第1章 线性规划与单纯形法-第5节-2007-8.ppt

第5节 单纯形法的进一步讨论 5.1 人工变量法 5.2 退化 5.3 检验数的几种表示形式 5.1 人工变量法 设线性规划问题的约束条件为 其中没有可作为初始基的单位矩阵，则分别给每一个约束方程加入人工变量xn+1,…,xn+m，得到 1)以xn+1,…，xn+m为基变量，并可得到一个m×m单位矩阵。令非基变量x1,…,xn为零，便可得到一个初始基可行解X(0)=(0,0,…,0,b1,b2,…,bm)T 2)把人工变量经基变换从基变量中逐个替换出来，直到基变量中不含有非零人工变量，则原问题有解 3)若在最终表中当所有cj-zj≤0，而在其中还有某个非零人工变量，这表示原问题无可行解。 如何解含有人工变量的线性规划问题? 1大M法 假定人工变量在目标函数中的系数为(-M)(M为任意大的正数)， 因此，要实现最大化时，必须把人工变量从基变量换出。否则目标函数不可能实现最大化。 例8 现有线性规划问题，试用大M法求解。 解 在上述问题的约束条件中加入松弛变量x4，剩余变量x5，人工变量x6,x7，得到 因本例的目标函数是要求min，所以用所有cj-zj≥0来判别目标函数是否实现了最小化.用单纯形法进行计算时，见表1-6。 在表1-6的最终计算结果表中，表明已得到最优解是：x1=4,x2=1,x3=9，x4=x5=x6=x7=0；目标函数z=-2 第一阶段： 不考虑原问题是否存在基可行解；给原线性规划问题加入人工变量，并构造仅含人工变量的目标函数和要求实现最小化。如 第一阶段求解 用单纯形法求解上述模型，若得到ω=0，这说明原问题存在基可行解，可以进行第二段计算。 否则原问题无可行解，应停止计算。 第二阶段： 将第一阶段计算得到的最终表，除去人工变量。将目标函数行的系数，换原问题的目标函数系数，作为第二阶段计算的初始表。各阶段的计算方法及步骤与第3节单纯形法相同。 解 先在上述线性规划问题的约束方程中加入人工变量，给出第一阶段的数学模型为： 第一阶段用单纯形法求解，见表1-7。求得的结果是ω=0，得到最优解是x1=0,x2=1,x3=1,x4=12,x5=x6=x7=0 因人工变量x6=x7=0，所以(0，1，1，12，0)T是这线性规划问题的基可行解。 于是可以进行第二阶段运算。将第一阶段的最终表中的人工变量取消填入原问题的目标函数的系数。进行第二阶段计算，见表1-8。 表 1-17 第二阶段计算，见表1-8 5.2 退化 单纯形法计算中用θ规则确定换出变量时，有时存在两个以上相同的最小比值，这样在下一次迭代中就有一个或几个基变量等于零，这就出现退化解。 这时换出变量xl=0，迭代后目标函数值不变。这时不同基表示为同一顶点。有人构造了一个特例，当出现退化时，进行多次迭代，而基从B1,B2，…又返回到B1，即出现计算过程的循环，便永远达不到最优解。 尽管计算过程的循环现象极少出现，但还是有可能的。如何解决这问题? 先后有人提出了“摄动法”，“字典序法”。1974年由勃兰特(Bland)提出一种简便的规则，简称勃兰特规则： (1) 选取cj-zj＞0中下标最小的非基变量xk为换入变量，即 k=min(j｜cj-zj＞0) (2) 当按θ规则计算存在两个和两个以上最小比值时，选取下标最小的基变量为换出变量。 按勃兰特规则计算时，一定能避免出现循环。证明可参考文献[4] 5.3 检验数的几种表示形式 目标函数: max z=CX;AX=b,X≥0 cj-zj≤0，（j=1,2,…,n）作为最优解的判别准则。 还有其他的几种情况归纳如下: 将它们代入目标函数后，可有两种表达形式 判别准则的选择 要求目标函数实现最大化时，若用(1-37)式来分析，就得到cj-zj≤0,（j=1,2，…,n）的判别准则。若用(1-38)式来分析，就得到zj-cj≥0,（j=1,2,…,n）的判别准则。 在要求目标函数实现最小化时，可用(1-37)式或(1-38)式来分析，这时分别用cj-zj≥0或zj-cj≤0，（j=1,2,…,n）来判别目标函数已达到最小。 可按自己的习惯选用。 几种判别准则的汇总，表1-9。 * 这就是下面的内容！ 这里M是一个任意大的正数。 表1-6 基变量 2.两阶段法 例9 试用两阶段法求解线性规划问题 从表1-8中得到最优解为x1=4,x2=1,x3=9, 目标函数值 z=-2. 设x1,x2,…,xm为约束方程的基变量，可得 *