线性规划的标准形式
运筹学线性规划的标准形式
设备台时利用量=1*50+1*250=300=资源限制量 原料A使用量=2*50+1*250=350<资源限制量400 原料B使用量=1*250=250=资源限制量
引入松弛变量x3,x4,x5，将数学 模型标准化：
max F 50x1 100x2 s.t. x1 x2 300 2x1 x2 400 x2 250 x1 0, x2 0
min F 2x1 3x2 s.t.
x1 x2 x3 350 x1 x4 125 2x1 x2 x5 600 x j 0, j 1,2,5
图解法
500 400 300
200
100 2x1 3x2 0
2x1 x2 600 x1 125
图解法
400
2x1 x2 400
可行解域为OABCD 最优解为B点（50，250）
300
A
B
x2 250
200
C
100
D
O
100
200
50x1 100x2 0
x1 x2 300
300
400
最优解的解释
最优解x1=50，x2=250表示甲产品生产50个单位，乙 产品生产250个单位时，获利最大。
进一步计算剩余变量和松弛变量:
X3=0，表示正好达到最低要求； X4=125，表示超出最低要求，多购进125吨； X5=0，表示工时数被全部利用。
另外，
关于松弛变量和剩余变量的信息也可以 从图解法中获得。
松弛变量x3=0,x4=50,x5=0
400
2 2x1 x2 400
线性规划模型的标准形式
第三部分运筹学第四章运筹学建模4.1 运筹学概述运筹学是用数学方法研究各种系统最优化问题的学科。
其研究方法是应用数学语言来描述实际系统，建立相应的数学模型，并对模型进行研究和分析，据此求得模型的最优解；其目的是制定合理运用人力、物力和财力的最优方案；为决策者提供科学决策的依据；其研究对象是各种社会系统，可以是对新的系统进行优化设计，也可以是研究已有系统的最佳运营问题。
因此，运筹学既是应用数学，也是管理科学，同时也是系统工程的基础之一。
运筹学一词最早出现于第二次世界大战期间，当时为了急待解决作战中所遇到的许多错综复杂的战略战术问题，英美一些具有不同学科和背景的科学家，组成了许多研究小组，专门从事军事行动的优化研究。
研究的典型课题有：高射炮阵地火力的最佳配置、护航舰队规模的大小以及开展反潜艇作战的侦察等方面。
由于受到战时压力的推动，加上不同学科互相渗透而产生的协同作用，在上述几个方面的研究都卓有成效，为第二次世界大战盟军的胜利起到积极作用，也为运筹学各个分支的进一步研究打下了基础。
战后，这些科学家们转向研究在民用部门应用类似方法的可能性。
因而，促进了在民用部门中应用运筹学有关方法的研究和实践。
1947年，美国数学家G．B．Dantzig提出了求解线性规划的有效方法——单纯形法。
50年代初，应用电子计算机求解线性规划问题获得了成功。
50年代末，工业先进国家的一些大型企业也陆续应用了运筹学的方法以解决企业在生产经营活动中所出现的许多问题，取得了良好效果。
60年代中期，一些银行、医院、图书馆等都已陆续认识到运筹学对帮助改进服务功能、提高服务效率所起的作用，由此带来了运筹学在服务性行业和公用事业中的广泛应用。
电子计算机技术的迅速发展，为广泛应用运筹学方法提供了有力工具，运筹学的应用又开创了新的局面。
当前，运筹学在经济管理、生产管理、工程建设、军事作战、科学试验以及社会系统等各个领域中都得到了极为广泛的应用。
第1章 线性规划-标准型和图解法
Y
x－y≥1
－ x+2y≤0
O A1 X
39
例
max z=x+2y s.t. － x+2y≥1 x+y≤ － 2 x、y ≥0
x+y≤ － 2
Y
－ x+2y≥1
O
X
40
图解法的启示：
1. 求解线性规划问题时，解的情况有：唯一最优解， 求解线性规划问题时，解的情况有：唯一最优解， 无穷多最优解，无界界，无可行解； 无穷多最优解，无界界，无可行解； 2. 若线性规划问题可行域存在，在可行域是一个凸 若线性规划问题可行域存在， 集； 3. 若线性规划问题最优解存在，在最优解或最优解 若线性规划问题最优解存在， 之一一定能够在可行域的某个顶点取得； 之一一定能够在可行域的某个顶点取得； 4. 解题思路是，先找凸集的任一顶点，计算其目标 解题思路是，先找凸集的任一顶点， 函数值。比较其相邻顶点函数值，若更优， 函数值。比较其相邻顶点函数值，若更优，则逐 点转移，直到找到最优解。 点转移，直到找到最优解。
C(1,3) 2x+2y=8 B(3,1) 4x+12y=24
x=7
2 4 6 7 (2,0) (4,0) A(6,0)G(7,0)
43
22
例
max = − x − y x + y ≥ 2 s.t.x ≤ 3 x , y无约束
23
解：令
x,当x ≥ 0 x′ = 0,当x < 0
y,当y ≥ 0 y′ = 0, 当y < 0
0, 当x ≥ 0 x ′′ = − x, 当x < 0
0,当y ≥ 0 y′′ = − y, 当y < 0
线性规划标准形式
线性规划标准形式线性规划（Linear Programming，LP）是运筹学中的一种数学优化方法，用于在给定的约束条件下，求解线性目标函数的最优解。
线性规划问题可以表示为标准形式，这种形式可以更方便地进行求解和分析。
在线性规划中，标准形式通常表示为如下形式：\[\begin{array}{ll}。
\text { maximize } & \mathbf{c}^{T} \mathbf{x} \\。
\text { subject to } & \mathbf{A} \mathbf{x}=\mathbf{b} \\。
& \mathbf{x} \geq \mathbf{0}。
\end{array}\]其中，\(\mathbf{x}\) 是一个包含 n 个变量的列向量，\(\mathbf{c}\) 也是一个包含 n 个元素的列向量，\(\mathbf{A}\) 是一个 m×n 的矩阵，\(\mathbf{b}\) 是一个包含 m 个元素的列向量。
目标是最大化或最小化目标函数 \(\mathbf{c}^{T}\mathbf{x}\)，同时满足线性等式约束 \(\mathbf{A} \mathbf{x}=\mathbf{b}\) 和非负约束 \(\mathbf{x} \geq \mathbf{0}\)。
在标准形式中，目标函数是一个线性函数，约束条件也是线性的。
这种形式的优点在于，可以利用线性代数和凸优化等数学工具进行求解，求解算法相对较为简单且稳定。
因此，将线性规划问题转化为标准形式是非常重要的。
对于最大化问题，我们可以通过将目标函数乘以-1 转化为最小化问题。
这样，标准形式可以表示为：\[\begin{array}{ll}。
\text { minimize } & -\mathbf{c}^{T} \mathbf{x} \\。
\text { subject to } & \mathbf{A} \mathbf{x}=\mathbf{b} \\。
线性规划
1
2/3 1/ 2 2/3
x4 x4 x4
1 / 3 0 0 1 1 / 3 0
4 c4 cB B
1 3 x5
1
p 4 为非基变量
x 4 的检验公式
T
c 4 0 , c B ( 3 , 5 , 0 ), p 4 ( 0 ,1 , 0 )
s .t .
1 3 x5
1/3 x4 0 x 5 1 / 3
xB B-1b
B-1P4 B-1P5 xN
如果所有的检验数都小于等于零，当前解就是最优解； 如果存在至少一个检验数大于零，且该检验数对应的列
向量B-1Pj中至少有一个正分量，则问题没有达到最优；
单纯形计算表
Cj-CBB-1Pj中B是单位矩 阵，实际计算Cj-CBPj
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
单纯形计算表
1 1
单纯形法Байду номын сангаас法
max z c B B s .t . xB B
1
b (c N c B B
1
1
N )xN
1
b B
Nx
N
xB , xN 0 1、将问题转化为标准型 2 、最优性检验 如果存在 否则计算 : ，找到一个初始可行基 ；
j 0 , 且 B p j 0 ，该问题无界，停止计 k max{ c j c B B
线性规划
第二章线性规划线性规划（linear programming，简称LP）是运筹学的一个重要分支，研究得比较早，尤其自1947年丹捷格（G.B.Dantzig）提出了单纯形法之后，线性规划在理论上趋向成熟．线性规划研究的对象大体可分为两大类：一类是在现有的人、财、物等资源的条件下，研究如何合理地计划、安排，可使得某一目标达到最大，如产量、利润目标等；另一类是在任务确定后，如何计划、安排，使用最低限度的人、财等资源，去实现该任务，如使生产成本、费用最小等．这两类问题从本质上说是相同的，即都在一组约束条件下，去实现某一个目标的最优（最大或最小）．线性规划研究的问题要求目标与约束条件函数均是线性的，而目标函数只能是一个．在经济管理问题中，大量的问题是线性的，有的可以转化为线性的，从而使线性规划有极大的应用价值．据美国《财富》杂志对全美500家大公司的调查，线性规划的应用名列前茅，有85%左右的公司频繁地使用线性规划．第一节线性规划问题及其数学模型一、线性规划问题的数学模型在生产实践和日常生活中，经常会遇到如何合理地使用有限资源（如资金、劳力、材料、机器、仪器设备、时间等），以获得最大效益的问题．例2-1 某制药厂在计划期内要安排生产Ⅰ、Ⅱ两种药品，这些药品分别需要在D、、四种不同的设备上加工．按工艺规定，每千克药品Ⅰ和Ⅱ在各BCA、台设备上所需要的加工台时数如表2-1．已知各设备在计划期内有效台时数（1台设备工作1小时称为1台时）分别是12、8、16和12．该制药厂每生产1千克药品Ⅰ可得利润200元，每生产1千克药品Ⅱ可得利润300元．问应如何安排生产计划，才能使制药厂利润最大？A、两种药品每千克在各台设备上所需的加工台时数表2-1 B药品A B C DⅠ 2 1 4 0Ⅱ 2 2 0 4这是一个资源有限，但需利润最大的线性规划问题．解 设1x ，2x 分别表示在计划期内药品Ⅰ和Ⅱ的产量（千克），Z 表示这个期间的制药厂利润．则计划期内生产Ⅰ、Ⅱ两种药品的利润总额为21300200x x Z +=（元）．但是生产Ⅰ、Ⅱ两种药品在A 设备上的加工台时数必须满足122221≤+x x ；在B 设备上的加工台时数必须满足8221≤+x x ；在C 设备上的加工台时数必须满足1641≤x ；在D 设备上的加工台时数必须满足1242≤x ；生产Ⅰ、Ⅱ两种药品的数量应是非负的数，即0,21≥x x ．于是上述的问题归结为：目标函数 21300200Max x x Z += 122221≤+x x8221≤+x x约束条件 1641≤ x1242≤x0,21≥x x同样，在经济生活和生产活动中也遇到另一类问题，即为了达到一定的目标，应如何组织生产，或合理安排工艺流程，或调整产品的成分等，以使消耗（人力、设备台时、资金、原材料等）为最少．例2-2 用3种原料321B B B 、、配制某种食品，要求该食品中蛋白质、脂肪、糖、维生素的含量不低于15、20、25、30单位．以上3种原料的单价及每单位原料所含各种成分的数量，如下表2-2所示．问应如何配制该食品，使所需成本最低？表2-2 3种原料所含成分营养成分 原料 食品中营养成分的最低需要量（单位） 1B 2B3B蛋白质（单位/千克）5 6 8 15 脂肪（单位/千克）3 4 6 20 糖（单位/千克）8 5 4 25 维生素（单位/千克）10 12 8 30 原料单价（元/千克）20 25 30这个问题是在食品的营养要求得到满足的前提下，如何通过适当的原料配比，使食品的成本最低．解 设321x x x 、、分别表示原料321B B B 、、的用量（千克），Z 表示食品的成本（元），则这一食品配制问题变为：目标函数 321302520Min x x x Z ++= 15865321≥++x x x20643321≥++x x x约束条件 25458321≥++x x x3081210321≥++x x x0,,321≥x x x例2-3 某医院每天至少需要下列数量的护士（见表2-3）．表2-3 某医院每天至少需要的护士数班次 时间 护士数1 上午6时－上午10时 602 上午10时－下午2时 703 下午2时－下午6时 604 下午6时－晚10时 505 晚10时－凌晨2时 206 凌晨2时－上午6时 30每班的护士在值班开始时向病房报到，连续工作8小时．试问：为满足每班所需要的护士数，医院最少应雇用多少护士？请列出线性规划问题的数学模型．解 设1x 表示第1班次向病房报到的护士数；2x 表示第2班次向病房报到的护士数；3x 表示第3班次向病房报到的护士数；4x 表示第4班次向病房报到的护士数；5x 表示第5班次向病房报到的护士数；6x 表示第6班次向病房报到的护士数．则有目标函数 ∑==61Min Z j j x 6016≥+x x7021≥+x x6032≥+x x约束条件 5043≥+x x2054≥+x x3065≥+x x0≥j x 且为整数 6,,2,1Λ=j例2-4 某一卫生所配有1名医生和1名护士．医生每天工作8小时，护士每天工作9小时．服务的项目是接生和做小手术．一次接生，医生要花0.5小时，护士同样要花0.5小时；一次小手术，医生要花1小时，护士要花1.5小时．这是一所小规模的卫生所，每天容纳的手术数和接生数合计不能超过12次．假定一次手术的收入为200元，一次接生的收入为80元．问怎样合理安排接生和手术的数量，使医生和护士一天工作能收入最多？解 设每天手术数为1x ，每天接生数为2x ，则目标函数 2180200Max x x Z +=82121≤+x x 9212321≤+x x 12 21≤+x x0,21≥x x 且为整数二、线性规划问题的结构特征从上面4个例子可见，线性规划的数学模型（model of LP ）有如下特征：1．都有一组未知变量（n x x x ,,,21Λ）代表某一方案，它们取不同的非负值，代表不同的具体方案；2．都有一个目标要求，实现极大或极小．目标函数要用未知变量的线性函数表示；3．未知变量受到一组约束条件的限制，这些约束条件用一组线性等式或不等式表示．正是由于目标函数和约束条件都是未知变量的线性函数，所以我们把这类问题称为线性规划问题．线性规划问题的一般形式：目标函数 n n x c x c x c Z +++=Λ2211 (Min)Max11212111),(b x a x a x a n n ≥=≤+++Λ22222121),(b x a x a x a n n ≥=≤+++Λ约束条件 …………………………m n mn m m b x a x a x a ),(2211≥=≤+++Λ0,,,21≥n x x x Λ这里，n n x c x c x c +++Λ2211称为目标函数，记为Z ，其中，j c （n j ,,2,1Λ=）称为成本或利润系数；ij a （m i ,,2,1Λ=；n j ,,2,1Λ=）称为约束条件中未知变量的系数；i b （m i ,,2,1Λ=）称为限定系数．约束条件三、线性规划问题的标准形式建立线性规划的标准形式有助于我们研究它的求解方法，至于其他各种形式的线性规划问题，我们可以先将非标准形式变成标准形式，然后再用标准形式的求解方法求解．（一）线性规划问题的标准形式线性规划的标准形式（standard form of LP ）为：目标函数 n n x c x c x c Z +++=Λ2211Max 11212111b x a x a x a n n =+++Λ22222121b x a x a x a n n =+++Λ…………………………m n mn m m b x a x a x a =+++Λ22110,,21≥n x x x Λ0≥i b (m i ,,2,1Λ=)式中，jc （n j ,,2,1Λ=）称为成本或利润系数；ij a （m i ,,2,1Λ=；n j ,,2,1Λ=）称为未知变量的系数；i b （m i ,,2,1Λ=）称为限定系数．标准形式的主要特点是：①目标函数最大化；②所有的约束条件由等式表示；③所有的变量和每一约束条件右端的常数项均为非负值．（二）书写形式为书写简便，我们可以将上述线性规划问题的标准形式写成如下两种形式，其中..t s 代表约束条件．1．简缩形式∑==nj j j x c Z 1Max∑==nj i j ij b x a 1 m i ,,2,1Λ=..t s 0≥j x n j ,,2,1Λ=约束条件0≥i b m i ,,2,1Λ=2．矩阵形式CX Z =Max b AX = ..t s 0≥X0≥b其中， ),,,(21n c c c C Λ=mn m m n n a a a a a a a a a A ΛΛΛΛΛΛΛ212222111211= n x x x X Λ21= m b b b b Λ21 = 000 0Λ= 这里C 为成本或利润向量，X 为决策向量，A 为系数矩阵（或称约束矩阵），b 为限定向量（或称右端向量），条件0≥X 称为非负约束． （三）标准形式的转化当给出的线性规划为非标准形式时，可以按照下述的方法化为标准形式．1．目标函数的转换 若给出的线性规划要求目标函数极小化，即 ∑==nj j j x c Z 1Min ，因)(Max Min Z Z --=，所以只须令Z Z '=-，即有j nj j x c Z Z ∑=-=-='1)(Max )(Max Max这就是标准形式的目标函数了．2．约束条件的转换 由于标准形式要求所有的约束条件是等式，必须把不等式的约束条件化为等式．须引入新的变量，代表每个不等式左右端之间的差额．这些新的变量称为松弛变量或剩余变量．这里有2种情况：一种是约束条件为“≤”形式的不等式，则可在“≤”的左端加入非负的松弛变量，把原“≤”形式的不等式变为等式；另一种是约束条件为“≥”形式的不等式，则可在“≥”号的左端减去一个非负的剩余变量（也可称松弛变量），把不等式改为等式．例如前面例2-1中线性规划问题的标准形式可写为：目标函数 21300200Max x x Z += 12 22321＝x x x ++8 2421＝x x x ++..t s 16 451＝x x + 12 4 62＝x x +0,,,621≥x x x Λ式中6543x x x x 、、、为松弛变量．例2-2中线性规划的标准形式可写成：321302520Max x x x Z ---='15 86 5 4321=-++x x x x20 64 3 5321=-++x x x x..t s 25 45 8 6321=-++x x x x30 812107321=-++x x x x0,,,721≥x x x Λ式中Z Z '-=，74~x x 为剩余变量（也可称松弛变量）．要注意的是松弛变量或剩余变量都是非负值，它们的实际意义是未被利用的资源或额外的提供量．由于松弛变量或剩余变量都不会影响目标函数的增加或减少，所以在目标函数中它们的系数都应当为零．3．变量的非负转换 若存在无非负要求的变量，即变量k x 取正值或负值都可以，在物理、经济意义上都是合理的，这时为了满足标准形式对变量的非负要求，可令k x ＝k x '－k x ''，其中，0≥'k x ，0≥''k x ．由于k x '可能大于k x ''，k x '也可能小于k x ''，故k x 可为正值也可为负值．以上讨论说明，任何形式的线性规划问题都可化成标准形式．第二节 线性规划问题的图解法讨论两变量的线性规划问题的图解法（graphical solution of LP problems ），是为了更直观地了解线性规划问题及其解的基本概念，从而了解求解线性规划问题的一般方法——单纯形法的基本原理．一、线性规划问题解的基本概念设线性规划问题的标准形式为：⎪⎪⎩⎪⎪⎨⎧=≥=≥===∑∑==mi b n j x m i b x a t s x c Z ij nj i j j i nj jj ,,2,10,,2,10,,2,1..11ΛΛΛMax 1．可行解 满足约束条件的解T n x x x X ),,,(21Λ=，称为线性规划问题的可行解．所有可行解的集合称为可行域．2．最优解 满足目标函数式的可行解，称为线性规划问题的最优解．3．最优值 对应于最优解的目标函数之值，称为最优值．二、两个变量的线性规划问题的图解法例2-5 以上一节例2-1为例:⎪⎪⎪⎩⎪⎪⎪⎨⎧≥≤≤≤+≤++=0,124164821222..3002002121212121x x x x x x x x t s x x Z Max由于此问题是两变量的线性规划问题，因而可用图解法求解．求解过程是先求出满足约束条件的可行解区域；然后从可行解区域中找出最优解．具体步骤如下：第1步 建立平面直角坐标系，取1x 为横轴，2x 为纵轴．第2步 求满足约束条件的可行解区域．本例中作直线①：122221=+x x ,第一个约束不等式的解由直线122221=+x x 及其左下方半平面表示；作直线②：8221=+x x ，第二个约束不等式的解由直线8221=+x x 及其左下方半平面表示；作直线③：1641=x ，第三个约束不等式的解由直线1641=x 及其左方半平面表示；作直线④：1242=x ，第四个约束不等式的解由直线1242=x 及其下方半平面表示；1x 和2x 变量非负条件的区域为第1象限．满足所有约束条件的可行解区域（也称可行域）是由上述5个区域的公共部分表示，即图2-1中OABCD 的区域（包括边界）．在这个区域里的每一点(包括边界上的点)都是可行解．从图上我们可以看到这个可行域是一个凸多边形，我们把它称为凸集（如果在形体中任意取两点连接一根直线，若线段上所有的点都在这个形体中，则称该形体为凸集）．第3步 作目标函数的等值线簇，确定目标函数值增加方向．本例中，由目标函数21300200 x x Z +=可知，当Z 值取不同的数值时，在图上可得到一簇以Z 为参数的平行线．位于同一直线上的点，具有相同的目标函数值，因而称每条直线为“等值线”．对于直线21300200 x x Z +=来说，当Z 值由小变大时，直线3003212Z x x +-=向右上方平行移动．作直线600300200 21=+x x （Z ＝600），在这条直线上的所有点其Z 值均为600．第4步 从可行解区域内找满足目标函数的最优解．从图2-1中可以看到，当等值线600300200 21=+x x 向右上方平移到距原点最远且仍与可行域有一交点时，那个交点便是使Z 值取值最大的可行解，即最优解．在本例中C 点是最优解，此时1x ＝4，2x ＝2，Z ＝1400． 简单表示为：X *＝()T24，Z *=1400．例2-6 用图解法解线性规划： 212Max x x Z +=10221≤+x x 1 21≥+x x..t s 0 1≥x 0 2≥x 4 2≤x解 按照例2-5的步骤作出图2-2，求出凸五边形ABCDE 所围成的可行区域，并作目标函数的等值线)2(2221==+Z x x ，随着Z 值的逐渐增大，等值线不断向右上方平行移动，最后与可行域的边AB 重叠．所以线段AB 上的每一点所对应的（21 ,x x ）都为最优解，即该线性规划问题有无穷多个最优解，不过最优值是唯一的，10*=Z ．例2-7 解下列线性规划：⎩⎨⎧≥≤-+=0,80810..123212121x x x x t s x x Z Max 解 从图2-3可看出，规划的可行域是无界的，并且无最优解（最优解无限大）．这个例子中出现的情况在实际问题中并不存在，因为资源是有限的，所以不可能取得无限大的收益．出现这种情况往往是由于建立数学模型时考虑不周，忽略了某些约束条件而造成．三、线性规划问题解的特点由上面的图解法可以直观地看出线性规划问题的解具有如下几个特点：1．可行域总是凸多边形；2．如果一个线性规划问题确实存在唯一的最优解，那么它必定可在其可行域的一个顶点上达到；3．如果一个线性规划问题存在多重最优解，那么至少在其可行域有两个相邻的顶点所对应的目标函数值相等，且达到最大值（或最小值）；4．如果可行域中一个顶点的目标函数值比其相邻顶点的目标函数值要好的话，那么它就比其他所有顶点的目标函数值都要好，或者说它就是一个最优解．有时在求解线性规划时，会发现线性规划的约束条件矛盾，无法找到可行域，这时线性规划无解；有时也会遇到可行域无界且无最优解，这时称为无界解．第三节单纯形法在实际问题中，我们常常遇到的线性规划问题不是仅涉及两个变量，而是两个以上的多变量线性规划问题．对两个以上的多变量线性规划问题无法用图解法求解，必须使用简便有效的求解方法——单纯形法（simplex method）．一、单纯形法的基本原理（一）典型方程组一般线性规划问题标准形式的约束条件如下式（2-1），是一个有n个未知数、m个方程的线性方程组．如果这m个方程是独立的（即其中任一方程均不能由其它方程代替），则通过初等变换，必能使式（2-1）化成式（2-2）形式的同解方程组：∑==njijijbxa1mi,,2,1Λ=（2-1）1x ' +11221111b x a x a x a n n m m m m '=''+⋅⋅⋅+''+''++++ 2x ' +22222112b x a x a x a n n m m m m '=''+⋅⋅⋅+''+''++++ （2-2）…………………………………………………………mx '+m n mn m mm m mm b x a x a x a '=''+⋅⋅⋅+''+''++++2211 式中n x x x '⋅⋅⋅'',,,21是重新排序后的变量．式（2-2）被称为典型方程组．即如果在一个线性方程组中的每一个方程中都有系数为1，并且不再出现在其它方程的一个未知量，则此方程组称为典型方程组．（二）基本变量如果变量j x 在某一方程中系数为1，而在其它一切方程中的系数为零，则称j x 为该方程中的基本变量．否则为非基本变量．如式（2-2）中的m x x x '⋅⋅⋅'',,,21为基本变量，n m mx x x '⋅⋅⋅''++,,,21为非基本变量．基本变量的个数为线性无关的方程的个数．事实上，n 个变量中任意m 个都可能作为基本变量，因此由排列组合知识可知，基本变量的组数为mn c 个，n 为未知变量的个数，m 为线性无关的方程的个数．（三）基本解在典型方程中，设非基本变量为零，求解基本变量得到的解，称为基本解．基本解的个数为m n c 个．（四）基本可行解基本变量为非负的一组基本解称为基本可行解，基本可行解的个数最多不超过m n c 个．例如，对方程组32 4321=+-+x x x x ① 13 2421=+x x x － ②施行初等变换[①×（－2）＋②],可以得到：32 4321=+-+x x x x ① 572 432-=-+-x x x ③ [③×(－1)] : 32 4321=+-+x x x x ① 572432=+-x x x ④ [④×（－1）＋①]: 25431-=-+x x x ⑤ 572432=+-x x x ④式⑤和④为典型方程组，基本变量是1x 和2x ，非基本变量为3x 和4x ．设非基本变量3x 和4x 为零，则1x 和2x 分别等于-2和5，即对应于典型方程组⑤和④，基本解为：X =()T0052-．因基本变量中1x 为负值，所以此解不是基本可行解．根据方程组①和②有4个未知变量，因此通过初等变换可得到24c 组（即6组）典型方程组和基本解．若令2x 和4x 为基本变量，通过初等变换，方程组①和②可变换为： [①×（－1）＋②]: 32 4321=+-+x x x x ① 25 431－=-+x x x ③ [③×（－1/5）]: 324321=+-+x x x x ① 4.0202.0431=+--x x . x ④ [④×（－2）＋①] : 2.2604.1321=-+ x . x x ⑤ 4.0202.0431=--x x . x ＋ ④此时，典型方程组的基本变量为2x 和4x ，非基本变量为1x 和3x ．基本解为：T X ）（0.4 0 2.2 0 =，因为基本变量为非负值，所以此基本解也为基本可行解．（五）单纯形法的原理理论上已经证明，线性规划的基本可行解与可行域的顶点是一对一的．这就决定了线性规划可行域的顶点个数最多也不超过m n c 个．上面讨论线性规划问题解的特点时已指出，如果线性规划有最优解，一定可以在可行域的某个顶点处达到．因此，单纯形法的基本思路是：根据问题的标准形式，从可行域中的一个基本可行解（一个顶点）开始，转换到另一个基本可行解（顶点），并且使目标函数的值逐步增大；当目标函数达到最大值时，问题就得到了最优解．在用单纯形法求解线性规划问题时，应考虑的问题：1．建立初始基本可行解 在用单纯形法求解时，首先应将线性规划问题以标准形式表达、约束条件以右端常数非负的典型方程组表示，确定初始基本可行解．在前面的阐述中，已讨论了如何将一般线性规划问题转化为标准形式的线性规划问题，如何将约束条件通过初等变换以典型方程组形式表示，以及如何得出基本可行解（最初得到的基本可行解也称初始基本可行解），此处不再赘述．经过变换，典型方程组和初始基本可行解可用式（2-3）表示：1x +11221111b x a x a x a n n m m m m '='+⋅⋅⋅+'+'++++ 2x +22222112b x a x a x a n n m m m m '='+⋅⋅⋅+'+'++++ （2-3）………………………………………………………m x +m n mn m mm m mmb x a x a x a '='+⋅⋅⋅+'+'++++2211 初始基本可行解：T mb b X )00(10ΛΛ''=． 2．最优性检验 得到一个基本可行解后，我们要判断它是不是最优解．一般情况下，经过迭代后式（2-3）变为∑+='-'=nm j jiji i xa b x 1（m i ,,2,1Λ=） （2-4）将式（2-4）代入目标函数式，整理后得∑∑∑+==='-+'=n m j mi j iji jmi i i x a c c b c Z 111)( （2-5）令∑='=mi i i b c Z 10 , ∑='=mi iji j a c Z 1, n m m j ,,2 ,1Λ++= 于是∑+=-+=nm j j j jx Z cZ Z 10)( （2-6）由于当m j ,,2 ,1Λ=时，j mi ij i j c a c Z ='=∑=1，即0=-j j Z c （m j ,,2 ,1Λ=），所以式（2-6）也可写作∑∑∑=+=+=-+-+=-+=mj j j j nm j nm j j j jj j jx Z c x Z cZ x Z cZ Z 11100)()()(∑=-+=nj j j j x Z c Z Z 10)( n j ,,2 ,1Λ=再令j j j Z c C -= n j ,,2 ,1Λ=j C 为变量j x 的检验数．则∑=+=nj j j x C Z Z 10 （2-7）（1）最优解判别 若)0(X ＝T m b b b )00(21⋅⋅⋅'⋅⋅⋅''为基本可行解，且对一切n j ,,2 ,1Λ=,有0≤j C ，则)0(X 为最优解．（2）无有限最优解判别 若)0(X ＝T m b b b )00(21⋅⋅⋅'⋅⋅⋅''为一基本可行解，有一个k C >0，且对一切m i ,,2,1Λ=有0≤ik β（ik β为约束条件方程中的系数，n k ,,2,1Λ=），那么该线性规划问题无有限最优解（或称有无界解或无最优解）． 事实上，应用向量的乘法，可以将检验数的求法表示得简明一些．令j c 表示目标函数中变量j x 的系数，B C 表示基本变量在目标函数中的系数行向量，j P 表示变量j x 在典型方程中的系数列向量，则⎪⎪⎪⎪⎪⎭⎫⎝⎛⋅-=⋅-=-=mj j j B j j B j j j j a a a C c P C c Z c C Λ21 n j ,,2 ,1Λ= （2-8）基本变量的检验数总等于0．目标函数值b C Z B ⋅=.3．基本可行解的改进 若初始基本可行解)0(X 不是最优解及不能判别无最优解时，需找一个新的基本可行解．具体方法是：首先确定进基变量，再确定出基变量．进基变量的确定：由式（2-7）可知，检验数j C 对线性规划问题的实际意义是：j C 表示当变量j x 增加1个单位时，目标函数的增加量；其经济意义表示相对利润．当0>j C 时，说明非基本变量j x 增加1个单位，目标函数可以增加，即现在的函数值不是最优，还能增加．这时要将某个非基本变量换到基本变量中去（称为进基变量）．为了使目标函数值增长最快，所以应选择j C 值最大的一项所对应的非基本变量进基,k C =>)0j C (max . 则对应的k x 为进基变量．进基变量所在的列（k ）称为枢列．出基变量的确定：当进基变量确定后（假设i x 是进基变量），出基变量的选定是应用“最小比值规则”．即用此时的各约束方程右端的常数项i b （非负数）与相应方程中k x 的正系数ik β相比，并选取最小商值的基本变量l x 为出基变量（将由基本变量变为非基本变量）．{}lkl ik ik i i bb βββθ=⎭⎬⎫⎩⎨⎧>=0min min出基变量所在的行（l ）称为枢行．枢行与枢列交点处的元素（lk β）称为枢元．然后通过初等变换，将约束条件转为关于新的基本变量的典型方程组，并求得新的基本可行解．对于新的基本可行解可再进行上述的最优性检验．二、单纯形解法上面介绍的单纯形法原理看似复杂，但如用表格形式计算，则比较容易操作．单纯形法的计算步骤：第1步：找出初始基本可行解，建立初始单纯形表．第2步：检验对应于非基本变量的检验数j C ，若对所有的0≤j C（n j ,,2 ,1Λ=），则已得到最优解，计算最优值∑==mi i i b c Z 1，即可结束．否则，转入下一步．第3步：在所有0>j C 中，若有一个k C 对应k x 的系数列向量，即对m i ,,2,1Λ=均有0≤ik β，则此问题无有限最优解（或称有无界解或无最优解），停止计算．否则转入下一步．第4步：根据()0max >j C ＝k C ，确定k x 为进基变量，再依据“最小比值规则”（{}lk l ik ik i i b b βββθ=⎭⎬⎫⎩⎨⎧>=0min min ）确定l x 为出基变量． 第5步：实施以枢元素为中心的初等变换，使约束方程组变为关于新的基本变量的典型方程组，得到新的单纯形表，重复第二步…，一直到没有新的非基本变量可以改善目标函数为止．若线性规划模型为：CX Z =Min ..t s b AX = 0≥X上述单纯形法的计算步骤仍有效，只是其中的第二步改为：若对所有的0≥j C （n j ,,2,1Λ=），则已得到最优解；第三步改为在所有0<j C 中，若有一个k C 对应k x 的系数列向量，即对m i ,,2,1Λ=均有0≤ik β，则此问题无有限最优解（或称有无界解或无最优解）；第四步改为)0min(<j C ＝k C ，确定k x 为进基变量．例2-8 现以例2-1来说明单纯形法的表上解法．⎪⎪⎪⎩⎪⎪⎪⎨⎧≥≤≤≤+≤++=0,124164821222..3002002121212121x x x x x x x x t s x x Z Max解 首先将线性规划问题标准化，即在约束条件中引入松弛变量3x 、4x 、5x 、6x ，则标准化后的线性规划模型为：21300200Max x x Z +=12 22321＝x x x ++ 8 2421＝x x x ++..t s 16 451＝x x + 12 462＝x x + 0,,,621≥x x x Λ此时约束方程组已为典型方程组，根据上述线性规划模型可以列出初始单纯形表（表2-4）：表2-4 单纯形法求解例2-1（1）表2-4中：10040010004001021000122 为典型方程组中变量的系数，j x 为规划中出现的变量，j c 为变量j x 在目标函数中的系数，B X 为基本变量，B C 为基本变量在目标函数中的系数，b 为典型方程组右端常数项（非负值），θ为确定出基变量的商值，ikii b βθ=（0>ik β），j C 为变量j x 的检验数，j P C c C B j j ⋅-=，Z为此时目标函数值，b C Z B ⋅=． 根据初始单纯形表可以看出：初始基本可行解是01=x ，02=x ，123=x ，84=x ，165=x ，126=x此时目标函数值()⎪⎪⎪⎪⎪⎭⎫⎝⎛⋅=12168120000Z ＝0检验数111P C c C B ⋅-=＝200－()⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⋅04120000＝200222P C c C B ⋅-=＝300－()⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⋅40220000＝3003C =4C =5C ＝6C ＝0（基本变量的检验数总等于零）由于01>C ，02>C ，所以初始基本可行解非最优解．又由于12C C >，所以确定2x 为进基变量．进一步求最小θ值：{}{}33,4,6min 412,28,212min 0min min ==⎭⎬⎫⎩⎨⎧=⎭⎬⎫⎩⎨⎧>=ik ik i i b ββθ即从第4个方程中算出的商值最小，而第4个方程中的基本变量是6x ，于是6x 为出基变量．表中给第4个约束方程中2x 的系数4加上方括号以突出其为枢元．接下去的工作是将2x 取代6x ，表2-4中的约束方程化为以3x 、4x 、5x 和2x 为基本变量，1x 和6x 为非基本变量的典型方程，以便求出新的基本可行解．从表2-4中可以看到，只需对方程组实行初等变换，使枢元位置变成1，而枢列中的其它元素变为零（即以枢元为中心的初等变换）就可以了．此处可先将第4个方程除以4，使枢元位置变成1；然后用新得到的第4个方程乘以（-2）后分别加到第1个和第2个方程上，使枢列中的第1个和第二个方程所在位变为零．这样我们可以得到新的单纯形表（表2-5）．表2-5给出的新的基本可行解是1x ＝0，2x ＝3，3x ＝6，4x ＝2，5x ＝16，6x ＝0此时目标函数值()⎪⎪⎪⎪⎪⎭⎫⎝⎛⋅=31626300000Z ＝900检验数111P C c C B ⋅-=＝200-()⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⋅0412300000＝200666P C c C B ⋅-=＝0-()⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛--⋅4102121300000＝75-2C ＝3C =4C =5C ＝0（基本变量的检验数总等于零）表2-5 单纯形法求解例2-1（2）由于01>C ，所以此时基本可行解非最优解，确定1x 为进基变量． 进一步计算最小θ值：{}{}24,2,3min 416,12,26min 0min min ==⎭⎬⎫⎩⎨⎧=⎭⎬⎫⎩⎨⎧>=ik ik i i b ββθ即从第2个方程中算出的商值最小，而第2个方程中的基本变量是4x ，于是4x 为出基变量．接着进行第二次迭代，将1x 取代4x ，表2-5中的约束方程化为以3x 、1x 、5x 和2x 为基本变量，4x 和6x 为非基本变量的典型方程，以便求出新的单纯形表．重复单纯形法计算第2 步～第5步，一直到没有新的非基本变量可以改善目标函数为止（见表2-6和表2-7）．表2-6 单纯形法求解例2-1（3）表2-7 单纯形法求解例2-1（4）表2-7中：目标函数值()⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⋅=244030002000Z =1400检验数444P C c C B ⋅-==0-()⎪⎪⎪⎪⎪⎭⎫ ⎝⎛--⋅2120130002000=-150555P C c C B ⋅-==0-()⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛--⋅8121414130002000=225- 1C =2C =3C =6C =0（基本变量的检验数总等于零）由于0≤j C ，6,,2,1Λ=j ，所以此基本可行解41=x ，22=x ，03=x ，04=x ，05=x ，46=x ，即为最优解，最优值为Z *＝1400．与前面图解法求解结果一致．为了加深对单纯形法基本思想的理解，不妨将表2-4、表2-5、表2-6、表2-7和图2-1进行对照，可以发现表2-4给出的基本可行解对应于图中可行域顶点0，表2-5给出的基本可行解对应于顶点A ，表2-6给出的基本可行解对应于顶点B ，表2-7给出的最优解对应于顶点C ．线性规划问题有无穷多个可行解，应用单纯形法可以高效率地求解此类问题．例2-9 用单纯形法求解下列规划问题43213Min x x x x Z +++=4 22321=++-x x x..t s 6 3421=++x x x0,,,4321≥x x x x解 令Z Z -='，于是原线性规划问题变为标准形式：43213Max x x x x Z ----='4 22321=++-x x x..t s 6 3421=++x x x 0,,,4321≥x x x x由于约束方程组已是典型方程组，所以可直接用单纯形表求解，见表2-8．表2-8 单纯形法求解例2-9表2-8计算得最优解是1x ＝0，2x ＝2，3x ＝0，4x ＝4，最优值为Z *＝-Z '*=6． 实际上，此线性规划问题也可根据单纯形法求解的基本思想，按照前面单纯形法计算步骤中提到的改变检验数判断方法，直接用单纯形表求解极小化问题，见表2-9．若对所有的0≥j C （n j ,,2,1Λ=），则已得到最优解；所有0<j C 中，若有一个k C 对应k x 的系数列向量，即对m i ,,2,1Λ=均有0≤ik β，则此问题无有。
线性规划的标准型和基本概念
（2）若线性规划问题的最优解存在，它一定可以在 可行域的某一个顶点上得到；
（3）若在两个顶点上同时得到最优解，则该两点连 线上的所有点都是最优解，即LP有无穷多最优解；
（4）若可行域非空有界，则一定有最优解。
24
线性规划的标准形式
标准线性规划模型
minZ 3x1 2x2
st. -2x1 x 2 2
x1-3x2 3
x1 0,x2 0
x2 -2x1+x2=2
4
3 2
-▽Z=(3,2)
minZ 3x1 2x2
-2x1 x 2 2
x1-3x2 3
x1 0,x2 0
Z=
Z x1
，Z x 2
=（-3,-2）
x1-3x2=3
有限资源的合理配置有两类问题 如何合理的使用有限的资源，使生产经营的效益达到最大； 在生产或经营的任务确定的条件下，合理的组织生产，安排经 营活动，使所消耗的资源数最少。
例１，某制药厂生产甲、乙两种药品，生产这两种药品要消耗某种维生 素。生产每吨药品所需要的维生素量，所占用的设备时间，以及该厂每 周可提供的资源总量如下表所示：
j=1
j=1
其中 x为n+k非负剩余变量。
(3) 右端项为负
约束两端乘以（－1） (4) 非负变量与符号不受限制的变量
若 xi的符号不受限制，则可引进非负变量xi1,xi2，令 xi = xi1-xi2，这样就可以使线性规划里所有的变量都转化为有非负限 制的变量。
例7，将下述线性规划问题化为标准型
线性规划的一般数学模型
线性规划模型的特征： （1）用一组决策变量x1，x2，…xn表示某一方案，且在一般情况下，
线性规划标准形式
线性规划标准形式线性规划是运筹学中的一种重要方法，它在管理、经济、工程等领域有着广泛的应用。
在进行线性规划问题求解时，往往需要将原始问题转化为标准形式，这样可以更方便地应用线性规划的方法进行求解。
本文将介绍线性规划的标准形式及其相关内容。
1. 线性规划的标准形式。
线性规划的标准形式可以表示为：Max z = c1x1 + c2x2 + ... + cnxn。
Subject to:a11x1 + a12x2 + ... + a1nxn ≤ b1。
a21x1 + a22x2 + ... + a2nxn ≤ b2。
...am1x1 + am2x2 + ... + amnxn ≤ bm。
xi ≥ 0, i = 1, 2, ..., n。
其中，目标函数为最大化的线性表达式，约束条件为线性不等式，变量xi为决策变量，ci为系数，aij为系数矩阵，bi为常数，n为变量个数，m为约束个数。
2. 转化为标准形式的方法。
为了将原始线性规划问题转化为标准形式，可以采取以下步骤：（1）将不等式约束转化为等式约束，引入松弛变量或者人工变量，将不等式约束转化为等式约束。
（2）将目标函数转化为最大化问题，如果原始问题是最小化问题，可以通过取负号将其转化为最大化问题。
（3）引入非负约束，对于原始问题中的自由变量或者负变量，引入非负变量替代。
通过以上步骤，可以将原始线性规划问题转化为标准形式，从而方便进行后续的求解操作。
3. 求解标准形式的方法。
一旦线性规划问题被转化为标准形式，就可以利用线性规划的方法进行求解。
常用的求解方法包括单纯形法、对偶理论、内点法等。
这些方法都是基于线性规划的特殊结构和性质而设计的，可以高效地求解大规模的线性规划问题。
4. 实例分析。
为了更好地理解线性规划的标准形式，我们可以通过一个实例来进行分析。
假设有如下线性规划问题：Max z = 3x1 + 5x2。
Subject to:2x1 + x2 ≤ 6。
- 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)。
线性规划的标准形式
描述线性规划问题的常用和最直观形式是标准型。
标准型包括以下三个部分：
1、一个需要极大化的线性函数。
2、以下形式的问题约束。
3、和非负变量。
其他类型的问题，例如极小化问题，不同形式的约束问题，和有负变量的问题，都可以改写成其等价问题的标准型。
扩展资料：
线性规划是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支，它是辅助人们进行科学管理的一种数学方法。
研究线性约束条件下线性目标函数的极值问题的数学理论和方法。
英文缩写LP。
它是运筹学的一个重要分支，广泛应用于军事作战、经济分析、经营管理和工程技术等方面。
为合理地利用有限的人力、物力、财力等资源作出的最优决策，提供科学的依据。