第三节单纯形法.ppt

Chapter 1 线性规划 Linear Programming 2.5 单纯形法(续) Simplex Method 【例1】用单纯形法求解 【解】 这是一个极小化的线性规划问题, 可以将其化为极大化问题求解, 也可直接求解, 这时判断标准是: λj≥0(j=1，…，n)得到最优解。容易观察到系数矩阵中有一个3阶单位矩阵, x3、x4、x5为基变量。 2.5 单纯形法 Simplex Method XB x1 x2 x3 x4 x5 b θ x3 x4 x5 1 -1 6 [1] 1 2 1 0 0 0 1 0 0 0 1 5→ 6 21 5 6 21/2 λj 1 -1↑ 0 0 0 ? ? x2 x4 x5 1 -2 4 1 0 0 1 -1 -2 0 1 0 0 0 1 5 1 11 ? λj 2 0 1 0 0 ? ? 表中λj≥0( j=1,2,…,5), 所以最优解为X=(0,5,0,1,11 )T , 最优值 Z=2x1－2x2－x4=－2×5－1=－11。 2.5 单纯形法 Simplex Method 表1. 7 【例2】求解线性规划 【解】化为标准型 2.5 单纯形法 Simplex Method 初始单纯形表为 XB x1 x2 x3 x4 b x3 x4 3 2 －2 －1 1 0 0 1 1 4 λj －1 1 0 0 ? λ2=10, x2进基，而a120，a220，没有比值，故该线性规划问题具有无界解。另外由模型可以看出，当固定x1 ，而使x2→+∞且满足约束条件，从而原问题具有无界解。还可以用图解法看出具有无界解。 2.5 单纯形法 Simplex Method 【例3】求解线性规划 用单纯形法计算如下表所示： 2.5 单纯形法 Simplex Method 【解】化为标准型为： XB x1 x2 x3 x4 x5 b θ (1) x3 x4 x5 －1 1 1 [2] 2 －1 1 0 0 0 1 0 0 0 1 4→ 10 2 2 5 — λj 2 4↑ 0 0 0 (2) x2 x4 x5 －1/2 [2] 1/2 1 0 0 1/2 －1 1/2 0 1 0 0 0 1 2 6→ 4 — 3 8 λj 4↑ 0 －2 0 0 (3) x2 x1 x5 0 1 0 1 0 0 1/4 －1/2 3/4 1/4 1/2 －1/4 /div 0 0 1 7/2 3 5/2→ λj 0 0 0 －2 0 (4) x2 x1 x3 0 1 0 1 0 0 0 0 1 1/3 1/3 －1/3 －1/3 2/3 4/3 8/3 14/3 10/3 λj 0 0 0 －2 0 1/4 －1/2 [3/4] 0↑ 14 — 10/3 表 (3)中λj 全部非正, 此时已找到最优解，且最优解为: 另外表(3)中非基变量 x3 的检验数λ3=0, x3若增加, 目标函数值不变, 即当 x3 进基时 Z 仍等于20。现使 x3 进基, x5 出基继续迭代 ,得到表(4)的另一基本最优解 X(1), X(2)是线性规划的两个最优解，它的凸组合 仍是最优解，从而原线性规划有多重最优解。 2.5 单纯形法 Simplex Method 唯一最优解的判断：最优表中所有非基变量的检验数 非零, 则线性规划具有唯一最优解 。 多重最优解的判断: 最优表中存在非基变量的检验数为零, 则线性规划具有多重最优解。 无界解的判断: 某个λk0且aik≤０(i=1，2,…, m)，则线性规划具有无界解 退化基本可行解的判断: 存在某个基变量为零的基本可行解。 2.5 单纯形法 Simplex Method 在实际问题中有些模型并不含有单位矩阵，为了得到一组基向量和初始基可行解，在约束条件的等式左端加一组虚拟变量，得到一组基变量。这种人为加的变量称为人工变量，构成的可行基称为人工基，用大M法或两阶段法求解，这种用人工变量作桥梁的求解方法称为人工变量法。 1.5.2 大M和两阶段单纯形法 2.5 单纯形法 Simplex Method 对于线性规划问题的标准形式： max Z=c1x1+c2x2+…+cnxn 2.5 单纯形法 Simplex Method 一、 大M 单纯形法 1、思想： 由于系数矩阵A中不包含m×m 维单位子矩阵，我们 在每个约束中人为的加入一个变量，将约束化为 2.5 单纯形法 Simplex Method 新约束要与原约束等价当且仅当所有的人工变量取值为零，为确保引入人工变