线性规划问题的图解法.pptVIP

第一章、 线性规划及单纯形法 三、 线性规划的图解法 图解法举例 对应坐标x1=4, x2=2 是最佳的产品组合, [4,2]T就是线性规划模型的最优解； 使产品的总利润达到最大值maxZ=2?4+3?2=14就是目标函数最优值。 解：目标函数： Min f = 2x1 + 3 x2 约束条件： s.t. x1 + x2 ≥ 350 x1 ≥ 125 2 x1 + x2 ≤ 600 x1 , x2 ≥ 0 采用图解法。如下图：得Q点坐标（250，100）为最优解。 线性规划问题求解的 几种可能结果 (1) 唯一最优解 如图中可行域是一个无界区域，如阴影区所示。虚线为目标函数等值线，沿着箭头指的方向平移可以使目标函数值无限制地增大，但是找不到最优解。 由图解法得到的启示： 可行域是有界或无界的凸多边形。 若线性规划问题存在最优解，它一定可以在可行域的顶点得到。 若两个顶点同时得到最优解，则其连线上的所有点都是最优解。 * * 图解法的一般步骤： 先将约束条件和非负条件加以图解，画出可行域； 再画目标函数等值线（令Z为某一常数c）； 最后，结合目标函数的要求，平移目标函数的等值线，从可行域中找出最优解。 例1-1 9 — 8 — 7 — 6 — 5 — 4 — 3 — 2 — 1 — 0 | | | | | | | | | 1 2 3 4 5 6 7 8 9 x1 x2 x1 + 2x2 ? 8 (0, 4) (8, 0) 目标函数 Max Z = 2x1 + 3x2 约束条件 x1 + 2x2 ? 8 4x1 ? 16 4x2 ? 12 x1、 x2 ? 0 4x1 ? 16 4 x2 ? 12 图解法 9 — 8 — 7 — 6 — 5 — 4 — 3 — 2 — 1 — 0 x2 目标函数 Max Z = 2x1 + 3x2 约束条件 x1 + 2x2 ? 8 4x1 ? 16 4x2 ? 12 x1、 x2 ? 0 | | | | | | | | | 1 2 3 4 5 6 7 8 9 x1 x1 + 2x2 ? 8 4x1 ? 16 4 x2 ? 16 可行域 图解法 9 — 8 — 7 — 6 — 5 — 4 — 3 — 2 — 1 — 0 | | | | | | | | | 1 2 3 4 5 6 7 8 9 x1 x2 目标函数 Max Z = 2x1 + 3x2 约束条件 x1 + 2x2 ? 8 4x1 ? 16 4x2 ? 12 x1、 x2 ? 0 x1 + 2x2 ? 8 4x1 ? 16 4 x2 ? 16 可行域 B C D E A 图解法 9 — 8 — 7 — 6 — 5 — 4 — 3 — 2 — 1 — 0 x2 目标函数 Max Z = 2x1 + 3x2 约束条件 x1 + 2x2 ? 8 4x1 ? 16 4x2 ? 12 x1、 x2 ? 0 | | | | | | | | | 1 2 3 4 5 6 7 8 9 x1 x1 + 2x2 ? 8 4x1 ? 16 4 x2 ? 16 B C D E A 2x1 + 3x2 = 6 图解法 9 — 8 — 7 — 6 — 5 — 4 — 3 — 2 — 1 — 0 x2 目标函数 Max Z = 2x1 + 3x2 约束条件 x1 + 2x2 ? 8 4x1