运筹学第与2讲：图解法及单纯形法基本概念 .pptVIP

第2讲：图解法及单纯形法基本概念 浙江工业大学经贸管理学院 曹柬 一、图解法： 二、LP模型解的几种情况 三、单纯形法的几个基本概念 四、几个基本定理 * * 确定直角平面坐标系，图示非负约束条件 图示约束条件，找出可行域 图示目标函数，确定最优解 max z = 2 x1 + x2 s.t. x1 + x2 ≤ 5 6 x1 + 2x2 ≤ 24 5x2 ≤ 15 x1 , x2 ≥ 0 例1： 运筹学 第2讲：图解法及单纯形法基本概念 图解法仅适于两个变量的LP模型 从图解法中可以看出LP模型的解的情况 一、惟一最优解 二、无穷多最优解 三、无界解 四、无可行解 运筹学 第2讲：图解法及单纯形法基本概念 min z = 2 x1+3 x2 s.t. x1 + x2 ≥ 350, x1 ≥ 125 2 x1 + x2 ≤ 600, x1 ≥0 ， x2 ≥0 。 x1 x2 600 600 100 100 300 300 x1 =125 2 x1+ x2 = 600 x1+ x2 =350 解线性方程组 x1+ x2 =350 2 x1+ x2 = 600 得最优解 x1 = 250 x2 = 100 最优值 z= 800 可行域 例2： Z=2x1+3x2 惟一最优解 运筹学 第2讲：图解法及单纯形法基本概念 A max z = x1 + x2 s.t. x1 + x2 ≤ 5，2x1 + x2 ≤ 8 5x2 ≤ 15， x1 , x2 ≥ 0 无穷多最优解 x1 x2 6 6 1 1 3 3 x1+ x2 =5 2x1+ x2 =8 5x2 =15 可行域 z = x1 + x2 A B 线段AB上的任意一点都是模型的解 例3： 运筹学 第2讲：图解法及单纯形法基本概念 max z = x1 + x2 s.t. -2x1 + x2 ≤ 2，x1 - 3x2 ≤ 3 x1 , x2 ≥ 0 无界解 x1 x2 6 6 1 1 3 3 -2x1 + x2 =2 z = x1 + x2 可行域伸展到无穷，则z也可增大到无穷，即最优解无界 x1 - 3x2 = 3 可行域 运筹学 第2讲：图解法及单纯形法基本概念 例4： 原因为模型中缺乏必要的约束条件 max z = x1 + x2 s.t. x1 + x2 ≤ 2，2x1 + 2x2 ≥ 6 x1 , x2 ≥ 0 无可行解 x2 x1 3 3 1 1 2 2 x1 + x2 =2 不存在满足所有约束条件的可行域，即解无可行域，模型无解 2x1 + 2x2 =6 例5： 运筹学 第2讲：图解法及单纯形法基本概念 原因是约束条件之间有矛盾 无界解：LP模型存在可行域，模型有解，但解无界，趋于无穷，即无最优解 无可行解(无解)：LP模型不存在可行域，模型无解。 运筹学 第2讲：图解法及单纯形法基本概念 可行解、可行域、最优解、最优值 （P11） 运筹学 第2讲：图解法及单纯形法基本概念 基(阵)（P14） 基向量、基变量、基变矢、非基变量、非基变矢（P14） 基解、基可行解、可行基 （P14） 例6： 运筹学 第2讲：图解法及单纯形法基本概念 将原模型改为标准型： max z = 3 x1 + 5x2 s.t. x1 ≤ 8 2x2 ≤ 12 3x1 + 4x2 ≤ 36 x1 , x2 ≥ 0 其中，x3, x4, x5为松弛变量 max z = 3 x1 + 5x2 + 0x3 + 0x4 + 0x5 s.t. x1