运筹学——第2章线性规划的图解法.pptVIP

第二章 线性规划的图解法 3．投资问题。从许多不同的投资项目中选出一个投资方案，使得投资的回报为最大。 4．产品生产计划。合理充分地利用厂里现有的人力、物力、财力，作出最优的产品生产计划，使得工厂获利最大。 5．劳动力安排。某单位由于工作需要，在不同时间段需要不同数量的劳动力，在每个劳动力工作日连续工作八小时的规则下，如何安排劳动力，才能用最少的劳动力来满足工作的需要。 6．运输问题。一个公司有若干个生产单位与销售单位，根据各生产单位的产量及销售单位的销量，如何制定调运方案，将产品运到各销售单位而总的运费最小。 以上的这些问题，线性规划都能成功地加以解决。这些例子都有一个共同的特点: 首先，每个例子中都要求达到某些数量上的最大化或最小化的目标。 其次，所有线性规划问题都是在一定的约束条件下来追求其目标的。 §2.1 问题的提出 如何建立模型？ 这个问题可以用以下的数学模型来加以描述。工厂目前要决策的问题是生产多少个Ⅰ产品和生产多少个Ⅱ产品，把这个要决策的问题用变量x1、x2来表示，则称x1和x2为决策变量，即决策变量x1=生产I产品的数量，决策变量x2=生产Ⅱ产品的数量。 用x1和x2的线性函数形式来表示工厂所要求的最大利润的目标： max Z=50 x1+100x2 （称为目标函数）。 其中max为最大化的符号(最小化为min)；50和100分别为单位产品 Ⅰ、 Ⅱ的利润。同样也可以用x1和x2的线性不等式来表示问题的约束条件。对于台时数的限制可以表示为： X1+X2≤300． 同样，两种原材料的限量可分别表示为： 2X1+X2≤400, X2≤250. 除了上述约束外，显然还应该有x1≥0，x2≥0，因为Ⅰ产品, Ⅱ产品的 产量是不能取负值的。综上所述，就得到了例1的数学模型如下： 目标函数： max Z=50x1+100x2， 满足约束条件：x1+x2≤300， 2 x1+x2≤400， x2≤250, x1≥0, x2≥0. 由于上述数学模型的目标函数为变量的线性函数，约束条件也为变量的线性等式或不等式，故此模型称之为线性规划。如果目标函数是变量的非线性函数，或约束条件中含有变量非线性的等式或不等式的数学模型则称之为非线性规划。 把满足所有约束条件的解称为该线性规划的可行解。把使得目标函数值最大(即利润最大)的可行解称为该线性规划的最优解，此目标函数值称为最优目标函数值，简称最优值。 对于一般线性规划问题的建模过程。应注意如下几个问题： 线性规划的数学模型的一般形式为: 目标函数： max (min) Z=c1x1+c2x2+…+cnxn 约束条件： a11x1+a12x2+…+a1nxn≤( =, ≥) b1, a21x1+a22x2+…+a2nxn≤( =, ≥) b2, ………………………… am1x1+am2x2+…+amnxn≤( =, ≥) bm, x1, x2, …, xn≥0. §2.2 图 解 法 问题的解： 最佳决策为x1=50, x2=250，此时z=27500。 这说明该厂的最优生产计划方案是生产I产品50单位，生产Ⅱ产品250单位，可得最大利润27500元。 把x1=50, x2=250代入约束条件得： 50+250=300台时设备 2×50+250=350千克原料A， 1×250=250千克原料B． 这表明了生产50单位Ⅰ产品和250单位Ⅱ产品将消耗完所有可使用的设备台时数和原料B，但对原料A来说只消耗了350千克，还有(400—350)=50千克没有使用。在线性规划中，对一个≤约束条件中没使用的资源或能力的大小称之为松弛量。 松弛变量和线性规划标准化 为了把一个线性规划标准化，需要有代表没使用的资源或能力的变量，称之为松弛变量，记为Si。显然这些松弛变量对目标函数不会产生影响，可以在目标函数中把这些松弛变量的系数看成零，加了松弛变量后我们得到如下的例1的数学模型： 目标函数： max Z=50x1+100x2+0s1+0s2+0s3， 约束条件： x1+x2+s1=300,