§4线性规划方法.ppt

线性规划方法 §1 线性规划及其单纯形求解方法 §2 线性规划的对偶理论 §1 线性规划及其单纯形求解方法 线性规划的数学模型 线性规划的标准形式 线性规划的解及其性质 线性规划问题的求解方法——单纯形法 线性规划应用实例: 农业生产结构优化模型 一、线性规划的数学模型 (1) 线性规划的实例 线性规划研究的两类问题： ▲如何统筹安排一项任务，以尽量用最少的资源（人力、物力和财力）来完成它 ； ▲如何利用一定量的人力、物力和资金来完成最多的任务。 它们都属于最优规划的范畴。以下为一些实例。 资源利用问题 假设某地区拥有m种资源，其中，第i种资源在规划期内的限额为bi(i=1,2,…,m)。这m种资源可用来生产n种产品，其中，生产单位数量的第j种产品需要消耗的第i种资源的数量为aij(i=1，2，…，m；j=1,2, …,n)，第j种产品的单价为cj(j=1，2， …，n)。要使规划期内资源利用的总产值达到最大，安排这几种产品的生产计划如下： 设第j种产品的生产数量为xj(j=1，2，…，n)，则上述资源问题就是： 求一组实数变量xj(j=1，2，…，n)，使其满足 合理下料问题 用某种原材料切割零件A1，A2, …,Am的毛坯，现已设计出在一块原材料上有B1，B2，…，Bn种不同的下料方式，如用Bj下料方式可得Ai种零件aij个，设Ai种零件的需要量为bi个。试问应该怎样组织下料活动，才能使得既满足需要，又使用去的原材料最少？ 设采用Bj方式下料的原材料数为xj，则问题可表示为： 求一组整数变量xj(j=1，2，…，n)，使得 (2) 线性规划的数学模型 以上例子表明，线性规划问题具有以下特征： ① 每一个问题都用一组未知变量（x1，x2，…，xn）表示某一规划方案，其一组定值代表一个具体的方案，而且通常要求这些未知变量的取值是非负的。 ② 每一个问题的组成部分： 一是目标函数，按照研究问题的不同，常常要求目标函数取最大或最小值； 二是约束条件，它定义了一种求解范围，使问题的解必须在这一范围之内。 ③ 每一个问题的目标函数和约束条件都是线性的。 二、线性规划的标准形式 （1）线性规划的标准形式 在讨论与计算时，需要将线性规划问题的数学模型转化为标准形式，即在约束条件： （2）化为标准形式的方法 具体的线性规划问题，需要对目标函数或约束条件进行转换，化为标准形式。 目标函数化为标准形式的方法 如果其线性规划问题的目标函数为： min Z = CX 显然有： -minZ = max(-Z)=max Z′ 则目标函数的标准形式为： max Zˊ= -CX (1)线性规划的图解 max z=x1+3x2 s.t. x1+ x2≤6 -x1+2x2≤8 x1 ≥0, x2≥0 (2) 线性规划的解 可行解与最优解 满足约束条件（即满足线性约束和非负约束）的一组变量为可行解。所有可行解组成的集合称为可行域。 使目标函数最大或最小化的可行解称为最优解。 (2) 线性规划解的性质 凸集和顶点 (1) 凸集：若连接n维点集S中的任意两点X(1)和X(2)之间的线段仍在S中，则S为凸集。 (2) 顶点：若凸集S中的点X(0)不能成为S中任何线段的内点，则称X(0)为S的顶点或极点。 线性规划解的性质 (1) 线性规划问题的可行解集（可行域）为凸集。 (2) 可行解集S中的点X是顶点的充要条件是基本可行解。 (3) 若可行解集有界，则线性规划问题的最优值一定可以在其顶点上达到。 因此线性规划的最优解只需从其可行解集的有限个顶点中去寻找。 (2) 线性规划解的性质 凸集和顶点 (1)凸集：若连接n维点集S中的任意两点X(1)和X(2)之间的线段仍在S中，则S为凸集。 (2)顶点：若凸集S中的点X(0)不能成为S中任何线段的内点，则称X(0)为S的顶点或极点。 线性规划解的性质 ⑴线性规划问题的可行解集（可行域）为凸集。 ⑵可行解集S中的点X是顶点的充要条件是基本可行解。 ⑶若可行解集有界，则线性规划问题的最优值一定可以在其顶点上达到。 因此线性规划的最优解只需从其可行解集的有限个顶点中去寻找。 (2) 单纯形法的计算步骤 第一步，找出初始可行基，建立初始单纯形表。 第二步，判别检验所有的检验系数 ①如果所有的验系数 则获最优解 ②若有些为正数，但其中某一正的检验系数所对应的列向量的各分量均非正，则线性规划问题无解。所对应的列向量中有正的分量，则进行换基迭代。 约束方程中不含有单位矩阵的情形 上面介绍的单纯形法是假设约束方程的系数中含有一个单位矩阵，因此，很容易找到初始可行解，以及进行换基迭代。但大多数线性规划问题标准化后