限制式.pptVIP

第六章補充　 線性規劃 學習目標 描述問題的型態使之得以以線性規劃求解。 由問題描述建立線性規劃模式。 利用圖解法求解簡單的線性規劃問題。 解釋電腦求解線性規劃問題的結果。 利用敏感度分析線性規劃問題的結果。 導論 對線性限制的問題而言，如果最佳解存在，限性規劃技術是指由一系列步驟運算得出最佳解的技術。 線性規劃的技術有許多種，某些有特別用途（例如求出某些特別形式的解），而大部分是一般範圍的求解。 線性規劃模式 線性規劃模式的結構有以下四個組成要件： 目標函數：數學上對利潤、成本衡量的函數。 決策變數：決策者對輸入或輸出所能決定的變數。 限制式：限制可行方案的條件函數。 可行解空間：既有問題的限制式定義出決策變數合理組合的集合。 參數：表示決策變數和數值。 例題 6S-1 線性規劃模式之假設 線性規劃模式必須滿足某些假設： 線性：限制式與目標函數必須是線性的。 可分割性：決策變數必須可以接受非整數的值。 確定性：參數的值必須為已知，並且為常數。 非負數：決策變數不可為負值。 圖解程序概述 線性規劃圖解法是將限制式繪製在圖形上，並確認滿足所有限制式的區域。這個區域稱為可行解空間。 圖解法觀念的一般程序： 以數學形式建立目標函數和限制式。 繪製限制式。 確認可行解空間。 繪製目標函數。 決定最佳解。 繪製限制式 將不等式的符號換成等號，將其轉換為一條直線方程式。 決定直線與哪條軸相交。 若與 x2 軸相交，令 x1 等於 0，並算出方程式 x2 的值。 若與 x1 軸相交，令 x2 等於 0，並算出方程式 x1 的值。 標示出直線與軸相交的交點，並將二點連成一條直線。 用陰影繪出不等式的範圍，無論是大於直線或小於直線方程式。 對每條限制式重複 1 至 4 步驟。 確認可行解空間 可行解空間是所有滿足全部限制式的點的集合（x1 和 x2 的軸是來自於非負限制式）。 下一步是決定可行解區上的點將會產生這目標函數的最佳值。這個判斷將會使用在目標函數上。 繪製目標函數線 利用相同的邏輯繪製限制式的線：決定每一條軸和線的交叉點的地方。 圖解法 圖解法利用目標函數移動尋找最佳解： 畫出限制式。 確定可行解空間。 設定目標函數等於某個總值，選擇一個可被目標函數任何係數整除的數值。 找出最佳解交點的二條相交的限制式，同時求出決策變數的最佳解。 將最佳解的值代入目標函數，求出目標函數的最佳值。 多餘限制式 若限制式形成的可行解空間的界線並不必要，稱為多餘限制式。 假如限制式滿足：「移動不會改變可行解空間」，則此限制式是多餘的。 當一個問題有多餘限制式時，可知至少有一個限制式會比多餘限制式對這個問題的限制更大。 解與角點解 線性規劃的可行解空間一般會呈現多邊型，而且任何一個問題的解都會出現在多邊形的角點（限制式的交點）。 列舉法：將每個角點解的座標代入目標函數，決定哪個角點解最佳。 最小化 以圖解法求算極小化問題的過程和求極大化問題極為相似，然而有二個很大的不同點： 至少有一個限制式必須是 = 或 ≥ ，這是為了避免可行解空間趨近原點。 最佳解必為最接近原點的解。 最佳解之角點是從目標函數（即等成本線）往原點慢慢滑動。 寬放與剩餘 一個能表現可行解空間最佳角點解的限制式稱為束縛限制式。 當決策變數的值被代入有≧的限制式，結果總和超過右邊的值，我們稱為剩餘；而剩餘只能用於≧限制式。 當決策變數的值被代入有≦的限制式，結果總和小於右邊的值，我們稱為寬放；而寬放只能用於≦限制式。 單行法 單行法是一般常用的線性規劃演算法，大多用來解決大規模的問題。 雖然不像圖解法直接明瞭，但可以解決雙決策變數以上的線性規劃問題，對於解決作業管理上的問題很有幫助。 敏感度分析 敏感度分析是指透過改變線性規劃模式的數值，評估改變的潛在影響。這些改變可能是因為管理者的控制，或為了增加利潤或降低成本而做的改變。 三種潛在的改變： 目標函數的係數。 限制式的右手邊值。 限制式的係數。 目標函數係數的改變 最佳範圍：在決策變數之最佳解不改變的情況下，目標函數之某係數的可變動範圍。 限制式右手邊值的改變 在考慮右手邊值的改變，了解是否有特定限制式對解有束縛是很重要的。 每一條限制式都有對應的影子價格，它是改變限制式一單位的右手邊值，計算目標函數改變量的邊際值。 一般來說，藉著限制式的影子價格來增加限制式右手邊值的改變量將會表示此改變對目標函數最佳值的影響，然而，此種狀況只會發生在一個限制範圍內，稱為可行範圍。 * ? The McGraw-Hill Companies, Inc., 2007 * ? The McGraw-Hill Companies, Inc., 2007