运筹学2线性要点分析.ppt

例 2 . 11 用图解法求解 max z = x1 + x2 s.t. x1 + 2x2 ? 4 x1 - 2x2 ? 5 x1, x2 ? 0 例2 .12 用图解法求解： max z = 2x1 + x2 s.t. x1 + x2 ? 2 x1 - 2x2 ? 0 x1 , x2 ? 0 如果目标函数线平行与一个约束线，线性规划问题有无穷多最优解。 例2 .13 用图解法求解： max z = 40x1 + 30x2 s.t. 4x1 + 3x2 ? 120 2x1 + x2 ? 50 x1 ?0，x2 ?0 x3 = 120 - 4x1 - 3x2 ? 0 x4 = 50 - 2x1 - x2 ? 0 简化为：120 - 4x1 ? 0 50 - 2x1 ? 0 选 x1= min(120/4, 50/2) = 25, 才使上述不等式 成立，并迫使 x4 为零； 因此需令 x4 出基。 2.4.2. 单纯形计算表 c 50 30 0 0 cB xB B-1b x1 x2 x3 x4 ? 0 x3 120 4 3 1 0 30 0 x4 50 2 1 0 1 25 ?j 0 50 30 0 0 2.4.3. 单纯形方法的基本定理 (1) 最优情况 c 4 1 0 0 0 cB xB B-1b x1 x2 x3 x4 x5 ? 0 x3 2 -1 1 1 0 0 0 x4 4 1 -4 0 1 0 4 0 x5 8 1 -2 0 0 1 8 ?j 0 4 1 0 0 0 多个(替代)最优基本可行解： 单纯形算法 如果线性规划的约束都是? 约束，右边项的值都大于等于零，其初始可行解很容易找到，松弛变量对应的单位矩阵即是一个初始可行基； 一般线性规划问题的初始可行解不一定很容易找到； 这时需要引如人工变量，并使用特殊的方法找到初始可行解。 加入人工变量构造初始基： 把所有约束右边项值调整为大于等于零。 对 ? 约束, 引入松弛变量。 对 ? 约束, 引入一剩余变量和一人工变量。 对 = 约束，引入一人工变量。 大 M 法 基本思想 在目标函数中赋予人工变量很大的罚系数 M； 用线性规划的优化机制迫使人工变量出基， 从而找到一个初始可行解； 如果无法使人工变量出基，原问题无 可行解。 例2.15 用大 M 法求解： min z = 2x1 + 3x2 s.t. 2x1 + x2 ? 16 x1 + 3x2 ? 20 x1 + x2 = 10 x1, x2 ? 0 优点：简单、直观，在单纯形表上的计算步骤与普通单纯形方法相同； 缺点：大 M 到底取多大值？M 取值太大将增加数值计算的困难。 解： 解第一阶段问题： min z = x6 + x7 s.t. x1-2x2+ x3 + x4 = 11 -4x1+x2