单纯形法图解法及原理.ppt

X(1) , X(2) , … ,X(k) 是n维欧氏空间中的k个点，若有一组数 μ1 , μ2 , … , μk 满足 0 ? μi ?1 (i=1,… ,k) 凸集D, 点 X?D，若找不到两个不同的点X(1) , X(2) ?D 使得 X=? X(1) +(1- ? ) X(2) (0? 1) 则称X为 D的顶点。 定义3 顶点 * * 线性规划模型隐含的假设： 比例性： 决策变量变化引起目标的改变量与决策变量改变量成正比。 可加性： 每个决策变量对目标和约束的影响独立于其它变量。 连续性： 每个决策变量取连续值。 确定性： 线性规划中的参数aij , bi , ci为确定值。 第二节 单纯形法原理 ----图解法 图解法：是用画图的方式求解线性规划的一种方法。 只能用于求解两个变量的LP问题 1）作出可行域 2）作出一条目标函数的等值线 3）平行移动目标函数的等值线，求出最优解 图解法基本步骤： 例1.数学模型 max Z=50x1+30x2 s.t. 4x1+3x2 ? 120 2x1+x2 ? 50 x1,x2 ? 0 x2 50 40 30 20 10 10 20 30 40 x1 4x1+3x2 ? 120 由 4x1+3x2 ? 120 x1 ? 0 x2 ? 0 围成的区域 x2 50 40 30 20 10 10 20 30 40 x1 2x1+x2 ? 50 4x1+3x2 ? 120 x2 50 40 30 20 10 10 20 30 40 x1 2x1+x2 ? 50 4x1+3x2 ? 120 可行域 同时满足： 4x1+3x2 ? 120 2x1+x2 ? 50 x1 ? 0 x2 ? 0 的区域——可行域 x2 50 40 30 20 10 10 20 30 40 x1 可行域 O（0，0） Q1（25，0） Q2（15，20） Q3（0，40） 可行域是由约束条件围成的区域，该区域内的每一点都是可行解，它的全体组成问题的解集合。 该问题的可行域是由O，Q1，Q2，Q3作为顶点的凸多边形 2x1+x2 ? 50 4x1+3x2 ? 120 x2 50 40 30 20 10 10 20 30 40 x1 可行域 目标函数是以Z作为参数的一组平行线 x2 = Z/30-（5/3）x1 2x1+x2 ? 50 4x1+3x2 ? 120 x2 50 40 30 20 10 10 20 30 40 x1 可行域 当Z值不断增加时，该直线 x2 = Z/30-（5/3）x1 沿着其法线方向向右上方移动。 2x1+x2 ? 50 4x1+3x2 ? 120 x2 50 40 30 20 10 10 20 30 40 x1 可行域 当该直线移到Q2点时，Z（目标函数）值达到最大： Max Z=50*15+30*20=1350 此时最优解（x1，x2 ） =（15，20） Q2（15，20） 有唯一最优解 2x1+x2 ? 50 4x1+3x2 ? 120 例2 解线性规划 有唯一最优解 对于线性规划问题，我们定义： 可行解：满足全部约束条件的决策向量 X?Rn。 可行域：全部可行解构成的集合。（它是 n 维欧 氏空间Rn 中的点集，而且是一个“凸 多面体”) 最优解：使目标函数达到最优值（最大值或最小 值，并且有界）的可行解。 无界解：若求极大化则目标函数在可行域中无上 界；若求极小化则目标函数在可行域中 无下界。 有无穷多最优解 例3 解线性规划 Z=0 Z=-2 例4 解线性规划 有无界解 例5： MaxZ=3X1-2X2 X1 + X2 =1 2X1 + 2X2 =8 X1,X2 =0 无可行解 结论： 1、线性规划问题的可行域为凸集 2、若有最优解一定可以在其可行域的顶点上得到 线性规划问题解的几种情况： 1、有唯一最优解 2、有无穷多最优解 3、无可行解 4、无最优解 第三节 单纯形法 ----原理 单纯形法：单纯形法是求解线性规划的主要算法，1947年由美国斯坦福大学教授丹捷格（G.B.Danzig）提出。尽管在其后的几十年中，又有一些算法问世，但单纯形法以其