第二讲单纯形法.PDF

第二章 单纯形法  单纯形法的一般原理  表格单纯形法  借助人工变量求初始的基本可行解  单纯形表与线性规划问题的讨论  改进单纯形法 1 单纯形法的一般原理 考虑到如下线性规划问题 maxZ=CX AX=b  X  0 其中Ａ一个m ×n矩阵，且秩为m，ｂ总可以被调整为一个m维非负列 向量，Ｃ为n维行向量，Ｘ为n维列向量。 根据线性规划基本定理： n 如果可行域Ｄ={ Ｘ∈Ｒ / ＡＸ= ｂ，Ｘ≥0}非空有界， 则Ｄ上的最优目标函数值Ｚ= ＣＸ一定可以在Ｄ的一个顶点上达到。 这个重要的定理启发了Dantzig的单纯形法， 即将寻优的目标集中在D的各个顶点上。 2 Dantzig的单纯形法把寻优的目标集中在所有基本可行解 （即可行域顶点）中。 其基本思路是从一个初始的基本可行解出发，寻找一条达到 最优基本可行解的最佳途径。 单纯形法的一般步骤如下： （1）寻找一个初始的基本可行解。 （2）检查现行的基本可行解是否最优，如果为最优， 则停止迭代，已找到最优解，否则转一步。 （3）移至目标函数值有所改善的另一个基本可行解， 然后转会到步骤 （2）。 3  确定初始的基本可行解 确定初始的基本可行解等价于确定初始的可行基，一旦初始 的可行基确定了，那么对应的初始基本可行解也就唯一确定 为了讨论方便，不妨假设在标准型线性规划中，系数矩阵Ａ 中前m个系数列向量恰好构成一个可行基，即 Ａ= （ＢＮ），其中 Ｂ= （Ｐ Ｐ …Ｐ）为基变量x x …x 的系数列向量 1， 2， m 1， 2， m 构成的可行基， Ｎ=( Ｐ P …P )为非基变量x x …x 的 m+1， m+2， n m+1， m+2， n 系数列向量构成的矩阵。 4 所以约束方程 AX=b 就可以表示为 XB  AX=(BN)  =BXB +NXN =b X  N  -1 用可行基Ｂ的逆阵Ｂ 左乘等式两端，再通过移项可推得： -1 -1 X =B b-B NX B N X =0 -1 若令所有非基变量 N , 则基变量 XB =B b B1b  由此可得初始的基本可行解 X= 