运筹学线性规划.pptVIP

线性规划问题的基与解 可行解：满足约束条件②、③的解为可行解。所有可行解的集合为可行域。 最优解：使目标函数达到最大值的可行解。 基：设A为约束条件②的m×n阶系数矩阵(mn)，其秩为m，B是矩阵A中m阶满秩子矩阵（∣B∣≠0），称B是规划问题的一个基。设： 称 B中每个列向量Pj ( j = 1 2 … … m) 为基向量。与基向量Pj 对应的变量xj 为基变量。除基变量以外的变量为非基变量。 线性规划问题的基与解 基本解：某一确定的基B，令非基变量等于零，由约束条件方程②解出基变量，称这组解为基本解（基解）。在基解中变量取非0值的个数不大于方程数m，基解的总数不超过 基本可行解：满足变量非负约束条件的基本解，简称基本可行解（基可行解）。 最优基本可行解：满足条件①的基本可行解叫最优基本可行解。 可行基：对应于基可行解的基称为可行基。 基本最优解、最优解、基本可行解、基本解、可行解的关系: 非可行解 可 行 解 基本解 基本可行解 最优基本可行解 最优解 注：可行解不一定是基本可行解 当最优解惟一时，最优解亦是基本最优解，当最优解不惟一时，则最优解不一定是基本最优解。 线性规划问题的基与解 例5：求线性规划问题的所有基矩阵。 解: 约束方程的系数矩阵为2×5矩阵 r(A)=2，2阶子矩阵有10个，其中基矩阵只有9个，即 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。 凸集 凸集 不是凸集 顶 点 单纯形法基本原理 定理1：若线性规划问题存在可行解，则该问题的可行域是凸集。 定理2：线性规划问题的基本可行解X对应可行域(凸集)的顶点。 定理3：若问题存在最优解，一定存在一个基本可行解是最优解。（或在某个顶点取得） 启示 基本可行解一定是极点，但并非一一对应， 可能两个或几个基本可行解对应于同一极点(退化基本可行解时)。 若线性规划问题有最优解，则必有基本最优解，且若最优解惟一，则最优解只能在某一极点上达到；若具有多重最优解，则最优解是某些极点的凸组合，从而最优解是可行解集的极点或界点，不可能是可行解集的内点。 若线性规划的可行解集非空且有界，则一定有最优解；若可行解集无界，则线性规划可能有最优解，也可能没有最优解；若线性规划具有无界解，则可行域一定无界。 寻求最优解可不在无限个可行解中去找，而是去有限个基本可行解中去找。 单纯形法的计算步骤 单纯形法的思路 找出一个初始可行解 是否最优 转移到另一个基本可行解 （找出更大的目标函数值） 最优解 是 否 循 环 核心是：变量迭代 结束 单纯形法的计算步骤 基本思路： 1、化为线性规划的标准型 2、确定初始基本可行解 3、进行最优性检验 4、若不是最优解，则进行基本换，确定入基变量以及出基变量，重复直到所有的最优检验数=0。 单纯形法的计算步骤 单纯形表 单纯形法的计算步骤 例1.8 用单纯形法求下列线性规划的最优解 解：1）将问题化为标准型，加入松驰变量x3、x4则标准型为: 单纯形法的计算步骤 2）求出线性规划的初始基本可行解，列出初始单纯形表。 cj 3 4 0 0 θi cB 基 b x1 x2 x3 x4 0 x3 40 2 1 1 0 0 x4 30 1 3 0 1 3 4 0 0 检验数 单纯形法的计算步骤 3）进行最优性检验 如果表中所有检验数 ，则表中的基可行解就是问题的最优解，计算停止。否则继续下一步。 4）从一个基可行解转换到另一个目标值更大的基本可行解，列出新的单纯形表 确定换入基的变量。选择 ，对应的变量xj作为换入变量，当有一个以上检验数大于0时，一般选择最大的一个检验数，即： ，其对应的xk作为换入变量。 确定换出变量。根据下式计算并选择θ ，选最小的θ对应基变量作为换出变量。 单纯形法的计算步骤 用换入变量xk替换基变量中的换出变量，得到一个新的基。对应新的基可以找出一个新的基本可行解，并相应地可以画出一个新的单纯形表。 5）重复3）、4）步直到计算结束为止。 M阶单位矩阵： 假设已找到线性规划问题的一个可行基B,不妨设B是由矩阵A的前m列组成,即B=（P1，P2，…，Pm），此时可将约束方程组等价变换为： X1+a’1m+1xm+1+…+a’1nxn=b’1 X2+a’2m+1xm+1+…+a’2nxn=b’2 … Xm+a’mm+1xm+1+…+a’mnxn=b’m 在线性规划标准化过程中设法得到一个m阶单位矩阵I作为初始可行基Ｂ， 最优性检验 最优性检验 基本可行解X(0)=(b’1，b’2，…，b’