运筹复习攻略

发布 2022-09-15 05:51:28 阅读 6340

总共分为十个问题。参考书清华大学第三版《运筹学》

1)用**法或单纯形法解线性规划问题,参考第1章线性规划与单纯形法的第节。20-32页。

2)网络图分为三个小的方面,参考第10章图与网络优化的第节。255-276页。

3)网络计划图,画项目流程图,因为只需要求关键路径,所以只需要看第11 章网络计划的第1节就可以了。286-290页。

4)0-1混合整数规划,因为只需建模不需要求解,参考第 5 章整数规划的第4节。122-126。

5)零和博弈,会求有最优策略的零和博弈。参考第 14 章对策论基础的第2节。380-393。

6)在各种准则下作决策,参考第 15 章单目标决策的第节。416-415页。

7)会画决策树,根据决策树得出最优决策。参考第 15 章单目标决策第6节。428-431。

8)库存策略,会求不缺货情况下eoq,根据成本会比较企业要不要采用eoq。参考第 13 章存储论的第2节。346-358页。

9)凸集证明。课本第一章有点,第6 章无约束问题的第1节。133-146页。

10)运输问题,掌握产销平衡情况下的运输问题,参考第3 章运输问题的第节。78-89页。

下面是整理的一些例题,大多是课本截图,有点乱,最好还是根据上面的参考直接看课本吧。

所有内容仅供参考。

分析:**法比较简单,建完模之后,只要画出约束区域,然后平移目标函数直线就可以。

单纯形法要麻烦些,需要在建模之后,根据要求画出初始单纯形表,根据检验数判断是否为最优解,如果所有非基变量的检验数都为非正,则当前解是最优解,结束算法;如果存在非基变量的检验数为正,则选择最大的检验数所对应的非基变量为进基变量,选择θ= min所对应的变量为出基变量,然后再根据新的单纯性表的非基变量的检验数是否全为非正判断是否为最优解。

举例: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及a、b 两种原材料的消耗, 如表1-1 所示。

表1-1该工厂每生产一件产品ⅰ可获利2 元, 每生产一件产品ⅱ可获利3 元, 问应如何安排计划使该工厂获利最多? 这问题可以用以下的数学模型来描述, 设x1 、x2 分别表示在计划期内产品ⅰ、ⅱ的产量。因为设备的有效台时是8 , 这是一个限制产量的条件, 所以在确定产品ⅰ、ⅱ的产量时, 要考虑不超过设备的有效台时数。

建模如下:

**法:虚线代表目标函数,最优点为q2(4,2),最优值为14.

表 1-3初始单纯形表。

看到x2和x3的检验数都大于零,说明不是最优解,进行迭代。

还有大于零的检验数,继续迭代。

所有非基变量的检验数都为非正了,此解为最优解x=(4,2,4,0,0)t,最优值为14.

参考内容见下:

分为3个小的问题:(1)最短路径(2)最小支撑树(3)最大流建模。

一个无圈的连通图称为树。有破圈法和避圈法两种方法求解最小支撑树。最小支撑树问题就是要求给定连通赋权图g的最小支撑树。

因为只是求解零和博弈即可,所以只需掌握最大最小值和最小最大值方法即可。

要解决的问题是: 多少时间补充一次, 每次补充的数量应该是多少。决定多少时间补充一次以及每次补充数量的策略称为存储策略。

常见的策略有三种类型。

1 ) t0 -循环策略, 每隔t0 时间补充存储量q。

2 ) s, s)策略, 每当存储量x > s 时不补充。当x≤ s 时补充存储。补充量q=s-x

即将存储量补充到s)。

3) (t, s, s) 混合策略, 每经过t 时间检查存储量x , 当x > s 时不补充。当x≤ s 时, 补充存储量使之达到s。

考研复习攻略

考研英语的复习。网络上关于考研英语的复习方法有很多,大部分都是分类,完型 阅读 新题型 翻译 作文,我想我也免不了要落入俗套,但是,很重要的是,我有一个前提 一定要自己分析真题,一类一类地分析真题!个人观点 考研英语,手里只要有考研词汇书和一套英语历年真题及解析,就足够了。1.词汇。我背词汇的时候也...

物理复习攻略

2 课上打开书,边听,边看书,边思考,对照老师讲解与书本陈述异同点,深入理解,达到最佳的学习效果。3 课后看书,将课本中重要概念 规律 定义和公式进一步理解,读书的过程就是对物理知识深入理解的过程,也是加强记忆的过程,在此基础上再做题,必将提高做题速度和正确率。2 听好课是学好物理的关键。课堂教学是...

运筹学复习

有四项工作要甲 乙 丙 丁四个人去完成,每项工作只允许一个人去完成,每个人只完成其中一项工作。已知每个人完成各项工作的时间如下表所示,问应指派哪个人去完成哪项工作才能使总的消耗时间为最少?最优方案为 甲 工作1,乙 工作4,丙 工作3,丁 工作2例试将下面线性规划问题。min z x1 2x2 3x...