运筹学第二章
运筹学第二章习题答案
运筹学第二章习题答案运筹学是一门应用数学学科，旨在通过数学模型和定量方法来解决实际问题。
在运筹学的学习中，习题是必不可少的一部分，通过解答习题可以加深对知识的理解和应用。
本文将针对运筹学第二章的习题进行解答，希望能够帮助读者更好地掌握运筹学的知识。
第一题：线性规划问题的基本要素包括目标函数、约束条件和决策变量。
请问线性规划问题的目标函数通常是什么形式？为什么？答：线性规划问题的目标函数通常是线性函数的形式。
这是因为线性函数具有简单的数学性质，容易求解和分析。
此外，线性函数的图像为直线，可以通过直观的图形方法来理解问题的解。
第二题：什么是单纯形法？请简要描述单纯形法的基本思想和步骤。
答：单纯形法是一种求解线性规划问题的常用方法。
其基本思想是通过不断地移动到更优解的顶点，直到找到最优解。
单纯形法的步骤如下：1. 初始解的选择：选择一个可行解作为初始解。
初始解可以通过图形方法或其他启发式算法得到。
2. 进行迭代：通过计算目标函数的改进方向来确定下一步移动的方向。
如果目标函数不能再改进，则停止迭代，当前解即为最优解。
3. 顶点的移动：通过改变决策变量的值，将当前解移动到相邻的顶点。
移动的方向和距离由迭代步骤中计算得到。
4. 检验最优性：对移动后的顶点进行最优性检验，判断是否达到最优解。
如果达到最优解，则停止迭代，当前解即为最优解；否则，返回第2步。
第三题：什么是整数规划问题？请举一个实际应用的例子，并说明为什么需要使用整数规划方法来解决。
答：整数规划问题是线性规划问题的一种扩展形式，要求决策变量的取值为整数。
整数规划问题通常用于需要离散决策的场景，如生产调度、资源分配等。
举个例子，假设某公司有多个项目需要进行投资，每个项目的投资金额和预期收益已知。
公司希望选择一些项目进行投资，使得总投资金额不超过公司的可用资金，并最大化预期收益。
由于项目的投资金额和收益都是整数，这就是一个整数规划问题。
使用整数规划方法来解决这个问题的原因是，如果将决策变量的取值限制为整数，可以更好地符合实际情况。
运筹学第2章
-43-
运 筹 学
线性规划的对偶理论
性质3 最优性定理：如果 X 0 是原问题的可行解， 0 是其对偶 Y 问题的可行解，并且:
CX 0 BY 0
即: z w
则 X 0是原问题的最优解，Y 0是其对偶问题的最优解。
T
分别是原问题和对偶问题的可行解。 且原问题的目标函数值为
min W 20 y1 20 y2 s.t. y1 2 y2 1 2 y1 y2 2 2y1 3 y2 3 3 y1 2 y2 4 y1 , y2 0
Z CX 10
min W 20 y1 20 y2 s.t. y1 2 y2 1 2 y1 y2 2 2y1 3 y2 3 3 y1 2 y2 4 y1 , y2 0
(DP)
-41China University of Mining and Technology
-44China University of Mining and Technology
运 筹 学
线性规划的对偶理论
性质4 强(主)对偶性：若原问题及其对偶问题均具有可行解， 则两者均具有最优解，且它们最优解的目标函数值相等。
还可推出另一结论：若一对对偶问题中的任意一个有最优解， 则另一个也有最优解，且目标函数最优值相等；若一个问题 无最优解，则另一问题也无最优解。 一对对偶问题的关系，有且仅有下列三种： 1. 都有最优解，且目标函数最优值相等； 2. 两个都无可行解； 3. 一个问题无界，则另一问题无可行解。
-1-
运 筹 学
学习要点： 1. 理解对偶理论，掌握描述一个线性规划问题 的对偶问题。 2. 能够运用对偶单纯形法来求解线性规划问题。 3. 会用互补松弛条件来考虑一对对偶问题的界。
运筹学单纯形法
16
三、其他解旳情况 1、无穷多种解 例2 解LP问题：
min Z x1 2 x2 x3 0 x4 0 x5
xx51
1 2c 5 3c
其中c是满足非负性旳任意常数。
21
再由
x1,
x5
旳非负性，知：
x1 x2
1 2c c
0 0
x5 5 3c 0
解出 0 c 5 3
最优解为：
(2c 1, c,0,0,5 3c)T （其中0 c 5 ）
3
最优值为：max S 1.
22
2、无最优解旳两种情况：
相应地，将 X 0代入目的函数得 Z ( X 0 ) 0
从数学角度看，若让非基变量 x1, x2 取值从零增长，
6
min Z 2x1 x2 0x3 0x4 0x5
相应旳目旳函数值Z也将随之降低。所以有可能找到一种 新旳基本可行解，使其目旳函数值有所改善。即进行基变
换，换一种与它相邻旳基。再注意到 x1 前旳系数－2比 x2
x3
6 x1 x1
2x2 x2
x4 x5
xi 0
i 1,,5
15 24 5
目前可行基{ x3, x4 , x5 }所相应旳基本可行解
X 0 (0,0,15,24,5)T
(相应可行域旳 o(0,0) )
显然不是最优。 因为从经济意义上讲， x1 0, x2 0
意味着该厂不安排生产，所以没有利润。
2
运筹学 第二章 运输问题
=
j
j = 1
(
(
这就是运输问题的数学模型，它包含 m·n 变量, m + n 个约束条件。如果用单纯形法求解，先得在各约 束条件上加入一个人工变量(以便求出初始基可行解)。 因此，即使是 m = 3 ， n = 4 这样的简单问题, 变量数 就有19个之多，计算起来非常复杂。因此，我们有必 要针对运输问题的某些特点，来寻求更为简单方便的 求解方法。
销地产地
B1
B2
B3
B4
A1
x11
x12
A2
x21
x24
A3
x32
x34
x11 、 x12 、 x32 、 x34 、 x24 、 x21 构成一个闭回路. 这里有： i1 = 1 ， i2 = 3 ， i3 = 2；j1 = 1 ，j2 = 2 ，j3 = 4. 若把闭回路 的顶点在表中画出, 并且把相邻两个变量用一条直线相连 (今后就称这些直线为闭回路的边)。
第二节 表上作业法1. 表上作业法的基本概念与重要结论针对运输问题的数学模型结构的特殊性，它的约束方 程组的系数矩阵具有如下形式( 具体见下一张幻灯片 )，该 矩阵中， 每列只有两个元素为1，其余都是0。根据这个特 点，在单纯形法的基础上，创造出一种专门用来求解运输 问题的方法，这种方法我们称为表上作业法。运输问题也是一个线性规划问题，当用单纯形法进 行求解时，我们首先应当知道它的基变量的个数；其次， 要知道这样一组基变量应当是由哪些变量来组成。由运输 问题系数矩阵的形式并结合第一章单纯形算法的讨论可以 知道: 运输问题的每一组基变量应由 m+n-1个变量组成。 (即基变量的个数 = 产地个数 + 销售地个数 – 1) 进一步我 们想知道, 怎样的 m+n-1个变量会构成一组基变量？
运筹学课件第二章对偶问题
第二章线性规划的对偶理论与灵敏度分析一、学习目的与要求 1、掌握对偶理论及其性质 2、掌握对偶单纯形法3、熟悉灵敏度分析的概念和内容4、掌握限制常数与价值系数、约束条件系数的变化对原最优解的影响5、掌握增加新变量和增加新的约束条件对原最优解的影响，并求出相应因素的灵敏度范围6、了解参数线性规划的解法 二、课时 6学时第一节 线性规划的对偶问题一、对偶问题的提出定义：一个线性规划问题常伴随着与之配对的、两者有密切联系的另一个线性规划问题，我们将其中一个称为原问题，另一个就称为对偶问题，在求出一个问题的解时，也同时给出了另一问题的解。
应用：在某些情况下，解对偶问题比解原问题更加容易；对偶变量有重要的经济解释(影子价格)；作为灵敏度分析的工具；对偶单纯形法(从一个非可行基出发，得到线性规划问题的最优解)；避免使用人工变量(人工变量带来很多麻烦，两阶段法则增加一倍的计算量)。
例：某家具厂木器车间生产木门与木窗；两种产品。
加工木门收入为56元/扇，加工木窗收入为30元/扇。
生产一扇木门需要木工4小时，油漆工2小时；生产一扇木窗需要木工3小时，油漆工1小时；该车间每日可用木工总共时为120小时，油漆工总工时为50小时。
问：(1)该车间应如何安排生产才能使每日收入最大？(2)假若有一个个体经营者，手中有一批木器家具生产订单。
他想利用该木器车间的木工与油漆工来加工完成他的订单。
他就要考虑付给该车间每个工时的价格。
他可以构造一个数学模型来研究如何定价才能既使木器车间觉得有利可图而愿意为他加工这批订单、又使自己所付的工时费用最少。
解(1)：设该车间每日安排生产木门x1扇，木窗x2扇，则数学模型为⎪⎩⎪⎨⎧≥≤+≤++=-0502120343056max 21212121x x x x x x x zX*=(15,20)’ Z*=1440元解(2)：设y 1为付给木工每个工时的价格，y 2为付给油工每个工时的价格⎪⎩⎪⎨⎧≥≥+≥++=-0303562450120min 21212121y y y y y y y wY*=(2,24)’ W*=1440元将上述问题1与问题2称为一对对偶问题，两者之间存在着紧密的联系与区别：它们都使用了木器生产车间相同的数据，只是数据在模型中所处的位置不同，反映所要表达的含义也不同。
运筹学第二章
例2.4：将以下线性规划问题转化为 标准形式
Max s.t. Z = 3 x1 - 5 x2 + 8 x3 2x1 + 2x2 - x3 = 15.7
4 x1
+ 3x3 = 8.9
x1 + x2 + x3 = 38 x2 , x3 ≥ 0
4.右端项有负值的问题：
在标准形式中，要求右端项 必须每一个分量非负。当某一个 右端项系数为负时，如 bi<0，则 把该等式约束两端同时乘以-1， 得到：
产品甲 设备A 3 产品乙 2 设备能力 （h） 65
设备B
设备C 利润（元/件）
2
0 1500
1
3 2500
40
75
问：如何安排生产计划，才能使制药厂利润最大？
解：设变量 xi为第i种（甲、乙）产品的生 产件数（i＝1，2）。根据前面分析，可 以建立如下的线性规划模型： Max
z = 1500 x1 + 2500 x2
MinZ=∑xi
i=1
X6 +
x1 x1 + x2 x2 + x3 x3 + x4 x4 + x5 x5 + x6
≥ 8 ≥ 12
≥ 10
≥ 8 ≥ 6 ≥ 4
二、线性规划模型的一般形式
目标函数 s.t.
产品对资源的 单位消耗量
利润系数
Max(Min)z=c1x1+c2x2+……+cnxn
a11x1+a12x2+……+a1nxn≥(=、≤)b1 a21x1+a22x2+……+a2nxn≥(=、≤)b2 …… am1x1+am2x2+……+amnxn≥(=、≤)bm
运筹学课件第二章线性规划的对偶理论及其应用
– 原问题为基础可行解，对偶问题为非可行解，但满足
互补松弛条件；则当对偶问题为可行解时，取得最优 解
13
2.2.5 原问题检验数与对偶问题的解
• 在主对偶定理的证明中我们有：对偶(min型)变量的最 优解等于原问题松弛变量的机会成本，或者说原问题松 弛变量检验数的绝对值
• 容易证明，对偶问题最优解的剩余变量解值等于原问题 对应变量的检验数的绝对值
1
1/2 5/2
1
1
0
1/2 3/2
0
0
0
1/2 3/2
OBJ=
39
9/2
3
6
6
0
3/2
3/2
cj - zj
1/2
0
0
0
0
3/2 -M-3/2
0
x4
4
0
0
1
1
1
1
3
5
x1
6
1
0
2
2
0
1
1
3
x2
4
0
1
1
(1)
0
1
2
OBJ=
42
5
3
7
7
0
2
1
cj - zj
0
0
1
1
0
2 -M+1
0
x4
ቤተ መጻሕፍቲ ባይዱ
8
0
1
0
0
1
0
1
5
x1
数值，
g(Y0)=Y0b= CBB1 b
而原问题最优解的目标函数值为
f(X0)=CX0= CBB1 b 故由最优解判别定理可知Y0 为对偶问题的最优解。证毕。
运筹学02-单纯形法
反之，若经过迭代，不能把人工变量都变
为非基变量，则表明原LP问题无可行解。
19
第2章
单纯形法
2.3 人工变量法
2.3.1 大M法
在原问题的目标函数中添上全部人工变量，并令其系数 都为-M，
而M是一个充分大的正数。即
max z = c1x1 + c2x2 + c3x3 + … + cnxn – M( xn+1 + xn+2 +…+ xn+m )
思路：由一个基本可行解转化为另一个基本可行解。 等价改写为 目标方程 max z max z = 3x1+5x2 z -3x1 -5x2 = 0 z -3x1 -5x2 x1 +x3 x1 +x3 = 8 2x2 +x4 2x2 +x4 = 12 s.t. s.t. 3x1+4x2 +x5 3x1 + 4x2 +x5 = 36 x1 ， x2 ，x3，x4，x5 x1 ， x2 ，x3，x4，x5 ≥ 0
以主列中正值元素为分母，同行右端常数为分子，求比值；
6
第2章
单纯形法
2.1 单纯形法的基本思想
(Ⅰ)
用换基运算 将X0 转化为 另一个基本 可行解 X1。
z- 3x1 -5x2 = 0 0 换基运算—— x1 +x3 = 8 ① 方程组的初等变换 目的是把主列变为 22x2 +x4 = 12 ② 单位向量：主元变 3x1 + 4x2 +x5 = 36 ③ 为1，其余变为0。 X0 = ( 0, 0, 8, 12, 36 )T z0 = 0
⑴ 当前基：m阶排列阵