Transcript 線性規劃 考慮一個函數 P: P = x + y, 其中 x 和 y 必須滿足下列的不等式: x 0 y 0 3x + 2y.
Slide 1
線性規劃
Slide 2
考慮一個函數 P:
P = x + y,
其中 x 和 y 必須滿足下列的不等式:
x 0
y 0
3x + 2y 6
每個含 x 和 y 的不等式稱為該函數的約束條件 (即
限制)。因此,P 的值受到限制。
Slide 3
線性規劃就是要在某些特定的約束條件下,尋找
一個線性函數 P 的最優值 (極大值或極小值),例
如:
P = ax + by
(其中 a 和 b 都是常數)
被最優化的函數稱為目標函數。
Slide 4
能滿足所有給定的約束
條件的序偶稱為可行解。
右方所示為在下列約束
條件下的可行解區域:
x 0
y 0
3x + 2y 6
可行解區
域
Slide 5
給定可行解的區域和
目標函數 P = x + y,
我們可以繪畫直線
x + y = 0,然後在可行
解區域內平移該直線,
從而找出 P 的最優值。
可行解區
域
x+y=0
Slide 6
平移一個目標函數 P 的圖像
(a) 在 P 中 x 的係數為正數,如 P = x + y。
P 的值會隨著目標函數的
圖像沿 x 軸的正方向平移
而增加。
Slide 7
(b) 在 P 中 x 的係數為負數,如
P = –x + y。
P 的值會隨著目標函數
的圖像沿 x 軸的負方
向平移而增加。
Slide 8
在約束條件下,
(i) P 在 (0, 0) 取得
其極小值。
P 的極小值 = 0
(ii) P 在 (0, 3) 取得
其極大值。
P 的極大值
=0+3
=3
Slide 9
你可留意到一個目標函數 P 會於可行解區域
的其中一個頂點取得其最優值。
Slide 10
所以,當要尋找一個目標函數
的最優值時,你可計算它在可
行解區域內的所有頂點的值。
Slide 11
課堂研習
(a) 把滿足下列約束條件的區域塗上陰影。
y 0
2 x 3 y 0
2 x y 4 0
(b) 根據 (a) 中的約束條件,求函數 P = x + y
的極大值。
Slide 12
(a)
Slide 13
(b) 在同一個坐標平面上,繪畫 x + y = 0 的圖
像。
Slide 14
隨著把直線 x + y =
0 沿 x 軸的正方向
平移, P 的值會不
斷增加,並在 (3, 2)
取得其極大值。
∴ P 的極大值
3 2 5
線性規劃
Slide 2
考慮一個函數 P:
P = x + y,
其中 x 和 y 必須滿足下列的不等式:
x 0
y 0
3x + 2y 6
每個含 x 和 y 的不等式稱為該函數的約束條件 (即
限制)。因此,P 的值受到限制。
Slide 3
線性規劃就是要在某些特定的約束條件下,尋找
一個線性函數 P 的最優值 (極大值或極小值),例
如:
P = ax + by
(其中 a 和 b 都是常數)
被最優化的函數稱為目標函數。
Slide 4
能滿足所有給定的約束
條件的序偶稱為可行解。
右方所示為在下列約束
條件下的可行解區域:
x 0
y 0
3x + 2y 6
可行解區
域
Slide 5
給定可行解的區域和
目標函數 P = x + y,
我們可以繪畫直線
x + y = 0,然後在可行
解區域內平移該直線,
從而找出 P 的最優值。
可行解區
域
x+y=0
Slide 6
平移一個目標函數 P 的圖像
(a) 在 P 中 x 的係數為正數,如 P = x + y。
P 的值會隨著目標函數的
圖像沿 x 軸的正方向平移
而增加。
Slide 7
(b) 在 P 中 x 的係數為負數,如
P = –x + y。
P 的值會隨著目標函數
的圖像沿 x 軸的負方
向平移而增加。
Slide 8
在約束條件下,
(i) P 在 (0, 0) 取得
其極小值。
P 的極小值 = 0
(ii) P 在 (0, 3) 取得
其極大值。
P 的極大值
=0+3
=3
Slide 9
你可留意到一個目標函數 P 會於可行解區域
的其中一個頂點取得其最優值。
Slide 10
所以,當要尋找一個目標函數
的最優值時,你可計算它在可
行解區域內的所有頂點的值。
Slide 11
課堂研習
(a) 把滿足下列約束條件的區域塗上陰影。
y 0
2 x 3 y 0
2 x y 4 0
(b) 根據 (a) 中的約束條件,求函數 P = x + y
的極大值。
Slide 12
(a)
Slide 13
(b) 在同一個坐標平面上,繪畫 x + y = 0 的圖
像。
Slide 14
隨著把直線 x + y =
0 沿 x 軸的正方向
平移, P 的值會不
斷增加,並在 (3, 2)
取得其極大值。
∴ P 的極大值
3 2 5