2.3线性规划(单纯形算法)要点分析.pptVIP

* * 线性规划 Linear Programming 运 筹 学 课 件 定理2.2.5 :一个标准的LP问题如果有可行解，则至少有一个基本可行解. 定理2.2.6 一个标准的LP问题如果有有限的最优值，则一定存在一个基本可行解是最优解。 §2.3 单 纯 形 算 法 1、单纯形算法的主要思想： 先找一个基本可行解，判定它是否为最优解，若不是，就找一个“更好”的基本可行解，再进行判定，如此迭代进行，直到找到最优解，或判定问题无界。 2、需解决两个问题： （1）如何得到第一个基本可行解（§2.4） （2）如何判定和迭代（本节） 本节总是假定已经找到了一个基本可行解 ，即找到了一个基 线性方程组相对于基B的典式 “目标函数的典式” 目标函数化典式就是把目标函数中的基变量消去，用非基变量表示。 但这种单纯形表并不完整，因为从它里面无法确定进基变量。下面将完善此表，使得检验数也能在单纯形表上体现。 注意它的特点！ 证明思路： （1）对最优解 进行判定。若最优解 是基本可行解，得证。否则， 类似定理2.2.5，构造出两个可行解 和 （2）证明 和 都是最优解 （3）对最优解 和 重复步骤（1）和（2）。 由于新的最优解的正分量比前一个最优解至少少一个。因此，经过有限步以后，一定能使得某个最优解是基本可行解。 考虑线性规划的标准形式 其中，并且假定可行域 不空，系数矩阵是行 满秩的，，否则的话可以去掉多余约束。 3、转化 （1）线性方程组 的转化 基 的典式： 由 可得 （2.3.4） 不妨设 ， 记 ， 则由（2.3.4）有 所以有 即 （2.3.5） 线性方程组化典式就是把基变量的系数向量化为单位向量。 典式的右端向量为基变量的取值。 符号 的含义 （2）目标函数 的转化 相应于基 ，记价值向量为 ， 则 由典式有 ， 所以 为了判定 是否为最优解，需要将线性规划 进行转化 设基本可行解 的目标函数值为 ，则 所以 结论 1、 基变量的检验数一定为0 所以 是第 个分量为1，其余分量为0的 维单位向量。所以 令 称 为 的检验数， 为基本可行解 的检验数向量。 结论 2、 所以有 从而，对应于基本可行解 ，线性规划 化为 例 已知是它的基本可行解，对应的基为, 写出对应于基 的典式 解: , , 所以，对应于基 的典式为 ， 定理2.3.1（最优性准则）如果（2.3.7）式中 ，则基本可行解 为原问题的最优解。 证明：设 为原问题的任一可行解，由于 ， ，所以 ， 从而 证明思路：构造一列可行解，使得他们的目标函数值趋于负无穷。 （1）构造向量 使得 且 （2）证 是可行解 （其中 ） （3）证目标函数值 定理2.3.2 如果（2.3.7）式中向量 的第 个分量 （显然， ），而向量 ，则原问题无界。 证：令 ，其中 是第 个分量为1，其余分量为0的 维单位向量。所以， 设 是正数，考查向量 ，有 所以 是可行解，其目标函数值为 当以上两个判定定理的条件都不满足时，需要从基本可行解 迭代到一个新的基本可行解 。修改的思想为： 从 的非基变量中选一个变量（选检验数大于0的）让它变成基变量，并且从 原来的基变量中选一个变量（怎么确定？）让它变成非基变量。 设 的非基变量 的检验数 ，, 则 当 的非基变量 变成基变量时，它的值由0变为正数，设为 ， 则新的基本可行解 的目标函数值 定理2.3.3 对于非退化的基本可行解 ，若（2.3.7）式中向量 的第 个分量 ，而向量 至少有一个正分量，则可以找到一个新的基本可行解 使得 。 证明思路：利用上面的修改思想构造新的基本可行解 使得 。 （1） 类似于定理2.3.2，构造向量 ，则 ，但 。 （2）选适当的 使 是可行解。 显然， 所以只需取适当的 使 所以取适当的 使只需 。所以取 （2.3.12） （3）利用定理2.2.3 证 是基本解 的各分量为 。 （2.3.13） （4）证 因 是非退化的，所以 ，因而 所以 注意：（1）（2）P.28 定义：进基变量和离基变量 P.29 迭代步骤：P.29 定理2.3.4 step1 找一个初始可行基 step2 求出典式和检验数