13.4灰矩阵博弈灰线性规划模型求解.docVIP

13.4灰矩阵博弈的灰线性规划模型求解 本节证明了灰矩阵博弈的灰性规划问题存在灰基可行解的充要条件与灰基可行解对应其灰可行域的灰顶点这两个重要定理.在证明了灰凸集中的任何一点都可以用其凸集的灰顶点灰线性表示的基础之上,证明了灰矩阵博弈的线性规划的目标函数的灰最优值对应其凸集的灰顶点. 引理13.4.1任给灰矩阵博弈的灰线性规划模型,如式13.4.1所示.该灰线性规划问题的可行解为基可行解的充要条件是:的正分量所对应的灰系数列向量是线性独立的. (13.4.1) 定理13.4.1任给灰矩阵博弈的灰线性规划模型,如式13.4.1所示.则该灰线性规划问题的灰基可行解对应于灰可行域的灰顶点. 证明: 不失一般性,不妨设的前个分量为正. 故 (13.4.2) 以下分两种情形讨论. (1)若不是灰基可行解,则它一定不是灰可行域的灰顶点. 根据引理13.4.1,若不是灰基可行解,则其灰正分量所对应的n维灰系数列向量灰线性相关,即存在一组不全为0灰系数使得 (13.4.3) 用一个的灰数乘式13.4.3,再分别与式13.4.2相加和相减,这样得到 现取: 由可以得到,即是连线的中点. 另一方面,当充分小时,可保证 ; 即是灰可行解.但不是灰可行域的灰顶点. (2) 若不是灰可行域的灰顶点,则它一定不是灰基可行解. 因为不是灰可行域的灰顶点,故在可行域中可找到不同的两点 使得: 设是灰基可行解,对应灰向量组灰线性独立.当时, ,由于是可行域的两灰点,应满足式13.4.4与式13.4.5两式. （13.4.4） （13.4.5） 将式13.4.4与式13.4.5相减,即可得式13.4.6. (13.4.6) 因为,所以式13.4.6中的灰系数()不全为0,故灰向量组灰线性相关,与假设矛盾.因此不是基可行解. 引理13.4.2若是有界灰凸集,则任何一点可表示为的灰顶点的灰凸组合. 定理13.4.2任给灰矩阵博弈的灰线性规划模型,如式13.4.1所示.若其灰可行域有界,则该灰线性规划问题的灰目标函数一定可以在其灰可行域的灰顶点上达到最优. 证明: 不失一般性,不妨设为其灰可行域的灰顶点,若不是灰顶点,且目标函数在处达到最优,即. 由引理13.4.2,可以由该灰可行域的灰顶点灰线性表示为式13.4.7所示. (13.4.7) 因此, (13.4.8) 在所有的灰顶点中必然能找到某一个灰顶点,使得是所有中最大者.并且将代替式13.4.8中的所有,可得 由此得到 即 根据假设是最大值,所以必有: . 即目标函数在灰顶点处达到最大值. 有时目标函数可能在多个顶点达到灰最大值.这时在这些灰顶点的灰凸组合上也达到灰最大值.这时灰线性规划问题有无限多个灰最优解. 定理13.4.3设灰矩阵博弈的灰线规划模型如式13.4.1所示.则其灰最优解的左端点值(极小值)和右端点值(极大值)可由式13.4.9求出. (13.4.9) 例13.4.1 求灰矩阵博弈(其中如式13.4.10所示),在混合策略意义下的灰鞍点. (13.4.10) (13.4.11) (13.4.12) 解: 把该问题化成两个灰线性规划问题,如式13.4.11和13.4.12所示. 对式13.4.12,取灰松驰变量为灰基变量,将其转化为标准灰线性规划问题,并用表格进行旋转迭代寻优,如表13.4.1所示. 由表13.4.1可知,该灰线性规划问题的灰最优解如式13.4.13所示.该问题的灰博弈值,如式13.4.14所示. (13.4.13) (13.4.14) (13.4.15) 局中人2的最优灰策略如式13.4.15所示.很显然,在式13.4.15中,局中人2的各最优灰策略之和为,如式13.4.16所示. (13.4.16) 表13.4.1 灰鞍点的灰线性规划问题的表上寻优 1 1 1 0 0 0 CB YB b 0 1 () 0 2 1 0 0 0 1 0 3 1 0 1 0 -- 0 1 1 2 2 0 0 1 1 0 1 1 1 0 0 0 因为当时,,所以取为换入变量, 为换出