第一章线性规划.docxVIP

第一章一线性规划 第一章线性规划 §1线性规划 i=J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 支一数学规划，而线性规划(Linear Programming简记LP)则是数学规划的一个 重要分支。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 论上趋向成熟，在实用中日益广泛与深入。特 别是在计算机能处理成千上万个约束条件和 决策变量的线性规划问题之后，线性规划的适 用领域更为广泛了，已成为现代管理中经常采 用的基本方法之一。 i=J 1.1线性规划的实例与定义 例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 A.、B A、B、 A、B、C A、B、C 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、乙机床各几台，才能使总利润最大？ 上述问题的数学模型：设该厂生产 台甲 x 机床和,乙机床时总利润最大，则…应满足 1 2maxx x , 1 2 max z = 4 x z = 4 x + 3x 1 2 2 x 2 x + x 10 x + x 8 1 2 x 7 x , x 0 s.t.(约束条件 (2) l=jw这里变量_称之为决策变量，(1)式被称为 x , x l=jw 问题的目标函数，(2)中的几个不等式是问题 的约束条件，记为s.t.(即 subject to)。上述即 为一规划问题数学模型的三个要素。由于上面 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 件的限制下，求一线性目标函数最大或最小的 问题。 在解决实际问题时，把问题归结成一个线 性规划数学模型是很重要的一步，但往往也是 困难的一步，模型建立得是否恰当，直接影响 到求解。而选取适当的决策变量，是我们建立 有效模型的关键之一。 1.2线性规划的Matlab标准形式 线性规划的目标函数可以是求最大值，也 可以是求最小值，约束条件的不等号可以是小 于号也可以是大于号。为了避免这种形式多样 性带来的不便，Matlab中规定线性规划的标 准形式为 min ctx such that Ax b |三」x . 一 |三」 其中c和X为〃维列向量，b为m维列向量，，为 矩阵。 m x n max ctx such that max ctx such that Ax b x min — ctx such that — Ax -b 1.3线性规划问麒的解的概念 ▲般线性规划问题的标准型为 s.t.minz ^^Lcx,j=1 s.t. min z ^^Lcx, j=1 g j=1 a ij x b i = 1,2,…,m （4） 可行解 ,-（八..?，），称为线性规划问题的可行解，而 x — （x ,x ,?,,,X ） 使目标函数（3）达到最小值的可行解叫最优 满足约束条件（4 ）的解 解。 可行域 所有可行解构成的集合称为问 题的可行域，记为/ 1.4线性规划的图解法 图解法简单直观,有助于了解线性规划问 题求解的基本原理。我们先应用图解法来求解 例1。如上图所示，阴影区域即为LP问题的 可行域R。对于每一固定的值/使目标函数 值等于z的点构成的直线称为目标函数等位 线，当z变动时，我们得到一族平行直线。让 等位线沿目标函数值减小的方向移动，直到等 位线与可行域有交点的最后位置，此时的交点 （一个或多个）即为LP的最优解。 对于例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,一以所，最优目标值十26。 x —（匕,u）t z — 从上面的图解过程可以看出并不难证明 以下断言： （1）可行域人可能会出现多种情况。人可 能是空集也可能是非空集合，当人非空时，它 R 必定是若干个半平面的交集（除非遇到空间维 数的退化）。既可能是有界区域，也可能是无 R 界区域。 （2） 在R非空时，线性规划既可以存在有 R 限最优解，也可以不存在有限最优解（其目标 函数值无界）。 （3） R非空且LP有有限最优解时，最优 解可以唯一或有无穷多个。 =J（4） 若线性规划存在有限最优解，则必可 找到具有最优目标函数值的可行域的“顶 =J R 点”。 上述论断可以推广到一般的线性规划问 题，区别只在于空间的维数。在一般的〃维空 间中，满足一线性等式》x = b的点集被称为一 i i 个超平面，而满足一线性不等式 乙］v b （或 ^a x i i 乙X ）的点集被称为一个半空间（其中修