一个基本的线性规划问题

问题描述：

某公司用两种原油（ A 和 B ）混合加工成两种汽油（甲和乙）。甲、乙两种

汽油含原油A的最低比例分别为 50 ％和 60 ％，每吨售价分别为 4800 元和 5600 元。该公

司现有原油 A 和 B 的库存量分别为 500 吨和 1000 吨，还可以从市场上买到不超过 1500

吨的原油 A 。原油 A 的市场价为：购买量不超过 500 吨时的单价为 10000 元 / 吨；购买

量超过 500 吨单不超过 1000 吨时，超过 500 吨的部分 8000 元 / 吨；购买量超过 1000 吨

时，超过 1000 吨的部分 6000 元 / 吨。该公司应如何安排原油的采购和加工。

数学建模：

判定此问题为一个线性规划问题，因为线性规划问题具有以下几个特征：

1、线性目标函数：

    很显然，这个问题的目标函数为成本减去利益，并且变量*价格遵循这样简单的乘法关系，因此可以看作是一个线性的目标函数

2、线性约束条件：

• 原油 A 和 B 的库存和购买量限制。
• 汽油甲和乙生产中原油 A 和 B 的比例要求。
• 购买原油 A 的数量限制。
• 非负约束，确保所有生产量和购买量都不会是负数。
• 所有这些约束都可以用线性表达式来表达，满足线性规划的条件

3、变量的连续性：

在标准的线性规划模型中，决策变量可以取连续值。虽然在实际应用中，如原油购买量通常为整数（即吨），但在模型计算中可以假设这些变量是连续的，从而允许使用线性规划技术找到最优解。如果需要，可以对结果进行四舍五入处理以满足实际应用的要求。

问题分析：

这个问题可以被看成是一个线性规划模型，因为他原题中给出了A和B的采购价格，为收入；题目中给出了A的市场价格，是额外购买A所需要的成本，为支出，那么目标函数就显而易见。约束条件主要体现在题目当中“不超过”等字眼当中，还有原油A的占比问题，以及相应的一些关于生活中实际情况的描述。

变量设置：

设原油 A 用于生产甲、乙两种汽油的数量分别为 x 11 和 x 12 ，原油 B 用于生产甲、

乙两种汽油的数量分别为 x 21 和 x 22 ，则总的收入为 4.8( x 11 + x 21 ) + 5.6( x 12 + x 22 ) （千

元）。于是本例的目标函数（利润）为

max z = 4.8( x 11 + x 21 ) + 5.6( x 12 + x 22 ) − c ( x )

问题的数学表述：

问题求解：

      解法一： 把cx分段函数的x换成三个变量 x1 x2 x3，然后对其进行相关的列些，避免因为分段函数产生的相关麻烦。因此，c(x)可以改写为 10x1+8x2+6x3，

这时目标函数 变为线性函数：

max z = 4.8( x 11 + x 21 ) + 5.6( x 12 + x 22 ) − (10 x 1 + 8 x 2 + 6 x 3 )

应该注意到，只有当以 10 千元 / 吨的价格购买 x 1 = 500 （吨）时，才能以 8 千元 /

吨的价格购买 x 2 ( > 0) ，这个条件可以表示为

( x 1 − 500) x 2 = 0 

同理，只有当以 8 千元 / 吨的价格购买 x 2 = 500 （吨）时，才能以 6 千元 / 吨的价格购买

x 3 ( > 0) ，于是

( x 2 − 500) x 3 = 0

此外， x 1 , x 2 , x 3 的取值范围是

0 ≤ x 1 , x 2 , x 3 ≤ 500

线性规划代码使用LINGO软件比较方便，

model: 
sets: 
 var1/1..4/:y; 
 var2/1..3/:x,c; 
endsets 
max=4.8*(y(1)+y(2))+5.6*(y(3)+y(4))-@sum(var2:c*x); 
y(1)+y(3)<@sum(var2:x)+500; 
y(2)+y(4)<1000; 
0.5*(y(1)-y(2))>0; 
0.4*y(3)-0.6*y(4)>0; 
(x(1)-500)*x(2)=0; 
(x(2)-500)*x(3)=0; 
@for(var2:@bnd(0,x,500)); 
data: 
c=10 8 6; 
enddata 
end

非线性规划使用LINGO求解更方便：

LINGO运行截图

如图所示，可知，5000，为最值，并且，此时x12值为1500 x22值为1000，所以购买

购买 1000 吨原油 A ，与库存的 500 吨原油 A 和

1000 吨原油 B 一起，共生产 2500 吨汽油乙，利润为 5000 （千元）。

     解法二：

引入 0 － 1 变量将 转化为线性约束。

令 z 1 = 1 ， z 2 = 1 ， z 3 = 1 分别表示以 10 千元 / 吨、 8 千元 / 吨、 6 千元 / 吨的价格采

购原油 A ，

500 z 2 ≤ x 1 ≤ 500 z 1 ， （ 18 ）

500 z 3 ≤ x 2 ≤ 500 z 2 ， （ 19 ）

x 3 ≤ 500 z 3 ， （ 20 ）

z 1 , z 2 , z 3 = 0 或 1

LINGO代码如下：

model:

sets:

var1/1..4/:y; ! 这里 y(1)=x11,y(2)=x21,y(3)=x12,y(4)=x22;

var2/1..3/:x,z,c;

endsets

max=4.8*(y(1)+y(2))+5.6*(y(3)+y(4))-@sum(var2:c*x);

y(1)+y(3)<@sum(var2:x)+500;

y(2)+y(4)<1000;

0.5*(y(1)-y(2))>0;

0.4*y(3)-0.6*y(4)>0;

@for(var1(i)|i #lt# 3:500*z(i+1)<x(i);x(i)<500*z(i));

x(3)<500*z(3);

@for(var2:@bin(z));

@for(var2:@bnd(0,x,500));

data:

c=10 8 6;

enddata

end

解法三：

      把cx直接当成分段函数来处理。 此时，根据分段函数定义域的三个分界点为0 500 1000 可以定义出[0,b1] , [b1,b2],[b2,b3]这三个小区间。

x 属于第 1 个小区间 [ b 1 , b 2 ]

时，记 x = w 1 b 1 + w 2 b 2 ， w 1 + w 2 = 1 ， w 1 , w 2 ≥ 0 ，因为 c ( x ) 在 [ b 1 , b 2 ]上是线性的，

所 以 c ( x ) = w 1 c ( b 1 ) + w 2 c ( b 2 ) 。同样，当 x 属于第 2 个小区间 [ b 2 , b 3 ] 时 ，

x = w 2 b 2 + w 3 b 3 ， w 2 + w 3 = 1 ， w 2 , w 3 ≥ 0 ， c ( x ) = w 2 c ( b 2 ) + w 3 c ( b 3 ) 。当 x 属于第

3 个小区间 [ b 3 , b 4 ] 时 ， x = w 3 b 3 + w 4 b 4 ， w 3 + w 4 = 1 ， w 3 , w 4 ≥ 0 ，

c ( x ) = w 3 c ( b 3 ) + w 4 c ( b 4 ) 。为了表示 x 在哪个小区间，引入 0-1 变量 z k ( k = 1,2,3) ，

当 x 在第 k 个小区间时， z k = 1 ，否则， z k = 0 。

w 1 ≤ z 1 ， w 2 ≤ z 1 + z 2 ， w 3 ≤ z 2 + z 3 ， w 4 ≤ z 3 （ 22 ）

w 1 + w 2 + w 3 + w 4 = 1 ， w k ≥ 0 （ k = 1,2,3,4 ） （ 23 ）

z 1 + z 2 + z 3 = 1 ， z 1 , z 2 , z 3 = 0 或 1 （ 24 ）

此时 x 和 c ( x ) 可以统一地表示为

x = w 1 b 1 + w 2 b 2 + w 3 b 3 + w 4 b 4 = 500 w 2 + 1000 w 3 + 1500 w 4 （ 25 ）

c ( x ) = w 1 c ( b 1 ) + w 2 c ( b 2 ) + w 3 c ( b 3 ) + w 4 c ( b 4 )

= 5000 w 2 + 9000 w 3 + 12000 w 4

LINGO代码

model:

sets:

var/1..4/:b,c,y,z,w;

! 这里 y(1)=x11,y(2)=x21,y(3)=x12,y(4)=x22

端点数为4，即分段数为3;

endsets

data:

b=0,500,1000,1500;

c=0,5000,9000,12000;

z=,,,0; ! 增加的虚拟变量z(4)=0;

enddata

max=4.8*(y(1)+y(2))+5.6*(y(3)+y(4))-@sum(var:c*w);

y(1)+y(3)<@sum(var:b*w)+500;

y(2)+y(4)<1000;

0.5*(y(1)-y(2))>0;

0.4*y(3)-0.6*y(4)>0;

w(1)<z(1);

@for(var(i)|i #ne# 1:w(i)<z(i-1)+z(i));

@sum(var:z)=1;

@sum(var:w)=1;

@for(var:@bin(z));

End

运行结果与上面完全相同。