大学本科管理科学专业二年级《运筹学》单纯形法创新教案

大学本科管理科学专业二年级《运筹学》单纯形法创新教案一、基本信息与教学目标定位【基础】本章节“单纯形法”是《运筹学》课程的核心与精髓，处于承上启下的关键位置。它承接了线性规划问题的建模与图解法，开启了从二维平面推向高维空间求解的序幕，是后续学习对偶理论、灵敏度分析、整数规划、运输问题等内容的基石。本次课为3学时，面向大学本科二年级管理科学、物流管理、工业工程等专业的学生。【重要】学生已具备线性代数（矩阵运算、初等变换）的基础知识，并掌握了线性规划问题的数学模型构建及二维问题的图解法。他们思维活跃，具备一定的逻辑推理能力，但对抽象的高维空间概念和迭代优化思想可能存在理解障碍。因此，教学设计需注重从具体到抽象、从几何直观到代数操作的过渡，强化矩阵消元的实操训练，并深度融合课程思政元素。【核心目标】基于成果导向教育（OBE）理念，确立本次课的四维教学目标体系：1.【知识目标】：深刻理解单纯形法的基本思想——从可行域的一个顶点（基本可行解）出发，沿着使目标函数改善的方向迭代至最优顶点。熟练掌握用单纯形表求解线性规划问题的标准步骤，包括：化标准型、求初始基本可行解、最优性检验、基变换（进基、出基）、旋转运算。2.【能力目标】：能够运用矩阵初等行变换熟练操作单纯形表，准确计算出检验数并判断解的类型（唯一最优解、无穷多最优解、无界解）。培养学生“将复杂问题程序化”的逻辑思维能力和严谨细致的计算能力。通过案例分析，提升学生运用运筹学思想分析和解决实际管理决策问题的能力。3.【素养目标】：融入运筹学思想史和我国古代光辉的运筹思想（如田忌赛马、丁谓修皇宫）以及以华罗庚教授为代表的老一辈科学家将运筹学引入中国并大力推广优选法、统筹法的感人事迹，【重要】增强学生的民族自豪感、文化自信和科学报国的家国情怀，理解“整体最优”的系统工程思维。4.【创新目标】：【热点】鼓励学生尝试使用Python（PuLP库）或Lingo软件对同一个问题进行求解，验证手工计算结果，初步体验算法自动化，激发学生对智能优化的探索兴趣。二、教学重点、难点与突破策略1.【重点】：单纯形表的结构、检验数的计算、进基变量与出基变量的选择规则（最小比值原则）、旋转运算（高斯消元）。1.2.突破策略：【高频考点】采用“程序化口诀”（如：“最大检验数定进基，最小比值定出基，交叉变1同列0，迭代新表判最优”）帮助学生记忆操作流程。通过课堂“接龙计算”活动，让每位学生参与单纯形表的一步迭代，强化动手能力。3.【难点一】：单纯形法背后的几何原理——为何代数上的“进基/出基”对应几何上的“顶点转移”？为何检验数≤0就达到了最优？1.4.突破策略：从二维问题的图解法引入。先给出一个能用图解法求解的二维问题，用单纯形表逐步迭代，同时将每一步得到的基本可行解对应到图形上的顶点，【难点】通过几何与代数的“双重印证”，让学生直观理解抽象原理。5.【难点二】：退化问题可能带来的循环现象。1.6.突破策略：作为拓展知识，简单介绍退化的概念和可能出现的问题，并说明勃兰特定则（Bland‘srule）的提出是为了避免循环，但不做深入计算要求。三、教学实施过程（核心环节，约110分钟）（一）创设情境，温故引新（约10分钟）【基础】首先，通过多媒体展示一个经典的生产计划问题：“某工厂生产甲、乙两种产品，需经过A、B、C三台设备加工。有关数据如表格所示，问应如何安排生产计划，使总利润最大？”学生迅速建立数学模型：目标函数：MaxZ=3x₁+5x₂约束条件：x₁≤8（设备A）2x₂≤12（设备B）3x₁+4x₂≤36（设备C）x₁,x₂≥0引导学生回忆并指出：这是一个二维线性规划问题，可以用图解法求解。通过绘制可行域，找到最优解在顶点（4，6）处取得，最大利润为42。紧接着，教师追问：“图解法形象直观，但仅适用于二维或三维问题。当变量和约束条件增加到成百上千时，我们该如何求解？这正是今天要学习的方法——单纯形法。”由此引出课题，并点明【核心思想】：从可行域的一个顶点（即一个基本可行解）出发，沿着使目标函数值改善的棱边，一步一步走到最优顶点。这种方法本质上是一种“顶点迭代寻优”的代数算法。（二）模型转换，奠定基础（约15分钟）【重要】要应用单纯形法，必须先将问题转化为标准型。教师引导学生完成对上述模型的标准化：1.目标函数统一为最大化（或最小化，本课程约定为最大化）。2.约束条件除非负约束外，全部变为等式。对于“≤”约束，引入非负松弛变量，将不等式变为等式。x₃=8x₁=>x₁+x₃=8x₄=122x₂=>2x₂+x₄=12x₅=363x₁4x₂=>3x₁+4x₂+x₅=36x₁,x₂,x₃,x₄,x₅≥0于是得到标准型：MaxZ=3x₁+5x₂+0x₃+0x₄+0x₅s.t.x₁+x₃=82x₂+x₄=123x₁+4x₂+x₅=36x₁,x₂,x₃,x₄,x₅≥0教师强调：松弛变量（x₃,x₄,x₅）的经济意义是未被利用的设备资源，它们在目标函数中的系数为0。此时，约束条件的系数矩阵中含有一个3阶单位矩阵（对应x₃,x₄,x₅），这为我们提供了一个天然的初始基本可行解，即令非基变量x₁=0,x₂=0，则基变量x₃=8,x₄=12,x₅=36。这正是图解法中的原点（0，0），也是一个顶点。（三）构建单纯形表，解读表格信息（约15分钟）【高频考点】单纯形表是执行单纯形法的利器。教师详细介绍单纯形表的结构，并带领学生将标准型填入初始单纯形表中。c_j→35000C_B基bx₁x₂x₃x₄x₅θ0x₃8101000x₄120(2)01060x₅36340019σ_jZ=035000教师解读表格各部分的含义：1.c_j行：各变量在目标函数中的系数。2.C_B列：当前基变量在目标函数中的系数。3.基列：当前的基本变量。4.b列：约束方程右端的常数项，即当前基变量的取值。5.x_j列：各变量在约束方程中的系数矩阵。6.σ_j行：检验数行。计算公式为：σ_j=c_jC_BP_j，其中P_j是x_j对应的系数列向量。例如，σ₁=3(0×1+0×0+0×3)=3；σ₂=5(0×0+0×2+0×4)=5；基变量的检验数必为0。7.Z值：当前目标函数值，Z=C_Bb。通过这张表，我们一眼就能看出当前的基本可行解和对应的目标函数值。（四）寻优迭代，掌握核心步骤（约45分钟）这是本节课的重中之重。教师将单纯形法的迭代步骤分解为“三板斧”，并结合表格进行操作。第一板斧：最优性检验——看检验数教师提问：“现在的解x=(0,0,8,12,36)是最优解吗？”引导学生观察检验数行。σ₁=3>0,σ₂=5>0，说明x₁或x₂每增加一个单位，目标函数Z还能增加，因此当前解不是最优解。由此得出【重要】最优性判别定理：对于最大化问题，当所有检验数σ_j≤0时，当前解即为最优解。第二板斧：确定进基变量——最大正检验数“既然不是最优，我们就要找一个非基变量变成基变量，让它从0开始增加。选谁呢？”为了最快地改善目标函数，我们通常选择正检验数最大的那个非基变量进基。此处σ₂=5最大，因此确定x₂为进基变量。x₂所在的列称为主元列。第三板斧：确定出基变量——最小比值规则（θ规则）【难点】x₂要进基，但它的值不能无限增大，否则会破坏其他约束的非负性。那么x₂最多能增加多少呢？这需要计算θ值。θ=min(b_i/a_{i,k})，其中a_{i,k}>0，k为主元列。1.对于x₃所在行：a_{1,2}=0，不参与比较，记为“”。2.对于x₄所在行：b=12，a_{2,2}=2，θ=12/2=6。3.对于x₅所在行：b=36，a_{3,2}=4，θ=36/4=9。取最小值min(6，9)=6，对应x₄行。这意味着，当x₂增加到6时，原来的基变量x₄会先减少到0。因此，确定x₄为出基变量。x₄所在的行称为主元行。主元行与主元列交叉处的元素“2”称为主元（用圆圈标记）。这个规则的经济学意义在于，我们总是先被最“紧缺”的资源卡住。第四板斧：旋转运算——化为新单纯形表确定了主元（2）后，我们要通过初等行变换，将主元列变成单位向量，即主元位置变成1，主元列其他元素变成0。这相当于得到一个新的基（x₃,x₂,x₅）。1.归一化：将主元行（第2行）所有元素除以主元（2），使主元变为1。新第2行变为：x₄行变为(6,0,1,0,1/2,0)？仔细计算：原第2行(12,0,2,0,1,0)/2得到新行(6,0,1,0,1/2,0)。（注意：新基变量x₂对应的系数应为1）2.消元：将新的主元行乘以适当的倍数，加到其他行，使主元列（x₂列）的其他元素变为0。1.3.第1行（x₃行）：原(8,1,0,1,0,0)0×新主元行=(8,1,0,1,0,0)（因为主元行第一列是0，所以x₁系数不变，x₂系数变0？等一下，这里需要严谨操作。我们的目标是把主元列的系数变成(0，1，0)ᵀ，其中1已经在第二行。我们需要把第一行的0保持不变（它本来就是0），把第三行的4变成0。）正确做法：新主元行为Row2_new=(6，0，1，0，1/2，0)第三行原为(36，3，4，0，0，1)，要消去4，则Row3_new=Row3_old4×Row2_new=(3624，30，44，00，02，10)=(12，3，0，0，2，1)第一行原为(8，1，0，1，0，0)，主元列系数已经是0，无需操作。4.更新检验数和C_B列：1.5.C_B列更新：出基变量x₄被换出，进基变量x₂换入，其C_B值为5。2.6.新的基变量为：x₃(C_B=0)，x₂(C_B=5)，x₅(C_B=0)。3.7.计算新的检验数。可以套用公式，也可以根据新的系数矩阵重新计算。例如，新的σ₁=c₁(0新a₁₁+5新a₂₁+0新a₃₁)=3(0×1+5×0+0×3)=3？不对，这里出了问题。经过旋转后，x₂列已变为单位向量，x₁列系数变为(1，0，3)ᵀ，所以σ₁=3(0×1+5×0+0×3)=3。但按照预期，应该继续迭代。我们先用公式法正确计算一遍检验数。4.8.σ₁=3[0×1+5×0+0×3]=35.9.σ₂=5[0×0+5×1+0×0]=0(基变量检验数为0)6.10.σ₃=0[0×1+5×0+0×0]=0(基变量检验数为0)7.11.σ₄=0[0×0+5×(1/2)+0×(2)]=2.58.12.σ₅=0[0×0+5×0+0×1]=0(基变量检验数为0)9.13.Z=5×6=30得到新的单纯形表：c_j→35000C_B基bx₁x₂x₃x₄x₅θ0x₃81010085x₂60101/200x₅12(3)00214σ_jZ=303002.50重复迭代：再次检验，σ₁=3>0，非最优。确定x₁进基。计算θ值：x₃行8/1=8，x₅行12/3=4（x₂行系数为0，跳过）。取最小4，确定x₅出基，主元为3。再次进行旋转运算，得到新表：c_j→35000C_B基bx₁x₂x₃x₄x₅θ0x₃40012/31/35x₂60101/203x₁41002/31/3σ_jZ=420000.51最终检验：所有σ_j≤0，得到最优解：x₁=4，x₂=6，x₃=4（松弛），x₄=0，x₅=0。最大目标值Z=42。这与图解法结果完全一致。整个过程中，教师带领学生同步演算，每一步都要解释代数操作与几何顶点转移的对应关系。例如，第一次迭代后，解从(0，0)转移到了(0，6)；第二次迭代后，解转移到了(4，6)。通过板书图示，帮助学生建立清晰的动态图像。（五）案例延伸与软件实现（约15分钟）【热点】手工计算是为了理解原理，而在实际应用中，我们通常借助软件求解。教师简要演示如何在Python的PuLP库或Lingo软件中输入相同的模型，并一键求解。将软件输出的结果与手工计算的最终单纯形表进行对比，验证其正确性。【重要】教师引导讨论：“最终单纯形表中，不仅给出了最优解，x₄的检验数为0.5，x₅的检验数为1，这有什么经济学含义？”引出“影子价格”的概念——即某种资源每增加一个单位，对目标函数值的边际贡献。这为后续课程埋下伏笔。（六）课程思政：运筹帷幄，家国情怀（约5分钟）在课程结尾，教师进行主题升华：【重要】“单纯形法看似是冷冰冰的数学迭代，但它背后蕴含的‘局部调整，追求全局最优’的思想，正是运筹学的灵魂。这一思想，在我国古代文明中早有体现。”1.古代智慧：简述“田忌赛马”的故事。孙膑通过调整马的出场顺序（相当于一种策略变量的迭代），牺牲局部（下等马对上等马）换取全局胜利，这是典型的博弈论和运筹思想。还有北宋丁谓修复皇宫的“一举三得”方案，统筹了取土、运料、清废三个工程，堪称历史上大规模工程项目管理的典范。2.近代贡献：讲述以华罗庚先生为代表的老一辈科学家，在建国初期放弃国外优厚待遇