第三章 线性规划及其对偶问题.docVIP

第三章 线性规划及其对偶问题 线性规划是最优化问题的一种特殊情形，也是运筹学的一个重要分支，它的实质是从多个变量中选取一组适当的变量作为解，使这组变量满足一组确定的线性式，而且使一个线性目标函数达到最优（最大或最小）． 线性规划的应用极为广泛，自1949年美国数学家G. B. Dantzing提出一般线性规划问题求解的方法——单纯形法之后，线性规划无论在理论上、计算方法和开拓新的应用领域中，都获得了长足的进步，线性规划从解决技术问题的最优化设计到工业、农业、商业、交通运输业、军事、经济计划和管理决策等领域都有广泛的发展和应用．本章主要从线性规划的基本概念、数学模型、单纯形法、对偶理论、灵敏度分析等方面进行介绍． §3.1 线性规划数学模型基本原理 一、线性规划的数学模型 满足以下三个条件的数学模型称为线性规划的数学模型： （1）每一个问题都用一组决策变量表示某一方案；每一组值就代表一个具体方案． （2）有一个目标函数，可用决策变量的线性函数来表示，按问题的不同，要求目标函数实现最大化或最小化． （3）有一组约束条件，可用一组线性等式或不等式来表示． 线性规划问题的一般形式为 这里，目标函数中的系数叫做目标函数系数或价值系数，约束条件中的常数叫做资源系数，约束条件中的系数 叫做约束系数或技术系数． 二、线性规划问题的标准形式 所谓线性规划问题的标准形式，是指目标函数要求，所有约束条件都是等式约束，且所有决策定量都是非负的，即 或简写为 可以规定各约束条件中的资源系数，否则等式两端乘以“”．线性规划问题的矩阵表示为 其中，， ，． 任意的线性规划模型都可以转化为标准形式： （1）若目标函数是求最大值的问题，这时只需将所有目标函数系数乘以“－1”，求最大值的问题就变成了求最小值的问题，即 ． 求其最优解后，把最优目标函数值反号即得原问题的目标函数值． （2）若约束条件为不等式，这里有两种情况：一种是“≤”不等式，则可在“≤”不等式的左端加入一个非负的新变量（叫松驰变量），把不等式变为等式；另一种是“≥”不等式，则可在“≥”不等式的左端减去一个非负松驰变量（也叫剩余变量），把不等式变为等式．松驰变量在目标函数中对应的系数为零． （3）若存在取值无约束的变量，可令，其中，． 例3.1 将下列线性规划问题化为标准形式 解 将目标函数变为，令，其中，在第一个约束不等式中加入松驰变量，在第二个约束不等式中减去剩余变量，则可得标准形式 三、线性规划的解的概念和基本定理 考虑线性规划标准形式的约束条件 ， 其中为矩阵，，是维向量．假定增广矩阵的秩=矩阵的秩，把矩阵的列进行可能的重新排列，使．这里B为矩阵，且有逆矩阵存在，即，称B为该线性规划问题的一个基．不失一般性，设 ， 称为基向量，与基向量对应的变量称为基变量，记为，其余的变量称为非基变量，记为．令个非基变量均为0，并用高斯消元法，可得一个解，称为该约束方程组的基解，其中． 满足非负约束条件（基解的非零分量都）的基解称为基可行解．对应于基可行解的基称为可行基．基可行解的非零分量个数小于时，称为退化解． 线性规划的解的基本定理： 引理3.1 线性规划问题的可行解为基可行解的充要条件是X的正分量所对应的系数列向量是线性无关的． 证 必要性由基可行解的定义可知．下证充分性 若向量组线性无关，则必有；当时，它们恰构成一个基，从而为相应的基可行解．当时，则一定可以从其余的列向量中取出个与构成最大的线性无关向量组，其对应的解恰为，所以它是基可行解． 定理3.1 线性规划问题的基可行解X对应于可行域D的顶点． 证 不失一般性，假设基可行解X的前个分量为正，故 ． （3.1） 现在分两步来讨论，分别用反证法． （1）若X不是基可行解，则它一定不是可行域D的顶点． 根据引理3.1，若X不是基可行解，则其正分量所对应的系数列向量线性相关，即存在一组不全为零的数，使得 （3.2） 用一个的数乘式（3.2），再分别与式（3.1）相加和相减，得到 ，． 现取 ， ， 由可得，即是连线的中点． 另一方面，当充分小时，可保证 ， 即是可行解，这证明了不是可行域的顶点． （2）若不是可行域的顶点，则它一定不是基可行解． 因为不是可行域的顶点，故在可行域中可找到不同的两点， ， ， 使 ． 设是基可行解，对应向量组线性无关，当时，有，由于是可行域的两点，应满足 ． 将这两式相减，即得 ． 因，所以上式系数不全为零，故向量组线性相关，与假设矛盾，即X不是基可行解． 定理3.2 若可行域有界，线性规划问题的目标函数一定可以在其可行域的顶点上达到最优． 证 设是可行域的顶点，若不是顶点，且目标函数在处达到最优（标准形式是）． 因不是顶点，所以它可以用D的顶点线性表示为