1678 序列相关.ppt

此法是求解线性规划问题的一种有效方法 本章的学习内容： §1、单纯形法的基本思路和原理 §2、单纯形法的表格形式 §3、求目标函数值最小的线性规划问题的单纯形表解法 § 4、几种特殊情况 图解法只能解决仅含有两个决策变量的线性规划的问题，无法解决多于两个决策变量的问题。 在这一章里将介绍由美国数学家丹捷格(G·B· Dantgig) 1947提出的，得到最广泛应用的线性规划的代数算法——单纯形法，此算法是对运筹学算法的一次革命。在第三章所介绍的线性规划问题的计算机解法就是基于单纯形法原理来编程的。它可解决多个变量线性规划问题。 LP问题求解方法 线性规划问题的求解方法 一 般 有 两种方法 图 解 法 单纯形法 两个变量、直角坐标 三个变量、立体坐标 适用于任意变量，但必须将 一般形式变成标准形式 单纯形法基本原理 凸集：如果集合C中任意两个点X1、X2，其连线上的所有点也都是集合C中的点，称C为凸集。 单纯形法的基本思路：从可行域（凸集）中某一个顶点开始，判断此顶点是否是最优解，如不是则再找另一个使得其目标函数值更优的顶点，称之为迭代，再判断此点是否是最优解。直到找到一个顶点为其最优解，就是使得其目标函数值最优的解，或者能判断出线性规划问题无最优解为止。 在这里，可行域的顶点已不再像图解法中那样直接可见了。在单纯形法中的可行域的顶点叫做基本可行解，第一个找到的可行域的顶点叫做初始基本可行解。 单纯形法的计算步骤 单纯形法的思路 找出一个初始基本可行解 是否最优 转移到另一个基本可行解 （找出更优的目标函数值） 最优解 是 否 循 环 核心是：变量迭代 结束 在第二章的例1中我们得到以下数学模型： 目标函数： max Z=50X1+100X2 约束条件： X1+X2≤300， 2 X1+X2≤400， X2≤250, X1≥0, X2≥0. 加上松弛变量后得到如下标准型： 目标函数：max Z=50X1+100X2 约束条件： X1+X2+S1=300, 2X1+X2+S2=400, X2+S3=250, X1,X2,S1,S2,S3≥0 其中pj为系数矩阵A中第j列的向量。由于在A中存在一个不为零的三阶子式，可知A的秩为3。 因为A的秩m小于此方程组的变量的个数n，从线性代数的知识可知其有无数多组解。为了找到一个初始基本可行解，先介绍一些线性规划的基本概念。 x1 x2 s1 s2 s3 矩阵的秩及方程组的解 一个矩阵A的列秩是A的线性独立的纵列的极大数目。类似地，行秩是A的线性无关的横行的极大数目。 1 2 2 -2 A= =6≠ 0 所以秩为2 基：已知A是约束条件的m×n系数矩阵，其秩为m。若B是A中m×m阶非奇异子矩阵( 即可逆矩阵，｜B｜≠0)，则称B是线性规划问题中的一个基。也即任一m阶的可逆矩阵都可作为基。B的阶数也就是A的秩。 基向量：基B中的每一列即称为一个基向量。 基B中共有m（矩阵A的秩）个基向量，在此例中对于基B来说，三个列向量都是基向量，而且B只有这三个基向量。 非基向量：在A中除了基B之外的每一列称之为基B的非基向量。 x1 x2 s1 s2 s3 基变量：与基向量pi相应的变量Xi叫基变量，基变量有m个，在此例题中X1，X2，S1都是基B1的基变量，而S1，S2，S3是基B2的基变量。 非基变量：与非基向量pj相应的变量Xj叫非基变量，非基变量有n-m个，在此例题中，S2，S3是B1的非基变量。而X1，X2是B2的非基变量。 基本解：由线性代数知识得：如果在约束方程组系数矩阵中找到一个基，令这个基的非基变量为零。再求解这个方程组就可得到唯一解了，这个解称为线性规划的基本解。 x1 x2 s1 s2 s3 可行解： 满足： 最优解： 满足目标函数：max Z=50X1+100X2 的可行解称为最优解。 的解称为可行解。 X1+X2+S1=300 2X1+X2+S2=400 X2+S3=250 X1,X2,S1,S2,S3≥0 基本解: 若为负，非可行解； 若为非负，为可行解（基本可行解） 注意： 可行解必须为非负 由于在这个基本解中S1= -100，S3=- 150，不满足该线性规划S1≥0，