线性规划运筹学要点.pptVIP

线性规划 线性规划问题 可行区域与基本可行解 单纯形算法 初始可行解 对偶理论 灵敏度分析 计算软件 案例分析 线性规划问题 线性规划实例 生产计划问题 运输问题 线性规划模型 一般形式 规范形式 标准形式 形式转换 概念 某工厂用三种原料生产三种产品，已知的条件如下表所示，试制订总利润最大的生产计划 问 题 分析 模型 运输问 题 问 题 分 析 模 型 线性规划问题 线性规划的三要素： 目标函数：Max F 或 Min F 约束条件：s.t. (subject to) 满足于 决策变量 ：用符号来表示可控制的因素 一般地，在一组线性等式或不等式的约束下，求一个线性函数的最大值或最小值的问题称为线性规划问题。 一 般 形 式 注  释 规 范 形 式 标 准 形 式 概 念 模 型标准化 变量转换 目标转换 约束转换 实例 不 等 式 变 等 式 例：把问题转化为标准形式 可行区域与基本可行解 ?图解法 ? 可行域的几何结构 ?基本可行解与基本定理 图 解 法 例2.2.1 注  释 线性规划解的的情况： 可行域是空集（问题无解） 无界 唯一的最优解，（一定在可行域顶点上达到） 有无穷多最优解，（一定存在可行域的顶点是最优解） 可行域的几何结构 基本假设 凸集 可行域的凸性 基 本 假 设 凸 集 问 题 基本可行解与基本定理 定义 基本定理 问题 基本可行解定义 基本可行解定义 基 本 定 理 说明 单纯形法 单纯形法的基本思路：从可行域中某一个顶点(即基本可行解)开始，判断此顶点是否是最优解，如不是,则再找另一个使得其目标函数值更优的顶点，称之为迭代，再判断此点是否是最优解。直到找到一个顶点(基本可行解)为其最优解，就是使得其目标函数值最优的解，或者能判断出线性规划问题无最优解为止。 算 例 初 始 单 纯 形 表 迭 代 1 迭 代 2 § 图解法的灵敏度分析 灵敏度分析：建立数学模型和求得最优解后，研究线性规 划的一个或多个参数（系数）ci , aij , bj 变化时，对最优解产生的影响。 例: Max z = 50 x1 + 100 x2 s.t. x1 + x2 ≤ 300 (A) 2 x1 + x2 ≤ 400 (B) x2 ≤ 250 (C) x1 ≥ 0 (D) x2 ≥ 0 (E) 得到最优解： x1 = 50， x2 = 250 最优目标值 z = 27500 线性规划的标准化：——引入松驰变量（含义是资源的剩余量） 例 中引入 s1， s2， s3 模型化为 目标函数：Max z = 50 x1 + 100 x2 + 0 s1 + 0 s2 + 0 s3 约束条件：s.t. x1 + x2 + s1 = 300 2 x1 + x2 + s2 = 400 x2 + s3 = 250 x1 , x2 , s1 , s2 , s3 ≥ 0 对于最优解