线性规划模型的应用与灵敏度分析
最优化方法(线性规划)——用Lingo对线性规划进行灵敏度分析
lingo 软件求解线性规划及灵敏度分析注：以目标函数最大化为例进行讨论，对求最小的问题，有类似的分析方法！所有程序运行环境为lingo10。
一、用lingo 软件求解线性规划例1：m a x 23..43103512,0z x ys t x y x y x y =++≤+≤≥在模型窗口输入：model:max=2*x+3*y;4*x+3*y<=10;3*x+5*y<12;! the optimal value is :7.454545 ;End如图所示：运行结果如下（点击 工具栏上的‘solve ’或点击菜单‘lingo ’下的‘solve ’即可）：Global optimal solution found. Objective value: 7.454545（最优解函数值）Infeasibilities: 0.000000Total solver iterations: 2（迭代次数）Variable （最优解） Value Reduced CostX 1.272727 0.000000Y 1.636364 0.000000Row Slack or Surplus Dual Price1 7.454545 1.0000002 0.000000 0.9090909E-013 0.000000 0.5454545例2：12123124125m a x 54..39028045z x x s t x x x x x x x x x x =+++=++=++=≥在模型窗口输入：model:max=5*x1+4*x2;x1+3*x2+x3=90;2*x1+x2+x4=80;x1+x2+x5=45;end运行（solve ）结果如下：Global optimal solution found.Objective value: 215.0000Infeasibilities: 0.000000Total solver iterations: 3Variable Value Reduced CostX1 35.00000 0.000000X2 10.00000 0.000000X3 25.00000 0.000000X4 0.000000 1.000000X5 0.000000 3.000000Row Slack or Surplus Dual Price1 215.0000 1.0000002 0.000000 0.0000003 0.000000 1.0000004 0.000000 3.000000例323123234235m in 2..22312z x x s t x x x x x x x x x x =-+-+=-+=-+=≥在模型窗口输入：model:min=-x2+2*x3;x1-2*x2+x3=2;x2-3*x3+x4=1;x2-x3+x5=2;end运行结果如下：Global optimal solution found.Objective value: -1.500000Infeasibilities: 0.000000Total solver iterations: 2Variable Value Reduced CostX2 2.500000 0.000000X3 0.5000000 0.000000X1 6.500000 0.000000X4 0.000000 0.5000000X5 0.000000 0.5000000Row Slack or Surplus Dual Price1 -1.500000 -1.0000002 0.000000 0.0000003 0.000000 0.50000004 0.000000 0.5000000例4：（非线性）m in ..124x y zs t x y x z +++≤+= 在模型窗口输入：model :min =@abs (x)+@abs (y)+@abs (z);x+y<=1;2*x+z=4;@free (x);@free (y);@free(z);End求解器状态如下：（可看出是非线性模型！）运行结果为：Linearization components added:Constraints: 12Variables: 12Integers: 3Global optimal solution found.Objective value:（最优解函数值） 3.000000Objective bound: 3.000000 Infeasibilities: 0.000000Extended solver steps: 0Total solver iterations: 3Variable(最优解) Value Reduced Cost X 2.000000 0.000000Y -1.000000 0.000000 Z 0.000000 0.000000Row Slack or Surplus Dual Price1 3.000000 -1.0000002 0.000000 1.0000003 0.000000 -1.000000二、用lingo软件进行灵敏度分析实例例5：m a x 603020864842 1.5202 1.50.585,,0S x y zx y z x y z x y z y x y z =++++≤++≤++≤≤≥ 在模型窗口输入：Lingo 模型：model:max=60*x+30*y+20*z;8*x+6*y+z<48;4*x+2*y+1.5*z<20;2*x+1.5*y+0.5*z<8;y<5;end（一）求解报告（solution report ）通过菜单Lingo →Solve 可以得到求解报告（solution report ）如下：Global optimal solution found at iteration: 0Infeasibilities: 0.000000Objective value: 280.0000Total solver iterations: 2Variable Value Reduced CostX 2.000000 0.000000Y 0.000000 5.000000Z 8.000000 0.000000Row Slack or Surplus Dual Price1 280.0000 1.0000002 24.00000 0.0000003 0.000000 10.000004 0.000000 10.000005 5.000000 0.000000分析Value,Reduced Cost ，Slack or Surplus ，Dual Price 的意义如下：1、最优解和基变量的确定Value 所在列给出了问题的最优解。
实验二___线性规划灵敏度分析
实验二线性规划模型及灵敏度分析（一）实验目的：掌握使用Excel软件进行灵敏度分析的操作方法。
（二）实验内容和要求：用Excel软件完成案例。
（三）实例操作：（1）建立电子表格模型；（2）使用Excel规划求解功能求解问题并生成“敏感性报告”；（3）结果分析：哪些问题可以直接利用“敏感性报告”中的信息求解，哪些问题需要重新规划求解，并对结果提出你的看法；（4）在Word文档中书写实验报告，包括线性规划模型、电子表格模型、敏感性报告和结果分析等。
案例1 市场调查问题某市场调查公司受某厂的委托，调查消费者对某种新产品的了解和反应情况。
该厂对市场调查公司提出了以下要求：（1）共对500个家庭进行调查；（2）在被调查家庭中，至少有200个是没有孩子的家庭，同时至少有200个是有孩子的家庭；（3）至少对300个被调查家庭采用问卷式书面调查，对其余家庭可采用口头调查；（4）在有孩子的被调查家庭中，至少对50%的家庭采用问卷式书面调查；（5）在没有孩子的被调查家庭中，至少对60%的家庭采用问卷式书面调查。
对不同家庭采用不同调查方式的费用如下表所示：市场调查费用表家庭类型调查费用（元）问卷式书面调查口头调查有孩子的家庭50 30没有孩子的家庭40 25问：市场调查公司应如何进行调查，使得在满足厂方要求的条件下，使得总调查费用最少？案例2 经理会议建议的分析某公司生产三种产品A1，A2，A3，它们在B1，B2两种设备上加工，并耗用C1，C2两种原材料，已知生产单位产品耗用的工时和原材料以及设备和原材料的每天最多可使用量如下表所示：生产三种产品的有关数据资源产品A1 产品A2 产品A3 每天最多可使用量设备B1(min) 1 2 1 430设备B2(min) 3 0 2 460原料C1(kg) 1 4 0 420原料C2(kg) 1 1 1 300每件利润(元) 30 20 50已知每天对产品A2的需求不低于70件，对A3不超过240件。
用excel进行线性规划的灵敏度分析
求解线性规划问题
01
点击“规划求解”对话框中的“求解”按钮，Excel将开始求 解线性规划问题。
02
Excel将显示求解结果，包括最优解、目标函数的值、可变单 元格的值等。
03
可以根据需要调整参数或约束条件，重新进行求解，以获得 更优的解或更全面的灵敏度分析。
03 灵敏度分析
灵敏度分析的定义
01
灵敏度分析是评估线性规划模型中参数变化对最优解
的影响程度的过程。
02
它有助于理解模型的最优解对各个参数的敏感程度，
从而更好地理解模型的行为。
03
通过灵敏度分析，可以确定哪些参数对模型的影响最
大，从而在实际情况中更好地调整这些参数。
灵敏度分析的步骤
2. 运行模型
案例二：运输问题优化
约束条件
车辆载重、运输时间、运输路线等。
目标函数
最小化运输成本，同时满足各分区的需求。
灵敏度分析
分析需求量、运输成本、运输时间等参数变 化对最优解的影响。
案例三：资源分配问题优化
01
目标函数
最大化资源利用效率，同时满足 生产需求。
约束条件
02
03
灵敏度分析
资源总量、生产能力、产品质量 等。
THANKS FOR WATCHING
感谢您的观看
分析资源价格、生产能力、产品 质量等参数变化对最优解的影响。
05 结论与展望
线性规划与灵敏度分析的意义
线性规划是一种数学优化技术，用于 在有限资源约束下实现特定目标。灵 敏度分析是线性规划的一个重要组成 部分，用于评估模型参数变化对最优 解的影响。
灵敏度分析(第三章线性规划4)
初始单纯形表 x1 x2 1 2 8 x3 1 2 6 x4 1 0 0 x5 0 1 0 bi
12 12
b2 20
0
0
x4 x5 f
1 1 5
0
最优单纯形表 x1 x2 0 1 0 x3 0 1 2 x4 2 1 2 x5 1 1 3 bi 424-b
2
5 x1 8 x2
f
1 0 0
实例1
产品 资源 原料甲 原料乙 A 1 1 5 B 1 2 8 C 1 2 6 资源拥 有量 12kg 20kg
利润 （元/kg）
在实例1中，假设产品C 的资源消耗量由 试分析最优解的变化情况。
1 2
2 变为 1
，
x4 x5 f
x1 1 1 5
•设XB=B1b是最优解，则有XB=B1b 0
•b的变化不会影响检验数 •b的变化量b可能导致原最优解变为非基可行解 设b’=b+ b 为保证最优基不变，必须满足XB=B-1b’ 0
1. 分析b1=16和b2=20时，最优基和最优解的变化
初始单纯形表 x1 x4 x5 f 1 1 5 x2 1 2 8 x3 1 2 6 x4 1 0 0 x5 0 1 0 bi
5 x1 8 x2
f
1 0 0
保持b1=12,分析b2在什么范围内 变化时，最优基不变?
2 B b' 1
1
1 12 1 b2
24 b 2 12 b 2
0
解之得：12≤b2≤24
即:当12≤b2≤24时，最优基不变
3.2 增加新约束条件的分析
产品 资源 原料甲 原料乙 原料丙 利润 （元/kg）
运筹学-线性规划灵敏度分析_图文
例2.1 在例1.1中新增一种产品:防盗门
例2.2 在例1.1中新增一个约束：电力限制
作业:P50—52,1,3,5
运筹学 小结： 一般信息的变化： 价值向量—市场变化 右端向量—资源变化 系数矩阵—技术进步
线性规划
C的变化只影响检验数（对偶问题的解），不影响原问题 的基本解；
格，所以它们所需要的主要原料（木材和玻璃）、制作时间、最大销售量与利润均 不相同。该厂每天可提供的木材、玻璃和工人劳动时间分别为600单位、1000单位 与400小时，详细的数据资料见下表。问： （1）应如何安排这四种家具的日产量，使得该厂的日利润最大？ （2）家具厂是否愿意出10元的加班费，让某工人加班1小时？ （3）如果可提供的工人劳动时间变为398小时，该厂的日利润有何变化？ （4）该厂应优先考虑购买何种资源？ （5）若因市场变化，第一种家具的单位利润从60元下降到55元，问该厂的生产计 划及日利润将如何变化？
表1 雅致家具厂基本数据
家具类型 1
劳动时间 （小时/件）
2
木 材（单 位/件）
4
玻 璃（ 单位/件）
6
单位产品利 润（元/件）
60
最大销售量 （件）
100
2
1
2
2
20
200
3
3
1
1ห้องสมุดไป่ตู้
40
50
4
2
2
2
30
100
可提供量
400小时
600单位
1000单位
解：依题意，设置四种家具的日产量分别为决策变量 x1,x2,x3,x4,目标要求是日利润最大化，约束条件为三 种资源的供应量限制和产品销售量限制。
运筹学线性规划灵敏度分析教学案例
多个资源系数同时变动分析
例如，将 1 个小时的用工时间从3车间移到2车间，对总利润 产生什么影响？
总利润增加 3650 - 3600 = 50 元， 而目标系数未变，所以最优解肯定 发生变化，
2020/8/1
百分之百法则
如果约束右端值同时变动，计算出每一变动占允许变动量的 的百分比，如果所有的百分比之和不超过100%，那么，影子 价格依然有效；否则，就无法确定。
2020/8/1
灵敏度分析的概念
LP 问题的系数有 aij、bi 、 cj，这些系数往往是估计值 或预测值。
市场条件变化， cj 值就会变化；工艺条件和技术水平改 变， aij 就变化； bi 是根据资源投入后的经济效果决定的一种 选择，市场供应条件发生变化时，亦会改变。
提出问题:
• 当 LP 问题的系数有一个或几个发生变化时，已求得的最优 解会有什么变化； • 这些系数在什么范围内变化时，LP 问题的最优解不会变化。
再改变参数
最优解变了
2020/8/1
那么，保持最优解不变的价值系数允许 变化范围？
改变最优解的临界值是什么呢？
敏感性报告
在“规划求解结果”中 选定“敏感性报告”。 得到一个工作表：
2020/8/1
敏感性报告
最优解
目标函数系数
“递减成本” --- 表示目标函数的系数必须改变多少，才能使 决策变量有正数解。 “允许的增量”和“允许的减量” --- 给出最优解不变的范围。 如门的系数范围： 0≤c1≤750；窗的系数范围：c2≥200
2020/8/1
资源数量变化的分析
考虑只有一个右段值 bi 改变：2 车间可用工时由原来的 12小 时增加到 13 小时，最优解如何变化呢？再变化呢？
线性规划的灵敏度分析与应用知识点总结
线性规划的灵敏度分析与应用知识点总结线性规划是一种重要的数学优化方法，它通过建立一个数学模型，根据特定的约束条件和目标函数，求解出使目标函数取得最大（最小）值的决策变量的取值。
而灵敏度分析则是针对线性规划模型中的参数进行变动时，目标函数值和决策变量的取值产生的变化进行评估和分析。
本文将对线性规划的灵敏度分析进行总结，并探讨其在实际应用中的一些重要知识点。
一、灵敏度分析的基本概念和原理灵敏度分析是指在线性规划模型中，通过变动参数的大小和取值范围，分析其对目标函数值和决策变量的解产生的影响程度。
主要包括以下几个方面的分析内容：1. 目标函数系数的灵敏度分析目标函数系数表示决策变量对目标函数的贡献程度，通过改变目标函数系数可以分析目标函数值的变动情况。
当目标函数系数发生较大变动时，可能导致最优解的决策变量发生改变。
2. 约束条件右侧常数的灵敏度分析约束条件的右侧常数表示资源的可利用程度，通过改变约束条件右侧常数可以分析资源的利用程度对决策变量解的影响。
当约束条件右侧常数发生较大变动时，可能会改变最优解的取值范围。
3. 决策变量的灵敏度分析决策变量的灵敏度分析可以评估决策变量值的改变对目标函数值和约束条件的违背程度产生的影响。
通过改变决策变量的取值范围，可以判断最优解的稳定性和可行性。
二、灵敏度分析的具体应用灵敏度分析在实际应用中有广泛的应用价值，主要包括以下几个方面：1. 评估模型的可靠性通过灵敏度分析，可以评估线性规划模型中参数的变动对解的影响程度，从而判断模型的可靠性和稳定性。
当参数变动对解的影响较小时，说明模型具有较好的鲁棒性。
2. 制定决策方案灵敏度分析可以帮助决策者评估决策方案的可行性和稳定性，从而选取出最优的决策方案。
在实际应用中，决策者可以通过改变参数的取值范围，确定决策方案的合理范围。
3. 资源优化分配通过灵敏度分析，可以评估资源可利用程度的变动对决策变量的解产生的影响。
在资源有限的情况下，通过调整资源的利用程度，实现资源的优化分配。
线性规划的灵敏度分析
资源有剩余，在 最优解中就有对 应松弛变量存在， 且其影子价为 0
影子价为 0， 资源并不一定有 剩余
4
5.2 价值系数 cj 的灵敏度分析
• cj 变动可能由于市场价格的波动，或生产成本的变动 • cj 的灵敏度分析是在保证最优解的基变量不变的情况下，分
析cj 允许的变动范围cj • cj 的变化会引起检验数的变化，有两种情况:
1300 4.25 5 5.75 4 0 0.25 1
zj-cj 3.25 0 2.75 0 0 0.25 1
c c j k
由于基变m量对应的价值系数 cj 在CB中出现，
2 基变量 zj zj (cjk c因jki )此ai它j 会影c响jk a所ij 有非cj基k a变kj (量z的j 检验zj数) 。
5.4 （技术系 数 aij 的灵敏 度分析）暂不 讲授(转5.5）
技术系数aij变化的影响比较复杂
对应基变量的 aij ，且资源bi已全部用完 对应基变量的 aij ，但资源bi未用完 对应非基变量的 aij ，且资源bi全用完或未用完
1、对应基变量的 aij ，且资源bi已全部用完 aij=0 2、对应基变量的 aij ，但资源bi未用完 aijxn+i /xj
3
z8c8 qiai8c8(5040.2 531)9 i1
50
结论：生产x8有利。 将B–1P8加入最优单纯型表中，以x8为入基变量进行迭代。 （过程学生完成）
17
5.6 新增约束 条件的分析
1、将最优解代入新的约束条件，若满足，则最优解不变 2、若不满足，则当前最优解要发生变化；将新增约束条件
(x)
b
i
i1
(C
B
线性规划实验
的系数在允许的增量与减量范围内变化时，最优解不
变。
“阴影价格”，即影子价格，是指约束条件右边增加 （或减少）一个单位，目标值增加（或减少）的数量。 “允许的增量”、“允许的减量”：表示约束条件右
边在允许的增量与减量范围内变化时，影子价格不变。
制定一个产品生产计划，使其在资源限制条件下，得到最大利润。
能至第四步，选择右部“敏感性报告”，选择确定， 即可获得一个名为敏感性报告的新工作表。
（2）敏感性报告中各项指标的含义
上部是关于目标函数中的系数变化对最优解产生的影响； 下部是关于约束条件右边变化对目标值的影响。
“递减成本”：它的绝对值表示目标函数中决策变量的
系数必须改进多少，才能得到该决策变量的正数解。 “允许的增量”和“允许的减量”：表示目标函数中
在给定的几组数组中，将数组间对应的元素相乘后求和。 B8*B14+C8*C14
(2)用excel的“规划求解”功能求解线性规划问题
第一步：打开“工具”菜单，加载宏“规划求解”； 第二步：打开“工具”菜单中的规划求解选项，在对话
框中输入规划的目标函数、决策变量和约束条件。
单击对话框内的“选项”按钮，输入规划求解运算中的 有关参数：选择“采用线性模型”、“假定非负”，
性报告和对灵敏度分析的概念和意义的理
解报告。
四、实验设备与软件
内存128Mb以上，操作系统为WindowsXP
或2000的电脑，并安装了完整Excel软件
五、实验步骤
例：美佳公司计划制造Ⅰ、Ⅱ两种家电产品，已知各制造一件时
分别占用的设备A、B台时、调试工序及每天可用于这两种家电 的资源能力和各售出一件时的获利情况如表1所示。问该公司应 制造两种家电各多少件，使获取的利润为最大？ 表1 美佳公司单位产品资源使用和利润情况 Ⅰ 0 6 1 Ⅱ 5 2 1 每天可用能力 15 24 5
线性规划的灵敏度分析
,
b3
33
5
1
,
5 1
,
15
1
5,5,15
故有 15 b3 5,b3 在[0，20]上变化时最优基不变。
若线性规划模型是一个生产计划模型，当求出cj或bi 的最大允许变化范围时，就可随时根据市场的变化来掌握 生产计划的调整。
灵敏度分析方法还可以分析工艺系数aij的变化对最优解 的影响，对增加约束、变量或减少约束、变量等情形的分 析，下面以一个例子来说明这些分析方法。
（8）增加新约束 5x1 x2 2x3 10
§2.4 灵敏度分析
Ch2 Dual Problem
Sensitivity Analysis
2023年2月1日星期三 Page 19 of 34
【解】加入松弛变量x4、x5、x6，用单纯形法计算，最优表如2－7所 示。
表2－7
Cj
2 -1
4
0
0
0
b
CB XB x1
x2
x3
x4
x5
x6
4 x3 0 5/7
1
1/7 3/7
0
2
2 x1 1 2/7
0 －1/7 4/7
0
1
0 x6 0 －2
0
0
－1
1
1
λj
0 －31/7 0 －2/7 －20/7 0
§2.4 灵敏度分析 Sensitivity Analysis
Ch2 Dual Problem
2023年2月1日星期三 Page 20 of 34
§2.4 灵敏度分析 Sensitivity Analysis
cj
－2 1
－4
0
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。
浅谈线性规划问题的灵敏度分析
浅谈线性规划问题的灵敏度分析符龙飞2016年5月15日摘要线性规划是运筹学的一个重要的分支，本文主要讨论有关线性规划问题的灵敏度分析，灵敏度分析顾名思义就是指对事物或者使整个系统因为其自身周围环境条件变化而表现出来的敏感程度的分析，在线性规划问题中，我们都假定技术数据、资源数据和价值数据向量或者矩阵中元素为已知常数，但是在实际的问题工作中这些数据往往只是一些预测的数据和估计值，在处理实际问题的建立线性规划模型时，这些数据并不是不会变化的，不是很精确,有可能进行了修改.因此本文讨论在实际问题中当技术系数、资源系数、价值系数以及增加一个变量和增加一个约束条件时，原问题最优解的变化，对原线性规划问题进行灵敏度分析.关键词：线性规划；灵敏度；最优解AbstractLinear programming is an important branch of operational research, this paper mainly discusses the sensitivity analysis of linear programming, sensitivity analysis of the definition refers to the analysis of the sensitivity of its own because of changes in ambient conditions and displayed on things or to make the whole system of linear programming problems, we assume that the technology of data resources the data value and data vector or matrix elements in the known constant, but in the actual problems in these data are just some forecast data and estimates, the establishment of a linear programming model to deal with practical problems, will not change the data, is not very accurate, may be modified in this paper.When discussing technical factors, in the actual problem of resource factor, value factor and add a variable and add a constraint condition, the original problem of optimal solution Sensitivity analysis of the original linear programming problem.Keywords: Linear programming; sensitivity; optimal solution目录第一章前言 (1)1.1 线性规划问题及线性规划发展史 (1)1.2 灵敏度分析的概念 (1)1.3线性规划模型 (1)1.4灵敏度分析的方法及步骤 (2)1.5 符号说明 (2)第二章技术系数a的变化分析 (3)ij2.1 非基变量系数列向量发生变化 (3)2.2 基变量系数列向量发生变化 (4)第三章资源系数b的变化分析 (7)ic的变化分析 (10)第四章价值系数i4.1 非基变量价值系数变化 (10)4.2基变量价值系数变化 (11)第五章增加新的变量的变化分析 (13)第六章增加新约束条件的变化分析 (16)总结 (18)[参考文献] (19)第一章前言1.1 线性规划问题及线性规划发展史线性规划是我们研究运筹学最基本的也是最重要的问题之一，是运筹学中相对比较成熟的一个重要分支.线性规划是近几十年发展起来的一种数学规划的方法，它主要研究在给定的线性不等式或者线性方程约束条件下，对所求的目标函数在一定意义下的极值问题，使其线性指标最优.它广泛应用于工、商、农、军事、交通运输、经济管理以及计划等各个领域.具有应用广泛、适应性强、计算技术比较简单等特点，线性规划在理论上已经也来越成熟，其应用也越来越广泛和深入[1].线性规划的发展是运筹学史上几代人智慧的结晶.1939年，原苏联数学家康托洛维奇发表了《生产组织与计划中的数学方法》学术报告，首次提出了线性规划问题，但是他没有找到一个统一的求解这类问题的方法，1941年美国学者希奇柯克独立的提出了运输问题这样一类特殊的线性规划问题，1947年，美国学者丹捷格提出求解线性规划的单纯形法和许多相关的理论，为线性规划奠定了理论基础，推动了线性规划的发展.自此以后线性规划在计算上趋向成熟，应用也更加广泛深入[2].1.2 灵敏度分析的概念灵敏度分析顾名思义就是指对事物或者使整个系统因为其自身周围环境条件变化而表现出来的敏感程度的分析.在线性规划问题中，我们都假定技术数据、资源数据和价值数据向量或者矩阵中元素为已知常数，但是在实际的问题工作中这些数据往往只是一些预测的数据和估计值，在处理实际问题的建立线性规划模型时，这些数据并不是不会变化的，不是很精确,有可能进行了修改.如果市场条件发生了变动，价值系数的值就会发生变化，技术系数会随着工艺技术条件的变化而变化，同样，在资源投入量发生变化时，资源系数也会随之发生变化，它的值会根据资源投入后能产出多大经济效果来决定的一种决策选择.因此，当这些数据发生变化时，线性规划的最优目标值或者最优解会发生怎样的变化？或者是不是这些参数在一定的范围内其线性规划问题的最优解不会发生变化？这就是本文我们研究线性规划问题的灵敏度分析所要解决的问题.1.3线性规划模型线性规划模型的标准形式如下：max z CX(0)0AX b b X =≥⎧⎨≥⎩我们在求解线性规划问题时首先就应该把数学模型转化成标准形式.1.4灵敏度分析的方法及步骤要进行灵敏度分析，首先要弄明白的就是上述问题：①当系数发生变化时，最优解或者最优目标值发生变化，我们如何简便地求出新的最优目标值和最优解；②当系数在什么一定范围内，线性规划的最优解是不变的.我们可以将灵敏度度分析归纳为：（1）将参数的改变计算反映到最终单纯形表上来，具体的计算方法是按下列公式计算出由技术参数、资源参数和价值参数的变化引起的最终单纯形表上有关数字的变化，即*1b B b -∆=∆*1j j P B P -∆=∆()()*1mj j j j ij i i c z c z a y =∆-=∆--∑（2）检查原问题是否仍为可行解； （3）检查对偶问题是否仍为可行解.（4）我们可以按照下表1-1所列出的情况得出结论或者得出继续计算的步骤[3].表1-1原问题 对偶问题 结论或者继续计算的步骤 可行解 可行解 表中的解仍为最优解 可行解 非可行解 用单纯法继续迭代求最优解 非可行解 可行解 用对偶单纯形法继续迭代求最优解 非可行解非可行解引入人工变量，编制新的的单纯形表，求最优解1.5 符号说明①ij a 技术数据； ②i b 资源数据； ③j c 价值数据； ④B 最优基； ⑤s .t . 约束条件.第二章 技术系数ij a 的变化分析2.1 非基变量系数列向量发生变化如果我们用最优基B 来说，当非基变量j x 的系数列向量j A 改变为'j j jA A A =+∆就会有变化后的检验数为()'1j j B j j j j c C B A A Y A σσ-=-++∆=+∆ ()1,2,,j n =[4]在这里，对偶可行解为1B Y C B -=，我们要使原来的线性规划最优基B 仍然保持不变的话，必须有'0j σ≥，即j j Y A σ∆≥- ()1,2,,j n =而当()0,,,,0Tj ij P a ∆=∆时，则由上式可得()10,,0im i ij j ij y y y y a a σ⎡⎤⎢⎥⎢⎥⎢⎥=∆≥-∆⎢⎥⎢⎥⎢⎥⎣⎦我们可以导出 当0i y >时，有jij ja y σ∆≥-；当0i y <时，有jij ja y σ∆≤-.例1已知线性规划问题12345max 2300Z x x x x x =---++s .t .()12341234347901,2,3,4,5j x x x x x x x x x j ⎧+++=⎪⎪+++=⎨⎪≥=⎪⎩ 23a 怎样变化时最优解保持不变？解：最终单纯形表如下表2-1j c2- 3- 1-0 0bB C B X 1x2x3x 4x5x2-1x 1 0 1-43 13- 1 3-2x0 1 2 13- 13 2j σ353138Z =-由此表可得[]133323234113312,311331233B cC B p a a σ-⎡⎤-⎢⎥⎡⎤=-=----⎢⎥⎢⎥⎣⎦⎢⎥-⎢⎥⎣⎦=+ 32323120233a a σ=+≥⇒≥-所以[232,)a ∈-+∞原最优解保持不变.2.2 基变量系数列向量发生变化仍然对于最优基B 来说，当基变量j x 的系数列向量j A 发生变化的时候，对于基向量B 和它的逆矩阵1B -都会有一定的影响，则线性规划的解的可行性、最优性以及它的最优目标值都会随之发生变化.我们要求出一个一般公式是很难的，因此，我们会用单纯形法重新求解变化后的线性规划问题.对于重新的求解可以在原来的单纯形终表上变换数据后进行迭代[5].例2已知线性规划问题1234max 534Z x x x x =+++s .t .()123412341234232800543412003453100001,2,3,4jx x x x x x x x x x x x x j +++≤⎧⎪+++≤⎪⎨+++≤⎪⎪≥=⎩如果非基变量3x 的系数由135⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦变为141⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦，那么原线性规划的最优解是否还是最优？如果不是求出最优.解:由3110431154A ⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥∆=-=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦⎣⎦则330115110,,114444Y A σ⎡⎤⎛⎫⎢⎥∆==-<-=- ⎪⎢⎥⎝⎭⎢⎥-⎣⎦因此不满足j j Y A σ∆≥-，那么原线性规划的最优解就不再是最优解了，根据灵敏度分析的步骤，求新的最优解我们应该先求出新的检验数'1'3330130,,111044B c C B A σ-⎡⎤⎛⎫⎢⎥=-+=-+=-< ⎪⎢⎥⎝⎭⎢⎥-⎣⎦所以可以取3x 为进基变量，然后计算1'311111401143312014B A -⎡⎤-⎢⎥⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥=-=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦-⎢⎥⎣⎦用它去替换原线性规划最优单纯形表表2-1的第3列，从而得到表2-2，继续迭代可以得到表2-3，如下表2-1 原线性规划最优单纯形表15341x2x3x4x5x6x7x5x 100 140 134- 0 1 141- 4x20022-111-2x100 34-1 114 0 0 34-1 1300134114141表2-2 改变后的单纯形表15341x2x3x4x5x6x7x5x 100 140 1 0 1 141- 4x 200 20 31 0 11-2x100 34-1 2- 0 0 34-1 13001341-141表2-3 迭代后的单形表15341x2x3x4x5x6x7x5x 1003 512- 0 0 13- 1 112-23- 4x 2003 23 0 1 13 0 13 13- 2x7003 712 1 0 23 0 112- 13 41003471213712 23我们由上表就可以看得出来，求得的最优解*7002001000,,,0,,0,0333X ⎛⎫= ⎪⎝⎭以及改变后的最优值*41003z =.第三章 资源系数i b 的变化分析我们知道，资源系数发生变化的问题关键就是怎样把i b 的变化直接的反映到原来线性规划问题的最终单纯形表，对于单纯形法的迭代过程，其实就是矩阵的初等变换过程，用所学的知识我们知道，对于分块矩阵[]BI我们进行初等变换时，把矩阵B 变成单位矩阵I ,会有单位矩阵I 变成矩阵1B -，即1IB -⎡⎤⎣⎦因此我们可以知道，若在已知的最终单纯形表中基可行解所对应的基“B ”（最终单纯形表中的基变量在初始单纯形表中的列向量所构成的矩阵），即可在最终单纯形表中找到“1B -”（初始单纯形表中的单位矩阵I 在最终单纯形表中所对应的矩阵），我们可以有'1b B b -=[6].例3对于线性规划问题12max 2z x x =+s .t .212121251562245,0x x x x x x x ≤⎧⎪+≤⎪⎨+≤⎪⎪≥⎩ 如果把第二个约束条件的右端项增大到32，那么分析一下最优解如何让变化.解：由最终单纯形表表3-1表3-1 最终单纯形表1x2x3x4x5x3x 152 0 0 1 54 152- 1x 72 1 0 0 14 12- 2x32114- 32i i z c -0 0 014 12因为003224880b ⎡⎤⎡⎤⎢⎥⎢⎥∆=-=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦，由*1b B b -∆=∆，得*51514201011082420213042b ⎡⎤-⎢⎥⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥∆=-=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥-⎢⎥⎣⎦⎣⎦⎢⎥-⎢⎥⎣⎦将其加到表3-1一列数字上的最终单纯形表的基变量解，得表3-2.表3-21x2x3x4x5x3x 352 0 0 1 54 152- 1x 112 1 0 0 14 12- 2x12- 0 1 0 14- 32 i i z c -1412又因为上表中原问题是非可行解，因此我们需继续计算，采用对偶单纯形法可以得到表3-3表3-31x2x3x4x5x3x 15 0 5 1 0 0 1x 5 1 10 0 12x20 4-0 1 6-i i z c -12从表中我们可以看出新的最优解15x =，*2510z =⨯=.第四章 价值系数i c 的变化分析4.1 非基变量价值系数变化假设()12n A p p p =.若j j j c c c =+∆，j N ∈,则1T j j B j j j c c B p c σσ-=-=+∆如果使最优基不变，则必须有0j σ≤，因此非基变量价值系数j c ，j N ∈的变动范围应该满足j j c σ∆≤-例4已知线性规划问题123max 234Z x x x =---s .t .123412341234523234,,,,0x x x x x x x x x x x x x ---+=-⎧⎪-+-+=-⎨⎪≥⎩求解价值系数在什么范围变化时，最优解不变.解：表4-1是最终单纯形表表4-1j c →2-3- 4- 0 0b cB X b1x2x3x4x5x3-2x 25 0 0 15- 25- 15 2-1x1151 0 75 15- 25- j σ95- 85- 15- 由单纯形法计算可得表4-2表4-2j c →2-3-34c -+∆0 0b cb x b1x2x3x4x5x3-2x 25 0 0 15- 25- 15 2-1x115175 15- 25- j σ0 0395c -+∆85- 15- 从表4-2中我们可以看出当395c ∆≤时，最优解不变. 4.2基变量价值系数变化如果B B B c c c =+∆,则对于j N ∀∈,11TT B j j j j B j c c B p c B p σσ--=-=-∆这时，若保持最优基不变，一定要使得0j σ≥，j N ∀∈.所以基变量价值系数Bc 满足不等式组的取值范围为1T B j jc B p j N σ-∆≤∀∈例5已知线性规划问题123max 2z x x x =-++s .t .1231241234624,,,0x x x x x x x x x x ++=⎧⎪-+=⎨⎪≥⎩当1c 变为4时，求新问题的最优解.解：这个线性规划模型的最终单纯形表为表4-3 .表4-31x2x3x4x2x 6 1 1 1 0 4x1030 11 i i 1c 是非基变量的系数，则()1133,132c c ∆≤--=≤-+=所以，1c 在12c ≤的范围内变化时，最优解不变.当1c 变为4时，超出范围，则重新计算()()1'1241144,42,003TB j c B p c c p σ-⎛⎫=-=-=-> ⎪⎝⎭把表4-3中13σ=-变为2，选择1x 为入基变量，4x 为出基变量，进行迭代，得到的最终单纯形表，表4-4表4-41x2x3x 4x2x83 0123 13- 4x 1031 013 13 i i c z - 0 053- 23- 新的最优解为：1234108,,033x x x x ====；最优值：*563z =.第五章 增加新的变量的变化分析增加一个新的变量实际上就是在单纯形表中增加一列，假如增加一个新的变量1n x +，1n c +是它所对应的价值系数，()111211,,,Tn n n mn A a a a ++++=是它在约束矩阵中的对应系数列向量，则增加一列'11'''2111'1n n n n mn a a A B A a +++++⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎣⎦其检验数1111n n B n c C B A σ-+++=-+那么就得到了新问题的单纯形表，如果10n σ+≥，则原线性规划问题的最优解不变.我们通过具体例题来讨论增加新的约束条件.例6某生产加工厂计划用两种不同的原料生产四种商品，四种商品的收益和消耗的原料数以及消耗的原料定量如表5-1表5-1产品（万件）/原料（kg ）甲 乙 丙 丁 提供量 第一种原料3 2 104 18 第二种原料 0 0 2 1/2 3 求：如果增加第一种原料，增加多少原最优基不变？解：设生产甲、乙、丙、丁四种产品各1x ，2x ，3x ，4x 万件，则线性规划模型为1234max 985019Z x x x x =+++s .t .()1234343210418123201,2,3,4j x x x x x x x j ⎧+++≤⎪⎪+≤⎨⎪⎪≥=⎩增加第一种原料时，1b 就会发生变化，设1118b b =+∆，1(18,3)b b =+∆，则1111210221833314311636b b B b b -⎡⎤⎡⎤-+∆⎢⎥⎢⎥+∆⎡⎤==⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥--∆⎢⎥⎢⎥⎣⎦⎣⎦则需满足12203b +∆≥，11106b -∆≥原最优基不变，得136b -≤∆≤，即11524b ≤≤.函数1112(0,0,1,2)63t X b b =-∆+∆，113883Z b =+∆是1b ∆最优值和最优解，当16b ∆>，13b ∆<-时，原来的最优基就会改变，原问题的最优基如下表表5-2.表5-2j c9 8 50 19 0 0bB cB x 1x2x3x4x5x6x19 4x 243 0 1 23 103-2 503x12- 13- 1 0 16- 43 1j σ4- 23- 0133- 103- 88Z =当16b ∆>时，情形如下，常数项用111223116b B b b -⎡⎤+∆⎢⎥=⎢⎥⎢⎥-∆⎢⎥⎣⎦代替，用对偶单纯法得表5-3.表5-3j c9 8 50 19 0 0bB cB x 1x2x3x4x5x6x19 4x 243 0 1 23 103-1223b +∆503x12- 13- 116- 43 1116b -∆j σ4-23- 0 0133- 103-113883Z b =+∆用对偶单纯形法求解，第二行需乘以3-,第一行加上第二行乘以43-,可以得到单纯形表表5-4.表5-4j c9 8 50 19 0 0bB cB x 1x2x3x4x5x6x19 4x 00 41 02683x321 3-0 124-1132b ∆- j σ3- 02- 04-6-1904Z b =+∆当11302b ∆-≥，即16b ∆>，新的最优基42(,)B P P =,最优解为11(0,3,0,6)2b ∆-，最大收益为1904b +∆万元.第六章 增加新约束条件的变化分析我们在处理实际问题时，往往会遇到在其问题的基础上增加新的约束条件，如果新添加的约束条件能够使原来的最优解得到满足，那么它的最优解一定不变，反之，则需对问题继续进行分析.例7对于线性规划问题 12max 2z x x =+s .t .212121251562245,0x x x x x x x ≤⎧⎪+≤⎪⎨+≤⎪⎪≥⎩增加一个新的约束条件123212x x +≤，分析最优解的变化.解：把原来线性规划问题最优解带入新的约束条件中，因为 73273212222⨯+⨯=> 则约束条件可以写成1263212x x x ++=，6x 为基变量，反映到表3-1中得表6-1.表6-11x2x 3x 4x5x6x 0 3x 152 0 0 1 54 152- 0 2 1x 72 1 0 0 14 12- 0 1 2x 320 1 0 14- 320 06x12 3 2 0 01 i i c z -14121将1x ，2x 列系数变为单位向量，用对偶单纯法进行迭代，得最终单纯形表，表6-2.表6-21x2x 3x 4x5x 6x0 3x 15 0 0 1 52 0 5-2 1x 4 1 0 0 13 0 13-1 2x 0 0 1 0 12- 0 16x13 2 0 16 1 23- i i c z -16- 013-则新的最优解为*124,0,8x x z ===.总结从本文中讨论我们可以看出，在线性规划问题中，一些数据发生变化时，特别是当数据变化的幅度较小时，用灵敏度分析新的问题要比从头求解新问题简便的多，因此我们要学会掌握线性规划问题的灵敏度分析并加以推广.[参考文献][1] 李小光.线性规划中的灵敏度分析[J].2000,20(3),15-20.[2] 张伯声．运筹学[M]．北京：科学出版社，2008，65-75．[3] 党耀国，李邦义．运筹学[M]．北京：科学出版社，2009，61-73．[4] 施泉生.运筹学[M].北京：中国电力出版社，2004，44-50.[5] 孙麟平.运筹学[M].北京：科学出版社，2005，32-38.[6] 吕蓬，潘志.运筹学数学规划篇[M].北京：清华大学出版社，2011，32-40.。
线性规划模型的应用与灵敏度分析(DOC)
摘要线性规划是解决稀缺资源最优分配的有效方法，使付出的费用最少或获得的利益最大。
它的研究对象是有一定的人力、财力、资源条件下，如何合理安排使用，效益最高；某项任务确定后，如何安排人、财、物，使之最省。
它要解决的问题的目标可以用数值指标反映，对于要实现的目标有多种方案可以选择，有影响决策的若干约束条件。
本文主要介绍了线性规划模型在实际生活中的应用，其中包括解线性方程组的各种方法，如图解法、单纯形法、以及对偶单纯形法等等，以及简单介绍了有关灵敏度分析的方法。
由于许多问题仅仅利用线性规划的方法还不足以解决，因此用到了对偶理论，也因此引出了对偶单纯形法。
对偶规划是线性规划问题从另一个角度进行研究，是线性规划理论的进一步深化，也是线性规划理论整体的一个不可分割的组成部分。
灵敏度分析是对线性规划结果的再发掘，是对线性规划理论的充要应用，本文以实例验证灵敏度分析的实际应用。
关键词：线性规划；单纯形法；对偶单纯形法ABSTRCTLinear programming is an effective method to solve the optimal allocation of scarce resources, make the cost of pay or receive at least the interests of the largest. Its object of study is the human and financial resources, resource conditions, how to reasonably arrange to use, benefit is supreme; A task is determined, how to arrange people, goods, and make it the most provinces. It to the target can be used to solve the problem of the numerical indicators, to achieve a variety of solutions to choose from, have an impact on the decision of some constraint conditions. Through the subject design, can deepen the operations research, optimization method, linear programming, nonlinear programming, to improve the integrated use of knowledge, improve the ability of using the sensitivity analysis to solve various practical problems. This article mainly introduces the application of linear programming model in real life, including the various methods of solving linear equations, as shown in figure method, simplex method and dual simplex method, etc., and simply introduces the method of sensitivity analysis. Due to many problems just by using the method of linear programming is not enough to solve, so use the duality theory, thus raises the dual simplex method. The dual programming is linear programming problem from another Angle, is the further deepening of linear programming theory, linear planning theory as a whole is also an integral part of. Sensitivity analysis is to discover, the result of the linear programming is the charge to application of linear programming theory. Keywords: linear programming；Simplex method；The dual simplex method目录前言线性规划模型的应用与灵敏度分析 (1)第一章线性规划问题 (1)1. 线性规划及灵敏度分析简介 (1)2. 线性规划模型应用的发展 (1)3. 线性规划模型研究的问题 (2)4. 线性规划模型的应用 (2)4.1问题 (2)4.2线性规划方法的特点及局限性 (2)4.3线性规划模型的基本结构 (3)4.4线性规划模型的一般形式 (3)4.4线性规划的性质…………………………………………………………………………………5第二章求解线性规划的方法 (6)1. 图解法 (6)2. 单纯行法 (7)2.1 单纯行法的基本思路 (7)2.2 单纯形法的求解步骤 (11)2.3 单纯形法的求解过程小结 (12)2.3.1人造基、初始基本可行解 (12)2.3.2最优解判别定理： (14)2.3.3单纯行过程的两种方法 (14)3. 单纯行法 (14)3.1对偶问题的提出 (14)3.2线性规划的对偶理论 (15)3.3对偶单纯形法的步骤 (15)4. 单纯行表......................................................................................................错误!未定义书签。
第二讲线性规划与灵敏度分析
2.9 影子价格
例2.3 某文教用品厂利用原材料白坯纸生产原稿纸、 日记本和练习本三种产品。该厂现有工人100人，每 天白坯纸的供应量为30000千克。如果单独生产各种 产品时，每个工人每天可生产原稿纸30捆、或日记 本30打，或练习本30箱。已知原材料消耗为：每捆 原稿纸用白坯纸10/3千克、每打日记本用白坯纸 40/3千克，每箱练习本用白坯纸80/3千克。已知生 产各种产品的盈利为：每捆原稿纸1元、每打日记本 2元，每箱练习本3元。试讨论在现有生产条件下使 该厂盈利最大的方案。 如白坯纸供应量不变，而工人数量不足时，可从市 场上招收临时工，临时工费用为每人每天15元，问 该厂是否招临时工及招收多少人为宜。
2.4 单个约束右端值变动
图解法（直观）
可以看到， 6 b2 18 在这个范围内，每 次车间的约束右端 值增加（或减少）1， 交点的移动就使利 润增长（或减少） 影子价格的数量 （150元）
2.5 多个约束右端值同时变动
多个约束右端值同时变动对目标值的 影响 将1个小时的工时从车间3移到车间2， 对总利润所产生的影响 方法1：使用电子表格进行分析（重 新运行“规划求解”工具） 方法2：运用“敏感性报告”进行分 析（百分之百法则）
2.1 线性规划灵敏度分析 在第1章的讨论中，假定以下的线性规划 模型中的各个系数cj、bi、aij是确定的常数， 并根据这些数据，求得最优解。
Max(Min) z c j x j
j 1
n
n aij x j (, ) bi ( i 1, 2, L , m) s.t. j 1 x 0 ( j 1, 2, L , n) j
4 x1 2 x2 12 s.t. 3 x1 2 x2 18 x1 , x2 0
实验二运筹学
实验二线性规划模型的对偶问题及灵敏度分析一、实验目的：进一步掌握线性规划模型的基本原理，理解线性规划的对偶问题，掌握R软件在线性规划问题灵敏度分析中的运用。
二、实验内容：（1）教材P127 习题1。
利用线性规划的最终单纯形表，对目标函数系数和约束方程的常数项进行灵敏度分析，并在R软件中验证你的计算结果；（2）教材P131 习题11。
写出该问题的对偶问题，并用R 软件求解原问题和对偶问题。
指出二者最优解与对偶价格之间的联系。
（3）建立教材P130 习题7的数学模型并用R软件分析。
三、实验要求：（1）利用线性规划基本原理对所求解问题建立数学模型；（2）熟练写出线性规划问题的对偶问题；（3）给出R软件中的输入并求解；（4）对目标函数系数及约束方程的常数项进行灵敏度分析四、实验报告要求：实验过程描述（包括变量定义、分析过程、分析结果及其解释、实验过程遇到的问题及体会）。
（1）maxz=20X1+8X2+6X38X1+3X2+2X3<=2502X1+X2<=504X1+3X3<=150X 1,X2,X3>=0> library(lpSolve)> obj<-c(20,8,6)> mat<-matrix(c(8,3,2,2,1,0,4,0,3),nrow=3,byrow=T) > dir<-c("<=","<=","<=")> rhs<-c(250,50,150)> x<-lp("max",obj,mat,dir,rhs,compute.sens=1)> x$status;x$solution;x$objval[1] 0[1] 0 50 50[1] 700> x$sens.coef.from;x$sens.coef.to[1] -1e+30 6e+00 3e+00[1] 2.4e+01 1.0e+30 1.0e+30C1范围是（-∞，24），C2范围是（6，+∞），C3范围是（3，+∞）> library(lpSolve)> obj<-c(20,8,6)> mat<-matrix(c(8,3,2,2,1,0,4,0,3),nrow=3,byrow=T) > dir<-c("<=","<=","<=")> rhs<-c(250,50,150)> x<-lp("max",obj,mat,dir,rhs,compute.sens=1)> x$status;x$solution;x$objval[1] 0[1] 0 50 50[1] 700> x$duals;x$duals.from;x$duals.to[1] 0 8 2 -4 0 0[1] -1.000000e+30 7.105427e-15 -2.842171e-14 0.000000e +00 -1.000000e+30 -1.000000e+30[1] 1.0e+30 5.0e+01 1.5e+02 2.5e+01 1.0e+30 1.0e+30b1,b2,b3的对偶价格分别为0、8、2；b1范围为(250，∞)，b2范围为(0, 50)，b3范围为(0, 150)。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘要线性规划是解决稀缺资源最优分配的有效方法，使付出的费用最少或获得的利益最大。
它的研究对象是有一定的人力、财力、资源条件下，如何合理安排使用，效益最高；某项任务确定后，如何安排人、财、物，使之最省。
它要解决的问题的目标可以用数值指标反映，对于要实现的目标有多种方案可以选择，有影响决策的若干约束条件。
本文主要介绍了线性规划模型在实际生活中的应用，其中包括解线性方程组的各种方法，如图解法、单纯形法、以及对偶单纯形法等等，以及简单介绍了有关灵敏度分析的方法。
由于许多问题仅仅利用线性规划的方法还不足以解决，因此用到了对偶理论，也因此引出了对偶单纯形法。
对偶规划是线性规划问题从另一个角度进行研究，是线性规划理论的进一步深化，也是线性规划理论整体的一个不可分割的组成部分。
灵敏度分析是对线性规划结果的再发掘，是对线性规划理论的充要应用，本文以实例验证灵敏度分析的实际应用。
关键词：线性规划；单纯形法；对偶单纯形法ABSTRCTLinear programming is an effective method to solve the optimal allocation of scarce resources, make the cost of pay or receive at least the interests of the largest. Its object of study is the human and financial resources, resource conditions, how to reasonably arrange to use, benefit is supreme; A task is determined, how to arrange people, goods, and make it the most provinces. It to the target can be used to solve the problem of the numerical indicators, to achieve a variety of solutions to choose from, have an impact on the decision of some constraint conditions. Through the subject design, can deepen the operations research, optimization method, linear programming, nonlinear programming, to improve the integrated use of knowledge, improve the ability of using the sensitivity analysis to solve various practical problems. This article mainly introduces the application of linear programming model in real life, including the various methods of solving linear equations, as shown in figure method, simplex method and dual simplex method, etc., and simply introduces the method of sensitivity analysis. Due to many problems just by using the method of linear programming is not enough to solve, so use the duality theory, thus raises the dual simplex method. The dual programming is linear programming problem from another Angle, is the further deepening of linear programming theory, linear planning theory as a whole is also an integral part of. Sensitivity analysis is to discover, the result of the linear programming is the charge to application of linear programming theory. Keywords: linear programming；Simplex method；The dual simplex method目录前言线性规划模型的应用与灵敏度分析 (1)第一章线性规划问题 (1)1. 线性规划及灵敏度分析简介 (1)2. 线性规划模型应用的发展 (1)3. 线性规划模型研究的问题 (2)4. 线性规划模型的应用 (2)4.1问题 (2)4.2线性规划方法的特点及局限性 (2)4.3线性规划模型的基本结构 (3)4.4线性规划模型的一般形式 (3)4.4线性规划的性质…………………………………………………………………………………5第二章求解线性规划的方法 (6)1. 图解法 (6)2. 单纯行法 (7)2.1 单纯行法的基本思路 (7)2.2 单纯形法的求解步骤 (11)2.3 单纯形法的求解过程小结 (12)2.3.1人造基、初始基本可行解 (12)2.3.2最优解判别定理： (14)2.3.3单纯行过程的两种方法 (14)3. 单纯行法 (14)3.1对偶问题的提出 (14)3.2线性规划的对偶理论 (15)3.3对偶单纯形法的步骤 (15)4. 单纯行表......................................................................................................错误!未定义书签。
第三章灵敏度分析 (17)1. 边际值(影子价)q (17)i2. 价值向量的灵敏度分析 (18)3. 灵敏度的应用 (18)第四章应用设计实例 (19)1. 目标函数系数灵敏度分析 (19)2. 右边值敏感性分析 (19)结论 (22)参考文献 (23)致谢 (24)前言线性规划是运筹学的一个重要分支。
1947年，当时正在美国空军担任数学顾问的Dantzig在《最优规划的科学计算》中提出“如何使规划过程机械化”问题，并着手建立数学模型。
他从改造投入产出模型入手，逐步研究，形成了“单纯形法”，并于1953年提出“改进单纯形法”，以解决计算机求解过程中的舍入误差问题。
之后，线性规划理论逐步趋于成熟，在实用中日益广泛和深入。
通过设计该课题，可以加深对运筹学、最优化、线性规划、非线性规划以及MATLAB 的认识，提高对这些知识的综合应用水平，提高利用灵敏度分析解决各种线性规划问题的能力。
本文章主要介绍了线性规划在实际生活中的应用，包括解线性方程组的各种方法，包括图解法，单纯形法，大M法，二阶段法以及对偶单纯形法，以及简要介绍了有关灵敏度分析的方法。
由于线性方程组是解决各种应用问题的主要工具，而有许多问题仅仅利用线性规划的解决方法还不足以解决问题，还用到了对偶理论，也因此引出了对偶单纯形法。
本课题当前的研究方向有：LP的内点算法，它通过非线性规划解决线性问题，其成功是对数学思想的革新；算法复杂度，评价算法好坏应从平均工作量出发；大型问题的分解算法、近似算法。
线性规划的应用正在不断扩大，企业成功确实通过提高生产和有效使用资源的竞争过程来达到。
线性规划模型的应用与灵敏度分析第一章线性规划问题1. 线性规划及灵敏度分析简介线性规划(Linear Programming)问题, 简称LP问题,是运筹学中最基本, 也是最重要的内容, 被广泛地应用于军事决策、企业管理、工程设计、交通运输等领域. 特别是经济领域应用更为广泛, 有资料称, 在对500家有相当效益的公司所作的评述中, 有85%的公司都曾应用了线性规划。
灵敏度分析对于决策者的重要性不言而喻，在真实世界里，周围的环境、条件是在不断变化的。
2. 线性规划模型应用的发展线性规划及其通用解法——单纯形法是由美国G.B.Dantzig在1947年研究空军军事规划提出来的。
法国数学家傅里叶和瓦莱－普森分别于1832和1911年独立地提出线性规划的想法，但未引起注意。
1939年苏联数学家康托罗维奇在《生产组织与计划中的数学方法》一书中提出线性规划问题，也未引起重视[1]。
1947年美国数学家丹齐克提出线性规划的一般数学模型和求解线性规划问题的通用方法──单纯形法，为这门学科奠定了基础。
1947年美国数学家诺伊曼提出对偶理论,开创了线性规划的许多新的研究领域，扩大了它的应用范围和解题能力[2]。
1951年美国经济学家库普曼斯把线性规划应用到经济领域，为此与康托罗维奇一起获1975年诺贝尔经济学奖。
50年代后对线性规划进行大量的理论研究，并涌现出一大批新的算法。
例如，1954年莱姆基提出对偶单纯形法，1954年加斯和萨迪等人解决了线性规划的灵敏度分析和参数规划问题，1956年塔克提出互补松弛定理，1960年丹齐克和沃尔夫提出分解算法等。
线性规划的研究成果还直接推动了其他数学规划问题包括整数规划、随机规划和非线性规划的算法研究[3]。
1984年美国贝尔电话实验室的印度数学家N.卡马卡提出解线性规划问题的新的多项式时间算法。
用这种方法求解线性规划问题在变量个数为5000时只要单纯形法所用时间的1/50。
现已形成线性规划多项式算法理论。
50年代后线性规划的应用范围不断扩大[4]。
3. 线性规划模型研究的问题建立线性规划模型线性规划研究的问题主要有两类:一类是当一项任务确定后，如何统筹安排，尽量做到以最少的人力、物力等资源去完成；另一类是在人力、物力等资源确定的情况下，如何安排使用这些资源，使创造的价值最多，其实质是解决稀缺资源在有竞争环境中如何进行最优分配的问题，即寻求整个问题的某个整体指标最优的问题[4]。
4.线性规划模型的应用4.1问题a.目标函数最优化——单一目标，多重目标问题如何处理？b.实现目标的多种方法，若实现目标只有一种方法不存在规划问题。
c.生产条件的约束——资源是有限的，资源无限不存在规划问题。