规划

规划中的变量（全部或部分）限制为整数，称为整数规划。若在线性模型中，变量限制为整数，则称为整数线性规划。目前所流行的求解整数规划的方法往往只适用于整数线性规划。

线性规划模型的对偶性，对线性规划模型理论、求解有着很重要的意义。特别在应用上，线性规划对偶问题的最优解，就是资源的影子价格，它对于线性规划模型的经济分析，用于对经济管理工作的指导起了极为重要的作用。市场价格是已知的，而影子价格则与资源的利用情况有关，利用的好，影子价格就高，反之亦然。影子价格是一种边际价格（对偶变量在经济上表示原问题第i种资源的边际价值） 。影子价格又是一种机会成本。当市场价大于影子价格，卖出资源；当市场价小于影子价格，买入资源，组织生产。影子价格说明了不同资源对总的经济效益产生的影响，因此对企业经营管理提供一些有价值的信息。扩展资料对偶理论则广泛应用于经济分析中。例如，在经济均衡的分析中，可以通过设计优化模型，运用对偶理论和模型体系研究市场均衡及其实现均衡所需要的基本条件。对偶原理在现代数学特别是几何学、代数学、拓扑学等学科中有着广泛的应用，对于推动数学的发展起着很好的作用。举例来讲，在范畴论中，借助于对偶变换（对偶化），由始对象便可得终对象、由单态射得满态射、由核得上核、由积得上积；在同调代数中，由正向极限得反向极限、由内射模得投射模、由内射包得投射包、由投射分解（维数）得内射分解（维数）、由复形得上复形、由双复形得上双复形、由同调得上同调等。参考资料来源：百度百科-对偶参考资料来源：百度百科-对偶问题

max z=2y1+3y2+5y3s.t. 2y1+3y2+y3<=2 3y1+y2+4y3<=2 5y1+7y2+6y3=4 y1>=0,y2<=0,y3无约束

可以用两种方法第一个：用大M法，直接加入两个剩余变量和人工变量，然后运用单纯形表进行迭代不过目标函数是MIN，所以目标函数应该是MINf =x1+x2+Mx4+Mx6，或者转化为MAX的情况就可以了，加个负号而已。总之，转化为标准形式，然后按照标准形式用单纯形表迭代，我没算，估计迭代2-3次就可以了，计算量不大。第二个：用对偶理论，我用这个写的，快很多，就是将S.T.中的条件换个形式，如果你学过就知道，这样讲很麻烦，但是转换非常简单，用SOB方法，转化后的对偶问题就是标准形式了，然后再用单纯形表迭代，用互补基本解的特性就可以了，直接写答案。

线性规划模型无法解决最优化的问题是线性规划模型的缺点之一。线性规划法的劣势为对于数据的准确性要求高，只能对线性的问题进行规划约束，而且计算量大。一般由线性规划演变的非线性规划法等等后续的方法弥补，导致计算量增加。

联系我，我有运筹学类型题的网址

g

网络最大流问题可以归结为线性规划模型就是在容量网络中，寻找流量最大的可行流。最大流问题，是网络流理论研究的一个基本问题，求网络中一个可行流f，使其流量v（f）达到最大，这种流f称为最大流，这个问题称为（网络）最大流问题。

具体原因如下:变量一般是目标函数.把目标函数看做函数，找最优解就行了.变量函数一般是画成可行域来由目标函数求最优解的.线性规划法就是在线性等式或不等式的约束条件下，求解线性目标函数的最大值或最小值的方法。其中目标函数是决策者要求达到目标的数学表达式，用一个极大或极小值表示。约束条件是指实现目标的能力资源和内部条件的限制因素，用一组等式或不等式来表示.

什么是线性规划方法? 线性规划方法是在第二次世界大战中发展起来的一种重要的数量方法，线性规划方法是企业进行总产量计划时常用的一种定量方法。线性规划是运筹学的一个最重要的分支，理论上最完善，实际应用得最广泛。主要用于研究有限资源的最佳分配问题，即如何对有限的资源作出最佳方式地调配和最有利地使用，以便最充分地发挥资源的效能去获取最佳的经济效益。由于有成熟的计算机应用软件的支持，采用线性规划模型安排生产计划，并不是一件困难的事情。在总体计划中，用线性规划模型解决问题的思路是，在有限的生产资源和市场需求条件约束下，求利润最大的总产量计划。该方法的最大优点是可以处理多品种问题。 线性规划方法的数学模型 目标函数: 式中， xi--i产品的计划产量; aik--每生产一个i产品所需k种资源的数量; bk--第k种资源的拥有量; Ui--i产品的最高需求量; Li--i产品的最低需求量; pi--i产品的单价; ci--i产品的单位成本。 运用线性规划模型进行总生产计划时的问题 1、线性规划模型考虑的因素可能不全面，实际中有些情况没有被考虑到，这就使得线性规划模型过于理想化; 2、实际运用线性规划模型时，虽然一些因素或约束条件被考虑到了，但是由于这些因素或约束条件不易量化或求得(如进行总生产计划常需考虑到的能源单耗就不易求得)时，线性规划模型的运用和有效性因而受到了一定的限制; 3、对一些基础管理不善的企业而言，模型中的单位产品资源消耗系数a很难得到; 4、目标函数中的产为成本系数c实际上是个变量，他随计划的数量结构和品种结构而变。这些问题给机械行业应用线性规划模型带来许多困难，如处理不好，求得的结果的可靠性会很低的。 线性规划模型的适用性 线性规划模型用在原材料单一、生产过程稳定不变、分解型生产类型的企业是十分有效的，如石油化工厂等。对于产品结构简单、工艺路线短、或者零件加工企业，有较大的应用价值。需要注意的是，对于机电类企业用线性规划模型只适用于作年度的总生产计划，而不宜用来做月度计划。这主要与工件在设备上的排序有关，计划期太短，很难安排过来。

max = 3x1-9x2+2x3s.t.4x1-x2-3x3 = -2x1+x2+3x3+x4 = 142x1-3x2+x3 +x5 = 2

这个问题是很简单的线性规划模型： 设X11表示第1个制造企业运往第1个销售点的运量，X12表示第1个制造企业运往第2个销售点的运量，依此类推，可以理解X13,X21,X22,X23.则可以建立如下的线性规划模型： 目标函数：min Z=50*X11+60*X12+70*X13+60*X21+110*X22+160*X23; 约束条件： X11+X12+X13=35; X21+X22+X23=43; X11+X21=28; X12+X22=31; X13+X23=19; 此模型可以用单纯形法用手算求解，也可用lingo求解可以得出如下结果： Global optimal solution found. Objective value: 5620.000 Infeasibilities: 0.000000 Total solver iterations: 1 Variable Value Reduced Cost X11 0.000000 40.00000 X12 16.00000 0.000000 X13 19.00000 0.000000 X21 28.00000 0.000000 X22 15.00000 0.000000 X23 0.000000 40.00000即A1运往B2的量为16，A1运往B3的量为19，A2运往B1的量为28，A2运往B1的量为15，其他的都为0，最小运费为：5620

简单的线性规划（1）求线性目标函数的在约束条件下的最值问题的求解步骤是：①作图——画出约束条件（不等式组）所确定的平面区域和目标函数所表示的平行直线系中的任意一条直线l；②平移——将l平行移动,以确定最优解所对应的点的位置；③求值——解有关的方程组求出最优点的坐标,再代入目标函数,求出目标函数的最值

设计划生产甲产品x件、乙产品y件，利润为z,则x,y满足2x+2y≤12x+2y≤84x≤164y≤12x,y 为自然数目标函数z=2x+3y由线性规划知在2x+2y=12，x+2y=8的交点（4，,2）利润z有最大值为2×4+3×2=14

Minz=x1-x2+3x3+0x4+0x5+0x6引入变量x4，x5，x6s.t x1+x2+x3=10 5x1-7x2+3x3=+x4-8 x1+x2+x5=2 x3+x6=18 x1≥0,x2≤0,x3无符号限制

1．3 线性规划模型的标准型 线性规划规划模型的表示形式有多种，但为研究分析方便，本教材确定如下形式为线性规划模型的标准型 问题的提出 例1．（生产优化计划）p.8 已知 产品1 产品2 资源总量 设备 1 2 8台时 原材料A 4 0 16公斤 原材料B 0 4 12公斤 利润（元） 2 3求解： 目标函数：MAX 2X1+3X2约束条件：X1+2X2≤8 4X1 ≤16 4X2≤12 X1≥0 ，X2≥0该方程即问题的线性规划模型。 线性规划模型由目标函数，约束条件组成，其中目标函数可以求最大化，也可以求最小化；约束条件由资源约束和自然约束组成，资源约束条件可以是大于等于，小于等于，或严格等于，自然约束条件常称为非负约束。

1．3 线性规划模型的标准型 线性规划规划模型的表示形式有多种，但为研究分析方便，本教材确定如下形式为线性规划模型的标准型 问题的提出 例1．（生产优化计划）p.8 已知 产品1 产品2 资源总量 设备 1 2 8台时 原材料A 4 0 16公斤 原材料B 0 4 12公斤 利润（元） 2 3求解： 目标函数：MAX 2X1+3X2约束条件：X1+2X2≤8 4X1 ≤16 4X2≤12 X1≥0 ，X2≥0该方程即问题的线性规划模型。 线性规划模型由目标函数，约束条件组成，其中目标函数可以求最大化，也可以求最小化；约束条件由资源约束和自然约束组成，资源约束条件可以是大于等于，小于等于，或严格等于，自然约束条件常称为非负约束。

线性规划是用直线解决问题，而非线性规划是曲线甚至更复杂的图像解决问题。线性规划是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支，它是辅助人们进行科学管理的一种数学方法。非线性规划具有非线性约束条件或目标函数的数学规划，是运筹学的一个重要分支。 线性规划的三要素 线性规划问题的形式特征，三个要素组成： 1、变量或决策变量； 2、目标函数； 3、约束条件。 求解线性规划问题的基本方法是单纯形法，已有单纯形法的标准软件，可在电子计算机上求解约束条件和决策变量数达 10000个以上的线性规划问题。 线性规划的特点 线性规划建立的数学模型具有以下特点： 1、每个模型都有若干个决策变量（x1，x2，x3……，xn），其中n为决策变量个数。决策变量的一组值表示一种方案，同时决策变量一般是非负的。 2、目标函数是决策变量的线性函数，根据具体问题可以是最大化（max）或最小化（min），二者统称为最优化（opt）。 3、约束条件也是决策变量的线性函数。 当我们得到的数学模型的目标函数为线性函数，约束条件为线性等式或不等式时称此数学模型为线性规划模型。

1.确定决策变量---可以不算组成部分；2.确定目标函数；3.确定不等式约束，形如AX<b，要确定A矩阵,b向量；4.确定等式约束，形如AeqX=beq，要确定Aeq矩阵,beq向量；5.确定决策变量的上下界lb,ub向量；

误区二

线性规划是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支，它是辅助人们进行科学管理的一种数学方法。研究线性约束条件下线性目标函数的极值问题的数学理论和方法，英文缩写LP。它是运筹学的一个重要分支，广泛应用于军事作战、经济分析、经营管理和工程技术等方面。为合理地利用有限的人力、物力、财力等资源作出的最优决策，提供科学的依据。

二、建立“运输问题的表格模型”。（25分）某工厂根据合同从当年起连续四年末各提供四台规格型号相同的大型设备。已知该工厂这四年内生产此设备的能力及每台设备的成本如下表所示。已知加班生产时，每台设备的成本比正常高出10%，又知生产出来的设备当年不交货，每台每积压一年所造成的积压损失为3万元。在签合同时，该厂已积压了一台未交货的设备，该厂希望在第四年末完成合同后还能储存一台备用。问该厂应如何安排每年设备的生产量，使在满足上述各项要求的情况下，总的费用为最少？三、建立线性多目标规划模型。（20分）一个投资者决定在三个项目中投资，投资总额为100000元，这三个项目是储蓄、债券和股票。预计每个投资项目的年均收益分别是4%、8%、16%。投资者希望的目标是，第一优先级目标：至少得到8000元的年均收益；第二优先级目标：股票投资尽可能等于债券和储蓄投资的总和；第三优先级目标：股票投资最少为20000元；第四优先级目标：储蓄投资应在15000元到30000元之间。试问投资总额应如何分配？四、建立线性整数规划模型。（30分）某公司在今后五年内考虑给以下的项目投资。已知：项目A：从第一年到第四年每年年初需要投资，并于次年末回收本利110%， 但要求第一年若有投资时投资最低金额为3万元，最高为4万，第二、三、四年不限；项目B：第三年初需要投资，到第五年末能回收本利120％，但规定最低投资金额为2万元，最高金额为4万元； 项目 C：第二年初需要投资，到第五年末能回收本利140%，但规定其投资额或为2万元或为3万元或为5万元或为6万元。 项目 D：五年内每年初可购买公债，于当年末归还，并加利息5%，此项投资金额不限。该部门现有资金10万元，问它应如何确定给这些项目的每年投资额，使到第五年末拥有的资金本利总额为最大?希望对你能有所帮助。

X1=32X2=9Z=775通过lindo编程求解；具体如下：max 20x1+15x2Subject to5x1 + 2x2 <= 1803x1 + 4x2 <= 135x1>=0 x2>=0endINT x1INT x2

1．3线性规划模型的标准型线性规划规划模型的表示形式有多种，但为研究分析方便，本教材确定如下形式为线性规划模型的标准型问题的提出例1．（生产优化计划）p.8已知产品1产品2资源总量设备128台时原材料a4016公斤原材料b0412公斤利润（元）23求解：目标函数：max2x1+3x2约束条件：x1+2x2≤84x1≤164x2≤12x1≥0，x2≥0该方程即问题的线性规划模型。线性规划模型由目标函数，约束条件组成，其中目标函数可以求最大化，也可以求最小化；约束条件由资源约束和自然约束组成，资源约束条件可以是大于等于，小于等于，或严格等于，自然约束条件常称为非负约束。

用Lingo软件求解线性规划模型,可以 A.求出最优解 B.知道哪些约束为紧约束 C.求出最优解得个数 D.灵敏度分析 正确答案：ABD

不能存在。在线性规划问题中，不能存在严格不等式。也就是说，形如x1+x2<3的约束条件是不合法的。因此没有严格的不等式约束。线性规划是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支，它是辅助人们进行科学管理的一种数学方法。

1.打开一个EXCEL表格，然后输入线性规划的目标函数，约束条件，值域等信息。2.把线性规划方程式改写成便于EXCEL表格操作的形式。3.在目标函数里面输入相应的方程式。4.在约束条件里面输入方程式，其中$H$15代表的是H列15行的绝对值，然后其它的约束条件待H列15行这个单元格拖动鼠标右下角出现“+”的形状的时候往下拖动鼠标，即完成了相应的约束条件的设置。5.点击“数据","模拟分析”，“规划求解”。6.在设置目标，更改可变单元格，遵守约束几个地方进行相应的设置。7.最后的计算结果.

线性规划问题的形式特征三个要素组成：1. 变量或决策变量2. 目标函数3. 约束条件

有统一算法，任何线性规划问题都能求解。物流资源分配方案线性规划在物流工程中得到了广泛的应用，数学模型特征是有统一算法，任何线性规划问题都能求解。线性规划是数学规划中理论成熟，方法有效，应用最广泛的一个分支。

设配料1,2,3,4分别为x,y,z,w,目标成本为c.c=20x+30y+30z+40w且满足1/2 x+3/4y+2/5z+2/5w>=151/3x+1/4y+3/5z+1/3w>=20x,y,z,w>=0用Matlab求解[x,fval]=linprog([20;30;30;40],-[1/2,3/4,2/5,2/5;1/3,1/4,3/5,1/3],[-15;-20],[],[],zeros(4,1))x = 6.0000 0.0000 30.0000 0.0000fval = 1.0200e+003所以，选择配料1 6个单位，配料3 30个单位，总成本最低，1020.

设置四个变量：a,b,c,n 分别表示 2.9m的用量，2.1m的用量，1.5m的用量 7.4m的用量则有：min 2.9a + 2.1b + 1.5c + 7.4n st a = 100 b = 100 c = 100 2.9a + 2.1b + 1.5c - 7.4n < 0 8a + 4 b + 6c -19n < 0end 求得 最少要用95根

看你怎么定义“一般”——“一般”来说，由于增加约束条件也不会增多解（因为解一定要满足已有的约束条件），所以增加约束条件是无法增多解的，，，那么除非你增加的条件能够被其余条件线性表出，否则根据线性代数的知识，新的约束空间一定会减小——同理，减少约束条件“一般”会让可行域范围扩大。

整数规划 integer programming 一类要求问题中的全部或一部分变量为整数的数学规划。 一般认为非线性的整数规划可分成线性部分和整数部分，因此常常把整数规划作为线性规划的特殊部分。在线性规划问题中，有些最优解可能是分数或小数，但对于某些具体问题，常要求解答必须是整数。例如，所求解是机器的台数，工作的人数或装货的车数等。为了满足整数的要求，初看起来似乎只要把已得的非整数解舍入化整就可以了。实际上化整后的数不见得是可行解和最优解，所以应该有特殊的方法来求解整数规划。在整数规划中，如果所有变量都限制为整数，则称为纯整数规划；如果仅一部分变量限制为整数，则称为混合整数规划。整数规划的一种特殊情形是01规划，它的变数仅限于0或1。 整数规划与组合最优化从广泛的意义上说，两者的领域是一致的，都是在有限个可供选择的方案中，寻找满足一定标准的最好方案。有许多典型的问题反映整数规划的广泛背景。例如，背袋（或装载）问题、固定费用问题、和睦探险队问题（组合学的对集问题）、有效探险队问题（组合学的覆盖问题）、送货问题等。因此整数规划的应用范围也是极其广泛的。它不仅在工业和工程设计和科学研究方面有许多应用，而且在计算机设计、系统可靠性、编码和经济分析等方面也有新的应用。 整数规划是从1958年由R.E.戈莫里提出割平面法之后形成独立分支的 ，30多年来发展出很多方法解决各种问题。解整数规划最典型的做法是逐步生成一个相关的问题，称它是原问题的衍生问题。对每个衍生问题又伴随一个比它更易于求解的松弛问题（衍生问题称为松弛问题的源问题）。通过松弛问题的解来确定它的源问题的归宿，即源问题应被舍弃，还是再生成一个或多个它本身的衍生问题来替代它。随即 ，再选择一个尚未被舍弃的或替代的原问题的衍生问题，重复以上步骤直至不再剩有未解决的衍生问题为止。目前比较成功又流行的方法是分枝定界法和割平面法，它们都是在上述框架下形成的。 0—1规划在整数规划中占有重要地位，一方面因为许多实际问题，例如指派问题、选地问题、送货问题都可归结为此类规划，另一方面任何有界变量的整数规划都与0—1规划等价，用0—1规划方法还可以把多种非线性规划问题表示成整数规划问题，所以不少人致力于这个方向的研究。求解0—1规划的常用方法是分枝定界法，对各种特殊问题还有一些特殊方法，例如求解指派问题用匈牙利方法就比较方便。

相同点：都有决策变量、目标函数和约束条件线性规划模型存在的局限性：（不同点）1）要求问题的解必须满足全部约束条件，实际问题中并非所有约束都需要严格满足。2）只能处理单目标的优化问题。实际问题中，目标和约束可以相互转化。3）线性规划中各个约束条件都处于同等重要地位，但现实问题中，各目标的重要性即有层次上的差别，同一层次中又可以有权重上的区分。4）线性规划寻求最优解，但很多实际问题中只需找出满意解就可以。

整数线性规划模型分类:若I={0,1},J={1,…,n},即全部的决策变量仅取0或1,称之为0-1规划;若J是{1,2…n}的非空真子集,即仅有部分决策变量要求取整数,称为混合整数线性规划;若J={1,2,…n},即全部的决策变量都取整数,称为纯整数线性规划;http://202.204.115.67:8080/files/files_upload/content/material_227/chapter_HVj/33605.ppt

1.打开一个EXCEL表格，然后输入线性规划的目标函数，约束条件，值域等信息。2.把线性规划方程式改写成便于EXCEL表格操作的形式。3.在目标函数里面输入相应的方程式。4.在约束条件里面输入方程式，其中$H$15代表的是H列15行的绝对值，然后其它的约束条件待H列15行这个单元格拖动鼠标右下角出现“+”的形状的时候往下拖动鼠标，即完成了相应的约束条件的设置。5.点击“数据","模拟分析”，“规划求解”。6.在设置目标，更改可变单元格，遵守约束几个地方进行相应的设置。7.最后的计算结果.

这是个有趣的问题，但要有数据要求，你有吗？请补充。

二、建立“运输问题的表格模型”。（25分）某工厂根据合同从当年起连续四年末各提供四台规格型号相同的大型设备。已知该工厂这四年内生产此设备的能力及每台设备的成本如下表所示。已知加班生产时，每台设备的成本比正常高出10%，又知生产出来的设备当年不交货，每台每积压一年所造成的积压损失为3万元。在签合同时，该厂已积压了一台未交货的设备，该厂希望在第四年末完成合同后还能储存一台备用。问该厂应如何安排每年设备的生产量，使在满足上述各项要求的情况下，总的费用为最少？三、建立线性多目标规划模型。（20分）一个投资者决定在三个项目中投资，投资总额为100000元，这三个项目是储蓄、债券和股票。预计每个投资项目的年均收益分别是4%、8%、16%。投资者希望的目标是，第一优先级目标：至少得到8000元的年均收益；第二优先级目标：股票投资尽可能等于债券和储蓄投资的总和；第三优先级目标：股票投资最少为20000元；第四优先级目标：储蓄投资应在15000元到30000元之间。试问投资总额应如何分配？四、建立线性整数规划模型。（30分）某公司在今后五年内考虑给以下的项目投资。已知：项目A：从第一年到第四年每年年初需要投资，并于次年末回收本利110%， 但要求第一年若有投资时投资最低金额为3万元，最高为4万，第二、三、四年不限；项目B：第三年初需要投资，到第五年末能回收本利120％，但规定最低投资金额为2万元，最高金额为4万元； 项目 C：第二年初需要投资，到第五年末能回收本利140%，但规定其投资额或为2万元或为3万元或为5万元或为6万元。 项目 D：五年内每年初可购买公债，于当年末归还，并加利息5%，此项投资金额不限。该部门现有资金10万元，问它应如何确定给这些项目的每年投资额，使到第五年末拥有的资金本利总额为最大?

简单的线性规划　　（1）求线性目标函数的在约束条件下的最值问题的求解步骤是：　　①作图——画出约束条件（不等式组）所确定的平面区域和目标函数所表示的平行直线系中的任意一条直线l；　　②平移——将l平行移动,以确定最优解所对应的点的位置；　　③求值——解有关的方程组求出最优点的坐标,再代入目标函数,求出目标函数的最值

线性规划模型的对偶性，对线性规划模型理论、求解有着很重要的意义。特别在应用上，线性规划对偶问题的最优解，就是资源的影子价格，它对于线性规划模型的经济分析，用于对经济管理工作的指导起了极为重要的作用。市场价格是已知的，而影子价格则与资源的利用情况有关，利用的好，影子价格就高，反之亦然。影子价格是一种边际价格（对偶变量在经济上表示原问题第i种资源的边际价值） 。影子价格又是一种机会成本。当市场价大于影子价格，卖出资源；当市场价小于影子价格，买入资源，组织生产。影子价格说明了不同资源对总的经济效益产生的影响，因此对企业经营管理提供一些有价值的信息。扩展资料对偶理论则广泛应用于经济分析中。例如，在经济均衡的分析中，可以通过设计优化模型，运用对偶理论和模型体系研究市场均衡及其实现均衡所需要的基本条件。对偶原理在现代数学特别是几何学、代数学、拓扑学等学科中有着广泛的应用，对于推动数学的发展起着很好的作用。举例来讲，在范畴论中，借助于对偶变换（对偶化），由始对象便可得终对象、由单态射得满态射、由核得上核、由积得上积；在同调代数中，由正向极限得反向极限、由内射模得投射模、由内射包得投射包、由投射分解（维数）得内射分解（维数）、由复形得上复形、由双复形得上双复形、由同调得上同调等。参考资料来源：百度百科-对偶参考资料来源：百度百科-对偶问题

线性规划方法是在第二次世界大战中发展起来的一种重要的数量方法，线性规划方法是企业进行总产量计划时常用的一种定量方法。线性规划是运筹学的一个最重要的分支，理论上最完善，实际应用得最广泛。主要用于研究有限资源的最佳分配问题，即如何对有限的资源作出最佳方式地调配和最有利地使用，以便最充分地发挥资源的效能去获取最佳的经济效益。由于有成熟的计算机应用软件的支持，采用线性规划模型安排生产计划，并不是一件困难的事情。在总体计划中，用线性规划模型解决问题的思路是，在有限的生产资源和市场需求条件约束下，求利润最大的总产量计划。该方法的最大优点是可以处理多品种问题。线性规划方法的数学模型 目标函数： 式中， xi--i产品的计划产量； aik--每生产一个i产品所需k种资源的数量； bk--第k种资源的拥有量； Ui--i产品的最高需求量； Li--i产品的最低需求量； pi--i产品的单价； ci--i产品的单位成本。[编辑本段]运用线性规划模型进行总生产计划时的问题 1、线性规划模型考虑的因素可能不全面，实际中有些情况没有被考虑到，这就使得线性规划模型过于理想化； 2、实际运用线性规划模型时，虽然一些因素或约束条件被考虑到了，但是由于这些因素或约束条件不易量化或求得（如进行总生产计划常需考虑到的能源单耗就不易求得）时，线性规划模型的运用和有效性因而受到了一定的限制； 3、对一些基础管理不善的企业而言，模型中的单位产品资源消耗系数a很难得到； 4、目标函数中的产为成本系数c实际上是个变量，他随计划的数量结构和品种结构而变。这些问题给机械行业应用线性规划模型带来许多困难，如处理不好，求得的结果的可靠性会很低的。[编辑本段]线性规划模型的适用性 线性规划模型用在原材料单一、生产过程稳定不变、分解型生产类型的企业是十分有效的，如石油化工厂等。对于产品结构简单、工艺路线短、或者零件加工企业，有较大的应用价值。需要注意的是，对于机电类企业用线性规划模型只适用于作年度的总生产计划，而不宜用来做月度计划。这主要与工件在设备上的排序有关，计划期太短，很难安排过来。[编辑本段]线性规划问题的一般解法 对于一般线性规划问题： Min z=CX S.T. AX =b X>=0 其中A为一个m*n矩阵。 若A行满秩 则可以找到基矩阵B，并寻找初始基解。 用N表示对应于B的非基矩阵。则规划问题1可化为： 规划问题2： Min z=CB XB+CNXN S.T. B XB+N XN = b (1) XB >= 0, XN >= 0 (2) (1)两边同乘于B-1，得 XB + B-1 N XN = B-1 b 同时，由上式得XB = B-1 b - B-1 N XN，也代入目标函数，问题可以继续化为： 规划问题3： Min z=CB B-1 b + ( CN - CB B-1 N ) XN S.T. XB+B-1N XN = B-1 b (1) XB >= 0, XN >= 0 (2) 令N:=B-1N，b:= B-1 b，ζ= CB B-1b，σ= CN - CB B-1 N，则上述问题化为规划问题形式4： Min z= ζ + σ XN S.T. XB+ N XN = b (1) XB >= 0, XN >= 0 (2) 在上述变换中，若能找到规划问题形式4，使得b>=0，称该形式为初始基解形式。 上述的变换相当于对整个扩展矩阵（包含C及A） 乘以增广矩阵 。所以重在选择B，从而找出对应的CB。 若存在初始基解 若σ>= 0 则z >=ζ。同时，令XN = 0，XB = b，这是一个可行解，且此时z=ζ，即达到最优值。所以，此时可以得到最优解。 若σ >= 0不成立 可以采用单纯形表变换。 σ中存在分量<0。这些负分量对应的决策变量编号中，最小的为j。N中与j对应的列向量为Pj。 若Pj <=0不成立 则Pj至少存在一个分量ai，j为正。在规划问题4的约束条件（1）的两边乘以矩阵T。 T= 则变换后，决策变量xj成为基变量，替换掉原来的那个基变量。为使得T b >= 0，且T Pj=ei（其中，ei表示第i个单位向量），需要： l ai，j>0。 l βq+βi*(-aq,j/ai,j)>=0，其中q!=i。即βq>=βi/ ai,j * aq,j。 n 若aq,j<=0，上式一定成立。 n 若aq,j>0，则需要βq / aq,j >=βi/ ai,j。因此，要选择i使得βi/ ai,j最小。 如果这种方法确定了多个下标，选择下标最小的一个。 转换后得到规划问题4的形式，继续对σ进行判断。由于基解是有限个，因此，一定可以在有限步跳出该循环。 若对于每一个i，ai,j<=0 最优值无界。 若不能寻找到初始基解 无解。 若A不是行满秩 化简直到A行满秩，转到若A行满秩。

max Z =5x1+15x23x1 +4x2 + x3 = 9 5x1 +2x2 + x4 = 8 x1 uff0cx2, x3, x4u22650

1．3 线性规划模型的标准型 线性规划规划模型的表示形式有多种，但为研究分析方便，本教材确定如下形式为线性规划模型的标准型 问题的提出 例1．（生产优化计划）p.8 已知 产品1 产品2 资源总量 设备 1 2 8台时 原材料A 4 0 16公斤 原材料B 0 4 12公斤 利润（元） 2 3求解： 目标函数：MAX 2X1+3X2约束条件：X1+2X2≤8 4X1 ≤16 4X2≤12 X1≥0 ，X2≥0该方程即问题的线性规划模型。 线性规划模型由目标函数，约束条件组成，其中目标函数可以求最大化，也可以求最小化；约束条件由资源约束和自然约束组成，资源约束条件可以是大于等于，小于等于，或严格等于，自然约束条件常称为非负约束。

线性规划模型包括哪些要素（） A.目标函数B.约束条件C.决策变量D.可行解E.基变量正确答案：目标函数；约束条件；决策变量

【答案】：线性规划是指在线性等式或不等式的约束条件下，求解线性目标函数的最大值或最小值的方法。运用线性规划建立数学模型的步骤是：（1）确定影响目标的变量；（2）列出目标函数方程；（3）找出实现目标的约束条件；（4）找出使目标函数达到最优的可行解，即为该线性规划的最优解。

线性规划模型的一般形式和标准形式是有区别的。线性规划标准形式特点:1、目标函数:目标函数都是求最大值，如果出现最小值，那么将其转为求最大值的形式。2、约束条件:约束条件都是等式方程，等式右侧的常数项bib_ibi大于等于000。3、决策变量:决策变量xjx_jxj大于等于0。

简述线性规划的建模包括内容：1、每种产品的单位产量利润是已知的常数。2、每种产品所使用的生产方式为已知，而他们的规模收益不变，即如果投入要素增加1倍，产量也增加一倍。3、企业能够得到的投入要素的数量有限，而且已知。4、企业的目标是谋求利润的最大。模型简介一种特殊形式的数学规划模型，即目标函数和约束条件是待求变量的线性函数、线性等式或线性不等式的数学规划模型。它可用于解决各种领域内的极值问题。它所描述的典型问题是怎样以最优的方式在各项活动中间分配有限资源的问题。任何一个线性规划问题可以按下列方式表述：假设有м项有限的资源要在n项活动中间进行分配。

价值系数，技术系数，限定系数。线性规划是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支。线性规划模型有三种参数，其名称分别为价值系数，技术系数，限定系数。

线性规划问题的形式特征三个要素组成：1. 变量或决策变量2. 目标函数3. 约束条件

在线性规划的问题中，称满足约束条件（既满足线性的约束和非负约束）的一组变量x=（x1，x2，x3，x4............）T为可行解。所有可行解组成的集合成为可行域。使目标函数取最大值（或者最小值）的可行解称为最优解。解的特性：（1）线性规划问题的可行解（可行域）为凸集。（2）可行解集S中的点X是顶点的充要条件是X为基本可行解。（3）若可行解有界，则线性规划问题的最优解一定可以在其顶点上达到。

线性规划模型有三种参数，其名称分别为价值系数、技术/工艺系数、右端常数。线性规划模型是指一种特殊形式的数学规划模型，即目标函数和约束条件是待求变量的线性函数、线性等式或线性不等式的数学规划模型。

混合整数线性规划模型的含义：线性规划模型(Linear Programming, LP)：LP的定义比较简单，它指的就是目标函数是线性的，所有约束也是线性的，最后，决策变量可以取任何的实数。如果在线性规划问题中有部分决策变量要求必须是整数， 那么这时的规划问题就转变成混合整数线性规划问题了。也就是说优化问题不止有条件约束，还有整数约束。要了解什么是混合整数线性规划模型，第一步是要了解什么是线性规划模型(Linear Programming, LP)。LP的定义比较简单，它指的就是目标函数是线性的，所有约束也是线性的，最后，决策变量可以取任何的实数。举个例子：超市里头有卖3种食品，玉米，牛奶和面包，价格，所含的维他命A和卡路里的信息见上表。现在的问题是买多少份的玉米，牛奶，面包，使得总价格最低，而维他命A的总摄取量不小于500但不大于50000，卡路里的总摄取量不小于2000但不大于2250。现在回到之前的问题，如果在线性规划问题中有部分决策变量，比如上面的X_corn要求必须是整数， 那么这时的规划问题就转变成混合整数线性规划问题了。

设置步骤如下：1、单击“文件——选项——加载项——（Excel加载项）转到”，出现“加载宏”对话框，如下图所示。选择“规划求解加载项”，单击“确定”。2、此时，在“数据”选项卡中出现带有“规划求解”按钮的“分析”组，如下图所示。3、使用Excel求解线性规划问题时，电子表格是输入和输出的载体，因此设计良好的电子表格，更加易于阅读。4、然后将其复制到下方相应的单元格中。单击“数据——分析——规划求解”，出现如下图所示的“规划求解参数”对话框，设计相应的参数。6、并且单击“添加”按钮，添加相应的约束，如下图所示。7、设置好参数后，单击“规划求解参数”对话框中的“求解”按钮，结果如下图所示。

单纯形法计算线性规划的步骤：（1）把线性规划问题的约束方程组表达成典范型方程组，找出基本可行解作为初始基可行解。（2）若基本可行解不存在，即约束条件有矛盾，则问题无解。（3）若基本可行解存在，从初始基本可行解作为起点，根据最优

只要是直线线性(封闭）的，绝对可以不过也要注意：（1）该方法只能用于求一次线性（即直线线性）的目标函数的最值；（2）得到的顶点坐标一定要先代入原不等式组中进行检验，先将不符合条件的顶点排除，然后才能代入目标函数中求出最值以上的方法可以严格证明的！希望可以帮助到你，希望可以给我加分！

第1行有错误，显然应为：a11x1+a12x2+……a1mxm<=b1两个下标更好理解和辨认，第一个下标代表行，第二个下标代表列，a11代表第1行、第1列的系数，……，a1m代表第1行、第m列的系数，……，anm代表第n行、第m列的系数。整个约束条件，是由n个n元一次不等式组成，称为线性不等式组。这是一个记号，便于说明问题及解法，具体怎么出来的视问题而定，我这里没有高中数学必修5，84页上100套钢架的问题也没法给你说清，不过一般与研究问题的专业有关。

设甲为x乙为y丙为zx+2y+3Z小于等于1002x+2y+3z小于等于120利润=270x+400y+450z然后画图取交点(如果交点不是整数要取立脚点最近的整数)最后检验

前面部分同高赞答案相同，后面根据自由未知量具体代值求解1.将增广矩阵化为最简阶梯阵化最简阶梯阵的方法：（1）首元素为1——用1将下面化0（2）首元素非0非1——直接用首元素将下面的行化0（3）首元素非0，下方有0元素——非0行调换至第一行只能初等行变换，每行首元素应为正1，与1同列的其余元素化02.先判断，再求解。矩阵的秩=增广矩阵的秩 与 未知量个数比较<有无穷多解=有唯一解>无解自由未知量个数：未知量个数-增广矩阵的秩自由未知量选取：看最简阶梯阵中系数矩阵，系数非1的未知量（注意-1也非1）3.根据最简阶梯阵写同解方程组再写一般解4.自由未知量代值自由未知量任意取，只需符合方程组通常都取0，方便计算检验特解是否正确的方法：将特解代入方程组

详见高中数学课本第二册上线性规划的例题，作出x1=0 2x2=4 3x1+2x2=18 x1=0 x2=0 2 x1+5x2=0 的直线，根据不等号方向画出区域，画出之后应该是x1=0 x2=2 2 x1+5x2=0 3x1+2x2=18 所围成的区域。令2 x1+5x2=0直线向上移动与平面区域的交点既是(0,9)maxz=2*0+5*9=45这里画不出来图，请谅解

先将原题转化为标准模式，令z=-f，添加松弛变量x3,x4maxz=2x1+3x2+0x3+0x4st.x1+x2+x3=24x1+6x2+x4=9建立初始单纯形表cj2300cbxbbx1x2x3x4θ0x3211100x494601σj2300将x2作为入基变量，求得θ为2,3/2写入上表cj2300cbxbbx1x2x3x4θ0x32111020x4946013/2σj2300将x4作为离基变量，重新计算单纯形表cj2300cbxbbx1x2x3x4θ0x31/21/300-1/63x43/22/3101/6σj000-1/2存在非基变量x1的检验数σj=0，因此该题有无穷多最优解其中一个最优解是x1=0,x2=3/2得到maxz=9/2得到minf=-9/2

用图解法求解线性规划时，以下选项中正确的有（） A.用于表示两个变量的坐标轴的单位长度必须一致B.如存在可行域。坐标原点一定包含在可行域内C.如存在最优解，最优解一定是可行域的某个顶点D.上述说法均不正确或不确切正确答案：C

无可行解哈哈哈

线性规划内容 一、线性规划模型 二、线性规划模型的标准形式 三、用matlab解线性规划 线性规划所解决的问题具有以下共同的特征: 1. ...

用线性规划法进行拖拉机配备量约束方程编写时，约束方程数取决于采用分段作业法还是流水作业法，如某台拖拉机在某阶段有3项作业安排，按流水作业法的约束方程数为（7个 ）。

郭敦顒回答：图解法和单纯性法都是解线性规划的方法，它们都是方法，而图解法只是全面系统方法中的一部分，而解线性规划的系统方法却是单纯性法。单纯性法是由一个可行解移向另一个可行解，每一次都使目标函数值得到改善。而且有限次如此转移之后，方法就完成了。这个方法很可靠，它可解任何线性规划问题，它可发现模型中的多余约束条件，它可鉴定目标函数值是否在可行域上无界，而且还可以解具有一个或多个最优解的问题。线性规划解的状况是由其模型中所给约束条件和目标函数决定的。单纯性法只是解出了线性规划（均转化为标准型）解的结果，让线性规划解的情况明朗了而已。

线性规划单纯形法的表格元素特点是单纯形表格具有的特点中心部位具有单位子块右列元素非负单位子块对应的底行元素为0底行其他元素非负（标准型为最大值时，要求底行元素非正数）。对于线性规划问题，使用单纯型法进行表上作业所得到的表格。直接用公式进行单纯形法的迭代计算是很不方便的，其中最复杂的是进行基变换。

检验数最大的列和θ最小的行交点的那个数就是主元素

一般先画z =0时的直线,再将其左右(上下)平移,使其与可行域有公共点,观察其截距(横截距或纵截距均可)的变化范围.比如说Z=3X+2Y的话，则一般先画直线3X+2Y=0(当然也可先画3X+2Y=1或3X+2Y=2等)，再将其左右(上下)平移，使其与可行域有公共点，观察其截距(横截距或纵截距均可)的变化范围。

对于一般线性规划问题：Min z=CXS.T.AX =bX>=0其中A为一个m*n矩阵。若A行满秩则可以找到基矩阵B，并寻找初始基解。用N表示对应于B的非基矩阵。则规划问题1可化为：规划问题2：Min z=CB XB+CNXNS.T.B XB+N XN = b (1)XB >= 0, XN >= 0 (2)(1)两边同乘于B-1，得XB + B-1 N XN = B-1 b同时，由上式得XB = B-1 b - B-1 N XN，也代入目标函数，问题可以继续化为：规划问题3：Min z=CB B-1 b + ( CN - CB B-1 N ) XNS.T.XB+B-1N XN = B-1 b (1)XB >= 0, XN >= 0 (2)令N:=B-1N，b:= B-1 b，ζ= CB B-1b，σ= CN - CB B-1 N，则上述问题化为规划问题形式4：Min z= ζ + σ XNS.T.XB+ N XN = b (1)XB >= 0, XN >= 0 (2)在上述变换中，若能找到规划问题形式4，使得b>=0，称该形式为初始基解形式。上述的变换相当于对整个扩展矩阵（包含C及A） 乘以增广矩阵 。所以重在选择B，从而找出对应的CB。若存在初始基解若σ>= 0则z >=ζ。同时，令XN = 0，XB = b，这是一个可行解，且此时z=ζ，即达到最优值。所以，此时可以得到最优解。若σ >= 0不成立可以采用单纯形表变换。σ中存在分量<0。这些负分量对应的决策变量编号中，最小的为j。N中与j对应的列向量为Pj。若Pj <=0不成立则Pj至少存在一个分量ai，j为正。在规划问题4的约束条件（1）的两边乘以矩阵T。T= 则变换后，决策变量xj成为基变量，替换掉原来的那个基变量。为使得T b >= 0，且T Pj=ei（其中，ei表示第i个单位向量），需要：l ai，j>0。l βq+βi*(-aq,j/ai,j)>=0，其中q!=i。即βq>=βi/ ai,j * aq,j。n 若aq,j<=0，上式一定成立。n 若aq,j>0，则需要βq / aq,j >=βi/ ai,j。因此，要选择i使得βi/ ai,j最小。如果这种方法确定了多个下标，选择下标最小的一个。转换后得到规划问题4的形式，继续对σ进行判断。由于基解是有限个，因此，一定可以在有限步跳出该循环。若对于每一个i，ai,j<=0最优值无界。若不能寻找到初始基解无解。若A不是行满秩化简直到A行满秩，转到若A行满秩。

今天刚好做到这题 我不知道怎么传图片 我的解法就是用定义 先设 k1 k2……记为1式然后由特征值定义 方程两边 左乘矩阵A记为2式然后2式减去兰姆达倍的1式你减一下一下就看出来了 因为入2不等于入1且β1β2β3线性无关 所以 l1=l2=l3＝0 （我设的是k1 k2 l1 l2 l3）然后代入1式 你自己代一下 又因为a1 a2线性无关 所以k1= k2=0综上 要使等式成立系数都为0 所以线性无关 得证写的乱七八糟 但是思路应该正确 你试着做一下 用的就是李永乐老师讲的乘的思路

简述线性规划的建模包括内容：1、每种产品的单位产量利润是已知的常数。2、由决策变量所受的限制条件确定决策变量所要满足的约束条件。3、由决策变量和所在达到目的之间的函数关系确定目标函数。4、企业的目标是谋求利润的最大。解法求解线性规划问题的基本方法是单纯形法，已有单纯形法的标准软件，可在电子计算机上求解约束条件和决策变量数达 10000个以上的线性规划问题。为了提高解题速度，又有改进单纯形法、对偶单纯形法、原始对偶方法、分解算法和各种多项式时间算法。对于只有两个变量的简单的线性规划问题，也可采用图解法求解。

不会

偶形式： 2y1-y2-y3=-2 3y1-2y2-3y3=-4 求 max -24y1+10y2+15y3 优解 y1=0,y2=2,y3=0 优值 20 设原始问题min{cx|Ax=bx≥0}则其偶问题 max{yb|yA≤c}

线性规划是运筹学中研究较早、应用较广、比较成熟的一个重要分支，它研究具有线性关系的多变量函数，在变量满足一定线性约束条件下，如何求函数的极值问题。4.4.1.1线性规划问题及其数学模型地下水资源管理的线性规划问题，通常可分为两大类:一类是从社会效益或环境效益出发，即在一定水文地质条件下，寻找供水或排水工程的最佳方案;另一类是从经济效益出发，在满足供、排水工程规划的情况下，寻求完成此工程经济效益最高或成本最低的方案。线性规划问题包括3个要素:1)决策变量。根据已知条件及所要求的问题，用一组变量x1，x2，…，xn来表示，这些变量称为决策变量，取值要求为非负。2)目标函数。一个问题都有一个明确的目标，以决策变量的线性函数表示，称为目标函数，它是衡量决策方案优劣的准则。这种准则可用物理量(如水位、水量、水温、水质等)或经济指标(如利润、成本等)来衡量。3)约束条件。每一个问题都有一定的限制条件，这些条件称为约束条件。它是用一组线性等式或不等式来表示的，其变量与目标函数变量必须是有机联系或者一致的。因为目标函数和约束方程都是决策变量的线性表达式，所以这类模型称为线性规划模型。线性规划的数学模型可表示为:目标函数:煤矿水害防治与管理约束条件:煤矿水害防治与管理式中:Z—目标函数值;n—决策变量数;m—约束方程数;ai，j—结构系数;cj—价格系数;bi—常数项。4.4.1.2线性规划问题的范式及标准式线性规划问题有不同的数学表达式。为了便于讨论和求解，可归纳为两种统一的形式，即线性规划问题的范式及标准式。如果线性规划问题的目标函数取极大值形式，即煤矿水害防治与管理且约束条件取“≤”形式，即:煤矿水害防治与管理此式为线性规划问题的范式。范式有利于对线性规划对偶问题的讨论。如果线性规划问题的约束条件均取“=”形式，目标函数取极大或极小值，变量为非负。即:煤矿水害防治与管理此式为线性规划问题的标准式。式中新变量xn+i称为松弛变量(slackvariables)。这样，标准式使线性规划问题化为一组具有n+m个未知量的m个线性代数方程式，它有利于直接用标准模型求解。任何形式的线性规划问题，通过简单的变换，均可转化为标准式。然后用单纯形法求解线性规划问题。4.4.1.3具有人工变量的单纯形法计算用单纯形法求解线性规划问题时，需要有一个单位矩阵作为初始基，当约束条件都是“≤”时，约束条件标准化后，其松弛变量均为正数，在约束方程组的系数矩阵中，就形成了一个初始基。但是，实际问题中常常出现“≥”或“=”的约束条件，经标准化后，约束方程组系数不存在单位矩阵，因而没有一个现成的初始基本可行解。为了解决此问题，采用人造基的办法，在约束方程中引入非负的人工变量。这种人工变量与前述松弛变量不同，它没有物理意义，仅是为了求解方程方便而引入，所以解的结果必须使这些变量为零，才能保持改变后的问题与原题等价，否则，说明原题无解。处理人工变量的方法有-M法和两阶段法。(1)-M法当线性规划数学模型中含有“≥”或“=”的约束方程时，需在其左端加一非负的人工变量yi，构成单位矩阵。但加入yi后的方程，就与原约束方程不等价，所以必须保证在最后的解中，yi=0才能与原约束方程等价。为此，在目标函数式中，给加入的人工变量yi一个很大的系数，对极大问题，系数用-M表示;对极小问题，系数用M表示(M本身为正值)。只有当yi=0时，才能使-Myi=0，目标函数才达到最优化。yi由于具有很大的系数而得到严格的控制，故这个-M称为“惩罚因子”。当具有“≥”或“=”的约束方程加入人工变量yi后，即可以yi作为初始基本解，按上述单纯形法计算。(2)两阶段法两阶段单纯形法就是将线性规划问题分两个阶段求解。第一阶段是判断原线性规划问题是否有解，并寻求一个初始基本可行解。为此，用人工变量的和代替原来的目标函数，以构造一个辅助规划，这个辅助规划具有一个单位矩阵，应用单纯形法，使辅助规划的目标函数最小化。若此辅助规划的最优解使其目标函数等于零，则说明没有一个人工变量在基本变量内取值，从而可得到原问题的一个基本可行解，转向第二阶段。否则，如果最小值为正，那么问题就以不存在可行解而结束。第二阶段是求原问题的最优解。在第一阶段最后单纯形表的基础上，去掉人工变量，然后以第一阶段求得的最优解作为第一个基本可行解，以原问题的目标函数，继续用单纯形法进行迭代，直到求得最优解为止。4.4.1.4线性规划的对偶问题和灵敏度分析对偶理论是线性规划理论的发展和深化，也是线性规划的一个特性。它使线性规划理论更加丰富，应用领域更加广泛。对于任何求极大值的线性规划问题，都有一个与之对应的求极小值问题，其有关约束条件的系数矩阵具有相同的数据，但形式上互为转置，且目标函数与约束方程右端常数项互换，目标函数值相等。这就是线性规划的对偶问题。可用一个简单例子来说明，例如，四边形的周长L一定，什么样形状的四边形面积最大?答案是正方形面积最大。其对偶问题为，四边形面积一定，什么样的四边形周长最短?答案仍然是四边形。可见前一问题的约束条件，即为后一问题的目标函数，反之亦然。线性规划问题中，均假定各系数ai，j，bi，cj是确定的常数，实际上这些系数往往不可能很精确，而且随着客观条件变化而改变。例如地下水资源管理中，当水位、水量或水质等约束条件改变时，bi也随之改变;当市场情况或供求关系发生变化时，cj也会改变;而开采工艺或水文地质条件的改变，同样也可引起ai，j的改变。因此，规划者需要知道，某些系数改变后，现行的最优解是否改变?或者说，这些系数在多大范围内变化，其规划问题的最优解不变?以及当最优解发生变化时，如何用最简便的方法找出新的最优解?这些就是灵敏度分析所要研究和回答的问题。对偶原理是进行灵敏度分析的理论依据。灵敏度分析的内容，应包括系数cj、bi、ai，j变化及新增加变量和新增加约束条件对最优解的影响。但对地下水资源管理而言，主要分析cj和bi变化。由于线性规划原问题与对偶问题之间互为对偶，所以，求极大值原问题的最优状况，等价于对偶问题的可行状况;而原问题的可行状况，就是对偶问题最优状况的负值。从对偶特性可知，对cj和bi进行灵敏度分析的两条重要依据:①只要满足原问题的最优状况或对偶问题的可行状况，其最优解不变。以此可分析cj变化对最优解的影响。②只要原问题保持可行状况或对偶问题最优状况，其最优解不变，以此可分析bi变化对最优解的影响。

还没学

答：解决简单线性规划问题的方法是图解法，即借助直线(把线性目标函数看作斜率确定的一组平行线)与平面区域(可行域)有交点时，直线在y轴上的截距的最大值或最小值求解.解题的一般步骤是：①设出未知数；②列出约束条件，确定目标函数；③作出可行域；④作平行线，使直线与可行域有交点；⑤求出最优解.

线性规划法是解决多变量最优决策的方法,是在各种相互关联的多变量约束条件下,解决或规划一个对象的线性目标函数最优的问题,即给与一定数量的人力、物力和资源,如何应用而能得到最大经济效益.其中目标函数是决策者要求达到目标的数学表达式,用一个极大或极小值表示.约束条件是指实现目标的能力资源和内部条件的限制因素,用一组等式或不等式来表示.线性规划是决策系统的静态最优化数学规划方法之一.它作为经营管理决策中的数学手段,在现代决策中的应用是非常广泛的,它可以用来解决科学研究、工程设计、生产安排、军事指挥、经济规划缺点：对于数据的准确性要求高，只能对线性的问题进行规划约束，而且计算量大。，有由线性规划演变的非线性规划法等等后续的方法弥补，但是计算量增加许多。

优化规划法属于运畴学范畴，而水资源研究是一个系统工程。近30年来，由于优化规划法科学地解决了水资源的开发、控制、分配、利用、处理和重复使用等多方面问题，因此日益受到重视，并成为地下水管理模型建立过程中所应用的一个重要方法。在水资源管理工作中，最常使用的优化规划方法有线性规划、动态规划、非线性规划和多目标规划。一、线性规划法线性规划（linear programming，简称 LP法）是系统分析方法的一个基本内容。自从1974年丹齐格（George Dantzig）提出求解一般线性规划问题的单纯形法之后，线性规划不仅在理论上趋于成熟，而且在实际应用中也得到了日益深入和普及。近年来，随着电子计算机技术的迅速发展，线性规划法已成为地下水管理中最常用的方法之一。线性规划就是由一个线性的目标函数和一组线性的约束组成的线性代数不等式（方程）组。目标函数是由管理目标的变量组成的函数。根据要求，可使目标函数值为最大或最小。如若目标函数为抽水量、经济效益等，可取最大；若目标函数为污染程度、地下水位降等，则可取最小。约束条件可分为两类：一是水位、流量和水质所必须服从的运动规律，属水均衡约束条件，它通常以地下水流状态方程或联合地下水溶质运移方程作为水均衡约束的等式约束条件；二是社会经济技术和环境生态等约束条件，即需求约束，如抽水量、地下水位及水质方面的规定，以及防止地面沉降、海水入侵等有害环境地质问题而进行的限制。除上述两种类型的约束条件外，所有的线性规划都要求非负约束。线性规划的标准形式为：现代水文地质学式中：Z为目标函数；C=（C1，C2，…，Cn），为价值向量；X=（x1，x2，…，xn）T，为未知数列向量的转置式；为约束方程组的系数矩阵；b=（b1，b2，…，bn）T，为限定列向量的转置式。线性规划问题可以有不同形式，例如，目标函数可以取最大，也可以取最小；约束条件可以是“≤”、“≥”或者“=”形式。但在问题求解之前，均须按标准化方法将其转化为上述标准形式。线性规划问题的求解常用单纯形法。这种方法已被普遍采用，在此不再赘述。运用线性规划法可以解决各种各样的水资源问题，如供水分配问题、复杂含水层管理问题和地表水与地下水联合调度问题等。这种方法的优点是概念明确，计算方法成熟；其不足之处是不能直接处理含水层管理中常遇到的非线性问题和随机性问题；对于需要作出连续决策或多阶段优化决策的地下水管理问题时，线性规划法也有极大的困难，这就需要运用其他方法，如非线性规划法，动态规划法等加以解决。二、非线性规划法在线性规划中，其目标函数和约束条件都是自变量的一次函数。在实际工作中，常常会遇到目标函数和约束条件很难用线性函数表达的情形。若目标函数或约束条件中存在有变量的非线性函数，则称这种问题为非线性规划问题。目前，非线性规划还没有适合于各种问题的一般计算方法，须针对不同的问题，采用不同的方法进行求解。如一维搜索、梯度法、变尺度法等（对于无约束极值优化问题）和二次规划、逐步逼近、制约函数法等（对于有约束极值优化问题）。目前，非线性规划在水文地质学中的应用不如线性规划和动态规划广泛。三、动态规划法动态规划（dynamic programming，简称DP法）是解决多阶段决策过程最优化的一种方法。许多实际问题利用动态规划的方法处理常比线性、非线性规划方法更为有效，特别是对于那些离散型问题。实际上，动态规划就是分多阶段进行决策，最后使整个过程最优的方法。动态规划中的“动态”，狭义地讲，就是指时间过程。因此动态规划就是在时间过程中，依次采取一系列的决策，来解决这个过程的最优化问题，如地下水系统中水的变化（水位、水质及水量等）。不过，对一些没有时间过程的“静态”问题，如水质污染控制、水量分配等，在一定条件下，也可以把它们当作多阶段决策过程来考虑，并使用动态规划来求解。动态规划的基本思想是1957年美国的贝尔曼（R.Bellman）等提出的“最优化原理”。就是用一个基本的递推关系式使过程连续地向前转移，但在求解时，则按倒过来的顺序进行，即从终点开始逐段向起点方向寻找最优。动态规划的函数基本方程（递推关系式）为：现代水文地质学式中：x——k阶段的某一状态；uk（x）——第k段当状态处于x时的决策变量；dk（x，uk（x））——指标函数，由点x到点uk（x）的指标；fk（x）——最优指标函数。四、多目标规划法在水资源的开发利用中，往往具有多种目的要求，如在要求供水量最大的同时，有时还要求保证泉的流量，或水质处理费用最小，或抽水费用最小等。这样的问题就是一个多目标问题。多目标规划就是为了解决这种多个目标要求的较为复杂的问题。多目标问题与单目标问题的区别，不仅表现在目标函数数量上的差异，而且更重要的是质的区别。首先，多目标规划与单目标规划相比，能够更全面地反映总体利益。单目标规划往往只偏重一个方面，而多目标理论和方法使人们有可能从相互对立、相互冲突、相互竞争的不同利益中，探讨其总体最优的方案或策略。其次，单目标规划的度量单位是统一的，而多目标规划则有各自的度量单位，而且大多是不可公度的。有时，多目标规划中的所有问题都可用货币单位来度量。这时，不可公度性就不存在了，多目标规划就转换为单目标规划问题了。但有时，即使目标的度量单位相同，但目标间存在着相互竞争，这仍然属于多目标问题。例如，在地下水开发中，要使供水的效益最大，同时还要使抽水的费用最小。虽然两个目标均可用货币表示，但目标之间相互矛盾，故仍是多目标规划问题。最后，单目标和多目标问题的求解，在性质上是不同的。单目标求解可得出绝对最优解，而多目标规划则不可能。一般在多目标决策中，通常没有一个方案能使所有目标的值均达到最优。这样，多目标决策问题一般不存在一个在通常意义下的最优解。但是，任何多目标决策问题都存在它的非劣解，即在所有可行解的集合中，没有一个解能优于它。多目标规划模型：现代水文地质学其中f1（x），f2（x），…，fp（x）为目标，可以求最大，也可以求最小。式（15-6）为目标函数，式（15-7）和式（15-8）为约束条件。在水资源管理中，这些目标函数可以是抽水量最大，抽水费用最小，水质污染程度最小，污水处理费用最小等等。约束条件可以是水位限制，水中溶质浓度限制等。求解多目标规划模型的方法很多，如化多目标为单目标法（约束法、乘除法、权重法、目标规划法等）和逐步法等。总之，优化规划法是地下水管理决策中强有力的方法之一，目前已被广泛利用。但它仅是一种手段，在应用过程中不可过分夸大其在管理决策中的作用，而忽视基础地质、水文地质方面的工作，以免给工作带来失误，甚至得出错误的结论。例如，应用优化规划法于水资源管理决策时，要注意约束不当问题。优化问题的约束条件非常重要，实践中，因约束条件不当，常造成整个规划模型的失败。在确定约束条件时，除了水文地质意义要正确以外，约束条件的数量必须适中，过多或过少的约束都是不可接受的，更不能认为约束条件越多越好。在构造约束条件时，还要避免矛盾约束，或只有部分约束条件起作用，而大部分的约束条件无效。例如，对于一个开采地下水的优化管理问题，其目标函数是寻求最大经济效益，其约束条件经常是既有水位限制又有供水水量要求，这时就应注意避免出现矛盾约束。假设我们在约束中要求水位必须保持在h0（m）同时还要求必须满足Q（m3/d）的供水要求。显然，如果研究区在h0水位降深情况下，其抽水量只能小于Q，那么这种约束就是矛盾约束，很难求得满意的解或根本无解。这就需要经验丰富的专家根据具体的地质、水文地质条件，并全面考虑环境、生态和社会效益之后，对约束条件进行修正。又如，规划方案问题。当双方利用水资源有矛盾时，如供水和矿山排水，保泉和供水等，往往存在着优化规划方案选择的问题。这时，有如下可能性：①矛盾双方可以协调，这时可以利用优化模型求解。②矛盾双方不可以协调，即如果满足一方，则另一方得不到满足。此时，如果约束条件可以修正，即某一方可以被修正，仍可利用优化模型求解。③矛盾双方不可以协调，而且双方都坚持要求得到满足。这时，只有在考虑采用新方案情况下进行最优化求解才是有意义的。因此，上述矛盾因素双方是否协调，应在建立最优化模型之前，根据研究区地质、水文地质条件和实际资料情况先作出初步的评价，这样才可以避免盲目计算。反之，如果对一个水资源规划问题不进行初步的水文地质、地下水资源的评价预测，即在条件不太清楚的情况下，就建立最优化模型，常会导致模型的失败。

你的答案和参考答案区别在哪，你看下是不是答案不唯一呢，有的时候答案形式不同，但是本质上是一样的