简介：这份运筹学期末练习试卷面向高校运筹学课程学习者与备考学生，用于系统检验建模、概念理解与计算求解能力。试卷涵盖线性规划建模、整数规划建模、名词解释、网络分析与决策树、运输问题表上作业法及对偶理论等核心考点，题目均配有解答过程，便于对照复盘解题思路。资源包共1个doc文件，约1.09MB，内容完整呈现建模题、作图填空题与综合计算题的题干及参考答案，适合考前自测与知识点查漏补缺。已有571人学习下载，可作为课程复习的实战演练材料，帮助读者熟悉题型分布、掌握分支定界与互补松弛性等解题技巧，并借助完整解答理解从建模到求解的完整逻辑链条。
1. 运筹学到底在算什么：从一张生产计划表说起
如果你手头有一家小厂，两道工序、两种产品、一份利润表，老板问你“怎么排产最赚钱”，你大概会先愣一下——这不是拍脑袋能拍出来的。运筹学就是干这件事的：把“资源有限、目标明确”的现实问题，翻译成数学语言，再交给模型去算。它不神秘，本质是一套“用数学做决策”的方法论。这份运筹学期末练习试卷，恰好把这条主线串了起来：建模题让你把生产场景写成线性规划，名词解释考你定性与定量的边界，网络图题算工期和关键路径，计算题则要求你真的解出最优解。搞懂它，你就拿到了一把拆解资源分配问题的钥匙。
2. 线性规划：把“怎么排产最赚钱”写成数学题
2.1 一句话定义与生活化类比
线性规划，通俗地说，就是在若干“不能超过”的限制下，找一个“最大”或“最小”的答案。打个比方，你有一个背包，容量固定，面前摆着几样东西，每样都有重量和价值，你想装得最值钱——这就是线性规划。区别在于，现实里的“背包”可能是两道工序的工时、三种钢材的库存、若干人工小时，而“价值”就是利润。
试卷第一道建模题就是标准范本：A、B 两种产品都要过前道和后道两道化学反应，A 每单位耗前道 2 小时、后道 3 小时，B 每单位耗前道 3 小时、后道 4 小时；前道总共 200 小时，后道 240 小时。A 每单位赚 5 元，B 每单位赚 10 元，而且每生产 1 个单位 B 会附带产出 2 个单位副产品 C，C 每单位赚 3 元，但最多只能卖 10 个单位，卖不掉的要花 1 元销毁。题目只要求建模、不要求求解，这恰恰点出了线性规划的核心动作：先把现实翻译成变量、目标函数和约束条件，算不算得出来是下一步的事。
2.2 建模的三件套：变量、目标、约束
任何线性规划模型都逃不开三样东西。第一是决策变量，也就是“你能拍板的东西”，这道题里是 A 的产量 x1、B 的产量 x2，以及销毁的 C 的数量 x3。第二是目标函数，即“你想最大化的东西”，这里是总利润：5x1 + 10x2 + 3×(能卖出的 C) − 1×x3。第三是约束条件，即“现实不允许你越过的线”：前道工时 2x1 + 3x2 ≤ 200，后道工时 3x1 + 4x2 ≤ 240，C 的销售上限和产销平衡关系也要写成等式或不等式。
这里有个容易被忽略的细节：副产品 C 的产量是 2x2，能卖出的部分最多 10 个单位，卖不掉的才销毁，所以“卖出量 + 销毁量 = 2x2”这条平衡约束不能漏。漏了它，模型就会凭空多出利润，算出来的方案在现实中根本落不了地。建模题只给 10 分、不要求求解，考的就是你有没有把这种“隐藏的账”算清楚。
用一段伪代码把结构写出来更直观：
# 决策变量：x1 = A产量, x2 = B产量, x3 = 销毁的C数量 # 目标：最大化利润 # 卖出C的数量 = min(2*x2, 10)，建模时用辅助变量表达 maximize 5*x1 + 10*x2 + 3*sold_C - 1*x3 subject to 2*x1 + 3*x2 <= 200 # 前道工时约束 3*x1 + 4*x2 <= 240 # 后道工时约束 sold_C + x3 == 2*x2 # C的产销平衡 sold_C <= 10 # C的销售上限 x1, x2, x3, sold_C >= 0代码里的每一行都对应现实中的一句话，注释就是翻译对照表。参数怎么改？工时上限变了就改 200 和 240，利润单价变了就改系数，销售上限变了就改 10。真正要盯的是约束之间有没有互相打架——比如后道工时给得特别紧，模型可能直接把 x2 压到零，这时候副产品 C 也跟着没了，利润结构会整个变样。
2.3 整数规划：为什么“生产 1500 辆”比“生产 1499.6 辆”难得多
试卷第二题把场景换成了汽车厂：微型车、中级车、高级轿车，各自消耗钢材和人工，利润不同，而且有个“经济规模”门槛——微型车至少 1500 辆、中级车至少 1200 辆、高级车至少 1000 辆才允许生产。这就是整数规划的典型面孔：决策变量必须是整数（车辆数不能是小数），而且带“要么不生产、要么至少生产这么多”的开关逻辑。
为什么整数规划比线性规划难？打个比方，线性规划像是在一条平滑的坡上找最高点，你顺着坡度走总能走到；整数规划则像在楼梯上找最高台阶，你没法“半步半步”地挪，只能一格一格跳，跳错方向就得回头。试卷里“只建模、无需求解”的要求很务实——真要求解，得引入 0-1 变量来表示“是否生产某车型”，再用分支定界之类的算法去搜，手算基本不现实。
这道题的建模关键是把“经济规模”写成两段式约束：设一个 0-1 变量 y 表示该车型是否投产，产量 x 满足 x ≥ 1500y 且 x ≤ 上限×y。y 取 0 时产量被压到 0，y 取 1 时产量至少 1500。钢材 6000 吨、人工 55000 小时的资源上限则是常规的线性约束。这套“大 M 法”或“开关变量”的写法，是整数规划建模里最常见的踩坑点——忘了写上限，模型可能给你一个“投产但产量为零”的荒唐解。
2.4 对偶问题：同一枚硬币的另一面
试卷名词解释里提到“线性规划的对偶问题”，答案不唯一，但核心思想很统一：任何一个“最大化利润”的线性规划，都对应一个“最小化资源代价”的对偶问题。通俗地说，原问题问“我该怎么排产”，对偶问题问“如果把这些工时和钢材租出去，最低该收多少钱才不亏”。两者最优值相等，这叫强对偶性。
这个性质的价值在于：原问题变量多、约束少时不好算，转成对偶问题可能变量少、约束多，反而好解；而且对偶变量（也叫影子价格）直接告诉你“多一小时工时值多少钱”，对决策者来说比原始解更有信息量。试卷第四大题的综合题就考了这个——给一个线性规划，要求写出对偶问题并用互补松弛性求对偶最优解。互补松弛性的直觉是：某个约束如果没卡紧（有富余），对应的对偶变量就是零；某个对偶变量大于零，说明那条资源是稀缺的、值得多买。
3. 网络图与关键路径：项目工期是怎么算出来的
3.1 活动、紧前关系与网络图
试卷第三大题给了一张工程资料表：活动 A 到 F，各自有持续时间和紧前活动，要求画网络图、找关键路线、算完工时间，还要回答“活动 B 可以推迟几天不误工期”。这类问题属于网络分析，工具叫 PERT 图或 CPM 图，本质是把项目拆成活动，用箭头表示先后关系，再顺着图算时间。
打个比方，装修房子：水电没做完，瓦工进不了场；瓦工没完，地板铺不了。网络图就是把这种“谁必须在谁之前”的关系画出来，然后找出整条链上最长的那个路径——它决定了项目最短要多久完工，所以叫关键路线。试卷里关键路线是 A-E-F，完工时间 14 天，这两个答案是一体两面：关键路线上各活动时间之和就是总工期。
3.2 最早开始、最晚开始与“可以推迟几天”
“活动 B 可以推迟 4 天而不延误工期”这句话，背后是两套时间的差：最早开始时间（ES）和最晚开始时间（LS）。ES 是顺着网络图从前往后推，每个活动最早能什么时候动手；LS 是从后往前推，为了不拖累总工期，最晚必须什么时候动手。两者之差叫总时差，B 的总时差是 4，意味着它有 4 天的缓冲空间。关键路线上的活动总时差为零，所以 E 可以推迟 0 天——它一天都拖不起。
这里有个常见误区：总时差不是“随便用”的。如果 B 真的推迟了 4 天，它后面的活动可能被挤到没有缓冲，一旦再出岔子就直接拖工期。所以总时差更像“后悔药”，能不吃尽量不吃。试卷用填空形式考这几个数，就是在训练你对“时间账”的敏感度。
3.3 网络图建模的注意点
画网络图时，两个活动如果共享同一个紧前活动、又各自引出后续活动，容易画出“交叉箭头”导致逻辑混乱，规范做法是引入虚活动（持续时间为零的箭头）来理清先后。试卷的表格里 C 的紧前是 B、D 的紧前是 A 和 C、E 的紧前是 A、F 的紧前是 D 和 E，这种多前驱结构如果不画虚活动，很容易把“A 和 C 都完成后 D 才能开始”错画成“A 完成后 D 就能开始”。建模题不要求求解，但网络图题要求你画对图，图错了后面所有时间全错。
4. 常见误区与易混概念：别把这几对搞反了
4.1 定性分析与定量分析：不是“谁更高级”
试卷名词解释第一题就是这对概念。定性分析靠决策者的经验、性格、环境判断，主观性强；定量分析靠数据和模型，客观性强。易混点在于有人觉得定量一定比定性好——其实不然。数据不足、问题太新、变量无法量化时，硬套模型反而会得出“精确的错误”。区分方法很简单：看决策依据是“人的判断”还是“可验证的数据”。两者常常配合使用，先用定性圈定问题边界，再用定量在边界内优化。
4.2 线性规划与整数规划：差的不只是“取整”
很多人以为整数规划就是线性规划算完把小数四舍五入，这是典型的翻车点。四舍五入后的解可能根本不满足约束（比如资源超了），也可能离真正最优解很远。两者的本质区别在可行域的形状：线性规划的可行域是连续的多边形，最优解在顶点；整数规划的可行域是一堆离散的点，求解要靠分支定界、割平面等专门算法。试卷第二题特意加了“经济规模”门槛，就是在提醒你：整数约束往往和逻辑开关绑在一起，不是简单取整能对付的。
4.3 关键路线与最短路线：一字之差，含义相反
网络图里“关键路线”是耗时最长的路径，它决定项目总工期；而“最短路线”通常指两点之间距离最短的走法。初学者容易把“关键”理解成“最重要所以最短”，恰恰搞反了——关键路线之所以关键，是因为它最长、没有一点缓冲，任何延误都会直接推迟完工。区分方法：算总工期找最长路径，算运输成本找最短路径，两个问题方向相反。
4.4 原问题与对偶问题：最优值相等，不代表解相同
对偶问题的最优值和原问题相等，但最优解是两套完全不同的变量。原问题的解是“生产多少”，对偶问题的解是“资源值多少钱”。易混点在于拿对偶解去当生产计划用，或者反过来。区分方法看变量量纲：原问题变量带产品单位，对偶变量带“元/单位资源”的价格单位。试卷综合题要求“求对偶问题最优解”，考的就是你能不能分清这两套解各自代表什么。
4.5 总时差与自由时差：缓冲不是随便挪的
总时差是不影响总工期的可推迟时间，自由时差是不影响紧后活动最早开始的可推迟时间。前者管全局，后者管局部，自由时差通常小于等于总时差。试卷只问了总时差，但实际项目管理里，动用了总时差可能吃掉后续活动的自由空间，引发连锁反应。区分方法：看“不影响谁”——不影响总工期是总时差，不影响下一个活动是自由时差。
5. 什么时候该用运筹学，什么时候别硬套
运筹学不是万能锤子。它最适合的场景有三个特征：目标明确（利润最大或成本最小）、资源可量化（工时、钢材、预算有具体数字）、约束能写成线性或整数关系。试卷里的排产、汽车厂投产、织布机分配，都符合这三条，所以建模顺理成章。反过来，如果问题里的关键因素根本没法量化——比如品牌声誉、员工士气、政策风向——硬塞进目标函数只会得到一堆好看但没用的数字。还有一种情况要警惕：数据本身不可靠。线性规划对参数很敏感，工时估错 10%，最优解可能整个翻盘，这时候先做敏感性分析比急着求解更明智。
拿试卷第一题做个边界演示：如果副产品 C 的市场需求不是“最多 10 个单位”而是“价格随销量波动”，那目标函数里 3 元/单位的常数就不成立了，模型得改成非线性规划，求解难度上一个台阶。这时候更务实的做法是分段线性化，或者干脆用情景分析代替精确求解。再比如汽车厂那道题，如果“经济规模”门槛可以谈判、可以分批投产，整数规划的开关变量就得重新设计，甚至问题性质会变。
我自己的习惯是：拿到任何资源分配问题，先花十分钟确认三件事——变量是不是真的能连续取值、约束是不是真的线性、数据是不是真的可信。这三关过不了，宁可退回定性判断，也不硬建一个“看起来很美”的模型。从那以后我每次动笔写目标函数之前，都强制走一遍这个三问清单，省下了不少返工的功夫。这份试卷的价值也在这里：它用六道题把建模、概念、网络、求解串成一条线，让你在动笔之前先想清楚“这题到底在考什么”。希望帮到你。
本文还有配套的精品资源，点击获取
