运筹学对与偶单纯形法 .ppt

§6 对偶单纯形法 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xl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|alj0} 当j?T时， alj ?0，从而?jnew= ?j-al j/al k?k 0，满足可行性。 当j?T时， ?jnew= ?j-al j/al k?k = al j[?j /al j- ?k /al k] 由于?j ，?k， al k ，al j均小于0，从而上述括号内的比值均大于0。 又由于alj0，为保证?jnew ?0， （ j?T） 故只要选取 * 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, 通过逐步迭代达到基可行解，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 - CB B-1Pj ? 0，j = m+1 , … ,n 注意： 1. 对偶单纯形法不是解对偶问题的单纯形法，而是应用对偶原理求解原问题最优解的一种方法。当然，当求解得到原问题的最优解的同时，也就得到对偶问题的最优解。 2.在具体计算中，不另外构造单纯形表格，而是在原始问题的单纯形表格基础上进行对偶处理。 (3) 确定换入变量： 检查xl所在行的各系数alj(j = 1,2,…,n)。 若所有的 alj?0,则无可行解，停止计算。 (2) 先确定换出变量：若 min{(B-1b)i|(B-1b)i 0} = (B-1b)l 对应的基变量xl为换出变量。（实际上，可取任何一个取负值的基变量作为换出变量。取最小的含义是尽快） 若存在alj 0,(j = 1,2,…,n)，计算 按θ规则所对应的非基变量xk为换入变量(保持对偶问题解的可行性)。 (4) 以alk为主元素，进行迭代，即进行矩阵行变换。得新的单纯形表。重复（1）-（4）步，直到求出最优解为止。 为什么要用下式来确定换入变量呢？原因如下： 第l行变成： 行变换将Pk变成单位向量，因为bl0，一定要求bl/alk?0, 要选主元素alk0。 检验数变成（行变换） 要保证可行性，就要有?jnew ?0，j=1,…,n ) , , 1 , , , 0 , , 0 , 1 , ... 0 , , 0 , ( ln 1 lk lk lm lk lk l a a a a a a b L L L L + ) , , 0 , , , 0 , , 0 , , 0 , , 0 ( ln 1 1 k lk n k lk lm m lk k a a a a a s s s s s - - - + + L L