02_线性规划.pptVIP

谢谢 由于是求最大值问题，目标函数的等值线应沿梯度方向推进，临界等值线为 2x1 ? 3x2 = 6 与可行域交于一线段 PQ，其中 P(0, 2)，Q(6/5, 6/5)，最优解为 PQ 上任一点，最优值为 6。 图 2.3.1 例 2.3.3 求解线性规划问题 min Z = ?2x1 ? x2， s.t. ?x1 ? x2 ? 2 x1 ? 4x2 ? 2 xi ? 0(i = 1, 2) 线性规划问题的可行域如图 2.3.2 所示，目标函数的梯度方向为 (?2, 1)T。由于是求最小值问题，目标函数的等值线应沿负梯度方向推进，可一直进行下去，得不到临界等值线，此问题目标值无下界，无最优解。 例 2.3.4 求解线性规划问题 min Z = ?2x1 ? 5x2， s.t. ?x1 ? x2 ? 2 ?x1 ? x2 ? 3 xi ? 0(i = 1, 2) 线性规划问题的可行域如图 2.3.3 所示，是一空集。此问题无最优解。 §2.4 用 Matlab 解线性规划 在 Matlab 软件的优化工具箱中，求解线性规划的函数为：linprog。其调用格式为 x = linprog(c, A, b, Aeq, beq, xLB, xUB) 适用模型为： 其中 Aeq、beq 表示约束条件中的等式约束部分AeqX = beq 的系数矩阵和常数向量。 使用 Matlab 求解线性规划问题， 必须是这样的“标准形式”。 例 2.4.1 在§2.2 的引例中，我们对食用油加工计划问题建立了如下的线性规划模型： 将上述模型改写成 Matlab 适用的模型，其形式为： 建立 M 文件，编写 Matlab 程序： c = [110; 120; 130; 110; 115; -150] A = [1, 1, 0, 0, 0, 0; 0, 0, 1, 1, 1, 0; 8.8, 6.1, 2, 4.2, 5, -6; -8.8, -6.1, -2, -4.2, -5, 3]; b = [200; 250; 0; 0]; Aeq =[1, 1, 1, 1, 1, -1]; beq = 0; xLB = zeros(6, 1); xUB = inf*ones(6, 1); x = linprog(c, A, b, Aeq, beq, xLB, xUB); x，Profit=c*x 运行上述 Matlab 程序，计算得： x = 159.2593 40.7407 0.0000 250.0000 0 450.0000 Profit = -1.7593e+004 于是月采购与生产计划为： 总利润：1.7593?104 生产量：450 0 250 0 40.7407 159.2593 采购量 OIL3 OIL2 OIL1 VEG2 VEG1 原油 §2.5 灵敏度分析 灵敏度分析是指对系统因周围条件变化显示出来的敏感程度的分析。 在前面讨论的线性规划问题中，我们都设定 aij, bi, cj 是常数。但在许多实际问题中，包括大型线性规划问题，这些系数往往是估计值或预测值，经常有少许的变动。 例如在§2.2 的引例(食用油加工计划)中，如果市场条件发生变化，cj 值就会随之变化；生产工艺条件发生改变，会引起 bi 变化，aij 也会由于种种原因产生改变。 因此提出这样两个问题： ? 如果参数 aij, bi, cj 中的一个或者几个发生了变化，现行最优方案会有什么变化？ ? 将这些参数的变化限制在什么范围内，原最优解仍是最优的？ 当然，有一套关于“优化后分析”的理论方法，可以进行灵敏度分析。具体参见有关的优化理论教科书。 但在实际应用中，给定参变量一个步长重复求解线性规划问题，以观察最优解的变化情况，不失为一种可用的数值方法，特别是使用