运筹学2线性-1总结报告.ppt

在线性规划模型中，也直接称 z 为目标函数；称xj ，j = 1 , 2 ,…, n 为决策变量；称cj ，j = 1 , 2 , … , n 为目标函数系数或价值系数或费用系数；称bi ，i = 1 , 2 ,… , m 为约束右端常数或简称右端项，也称资源常数；称aij ，i = 1 , 2 , … , m ; j = 1 , 2 , … , n 为约束系数或技术系数。这里，cj ，bi ，aij 均为常数。 * * 线性规划的数学模型可以表示为下列简洁的形式： 线性规划的数学模型还可以表示为下列矩阵形式或较简洁的分量形式。 (2.4) * * 记向量和矩阵 , , * * 为了书写方便，可把列向量记为行向量的转置，如 X = ( x1，x2，…，xn )T ，“T”表示转置，是Trasform的缩写；对于n 维列向量X，用符号表示：X ? Rn ；A 是m行n列的矩阵，称 m?n 矩阵。 在这里，矩阵A有时表示为： A = ( p1， p2，…，pn ) ， * * 于是，线性规划问题可有矩阵形式表示： (2.5) 其中 pj = ( a1j，a2j，…，amj )T ? Rm 。 * * 这里，向量的等式与不等式表示所有分量有一致的关系，即当X ，Y ? Rn 时，X≤Y 表示对所有i = 1,2, …,n 有xi ≤ yi ；其它也类似。 (2.6) * * 向量形式表示： 称b为约束右端常数向量或简称右端项，也称资源常数向量；称A为约束系数矩阵或技术系数矩阵。 * * 小结：在线性规划模型中，称 C 为目标函数系数向量或价值系数向量或费用系数向量； （3）一定有一个追求目标，或希望最大或希望最小； （4）目标函数和所有约束条件都是线性的。 * * 可以看出，线性规划模型有如下特点： （1）决策变量x1 , x2 , … , xn 表示要寻求的方案，每一组值就是一个方案； （2）约束条件是用等式或不等式表述的限制条件； 三、线性规划问题的规范形式和标准形式 为了讨论的方便，在所有bi ≥0，i = 1,2, …,n 的前提下，我们称以下形式的线性规划问题为线性规划的规范形式： * * (2.7) * * (2.8) 而称以下的形式为标准矩阵形式： (2.9) * * 矩阵形式： (2.10) 可以看出，线性规划的标准形式有如下四个特点：目标最大化、约束为等式、决策变量均非负、右端项非负。 * * 标准形式： 四、如何将线性规划转化为标准型 P10 求极小值的目标函数转化： min f (x) = max{-f (x)}= max z (z = -f(x)) 变量取值限制约束的转化： xi ? 0 做变量代换：yi = - xi xi 为自由变量，做变量代换： xi = ui - vi ui ? 0, vi ? 0 * * 不等式约束转化为等式约束： 引入松弛变量将‘?’约束转化为标准形式 x1+x2?10 ? x1+x2+xs=10，xs?0 引入剩余变量将‘?’约束转化为标准形式 x1+x2?10 ? x1+x2 - xs=10，xs?0 右端项非负的限制转化： 约束条件两端均乘以-1 * * 例2.8 将下式转变为标准形式 min z= 3x1 - x2 + 4x3 s.t. x1 - 2x2 + 5x3 ? 0 -2x1 + x2 - 3x3 ? 0 -3x1 - x2 = 0 x1 ? 0, x2 ? 0 , x3 为自由变量 作变量代换：x2= -y, x3= u - v， 引入松弛变量 x4 和 x5 ，得标准型为： * * Max w = -3x1 - y - 4u + 4v s.t. x1+ 2y + 5u - 5v - x4= 0 -2x1 - y - 3u + 3v + x5 = 0 -3x1 + 5y = 0 x1?0, y?0, u?0, v?0, x4?0, x5?0 * * s. t. 2.3 x1 + 5.2 x2 - 6.1 x3 ≤15.7