第五章节 单纯形法.pptVIP

第五章 单纯形法 5.1 线性规划求解的相关概念 一、相关定理 定理1 线性规划问题的可行解集S是凸集。 定理2 线性规划问题的基本可行解X对应于可行域S的顶点。也就是说，可行域的顶点就是线性规划问题的基本可行解。 定理3 若线性规划问题有最优解，它一定在其可行域的顶点上达到。 二、基本概念 单纯形法的基本思路：单纯形法也可以说是一种找凸集极点的计算方法，但它并不是要求去计算所有的极点，而是从凸集的一个初始解出发，沿凸集的边缘逐个验算所遇到的极点，直到找到使目标函数最优的极点为止。 初始可行解:第一个找到的可行域的顶点。 三、单纯形法试算程序框图（见图5—1） 5.2 线性规划模型的变换 一、线性规划模型标准型的特点 ⑴目标函数是求极大值或极小值； ⑵所有的变量都是非负的； ⑶除变量的非负约束外，其余的约束条件都是等式约束； ⑷每个约束方程右边的常数都是非负的 。 二、线性规划模型的变换 根据线性规划模型约束条件的不同，将其划分为三种类型： 1.“≤”类型的约束条件的变换 变换的方法：在不等式中增加一个额外的变量，称为松弛变量，以S表示之。松弛变量在约束方程中的系数为1，在目标函数中的系数为0，所以它的引入并不影响目标函数值。 松弛变量即表示作为决策限制条件的某种有限资源未被利用的部分。 2．“≥”类型的约束条件的变换 变换的方法：引入剩入变量及人工变量，以S和A表示。 剩余变量在约束方程中的系数为-1，在目标函数中的系数为0，人工变量在约束方程中的系数为1，在目标函数中的系数为是一任意大正数，以M表示之。在求最大值的目标函数中，M取负号；在求最小值的目标函数中，M取正号。 剩余变量一般用来表示决策要求的某一最低标准超过要求的量，人工变量仅为了单纯形法在运算上方便，无其它特殊意义。 3．“=”类型的约束条件 变换的方法：引入人工变量，人工变量在约束方程中的系数为1，在目标函数中的系数为任意大的正数M。在求最大值的目标函数中，M取负号；在求最小值的目标函数中，M取正号。 三、模型变换方法归纳 单纯形法 1.单纯形法的基本思想 从一个初始的基本可行解出发，沿着不断改进目标函数值的方向进行迭代，经过若干基本可行解，直到得出最优解。 计算顺利进行的保证条件： 最优性条件：它保证每次变动不会得到更差的解 可行性条件：它保证每次变动仍是基本可行解 可行域是不变的 2.单纯形法的计算步骤 将线性规划问题转化为标准型 编制初始单纯行表 判别基本可行解是否为最优 找出“换入”或“换出”变量，以便进行换基 先找出主元行与主元列：对于求极大值问题，取Cj-Zj为正数且最大者所在的列为主元列，取bi/aij为正数且最大者所在的行为主元行，主元行与主元列之交点元素称为主元素，在右上方记“*”主元素正上方对应的变量为“换入”变量，主元素左边对应的基变量为“换出”变量。 修正单纯形表 运算规则：新行主元行元素=旧行元素/主元素 其他新行元素=旧行元素-交点元素*新主元行相应元素【交点元素指该行与主元列之交点元素】 对新基本可行解进行判别，是否达到最优，是则停；否则继续上述程序 线性规划模型的一般形式： 线性规划一般形的标准型： 一般型的初始单纯形表： 例1 求max Z=7x1+10x2 满足 7x1+7x2≤49 10x1+5x2≤50 x1，x2≥0 用单纯形法求解。 例2 第2章例1中我们得线性规划模型为： 目标函数：max Z = 50x1+100x2 满足 x1 + x2 ≤300 2x1 + x2 ≤400 x2 ≤250 x1，x2 ≥0 用单纯形法求解。 本题模型的标准型为： 求max Z=50x1+100x2+0·S3+0·S4+0·S5 满足 x1+x2+ S3 =300 2x1+x2 +S4 =400 x2 +S5 =250 x1，x2，S3，S4，S5≥0 3.人工变量法 用单纯形法求最小值问题，与求最大值问题类似，其区别在于判别数为零或者正值，即Cj-Zj≥0时得到最优解，在决定“换入”及“换出”变量时，取Cj-Zj为负且绝对值最大者为主元列，其余步骤同求最大值问题。 这种求线性规划的方法，称为“人工变量法”或称为“大M”法，这就是当一个 线性规划问题在增加了松弛变量后 仍不能提供基本可行解时，需要采用“人工变量”来获得一个初始的基本可