角点法计算器

通过计算可行域角点的目标值,求解二元线性规划问题。

线性规划角点法
输入一个目标函数和两个小于等于约束。

计算器还会应用非负条件:x 大于等于零,y 大于等于零。

关于角点法

线性规划是在满足线性约束的前提下优化线性目标。在包含两个决策变量的问题中,每个不等式代表坐标图上的一个半平面,它们的公共区域就是可行域。当可行域有界且非空时,目标函数的最大值或最小值会在一个或多个角点处取得,角点也称顶点或极点。角点法利用这一性质,将连续搜索转化为对有限个点的计算。 本计算器接受 cx 乘以 x 加 cy 乘以 y 形式的目标函数,以及两个 ax 乘以 x 加 by 乘以 y 小于等于某上限的约束。它还强制应用标准非负条件,因此 x 和 y 都不能为负。候选顶点来自原点、两条坐标轴上的截点,以及两条约束边界直线的交点。不满足任一不等式的候选点都会被剔除。 找出可行角点后,计算器将各点代入目标函数。最大化时保留最大值,最小化时保留最小值。显示的角点列表便于核对比较过程。如果相邻的两个顶点具有相同的最优目标值,它们之间线段上的每个点也都是最优解,即使简洁结果中只列出了其中一个顶点。 图解法尤其适用于生产计划、资源分配、配餐模型和运筹学入门。决策变量可以表示产品数量、工时或材料用量。约束系数描述每项决策如何消耗有限资源,目标系数则表示利润、成本、时间或其他绩效指标。 建立正确模型与准确计算同样重要。请确认各约束使用相容的单位,且不等号方向符合实际限制。本计算器专门处理两个小于等于约束及非负条件。包含大于等于或等式约束的问题可能需要代数转换,也可能产生本输入形式无法表示的可行域。 角点法不能代替大型模型中的单纯形法,但能清楚展示其几何原理,也可快速核对手绘可行域。为便于阅读,小数结果保留六位。若系数能得出精确分数,正式计算时请保留分数,避免舍入误差累积。

角点法示例

问题最优点目标值
最大化 3x + 2y;x + y 至多为 4;x 至多为 2(2, 2)10
最大化 x + 4y;x + y 至多为 5;2x + y 至多为 8(0, 5)20
最大化 2x + y;x + y 至多为 6;x + 2y 至多为 8(6, 0)12

如何寻找最优角点

  1. 选择将目标函数最大化还是最小化。
  2. 输入目标函数中 x 和 y 的系数。
  3. 为每个小于等于约束输入两个系数及右侧上限。
  4. 选择“寻找最优角点”,生成并检验可行顶点。
  5. 比较最优点、目标值和完整的可行角点列表。

常见问题

为什么最优值会在角点处取得?

线性目标函数具有相互平行的等值线。将等值线平移穿过凸可行多边形时,会在边界顶点或边上取得极值。因此,对于有界可行域,检查所有顶点即可。

计算器支持哪些约束?

支持两个二元线性小于等于约束,并自动要求两个变量非负。其他不等式形式需在保持原可行域不变的前提下转换后输入。

如果两个角点具有相同最优值怎么办?

计算器会显示其中一个最优角点。如果相邻角点并列最优,连接它们的可行边上的每个点也都最优。

线性规划可能没有可行解吗?

可能,约束之间可能相互矛盾,导致没有点能同时满足所有约束。本输入形式在上限非负时通常包含原点,但不同约束方向可能导致不可行。

候选角点如何生成?

计算器检验原点、有效的坐标轴截点以及两条边界直线的交点,然后剔除所有位于非负可行域之外的点。