最优化中关于单纯性行法的解法问题.docVIP

最优化中关于单纯性行法的解法问题 摘要: 最优化方法包括的内容很广泛，如线性规划、非线性规划、几何规划、动态规划、随机规划、多目标规划、组合优化等等。本文主要是关于线性规划中如何用单纯行法解的问题。对于各种非标准形式的线性规划问题，我们总可以通过以下变换，将其转化为标准形式，本文主要介绍的是线性问题的转化和用单纯行法求解。 关键字：线性规划 单纯行法 松弛变量 1.引言 20世纪40年代以来，由于生产和科学研究突飞猛进地发展，特别是电子计算机日益广泛使用，使最优化问题的研究不仅成为一种迫切需要，而且有了求解的有力工具。因此最优化理论和算法迅速发展起来，形成一个新的学科。 线性规划是优化问题的特殊情形，其模型中目标函数和约束条件函数均为决策变量函数。由于其线性特性，使得线性规划的求解算话相对于非线性规划更成熟且简单。 2.线性规划模型的形式 2.1一般形式 每一个线性规划问题都可用一组决策变量（x1、x2、x3 …、xn）T表示某一方案。存在可以量化的约束条件，这些约束条件可以用一组线性等式或线性不等式来表示，按问题的不同，要求目标函数实现最大化或最小化。[1-3] 目标函数： Max(Min)z = c1x1 + c2x2 + … + cnxn 约束条件： a11x1+a12x2+…+a1nxn≤( =, ≥ )b1 a21x1+a22x2+…+a2nxn≤( =, ≥ )b2 am1x1+am2x2 +…+amnxn≤( =, ≥ )bm x1 ，x2 ，… ，xn ≥ 0 2.2标准形式 由于目标函数和约束条件形式上的差异，线性规划模型可以有很多表现形式。为了便于讨论和制定统一的算法，规定线性规划的标准形式如下： 目标函数：Max z = c1x1 + c2x2 + … + cnxn 约束条件：a11x1 + a12x2 + … + a1nxn = b1 a21x1 + a22x2 + … + a2nxn = b2 am1x1 + am2x2 + … + amnxn = bm x1 ，x2 ，… ，xn ≥ 0 3.极小化目标函数的问题 设目标函数为 Min f = c1x1 + c2x2 + … + cnxn 则可以令z ＝ -f ，该极小化问 题与下面的极大化问题有相同的最优解，即 Max z = -c1x1 - c2x2 - … - cnxn 但必须注意，尽管以上两个问题的最优解相同，但他们最优解的目标函数值却相差一个符号，即 Min f ＝ - Max z 设约束条件为 ai1 x1+ai2 x2+ … +ain xn ≤ bi 可以引进一个新的变量s ，使它等于约束右边与左边之差 s=bi–(ai1 x1 + ai2 x2 + … + ain xn ) 显然，s 也具有非负约束，即s≥0， 这时新的约束条件成为 ai1 x1+ai2 x2+ … +ain xn+s = bi 当约束条件为 ai1 x1+ai2 x2+ … +ain xn ≥ bi 时，类似地令 s=(ai1 x1+ai2 x2+ … +ain xn)- bi 显然，s 也具有非负约束，即s≥0，这时新的约束条件成为 ai1 x1+ai2 x2+ … +ain xn-s = bi 为了使约束由不等式成为等式而引进的变量s称为“松弛变量”。如果原问题中有若干个非等式约束，则将其转化为标准形式时，必须对各个约束引进不同的松弛变量。[4] 例2.2：将以下线性规划问题转化为标准形式? Min f = 3.6 x1 - 5.2 x2 + 1.8 x3 s. t. 2.3 x1 + 5.2 x2 - 6.1 x3 ≤15.7 4.1 x1 + 3.3 x3 ≥8.9 x1 + x2 + x3 = 38 x1 , x2 , x3 ≥ 0? 解：首先,将目标函数转换成极大化： 令 z= -f = -3.6x1+5.2x2-1.8x3 其次考虑约束，有2个不等式约束，引进松弛变量x4，x5 ≥0。 于是，我们可以得到以下标准形式的线性规划问题： Max z = - 3.6 x1 + 5.2 x2 - 1.8 x3 s.t. 2.3x1+5.2x2-6.1x3+x4= 15.7 4.1x1+3.3x3-x5= 8.9 x1+x2+x3= 38 x1 ,x2 ,x3 ,x4 ,x5 ≥ 0 4.单纯形法 4.1单纯性行法的基本思想 从一个基可行解出