工业工程考研专业课｜运筹学完全攻略

引言：为什么运筹学是 IE 考研的「分水岭」

翻开任意一所院校的工业工程考研招生目录，专业课一栏出现频率最高的就是运筹学。清华、天大、上交、西交、华科、浙大、东南、重大、北航……绝大多数院校的学硕专业课都包含运筹学，部分院校的专硕也考。

原因很简单：运筹学是工业工程学科的方法论根基。你在本科阶段学的生产计划与控制、设施规划、质量管理、物流系统，底层逻辑全部来自运筹学。导师招研究生，最看重的也正是这个能力。

运筹学这门课的特点非常鲜明：

好消息是：运筹学是可以通过「正确的方法 + 足够的练习」稳定拿到高分的。它不靠天赋，靠的是熟练度。本文的目标就是帮你把这套熟练度建立起来。

一、先搞清楚：你考的是哪种运筹学

这是最重要也最容易被忽略的一步。不同院校的运筹学考试范围差异极大，用错教材、复习错范围，会浪费大量时间。

1.1 三类常见的考试范围

1.2 真题是最重要的指南针

第一步：搞到目标院校近 10-15 年真题。 这是所有工作中优先级最高的。

拿到真题后，做三件事：

1. 统计题型分布：把每道题归到具体章节，统计各章节的分值占比
2. 识别固定题型：很多院校有「每年必考」的题型，例如某校年年考一道运输问题的表上作业法，某校年年考一道网络计划的时间参数计算
3. 判断难度层次：是考基础计算，还是考建模能力，还是考证明推导

举例说明如何分析真题：

假设你统计某校近 10 年真题，得到如下分布：

线性规划建模 + 单纯形法      25 分/年（10 年 10 考）
对偶理论 + 灵敏度分析        20 分/年（10 年 9 考）
运输问题                     18 分/年（10 年 8 考）
整数规划（分支定界/割平面）  15 分/年（10 年 6 考）
网络计划（关键路径/时差）    15 分/年（10 年 7 考）
动态规划                     12 分/年（10 年 5 考）
排队论                       10 分/年（10 年 4 考）
其他（存储论/决策/图论）     剩余

看到这张表，复习策略就非常清楚了：线性规划、对偶、运输问题三块占 63 分，必须做到「闭着眼都能做对」；网络计划和整数规划是第二梯队；动态规划、排队论保证基础题不丢分即可。

1.3 教材选择的建议

市面上主流的运筹学教材各有侧重：

强烈建议：搞到目标院校本科生用的讲义或课件。考研专业课由该校老师命题，命题风格往往延续本科教学风格。很多院校的考研真题甚至直接改编自本科期末试题。

二、线性规划：整个运筹学的地基

线性规划（Linear Programming, LP）是所有后续内容的起点，也是每年必考的重头戏。

2.1 建模：从文字题到数学模型

这是最容易失分的环节，因为建模错了，后面算得再对也白搭。

标准建模五步法：

第一步：确定决策变量
    问自己：这道题要决定什么？
    写法：设 x₁ = 产品 A 的产量，x₂ = 产品 B 的产量
    注意：变量要写清楚单位（吨/件/小时）

第二步：写出目标函数
    问自己：要最大化还是最小化？最大化什么/最小化什么？
    写法：max Z = 5x₁ + 8x₂
    注意：系数是单位贡献（利润/成本），与目标单位一致

第三步：列出约束条件
    资源类：消耗量 ≤ 可用量
    需求类：产量 ≥ 最低要求 / ≤ 最大市场
    配比类：A 成分占比 ≥ 某比例（需交叉相乘化为线性）
    平衡类：流入 = 流出

第四步：非负约束
    x₁, x₂ ≥ 0（除非题目明确允许负值）

第五步：检查维度一致性
    每一行的量纲是否一致？（吨对吨、小时对小时）

经典建模陷阱：

2.2 单纯形法：必须练到「肌肉记忆」

单纯形法是线性规划的核心算法，几乎每年必考一道完整的迭代计算题。

标准解题步骤（以最大化标准型为例）：

步骤 1：标准化
    - 目标函数转为 max
    - 约束不等式通过加松弛变量（≤）或减剩余变量（≥）化为等式
    - 保证右端常数项 b ≥ 0
    - 若约束是 ≥ 或 =，需要构造人工变量（大 M 法或两阶段法）

步骤 2：建立初始单纯形表
    列：cⱼ | x₁ x₂ ... xₙ | 松弛变量 | 人工变量 | b
    行：c_B | 基变量列 | 系数矩阵 | 右端项
    底行：检验数 σⱼ = cⱼ - c_B · Pⱼ

步骤 3：最优性检验
    最大化问题：所有 σⱼ ≤ 0 → 已达最优
    若存在 σⱼ > 0 → 未达最优，继续迭代

步骤 4：确定换入变量（进基）
    选 σⱼ 最大者对应的 xⱼ 进基

步骤 5：确定换出变量（出基）
    最小比值原则：θ = min{bᵢ/aᵢⱼ | aᵢⱼ > 0}
    比值最小的行对应的基变量出基
    若所有 aᵢⱼ ≤ 0 → 问题无界（无有限最优解）

步骤 6：旋转运算（枢轴变换）
    主元 aᵣₖ（第 r 行第 k 列）
    第 r 行除以 aᵣₖ，使主元变为 1
    其他行减去适当倍数，使第 k 列其余元素变为 0

步骤 7：返回步骤 3，直至最优

考场提速技巧：

1. 熟练掌握「行变换」的机械操作。这是一项纯技能，练 50 道以上就能形成肌肉记忆。
2. 每迭代一次，立即验算。检查方法：把当前基可行解代入原约束，看是否满足；计算目标函数值，看是否单调改善。
3. 注意退化情况。当最小比值出现平局时，可能出现退化循环。考试中若遇到，按「下标最小的变量出基」规则处理即可。
4. 大 M 法的 M 要写清楚。M 是一个足够大的正数，在检验数行中，含 M 的项要单独标注。

2.3 单纯形法的四种结局

考试常考「判断解的类型」，必须能准确识别：

三、对偶理论：理解经济含义才能拿满分

对偶理论是运筹学中最抽象、也最能拉开差距的板块。它不只是计算，更要求你理解「影子价格」的经济含义。

3.1 对偶问题的构造规则

掌握「对称形式」和「非对称形式」的对应表，这是基本功：

记忆口诀：「约束对变量，正常对正常，反常对反常」。

具体说：最大化问题中，「≤」约束是「正常」的，对应对偶变量「≥0」也是「正常」的；「≥」约束是「反常」的，对应对偶变量「≤0」也是「反常」的。正常的对正常的，反常的对反常的。

3.2 对偶理论的核心定理

必须熟记的三个定理：

弱对偶性：原问题（max）的任意可行解的目标值 ≤ 对偶问题（min）的任意可行解目标值。

强对偶性：若原问题有最优解，则对偶问题也有最优解，且两者最优值相等。

互补松弛性：

• 若原问题第 i 个约束在最优解处为严格不等式（有剩余资源），则对偶变量 yᵢ* = 0
• 若对偶变量 yᵢ* > 0，则原问题第 i 个约束在最优解处取等号（资源用尽）
• 若原变量 xⱼ* > 0，则对偶问题第 j 个约束取等号
• 若对偶问题第 j 个约束为严格不等式，则 xⱼ* = 0

互补松弛性是考试高频考点，常用来：

• 已知原问题最优解，求对偶问题最优解
• 验证某个解是否最优
• 简化对偶问题的求解

3.3 影子价格：对偶变量的经济含义

这是理解对偶理论的关键。

设原问题是「在资源约束下最大化利润」，那么对偶变量 yᵢ* 的含义是：

在最优解附近，第 i 种资源增加 1 个单位，目标函数（总利润）的增加量。

这也叫资源的影子价格（Shadow Price）或边际价值。

影子价格的三个实用结论：

1. 影子价格 > 0 → 该资源是稀缺的（约束是紧的） 此时资源已全部用完，增加这种资源能提升总利润。

2. 影子价格 = 0 → 该资源是过剩的（约束是松的） 此时资源有剩余，再增加不会带来任何收益。

3. 影子价格反映了资源的最优配置信号 若某资源的影子价格高于其市场价格，应当购买更多该资源；反之则不应购买。

典型的考试问法：

• 「该资源的影子价格是多少？是否值得以 XX 元的价格购买更多该资源？」 答：比较影子价格与购买价格。影子价格 > 购买价格 → 值得购买。

• 「若资源 b₁ 从 100 增加到 120，最优目标值变为多少？」 答：先用灵敏度分析确定该变化是否在允许范围内；若在范围内，新目标值 = 原目标值 + Δb₁ × y₁*。

3.4 灵敏度分析：必考计算题

灵敏度分析研究的是：当模型参数（cⱼ、bᵢ、aᵢⱼ）变化时，最优解和最优值如何变化。

三类灵敏度分析的标准做法：

（1）价值系数 cⱼ 的变化

• 若 xⱼ 是非基变量：只需检查该变量的检验数 σⱼ 是否仍 ≤ 0（max 问题）。 计算新的 σⱼ′，若 σⱼ′ ≤ 0，最优解不变；否则需继续迭代。

• 若 xⱼ 是基变量：需重新计算所有非基变量的检验数。 方法：用变化后的 c_B 重新计算 σⱼ = cⱼ - c_B·Pⱼ，全部 ≤ 0 则最优解不变。

（2）右端常数 bᵢ 的变化

关键判据：基不变的条件是 B⁻¹b′ ≥ 0（即新的基变量取值仍非负）。

计算步骤：

1. 计算 B⁻¹（从最优单纯形表中读取，即初始单位矩阵对应的列）
2. 计算新的基变量值 X_B′ = B⁻¹b′
3. 若所有 X_B′ ≥ 0，则最优基不变，新解为 X_B′
   新目标值 Z′ = c_B·B⁻¹b′ = Y*·b′
4. 若有分量 < 0，则基改变，需用对偶单纯形法继续求解

（3）技术系数 aᵢⱼ 的变化

• 若 aᵢⱼ 对应非基列：重新计算该列 Pⱼ′ = B⁻¹Pⱼ，再算检验数 σⱼ′
• 若 aᵢⱼ 对应基列：情况复杂，通常需要重新求解

新增变量或新增约束的处理：

对偶单纯形法要点：保持「检验数行满足最优性（对偶可行）」，通过迭代消除「基变量为负（原问题不可行）」。它的最小比值原则与原始单纯形法不同：

出基：选 bᵢ 最小（最负）的行
进基：在出基行中，对 aᵣⱼ < 0 的列，选 |σⱼ/aᵣⱼ| 最小者

四、运输问题：表上作业法的完整套路

运输问题是线性规划的特殊形式，因其结构特殊，有专门的高效解法。

4.1 产销平衡的标准运输问题

模型形式：

min Z = ΣΣ cᵢⱼ xᵢⱼ
s.t.  Σⱼ xᵢⱼ = aᵢ   (i = 1,...,m) 产地 i 的产量约束
      Σᵢ xᵢⱼ = bⱼ   (j = 1,...,n) 销地 j 的销量约束
      xᵢⱼ ≥ 0

关键性质：若所有 aᵢ 和 bⱼ 都是整数，则必存在整数最优解。这使得运输问题不需要用整数规划方法。

另一个关键性质：约束系数矩阵秩为 m+n-1，因此基可行解中基变量的个数为 m+n-1 个。

4.2 表上作业法三步走

第一步：确定初始基可行解

三种常用方法：

考试建议：掌握最小元素法（够用且快），理解伏格尔法的原理（可能考概念题）。

注意：用最小元素法或伏格尔法时，每次填完一个数，要同时划去一行或一列。当行和列同时满足时，只能划去一个，另一个需补 0（这是补「退化」的处理，必须记住，否则基变量个数会不够）。

第二步：求检验数（最优性检验）

两种方法：

• 闭回路法：对每个空格，找一条由水平/垂直线段组成的闭合回路，计算交替加减的运价代数和。
• 位势法（对偶变量法）：更高效。设 uᵢ（行位势）和 vⱼ（列位势），对基变量有 uᵢ + vⱼ = cᵢⱼ。令 u₁ = 0，解出所有位势，再对非基变量算 σᵢⱼ = cᵢⱼ - (uᵢ + vⱼ)。

考试建议：必须用位势法，闭回路法在格子多时极易出错且耗时。

位势法步骤：

1. 令 u₁ = 0
2. 对所有基变量格子，列方程 uᵢ + vⱼ = cᵢⱼ，逐个解出所有 uᵢ 和 vⱼ
3. 对所有空格，计算 σᵢⱼ = cᵢⱼ - uᵢ - vⱼ
4. 若所有 σᵢⱼ ≥ 0（min 问题），已达最优
5. 否则，选 σᵢⱼ 最小（最负）的空格进基

第三步：调整（闭回路调整法）

1. 以进基空格为起点，画闭回路（其余顶点必须是基变量格子）
2. 从进基格开始，交替标记 +、-、+、-
3. 在所有标记「-」的格子中，找运量最小者 θ
4. 奇数顶点（+）加 θ，偶数顶点（-）减 θ
5. 值为 0 的格子中只保留一个作为基变量（其余视为空格，值为 0）
6. 返回第二步

关键提醒：闭回路必须唯一存在。对于标准运输表（m 行 n 列），任意空格加进去，一定存在唯一的闭回路。画不出来说明你的基变量个数不对（可能是退化处理出了问题）。

4.3 产销不平衡的处理

4.4 转运问题

转运问题允许货物经过中间节点中转。处理方法是转化为标准运输问题：

1. 把每个产地和销地都看作既是产地又是销地
2. 设定一个「缓冲量」T（通常取总产量 Σaᵢ）
3. 每个点的「产量」= 原产量 + T，「销量」= 原销量 + T
4. 自己到自己的运价 = 0
5. 按标准运输问题求解

五、整数规划：分支定界与割平面

当决策变量必须取整数时（如设备台数、人员数量、项目选择），就需要整数规划。

5.1 三种整数规划类型

5.2 分支定界法（Branch and Bound）

核心思想：先求解线性松弛问题（忽略整数约束），若得到的解不是整数，则通过不断「分支」（加约束）和「定界」（剪枝）来搜索整数最优解。

标准步骤：

步骤 1：求解松弛问题（LP Relaxation）
    若松弛问题无解 → 整数规划也无解
    若松弛问题最优解满足整数要求 → 即为最优解，停止
    否则，设松弛问题最优值为上界（max 问题），进入步骤 2

步骤 2：分支
    选一个非整数值的变量 xⱼ = bⱼ（bⱼ 不是整数）
    生成两个子问题：
      子问题 A：原问题 + 约束 xⱼ ≤ ⌊bⱼ⌋
      子问题 B：原问题 + 约束 xⱼ ≥ ⌈bⱼ⌉
    （⌊⌋ 为下取整，⌈⌉ 为上取整）

步骤 3：定界
    对每个子问题求解，更新上界和下界
    下界：已找到的最好整数可行解的目标值
    上界：所有未处理子问题中最大的松弛问题目标值

步骤 4：剪枝
    出现以下情况之一，该分支可以剪掉：
      (a) 子问题无可行解
      (b) 子问题的最优解满足整数要求（记录为候选最优解）
      (c) 子问题的松弛最优值 ≤ 当前下界（不可能产生更好的整数解）

步骤 5：重复步骤 2-4，直到所有分支处理完毕
    最终下界对应的整数解即为最优解

考场技巧：

1. 画分支树。在草稿纸上画出分支树，标清楚每个节点的目标值和解，避免混乱。
2. 优先分支「离整数最远」的变量。经验规则：选小数部分最接近 0.5 的变量分支，收敛更快。
3. 注意剪枝。这是得分的关键——很多考生只顾分支，忘了剪枝，导致计算量爆炸。
4. max 问题和 min 问题的上下界方向相反，不要搞混。

5.3 0-1 规划的建模技巧

0-1 变量是建模的万能工具，以下几类约束必须掌握：

（1）项目选择的逻辑关系

（2）固定成本问题

场景：生产产品 j 需要固定投入 Fⱼ（如设备调试费），一旦生产就要付出，不生产则不用付。

引入 0-1 变量 yⱼ：yⱼ = 1 表示生产产品 j，yⱼ = 0 表示不生产
约束：xⱼ ≤ M·yⱼ  （M 为足够大的数，通常取 xⱼ 的上界）
目标：min Z = Σ(cⱼxⱼ + Fⱼyⱼ)

原理：若 xⱼ > 0，则 yⱼ 必须为 1（付出固定成本）；若 yⱼ = 0，则 xⱼ 必须为 0。

（3）多中选一约束

场景：从 m 个备选方案中选择恰好一个。

Σ yⱼ = 1，yⱼ ∈ {0,1}

（4）隐含的「或」约束

场景：满足约束 A 或 约束 B 之一。

引入 0-1 变量 y 和大数 M：
  约束 A：f(x) ≤ b₁ + M·y
  约束 B：g(x) ≤ b₂ + M·(1-y)

5.4 指派问题与匈牙利法

指派问题是 0-1 规划的特殊形式（也是运输问题的特例）：n 个人做 n 件事，每人做一件，求最小总成本。

匈牙利法步骤（最小化问题）：

步骤 1：系数矩阵每行减去该行最小元素
步骤 2：每列减去该列最小元素
步骤 3：用最少的水平线/垂直线覆盖所有 0 元素
        若最少线数 = n，得到最优解，转到步骤 5
        若最少线数 < n，转到步骤 4
步骤 4：变换矩阵
        找出未被覆盖的元素中的最小值 θ
        未被覆盖的行：-θ
        被覆盖的列：+θ
        返回步骤 3
步骤 5：找出 n 个不同行不同列的 0 元素，即为最优指派

非标准情形的处理：

六、网络计划技术（PERT/CPM）

网络计划是运筹学中最直观、也最容易拿满分的部分。它在工程项目、生产排程、产品研发中应用极广，是 IE 学生的必备技能。

6.1 网络图的绘制规则

双代号网络图（箭线表示活动）绘制规则：

1. 箭线方向从左向右，不允许逆向
2. 一条箭线表示一个活动，首尾必须有节点
3. 相邻节点之间只能有一条箭线
4. 不允许出现循环回路
5. 只允许有一个起点节点和一个终点节点
6. 节点编号：箭尾编号 < 箭头编号

虚活动的用法：虚活动（虚箭线）不消耗时间和资源，只表示逻辑关系。两种必须用虚活动的情形：

• 区分并行活动：两个活动同时从节点 i 开始、到节点 j 结束，必须用虚活动区分
• 表达搭接关系：例如「B 在 A 完成后开始，C 在 A 完成一半后开始」

6.2 时间参数计算（必考）

六个时间参数及其计算：

关键路径的判定：总时差为 0 的活动连成的路径即为关键路径。

考试必记的几个结论：

1. 关键路径是网络图中最长的路径（不是最短）
2. 关键路径可能不止一条
3. 缩短工期必须缩短关键路径上的活动
4. 总时差为 0 的活动，自由时差也必为 0（反之不成立）
5. 一项活动的总时差 ≥ 其自由时差

6.3 概率型网络计划（PERT）

当活动时间不确定时，用三点估计法：

期望时间：tₑ = (a + 4m + b) / 6
方差：σ² = ((b - a) / 6)²

其中 a 为最乐观时间，m 为最可能时间，b 为最悲观时间。

工期概率计算：

1. 计算关键路径上各活动的期望时间和方差
2. 关键路径期望工期 Tₑ = Σtₑ
3. 关键路径方差 σ²_cp = Σσ²
4. 标准差 σ_cp = √(σ²_cp)
5. 计算 Z 值：Z = (T_指定 - Tₑ) / σ_cp
6. 查标准正态分布表，得完工概率

典型考法：「该工程在 30 天内完工的概率是多少？」——先算 Tₑ 和 σ_cp，再算 Z = (30 - Tₑ)/σ_cp，查表得 P。

6.4 时间-费用优化

核心思想：在关键路径上找「直接费用率最低」的活动来压缩。

压缩费用率（费用斜率）= (赶工费用 - 正常费用) / (正常时间 - 赶工时间)

优化步骤：

1. 找出关键路径
2. 在关键路径上选择费用率最低的活动进行压缩
3. 压缩量受两个限制：
   (a) 该活动自身的压缩极限（正常时间 - 赶工时间）
   (b) 不使其他路径成为关键路径（考虑总时差）
4. 重新计算网络时间参数，更新关键路径
5. 重复，直到达到目标工期或无法继续压缩
6. 总费用 = 各活动直接费用之和 + 间接费用（工期 × 间接费率）
7. 对比不同压缩方案的总费用，取最低者

关键提醒：当压缩导致多条关键路径并存时，必须同时在所有关键路径上各压缩一个活动才能缩短总工期。

七、动态规划：建模比计算更重要

动态规划（DP）是运筹学中最考验思维的部分。它的难点不在计算，而在正确地定义状态和写出递推关系。

7.1 动态规划的四要素

1. 阶段（Stage）：把问题分解为若干相互联系的阶段，k = 1,2,...,n
2. 状态（State）：每个阶段开始时的客观条件，记作 sₖ
   关键：状态必须满足「无后效性」——当前阶段之后的决策只与当前状态有关，
         与之前如何到达该状态无关
3. 决策（Decision）：每个阶段的选择，记作 uₖ(sₖ)
4. 状态转移方程：sₖ₊₁ = T(sₖ, uₖ)

7.2 贝尔曼最优性原理

一个最优策略的子策略，对于它的某个子过程的初始和终结状态而言，也必是最优的。

通俗说：最优路径上，从中间任意一点到终点这段路，也一定是从该点到终点的最优路径。

这是动态规划成立的理论基础，也是逆序解法的依据。

7.3 逆序解法（最常用）

基本递推方程（以最小化为例）：

fₖ(sₖ) = min{ d(sₖ, uₖ) + fₖ₊₁(sₖ₊₁) }
         uₖ
边界条件：f_{n+1}(s_{n+1}) = 0（或根据题意设定）

解题标准步骤：

步骤 1：划分阶段
    明确「阶段」代表什么（时间段、决策顺序、资源分配轮次等）

步骤 2：定义状态变量
    问自己：到了第 k 阶段，我需要知道什么信息才能做决策？
    这个「什么」就是状态

步骤 3：确定决策变量及允许决策集合
    该阶段可以选什么？取值范围是什么？

步骤 4：写出状态转移方程
    sₖ₊₁ = T(sₖ, uₖ)

步骤 5：写出递推关系
    fₖ(sₖ) = opt{ 阶段指标 + fₖ₊₁(sₖ₊₁) }

步骤 6：从最后一个阶段开始，逆序逐阶段计算
    通常使用表格法，把每个状态的最优决策记录下来

步骤 7：回溯，找出最优策略
    从初始状态出发，按记录的决策逐步前进

7.4 四类经典动态规划模型

（1）资源分配问题

场景：总量为 A 的资源分配给 n 个部门，第 k 个部门分配 x 单位资源的收益为 gₖ(x)，求总收益最大的分配方案。

状态 sₖ：第 k 阶段初剩余的可分配资源量
决策 uₖ：分配给第 k 个部门的资源量，0 ≤ uₖ ≤ sₖ
转移：sₖ₊₁ = sₖ - uₖ
递推：fₖ(sₖ) = max{ gₖ(uₖ) + fₖ₊₁(sₖ - uₖ) }
边界：f_{n+1}(0) = 0，f_{n+1}(s) = 0

（2）最短路径问题

场景：从 A 点到 E 点，中间经过若干中间点，求最短路径。

阶段：按地理位置分层
状态：当前所在的点
决策：下一步走到哪个点
转移：当前点 → 下一个点
递推：fₖ(sₖ) = min{ d(sₖ, uₖ) + fₖ₊₁(uₖ) }

（3）生产存储问题

场景：n 个周期，每周期需求 dₖ，生产能力有限，有存储费用，求总成本最小的生产计划。

状态 sₖ：第 k 周期初的库存量
决策 uₖ：第 k 周期的生产量
约束：sₖ + uₖ - dₖ = sₖ₊₁ ≥ 0（不允许缺货）
成本：生产费用 C(uₖ) + 存储费用 h·sₖ₊₁
递推：fₖ(sₖ) = min{ C(uₖ) + h·(sₖ+uₖ-dₖ) + fₖ₊₁(sₖ+uₖ-dₖ) }

（4）背包问题

场景：容量为 W 的背包，n 种物品，第 k 种物品重量 wₖ、价值 vₖ，每种物品可装多件（完全背包）或一件（0-1 背包），求最大价值。

状态 sₖ：第 k 阶段剩余的背包容量
决策 uₖ：装入第 k 种物品的数量
转移：sₖ₊₁ = sₖ - wₖ·uₖ
递推：fₖ(sₖ) = max{ vₖ·uₖ + fₖ₊₁(sₖ - wₖ·uₖ) }

7.5 动态规划的应试策略

最重要的一点：把表格画清楚。

动态规划的计算量不大，但状态组合可能很多。用表格法可以：

• 避免遗漏状态
• 方便回溯最优决策
• 便于检查

表格格式示例：

阶段 k=3:
状态 s₃ | 决策 u₃=0 | u₃=1 | u₃=2 | ... | f₃*(s₃) | u₃*
   0    |    -      |  -    |  -   |     |    ?    |  ?
   1    |    ...    |  ...  |  ... |     |    ?    |  ?

常见失分点：

• 状态定义不满足无后效性 → 递推关系错误
• 忘记边界条件
• 只算了最优值，没回溯最优策略（题目问「最优方案是什么」时）
• 约束条件没考虑全（如库存不能为负）

八、排队论：公式多但套路固定

排队论（随机服务系统理论）研究的是「顾客到达—排队—接受服务—离开」这类系统的运行效率。

8.1 排队系统的三个组成部分

1. 输入过程（顾客到达规律）

• 顾客源：有限/无限
• 到达方式：逐个/成批
• 到达间隔分布：最常用泊松分布（即到达间隔服从负指数分布）

2. 排队规则

• 等待制（损失制/混合制）
• 服务顺序：FCFS（先到先服务）、LCFS、优先级、随机

3. 服务机构

• 服务台数量：单台/多台
• 服务台排列：单队单台、单队多台并联、多队多台、串联
• 服务时间分布：最常用负指数分布

8.2 Kendall 记号

标准形式：X / Y / Z / A / B / C

最常考的是 M/M/1 和 M/M/c。

8.3 M/M/1 系统核心公式（必背）

设 λ 为平均到达率，μ 为平均服务率，ρ = λ/μ 为服务强度（ρ < 1 系统才稳定）。

Little 公式（万能关系式）：

L_s = λ · W_s
L_q = λ · W_q
W_s = W_q + 1/μ
L_s = L_q + λ/μ

记忆技巧：记住 L_s = λ/(μ-λ) 和 L_q = ρ²/(1-ρ) 两个核心公式，其余用 Little 公式推导，不用死记。

8.4 M/M/c 系统核心公式

设 c 个服务台，ρ = λ/(cμ)，服务强度。

P₀ = [ Σ_{n=0}^{c-1} (λ/μ)ⁿ/n! + (λ/μ)^c/(c!(1-ρ)) ]^(-1)

L_q = P₀ · (λ/μ)^c · ρ / (c! · (1-ρ)²)

L_s = L_q + λ/μ

W_q = L_q / λ

W_s = L_s / λ

8.5 排队系统的优化（常考应用题）

典型问题：某维修站有 1 名维修工，设备故障率 λ，修复率 μ。设备故障停机损失为 C₁ 元/小时，维修工工资为 C₂ 元/小时。问：配置几名维修工总费用最低？

解题步骤：

1. 明确系统类型（通常是 M/M/c）
2. 对每个可能的 c 值（c = 1, 2, 3, ...），计算系统指标
   - 计算 P₀
   - 计算 L_s
3. 计算总费用：TC(c) = C₁ · L_s(c) + C₂ · c
4. 比较不同 c 的总费用，取最小者

注意：这里 L_s 就是「故障待修 + 正在修理」的设备总数，对应停机损失。

九、存储论与决策分析

这两部分在部分院校的考试中出现，通常各占 10 分左右，属于「背公式就能拿分」的部分。

9.1 确定性存储模型

（1）经济订货批量（EOQ）模型

假设：需求连续均匀，不允许缺货，订货提前期为 0 或已知，瞬时补货。

参数：D 年需求量，C_O 每次订货费，C_H 单位货物年存储费

经济订货批量：Q* = √(2·D·C_O / C_H)

最优订货次数：n* = D / Q*

最优订货周期：t* = Q* / D （年） = 365·Q*/D（天）

最小总成本：TC* = √(2·D·C_O·C_H)

（2）允许缺货的 EOQ 模型

增加参数 C_S：单位货物年缺货费。

最优订货批量：Q* = √(2D·C_O/C_H) · √((C_H + C_S)/C_S)

最大缺货量：S* = Q* · C_H/(C_H + C_S)

最大库存量：Q* - S*

（3）经济生产批量模型（EPQ）

假设：货物是逐渐生产补充的，生产速率 P 大于需求速率 D。

最优生产批量：Q* = √(2·D·C_O / (C_H·(1 - D/P)))

（4）有数量折扣的模型

步骤：
1. 从最低价格档开始，计算该档的 EOQ
2. 若该 EOQ 落在该档的订货量区间内 → 可行，计算总成本
3. 若 EOQ 小于该档下限 → 取该档下限作为候选批量，计算总成本
4. 逐档向上计算，比较所有可行方案的总成本（含货物成本）
5. 取总成本最小者

关键提醒：有折扣时，总成本 = 订货费 + 存储费 + 货物采购成本，三项都要算。

9.2 决策分析

（1）决策的三要素

• 决策者可选的策略（行动方案）
• 自然状态（不受决策者控制）
• 各策略在各状态下的收益/损失

（2）五种决策准则

（3）风险型决策（已知概率）

• 最大期望收益准则（EMV）：计算各方案的期望收益，取最大
• 最小期望机会损失（EOL）：计算各方案的期望后悔值，取最小 重要性质：EMV 准则与 EOL 准则得到的最优方案相同
• 完全信息期望价值（EVPI）：EVPI = 完全信息下的期望收益 - 最大 EMV 性质：EVPI = 最小 EOL（这个等式常用于验算）

（4）决策树方法

多阶段决策用决策树：

符号约定：
  □ 决策节点：决策者可选择的点
  ○ 状态节点：自然状态发生的点
  △ 结果节点：标明收益值

解法：从右向左「回滚」
  状态节点：计算期望收益值
  决策节点：比较各分支，选最优，剪掉劣支

决策树解题步骤：

1. 从左到右画树，标清决策点、状态点、概率、收益
2. 从右到左计算：
   - 遇到状态节点（○）：计算期望值，写在节点上方
   - 遇到决策节点（□）：比较各方案的期望值，选最大（或最小损失），剪枝
3. 继续向左，直到根节点
4. 沿未剪掉的分支，读出最优决策序列

十、考场实战：时间分配与失分防范

10.1 三小时的标准时间分配

核心原则：先拿稳的分，再拿难的分。 不要在一道不会的题上死磕 30 分钟，那道题即使做对也只有 15 分，而本来可以用这 30 分钟稳稳拿下两道会的题（30 分）。

10.2 各题型的用时参考

10.3 十大失分点与防范清单

10.4 步骤分的争取策略

运筹学是按步骤给分的，即使最终结果算错，只要步骤对就能拿到大部分分。因此：

1. 建模题：即使不会求解，也要把模型写完整（决策变量 + 目标函数 + 约束条件），这部分通常占 40%-50% 的分
2. 计算题：写出正确的公式、正确的迭代过程，即使最后一步算错，也能拿 60%-70% 的分
3. 不会做的题：写出相关的公式和思路，不要留空白
4. 时间不够时：优先补全「框架性」内容（如单纯形表的初始表和最终表，中间迭代可简写）

十一、复习计划：三个月从零到熟练

阶段一：基础构建（第 1-5 周）

本阶段产出：完成教材例题 + 课后习题的 60%

阶段二：全面覆盖（第 6-10 周）

本阶段产出：完成教材习题 90% + 开始做真题

阶段三：真题实战（第 11-13 周）

本阶段产出：近 10-15 年真题至少做三遍

阶段四：冲刺巩固（第 14 周至考前）

• 每天一套模拟或一套真题，保持手感
• 回看错题本，重点看「反复错」的题型
• 默写所有核心公式
• 整理「考场检查清单」，考前一天只看这个

结语：运筹学是「练」出来的

运筹学不同于政治和英语，它不靠背诵，靠的是大量的、有反馈的练习。

三条核心建议：

1. 先理解原理，再练速度。不要一上来就背步骤。理解「为什么最小比值原则要选最小的」，你对单纯形法的记忆会深刻得多，也不容易在变型题上翻车。

2. 建立错题本，按「错误类型」分类。不要只抄题目，要记录「我为什么错」——是概念不清、计算失误、还是方法用错。统计下来你会发现，80% 的失分集中在 2-3 类错误上，攻克它们，分数立刻上去。

3. 真题至少三遍。第一遍摸底，第二遍按专题攻克，第三遍严格计时模考。真题的价值远高于任何模拟题，因为它直接反映命题人的风格和偏好。

最后提醒：运筹学是工业工程研究生的看家本领。认真学好它，不只是为了考研这几十分——你在研究生阶段做课题、写论文、进企业做项目，用的都还是这套东西。把基础打扎实，上岸之后的路会顺很多。

附：运筹学核心公式速查表

线性规划

检验数：σⱼ = cⱼ - c_B·B⁻¹·Pⱼ
最优性：max 问题所有 σⱼ ≤ 0
最小比值：θ = min{b̄ᵢ/āᵢₖ | āᵢₖ > 0}

对偶与灵敏度

对偶最优解：Y* = c_B·B⁻¹
影子价格：yᵢ* = ∂Z*/∂bᵢ
新目标值：Z′ = Z* + Σᵢ yᵢ*·Δbᵢ
基不变条件：B⁻¹b′ ≥ 0

运输问题

位势：uᵢ + vⱼ = cᵢⱼ（基变量）
检验数：σᵢⱼ = cᵢⱼ - uᵢ - vⱼ
基变量个数：m + n - 1

网络计划

ES/EF 从前往后取 max；LF/LS 从后往前取 min
TF = LS - ES = LF - EF
FF = min{ES(紧后)} - EF
PERT：tₑ = (a+4m+b)/6，σ² = ((b-a)/6)²

排队论（M/M/1）

ρ = λ/μ
L_s = ρ/(1-ρ)，L_q = ρ²/(1-ρ)
W_s = 1/(μ-λ)，W_q = λ/(μ(μ-λ))
Little 公式：L = λW

存储论

EOQ：Q* = √(2D·C_O/C_H)
允许缺货：Q* = √(2D·C_O/C_H)·√((C_H+C_S)/C_S)
生产批量：Q* = √(2D·C_O/(C_H(1-D/P)))

决策分析

EMV = Σ P(θᵢ)·V(aⱼ,θᵢ)
后悔值 = 该状态最大收益 - 该方案该状态收益
EVPI = 完全信息期望收益 - 最大 EMV = 最小 EOL

相关阅读

• 运筹学在工业工程里的落地：线性规划、排队论与仿真：从产品组合的线性规划算例讲到影子价格与瓶颈判断，详解 M/M/1 与 M/M/c 排队模型算…
• 工业工程考研专业课｜管理学完全攻略：管理学不是背概念就能拿分——近年真题中论述题与案例分析合计占近一半分值，考的是用理论诊断现实…
• 工业工程考研数学全攻略：数一数二数三怎么选，怎么考到 120+：数学是考研的分水岭，150 分的科目能把总分拉开 40 分以上。本文先讲清楚工业工程各院校考…
• 工业工程保研（推免）全攻略：从大一开始的三年布局：保研不是大三下学期才开始的事，它从大一第一门课的成绩就已经开始了。本文拆解推免资格获取的硬性…
• 工业工程考研复试全攻略：笔试、面试、英语与临场应对：复试是考研最后一道关卡，也是最容易因准备不足翻车的一环——初试高分被刷、擦线逆袭每年都在发生…