第3章 线性规划的对偶理论与灵敏度分析.pptVIP

由上表，最优解： =50， -f 的最大值为-27500，即目标函数f的最大值为f=27500元。 从上面可知租金：A设备为50元，B设备为0元，C设备为50元。这样把工 厂的所有设备出租可共得租金27500元。对出租者来说这租金是出租者愿意出 租设备的最小费用，因为这是目 标函数的最小值。 通过比较，我们发现：对偶问题的最优解即最佳租金恰好等于原问题各种 设备的对偶价格，这在道理上也能讲得通。 对于两个有对偶关系的线性规划 的问题，我们只要求得了其中一个最优解，就可以从这个问题的对偶价格而 求得其对偶问题的最优解，知道其中一个最优值也就找到了其对偶问题的最 优值，因为这两个最优值相等。 §2　对偶规划的基本性质 对偶规划的基本性质 1．对称性。即对偶问题的对偶是原问题。 2．弱对偶性。即对于原问题（Ⅰ）和对偶问题（Ⅱ）的可行解 都有C ≤bT 。 由弱对偶性，可得出以下推论： （1）原问题任一可行解的目标函数值是其对偶问题目标函数值的下界；反之对偶问题任一可行解的目标函数值是其原问题目标函数值的上界。 （2）如原问题有可行解且目标函数值无界（或具有无界解），则其对偶问题无可行解；反之对偶问题有可行解且目标函数值无界，则其原问题无可行解（注意：本点性质的逆不成立，当对偶问题无可行解时，其原问题或具有无界解或无可行解，反之亦然）。 （3）若原问题有可行解而其对偶问题无可行解，则原问题目标函数值无界；反之对偶问题有可行解而其原问题无可行解，则对偶问题的目标函数值无界。 3．最优性。如果 是原问题(Ⅰ)的可行解， 是对偶问题(Ⅱ)的可行解，并且 C = bT ，则 和 分别为原问题(Ⅰ)和对偶问题(Ⅱ)的最优解。 4．强对偶性。即若原问题(Ⅰ)及其对偶问题(Ⅱ)都有可行解，则两者都有最优解；且它们的最优解的目标函数都相等。 5．互补松弛性。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也即 若yi*0,则有 若 ，则有yi*=0 §3　对偶单纯形法 对偶单纯形法也是解决线性规划问题的一种方法。对偶单纯形法是在保持原 有问题的所有检验数都小于0的情况下，通过迭代使得所有的约束都大于等于0， 最后求得最优解。 简化计算是对偶单纯形法的优点，但是它在使用上有很大的局限，这主要是 大多数线性规划问题很难找到初始解使得其所有检验数都小于0。但是在灵敏度 分析中，有时需要对偶单纯形法，这样可以简化处理。下面以第二节例一为例。 上节分析中已知当250≤b’1≤325时第一个约束条件的对偶价格不变，现在 b’1=300变成b’1=350，请问这时第一个约束方程的对偶价格应为多少呢？ 解：求出在第二次迭代表上的常数列 4.检查常数列值，若已经都非负结束迭代，即为最优，如果还有负数重复1-4步。 §4　线性规划的灵敏度分析 一、目标函数中变量Ck系数灵敏度分析 1.在最终的单纯形表里，X k是非基变量 由于约束方程系数增广矩阵在迭代中只是其本身的行的初等变换与Ck没有任何关系， 所以当Ck变成Ck+ Ck时，在最终单纯形表中其系数的增广矩阵不变，又因为Xk是非 基变量，所以基变量的目标函数的系数不变，即CB不变，可知Zk也不变，只是Ck变 成了Ck+ Ck。这时 K= Ck-Zk就变成了Ck+ Ck- Zk= K+ Ck。要使原来的最优解 仍为最优解，只要 K+ Ck≤0即可，也就是Ck的增量 Ck≤- K。 2.在最终的单纯形表中， X k是基变量 当Ck变成Ck+ Ck时，最终单纯形表中约束方程的增广矩阵不变，但是基变量的目 标函数的系数CB变了，则ZJ(J=1,2,…..,N)一般也变了，不妨设CB=(CB1, CB2。。。, Ck, …， CBm),当CB变成=(CB1, CB2。。。,Ck+ Ck,…,CBm),则： ZJ=(CB1, CB2。。。, Ck,…，CBm)(a’1j , a’2j ,…, a’Kj ,…, a’mj) Z’J=(CB1, CB2。。。, C