第六章线性规划方法建模.docVIP

第六章 线性规划方法建模 许多现实问题都可以归结为决策问题：在若干可行方案选择一个最好的.最优化问题中最简单的是线性规划.本章讨论线性规划模型. 6.1 线性规划的数学理论 6.1.1线性规划的一般形式 所谓线性规划（linear programming）问题，即在一组线性约束条件下，求一个线性函数的极大或极小.这一函数通常称之为目标函数（objective function），一般可表示为： 变量需要满足的约束条件（constraint conditions）一般可表示为： 后一组约束条件称为非负（nonnegative）约束.一般地，我们写成更紧凑的形式： 或写成更简洁的向量的形式： 其中 叫作价值向量，叫作资源向量， 是变量， . 我们总可以将任何一个线性规划化成它的标准形(详见参考文献[4])： 如何化线性规划为它的标准形呢？ 第一步：利用等价式化目标函数为标准形. 第二步：利用等价式或 引进松弛变量，将约束条件中的不等式化为等式（即标准形）. 6.1.2 求解线性规划的一般理论 一个向量 ， 如果满足所有的约束条件，则称之为线性规划问题的一个可行解（feasible solution），全部可行解所构成的集合称之为线性规划问题的可行解集或可行域（feasible region），使目标函数达到极大或极小的可行解称之为最优解（optimal solution）. 对于一个线性规划问题，逻辑上可能发生如下三种情形： 约束条件彼此不相容，可行解集为空集，因此问题无解. 可行解集是一个无界集合，而且随着变量的增大，目标函数可取任意大的值，此时不存在有限的最优解. （iii）至少存在一个最优解. 一般来说，只要问题表述正确，情形（iii）发生. 我们不加证明地指出以下结论： 定理1 线性规划问题的可行域是一个凸多面体. 定理2 线性规划问题的最优解只可能在凸多面体（可行域）的顶点上达到. 因此，在可行域上求线性规划问题的最优解，可缩减为在可行域的顶点上寻求最优解.较好的算法叫做单纯形法（simplex method）.详见参考文献[4]. 二维线性规划的图解法: 对于二维线性规划，我们可用图解法求解.设二维线性规划为： 我们把它的可行域及最优解用图表示如下： 图6.1中四边形OABC(阴影部分)为问题的可行域，其四条边由四条直线： 和围成.三条直线MN、KL和ST互相平行，表示目标函数值不同的三条等值线，其中直线KL使目标函数在B点达到了极大.三条直线MN、KL和ST的方程可表示为： MN：；KL：；ST：； 其中：为三个不同的常数. 6.1.3 与线性规划相关的几个问题 (1)对偶问题(dual problem) 两个线性规划问题（I）和（II）分别为： （I）： 和 （II）： 则它们称为互为对偶的线性规划问题.即问题（I）为问题（II）的对偶问题，或问题（II）为问题（I）的对偶问题.从这两个线性规划的形式可以看出，给定原线性规划的系数矩阵就可写出它的对偶线性规划.例如，原线性规划的各系数矩阵为： ，，， 则它的对偶问题是： 其中 即 对偶问题与原问题有许多有趣的关系，我们下面列举一些： （对称性）对偶问题的对偶是原问题. （若对偶性）若和分别是原问题与对偶问题的可行解，则 （无界性）若原问题（对偶问题）为无界解，则其对偶问题（原问题）无可行解. （可行解是最优解时的性质）若和分别是原问题与对偶问题的可行解，当时，和分别是原问题与对偶问题的最优解. （对偶定理）若原问题有最优解，那么对偶问题也有最优解；且目标函数值相等. 上面这些性质在解线性规划时非常有用. 例 某工厂在计划期内要安排生产I、II两种产品，已知生产单位产品所需的设备台时及A、B两种原材料的消耗，如表6.1.1所示： 表6.1.1 I II 设备 原材料A 原材料B 1 4 0 2 0 4 8台时 16㎏ 12㎏ 设工厂每生产一件产品I可获利2元，每生产一件产品II可获利3元，问如何安排生产计划使该工厂获利最多？ 解 设用，分别表示在计划期内产品I、II的产量，问题可用线性规划数学模型表示为： 它的对偶问题为： 此线性规划相当于如下问题：某人想租赁此工厂来生产这两种产品.当然，他希望花最少的钱.但对于工厂而言，租赁价格不应低于产品的利润.问如何确定设备台时、原材料A以及原材料B的租赁价格？ 用Lindo