2018年上海海事大学经济管理学院809运筹学考研仿真模拟五套题
● 摘要
一、简答题
1． 简述目标规划单纯形法求解的基本思想。
【答案】第一步，建立初始单纯形表，在表中将检验数行按优先因子个数分别列成K 行，置k=l;
第二步，检查该行中是否存在负数，且对应的前k 一1行的系数是零。若有负数取其中最小者对应的变量为换入变量，转第三步。若无负数。则转第五步;
第三步，按最小比值规则确定换出变量，当存在两个和两个以上相同的最小比值时，选取具有较高优先级别 的变量为换出变量;
第四步，按单纯形法进行基变换运算，建立新的计算表，返回第二步;
第五步，当k=K时，计算结束。表中的解即为满意解。否则置k=k+l，返回到第二步。
2． 在解决实际问题时应如何运用启发式策略? 除本书上列出的几个启发式策略之外，你认为还有什么样的策略可以使用?
【答案】在解决实际问题时，可根据实际问题的性质和要求来选用某一启发式策略; 为得到理想效果，也可将几个策略联合起来使用。除本书上列出的几个启发式策略之外，还有计算机仿真、模拟策略、类比策略、近似策略等可以使用。
3． 说明本书所述货运车辆优化调度算法的原理和求解步骤，并绘出求解过程框图。请简要回答以下问题。
（1）若有两种车型的车可用，书中提出的模型应怎样修改? 在书中所提算法的启发下，试拟定出一套求解的迭代步骤。
（2）你认为应如何将书中提出的模型和算法推广到多目标的情形。
【答案】①货运车辆优化调度算法的原理:最小费用最大流原理。求解步骤为:a. 仅考虑重载点，运用表上作业法求出最优解作为原问题的可行解; b. 进行解的扩展和解的收缩，直至得到可接受的可行解; c. 以该可接受的可行解为依据确定初始行车线路; d. 根据具体约束条件进行调整，直至得到最优行车路线。求解过程框图如图所示。
图
（2）修改后的迭代算法即神经网络（neural networks）算法。
①建立结合矩阵:将车辆经过的点包括源点看成神经网络的结点，即神经元，令神经元数目为Ni 神经元 和j 神经元的结合权值为，j 神经元的输出为r j 。
②将车辆调度的各种约束条件转化为约束能量函数为E 约。
③神经网络计算:令时刻t 神经元i 的输出为r i （t ），且r i （t ）只能取0或1，令神经元i 的阈值为Q i ，则输出能量
为
，其中，因此总的能量函数
为，则该网络相对处于稳定状态。由于如果，且E 有界，系统必
趋向一个比较好的稳定状态，再把此稳定状态时r i （t ） 形成换位阵中元素为l 的结点连接起来，形成所求的最满意车辆调度线路。
④根据所形成的最满意线路来选择车辆调度方案。
（3）推广到多目标情形:车辆优化的目标函数可以有很多个，如总运费最小，司机总的驾驶时间最短，车 辆满载行驶的时间最长等; 而约束条件，如路径的最大输入输出流、车载量、发车和收车约束等。也可以加入惩 罚算子将约束条件转化为惩罚函数，利用多目标方法进行求解。
二、综合题
4． 求下述线性规划问题目标函数z 的上界
其中
【答案】（l ）要求z 的上界
在上述问题的第一个约束条件中加入松弛变量x 3，第二个约束条件左右两边同时除以2再加入松弛变量x 4，得到该线性规划问题的标准型
单纯形法的计算过程如表所示。
表
，则c 1，c 2，b l ，b 2应取其最大值; a ll ，a 12，a 21，a 22应取其最小值，此时，得到的线性规划问题为
和下界
解得最优解
（2）要求z 的下界
时，得到的线性规划问题为
，目标函数z 的上界=21。 ，则c l ，c 2，b 1，b 2应取其最小值; a 11，a 12，a 21，a 22应取其最大值，此