（一）1.线性规划 之 化标准型和图解法

线性规划在我高中就提到了，一般是一个在限制条件下求最大最小值的问题
如下是线性规划的一般数学模型：

下面对这个模型讲解：

决策变量 ：上面式子中的 X，可变
目标函数 ：第一行max(min)Z=... 就是目标函数
          	价值系数：目标函数的各项的系数C1....Cj (其实很好理解，一般求目标都是要求价值)
约束矩阵 ：下面的一堆方程组就是约束方程，
			工艺系数：约束方程每一项的系数 ai j（约束方程一般根据条件限制来写，系数就是完成这一项的损耗）
			资源限制：约束方程等号右边的系数b1....bj

由此我们看出，一个线性规划问题有的共同特征

1.一组决策变量 （用来表示某个方案）
2.一个目标函数（以此目标去选择决策变量）
3.一组约束条件（用等式或者不等式去表达，限制决策变量）

所以我们可以得到对一个线性规划问题建模的一般步骤

1.选择决策变量
2.写出目的函数
3.列出限制条件

---

标准形式

---

我们上面一直说的是一个线性规划的形式，下面说说他的标准型应该是怎么样的

总结一下

1.目标函数是求最大max
2.限制条件是等式
3.决策变量和资源限量都大于等于 0 

---

转化为标准型

---

1.min ===> max   等式右边全部乘 （-1）,左边自然变成  max
2.资源限量<0        同1，两边乘（-1）
3.不等式 ===>等式 ：引入松弛变量和剩余变量
   也很好理解啊，我比他大，那我减去我俩的差值不就可以等于他了吗，比他小就加差值
     假设有n个决策变量
          >=   变成  =    这里就需要减去x(n+1)作为剩余变量 
          <=   变成  =    这里就需要加上x(n+1)作为松弛变量 
     虽然这里多了个变量，但显然无法影响我们的目标函数，但面子得给，+0*x(n+1)就好
4.决策变量<=0     我们去它的相反数  用x'= -x  代替x 
5.决策变量非负性无法判断：我们一般用  x' - x'' = x 代替x进入式子（x' ，x''都大于0） 
	（注意，这里对变量转化之后，最后写变量大于0的时候直接写替换所用的变量  例如x' 
	  而不使用被换的式子 例如 x） 

有这个办法，我们显然可以把任意的线性规划转化成标准型

---

图解法

---

图解法可以说是线性规划问题的一种很实用的解法了，我高中时期就就教了这个办法

1.对于每个限制条件，在直角坐标系中画出对应的直线
2.标注方向（这里推荐一个方法，吧不等式的第一项变成正的，这时候把不等号看做箭头，<则在线的左边
	为可行域，>则线右边为可行域）
	实在拿不准就取值来算一下，更稳妥
3.对目标函数画出对应的直线（这条线斜率确定，但是可以上下左右移动）
4.让目标线在可行域内移动，再看最大最小的时候对应多少

一般来说，这种情况要找的答案都对应我们可行域边上的某个点或者一条边线

可行域不是所有的时候都是一个闭合的区域，有下面这些情况

1.无可行域：限制条件自相矛盾的时候，就没有可行域
	该线性规划问题一定无可行解
2.无界可行域：某个边没有封住，导致在朝某个方向到无穷远的区域内都满足条件
	该线性规划问题可能有无界解（向无穷跑的那个边使我们要的），也可能有最优解（在他有的边上我们找到要找的点）
3.有界可行域：是一个凸集
	该线性规划问题一定有解
	a.一个最优解  （一个凸点是我们要找的）
	b.无数个最优解（一条边正好与目标斜率相同，并且是我们要的）