运筹学07与对偶单纯形法 .ppt

对偶理论的基本定理 对称性 弱对偶性 最优性 对偶定理 互补松弛定理 原问题检验数 对偶问题基本解 原问题 对偶问题 max z =CX min ω=Yb  AX+ Xs =b YA-Ys=C  X, Xs ≥0 Y, Ys≥0  在原来的单纯形表中进行迭代时，前提要求右端项b≥ 0(基可行解)，迭代过程中在b列中得到的是原问题的基可行解，在检验数行得到的是对偶问题的基解。当检验数行也是对偶问题的基可行解时，原问题与对偶问题都得到最优解。 每次迭代时，将基变量中的负分量xs取出（换出变量）, 去替换非基变量中的xk，要求在所有检验数仍保持非正（对偶问题可行性）的前提下，进行基变换。从原问题来看，经过每次迭代, 原问题由非可行解往可行解更靠近，当原问题得到可行解时，便得到了最优解（原问题、对偶问题）。 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列的数值，若都为非负，并且检验数都为非正，则已得到最优解。停止计算；若b 列的数值至少还有一个负分量，检验数保持非正，那么进行计算。 令T={j|asj0} 当j?T时， asj ?0，从而?jnew= ?j-asj/ask?k 0，满足可行性。 当j?T时， ?jnew= ?j-asj/ask?k = as j[?j /asj- ?k /ask] 由于?j ，?k， ask ，asj均小于0，从而上述括号内的比值均大于0。 又由于asj0，为保证?jnew ?0， （ j?T） 故只要选取 * §6 对偶单纯形法 检验数性质：原问题检验数行对应其对偶问题的一个 基解, 关系如下: XB XN Xs 0 CN-CBB-1N -CBB-1 Ys1 - Ys2 -Y 设B是原问题的一个可行基, A=(B,N) max z=CBXB+CNXN min ω=Yb BXB+NXN+XS=b YB-Ys1=CB XB, XN，Xs≥0 YN-Ys2=CN Y, Ys1，Ys2≥0 YS=（YS1，YS2） 令Y=CBB-1，得 Ys1=0， -Ys2= CN-CBB-1N 检验数性质：原问题检验数行对应其对偶问题的一个 基解, 关系如下: XB XN Xs 0 CN-CBB-1N -CBB-1 Ys1 - Ys2 -Y 对偶单纯形法原理：根据对偶问题的对称性，保持对偶问题的解是基可行解，即cj-CBB-1Pj ≤ 0，同时取消对解答列元素非负的限制，在原问题非可行解的基础上, 通过逐步迭代得到基可行解，这样就得到了最优解。 其优点是原问题的初始解不一定要求是基可行解，可从非可行解开始迭代。简言之，不必引进人工变量寻找基底。 方法：设原问题 max z = CX AX = b X ≥ 0 设B是一个基，令B=(P1 ,P2 ,… ,Pm)，它对应的变量为 XB = ( x1 ,x2 ,… ,xm) 当非基变量都为零时，可以得到XB = B-1b。若在B-1b中至少有一个负分量，设(B-1b)i 0, 并且在单纯形表的检验数行中的检验数都为非正，即对偶问题保持可行解，它的各分量是 1、对应基变量x1，x2，… ，xm的检验数是 σi = ci – zi = ci - CB B-1Pi = 0，i = 1 ,2 , … ,m 2、对应非基变量xm+1，… ，xn的检验数是 σj = cj – zj = cj - C