数学模型中的线性规划

系列文章目录

提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
常见的规划问题大体四类
1.线性规划
2.非线性规划
3.整数规划 （0 1规划）
4.动态规划

---

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

提示：这里可以添加本文要记录的大概内容：

解决优化问题的思路有三个基本的要素：
1.决策变量（寻求的决策是什么）
2.目标函数（需要优化的目标是什么）
3.约束条件（决策面临的限制条件）

（虽然在简介里面标注的使用python，但由于规划问题用lingo很简单 ，这里面所有的代码用lingo来写的,本文章所有例子均来源于《数学模型》这本书）

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、线性规划

线性规划的目标就是将题目中的内容转化为这样子的形式进行求解，但是往往难点不在于去求解，而是转化的过程

二、具体例子

1. 题目

建立模型三步：
决策变量：设x1 用来生产A1，x2 用来生产A2
目标函数 ： 使每天的获利最大，
即 max (72x1 + 64x2 );
约束条件 ：
st.{
x1+x2 <= 50
12x1 + 8x2 <= 480
3x1<= 100
x1 >=0 ,x2 >= 0 *
}

线性规划可用的三个条件：

在本题里的描述为：

因为这个例子很简单，可以直接用代数求解

2. lingo代码

如果利用lingo的话，代码如下

model:
max = 72 *x1 + 64 *x2;
[milk] x1 + x2 <50;
[time] 12 * x1 + 8 * x2 <480;
[cpct] 3*x1 < 100;
end

最后显示的效果

ps:解释一下，在后面的dual price是在三个资源增加一个单位的情况下，效益的增量
具体的可以看这个

3. 问题分析

接下来 我们来结合题目中的三个问题

1. 是否应该购买牛奶，这个牛奶指的是单独再去进行购买牛奶，则35< 48 ，则应该购买
2. 最多两块钱
3. 在A1获利增加的基础上，题目中的max的函数应该发生改变，则计算结果如下

ps 可以在写好代码以后，按Ctrl+r即可打开敏感性分析
如图