第五章线性规划与计算复杂性简介【数学建模】.pptxVIP

线性规划与计算复杂性简介浙江大学数学建模实践基地§8.1 线性规划问题一、线性规划的实例与定义二、线性规划的标准形式三、线性规划的图解法四、基本可行解与极点的等价定理五、求解线性规划的单纯形法六、初始可行解的求法——两段单纯形法§8.2 运输问题一、运输问题的数学模型二、初始可行解的选取三、最优性判别§8.3 指派问题一、指派问题的数学模型二、求解指派问题的匈牙利算法§8.4 计算复杂性问题的提出一、P类与NP类，NP完全性二、有关离散问题模型及其算法的几点附加说明§8.1 线性规划问题 在人们的生产实践中，经常会遇到如何利用现有资源来安排生产以取得最大经济效益的问题，此类问题构成了运筹学的一个重要分支——数学规划，而线性规划（Linear Programming, 简记LP）则是数学规划的一个重要部分。自从1947年G·B·Dantzig提出求解线性规划的单纯形方法以来，线性规划在理论上日趋成熟 ，在应用上日趋广泛，已成为现代管理中经常采用的基本方法之一。一.线性规划的实例与定义例8.1 某机床厂生产甲、乙两种机床，每台销售后的利润分别为4000元与3000元。生产甲机床需用A、B机器加工，加工时间分别为每台 2小时和1小时；生产乙机床需用A、B、C三种机器加工，加工时间为每台各一小时。若每天可用于加工的机器时数分别为A机器10小时、B机器8小时和C机器7小时，问该厂应生产甲、乙机床各多少台，才能使总利润最大？ 例1的数学模型：设该厂生产x1台甲机床和x2台乙机床时总利润最大，则 x1 、x2应满足 max 4x1 + 3x2 s.t 2x1 + x2 ≤10 x1 + x2 ≤8 (8.1) x2 ≤7 x1 , x2 ≥0（8.1）式中4x1 + 3x2表示生产x1台甲机床和x2台乙机床的总利润，被称为问题的目标函数，当希望使目标函数最大时，记为max；反之，当希望使目标函数最小时，记为min。（8.1）中的几个不等式是问题的约束条件，记为S.t（即Subject to）。由于（8.1）式中的目标函数及约束条件均为 线性函数，故被称为线性规划问题。总之，线性规划 问题是在一组线性约束条件的限止下，求一线性目标 函数最大或最小的问题。例8.2 min S.t i=1,…,m xj≥0,j=1,…,n或更简洁地二、线性规划的标准形式线性规划的目标函数可以是求最大值，也可以是求最小值，约束条件可以是不等式也可以是等式，变量可以有非负要求也可以没有非负要求（称这样的变量为自由变量）。为了避免这种由于形式多样性而带来的不便，规定线性规划的标准形式为利用矩阵与向量记为 min z = CT x S.t Ax = b x≥0（8.3）其中C 和x 为n 维列向量，b为m 维列向量，b≥0，A为m×n矩阵,mn且rank(A)=m。（3）若xi为自变量，则可令,其中 、 ≥0 如果根据实际问题建立起来的线性规划问题并非标准形 式，可以将它如下化为标准形式：（1）若目标函数为max z =CT x，可将它化为min－z =－CT x（2）若第i个约束为ai1x1+…+ainxn≤bi，可增加一个松驰变 量yi，将不等式化为ai1x1+…+ainxn+yi = bi，且yi≥0。 若第i个约束为ai1x1+…+ainxn≥bi，可引入剩余量yi，将 不等式化为ai1x1+…+ainxn－ yi = bi，且yi≥0。例如 例18.1并非标准形式，其标准形式为 min ― 4x1―3x2 s.t 2x1 + x2 + x3 = 10 x1 + x2 + x4 = 8 x2 + x5 = 7 x1 , x2 , x3 , x4, x5≥0三、线性规划的图解法为了了解线性规划问题的特征并导出求解它的单纯形法，我们先应用图解法来求解例8.1。满足线性规划所有约束条件的点称为问题的可行点（或可行解），所有可行点构成的集合称为问题的可行域，记为R。对于每一固定的值z，使目标函数值等于z的点构成的直线称为目标函数等位线，当z变动时，我们得到一族平行直线（图8.1）。对于例8.1，显然等位线越趋于右上方，其上的点具有越大的目标函数值。不难看出，本例的最优解为x*=(2,6)T ，最优目标值z*=26 。图8.1从上面的图解过程可以看出并不难证明以下断言：（1）可行域R可能会出现多种情况。R可能是空集也可能是非空集合，当R非空时，它必定是若干个半平面的交集（ 除非遇到空间维数的退化）。R既可能是有界区域，也可能是无界区域。（2）在R非空时，线性规划既可以存在有限最优解，也可以不存在有限最优解（其目标函数值无界）。（3）若线性规划存在有限最优解，则必可找到具有最优目标函数值