运筹学实验报告汇总
运筹学实验报告
运筹学实验报告姓名：学号：班级：指导老师：实验内容1、线性规划问题：⎪⎪⎩⎪⎪⎨⎧≥≤+≤+≤++=0,13119241171289..68max 2121212121x x x x x x x x t s x x z (1) 给出原始代码；(2) 计算结果(包括灵敏度分析，求解结果粘贴)；(3) 回答下列问题(手写)：a ) 最优解及最优目标函数值是多少；b ) 资源的对偶价格各为多少，并说明对偶价格的含义；c ) 为了使目标函数值增加最多，让你选择一个约束条件，将它的常数项增加一个单位，你将选择哪一个约束条件？这时目标函数值将是多少？d ) 对x 2的目标函数系数进行灵敏度分析；e ) 对第2个约束的约束右端项进行灵敏度分析；f ) 结合本题的结果解释“Reduced Cost ”的含义。
解：(1) max =8*x1+6*x2;9*x1+8*x2<=12; 7*x1+11*x2<=24; 9*x1+11*x2<=13;(2)计算结果： Objective value: 10.66667Total solver iterations: 2 Variable Value Reduced Cost X1 1.333333 0.000000 X2 0.000000 1.111111 Row Slack or Surplus Dual Price 1 10.66667 1.000000 2 0.000000 0.8888889 3 14.66667 0.000000 4 1.000000 0.000000灵敏度分析： Objective Coefficient RangesCurrent Allowable Allowable Variable Coefficient Increase Decrease X1 8.000000 INFINITY 1.250000 X2 6.000000 1.111111 INFINITY Righthand Side RangesRow Current Allowable Allowable RHS Increase Decrease 2 12.00000 1.000000 12.00000 3 24.00000 INFINITY 14.66667 4 13.00000 INFINITY 1.000000（3）a)该LP问题的最优解x={x1，x2}={1.333333，0.000000} 目标函数值z=10.66667b)第2行资源的对偶价格为0.8888889，3、4行的对偶价格为0、0.对偶价格的含义：表示当对应约束有微小变动时, 目标函数的变化率。
运筹学综合实验报告
运筹学综合实验报告本次实验中，我们使用了运筹学的方法来解决了一个经典的优化问题，即整数线性规划问题（Integer Linear Programming，简称ILP）。
一、实验目的本次实验的主要目的是熟悉ILP的求解过程，了解ILP在实际问题中的应用，以及掌握使用现代优化软件Gurobi来求解ILP的方法。
二、实验原理1. 整数线性规划问题整数线性规划问题是在所有线性规划问题中的一个非常重要的子集。
它将优化目标函数的线性组合与整数限制相结合。
一个典型的ILP问题可以被描述为：最大化（或最小化）目标函数：\max(\min) \sum_{j=1}^{n}c_j x_j满足如下的约束条件：\sum_{j=1}^{n}a_{ij} x_j \leq b_i,\ i=1,2,\cdots,mx_j \geq 0,\ j=1,2,\cdots,nx_j \in Z,\ j=1,2,\cdots,nx_j表示自变量，c_j表示目标函数中的系数，a_{ij}表示第i个约束条件中x的系数，b_i表示约束条件的右侧常数，m表示约束条件的数量，n表示变量的数量。
最后两个约束条件要求自变量只能是整数。
2. Gurobi优化软件Gurobi是一个商业优化软件，经过多年的发展，已成为当前最流行的数学优化软件之一。
Gurobi支持多种数学优化方法，包括线性规划、非线性规划、混合整数规划、二次规划等。
Gurobi使用了现代算法来实现高效的求解效果，是工业和学术界备受推崇的优化软件。
三、实验内容1. 利用Gurobi求解整数线性规划问题我们使用Gurobi来求解如下的整数线性规划问题：\max\ \ 2x_1 + 3x_2 + 7x_3满足如下的约束条件：x_1 + x_2 + x_3 \leq 6x_1 - x_2 + x_3 \leq 4x_1, x_2, x_3 \in Z,\ x_1 \geq 0,\ x_2 \geq 0,\ x_3 \geq 0我们使用Python代码来实现该问题的求解过程：```pythonimport gurobipy as gbmodel = gb.Model("integer linear programming")# Create variablesx1 = model.addVar(vtype=gb.GRB.INTEGER, name="x1")x2 = model.addVar(vtype=gb.GRB.INTEGER, name="x2")x3 = model.addVar(vtype=gb.GRB.INTEGER, name="x3")# Set objectivemodel.setObjective(2*x1 + 3*x2 + 7*x3, gb.GRB.MAXIMIZE)# Add constraintsmodel.addConstr(x1 + x2 + x3 <= 6)model.addConstr(x1 - x2 + x3 <= 4)# Optimize modelmodel.optimize()# Print resultsprint(f"Maximum value: {model.objVal}")print(f"x1 = {x1.x}")print(f"x2 = {x2.x}")print(f"x3 = {x3.x}")```运行该代码，得到的输出结果为：```Optimize a model with 2 rows, 3 columns and 6 nonzerosVariable types: 0 continuous, 3 integer (0 binary)Coefficient statistics:Matrix range [1e+00, 1e+00]Objective range [2e+00, 7e+00]Bounds range [0e+00, 0e+00]RHS range [4e+00, 6e+00]Found heuristic solution: objective 9.0000000Presolve time: 0.00sPresolved: 2 rows, 3 columns, 6 nonzerosVariable types: 0 continuous, 3 integer (0 binary)Root relaxation: objective 1.500000e+01, 2 iterations, 0.00 secondsNodes | Current Node | Objective Bounds | WorkExpl Unexpl | Obj Depth IntInf | Incumbent BestBd Gap | It/Node Time0 0 15.00000 0 1 9.00000 15.00000 66.7% - 0sH 0 0 14.0000000 15.00000 7.14% - 0s0 0 15.00000 0 1 14.00000 15.00000 7.14% - 0sExplored 1 nodes (2 simplex iterations) in 0.03 secondsThread count was 4 (of 4 available processors)Solution count 2: 14 9Optimal solution found (tolerance 1.00e-04)Best objective 1.400000000000e+01, best bound 1.400000000000e+01, gap 0.0000%Maximum value: 14.0x1 = 2.0x2 = 4.0x3 = 0.0```经过Gurobi的求解，我们得到了最大值为14，同时x_1=2, x_2=4, x_3=0时取到最优值。
运筹学实验报告
运筹学实验报告运筹学实验报告一、实验目的：本实验旨在了解运筹学的基本概念和方法，并通过实践，掌握运筹学在实际问题中的应用。
二、实验过程：1.确定运筹学的应用领域：本次实验选择了物流配送问题作为运筹学的应用领域。
2.收集数据：我们选择了一个小型企业的物流配送数据进行分析，并将数据录入到计算机中。
3.建立模型：根据所收集的数据，我们建立了一个代表物流配送问题的数学模型。
4.运用运筹学方法进行求解：我们运用了线性规划的方法对物流配送问题进行求解，并得到了最优解。
5.分析结果：通过分析最优解，我们得出了一些有关物流配送问题的结论，并提出了一些优化建议。
三、实验结果：通过运用运筹学方法对物流配送问题进行求解，我们得到了一个最优解，即使得物流成本最低的配送方案。
将最优解与原始的配送方案进行对比，我们发现最优解的物流成本降低了20%，节省了货物运输的时间，减少了仓储成本。
四、实验结论：通过本次实验，我们了解了运筹学的基本概念和方法，并成功应用运筹学方法解决了物流配送问题。
通过分析最优解，我们发现采用最优解可以降低物流成本，提高配送效率。
因此，我们得出结论：运筹学在物流配送问题中的应用具有重要意义，可以帮助企业降低成本、提高效率。
五、实验心得：通过本次实验，我对运筹学有了更深入的了解。
通过实践应用运筹学方法，我明白了运筹学的实用性和价值。
在以后的工作中，我会更加注重运筹学方法的应用，以解决实际问题，提高工作效率。
本次实验不仅增强了我的动手实践能力，也培养了我分析和解决问题的能力。
我将继续学习和探索运筹学的知识，为将来的工作打下坚实的基础。
运筹学实践教学报告范文(3篇)
第1篇一、引言运筹学作为一门应用数学分支，广泛应用于经济管理、工程技术、军事决策等领域。
本报告旨在通过运筹学实践教学，验证理论知识在实际问题中的应用效果，提高学生的实践能力和创新能力。
以下是对本次实践教学的总结和反思。
二、实践教学内容1. 线性规划问题本次实践教学选择了线性规划问题作为研究对象。
通过建立线性规划模型，我们尝试解决生产计划、资源分配等实际问题。
- 案例一：生产计划问题某公司生产A、B两种产品，每单位A产品需消耗2小时机器时间和3小时人工时间，每单位B产品需消耗1小时机器时间和2小时人工时间。
公司每天可利用机器时间为8小时，人工时间为10小时。
假设A、B产品的利润分别为50元和30元，请问如何安排生产计划以获得最大利润？- 建模：设A产品生产量为x，B产品生产量为y，目标函数为最大化利润Z = 50x + 30y，约束条件为：\[\begin{cases}2x + y \leq 8 \\3x + 2y \leq 10 \\x, y \geq 0\end{cases}\]- 求解：利用单纯形法求解该线性规划问题，得到最优解为x = 3，y = 2，最大利润为240元。
- 案例二：资源分配问题某项目需要分配三种资源：人力、物力和财力。
人力为50人，物力为100台设备，财力为500万元。
根据项目需求，每种资源的需求量如下：- 人力：研发阶段需20人，生产阶段需30人；- 物力：研发阶段需30台设备，生产阶段需50台设备；- 财力：研发阶段需100万元，生产阶段需200万元。
请问如何合理分配资源以满足项目需求？- 建模：设人力分配量为x，物力分配量为y，财力分配量为z，目标函数为最大化总效用U = x + y + z，约束条件为：\[\begin{cases}x \leq 20 \\y \leq 30 \\z \leq 100 \\x + y + z \leq 500\end{cases}\]- 求解：利用线性规划软件求解该问题，得到最优解为x = 20，y = 30，z = 100，总效用为150。
运筹学实验报告
运筹学实验报告一实验一：线性规划【例l】某制药厂用甲、乙两台机器生产A、B两种药物。
每种药物要经过两道工序，在甲机器上搅拌，在乙机器上包装。
生产每千克药物所需的加工时间以及机器1周可用于加工的总时间如下表1所示。
已知生产每千克药物A的利润是30元，B是25元，问应如何安排1周的生产计划才能使工厂获利最大？表 1 两种药物在各机器上所需加工时间及各机器可用于加工的总时间（1）写出数学模型，建立新问题、输入选项(电子表格、变量取非负连续)、输入数据、存盘、求解模型、结果存盘、观察结果。
（2）将电子表格格式转换成标准模型。
（3）将结果复制到Excel或Word文档中。
（4）分析结果。
解：（1）从已知条件写出该问题的数学模型：max Z=30x1+25x2;2x1+4x2＜＝40;3x1+2x2＜＝30;x1>=0,x2>=0.建立新问题、输入选项(电子表格、变量取非负连续)、输入数据、存盘、求解模型、结果存盘、观察结果：求解模型过程Simplex Tableau -- Iteration 1X1 X2 Slack_C1 Slack_C2Basis C(j) 30.0000 25.0000 0 0 R. H. S. RatioSlack_C1 0 2.0000 4.0000 1.0000 0 40.0000 20.0000Slack_C2 0 3.0000 2.0000 0 1.0000 30.0000 10.0000C(j)-Z(j) 30.0000 25.0000 0 0 0Simplex Tableau -- Iteration 1X1 X2 Slack_C1 Slack_C2Basis C(j) 30.0000 25.0000 0 0 R. H. S. RatioSlack_C1 0 2.0000 4.0000 1.0000 0 40.0000 20.0000Slack_C2 0 3.0000 2.0000 0 1.0000 30.0000 10.0000C(j)-Z(j) 30.0000 25.0000 0 0 0Simplex Tableau -- Iteration 3X1 X2 Slack_C1 Slack_C2Basis C(j) 30.0000 25.0000 0 0 R. H. S. RatioX2 25.0000 0 1.0000 0.3750 -0.2500 7.5000X1 30.0000 1.0000 0 -0.2500 0.5000 5.0000C(j)-Z(j) 0 0 -1.8750 -8.7500 337.5000（2）将电子表格格式转换成标准模型。
运筹学实验报告
1、实验目的和任务训练建模能力.应用EXCEL建模及求解的方法应用；通过实验进一步掌握运筹学有关方法原理、求解过程，提高学生分析问题和解决问题能力。
2、实验仪器、设备及材料计算机、Excel3、实验内容、炼油厂的生产计划问题例一炼油厂的生产计划某炼油厂的工艺流程图如图 1-1所示。
炼油厂输入两种原油（原油 1和原油2）。
原油先进入蒸馏装置，每桶原油经蒸馏后的产品及份额见表1-1，其中轻、中、重石脑油的辛烷值分别为90、80和70。
石脑油部分直接用于发动机油混合，部分输入重整装置，得辛烷值为115的重整汽油。
1桶轻、中、重石脑油经重整后得到的重整汽油分别为、、桶。
蒸馏得到的轻油和重油，一部分直接用于煤油和燃料油的混合，一部分经裂解装置得到裂解汽油和裂解油。
裂解汽油的辛烷值为105。
1桶轻油经裂解后得桶裂解油和桶裂桶汽油；1桶重油裂解后得桶裂解油和桶裂解汽油。
其中裂解汽油用于发动机油混合，裂解油用于煤油和燃料油的混合。
渣油可直接用于煤油和燃料油的混合，或用于生产润滑油。
1桶渣油经处理后可得桶润滑油。
混合成的高档发动机油的辛烷值应不低于 94，普通的发动机油辛烷值不低于84。
混合物的辛烷值按混合前各油料辛烷值和所占比例线性加权计算。
规定煤油的气压不准超过 1kg/cm2，而轻油、重油、裂解油和渣油的气压分别为、、和0.05kg/cm 2。
而气压的计算按各混合成分的气压和比例线性加权计算。
燃料油中，轻油、重油、裂解油和渣油的比例应为 10:3:4:1。
已知每天可供原油1为20000桶，原油2为30000桶。
蒸馏装置能力每天最大为45000桶，重整装置每天最多重整10000桶石脑油，裂化装置能力每天最大为8000桶。
润滑油每天产量就在500～1000桶之间，高档发动机油产量应不低于普通发动机油的40%。
又知最终产品的利润（元 /桶）分别为：高档发动机油700，普通发动机油600，煤油400，燃料油350，润滑油150，试为该炼油厂制定一个使总盈利为最大的计划。
运筹学实验报告（题目）
运筹学实验报告（题目）运筹学实验报告指导老师：姓名：学号：班级：目录例题实验一人力资源分配问题实验二配料问题实验三套裁下料问题实验四成本收益平衡问题实验五投资问题例题实验目的：1掌握Excel并熟悉它的使用环境。
2、准备好系统中的Office安装盘，然后选择【工具】|【加载宏】菜单命令，在弹出的【加载宏】对话框中选择【规划求解】3、在Excei中，对已有的问题进行规划求解。
实验内容：1、对下面线性规划问题进行求解；max z =3x1+x2+2x312x1+3x2+6x3+3x4=98x1+x2-4x3+2x5=103x1-x6=0Xj>=0 j=1,2,3,4,5,6一、第一步：打开Excel菜单栏中的工具菜单，出现一个子菜单，单击“规划求解”选项。
第二步：出现规划求解参数的对话框。
该对话框用来输入规划的目标函数，决策变量和约束条件。
第三步：在规划求解参数对话框内填写参数所在的地址如下：在设置目标单元格一栏内，填入表示目标函数值的单元格地址B16，并选择最大值选项；在可变单元格一栏内，填入决策变量的单元格地址B14:C14。
第四步：单击添加按钮，出现添加约束对话框，在单元格引用位置一栏内，填入约束条件左边的值所在的单元格地址B19:B21；选择<=；在约束值一栏内，填入约束条件左边的值的单元格地址D19:D21。
选择确定，得到一个填写完毕的规划求解参数对话框第五步：单击对话框内的选项按钮，出现规划求解选项对话框。
该对话框用来输入规划求解运算中的有关参数，例如是否线性模型、是否假定非负、迭代次数、精度等。
大部分参数已经按一般要求设置好了，只需设置是否采用线性模型，以及是否假定非负。
在本实验中，选择“采用线性模型”；选择“假定非负”。
然后就进行规划求解。
1.2（a）自变量X1 X2 X3 X4 X5 X6约束条件系数12 3 6 3 0 0 9 =8 1 -4 0 2 0 10 =3 0 0 0 0 -1 0 = 目标函数系数 3 1 2 0 0 0 3解0 0 1.5 0 8 0所以该问题有最优解：X=（0,0,1.5,0,8,0）实验（一）人力资源分配问题实验目的：1、根据题目要求，在有限的人力资源约束下进行建模。
运筹学实验报告总结心得
运筹学实验报告总结心得1. 背景运筹学是以数学模型为基础，结合管理科学、经济学和计算机科学等方法，研究在有限资源的条件下优化决策问题的学科。
本次实验旨在通过运筹学方法解决一个实际的问题，并从中探索运筹学的实际应用价值。
2. 分析2.1 问题描述本次实验中，我们需要解决一个物流配送的问题。
具体问题是：给定一定数量的货物和一些配送车辆，如何确定最优的配送路线和配送顺序，以使得总体的运输成本最小。
2.2 求解思路为了解决这个问题，我们采用了TSP（Traveling Salesman Problem，旅行商问题）的算法。
TSP是一种经典的组合优化问题，通过寻找最短的闭合路径，将n个城市依次访问一遍。
我们将货物所在的位置作为城市，将物流中心作为起始点和终点，通过TSP算法确定最优的配送路线。
2.3 模型设计我们将问题抽象成图论问题，货物的位置和物流中心可以看作图的顶点，两个顶点之间的距离可以看作图的边。
我们首先计算出所有顶点之间的距离，并构建一个距离矩阵。
然后，通过TSP算法，求解最优的路径。
3. 结果通过我们的实验，我们成功地解决了物流配送问题，并得到了最优的配送路线和顺序。
我们以图的形式展示了最优路径，并计算出了最小的运输成本。
4. 建议在实验过程中，我们发现了一些可以改进的地方。
首先，我们可以考虑引入实时交通信息来调整路径，以避免拥堵和路况不佳的区域。
其次，我们可以进一步优化TSP算法，以提高求解效率和准确度。
最后，我们还可以考虑引入其他因素，如货物的紧急程度或优先级，来调整配送顺序，以更好地满足客户需求。
5. 总结通过本次实验，我们深入了解了运筹学的应用，特别是在物流配送方面的应用。
我们成功地解决了一个实际问题，并得到了有用的结果和结论。
我们还发现了一些可以改进的地方，为进一步研究和应用运筹学提供了方向。
运筹学作为一门跨学科的领域，具有广泛的应用前景。
通过运筹学方法，我们可以帮助企业和组织优化决策，提高效率，降低成本。
- 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)。
豆，i=3表示玉米；j=1表示I 等耕地，j=2表示II 等耕地，j=3表示III 等耕地)。
z 表示总产量。
max z=1100011x+950012x+900013x+800021x+680022x+600023x+1400031x+1200032x+1000033x11x +21x+31x <=100 12x+22x+32x <=30013x +23x+33x<=200s.t. 1100011x +950012x +900013x >=190000800021x+680022x+600023x>=1300001400031x+1200032x+1000033x>=350000ijx>=0（i=1，2，3；j=1，2，3）二、求解过程三、实验分析从表中可以看出，水稻只在III 等耕地上种植21.1 2hm ；大豆只在III 等耕地上种植21.7 2hm ；玉米在I 等耕地种植100 2hm ，II 等耕地种植3002hm ，III 等耕地种植157.22hm 。
可以获得最大总产量6892222kg 。
(2)如何制订种植计划，才能使总产值最大？一、建立模型设ijx 表示为i 种作物在j 等耕地种植的面积(i=1表示水稻，i=2表示大豆，i=3表示玉米；j=1表示I 等耕地，j=2表示II 等耕地，j=3表示III 等耕地)。
z 表示总产值。
max z=（1100011x+950012x+900013x）*1.2+(800021x+680022x+600023x)*1.5+(1400031x+1200032x+1000033x)*0.811x +21x+31x <=100 12x+22x+32x <=30013x +23x+33x<=200s.t. 1100011x +950012x +900013x >=190000800021x+680022x+600023x>=1300001400031x+1200032x+1000033x>=350000ijx>=0（i=1，2，3；j=1，2，3）二、求解过程三、实验分析从表中可以看出，水稻在I等耕地种植58.75 2hm，II等耕地种植300 2hm，III等耕地种植2002hm；玉米hm；大豆只在III等耕地上种植16.252hm。
可以获得最大总产值6830500元。
只在I等耕地上种植252《运筹学》课程实验第 2 次实验报告实验内容及基本要求：实验项目名称：运输问题建模与求解实验类型：验证每组人数：1实验内容及要求：1）了解运输问题建模思路，并能够根据实际问题进行建模。
2）学会利用EXCEL与Lingo软件进行运输问题的求解。
习题：腾飞电子仪器公司在大连和广州有两个分厂生产同一种仪器，大连分厂每月生产400台，广州分厂每月生产600台。
该公司在上海和天津有两个销售公司负责对南京、济南、南昌、青岛四个城市的仪器供应。
另外因为大连距离青岛较近，公司同意大连分厂向青岛直接供货，运输费用如下图，单位是百元。
问应该如何调运仪器，可使总运输费用最低？图中1-广州、2-大连、3-上海、4-天津、5-南京、6-济南、7-南昌、8-青岛实验过程与结果：一、建立模型设ijx 表示为从i 地运输到j 地的仪器台数(i=1,2,3,4；j=3,4,5,6,7,8)。
1-广州、2-大连、3-上海、4-天津、5-南京、6-济南、7-南昌、8-青岛。
z 表示总运费。
min z=213x+314x+323x+24x+428x+235x+636x+337x+638x+445x+446x+647x+548x35x +45x =200 36x+46x =150 37x +47x =350 28x +38x+48x =300s.t.13x +14x<=600 23x +24x+28x <=400 35x +36x +37x +38x -13x -23x=0 45x+46x+47x+48x -14x -24x=0ijx>=0且为整数(i=1,2,3,4；j=3,4,5,6,7,8)二、求解过程三、实验分析由表可知，最低总运费为4600。
具体过程如下：从广州运往上海550台仪器，从广州运往天津40台仪器；从大连运往天津100台仪器，从大连运往青岛300台仪器，大连不往上海运仪器；上海运往南京200台仪器，上海运往南昌350台仪器，上海不往济南和青岛运仪器；天津只运往济南150台仪器。
11x +12x+13x +14x=7 21x+22x+23x +24x=4 31x+32x+33x +34x=911x +21x+31x=3 s.t. 12x +22x +32x =613x +23x+33x =514x+24x+34x+34x=6ijx>=0（i=1，2，3；j=1，2，3，4）且为整数二、求解过程三、实验分析与一般的线性规划问题的解法类似，首先建立运输问题的电子表格。
然后利用Spreadsheet 来求解该问题。
从该表可以清楚的看到，产地1A 运往销地1B 和3B ，产地2A 运往销地1B 和4B ，产地3A 运往销地2B 和4B ，产量等于销量，实际产量等于实际销量。
总费用等于85。
该模型适用于产销平衡运输问题，对于产销不平衡运输问题具有一定的局限性，因此在建立模型之前就要判别是否需要增设虚拟产地、虚拟销地。
1x +2x +3x<=24x +5x>=1 6x +7x>=1s.t.8x +9x +10x>=2 1001x+120+2x+1503x+804x+705x+906x+807x+1408x+1609x+18010x<=710ix=0或1（i=1,2,3,4,5,6,7,8,9,10）二、求解过程三、实验分析由该表可知，在A1，A3，A5，A6，A8，A9建立销售点，可获得最大总利润242万元，从本质上来说，整数规划和一般的线性规划没有太大区别，只是将决策变量限制在0和1之间，因此，在用计算机软件求解整数规划时，如何将用计算机语言表示决策变量的限制是难点，需要我们掌握一定的软件知识。
整数规划应用范围很广，可以推广到许多方面例如，背袋（或装载）问题、固定费用问题、送货问题等。
1x +4x +5x +6x +7x>=28 1x +2x +5x +6x +7x>=15 1x +2x +3x +6x +7x>=24 s.t.1x +2x +3x +4x +7x>=251x +2x +3x +4x +5x>=19 2x +3x +4x +5x +6x>=31 3x +4x +5x +6x +7x>=28ix>=0且为整数（i=1,2,3,4,5,6,7）二、求解过程三、实验分析由上表可知，在星期日和星期一不安排售货人员，在星期二安排8位售货人员，在星期三安排12位售货人员，在星期五安排11位售货人员，在星期六安排5位售货人员，这样可是使一整周配备的售货人员最少，却可以满足每天售货人员人数的需要。
线性规划的应用范围大，已经渗透到经济活动的各个领域：比如人事指派、资源配置、节约下料、和环境优化等，但是该模型也有一定的局限性，比如，线性规划模型实质上还是一个静态的模型。
事实上，随着约束条件的变化，目标函数中的一些指标常常并非一成不变。
因此在实际运用中，我们要视具体情况使用，并适时地改变一些价值系数。