第2章+对偶线性规划.pptVIP

例2-5 用对偶单纯形法求解如下线性规划 ② 列表计算 ① 模型整理 因为所有λ检验数全部为非正，且b值全部非负，所以此时已经达到最优解，最优解为Y=(0,1,3)即最优解，最优值ming=215。 cj→ -90 -80 -45 0 0 cB xB b y1 y2 y3 y4 y5 0 y4 (-5) -1 [-2] -1 1 0 0 y5 -4 -3 -1 -1 0 1 λj -90 -80 -45 0 0 θj 90 （40） 45 -80 y2 5/2 1/2 1 1/2 -1/2 0 0 y5 (-3/2) -5/2 0 [-1/2] -1/2 1 λj -50 0 -5 -40 0 θj 20 (10) 80 -80 y2 1 -2 1 0 -1 1 -45 y3 3 5 0 1 1 -2 λj -25 0 0 -35 -15 例2-6 用对偶单纯形法求解如下线性规划 ② 列表计算 ① 模型整理 因为所有λ检验数全部为非正，且b值全部非负，所以此时已经达到最优解，本问题最优解为X=(3/2,0)T即最优解，最优值min z=3/2。 cj→ -1 -3 0 0 0 cB xB b x1 x2 x3 x4 x5 0 x3 -3 -2 -1 1 0 0 0 x4 (-4) [-3] -2 0 1 0 0 x5 -1 -1 -2 0 0 1 λj -1 -3 0 0 0 θj (1/3) 3/2 0 x3 (-1/3) 0 1/3 1 [-2/3] 0 -1 x1 4/3 1 2/3 0 -1/3 0 0 x5 1/3 0 -4/3 0 -1/3 0 λj 0 -7/3 0 -1/3 0 θj (1/2) 0 x4 1/2 0 -1/2 -3/2 1 0 -1 x1 3/2 1 1/2 -1/2 0 0 0 x5 1/2 0 -3/2 -1/2 0 1 λj 0 -5/2 -1/2 0 0 例2-7 用对偶单纯形法求解如下线性规划 ② 列表计算 ① 模型整理 第二步单纯形表中，b值的第1个值仍为负数，但是其所在的系数矩阵行中无负数，因此本问题为无可行解（因为，此时其对偶规划为无界解）。 cj→ -5 -2 -4 0 0 0 cB xB b x1 x2 x3 x4 x5 x6 0 x4 -4 1 1 -2 1 0 0 0 x5 -3 -2 -3 -1 0 1 0 0 x6 (-10) 3 [-2] 5 0 0 1 λj -5 -2 -4 0 0 0 θj -5/3 (1) -4/5 0 x4 (-9) 5/2 0 1/2 1 0 1/2 0 x5 12 -13/2 0 -17/2 0 0 -3/2 -2 x2 5 -3/2 1 -5/2 0 0 -1/2 λj -8 0 -9 0 0 -1 θj 2.4 灵敏度分析 之前在讨论线性规划问题时，都假定aij、bi和cj是模型中的常数参数，但实践中这些参数往往都是估计值和预测值，也就是说它们的数值是有可能会发生改变的，所以通常称它们为不确定性因素。 从而，在假定它们为常数时所求得的模型的最优解与最优值，便也有了不确定性，为此而展开的相关分析工作称为不确定性分析。 灵敏度分析是常用的不确定性分析方法之一，在线性规划问题的不确性分析应用中，灵敏度分析的目的有两个目的： （1）当已知或预知，一个或几个不确性因素将发生何种变化时，分析这样的变化会对模型结果（最优解、最优值等）造成怎样的影响。 （2）为确保某种模型结果（最优解、最优值、最优基等）不变时，分析某一或几个不确性因素允许的变化范围——参数线性规划。 2.4.1 灵敏度分析概述 2.4.2 既知变化的影响分析 （1）基本分析方法 当已知或预知某一个或几个不确性因素将发生何种变化时，当然可以将模型中的这些因素直接改成变化后的值，然后从头重新求解改变后的模型。 但这样做很麻烦，而且大部分情况下都没有必要。因在单纯形法迭代过程中，每一步运算都和系数矩阵当前基B有关（单纯形矩阵式计算方法中可以看出），因此可以先把发生变化的个别系数，经过一定计算后直接填入单纯形最终表里，并进行检查和分析，按下表中的几种情况进行处理。 最终解 分析的结论及处理方法 仍可行 仍正则 是 是 最优基不变，只需简单调整最优解最优值 是 否 最优基改变，单纯形法继续迭代计算至新最优解 否 是 最优基改变，对偶单纯形法继续迭代计算至新最优解 否 否 最优基改变，用人工变量替换负基变量后继续单纯形求解 （2）目标系数cj的既知变化影响分