 5 m podano w tabl. 290.12
Tablica 290
iii IV
1,6 m 3 2 1 0
l,lm 0 1 3 4
Odpad 0,2 0,7 0,1 0,6
1. x* = 0, X2 = 0, X3 = 24 dłużyce pocięte sposobem III, x \ = 12 dłużyc pociętych

sposobem IV; F ( x \ , X4) = 36 zużytych dłużyc. Łączny odpad 9,6 m.
2. x* = x \ = x | = 0, X3 = 40 dłużyc pociętych sposobem III F(x*, ..., X4) = 4 m
odpadu, ale liczba potrzebnych dłużyc jest większa - 40.
Uwaga 2. Jeżeli zmienna dualna przyjmuje wartość 0 (y* = 0) to odpowiadający jej warunek
może być spełniony jako nierówność, np. jeżeli y* = 0 to warunek (1) może mieć postać > (w tym
przypadku).
239. x* = 39%, = 0%, X3 = 2%, X4 = 44%, x | = 15,0%. Całkowita stopa zwrotu
kapitału wyniesie 15,98%.
Odpowiedzi do zadań: 455
240. a) Zbiór rozwiązań dopuszczalnych jest zbiorem pustym,

b) x^ = 37,5; x^ = 12,5; F(x% x *2) = 125;
c) x* = 5; x 2 = 2,5; F(xi, x 2) = 20;
d) x* = 37,5; x 2 = 12,5; jest jedynym rozwiązaniem dopuszczalnym i optymalnym.
241. a) Rozwiązaniem optymalnym jest odcinek prostej (2) pomiędzy punktami
(2,4) i (3,2), F = 40.
b) x \ = 5-,x*2 = y,F (x\,x*2) = n-,
c) x \ = Ą\x*2 = y,F (x\,x*2) = 32.
242.
243. a) x* = 1; x 2 = 1,5; F(x*, x 2) = 65;
b) Dla P = 15 rozwiązaniem optymalnym będzie odcinek prostej 1) pomiędzy
punktami (1,1,5) i (2,1), F = 60. Dla fi = 45 rozwiązaniem optymalnym bę
dzie odcinek prostej 2) pomiędzy punktami (0,3) i (1,1,5), F = 90.
244. a) x* = 1,5; x 2 = 45; F(x\, x 2) = 65;
b) a * 3 i a * j .
245. a) Zbiór rozwiązań dopuszczalnych jest zbiorem pustym,
b) « e (w 4 > -
246. a) y* = 15; = 0; y*3 = 5; y* = 0; F (y* ,..., y*) = 200;
b) xt=x*2 = 0; x$ = 14; x^ = 18; F{x\ , ..., x j) = 246;
c) yt = 0;y*2 = ^ ; y*0 = 0; y*4 = ? f ; F{y\ , ..., y*4) = 566§;
d) x* = 1,6; x*2 = 0;x*3 = 2,8; F(x*v x% x$) = 48.
247. a) y* = 60; y \ = 2; F{y% x$) = 17 292;
b) x*x = 30; x 2 = 30; F(x*, x*2) = 1650;
c) x \ = 6; x *2 = 46; F(x*, x£) = 1672.
248. x* = 3000; x 2 = 2000; F(x*, x 2) = 10 650 zl, (marża z paczki I - 1,61 zl, z paczki
II -2,91 zl).
249. 1. x \ = 3000; x \ = 1500; F{x\, xj) = 135 000 zl,
2a) Gdy Wj podrożeje do 45 rozwiązaniem optymalnym jest odcinek prostej (1)
0,3 x !+ 0,2 x2 = 1200 zawarty pomiędzy punktami (3000; 1500) i (4000; 0).
F(x*, x£) = 180 000 zł.
b) Przy dodatkowym warunku rozwiązaniem dopuszczalnym i optymalnym
jest x* = x 2 = 200.
250. Rozwiązaniem optymalnym jest odcinek prostej 8x(+6x2 = 4800 zawarty pom ię
dzy punktami A(300; 400) i B(450; 200). F(x*, x 2) = 24 000 zł. Jeżeli B podro
żeje do 30 zł, jedynym rozwiązaniem optymalnym będą współrzędne punktu A,
F(x*, x$) = 28 000 zł.
251. Rozwiązaniem dopuszczalnym i zarazem optymalnym jest odcinek prostej
Xj+x2 = 6 pomiędzy punktami: A(5; 1) i B(6; 0). F(x*, x 2) = 36 zł. Jeżeli M2 pota
nieje, jedynym rozwiązaniem optymalnym będą współrzędne punktu A.
252. Możliwe sposoby załadowania ciężarówek przedstawia tabl. 291.
Tablica 291
Sposoby załadowania 1ciężarówki
Opakowania
1 i! l i g ! ! ni IV
4t 3 2 1 0
2,5 t 0 1 3 4
Niewykorzystana
0 1,5 0,5 2
ładowność (t)
x* = 28, x 2 = 0, *3 = 16, Xą = 0, F(x\ , ..., Xą) = 8 ton.

Niezbędna liczba ciężarówek wynosi 44.
253. Możliwe sposoby załadowania ciężarówek przedstawia tabl. 292.
Tablica 292
Sposobyzaładowania 1 ciężarówki
Opakowania
1 III IV
3t 3 2 1 0
1,7 t 0 2 4 5
Niewykorzystana
1 0,6 0,2 1,5
ładowność (t)
x* - x't = 0, x* = 40, X ą = 8, F{x\ , ..., X ą) - 48 ciężarówek. Łączna niewykorzysta

na ładowność wynosi 2 0 1.
254. a) x \ = x I = X ą = 0, x \ = 6, x 3 = 1, F(x\ , ..., x 3) = 62,
b) x \ - X4 = x 3 = 0, x * = - 3 , x 3 = 9, F{x\ , ..., x 3) = 48,
c) ** = * * = * ; = o, x \ = 12, x *5 = 12, f (x \, x*5) = 216.
255. Rozwiązaniem optymalnym PD jest punkt (0; 50) w którym słabo spełniony jest
tylko warunek (4). Zatem x * = x 2 = x 3 = 0, x*Ą= 300, F(x\, ..., x \) = 30 000 zł.
Rozwiązanie to spełnia warunek (2) PP słabo, a warunek (1) ostro, bo y * = 0.
256. x* = 40, x 2 = 40, x^ = 25, x^ = 25, x^ = 30, x | = 30, F(x\, ..., x*) = 190 pielęg
niarek.
257. 1. x* = 20, x*2 = 72, F{x\, x$) = 14 760.
2. y* = 0, y* = 10, y^ = 16, F(y* ..., y$) = 14 760.
3. Koszt wyprodukowania jednostki W3, biorąc pod uwagę ceny dualne środków
produkcji wyniesie: 8 y *+ 6-y2+ 4-y3 = 8 0 + 6 1 0 + 4 1 6 = 124 zł jest większy
niż spodziewany zysk (120 zł), a więc podjęcie produkcji W3 przy takim zysku
jest nieopłacalne.
258. x* = 101 notebooków Dothan; x \ = 321 notebooków Sonoma; x 3 = 101 note
booków Celeron. F(x\, x 2, x 3) = 781 tys. zł marży brutto.
Uwaga: rozwiązując model np. za pomocą Solverá, należy uwzględnić dodatkowy warunek, że
zmienne decyzyjne powinny być liczbami całkowitymi (int).
0 0 300 0 '
240 F(X*) = 2023,25 tys. roboczogodz.,
259. X 0 12,5 150
’ Xy(i = 1, 2, 3, y = l , 2 , 3,4).
0 300 0 0
0 1 0 0 0 0'
0 0 1 0 0 0
1 0 0 0 0 0 F(X*) = 3930 zł,
260. X* >
0 0 0 0 0 1 Xy = 1 lub 0 (i,j = 1, 2 ,..., 6).
0 0 0 1 0 0
0 0 0 0 1 0
2 61. Ul U2 U3 : im ; U5 UF
Pl i
P2 1
F ( x = 1 godz. na usunięcie 5 usterek
Xy = 1 lub 0 (i, j = 1 , 2 , 6 ) .
P3 1
Pracownikowi P5 zostanie powierzo
P4 1
ne usuwanie pozostałych usterek.
P5 1
P6 1
262. Godzina m i ■ :pi? P4

7:00-8:00 1 F(x$ ■■68 tys. widzów
8:00-9:00 1 Xy = 1 lub 0 (i, j = 1, 2,..., 4).
9:00-10:00 i Nie zostanie wyemitowany P3.
Fikcyjna 1
263. Dla kosiarek:

‘10 0 0 0"
0 0 8 0 F(X*) = 1468,
X* =
0 5 0 0 Xjj(i = 1, 4, 7, 8, j = 2, 5, 6, 9),
0 1 1 4
Dla młocarni:
"11 1 0 0
4 F(X*) = 1564,
X* = 0 3 0
xlj(i = 1 ,5,7, j = 3,4, 6, 8).
0 2 0 11
264. Rozwiązanie dopuszczalne uzyskane metodą wyznaczania tras o minimalnym

koszcie podano w tabl. 293. Jest to rozwiązanie optymalne, ponieważ wszystkim
alternatywnym trasom odpowiada wzrost kosztów. Koszty odpowiadające temu
rozwiązaniu wynoszą 325 700 zł.
Tablica 293
«2 0 3 iS S fg a
Di 400 500
d2 700 200
d3 800 100
Koszty odpowiadające alternatywnym trasom.

DiOj D j Oj D2Q3 D2F Dj O j Dj 0 2
90" 125" 28l" 36 130~ 19
265. Rozwiązanie uzyskane metodą wyznaczania tras o minimalnym koszcie jednost

kowym przedstawia tabl. 294.
Tablica 294
IS A s2 Mi!
A 650 1350
K = 6622 zł
B 1500 500
C 50 1200 750
Rozwiązanie można poprawić - największą obniżkę kosztów (0,21 zl za

każdy kg) zapewni przesunięcie przewozów na trasę CSj (z piekarni C do skle
pu Sj) - przesunąć można tylko 50 kg (koszty można obniżyć także przesuwając
przewóz na trasę A SX- ale tylko o 0,09). Zmienione rozwiązanie przedstawia
tabl. 295.
Tablica 295
ś p Sz S3 m m i F
A 650 1350
K —6611,5 zl = 6622,-0,21*50
B 1450 550
C 50 1200 750
To rozwiązanie można jeszcze poprawić - (obniżyć koszty o 0,09 zl za każdy kg),

przesuwając przewozów na trasę AS, (z piekarni A do sklepu Sj) - przesunąć
można 650 kg (obniżkę kosztów - ale niższą uzyskalibyśmy także przesuwając
przewóz na trasy AS4 i AF). Nowe rozwiązanie przedstawia tabl. 296.
Tablica 296
s g l iM® MM :|1 1 F
A 650 1350
K = 6553 zl - 6611,5 - 0,09*650
B 800 1200
C 50 1200 750
Jest to rozwiązanie optymalne (koszty odpowiadające wszystkim alternatywnym

trasom są dodatnie).
266. Gra I zapewnia stałą wygraną 5 graczowi B; wygrane gracza B w grze II zależą
od wartości parametru i w jednym przypadku przewyższają 5 (gdy a -» 2+).
267. Rozwiązanie dla gracza A. W PL: = -||; x 2 = = | | -» v* = = 0,26,
czyli p { = 0,8; p 2 = 0,2. (Strategia S3 została zdominowana przez St).
Rozwiązanie dla gracza B. W PL: y* = | | ; y 3 = i j* = | | -> v* = = 0,26,
czyli = 0,4; q2 = 0,6; q3 = 0.
268. Kryterium Walda: 50 egzemplarzy, co daje zysk nie mniejszy niż 35 zł.
Kryterium Hurwicza y = 0,2:100 egzemplarzy - gwarantuje przeciętny zysk 48 zł.
y = 0,8: 50 egzemplarzy - gwarantuje przeciętny zysk 35 zł,
Kryterium Savage’a: 50 egzemplarzy - gwarantuje stratę nie większą 38 zł w sto
sunku do najlepszego możliwego stanu natury.
269. Z graczem B gracz A wygrywa średnio 3 (stosując strategię A x z prawdopodo
bieństwem 1/2 i strategię A 3 z prawdopodobieństwem 1/2). Z graczem C gracz
A w każdej rozegranej partii wygrywa 3 (gra ma punkt siodłowy -3 , gracz A jest
w tej grze graczem drugim).
270. W obu grach gracz A wygrywa 2. Gra I ma punkt siodłowy (v = 2) i tyle gracz
A wygrywa w każdej partii. W grze II v = - 2 a ponieważ A jest w tej grze gra
czem drugim - tyle wynosi jego przeciętna wygrana przy wielokrotnym powta
rzaniu gry. Zatem gracz A powinien wybrać grę I.
271. Zyski przedsiębiorcy i rozwiązanie przedstawia tabl. 297.
Tablica 297
Kryterium Kryterium Kryterium

Strategie Stany natury (popyt) Kryterium Bayesa
Walda Hurwicza Savage’a
(zakup)
I m 130 150 190 min ay g ly llfg if Pi = 1/4 dane pt max ßy
120 44 60 60 60 (4 4 ) 56,8 (5 6 ) 56,8 30
140 22 54 70 70 22 60,4 54 ® ) (2 2 )
160 0 32 64 80 0 64 44 54,4 44
180 -2 2 10 42 90 -2 2 @ > 30 45,2 66
200 -4 4 -1 2 20 84 -4 4 58,4 12 29,6 88
272. Kryt. Bayesa - lokalizacja B zapewni przeciętny zysk 14,5 tys. zł (przy założeniu,
że wszystkie stany natury są jednakowo prawdopodobne).
Przy zachowaniu ostrożności: wg kryterium Walda - wybór lokalizacji A gwaran
tuje zysk nie niższy niż 10 tys. zł miesięcznie, kryterium Hurwicza - przy dużej
ostrożności np. y = 0,8 - lokalizacja A zapewni przeciętny zysk 11,2 ty. zł, kryte
rium Savage’a - lokalizacja B - zapewni stratę nie większą niż 10 tys. zł.
Zakładając ryzyko - kryterium Hurwicza np. przy y = 0,2 - lokalizacja C zapew
ni przeciętny zysk 20 tys. zł, przy, lub kryterium optymistyczne - lokalizacja C
może przynieść miesięczny zysk 27 tys. zł.
273. Kryterium Hurwicza - Wariant 1 przy współczynniku ostrożności 0,2 gwaran
tuje najmniejszy przeciętny koszt - 28 min zł. Kryterium Savage’a również wa
riant 1 jest najkorzystniejszy - gwarantuje stratę nie większą niż 40.
Odpowiedź do zadań:
274. Macierz wypłat ma postać tabl. 298.
Tablica 298
Strategie Stany natury (popyt)
(produkcja) 3$M 3,8
2 520 600 600 600
3 20 500 900 900
4 -480 0 800 1040
Kryt. Walda 3t (zysk nie mniejszy niż 520 zł, kryt. Bayesa 2 lub 3 t - średni zysk
580 zł, Kryt. Hurwicza np. przy y=0,2 (ryzyko) 4 t - spodziewany zysk - 736 zł,
kryt. Savage’a: 2 1- strata nie większa niż 440 zł.
275. 1. Wykres sieciowy przedsięwzięcia przedstawia rys. 55 (nad czynnościami po
dano ich nazwy i czasy trwania, pod czynnościami w nawiasach podane są
zapasy czasu, ścieżkę krytyczną pogrubiono).
Termin końcowy Tk = 68 dni, ścieżka krytyczna: b -„0”- e - g - „ 0 ”- l - o
(„ 0” oznaczono czynności pozorne).
2. Czynność „h” ma dwa dni zapasu, zatem jej opóźnienie o 4 dni opóźni termin
końcowy o 2 dni i czynność h będzie leżeć na ścieżce krytycznej.
3. Skrócenie czasu trwania czynności „o” o 3 dni pozwoli skrócić termin końco
wy tylko o 2 dni (zapas równoległej czynności „n”).
276. 1. Wykres sieciowy przedstawia rys. 56. Tk = 64 dni. Istnieją dwie ścieżki kry
tyczne (częściowo się pokrywające: I. a -d -h -j-l-n ; II. c -f-j-l-n .
2a) Skrócenie czasu trwania czynności „f” nie zmieni Tk, bo istnieje równoległa
droga krytyczna.
Zostanie tylko jedna droga a -d -h -j-l-m .
b) Czynność „g” ma 8 dni zapasu, a więc jej opóźnienie o 6 dni niczego nie zmieni.
r
277. 1. Tk = 71 dni. Ścieżka krytyczna: a-„0”-d -g -i-j-m -n .

2a) Opóźnienie czynności „h” o 3 dni nie zmieni terminu końcowego (czynność
ma 3 dni zapasu), powstanie druga ścieżka krytyczna,
b) Skrócenie czasu trwania czynności „j” o 3 dni pozwoli na skrócenia Tk
o 2 dni i spowoduje zmianę ścieżki krytycznej na a-„ 0”-d -g -i-k -n .
278. 1. Tk = 75 dni. Ścieżka krytyczna: a-„0”-e - h - l- m -o .
2. Opóźnienie czynności „b” o 4 dni spowoduje opóźnienie terminu końcowe
go o 2 dni (czynność ma 2 dni zapasu), czynność b będzie leżeć na ścieżce
krytycznej.
3. Zauważmy, że nie wszystkie czynności, których czasy można skrócić leżą
na ścieżce krytycznej. Spośród czynności krytycznych najniższy współczyn
nik wzrostu kosztów (1) ma czynność „1” następnie czynność „a” (2,5), a naj
wyższy - czynność „o” (3,5) i w takiej kolejności należy skracać czas trwania
przedsięwzięcia (łącznie należało skrócić o 4 dni).
Czynność „1” można skrócić o 2 dni, ale zapas równoległej czynności
„k” pozwoli skrócić termin końcowy tylko o 1 dzień. Skrócenie to powoduje
wzrost kosztów o AK = 1 dzień • 1 tys. zl = 1 tys. zl.
Czas trwania czynności „a” skracamy także nie do czasu granicznego
a tylko o 2 dni (zapas równoległej czynności „b”); koszty skrócenia: AK =
= 2 dni •2,5 tys. zl = 5 tys. zl.
Na koniec skracamy czas trwania czynności „o” - tylko o 1 dzień, bo tyle
brakuje do założonego czasu skrócenia (o 4 dni): A K = 2 dzień-3,5 tys. zl =
= 3,5 tys. zl.
Łączny (najniższy) koszt skrócenia czasu trwania przedsięwzięcia wynie
sie 1 + 5 + 3,5 = 9,5 tys. zl.
279. 1. Tk = 77 dni. Ścieżka krytyczna: b-„0”- f- h - i- n
2. Czynność „j” ma 6 dni zapasu, jej opóźnienie czynności o 4 dni nie zmieni
terminu końcowego ani ścieżki krytycznej.
3. Spośród czynności krytycznych skrócić można czasy trwania czynności „f”,

„h”, „n” i to w takiej kolejności (biorąc pod uwagę wartość współczynnika
wzrostu kosztów). Zatem:
1° Skracamy czas trwania czynności „f” - o 2 dni (tyle zapasu ma rów
noległa czynność d)1:
AK = 2 dni • 1,5 tys. zt = 3 tys. zl.
2° Skracamy czas trwania czynności „h” tylko o 1 dzień (tyle zapasu ma
równoległa czynność „k”)
AK = 1 dzień •2 tys. zł = 2 tys. zł.
3° Skracamy czas trwania czynności „n” o 2 dni (tyle brakuje do założo
nego skrócenia - o 5 dni)
AK = 2 dni •3,5 tys. zł = 7 tys. zł.
Łączny koszt skrócenia czasu trwania przedsięwzięcia o 5 dni wyniesie
3 + 2 + 7 = 12 tys. zł.
280. 30 000 zł.
281. Po 8 latach.
282. Upłynie 12,5 lat.
283. 38 149,47 zł.
284. a) rAB = - 0,545; b) u*A = 0,653; u B = 0,347.
285. a) rCD = -0,29; b) u*c = 0,597; u*D = 0,403; c) S | min) = 12,667.
286. u*E = 0,127; ¿4 = 0,873.
287. ¿ 4 = 0,5; ¿ 4 = 0,5.
288. Tak- 1 ,2 ; Nie 3 ,4 ,5 .
289. Tak - a, c, d; Nie - b, e.
290. Tak - a, b.
291. Tak - a, b; Nie - c, d.
292. Tak - a, b, d; Nie - c.
293. Tak - a, b, c; Nie - d, e.
294. Tak- 2 ,4 ; N ie - 1 ,3 ,5 .
295. Tak - b, d; Nie - a, c.
296. T a k -b ; N ie - a .
297. Nie - a, b, c, d.
1 Skrócenie czasu trwania tej czynności o 3 dni - do czasu granicznego pociągnie za sobą dodat
kowy koszt - 1,5 tys. zi, a termin końcowy i tak będzie krótszy tylko o 2 dni, bo pojawi się nowa ścieżka
krytyczna przechodząca przez czynność „d”.
Odpowiedni do zadań 463
298. Tak - a; Nie - b, c.

stały koszt zamówienia 150
zużycie roczne 30000
jednostkowy koszt utrzymania zapasu 1
wielkość zamówienia 3000
299. Tak - b; Nie a, c

300. Tak - a, Nie - b, c, d.
301. x * = 0 odbiorników 25”; x \ = 200 odbiorników 21”;x^ = 800 odbiorników 14’.
F(x*, x% * 3) = 104 000 tys. zł marży brutto.
Aby odpowiedzieć na kolejne pytania, można wykorzystać ceny dualne (y* =
= 20 zł/1 jedn. surowca; y \ ~ 40 zł na 1 jedn. czasu pracy).
a) Koszt środków produkcji zużytych na 1 odbiornik 15” = 2,5 jedn. surowca
*20 zł +1,5 jedn. czasu*40 zł = 5 0 + 6 0 = 110 zł < marży brutto = 130, a więc
można wprowadzić do produkcji.
b) Koszt środków produkcji zużytych na 1 odbiornik 17” = 3,5 jedn. surowca
*20 z ł+ 2,5 jedn. czasu*40 zł = 70 + 100 = 170 zł > marży brutto=130, a więc
nie warto wprowadzać.
c) Koszt środków produkcji zużytych na 1 odbiornik 30” = 5,5 jedn. surowca
*20 zł + 5,5 jedn. czasu*40zł = 110 + 220 = 330 zł > marży brutto = 250, a więc
nie warto wprowadzać.
302. Zad. 1. a) PI - M2, P2-M1; P3 - niezatrudniony, P4 - M3. W czasie zmiany
wykonają 304 elementy.
b) P l-M l, P2-M 3, P3 - niezatrudniony, P4 - M2; Czas montażu łóżek
260jedn.
c) Wskazówka: konieczne jest sformułowanie dodatkowych ograniczeń
i zastosować program liniowy. Zmienna decyzyjna powinna oznaczać
czas montażu elementów na j-tej maszynie przez i-tego pracownika.
Zad. 2. MGI - MP3 1000 łóżek, MG2 - MP2 2000 łóżek, MG3 - M P 11000 łó
żek, MG3 -M P 2 1000 łóżek, MG3 -M P3 1000 łóżek, MG3 - MP4 500
łóżek, MG3 - MP 5 500 łóżek; 1000 łóżek pozostanie w MG3 Koszt
transportu 555 000 jedn. pieniężnych.
Zad. 3. a) 62 godziny + - 3,90; b) a -b -f-j-k -l-m ;
c) TAK; d) Należy pozyskać gradienty kosztów czynności.
Zad. 4. 71 dni a - d - g - i - j - m - n
Zad. 5. Zagadnienie z zakresu programowania dynamicznego (problem ple
caka). Należy załadować 3 kontenery PI, 4 kontenery P2, 4 kontene
ry P3, 5 kontenerów P4 oraz 2 kontenery P5; wartość załadowanych
kontenerów wyniesie 57 tys. zł. Pozostanie niewykorzystany 1 m 3 luku
bagażowego.
Uwagi bibliograficzne
Podstawowym podręcznikiem z zakresu badań operacyjnych, w którym można znaleźć

obszerną prezentację metod rozwiązywania wszystkich nieomal problemów zawartych
w niniejszej pracy, jest książka Z. Czerwińskiego [18]. Pewnym uzupełnieniem wymie
nionej książki jest popularny podręcznik W. Sadowskiego [77], w którym w sposób
wyczerpujący i bardzo przystępny pokazano metody rozwiązywania programów linio
wych oraz gier dwuosobowych o sumie zero1. Podręcznik ten zawiera liczne przykłady
z pełnymi rozwiązaniami. Czytelnik, któremu teksty angielskie nie sprawiają trud
ności, a pragnący zaznajomić się z zagadnieniami pominiętymi bądź też rozszerzyć
problematykę prezentowaną w tym podręczniku, powinien sięgnąć do pracy amery
kańskich autorów F.S. Hilliera i G.J. Liebermana [34],
Budowę oraz wykorzystanie programów dualnych do rozwiązywania określo
nej klasy problemów liniowych (o większej niż dwa liczbie zmiennych decyzyjnych)
przedstawiono w pracy [41]. Również w tej pracy zademonstrowano wiele przykła
dów i zadań.
Omówienie zagadnień stanowiących treść rozdziału pierwszego można znaleźć za
równo w podręcznikach, jak i w opracowaniach o charakterze aplikacyjnym, np. [57]
i [71]. Spośród wielu opracowań podręcznikowych z tego zakresu polecamy [26],
[40]—[43], [52], [55], [59], [64]-[66], [76], [78], [93] i [94]. Analiza wrażliwości jest
ważnym elementem programowania liniowego. Jakkolwiek wcześniej podane modele
są modelami deterministycznymi (ich parametry są z założenia stałe i znane), to jednak
w rzeczywistości mogą ulegać zmianie, gdyż zmieniają się warunki, w których działa
decydent. Wątek ten przedstawiają następujące prace: [14], [17], [34] i [87]. Problema
tykę podrozdz. 1.6 (programowanie ilorazowe) szerzej omówiono w pracy [74].
Zagadnieniu transportowemu, poza wymienionymi na początku pozycjami
Z. Czerwińskiego i W. Sadowskiego, poświęcona jest praca J. Bugi i I. Nykowskiego
[15]. Algorytmy transportowe przedstawiono m.in. w pracach [15], [22] i [77].
Wybór zadań z tego zakresu można znaleźć w podręcznikach J.L. Kalichmana [41]
i [42] oraz R.L. Childressa [17]. Również problem przydziału znajduje wiele miejsca
1 Zagadnienia te są przedstawione w wielu innych pracach, niemniej jednak ze względu na dużą

dostępność wymienionych podręczników polecamy je uwadze rozpoczynającym studia w zakresie badań
operacyjnych.
Uwagi bibliograficzne 465
w wymienionych pozycjach. Algorytm węgierski, metoda rozwiązywania szczególnego

rodzaju zadań przydziału, jest szeroko omawiany i ilustrowany przykładami w pracy
R.L. Childressa [17].
Gry dwuosobowe o sumie zero zostały klarownie i przystępnie zaprezentowa
ne w popularyzatorskiej książce J. Kazimierczaka [45]. Podstawowymi pozycjami
z tego zakresu w naszej literaturze są prace J. Grenia [29] i T. Tyszki [85]. Z literatury
obcej wymienić należy przetłumaczoną książkę R.D. Luce’a i H. Raiffy [58], zawie
rającą pełną systematyzację gier. Dodatkowo można przestudiować prace [47] i [52],
[53], [77] i [78], W pracy [77] przedstawiono kilka przykładów zastosowań gier z natu
rą. Należy także w tym miejscu wspomnieć o jednej z pierwszych historycznie prac na
temat gier, a mianowicie o słynnej monografii J. Neumanna i O. Morgensterna [68],
wydanej w 1947 r.
Problematyka kolejek jest przystępnie i ciekawie przedstawiona w pracy zbiorowej
pod red. P.T. Houldena [94]. Znaczne rozszerzenie treści związanych z tym zagadnie
niem zawiera praca F.S. Hilliera i G.J. Liebermana [34].
Kierując się chęcią poznania podstaw z zakresu programowania sieciowego, naj
lepiej sięgnąć do pracy [25]. Pozycję tę charakteryzuje systematyczność i przystępność
wykładu przedstawionych kwestii. Aby pogłębić wiadomości z tego zakresu, należy
skorzystać z prac S. Bladowskiego [11] i O. Gedymina [27]. Niezwykle ciekawe p o
zycje z programowania sieciowego stanowią prace E. Ignasiaka [35] - [37]. Jednakże
ze względu na ich zakres, prace te mogą służyć jako pożyteczna lektura dla semina
rzystów podejmujących temat pracy dyplomowej lub magisterskiej w tej dziedzinie.
Pragnącym poszerzyć wiedzę w zakresie metody GERT polecamy następujące pozy
cje: [39], [67], [72] oraz [73].
Opanowanie zagadnień związanych z programowaniem nieliniowym ułatwić
może lektura odpowiednich fragmentów prac: [18], [41], [55] i [76]. Przy samodziel
nym studiowaniu tego tematu niezwykle przydatnym może się okazać skrypt pod re
dakcją W. Bukietyńskiego [23], niestety, ze względu na niski nakład jest on trudno
osiągalny. Z pozycji zagranicznych polecić wypada pracę G. Hadleya [32]. Niektóre
problemy związane z modelowaniem firmy można znaleźć w pracach A.P. Sage’a [79],
E. Malinvauda [60], R. Shone’a [80] oraz P.R.G. Layarda i A.A . Waltersa [56].
Z elementami programowania dynamicznego można się zapoznać, studiując pozycję
H.M. Wagnera [86].
Problematyce magazynowania oraz związanym z nią modelowaniem zapasów po
święcono wiele miejsca w różnych podręcznikach oraz opracowaniach naukowych.
Pragnącym poszerzyć swoją wiedzę w tym zakresie chcemy polecić dwie podstawo
we pozycje: Z. Czerwińskiego [18] oraz W. Sadowskiego [77]. Również S. Krawczyk
poświęca temu zagadnieniu cały rozdział w swojej książce [51].
Jedną z istotnych czynności, jakie musi wykonać każda nowo powstała firma lub
jednostka gospodarcza planująca wprowadzenie nowego przedsięwzięcia, jest kon
strukcja biznes planu. Zagadnienia związane z prawidłową budową biznes planu oraz
wykorzystaniem do tego celu narzędzi, jakie oferują badania operacyjne, są przedsta
wione w podręczniku E. Filar i J. Skrzypka [24].
466 Uwagi bibliograficzne
Trudno pominąć szeroką gamę problemów związanych z podejmowaniem decyzji

na rynku kapitałowym. Inwestowanie to dzisiaj działalność prowadzona zarówno przez
przedsiębiorców profesjonalistów, jak i przez osoby prywatne bezpośrednio z biznesem
niezwiązane. Bardzo dobrym, napisanym w przystępny sposób podręcznikiem kształ
cącym umiejętności gospodarowania pieniądzem jest praca nieżyjącego już profesora
Tadeusza Przybysza [75]. Autor oprócz standardowych zagadnień z zakresu matema
tyki finansowej porusza również problematykę budowy optymalnego portfela akcji
z minimalizacją ryzyka. Innym, równie wyczerpująco ujmującym zagadnienia zmian
wartości pieniądza wraz z upływem czasu, jest podręcznik M. Sobczyka [81].
Interesujące studium z zakresu badań operacyjnych powiązane z zastosowaniami
technik komputerowych stanowią pozycje T. Trzaskalika - [83] i [84].
Ciekawe powiązanie nauki organizacji i zarządzania z badaniami operacyjny
mi prezentują Y. Müller w pracy [64] oraz T. Kasprzak w pracy [7]. Nowoczesne uję
cia z zakresu teorii podejmowania decyzji można spotkać w książce L. Kantorowicza
i A. Gorstki [43]. Z ciekawych problemów ukazanych w tej pracy wymienić można gry
symulacyjne oraz problematykę budowy modeli mikroekonomicznych.
Obecnie często podkreśla się olbrzymie znaczenie wielowymiarowej analizy sta
tystycznej, zarówno z punktu widzenia potrzeb gospodarki, jak i innych dziedzin życia.
Dokonywany wybór danej opcji z uwzględnieniem wielu czynników to zagadnienie na
leżące do wielokryterialnych zadań decyzyjnych. Problematyka ta znajduje szerokie
omówienie w pracy zbiorowej pod red. E. Ignasiaka [4]. Należy podkreślić, że istnie
je ogromna ilość prac poświęconych zagadnieniom analiz wielokryterialnych, trudno
zatem wybrać kilka tylko pozycji. Niemniej dla dobrej orientacji w zakresie ocen wie
lokryterialnych proponujemy Czytelnikowi przestudiowanie niektórych pozycji, są to
prace: Z. Hellwiga [33], T. Borysa [12], D. Strahl i M. Walesiaka [82] oraz monografia
K. Kukuły [54].
Pracami rozszerzającymi horyzonty ogólnej wiedzy o modelach oraz ich wyko
rzystaniu w celach optymalizacyjnych są książki I.D. Brossa [13], L.N. Wołgina [91]
i E. Konarzewskiej-Gubały [48] oraz praca zbiorowa pod redakcją W. Sikory [5].
Literatura
1. Ackofff R., Decyzje optymalne w badaniach stosowanych, PWN, Warszawa 1969.

2. Allen R.G.D., Ekonomia matematyczna, PWN, Warszawa 1961.
3. Asmussen S., Applied Probability and Queues, Wiley, New York 1987.
4. Badania operacyjne, pod. red. E. Ignasiaka, PWE, Warszawa 1996.
5. Badania operacyjne, pod. red. B. Sikory, PWE, Warszawa 2009.
6. Badania operacyjne. Metody i przykłady, pod red. G.H. Mitchella, WNT, Warszawa 1974.
7. Badania operacyjne w nowoczesnym zarządzaniu, pod red. T. Kasprzaka, PWE, Warszawa 1974.
8. Becker G.S., Economic Theory, A. Knopf, Inc., New York 1971.
9. Bellman R., Dynamic Programming, Princeton University Press, 1957.
10. Bierman H., Bonini Ch.R, Hausman W.H., Quantitative Analysis for Business Decision, R.D. Irwin,
Inc. 1991, wyd. VIII.
11. Bladowski S., Metody sieciowe w planowaniu I organizacji pracy, PWE, Warszawa 1970.
12. Borys T., Metody normowania cech w statystycznych badaniach porównawczych, „Przegląd Sta
tystyczny”, 1978, z. 2.
13. Bross I.D.J., Jak podejmować decyzje, PWN, Warszawa 1965.
14. Budnick F.S., McLeavey D., Moiena R., Principles of Operation Research for Management, Homewood
Illiniois 1988, wyd. II.
15. Buga J., Nykowski I., Zagadnienia transportowe w programowaniu liniowym, PWN, Warszawa 1972.
16. Catczyński A., Kędzierska-Stróż D., Orzechowska D., Śleszyński Z., Elementy badań operacyjnych
w zarządzaniu, Politechnika Radomska, Radom 2000, T. 1 i 2,
17. Childress R.L., Mathematics for Managerial Decision, Prentice-Hall, Inc. Englewood Cliffs, New
Yersey 1974.
18. Czerwiński Z., Matematyka na usługach ekonomii, PWN, Warszawa 1983.
19. Czyżycki R., Hundert M., Klóska R., Wybrane zagadnienia z badań operacyjnych, wyd. II, Szczecin
2006.
20. Dantzig G.B., The Decomposition Algorithm for Linear Programming, „Econometrica” 1961, nr 29.
21. Doig Alison, A Bibliography on the Theory of Queues, Biometrica, 44,1957.
22. Ekonometria, pod red. M. Krzysztofiaka, PWN, Warszawa 1978.
23. Elementy programowania nieliniowego i dynamicznego, pod red. W. Bukietyńskiego, A E Wroclaw
1974.
24. Filar E., Skrzypek J., Biznes plan, Poltext, Warszawa 1996.
25. Fusek A., Nowak K., Podleski H., Analiza drogi krytycznej (CPM, PERT). Instrukcja programowana,
PWE, Warszawa 1967.
26. Gass Saul I., Programowanie liniowe. Metody i zastosowania, PWN, Warszawa 1963.
4 68
27. Gedymin O., Metody optymalizacji w planowaniu sieciowym, PWN, Warszawa 1974.
28. Goddard L.S., Metody matematyczne w badaniach operacyjnych, PWN, Warszawa 1966.
29. Greń J., Gry statystyczne i ich. zastosowanie, PWE, Warszawa 1972.
30. Greń J., Metody rzutowania gradientu w programowaniu nieliniowym, „Przegląd Statystyczny”, 3/1965,
s. 237-249.
31. Gross, Donald and Carl M. Harris, Fundamentals of Queuing Theory, 2nd ed., Wiley, New York 1985.
32. Hadley G., Nieliniejnoje i dinamiczeskojeprogramirowanije, Moskwa 1967 (przekład z angielskiego).
33. Hellwig Z., Zastosowanie metody taksonomicznej do typologicznego podziału krajów ze względu na po
ziom ich rozwoju oraz zasoby i strukturę wykwalifikowanych kadr, „Przegląd Statystyczny”, 1968, z. 4.
34. Hillier F.S., Lieberman G.J., Introduction to Operation Research, Mc Graw Hill Publ. Comp.
N Y, 1990.
35. Ignasiak E., Programowanie sieciowe, PWE, Warszawa 1972.
36. Ignasiak E., Optymalne struktury projektów, PWE, Warszawa 1977.
37. Ignasiak E., Teoria grafów i planowanie sieciowe, PWE, Warszawa 1982.
38. Jaworski W., Metody sieciowe, PWE, Warszawa 1969.
39. Jędrzejczyk L., Jędrzejczyk Z., Metoda GERT, „Zeszyty Naukowe AE Kraków” 1981, nr 138,
s. 151-164.
40. Judin D.B., Goldstein A.S., Metody programowania liniowego, WNT, Warszawa 1974.
41. Kalichman J.L., Algebra liniowa i programowanie, PWN, Warszawa 1971.
42. Kalichman J.L., Zadania z algebry liniowej i programowania liniowego, PWN, Warszawa 1974.
43. Kantorowicz L., Gorstko A., Optymalne decyzje ekonomiczne, PWE, Warszawa 1974.
44. Kaufman A., Faure R., Badania operacyjne na co dzień, PWN, Warszawa 1973.
45. Kazimierczak J., Teoria gier w cybernetyce, WP, Warszawa 1973.
46. Kendall D.G., Some Problems in the Theory of Queues, „Journal of R. Statist. S o c”, B. 13,1951.
47. Klatka N., Konflikt Igra, Wyd. MON, Warszawa 1971.
48. Konarzewska-Gubala E., Programowanie przy wielorakości celów, PWN, Warszawa 1980.
49. Kopańska-Bródka D., Wprowadzenie do badań operacyjnych, wyd. II, Katowice 1998.
50. Korzan B., Elementy teorii grafów i sieci, WNT, Warszawa 1978.
51. Krawczyk S., Badania operacyjne dla menedżerów, AE, Wroclaw 1997.
52. Kryński H., Badach A., Zastosowanie matematyki do podejmowania decyzji ekonomicznych, PWN,
Warszawa 1976.
53. Kukuia K., Propozycja zastosowania pewnego modelu decyzyjnego gier strategicznych, „Folia Oeco-
nomica Cracoviensia”, 1975, vol. XVII, s. 101-107.
54. Kukuta K., Metoda unitaryzacji zerowanej, Warszawa, Wyd. Naukowe PWN, 2000.
55. Lange O., Optymalne decyzje, PWN, Warszawa 1967.
56. Layard P.R.G., Walters A. A., Microeconomic Theory, Mc Graw Hill Book Company, New York 1978.
57. Lesz M., Badania operacyjne w przemyśle chemicznym, WNT, Warszawa 1971.
58. Luce R.D., Raiffa H., Gry / decyzje, PWN, Warszawa 1964.
59. Lindgren B.W., Elementy teorii decyzji, WNT, Warszawa 1967.
60. Malinvaud E., Lectures on Microeconomic Theory, North Holland Publ. Comp., Amsterdam, London
1972.
61. Markland R.E., Swigard J.R., Quantitative Methods: Applications to Managerial Decision Making, John
Wiley and Sons New York 1987.
62. Mason S.J. Feedback Theory-Some Properties of Signal Flowgraphs, Proc IRE, 1953, Vol 41, N 9.
63. Metody badań operacyjnych w zadaniach. Problemy liniowe, pod. red. D. Kopańskiej-Bródki, Katowice
2006.
Literatura 469
64. Miller D.W., Starr M.K., Praktyka i teoria decyzji, PWN, Warszawa 1971.
65. Moore P.G., Wprowadzenie do badań operacyjnych, WNT, Warszawa 1973.
66. Muller Y., Wprowadzenie do nauki organizacji i badań operacyjnych, PWE, Warszawa 1971.
67. Nasierowski W., Metoda GERT, „Przegląd Organizacji”, 1978, nr 2, s. 70-76.
68. Neuman J., Morgenstern O., Theory of Games and Economic Behavior, University Press, Princeton
1947.
69. Nowak J.J., Wprowadzenie do matematycznego formułowania problemów decyzyjnych, Instytut Badań
Naukowych, WSZiP im. B. Jańskiego, Warszawa 1999.
70. Newell, Gordon F., Applications of Queuing Theory, wyd. II, Chapman and Hall, London, 1982.
71. Optymalizacja planów, pod red. M. Lesza, PWE, Warszawa 1969.
72. Pritsker A.A.B., Happ W.W., GERT, Graphical Evaluation and Review Technique, Part I,
Fundamentals, „Journal of Industrial Engineering” 1966, vol. 17, nr 5.
73. Pritsker A.A.B., Whitehouse G.E. GERT, Graphical Evaluation and Review Technique, Part II,
Probabilistic and Industrial Engineering Applications, „Journal of Industrial Engineering” 1966,
vol. 17, nr 6.
74. Programowanie matematyczne. Zbiór zadań, pod red. S. Krawczyka, PWE, Warszawa 1978.
75. Przybysz T., Elementy ekonomii matematycznej i matematyki finansowej, Zamość 2007.
76. Radzikowski W., Programowanie liniowe i nieliniowe dla ekonomistów, PWE, Warszawa 1971.
77. Sadowski W., Teoria podejmowania decyzji, PWE, Warszawa 1969.
78. Sadowski W., Decyzje i prognozy, PWE, Warszawa 1977.
79. Sage A.P., Economic Systems Analysis, North Holland, New York 1983.
80. Shone R., Microeconomics: A Modern Treatment, Mc Milian Press Ltd, London 1975.
81. Sobczyk M,, Matematyka finansowa. Podstawy teoretyczne, przykłady, zadania. Agencja Wydawnicza
Placed, Warszawa 2003.
82. Strahl D., Walesiak M., Normalizacja zmiennych w skali przedziałowej i ilorazowej w referencyjnym
systemie granicznym, „Przegląd statystyczny”, 1997, z. 1.
83. Trzaskalik T., Badania operacyjne z komputerem, Seria: Metody badań operacyjnych, Absolwent, Łódź,
1997 r. - Wprowadzenie do badań operacyjnych z komputerem, wyd. II zmienione, PWE Warszawa
2008.
84. Trzaskalik T., Modelowanie optymalizacyjne, Seria: Metody badań operacyjnych, Absolwent, Łódź 1997.
85. Tyszka T., Konflikty i strategie. Niektóre zastosowania teorii gier, WNT, Warszawa 1978.
86. Wagner H.M., Badania operacyjne, PWE, Warszawa 1980.
87. Wayne L. Winston, Operations Research. Application and Algorithms, PWS-Kent Publishing Company,
Boston.
88. White D. J., Dynamie Programming, Oliver and Boyd, 1969.
89. Whitehouse G.E., Systems Analysis and Design Using Network Techniques, Prentice-Hall, Inc,
Englewood Cliffs, New Jersey 1973.
90. Wojeński J., Urich R., Badania operacyjne w praktyce menedżera, Oficyna wydawnicza Warszawskiej
Szkoły Zarządzania, Szkoły Wyższej, Warszawa 2004.
91. Wołgin L.N., Optymalizacja, WNT, Warszawa 1970.
92. Wybrane metody badań operacyjnych w zarządzaniu. Problemy i zadania, pod red. D. Kopańskiej-
-Bródki, Katowice 2006.
93. Veen B. van der, Wstęp do teorii badań operacyjnych, PWN, Warszawa 1970.
94. Z praktyki badań operacyjnych, praca zbiorowa pod red. B.T. Houldena, PWE, Warszawa 1964.

Jedrzejczyk Bop 2016 Single Page

Uploaded by

Copyright:

Available Formats

Jedrzejczyk Bop 2016 Single Page

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Jedrzejczyk Bop 2016 Single Page

Uploaded by

Copyright:

Available Formats

Zbigniew Jędrzejczyk ® Karol Kukuła

Jerzy Skrzypek ® Anna Walkosz

Dyrektor Pionu Produktów i Usług

Menedżer ds. Wydawniczych

Koordynator ds. redakcji

Copyright © by Wydawnictwo Naukowe Sp. z o.o.

Copyright © by Wydawnictwo Naukowe PWN SA

Wydawnictwo Naukowe PWN SA

Druk i oprawa: OSDW Azymut Sp. z o.o.

Stowo wstępne do wydania siódmego ....................................................................................................... 9

Słowo wstępne do wydania sz ó ste g o .......................................................................................................... 11

Stowo wstępne do wydania czw artego....................................................................................................... 13

Stowo wstępne do wydania trzeciego.......................................................................................................... 15

Stowo wstępne do wydania drugiego.......................................................................................................... 17

1. Wybrane zagadnienia programowania linowego.................................................................................... 21

2. Problemy transportowe i przydziału....................................................................................................... 120

2.2. Problemy przydziału.................................................................................................................. 156

4. Zagadnienie k o le je k ............................................................................................................................. 208

5. Programowanie sieciowe....................................................................................................................... 221

6. Nieliniowe zagadnienia optymalizacyjne............................................................................................. 257

7. Elementy programowania dynamicznego............................................................................................. 275

8. Wybrane modele za p asów .................................................................................................................... 284

9. Zastosowanie badań operacyjnych w konstrukcji biznesplanu.......................................................... 296

10. Podejmowanie decyzji na rynku kapitałowym................................................................................... 325

10.4. Problem nominalnej i efektywnej rocznej stopy procentow ej.......................................... 341

11. Budowa rankingu obiektów w świetle ocenwielokryterialnych ......................................................... 369

12. Zadania różne................................................................................................................................................ 391

Przekazując do rąk Czytelników już siódme wydanie Badań operacyjnych w przy­

Kraków, czerwiec 2015 r. Karol Kukuła

Oddajemy do rąk Czytelników kolejne, szóste wydanie Badań operacyjnych w przykła­

Kraków, marzec 2010 r. Karol Kukula

której otrzymujemy wartości zmiennych syntetycznych (agregatowych) charakteryzują­

Kraków, 20 maja 2001 r. Karol Kukuła

Badania operacyjne to dyscyplina, której zadaniem jest wspomaganie procesu podej­

Oprócz nowych rozdziałów, wprowadzono pewne rozszerzenia w podrozdziałach

Kraków, 16 czerwca 1998 r. Karol Kukuła

Kraków, 20 grudnia 1995 r. Karol Kukała

Na zakończenie warto podkreślić, że nowe warunki, w jakich wypada pracować ka­

Kraków, 15 października 1991 r. Karol Kukuła

an xl + a12x2 +... + au xn < b 1

Jtj, x 2, x n >0 warunki brzegowe

Cix 1 + C2X2 + —+ cnx n ~ * m <*x funkcja celu (kryterium)

W programie tym występują:

Metody rozwiązywania programów liniowych (wyznaczenia optymalnych warto­

1.1. Optymalizacja struktury produkcji

a11x 1+ a12x2 + ... + alnxn < b 1,

arlx l + ar2x2 + ...+ a rnxn < b r,

gdzie pierwsze r warunków dotyczy ograniczonych zasobów środków produkcji, po­

Przykład 1. Przedsiębiorstwo produkuje dwa wyroby Wx i W2. W procesie pro­

Środki Jednostkowe nakłady

Wiadomo także, że zdolności produkcyjne jednego z wydziałów stanowiącego

( 1) 16x1 + 24x2 < 96 000,

(2) \6 x l + 10x2 < 80 000.

Należy także uwzględnić informację pochodzącą z komórki analizy rynku, która

Mając na uwadze ograniczone zdolności jednego z wydziałów produkcyjnych,

(4) 0 < x, < 3000,

(5) 0 < x 2 < 4000.

Uwzględniając cel, jaki sobie postawiło przedsiębiorstwo (uzyskanie maksymal­

Zatem model sytuacji decyzyjnej jest następujący:

(1) 16XJ + 24X2 < 9 6 000,

Przekazując do rąk Czytelników już siódme wydanie Badań operacyjnych w przy

Oddajemy do rąk Czytelników kolejne, szóste wydanie Badań operacyjnych w przykła

której otrzymujemy wartości zmiennych syntetycznych (agregatowych) charakteryzują

Badania operacyjne to dyscyplina, której zadaniem jest wspomaganie procesu podej

Na zakończenie warto podkreślić, że nowe warunki, w jakich wypada pracować ka

Metody rozwiązywania programów liniowych (wyznaczenia optymalnych warto

gdzie pierwsze r warunków dotyczy ograniczonych zasobów środków produkcji, po

Przykład 1. Przedsiębiorstwo produkuje dwa wyroby Wx i W2. W procesie pro

Uwzględniając cel, jaki sobie postawiło przedsiębiorstwo (uzyskanie maksymal

Należy także uwzględnić, że zdolność produkcyjna jednego z agregatów nie po

Kryterium optymalności tego zadania stanowi wielkość łącznego zysku osiągnię

(5) F (* 1, x2) = $xi + 52 ■" max-

(1 ) xx+ 2 x2 + 1, 53 + 64 ^ 90 000,

(2) 2j + 22 "i- 1)63 + 44 £=120 000,

(3) j > 0, 2 > O, 3 > 0, 4 > 0,

(4) i^ !, 2, * 3 , * 4) = 4J + 62 + 33 + 124 max-

Ze względu na liczbę zmiennych decyzyjnych - nie jest możliwe rozwiązanie mo

W ten sposób sprawdziliśmy empirycznie twierdzenie 4 o dualności12. Należy jed

Ponadto wiadomo, że zdolność produkcyjna jednej z maszyn będącej wąskim gar

9. Przedsiębiorstwo wytwarza trzy wyroby A, B, C. Spośród wielu surowców zużywa

1. Zaplanuj optymalną wielkość produkcji wyrobów Wx i W 2 gwarantują

13. Przedsiębiorstwo produkuje cztery wyroby: A, B, C, D. Spośród wielu surowców zu