本科工业工程专业《01整数规划进阶应用》教学设计

本科工业工程专业《01整数规划进阶应用》教学设计一、教学设计基本信息本教学设计围绕高等院校工业工程专业本科二年级核心课程《运筹学》中的重要章节“01整数规划”展开，具体内容为教材第八章第五节中的第二个综合性案例（对应教材第81页）。课程性质为专业必修课，授课时长为1课时（45分钟）。授课对象为已掌握线性规划基本理论、对实际问题具备初步分析能力，但尚未建立整数规划系统思维的大二学生。本设计旨在通过一个典型且复杂的实例，引导学生突破01规划建模的难点，掌握其在实际资源配置问题中的精髓，并为后续学习动态规划、网络计划等奠定坚实的思维基础。二、课程目标与核心素养指向【重要】基于成果导向教育（OBE）理念，本课程设定了融知识与技能、过程与方法、情感态度与价值观于一体的三维目标，特别强调对学生“系统工程思维”和“数据决策意识”的培养。（一）知识与技能目标1.【基础】深刻理解01变量的本质，即其不是简单的数值0或1，而是代表逻辑判断（是/否、选/不选、做/不做）的“决策开关”。能够准确识别实际问题中哪些因素需要引入01变量。2.掌握多重相互排斥约束、相依约束（如“如果选A则必须选B”）、以及“至少/至多N选一”等复杂逻辑关系在数学建模中的精准表达方式，学会引入“大M法”处理此类问题。3.熟练掌握至少一种求解01整数规划的专业软件（如LINGO、PythonPulp、MATLABintlinprog）的操作，并能正确解读输出结果。（二）过程与方法目标1.通过“工厂选址与配送”或“项目投资组合”等经典案例的全程推演，经历“问题剖析—变量设定—目标构建—约束挖掘—软件求解—方案解读”的完整建模闭环，培养结构化的系统分析能力。2.【高频考点】学会将自然语言描述的商业逻辑（如“三个备选厂址中最多选两个”、“新仓必须与某工厂同时建设”）转化为形式化的数学不等式，掌握“转化”的艺术。3.培养跨学科视野，能将工业工程中关于成本、效率、流程优化的思想融入数学模型的构建中。（三）情感态度与价值观目标1.【热点】引导学生认识到，在资源有限的现实世界中（如资金、土地、人力），利用科学的优化方法进行决策，是实现社会与企业可持续发展的关键，建立“精益求精”和“系统最优”的工程伦理观。2.通过复杂的实例分析，锤炼学生面对复杂系统问题时抽丝剥茧的耐心和严谨求证的科学精神，避免凭经验“拍脑袋”决策的主观随意性。三、教学重点与难点分析【非常重要】基于对学情和教材的深度剖析，本课的重难点设定如下：（一）教学重点1.01变量在表达逻辑约束（如或、且、非、蕴含）中的灵活运用。2.针对包含固定成本、启动费用或选择性约束的复杂实例，构建正确的整数线性规划模型。3.理解隐枚举法与穷举法的本质区别，掌握现代求解器的核心求解逻辑（分支定界法思想）。（二）教学难点1.【难点】【高频考点】如何恰当地引入并设定“大M”的值。M过大可能导致数值计算困难，M过小则可能“切断”可行解。这不仅是技术问题，更是对模型理解深度的考验。2.对于“如果决策变量为1，则某个连续变量必须大于0”这类需要结合01变量与连续变量的混合约束（即固定成本问题）的建模技巧。3.培养学生“模型检验”的意识，即在求解前能够初步判断模型是否可能出错（如约束遗漏或逻辑矛盾）。四、教学准备与策略（一）教学环境：多媒体智慧教室，配备教师机、投影仪及安装有LINGO18.0（或Python3.8及以上版本）的电脑。学生以45人为一组进行分组，便于开展小组探究。（二）教学资源：精心设计的PPT课件，包含动态演示隐枚举过程的动画；预先编写好的LINGO调试脚本；导学案，包含本节课核心案例的背景数据表格和思考问题。（三）教学方法：采用“问题驱动法”与“案例教学法”相结合。以真实商业决策场景为牵引，通过“设问—探究—解惑—应用”的螺旋式上升路径，引导学生深度参与。五、教学实施过程（核心环节，占绝对篇幅）【导入环节】创设情境，唤醒认知（约3分钟）教师活动：通过PPT展示一个简化的“校运动会参赛项目选择”问题。问题描述：某班有5名擅长不同项目的运动员，但受赛制规定，每人最多报2项，每项最多2人参加，且某些热门项目（如100米）和另一些项目（如跳远）时间冲突不能同时报。问班长该如何组队才能使班级总得分预估最高？学生活动：小组快速讨论，尝试给出一个直觉方案。教师引导：同学们刚才的讨论涉及了“选不选”、“冲突不冲突”这些逻辑问题。当决策只有“是”与“否”时，我们无法用之前的线性规划（变量连续）来处理，必须引入一种特殊的变量——这就是我们今天要深入探究的01整数规划。今天我们将通过一个更具挑战性的“跨国公司工厂选址与市场配送”实例（对应教材P81案例2），来彻底攻克这一难点。【设计意图】从学生身边熟悉的简单赛事问题切入，快速激活其对“逻辑选择”问题的认知，自然过渡到抽象、复杂的商业案例，既降低了认知门槛，又激发了探究欲。【新知构建】案例呈现与变量初探（约7分钟）教师活动：呈现教材P81的核心案例——某制造企业拟在三个候选城市（A市、B市、C市）新建工厂，工厂有大小两种规模可选。工厂建成后需向全国五个区域市场供货。已知各候选地的建厂成本、不同规模工厂的生产能力、各市场的需求量以及从各候选地到各市场的单位运输成本。同时，企业决策层还有几个战略要求：1.【约束一】由于资金限制，总投资额不得超过给定预算M0。2.【约束二】出于风险分散考虑，最多只能建两个工厂。3.【约束三】如果在A市建厂，则必须同时建设配套的物流中心（这需要额外的固定成本，体现在建厂成本中），但若A市不建，则绝不能建物流中心（此为逻辑约束）。4.【约束四】为了辐射西北市场，要么在B市建厂，要么在C市建厂，但两者不能同时建。教师引导：请大家以小组为单位，尝试回答以下几个关键问题：5.这个问题的决策变量有哪些？（引导学生发现：不仅要决策在哪儿建厂，还要决策建多大厂，以及每个厂往哪个市场送多少货。）6.哪些变量必须是01型的？哪些可以是连续型变量？（产量、运量）学生活动：小组讨论，尝试列出变量集。预设学生能很快说出选址变量x_i（01），但对工厂规模的选择可能需要提示——可以引入第二个01变量y_i来表示“是否建大型厂”。师生互动：教师在黑板上与学生共同梳理出变量体系：设：【非常重要】x_i=1，若在城市i（i=A,B,C）建厂；x_i=0，若不建。y_i=1，若在城市i建的是大型厂（具备高产能）；y_i=0，若建小型厂。注意，y_i只有在x_i=1时才有意义，若x_i=0，则y_i必须为0。...ij}=从城市i运往市场j（j=1,...,5）的产品数量（连续非负变量）。【设计意图】将教材中现成的数学模型隐藏起来，引导学生从零开始构建。这个过程正是培养建模能力的核心，让学生亲历将文字逻辑翻译成数学符号的痛苦与快乐。【核心攻坚】模型构建——逻辑约束的数学化（约15分钟）本环节是教学的重中之重，将逐层递进地处理各种复杂约束。（一）常规约束的构建（约3分钟）教师提问：建厂的基本逻辑是什么？比如，如果不在A市建厂（x_A=0），那么能从A市向任何市场运货吗？反之，如果从A市向某市场运货了（z_Aj>0），这意味着什么？学生回答：必须建厂才能运货。教师总结：非常好！这就是连接01变量x_i与连续变量z_{ij}的纽带——逻辑蕴含约束。如果运货量大于0，则x_i必须为1。这可以用“大M法”来表达：【重要】Σ_{j=1}^{5}z_{ij}≤Mx_i，其中M是一个足够大的正数（比如，大于所有可能运量的总和）。这个不等式保证了：如果x_i=0，则右边为0，迫使左边所有运量之和为0；如果x_i=1，则左边运量可以取任意不超过M的正值。教师演示：在LINGO软件中快速输入这个约束，并展示如果去掉这个约束，求解器会给出一个“无中生有”的荒谬结果（如在没建厂的地方发货），通过反面案例加深学生印象。（二）工厂规模选择的逻辑约束（约4分钟）教师引导：我们引入了y_i来表示大型厂。大型厂和小型厂的产能是不同的，比如产能上限分别为Cap_big和Cap_small。那么，如何用数学表达这个产能限制？同时，如何确保y_i和x_i的关系？学生讨论：产能限制可以写作：Σ_{j}z_{ij}≤Cap_small+(Cap_bigCap_small)y_i。当y_i=0时，右边=Cap_small；y_i=1时，右边=Cap_big。对于关系约束：y_i≤x_i。这个简单的不等式精确表达了“如果x_i=0，则y_i不能为1；如果y_i=1，则x_i必为1”。这被称为“变量关联约束”。教师点评：这个关系式非常简洁漂亮，是01规划的典型技巧。（三）战略逻辑约束的构建（约5分钟）教师引导学生逐条翻译企业战略要求：1.【约束三】“在A市建厂，则必须同时建设配套物流中心”——我们已经假设物流中心成本已包含在建厂成本中，所以这一条在模型中已经隐含？不对，原文说的是“如果在A市建厂，则必须同时建设配套的物流中心”，这意味着建厂决策x_A和某个新变量“物流中心”w之间必须挂钩。我们可以设w=1表示建物流中心。那么这句话等价于：x_A=1⇒w=1。同时，w=1⇒x_A=1？题目没说。所以约束是：x_A≤w。即如果x_A为1，w必须为1。2.但物流中心还有额外固定成本，所以目标函数中要减去C_ww。3.【约束四】“要么在B市建厂，要么在C市建厂，但两者不能同时建。”——这是典型的“互斥约束”，或称“异或”关系。其数学表达式为：x_B+x_C=1。这是最简洁的01约束之一。4.【约束二】“最多只能建两个工厂”——x_A+x_B+x_C≤2。5.【约束一】投资预算约束：各厂建造成本（区分大小厂）加上物流中心成本，总和不超过M0。即：Σ_i(Cost_basex_i+Cosray_i)+C_ww≤M0。至此，一个包含01变量、连续变量、逻辑约束、产能约束的完整混合整数规划模型（MIP）框架已经清晰呈现在黑板上。【设计意图】将复杂的建模过程分解为几个逻辑递进的步骤，每一步都通过提问、讨论、修正来完成，充分体现“教师主导、学生主体”的教学理念。特别是对“大M法”和“逻辑蕴含”的处理，通过正反对比，直击难点核心。【技术实现】软件求解与结果解读（约10分钟）（一）模型求解演示（约6分钟）教师操作：打开LINGO软件，现场将刚才共同推导的数学模型用LINGO语言逐行敲入（不是展示现成代码，而是现场编写，强调语法的规范性）。示范代码如下：MODEL:SETS:CITY/A,B,C/:X,Y,BUILD_COST,CAP_SMALL,CAP_BIG;/1..ET/1..5/:DEMAND;LINKS(CITY,MARKET):Z,TRANS_COST;ENDSETSDATA:BUILD_COST=500,450,480;CAP_SMALL=100,80,90;CAP_BIG=200,160,180;DEMAND=80,70,90,60,110;TRANS_COST=2,3,4,5,64,2,3,4,55,4,2,3,4;BUDGET=1500;M=1000;!足够大的数;ENDDATA【目标函数】Min=@SUM(LINKS:ZTRANS_COST)+@SUM(CITY:BUILD_COSTX+200Y);!假设大型厂额外成本200;【约束】!产能约束与规模选择;@FOR(CITY(I):@SUM(MARKET(J):Z(I,J))<=CAP_SMALL(I)+(CAP_BIG(I)CAP_SMALL(I))Y(I));!建厂才能运货;@FOR(CITY(I):@SUM(MARKET(J):Z(I,J))<=MX(I));!规模与建厂关联;@FOR(CITY(I):Y(I)<=X(I));!互斥约束;X(2)+X(3)=1;!B和C只能选一个;!数量上限;@SUM(CITY:X)<=2;!预算约束;@SUM(CITY:BUILD_COSTX+200Y)<=BUDGET;!需求满足;@FOR(MARKET(J):@SUM(CITY(I):Z(I,J))>=DEMAND(J));!变量类型定义;@FOR(CITY:@BIN(X);@BIN(Y));@FOR(LINKS:@GIN(Z));!假设运量为整数;END教师边输入边解释：@BIN函数限定变量为01，@GIN限定整数。每一行代码都对应我们刚刚推导的数学公式。【非常重要】点击求解按钮，观察求解器日志（Log）。引导学生关注“迭代次数”、“分枝节点数”、“最优解找到时间”等关键信息，让他们直观感受MIP求解的复杂性。（二）结果解读与灵敏度分析（约4分钟）教师展示求解结果：最优解为X=(1,1,0)，Y=(0,1,0)，即建A市（小型）和B市（大型），不建C市。总成本为XXXX万元。教师提问：这个结果符合我们推导的互斥约束吗？（符合，B和C只选了B）。深度追问：如果我们把互斥约束“X_B+X_C=1”改为“X_B+X_C<=1”（允许都不建），结果会如何？如果B市的建造成本上涨10%，最优方案会改变吗？教师快速演示修改约束和参数，重新求解，并对比结果。让学生看到，最优决策对某些参数（如成本）是敏感的，对另一些则不敏感，这正是灵敏度分析的实践价值。【设计意图】打破“建模就是列式子，求解就是点按钮”的浅层学习。通过现场编程和参数扰动，让学生理解软件仅仅是工具，而真正的核心在于模型的逻辑正确性以及对结果的深度洞察。【高阶拓展】模型变形与思维提升（约5分钟）教师活动：提出两个进阶问题，挑战学生的思维极限。......变形一】假设“如果在A市建小型厂，则不能在B市建厂”。这个“如果...则...”的约束该如何表达？引导学生分析：这涉及两个01变量x_A（小型）和x_B之间的关系。我们需要表达“若Y_A=0且X_A=1（即A建小型），则X_B=0”。其逆否命题是“若X_B=1，则不能出现Y_A=0且X_A=1，即要么A不建，要么A建大型”。最终可转化为约束：X_B≤X_A+(1Y_A)？或者更稳妥地引入新变量表示“A建小型”，但通过逻辑推导，可以写出：X_A+Y_A+X_B≤2？让学生课后思考。2.【变形二】如果运输不是从工厂直达市场，而是可能经过中转仓库，模型会如何复杂化？教师简要提及“多级供应链网络优化”的概念，指出我们今天学的是基础，未来可以拓展到更复杂的网络流问题，但核心的01逻辑依然万变不离其宗。【设计意图】在课程尾声设置思维爬坡环节，为学有余力的学生打开一扇窗，将课堂知识延伸到更广阔的学术和应用领域，激发其持续探索的欲望。【课堂小结与作业布置】（约3分钟）（一）课堂小结教师带领学生回顾本节课的核心要点：1.【非常重要】01变量是连接数学与逻辑的桥梁，其核心在于“表达决策”。2.【难点】“大M法”是处理条件约束（ifthen）的标准工具，但M的取值需要谨慎。3.一个完整的MIP模型=决策变量+目标函数+常规约束+逻辑约束。4.现代优化软件是强大的，但正确的结果依赖于正确的模型输入和深刻的结果解读。（二