线性规划中几种内点算法比较.docVIP

线性规划中几种内点算法比较[摘要] 该文是关于内点算法的一篇综述，对几种较为实用的求解线性规划问题的算法进行总结，包括单纯形法、椭球算法、Karmarkar算法、原仿射尺度算法等，并对这些算法进行比较 [关键词] 线性规划 内点算法 比较 1 问题的提出 1947年，美国数学家G.B . Dantzig提出了求解线性规划问题的通用方法――单纯形法，大量的实际应用表明，单纯形法是一种行之有效的解线性规划问题的算法。但是在理论上，单纯形法并不是一个“好算法”，特别是在1972年美国学者V.Klee与G.L.Minty发表了一个例子，通过构造一个病态的线性规划，说明了单纯形法在解决某些极端的例子中效果不好，很多研究线性规划的数学家开始探讨解线性规划的NP问题。1979年，前苏联数学家哈奇扬发表了椭球算法，并证明了该算法是个多项式时间算法，说明线性规划的多项式时间算法是存在的，但在实际应用中，这一算法并没有很强的实用性。1984年，在美国贝尔实验室工作的印度籍数学家N.Karmarkar提出了解线性规划的投影尺度法，这也是一个多项式时间算法，它比椭球法优化了很多，这一工作一时引起了很多数学家对内点算法的研究热情，在不断的改进中，一些新的、改进的或变形的内点算法相继出现。无论是内点算法还是椭球算法，它们有一个共同点，就是采用了非线性规划的一些思想来解决线性规划问题 2 几种算法的简单介绍 2.1 单纯形法 将线性规划问题（LP）写成如下的矩阵形式： 式（1）可以用分块矩阵写成如下形式： （2） 设B是A的一个基，不失一般性的，设它由A中的前m列所组成，由高等代数的知识，必可将矩阵（1）通过初等变换注： ①若式（4）满足 ，称（4）为单纯形法下的标准型 ②若问题（LP）有可行解，则必有基本可行解，故可知 单纯形法的具体步骤如下： Step1 列出初始表，在表中找到一个初始基，化为标准形，得到对应初始基的基本可行解 Step2 检查标准形表上的检验数(ci=m+1, …, n)是否均为正数，若是，则停止，当前的基本可行解为最优解，否则，进入Step 3 Step3 任取小于0的(ci=m+1, …, n)，若集合 ，停止求解，规划问题有无界解，否则，进入Step 4 Step4 此时，以 为入基变量，求出 ，（若最小值在不止一个指标处达到，则任取一个指标作为r即可），则 为离基变量 Step5 以 为主元进行转轴，得到新的基本可行解及标准形表，回到Step 2 在前面单纯形法的介绍中，我们强调了一个非退化的前提，在退化的情况下，用上面的步骤去迭代时，可能出现死循环，对于这个问题，先后有Charnes提出了摄动法，Dantzig、Orden、Wolfe提出了字典序法以及Bland提出了Bland法则，本论文中我们仅介绍Bland法则 Bland法则：在迭代的过程中，如果检验数有多个为负，则选其中下标最小的检验数相对应的变量为入基变量，如果 有多处同时达到的话，也取下标最小者对应的变量为离基变量 2.2 椭球算法 如果能够找到求解严格不等式组多项式时间算法，那么就有（LP）问题的多项式时间算法。椭球算法就是一种通过寻求严格不等式组的多项式时间算法，来证明线性规划问题有多项式时间算法。可以理解为把线性规划问题转化为（8）的形式，即为弱不等式组，然后求出相应的严格不等式组的解，从而导出弱不等式组的解，则可以求出原线性规划问题的最优解。所以椭球算法的本质是求严格不等式组的解。下面简单介绍一下椭球算法的原理 椭球算法的目标是求解严格不等式组(9) 的解 设A，b的元素都是整数，n，m1，并将不等式组(9)的解集用K来表示，椭球算法的基本思想是首先选取一个很大的球 ，由于足够大，只要 ，则可以认为 ，然后用一个迭代，依次产生一系列的椭球 一般的设 ，将 分成两半，其中必有一半与 的交非空，设法产生另一个椭球 ，使其包含着 的这一半，从而保证 。另一方面，又要求 的体积至多为 的 倍，随着迭代的进行，椭球的体积不断减少，逐步趋于0，但其中包含着 的点，最后可以得到不等式组的解 2.2.1 基本定义 仿射变换：Q为非奇异阵， 是n维列向量，称变换 为 的仿射变换 旋转变换：若仿射变换 满足 以及 ，则称它为旋转变换 单位球：称集合 为单位球 椭球： 是一个仿射变换，称 为一个椭球，可以得到 则令 ，返回2 2.3 Karmarkar算法 Karmarkar算法运用了求解非线性规划问题的思想来解决线性规划问题。这种算法是在把一般线性规划问题转化为Karmarkar所特有的标准型，再利用一种求解这种标准型的算法