古人作战讲“夫运筹帷幄之中，决胜千里之外”。在现代商业社会中，更加讲求运筹学的应用。作为一名企业管理的学生，更应该能够熟练地掌握、运用运筹学的精髓，用运筹学的思维思考问题。即：应用分析、试验、量化的方法，对实际生活中人、财、物等有限资源进行统筹安排。本着这样的心态，在本学期运筹学即将结课之时，我得出以下关于运筹学的知识。
线性规划解决的是：在资源有限的条件下，为达到预期目标最优，而寻找资源消耗最少的方案。其数学模型有目标函数和约束条件组成。一个问题要满足一下条件时才能归结为线性规划的模型：⑴要求解的问题的目标能用效益指标度量大小，并能用线性函数描述目标的要求；⑵为达到这个目标存在很多种方案；⑶要到达的目标是在一定约束条件下实现的，这些条件可以用线性等式或者不等式描述。解决线性规划问题的关键是找出他的目标函数和约束方程，并将它们转化为标准形式。简单的设计2个变量的线性规划问题可以直接运用图解法得到。但是往往在现实生活中，线性规划问题涉及到的变量很多，很难用作图法实现，但是运用单纯形法记比较方便。单纯形法的发展很成熟应用也很广泛，在运用单纯形法时，需要先将问题化为标准形式，求出基可行解，列出单纯形表，进行单纯形迭代，当所有的变量检验数不大于零，且基变量中不含人工变量，计算结束。将所得的量的值代入目标函数，得出最优值。
遇到评价同类型的组织的工作绩效相对有效性的问题时，可以用数据包络进行分析，运用数据包络分析的的决策单元要有相同的投入和相投的产出。
对偶理论：其基本思想是每一个线性规划问题都涉及一个与其对偶的问题，在求一个解的时候，也同时给出另一问题的解。对偶问题有：对称形式下的对偶问题和非对称形式下的对偶问题。非对称形式下的对偶问题需要将原问题变形为标准形式，然后找出标标准形式的对偶问题。因为对偶问题存在特殊的基本性质，所以我们在解决实际问题比较困难时可以将其转化成其对偶问题进行求解。
灵敏度分析：分析在线性规划问题中，一个或几个参数的变化对最优解的影响问题。可以分析目标函数中变量系数、约束条件的右端项、增加一个约束变量、增加一个约束条件、约束条件的系数矩阵中的参数值等的变化。如果将问题转化为研究参数值在保持最优解或最优基不变时的允许范围或改变到某一值时对问题最优解的影响时，就属于参数线性规划的内容。
运输问题是解决多个产地和多个销地之间的同品种物品的规划问题。根据运输问题的独特性，一般采用一种简单而有效的方法：表上作业法。表上作业法先找出运输问题的基可行解，方法有：最小元素法、西北角法、沃格尔法。其中沃格尔法得出的解最接近最优解。然后利用闭回路法或对偶变量法对得到解进行最优性判别。当检验的结果为非最优解时，进行解的改进，然后再进行最优性判别，直到所有的非基变量检验数全非负，得到最优解。在解决运输问题时会遇到产销不平衡的情况，在该情况下，要将该问题转化为产销平衡问题，只需增加一个假象的产地或销地，并将表示该地的变量在目标函数中的系数设为零即可。
整数规划是解决决策变量只能取整数的规划问题，整数规划的解法有割平面法和分支定解法。整数规划中的0-1规划整数问题是一个非常有用的方法。在实际问题中，该方法能够解决很多问题。0-1整数规划的解决方法有枚举法和隐枚举法。指派问题是0-1整数规划中的特例，现在采用的解法一般为匈牙利法，由于指派问题的特殊性，使用匈牙利法可以有效的减少计算量。
学习理论的目的就是为了解决实际问题。线性规划的理论对我们的实际生活指导意义很大。当我们遇到一个问题，需要认真考察该问题。如果它适合线性规划的条件，那么我们就利用线性规划的理论解决该问题。但是很多时候我们遇到的问题用线性规划解决耗时、准确度低或者根本无法用线性规划解决。那么我们就要寻找别的理论方法来解决问题，即：非线性规划。关于非线性规划的理论还没有深入学习，暂将我的学习所得进行到此。