Similarly, since each constraint is

Similarly, since each constraint is linear, the contribution of each variable to the left hand side
of each constraint is proportional to the value of the variable and independent of the values of any
other variable.
These assumptions are quite restrictive. We will see, however, that clever modeling can handle
situations that may appear to violate these assumptions.
The next assumption is the Divisibility Assumption: it is possible to take any fraction of any
variable. Rethinking the Marketing example, what does it mean to purchase 2.67 television ads? It
may be that the divisibility assumption is violated in this example. Or, it may be that the units are
such that 2.67 ads" actually corresponds to 2666.7 minutes of ads, in which case we can
ound
o " our solution to 2667 minutes with little doubt that we are getting an optimal or nearly optimal
solution. Similarly, a fractional production quantity may be worisome if we are producing a small
number of battleships or be innocuous if we are producting millions of paperclips. If the Divisibility
Assumption is important and does not hold, then a technique called integer programming rather
than linear programming is required. This technique takes orders of magnitude more time to nd
solutions but may be necessary to create realistic solutions. You will learn more about this in
45-761.
The nal assumption is the Certainty Assumption: linear programming allows for no uncertainty
about the numbers. An ad will reach the given number of people; the number of assembly hours
we give will certainly be available.
It is very rare that a problem will meet all of the assumptions exactly. That does not negate
the usefulness of a model. A model can still give useful managerial insight even if reality diers
slightly from the rigorous requirements of the model. For instance, the knowledge that our chip
inventory is more than sucient holds in our rst model even if the proportionality assumptions
are not satised completely.

ผลลัพธ์ (ไทย) 1:

ในทำนองเดียวกัน เนื่องจากข้อจำกัดของแต่ละเส้น สัดส่วนของแต่ละตัวแปรทางด้านซ้ายมือด้านข้างแต่ละข้อจำกัดเป็นสัดส่วนกับค่าของตัวแปร และขึ้นอยู่กับค่าของตัวแปรอื่น ๆสมมติฐานนี้จะเข้มงวดมาก เราจะเห็น แต่ โมเดลฉลาดสามารถจัดการสถานการณ์ที่อาจจะละเมิดสมมติฐานเหล่านี้ถัดไปเป็นอัสสัมชัญ Divisibility: เป็นการใช้เศษส่วนใด ๆ ของตัวแปร ทบทวนตัวอย่างของการตลาด ไร ซื้อโฆษณาโทรทัศน์ 2.67 มันได้มีละเมิดอัสสัมชัญ divisibility ในตัวอย่างนี้ หรือ อาจจะเป็นหน่วยใช้ที่ 2.67 ads "จริง ตรงกับโฆษณา 2666.7 นาทีซึ่ง เราสามารถ
oundo "เราแก้ไข 2667 นาทีที่คงที่เราจะได้รับประสิทธิภาพสูงสุด หรือเกือบสูงสุดการแก้ปัญหา ในทำนองเดียวกัน ผลิตเศษอาจจะ worisome ถ้าเราจะผลิตขนาดเล็กจำนวน battleships หรือ innocuous หากเราล้าน producting ของ paperclips ถ้า Divisibility ที่อัสสัมชัญเป็นสิ่งสำคัญ และไม่ ค้าง แล้วเป็นเทคนิคที่เรียกว่าจำนวนเต็มแทนที่จะเขียนกว่าที่จำเป็นต้องใช้การเขียนโปรแกรมเชิงเส้น เทคนิคนี้จะสั่งของขนาดเวลา ndโซลูชั่น แต่อาจจำเป็นต้องสร้างการแก้ไขปัญหาที่เป็นจริง คุณจะเรียนรู้เพิ่มเติมเกี่ยวกับเรื่องนี้ใน45-761อัสสัมชัญ nal เป็นสมมติฐานที่ แน่นอน: เชิงเส้นทำให้ไม่มีความไม่แน่นอนเกี่ยวกับตัวเลข โฆษณาจะเข้าถึงการกำหนดจำนวนคน จำนวนชั่วโมงที่แอสเซมบลีเราให้จะเป็นว่างเป็นเรื่องยากที่ปัญหาจะพบทั้งหมดของสมมติฐานที่ว่า ที่ยกเลิกประโยชน์ของแบบจำลอง แบบยังสามารถให้ความเข้าใจการบริหารจัดการที่เป็นประโยชน์แม้ว่าสกู๊ปดีจริงเล็กน้อยจากความต้องการอย่างเข้มงวดของแบบจำลอง ตัวอย่าง ความรู้ที่ชิของเราสินค้าคงคลังได้มากกว่า su cient เก็บในของ rst รุ่นถึงแม้ว่าสมมติฐานสัดส่วนไม่ satis ed อย่างสมบูรณ์

ผลลัพธ์ (ไทย) 2:

ในทำนองเดียวกันเนื่องจากแต่ละข้อ จำกัด ที่เป็นเส้นตรงมีส่วนร่วมของตัวแปรแต่ละด้านซ้ายมือ
ของแต่ละข้อ จำกัด ที่เป็นสัดส่วนกับค่าของตัวแปรและเป็นอิสระจากค่าใด ๆ
ตัวแปรอื่น ๆ .
สมมติฐานเหล่านี้มีข้อ จำกัด ค่อนข้าง เราจะเห็น แต่ที่การสร้างแบบจำลองที่ฉลาดสามารถจัดการกับ
สถานการณ์ที่อาจจะละเมิดสมมติฐานเหล่านี้.
สมมติฐานต่อไปคือหารอัสสัมชั: มันเป็นไปได้ที่จะใช้ส่วนใดของ
ตัวแปร ทบทวนตัวอย่างเช่นการตลาด, สิ่งที่ไม่ได้หมายถึงการซื้อ 2.67 โฆษณาโทรทัศน์? มัน
อาจเป็นได้ว่าสมมติฐานหารการละเมิดในตัวอย่างนี้ หรือมันอาจเป็นได้ว่าหน่วยงานที่มีความ
ดังกล่าวที่ 2.67 โฆษณา "จริงสอดคล้องกับ 2,666.7 นาทีของการโฆษณาซึ่งในกรณีนี้เราสามารถ รอบ
o? "การแก้ปัญหาของเราที่จะ 2667 นาทีกับข้อสงสัยเล็กน้อยว่าเราจะได้รับที่ดีที่สุดหรือดีที่สุดเกือบ
ทางออก ในทำนองเดียวกันปริมาณการผลิตบางส่วนอาจจะ worisome ถ้าเรามีการผลิตขนาดเล็ก
จำนวนเรือรบหรือเป็นอันตรายถ้าเราจะผลิตขึ้นนับล้านคลิปกระดาษ ถ้าหาร
สัมชัญเป็นสิ่งสำคัญและไม่ได้ถือแล้วเทคนิคที่เรียกว่าการเขียนโปรแกรมจำนวนเต็มค่อนข้าง
กว่าโปรแกรมเชิงเส้นจะต้อง เทคนิคนี้ใช้คำสั่งของขนาดเวลามากขึ้นในครั้ง
การแก้ปัญหา แต่อาจมีความจำเป็นในการสร้างโซลูชั่นที่สมจริง คุณจะเรียนรู้เพิ่มเติมเกี่ยวกับเรื่องนี้ใน
45-761.
สมมติฐาน NAL เป็นแน่นอนสัมชัญ: การเขียนโปรแกรมเชิงเส้นช่วยให้ความไม่แน่นอนไม่
เกี่ยวกับตัวเลข โฆษณาจะถึงจำนวนของคนที่ได้รับ; จำนวนชั่วโมงการชุมนุม
เราให้แน่นอนจะสามารถใช้ได้.
มันเป็นเรื่องยากมากที่ปัญหาจะตอบสนองทุกความสมมติฐานว่า แต่นั่นไม่ได้ลบล้าง
ประโยชน์ของรูปแบบ รูปแบบยังคงสามารถให้ข้อมูลเชิงลึกในการบริหารจัดการที่มีประโยชน์แม้ว่าความเป็นจริงดิ? ERS
เล็กน้อยจากความต้องการที่เข้มงวดของรูปแบบ ยกตัวอย่างเช่นความรู้ที่ชิปของเรา
สินค้าคงคลังเป็นมากกว่า su? เพียงพอถือในรูปแบบครั้งแรกของเราแม้ว่าสมมติฐานสัดส่วน
ไม่พึงพอใจ ed สมบูรณ์

ผลลัพธ์ (ไทย) 3:

ในทำนองเดียวกัน เนื่องจากแต่ละข้อจำกัดเป็นเส้นตรง , มีส่วนร่วมของแต่ละตัวแปร กับด้านซ้ายมือ
แต่ละข้อจำกัดเป็นสัดส่วนกับค่าของตัวแปรอิสระของค่าของตัวแปรอื่น ๆใด ๆ
.
สมมติฐานเหล่านี้จะค่อนข้างจำกัดนะ เราก็จะเห็น แต่ที่แบบฉลาด สามารถจัดการกับสถานการณ์ที่อาจจะละเมิด

สมมติฐานเหล่านี้สมมติฐานต่อไปเป็นการหารลงตัวสมมติฐาน : มันเป็นไปได้ที่จะใช้ใด ๆส่วนใด
ตัวแปร ศึกษาตัวอย่างการตลาด หมายความว่าซื้อ 2.67 โฆษณาโทรทัศน์ ? มันอาจเป็นได้ว่าลงตัว
สมมติฐานถูกละเมิด ในตัวอย่างนี้ หรือมันอาจเป็นได้ว่า หน่วยกำลัง
เช่นที่ 2.67 N โฆษณา " จริงสอดคล้องกับ 2666.7 นาทีของโฆษณา ซึ่งในกรณีนี้เราสามารถ N รอบ
โอ  ของเรา " แก้ไข 2667 นาทีด้วยความสงสัยเล็กน้อยว่า เราได้รับที่เหมาะสมหรือเกือบสูงสุด
โซลูชั่น เช่นเดียวกับปริมาณการผลิตบางส่วนอาจจะ worisome ถ้าเราจะผลิตจำนวนน้อย
battleships หรือไม่ถ้าเรา producting ล้านคลิปกระดาษ . ถ้าลงตัว
สมมติฐานสำคัญและไม่ถือแล้วเทคนิคที่เรียกว่าการโปรแกรมจำนวนเต็มมากกว่า
กว่าโปรแกรมเชิงเส้นที่ต้องการ เทคนิคนี้ใช้คำสั่งของขนาดเวลา  ND
ทางออก แต่อาจจะต้องมีการสร้างโซลูชั่นที่เหมือนจริง คุณจะได้เรียนรู้เพิ่มเติมเกี่ยวกับเรื่องนี้ใน 45-761
.
 Nal อัสสัมชัญแน่นอนสมมติฐาน : การเขียนโปรแกรมเชิงเส้นช่วยให้ไม่มีความไม่แน่นอน
เกี่ยวกับตัวเลข โฆษณาจะเข้าถึงจำนวนของคน จํานวนชั่วโมงประกอบ
เราให้แน่นอนจะสามารถใช้ได้ .
เป็นเรื่องยากที่ปัญหาจะเป็นไปตามสมมติฐานที่ถูกต้อง ที่ไม่ปฏิเสธ
ประโยชน์ของแบบจำลอง รูปแบบยังสามารถให้ข้อมูลเชิงลึกในการจัดการประโยชน์แม้ว่าความเป็นจริงดิ  ERS
เล็กน้อยจากความต้องการที่เข้มงวดของแบบจำลอง ตัวอย่าง ความรู้ที่
ชิของเราสินค้าคงคลังมากกว่าซู  cient ถือใน  RST รุ่นแม้ว่าสัดส่วนสมมติฐาน
ไม่พอ

 เอ็ดอย่างสมบูรณ์