运筹学课件 单纯形法的运用与改进.pptVIP

3 单纯形法的运用与改进 3 单纯形法的运用与改进 初始可行基与人工变量法 求上界变量的单纯形法 单纯形法的讨论 单纯形法的矩阵描述 改进单纯形法 3.1 初始可行基与人工变量法 辅助问题及人工变量 两阶段法 大Ｍ 法 多余约束的剔除 极小化问题的直接求解 3.1.1 辅助问题及人工变量 X0= (x10,x20,…,xn0)T Y 0=(x10,x20,…,xn0,0,…,0)T ? 0=0 X =(x1, x2,…,xn )T ? =0 Y =(x1,x2,…, xn,xn+1,…,xn+m )T 辅助问题的性质 问题(B)是问题(A)的辅助问题，( B )中的单位矩阵称为人工基，它对应的m个变量叫做人工变量(artificial variables)。 辅助问题 ( B )有两个特点： ( i )约束方程为典式，表明有可行解； ( ii)目标函数有上界，一定有最优解。 ( B ) max ? =-xn+1 -xn+2 -… -xn+m s.t. a11x1+…+a1nxn+xn+1 =b1 a21x1+…+a2nxn +xn+2 =b2 …… am1x1+…+amnxn +xn+m=bm x1~ xn ≥0 , xn+1~ xn+m ≥0 B 0 = (Pm+1 ,Pm+2 , …,Pn) Y (0) =( 0,…,0, b1, b2 …, bm)T 原理与应用 定理3.1 问题 ( A ) 有可行解的充要条件是：问题 ( B ) 的目标函数最优值等于零。 推论3.1 问题 ( B ) 的最优基的基变量组中不含人工变量，则这个最优基和相应的基最优解分别是问题 ( A )的可行基和基可行解。 原理与应用 ( 续 ) 结论3.1 问题 ( B ) 的最优基的第l个基变量为人工变量，并且目标函数最优值等于零，而最优单纯形表中非人工变量在第 l 行的系数全为零，则表示问题 ( A) 的第 l 个约束方程是多余的，应予删除。 标准形式线性规划问题的 m个约束方程被假设为是相互独立的，上述结论中的情形在理论上不会出现，但在实际中经常碰到。 3.1.2 两阶段法 依据推论3.1 ，可将问题(A)的求解分为两阶段： 阶段 1 从人工基开始，用单纯形法求解问题(B) ，或是得到问题(A)的一个可行基和相应的基可行解，或是证实问题(A)沒有可行解； 阶段 2 从阶段1得到的初始可行基出发，用单纯形法寻找问题 (A) 的最优解，或是查明问题 (A) 沒有最优解。 两阶段法算例 解： max ? = - x6 - x7 s.t. x1-2x2+ x3 +x4 =11 -4x1+x2 +2x3 -x5+ x6 =3 -2x1 +x3 + x7=1 x1 , x2 , … , x7≥0 表3.1 求可行解 ( 阶段 I ) 表3.2 求最优解 ( 阶段 II ) 3.1.3 大Ｍ 法 大Ｍ 法是将原问题及其辅助问题合并，集线性规划问题可行解和最优解的求证于一役。 大Ｍ 法也称罚函数法。 大Ｍ 法的机理 形象地解释，变量在目标函数中的价值系数愈大，其对目标函数值的贡献愈大，则被录用为最优解的基变量的可能性愈大。人工变量都是初始基变量，为了尽可能将人工变量从基变量组中换出，通常把人工变量在合并问题目标函数中的系数赋一个绝对值 M 充分大的负数 –M ， M 称为惩罚因子。在代过程中，其价值系数 –M 将迫使次人工变量逐步换出基变量组，换出一个就删除一个。在这种机制下，如果人工变量仍留在最优基的基变量组中，则可断定原问题沒有可行解。 大Ｍ 法算例 例3.1 max z=3