线性规划建模--基础篇

1. 题目

(产品组合问题) 某公司现有三条生产线来生产两种新产品，其主要数据如 Table 1 所示（时间单位为小时，利润单位为百元）。请问如何生产可以使公司每周利润最大？

2. 分析并建模

• 决策变量。公司每周的利润是和甲、乙两种产品相关联的，因此，甲、乙两种产品每周的生产量就是决策变量。
  设每周生产的产品甲为 $x_1$，生产的产品乙为 $x_2$。
• 约束条件。每周的产品生产要收到三条生产线的可用生产时间的约束（限制），全为 “$\le$” 的不等式约束。
• 目标函数。公司每周的生产利润（可记为 $z$，单位为百元）为最大。

确定目标函数：

• 每周两种产品的销售金额为 $(7x_1+9x_2$)；
• 生产甲、乙两种产品，
  生产线一消耗资源的成本为 $x_1$，
  生产线二消耗资源的成本为 $2x_2$，
  生产线三消耗资源的成本为 $(3x_1+2x_2)$，
  总消耗的资源成本为 $(4x_1+4x_2)$；
• 每周的利润为销售金额与资源消耗成本之差，$z=(7x_1+9x_2)-(4x_1+4x_2)=(3x_1+5x_2)$。
  目标是公司每周利润最大，
  $$\max z=3x_1+5x_2$$

确定约束条件：

• 生产线一的使用时间不能超过 4 小时，即 $x_1\le 4$；
• 生产线二的使用时间不能超过 12 小时，即 $2x_2\le 12$；
• 生产线三的使用时间不能超过 18 小时，即 $3x_1+2x_2\le 18$。
  $$\begin{array}{rl}{x}_1& \le 4\\ 2x_2& \le 12\\ 3x_1+2x_2& \le 18\end{array}$$
  并且，甲、乙产品的生产数量应该大于等于 0 ，即 $x_1\ge 0，x_2\ge 0$。

综上，产品组合问题可抽象地归为一个数学模型：
$$\begin{array}{rl}\max & z=3x_1+5x_2\\ & \text{s.t.}\{\begin{array}{l}{x}_1\le 4,\\ 2x_2\le 6,\\ 3x_1+2x_2\le 18,\\ x_1\ge 0,x_2\ge 0,\end{array}\end{array}$$
其中，$\max$ 是最大化（maximize）的英文简称；s.t. 是受约束于（subject to）的英文简称；$\mathbf{x}=(x_1,x_2{)}^{\text{T}}\in {\Re }^2$ 为 2 维向量。

在上面的数学模型中，决策变量为可控的连续变量，目标函数和约束条件都是线性的，称为线性规划问题。

3. 线性规划的原始问题与一般问题

4. 一般形式

对于最大化利润的一般产品组合问题，不妨设有 $m$ 类资源用于生产 $n$ 种不同产品，各种资源的拥有量分别为 $b_i(i=1,2,\dots ,m)$。又生产单位第 $j$ 种产品 $(j=1,2,\dots ,n)$ 时将消费第 $i$ 类资源 $a_{ij}$ 单位，利润为 $c_j$。Table 3 给出了线性规划模型的所需数据。

仍用 $x_j(j=1,2,\dots ,n)$ 代表第 $j$ 种产品的生产数量，则线性规划模型为：
$$\begin{array}{rl}\max & z=c_1{x}_1+c_2{x}_2+\cdots +c_n{x}_n\\ & \text{s.t.}\{\begin{array}{l}{a}_{11}{x}_1+a_{12}{x}_2+\cdots +a_{1n}{x}_n\le b_1,\\ a_{21}{x}_1+a_{22}{x}_2+\cdots +a_{2n}{x}_n\le b_2,\\ ⋮,\\ a_{m1}{x}_1+a_{m2}{x}_2+\cdots +a_{mn}{x}_n\le b_m,\\ x_1\ge 0,x_2\ge 0,\dots ,x_n\ge 0,\end{array}\end{array}$$
其中，目标函数可以为 $\min$ 的形式，函数约束中 “$\le$” 可以为 “=” 或 “$\ge$”，变量的非负性限制也可以取消。

以上的模型简写形式为：
$$\begin{array}{rl}\max & z=\sum _{j=1}^n{c}_j{x}_j\\ & \text{s.t.}\{\begin{array}{l}{\sum }_{j=1}^n{a}_{ij}{x}_j\le b_i(i=1,2,\dots ,m),\\ x_j\ge 0(j=1,2,\dots ,n).\end{array}\end{array}$$

用向量形式表达时，上述模型可写为：
$$\begin{array}{rl}\max & z=\mathbf{c}\mathbf{x}\\ & \text{s.t.}\{\begin{array}{l}{\sum }_{j=1}^n{\mathbf{p}}_j{x}_j\le \mathbf{b},\\ \mathbf{x}\ge 0,\end{array}\end{array}$$
其中，$\mathbf{c}=(c_1,c_2.\dots ,c_n)$，$\mathbf{x}=(x_1,x_2,\dots ,x_n{)}^{\text{T}}$，${\mathbf{p}}_j=(a_{1j},a_{2j},\dots ,a_{mj}{)}^{\text{T}}$，$\mathbf{b}=(b_1,b_2,\dots ,b_m{)}^{\text{T}}$。

用矩阵式来表示可写成：
$$\begin{array}{rl}\max & z=\mathbf{c}\mathbf{x}\\ & \text{s.t.}\{\begin{array}{l}\mathbf{A}\mathbf{x}\le \mathbf{b},\\ \mathbf{x}\ge 0,\end{array}\end{array}$$
其中，$\mathbf{A}=(a_{ij}{)}_{m\times n}$ 称为约束方程组变量的系数矩阵（或者简称约束变量的系数矩阵）。

5. 标准形式

为求解方便，需要把上述模型变成标准形式，即模型的目标函数为求极大值（某些要求标准形式是求极小值），约束条件全为等式，约束条件右端常数项为非负值，变量取值为非负。
$$\begin{array}{rl}\max & z=\sum _{j=1}^n{c}_j{x}_j\\ & \text{s.t.}\{\begin{array}{l}{\sum }_{j=1}^n{a}_{ij}{x}_j=b_i(i=1,2,\dots ,m),\\ x_j\ge 0(j=1,2,\dots ,n).\end{array}\end{array}$$

对非标准形式的线性规划问题，可通过下列方法化为标准形式。

(1) 目标函数求极小值。即 $\min z={\sum }_{j=1}^n{c}_j{x}_j$，令 $z^{\prime }=-z$ 即可。

(2) 约束条件为不等式。当 “$\le$” 时，如 $x_1\le 4$，可 $x_1+x_3=4$，则 $x_3\ge 0$。当 “$\ge$”，如 $0.6x_1+0.4x_2\ge 6$，可 $0.6x_1+90.4x_2-x_4=6$，则 $x_4\ge 0$。

$x_3$ 和 $x_4$ 是新加入的变量，取值均为非负，加到原约束条件中区的目的是使不等式转化为等式。其中，$x_3$ 称为松弛变量，$x_4$ 一般称为剩余变量，其实质与 $x_3$ 相同，故也有统称为松弛变量。松弛变量或剩余变量在目标函数中的系数均为 0。

(3) 变量 $x_j\le 0$。令 $x_j^{\prime }=-x_j$ 即可。

(4) 取值无约束的变量。令 $x_j=x_j^{\prime }-x_j^{\prime \prime }$，其中，$x_j^{\prime }\ge 0$，$x_j^{\prime \prime }\ge 0$。

6. 基本概念

• （可行解） 满足约束条件的解 $\mathbf{x}=(x_1,x_2,\dots ,x_n{)}^{\text{T}}$，称为线性规划问题的可行解。全部可行解的集合称为可行域。
• （最优解） 使目标函数达到最大值的可行解称为最优解，对应的目标函数值称为最优值。
• （基） 设 ${\mathbf{A}}_{m\times n}(n>m)$ 为约束方程组的系数矩阵，其秩为 $m$。${\mathbf{B}}_{m\times m}$ 是矩阵 $\mathbf{A}$ 中的满秩子矩阵，则称 $\mathbf{B}$ 是线性规划问题的一个基（基矩阵）。设
  $$\mathbf{B}=(a_{ij}{)}_{m\times m}=({\mathbf{p}}_1,{\mathbf{p}}_2,\dots ,{\mathbf{p}}_m)，$$
  则称 $\mathbf{B}$ 中的每一个列向量 ${\mathbf{p}}_j(j=1,2,\dots ,m)$ 为基向量。与基向量 ${\mathbf{p}}_j$ 对应的变量 $x_j$ 称为基变量（basic variables），其他变量称为非基变量（nonbasic variables）。
• （基解） 在约束方程组中，令非基变量 $x_{m+1}$，$x_{m+2}$，$\dots$，$x_n$ 为 0，则称由约束方程确定的唯一解 $\mathbf{x}=(x_1,x_2,\dots ,x_m,0,\dots ,0{)}^{\text{T}}$ 为线性规划问题的基解。
  基解中变量取非零值的个数不大于方程数 $m$，且其总数不超过 $C_n^m$ 个。
• （基可行解） 满足约束条件的基解称为基可行解。
• （可行基） 对应于基可行解的基称为可行基。
• （退化基可行解与非退化基可行解） 称含零值基变量的基可行解为退化基可行解，对应的基为退化可行基。称基变量都不为 0 的基可行解为非退化基可行解，对应的基为非退化可行基。
  由此可知，退化基可行解中的非零分量一定小于 $m$，非退化基可行解中非零分量一定等于 $m$。若有关线性规划问题的所有基可行解都是非退化基可行解，则该问题为非退化线性规划问题；否则，称为退化线性规划问题。

例：
写出 1 中线性规划的标准形式，以及其基、基变量、基解、基可行解和可行基。

解：显然，标准形式为
$$\begin{array}{rl}\max & z=3x_1+5x_2+0x_3+0x_4+0x_5\\ & \text{s.t.}\{\begin{array}{l}{x}_1+x_3=4,\\ 2x_2+x_4=12,\\ 3x_1+2x_2+x_5=18,\\ x_j\ge 0(j=1,2,\dots ,5).\end{array}\end{array}$$

由此，可写出约束方程组的系数矩阵：
$$\mathbf{A}=\left[\begin{array}{ccccc}1& 0& 1& 0& 0\\ 0& 2& 0& 1& 0\\ 3& 2& 0& 0& 1\end{array}\right]$$
矩阵 $\mathbf{A}$ 的秩不大于 3，而
$$\mathbf{B}=({\mathbf{p}}_3,{\mathbf{p}}_4,{\mathbf{p}}_5)=\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]$$
是一个 $3\times 3$ 的满秩矩阵，故 $\mathbf{B}=({\mathbf{p}}_3,{\mathbf{p}}_4,{\mathbf{p}}_5)$ 是一个基，对应的变量 $x_3$，$x_4$，$x_5$ 是基变量，$x_1$，$x_2$ 是非基变量。令 $x_1=x_2=0$，解得 $x_3=4$，$x_4=12$，$x_5=18$，则 $\mathbf{x}=(0,0,4,12,18{)}^{\text{T}}$ 是一个基解。因该基解中所有变量取值为非负，故又是基可行解，对应的基 $\mathbf{B}=({\mathbf{p}}_3,{\mathbf{p}}_4,{\mathbf{p}}_5)$ 是一个可行基。

参考

《运筹学》（第四版），徐玖平，胡知能 编著，第 1 章 线性规划