‫ازاﻳﺘﺎﻟﻴﺎ ﺗﺎ ﻫﻴﻤﺎﻟﻴﺎ‬

‫ﻣﺎﻛﻴﺎوﻟﻲ و آﻳﻴﻦ ﺷﻬﺮﻳﺎري‬ ‫ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ‬

‫! ‪divide and conquer‬‬ ‫„‬

‫ﭘﻴﺘﺰا ﺧﻮري‬ ‫‪Dynamic Programming‬‬

‫‪make‬‬
‫‪k it bite‬‬
‫‪bit size‬‬
‫! ‪i‬‬ ‫„‬

‫ﻛﻨﻔﻮﺳﻴﺴﻮس‬
‫ﻳﻚ ﺳﻔﺮ ﻫﺰار ﻓﺮﺳﻨﮕﻲ‪ ،‬ﺑﺎ ﮔﺎم ﻧﺨﺴﺖ آﻏﺎز ﻣﻲﮔﺮدد!‬ ‫„‬

‫اﻣﺎ‪ ،‬ﭼﺮا ؟؟‬

‫‪2‬‬

‫ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ ﭼﻴﺴﺖ؟‬ ‫ﺑﺎز ﻫﻢ ﺷﺒﻜﻪ !!؟‬

‫رﻳﭽﺎرد ﺑﻠﻤﻦ ‪1957‬‬ ‫ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ﺷﺒﻜﻪ در ﻫﺮ ﻣﺮﺣﻠﻪ ﺑﺮاي ﻳﺎﻓﺘﻦ ﻛﻮﺗﺎﻫﺘﺮﻳﻦ ﻣﺴﻴﺮ‬
‫روﻳﻜﺮدي ﭼﻨﺪ ﻣﺮﺣﻠﻪاي ﺑﺮاي ﺣﻞ ﻣﺴﺌﻠﻪ‬ ‫ﺑﺮ روي ﺷﺒﻜﻪ‬
‫ﺑﻜﺎرﮔﻴﺮي دﻳﮕﺮ ﺗﻜﻨﻴﻜﻬﺎ در ﻓﺮاﻳﻨﺪ ﺣﻞ‬ ‫„‬

‫ﻣﺴﺌﻠﻪﻫﺎﻳﻲ ﺑﺎ ﺗﺼﻤﻴﻢﮔﻴﺮﻳﻬﺎي ﭘﻲ در ﭘﻲ و ﭼﻨﺪﻳﻦ ﻣﺮﺣﻠﻪ‬ ‫ﻳﺎﻓﺘﻦ ﻛﻮﺗﺎﻫﺘﺮﻳﻦ ﻣﺴﻴﺮ از ﺑﻴﻦ ﭼﻨﺪﻳﻦ ﻣﺴﻴﺮ از ﮔﺮه ﻛﻨﻮﻧﻲ ﺑﻪ ﻳﻚ ﮔﺮه‬ ‫„‬

‫ﺣﻠﻪاي‬
‫اي‬ ‫ﺌﻠﻪﻫﺎي ﺗﻚ ﻣﺮﺣﻠﻪ‬
‫ﻋﻪاي از ﻣﺴﺌﻠﻪﻫﺎي‬
‫ﻣﺠﻤﻮﻋﻪاي‬
‫ﺣﻠﻪ ﺑﻪﻪ ﺠ‬
‫ﻦ ﻣﺮﺣﻠﻪ‬
‫ﭼﻨﺪﻳﻦ‬
‫ﺌﻠﻪاي ﺑﺎﺎ ﭼﻨﺪ‬
‫ﻞ ﻣﺴﺌﻠﻪاي‬
‫ﺗﺒﺪﻳﻞ‬
‫ﺗﺪ‬ ‫ﮔﺮه‬
‫ﺮﻳﻦ ﺮ‬
‫دﺳﺘﻴﺎﺑﻲ ﺑﺑﻪ آﺧﺮﻳﻦ‬
‫دﻳﮕﺮ ﺗﺎ ﻴ ﺑﻲ‬
‫ﻳ ﺮ‬
‫ﻫﺮ ﻣﺮﺣﻠﻪ ﺷﺎﻣﻞ ﻳﻚ ﻳﺎ ﺷﻤﺎر ﻛﻤﻲ ﻣﺘﻐﻴﻴﺮ ﺗﺼﻤﻴﻢ‬ ‫„‬ ‫ﻓﺮاﻳﻨﺪ ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ﺷﺒﻜﻪ در ﻣﺮﺣﻠﻪﻫﺎي ﭘﻲ در ﭘﻲ‬
‫آﻏﺎز ﺣﻞ ﺑﺎ ﻳﻚ ﻣﺮﺣﻠﻪ‬
‫ﺑﺮرﺳﻲ راه ﻛﺎرﻫﺎي ﻣﺨﺘﻠﻒ‬ ‫„‬
‫ﻧﻪ اﻳﻨﻜﻪ ﻫﻤﻪ ﺑﺎ ﻫﻢ‬ ‫„‬

‫ﺗﻮﺟﻪ ﺑﻪ اﺛﺮﻫﺎي ﺗﺠﻤﻌﻲ ﺗﺼﻤﻴﻤﻬﺎي ﺑﻬﻴﻨﻪ ﻣﺮاﺣﻞ ﻣﺨﺘﻠﻒ‬ ‫„‬

‫ﻳﺎﻓﺘﻦ ﭘﺎﺳﺦ ﺑﻬﻴﻨﻪ ﺑﺮ اﺳﺎس ﺗﻤﺎﻣﻲ ﻣﺮاﺣﻞ‬

‫‪4‬‬ ‫‪3‬‬

‫ﻣﺴﺌﻠﻪ ﻛﻮﺗﺎﻫﺘﺮﻳﻦ ﻣﺴﻴﺮ )‪(SPP‬‬ ‫ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ ﭼﻴﺴﺖ؟‬

‫ﺑﺴﻴﺎر ﻧﺎمآور در ﺷﺒﻜﻪ‬ ‫ﻣﺎﻧﻨﺪ ﺗﻜﻨﻴﻚﻫﺎي ﺑﻬﻴﻨﻪ ﺳﺎزي‬
‫ﻫﺪف‪ ،‬ﻳﺎﻓﺘﻦ ﻛﻮﺗﺎﻫﺘﺮﻳﻦ ﻣﺴﻴﺮ ﺑﻴﻦ ﮔﺮه آﻏﺎزﻳﻦ و ﮔﺮه ﭘﺎﻳﺎﻧﻲ‬ ‫ﻧﻴﺎزﻣﻨﺪ ﻧﻤﺎﻳﺶ ﻣﺪل رﻳﺎﺿﻲ‬ ‫„‬

‫ﻣﺮﺣﻠﻪ ‪1‬‬ ‫ﻣﺮﺣﻠﻪ ‪2‬‬ ‫ﻣﺮﺣﻠﻪ ‪3‬‬ ‫ﻣﺮﺣﻠﻪ ‪4‬‬

‫ﺗﻌﺮﻳﻒ ﺷﻔﺎف از ﻣﺘﻐﻴﻴﺮﻫﺎي ﺗﺼﻤﻴﻢ‪ ،‬ﻣﺤﺪودﻳﺘﻬﺎ‪ ،‬ﭘﺎراﻣﺘﺮﻫﺎ‬ ‫„‬

‫اﺳﺘﺎﻧﺪارد‬
‫ر‬ ‫ﻳﻜﺴﺎن و‬
‫اﻟﮕﻮرﻳﺘﻢ ﻳ ن‬
‫ﻧﺒﻮد ﻳﻳﻚ ﻮرﻳ ﻢ‬
‫اﻣﺎ‪ ،‬ﺒﻮ‬
‫‪2‬‬ ‫‪2‬‬
‫‪6‬‬ ‫‪8‬‬
‫‪2‬‬ ‫اراﺋﻪ روﺷﻲ ﻛﻠﻲ ﺑﺮاي ﺣﻞ ﻣﺴﺌﻠﻪ‬ ‫„‬
‫‪7‬‬ ‫‪3‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪5‬‬
‫‪5‬‬ ‫‪3‬‬ ‫ﻫﺮ ﻣﺴﺌﻠﻪ ﻧﻴﺎزﻣﻨﺪ ﻓﺮﻣﻮﻟﻪ ﻛﺮدن وﻳﮋه ﺧﻮد‬ ‫„‬
‫‪1‬‬
‫‪1‬‬ ‫‪6‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪6‬‬ ‫‪11‬‬ ‫ﻧﻴﺎزي ﺑﻪ ﺧﻄﻲ ﺑﻮدن رواﺑﻂ ﺑﻴﻦ ﻣﺘﻐﻴﻴﺮﻫﺎ ﻧﻴﺴﺖ‬ ‫„‬
‫‪4‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪4‬‬
‫‪2‬‬ ‫‪7‬‬ ‫‪5‬‬ ‫‪7‬‬ ‫ﺗﻮاﻧﻤﻨﺪ در ﺣﻞ ﻣﺴﺌﻠﻪﻫﺎي ﺧﻄﻲ‪ ،‬ﻏﻴﺮﺧﻄﻲ‪ ،‬اﺣﺘﻤﺎﻟﻲ‪ ،‬ﻏﻴﺮاﺣﺘﻤﺎﻟﻲ‪،‬‬ ‫„‬
‫‪3‬‬ ‫‪7‬‬
‫‪5‬‬ ‫‪10‬‬ ‫ﻣﺘﻐﻴﻴﺮﻫﺎي ﭘﻴﻮﺳﺘﻪ‪ ،‬ﻣﺘﻐﻴﻴﺮﻫﺎي ﻋﺪد ﺻﺤﻴﺢ‬

‫‪6‬‬ ‫‪5‬‬

‫‪١‬‬
 ‫ﻣﺴﺌﻠﻪ ﻛﻮﺗﺎﻫﺘﺮﻳﻦ ﻣﺴﻴﺮ )‪(SPP‬‬ ‫ﻣﺴﺌﻠﻪ ﻛﻮﺗﺎﻫﺘﺮﻳﻦ ﻣﺴﻴﺮ )‪(SPP‬‬
‫در ﻣﺮﺣﻠﻪ ‪ :4‬ﺳﻪ وﺿﻌﻴﺖ ﻳﺎ ﺣﺎﻟﺖ )‪(state‬‬ ‫ﺗﻘﺴﻴﻢ ﻃﻮل ﺳﻔﺮ ﺑﻪ ﭼﻬﺎر ﻣﺮﺣﻠﻪ )‪(stage‬‬
‫ﺑﻬﺘﺮﻳﻦ ﺗﺼﻤﻴﻢ ﻣﺮﺣﻠﻪ ‪4‬‬ ‫ﻣﺮﺣﻠﻪ ‪ :1‬ﺳﻔﺮ از ﺷﻬﺮ ‪ ،1‬ﺑﻪ ﻳﻜﻲ از ﺷﻬﺮﻫﺎي ‪ ،4 ،3 ،2‬ﻳﺎ ‪5‬‬ ‫„‬
‫اﮔﺮ در وﺿﻌﻴﺖ ‪ 8‬ﺑﺎﺷﺪ‪ ،‬رﻓﺘﻦ ﺑﻪ ‪11‬‬ ‫„‬ ‫ﻣﺮﺣﻠﻪ ‪ :2‬اداﻣﻪ ﺳﻔﺮ از ﻣﻘﺼﺪ ﭘﻴﺸﻴﻦ ﺑﻪ ﻳﻜﻲ از ﺷﻬﺮﻫﺎي ‪ 6‬ﻳﺎ ‪7‬‬ ‫„‬
‫اﮔﺮ در وﺿﻌﻴﺖ ‪ 9‬ﺑﺎﺷﺪ‪ ،‬رﻓﺘﻦ ﺑﻪ ‪11‬‬ ‫„‬
‫‪10‬‬
‫ﺷﻬﺮﻫﺎي ‪ ،9 ،8‬ﺎﻳﺎ ‪1‬‬
‫ﻳﻜﻲ از ﺷ ﺎ‬‫ﭘﻴﺸﻴﻦ ﺑﻪ ﻜ‬
‫ﻣﻘﺼﺪ ﺸ‬ ‫اداﻣﻪ از ﻘ‬
‫ﻣﺮﺣﻠﻪ ‪ :3‬ا ا‬
‫ﻠ‬ ‫„‬
‫اﮔﺮ در وﺿﻌﻴﺖ ‪ 10‬ﺑﺎﺷﺪ‪ ،‬رﻓﺘﻦ ﺑﻪ ‪11‬‬ ‫„‬
‫ﻣﺮﺣﻠﻪ ‪ :4‬رﺳﻴﺪن ﺑﻪ ﻣﻘﺼﺪ ﻧﻬﺎﻳﻲ )ﺷﻬﺮ ‪(11‬‬ ‫„‬
‫‪8‬‬ ‫ﺳﻪ اﺻﻄﻼح ﻣﻬﻢ‬
‫‪5‬‬ ‫ﻫﺮ ﻣﺮﺣﻠﻪ ﻳﻚ ﻣﺴﺌﻠﻪ ﻓﺮﻋﻲ‬
‫‪2‬‬ ‫‪2‬‬ ‫‪6‬‬
‫‪8‬‬ ‫ﻣﺮﺣﻠﻪ ‪ :‬ﻧﻤﺎد ‪n‬‬ ‫„‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪6‬‬
‫‪8‬‬
‫‪7‬‬
‫‪5‬‬
‫‪3‬‬
‫‪2 3 6‬‬
‫‪7‬‬ ‫‪5‬‬
‫‪611‬‬ ‫ﺣﺎﻟﺖ ‪ :‬ﻧﻤﺎد ‪S‬‬ ‫„‬
‫‪7‬‬
‫‪5‬‬
‫‪3‬‬
‫‪2 3 6‬‬
‫‪7‬‬ ‫‪5‬‬ ‫ﺣﻞ ﭘﺴﺮو )‪(backward‬‬
‫‪1‬‬
‫‪6 4‬‬
‫‪1‬‬
‫‪8‬‬
‫‪9‬‬‫‪9 6‬‬ ‫‪11‬‬ ‫‪1‬‬
‫‪6 4‬‬
‫‪1‬‬
‫‪8‬‬
‫‪9 6‬‬ ‫‪11‬‬
‫‪4‬‬
‫‪2‬‬
‫‪5 3‬‬
‫‪4‬‬ ‫‪7 4‬‬
‫‪7‬‬
‫‪5 7‬‬
‫‪10‬‬ ‫ﻣﺘﻐﻴﻴﺮ ﺗﺼﻤﻴﻢ ‪ :‬ﻧﻤﺎد ‪xn‬‬ ‫„‬
‫‪4‬‬
‫‪2‬‬
‫‪5 3‬‬
‫‪4‬‬ ‫‪7 4‬‬
‫‪7‬‬
‫‪5 7‬‬
‫‪10‬‬
‫ﺗﺼﻤﻴﻢ ﮔﻴﺮﻧﺪه ﺧﻮد را در آﺧﺮﻳﻦ ﻣﺮﺣﻠﻪ ﻓﺮض ﻣﻲﻛﻨﺪ‬ ‫„‬
‫‪7‬‬
‫‪10‬‬ ‫در ﻳﻜﻲ از ﺷﻬﺮﻫﺎي ‪ ،9 ،8‬ﻳﺎ ‪10‬‬ ‫„‬
‫‪8‬‬ ‫‪7‬‬

‫ﻣﺴﺌﻠﻪ ﻛﻮﺗﺎﻫﺘﺮﻳﻦ ﻣﺴﻴﺮ )‪(SPP‬‬ ‫ﻣﺴﺌﻠﻪ ﻛﻮﺗﺎﻫﺘﺮﻳﻦ ﻣﺴﻴﺮ )‪(SPP‬‬

‫‪4‬‬
‫) ‪Min Z = ∑C ( S , X n‬‬ ‫ﺗﺎﺑﻊ ﻫﺪف ﻣﺴﺌﻠﻪ‬ ‫‪ :xn‬ﻣﻘﺼﺪ در ﻣﺮﺣﻠﻪ ‪n‬‬
‫‪n =1‬‬ ‫ﭘﺲ اﮔﺮ ﺗﺼﻤﻴﻢ ﮔﻴﺮﻧﺪه در ﻣﺮﺣﻠﻪ ‪ 4‬در ﺷﻬﺮ ‪ 8‬ﺑﺎﺷﺪ دارﻳﻢ‪:‬‬
‫)‪ : C(S,xn‬ﻣﺴﺎﻓﺘﻲ )ﻫﺰﻳﻨﻪاي( ﻛﻪ ﺗﺼﻤﻴﻢ ﮔﻴﺮﻧﺪه در ﺻﻮرت ﺑﻮدن در‬ ‫‪n = 4, S = 8, x4 = 11‬‬
‫ﮔﺮه ‪ S‬ﺑﺎﻳﺪ ﺑﺮاي رﺳﻴﺪن ﺑﻪ ﮔﺮه ‪ xn‬ﺑﭙﻴﻤﺎﻳﺪ‬ ‫ﺳﻪ ﺣﺎﻟﺖ در ﻣﺮﺣﻠﻪ ‪4‬‬
‫در واﻗﻊ ﻫﺰﻳﻨﻪ ﮔﺰﻳﻨﺶ ﮔﺰﻳﻨﻪ ﺗﺼﻤﻴﻢ ‪ ،xn‬در ﻣﺮﺣﻠﻪ ‪ ،n‬در ﺻﻮرت ﺑﻮدن‬ ‫‪S = 8, S = 9, S = 11‬‬
‫در وﺿﻌﻴﺖ ‪ S‬اﺳﺖ‪.‬‬ ‫ﺣﺎﻟﺖ )وﺿﻌﻴﺖ(‬
‫ﮔﺮهﻫﺎﻳﻲ ﻛﻪ ﺗﺼﻤﻴﻢ ﮔﻴﺮﻧﺪه در ﻫﺮ ﻣﺮﺣﻠﻪ ﻣﻲﺗﻮاﻧﺪ )ﻳﺎ اﺣﺘﻤﺎل دارد( در‬ ‫„‬

‫آن ﻗﺮار ﮔﻴﺮد‬

‫‪10‬‬ ‫‪9‬‬

‫ﻣﺴﺌﻠﻪ ﻛﻮﺗﺎﻫﺘﺮﻳﻦ ﻣﺴﻴﺮ )‪(SPP‬‬ ‫ﻣﺴﺌﻠﻪ ﻛﻮﺗﺎﻫﺘﺮﻳﻦ ﻣﺴﻴﺮ )‪(SPP‬‬

‫ﺑﻬﺘﺮﻳﻦ ﻛﻮﺗﺎﻫﺘﺮﻳﻦ ﻣﺘﻐﻴﻴﺮ‬
‫ﺟﺪول ﻣﺤﺎﺳﺒﻪﻫﺎي ﻣﺮﺣﻠﻪ ‪3‬‬ ‫ﺗﺼﻤﻴﻢ ﻣﺴﺎﻓﺖ ﺗﺼﻤﻴﻢ ‪n=4‬‬ ‫ﺟﺪول ﻣﺤﺎﺳﺒﻪﻫﺎي ﻣﺮﺣﻠﻪ ‪4‬‬
‫ﺗﺮﻛﻴﺒﻲ از دو ﻣﺮﺣﻠﻪ ‪ 3‬و ﻣﺮﺣﻠﻪ ‪4‬‬ ‫‪x‬‬ ‫*‬
‫‪S 4 11 f4 (S) X 4‬‬
‫„‬ ‫*‬

‫ﺳﻔﺮ از اﻳﻦ ﻣﺮﺣﻠﻪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺣﺎﻟﺘﻬﺎي ﻣﺨﺘﻠﻒ اﻳﻦ ﻣﺮﺣﻠﻪ و ﺗﺼﻤﻴﻤﻬﺎي ﺑﻬﻴﻨﻪ‬ ‫„‬ ‫‪8‬‬ ‫‪5‬‬ ‫‪5‬‬ ‫‪11‬‬ ‫ﺑﻬﺘﺮﻳﻦ ﺗﺼﻤﻴﻢ ﺑﺮاي ﺣﺎﻟﺖ ﻛﻨﻮﻧﻲ‬
‫ﻣﺮﺣﻠﻪ ‪4‬‬ ‫‪9‬‬ ‫‪6‬‬ ‫‪6‬‬ ‫‪11‬‬
‫ﻣﺠﻤﻮع ﻣﺴﺎﻓﺖ از ﻫﺮ ﺣﺎﻟﺖ ﻣﺮﺣﻠﻪ ‪ 3‬ﺗﺎ ﻣﻘﺼﺪ ﻧﻬﺎﻳﻲ ﺑﺮاﺑﺮ ﺑﺎ ﻣﺴﺎﻓﺖ ﻃﻲ ﺷﺪه‬ ‫„‬ ‫‪10‬‬ ‫‪7‬‬ ‫‪7‬‬ ‫‪11‬‬
‫در اﻳﻦ ﻣﺮﺣﻠﻪ ﺑﻪ اﺿﺎﻓﻪ ﺣﺪاﻗﻞ ﻣﺴﺎﻓﺖ ﻣﺮﺣﻠﻪ ‪) 4‬ﺳﺘﻮن )‪(f4*(S‬‬ ‫ﻛﻮﺗﺎﻫﺘﺮﻳﻦ ﻣﺴﺎﻓﺖ از ﺣﺎﻟﺖ ﻛﻨﻮﻧﻲ ﺑﻪ ﻣﻘﺼﺪ ﻧﻬﺎﻳﻲ‬
‫ﻣﺜﻼَ اﮔﺮ ‪ ،S=6 ،n=3‬و ‪ x3=9‬ﺑﺎﺷﺪ دارﻳﻢ‬ ‫„‬ ‫‪2‬‬
‫‪2‬‬ ‫‪8‬‬
‫‪7‬‬ ‫‪3‬‬
‫‪2 3 6‬‬
‫‪6‬‬
‫‪7‬‬ ‫‪5‬‬ ‫ﻣﺴﺎﻓﺘﻲ ﻛﻪ ﺑﺎﻳﺪ از ﺣﺎﻟﺖ ﺑﻪ ﻣﻘﺼﺪ ﻧﻬﺎﻳﻲ ﭘﻴﻤﻮده ﺷﻮد‬
‫ﻣﺴﺎﻓﺖ ﻣﺮﺣﻠﻪ ﺑﻌﺪ ‪ +‬ﻣﺴﺎﻓﺖ اﻳﻦ ﻣﺮﺣﻠﻪ = ﻣﺴﺎﻓﺖ ﺗﺎ ﻣﻘﺼﺪ ﻧﻬﺎﻳﻲ‬ ‫‪1 5‬‬
‫‪6 4‬‬
‫‪1‬‬
‫‪8‬‬
‫‪9 6‬‬ ‫‪11‬‬
‫‪4‬‬
‫‪4‬‬
‫‪2‬‬
‫‪5 3‬‬
‫‪7 4‬‬
‫‪7‬‬
‫‪5 7‬‬
‫‪10‬‬
‫ﺣﺎﻟﺘﻬﺎي ﻣﻤﻜﻦ ﻣﺮﺣﻠﻪ ﻛﻨﻮﻧﻲ‬

‫‪12‬‬ ‫‪11‬‬

‫‪٢‬‬
 ‫ﻣﺴﺌﻠﻪ ﻛﻮﺗﺎﻫﺘﺮﻳﻦ ﻣﺴﻴﺮ )‪(SPP‬‬ ‫ﻣﺴﺌﻠﻪ ﻛﻮﺗﺎﻫﺘﺮﻳﻦ ﻣﺴﻴﺮ )‪(SPP‬‬
‫‪x3‬‬ ‫ﻣﺠﻤﻮع ﻣﺴﺎﻓﺖ از‬ ‫ﻣﺴﺎﻓﺖ از‬ ‫ﺣﺪاﻗﻞ ﻣﺴﺎﻓﺖ‬
‫‪S‬‬ ‫)‪f3*(S‬‬ ‫‪X*3‬‬ ‫‪ S=6‬ﺗﺎ = ‪ S=6‬در ‪ n=3‬ﺑﻪ‬ ‫‪+‬‬ ‫از ‪ x3=9‬ﺗﺎ‬
‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬
‫ﻣﻘﺼﺪ ﻧﻬﺎﻳﻲ‬ ‫‪x3=9‬‬ ‫ﻣﻘﺼﺪ ﻧﻬﺎﻳﻲ‬
‫‪6‬‬ ‫‪5+6=11‬‬ ‫‪7+6=13‬‬ ‫‪5+7=12‬‬ ‫‪11‬‬ ‫‪8‬‬
‫‪7‬‬ ‫‪8+5=13‬‬ ‫‪4+6=10‬‬ ‫‪7+7=14‬‬ ‫‪10‬‬ ‫‪9‬‬
‫ﺗﺎﺑﻊ ﺑﺎزده‬ ‫ﺑﻪ ﻃﻮر ﻛﻠﻲ‬
‫)‪(return function‬‬
‫‪n=3‬‬
‫‪f3(S=6,x3=8)=6+5=11‬‬ ‫) ‪f n (S , x n ) = C (S , X n ) + f n*+1 (x n‬‬
‫‪f3(S=6,x3=9)=7+6=13‬‬
‫‪f3(S=6,x3=10)=5+7=12‬‬
‫‪f3(S=7,x3=8)=8+5=13‬‬ ‫ﻣﺠﻤﻮع ﻛﻞ‬ ‫ﺣﺪاﻗﻞ ﻣﺴﺎﻓﺖ از‬
‫ﻣﺴﺎﻓﺖ از ‪ S‬ﺗﺎ‬ ‫‪) xn‬در ﻣﺮﺣﻠﻪ‬
‫‪f3(S=7,x3=9)=4+6=10‬‬ ‫ﻣﺴﺎﻓﺖ از ‪S‬‬ ‫‪ xn‬ﻣﺮﺣﻠﻪ ﺑﻌﺪ‬
‫ﻛﻨﻮﻧﻲ ﻣﺮﺣﻠﻪ ‪n‬‬ ‫ﺑﻌﺪ( ﺗﺎ ﻣﻘﺼﺪ‬
‫‪f3(S=7,x3=10)=7+7=14‬‬ ‫ﺗﺎ ﻣﻘﺼﺪ ﻧﻬﺎﻳﻲ‬ ‫ﻧﻬﺎﻳﻲ‬
‫‪14‬‬ ‫‪13‬‬

‫ﻣﺴﺌﻠﻪ ﻛﻮﺗﺎﻫﺘﺮﻳﻦ ﻣﺴﻴﺮ )‪(SPP‬‬ ‫ﻣﺴﺌﻠﻪ ﻛﻮﺗﺎﻫﺘﺮﻳﻦ ﻣﺴﻴﺮ )‪(SPP‬‬

‫‪n=2‬‬
‫ﭘﺎﺳﺦ ﺑﻬﻴﻨﻪ‬ ‫‪x2‬‬ ‫ﻣﺮﺣﻠﻪ ‪2‬‬
‫‪S‬‬ ‫‪f2*(S) X*2‬‬
‫‪6‬‬ ‫‪7‬‬
‫ﺣﺮﻛﺖ از آﻏﺎز ﺑﻪ ﺳﻮي ﭘﺎﻳﺎن و ﺟﺴﺘﺠﻮي ﭘﻲ در ﭘﻲ در ﺳﺘﻮن ‪x*n‬‬ ‫„‬
‫‪2‬‬ ‫‪2+11=13 2+10=12‬‬ ‫‪12‬‬ ‫‪7‬‬
‫‪۱ Æ ۳ Æ ۷ Æ ۹ Æ ۱۱‬‬ ‫‪۲‬‬ ‫‪۲‬‬ ‫‪۶‬‬ ‫‪۸‬‬
‫‪۷‬‬
‫‪۲ ۳ ۶‬‬
‫‪۷‬‬ ‫‪۵‬‬ ‫‪3‬‬ ‫‪3+11=14 2+10=12‬‬ ‫‪12‬‬ ‫‪7‬‬
‫‪۳‬‬
‫‪۱ Æ ۵ Æ ۷ Æ ۹ Æ ۱۱‬‬ ‫‪۱‬‬
‫‪۵‬‬
‫‪۶‬‬
‫‪۱‬‬
‫‪۸‬‬ ‫‪۹‬‬ ‫‪۶‬‬ ‫‪۱۱‬‬ ‫‪4‬‬ ‫‪1+11=12 4+10=14‬‬ ‫‪12‬‬ ‫‪6‬‬ ‫ﻣﺮﺣﻠﻪ ‪1‬‬
‫‪۴‬‬ ‫‪۴‬‬ ‫‪۴‬‬ ‫‪۴ ۵‬‬ ‫‪5‬‬ ‫‪2+11=13 3+10=13‬‬ ‫‪13‬‬ ‫‪ 6‬ﻳﺎ ‪7‬‬
‫‪۱ Æ ۵ Æ ۶ Æ ۸ Æ ۱۱‬‬ ‫‪۵‬‬
‫‪۲ ۳‬‬ ‫‪۷‬‬
‫‪۷ ۱۰‬‬
‫‪۷‬‬

‫‪n=1‬‬
‫ﻛﻮﺗﺎﻫﺘﺮﻳﻦ ﻣﺴﻴﺮ از آﻏﺎز ﺗﺎ ﭘﺎﻳﺎن‬ ‫„‬ ‫‪x1‬‬
‫‪S‬‬ ‫‪f1*(S) X*1‬‬
‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬
‫‪f1*(S) = 17‬‬ ‫„‬
‫‪1‬‬ ‫‪7+12=19 5+12=17 6+12=18 4+13=17‬‬ ‫‪17‬‬ ‫‪ 3‬ﻳﺎ ‪5‬‬

‫‪16‬‬ ‫‪15‬‬

‫وﻳﮋﮔﻴﻬﺎي ﺑﻨﻴﺎدﻳﻦ ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ‬ ‫وﻳﮋﮔﻴﻬﺎي ﺑﻨﻴﺎدﻳﻦ ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ‬

‫‪ .3‬اﻣﻜﺎن اﻧﺠﺎم ﻣﺠﻤﻮﻋﻪاي از اﻗﺪاﻣﺎت در ﻫﺮ ﺣﺎﻟﺖ‬ ‫‪ .1‬روﺷﻲ ﺑﺮاي ﺑﻬﻴﻨﻪ ﺳﺎزي‪ ،‬اﻣﺎ ﻛﺎﻣﻼً ﻣﺘﻔﺎوت‬
‫اﻧﺘﺨﺎب اﻗﺪاﻣﺎت ﺑﻪ ﻋﻬﺪه ﻣﺘﻐﻴﻴﺮ ﺗﺼﻤﻴﻢ اﺳﺖ‬ ‫•‬ ‫ﻳﻚ رﺷﺘﻪ ‪n‬ﺗﺎﻳﻲ از ﺗﺼﻤﻴﻢ ﮔﻴﺮﻳﻬﺎي ﻣﺮﺗﺒﻂ ﺑﻪ ﻫﻢ‬ ‫•‬
‫در ﻫﺮ ﻣﺮﺣﻠﻪ‪ ،‬ﺑﺎ ﺗﺼﻤﻴﻢ ﮔﻴﺮي‪ ،‬ﺣﺎﻟﺖ ﻣﺮﺣﻠﻪ ﺑﻪ ﺣﺎﻟﺘﻲ واﺑﺴﺘﻪ ﺑﻪ ﻣﺮﺣﻠﻪ ﭘﺴﻴﻦ‬ ‫•‬
‫ﻫﺮ ﺗﺼﻤﻴﻢ ﮔﻴﺮي ﺑﻴﺎﻧﮕﺮ ﻳﻚ ﻣﺮﺣﻠﻪ )‪ n‬ﻣﺮﺣﻠﻪ(‬ ‫•‬
‫ﻣﻨﺘﻘﻞ ﻣﻲﺷﻮد‬
‫ي ﭘﭘﺴﻴﻦ‬
‫ﻦ‬ ‫ﻣﺮﺣﻠﻪﻫﺎي‬
‫ﻣﺮﺣﻠﻪ و ﻫﻤﻪ ﺮ‬
‫در ﺮ‬
‫ﺗﺼﻤﻴﻢ ر‬
‫ﻢ‬ ‫اﺛﺮ‬
‫ﺗﻮﺟﻪ ﺑﻪ ﺮ‬
‫ﻮ‬ ‫•‬
‫‪ .4‬ﻣﺘﻐﻴﻴﺮ ﺣﺎﻟﺖ ﺑﻴﺎﻧﮕﺮ اﻃﻼﻋﺎﺗﻲ در ﺑﺎره ﻫﺪﻓﻬﺎي ﺗﺼﻤﻴﻢ ﮔﻴﺮي‬
‫‪4‬‬
‫‪ .2‬ﻫﺮ ﻣﺮﺣﻠﻪ داراي ﭼﻨﺪﻳﻦ ﺣﺎﻟﺖ‬
‫وﺟﻮد ﭼﻨﺪﻳﻦ ﮔﺰﻳﻨﻪ ﺗﺼﻤﻴﻢ )ﭘﺎﺳﺦ ﺷﺪﻧﻲ( ﺑﺮاي ﻫﺮ ارزش از ﻣﺘﻐﻴﻴﺮ ﺣﺎﻟﺖ در ﻫﺮ‬ ‫•‬

‫ﻣﺮﺣﻠﻪ‬ ‫ﺣﺎﻟﺖ‪ ،‬ﺑﺨﺸﻲ از ﻣﺮﺣﻠﻪ اﺳﺖ‬ ‫•‬

‫ﭘﺎﺳﺦ ﺑﻬﻴﻨﻪ ﻫﺮ ﻣﺮﺣﻠﻪ از ﻣﺤﺎﺳﺒﻪ ﺗﺎﺑﻊ ﺑﺮﮔﺸﺖ ﻣﺮﺣﻠﻪ‬ ‫•‬

‫ﭘﻴﻮﻧﺪ دﻫﻨﺪه ﻣﺮﺣﻠﻪ ﺑﻪ ﻣﺮاﺣﻞ ﭘﻴﺸﻴﻦ و ﭘﺴﻴﻦ‬ ‫•‬

‫ﺷﺎﻳﺪ ﺑﻴﺶ از ﻳﻚ ﻣﺘﻐﻴﻴﺮ ﺣﺎﻟﺖ‬ ‫•‬

‫‪f n* (S ) = Max‬‬ ‫}) ‪∨ Min {f n (S , x n‬‬ ‫Š اﻓﺰاﻳﺶ ﺷﻤﺎر ﻣﺘﻐﻴﻴﺮﻫﺎي ﺣﺎﻟﺖ ﺑﻪ ﻣﻌﻨﻲ اﻓﺰاﻳﺶ ﭘﻴﭽﻴﺪﮔﻲ ﻣﺴﺌﻠﻪ‬
‫‪xn‬‬ ‫‪xn‬‬

‫‪18‬‬ ‫‪17‬‬

‫‪٣‬‬
 ‫وﻳﮋﮔﻴﻬﺎي ﺑﻨﻴﺎدﻳﻦ ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ‬ ‫وﻳﮋﮔﻴﻬﺎي ﺑﻨﻴﺎدﻳﻦ ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ‬
‫‪ .6‬ﭘﺎﺳﺦ ﺑﻬﻴـﻨﻪ ﻣﺴﺌﻠﻪ از زﻧﺠـﻴﺮه ﺗﺼﻤـﻴﻤﻬﺎي ﻣﺮاﺣﻞ ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد‬ ‫‪ .5‬وﺟﻮد ﭘﻴﻮﺳﺘﮕﻲ در ﻣﺮاﺣﻞ ﭘﻲ در ﭘﻲ ﺗﺼﻤﻴﻢ ﮔﻴﺮي‬
‫ﺻﺮﻓﻨﻈﺮ از ﭼﮕﻮﻧﮕﻲ رﺳﻴﺪن ﺑﻪ ﻳﻜﻲ از ﺣﺎﻟﺘﻬﺎي ﻣﺮﺣﻠﻪ‪ ،‬ﺑﺎﻳﺪ ﻫﻤﻪ‬ ‫•‬
‫ﺗﺎﺑﻊ )‪ f*n(S‬ﺣﺎﻟﺖ ‪ S‬ﻣﺮﺣﻠﻪ ‪ n‬را ﺑﻪ ﻣﺮﺣﻠﻪ ﭘﺴﻴﻦ ﭘﻴﻮﻧﺪ ﻣﻲدﻫﺪ‬ ‫•‬

‫ﻣﺜﻼً در ﻣﺜﺎل‬ ‫•‬

‫اﻧﺘﺨﺎﺑﻬﺎي ﭘﺲ از آن ﺣﺎﻟﺖ ﺑﻬﻴﻨﻪ ﺑﺎﺷﺪ‬
‫ﺑﻬﻴﻨﮕﻲ )‪(principle of optimality‬‬ ‫اﺻﻞ ﺑﻬﻴﻨﮕ‬ ‫•‬ ‫}) ‪f n* (S ) = Min {C (S , x n ) + f n*+1 (x‬‬
‫‪xn‬‬
‫)‪ : f*n+1(S‬ﻣﻘﺪار ﺑﻬﻴﻨﻪ ﺗﺼﻤﻴﻢ در ﻣﺮﺣﻠﻪ ‪n+1‬‬ ‫•‬

‫اﮔﺮ ﻣﻘﺪار )‪ f*4(S‬ﻣﺸﺨﺺ ﺑﺎﺷﺪ‪ ،‬ﻣﻘﺪار )‪ f*3(S‬ﻗﺎﺑﻞ دﺳﺘﻴﺎﺑﻲ اﺳﺖ‬ ‫•‬

‫در واﻗﻊ‪ f*n (S) ،‬ﻳﻚ ﻣﻘﺪار اﻧﺒﺎﺷﺘﻪ از ﺗﺼﻤﻴﻤﻬﺎي ﭘﻲ در ﭘﻲ اﺳﺖ‬ ‫•‬

‫)‪ f*n (S‬ﻳﻚ ﺗﺎﺑﻊ ﺑﺮﮔﺸﺘﻲ )‪ (recursive function‬اﺳﺖ‬ ‫•‬

‫‪20‬‬ ‫‪19‬‬

‫وﻳﮋﮔﻴﻬﺎي ﺑﻨﻴﺎدﻳﻦ ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ‬ ‫وﻳﮋﮔﻴﻬﺎي ﺑﻨﻴﺎدﻳﻦ ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ‬

‫‪ .8‬ﻧﺒﻮد ﻓﺮاﻳﻨﺪي ﻣﺸﺨﺺ ﺑﺮاي ﺣﻞ ﻫﻤﻪ ﻣﺴﺎﺋﻞ ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ‬ ‫‪ .7‬ﮔﺎﻣﻬﺎي ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ‬
‫‪ .9‬ﭘﻴﻮﻧﺪ ﺑﻴﻦ ﺣﺎﻟﺘﻬﺎ در ﻣﺮاﺣﻞ ﻣﺨﺘﻠﻒ‬ ‫ﺗﻌﺮﻳﻒ ﻣﺮﺣﻠﻪ )‪ (n‬و ﺣﺎﻟﺖ )‪(S‬‬ ‫‪.1‬‬
‫ﺗﺎﺑﻊ ﻏﻴﺮ اﺣﺘﻤﺎﻟﻲ در ﻣﺴﺎﺋﻞ ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎي ﻏﻴﺮ اﺣﺘﻤﺎﻟﻲ‬ ‫•‬
‫ﺗﻌﺮﻳﻒ ﻣﺘﻐﻴﻴﺮﻫﺎي ﺗﺼﻤﻴﻢ )‪(xn‬‬ ‫‪.2‬‬
‫ي اﺣﺘﻤﺎﻟﻲ‬
‫ﻲ‬ ‫ﭘﻮﻳﺎي‬
‫ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳ‬
‫ﻞ ﺑﺮ‬
‫ﻲ درر ﻣﺴﺎﺋﻞ‬
‫ﺗﺎﺑﻊ اﺣﺘﻤﺎﻟﻲ‬
‫ﺑﻊ‬ ‫•‬
‫ﺷﺪﻧﻲ‬
‫ﭘﺎﺳﺦ ﺷﺪﻧ‬
‫زش ﺎ ﺦ‬‫ﺶ اارزش‬
‫ﺳﻨﺠﺶ‬ ‫ﺑﺎزده )‪ fn(S,xn‬ا‬
‫ﺑﺮاي ﻨ‬ ‫ﻒ ﺗﺎﺗﺎﺑﻊ ﺎزد‬
‫ﺗﺗﻌﺮﻳﻒ‬ ‫‪.33‬‬
‫‪ .01‬ﺳﺎﺧﺘﺎر ﺗﺎﺑﻊ ﻫﺪف‪“ ،‬ﺑﻴﺸﻴﻨﻪ ﺳﺎزي” ﻳﺎ “ﻛﻤﻴﻨﻪ ﺳﺎزي”‬ ‫ﻣﺤﺎﺳﺒﻪ ﺗﺎﺑﻊ ﺑﺎزده ﺑﻬﻴﻨﻪ )‪ f*n(S‬ﺑﺮاي ﻫﺮ ﻣﺮﺣﻠﻪ‬ ‫‪.4‬‬
‫‪ .11‬ﻣﺘﻐﻴﻴﺮﻫﺎي ﺣﺎﻟﺖ‬ ‫ﺑﻜﺎرﮔﻴﺮي اﺻﻞ ﺑﻬﻴﻨﮕﻲ و ﺗﻌﻴﻴﻦ ﻣﺠﻤﻮﻋﻪ ﻣﺮاﺣﻞ ﺑﻬﻴﻨﻪ‬ ‫‪.5‬‬
‫ﮔﺴﺴﺘﻪ )‪(discrete‬‬ ‫•‬

‫ﭘﻴﻮﺳﺘﻪ )‪(continuous‬‬ ‫•‬

‫‪22‬‬ ‫‪21‬‬

‫ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ ‪ ::‬ﻣﺴﺌﻠﻪ ﻣﻮﺟﻮدي ﻛﺎﻻ‬ ‫وﻳﮋﮔﻴﻬﺎي ﺑﻨﻴﺎدﻳﻦ ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ‬

‫ﺗﻘﺎﺿﺎي ﺑﺮاي ﻗﺎﻳﻖ در ‪ 4‬ﻣﺎه آﻳﻨﺪه داده ﺷﺪه اﺳﺖ‪ .‬اﮔﺮ ﺷﺮﻛﺖ در ﻫﺮ ﻣﺎه ﺗﻮﻟﻴﺪ‬ ‫‪ .21‬روش ﺣﻞ‬
‫داﺷﺘﻪ ﺑﺎﺷﺪ‪ ،‬ﻋﻼوه ﺑﺮ ‪ 1‬ﺗﻮﻣﺎن ﻫﺰﻳﻨﻪ ﻣﺘﻐﻴﻴﺮ‪ 3 ،‬ﺗﻮﻣﺎن ﻫﺰﻳﻨﻪ ﺛﺎﺑﺖ دارد‪ .‬ﺳﻘﻒ ﺗﻮﻟﻴﺪ‬ ‫ﭘﺴﺮو )‪(backward‬‬ ‫•‬
‫ﻣﺎﻫﻴﺎﻧﻪ ‪ 5‬دﺳﺘﮕﺎه ﻗﺎﻳﻖ اﺳﺖ‪ .‬ﺷﺮﻛﺖ داراي اﻧﺒﺎري ﺑﺎ ﮔﻨﺠﺎﻳﺶ ‪ 4‬دﺳﺘﮕﺎه اﺳﺖ‪.‬‬
‫ﻫﺰﻳﻨﻪ ﻧﮕﻬﺪاري ﻫﺮ دﺳﺘﮕﺎه در ﻣﺎه ﻣﻌﺎدل ﻧﻴﻢ ﺗﻮﻣﺎن اﺳﺖ ﻛﻪ در ﻫﻨﮕﺎم ﺗﺤﻮﻳﻞ‬ ‫ﭘﻴﺸﺮو )‪(forward‬‬ ‫•‬

‫ﻧﻤﺎﻳﺪ ﺎﺗﺎ ﻣﺠﻤﻮع‬

‫ﺗﻮﻟﻴﺪ ﺎ‬
‫دﺳﺘﮕﺎه ﻟ‬
‫ﻣﺎه ﭼﻨﺪ ﮕﺎ‬ ‫ﺷﺮﻛﺖ در ﻫﺮ ﺎ‬ ‫ﭘﺮداﺧﺖ ﻣﻲﺷﻮد‪ .‬ﻛ‬ ‫اﻧﺒﺎر ا‬
‫ﻛﺎﻻ ﺑﻪ ا ﺎ‬ ‫ﺎ‬
‫اﻟﮕﻮرﻳﺘﻤﻬﺎ‬
‫دﻳﮕﺮ اﻟﮕ‬ ‫‪ .31‬ﻛﺎ آ‬
‫ﻛﺎرآﻳﻲ ﻛﻛﻤﺘﺮ ﻧﻧﺴﺒﺖ ﺑﻪ ﮕ‬ ‫‪31‬‬
‫ﻫﺰﻳﻨﻪ ﺑﺮآوردن ﺗﻘﺎﺿﺎ را ﻛﻤﻴﻨﻪ ﻧﻤﺎﻳﺪ؟ ﻣﻮﺟﻮدي ﻛﺎﻻي اول دوره ﺻﻔﺮ و در ﭘﺎﻳﺎن‬
‫ﻣﺎه ‪ 4‬ﻧﻴﺰ ﺑﺎﻳﺪ ﺻﻔﺮ ﺑﺎﺷﺪ‪.‬‬
‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫ﻣﺎه‬
‫‪4‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫ﺗﻘﺎﺿﺎ‬

‫‪24‬‬ ‫‪23‬‬

‫‪۴‬‬
 ‫ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ ‪ ::‬ﻣﺴﺌﻠﻪ ﻣﻮﺟﻮدي ﻛﺎﻻ‬ ‫ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ ‪ ::‬ﻣﺴﺌﻠﻪ ﻣﻮﺟﻮدي ﻛﺎﻻ‬
‫ﻣﺜﻼً اﮔﺮ در ﻣﺎه ﺳﻮم )‪ (n=3‬ﻣﻮﺟﻮدي اول ﻣﺎه ‪ (S=1) 1‬و‬ ‫ﮔﺎم ‪ .1‬ﺗﻌﺮﻳﻒ ﻣﺮﺣﻠﻪ و ﺣﺎﻟﺖ‬
‫ﻣﻴﺰان ﺗﻮﻟﻴﺪ ‪ (x3=3) 3‬و ﺗﻘﺎﺿﺎ ‪ (d3=2) 2‬ﺑﺎﺷﺪ‪ ،‬دارﻳﻢ‪:‬‬ ‫ﻣﺮﺣﻠﻪ )‪ :(n‬ﻣﺎﻫﻬﺎ‬ ‫„‬

‫‪f3*(1,3)=0.5(3+1-2)+(3(1)+3)=7‬‬ ‫ﺣﺎﻟﺖ ‪ /‬وﺿﻌﻴﺖ )‪ :(S‬ﻣﻴﺰان ﻣﻮﺟﻮدي ﻗﺎﻳﻖ در اول ﻣﺎه‬ ‫„‬

‫ﻫﺰﻳﻨﻪ‬ ‫ﻫﺰﻳﻨﻪ ﺛﺎﺑﺖ‬ ‫ﮔﺎم ‪ .2‬ﺘﻐ‬

‫ﻣﺘﻐﻴﻴﺮ ﺗﺗﺼﻤﻴﻢ‬ ‫ﮔﺎ‬
‫ﻣﻴﺰان ﺗﻮﻟﻴﺪ در‬ ‫ﻫﺰﻳﻨﻪ ﻣﺘﻐﻴﻴﺮ‬ ‫ﺗﻮﻟﻴﺪ‬
‫ﻧﮕﻬﺪاري ﻫﺮ‬
‫واﺣﺪ در ﻣﺎه‬
‫ﻣﺎه‬ ‫ﺗﻮﻟﻴﺪ‬ ‫ﺷﻤﺎر ﺗﻮﻟﻴﺪ ﻗﺎﻳﻖ در ﻣﺎه )‪(xn‬‬ ‫„‬

‫ﮔﺎم ‪ 3‬و ‪ .4‬ﻫﺰﻳﻨﻪ ﺗﻮﻟﻴﺪ و ﻧﮕﻬﺪاري ﻫﺮ دﺳﺘﮕﺎه ﻗﺎﻳﻖ‬

‫)ﻫﺰﻳﻨﻪ ﺗﻮﻟﻴﺪ در ﻣﺎه( ‪) +‬ﻫﺰﻳﻨﻪ ﻧﮕﻬﺪاري( = ﻫﺰﻳﻨﻪ ﻫﺮ واﺣﺪ ﻛﺎﻻ‬
‫ﻫﺰﻳﻨﻪ ﻧﮕﻬﺪاري‬ ‫ﻫﺰﻳﻨﻪ ﺗﻮﻟﻴﺪ‬ ‫ﺗﻘﺎﺿﺎي ﻣﺎه‬
‫‪1‬‬
‫) ‪f n* (S , x ) = ( S + x n − d n ) + C ( x n‬‬
‫‪2‬‬
‫‪26‬‬ ‫‪25‬‬

‫ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ ‪ ::‬ﻣﺴﺌﻠﻪ ﻣﻮﺟﻮدي ﻛﺎﻻ ‪ :‬ﺣﻞ‬ ‫ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ ‪ ::‬ﻣﺴﺌﻠﻪ ﻣﻮﺟﻮدي ﻛﺎﻻ‬
‫‪x4‬‬ ‫ﻣﺮﺣﻠﻪ ‪:4‬‬ ‫ﺑﺮ اﺳﺎس ﻓﺮض ﺑﺎﻻ‪ ،‬ﻣﻮﺟﻮدي اول ﻣﺎه ‪ ،4‬ﺑﺮاﺑﺮ ﺑﺎ ‪ 2‬ﺧﻮاﻫﺪ ﺑﻮد‬
‫‪S‬‬ ‫‪f*4(S) x*4‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫ﭼﻮن ﺗﻘﺎﺿﺎ‪ 4 ،‬واﺣﺪ‬ ‫در ﻣﺎه ‪ 3 :3‬واﺣﺪ ﺗﻮﻟﻴﺪ‪ 1 ،‬واﺣﺪ ﻣﻮﺟﻮدي اول ﻣﺎه‪ 2 ،‬واﺣﺪ ﺗﻘﺎﺿﺎ‬ ‫„‬

‫‪0‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪7‬‬ ‫‪7‬‬ ‫‪4‬‬ ‫اﺳﺖ‪ ،‬و ‪ 1‬واﺣﺪ ﻣﻮﺟﻮدي‬
‫از ﻣﺎه ﻗﺒﻞ وﺟﻮد دارد و‬ ‫ﭘﺲ‪ ،‬ﺑﺎﻳﺪ ﻫﺰﻳﻨﻪ ﻣﺎه ﺑﻌﺪ را ﻧﻴﺰ اﻓﺰود‬
‫‪1‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪6‬‬ ‫‪-‬‬ ‫‪6‬‬ ‫‪3‬‬ ‫ﭘﺎﻳﺎن ﺎﻣﺎه ‪4‬‬
‫ﻧﺒﺎﻳﺪ ددر ﺎ ﺎن‬
‫ﻧﻴﺰ ﻧ ﺎ ﺪ‬
‫ﻧﺰ‬
‫‪1‬‬
‫‪2‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪5‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪5‬‬ ‫‪2‬‬ ‫ﻣﻮﺟﻮدي ﺑﺎﺷﺪ‪ ،‬ﭘﺲ ﺗﻨﻬﺎ‬ ‫) ‪f n (S ) = ( S + x n − d n‬‬
‫ﮔﺰﻳﻨﻪ ﺗﺼﻤﻴﻢ‪ 3 ،‬واﺣﺪ‬ ‫‪2‬‬
‫‪3‬‬ ‫‪-‬‬ ‫‪4‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪4‬‬ ‫‪1‬‬ ‫ﺗﻮﻟﻴﺪ اﺳﺖ‪.‬‬ ‫) ‪+ C (x n ) + f n +1 (S n +1 + x n +1 − d n +1‬‬
‫‪4‬‬ ‫‪0‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫در اﻳﻨﺼﻮرت ﻫﺰﻳﻨﻪ ﻛﻞ‬
‫‪1‬‬ ‫‪ 6‬واﺣﺪ اﺳﺖ‪.‬‬
‫) ‪f 4 (S , x 4 ) = (S + x 4 − d 4 ) + C (x 4‬‬
‫‪2‬‬
‫‪28‬‬ ‫‪27‬‬

‫ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ ‪ ::‬ﻣﺴﺌﻠﻪ ﻣﻮﺟﻮدي ﻛﺎﻻ ‪ :‬ﺣﻞ‬ ‫ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ ‪ ::‬ﻣﺴﺌﻠﻪ ﻣﻮﺟﻮدي ﻛﺎﻻ ‪ :‬ﺣﻞ‬
‫‪x3‬‬
‫‪x2‬‬ ‫ﻣﺮﺣﻠﻪ ‪:2‬‬ ‫‪S‬‬ ‫)‪f*3(S‬‬ ‫‪x *3‬‬
‫‪S‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬
‫)‪f*2(S‬‬ ‫‪x *2‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫ﻣﺮﺣﻠﻪ ‪:3‬‬
‫‪0‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪12‬‬ ‫‪5/12‬‬ ‫‪13‬‬ ‫‪5/13‬‬ ‫‪12‬‬ ‫‪1‬‬
‫‪0‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪18‬‬ ‫‪5/17‬‬ ‫‪16‬‬ ‫‪16‬‬ ‫‪5‬‬
‫‪1‬‬ ‫‪-‬‬ ‫‪11‬‬ ‫‪5/11‬‬ ‫‪12‬‬ ‫‪5/12‬‬ ‫‪10‬‬ ‫‪10‬‬ ‫‪5‬‬
‫‪1‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪17‬‬ ‫‪5/16‬‬ ‫‪15‬‬ ‫‪16‬‬ ‫‪15‬‬ ‫‪4‬‬
‫‪2‬‬ ‫‪7‬‬ ‫‪5/10‬‬ ‫‪10‬‬ ‫‪5/11‬‬ ‫‪9‬‬ ‫‪-‬‬ ‫‪7‬‬ ‫‪0‬‬
‫‪2‬‬ ‫‪-‬‬ ‫‪16‬‬ ‫‪5/15‬‬ ‫‪14‬‬ ‫‪15‬‬ ‫‪16‬‬ ‫‪14‬‬ ‫‪3‬‬
‫‪3‬‬ ‫‪5/6‬‬ ‫‪10‬‬ ‫‪5/10‬‬ ‫‪8‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪5/6‬‬ ‫‪0‬‬
‫‪3‬‬ ‫‪12‬‬ ‫‪5/14‬‬ ‫‪13‬‬ ‫‪14‬‬ ‫‪15‬‬ ‫‪16‬‬ ‫‪12‬‬ ‫‪0‬‬
‫‪4‬‬ ‫‪6‬‬ ‫‪5/9‬‬ ‫‪7‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪6‬‬ ‫‪0‬‬
‫‪4‬‬ ‫‪5/10‬‬ ‫‪12‬‬ ‫‪13‬‬ ‫‪14‬‬ ‫‪15‬‬ ‫‪13‬‬ ‫‪5/10‬‬ ‫‪0‬‬
‫‪5‬‬ ‫‪5/5‬‬ ‫‪6‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪5/5‬‬ ‫‪0‬‬
‫‪1‬‬
‫) ‪f 2 (S , x 2 ) = (S + x 2 − d 2 ) + C (x 2 ) + f 3* (S‬‬ ‫‪6‬‬ ‫‪2‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪2‬‬ ‫‪0‬‬
‫‪2‬‬ ‫‪1‬‬
‫) ‪f 3 (S , x 3 ) = (S + x 3 − d 3 ) + C (x 3 ) + f 4* (S‬‬
‫‪2‬‬

‫‪30‬‬ ‫‪29‬‬

‫‪۵‬‬
 ‫ﺗﻤﺮﻳﻦ ‪ ::‬ﻣﺴﺌﻠﻪ ﺗﺨﺼﻴﺺ ﻇﺮﻓﻴﺖ‬ ‫ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ ‪ ::‬ﻣﺴﺌﻠﻪ ﻣﻮﺟﻮدي ﻛﺎﻻ ‪ :‬ﺣﻞ‬
‫ﺷﺮﻛﺘﻲ داراي ‪ 6‬ﺧﻂ ﺗﻮﻟﻴﺪ ﺑﺮاي ‪ 3‬ﻣﺪل ﺗﻠﻮﻳﺰﻳﻮن اﺳﺖ‪ .‬ﺳﻮد ﺗﻮﻟﻴﺪ ﻫﺮ ﻣﺪل در ﻫﺮ‬ ‫‪x1‬‬
‫‪S‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬
‫)‪f*1(S‬‬ ‫‪x *1‬‬ ‫ﻣﺮﺣﻠﻪ ‪:1‬‬
‫ﺧﻂ داده ﺷﺪه اﺳﺖ‪ .‬ﭼﻨﺪ ﺧﻂ ﺗﻮﻟﻴﺪ ﺑﻪ ﻫﺮ ﻣﺪل ﺗﺨﺼﻴﺺ داده ﺷﻮد ﺗﺎ ﺳﻮد ﺷﺮﻛﺖ‬
‫‪0‬‬ ‫‪-‬‬ ‫‪20‬‬ ‫‪5/20‬‬ ‫‪19 5/20 5/20‬‬ ‫‪20‬‬ ‫‪1‬‬
‫ﺑﻴﺸﻴﻨﻪ ﮔﺮدد‪.‬‬
‫ﺳﻮد ﻣﺎﻫﻴﺎﻧﻪ ﻫﺮ ﺧﻂ ﺑﺮاي ﻫﺮ ﻣﺪل )ﻣﻴﻠﻴﻮن رﻳﺎل(‬ ‫ﺗﻌﺪاد ﺧﻄﻮط‬
‫‪1‬‬
‫ﻣﺪل ‪3‬‬ ‫ﻣﺪل ‪2‬‬ ‫ﻣﺪل ‪1‬‬
‫ﻴﺺ داده‬
‫ﺗﺨﺼﻴﺺ‬ ‫) ‪f 1 (S , x 1 ) = (S + x 1 − d 1 ) + C (x 1 ) + f 2* (S‬‬
‫ﺷﺪه‬ ‫‪2‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫ﭘﺲ ﭘﺎﺳﺦ ﺑﻬﻴﻨﻪ‬
‫‪20‬‬ ‫‪10‬‬ ‫‪15‬‬ ‫‪1‬‬
‫‪x 1* = 1, x 2* = 5, x 3* = 0, x 4* = 4‬‬
‫‪35‬‬ ‫‪15‬‬ ‫‪30‬‬ ‫‪2‬‬
‫‪45‬‬
‫‪50‬‬
‫‪20‬‬
‫‪25‬‬
‫‪40‬‬
‫‪45‬‬
‫‪3‬‬
‫‪4‬‬
‫‪f n* (S ) = 20‬‬
‫‪54‬‬ ‫‪29‬‬ ‫‪48‬‬ ‫‪5‬‬
‫‪60‬‬
‫‪/09‬آورﻳﻞ‪17/‬‬
‫‪30‬‬ ‫‪50‬‬
‫دکـتر سلیمی فرد ‪ ::‬پژوهش عملياتي ‪ :: ٣‬برنامهریزی پویا‬
‫‪6‬‬ ‫‪32‬‬ ‫‪31‬‬

‫ﺗﻤﺮﻳﻦ‪ :‬ﻣﺴﺌﻠﻪ ﺗﺨﺼﻴﺺ ﻳﻚ ﻣﻨﺒﻊ‬ ‫ﺗﻤﺮﻳﻦ ‪ ::‬ﻣﺴﺌﻠﻪ ﻛﻮﻟﻪ ﭘﺸﺘﻲ )‪(KSP‬‬

‫ﻛﺎرﺧﺎﻧﻪاي ﺳﻪ ﻛﺎﻻي ‪ ،B ،A‬و ‪ C‬ﺗﻮﻟﻴﺪ ﻣﻲﻛﻨﺪ‪ .‬ﻫﺮ ﻛﺎﻻ ﻧﻴﺎزﻣﻨﺪ ﻳﻚ‬ ‫ﻧﺎمآورﺗﺮﻳﻦ ﻣﺴﺌﻠﻪ در ﺑﺮﻧﺎﻣﻪرﻳﺰي ﭘﻮﻳﺎ‬
‫ﻧﻮع ﻣﺎده اوﻟﻴﻪ اﺳﺖ ﻛﻪ از آن ‪ 4‬ﺗﻦ در دﺳﺘﺮس اﺳﺖ‪ .‬ﺑﻪ ازاء ﺗﺨﺼﻴﺺ‬ ‫ﻛﻞ وزﻧﻲ ﻛﻪ ﻳﻚ ﺑﺎرﺑﺮ ﻣﻲﺗﻮاﻧﺪ ﺣﻤﻞ ﻛﻨﺪ ‪ W‬اﺳﺖ‪ .‬ﻫﻤﭽﻨﻴﻦ ‪n‬‬
‫ﻣﻴﺰان ﻣﻌﻴﻨﻲ از ﻣﺎده اوﻟﻴﻪ ﺑﻪ ﻫﺮ ﻣﺤﺼﻮل‪ ،‬ﺳﻮد ﻣﺸﺨﺼﻲ ﺑﻪ دﺳﺖ‬ ‫ﮔﻮﻧﻪ ﺷﻲ ﻫﺮ ﻛﺪام ﺑﺎ وزن ‪ w‬وﺟﻮد دارد ﻛﻪ ﺑﺎرﺑﺮ ﺑﺎﻳﺪ ﺣﻤﻞ ﻛﻨﺪ‪ .‬ﻫﺮ‬
‫آﻳﺪ‪ .‬ﻫﺪف ﺗﺨﺼﻴﺺ ﻣﻴﺰان ﺑﻬﻴﻨﻪ ﻣﺎده اوﻟﻴﻪ ﺑﻪ ﻛﺎﻻﻫﺎﺳﺖ ﻛﻪ ﺳﻮد را‬ ‫ﻣﻲ‬
‫ﻣﻲآﻳﺪ‬ ‫زش ﺑﺎﺑﺎر‬
‫ﻨﻪ ﺳﺎزي اارزش‬ ‫ﻣﻌﺎدل ‪ v‬اﺳﺖ‪ .‬ﻫﺪف ﺑ ﺸ‬
‫ﺑﻴﺸﻴﻨﻪ‬ ‫ارزﺷﻲ ﻣ ﺎدل‬
‫داراي ا زﺷ‬
‫ﺷﺷﻲ دا اي‬
‫ﻛﺎﻻ‬
‫‪.‬‬ ‫ﻛﻨﺪ‬ ‫ﺑﻴﺸﻴﻨﻪ‬ ‫ﺣﻤﻞ ﺷﺪه ﺑﻪ وﺳﻴﻠﻪ ﺑﺎرﺑﺮ اﺳﺖ‪.‬‬
‫ﺗﺨﺼﻴﺺ ﻣﺎده‬
‫‪C‬‬ ‫‪B‬‬ ‫‪A‬‬ ‫اوﻟﻴﻪ )ﺗﻦ(‬ ‫ﻓﺮض ﻛﻨﻴﺪ‪ ، W=5 :‬ﺳﻪ ﮔﻮﻧﻪ ﻛﺎﻻ ﺑﺮاي ﺣﻤﻞ‬
‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪8‬‬ ‫‪6‬‬ ‫‪10‬‬ ‫‪1‬‬ ‫‪C‬‬ ‫‪B‬‬ ‫‪A‬‬ ‫ﻧﻮع ﻛﺎﻻ‬
‫‪11‬‬ ‫‪17‬‬ ‫‪15‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫وزن ﻫﺮ واﺣﺪ ﻛﺎﻻ‬ ‫‪Knapsack Problem‬‬
‫‪-‬‬ ‫‪-‬‬ ‫‪19‬‬ ‫‪3‬‬ ‫‪60‬‬ ‫‪50‬‬ ‫‪20‬‬ ‫ارزش ﻫﺮ واﺣﺪ ﻛﺎﻻ‬
‫‪39‬‬ ‫‪35‬‬

‫ﺗﻤﺮﻳﻦ‪ :‬ﻣﺴﺌﻠﻪ ﺳﺮﻣﺎﻳﻪ ﮔﺬاري‬

‫ﺷﺨﺼﻲ ‪ 6‬ﻣﻴﻠﻴﻮن ﺗﻮﻣﺎن ﺑﺮاي ﺳﺮﻣﺎﻳﻪ ﮔﺬاري در ‪ 3‬ﭘﺮوژه دارد‪ .‬اﮔﺮ ‪dj‬‬
‫ﻣﻴﺰان ﺳﺮﻣﺎﻳﻪ ﮔﺬاري در ﭘﺮوژه ‪j‬ام ﺑﺎﺷﺪ و ارزش ﻓﻌﻠﻲ ﺧﺎﻟﺺ ﺳﺮﻣﺎﻳﻪ‬
‫ﮔﺬاري )‪ rj(dj‬ﺑﺎﺷﺪ‪ ،‬روش ﺑﻬﻴﻨﻪ ﺳﺮﻣﺎﻳﻪ ﮔﺬاري را ﺑﻪ ﮔﻮﻧﻪاي ﺗﻌﻴﻴﻦ‬
‫ﺳﺮﻣﺎﻳﻪ‬
‫ن ﺮ ﻳ‬ ‫ﺑﻴﺸﻴﻨﻪ ﮔﺮﺮدد‪ .‬ﻴﺰ‬
‫ﻣﻴﺰان‬ ‫ري ﺑﻴ ﻴ‬
‫ﺳﺮﻣﺎﻳﻪ ﮔﺬاري‬
‫ﻲ ﺮ ﻳ‬ ‫رزش ﻓﻌﻠﻲ‬
‫ﻧﻤﺎﻳﻴﺪ ﻛﻪ ارزش‬
‫ﻳﻴ‬
‫ﮔﺬاري در ﻫﺮ ﭘﺮوژه ﺑﺎﻳﺪ ﺿﺮﻳﺒﻲ ﺻﺤﻴﺢ از ﻣﻴﻠﻴﻮن ﺑﺎﺷﺪ‪.‬‬
‫)‪r1 (d 1 ) = 7d 1 + 2 (d 1 > 0‬‬
‫)‪r2 (d 2 ) = 3d 2 + 7 (d 2 > 0‬‬
‫)‪r3 (d 3 ) = 4d 3 + 5 (d 3 > 0‬‬
‫‪r1 (0) = r2 (0) = r3 (0) = 0‬‬
‫‪42‬‬

‫‪۶‬‬