从数学上讲，线性规划是通过调整某些感兴趣的称为决策变量的变量，从而始终满足控制该问题的一组线性约束条件，从而对某个线性目标函数进行优化（表达最小或最大化的理想方法）的研究。 哇，我几乎希望我的高中老师知道我有一天能做到！
无论如何，当他们像在教科书中那样说时，他们不希望您理解的是学校。 有一个功能说
f（x1，x2，…，xn）
的n个变量。 出于某些原因，我们将在下一节中了解它们，我们希望找到最大化/最小化此函数的x1到xn的值。 但这还不是全部。 我们不能只为这些变量分配任何或所有值。 他们有自己的行李（约束）！ 首先，我们可以将这些约束表示为不平等。 说我们有以下限制
g（x1，x2，…，xn）<= c1
h（x1，x2，…，xn）<= c2
其中c1和c2是任意常数
现在，如果所有这些函数f（x1，x2，…，xn） ， g（x1，x2，…，xn）和h（x1，x2，…，xn） 在x1，x2，…中都是线性的， xn ，然后是找到x1，x2，…，xn的值的合适算法，以便最大化/最小化f（x1，x2，…，xn），同时还满足g（x1，x2，…，xn）<= c1并且h（x1，x2，…，xn）<= c 2是线性规划研究试图达到的目标。
我知道了！ 在此阶段，您完全有资格摆脱对高中微积分的不良记忆！ 为辩护，在开始解释此类问题的广泛适用性之前，我必须从一般意义上陈述该问题。 这正是我们在下一篇文章中讨论的内容。
下一篇
