运筹学讲.pptVIP

2 图解法 例一、 ⑴ ⑵ ⑶ ⑷ 0 1 2 3 4 5 6 7 8 1 2 3 4 5 6 ⑴ ⑵ ⑶ ⑷ 作 图 ∴ 最优解：x1 = 4 x2 = 2 有唯一最优解，Z = 14 x2 x1 (4 2) ⑴ ⑵ ⑶ ⑷ 满足约束条件的所有点都会在阴影区域，叫可行域 2 图解法 例二、 ⑴ ⑵ ⑶ 无穷多最优解 x1 x2 2 图解法 例三、 ⑴ ⑵ 无界解 （无最优解） x1 x2 原因是由于在建立实际问题的数学模型时遗漏了某些必要的资源约束。 2 图解法 ⑴ ⑵ x1 x2 无可行解 例四、 原因是模型本身有错误，约束条件之间相互矛盾。 2 图解法 图解法只能用来求解只具有两个变量的线性规划问题。 启示： （1）求解线性规划问题，解的情况有：惟一最优解、无穷多最优解、无界解、无可行解； （2）若线性规划问题的可行域存在，则可行域是一个凸多边形； （3）若线性规划问题的最优解存在，则最优解或最优解之一（如果有无穷多最优解）一定能够在可行域的某个顶点找到； 2 图解法 练习：用图解法求解下面的线性规划问题： 2 图解法 单纯形法是求解一般线性规划问题的基本方法，系1947年由丹齐格提出。 3.1 预备知识 定义 凸集：如果集合C中任意两个点X1、X2，其连线上的所有点也都是集合C中的点，称C为凸集。 两个点X1、X2的连线可表示为（连线上任一点）： 凸集定义用数学语言可表为：对任何 ， ，有 则称C为凸集。 第一章 线性规划及单纯形法 3单纯形法原理 X1 X2 X 定义 顶点：设C是凸集， ，若X不能表示成任何 两点连线的内点，则称X为C的一个顶点。 也就是说，凸集中不成为任意两点连线上的点，称为凸集顶点。 或者， 设C为凸集，对于X?C，不存在任何X1?C，X2 ?C， 且X1≠X2，使得X=?X1+(1-?)X2?C， (0?1)，则X为凸集顶点。 第一章 线性规划及单纯形法 3单纯形法原理 凸组合： 设x1，…,xk是凸集C中的k个点，若存在满足1 ? ui ? 0 ， u1+…+uk=1称x=u1x1 +…+ukxk为x1，…,xk的凸组合 定理1 若线性规划问题存在可行解，则问题的可行域是凸集。 证明：设可行域 ， ， ， 且 ， 则 令 则 所以 因此，根据定义可得，D是凸集 定理得证。 第一章 线性规划及单纯形法 3单纯形法原理 3.2 几个基本定理的证明 引理：线性规划问题的可行解X=(x1, x2,······,xn)T 为基本可行解的充要条件是X的正分量所对应的系数列向量线性独立（无关）。 证： （1）必要性：X基本可行解?X的正分量所对应的系数列向量线性独立 可设X=(x1,x2,······,xk,0,0,······,0)T，若X为基本可行解，显然，由基本可行解定义可知x1, x2,······,xk所对应的系数列向量P1,P2,······,Pk应该线性独立(无关)。 （2）充分性： X的正分量所对应的系数列向量线性独立? X为基本可行解 若A的秩为m，则X的正分量的个数k?m； 当k=m时，则x1,x2,······,xk的系数列向量P1,P2,······,Pk恰好构成基， ∴ X为基本可行解。 当km时，则必定可再找出m-k个列向量与P1,P2,······,Pk一起构成基， ∴ X为基本可行解。 证：用反证法 X非基本可行解?X非凸集顶点 （1）必要性：X非基本可行解? X非凸集顶点 不失一般性，设X=(x1,x2,······,xm,0,0,······,0)T，为非基本可行解， ∵ X为可行解， ∴ ?pjxj=b， j=1 n 即 ? pjxj=b ······(1) j=1 m 又 X是非基本可行解， ∴ P1,P2,······,Pm线性相关，即有 ?1P1+?2P2+······+?mPm=0， 其中?1，?2，······，?m不全为0，