运筹学单纯形.docVIP

§1.4 线性规划问题的几何解释 对于只有两个变量的线性规划问题，可以在二维直角坐标平面上表示线性规划问题。 例1.8 max z= x1 +3x2 s.t. x1 +x2 ≤6 (1) -x1 +2x2 ≤8 (2) x1, x2 ≥0 其中满足约束(1)的点位于坐标平面上直线x1+x2=6靠近原点的一侧。同样，满足约束(2)的点位于坐标平面上直线 -x1+2x2=8的靠近原点的一侧。而变量x1，x2的非负约束表明满足约束条件的点同时应位于第一象限内。这样，以上几个区域的交集就是满足以上所有约束条件的点的全体。 我们称满足线性规划问题所有约束条件（包括变量非负约束）的向量 X=(x1，x2，…，xn)T 为线性规划的可行解（Feasible Solution），称可行解的集合为可行域（Feasible Region）。 例1.8的线性规划问题的可行域如图1.2中阴影部分所示。 为了在图上表示目标函数，令z=z0为某一确定的目标函数值，取一组不同的z0值，在图上得到一组相应的平行线，称为目标函数等值线。在同一条等值线上的点，相应的可行解的目标函数值相等。在图1.2中，给出了z=0，z=3，z=6，…，z=15.3等一组目标函数等值线，对于目标函数极大化问题，这一组目标函数等值线沿目标函