《约束矩阵A的改变》教学设计-大学本科运筹学

《约束矩阵A的改变》教学设计——大学本科运筹学一、教学目标设计（一）知识与技能目标1.能够准确阐述线性规划标准型中约束矩阵A的数学定义及其在单纯形法中的核心作用。2.掌握约束矩阵A发生改变（包括增加/删除约束条件、增加/删除决策变量、约束系数变化）时，对原问题可行域、最优解及对偶问题的影响机理。3.学会运用灵敏度分析方法，确定约束矩阵A中单个或多个元素变化的允许范围，并能快速判定新最优解。4.能够借助数学软件（如LINGO、MATLAB）对约束矩阵变化后的线性规划问题进行重优化，并解释计算结果的经济或工程含义。（二）过程与方法目标1.通过案例驱动与问题链引导，经历“观察变化—分析影响—重新求解—验证结论”的完整探究过程，培养建模与逻辑推理能力。2.借助几何直观（二维图形）与代数推导相结合的方法，理解高维空间中约束矩阵变化对可行域形状的抽象影响，提升数形结合思想。3.通过小组合作讨论实际应用场景（如生产计划调整、资源变动），掌握运用灵敏度分析辅助决策的方法，增强团队协作与表达能力。（三）情感态度与价值观目标1.体会运筹学中“变化”与“优化”的辩证关系，树立动态优化的科学决策意识。2.在分析约束矩阵改变对最优解的影响过程中，培养严谨求实的科学态度和精益求精的工匠精神。3.结合企业资源优化配置案例，理解运筹学在提高社会资源利用效率中的价值，增强社会责任感。二、教学重点与难点【重点】1.约束矩阵A的各类改变对可行域及最优解的影响规律。2.基于单纯形乘子（对偶变量）的灵敏度分析方法，特别是单个系数变化的允许范围计算。【难点】1.增加新约束或新变量后，如何利用原有最优解信息快速判断可行性或最优性。2.多个系数同时变化时，运用百分之一百法则进行近似判定。3.对偶理论在约束矩阵变化分析中的深层应用。三、教学方法与准备【教学方法】采用“启发式讲授+案例探究+小组协作”相结合的模式。以问题驱动为主线，通过递进式问题引导学生自主发现规律；借助几何画板或PPT动画演示二维可行域变化，帮助学生建立直观印象；穿插实际案例（如生产计划、配料问题），让学生分组计算并展示结果，强化应用能力。【教学准备】1.多媒体课件（包含单纯形法迭代过程的矩阵表示、二维图形动画）。2.预先编写好的LINGO或MATLAB代码片段，用于课堂快速验证。3.分组讨论用的学案，包含三个典型变化案例及计算表格。4.板书设计提纲。四、教学过程设计（一）温故知新，引入课题（约5分钟）首先，通过提问引导学生回顾线性规划标准型的矩阵形式：max⁡cTxs.t.Ax=b,x≥0.\begin{aligned}\max\quad\mathbf{c}^T\mathbf{x}\\\s.t.s.t.}\quadA\mathbf{x}=\mathbf{b},\\\mathbf{x}\ge\mathbf{0}.\end{aligned}maxs.t.​cTxAx=b,x≥0.​其中$A$是$m\timesn$阶约束矩阵，$\mathbf{b}$是右端常数向量，$\mathbf{c}$是价值系数向量。教师强调：$A$的每一列对应一个决策变量在各项约束中的消耗系数，每一行代表一种资源的约束关系。接着，提出一个熟悉的例子：某工厂生产两种产品，资源约束为{2x1+x2≤8（原料A）x1+2x2≤7（原料B）x1,x2≥0\begin{cases}2x_1+x_2\le8\{（原料A）}\\x_1+2x_2\le7\{（原料B）}\\x_1,x_2\ge0\end{cases}⎩⎨⎧​2x1​+x2​≤8x1​+2x2​≤7x1​,x2​≥0​（原料A）（原料B）​目标函数$\maxz=3x_1+5x_2$。学生已在之前课程中求出最优解$x_1=3,x_2=2$，最优值$z=19$。教师提问：“如果市场变化，原料A的供应量从8增加到10，或者原料B的消耗系数发生变化，甚至增加一种新产品（新变量），最优解会如何改变？我们需要重新从头计算吗？”由此引出本节课的核心——约束矩阵A的改变对原问题的影响，以及如何利用已有信息高效分析。【重要】此处点明约束矩阵的改变在实际决策中频繁发生，掌握其分析方法具有重要意义。（二）知识回顾：约束矩阵A及其在单纯形法中的角色（约8分钟）1.约束矩阵的列向量与行向量解释：矩阵$A$可写为$A=[\mathbf{p}_1,\mathbf{p}_2,\cdots,\mathbf{p}_n]$，其中$\mathbf{p}_j$是第$j$个变量在各约束中的系数列向量。同时，$A$的行向量$\mathbf{a}_i^T$表示第$i$个约束对各变量的系数。2.基变量与基矩阵：在单纯形法中，若基变量为$x_{B_1},\cdots,x_{B_m}$，则对应的基矩阵$B$由$A$中相应列组成。最优解时，有xB=B−1b,z=cBTB−1b.\mathbf{x}_B=B^{1}\mathbf{b},\quadz=\mathbf{c}_B^TB^{1}\mathbf{b}.xB​=B−1b,z=cBT​B−1b.检验数$\sigma_j=c_j\mathbf{c}_B^TB^{1}\mathbf{p}_j$。3.对偶变量与影子价格：最优单纯形乘子$\mathbf{y}^T=\mathbf{c}_B^TB^{1}$，即对偶最优解，其分量$y_i$表示第$i$种资源的影子价格。通过以上回顾，为学生理解约束矩阵改变后如何利用原有基矩阵信息奠定基础。（三）约束矩阵A的改变类型及影响分析（核心环节，约50分钟）教师将学生分成三个小组，每个小组重点探究一种变化类型，然后派代表汇报，教师点评补充。【第一类：增加或删除一个约束条件】1.增加一个约束条件：假设在原问题基础上增加一个新的约束（如新增一种资源限制）：am+1Tx≤bm+1(或=bm+1或≥bm+1)。\mathbf{a}_{m+1}^T\mathbf{x}\leb_{m+1}\quad(\{或}=b_{m+1}\{或}\geb_{m+1})。am+1T​x≤bm+1​(或=bm+1​或≥bm+1​)。此时约束矩阵$A$增加一行，变为$(m+1)\timesn$矩阵。原有最优解是否仍然可行？需要检验新约束是否被满足。（1）若原最优解满足新约束，则它仍是新问题的最优解（因为目标函数未变，且可行域缩小或不变，原最优解仍在可行域内，且仍是可行解中的最优者）。【基础】（2）若原最优解不满足新约束，则原最优解被割除，新问题需要重新求解。但我们可以利用对偶单纯形法，将新约束添加到最优单纯形表中，并引入一个人工松弛变量，然后进行对偶迭代，通常比从头求解快得多。举例：在原生产问题中增加一个约束$x_1+x_2\le4$（如电力限制）。原最优解$(3,2)$不满足$3+2=5>4$，因此需要调整。教师演示如何将新约束转化为等式，在最优单纯形表中加入新行，利用对偶单纯形法迭代得到新最优解。2.删除一个约束条件：删除一个约束相当于放松限制，可行域扩大。若原最优解在该约束上是松的（即松弛变量大于0），则删除后原最优解仍可行且仍最优；若原最优解在该约束上是紧的（松弛变量为0），则删除后可行域扩大，原最优解可能不再是最优，需要寻找新的更优解。此时可引入对偶单纯形法的思想，或者从原最优解出发，沿着使目标函数改善的方向移动。教师以二维图形展示：当删除一个起作用约束时，可行域向外扩张，原顶点可能变成内点，新的最优解可能出现在新边界上。【高频考点】增加或删除约束条件的处理方法是各类考试和实际应用中常见题型。【第二类：增加或删除一个决策变量】1.增加一个新变量（如开发新产品）：设原问题有$n$个变量，现增加一个变量$x_{n+1}$，其系数列向量为$\mathbf{p}{n+1}$，价值系数为$c{n+1}$。此时约束矩阵$A$增加一列，变为$m\times(n+1)$矩阵。原最优解$(x_1^,\cdots,x_n^)$对应新问题的可行解（只需令$x_{n+1}=0$）。要判断它是否仍最优，只需计算新变量对应的检验数：σn+1=cn+1−cBTB−1pn+1=cn+1−yTpn+1。\sigma_{n+1}=c_{n+1}\mathbf{c}_B^TB^{1}\mathbf{p}_{n+1}=c_{n+1}\mathbf{y}^T\mathbf{p}_{n+1}。σn+1​=cn+1​−cBT​B−1pn+1​=cn+1​−yTpn+1​。其中$\mathbf{y}^T$是原问题的最优单纯形乘子（影子价格）。若$\sigma_{n+1}\le0$（最大化问题），则原解仍最优，新产品不值得生产；若$\sigma_{n+1}>0$，则引入新变量可改善目标值，此时应以原最优基为基础，将新列加入单纯形表，进行迭代求解。教师举例：原问题中增加一种新产品，消耗系数为$(1,3)^T$，单位利润为4，计算检验数$\sigma=4(y_1,y_2)\cdot(1,3)^T$。先让学生根据原问题的影子价格（从最优单纯形表读出）计算，判断是否引入，然后演示如何迭代。2.删除一个决策变量（如产品停产）：若删除一个非基变量，则原最优解不受影响（因为其取值为0）。若删除一个基变量，则原最优基不再成立，需要重新优化。但通常可先将该变量从基中换出（若其值为0，则直接移除；若大于0，则需先将其降为0），再删除。【难点】增加变量时的检验数计算依赖于对偶变量，体现了对偶理论的实用价值。【第三类：约束系数（矩阵元素）的改变】1.非基变量列系数的变化：设非基变量$x_j$的系数列$\mathbf{p}_j$变为$\mathbf{p}_j'$，其检验数变为$\sigma_j'=c_j\mathbf{c}_B^TB^{1}\mathbf{p}_j'$。若$\sigma_j'\le0$，原最优解不变；否则需引入该变量重新迭代。2.基变量列系数的变化：若基变量$x_{B_r}$的系数列$\mathbf{p}_{B_r}$改变，则基矩阵$B$发生变化，$B^{1}$需要重新计算，影响所有检验数和基变量值。这种情况较为复杂，通常需要重新求解。但在某些特殊情况下（如只有一个元素变化），可用灵敏度分析中的公式近似，但严格来说需重新优化。3.约束系数单个元素变化（灵敏度分析）：教师重点讲解如何确定一个具体系数$a_{ij}$在什么范围内变化时，原最优基保持不变。这涉及基矩阵的逆和单纯形乘子。对于非基变量$x_j$的系数$a_{ij}$变化，只需保证其检验数非正；对于基变量系数的变化，需保证基变量值非负且所有检验数非正。通过矩阵推导给出计算公式，并以原生产问题为例，计算某个系数允许的变化范围。例如，原问题中第一个约束中$x_1$的系数2变为$2+\Delta$，求$\Delta$的允许范围。学生分组推导，教师巡视指导，最后总结出一般公式。4.多个系数同时变化（百分之一百法则）：当多个系数同时变化时，逐个判断可能失效。可引入百分之一百法则：对于每个变化，计算其变化量占允许变化上限的百分比，若所有百分比之和不超过100%，则原最优基不变；否则可能改变。教师通过案例说明该法则的局限性（只是充分条件），并强调在关键决策时最好重新求解。【热点】多系数同时变化在现代复杂系统中很常见，百分之一百法则是一种快速过滤工具。（四）案例整合与小组实操（约20分钟）教师给出一个综合案例：某公司生产三种产品，资源约束如下：{x1+2x2+x3≤100(资源1)2x1+x2+3x3≤120(资源2)x1,x2,x3≥0\begin{cases}x_1+2x_2+x_3\le100(资源1)\\2x_1+x_2+3x_3\le120(资源2)\\x_1,x_2,x_3\ge0\end{cases}⎩⎨⎧​x1​+2x2​+x3​≤1002x1​+x2​+3x3​≤120x1​,x2​,x3​≥0​(资源1)(资源2)​目标函数$\maxz=4x_1+3x_2+6x_3$。已知最优单纯形表（教师提供，或让学生用软件求解得出）。现发生以下变化：（1）资源1的供应量增加到130；（2）由于工艺改进，产品1在资源2上的消耗系数由2变为1.5；（3）开发了一种新产品4，消耗资源1、2分别为1和2，单位利润5；（4）增加一道质检工序：$x_1+x_2+x_3\le80$。各小组分别选择其中两个变化，利用本节课所学方法分析对原最优解的影响，并给出新最优解（可用软件辅助计算）。之后小组间交流，教师总结点评，强调在不同变化下如何灵活运用已有信息快速响应。（五）课堂小结与拓展（约5分钟）1.知识层面：梳理约束矩阵A的三种改变类型及其对可行域、最优解的影响；总结灵敏度分析的基本思路；重温对偶变量在变化分析中的关键作用。2.方法层面：掌握从几何到代数的分析方法，理解基矩阵逆的重要性，学会使用百分之一百法则。3.思想层面：认识到优化问题是一个动态过程，实际决策中需不断根据条件变化调整方案，体现了运筹学的实践性。4.拓展：介绍在实际大型线性规划问题中，约束矩阵可能非常稀疏，改变一个元素后可以利用更新技术快速重新求解，如单纯形法的热启动技术。推荐学生阅读相关文献或尝试用编程实现。（六）布置作业（约2分钟）1.基础题：教材课后习题第3、5题（关于增加约束和变量对最优解的影响）。2.提高题：某运输问题中，一条运输路线的单位运价发生变化，分析对最优调运方案的影响，并写出计算允许变化范围的过程。3.探究题（小组）：搜集一个实际应用线性规划的案例（如饲料配方、投资组合），讨论其中哪些