[数学]对偶规划与灵敏度分析.ppt

对偶规划与灵敏度分析 对偶线性规划 对偶定理 对偶单纯形法 灵敏度分析 对偶理论是线性规划的重要内容之一。随着线性规划问题研究的深入，人们发现对应于每个线性规划问题都伴生一个相应的线性规划问题。 前者是由矩阵Ａ，右端向量ｂ和价值向量Ｃ定义的，称之为原问题； 后者也是由相同的数据集合Ａ，ｂ和Ｃ构成的，称之为原问题的对偶问题。 定理2：弱对偶定理 若　　是原（极小化）问题的可行解，　　是对偶（极大化）问题的可行解，那么 证明：由弱对偶定理，对于原始问题的所有可行解　　，都有　　　　　　　 因此　是原问题的最优解。 　同理，对于对偶问题的所有可行解 ，都有 所以 是对偶问题的最优解。 证明：设　　是原问题(min)的最优解，则它们对应的基Ｂ必有 　　　　　　　　　。 　若定义　　　　，则　　　　 ， 　因此　　　　　为对偶问题的可行解，而且　　　　　　　　　，由最优性定理，　　　　是对偶问题的最优解。 注：若原问题有一个对应于基Ｂ的最优解，那么此时的单纯形乘子　　　　 是对偶问题的一个最优解。 证明：设　　是满足原问题(min)的最优性条件，则对应的基Ｂ必有 　　　　　　　　　。 　若定义　　　　 ，则　　　　 ， 　因此　　　　　为对偶问题的基本可行解。 灵敏度分析 增加一个约束 由此可以在原来最优 基Ｂ的基础上定义一个新的基, 　　已知　　　　 　　　是原问题的最优解，若令　　　　， 则　　　　是现问题的一个可行解，但未必是最优解。 　　由此可的新的最优解　　　　　　　　　　　，即最优生产方案为生产　　万件Ｄ产品和　　件Ｅ产品，总利润为　　　万元。 （２） 假设工厂又增加了用电量不超过9千瓦，且生产Ａ，Ｂ，Ｃ，Ｄ四种产品各1万件分别耗电4，3，5，2千瓦用电量限制，则相当于 原问题约束方程组增加了一个约束方程　 一个标准形式的线性规划问题可由约束矩阵Ａ，右端项向量b，和价值向量Ｃ完全确定，假如一个线性规划问题对于给定的数据集合Ａ，b，Ｃ有最优解，则最优解　　　　　。最优目标函数值　　　　　　，其中Ｂ为最优基。 但是线性规划问题所对应的数据集合Ａ，b，Ｃ常常是通过预测或估计所得到的统计数据，在实际使用中，不免会有一定的误差。而且随着市场环境，工艺条件和资源数量的改变，这些数据完全可能发生变化。因此有必要来分析一下当这些数据发生波动时，对目前的最优解，最优值或者最优基会产生什么影响，这就是所谓的灵敏度分析。 灵敏度分析主要讨论如下二类问题： 线性规划的数据集合在什么范围内波动将不影响最优解或最优基？? 若最优解发生变化，应如何用最简单的方法找到新的最优解。 x2 C2 C-CBTB-1A XBm CBm : : XB2 CB2 B-1A=B-1(P1，P2，…，Pn) B-1b XB1 CB1 xn … x1 b XB CB Cn … C1 C 为讨论方便，以下列出标准型线性规划问题最优单纯形表的一般形式，其中B为线性规划问题的最优基： 价值向量C的改变 　　 当价值向量由　　　　　　　　　　　　　　　　　　　　 时， 最优单纯形表发生变化的只是检验行的有关数据，其中基变量检验数保持为零。非基变量检验数应修改为： 目标函数值应为　　　　　　　　 。 只要变化以后的非基变量检验数 那么原最优解仍然为最优。 至于目标函数值是否改变，取决于基变量价值系数的改变量 以下分别就价值系数对应非基变量或基变量两种情况加以讨论： 若　是非基变量　的价值系数，　为该价值系数的改变量。那么在最优表中只有　 的检验数 发生变化。 　　若超出稳定范围，那么　的检验数 　　，当前解已不是最优解。此时必须以修改后的单纯形表出发，重新进行单纯形迭代，直至求出新的最优解。 由　　　　　　　　　　　 　 只要 即 　　 就可以保持现行最优解仍为最优，由此可以确定价值系数　的可变化范围。 　　 　若　是某基变量　的价值系数，　　为价值系数的改变量。由于　为基变量，所以在最优表中所有的非基变量检验数均发生了变化.　 　　由上式可得到一个联列不等式组，求解该不等式组就可得到价值系数　 的可变动范围。 　由　　　　　　　　　　　　　只要非基变量检验数： 　　　　　　　　　　　　　或　 即可最优解仍然保持为最优.　 例7、某工厂用甲乙两种原料生产A，B，C，D四种产品，每种产品的利润，现有原料数及每种产品消耗原料定额如表所示： 产品（万件） 9 8 50 19 利润（万元/