(运筹学大作业)单纯性法与对偶单纯性法比较.docxVIP

对偶单纯形法与单纯形法对比分析 1．教学目标： 通过对偶单纯形法的学习，加深对对偶问题的理解 教学内容： 对偶单纯形法的思想来源 对偶单纯形法原理 教学进程： 讲述对偶单纯形法解法的来源： 所谓对偶单纯形法，就是将单纯形法应用于对偶问题的计算，该方法是由美国数学家C.莱姆基于1954年提出的，它并不是求解对偶问题解的方法，而是利用对偶理论求解原问题的解的方法。 为什么要引入对偶单纯形法： 单纯形法是解线性规划的主要方法，对偶单纯形法则提高了求解线性规划问题的效率，因为它具有以下优点： （1）初始基解可以是非可行解, 当检验数都为负值时, 就可以进行基的变换, 不需加入人工变量, 从而简化计算； （2）对于变量多于约束条件的线性规划问题,用对偶单纯形法可以减少计算量,在灵敏度分析及求解整数规划的割平面法中,有时适宜用对偶规划单纯形法。 由对偶问题的基本性质可以知道，线性规划的原问题及其对偶问题之间存在一组互补的基解，其中原问题的松弛变量对应对偶问题的变量，对偶问题的剩余变量对应原问题的变量；这些互相对应的变量如果在一个问题的解中是基变量，则在另一问题的解中是非基变量；将这对互补的基解分别代入原问题和对偶问题的目标函数有z=w。据此可知，用单纯形法求解线性规划问题时，在得到原问题的一个基可行解的同时，在检验数行得到对偶问题的一个基解，并且将两个解分别代入各自的目标函数时其值相等。 我们知道，单纯形法计算的基本思路是保持原问题为可行解（这时一般其对偶问题为非可行解）的基础上，通过迭代，增大目标函数，当其对偶问题的解也为可行解时，就达到了目标函数的最优值。那么对偶单纯形法的基本思想可以理解为保持对偶问题为可行解（这时一般原问题为非可行解）的基础上，通过迭代，减小目标函数，当原问题也达到可行解时，即达到了目标函数的最优值。其实对偶单纯形法本质上就是单纯形法, 只不过在运用时需要将单纯形表旋转一下而已。 一.单纯形法和对偶单纯性法 单纯形法是求解线性规划的主要方法, 单纯形表则是单纯形法和对偶单纯形法的运算工具。设线性规划问题为 Max  = 1 \* GB2 \* MERGEFORMAT ⑴ 将其化为标准形式，得 Max Z= s.t.  = 2 \* GB2 \* MERGEFORMAT ⑵ 其中，，，，则其对应的线性约束转换为，，代入目标函数得，相应的一个基解为，，。显然，若，且，，则基解为该线性规划的最优解, 此时检验数均大于零, 见表1。 通过上面的分析, 我们知道单纯形表的检验数实际上是目标函数中基变量、非基变量的价值系数,又由对偶理论知道它们是相应对偶问题的一个( 加一个负号) 基解。那么表中b列的数字仅仅表示的是的取值吗? 我们可以猜想 很可能是对偶问题的检验数。这里首先给出问题(1) 的对偶问题的一般形式 Min s.t.  = 3 \* GB2 \* MERGEFORMAT ⑶ 将问题（3）化为标准形式，得 Min s.t.  = 4 \* GB2 \* MERGEFORMAT ⑷ 由，，为松弛变量，相应分解为、，其中，。得：  = 5 \* GB2 \* MERGEFORMAT ⑸  = 6 \* GB2 \* MERGEFORMAT ⑹ 由式 = 5 \* GB2 \* MERGEFORMAT ⑸得到  = 7 \* GB2 \* MERGEFORMAT ⑺ 通过令，由式(5)得对偶问题的基解,代入式(6)得,将式(7)对偶问题的目标函数得。显然若目标函数达到最小,非基变量的价值系数要求大于等于零,单纯形表b列, 即实际上是对偶问题的非基变量检验数。 二．对偶单纯形法的算法步骤 (1)确定换出基的变量 设原问题为（1），对偶问题为（3）。由，不等式则可分解为 (8) 进一步添加松弛变量有等