Wst˛ep
Specyfika przewozu i przechowywania produktów szybko trac ˛ acych warto´s´c (w tym łatwo psuj ˛ acych si˛e) polega na tym, ˙ze ich ilo´s´c lub warto´s´c zmienia si˛e w trakcie transportu. Wyst˛epuj ˛ a ró˙zne przyczyny takiego stanu rzeczy, które mo˙zna podzieli´c na dwie podstawowe grupy. Do pierwszej z nich nale˙z ˛ a te, które wyst˛epuj ˛ a w sposób ci ˛ agły i zale˙z ˛ a głównie od cech transportowanych dóbr. Najwa˙zniejszymi s ˛ a wła´sciwo´sci fizyczne i chemiczne, zmiana warto´sci spowodowana upływem czasu oraz niezauwa˙zone wcze´sniej braki, które ujawniaj ˛ a si˛e dopiero w momencie sprzeda˙zy u˙zytkownikowi ko´ncowemu. Drug ˛ a grup˛e stanowi ˛ a przyczyny wyst˛epuj ˛ ace w sposób mniej regularny (cho´c ich regularno´s´c wzrasta wraz ze zwi˛ekszeniem rozmiaru działalno´sci), spowodowane głównie działalno´sci ˛ a człowieka. Do najwa˙zniejszych nale˙z ˛ a niewła´sciwe warunki transportowania lub magazynowania oraz ró˙znego rodzaju wypadki i przest˛epstwa (np. kradzie˙ze lub uszkodzenia powstałe w wyniku czynów zabronionych). Warto zwróci´c uwag˛e, ˙ze cho´c podział na dwie grupy jest istotny z punktu widzenia przeciwdziałania wyst˛epowaniu ró˙znych przyczyn, to nie ma wpływu na sposób modelowania matematycznego tego typu sytuacji. W dalszej cz˛e´sci pracy wszystkie mo˙zliwe przyczyny b˛edziemy wi˛ec traktowa´c jednakowo.
Do dóbr szybko trac ˛ acych warto´s´c, omówionych w tej ksi ˛ a˙zce, nale˙z ˛ a: ˙zyw- no´s´c (zwłaszcza ´swie˙ze warzywa i owoce, produkty mleczne), produkty firm far- maceutycznych (zwłaszcza leki), substancje radioaktywne wykorzystywane w dia- gnostyce obrazowej, krew i produkty krwiopochodne, ale te˙z odzie˙z i inne towary, których warto´s´c spada ze wzgl˛edu na przemijaj ˛ ac ˛ a mod˛e.
W modelach matematycznych ten spadek warto´sci odzwierciedlany jest po-
przez mno˙zniki wprowadzone do warunków ograniczaj ˛ acych opisuj ˛ acych przepły-
wy (w ten sposób ró˙zne typowe zadania przepływów w sieciach staj ˛ a si˛e uogól-
nionymi zadaniami przepływów). Cho´c zmiana ta wpływa w niewielki sposób na posta´c samych modeli, to jest bardzo znacz ˛ aca dla struktury rozwi ˛ aza´n odpowied- nich zada´n optymalizacyjnych. W miejscu lasów rozpinaj ˛ acych pojawiaj ˛ a si˛e bar- dziej skomplikowane struktury kombinatoryczne, co znacznie zwi˛eksza poziom trudno´sci zada´n. Z tego wzgl˛edu istotne jest znalezienie efektywnych metod roz- wi ˛ azywania jak najszerszej klasy zada´n uogólnionych przepływów. Ksi ˛ a˙zka ta wy- chodzi naprzeciw tej potrzebie, dostarczaj ˛ ac wielu algorytmów dla ró˙znego typu nieliniowych i stochastycznych wersji uogólnionego zadania przepływu o mini- malnym koszcie. Co istotne, w literaturze mo˙zna znale´z´c niewiele prac po´swi˛eco- nych nieliniowym i stochastycznym wersjom omawianych zada´n (w szczególno´sci metodom ich rozwi ˛ azywania).
Wobec powy˙zszego głównym celem autora było przedstawienie modeli i efek- tywnych algorytmów dla nieliniowych i stochastycznych problemów przewozu dóbr szybko trac ˛ acych warto´s´c. Ze wzgl˛edu na niewielk ˛ a liczb˛e prac na ten temat, osi ˛ agni˛ecie postawionego celu zapewnia nowatorski charakter niniejszego opraco- wania.
Maj ˛ ac na uwadze cel główny, mo˙zna wyodr˛ebni´c trzy cele szczegółowe roz- prawy: teoretyczny, empiryczny i aplikacyjny.
Celem teoretycznym był matematyczny opis problemu przewozów dóbr szyb- ko trac ˛ acych warto´s´c i prezentacja algorytmów ich rozwi ˛ azywania. Cel ten został osi ˛ agni˛ety za pomoc ˛ a prezentacji kilkunastu modeli matematycznych b˛ed ˛ acych sformalizowanym zapisem ró˙znych typów zada´n zwi ˛ azanych z przewozem takich dóbr. Zaprezentowano równie˙z liczne algorytmy rozwi ˛ azuj ˛ ace zadania o omawia- nej postaci. Osi ˛ agni˛eciu tego celu słu˙zyła równie˙z analiza zbie˙zno´sci przedstawia- nych metod.
Celem empirycznym rozprawy była analiza efektywno´sci przedstawionych al- gorytmów. Cel ten osi ˛ agni˛eto za pomoc ˛ a licznych eksperymentów obliczenio- wych, polegaj ˛ acych na rozwi ˛ azaniu pewnej liczby losowo wygenerowanych zada´n testowych. W eksperymentach wykorzystane zostały autorskie programy kompu- terowe napisane samodzielnie przez autora.
Celem aplikacyjnym było modelowanie konkretnych sytuacji decyzyjnych zwi ˛ azanych z przewozami. Jego osi ˛ agni˛eciu posłu˙zyło przedstawienie pewnej liczby rzeczywistych przykładów zaczerpni˛etych z literatury oraz zaprezento- wanie przykładów obliczeniowych.
Celom podporz ˛ adkowana została struktura rozprawy. W rozdziale 1 omówiono
pokrótce mo˙zliwe przyczyny utraty warto´sci przez transportowane dobra, a tak˙ze
miejsce systemów wspomagania decyzji w systemach informacyjnych przedsi˛e-
biorstw oraz umiejscowienie algorytmów w tych˙ze systemach. Dalsza cz˛e´s´c roz-
działu została po´swi˛econa towarom szybko trac ˛ acym warto´s´c, trudno´sciom wi ˛ a˙z ˛ a-
cym si˛e z optymalizacj ˛ a ich przewozów i sposobom ich modelowania z u˙zyciem uogólnionych przepływów. Przedstawiono te˙z bardziej szczegółowo (w podroz- dziale 1.5) zakres tematyczny ksi ˛ a˙zki. Cały rozdział 1 został oparty w wi˛ekszo´sci na badaniach literaturowych przedmiotu.
Od tego miejsca wi˛ekszo´s´c tre´sci ksi ˛ a˙zki stanowi ju˙z własny dorobek auto- ra (poza oczywistymi, koniecznymi odwołaniami do literatury). W rozdziałach 2 i 3 omówiono modele oparte na sieciach jednowarstwowych i przedstawiono al- gorytmy rozwi ˛ azywania odpowiednich zada´n optymalizacyjnych. W szczególno-
´sci, w rozdziale 2 omówiono problemy z nieliniowymi (wypukłymi i niewypukły- mi) kosztami oraz algorytmy ich rozwi ˛ azywania. W rozdziale 3 zaprezentowano z kolei jednowarstwowe problemy stochastyczne i opracowane dla nich algoryt- my. W dalszej cz˛e´sci omówiono bardziej zaawansowane modele. W rozdziale 4 modele i algorytmy dla sieci jednowarstwowych zostały stopniowo uogólnione na sieci dwuwarstwowe, wielowarstwowe i topologicznie uporz ˛ adkowane sieci o do- wolnym kształcie. W rozdziale 5 omówiono modele i algorytmy dla problemów wieloasortymentowych zarówno jednowarstwowych, jak i bazuj ˛ acych na sieciach logistycznych o dowolnej strukturze. Rozdział 6 zawiera modele i algorytmy dla problemów, w których oprócz kryterium minimalizacji kosztu lub oczekiwanego kosztu wyst˛epuj ˛ a równie˙z dodatkowe kryteria – czasu albo ryzyka, mierzonego zmienno´sci ˛ a oczekiwanego kosztu. Równie˙z w tym rozdziale omówiono proble- my oparte zarówno na jednowarstwowych, jak i dowolnych sieciach logistycznych.
W poszczególnych rozdziałach przedstawiono równie˙z wyniki eksperymentów ob-
liczeniowych.
Rozdział 1
Problem badawczy
1.1. Wprowadzenie
Ilo´s´c transportowanych towarów stale wzrasta. Oczywistymi powodami s ˛ a wzrost produkcji i konsumpcji. Istnieje jednak równie˙z inna przyczyna. Je´sli we´zmie- my pod uwag˛e wielko´s´c transportu w pewnym zakładanym okresie, ilo´s´c towarów zwi˛eksza si˛e tak˙ze dlatego, ˙ze czas dostawy jest ´srednio coraz dłu˙zszy. Jest to spo- wodowane przede wszystkim przez globalizacj˛e. Cz˛e´s´c firm lokalizuje swoj ˛ a pro- dukcj˛e z dala od rynków zbytu, poniewa˙z pozwala to na optymalizacj˛e jej kosztów (dobrym przykładem s ˛ a tu producenci elektroniki i ubra´n, umieszczaj ˛ acy swoje fabryki w Azji Południowo-Wschodniej, podczas gdy najwi˛ekszymi rynkami zby- tu s ˛ a Ameryka Północna i Europa Zachodnia). Niektóre towary nie s ˛ a dost˛epne w pewnych regionach (na przykład w˛egiel, gaz, ropa naftowa, metale i wiele ro- dzajów ro´slin). To sprawia, ˙ze ła´ncuchy logistyczne wydłu˙zaj ˛ a si˛e, bez wzgl˛edu na to, czy we´zmiemy pod uwag˛e odległo´s´c geograficzn ˛ a, czy czas dostawy.
Im dłu˙zsze s ˛ a ła´ncuchy logistyczne, tym wi˛eksze jest ryzyko, ˙ze niektóre pro- dukty utrac ˛ a cz˛e´s´c lub cało´s´c swej warto´sci (na przykład na skutek uszkodzenia albo zmiany wła´sciwo´sci spowodowanej upływem czasu). Jest rzecz ˛ a wa˙zn ˛ a, aby przewidzie´c takie sytuacje i uwzgl˛edni´c je w planowaniu dystrybucji towarów. Na- turalnym sposobem modelowania takich problemów jest u˙zycie tzw. uogólnionych sieci (poj˛ecie to zostało szerzej wyja´snione w podrozdziale 1.4).
W kolejnym podrozdziale omówiono bardziej szczegółowo tego typu straty
wyst˛epuj ˛ ace w ła´ncuchach logistycznych, a w ostatnim podrozdziale przedstawio-
no uogólnione przepływy, wraz z ich zastosowaniami, w szczególno´sci w modelo-
waniu strat wyst˛epuj ˛ acych podczas transportu.
1.2. Przyczyny utraty warto´sci przez transportowane dobra
Podczas planowania dostaw bardzo u˙zytecznym zało˙zeniem jest to, ˙ze ilo´sci to- warów wysyłanych z punktów zaopatrzenia s ˛ a takie same jak te dostarczane do punktów docelowych. Zało˙zenie to upraszcza zarówno modele, jak i algorytmy i było powszechnie stosowane przez badaczy. Jednak nie zawsze jest ono realne – istnieje wiele powodów tego, ˙ze ilo´sci towaru zmieniaj ˛ a si˛e podczas przepływu przez ła´ncuch logistyczny.
Mi˛edzy innymi wyró˙zni´c mo˙zna nast˛epuj ˛ ace przyczyny:
– przyczyny wyst˛epuj ˛ ace w sposób ci ˛ agły i zale˙z ˛ ace głównie od cech trans- portowanych towarów:
• fizyczne i chemiczne wła´sciwo´sci transportowanych dóbr,
• zmiana warto´sci transportowanych dóbr spowodowana upływem czasu,
• niezarejestrowane wcze´sniej braki,
– przyczyny wyst˛epuj ˛ ace w sposób mniej regularny i wynikaj ˛ ace z działalno-
´sci człowieka:
• niewła´sciwe warunki transportowania lub magazynowania,
• wypadki,
• przest˛epstwa.
Wła´sciwo´sci fizyczne i chemiczne transportowanych towarów mog ˛ a powodo- wa´c zmiany w ich ilo´sci. W tym kontek´scie warto wymieni´c ˙zywno´s´c, w szcze- gólno´sci produkty rolne, na przykład owoce i warzywa. Jest to raczej oczywiste,
˙ze ich jako´s´c zmniejsza si˛e w czasie. Nie jest mo˙zliwe, aby utrzyma´c je w dobrym stanie przez dłu˙zszy czas, tak wi˛ec straty s ˛ a nieuniknione. Niektóre przykłady ła- two psuj ˛ acych si˛e produktów rolnych, które były analizowane przez naukowców, mo˙zna znale´z´c w artykule przegl ˛ adowym Ahumady i Villalobosa [2009] (Czytel- ników zainteresowanych bardziej szczegółowymi informacjami odsyłamy do prac cytowanych w tym artykule). Rong, Akkerman i Grunow [2011] rozwin˛eli model opisuj ˛ acy zmiany w jako´sci ´swie˙zej ˙zywno´sci. Zaprezentowali nast˛epuj ˛ ace równa- nie ró˙zniczkowe przedstawiaj ˛ ace zale˙zno´s´c poziomu jako´sci od upływu czasu:
dq
dt = kq
ω. (1.1)
W powy˙zszym wzorze q oznacza poziom jako´sci, t czas, a k współczynnik de- gradacji, zale˙zny od warunków transportu i przechowywania. Autorzy zauwa˙zyli,
˙ze przewa˙znie ω ∈ {0,1}, wi˛ec jako´s´c jest liniow ˛a albo wykładnicz ˛a funkcj ˛a cza- su t. Yu i Nagurney [2013] przyj˛eli, ˙ze relacja jest wykładnicza (podobne zało˙zenie przyj˛ete zostało w niedawno wydanej ksi ˛ a˙zce Nagurney i współautorów [2013]).
Zanoni i Zavanella [2012] analizowali strategie decyzyjne dla zrównowa˙zonych
ła´ncuchów dostaw ˙zywno´sci. W szczególno´sci zadali pytanie, czy lepiej jest mro- zi´c produkty spo˙zywcze, czy przewozi´c ´swie˙ze. Zastosowali podan ˛ a wy˙zej relacj˛e mi˛edzy jako´sci ˛ a i czasem, ale równie˙z wzór na współczynnik degradacji k (któ- ry, ich zdaniem, nie musi by´c stały w czasie). Jednak bez wzgl˛edu na to, jaka jest forma funkcji q, je´sli kto´s zna czas dostawy (lub przynajmniej jego warto´s´c oczeki- wan ˛ a), mo˙ze przewidzie´c, jaka b˛edzie (oczekiwana) zmiana jako´sci (lub warto´sci) wybranego produktu po przesłaniu go przez dowoln ˛ a cz˛e´s´c ła´ncucha dostaw.
Innym przykładem towarów nietrwałych s ˛ a preparaty promieniotwórcze sto- sowane w słu˙zbie zdrowia, niezb˛edne do obrazowania medycznego. Materiały ra- dioaktywne ulegaj ˛ a rozpadowi promieniotwórczemu, co powoduje zmiany w ich ilo´sci. Przykład takiego ła´ncucha dostaw mo˙zna znale´z´c w artykule Nagurney i Na- gurneya [2012] oraz w ksi ˛ a˙zce Nagurney i współautorów [2013] wspomnianej ju˙z powy˙zej. W obu pracach autorzy rozwa˙zaj ˛ a produkcj˛e i transport molibdenu-99 (
99Mo) i technetu-99m (
99mTc).
Do nietrwałych produktów nale˙z ˛ a równie˙z krew i preparaty krwiopochodne.
Problem został niedawno opisany przez Nagurney i Masoumiego [2012], Nagur- ney, Masoumiego i Yu [2012] oraz Nagurney i współautorów [2013]. Autorzy przedstawili dwukryterialny model uwzgl˛edniaj ˛ acy koszt i ryzyko. Krew była ju˙z od dawna jednym z nietrwałych produktów najbardziej interesuj ˛ acych badaczy, jak stwierdził na przykład Nahmias [1982]. Prawd ˛ a jest, ˙ze z czysto fizycznego punktu widzenia ilo´s´c krwi lub produktów krwiopochodnych nie zmienia si˛e z upływem czasu. Jednak te produkty maj ˛ a ´sci´sle okre´slon ˛ a dat˛e wa˙zno´sci. Niektóre z tych produktów, których termin przydatno´sci upłyn ˛ ał, musz ˛ a by´c uznane za niemo˙zli- we do wykorzystania, co mo˙ze by´c ostatecznie interpretowane jako zmniejszenie ich ilo´sci.
Jeszcze innym przykładem produktów, których ilo´s´c zmienia si˛e ze wzgl˛edu na cechy fizyczne i chemiczne, s ˛ a farmaceutyki. Ten problem był badany na przy- kład przez Masoumiego, Yu i Nagurney [2012], a ostatnio tak˙ze przez Nagurney i współautorów [2013]. Autorzy opracowali uogólniony sieciowy model oligopolu w celu wykorzystania modelu Cournota dla bran˙zy producentów leków. Bardzo rzadko ilo´s´c leku lub innego produktu farmaceutycznego mo˙ze rzeczywi´scie si˛e zmienia´c, ale podobnie jak w przypadku produktów krwiopochodnych, przekro- czenie daty wa˙zno´sci przez pewn ˛ a cz˛e´s´c produktów jest równoznaczne ze zmniej- szeniem ich całkowitej ilo´sci.
Rozwa˙zmy jeszcze jeden przykład. W tym wypadku jest jeszcze bardziej wi-
doczne, ˙ze ilo´s´c towaru si˛e nie zmienia, natomiast zmniejsza si˛e udział produktów,
które mog ˛ a by´c uwa˙zane za pełnowarto´sciowe. T˛e grup˛e produktów stanowi mod-
na odzie˙z, badana na przykład przez Nagurney i Yu [2011; 2012], jak równie˙z
przez Choi i Chiu [2012]. Dzi´s ła´ncuchy logistyczne, w szczególno´sci w przy-
padku firm mi˛edzynarodowych, s ˛ a znacznie wydłu˙zone. Przemysł tekstylny jest dobrym przykładem – w wi˛ekszo´sci ubrania s ˛ a produkowane w Azji Południowo- -Wschodniej, a najwi˛eksze rynki znajduj ˛ a si˛e w Europie Zachodniej i Ameryce Północnej. To sprawia, ˙ze czas przepływu przez ła´ncuch logistyczny od produ- centa do klienta nale˙zy liczy´c w miesi ˛ acach, a czasem cały proces od pozyskania surowca do zakupu gotowego produktu zajmuje nawet wi˛ecej ni˙z rok. W przy- padku modnych strojów oznacza to w szczególno´sci, ˙ze nawet je´sli producent jest w stanie przewidzie´c, jakiego rodzaju produkt b˛edzie modny w kolejnym sezonie, to gdy sezon si˛e sko´nczy, produkt b˛edzie musiał by´c sprzedany poni˙zej normalnej ceny (na wyprzeda˙zy). Jest to konieczne, poniewa˙z najprawdopodobniej nie b˛edzie mo˙zna sprzeda´c tego samego produktu w kolejnym sezonie (istotn ˛ a rol˛e odgrywa tu równie˙z ogólna tendencja do redukcji kosztów magazynowania). Po raz kolejny zauwa˙zamy – ilo´s´c dobra si˛e w tym wypadku nie zmienia, ale jego warto´s´c spada, dzi˛eki czemu sytuacja mo˙ze by´c traktowana jako równowa˙zna.
Inn ˛ a przyczyn ˛ a strat s ˛ a niewła´sciwe warunki transportu i przechowywania. Ta- ki problem mo˙ze dotyczy´c produktu ka˙zdego rodzaju. ˙ Zywno´s´c i farmaceutyki musz ˛ a by´c transportowane w okre´slonej temperaturze i wilgotno´sci. Te warunki s ˛ a cz˛esto niespełnione ze wzgl˛edu na tendencj˛e do redukcji kosztów. Równie˙z trans- port delikatnych produktów, takich jak elektronika czy szkło, wymaga specjalnych warunków i ostro˙znego obchodzenia si˛e z nimi. Cz˛esto warunki te nie s ˛ a spełnio- ne – redukcja kosztów powoduje nacisk na skrócenie czasu dostawy, czego jednym z efektów s ˛ a uszkodzenia i straty podczas transportu.
Niekiedy do sprzedawców detalicznych s ˛ a dostarczane produkty z wadami, które nie zostały wykryte wcze´sniej. Cz˛esto takie produkty trafiaj ˛ a potem do klien- tów. Te uszkodzone produkty wracaj ˛ a do producentów w postaci zwrotów, które mog ˛ a by´c traktowane jako straty – w tym wypadku ilo´s´c transportowanych dóbr si˛e nie zmienia, ale ilo´s´c produktów pełnowarto´sciowych nie jest taka sama, jak zakładano przed rozpocz˛eciem transportu. Firmy staraj ˛ a si˛e zmniejszy´c liczb˛e od- rzutów poprzez wprowadzenie procedur zarz ˛ adzania jako´sci ˛ a, ale niemo˙zliwe jest unikni˛ecie wszystkich problemów w tej dziedzinie.
Wszystkie wymienione rodzaje mo˙zliwych strat s ˛ a do´s´c łatwe do przewidze-
nia, a ich rozkład jest zwykle w przybli˙zeniu jednostajny, co oznacza, ˙ze łatwo jest
przewidzie´c odsetek braków, nawet w krótkim okresie, w przypadku stosunkowo
niewielkich dostaw. Ponadto odsetek braków jest zazwyczaj stosunkowo niewielki
(do kilku procent), je˙zeli czas dostawy nie przekracza standardowego. Dwie przy-
czyny strat omówione poni˙zej s ˛ a jednak znacz ˛ aco inne – nie s ˛ a tak cz˛este i ich
rozkład w czasie jest zwykle niemo˙zliwy do przewidzenia, ale je˙zeli wyst ˛ api ˛ a, to
zazwyczaj strata wynosi 100% – cał ˛ a dostaw˛e nale˙zy wymieni´c lub ponowi´c. Te
dwie przyczyny to wypadki i przest˛epstwa.
Ła´ncuchy logistyczne staj ˛ a si˛e coraz dłu˙zsze, w szczególno´sci ze wzgl˛edu na internacjonalizacj˛e i globalizacj˛e handlu. Istnieje kilka rodzajów wypadków lub przest˛epstw, które mog ˛ a wyst ˛ api´c. W dalszej cz˛e´sci pominiemy takie losowe zda- rzenia wyst˛epuj ˛ ace w zakładach produkcyjnych, gdy˙z jeste´smy głównie zaintere- sowani zmianami ilo´sci towarów w czasie transportu.
Na pocz ˛ atku i na samym ko´ncu ła´ncucha logistycznego towary s ˛ a zwykle transportowane samochodami. Dziesi ˛ atki wypadków samochodowych wyst˛epuj ˛ a niemal codziennie w prawie wszystkich krajach ´swiata. Po wielu z nich cała dosta- wa jest tracona i musi by´c zast ˛ apiona now ˛ a. Ponadto przyczyn ˛ a strat na tym etapie mo˙ze by´c przest˛epstwo. Najbardziej oczywista jest kradzie˙z – cz˛e´s´c dostawy mo˙ze by´c skradziona na przykład z parkingu, ale cz˛esto zdarza si˛e te˙z, ˙ze cały samochód zostaje skradziony (lub nawet porwany razem z kierowc ˛ a).
Wypadki kolejowe s ˛ a tak rzadkie, ˙ze mog ˛ a by´c ignorowane. Istniej ˛ a jednak przest˛epstwa, które mog ˛ a zosta´c popełnione podczas transportu kolejowego, w szczególno´sci w przypadku przewozu towarów luzem – na przykład w mediach s ˛ a niekiedy podawane informacje, ˙ze pewna ilo´s´c w˛egla została skradziona z poci ˛ agu towarowego albo ˙ze protestuj ˛ acy rolnicy wysypali produkty rolne z wagonów.
W globalnych ła´ncuchach logistycznych istnieje równie˙z inna cz˛e´s´c podró˙zy niebezpieczna dla ładunku – transport morski. Produkty s ˛ a transportowane mi˛edzy kontynentami w kontenerach. Mo˙ze si˛e zdarzy´c, ˙ze pojemnik spada ze statku – niektóre szacunki mówi ˛ a o nawet 10 000 pojemników, które wypadły za burt˛e kontenerowców, w wyniku wysokich fal, nieprawidłowego rozmieszczenia, wy- padków po˙zarowych i działa´n piratów [Waters 2007, s. 70]. Piraci porywaj ˛ a nawet całe statki (szczególnie zł ˛ a sław ˛ a ciesz ˛ a si˛e piraci somalijscy, operuj ˛ acy na Oce- anie Indyjskim). Zazwyczaj zostaj ˛ a one wykupione, ale zwykle zajmuje to du˙zo czasu i w tym czasie co najmniej cz˛e´s´c transportowanych produktów traci swoj ˛ a warto´s´c.
Jak wspomniano wcze´sniej – w ostatnich omówionych przypadkach trudne (lub niemo˙zliwe) jest przewidzenie zdarze´n, a nawet ich rozkładu. Jednak˙ze w naj- wi˛ekszych firmach te szacunki si˛e łatwiejsze, poniewa˙z wypadki i przest˛epstwa wyst˛epuj ˛ a tam cz˛e´sciej. Oznacza to, ˙ze niekiedy mo˙zna, w pewnym przybli˙zeniu, przewidzie´c skal˛e strat i uwzgl˛edni´c t˛e wiedz˛e w procesie decyzyjnym.
Podsumujmy ten podrozdział krótkim opisem wyników bada´n jako´sciowych
dotycz ˛ acych produktów szybko trac ˛ acych warto´s´c, przeprowadzonych niedawno
w Polsce. Pełne wyniki mo˙zna znale´z´c w pracy Anholcera i Kawy [2017]. Prawie
wszyscy uczestnicy badania przyznali, ˙ze ich firmy zostały dotkni˛ete problemem
produktów szybko trac ˛ acych warto´s´c. Lista przyczyn była w ka˙zdym przypadku
do´s´c podobna. Jednym z wa˙zniejszych problemów (cho´c niezbyt cz˛esto wyst˛epu-
j ˛ acym) s ˛ a kradzie˙ze. Czasami nie tylko produkty, ale nawet całe ci˛e˙zarówki zostały skradzione. Wła´sciciele firm transportowych zazwyczaj wykupuj ˛ a ubezpieczenie, ale obejmuje ono w takim przypadku przewa˙znie tylko warto´s´c produktów i ´srod- ków transportu. Utrata klienta z powodu opó´znienia w dostawie nie jest brana pod uwag˛e, podobnie jak straty w wizerunku firmy. Równie wa˙zn ˛ a, by´c mo˙ze najcz˛est- sz ˛ a, przyczyn ˛ a strat jest niewła´sciwe traktowanie produktów podczas transportu.
Polscy przewo´znicy maj ˛ a tu do czynienia głównie z dwoma rodzajami sytuacji.
Produkt mo˙ze zosta´c uszkodzony, je´sli nie jest odpowiednio traktowany w czasie transportu (polega to na przykład na nieostro˙znym obchodzeniu si˛e z paczkami zawieraj ˛ acymi produkty wra˙zliwe na uszkodzenia), ale równie˙z w wyniku niewła-
´sciwego zabezpieczenia (na przykład, je´sli ładunek nie jest dobrze umocowany, mo˙ze wypa´s´c ze statku lub ci˛e˙zarówki).
Innym powodem s ˛ a wypadki drogowe. To równie˙z obejmuje odpowiednie ubezpieczenie, ale nie pokrywa ono wszystkich rodzajów strat b˛ed ˛ acych kon- sekwencj ˛ a wypadku.
Straty wynikaj ˛ ace z opó´znie´n (np. straty w ´swie˙zej ˙zywno´sci lub materia- łach medycznych) wyst˛epuj ˛ a rzadko, poniewa˙z przedsi˛ebiorstwa transportowe ma- j ˛ a ´swiadomo´s´c, ˙ze w takim wypadku bardzo cz˛esto cała dostawa nie nadaje si˛e do u˙zytku. Co ciekawe, takie sytuacje wydaj ˛ a si˛e bardziej znacz ˛ acym problemem dla małych przedsi˛ebiorstw, ze wzgl˛edu na ich mniejsz ˛ a elastyczno´s´c oraz brak mo˙zli- wo´sci zrekompensowania strat. Jest to równie˙z du˙zy problem dla przedsi˛ebiorstw przewo˙z ˛ acych towary poza terytorium Unii Europejskiej, w szczególno´sci w kra- jach Europy Wschodniej, gdy˙z istotna cz˛e´s´c opó´znie´n wynika z przedłu˙zaj ˛ acych si˛e postojów na granicach (niekiedy dochodz ˛ acych do 2–3 dób).
Istniej ˛ a równie˙z pewne bardzo rzadkie sytuacje, gdy dwa produkty, które nie powinny by´c przewo˙zone razem, z jakiego´s powodu s ˛ a. Jednym z przykładów po- danych przez uczestników badania był transport oleju posiadaj ˛ acego specyficz- ny zapach wraz z m ˛ ak ˛ a. W takim przypadku m ˛ aka mo˙ze by´c czasami niezdatna do u˙zytku. Respondenci wymienili równie˙z zbyt wysokie temperatury przewozu i nieu˙zywanie chłodni. Utrata cz˛e´sci ładunku zdarza si˛e zwłaszcza w okresie zimo- wym, kiedy ze wzgl˛edu na niskie temperatury panuj ˛ ace na zewn ˛ atrz przewo´znik decyduje si˛e wykorzysta´c ta´nszy, zwykły pojazd, zamiast chłodni. Niestety, cza- sem zdarza si˛e nagła zmiana pogody (szczególnie wówczas, gdy ładunek trans- portowany jest na południe Europy) i przewo˙zona ˙zywno´s´c ulega zniszczeniu. Jak wida´c, przyczyny podawane przez uczestników badania s ˛ a bardzo zbli˙zone do tych wymienionych wcze´sniej, przytaczanych w literaturze.
Do dóbr szybko trac ˛ acych warto´s´c nale˙z ˛ a w szczególno´sci:
– ˙zywno´s´c, w szczególno´sci ´swie˙ze mi˛eso, warzywa i owoce, produkty mle-
czarskie,
– promieniotwórcze materiały medyczne, – krew i produkty krwiopochodne, – farmaceutyki,
– modna odzie˙z.
Modelowanie i optymalizacja ła´ncuchów dostaw powy˙zszych (i innych) dóbr tra- c ˛ acych warto´s´c wymaga wykorzystania odpowiedniej wiedzy eksperckiej oraz za- stosowania wła´sciwych narz˛edzi informatycznych i matematycznych. Zostały one omówione w kolejnych dwóch podrozdziałach.
1.3. Systemy informacyjne
Według Laudonów [Laudon i Laudon 2006] system informacyjny mo˙ze by´c, tech- nicznie rzecz ujmuj ˛ ac, zdefiniowany jako zbiór współzale˙znych składowych, któ- re zbieraj ˛ a (lub odtwarzaj ˛ a), przetwarzaj ˛ a, przechowuj ˛ a i udost˛epniaj ˛ a informacje w celu wspierania podejmowania decyzji i wspomagania kontroli w organizacji.
W rzeczywisto´sci mo˙ze by´c wykorzystywany nie tylko do wspierania procesu de- cyzyjnego i koordynowania kontroli działalno´sci organizacji, ale tak˙ze do analizy problemów, pozwalaj ˛ acej zrozumie´c zło˙zone sytuacje i tworzy´c nowe produkty i usługi.
Systemy informacyjne s ˛ a miejscem, w którym przechowywane s ˛ a informacje na temat członków organizacji, jak równie˙z jej produktów i istotnych elementów wewn ˛ atrz i na zewn ˛ atrz niej. Informacje te nie s ˛ a tym samym co surowe dane. Te ostatnie to fakty, które stanowi ˛ a pewne zdarzenia zachodz ˛ ace w organizacji i w jej otoczeniu. Informacje to te same dane, ale po pewnym przetworzeniu, pozwala- j ˛ acym na ich wizualizacj˛e w formie u˙zytecznej dla członków organizacji. Innymi słowy, s ˛ a to dane, które zostały w jaki´s sposób zorganizowane i wzbogacone o do- datkowe przydatne interpretacje i wizualizacje.
Mo˙zna wyró˙zni´c formalne i nieformalne systemy informacyjne. W dalszej cz˛e-
´sci tej ksi ˛ a˙zki b˛ed ˛ a nas interesowa´c wył ˛ acznie systemy formalne, czyli takie, któ-
re opieraj ˛ a si˛e na szeregu ´sci´sle okre´slonych i ustalonych definicji i procedur na
wszystkich etapach korzystania z danych: gromadzenia, przetwarzania i u˙zytko-
wania. Nieformalne systemy s ˛ a równie˙z wa˙zne dla ka˙zdej organizacji, ale nie s ˛ a
przedmiotem naszego zainteresowania. Ponadto autor skupił si˛e na systemach in-
formacyjnych wspomaganych komputerowo, tj. formalnych systemach u˙zywaj ˛ a-
cych sprz˛etu komputerowego i oprogramowania w celu gromadzenia danych oraz
tworzenia i rozpowszechniania informacji. Nie jest zainteresowany r˛ecznymi sys-
temami wykorzystuj ˛ acymi papier. Dla uproszczenia, od tej chwili b˛edziemy u˙zy-
wa´c poj˛ecia „systemy informacyjne” tylko do okre´slenia formalnych systemów
informacyjnych wspomaganych komputerowo.
rozwi ˛ aza´n dopuszczalnych, bo to zbytnio upraszczałoby zadania, upodabniaj ˛ ac je pod wzgl˛edem trudno´sci do ich liniowych odpowiedników). Istotne znaczenie dla struktury rozwi ˛ azania, a wi˛ec równie˙z dla efektywno´sci algorytmu, maj ˛ a jednak warto´sci mno˙zników. Dzieje si˛e tak nawet w wypadku zada´n programowania li- niowego (wi˛ecej na ten temat mo˙zna znale´z´c na przykład w artykule Anholcera i Kawy [2012]), a tym bardziej w przypadku zagadnie´n rozpatrywanych w tej pra- cy. Z tego wzgl˛edu, przy ich doborze kierowano si˛e dwiema zasadami. Po pierw- sze, ich warto´sci nie mogły by´c zbyt bliskie 1, bo to niwelowałoby ich wpływ i uniemo˙zliwiło przeanalizowanie działania algorytmów dedykowanych uogólnio- nym zadaniom przepływu. Po drugie, powinny by´c jednak stosunkowo wysokie, gdy˙z zarówno z analizy dost˛epnej literatury, jak i z przeprowadzonych bada´n empi- rycznych [Anholcer i Kawa 2017] wynika, ˙ze typowy odsetek traconych dóbr jest do´s´c niewielki. Wyniki bada´n ankietowych przeprowadzonych w polskich firmach zajmuj ˛ acych si˛e przewozami (jeszcze nieopublikowane) potwierdzaj ˛ a słuszno´s´c wyboru przedziałów dla mno˙zników.
2.4. Metoda rzutowania gradientu
Metoda rzutowania gradientu była jedn ˛ a z pierwszych metod rozwi ˛ azywania ogól- nych zada´n optymalizacji nieliniowej z ograniczeniami. Została ona opublikowa- na przez J.B. Rosena [1960; 1961]. Zbie˙zno´s´c metody udowodnili Du i Zhang [1986; 1989]. Dokładniej, autorzy udowodnili zbie˙zno´s´c nieco zmodyfikowanego algorytmu. Istniej ˛ a przykłady pokazuj ˛ ace, ˙ze odwzorowanie algorytmiczne orygi- nalnej metody Rosena nie jest domkni˛ete. Równie˙z odwzorowanie algorytmiczne metody przedstawionej przez Du i Zhanga nie jest domkni˛ete, ale autorzy zdoła- li udowodni´c zbie˙zno´s´c, analizuj ˛ ac ε-s ˛asiedztwa rozwi ˛aza´n niespełniaj ˛acych wa- runków KKT. Metody (w obu wersjach) skrótowo przedstawili i omówili tak˙ze Bazaraa, Sherali i Shetty [2006, podrozdział 10.5]. Poniewa˙z wszystkie problemy, które analizujemy w tej ksi ˛ a˙zce, maj ˛ a liniowe ograniczenia, jeste´smy zaintereso- wani tylko wersj ˛ a algorytmu przedstawion ˛ a w pracy Rosena [1960] z pó´zniejszymi modyfikacjami (zobacz tak˙ze [Bazaraa, Sherali i Shetty 2006, podrozdział 10.5]).
Załó˙zmy, ˙ze dane jest zadanie programowania nieliniowego postaci:
min f (x) (2.46)
p.w.
Ax ≤ b, (2.47)
Ex = b. (2.48)
Metoda rzutowania gradientu mo˙ze by´c zapisana w nast˛epuj ˛ acy sposób (algo- rytm 2).
Algorytm 2. Metoda rzutowania gradientu dla zada´n programowania wypukłego z liniowymi ograniczeniami
Krok 1: Wyznaczenie rozwi ˛ azania pocz ˛ atkowego
Wybierz dodatni ˛ a stał ˛ a c > 0. Podstaw k ← 1 i znajd´z pierwsze rozwi ˛azanie dopuszczalne x. Przejd´z do kroku 2.
Krok 2: Wyznaczenie macierzy M
Podziel A i b na dwie cz˛e´sci A
1i A
2(odpowiednio b
1i b
2) w taki sposób, ˙ze A
1x = b
1i A
2x < b
2. Macierz M składa si˛e z wszystkich wierszy E i A
1. Przejd´z do kroku 3.
Krok 3: Sprawdzenie optymalno´sci
Je˙zeli M jest pusta i ▽ f (x) = 0, to STOP, x jest rozwi ˛azaniem optymalnym. Je˙zeli macierz M jest pusta i ▽ f (x) ̸= 0, przejd´z do kroku 4. Je˙zeli M jest niepusta, przejd´z do kroku 5.
Krok 4: Wyznaczenie kierunku poprawy – wariant 1 Podstaw
d ← −▽ f (x). (2.49)
Przejd´z do kroku 9.
Krok 5: Wyznaczenie kierunku poprawy – wariant 2 Wyznacz macierz rzutowania, korzystaj ˛ ac ze wzoru
P = I − M
T(MM
T)
−1M. (2.50)
Podstaw
d ← −P▽ f (x). (2.51)
Przejd´z do kroku 6.
Krok 6: Wyznaczenie wektora zmiennych dualnych
Wyznacz wektor zmiennych dualnych, korzystaj ˛ ac ze wzoru
w = −(MM
T)
−1M ▽ f (x). (2.52)
Mo˙zna go rozdzieli´c na dwa wektory v i u takie, ˙ze v odpowiada macierzy E, a u
macierzy A
1. Przejd´z do kroku 7.
Krok 7: Sprawdzenie optymalno´sci
Je˙zeli u ≥ 0 i d = 0, to STOP, x jest rozwi ˛azaniem optymalnym. Je˙zeli u ≥ 0 i d ̸= 0, przejd´z do kroku 9. Je˙zeli u ma ujemn ˛ a składow ˛ a u
j, przyjmij u
h= min
j{u
j}. Je-
˙zeli ||d|| ≤ |u
h|c, przejd´z do kroku 8, w przeciwnym razie przejd´z do kroku 9.
Krok 8: Wyznaczenie kierunku poprawy – wariant 3
Usu´n z macierzy A
1wiersz h. Przekształ´c odpowiednio macierz M. Wyznacz now ˛ a macierz rzutowania, wykorzystuj ˛ ac wzór (2.50), i nowy kierunek poprawy, korzy- staj ˛ ac ze wzoru (2.51). Przejd´z do kroku 9.
Krok 9: Wyznaczenie maksymalnej długo´sci kroku Niech
d
′= A
2d. (2.53)
Je˙zeli d
′≤ 0, podstaw
λ
max= ∞. (2.54)
W przeciwnym razie, niech
b
′= b
2− A
2x (2.55)
oraz
λ
max= min
i
{b
′i/d
i′| d
′i> 0 }. (2.56) Przejd´z do kroku 10.
Krok 10: Wyznaczenie optymalnej długo´sci kroku i nowego rozwi ˛ azania Niech λ
′b˛edzie rozwi ˛ azaniem optymalnym zadania przeszukiwania liniowego
min f (x + λd) (2.57)
p.w.
0 ≤ λ ≤ λ
max. (2.58)
Podstaw
x ← x + λ
′d (2.59)
i wró´c do kroku 2.
Bardzo czasochłonn ˛ a cz˛e´sci ˛ a ka˙zdej iteracji jest wyznaczenie macierzy P (2.50), kierunku poprawy d (2.51) i wektora zmiennych dualnych w (2.52), niekiedy przeprowadzane wi˛ecej ni˙z jeden raz. W przypadku wypukłego NGTP obliczenia mog ˛ a by´c znacznie uproszczone, poniewa˙z struktura macierzy M, MM
Ti (MM
T)
−1zale˙zy przede wszystkim od rozmiaru problemu, a nie od warto´sci parametrów i zmiennych. Poni˙zej udowodnimy odpowiednie twierdzenia. Wykorzystamy przy tym pomysły podobne do przedstawionych wcze´sniej przez Anholcera [2005a], cho´c odpowiednie macierze i kroki algorytmu wygl ˛ adaj ˛ a inaczej, ze wzgl˛edu na inne uporz ˛ adkowanie zmiennych, a przede wszystkim inn ˛ a posta´c zadania. Od teraz zakładamy, ˙ze zmienne s ˛ a uporz ˛ adkowane leksykograficznie rosn ˛ aco wzgl˛edem indeksów. Rozwa˙zmy nast˛epuj ˛ ace sformułowanie NGTP:
min f (x) =
∑
m i=1∑
n j=1c
i j(x
i j) +
∑
n j=1f
j(
∑
m i=1r
i jx
i j), (2.60) p.w.
∑
n j=1x
i j≤ a
i, i = 1, . . . , m, (2.61)
− x
i j≤ 0, i = 1, . . . , m; j = 1, . . . , n. (2.62) Porz ˛ adkujemy warunki wzgl˛edem rosn ˛ acej warto´sci i, a dla ustalonego i pierw- szy jest odpowiedni warunek z grupy (2.61), a nast˛epnie warunki z grupy (2.62) uporz ˛ adkowane według rosn ˛ acej warto´sci j.
Przy takim uporz ˛ adkowaniu macierz E jest pusta, a macierz A ma posta´c
A =
1 1 . . . 1 0 0 . . . 0 . . . . 0 0 . . . 0
−1 0 ... 0 0 0 . . . 0 . . . . 0 0 . . . 0
0 −1 ... 0 0 0 . . . 0 . . . . 0 0 . . . 0
. . . . . . . . . . . . . . . . 0 0 . . .−1 0 0 . . . 0 . . . . 0 0 . . . 0 0 0 . . . 0 1 1 . . . 1 . . . . 0 0 . . . 0 0 0 . . . 0 −1 0 ... 0 . . . . 0 0 . . . 0 0 0 . . . 0 0 −1 ... 0 . . . . 0 0 . . . 0 . . . . . . . . . . . . . . . .
0 0 . . . 0 0 0 . . .−1 ... ... ... ... 0 0 . . . 0 . . . . . . . . . . . . . . . .
0 0 . . . 0 0 0 . . . 0 . . . . 1 1 . . . 1 0 0 . . . 0 0 0 . . . 0 . . . . −1 0 ... 0 0 0 . . . 0 0 0 . . . 0 . . . . 0 −1 ... 0 . . . . . . . . . . . . . . . .
0 0 . . . 0 0 0 . . . 0 . . . . 0 0 . . .−1
,
(2.63)
czyli mo˙ze by´c zapisana jako
A =
A
00
n+1,n0
n+1,n. . . 0
n+1,n0
n+1,nA
00
n+1,n. . . 0
n+1,n0
n+1,n0
n+1,nA
0. . . 0
n+1,n. . . . . . . . . . . . . . . 0
n+1,n0
n+1,n0
n+1,n. . . A
0
, (2.64)
gdzie
A
0= [ J
1,n−I
n]
. (2.65)
Niech M
ib˛edzie macierz ˛ a otrzyman ˛ a z i-tej kopii A
0przez usuni˛ecie wierszy od- powiadaj ˛ acych niewi ˛ a˙z ˛ acym warunkom. Dla ka˙zdego i niech
J
i= { j | x
i j= 0}, (2.66)
oraz
n
i= |J
i|. (2.67)
Je˙zeli ∑
nj=1x
i j= a
i, przyjmiemy m
i= 1, a w przeciwnym razie m
i= 0. Oznaczmy elementy zbioru J
i(rosn ˛ aco wzgl˛edem i) przez j
1i, j
i2, . . . , j
nii. Ka˙zda z macierzy M
ima n
i+ m
iwierszy i n kolumn. Je˙zeli ∑
nj=1x
i j< a
i(czyli m
i= 0), macierz M
ima n
iwierszy, a jej elementy s ˛ a zdefiniowane za pomoc ˛ a wzorów:
M
i[k, j] = −1, k = 1, . . . , n
i; j = j
ik, (2.68) M
i[k, j] = 0, k = 1, . . . , n
i; j = 1, . . . , n, j ̸= j
ik. (2.69) Je˙zeli ∑
nj=1x
i j= a
i(czyli m
i= 1), macierz M
ima n
i+ 1 wierszy, przy czym pierw- szy z nich ma posta´c J
1,n, a pozostałe s ˛ a takie same jak w poprzednim przypadku:
M
i[k, j] = 1, k = 1, (2.70)
M
i[k, j] = −1, k = 2, . . . , n
i+ 1; j = j
ki−1, (2.71)
M
i[k, j] = 0, k = 2, . . . , n
i+ 1; j ̸= j
ki−1. (2.72)
Łatwo zauwa˙zy´c, ˙ze
M =
M
10
n1+m1,n0
n1+m1,n. . . 0
n1+m1,n0
n2+m2,n1+m1M
20
n2+m2,n3+m3. . . 0
n2+m2,n0
n3+m3,n0
n3+m3,nM
3. . . 0
n3+m3,n. . . . . . . . . . . . . . .
0
nm+mm,n0
nm+mm,n0
nm+mm,n. . . M
m
, (2.73)
oraz
MMT=
B1 0n1+m1,n2+m2 0n1+m1,n3+m3 . . . 0n1+m1,nm+mm
0n2+m2,n1+m1 B2 0n2+m2,n3+m3 . . . 0n2+m2,nm+mm
0n3+m3,n1+m1 0n3+m3,n2+m2 B3 . . . 0n3+m3,nm+mm
. . . . . . . . . . . . . . .
0nm+mm,n1+m1 0nm+mm,n2+m2 0nm+mm,n3+m3 . . . Bm
,
(2.74)
gdzie dla ka˙zdego i = 1, . . . , m, B
ijest macierz ˛ a kwadratow ˛ a maj ˛ ac ˛ a n
i+m
iwierszy i n
i+ m
ikolumn postaci
B
i=
[ nI
1−J
1,ni−J
T1,niI
ni]
, gdy m
i= 1, (2.75)
B
i= I
ni, gdy m
i= 0. (2.76)
Twierdzimy teraz, ˙ze MM
Tma nast˛epuj ˛ ac ˛ a posta´c:
(MMT)−1=
C1 0n1+m1,n2+m2 0n1+m1,n3+m3 . . . 0n1+m1,nm+mm
0n2+m2,n1+m1 C2 0n2+m2,n3+m3 . . . 0n2+m2,nm+mm
0n3+m3,n1+m1 0n3+m3,n2+m2 C3 . . . 0n3+m3,nm+mm
. . . . . . . . . . . . . . .
0nm+mm,n1+m1 0nm+mm,n2+m2 0nm+mm,n3+m3 . . . Cm
,
(2.77)
gdzie dla ka˙zdego i = 1, . . . , m, C
ijest kwadratow ˛ a macierz ˛ a maj ˛ ac ˛ a n
i+m
iwierszy i n
i+ m
ikolumn postaci
C
i=
1
n−ni
I
1−
n−n1iJ
1,ni−
n−n1 iJ
T1,ni
I
ni+
n−n1i
J
ni,ni
, gdy m
i= 1, (2.78)
C
i= I
ni, gdy m
i= 0. (2.79) Rzeczywi´scie, łatwo zauwa˙zy´c, ˙ze dla ka˙zdego i = 1, . . . , m mamy
B
iC
i= I
ni+mi, (2.80)
czyli
C
i= B
−1i. (2.81)
U˙zywaj ˛ ac odpowiednich przekształce´n, stwierdzamy, ˙ze iloczyn (MM
T)
−1M jest postaci
(MM
T)
−1M =
D
10
n1+m1,n0
n1+m1,n. . . 0
n1+m1,n0
n2+m2,nD
20
n2+m2,n. . . 0
n2+m2,n0
n3+m3,n0
n3+m3,nD
3. . . 0
n3+m3,n. . . . . . . . . . . . . . . 0
nm+mm,n0
nm+mm,n0
nm+mm,n. . . D
m
, (2.82)
Ka˙zda z macierzy D
ima n
i+ m
iwierszy i n kolumn. Je˙zeli m
i= 0, to D
i= M
i, zgodnie ze wzorami (2.68)–(2.69). Je´sli m
i= 1, to elementy macierzy D
is ˛ a zdefi- niowane za pomoc ˛ a wzorów (k = 1, . . . , n
i+ 1; j = 1, . . . , n):
D
i[k, j] = 1 n − n
i, k = 1, . . . , n
i+ 1, j ̸∈ J
i(2.83)
D
i[k, j] = 0, k = 1, j ∈ J
i, (2.84)
D
i[k, j] = −1, k = 2, . . . , n
i+ 1, j = j
ki−1, (2.85) D
i[k, j] = 0, k = 2, . . . , n
i+ 1, j ∈ J
i, j ̸= j
k−1i. (2.86) Rzeczywi´scie, dla ka˙zdego i mamy C
iB
i= D
i. Dalsze przekształcenia pozwalaj ˛ a stwierdzi´c, ˙ze
M
T(MM
T)
−1M =
F
10
n,n0
n,n. . . 0
n,n0
n,nF
20
n,n. . . 0
n,n0
n3+m3,n0
n3+m3,nF
3. . . 0
n,n. . . . . . . . . . . . . . . 0
n,n0
n,n0
n,n. . . F
m
, (2.87)
gdzie dla ka˙zdego i = 1, . . . , m, F
i= B
TiD
ijest macierz ˛ a kwadratow ˛ a maj ˛ ac ˛ a n
wierszy i n kolumn opisanych wzorami:
F
i[k, j] = 1 n − n
i, k ̸∈ J
i, j ̸∈ J
i, (2.88)
F
i[k, j] = 1, k ∈ J
i, j = k, (2.89)
F
i[k, j] = 0, w pozostałych przypadkach, (2.90) gdy m
i= 1,
F
i[k, j] = 1, k ∈ J
i, j = k, (2.91)
F
i[k, j] = 0, w pozostałych przypadkach, (2.92) gdy m
i= 0. Ostatecznie otrzymujemy
P = Imn− MT(MMT)−1M =
P1 0n,n 0n,n . . . 0n,n
0n,n P2 0n,n . . . 0n,n
0n3+m3,n 0n3+m3,n P3 . . . 0n,n
. . . . . . . . . . . . . . .
0n,n 0n,n 0n,n . . . Pm
,
(2.93)
gdzie dla ka˙zdego i = 1, . . . , m, P
i= I
n− F
ijest macierz ˛ a kwadratow ˛ a maj ˛ ac ˛ a n wierszy i n kolumn, opisan ˛ a wzorami:
P
i[k, j] = 1 − 1 n − n
i, k ̸∈ J
i, j = k, (2.94)
P
i[k, j] = − 1 n − n
i, k ̸∈ J
i, j ̸∈ J
i, j ̸= k, (2.95) P
i[k, j] = 0, w pozostałych przypadkach, (2.96) gdy m
i= 1,
P
i[k, j] = 1, k ̸∈ J
i, j = k, (2.97)
P
i[k, j] = 0, w pozostałych przypadkach, (2.98) gdy m
i= 0.
Zauwa˙zmy, ˙ze usuni˛ecie któregokolwiek z wierszy macierzy M mo˙ze jedynie
zmieni´c warto´s´c n
ilub m
idla pewnego i, wi˛ec równie˙z elementy macierzy B
i, C
i,
D
i, F
ii P
i, jednak ogólne wzory nie ulegaj ˛ a zmianie. Mo˙ze si˛e te˙z zdarzy´c, ˙ze M
ib˛edzie pusta dla pewnego i (czyli n
i= m
i= 0 i M
ib˛edzie miała 0 wierszy). Wów-
czas równie˙z B
i, C
ii D
ib˛ed ˛ a puste, podczas gdy F
i= 0
n,noraz P
i= I
n. Powy˙zsze
rozwa˙zania pozwalaj ˛ a nam sformułowa´c nast˛epuj ˛ ace twierdzenie.
Twierdzenie 2.8. Załó˙zmy, ˙ze zmienne i ograniczenia w wypukłym NGTP zostały uporz ˛ adkowane jak powy˙zej. Wtedy
1. Wzór (2.51) słu˙z ˛ acy do wyznaczenia kierunku poprawy w krokach 5 i 8 al- gorytmu 2 przyjmuje uproszczon ˛ a posta´c:
d
i j= − ∂ f
∂x
i j, m
i= 0, j ̸∈ J
i, (2.99)
d
i j=
( 1
n − n
i− 1 ) ∂ f
∂x
i j+ 1
n − n
i∑
k∈Ji,k̸=i
∂ f
∂x
ik, m
i= 1, j ∈ J
i, (2.100)
d
i j= 0, w pozostałych przypadkach (2.101)
(tutaj d
i joznacza współrz˛edn ˛ a wektora d odpowiadaj ˛ ac ˛ a zmiennej x
i j).
2. Wzór (2.52) słu˙z ˛ acy do wyznaczenia wektora zmiennych dualnych w kroku 6 algorytmu 2 przyjmuje uproszczon ˛ a posta´c:
w
i0= − 1 n − n
i∑
k̸∈Ji
∂ f
∂x
ik, m
i= 1, (2.102)
w
i j= ∂ f
∂x
i j, m
i= 0, j ∈ J
i, (2.103)
w
i j= ∂ f
∂x
i j− 1
n − n
i∑
k̸∈Ji