第1章 线性规划.ppt

第1章 线性规划 1.1 原始问题 1.2 对偶问题 1.3 敏感分析 1.4 模型讨论 数学规划（mathematical programming）是运筹学的一个主要分支，它是研究在一些给定的条件下（即约束条件下），求的考察函数（即目标函数）在某种意义下的极值（极小或极大）。 对于数学规划，我们研究其中应用最为广泛的线性规划问题 研究对象： 有一定的人力、财力、资源条件下，如何合理安排使用，效益最高 某项任务确定后，如何安排人、财、物，使之最省 典型应用 合理利用线材问题：如何下料使用材最少 配料问题：在原料供应量的限制下如何获取最大利润 投资问题：从投资项目中选取方案，使投资回报最大 产品生产计划：合理利用人力、物力、财力等，使获利最大 劳动力安排：用最少的劳动力来满足工作的需要 运输问题：如何制定调动方案，使总运费最小 …… 一.模型1.1 原始问题 例1.1（产品组合问题）某公司现有三条生产线来生产两种新产品，其主要数据如表1.1所示。请问如何生产可以让公司每周利润最大？ 表1.1 产品组合问题的数据表 此问题是在生产线可利用时间受到限制的情形下寻求每周利润最大化的产品组合问题。 在建立产品组合模型的过程中，以下问题需要得到回答： （1）要做出什么决策？ （2）做出的决策会有哪些条件限制？ （3）这些决策的全部评价标准是什么？ （1）变量的确定 要做出的决策是两种新产品的生产水平，记x1为每周生产产品甲的产量， x2为每周生产产品乙的产量。一般情况下，在实际问题中常常称为变量（决策变量） （2）约束条件 求目标函数极值时的某些限制称为约束条件。如两种产品在相应生产线上每周生产时间不能超过每条生产线的可得时间，对于生产线一，有x1≤4，类似地，其它生产线也有不等式约束 （3）目标函数 对这些决策的评价标准是这两种产品的总利润，即目标函数是要求每周的生产利润（可记为z，以百元为计量单位）为最大 这样，可以把产品组合问题抽象地归结为一个数学模型： max z = 3x1+5x2 s.t. x1 ≤ 4 2x2 ≤ 12 3x1+ 2x2 ≤ 18 x1 ≥ 0，x2 ≥ 0 其中，max是最大化（maximize）的英文简称，s.t.是受约束于（subject to）的简称。 上面数学模型中的决策变量为可控的连续变量，目标函数和约束条件都是线性的，称为线性规划（linear programming）问题，是最基本的数学规划问题。 线性规划问题隐藏了如下假定： 比例性假定：意味着每种经营活动对目标函数的贡献是一个常数，对资源的消耗也是一个常数 可加性假定：每个决策变量对目标函数和约束条件的影响是独立于其它变量的，目标函数值是每个决策变量对目标函数贡献的总和 连续性假定：决策变量应取连续值 确定性假定：所有参数都是确定的，不包含不确定因素 上述隐含的假定条件是很强的。因此在使用线性规划时必须注意问题在什么程度上满足这些假定。当不满足的程度较大时，应考虑使用其它方法。如： 整数规划(integer programming，简记为IP) 模糊线性规划(fuzzy linear programming) 非线性规划(nonlinear programming，简记为NP或NLP) 组合优化(combinatorial optimization) 参数规划(parametric programming) 多目标规划(multi-objective programming) 随机规划(stochastic programming) 下面我们把例1.1推广为一般产品组合问题。设有m种资源用于生产n种不同产品，各种资源的拥有量分别为bi（i=1,2,…,m）。又生产单位第j种产品（j=1,2,…,n）时将消费第i种资源aij单位，利润为cj元。表1.2给出线性规划模型所需的数据。 表1.2 线性规划模型所需数据 仍用xj（j=1,2,…,n）代表第j种产品的生产数量，则线性规划模型为 max z = c1x1 + c2x2 + … + cnxn s.t. a11x1 +a12x2 +…+a1nxn≤b1 a21x1 +a22x2 +…+a2nxn≤b2 ……… am1x1+am2x2 +…+