第三章线性规划描述

合集下载

第三章线性规划的对偶理论

s.t. AX=b X≥0 由于 AX=b 即 AX=b
AX≤b AX≥b
AX≤b -AX≤-b 所以，原问题可化为 max z=CX s.t. AX≤b -AX≤-b X≥0
A
X≤ -A
b
-b
14
设Y'：AX≤b的对偶变量（行向量） Y''：-AX≤-b的对偶变量（行向量）按对称形式的对偶关系可得出原问题的对偶问题如下： min w =Y'b-Y''b= （Y'-Y''）b （Yb=bTYT） s.t Y'A-Y''A≥C （ YA=ATYT） Y'≥0，Y''≥0 令Y= Y'-Y''，则对偶问题为 min w =Yb s.t YA≥C Y符号不限结论：原问题中约束条件为等式，对应的对偶变量无非负要求；反过来同样成立。
s.t. 2y1+ y2+ 4y3 ≥2
2y1+2y2+ 4y4 ≥3 y1, y2 , y3 , y4 ≥ 0
解：2.首先将原式变形
m axZ 2 x1 3 x 2 4 x 3 2 x 3 x 2 5 x 3 2 3 x1 x 2 7 x 3 3 x1 4 x 2 6 x 3 5 x1 , x 2 , x 3 0
对于非对称形式的规划，可以按照下面的对应关系直接给出其对偶规划。（1）对原问题模型为“max，约束条件为≤”或“min，约束条件为≥” 的形式，对应的对偶规划的变量大于 0 ；反之，若原问题模型为“max，≥”或“min，≤” 的形式，对应的对偶规划的变量小于0。（ 2 ）原问题线性规划的决策变量大于 0 ，则对偶问题的模型为“max，约束条件为≤”或“min，约束条件为≥” 的形式；若原问题线性规划的决策变量小于0；则对偶问题的模型为“max，≥”或“min，≤” 的形式。

第三章线性规讲义划模型

➢ 对偶问题的对偶是原问题。
Min W= Yb
YA - YS= C Y,YS≥0
➢ 若两个互为对偶问题之一有最优解，则另一个必有最优解，且目标函数值相等(Z*=W*)，最优解满足CX*=Y*b。
第三章线性规划模型
▪ 线性规划问题的提出 ▪ 线性规划问题的建模 ▪ 典型特征和基本条件 ▪ 一般模型和标准模型 ▪ 线性规划的图解方法 ▪ 影子价格与敏感分析 ▪ 线性规划模型的应用
第三章线性规划模型
• 对偶问题的提出
某厂生产甲、乙两种产品，消耗A、B两种原材料。生产一件甲产品可获利2元，生产乙产品获利3元。问在以下条件下如何安排生产？
设备 A 设备 B 设备 C 利润（元/件）
产品产品产品产品甲乙丙丁 1.5 1.0 2.4 1.0 1.0 5.0 1.0 3.5 1.5 3.0 3.5 1.0 5.24 7.30 8.34 4.18
设备能力（小时）
2000 8000 5000
第三章线性规划模型
▪ 建立的模型如下：
z=12737.06（元）
▪ 请注意最优解中利润率最高的产品丙在最优生产计划中不安排生产。说明按产品利润率大小为优先次序来安排生产计划的方法有很大局限性。尤其当产品品种很多，设备类型很多的情况下，用手工方法安排生产计划很难获得满意的结果。另外，变量是否需要取整也是需要考虑的问题。
第三章线性规划模型
用线性规划制订使总利润最大的生产计划。
每件产品占用的产品产品产品产品设备能力
机时数（小时/件）甲乙丙丁（小时）
设备 A
1.5 1.0 2.4 1.0
2000
设备 B
1.0 5.0 1.0 3.5

第三章线性规划

的一个极点．
定义3.2.3 设 X 1, X 2, , X k是 n 维欧氏空间 En 中的 k 个
点，若存在 1,2, ,k ，且 0 i 1i 1,2, ,k ， i 1 ，使
凸组合，则称是的 X 1X 1 2 X 2 k X k
i
X X 1, X 2, , X k
．
由此可见，凸集与极点的定义都与两点的凸组合密切相关．可以证明：有界凸集的任意一点都可以表示为该集的极点的凸组合．
即可。
例6 将下列线性规划模型化为标准形式
min z x1 2x2 4x3
x1 x2 x3 4
s.t.
2x1 x2 3x3 5 x1 3x2 x3 6
3x1 x2 2x3 7
x1 0, x2 0, x3无约束
解：以 x2 代替 x2 ；令 x3 x4 x5 ，x4 0，x5 0 ；z z 上述线性规划模型可化为标准型：
s.t.
n j 1
aij x j
bi i
1,2,
,m
x j 0 j 1,2, , n
（2）向量表示的缩写
max z C T X
n
s.t. j1 Pj x j b X 0
其中
C c1, c2 , , cn T ; X x1, x2 , , xn T ;
Pj a1 j , a2 j , , amj T ;
线性关系：约束条件及目标函数均保持线性关系．
具有以上特点的决策问题，被称之为线性规划问题。
二、线性规划问题的数学模型
一般形式标准形式缩写形式
1、LP问题的一般形式
maxminz c1x1 c2 x2 cn xn
a11x1 a12x2 a1n xn , b1

第三章_整数线性规划

0
b
j 1
j
xj B
• 目标—总收益最大
max
c
j1
n
j
x
j
max
c
j1
n
j
x
j
n b j x j B s .t . j 1 x 1 , 0 ; j 1 , 2 ..., n j
旅游售货员问题
• 背景
• 案例 • 模型
背景
• 旅游线路安排预定景点走且只走一次路上时间最短 • 配送线路—货郎担问题送货地到达一次总路程最短

混合整数规划模型
min c x Ax b s .t . x 0 x i 为整数 , i 1, 2 ,..., p

§2.2 整数线性规划算法
• 与线性规划的关系
• 分支定界算法
• 割平面算法 • 近似算法
与线性规划的关系
放松的线性规划整数规划
min c

min c
x ij 1, 0 ; i 1, 2 ..., 17 , j 1, 2 , 3
• 约束
包裹容量限制
c
i 1
3
17
i
x ij r j ; j 1, 2 , 3
必带物品限制

3
x ij 1; i 1, 2 ..., 7
j 1
选带物品限制
x ij 1; i 8 , 2 ..., 17
3. 对于问题B，任选一个不符合整数条件的变量 xj=bj，对问题B进行分支，增加两个约束条件： xj[bj] 和 xj[bj] +1，形成两个后继问题B1 和 B2 ,求它们的松弛问题，得到目标函数值的上界。转步骤4 。 4. 考察所有后继问题， (a)如果它的目标函数值的上界不如zb，舍去该支，转步骤4 。 (b)如果没有后继问题, 则当前最优解就是原问题的最优解，stop。 (c)寻找目标函数值的界最好的后继问题,转步骤5。

第三章线性规划的对偶定理

特点：
1． max min 2．限定向量b 价值向量C
其它形式的对偶
?
（资源向量）
3．一个约束一个变量。
4． max z的LP约束“ ” min z 的
LP是“ ”的约束。
5．变量都是非负限制。
二、原问题与对偶问题的数学模型
❖ 1．对称形式的对偶
当原问题对偶问题只含有不等式约束
时，称为对称形式的对偶。
根据对称形式的对偶模型,可直接写出上述问题的对偶问题:
b max w (Y 1,Y 2 ) -b
(Y
1,Y
2
)
A A
C
Y1 0 ,Y2 0
max w (Y 1 Y 2 ) b
(Y
1
Y
2
)
A
C
Y 1 0, Y 2 0
令 Y Y，1 Y得2对偶问题为：
max w Yb
❖ （3）若原问题可行，但其目标函数值无界，则对偶问题无可行解。
❖ （4）若对偶问题可行，但其目标函数值无界，则原问题无可行解。
❖ （5）若原问题有可行解而其对偶问题无可行解，则原问题目标函数值无界。
❖ （6）对偶问题有可行解而其原问题无可行解，则对偶问题的目标函数值无界。
CX Yb
原问题
设备A 设备B 调试工序
产品Ⅰ 产品Ⅱ
0
5
6
2
1
1
利润（元） 2
1
D
15时 24时 5时
x 设 Ⅰ产量––––– 1
x Ⅱ产量––––– 2
如何安排生产，使获利最多？
max z 2 x1 x2
s.t.
5x2 15
6 x1 2 x2 24

第三章线性规划及其对偶问题

第三章线性规划及其对偶问题线性规划是最优化问题的一种特殊情形，也是运筹学的一个重要分支，它的实质是从多个变量中选取一组适当的变量作为解，使这组变量满足一组确定的线性式，而且使一个线性目标函数达到最优（最大或最小）．线性规划的应用极为广泛，自1949年美国数学家G. B. Dantzing 提出一般线性规划问题求解的方法——单纯形法之后，线性规划无论在理论上、计算方法和开拓新的应用领域中，都获得了长足的进步，线性规划从解决技术问题的最优化设计到工业、农业、商业、交通运输业、军事、经济计划和管理决策等领域都有广泛的发展和应用．本章主要从线性规划的基本概念、数学模型、单纯形法、对偶理论、灵敏度分析等方面进行介绍．§3.1 线性规划数学模型基本原理一、线性规划的数学模型满足以下三个条件的数学模型称为线性规划的数学模型：（1）每一个问题都用一组决策变量T n x x x ][21，，，表示某一方案；每一组值就代表一个具体方案．（2）有一个目标函数，可用决策变量的线性函数来表示，按问题的不同，要求目标函数实现最大化或最小化．（3）有一组约束条件，可用一组线性等式或不等式来表示．线性规划问题的一般形式为1211221111221121122222112212max(min)()()()..()0n n n n n n n m m mn n m n f x x x c x c x c x a x a x a x b a x a x a x b s t a x a x a x b x x x =++++++≤=≥⎧⎪+++≤=≥⎪⎪⎨⎪+++≤=≥⎪⎪≥⎩，，，，，，，，，，，，，．这里，目标函数中的系数n c c c ，，， 21叫做目标函数系数或价值系数，约束条件中的常数m b b b ，，， 21叫做资源系数，约束条件中的系数；，，，m i a ij 21(= )21n j ，，， =叫做约束系数或技术系数．二、线性规划问题的标准形式所谓线性规划问题的标准形式，是指目标函数要求min ，所有约束条件都是等式约束，且所有决策定量都是非负的，即1211221111221121122222112212min ()..0n n n n n n n m m mn n mn f x x x c x c x c x a x a x a x b a x a x a x b s t a x a x a x b x x x =++++++=⎧⎪+++=⎪⎪⎨⎪+++=⎪⎪≥⎩，，，，，，，，，，，或简写为11min ()12..012nj j j nij ji j jf X c x a x b i m s t x j n ===⎧==⎪⎨⎪≥=⎩∑∑，，，，，，，，，，．可以规定各约束条件中的资源系数0(12)i b i n ≥=，，，，否则等式两端乘以“1-”．线性规划问题的矩阵表示为min ()..0f X CX AX b s t X ==⎧⎨≥⎩，，，其中12[]n C c c c =，，，，12[]T n X x x x =，，，，11121212221212n n n m m mn a a a a a a A P P P a a a ⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎣⎦［，，，］，12[]T n b b b b =，，，．任意的线性规划模型都可以转化为标准形式：（1）若目标函数是求最大值的问题，这时只需将所有目标函数系数乘以“－1”，求最大值的问题就变成了求最小值的问题，即)](min[)(max X f X f --=．求其最优解后，把最优目标函数值反号即得原问题的目标函数值．（2）若约束条件为不等式，这里有两种情况：一种是“≤”不等式，则可在“≤”不等式的左端加入一个非负的新变量（叫松驰变量），把不等式变为等式；另一种是“≥”不等式，则可在“≥”不等式的左端减去一个非负松驰变量（也叫剩余变量），把不等式变为等式．松驰变量在目标函数中对应的系数为零．（3）若存在取值无约束的变量k x ，可令k k k x x x ''-'=，其中k x '，0≥''k x ．例3.1 将下列线性规划问题化为标准形式123123123123123max ()2372.3250f X x x x x x x x x x s t x x x x x x =-+++≤⎧⎪-+≥⎪⎨-++=⎪⎪≥⎩，，，，，，为无约束．解将目标函数变为)](min[X f -，令543x x x -=，其中450x x ≥，，在第一个约束不等式中加入松驰变量6x ，在第二个约束不等式中减去剩余变量7x ，则可得标准形式12456712456124571245124567min[()]23()00()7()2.32()5,,,,,0f X x x x x x x x x x x x x x x x x s t x x x x x x x x x x -=-+--++++-+=⎧⎪-+--=⎪⎨-++-=⎪⎪≥⎩，，，，．三、线性规划的解的概念和基本定理考虑线性规划标准形式的约束条件0AX b X =≥，，其中A 为n m ⨯矩阵，m n >，b 是m 维向量．假定增广矩阵,A b ［］的秩=矩阵A 的秩m =，把矩阵A 的列进行可能的重新排列，使,A B N =［］．这里B 为m m ⨯矩阵，且有逆矩阵存在，即0||≠B ，称B 为该线性规划问题的一个基．不失一般性，设111211212,,,m m m m mm a a a B PP P a a a ⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦［］，称(12)j P j m =，，，为基向量，与基向量对应的变量(12)j x j m =，，，称为基变量，记为12T B m X x x x =［，，，］，其余的变量称为非基变量，记为12T N m m n X x x x ++=［，，，］．令m n -个非基变量均为0，并用高斯消元法，可得一个解12[][00]T T T T B N m X X X x x x ==，，，，，，，，称X 为该约束方程组的基解，其中b B X B 1-=．满足非负约束条件0≥X （基解的非零分量都0≥）的基解称为基可行解．对应于基可行解的基称为可行基．基可行解的非零分量个数小于m 时，称为退化解．线性规划的解的基本定理：引理3.1 线性规划问题的可行解12[]T n X x x x =，，，为基可行解的充要条件是X 的正分量所对应的系数列向量是线性无关的．证必要性由基可行解的定义可知．下证充分性若向量组k P P P ，，，21线性无关，则必有m k ≤；当m k =时，它们恰构成一个基，从而12[00]T k X x x x =，，，，，，为相应的基可行解．当m k <时，则一定可以从其余的列向量中取出k m -个与k P P P ，，，21构成最大的线性无关向量组，其对应的解恰为X ，所以它是基可行解．定理3.1 线性规划问题的基可行解X 对应于可行域D 的顶点．证不失一般性，假设基可行解X 的前m 个分量为正，故∑==mj jj b xP 1．（3.1）现在分两步来讨论，分别用反证法．（1）若X 不是基可行解，则它一定不是可行域D 的顶点．根据引理3.1，若X 不是基可行解，则其正分量所对应的系数列向量m P P P ，，， 21线性相关，即存在一组不全为零的数12i i m α=，，，，，使得02211=+++m m P P P ααα （3.2）用一个0>μ的数乘式（3.2），再分别与式（3.1）相加和相减，得到111222()()()m m m x P x P x P b μαμαμα-+-++-=，111222()()()m m m x P x P x P b μαμαμα++++++=．现取11122[()()()00]T m m X x x x μαμαμα=---，，，，，，，21122[()()()00]T m m X x x x μαμαμα=+++，，，，，，，由21X X ，可得121122X X X =+，即X 是21X X ，连线的中点．另一方面，当μ充分小时，可保证012i i x i m μα±≥=，，，，，即21X X ，是可行解，这证明了X 不是可行域D 的顶点．（2）若X 不是可行域D 的顶点，则它一定不是基可行解．因为X 不是可行域D 的顶点，故在可行域D 中可找到不同的两点，(1)(1)(1)112[]T nX x x x =，，，，T nx x x X ][)2()2(2)2(12，，， =，使12(1)01X X X ααα=+-<<，．设X 是基可行解，对应向量组m P P P ，，， 21线性无关，当m j >时，有0)2()1(===j j j x x x ，由于21X X ，是可行域的两点，应满足∑∑====mj mj jj j j b xP b x P 11)2()1(,．将这两式相减，即得∑==-mj j j jx xP 1)2()1(0)(．因21X X ≠，所以上式系数)()2()1(j j x x -不全为零，故向量组m P P P ，，， 21线性相关，与假设矛盾，即X 不是基可行解．定理3.2 若可行域有界，线性规划问题的目标函数一定可以在其可行域的顶点上达到最优．证设k X X X ，，， 21是可行域的顶点，若0X 不是顶点，且目标函数在0X 处达到最优*0()f X CX =（标准形式是*()min ()f X f X =）．因0X 不是顶点，所以它可以用D 的顶点线性表示为01101kki i i i i i X X ααα===≥=∑∑，，．因此011k ki i i i i i CX C X CX αα====∑∑．（3.3）在所有的顶点中必然能找到某一个顶点m X ，使m CX 是所有i CX 中最小者，并且将m X 代替式（3.3）中的所有i X ，得到∑∑===≥ki ki m m i ii CX CX CX11αα，由此得到m CX CX ≥0．根据假设，0CX 是最小值，所以只能有m CX CX =0，即目标函数在顶点m X 处也达到最小值．§3.2 线性规划迭代算法单纯形法是求解线性规划问题的迭代算法．一、单纯形法的计算步骤单纯形法的基本思路是：从可行域中某个基可行解（一个顶点）开始，转换到另一个基可行解（顶点），直到目标函数达到最优时，基可行解即为最优解．单纯形法的基本过程如图3.1所示．为计算方便，通常借助于单纯形表来计算，从初始单纯形表3.1开始，每迭代一步构造一个新单纯形表．单纯型表中B X 列中填入基变量m x x x ，，， 21；B C 列中填入基变量的价值系数m c c c ，，， 21；b 列中填入约束方程组右端的常数；j θ列的数字是在确定换入变量后，按θ规则计算填入；最后一行称为检验数行，对应各非基变量j x 的检验数是∑=-=-=mi j j ij i j j z c a c c 1σ，1j m n =+，，（这里令∑==mi ijj j ac z 1）．（1）找出初始可行基，确定初始基可行解，建立初始单纯形表．（2）检验各非基变量j x 的检验数∑=-=-=mi j j iji j j z c ac c 1σ（1j m n =+，，）．若所有0≥j σ，则已得到最优解，停止计算．否则转入下一步．（3）在0(1)j j m n σ<=+，，，中，若所有0≤jk a ，则此问题无最优解，停止计算．否则转入下一步．（4）根据min{|0}j j k σσσ<=，确定k x 为换入变量．按θ规则计算min 0i l ik ik lkb ba a a θ⎧⎫=>=⎨⎬⎩⎭，可确定l x 为换出变量，转入下一步．（5）以lk a 为主元素进行迭代（用高斯消元法），把k x 所对应的列向量120010k k k lk mk a a P l a a ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥=−−−→⎢⎥⎢⎥←⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦变换成第行，将B X 列中的l x 换为k x ，得到新的单纯形表，重复步骤（2）—步骤（5），直到终止．单纯形法的流程图如图3.2所示．若目标函数要求实现最大化，一方面可将最大化转换为最小化，另一方面也可在上述计算步骤中将判定最优解的0≥j σ改为0≤j σ，将换入变量的条件min{|0}j j k σσσ<=改为max{|0}j j k σσσ>=．二、初始可行基的确定（1）若线性规划问题是11min ()12..012nj j j nij ji j jf X c x a x b i m s t x j n ===⎧==⎪⎨⎪≥=⎩∑∑，，，，，，，，，，，则从(12)j P j n =，，，中一般能直接观察到存在一个初始可行基12100010[,,,]001m B P P P ⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎣⎦．（2）对所有约束条件是“≤”形式的不等式，可以利用化标准形式的方法，在每个约束条件的左端加入一个松驰变量，经过整理重新对j x 及ij a 进行编号，可得下列方程组．，，m n mn m m m m n n m m n n m m b x a x a x b x a x a x b x a x a x =+++=+++=+++++++++ 11,2211,221111,11显然得到一个m m ⨯单位矩阵B 可作为初始可行基12100010[,,,]001m B P P P ⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎣⎦．（3）对所有约束条件是“≥”形式的不等式及等式约束情况，若不存在单位矩阵时，可采用人工变量，即对不等式约束减去一个非负的剩余变量后，再加入一个非负的人工变量；对等式约束再加入一个非负的人工变量，总可得到一个单位矩阵作为初始可行基．例3.2 求解线性规划问题12121212max ()2328416..4120f X x x x x x s t x x x =++≤⎧⎪≤⎪⎨≤⎪⎪≥⎩，，，，，．解：将线性规划问题化为标准形式12345123142512345min[()]2300028416..4120f X x x x x x x x x x x s t x x x x x x x -=--+++++=⎧⎪+=⎪⎨+=⎪⎪≥⎩，，，，，，，，．作初始单纯形表，按单纯形法计算步骤进行迭代，结果如下（表3.2）．表3.2最后一行的检验数均为正，这表示目标函数值已不可能再减小，于是得到最优解*42004T X =［，，，，］，目标函数值14)(*=X f ．三、单纯形法的有关说明对线性规划问题min ()..0f X CX AX b s t X ==⎧⎨≥⎩，，，（3.5）若系数矩阵中不含单位矩阵，没有明显的基可行解时，常采用引入非负人工变量的方法来求初始基可行解．下面分别介绍常用的“大M 法”和“两阶段法”．（一）大M 法在约束条件式（3.5）中加入人工变量，人工变量在目标函数中的价值系数为M ，M 为一个很大的正数．在迭代过程中，将人工变量从基变量中逐个换出，如果在最终表中当所有检验数0≥j σ时，基变量中不再含有非零的人工变量，这表示原问题有解，否则无可行解．例3.3 求解线性规划问题12312312313123min ()3211423..210f X x x x x x x x x x s t x x x x x =-++-+≤⎧⎪-++≥⎪⎨-+=⎪⎪≥⎩，，，，，，．解：将原问题化为标准形式并引入人工变量，得12345671234123561371234567min ()300211423..210f X x x x x x Mx Mx x x x x x x x x x s t x x x x x x x x x x =-++++++-++=⎧⎪-++-+=⎪⎨-++=⎪⎪≥⎩，，，，，，，，，，．用单纯形法计算，得表3.3．根据表 3.3的最后一行的检验数均0≥，得最优解*4190000T X =［，，，，，，］，最优值2)(*-=X f ，由于人工变量的值均为零，故得原问题的最优解*419T X =［，，］，最优值为2)(*-=X f ．（二）两阶段法两阶段法是把线性规划问题的求解过程分为两个阶段：第一阶段，给原问题加入人工变量，构造仅含价值系数为1的人工变量的目标函数且要求实现最小化，其约束条件与原问题相同，即11111111211221112min ()00..0n n m n n n n nn n n m mn n n m m n m g X x x x x a x a x x b a x a x x b s t a x a x x b x x x ++++++=++++++++=⎧⎪+++=⎪⎪⎨⎪+++=⎪⎪≥⎩，，，，，，，．然后用单纯形法求解上述问题，若得到0)(=X g ，这说明原问题存在基可行解，可进入第二阶段计算，否则原问题无可行解，停止计算．第二阶段，将第一阶段计算得到的最终表，除去人工变量，将目标函数行的系数换为原问题的目标函数系数，作为第二阶段计算的初始单纯形表进行计算．例3.4 用两阶段法求解线性规划问题12312312313123min ()3211423.210f X x x x x x x x x x s t x x x x x =-++-+≤⎧⎪-++≥⎪⎨-+=⎪⎪≥⎩，，，，，，．解第一阶段，标准化并引入人工变量，得如下的线性规划=)(min X g 76x x +，1234123561371234567211423.210x x x x x x x x x s t x x x x x x x x x x -++=⎧⎪-++-+=⎪⎨-++=⎪⎪≥⎩，，，，，，，，，．用单纯形法计算该线性规划（见表 3.4），最优解为*[011120000]T X =，，，，，，，，最优值0)(*=X g ．表3.4由于人工变量076==X X ，所以得原问题的基可行解为[011120]T X =，，，，．于是进入第二阶段计算（见表3.5），最优解为*[41900]T X =，，，，，最优值2)(*-=X f ，于是原问题的最优解为*[419]T X =，，，最优值为2)(*-=X f ．§3.3 对偶问题的基本原理一、对偶问题的提出对偶性是线性规划的重要内容之一，每一个线性规划问题必然有与之相伴而生的另一个线性规划问题，我们称一个叫原问题，另一个叫对偶问题，这两个问题有着非常密切的关系，让我们先分析一个实际的线性规划模型与其对偶线性规划问题的经济意义．例3.5 某工厂计划在下一生产周期生产3种产品1A ，2A ，3A ，这些产品都要在甲、乙、丙、丁4种设备上加工，根据设备性能和以往的生产情况知道单位产品的加工工时，各种设备的最大加工工时限制，以及每种产品的单位利润（单位：千元），如表3.6所示，问如何安排生产计划，才能使工厂得到最大利润？解设321x x x ，，分别为产品321A A A ，，的产量，构造此问题的线性规划模型为1231231231312123max ()8102237042280..3152250,,0f X x x x x x x x x x s t x x x x x x x =++++≤⎧⎪++≤⎪⎪+≤⎨⎪+≤⎪⎪≥⎩，，，，，．现在从另一个角度来讨论该问题．假设工厂考虑不安排生产，而准备将所有设备出租，收取租费．于是，需要为每种设备的台时进行估价．设4321y y y y ，，，分别表示甲、乙、丙、丁4种设备的台时估价．由表3.6可知，生产一件产品1A 需用各设备台时分别为h h h h 2342，，，，如果将h h h h 2342，，，不用于生产产品1A ，而是用于出租，那么将得到租费43212342y y y y +++．当然，工厂为了不至于蚀本，在为设备定价时，保证用于生产产品1A 的各设备台时得到的租费，不能低于产品1A 的单位利润8千元，即823424321≥+++y y y y ．按照同样分析，用于生产一件产品2A 的各设备台时h 1，h 2，0，h 2所得的租费，不能低于产品2A 的单位利润10千元，即1022421≥++y y y ．同理，还有223321≥++y y y ．另外，价格显然不能为负值，所以01234iy i ≥=，，，，．企业现在设备的总以时数为70h ，80h ，15h ，50h ，如果将这些台时都用于出租，企业的总收入为422150158070)(y y y y Y g +++=．企业为了能够得到租用设备的用户，使出租设备的计划成交，在价格满足上述约束的条件下，应将设备价值定得尽可能低，因此取)(Y g 的最小值，综合上述分析，可得到一个与例3.5相对应的线性规划，即123412341231231234min ()70801550243282210..3220g Y y y y y y y y y y y y s t y y y y y y y =++++++≥⎧⎪++≥⎪⎨++≥⎪⎪≥⎩，，，，，，，．称后一个规划问题为前一个规划问题的对偶问题，反之，也称前一个规划问题是后一个规划问题的对偶问题．二、原问题与对偶问题的表达形式和关系在线性规划的对偶理论中，把如下线性规划形式称为原问题的标准形式11221111221121122222112212min ()..0n n n n n n m m mn n mn f X c x c x c x a x a x a x b a x a x a x b s t a x a x a x b x x x =++++++≥⎧⎪+++≥⎪⎪⎨⎪+++≥⎪⎪≥⎩，，，，，，，．而把如下线性规划形式称为对偶问题的标准形式11221111221121122222112212max ()..0n n m m m m n n mn m nm g Y b y b y b y a y a y a y c a y a y a y c s t a y a y a y c y y y =++++++≥⎧⎪+++≥⎪⎪⎨⎪+++≥⎪⎪≥⎩，，，，，，，．若用矩阵形式表示，则原问题和对偶问题分别可写成如下形式：原问题min ()..0f X CX AX b s t X =≥⎧⎨≥⎩，，．（3.6）对偶问题max ()..0g Y Yb YA C s t Y =≤⎧⎨≥⎩，，．（3.7）原问题与对偶问题的关系见表3.7．例3.6 求下面线性规划问题的对偶问题123412341342341234min ()23535224..600f X x x x x x x x x x x x s t x x x x x x x =+-++-+≥⎧⎪+-≤⎪⎨++=⎪⎪≤≥⎩，，，，，，，无约束．解：根据表3.7可直接写出上述问题的对偶问题12312131********max ()546223..325100g Y y y y y y y y s t y y y y y y y y y =+++≥⎧⎪+≤⎪⎪-++≤-⎨⎪-+=⎪⎪≥≤⎩，，，，，，，无约束．三、对偶理论定理3.3（弱对偶定理）对偶问题（max ）的任何可行解︒Y ，其目标函数值总是不大于原问题（min ）任何可行解︒X 的目标函数值．证由定理所设及问题（3.6）和问题（3.7）容易看出︒︒︒︒≤≤CX AX Y b Y ．定理3.4（对偶定理）假如原问题或对偶问题之一具有有限的最优解，则另一问题也具有有限的最优解，且两者相应的目标函数值相等．假如一个问题的目标函数值是无界的，则另一问题没有可行解．证明从略．定理3.5（互补松驰定理）假如︒X 和︒Y 分别是原问题（3.6）和对偶问题（3.7）的可行解，︒U 是原问题剩余变量的值，︒V 是对偶问题松驰变量的值，则︒X 、︒Y 分别是原问题和对偶问题最优解的充要条件是0=+︒︒︒︒X V U Y ．证由定理所设，可知有0AX U b X U ︒︒︒-=︒≥，，，（3.8） 0Y A V C Y V ︒︒︒︒︒+=≥，，．（3.9）分别以︒Y 左乘式（3.8），以︒X 右乘式（3.9），两式相减，得b Y CX X U U Y ︒︒︒︒︒︒-=+．若0=+︒︒︒︒X V U Y ，根据弱对偶定理知CX b Y CX Yb ≤=≤︒︒．这说明︒X ，︒Y 分别是原问题和对偶问题最优解，反之亦然．根据互补松驰定理和决策变量满足非负条件可知，在最优解时，︒︒U Y 和︒︒X V 同时等于0，所以有)21(000n j x v j j ，，， ==， )21(000m i u y i i ，，， ==．于是，互补松驰定理也可以这样叙述：最优化时，假如一个问题的某个变量取正数，则相应的另一个问题的约束条件必取等式；或者一个问题中的约束条件不取等式，则相应于另一问题中的变量必为零．例3.7 已知线性规划问题123451234512445min ()23523234.2330125jf X x x x x x x x x x x s t x x x x x x j =++++⎧++++≥⎪-+++≥⎨⎪≥=⎩，，，，，，，．已知其对偶问题的最优解为5)(5/35/4**2*1===Y g y y ，，，试用对偶理论找出原问题的最优解．解：先写出它的对偶问题12121212121212max ()4322(1)3(2)235(3)..2(4)33(5)0g Y y y y y y y y y s t y y y y y y =++≤⎧⎪-≤⎪⎪+≤⎪⎨+≤⎪⎪+≤⎪≥⎪⎩，，，，，，，．将*2*1y y ，的值代入约束条件，得（2），（3），（4）为严格不等式，由互补松驰定理得***2340x x x ===，因021≥y y ，，原问题的两个约束条件应取等式，故有**1534x x +=， **1523x x +=．求解后得到**1511x x ==，，故原问题的最优解为 **10001()5TX f X ==［，，，，］，．四、对偶问题的迭代算法对偶单纯形法是对偶问题的迭代算法，其基本思想是：从原问题的一个基本解出发，此基本解不一定是可行解，但它对应着对偶问题的一个可行解；然后检验原问题的基本解是否可行，即是否有负的分量．如果有小于零的分量，则进行迭代，求另一个基本解，此基本解对应着另一个对偶可行解．如果得到的基本解的分量皆非负，则该基本解为最优解．也就是说，对偶单纯形法在迭代过程中始终保持对偶解的可行解，使原问题的基本解由不可行逐步变为可行．当同时得到对偶问题与原问题的可行解时，便得到原问题的最优解．对线性规划问题的标准形式min ()..0f X CX AX b s t X =≥⎧⎨≥⎩，，．对偶单纯形法的计算步骤如下：(1)找出原问题的一个基，构成初始对偶基可行解，使所有检验数0≥j σ，构成初始对偶单纯形表．(2)若所有0≥i b ，则当前的解是最优解，停止计算，否则计算min{|0}l i i b b b =<，则l 行为主行，该行对应的基变量为换出变量．(3)若所有0≥lj a ，则对偶问题无界，原问题无解，停止计算，否则计算min |0j k lj lj lka a a σσθ⎧⎫⎪⎪=<=⎨⎬--⎪⎪⎩⎭，则k 列为主列，该列对应的基变量为换入变量．(4)以lk a 为主元素进行迭代，然后转回步骤(2)．对偶单纯形法的流程图如图3.3所示．例3.8 用对偶单纯形法求解下述线性规划问题123123123123min ()23423..2340f X x x x x x x s t x x x x x x =++++≥⎧⎪-+≥⎨⎪≥⎩，，，，，．解：首先将“≥”约束条件两边反号，再加入松驰变量，可得原问题的一个基123451234123512345min ()2340023..2340f X x x x x x x x x x s t x x x x x x x x x =++++---+=-⎧⎪-+-+=-⎨⎪≥⎩，，，，，，，．图3.3从表3.8看出，所有检验数0≥j σ，则对应对偶问题的解是可行的，因b 列数字为负，需进行迭代，计算min 344--=-｛，｝．所以5x 为换出变量．又因为24min 123θ⎧⎫=-=⎨⎬⎩⎭，，，所以1x 为换入变量，以换入、换出变量所在行列交叉处元素“－2”为主元素，按单纯形法计算步骤进行迭代，得表3.9．由表3.9的最后一行看出，所有检验数0≥j σ，故原问题的最优解为*[11/52/50]T X =，，．若对应两个约束条件对偶变量为1y ，2y ，则可得对偶问题的最优解为*[8/51/5]T Y =，．§3.4 线性规划问题灵敏度在建立实际的线性规划模型时，所收集到的数据不是很精确；另一方面在实际应用中，各种信息瞬息万变，已形成的数学模型中的某些数据需要随之而变．因此，对于一个线性规划问题，研究当数据发生变动时解的变化情况是很重要的．下面仅介绍两种数据变化而导致解的变化的情况，这就是灵敏度分析问题．一、价值系数的变化假设只有一个系数k C 变化，其它系数保持不变，k C 的变化只影响检验解而不影响解的非负定性，下面分别就k C 是非基变量系数和基变量系数两种情况进行讨论．（1）k C 是非基变量的系数由于B C 不变，因而j Z 对任何j 都不变．这时非基变量的系数k C 的变化只影响与k C 有关的一个检验数k σ的变化，而对其它j σ没有影响，设系数从k C 变化到k C '，这时检验数k k k Z C -=σ被k k kZ C -'='σ所代替，在当前解是原问题的最优解时，有0≥-=k k k Z C σ，假如()(k k k k k k C Z C Z C σ'''=-=-+)0k C -<，则k X 必须引进基，单纯形法继续进行，否则原解仍是k C 变化后的新问题的最优解，最优解不变相当于k C '变化的界限为)(k k k kZ C C C --≥'．（2）k C 为基变量的系数当k C 被k C '所代替时，j Z 变成j Z '，j j Z C '-可计算为kj k kj j j j a C C Z C Z C )(-'--='-．（3.10）特别是当k j =时，0=-k k Z C ，且1=kk a ，因此k k k k C C Z C -'='-，仍为零．由式（3.10）知，基变量k x 的价值系数k C 的变化会引起整个价值系数行的变化，变化值为)(k k C C -'-乘以最终表相应该基变量k x 所在的k 行的数值kj a ．k 列本身则调整为0='-'k k Z C ．由式（3.10）可看出，当对某个非基变量j x ，式（3.10）为负时会引起基的变化，若要保持最优解不变，分析变化值)(k k C C -'且大于或小于零以及kj a 值是正或负的情况，得出会保持最优解不变的k C '的变化界限为max 0min 0j j j j k kj k k kj j jkj kj C Z C Z C a C C a a a ⎧⎫⎧⎫--⎪⎪⎪⎪'+<≤≤+>⎨⎬⎨⎬⎪⎪⎪⎪⎩⎭⎩⎭．例3.8 以例3.2的最终表为例，设基变量2x 的系数2C 变化2C ∆，在原最优解不变条件下，确定2C ∆的变化范围．解此时例3.2的最终表便成为表3.10为了保持原最优解不变，则2x 的检验数应当为零，进行行初等变换，得表3.11．从表（3.11）可得02232≥∆-C 且08812≥∆+C ．由此可得2C ∆的变化范围为312≤∆≤-C ，即2x 的价值系数2C 可以在[0，4]之间变化，而不影响原最优解．二、资源系数的变化假设资源系数k b 变化为k b '，k b 的变化将会影响解的可行性，但不会引起检验数的符号变化．根据基可行解的矩阵表示可知，b B X B 1-=，所以只要k b 变化必定会导致最优解的数值发生变化，最优解的变化分为两类：一类是保持01≥-b B ，最优基B 不变；另一类是b B 1-中出现负分量，这将使最优基B 变化，若最优基不变，则只需将变化后的k b 代入B X 的表达式重新计算即可；若b B 1-中出现负分量，则要通过迭代求解新的最优基和最优解．设系数k b 变化到k k k b b b ∆+='，而其它系数都不变，这样使最终表中原问题的解相应变化为11111100k B k k k k m mk m b a b X B b b B b B b b b a b ---⎡⎤⎡⎤⎢⎥⎢⎥'⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥'=+∆=+∆=+∆⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥'⎢⎥⎣⎦⎣⎦⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦，其中B X 为原最优解，i b '为B X 的第i 个分量，ik a 为1-B 的第i 行第k 列元素，为了保持最优基不变，应使0≥'B X ，即110k k m mk a b b b a '⎡⎤⎡⎤⎢⎥⎢⎥+∆≥⎢⎥⎢⎥⎢⎥⎢⎥'⎣⎦⎣⎦．由此可得到保持最优基不变时，资源系数的变化界限为max 0min 0i i k ik k k ik ik ik b b b a b b a a a ⎧⎫⎧⎫''--⎪⎪⎪⎪'+>≤≤+<⎨⎬⎨⎬⎪⎪⎪⎪⎩⎭⎩⎭．例3.9 若例3.2的第二个约束条件中2b 变化为22b b ∆+，在最优解不变的条件下，求2b ∆的变化范围．解计算⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡≥∆⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-+⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡∆+--000812141244002211b b B b B可得2224/(1/4)164/(1/2)82/(1/8)16b b b ∆≥-=-∆≥-=-∆≤--=，，．所以2b ∆的变化范围是（－8，16）．显然2b 的变化范围是（8，32）．。

第三章整数线性规划

割平面法
IP LP xl*
Yes xI* = xl*
判别是否整数解
No 加入割平面条件用对偶单纯型方法继续求解
§3.3 分枝定界方法
分枝定界方法的基本思想分枝定界方法的实现——例题
1 分枝定界方法的基本思想
如果松弛问题(P0)无解，则(P)无解；
如果(P0)的解为整数向量，则也是(P)的解；
min -(x1 x2 ) s.t.-4x1 2 x2 1 (P1 ) 4x1 2 x2 11 x1 1 x1 , x2 0, Integer
P2
约束 x1 1, x1 2 (它们将x1=3/2排除在外)，得到两个子问题：
min -(x1 x2 ) s.t.-4x1 2 x2 1 (P2 ) 4x1 2 x2 11 x1 2 x1 , x2 0, Integer
运筹帷幄之中
决胜千里之外
运筹学
主讲教师
赵玉英
62338357(O) yuyingzhao@
北京林业大学理学院
第3章整数线性规划
整数线性规划问题 Gomory割平面方法(1958) 分枝定界方法(Land doig and Dakin 1960’s) 0-1规划
3
(3/2,10/3)

3
x1
3 整数线性规划问题的求解
思路2：由于纯整数线性规划的可行集合就是一些离散的格点，可否用穷举的方法寻找最优解？当格点个数较少时，这种方法可以；对一般的ILP问题，穷举方法无能为力。

3 整数线性规划问题的求解
目前，常用的求解整数规划的方法有：割平面法和分枝定界法；对于特别的0－1规划问题采用隐枚举法和匈牙利法。

第三章线性规划及图解法

max z＝11x1+8x2+0 sl +0 s2 +0 s3；约束条件：例2中 10x1+ 2x2-sl＝20， sl＝0 3x1+3 x2-s2＝18， s2＝0 4x1+9x2-s3＝36， s3＝13 x1，x2，sl，s2，s3≥0
六、线性规划数学模型的标准形式
引入了松驰变量和剩余变量后，就可以将线性规划数学模型用“≤”，“≥”和“=” 建立的一般形式化为统一用“=”的标准形式：
兰州大学管理学院
运筹学
-------数据、模型与决策
2010年用
运筹学
第三章
线性规划及图解法
第三章线性规划及图解法
确定型决策 ——线性规划方法
线性规划 ——所有资源限制条件式和目标式都是自变量的一次方关系。
描述的是在一定资源限制下(自然状态)，给出了很多个可以选择的不同方案(运行方案)，从这些方案中找到一个最好的方案来执行。
二、线性规划问题的解
1、在线性规划问题的解集合中，若约束条件能构成一个封闭的可行域，则可行域的任意点都是问题的一个可行解，这些可行解中必有最优解。若最优解是可行域中一个点，则这个解是线性规划的唯一最优解。唯一最优解都必落在可行域的顶点上，可行域的所有顶点称为基本可行解；对于求最大目标的线性规划问题，取Z值最小的基本可行解为初始基本可行解，再依次迭代至最优解。求最小目标的情况，可选可行域中任意目标初函数值较大的点为初始基本可行解，再依次迭代至最
蛋白质钙
食用量不能为负
一般线性规划问题的建模过程
（1）理解要解决的问题。明确在什么条件下，要追求什么目标。（2）定义决策变量。每个问题都用一组决策变量 (x1, x2, …, xn)表示，当这组决策变量取具体值时就代表一个具体方案，一般这些变量取值是非负的。（3）用决策变量的线性函数形式写出所要追求的目标，即目标函数，按问题的不同，要求目标函数实现最大化或最小化。（4）用一组决策变量的等式或不等式来表示在解决问题过程中所必须遵循的约束条件（决策分析中的自然状态）。

第三章线性规划的灵敏度分析和最优解的解释

3
3.1 灵敏度分析简介
灵敏度分析是研究线性规划的参数(非可控输入)发生变化对最优解的影响程度
线性规划的参数包括：
• 目标函数系数 • 约束条件右侧值 • 约束条件系数矩阵
最优解中包含的信息：
• 目标函数值 • 决策变量值 • 递减成本(reduced cost) • 松弛/剩余变量
4
3.1 灵敏度分析简介
利用Lingo 软件做灵敏度分析
16
17
利用Excel做灵敏度分析
Microsoft Excel 16.0 敏感性报告工作表: [数据模型与决策第3章例题.xlsx]第三章例题1 报告的建立: 2021/5/29 10:48:56
可变单元格
单元格 $B$15 $C$15
名称决策变量值 x1 决策变量值 x2
作者
John Loucks
St. Edward’s University
1
第三章线性规划的灵敏度分析和最优解的解释
3.1 灵敏度分析简介 3.2 目标函数系数变化的分析 3.3 约束条件右端值变化的分析 3.4 传统灵敏度分析的局限性
2
第三章线性规划的灵敏度分析和最优解的解释
3.1 灵敏度分析简介 3.2 目标函数系数变化的分析 3.3 约束条件右端值变化的分析 3.4 传统灵敏度分析的局限性
6
x1 < 6
2x1 + 3x2 < 19 x1 + x2 < 8
x1, x2 > 0
固定x2的系数7，改变x1 的系数
5
最优解:
Max 14/3x1 + 7x2
4
x1 = 5, x2 = 3
3
Max 7x1 + 7x2

对偶理论(第三章线性规划3)

可以归结为求解下列线性规划问题：
max f 5x1 4x2
x1 3x2 90
s .t
2x1x1x
x2 80 2 45
x1 , x2 0
其对偶问题的数学模型
设 y1, y2 , y3 分别表示设备甲、乙、丙每台时的价格（或租金）,则
min g 90y1 80y2 45y3
y1 2 y2 y3 5
4.对偶定理若原问题和对偶问题之一有最优解，则另一个也有最优
解，且两者的最优目标函数值相等。
5.若原问题和对偶问题同时有可行解，则他们必都有最优解。
6.若原问题的最优解为 X B B 1b ,则对偶问题的最优解为 Y CB B 1 。
7.根据原问题最优单纯形表中的检验数可以读出对偶问题的最优解。
x1+ x2 + x3 = 5 2x2 + x3 5 4x2 +6x3 9
x1 , x2 , x3 0
max f =2x1 +x2
x1+ x2 + x3
=5
2x2 + x3 +x4 = 5
-4x2 –6x3 +x5 =-9
x1 … x5 0
xj 2 x1 0 x4 0 x5
-f
2 x1 0 x4 1 x2
-f
21 00 0 0
x1 x2 x3 x4 x5 B-1b 1110 0 5 0211 0 5 0 -4 -6 0 1 -9 0 -1 -2 0 0 -10 1 0 -1/2 0 1/4 11/4 0 0 -2 1 -1/2 1/2 0 1 3/2 0 -1/4 9/4 0 0 -1/2 0 -1/4 -31/4
-f
0 0 0 -1 -3 -215

第3章线性规划的灵敏度分析

又获得了10个小时的切割与印染时间，我们可以扩展问题的可行域，如图3-3所示。可行域变大了，现在我们考虑是否有新的解会使
目标函数值更大。运用图解法可以看出，极点 S=527.5，D=270.5是最优解点。新的目标函数值为10×527.5 + 9×270.5=7711.75美元，比原来利润增加了7711.75 – 7688.00=43.75美元。因此，利润的增加率为43.75/10=4.375美元/小时。
在式（3-2）中，我们计算出只要满足下列条件，极点③仍然是最优点
如果CS升高到13美元，同时使CD降低到8美元，新的目标函数斜率将变成
由于这个值要小于下限，因此当前的解 S=540,D=252不再是最优的。把CS=13，CD =8代入，可得出极点②是新的最优解。
观察最优范围，我们得出结论，无论是
（3-2）为了计算标准袋利润最优的范围，我们假设高级袋的利润CD＝9，代入式（3-2），我们得到：从左边的不等式，我们得到
因此
从右边的不等式，我们得到
因此，综合标准袋利润CS的极限，标准袋利润最优范围为：
6.3≤CS≤13.5
在最初Par公司的问题中，标准袋的利润是10美元。最优解是540个标准袋和252个高级袋。标准袋利润CS的最优范围告诉Par公司的管理者：在其他系数不变的情况下，只要标准袋的利润在6.3美元与13.5美元之间，540个标准袋和252个高级袋总是最优产量。然而值得注意的是，即使产量不变，总的利润也可能由于每一个标准袋利润的变化而变化。
灵敏度分析还可以用来分析模型中的系
数哪个更能左右最优解。比如，管理层认为高级袋的利润9美元只是一个估计量。如果通过灵敏度分析得到，当高级袋的利润在 6.67美元与14.29美元之间变化时，模型的最优解都是540个标准袋和252个高级袋，那么管理层就必须思考每个高级袋获利9美元这个估计量的可信程度有多大了。管理层希望知道如果高级袋的利润下降，最优产量会怎样变化。

高考数学必修五第三章 3.3.2 第1课时线性规划的有关概念及图解法

3.3.2 简单的线性规划问题第1课时线性规划的有关概念及图解法学习目标 1.了解线性规划的意义.2.理解约束条件、目标函数、可行解、可行域、最优解等基本概念.3.掌握线性规划问题的图解法，并能应用它解决一些简单的实际问题.引例已知x ，y 满足条件⎩⎪⎨⎪⎧x ＋2y ≤8，4x ≤16，4y ≤12，x ≥0，y ≥0.①该不等式组所表示的平面区域如图阴影部分所示，求2x ＋3y ②的最大值.以此为例，尝试通过下列问题理解有关概念. 知识点一线性约束条件及目标函数1.在上述问题中，不等式组①是一组对变量x ，y 的约束条件，这组约束条件都是关于x ，y 的一次不等式，故又称线性约束条件.2.在上述问题中，②是要研究的目标，称为目标函数.因为它是关于变量x ，y 的一次解析式，这样的目标函数称为线性目标函数. 知识点二线性规划问题一般地，在线性约束条件下求线性目标函数的最大值或最小值问题，统称为线性规划问题. 知识点三可行解、可行域和最优解满足线性约束条件的解(x ，y )叫做可行解.由所有可行解组成的集合叫做可行域.其中，使目标函数取得最大值或最小值的可行解叫做线性规划问题的最优解.在上述问题的图中，阴影部分叫可行域，阴影区域中的每一个点对应的坐标都是一个可行解，其中能使②式取最大值的可行解称为最优解.1.可行域内每一个点都满足约束条件.(√)2.可行解有无限多个，最优解只有一个.(×)3.不等式Ax ＋By ＋C >0表示的平面区域一定在直线Ax ＋By ＋C ＝0的上方.(×)类型一最优解问题命题角度1 问题存在唯一最优解例1 已知x ，y 满足约束条件⎩⎪⎨⎪⎧x ＋2y ≤8，4x ≤16，4y ≤12，x ≥0，y ≥0，该不等式组所表示的平面区域如图阴影部分所示，求2x ＋3y 的最大值.考点线性目标最优解题点求线性目标函数的最值解设区域内任一点P (x ，y )，z ＝2x ＋3y ，则y ＝－23x ＋z3，这是斜率为－23，在y 轴上的截距为z3的直线，如图.由图可以看出，当直线y ＝－23x ＋z 3经过直线x ＝4与直线x ＋2y －8＝0的交点M (4,2)时，截距z3的值最大，此时2x ＋3y ＝14.反思与感悟图解法是解决线性规划问题的有效方法，基本步骤(1)确定线性约束条件，线性目标函数； (2)作图——画出可行域；(3)平移——平移目标函数对应的直线z ＝ax ＋by ，看它经过哪个点(或哪些点)时最先接触可行域或最后离开可行域，确定最优解所对应的点的位置；(4)求值——解有关的方程组求出最优解的坐标，再代入目标函数，求出目标函数的最值. 跟踪训练1 已知1≤x ＋y ≤5，－1≤x －y ≤3，求2x －3y 的取值范围. 考点线性目标最优解题点求线性目标函数的最值解作出二元一次不等式组⎩⎪⎨⎪⎧1≤x ＋y ≤5，－1≤x －y ≤3所表示的平面区域(如图阴影部分所示)即为可行域.设z ＝2x －3y ，变形得y ＝23x －13z ，则得到斜率为23，且随z 变化的一组平行直线.－13z 是直线在y 轴上的截距，当直线截距最大时，z 的值最小，由图可知，当直线z ＝2x －3y 经过可行域上的点A 时，截距最大，即z 最小.解方程组⎩⎪⎨⎪⎧x －y ＝－1，x ＋y ＝5，得A 点坐标为(2,3)，∴z min ＝2x －3y ＝2×2－3×3＝－5.当直线z ＝2x －3y 经过可行域上的点B 时，截距最小，即z 最大.解方程组⎩⎪⎨⎪⎧x －y ＝3，x ＋y ＝1，得B 点坐标为(2，－1).∴z max ＝2x －3y ＝2×2－3×(－1)＝7.∴－5≤2x －3y ≤7，即2x －3y 的取值范围是[－5,7]. 命题角度2 问题的最优解有多个例2 已知x ，y 满足约束条件⎩⎪⎨⎪⎧x －y ≥0，x ＋y ≤2，y ≥0，若目标函数z ＝ax ＋y 的最大值有无数个最优解，求实数a 的值.考点线性规划中的参数问题题点无数个最优解问题解约束条件所表示的平面区域如图(阴影部分)，由z ＝ax ＋y ，得y ＝－ax ＋z .当a ＝0时，最优解只有一个，过A (1,1)时取得最大值；当a ＞0，y ＝－ax ＋z 与x ＋y ＝2重合时，最优解有无数个，此时a ＝1；当a <0，y ＝－ax ＋z 与x －y ＝0重合时，最优解有无数个，此时a ＝－1. 综上，a ＝1或a ＝－1.反思与感悟当目标函数取最优解时，如果目标函数与平面区域的一段边界(实线)重合，则此边界上所有点均为最优解.跟踪训练2 给出平面可行域(如图阴影部分所示)，若使目标函数z ＝ax ＋y 取最大值的最优解有无穷多个，则a 等于( )A.14B.35C.4D.53考点线性规划中的参数问题题点无数个最优解问题答案 B解析由题意知，当直线y ＝－ax ＋z 与直线AC 重合时，最优解有无穷多个，则－a ＝5－21－6＝－35，即a ＝35，故选B.类型二生活中的线性规划问题例3 营养专家指出，成人良好的日常饮食应该至少提供0.075 kg 的碳水化合物，0.06 kg 的蛋白质，0.06 kg 的脂肪.1 kg 食物A 含有0.105 kg 碳水化合物，0.07 kg 蛋白质，0.14 kg 脂肪，花费28元；而1 kg 食物B 含有0.105 kg 碳水化合物，0.14 kg 蛋白质，0.07 kg 脂肪，花费21元.为了满足营养专家指出的日常饮食要求，同时使花费最低，需要同时食用食物A 和食物B 各多少kg? 将已知数据列成下表：考点实际生活中的线性规划问题题点线性规划在实际问题中的应用解设每天食用x kg 食物A ，y kg 食物B ，总成本为z ，则⎩⎪⎨⎪⎧ 0.105x ＋0.105y ≥0.075，0.07x ＋0.14y ≥0.06，0.14x ＋0.07y ≥0.06，x ≥0，y ≥0，即⎩⎪⎨⎪⎧7x ＋7y ≥5，7x ＋14y ≥6，14x ＋7y ≥6，x ≥0，y ≥0.目标函数为z ＝28x ＋21y .作出二元一次不等式组所表示的平面区域，如图阴影部分所示，把目标函数z ＝28x ＋21y 变形为y ＝－43x ＋z21，它表示斜率为－43，且随z 变化的一族平行直线，z21是直线在y 轴上的截距，当截距最小时，z 的值最小.由图可知，当直线z ＝28x ＋21y 经过可行域上的点M 时，截距最小，即z 最小.解方程组⎩⎪⎨⎪⎧7x ＋7y ＝5，14x ＋7y ＝6，得M 点的坐标为⎝⎛⎭⎫17，47. 所以为了满足营养专家指出的日常饮食要求，同时使花费最低，需要同时食用食物A 17 kg ，食物B 47 kg.反思与感悟 (1)目标函数z ＝ax ＋by (b ≠0)在y 轴上的截距zb 是关于z 的正比例函数，其单调性取决于b 的正负.当b >0时，截距z b 越大，z 就越大；当b <0时，截距zb 越小，z 就越大.(2)求解的最优解，和目标函数与边界函数的斜率大小有关.跟踪训练3 某厂拟用集装箱托运甲、乙两种货物，集装箱的体积、重量、可获利润和托运能力等限制数据列在下表中，那么为了获得最大利润，甲、乙两种货物应各托运的箱数为________.考点生活实际中的线性规划问题题点线性规划在实际问题中的应用答案 4,1解析设甲、乙两种货物应各托运的箱数为x ，y ，则⎩⎪⎨⎪⎧5x ＋4y ≤24，2x ＋5y ≤13，x ≥0，x ∈N ，y ≥0，y ∈N .目标函数z ＝20x ＋10y ，画出可行域如图阴影部分所示.由⎩⎪⎨⎪⎧2x ＋5y ＝13，5x ＋4y ＝24，得A (4,1). 易知当直线z ＝20x ＋10y 平移经过点A 时，z 取得最大值，即甲、乙两种货物应各托运的箱数分别为4和1时，可获得最大利润.1.若变量x ，y 满足约束条件⎩⎪⎨⎪⎧y ≤2x ，x ＋y ≤1，y ≥－1，则x ＋2y 的最大值是( )A.－52B.0C.53D.52考点线性目标最优解题点求线性目标函数的最值答案 C解析画出可行域如图阴影部分(含边界)所示.设z ＝x ＋2y ，即y ＝－12x ＋12z ，平行移动直线y ＝－12x ＋12z ，当直线y ＝－12x ＋z 2过点B ⎝⎛⎭⎫13，23时，z 取最大值53，所以(x ＋2y )max ＝53. 2.设变量x ，y 满足约束条件⎩⎪⎨⎪⎧x ＋y ≥3，x －y ≥－1，2x －y ≤3，则目标函数z ＝2x ＋3y 的最小值为( )A.6B.7C.8D.23 考点线性目标最优解题点求线性目标函数的最值答案 B解析作出可行域如图阴影部分(含边界)所示.由图可知，z ＝2x ＋3y 经过点A (2,1)时，z 有最小值，z 的最小值为7.3.在如图所示的坐标平面的可行域内(阴影部分且包括边界)，目标函数z ＝x ＋ay 取得最小值的最优解有无数个，则a 的值为( )A.－3B.3C.－1D.1 考点线性规划中的参数问题题点无数个最优解问题答案 A解析－1a ＝2－14－1＝13，∴a ＝－3.4.设变量x ，y 满足约束条件⎩⎪⎨⎪⎧x ＋2y ≥2，2x ＋y ≤4，4x －y ≥－1，则目标函数z ＝3x －y 的取值范围是( )A.⎣⎡⎦⎤－32，6 B.⎣⎡⎦⎤－32，－1 C.[－1,6]D.⎣⎡⎦⎤－6，32 考点线性目标最优解题点求目标函数的取值范围答案 A解析作出不等式表示的平面区域，如图阴影部分(含边界)所示，由z ＝3x －y ，可得y ＝3x －z ，则－z 为直线y ＝3x －z 在y 轴上的截距，截距越大，z 越小，结合图形可知，当直线y ＝3x －z 平移到B 时，z 最小，平移到C 时，z 最大，可得B ⎝⎛⎭⎫12，3，z min ＝－32，C (2,0)，z max ＝6，∴－32≤z ≤6. 5.给出平面区域如图阴影部分所示，若使目标函数z ＝ax ＋y (a >0)取得最大值的最优解有无穷多个，则a 的值为________.考点线性规划中的参数问题题点无数个最优解问题答案 35解析将z ＝ax ＋y 变形，得y ＝－ax ＋z .当它与直线AC 重合时，z 取最大值的点有无穷多个. ∵k AC ＝－35，∴－a ＝－35，即a ＝35.1.用图解法解决简单的线性规划问题的基本步骤(1)寻找线性约束条件，线性目标函数；(2)作图——画出约束条件(不等式组)所确定的平面区域和目标函数所表示的平行直线系中的任意一条直线l ；(3)平移——将直线l 平行移动，以确定最优解所对应的点的位置；(4)求值——解有关的方程组求出最优解的坐标，再代入目标函数，求出目标函数的最值.2.作不等式组表示的可行域时，注意标出相应的直线方程，还要给可行域的各顶点标上字母，平移直线时，要注意线性目标函数的斜率与可行域中边界直线的斜率进行比较，确定最优解.3.在解决与线性规划相关的问题时，首先考虑目标函数的几何意义，利用数形结合方法可迅速解决相关问题.一、选择题1.若点(x ，y )位于曲线y ＝|x |与y ＝2所围成的封闭区域内，则2x －y 的最小值为( ) A.－6 B.－2 C.0 D.2 考点线性目标最优解题点求线性目标函数的最值答案 A解析如图，曲线y ＝|x |与y ＝2所围成的封闭区域如图中阴影部分(含边界)所示，令z ＝2x －y ，则y ＝2x －z ，作直线y ＝2x ，在封闭区域内平行移动直线y ＝2x ，当经过点A (－2,2)时，z 取得最小值，此时z ＝2×(－2)－2＝－6. 2.若变量x ，y 满足约束条件⎩⎪⎨⎪⎧x ＋3y －3≥0，2x －y －3≤0，x －y ＋1≥0，则x ＋y 的最大值为( )A.9B.157C.1D.715考点线性目标最优解题点求线性目标函数的最值答案 A解析画出可行域如图阴影部分(含边界)所示，令z ＝x ＋y ，则y ＝－x ＋z .当直线y ＝－x ＋z 过点A 时，z 最大.由⎩⎪⎨⎪⎧2x －y －3＝0，x －y ＋1＝0，得A (4,5)，∴z max ＝4＋5＝9.3.设变量x ，y 满足约束条件⎩⎪⎨⎪⎧3x ＋y －6≥0，x －y －2≤0，y －3≤0，则目标函数z ＝y －2x 的最小值为( )A.－7B.－4C.1D.2 考点线性目标最优解题点求线性目标函数的最值答案 A解析可行域如图阴影部分(含边界)所示，令z ＝0，得直线l 0：y －2x ＝0，平移直线l 0知，当直线l 0过D 点时，z 取得最小值.由⎩⎪⎨⎪⎧y ＝3，x －y －2＝0，得D (5,3). ∴z min ＝3－2×5＝－7，故选A.4.设变量x ，y 满足约束条件⎩⎪⎨⎪⎧x －y ＋2≥0，x －5y ＋10≤0，x ＋y －8≤0，则目标函数z ＝3x －4y 的最大值和最小值分别为( )A.3，－11B.－3，－11C.11，－3D.11,3考点线性目标最优解题点求线性目标函数的最值答案 A解析作出可行域如图阴影部分(含边界)所示，由图可知z ＝3x －4y 经过点A 时，z 有最小值，经过点B 时，z 有最大值.易求得A (3,5)，B (5,3).∴z max ＝3×5－4×3＝3，z min ＝3×3－4×5＝－11. 5.已知a >0，x ，y 满足约束条件⎩⎪⎨⎪⎧x ≥1，x ＋y ≤3，y ≥a (x －3)，若z ＝2x ＋y 的最小值为1，则a 等于( )A.14B.12C.1D.2 考点线性规划中的参数问题题点线性规划中的参数问题答案 B解析作出不等式组表示的可行域，如图阴影部分(含边界)所示.易知直线z ＝2x ＋y 过交点B 时，z 取最小值，由⎩⎪⎨⎪⎧ x ＝1，y ＝a (x －3)，得⎩⎪⎨⎪⎧x ＝1，y ＝－2a ，∴z min ＝2－2a ＝1，解得a ＝12，故选B.6.已知⎩⎪⎨⎪⎧x ≥1，x －y ＋1≥0，2x －y －2≤0，若z ＝ax ＋y 的最小值是2，则a 的值为( )A.1B.2C.3D.4考点线性规划中的参数问题题点线性规划中的参数问题答案 B解析作出可行域，如图中阴影部分所示，又z ＝ax ＋y 的最小值为2，若a >－2，则(1,0)为最优解，解得a ＝2；若a ≤－2，则(3,4)为最优解，解得a ＝－23，舍去，故a ＝2.7.已知平面直角坐标系xOy 上的区域D 由不等式组⎩⎨⎧0≤x ≤2，y ≤2，x ≤2y确定.若M (x ，y )为D 上的动点，点A的坐标为(2，1)，则z ＝OM →·OA →的最大值为( ) A.3 B.4 C.3 2 D.4 2 考点线性目标最优解题点求线性目标函数的最值答案 B解析由线性约束条件 ⎩⎪⎨⎪⎧0≤x ≤2，y ≤2，x ≤2y ，画出可行域如图阴影部分(含边界)所示，目标函数z ＝OM →·OA →＝2x ＋y ，将其化为y ＝－2x ＋z ，结合图形可知，当目标函数的图象过点(2，2)时，z 最大，将点(2，2)代入z ＝2x ＋y ，得z 的最大值为4.8.已知A (2,5)，B (4,1).若点P (x ，y )在线段AB 上，则2x －y 的最大值为( ) A.－1 B.3 C.7 D.8 考点线性目标最优解题点求线性目标函数的最值答案 C解析作出线段AB ，如图所示，作直线2x －y ＝0并将其向下平移至直线过点B (4,1)时，2x －y 取最大值，为2×4－1＝7. 二、填空题9.已知－1≤x ＋y ≤4且2≤x －y ≤3，则z ＝2x －3y 的取值范围是________.(答案用区间表示) 考点线性目标最优解题点求线性目标函数的最值答案 [3,8]解析作出不等式组⎩⎪⎨⎪⎧－1≤x ＋y ≤4，2≤x －y ≤3表示的可行域，如图中阴影部分(含边界)所示. 在可行域内平移直线2x －3y ＝0，当直线经过x －y ＝2与x ＋y ＝4的交点A (3,1)时，目标函数有最小值， z min ＝2×3－3×1＝3；当直线经过x ＋y ＝－1与x －y ＝3的交点B (1，－2)时，目标函数有最大值， z max ＝2×1＋3×2＝8. 所以z ∈[3,8].10.在线性约束条件⎩⎪⎨⎪⎧x ＋3y ≥12，x ＋y ≤10，3x ＋y ≥12下，z ＝2x －y 的最小值是________.考点线性目标最优解题点求线性目标函数的最值答案－7解析如图作出线性约束条件⎩⎪⎨⎪⎧x ＋3y ≥12，x ＋y ≤10，3x ＋y ≥12下的可行域，包含边界.三条直线中x ＋3y ＝12与3x ＋y ＝12交于点A (3,3)， x ＋y ＝10与x ＋3y ＝12交于点B (9,1)， x ＋y ＝10与3x ＋y ＝12交于点C (1,9)，作一族与直线2x －y ＝0平行的直线l ：2x －y ＝z .即y ＝2x －z ，然后平行移动直线l ，直线l 在y 轴上的截距为－z ，当l 经过点C 时，－z 取最大值，此时z 最小，即z min ＝2×1－9＝－7.11.某公司租赁甲、乙两种设备生产A ，B 两类产品，甲种设备每天能生产A 类产品5件和B 类产品10件，乙种设备每天能生产A 类产品6件和B 类产品20件.已知设备甲每天的租赁费为200元，设备乙每天的租赁费为300元，现该公司至少要生产A 类产品50件，B 类产品140件，则所需租赁费最少为________元. 考点生活实际中的线性规划问题题点线性规划在实际问题中的应用答案 2 300解析设需租赁甲种设备x 台，乙种设备y 台，则⎩⎪⎨⎪⎧5x ＋6y ≥50，10x ＋20y ≥140，x ∈N ，y ∈N .目标函数为z ＝200x ＋300y .作出其可行域(图略)，易知当x ＝4，y ＝5时，z ＝200x ＋300y 有最小值2 300. 三、解答题12.设x ，y 满足⎩⎪⎨⎪⎧2x ＋y ≥4，x －y ≥－1，x －2y ≤2，求z ＝x ＋y 的取值范围.考点线性目标最优解题点求线性目标函数的最值解作出约束条件表示的可行域，如图所示，z ＝x ＋y 表示直线y ＝－x ＋z 过可行域时，在y 轴上的截距，当目标函数平移至过可行域内的A 点时，z 有最小值.联立⎩⎪⎨⎪⎧2x ＋y ＝4，x －2y ＝2，解得A (2,0).z min ＝2，z 无最大值.∴x ＋y ∈[2，＋∞).13.某运输公司接受了向抗洪救灾地区每天送至少180 t 支援物资的任务.该公司有8辆载重为6 t 的A 型卡车与4辆载重为10 t 的B 型卡车，有10名驾驶员，每辆卡车每天往返的次数为A 型卡车4次，B 型卡车3次；每辆卡车每天往返的成本费A 型为320元，B 型为504元.请为公司安排一下，应如何调配车辆，才能使公司所花的成本费最低？考点生活实际中的线性规划问题题点线性规划在实际问题中的应用解设需A 型、B 型卡车分别为x 辆和y 辆.列表分析数据.由表可知x ，y 满足线性约束条件⎩⎪⎨⎪⎧x ＋y ≤10，24x ＋30y ≥180，0≤x ≤8，0≤y ≤4，x ，y ∈N ，且目标函数z ＝320x ＋504y .作出可行域，如图阴影部分(含边界)所示.可知当直线z ＝320x ＋504y 过A (7.5,0)时，z 最小，但A (7.5,0)不是整点，继续向上平移直线z ＝320x ＋504y ，可知点(8,0)是最优解.这时z min ＝320×8＋504×0＝2 560(元)，即用8辆A 型车，成本费最低.所以公司每天调出A 型卡车8辆时，花费成本最低. 四、探究与拓展14.若平面区域⎩⎪⎨⎪⎧x ＋y －3≥0，2x －y －3≤0，x －2y ＋3≥0夹在两条斜率为1的平行直线之间，则这两条平行直线间的距离的最小值是( )A.355B. 2C.322 D. 5考点线性目标最优解题点求线性目标函数的最值答案 B解析画出不等式组所表示的平面区域如图(阴影部分)所示，由⎩⎪⎨⎪⎧ x －2y ＋3＝0，x ＋y －3＝0，得A (1,2)，由⎩⎪⎨⎪⎧2x －y －3＝0，x ＋y －3＝0，得B (2,1).由题意可知当斜率为1的两条直线分别过点A 和点B 时，阴影部分夹在这两条直线之间，且与这两条直线有公共点，所以这两条直线为满足条件的距离最小的一对直线，即|AB |＝(1－2)2＋(2－1)2＝ 2.故选B.15.已知变量x ，y 满足的约束条件为⎩⎪⎨⎪⎧x ＋2y －3≤0，x ＋3y －3≥0，y －1≤0.若目标函数z ＝ax ＋y (其中a ＞0)仅在点(3,0)处取得最大值，求a 的取值范围.考点线性规划中的参数问题题点线性规划中的参数问题解依据约束条件，画出可行域.∵直线x ＋2y －3＝0的斜率k 1＝－12，目标函数z ＝ax ＋y (a ＞0)对应直线的斜率k 2＝－a ，若符合题意，则需k 1＞k 2.即－12＞－a ，得a ＞12.。

高中数学人教A版必修5第三章3.3.2简单的线性规划问题(二)课件

学段初中高中
硬件建设班级学生数配备教师数万元
45
2
26／班
40
3
54／班
教师年薪万元
2／人 2／人
分别用数学关系式和图形表示上述限制条件。若根据有关部门的规定，初中每人每年可收学费1600 元，高中每人每年可收学费2700元。那么开设初中班和高中班多少个？每年收费的学费总额最多？
解：设开设初中班x个，高中班y个。因办学规模以 20～30个班为宜，所以， 20≤x＋y≤30
2x+y=15 x+y=12 x+2y=18
x 27
x+3y=27
当直线经过点A时z=x+y=11.4, 但它不是最优整数解. 作直线x+y=12
B(3,9)和C(4,8)在直线上,且在可行域内, 整点是B(3,9)和C(4,8)，它们是最优解. 答（略）
{2x+y≥15, x+2y≥18, x+3y≥27, x≥0, x∈N* y≥0 y∈N*
目标函数t = x+y
y 15
B(3,9)
9
C(4,8)
A(18/5,39/5)
打网格线法
x+y =0
2 1 0 12 78
x
18
27
作出直线 x+y=0，
2x+y=15
x+2y=18 x+3y=27
当直线经过点A时t=x+y=11.4,但它不是最优整数解，
在可行域内打出网格线，将直线x+y=11.4继续向上平移，
7 x 7 y 5
14x 7 y 6
x
1 7
得M点的坐标为：

最优化理论和方法-第三章线性规划拓展及应用

数学规划基础
2 1
e1
b
-4 1
c
3
e1
LHY-SMSS-BUAA
树解计算方式的线性代数解释
给定生成树 a点流平衡： d点流平衡： c点流平衡：
(共有 m-1 条弧)
-2 a 5d
2 1
-4
c
3
b
1
e1
b点流平衡：
第 3 章线性规划：应用及扩展
数学规划基础
LHY-SMSS-BUAA
树解计算方式的代数理解 (续)
第 3 章线性规划：应用及扩展
数学规划基础
LHY-SMSS-BUAA
原始网络单纯形法－既约费用系数的更新
新的树解去掉入弧，得两棵子树！
0a
T1
10 d
2 4
?
?
-13 4
c
?
23
3
b -11 与入弧同向桥接T1和T0
rab rab rde 1 2 1
T0 rdc rdc rde 0 2 2
(i, j) 使得
，称之为入弧.
Step 4. 确定出弧：入弧和出弧必形成一个圈. 如果圈中的所有弧和入弧同向，则最优费用是 -∞，终止算法. 否则，在与入弧反向的树弧中选一个流值最小的作为出弧.
Step 5. 转轴：在当前树解中用入弧代替出弧，更新树解，得新的树解. 转 Step2.
第 3 章线性规划：应用及扩展
这里选取节点1作为根节点
5
7 个节点 8 条弧！
2
7-1=6 个基变量(树弧)，
6
8-6=2 个非基变量(非树弧) 3
7
第 3 章线性规划：应用及扩展
4
数学规划基础

第3章线性规划的单纯形法《管理运筹学》PPT课件

当第一阶段求解结果表明问题有可行解时，第二阶段是在原问题中去除人工变量，并从此可行解（第一阶段的最优解）出发，继续寻找问题的最优解。
3.3 关于单纯形法的进一步讨论
根据以上思路，我们用二阶段法来求解下面例题： max z=3x1-x2-x3
x1-2x2+x3≤11 s.t. -4x1+x2+2x3≥3
,
C
CB CN
线性规划问题成为 max z=CBTXB+CNTXN+ CIT XI s.t. BXB+NXN+IXI=b XB，XN，XI≥0
3.2 单纯形法原理
这个线性规划问题可以用表3-1来表示：
表3-1称为初始单纯形表。可以看出，单纯形表中直接包含了单纯形迭代所需要的一切信息。
3.2 单纯形法原理
3.1 线性规划的基本理论
1.可行区域的几何机构考虑标准的线性规划问题：
min cT x
Ax b
s.t.
x
0
用Rn表示n维的欧式空间，这里x Rn，c Rn ，b Rn
，A Rmn . 不妨设可行区域 D {x Rn | Ax b, x 0} ，因此线性方程组 Ax b 相容，总可以把多余方程去掉，
3.2 单纯形法原理
1. 单纯形表的结构设线性规划问题为 max z=CTX+CIT XI s.t. AX+XI=b X，XI≥0 设B是线性规划的一个可行基，为了表达简便，不妨
设这个基B包含在矩阵A中，即 A=[B，N]
3.2 单纯形法原理
变量X和目标函数系数向量C也相应写成：
X
XB XN
3.2 单纯形法原理
第三步：在基变量用非基变量表出的表达式中，观察进基变量增加时各基变量变化情况，在进基变量增加过程中首先减少到0的基变量成为“离基变量”.当进基变量的值增加到使离基变量的值降为0时，可行解移动到相邻的极点。

第三章线性规划及图解法

第三章线性规划及图解法3.1根据下面决策变量x l、x2的约束条件，各画一张图显示满足这个约束的非负解。

再将这些约束条件综合在一张图上，表示出在外在约束（函数约束）和简单约束（非负约束）下的可行域。

x l- x2≤2-3x l+6 x2≥34x l-3 x2≥1解：3.2 有下面决策变量x l、x2构成的目标函数：max Z=2x l+3 x21、在一张图上分别画出Z =6、Z =12、Z =18时相应的目标函数直线。

2、写出这三条直线方程的斜截式形式，比较三条直线的斜率以及在x2轴上的截距。

解：1、2、三个斜截式中斜率相同，都是，在 2轴上的截距分别为2、4、6。

3.3 将下列线性规划问题划为标准形式 1、 max Z=3x l +2 x 2+4 x 3-8 x 4 S.T. x l +2 x 2+5 x 3+6 x 4≥8 -2x l +5 x 2+3 x 3-5 x 4≤2 2x l +4 x 2+4 x 3-5 x 4=18x l 、x 2、x 3 ≥0 x 4无约束解： max Z=3x l +2 x 2+4 x 3-8 x 5+8x 6+0x 7+0x 8S.T. x l +2 x 2+5 x 3+6 x 5-6x 6-x 7=8-2x l +5 x 2+3 x 3-5 x 5+5x 6+x 8=2 2x l +4 x 2+4 x 3-5 x 5+5x 6=18x l 、x 2、x 3、x 4、x 5 、x 6、x 7 、x 8 ≥0 2、 min f=5x l -2 x 2+4 x 3-3 x 4 S.T. -x l +2 x 2- x 3+4 x 4=-2 -x l +3 x 2+ x 3+ x 4≤14 2x l - x 2+3 x 3- x 4≥2x l 符号不限，x 2≤0，x 3 、x 4≥0解： max f=5x 1-5x 2 +2 x 3+4 x 4-3 x 5+0x 6+0x 7S.T. x 1-x 2 +2 x 3+ x 4-4 x 5=2-x 1+x 2 -3 x 3+ x 4+ x 5+x 6=142x l -2x 2+ x 3+3 x 4- x 5-x 7=2x 1、x 2、x 3、x 4 、x 5、x 6 、x 7≥03.4 用图解法求解下列线性规划问题 1、max Z=x l +2 x 2S.T. 3x l +5 x 2≤15 6x l +2 x 2≤12 x l 、 x 2≥0解：最优解为（0，3），最优值：6。

第三章线性规划描述

第三章 线性规划的对偶理论

第三章线性规讲义划模型

第三章 线性规划

第三章_整数线性规划

最新-第三章线性规划数学模型课件-PPT

第三章线性规划的对偶定理

第三章 线性规划及其对偶问题

第三章整数线性规划

第三章 线性规划及图解法

第三章 线性规划的灵敏度分析和最优解的解释

对偶理论(第三章线性规划3)

第3章线性规划的灵敏度分析

高考数学必修五 第三章 3.3.2 第1课时线性规划的有关概念及图解法

高中数学人教A版必修5第三章3.3.2简单的线性规划问题(二)课件

最优化理论和方法-第三章 线性规划拓展及应用

第3章 线性规划的单纯形法《管理运筹学》PPT课件

第三章 线性规划及图解法

第三章线性规划的对偶理论

第三章线性规划

第三章线性规划及其对偶问题

第三章线性规划及图解法

第三章线性规划的灵敏度分析和最优解的解释

高考数学必修五第三章 3.3.2 第1课时线性规划的有关概念及图解法

最优化理论和方法-第三章线性规划拓展及应用

第3章线性规划的单纯形法《管理运筹学》PPT课件

第三章线性规划及图解法