第二讲：线性规划算法.pptVIP

第二讲：线性规划算法 * * 线性规划标准型 代数式maxZ=c1x1+c2x2+…+cnxn a11x1+a12x2+…+a1nxn=b1 a21x1+a22x2+…+a2nxn=b2 … … … am1x1+am2x2+…+amnxn=bm xj ≥0 j=1,2,…,n 线性规划标准型 和式：maxZ=∑cjxj ∑aijxj=bi i=1,2,…,m xj ≥0 j=1,2,…,n 向量式：maxZ=CTX ∑pjxj=bi i=1,2,…,m xj ≥0 j=1,2,…,n 矩阵式： maxZ=CTX AX=b X ≥0 线性规划解的概念 线性规划解的性质 可行域——凸集（凸多面体） 可行域非空——至多有有限个顶点 最优解——若存在，必可在顶点达到 线性规划的基本定理：线性规划的基本可行解就是可行域的极点。 这一定理的重要性在于把可行域的极点这一几何概念与基本可行解这一代数概念联系起来，因而可以通过求基本可行解的线性代数的方法来得到可行域的一切极点，从而有可能进一步获得最优极点。 计算流程 线性规划的单纯形算法 初始基本可行解 是否最优解或 无限最优解? 结束 沿边界找新 的基本可行解 N Y 1. 初始基本可行解的确定 从系数矩阵中找到一个可行基B，不妨设B由A的前m列组成，即B=(P1,P2,……Pm)。进行等价变换－－约束方程两端分别左乘B－1 2. 最优性检验 3. 基变换——转轴变换 取某一非基变量xk→换入基（即让xk0，其余非基变量仍为0） 同时，再从基变量中换出一个变量xBr→作为非基变量。 如何求换入变量xk和换出变量xBr？K=?，r=? 3. 基变换——转轴变换 从目标函数看xk越大越好，但从可行性看xk又不能任意大。 若yik≤0,i=1,…，m,xk可任意取值，此时问题是无界的； 若yik0,为保证可行性，即xBi=bi-yikxk≥0，应取 注意：xBr=0 3. 基变换——转轴变换 新可行解：x‘=(xB1,…xBr-1,0,xBr+1,…,xBm,0,…，0,xk,0,…，0) 可以证明此解为新的基本可行解。这是因为原来的基PB1,…,PBm线性无关，而yk=B-1Pk,故Pk=Byk=∑yikPBi，而PBr的系数yrk≠0， 所以，用Pk代替Pr后的向量组PB1,…Pk,,…,PBm线性无关，所以x’为基本可行解 在新的基本可行解中，目标函数比原来增加了σkxk。 重复上述过程，直至所有的σj均≤0，得到最优解。因为基本可行解的个数是有限的，因此在非退化(r(A)=m)情况下，经有限次迭代必能达到最优解。 总结计算步骤：给定初始基B 步1.令xN=0,，xB=B-1b=b，z0=cBTxB ； 步2.检验数σj=cj-cBTB-1 Pj，σj≤0，停止，得最优解，否则取σk＝max{σj}，转步3； 步3. 解yk=B-1Pk，若yk≤0，停止,不存在有限最优解. 否则转步4； 步4.计算 xk进基，xBr离基，用Pk替代PBr得新的可行基B， 转步1。 例：用单纯形法的基本思路求解下面的线性规划问题： Max z = 1500 x1 + 2500 x2 s.t. 3 x1 + 2 x2 + x3 = 65 2 x1 + x2 + x4 = 40 3 x2 + x5 = 75 x1 , x2 , x3 , x4 , x5 ≥ 0 C=(1500, 2500, 0, 0, 0)T b=(65, 40, 75)T 第一次迭代： （1）取初始可行基B0= (p3 , p4 , p5)，那么x3 ，x4 ，x5为基变量，x1 ，x2为非基变量。将基变量和目标函数用非基变量表示： z =1500x1+2500x2 x3 = 65 - 3 x1 - 2 x2 x4 = 40 - 2 x1 - x2