课件数学建模-线性规划.ppt

目标函数(objective function) 一、数学规划模型的一般形式 约束条件(constraints ) 其中目标函数与约束条件中的变量称为决策变量decision variable. 二、数学规划模型的分类 1. 按有无约束条件 ?无约束优化unconstrained optimization; ? 约束优化constrained optimization. 前 言 数学规划模型简介 目标函数、约束条件与决策变量称为数学规划模型的三要素 2. 按决策变量取值是否连续 ? 数学规划的连续优化 ? 线性规划(LP)Linear programming; ? 非线性规划(NLP) Nonlinear programming.在非线性规划中有一种规划叫做二次规划(QP)Quadratic programming，目标为二次函数，约束条件为线性函数. ? 离散优化或组合优化 整数规划(IP)Integer programming,其决策变量只取整数.其中0-1规划Zero-one programming是整数规划中的一种特殊情况,其决策变量只取0或者1. 3.按目标的多少 ? 单目标规划 ? 多目标规划 4.按模型中参数和变量是否具有不确定性 ? 确定性规划 ? 不确定性规划 5.按问题求解的特性 ?目标规划 ?动态规划 ?多层规划 ?网络优化 可行域feasible region 约束条件所确定的决策变量的取值范围. 可行解feasible solution 满足约束条件的解.但这些解不都是最优解. 最优解Optimal solution 使目标函数达到最优值的可行解.它有全局最优解与局部最优解两种形式,一般情况下没有多少区别. 全局最优解global optimal solution: 在整个可行域上的求得最优解. 局部最优解local optimal solution: 在可行域中某个局部区域上求得的最优解. 三、数学规划模型的可行域与最优解 第一讲 线性规划模型 线性规划(LP)Linear programming是数学规划的一个重要分支.自从1947年 美国学者丹捷格(G.B.Dantzing)提出求解线性规划的单纯形方法以来,在理论上趋 向成熟,在日常实际问题中得到广泛深入的应用,借助计算机计算能力,已成为现 代管理中常用的基本方法之一.下面我们从一个简单的实际来介绍线性规划模型. 一、线性规划实例 实例 加工牛奶制品的生产计划 一奶制品加工厂用牛奶生产甲、乙两种奶制品，1桶牛奶可以在A1类生产设备上用12h加工成3kg甲种奶制品，或在在A2类生产设备上用8h加工成4kg乙种奶制品.若甲、乙两种奶制品全部能售出,且甲种奶制品售价24元/kg, 乙种奶制品售价16元/kg.现在工厂每天能得到50桶牛奶,每天正式工人总的劳动时间为480h,且A1类生产设备每天至多加工100kg甲种奶制品, A2类生产设备每天加工乙种奶制品没有限制.试为该工厂制订一个生产计划,使每天获利最大.并进一步讨论以下3 个问题: 1、若用35元买一桶牛奶，可否作这项投资？若投资，每天最多购买多少桶？ 2、若可以聘临时工人以增加劳动时间，付给临时工人的工资最多为每小时几元？ 3、由于市场需求的变化，每千克甲种奶制品获得增加到30元，是否改变生产计划？ 目标函数： 决策变量： 约束条件： 每天获利最大的优化问题 每天分别用多少桶牛奶生产甲、乙两种奶制品各多少kg ⑴总桶数:50桶牛奶,⑵总的劳动时间为480h, ⑶A1类生产设备每天至多加工100kg甲种奶制品. 问题分析 目标函数： 每天获利最大的优化问题 决策变量： 目标函数： 每天获利最大的优化问题 每天分别用多少桶牛奶生产甲、乙两种奶制品各多少kg 决策变量： 目标函数： 每天获利最大的优化问题 ⑴总桶数:50桶牛奶,⑵总的劳动时间为480h, ⑶A1类生产设备每天至多加工100kg甲种奶制品. 每天分别用多少桶牛奶生产甲、乙两种奶制品各多少kg 决策变量： 目标函数： 每天获利最大的优化问题 约束条件： ⑴总桶数:50桶牛奶,⑵总的劳动时间为480h, ⑶A1类生产设备每天至多加工100kg甲种奶制品. 每天分别用多少桶牛奶生产甲、乙两种奶制品各多少kg 决策变量： 目标函数： 每天获利最大的优化问题 目标函数： 每天获利最大的优化问题 每天分别用多少桶牛奶生产甲、乙两种奶制品各多少kg 决策变量： 每天分别用多少桶牛奶生产甲、乙两种奶制品各多少k