当前课程知识点:数学建模 > 第6章 线性规划 > 6.1 两变量的线性规划 > 6.1 两变量的线性规划
同学们大家好
我们今天开始介绍一种新的 建模的方法
或者说 一种新的模型
我们把它称作为 线性规划
日常生活当中跟一些最大
最小 最长 最短
有关的一些问题
我们都把它称作为 最优化的问题
那么
研究并求解最优化的问题的这些数学方法
我们把它称之为 运筹学
目前来看
运筹学的主要分支 包括一些线性规划
非线性规划
动态规划 以及图与网络分析等等这方面内容
那我们今天要讲的 线性规划属于这么一个范畴
那么
说起它的源头来说
线性规划应该起源于1939年的
前苏联的一个数学家 康托洛维奇
那么他首先发表了一篇论文
然后到了47年
由美国的数学家
他开始提出了一些 线性规划的一般的模型
或者说一般的理论
然后进行发展
我们首先看这么一个例子
看这么一个例子 就是我们通常说家具厂的生产
那么一个公司
那么要生产桌子跟椅子
那么桌子跟椅子
大家可以想象需要一些材料
首先我们需要一些木材 需要一些人工
那么在这里面
我们跟它做一个限制
人工呢
总共能提供我们说450个工时
木材呢 我们能提供4个立方米的木材
那么在这里面
我们生产一张桌子
需要多少工时 需要15个工时
需要0.2的立方的木材
那么卖出的价钱呢 大概是80块钱
一样的道理
那么生产椅子呢
需要10个工时
那么木材呢 需要0.05个立方的木材
那么卖出的价钱呢 是45块钱
那么从厂家来说
如果想使得收益 或者效益能最大化的话
那么应该怎么安排 对吧
生产生产多少桌子
生产多少椅子出来
那么这么一来
我们就开始把它转化为一个数学问题了
那么接下来的话
我们考虑产值为 最大化
也就说最大收益
假设生产 我们的桌子是x1
椅子呢是x2
我们把x1 x2呢
称作为决策变量
目标函数呢很自然的话 一张桌子我们说卖80
那么两张桌子就卖到160了
所以我们的x1呢
那么多桌子就卖到了
我们说80乘上x1
同样道理来说
那么就是就乘上
加上我们说的45乘上x2了
所以构成的目标函数 极大化了
就从80的x1加上45的x2
这么一个函数f
使得它最大
那我们刚刚说过了
那么既然要生产桌子跟椅子的话
我们有两个限制条件
一个是我们的工时的限制
一个是我们说的
木材的限制
那么构成这两个限制条件
分别为0.2的x1
加上0.05的x2 小于等于4
还有呢
我们说是15的x1
加上10倍的x2 小于等于450
那么
既然让生产桌子跟椅子
那么很自然x1 x2就应该大于等于0
大于等于0了
那么从这里面
我们可以看得出来
我们说的x1 x2
整个的过程当中
我们的目标函数
它是个线性函数
它的约束条件 或者说限制条件也是个线性函数
我们把它称作为 线性规划
这是我们名字的由来
在这里面的话很自然
我们要做的事情
就是说 怎么来求出决策变量
x1 x2的取值
使得 我们都说目标函数值能够最大化
那么对于它来说
因为这个数值比较小
我们可以穷举一下
可以算出来 分别x1 x2呢
为14跟24 那目标函数呢
可以算出来是2200了
这是我们说的 这么一个问题
把我们刚才说的 线性规划问题跟它一般化的话
那我们来看看
一般来说
包括这三部分的内容
首先呢
是要有个目标函数
也就是说
线性的目标函数
求这个线性目标函数 最大或者最小
这是一方面的事情
那么 在这里面的话 牵扯了我们的一些变量
我们把它称之为决策变量
那么 现在呢我们的约束条件
我们刚说的 目标函数跟约束条件都是个线性函数
我们把它称作为线性规划
如果目标函数跟约束条件 属于我们的非线性函数的话
当然我们就变成另外一个范畴了
就变成我们的 非线性规划的问题
为了对它进行求解
我们有几个概念
我们简单的回顾一下
首先第一个概念叫做可行解
所谓可行解的话就说 满足我们的线性
约束条件或者我们的限制条件
那么这些变量 我们把它称之为可行解 对吧
有可能满足我们的约束条件的
第二个
把自己解呢 装到一块也就构成一个集合了
可行解的集合呢
我们把它称作为可行解集
或者说可行域
另外一个 如果能够使得
目标函数达到最值或者达到最大
或者达到最小的这种可行解
我们把它称作为 最优解
把它称为最优解 所谓的线性规划的话
我们将来就是要寻找这种最优解了
最优解了
那么涉及到我们的决策变量
对吧
刚才例子里面我们涉及的决策变量
是两个决策变量
当然
对于我们的问题复杂一点
可能会涉及到多个决策变量
那么首先呢
我们得考虑两个变量
两个决策变量
它的线性规划问题
两个线 决策变量
它的线性规划问题了
我们来看看 它不就个不等式约束条件嘛
不等式约束条件很自然的话
我们就可以建立一个直角坐标系
把它的不等式约束条件 可以跟它画出来
画出来
类似于我们右边的这个图啦 对吧
一个不等式约束条件就是一个半个平面
那么另外一个不等式约束条件又是半个平面
再加上有了我们说的x1大于0 x2大于0
因此呢就构成了
我们绿色的这一块的区域了
绿色的这块区
那么这一块区域呢
大家可以图可以看得出来
它现在就是一个图集了
它就是一个图集了
那我们将来要寻找的
就是说
在这个绿色区域里面
我们在这里面找了个什么
找个最优解
找个最优解
关于这个最优解
我们说有这么一个结论
我们可以看得出来
以目标函数呢
我们设定它不同的值
设定它不同的值 那目标函数设定不同的值
那就像我们刚才说的45的x2
加上80的x1
那么等于一个不同的值等于一个k值
那么大家可以看得出来
在图上呢画出来就是一组 平行的直线 一组平行的直线
那么我们所谓最优解的话
那将来就是我们说的取决于
它离原点的远近的程度
它离原点的远近的程度
那我们从这里面可以看得出来
我们如果过x2
这条点上的这个某个顶点的话
我们说它将是离原点最远的一个点
那么相对的那个点的 也可能会是我们的最优的顶点
这是我们用图 可以看得出来的一个事情
好的
一般来说
属于线性规划里的最优解的话
我们说一定是在什么
一定是可行解的那个集合上面
的某一个极点上达到 某一个极点上达到
那么我们可以看得出来
如果 像我们两个变量的这种问题的话
总共也就是我们的四个极点
那我们就可以一个个极点去跟它穷举一下
或者说得到最优值了
当然
大家可以说了
如果我们决策变量数量要多的话
那么这个时候穷举 可能就有一定的困难
就有一定的困难了 好的
关于决策变量比较多的情况之下
那个时候 线性规划问题的求解怎么求解
那我想我们下次课再说
今天这次课说到这
下课
-1.1 案例分析
-1.2 数学建模绪论
-1.3 数学建模活动
-第1章 习题
--第1章 习题
-2.1 最小二乘方法
-2.2 拟合函数的扩展
-2.3 最小二乘方法应用
-2.4 线性插值
--2.4 线性插值
-2.5 样条插值
--2.5 样条插值
-第2章 习题
--第2章 习题
-3.1 Malthus模型
-3.2 Logistic模型
-3.3 捕食者模型
-3.4 差分方程模型
-3.5 随机动态模型
-第3章 习题
--第3章 习题
-4.1 成对比较矩阵
-4.2 一致性指标
-4.3 权重向量的计算
-4.4 量纲分析
--4.4 量纲分析
-4.5 轮廓模型
--4.5 轮廓模型
-第4章 习题
--第4章 习题
-5.1 名额分配
--5.1 名额分配
-5.2 Hamilton方法
-5.3 Q方法
--5.3 Q方法
-第5章 习题
--第5章 习题
-6.1 两变量的线性规划
-6.2 单纯形方法
-6.3 整数规划
--6.3 整数规划
-第6章 习题
--第6章 习题
-7.1 模糊集合
-7.2 模糊关系
--7.2 模糊关系
-7.3 模糊综合决策
-7.4 模糊聚类分析
-第7章 习题
--第7章 习题