运筹学单纯形法课件.pptVIP

单纯形法 单纯形法的引入 单纯形法的基本原理 单纯形法的迭代步骤与解的讨论 初始可行基的求法 单　纯　形　法 单纯形法(Simplex Algorithm)是求解线性规划问题的基本方法之一，它是美国学者（G.B.Dantzig)在１９４７年提出来的，１９５３年，他又提出了改进单纯形法．１９５４年，（Ｂeale)提出了对偶单纯形法，随后又出现了原始－对偶单纯形法，使单纯形法更为完善． 单纯形法的引入 下面通过一个计算实例引入单纯形法 例１求解（ＬＰ）问题 问题的标准形式为 约束方程的系数矩阵为 因为　　　　　　　线性无关，故可以作为一个初始基：　　　　　　　 　　　　　　　 令非基变量 则得到初始基可行解 对应的目标函数值 这个初始可行解表示：工厂没有安排生产产品甲、乙，因此 三种资源都没有利用，工厂的利润指标 最优性检验： 基本可行解 是最优解吗？显然不是。应寻找更好的解。从问题的数学角度分析，在典式（2.2）的目标函数中，非基变量X1，X2前的系数都为正，表明目标函数值有增加的可能。只要将目标函数中系数为正的某非基变量与某一基变量地位对换。 单纯形法 换基迭代： 进行换基就是要从非基变量中选一个变量入基，再从基变量中选一个变量出基。并且换基后仍需满足： 1、新的解仍是基本可行解； 2、目标函数值将得到改善。 单纯形法的基本原理 例1将线性规划问题化为典式,并列初始单纯形表 取初始可行基 此时问题已是关于基 的典式，故可直接作初始单纯形表 2、两阶段法——第II 阶段 ? X5 X4 X3 X2 X1 解B-1b 基XB 3/2 0 3 0 0 检验数 ?j 3/2 1/2 0 2/3 0 1 1 X1 9 0 0 1/3 1 0 3 X2 --- -1/2 1 0 0 0 0 X4 ? X5 X4 X3 X2 X1 解B-1b 基XB -3/4 0 0 0 -9/2 检验数 ?j 3/4 0 1 0 3/2 3/2 X3 -1/4 0 0 1 -1/2 5/2 X2 -1/2 1 0 0 0 0 X4 单纯形法中的几个问题 目标函数极小化时，解的最优判别：?j ≥ 0 退化一个或几个基变量等于零，一个简单易行的避免退化的方法是1974年由勃兰德（Bland）提出的Bkand 法则。 无可行解的判别： 在采用人工变量求解线性规划问题得到最优解时，如果基变量中仍含有非零人工变量，则原问题无可行解。 对上述模型求解（单纯形法），若W=0,说明问题存在基本可行解，可以进行第二个阶段；否则，原问题无可行解，停止运算。 第二阶段：在第一阶段的最终表中，去掉人工变量，将目标函数的系数换成原问题的目标函数系数，作为第二阶段计算的初始表（用单纯形法计算）。 例： 第一阶段 0 0 1 0 -3 -1 6 4 -Z 1 1 0 0 0 1 0 -2 1 x7 1 3/2 0 1 -1 0 2 1 -4 3 x6 1 11 0 0 0 1 1 -2 1 11 x4 0 x7 x6 x5 x4 x3 x2 x1 b xB cB 1 1 0 0 0 0 0 cj 3 0 1 0 0 -1 0 1 -Z － 1 0 0 0 1 0 -2 1 x3 0 1 -2 1 -1 0 0 1 0 1 x6 1 － -1 0 0 1 0 -2 3 10 x4 0 1 1 0 0 0 0 0 0 -Z 0 0 0 0 1 0 -2 1 x3 0 -2 1 -1 0 0 1 0 1 x2 0 -5 2 -2 1 0 0 3 12 x4 0 1 0 0 0 -1 -2 -Z － 0 0 1 0 -2 1 x3 1 － -1 0 0 1 0 1 x2 1 4 -2 1 0 0 3 12 x4 0 x5 x4 x3 x2 x1 b xB cB 0 0 1 1 -3 cj 1/3 1/3 0 0 0 2 -Z -4/3 2/3 1 0 0 9 x3 1 -1 0 0 1 0 1 x2 1 -2/3 1/3 0 0 1 4 x1 -3 第二阶段 ∴最优解为（4 1 9 0 0），目标函数 Z = -2 6、无可行解的判断：运算到检验数全负为止， 仍含有人工变量，无可行解。 8、退化： 即计算出的θ（用于确定换出变量）存在有两个以上相同的最小比值，会造成下一次迭代中由一个或几个基变量等于零，这就是退化（会产生退化解）。 虽任意换出变量，目标函数值不变，但