Pemrograman Linier Masalah dengan Trap ezoidal Fuzzy Varia bles

Pada bagian ini, kami pertama-tama meninjau konsep masalah pemrograman linear variabel
fuzzy dan kemudian memberikan definisi dasar yang layak solusi untuk masalah ini.
Kami akan menunjukkan itu masalah tambahan memang merupakan ganda dari
Masalah FVLP. Ini membawa kita ke konsep dualitas dalam pemrograman linear variabel fuzzy.
Kami menyatakan dan membuktikan hasil dualitas yang diperoleh oleh perpanjangan alami dari
hasil di garing pemrograman linier. Kami akhirnya memperkenalkan a algoritma simpleks ganda
untuk menyelesaikan FVLP masalah langsung, menggunakan tablo simpleks sesuai dengan
masalah primal asli (9) Algoritma baru kemudian akan berguna untuk analisis pasca optimalitas
berdasarkan penggunaan tableaus simplex primal. Di sini, kami mengeksplorasi konsep fuzzy
basic solusi yang layak untuk masalah FVLP. Mempertimbangkan masalah FVLP,
Tabel 1. FVLP Masalah Format Tabel
~x~ x Ŕ Basis B N R.H.S
~z ~y ~y 0 ZN – cN -1
00 = cBB b R(00)
~x ~y ~
b ~y B 1 B-1N 0= B
-1
R(0)

Langkah Utama Fuzzy Metode Primal Simplex

Sekarang kita berada di tempat yang bisa menghadirkan simpleks algoritma untuk masalah
FVLP.
Algoritma 1. Metode simpleks fuzzy untuk Masalah FVLP
Asumsi: Solusi layak dasar dengan dasar B dan simpleks yang sesuai
tabel sudah dekat.
Tabel 2.FVLP pada format Simpleks Primal (tabel pertama)
~
x~x~
x~x Ŕ B 1 2 3 4 R.H.S
asis
~z 3 4 0 0 (0,0,0,0) 0
~ 7 3 1 1 0 (2,4,1,3)
x 3
2
~ 15 2 -3 0 1 (3,5,2,1)
x 4
4

Tabel3. Tabel Simpleks (Tabel Optimal)

~
x~x~
x~x Ŕ B 1 2 3 4 R.H.S
 asis
~z -9 0 -4 0 (-16,-8,12,4) -14
~ 7 3 1 1 0 (2,4,1,3)
x 2
2
~ 57 11 0 3 1 (9,17,5,10)
x 4
4

Metode Dual Simpl ex

Pada bagian ini, kami pertama-tama meninjau konsep tersebut pemrograman linier variabel
dualitas fuzzy masalah dan kemudian memberikan metode yang efisien untuk memecahkan
masalah FVLP berdasarkan hasil dualitas.

Di bawah ini, kami memperkenalkan metode ganda baru untuk memecahkan masalah FVLP
secara langsung, bekerja pada masalah primal dan simpleks yang terkait
tablo.
Tabel 4. Tabel Simpleks Baru untuk menyelesaikan solusi baru optimal
~
x~x~
x~x Ŕ 1 2 3 4 R.H.S
Basis
~z −6 0 0
7

−10
7

−196 16 214 152

[ 7
, ,
7 7
,
7 ]
−149
7
~ −3 −2 0 1
x
7 7

−16 5 13 5
[ 7
,− , ,
7 7 7 ]
−25
2
7
~ 4 −5 1 0
x
7 7
 −6 11 14 17
[ , , ,
7 7 7 7 ]
13
1
4

Tabel 5. Tabel simpleks Optimal

~
x~x~
x~x Ŕ 1 2 3 4 R.H.S
Basis
~z −6 0 -2 0
7

−132 846 708 1026

[ 49
, , ,
49 49 49 ]
434
49
~ −7 2 0 1
x
3 3

5 16 5 13
[ , , ,
3 3 3 3 ]
25
S
6
~ 4 −23 1 0
x
3 21

−22 141 118 171

[ , , ,
49 49 49 49 ]
291
1
4

x2 ≤ ~ ~
Tabel 6. Tabel Simpleks Setelah Mengikuti Konsentrasi Baru ~
x 1 + 2~ b 0 , dimana b 0 (2,3,1,2)
x́ x́ x́ x́ Ŕ B 1 2 3 4 R.H.S
 asis
−6 0 0
ź
7

−10
7

−62 300 340 418

[ 7
,
7
,
7
,
7 ]
267
14
−3 2 0 1
x́
7 7

−5 12 18 19
[ , , ,
7 7 7 7 ]
15
2
28
4 −5 1 0
x́
7 7

−2 30 30 38
[ , , ,
7 7 7 7 ]
32
1
7
29 0 0
x́
77

−40 33 83 80
[ 7
, , ,
7 7 7 ]
−17
5
28

Tabel 7. Tabel Simpleks dimana c = (6,10) adalah perubahan ke ć = (7,9)

 ~
x~x~
x~x Ŕ B 1 2 3 4 R.H.S
asis
~z 15 −59 0 0
7 7

−62 300 360 418

[ 7
,
7
,
7
,
7 ]
229
14
~ −3 −2 0 1
x
7 7

−5 12 18 19
[ , , ,
7 7 7 7 ]
15
2
28
~ 4 −5 1 0
x
7 7

−2 30 30 38
[ , , ,
7 7 7 7 ]
32
1
7

Tabel 8. Tabel Simpleks Optimal Fuzzy Primal

~
x~x~
x~x Ŕ B 1 2 3 4 R.H.S
asis
~z −15 0 0
4

−161
28

−117 621 729 837

[ 14
, , ,
14 14 14 ]
198
7
 ~ 3 −23 1 0
x
4 28

−13 69 81 93
[ , , ,
14 14 14 14 ]
15
2
28
~ 7 −5 0 1
x
4 4

−1 15 15 19
[ , , ,
7 7 7 7 ]
16
1
7

Kesimpulan
Di atas, kami menunjukkan fuzzy simpleks algoritma (primal dan ganda) dinyatakan dalam arus
kami karya (Mahdavi-Amiri & Nasseri, 2007;Mahdavi-Amiri et al., 2009) akan bermanfaat
analisis pasca optimalitas pada pemrograman linier masalah dengan variabel fuzzy yang
tujuannya adalah untuk menentukan perubahan dalam solusi optimal masalah FLP yang
dihasilkan dari perubahan dalam data. Kami menekankan bahwa yang diusulkan metode tidak
dapat memecahkan masalah FVLP ketika koefisien biaya juga angka fuzzy. Ini akan menjadi
karya penelitian yang menarik di masa depan. Di sisi lain, Ebrahimnejad dan Nasseri (2009)
mengusulkan dua metode yang efisien
berdasarkan fuzzy primal fuzzy simplex terikat metode, sehingga akan menjadi pekerjaan
penelitian lain untuk lakukan analisis sensitivitas pada masalah-masalah ini.