线性规划的图解法线性规划的图解法解的几何表示
合集下载
线性规划图解法

第二节 线性规划的图解法
图解法 线性规划问题求解的 几种可能结果 由图解法得到的启示
上页
下页 继续
返回
例1的数学模型
目标函数 Max Z = 2x1 + 3x2 约束条件 x1 + 2x2 8 4x1 16 4x2 12 x 1、 x 2 0
上页
下页
返回
图解法
9— 8—
x1+ 2x2=8 4x1 =16
4x1 16
C 4 x2 16
4 —B
3— 2— 1—
最优解 (4, 2)
D
x1 + 2x2 8
| 6 | 7 | 8 | 9 | 4
A
0
| 1
| 2
| 3
E
| 5
x1 下页 返回
上页
图解法求解步骤
• 由全部约束条件作图求出可行域; • 作目标函数等值线,确定使目标函数最
(d)无可行解
Max Z = 2x1 + 3x2 x1 +2 x2 8 4 x1 16 4x2 12 -2x1 + x2 4 x 1、 x 2 0
可行域为空集
上页 下页 返回
图解法的几点结论:
(由图解法得到的启示)
– 可行域是有界或无界的凸多边形。 – 若线性规划问题存在最优解,它一定可以在
优的移动方向; • 平移目标函数的等值线,找出最优点, 算出最优值。
上页
下页
返回
线性规划问题求解的 几种可能结果
(a) 唯一最优解
x2
6— 5— 4— 3— 2— 1— | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | x 9 1
图解法 线性规划问题求解的 几种可能结果 由图解法得到的启示
上页
下页 继续
返回
例1的数学模型
目标函数 Max Z = 2x1 + 3x2 约束条件 x1 + 2x2 8 4x1 16 4x2 12 x 1、 x 2 0
上页
下页
返回
图解法
9— 8—
x1+ 2x2=8 4x1 =16
4x1 16
C 4 x2 16
4 —B
3— 2— 1—
最优解 (4, 2)
D
x1 + 2x2 8
| 6 | 7 | 8 | 9 | 4
A
0
| 1
| 2
| 3
E
| 5
x1 下页 返回
上页
图解法求解步骤
• 由全部约束条件作图求出可行域; • 作目标函数等值线,确定使目标函数最
(d)无可行解
Max Z = 2x1 + 3x2 x1 +2 x2 8 4 x1 16 4x2 12 -2x1 + x2 4 x 1、 x 2 0
可行域为空集
上页 下页 返回
图解法的几点结论:
(由图解法得到的启示)
– 可行域是有界或无界的凸多边形。 – 若线性规划问题存在最优解,它一定可以在
优的移动方向; • 平移目标函数的等值线,找出最优点, 算出最优值。
上页
下页
返回
线性规划问题求解的 几种可能结果
(a) 唯一最优解
x2
6— 5— 4— 3— 2— 1— | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | x 9 1
线性规划(图解法)

D
max Z
可行域
(7.6,2) , )
34.2 = 3X1+5.7X2
X1 + 1.9X2 = 3.8(≥) X1 - 1.9X2 = 3.8 (≤) L0: 0=3X1+5.7X2
oபைடு நூலகம்
x1
图解法
min Z=5X1+4X2 x2
X1 + 1.9X2 = 10.2 (≤)
Page 18
43=5X1+4X2 8=5X1+4X2 此点是唯一最优解 (0,2) , )
图解法
线性规划问题的求解方法 一般有 两种方法 图解法 单纯形法 两个变量、 两个变量、直角坐标 三个变量、 三个变量、立体坐标
Page 1
适用于任意变量、 适用于任意变量、但必需将 一般形式变成标准形式
下面我们分析一下简单的情况—— 下面我们分析一下简单的情况—— 只有两个决策 变量的线性规划问题, 变量的线性规划问题,这时可以通过图解的方法来 求解。图解法具有简单、直观、 求解。图解法具有简单、直观、便于初学者窥探线 性规划基本原理和几何意义等优点。 性规划基本原理和几何意义等优点。
• 有效与无效 紧与松)约束:与最优解相关的约束为有效 有效与无效(紧与松 约束 紧与松 约束: (紧)约束。 紧 约束 约束。 • 最优解:总是在可行域的边界上,一般由可行域的顶 最优解:总是在可行域的边界上, 点表示。 点表示。 • 可行域:由约束平面围起来的凸多边形区域,可行域 可行域:由约束平面围起来的凸多边形区域, 个可行解。 内的每一个点代表一 个可行解。
20
无可行解(即无最优解 无可行解 即无最优解) 即无最优解
10
O
10
第二章3 线性规划问题的图解法

(关于图解法中解的讨论请参阅文献(1)、(2) 关于图解法中解的讨论请参阅文献( 中有关节 线性规划问题的图解法
x2
3x1 +4x2 =9
o
x1
第三 节 线性规划问题的图解法
若考虑 x1 ,x2 ≥0 ,满足约束条件的(x1 ,x2)构成如下图所示的阴 影部分(三角形面) x2
3x1 +4x2 =9
o
x1
(请大家想一想 3x1 +4x2 ≥9 在以 x1、x2 为坐标轴的直角坐标系中, 可以用什么形状的图形表示) 同理,可以画出 5x1 +2x2 ≤8 , x1 ,x2 ≥0 所表示的平面区域
第三节 线性规划问题的图解法
本节主要介绍图解法求解线性规划问题 的基本过程及可行域、等值线、顶点等概念 对于不超过三个变量的线性规划问题, 对于不超过三个变量的线性规划问题 ,可 以画成平面图或立体图用图解法求解, 以画成平面图或立体图用图解法求解 ,它虽然 没有多大是实用价值,但简单直观, 没有多大是实用价值,但简单直观, 有助于了 解线性规划问题求解的基本原理。 解线性规划问题求解的基本原理。下面通过一 道例题的求解来讲述图解法的基本过程。 道例题的求解来讲述图解法的基本过程。
第三节 线性规划问题的图解法
x2
5x1 +2x2=8 可行域顶点 3x1 +4x2 =9 法线方向 该线段上点的函数值虽 然更大, 但已超出了可行 域 O X1 此时目标函数值最大 Z =10x1+5x2
第三 节 线性规划问题的图解法
从图可以看出, 内, 从图可以看出 , 既在可行域 内 , 又使目标函数值达 到最大,此时等值线留在可行域的顶点上 , 到最大 ,此时等值线留在可行域的顶点上, 这一点的坐标 3/2) ,正是直线 为 ( 1 , 3/2 ) 正是直线 3x 1 +4x 2 =9 和 5x 1 +2x 2 =8 的交 , =1, 是这个问题最优解。 点 , 即 x 1=1 , x 2 =3/2 是这个问题最优解 。 由于在下一章 可以证明线性规 划问题的最优解 一定可以在可行域的顶 点上找到, 因此, 点上找到 , 因此 ,只需要求出可行域顶点的坐标并计算每 一顶点的目标函数值, 就可以从中找出最优解。 一顶点的目标函数值 , 就可以从中找出最优解 。 顶 点 Z==10x 1 +5x 2 Z= =10x x1 x2 0 0 0 8/5 0 16 35/2( max) 1 3/2 35/2 ( max ) 0 9/4 45/4
管理运筹学第二章线性规划的图解法

02
图解法的基本原理
图解法的概念
图解法是一种通过图形来直观展示线性规划问题解的方法。它通过在坐标系中绘 制可行域和目标函数,帮助我们理解问题的结构和最优解的位置。
图解法适用于线性规划问题中变量和约束条件较少的情况,能够直观地展示出最 优解的几何意义。
图解法的步骤
确定决策变量和目标函数
明确问题的决策变量和目标函数,以便在图 形中表示。
目标函数是要求最小化或最大化的函数,通常表示为 $f(x) = c_1x_1 + c_2x_2 + ldots + c_nx_n$。
04
约束条件是限制决策变量取值的条件,通常表示为 $a_1x_1 + a_2x_2 + ldots + a_nx_n leq b$或 $a_1x_1 + a_2x_2 + ldots + a_nx_n = b$。
LINDO是一款开源的线性规划求解器,用 户可以免费使用。
软件工具的使用方法
Excel
用户需要先在Excel中设置好线性规划模型,然后使 用“数据”菜单中的“规划求解”功能进行求解。
Gurobi/CPLEX/LINDO
这些软件通常需要用户先在软件界面中输入线性规划 模型,然后通过点击“求解”按钮进行求解。
实例三:分配问题
总结词
分配问题是指如何根据一定的分配原则 或目标,将有限的资源分配给不同的需 求方,以最大化整体效益。
VS
详细描述
分配问题在实际生活中广泛存在,如物资 分配、任务分配等。通过图解法,可以将 分配问题转化为线性规划模型,并利用图 形直观地展示最优解的资源分配方案。在 分配问题中,通常需要考虑不同需求方的 重要性和优先级,以及资源的有限性等因 素,以实现整体效益的最大化。
第四讲线性规划-图解法(liu)

21
三、二维线性规划的图解法
3、几个概念 (3)可行解
由约束条件和变量取值限制围成的公共 区域中的每一个点都称为线性规划问题的可 行解。
(4)可行域
所有可行解的集合,构成线性规划问题 的可行域。
22
三、二维线性规划的图解法
4、解的状态
(1)唯一解 (2)无穷多个最优解 (目标函数直线与可行域某直线重合)
二、线性规划模型及标准化
1、线性规划模型的一般形式
例二:配料问题 某工厂要用四种合金T1,T2,T3和T4为 原料,经熔炼成为一种新的不锈钢G。这四 种原料含元素铬(Cr),锰(Mn)和镍(Ni) 的含量(%),这四种原料的单价以及新的 不锈钢材料G所要求的Cr,Mn和Ni的最低含 量(%)如下表所示:
25
三、二维线性规划的图解法
线性规划的几何意义
(1)凸集
集合C∈En,从C中任取两点X、Y,当 0<λ<1时,仍有λX+(1-λ)Y∈C,则称C为 凸集。 凸集:
26
三、二维线性规划的图解法
线性规划的几何意义 (1)凸集 不是凸集:
27
ห้องสมุดไป่ตู้
2、线性规划模型的标准化方法: (1)把最小化目标函数转化为求最大化问 题。令 z' z (2)把约束方程中的不等式转化为等式。 具体做法是:对于小于等于情况,引进松弛变 量,对于大于等于情况,引进剩余变量。 x j x 'j x"j (3)变量取值可能无约束。令 x 'j x j (4)变量小于等于零,令 (5)右端项 b j 小于零,等式两端同乘-1
2
一、情况介绍
线性规划研究的问题可以归结为两大类 别: 1、在现有的资源条件下,如何充分利 用资源,使任务或目标完成得最好(求约束 极大化问题)。 2、在给定目标下,如何以最少的资源 消耗,实现这个目标(求约束极小化问题)。
三、二维线性规划的图解法
3、几个概念 (3)可行解
由约束条件和变量取值限制围成的公共 区域中的每一个点都称为线性规划问题的可 行解。
(4)可行域
所有可行解的集合,构成线性规划问题 的可行域。
22
三、二维线性规划的图解法
4、解的状态
(1)唯一解 (2)无穷多个最优解 (目标函数直线与可行域某直线重合)
二、线性规划模型及标准化
1、线性规划模型的一般形式
例二:配料问题 某工厂要用四种合金T1,T2,T3和T4为 原料,经熔炼成为一种新的不锈钢G。这四 种原料含元素铬(Cr),锰(Mn)和镍(Ni) 的含量(%),这四种原料的单价以及新的 不锈钢材料G所要求的Cr,Mn和Ni的最低含 量(%)如下表所示:
25
三、二维线性规划的图解法
线性规划的几何意义
(1)凸集
集合C∈En,从C中任取两点X、Y,当 0<λ<1时,仍有λX+(1-λ)Y∈C,则称C为 凸集。 凸集:
26
三、二维线性规划的图解法
线性规划的几何意义 (1)凸集 不是凸集:
27
ห้องสมุดไป่ตู้
2、线性规划模型的标准化方法: (1)把最小化目标函数转化为求最大化问 题。令 z' z (2)把约束方程中的不等式转化为等式。 具体做法是:对于小于等于情况,引进松弛变 量,对于大于等于情况,引进剩余变量。 x j x 'j x"j (3)变量取值可能无约束。令 x 'j x j (4)变量小于等于零,令 (5)右端项 b j 小于零,等式两端同乘-1
2
一、情况介绍
线性规划研究的问题可以归结为两大类 别: 1、在现有的资源条件下,如何充分利 用资源,使任务或目标完成得最好(求约束 极大化问题)。 2、在给定目标下,如何以最少的资源 消耗,实现这个目标(求约束极小化问题)。
线性规划问题的图解法

第二十四页,共51页。
单纯形法的计算(jìsuàn)步骤
单纯形法的思路(sīlù)
找出一个(yī ɡè)初始可行解
4x1
16
可行(kěxíng)域
单纯形法的进一步讨论(tǎolùn)-人工变量法
第四十三页,共51页。
单纯形法的计算(jìsuàn)步骤
是否最优 故人(gùrén)为添加两个单位向量,得到人工变量单纯形法数学模型:
量作为换出变量。
L
min
bi a ik
a ik
0
第二十九页,共51页。
单纯形法的计算(jìsuàn)步骤
③ 用换入变量(biànliàng)xk替换基变量(biànliàng)中的换出变量 (biànliàng),得到一个新的基。对应新的基可以找出一个新的基可 行解,并相应地可以画出一个新的单纯形表。
: X (1) K和X (2) K
X X (1) (1 ) X (2) (0 1)
则X为顶点(dǐngdiǎn).
(wèntí)
的 几
第四页,共51页。
凸组合(zǔhé):
意线 义性
规 划 问 题 的 几 何
设X(1) ,..., X (k)是n维向量空间中的k个点,
若存在1,..., k ,且0 i 1, i 1,2,..., k,
A
1 域2 3
D
| E|
45
4 x2 16 x1 + 2x2 8
|||| 6789
x1
第九页,共51页。
❖图解法
目标(mùbiāo)函数 Max Z = 2x1 + 3x2
x2 9—
8—
7—
6—
5—
4—
单纯形法的计算(jìsuàn)步骤
单纯形法的思路(sīlù)
找出一个(yī ɡè)初始可行解
4x1
16
可行(kěxíng)域
单纯形法的进一步讨论(tǎolùn)-人工变量法
第四十三页,共51页。
单纯形法的计算(jìsuàn)步骤
是否最优 故人(gùrén)为添加两个单位向量,得到人工变量单纯形法数学模型:
量作为换出变量。
L
min
bi a ik
a ik
0
第二十九页,共51页。
单纯形法的计算(jìsuàn)步骤
③ 用换入变量(biànliàng)xk替换基变量(biànliàng)中的换出变量 (biànliàng),得到一个新的基。对应新的基可以找出一个新的基可 行解,并相应地可以画出一个新的单纯形表。
: X (1) K和X (2) K
X X (1) (1 ) X (2) (0 1)
则X为顶点(dǐngdiǎn).
(wèntí)
的 几
第四页,共51页。
凸组合(zǔhé):
意线 义性
规 划 问 题 的 几 何
设X(1) ,..., X (k)是n维向量空间中的k个点,
若存在1,..., k ,且0 i 1, i 1,2,..., k,
A
1 域2 3
D
| E|
45
4 x2 16 x1 + 2x2 8
|||| 6789
x1
第九页,共51页。
❖图解法
目标(mùbiāo)函数 Max Z = 2x1 + 3x2
x2 9—
8—
7—
6—
5—
4—
线性规划问题的图解法

这种情况通常称为无“有限最优解” 或“最优 解无界”。
如果一个实际问题抽象成像例1-4这样的线性规 划模型,比如是一个生产计划问题,其经济含义就是 某些资源是无限的,产品的产量可以无限大。此时应 重新检查和修改模型,否则就没有实际意义。
注意,对于无界可行域的情况,也可能有唯一
最优解或无穷多个最优解。
x1 2x2 ≤8 代表一个半平面
其边界: x1+2 x2 =8
x1+2 x2 =8 及x1,x2 ≥0
x2 B
Q4
3
2
x12x28
△ AOB
点A、B 连线AB △A0B
1
A x1
0 1 2345678
经济含义 ?
点A(8,0):
全部的设备都用来生产Ⅰ产品而不生产Ⅱ 产品,那么Ⅰ产品的最大可能产量为8台,计 算过程为: x1+2×08 x18
maxZ2x13x2
x1 2 x2 ≤ 8
4
4
x1 x2
≤ ≤
16 12
x 1 , x 2 ≥ 0
x2 B 4x1 16
3E F
2
1
4x2 12
C
最优点
x12x28
A
D
x1
0
1 2345 678
结果
有唯一最优解 可行域是一个非空有界区域
讨论 可行域有几种可能 ? 解有几种可能 ?
结果表明,该线性规划有无穷多个 最优解--线段AB上的所有点都是最优
点,它们都使目标函数取得相同的最大值 Zmax=14。
无界解
maxZx1x2
x
2
1
x
1
x2
如果一个实际问题抽象成像例1-4这样的线性规 划模型,比如是一个生产计划问题,其经济含义就是 某些资源是无限的,产品的产量可以无限大。此时应 重新检查和修改模型,否则就没有实际意义。
注意,对于无界可行域的情况,也可能有唯一
最优解或无穷多个最优解。
x1 2x2 ≤8 代表一个半平面
其边界: x1+2 x2 =8
x1+2 x2 =8 及x1,x2 ≥0
x2 B
Q4
3
2
x12x28
△ AOB
点A、B 连线AB △A0B
1
A x1
0 1 2345678
经济含义 ?
点A(8,0):
全部的设备都用来生产Ⅰ产品而不生产Ⅱ 产品,那么Ⅰ产品的最大可能产量为8台,计 算过程为: x1+2×08 x18
maxZ2x13x2
x1 2 x2 ≤ 8
4
4
x1 x2
≤ ≤
16 12
x 1 , x 2 ≥ 0
x2 B 4x1 16
3E F
2
1
4x2 12
C
最优点
x12x28
A
D
x1
0
1 2345 678
结果
有唯一最优解 可行域是一个非空有界区域
讨论 可行域有几种可能 ? 解有几种可能 ?
结果表明,该线性规划有无穷多个 最优解--线段AB上的所有点都是最优
点,它们都使目标函数取得相同的最大值 Zmax=14。
无界解
maxZx1x2
x
2
1
x
1
x2
线性规划问题的图解法

bm 0 1 am ,m 1 amn m
j
0 0 j c j c i a ij
bi 其中: i a kj 0 a kj
单纯形法的计算步骤
例1.8 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
A
0
E
| 5
| 6
| 7
| 8
| 9
x1
图解法
9— 8—
目标函数 Max Z = 2x1 + 3x2
约束条件 x1 + 2x2 8
4x1 16 4x2 12 x1、 x2 0
x2
7—
6— 5—
4x1 16
C 4 x2 16
4 —B
3— 2— 1—
D
| 1 | 2 | 3 | 4
4—
3— 2— 1— 0
x1
图解法
9— 8—
目标函数 Max Z = 2x1 + 3x2
约束条件 x1 + 2x2 8
4x1 16 4x2 12 x1、 x2 0
x2
7—
6— 5—
4x1 16 4 x2 12 x1 + 2x2 8
4—
3— 2— 1— 0
可行域
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9
x2
X1 + 1.9X2 = 11.4 (≤)
8=5X1+4X2 此点是唯一最优解 ( 0, 2)
D
43=5X1+4X2
可行域
j
0 0 j c j c i a ij
bi 其中: i a kj 0 a kj
单纯形法的计算步骤
例1.8 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
A
0
E
| 5
| 6
| 7
| 8
| 9
x1
图解法
9— 8—
目标函数 Max Z = 2x1 + 3x2
约束条件 x1 + 2x2 8
4x1 16 4x2 12 x1、 x2 0
x2
7—
6— 5—
4x1 16
C 4 x2 16
4 —B
3— 2— 1—
D
| 1 | 2 | 3 | 4
4—
3— 2— 1— 0
x1
图解法
9— 8—
目标函数 Max Z = 2x1 + 3x2
约束条件 x1 + 2x2 8
4x1 16 4x2 12 x1、 x2 0
x2
7—
6— 5—
4x1 16 4 x2 12 x1 + 2x2 8
4—
3— 2— 1— 0
可行域
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9
x2
X1 + 1.9X2 = 11.4 (≤)
8=5X1+4X2 此点是唯一最优解 ( 0, 2)
D
43=5X1+4X2
可行域
- 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)。
17
2.可行域为封闭的无界区域 (c)有唯一的最优解; (d)有无穷多个最优解; (e)目标函数无界(即虽有可解,但 在可行域中,目标函数可以无限增大或 无限减少),因而没有有限最优解。
18
可行域无界—唯一最优解
可行域无界—无穷多最 优解
19
可行域无界—目标函数无界
20
3.可行域为空集 (f)没有可行解,原问题无最优解
9
无穷多解的情况
10
[例2.7]在例2.2的线性规划模型中, 如果约束条件(A)、(C)变为:
3 x1 + 2 x2 ≥ 65 (A’)
3 x2 ≥ 75
(C’)
并且去掉(D、E)的非负限制。那么, 可行域成为一个上无界的区域。这时, 没有有限最优解,如下图所示:
11
无有限解的情况
12
[例2.8]在例2.2的线性规划模型中, 如果增加约束条件(F)为:
21
可行域为空集—无可行解
22
作业:P59 3
23
结束放映
24
品的生解产:件设数变(量ix=i为1第,i2种)(。甲根、据乙前)面分产
析,可以建立如下的线性规划模型:
Max z = 1500 x1 + 2500 x2
s.t. 3x1+2x2 ≤ 65
(A)
2x1+x2 ≤ 40
(B)
3x2 ≤ 75
(解法的步骤在以决策
x1 + x2 ≥ 40 (F)
那么,可行域成为空的区域。这时, 没有可行解,显然线性规划问题无 解。如下图所示:
13
无可行解的情况
14
可行域和解有哪些情况?
15
线性规划的可行域和最优解 的几种可能的情况
1.可行域为封闭的有界区域 (a)有唯一的最优解; (b)有无穷多个最优解;
16
可行域有界—唯一最优解 可行域有界—多个最优解
2
(3)任意给定目标函数一个值作一 条目标函数的等值线,并确定该等值线 平移后值增加的方向,平移此目标函数 的等值线,使其达到既与可行域有交点 又不可能使值再增加的位置(有时交于无 穷远处,此时称无有限最优解)。
若有交点时,此目标函数等值线与 可行域的交点即最优解(一个或多个), 此目标函数的值即最优值。
3
[例2.5]某工厂拥有A、B、C三种
类型的设备,生产甲、乙两种产品。 每件产品在生产中需要占用的设备机 时数,每件产品可以获得的利润以及 三种设备可利用的时数如下表所示:
产品甲
设备A 设备B 设备C
利润(元/件)
3 2 0 1500
产品乙
2 1 3 2500
设备能力 (h) 65 40 75
4
问题:工厂应如何安排生产可获得 最大的总利润?用图解法求解。
变量x1 ,x2 为坐标向量的平面直
角坐标系上对每个约束(包括非 负约束)条件作出直线,并通过 判断确定不等式所决定的半平面。 各约束半平面交出来的区域即可 行集或可行域如下图阴影所示。
6
图解法求解线性规划 7
任意给定目标函数一个值作一条目 标函数的等值线,确定该等值线平移后 值增加的方向;
平移此目标函数的等值线,使其达 到既与可行域有交点又不可能使值再增 加的位置,得到交点 (5,25)T ,此目标 函数的值为70000。
图解法求解线性规划问题的步骤如下:
(1)分别取决策变量x1 ,x2 为坐标向
量建立直角坐标系。
1
(2)对每个约束(包括非负约束)条 件,先取其等式在坐标系中作出直线,通 过判断确定不等式所决定的半平面。
各约束半平面交出来的区域(存在或 不存在),若存在,其中的点表示的解称 为此线性规划的可行解。这些符合约束限 制的点集合,称为可行集或可行域。否则 该线性规划问题无可行解。
于是,得到这个线性规划的最优解
x1=5、x2=25,最优值z = 70000。即最优
方案为生产甲产品5件、乙产品25件,可 获得最大利润为70000元。
8
[例2.6]在例2.2的线性规划模型 中,如果目标函数变为:
Max z = 1500 x1 + 1000 x2
那么,目标函数的等值线与直线 (A)重合。这时,最优解有无穷多 个:从点 (5,25)T到点 (15,10)T 线 段上的所有点,最优值为32500。如 下图所示:
2.可行域为封闭的无界区域 (c)有唯一的最优解; (d)有无穷多个最优解; (e)目标函数无界(即虽有可解,但 在可行域中,目标函数可以无限增大或 无限减少),因而没有有限最优解。
18
可行域无界—唯一最优解
可行域无界—无穷多最 优解
19
可行域无界—目标函数无界
20
3.可行域为空集 (f)没有可行解,原问题无最优解
9
无穷多解的情况
10
[例2.7]在例2.2的线性规划模型中, 如果约束条件(A)、(C)变为:
3 x1 + 2 x2 ≥ 65 (A’)
3 x2 ≥ 75
(C’)
并且去掉(D、E)的非负限制。那么, 可行域成为一个上无界的区域。这时, 没有有限最优解,如下图所示:
11
无有限解的情况
12
[例2.8]在例2.2的线性规划模型中, 如果增加约束条件(F)为:
21
可行域为空集—无可行解
22
作业:P59 3
23
结束放映
24
品的生解产:件设数变(量ix=i为1第,i2种)(。甲根、据乙前)面分产
析,可以建立如下的线性规划模型:
Max z = 1500 x1 + 2500 x2
s.t. 3x1+2x2 ≤ 65
(A)
2x1+x2 ≤ 40
(B)
3x2 ≤ 75
(解法的步骤在以决策
x1 + x2 ≥ 40 (F)
那么,可行域成为空的区域。这时, 没有可行解,显然线性规划问题无 解。如下图所示:
13
无可行解的情况
14
可行域和解有哪些情况?
15
线性规划的可行域和最优解 的几种可能的情况
1.可行域为封闭的有界区域 (a)有唯一的最优解; (b)有无穷多个最优解;
16
可行域有界—唯一最优解 可行域有界—多个最优解
2
(3)任意给定目标函数一个值作一 条目标函数的等值线,并确定该等值线 平移后值增加的方向,平移此目标函数 的等值线,使其达到既与可行域有交点 又不可能使值再增加的位置(有时交于无 穷远处,此时称无有限最优解)。
若有交点时,此目标函数等值线与 可行域的交点即最优解(一个或多个), 此目标函数的值即最优值。
3
[例2.5]某工厂拥有A、B、C三种
类型的设备,生产甲、乙两种产品。 每件产品在生产中需要占用的设备机 时数,每件产品可以获得的利润以及 三种设备可利用的时数如下表所示:
产品甲
设备A 设备B 设备C
利润(元/件)
3 2 0 1500
产品乙
2 1 3 2500
设备能力 (h) 65 40 75
4
问题:工厂应如何安排生产可获得 最大的总利润?用图解法求解。
变量x1 ,x2 为坐标向量的平面直
角坐标系上对每个约束(包括非 负约束)条件作出直线,并通过 判断确定不等式所决定的半平面。 各约束半平面交出来的区域即可 行集或可行域如下图阴影所示。
6
图解法求解线性规划 7
任意给定目标函数一个值作一条目 标函数的等值线,确定该等值线平移后 值增加的方向;
平移此目标函数的等值线,使其达 到既与可行域有交点又不可能使值再增 加的位置,得到交点 (5,25)T ,此目标 函数的值为70000。
图解法求解线性规划问题的步骤如下:
(1)分别取决策变量x1 ,x2 为坐标向
量建立直角坐标系。
1
(2)对每个约束(包括非负约束)条 件,先取其等式在坐标系中作出直线,通 过判断确定不等式所决定的半平面。
各约束半平面交出来的区域(存在或 不存在),若存在,其中的点表示的解称 为此线性规划的可行解。这些符合约束限 制的点集合,称为可行集或可行域。否则 该线性规划问题无可行解。
于是,得到这个线性规划的最优解
x1=5、x2=25,最优值z = 70000。即最优
方案为生产甲产品5件、乙产品25件,可 获得最大利润为70000元。
8
[例2.6]在例2.2的线性规划模型 中,如果目标函数变为:
Max z = 1500 x1 + 1000 x2
那么,目标函数的等值线与直线 (A)重合。这时,最优解有无穷多 个:从点 (5,25)T到点 (15,10)T 线 段上的所有点,最优值为32500。如 下图所示: