8x1+x2-4x3=2x5=10 这个约束有问题 应该为8x1+x2-4x3+2x5=10 对不对，如果是的话，所有基解为：X1=（0，16/3,-7/6,0,0) X2=(0,10,0,-7,0,0) X3=(0,3,0,0,7/3,0) X4=(7/4,-4,0,0,0,21/4) X5=0,16/3,-7/6,0,0,0) X6=0,10,0,-7,0,0) X7=(0,3,0,0,7/3,0) X8=(3/4,0,0,0,4/3,9/4) X9=（5/4,0,0,-2,0,15/4) X10=(0,0,0,3,10/3,0) X11=(1,0,-1/2,0,0,3) X12=(0,0,3/2,,0,16/3,0) X13=(0,0,-5/2,8,0,0) X14=0,0,0,310/3,0) X15=(0,0,3/2,0,16/3,0) X16=(0,0,-5/2,8,0,0) 所有满足非负的基解为基可行解，最优解为使目标函数最大的基可行解

基解有六个，基可行解有3个，按照两个x组合为0去代方程式，最优解为x1＝4，x2＝0，x3＝2，x4＝0。 线性规划问题是在一组线性约束条件的限制下，求一线性目标函数最大或最小的问题。 在解决实际问题时，把问题归结成一个线性规划数学模型是很重要的一步，但往往也是困难的一步，模型建立得是否恰当，直接影响到求解。 而选适当的决策变量，是我们建立有效模型的关键之一。 线性规划问题的实际意义： 在作业研究中所面临的许多实际问题都可以用线性规划来处理，特别是某些特殊情况，例如：网络流、多商品流量等问题，都被认为非常重要。现阶段已有大量针对线性规划算法的研究。很多最优化问题算法都可以分解为线性规划子问题，然后逐一求解。 在线性规划的历史发展过程中所衍伸出的诸多概念，建立了最优化理论的核心思维，例如“对偶”、“分解”、“凸集”的重要性及其一般化等。在微观经济学和商业管理领域中，线性规划亦被大量应用于例如降低生产过程的成本等手段，最终提升产值与营收。乔治·丹齐格被认为是线性规划之父。