现代物流运筹学 教学课件 作者 沈家骅 24320电子教案第2章线性规划单纯形法.pptVIP

第2章 线性规划单纯形法 学习目标 ? 用单纯形法等进行求解，学习对偶问题及实际案例，使学生学会把实际问题归结为线性规划问题来进行优化，并能用一些常用的方法进行求解，从而培养和提高学生分析问题、解决实际问题的能力。 ? 培养优化思想，并能用一定的数学方法实现优化。 2.1 线性规划问题的标准型 ? 由上一章可知，线性规划模型有各种不同的形式；即目标函数可以求极大值，也可以求极小值；约束条件可以是等式也可以是不等式，不等号可以是“≤”也可以是“≥”；决策变量一般是非负的，但在理论模型中可能会允许在区间（?∞，+∞）内取值。 ? 为适应通用的代数求解方法，将不同形式的线性规划模型转化为统一的标准形式是十分必要的。 ? 线性规划问题的数学模型，都是由决策变量、约束条件（线性等式或不等式）及目标函数（最大或最小）3部分组成的。 ? 为了使线性规划问题的求解变得尽可能简化，我们需要规定线性规划模型的标准形式。 2.1.1 线性规划问题的标准型  ? 一般线性规划问题的标准型为 ? 或简记为 ? 上述标准型有以下4个特征。 （1）目标函数值总为求最大。 （2）约束条件全为线性等式。 （3）约束条件右端常数项全部为非负数。 （4）决策变量全大于或等于零。 2.1.2 非标准型线性规划问题的标准化 （1）若目标函数取最小值min z?=?CX，由于求z的最小值就是求?z的最大值，所以可以将其转化为max (?z)?=??CX。 （2）当约束条件中第个方程出现ai1x1 + ai2x2 + …+ ainxn≤bi时，则增加一个“松弛变量”xi?1≥0，使它成为等式ai1x1 + ai2x2 + … + ainxn + xi?1?=?bi。 ? 同样，当约束条件中第个方程出现ai1x1 + ai2x2 + … + ainxn≥bi时，则减去一个“松弛变量”xi?1≥0，使它成为等式ai1x1 + ai2x2 + … + ainxn ? xi?1?=?bi。 （3）当决策变量xj不满足xj ≥0时，则增加两个新的非负决策变量xj ≥0和xj ≥0，用xj ? xj替代xj，即令xj = xj ? xj。 （4）当约束条件中第i个方程右端出现常数项bi＜0时，则在方程两边同时乘（?1），得到?bi ＞0。 ? 例2.1 将下列非标准型线性规划问题化为标准型。 ? 解 按照前面的变换方法，执行下列步骤。 （1）将min z转化为max (?z)。 （2）令x3 = x3? x3，且x3≥0，x3≥0。 （3）将第一个约束方程的左边减去一个非负的松弛变量x4，将第2、第3个约束方程的左边分别加上一个非负的松弛变量x5和x6。 ? 这样，可以将原来的线性规划问题标准化为 2.1.3 单纯形法的基本步骤和计算 ? 两个变量的线性规划问题可以用图解法进行求解，而当变量是三个或三个以上且约束条件又多时，可行域所在的凸集表现为一个凸多边形，在空间上必将是一个凸几何体。 ? 因此我们几乎或实在无法通过作图来找可行域，更无法找到最优解，此时图解法就显得无能为力了，但这些问题可以利用单纯形法进行求解。 （1）基变量—在标准型每一个约束方程中选一个变量xj，它在该方程中的系数为1，在其他方程中系数为零，这个变量xj就称为基变量，或称为基础变量。 ? 如有m个约束方程，就可得到m个基变量，其余变量就称为非基变量。 （2）基本可行解—非基变量为零的可行解。 （3）基本最优解—满足目标函数的基本可行解，简称为最优解。 ? 例2.2 求解线性规划问题，其模型如下： ? 解 （1）将线性规划问题化为标准型。 ? 引入松弛变量x3 , x4 , x5后将其转化为标准型，即 （2）列出初始单纯形表（见表2.1），并在表中计算出检验数?j。 ① zj行的计算。 ? 用Cj列（Cj列指目标函数中基变量的系数CB）中各数乘决策变量列的相对应数后再相加，即，具体计算结果如下： ② ?j行的计算。 ? ?j?=?Cj???zj，即用Cj行各数减去zj行相对应数，称为检验数。 ? 一般地，?j≤0表示基本可行解达到最优；否则?j中有一正数就要继续进行迭代运算，向最优解逼近。 ? 这里，?1?=?3???0?=?3，?2?=?2?0?=?2，?3?=??4?=??5?=?0???0?=?0，所以要继续迭代运算。 （3）确定主元列，选择进基变量。 （4）确定主元行，选择离基变量。 （5）对增广矩阵用初等行变换将主元化为1，主元所在列其余元素化为零。 （6）重新按第3步骤和第4步骤对表2.2确定主元列与主元行及主元，选择进基变量与离基变量。 （7）对增广矩阵用初等行变换将主元[5]化为1，将主元[5]所在第二列其余元素化为零，得表2.3。