《运筹学》单纯形算法.ppt

例1－10 利用单纯形算法求解线性规划问题。 Max Z=2x1+3x2+0·x3+0·x4+0·x5+0·x6 2x1+2x2+x3=12 x1+2x2+x4=8 4x1+x5=16 4x2+x6=12 x1，x2，x3，x4，x5, x6≥0 解： （1）由标准型得到初始单纯形表： 表1—11 cj 2 3 0 0 0 0 θi XB b x1 x2 x3 x4 x5 x6 x3 12 2 2 1 0 0 0 6 x4 8 1 2 0 1 0 0 4 x5 16 4 0 0 0 1 0 x6 12 0 [4] 0 0 0 1 3 -Z 0 2 3 0 0 0 0 表1—12 cj 2 3 0 0 0 0 θi XB b x1 x2 x3 x4 x5 x6 x3 6 2 0 1 0 0 -1/2 3 x4 2 [1] 0 0 1 0 -1/2 2 x5 16 4 0 0 0 1 0 4 x2 3 0 1 0 0 0 1/4 -Z -9 2 0 0 0 0 -3/4 表1—13 cj 2 3 0 0 0 0 θi XB b x1 x2 x3 x4 x5 x6 x3 2 0 0 1 -2 0 1/2 4 x1 2 1 0 0 1 0 -1/2 x5 8 0 0 0 -4 1 [2] 4 x2 3 0 1 0 0 0 1/4 12 -Z -13 0 0 0 -2 0 1/4 在求解过程中，有时会出现两个或更多的?相同的问题，这种情况出现时，我们称之为出现了退化问题。表1—13就出现了退化问题，在出现退化问题时，即有两个或更多的?相同时，在相同? 对应的变量中选择下标最大的那个基变量为换出变量；同时如果出现有两个或更多的检验数σ大于零且相同时，在相同σ 对应的变量中选择下标最小的那个基变量为进入变量，这样会避免出现“死循环”的现象。 表1—14 cj 2 3 0 0 0 0 θi XB b x1 x2 x3 x4 x5 x6 x3 0 0 0 1 -1 -1/4 0 x1 4 1 0 0 1 1/4 0 x6 4 0 0 0 -2 1/2 1 x2 2 0 1 0 1/2 -1/8 0 -Z -14 0 0 0 -3/2 -1/8 0 这时，检验数全部小于等于0，即目标函数已不可能再增大，于是得到最优解： X*=(4,2,0,0,0,4) 目标函数的最大值为： Z*=14 T 第四节 单纯形算法的进一步讨论 一、初始基本可行解的确定 利用单纯形算法的一个根本前提是要有一个初始的基本可行解。这对于一些简单问题，利用观察或其它手段是容易得到的；但对于较复杂的问题，利用这种方法几乎是不可行的。这就引起了人们对求初始基本可行解的思考。 以下我们分几种情形加以讨论。 1．对于 AX = b，若人们一下就可以从其中求得一个单位矩阵。这时取初始基B 就是单位矩阵，对应的基变量为 XB，非基变量为 XN 。这时 然后按单纯形算法计算步骤便可得到。这种情况包含了 AX ? b 的情形。 2. 对于 AX = b，并且不能够从中观测到一个单位矩阵。这时分别给每一个约束条件加入一个人工变量 xn+1, …, xn+m , 得: 由此可以得到一个m阶单位矩阵。以xn+1，…，xn+m为基变量，令非基变量x1，…，xn 为0，便可得到一个初始基本可行解X ；X = ( 0, ???, 0, b1 , ???, bm ) 。 因为人工变量是后加入到原约束方程组中的虚拟变量，我们要求将它们从基变量中逐渐替换掉。若经过基的变换，基变量中不再包含有人工变量，这就表示原问题有解；若经过基变换，当所有的?j ? 0时，而在基中至少还有一个人工变量，这就意味着原问题无可行解。 T (0) (0) 二、人工变量法(大M法) 对于加入人工变量的线性规划问题的目标函数如何处理？我们希望人工变量对目标函数取值不受影响。因此只有在迭代过程中，把人工变量从基变量中换出，让它成为非基变量。为此，就必须假定人工变量在目标函数中的价值系数为(-M)(对于极大化目标)，M为充分大的正数。这样，对于要求实现目标函数最大化的问题来讲，只要在基变量中还存在人工变量，目标函数就