[运筹学对偶灵敏.pptVIP

第3章 对偶理论和灵敏度分析 对偶理论(Dual Theory) 灵敏度分析(Sensitivity Analysis) 3.4 对偶问题的基本性质 (2). 弱对偶性：设X#、Y#分别是原问题和对偶问题的可行解，则有CX#≤Y#b。 证明：（略） 从弱对偶性可知，原问题(极大化问题)的任意一个可行解所对应的目标函数值是其对偶问题最优目标函数值的一个下界。 对偶问题(极小化问题)的任意一个可行解所对应的目标函数值是其原问题最优目标函数值的一个上界。 原问题任一可行解对应的目标函数值不大于其对偶问题的任一可行解对应目标函数值。 因此，y*i实际上表示原问题约束条件中第i种资源增加一个单位时，目标函数最优值的改变量。 第6节 对偶单纯形法 对偶单纯形法并不是解对偶问题的单纯形法，而是根据对偶问题的特点和对称性，设计出的一种解法。 对偶问题的对应性告诉我们，原问题可行基所对应的检验数的相反数 = 对偶问题的一个基解。但这个基解不一定是可行解。 经过迭代，当原问题在单纯形表上的全部检验数变成非正时，得到原问题的最优解。这时，检验数的相反数即是对偶问题的一个基可行解。由主对偶定理可知，这个对偶问题的基可行解就是对偶问题的最优解。 对偶单纯形法的基本思路： 基于对偶问题的对称性，在每次迭代中保持对偶问题的解是可行解，而不管原问题所获得的基解是否为可行解。 但是，当原问题所获得的基解为可行解时，则这个基可行解就是原问题最优解。 在具体求解过程中，对偶单纯形法是在原问题的单纯形表上进行对偶处理的。这种解法对于需要引入人工变量构造基进行求解是一种改进，因为它可以不用引入人工变量就能求得解，因此计算简便。 例2-6：用对偶单纯形法求解下列LP问题。 minω = 2x1 + 3x2 + 4x3 x1+2x2 + x3 ≥3 2x1 - x2 +3x3 ≥4 x1, x2, x3 ≥0 从求解过程可知，对偶单纯形法的优点： (1) 当原问题的初始解是非可行解，且相应的检验数都是非正时，这时不需要引入人工变量，简化计算。 (2) 当变量个数多于约束条件个数时，用对偶单纯形法求解，可以减少计算工作量。因此，对变量少，约束条件多的LP问题，可先将它变换成对偶问题，然后用对偶单纯形法求解其对偶问题，再根据其对偶问题最优解时的检验数，写出原问题的最优解。 灵敏度分析(Sensitivity Analysis)是对系统因环境变化显示出来的敏感程度的分析。 在线性规划中讨论灵敏度分析，目的是描述一种能确定模型结构中元素变化对问题最优解影响的分析方法。 例7 当b1=8+4=12时， 即 cj-CBB-1pj≤0 或 cj≤CBB-1pj 其中，cj为改变后的目标函数中的非基变量价值系数。 所以，当改变后的cj≤CBB-1pj，则现行最优基B仍为最优基，此时，最优解保持不变，目标函数值CBB-1pj也不会改变。 如果改变后cjCBB-1pj，即σj= cj-CBB-1pj0，则须改变现行最优基，此时，利用现行最终单纯形表，只须改变表中的cj和σj，然后继续迭代，直到得到最优解为止。 7.3 约束条件的系数矩阵中某一个aij发生改变 第8节 参数规划 当aij，bi，cj这些参数中的某一个参数是函数变化时，怎样求出问题的最优解呢？ (1) cj为非基变量的价值系数 其它条件不变，目标函数中非基变量xj的价值系数cj发生变化，要影响到xj所对应的σj= cj-CBB-1pj，但并不影响其它变量所对应的检验数，也并不影响xj= B-1b≥0。因此，要使现行最优基B仍为最优基，只需使改变后的cj仍满足σj≤0。 7.2 目标函数中价值系数cj发生改变 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 例2-h(a)：已知LP：max z = 5x1+2x2+3x3 x1+2x2+2x3≤8 3x1+4x2+x3≤7 x1,x2,x3≥0