§线性规划问题及其数学模型.pptVIP

* 注：基解中的非零分量的个数小于m个时，该基解是退化解。以下讨论，假设不出现退化的情况。 各类解之间的关系 * 线性规划问题可以有无数个可行解，最优解只可能在顶点上达到，而有限个顶点对应的是基可行解，故只要在有限个基可行解中寻求最优解即可。 从一个顶点出发找到一个可行基，得到一组基可行解，拿目标函数做尺度衡量一下看是否最优。 如若不是，则向邻近的顶点转移，换一个基再行求解、检验，如此迭代循环目标值逐步改善，直至求得最优解。 线性规划的解题思路 * 例1 线性规划 求所有基矩阵。 解 约束方程的系数矩阵为2×5矩阵 例1 * 容易看出r(A)=2，2阶子矩阵有C52=10个，其中第1列与第3列构成的2阶矩阵不是一个基，基矩阵只有9个，即 例1（续） * 上例中，B2的基向量是A中的第1列和第4列，其余列向量是非基向量，x1, x4 是基变量，x2, x3, x5是非基变量。基变量、非基变量是针对某一确定基而言的，不同的基对应的基变量和非基变量也不同。 例1（续） * 对B1来说，x1, x2是基变量，x3, x4, x5是非基变量，令x3=x4=x5=0，则有 对B2来说，x1, x4为基变量，令非基变量x2, x3, x5为零，则有x1＝-1/5 ，x4=4，则基本解为 因|B1|≠０，x1, x2有唯一解：x1＝2/5, x2=1，则基本解为 例1（续） * 由于X (1)?0是基本解，从而它是基本可行解；由于X (2)0，因此X (2)不是可行解，也就不是基本可行解。 反之，可行解不一定是基本可行解。 例1（续） 例如 是可行解，但不是任何基矩阵的基本解。 * LP问题的概念总结 可行解(feasible solution)：满足约束条件的解称为可行解 。 基本可行解(basis feasible solution)：若基本解是可行解，则称为是基本可行解（也称基可行解）。 基本解(basis solution) ：对某一确定的基B，令非基变量等于零，利用约束方程组（不包含非负约束）解出基变量，则这组解称为基B的基本解。 最优解(optimal solution)：满足目标函数要求的可行解称为最优解，即是使得目标函数达到最大值的可行解就是最优解。 非可行解(Infeasible solution) 无界解 (unbound solution) * 当最优解唯一时，最优解亦是基本最优解，当最优解不唯一时，则最优解不一定是基本最优解。 例如图中线段 的点为最优 解时，Q1点及Q2点是基本最优解，线段 的内点是最优解而不是基本最优解。 LP问题的概念总结（续） * 基本最优解 基本可行解 可行解 最 优 解 基本解 例如，B点和D点是可行解，不是基本解；C点是基本可行解；A点是基本最优解，同时也是最优解、基本可行解、基本解和可行解。 LP解之间的关系 * 线性规划问题的模型特征。 通过图解法了解如何求解线性规划问题。 为求解高维线性规划问题，必须建立的概念。 本节小结 * 课后作业 P44： 1.1，1.3(小题二选一) * * * * * 无穷多最优解（多重最优解） 例4 * 2 4 6 x1 x2 2 4 6 X（2）＝（3,1） X（1）＝（1,3） (5,5) 例５ 有无穷多个最优解，即具有多重解，通解为 无穷多最优解（续） * 无界解（无最优解） 例６ * 2 4 6 x1 x2 2 4 6 (1,2) 无界解(无最优解) 无界解（续） 例7 * 当存在矛盾的约束条件时，为无可行域。 如果在例1的数学模型中增加一个约束条件 该问题的可行域为空集，即无可行解。 无可行解 矛盾 * 增加的矛盾约束条件 无可行解（续） * x1 x2 O 10 20 30 40 10 20 30 40 50 50 无可行解 （无最优解） 例8 无可行解（续） * 线性规划的解有4种形式： 唯一最优解 多重最优解 无界解 无可行解 图解法重要结论 数学模型有误，忽略了一些必要的约束条件 若线性规划问题存在最优解，它一定在有界可行域的某个顶点得到； 若在两个顶点同时得到最优解，则它们连线上的任意一点都是最优解，即有无穷多解； 当线性规划问题的可行域非空时，它是有界或无界多边形。 * LP模型的一般形式（一）： 1.3 线性规划问题的标准形式