4-1单纯形法的基本思路与原理.docVIP

授课时间 2011年9月19日第四周星期一第三大节 授课地点 4506 实到人数 授课题目 单纯形法的基本思路和原理 授课专业 班级 国贸2009107、2009108 教学目的 与 教学要求 掌握单纯形法的基本思路 掌握最优性检验的原理与方法 掌握基变换的原理 主 要 内 容 单纯形法的思路 初始基本可行解的概念 初始基本可行解的求法 最优性检验 基变换 重点与难点 单纯形法的思路与原理 检验数的概念 基变换的概念 教学方法 手段（教具） 多媒体、板书 参考资料 《运筹学》，运筹学教材组，清华大学出版社，2005 《运筹学教程》，胡运权、 郭耀煌，清华大学出版社，2007 《管理运筹学》，刘洪伟，科学出版社，2010 课后作业与 思考题 教学后记 教学过程 约束于 或矩阵形式 max　Z＝ＣTＸ 约束于 这里： X＝（ｘ1，ｘ2，……，ｘn）T C＝（ｃ1，ｃ2，……，ｃn）T b＝（ｂ1，ｂ2，……ｂm）T 我们称A为约束方程组的系数矩阵，X为决策向量，b为限定向量，C为价值向量。 （2）基本思路 从线性规划的一个基本可行解（可行域顶点）开始，检验它是否为最优解，如果是最优解，计算停止；如果不是最优解，那么或者可以判定线性规划无有界最优解，或者根据一定步骤得出使目标函数值增大的另一个基本可行解。由于基本可行解的个数有限，所以总可以通过有限次迭代，得到线性规划的最优基本可行解，或判定线性规划无有界最优解。 2、初始基本可行解 （1）可行解 对标准线性规划 ｍａｘ　Ｚ＝ＣTＸ 约束于 若Ｘ满足ＡＸ＝ｂ，Ｘ≥０，则Ｘ称为线性规划的一个可行解。全体可行解的集合 Ｒ＝｛Ｘ｜ＡＸ＝ｂ，Ｘ≥０｝ 称为线性规划的可行域。 若Ｘ*∈Ｒ，且ＣTＸ*≥ＣTＸ对一切Ｘ∈Ｒ成立，则称Ｘ*为线性规划的最优解。 （2）基本可行解 约束方程组系数矩阵Ａ是ｍ×ｎ阶矩阵，设其秩为ｍ，即ｍ个线性方程组线性无关，并设ｍ＜ｎ，这时线性规划的可行解不是唯一的，而是有无穷多个。由于Ａ的秩为ｍ，故Ａ有一个ｍ×ｍ阶非奇异子矩阵Ｂ，它由Ａ的ｍ个线性独立的列向量组成，我们称Ｂ为线性规划的一个基，将Ｂ的ｍ个列向量对应的ｍ个变量称为基变量，其余ｎ－ｍ个变量称为非基变量。令非基变量全部为零，由约束方程组可唯一解出全部基变量，这样得出的一个解，称为线性规划的一个基本解。 可见，基本解中非零元素的个数不超过ｍ，它的非零元素对应的系数矩阵的列向量线性无关。有一个基，就有对应的基本解，线性规划的基本解与基一一对应。但应该注意：非零元素的个数不超过ｍ的解未必是基本解。 若基本解又满足非负条件，则它被称为基本可行解。当基本可行解中非零元素的个数小于ｍ时，此基本可行解被称为是退化的。我们以后只讨论非退化的情形，换句话说，以后我们碰到的基本可行解中，都恰好有ｍ个正元素。 例如，我们设矩阵Ａ的前ｍ列线性独立，则 是一个基，对应的ｘ1，ｘ2，……，ｘm为基变量，记为ＸB， ＸB＝（ｘ1，ｘ2，……，ｘm）T ｘm+1，ｘm+2，……，ｘn为非基变量，记为ＸN， ＸN＝（ｘm+1，ｘm+2，……，ｘn）T 令ＸN＝０，代入约束方程组有 由Ｂ非奇异，可唯一解出基变量 于是 就是一个基本解。若Ｂ-1ｂ≥０，则Ｘ是一个基本可行解。若Ｂ-1ｂ＞０，则Ｘ是一个非退化的基本可行解。 由于基本解与基一一对应，故线性规化中至多有 个基本解。基本可行解的数目也受上式的限制。 可以证明：线性规划的基本可行解就是其可行域凸集上的顶点。由2.2中的结果，线性规划若有最优解，则其最优解一定可在可行域的顶点上达到，且它的全部最优解就是全部最优顶点的凸组合。所以，我们只要在线性规划的有限多个基本可行解中搜索，便能得到线性规划的最优解，甚至得出其全部最优解。 （3）初始基本可行解 3、最优性检验及基变换 例：试解线性规划 约束于 (1) 解：（1）找出一个初始基本可行解。 我们将线性规划（Ⅰ）引进松驰变量，化成标准型得 约束于 (2) 线性规划（2）具有如下特点： １）限定向量的分量全为正； ２）每个约束方程中有一个变量的系数为１，而这个变量在其它约束方程乃至目标函数中都不再出现。换句话说，约束方程组的系数矩阵中有一个ｍ阶的单位矩阵，且该单位矩阵对应的变量在目标函数中不出现。 我们把满足上述条件的线性规划称为线性规划的规范型。 我们说，线性规划的规范型一定对应着一个非退化的基本可行解。事实上，我们将上述单位矩阵当作基，该基对应的变量为基变量。如例７中，ｘ3，ｘ4，ｘ5是基变量，令非基变量ｘ1，ｘ2为零，立即解得ｘ3＝１５００，ｘ4＝１５７５，ｘ5＝４２０，于是得到一个非退化的基本