规划基本知识报吿.docVIP

第六章 数学规划模型 §6.1 数学规划模型的基本知识 6.1.1 数学规划模型的一般形式 简单的优化模型往往是一元或者多元，无约束或者等式约束的最值问题。而在工程技术、经济金融管理、科学研究和日常生活等诸多领域中，人们常常遇到如下问题：结构设计要在满足强度要求的条件下选择材料的尺寸，使其总重量最轻；资源分配要在有限资源约束条件下制定各用户的分配数量，使资源产生的总效益最大；生产计划要按照产品的工艺流程和顾客需求，制定原料、零部件等订购、投产的日程和数量，尽量降低成本使利润最高。上述一系列问题的实质是：在一系列客观或主观限制条件下，寻求使所关心的某个或多个指标达到最大（或最小）。用数学建模的方法对这类问题进行研究，产生了在一系列等式与不等式约束条件下，使某个或多个目标函数达到最大（或最小）的数学模型，即数学规划模型。 建立数学规划模型一般需要考虑以下三个要素： （1）决策变量：它通常是所研究问题要求解的那些未知量，一般用维向量表示，其中表示问题的第个决策变量。当对赋值后它通常称为该问题的一个解。 （2）目标函数：它通常是所研究问题要求达到最大（或最小）的那个（那些）指标的数学表达式，它是决策变量的函数，记为。 （3）约束条件：由所研究问题对决策变量的限制条件给出，允许取值的范围记为，即，称为可行域。常用一组关于决策变量的等式（）和不等式（）来界定，分别称为等式约束和不等式约束。 数学规划模型可表达成如下一般形式： 其中是对目标函数求最大值或最小值的意思，是“受约束于”的意思。 由于等式约束总可以转化为不等式约束，大于等于约束总可以转化为小于等于约束，于是数学规划模型的一般形式又可简化为： 6.1.2 数学规划模型的可行解与最优解 由数学规划模型的一般形式，可行域可表达为： 满足约束条件的解即可行域中的点称为数学规划模型的可行解；使目标函数达到最大值或最小值的可行解，即可行域中使目标函数达到最大值或最小值的点称为数学规划模型的最优解。 数学规划模型的求解本质就是在可行域中选择使得目标函数达到最优的点，在运筹学中对数学规划模型的求解进行了大量的研究和求解方法介绍，但总体来说数学规划模型的求解比较复杂和繁琐，有些问题的求解非常困难。根据实际问题建立的数学规划模型，其结构往往非常复杂且数据量大，不能使用普通方法求解，目前数学软件已发展得比较成熟，可借助LINGO或MATLAB软件进行求解。 6.1.3 数学规划模型的基本类型 数学规划模型的分类方法较多，这里将数学规划模型按照下列方式划分： （1）线性规划模型：目标函数和约束条件都是线性函数的数学规划模型； （2）整数规划模型：决策变量要求取整数值的线性规划模型； （3）非线性规划模型：目标函数或者约束条件中有非线性函数的数学规划模型； （4）多目标规划模型：具有多个目标函数的数学规划模型。 本章主要介绍上述四类数学规划模型。此外还有如动态规划模型等，可查阅清华大学编《运筹学》教材。 §6.2 线性规划模型 6.2.1 线性规划模型的一般形式 线性规划模型所解决的问题具有以下共同特征： （1）每个问题都可用一组决策变量 表示某一方案，决策变量的一组定值就代表一个具体方案。通常决策变量取值是非负的。 （2）存在一定的限制条件（即约束条件），这些约束条件可用关于决策变量的一组线性等式或线性不等式来表示。 （3）有一个目标要求（即目标函数），目标函数可表示为关于决策变量的线性函数。根据问题的需要，要求目标函数实现最大化或最小化。 线性规划模型的一般形式如下： 目标函数： 约束条件： 用矩阵向量符号，可更简洁地表示线性规划模型的一般形式： 目标函数： 约束条件： 这里系数矩阵是矩阵，约束向量是列向量，价值向量是行向量。即： ， ， 关于线性规划模型的求解，目前已有相当完善的单纯形算法（详细参见清华大学编《运筹学》教材）。在实际建模中，由于数据庞大，借助于LINGO、MATLAB等数学软件进行求解是完全可以实现的。 6.2.2 线性规划建模示例 例6.1 货机装载问题 一架货机有三个货舱：前舱、中舱和后舱。三个货舱所能装载货物的最大重量和体积限制如表6-1所示。并且为了飞机的平衡，三个货舱共装载的货物重量必须与其最大的容许量成比例。 表6-1 重量、体积限制 前舱 中舱 后舱 重量限制（吨） 10 16 8 体积限制（立方米） 6800 8700 5300 现有四类货物供该货机本次飞行装运，货物的规格以及装运后获得的利润如表6-2所示。 表6-2 规格、利润 重量（吨） 空间（立方米/吨） 利润（元/吨） 货物1 1