运筹学 第三章 单纯形法（1，2两节） .ppt

第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法(2) 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 第二节 单纯形法 参看课本13页的内容.设线性规划单纯形法第k迭代得到的基本可行解为X（k），再迭代一步得到新的基本可行解为X（k+1），可以证明两个解所对应的目标函数值满足下面的关系。 Z（X（k+1））=Z（X（k））+λ（Cj(k)-Zj(k)） 检验数 因为λ0，若所有的检验数大于零，则 Z（X（k+1））-Z（X（k））0， Z（X（k+1））Z（X（k））说明新解的目标函数值比原解的好。 第二节 单纯形法 Z（X（k+1））=Z（X（k））+λ（Cj(k)-Zj(k)） 检验数 若所有的检验数小于零，Z（X（k+1））-Z（X（k））0，Z（X（k+1））Z（X（k）），说明新解的目标函数值没有原解的好，所以算法终止。 另外，若Cj-Zj0,且所有的0时，算法终止，因为这是无法选出换出变量，线性规划问题有无限界解，也就是无最优解。此时算法终止。 第三章 单纯形法 本章主要介绍求解线性规划问题的单纯形法及解的类型，其基本要求为： 1. 理解凸集的极点（顶点）与线性规划问题 解的关系。 2. 熟练掌握单纯形法的迭代过程和应用。 3. 熟悉线性规划问题的标准型掌握两阶段法 和大M法。 4.了解改进单纯形法。 知识结构 单 纯 形 法 解的几何意义 单纯形法 解的讨论 单纯形表迭代过程 再论单纯形法 改进单纯形法 单纯形法的基本思路 凸集的极点与基本可行解 凸集、线性规划问题的解 改进单纯形法的优点 有关名词、概念 大M法、两阶段法 选择基本矩阵的方法总结 目标函数为最小的问题 解的四种形式及判断方法 本节主要介绍凸集的概念及凸集的顶点与线性规划问题可行解的关系，为理解单纯形法的解题思路打下基础。 在上一章第三节我们已经得出这样的结论，若两个或三个变量的线性规划问题的最优解存在，则可以在问题的可行域的顶点上达到。这个结论可以推广到三个以上变量的线性规划问题上去，以下内容是与此有关的说明与论证。 凸集。若任意两点X（1）、X（2） （X（1）≠X（2））在某个点集中，且连接这两点的线段上的所有点也在这个点集之中，称这个点集为凸集。 第一节 线性规划问题的几何意义 第一节 线性规划问题的几何意义 第一节 线性规划问题的几何意义 凸集定义的另外一种表示形式： 设X（1）、X（2） （X（1）≠X（2））是n维欧氏空间（高等数学中常用名词，参看文献（3）中的一个点集，任意两点X（1）、X（2）∈K 的连线上一切点[αX（1）+（1-α）X（2）] ∈K（0α1）,则称K为凸集。 请按如下思路理解：以X（1）、X（2））（X（1）≠X（2））为端点的线段上的任一点都可以表示为[αX（1）+（1-α）X（2）] （0α1）当α在（0，1）之间变化时，上式表示的点就在以X（1）、X（2）为端点的线段上滑动，（α=1/2时，在二维空间中（初等平面解析几何中），上式就是中点坐标）。这与前面的定义实质上是一致的。 第一节 线性规划问题的几何意义 2.极点: 设K是凸集，X∈K ；若X不能用不同的两点X(1) ∈K ， X(2) ∈K 的线性组合表示为X=αX（1）+（1-α）X（2） （0α1） ，则称此点是K的一个极点或顶点，其直观意义就是X不是K中任何线段的内点，也就是说点X不能在以K内的任意两点为端点的线段上。如三角形、长方体的顶点就是凸集的集点。 第一节 线性规划问题的几何意义 线性规划问题的解 1.可行解 ：满足线性规划问题全部约束条件的解。所有可行解的集合称为可行域。 2.最优解 ：在线性规划问题的可行解中，使目标函数值达到最优的解。 3.基本解及基本可行解 在线性规划