4.1 基本概念 4.2 风险型决策

2.1 动态规划的基本概念与方法 2.2 动态规划应用举例

中每行、每列都至少有一个0。显然如能找到运输问题的一个可行解X,具下述性质: 所有X>0的地方,运费C=0,则这个可行解一定是最优解。 那么如何找具有上述性质的可行解呢?设想在C1=0的地方A与B有一条边相连,对有边相 连的二点实行足量分配,可得一方案

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

线性规划中所使用的数据,大多是些估计值,有的不够准确，这就需要研究当对某些数据作稍许改变 时，最优解是否变化?如何变化?更何况实际情况还常有变动，特别经济问题是如此,象产品价格的变动,资 源限制数的增减，约束条件的增减，变量的增减等等。这势必影响最优解和最优值。可见充分利用原最优 表，分析最优解对某些数据变化的反应程度即灵敏度是十分必要的，同时也避免了因条件的些许改变而去 从头求解，故灵敏度的分析亦称最优化后分析

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

若非线性规划的目标函数为自变量 n x R  的二次函数，约束条件又是线性的，就称这 种规划为二次规划。二次规划是非线性规划中比较简单的一类，它较容易求解，由于许多方 面的问题都可以抽象成二次规划的模型，下面的分析表明它和线性规划又有直接联系，因此 受到较为广泛的关注

这类问题的求解方法在数学分析中已解决，即 Lagranger 乘数法， 先作简要复述

（一）非线性规划的例子 在决策和物理等科学中常常提出含有非线性函数的优化问题，请看下面的几个例子。 例 1、某饲养场拟建一排五间的猪舍，平面布置如图 1 所示。由于资金及材料的限制，围墙和 隔墙的总长度不能超过 54 米，为使猪舍面积最大，应如何选择长宽尺寸？

两种流行的商业经营模式：以预测为基础或、以 快速响应为基础 预测为基础－－比较适合于中长期规划、资本安 排、战略层面思考 人口、收入、GDP 增长预测，直接影响外资进入 快速响应基础－－适合于日常运作的决策 各国利率的变化，会影响国际投机资本的运动 市场需求的变化，影响商品配送工作，影响价格 即使是日常运作，如“延迟”策略，更需要总量预测