第43炼 线性规划——作图与求解

合集下载

线性规划(图解法)

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

2020高考文科数学(人教版)一轮复习讲义:第43讲简单的线性规划问题含答案 (2)

2020高考文科数学(人教版)一轮复习讲义:第43讲简单的线性规划问题含答案 (2)

第43讲简单的线性规划问题1.了解二元一次不等式的几何意义,能用平面区域表示二元一次不等式组.2.会从实际情境中抽象出一些简单的二元线性规划问题,并能加以解决.知识梳理1.二元一次不等式(组)表示平面区域(1)二元一次不等式Ax+By+C>0(或<0)表示直线Ax+By+C=0某一侧所有点组成的平面区域.(2)二元一次不等式组所表示的平面区域是各个不等式所表示的平面点集的交集,即各个不等式所表示的平面区域的公共部分.(3)画或判断二元一次不等式表示的平面区域常采用直线定界,特殊点定“域”.2.线性规划的有关概念(1)线性约束条件——由条件列出的二元一次不等式组;(2)线性目标函数——由条件列出的一次函数表达式;(3)线性规划——求线性目标函数在线性约束条件下的最大值或最小值问题,称为线性规划问题.(4)可行解、可行域、最优解:满足线性约束条件的解(x,y)叫做可行解,由所有可行解组成的集合叫做可行域,使线性目标函数取得最大值和最小值的可行解叫做最优解.3.利用线性规划求最值的一般步骤:(1)根据线性约束条件画出可行域;(2)设z=0,画出直线l0;(3)观察、分析、平移直线l0,从而找到最优解;(4)求出目标函数的最大值或最小值.热身练习1.下列各点中,不在x+y-1≤0表示的平面区域内的点是(C)A.(0,0) B.(-1,1)C.(-1,3) D.(2,-1)将上述各点代入不等式检验,若满足不等式,则点在所表示的平面区域内,否则,不在.因为(0,0),(-1,1),(2,-1)都满足不等式,所以这些点都在所表示的平面区域内,而(-1,3)不满足不等式,故选 C.2.如图所示,不等式2x-y<0表示的平面区域是(B)直线定界,因为2x-y=0不经过(2,1)点排除D,2x-y<0不包括边界,排除A,再取特殊点(1,0)代入得2-0>0,故(1,0)不在2x-y<0表示的区域内,故排除C,选B.3.不等式组x≥0,x+3y≥4,3x+y≤4所表示的平面区域的面积等于(C)A.32B.23C.43D.34不等式组表示的平面区域是各个不等式表示的平面区域的交集,作出不等式组表示的平面区域如右图:所以S阴=12×4-43×1=43.4.目标函数z=x+2y,将其看成直线方程时,z的意义是(C) A.该直线的截距B.该直线的纵截距C.该直线纵截距的2倍D.该直线纵截距的1 2将z=x+2y化为y=-12x+z2,可知z=2b,表示该直线的纵截距的2倍.5.(2015·北京卷)如图,△ABC及其内部的点组成的集合记为D,P(x,y)为D中任意一点,则z=2x+3y的最大值为7.把z=2x+3y变形为y=-23x+13z,通过平移直线y=-23x知,当过点A(2,1)时,z=2x+3y取得最大值且z max=2×2+3×1=7.。

线性规划问题的图解法

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

线性规划问题的图解法

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

线性规划问题的图解法

线性规划问题的图解法

20 40
.
即B点坐标为20 ,40,代入目标函数可得最优值Smax 50 20 30 40 2 200 .
线性规划问题的图解法
例2

1. 求可行域(如图7 - 2所示)
(1)建立直角坐标系Ox1x2 . (2)满足条件 x1 x2 2 的所有点均落在直线 x2 2 x1 的右下半平面内; (3)满足条件 x1 x2 2 的所有点均落在直线 x2 2 x1 的右上半平面内. 由约束条件可知,无界区域ABCD是其可行域 .
3 截距最大的点即为最优解,其对应的S值就是最优值 .因此,我们可以把过原点且斜率 5的直
3 线作为参照直线,然后在可行域里进行平移,直到找到最优解 .
显然,斜率为 5的直线在可行域里平移时过B点的纵截距最大,求B点的坐标,联立 3
方程
x2 x2
Hale Waihona Puke 80 2x1 40,解得
x1 x2
图7-2
线性规划问题的图解法
2. 求最优解 把目标函数 S x1 2x2 中的S看作参数,当S 0时,目标函数S x1 2x2是一条过原点 的直线,在坐标系内画出这样的直线(用虚线表示),然后再将该直线向可行域内平移 . 在平移
时,7-2中B点是满足该约束条件的S最小值,其坐标为2 ,0,于是得到该线性规划问题的最
于是从约束条件知,由l1 ,l2 ,l3以及x1轴围成的区域 ABCD是该线性规划问题的可行域,如图7-1所示 .
图7-1
线性规划问题的图解法
2.求最优解 可行域的点满足约束条件,但并非使得目标函数 max S 50x1 30x2 取得最大值的解, 且该目标函数对应的图象也是一条直线,其斜率为 5,可行域里能使该直线与y轴的纵

线性规划课件ppt

线性规划课件ppt
根据实际问题的特点,选择适合的线性规划模型进行建模和优化。
详细描述
在选择线性规划模型时,应根据实际问题的特点进行选择。例如,对于简单的最优化问题,可以使用标准型线性规划模型;对于需要约束条件或特殊处理的问题,可以选择扩展型线性规划模型。在建立模型后,还可以使用优化软件对模型进行优化,以提高求解效率和准确性。
CHAPTER
线性规划的求解方法
总结词
最常用的方法
要点一
要点二
详细描述
单纯形法是一种迭代算法,用于求解线性规划问题。它通过不断地在可行解域内寻找新的解,直到找到最优解或确定无解为止。单纯形法的主要步骤包括建立初始单纯形、确定主元、进行基变换和更新单纯形等。该方法具有简单易行、适用范围广等优点,但在某些情况下可能会出现迭代次数较多、计算量大等问题。
在选择变量时,应考虑其物理意义、数据的可靠性和敏感性等因素。
选择变量时,首先要考虑变量的物理意义和实际背景,以便更好地理解模型和求解结果。同时,要重视数据的可靠性,避免使用不可靠的数据导致模型失真或错误。敏感度分析可以帮助我们了解变量对目标函数的影响程度,从而更好地选择变量。
总结词
详细描述
总结词
线性规划在工业生产中的应用已经非常广泛,未来将会进一步拓展其应用领域。
工业生产
线性规划在物流运输领域中的应用也将会有更广阔的前景,例如货物的合理配载、车辆路径规划等。
物流运输
线性规划在金融管理中的应用也将逐渐增多,例如投资组合优化、风险控制等。
金融管理
非线性优化
将线性规划拓展到非线性优化领域是一个具有挑战性的研究方向,但也为线性规划的应用提供了更广阔的发展空间。
软件特点
Lingo具有强大的求解能力,可以高效地解决大规模线性规划问题,同时具有友好的用户界面,方便用户进行模型输入和结果输出。

线性规划的图解法与单纯形解法


max Z=x1+2x2
4 无界解(无最优解) 2
2
4
6
x1
6
x2
50
例2.5
40
2 x1 x2 40 x1 1.5 x2 30 x1 x2 50 x1 0, x2 0
max Z=10x1+4x2
30
20 无可行解 即无最优解 10
7
O
10
20
30
40
50
x1
由以上例题可知,线性规划的解有4种形式:
1.有唯一最优解(例2.1例2.2)
2.有多重解(例2.3)
3.有无界解(例2.4) 4.无可行解(例2.5) 1、2情形为有最优解 3、4情形为无最优解
8
由图解法得到的启示

线性规划问题求解的基本依据是:线性规划问题的最优 解总可在可行域的顶点中寻找。寻找线性规划问题的最 优解只需比较有限个顶点处的目标函数值。 线性规划问题求解时可能出现四种结局:唯一最优解、 无穷多个最优解、有无界解、无解或无可行解。 如果某一线性规划问题有最优解,我们可以按照这样的 思路来求解:先找可行域中的一个顶点,计算顶点处的 目标函数值,然后判别是否有其它顶点处的目标函数值 比这个顶点处的目标函数值更大,如有,转到新的顶点, 重复上述过程,直到找不到使目标函数值更大的新顶点 为止。
④在大于0的检验数中,若某个k所对应的系数列向量Pk≤0,则此问 题是无界解,停止计算,否则转入下步。
⑤根据max{j|j>0}=k原则,确定xk为换入变量(进基变量),再按 规则计算:=min{bi/aik| aik>0}=bl/ aik 确定xl为换出变量。建立新 的单纯形表,此时基变量中xk取代了xl的位置。 ⑥以aik为主元素进行迭代,把xk所对应的列向量变为单位列向量,即 aik变为1,同列中其它元素为0,转第③ 步。

线性规划的图解法


设备能力(h)
3 2 0 1500
65 40 75
2.2.1 线性规划的图解法
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。
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
2.2.1 线性规划的图解法
(1)建立直角坐标系: 分别取决策变量x1 ,x2 为坐标 向量,建立平面直角坐标系。
2.2.1 线性规划的图解法
(2)绘制可行域: 对每个约束(包括非负约束)条 件,作出其约束半平面(不等式)或 约束直线(等式)。
各半平面与直线交出来的区域若 存在,其中的点为此线性规划的可行 解。称这个区域为可行集或可行域。 然后进行下步。否则若交为空,那么 该线性规划问题无可行解。
线性规划的图解法
2.2.1 线性规划的图解法
对于只有两个决策变量的线性 规划问题,可以二维直角坐标平 面上作图表示线性规划问题的有 关概念,并求解。 图解法求解线性规划问题的步 骤如下:
例题
目标函数 Max z =1500x1+2500x2
约束条件 s.t. 3x1 + 2x2 ≤ 65 2x1 + x2 ≤ 40 3x2 ≤ 75 x1 ,x2 ≥ 0
2.2.1 线性规划的图解法
(3) 绘制目标函数等值线,并移动求解:
目标函数随着取值不同,为一族相 互平行的直线。 首先,任意给定目标函数一个值, 可作出一条目标函数的等值线(直线); 然后,确定该直线平移使函数值增 加的方向; 最后,依照目标的要求平移此直线。
2.2.1 线性规划的图解法
结果
若目标函数等值线能够移动到 既与可行域有交点又达到最优的位 置,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。 否则,目标函数等值线与可行 域将交于无穷远处,此时称无有限 最优解。

运筹学线性规划图解法


§2.2 线性规划问题解的概念
设线性规划的标准形式: max z=Σcjxj (1) s.t.Σaijxj=bi i=1,2,…,m (2) xj≥0 j=1,2,…,n (3) 可行域:由约束条件(2)、(3)所围成的区域; 可行解:满足(2)、(3)条件的解X=(x1,x2,…,xn)T为可行解; 基:设A是约束条件方程组的m×n维系数矩阵,其秩为m,B是A中 m×m阶非奇异子矩阵,则称B为线性规划问题的一个基。 设
B=
a11 a21 … am1
a12 … a1m a22 … a2m … … am2 …amm
=(p1,p2, …,pm)
基向量、非基向量、基变量、非基变量: 称pj(j=1,2,…,m)为基向量,其余称为非基向量;与基 向量pj(j=1,2,…,m)对应的xj称为基变量,其全体写成 XB=(x1,x2,…,xm)T;否则称为非基变量,其全体经 常写成XN。 基解:对给定基B,设XB是对应于这个基的基变量 XB=(x1,x2,…,xm)T; 令非基变量xm+1=xm+2=…=xn=0, 由(2)式得出的解X=(x1,x2,…,xm,0,…,0)T 称为基解。 基可行解:所有决策变量满足非负条件(xj ≥0)的基解, 称作基可行解。 可行基:基可行解所对应的基底称为可行基。
x2 x1+2x2=8
4x2=12
线段Q1Q2上的任意点都是最优解
Q1
Q2 x1
3x1=12
x2 •无可行解 例3:
maxz = 3x1 + 2x2 2x1 + x2 ≤ 2 s.t 3x1 + 4x2 ≥ 12 x , x ≥ 0 1 2
约束条件围不成区域 (又称矛盾方程) x1

线性规划的图解法和标准化


采用图解法,如左图:得Q点坐标 (250,100)为最优解。
2x1+3x2 =900
x1+x2 =350
Q
2x1+3x2 =800
100 200 300 400 500 600
x1
§1 图 解 法
重要结论1:
●线性规划的可行域是凸集 ●可行域的顶点为有限个 ●线性规划的最优解一定可以在某个顶点上实现
线性规划的图解法和标准化
§1 图 解 法
对于只有两个决策 变量的线性规划问题, 可以在平面直角坐标 系上作图表示线性规 划问题的有关概念, 并求解。
下面通过例1详细 讲解其方法:
例1.目标函数:
Max z = 50 x1 + 100 x2 约束条件:
s.t. x1 + x2 ≤ 300 (A) 2 x1 + x2 ≤ 400 (B)
x2 ≤ 250 (C) x1 ≥ 0 (D) x2 ≥ 0 (E) 得到最优解:
x1 = 50, x2 = 250 最优目标值 z = 27500
§1 图 解 法
几何概念
代数概念
直线
满足一个等式约束的解
半平面
满足一个不等式约束的解
半平面的交集: 凸多边形
满足一组不等式约束的解
目标函数等值线: 一组平行线
凸集
顶点
凸集
不是凸集
§1 图 解 法
重要结论2:
– 如果线性规划有唯一最优解(例1、2、3),则一定 有一个可行域的顶点对应最优解;
– 无穷多个最优解。若将例1中的目标函数变为max z=50x1+50x2,则线段BC上的所有点都代表最优解;
– 无界解。即可行域的范围延伸到无穷远,目标函数 值可以无穷大或无穷小。一般来说,这说明模型有 错,忽略了一些必要的约束条件;
  1. 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. 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. 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)。

第43炼 线性规划——作图与求解一、基础知识1、相关术语:(1)线性约束条件:关于变量,x y 的一次不等式(或方程)组(2)可行解:满足线性约束条件的解(),x y(3)可行域:所有可行解组成的集合(4)目标函数:关于,x y 的函数解析式(5)最优解:是目标函数取得最大值或最小值的可行解2、如何在直角坐标系中作出可行域:(1)先作出围成可行域的直线,利用“两点唯一确定一条直线”可选取直线上的两个特殊点(比如坐标轴上的点),以便快速做出直线(2)如何判断满足不等式的区域位于直线的哪一侧:一条曲线(或直线)将平面分成若干区域,则在同一区域的点,所满足不等式的不等号方向相同,所以可用特殊值法,利用特殊点判断其是否符合不等式,如果符合,则该特殊点所在区域均符合该不等式,具体来说有以下三种情况:① 竖直线x a =或水平线y b =:可通过点的横(纵)坐标直接进行判断② 一般直线()0y kx b kb =+≠:可代入()0,0点进行判断,若符合不等式,则原点所在区域即为不等式表示区域,否则则为另一半区域。

例如:不等式230x y -+≤,代入()0,0符合不等式,则230x y -+≤所表示区域为直线230x y -+=的右下方③ 过原点的直线()0y kx k =≠:无法代入()0,0,可代入坐标轴上的特殊点予以解决,或者利用象限进行判断。

例如:y x ≤:直线y x =穿过一、三象限,二、四象限分居直线两侧。

考虑第四象限的点0,0x y ><,所以必有y x ≤,所以第四象限所在区域含在y x ≤表示的区域之中。

(3)在作可行域时要注意边界是否能够取到:对于约束条件(),0F x y >(或(),0F x y <)边界不能取值时,在图像中边界用虚线表示;对于约束条件(),0F x y ≥(或(),0F x y ≤)边界能取值时,在图像中边界用实线表示3、利用数形结合寻求最优解的一般步骤(1)根据约束条件,在平面直角坐标系中作出可行域所代表的区域(2)确定目标函数z 在式子中的几何意义,常见的几何意义有:(设,a b 为常数)① 线性表达式——与纵截距相关:例如z ax by =+,则有a z y x b b=-+,从而z 的取值与动直线的纵截距相关,要注意b 的符号,若0b >,则z 的最大值与纵截距最大值相关;若0b <,则z 的最大值与纵截距最小值相关。

② 分式——与斜率相关(分式):例如y b z x a-=-:可理解为z 是可行域中的点(),x y 与定点(),a b 连线的斜率。

③ 含平方和——与距离相关:例如()()22z x a y b =-+-:可理解为z 是可行域中的点(),x y 与定点(),a b 距离的平方。

(3)根据z 的意义寻找最优解,以及z 的范围(或最值)4、线性目标函数影响最优解选取的要素:当目标函数直线斜率与约束条件直线斜率符号相同时,目标函数直线斜率与约束条件直线斜率的大小会影响最优解的选取。

例如:若变量,x y 满足约束条件00321228x y x y x y ≥⎧⎪≥⎪⎨+≤⎪⎪+≤⎩,则34z x y =+的最大值等于_____ 作出可行域如图所示,直线3212x y +=的斜率132k =-,直线28x y +=的斜率212k =-,目标函数的斜率34k =-,所以21k k k <<,所以在平移直线时,目标函数直线的倾斜程度要介于两直线之间,从而可得到在()2,3A 取得最优解。

但在作图中如果没有考虑斜率间的联系,平移的直线比28x y +=还要平,则会发现最优解在()0,4B 处取得,以及若平移的直线比3212x y +=还要陡,则会发现最优解在()4,0C 处取得,都会造成错误。

所以在处理目标函数与约束条件的关系时,要观察斜率的大小,并确定直线间“陡峭”程度的不同。

(1)在斜率符号相同的情况下:k 越大,则直线越“陡”(2)在作图和平移直线的过程中,图像不必过于精确,但斜率符号相同的直线之间,陡峭程度要与斜率绝对值大小关系一致,这样才能保证最优解选取的准确(3)当目标函数的斜率与约束条件中的某条直线斜率相同时,有可能达到最值的最优解有无数多个(位于可行域的边界上)(4)当目标函数的斜率含参时,涉及到最优解选取的分类讨论,讨论通常以约束条件中同符号的斜率作为分界点。

二、典型例题:例1:若变量,x y 满足约束条件200220x y x y x y +≥⎧⎪-≤⎨⎪-+≥⎩,则2z x y =-的最小值等于( )A. 52-B. 2-C. 32- D. 2 思路:按照约束条件作出可行域,可得图形为一个封闭的三角形区域,目标函数化为:2y x z =-,则z 的最小值即为动直线纵截距的最大值。

目标函数的斜率大于约束条件的斜率,所以动直线斜向上且更陡。

通过平移可发现在A 点处,纵截距最大。

且20:220x y A x y +=⎧⎨-+=⎩解得11,2A ⎛⎫- ⎪⎝⎭,所以2z x y =-的最小值()min 152122z =⋅--=- 答案:A 例2:设变量,x y 满足约束条件20201x y x y y +-≥⎧⎪--≤⎨⎪≥⎩,则目标函数2z x y =+的最小值为( )A. 2B. 3C. 4D. 5思路:作出目标函数的可行域,得到一个开放的区域,目标函数122z y x =-+,通过平移可得最优解为()20:1,11x y A A y +-=⎧⇒⎨=⎩,所以min 3z = 答案:B例3:若变量,x y 满足120x x y x y ≤⎧⎪≥⎨⎪++≥⎩,则22z x y =+的最大值为( )A.B. 7C. 9D. 10思路:目标函数22z x y =+可视为点到原点距离的平方,所以只需求出可行域里距离原点最远的点即可,作出可行域,观察可得最远的点为()1,3A -,所以2max 10z OA ==答案:D 例4:设变量,x y 满足约束条件22022010x y x y x y --≤⎧⎪-+≥⎨⎪+-≥⎩,则11y s x +=+的取值范围是( ) A. 31,2⎡⎤⎢⎥⎣⎦ B. 1,12⎡⎤⎢⎥⎣⎦ C. []1,2 D. 1,22⎡⎤⎢⎥⎣⎦思路:所求11y s x +=+可视为点(),x y 与定点()1,1--连线的斜率。

从而在可行域中寻找斜率的取值范围即可,可得在()1,0处的斜率最小,即()()min 011112k --==--,在()0,1处的斜率最大,为()()max 11201k --==--,结合图像可得11y s x +=+的范围为1,22⎡⎤⎢⎥⎣⎦ 答案:D 例5:若实数,x y 满足条件01001x y x y x +≥⎧⎪-+≥⎨⎪≤≤⎩,则3x y -的最大值为( )A. 6B. 5C. 4D. 3思路:设3z x y =-,则可先计算出z 的范围,即可求出z 的最大值:1133y x z =-,则最优解为()()1,1,1,2A B -,所以[]5,4z ∈-,则max 5z = 答案:B例6:设O 为坐标原点,点M 的坐标为()2,1,若点(),N x y 满足不等式组43021201x y x y x -+≤⎧⎪+-≤⎨⎪≥⎩,则使OM ON ⋅ 取得最大值的点N 的个数有( )A. 1B. 2C. 3D. 无数个思路:设2z OM ON x y =⋅=+ ,作出可行域,通过平移可发现达到最大值时,目标函数与直线2120x y +-=重合,所以有无数多个点均能使OM ON ⋅ 取得最大值答案:D例7:(2015,福建)变量,x y 满足约束条件02200x y x y mx y +≥⎧⎪-+≥⎨⎪-≤⎩,若2z x y =-的最大值为2,则实数m 等于( )A. 2-B. 1-C. 1D. 2思路:本题约束条件含参,考虑先处理常系数不等式,作出图像,直线y mx =为绕原点旋转的直线,从图像可观察出可行域为一个封闭三角形,目标函数2y x z =-,若z 最大则动直线的纵截距最小,可观察到A 为最优解。

22022:,2121x y m A A y mx m m -+=⎧⎛⎫⇒⎨ ⎪=--⎝⎭⎩,则有22222121m z m m =⋅-=--,解得:1m = 答案:C小炼有话说:当线性约束条件含参数时,一方面可先处理常系数不等式,作出可行域的大致范围,寻找参数变化时,可行域的共同特征;另一方面对含参数的直线确定是否过定点,在变化中寻找区域的规律。

找到共同的最优解所满足的方程,便可根据最值求出参数例8:在约束条件21010x x y m x y ≤⎧⎪-+≥⎨⎪+-≥⎩下,若目标函数2z x y =-+的最大值不超过4,则实数m 的取值范围是( )A.( B.⎡⎣C. ⎡⎤⎣⎦D. ⎡⎣ 思路:先做出常系数直线,动直线20x y m -+=时注意到20m ≥,斜率为常数1,且发现围成的区域恒为一个三角形。

目标函数2y x z =+,通过图像可得最优解为2221011:,220x y m m A A x y m +-=⎧⎛⎫-+⇒⎨ ⎪-+=⎝⎭⎩,所以222max 113122222m m z m -+=-⋅+=-,则231422m -≤解得:m ⎡∈⎣ 答案:D例9:若变量,x y 满足约束条件020x y x y y -≥⎧⎪+≤⎨⎪≥⎩,若z ax y =+的最大值为4,则a =( )A. 3B. 2C. 2-D. 3-思路:如图作出可行域,目标函数为y ax z =-+,由于a 决定直线的方向,且约束条件中的直线斜率有正有负。

所以先考虑a 的符号:当00a a ->⇒<时,此时与y x =的斜率进行比较:若11a a -≥⇒≤-,则z 的最大值为0,不符题意;若0110a a <-<⇒-<<,则最优解为()1,1A ,代入解得3a =与初始范围矛盾,故舍去;当00a a -<⇒>时,直线与2x y +=斜率进行比较:若11a a -<-⇒>,则最优解为()2,0B ,代入解得2a =,符合题意若1a =,可得z 的最大值为2,不符题意,舍去若0101a a >->-⇒<<,则最优解为()1,1A ,代入解得3a =与初始范围矛盾,舍去 综上所述:2a =答案:B小炼有话说:(1)目标函数的直线陡峭程度不同,会导致最优解不同,所以当斜率含参时,可在约束条件中寻找斜率与目标函数斜率同号的直线,则这些直线的斜率通常是分类讨论的分界点。

(2)本题也可分别假设可行域3个顶点为最优解,求出a 的值,再带入验证。

相关文档
最新文档