第三讲 线性规划数学模型(最优成本)
合集下载
第三章线性规讲义划模型
➢ 对偶问题的对偶是原问题。
Min W= Yb
YA - YS= C Y,YS≥0
➢ 若两个互为对偶问题之一有最优解，则另一个必有最优解， 且目标函数值相等(Z*=W*)，最优解满足CX*=Y*b。
第三章 线性规划模型
▪ 线性规划问题的提出 ▪ 线性规划问题的建模 ▪ 典型特征和基本条件 ▪ 一般模型和标准模型 ▪ 线性规划的图解方法 ▪ 影子价格与敏感分析 ▪ 线性规划模型的应用
第三章 线性规划模型
• 对偶问题的提出
某厂生产甲、乙两 种产品，消耗A、B两 种原材料 。生产一件 甲产品可获利2元，生 产乙产品获利3元。问 在 以 下条件下如何安 排生产？
设备 A 设备 B 设备 C 利润（元/件）
产品 产品 产品 产品 甲乙丙丁 1.5 1.0 2.4 1.0 1.0 5.0 1.0 3.5 1.5 3.0 3.5 1.0 5.24 7.30 8.34 4.18
设备能力 （小时）
2000 8000 5000
第三章 线性规划模型
▪ 建立的模型如下：
z=12737.06（元）
▪ 请注意最优解中利润率最高的产品丙在最优生产计 划中不安排生产。说明按产品利润率大小为优先次 序来安排生产计划的方法有很大局限性。尤其当产 品品种很多，设备类型很多的情况下，用手工方法 安排生产计划很难获得满意的结果。另外，变量是 否需要取整也是需要考虑的问题。
第三章 线性规划模型
用线性规划制订使总利润最大的生产计划。
每件产品占用的 产品 产品 产品 产品 设备能力
机时数（小时/件） 甲 乙 丙 丁 （小时）
设备 A
1.5 1.0 2.4 1.0
2000
设备 B
1.0 5.0 1.0 3.5
Min W= Yb
YA - YS= C Y,YS≥0
➢ 若两个互为对偶问题之一有最优解，则另一个必有最优解， 且目标函数值相等(Z*=W*)，最优解满足CX*=Y*b。
第三章 线性规划模型
▪ 线性规划问题的提出 ▪ 线性规划问题的建模 ▪ 典型特征和基本条件 ▪ 一般模型和标准模型 ▪ 线性规划的图解方法 ▪ 影子价格与敏感分析 ▪ 线性规划模型的应用
第三章 线性规划模型
• 对偶问题的提出
某厂生产甲、乙两 种产品，消耗A、B两 种原材料 。生产一件 甲产品可获利2元，生 产乙产品获利3元。问 在 以 下条件下如何安 排生产？
设备 A 设备 B 设备 C 利润（元/件）
产品 产品 产品 产品 甲乙丙丁 1.5 1.0 2.4 1.0 1.0 5.0 1.0 3.5 1.5 3.0 3.5 1.0 5.24 7.30 8.34 4.18
设备能力 （小时）
2000 8000 5000
第三章 线性规划模型
▪ 建立的模型如下：
z=12737.06（元）
▪ 请注意最优解中利润率最高的产品丙在最优生产计 划中不安排生产。说明按产品利润率大小为优先次 序来安排生产计划的方法有很大局限性。尤其当产 品品种很多，设备类型很多的情况下，用手工方法 安排生产计划很难获得满意的结果。另外，变量是 否需要取整也是需要考虑的问题。
第三章 线性规划模型
用线性规划制订使总利润最大的生产计划。
每件产品占用的 产品 产品 产品 产品 设备能力
机时数（小时/件） 甲 乙 丙 丁 （小时）
设备 A
1.5 1.0 2.4 1.0
2000
设备 B
1.0 5.0 1.0 3.5
第三讲 线性规划数学模型(最优成本)
例2. 最小化问题
• M&D公司决定生产两种产品：产品A和产品B; • 生产产品A和B所用的时间和成本如下: 产品 A B 制造时间 2 1 总时间 < 600 成本 2 3 总产量 > 350 最少量 125
在满足客户要求前提下制定成本最小的生产计划 ?
数学模型：
min z = 2A+3B S.T. A ≥ 125 (1) (2) (3) A + B ≥ 350 2A + B ≤ 600 A, B ≥ 0
Δz=43.75 d1=43.75/10=4.375
对偶价格： 在一定范围内，当约束条件右 边常数bi增加1个单位所引起最优目 标函数值的改进量，称为该约束条 件的对偶价格。
(2) 数学模型：
max z =10S+9D s.t. 0.7 S + 1 D ≤ 630 0.5 S + 0.833D ≤ 600 1 S + 0.667D ≤708 0.1 S + 0.25D ≤ 135 S，D ≥ 0
可行范围
结论：
• • 目标函数是最大化问题； 在一定范围内，若约束条件的对偶价格 di大于0，则当bi增加1个单位时，其最 优目标函数值相应地增大di个单位；当
bi减少1个单位时，其最优目标函数值 相应地减少di个单位；
• 对偶价格有一定的应用范围。
思考题：
• 若目标函数为最大化问题，而约束条件 的对偶价格di小于0，此时会对目标函 数最优值产生什么样的影响？ • 若目标函数为最小化问题，结论又如 何？
（180，0）
S 200 400 600 800
D 600 约束条件4 约束条件1
400
200
线性规划的数学模型PPT课件
第六年所掌握的资金最多。
解：设x1为第一年的投资; x2为 第一年的保留资金
x1+ x2 第二年： x3为=第10二0 年新的投资； x4：第二年的保 留资金；
2021年5月22日星期六
( x1 2
x3 )
x4
x2
第14页/共21页
第三年：x5为新的投资；x6：第三年的保留资金；
(
x3 2
x5 )
2021年5月22日星期六
第3页/共21页
线性规划的数学模型由
决策变量 Decision variables 目标函数Objective function 及约束条件Constraints
构成。称为三个要素。
怎样辨别一个模型是线性规划模型？ 其特征是：
1．解决问题的目标函数是多个决策变量的
线性函数，通常是求最大值或 最小值；
x7
x j 0, j
2 x 8 2 x9 1,2,,9
0
用单纯形法解得：X＝（22.64，72.36，58.54，0， 26.02， 0，104.06，0，0）’。Z＝208.12。
2021年5月22日星期六
第16页/共21页
即：第一年投资22.64元; 第二年新投资58.54元; 第三年新投资26.02元; 第四年新投资104.06元; 第六年末有资金208.12万元。
第18页/共21页
为了书写方便，上式也可写成
n
max(min) Z c j x j j 1
n j 1
aij
x
j
(或
,)bix j 0 j 1,2,, ni 1,2,, m
在实际中一般xj≥0,但有时xj≤0或xj无符号限制。
2021年5月22日星期六
优化模型一：线性规划模型数学建模课件
题的求解过程。
混合整数线性规划问题求解
要点一
混合整数线性规划问题的复杂性
混合整数线性规划问题是指包含整数变量的线性规划问题 。由于整数变量的存在，混合整数线性规划问题的求解变 得更加困难，需要采用特殊的算法和技术来处理。
要点二
混合整数线性规划模型的求解方 法
为了解决混合整数线性规划问题，可以采用一些特殊的算 法和技术，如分支定界法、割平面法等。这些方法能够将 问题分解为多个子问题，并逐步逼近最优解，从而提高求 解效率。
目标函数的类型
常见的目标函数类型包括最小化、最大化等。
确定约束条件
约束条件
01
约束条件是限制决策变量取值的条件，通常表示为数学不等式
或等式。
确定约束条件的原则
02
根据问题的实际情况，选择能够反映问题约束条件的条件作为
约束条件。
约束条件的类型
03
常见的约束条件类型包括等式约束、不等式约束等。
线性规划模型的建立
也可以表示为
maximize (c^T x) subject to (A x geq b) and (x leq 0)。
线性规划的应用场景
生产计划
物流优化
在制造业中，线性规划可以用于优化生产 计划，确定最佳的生产组合和数量，以满 足市场需求并降低成本。
在物流和运输行业中，线性规划可以用于 优化运输路线、车辆调度和仓储管理，降 低运输成本和提高效率。
初始基本可行解
在线性规划问题中，一个解被称为基 本可行解，如果它满足所有的约束条 件。
在寻找初始基本可行解时，可以采用 一些启发式算法或随机搜索方法，以 快速找到一个可行的解作为起点。
初始基本可行解是线性规划问题的一 个起始点，通过迭代和优化，可以逐 渐逼近最优解。
混合整数线性规划问题求解
要点一
混合整数线性规划问题的复杂性
混合整数线性规划问题是指包含整数变量的线性规划问题 。由于整数变量的存在，混合整数线性规划问题的求解变 得更加困难，需要采用特殊的算法和技术来处理。
要点二
混合整数线性规划模型的求解方 法
为了解决混合整数线性规划问题，可以采用一些特殊的算 法和技术，如分支定界法、割平面法等。这些方法能够将 问题分解为多个子问题，并逐步逼近最优解，从而提高求 解效率。
目标函数的类型
常见的目标函数类型包括最小化、最大化等。
确定约束条件
约束条件
01
约束条件是限制决策变量取值的条件，通常表示为数学不等式
或等式。
确定约束条件的原则
02
根据问题的实际情况，选择能够反映问题约束条件的条件作为
约束条件。
约束条件的类型
03
常见的约束条件类型包括等式约束、不等式约束等。
线性规划模型的建立
也可以表示为
maximize (c^T x) subject to (A x geq b) and (x leq 0)。
线性规划的应用场景
生产计划
物流优化
在制造业中，线性规划可以用于优化生产 计划，确定最佳的生产组合和数量，以满 足市场需求并降低成本。
在物流和运输行业中，线性规划可以用于 优化运输路线、车辆调度和仓储管理，降 低运输成本和提高效率。
初始基本可行解
在线性规划问题中，一个解被称为基 本可行解，如果它满足所有的约束条 件。
在寻找初始基本可行解时，可以采用 一些启发式算法或随机搜索方法，以 快速找到一个可行的解作为起点。
初始基本可行解是线性规划问题的一 个起始点，通过迭代和优化，可以逐 渐逼近最优解。
线性规划问题及其数学模型
第一章线性规划问题及其数学模型一、问题旳提出在生产管理和经营活动中常常提出一类问题，即怎样合理地运用有限旳人力、物力、财力等资源，以便得到最佳旳经济效果。
例1 某工厂在计划期内要安排生产I、II两种产品，已知生产单位产品所需旳设备台时及A、B两种原材料旳消耗，如表1-1所示。
表1-1该工厂每生产一件产品I可获利2元，每生产一件产品II可获利3元，问应怎样安排计划使该工厂获利最多？这问题可以用如下旳数学模型来描述，设x1、x2分别表达在计划期内产品I、II旳产量。
由于设备旳有效台时是8，这是一种限制产量旳条件，因此在确定产品I、II旳产量时，要考虑不超过设备旳有效台时数，即可用不等式表达为：x1+2x2≤8同理，因原材料A、B旳限量，可以得到如下不等式4x1≤164x2≤12该工厂旳目旳是在不超过所有资源限量旳条件下，怎样确定产量x1、x2以得到最大旳利润。
若用z表达利润，这时z=2x1+3x2。
综合上述，该计划问题可用数学模型表达为：目旳函数 max z =2x 1+3x 2 满足约束条件 x 1+2x 2≤84x 1≤16 4x 2≤12 x 1、x 2≥0例2 某铁路制冰厂每年1至4季度必须给冷藏车提供冰各为15，20，25，10kt 。
已知该厂各季度冰旳生产能力及冰旳单位成本如表6-26所示。
假如生产出来旳冰不在当季度使用，每千吨冰存贮一种季度需存贮费4千元。
又设该制冰厂每年第3季度末对贮冰库进行清库维修。
问应怎样安排冰旳生产，可使该厂整年生产费用至少？解：由于每个季度生产出来旳冰不一定当季度使用，设x ij 为第i 季度生产旳用于第j 季度旳冰旳数量。
按照各季度冷藏车对冰旳需要量，必须满足：⎪⎪⎩⎪⎪⎨⎧++++++33231343221242114144x x x x x x x x x x 。
，，，25201510==== 又每个季度生产旳用于当季度和后来各季度旳冰旳数量不也许超过该季度旳生产能力，故又有⎪⎪⎩⎪⎪⎨⎧++++++33232213121143424144x x x x x x x x x x 。
线性规划数学模型
目标规划的数学模型
4.达成函数(即目标规划中的目标函数) 目标规划的目标函数(准则函数)是按各目标约束的正、负 偏差变量和赋予相应的优先因子及权系数而构造的。当每 一目标值确定后，决策者的要求是尽可能缩小偏离目标值。 因此目标规划的目标函数只能是minZ = f(d＋、d－)。 一般说来，有以下三种情况，但只能出现其中之一： (1)要求恰好达到规定的目标值，即正、负偏差变量要尽 可能小，则minZ = f(d＋＋ d－)。 (2)要求不超过目标值，即允许达不到目标值，也就是正 偏差变量尽可能小，则minZ = f(d＋)。 (3)要求超过目标值，即超过量不限，但不低于目标值， 也就是负偏差变量尽可能小，则minZ = f(d－)。 对由绝对约束转化而来的目标函数，也照上述处理即可。
• 为了弥补线性规划问题的局限性，解决有限资源和计 划指标之间的矛盾，在线性规划基础上，建立目标规 划方法，从而使一些线性规划无法解决的问题得到满 意的解答。
目标规划与线性规划的比较
• 线性规划只讨论一个线性目标函数在一组线性约束条 件下的极值问题；而目标规划是多个目标决策，可求 得更切合实际的解。
润比作为权系数即70:120，化简为7:12，P2(7d2＋+12d2 -)
第二目标：P3(d4＋+d4 -)
MinZ = P1d1- + P2 (7d2+ +12d3- ) + P3 (d4- + d4+ )
st
3974xx102xxx11+1x+++1+dd+1542-3-01xx--2x2220d+dx2+3+d223=40=-+00-22d000510d-004+-
线性规划与最优化问题的解法
稻壳学院
感谢观看
汇报人：XX
求解方法：使用 单纯形法、椭球 法等算法求解线 性规划问题
线性规划的几何解释
添加 标题
线性规划问题可以看作是在多维空间中寻找一条直 线，使得该直线在满足一系列约束条件下，最大化 或最小化某个目标函数。
添加 标题
线性规划的基本概念包括决策变量、目标函数 和约束条件。决策变量是问题中需要求解的未 知数，目标函数是希望最大化或最小化的函数， 约束条件是限制决策变量取值的条件。
解决方案：运输问题的解决方案通常包括 确定最优的运输路线和数量，以最小化运 输成本或最大化运输效益。
分配问题
简介：线性规划与最优化问题的实际应用之一是解决分配问题，通过合理分配资源，实 现最大化效益。
实例：如将有限的生产任务分配给不同的生产部门，以最小化生产成本或最大化总产量。
解决方法：利用线性规划模型描述问题，通过求解得到最优解，实现资源的最优分配。
添加 标题
在几何解释中，决策变量可以看作是坐标轴上 的点，目标函数可以看作是该点所在的高或低。 通过移动坐标轴上的点，可以找到使目标函数 取得最大值或最小值的点，即最优解。
添加 标题
线性规划的几何解释有助于直观地理解问题，并快 速找到最优解。在实际应用中，线性规划可以用于 资源分配、生产计划、运输问题等领域。
数。
线性规划问题 在现实生活中 应用广泛，如 生产计划、资 源分配和运输
问题等。
线性规划的基 本概念包括变 量、约束条件 和目标函数。
线性规划问题 通常在凸集上 进行，这使得 问题具有全局
最优解。
线性规划的数学模型
目标函数：要求 最大或最小化的 线性函数
约束条件：决策 变量的限制条件
3. 最优化模型基础：线性规划
A线资源输入 C线资源输入 劳动力资源输入 组装的阿尔法机输出
生产阿尔法机的第二 种配方
1 1. 5 10 －1
A线资源输入 C线资源输入 劳动力资源输入 组装的阿尔法机输出
华中科技大学管理学院
Ajax电脑公司每周资源分配问题
• 添加了第二种配方对应的数学模型
x ij
m ∑ x ij = b j i=1 n s .t . ∑ x ij = a i j =1 x ≥ 0 ij
j = 1 ,2 , L n i = 1 ,2 , L m
华中科技大学管理学院
可中转运输模型
A1 Am
D1
D2
B
B
图8 3 中转供货系统示意图
B
• 模型最优解为：MA*=128、 MA1*=120 MA2*=8、MB*=0、MC*=36；净收入最大 值为Z*=66760
华中科技大学管理学院
非可行模型和无界模型
• 模型是非可行(infeasible)的，即模型没有可 行解
– 每周至少卖出50台伽玛机，超出了C线测试能 力
• 目标函数是无界的(unbounded)
华中科技大学管理学院
无界模型
• 模型如下
Maximize Z = 350MA + 470MB + 610MC－40EA－30EL Subject to MA + MB ≤ 120＋EA MC ≤ 48 ( 目标函数) (A线测试能力) (C线测试能力)
10MA +15MB + 20MC ≤ 2000＋EL (可用劳动力) MA ≥ 0, MB ≥ 0, MC ≥ 0, EA ≥ 0, EL ≥ 0
华中科技大学管理学院
生产阿尔法机的第二 种配方
1 1. 5 10 －1
A线资源输入 C线资源输入 劳动力资源输入 组装的阿尔法机输出
华中科技大学管理学院
Ajax电脑公司每周资源分配问题
• 添加了第二种配方对应的数学模型
x ij
m ∑ x ij = b j i=1 n s .t . ∑ x ij = a i j =1 x ≥ 0 ij
j = 1 ,2 , L n i = 1 ,2 , L m
华中科技大学管理学院
可中转运输模型
A1 Am
D1
D2
B
B
图8 3 中转供货系统示意图
B
• 模型最优解为：MA*=128、 MA1*=120 MA2*=8、MB*=0、MC*=36；净收入最大 值为Z*=66760
华中科技大学管理学院
非可行模型和无界模型
• 模型是非可行(infeasible)的，即模型没有可 行解
– 每周至少卖出50台伽玛机，超出了C线测试能 力
• 目标函数是无界的(unbounded)
华中科技大学管理学院
无界模型
• 模型如下
Maximize Z = 350MA + 470MB + 610MC－40EA－30EL Subject to MA + MB ≤ 120＋EA MC ≤ 48 ( 目标函数) (A线测试能力) (C线测试能力)
10MA +15MB + 20MC ≤ 2000＋EL (可用劳动力) MA ≥ 0, MB ≥ 0, MC ≥ 0, EA ≥ 0, EL ≥ 0
华中科技大学管理学院
- 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)。
问题3. min z = 2A+3B S.T. A ≥ 125 (1) (2) (3) A + B ≥ 351 2A + B ≤ 600 A, B ≥ 0
问题4. min z = 2A+3B S.T. A ≥ 125 (1) (2) (3) A + B ≥ 350 2A + B ≤ 650 A, B ≥ 0
Par公司计算机输出结果
Objective Function Value = Variable Value ---------------------------S 539.99842 D 252.00110 7667.99 Reduced Costs -----------------0.000 0.000
对偶价格部分
Constraint Lower Limit Current Value Upper Limit ------------ --------------- ---------------- --------------1 495.60000 630.000 682.363 2 479.99929 600.000 No Upper Limit 3 580.00140 708.000 900.000 4 117.00012 135.000 No Upper Limit
数学模型：
max z =10S+9D s.t. 0.7 S + 1 D ≤ 630 0.5 S + 0.833D ≤ 600 1 S + 0.667D ≤708 0.1 S + 0.25D ≤ 135 S，D ≥ 0 （1） （2） （3） （4）
D 600 约束条件4 约束条件1
400
200
可行域
可行范围
结论：
• • 目标函数是最大化问题； 在一定范围内，若约束条件的对偶价格 di大于0，则当bi增加1个单位时，其最 优目标函数值相应地增大di个单位；当
bi减少1个单位时，其最优目标函数值 相应地减少di个单位；
• 对偶价格有一定的应用范围。
思考题：
• 若目标函数为最大化问题，而约束条件 的对偶价格di小于0，此时会对目标函 数最优值产生什么样的影响？ • 若目标函数为最小化问题，结论又如 何？
（180，0）
S 200 400 600 800
计算结果比较：
最优解为： 最优解为：
S=540 D=252 max z = 7668
S=540 D=252 max z = 7668
Δz=0 d4=0
Par公司计算机输出结果: Constraint -------------1 2 3 4 Slack/Surplus --------------0.00000 120.00071 0.00000 17.99988 Dual Prices -----------------4.37496 0.00000 6.93753 0.00000
第三章(续)
五、线性规划的灵敏度分析
5.1 图解法的灵敏度分析 • 灵敏度分析：
建立数学模型和求得最优解 后，研究线性规划的一个或多个参 数（系数）cj , aij , bi 变化时，对最 优解产生的影响。
例1. 最大化问题 • Par公司决定生产两种新产品：高、 中价位的高尔夫袋。 • 生产一个标准袋的利润是10美元， 生产一个高级袋的利润是9美元。
640
（1） （2） （3） （4）
D 600 约束条件4 约束条件1
400
200
可行域
（0，200） 约束条件3
（180，0）
S 200 400 600 800
计算结果比较：
最优解为： 最优解为：
S=527.5 D=270.75 max z = 7711.75
S=540 D=252 max z = 7668
生产每个高尔夫袋所需要的时间
各部门生产耗时 产品 标准袋 高档袋
最大生产 时间
切割印染 7/10 1 < 630
缝合 1/2 5/6 < 600
完成 1 2/3 < 708
检查包装 1/10 1/4 < 135
高档袋和标准袋各应生产多少才可以获得最大利润 ?
解： 1．确定决策变量：S =标准袋的产量 D =高档袋的产量 2．确定目标函数：Par公司的目标是利润最大 max z=10S+9D 3．确定约束条件： 0.7 S + 1 D ≤ 630 （切割印染） 0.5 S + 0.833D ≤ 600 （缝合） 1 S + 0.667D ≤708 （成型） 0.1 S + 0.25D ≤ 135（检测包装） 4．变量取值限制： S≥ 0, D ≥ 0
max z =10S+9D s.t. 0.7 S + 1 D ≤ 630 0.5 S + 0.833D ≤ 600 1 S + 0.667D ≤708 0.1 S + 0.25D ≤ 135 S，D ≥ 0 （1） （2） （3） （4）
136
D 600 约束条件4 约束条件1
400
200
可行域
（0，200） 约束条件3
（1）
610
（2） （3） （4）
D 600 约束条件4 约束条件1
约束条件2
400
200
可行域
（0，200） 约束条件3
（180，0）
S 200 400 600 800
计算结果比较：
最优解为： 最优解为：
S=540 D=252 max z = 7668
S=540 D=252 max z = 7668
（180，0）
S 200 400 600 800
D 600 约束条件4 约束条件1
400
200
可行域
（0，200） 约束条件3
（180，0）
S 200 400 600 800
可以得到： 当 -3/2 ≤ - (c1 / c2 ) ≤ -7/10 时， 原最优解仍是最优解。 • 固定 c2 =9，代入上式得 6.3 ≤ c1 ≤ 13.5 • 固定 c1 =10，代入上式得 6.67 ≤ c2 ≤ 14.29
(1)目标函数中系数 cj 的灵敏度分析 将目标函数z = c1 x1 + c2 x2 写成斜 截式 x2= -(c1 / c2 ) x1 + z / c2 则斜率为 - (c1 / c2 ) •当 k1 ≤ - (c1 / c2 ) ≤ k2 (1) 时，原 最优解仍是最优解
• 固定 c2 ，代入式（1）并整理得c1 的最优范围 • 固定 c1 ，代入式（1）并整理得c2 的 最优范围 • 假若c1 ， c2均改变，则可直接用式 （1）来判断。
结论：
当目标函数的系数 cj单一变化 时，只要不超过其上、下限，最优 解不变。
最优范围
练习题1.
Par公司数学模型（0）：
max z =10S+9D s.t. 0.7 S + 1 D ≤ 630 0.5 S + 0.833D ≤ 600 1 S + 0.667D ≤708 0.1 S + 0.25D ≤ 135 S，D ≥ 0 （1） （2） （3） （4）
约束条件(2)的对偶价格的分析：
min z = 2A+3B S.T. A ≥ 125 (1) (2) (3) 351 A + B ≥ 350 2A + B ≤ 600 A, B ≥ 0
Variable Lower Limit Current Value Upper Limit ------------ --------------- ---------------- --------------S 6.3000 10.000 13.4999 D 6.6667 9.000 14.2857
问题1. min z = c1 A + c2 B S.T. A ≥ 125 (1) (2) (3) A + B ≥ 350 2A + B ≤ 600 A, B ≥ 0
问题2. min z = 2A+3B S.T. A ≥ 126 (1) (2) (3) A + B ≥ 350 2A + B ≤ 600 A, B ≥ 0
400
200
可行域
（0，200） 约束条件3
（180，0）
S 200 400 600 800
计算结果比较：
最优解为： 最优解为：
S=541.875 D=250.6875 max z = 7674.938
S=540 D=252 max z = 7668
Δz=6.938 d3=6.938
(4) 数学模型：
模型0： 模型1： 模型2： 模型3： 模型4： 模型5： 模型6： 模型7：
max z = 10 S + 9 D max z = 13 S + 9 D max z = 10 S + 8 D max z = 13 S + 8 D max z = 6 S + 9 D max z = 10 S + 6 D max z = 6 S + 6 D max z = 18 S + 9 D
可行域
（0，200） 约束条件3
（180，0）
S 200 400 600 800
将目标函数 z = c1 x1 + c2 x2 写成斜截式 x2= -(c1 / c2 ) x1 + z / c2 则斜率为 - (c1 / c2 )
D 600 约束条件4 约束条件1
400
200
可行域
（0，200） 约束条件3
（0，200） 约束条件3
（180，0）