运筹学线性规划的对偶理论和灵敏度预案.ppt

运 筹 学（Operations Research） 上 海 海 事 大 学 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析 灵敏度分析任课教师：邓 伟 邮 箱：dengwei1663@ 在前面的讨论中，都认为线性规划模型中的各个系数都是确定的常数，但是实际上由于多种原因，这些系数有时很难确定，一般都是估计量。所以，在对问题求解之后，需要对这些估计量进行一些分析，以决定是否需要调整。 另外，周围环境的变化也会使模型中的系数发生变化， 这些系数很可能会影响已求得的最优解。因此，在解决 实际问题时，只求出最优解是不够的，一般还需要研究 最优解对变化的反映程度，以使决策者全面地考虑问题， 以适应各种偶然的变化，这就是灵敏度分析(Sensitivity Analysis)所研究的内容。 对于上述变化，如果将问题从头进行计算求解，当然是一种方法，但是这种方法比较麻烦而且也得不到很多有用的信息。 灵敏度分析采用的方法，是从已得到的最优解出发，通过对变化数据进行一些简单的计算，便可迅速得到所需要的结果，以及变化后的最优解。因此，灵敏度分析也称为优化后分析。 在进行灵敏度分析之前，先给出将要用到的一些矩阵表达式和向量表达式。 在讨论线性规划的对偶性质时，已经给出了以矩阵形式表示的检验数 其中B为可行基，设B=(P1,P2,…,Pm),N=(Pm+1 ,…,Pn),Pj为系数矩阵A的第j列向量，CB，CN分别表示为基变量和非基变量的目标函数系数向量，CB是m维，CN为n-m维。 1.检验数的向量表示 的展开形式为 因此得到检验数的向量表示为 若令 ， 则得到检验数的另一向量表示形式: 2.基本解的矩阵表示 由矩阵B对应的典式形式，可以得到基本解的矩阵表示为 其对应的目标函数值为 研究最优解受数据变化的影响情况主要考虑两个方面: 一是解的最优性，即检验数是否仍然非正; 一是解的可行性，即基本解的各个分量是否非负。 目标函数系数的变化 假设只有一个系数 ，其他系数均保持不变。 的变化只影响检验数，而不影响解的非负性。下面分 别就 是非基变量系数和基变量系数两种情况进行讨 论。 1. 是非基变量的系数 根据检验数的向量表示 非基变量的系数 的变化，只影响与 有关的一个检 验数 的变化，对其他 没有影响，故只需考虑 。 目标函数系数的变化 1. 是非基变量的系数 设 变为 ，即 为该变量，此时 的变化为 为了保持最优解不变， 必须满足 ，即 由此可知 为 变化的上限。当 变化超过此上限时，最优解将发生变化，此时应求出新的检验数 的值。取 为进基变量，继续迭代求新的最优解。 目标函数系数的变化 2. 是基变量的系数 根据检验数的构成形式，当 为基变量的系数时，它的 变化将使n-m个非基变量的检验数都发生变化。（可以 证明: 此时仍保证基变量的检验数为零。） 设 为改变量，记m维向量 此时有 其中 为构成 的第 个分量。 目标函数系数的变化 2. 是基变量的系数 为使最优解不变，要保证n-m个 ，即要使下面不 等式同时成立: 即: 目标函数系数的变化 2. 是基变量的系数 此即为保持最优解不变 的变化范围，当 超过此范 围时，应求出n-m个新检验数 ，选择其中大于零的检 验数对应的变量为进基变量，继续迭代求新的最优解。 目标函数系数的变化 例 7.1 下面线性规划模型的实际背景为： 某工厂用两种设备生产3种产品，目标函数为求最大利 润(单位：元) 此规划的最优单纯形表如下，其中 为引入的松弛 变量。 目标函数系数的变化 由表可知，最优解为生产第1种产品10件，第2种产品130 件，不生产第3种产品，最大利润为1760元。 现对目标函数系数c3=10和c1=20进行灵敏度分析。 目标函数系数的变化 这就是说，当第3种产品的单位利润