生产实际中遇到的线性规划问题常常是规模很大的，如果约束条件多到超过计算机容量 的程度，就会给求解造成困难。为了克服这一困难，对于大型问题，针对其具体结构，往往 可把它分解成几个较小问题来处理，这类方法称为分解算法

实际遇到的线性规划问题，大多是具有上界限制的问题（既有上界限制，又有下界限 制的问题，容易化成只有上界限制的问题）。它的一般形式如下：

由上一章定理 5，线性规划问题的最优解可以只限于在基可行解中去挑选。由于基可行 解有限,故原则上可采用枚举法。但从算法的角度看,这显然不是简便有效的。当 m、n 较大 时,根本行不通。事实上 m、n 在 100 左右的线性规划问题属于小型的

是一非线性方程组，可以动用求解非线性方程组的手段处理，不过这也是相当复杂的问题，何 况若 f x( ) 不可微，此路便行不通，故通常都采用使目标函数逐次下降的搜索方法

时装生产：在正式推向市场之前要有生产量 的决策：大量？小批量？由于市场需求是不 确定的，充满风险，问题：在了解到真实的 需求之前就先要决策了 决策分析干什么？ 虽面对若干种选择，但未来属于不确定或充 满风险，决策分析可用来帮助科学地作出最 佳策略，提供一种结构化、系统化思维方式 重点：掌握各种决策分析方法及计算

Markov 过程是随机过程研究的对象之一 运动是世界存在的本质，我们所关注的事物、 对象、目标等等，无不在变化中，其中大多数 还处在随机变化中 探讨随机运动的趋势、可能的结果，就是 Markov 过程的关注所在 重点：掌握 Markov 过程研究问题的思路和方 法

一、传统的库存策略通常是： 1、需求方根据有关信息做供应链下游需求预测 2、需求方向供应链上游供应方订货 3、将原材料囤积在仓库等待使用 问题：因为需求和供给市场的波动，会导致各种成本发生或不合理的增加

运输、指派和转运问题，实际上都可以用 L.P. 模型加以描述，所以可以认为它们是 L.P. 的特例 单列一章的原因在于：应用面极广，实践性 很强，而特有的数学结构使得人们设计出了 特别有效的方法对此类模型进行求解 本章的重点在：掌握表格化方法求解运输、 指派、转运问题的模型

一、 层次分析法（AHP法） 二、配载中的层次分析法模型 三、建立层次结构图 四、构造判断矩阵 五、求最大特征值及特征向量 六、层次排序与一致性检验

一、物流中心规模规划 为了体现物流中心规划对道路车流量的影响， 选用泊车位数量来表示其规模的大小。求解 最佳泊车位数，与求码头最优泊位数问题类 似，可以将码头最优泊位问题的求解方法作 为解决物流中心车位问题的参考