了得網研究生_運籌學（第二版）

商品搜索

类别：

关键字：

商品分类

運籌學（第二版）
該商品所屬分類：研究生 -> 公共課
【市場價】	419-608元
【優惠價】	262-380元
【作者】	張伯生、張麗、高聖國、周晉
【所屬類別】	圖書教材研究生/本科/專科教材公共課
【出版社】	科學出版社
【ISBN】	9787030331939
【折扣說明】	一次購物滿999元台幣免運費+贈品一次購物滿2000元台幣95折+免運費+贈品一次購物滿3000元台幣92折+免運費+贈品一次購物滿4000元台幣88折+免運費+贈品
【本期贈品】	①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾

版本	正版全新電子版PDF檔
您已选择：	正版全新
溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。 . 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。 . 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。

內容介紹

開本：16開

紙張：膠版紙

包裝：平裝

是否套裝：否

國際標準書號ISBN：9787030331939

叢書名：科學版精品課程立體化教材·管理學繫列

作者：張伯生、張麗、高聖國、周晉

出版社：科學出版社

出版時間：2012年01月

內容簡介

本書重點介紹運籌學各主要分支的基本概念、基本理論和求解方法，包括線性規劃、對偶問題與靈敏度分析、運輸問題、目標規劃、圖論、動態規劃、排隊論、存儲論和決策論等具體內容。本書在內容上淡化較復雜的理論論述和證明，簡化繁瑣的人工計算，強調對實際問題建立模型並進行應用分析的能力訓練，各章都有詳細的案例，並且附有求解案例模型的Matlab程序代碼。

本書可作為大專院校、成人教育、函授學院專科生、本科生、研究生和MBA學生的教材和教學參考書，也可作為各類專業人員的自學參考書。

作者簡介

張伯生、張麗、高聖國、周晉

第二版前言
版前言
第1章線性規劃與單純形法
1.1 線性規劃數學模型
1.2 單純形法
1.3 單純形法的進一步討論
1.4 案例分析與Matlab求解
本章小結
名詞詞條
習題
第2章線性規劃的對偶理論和靈敏度分析
2.1 單純形法的矩陣描述
2.2 改進單純形法
2.3 對偶問題的提出第二版前言
版前言
第1章線性規劃與單純形法
1.1 線性規劃數學模型
1.2 單純形法
1.3 單純形法的進一步討論
1.4 案例分析與Matlab求解
本章小結
名詞詞條
習題
第2章線性規劃的對偶理論和靈敏度分析
2.1 單純形法的矩陣描述
2.2 改進單純形法
2.3 對偶問題的提出
2.4 對偶問題的基本性質
2.5 影子價格
2.6 對偶單純形法
2.7 靈敏度分析
2.8 案例分析與Matlab求解
本章小結
名詞詞條
習題
第3章運輸問題
3.1 運輸問題的數學模型
3.2 表上作業法
3.3 產銷不平衡的運輸問題及其求解方法
3.4 案例分析與Matlab求解
本章小結
名詞詞條
習題
第4章目標規劃
4.1 目標規劃的數學模型
4.2 目標規劃的圖解法
4.3 案例分析與Matlab求解
本章小結
名詞詞條
習題
第5章整數規劃
5.1 整數規劃數學模型
5.2 分支定界法
5.3 割平面法
5.4 0-1型整數規劃
5.5 指派問題
5.6 案例分析與Matlab求解
本章小結
名詞詞條
習題
第6章圖與網絡規劃
6.1 圖的基本概念
6.2 樹
6.3 短路問題
6.4 流問題
6.5 小費用流問題
6.6 案例分析與Matlab求解
本章小結
名詞詞條
習題
第7章動態規劃
7.1 動態規劃的基本概念和基本方程
7.2 動態規劃的實際應用
7.3 案例分析與Matlab求解
本章小結
名詞詞條
習題
第8章排隊論
8.1 基本概念
8.2 單服務臺負指數分布排隊繫統的分析
8.3 多服務臺負指數分布排隊繫統的分析
8.4 案例分析與Matlab求解
本章小結
名詞詞條
習題
第9章存儲論
9.1 存儲論的基本概念
9.2 確定型存儲模型
9.3 案例分析與Matlab求解
本章小結
名詞詞條
習題
第10章決策論
10.1 決策的分類
10.2 決策過程
10.3 不確定型的決策
10.4 風險決策
10.5 效用理論在決策中的應用
10.6 序列決策
10.7 靈敏度分析
10.8 案例分析與Matlab求解
本章小結
名詞詞條
習題
參考文獻

在線試讀

第1 章
線性規劃與單純形法
學習目標
√了解線性規劃模型特征並能根據實際問題寫出線性規劃模型
√掌握線性規劃化標準型的方法
√掌握線性規劃的解的概念，並能夠用圖解法求解線性規劃問題
√熟練掌握線性規劃的單純形法
√利用Matlab 求解線性規劃問題的解
引言
線性規劃是應用數學模型對所研究的問題進行表述。線性（linear）這個詞是指模型
中數學表達式的形式。規劃（programming）本質上是計劃的同義詞。因此，線性規劃是
用線性數學模型表示不同的生產活動、營銷活動、金融活動或其他活動的計劃。
單純形方法是美國數學家丹捷格（G.B.Dantzig）於1947 年提出的一般線性規劃求
解方法，此後線性規劃在計算上趨向成熟，其應用也日趨廣泛和深入。
1.1線性規劃數學模型
1.1.1問題的提出
線性規劃應用的問題種類繁多，形式各異，主要分為四類線性規劃問題。前三類問題
分別是資源分配問題、成本效益問題以及網絡配送問題。例1.1 、例1.2 、例1.3討論了這
三類問題。這些線性規劃問題其共同特征是決策所基於的約束條件性質，三類線性規劃第1 章

線性規劃與單純形法

學習目標

√了解線性規劃模型特征並能根據實際問題寫出線性規劃模型

√掌握線性規劃化標準型的方法

√掌握線性規劃的解的概念，並能夠用圖解法求解線性規劃問題

√熟練掌握線性規劃的單純形法

√利用Matlab 求解線性規劃問題的解

引言

線性規劃是應用數學模型對所研究的問題進行表述。線性（linear）這個詞是指模型

中數學表達式的形式。規劃（programming）本質上是計劃的同義詞。因此，線性規劃是

用線性數學模型表示不同的生產活動、營銷活動、金融活動或其他活動的計劃。

單純形方法是美國數學家丹捷格（G.B.Dantzig）於1947 年提出的一般線性規劃求

解方法，此後線性規劃在計算上趨向成熟，其應用也日趨廣泛和深入。

1.1線性規劃數學模型

1.1.1問題的提出

線性規劃應用的問題種類繁多，形式各異，主要分為四類線性規劃問題。前三類問題

分別是資源分配問題、成本效益問題以及網絡配送問題。例1.1 、例1.2 、例1.3討論了這

三類問題。這些線性規劃問題其共同特征是決策所基於的約束條件性質，三類線性規劃

問題約束分別是資源約束、收益約束、確定需求約束。更多的實際問題包含至少有兩種以

上的約束。這類問題不能歸屬於這三類中的一類，於是把這第四類線性規劃的問題

稱為混合問題。

例1.1資源分配問題。

某工廠近期要安排生產甲、乙兩種產品，產品甲需要用原料A ，產品乙需要用原料B ，

由於兩種產品都在一個設備上生產，且設備使用時間有限，管理者必須合理安排兩種產

品的產量，使得在資源有限的條件下獲得的利潤。因此，這個問題的決策目標是收益

的化，研究者根據這個目標需要收集以下相關數據：

（1）工廠兩種原料存量以及可用設備工時數。

（2）甲、乙兩種產品的單位產品需要的原料和設備工時數。

（3）甲、乙兩種產品的單位產品利潤。

這些數據可以通過調研或估算得出，如表1.1 所示。

為建立模型，引入變量如下：

x1 ＝產品甲的數量

x2 ＝產品乙的數量

Z ＝利潤

由表1.1 後一行知

Z ＝ 4 x1 + 3 x2

目標是如何確定x1 和x2 ，使得利潤Z ，同時需要滿足資源約束。

對於原料A 和原料B ，有

x1 ≤ 6 ，2 x2 ≤ 8

對於設備工時，有

2 x1 + 3 x2 ≤ 18

此外，甲、乙兩種產品數量不可能是負值，因此，有如下對變量的非負約束：

x1 ≥ 0 ， x2 ≥ 0

於是，問題的數學模型現在可以用代數式表述如下：

max Z ＝ 4 x1 + 3 x2

滿足：

x1 ≤ 6 （1.1）

2 x2 ≤ 8 （1.2）

2 x1 + 3 x2 ≤ 18 （1.3）

x1 ，x2 ≥ 0 （1.4）

實際上這是求一個線性函數在一組線性約束條件下的值問題，稱之為線性規劃

問題模型。在以上模型中，將x1 、x2 稱為決策變量，Z ＝ 4 x1 + 3 x2 為目標函數，式（1.1）～

式（1.3）為函數約束，式（1.4）為非負約束。

從以上過程我們可以歸納出根據實際問題建立線性規劃模型的步驟：

（1）根據管理層的要求確定決策目標和收集相關數據。

（2）確定要做出的決策，引入決策變量。

（3）確定對這些決策的約束條件和目標函數。

例1.2成本效益平衡問題。

某飼料公司希望用玉米、紅藷作原料配制一種混合飼料，各種原料包含的營養成分和

采購成本都不同，公司管理層希望能夠確定混合飼料中的各種原料數量，使得飼料能夠以

成本達到一定的營養要求。研究者根據這一目標收集到的有關數據如表1.2 所示。

為建立線性規劃模型，我們引入變量如下：

x1 ＝混合飼料中的玉米數量；

x2 ＝混合飼料中紅藷的數量。

目標函數Z ＝ 0.8 x1 + 0.5 x2 ，表示產量的成本函數，即如何確定x1 、x2 使得成本Z ＝

0.8 x1 + 0.5 x2 且滿足營養要求的約束，這些約束條件是

碳水化合物要求：8 x1 + 4 x2 ≥ 20 。

蛋白質物要求：3 x1 + 6 x2 ≥ 18 。

維生素物要求：x1 + 5 x2 ≥ 16 。

另外非負約束：x1 ≥ 0 ，x2 ≥ 0 。

因此這個問題的線性規劃模型為

min Z ＝ 0.8 x1 + 0.5 x2

s ．t ．

8 x1 + 4 x2 ≥ 20

3 x1 + 6 x2 ≥ 18

x1 + 5 x2 ≥ 16

xi ≥ 0 ，i ＝ 1 ，2

其中，“s ．t ．”是“subject to”的縮寫，意思是“受約束於… … ” 。

例1.3物流網絡配送問題。

某物流公司需要將甲、乙、丙三個工廠生產的一種新產品送到A 、B 兩個倉庫，甲、乙

兩個工廠的產品可以通過鐵路運送到倉庫A ，數量不限；丙工廠的產品可以通過鐵路運送

到倉庫B ，同樣，產品數量不限。由於鐵路運輸成本較高，公司也可以考慮由獨立的卡車

來運輸，可將多達80 單位的產品由甲、乙、丙三個工廠運到一個配送中心，再從配送中心

以多90 單位的載貨量運到各個倉庫。公司管理層希望以小的成本運送所需的貨物。

為了建立該問題的數學模型，必須先了解這一網絡配送問題的活動和要求。該問題

涉及三個產品的生產和各線路的運輸量，由於產量給定，所以決策重點是運輸水平，即各

線路的運輸量。

首先，需要收集每條線路上的單位運輸成本和各工廠產品的產量以及各倉庫分配量

等數據，如表1.3 所示。

為了更清楚地說明問題，我們用網絡圖來直觀表示該配送問題（圖1.1），其中，v1 、

v2 、v3 分別表示甲、乙、丙三個工廠，節點v4 表示配送中心，節點v5 、v6 表示兩個倉庫；每

一條箭線表示一條可能的運輸線路，並給出了相應的單位運輸成本，對運輸量有限制的路

線的運輸能力也同時給出。

我們要解決的是各條線路運輸量，引入變量xij 表示由vi 經過路線（ vi ，vj ）運輸

到vj 的產品數。問題的目標是總運輸成本小化，總運輸成本可以表示為

總運輸成本＝ 7.5 x15 + 3 x14 + 8.2 x25 + 3.5 x2 4 + 2.3 x4 5 + 3.4 x34

+ 2.3 x46 + 9.2 x36

相應的約束條件包括對網絡中的每個節點vi （ i ＝ 1 ，2 ，… ，6）的供求平衡約束。對生

產節點v1 、v2 、v3 來說，由某一節點運出的產品數量等於其產量，即

x15 + x14 ＝ 100

x25 + x24 ＝ 80

x34 + x36 ＝ 70

對配送中心v4 運進的產品數量等於運出的產品數量，即

x14 + x24 + x34 ＝ x45 + x46

對倉庫v3 、v5 ，運進的產品數量等於其需求量，即

x15 + x25 + x45 ＝ 120

x46 + x36 ＝ 130

此外，對網絡中有運輸容量限制的路線的約束是：該路線上的運輸產品數量不超過該

線路的運輸能力，即

x14 ≤ 80 ，x24 ≤ 80 ，x34 ≤ 80 ，x45 ≤ 90 ，x46 ≤ 90

並且，所有xij ≥ 0（非負約束）。因此，這個問題的線性規劃模型為

min Z ＝ 7.5 x15 + 3 x14 + 8.2 x25 + 3.5 x2 4 + 2.3 x45 + 3.4 x34 + 2.3 x46 + 9.2 x36

s ．t ．

x15 + x14 ＝ 100

x25 + x24 ＝ 80

x34 + x36 ＝ 70

x14 + x24 + x34 ＝ x45 + x4 6

x15 + x25 + x45 ＝ 120

x46 + x36 ＝ 130

x14 ≤ 80 ，x24 ≤ 80 ，x34 ≤ 80 ，x4 5 ≤ 90 ，x46 ≤ 90

xij ≥ 0

從以上的幾個例子可以看出，線性規劃問題有如下共同特征：

（1）每個問題都用一組決策變量，這組決策變量的值都代表一個具體方案。

（2）有一個衡量決策方案優劣的函數，它是決策變量的線性函數，稱為目標函數。按

問題不同，要求目標函數實現化或小化。

（3）存在一些約束條件，這些約束條件包括：① 函數約束；② 決策變量的約束。

1.1.2線性規劃的標準型

根據1.1.1 節分析，線性規劃的一般形式為

max（min） Z ＝ c1 x1 + c2 x2 + … + cn x n

s.t.

a11 x1 + a12 x2 + … + a1 n x n ≤ ＝， ≥ b1

a21 x1 + a22 x2 + … + a2 n x n ≤ ＝， ≥ b2

?

am1 x1 + am2 x2 + … + amn xn ≤ ＝， ≥ bm

x1 ，x2 ，… ，xn ≥ 0

線性規劃問題有各種不同的形式。目標函數有的要求max ，有的要求min ；約束條件

可以是“ ≤ ” ，也可以是“ ≥ ”形式的不等式，也可以是等式。決策變量一般是非負約束，

但也允許在（ - ∞ ，∞ ）範圍內取值，即無約束。將這種多形式的數學模型統一變換為標準

形式。這裡規定的標準形式為：目標函數的要求是max ，約束條件的要求是等式，決策變

量的要求是非負約束。在標準型式中規定各約束條件的右端項bi ≥ 0 ，否則等式兩端乘以

“ - 1” 。用向量和矩陣符號表述為

maxZ ＝ CX

s ．t.Σ

n

j ＝ 1

Pj x j ＝ b

xj ≥ 0 ，j ＝ 1 ，2 ，… ，n

其中，C ＝（ c1 ，c2 ，… ，cn ）；

X ＝

x1

x2

?

xn

；Pj ＝

a1 j

a2 j

?

amj

；b ＝

b1

b2

?

bm

向量Pj 對應的決策變量是x j 。

用矩陣描述時為

max Z ＝ CX

AX ＝ b

X ≥ 0

其中，A ＝

a1 1 a12 … a1 n

? ? ?

am1 am2 … amn

＝ P1 ，P2 ，… ，Pn ；

0 ＝

0

0

?

0

；

A 為約束條件的m × n 維繫數矩陣，其中，m ，n ＞ 0 ，m ＜ n ；

b 為資源向量；

C 為價值向量；

X 為決策變量向量。

下面討論化標準型的方法：

（1）若要求目標函數實現小化，即minZ ＝ CX 。這時隻需將目標函數小化變換

求目標函數化，即令Z′ ＝ - Z ，於是得到maxZ′ ＝ - CX 。這就同標準型的目標函數

的形式一致了。

（2）約束方程為不等式。這裡有兩種情況：一種是約束方程為“ ≤ ”不等式，則可在

“ ≤ ”不等式的左端加入非負松弛變量xj ，把原“ ≤ ”不等式變為等式；另一種是約束方程

為“ ≥ ”不等式，則可在“ ≥ ”不等式的左端減去一個非負剩餘變量xk （也可稱松弛變量），

把不等式約束條件變為等式約束條件。

（3）若變量約束中：xi ≤ 0 ，則令x′i ＝ - xi 得到x′i ≥ 0 ；若xj 酬0 ，則令xj ＝ x′j - x″j ，得

x′j ，x″j ≥ 0 ，用x′i 、x′j 、x″j 分別代替x i 、xj 後得到線性規劃的變量約束均為非負約束。

（4）目標函數中加上0 xi （松弛變量）。

下面舉例說明。

網友評論我們期待著您對此商品發表評論

相關商品

商品搜索

商品分类

【醫學】

【各大出版社】