《机械优化设计教案第五章线性规划.pptVIP

第5章 线性规划 5.1 线性规划的标准形式 5.2 线性规划的基本性质 5.2.1线性规划的几何意义 基本术语 最优解：使目标函数达到最小值的基本可行解。 例：图5.1中的点C为最优解，对应的目标函数值为-33/4. 线性规划的两个重要性质　　　 5.3 单纯形法 5.3.1单纯形法的基本思想 　　　从一个初始基本可行解X0出发，寻找目标函数有较大下降的一个新的基本可行解X1,代替原来的基本可行解X0，如此完成一次迭代。随后作出判断，如果未达到最优解，则继续迭代下去。因为基本可行解的数目有限，所以经过有限次迭代一定能达到最优解。 进基变量的选择： 　只要目标函数式(e)中还存在负系数的非基变量，就表明目标函数还有下降的可能。因此，一般选择目标函数式中系数最小的（绝对值最大的负系数）非基变量作为进基变量。 5.3.2单纯形法的算法及其迭代过程 5.3.3单纯形表 对于不太复杂的线性规划问题，可用单纯形表解决，即将单纯形法迭代过程用到的各种数据列成表格进行计算，既直观也方便。现以例5-1的线性规划问题为例说明单纯形表和求解过程。 5.4 初始基本可行解 5.4.1问题的提出 　在利用单纯形法进行迭代时，首先需要确定一个初始的基本可行解。 对于不等式约束均为≤bi的线性规划问题，通过加入松弛变量，可得到一个单位基矩阵，因而可轻易得到一个基本可行解。 但一般情况下，对于约束方程组中