第8讲灵敏度1解说.pptVIP

出基 变量 判断 参数 CB 基 b cj→ cj － zj ≤0 对偶单纯形法:保持最优性，调整可行性 基变 量的 系数 目标函数中变量的系数 决策变量 约束方程组 的系数矩阵 方程 右端 常数 项 各变量的检验数 基 变 量迭代运算中设法保持所有检验数≤ 0（对偶问题可行）， 把约束常数逐个调整成非负数（原问题可行），得到最优解。 出发 有 若 干 个 0 终止 ≥0 * * * * * * * * 第*页 影子价格 对偶单纯形法 Duality Theory 线性规划的对偶问题 第二章 线性规划的对偶理论 灵敏度分析 对偶问题的基本性质 1、什么是灵敏度分析？是指研究线性规划模型的某些参数(bi, cj, aij）或限制量（xj, 约束条件）的变化对最优解的影响及其程度的分析过程也称为优化后分析。 一、含义和研究对象 s.t. 回答两个问题： ①这些系数在什么范围内发生变化时，最优解不变？ ②系数变化超出上述范围，如何用最简便的方法求出新的最优解？ 2、灵敏度分析的研究对象： 目标函数的系数 cj 变化对最优解的影响； 约束方程右端系数 bi 变化对最优解的影响； 约束方程组系数矩阵 A 变化对最优解的影响 ； 一、含义和研究对象 1、在最终单纯形表的基础上进行； 2、尽量减少附加的计算工作量； 二、进行灵敏度分析的基本原则 将参数的改变通过计算反映到最终单纯形表上来. 检查是否仍为原问题的可行解. 检查是否仍为对偶问题的可行解. 4. 依据不同情况决定继续计算或得到结论. 三、灵敏度分析的步骤 原问题 对偶问题 结论或继续计算的步骤 可行解 可行解 非可行解 非可行解 可行解 非可行解 可行解 非可行解 问题的最优解或最优基不变 用单纯形法继续迭代求最优解 用对偶单纯形法继续迭代求最优解 引进人工变量，编制新的单纯形表重新计算 4. 分析增加一个约束条件的变化 四、灵敏度分析的主要内容 1. 分析 cj 的变化 2. 分析 bi 的变化 3. 分析增加一个变量 xj 的变化 5. 分析系数 aij 的变化 系数矩阵A s.t. s.t. 单纯形法计算的矩阵描述 s.t. 标准化 s.t. 非基变量 基变量 Xs X I A 0 C 基变量 基变量 基可 系数行解0Xsb 非基变量 基变量 Xs X I A 0 C 基变量 基变量 基可 系数行解0Xsb BN CB CN XBXN XB I 0 CB CN BN XBXN 单纯形法计算的矩阵描述 非基变量 基变量 Xs I 0 基变量 基变量 基可 系数行解0Xsb 基变量 非基变量 XB 基变量 基变量 基可 系数行解 CN－CBB-1N B-1NB-1 XNXs B-1b CB 进行初等 行变换 －CBB-1 若CN－CBB-1N ≤0 －CBB-1 ≤0 最优解X*= B-1b B-1存在 max x1, x2 ≥0 s.t. 2x1 + 2x2 ≤ 12 z = 2x1 + 3x24x1≤ 165x2 ≤ 15 举例说明 + 0x4 + 0x3 max z = 2x1 + 3x2 s.t. 引入变量 得到标准形式 解： + 0x55x2+ x5 = 15 4x1+ x4= 16 2x1 + 2x2 + x3= 12 x1, x2, x3, x4, x5 ≥0 + 0x4 + 0x3 max z = 2x1 + 3x2 s.t. + 0x55x2+ x5 = 15 4x1+ x4= 16 2x1 + 2x2 + x3= 12 x1, x2, x3, x4, x5 ≥0 对偶问题决策变量的最优解影子价格： 初始单纯形表 最优单纯形表 X*=B-1b CN－CBB-1N ≤0 －CBB-1 ≤0 原问题基变量的最优解： Z*=CBB-1b 最优值： Y*T= CBB-1 4. 分析增加一个约束条件的变化 四、灵敏度分析的主要内容 1. 分析 cj 的变化 2. 分析 bi 的变化 3. 分析增加一个变量 xj 的变化 5. 分析系数 aij 的变化 系数矩阵A s.t. Y*T= CBB-1 XB I 0 基变量 非基变量 XB 基变量 基变量 基可 系数行解 CN－CBB-1N B-1NB-1 XNXs B-1b CB B-1b －CBB-1 Z*=CBB-1b 分析 cj 的变化 原问题 对偶问题 结论或继续计算的步骤 可行解 可行解 非可行解 非可行解 可行解 非可行解 可行解 非可行解 问题的最优解或最优基不变 用单纯形法继续迭代求最优解 用对偶单纯形法继续迭代求最优解 引进人工变量，编制新的单纯形表重新计算 最优值可能已变