欢迎来到线性规划 (Linear Programming)！
你好！欢迎来到决策数学 (Decision Mathematics) 中最实用的章节之一。线性规划本质上就是一门关于“做出最佳选择”的艺术。想象你在经营一家企业：你希望利润最大化，但你的资金、时间和原材料却是有限的。你该如何精确决定每种产品的产量？这正是我们要解决的问题！
在本单元中，我们将学习如何将现实生活中的“文字题”转化为数学模型，并利用图表来找出完美的解决方案。如果刚开始觉得步骤繁多，请不用担心——一旦你掌握了当中的节奏，这会变得非常有逻辑。
基础技能快速复习：在开始之前，请确保你已熟悉以下内容：
- 绘制直线图形 (例如 \(y = 2x + 3\))。
- 理解不等式，例如 \(x + y \le 10\)（这意味着总和可以是 10 或更小）。
1. 建立模型 (Formulating a Problem)
在我们解题之前，必须先将题目从文字“翻译”成数学语言。这个过程称为建立模型 (Formulation)。
三个基本构成要素
每一个线性规划 (LP) 模型都需要三个要素：
- 决策变量 (Decision Variables)：这是你试图决定的对象，我们通常称之为 \(x\) 和 \(y\)。
例子：设 \(x\) 为标准椅的数量，\(y\) 为豪华椅的数量。 - 目标函数 (Objective Function)：这是你的目标。你想极大化 (Maximize)利润还是极小化 (Minimize)成本？
例子：极大化 \(P = 10x + 15y\)（其中 10 元和 15 元分别是每张椅子的利润）。 - 限制条件 (Constraints)：这些是“规则”或限制。你不能无限量生产椅子！你会受到工时、木材或机器时间的限制。
例子：\(2x + 3y \le 60\)（意味着你只有 60 小时的劳动力）。
你知道吗？
线性规划中的“线性”意味着我们所有的变量 (\(x\) 和 \(y\)) 次方皆为 1。你不会在这里看到 \(x^2\) 或 \(xy\)！
“非负”限制 (Non-Negativity Constraint)
在现实世界中，你不可能生产负 5 张椅子。因此，几乎每个问题都必须包含：
\(x \ge 0, y \ge 0\)
千万别忘了这些！阅卷员经常会因为写下这些条件而给分。
总结要点：建立模型就是利用变量 (\(x\) 和 \(y\)) 将文字转化为一个目标 (目标函数) 和一套规则 (限制条件)。
2. 图解法 (Graphical Solutions)
一旦有了不等式，我们将其绘制在图表上，以找出满足所有规则的“安全区域”。这个区域称为可行区域 (Feasible Region)。
步骤拆解：绘制可行区域
- 将不等式视为方程式：要绘制 \(x + y \le 10\) 的直线，首先画出 \(x + y = 10\)。
- 找出两个点：最简单的方法是令 \(x = 0\) 找出 \(y\)-截距，令 \(y = 0\) 找出 \(x\)-截距。
- 涂掉“不想要的”区域：在 Edexcel D1 的惯例中，通常是涂掉不满足不等式的那一侧。这样留下来中间洁白的部分就是可行区域 (R)。
- 标记区域：请务必在你最终的空白区域标上一个大写字母 R。
类比：夜店门口的保镖
将每一个限制条件想象成一名保镖。一位保镖说“你必须年满 18 岁”，另一位说“你必须系上领带”。可行区域就是那个让所有人都符合所有规定的舞池。如果你违反了其中任何一条规则，你就会被涂掉而无法进入！
快速复习：
- \(\le\) 代表我们想要的区域位于直线的下方或左侧。
- \(\ge\) 代表我们想要的区域位于直线的上方或右侧。
3. 寻找最佳点 (Finding the Optimal Point)
“最佳”解决方案 (最佳解, Optimal Solution) 总是位于可行区域的其中一个“顶点”(vertices) 上。有两种主要方法可以找到它：
方法 A：顶点法 (Vertex Method)
这是“穷举法”。
1. 找出可行区域 R 的每一个顶点坐标。
2. 将每个 \((x, y)\) 坐标代入你的目标函数。
3. 得到最高值（若为极大化）或最低值（若为极小化）的那个点就是你的赢家！
方法 B：目标线法 (Objective Line/Ruler Method)
这通常比较快，也能展现你对数学的深度理解！
1. 为你的目标选择一个“随机”目标值 (\(k\))。如果你的目标是 \(P = 10x + 20y\)，试着画出直线 \(10x + 20y = 200\)。
2. 用直尺画出这条“搜索线”（通常画成虚线）。
3. 平移你的直尺，使其与该线平行并在图表上移动：
- 对于极大化 (Maximize)：直尺在离开可行区域前接触到的最后一个点就是最佳点。
- 对于极小化 (Minimize)：直尺在进入可行区域时接触到的第一个点就是最佳点。
常见错误：请避开
使用尺规法时，请确保你的直尺始终与原始虚线保持完全平行。如果倾斜了一点点，你可能会指向错误的顶点！
总结要点：你不需要检查区域内的每一个点，只需要检查顶点即可。“目标线”就像是一台扫描器，帮你找出最棒的那个角落。
4. 整数解 (Integer Solutions)
有时候，“纯数学”算出的答案可能是 \(x = 5.2, y = 3.8\)。但如果 \(x\) 和 \(y\) 代表人或车，你不可能拥有 0.2 个人！这时候就需要整数解。
如何找到它们：
- 使用上述方法先算出精确（小数）的最佳点。
- 观察该点周围的整数坐标。
- 关键规则：你必须检查这些附近的整数点是否真的在可行区域内。一个点可能很接近，但如果它违反了某个限制，就不被允许！
- 将合法的整数点代入目标函数，看看哪一个最优。
例子：
如果你的最佳解是 \((2.9, 4.1)\)，你可能会检查 \((2, 4)\)、\((3, 4)\)、\((3, 5)\) 等点。如果 \((3, 4)\) 位于涂黑区域外，你就必须舍弃它，转而尝试下一个最接近的点。
总结要点：如果题目要求整数，先算出“数学”答案，然后在允许范围内“侦察”附近的网格交点。
章节总结清单
在开始练习题之前，请确保你能够：
- 从一段文字中辨识决策变量、目标函数和限制条件。
- 务必包含非负限制 (\(x, y \ge 0\))。
- 准确绘制直线并涂掉不符合的一侧。
- 将可行区域标记为 R。
- 使用目标线（直尺）来找出最佳顶点。
- 若情境要求整数，请务必检查整数点。
如果刚开始觉得棘手，请别担心！你画的图越多，可行区域看起来就会越“自然”。你一定做得到的！