[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_quy%20ho%E1%BA%A1ch%20tuy%E1%BA%BFn%20t%C3%ADnh{\"limit\":5}":3,"_public_topic_byId_quy hoạch tuyến tính":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":13,"englishTitle":17,"synonyms":10,"definition":18,"discipline":19,"references":20,"faqs":39,"createUser":49,"publishUser":10,"keywords":53,"keywordCount":60,"enrichTopicLink":61,"status":62,"createTime":63,"updateTime":64,"publishTime":10,"linkEnrichedTime":65,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":66,"relateTopics":67},"quy hoạch tuyến tính","Quy hoạch tuyến tính là gì? Khái niệm, cơ chế và ứng dụng","Quy hoạch tuyến tính là phân ngành toán học tối ưu hóa nhằm tìm giá trị cực đại hoặc cực tiểu của một hàm mục tiêu tuyến tính thỏa mãn một hệ các ràng b...","\u003Cp>\u003Cstrong>Quy hoạch tuyến tính\u003C\u002Fstrong> (\u003Cem>Linear programming - LP\u003C\u002Fem>) là phân ngành toán học tối ưu hóa nhằm tìm giá trị cực đại hoặc cực tiểu của một hàm mục tiêu tuyến tính thỏa mãn một hệ các ràng buộc đẳng thức hoặc bất đẳng thức đại số tuyến tính.\u003C\u002Fp>\n\n\u003Ch2>Bối cảnh lịch sử và nguồn gốc lý thuyết\u003C\u002Fh2>\n\u003Cp>Quy hoạch tuyến tính khởi nguồn từ những năm cuối thập niên 1930 dưới sự tiên phong độc lập của nhà toán học kiêm kinh tế học người Liên Xô Leonid Kantorovich. Năm 1939, Kantorovich xuất bản công trình kinh điển \"Phương pháp toán học trong tổ chức và lập kế hoạch sản xuất\", đặt nền tảng cho việc phân bổ nguồn lực công nghiệp {{topic|%7B%22topic%22%3A%22t%E1%BB%91i%20%C6%B0u%22%7D}}, công trình đã đem lại cho ông giải thưởng Nobel Kinh tế danh giá năm 1975.\u003C\u002Fp>\n\u003Cp>Trong Chiến tranh thế giới thứ hai, nhà toán học người Mỹ George Dantzig khi làm việc cho Không quân Hoa Kỳ đã phát triển {{topic|%7B%22topic%22%3A%22thu%E1%BA%ADt%20to%C3%A1n%22%7D}} Simplex (thuật toán Đơn hình) vào năm 1947. Thuật toán Simplex đã biến quy hoạch tuyến tính từ một khung lý thuyết trừu tượng thành một công cụ tính toán vĩ đại có thể giải quyết các bài toán lập lịch trình hậu cần, phân phối nhiên liệu và triển khai quân nhu quy mô lớn. Cùng thời kỳ đó, nhà bác học John von Neumann đã chứng minh định lý đối ngẫu, thiết lập mối liên hệ sâu sắc giữa quy hoạch tuyến tính và lý thuyết trò chơi toán học.\u003C\u002Fp>\n\n\u003Ch2>Mô hình toán học tổng quát và dạng chuẩn tắc\u003C\u002Fh2>\n\u003Cp>Một bài toán quy hoạch tuyến tính tổng quát liên quan đến việc tìm kiếm một vectơ biến quyết định x = (x1, x2, ..., xn) thuộc không gian Rn. Dạng chuẩn tắc (standard form) của bài toán quy hoạch tuyến tính thường được phát biểu như sau:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Hàm mục tiêu:\u003C\u002Fstrong> Cực đại hóa (hoặc cực tiểu hóa) biểu thức tuyến tính: Z = c1*x1 + c2*x2 + ... + cn*xn = c^T * x\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Hệ ràng buộc kỹ thuật:\u003C\u002Fstrong> Ax = b (trong đó A là {{topic|%7B%22topic%22%3A%22ma%20tr%E1%BA%ADn%22%7D}} hệ số kích thước m x n, b là vectơ vế phải không âm biểu diễn lượng tài nguyên sẵn có)\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Điều kiện không âm của biến số:\u003C\u002Fstrong> xj >= 0 với mọi j = 1, 2, ..., n\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Mọi bài toán quy hoạch tuyến tính có ràng buộc dạng bất đẳng thức (nhỏ hơn hoặc bằng, lớn hơn hoặc bằng) hoặc có các biến số tự do không ràng buộc dấu đều có thể quy đổi một cách chính xác về dạng chuẩn tắc thông qua việc bổ sung các biến bù (slack variables), biến dư (surplus variables) hoặc phân tách biến tự do thành hiệu của hai biến không âm.\u003C\u002Fp>\n\n\u003Ch2>Bản chất hình học và nguyên lý của thuật toán Simplex\u003C\u002Fh2>\n\u003Cp>Về mặt hình học không gian, tập hợp tất cả các điểm x thỏa mãn toàn bộ các ràng buộc của bài toán quy hoạch tuyến tính tạo thành một tập lồi (convex set), cụ thể là một khối đa diện lồi (convex polyhedron). Nếu tập nghiệm này bị chặn, nó được gọi là một đa diện đa diện đóng (polytope). Định lý cơ bản của quy hoạch tuyến tính khẳng định rằng:\u003C\u002Fp>\n\u003Col>\n  \u003Cli>Nếu bài toán quy hoạch tuyến tính có ít nhất một nghiệm tối ưu hữu hạn thì chắc chắn tồn tại ít nhất một nghiệm tối ưu nằm tại một trong các đỉnh (còn gọi là điểm cực biên - extreme points) của hình đa diện lồi.\u003C\u002Fli>\n  \u003Cli>Mỗi đỉnh của đa diện tương ứng đại số với một phương án cơ sở khả thi (Basic Feasible Solution - BFS) của hệ phương trình Ax = b, được xác định bằng cách chọn m biến cơ sở tương ứng với m cột độc lập tuyến tính của ma trận A và cho (n - m) biến phi cơ sở bằng 0.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>Dựa trên nguyên lý hình học này, thuật toán Simplex vận hành như một quy trình tìm kiếm cực kỳ tinh tế: Thuật toán bắt đầu từ một đỉnh khả thi ban đầu; tại mỗi bước lặp, thuật toán kiểm tra tính tối ưu thông qua các hệ số ước lượng (reduced costs). Nếu chưa đạt tối ưu, thuật toán chuyển đổi một biến cơ sở ra ngoài và đưa một biến phi cơ sở vào trong (phép xoay pivot), tương ứng với việc di chuyển dọc theo một cạnh của đa diện đến một đỉnh liền kề có giá trị hàm mục tiêu tốt hơn hoặc bằng. Quá trình này tiếp diễn hữu hạn bước cho đến khi mọi hệ số ước lượng đều thỏa mãn điều kiện tối ưu hoặc kết luận bài toán không bị chặn (unbounded).\u003C\u002Fp>\n\n\u003Ch2>Lý thuyết đối ngẫu và ý nghĩa kinh tế\u003C\u002Fh2>\n\u003Cp>Mỗi bài toán quy hoạch tuyến tính (gọi là bài toán gốc - Primal problem) luôn song hành với một bài toán quy hoạch tuyến tính thứ hai được xây dựng từ cùng một tập dữ liệu tham số, gọi là bài toán đối ngẫu (Dual problem):\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\" style=\"border-collapse:collapse; width:100%;\">\n  \u003Cthead>\n    \u003Ctr style=\"background-color:#f2f2f2;\">\n      \u003Cth>Đặc tính đối sánh\u003C\u002Fth>\n      \u003Cth>Bài toán gốc (Primal)\u003C\u002Fth>\n      \u003Cth>Bài toán đối ngẫu (Dual)\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>\u003Cstrong>Mục tiêu tối ưu\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>Cực đại hóa c^T * x\u003C\u002Ftd>\n      \u003Ctd>Cực tiểu hóa b^T * y\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>\u003Cstrong>Hệ ràng buộc\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>Ax <= b\u003C\u002Ftd>\n      \u003Ctd>A^T * y >= c\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>\u003Cstrong>Biến số quyết định\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>x >= 0 (vectơ cấp n)\u003C\u002Ftd>\n      \u003Ctd>y >= 0 (vectơ cấp m)\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>\u003Cstrong>Ý nghĩa kinh tế\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>Quyết định sản lượng sản phẩm tối ưu để tối đa hóa doanh thu\u002Flợi nhuận\u003C\u002Ftd>\n      \u003Ctd>Xác định giá trị bóng (shadow price) tức giá trị biên nội tại của từng đơn vị tài nguyên giới hạn\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003Cp>Định lý đối ngẫu mạnh (Strong Duality Theorem) khẳng định rằng nếu bài toán gốc có nghiệm tối ưu x* thì bài toán đối ngẫu cũng có nghiệm tối ưu y*, và giá trị tối ưu của hai hàm mục tiêu là hoàn toàn bằng nhau: c^T * x* = b^T * y*. Định lý bù bù trừ (Complementary Slackness) cung cấp công cụ toán học trực tiếp để kiểm tra tính tối ưu của nghiệm và phân tích độ nhạy của mô hình kinh tế trước các biến động giá cả và nguồn cung thị trường.\u003C\u002Fp>\n\n\u003Ch2>Các phương pháp điểm trong và độ phức tạp tính toán\u003C\u002Fh2>\n\u003Cp>Mặc dù thuật toán Simplex giải quyết tuyệt vời hầu hết các bài toán thực tế, nhà toán học Victor Klee và George Minty năm 1972 đã xây dựng một ví dụ phản chứng nổi tiếng (hình lập phương Klee-Minty biến dạng) chứng minh rằng trong trường hợp xấu nhất, thuật toán Simplex phải duyệt qua 2^n đỉnh, nghĩa là có độ phức tạp thời gian cấp số mũ (exponential time).\u003C\u002Fp>\n\u003Cp>Năm 1979, Leonid Khachiyan làm chấn động giới toán học khi đề xuất thuật toán Elipsoid, lần đầu tiên chứng minh rằng quy hoạch tuyến tính có thể giải được trong thời gian đa thức (polynomial time). Tuy nhiên, thuật toán Elipsoid lại chạy rất chậm trên thực tế. Bước đột phá thực sự diễn ra vào năm 1984 khi Narendra Karmarkar tại Phòng thí nghiệm Bell phát triển phương pháp điểm trong (Interior Point Method). Thay vì đi dọc theo các cạnh và đỉnh ngoài biên của đa diện như Simplex, thuật toán Karmarkar đi xuyên qua lòng bên trong của tập lồi bằng các phép biến đổi xạ ảnh và hàm chắn logarit (barrier functions). Các thuật toán điểm trong dạng Primal-Dual hiện đại có thể giải quyết nhanh chóng các bài toán quy hoạch tuyến tính khổng lồ chứa hàng triệu biến số và ràng buộc trong viễn thông, tài chính định lượng và điều phối {{topic|%7B%22topic%22%3A%22l%C6%B0%E1%BB%9Bi%20%C4%91i%E1%BB%87n%20th%C3%B4ng%20minh%22%7D}}.\u003C\u002Fp>\n\n\u003Ch2>Phân tích độ nhạy và ứng dụng thực tiễn trong kinh tế chuỗi cung ứng\u003C\u002Fh2>\n\u003Cp>Một nghiệm tối ưu của bài toán quy hoạch tuyến tính chỉ có giá trị trong một tập hợp tham số cố định. Tuy nhiên, trong thực tế sản xuất và kinh doanh, các hệ số chi phí c, định mức kỹ thuật A và nguồn lực sẵn có b luôn biến động theo cơ chế thị trường. Phân tích độ nhạy (Sensitivity Analysis hoặc Post-optimality Analysis) là kỹ thuật toán học cho phép đánh giá mức độ ổn định của phương án tối ưu khi các tham số đầu vào thay đổi mà không cần phải giải lại bài toán từ đầu:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Khoảng biến thiên của hệ số hàm mục tiêu:\u003C\u002Fstrong> Xác định khoảng giá trị mà tại đó hệ số chi phí cj có thể tăng hoặc giảm mà cơ cấu phương án sản xuất tối ưu x* vẫn không thay đổi.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Khoảng khả thi của nguồn lực tài nguyên:\u003C\u002Fstrong> Xác định biên độ biến thiên của lượng tài nguyên bi sao cho cơ sở tối ưu hiện tại vẫn duy trì tính khả thi. Trong khoảng này, mỗi đơn vị tài nguyên bổ sung sẽ làm gia tăng giá trị hàm mục tiêu một lượng đúng bằng giá bóng (shadow price) tương ứng.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Quy hoạch tuyến tính hiện diện như một công cụ ra quyết định không thể thiếu trong quản trị {{topic|%7B%22topic%22%3A%22chu%E1%BB%97i%20cung%20%E1%BB%A9ng%22%7D}} toàn cầu: từ việc tối ưu hóa {{topic|%7B%22topic%22%3A%22m%E1%BA%A1ng%20l%C6%B0%E1%BB%9Bi%22%7D}} định tuyến vận tải đa phương thức, lập kế hoạch phối trộn nguyên liệu tối ưu chi phí trong sản xuất thức ăn chăn nuôi và lọc hóa dầu, đến việc điều độ nhân lực và lập lịch trình bay của các hãng hàng không thương mại quốc tế.\u003C\u002Fp>\n","Linear programming (LP)","Quy hoạch tuyến tính là phân ngành toán học tối ưu hóa nhằm tìm giá trị cực đại hoặc cực tiểu của một hàm mục tiêu tuyến tính thỏa mãn một hệ các ràng buộc đẳng thức hoặc bất đẳng thức đại số tuyến tính.","NATURAL_SCIENCES",[21,28,35],{"citationText":22,"title":23,"authors":24,"source":25,"year":26,"doi":27,"url":10},"Henningsen (2003). linprog: Linear Programming \u002F Optimization. CRAN: Contributed Packages. doi:10.32614\u002Fcran.package.linprog","linprog: Linear Programming \u002F Optimization","Henningsen","CRAN: Contributed Packages",2003,"10.32614\u002Fcran.package.linprog",{"citationText":29,"title":30,"authors":31,"source":32,"year":33,"doi":34,"url":10},"Tovey (2020). Speed of the Simplex Method and Complexity of Linear Programming. Linear Optimization and Duality. doi:10.1201\u002F9781315117218-10","Speed of the Simplex Method and Complexity of Linear Programming","Tovey","Linear Optimization and Duality",2020,"10.1201\u002F9781315117218-10",{"citationText":36,"title":37,"authors":31,"source":32,"year":33,"doi":38,"url":10},"Tovey (2020). Network Models and the Network Simplex Algorithm. Linear Optimization and Duality. doi:10.1201\u002F9781315117218-11","Network Models and the Network Simplex Algorithm","10.1201\u002F9781315117218-11",[40,43,46],{"question":41,"answer":42},"Dạng chuẩn tắc của bài toán quy hoạch tuyến tính được phát biểu như thế nào?","Gồm hàm mục tiêu tuyến tính cần cực đại hóa hoặc cực tiểu hóa, hệ ràng buộc kỹ thuật ở dạng phương trình đẳng thức và điều kiện các biến số quyết định đều không âm.",{"question":44,"answer":45},"Nguyên lý hình học và đại số của thuật toán Simplex do George Dantzig phát triển là gì?","Tập nghiệm khả thi của bài toán tạo thành một hình đa diện lồi; thuật toán Simplex duyệt tuần tự qua các đỉnh lồi lân cận theo hướng làm cải thiện giá trị hàm mục tiêu cho đến khi đạt đỉnh tối ưu.",{"question":47,"answer":48},"Định lý đối ngẫu trong quy hoạch tuyến tính có ý nghĩa kinh tế và toán học như thế nào?","Mỗi bài toán gốc đều có một bài toán đối ngẫu tương ứng; giá trị tối ưu của hai bài toán bằng nhau và các biến đối ngẫu phản ánh giá bóng (shadow price) tức giá trị biên của các nguồn lực bị giới hạn.",{"id":50,"researcherId":10,"name":51,"imageUrl":52},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",[54,55,56,57,58,59],"tối ưu","thuật toán","ma trận","lưới điện thông minh","chuỗi cung ứng","mạng lưới",6,false,"PUBLISHED","2023-09-09T14:21:37.617+00:00","2026-09-05T03:08:46.014+00:00","2026-09-05T03:08:45.686+00:00",309,[68,71,74,77,80,83,86,89,92,95],{"id":69,"title":70,"term":69,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"chuỗi markov","Chuỗi markov là gì? Các công bố khoa học về Chuỗi markov",{"id":72,"title":73,"term":72,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"matlab simulink","Matlab simulink là gì? Các công bố khoa học về Matlab simulink",{"id":75,"title":76,"term":75,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"chiến tranh đặc biệt","Chiến tranh đặc biệt là gì? Các bài báo nghiên cứu liên quan",{"id":78,"title":79,"term":78,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"toán cao cấp","Toán cao cấp là gì? Các nghiên cứu khoa học về Toán cao cấp",{"id":81,"title":82,"term":81,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"simulink","Simulink là gì? Các công bố khoa học về Simulink",{"id":84,"title":85,"term":84,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"nút giao thông","Nút giao thông là gì? Các nghiên cứu khoa học liên quan",{"id":87,"title":88,"term":87,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"arima","Arima là gì? Các công bố khoa học về Arima",{"id":90,"title":91,"term":90,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"artificial intelligence","Artificial Intelligence là gì? Các nghiên cứu khoa học về AI",{"id":93,"title":94,"term":93,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"random forest","Random forest là gì? Các công bố khoa học về Random forest",{"id":96,"title":97,"term":96,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"nghiên cứu liên ngành","Nghiên cứu liên ngành là gì? Các nghiên cứu khoa học"]