—对偶理论(节).pptVIP

§4 对偶问题的经济解释 对偶问题是资源定价问题，对偶问题的最优解w1、w2、...、wm称为m种资源的影子价格（Shadow Price） 其经济意义是：在其它条件不变的情况下，单位资源变化所引起的目标函数的最优值的变化。 对偶单纯形法是求解线性规划的另一的基本方法。它是根据对偶原理和单纯形法的原理而设计出来的，因此称为对偶单纯形法。不要简单理解为是求解对偶问题的单纯形法。 由对偶理论可以知道，对于一个线性规划问题，我们能够通过求解它的对偶问题来找到它的最优解。 §5 对偶单纯形法 也就是说，求解原问题（P）时，可以从（P）的一个基本解（非基可行解）开始，逐步迭代，使目标函数值（Z=Y b= CB B-1b =CX）减少，当迭代到 XB=B-1b≥0时，即找到了（P）的最优解，这就是对偶单纯形法。 同原始单纯形求法一样，求解对偶问题（D），也可以从（D）的一个基本可行解开始，从一个基本可行解（迭代）到另一个基本可行解，使目标函数值减少。 不过，对对偶问题而言，若要保证对偶问题是基可行解，即为原问题的检验数是小于零的。但此时原问题不一定是基可行解，所以，可以在原问题是非可行解的基础上，通过逐步迭代达到基可行解，这样也可以得到最优解。 当X满足检验数全部非正的条件时，称X具有对偶可行性。 检验数全部非正的基解称为原问题的正则解，对应的基阵称为正则基。 原单纯形法与对偶单纯形法的迭代的不同之处： 原单纯形法是从一个基解迭代到另一个基解，在迭代的过程始终保持可行性，使其非正则性（即对偶不可行性）逐步消失，一旦满足正则性（即对偶可行性），便是最优解。 对偶单纯形法是从一个基解迭代到另一个基解，在迭代的过程始终保持正则性，使其不可行性逐步消失，一旦满足可行性，便是最优解。 例、用对偶单纯形法求解： 解：将模型转化为 -9 -12 -15 0 0 0 xB b x1 x2 x3 x4 x5 x6 x4 -10 -2 -2 -1 1 0 0 x5 -12 -2 -3 -1 0 1 0 x6 -14 -1 -1 -5 0 0 1 (-9/-1.-12/-1. -15/-5) -Z′ 0 -9 -12 -15 0 0 0 -9 -12 -15 0 0 0 xB b x1 x2 x3 x4 x5 x6 x4 -36/5 -9/5 -9/5 0 1 0 -1/5 x5 -46/5 -9/5 -14/5 0 0 1 -1/5 x3 14/5 1/5 1/5 1 0 0 -1/5 (-30/-9.-45/-14 .-15/-1) -Z′ 42 -6 -9 0 0 0 -3 -9 -12 -15 0 0 0 xB b x1 x2 x3 x4 x5 x6 x4 -9/7 -9/14 0 0 1 -9/14 -1/14 x2 23/7 9/14 1 0 0 -5/14 1/14 (-3/-9.-45/-9. -33/-1) x3 15/7 1/14 0 1 0 1/14 -3/14 -Z′ 501/7 -3/14 0 0 0 -45/14 -33/14 -9 -12 -15 0 0 0 xB b x1 x2 x3 x4 x5 x6 x1 2 1 0 0 -14/9 1 1/9 x2 2 0 1 0 1 -1 0 x3 2 0 0 1 1/9 0 -2/9 -Z′ 72 0 0 0 -1/3 -3 -7/3 所以， X*=（2 . 2 . 2 . 0 . 0 . 0）， Z′* =－72， 原问题 Z* =72 其对偶问题的最优解为： Y*= (1/3 . 3 . 7/3)，W*= 72 对偶单纯形法的几个练习： 对偶问题的一般规则 对偶问题的一般规则 对偶问题规则总结 现将对偶问题进行总结： 1、如果原问题的数学模型目标函数是求最大（Max）的。则需要将模型化为如下范式：  相应地，其对偶问题为：  2、如果原问题的数学模型目标函数是求最小（Min）的。则需要将模型化为如下范式：  相应地，其对偶问题为：  3、如果原问题的数学模型约束条件只有等式（“=”）的。则需要将模型化为如下范式：  相应地，其对偶问题为：  例2.4、线性规划问题如下： 化为范式： 令 X’1 x2 x3 x4 -2 3 -5 1 Min f y1 ≥ 0 1 1 -3 1 ≥5 y2