最优设计7-8.ppt

７ 线性规划最优化技术 1、定义：目标函数和约束条件均为线性函数的最优化问 题称为线性规划问题。2、应用：线性规划广泛应用于经营管理、活动安排、交 通运输、资源分配、目标规划等领域。线性规 划的数学模型一般形式为3、最大化表达形式： 目录函数：max f(X) ＝ｃ1ｘ1 ＋ｃ2ｘ2 ＋…＋ｃnｘn 约束条件：ａ1 1ｘ1 ＋ａ1 2ｘ2 ＋…＋ａ1 nｘn ≤ｂ1  ａ2 1ｘ1 ＋ａ2 2ｘ2 ＋…＋ａ2 nｘn ≤ｂ2 ……　　　 ａm 1ｘ1＋ａm2ｘ2 ＋…＋ａm nｘn ≤ｂm　　　　　　　 非负条件：ｘ1，ｘ2 ，…，ｘn ≥０ 4、最小化表达形式： 目录函数：min f(X)＝ｃ1ｘ1 ＋ｃ2ｘ2 ＋…＋ｃnｘn 约束条件： ａ1 1ｘ1 ＋ａ1 2ｘ2 ＋…＋ａ1 nｘn ≥ｂ1  ａ2 1ｘ1 ＋ａ2 2ｘ2 ＋…＋ａ2 nｘn ≥ｂ2 ……　　　 ａm 1ｘ1＋ａm2ｘ2 ＋…＋ａm nｘn ≥ｂm　　　　　　　 非负条件：ｘ1，ｘ2 ，…，ｘn ≥０ 设：设计问题的设计变量具有可连续性 最优解：Ｘ＊＝（ ４.４ ， ０ ， １.２ ）T 最优值： ｆ（Ｘ＊）＝ ４×４.４＋５×０＋８×１.２ ＝ ２７.２ 若设计变量为离散的自然数，其最优解： Ｘ＊＝（ ４， ２ ， ０ ）T  最优值： ｆ（Ｘ＊）＝ ４×４＋５×２＋８×０ ＝ ２６ 图解法得到如下启示：① 由约束条件和非负条件将设计可行区域构成 一ｎ维凸多面体或超多面体；② 这种凸多面体或超多面体必然会形成有限的 顶点，诸顶点均为基础可行解；③ 最优解必定在这有限的顶点上；④ 按函数值增长最快的方向移动顶点［针对 ｍａｘｆ（Ｘ）］，经过有限次的迭代可以 最快地到达问题的最优解。 单纯形法计算步骤［以ｍａｘｆ（Ｘ）为例］：①将数学模型写成标准形式；②确定基础可行解；③进行相邻顶点迭代；④检验：判别数均有 αｊ≤０ 则该基础可行解为最优解，停止迭代； 否则转步骤 ③ 继续迭代计算。 单纯形法表格计算过程结合例７－１计算步骤如下： 计算问题：　 ｍａｘｆ（Ｘ）＝４ｘ1＋５ｘ2  ３ｘ1 ＋６ｘ2 ≤２４ ２ｘ1 ＋ｘ2 ≤１０ ｘ1 ，ｘ2 ≥０ ⑴ 将线性规划问题标准化： ｍａｘｆ（Ｘ）＝４ｘ1 ＋５ｘ2 ＋０ｘ3＋０ｘ4  ３ｘ1 ＋６ｘ2 ＋ｘ3 ＋ ０ｘ4 ＝２４ ２ｘ1 ＋ｘ2 ＋ ０ｘ3 ＋ｘ4 ＝１０ ｘ1 ，ｘ2 ，ｘ3 ，ｘ4 ≥０ ｘ3 ，ｘ4称为松驰变量，它表示运输问题驳船剩余的载重量和容积。 ⑵ 确定初始可行解 X0表7-1 ⑶ 进行顶点迭代，替换基础变量表7-2 ⑷寻求更好的基础可行解表7-3 ⑸寻求更好的基础可行解表7-4 计算问题：　ｍａｘｆ（Ｘ）＝４ｘ１＋５ｘ２ ３ｘ１ ＋６ｘ２≤２４ ２ｘ１ ＋ｘ２ ≤１０ ｘ１ ，ｘ２ ≥０ 最优解：Ｘ＊＝ （４ ，２）T 最优值：ｆ（Ｘ＊）＝４×４＋５×２＝２６ 7.2 匈牙利法 匈牙利法是针对线性规划中的一种特殊类型而应用的简捷、有效的方法。这种