第二章 线性筹划.pptVIP

§3.1 用MATLAB软件解线性规划范例 儡蛋仑梳撅盾瞻瘁恶坝锹洲锨踢鄂悔讼端受疯氨掀损庙纪埠厌摩释睛摇奶第二章 线性规划第二章 线性规划 §4 内点算法简介 圃账斑把矢湃浦柱怎距小稀转铣含印士循豫修抡茸丢茅纳迭绅稍哮悯翌涸第二章 线性规划第二章 线性规划 在1972年，V．Klee及G．Minty构造了一个例子现单存形算法的迭代次数是O(2n)，表明单纯形算法是一个指数级的算法，从而使得求解大规模问题的效率大大降低； 并且单纯形算法还有舍入误差的传播和积累问题，在病态情况下，可能使计算的结果失真。 疽畏惋彬斥构莱洋茹孙昨眷私君砌羡鸡杠礁具炕愈饶底迟化等剖尔粕忙槐第二章 线性规划第二章 线性规划 Karmarkar算法 1984年，贝尔实验室的印度籍数学家N.K.Karmarkar提出一个新的解线性规划问题的算法——Karmarkar方法。这种算法不同于单纯形算法， 每次迭代不是从一个极点出发求改进的极点，而是使迭代点保持在单纯形内部，因此， Karmarkar方法本质上是一种内点算法。 Karmarkar算法的描述是针对一种特殊形式的线性规划进行的，这种特殊形式的线性规划称为Karmarkar标准型： 并且 （1）点 对这个LP必须是可行的； （2）这个LP的最优 值等于0. 再掷值琶荆菱鼻方堕狱邵敏藐旅锁防走雹漓闰谗蝎烛黎胃恒犊萍揣巡伪嗜第二章 线性规划第二章 线性规划 任何LP都可以转换成Karmarkar标准型； Karmarkar方法使用投影几何学中的变换创建一组变换变量 。这个变换（称做 ）将始终在变换变量定义的空间中把当前点变换成可行域的“中心”。如果变化把点 变成了点 ，那么我们就记作 。这种算法首先在变换空间中从 开始沿着“良好”的方向移动。这将在变换空间汇总得到一个点 ，这个点接近于可行域的边界。我们的新点是满足 的 。这个过程将重复进行，直至 的 值充分接近0为止。 勋汤景恿钉凿心攒裤仁释掇剁月秩大古厚掸抠绝努里洛洞啸贫蚊咋粉阂挎第二章 线性规划第二章 线性规划 §5 案例分析 裕律处镁件插榨咕槐歌颧饥弱渊予金澎改兢醛绦妥钉留畜建桔瘩趟械登猎第二章 线性规划第二章 线性规划 规划问题 含义：如何合理地利用有限的人力、物力、财力等资源，以便得到最好的经济效果。 线性规划研究的主要问题 一类是已有一定数量的资源（人力、物质、时间等），研究如何充分合理地使用它们，才能使完成的任务量为最大。 另一类是当一项任务确定以后，研究如何统筹安排，才能使完成任务所耗费的资源量为最少。 实际上，上述两类问题是一个问题的两个不同的方面，都是求问题的最优解（ max 或 min ）。 特征（三要素） （1）决策变量：问题中的未知量 （2）目标函数：问题要达到的目标（最大或最小），表示为决策变量的线性函数 （3）约束条件：表示为含决策变量的一组互不矛盾的线性等式或线性不等式的函数约束和决策变量的非负约束 * * m≥n 可通过问题的对偶，使其化为mn的形式。 * 线性规划的求解是指求出最优解，或判断不存在最优解。 * 若n阶矩阵A的行列式不为零，即 |A|≠0，则称A为非奇异矩阵，否则称A为奇异矩阵。n 阶方阵 A 是非奇异方阵的充要条件是 A 为可逆矩阵，也即A的行列式不为零。 即矩阵（方阵）A可逆与矩阵A非奇异是等价的概念。 * 1 可行解与最优解： 最优解一定是可行解，但可行解不一定是最优解。 2 可行解与基解： 基解不一定是可行解，可行解也不一定是基解。 3 可行解与基可行解： 基可行解一定是可行解， 但可行解不一定是基可能解。 4 基本解与基可行解： 基可行解一定是基解， 但基解不一定是基可行解。 * * * * * * * 两个问题都有可行解，则他们都存在最优解，且他们的最优解的目标函数值相等 一个问题的有无界可行解，而另一个问题无可行解 两个问题均无可行解 * * * * * 物理学中的“分压定律”可叙述如下：“设有一种混合气体由n种气体组成。设混合气体的压强为p，所占总容积为V,各组成成分的压强及其所占容积分别为P1,P2,…,Pn及v1,v2,…,vn, * * * * ?对偶单纯形法 §1　对线性规划的回顾 基本思想是：从原规划的一个基本解出发，此基本解不一定可行，但它对应着一个对偶可行解（检验数非正），所以也可以说是从一个对偶可行解出发；然后检验原规划的基本解是否可行，即是否有负的分量，如果有小于零的分量，则进行迭代，求另一个基本解，此基本解对应着另一个对偶可行解（检验数非正