Tổng số giờ lao động được sử dụng (đại diện bởi 9X 1 + 6X2) phải ít hơn hoặc bằng tổng

số giờ lao động hiện có, là 1.566.

Ràng buộc cuối cùng xác định rằng chỉ có 2.880 feet ống có sẵn cho lần tiếp theo của chu
kỳ sản xuất. Mỗi Aqua-Spa được sản xuất (mỗi đơn vị X 1) yêu cầu 12 feet ống và mỗi
Hydro-Lux được sản xuất (mỗi đơn vị X 2) yêu cầu 16 feet ống. Các ràng buộc sau đây là
cần thiết để đảm bảo rằng kế hoạch sản xuất của Howie không sử dụng nhiều ống hơn số
lượng có sẵn:
12X1 + 16X2 ≤ 2.880
Tổng số feet ống được sử dụng (được biểu thị bằng 12X1 + 16X2) phải ít hơn hoặc bằng
tổng số feet ống có sẵn, là 2.880.
5. Xác định bất kỳ giới hạn trên hoặc dưới nào của các biến quyết định.
Thông thường, giới hạn trên hoặc giới hạn dưới áp dụng cho các biến quyết định. Bạn có
thể xem giới hạn trên và dưới như ràng buộc bổ sung trong vấn đề.
Trong ví dụ của chúng ta, có các giới hạn dưới đơn giản bằng 0 trên các biến X 1 và X2 bởi
vì không thể sản xuất số lượng bồn tắm nước nóng âm. Do đó, các hai hạn chế sau đây
cũng áp dụng cho vấn đề này:
X1 ≥ 0
X2 ≥ 0
Những ràng buộc như thế này thường được gọi là điều kiện không phủ định và là khá phổ
biến trong các bài toán LP.

2.7. Tóm tắt mô hình LP và cho bài toán ví dụ

Mô hình LP hoàn chỉnh cho bài toán quyết định của Howie có thể được phát biểu như
sau:
TỐI ĐA: 350X1 + 300X2 2.5
Theo đề: 1X1 + 1X2 ≤ 200 2,6
9X1 + 6X2 ≤ 1.566 2,7
12X1 + 16X2 ≤ 2.880 2,8
1X1 ≥0 2,9
1X2 ≥0 2,10
Trong mô hình này, các biến quyết định X1 và X2 đại diện cho số lượng Aqua-Spa và
Hydro-Luxes để sản xuất tương ứng. Mục tiêu của chúng tôi là xác định các giá trị cho X 1
và X2 tối đa hóa mục tiêu trong phương trình 2.5 đồng thời thỏa mãn tất cả các ràng buộc
trong các phương trình 2.6 đến 2.10.

2.8. Hình thức chung của một mô hình LP

Kỹ thuật quy hoạch tuyến tính được đặt tên như vậy vì các vấn đề về MP mà nó áp dụng
có tính chất tuyến tính. Nghĩa là, nó phải có khả năng thể hiện tất cả các chức năng trong
một dạng chung của mô hình LP dưới dạng tổng trọng số (hoặc kết hợp tuyến tính) của
các biến quyết định. Vì thế, một mô hình LP có dạng chung:
TỐI ĐA (hoặc TỐI THIỂU): c1X1 + c2X2 + … + cnXn 2.11
Theo đề: a11X1 + a12X2 + … + a1nXn ≤ b1 2,12
:

ak1X1 + ak2X2 + … + aknXn ≥ bk 2,13

:

am1X1 + am2X2 + … + amnXn = bm 2,14

Cho đến thời điểm này, chúng tôi đã đề xuất rằng các ràng buộc trong mô hình LP đại
diện cho một số loại tài nguyên hạn chế. Mặc dù trường hợp này thường xuyên xảy ra,
nhưng trong các chương sau, bạn sẽ thấy các ví dụ về các mô hình LP trong đó các ràng
buộc đại diện cho những thứ khác với các tài nguyên được giới hạn. Điểm quan trọng ở
đây là bất kỳ vấn đề nào có thể được hình thành trong thời trang trên là một vấn đề LP.
Các ký hiệu c1, c2, …, cn trong phương trình 2.11 được gọi là các hệ số hàm mục tiêu và
có thể đại diện cho lợi nhuận cận biên (hoặc chi phí) liên quan đến các biến quyết định
X1, X2, …, Xn tương ứng. Biểu tượng a ij được tìm thấy trong các phương trình 2.12 đến
2.14 đại diện cho hệ số trong ràng buộc thứ i của biến X j. Các hàm mục tiêu và các ràng
buộc của bài toán LP biểu thị các tổng có trọng số khác nhau của các biến quyết định.
Các ký hiệu bi trong các ràng buộc, một lần nữa, đại diện cho các giá trị rằng tổ hợp tuyến
tính tương ứng của các biến quyết định phải nhỏ hơn hoặc bằng, lớn hơn hoặc bằng, hoặc
bằng.
Bây giờ bạn sẽ thấy một kết nối trực tiếp giữa mô hình LP mà chúng tôi đã xây dựng cho
Blue Ridge Hot Tubs trong các phương trình từ 2.5 đến 2.10 và định nghĩa chung về mô
hình LP được đưa ra trong phương trình 2.11 đến 2.14. Đặc biệt, lưu ý rằng các biểu
tượng khác nhau được sử dụng trong các phương trình từ 2.11 đến 2.14 để biểu diễn các
hằng số (nghĩa là cj, aij và bi) được thay thế bằng các giá trị số thực tế trong phương trình
2.5 đến 2.10. Cũng lưu ý rằng công thức của chúng tôi về mô hình LP cho Blue Ridge
Hot Tubs không yêu cầu sử dụng ràng buộc “bằng”. Các vấn đề khác nhau yêu cầu các
loại ràng buộc khác nhau và bạn nên sử dụng bất kỳ loại ràng buộc nào cần thiết cho vấn
đề tại tay.

2.9. Giải quyết các vấn đề về LP: Cách tiếp cận trực quan
Sau khi một mô hình LP đã được xây dựng, mối quan tâm của chúng tôi tự nhiên chuyển
sang giải quyết nó. Nhưng trước khi chúng ta thực sự giải bài toán ví dụ cho Blue Ridge
Hot Tubs, bạn nghĩ sao là giải pháp tối ưu cho vấn đề? Chỉ cần nhìn vào mô hình, giá trị
nào cho X1và X2 bạn nghĩ sẽ mang lại cho Howie lợi nhuận lớn nhất?
Theo một dòng lý luận, có vẻ như Howie nên sản xuất càng nhiều đơn vị X 1 (Aqua-Spas)
càng tốt vì mỗi đơn vị này tạo ra lợi nhuận là $350, trong khi mỗi đơn vị X 2 (Hydro
Luxes) chỉ tạo ra lợi nhuận là $300. Nhưng những gì là số lượng Aqua-Spa tối đa mà
Howie có thể sản xuất?
Howie có thể tạo ra số đơn vị X 1 tối đa bằng cách không tạo ra đơn vị X 2 nào và dành tất
cả nguồn lực của mình để sản xuất X1. Giả sử chúng ta đặt X2 = 0 trong các phương trình
từ 2.5 đến 2.10 để chỉ ra rằng sẽ không có Hydro-Lux nào được tạo ra.
Khi đó giá trị lớn nhất có thể có của X 1 là bao nhiêu? Nếu X2 = 0, thì bất đẳng thức trong
phương trình 2.6 cho chúng ta biết:
X1 ≤ 200 2,15
Vì vậy, chúng tôi biết rằng X 1 không thể lớn hơn 200 nếu X 2 = 0. Tuy nhiên, chúng tôi
cũng có để xem xét các ràng buộc trong phương trình 2.7 và 2.8. Nếu X 2 = 0 thì bất đẳng
thức trong phương trình 2.7 rút gọn thành:
9X1 ≤ 1,566 2,16
Nếu chúng ta chia cả hai vế của bất đẳng thức này cho 9, chúng ta sẽ thấy ràng buộc
trước đó là tương đương với:
X1 ≤ 174 2,17
Bây giờ xét ràng buộc trong phương trình 2.8. Nếu X 2 = 0, thì bất đẳng thức trong
phương trình 2.8 rút gọn thành:
12X1 ≤ 2.880 2,18
Một lần nữa, nếu chúng ta chia cả hai vế của bất đẳng thức này cho 12, chúng ta thấy
rằng vế trước ràng buộc tương đương với:
X1 ≤ 240 2,19
Vì vậy, nếu X2 = 0, ba ràng buộc trong mô hình của chúng ta áp đặt các giới hạn trên cho
giá trị của X1 giảm xuống các giá trị được chỉ ra trong phương trình 2.15, 2.17 và 2.19.
hạn chế nhất những ràng buộc này là phương trình 2.17. Do đó, số đơn vị tối đa của X 1
mà có thể được sản xuất là 174. Nói cách khác, 174 là giá trị lớn nhất mà X1 có thể nhận
và vẫn thỏa mãn tất cả các ràng buộc trong mô hình.
Nếu Howie chế tạo 174 đơn vị X 1 (Aqua-Spas) và 0 đơn vị X 2 (Hydro-Luxes), anh ấy sẽ
đã sử dụng tất cả lao động sẵn có cho sản xuất (9X 1 = 1,566 nếu X1 = 174). Tuy nhiên,
anh ta sẽ còn lại 26 máy bơm (200 - X 1 = 26 nếu X1 = 174) và 792 feet ống còn lại (2.880
- 12X1 = 792 nếu X1 = 174). Ngoài ra, lưu ý rằng hàm mục tiêu giá trị (hoặc tổng lợi
nhuận) liên quan đến giải pháp này là:
$350X1 + $300X2 = $350 x 174 + $300 x 0 = $60.900
Từ phân tích này ta thấy nghiệm X 1 = 174, X2 = 0 là nghiệm khả thi cho bài toán vấn đề
vì nó thỏa mãn tất cả các ràng buộc của mô hình. Nhưng liệu đó có phải là giải pháp tối
ưu? Nói cách khác, có bất kỳ tập hợp giá trị khả dĩ nào khác cho X 1 và X2 cũng thỏa mãn
tất cả các ràng buộc và dẫn đến giá trị hàm mục tiêu cao hơn? Như bạn sẽ thấy, các cách
tiếp cận trực quan để giải các bài toán LP mà chúng tôi đã thực hiện ở đây không thể tin
cậy được bởi vì thực sự có một giải pháp tốt hơn cho vấn đề của Howie.

2.10. Giải quyết vấn đề LP: Cách tiếp cận đồ họa

Các ràng buộc của mô hình LP xác định tập hợp các giải pháp khả thi—hoặc vùng giải
pháp khả thi—cho vấn đề. Khó khăn trong LP là xác định điểm nào hoặc điểm nào trong
vùng khả thi tương ứng với giá trị tốt nhất có thể của hàm mục tiêu. Vì các vấn đề đơn
giản chỉ với hai biến quyết định, khá dễ dàng để phác thảo khả thi vùng cho mô hình LP
và định vị điểm khả thi tối ưu bằng đồ thị. Vì phương pháp đồ họa chỉ có thể được sử
dụng nếu có hai biến quyết định, nó đã hạn chế công dụng thực tế. Tuy nhiên, đó là một
cách cực kỳ tốt để phát triển sự hiểu biết cơ bản về chiến lược liên quan đến việc giải
quyết các vấn đề LP. Do đó, chúng tôi sẽ sử dụng phương pháp tiếp cận đồ họa để giải
quyết vấn đề đơn giản mà Blue Ridge Hot Tubs gặp phải. Chương 3 chỉ ra cách để giải
quyết vấn đề này và các vấn đề LP khác bằng cách sử dụng bảng tính.
Để giải một bài toán LP bằng đồ thị, trước hết bạn phải vẽ đồ thị các ràng buộc cho bài
toán và xác định vùng khả thi của nó. Điều này được thực hiện bằng cách vẽ các đường
ranh giới của các ràng buộc và xác định các điểm sẽ thỏa mãn tất cả các ràng buộc. Vì
vậy, làm thế nào để chúng ta làm điều này cho vấn đề ví dụ của chúng tôi (lặp lại bên
dưới)?
 TỐI ĐA: 350X1 + 300X2 2,20
Theo đề: 1X1 + 1X2 ≤ 200 2,21
9X1 + 6X2 ≤ 1.566 2,22
12X1 + 16X2 ≤ 2.880 2,23
1X1 ≥0 2,24
1X2 ≥0 2,25
2.10.1. VẼ RÀNG BUỘC ĐẦU TIÊN
Ranh giới của ràng buộc đầu tiên trong mô hình của chúng tôi, chỉ định rằng không quá
200 máy bơm có thể được sử dụng, được biểu diễn bằng đường thẳng được xác định bởi
phương trình:
X1 + X2 = 200 2,26
Nếu chúng ta có thể tìm thấy hai điểm bất kỳ trên đường thẳng này, toàn bộ đường thẳng
có thể được vẽ dễ dàng bằng vẽ đường thẳng đi qua các điểm này. Nếu X 2 = 0, ta có thể
thấy từ phương trình 2.26 rằng X1 = 200. Như vậy, điểm (X1, X2) = (200, 0) phải nằm trên
đường thẳng này. Nếu chúng ta để X 1 = 0, từ phương trình 2.26 dễ dàng nhận thấy X 2 =
200. Vậy điểm (X1, X2) = (0, 200) còn phải rơi vào dòng này. Hai điểm này được vẽ trên
đồ thị Hình 2.1 và được nối với nhau để tạo thành đường thẳng biểu diễn phương trình
2.26.
Lưu ý rằng đồ thị của đường liên kết với phương trình 2.26 thực sự vượt ra ngoài trục X 1
và X2 như hình 2.1. Tuy nhiên, chúng ta có thể bỏ qua những điểm vượt quá các trục này
vì các giá trị do X1 và X2 giả định không thể âm (vì chúng ta cũng có các ràng buộc cho
bởi X1 ≥ 0 và X2 ≥ 0).
Đường nối các điểm (0, 200) và (200, 0) trên hình 2.1 xác định các điểm (X 1, X2) thỏa
mãn đẳng thức X1 + X2 = 200. Nhưng hãy nhớ rằng ràng buộc đầu tiên trong mô hình LP
là bất đẳng thức X1 + X2 ≤ 200. Như vậy, sau khi vẽ đường biên của một biến dạng giới
hạn, ta phải xác định xem vùng nào trên đồ thị ứng với nghiệm khả thi cho ràng buộc ban
đầu. Điều này có thể được thực hiện dễ dàng bằng cách chọn một điểm tùy ý trên một
trong hai phía của (nghĩa là không nằm trên) đường ranh giới và kiểm tra xem nó có thỏa
mãn ràng buộc ban đầu hay không. Ví dụ: điểm (X 1, X2) = (0, 0) không nằm trên đường
biên của ràng buộc đầu tiên và cũng thỏa mãn ràng buộc đầu tiên. Do đó, diện tích của đồ
thị trên cùng một phía của đường biên với điểm (0, 0) tương ứng với các giải pháp khả thi
của ràng buộc đầu tiên của chúng tôi. Khu vực các giải pháp khả thi này được tô bóng
trong Hình 2.1.

2.10.2. VẼ RÀNG BUỘC THỨ HAI

Một số giải pháp khả thi cho một ràng buộc trong mô hình LP thường sẽ không thỏa mãn
một hoặc nhiều ràng buộc khác trong mô hình. Ví dụ: điểm (X 1, X2) = (200, 0) thỏa mãn
ràng buộc đầu tiên trong mô hình của chúng tôi, nhưng nó không thỏa mãn điều ràng
buộc kiện thứ hai, yêu cầu sử dụng không quá 1.566 giờ lao động (vì 9x200 + 6x0 =

HÌNH 2.1
Biểu diễn
đồ họa của
ràng buộc

1800). Vì vậy, những giá trị cho X 1 và X2 sẽ đáp ứng cả hai điều này ràng buộc đồng
thời? Để trả lời câu hỏi này, chúng ta cũng cần vẽ sơ đồ thứ hai ràng buộc trên đồ thị.
Điều này được thực hiện theo cách tương tự như trước đây—bằng cách định vị hai điểm
trên đường biên của ràng buộc và kết nối các điểm này với một đường thẳng.
Đường ranh giới cho ràng buộc thứ hai trong mô hình của chúng tôi được đưa ra bởi:
9X1 + 6X2 = 1.566 2,27
Nếu X1 = 0 trong phương trình 2.27 thì X 2 = 1,566/6 = 261. Vậy điểm (0, 261) phải rơi
vào
đường xác định bởi phương trình 2.27. Tương tự, nếu X 2 = 0 trong phương trình 2.27 thì
X1 = 1,566/9 = 174. Vì vậy, điểm (174, 0) cũng phải nằm trên đường thẳng này. Hai điểm
này là được vẽ trên đồ thị và nối với một đường thẳng biểu diễn phương trình 2.27, như
thể hiện trong hình 2.2.
Đường vẽ trong Hình 2.2 biểu thị phương trình 2.27 là đường biên cho ràng buộc thứ hai.
Để xác định khu vực trên biểu đồ tương ứng với các giải pháp khả thi cho ràng buộc thứ
hai, chúng ta lại cần kiểm tra một điểm ở hai bên của đường thẳng này để xem nó có khả
thi không. Điểm (X1, X2) = (0, 0) thỏa mãn 9X1 6X2 ≤ 1,566. Vì vậy, tất cảcác điểm trên
cùng một phía của đường biên thỏa mãn ràng buộc này.
2.10.3. VẼ RÀNG BUỘC THỨ BA
Để tìm tập giá trị của X1 và X2 thỏa mãn tất cả các ràng buộc trong mô hình, chúng ta cần
vẽ đồ thị ràng buộc thứ ba. Hạn chế này yêu cầu không quá 2.880 feet ống được sử dụng
để sản xuất bồn tắm nước nóng. Một lần nữa, chúng ta sẽ tìm thấy hai điểm trên đồ thị
nằm trên đường ranh giới của giới hạn này và nối chúng với một đường thẳng

HÌNH 2.2
Biểu diễn
đồ họa của
máy bơm và
các hạn chế
lao động

Đường ranh giới cho ràng buộc thứ ba trong mô hình của chúng tôi là:
12X1 + 16X2 = 2.880 2,28
Nếu X1 = 0 trong phương trình 2.28 thì X2 = 2,880/16 = 180. Vậy điểm (0, 180) phải rơi
vào đường xác định bởi phương trình 2.28. Tương tự, nếu X 2 = 0 trong phương trình 2.28
thì X1 = 2,880/12 = 240. Vì vậy, điểm (240, 0) cũng phải nằm trên đường thẳng này. Hai
điểm này là được vẽ trên đồ thị và nối với một đường thẳng biểu diễn phương trình 2.28,
như thể hiện trong hình 2.3.
Một lần nữa, đường vẽ trong Hình 2.3 biểu diễn phương trình 2.28 là đường biên cho hạn
chế thứ ba của chúng tôi. Để xác định khu vực trên biểu đồ tương ứng với khả thi giải
pháp cho hạn chế này, chúng ta cần kiểm tra một điểm ở hai bên của đường này để xem
liệu nó có khả thi. Điểm (X 1, X2) = (0, 0) thỏa mãn 12X1 + 16X2 ≤ 2,880. Vì vậy, tất cả
các điểm trên cùng phía của đường ranh giới thỏa mãn ràng buộc này.
2.10.4. VÙNG KHẢ THI
Giờ đây, thật dễ dàng để xem điểm nào thỏa mãn tất cả các ràng buộc trong mô hình của
chúng tôi. Những điểm này tương ứng với khu vực được tô bóng trong Hình 2.3, được
gắn nhãn “Khu vực Khả thi. Khả thi miền là tập hợp các điểm hoặc giá trị mà các biến
quyết định có thể đảm nhận và đồng thời thỏa mãn tất cả các ràng buộc trong bài toán.
Hãy dành một chút thời gian để so sánh cẩn thận các biểu đồ trong Hình 2.1, 2.2 và 2.3.
Đặc biệt, lưu ý rằng khi chúng tôi thêm ràng buộc thứ hai trong Hình 2.2, một số giải
pháp khả thi liên quan đến ràng buộc thứ nhất hạn chế đã bị loại bỏ vì các giải pháp này
không thỏa mãn hạn chế thứ hai. Tương tự, khi chúng ta thêm ràng buộc thứ ba vào Hình
2.3, một phần khác của các giải pháp khả thi cho ràng buộc đầu tiên đã bị loại bỏ.

HÌNH 2.3
Biểu diễn
đồ họa của
khu vực khả
thi

2.10.5. VẼ CÁC HÀM MỤC TIÊU

Bây giờ chúng ta đã cô lập tập hợp các giải pháp khả thi cho vấn đề LP của mình, chúng
ta cần xác định giải pháp nào trong số những giải pháp này là tốt nhất. Đó là, chúng ta
phải xác định điểm nào trong vùng khả thi sẽ tối đa hóa giá trị của hàm mục tiêu trong
mô hình của chúng tôi. Tại thoạt nhìn, có vẻ như việc cố gắng xác định vị trí điểm này
giống như mò kim đáy bể một đống cỏ khô. Xét cho cùng, như được thể hiện bởi vùng
bóng mờ trong Hình 2.3, có vô số số giải pháp khả thi cho vấn đề này. May mắn thay, có
thể dễ dàng loại bỏ hầu hết các giải pháp khả thi trong một vấn đề LP từ việc xem xét. Có
thể chỉ ra rằng nếu một LP bài toán có nghiệm tối ưu với giá trị hàm mục tiêu hữu hạn,
nghiệm này sẽ luôn xảy ra tại một điểm trong vùng khả thi nơi có hai hoặc nhiều ranh
giới các đường ràng buộc cắt nhau. Những giao điểm này đôi khi được gọi là điểm góc
hoặc điểm cực trị của miền khả thi.
Để xem tại sao giải pháp tối ưu hữu hạn cho một vấn đề LP xảy ra tại một điểm cực trị
của miền khả thi, xem xét mối quan hệ giữa hàm mục tiêu và vùng khả thi của mô hình
LP mẫu của chúng tôi. Giả sử chúng ta quan tâm đến việc tìm kiếm các giá trị của X 1 và
X2 liên quan đến một mức lợi nhuận nhất định, chẳng hạn như 35.000 đô la. Sau đó, về
mặt toán học, chúng ta quan tâm đến việc tìm các điểm (X 1, X2) mà tại đó hàm mục tiêu
của chúng ta bằng $35.000 hoặc ở đâu:
$350X1 + $300X2 = $35.000 2,29
Phương trình này xác định một đường thẳng mà chúng ta có thể vẽ trên biểu đồ của mình.
Cụ thể, nếu X1 = 0 thì từ phương trình 2.29 suy ra X 2 = 116,67. Tương tự, nếu X2 = 0
trong phương trình 2.29, thì X1 = 100. Vì vậy, các điểm (X1, X2) = (0, 116,67) và (X1, X2)
= (100, 0) đều nằm trên đường thẳng xác định mức lợi nhuận là $35,000. (Lưu ý rằng tất
cả các điểm trên đường này đều tạo ra lợi nhuận mức 35.000 USD.) Đường này được thể
hiện trong Hình 2.4.

HÌNH 2.4
Biểu đồ
hiển thị các
giá trị của
X1 và X2 tạo
ra giá trị
hàm mục
tiêu là
$35,000
Bây giờ, giả sử chúng ta quan tâm đến việc tìm các giá trị của X 1 và X2 để tạo ra một số
mức lợi nhuận cao hơn, chẳng hạn như $52,500. Sau đó, về mặt toán học, chúng tôi quan
tâm đến việc tìm kiếm các điểm (X1, X2) mà tại đó hàm mục tiêu của chúng ta bằng
$52.500 hoặc tại đó:
$350X1 $300X2 = $52.500 2,30
Phương trình này cũng xác định một đường thẳng mà chúng ta có thể vẽ trên đồ thị của
mình. Nếu chúng ta làm này, chúng ta sẽ thấy rằng các điểm (X 1, X2) = (0, 175) và (X1,
X2) = (150, 0) đều rơi vào trường hợp này dòng, như thể hiện trong Hình 2.5.
2.10.6. TÌM GIẢI PHÁP TỐI ƯU BẰNG ĐƯỜNG CONG CẤP
Các đường trong Hình 2.5 biểu thị hai giá trị hàm mục tiêu đôi khi được gọi là đường
cong mức vì chúng biểu thị các mức hoặc giá trị khác nhau của mục tiêu. Lưu ý rằng hai
đường đồng mức trong Hình 2.5 song song với nhau. Nếu chúng ta lặp lại điều này quá
trình vẽ các đường liên quan đến các giá trị ngày càng lớn hơn của hàm mục tiêu của
chúng tôi, chúng ta sẽ tiếp tục quan sát thấy một loạt các đường thẳng song song lệch
khỏi gốc tọa độ—tức là, cách xa điểm (0, 0). Đường cong mức cuối cùng mà chúng ta có
thể vẽ vẫn cắt đường khu vực khả thi sẽ xác định lợi nhuận tối đa chúng ta có thể đạt
được. Giao điểm này, thể hiện trong Hình 2.6, thể hiện giải pháp khả thi tối ưu cho vấn
đề.
Như thể hiện trong Hình 2.6, giải pháp tối ưu cho vấn đề ví dụ của chúng tôi xảy ra tại
điểm tại đó đường đồng mức lớn nhất có thể cắt vùng khả thi tại một điểm duy nhất điểm.
Đây là điểm khả thi mang lại lợi nhuận lớn nhất cho Blue Ridge Hot Tubs.Nhưng làm thế
nào để chúng ta tìm ra chính xác điểm này là gì và nó mang lại bao nhiêu lợi nhuận?

HÌNH 2.5
Mức đường
cong song
song cho
hai giá trị
hàm mục
tiêu khác
nhauc
 HÌNH 2.6
Biểu đồ hiển
thị giải pháp
tối ưu trong
đó đường
đồng mức tiếp
tuyến với
vùng khả thi

Nếu bạn so sánh Hình 2.6 với Hình 2.3, bạn sẽ thấy rằng giải pháp tối ưu xảy ra nơi các
đường biên giới hạn của máy bơm và nhân công cắt nhau (hoặc bằng nhau). Như vậy,
nghiệm tối ưu được xác định bởi điểm (X1, X2) đồng thời thỏa mãn phương trình 2.26 và
2.27, được lặp lại dưới đây:
X1 + X2 = 200
9X1 + 6X2 = 1,566
Từ phương trình đầu tiên, chúng ta dễ dàng kết luận rằng X 2 = 200 X1. Nếu chúng ta thay
thế cái này định nghĩa của X2 vào phương trình thứ hai ta được:
9X1 + 6(200 - X1) = 1,566
Sử dụng đại số đơn giản, chúng ta có thể giải phương trình này để tìm ra X 1 = 122. Và
bởi vì X2 = 200 X1, chúng ta có thể kết luận rằng X 2 = 78. Do đó, chúng ta đã xác định
rằng nghiệm tối ưu cho bài toán ví dụ của chúng ta xảy ra tại điểm (X 1, X2) = (122, 78).
Điểm này thỏa mãn tất cả các ràng buộc trong mô hình của chúng tôi và tương ứng với
điểm trong Hình 2.6 được xác định là giải pháp tối ưu.
Tổng lợi nhuận liên quan đến giải pháp này được tìm thấy bằng cách thay thế các giá trị
tối ưu của X1 = 122 và X2 = 78 vào hàm mục tiêu. Do đó, Bồn tắm nước nóng Blue Ridge
có thể nhận ra lợi nhuận là 66.100 đô la nếu nó sản xuất 122 Aqua-Spas và 78 Hydro-
Luxes ($350x122 + $300x78 = $66,100). Bất kỳ kế hoạch sản xuất nào khác dẫn đến
tổng lợi nhuận thấp hơn. Trong cụ thể, lưu ý rằng giải pháp mà chúng tôi đã tìm thấy
trước đó bằng cách sử dụng phương pháp trực quan (mà tạo ra tổng lợi nhuận là $60.900)
kém hơn so với giải pháp tối ưu được xác định ở đây.
2.10.7. TÌM GIẢI PHÁP TỐI ƯU BẰNG CÁCH ĐẾM SỐ CÁC ĐIỂM GÓC
Trước đó, chúng tôi đã chỉ ra rằng nếu một vấn đề LP có một giải pháp tối ưu hữu hạn,
giải pháp này sẽ luôn xảy ra tại một số điểm góc của khu vực khả thi. Vì vậy, một cách
khác để giải quyết một bài toán LP là xác định tất cả các điểm góc, hoặc các điểm cực trị,
của miền khả thi và tính giá trị của hàm mục tiêu tại mỗi điểm này. Góc điểm có giá trị
hàm mục tiêu lớn nhất là phương án tối ưu của bài toán.
Cách tiếp cận này được minh họa trong Hình 2.7, trong đó tọa độ X 1 và X2 cho mỗi các
điểm cực trị được xác định cùng với các giá trị hàm mục tiêu liên quan. Nhưkỳ vọng,
phân tích này cũng chỉ ra rằng điểm (X1, X2) = (122, 78) là tối ưu.
Việc liệt kê các điểm góc để xác định giải pháp tối ưu thường khó hơn so với cách tiếp
cận đường đồng mức vì nó yêu cầu bạn xác định tọa độ cho tất cả các điểm cực trị của
miền khả thi. Nếu có nhiều ràng buộc giao nhau, số lượng điểm cực trị có thể trở nên khá
lớn, làm cho quy trình này trở nên rất tẻ nhạt. Ngoài ra, có một điều kiện đặc biệt mà quy
trình này sẽ không hoạt động. Điều kiện này, được gọi là một giải pháp không giới hạn,
được mô tả ngắn gọn.
2.10.8. TÓM TẮT GIẢI PHÁP ĐỒ HỌA CHO BÀI TOÁN LP
Để tóm tắt phần này, bài toán LP hai biến được giải bằng đồ thị bằng cách thực hiện các
bước sau:
1. Vẽ đường biên của từng ràng buộc trong mô hình.
2. Xác định miền khả thi, tức là tập hợp các điểm trên đồ thị đồng thời thỏa mãn các ràng
buộc.

HÌNH 2.7
Giá trị hàm
mục tiêu tại
mỗi điểm cực
trị của miền
khả thi

3. Xác định phương án tối ưu bằng một trong các phương pháp sau:
a. Vẽ một hoặc nhiều đường cong mức cho hàm mục tiêu và xác định hướng theo đó các
dịch chuyển song song trong đường này tạo ra các giá trị hàm mục tiêu được cải thiện.
Dịch chuyển đường đồng mức theo cách song song theo hướng cải thiện cho đến khi nó
cắt miền khả thi tại một điểm duy nhất. Sau đó tìm tọa độ cho cái này điểm. Đây là giải
pháp tối ưu.
b. Xác định tọa độ của tất cả các điểm cực trị của miền khả thi và tính toán các giá trị
hàm mục tiêu liên quan đến từng điểm. Nếu miền khả thi bị chặn thì điểm có giá trị hàm
mục tiêu tốt nhất là điểm tối ưu.
2.10.9 TÌM HIỂU CÁCH MỌI THỨ THAY ĐỔI
Điều quan trọng là phải nhận ra rằng nếu những thay đổi xảy ra trong bất kỳ hệ số nào
trong mục tiêu hàm hoặc các ràng buộc của bài toán này, sau đó là đường đồng mức,
miền khả thi và tối ưu giải pháp cho vấn đề này cũng có thể thay đổi. Để trở thành một
người lập mô hình LP hiệu quả, điều quan trọng là để bạn phát triển một số trực giác về
sự thay đổi của các hệ số khác nhau trong mô hình sẽ ảnh hưởng đến giải pháp cho vấn
đề. Chúng ta sẽ nghiên cứu điều này chi tiết hơn trong Chương 4 khi thảo luận về phân
tích độ nhạy. Tuy nhiên, bảng tính hiển thị trong Hình 2.8 (và trong tệp có tên Fig2-8.xls
trên đĩa dữ liệu của bạn) cho phép bạn thay đổi bất kỳ của các hệ số trong bài toán này và
ngay lập tức thấy tác dụng của nó. Bạn được khuyến khích thử nghiệm với tệp này để
đảm bảo rằng bạn hiểu mối quan hệ giữa các hệ số mô hình khác nhau và tác động của
chúng đối với vấn đề LP này. (Trường hợp 2-1 ở cuối chương này hỏi một số câu hỏi cụ

thể có thể được trả lời bằng bảng tính thể hiện trong hình 2.8.)