chapter单纯型法讲解.ppt

运 筹 学第三章 单纯形法 §1 单纯形法的基本思路和原理 1.线性规划模型的标准化 2.线性规划基本理论和概念 3.单纯形法基本思路 4.单纯形的基本过程 §2 单纯形方法 1.纯形法运算形式一：代数法 2.单纯形法运算形式二：单纯形表法 3.单纯形法的一般情况 4.单纯形法解的判断准则 5.单纯形法一些问题的讨论 §3 线性规划的对偶理论 1.对偶问题的提出 2.对偶规划的性质 3.任一线性规划的对偶问题 4.对偶单纯形法 §1 单纯形法的基本思路和原理 线性规划模型的标准化 线性规划基本理论和概念 单纯形法基本思路 单纯形的基本过程 一.复习线性规划问题的标准型 对于一般形式的线性规划问题，为了求得最优解，我们首先把它表述为一种标准形式： 如何转化为标准型 这样，我们可以将任何线性规划模型都转化为标准型。用矩阵可以表示为： A为m×n矩阵, n m, Rank A=m (A为行满秩矩阵） 显然A中至少有一个m×m子矩阵B，使得r（B）=m。 二.线性规划基本理论及概念 1.线性规划的解：可行解、可行域、最优解、无界解 可行解:（ feasible solution ）满足线性规划约束条件的解称为可行解,（即满足资源约束和非负约束的解）。 可行域:线性规划问题的可行解的集合，称为可行域或可行集 最优解:（optimal solution）使线性规划目标函数达到最优的可行解称为最优解，（即满足使得目标函数达到最优的可行解）。 注： 直观上： 可行解是可行域中的点，是一个可行方案。 最优解是可行域的顶点，是一个最优方案。 记为可行解为x，最优解为x*，则对任意可行解x，有Cx=Cx* 。 另外： 可行解集：所有可行解构成的集合　　　 最优值：最优解对应的目标函数值 2.线性规划的基：基、基变量、非基变量、基本解、基本可行解、可行基 基本解（basic solution）以线性规划约束等式的系数矩阵A中任意m行m列组成的m×m满秩子矩阵（非奇异矩阵，可逆）为基矩阵（线性规划的基），与基矩阵相对应的变量称为基变量（basic variable）其余变量称为非基变量，令非基变量为零，可求得基变量的值，这样求出的解称为基本解。 基本可行解（basic feasible solution）满足非负约束的基本解称为基本可行解。同时称这个基为可行基 在上例中B2的基向量是A中的第一列和第四列，其余列向量是非基向量，x1、x4是基变量，x2、x3、x5是非基变量。 基变量、非基变量是针对某一确定基而言的，不同的基对应的基变量和非基变量也不同。 注： 由线性代数知，基矩阵B必为非奇异矩阵并且|B|≠0。当矩阵B的行列式等式零即|B|=0时就不是基。 当m=n时，基矩阵唯一，当mn时，基矩阵就可能有多个，但数目不超过 注： 一个基本解是由一个基决定的。 基本解仅仅是资源约束的解，并未要求其非负，因此其未必可行。 最优基：如果一个基可行解是最优解，则它对应的基叫最优基． 3.线性规划解的几何含义：凸组合、凸集、凸集顶点（极点） 凸集：属于N维欧氏空间里的一点集中的任意两点的连线都属于这个点集，则此点集为凸集。此点称为任意两点的凸组合。 凸集顶点（极点）在凸集中，不能表示为不同点的凸组合的点称为凸集的极点 注： 线性规划解的几何解释 可行域为凸集 基本可行解 可行域顶点（极点） 存在可行解 存在基本可行解 存在有界最优可行解 存在有界最优基本可行解 4.以上几组概念之间的关系 系数矩阵A中可找出若干个基B。 每个基B都对应于一个基本解。 非负的基本解就是基本可行解。 注（了解） 线性规划解之间的关系 可行解与最优解：最优解一定是可行解，但可行解不一定是最优解。 可行解与基本解：基本解不一定是可行解，可行解也不一定是基本解。 可行解与基本可行解：基本可行解一定是可行解，但可行解不一定是基本解 基本解与基本可行解：基本可行解一定是基本解，但基本解不一定是基本可行解。 最优解与基本解：最优解不一定是基本解，基本解也不一定是最优解。 三.单纯形法的基本思路 从两个变量的图解法中可知：线性规划的最优解会在顶点处达到。 可以证明： （1）线性规划问题的可行域是凸集 （2）线性规划问题如果有最优解，则必定在一个顶点处也达到最优解。 注：图解法的结论其实是线性规划基本定理 定理1：若线性规划存在可行域，则可行域必为凸集，为凸多边形（或凸多面体）。 定理2：极点和基可行解的等价性定理 线性规划的基本可行解对应于可行域的顶点。即线性规划的基本可行解就是可行域的极点 定理3：解的存在定理 线性规划的最优解（若存在的话）必能在可行域的顶点