线性规划基本概念.ppt

令非基变量x1=x2=0，则x3、 x4、 x5有唯一解 x3= 8，x4=16， x5=12，则基解为 基可行解 基可行解对应的是可行域的顶点 在上例中B2的基向量是A中的第二，三，四列，其余列向量是非基向量， x2 、 x3、 x4 是基变量，x1、 x5是非基变量。 令非基变量x1=x5=0，则x3、 x4、 x5有唯一解 x2= 3，x3=2， x4=16，则基解为 基可行解 令非基变量x1=x5=0，则x3、 x4、 x5有唯一解 x2= 3，x3=2， x4=16，则基解为 基可行解 在上例中B3的基向量是A中的第一，二，三列，其余列向量是非基向量， x1 、 x2 、 x3 是基变量，x4、 x5是非基变量。 令非基变量x4=x5=0，则x1 、 x2 、 x3有唯一解 x1= 4，x2=3， x3=-6，则基解为 不是基可行解 令非基变量x4=x5=0，则x1 、 x2 、 x3有唯一解 x1= 4，x2=3， x3=-6，则基解为 不是基可行解 基解-----角(顶)点基可行解-----可行角(顶)点 凸集 设K是n维欧氏空间的一点集，若任意两点X(1)∈K，X(2)∈K的连线上的所有点αX(1)+(1-α)X(2)∈K，(0≤α≤1)；则称K为凸集。 实心圆，实心球体，实心立方体等都是凸集，圆环不是凸集。从直观上讲，凸集没有凹入部分，其内部没有空洞。图中的(a)(b)是凸集，(c)不是凸集。 图1-2中的阴影部分 是凸集。 任何两个凸集的交集是凸集 凸组合 设X(1)，X(2)，…，X(k)是n维欧氏空间E中的k个点。若存在μ1，μ2，…，μk，且0≤μi≤1, i=1,2,…，k; 使X=μ1X(1)+μ2X(2)+…+μkX(k) 则称X为X(1)，X(2)，…，X(k)的凸组合。（当0＜μi＜1时，称为严格凸组合）. 角(顶)点 设K是凸集，X∈K；若X不能用不同的两点X(1)∈K和X(2)∈K的线性组合表示为 X=αX(1)+(1-α)X(2)，(0＜α＜1) 则称X为K的一个顶点(或极点、角点)。 图中0，Q1,2,3,4都是顶点。 基解-----角(顶)点基可行解-----可行角(顶)点 最优解在可行角点处取得----- 最优解在基可行解处取得 定理1 若线性规划问题存在可行域，则其可行域是凸集 定理2 线性规划问题的基可行解对应于可行域的顶点。 基解-----角(顶)点基可行解-----可行角(顶)点 最优解在可行角点处取得----- 最优解在基可行解处取得 需要把所有可行角点都算出来，再进行比较吗？ 可行角点的个数至多有 个. 基解-----角(顶)点基可行解-----可行角(顶)点 最优解在可行角点处取得----- 最优解在基可行解处取得 若某个可行角点处的值不次于相邻的角点，则线性规划在此角点处取得最优解。 需要把所有可行角点都算出来，再进行比较吗？ 可行角点的个数至多有 个. 若某个可行角点处的值不次于相邻的角点，则线性规划在此角点处取得最优解。 若某个基可行解处的值不次于相邻的角点，则线性规划在此基可行解取得最优解。 基可行解相邻：基可行解对应的基中有一个基向量不同 单纯形法(相邻的角点) 单纯形法(相邻的角点) 基本结论 线性规划问题的所有可行解构成的集合是凸集，也可能为无界域，它们有有限个顶点，线性规划问题的每个基可行解对应可行域的一个顶点。 若线性规划问题有最优解，必在某顶点上得到。虽然顶点数目是有限的，若采用“枚举法”找所有基可行解，然后一一比较，最终必然能找到最优解。但当n,m较大时，这种办法是行不通的，所以要继续讨论如何有效寻找最优解的方法。本课程将主要介绍单纯形法。 1.3 线性规划问题的标准型式 标准型的主要特征： ① 目标最大； ② 约束等式； ③右端非负； ④变量非负。 线性规划问题的几种表示形式 用向量表示为： 用矩阵表示为： ① 目标最大； 如何变换为标准型： 若要求目标函数实现最小化，即min z=CX。这时只需将目标函数最小化变换求目标函数最大化，即令z′= -z，于是得到max z′= -CX。这就同标准型的目标函数的形式一致了。 ② 约束等式； 如何变换为标准型： x3: 松弛变量 x3: 剩余变量 ③右端非负； 如何变换为标准型： ④变量非负 如何变换为标准型： 用变量替换，而不是作为新的约束条件 没有限制 例3 将例1的