最优化方法第二章(1.pptVIP

2.1 线性规划的各种形式 1. 标准形式和典范形式 如下形式的线性规划 称为线性规划的标准形式。 其中各 称为价格系数，各 采用向量－矩阵表示法，标准形式可以简写为。 （2.1） 称为右端项。 （2.2） 在进行理论分析时，有时需要把 表示成 这样，（2.2）中的 又可写成 若 中有 个列向量可以合并成为单位矩阵，且 例如，如下线性规划 ，此时（2.2）则称为线性规划的典范形式。 就呈现为典范形式，因为 和 可合并 成单位矩阵。 不失一般性，假定单位矩阵位于前 列，即典范 形式呈现为 （2.3） 其中 。 用向量－矩阵表示法，那么（2.3）可简写成 （2.4） 2. 一般形式 线性规划 （2.5） 3. 一般形式与标准形式的关系 （1）松弛变量 考虑“ ”约束中的第 个不等式 （2.6） 引入非负变量 ，迫使 使不等式约束（2.6）变为等式约束（2.7）的非负变量 称为松弛变量。 （2）剩余变量 考虑“ ”约束中的第 个不等式 （2.7） （2.8） 引入非负变量 ，迫使 引入非负变量 ，迫使 使不等式约束（2.8）变为等约束（2.9）的非负变量 （2.9） 称为剩余变量。 在引入 个松弛变量、 个剩余变量后，线性规划 （2.5）可化成标准形式： （2.10） 它含有 个变量、 个等式约束。 注意，新引入变量的价格系数全部设为零。因此，在（2.10）的目标函数中没有出现新变量。 下面说明线性规划（2.5）与其标准形式（2.10）是等价的。 首先，它们的容许点是一一对应的，且对应的容许点的函数值相等。 因为若 是（2.5）的一个容许点，那么按 公式（2.7）和（2.9）引入非负的松弛变量和剩余变量 后，显然 将是（2.10）的 容许点。反之亦然。故（2.5）的容许点 与 （2.10）的容许点 一一对应。 又（2.5）与（2.10）的目标函数相同，且都只是 的函数，所以（2.5）与（2.10）所对应的容许点 的函数值相等。 其次，若 是（2.10）的最 优点，它所对应的最优值为 ，那么，由前面的 证明可知，其前 个分量组成的向量 也一定 （2.5）的最优点。反之亦然。 因此，线性规划（2.5）与其标准形式（2.10）是等价的。 该结论表明，可以只讨论标准线性规划。 例2.1 将线性规划 化为标准形式，并用图解法求解原问题，给出标准形式的解。 解 对第1个约束引入松弛变量 ，对第2个约束引入 。于是，该线性规划的标准形式为 剩余变量 图解法求解原线性规划如下： 最优解 在直线 与 的交汇处，即 。相应的标准形式的最优解为 。 （3）自由变量 以上讨论都考虑变量的取值是非负的（当变量的取值非正，那么它的负变量的取值即是非负的）。实际中，如果某些变量没有这种约束，也就是说，某些变量可以任意取值，那么这些变量称为自由变量。自由变量可以通过以下两种方法把它消除。 例如，假若 是自由变量。 第一种方法：引入两个非负变量 和 ，令 （2.11） 将其代入到线性规划的目标函数和约束函数中，自由变量 就消除了。注意，求出新线性规划的最优点后，再利用（2.11）便可以定出 。 第二种方法：取一个包含 的等式约束，例如 由此解出 （2.12） 将此式代入到线性规划的目标函数和其他约束函数中，自由变量 也消除了。求出新线性规划的最优点后， 。 利用（2.12）再定出 第一种方法将增加变量的数目，导致问题的维数增大。第二种方法正好相反。 2.2 基本定理 考虑标准线性规划（2.2），即 记容许集 。不妨假定 ， 。 1. 极点与基本容许解 定义2.2 有限个半空间的交称为凸多面体。 半空间是凸集，故凸多面体是凸集。 边界为直线或平面是多面体的几何特征。 多面体 凸多面体 定义2.3 有界的的凸多面体称为凸多胞形。 凸多面体 凸多胞形 定理2.1 线性规划（2.2）的容许集 是凸多面体。 (2)凸集的极点 与凸集相关的另一个重要概念是凸集的极点。 定义2.5 若凸集 中的某个点 不能表示为这个集合 中另外两个不同点的严格凸组合，即 则 称为凸集 的极点。 (3)基本容许解 当（2.2）的容许解又是“ 的基本解”时，就 称其为（2.2）的基本容许解。 方程组 满足“基本”条件的的解称为 的基本解。 的基本解是如何定义的呢？ 将 表示成向量形式 因为 ，故 中必含有 阶的可逆矩阵 ，称为 基。基 的每个列向量称为基向量， 的其余列向量称为 非基向量。与基向量对应的变量称为基变量，与非基向量对应的变量称为非基变量。若基是单位矩阵，则称为标准基。