线性规划问题及灵敏度分析
线性规划题及答案
线性规划题及答案1. 问题描述假设一家餐馆每天供应两种菜品：A和B。
每份A菜品的成本为2美元，每份B菜品的成本为3美元。
餐馆每天有100美元的预算用于购买这两种菜品。
餐馆预计每天能卖出20份A菜品和30份B菜品。
每份A菜品的售价为5美元，每份B 菜品的售价为4美元。
餐馆希望最大化每天的利润。
2. 线性规划模型设变量：x1：购买的A菜品的份数x2：购买的B菜品的份数目标函数：最大化利润：Z = 5x1 + 4x2约束条件：成本约束：2x1 + 3x2 ≤ 100供应约束：x1 ≤ 20x2 ≤ 30非负约束：x1, x2 ≥ 03. 求解线性规划问题为了求解该线性规划问题，我们可以使用各种数学软件或线性规划求解器。
下面是使用一个线性规划求解器得到的最优解。
x1 = 20x2 = 26.67Z = 186.67解释：根据最优解，餐馆应该购买20份A菜品和26.67份B菜品以最大化每天的利润。
在这种情况下，每天的利润为186.67美元。
4. 灵敏度分析灵敏度分析用于确定目标函数系数或约束条件右侧值的变化对最优解的影响。
下面是对目标函数系数和约束条件右侧值进行灵敏度分析的结果。
目标函数系数灵敏度：如果A菜品的售价增加1美元，即目标函数系数从5变为6，则最优解不变，仍然是购买20份A菜品和26.67份B菜品。
如果B菜品的售价增加1美元，即目标函数系数从4变为5，则最优解不变，仍然是购买20份A菜品和26.67份B菜品。
约束条件右侧值灵敏度：如果成本约束从100美元增加到120美元，则最优解不变，仍然是购买20份A菜品和26.67份B菜品。
如果A菜品供应约束从20份增加到25份，则最优解不变，仍然是购买20份A菜品和26.67份B菜品。
如果B菜品供应约束从30份减少到25份，则最优解不变，仍然是购买20份A菜品和26.67份B菜品。
根据线性规划模型的最优解和灵敏度分析的结果，我们可以得出以下结论：- 餐馆应该购买20份A菜品和26.67份B菜品以最大化每天的利润。
运筹学实验报告线性规划及其灵敏度分析
数学与计算科学学院实验报告
实验项目名称线性规划及其灵敏度分析
所属课程名称运筹学B
实验类型综合
实验日期2014年10月24日
班级数学1201班
学号************
成绩
附录1：源程序
附录2：实验报告填写说明
1．实验项目名称：要求与实验教学大纲一致.
2．实验目的：目的要明确，要抓住重点，符合实验教学大纲要求.
3．实验原理：简要说明本实验项目所涉及的理论知识.
4．实验环境：实验用的软、硬件环境.
5．实验方案（思路、步骤和方法等）：这是实验报告极其重要的内容.概括整个实验过程.
对于验证性实验，要写明依据何种原理、操作方法进行实验，要写明需要经过哪几个步骤来实现其操作.对于设计性和综合性实验，在上述内容基础上还应该画出流程图、设计思路和设计方法，再配以相应的文字说明.对于创新性实验，还应注明其创新点、特色. 6．实验过程（实验中涉及的记录、数据、分析）：写明具体实验方案的具体实施步骤，包括实验过程中的记录、数据和相应的分析.
7．实验结论（结果）：根据实验过程中得到的结果，做出结论.
8．实验小结：本次实验心得体会、思考和建议.
9．指导教师评语及成绩：指导教师依据学生的实际报告内容，给出本次实验报告的评价.。
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。
第4章线性规划灵敏度分析
-2 x1 1
0
σj
0
0
-4 0 0 B-1b
x3 x4 x5 -1/5 -2/5 1/5 2/5 7/5 -1/5 -2/5 11/5 -9/5 -8/5 -1/5 -28/5
从表中看到 c3= -4, σ3= -9/5 可得到Δc3 ≤-σ3 = 9/5 时，即 c’3≤-4 + 9/5 = -11/5 时原最优解不变。
（1）参数在什么范围内变化时，原最优解或最优基不变—— 数据的稳定区间；
（2）当参数超出（1）的变化范围时，最优解或最优基有何变 化——如何求出新的最优解和最优基。
当模型的参数发生变化后，可以不必对线性规划问题重新 求解，而用灵敏度分析方法直接在原线性规划取得的最优结果 的基础上进行分析或求解，既可减少计算量，又可事先知道参 数的变化范围，及时对原决策作出调整和修正。
xk为换入变量
对 所 有 aik>0 计 算 θi=bi/aik 令θl=min{θi} 第l个基变量为换出变
量，alk为主元素
令 bl/alk→bl; alj/alk→ajl 对主元素列(第k列)令1→alk; 0→其它 元素表中其它行列元素 令 aij-ali/alk·aik→aij
bi-bl/alk·aik→bi бj- alj/alk· бk → бj
4
3+Δc2 x2 0 1
1/2
-1/8
0
2
σj
0 0 -3/2-Δc2 /2 -1/8+ Δc2 /8 0 14+2Δc2
17
Ci
2 3+Δc2
0
0
0
B-1b
CB XB x1 x2
x3
x4
线性规划-灵敏度分析
若进一步问： 1）当原材料涨价或产品价格发生变化时，原最优生产计划变否？ 2）若在生产中采用了新的工艺，产品对原材料的消耗发生了变化，原最优生产 计划变否？ 3）为适应市场需要，管理者可能会生产新的产品或停止生 产某种产品，原最优 生产计划变否？
二、灵敏度分析的定义 研究数学模型某些系数的变化对最优解的影响及其影响程度的分析称为灵 敏度分析（Sensitivity Analysis）或优化后分析。
1 1
B 1b 故：原最优基不变，但最优解变为： X 5 1 0 0 0 T 0 1 b 2） 设： b b 1 3 3
要使原最优基不变，就要有： B-1b≥ 0 ，
4 1 b1 B b 1 1 3 0
5）是否有更好的增加资源的方案，实际上是问：①应增加哪种资源？②花多大代价增 加这种资源? ③最佳增量是多少？ ① 资源甲的影子价格 y1 = 5 > 1 ＝ y2 资源乙的影子价格，故应首先考虑增加资源甲。 ② 单位资源增量所支付的费用应< 资源的影子价格，即：单位费用< 5 才合算。 ③ 最佳增量应满足：
三、灵敏度分析的内容
1 当线性规划模型系数中的一个或几个发生变化时，已经求得的最优解是否会 发生变化？ 2 线性规划模型的系数在什么范围内变动时，原来的最优解不变？
3 当线性规划模型系数的变化时，已经引起原最优解的变化时，如何才能尽快
求出新的最优解？
四、灵敏度分析的理论依据及方法
记最优基矩阵为B，最优解： 最优值： X = B－1b z = CB B－1b 与b无关 与b、C无关 与C无关
4 1 1 / 3 1 0 即： N ' 1 0 0 c 1 ' 3 1 1 7 / 3 0 1 0时，原最优解不变 N ' c1 '5 4c1 '3 c1 '3 0
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）
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
对偶问题与灵敏分析
y1，y2，… ，ym ≥0
y1，y2，… ，ym ≥0
原问题为：
Max Z= c1x1+c2x2+…+cnxn Min (-Z）= -c1x1-c2x2-…-cnxn
a11x1 + a12x2+…+a1n xn ≤ b1 a21x1 + a22x2+…+a2n xn ≤ b2
MaxZ（X）= 2x2-5x3
y1 -x1
-x3 ≤- 2
y2 2x1 + x2+6x3 ≤ 6
y3/
x1 - x2+3x3 ≤ 0
y3// -x1 + x2-3x3 ≤ 0
x1，x2，x3≥0
其对偶问题为：
Min W(y）= -2y1+6y2
x1
-y1 +2y2 +y3/ -y3//
≥x02
y2 -y3/ +y3// ≥2
4
4 x4
6
x1 0, x2 , x3 0, x4无限制
s.t约无2变y束符1y量4方号y1≤1y≥程约01003≤束7,≥=2yyy13y22y22约40y束y3无,332变y方y符3y3量程号无31≥≥≤≤约=00限53束2制
2．1．4对偶问题的基本性质
以对称型为例
设原问题（P）为 其对偶问题（D）为
无符号约束
约束方程≥ ≤
=
原问题（ P）为
对偶规划问题（D）为：
max z c1x1 c2 x2 c3 x3 c4 x4
s.t aa2111xx11
a12 x2 a22 x2
a13 x3 a23 x3
a14 x4 a24 x4
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.。
基于线性规划的灵敏度分析问题的研究
基于线性规划的灵敏度分析问题的研究摘要：本文主要研究的是线性规划的灵敏度分析问题。
讨论线性规划价值系数和资源系数中单个系数在什么区间变化时能保证最优解或最优基不变，以与多系数同时变化时最优解或者最优基不变的判定定理。
最后通过实例进行说明验证。
本文对线性规划的灵敏度分析问题进行研究，主要容如下：第一章主要是简单的介绍了线性规划的发展历程，在线性规划的灵敏度分析的含义，灵敏度分析在其他方面的应用。
第二章，技术系数矩阵A 发生变化时，最优解的变化。
举例验证，应用LINGO 软件，进行灵敏度分析，确定在什么围，最优解不变。
第三章，资源向量b 发生变化时，讨论最优解的变化情况。
并举例验证其理论知识，应用LINGO 软件，确定在什么变化围，最优解不变。
第四章，价值系数C 发生变化时，最优解的变化情况。
举例验证其理论实施过程，应用LINGO 软件，分析其灵敏度。
第五章，对本文研究容进行总结，指出一些不足之处，并提出进一步研究的方向。
关键词：运筹学；线性规划；灵敏度分析；技术系数；资源向量；价值系数；LINGOThe inventory model under uncertain demandAbstract:第一章 绪论随着运筹学的发展，线性规划方面的知识也得到了逐步的完善，并广泛地运用到实际的生活中，尤其给经济管理和决策提供了强有力的理论根据．管理部门和企业在进行生产或投资决策时，一般通过建立数学模型和对模型的求解，做出具体的决策方案．在建立模型和求解的过程中，都是以价值系数j c 、资源系数j b 和消耗系数ij a 为基础的，这些数据不但难以确定，而且市场价格的变动、资源供应的波动、工人技术的提高、设备的改进等，都会使这些数据变动．本文讨论线性规划价值系数和资源系数中单个系数在什么区间变化时能保证最优解或最优基不变，以与多系数同时变化时最优解或者最优基不变的判定定理。
线性规划发展史1）1939年，前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。
第3章线性规划的灵敏度分析
（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
第12页/共93页
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
第13页/共93页
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。
（3-1）
第10页/共93页
现在让我们考虑目标函数直线斜率的一 般形式。用CS表示标准袋的利润，CD表示 高级袋的利润，P表示目标函数值。使用这 些标识，目标函数直线可以写成：
P＝CSS＋CDD 把上面方程写成斜截式，得到：
CDD＝﹣CSS＋P 以及
因此，我们得到目标函数的斜率为－CS／CD。 把－CS／CD代入式（3-1），我们看到只要满 足下列条件，极点③就仍然是最优解点：
第8页/共93页
D
直线B
S+ (2/3)D=708
600
10S+ 9D=7668
400
③
200
可行域
直线A (7/10)S+D=630
图3-1
o
200
400
600
800
S
第9页/共93页
在图3-1中，我们可以看到只要 直线B的斜率≤目标函数直线的斜率≤直线
线性规划中的对偶问题与灵敏度分析
线性规划中的对偶问题与灵敏度分析线性规划是一种优化方法，广泛应用于各个领域的决策问题。
在线性规划中，对偶问题与灵敏度分析是两个重要的概念和工具，可以帮助我们更好地理解和解决实际问题。
1. 对偶问题在线性规划中，对偶问题是指与原始问题相对应的一个问题。
它通过转换原始问题并构造一个新的问题，以便从不同的角度来解释和解决原始问题。
对偶问题能够提供原始问题的一些有用信息，并且在某些情况下，对偶问题的解与原始问题的解是相等的。
对偶问题的构造可以通过拉格朗日对偶性理论来完成。
该理论通过构造一个拉格朗日函数，将原始问题中的约束条件转化为拉格朗日乘子，从而得到对偶问题。
对偶问题的目标函数是原始问题的约束条件的线性组合。
解决对偶问题可以通过求解拉格朗日函数的最优化问题来实现。
对于线性规划问题，对偶问题的解可以通过求解一组线性方程或线性不等式来获得。
对偶问题的解不仅可以提供原始问题的一些信息，还可以用于检验原始问题的解的可行性和最优性。
2. 灵敏度分析灵敏度分析是在线性规划中评估解决方案对问题参数变化的响应程度的方法。
它可以帮助我们了解如果问题的参数发生变化，对解决方案的影响有多大，并做出相应的调整和决策。
灵敏度分析可以通过改变单个参数或多个参数来进行。
其中，常见的灵敏度分析包括目标函数系数的变化、约束条件右侧常量的变化和新增或取消约束条件。
这些变化可以用来模拟实际情况中可能发生的条件变化，以及评估解决方案的稳定性和可行性。
在进行灵敏度分析时，我们可以通过计算变动参数对解决方案的影响程度来得到一些关键指标。
例如，参数的变化导致目标函数值的变化量称为“影子价格”，而约束条件右侧常量的变化导致解决方案中相应决策变量的变化量，则称为“机会成本”。
灵敏度分析的结果可以帮助我们确定参数的重要性，判断解决方案的可行性和稳定性，以及找到最佳的决策方案。
在实际应用中，灵敏度分析可以帮助我们应对不确定性和风险，做出更加准确和可靠的决策。
线性规划问题的对偶与灵敏度分析
最大化的线性规划问题
某企业有A B C 三种资源，用来生产甲 乙两种 产品，产品的生产成本与利润如下表：
甲
A B C 单位产品利
润
乙
1 2 0
50
资源限制 （公斤）
1
300
1
400
1
250
100
• 问题：如何安排生产可使企业获得最大利润？
分析：目标函数最大化的问题
( y3 , y4 , y5 )(x1 , x2 , x3 )T 0
( y1 , y2 )(x4 , x5 )T 0
A=（B,N）,X=(XB,XN)T,C=(CB,CN)
• AX + IXs =(B, N, I)(XB, XN, Xs)T=BXB +NXN +IXs
因为AX + IXs =b,所以BXB +NXN +IXs=b 即 XB=B-1b - B-1NXN - B-1Xs(用松弛变量与非
基变量表示基变量)
意义：如果原问题是极大化问题，那么它的可行解对应的目 标函数值不大于其对偶问题的任意可行解对应的目标函数 值。
证明：∵ X(0)、 Y(0)分别是原问题和对偶问题的可行解，∴ AX(0) ≤b, X(0) ≥0； Y(0) A≥C， Y(0) ≥0
∴ Y(0) A X(0) ≤ Y(0) b, Y(0) A X(0) ≥C X(0) 有C X(0) ≤ Y(0) b 证毕。
第二节 对偶理论
• 对于线性规划问题：max z =CX AX ≤b X≥0，插 入松弛变量Xs=(xn+1,xn+2,…,xn+m)T,将其标准 化为：
Max z =CX+0Xs AX+IXs =b X ≥0, Xs ≥0 其中I为m×m阶的单位阵。
第2章线性规划灵敏度分析
X’B=B-1b’
• 如果b1’=2200
cj
4300 0
CB XB b
x1 x2 x3 x4 x5
0 x5 500 0 0 0.5 -0.4 1 3 x2 1200 0 1 1 -0.4 0 4 x1 -100 1 0 -0.5 0.4 0
zj zj-cj
3200
43
1 0.4 0
00
1
0.4 0
价值系数c的变化
• 对于LP：max Z=CTX S.t. AX=b,X 0
• 当从最终的单纯形表上得到最优基B时，其 最优结果为： (XBT,XRT)=(B-1bT,0T) Max Z=CBTB-1b
• 相应的检验数为： =(z-c)=CBTB-1A-C 其中：
– 基变量的检验数为0，
– 非基变量的检验数为：
用对偶单纯形法求解得
cj CB XB b
4 3 00 0 x1 x2 x3 x4 x5
0 x5 400 1 0 0 0 1 3 x2 1000 2 1 0 0.4 0 0 x3 200 -2 0 1 -0.8 0
zj zj-cj
3000
6 3 0 1.2 0 2 0 0 1.2 0
技术系数变化的影响
43 0 0
x1 x2 x3 x4 100 0 1.5 1 0.5 0 1.25 0 -1.25 1 4.5 3 1.5 0 0.5 0 1.5 0
0
x5 1 0 0 0 0
新的最优解是： X=(0, 800, 0, 500, 400)T Zmax=2400
• 问题：在前例中，要求保持最优解不变的 技术消耗系数的变化范围？
cj
4 3+c2 0 0
0
- 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)。
实验一 线性规划问题及灵敏度分析实验目的：了解WinQSB 软件在Windows 环境下的文件管理操作，熟悉软件界面内容，掌握操作命令。
用WinQSB 软件求解线性规划，掌握winQSB 软件写对偶规划，灵敏度分析和参数分析的操作方法。
实验每组人数及学时：组人数1人，学时数：4学时 实验环境：装有WinQSB 软件的个人电脑 实验类型：验证性 实验内容：一、 用WinQSB 软件求解线性规划的方法：操作步骤：1.将WinQSB 文件复制到本地硬盘；在WinQSB 文件夹中双击setup.exe 。
2.指定安装WinQSB 软件的目标目录（默认为C:\ WinQSB ）。
3. 安装过程需输入用户名和单位名称（任意输入），安装完毕之后，WinQSB 菜单自动生成在系统程序中。
4.熟悉WinQSB 软件子菜单内容及其功能，掌握操作命令。
5．求解线性规划。
启动程序 开始→程序→WinQSB→Linear and Integer Programming 。
6．学习例题 点击 Problem→lp.lpp, 点击菜单栏Solve and Analyze 或点击工具栏中的图标用单纯形法求解，观赏一下软件用单纯形法迭代步骤。
用图解法求解，显示可行域，点击菜单栏Option →Change XY Ranges and Colors，改变X1、X2的取值区域（坐标轴的比例），单击颜色区域改变背景、可行域等8种颜色，满足你的个性选择。
下面结合例题介绍WinQSB 软件求解线性规划的操作步骤及应用。
用WinQSB 软件求解下列线性规划问题：1234max657Z x x x x =+++s.t. 12341234123123431234269260852150730001020,,0,x x x x x x x x x x x x x x x x x x x x +++≤⎧⎪-+-≥⎪⎪++=⎪-≥⎨⎪-≥⎪≤≤⎪⎪≥⎩无约束解：应用WinQSB 软件求解线性规划问题不必化为标准型，如果是可以线性化的模型则先线性化，对于有界变量及无约束变量可以不用转化，只需要修改系统的变量类型即可，对于不等式约束可以在输入数据时直接输入不等式符号。
（1）启动线性规划（LP ）和整数规划（ILP ）程序点击开始→程序→WinQSB →Linear and Integer Programming ，显示线性规划和整数规划工作界面（注意菜单栏、工具栏和格式栏随主窗口内容变化而变化）。
这一程序解决线性规划（LP ）以及整数线性规划（ILP ）问题。
IP-ILP 的特殊性能包括： LP 的单纯形法与图形法 ILP 的分枝定界法 显示单纯形表显示分枝定界法解决方案 执行灵敏性或参数分析 寻求可选择的解决对不可行问题进行不可行分析 用电子表格矩阵式输入问题 用普通模型形式输入问题 定制变量边界与类型 自动生成对偶问题（2）建立新问题或者打开磁盘中已有的文件点击 Problem 建立一个新问题。
输入本问题的文件名称lp1（读者可以任意取名），决策变量个数4和约束条件个数5，由于本问题是一个最大化问题，所以选择Maximization ，同时可以确定数据的输入形式，一种为表单形式，一种为模型形式。
如果我们选择了表单形式，如图2-1所示。
（3）输入数据按照例1以表格或模型形式输入变量系数和右端常数数据。
（4）修改变量类型图1-3种给出了非负连续、非负整数、0-1型和无符号限制或者无约束4种变量类型选项，当选择了某一种类型后系统默认所有变量都属于该种类型。
在例1中，31020x ≤≤，直接将3x 中的下界（Lower Bound ）改为10，上界（Upper Bound ）改为20。
把4x 设定为无约束（Unrestricted ），M 是一个任意大的正数。
得到如表1-1所示的表格。
图1-1 LP-ILP 模块的主要功能目标函数取极大还是极小进行选择数据输入方式选择： 表单式、一般模型形式约束条件个数决策变量个数数据类型定义图1-2 LP-ILP 模型基础设定表1-1 初始单纯型表（5）修改变量名和约束名。
系统默认变量名为X1，X2，…，Xn，约束名为C1，C2，…，Cm。
默认名可以修改，点击菜单栏Edit后，下拉菜单有四个修改选项：修改标题名(Problem Name)、变量名(Variable Name)、约束名(Constraint Name)和目标函数准则(max或min)。
由于WinQSB软件支持中文，读者可以输入中文名称。
（6）求解点击菜单栏Solve and Analyze，下拉菜单有三个选项：求解不显示迭代过程（Solve the Problem）、求解并显示单纯形法迭代步骤(Solve and Display Steps)及图解法(Graphic Method，限两个决策变量)。
如选择Solve the Problem，系统直接显示求解的综合报告如表1-2所示，表中的各项含义见表1-5。
线性规划问题有最优解或无最优解（无可行解或无界解），系统会给出提示。
表1-2 winqsb线性规划求解的综合报告由表1-2得到例1的最优解为(1.4286,0,20,98.5714)TX=-，最优值661.4285Z=-。
同时由表2的第6行提示Alternate Solution Exists!!知原线性规划问题有多重解。
（7）显示结果分析点击菜单栏result或者点击快捷方式图标，存在最优解时，下拉菜单有9个选项（如下1）~9）），无最优解时有两个选项（如下10）~11））。
只显示最优解(Solution Summary)。
约束条件摘要(Constraint Summary)，比较约束条件两端的值。
对目标函数进行灵敏度分析(Sensitivity Analysis of OBJ)。
对约束条件右端常数进行灵敏度分析(Sensitivity Analysis of RHS)。
求解结果组合报告(Combined Report)，显示详细综合分析报告。
进行参数分析(Perform Parametric Analysis)，某个目标函数系数或约束条件右端常数带有参数，计算出参数的变化区间及其对应的最优解，属于参数规划内容。
显示最后一张单纯性表(Final Simplex Tableau)。
显示另一个基本最优解(Obtain Alternate Optimal)，存在多重解时，系统显示另一个基本最优解，然后考虑对基本最优解进行组合可以得到最优解的通解。
显示系统运算时间和迭代次数(Show Run Time and Itration)。
不可行性分析(Infeasibility Analysis)，线性规划问题无可行解时，系统指出存在无可行解的原因，如将例1的第5个约束改为340x x -≤，系统显示无可行解并且给出这样的显示报告：表1-3 winqsb 线性规划求解不可行性分析表这说明第5个约束不可能小于等于零，右端常数至少等于117.1429才可行。
（11）无界性分析(Unboundedness Analysis)，线性规划问题存在无界解时，系统指出存在无界解的可能原因。
如将目标函数系数47c =改为47c =-，系统显示无界并且显示：表1-4 winqsb 线性规划求解无界性分析表系统提示要使线性规划问题有解，应该改变第二个约束条件。
（12）保存结果。
求解后将结果显示在顶层窗口，点击 As ，系统以文本格式存储计算结果。
（13）将计算表格转换成Excel 表格。
在计算结果界面中点击 to Clipboard ，系统将计算结果复制到剪贴板，再粘贴到Excel 表格中即可。
（8）单纯形表选择求解并显示单纯形法迭代步骤，系统显示初始单纯性表如表1- 1所示可以发现，系统将X4无约束改写成X4－Neg_X4，即两个非负变量之差；系统将31020x ≤≤改写成约束C6：301010x ≤-≤，令3310x x '=-，则有310x '≤，将3310x x '=+代入约束条件并整理，在表中的3x 实际上是3x '，如约束C1：X1+2X2+6(X3+10)+9X4－Neg_X4+Slack_C1=260 整理后得到表1-5第一行（Slack_C1）。
约束C1，C4，C5，C6加入4个松弛变量Slack_C1，Slack_C4，Slack_C5以及Slack_UB_X3，约束C2减去剩余变量Surplus_C2，然后C2与C3加入2个人工变量Artificial_C2和Artificial_C3，共6个约束12个变量。
表2最后两行为检验数，如X1的检验数C(1)－Z(1)*Big M=6－15M 。
选X1进基，表2-1最后一列为比值，变量Artificial_C3出基，主元素A(3,1)=7。
下一步点击菜单栏Simplex Iteration选择Next Iteration继续迭代，还可以人工选择进基变量，或直接显示最终单纯形表。
（9）模型形式转换点击菜单栏Format→Switch to Normal Model Form，将表1-5电子表格转换成表1-6的模型形式，再点击一次转换成表1-5的电子表格。
（10）写出对偶模型点击菜单栏Format→Switch to Dual Form，系统自动给出线性规划的对偶模型，再点击一次给出原问题模型。
表1-5 初始单纯形表附录：线性规划常用术词汇及其含义常用术语含义常用术语含义Alternative Solution Exists Basic and Nonbasic VariableBasisBasis StatusBranch-and-Bound MrthodCj-ZjCombined ReportConstraint SummaryConstraintConstraint Direction 有多重解基变量和非基变量基基变量状态分支定界法检验数组合报告约束条件摘要约束条件约束方向约束状态Minimum and MaximumAllowableRHSObjective FunctionOptimal SolutionParametricAnalysisRange and Slope ofParametric AnalysisReduced CostRange ofFeasibility最优基不变时，资源限量允许变化范围；右端系数目标函数最优解参数分析参数分析的区间和斜率约简成本（价值）可行区间最优区间松弛问题图1-3 标准模型输入形式例2：已知线性规划1234max24Z x x x x =+++s.t.13412342341234395156473043420583400,1,2,3,4j x x x x x x x x x x x x x x x j ++≤⎧⎪+++≤⎪⎪++≤⎨⎪+++≤⎪≥=⎪⎩写出对偶线性规划，变量用y 表示； 求原问题及对偶问题的最优解； 分别写出价值系数jc 及右端常数的最大允许变化范围；目标函数系数改为(4,2,6,1)C =，同时常数改为(20,40,20,40)b =，求最优解； 删除第四个约束同时删除第三个变量，求最优解； 增加一个变量5x ，系数为515253545(,,,,)(6,5,4,2,3)c a a a a =，求最优解。