2.线性规划.docxVIP

2.1 线性规划(Linear Programming,LP)问题及其数学模型（1学时）我们应用数学规划模型求解实际问题中，将实际问题抽象成数学模型，然后再对其求解。线性规划问题提出我们用一个简单例子来说明如何建立数学规划问题的数学模型。例2.1 某家具厂生产桌子和椅子两种家具，有关资料见表2－1。表2-1产品木工油漆工单位售价（元/个）桌子4h/个2 h/个50椅子3h/个1 h/个30供应量120 h/月 50 h/月问：企业应如何安排生产计划，使每月的销售收入最大？解：用数学语言来描述生产计划安排问题，这个过程称为建立其数学模型，简称建模。设：①桌子、椅子生产的数量分别为x1，x2，称为决策变量。因为产量一般是一个非负数，所以有x1，x2≥0，称非负约束。②限制条件为木工和油漆工的加工时间约束了产品的生产量x1，x2。约束如下：4x1＋3x2≤1202x1＋x2≤50③生产桌子、椅子x1，x2所得总收入为Z，显然Z＝50x1＋30x2。我们希望总收入值能达到最大，这个关系用公式表达为max Z＝50x1＋30x2把上述所有数学公式归纳如下这就是一个最大化的线性规划模型。例 2.2（运输工具的配载问题）有一辆运输卡车，载重2.5t，容积18，用来装载如下的两种货物：箱装件125kg/个、0.4/个；包装件20kg/个、1.5/个。问：如何装配，卡车所装物件个数最多？解 根据题意，设箱装件个，包装件个，那么需要满足条件：体积约束 重量约束 非负约束 目标要求 max z=我们对上面的式子稍作整理，便得到下面的形式：max z=上述两例中所提出的问题，最终都归结为在变量满足线性约束条件的前提下，求使线性目标函数最大或最小的问题，这种问题称为线性规划问题。一个线性规划问题的数学模型包括三大部分：目标函数、约束条件和决策变量。线性规划数学模型线性规划问题的数学模型其共同特征如下：每一个问题都有一组决策变量xj(j=1,2,…..,n)，表示某一方案；一般这些变量取值为非负的。存在一些约束条件，这些约束条件可以用一组线性等式或线性不等式来表示。都有一个要求达到的目标，他们可以用决策变量的线性函数来表示，按问题的不同，要求目标函数实现最小化或最大化。满足上述三个条件的数学模型称为线性规划的数学模型，可以用如下的数学语言来描述：max（min） (2-1)其中，式（2-1）称为目标函数，式（2-2）称为约束条件，式（2-3）称为非负约束条件。式中，z称为目标函数，称为决策变量，称为价值系数或目标函数系数，称为资源常数或约束右端常数，称为技术系数或约束系数。均为常数。2.2 线性规划问题的几何意义（2学时）2.2.1 线性规划问题的几何意义1． 基本概念可行域 在2.1.2节中线性规划模型的式（2-2）及式（2-3）约束条件所围成的区域称为该线性规划问题的可行域。凸集 设Ω是n维空间的点集，任取x1,x2∈Ω,0λ1有[x1,x2]={x| x=λx1+(1-λ)x2}∈Ω称Ω为凸集。直观上，图形中连接任意两点的直线全部都在图形区域内,称此图形是凸的，下面图形(a),(c)为凸集。(a) (b) (c)图2-6凸组合 设x(1),x(2),…,x(k)是n维空间中的点,存在μ1, μ2, …, μk (0≤μi≤1 i=1,2,…k 且Σμi=1)使 x=μ1x(1)+μ2 x(2)+ …+μk x(k),称 x为x(1),x(2),…,x(k)的凸组合.特别是，平面上的两点x(1),x(2)连线上的点x，坐标为x=αx(1)+(1-α)x(2) 0≤α≤1.顶点 设K为凸集, x∈K， 若x不能用K 内不同的两点x(1),x(2)( x≠x(1),x≠x(2))的凸组合表示,则称x为顶点.带领学生复习线性代数的有关知识：列向量 x=（x1，x2，…，xm）T为m维列向量。线性无关 一组向量v1,…,vn,如果对于一切实数α1, …,αn,只要满足:α1 v1+…+αn vn=0,就有α1= …=αn=0， 则称v1,…,vn线性无关.线性相关 一组向量v1,…,vn,如果有一组不全为零的数α1, …,αn,且满足:α1 v1+…+αn vn=0,则称v1,…,vn 线性相关.矩阵A的秩 设A为一个m×n阶矩阵(mn)，若矩阵中最大线性无关列向量个数为k 则称矩阵A的秩数为k,记为秩A=k.2．线性规划问题解的概念线性规划的求解是对线性规划问题求取一组变量xj(j=1,2,…..,n)，使之既满足线性约束条件，又使线性的目标函数取得最大化或最小化的过程。线性规划的数学模型还可以用比较简洁的紧缩形式为式（2-4）、式（2-5）以及应用广泛的矩阵形式（2-6）来表示：max（或min） (2-1)(2-2)（2.3）max（或min）其中，C