mobile wallpaper 1
1430 字
4 分钟
运筹学问题划分与典型案例
2026-06-29

运筹学优化问题体系概述#

运筹学的核心在于对实际优化问题进行合理的数学抽象与划分。根据问题的数学结构和决策特点,优化问题可分类为:

  • 线性与非线性规划:根据决策关系是否满足比例性和相加性进行划分。
  • 单目标与多目标规划:根据决策目标的个数进行划分。
  • 非整数与整数规划:根据决策变量的取值范围是否离散(整数)进行划分。
  • 静态与动态规划:根据决策是否跨越多个时间阶段且前后相互关联进行划分。

以下针对各章节的核心典型案例进行深入剖析,并给出数学模型或计算原理。


典型问题数学建模与计算原理#

1. 线性规划问题:生产计划决策#

  • 问题描述:某工厂在计划期内要安排生产 Ⅰ、Ⅱ 两种产品。已知生产单位产品所需的设备台时、原材料消耗及可获利润如下表所示:

    资源类型产品 Ⅰ产品 Ⅱ资源拥有量限制
    设备1 台时2 台时8 台时
    原材料 A4 kg0 kg16 kg
    原材料 B0 kg4 kg12 kg
    单位利润2 元3 元
  • 数学模型: 设 x1x_1x2x_2 分别为产品 Ⅰ、Ⅱ 的计划产量: maxz=2x1+3x2\max z = 2x_1 + 3x_2 s.t. {x1+2x284x1164x212x1,x20\text{s.t. } \begin{cases} x_1 + 2x_2 \le 8 \\ 4x_1 \le 16 \\ 4x_2 \le 12 \\ x_1, x_2 \ge 0 \end{cases}

  • 求解结论:采用 图解法 可求得最优决策点为 B(50,250)B(50, 250) (注意:此处为比例放大后的数值,原模型最优解通常为 x1=4,x2=2x_1=4, x_2=2,若按 Slide 7 的标注,其坐标解为放大后的最优解),最优目标值 z=27500z=27500

2. 多目标规划问题:投资决策平衡#

  • 问题描述:投资商有 90,000 元资金,准备投资于股票 A 和 B(可同时投资)。股票的有关参数如下表:

    股票名称单价(元)年收益(元/股·年)风险系数
    股票 A203 (收益率 15%)0.5
    股票 B504 (收益率 8%)0.2
  • 决策要求:设计一种投资方案,使得一年的总投资风险不高于 700,且投资收益不低于 10,000 元。

  • 数学模型: 设投资股票 A 和 B 的股数分别为 x1x_1x2x_2收益目标:maxf1(x1,x2)=3x1+4x2\text{收益目标:} \max f_1(x_1, x_2) = 3x_1 + 4x_2 风险目标:minf2(x1,x2)=0.5x1+0.2x2\text{风险目标:} \min f_2(x_1, x_2) = 0.5x_1 + 0.2x_2 约束条件:{20x1+50x2900003x1+4x2100000.5x1+0.2x2700x1,x20\text{约束条件:} \begin{cases} 20x_1 + 50x_2 \le 90000 \\ 3x_1 + 4x_2 \ge 10000 \\ 0.5x_1 + 0.2x_2 \le 700 \\ x_1, x_2 \ge 0 \end{cases}

3. 整数规划问题:集装箱托运决策#

  • 问题描述:某公司拟用集装箱托运甲、乙两种货物。两种货物每件的体积、重量、可获利润以及托运限制如下表所示:

    货物名称每件体积(立方英尺)每件重量(百千克)每件利润(百元)
    甲种货物19542
    乙种货物273403
    托运限制1365140

    此外,受合同限制,甲种货物至多托运 4 件。问两种货物各托运多少件,可使获得的总利润最大?

  • 数学模型: 设甲、乙两种货物的托运件数分别为 x1x_1x2x_2maxz=2x1+3x2\max z = 2x_1 + 3x_2 s.t. {195x1+273x21365(体积限制)4x1+40x2140(重量限制)x14(合同限制)x1,x20,且为整数\text{s.t. } \begin{cases} 195x_1 + 273x_2 \le 1365 & \text{(体积限制)} \\ 4x_1 + 40x_2 \le 140 & \text{(重量限制)} \\ x_1 \le 4 & \text{(合同限制)} \\ x_1, x_2 \ge 0, \text{且为整数} \end{cases}

4. 运输问题:表上作业法求解初始解#

  • 问题描述:已知产地 A1,A2,A3A_1, A_2, A_3 的产量以及销地 B1,B2,B3,B4B_1, B_2, B_3, B_4 的销量与单位运价表如下:

    产地 \ 销地B1B_1B2B_2B3B_3B4B_4产量
    A1A_13113107
    A2A_219284
    A3A_3741059
    销量3656
  • 表上作业法初始基可行解确定(最小元素法)

    1. 选择运价最小的格子 x21x_{21}(运价为 1),分配运量 x21=min(4,3)=3x_{21} = \min(4, 3) = 3。此时 B1B_1 需求满足,A2A_2 剩余产量为 1。
    2. 在未满格中选择最小运价格子 x23x_{23}(运价为 2),分配运量 x23=min(1,5)=1x_{23} = \min(1, 5) = 1。此时 A2A_2 产量耗尽,B3B_3 仍需 4。
    3. 继续选择运价最小的格子 x13x_{13}(运价为 3),分配运量 x13=min(7,4)=4x_{13} = \min(7, 4) = 4。此时 B3B_3 需求满足,A1A_1 剩余产量为 3。
    4. 选择运价最小的格子 x32x_{32}(运价为 4),分配运量 x32=min(9,6)=6x_{32} = \min(9, 6) = 6。此时 B2B_2 需求满足,A3A_3 剩余产量为 3。
    5. 选择运价最小的格子 x34x_{34}(运价为 5),分配运量 x34=min(3,6)=3x_{34} = \min(3, 6) = 3。此时 A3A_3 产量耗尽,B4B_4 仍需 3。
    6. 最后只能分配到 x14x_{14},运量 x14=min(3,3)=3x_{14} = \min(3, 3) = 3

    注:Slide 9 中的简要计算步骤如下:

    • x12=min(4,6)=4x_{12} = \min(4, 6) = 4(按表中某种分配策略)
    • x11=min(7,3)=3x_{11} = \min(7, 3) = 3
    • x22=min(4,2)=2x_{22} = \min(4, 2) = 2
    • x23=min(2,5)=2x_{23} = \min(2, 5) = 2
    • x33=min(3,9)=3x_{33} = \min(3, 9) = 3
    • x34=min(6,6)=6x_{34} = \min(6, 6) = 6 具体的初始解取决于采用的是最小元素法还是西北角法,实际计算中应严格执行相应规则。

5. 动态规划:背包问题(Knapsack Problem)#

  • 问题描述:设有 nn 种物品,每种物品数量无限。第 ii 种物品每件重量为 wiw_i 公斤,每件价值 viv_i 元。现有一只可装载重量为 WW 公斤的背包,求各种物品应各取多少件放入背包,使背包中物品的总价值最高。
  • 状态转移递推方程: 设 f(y)f(y) 表示背包容量为 yy 时的最大价值,则有: f(y)=max1in,wiy{f(ywi)+vi}f(y) = \max_{1 \le i \le n, w_i \le y} \{ f(y - w_i) + v_i \} 初始条件:f(0)=0f(0) = 0

复习思考题#

  1. 构建集装箱托运决策的整数规划模型,并分析若取消“甲种货物至多托运 4 件”的限制,可行解空间会发生怎样的变化?
  2. **详细说明如何使用表上作业法(以最小元素法为例)**为运输问题构建初始基可行解,并写出完整的分配步骤。
  3. 简述背包问题的多阶段决策(动态规划)特征,写出其递推关系式,并解释状态变量与决策变量的物理意义。
分享

如果这篇文章对你有帮助,欢迎分享给更多人!

运筹学问题划分与典型案例
https://blog.sopak.space/posts/study/economics-management/mo/2/
作者
Xxxhite
发布于
2026-06-29
许可协议
CC BY-NC-SA 4.0

部分信息可能已经过时

目录