4. 线性规划建模实战

线性规划是运筹学中最成熟、应用最广的模型之一。它的价值不在于公式本身，而在于把一段真实的业务约束翻译成一组线性不等式，再交给求解器算出可执行的最优方案。本节以一家小型家具厂的周生产排程为对象，完整走一遍“业务描述—变量定义—目标与约束—求解—结果解读”的闭环。所有数据均为教学示例假设，不代表任何真实企业的实测结果。

一、业务场景与建模准备

假设某家具厂生产两种产品：书桌和椅子。每张书桌需要 4 小时木工工时和 2 小时油漆工时，每把椅子需要 2 小时木工工时和 3 小时油漆工时。本周可用木工工时上限为 120 小时，油漆工时上限为 90 小时。市场部门反馈：书桌单件利润 300 元，椅子单件利润 200 元，且椅子因需求有限，本周最多销售 25 把。工厂希望决定两种产品各生产多少，使本周总利润最大。

建模前先明确三个约定：第一，决策变量取非负实数，允许出现小数产量（若业务要求整件，则需改用整数规划，本节先按连续线性规划处理）；第二，工时约束按“不超过上限”处理，即小于等于约束；第三，利润与产量成正比，不考虑固定成本分摊。这些约定必须在建模时写清楚，否则后续结果解读容易产生歧义。

二、变量、目标函数与约束

设 x1 为书桌产量，x2 为椅子产量，单位均为件。目标函数为最大化总利润：

max Z = 300*x1 + 200*x2

约束条件包括资源上限与市场需求：

木工工时：4*x1 + 2*x2 <= 120
油漆工时：2*x1 + 3*x2 <= 90
椅子需求：x2 <= 25
非负约束：x1 >= 0, x2 >= 0

这组式子已经把业务语言完全转成了线性形式：每条约束对应一种资源的“消耗速率 × 产量 ≤ 可用量”。建模时最容易出错的地方是单位不统一和约束方向写反，建议每写一条约束就回读一遍业务原句，确认“左边是消耗、右边是上限”。

三、用求解器完成计算

手工画图可以看清结构，但实际业务约束往往有几十条，必须借助求解器。下面用 Python 的 PuLP 库实现上述模型，代码可直接运行：

import pulp

prob = pulp.LpProblem("furniture_plan", pulp.LpMaximize)
x1 = pulp.LpVariable("desk", lowBound=0)
x2 = pulp.LpVariable("chair", lowBound=0)

prob += 300*x1 + 200*x2, "profit"
prob += 4*x1 + 2*x2 <= 120, "carpentry"
prob += 2*x1 + 3*x2 <= 90,  "painting"
prob += x2 <= 25,            "demand"

prob.solve()
print(pulp.LpStatus[prob.status])
for v in (x1, x2):
    print(v.name, v.varValue)
print("Z =", pulp.value(prob.objective))

示例运行结果应为：状态 Optimal，desk = 22.5，chair = 15.0，目标值 9750。这个结果与图中顶点 (22.5, 15) 一致，说明模型与几何直觉相互印证。若求解器返回 Infeasible，通常意味着约束互相矛盾（例如把需求写成 x2 >= 25 同时工时又不够）；若返回 Unbounded，则多半是漏写了某条资源上限。

四、结果解读与灵敏度意识

得到 22.5 和 15 之后，不能直接把它当成“生产 22 张半书桌”。连续解的意义在于给出资源分配的方向：书桌产量受油漆工时约束更紧，椅子产量则同时受需求和油漆工时影响。把解代回约束可以验证：木工消耗 4×22.5+2×15=120，正好用满；油漆消耗 2×22.5+3×15=90，也正好用满；椅子需求 15≤25，尚有余量。两条资源约束同时取等号，说明本周木工和油漆都是瓶颈资源。

进一步应关注影子价格（对偶值）。在 PuLP 中可通过 prob.constraints["carpentry"].pi 读取。示例模型下，木工工时影子价格约为 62.5 元/小时，油漆工时约为 12.5 元/小时，含义是：木工工时每增加 1 小时，总利润约增加 62.5 元；油漆工时每增加 1 小时，总利润约增加 12.5 元。这直接回答了“加班应该加在哪个工序”的管理问题。但要注意，影子价格只在当前基不变的范围内有效，工时增加过多会触发基变换，需重新求解确认。

五、从示例到真实业务的扩展

真实排程往往比两产品两资源复杂得多，但扩展路径是清晰的：增加产品种类就增加变量；增加工序、设备、班组就增加约束行；出现“要么生产要么不生产”的开关决策时引入 0-1 变量转为混合整数规划；出现多周期库存时增加时间下标，把产量、库存、需求按周连接起来。无论规模如何变化，建模的核心动作始终是同一件事——把业务中的“消耗、上限、收益、要求”逐条写成线性表达式，并保证单位、方向和符号前后一致。掌握这个动作，线性规划才真正成为可复用的业务分析工具，而不是一次性的课堂练习。