单纯形法与对偶问题.pptVIP

§1　单纯形表的灵敏度分析 * 解：先将原问题的最优解 =50， =250代入用电量的约束条件 得：10×50+30×250=500所以原题的最优解不是本题的最优解。 在用电量的约束条件中加入松驰变量S4后得： 把这个约束条件加入到原最终单纯形表上，其中S4为基变量，得表如下： 迭代次数 基变量 b 比值 50 100 0 0 0 0 50 1 0 1 0 -1 0 50 0 0 0 -2 1 1 0 50 100 0 1 0 0 1 0 250 0 10 30 0 0 0 1 5000 50 100 50 0 50 0 27500 0 0 -50 0 -50 0 §1　单纯形表的灵敏度分析 * 在上表中的X1，X2不是单位向量，故进行行的线性变换，得 迭代 次数 基变量 CB x1 x2 s1 s2 s3 s4 b 比值 50 100 0 0 0 0 x1 50 1 0 1 0 -1 0 50 s2 0 0 0 -2 1 1 0 50 x2 100 0 1 0 0 1 0 250 s4 0 0 0 -10 0 -20 1 -3000 zj 50 100 50 0 50 0 27500 0 0 -50 0 -50 0 把上表中的S4行的约束可以写为： 上式两边乘以（-1），再加上人工变量a1得： 用上式替换上表中的S4行，得下表： §1　单纯形表的灵敏度分析 * 迭代次数 基变量 x1 x2 s1 s2 s3 s4 a1 b 比值 50 100 0 0 0 0 -M x1 50 1 0 1 0 -1 0 0 50 s2 0 0 0 -2 1 (1) 0 0 50 x2 100 0 1 0 0 1 0 0 250 s4 -M 0 0 -10 0 -20 1 1 3000 zj 50 100 50-10M 0 50-20M 0 -M 0 0 10M-50 0 20M-50 0 0 ? x1 50 1 0 -1 1 0 0 0 100 ? s3 0 0 0 -2 1 1 0 0 50 ? x2 100 0 1 2 -1 0 0 0 200 ? s4 -M 0 0 50 -20 0 -1 1 2000 ? zj 50 100 150-50M 20M-50 0 M -M ? 0 50M-150 50-20M 0 -M 0 ? x1 50 1 0 0 3/5 0 -1/50 1/50 140 ? s3 0 0 0 0 1/5 1 -2/50 2/50 130 ? x2 100 0 1 0 -1/5 0 2/50 -2/50 120 ? s4 0 0 0 1 -2/5 0 -1/50 1/50 40 ? zj 50 100 0 10 0 3 -3 ? 0 0 -10 0 -3 -M+3 ? §1　单纯形表的灵敏度分析 * 由上表可知，最优解为： 即该工厂在添加了用电限量以后的最优生产计划为Ⅰ产品生产140件，Ⅱ产品生产120件。 上节回顾 单纯形法的灵敏度分析 1.目标函数系数Cj的灵敏度 2.常数项bj的灵敏度分析 3.系数矩阵A的灵敏度分析 在初始表上的变量XK的系数PK改变为P’K，经过迭代后，在最终表上XK是基变量，（比如X1，X2，制作产品1，产品2的工艺有改善，在这种情况下原最优解的可行性和最优解都可能被破坏，问题十分复杂）一般不去修改最终单纯形表，而是重新用单纯形法计算。 4.增加一个约束条件的灵敏度分析 （1）先将原问题的最优解的变量值代入新增的约束条件，如满足则说明新增的条件没有起到限制作用，故原最优解不变，停止计算。 （2）否则将新增的约束添入原最终单纯形表上，进一步求解。 * 对偶单纯形法： 对偶单纯形法也是解决线性规划问题的一种方法。对偶单纯形法是在保持原有问题的所有检验数都小于0的情况下，通过迭代使得所有的约束都大于等于0，最后求得最优解。 优点：简化计算是对偶单纯形法的优点 例子： 缺点：但是它在使用上有很大的局限，这主要是 大多数线性规划问题很难找到初始解使得其所有检验数都小于0。 适用目标函数的特点： A.max f= -M1*X1-M2*X2….的形式 B.用在灵敏度分析中（增加约束条件的）。 * 上节回顾 §2 线性规划的对偶问题 1.对偶问题的定义 2.原问题与对偶问题的关系 3.如何根据原问题的结果去找对偶问题的答案 4.如何将原问题转化成对偶问题 5.对偶规划的基本性质 * * 任何一个求极大化的线性规划问题都有一个求极小化的线性规划问题与之对应，反之亦然，如果我们把其中一个叫原问题，则另一个就