《管理科学线性规划》课件.pptVIP

管理科学线性规划优化决策的数学方法

什么是线性规划？基本概念数学优化技术寻找线性约束下的最优解实际应用资源分配问题生产计划优化

线性规划的历史背景1起源阶段二战期间军事需求推动2算法发展1947年丹齐格提出单纯形法3现代应用

线性规划的特点决策变量问题中需要确定的未知数目标函数需要最大化或最小化的线性表达式约束条件限制决策变量取值的线性不等式可行解

线性规划的基本形式标准形式目标函数：最大化cx约束条件：Ax≤b非负条件：x≥0一般形式可包含等式约束可包含≥约束变量可不受非负限制转换技巧最小化问题转最大化等式约束转不等式约束无约束变量转非负变量

可行解空间最优解目标函数取最值的可行解边界点可行域边界上的点凸多面体由约束构成的几何形状可行域满足所有约束的点集

实用意义生产优化最大化产量或最小化成本分配问题资源合理分配到各需求点投资规划平衡风险与收益的投资组合流程设计优化生产流程与工序安排

线性规划的应用范围物流运输配送路线规划运输成本最小化生产管理产能分配规划原料利用优化财务决策投资组合优化预算分配规划公共服务资源配置优化服务点布局规划

线性规划的数学基础矩阵表示约束条件的矩阵形式：Ax≤b向量空间解的几何解释与向量运算线性映射线性变换与目标函数关系基础运算高斯消元与矩阵初等变换

最优化问题的分类线性规划目标函数和约束都是线性的非线性规划包含非线性函数的优化问题连续优化变量可取连续值的问题离散优化变量限定为整数或离散值

目标函数与约束条件目标函数衡量方案优劣的线性函数等式约束必须精确满足的条件不等式约束资源限制或技术要求非负约束变量不能取负值

决策变量的定义与作用识别关键未知量确定需要决策的具体数量明确变量含义每个变量代表什么实际意义确定变量范围变量的取值限制检验变量独立性避免冗余变量影响求解

几何解释几何直观表示帮助理解基本原理二维问题易于可视化理解

边界点的特性1最优解位置最优解必在可行域顶点处N+1基本可行解N为约束数量，顶点解不超过N+1个2最多检查点数最多检查可行域顶点即可找到最优解

理论基础：约束与松弛硬约束必须严格满足不可违反的限制条件例如：生产能力上限软约束可适当违反违反带来惩罚成本例如：交货期限松弛变量衡量约束富余程度转换不等式为等式影子价格分析基础

对偶理论原问题对偶问题最大化目标函数最小化目标函数≤约束≥约束变量非负变量非负约束系数矩阵A约束系数矩阵A的转置对偶问题提供原问题的新视角对偶互补松弛性质揭示最优解特征

简单线性规划问题例子X值约束1约束2两变量问题可直接绘制约束线寻找顶点并代入目标函数求最优解

单纯形法概述初始基可行解从可行域顶点开始移动方向沿目标函数增长最快方向移动迭代过程从一个顶点移动到相邻更优顶点终止条件无法找到更优解时停止

单纯形法步骤1构建初始表标准形式方程组与初始基变量2检查最优性检查非基变量的检验数3选择进基变量具有最大正检验数的变量4选择出基变量通过最小比值法则确定5更新单纯形表高斯消元法更新系数

单纯形法的关键概念1检验数评估非基变量进入基的价值2换基操作非基变量进基，基变量出基3枢轴元素基表变换的核心元素4最小比率测试确保新基可行解仍满足约束

二阶段单纯形法第一阶段引入人工变量寻找初始可行解过渡阶段消除人工变量第二阶段使用标准单纯形法求解原问题解决无明显初始基可行解的线性规划问题

大M法基本思想引入人工变量构造初始基可行解给人工变量极大惩罚系数M目标函数改造原目标函数减去M乘以人工变量和迫使最优解中人工变量为零与二阶段法比较操作更简单但数值稳定性较差适合教学演示而非大规模计算

图解法与单纯形法对比图解法直观可视化仅适用于二维或三维手工操作方便教学示范效果好单纯形法适用于任意维度算法可计算机实现可处理大规模问题迭代过程不直观

灵敏度分析目标系数变化分析最优解对目标函数系数变化的敏感性右侧常数变化研究资源限制调整对最优值的影响添加新约束评估新增限制条件的影响增加新变量检查新决策变量引入的效益

退化与无限解问题退化现象基本可行解中基变量为零几何上表现为一点满足超过n个约束可能导致单纯形法循环无限解问题目标函数等值线与可行域边界平行多个顶点具有相同的最优值可通过二次目标函数区分

Python在线性规划中应用importpulpaspl

#创建线性规划问题

prob=pl.LpProblem(Transport,pl.LpMinimize)

#定义决策变量

x1=pl.LpVariable(x1,lowBound=0)

x2=pl.LpVariable(x2,lowBound=0)

#设置目标函数

prob+=3*x1+5*x2

#添加约束条件

prob+=x1+x2=10

prob+=2*x1+x2=20