Amaç fonksiyonunun ve kısıtların doğrusal denklemlerle ifade edildiği bir matematiksel modelleme yöntemidir. Örnek: Bir mandıracının süt miktarına göre tereyağı ve peynir üretimini planlaması.

Modelde bulunması hedeflenen, problemin çözümünü oluşturan bilinmeyen miktarlardır. Örnek: Bir üretim planında üretilecek 'x' adet tereyağı ve 'y' adet peynir miktarı.

En iyilenmesi (en büyüklenmesi veya en küçüklenmesi) hedeflenen matematiksel ifadedir. Örnek: Toplam kârı maksimize etmek için kullanılan 25x + 20y fonksiyonu.

Karar değişkenlerinin alabileceği değerleri sınırlandıran matematiksel eşitsizliklerdir. Örnek: Günlük mevcut 60 litre süt sınırı (5x + 4y ≤ 60).

Tüm kısıtları sağlayan uygun çözümler arasından amaç fonksiyonuna en iyi değeri veren çözümdür. Örnek: Mandıracının 8 kg tereyağı ve 5 kg peynir üreterek kârını maksimize etmesi.

Doğrusal programlama problemlerinin çözümünde kullanılan, uygun çözüm alanının uç noktalarını tarayarak en iyi çözümü bulan algoritmadır. Örnek: Dantzig tarafından geliştirilen ve büyük problemlerin çözümünü mümkün kılan yöntem.

İşlerin veya görevlerin, maliyeti en küçükleyecek veya verimliliği en büyükleyecek şekilde birimlere paylaştırılmasıdır. Örnek: Farklı köylerdeki mandıralara tereyağı ve peynir üretiminin atanması.

Tedarikçilerin kapasiteleri ile siparişçilerin taleplerini, ulaştırma maliyetlerini minimize edecek şekilde eşleştirme problemidir. Örnek: İki farklı köydeki mandıradan dört farklı dükkâna ürün sevkiyatı.

Karar değişkenlerinin sadece tam sayı değerleri alabildiği, genellikle 'evet/hayır' gibi mantıksal kısıtlar içeren model türüdür. Örnek: Bir ürünün üretilip üretilmeyeceğini belirleyen 0 veya 1 değişkenleri.

Birden fazla hedefin olduğu ve hedeflerin tutturulamadığı durumlarda ceza maliyetlerini minimize etmeye odaklanan yöntemdir. Örnek: Dükkanlara eksik ürün gönderilmesi durumunda ödenen tazminatların minimize edilmesi.

Bir noktadan diğerine giden çok sayıda seçenek arasından maliyeti veya zamanı en düşük olan rotanın seçilmesidir. Örnek: Şehirlerarası taşımacılıkta en hızlı rotanın belirlenmesi.

Bir ağdaki tüm noktaları birbirine bağlayan, toplam maliyeti en düşük olan bağlantı yapısıdır. Örnek: Bir bahçedeki ağaçları sulamak için en kısa boru hattı sisteminin kurulması.

Kısıtlı kaynakların verimli kullanımı için gerekli adımların belirlenmesi ve uygulanması bilimidir. Örnek: Günlük ulaşım seçenekleri arasından zamanı en küçükleyecek rotayı seçmek.

Amaç fonksiyonu ve kısıtların doğrusal bağlantılarla ifade edildiği bir en iyileme yöntemidir. Örnek: Sosis ve salam üretiminde kârı en büyüklemek için kurulan model.

Problemin çözümünde değeri bulunmak istenen bilinmeyenlerdir. Örnek: A1 ve A2 tedarikçilerinden alınacak et miktarları.

En iyilenmesi (en büyük veya en küçük) istenen hedefi temsil eden matematiksel ifadedir. Örnek: Enb z = 6A1 + 7A2.

Sistemin sahip olduğu kapasite, hammadde veya talep gibi sınırlamaların matematiksel ifadesidir. Örnek: 0.2A1 + 0.3A2 <= 1.6 (Sosis talebi).

Problemin tüm kısıtlarını sağlayan karar değişkeni değerleridir. Örnek: Bir araba alımında motor gücü ve yakıt kısıtlarını sağlayan araçlar.

Uygun çözümler arasından amaç fonksiyonuna en iyi değeri sağlayan çözümdür. Örnek: En düşük fiyatlı aracı seçmek.

Her bir faaliyetin katkısının, o faaliyetin düzeyi ile doğru orantılı olmasıdır. Örnek: 1 ton etten 0.2 ton sosis üretiliyorsa, A1 ton etten 0.2*A1 ton üretilir.

Toplam katkının, bireysel katkıların toplamına eşit olmasıdır. Örnek: Toplam kârın, her bir üründen elde edilen kârların toplamı olması.

Karar değişkenlerinin her türlü reel sayı değerini alabilmesidir. Örnek: Üretim miktarının tam sayı olması gerekmez, 6.5 ton gibi değerler alabilir.

Modeldeki tüm parametrelerin sabit ve bilinen değerler olmasıdır. Örnek: Bir ürünün birim kârının 6000 TL olarak sabit kabul edilmesi.

Karar değişkenlerinin negatif olamayacağını belirten kısıtlardır. Örnek: A1 >= 0 ve A2 >= 0.

Karar değişkenleri ve parametreler arasındaki doğrusal ilişkileri içeren sınırlamalardır. Örnek: Hammadde kullanımını sınırlayan eşitsizlikler.

Problemin parametrelerinin, hedeflerinin ve kısıtlarının titizlikle belirlenmesi sürecidir. Örnek: Bir işletmede üretim birimleriyle yapılan görüşmeler.

Problemin uygun çözüm alanının koordinat düzleminde çizilerek en iyi noktanın bulunmasıdır. Örnek: İki değişkenli bir problemin doğru grafikleriyle çözümü.

Uygun çözüm alanını etkilemeyen, fazlalık oluşturan kısıttır. Örnek: Diğer kısıtların altında kalan bir kısıt doğrusu.

Gerekli vitamin/enerji değerlerini en düşük maliyetle sağlayan besin karışımını bulma problemidir. Örnek: Çocuğun alması gereken vitaminleri en ucuz menüyle karşılamak.

Fabrikalardan dükkânlara ürün gönderimini en düşük maliyetle planlama problemidir. Örnek: İki fabrikadan üç dükkâna masa taşıma planı.

DP probleminin tüm kısıtlarının eşitlik olduğu ve izole değişkenlerin bulunduğu özel formdur. Örnek: x1 - 3x3 + 3x4 = 6.

Kanonik şekilde temel değişkenlerin sağ taraf sabitine eşitlendiği, diğerlerinin sıfır olduğu çözümdür. Örnek: x1=6, x2=4, x3=x4=0.

Kanonik formda her kısıtta sadece bir kez bulunan ve katsayısı +1 olan değişkendir. Örnek: x1 ve x2.

Kanonik formda temel değişkenler haricindeki diğer değişkenlerdir. Örnek: x3 ve x4.

Kanonik formda temel dışı değişkenlerin katsayıları negatifse çözümün en iyi olduğunu belirten kuraldır. Örnek: En büyükleme probleminde negatif katsayılar.

Amaç fonksiyonunun uygun çözüm alanında sonsuza gitmesidir. Örnek: Pozitif katsayılı bir değişkenin kısıtları ihlal etmeden artırılabilmesi.

G. Dantzig tarafından geliştirilen, çok değişkenli DP problemlerini çözmek için kullanılan yöntemdir. Örnek: 1947 yılında geliştirilen algoritma.

Simpleks yöntemde tablo üzerinde yapılan, temel değişkenleri değiştiren matematiksel işlemdir. Örnek: Bir değişkeni temel değişkenler arasına sokma işlemi.

Ürünlerin arz noktalarından talep noktalarına en düşük maliyetle taşınmasını amaçlayan bir yöneylem araştırması problemidir. Örnek: Fabrikadan depolara ürün sevkiyatı.

Üretim kapasitesine sahip olan ve ürünlerin çıkış noktası olan yerlerdir. Örnek: Üç farklı şehirdeki üretim fabrikaları.

Ürünlerin ulaştırılması gereken müşteri veya depo noktalarıdır. Örnek: Dört farklı bölgedeki satış mağazaları.

Bir birim ürünün i kaynağından j hedefine taşınması için gereken sabit maliyettir. Örnek: Fabrika 1'den Müşteri 2'ye taşıma maliyeti 6 TL/adet.

Toplam arz miktarının toplam talep miktarına eşit olduğu problem türüdür. Örnek: 195 birim arzın 195 birim talebi tam karşılaması.

Problemin maliyet, arz ve talep verilerini içeren matris gösterimidir. Örnek: Satırlarda fabrikalar, sütunlarda müşterilerin olduğu 3x4'lük tablo.

i kaynağından j hedefine gönderilecek ürün miktarını belirten değişkendir. Örnek: x21, ikinci fabrikadan birinci müşteriye gönderilen miktar.

Bir arz noktasından gönderilen toplam ürünün o noktanın kapasitesini aşamayacağını belirten kısıttır. Örnek: x11 + x12 + x13 + x14 = 50.

Bir talep noktasının ihtiyacının tüm kaynaklardan gelen ürünlerle karşılanması gerektiğini belirten kısıttır. Örnek: x11 + x21 + x31 = 40.

Problemin düğümler ve bağlantılarla şematize edilmesidir. Örnek: Şekil 4.1'deki fabrikalar ve müşteriler arası bağlantı şeması.

Karar değişkenlerinin kesirli değerler alabileceğini varsayan DP özelliğidir. Örnek: x11 = 10.4 palet olması.

Ulaştırma tablosunda atama yapılan hücre sayısı (m+n-1) olan uygun çözüm noktasıdır. Örnek: 3 fabrika 4 müşteri için 6 adet atama yapılması.

Kısıtlardaki değişkenlerin katsayılarından oluşan matristir. Örnek: Ulaştırma modelinde sadece 0 ve 1'lerden oluşan matris.

Toplam taşıma maliyetini en düşük düzeye indirme amacıdır. Örnek: Enk Z = Σcij * xij.

Bir arz noktasının sahip olduğu maksimum üretim kapasitesidir. Örnek: Fabrika 2'nin 100 adetlik kapasitesi.

Bir talep noktasının ihtiyaç duyduğu ürün miktarıdır. Örnek: Müşteri 1'in 80 adetlik talebi.

Bir hücreye ürün gönderimi yapıldığını gösteren xij > 0 durumudur. Örnek: x21 = 60.

Dengeli problemlerde arz ve talebin tam karşılanmasını ifade eden kısıttır. Örnek: Toplam gönderilenin kapasiteye tam eşit olması.

Ulaştırma problemlerinin çözümünde kullanılan temel algoritma türüdür. Örnek: Ulaştırma simpleksi yöntemi.

Karar değişkenlerinin negatif olamayacağını belirten kısıttır. Örnek: xij >= 0.

Lojistik dağıtımın merkezi noktasıdır. Örnek: Avrupa teslimatlarının tek merkezden yönetilmesi.

Lojistik hizmetlerin dışarıdan tedarik edilmesidir. Örnek: Nakliye için kiralık araç kullanımı.

Global firmaların yurtdışındaki satış şirketleridir. Örnek: Beko'nun Fransa'daki kendi satış şirketi.

Ulaştırma problemlerinin kısıt yapısı nedeniyle doğal olarak elde edilen tam sayı sonuçlardır. Örnek: xij = 10.

Stok ve ulaştırma kararlarının alındığı zaman dilimidir. Örnek: Bir yıllık üretim takvimi.

Birden fazla kaynaktan birden fazla varış noktasına ürünlerin en düşük maliyetle dağıtılmasını hedefleyen doğrusal programlama modelidir. Örneğin, üç fabrikadan dört depoya ürün gönderimi.

Toplam arz miktarının toplam talep miktarına tam olarak eşit olduğu (Σsi = Σdj) problem türüdür. Çözüm yöntemlerinin uygulanabilmesi için temel şarttır.

Maliyetleri dikkate almadan, tablonun sol üst köşesinden başlayarak atama yapan bir başlangıç çözüm yöntemidir. Hızlıdır ancak en iyi çözümü garanti etmez.

Birim taşıma maliyetlerini (cij) dikkate alarak, her adımda en ucuz rotaya öncelik veren başlangıç çözüm yöntemidir. Maliyet odaklıdır.

Ulaştırma tablosunda en az dört hücreden oluşan, ardışık hücreleri aynı satır/sütunda bulunan ve temel çözüm koşulunu bozan sıralı bir dizidir.

Dengesiz ulaştırma problemlerini dengeli hale getirmek için eklenen, gerçekte var olmayan hayali fabrika veya müşteri noktasıdır.

m + n - 1 adet hücreye atama yapıldığı ve döngü içermeyen uygun çözüm durumudur. Ulaştırma problemlerinde çözümün başlangıç noktasıdır.

i. fabrikadan j. müşteriye gönderilecek ürün miktarını (xij) temsil eden değişkendir. Atama problemlerinde 0 veya 1 değerini alır.

Her bir fabrikanın toplam kapasitesinin, o fabrikadan çıkan ürünlerin toplamına eşit olması gerektiğini belirten matematiksel kısıttır.

Her bir müşterinin talebinin, kendisine gelen ürünlerin toplamına eşit olması gerektiğini belirten matematiksel kısıttır.

Bir birim ürünün i kaynağından j varış noktasına taşınmasının maliyetidir. Yöntemlerin seçiminde temel kriterdir.

Toplam arzın talepten fazla olduğu durumlarda, dengeyi sağlamak için eklenen, maliyeti 0 olan hayali talep noktasıdır.

Toplam talebin arzdan fazla olduğu durumlarda, dengeyi sağlamak için eklenen, maliyeti 0 olan hayali tedarik noktasıdır.

Ulaştırma problemlerinde, gönderi yapılması istenmeyen rotalar için maliyet yerine atanan çok büyük bir değerdir.

Toplam ulaştırma maliyetini mümkün olan en düşük seviyeye indiren en iyi çözüm sonucudur.

İşlerin çalışanlara veya makinelerin yerlere birebir atanması gibi, toplam verimliliği en büyükleyen veya maliyeti en küçükleyen özel bir problem türüdür.

Atama problemlerinin en iyi çözümünü bulmak için kullanılan, matris ve graf teorisine dayalı özel bir çözüm yöntemidir.

Karar değişkenlerinin sadece 0 (atanmadı) veya 1 (atandı) değerlerini alabildiği, atama problemlerinin temelini oluşturan matematiksel modelleme biçimidir.

n adet kaynağın n adet göreve, her kaynak bir göreve gelecek şekilde atanması problemidir. Örnek: 3 askerin 3 farklı göreve atanması.

Her kaynağın sadece bir göreve ve her görevin sadece bir kaynağa atandığı kısıtları sağlayan atama planıdır. Örnek: Tablo 5.2'deki 1 ve 0'lardan oluşan matris.

Atanan kaynakların ilgili görevlerdeki performans puanlarının toplamıdır. Örnek: 5+7+2=14 toplam fayda.

n adet kaynak ve görev için oluşturulabilecek toplam farklı uygun çözüm sayısıdır. Örnek: 3 kaynak için 3x2x1=6 çözüm.

Toplam maliyeti en küçüklemeyi veya toplam faydayı en büyüklemeyi hedefleyen matematiksel ifadedir. Örnek: Min f(x) = ΣΣ cij xij.

i. kaynağın j. göreve atanıp atanmadığını gösteren 0 veya 1 değerini alan değişkendir. Örnek: x12=1 ise Ahmet haberleşmeye atanmıştır.

Karar değişkenlerinin sadece 0 veya 1 değerini alabildiği matematiksel model türüdür. Örnek: Atama probleminin matematiksel yapısı.

Doğrusal programlamada değişkenlerin küsuratlı değerler alabilmesidir; atama probleminde bu varsayım geçerli değildir.

Atama problemlerinde en iyi çözümü bulmak için kullanılan, matris indirgeme temelli bir çözüm yöntemidir. Örnek: Örnek 5.2'deki çözüm süreci.

Maliyet matrisindeki her satırın en küçük değerinin, o satırdaki tüm değerlerden çıkarılması işlemidir.

Satır indirgeme sonrası her sütunda en az bir sıfır yoksa, sütunların en küçük değerinin sütun elemanlarından çıkarılmasıdır.

En iyi amaç fonksiyonu değerini sağlayan birden fazla uygun atama planının bulunmasıdır. Örnek: Tablo 5.6'daki çözüm.

En yüksek faydayı sağlayan ancak kısıtları ihlal eden çözümden, en az kayıpla kısıtları sağlayan çözüme geçiş yapmaktır.

i. kaynağın j. görevi yapma maliyeti veya faydasıdır. Örnek: Tablo 5.1'deki puanlar.

Problemi tanımlayan kaynak (i) ve görev (j) kümeleridir. Örnek: i=1,...,n ve j=1,...,n.

Amaç fonksiyonunun maliyet veya süre gibi değerleri minimize etmeye çalıştığı problemdir.

Amaç fonksiyonunun verimlilik veya fayda gibi değerleri maksimize etmeye çalıştığı problemdir.

En büyükleme problemini en küçükleme formuna çevirmek için kullanılan -1 ile çarpma yöntemidir.

Algoritmanın çözüm yolunda yaptığı her bir döngü veya adım grubudur. Örnek: Örnek 5.4'teki 2. ve 3. iterasyonlar.

Macar algoritmasında çizgilerin kesiştiği hücrelerdeki değerlere en küçük değerin eklendiği noktadır.

Macar algoritmasında satır ve sütun çizgilerinin dışında kalan, işlem görmemiş hücre değerleridir.

Kaynaklar ve görevler arasındaki atama durumlarını 0 ve 1'lerle gösteren tablo yapısıdır.

Karar değişkenlerinin ondalıklı değerler alabileceğini varsayan DP ilkesidir. Örneğin, 8.3 adet bilgisayar üretimi bu varsayıma göre mümkündür.

Tüm karar değişkenlerinin tamsayı olması gereken model türüdür. Örnek: Bir fabrikada üretilecek ürünlerin tam adet olarak belirlenmesi.

Değişkenlerin sadece 0 veya 1 değerini alabildiği modellerdir. Örnek: Bir yatırım projesinin kabul edilip edilmeyeceği kararı.

Hem tamsayı hem de sürekli değişkenlerin bir arada bulunduğu modellerdir. Örnek: Üretim yapma kararı (0-1) ve üretim miktarı (sürekli).

Sadece 0 veya 1 değerini alan değişkenlerdir. Mantıksal 'evet/hayır' kararlarını temsil ederler.

En iyilenmesi (en büyükleme veya en küçükleme) hedeflenen matematiksel ifadedir. Örnek: Toplam faydayı en büyükleyen Z fonksiyonu.

Kaynakların sınırlı olduğunu belirten kısıtlardır. Örnek: 100 puanlık ödül bütçesi kısıtı.

Tüm kısıtları ve tamsayı/ikili olma şartlarını sağlayan çözüm kümesidir.

Matematiksel modeller kullanarak gerçek hayat problemlerine optimal çözümler arayan bilim dalıdır.

Kısıt denklemlerinde değişkenlerin önündeki katsayılardır. Örnek: Bir ürünün üretimi için gereken kaynak miktarı.

Kısıt eşitsizliklerinin sağında yer alan, toplam kaynak miktarını gösteren değerdir.

Uygun çözümler arasından amaç fonksiyonunu en iyi yapan değerdir.

Modelde belirlenmesi gereken miktarları veya kararları temsil eden sembollerdir (x1, x2, y1 vb.).

DP çözümünü tamsayıya yuvarlarken ortaya çıkan ve kısıtların ihlaline yol açabilen hatadır.

Modelde 'eğer-ise' gibi durumları ifade eden kısıtlardır. 0-1 değişkenleri ile formüle edilir.

Hangi üründen ne kadar üretileceğinin belirlendiği planlama problemidir.

Reel sayı değerleri alabilen, bölünebilir değişkenlerdir.

Gerçek hayat probleminin matematiksel denklemlerle ifade edilme sürecidir.

Bir çözümün kapasite veya mantıksal sınırları aşması durumudur.

Kısıtlı sermaye ile en yüksek getiriyi sağlayacak projelerin seçilmesi problemidir.

Birden fazla çelişen amaç fonksiyonunun aynı anda en iyilenmesi gereken karar problemidir. Örneğin, bir yatırımda hem kârın maksimize edilmesi hem de riskin minimize edilmesi.

Bir çözümün tüm amaç fonksiyonlarındaki değerlerinin, başka bir çözümün değerlerinden daha iyi olması durumudur. Eğer A çözümü B çözümüne baskınsa, A her açıdan B'den daha iyidir.

Uygun çözüm alanında kendisine baskın olan başka bir çözümün bulunmadığı noktadır. Bu noktada bir amacı iyileştirmek için diğerinden ödün vermek gerekir.

Etkin bir çözüme karşı gelen amaç fonksiyonu değerlerinden oluşan vektördür. Bu noktalar, tüm amaçların aynı anda iyileştirilemeyeceği sınır değerleri temsil eder.

Çok amaçlı bir problemin, ağırlık katsayıları kullanılarak tek amaçlı bir probleme indirgenmesi işlemidir. Böylece standart optimizasyon yöntemleri kullanılabilir.

Amaç fonksiyonlarının önem derecelerini yansıtan ağırlık katsayıları ile çarpılıp toplanmasıyla tek bir amaç fonksiyonu oluşturma yöntemidir.

Karar vericinin amaçlar arasında tercih yaparak, bazı amaçlara alt/üst sınırlar koyup bunları kısıt kümesine eklemesi ve geriye kalan amaçları en iyilemesi yöntemidir.

Amaçların tam olarak gerçekleşemeyeceği durumlarda, hedeflenen değerlerden sapmaları en küçüklemeyi amaçlayan bir yöneylem araştırması tekniğidir.

Karar vericinin her bir amaç fonksiyonu için ulaşmak istediği ideal başarı seviyesidir. Örneğin, günlük 50 ton ürün taşıma hedefi.

Hedeflenen değerin üzerine çıkılan miktarı gösterir. Örneğin, 50 ton hedeflenmişken 55 ton üretilmesi durumunda 5 tonluk pozitif sapma vardır.

Hedeflenen değerin altına düşülen miktarı gösterir. Örneğin, 50 ton hedeflenmişken 45 ton üretilmesi durumunda 5 tonluk negatif sapma vardır.

Hedef programlamada mutlak değerli amaç fonksiyonlarını, sapma değişkenleri (si+, si-) kullanarak doğrusal bir forma dönüştürme işlemidir.

Birinin iyileştirilmesinin diğerinin kötüleşmesine yol açtığı amaçlardır. Örneğin, hızın artmasıyla yakıt tüketiminin artması.

Çok amaçlı problemlerde en büyükleme, en küçükleme veya ödünleşim gibi yöntemleri kapsayan genel bir terimdir.

Bir etkin çözüme karşı gelen amaç fonksiyonu değerlerinden oluşan vektördür. Sistemin ulaşılabilecek en iyi performans noktalarını gösterir.

Karar vericinin her bir amaç fonksiyonuna verdiği önem derecesidir. Katsayı ne kadar büyükse o amaç o kadar önemlidir.

Kaynakların sınırlı olması nedeniyle, hedeflere ulaşırken aşılmaması gereken parasal veya fiziksel sınırdır.

İki karar değişkenli problemlerde, uygun çözüm alanını ve amaç fonksiyonunu çizerek en iyi çözümün görsel olarak bulunmasıdır.

Doğrusal programlama problemlerini çözmek için kullanılan, köşe noktaları üzerinden ilerleyen cebirsel bir algoritmadır.

Uygun çözüm alanı içinde tam olarak gerçekleşmesi mümkün olmayan başarı seviyesidir. Hedef programlama burada devreye girer.

Kaynakların en iyi şekilde kullanılarak amaçlara en yakın değerlerin elde edilmesidir.

Problemin çözümünde kontrol edebildiğimiz, değerini belirlememiz gereken değişkenlerdir (örneğin kamyon sayısı).

Karar değişkenlerinin uyması gereken matematiksel sınırların (eşitlik/eşitsizlik) oluşturduğu bölgedir.

Hedef programlamada hedeften ne kadar uzaklaşıldığını ölçmek için kullanılan yardımcı değişkenlerdir.

Belirli kısıtlar altında amaç fonksiyonunu en iyi (en büyük veya en küçük) yapan değerleri bulma sürecidir.

Birden fazla ve genellikle birbirine rakip amaç fonksiyonunun aynı anda optimize edilmeye çalışıldığı karar verme sürecidir. Örn: Hem maliyeti düşürmek hem de kaliteyi artırmak.

Belirlenen hedeflerden sapmaların en küçüklenmesini amaçlayan, çok amaçlı problemlerin çözümünde kullanılan bir yöntemdir. Örn: Üretim hedefini tutturamama durumunda oluşan eksikliği minimize etmek.

Gerçekleşen değerin hedefin üzerinde olduğu durumu ifade eden değişkendir. Örn: 40 ton hedefi varken 42 ton gönderilmesi durumunda s+ = 2 olur.

Gerçekleşen değerin hedefin altında olduğu durumu ifade eden değişkendir. Örn: 40 ton hedefi varken 35 ton gönderilmesi durumunda s- = 5 olur.

si+ * si- = 0 kısıtıdır; bir hedeften aynı anda hem fazla hem de eksik sapılamayacağını garanti eder. Simpleks çözümünde temeldir.

Çok amaçlı problemleri, amaçlara ağırlık vererek tek bir amaç fonksiyonuna indirgeme yöntemidir. Örn: Kar hedefine 0.7, maliyet hedefine 0.3 ağırlık vermek.

Hedeflerin önem sırasına göre dizilerek, önce en önemli hedefin minimize edildiği, sonra diğerlerine geçildiği yöntemdir.

Bir amaç iyileştirilirken diğerinin kötüleşmek zorunda kaldığı, baskın olmayan çözüm noktaları kümesidir.

Bir hedefin daha iyi olması için diğerinden vazgeçilmesi durumudur. Örn: Daha hızlı teslimat için daha yüksek nakliye maliyetine katlanmak.

Problemin çözümünde miktarı belirlenmesi gereken değişkenlerdir. Örn: Örnekteki K1 ve K2 kamyon sayıları (x1, x2).

Karar vericinin ulaşmak istediği spesifik bir değerdir. Örn: D1 dükkanına en az 40 ton ürün gitmesi hedefi.

Kaynakların sınırlı olduğunu belirten matematiksel sınırlamadır. Örn: Toplam taşıma maliyetinin 6000 TL'yi geçmemesi.

Doğrusal programlama problemlerini çözmek için kullanılan, değişkenlerin temel ve temel dışı olarak ayrıştırıldığı iteratif bir yöntemdir.

Çok amaçlı bir problemi tek bir amaç fonksiyonuna dönüştürme işlemidir.

Bir çözümün, diğer tüm amaçlar için en az aynı derecede iyi ve en az bir amaç için daha iyi olduğu durumdur.

İki değişkenli problemlerin kısıt doğruları çizilerek çözüm alanının görsel olarak belirlenmesi yöntemidir.

Hedefin tutturulamaması durumunda ortaya çıkan maliyet veya ceza değeridir.

Hedef ile gerçekleşen değer arasındaki farkı ölçen, negatif olmayan yardımcı değişkenlerdir.

Tüm kısıtları sağlayan karar değişkenlerinin oluşturduğu bölgedir.

Minimize veya maximize edilmek istenen matematiksel ifadedir. Örn: Toplam sapmaların minimize edilmesi.