数学模型课件(2015-03-10)分解.ppt

符号说明: Ni --- 表示类型为Ci的包装箱的总件数； Wi--- 表示类型为Ci的包装箱的每件重量； ti --- 表示类型为Ci的包装箱每件厚度； S --- 表示剩余的空间。 我们的目的是使装车剩下的空间最小。为此构造模型如下： 约束条件为 此ILP模型还可以写成以下形式： 对上述整数线性规划问题(ILP)用分枝定界法可求得30个不同的解如下(没有利用的空间为0.6cm)----第一页 箱子类型 平板车1 平板车2 1 2 3 4 5 6 7 1 2 3 4 5 6 7 4 2 5 3 3 0 0 4 4 4 3 0 3 0 4 2 9 1 2 0 0 4 5 0 5 1 3 0 4 2 5 3 3 1 0 4 5 4 3 0 2 0 4 1 9 1 2 1 0 4 6 0 5 1 2 0 4 1 5 3 3 2 0 4 6 4 3 0 1 0 4 0 9 1 2 2 0 4 7 0 5 1 1 0 4 0 5 3 3 3 0 4 7 4 3 0 0 0 3 7 4 3 1 0 0 5 0 5 3 2 3 0 3 7 0 5 2 1 0 5 0 9 1 1 2 0 3 6 4 3 1 1 0 5 1 5 3 2 2 0 4.5 求解LP问题的单纯形法 为了将上述思想转化为一个可行的算法，应该解决两个问题：一是如何用代数语言来刻画凸集的顶点，即一个顶点的代数特征是什么二是相邻顶点的含义是什么，即如何决定从一个顶点到下一个顶点的转移方式。 考虑线性方程组Ax=b，A为m×n矩阵，m≤n，且A的秩是m。 这里实际考虑的是约束方程组，为了使问题有解，约束的数目自 然应该小于等于未知数个数，且当约束彼此独立时，方程组一定是行 满秩的。 4.5 求解LP问题的单纯形法 我们已经知道：线性规划问题如果有最优解，则一定能从约束方 程组的有限个基本解中找到。 单纯形方法(simplex method)的基本思想是先找一个基本可行 解，判别它是否是最优解，如果不是，就再找一个基本可行解，使得 目标函数得到改进，再检验是否是最优解，如此迭代直至找到最优解 为此，我们关心两个问题：一是找出第一个基本可行解；另一个是如何判别一个基本可行解是否是最优解？如果不是最优解，则需要怎样改进、迭代。 4.5 求解LP问题的单纯形法 定义4 如果线性方程组Ax=b的解向量 有n-m个分量是零，其余m个分量对应A的m个线性无关列，则称x是方程组的一个基本解；其中n-m个取零值的分量称为非基本变量，其余m个分量称为基本变量。 定义5 在一个线性规划问题中，如果一个可行解也是约束方程组的基本解，则称为基本可行解。 下面的定理说明了顶点与基本可行解之间的关系： 定理1 一个向量x是线性规划问题可行解集R的一个顶点，充分必要条件是它是约束方程组的一个基本可行解。 定理1分析： 条件：x为Ax=b，x≥0的一个基本可行解； 结论：点x为凸集R的一个顶点。 证明：(1) 必要性（由“结论” → “条件”） 设x为R的一个顶点，则x是Ax=b，x≥0的一个基本可行解。 设x有k个分量大于零，不妨设其前k个分量xi0(i=1,…,k)，用ai表示 A的第i列，于是有 往证a1，a2，…，ak是线性无关的，因而向量x 就是一个基本可行 解，其中 x=(x1，x2，..，xk，0，…，0)T 。 令 因为 又因为 故可选取足够小的数 ，使得 则有 即，点x可以表示R中的两个不同点的凸组合，与x是R的极点矛盾。 所以 线性无关，于是x是一个基本可行解。 采用反证法：设a1，a2，…，ak 线性相关，则一定存在k个不全为零的数 y1， y2，…，yk，使得 (2)充分性（由“条件”→“结论”）  设x=(x1,x2,…,xk,0,…,0)T是Ax=b, x≥0的一个基本可行解, 即当x是一可行解,且a1,a2,…,ak线性无关时,点x一定R的一个极点. 用反证法： 设x不是R的一个极点, 则必有R中的两个不同的点y，z，使得 x=sy+(1-s)z(0s1)，即xj=syj+(1-s)zj，j=1，2，…，n。 因为，当j=k+1，k+2，…，n时，xj=0，故上式成为 0=syj+(1-s)zj，j=k+1，k+2，…，n 又因为 yj，zj≥0，