1线性规划终稿.ppt

例2、某企业现有A、B、C三种原料各3000吨、4000吨、5000吨，生产甲、乙两种产品所需原料如表，生产1吨甲可获利15000元，生产1吨乙可获利20000元。在不购买原料的前提下各生产多少甲乙产品获利最大？ 模型 一、共同的特征 1.每一个线性规划问题都用一组决策变量表示某一 方案，这组决策变量的值就代表一个具体方案。一 般这些变量取值是非负且连续的； 二、线性规划问题数学模型的一般形式 进一步的，用向量和矩阵符号可表述为 对一般的线性规划问题，求解结果还可能出现以下情形： 1.无穷多最优解（多重最优解） 2.无界解 3.无可行解 应用举例 模型求解 3） 模型中增加条件：x1, x2, x3 均为整数，重新求解。 OBJECTIVE FUNCTION VALUE 1) 632.2581 VARIABLE VALUE REDUCED COST X1 64.516129 0.000000 X2 167.741928 0.000000 X3 0.000000 0.946237 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 0.731183 3) 0.000000 0.003226 结果为小数，怎么办？ 1）舍去小数：取x1=64，x2=167，算出目标函数值z=629，与LP最优值632.2581相差不大。 2）试探：如取x1=65，x2=167；x1=64，x2=168等，计算函数值z，通过比较可能得到更优的解。 但必须检验它们是否满足约束条件。为什么？ IP可用LINgO直接求解 整数规划(Integer Programming,简记IP) IP 的最优解x1=64，x2=168，x3=0，最优值z=632 Model: Max=2*x1+3*x2+4*x3; 1.5*x1+3*x2+5*x3600; 280*x1+250*x2+400*x3 60000; end @gin(x1); @gin(x2); @gin(x2); OBJECTIVE FUNCTION VALUE 1) 632.0000 VARIABLE VALUE REDUCED COST X1 64.000000 -2.000000 X2 168.000000 -3.000000 X3 0.000000 -4.000000 模型求解 IP 结果输出 其中3个子模型应去掉，然后逐一求解，比较目标函数值，再加上整数约束，得最优解： 方法1：分解为8个LP子模型 汽车厂生产计划 若生产某类汽车，则至少生产80辆，求生产计划。 x1,x2,, x3=0 或 ?80 ? ? ? x1=80，x2= 150，x3=0，最优值z=610 LINGO中对0-1变量的限定： @bin(y1) @bin(y2) @bin(y3) 方法2：引入0-1变量，化为整数规划 M为大的正数，可取1000 OBJECTIVE FUNCTION VALUE 1) 610.0000 VARIABLE VALUE REDUCED COST X1 80.000000 -2.000000 X2 150.000000 -3.000000 X3 0.000000 -4.000000 Y1 1.000000 0.000000 Y2 1.000000 0.000000 Y3 0.000000 0.000000 若生产某类汽车，则至少生产80辆，求生产计划。 x1=0 或 ?80 x2=0 或 ?80 x3=0 或 ?80 最优解同前