2对偶及灵敏度分析.pptVIP

第二章线性规划的对偶理论及灵敏分析 2.1 线性规划的对偶理论 2.1.1 线性规划原问题与对偶问题的表达形式 任何线性规划问题都有其对偶问题 对偶问题有其明显的经济含义 例2.1.1 设A、B资源的出售价格分别为 y1 和 y2 显然商人希望总的收购价越小越好 工厂希望出售资源后所得不应比生产产品所得少 2.1.1 线性规划原问题与对偶问题的表达形式 2.1.1 线性规划原问题与对偶问题的表达形式 2.1.2 (max,?)标准型的对偶变换 目标函数由 max 型变为 min 型 对应原问题每个约束行有一个对偶变量 yi，i=1,2,…,m 对偶问题约束为 ? 型，有 n 行 原问题的价值系数 C 变换为对偶问题的右端项(资源向量) 原问题的右端项(资源向量) b 变换为对偶问题的价值系数 原问题的技术系数矩阵 A 转置后成为对偶问题的技术系数矩阵矩阵 原问题与对偶问题互为对偶 对偶问题可能比原问题容易求解 对偶问题还有很多理论和实际应用的意义 2.1.3 非标准型的对偶变换 2.2 线性规划的对偶定理 2.2.1 弱对偶定理 定理 对偶问题(min)的任何可行解Y0，其目标函数值?总是不小于原问题(max)任何可行解X0的目标函数值z，即CX0≤ Y0 A 弱对偶定理几何意义 当CX→∞时（无界解），则对偶问题无解 当Yb →∞时（无界解），则原问题无解 当CX、 Yb有最优解时， CX0= Y0 b 2.2.2 最优解判别定理 定理 若原问题的某个可行解X0的目标函数值与对偶问题某个可行解Y0的目标函数值相等，则X0, Y0分别是相应问题的最优解 证：由弱对偶定理推论3，结论是显然的。 即CX0 = Y0b ? CX, Y0b = CX0 ? Yb 。 证毕。 主对偶定理的证明 证：现证明定理的后一句话。 设 X0 为原问题的最优解，它所对应的基矩阵是 B， X0= B?1 b，则其检验数满足 C ? CBB?1A ? 0 令 Y0= CBB?1，则有 Y0 A ? C ；而对原问题松弛变量的检验数有 0 ? CBB?1I ? 0，即 Y0 ? 0 。 显然Y0为对偶问题的可行解。因此有对偶问题目标函数值， ? = g(Y0) = Y0b = CBB?1 b 而原问题最优解的目标函数值为 z = f(X0) = CX0 = CBB?1 b 故由最优解判别定理可知Y0 为对偶问题的最优解。证毕。 该定理的证明告诉我们一个非常重要的概念：对偶变量的最优解等于原问题松弛变量的机会成本。 即对偶变量的最优解是原问题资源的影子价格 主对偶定理的证明 问题： 由此定理的可知，对偶问题的最优解的表达式Y*=？ —— Y* = CBB?1 求Y*是否有必要重新的求解对问题？ ——不必，可能从原问题的单纯表中获得 2.2.5 互补松驰性定理 在线性规划问题的最优解中，如果对应某一约束条件的对偶变量值为非零，则该约束条件取严格等式；反之如果约束条件取严格不等式，则其对应的对偶变量一定为零。即： 以例1.1为例，求 原问题与对偶问题的最优解 以例1.1为例，求 原问题与对偶问题的最优解 以例1.1为例，求 原问题与对偶问题的最优解 2.5 线性规划的灵敏度分析 线性规划是静态模型 参数发生变化，原问题的最优解还是不是最优 哪些参数容易发生变化 C, b, A, 我们主要讨论C，b和变量结构发生变化时对解的影响 每个参数发生多大的变化最优解或最优基不变？ 影响解的最优性——σ ≤0 影响解的最优性——B?1 b 保证非负即可 2.4.1 价值系数 cj 的灵敏度分析 cj 变动可能由于市场价格的波动，或生产成本的变动 cj 的灵敏度分析是在保证最优解的基变量不变的情况下，分析cj 允许的变动范围?cj cj 的变化只会引起检验数的变化，有两种情况 非基变量对应的价值系数变化，不影响其它检验数 基变量对应的价值系数变化，影响所有非基变量检验数 cj 是非基变量xj 的价值系数的灵敏度分析 由于基变量对应的价值系数 cj 在CB中出现，因此它会影响所有非基变量的检验数 所有非基变量的检验数σi 2.4.1 价值系数 cj 的灵敏度分析 cj 变动可能由于市场价格的波动，或生产成本的变动 cj 的灵敏度分析是在保证最优解的基变量不变的情况下，分析cj 允许的变动范围?cj cj 的变化只会引起检验数的变化，有两种情况 非基