Lineaarinen optimointitehtävä

Samankaltaiset tiedostot
4. Luennon sisältö. Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä

JYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö

Jälki- ja herkkyysanalyysi. Tutkitaan eri kertoimien ja vakioiden arvoissa tapahtuvien muutosten vaikutusta optimiratkaisuun

1 Kertaus. Lineaarinen optimointitehtävä on muotoa:

Lineaarinen optimointitehtävä

Optimaalisuusehdot. Yleinen minimointitehtävä (NLP): min f(x) kun g i (x) 0 h j (x) = 0

Lineaarisen kokonaislukuoptimointitehtävän ratkaiseminen

6. Luennon sisältö. Lineaarisen optimoinnin duaaliteoriaa

Kuljetustehtävä. Materiaalia kuljetetaan m:stä lähtöpaikasta n:ään tarvepaikkaan. Kuljetuskustannukset lähtöpaikasta i tarvepaikkaan j ovat c ij

Malliratkaisut Demot

Demo 1: Simplex-menetelmä

4.5 Kaksivaiheinen menetelmä simplex algoritmin alustukseen

Simplex-algoritmi. T Informaatiotekniikan seminaari , Susanna Moisala

Mat Lineaarinen ohjelmointi

3 Simplex-menetelmä. c T x = min! Ax = b (x R n ) (3.1) x 0. Tarvittaessa sarakkeiden järjestystä voidaan vaihtaa, joten voidaan oletetaan, että

Johdatus verkkoteoriaan luento Netspace

Malliratkaisut Demot

Malliratkaisut Demo 4

Talousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Mat Lineaarinen ohjelmointi

Piiri K 1 K 2 K 3 K 4 R R

Luento 3: Simplex-menetelmä

Malliratkaisut Demo 4

Talousmatematiikan perusteet: Luento 11. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

2.5. Matriisin avaruudet ja tunnusluvut

Malliratkaisut Demot 6,

Ovatko seuraavat väittämät oikein vai väärin? Perustele vastauksesi.

Mat Lineaarinen ohjelmointi

Malliratkaisut Demot

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

8. Ensimmäisen käyvän kantaratkaisun haku

Käänteismatriisin ominaisuuksia

Harjoitus 3 ( )

Luento 4: Lineaarisen tehtävän duaali

Lineaarinen optimointi. Harjoitus 6-7, Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän. c T x = min!

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2

Harjoitus 3 ( )

Lineaarinen yhtälöryhmä

Malliratkaisut Demot

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Duaalisuus kokonaislukuoptimoinnissa. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Gaussin ja Jordanin eliminointimenetelmä

Ellipsoidimenetelmä. Samuli Leppänen Kokonaislukuoptimointi. S ysteemianalyysin Laboratorio

Harjoitus 5 ( )

Malliratkaisut Demot

Talousmatematiikan perusteet: Luento 15. Rajoitettu optimointi Lagrangen menetelmä Lagrangen kerroin ja varjohinta

1. Lineaarinen optimointi

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

1 Johdanto LP tehtävän luonteen tarkastelua Johdanto herkkyysanalyysiin Optimiarvon funktio ja marginaalihinta

Malliratkaisut Demot 5,

TEKNILLINEN TIEDEKUNTA, MATEMATIIKAN JAOS

Kokonaislukuoptiomointi Leikkaustasomenetelmät

Osakesalkun optimointi. Anni Halkola Turun yliopisto 2016

Luento 2: Optimointitehtävän graafinen ratkaiseminen. LP-malli.

MS-C2105 Optimoinnin perusteet Malliratkaisut 4

v 8 v 9 v 5 C v 3 v 4

Malliratkaisut Demot

Determinantti. Määritelmä

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Insinöörimatematiikka D

Talousmatematiikan perusteet: Luento 14. Rajoitettu optimointi Lagrangen menetelmä: yksi yhtälörajoitus Lagrangen menetelmä: monta yhtälörajoitusta

2 Konveksisuus ja ratkaisun olemassaolo

Osittaistuenta Gaussin algoritmissa: Etsitään 1. sarakkeen itseisarvoltaan suurin alkio ja vaihdetaan tämä tukialkioiksi (eli ko. rivi 1. riviksi).

TIEA382 Lineaarinen ja diskreetti optimointi

Numeeriset menetelmät

Sovitaan ensin merkintätavoista. Ratkaisemme ensin yksinkertaisen yhtälöparin. 5y = 10. x = 3 x = 1

1 Rajoittamaton optimointi

Liittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij.

Matriisilaskenta. Harjoitusten 3 ratkaisut (Kevät 2019) 1. Olkoot AB = ja 2. Osoitetaan, että matriisi B on matriisin A käänteismatriisi.

Luetteloivat ja heuristiset menetelmät. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

Kimppu-suodatus-menetelmä

Determinantti. Määritelmä

b 1. b m ) + ( 2b Ax) + (b b)

Lineaariset kongruenssiyhtälöryhmät

Harjoitus 6 ( )

1 Rajoitettu optimointi I

Ennakkotehtävän ratkaisu

Luento 2: Optimointitehtävän graafinen ratkaiseminen. LP-malli.

2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio

1 Rajoitettu optimointi III - epäyhtälörajoitteet, teoriaa

Demo 1: Branch & Bound

Mat Lineaarinen ohjelmointi

Talousmatematiikan perusteet: Luento 14. Rajoittamaton optimointi Hessen matriisi Ominaisarvot Ääriarvon laadun tarkastelu

Kokonaislukuoptimointi

802118P Lineaarialgebra I (4 op)

Malliratkaisut Demo 1

Kokonaislukuoptimointi

Harjoitus 6 ( )

Malliratkaisut Demot

OPERAATIOANALYYSI ORMS.1020

Vektoreiden virittämä aliavaruus

Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi.

Harjoitus 1 ( )

Kombinatorinen optimointi

Monitavoiteoptimointi

7 Vapaus. 7.1 Vapauden määritelmä

5 Lineaariset yhtälöryhmät

Transkriptio:

Lineaarinen optimointitehtävä Minimointitehtävä yhtälörajoittein: min kun n j=1 n j=1 c j x j a ij x j = b i x j 0 j = 1,..., n i = 1,..., m Merkitään: z = alkuperäisen objektifunktion arvo käsiteltävänä olevassa perusratkaisussa 1

Tehtävä taulukkomuodossa: x 1 x 2... x n c 1 c 2... c n z a 11 a 12... a 1n b 1 a 21 a 22... a 2n b 2.... a m1 a m2... a mn b m 2

Tehtävän muokkaaminen Yhtälörajoitteet: a i1 x 1 + a i2 x 2 +... + a in x n = b i = a j1 x 1 + a j2 x 2 +... + a jn x n = b j (d) (a i1 + da j1 )x 1 + (a i2 + da j2 )x 2 + + (a in + da jn )x n = (b i + db j ) 3

Taulukkomuodossa: a i1 a i2... a in b i a j1 a j2... a jn b j (d) = a i1 + da j1 a i2 + da j2... a in + da jn b i + db j a j1 a j2... a jn b j 4

Objektifunktio: = c 1 x 1 + c 2 x 2 +... + c n x n a j1 x 1 + a j2 x 2 +... + a jn x n b j = 0 (d) (c 1 + da j1 )x 1 + (c 2 + da j2 )x 2 + + (c n + da jn )x n db j Objektifunktion arvo muuttuu vakiotermillä: db j 5

Taulukkomuodossa: c 1 c 2... c n z a j1 a j2... a jn b j (d) = c 1 + da j1 c 2 + da j2... c n + da jn (z db j ) a j1 a j2... a jn b j Myös nyt objektifunktion arvo muuttuu vakiotermillä: db j 6

Simplex-algoritmi George B. Dantzig 1947 Lineaarisen optimointitehtävän sallittu alue on konveksi monitahokas Optimointitehtävän ratkaisu löytyy sallittujen perusratkaisujen joukosta Sallitut perusratkaisut ovat sallitun alueen kärkipisteitä = Käydään läpi sallitun alueen kärkipisteitä, kunnes optimi löytyy 7

Simplex-algoritmi aloitusperusmuodosta 1. (a) Oletetaan, että optimointitehtävä on perusmuodossa: Jokaista yhtälörajoitetta vastaa perusmuuttuja, jonka kerroin kyseisessä yhtälössä on 1 ja kaikissa muissa yhtälöissä ja objektifunktiossa 0. (b) Oletetaan, että oikean puolen vakiot ovat ei-negatiivisia: Vastaava perusratkaisu on sallittu. 8

2. Jos kaikki objektifunktion kertoimet ovat ei-negatiivisia, niin vastaava perusratkaisu on optimiratkaisu. Lopetetaan. 3. (a) Valitaan jokin ei-perusmuuttuja, joka lisätään perusmuuttujien joukkoon: Valinta tehdään siten, että muunnoksessa objektifunktion arvo ei kasva. (b) Poistetaan perusmuuttujien joukosta jokin toinen muuttuja: Valinta tehdään siten, että muunnoksessa oikean puolen vakiot pysyvät ei-negatiivisina. (c) Muunnetaan tehtävä uusia perusmuuttujia vastaavaan perusmuotoon. (d) Toistetaan kohdasta 2. 9

Aloitusperusmuoto Tehtävä aloitusperusmuodossa: min c j x j + j B kun j / B a ij x j + j B j / B c j x j a ij x j = b i x j 0 j = 1,..., n i = 1,..., m missä c j = 0 ja a ij = 1 i = j 0 i j kun j B b i 0 kun i = 1,..., m 10

Esimerkiksi: min c 1 x 1 + c 3 x 3 + c 6 x 6 kun a 11 x 1 + a 13 x 3 + x 5 + a 16 x 6 = b 1 a 21 x 1 + x 2 + a 23 x 3 + a 26 x 6 = b 2 a 31 x 1 + a 33 x 3 + x 4 + a 36 x 6 = b 3 missä perusmuuttujat ovat x 2, x 4 ja x 5 11

Esimerkki taulukkomuodossa: x 1 x 2 x 3 x 4 x 5 x 6 c 1 0 c 3 0 0 c 5 0 a 11 0 a 13 0 1 a 15 b 1 a 21 1 a 23 0 0 a 25 b 2 a 31 0 a 33 1 0 a 35 b 3 Huomaa, että aloitusperusmuodossa z = 0 12

Lisättävän perusmuuttujan valinta Objektifunktio: c j x j j B }{{} + c j x j j / B }{{} = 0 = 0 koska c j = 0 koska x j = 0 kaikilla j B kaikilla j / B Voiko objektifunktion arvo pienentyä, jos jokin ei-perusmuuttuja x q siirretään perusmuuttujien joukkoon? c q 0 = ei voi c q < 0 = kyllä voi 13

= Valitaan lisättävä x q siten, että x q ei ole perusmuuttuja ja c q < 0 Jos sellaista muuttujaa ei ole, niin ratkaisu on löydetty = lopetetaan (normaali lopetus) Jos sellaisia muuttujia on useita, valitaan niistä jokin, esimerkiksi se, jota vastaava c q on pienin 14

Poistettavan perusmuuttujan valinta Yhtälörajoitteet: a ij x j + j B j / B }{{} a ij x j = b i = x i koska a ij = 1 kun i = j ja a ij = 0 kun i j i = 1,..., m = x j = b j k/ B a jk x k j B 15

= x j = b j k/ B k q a jk x k }{{} = 0 koska x k = 0 kaikilla k / B a jq x q j B x q lisätään joukkoon B = x j = b j a jq x q j B 16

Oltava voimassa: x j = b j a jq x q 0 j B Kuinka suureksi x q voi kasvaa ilman, että jokin x j muuttuu negatiiviseksi? a jq 0 = vaikka kuinka suureksi a jq > 0 = korkeintaan arvoon b j /a jq asti = Suurin mahdollinen arvo muuttujalle x q on: min {b j/a jq a jq > 0} j B 17

Siis: x j = b j a jq x q 0 j B x q voi olla korkeintaan min j B {b j/a jq a jq > 0} Olkoon p siten, että b p / = min j B {b j/a jq a jq > 0} Silloin, jos x q = b p /, niin x p = b p x q = 0 = Muuttuja x p voidaan poistaa perusmuuttujien joukosta 18

= Valitaan poistettava x p siten, että p on se indeksi jolla minimi saavutetaan min {b j/a jq a jq > 0} j B Jos minimiä ei voi laskea, eli jos a jq 0 kaikilla j B, niin sallittu alue on rajoittamaton ja tehtävällä ei ole äärellistä ratkaisua = lopetetaan (epänormaali lopetus) Jos minimi saavutetaan useammalla indeksillä, valitaan niistä jokin, esimerkiksi satunnaisesti 19

Muunnos vastaavaan perusmuotoon Lisätään x q joukkoon B Poistetaan x p joukosta B Muunnetaan tehtävä uusia perusmuuttujia vastaavaan perusmuotoon Muunnos toteutetaan taulukkomuodossa 20

Taulukko ennen muunnosta: x q... x p... x j c q... 0... c j z....... 1... a pj b p.... a iq... 0... a ij b i.... q / B p B 21

Jaetaan rivi p pivot-alkiolla > 0 : c q... 0... c j z... 1... a pj b p a iq... 0... a ij b i = c q... 0... c j z 1... 1... a pj b p a iq... 0... a ij b i 22

Vähennetään rivi p kerrottuna vakiolla c q objektifunktiorivistä: c q... 0... c j z 1... 1... a pj b p a iq... 0... a ij b i = 0... c q... c j c q a pj 1... 1... a pj z c q b p b p a iq... 0... a ij b i 23

Vähennetään rivi p kerrottuna vakioilla a iq rajoiteriveistä i : 0... c q... c j c q a pj 1... 1... a pj z c q b p b p a iq... 0... a ij b i = 0... c q... c j c q a pj 1... 1... a pj 0... a iq... a ij a iq a pj z c q b p b p b i a iq b p 24

Taulukko muunnoksen jälkeen: x q... x p... x j 0... c q... c j c q a pj z c q b p.... 1... 1... a pj b p.... 0... a iq... a ij a iq a pj b i a iq b p.... q B p / B 25

Indeksi p valittiin siten, että Oikean puolen vakiot: b p / = min j B {b j/a jq a jq > 0} b p 0 ja > 0 = b p 0 a iq 0 = b i a iq b p 0 a iq > 0 = b p b i a iq = b i a iq b p 0 = Oikean puolen vakiot säilyvät ei-negatiivisina muunnoksessa 26

Indeksi q valittiin siten, että c q < 0 Objektifunktion arvo: c q < 0 ja b p 0 = z + c q b p z = Objektifunktion arvo ei ainakaan kasva muunnoksessa 27

Simplex-algoritmin toimivuus Yhdessä simplex-iteraatiossa: tehtävä pysyy ekvivalenttina alkuperäisen tehtävän kanssa oikean puolen vakiot pysyvät ei-negatiivisina objektifunktion arvo ei kasva = Jos algoritmi pysähtyy normaalisti (c j 0 kaikilla j / B), niin vastaava perusratkaisu on optimointitehtävän ratkaisu 28

Jos optimissa c j = 0 jollain j / B, niin tehtävällä on useita ratkaisuja Jos algoritmi pysähtyy epänormaalisti (c q < 0 ja a jq 0 kaikilla j B), niin sallittu alue on rajoittamaton ja tehtävällä ei ole äärellistä ratkaisua Jos algoritmi jää jumiin (sama perusratkaisu toistuu uudestaan), niin satunnaisuus indeksin p valinnassa (kun min j B {b j /a jq a jq > 0} ei ole yksikäsitteinen) voi auttaa 29

Tehtävän muuntaminen aloitusperusmuotoon Tarvittaessa muunnetaan maksimointi minimoinniksi kertomalla objektifunktio 1:llä Tarvittaessa muunnetaan oikean puolen vakiot ei-negatiivisiksi kertomalla vastaavat rajoitteet 1:llä Muunnetaan epäyhtälörajoitteet yhtälörajoitteiksi lisäämällä tarvittavat puute- ja ylijäämämuuttujat Jos tehtävä on nyt aloitusperusmuodossa, voidaan aloittaa simplex-algoritmi 30

Esimerkki Maksimointitehtävä ja epäyhtälörajoitteet: max 30x 1 + 20x 2 kun x 1 + x 2 80 2x 1 + x 2 100 x 1 40 x 1, x 2 0 31

Muunnetaan maksimointi minimoinniksi ja epäyhtälörajoitteet yhtälörajoitteiksi: min 30x 1 20x 2 kun x 1 + x 2 + s 1 = 80 2x 1 + x 2 + s 2 = 100 x 1 + s 3 = 40 x 1, x 2, s 1, s 2, s 3 0 Nyt tehtävä on aloitusperusmuodossa, perusmuuttujina puutemuuttujat s 1, s 2 ja s 3 32

Aloitusperusmuodon simplex-taulukko: x 1 x 2 s 1 s 2 s 3 30 20 0 0 0 0 1 1 1 0 0 80 2 1 0 1 0 100 1 0 0 0 1 40 33

30 20 0 0 0 0 1 1 1 0 0 80 2 1 0 1 0 100 1 0 0 0 1 40 = 0 20 0 0 30 1200 0 1 1 0 1 40 0 1 0 1 2 20 1 0 0 0 1 40 34

0 20 0 0 30 1200 0 1 1 0 1 40 0 1 0 1 2 20 1 0 0 0 1 40 = 0 0 0 20 10 1600 0 0 1 1 1 20 0 1 0 1 2 20 1 0 0 0 1 40 35

0 0 0 20 10 1600 0 0 1 1 1 20 0 1 0 1 2 20 1 0 0 0 1 40 = 0 0 10 10 0 1800 0 0 1 1 1 20 0 1 2 1 0 60 1 0 1 1 0 20 36

Optimaalinen simplex-taulukko: x 1 x 2 s 1 s 2 s 3 0 0 10 10 0 1800 0 0 1 1 1 20 0 1 2 1 0 60 1 0 1 1 0 20 Ratkaisu: (x 1, x 2 ) = (20,60) ja (s 1, s 2, s 3 ) = (0,0,20) Minimointitehtävän objektifunktion arvo: 1800 = alkuperäisen maksimointitehtävän objektifunktion arvo: 1800 37

Tehtävän muuntaminen aloitusperusmuotoon (jatkoa) Jos tehtävää ei saada edellä esitetyillä muunnoksilla aloitusperusmuotoon: lisätään keinotekoinen muuttuja w j jokaiselle rajoiteriville, jolla ei muuten ole perusmuuttujaksi kelpaavaa muuttujaa keinotekoisen muuttujan kerroin muilla rajoiteriveillä asetetaan nollaksi, jolloin se voidaan asettaa perusmuuttujaksi lisätään tehtävään keinotekoinen objektifunktio min j w j eliminoidaan perusmuuttujat keinotekoiselta objektifunktioriviltä 38

ratkaistaan saatu tehtävä simplex-algoritmilla alkuperäinen objektifunktio pidetään mukana simplex-muunnoksissa Jos saadaan ratkaisu, jossa kaikki w j = 0, on löydetty sallittu perusratkaisu alkuperäiselle tehtävälle = alkuperäinen tehtävä on aloitusperusmuodossa 39

Yleinen simplex-algoritmi I vaihe: muodostetaan keinotekoisilla muuttujilla laajennettu tehtävä ratkaistaan laajennettu tehtävä simplex-algoritmilla alkuperäistä objektifunktioriviä ei valita pivot-riviksi Jos optimissa keinotekoisen objektifunktion arvo on positiivinen, niin alkuperäisellä tehtävällä ei ole sallittuja perusratkaisuja = lopetetaan Jos optimissa keinotekoisen objektifunktion arvo on nolla, niin siirrytään II vaiheeseen 40

II vaihe: poistetaan keinotekoinen objektifunktiorivi ja kaikki sellaiset keinotekoiset muuttujat, jotka eivät ole perusmuuttujia ratkaistaan alkuperäinen tehtävä simplex-algoritmilla mahdollisia keinotekoisia muuttujia ei valita uusiksi perusmuuttujiksi 41

Esimerkki min x 1 + 6x 2 7x 3 + x 4 + 5x 5 kun 5x 1 4x 2 + 13x 3 + 2x 4 + x5 = 20 x 1 x 2 + 5x 3 x 4 + x 5 = 80 x 1, x 2, x 3, x 4, x 5 0 Kummaltakaan rajoiteriviltä ei löydy perusmuuttujaksi kelpaavaa muuttujaa = lisätään keinotekoiset muuttujat w 1 ja w 2 ja keinotekoinen objektifunktio w 1 +w 2 42

Laajennetun tehtävän simplex-taulukko: x 1 x 2 x 3 x 4 x 5 w 1 w 2 0 0 0 0 0 1 1 0 1 6 7 1 5 0 0 0 5 4 13 2 1 1 0 20 1 1 5 1 1 0 1 8 Eliminoidaan perusmuuttujat w 1 ja w 2 keinotekoiselta objektifunktioriviltä: 6 5 18 3 2 0 0 28 43

I vaiheen aloitusperusmuodon simplex-taulukko: x 1 x 2 x 3 x 4 x 5 w 1 w 2 6 5 18 3 2 0 0 28 1 6 7 1 5 0 0 0 5 4 13 2 1 1 0 20 1 1 5 1 1 0 1 8 44

6 5 18 3 2 0 0 28 1 6 7 1 5 0 0 0 5 4 13 2 1 1 0 20 1 1 5 1 1 0 1 8 = 12/13 7/13 0 3/13 8/13 18/13 0 4/13 48/13 50/13 0 1/13 72/13 7/13 0 140/13 5/13 4/13 1 2/13 1/13 1/13 0 20/13 12/13 7/13 0 3/13 8/13 5/13 1 4/13 45

12/13 7/13 0 3/13 8/13 18/13 0 4/13 48/13 50/13 0 1/13 72/13 7/13 0 140/13 5/13 4/13 1 2/13 1/13 1/13 0 20/13 12/13 7/13 0 3/13 8/13 5/13 1 4/13 = 0 0 0 0 0 1 1 0 12 1 0 2 0 4 9 8 1/2 3/8 1 1/8 0 1/8 1/8 3/2 3/2 7/8 0 3/8 1 5/8 13/8 1/2 46

I vaiheen optimaalinen simplex-taulukko: x 1 x 2 x 3 x 4 x 5 w 1 w 2 0 0 0 0 0 1 1 0 12 1 0 2 0 4 9 8 1/2 3/8 1 1/8 0 1/8 1/8 3/2 3/2 7/8 0 3/8 1 5/8 13/8 1/2 Saatiin optimi, jossa w 1 = w 2 = 0, joten siirrytään II vaiheeseen 47

II vaiheen aloitusperusmuodon simplex-taulukko: x 1 x 2 x 3 x 4 x 5 12 1 0 2 0 8 1/2 3/8 1 1/8 0 3/2 3/2 7/8 0 3/8 1 1/2 48

12 1 0 2 0 8 1/2 3/8 1 1/8 0 3/2 3/2 7/8 0 3/8 1 1/2 = 72/7 0 0 11/7 8/7 60/7 1/7 0 1 2/7 3/7 12/7 12/7 1 0 3/7 8/7 4/7 49

II vaiheen optimaalinen simplex-taulukko: x 1 x 2 x 3 x 4 x 5 72/7 0 0 11/7 8/7 60/7 1/7 0 1 2/7 3/7 12/7 12/7 1 0 3/7 8/7 4/7 Ratkaisu: (x 1, x 2, x 3, x 4, x 5 ) = (0,4/7,12/7,0,0) Objektifunktion arvo: 60/7 50