Sei sulla pagina 1di 16

La Programmazione

Lineare
Un Esempio

Il Problema
Il caseificio “Fior di Latte” produce due tipi di formaggio: i formaggi
A e B. L’azienda casearia deve decidere quante tonnellate produrre
di ciascun tipo di formaggio.
L’azienda trasforma esclusivamente il latte proveniente da alcune
stalle della zona che possono garantire ogni anno 2880 tonnellate di
latte.
Da un punto di vista della trasformazione, i due formaggi si
differenziano per la quantità di latte e per il lavoro necessari alla
produzione di un’unità di prodotto trasformato.
Infatti per produrre 1 tonn. di formaggio A sono necessari 12 tonn.
di latte e 9 ore di lavoro; mentre, per produrre 1 tonn. di formaggio
B servono 16 tonn. di latte e 6 ore di lavoro.
Il caseificio ha una capacità massima di 200 tonnellate di formaggio.
Le ore di lavoro disponibili sono 1566.
Il profitto che può ricevere il caseificio dalla vendita del formaggio è
pari a 350 euro per il formaggio A e 300 euro per il formaggio B.
La domanda è: quanto formaggio A e B deve produrre il caseificio
per poter ottenere il massimo profitto?

1
I problemi di scelta
In qualsiasi contesto economico dove le risorse da utilizzare
sono disponibili in quantità limitata, si pone un problema di
scelta della quantità e combinazioni di fattori da impiegare
per ottenere il migliore risultato possibile.
Ad esempio, l’attività imprenditoriale ha come motivazione
principale la continuità della propria impresa e la
remunerazione dei fattori della produzione. L’imprenditore
compie la sua attività di organizzazione al fine di individuare
quella combinazione di fattori in grado di fornire il profitto più
elevato.
Nel campo della logistica dei trasporti, l’obiettivo è trovare la
strada più breve per raggiungere un certo luogo o il sistema
di trasporto delle merci che riesca a minimizzare i costi
dell’impresa.

La formulazione del problema


Per risolvere ogni tipo di problema di programmazione
lineare, prima di tutto bisogna cercare di formularlo in
termini algebrici seguendo queste regole:

1. Comprendere il problema;
2. Individuare la funzione obiettivo come combinazione
lineare delle variabili decisionali;
3. Identificare le variabili di decisione;
4. Formulare i vincoli del problema come combinazione
lineare delle variabili di decisione.

2
Comprendere il problema
Prima di cimentarsi con la formulazione matematica di ogni
problema è fondamentale soffermarsi sul contesto in cui
dovremo sviluppare un modello di programmazione
matematica e domandarci:
1) Qual è l’obiettivo a cui dovremmo rispondere attraverso lo
sviluppo di un modello di programmazione matematica?
2) Esistono delle variabili decisionali che possono influenzare
l’obiettivo?
3) Quali sono i fattori o le risorse disponibili impiegati nel
processo di trasformazione tecnico-economica?
4) Quali sono i tempi richiesti per dare un supporto al
processo decisionale?
5) E’ realmente necessario sviluppare un modello di
programmazione matematica?

Identificare le variabili decisionali


Se abbiamo compreso i termini del problema, allora possiamo
individuare le variabili decisionali, cioè quelle grandezze che
attraverso l’uso delle risorse disponibili in quantità limitata
determinano i risultati del problema. Le variabili sono quegli
elementi del problema che devono essere calcolati in modo
da ottenere il miglior risultato possibile.
Solitamente le variabili di un problema di PL sono individuate
dalle lettere X1, X2, X3, … , Xn
Nel nostro esempio, le variabili decisionali sono implicite nella
domanda finale: quante tonnellate di formaggio A e B bisogna
produrre per ottenere il massimo profitto?
Le variabili sono:
Formaggio A X1 Variabili
decisionali del
Formaggio B X2 problema di PL

3
La Funzione Obiettivo
Dopo aver individuato le variabili decisionali del problema,
bisogna formulare in termini matematici l’obiettivo che ci
poniamo attraverso la costruzione e risoluzione di un
problema di PL. Domanda: cosa deve essere
massimizzato/minimizzato? La funzione obiettivo rappresenta
in termini algebrici l’obiettivo di chi vuole ottimizzare una
certa situazione attraverso un modello di PL.
Nel nostro esempio la funzione obiettivo è data dalla
massimizzazione del profitto totale del caseificio, vale a dire:

Profitto Totale = 350 X1 + 300 X2

Obiettivo= massimizzare (max) il Profitto Totale

Funzione Obiettivo = max Profitto Totale = max 350 X1 + 300 X2

I Vincoli
In ogni problema di scelta esistono dei limiti ai valori che
possono assumere le variabili decisionali. In particolare, in
ogni problema di PL bisogna tener conto dei fattori limitanti,
ovvero delle risorse disponibili in quantità limitata. Inoltre, in
molti problemi di scelta è necessario considerare i vincoli
tecnologici, ovvero i legami esistenti tra variabili e tra le
variabili e i fattori limitanti.
Nel problema di PL assunto come esempio possiamo
individuare 3 vincoli principali.

I vincolo. La capacità del caseificio


Ogni anno il caseificio può contenere sino ad un massimo di 200 tonnellate di
formaggio. Quindi:

X1 + X2 ≤ 200
La quantità prodotta del formaggio A sommata alla quantità del formaggio B non
può superare le 200 tonnellate prodotte.

4
I Vincoli
II vincolo. Il vincolo tecnologico di disponibilità di latte
Il caseificio utilizza il latte di alcuni allevatori per produrre i due tipi di formaggi,
cioè:

12X1 + 16X2 ≤ 2880


Per produrre un’unità (tonnellata) di formaggio A occorrono 12 tonnellate di
latte; mentre per produrre il formaggio B occorrono 16 tonnellate di latte. La
quantità di latte che può entrare nel ciclo produttivo ogni anno è pari a 2880
tonnellate di latte.
III vincolo. Il vincolo della disponibilità di lavoro
L’ammontare massimo di ore che possono essere destinate all’attività di
trasformazione costituisce un ulteriore vincolo al problema. Infatti:

9X1 + 6X2 ≤ 1566


Sono 9 le ore che devono essere destinate alla produzione di 1 t. di formaggio A
e 6 quelle necessarie alla produzione del formaggio B.

I Vincoli
Infine, per dare coerenza alle soluzioni del problema con la
realtà osservata ed evitare soluzioni inverosimili, ai problemi
di PL si aggiungono i cosiddetti vincoli di non-negatività
riferiti alle variabili del problema.
Così nel nostro esempio sarebbe alquanto strano ottenere
soluzioni con valori negativi delle variabili decisionali. Per tale
ragione, il problema è integrato dai seguenti 2 vincoli:

X1 ≥ 0
Vincoli di
non-negatività
X2 ≥ 0
I due vincoli assicurano che la risoluzione del problema
restituisca valori realistici ancorché ottimi.

5
Il Problema di PL
Ora siamo in grado di poter scrivere il problema di PL in modo
completo, nella formulazione algebrica seguente:

max 350 x1  300 x2 F. Obiettivo


x1 , x2

Soggetto a
x1  x2  200 V. Capacità caseificio

12 x1  16 x2  2880 V. Latte fornito

9 x1  6 x2  1566 V. Lavoro

x1  0 V. non-negatività 1
x2  0 V. non-negatività 2

Attività 1 Attività 2

Soluzione Grafica
I vincoli di un problema di PL definiscono l’insieme delle
soluzioni ammissibili, cioè la regione delle soluzioni
ammissibili del problema (feasible region). Il nostro
compito è di determinare quale punto della regione
ammissibile corrisponde al valore ottimo della funzione
obiettivo.
max 350 x1  300 x2
x1 , x2

Soggetto a
x1  x2  200
12 x1  16 x2  2880
9 x1  6 x2  1566
x1  0
x2  0

6
Soluzione Grafica
Rappresentiamo il primo vincolo

x1  x2  200
x2
(0,200)

200

150

100

50

(200,0)

0 50 100 150 200 x1

Soluzione Grafica
Rappresentiamo il primo vincolo

x1  x2  200
x2
(0,200)

200

150 Linea del limite superiore


della capacità del
caseificio
100

50

(200,0)

0 50 100 150 200 x1

7
Soluzione Grafica
Rappresentiamo il secondo vincolo

12 x1  16 x2  2880
x2
250

(0,180)
200

150 Linea del limite superiore


della disponibilità di latte

100

50

(240,0)

0 50 100 150 200 250 x1

Soluzione Grafica
Rappresentiamo il secondo vincolo

12 x1  16 x2  2880
x2
250

(0,180)
200

150 Linea del limite superiore


della disponibilità di latte

100

50

(240,0)

0 50 100 150 200 250 x1

8
Soluzione Grafica
Rappresentiamo il secondo vincolo

9 x1  6 x2  1566
x2 (0,261)

250

200

Linea del limite superiore


150
della disponibilità di
lavoro

100

50

(174,0)

0 50 100 150 200 250 x1

Soluzione Grafica
Rappresentiamo il secondo vincolo

9 x1  6 x2  1566
x2 (0,261)

250

200

Linea del limite superiore


150
della disponibilità di
lavoro

100
Regione
Ammissibile
50
(Feasible
region) (174,0)

0 50 100 150 200 250 x1

9
Soluzione Grafica
La regione ammissibile rappresenta la nuvola dei punti
rispetto ai quali il valore assunto dalle variabili non contrasta
con i vincoli del problema.

x2
250

200 Regione Ammissibile

150

100

50

0 50 100 150 200 250 x1

Soluzione Grafica
La regione ammissibile offre una infinita nuvola di punti
nella quale dovremo individuare la coppia di valori che
producono il massimo profitto.
Per tale ragione esistono un infinito numero di valori della
funzione obiettivo che soddisfa i vincoli del problema.
Tuttavia, solo un punto restituisce il valore massimo della
funzione obiettivo.
La ricerca di questo punto deve seguire il criterio di
saturazione della disponibilità dei fattori, cioè è
necessario individuare quella soluzione che riesca ad
utilizzare pienamente le risorse scarse.
Per tale ragione, la soluzione del nostro problema dovrà
essere cercata nelle zone più estreme della regione
ammissibile.
Questi punti in PL, si trovano all’intersezione delle rette dei
vincoli, vale a dire nei punti d’angolo (corner point) della
regione ammissibile.

10
Soluzione Grafica
Procediamo per tentativi e partiamo dal seguente valore della
funzione obiettivo: 350x1 + 300x2 = 35000
Graficamente:
x2
250

200

Funzione
150
obiettivo
(0,116.67)

100

50

(100,0)

0 50 100 150 200 250 x1

Soluzione Grafica
Il valore della funzione obiettivo precedente soddisfa i vincoli,
ma non massimizza il risultato perché abbiamo ancora
disponibilità di fattori. Proviamo ora con un valore di FO pari
a 52500 euro. Graficamente:
x2
250

200 (0,175)

Nuova
150 Funzione
obiettivo

100

50

(150,0)

0 50 100 150 200 250 x1

11
Soluzione Grafica
Spostando la funzione obiettivo agli estremi della regione
ammissibile il risultato economico continua ad aumentare. Il
punto al di là del quale non è più possibile spostare la FO
corrisponde al punto di ottimo.
x2
250

200

150
Soluzione
ottima
100
(122,78)
50

0 50 100 150 200 250 x1

Soluzione Grafica
Per cercare la soluzione ottimale di un problema di PL è
necessario studiare i punti d’angolo e determinare per ciascun
punto il valore della funzione obiettivo. Il punto che
restituisce il valore della FO più alto coincide con il punto di
ottimo. x2
250
(0,180)
200 FO=54000€

(80,120)
150
FO=64000€

100 (122,78)
FO=66100€

50
(174,0)
(0,0) FO=60900€
FO=0€

0 50 100 150 200 250 x1

12
Problema di PL
Risolvere graficamente il seguente problema di
Programmazione Lineare.

max 450 x1  300 x2


x1 , x2

Soggetto a
x1  x2  200
12 x1  16 x2  2880
9 x1  6 x2  1566
x1  0
x2  0

Soluzione Grafica
Alcuni problemi di PL possono presentare delle soluzioni
ottime multiple.

x2
250
(0,180)
200 FO=54000€

(80,120)
150
FO=72000€

100 (122,78)
FO=78300€

50
(174,0)
(0,0) FO=78300€
FO=0€

0 50 100 150 200 250 x1

13
Problema di PL
Risolvere graficamente il seguente problema di
Programmazione Lineare.

max 3x1  4 x2
x1 , x2

Soggetto a
x1  12
x2  10
4 x1  6 x2  72
x1  0
x2  0

Soluzione
Rappresentiamo il primo vincolo:
x1  12

x2
20

18
16
14
12

10

2
(12,0)

0 2 4 5 6 8 10 12 14 16 18 20 x1

14
Soluzione
Rappresentiamo il secondo vincolo:
x2  10

x2
20

18
16
14
(0,10)
12

10

0 2 4 5 6 8 10 12 14 16 18 20 x1

Soluzione
Rappresentiamo il terzo vincolo:
4 x1  6 x2  72

x2
20

18
16
14 (0,12)
12

10

2
(18,0)

0 2 4 5 6 8 10 12 14 16 18 20 x1

15
Soluzione
Calcoliamo le soluzioni d’angolo per individuare la soluzione
ottima.

x2
20

18
16
14 (0,10)
FO=40€ (3,10)
12
FO=49€
10

6 (12,4) Soluzione
FO=52€
4
Ottima
(0,0) (12,0)
2 FO=36€
FO=0€

0 2 4 5 6 8 10 12 14 16 18 20 x1

16

Potrebbero piacerti anche