1.5单纯形法及进一步讨论.pptVIP

人工变量法 退化 检验数的几种表现形式 单纯型法小结 5.1 人工变量法 因为人工变量是后加入到原约束条件中的虚拟变量 要求经过基变换将它们从基变量中逐个替换出来. 这表明： (1)加入人工变量的线性规划用单纯形方法得到的最优 解中，人工变量处在非基变量位置。（非退化 解中) (2)最优解中，人工变量可能在基变量中，但取值为 零，则可以求出原问题的最优解。（退化解中) （3)若最优解中（即在最终表中当所有cj-zj≤0）包含 有非零的人工变量，则原问题无可行解。 以下讨论如何解含有人工变量的线性规划问题。 1大M法 在一个线性规划问题的约束条件中加进人工变量后， 要求人工变量对目标函数取值不受影响； 为此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)， 这样目标函数要实现最大化时， 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。 大 M 法 1，当约束条件为“=”,且求极大值时， （1）在约束条件左端加入人工变量， （2）将目标函数变为 式中M为任意大的正数。 在迭代中，Z要达到极大化，（即σj=cj-zj≤0 ）时， xi (i=n+1,…,m)就会迅速出基. 2，约束条件为“≥”时，先减去剩余变量化为等式， 再加上人工 变量. 3，迭代中，人工变量一旦出基后，不会再入基， 所以当某个人工变量xk出基后，对应第k列的系数 可以不再计算，以减少计算量. 4，求极小值时，将目标函数变为 同理，Z要达到极小化， xi (i=n+1,…,m)就会 迅速出基。 （此时用cj-zj≥0来判别目标函数是否实现了最小化） 【例8 】 现有线性规划问题，试用大M法求解。 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. 见表1-6。 得到最优解是：x1=4,x2=1,x3=9，x4=x5=x6=x7=0；目标函数z=-2 2.两阶段法 用大M法解含有人工变量的线性规划问题时，若用计算机处理，只能用很大的具体数据来代替M,这就可能造成计算上的错误。 以下介绍求解含有人工变量线性规划问题的两阶段法。 两阶段法引入人工变量的目的和原则与大M法相同，将人工变量从基变量中换出，以求出原问题的最优解. 不同的是处理人工变量的方法。 两阶段法 【例9 】 试用两阶段法求解线性规划问题 5.3 检验数的几种表示形式 本书以max z=CX;AX=b,X≥0为标准型； 以cj-zj≤0，（j=1,2,…,n）为最优解的判别准则。 还有其他的形式。 为了避免混淆，现将几种情况归纳如下： 设x1,x2,…,xm为约束方程的基变量，于是可得 判别准则的选择 几种判别准则的汇总，表1-9。 （1）表中解为唯一最优解； （2）表中解为多重最优解之一； （3）该问题有无界解； （4）表中解为退化的基解； （5）表中解为不可行解； （6）尚未得到最优解,以x1代换x6. 5.4 单纯形法小结 (1)?根据实际问题给出数学模型; 加入松弛变量或剩余变量,进行标准化; 再加入人工变量,化为典式; 最后列出初始单纯形表。 表 1-10 (2) 对目标函数求max的线性规划问题，用单纯形法计算步骤的框图见图1-9。 例 用单纯形法求解线性规划问题 解： 无穷多最优解 X1=(3,3,0,4,0) X2=(4,2,0,0,5) Z*=18 由于表１中非基变量x5的检验数为０，若将其作为换入变量继续迭代，得表2． Z*=18 当最优解中某非基变量对应的检验数为0时，且它所在的列中各元素中至少有一个非负的，则问题有无穷多最优解。 最优解集为可行域两个顶点的凸组合：X*=αX1+(1-α)X2 (0≤α≤1) 例 用单纯形法求解线性规划问题 解： 表中σ20,但x2列数字为0，即x2的取值可无限增大而不受限制。由此目标函数值也可无限增大，说明问题的解无界。 当某步迭代中，进基变量对应的列中所有的分量皆非正时，问题为无界解。 无界解： 例、试用单纯形法求解下列线性规划问题： 解：引入松弛变量x3,x4化为标准型 0 0 2 2 0 Z 1 0 1 -1/2 2 X4 0 0 1 1 -1 1 X3 0 x4 x3 x2 x1 B XB C θ 2 2 0 0