线性规划模型.doc

第一章 线性规划模型 线性规划模型的建立 例1某工厂A有生产甲，乙二种产品的能力，且生产一吨甲产品需要3个工日和0.35吨小麦。生产一吨乙产品需要4个工日和0.25吨小麦。该厂仅有工人12人，一个月只能出300个工日，小麦一个月只能进21吨，并且还知生产一吨甲产品可盈利80（百元），生产一吨乙产品可盈利90（百元）。那么，工厂A在一月中应如何安排这两种产品的生产，使之获得最大的利润？ 由以上条件可列表如下： 产品 资源 甲 乙 总和 工日 3 4 300 小麦 0.35 0.25 21 盈利 80 90 问题一的数学模型: 设,分别表示一月中生产甲，乙二种产品的数量，称之为决策变量。所得利润为z，问题一的目标是使得总利润函数有最大值。 工日的约束为： 原料小麦的约束为： 于是问题一可归结为求目标函数在约束条件下的最大值问题，显然目标函数和约束条件都是决策变量的线性函数，即可建立以下线性规划模型 (1.1) 1.1 线性规划模型的一般形式 （m个约束） (1.2) 矩阵形式 (1.3) 其中为决策向量，为目标函数的系数向量，为常数向量，为系数矩阵。 1.2 线性规划模型的标准形 (1.4) 对于例1可取： ，，。 1.3 如何化一般形为标准形 1.3.1 目标函数的转化 例2 一个工厂的甲，乙，丙三个车间生产同一种产品，每件产品由4个零件A和3个零件B组成。这两种零件耗用两种不同的原材料，而这两种原材料的现有数额分别是300公斤和500公斤。每个生产班的原材料的耗用量和零件产量如下表。问这三个车间应各开多少班数，才能使这种产品的配套数达到最大？ 车间 每班用料数 每班产量(个) 原料1 原料2 零件A 零件B 甲 8 6 7 5 乙 5 9 6 9 丙 3 8 8 4 解: 设,,是甲，乙，丙三个车间所开的生产班数，由原材料的限制条件，得 (1.5) 甲，乙，丙生产A零件总数是: ,生产B 零件总数是: 。因为目标函数是要使产品的配套数最大，而每个零件要4个A零件，3个B零件，所以产品的最大量不超过和中较小的一个。设S是产品的配套数，即 这个目标函数不是线性函数，但可以通过适当的变换把它化为线性的，设 (1.6) 则上式可以等价于下面两个不等式 , (1.7) 故可得如下线性规划模型: (1.8) 目标函数为求最大值，令即可将原问题转化为在相同约束条件下求最小值。 1.3.2 约束条件的转化 若约束条件中有和号，则可在（）号的左端加上（或减去）一个非负变量（称为松弛变量）使其变成=号约束。如变为。 若约束条件带有绝对值号，如，则可等价转化为：。 若决策变量没有非负限制，称为自由变量。例如为自由变量，则可引入，令代入模型即可。 二、 线性规划的求解方法 2.1 线性规划解的概念 定义1.1 满足约束条件的解，称为线性规划问题的可行解，而使目标函数达到最小值的可行解叫最优解。所有可行解构成的集合称为可行域，记为。 2.2 线性规划解的基本理论 定理1.1 如果线性规划问题存在可行域，则其可行域是凸集。 定理1.2 如果线性规划问题的可行域有界，则问题的最优解一定在可行域的顶点上达到。 2.3 单纯形法 单纯形法是求解线性规划问题的最常用、最有效的算法之一。单纯形法是首先由 George Dantzig于1947年提出的，近60年来，虽有许多变形体已被开发，但却保持着同样的基本观念。由定理2可知，如果线性规划问题的最优解存在，则一定可以在其可行区域的顶点中找到。基于此，单纯形法的基本思路是：先找出可行域的一个极点，据一定规则判断其是否最优；若否，则转换到与之相邻的另一极点，并使目标函数值更优；如此下去，直到找到某一最优解为止。这里我们不再详细介绍单纯形法，有兴趣的读者可以参看其它线性规划书籍。 2.4 灵敏度分析 灵敏度分析是指对系统或周围事物因周围条件变化显示出来的敏感程度的分析。 在以前讨论线性规划问题时，假定都是常数。但实际上这些系数往往是估计值和预测值。如市场条件一变，值就会变化；往往是因工艺条件的改变而改变；是根据资源投入后的经济效果决定的一种决策选择。因此提出这样两个问题：当这些参数有一个或几个发生变化时，已求得的线性规划问题的最优解会有什么变化；或者这些参数在什么范围内变化时，线性规划问题的最优解不变。 2.5 可以转化为