第7章线性规划问题与网络流.ppt.ppt

算法设计与分析;学习要点 理解线性规划算法模型 掌握解线性规划问题的单纯形算法 理解网络与网络流的基本概念 掌握网络最大流的增广路算法 掌握网络最小费用流的消圈算法;线性规划问题和单纯形算法;变量满足约束条件(8.2)-(8.5)式的一组值称为线性规划问题的一个可行解。 所有可行解构成的集合称为线性规划问题的可行区域。 使目标函数取得极值的可行解称为最优解。 在最优解处目标函数的值称为最优值。 有些情况下可能不存在最优解。 根本没有可行解，可行区域为空集； 目标函数没有极值，目标函数值无界。;标准线性规划问题描述;将一般线性规划问题转化为标准型规划问题的方法 ;标准型线性规划问题的单纯形算法 ;基本概念： 基本变量：每个约束条件中的系数为正且只出现在一个约束条件中的变量。 非基本变量：除基本变量外的变量全部为非基本变量。 ??本可行解：满足标准形式约束条件的可行解称为基本可行解。由此可知，如果令n-m个非基本变量等于0，那么根据约束条件求出m个基本变量的值，它们组成的一组可行解为一个基本可行解。;线性规划基本定理 定理1（最优解判别定理）若目标函数中关于非基本变量的所有系数（以下称检验数）小于等于0，则当前基本可行解就是最优解。 定理2（无穷多最优解判别定理）若目标函数中关于非基本变量的所有检验数小于等于0，同时存在某个非基本变量的检验数等于0，则线性规划问题有无穷多个最优解。 定理3（无界解定理）如果某个检验数cj大于0，而xj对应的列向量中所有基本变量的系数a1j,a2j,…,amj都小于等于0，则该线性规划问题有无界解。;约束标准型线性规划问题的单纯形算法;步骤2；判别、检查目标函数的所有系数，即检验数cj(j=1,2,…,n)。 （1）如果所有的cj≤0，则已获得最优解，算法结束。 （2）若在检验数cj中，有些为正数，但其中某一正的检验数所对应的列向量的各分量均小于等于0，则线性规划问题无界，算法结束。 （3）若在检验数cj中，有些为正数且它们所对应的列向量中有正的分量，则转步骤3。 （3）若在检验数cj中，有些为正数且它们所对应的列向量中有正的分量，则转步骤3。 步骤3：选入基变量。在所有cj＞0的检验数中选取值最大的一个，记为ce，其对应的非基变量为xe，对应的列向量为[a1e,a2e,…,ame]T，称为入基列。;步骤4：选离基变量。选取“常数列元素/入基列元素”正比值的最小者所对应的基本变量为离基变量，即 ，选取基本变量xk为离基变量。 步骤5：换基变换（转轴变换）。在单纯形表上将入基变量和离基变量互换位置，并按照式如下公式进行各元素的变换后得到一张新的单纯形表。转步骤2。;对应入基列位置元素=-原入基列元素/交叉位置元素（不包括交叉位置）。 对应离基行位置元素=原离基行元素/交叉位置元素（不包括交叉位置）。 交叉位置元素=原交叉位置元素的倒数。 目标函数的值=原目标函数的值+同行画线位置元素×同列画线位置元素/交叉位置的元素。 其它位置的元素=原对应位置的元素-同行画线位置元素×同列画线位置元素/交叉位置的元素;例题1;由约束标准形式可知：x1,x5,x6是基本变量，x2,x3,x4是非基本变量，建立初始单纯形表如表7-2所示。由此可得，基本可行解为 X(0)=（7,0,0,0,12,10），z’=0。;由表7-3可知：x2为入基变量，x1为离基变量，根据迭代公式迭代得如表7-4所示的单纯形表4。由此可得，基本可行解为X(2)=（0,4,5,0,0,11）, z’=11。同时，由表7-4可知，所有检验数均小于等于0，故 X(2)= （0,4,5,0,0,11）为该线性规划问题的唯一最优解，其最优值z=-11。 练习：;两阶段单纯形算法;第一阶段：用辅助目标函数代替原来的目标函数。 辅助目标函数： 。 选择人工变量作为基本变量，其它变量作为非基本变量，构造初始单纯形表。然后，运行该算法，当所有人工变量均变成非基本变量时，辅助目标函数达到最大值，第一阶段算法结束；如果所有人工变量无法全部变成非基本变量，则原线性规划问题无解。 第二阶段：将第一阶段得到的最后一张单纯形表中的所有人工变量所在的列全部划掉，剩下的就只含有xi的约束标准型线性规划问题，此时的目标函数由辅助目标函数改为原来的目标函数，用剩下的单纯形表作为第二阶段的初始单纯形表，再次运行约束标准型单纯形算法，即得线性规划问题的解。;8.2 最大网络流问题;（3） 可行流 满足下述条件的流flow称为可行流： (3.1)容量约束：对每一条边(v,w)∈E，0≤flow(v,w)≤cap(v,w)。 (3.2)平衡约束： 对于中间顶点：流出量=流入量。 即对每个