数学规划图解法.doc

引 言 朴素的运筹学思想可追溯到公元前400年至第二次世界大战前夕.然而图解法是运筹学的形思维的启蒙,也是打开运筹学基本原理的一把钥匙,该方法简单、直观、具体.数学规划作为运筹学的重要分支,可想而知图解法在数学规划中的作用也是不可替代的.我们从几何图形上了解数学规划问题的一些基本概念、理论、及解的原理,并使我们能得心应手地解决数学规划问题.本文就图解法的基本理论和基本解题方法及其应用展开思考. 数学规划图解法理论说明 （一）几个概念 定义1 对数学规划问题：  价值向量 系数矩阵 资源向量 决策向量 称为数学规划（LP）的可行域.若,则称为（LP）的可行解.若且对任意有,则称为（LP）的最优解,为最优值. 定义2 对上述数学规划问题,设为约束方程组的阶系数矩阵,（设）,秩为是矩阵中一个阶的满秩子矩阵,称是数学规划问题的 一个基阵或简称基.不是一般性,设 是每一 个列向量称为基向量,与基向量对应的变量成为基变量. 数学规划中基变量以外的变量成为非基变量.在约束方程中,令所有非基变量,因为不是满秩矩阵,有Cramer法则,可以从方程组得到基变量的唯一解,称为数学规划问题的基解.显然,基解的总数不超过个.当基解满足时称为基可行解. 定义3 如果集合中任意两个点,其连线上的所有点也都是集合中的点,称为凸集.在多维空间中,用数学解析式课表示为：对任何有,则称为凸集.称为凸集的极点. （二）数学规划图解法的适用范围、解题步骤 1、适应范围 数学规划图解法主要是通过等值线在极点的值,平移到另一个极点的等值线的值进行比较,然后求出最优解.即先画出有约束条件决定的区域,然后作目标函数的平行直线（或平面）族（目标函数视为参数）,让直线族在区域上移动,移动至区域顶点停止或不能在顶点停止而决定最优解在顶点确定或最优解不存在.其主要适用于有两个变量的线性规划问题,一个二维的线性规划,可以在平面图上求解,三维的则要在立体图形上求解,维数再高的就不能图试了.但对于多个变量的来说,只要在标准型中有个独立方程, 个未知数,且-=2.即仅有两个独立变量也可以用图解法解决问题. 2、解题步骤 数学规划问题图解法的基本步骤大体上可分为两步,第一是可行域的确定,即在坐标系下用图形表示约束条件不等式（也就是约束条件的解域）;第二是最优解的确定,即画目标函数图,由零等值线逐步得到最优解.但在处理实际问题时,得到解的结果会是怎样,我们可以从下图清楚地看到： 例 求满足 解 化为标准型 求满足 由上式中方程组增广矩阵的秩确定独立方程的个数 说明标准型中有3个独立方程,5个未知数,有两个独立变量,可以取为独立里变量.因此可以化为求 满足 （1） （1）式中每一个不等式在平面直角坐标系下表示半个平面,如图中无界区域．下面找使目标函数达到最小的方案: 目标函数在图中一个相应直线族,且过原点的直线为=1, 又在点处,处,所以等值线=1在解域内向右下方平移值渐小,到点为最小,即代入（1）得 故原问题最优解为：, （三）数学规划图解法理论依据 1、基本理论依据 定理1 若线性规划问题存在可行域,则可行域一定是凸集. 证 设,是可行域内任意的两点,连接、,如则所在的直线方程是,对应线段上的任意一点的坐标为,不是一般性,设,两点的坐标满足约束条件则 即点的坐标也满足约束条件,同样也可以证明,点的坐标也满足其它约束条件,因点也是可行域的点.如则上任意一点,同样也可以证明点H也是可行域的点.即线段EF上的任意一点都属于可行域,可行域是凸集. 定理2 线性规划问题的基可行解对应可行域的顶点. 定理3 若线性规划问题有可行解,则至少有一个可行解. 证 设= 是线行规划问题的任一可行解,则有.不妨设的非零分量为前个,即有; .如果约束矩阵的前个列向量线性无关,则可知是基本可行解;否则存在着不全为零的数,,使得 ，令=0,,得到维向量,有， 由于,我们可取适当小的正数,使得,易知 .所以,均是问题的可行解.在满足不等式 ,的同时,可以选择,是上述诸式中至少有一个取等号. 这样就得到一个可行解或,它的非零分量至少比少一个.如果这个解还不是基本可行解,那么上述过程还可继续下去,由于当可行解只有一个非零分量时,该非零分量所对应的列向量一定是线性无关的,所以原线性规划问题必存在基本可行解. 定理4若线性规划问题有有限个最优值,则一定存在一个基本可行解是最优解. 2、图解法与单纯性法等价的证明 我们知道,