[数学]北邮最优化课件4单纯形方法.ppt

最优化理论 3.4 修正单纯形方法-11 计算主列 3.4 修正单纯形方法-12 第4次迭代 3.4 修正单纯形方法-13 2 逆的乘积形式 初看起来，用修改的(m+1)?(m+1)矩阵代替(m+1)?(n+1) 的表，似乎明显的节省了计算量。然而这一方法需要计算 原问题表中的yj和w?pj，若对每一个非基序列都要进行这样的计算，则需要m(n-m)次乘法。这个数量并不明显小于原单纯形算法中计算量。然而这个算法重要性在于其精巧和在其他一些问题上的很好应用。下面我们将给出一种改进形式的方法，其基的逆矩阵以乘积形式存储，从而节省了存储空间。 3.4 修正单纯形方法-14 3.4 修正单纯形方法-15 由(3.4.8)式得到 由于 3.4 修正单纯形方法-16 3.4 修正单纯形方法-17 下面讨论如何利用初等阵来计算单纯形方法中所需数据。 3.4 修正单纯形方法-18 (1)用初等阵E右乘一个行向量 (2) 用E左乘一个列向量 3.4 修正单纯形方法-19 (3)计算有关递推公式 3.4 修正单纯形方法-20 例3.4.2，用改进修正单纯形法解LP 3.4 修正单纯形方法-21 约束方程的系数矩阵 3.4 修正单纯形方法-22 3.4 修正单纯形方法-23 第二次迭代 3.4 修正单纯形方法-24 计算主列 3.4 修正单纯形方法-25 3.4 修正单纯形方法-26 第3次迭代 3.2.3 单个人工变量技巧4 利用表格形式求解一个(3.2.17)的BFS： 3.2.3 单个人工变量技巧5 于是得到(3.2.17)的一个BFS，下面再用两阶段(或大M)法求解之. 3.2.3 单个人工变量技巧6 3.2.3 单个人工变量技巧7 于是得到进行第二阶段时的初始表。 由上知道这是最优单纯形表。 3.3 退化情形1 单纯形法收敛定理要求BFS非退化，这个限制可以去掉吗？试看下例。 例(3.3.1)：用单纯形法求解下面的LP 注意到该LP有一个明显的BFS x=(0，0，1，0，0，0，0) 3.3 退化情形2 其单纯形法迭代过程如下： 3.3 退化情形3 3.3 退化情形4 3.3 退化情形5 3.3 退化情形6 前例表明算法会无限循环下去，能否找到一种办法避免出现这种情况？ (a)摄动法 3.3 退化情形7 下面讨论这种办法的可行性。 对右端向量b 作如下摄动。令 于是得（3.3.1）的摄动问题： 3.3 退化情形8 下面我们将证明当适当对取值时，LP(3.3.3)非退化，且可以通过求解LP(3.3.3)来确定原LP(3.3.1)的最优解或得出其他结论。 3.3 退化情形9 前面分析表明摄动问题当?0充分小时非退化，因此可以避免循环，并且通过求解摄动问题一定能够给出线性规划 (3.3.1)的解答。 下一个问题是如何求解摄动问题？此时需要处理两个问题： （1）初始可行解；（2）迭代过程中如何处理b(?). (a)初始可行解的确定 思想：是由原LP(3.3.1)的BFS来找LP(3.3.3)的BFS. 3.3 退化情形10 对应的摄动问题约束为 幸运的是我们可以通过将变量下标进行适当调整，使得上述情况不出现。改变标号，使得(3.3.8)为如下等价约束: 3.3 退化情形11 一般地，若已知LP(3.3.1)的一个BFS，则进行列调换，把基列排在非基列的左边，并相应地改变变量的下标，使其从1开始按递增顺序排列，这样x1,x2,..,xm是基变量，然后 再建立摄动问题(3.3.3). 这时，若(3.3.1)的现行BFS是 3.3 退化情形12 于是可以用单纯形法求解下去。但右端向量含有参数?，这对计算有影响吗？实际上我们可以不必让?取具体数字。注意到： 3.3 退化情形13 概言之，以如下步骤确定离基之变量： (b) 置j=1. (a)令 (c)令 (d) 置j:=j+1,转(c). 3.3 退化情形14 例：用摄动法解例(3.3.1),初始单纯形表如下 (0,4) (0,0) 3.3 退化情形15 即在单纯形表中选最左边的正检验数对应的非基变量入基。 即在比值达到最小的行中，选最上面的那行所对应的基变量 出基。 3.3 退化情形17 解LP问题时常遇到基本可行解退化的情形， 但在迭代过程中极少出现循环情形。 注意 Bland规则(退化问题的处理)： 该问题的最优解 model: [obj] min=-0.75*x4+20*x5-0.5*x6+6*x7; [con1] x1+0.25*x4-8*x5-x6+9*x7=0; [con2] x2+0.5*x4-12*x5-0.5*x6+3*x7=1; [con3] x3+x6=1