线性规划问题.ppt

在人们的生产实践中，经常会遇到如何利用现有资源来安排生产以取得最大经济效益的问题，此类问题构成了运筹学的一个重要分支——数学规划，而线性规划（Linear Programming, 简记LP）则是数学规划的一个重要部分。自从1947年G·B·Dantzig提出求解线性规划的单纯形方法以来，线性规划在理论上日趋成熟 ，在应用上日趋广泛，已成为现代管理中经常采用的基本方法之一。 一.线性规划的实例与定义 例1的数学模型：设该厂生产x1台甲机床和x2台乙机床时总利润最大，则 x1 、x2应满足 二、线性规划的标准形式 如果根据实际问题建立起来的线性规划问题并非标准形 式，可以将它如下化为标准形式： 三、线性规划的图解法 三、基本解与基本可行解 四、基本可行解与极点的等价定理 （线性规划基本定理） 线性规划（5.3）具有以下性质： （1）若可行域R≠Φ，则必存在一个基本可行解。 （2）若问题存在一个最优解 ，则必存在一个最优的基本可行解。 定理5.2并非说最优解只能在基本可行解（极点）上达到，而是说只要（5.3）有有限最优解，就必定可在基本可行解（极点）中找到。 五、求解线性规划的单纯形法 （步1）取一初始可行基B（一般取法见后面的两段单纯形法），再用高斯—约当消去法求出初始基本可行解x0，编制成所谓的初始单纯形表； （步2）判断x0是否最优解，如果x0是最优解，输出x0，停，否则到步3； （步3）按一改进准则，将一个非基变量转变为基变量，而将一个基变量转变为非基变量。这相当于交换B与N的一个列，同样可用高斯—约当消去法，运算可以通过单纯形表上的“转轴运算”实现。 六、初始可行解的求法——两段单纯形法 * 线性规划问题 例5.1 某机床厂生产甲、乙两种机床，每台销售后的利润分别为4000元与3000元。生产甲机床需用A、B机器加工，加工时间分别为每台 2小时和1小时；生产乙机床需用A、B、C三种机器加工，加工时间为每台各一小时。若每天可用于加工的机器时数分别为A机器10小时、B机器8小时和C机器7小时，问该厂应生产甲、乙机床各多少台，才能使总利润最大？ max 4x1 + 3x2 s.t 2x1 + x2 ≤10 x1 + x2 ≤8 (5.1) x2 ≤7 x1 , x2 ≥0 （5.1）式中4x1 + 3x2表示生产x1台甲机床和x2台乙机床的总利润，被称为问题的目标函数，当希望使目标函数最大时，记为max；反之，当希望使目标函数最小时，记为min。（5.1）中的几个不等式是问题的约束条件，记为S.t（即Subject to）。由于（5.1）式中的目标函数及约束条件均为 线性函数，故被称为线性规划问题。总之，线性规划 问题是在一组线性约束条件的限止下，求一线性目标 函数最大或最小的问题。 例5.2 min S.t i=1,…,m xj≥0,j=1,…,n 线性规划的目标函数可以是求最大值，也可以是求最小值，约束条件可以是不等式也可以是等式，变量可以有非负要求也可以没有非负要求（称这样的变量为自由变量）。为了避免这种由于形式多样性而带来的不便，规定线性规划的标准形式为 利用矩阵与向量记为 min z = CT x S.t Ax = b x≥0 （5.3） 其中C 和x 为n 维列向量，b为m 维列向量，b≥0，A为m×n矩阵,mn且rank(A)=m。 或更简洁地 （1）若目标函数为max z =CT x，可将它化为min－z =－CT x （2）若第i个约束为ai1x1+…+ainxn≤bi，可增加一个松驰变 量yi，将不等式化为ai1x1+…+ainxn+yi = bi，且yi≥0。 若第i个约束为ai1x1+…+ainxn≥bi，可引入剩余量yi，将 不等式化为ai1x1+…+ainxn－ yi = bi，且yi≥0。 （3）若xi为自变量，则可令 ,其中 、 ≥0 例如 例5.1并非标准形式，其标准形式为 min ― 4x1―3x2 s.t 2x1 + x2 + x3 = 10 x1 + x2 + x4 = 8 x2 + x5 = 7 x1 , x2 , x3 , x4, x5≥0 图5.1 对于例5.1，显然等位线越趋于右上方，其上的点具有越大的目标函数值。不难看出，本例的最优解为x*=(2,6)T ，最优目标值z*=26 。 为了了解线性规划