Chapter线性规划的对偶和灵敏度分析.ppt

推论2: 在一对对偶问题（P）和（D）中，若其中一个问题可行但目标函数无界，则另一个问题无可行解；反之不成立。这也是对偶问题的无界性。 若（P）为无界解，则（D）无可行解； 若（D）为无界解，则（P）无可行解。 线性规划的对偶理论 推论3：在一对对偶问题（P）和（D）中，若一个可行（如P），而另一个不可行（如D），则该可行的问题目标函数值无界。 利用对偶性质判断下面问题有无最优解 例3.6 解：此问题的对偶问题为 不能成立，因此对偶问题不可行。故由推论3知原问题无界。 为可行解 线性规划的对偶理论 课堂练习 利用对偶性质判断下面问题有无最优解 解：此问题的对偶问题为 不能成立，因此对偶问题不可行。故由推论3知原问题无界。 为可行解 线性规划的对偶理论 性质3 最优性定理：如果 是原问题的可行解， 是其对偶问题的可行解，则: 当且仅当 是原问题的最优解， 是其对偶问题的最优解。 线性规划的对偶理论 性质4 强对偶性：若一对对偶问题中的任意一个有最优解，则另一个也有最优解，且目标函数最优值相等。 性质5 无界解定理： 若原问题（对偶问题）的解为无界解，则其对偶问题（原问题）无可行解。 线性规划的对偶理论 性质6 互补松弛性：设X*和Y*分别是P问题 和 D问题 的可行解，则它们分别是最优解的充要条件是： 其中：Xs、Ys为松弛变量。 在线性规划问题的最优解中，若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；另一方面，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。 线性规划的对偶理论 证: (必要性） 原问题 对偶问题 线性规划的对偶理论 Max Z=CX s.t. AX+XS=b X, XS ≥0 Min W=Yb s.t. YA-YS=C W, WS ≥0 XTYS=0 YTXS=0 m n = Y YS AT -I C n = A XS I b n m m X 原始问题和对偶问题变量、松弛变量的维数 线性规划的对偶理论 y1 yi ym ym+1 ym+j yn+m x1 xj xn xn+1 xn+i xn+m 对偶问题的变量 对偶问题的松弛变量 原始问题的变量 原始问题的松弛变量 xjym+j=0 yixn+i=0 (i=1,2,…,m; j=1,2,…,n) 在一对变量中，其中一个大于0，另一个一定等于0 线性规划的对偶理论 性质5的应用： 该性质给出了已知一个问题最优解求另一个问题最优解的方法，即已知Y＊求X＊或已知X＊求Y＊ 互补松弛条件 由于变量都非负，要使求和式等于零，则必定每一分量为零，因而有下列关系： 若Y＊≠0，则Xs必为0；若X＊≠0，则Ys必为0 利用上述关系，建立对偶问题（或原问题）的约束线性方程组，方程组的解即为最优解。 线性规划的对偶理论 已知线性规划 的对偶问题的最优解为Y＊=(0,-2)，求原问题的最优解。 解: 对偶问题是 标准化 例3.7 线性规划的对偶理论 设原问题最优解为X＊＝(x1，x2 ，x3)T ,由互补松弛性定理知，X＊和 Y＊满足： 将Y＊带入由方程可知，y3＝y5＝0，y4＝1。 ∵y2=-2≠0 ∴x5＝0 又∵y4=1≠0 ∴x2＝0 将x2，x5带入原问题约束方程中，得： 解方程组得：x1=-5,x3=-1, 所以原问题的最优解为 X＊=(-5,0,-1)，最优值z=-12 线性规划的对偶理论 试用对偶原理求解线性规划问题 已知其对偶规划的最优解为 练习 线性规划的对偶理论 解： 该问题的对偶规划为 线性规划的对偶理论 代入对偶规划的约束条件得 将最优解 线性规划的对偶理论 设原问题的最优解为 XB XN Xs 0 CN-CBb-1N -CBB-1 Ys1 -Ys2 -Y 其中，Ys1是对应于原问题中基变量XB的剩余变量，Ys2是对应于原问题中非基变量XN的剩余变量。 证明：设B是原始问题的一个可行基，于是A=(B,N)；原问题及其对偶问题可改写为 这里有Ys＝(Ys1, Ys2) 。 当求得原问题的一个解XB＝B-1b，XN和Xs的检验数分别为：CN-CBB-1N, -CBB-1。 分析XN和Xs的检验数CN-CBB-1N和-CBB-1与对偶问题的解之间的关系。 令Y＝ CBB-1，将其带入对偶问题的资源约束，可得 命题得证。 Max Z=40x1+ 50x2