You are on page 1of 5

2-2 線性規劃

【目標】
能利用二元一次方程式的圖形,探索二元一次不等式與不等式組的解在坐標平面
上的圖形,進而利用圖解的方式,解決在有限個二元一次不等式的條件下,求一
次函數的最佳解,即簡易的線性規劃問題。
【定義】
1. 二元一次不等式:
當 x, y 為未知數,而 a, b, c 是常數,且 a, b 不全為 0 時, ax  by  c  0 是二元
一次方程式,其中的等號「  」若改成不等號「  」,「  」,「  」,或「  」
時,就是二元一次不等式。
註:
由一元或二元表示出來的一次不等式都可視為二元一次不等式,所有的一元
不等式也都可稱為線性不等式。
2. 二元一次不等式的圖解:
在坐標平面上,設直線 L : ax  by  c  0 。
(1)平面上任一點 P ( x 0 , y 0 ) 在直線 L 上  ax0  by0  c  0 。
(2)若 a  0 ,則 L 右側的點 ( x, y) 滿足 ax  by  c  0 ,
L 左側的點 ( x, y) 滿足 ax  by  c  0 。
證明:
如圖,
令過點 P ( x 0 , y 0 ) 的水平線交直線 L 於點 P ' ( x1 , y0 ' ) ,
點 P ( x 0 , y 0 ) 在直線 L 的右邊
 點 P ( x 0 , y 0 ) 在點 P ' ( x1 , y0 ' ) 的右邊
 x0  x1
 ax0  by0  c  ax1  by0 'c
 ax0  by0  c  0
(3)若 b  0 ,則 L 上方的點 ( x, y) 滿足 ax  by  c  0 ,
L 下方的點 ( x, y) 滿足 ax  by  c  0 。
證明:
令過點 P ( x 0 , y 0 ) 的鉛直線交直線 L 於點 P ' ( x 0 ' , y 0 ' ) ,
點 P ( x 0 , y 0 ) 在直線 L 的上方
 點 P ( x 0 , y 0 ) 在點 P ' ( x 0 ' , y 0 ' ) 的上方
 y0  y0 '
 ax0  by0  c  ax0 'by0 'c
 ax0  by0  c  0
註:
在坐標平面上,畫出二元一次不等式的圖解時,可以配合畫出實線(含邊界)
或虛線(不含邊界),以及斜線,如此可以標出代表的區域範圍。

13
3. 二元一次不等式組:
在坐標平面上,二元一次不等式組的圖形為其中各不等式所表半平面的重疊
區域。
4. 格子點:
x 坐標與 y 坐標都是整數的點稱為格子點。
註:
若不等式組的可能解在一個封閉區域內,且可能解的 x, y 都是整數時,可以
一一點算。

14
【定義】
1. 線性規劃:
若一個應用問題涉及變量 x, y ,且 x, y 受到幾個一次不等式的限制,又 k 是
一個 x 與 y 的一次函數,則求 k 的最大值或最小值的問題,就稱為線性規劃。
2. 可行解區域與目標函數:
那些不等式所成不等式組的圖形,稱為可行解區域,函數 k 稱為目標函數。
在可行解區域中的一個點,表示滿足不等式組的一個解 ( x, y ) ,它是一個可
行的方案。線性規劃就是要在所有可行的方案中,找出函數 k 的最大值或最
小值。
3. 最大值與最小值:
直線 ax  by  c  k 隨 k 變化而平行移動,使此類直線通過可行解區域之最大
k 值即為目標函數的最大值,而最小 k 值即為目標函數的最小值,最大值與
最小值若存在都會發生在可行解區域的頂點。
4. 最佳解:
滿足條件之最佳數對。
5. 等值線:
對於任意 ( x, y) 代入後,函數值相等之直線。
註:
1. 常會忽略 x  0, y  0 的條件。
2. 如果一個線性規劃問題有最佳解時,其最佳解可能在頂點或可行解區域的邊
界上,即使是在邊界上,它也包含了兩個頂點,因此處理問題時只需考慮頂
點即可。
3. 如果我們處理的線性規劃問題的變數必須是整數,當可行解區域的端點可使
目標函數的值最小,而此端點不是格子點時,我們必須在這點附近的可行區
域內找出最適當的格子點。
【求法】
1. 平行線法:
假設 k  ax  by  c ,當給定一個 k 值時,方程式 ax  by  c  k 的圖形是一條直
線, k 值變動時,此直線平行移動到不同位置。故適當平行移動該直線通過
可行解區域,便可取得 k 的最大值或最小值,這種方法稱為平行線法。
2. 頂點法:
只由於目標函數的最大值或最小值如果存在,必定發生在可行解區域的頂
點,所以只要檢查各頂點的 k 值,即可得 k 的最大值或最小值,這種方法稱
為頂點法。
註:
此為由平面線性規劃推展到一般線性規劃的單純形法(simplex method)。兩個
變量的線性規劃,有時僅憑直觀即可窺得其解。事實上,線性規劃可以處理
三個變量,甚至更多變量的問題,其基本原理相同,但較複雜,不在討論範
圍。

15
【範例】
1. 利用 A, B 兩種不同規格的卡紙,製作大﹑中﹑小三種卡片,每張 A 卡紙,
可裁製大卡片 7 張,中卡片 3 張,小卡片 3 張;每張 B 卡紙,可裁製大卡片 2
張,中卡片 2 張,小卡片 5 張。已知 A 卡紙每張 120元, B 卡紙每張 100元,
若想製成大卡片至少 28 張,中卡片至少 21 張,小卡片至少 30 張,應使用 A, B
卡紙各幾張,可使費用最少,又最少費用為何?
解答:
依題意列表:
卡片
大 中 小 價格(元)
卡紙
A 7 3 3 120
B 2 2 5 100
需求(張) 28 21 30
當使用 A 卡紙 x 張, B 卡紙 y 張時,
x, y 必須是整數,
7 x  2 y  28
3 x  2 y  21

且需滿足 3x  5 y  30 ,
x  0

 y  0
畫出不等式組所定的可行解區域,
如圖,

又設總費用為 k 元,則 k  120 x  100 y ,


6
當 k 值給定時, 120 x  100 y  k 是斜率為  的直線,
5
3 3
它的斜率介於  及  之間,
5 2
所以傾斜度介於 3x  5 y  30 與 3x  2 y  21 之間。
直線 120 x  100 y  k 往左平行移動時, k 值減小。
它通過可行解區域而使 k 最小時,經過頂點 P(5, 3) 。
此時, k  120  5  100  3  900 。
故使用 A 卡紙 5 張, B 卡紙 3 張時,
費用為 900 元,達到最少。

16
2. 在 上 例中 ,若 A 卡紙改為每張 200 元, 其他條件皆不變 , 則總費用為
k  200x  100y  100(x2 y 。)
當 k 值給定時,
直線 200 x  100 y  k 的斜率為 2 ,
此直線通過可行解區域而使 k 值最小時,
7 63
經過點 Q( , ) ,如圖所示。
4 8

但依題意, x, y 應為整數,
即可行解區域中的格子點才是可行方案。
7 63
將x , y 代入 2x  y ,
4 8
7 63 91 3
得 2     11 ,
4 8 8 8
3
故可行解區域中的每個點 ( x, y) 都滿足 2 x  y  11 ,
8
而其中的格子點滿足 2 x  y  12 。
若可行解區域內有滿足 2 x  y  12 的格子點 ( x, y) ,
則 k  100  12  1200 為最小值,
7
由於點 Q 的 x 坐標為  1.75 接近整數 2 ,
4
取 x  2 ,代入 2 x  y  12 ,得 y  8 ;
再代 x  3 ,得 y  6 。
以 ( x, y)  (2, 8) 或 (3, 6) ,用不等式組檢驗,
這兩個格子點確實都在可行解區域內
(而 (1,10), (4, 4) 雖符合 2 x  y  12 ,但用不等式組檢驗,已超出可行解區域)。
故使用 A 卡紙 2 張, B 卡紙 8 張,或 A 卡紙 3 張, B 卡紙 6 張,
總費用皆為 1200元,達到最少。
如果在可行解區域內沒有滿足 2 x  y  12 的格子點,
可繼續在直線 2 x  y  13 , 2 x  y  14 ,…上找滿足條件的格子點,
就可以求得最小值。

17