[物理]图解法.ppt

§2.2 线性规划解的概念、性质及图解法 重点：图解法、线性规划解的概念、从图 解法中来研究线性规划最优解的性 质 2.2.1 线性规划的图解法 适用的范围：两个决策变量 设其模型为: 图解法的步骤： （1）建立直角坐标系：以决策变量x1 ,x2 为 坐标轴。 （2）绘制可行域： 对每个约束条件（包括xi ≥ 0），先取其为等式，并在坐标系中作出相应的直线，判定不等式所决定的半平面。 若各约束半平面交出的区域存在，则其中的点称为线性规划的可行解，所有可行解组成的集合称为可行域或可行集。 若不存在，线性规划无可行解。 结果: 若目标函数等值线能够移动到等值线与可行域最后的交点，则此可行域与等值线的交点即为最优解（一个或多个），将最优解带入目标函数得到最优值。 否则，目标函数等值线与可行域交于无穷远处，此时无有限的最优解（无界解）。 例 2.5 Max z = 1500 x1 + 2500 x2 s.t. 3x1+ 2x2 ≤ 65 (A) 2x1+ x2 ≤ 40 (B) 3x2 ≤ 75 (C) x1 , x2 ≥ 0 (D, E) 4、无可行解（可行域空集），即没有最优解 两变量线性规划的性质 二维情况下，线性规划的可行域若存在，则一般为凸多边形。（图2-1，图2-5） 线性规划如果有最优解，其最优解必定在可行域边界的某点或某些点上。（图2-1、图2-2）（且至少有一个顶点为最优解） 半闭空间：在所有满足条件： 凸集：设 .若对任意向量 且 ，及任意实数 ，都有： 则称 为一个凸集； 为 的凸组合。 几何意义：S中任何两点之间的线段都落在S内,则S为凸集。 极点：设S为一凸集，且x,x1,x2∈S,对 若 则必定有x=x1=x2，则称x为一个极点。 几何意义：凸集中，不能表示为S内不同点的连线的点。 （2）、若线性规划的可行域非空，则至多有有限个极点； （3）、若线性规划有最优解，则至少有一个极点是最优解。 总结：线性规划的最优解必定在可行域上的 有限个极点上取得。 这样我们只需找到所有的极点，然后比较目标函数值的大小，即可获得最优解）。 虽然以上方法在理论上可行，但是对于决策变量和约束条件比较大时，计算量十分巨大，导致此方法失效。 * 在一般情况下，图解法无法解决三个变量以上的线性规划问题，对于n个变量的线性规划问题，我们可以用解方程的办法来求得可行域的极点。再来进一步考察例2.1。 §2.2.3 线性规划解的概念 * 例2.9 把例2.1的线性规划模型标准化，引入松驰变量 x3 ，x4 ，x5 ≥ 0，得到 Max z = 1500 x1 + 2500 x2 s.t. 3x1+2x2+x3= 65 (A) 2x1+x2+x4= 40 (B) 3x2+x5= 75 (C) x1 ,x2 ,x3 ,x4 ,x5 ≥ 0 * 用（D）（E）（F）（G）（H）分别表示x1 = 0、x2 = 0、x3 = 0、x4 = 0、x5 = 0 。 这里一共有8个约束条件，其中3个等式约束 （一般情况下，等式约束的个数少于决策变量的个数），5个变量非负约束（与决策变量个数相同）。 每5个方程若线性无关可解得一个点。 * 在选择方程的过程中，因为（A）、（B）、（C）是根据现实情况建立的方程，只有满足这些方程才是有意义的解，所以这三个方程必选，其余两个方程可以在剩下的五个方程中任选，所以最终可以得到十个线性方程组，并求得十个点。在本例中，十个点的求解过程如下： * 2.2.3 线性规划解的概念 平面上各不等式约束半平面得交点 x(1)