单纯形方法YRG.pptVIP

由图解法的例可看出： 线性规划的最优解在极点上 §3.1 单纯形方法 思路： 从一个基可行解（极点）出发（如何去找一个基可行解？），判断其是否为最优解，（如何判断？）， 若不是，则转换到相邻的基可行解（另一个极点），并使目标函数值不断增大，一直找到最优解为止。 单纯形法：先找到一个初始基可行解（极点），如果不是最优解，设法转换到另一个基可行解（换基迭代，即从极点到极点），并使目标 函数不断增大，一直到 找到最优解为止。 §3.2 单纯形表与LP问题的矩阵形式 单纯形法的具体步骤： （一）确定初始基可行解 在L.P问题的标准型： 中，不妨设B是一个可行基，于是A=（B,N) 不失一般性假定B=（P1,…,Pm),基变量XB=（x1,…,xm)T N =(Pm+1,…,Pn),非基变量XN=（xm+1,…,xn)T.则 X=〔 XB , XN 〕T相应有C=(CB,CN) 于是，原问题化为： 。 单纯形表 说明 1、表中基变量所在位置并不一定正好在前m个位置上，但总可以通过调换重新排成上表形式。 2、表中最下一行称为检验数行，对应于非基变量的检验数为：（用于检验是否还须继续迭代） 3、不难看出，基变量 的检验数均为0 该问题的最优解X*=（3，0，1，5，0）T最优值Z*=9 注意到： 最终表中有非基变量x2的检验数为0，且相应的列分量中含有正分量，因此，该问题有多重最优解。(若怀疑，可继续进行下去，看看结果) * 凸集 凸集 不是凸集 极点 (顶点) 三. 单纯形法及改进单纯形法 相关概念，P13. 可行解 最优解 基 基解 基可行解 可行基 线性规划问题基本定理 定理一 若线性规划问题存在可行解，则问题的可行 域是凸集。 定理二 线性规划问题的基本可行解 X 对应线性规划 问题可行域（凸集）的顶点。 定理三 若线性规划问题有最优解，一定存在一个基 可行解是最优解(即最优解一定在某顶点上)。 从上述三个定理可以看出，要求线性规划问题的最优解，只要比较可行域（凸集）各个顶点(或者说基可行解)对应的目标函数值即可，最大的就是我们所要求的最优解。 B1 X(1) B1 X(1) B2 X(2) B3 X(3) Bn X(n) XN=0 X=(XB,XN) 黑板板书内容！ 讲解单纯形方法的计算步骤及注意事项！ （3）式即用非基变量表示基变量 （4）式即用非基变量表示目标函数 初始基可行解 o I 由（3）式即得 检验数 为什么？ 对上面分析过程进行总结： （1）在标准型中，找一个单位基矩阵并求出该基对应的基可行解。 当L.P问题的约束条件全部为“≤”时，在变换为标准型的过程引进松驰变量，就自然得到了一个单位矩阵----初始可行基和初始基可行解。 （2）检验该基可行解是否最优？通过非基变量的检验数。 （3）若不是最优，则另找一个基产生一个基可行解-----换基迭代。直到最优。 这就是我们前面讲的单纯形表的实现步骤 4 - 3 0 0 0 0 -1/2 0 2/3 1 0 -1/6 0 4/3 0 1 1/6 1 1/3 0 0 1/6 3 1 0 0 0 1 1 1 0 0 -1 1 0 1 0 [6] 2 0 0 1 x1 x2 x3 x4 x5 3 1 0 0 0 9 1 5 3 0 4 2 18 b x3 X4 x1 x3 X4 x5 XB Z 0 0 3 Z 0 0 0 CB cj 单纯形方法很好用，很实用，但有没缺点？各个方面？ LP问题形式多样（约束条件） 对于“≤”形式的不等式，我们可用加松驰变量的方法得到（已接触很多）， 而对于“≥” 形式的式子，就要采用人造基的方法：即减去一个非负的剩余变量再加上一个非负的人工变量，以得到m阶单位矩阵， 对于“=”约束，只加一个非负的人工变量即可。 下面通过一个例子来说明。 单纯型法的进一步讨论 一、大M法 在一个线性规划的约束条件中加入人工变量后，目标函数应如何处理呢？我们希望人工变量对目标函数取值不受影响，因此只有在迭代过程中把人工变量从基变