第02章 线性规划对偶理论和灵敏度分析-运筹学.pptVIP

2002-03-01 2002ZLZK-PM-KICKOFF 运筹学方法及其应用 原始问题 max z=CX s.t. AX≥b X ≥0 原问题与对偶问题的关系 对偶问题的基本性质 (弱对偶定理) 3、最优性 若原问题的某个可行解X0的目标函数值与对偶问题某个可行解Y0的目标函数值相等，则X0, Y0分别是相应问题的最优解 证：由弱对偶定理推论1，结论是显然的。 即CX0 = Y0b ? CX, Y0b = CX0 ? Yb 。 证毕。 6、互补松弛性 证：由定理所设，可知有 A X0 + U0 = b X0, U0 ?0 (1) Y0 A ? V0 = C Y0, V0 ?0 (2) 分别以Y0左乘(1)式，以X0右乘(2)式后，两式相减，得 Y0 U0 + V0 X0 = Y0 b ? C X0 若 Y0 U0 + V0 X0 = 0，根据最优解判别定理， X0, Y0分别是原问题和对偶问题最优解。反之亦然。 证毕。 我们前面介绍的一般单纯形法，是从“可行”(右端项非负）开始，逐步地迭代运算，直到得出最优解。而应用对偶规划的性质，可以找到一种求解线性规划的新方法——对偶单纯形法。对偶单纯形法则是从“不可行”(右端项含负）开始，在保持最优性之下逐步迭代，直到不可行变为可行，即得到可行最优解为止。当对偶问题的约束条件的数目较原问题为少时，应用对偶单纯形法求解较为方便。 ① 单纯形表检验数行全部非正（对偶可行） ② 变量取值可有负数（非可行解） 对偶单纯形法与原始单纯形法内在的对应关系 最优单纯形表 设 cs 变化为 cs + ?cs ，那么 ?j’= cj -∑ cri arij - ( cs + ?cs ) asj = ?j - ?cs as， i≠s 观察所有非基变量：对于极小化问题，只要对所有非基变量 ?j’≥0 ，即 ?j’≥ ?cs asj ，则最优解不变；否则，将最优单纯形表中的检验数?j 用 ?j’取代，继续单纯形法的表格计算。 Max{?j / asj?asj 0 }≤?cs≤Min{ ?j / asj?asj 0 } 2．基变量的系数发生变化 蹲名幸苦挚禁贸邓阉味阅咳跺倒珐揖淀娟码烩裹禁毛船哨篱伍疥阀些揩皿第02章 线性规划的对偶理论与灵敏度分析-运筹学第02章 线性规划的对偶理论与灵敏度分析-运筹学 下表为最优单纯形表（考虑基变量系数c1发生变化） -3 +Δc1 ≤0 -5 - 4Δc1 ≤0 -1 + Δc1 ≤0 最优解不变 2．基变量的系数发生变化 可得到 -5/4 ≤ΔC1 ≤1 时，原最优解不变。最优值将会出现相应的变化。 垄堰蚜爪乏佐比栅娶勺栓坡米瞧妆棘盟耐凰换闪氢纹丸甸旅迈放绿饭呜除第02章 线性规划的对偶理论与灵敏度分析-运筹学第02章 线性规划的对偶理论与灵敏度分析-运筹学 用图解法求出： Y*=（1 . 3）， W=11。 将y*1=1， y*2=3 代入对偶约束条件， （1）（2）（5）式为紧约束，（3）（4）为松约束。 令原问题的最优解为X* = （x1.x2.x3.x4.x5），则根据互补松弛条件，必有x3 = x4 =0 (1 . 3) （1） （2） （3） （4） （5） 换秆必赡恒斜展悟责四淄畴蒲悠辕恶淫篓嚣券庙壮附荷渺载擅筷啡忠谈漏第02章 线性规划的对偶理论与灵敏度分析-运筹学第02章 线性规划的对偶理论与灵敏度分析-运筹学 又由于y*1＞0， y*2 ＞0，原问题的约束必为等式，即 化简为 此方程组为无穷多解 令x5 =0,得到x1=1，x2=2 即X*1 =（1.2.0.0.0）为原问题的一个最优解，Z=11。 再令 x5 =2/3，得到x1=5/3，x2=0 即X*2 （5/3.0.0.0.2/3）也是原问题的一个最优解，Z=11。 披箭嗅雏褂颖聂乒禾袁怪肝凄月专练爵矢坠伸铁姜碌杭砚悍嚼引惋连襄职第02章 线性规划的对偶理论与灵敏度分析-运筹学第02章 线性规划的对偶理论与灵敏度分析-运筹学 例2.10 max z=2x1+3x2+0x3+0x4+0x5 2x1+2x2+x3 =12 y1 4x1 + x4 =16 y2 5x2+ x5=15