运筹学课件121线性规划图解法.pptxVIP

（二维）线性规划问题图解法： （1）满足约束条件的变量的值，称为可 行解。 （2）使目标函数取得最优值的可行解， 称为最优解。 例1 max S = 50 x1 + 30 x2 s.t. 4 x1 + 3 x2  120 2 x1 + x2  50 x1，x2  0 x2 50 40 30 20 10 10 20 30 40 x1 4x1+3x2  120 由 4x1+3x2  120 x1  0 x2  0 围成的区域 x2 50 40 30 20 10 10 20 30 40 x1 2x1+x2  50 由 2x1+x2  50 x1  0 x2  0 围成的区域 x2 50 40 30 20 10 10 20 30 40 x1 2x1+x2  50 4x1+3x2  120 可行域 同时满足： 2x1+x2  50 4x1+3x2  120 x1  0 x2  0 的区域——可行域 x2 50 40 30 20 10 10 20 30 40 x1 可行域 O（0，0） Q1（25，0） Q2（15，20） Q3（0，40） 可行域是由约束条件围成的区域，该区域内的每一点都是可行解，它的全体组成问题的解集合。 该问题的可行域是由O，Q1，Q2，Q3作为顶点的凸多边形 x2 50 40 30 20 10 10 20 30 40 x1 可行域 目标函数是以S作为参数的一组平行线 x2 = S/30-（5/3）x1 x2 50 40 30 20 10 10 20 30 40 x1 可行域 当S值不断增加时，该直线 x2 = S/30-（5/3）x1 沿着其法线方向向右上方移动。 x2 50 40 30 20 10 10 20 30 40 x1 可行域 当该直线移到Q2点时，S（目标函数）值达到最大： Max S=5015+30  20=1350 此时最优解=（15，20） Q2（15，20） 二个重要结论： 满足约束条件的可行域一般都构成凸多边形。这一事实可以推广到更多变量的场合。 最优解必定能在凸多边形的某一个顶点上取得，这一事实也可以推广到更多变量的场合。 例1的数学模型 目标函数 Max Z = 2x1 + 3x2 约束条件 x1 + 2x2  8 4x1  16 4x2  12 x1、 x2  0 x1 x2 9 — 8 — 7 — 6 — 5 — 4 — 3 — 2 — 1 — 0 | | | | | | | | | 1 2 3 4 5 6 7 8 9 x1 x2 x1 + 2x2  8 目标函数 Max Z = 2x1 + 3x2 约束条件 x1 + 2x2  8 4x1  16 4x2  12 x1、 x2  0 4x1  16 4 x2  16 图解法 9 — 8 — 7 — 6 — 5 — 4 — 3 — 2 — 1 — 0 x2 目标函数 Max Z = 2x1 + 3x2 约束条件 x1 + 2x2  8 4x1  16 4x2  12 x1、 x2  0 可行域 图解法 9 — 8 — 7 — 6 — 5 — 4 — 3 — 2 — 1 — 0 | | | | | | | | | 1 2 3 4 5 6 7 8 9 x1 x2 目标函数 Max Z = 2x1 + 3x2 约束条件 x1 + 2x2  8 4x1  16