La programmation linéaire est le domaine des mathématiques concernées par la maximisation ou minimisation des fonctions linéaires sous contraintes. Un problème de programmation linéaire comprend une fonction et des contraintes objectives. Pour résoudre le problème de la programmation linéaire, vous devez répondre aux exigences des contraintes d`une manière qui maximise ou minimise la fonction objectif. La capacité à résoudre des problèmes de programmation linéaire est important et utile dans de nombreux domaines, y compris les opérations de recherche, les entreprises et l`économie.
Choses que vous devez
- Papier millimétré
Graphiquement la région réalisable de votre problème. La région réalisable est la région dans l`espace défini par les contraintes linéaires du problème. Par exemple, si votre problème contient les inégalités x + 2y gt; 4, 3x - 4y lt; 12 x gt; 1 et y gt; 0, vous tracer le graphe de l`intersection de ces régions que votre région réalisable.
Trouver les points de la région de coin. Si votre problème est résoluble, il y aura des points visibles pointus, ou des coins, dans votre région. Marquer ces points sur votre graphique.
Calculer les coordonnées de ces points. Si vous Graphed la région ainsi possible, vous serez souvent en mesure de connaître immédiatement les coordonnées des points d`angle. Sinon, vous pouvez les calculer à la main en remplaçant vos inégalités dans l`autre et résoudre pour x et y. Dans l`exemple donné, vous trouverez (4,0) est un point d`angle, ainsi que (1,1.5).
Remplacer ces points d`angle dans la fonction objective du problème de la programmation linéaire. Vous aurez autant de réponses que vous faites des points d`angle. Par exemple, supposons que votre fonction objectif est de maximiser la fonction x + y. Dans cet exemple, vous aurez deux réponses: l`une pour le point (4,0) et un pour le point (1,1.5). Les réponses de ces points donnent sont 4 et 2,5, respectivement.
Comparez toutes vos réponses. Si votre fonction objectif est l`une de maximisation, vous inspectez vos réponses pour trouver le plus grand. De même, si votre fonction objectif est une minimisation, vous inspectez vos réponses, à la recherche de la plus petite. Dans notre exemple, puisque la fonction objectif est le but de maximisation, le point (4,0) résout le problème de la programmation linéaire, ce qui donne une réponse de 4.
