目标规划（objective programming）是一种用于解决优化问题的数学方法，它通过建立数学模型来描述问题，并使用计算机程序来求解。在管理运筹学中，目标规划常用于资源分配、生产调度、库存控制等问题。
要使用图表表示目标规划，我们可以采用以下步骤：
1. 定义问题：首先，我们需要明确目标规划的问题是什么。例如，我们可能有一个生产问题，需要确定如何分配资源以最大化利润。
2. 建立数学模型：根据问题的性质，我们可能需要建立一个线性规划模型、非线性规划模型或其他类型的模型。例如，如果我们有一组资源和一组产品，我们希望最大化总利润，那么我们可能会建立一个线性规划模型。
3. 设计变量和约束条件：在模型中，我们需要定义决策变量（如生产量、库存水平等）、目标函数（如利润、成本等）以及约束条件（如资源限制、生产能力等）。
4. 编写代码：使用编程语言（如python、r、matlab等）编写目标规划的算法。这通常涉及到迭代过程，直到找到最优解或满足一定精度的近似解。
5. 绘制图表：在得到最优解或近似解后，我们可以使用绘图工具（如matplotlib、seaborn等）将结果可视化。例如，我们可以绘制资源分配图、生产计划图等。
6. 解释结果：最后，我们需要解释图表所表示的结果。例如，我们可以解释为什么某个资源分配方案是最优的，或者为什么某个生产计划会导致成本增加。
以下是一个简单的示例，展示了如何使用python和matplotlib绘制目标规划的图表：
```python
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import linprog
# 定义问题参数
x0 = [1, 1, 1] # 初始解
c = [-1, -1, -1] # 目标函数系数
A = [[2, 1], [1, 2]] # 约束条件系数矩阵
b = [-3, -2] # 约束条件向量
# 使用linprog求解线性规划问题
res = linprog(c, A_ub=A, b_ub=b, bounds=[[0, None]])
x, res = res.x, res.fun
# 绘制结果
plt.figure()
plt.scatter(x, x)
plt.xlabel('x')
plt.ylabel('x')
plt.title('目标规划结果')
plt.grid(True)
plt.show()
```
在这个示例中，我们使用了`scipy.optimize.linprog`函数来求解线性规划问题。我们定义了决策变量`x`、目标函数系数`c`、约束条件系数矩阵`A`和约束条件向量`b`。然后，我们使用`linprog`函数求解问题，并将结果存储在`x`和`res`变量中。最后，我们使用matplotlib库绘制结果图表。
