运筹学(整数规划)

运筹帷幄之中决胜千里之外运筹学课件整数线性规划IntegerLinearProgramming整数规划

(IntegerProgramming)整数规划的特点及应用整数规划算法分配问题与匈牙利法计算软件应用案例本章主要内容：整数规划的特点及应用整数规划（简称：IP）

要求一部分或全部决策变量取整数值的规划问题称为整数规划。不考虑整数条件，由余下的目标函数和约束条件构成的规划问题称为该整数规划问题的松弛问题。若该松弛问题是一个线性规划，则称该整数规划为整数线性规划。整数线性规划数学模型的一般形式：整数规划的特点及应用整数线性规划问题的种类：纯整数线性规划：指全部决策变量都必须取整数值的整数线性规划。混合整数线性规划：决策变量中有一部分必须取整数值，另一部分可以不取整数值的整数线性规划。

0-1型整数线性规划：决策变量只能取值0或1的整数线性规划。线性整数规划模型一般整数规划模型0-1整数规划模型混合整数规划模型一般整数规划模型îíì³³T为整数xxbAxtsxc,0..min

0-1整数规划模型îíì==³TnixbAxtsxci,...,2,1;1,0..min

混合整数规划模型整数规划的特点及应用整数规划的典型例子例1工厂A1和A2生产某种物资。由于该种物资供不应求，故需要再建一家工厂。相应的建厂方案有A3和A4两个。这种物资的需求地有B1,B2,B3,B4四个。各工厂年生产能力、各地年需求量、各工厂至各需求地的单位物资运费cij，见下表：B1B2B3B4年生产能力A12934400A28357600A37612200A44525200年需求量350400300150工厂A3或A4开工后，每年的生产费用估计分别为1200万或1500万元。现要决定应该建设工厂A3还是A4，才能使今后每年的总费用最少。整数规划的特点及应用解：这是一个物资运输问题，特点是事先不能确定应该建A3还是A4中哪一个，因而不知道新厂投产后的实际生产物资。为此，引入0-1变量：再设xij为由Ai运往Bj的物资数量，单位为千吨；z表示总费用，单位万元。则该规划问题的数学模型可以表示为：整数规划的特点及应用混合整数规划问题整数规划的特点及应用例2现有资金总额为B。可供选择的投资项目有n个，项目j所需投资额和预期收益分别为aj和cj（j＝1,2,..,n），此外由于种种原因，有三个附加条件：若选择项目1，就必须同时选择项目2。反之不一定项目3和4中至少选择一个；项目5,6,7中恰好选择2个。应该怎样选择投资项目，才能使总预期收益最大。整数规划的特点及应用解：对每个投资项目都有被选择和不被选择两种可能，因此分别用0和1表示，令xj表示第j个项目的决策选择，记为：投资问题可以表示为：整数规划的特点及应用例3指派问题或分配问题。人事部门欲安排四人到四个不同岗位工作，每个岗位一个人。经考核四人在不同岗位的成绩（百分制）如表所示，如何安排他们的工作使总成绩最好。工作人员ABCD甲85927390乙95877895丙82837990丁86908088整数规划的特点及应用设数学模型如下：要求每人做一项工作，约束条件为：整数规划的特点及应用每项工作只能安排一人，约束条件为：变量约束：背包问题背景案例模型背景邮递包裹把形状可变的包裹用尽量少的车辆运走旅行背包容量一定的背包里装尽可能的多的物品实例某人出国留学打点行李，现有三个旅行包，容积大小分别为1000毫升、1500毫升和2000毫升，根据需要列出需带物品清单，其中一些物品是必带物品共有7件，其体积大小分别为400、300、150、250、450、760、190、（单位毫升）。尚有10件可带可不带物品，如果不带将在目的地购买，通过网络查询可以得知其在目的地的价格（单位美元）。这些物品的容量及价格分别见下表，试给出一个合理的安排方案把物品放在三个旅行包里。

物品12345678910体积200350500430320120700420250100价格1545100705075200902030实例问题分析变量—对每个物品要确定是否带同时要确定放在哪个包裹里，如果增加一个虚拟的包裹把不带的物品放在里面，则问题就转化为确定每个物品放在哪个包裹里。如果直接设变量为每个物品放在包裹的编号，则每个包裹所含物品的总容量就很难写成变量的函数。为此我们设变量为第i个物品是否放在第j个包裹中约束条件包裹容量限制必带物品限制选带物品限制目标函数—未带物品购买费用最小模型特征—变量整数性要求来源

问题本身的要求引入的逻辑变量的需要性质—可行域是离散集合整数规划的特点整数规划的特点整数规划的特点整数规划的特点及应用整数规划问题解的特征：整数规划问题的可行解集合是它松弛问题可行解集合的一个子集，任意两个可行解的凸组合不一定满足整数约束条件，因而不一定仍为可行解。整数规划问题的可行解一定是它的松弛问题的可行解（反之不一定），但其最优解的目标函数值不会优于后者最优解的目标函数值。与线性规划的关系整数规划放松的线性规划可行解是放松问题的可行解最优值大于等于放松问题的最优值整数规划的特点及应用例4设整数规划问题如下首先不考虑整数约束，得到线性规划问题（一般称为松弛问题）。整数规划的特点及应用用图解法求出最优解为：x1＝3/2,x2=10/3，且有Z=29/6 现求整数解(最优解):如用舍入取整法可得到4个点即(1,3),(2,3),(1,4),(2,4)。显然，它们都不可能是整数规划的最优解。x1x2⑴⑵33(3/2,10/3) 按整数规划约束条件，其可行解肯定在线性规划问题的可行域内且为整数点。故整数规划问题的可行解集是一个有限集，如右图所示。其中(2,2),(3,1)点的目标函数值最大，即为Z=4。注释最优解不一定在顶点上达到最优解不一定是放松问题最优解的邻近整数解整数可行解远多余于顶点，枚举法不可取整数规划的特点及应用整数规划问题的求解方法：分支定界法和割平面法匈牙利法（指派问题）分支定界算法算法思想算法步骤算例注释算法思想隐枚举法求解放松问题最优值比界坏最优解为整数最优值比界好最优解为非整数最优值比界好分支边界分支舍弃分支定界法1）求整数规划的松弛问题最优解； 若松弛问题的最优解满足整数要求，得到整数规划的最优解,否则转下一步；2）分支与定界： 任意选一个非整数解的变量xi，在松弛问题中加上约束：xi≤[xi]和xi≥[xi]+1组成两个新的松弛问题，称为分枝。新的松弛问题具有特征：当原问题是求最大值时，目标值是分枝问题的上界；当原问题是求最小值时，目标值是分枝问题的下界。 检查所有分枝的解及目标函数值，若某分枝的解是整数并且目标函数值大于（max）等于其它分枝的目标值，则将其它分枝剪去不再计算，若还存在非整数解并且目标值大于(max)整数解的目标值，需要继续分枝，再检查，直到得到最优解。分支定界法的解题步骤：分支定界法例5用分枝定界法求解整数规划问题解：首先去掉整数约束，变成一般线性规划问题(原整数规划问题的松驰问题)LPIP分支定界法用图解法求松弛问题的最优解，如图所示。x1x2⑴⑵3(18/11,40/11)⑶21123x1＝18/11,x2=40/11Z=－218/11≈(－19.8)即Z也是IP最小值的下限。对于x1＝18/11≈1.64，取值x1≤1，x1≥2对于x2=40/11≈3.64，取值x2≤3，x2≥4先将（LP）划分为（LP1）和（LP2）,取x1≤1,x1≥2分支定界法分支：分别求出（LP1）和（LP2）的最优解。分支定界法先求LP1,如图所示。此时在B点取得最优解。x1＝1,x2=3,Z(1)＝－16找到整数解，问题已探明，此枝停止计算。x1x2⑴⑵33(18/11,40/11)⑶11BAC同理求LP2,如图所示。在C

点取得最优解。即:x1＝2,x2=10/3,Z(2)＝－56/3≈－18.7∵Z(2)<Z(1)＝－16∴原问题有比－16更小的最优解，但x2不是整数，故继续分支。分支定界法在IP2中分别再加入条件：x2≤3,x2≥4得下式两支：分别求出LP21和LP22的最优解分支定界法x1x2⑴⑵33(18/11,40/11)⑶11BACD先求LP21,如图所示。此时D在点取得最优解。即x1＝12/5≈2.4,x2=3,Z(21)＝-87/5≈-17.4<Z(1)=-16但x1＝12/5不是整数，可继续分枝。即3≤x1≤2。求LP22，如图所示。无可行解，故不再分枝。分支定界法在（LP21）的基础上继续分枝。加入条件3≤x1≤2有下式：分别求出（LP211）和（LP212）的最优解分支定界法x1x2⑴⑵33(18/11,40/11)⑶11BACDEF先求（LP211）,如图所示。此时在E点取得最优解。即x1＝2,x2=3,Z(211)＝－17找到整数解，问题已探明，此枝停止计算。求（LP212），如图所示。此时F在点取得最优解。即x1＝3,x2=2.5,Z(212)＝－31/2≈－15.5>Z(211)

如对LP212继续分解，其最小值也不会低于－15.5，问题探明,剪枝。分支定界法原整数规划问题的最优解为:x1=2,x2=3,Z*=－17以上的求解过程可以用一个树形图表示如右：LP1x1=1,x2=3Z(1)＝－16LPx1=18/11,x2=40/11Z(0)＝－19.8LP2x1=2,x2=10/3Z(2)＝－18.5LP21x1=12/5,x2=3Z(21)＝－17.4LP22无可行解LP211x1=2,x2=3Z(211)＝－17LP212x1=3,x2=5/2Z(212)＝－15.5x1≤1x1≥2x2≤3x2≥4x1≤2x1≥3＃＃＃＃分支定界法例6用分枝定界法求解解:先求对应的松弛问题（记为LP0）用图解法得到最优解X＝(3.57,7.14),Z0=35.7,如下图所示。分支定界法1010松弛问题LP0的最优解X=(3.57,7.14),Z0=35.7x1x2oABC分支定界法10x2oABCLP1LP234LP1:X=(3,7.6),Z1=34.8①②LP2:X=(4,6.5),Z2=35.5分支定界法10x1x2oABCLP1LP2134LP21:X=(4.33,6),Z21=35.336分支定界法10x1x2oACLP1346LP211:X=(4,6),Z211=34LP212:X=(5,5),Z212=355LP212分支定界法上述分枝过程可用下图表示：LP0:X=(3.57,7.14),Z0=35.7LP1:X=(3,7.6)Z1=34.8LP2:X=(4,6.5)Z2=35.5x1≤3x1≥4LP21:X=(4.33,6)Z21=35.33x2≤6LP211:X=(4,6)Z211=34LP212:X=(5,5)Z212=35x1≤4x1≥5LP22无可行解x2≥7分支的方法分支的方法定界当前得到的最好整数解的目标函数值分支后计算放松的线性规划的最优解★整数解且目标值小于原有最好解的值则替代原有最好解★整数解且目标值大于原有最好解的值则删除该分支其中无最优解★非整数解且目标值小于原有最好解的值则继续分支★非整数解且目标值大于等于原有最好解的值则删除该分支其中无最优解注释求解混合整数规划问题，只对整数变量分支，对非整数变量不分支。对0-1整数规划分支时小结学习要点：掌握一般整数规划问题概念及模型结构掌握分支定界法原理能够用分支定界法求解一般整数规划问题课后练习：算法思想算法步骤算例割平面算法算法思想由放松问题的可行域向整数规划的可行域逼近方法—利用超平面切除要求整数解保留放松问题最优值增加割平面生成方法条件--保留整数解删除最优解整数可行解最优基可行解割平面生成方法割平面生成方法割平面生成方法割平面生成方法割平面生成方法割平面生成方法正则解割平面生成方法算法步骤求放松问题的最优基可行解判断是否为整数解是停止得到最优解否在单纯性表中加入一行一列利用对偶单纯性算法求最优解算例(1,1.5)算例算例算例算例算例算例计算软件整数变量定义LinGo

一般整数变量:@GIN(variable_name);0-1整数变量：@BIN(variable_name);算例算例

max=3*x1+5*x2+4*x3;2*x1+3*x2<=1500;2*x2+4*x3<=800;3*x1+2*x2+5*x3<=2000;@gin（x1）;@gin（x3）;分配问题与匈牙利法指派问题的数学模型的标准形式： 设n个人被分配去做n件工作，规定每个人只做一件工作，每件工作只有一个人去做。已知第i个人去做第j件工作的效率（时间或费用）为Cij(i=1.2…n;j=1.2…n)并假设Cij≥0。问应如何分配才能使总效率（时间或费用）最高？设决策变量

分配问题与匈牙利法指派问题的数学模型为：分配问题与匈牙利法克尼格定理

:

如果从分配问题效率矩阵[aij]的每一行元素中分别减去(或加上)一个常数ui，从每一列中分别减去(或加上)一个常数vj，得到一个新的效率矩阵[bij]，则以[bij]为效率矩阵的分配问题与以[aij]为效率矩阵的分配问题具有相同的最优解。分配问题与匈牙利法指派问题的求解步骤：1)变换指派问题的系数矩阵(cij)为(bij)，使在(bij)的各行各列中都出现0元素，即从(cij)的每行元素都减去该行的最小元素；再从所得新系数矩阵的每列元素中减去该列的最小元素。2)进行试指派，以寻求最优解。在(bij)中找尽可能多的独立0元素，若能找出n个独立0元素，就以这n个独立0元素对应解矩阵(xij)中的元素为1，其余为0，这就得到最优解。分配问题与匈牙利法找独立0元素，常用的步骤为：从只有一个0元素的行开始，给该行中的0元素加圈，记作◎。然后划去◎所在列的其它0元素，记作Ø；这表示该列所代表的任务已指派完，不必再考虑别人了。依次进行到最后一行。从只有一个0元素的列开始（画Ø的不计在内），给该列中的0元素加圈，记作◎；然后划去◎所在行的0元素，记作Ø，表示此人已有任务，不再为其指派其他任务了。依次进行到最后一列。若仍有没有划圈的0元素，且同行(列)的0元素至少有两个，比较这行各0元素所在列中0元素的数目，选择0元素少这个0元素加圈(表示选择性多的要“礼让”选择性少的)。然后划掉同行同列的其它0元素。可反复进行，直到所有0元素都已圈出和划掉为止。分配问题与匈牙利法若◎元素的数目m等于矩阵的阶数n（即：m＝n），那么这指派问题的最优解已得到。若m<n,则转入下一步。3)用最少的直线通过所有0元素。其方法：

对没有◎的行打“√”；对已打“√”

的行中所有含Ø元素的列打“√”

；再对打有“√”的列中含◎元素的行打“√”

；重复①、②直到得不出新的打√号的行、列为止；对没有打√号的行画横线，有打√号的列画纵线，这就得到覆盖所有0元素的最少直线数l。注：l应等于m，若不相等，说明试指派过程有误，回到第2步，另行试指派；若l＝m<n，表示还不能确定最优指派方案，须再变换当前的系数矩阵，以找到n个独立的0元素，为此转第4步。分配问题与匈牙利法4)变换矩阵(bij)以增加0元素 在没有被直线通过的所有元素中找出最小值，没有被直线通过的所有元素减去这个最小元素；直线交点处的元素加上这个最小值。新系数矩阵的最优解和原问题仍相同。转回第2步。分配问题与匈牙利法例7有一份中文说明书，需译成英、日、德、俄四种文字，分别记作A、B、C、D。现有甲、乙、丙、丁四人，他们将中文说明书译成不同语种的说明书所需时间如下表所示，问如何分派任务，可使总时间最少？任务人员ABCD甲67112乙4598丙31104丁5982分配问题与匈牙利法解：1）变换系数矩阵，增加0元素。－52）试指派（找独立0元素）◎◎◎ØØ找到3个独立零元素但m=3<n=

4分配问题与匈牙利法3）作最少的直线覆盖所有0元素

◎◎◎ØØ√√√独立零元素的个数m等于最少直线数l，即l＝m=3<n=4；4）没有被直线通过的元素中选择最小值为1，变换系数矩阵，将没有被直线通过的所有元素减去这个最小元素；直线交点处的元素加上这个最小值。得到新的矩阵，重复2）步进行试指派分配问题与匈牙利法000000试指派◎◎◎ØØ◎得到4个独立零元素，所以最优解矩阵为：即完成4个任务的总时间最少为：2＋4＋1+8=15分配问题与匈牙利法例8已知四人分别完成四项工作所需时间如下表，求最优分配方案。任务人员ABCD甲215134乙1041415丙9141613丁78119分配问题与匈牙利法解：1）变换系数矩阵，增加0元素。◎Ø◎ØØ◎◎2）试指派（找独立0元素）独立0元素的个数为4,指派问题的最优指派方案即为甲负责D工作，乙负责B工作，丙负责A工作，丁负责C工作。这样安排能使总的工作时间最少，为4＋4＋9＋11＝28。分配问题与匈牙利法例9已知五人分别完成五项工作耗费如下表，求最优分配方案。任务人员ABCDE甲759811乙9127119丙85468丁73696戊467511分配问题与匈牙利法-1-2解：1）变换系数矩阵，增加0元素。分配问题与匈牙利法◎Ø◎◎◎ØØ2）试指派（找独立0元素）独立0元素的个数l＝4<5，故画直线调整矩阵。分配问题与匈牙利法◎Ø◎◎◎ØØ√√√选择直线外的最小元素为1；直线外元素减1，直线交点元素加1，其他保持不变。分配问题与匈牙利法◎Ø◎Ø◎Ø◎Ø√√√√√√√l=m=4<n=5选择直线外最小元素为1，直线外元素减1，直线交点元素加1，其他保持不变，得到新的系数矩阵。分配问题与匈牙利法◎ØØ◎ØØ◎Ø◎Ø◎总费用为=5+7+6+6+4=28注：此问题有多个最优解分配问题与匈牙利法◎ØØ◎ØØ◎Ø◎Ø◎总费用为=7+9+4+3+5=28分配问题与匈牙利法◎ØØ◎ØØ◎Ø◎Ø◎总费用为=8+9+4+3+4=28分配问题与匈牙利法课堂练习：用匈牙利法求解下列指派问题。练习1：练习2：分配问题与匈牙利法4821答案：分配问题与匈牙利法非标准型的指派问题：匈牙利法的条件是：模型求最小值、效率cij≥0。当遇到各种非标准形式的指派问题时，处理方法是先将其转化为标准形式，然后用匈牙利法来求解。分配问题与匈牙利法1.最大化指派问题处理方法：设m为最大化指派问题系数矩阵C中最大元素。令矩阵B＝（m-cij）nn则以B为系数矩阵的最小化指派问题和原问题有相同的最优解。例10

某人事部门拟招聘4人任职4项工作，对他们综合考评的得分如下表（满分100分），如何安排工作使总分最多。分配问题与匈牙利法解:M＝95，令用匈牙利法求解C’，最优解为：即甲安排做第二项工作、乙做第三项、丙做第四项、丁做第三项,最高总分Z＝92＋95＋90＋80＝357分配问题与匈牙利法2.不平衡的指派问题

当人数m大于工作数n时，加上m－n项虚拟工作，例如：

当人数m小于工作数n时，加上n－m个人，例如分配问题与匈牙利法3.一个人可做几件事的指派问题若某人可做几件事，则将该人化作相同的几个“人”来接受指派，且费用系数取值相同。例如：丙可以同时任职A和C工作，求最优指派方案。分配问题与匈牙利法4.某事一定不能由某人做的指派问题将该人做此事的效率系数取做足够大的数，可用M表示。例11分配甲、乙、丙、丁四个人去完成A、B、C、D、E五项任务。每个人完成各项任务的时间如表所示。由于任务数多于人数，考虑任务E必须完成，其他4项中可任选3项完成。试确定最优分配方案，使完成任务的总时间最少。任务人员ABCDE甲2529314237乙3938262033丙3427284032丁2442362345分配问题与匈牙利法解:1)这是不平衡的指派问题，首先转换为标准型，再用匈牙利法求解。2)由于任务数多于人数，所以假定一名虚拟人，设为戊。因为工作E必须完成，故设戊完成E的时间为M（M为非常大的数），其余效率系数为0，则标准型的效率矩阵表示为：任务人员ABCDE甲2529314237乙3938262033丙3427284032丁2442362345戊0000M分配问题与匈牙利法用匈牙利法求出最优指派方案为：即甲－B，乙－D，丙－E，丁－A,任务C放弃。最少时间为105。人力资源分配问题某个中型百货商场对售货人员（周工资200元）的需求经统计如下表

为了保证销售人员充分休息，销售人员每周工作5天，休息2天。问应如何安排销售人员的工作时间，使得所配售货人员的总费用最小？星期一二三四五六七人数12151214161819应用案例分析模型假设每天工作8小时，不考虑夜班的情况；每个人的休息时间为连续的两天时间；每天安排的人员数不得低于需求量，但可以超过需求量问题分析因素：不可变因素：需求量、休息时间、单位费用；可变因素：安排的人数、每人工作的时间、总费用；方案：确定每天工作的人数，由于连续休息2天，当确定每个人开始休息的时间就等于知道工作的时间，因而确定每天开始休息的人数就知道每天开始工作的人数，从而求出每天工作的人数。变量：每天开始休息的人数约束条件：

1.每人休息时间2天，自然满足。

2.每天工作人数不低于需求量，第i天工作的人数就是从第i-2天往前数5天内开始工作的人数，所以有约束：

3.变量非负约束：约束条件目标函数：总费用最小，总费用与使用的总人数成正比。由于每个人必然在且仅在某一天开始休息，所以总人数等于page113目标函数模型Globaloptimalsolutionfoundatiteration:9Objectivevalue:4400.000VariableValueReducedCostX15.0000000.000000X22.0000000.000000X38.0000000.000000X40.0000000.000000X54.0000000.000000X60.00000066.66667X73.0000000.000000结果

RowSlackorSurplusDualPrice14400.000-1.00000022.0000000.00000030.000000-66.6666740.0000000.00000050.000000-66.6666762.0000000.00000070.000000-66.6666780.000000-66.66667结果注解该问题本质上是个整数规划问题，放松的线性规划的最优解是个整数解，所以两规划等价。定义整数变量用函数@gin(x1)……@gin(x7);

0-1整数变量为@bin(x1)运输规划问题的数学模型例12某公司从两个产地A1、A2将物品运往三个销地B1,B2,B3，各产地的产量、各销地的销量和各产地运往各销地每件物品的运费如下表所示，问：应如何调运可使总运输费用最小？B1B2B3产量A1646200A2655300销量150150200运输规划问题的数学模型解：产销平衡问题：总产量=总销量＝500

设xij

为从产地Ai运往销地Bj的运输量，得到下列运输量表：B1B2B3产量A1x11x12x13200A2x21x22x23300销量150150200MinC=6x11+4x12+6x13+6x21+5x22+5x23

s.t.x11+x12+x13=200

x21+x22+x23=300

x11+x21=150

x12+x22=150

x13+x23=200

xij≥0(i=1、2；j=1、2、3）运输问题的应用生产与储存问题例13某厂按合同规定须于当年每个季度末分别提供10、15、25、20台同一规格的柴油机。已知该厂各季度的生产能力及生产每台柴油机的成本如右表。如果生产出来的柴油机当季不交货，每台每积压一个季度需储存、维护等费用0.15万元。试求在完成合同的情况下，使该厂全年生产总费用为最小的决策方案。季度生产能力/台单位成本/万元Ⅰ2510.8Ⅱ3511.1Ⅲ3011Ⅳ1011.3运输问题的应用解：设xij为第i季度生产的第j季度交货的柴油机数目，那么应满足：交货：

x11=10生产：x11+x12+x13+x14≤25

x12+x22=15x22+x23+x24≤35x13+x23+x33=25x33+x34≤30x14+x24+x34+x44=20x44≤10把第i季度生产的柴油机数目看作第i个生产厂的产量；把第j季度交货的柴油机数目看作第j个销售点的销量；设cij是第i季度生产的第j季度交货的每台柴油机的实际成本，应该等于该季度单位成本加上储存、维护等费用。可构造下列产销平衡问题：运输问题的应用

jiⅠⅡⅢⅣ产量Ⅰ10.810.9511.111.2525ⅡM11.1011.2511.4035ⅢMM11.0011.1530ⅣMMM11.3010销量1015252010070由于产大于销，加上一个虚拟的销地D，化为平衡问题，即可应用表上作业法求解。运输问题的应用该问题的数学模型：Minf=10.8x11+10.95x12+11.1x13+11.25x14+11.1x22+11.25x23 +11.4x24+11.0x33+11.15x34+11.3x44

jiⅠⅡⅢⅣD产量Ⅰ10.810.9511.111.25025ⅡM11.1011.2511.40035ⅢMM11.0011.15030ⅣMMM11.30010销量1015252030100100运输问题的应用

jiⅠⅡⅢⅣD产量Ⅰ1010525Ⅱ5003035Ⅲ201030Ⅳ1010销量1015252030100100最优生产决策如下表，最小费用z＝767.8万元。Globaloptimalsolutionfoundatiteration:4Objectivevalue:775.0000VariableValueReducedCostX1110.000000.000000