[数学]第二章线性规划.ppt

第二章 线性规划 运筹学中应用最广泛的方法之一 运筹学的最基本的方法之一，网络规划，整数规划，目标规划和多目标规划都是以线性规划为基础的 解决稀缺资源最优分配的有效方法，使付出的费用最小或获得的收益最大 引言 历史悠久 理论成熟 应用广泛 冯?诺伊曼(Von Neuman)和摩根斯坦(Morgenstern)1944年发表的 《对策论与经济行为》涉及与线性规划等价的对策问题及线性规划对偶理论 从1964年诺贝尔奖设经济学奖后，到1992年28年间的32名获奖者中有13人(40%)从事过与线性规划有关的研究工作，其中比较著名的还有Simon，Samullson，Leontief，Arrow，Miller等 研究对象 有一定的人力、财力、资源条件下，如何合理安排使用，效益最高 某项任务确定后，如何安排人、财、物，使之最省 §2.1 线性规划的数学模型 线性规划模型特点 决策变量：向量(x1… xn)T 决策人要考虑和控制的因素非负 约束条件：线性等式或不等式 目标函数：Z=?(x1 … xn) 线性式，求Z极大或极小 §2.2 线性规划的标准型 §2.3 图解法 总结 §2.4线性规划单纯形算法 单纯性表 Max z=CX s.t. AX=b X≥0 对于一个可行基B将下表成为一个单纯形表： T（B）= B-1A B-1b CBB-1A-C CBB-1b 其中：B-1A中含有一个单位阵。 B-1b≥0 CBB-1A-C对应的基变量B的分量均为0。 线性规划单纯形算法 单纯形算法的计算步骤： 1.建立初始单纯形表。 2.如果检验数全部≥0，那么已最优，停止。否则，进入下一步。 3.找出检验数绝对值最大者，确定为进基变量（定主元列） 。 4.若主元列的系数全部≤0，则存在无界解，停止。否则，进入下一步。 5.计算最小比率（基解跟主元列正约束系数的最小比率），确定主元行。 6.以主元行和主元列交叉元素为枢纽进行高斯变换（换基跌代）。得新的单纯形表，转入步骤2。 线性规划单纯形算法——实例 例1： Max Z=6x1+8x2 3x1+2x2≤30 x1+2x2 ≤22 x1,x2≥0 线性规划单纯形算法——实例 第一张单纯形表 线性规划单纯形算法——实例 第二张单纯形表 线性规划单纯形算法——实例 第三张单纯形表 Matlab的解法 c=[-6,-8] a1=[3,2;1,2] b1=[30,22] a2=[] b2=[] lb=[0,0] ub=[inf,inf] [x,z]=linprog(c,a1,b1,a2,b2,lb,ub); [x,z,nada]=linprog(c,a1,b1,a2,b2,lb,ub) 单纯形法的进一步讨论 ——人工变量大M数值 单纯形法需要有一个初始的基，而对一般的标准式，不一定存在现成的基，这可以采用引进人工变量的方法，构造出一个辅助线性规划模型。 辅助问题结构特征： 1.约束中增加了人工变量，破坏了原来的约束关系。 2.在目标函数中，对人工变量引入要加以惩罚。 3.惩罚项的目的是使得在对目标函数优化的过程中，使人工变量变为非基变量，恢复原有的约束关系。 单纯形法的进一步讨论 ——人工变量大M数值实例 例1： Min Z=2x1+3x2 2x1+x2=7 3x1-x2 ≥3 x1+x2 ≤5 x1,x2≥0 化为标准型： Min Z=2x1+3x2 +0x3+0x4 2x1+x2 =7 s. t. 3x1 -x2 -x3 =3 x1+x2 +x4 =5 x1,x2 ,x3, x4 ≥0 单纯形法的进一步讨论 ——人工变量大M数值实例 辅助LP 单纯形法的进一步讨论 ——人工变量大M数值实例 求解辅助LP 单纯形法的进一步讨论 ——人工变量大M数值实例 第一张单纯形表 单纯形法的进一步讨论 ——人工变量大M数值实例 第二张单纯形表 单纯形法的进一步讨