第八章线性规划和整数规划..docVIP

第八章 线性规划和整数规划 线性规划模型(Linear Programming model)是在一组「线性」的限制式(a set of linear constraints)之下，寻找极大化(maximize)或极小化(minimize)一个特定的目标函数(objective function) ，线性规划模型由下列三个部分组成: 一组决策变量 (A set of decision variables) 一个特定的目标函数(An objective function) 一组「线性」的限制式 (A set of constraints) 线性规划的特点是：参数具有“确定性”；目标函数与限制符合“固定规模报酬”的假设；决策变量间没有互动性，即某个函数的总价值只能借由线性累加求得；变量值在某一范围之内。 8．1简单线性规划 简单线性规划就是直接利用题目给出的约束关系构建约束函数，利用数学方法直接进行求解，有效率高、程序简单等优点。下题就是简单线性规划的一个典型例子： 8．1．1案例1：炼金术 好几个世纪以来，如何从铅得到金一直困扰着炼金学家们。在最近的一次炼金俱乐部会议上，宣布了一个重大的突破。通过将三种化学药品Algolene、Vasicine及Cobolase（简称A、B、C）以正确的比例混合，可以生成一种能将铅转换成金的混合物，由于A、B、C一般不单独出售，而是混合成溶液出售，所以这个问题并不像看起来那么简单。 考虑以下的例子。有两种由A、B及C组成的混合物，比例分别为1:2:3和3:7:1。将这两种混合物再以1:2的比例混合，我们得到一种A、B、C的溶液，比例为7:16:5。但没有办法能将这两种混合物混合成比例为3:4:5的新溶液。但如果我们增加一种溶液，其含有A、B、C三种物质的比例为2:1:2，那么将八分的1:2:3、一份的3:7:1和五份的2:1:2混合后就可以得到3:4:5的混合物。 决定将给定的一组溶液以何种比例混合并不是件轻松的任务。但是，正如ACM所表明的，这可能是一件利润丰厚的任务。你必须写一个程序以寻找混合比例。 输入 输入文件包含多个测试数据。每个测试数据的第一行包含一个整数n(0≤n100)，代表了测试数据中混合物的数目。接下来的n行每行包含三个非负整数ai、bi、ci，指明了A、B、C在第i种混合物中出现的比例为ai:bi:ci。每种混合物的三个整数中至少有一个是正的。 最后，有包含三个非负的整数a、b、c的一行，指明了所需溶液的比例为a:b:c。 输入文件由最后一个测试数据之后仅含整数0的一行结束。 输出 对于每一个测试数据，输出单词“Mixture”，其后跟着测试数据的编号。在下一行中，如果能通过混合输入的溶液得到所需溶液，则输出单词“possible”，否则的话，输出单词“impossible”。 输入范例 2 1 2 3 3 7 1 3 4 5 3 1 2 3 3 7 1 2 1 2 3 4 5 0 输出范例 Mixture 1 impossible Mixture 2 Possible 算法分析 该题实际上是一门线性代数题，要求选手通过计算机编程求解。 设xi为第i种溶液取出的比例(xi≥0，1≤i≤n)； ai，bi，ci为第i种溶液中A、B、C三种物质的比例(ai，bi，ci≥0，1≤i≤n)； x，y，z为混合溶液中A、B、C三种物质的比例。 能否从铅中提炼出金子，就是判断下述非齐次线性方程组 a1x1+a2x2+......+anxn=x b1x1+b2x2+......+bnxn=y c1x1+c2x2+......+cnxn=z 是否有解。 该非齐次线性方程组的增广矩阵为 常量 系数矩阵 x a1…an A= y b1…bn z c1…cn 如果n3，则增添(3-n)个全零的列向量，使得系数矩阵的规模扩充至3×4。 3-n个全0的列向量 0.. 增广矩阵 0.. 0.. 3×4 n+1个列向量 这个非齐次线性方程组有解的充分必要条件是增广矩阵与系数矩阵的秩相等。所谓矩阵的秩就是矩阵中最大一个非零子行列式的规模。显然矩阵A的秩小于等于3。正因为如此，我们每次仅取三种溶液，其他溶液不取，设这三种溶液的序号分别为i，j，k(i≠j≠k，1≤i，j，k≤n)，即 aixi+ajxj+akxk=x bixi+bjxj+bkxk=y cixi+cjxj+ckxk=z 混合溶液中A、B、