001线性规划-选课策略
课号 课名 学分 所属类别 先修课要求
1 2 3 4 5 6 7 8 9
微积分 线性代数 最优化方法 数据结构 应用统计 计算机模拟 计算机编程 预测理论 数学实验
5 4 4 3 4 3 2 2 3
数学 数学 数学；运筹学 数学；计算机 数学；运筹学 计算机；运筹学 计算机 运筹学 运筹学；计算机
2x9 x1 x2 0
讨论：选修课程最少，学分尽量多，应学习哪些课程？ 课程最少
Min Z xi
i 1
9
学分最多 Max W 5x1 4 x2 4 x3 3x4 4 x5
3x6 2 x7 2 x8 3x9
两目标(多目标)规划
• 以课程最少为目标， 不管学分多少。 • 以学分最多为目标， 不管课程多少。
多目标规划
• 对学分数和课程数加权形成一个目标，如三七开。
Min Y 1Z 2W 0.7Z 0.3W
课号 1 2 3 4 5 6 7 8 9 课名 微积分 线性代数 最优化方法 数据结构 应用统计 计算机模拟 计算机编程 预测理论 数学实验 学分 5 4 4 3 4 3 2 2 3
0-1规划模型
课号 课名 微积分 线性代数 最优化方法 数据结构 应用统计 计算机模拟 计算机编程 预测理论 数学实验 先修课要求
1 2 3
4 5 6 7 8 9
约束条件 先修课程要求 x3=1必有x1 = x2 =1
微积分；线性代数 计算机编程 微积分；线性代数 计算机编程 应用统计 微积分；线性代数
增加约束
x
i 1
9
i
6，
以学分最多为目标求解。
最优解： x1 = x2 = x3 = x5 = x7 = x9 =1, 其它为0；总 学分由21增至22。
1 2 3
4 5 6 7 8 9
注意：最优解不唯一！
可将x9 =1 易为x6 =1 LINDO无法告诉优化 问题的解是否唯一。
x3 x1 , x3 x2
2x3 x1 x2 0
x 4 x7 x4 x7 0
2 x5 x1 x2 0 x6 x7 0
模型求解（LINDO） 最优解： x1 = x2 = x3 = x6 = x7 = x9 =1, 其它为0；6门课程，总学分21
x8 x5 0
决策变量 xi=1 ~选修课号i 的 课程（xi=0 ~不选） 目标函数 选修课程总数最少
Min Z xi
i 1
9
约束条件
最少2门数学课， 3门运筹学课， 2门计算机课。
x1 x2 x3 x4 x5 2
x3 x5 x6 x8 x9 3
x4 x6 x7 x9 2
微积分；线性代数 计算机编程 微积分；线性代数 计算机编程 应用统计 微积分；线性代数
要求至少选两门数学课、三门运筹学课和两门计算机课 为了选修课程门数最少，应学习哪些课程 ？ 选修课程最少，且学分尽量多，应学习哪些课程 ？
0-1规划模型
课号 1 2 3 4 5 6 7 8 9 课名 微积分 线性代数 最优化方法 数据结构 应用统计 计算机模拟 计算机编程 预测理论 数学实验 所属类别 数学 数学 数学；运筹学 数学；计算机 数学；运筹学 计算机；运筹学 计算机 运筹学 运筹学；计算机
Z xi
i 1
9
W 5x1 4 x2 4 x3 3x4 4 x5 3x6 2 x7 2 x8 3x9
最优解： x1 = x2 = x3 = x4 = x5 = x6 = x7 = x9 =1， 其它为0；总学分28。
多目标规划
Min {Z , W }
多目标优化的处理方法：化成单目标优化。
最优解如上，6门课 程，总学分21 。 最优解显然是选修所 有9门课程 。
多目标规划
• 在课程最少的前提下 以学分最多为目标。
课号 课名 微积分 线性代数 最优化方法 数据结构 应用统计 计算机模拟 计算机编程 预测理论 数学实验 学分 5 4 4 3 4 3 2 2 3
1 3 / 4
最优解与1=1，2=0的结果相同——课程最少
讨论与思考
Min Y 1 Z 2W
1 2 1, 0 1 , 2 1
W 5x1 4 x2 4 x3 3x4 4 x5 3x6 2 x7 2 x8 3x9
Z xi
i 1
ቤተ መጻሕፍቲ ባይዱ
9
1 2 / 3
最优解与1=0，2=1的结果相同——学分最多
大学教案—线性规划
授课类型 授课时间
教材分析： 本章主要介绍了线性规划的基本概念。
课堂讲授 第 1 周第 1 节
教学目的与要求： 要求学生掌握线性规划的作用和意义。
重点与难点： 重点：线性规划的基本概念 难点：常见线性规划问题
教学内容与过程（设想、方法、手段）
启发式教学、课堂精讲、讲练结合
思考题、讨论题、作业：
B3 三个城市，三个城市的粮食需求量分别为 17、18 和 15 万吨．农场到各城市的运 价如下表
运价表
单位：元/万吨
城市 农场
运价 B1
B2
B3
A1
50
60
70
A2
60
110
160
问：应如何调运，可使总运费最省？试建立该问题的数学模型． 分析 此问题有两个供应方 A1 和 A 2 ，三个需求方 B1 ， B2 ， B3 ，假设这五者 组成一个封闭系统，两个供应者的粮食只能提供给这三个需求方，同时三个需求方 的粮食也只能从这两个供应者处获得． 要建立该问题数学模型，必须首先从问题出发． 该题问“应如何调运，使总运费最省”． “应如何调运”指从农场 A1 分别向三个城市运多少万吨粮食(三个量)，从农场 A 2 分别向三个城市运多少万吨粮食(三个量)，共计 6 个量． 上述 6 个量是可以变化的，在计算前是未知的，是有待决策的，称其为决策变 量．在建立数学模型时应首先将其设出．为便于区分供应方和需求方，将其设为双 下标变量． 设：从农场 A i (i 1,2) 运往城市 B j ( j 1,2,3) 的调运量为 x i j (i 1,2; j 1,2,3) 万 吨．
数学系教师教案纸 课后分析
第页
渭南师范学院
《线性规划》 课程教案讲稿
数学建模 选修课策略模型
黑龙江科技大学题目：选课策略数学模型班级：姓名：学号：摘要本问题要求我们为了解决学生最优选课问题，本文利用0-1规划模型先找出目标函数，再列出约束条件，分三步得出对最终问题逐层分析化多目标规划为单目标规划，从而建立模型，模型建立之后，运用LINGO软件求解，得到最优解，满足同学选修课程的数量少，又能获得的学分多。
特点：根据以上分析，特将模型分成以下几种情况，（1）考虑获得最多的学分，而不考虑所选修的课程的多少；（2）考虑课程最少的情况下，使得到的学分最多；（3）同时考虑学分最多和选修科目最少，并且所占比例三七分。
在不同的情况下建立不同的模型，最终计算出结果。
关键词 0-1规划选修课要求多目标规划模型一：同时要求课程最少而且获得的学分最多，并按3:7的重要性建立模型。
模型二：要求选修课的课程最少，学分忽略；约束条件只有，每人至少学习2门数学，3门运筹学，2 门计算机，和先修课的要求建立模型一。
模型三：要求科目最少的情况下，获得的学分尽可能最多，只是目标函数变了，约束条件没变。
一．问题的重述某学校规定，运筹学专业的学生毕业时必须至少学过两门数学课，三门运筹学课,两门计算机。
这些课程的编号，名称，学分，所属类别和选修课的要求如表所示。
那么，毕业时最少可以学习这些课程中的哪些课程。
如果某个学生即希望选修课程的数量最少，又希望所获得的学分最多，他可以选修哪些课程？二．模型的假设及符号说明1．模型假设1)学生只要选修就能通过；2）每个学生都必须遵守规定；2. 符号说明1)xi:表示选修的课程（xi=0表示不选，xi=1表示选i=1,2,3,4,5,6,7,8,9）；三．问题分析对于问题一，在忽略所获得学分的高低，只考虑课程最少，分析题目，有先修课要求，和最少科目限制，建立模型一，计算求出结果；对于问题二，在模型一的条件下，考虑分数最高，把模型一的结果当做约束条件，建立模型二，计算求出结果；对于问题三，同时考虑两者，所占权重比一样,建立模型三；四．模型的建立及求解模型一目标函数：min=0.7*(x1+x2+x3+x4+x5+x6+x7+x8+x9)-0.3*(5*x1+4*x2+4*x3+3*x4+4*x5+3*x6+2*x 7+2*x8+3*x9)约束条件：x1+x2+x3+x4+x5>=2;x3+x5+x6+x8+x9>=3;x4+x6+x7+x9>=2;2*x3-x1-x2<=0;x4-x7<=0;2*x5-x1-x2<=0;x6-x7<=0;x8-x5<=0;2*x9-x1-x2<=0;模型的求解：输入：min=0.7*(x1+x2+x3+x4+x5+x6+x7+x8+x9)-0.3*(5*x1+4*x2+4*x3+3*x4+4*x5+3*x6+2*x 7+2*x8+3*x9;x1+x2+x3+x4+x5>=2;x3+x5+x6+x8+x9>=3;x4+x6+x7+x9>=2;2*x3-x1-x2<=0;x4-x7<=0;2*x5-x1-x2<=0;x6-x7<=0;x8-x5<=0;2*x9-x1-x2<=0;@bin(x1);@bin(x2);@bin(x3);@bin(x4);@bin(x5);@bin(x6);@bin(x7);@bin(x9); 输出：Global optimal solution found.Objective value: -2.800000Extended solver steps: 0Total solver iterations: 0Variable Value Reduced CostX1 1.000000 -0.8000000X2 1.000000 -0.5000000X3 1.000000 -0.5000000X4 1.000000 -0.2000000X5 1.000000 -0.5000000X6 1.000000 -0.2000000X7 1.000000 0.1000000X8 0.000000 0.1000000X9 1.000000 -0.2000000Row Slack or Surplus Dual Price1 -2.800000 -1.0000002 3.000000 0.0000003 1.000000 0.0000004 2.000000 0.0000005 0.000000 0.0000006 0.000000 0.0000007 0.000000 0.0000008 0.000000 0.0000009 1.000000 0.00000010 0.000000 0.0000001.模型二：目标函数：min z=x1+x2+x3+x4+x5+x6+x7+x8+x9约束条件：X1+x2+x3+x4+x5>=2X3+x5+x6+x8+x9>=3X4+x6+x7+x9>=22*x3-x1-x2<=0x4-x7<=02*x5-x1-x2<=0x6-x7<=0x8-x5<=02*x9-x1-x2<=0模型的求解本文运用lingo运算球的结果：输入min=x1+x2+x3+x4+x5+x6+x7+x8+x9;x1+x2+x3+x4+x5>=2;x3+x5+x6+x8+x9>=3;x4+x6+x7+x9>=2;2*x3-x1-x2<=0;x4-x7<=0;2*x5-x1-x2<=0;x6-x7<=0;x8-x5<=0;2*x9-x1-x2<=0;@bin(x1);@bin(x2);@bin(x3);@bin(x4);@bin(x5);@bin(x6);@bin(x7);@bin(x9);输出：Global optimal solution found.Objective value: 6.000000Extended solver steps: 0Total solver iterations: 1Variable Value Reduced CostX1 1.000000 1.000000X2 1.000000 1.000000X3 1.000000 1.000000X4 0.000000 1.000000X5 0.000000 1.000000X6 1.000000 1.000000X7 1.000000 1.000000X8 0.000000 1.000000X9 1.000000 1.000000Row Slack or Surplus Dual Price1 6.000000 -1.0000002 1.000000 0.0000003 0.000000 0.0000004 1.000000 0.0000005 0.000000 0.0000006 1.000000 0.0000007 2.000000 0.0000008 0.000000 0.0000009 0.000000 0.00000010 0.000000 0.000000模型三：目标函数：Max W=5*x1+4*x2+4*x3+3*x4+4*x5+3*x6+2*x7+2*x8+3*x9;约束条件：X1+x2+x3+x4+x5>=2X3+x5+x6+x8+x9>=3X4+x6+x7+x9>=22*x3-x1-x2<=0x4-x7<=02*x5-x1-x2<=0x6-x7<=0x8-x5<=02*x9-x1-x2<=0x1+x2+x3+x4+x5+x6+x7+x8+x9=6运用lingo解题：输入：max=5*x1+4*x2+4*x3+3*x4+4*x5+3*x6+2*x7+2*x8+3*x9;x1+x2+x3+x4+x5>=2;x3+x5+x6+x8+x9>=3;x4+x6+x7+x9>=2;2*x3-x1-x2<=0;x4-x7<=0;2*x5-x1-x2<=0;x6-x7<=0;x8-x5<=0;2*x9-x1-x2<=0;x1+x2+x3+x4+x5+x6+x7+x8+x9=6;@bin(x1);@bin(x2);@bin(x3);@bin(x4);@bin(x5);@bin(x6);@bin(x7);@bin(x9); 输出：Global optimal solution found.Objective value: 22.00000Extended solver steps: 0Total solver iterations: 0Variable Value Reduced CostX1 1.000000 -3.000000X2 1.000000 -2.000000X3 1.000000 -2.000000X4 0.000000 -1.000000X5 1.000000 -2.000000X6 1.000000 -1.000000X7 1.000000 0.000000X8 0.000000 0.000000X9 0.000000 -1.000000Row Slack or Surplus Dual Price1 22.00000 1.0000002 2.000000 0.0000003 0.000000 0.0000004 0.000000 0.0000005 0.000000 0.0000006 1.000000 0.0000007 0.000000 0.0000008 0.000000 0.0000009 1.000000 0.00000010 2.000000 0.00000011 0.000000 2.000000五．结果的检验与分析经过检验输入式子正确，结果多次验证一样。
线性规划问题
线性规划问题一、线性规划问题的基本概念先看几个典型实例 例1 生产计划问题某工厂拥有a 、b 两种原材料生产A 、B 两种产品，现有设备使用限量为8台时，已知每件产品的利润、所需设备台时及原材料的消耗如下表所示：试问：在计划期内应如何安排计划才能使工厂获得的利润最大？解 设x 1、x 2分别表示在计划期内产品A 、B 的产量，则所用设备的有效台时必须满足x 1＋2x 2≤8同样，由原材料的限量，可以得到4x 1≤16，4x 2≤12因此，生产计划就是满足如下约束条件的一组变量x 1、x 2的值：x1＋2x 2≤8， 4x 1≤16，4x 2≤12， x 1≥0，x 2≥0显然，可行的生产计划有限多个，现在问题就是要在很多个可行计划中找一个利润最大的，即求一组变量x 1、x 2的值，使它满足约束条件，并使目标函数L=2x 1＋3x 2的值最大（即利润最大）例2 资金分配问题某商店拥有100万元资金，准备经营A 、B 、C 三种商品，其中A 商品有A 1、A 2两种型号，B 商品有B 1、B 2两种型号，每种商品的利润率如下表所示：在经营中有以下限制：(1)经营A 或B 的资金各自都不能超过总资金的50%； (2)经营C 的资金不能少于经营B 的资金的25%； (3)经营A 2的资金不能超过经营A 的总资金的60%； 试问应怎样安排资金的使用才能使利润最大？解 设经营A 1、A 2、B 1、B 2、C 的资金分别为x 1，x 2,x 3,x 4，x 5（万元），这一问题的数学模型为求一组变量x 1、x 2，…，x 5的值，使它满足 x 1＋x 2＋…＋x 5=100， x 1＋x 2≤50， x 3＋x 4≤50，025x 3＋0.25x 4－x 5≤0 0.6x 1－0.4x 2≥0，x j ≥0 （j=1，2， (5)并使目标函数L=0.073x 1＋0.103x 2＋0.064x 4＋0.075x 4＋0.045x 5的值最大(利润最大)上面我们建立了几个实际问题的数学模型，虽然实际问题各不相同，但是它们的数学模型却有相同的数学形式，这就是：表示约束条件的数学式子都是线性等式或线性不等式，表示问题最优化指标的目标函数都是线性函数，因为约束条件和目标函数都是线性的，所以把具有这种模型的问题称为线性规划问题。
线性规划教学大纲
《线性规划》课程教学大纲学时：30 学分：1.5理论学时：30 实验学时：0面向专业：计算机科学与技术课程代码：1500061先开课程：高等数学、线性代数课程性质：选修执笔人：姚莉审定人：陈龙猛、于仁师第一部分：理论教学部分一、说明1、课程的性质、地位和任务《线性规划》在工业工程、作业研究、经济学、管理科学、计算机科学上有非常多的应用；因此，它也是以上所提各系之主要课程之一。
借由这门课，同学将可体验数学在实际生活中的用处。
如果想向上面所提各系（领域）发展，线性规划将是必学的工具。
通过学习本课程，掌握线性规划的实际背景和求解方法及研究动态。
掌握线性规划的建模，多项式可解特例，分枝定界算法的模型建立，线性规划的标准形式，单纯形算法，大M算法，二阶段算法，对偶理论，对偶单纯形算法以及运输问题的求解，了解整数规划及线性规划研究的进展。
2、课程教学和教改基本要求（一）教学知识点1.线性规划问题，线性规划的意义.2.线性约束条件、线性目标函数、可行解、可行域、最优解等基本概念.3.线性规划问题的图解方法.（二）能力训练要求1.了解简单的线性规划问题.2.了解线性规划的意义.3.会用图解法解决简单的线性规划问题.二、教学内容与课时分配第—章预备知识（2学时）重点：了解线性规划的意义以及线性规划研究的进展。
建议教学方法：课堂讲授思考题：为什么要介绍线性规划的标准型？化为标准形式，要求满足几个条件？第二章线性规划的基本性质（2学时）重点：掌握线性规划的实际背景，基本性质难点：深刻理解线性规划的各种基本性质建议教学方法：课堂讲授思考题：为什么含有两个变量的线性规划问题有图解法？第三章单纯形法（6学时）3.1 引言3.2 Pivot 转换3.3 最小可行域的判定3.4 单纯形算法3.5 单纯形法的矩阵形式重点：掌握单纯形表，转轴，算法步骤和Bland规则，大M法和二阶段法。
难点：最小可行域的判定及矩阵形式建议教学方法：课堂讲授思考题：1、为什么要找到约束条件方程系数矩阵中的单位矩阵做为基？2、基的最优性是怎样判定的？3、最初的基是不是可行基？4、怎样判定最优解的唯一性？5、为什么在两阶段法中引入人工变量，构造新的线性规划问题？6、为什么要改进单纯形方法？7、如何判断一个线性规划问题用哪一类的单纯形方法解？第四章对偶性（4学时）4.1 线性规划的对偶4.2 对偶定理4.3 与单纯形法的关系重点：掌握对偶问题，对偶性定理，对偶单纯形法。
数学选课策略建模论文
二．问题描述..........................................................................................2
三．符号说明..........................................................................................2
四．模型的假设......................................................................................2
２．模型二的结果为x=[1 1 1 1 1 1 1 0 1]，目标函数最小值 z=-2.8即选修除预测理论外的8门课，共计28学分。
八．参考文献
【1】母丽华 周条件为解决学生选课问题最优解，本文利用0-1规划模型先找出目标函数，再列出约束条件，分三步骤对最终问题逐层分析化多目标规划为单目标规划，分别建立不同的模型，运用Matlab函数bintprog软件求解。从而解决学生既希望选修课程的数量少，又希望所获得的学分多的问题。
特点：根据以上分析，将模型分为以下两个
（1）只为了选修课程门数最少，而不管学分的多少，可建立单目标规划模型。
（2）在考虑课程最少的情况下，使学分最多；
模型一，选修课的课程最少，不考虑学分多少；约束条件只有：每人至少学习过2们数学课，3门运筹学课，2门计算机课和先修课。依此约束条件建立模型一。
数学建模-选课问题
数学建模-选课问题选课问题⼀、摘要⼤学⽣在学习中常会遇到选课问题，既要使⾃⼰所选择的课程符合⾃⼰的兴趣，⼜要⽤最少的课程达到最好的效果，最重要是满⾜学校所修课程的要求以达到毕业，有些课程必须在具备基础科⽬学习经历的前提下才能进⾏选择，，在这多种因素引导下选课过程往往发⽣⽭盾。
因此只有对各种因素进⾏周密考虑，最终⽅可得出最优化的结果。
选课所得到的结果必然为整数，因此本题可以可归结为整数线性规划的最优化问题。
⼆．问题重述某学校规定，其运筹学专业的学⽣想要毕业，就⾄少要修过两门数学课，三门运筹学课和两门计算机课。
⽽其备选课程供有9种，按1到9编号，都有其各⾃对应的学分，以及对于先修课程的要求。
在满⾜题设要求的前提下，提出问题：1.学⽣毕业时最少可以学习哪些课程；2.学⽣选择哪些课程可以使⾃⼰选修的课程数量少⽽所获总学分多？三、问题分析根据题⽬要求，学⽣选修课程必须同时满⾜下列条件：（1）任何⼀个学⽣所选择的所有课程中，⾄少应包括两门属于数学类的课程，三门属于运筹学类的课程以及两门属于计算机类的课程；（2）课程编号为3、4、5、6、8、9的六门课选修前都必须先学过其他⼏门课。
要选3号或5号、9号课程就必须先学1、2号课程，要选4号或6号课程就必须先学7号课程，要学8号课程就必须先学5号课程。
因此，针对⽬标⼀，要求所选符合上述要求的课程数量最少，我们选择了以下⽅案⾸先选择1,2再选择课程5,8，其次选择课程课程7,6；如此来看这样只⽤选择六个课程就可以完成所也需要的要求，粗略的估计出选择1,2,5,8,7,6这⼏个课程是最好的结果；针对⽬标⼆，要求选择的符合要求的课程数量最少的同时其累计学分最多，我们也认为这个⽅案可以获得的学分为22分即是最好的结果。
但这都是主观上的判断，难免有偏差。
由于本题研究的是选课过程的最优化结果，因此⾸先必须根据所给条件，分析出各个课程之间的关系，并⽤清晰的数学表达式描述。
因此，我们建⽴0-1型整数线性规划模型，对结果进⾏分别预测后通过Matlab求解多⽬标规划模型，并将之前预测结果和求解结果进⾏⽐较，得到选课结果的最优化组合。
整数线性规划及0-1规划
蝶泳 仰泳 蛙泳 自由泳
甲 1’06”8 1’15”6 1’27” 58”6
乙 57”2 1’06” 1’06”4 53”
讨论 丁蛙泳c43 =69.675.2，戊自由泳c54=62.4
57.5, 方案是否调整？ 敏感性分析？ IP规划一般没有与LP规划相类似的理论，LINDO 输出的敏感性分析结果通常是没有意义的。 c43, c54 的新数据重新输入模型，用LINDO求解
若选择队员i参加泳姿j 的比赛，记xij=1, 否则记xij=0
目标 函数
约束 条件
4
Min
Z
c
j 1 i 1
4
5
ij
x ij
每人最多入选泳姿之一
每种泳姿有且只有1人
x ij 1, i 1, 5
5
x ij 1, j 1, 4
j 1
i 1
模型求解
输入LINDO求解
0-1规划模型
课号 课名 微积分 线性代数 最优化方法 数据结构 应用统计 计算机模拟 计算机编程 预测理论 数学实验 先修课要求
约束条件
先修课程要求 x3=1必有x1 = x2 =1
x 3 x1 , x 3 x 2
2 x 3 x1 x 2 0
x4 x7
应用统计 微积分；线性代数
• 若生产某类汽车，则至少生产80辆，求生产计划。 方法3：化为非线性规划
x1=0 或 80
x2=0 或 80 x3=0 或 80
x 1 ( x 1 80 ) 0
x 2 ( x 2 80 ) 0
x 3 ( x 3 80 ) 0
非线性规划（Non- Linear Programming，简记NLP） NLP 虽 然 可 用 现 成 的 数 学 软 件 求 解 ( 如 LINGO, MATLAB)，但是其结果常依赖于初值的选择。 实践表明，本例仅当初值非常接近上面方法算出 的最优解时，才能得到正确的结果。
数学建模论文生活中的数学建模问题
数学建模论文题目生活中的数学建模问题学院理学院专业班级数学 111 班学生姓名张妍成绩2013年12月1 日摘要在日常生活中，我们会遇到各种各样的问题，其实许多问题都可以运用数学建模的知识来解决。
平时老师分派给我们任务时，为了尽快的去完成，我们同学之间分工合作，这就可以建立模型求解。
本文就是利用建立数学模型来解决生活中的几个实际问题。
其基本依据是建立数学模型，用LINGO软件来求解。
关键词：最优解，策略，LINGO正文模型1：给教室刷墙问题（目标规划）在校庆来临之前，学校准备给教室粉刷墙壁，现有3种类型的教室，分别用A,B,C 来表示3种不同的教室,具体相关数据如表所示。
某班同学承担了该任务，每天工作8小时，试问在一个星期内该班同学获得的最大利润。
基本模型如果用x1,x2,x3分别表示A,B,C三种教室粉刷的个数，一星期正常生产工时为56小时，则问题可以归结为下面的数序模型目标函数max=30*x1+50*x2+70*x3;约束条件x1<=30;x2<=20;x3<=10;2*x1+1.5*x2+x3<=56;x1>=0;x2>=0;x3>=0;模型求解max=30*x1+50*x2+70*x3;x1<=30;x2<=20;x3<=10;2*x1+1.5*x2+x3<=56;x1>=0;x2>=0;x3>=0;输入LINGO软件求得最优解如下：Optimal solution found at step: 0Objective value: 1940.000Variable Value Reduced CostX1 8.000000 0.0000000X2 20.00000 0.0000000X3 10.00000 0.0000000Row Slack or Surplus Dual Price1 1940.000 1.0000002 22.00000 0.00000003 0.0000000 27.500004 0.0000000 55.000005 0.0000000 15.000006 8.000000 0.00000007 20.00000 0.00000008 10.00000 0.0000000最优解由LINGO计算得到该班同学粉刷8间A教室，20间B教室，10间C教室获得的利润最大，最大利润为1940元。
数学建模----选课策略
8
预测理论
2
运筹学
应用统计
9
数学实验
3
运筹学；计算机 微积分；线性代数
要求至少选两门数学课、三门运筹学课和两门计算机课
为了选修课程门数最少，应学习哪些课程 ？
选修课程最少，且学分尽量多，应学习哪些课程 ？
0-1规划模型
决策变量
课号
课名
所属类别
1
微积分
数学
2
线性代数
数学
3 最优化方法 数学；运筹学
4
数据结构
数学；计算机
5
应用统计
数学；运筹学
6 计算机模拟 计算机；运筹学
7 计算机编程
计算机
8
预测理论
运筹学
9
数学实验 运筹学；计算机
约束条件
最少2门数学课， 3门运筹学课， 2门计算机课.
xi=1 ~选修课号i 的 课程（xi=0 ~不选）
目标函数
选修课程总数最少
9
Min Z xi i 1
x1 x2 x3 x4 x5 2
注意：最优解不唯一！
可将x9 =1 易为x6 =1 LINDO不能告诉优化 问题的解是否唯一.
多目标规划
• 对学分数和课程数加权形成一个目标，如三七开.
Min Y 1Z 2W 0.7Z 0.3W
课号
课名
学分
9
Z xi i 1
1
微积分
2
线性代数
5 4
W 5x1 4x2 4x3 3x4 4x5
3 最优化方法
4
4
数据结构
3
3x6 2x7 2x8 3x9
5
应用统计
4
6 计算机模拟
线性规划教案
线性规划教案一、引言线性规划是运筹学中的重要分支，它通过建立数学模型，解决实际问题中的最优化问题。
本教案旨在帮助学生理解线性规划的基本概念、模型建立和求解方法，以及应用于实际问题的能力。
二、教学目标1. 理解线性规划的基本概念，包括决策变量、目标函数、约束条件等。
2. 掌握线性规划模型的建立方法，能够将实际问题转化为线性规划模型。
3. 熟悉线性规划的求解方法，包括图形法、单纯形法等。
4. 能够应用线性规划解决实际问题，如生产计划、资源分配等。
三、教学内容1. 线性规划的基本概念线性规划是一种数学优化方法，其基本概念包括：- 决策变量：表示需要决策的量，通常用x1、x2、...、xn表示。
- 目标函数：表示需要最大化或最小化的目标，通常用Z表示。
- 约束条件：表示问题的限制条件，通常以不等式或等式形式给出。
2. 线性规划模型的建立方法线性规划模型的建立方法包括以下步骤：- 确定决策变量：根据实际问题确定需要决策的变量。
- 建立目标函数：根据问题要求确定需要最大化或最小化的目标函数。
- 确定约束条件：根据问题给出的限制条件，建立约束条件。
- 确定变量的取值范围：根据实际问题确定变量的取值范围。
3. 线性规划的求解方法线性规划有多种求解方法，常用的有图形法和单纯形法。
- 图形法：适用于二维线性规划问题，通过绘制目标函数和约束条件的图形，找到最优解。
- 单纯形法：适用于多维线性规划问题，通过迭代计算，找到最优解。
4. 线性规划的应用线性规划广泛应用于生产计划、资源分配、运输问题等实际情境中。
通过将实际问题转化为线性规划模型，可以帮助决策者做出最优决策。
五、教学方法本教案采用讲授与实践相结合的教学方法，包括讲解线性规划的基本概念、示范建立线性规划模型的方法，以及引导学生进行实际问题的求解练习。
六、教学步骤1. 引入线性规划的概念，介绍线性规划的应用领域和重要性。
2. 讲解线性规划的基本概念，包括决策变量、目标函数、约束条件等。