第1章线性规划试题.ppt

1.2.3 模型的分析与建立 1.2.4 模型一的求解 1.2.5 结果分析 */39 数学建模 数学建模算法与应用 1.1 线性规划问题 1.1.1 线性规划的实例与定义 1.1.2 线性规划问题的解的概念 1.1.3 线性规划的Matlab标准形式及软件求解 1.1.4 可以转化为线性规划的问题 1.2 投资的收益和风险 1.2.1 问题提出 1.2.2 符号规定和基本假设 */39 数学建模 在人们的生产实践中，经常会遇到如何利用现有资源来安排生产，以取得最大经济效益的问题。此类问题构成了运筹学的一个重要分支—数学规划，而线性规划(Linear Programming 简记LP)则是数学规划的一个重要分支。自从1947年G. B. Dantzig 提出求解线性规划的单纯形方法以来，线性规划在理论上趋向成熟，在实用中日益广泛与深入。特别是在计算机能处理成千上万个约束条件和决策变量的线性规划问题之后，线性规划的适用领域更为广泛了，已成为现代管理中经常采用的基本方法之一。 例1.1 某机床厂生产甲、乙两种机床，每台销售后的利润分别为4千元与3千元。生产甲机床需用机器加工，加工时间分别为每台2小时和1小时；生产乙机床需用三种机器加工，加工时间为每台各一小时。若每天可用于加工的机器时数分别为机器10小时、机器8小时和机器7小时，问该厂应生产甲、乙机床各几台，才能使总利润最大？ 上述问题的数学模型：设该厂生产台甲机床和乙机床时总利润最大，则应满足 ， （1.1） s.t. (1.2） 变量称之为决策变量，（1.1）式被称为问题的目标函数，（1.2）中的几个不等式是问题的约束条件，记为s.t.(即subject to)。 目标函数及约束条件均为线性函数，故被称为线性规划问题。线性规划问题是在一组线性约束条件的限制下，求一线性目标函数最大或最小的问题。 在解决实际问题时，把问题归结成一个线性规划数学模型是很重要的一步，往往也是很困难的一步，模型建立得是否恰当，直接影响到求解。而选适当的决策变量，是我们建立有效模型的关键之一。 一般线性规划问题的（数学）标准型为 ， (1.3） s.t. （1.4） 其中，。 可行解 满足约束条件（1.4）的解，称为线性规划问题的可行解，而使目标函数（1.3）达到最大值的可行解叫最优解。 可行域 所有可行解构成的集合称为问题的可行域，记为。