敏感性分析： 除最优解外，为决策者提供有价值的额外信息 计算机求解： 解决两个以上变量 L.P. 问题

L.P. 模型因其应用极广、方法成熟，已被证 明是 OR 中最成功的定量方法 本章尝试利用 L.P. 模型解决经济、金融、管 理中的一些问题 要点：L.P. 模型应用的广度？建立 L.P. 模型 的一般思路是？别人是如何考虑问题的？虽 然例子可能很简单 不要忘了：非负约束始终是L.P. 模型的特征 之一

L.P. 问题中变量个数多于 2 时，图解法失效 即使是计算机求解，首先也要有有效算法，然 后才可能利用程序去实现它 单形法，是 L.P. 问题算法之基础。本质上，它 是代数方法，可以用线性代数的理论证明方法 的合法性，清楚地说明算法背后的“为什么” 。由于课时限制我们不准备这么做，将把有限 的精力和时间浅尝辄止：了解算法本身的使用 ，并不证明“为什么”

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

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

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

虽然用途广泛，但经常地，客观上要求 L.P.最优解中不能含有非整数值（如股票 的购买之解答），整数规划就是专门用来 求解这类问题的有效工具 重点掌握：0-1 规划灵活应用、分枝定界 法

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

第1节 基本概念 1.1 引言 1.2 极值问题 1.3 凸函数和凹函数 1.4 凸规则 1.5 下降迭代算法 第2节 一维搜索 2.1 斐波那契(Fibonacci)法 2.2 0.618法(黄金分割法) 第3节 无约束极值问题的解法 3.1 梯度法(最速下降法) 3.2 共轭梯度法 3.3 变尺度法 3.4 步长加速法