运筹学第一章LP
合集下载
运筹学基础及应用共107页文档
约束条件：关于X的线性等式或不等式 目标函数：Z=ƒ(x1 … xn) 为关于X 的线性函数，
求Z极大或极小
2020/4/19
4
1.2 线性规划问题的数学模型
三个组成要素：
1.决策变量:是决策者为实现规划目标采取的 方案、措施，是问题中要确定的未知量。
2.目标函数:指问题要达到的目的要求，表 示为决策变量的函数。
2020/4/19
16
可行解：满足约束条件的解称为可行解，可行解的集 合称为可行域。
最优解：使目标函数达到最大值的可行解。
基：约束方程组的一个满秩子矩阵称为规划问题的一
个基，基中的每一个列向量称为基向量，与基向量对应 的变量称为基变量，其他变量称为非基变量。
基解：在约束方程组中，令所有非基变量为0，可以
j1
x
j
0
（ j 1， ， n）
标准形式特点：
1. 目标函数为求极大值； 2. 约束条件全为等式；
3. 约束条件右端常数项全为非负；
4. 决策变量取值非负。
2020/4/19
9
一般线性规划问题如何化为标准型：
1. 目标函数求极小值：
n
minz cj xj j1
令： z'z，即化为：
maxz max(z)minz
3.约束条件:指决策变量取值时受到的各种可 用资源的限制，表示为含决策变量的等式或 不等式。
2020/4/19
5
一般线性规划问题的数学模型：
目标函数：m （ m a ） z x 或 c i 1 x 1 n c 2 x 2 c n x n
a11x1 a12x2 a1nxn （或,）b1
约束条件：a21x1a22x2a2nxn（ 或,）b2
求Z极大或极小
2020/4/19
4
1.2 线性规划问题的数学模型
三个组成要素：
1.决策变量:是决策者为实现规划目标采取的 方案、措施，是问题中要确定的未知量。
2.目标函数:指问题要达到的目的要求，表 示为决策变量的函数。
2020/4/19
16
可行解：满足约束条件的解称为可行解，可行解的集 合称为可行域。
最优解：使目标函数达到最大值的可行解。
基：约束方程组的一个满秩子矩阵称为规划问题的一
个基，基中的每一个列向量称为基向量，与基向量对应 的变量称为基变量，其他变量称为非基变量。
基解：在约束方程组中，令所有非基变量为0，可以
j1
x
j
0
（ j 1， ， n）
标准形式特点：
1. 目标函数为求极大值； 2. 约束条件全为等式；
3. 约束条件右端常数项全为非负；
4. 决策变量取值非负。
2020/4/19
9
一般线性规划问题如何化为标准型：
1. 目标函数求极小值：
n
minz cj xj j1
令： z'z，即化为：
maxz max(z)minz
3.约束条件:指决策变量取值时受到的各种可 用资源的限制，表示为含决策变量的等式或 不等式。
2020/4/19
5
一般线性规划问题的数学模型：
目标函数：m （ m a ） z x 或 c i 1 x 1 n c 2 x 2 c n x n
a11x1 a12x2 a1nxn （或,）b1
约束条件：a21x1a22x2a2nxn（ 或,）b2
运筹学第一章线性规划
0
X1
约束条件所组成的可行 域为空集，无可行解。
《运筹学》 第一章 线性规划
Slide 19
二、线性规划的标准形式
1、目标函数：max z c1x1 c2x2 cnxn
a x11 1 a x12 2 a x1n n b1 a x21 1 a x22 2 a x2n n b2
《运筹学》 第一章 线性规划
Slide 9
方案 根数
ABC
下料
3m 2 3 0
4m 1 0 2
合计 (m)
10
9
8
料头 (m)
0
1
2
P70 习题1－1： 设按这三种方案下料的原材料
根数分别为x1、x2、x3 。 min x1+x2+x3 S.t. 2x1+3x2>=90 x1+2x3>=60 Xi>=0
minz=2X1＋3X2＋5X3
s.t. X1＋X2－X3>=－5 －6X1＋7X2－9X3=15 ︱19X1－7X2＋5X3︱<=13
X1>=0, X2>=0
令X3=X3`－X3`` -X1－X2＋X3 `－X3`` ＋X4=5 －6X1＋7X2－9X3`＋9X3``=15 19X1－7X2＋5X3`－5X3``+X5=13 －19X1＋7X2－5X3 `＋5X3``＋X6=13 maxz=－2X1－3X2－5X3 `＋5X3`` ＋0X4+0X5+0X6 X1,X2,X3`,X3``,X4,X5,X6>=0 三、线性规划的解的概念（参考P12例1.7） 1、可行解和最优解：满足约束条件的解（X1，X2， …，Xn）T称为线性规划的可行解。而使得目标函数达到 最优值的可行解称为最优解。 2、基：（注意课本P15的定义对“基”的定义有误） 设A是约束方程组m×n维的系数矩阵，其秩为m，B是 矩阵A中m×m阶非奇异子矩阵（B的行列式│B│≠0），则 称B是线性规划问题的一个基。
ch1第一节LP模型-2016
运 筹 帷 幄 之 中
第一章
线 性 规 划及单纯形法
决 胜 千 里 之
Linear Programming
外
引言
运筹学的重要分支之一，应用最广泛的方法 之一 运筹学的最基本的方法之一，网络规划，整 数规划，目标规划和多目标规划都是以线性 规划为基础的 解决稀缺资源最优分配的有效方法，使付出 的费用最小或获得的收益最大
约束条件（ Constraints ）：线性等式或不等式 目标函数（ Objective function ）： z=ƒ(x1 … xn) 线性式，求z极大或极小
一、问题提出及一般模型
建模条件
(1) 优化条件：问题所要达到的目标能用线型函数描述，且 能够用极值 （max 或 min）来表示；
一、问题提出及一般模型
例1.1 某厂生产两种产品， 解： 1.决策变量：设产品I、II的产量 下表给出了单位产品所需资 分别为 x1、x2 源及单位产品利润
2.目标函数：设总利润为z，则有： max z = 2 x1 + x2 3.约束条件： 5x2 ≤ 15 6x1+ 2x2 ≤ 24 x 1+ x 2 ≤ 5 x1， x2≥0
3x1 ＋x2 +x3 +2 x4
x1、x2 、x3 、x4 ≥0
一、问题提出及一般模型
例1.3 某航运局现有船只种类、数量以及计划期内各条航 线的货运量、货运成本如下表所示：
航线号 船队 类型 1 1 2 3 2 4 1 1 2 编队形式 拖轮 1 A型 驳船 2 — 2 — B型 驳船 — 4 4 4 货运成本 （千元／队） 36 36 72 27 货运量 （千吨） 25 20 40 20
xj 0
第一章
线 性 规 划及单纯形法
决 胜 千 里 之
Linear Programming
外
引言
运筹学的重要分支之一，应用最广泛的方法 之一 运筹学的最基本的方法之一，网络规划，整 数规划，目标规划和多目标规划都是以线性 规划为基础的 解决稀缺资源最优分配的有效方法，使付出 的费用最小或获得的收益最大
约束条件（ Constraints ）：线性等式或不等式 目标函数（ Objective function ）： z=ƒ(x1 … xn) 线性式，求z极大或极小
一、问题提出及一般模型
建模条件
(1) 优化条件：问题所要达到的目标能用线型函数描述，且 能够用极值 （max 或 min）来表示；
一、问题提出及一般模型
例1.1 某厂生产两种产品， 解： 1.决策变量：设产品I、II的产量 下表给出了单位产品所需资 分别为 x1、x2 源及单位产品利润
2.目标函数：设总利润为z，则有： max z = 2 x1 + x2 3.约束条件： 5x2 ≤ 15 6x1+ 2x2 ≤ 24 x 1+ x 2 ≤ 5 x1， x2≥0
3x1 ＋x2 +x3 +2 x4
x1、x2 、x3 、x4 ≥0
一、问题提出及一般模型
例1.3 某航运局现有船只种类、数量以及计划期内各条航 线的货运量、货运成本如下表所示：
航线号 船队 类型 1 1 2 3 2 4 1 1 2 编队形式 拖轮 1 A型 驳船 2 — 2 — B型 驳船 — 4 4 4 货运成本 （千元／队） 36 36 72 27 货运量 （千吨） 25 20 40 20
xj 0
《运筹学》课件 第一章 线性规划
10
解：令
xi=
1， Si被选中
min z= ci xi i 1 10
0， Si没被选中
xi 5
i 1
x1 x8 1 x7 x8 1
称为技术系数
b= (b1,b2, …, bm) 称为资源系数
2、非标准型
标准型
（1）Min Z = CX
Max Z' = -CX
（2）约束条件
• “≤”型约束，加松弛变量；
松弛变量
例如： 9 x1 +4x2≤360
9 x1 +4x2+ x3=360
• “≥”型约束，减松弛变量；
例、将如下问题化为标准型
数据模型与决策 (运筹学）
课程教材：
吴育华,杜纲. 《管理科学基础》，天津大学出版社。
绪论
一、运筹学的产生与发展
运筹学（Operational Research) 直译为“运作研究”。
• 产生于二战时期 • 60年代，在工业、农业、社会等各领域得到广泛应用 • 在我国，50年代中期由钱学森等引入
Min z x1 2x2 3x3
x1 x2 x3 7
s.t
.
x1 x2 x3 3x1 x2 2
x3
2
5
x1, x2 , x3 0
解：令 Min z Max z' (z' z) ，第一个约束加松弛变量x5，
第二个约束减松弛变量x6，得标准型：
Max z' x1 2x2 +3x3
x1 x2 x3 x4 7
s.t .
x1 x2 3x1
x3 x2
x5 2 2x3 5
x1 , , x5 0
运筹学-第一章-单纯形法基本原理
初始基本可行解：
X ( 0) ( x1 , x2 ,, xm ,0,0,...,0)T (b1 , b2 ,......,bm ,0,0,...,0)T
0
0
0
单纯形法基本原理
2、基变换 定义：两个基可行解称为相邻的，如果它们之间变换 且仅变换一个基变量。 初始基可行解的前m个为基变量，
X
凸集
顶点
凸集
不是凸集
顶点：如果凸集C中不存在任何两个不同的点X1，X2，使X 成为这两个点连线上的一个点
单纯形法基本原理
定理1：若线性规划问题存在可行解，则该问题的可行域是 凸集。 定理2：线性规划问题的基可行解X对应可行域(凸集)的顶 点。 定理3：若问题存在最优解，一定存在一个基可行解是最优 解。（或在某个顶点取得）
的左边变成一个单位矩阵，
b (b1 a1 j ,.,bl 1 al 1 j , , bl 1 al 1 j ,.,bm am1 j , ) ( x1 , x2 ,..., xl 1 , x j , xl 1 ,..., xm )
X
(1)
T
与X
( 0)
是相邻的基可行解。
M M bm 0 L
M M
M M
L 1 am,m1 L L 00
M , M amn m
bi 其中： i a kj 0 a kj
j c j ci aij c j z j
单纯形法的计算步骤
例1.12 用单纯形法求下列线性规划的最优解
max Z 3 x1 4 x 2 2 x1 x 2 40 x1 3 x 2 30 x , x 0 1 2
xi0 aij 0, aij 0,取值无限，
X ( 0) ( x1 , x2 ,, xm ,0,0,...,0)T (b1 , b2 ,......,bm ,0,0,...,0)T
0
0
0
单纯形法基本原理
2、基变换 定义：两个基可行解称为相邻的，如果它们之间变换 且仅变换一个基变量。 初始基可行解的前m个为基变量，
X
凸集
顶点
凸集
不是凸集
顶点：如果凸集C中不存在任何两个不同的点X1，X2，使X 成为这两个点连线上的一个点
单纯形法基本原理
定理1：若线性规划问题存在可行解，则该问题的可行域是 凸集。 定理2：线性规划问题的基可行解X对应可行域(凸集)的顶 点。 定理3：若问题存在最优解，一定存在一个基可行解是最优 解。（或在某个顶点取得）
的左边变成一个单位矩阵，
b (b1 a1 j ,.,bl 1 al 1 j , , bl 1 al 1 j ,.,bm am1 j , ) ( x1 , x2 ,..., xl 1 , x j , xl 1 ,..., xm )
X
(1)
T
与X
( 0)
是相邻的基可行解。
M M bm 0 L
M M
M M
L 1 am,m1 L L 00
M , M amn m
bi 其中： i a kj 0 a kj
j c j ci aij c j z j
单纯形法的计算步骤
例1.12 用单纯形法求下列线性规划的最优解
max Z 3 x1 4 x 2 2 x1 x 2 40 x1 3 x 2 30 x , x 0 1 2
xi0 aij 0, aij 0,取值无限，
运筹学第1章-线性规划
凸集的数学定义:设K为n维欧氏空间的一个点集，若K中任意两个 点X1和X2连线上的所有点都属于K，即“X =αX1+(1-α) X2 ∈ K(0≤a ≤ 1)”，则称K为凸集。设X(x1，x2，…，xn)，X1(u1， u2，...，un)，X2(v1，v2，…，vn)，如图1一5所示，“X =αX1+(1α) X2 ∈ K(0≤a ≤ 1)”的证明思路如下:
下一页 返回
图解法步骤：
（1）建立坐标系； （2）将约束条件在图上表示； （3）确立满足约束条件的解的范围； （4）绘制出目标函数的图形 （5）确定最优解
用图解法求解下列线性规划问题
max z 2x1 3x2
4x1 0x2 16
s.t
10xx11
4x2 2x2
12 8
x1, x2 0
1. 1.1问题举例
(1)生产计划问题。 生产计划问题是典型的已知资源求利润最大化的问题，对于此类
问题通常有三个假设:①在某一计划期内对生产做出的安排;②生产 过程的损失忽略不计;③市场需求无限制，即假设生产的产品全部 卖出。
下一页 返回
1.一般线性规划问题的数学模型
例1 用一块连长为a的正方形铁皮做一个容 器，应如何裁剪，使做成的窗口的容积为最 大？
解：设 x1, x2分别表示从A,B两处采购的原油量（单
位：吨），则所有的采购方案的最优方案为：
min z 200x1 290x2
0.15x1 0.50x2 150000
s.t
0.20x1 0.50x1
0.30x2 0.15x2
120000 120000
x1 0, x2 0
1. 1线性规划问题与模型
也可以写成模型(1-6)和模型(1-7)的形式，其中模型(1-7)较为常用。
下一页 返回
图解法步骤：
（1）建立坐标系； （2）将约束条件在图上表示； （3）确立满足约束条件的解的范围； （4）绘制出目标函数的图形 （5）确定最优解
用图解法求解下列线性规划问题
max z 2x1 3x2
4x1 0x2 16
s.t
10xx11
4x2 2x2
12 8
x1, x2 0
1. 1.1问题举例
(1)生产计划问题。 生产计划问题是典型的已知资源求利润最大化的问题，对于此类
问题通常有三个假设:①在某一计划期内对生产做出的安排;②生产 过程的损失忽略不计;③市场需求无限制，即假设生产的产品全部 卖出。
下一页 返回
1.一般线性规划问题的数学模型
例1 用一块连长为a的正方形铁皮做一个容 器，应如何裁剪，使做成的窗口的容积为最 大？
解：设 x1, x2分别表示从A,B两处采购的原油量（单
位：吨），则所有的采购方案的最优方案为：
min z 200x1 290x2
0.15x1 0.50x2 150000
s.t
0.20x1 0.50x1
0.30x2 0.15x2
120000 120000
x1 0, x2 0
1. 1线性规划问题与模型
也可以写成模型(1-6)和模型(1-7)的形式，其中模型(1-7)较为常用。
运筹学
11
目录
（三）LP问题的标准型
1.为了讨论LP问题解的概念和解的性质以及对LP问题求 解方便，必须把LP问题的一般形式化为统一的标准型：
minz=c1x1+c2x2+…+cnxn
j =1 a11 x2 + a12 x2 + + a1n xn = b1 a x + a x + + a x = b n 2n n 2 21 2 22 2 简 aij x j = bi (i = 1,2, L , m) s.t 化 j =1 x j ≥ 0( j = 1,2,L , n) am1 x2 + am 2 x2 + + amn xn = bm x1 , x2 , , xn ≥ 0
A ( 0 ,3 ) 10 15 , ) B( 7 7 5 C ( ,0 ) 2
max
Z = 5 x1 + 4 x 2
3 x 1 + 5 x 2 ≤ 15 2 x1 + x 2 ≤ 5 2 x 1 + 2 x 2 ≤ 11 x1 , x 2 ≥ 0
Z=
110 7
2x1+2x2=11
C 2.5
5x1+4x2=0 红线为目标函数的等值线 等值线. 红线为目标函数的等值线
j i= 1
j
(1.4) (1.5) (1.6)
ì n a ij x j = s .t . j = 1 í 1.从代数的角度看： x j 0 1.
b
i
可行解（Feasible Solution)： 满足约束条件(1.5)和(1.6)的 解X=(x1,x2,…,xn)T称为可行解。所有可行解构成可行解集， 即可行域。 最优解(Optimal Solution): 而使目标函数达到最大值的可 行解称为最优解，对应的目标函数值称为最优值。 求解LP问题就是求其最优解和最优值，但从代数的角 17 度去求是困难的。 目录
运筹学第一章
OR1
27
线性规划图解法例题
（无界解）
max z x 2 y x y 1 2 x 4 y 3 x 0, y 0
OR1
28
线性规划图解法例题
（无解）
min z x 2 y x y 2 2 x 4 y 3 x 0, y 0
第一章 线性规划与单纯形法
重点与难点：
1、线性规划的概念和模型，线性规划问题的标准型，线 性规划问题的标准化； 2、线性规划问题解的概念，图解法(解的几何表示)，基本 可行解的几何意义，线性规划求解思路(单纯形法思想)； 3、单纯形法的一般描述，表格单纯形法，一般线性规划 问题的处理，单纯形迭代过程中的注意事项； 4、线性规划建模，决策变量，约束不等式、等式，目标 函数，变量的非负限制。
某厂生产两种产品，需要三种资源，已知各产 品的利润、各资源的限量和各产品的资源消耗 系数如下表：问题：如何安排生产计划，使得 获利最多？ 产品A 产品B 资源限量 4 360 劳动力 9 5 200 设 备 4 10 300 原材料 3 120 利润元/kg 70
OR1
3
例题1建模
步骤：
1、确定决策变量：设生产A产品x1kg,B产品x2kg 2、确定目标函数：maxZ=70X1+120X2 3、确定约束条件：人力约束 9X1+4X2≤360 设备约束 4X1+5X2 ≤200 原材料约束3X1+10X2 ≤300 非负性约束X1≥0 X2≥0 综上所述，该问题的数学模型表示为：
OR1
1
第一章 线性规划与单纯形法
1.1 LP(linear programming)的基本概念 LP是在有限资源的条件下，合理分配和 利用资源，以期取得最佳的经济效益的优 化方法。 LP有一组有待决策的变量，（决策变量） 一个线性的目标函数， 一组线性的约束条件。
27
线性规划图解法例题
（无界解）
max z x 2 y x y 1 2 x 4 y 3 x 0, y 0
OR1
28
线性规划图解法例题
（无解）
min z x 2 y x y 2 2 x 4 y 3 x 0, y 0
第一章 线性规划与单纯形法
重点与难点：
1、线性规划的概念和模型，线性规划问题的标准型，线 性规划问题的标准化； 2、线性规划问题解的概念，图解法(解的几何表示)，基本 可行解的几何意义，线性规划求解思路(单纯形法思想)； 3、单纯形法的一般描述，表格单纯形法，一般线性规划 问题的处理，单纯形迭代过程中的注意事项； 4、线性规划建模，决策变量，约束不等式、等式，目标 函数，变量的非负限制。
某厂生产两种产品，需要三种资源，已知各产 品的利润、各资源的限量和各产品的资源消耗 系数如下表：问题：如何安排生产计划，使得 获利最多？ 产品A 产品B 资源限量 4 360 劳动力 9 5 200 设 备 4 10 300 原材料 3 120 利润元/kg 70
OR1
3
例题1建模
步骤：
1、确定决策变量：设生产A产品x1kg,B产品x2kg 2、确定目标函数：maxZ=70X1+120X2 3、确定约束条件：人力约束 9X1+4X2≤360 设备约束 4X1+5X2 ≤200 原材料约束3X1+10X2 ≤300 非负性约束X1≥0 X2≥0 综上所述，该问题的数学模型表示为：
OR1
1
第一章 线性规划与单纯形法
1.1 LP(linear programming)的基本概念 LP是在有限资源的条件下，合理分配和 利用资源，以期取得最佳的经济效益的优 化方法。 LP有一组有待决策的变量，（决策变量） 一个线性的目标函数， 一组线性的约束条件。
- 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)。
a11 a A 21 a m1
a12 a1n a 22 a 2 n a m 2 a mn
为系数矩阵
11
Operations 2、标准型的化法 (1)min→max ∵ min z = cx = -max(-z) ∴ max(-z) = -min z = -cx 令z’ = -z 则max z’ = -cx
X i X
i 1
2.2 基本定理 1、定理1 若线性规划存在可行域，则: 可行域 D = {X|AX = b,X ≥ 0}为凸集。
18
Operations
Research
证明： 设 X(1)=(x1(1),x2(1),· · · ,xn(1))T ∈ D； X(2)=(x1(2),x2(2),· · · ,xn(2))T ∈ D； (X(1) ≠ X(2)) 有 AX(1) = b， AX(2) = b 令 X = α X(1) + (1 - α )X(2) (0<α <1) 则 AX = α AX(1) + (1 - α )AX(2) = α b + (1 - α )b = b ∵ α >0 1–α >0 ∴ X ≥ 0， 即D为凸集 2、定理2 线性规划的基可行解对应于可行域的顶 点。 3、定理3 若线性规划有解，则一定存在基可行解 为最优解。
2
Operations
Research
说明： (1)决策变量：x1，x2，· · · ，x n
。
一组决策变量表示为问题的一个方案； (2)目标函数：max(min)z z为决策变量的线性函数; (3)约束条件 一组线性不等式。 cj为价值系数, bi为资源， aij为技术系数(i=1,…,m;j=1,…,n)
基可行解
O(0,0)
Research
Q5(4,3) Q2(4,2)
Q3(2,3)
Q1(4,0)
非可行解
可行解
基解
16
Operations
Research
§2 线性规划问题的几何意义 2.1 基本概念 1、凸集：设K为En(n维欧式空间)的一点集，X(1)∈K，X(2)∈K 。 若α X(1)+(1-α )X(2)∈K，则称K为凸集。（0<α <1）
取x3、x4为基变量,令非基变量x1= x2=0 ∴ 初始基可行解：X(0) = (0 0 3 4)T
20
Operations 2、观察法 [eg.9]max z = x1 + 3x2 + 2x3 + x4 x1 + 2x2 + 3x3 =3 3x2 + x3 + x4 = 4 x1,x2,x3,x4 ≥ 0
.
3
Operations
Research
1.2 图解法 [eg.3]用图解法求eg.1。 max z = 2x1 + 3x2 1x1 + 2x2 ≤ 8 4x1 ≤ 16 4x2 ≤ 12 x 1，x 2 ≥ 0
解： (1)建立x1 - x2坐标； (2)约束条件的几何表示；
x2
① ② ③
可行域
Q3 Q2
X(1) X(1)
X(2)
X(2)
凸集
X(1)
X(1) X(2) X(2)
非凸集
17
Operations
Research
2、顶点：X∈K，X(1)∈K，X(2)∈K (任意两点)。若X不能用 α X(1)+(1-α )X(2)表示，则称X为K的一个顶点。(0<α <1) 注：顶点所对应的解是基可行解。 3、凸组合：设X(i)∈En，若存在0<μ i<1，i = 1,2,· · · ,k， k 1 i i 1 k 使 ,则称X为X(i)(i=1,2,· · · ,k)的凸组合。 (i )
Operations
Research
[eg.2]污水处理问题 环保要求河水含污低于2‰，河水可自身净化20%。 问：化工厂1、2每天各处理多少污水，使总费用最少？
化工厂1 500万m3 2 万m 3 1000元/万m3 化工厂2
分析： 1.4万m3 化工厂1处理污水x1万m3, 800元/万m3 3 3 200 万 m 化工厂2处理污水x2万m 。 min z = 1000x1 + 800x2 (2 - x1)/500 ≤ 2/1000 [(1 - 0.2)(2 - x1) + 1.4 - x2]/(500 + 200) ≤ 2/1000 x1 ≤ 2 x2 ≤ 1.4 x1，x2 ≥ 0 这里min z:表示求z的最小值。
其中 : X ( x1 x2 xn ) T C (c1 c2 cn ) p j (a1 j a 2 j a mj ) : x j的系数列向量
T
b (b1 b2 bm )
T
10
Operations
Research
用矩阵描述为： max z = CX AX = b X ≥ 0 其中: X = (x1,x2,· · · ,xn)T C = (c1,c2,· · · ,cn) b = (b1,b2,· · · ,bm)T
13
Operations
Research
1.4 线性规划解的概念 设线性规划为 max z = CX ① AX = b ② X≥0 ③ A为m × n矩阵, n > m, Rank A = m (A为行满秩矩阵） 1、可行解：满足条件②、③的X； 2、最优解：满足条件①的可行解； 3、基：取B为A中的m × m子矩阵，Rank B = m，则称B为线性 规划问题的一个基。 取B = (p1,p2,· · · ,pm) pj = (a1j,a2j,· · · ,amj)T 则称x1,x2,· · · ,xm为基变量，其它为非基变量。
14
Operations 4、基解：取B = (p1,p2,· · · ,pm) a11,· · · ,a1m x1 a1m+1,· · · ,a1n xm+1 b1 ┆ ┆ ┆ + ┆ ┆ ┆ =┆ am1,· · · ,amm xm amm+1,· · · ,amn xn bm ↑ ↑ ↑ ↑ 基 基变量 非基 非基变量 令 xm+1 = · · ·= xn = 0 (非基变量为0) 则 BXB = b ( 0) ( 0) (0) T ∴ X B B 1b ( x1 , x2 ,, xm )
*
∴由此求得最优解：x1* = 4 x2* = 2 最大值：max z = z* = 2x1* + 3x2*= 14(元)
5
Operations
Research
讨论： (1)唯一最优解
max z = z*时，解唯一，如上例。
x2
(2)无穷多最优解 [eg.4] 对eg.1，若目标函数 z = 2x1 + 4x2，此时表示 目标函数的直线与表示 条件①的直线平行， 最优点在线段Q3Q2上。 即存在无穷多最优解。
Research
(2)不等式(≤，≥) 对于“≤”情况：在“≤”左边加上一个松弛变量（非负） ，变为等式； 对于“≥”情况：在“≥”左边减去一个剩余变量（非 负），变为等式。 注意：松弛变量、剩余变量在目标函数中的价值系数为 0 。 (3)无约束变量 令xk = xk’ - xk”，xk’,xk” ≥ 0，代入即可。
化标准型
max z = x1 + 3x2 + 0x3 + 0x4 x1 + 2x2 + x3 =3 2x1 + 3x2 + x4 = 4 x1,x2,x3,x4 ≥ 0
1 2 1 0 系数矩阵 A p1 p2 p3 p4 , 则 B p3 p4 2 3 0 1
② ③ ①
Q4
3
(3)目标函数的几何表示； z = 2x1 + 3x2
x2 2 1 x1 z 3 3
o
4 Q1
x1
*
4
Operations 首先取z = 0，然后，使z逐 渐增大，直至找到最优解所对 应的点。
x2
Research
② ③
Q2(4,2)
Q4
Q3
3
①
*
4 Q1
x1
可见，在Q2点z取到最大值。 因此， Q2点所对应的解为最优解。 Q2点坐标为(4，2)。 即: x1* = 4，x2* = 2
Research
基解：X ( x , x ,, x , 0 , ,0)
( 0) 1 ( 0) 2 (0) m m个 n m个
T
基解个数 C
m n
n! m!(n m)!
15
Operations 5、基可行解 Q4(0,3) 满足③式要求的基解。 如右图所示，各边交点O,Q1,Q2,Q3,Q4 均为基可行解；而其延长线的交点Q5为 基解，但不是基可行解。 6、可行基 基可行解对应的B为可行基。
Research
(4)无可行解 x2 [eg.6] max z = 2x1 + 3x2 2 2x1 + 4x2 ≥ 8 1 x1 + x2 ≤ 1 1 x1，x2 ≥ 0 无公共部分，无可行域。 即无可行解。 在实际问题中，可能是关系错。
4
x1
8
Operations
Research
1.3 线性规划的标准型 1、标准型 max z = c1x1 + c2x2 + · · · + cnxn a11x1 + a12x2 + · · · + a1nxn = b1 a21x1 + a22x2 + · · · + a2nxn = b2 ┆ ┆ am1x1 + am2x2 + · · · + amnxn = bm x 1，x 2，· · · ，x n ≥ 0