2对偶灵敏new.ppt

第2章 对偶理论和灵敏度分析 对偶理论(Dual Theory) 灵敏度分析(Sensitivity Analysis) 第1节 单纯形法的矩阵描述 设有线性规划问题 max z = CX AX ≤ b X≥0 加入松弛变量Xs=(xs1,xs2,…,xsm)T以后， 得到标准型： max z = CX+0Xs AX +IXS= b X, Xs≥0 第2节 改进单纯形法(略) 例2-a：用矩阵形式单纯形法填写表中的空白数字。 已知LP：max z = 5x1+2x2+3x3 x1+2x2+2x3≤8 3x1+4x2+x3≤7 x1,x2,x3≥0 若已经求得最终单纯形表： 解： 第3节 对偶问题的提出 对偶理论及其应用是线性规划的重要组成部分。每个线性规划问题都有一个与之相对应的对偶线性规划问题。 例如，资源条件一定，如何规划，使完成的任务最多或利润获得最大 — 极大化问题。提高劳动生产率？—第一利润源泉； 同一问题，给定相应的生产任务，如何规划，使资源消耗最小或总费用最小 — 极小化问题。降低材料消耗？—第二利润源泉； 这两个问题包含相同的数据，若一个为原问题，则另一个为对偶问题，两者互为对偶线性规划问题。 例2-b. 外协价格问题 某汽车配件厂生产甲、乙两种产品。这两种产品都需要在A、B两种不同的设备上加工，下表列出了每种产品在不同的设备上加工所需的工时，这些产品销售后的收入，两种设备计划期内能使用的有效加工总工时数。 第4节 对偶问题的数学模型4.1 原问题与对偶问题的关系 一、对称形式下对偶问题的一般形式 定义：满足下列条件的LP问题称为具有对称形式：其变量均具有非负约束，其约束条件当目标函数极大时均取“≤”号，当目标函数极小时均取“≥”号。 二、非对称形式的原—对偶问题关系 4.2 对偶问题的基本性质 (2). 弱对偶性：设X#、Y#分别是原问题(P53)和对偶问题(P54)的可行解，则有CX#≤Y#b。 证明：（略） 从弱对偶性可知，原问题(极大化问题)的任意一个可行解所对应的目标函数值是其对偶问题最优目标函数值的一个下界。 对偶问题(极小化问题)的任意一个可行解所对应的目标函数值是其原问题最优目标函数值的一个上界。 原问题任一可行解对应的目标函数值不大于其对偶问题的任一可行解对应目标函数值。 因此，y*i实际上表示原问题约束条件中第i种资源增加一个单位时，目标函数最优值的改变量。 若把目标函数z*看作b1, b2, …, bm的函数，即z*= z*(b1, b2, …, bm)。 这就是说，影子价格就是对系统中的各个资源的使用价值的一个定量分析，它是原问题目标函数对某种资源的一阶偏导数。 在达到最优值时，第i个对偶变量(即第i种资源的影子价格)，实际上就是目标函数随第i种资源的量而变的变化率，即在其它条件不变时，第i种资源增加一个单位时，目标函数最优值的增加量。 从最终单纯形表可知，第i种资源的影子价格就是对应的原问题松弛变量的检验数的相反数。 第6节 对偶单纯形法 对偶单纯形法并不是解对偶问题的单纯形法，而是根据对偶问题的特点和对称性，设计出的一种解法。 对偶问题的对应性告诉我们，原问题可行基所对应的检验数的相反数 = 对偶问题的一个基解。但这个基解不一定是可行解。 经过迭代，当原问题在单纯形表上的全部检验数变成非正时，得到原问题的最优解。这时，检验数的相反数即是对偶问题的一个基可行解。由主对偶定理可知，这个对偶问题的基可行解就是对偶问题的最优解。 对偶单纯形法的基本思路： 基于对偶问题的对称性，在每次迭代中保持对偶问题的解是可行解，而不管原问题所获得的基解是否为可行解。 但是，当原问题所获得的基解为可行解时，则这个基可行解就是原问题最优解。 在具体求解过程中，对偶单纯形法是在原问题的单纯形表上进行对偶处理的。这种解法对于需要引入人工变量构造基进行求解是一种改进，因为它可以不用引入人工变量就能求得解，因此计算简便。 例2-6：用对偶单纯形法求解下列LP问题。 minω = 2x1 + 3x2 + 4x3 x1+2x2 + x3 ≥3 2x1 - x2 +3x3 ≥4 x1, x2, x3 ≥0 从求解过程可知，对偶单纯形法的优点： (1) 当原问题的初始解是非可行解，且相应的检验数都是非正时，这时不需要引入人工变量，简化计算。 (2) 当变量个数多于约束条件个数时，用对偶单纯形法求解，可以减少计算工作量。因此，对变量少，约束条件多的LP问题