数学建模——数学规划模型
0.000000
Row Slack or Surplus Dual Price
1单位时“效益”的增 量
影子价格
1 3360.000 MILK 0.000000
1.000000 48.00000 原料增加1单位, 利润增长48
TIME 0.000000 2.000000 时间增加1单位, 利润增长2
CPCT 40.00000
X3 19.20000
0.000000
2) 4x1 3x2 4x5 3x6 600
X4 0.000000 X5 24.00000
0.000000 0.000000
3) 4(x1 x5 ) 2(x2 x6 )
X6 0.000000
1.520000
Row Slack or Surplus Dual Price
x1系数范围(64,96) x2系数范围(48,72)
Row Current Allowable Allowable
MILK TIME CPCT
RHS 50.00000 480.0000 100.0000
Increase Decrease 10.00000 6.666667 53.33333 80.00000 INFINITY 40.00000
软件实现 LINGO
Objective value: Total solver iterations:
3460.800 2
2) x1 x5 x2 x6 50
3
4
Variable X1 X2
Value Reduced Cost
0.000000
1.6800001Leabharlann 8.00000.000000
约束
原料 供应
x1 x5 x2 x6 50 加工能力
3
4
条件
劳动
附加约束
4(x1 x5 ) 2(x2 x6 )
x1 x5 100 x3 0.8x5
x4 0.75 x6
时间 2x5 2x6 480 非负约束 x1, x6 0
模型求解
Global optimal solution found.
0.000000 加工能力增长不影响利润
• 35元可买到1桶牛奶，要买吗?
35 <48, 应该买！
• 聘用临时工人付出的工资最多每小时几元? 2元！
敏感性分析 (“LINGO|Ranges” )
最优解不变时目标函
Ranges in which the basis is unchanged:
数系数允许变化范围
• 30元可增加1桶牛奶，3元可增加1小时时间，应否投资？现投 资150元，可赚回多少？
• B1，B2的获利经常有10%的波动，对计划有无影响？
• 每天销售10公斤A1的合同必须满足，对利润有什么影响？
基本模型
1桶 牛奶
或
12小时
3kg A1
获利24元/kg
1kg 2小时,3元
0.8kg B1
获利44元/kg
例2 奶制品的生产销售计划 在例1基础上深加工
1桶 牛奶 或
12小时
3公斤A1 获利24元/公斤
1公斤 2小时,3元
0.8公斤B1
获利44元/公斤
8小时 4公斤A2
获利16元/公斤
50桶牛奶, 480小时
1公斤 2小时,3元
0.75公斤B2
获利32元/公斤
至多100公斤A1 制订生产计划，使每天净利润最大
时间层次 若短时间内外部需求和内部资源等不随时间变化，可 制订单阶段生产计划，否则应制订多阶段生产计划.
本节课题
例1 加工奶制品的生产计划
问 题
1桶 牛奶 或
12小时 8小时
3公斤A1 4公斤A2
获利24元/公斤 获利16元/公斤
每天： 50桶牛奶 时间480小时 至多加工100公斤A1
制订生产计划，使每天获利最大
Objective Coefficient Ranges
(约束条件不变)
Current Allowable Allowable
Variable Coefficient Increase Decrease X1 72.00000 24.00000 8.000000 X2 64.00000 8.000000 16.00000 Righthand Side Ranges
X3 19.20000
0.000000
X4 0.000000
0.000000
X5 24.00000
0.000000
X6 0.000000
1.520000
Row Slack or Surplus Dual Price
1
3460.800
1.000000
MILK 0.000000
3.160000
TIME 0.000000
• 35元可买到1桶牛奶，买吗？若买，每天最多买多少? • 可聘用临时工人，付出的工资最多是每小时几元? • A1的获利增加到 30元/公斤，应否改变生产计划？
基本 1桶
12小时 3公斤A1
模型 牛奶 或 8小时 4公斤A2
获利24元/公斤 获利16元/公斤
每天 50桶牛奶 时间480小时 至多加工100公斤A1
3x1 100
x1, x2 0
l3 : 3x1
l4 : x1 0,
目标 Max z 72 x1 64 x2
函数 z=c (常数) ~等值线
8x2 480
B
100 l4
l2 C Z=3600
l5 : x2 0 0
c l5
l3 D x1
Z=0 Z=2400
在B(20,30)点得到最优解
连续性 xi取值连续
A1,A2每公斤的获利是与相互 产量无关的常数
每桶牛奶加工A1,A2的数量,时 间是与相互产量无关的常数
加工A1,A2的牛奶桶数是实数
模型求解
图解法
Ax2
约 x1 x2 50
l1 : x1 x2 50
l1
束 12 x1 8x2 480
l2 :12 x1
条 件
32.00000
Global optimal solution found.
Objective value:
3460.800
Total solver iterations:
2
Variable
Value Reduced Cost
X1 0.000000
1.680000
X2 168.0000
0.000000
1 3360.000
1.000000
MILK 0.000000
48.00000
TIME 0.000000
2.000000
CPCT 40.00000
0.000000
20桶牛奶生产A1, 30桶生产A2，利润3360元。
结果解释
model:
Global optimal solution found.
max = 72*x1+64*x2; Objective value:
end
Row Slack or Surplus Dual Price
三
原料无剩余
种
时间无剩余
资 加工能力剩余40
1 MILK TIME CPCT
3360.000 0.000000 0.000000 40.00000
1.000000 48.00000 2.000000 0.000000
源
“资源” 剩余为零的约束为紧约束（有效约束）
2x5 2x6 480
1
3460.800
MILK 0.000000
1.000000 3.160000
3) 4x1 2x2 6x5 4x6 480
TIME 0.000000 CPCT 76.00000
3.260000 0.000000
5
0.000000
44.00000
6
0.000000
Current Allowable Allowable
Variable Coefficient Increase Decrease
X1 72.00000 24.00000 8.000000
X2 64.00000 8.000000 16.00000
Righthand Side Ranges
Row Current Allowable Allowable
MILK TIME
RHS 50.00000 480.0000
Increase 10.00000 53.33333
Decrease 6.666667 80.00000
原料最多增加10 时间最多增加53
CPCT 100.0000 INFINITY 40.00000
充分条件 !
• 35元可买到1桶牛奶, 每天最多买多少? 最多买10桶!
决策变量个数n和 约束条件个数m较大
最优解在可行域 的边界上取得
数 线性规划
学 规
非线性规划
划 整数规划
重点在模型的建立和结果的分析
4.1 奶制品的生产与销售
企业生产计划
空间层次
工厂级：根据外部需求和内部设备、人力、原料等 条件，以最大利润为目标制订产品生产计划；
车间级：根据生产计划、工艺流程、资源约束及费 用参数等，以最小成本为目标制订生产批量计划.
目标函数和约束条件是线性函数 可行域为直线段围成的凸多边形 目标函数的等值线为直线
最优解一定在凸多边 形的某个顶点取得。
模型求解
软件实现
LINGO
model: max = 72*x1+64*x2; [milk] x1 + x2<50; [time] 12*x1+8*x2<480; [cpct] 3*x1<100; end
第四章 数学规划模型 数学建模(姜启源第四版)ppt课件
12小时
3公斤A1
4公斤A2
获利24元/公斤
获利16元/公斤
8小时 每天 50桶牛奶 时间480小时 至多加工100公斤A1 x1桶牛奶生产A1 x2桶牛奶生产A2
决策变量
目标函数
获利 24×3x1 获利 16×4 x2 每天获利 Max z 72x1 64x2 原料供应
x1 x2 50
基本模型
变量
目标 函数 约束 条件
x5 kg A1加工B1， x6 kg A2加工B2 利润
Max z 24x1 16x2 44x3 32x4 3x5 3x6
x1 x5 x 2 x6 加工能力 50 3 4 附加约束 4( x1 x5 ) 2( x2 x6 )
4公斤A2
获利16元/公斤
每天： 50桶牛奶
时间480小时 至多加工100公斤A1
制订生产计划，使每天获利最大 • 35元可买到1桶牛奶，买吗？若买，每天最多买多少? • 可聘用临时工人，付出的工资最多是每小时几元? • A1的获利增加到 30元/公斤，应否改变生产计划？
基本 1桶 模型 牛奶 或
线性规划模型
A1,A2每公斤的获利是与各自 产量无关的常数
每桶牛奶加工A1,A2的数量, 时 间是与各自产量无关的常数 A1,A2每公斤的获利是与相互 产量无关的常数 每桶牛奶加工A1,A2的数量,时 间是与相互产量无关的常数 加工A1,A2的牛奶桶数是实数
可 加 性
连续性
模型求解
x1 x2 50
20桶牛奶生产A1, 30桶生产A2，利润3360元。
结果解释
Global optimal solution found. Objective value: 3360.000 Total solver iterations: 2 Variable Value Reduced Cost X1 20.00000 0.000000 X2 30.00000 0.000000 Row Slack or Surplus Dual Price 1 3360.000 1.000000 原料无剩余 MILK 0.000000 48.00000 三 TIME 0.000000 2.000000 时间无剩余 种 CPCT 40.00000 0.000000 加工能力剩余40
数学建模报告数学规划求解模型过程
20１２——20 13 学年第二学期合肥学院数理系实验报告 课程名称：数学模型实验项目: 数学规划模型求解过程实验类别:综合性□设计性□验证性□专业班级：１0级数学与应用数学(1)班姓名: 汪勤学号:100７０２1004实验地点：３5＃６１1 实验时间：20１3年4月25日指导教师: 闫老师成绩：一.实验目的：了解线性规划的基本内容及求解的基本方法，学习MAＴLAB,ＬIＮDＯ，LI ＮGO求解线性规划命令,掌握用数学软件包求解线性规划问题;了解非线性规划的基本内容，掌握数学软件包求解非线性规划问题。
二。
实验内容:1、加工奶制品的生产计划问题一奶制品加工厂用牛奶生产Ａ1、A２两种奶制品，1桶牛奶可以在设备甲上用12小时加工成3公斤A１，或者在设备乙上用8小时加工成４公斤A2。
根据市场需求，生产的A1、A2能全部售出,且每公斤A1获利2４元每公斤A2获利16元。
现在加工厂每天能得到５0桶牛奶的供应，每天正式工人总的劳动时间为4８0小时,并且设备甲每天至多能加工１0０公斤A１,设备乙的加工能力没有限制。
试为该厂制定一个生产计划,使每天获利最大,并进一步讨论以下3个附加问题：(1）若用35元可以购买到1桶牛奶,应否作这项投资？若投资，每天最多购买多少桶牛奶?(2）若可以聘用临时工人以增加劳动时间,付给临时工人的工资最多是每小时几元？(3）由于市场需求变化，每公斤A1的获利增加到30元,应否改变生产计划？2、奶制品的生产销售计划问题第1题给出的Ａ１,Ａ2两种奶制品的生产条件、利润及工厂的“资源"限制全都不变。
为增加工厂的获利,开发了奶制品的深加工技术:用2小时和3元加工费，可将１千克A1加工成０．8千克高级奶制品B1,也可将1千克A2加工成０．75千克高级奶制品B２，每千克B1能获利4４元,每千克B２能获利3２元。
试为该厂制订一个生产销售计划，使每天的净利润最大，并讨论以下问题:（１）若投资30元可以增加供应1桶牛奶,投资３元可以增加1小时劳动时间,应否作这些投资？若每天投资１50元可赚回多少？(2）每公斤高级奶制品B1，Ｂ2的获利经常有10％的波动，对制订的生产销售计划有无影响?若每公斤Ｂ１的获利下降1０%,计划应该变化吗？(3）若公司已经签订了每天销售1０千克 A1的合同并且必须满足,该合同对公司的利润有什么影响？3、货机装运某架货机有三个货舱:前仓、中仓、后仓。
常见数学建模模型
常见数学建模模型一、线性规划模型线性规划是一种常用的数学建模方法，它通过建立线性函数和约束条件，寻找最优解。
线性规划可以应用于各种实际问题，如生产调度、资源分配、运输问题等。
通过确定决策变量、目标函数和约束条件，可以建立数学模型，并利用线性规划算法求解最优解。
二、整数规划模型整数规划是线性规划的一种扩展形式，它要求决策变量为整数。
整数规划模型常用于一些离散决策问题，如旅行商问题、装箱问题等。
通过引入整数变量和相应的约束条件，可以将问题转化为整数规划模型，并利用整数规划算法求解最优解。
三、非线性规划模型非线性规划是一类目标函数或约束条件中存在非线性项的优化问题。
非线性规划模型常见于工程设计、经济优化等领域。
通过建立非线性函数和约束条件，可以将问题转化为非线性规划模型，并利用非线性规划算法求解最优解。
四、动态规划模型动态规划是一种通过将问题分解为子问题并以递归方式求解的数学建模方法。
动态规划常用于求解具有最优子结构性质的问题，如背包问题、最短路径问题等。
通过定义状态变量、状态转移方程和边界条件，可以建立动态规划模型，并利用动态规划算法求解最优解。
五、排队论模型排队论是一种研究队列系统的数学理论，可以用于描述和优化各种排队系统，如交通流、生产线、客户服务等。
排队论模型通常包括到达过程、服务过程、队列长度等要素，并通过概率和统计方法分析系统性能，如平均等待时间、系统利用率等。
六、图论模型图论是一种研究图结构和图算法的数学理论，可以用于描述和优化各种实际问题，如网络优化、路径规划、社交网络等。
图论模型通过定义节点、边和权重，以及相应的约束条件，可以建立图论模型，并利用图算法求解最优解。
七、随机模型随机模型是一种考虑不确定性因素的数学建模方法，常用于风险评估、金融建模等领域。
随机模型通过引入随机变量和概率分布，描述不确定性因素，并利用概率和统计方法分析系统行为和性能。
八、模糊模型模糊模型是一种用于处理模糊信息的数学建模方法，常用于模糊推理、模糊控制等领域。
数学规划模型
数学规划模型
数学规划模型是一种数学建模方法，它使用数学方法来解决决策问题。
数学规划模型可以用来优化资源的利用，最大化或最小化某个目标函数。
首先，数学规划模型需要明确目标函数和约束条件。
目标函数是我们希望优化的指标，约束条件则是限制我们优化的条件。
例如，如果我们要找到一种最佳的生产计划，那么目标函数可以是产量的最大化，约束条件可以是原料的限制、生产设备的限制等。
接下来，数学规划模型需要定义决策变量。
决策变量是我们可以调整的变量，通过调整决策变量的值，我们可以达到最优解。
例如，对于生产计划问题，决策变量可以是每种产品的生产数量。
然后，将目标函数和约束条件用数学公式表示出来。
例如，如果我们的目标是最大化产量，那么目标函数可以表示为一个关于决策变量的函数。
同时，约束条件也可以用一组不等式来表示。
接下来，我们需要使用数学方法来求解这个数学规划模型。
常用的数学方法包括线性规划、整数规划、非线性规划等。
具体的求解方法取决于模型的特点和目标函数的形式。
最后，我们需要把数学模型的结果解释给决策者，帮助他们做出更明智的决策。
这个过程通常包括分析和解释模型的结果，
以及提供关于如何操作和调整决策变量的建议。
总结来说，数学规划模型是一种解决决策问题的数学方法。
通过明确目标函数和约束条件，定义决策变量，使用数学方法求解，并将结果解释给决策者，我们可以通过数学规划模型得到最优的决策方案。
这种方法在供应链管理、生产计划、资源分配等领域有着广泛的应用。
数学建模 四大模型总结
四类基本模型1 优化模型1.1 数学规划模型线性规划、整数线性规划、非线性规划、多目标规划、动态规划。
1.2 微分方程组模型阻滞增长模型、SARS 传播模型。
1.3 图论与网络优化问题最短路径问题、网络最大流问题、最小费用最大流问题、最小生成树问题(MST)、旅行商问题(TSP)、图的着色问题。
1.4 概率模型决策模型、随机存储模型、随机人口模型、报童问题、Markov 链模型。
1.5 组合优化经典问题● 多维背包问题(MKP)背包问题：n 个物品，对物品i ，体积为i w ，背包容量为W 。
如何将尽可能多的物品装入背包。
多维背包问题：n 个物品，对物品i ，价值为i p ，体积为i w ，背包容量为W 。
如何选取物品装入背包，是背包中物品的总价值最大。
多维背包问题在实际中的应用有：资源分配、货物装载和存储分配等问题。
该问题属于NP 难问题。
● 二维指派问题(QAP)工作指派问题：n 个工作可以由n 个工人分别完成。
工人i 完成工作j 的时间为ij d 。
如何安排使总工作时间最小。
二维指派问题（常以机器布局问题为例）：n 台机器要布置在n 个地方，机器i 与k 之间的物流量为ik f ，位置j 与l 之间的距离为jl d ，如何布置使费用最小。
二维指派问题在实际中的应用有：校园建筑物的布局、医院科室的安排、成组技术中加工中心的组成问题等。
● 旅行商问题(TSP)旅行商问题：有n 个城市，城市i 与j 之间的距离为ij d ，找一条经过n 个城市的巡回（每个城市经过且只经过一次，最后回到出发点），使得总路程最小。
● 车辆路径问题(VRP)车辆路径问题（也称车辆计划）：已知n 个客户的位置坐标和货物需求，在可供使用车辆数量及运载能力条件的约束下，每辆车都从起点出发，完成若干客户点的运送任务后再回到起点，要求以最少的车辆数、最小的车辆总行程完成货物的派送任务。
TSP 问题是VRP 问题的特例。
● 车间作业调度问题(JSP)车间调度问题：存在j 个工作和m 台机器，每个工作由一系列操作组成，操作的执行次序遵循严格的串行顺序，在特定的时间每个操作需要一台特定的机器完成，每台机器在同一时刻不能同时完成不同的工作，同一时刻同一工作的各个操作不能并发执行。
数学建模(线性规划).
1）模型建立。
①决策变量。决策变量为每年年初向四个项目的投资 额，设第i(i=1,2,3,4,5)年年初向A,B,C,D(j=1,2,3,4) 四个项目的投资额为xij（万元）。 ②目标函数。设第五年年末拥有的资金本利总额为z， 为了方便，将所有可能的投资列于下表1.2
表1.3 三个货舱装载货物的最大容许量和体积
前舱 重量限制/t 10
中舱 16
后舱 8
体积限制/m3
6800
8700
5300
现有四类货物供该货机本次飞行装运，其有关信息 如表1.4，最后一列指装运后获得的利润。
表1.4 四类装运货物的信息
货物1 货物2 货物3 货物4
质量/t 18 15 23 12
空间/(m3/t) 480 650 580 390
利润(元/t) 3100 3800 3500 2850
应如何安排装运，使该货机本次飞行利润最大？
1）模型假设。问题中没有对货物装运提出其他要 求，我们可做如下假设：
①每种货物可以分割到任意小； ②每种货物可以在一个或多个货舱中任意分布； ③多种货物可以混装，并保证不留空隙。 2）模型建立。 ①决策变量：用xij表示第i种货物装入第j个货舱的重 量（吨），货舱j=1,2,3分别表示前舱、中舱、后舱。
年份
1 x11
2 x21 x23 x24
3 x31 x32 x34
4 x41
5
项目
投资限额/万 元
A B C D
年年末回收的本利之和，于是， 目标函数为 ③约束条件 z 1.15x41 1.25x32 1.40 x23 1.06 x54
数学建模-数学规划模型
将决策变量、目标函数和约束条件用数学方程表示出来，形成线性规划模型。
线性规划的求解方法
单纯形法
单纯形法是线性规划最常用的求解方法，它通过不断迭代和调整决策 变量的值，逐步逼近最优解。
对偶法
对偶法是利用线性规划的对偶性质，通过求解对偶问题来得到原问题 的最优解。
分解法
分解法是将一个复杂的线性规划问题分解为若干个子问题，分别求解 子问题，最终得到原问题的最优解。
混合法
将优先级法和权重法结合起来，既考虑目标的优先级又考虑目标的 权重，以获得更全面的优化解。
多目标规划的求解方法
约束法
通过引入约束条件，将多目标问题转化为单目标问题求解。常用的约束法包括线性约束 、非线性约束等。
分解法
将多目标问题分解为若干个单目标问题，分别求解各个单目标问题，然后综合各个单目 标问题的解得到多目标问题的最优解。
特点
多目标规划问题通常具有多个冲突的目标， 需要权衡和折衷不同目标之间的矛盾，因此 求解难度较大。多目标规划广泛应用于经济 、管理、工程等领域。
多目标规划的建模方法
优先级法
根据各个目标的重要程度，给定不同的优先级，然后结合优先级 对目标进行优化。
权重法
给定各个目标的权重，将多目标问题转化为加权单目标问题，通过 求解加权单目标问题得到多目标问题的最优解。
数学建模-数学规划 模型
目录
• 数学规划模型概述 • 线性规划模型 • 非线性规划模型 • 整数规划模型 • 多目标规划模型
01
CATALOGUE
数学规划模型概述
定义与分类
定义
数学规划是数学建模的一种方法，通 过建立数学模型描述和解决优化问题 。
分类
数学建模常用模型及代码
数学建模常用模型及代码
一.规划模型
1.线性规划
线性规划与非线性规划问题一般都是求最大值和最小值，都是利用最小的有限资源来求最大利益等，一般都利用lingo工具进行求解。
点击进入传送门
2.整数规划
求解方式类似于线性规划，但是其决策变量x1,x2等限定都是整数的最优化问题。
传送门
3. 0-1规划
决策变量只能为0或者为1的一类特殊的整数规划。
n个人指派n项工作的问题。
传送门
４.非线性规划
目标函数或者存在约束条件函数是决策变量的非线性函数的最优化问题。
传送门
５.多目标规划
研究多于一个的目标函数在给定区域上的最优化。
把求一个单目标，在此单目标最优的情况下将其作为约束条件再求另外一个目标。
传送门
6.动态规划
运筹学的一个分支。
求解决策过程最优化的过程。
传送门
二. 层次分析法
是一种将定性和定量相结合的，系统化的，层次化的分析方法，主要有机理分析法和统计分析法。
传送门
三.主成分分析
指标之间的相关性比较高，不利于建立指标遵循的独立性原则，指标之间应该互相独立，彼此之间不存在联系。
传送门。
第三章数学规划模型
第三章数学规划模型第三章数学规划模型数学规划论起始20世纪30年代末，50年代与60年代发展成为⼀个完整的分⽀并受到数学界和社会各界的重视。
七⼋⼗年代是数学规划飞速发展时期，⽆论是从理论上还是算法⽅⾯都得到了进⼀步完善。
时⾄今⽇数学规划仍然是运筹学领域中热点研究问题。
从国内外的数学建模竞赛的试题中看，有近1/4的问题可⽤数学规划进⾏求解。
数学规划模型的⼀般表达式：),,(..),,(min(max)≤βαβαx g t s x ff 为⽬标函数，g 为约束函数，x 为可控变量，α为已知参数，β为随机参数。
本章主要介绍线性规划、整数规划、⾮线性规划的基本概念与基本原理、⽆约束问题的最优化⽅法、约束问题的最优化⽅法、动态规划。
3.1线性规划线性规划模型是运筹学的重要分⽀，是20世纪三四⼗年代初兴起的⼀门学科。
1947年美国数学家丹齐格G.B.Dantzig 及其同事提出的求解线性规划的单纯形法及有关理论具有划时代的意义。
他们的⼯作为线性规划这⼀学科的建⽴奠定了理论基础。
随着1979年前苏联数学家哈奇扬的椭球算法和1984年美籍印度数学家卡玛卡尔H.Karmarkar 算法的相继问世，线性规划的理论更加完备成熟，实⽤领域更加宽⼴。
线性规划研究的实际问题多种多样，如⽣产计划问题、物资运输问题、合理下料问题、库存问题、劳动⼒问题、最优设计问题等。
就模型⽽⾔，线形规划模型类似于⾼等数学中的条件极值问题，只是其⽬标函数和约束条件都限定为线性函数。
线性规划模型的求解⽅法⽬前仍以单纯形法为主要⽅法。
本节介绍的主要内容有：线性规划模型的建⽴以及求解，线性规划的matlab 解法，线性规划问题的建模实例。
3.1.1 线性规划模型的建⽴以及求解⼀、线性规划模型的建⽴例1、某机床⼚⽣产甲、⼄两种机床，每台销售后的利润分别为4000元与3000元。
⽣产甲机床需⽤B A 、机器加⼯，加⼯时间分别为每台2⼩时和1⼩时；⽣产⼄机床需⽤C B A 、、三种机器加⼯，加⼯时间为每台各⼀⼩时。
数学建模作业数学规划模型----供应与选址的问题
再编写主程序liaochang2.m为：
clear
x0=[3 5 4 7 1 0 0 0 0 0 5 11 5 4 7 7];
A=[1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0];
B=[20;20];
Aeq=[1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0
0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0];
使用临时料场的情形：
使用两个临时料场A(5,1)，B(2,7)．求从料场j向工地 的运送量 .在各工地用量必须满足和各料场运送量不超过日储量的条件下，使总的吨千米数最小，这是线性规划问题。线性规划模型为：
其中 ，i=1,2,…,6,j=1,2,为常数
设X11=X1,X21=X 2,,X31=X 3,X41=X 4,X51=X 5,,X61=X 6
程序截图如下：
程序的运行结果为：
xx =
3.0000
5.0000
0.0000
7.0000
0.0000
1.0000
0.0000
0.0000
4.0000
0.0000
6.0000
10.0000
fval =
136.2275
运行结果截图如下：
即由料场A、B向6个工地运料方案为：