第3章线性规划技术.docVIP

第3章 线性规划 本章提要 线性规划的一般模型的建立； 图解法求解线性规划； 线性规划问题的标准型及标准化； 单纯形法、大M法和两阶段法。 在生产管理和经营活动中经常会遇到一类问题，即如何合理地利用有限的人力、物力、财力等资源，以便得到最好的经济效果。线性规划（Linear programming，简记LP）是解决这类问题的常用方法。线性规划是数学规划与运筹学的一个分支，是运筹学中最重要的一种数量方法。主要用于研究解决有限资源的最佳分配问题，即如何对有限的资源做出最佳方式的调配和最有利的使用，以便最充分地发挥资源的效能去获取最佳经济效益。为叙述简便，以后我们常把“线性规划”一词用其世界通用略语LP代替。 3.1 线性规划的一般模型 3.1.1线性规划问题举例 例3.1解 x1，x2≥0 变量约束条件 【例3.2】 一艘货船分前、中、后三个舱位，它们的容积分别是4000、5400和1500立方米，最大允许载重量分别为2000、3000和1500吨。现有三种货物待运，相关数据如下： 商品 数量（件） 每件体积（m3/件） 每件重量（吨/件） 运价（元/件） 解 思考 3.1.2 线性规划的一般模型 从以上两例可以看出，它们都是属于一类优化问题。它们的共同特征： （1）每一个问题都用一组决策变量（x1,x2,…,x n）表示某一待定方案；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的。 （2）存在一定的约束条件，这些约束条件可以用一组线性等式或线性不等式来表示。 （3）都有一个要求达到的目标，它可用决策变量的线性函数（称为目标函数）来表示，按所考虑问题的不同，要求目标函数实现最大化或最小化。 满足以上三个条件的数学模型称为线性规划的数学模型。其一般形式为： 目标函数： 在线性规划的数学模型中，方程（1.1）称为目标函数；（1.2）、（1.3）称为约束条件；（1.3）也称为变量的非负约束条件。 其中：max是英文maximize最大化的缩写；min是英文minimize最小化的缩写；s．t．是英文subject to (受约束于)的缩写。 3.2 线性规划的图解法 线性规划的图解法，就是借助几何图形来求解线性规划问题的一种方法。图解法简单直观，还有助于了解线性规划问题求解的基本原理。 【例3.3A、B、C三种类型的设备，生产甲、乙两种产品。每件产品在生产中需要占用的设备台时数，每件产品可以获得的利润以及三种设备可利用的台时数如表2-1所示 表2-1 各产品的利润及占用台时 产品 设备 甲 乙 设备能力（h） 解xi为第i种（甲、乙）产品的生产件数（i＝1,2）。根据前面分析，可以建立如下的线性规划模型： 目标函数 max Z = 2x1 + 3x2 满足约束条件 图解法的步骤在以决策变量x1，x2为坐标向量的平面直角坐标系上对每个约束（包括非负约束）条件作出直线，并通过判断确定不等式所决定的半平面。非负条件x1、x2≥0是指第一象限。例1的每个约束条件都代表一个半平面。各约束半平面交出来的区域即可行集或可行域，如图3.1阴影所示。 图3.1 可行域 如约束条件3x1+2x2≤65是代表以直线3x1+2x2 = 65为边界的左下方的半平面，2x1+x2 ≤40是代表以直线2x1+x2 =40为边界的左下方的半平面，3x2≤75是代表以直线x2 =25为边界的下方的半平面，若同时满足x1，x2≥0的约束条件的点，必然落在由这五条直线围成的区域内。由例1的所有约束条件为半平面交成的区域见图3.1中的阴影部分。阴影区域中的每一个点（包括边界点）都是这个线性规划问题的解（称可行解），因而此区域是例3.3的线性规划问题的解集合，称它为可行域。 目标函数：Z= 2x1+3x2，在这坐标平面上，它可表示以Z为参数、-2/3为斜率的一族平行线x2 = -2/3x1+1/3 Z 位于同一直线上的点，具有相同的目标函数值，因而称它为“等值线”。当Z值由小变大时，直线x2 = -2/3x1+1/3 Z沿其法线方向向右上方移动，当移动到Q点时，使Z值在可行域边界上实现最大化，这就得到了例1的最优解Q，Q点的坐标为（5,25）于是可计算出Z= 85。 这说明该厂的最优生产计划方案是：生产产品5件，生产产品II为25件，可得到最大利润为85千元。 上例中求解得到问题的最优解是唯一的，但对一般线性规划问题，求解结果还可能出现以下几种情况： （1）无穷多最优解（多重解）。若将例3中的目标函数变为求max Z =4x1+2x2，则表示目标函数中以参数Z的这族平行直线与约束条件2x1+x2≤40的边界线平行，当Z值由小变大时，将与线段Q2Q3重合（见图3.1）。线段Q2Q3上任意一点都使Z取得相同的最大值，这个线性规划