线性规划和方程参数
04-06线性规划-1
最优解（optimal solution）
使目标函数取得最大值（或最小值）的可行解 称为最优解。
LP一般形式
一组决策变量
满足这三个要素的 问题就是线性规划 问题
每个问题都用一组决策变量表示某个方案，通 常要求这些未知数取值是非负的。
一个线性目标函数
max s CX s.t. AX b X 0
一般称C为价值向量，b为资源向量，A为技术系数矩阵
关于标准型要把握几点
决策变量大于等于0 约束条件均为等式 约束条件右端项bi大于等于0 目标函数为求max
如何将一般问题化为标准型？
若目标函数是求最小 值 Min z = CX 令 z’= - z, 则 Max z’= - CX
该问题可行域为空集， 即无可行解，也不存在 最优解
第3部分 线性规划的标准型(SLP)
线性规划标准型(SLP)
写成缩小形式或矩阵形式
max s c j x j
j 1
n
n aij x j bi , i 1,2,, m s.t. j 1 x 0, j 1,2,, n j
产品A 9 4 3 产品B 4 5 10 资源限额
360工时 200台时 300公斤
70
120
问：如何安排生产使该厂获利最大？
解：设x1,x2分别表示A、B两种产品的产量 那么其总利润为： z=70x1+120x2 并且由于资源限制，应有： 9x1＋4x2≤360
4x1+5x2≤200
3x1+10x2≤300 我们的目标是使z最大
可加性假定：每个决策变量对目标函数和约束方程的
影响独立于其他变量的，目标函数值是每个决策变量对 目标函数贡献的总和
2 线性规划
第一节 线性规划问题及其数学模型
可加性假定：每个决策变量对目标函数和约
束方程的影响是独立于其他变量的，目标函 数值是每个决策变量对目标函数贡献的总和 连续性假定：线性规划问题中的决策变量应 取连续值。 确定性假定：线性规划问题中的所有参数都 是确定的参数。线性规划问题不包含随机因 素。
约 束 方 程
约束条件
变量约束
第一节 线性规划问题及其数学模型
线性规划问题隐含的假定： 比例性假定 可加性假定 连续性假定 确定性假定
比例性假定：决策变量变化引起的目标函数
的改变量和决策变量的改变量成比例，同样， 每个决策变量的变化引起约束方程左端值的 改变量和该变量的改变量成比例
≥0
=
≥0
第一节 线性规划问题及其数学模型
标准型的简缩形式
max Z
c x
j j 1
n
j
s .t
n aij x j bi , i 1,2 , , m j 1 x j 0 , i 1,2 , , m
第一节 线性规划问题及其数学模型
或
松弛变量
a i 1 x 1 a i 2 x 2 a in x n bi
a i 1 x1 a i 2 x 2 a in x n x p bi , x p 0
剩余变量
练习
例:将下列线性规划问题划为标准形式： min Z = x1+3x2
s.t.
6x1+7x28 -x1+3x2-6 x1-x2=3 x10
可行域无界
x1+2x2 10 x2 0 x1
可行域无界
x2
x1 0
最优化方法-线性规划
引言
对线性规划贡献最大的是美国数学家G.B.Dantig(丹捷格)，他 在1947年提出了求解线性规划的单纯形法（Simple Method），并同时给出了许多很有价值的理论，为线性规划 奠定了理论基础。在1953年，丹捷格又提出了改进单纯形法， 1954年Lemke(兰母凯)提出了对偶单纯形法（dual simplex method）。 在1976年， R. G. Bland 提出避免出现循环的方法后，使线 性规划的理论更加完善。但在1972年，V. Klee和G .Minmty 构造了一个例子，发现单纯形法的迭代次数是指数次运算，不 是好方法——并不是多项式算法（多项式算法被认为是好算 法），这对单纯形法提出了挑战。
B2
B3
70
50 60
A2
60 110 160
[解] 设xij 表示 Ai运往Bj的运量（万块） minS=50x11+60x12+70x13+60x21+110x22+160x23 S.t. x11+x12+x13=23 x21+x22+x23=27 x11+x21=17 x12+x22=18 x13+x23=15 xij≥0, i=1,2、j=1,2,3
2.线性规划问题的几何意义
2.1基本概念 凸集：设k为n维欧氏空间的一点集，任取X,Y∈K,若 连接X,Y的线段仍属于K,则称K为凸集。即任取α ,0<α <1 α X+(1-α )Y∈K 称K为凸集。 顶点（极点）：设K是凸集，X∈K,若X不能用不同的两
点 X(1) ∈K,X2) ∈K 的线性组合表示为 X=α X(1)+(1-α )X(2) (0<α <1) 则称X为极点。
线性规划的定义及解题方法
线性规划的定义及解题方法线性规划是一种数学建模技术，旨在解决在约束条件下，寻求最优解的问题。
它的实际应用十分广泛，例如管理学、经济学、物流学等领域。
线性规划可以分为单目标和多目标两种，但其中比较常见的是单目标线性规划。
本文将从线性规划的定义、模型建立、求解方法等方面阐述其原理与应用。
一、线性规划的定义线性规划的定义是：在有限约束条件下，目标函数为线性的最优化问题。
它通过数学模型的建立，将涉及到的变量、约束条件与目标函数转化为线性等式或不等式的形式，从而寻找最优解。
通常，线性规划的目标是最大化或最小化某个变量，可以用以下的形式去表示：$$Z=C_1X_1+C_2X_2+……+C_nX_n $$其中，$Z$为目标函数值，$X_1, X_2,……,X_n$为待求变量，$C_1, C_2,……,C_n$为相应的系数。
在线性规划中，会涉及到许多变量，这些变量需要受到一些限制。
这些限制可以用不等式或等式来表示，这些方程式被称为约束条件。
例如：$$A_1X_1+A_2X_2+……+A_nX_n≤B$$$$X_i≥0, i=1,2,……, n $$这两个方程就代表了一些约束条件，例如目标函数系数的和不能超过某个值，若$X_i$为生产的产品数量，则需保证产量不能小于零等。
这些约束条件用于限制变量的取值范围，而目标函数则用于求解最优解。
二、线性规划的模型建立在建立线性规划模型时，需要考虑几个要素：1. 决策变量：它是模型求解的关键。
决策变量是指在模型中未知的数量，也就是需要我们寻找最优解的那些变量。
2. 目标函数：确定目标函数，既要知道最大化还是最小化，还要知道哪些变量是影响目标函数的。
3. 约束条件：约束条件通常是一组等式或不等式，代表问题的限制。
例如在一个工厂中最大的生产量、原材料的数量限制、人工的数量等等，这些都是约束条件。
4. 模型的参数：模型参数是指约束条件的系数和模型中的常数。
它们是从现实问题中提取出来的，由于模型的解法通常是数学的，因此需要具体的数值。
【最优化】线性规划基本概述
【最优化】线性规划基本概述什么是线性规划：线性规划就是特殊的有约束优化问题，⽬的是通过⼀组线性等式或者不等式下得可⾏集合点，来寻找⼀个⽬标函数的极值；通常来说，极值可以是极⼤极⼩，但是⼀般采⽤极⼩，看到相关的案例，求极⼤值直接前⾯加负号变为极⼩值即可；线性规划的基本问题形式：线性规划问题可以采⽤最基本的数学符号进⾏描述：minimize c T xsubject to Ax=bx>=0;对于上述可以这样理解，对于某个参数向量x，所满⾜的可⾏域条件为Ax=b，也成为约束⽅程，可⾏域内点集由该⽅程组确定，其中值得注意的是可⾏域条件不⼀定为等式，只需要线性即可；c T x为⽬标等式，两个都为向量，所以值为⼀个单值，旨在找到⼀个极⼩值，使得满⾜minimize的要求；因此，对于任何的问题，都可以转为标准的问题形式进⾏求解；其中，⽐较有意思的是约束条件实际定义了求解的维数，也就是如何直观的通过对x的选择，使得c T x最⼤；如果从空间思想来考虑，就可以分为简单⼆维和三位情况下的最优化；如果是简单的⼆维情况：c T x相当于ax1+bx2，相当于⼆维平⾯上的⼀条直线，其中要求的是如何选定x1,x2的值，使得k=ax1+bx2存在最⼤最⼩值（因为向量c相当于已经确定了斜率）；⽽约束条件也为围成的⼀系列可⾏域，在⼆维平⾯内选择点，使得k=ax1+bx2最⼤，也就是和x2轴交点值最⼤；如下图所⽰，书上也给了⼀个很好的例⼦：⽽对于多维情况，则需要涉及凸多⾯体问题：c T x中的c的个数已经限定了多维空间下n的⽬标函数；约束条件Ax=b，其中A为m*n维数向量，定义了m个超平⾯所围成的⼀个凸多⾯体，并且假设该多⾯体⾮空有界；书上讨论了很多种情况，例如多⾯体超平⾯的维数问题；但是这⾥还是说⼀下常规的转换求法；根据c T x得到⼀个超平⾯c T x=0；找到⼀个⽀撑超平⾯c T x=β，使得整个胞体M在半平⾯，且M和超平⾯交集为M'；所以⽆论任何属于负半区的点y，都会有c T y<β；⽽任何属于M’的点y，都有c T y=β；所以可得到⽀撑超平⾯的点是极值点，同样如果⽀撑超平⾯为单点情况下，仍然适⽤；线性规划问题的标准型：对于标准型，和之前谈到的基本形式类似，实对所有⾼维线性规划下的问题做⼀个基本的形式定义；minimize c T xsubject to Ax=bx>=0值得注意的是Ax=b的条件，所有⼤于等于的线性条件都应该转为等于进⾏讨论，个⼈认为是使得所构成的解集范围是多胞体⽽⾮多个超平⾯围成的范围；⽽对于⾮标准形式，往往有Ax>=b或者Ax<=b，所以通过变换来变成⼀般的标准形式；其中注意下不同的说辞，Ax>=b,Ax<=b，⽆⾮就是加减y⽽已，保持y>=0即可，两种情况称之为剩余变量y和松弛变量y，名字记不记住感觉⽆伤⼤雅；基本解：当给出线性规划的基本形式之后，就可以对基本解进⾏构造；总的来说，解和传统的线性齐次、⾮齐次⽅程组不同，主要关注两个类型：1.基本解；2.可⾏解；两者其实有交集，交集的形式为基本可⾏解；基本解求法：可⾏解求法：可⾏解本质就是满⾜标准形式的解，也就是满⾜Ax=b,且x>=0的解，两个条件缺⼀不可；⽽基本可⾏解就是既为基本解满⾜x>=0的解；对于书上，有给出的相关例题，说明怎么求解可⾏解和基本解：基本解的性质：最优可⾏解：能够使得⽬标函数c T x取最⼩值的解；最优基本可⾏解：该最有可⾏解为基本解；其中对于线性规划来说，有挺重要的⼀条性质：1.如果存在可⾏解，则⼀定存在基本可⾏解；2.如果存在最优可⾏解，则必定存在最优基本可⾏解；基本可⾏解的实际意义：如果对于⼀个凸集，求⽬标函数极值，则必定取值点必定是凸集上的极点，对应的就是可⾏基本解；所以最后只需要寻找可⾏基本解中哪⼀个可以使得⽬标函数c T x最⼤(最⼩)，就可以得到最优基本可⾏解；【注意】关于为什么要找极点：根据前⾯⼆维推⼴⾄多维的推导，都是根据⽀撑超平⾯来进⾏极值寻找，所以找极值点也就相当于找使得距离原点超平⾯最远的⽀撑超平⾯；所以有定理：如若存在⼀个可⾏解组成的凸集，集合中的所有n维向量x满⾜Ax=b，x>=0，其中A维m*n维向量，则x是凸集中的极值点当且仅当x是Ax=b，x>=0的基本可⾏解；证明过程如下所⽰：。
线性规划
1
2/3 1/ 2 2/3
x4 x4 x4
1 / 3 0 0 1 1 / 3 0
4 c4 cB B
1 3 x5
1
p 4 为非基变量
x 4 的检验公式
T
c 4 0 , c B ( 3 , 5 , 0 ), p 4 ( 0 ,1 , 0 )
s .t .
1 3 x5
1/3 x4 0 x 5 1 / 3
xB B-1b
B-1P4 B-1P5 xN
如果所有的检验数都小于等于零，当前解就是最优解； 如果存在至少一个检验数大于零，且该检验数对应的列
向量B-1Pj中至少有一个正分量，则问题没有达到最优；
单纯形计算表
Cj-CBB-1Pj中B是单位矩 阵，实际计算Cj-CBPj
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
1 1
单纯形法Байду номын сангаас法
max z c B B s .t . xB B
1
b (c N c B B
1
1
N )xN
1
b B
Nx
N
xB , xN 0 1、将问题转化为标准型 2 、最优性检验 如果存在 否则计算 : ，找到一个初始可行基 ；
j 0 , 且 B p j 0 ，该问题无界，停止计 k max{ c j c B B
线性规划
第二章线性规划线性规划（linear programming，简称LP）是运筹学的一个重要分支，研究得比较早，尤其自1947年丹捷格（G.B.Dantzig）提出了单纯形法之后，线性规划在理论上趋向成熟．线性规划研究的对象大体可分为两大类：一类是在现有的人、财、物等资源的条件下，研究如何合理地计划、安排，可使得某一目标达到最大，如产量、利润目标等；另一类是在任务确定后，如何计划、安排，使用最低限度的人、财等资源，去实现该任务，如使生产成本、费用最小等．这两类问题从本质上说是相同的，即都在一组约束条件下，去实现某一个目标的最优（最大或最小）．线性规划研究的问题要求目标与约束条件函数均是线性的，而目标函数只能是一个．在经济管理问题中，大量的问题是线性的，有的可以转化为线性的，从而使线性规划有极大的应用价值．据美国《财富》杂志对全美500家大公司的调查，线性规划的应用名列前茅，有85%左右的公司频繁地使用线性规划．第一节线性规划问题及其数学模型一、线性规划问题的数学模型在生产实践和日常生活中，经常会遇到如何合理地使用有限资源（如资金、劳力、材料、机器、仪器设备、时间等），以获得最大效益的问题．例2-1 某制药厂在计划期内要安排生产Ⅰ、Ⅱ两种药品，这些药品分别需要在D、、四种不同的设备上加工．按工艺规定，每千克药品Ⅰ和Ⅱ在各BCA、台设备上所需要的加工台时数如表2-1．已知各设备在计划期内有效台时数（1台设备工作1小时称为1台时）分别是12、8、16和12．该制药厂每生产1千克药品Ⅰ可得利润200元，每生产1千克药品Ⅱ可得利润300元．问应如何安排生产计划，才能使制药厂利润最大？A、两种药品每千克在各台设备上所需的加工台时数表2-1 B药品A B C DⅠ 2 1 4 0Ⅱ 2 2 0 4这是一个资源有限，但需利润最大的线性规划问题．解 设1x ，2x 分别表示在计划期内药品Ⅰ和Ⅱ的产量（千克），Z 表示这个期间的制药厂利润．则计划期内生产Ⅰ、Ⅱ两种药品的利润总额为21300200x x Z +=（元）．但是生产Ⅰ、Ⅱ两种药品在A 设备上的加工台时数必须满足122221≤+x x ；在B 设备上的加工台时数必须满足8221≤+x x ；在C 设备上的加工台时数必须满足1641≤x ；在D 设备上的加工台时数必须满足1242≤x ；生产Ⅰ、Ⅱ两种药品的数量应是非负的数，即0,21≥x x ．于是上述的问题归结为：目标函数 21300200Max x x Z += 122221≤+x x8221≤+x x约束条件 1641≤ x1242≤x0,21≥x x同样，在经济生活和生产活动中也遇到另一类问题，即为了达到一定的目标，应如何组织生产，或合理安排工艺流程，或调整产品的成分等，以使消耗（人力、设备台时、资金、原材料等）为最少．例2-2 用3种原料321B B B 、、配制某种食品，要求该食品中蛋白质、脂肪、糖、维生素的含量不低于15、20、25、30单位．以上3种原料的单价及每单位原料所含各种成分的数量，如下表2-2所示．问应如何配制该食品，使所需成本最低？表2-2 3种原料所含成分营养成分 原料 食品中营养成分的最低需要量（单位） 1B 2B3B蛋白质（单位/千克）5 6 8 15 脂肪（单位/千克）3 4 6 20 糖（单位/千克）8 5 4 25 维生素（单位/千克）10 12 8 30 原料单价（元/千克）20 25 30这个问题是在食品的营养要求得到满足的前提下，如何通过适当的原料配比，使食品的成本最低．解 设321x x x 、、分别表示原料321B B B 、、的用量（千克），Z 表示食品的成本（元），则这一食品配制问题变为：目标函数 321302520Min x x x Z ++= 15865321≥++x x x20643321≥++x x x约束条件 25458321≥++x x x3081210321≥++x x x0,,321≥x x x例2-3 某医院每天至少需要下列数量的护士（见表2-3）．表2-3 某医院每天至少需要的护士数班次 时间 护士数1 上午6时－上午10时 602 上午10时－下午2时 703 下午2时－下午6时 604 下午6时－晚10时 505 晚10时－凌晨2时 206 凌晨2时－上午6时 30每班的护士在值班开始时向病房报到，连续工作8小时．试问：为满足每班所需要的护士数，医院最少应雇用多少护士？请列出线性规划问题的数学模型．解 设1x 表示第1班次向病房报到的护士数；2x 表示第2班次向病房报到的护士数；3x 表示第3班次向病房报到的护士数；4x 表示第4班次向病房报到的护士数；5x 表示第5班次向病房报到的护士数；6x 表示第6班次向病房报到的护士数．则有目标函数 ∑==61Min Z j j x 6016≥+x x7021≥+x x6032≥+x x约束条件 5043≥+x x2054≥+x x3065≥+x x0≥j x 且为整数 6,,2,1Λ=j例2-4 某一卫生所配有1名医生和1名护士．医生每天工作8小时，护士每天工作9小时．服务的项目是接生和做小手术．一次接生，医生要花0.5小时，护士同样要花0.5小时；一次小手术，医生要花1小时，护士要花1.5小时．这是一所小规模的卫生所，每天容纳的手术数和接生数合计不能超过12次．假定一次手术的收入为200元，一次接生的收入为80元．问怎样合理安排接生和手术的数量，使医生和护士一天工作能收入最多？解 设每天手术数为1x ，每天接生数为2x ，则目标函数 2180200Max x x Z +=82121≤+x x 9212321≤+x x 12 21≤+x x0,21≥x x 且为整数二、线性规划问题的结构特征从上面4个例子可见，线性规划的数学模型（model of LP ）有如下特征：1．都有一组未知变量（n x x x ,,,21Λ）代表某一方案，它们取不同的非负值，代表不同的具体方案；2．都有一个目标要求，实现极大或极小．目标函数要用未知变量的线性函数表示；3．未知变量受到一组约束条件的限制，这些约束条件用一组线性等式或不等式表示．正是由于目标函数和约束条件都是未知变量的线性函数，所以我们把这类问题称为线性规划问题．线性规划问题的一般形式：目标函数 n n x c x c x c Z +++=Λ2211 (Min)Max11212111),(b x a x a x a n n ≥=≤+++Λ22222121),(b x a x a x a n n ≥=≤+++Λ约束条件 …………………………m n mn m m b x a x a x a ),(2211≥=≤+++Λ0,,,21≥n x x x Λ这里，n n x c x c x c +++Λ2211称为目标函数，记为Z ，其中，j c （n j ,,2,1Λ=）称为成本或利润系数；ij a （m i ,,2,1Λ=；n j ,,2,1Λ=）称为约束条件中未知变量的系数；i b （m i ,,2,1Λ=）称为限定系数．约束条件三、线性规划问题的标准形式建立线性规划的标准形式有助于我们研究它的求解方法，至于其他各种形式的线性规划问题，我们可以先将非标准形式变成标准形式，然后再用标准形式的求解方法求解．（一）线性规划问题的标准形式线性规划的标准形式（standard form of LP ）为：目标函数 n n x c x c x c Z +++=Λ2211Max 11212111b x a x a x a n n =+++Λ22222121b x a x a x a n n =+++Λ…………………………m n mn m m b x a x a x a =+++Λ22110,,21≥n x x x Λ0≥i b (m i ,,2,1Λ=)式中，jc （n j ,,2,1Λ=）称为成本或利润系数；ij a （m i ,,2,1Λ=；n j ,,2,1Λ=）称为未知变量的系数；i b （m i ,,2,1Λ=）称为限定系数．标准形式的主要特点是：①目标函数最大化；②所有的约束条件由等式表示；③所有的变量和每一约束条件右端的常数项均为非负值．（二）书写形式为书写简便，我们可以将上述线性规划问题的标准形式写成如下两种形式，其中..t s 代表约束条件．1．简缩形式∑==nj j j x c Z 1Max∑==nj i j ij b x a 1 m i ,,2,1Λ=..t s 0≥j x n j ,,2,1Λ=约束条件0≥i b m i ,,2,1Λ=2．矩阵形式CX Z =Max b AX = ..t s 0≥X0≥b其中， ),,,(21n c c c C Λ=mn m m n n a a a a a a a a a A ΛΛΛΛΛΛΛ212222111211= n x x x X Λ21= m b b b b Λ21 = 000 0Λ= 这里C 为成本或利润向量，X 为决策向量，A 为系数矩阵（或称约束矩阵），b 为限定向量（或称右端向量），条件0≥X 称为非负约束． （三）标准形式的转化当给出的线性规划为非标准形式时，可以按照下述的方法化为标准形式．1．目标函数的转换 若给出的线性规划要求目标函数极小化，即 ∑==nj j j x c Z 1Min ，因)(Max Min Z Z --=，所以只须令Z Z '=-，即有j nj j x c Z Z ∑=-=-='1)(Max )(Max Max这就是标准形式的目标函数了．2．约束条件的转换 由于标准形式要求所有的约束条件是等式，必须把不等式的约束条件化为等式．须引入新的变量，代表每个不等式左右端之间的差额．这些新的变量称为松弛变量或剩余变量．这里有2种情况：一种是约束条件为“≤”形式的不等式，则可在“≤”的左端加入非负的松弛变量，把原“≤”形式的不等式变为等式；另一种是约束条件为“≥”形式的不等式，则可在“≥”号的左端减去一个非负的剩余变量（也可称松弛变量），把不等式改为等式．例如前面例2-1中线性规划问题的标准形式可写为：目标函数 21300200Max x x Z += 12 22321＝x x x ++8 2421＝x x x ++..t s 16 451＝x x + 12 4 62＝x x +0,,,621≥x x x Λ式中6543x x x x 、、、为松弛变量．例2-2中线性规划的标准形式可写成：321302520Max x x x Z ---='15 86 5 4321=-++x x x x20 64 3 5321=-++x x x x..t s 25 45 8 6321=-++x x x x30 812107321=-++x x x x0,,,721≥x x x Λ式中Z Z '-=，74~x x 为剩余变量（也可称松弛变量）．要注意的是松弛变量或剩余变量都是非负值，它们的实际意义是未被利用的资源或额外的提供量．由于松弛变量或剩余变量都不会影响目标函数的增加或减少，所以在目标函数中它们的系数都应当为零．3．变量的非负转换 若存在无非负要求的变量，即变量k x 取正值或负值都可以，在物理、经济意义上都是合理的，这时为了满足标准形式对变量的非负要求，可令k x ＝k x '－k x ''，其中，0≥'k x ，0≥''k x ．由于k x '可能大于k x ''，k x '也可能小于k x ''，故k x 可为正值也可为负值．以上讨论说明，任何形式的线性规划问题都可化成标准形式．第二节 线性规划问题的图解法讨论两变量的线性规划问题的图解法（graphical solution of LP problems ），是为了更直观地了解线性规划问题及其解的基本概念，从而了解求解线性规划问题的一般方法——单纯形法的基本原理．一、线性规划问题解的基本概念设线性规划问题的标准形式为：⎪⎪⎩⎪⎪⎨⎧=≥=≥===∑∑==mi b n j x m i b x a t s x c Z ij nj i j j i nj jj ,,2,10,,2,10,,2,1..11ΛΛΛMax 1．可行解 满足约束条件的解T n x x x X ),,,(21Λ=，称为线性规划问题的可行解．所有可行解的集合称为可行域．2．最优解 满足目标函数式的可行解，称为线性规划问题的最优解．3．最优值 对应于最优解的目标函数之值，称为最优值．二、两个变量的线性规划问题的图解法例2-5 以上一节例2-1为例:⎪⎪⎪⎩⎪⎪⎪⎨⎧≥≤≤≤+≤++=0,124164821222..3002002121212121x x x x x x x x t s x x Z Max由于此问题是两变量的线性规划问题，因而可用图解法求解．求解过程是先求出满足约束条件的可行解区域；然后从可行解区域中找出最优解．具体步骤如下：第1步 建立平面直角坐标系，取1x 为横轴，2x 为纵轴．第2步 求满足约束条件的可行解区域．本例中作直线①：122221=+x x ,第一个约束不等式的解由直线122221=+x x 及其左下方半平面表示；作直线②：8221=+x x ，第二个约束不等式的解由直线8221=+x x 及其左下方半平面表示；作直线③：1641=x ，第三个约束不等式的解由直线1641=x 及其左方半平面表示；作直线④：1242=x ，第四个约束不等式的解由直线1242=x 及其下方半平面表示；1x 和2x 变量非负条件的区域为第1象限．满足所有约束条件的可行解区域（也称可行域）是由上述5个区域的公共部分表示，即图2-1中OABCD 的区域（包括边界）．在这个区域里的每一点(包括边界上的点)都是可行解．从图上我们可以看到这个可行域是一个凸多边形，我们把它称为凸集（如果在形体中任意取两点连接一根直线，若线段上所有的点都在这个形体中，则称该形体为凸集）．第3步 作目标函数的等值线簇，确定目标函数值增加方向．本例中，由目标函数21300200 x x Z +=可知，当Z 值取不同的数值时，在图上可得到一簇以Z 为参数的平行线．位于同一直线上的点，具有相同的目标函数值，因而称每条直线为“等值线”．对于直线21300200 x x Z +=来说，当Z 值由小变大时，直线3003212Z x x +-=向右上方平行移动．作直线600300200 21=+x x （Z ＝600），在这条直线上的所有点其Z 值均为600．第4步 从可行解区域内找满足目标函数的最优解．从图2-1中可以看到，当等值线600300200 21=+x x 向右上方平移到距原点最远且仍与可行域有一交点时，那个交点便是使Z 值取值最大的可行解，即最优解．在本例中C 点是最优解，此时1x ＝4，2x ＝2，Z ＝1400． 简单表示为：X *＝()T24，Z *=1400．例2-6 用图解法解线性规划： 212Max x x Z +=10221≤+x x 1 21≥+x x..t s 0 1≥x 0 2≥x 4 2≤x解 按照例2-5的步骤作出图2-2，求出凸五边形ABCDE 所围成的可行区域，并作目标函数的等值线)2(2221==+Z x x ，随着Z 值的逐渐增大，等值线不断向右上方平行移动，最后与可行域的边AB 重叠．所以线段AB 上的每一点所对应的（21 ,x x ）都为最优解，即该线性规划问题有无穷多个最优解，不过最优值是唯一的，10*=Z ．例2-7 解下列线性规划：⎩⎨⎧≥≤-+=0,80810..123212121x x x x t s x x Z Max 解 从图2-3可看出，规划的可行域是无界的，并且无最优解（最优解无限大）．这个例子中出现的情况在实际问题中并不存在，因为资源是有限的，所以不可能取得无限大的收益．出现这种情况往往是由于建立数学模型时考虑不周，忽略了某些约束条件而造成．三、线性规划问题解的特点由上面的图解法可以直观地看出线性规划问题的解具有如下几个特点：1．可行域总是凸多边形；2．如果一个线性规划问题确实存在唯一的最优解，那么它必定可在其可行域的一个顶点上达到；3．如果一个线性规划问题存在多重最优解，那么至少在其可行域有两个相邻的顶点所对应的目标函数值相等，且达到最大值（或最小值）；4．如果可行域中一个顶点的目标函数值比其相邻顶点的目标函数值要好的话，那么它就比其他所有顶点的目标函数值都要好，或者说它就是一个最优解．有时在求解线性规划时，会发现线性规划的约束条件矛盾，无法找到可行域，这时线性规划无解；有时也会遇到可行域无界且无最优解，这时称为无界解．第三节单纯形法在实际问题中，我们常常遇到的线性规划问题不是仅涉及两个变量，而是两个以上的多变量线性规划问题．对两个以上的多变量线性规划问题无法用图解法求解，必须使用简便有效的求解方法——单纯形法（simplex method）．一、单纯形法的基本原理（一）典型方程组一般线性规划问题标准形式的约束条件如下式（2-1），是一个有n个未知数、m个方程的线性方程组．如果这m个方程是独立的（即其中任一方程均不能由其它方程代替），则通过初等变换，必能使式（2-1）化成式（2-2）形式的同解方程组：∑==njijijbxa1mi,,2,1Λ=（2-1）1x ' +11221111b x a x a x a n n m m m m '=''+⋅⋅⋅+''+''++++ 2x ' +22222112b x a x a x a n n m m m m '=''+⋅⋅⋅+''+''++++ （2-2）…………………………………………………………mx '+m n mn m mm m mm b x a x a x a '=''+⋅⋅⋅+''+''++++2211 式中n x x x '⋅⋅⋅'',,,21是重新排序后的变量．式（2-2）被称为典型方程组．即如果在一个线性方程组中的每一个方程中都有系数为1，并且不再出现在其它方程的一个未知量，则此方程组称为典型方程组．（二）基本变量如果变量j x 在某一方程中系数为1，而在其它一切方程中的系数为零，则称j x 为该方程中的基本变量．否则为非基本变量．如式（2-2）中的m x x x '⋅⋅⋅'',,,21为基本变量，n m mx x x '⋅⋅⋅''++,,,21为非基本变量．基本变量的个数为线性无关的方程的个数．事实上，n 个变量中任意m 个都可能作为基本变量，因此由排列组合知识可知，基本变量的组数为mn c 个，n 为未知变量的个数，m 为线性无关的方程的个数．（三）基本解在典型方程中，设非基本变量为零，求解基本变量得到的解，称为基本解．基本解的个数为m n c 个．（四）基本可行解基本变量为非负的一组基本解称为基本可行解，基本可行解的个数最多不超过m n c 个．例如，对方程组32 4321=+-+x x x x ① 13 2421=+x x x － ②施行初等变换[①×（－2）＋②],可以得到：32 4321=+-+x x x x ① 572 432-=-+-x x x ③ [③×(－1)] : 32 4321=+-+x x x x ① 572432=+-x x x ④ [④×（－1）＋①]: 25431-=-+x x x ⑤ 572432=+-x x x ④式⑤和④为典型方程组，基本变量是1x 和2x ，非基本变量为3x 和4x ．设非基本变量3x 和4x 为零，则1x 和2x 分别等于-2和5，即对应于典型方程组⑤和④，基本解为：X =()T0052-．因基本变量中1x 为负值，所以此解不是基本可行解．根据方程组①和②有4个未知变量，因此通过初等变换可得到24c 组（即6组）典型方程组和基本解．若令2x 和4x 为基本变量，通过初等变换，方程组①和②可变换为： [①×（－1）＋②]: 32 4321=+-+x x x x ① 25 431－=-+x x x ③ [③×（－1/5）]: 324321=+-+x x x x ① 4.0202.0431=+--x x . x ④ [④×（－2）＋①] : 2.2604.1321=-+ x . x x ⑤ 4.0202.0431=--x x . x ＋ ④此时，典型方程组的基本变量为2x 和4x ，非基本变量为1x 和3x ．基本解为：T X ）（0.4 0 2.2 0 =，因为基本变量为非负值，所以此基本解也为基本可行解．（五）单纯形法的原理理论上已经证明，线性规划的基本可行解与可行域的顶点是一对一的．这就决定了线性规划可行域的顶点个数最多也不超过m n c 个．上面讨论线性规划问题解的特点时已指出，如果线性规划有最优解，一定可以在可行域的某个顶点处达到．因此，单纯形法的基本思路是：根据问题的标准形式，从可行域中的一个基本可行解（一个顶点）开始，转换到另一个基本可行解（顶点），并且使目标函数的值逐步增大；当目标函数达到最大值时，问题就得到了最优解．在用单纯形法求解线性规划问题时，应考虑的问题：1．建立初始基本可行解 在用单纯形法求解时，首先应将线性规划问题以标准形式表达、约束条件以右端常数非负的典型方程组表示，确定初始基本可行解．在前面的阐述中，已讨论了如何将一般线性规划问题转化为标准形式的线性规划问题，如何将约束条件通过初等变换以典型方程组形式表示，以及如何得出基本可行解（最初得到的基本可行解也称初始基本可行解），此处不再赘述．经过变换，典型方程组和初始基本可行解可用式（2-3）表示：1x +11221111b x a x a x a n n m m m m '='+⋅⋅⋅+'+'++++ 2x +22222112b x a x a x a n n m m m m '='+⋅⋅⋅+'+'++++ （2-3）………………………………………………………m x +m n mn m mm m mmb x a x a x a '='+⋅⋅⋅+'+'++++2211 初始基本可行解：T mb b X )00(10ΛΛ''=． 2．最优性检验 得到一个基本可行解后，我们要判断它是不是最优解．一般情况下，经过迭代后式（2-3）变为∑+='-'=nm j jiji i xa b x 1（m i ,,2,1Λ=） （2-4）将式（2-4）代入目标函数式，整理后得∑∑∑+==='-+'=n m j mi j iji jmi i i x a c c b c Z 111)( （2-5）令∑='=mi i i b c Z 10 , ∑='=mi iji j a c Z 1, n m m j ,,2 ,1Λ++= 于是∑+=-+=nm j j j jx Z cZ Z 10)( （2-6）由于当m j ,,2 ,1Λ=时，j mi ij i j c a c Z ='=∑=1，即0=-j j Z c （m j ,,2 ,1Λ=），所以式（2-6）也可写作∑∑∑=+=+=-+-+=-+=mj j j j nm j nm j j j jj j jx Z c x Z cZ x Z cZ Z 11100)()()(∑=-+=nj j j j x Z c Z Z 10)( n j ,,2 ,1Λ=再令j j j Z c C -= n j ,,2 ,1Λ=j C 为变量j x 的检验数．则∑=+=nj j j x C Z Z 10 （2-7）（1）最优解判别 若)0(X ＝T m b b b )00(21⋅⋅⋅'⋅⋅⋅''为基本可行解，且对一切n j ,,2 ,1Λ=,有0≤j C ，则)0(X 为最优解．（2）无有限最优解判别 若)0(X ＝T m b b b )00(21⋅⋅⋅'⋅⋅⋅''为一基本可行解，有一个k C >0，且对一切m i ,,2,1Λ=有0≤ik β（ik β为约束条件方程中的系数，n k ,,2,1Λ=），那么该线性规划问题无有限最优解（或称有无界解或无最优解）． 事实上，应用向量的乘法，可以将检验数的求法表示得简明一些．令j c 表示目标函数中变量j x 的系数，B C 表示基本变量在目标函数中的系数行向量，j P 表示变量j x 在典型方程中的系数列向量，则⎪⎪⎪⎪⎪⎭⎫⎝⎛⋅-=⋅-=-=mj j j B j j B j j j j a a a C c P C c Z c C Λ21 n j ,,2 ,1Λ= （2-8）基本变量的检验数总等于0．目标函数值b C Z B ⋅=.3．基本可行解的改进 若初始基本可行解)0(X 不是最优解及不能判别无最优解时，需找一个新的基本可行解．具体方法是：首先确定进基变量，再确定出基变量．进基变量的确定：由式（2-7）可知，检验数j C 对线性规划问题的实际意义是：j C 表示当变量j x 增加1个单位时，目标函数的增加量；其经济意义表示相对利润．当0>j C 时，说明非基本变量j x 增加1个单位，目标函数可以增加，即现在的函数值不是最优，还能增加．这时要将某个非基本变量换到基本变量中去（称为进基变量）．为了使目标函数值增长最快，所以应选择j C 值最大的一项所对应的非基本变量进基,k C =>)0j C (max . 则对应的k x 为进基变量．进基变量所在的列（k ）称为枢列．出基变量的确定：当进基变量确定后（假设i x 是进基变量），出基变量的选定是应用“最小比值规则”．即用此时的各约束方程右端的常数项i b （非负数）与相应方程中k x 的正系数ik β相比，并选取最小商值的基本变量l x 为出基变量（将由基本变量变为非基本变量）．{}lkl ik ik i i bb βββθ=⎭⎬⎫⎩⎨⎧>=0min min出基变量所在的行（l ）称为枢行．枢行与枢列交点处的元素（lk β）称为枢元．然后通过初等变换，将约束条件转为关于新的基本变量的典型方程组，并求得新的基本可行解．对于新的基本可行解可再进行上述的最优性检验．二、单纯形解法上面介绍的单纯形法原理看似复杂，但如用表格形式计算，则比较容易操作．单纯形法的计算步骤：第1步：找出初始基本可行解，建立初始单纯形表．第2步：检验对应于非基本变量的检验数j C ，若对所有的0≤j C（n j ,,2 ,1Λ=），则已得到最优解，计算最优值∑==mi i i b c Z 1，即可结束．否则，转入下一步．第3步：在所有0>j C 中，若有一个k C 对应k x 的系数列向量，即对m i ,,2,1Λ=均有0≤ik β，则此问题无有限最优解（或称有无界解或无最优解），停止计算．否则转入下一步．第4步：根据()0max >j C ＝k C ，确定k x 为进基变量，再依据“最小比值规则”（{}lk l ik ik i i b b βββθ=⎭⎬⎫⎩⎨⎧>=0min min ）确定l x 为出基变量． 第5步：实施以枢元素为中心的初等变换，使约束方程组变为关于新的基本变量的典型方程组，得到新的单纯形表，重复第二步…，一直到没有新的非基本变量可以改善目标函数为止．若线性规划模型为：CX Z =Min ..t s b AX = 0≥X上述单纯形法的计算步骤仍有效，只是其中的第二步改为：若对所有的0≥j C （n j ,,2,1Λ=），则已得到最优解；第三步改为在所有0<j C 中，若有一个k C 对应k x 的系数列向量，即对m i ,,2,1Λ=均有0≤ik β，则此问题无有限最优解（或称有无界解或无最优解）；第四步改为)0min(<j C ＝k C ，确定k x 为进基变量．例2-8 现以例2-1来说明单纯形法的表上解法．⎪⎪⎪⎩⎪⎪⎪⎨⎧≥≤≤≤+≤++=0,124164821222..3002002121212121x x x x x x x x t s x x Z Max解 首先将线性规划问题标准化，即在约束条件中引入松弛变量3x 、4x 、5x 、6x ，则标准化后的线性规划模型为：21300200Max x x Z +=12 22321＝x x x ++ 8 2421＝x x x ++..t s 16 451＝x x + 12 462＝x x + 0,,,621≥x x x Λ此时约束方程组已为典型方程组，根据上述线性规划模型可以列出初始单纯形表（表2-4）：表2-4 单纯形法求解例2-1（1）表2-4中：10040010004001021000122 为典型方程组中变量的系数，j x 为规划中出现的变量，j c 为变量j x 在目标函数中的系数，B X 为基本变量，B C 为基本变量在目标函数中的系数，b 为典型方程组右端常数项（非负值），θ为确定出基变量的商值，ikii b βθ=（0>ik β），j C 为变量j x 的检验数，j P C c C B j j ⋅-=，Z为此时目标函数值，b C Z B ⋅=． 根据初始单纯形表可以看出：初始基本可行解是01=x ，02=x ，123=x ，84=x ，165=x ，126=x此时目标函数值()⎪⎪⎪⎪⎪⎭⎫⎝⎛⋅=12168120000Z ＝0检验数111P C c C B ⋅-=＝200－()⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⋅04120000＝200222P C c C B ⋅-=＝300－()⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⋅40220000＝3003C =4C =5C ＝6C ＝0（基本变量的检验数总等于零）由于01>C ，02>C ，所以初始基本可行解非最优解．又由于12C C >，所以确定2x 为进基变量．进一步求最小θ值：{}{}33,4,6min 412,28,212min 0min min ==⎭⎬⎫⎩⎨⎧=⎭⎬⎫⎩⎨⎧>=ik ik i i b ββθ即从第4个方程中算出的商值最小，而第4个方程中的基本变量是6x ，于是6x 为出基变量．表中给第4个约束方程中2x 的系数4加上方括号以突出其为枢元．接下去的工作是将2x 取代6x ，表2-4中的约束方程化为以3x 、4x 、5x 和2x 为基本变量，1x 和6x 为非基本变量的典型方程，以便求出新的基本可行解．从表2-4中可以看到，只需对方程组实行初等变换，使枢元位置变成1，而枢列中的其它元素变为零（即以枢元为中心的初等变换）就可以了．此处可先将第4个方程除以4，使枢元位置变成1；然后用新得到的第4个方程乘以（-2）后分别加到第1个和第2个方程上，使枢列中的第1个和第二个方程所在位变为零．这样我们可以得到新的单纯形表（表2-5）．表2-5给出的新的基本可行解是1x ＝0，2x ＝3，3x ＝6，4x ＝2，5x ＝16，6x ＝0此时目标函数值()⎪⎪⎪⎪⎪⎭⎫⎝⎛⋅=31626300000Z ＝900检验数111P C c C B ⋅-=＝200-()⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⋅0412300000＝200666P C c C B ⋅-=＝0-()⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛--⋅4102121300000＝75-2C ＝3C =4C =5C ＝0（基本变量的检验数总等于零）表2-5 单纯形法求解例2-1（2）由于01>C ，所以此时基本可行解非最优解，确定1x 为进基变量． 进一步计算最小θ值：{}{}24,2,3min 416,12,26min 0min min ==⎭⎬⎫⎩⎨⎧=⎭⎬⎫⎩⎨⎧>=ik ik i i b ββθ即从第2个方程中算出的商值最小，而第2个方程中的基本变量是4x ，于是4x 为出基变量．接着进行第二次迭代，将1x 取代4x ，表2-5中的约束方程化为以3x 、1x 、5x 和2x 为基本变量，4x 和6x 为非基本变量的典型方程，以便求出新的单纯形表．重复单纯形法计算第2 步～第5步，一直到没有新的非基本变量可以改善目标函数为止（见表2-6和表2-7）．表2-6 单纯形法求解例2-1（3）表2-7 单纯形法求解例2-1（4）表2-7中：目标函数值()⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⋅=244030002000Z =1400检验数444P C c C B ⋅-==0-()⎪⎪⎪⎪⎪⎭⎫ ⎝⎛--⋅2120130002000=-150555P C c C B ⋅-==0-()⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛--⋅8121414130002000=225- 1C =2C =3C =6C =0（基本变量的检验数总等于零）由于0≤j C ，6,,2,1Λ=j ，所以此基本可行解41=x ，22=x ，03=x ，04=x ，05=x ，46=x ，即为最优解，最优值为Z *＝1400．与前面图解法求解结果一致．为了加深对单纯形法基本思想的理解，不妨将表2-4、表2-5、表2-6、表2-7和图2-1进行对照，可以发现表2-4给出的基本可行解对应于图中可行域顶点0，表2-5给出的基本可行解对应于顶点A ，表2-6给出的基本可行解对应于顶点B ，表2-7给出的最优解对应于顶点C ．线性规划问题有无穷多个可行解，应用单纯形法可以高效率地求解此类问题．例2-9 用单纯形法求解下列规划问题43213Min x x x x Z +++=4 22321=++-x x x..t s 6 3421=++x x x0,,,4321≥x x x x解 令Z Z -='，于是原线性规划问题变为标准形式：43213Max x x x x Z ----='4 22321=++-x x x..t s 6 3421=++x x x 0,,,4321≥x x x x由于约束方程组已是典型方程组，所以可直接用单纯形表求解，见表2-8．表2-8 单纯形法求解例2-9表2-8计算得最优解是1x ＝0，2x ＝2，3x ＝0，4x ＝4，最优值为Z *＝-Z '*=6． 实际上，此线性规划问题也可根据单纯形法求解的基本思想，按照前面单纯形法计算步骤中提到的改变检验数判断方法，直接用单纯形表求解极小化问题，见表2-9．若对所有的0≥j C （n j ,,2,1Λ=），则已得到最优解；所有0<j C 中，若有一个k C 对应k x 的系数列向量，即对m i ,,2,1Λ=均有0≤ik β，则此问题无有。
第二章 线性规划
第二章线性规划一.线性规划所研究的问题可以归结为两方面：1）在现有的资源条件下，如何充分利用资源，使目标完成的最好。
（求极大问题）.2)在给定的目标和任务下，以最少的资源消耗或代价，去实现目标。
（求极小化问题）。
二.线性规划的标准型：1.标准型： max z=c1x1+c2x2+…+c n x ns.t. a11x1+a12x2+…a1n x1n=b1a21x1+a22x2+…+a2n x2=b2…a m1x1+a m2x2+…a mn x n=b mx1,x2,…,x n≥02.线性规划变换方法：1）min转换为max 目标函数乘以(-1);2）对于≤引进松弛变量，将其变成取等号。
对于≥引进剩余变量，将其变成取等号。
3）将变量中的非正限制或无限制转化为非负限制。
3.二维线性规划的图解法：1）正法向量：由目标函数系数组成的与等值线垂直的向量，称正法向量。
2）等值线：使目标函数取相等值的所有点的集合，称等值线。
4.二维线性规划解的形式：1）唯一最优解 2)无穷多个最优解 3)有可行解但无最优解 4）无可行解5.线性规划解的概念：1）解：满足约束方程条件的点。
2）可行解：满足所有约束条件的点。
（非负性约束）3）最优解：使目标函数得到极值的可行解。
4）基：由最大的线性无关的列向量所构成的子矩阵。
（基向量/非基向量）5）基变量：与基向量对应的变量称为基变量。
同理（非基变量）6）基本解：X=（B-1b）（ 0 ）7）基本可行解：对于基本解，同时又满足非负性要求称基本可行解。
（可行解与基本解之间相交的部分）有图。
8）可行基：基本可行解对应的基。
9）基本最优解：满足目标函数要求的基本解。
10）退化基本可行解：基本可行解中存在取值为零的基变量。
6.线性规划的基本定理：1）如果一个线性规划问题存在可行解，则一定有基本可行解。
2）若线性规划问题存在最优解，则一定存在最优基本可行解。
三 线性规划的求解1.单纯形方法（消去发）：1）标准化处理。
第4章线性规划
f ( X ) 5 x1 4 x 2 4 x1 x 2 60 x1 x 2 24 x1 0 x2 0
(1) ( 2) ( 3) ( 4) ( 5)
例题21： • 首先由(4)，(5)二式（x1≥ 0、x2 ≥ 0）知， 其解
在第一象限所在的范围，所以在画图时将第二、
产品Ⅰ 产品Ⅱ 资源总量
设 备（台时）
原料A（公斤） 原料B（公斤）
1
4 0
2
0 4
8
16 12
利 润（百元）
2
3
线性规划范例
• 例B. 任务分配问题
表2
产品
1 23
2 21
3 19
4 17
某公司拟生产4种产品， 可分配给下属的3个工厂 生产，由于工厂的地理位 置和设备不同，每个工厂 生产每种产品的成本不相 同，加工能力也不相同。 有关数据分别由表2和表3 给出。公司应如何给下属 各工厂分配任务，才能在 保证完成每种产品的任务 的条件下，使得公司所花 费的成本最少？
例 : x2 0 y 0, y x2
对于无限制变量的处理：同时引进两个非负变量， 然后用它们的差代替无限制变量。
例 : x2无限制 x2 y1 y2 y1 , y2 0
例题20： 将下述线性规划问题化为标准形
m i n s .t . f ( X ) x1 2 x 2 3 x 3 2 x1 x 2 x 3 9 3 x1 x 2 2 x 3 4 3 x1 2 x 2 3 x 3 6 x1 0, x 2 0, x 3无限制
含量限制 原 A B C 加工费（元/kg） 料 纱线1 ≥60% 无 ≤20% 1.5 纱线2 ≥15% ≥10% ≤60% 1.2 纱线3 无 无 50% 0.9 （元/kg） 6 4.5 3 （kg/月） 2000 2500 1200 原料成本 原料限量
第一章 线性规划
线性规划
【开篇案例】
一、人力资源分配的问题
某旅行社为了迎接旅 游黄金周的到来，对一日 游导游人员的需求经过统 计分析如表所示。为了保 证导游充分休息，导游每 周工作 5天，休息两天， 并要求休息的两天是连续 的。问应该如何安排导游 人员的作息，既满足工作 需要，又使配备的导游人
下午5时14分
什么是规划？
• 以上问题无一例外都属于规划问题，涉及到求解最大值 和最小值
• 人们经常谈规划，比如国家有5年规划、10年规划、城市 有城市规划，个人有自己的人生规划.
• 规划是在现有的人力、物力水平下，使得目标达到最优 的全面、理性的计划
下午5时14分
线性规划
• 线性规划简介： • 运筹学中最成熟的一个分支 • 静态规划：单周期决策
第一节 下午5时14分 线性规划的一般模型
三、线性规划模型的特征
1. 模型隐含假定
作为严密的数学模型，线性规划蕴含着以下假定： （1）线性化假定
函数关系式f(x)= c1x1+c2x2+… +cnxn，称线性函数。 经济学中大多数函数都是非线性，通过偏导求最优。但在企业
运营决策中，经常考虑比较短时间内的计划安排，通过线性化 更便于应用。
乙两种产品的铸造中，由本公司铸造和由外包协作各应多少件？
甲
乙
丙
资源限制
铸造工时(小时/件)
5
10
7
8000
机加工工时(小时/件)
6
4
8
12000
装配工时(小时/件)
3
2
2
10000
自产铸件成本(元/件)
3
5
4
外协铸件成本(元/件)
线性规划
x12 x13
线性规划的典型实例
运输问题
数学模型
10x11 min f s.t. x11 x12 x 21 x 22 x11 x 21 x12 x13 x ij x 22 x 23 0 (i 1, 2; j 12x12 9x13 x13 35 x 23 55 26 38 26 1, 2, 3) 8x 21 11x 22 13x 23
基本解不是线性规划问题的解，而是仅满足约束方程组的解
线性规划问题中解的概念
可行解、可行域
上面的分析仅考虑了约束方程组Ax=b，下面进一步考虑线性规划问题的非负 约束。我们称既满足约束方程组Ax=b，又满足非负约束x≥0的解为线性规划 问题的可行解，即可行解满足线性规划问题的所有约束。可行解的集合称为可 行域，记作：
下面将分步骤详细分析如何获得这个线性规划问题的解，同时介绍在这类问题 中的几个概念
线性规划问题中解的概念
基本解
如果线性规划问题的解存在，则它必定是满足Ax=b的有限多个“基本解”中 选出的，那么我们的第一个任务就是找出满足方程Ax=b的基本解 假设独立方程的个数为m个，故Ax=b的系数矩阵A的秩为m，于是A中必有m 个列向量是线性无关的，不妨假设A中的前m个列向量线性无关，则这m个列 向量可以构成矩阵A的m阶非奇异子矩阵，用矩阵B表示：
D x | Ax b, x 0
基本可行解
特别的，若线性规划问题的基本解能够满足线性规划问题中的非负约束，即：
xB B 1b 0
则称该解xB为基本可行解，简称基可行解，称B为可行基。基可行解的数量不 m 会超过 C n 个。显然，基本可行解一定是可行解，基可行解是可行域中一种特 殊的解
最优解
线性规划知识点
线性规划知识点一、什么是线性规划线性规划是一种数学优化方法，用于解决在给定约束条件下的线性目标函数的最优化问题。
线性规划的目标函数和约束条件都是线性的，因此可以通过线性代数的方法进行求解。
线性规划在实际问题中有广泛的应用，如生产计划、资源分配、运输问题等。
二、线性规划的基本要素1. 目标函数：线性规划的目标是最大化或者最小化一个线性函数，通常表示为Z = c₁x₁ + c₂x₂ + ... + cₙxₙ，其中 Z 为目标函数值，c₁, c₂, ..., cₙ 为系数，x₁, x₂, ..., xₙ为决策变量。
2. 决策变量：决策变量是问题中需要决策的变量，通常表示为x₁, x₂, ..., xₙ。
决策变量的取值决定了目标函数的值。
3. 约束条件：约束条件限制了决策变量的取值范围。
约束条件可以是等式约束或者不等式约束，通常表示为 a₁₁x₁ + a₁₂x₂ + ... + a₁ₙxₙ ≤ b₁，a₂₁x₁ +a₂₂x₂ + ... + a₂ₙxₙ ≤ b₂，...，aₙ₁x₁ + aₙ₂x₂ + ... + aₙₙxₙ ≤ bₙ，其中 a₁₁, a₁₂, ..., aₙₙ 为系数，b₁, b₂, ..., bₙ 为常数。
4. 非负约束：线性规划中通常要求决策变量的取值非负，即 x₁ ≥ 0, x₂ ≥ 0, ...,xₙ ≥ 0。
三、线性规划的解法线性规划可以通过不同的方法进行求解，常见的方法包括图形法、单纯形法和内点法。
1. 图形法：图形法适合于二维或者三维的线性规划问题。
首先将目标函数和约束条件转化为几何形式，然后在坐标系中绘制约束条件的图形，最后通过图形的分析找到最优解点。
2. 单纯形法：单纯形法是一种通过迭代寻觅最优解的方法。
该方法从一个可行解开始，通过不断挪移到相邻的可行解来逐步接近最优解。
单纯形法的核心是单纯形表，通过表格的变换和计算来确定下一个迭代点，直到找到最优解。
3. 内点法：内点法是一种通过迭代寻觅最优解的方法。
线性规划知识点
线性规划知识点引言概述：线性规划是一种数学优化方法，用于解决线性约束条件下的最优化问题。
它在工程、经济学、管理学等领域有着广泛的应用。
本文将详细介绍线性规划的相关知识点。
一、线性规划的定义与基本概念1.1 目标函数：线性规划的目标是通过最大化或最小化目标函数来达到最优解。
目标函数是一条线性方程，表示需要优化的目标。
1.2 约束条件：线性规划问题还需要满足一组线性约束条件，这些条件对决策变量的取值范围进行了限制。
1.3 决策变量：决策变量是指在线性规划问题中需要进行决策的变量，其取值将影响目标函数的值。
二、线性规划的基本模型2.1 标准型线性规划：标准型线性规划是指目标函数为最小化问题，约束条件为等式形式的线性规划问题。
2.2 松弛变量与人工变量：为了将约束条件转化为等式形式，我们引入松弛变量和人工变量。
2.3 基变量与非基变量：在标准型线性规划中，基变量和非基变量是用来描述决策变量的状态的。
三、线性规划的解法3.1 单纯形法：单纯形法是一种常用的线性规划解法，通过迭代计算基变量和非基变量的取值，直到找到最优解。
3.2 对偶性理论：线性规划问题与其对偶问题之间存在着对偶关系。
对偶性理论可以帮助我们求解原始问题的最优解。
3.3 整数线性规划：当决策变量需要取整数值时，我们可以使用整数线性规划方法来求解。
整数线性规划问题更加复杂，通常需要使用分支定界等方法求解。
四、线性规划的应用领域4.1 生产计划：线性规划可以用于优化生产计划，通过合理安排生产资源和生产量，实现最大化利润或最小化成本。
4.2 运输问题：线性规划可以用于解决运输问题，通过合理分配运输量和运输路径，实现最优的物流方案。
4.3 资源分配：线性规划可以用于资源分配问题，如人力资源、资金分配等，通过最优化决策，实现资源的合理利用。
五、线性规划的局限性与拓展5.1 非线性规划：线性规划只适用于目标函数和约束条件为线性关系的问题。
对于非线性问题，我们需要使用非线性规划方法进行求解。
1.2线性规划的解
. ..
x2 .3 .
. x1 2x2 2 . . . . .
0
x1
解： （1）在直角坐标系上画出可行域
x1 4
x1 2x2 8
（2）做目标函数的等值线 x1 2x2 2
(3)最优值z* 8
求交点：
x1 x2
2x2 3
8
x1 x1
2x2 4
8
(x1, x2 ) (2,3)
(x1, x2 ) (4,2)
max z 7x1 x2
x1 2x2 6
s.t
x1 x2 1 x1 2
x1 , x2 0
其标准型为
max z 7x1 x2
x1 2x2 x3 6
s.t
x1 x2 x4 1 x1 x5 2
x1, x2 , x3 , x4 , x5 0
1 2 1 0 0
系数矩阵A
2x1 x2 3
可行域为空集
无可行解
该问题无最优解
图解法的基本步骤：
1、在直角坐标系x1ox2上做出可行域S的图形
（一般是一个凸多边形）
2、令目标函数值取一个给定的常数k,
做等值线Z c1x1 c2 x2 k 3、对max 问题，令目标函数值k由小变大, 即让等值线向上平移，
若它与可行域S最后交于一个点（一般是S的一个顶点）， 则该点就是所求的最优点， 若与S的一条边界重合，此时边界线上的点均是最优点
退化基本可行解：基本可行解中，存在取0值的基变量
对应的基称为退化基
非退化基本可行解：基本可行解中，基变量的取值均>0
对应的基称为非退化基
线性规划问题
退化的线性规划问题：存在退化基 非退化的线性规划问：题 所有基均非退化
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.。
第一章 线性规划
第一章 线性规划
(Linear Programming, LP)
概述
• 线性规划问题的提出最早是1939年由前苏联 数学家康托洛维奇在研究铁路运输的组织问题、 工业生产的管理问题时提出来的。
（5）若bi < 0，则－bi > 0
举例: 化下列线性规划为标准形
max z=2x1+2x2－4x3 x1 + 3x2－3x3 ≥30 x1 + 2x2－4x3≤80 x1、x2≥0，x3无限制
max z=2x1+2x2－4x3’+4x3” x1 + 3x2－3x3’+3x3” –x4 = 30 x1 + 2x2－4x3+ 4x3” + x5 = 80 x1、x2 、x3’、x3” 、x4、x5 ≥0
称X0为该线性规划对应与基B的一个基本解。
同样，在A中任选m个线性无关的列向量都可以组成一个基， 对应基一个基本解。对于一个LP最多有多少呢？从n个中 选m个进行组合，即：
Cnm=n！/[（n－m）！m！] 因此，基本解是有限的。
举例：找出下列LP所有的基及其对应的基本解 max z=6x1+4x2 2x1 + 3x2≤100 4x1 + 2x2≤120 x1、x2≥0
资源
产品
甲
乙 资源限制
A
1
B
2
C
0
单位产品利润(元/件) 50
1
300kg
1
400kg
1
250kg
100
• 决策变量：x1、x2——分别代表甲、乙两
4线性规划的基本理论
第四章 线性规划本章主要内容：线性规划的基本理论 线性规划的单纯形法 线性规划的对偶理论 线性规划的对偶单纯形法教学目的及要求：理解线性规划的基本理论；掌握线性规划的单纯形法；理解线性规划的对偶理论；掌握线性规划的对偶单纯形法。
教学重点：线性规划的单纯形法． 教学难点：线性规划的对偶单纯形法． 教学方法：启发式．教学手段：多媒体演示、演讲与板书相结合． 教学时间：6学时． 教学内容：§4.1 线性规划的基本理论考虑线性规划问题11min ;,1,2,,,0,1,2,,.nj j j n ij j i j j c x a x b i m x j n ==⎧⎪⎪⎪==⎨⎪⎪≥=⎪⎩∑∑s.t. (LP)或min ;,0.T c x Ax b x ⎧⎪=⎨⎪≥⎩s.t. 其中 121212(,,,),(,,,),(,,,),(),T T T n n m ij m n x x x x c c c c b b b b A a ⨯====A 称为约束矩阵，Ax b =称为约束方程组，0x ≥称为非负约束．假定：rank()A m =．定义 在（LP ）中，满足约束方程组及非负约束的向量x 称为可行解或可行点；所有可行解的全体称为可行解集或可行域，记作K ，即{,0}K Ax b x ==≥．使目标函数在K 上取到最小值的可行解称为最优解；最优解对应的目标函数值称为最优值．定义 在（LP ）中，约束矩阵A 的任意一个m 阶满秩子方阵B 称为基，B 中m 个线性无关的列向量称为基向量，x 中与B 的列对应的分量称为关于B 的基变量，其余的变量称为关于B 的非基变量．任取（LP ）的一个基12(,,,)m j j j B p p p =，记12(,,,)m T B j j j x x x x =，若令关于B 的非基变量都取0，则约束方程Ax b =变为B Bx b =．由于B 是满秩方阵，因此B Bx b =有唯一解1B x B b -=．记121(,,,)m T j j j B b x x x -=，则由12,1,2,,,0,{1,2,,}{,,,}k k j j j m x x k m x j n j j j ===∀∈-所构成的n 维向量x 是Ax b =的一个解，称之为（LP ）的关于B 的基本解．基本解满足约束方程组，但不一定满足非负约束，所以不一定是可行解．若10B b -≥，即基本解x 也是可行解，则称x 为（LP ）的关于基B 的基本可行解，相应的基B 称为（LP ）的可行基；当10B b ->时，称此基本可行解x 是非退化的，否则，称之为退化的．若一个（LP ）的所有基本可行解都是非退化的，则称该（LP ）是非退化的，否则，称它是退化的．例1 求下列线性规划问题的所有基本可行解．12123124min 44;4,2,0,1,2,3,4.j x x x x x x x x x j -⎧⎪-+=⎪⎨-++=⎪⎪≥=⎩s.t. 解 约束矩阵的4个列向量依次为12341110,,,1101p p p p -⎛⎫⎛⎫⎛⎫⎛⎫==== ⎪ ⎪ ⎪ ⎪-⎝⎭⎝⎭⎝⎭⎝⎭．全部基为113214323424534(,),(,),(,),(,),(,),B p p B p p B p p B p p B p p =====对于1B ，1x 和3x 为基变量，2x 和4x 为非基变量．令2x =4x =0，有1314,2,x x x +=⎧⎨-=⎩ 得到关于1B 的基本解(1)(2,0,6,0)T x =-，它不是可行解．对于2B ，1x 和4x 为基变量，2x 和3x 为非基变量．令2x =3x =0，有1144,2,x x x =⎧⎨-+=⎩ 得到关于2B 的基本解(2)(4,0,0,6)T x =，它是一个非退化的基本可行解．同理，可求得关于345,,B B B 的基本解分别为(3)(4)(5)(0,2,6,0),(0,4,0,6),(0,0,4,2)T T T x x x ==-=，显然，(3)x 和(5)x 均是非退化的基本可行解，而(4)x 不是可行解．因此，该问题的所有基本可行解为(2)(3)(5),,x x x ．此外，因为这些基本可行解都是非退化的，所以该问题是非退化的．定理1 设x 为（LP ）的可行解，则x 为（LP ）的基本可行解的充要条件是它的非零分量所对应的列向量线性无关．证明 不妨设x 的前r 个分量为正分量，即12(,,,,0,,0),0(1,2,,).T r j x x x x x j r =>=若x 是基本可行解，则取正值的变量12,,,r x x x 必定是基变量，而这些基变量对应的列向量12,,,r p p p 是基向量．故必定线性相关．反之，若12,,,r p p p 线性无关，则必有0r m ≤≤．当r m =时，12(,,,)r B p p p =就是一个基；当r m <时，一定可以从约束矩阵A 的后n r -个列向量中选出m r -个，不妨设为12,,,r r m p p p ++，使121(,,,,,,)r r m B p p p p p +=成为一个基．由于x 是可行解，因此1rj j j x p b ==∑，从而必有1mj j j x p b ==∑．由此可知x 是关于B 的基本可行解．定理2 x 是（LP ）的基本可行解的充要条件是x 为（LP ）的可行域的极点． 证明 由定理4.1.1和定理2.2.2知结论成立． 例2 求下列线性规划问题的可行域的极点．1212314min ;22,2,0,1,2,3,4.j x x x x x x x x j -⎧⎪++=⎪⎨+=⎪⎪≥=⎩s.t. 解 因为约束矩阵的4个列向量依次为12341210,,,1001p p p p ⎛⎫⎛⎫⎛⎫⎛⎫==== ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭．全部基为112213314424534(,),(,),(,),(,),(,),B p p B p p B p p B p p B p p =====求得关于基12345,,,,B B B B B 的基本解分别为(1)(2)(3)(4)(5)(2,0,0,0),(2,0,0,0),(2,0,0,0),(0,1,0,2),(0,0,2,2)T T T T Tx x x x x =====显然，(1)(2)(3),,x x x 均为退化的基本可行解，(4)(5),x x 是非退化的基本可行解．可行域有三个极点：(2,0,0,0)T ，(0,1,0,2)T ，(0,0,2,2)T ．定理3 若（LP ）有可行解，则它必有基本可行解． 证明 由定理2.2.1及定理4.1.2知结论成立．定理4 若（LP ）的可行域K 非空有界，则（LP ）必存在最优解，且其中至少有一个基本可行解为最优解．证明 根据推论2.2.6，（LP ）的任一可行解x 都可表示为（LP ）的全部基本可行解12,,,k x x x 的凸组合，即1,ki i i x x x K λ==∀∈∑，其中10(1,2,,),1ki i i i k λλ=≥==∑．设s x 是使（LP ）中目标函数值达到最小的基本可行解，即 1min T T s i i kc x c x ≤≤=，则11,kkTTT T i i i s s i i c x c x c x c x x K λλ===≥=∀∈∑∑．这表明，基本可行解s x 为（LP ）的最优解．定理5 设（LP ）的可行域K 无界，则（LP ）存在最优解的充要条件是对K 的任一极方向d ，均有0T c d ≥．证明 根据定理2.2.10，（LP ）的任一可行解x 都可写成11kli i j j i j x x d λμ===+∑∑，其中12,,,k x x x 为（LP ）的全部基本可行解，12,,,l d d d 为K 的全部极方向，且10(1,2,,),1,0(1,2,,)ki i j i i k j l λλμ=≥==≥=∑．于是，（LP ）等价于下面以0(1,2,,)0(1,2,,)i j i k j l λμ≥=≥=和为决策变量的线性规划问题111min ()();1,0,1,2,,,0,1,2,,.k lT T i i j j i j k i i i j c x c d i k j l λμλλμ===⎧+⎪⎪⎪⎪=⎨⎪⎪≥=⎪≥=⎪⎩∑∑∑s.t. 由于j μ可以任意大，因此若存在某个j d ，使0T j c d <，则上述问题的目标函数无下界，从而不存在最优解，从而（LP ）不存在最优解．若1,2,,j l ∀=，均有0T j c d ≥，设1min T T s i i kc x c x ≤≤=，则11()(),k lTTT T i i j j s i j c x c x c d c x x K λμ===+≥∀∈∑∑．所以基本可行解s x 是（LP ）的最优解．推论6 若（LP ）的可行域K 无界，且（LP ）存在最优解，则至少存在一个基本可行解为最优解．证明 由定理4.1.5的证明过程可知结论成立． 定理7 设在（LP ）的全部基本可行解12,,,k x x x 中，使目标函数值最小者为12,,,s i i i x x x ；在K 的全部极方向12,,,l d d d 中，满足0T j c d =者为12,,,t j j j d d d ．若（LP ）存在最优解，则x 为（LP ）的最优解的充要条件是存在10(1,2,,),1,0(1,2,,)pp q si i j p p s q t λλμ=≥==≥=∑使11p p q q sti i j j p q x x d λμ===+∑∑． （*）证明 因为（LP ）存在最优解，所以由定理4.1.4和推论4.1.6及其证明知，基本可行解12,,,s i i i x x x 是（LP ）的最优解．设x 具有（*）式的形式，则由推论2.2.6和定理2.2.10知，x 为（LP ）的可行解，从而由（*）式知，111p p q q stTTT T i i j j i p q c x c x c d c x λμ===+=∑∑因此，x 为（LP ）的最优解．反之，设x 为（LP ）的任一最优解，则x 为可行解，于是由推论2.2.6和定理2.2.10知，存在 10(1,2,,),1,0(1,2,,)ki i j i i k j l λλμ=≥==≥=∑，使 11kli i j j i j x x d λμ===+∑∑． （**）根据定理1.1.5，有 0,1,2,,T j c d j l ≥=， 且由1i x 为最优解知1,1,2,,T T i i c x c x i k ≥=．从而由上述两式容易用反证法证明：若（**）式中某个0i λ>，则i x 必为（LP ）的最优解；若（**）式中某个0j μ>，则必有0T j c d =。
线性规划的基本概念与解法
优势：线性规划可以帮助企业快速找到最优的生产计划方案，提高生产效率，降低成本， 增加利润。
运输问题
添加项标题
定义：在多个供应点和需求点之间，如何分配有限的资源以达到 最大效益或满足某些特定条件的问题。
06
线性规划的发展趋势与展望
线性规划算法的改进与优化
算法优化：提高求解速度和精度，减少计算量 混合整数规划：将整数条件引入线性规划，解决更复杂的问题 启发式算法：采用启发式策略加速求解，适用于大规模问题 并行计算：利用多核处理器并行计算，提高求解效率
大数据背景下线性规划的应用拓展
线性规划在大数据时代的应用场景 线性规划在数据挖掘和机器学习中的应用 大数据对线性规划算法的挑战和机遇 线性规划在大数据分析中的未来展望
线性规划的数学模型
目标函数：要求最大或最小化 的线性函数
约束条件：决策变量的限制条 件，一般为线性不等式或等式
定义域：决策变量的取值范围
线性规划问题：在满足约束条 件下，求目标函数的最大或最 小值
线性规划的几何意义
线性规划问题可以转化为在可行域内寻找一组最优解 线性规划的目标函数可以表示为可行域上的一组直线 最优解通常位于可行域的顶点或边界上 线性规划问题可以转化为求解一系列线性方程组
人工智能与线性规划的结合展望
人工智能技术在 优化问题中的应 用
线性规划问题在 人工智能领域的 实际应用
人工智能算法与 线性规划算法的 结合方式
未来人工智能与 线性规划结合的 发展趋势和展望
感谢观看
汇报人：XX
初始解的调整：如果初始基本可行解不满足最优性条件，需要进行调整以获得更好的解。
高中数学线性规划与动态规划
高中数学线性规划与动态规划数学是一门抽象而深奥的学科，其中涵盖了大量的分支和理论。
在高中阶段，线性规划与动态规划是数学中的两个重要概念，对于解决实际问题和优化决策具有重要意义。
本文将介绍高中数学中线性规划与动态规划的概念、原理以及实际应用。
一、线性规划线性规划是数学规划问题中的一种常见方法。
它的目标是在满足多个线性约束条件的前提下，寻找线性目标函数的最优解。
线性规划问题可以用图像来表示，其中目标函数和约束条件都是线性方程或线性不等式。
线性规划的标准形式可以表示为：Maximize (或Minimize) Z = c₁x₁ + c₂x₂ + … + cₙxₙSubject to:a₁₁x₁ + a₁₂x₂ + … + a₁ₙxₙ ≤ b₁a₂₁x₁ + a₂₂x₂ + … + a₂ₙxₙ ≤ b₂…aₙ₁x₁ + aₙ₂x₂ + … + aₙₙxₙ ≤ bₙx₁, x₂, …, xₙ ≥ 0其中，Z表示线性目标函数的值，c₁, c₂, …, cₙ为目标函数中的系数，aᵢₙ为约束条件中的系数，b₁, b₂, …, bₙ为约束条件的右边常数，x₁, x₂, …, xₙ为决策变量。
线性规划问题可以使用单纯形法等算法求解，得到最优解及最优解对应的目标函数值。
二、动态规划动态规划是一种通过将原问题拆分成子问题并保存子问题解，然后利用这些子问题的解来求解原问题的方法。
它适用于那些具有重叠子问题和最优子结构性质的问题。
动态规划通常包含以下几个步骤：1. 定义子问题：将原问题拆分成一系列子问题，这些子问题和原问题具有相同的性质，并且可以通过子问题的解来推导出原问题的解。
2. 确定状态：将子问题的解表示成状态，通常使用状态转移方程来描述状态之间的关系。
3. 构建状态转移方程：根据子问题的性质和状态之间的关系，建立状态转移方程，以表达问题的最优解与子问题最优解之间的关系。
4. 确定初始条件：确定问题的起始状态下的初始值，通常需要定义初始值。
- 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)。
5.在直角坐标系xOy 中，直线l 的参数方程为,
4x t y t
=⎧⎨=+⎩（t 为参数）．以原点O 为极点，
以x 轴的正半轴为极轴建立极坐标系，曲线C 的极坐标方程为42sin()4
ρθπ=+，则直
线l 和曲线C 的公共点有
A ．0个
B ．1个
C ．2个
D ．无数个 7.直线y x =与函数2
2,,()42,
x m f x x x x m
>⎧
=⎨++≤⎩的图象恰有三个公共点，则实数m 的取
值范围是
A ．[1,2)-
B ．[1,2]-
C ．[2,)+∞
D ．(,1]-∞-
（3）若实数x ，y 满足不等式组1,2,0,y x y x y +≤⎧⎪
-≤⎨⎪≥⎩
则y x z 2-=的最小值为
（A ）2
7-
（B ） 2- （C ）1 （D ）
2
5
2．参数方程2cos (sin x y θθθ=⎧⎨=⎩，
，
为参数)和极坐标方程6cos ρθ=-所表示的图形分别是
（ ） (A) 圆和直线 (B) 直线和直线 (C) 椭圆和直线 (D) 椭圆和圆 5．若x ，y 满足约束条件⎪⎩
⎪
⎨⎧≤≤≥+-≥+30030x y x y x ，则y x z -=2的最大值为（ ）
（A ）9 （B ）8 （C ）7 （D ）6
7．圆2220x y ax +-+=与直线l 相切于点(3,1)A ，则直线l 的方程为( ) (A) 250x y --= (B) 210x y --= (C)20x y --= (D) 40x y +-=
6.已知函数⎪⎩⎪⎨⎧≥-+<--=0
,120
,12)(22x x x x x x x f ，则对任意R ∈21,x x ，若120x x <<，下列不等
式成立的是( ) （A ）12()()0f x f x +< （B ）12()()0f x f x +> （C ）12()()0f x f x -> （D ）12()()0f x f x -<
（3）直线11x t y t
=+⎧⎨
=-⎩（t 为参数）的倾斜角的大小为
（A ）4
-
π （B ）4
π （C ）2
π
（D ）
34
π
（4）若整数,x y 满足1,1,3,2x y x y y ìïï
ï- ïï
ï+ íïïïï£ïïî
则2x y +的最大值是（A ）1（B ）5（C ）2（D ）3
（3）在极坐标系中，过点3(2,
)2
π且平行于极轴的直线的极坐标方程是
（A ）sin 2ρθ=- （B ）cos 2ρθ=- （C ）sin 2ρθ= （D ）cos 2ρθ=
（7）已知函数2,1,
()1,
1,x ax x f x ax x ⎧-+≤=⎨->⎩ 若1212,,x x x x ∃∈≠R ，使得12()()f x f x =成立，则
实数a 的取值范围是
（A ）2a < （B ）2a > （C ）22a -<< （D ）2a >或2a <-
5.已知直线l ：10x y --= 和圆C ：cos 1sin x y θ
θ
=⎧⎨=+⎩（θ为参数，R θ∈），则直线l 与圆C
的位置关系为
A. 直线与圆相交
B. 直线与圆相切
C. 直线与圆相离
D.直线与圆相交但不过圆心 A. 直线与圆相切 B. 直线与圆相离 3．椭圆 3cos 5sin x y ϕ
ϕ
=⎧⎨=⎩(ϕ是参数)的离心率是（ ）
（A ）
35
（B ）
45
（C ）
925
（D ）
1625
3．若实数x ，y 满足条件0,30,03,x y x y x +≥⎧⎪
-+≥⎨⎪≤≤⎩
则2x y -的最大值为（ ）
（A ）9 （B ）3 （C ）0 （D ）3-
4. 已知直线l ：为参数）t t y t
x (1
⎩⎨⎧+==，圆C ：2cos ρθ=，则圆心C 到直线l 的距离是
A. 2
B.
3
C. 2
D. 1。