单纯性解法PPT.pptVIP

约束方程的系数矩阵 为基变量 为非基变量 I 为单位矩阵且线性独立 令： 则： ∴ 基本可行解为（0 0 12 8 16 12） 此时，Z = 0 然后，找另一个基本可行解。即将非基变量换入基变量中，但保证其余的非负。如此循环下去，直到找到最优解为止。 注意：为尽快找到最优解，在换入变量时有一定的要求。如将目标系数大的先换入等。 当 时， 为换入变量 确定换出变量 为换出变量 接下来有下式： 用高斯法，将 的系数列向量换为单位列向量，其步骤是： 结果是： 代入目标函数： 有正系数表明：还有潜力可挖，没有达到最大值； 此时：令 得到另一个基本可行解 （0，3，6，2，16，0） 有负系数表明：若要剩余资源发挥作用，就必须支付附加费用。当 时，即不再利用这些资源。 如此循环进行，直到找到最优为止。 本例最优解为： （4，2，0，0，0，4） 线 性 规 划 (Linear Programming) 线性规划问题的求解方法 线性规划的单纯形法 单纯形法的进一步讨论 线性规划模型的应用 目标函数： 约束条件： ① ② ③ 线性规划数学模型的一般形式 也可以记为如下形式： 目标函数： 约束条件： 如将上例用表格表示如下： 设变量 产 品 j 设 备 i 有效台时 利润 向 量 形 式： 一 般 有 两种方法 图 解 法 单纯形法 两个变量、直角坐标 三个变量、立体坐标 适用于任意变量、但需将 一般形式变成标准形式 线性规划问题的求解方法 （一）求解方法 1、解的概念 ⑴ 可行解：满足约束条件②、③的解为可行解。所有解的集合为可行解的集或可行域。 ⑵ 最优解：使目标函数达到最大值的可行解。 ⑶ 基：B是矩阵A中m×m阶非奇异子矩阵（∣B∣≠0），则B是一个基。 则称 Pj ( j = 1 2 … … m) 为基向量。 ∴ Xj 为基变量，否则为非基变量。 （二）线性规划问题的解 ⑷ 基本解：满足条件②，但不满足条件③的所有解，最多为 个。 ⑸ 基本可行解：满足非负约束条件的基本解，简称基可行解。 ⑹ 可行基：对应于基可行解的基称为可行基。 上二组概念间的联系： 系数阵A中可找出若干个基B 每个基B都对应于一个基本解 非负的基本解就是基本可行解 几种解之间的关系： 可行解 基本解 非可行解 基本可行解 问题：基本可行解是可行域中的哪些点？ 顶点 （一）基本思想 将模型的一般形式变成标准形式，再根据标准型模型，从可行域中找一个基本可行解，并判断是否是最优。如果是，获得最优解；如果不是，转换到另一个基本可行解，当目标函数达到最大时，得到最优解。 （二）线性规划模型的标准形式 1、标准形式 单纯形法 2、特征： ⑴目标函数为求极大值，也可以用求极小值； ⑵所有约束条件（非负条件除外）都是等式，右端常数项为非负； ⑶变量为非负。 非标准形式如何化为标准 1) Min型化为Max型 加负号 因为，求一个函数 的极小点，等价于求该 函数的负函数的极大点。 注意： Min型化为Max型求解后，最优解不变，但最优值差负号。 ⑵.约束方程的转换：由不等式转换为等式。 称为松弛变量 称为剩余变量 2) 不等式约束化为等式约束 分析：以下例资源约束为例 之所以“不等”是因为左右两边有一个差额，称为“松 弛量”，若在左边加上这个松弛量，则化为等式。而这 个松弛量也是变量，记为X3 ，则有 X3称为松弛变量。问题：它的实际意义是什么？ —— 未被利用的资源 练习：请将例1的约束化为标准型 解：增加松弛变量 则约束化为 易见，增加的松弛变量的系数恰构成一个单位阵I。 ⑶.变量的变换 若存在取值无约束的变量 ，可令 其中： 例 一、将下列线性规划问题化为标准形式 为无约束（无非负限制） 解: 用 替换 ，且 ， 将第3个约束方程两边乘以（－1） 将极小值问题反号，变为求极大值 标准形式如下： 引入变量 找出一个初始可行解 是否最优 转移到另一个目标函数 （找更大的基本可行解） 最优解 是 否 循 环 直到找出为止，核心是：变量迭代 结束 其步骤总结如下： 单纯形法求解线性规划