第二章线性规划的对偶理论及灵敏度教程.pptx

第二章 线性规划的对偶理论及灵敏度分析 线性规划的对偶问题与灵敏度分析 线性规划的对偶问题 对偶问题的基本性质 影子价格 对偶单纯形法 灵敏度分析 参数线性规划 对偶原理 对偶问题概念： 任何一个线性规划问题都有一个伴生的线性规划问题，称为其“对偶”问题。 对偶问题是对原问题从另一角度进行的描述，其最优解与原问题的最优解有着密切的联系，在求得一个线性规划最优解的同时也就得到对偶线性规划的最优解，反之亦然。 对偶理论就是研究线性规划及其对偶问题的理论，是线性规划理论的重要内容之一。 问题的导出 项目 Ⅰ Ⅱ 每天可用能力 设备A（h） 0 5 15 设备B（h） 6 2 24 调试工序（h） 1 1 5 利润（元） 2 1 我们引用第一章中美佳公司的例子，如表1 其线性规划问题为： 假定有某个公司想把美佳公司的资源收买过来，它至少应付出多大代价，才能使美佳公司愿意放弃生产活动，出让自己的资源？ （LP1） 问题的导出 条件：出让代价应不低于用同等数量资源由自己组织生产活动时获取的赢利。 y1,y2,y3分别代表单位时间（h）设备A、设备B和调试工序的出让代价。 y1,y2,y3的取值应满足： 美佳公司用6h设备B和1h调试可生产一件家电I,赢利2元 用5h设备A,2h设备B及1h调试可生产一件家电Ⅱ，赢利1元 该公司希望用最小代价把美佳公司的全部资源收买过来，即： 问题的导出 综上所述， （LP2） LP1和LP2两个线性规划问题，通常称LP1为原问题，LP2为前者的对偶问题。 对偶问题的定义 对称形式的对偶问题 对偶问题的定义 对称形式的对偶问题 对偶问题的定义 对偶问题的特点 若原问题目标是求极大化，则对偶问题的目标是极小化，反之亦然 原问题的约束系数矩阵与对偶问题的约束系数矩阵互为转置矩阵 极大化问题的每个约束对应于极小化问题的一个变量，其每个变量对应于对偶问题的一个约束。 对偶问题的定义 一般线性规划问题的对偶问题 对偶问题的定义 对偶问题对应表 原问题（对偶问题） 对偶问题（原问题） 目标函数maxZ 目标函数minZ 约束条件： m个 第i个约束类型为“≤” 第i个约束类型为“≥” 第i个约束类型为“＝” 变量数： m个 第i个变量≥0 第i个变量≤0 第i个变量是自由变量 变量数：n个 第j个变量≥0 第j个变量≤0 第j个变量是自由变量 约束条件：n个 第j个约束类型为“≥” 第j个约束类型为“≤” 第j个约束类型为“＝” 对称形式下的对偶问题 例2－2 标准型对偶问题 对称形式下的对偶问题 例2－3 非对偶形式的原对偶问题 例2-4 写出下列问题的对偶问题 （2.4a） （2.4b） （2.4c） （2.4d） 对偶变量 y1 y2′ y2″ y3′ 先转换成对称形式，如下： 非对偶形式的原对偶问题 例2-4 令各约束对应的对偶变量分别为y1、y2′、y2″、 -y3′ 令y2= y2′-y2″， y3=-y3′，原问题的对偶问题为 对应关系总结 项目 原问题（对偶问题） 对偶问题（原问题） A 约束系数矩阵 其约束系数矩阵的转置 b 约束条件的右端项向量 目标函数中的价格系数向量 C 目标函数中的价格系数向量 约束条件的右端项向量 目标函数 max z=∑CjXj min w= ∑ biyi 线性规划的对偶问题与灵敏度分析 线性规划的对偶问题 对偶问题的基本性质 影子价格 对偶单纯形法 灵敏度分析 参数线性规划 对偶问题的基本性质 单纯形法计算的矩阵描述 对称形式线性规划矩阵表达式加上松弛变量Xs后为： 其中松弛变量Xs=（xn+1,xn+2,...,xn+m）,I为m×m单位矩阵 项目 基变量 基变量 XB XN Xs 0 Xs b B N I cj-zj CB CN 0 选取I为初始基，对应基变量为Xs。设迭代若干步后，基变量为XB，XB在初始单纯形表中的系数矩阵为B。A中去掉B的若干列后剩下的列组成矩阵N。 进一步迭代,新的单纯形表如下： 对偶问题的基本性质 项目 基变量 非基变量 XB XN Xs CB XB B-1b I B-1N B-1 cj-zj 0 CN-CBB-1N –CBB-1 对应初始单纯形表中的单位矩阵I，迭代后的单纯形 表中为B-1 初始单纯形表中基变量Xs=b，迭代后的表中XB=B-1b 初始单纯形表中约束系数矩阵为 [A,I]=[B,N,I]， 迭代后的表中约束系数矩阵为 [B-1A,B-1I]=[B-1B,B-1N,B-1I]=[I,B-1N,B-1] 若