线性规划基本模型介绍.ppt

一、线性规划问题解的概念 （一）可行解、最优解 1.可行解：满足所有约束条件（包括非负条件）的解。 可行解的集合称为可行集，或可行域。 2.最优解：使目标函数达到极值的解（理应属于可行解集）。 90 40 B 30 x2 x1 O 4x1+5x2 ? 200 3x1+10x2 ? 300 9x1+4x2 ? 360 100 40 50 可行解 可行域 最优解 原LP：Max Z=7x1+12x2 s.t. （二）基及其相关概念 　　m为约束方程的个数， n为变量的个数，约束方程组的系数矩阵A（ m ? n ），且m n，m为矩阵A的秩。 例 s.t. Max Z=7x1+12x2+0?x3+0?x4+0?x5 1.基 　　设B为A的一个m ? m满秩子矩阵，且|B|≠0，（B中的行或列向量线性无关，或行或列不全为0）这时，B就为该LP的一个基。 A= x1 x2 x3 x4 x5 取　B1= |B1|= 9? 5? 0+4? 0? 3+4? 10? 1-3? 5? 1- 4? 4 ? 0- 4? 10? 1≠0 2.基向量、基变量 基向量：对应于上述基B，组成B的向量称为基向量，记作pj（j=1，2，…，m） 基变量：基向量对应的决策变量xj为基变量，记作XB 　　如　XB1＝(x1，x2，x3)T 如　p1= p2= p3= 3.非基向量、非基变量 非基向量：基向量以外的其他向量为非基向量（即Nm+1，…，Nn），以N表示 非基变量：非基向量对应的决策变量xj为非基变量，记作XN 　　如　XN1＝(x4，x5)T 如　N4= p4= ，N5= p2= [练习] ①任意给出该LP问题的三个基 ②对于给出的基B1，写出其基向量、基变量、非基向量、非基变量 A= x1 x2 x3 x4 x5 （三）基解，基可行解，可行基 基解：确定基B后，令非基变量XN=0，所得方程组AXB=b的解称为LP关于B的基解（或基本解、基础解） 基可行解：满足基变量为非负约束的基解 可行基：对应于基可行解的基，或者表述为“使基解满足非负约束的基” 基解的特征 基可行解 基解不一定可行，可行解不一定是基解 可行解 基解 非基变量＝0的解，注：基解的基变量有可能小于0，如： 约束x1－x2 ＝ 1 取x2为基变量， 即令x1 ＝0， 解得x2 ＝ － 1 满足所有约束的解，注：可行解中没有基变量的概念，因此就有可能解中所有变量值都不为0。 一般地，m×n 阶矩阵A中基的个数最多有多少个？ 问题：本例的A中一共有几个基？ 例4：在上例中 求相应于基B1和B2的基本解，它们是否基本可行解？ 二、线性规划的基本定理 定义1.1 设K是n维欧氏空间的一个点集，若对于K中的任意两点 和 ，均有 ，则称K为凸集。 定义1.2 设K为凸集， ，若X不能用K中任意两点 和 的线性组合表示为 ，则称X为凸集K的一个顶点（或称为极点）。 定理1.1 若线性规划问题存在可行域，则其可行域是凸集。 回顾复习定义： 定理2 若线性规划问题的可行域非空有界，则线性规划问题的最优解一定可以在其可行域的某个顶点上得到（角顶可行解）。 若一个线性规划问题存在多个最优解，则 至少有两个相邻的角顶可行解。 定理1 线性规划问题的基可行解X对应于可行域R的顶点（角顶）。 这个定理是线性规划的基本定理，它的重要性在于把可行域的极点这一几何概念与基础可行解这一代数概念联系起来，而可以通过求基础可行解的线性代数的方法来得到可行域的一切极点，从而有可能进一步获得最优极点。 上述定理的一些有意义的启示： LP的可行域一定是凸集，但是凸集不一定成为LP的可行域，而非凸集一定不会是LP的可行域。 （为什麽？能举例说明吗？） 线性规划的基本可行解和可行域的顶点是一一对应的（类似于坐标与点的对应关系！） 在可行域中寻找LP的最优解可以转化为只在可行域的顶点中找，从而把一个无限的问题转化为一个有限的问题。 若已知一个LP有两个或两个以上最优解，那麽就一定有无穷多个最优解。 第一章 线性规划基本模型 (引例) 配比问题—— 用浓度为45%和92%的硫酸配置 100t浓度为80%的硫酸。 取45%和92%的硫酸分别为x1和x2, 则有： 求解二元一次方程组得解。 一、线性规划问题（实用模型） 目的相同，但有5种不同浓度的硫酸可选（30%，45%，73%，85%，92%）