Chap1_线性规划及其单纯形方法例析.ppt

极点 零变量 A : X1 = X2 = 0 B : X2 = S4 = 0 C : S1 = S4 = 0 D : S1 = S2 = 0 E : X1 = S2 = 0 求解线性规划模型的非常有效的方法： 单纯形法的基本原理：线性规划模型的最优解如果存在，一定可以在极点（即基本可行解）中找到。故关键是找最优的基本可行解，或找最优的基变量，基。 例1.9 解如下线性规划问题： Minz=4x1+x2 约束条件：3x1+x2=3 4x1+3x2=6 x1+2x2=3 x1,x2=0 解：该问题在加入松弛变量后化为标准形式如下： Minz=4x1+x2 约束条件：3x1+x2=3 4x1+3x2-s2=6 x1+2x2+s3=3 x1,x2, s2, s3=0 解：增加两个非负的变量R1,R2,则原问题化为： Minz=4x1+x2+MR1+MR2 约束条件：3x1+x2+R1=3 4x1+3x2-s2+R2=6 x1+2x2+s3=3 x1,x2, s2, s3, R1, R2=0 这里M是一个很大的正数 线性规划模型除了一般有唯一最优解外，还可能遇到一些特殊情况的解：通常有以下几种： 　　１、退化的解－－基变量也等于零。 　　２、无界的解－－最优值是无穷大。 　　３、可选择的解－－有一个以上（即无穷个）最优解。 　　４、不存在可行解－－约束条件矛盾，问题无可行解。 线性规划的矩阵形式 几个基本概念 关于线性规划最优性的三个定理 单纯形表格的矩阵形式 一、线性规划的矩阵形式 其多种矩阵形式： 其多种矩阵形式： 其多种矩阵形式： 二、几个基本概念 二、几个基本概念 三、关于线性规划最优解的三个定理： 定理1 如果 定理3 线性规划问题： 一般说：在任何一次迭代中，如果任何一个可以调入基的变量（检验数非零）在各个约束条件中的系数是负的或是零，则可确定该线性规划模型的解无界，其目标函数值也无界。 在任何一次迭代中，如果任何一个变量在各个约束条件中的系数是负的或是零，则可确定该线性规划模型的解集无界。 　　对例题1.11，其初始表中X2可调入基（检验数非零：-1），而其在约束条件中系数是 -1，-1，即可肯定问题的解无界，其目标函数值也无界。 可行域 X1-x2=10 2x1-x2=40 Z=2x1+x2 例 1.12 解线性规划模型： Max Z = 6X1 －2 X2 s.t 2X1－X2 = 2 X1 = 4 X1, X2 =0 解：增加松弛变量，设初始表： 基 X1 X2 S1 S2 解 Z -6 2 0 0 0 S1 2 -1 (1) 0 2 S2 1 0 0 (1) 4 +S1 = 2 +S2 = 4 S1 , S2=0 调入X1，调出S1得： 基 X1 X2 S1 S2 解 Z 0 -1 3 0 6 X1 (1) -1/2 1/2 0 1 S2 0 1/2 -1/2 (1) 3 调入X2，调出S2得： 基 X1 X2 S1 S2 解 Z