21and2线性规划的进一步研究.pptVIP

（1） 原问题 对偶问题 （特点: 对偶变量符号不限） (特点：等式约束) 2、非对称形式的对偶关系： 如果遇到非对称形式时，怎样写出对偶线性规划？ C—b; A---AT; max---min; 约束条件符号 --- 变量符号（容易出错） 约束条件数：n 第i个约束条件类型为“≥” 第i个约束条件类型为“≤” 第i个约束条件类型为“=” 决策变量数：n个 第j个变量≥0 第j个变量≤0 第j个变量是自由变量 对偶变量数：m个 第i个变量≥0 第i个变量≤0 第i个变量是自由变量 约束条件数：m个 第i个约束条件类型为“≤” 第i个约束条件类型为“≥” 第i个约束条件类型为“=” 目标函数 Min W 目标函数 Max Z 对偶问题（或原问题） 原问题（或对偶问题） 课堂练习2-1 写出下面线性规划的对偶规划： 下面的答案哪一个是正确的？为什么？ （原问题是极小化问题，因此应从原始对偶表的右边往左边查！） √ × 三、对偶问题的基本性质 对偶定理是揭示原始问题的解与对偶问题的解之间重要关系的一系列定理，包括对称性定理、弱对偶定理、有界性定理、最优性准则定理、主对偶定理、互补松弛性等。 则其对偶问题为 定理2-1 对称性定理—— 对偶问题的对偶是原问题。 证明：设原始问题为 将上式两端同时取负，并转变为max形式 对偶变换 变换符号 定理2-2 弱对偶定理——若一对对称形式的对偶线性规划 （L） 和 （D） 均有可行解，分别为 和 ，则C ≤ b。 证明思路 由（L） 左乘 ，得 由（D） 右乘 ，得 通俗地讲： 原问题的极大化目标函数值不会超过其对偶问题的极小化目标函数值 * * 2.1单纯形法的矩阵描述 一、为什么要研究单纯形法的矩阵描述？ 进一步讨论改进单纯形法 便于理论推导（如对偶定理的证明） 二、怎样进行矩阵描述？ 关键——写出两个基本的表达式。 第二章? 线性规划的进一步研究 1、准备工作： （1）标准型的矩阵形式—— （2）将式中矩阵写成分块矩阵形式 2、将分块形式代入矩阵形式标准型，得出两个基本表达式： （1）由约束条件 可得 用非基变量表示基变量的表达式： （2-1） （2）将式（2-1）代入目标函数的表达式，可得：用非基变量表示目标函数的表达式： 三、单纯形表格的矩阵形式： cj ? CB ? XB xj b CB CN ? ? 0 ? 2.2 改进的单纯形法 一、什么是改进的单纯形法？ 通过矩阵形式运算求解线性规划 例：用改进的单纯形法求解 第一步：寻找初始可行基 B，确定基变量XB和非基变量XN，并根据 计算非基变量的检验数，判断是否最优。 第二步：换基，重复循环，直到找到最优解。 1. 令变量x2（或 x1）进基，并根据 选择出基变量。 选择3所对应的变量 x5 出基 2. 确定新基B，确定基变量XB和非基变量XN，并计算非基变量的检验数。 3. 令变量x1进基，选择出基变量。 选择2所对应的变量 x3 出基 4. 确定新基B，确定基变量XB和非基变量XN，并计算非基变量的检验数。 5. 令变量x5进基，选择出基变量。 选择4所对应的变量 x4 出基 6. 确定新基B，确定基变量XB和非基变量XN，并计算非基变量的检验数。 最优解是X*=(4, 2, 0, 0, 4)T 相应的目标函数最优值是Zmax=14 7. 求对应于最优基B3的最优解和最优目标函数 怎样求矩阵 Bi 的逆 Bi-1 怎样求 Ei ? -------处理当前的换入向量 Pj 第一步：计算 ，得向量 第二步： 处理换入向量Pj中主元素akj 所对应的位置元素akj’，将其变为1/akj’，其他元素变为-aij ’ / akj’。 第三步： 构造Ei。 将Bi中的 Pj列向量用 换掉，其余列写为单位列向量，即为矩阵 Ei 。 2.3 对偶问题的提出 一、对偶问题的提出 1、? 对偶思想举例 周长一定的矩形中，以正方形面积最大；面积一定的矩形中，以正方形周长最小； 2、? 换个角度审