运筹学线性规划1.ppt

work hard 第一章 线性规划（Linear Programming，LP) 1.1 线性规划的发展（P4） 早期（20世纪30年代~40年代） 中期（20世纪50年代~70年代） 新发展时期（20世纪70年代至今） 1.2 线性规划问题及其数学模型 1.2.1 LP问题 例1.1（生产计划问题）?? 用A 、B、C、D四种原料生产I、II两种产品，其对资源消耗情况如表所示，要求作一生产计划，使在现有原材料情况下，使利润最大。 解题步骤（1） 假定要x1和x2分别表示Ⅰ、Ⅱ两种产品的产量。因资源A的提供量最大为12，不允许超过，于是有 2x1+2x2≤12。（→资源限制） 对资源B、C、D也可列出类似的不等式： x1+2x2 ≤8； 4x1 ≤16； 4x2 ≤12。 企业的目标：是在各种资源提供量允许的条件下，使总的利润收入为最大。 解题步骤（2） 总结：设生产 I 产品 x1件，II产品 x2件， 利润为Z。 总 结 此类规划问题建立的最终数学模型包括：决策变量、约束条件和目标函数。 建立此类规划问题的方法： 设决策变量； 列出约束条件； 分析目标，列出目标函数。 例1.2  表1- 2 1.2.2 LP模型 （1）LP模型的特点： （1）?要求的方案可用一组决策变量表示； （2）?有一定的约束条件，可用一组等式或不等式来表示； （3）?有一个要求达到的目标，可用决策变量的函数表示，称为目标函数。 当约束和目标函数均为线性时,称为线性规划。 （4）线性规划的矩阵表示方式 （5）线性规划的标准形式： 目标函数： 约束条件： 1．目标函数为求极小值 令： 标准化为： 2、约束条件为“≤” →转换为“=”方法： 在s.t.相应约束条件式中左端加上一个“松弛变量”，使“≤”变为“=”。同时，在目标函数中，令松弛变量的目标系数为0。 如2x1+2x2≤12，可令2x1+2x2+x3=12 (x3≥0) 3、约束条件为“≥” →转换为“=”方法： 在s.t.中左端减去一个“剩余变量”，使“≥”变为“=”。同时，在目标函数中，令剩余变量的目标系数为0。 如3x1+7x2≥18，可令3x1+7x2-x4=18 (x4≥0) 标准化举例1 例1.4 回 顾 1.3.1 图解法的步骤： （1）建立坐标系，将约束条件在图上表示； （2）确立满足约束条件的解的范围——可行域； （3）绘制出目标函数的图形； （4）确定最优解——可行域内使目标函数最大的点。 1.3.3 图解法总结与启示 将约束条件作到坐标图上,找出可行域 。 找最优点,即使目标函数最大的点。 1.3.4 线性规划的解 1.4 LP 解的基本概念 可行解 基 基向量、基变量、非基变量 基本解 可行基 最优解 （1）可行解 满足约束条件的解称为线性规划问题的可行解。 所有可行解的集合称为可行域。 （2）基——基向量、基变量、非基变量 基——在约束方程组的m×n阶系数矩阵 中,若有一个m×m阶的非奇异子矩阵B 则B为该LP问题的一个基（一个矩阵）。 则矩阵B由m个线性无关的列向量组成，可令其对应的列向量Pj(j=1,2,…,m)为基向量，对应的xj为基变量，否则为非基及非基变量。 （3）基解 (也叫“基本解”） 在包含基和非基的LP问题中，任取一个基，令所有非基变量均为0，即可解出唯一基本解（基解）。 基解的特点： （1） 基解的非零分量的数目小于等于约束方程 数目m。 （2） 基解是约束方程的交点。 （3） 基解只满足条件约束，不一定满足非负约束，因此基解中的分量有可能为负数（说明线性规划有很多基解，初次选定的不一定合适）。 （4） 基解的个数有限，不超过 Cnm 。 基解特点-1 基解特点-2 基解特点-3 基解特点-4 （4）基可行解和可行基 满足(1.2), (1.3) 的基解， 称为基可行解，相应 的基B为可行基。 最优解 满足（1.1), (1.2), (1.3)的解称为最优解。 （5）可行解、基解和基本可行解的关系 1.4.2 LP解的基本性质 （1）预备知识 ——凸集、顶点 2、单纯形法 基本思路： 从可行域中某个基可行解开始，根据一定标准判断是否为最优，若不是, 则转换到另一个基可行解，直到目标函数最优时为止，就得到了最优解。 单纯形核心： 关键在于：判断标准的建立和转换方法，使每次转换后结果更优，