第5讲 整数规划、非线性规划、多目标规划1
非线性规划多目标规划

⑵ 等式约束非线性规划模型: min f (x) s.t. hj (x) 0, j 1,2, r
⑶ 不等式约束非线性规划模型: min f (x) s.t. gi (x) 0,i 1,2, m
针对上述三类非线性规划模型,其常用求解的基 本思路可归纳如下:
1 无约束的非线性规划问题
2 只有等式约束的非线性规划问题通常可用消元 法、拉格朗日乘子法或反函数法,将其化为无 约束问题求解.
3 具有不等式约束的非线性规划问题解起来很复 杂,求解这一类问题,通常将不等式化为等式 约束,再将约束问题化为无约束问题,用线 性逼近的方法将非线性规划问题化为线性规 划问题.
下面介绍一个简单的非线性规划问题的 例子,其中的一些约束条件是等式,这类非线 性规划问题可用拉格朗日方法求解.
表示当约束条件右边的值增大一个单位后,相
应目标函数值的增加值。比如说:如总存储空间由 24 变 为 25 时 , 最 优 值 会 由 12.71 变 为 12.71 0.3947 13.10。
非线性规划解法
例9 求解非线性规划
min z (x1 1.5)2 x22
s.t.
x12
x22
1,
bj ,
i 1, 2,3 j 1, 2,3, 4
xij 0.
注: 在上面的问题中, 输水费用函数 f x 一般不是x
的线性函数. 因而相应的规划不是线性规划.
问题2 砂石运输问题
设有V立方米的砂石,要由甲地运到乙地, 运输前需
先装入一个有底无盖并在底部装有滑行器的木箱中. 砂 石运到乙地后, 从箱中倒出,在继续用空箱装运. 不论箱 子大小, 每装运一箱, 需0.1元, 箱底和两端的材料费为 20元/米2, 箱子两侧的材料费为5元/米2, 箱底的两个滑 行器与箱子同长, 材料费为2.5元/米. 问木箱的长宽高各 为多少米,才能使运费与箱子的成本费的总和为最小.
数模常用算法系列--整数线性规划(分枝定界法)、整数非线性规划(蒙特卡洛法)

数模常⽤算法系列--整数线性规划(分枝定界法)、整数⾮线性规划(蒙特卡洛法)整数线性规划求解----分枝定界法什么是整数规划?线性规划中的变量(部分或全部)限制为整数时,称为整数规划。
若在线性规划模型中,变量限制为整数,则称为整数线性规划。
⽬前所流⾏的求解整数规划的⽅法,往往只适⽤于整数线性规划。
⽬前还没有⼀种⽅法能有效地求解⼀切整数规划。
整数规划的分类- 变量全限制为整数时,称(完全)整数规划- 变量部分限制为整数时,称混合整数规划什么是分枝定界法原理如下:设有最⼤化的整数规划问题A,与它相应的线性规划为问题B,从解问题B开始,若其最优解不符合A的整数条件,那么B的最优⽬标函数必是A的最优⽬标函数z^*的上界\overline{z};⽽A的任意可⾏解的⽬标函数值将是z^*的⼀个下界\underline z ,分枝定界法就是将B的可⾏域分成⼦区域的⽅法。
逐步减⼩\overline z和增⼤\underline z最终求到z^*本质就是个分治回溯,逼近最⼤值的算法。
Matlab算法如下:(强烈警告,(不会验证)由于⽐较懒,并未对算法正确性验证,思路上验证了⼀下没问题就码上来了,如果有错,请⼀定联系~~)% c,A,Aeq,Beq,LB,UB,是linprog函数的相关参数,知道了它们就可以求出对应的线性规划最优解,% now是⽬前已经知道的整数解的最⼤值function y = control(c,A,Aeq,Beq,LB,UB,now)ret = 0;[x,fval] = linprog(c,A,Aeq,Beq,LB,UB); % x是最优解的解向量,fval是对应的函数值if fval < nowy = fval;return;end % 如果得到的当前最优解fval⼩于已知的now,那说明最优整数解不在这个区间,则剪枝返回。
for i = 1 : length(x)if rem(x(i),1) ~= 0 % rem(x,1)如果返回值不为0,则表⽰是⼩数。
多目标规划

解:
x2
A B C
x1
Eab = E pa = {B}, Ewp = AB, BC
{
}
O
T 2 2 例2 设 X = {( x1 , x2 ) ( x1 + 1) + 2 x = 4}, 求 X , 的 Eab , E pa , Ewp
2
解:
x2
Eab = φ , E pa = Ewp
= AB
{ }
第二节 多目标规划问题的解 一,向量集的极值 1 多目标规划的标准形式是
min( f1 ( x),..., f p ( x))T , p > 1, x ∈ E n g i ( x) ≥ 0 i = 1,..., m s.t. h j ( x) = 0 j = 1,..., l (2.1)
1
介绍A.M.Geoffrion于1968年提出的—种 真有效解—G-有效解.
�
min f ( x) = ( f1 ( x), f 2 ( x))T
x∈D
f1 ( x) = x1 + 2 x2 , f 2 ( x) = x1 x2 , D = ( x1 , x2 )T 0 ≤ x1 ≤ 1,0 ≤ x2 ≤ 1
的有效解和弱有效解. f1 ( x) = 3 x2 1 B
{
}
R pa = Rwp = {OA, AB}
解: 1 画出 D 及 D 的像 f (D )
f1
x
f1 , f 2 联立消去 x
O 1
得
f1 = f 22 + 2 f 2
f2
1
R pa = Rwp
. .
2
.
f2
x
o
1 2
数学规划及其应用

目录
• 数学规划概述 • 线性规划 • 非线性规划 • 整数规划 • 多目标规划 • 动态规划
01
数学规划概述
定义与分类
定义
数学规划是运筹学的一个重要分 支,主要研究在一定约束条件下 ,如何优化一个或多个目标函数 。
分类
根据目标函数和约束条件的不同 ,数学规划可以分为线性规划、 非线性规划、整数规划、动态规 划等。
感谢您的观看
THANKS
逐步逼近原问题的最优解。
割平面法
02
通过添加割平面方程来限制决策变量的取值范围,逐步逼近最
优解。
爬山法
03
通过不断搜索邻近解,逐步寻找最优解,类似于爬山的过程。
整数规划的应用实例
生产计划优化
通过整数规划方法优化生产计划,提高生产效 率和降低成本。
物流配送优化
通过整数规划方法优化物流配送路线和车辆调 度,降低运输成本和提高配送效率。
迭代法求解
从初始状态开始,不断迭代更新状态和决策,直到达到最优解。
动态规划的应用实例
最短路径问题
在给定的图中寻找起点到终点的最短路径。
背包问题
给定一组物品,每种物品都有自己的重量和价值, 求在不超过总重量限制的情况下,使得总价值最大 。
排班问题
给定一组员工和任务,求在满足任务需求的 同时,使得员工的工作时间和休息时间最合 理。
数学规划的基本概念
01
02
03
目标函数
要最大或最小化的函数, 通常表示为决策变量的函 数。
约束条件
限制决策变量取值的条件, 通常表示为决策变量的等 式或不等式。
决策变量
在数学规划中需要选择的 变量,通常表示为x1, x2, ... , xn。
非线性规划和多目标规划模型数学建模

进一步考虑到角度的周期性,不碰撞的约束条件可写成:
ij i'jij 2ij
第5讲 非线性规划和多目标模型
最终,原非线性规划问题转化为
6
min i
iji'j 1 2 ( i ij) i2 6 1 , i ij,1i, 2,j,i,j , 61 ,2 , ,6
,
vsinyi0i'
,if
i'
3
2
,tani'
yi0 xi0
or 3
2
i'
2, tani'
yi0 Dxi0
(2)计算任意飞机在t时刻两者的距离:
d ij(i i,j j,t)2 (x i0 v tc o s (i i) x 0 j v tc o s (j j))2 (y i0 v ts in (i i) y 0 j v ts in (j j))2
s . t .
6
m in i i 1
d i j(i i,j j,t ) 8i j
i
6
目标函数也可以定义为
minmax 1i6
i
第5讲 非线性规划和多目标模型
我们来简单看一下其复杂程度
(1)区域内飞行时间:假设飞行角度为θi ’= θi + Δ θi
vDcosxi0i'
,if
0 i'
2
,
最优解 迭代法是主要求解方法: 通常从一个初始解出发,在可
行域中沿着使得目标函数降低的方向前进到下一个解。 一般求解方法:罚函数法,拉格朗日乘子法,近似规划
法等,或者采用智能算法,如:遗传算法,模拟退火算 法,蚁群算法等。
运筹学教程 胡运权 第5版

运筹学教程胡运权第5版1. 简介《运筹学教程》是一本经典的运筹学教材,由胡运权教授编写,已经出版了第5版。
本教程旨在介绍运筹学的基本概念、方法和应用,帮助读者掌握运筹学的基本原理和技巧。
2. 内容概述本教程分为十个章节,涵盖了运筹学的主要内容。
第一章:运筹学概述本章介绍了运筹学的基本概念和发展历程,阐述了运筹学在现代管理决策中的重要作用。
第二章:线性规划本章介绍线性规划的基本概念、模型和求解方法,包括单纯形法和对偶理论等内容。
第三章:整数规划本章介绍整数规划的基本概念和求解方法,包括分枝定界法和割平面法等内容。
第四章:非线性规划本章介绍非线性规划的基本概念和求解方法,包括梯度法和牛顿法等内容。
第五章:动态规划本章介绍动态规划的基本概念和求解方法,包括最优子结构和状态转移方程等内容。
第六章:网络优化本章介绍网络优化的基本概念和求解方法,包括最小生成树和最短路问题等内容。
第七章:多目标规划本章介绍多目标规划的基本概念和求解方法,包括帕累托最优解和权衡法等内容。
第八章:排队论本章介绍排队论的基本概念和模型,包括利用泊松分布和指数分布建模等内容。
第九章:库存管理本章介绍库存管理的基本概念和模型,包括经济订货量和安全库存等内容。
第十章:决策分析本章介绍决策分析的基本概念和方法,包括决策树和期望值法等内容。
3. 学习目标通过学习本教程,读者可以掌握以下技能:•理解运筹学的基本概念和方法;•掌握线性规划、整数规划、非线性规划等方法的应用;•学会运用动态规划、网络优化、多目标规划等方法解决实际问题;•掌握排队论、库存管理、决策分析等方法的应用。
4. 使用说明读者可以将本教程作为自学资料,按照章节顺序逐步学习。
每个章节都包括基本概念的讲解、求解方法的介绍和案例分析。
在阅读本教程时,读者可以使用Markdown文本格式进行标注和整理笔记。
Markdown具有简单易学、格式清晰的特点,适合用于文档编写和批注。
5. 结语《运筹学教程》是一本经典的运筹学教材,适合作为运筹学的入门教材或者参考资料。
运筹学 第五章 整数规划

M是足够大的整数,y 是0-1变量
14
f(x)-5 0
f(x) 0
(1)
(2)
-f(x)+5 M(1-y)
f(x) My
(3)
(4)
当y=1时,(1)(3)无差别,(4)式显然成立;
当y=0时,(2)(4)无差别,(3)式显然成立。
以上方法可以处理绝对值形式的约束
f(x) a (a>0)
31
5.1 分枝定界法 (Branch and Bound Method)
原问题的松驰问题: 任何整数规划(IP),凡放弃某些约束 条件(如整数要求)后,所得到的问题 (P) 都称为(IP)的松驰问题。 最通常的松驰问题是放弃变量的整数性 要求后,(P)为线性规划问题。
32
去掉整数约束,用单纯形法 IP LP
23
解法概述
当人们开始接触整数规划问题时,常会有 如下两种初始想法: 因为可行方案数目有限,因此经过穷举 法一一比较后,总能求出最好方案,例如, 背包问题充其量有2n种方式,实际上这种 方法是不可行。
设想计算机每秒能比较1000000个方式,那 么比较完260种方式,大约需要360世纪。
24
先放弃变量的整数性要求,解一个 线性规划问题,然后用“四舍五入” 法取整数解,这种方法,只有在变量 的取值很大时,才有成功的可能性, 而当变量的取值较小时,特别是0-1规 划时,往往不能成功。
Yes xI* = xl*
xl*
判别是否整数解
No 去掉非整数域 多个LP ……
33
分枝定界法步骤
一般求解对应的松驰问题,可能会出现 下面几种情况:
若所得的最优解的各分量恰好是整数, 则这个解也是原整数规划的最优解,计 算结束。
运筹学[第五章整数规划]山东大学期末考试知识点复习
![运筹学[第五章整数规划]山东大学期末考试知识点复习](https://img.taocdn.com/s3/m/d78228179b89680202d8250e.png)
第五章整数规划1.整数规划的特点(1)整数规划:决策变量要求取整数的线性规划。
(2)整数规划可分为纯整数规划和混合整数规划。
(3)整数规划的可行域为离散点集。
2.整数规划的建模步骤整数规划模型的建立几乎与线性规划模型的建立完全一致,只是变量的部分或全体必须限制为整数。
3.求解整数规划的常用方法1)分支定界法没有最大化的整数规划问题A,与它相应的线性规划问题为问题B,从解问题B开始,若其最优解不符合A的整数条件,那么B的最优目标函数必是A的最优目标函数z*的上界,记作,而A的任意可行解的目标函数值将是z*的一个下界 ,分支定界法就是将B的可行域分成子区域的方法,逐步减小和增大,最终求得z*。
将要求解的整数规划问题称为问题A,将与它相应的线性规划问题称为问题B。
(1)解与整数规划问题A相应的线性规划问题B,可能得到以下几种情况之一:①B没有可行解,A也没有可行解,停止计算。
②B有最优解,并符合问题A的整数条件,则此最优解即为A的最优解,停止计算。
③B有最优解,但不符合A的整数条件,记它的目标函数值为。
(2)用观察法找问题A的一个整数可行解,求得其目标函数值,并记作。
以z*表示问题A的最优目标数值,则≤z*≤。
下面进行迭代.分支,在B的最优解中任选一个不符合整数条件的变量xi ,其值为bi。
构造两个约束条件xj ≤[bj]①和xj ≥[bj]+1 ②其中[bj ]为不超过bj的最大整数。
将这两个约束条件分别加入问题B,求两个后继规划问题B1和B2。
不考虑整数约束条件求解这两个后继问题。
定界,以每个后继问题为一分支标明求解的结果。
第一步:先不考虑整数约束,变成一般的线性规划问题,用图解法或单纯形法求其最优解,记为 ) ;第二步:若求得的最优解,刚好就是整数解,则该整数就是原整数规划的最优解,否则转下步;第三步:对原问题进行分支寻求整数最优解。
第四步:对上面两个子问题按照线性规划方法求最优解。
若某个子问题的解是整数解,则停止该子问题的分支,并且把它的目标值与上一步求出的最优整数解相比较以决定取舍;否则,对该子问题继续进行分支。
- 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)。
第5讲整数规划、非线性规划、多目标规划一、整数规划1、概念数学规划中的变量(部分或全部)限制为整数时,称为整数规划。
若在线性规划模型中,变量限制为整数,则称为整数线性规划。
整数规划的分类:如不加特殊说明,一般指整数线性规划。
对于整数线性规划模型大致可分为两类:1)变量全限制为整数时,称纯(完全)整数规划。
2)变量部分限制为整数的,称混合整数规划。
2、整数规划特点(i)原线性规划有最优解,当自变量限制为整数后,其整数规划解出现下述情况:①原线性规划最优解全是整数,则整数规划最优解与线性规划最优解一致。
②整数规划无可行解。
例1原线性规划为21min x x z +=s.t.⎩⎨⎧≥≥=+0,05422121x x x x 其最优实数解为:01=x ,452=x ,45min =z ③有可行解(当然就存在最优解),但最优值变差。
例2原线性规划为21min x x Z +=s.t.⎩⎨⎧≥≥=+0,06422121x x x x 其最优实数解为:01=x ,232=x ,23min =z 若限制整数得:11=x ,12=x ,2min =z 。
(ii )整数规划最优解不能按照实数最优解简单取整而获得。
3、0-1整数规划0−1型整数规划是整数规划中的特殊情形,它的变量j x 仅取值0或1。
这时j x 称为0−1变量,或称二进制变量。
j x 仅取值0或1这个条件可由下述约束条件:10≤≤j x ,且为整数所代替,是和一般整数规划的约束条件形式一致的。
在实际问题中,如果引入0−1变量,就可以把有各种情况需要分别讨论的线性规划问题统一在一个问题中讨论了。
引入10-变量的实际问题:(1)投资场所的选定——相互排斥的计划例3某公司拟在市东、西、南三区建立门市部。
拟议中有7个位置(点))7,,2,1( =i A i 可供选择。
规定在东区:由321,,A A A 三个点中至多选两个;在西区:由54,A A 两个点中至少选一个;在南区:由76,A A 两个点中至少选一个。
如选用i A 点,设备投资估计为i b 元,每年可获利润估计为i c 元,但投资总额不能超过B 元。
问应选择哪几个点可使年利润为最大?模型建立:先引入10-变量)7,,2,1( =i x i 令⎩⎨⎧=.0,1点没被选中当点被选中当,,i A i Ai x 7,,2,1 =i 。
于是问题可列写成:ii i x c z ∑==71Max s.t.⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧==≥+≥+≤++≤∑=)7,,2,1(10112765432171i x x x x x x x x Bx b i i i i 或(2)相互排斥的约束条件①有两个相互排斥的约束条件244521≤+x x 或453721≤+x x 。
为了统一在一个问题中,引入10-变量y ,则上述约束条件可改写为:⎪⎩⎪⎨⎧=-+≤++≤+10)1(453724452121或y My x x yM x x 其中M 是充分大的数。
②约束条件01=x 或8005001≤≤x 可改写为⎩⎨⎧=≤≤108005001或y y x y ③如果有m 个互相排斥的约束条件:mi b x a x a i n in i ,,2,111 =≤++为了保证这m 个约束条件只有一个起作用,我们引入m 个10-变量),,2,1(m i y i =和一个充分大的常数M ,而下面这一组1+m 个约束条件m i My b x a x a i i n in i ,,2,111 =+≤++(1)11-=++m y y m (2)就合于上述的要求。
这是因为,由于(2),m 个i y 中只有一个能取0值,设0*=iy ,代入(1),就只有*i i =的约束条件起作用,而别的式子都是多余的。
(3)最佳指派问题将不同的任务分派给若干人去完成,由于任务有难易,人员素质有高低,因此各人去完成不同的任务的效率就有差异。
我们的问题是:应分派何人去完成哪种任务使得总效率最高(或所花费的时间最少,或所需的费用最低)?这一类问题称为指派问题或分配问题。
指派问题的一般提法是:用最佳方法按照一对一的原则把“任务”指派给“人”。
具体地就是:设有n 个人A 1,A 2,…,A n ,被分派去完成n 项工作B 1,B 2,…,B n ,要求每项工作需且仅需一个人去完成,每个人需完成且仅需完成一项工作。
已知i A 完成j B 工作的效率(如工时、成本或价值等)为ij c 。
问应如何指派,才能使总的工作效率最好?指派问题本质上是0—1规划问题。
设ij x 表示i A 完成j B 工作,并令⎪⎩⎪⎨⎧=工作去完成当不指派工作去完成当指派j i j i ij B A B A x 0 1,则指派模型的标准形式为⎪⎪⎪⎩⎪⎪⎪⎨⎧=∈====≥=∑∑∑∑====), ,2 ,1,( }1 ,0{ ), ,2 ,1( 1), ,2 ,1( 1s.t.)0( min 1111n j i x n j x n i x c x c z ij n i ij nj ij ij n i n j ij ij由c ij组成的方阵C=(c ij)n n称为效率矩阵。
只要效率矩阵C给定,指派问题也就相应确定。
若0x为指派模型的最优解,则n阶方阵X=(0ij x)称为指派模型的最优解方阵。
事实上,方阵X为一置ij换方阵,即该矩阵中的每一行、每一列只有一个“1”。
当人数和任务数不相等的时候,此时需要考虑一些其他的条件,应对具体问题进行分析讨论问题:全国大学生数学建模竞赛2005年B题,下载网址:/html_cn/node/ce966e3cd21e07274a27819807e51806.html二、非线性规划1、概念如果目标函数或约束条件中包含非线性函数,就称这种规划问题为非线性规划问题。
一般说来,解非线性规划要比解线性规划问题困难得多。
而且,也不象线性规划有单纯形法这一通用方法,非线性规划目前还没有适于各种问题的一般算法,各个方法都有自己特定的适用范围。
在一组等式或不等式的约束下,求一个函数的最大值(或最小值)问题,其中目标函数或约束条件中至少有一个非线性函数,这类问题称之为非线性规划问题,简记为(NP)。
可概括为一般形式)(min x f q j x h j ,,1,0)(s.t. =≤(NP)pi x g i ,,1,0)( ==其中T n x x x x ],,,[21 =称为模型(NP)的决策变量,f 称为目标函数,i g ),,1(p i =和),,1(q j h j =称为约束函数。
另外,0)(=x g i ),,1(p i =称为等式约束,0)(≤x h j ),,1(q j =称为不等式约束。
对于一个实际问题,在把它归结成非线性规划问题时,一般要注意如下几点:(i)确定供选方案:首先要收集同问题有关的资料和数据,在全面熟悉问题的基础上,确认什么是问题的可供选择的方案,并用一组变量来表示它们。
(ii)提出追求目标:经过资料分析,根据实际需要和可能,提出要追求极小化或极大化的目标。
并且,运用各种科学和技术原理,把它表示成数学关系式。
(iii)给出价值标准:在提出要追求的目标之后,要确立所考虑目标的“好”或“坏”的价值标准,并用某种数量形式来描述它。
(iv)寻求限制条件:由于所追求的目标一般都要在一定的条件下取得极小化或极大化效果,因此还需要寻找出问题的所有限制条件,这些条件通常用变量之间的一些不等式或等式来表示。
注意:线性规划与非线性规划的区别如果线性规划的最优解存在,其最优解只能在其可行域的边界上达到(特别是可行域的顶点上达到);而非线性规划的最优解(如果最优解存在)则可能在其可行域的任意一点达到。
2、凸函数、凸规划设)(x f 为定义在n 维欧氏空间)(n E 中某个凸集R 上的函数,若对任何实数)10(<<αα以及R 中的任意两点)1(x 和)2(x ,恒有)()1()())1(()2()1()2()1(x f x f x x f αααα-+≤-+则称)(x f 为定义在R 上的凸函数。
若对每一个)10(<<αα和R x x ∈≠)2()1(恒有)()1()())1(()2()1()2()1(x f x f x x f αααα-+<-+则称)(x f 为定义在R 上的严格凸函数。
考虑非线性规划⎪⎩⎪⎨⎧=≤=∈},,2,1,0)(|{)( min l j x g x R x f j R x 假定其中)(x f 为凸函数,),,2,1)((l j x g j =为凸函数,这样的非线性规划称为凸规划。
可以证明,凸规划的可行域为凸集,其局部最优解即为全局最优解,而且其最优解的集合形成一个凸集。
当凸规划的目标函数)(x f 为严格凸函数时,其最优解必定唯一(假定最优解存在)。
由此可见,凸规划是一类比较简单而又具有重要理论意义的非线性规划。
3、二次规划若某非线性规划的目标函数为自变量x 的二次函数,约束条件又全是线性的,就称这种规划为二次规划。
Matlab 中二次规划的数学模型可表述如下:bAx x f Hx x T T ≤+ s.t. 21min 这里H 是实对称矩阵,b f ,是列向量,A 是相应维数的矩阵。
例4原油采购与加工某公司用两种原油A 、B 混合加工成两种汽油甲、乙。
甲、乙两种汽油含原油A 的最低比例分别为50%和60%,每吨售价分别为4800元和5600元。
该公司现有原油A 和B 的库存量分别为500吨和1000吨,还可以从市场上买到不超过1500吨的原油A 。
原油A 的市场价为:购买量不超过500吨时的单价为10000元/吨;购买量超过500吨但不超过1000吨时,超过500吨部分的单价为8000元/吨;购买量超过1000吨时,超过1000吨部分的单价为6000元/吨。
该公司应如何安排原有的采购和加工?问题分析安排原油采购、加工的目标只能是利润最大,题目中给出的是两种汽油的售价和原油A 的采购价,利润为销售汽油的收入与购买原油A 的支出之差。
难点在于原油A 的采购价与购买量的关系比较复杂,是分段函数关系,能否以及如何用线性规划、整数规划模型加以处理是关键所在。
模型建立设原油A 的购买量为x ,根据题目所给数据,采购的支出()x c 可表为如下的分段线性函数(以下价格以千元/t 为单位):()⎪⎩⎪⎨⎧≤≤+≤≤+≤≤=1500100063000100050081000500010x x x x x x x c设原油A 用于生产甲、乙两种汽油的数量分别为11x 和12x ,原油B 用于生产甲、乙两种汽油的数量分别为21x 和22x ,则总的收入为()()221221116.58.4x x x x +++,于是目标函数()()()x c x x x x z -+++=221221116.58.4max 约束条件包括加工两种汽油用的原油A 、原油B 库存量的限制,和原油A 购买量的限制,以及两种汽油含原油A 的比例限制,分别表示为:xx x +≤+500121110002221≤+x x 1500≤x 5.0211111≥+x x x 6.0221212≥+x x x 0,,,,22211211≥x x x x x 注:求解时考虑转化为线性规划进行求解三、多目标规划-----多目标决策的一部分(主要介绍概念和处理方法和98年的A题)但在实际工作中所遇到的的决策分析问题,却常常要考虑多个目标。