第9頁(第2/2 頁)

解答將是往返於補給區與需求區而點之間的最佳流量模式，這種模式使運輸成本保持在儘可能低的水平上。運輸成本是根據所運送物資的數量乘以由整個物資流量求出的單位成本而得出來的。這種日常的實際作法可以予以模式化，成為一個數學問題。從上面我們對運輸問題進行的概括和數學形式的論述中可看出，我們有可能證明，對這一類的任何一個具體問題來說都存在著一種獨特的最佳解決辦法。基於這種認識，可以設計出一個通用的方法，確保透過一系列重複運算，求出任何特定情況下問題的最佳解決辦法。目標與問題的解決方法的限定條件之間的關係可以用一組線性方程和不等式表示出來。然後，用計算例式（演算法）求出未知變數（流量）的值，與此同時也解出了這組算式。用幾何術語說，這個方程組可看成是一個多面半球體，一個凸面的多面體，其可能的解位於確定各面的線所透過的交點上。最早的演算法利用從一個相交點到另一個相交點的移動來求出最佳的解。到了1950年，用這種方式透過一臺計算機來解決大範圍運輸問題的方法，已達到盡善盡美的地步。次年，運輸演算法除了在民用交通運輸部門廣泛採用外，還推廣到解決各種非空間的規劃問題，並迅速應用於解決煉油、化學、鋼鐵和電力生產等方面的工業工程分配和設計問題。

這樣，採用數學家的抽象方式進行後勤安排的實踐中學到的見識積累和電子學的出現融為一體，導致一種不斷尋求最佳答案的方法的產生，用以解答種類繁多的軍事（以及民用的）後勤計劃問題。值得注意的是，在俄國與集中計劃貨運業務有關係的數學方面的獨立發展成果，已在略為早些時候公之於眾。但它沒繼續進行下去，沒有搞出運演算法。然而，明顯的是，這已是個時機已經成熟可以予以解決的問題了。運輸問題廣義數模除了用於民用方面，還可應用於空間的、軍事問題，諸如軍隊部署和空中補給線，除此之外，還用於種種非空間問題，諸如合同投標和人事分配。

</br>

<style type="text/css">

banners6 { width: 300px; height: 250px; }

dia (-width:350px) { banners6 { width: 336px; height: 280px; } }

dia (-width:500px) { banners6 { width: 468px; height: 60px; } }

dia (-width:800px) { banners6 { width: 728px; height: 90px; } }

dia (-width:1280px) { banners6 { width: 970px; height: 250px; } }

</style>

<s class="adsbygoogle banners6" style="display:le-block;" data-full-width-responsive="true" data-ad-client="ca-pub-4468775695592057" data-ad-slot="8853713424"></s>

</br>

</br>