890 likes | 973 Views
第 2 章 线 性 规 划. 内容提要 如何建立一个简单的线性规划模型 线性规划模型的图解法 单纯形法求线性规划模型的方法 改进的单纯形法 对偶问题的相关概念 案例 线性规划问题的单纯形解法的基本原理. 2.1 线性规划及其数学模型. 2.1.1 案例 例2.1 某厂拟生产甲、乙两种适销产品,每件利润分别是3 00 元和5 00 元。 甲、乙产品的部件各自在 A、B 两个车间分别生产,每件甲、乙产品的部件分别需要 A、B 车间的生产能力1工时和2工时;
E N D
第2章 线 性 规 划 内容提要 如何建立一个简单的线性规划模型 线性规划模型的图解法 单纯形法求线性规划模型的方法 改进的单纯形法 对偶问题的相关概念 案例 线性规划问题的单纯形解法的基本原理
2.1 线性规划及其数学模型 2.1.1 案例 例2.1某厂拟生产甲、乙两种适销产品,每件利润分别是300元和500元。 甲、乙产品的部件各自在A、B两个车间分别生产,每件甲、乙产品的部件分别需要A、B车间的生产能力1工时和2工时; 两种产品的部件最后都要在C车间装配,装配每件甲、乙产品分别需要3工时和4工时。A、B、C三个车间每天可用于生产这两种产品的工时分别是8、12、36。 应如何安排生产这两种产品才能获利最大?
2.1 线性规划及其数学模型 解设 、 分别是甲产品和乙产品的日产量,z为这两种产品每天总的利润。首先列出该问题的数据,如表2.1所示。 表2.1 例2.1数据表
2.1 线性规划及其数学模型 根据题意,建立模型如下: 其中,max是英文maximize(最大化)的缩写
2.1 线性规划及其数学模型 例2.2有A、B、C三个工地,每天A工地需要水泥17百袋,B工地需要用水泥1800袋,C工地需要水泥1500袋。为此,甲、乙两个水泥厂每天生产2300袋水泥和2700袋水泥专门供应三个工地。两个水泥厂至工地的单位运价如表2.2所示。 问:如何组织调运使总运费最省。
2.1 线性规划及其数学模型 表2.2 水泥厂至工地运价 千元/百袋
2.1 线性规划及其数学模型 解设xij为甲、乙两个水泥厂分别运到A、B、C三个水泥厂的水泥袋数, 则可以做出如表2.3所示的数据表。 表2.3 例2.2数据表
2.1 线性规划及其数学模型 由题意容易得到如下数学模型: 其中,min是英文minimize(最小化)的缩写。
2.1.2 线性规划的一般模型 一般线性规划模型可以表示如下: (2-1) (2-2)
2.1.2 线性规划的一般模型 建立一个实用的线性规划模型必须明确以下四个组成部分的含义: 第一,决策变量。决策变量是模型中的可控而未知的因素,经常使用带不同下标的英文字母表示不同的变量,如式(2-2)中的xj。 第二,目标函数。线性规划模型的目标是求系统目标的极值,可以是求极大值,如企业的利润和效率等,也可以是求极小值,如成本和费用等。式(2-1)即为最优化目标函数,简称目标函数。式中opt即optimize(最优化)的缩写,根据问题要求不同,可以表示为max(最大化)或min(最小化)。
2.1.2 线性规划的一般模型 第三,约束条件。约束条件是指实现系统目标的限制性因素,通常表现为生产力约束、原材料约束、能源约束、库存约束等资源性约束,也有可能表现为指标约束和需求约束,如式(2-2)中的前m个式子。 第四,非负限制。由于在生产实际问题中,资源总是代表一些可以计量的实物或人力,因而一般不能是负数,如式(2-2)中的最后一个式子。
2.2 线性规划的图解法 例2.3 用图解法求例2.1中的线性规划模型的解,如图2.1所示。 x2 Z法向 9 G (0,9) x18 D (0,6) C (4,6) F (8,6) 6 2x212 B (8,3) 3 R Z42 A (8,0) E (12,0) x1 O (0,0) 4 8 12 3x14x236 z15 z30 z0 图2.1 例2.3图
2.2 线性规划的图解法 解 首先,根据所有约束条件共同构成的图形是可行域图形。具体方法为:在Ox1x2平面直角坐标系中,由于x1≥0,x2≥0,所以指的是在第一象限;画出直线3x14x236,定出约束条件3x14x2≤36表示的区域;
2.2 线性规划的图解法 为了找到3x14x2<36的半平面,只要在某个半平面上找到一点,把该点的坐标代入不等式,若满足不等式,则该点所在半平面为所求,否则为另一半平面3x14x2>36。为了计算简单起见,一般选取原点(0,0)代入不等式,因把原点坐标代入时能满足不等式3040<36,所以原点所在半平面满足不等式,于是约束条件3x14x2≤36代表含原点的半平面及直线3x14x236本身。
2.2 线性规划的图解法 画出直线2x212,定出2x2≤12的平面。由于原点满足不等式2x2<12,所以2x2≤12为含直线2x212在内的下半平面。画出直线x18,定出x1≤8的半平面,由于原点满足该不等式,所以x1≤8表示含原点在内的左半平面及直线x18本身。本模型的可行域图形如图2.1阴影部分所示,即标识为R的部分。
2.2 线性规划的图解法 其次,画出目标函数z3x15x2的等值线。本模型的目标函数代表以z为参数的一簇平行线,由小到大适当地给z赋值,如令z0, 15, 30,…,可得到一组平行线,而位于同一直线上的点具有相同的目标函数值(z值)。
2.2 线性规划的图解法 然后,找到最优解。沿着垂直于等值线的方向(即直线z3x15x2的法向沿z值递增的方向),移动直线z3x15x2,当移动到C点时,值在可行域上达到最大,从而确定C(4,6) 点就是本模型的最优点,即x14,x26,zmax 42为最优解。
2.2 线性规划的图解法 从以上图解法的过程可以看出,图解法只能适用于仅含有两个变量的线性规划问题的求解,因而图解法的实际用途并不广泛。但是,通过图解法可以得到以下结论:
2.2 线性规划的图解法 (1)线性规划的可行域为凸集,即集合中任意两点连线上的一切点仍然在该集合中。这样的凸集表现为一个凸多边形,在空间上必将是一个凸几何体。 (2)线性规划的最优解在凸集的某一个顶点上达到(存在凸集的某一条边界上达到的可能性)。 (3)线性规划的可行域若有界,则一定有最优解。
2.2 线性规划的图解法 以上三点结论是非常有用的,特别是第二点结论非常明确地告诉我们,线性规划的最优解不可能在可行域的内点取得,而只能在凸集的某一个顶点上达到(特殊情况为在凸集的某一条边界上达到)。由于可行域的顶点个数是有限的,所以在求解线性规划模型的最优解时,只要在可行域的有限个顶点范围内一 一寻找即可。这样将极大地降低线性规划问题的复杂程度,减少大量的工作。
2.2 线性规划的图解法 需要特别说明的是,在实际使用图解法求线性规划问题的解时,可能会遇到三种特殊情况,下面通过三个例题分别对三种情况进行说明。
2.2 线性规划的图解法 例2.4 求解线性规划问题,其模型如下:
2.2 线性规划的图解法 解画出直线2x1x28,x23.5,x12x28,x10和x20,它们围成的凸多边形OABCD就是满足全部约束条件的点(可行解)构成的区域,所以凸多边形OABCD就是可行域,如图2.2所示。
2.2 线性规划的图解法 x2 2x1x28 A B C x12x28 x1 O D x12x20 图2.2 例2.4图
2.2 线性规划的图解法 由于目标函数zx12x2与约束条件x12x28的斜率都是 ,所以在所有等值线中,必有一条等值线 与可行域的边BC重合,既与可行域相交,又离原点最远,于是BC边上每一点都是最优解,因而有无数个最优解(不惟一)。
2.2 线性规划的图解法 在具体计算目标函数的最大值时,理论上可以从线BC上任意取一点代入,但为了计算简单起见,往往选择一个特殊点。此处选择B (1,3.5 ) 点,可把这个最优解代入目标函数中得最大值为 。
2.2 线性规划的图解法 例2.5 求解线性规划问题,其模型如下:
2.2 线性规划的图解法 解 将约束条件画在Ox1x2平面直角坐标系中,如图2.3所示。因为约束条件x1x2≥1表示含直线x1x21及不含原点的半平面;约束条件x12x2≤2表示含直线x12x2 2与原点的半平面;约束条件x1≥0,x2≥0表示只在第一象限。我们发现,可行解域是无界区域,平行直线族的直线可以无限远离原点,又与可行域相交,因此目标函数无上界,线性规划问题无最优解,即z2x12x2无最大值。
2.2 线性规划的图解法 例2.6 求解线性规划问题,其模型如下:
2.2 线性规划的图解法 解 将约束条件画在Ox1x2平面直角坐标系中,如图2.4所示。因为约束条件x1x2≥1表示包括直线x1x21及不含原点的半平面;约束条件x1x2≤2表示包括直线x1x22及不含原点的半平面;约束条件x1≥0,x2≥0表示在第一象限,如图2.4所示。由图2.4可知,同时满足约束条件的点不存在,即不存在可行域,没有可行解,当然也没有最优解。
2.2 线性规划的图解法 由本节四个例题看出,两个变量的线性规划问题的解,可能有以下四种情况。 (1)有惟一最优解,并且一定是可行域上的一个顶点(如例2.3的情形)。 (2)有无数多个最优解,并且最优解一定是可行域上的一条边(如例2.4的情形)。 (3)有可行解,但是没有最优解,并且可行域上的点使目标函数趋向无穷大(如例2.5的情形)。 (4)没有可行解,不存在可行域,当然无最优解(如例2.6的情形)。 上述结论对一般线性规划问题也是成立的。
2.2 线性规划的图解法 x2 B x12x22 2x12x20 x1 O A x1x21 图2.3 例2.5图
2.2 线性规划的图解法 图2.4 例2.6图
2.3 线性规划问题 2.3.1 线性规划问题的标准型 一般线性规划问题的标准型为
2.3.1 线性规划问题的标准型 或简记为
2.3.1 线性规划问题的标准型 上述标准型有以下四个特征: (1)决策变量全大于或等于零; (2)约束条件全为线性等式; (3)约束条件右端常数项全部为非负数; (4)目标函数值总为最大。
2.3.2 非标准型线性规划问题的标准化 如果我们得到的一个线性规划问题不具有以上所说的四个特征,那么我们可以通过一定的数学变形将非标准型线性规划问题标准化,具体方法如下。
2.3.2 非标准型线性规划问题的标准化 (1)若目标函数取最小值min z CX,由于求z的最小值就是求z的最大值,所以可以将其转化为max (z)CX。 (2)当约束条件中第个方程出现ai1x1 ai2x2 … ainxn≤bi时,则增加一个“松弛变量”xi1≥0,使它成为等式ai1x1 ai2x2 … ainxn xi1 bi。同样,当约束条件中第个方程出现ai1x1 ai2x2 … ainxn≥bi时,则减去一个“松弛变量”xi1≥0,使它成为等式ai1x1 ai2x2 … ainxn xi1 bi。
2.3.2 非标准型线性规划问题的标准化 (3)当决策变量xj不满足xj ≥0时,则增加两个新的非负决策变量x'j ≥0和x"j ≥0,用x'j x"j替代xj,即令xj x'j x"j。 (4)当约束条件中第i个方程右端出现常数项bi <0时,则在方程两边同时乘以(1),得到bi >0。 这样,我们就可以将任意一个非标准型线性规划问题化为标准型了。
2.3.2 非标准型线性规划问题的标准化 例2.7将下列非标准型线性规划问题化为标准型。
2.3.2 非标准型线性规划问题的标准化 按照前面的变换方法,执行下列步骤解 : (1)将min z转化为max (z)。 (2)令x3 x'3 x"3,且x'3≥0,x"3≥0。 (3)将第一个约束方程的左边减去一个非负的松弛变量x4,将第2、第3个约束方程的左边分别加上一个非负的松弛变量x5和x6。
2.3.2 非标准型线性规划问题的标准化 这样,可以将原来的线性规划问题标准化为
2.4 单纯形法的基本步骤和计算 首先介绍有关的几个概念 (1)基变量——在标准型每一个约束方程中选一个变量xj,它在该方程中的系数为1,在其他方程中系数为零,这个变量xj就称为基变量,或称为基础变量。如有m个约束方程,就可得到m个基变量,其余变量就称为非基变量。
2.4 单纯形法的基本步骤和计算 (2)基本可行解——非基变量为零的可行解。 (3)基本最优解——满足目标函数的基本可行解,简称为最优解。 为了说明单纯形方法的应用,下面通过例2.8阐述其计算步骤。
2.4 单纯形法的基本步骤和计算 例2.8 求解线性规划问题,其模型如下:
2.4 单纯形法的基本步骤和计算 解(1)将线性规划问题化为标准型。 引入松弛变量x3 , x4 , x5 后将其转化为标准型,即
2.4 单纯形法的基本步骤和计算 该标准型存在三阶单位矩阵E,如x3只在第一个方程中系数为1,而在其他方程中系数为零,说明x3为基变量;同样,x4,x5也为基变量,于是x1,x2为非基变量。 令非基变量x1x20可得一组基本可行解,即x10, x2 0, x3 4, x4 14, x5 3 这组解是否为最优要进行检验。为着重说明其方法,以下直接在单纯形表上进行迭代运算。
2.4 单纯形法的基本步骤和计算 (2)列出初始单纯形表(见表2.4),并在表中计算出检验数j。表中的计算说明如下: ① zj行的计算。用Cj列(Cj列指目标函数中基变量的系数CB)中各数乘决策变量列的相对应数后再相加,即 ,具体计算结果如下:
2.4 单纯形法的基本步骤和计算 表2.4 初始单纯形表