第3章线性规划§1-§3线性规划的概念、标准形和解的基本性质2013汇编.ppt

* 线性规划是凸规划问题，局部解就是最优解。所以除了最优解之外，无其他局部解。当然，最优解可以有无穷多个。 * 2011注：物理意义，请回忆。f, c都知道，关键要知道x的意义，决策变量，x的一个值(向量)对应一个决策。 ci(x) = ai1 x1+ ai2 x2+... + ain xn +Ci =/ ≤/≥ 0 都可以。 * * 坎特罗维奇，与另一位美国经济学家库普曼斯(T C Koopmans)（也是研究线性规划），同时获得1975经济学诺贝尔奖获得者。 * * 线性规划如果存在最优解，则最优解一定在某个顶点处达到（推论2.3.2，p51）。单纯形方法应用了这个结论。 可行集：{x | Ax = b, x ? 0} 线性规划的可行集是一个凸集。 凸集合的顶点（也叫极点）：是凸集的一个点，凸集中不存在另外两个点，使得它在这两个点之间的连接线段上，（代数上，该点不能表示为凸集中另外两个点的凸组合）。 可行集无界时是什么样子？有例子。下页的备注页。 是凸规划问题。 只需考虑最优解，局部解都是最优解。 * 例如（前面例子做些修改） 2。 min f(x) = -x1 - 2x2 ，无穷多个最优解（或平行于其它边界的直线）。 3。 min f(x) = -3x1-4x2 (or 另一目标函数f(x) = 3x1+4x2 ) st c3(x)=x2-2?0 c4(x)=-x1?0 c5(x)=-x2?0 无穷个最优解时，也有取值在顶点处的。 * * * 求解线性规划，一般要先化为标准形。 * 还有其他的情况：目标函数 f 有常数项时，容易处理（因为，有和没有常数项，最优解是一样的，目标函数值之间差一个常数值。换成没有常数项时去求解） * * * 单纯形方法：主要是解线性方程组的“基本解”的操作，同时考虑其中可行/非负的解，即可行基本解。因此，非负约束包含在了求解过程中。 * vs: versus * 基本解的个数最多有Cnm个，因为基矩阵最多有Cnm多个，一个基矩阵只解出一个基本解。 * * 不构成基矩阵的情况：(p1,p3,p4)，(p2,p3,p5) （某行全为0） 基本可行解正好是可行集的顶点。 最优解在某个基本可行解处达到。 --这是一般规律。 第3章 线性规划—Linear Programming §1 LP的概念，最优解的情况。 §2 标准形 §3 与解相关的概念（基本可行解等）、定理 §4 单纯形方法 §5 大M方法 有求最优解的方法。 什么是线性规划? 最优化问题： min f(x), x?Rn， st ci(x) = 0, i?E (1) ci(x) ? 0, i?I (2) 如果目标函数f(x)和约束中的函数ci(x)都是线性的，为线性规划。 线性函数：c1x1+ c2x2 +... +cnxn +c0 §1 导引/回忆 第一章的例：生产安排问题 某工厂生产A、B、C三种产品，已知生产每种产品所消耗的材料、工时及盈利情况， 又已知该工厂每天消耗的材料不超过600千克， 工时不超过1400小时， 问每天生产A、B、C三种产品各多少米，可使得盈利最大？ max 7x+3y+6z st 4x+4y+5z?600 4x+2y+3z?1400 x, y, z ? 0 决策变量x, y, z 线性规划的发展简史 1939，前苏联数学家、经济学家坎特罗维奇， 解决经济学问题时，提出了线性规划模型。 1947，美国数学家丹齐克(G B Dantzig)，提出了求解线性规划的单纯形方法。 1984，印度数学家卡马卡(N Karmarkar)提出了求解线性规划问题的卡马卡算法（属于内点法），在线性规划的求解理论上和解决大规模实际问题上都有实质性进步。 LP是20世紀中葉最重要的科學進步之一。 考虑求解 讲过 图解法，前面例。 min f(x) = -3x1-4x2 st c1(x)=x1+2x2-6?0 c2(x)=3x1+2x2-12?0 c3(x)=x2-2?0 c4(x)=-x1?0 c5(x)=-x2?0 可行域为凸集(有界时为凸多边形、凸多面体，无界时) LP为凸规划。 最优解可在某个顶点处达到—是关于LP解的基本结论. 可行解集与解的关系—通过图解法可看出（见备注） 可行解集为空： 无最优解 可