运筹学06-线性规划灵敏度分析与对偶.ppt

6.2 线性规划的对偶问题 6.3 对偶问题的基本性质 影子价格 6.5 对偶单纯形法 定义：设A=(B N)，其中B是一个非奇异的m× m阶方阵，对应地C=(CB CN)，则YB=CB的解Y*=CBB-1称为对偶问题(D)的一个基本解；若Y*还满足Y*N≧CN，则称Y*为(D)的一个基可行解；若有Y*NCN，则称Y*为非退化的基可行解，否则称为退化的基可行解。 例3：求线性规划问题的对偶规划 解：由原问题的结构可知不是对称型对偶问题，可先化为对称型，再求其对偶规划。 例4：求线性规划问题的对偶规划 解：由原问题的结构可知不是对称型对偶问题，可先化为对称型，再求其对偶规划。 上式已为对称型对偶问题，故可写出它的对偶规划 令 则上式化为 对偶关系对应表 原问题 对偶问题 目标函数类型 Max Min 目标函数系数 目标函数系数 右边项系数 与右边项的对应关系 右边项系数 目标函数系数 变量数与约束数 变量数n 约束数 n 的对应关系 约束数m 变量数m 原问题变量类型与 ? 0 ? 对偶问题约束类型 变量 ? 0 约束 ? 的对应关系 无限制 ＝ 原问题约束类型与 ? ? 0 对偶问题变量类型 约束 ? 变量 ? 0 的对应关系 ＝ 无限制 定理1 对偶问题的对偶就是原问题(对称性) Max W’=-Yb s.t. -YA≤-C Y≥0 Min Z’=-CX s.t. -AX≥-b X ≥0 Max Z=CX s.t. AX ≤b X ≥0 Min W=Yb s.t. YA ≥C Y≥0 对偶的定义 对偶的定义 定理2 (弱对偶定理) 分别为(P), (D)的可行解，则有C ? b X ， y X y 证明：由A X ? b, y ?0 有 yA X ? b y 由 A y ? C, X ?0 有 y A X ? C X 所以 C X ? y A X ? yb 推论2、(P)有可行解, 但无有限最优解，则(D)无可行解。 证明：对任X，有CX? b y =C X X最优 ? 推论1、(P), (D)都有可行解，则必都有最优解。 定理3、 y X , 分别为(P), (D)的可行解，且 X y C = b , 则它们是(P), (D) 的最优解。 定理4(强对偶性) 若一对对偶问题(P)和(D)都有可行解，则它们都有最优解，且目标函数的最优值必相等。 证明： (1) 当X*和Y*为原问题和对偶问题的一个可行解 有 原问题目标函数值 对偶问题目标函数值 所以原问题的目标函数值有上界，即可找到有限最优解；对偶问题有下界，也存在有限最优解。 (2) 当X*为原问题的一个最优解，B为相应的最优基,通过引入松弛变量Xs,将问题(P)转化为标准型 令 令 所以Y*是对偶问题的可行解，对偶问题的目标函数值为 X*是原问题的最优解，原问题的目标函数值为 推论： 若一对对偶问题中的任意一个有最优解，则另一个也有最优解，且目标函数最优值相等。 一对对偶问题的关系，有且仅有下列三种： 都有最优解，且目标函数最优值相等； 两个都无可行解； 一个问题无界，则另一问题无可行解。 定理5 （互补松弛性） 若 X , Y分别为(P) , (D)的可行解，则X , Y为最优解的充要条