-线性规划问题单纯形法.pptVIP

第五章 单纯形法 与单纯形表 线性规划 Linear Programming（LP） 图解法的启示 线性规划问题解的可能情况 a.唯一最优解 b.无穷多最优解 c.无解（没有有界最优解，无可行解） 若线性规划问题的可行域非空，则可行域是一个凸集； 若线性规划问题的最优解存在，则一定可以在可行域的凸集的某个顶点上达到。 线性规划 Linear Programming（LP） 单纯形法 单纯形方法是G.B.Danzig于1947年首先发明的。近50年来，一直是求解线性规划的最有效的方法之一，被广泛应用于各种线性规划问题的求解。本节讨论单纯形法的基本概念、原理及算法。 线性规划 Linear Programming（LP） 单纯形法 给定线性规划问题（标准形式） 线性规划 Linear Programming（LP） 单纯形法 一、线性规划问题的解的概念 可行解 最优解 基 基解（基本解） 基可行解 可行基 线性规划 Linear Programming（LP） 单纯形法 二、凸集及其顶点 凸集 顶点（极点） 线性规划 Linear Programming（LP） 线性规划 Linear Programming（LP） 单纯形法 三、线性规划基本定理 基本定理 1 线性规划所有可行解组成的集合S= { X | AX = b，X ≥0 }是凸集。 基本定理 2 X是线性规划问题的基本可行解的充要条件为是 X 是凸集S={ X | AX = b，X ≥0 }的极点。 基本定理 3 给定线性规划问题， A是秩为 m 的 m?n 矩阵， （i） 若线性规划问题存在可行解，则必存在基本可行解 （ii）若线性规划问题存在有界最优解，则必存在有界最优基本可行解。 线性规划 Linear Programming（LP） 单纯形法 单纯形法迭代原理及其思路 单纯形法的初步讨论 例1.8 求解LP问题 线性规划 Linear Programming（LP） 单纯形法 此线性规划问题转化为了一个含有四个变量的标准形线性规划问题，X3，X4为松弛变量。为求解上面的LP问题，我们要考虑满足约束条件s.t.并使 Z 取得Max的X1，X2，X3，X4的值，由此分析如下--- 线性规划 Linear Programming（LP） 单纯形法 确定初始基可行解： 通过观察可以发现，松弛变量X3和X4对应的等式约束条件中的系数矩阵为单位矩阵可以作为初始可行基矩阵。因此 取 X3，X4为基变量；X1，X2为非基变量。则（1.18）可变为： 线性规划 Linear Programming（LP） 单纯形法 典式 （1.19）或（1.18）称为关于基的典式—— 1、等式约束条件中显含基可行解 2、目标函数中不含基变量 线性规划 Linear Programming（LP） 单纯形法 在典式（1.19）中令： X1=X2 =0， 我们得到一个基本可行解 X1 =（ X1，X2，X3，X4 ）T=（0，0，120，50）T ， 其对应的目标函数值 Z1 = 50X1 + 30X2 = 0 线性规划 Linear Programming（LP） 单纯形法 最优性检验： 基本可行解 X1 是最优解吗？显然不是。应寻找更好的解。从问题的数学角度分析，在典式（1.19）的目标函数中，非基变量X1，X2前的系数都为正，而此时的X1，X2均取零值，表明只要增加其值，则目标函数值有增加的可能。因此，将目标函数中系数为正的某一非基变量与某一基变量地位对换。 线性规划 Linear Programming（LP） 单纯形法 换基迭代： 进行换基就是要从非基变量中选一个变量入基，再从基变量中选一个变量出基。并且换基后仍需满足： 新的解仍是基本可行解； 目标函数值将得到改善。 线性规划 Linear Programming（LP） 单纯形法 选择入基变量： 由于在目标函数 Z1 =50X1+30X2 中X1，X2的系数都为正，哪一个入基都可使目标函数值得到改善。对于求目标函数极大化的问题，我们希望目标值增加得越快越好，因此系数最大的X1入基。 选择出基变量： X1入基后，其值从零增加并由于约束条件的原因