运筹学复习大纲.pptVIP

复习大纲 2 ) 问题的形式特征 上述两问题的经济内涵虽然不同，但具有如下共同形式特征： 决策变量 (Decision Variables) 用一组可控变量表示待定的方案； 约束条件 (Constraints) 依据客观条件而列出的、必须严格满足的一组线性等式或不等式； 目标函数 (Objective Function) 按选择的指标及要求所拟定的，需要加以优化的线性函数。 1．图解法原理 (图1.1) 1．图解法原理 (图1.1) 2. 问题的分析 线性规划问题的求解结果会出现多种情况，借助图解法可以考察线性规划问题解的状况。 唯一解 多重解 无界解 无可行解 1. 线性规划问题的标准型 线性规划问题的标准形式定义为 max z=c1 x1 + c2 x2+…+cj xj+…+cn xn (1.1) s.t. a11x1+a12x2+…+a1 jxj+…+a1nxn = b1 a21x1+a22x2+…+a2 jxj+…+a2nxn = b2 (1.2) … … am1x1+am2x2+…+amjxj+…+amnxn=bm x1 , x2 , … , xj ,… , xn≥0 (1.3) 其中：aij，bi，cj都是常数，xj 是未知变量,并 有 bi≥0,（i =1,2,…,m；j =1,2,…,n）, n≥m≥0。 数学模型组成要素的称谓 函数式(1.1) 目标函数(Objective function) 线性方程组(1.2) 约束方程 约束条件 不等式(1.3) 非负约束 (constraints) 变量xj 决策变量(Decision variables) 实数 : aij 组成系数(工艺系数) bi 右端常数(限定系数） cj 目标函数系数(价值系数) 参数 : m 阶数 n 维数 数学模型表达符号的设置 C = (c1 , c2 , …, cn ) 价值向量 b = (b1 , b2 , …, bm )T 资源（限定）向量 Pj = (a1j , a2j ,…, amj )T 系数（列）向量 A = (P1, P2 , …, Pn ) (m×n)系数矩阵 X = (x1 , x2 , …, xn )T 决策（变量）向量 0 = (0 , 0 , …, 0 )T n 维零向量 1）线性规划问题标准化的方法 目标函数的等价变换 约束条件的平衡转换 决策变量的非负变换 (1) 目标函数的等价变换 目标函数为极小化 目标函数含有常数项 目标函数为极小化 极小化问题的目标函数为 min z = c1x1+c2x2+…+cnxn 依据图1.11 所示 的对称原理，令： z = - z , cj = - cj ( j =1,2,…n ) 将目标函数变换为 max z = - c1x1 -c2x2 -…-cnxn 即 max z= c1x1+c2x2+…+cnxn 目标函数含有常数项 含有常数项的目标函数可以表示为： max z = c0+c1x1+c2x2+…+cnxn 将参数项c0移到等号的左边，令z‘= z - c0 ,即 z = z+ c0 ,则可得到原目标函数的等价形式 max z= c1x1+c2x2+…+cnxn 显然，z和z‘的取值仅相差一个常数项，并且两者的可行域相同，其原理如图1.12 所示。 (2) 约束条件的平衡转换 左向不等式约束的平衡转换 右向不等式约束的平衡转换 左向不等式约束的平衡转换 左向不等式约束条件为小于或等于形式，简称为左向不等式约束，如 ai1x1+ai2x2+…+aijxj+…+ainxn≤bi