3运筹学第二章节2008.ppt

运筹学基础 例一 一个问题？ 二、对称形式下对偶问题的一般形式 三、非对称形式的原对偶问题关系 对偶规则 —— 变量、约束与系数 对偶规则—— 变量与约束对应关系 第二节 对偶问题的基本性质 第二节 对偶问题的基本性质 对偶定理的证明 第四节 对偶单纯形法 设原问题为 max z=CX AX=b X≥0 又设B是一个基。不失一般性，令B=（P1,P2,…,Pm）,它对应的变量为 XB=(x1,x2,…,xm) 当非基变量都为0时，可以得到XB=B-1b.若B-1b中至少有一个负分量，设（B-1b）I0,并且在单纯形表的检验数行中得检验数都为非正，即对偶问题保持可行解。 每次迭代是将基变量中的负分量xl取出，取替换非基变量中的xk,经基变换，所有检验数仍保持非正，从原问题来看，经过每次迭代，原问题由非可行解往可行解靠近，当原问题得到可行解时，便得到了最优解。 对偶单纯形法的计算步骤： （1）根据线性规划问题，列出初始单纯形表。检查b列的数字，若都为非负，检验数都为非正，则得到了最优解。停止计算。若检查b列的数字时，至少还有一个负分量，检验数保持非正，那么进行下一步计算。 （2） 确定换出变量按 对应的基变量xl为换出变量。 对偶单纯形法优点 初始解可以是非可行解，当检验数都为负数时，就可以进行基的变换，这时不需要加入人工变量，因此可以简化计算。 当变量多余约束条件，对这样的线性规划问题，用对偶单纯形法可以减少计算的工作量。因此对变量较少而约束条件很多的线性规划问题，可以先将它变为对偶问题，然后用对偶单纯形法求解。 在灵敏度分析中,有时需要用对偶单纯形法，可使问题的处理简化。对偶单纯形法的局限性主要是对大多数线性规划问题，很难找到一个初始可行基，因而这方法很少单独使用。 第五节 灵敏度分析 当线性规划问题的系数发生变化时，最优解一般要发生变化，主要有以下几种情况： 一、目标函数中价值系数cj的变化分析 可以分别就cj时对应的非基变量和基变量两种情况来讨论。 ? (2)若cr是基变量xr的系数。因cr∈CB,当cr变化Δcr时，就引起CB的变化，这时 (CB+ΔCB)B-1A=CB B-1A+(0,…, Δcr,…,0) B-1A = CB B-1A+Δcr(ar1,ar2,…,arn) 可见当cr变化Δcr时，最终表中的检验数是 σj’=cj - CBB-1A-Δcjarj’,j=1,2,…,n 二、资源数量bj变化的分析 资源数量变化是指系数br发生变化，即br’=br+Δbr.并假设问题的其它系数都不变。这样使原问题的解变为 XB’=B-1(b+Δb) 这里Δb=（0，…，Δbr，0，…，0）T.只要XB’ ≥0，最终表的检验数不变，则最优基不变，但最优解的值发生了变化，所以XB’为新的最优解。 新的最优解的值可允许变化的范围用以下方法确定。 三、 技术系数aij的变化 分两种情况来讨论技术系数aij的变化。 例题见P70 灵敏度分析是指对系统或事物因周围条件变化显示出来的敏感程度的分析。 当线性规划问题的系数发生变化时，最优解一般要发生变化，主要有以下几种情况： 表中的解仍然为最优解 用单纯形法继续迭代求最优解 用对偶单纯形法迭代求最优解 引进人工变量，编制新的单纯形表，求最优解 可 行 解 非可行解 可 行 解 非可行解 可 行 解 可 行 解 非可行解 非可行解 结论或继续计算的步骤 对偶问题 原问题 第五节 灵敏度分析 灵敏度分析是指对系统或事物因周围条件变化显示出来的敏感程度的分析。 （1） 若cj是非基变量xj的系数，这时他在计算表中所对应的检验数是 当cj变化Δcj时，要保证最终表中这个检验数仍然小于或等于零，即 σj’=cj+Δcj- CBB-1Pj≤0 那么cj+Δcj≤YPj,即Δcj的值必需小于或等于YPj-cj,才可以满足原最优解条件，这可以确定Δcj的变化范围了。 下面就各种情况分别进行讨论。 若要求原最优解不变，即必需满足σj’≤0。于是得到 当arj’0，Δcr≤σj/a rj’ arj’0，Δcr≥σj/a rj’ j=1,2,…,n Δcr可变化的范围是 例题见书P64 B-1(b+Δb)= B-1b+ B-1Δb = B-1b+ B-1