【运筹学】线性规划数学模型 ( 三要素 | 一般形式 | 向量形式 | 矩阵形式 )
文章目录
- I . 规划问题
- II . 线性规划示例
- III . 线性规划数学模型三要素
- IV . 线性规划数学模型一般形式
- V . 线性规划数学模型向量形式
- VI 线性规划数学模型矩阵形式
I . 规划问题
规划问题 概念 : 在 生产 和 经营管理中 , 合理地 安排 人力 , 物力 , 资源 , 使它们能够得到充分利用 , 以达到获得最大的效益 ;
线性规划问题 :
- ① 减小资源消耗 : 任务 和 目标确定 , 统筹兼顾 , 合理安排 , 用最少的资源完成上述任务和目标 ; 资源包括 资金 设备 原料 人力 时间 等 ;
- ② 获得最大效益 : 资源是固定的 , 进行合理安排 , 获得最大的效益 ;
II . 线性规划示例
某工厂生产 甲 , 乙 两种产品 , 分别要使用 A , B , C , D 四种设备进行加工 , 按照工艺流程规定 , 每种产品 在不同设备上加工所需的时间如下表所示 , 如何安排生产 , 使总利润最大 ;
设备 A | 设备 B | 设备 C | 设备 D | 利润 | |
---|---|---|---|---|---|
产品甲 | 2 | 1 | 4 | 0 | 2 |
产品乙 | 2 | 2 | 0 | 4 | 3 |
设备有效台时 | 12 | 8 | 16 | 12 |
线性规划分析 :
1. x1x_1x1 是产品甲的生产数量 , x2x_2x2 是产品乙的生产数量 ;
2. 利润 : 甲乙两种产品的利润之和 , 产品甲 2 元 , 产品乙 3 元 , 利润要达到最大化 ;
maxZ=2x1+3x2max Z = 2x_1 + 3x_2maxZ=2x1+3x2
3. 设备 AAA 的限制 : 设备 AAA 最多使用 12 小时 , 两种产品的使用时间不能超过 12 小时 ;
2x1+2x2≤122x_1 + 2x_2 \leq 122x1+2x2≤12
4. 设备 BBB 的限制 : 设备 BBB 最多使用 8 小时 ;
x1+2x2≤8x_1 + 2x_2 \leq 8x1+2x2≤8
5. 设备 CCC 的限制 : 设备 CCC 最多使用 16 小时 ;
4x1≤164x_1 \leq 164x1≤16
6. 设备 DDD 的限制 : 设备 DDD 最多使用 12 小时 ;
4x2≤124x_2 \leq 124x2≤12
7. 甲乙两种产品数量的限制 , 两个产品的数量必须大于等于 0 ;
x1≥0,x2≥0x_1 \geq 0 , x_2 \geq 0x1≥0,x2≥0
按照上述条件 , 计算出 ZZZ 的最大值 , 就是生产甲乙两种产品的最大利润 ;
III . 线性规划数学模型三要素
线性规划数学模型三要素 :
- ( 1 ) 决策变量 : 上述 产品甲乙 的个数 x1,x2x_1 , x_2x1,x2 就是决策变量 , 直接关系到利润的多少 ;
- ( 2 ) 目标条件 : 多个决策变量的线性函数 , 通常是求 最大值 或 最小值 问题 ; 上述示例中的 maxZ=2x1+3x2max Z = 2x_1 + 3x_2maxZ=2x1+3x2 就是目标条件 ;
- ( 3 ) 约束条件 : 一组多个 决策变量 的线性等式 或 不等式 组成 , 如上述 3 ~ 7 的四种设备的使用时间限制 和 决策变量的取值范围 ;
IV . 线性规划数学模型一般形式
目标函数 :
max(min)z=c1x1+c2x2+⋯+cnxnmax (min) z = c_1x_1 + c_2x_2 + \cdots + c_nx_nmax(min)z=c1x1+c2x2+⋯+cnxn
约束条件 :
{a11x1+a12x2+⋯a1nxn≤(=⋅≥)b1⋮am1x1+am2x2+⋯amnxn≤(=⋅≥)bmx1≥0⋯x2≥0\begin{cases}a_{11}x_1 + a_{12}x_2 + \cdots a_{1n}x_n & \leq ( = \cdot \geq) & b_1\\ \vdots \\ a_{m1}x_1 + a_{m2}x_2 + \cdots a_{mn}x_n & \leq ( = \cdot \geq) & b_m \\ \\ \\x_1 \geq 0 \cdots x_2 \geq 0 \end{cases}⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧a11x1+a12x2+⋯a1nxn⋮am1x1+am2x2+⋯amnxnx1≥0⋯x2≥0≤(=⋅≥)≤(=⋅≥)b1bm
上述线性规划中 , 有 nnn 个决策变量 , mmm 个约束条件不等式 ;
简写形式 : 有 nnn 个变量 , mmm 个约束不等式 ;
max(min)z=∑j=1ncjxj∑j=1naijxj≤(=⋅≥)bi(i=1,2⋯m)xj≥0(i=1,2⋯n)\begin{array}{lcl}max (min) z = \sum_{j=1}^{n}c_j x_j\\ \\ \sum_{j=1}^{n} a_{ij}x_j \leq ( = \cdot \geq) b_i & (i = 1 , 2 \cdots m) \\ \\x_j \geq 0 & (i = 1 , 2 \cdots n) \end{array}max(min)z=∑j=1ncjxj∑j=1naijxj≤(=⋅≥)bixj≥0(i=1,2⋯m)(i=1,2⋯n)
V . 线性规划数学模型向量形式
向量形式 :
max(min)z=CXmax ( min ) z = CXmax(min)z=CX
{∑pjxj≤(=⋅≥)BX≥0\begin{cases} \sum p_j x_j \leq ( = \cdot \geq ) B\\ \\ X \geq 0 \end{cases}⎩⎪⎨⎪⎧∑pjxj≤(=⋅≥)BX≥0
公式相关说明 :
1. 矩阵 CCC 是 111 行 nnn 列矩阵 , 是一个 1×n1 \times n1×n 矩阵 ; 该矩阵的元素是 目标条件中 决策变量的系数 ;
C=[c1,c2⋯cn]C = \begin{bmatrix} c_1 , c_2 \cdots c_n\end{bmatrix}C=[c1,c2⋯cn]
2. 矩阵 XXX 是 nnn 行 111 列 的矩阵 , 是一个 n×1n \times 1n×1 矩阵 ; 该矩阵的元素是决策变量 ;
X=[x1⋮xn]X = \begin{bmatrix}x_1 \\ \vdots \\ x_n \end{bmatrix}X=⎣⎢⎡x1⋮xn⎦⎥⎤
3. 矩阵 PjP_jPj 是 mmm 行 111 列 的矩阵 , 是一个 m×1m \times 1m×1 矩阵 ; 该矩阵的元素是 第 jjj 个约束条件的 mmm 个决策变量前的系数 ;
Pj=[a1j⋮amj]P_j = \begin{bmatrix}a_{1j} \\ \vdots \\ a_{mj} \end{bmatrix}Pj=⎣⎢⎡a1j⋮amj⎦⎥⎤
4. 矩阵 BBB 是 mmm 行 111 列 的矩阵 , 是一个 m×1m \times 1m×1 矩阵 ; 该矩阵的元素是 第 jjj 个约束条件的 mmm 个 右侧的不等式约束值 ;
B=[b1⋮bm]B = \begin{bmatrix}b_{1} \\ \vdots \\ b_{m} \end{bmatrix}B=⎣⎢⎡b1⋮bm⎦⎥⎤
VI 线性规划数学模型矩阵形式
矩阵形式 :
max(min)Z=CXmax ( min ) Z = CXmax(min)Z=CX
{∑AX≤(=⋅≥)BX≥0\begin{cases} \sum AX \leq ( = \cdot \geq ) B\\ \\ X \geq 0 \end{cases}⎩⎪⎨⎪⎧∑AX≤(=⋅≥)BX≥0
公式相关说明 :
1. 矩阵 CCC 是 111 行 nnn 列矩阵 , 是一个 1×n1 \times n1×n 矩阵 ; 该矩阵的元素是 目标条件中 决策变量的系数 ;
C=[c1,c2⋯cn]C = \begin{bmatrix} c_1 , c_2 \cdots c_n\end{bmatrix}C=[c1,c2⋯cn]
2. 矩阵 XXX 是 nnn 行 111 列 的矩阵 , 是一个 n×1n \times 1n×1 矩阵 ; 该矩阵的元素是决策变量 ;
X=[x1⋮xn]X = \begin{bmatrix}x_1 \\ \vdots \\ x_n \end{bmatrix}X=⎣⎢⎡x1⋮xn⎦⎥⎤
3. 矩阵 AAA 是 mmm 行 nnn 列 的矩阵 , 是一个 m×nm \times nm×n 矩阵 ; 该矩阵的 iii 行 jjj 列 元素 代表 第 iii 个约束条件的 jjj 个决策变量前的系数 ;
A=[a11⋯a1n⋮⋮⋮amj⋯amn]A = \begin{bmatrix} &a_{11} & \cdots & a_{1n} & \\ &\vdots & \vdots & \vdots & \\ &a_{mj}& \cdots & a_{mn} \end{bmatrix}A=⎣⎢⎡a11⋮amj⋯⋮⋯a1n⋮amn⎦⎥⎤
4. 矩阵 BBB 是 mmm 行 111 列 的矩阵 , 是一个 m×1m \times 1m×1 矩阵 ; 该矩阵的元素是 第 jjj 个约束条件的 mmm 个 右侧的不等式约束值 ;
B=[b1⋮bm]B = \begin{bmatrix}b_{1} \\ \vdots \\ b_{m} \end{bmatrix}B=⎣⎢⎡b1⋮bm⎦⎥⎤
【运筹学】线性规划数学模型 ( 三要素 | 一般形式 | 向量形式 | 矩阵形式 )相关推荐
- 运筹学----线性规划组成三要素、可行域、最优值、线性规划问题数学模型一般形式、线性规划问题数学模型标准形式
线性规划的组成的三要素 可行域.最优值 建立线性规划问题数学模型的步骤 一般形式: 标准形式: 约束条件要是等式,右端常量要求非负的
- 【运筹学】线性规划数学模型 ( 知识点回顾 | 可行解 | 最优解 | 阶梯型矩阵 | 阶梯型矩阵向量 | 基 | 基向量 | 基变量 | 非基变量 )
文章目录 一.知识点回顾 1.线性规划三要素 2.线性规划一般形式 3.线性规划标准形式 二.线性规划解.可行解.最优解 三.阶梯型矩阵 四.阶梯型矩阵向量 五.基.基向量.基变量.非基变量 一.知识 ...
- 【运筹学】线性规划数学模型标准形式 ( 标准形式 | 目标函数转化 | 决策变量转化 | 约束方程转化 | 固定转化顺序 | 标准形式转化实例 ) ★★
文章目录 一.线性规划标准形式 二.线性规划 普通形式 -> 标准形式 目标函数 转化 三.线性规划 普通形式 -> 标准形式 无约束的决策变量转化 四.线性规划 普通形式 -> 标 ...
- 【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 线性规划求解示例 )
文章目录 一.单纯形法计算示例 二.转化标准形式 三.查找初始基可行解 四.列出单纯形表 五.最优解判定 在上一篇博客 [运筹学]线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 单纯形表 | ...
- 【运筹学】线性规划数学模型 ( 单纯形法 | 第二次迭代 | 方程组同解变换 | 生成新单纯形表 | 计算检验数 | 最优解判定 | 线性规划解个数分析 )
文章目录 一.第二次迭代 二.方程组同解变换 三.生成新的单纯形表 四.计算检验数.最优解判定 五.最优解个数说明 1.唯一最优解 2.无穷最优解 3.无界解 4.总结 六.出基变量选择说明 上一篇博 ...
- 【运筹学】线性规划数学模型 ( 单纯形法 | 第一次迭代 | 方程组同解变换 | 计算新单纯形表 | 计算检验数 | 入基变量选择 | 出基变量选择 )
文章目录 一.初始基可行解后第一次迭代 二.迭代后新的单纯形表 三.方程组同解变换 四.生成新的单纯形表 五.解出基可行解 六.计算检验数 σj\sigma_jσj 并选择入基变量 七.计算 θ\t ...
- 【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 单纯形表 | 系数计算方法 | 根据系数是否小于等于 0 判定最优解 )
文章目录 一.(CNT−CBTB−1N)( C_N^T - C_B^T B^{-1}N )(CNT−CBTB−1N) 系数 分析 二.CBC_BCB XBX_BXB 分析 三.CNC_NCN ...
- 【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 可行解表示 | 目标函数推导 | 目标函数最大值分析 )
文章目录 一.基矩阵 + 非基矩阵 约束条件 二.基矩阵 + 非基矩阵 线性规划 三.线性规划 可行解 四.目标函数 推导 五.XN=OX_N = OXN=O 目标函数最大 分析 六.总结 在上一篇 ...
- 【运筹学】线性规划数学模型 ( 单纯形法原理 | 单纯形法流程 | 查找初始基可行解 )
文章目录 一.单纯形法原理 二.单纯形法流程 三.初始的基可行解查找 一.单纯形法原理 单纯形法的理论基础 : 定理 111 ( 可行域是凸集 ) : 如果线性规划的问题 存在可行解 , 其 可行域 ...
最新文章
- 源码阅读心得11-13
- Spark 个人实战系列(1)--Spark 集群安装
- 10.31NOIP模拟赛解题报告
- PyTorch框架学习一——PyTorch的安装(CPU版本)
- 2021年Q2母婴行业季度洞察报告
- 第 190 场力扣周赛
- Spring的线程安全
- 华为p40为何没有搭载鸿蒙系统?
- 11月20日取消纸质车票,怎么报销
- IAR软件的使用讲解
- 区块链入门-完整版V1.0-Part5
- 第1天学习打卡(Javaweb 邮件发送:原理、发送简单文本邮件、发送带图片和附件邮件、网站注册发送邮件Servlet实现)
- hive根据出生日期算年龄-粗略版
- ARFoundation多图切换识别
- js实现微信表情回显
- 对2030年的人工智能的预测#AIGC的机会到底在何处?
- 菜鸟站长之家教各位菜鸟站长用WordPress如何给文章生成推广二维码
- 用python判断身份证号性别_验证身份证号的Python脚本
- 分享一个自己写的可视化编程工具
- 周三直播 | PaddleGAN又开金手指,零门槛人像转卡通