管理运筹学第一章改.pptVIP

max z=x1+2x2 s.t. x1+x2?3 x2 ?1 x1, x2 ?0 max z=x1+2x2 s.t. x1+x2+ x3 =3 x2 +x4=1 x1, x2 ,x3, x4?0 x1=0, x2=0 x3=3, x4=1 基础可行解 x1=0, x4=0 x2=1, x3=2 基础可行解 x2=0, x3=0 x1=3, x4=1 基础可行解 x3=0, x4=0 x1=2, x2=1 基础可行解 x1=0, x3=0 x2=3, x4=-2 是基础解，但不是可行解 O A B x3=0 x4=0 x2=0 x1=0 C D 可行域 几何概念 代数概念 约束直线 满足一个等式约束的解 约束半平面 满足一个不等式约束的解 约束半平面的交集：凸多边形 满足一组不等式约束的解 约束直线的交点 基础解 可行域的极点 基础可行解 目标函数等值： 一组平行线 目标函数值等于一个常数的解 通过搜索所有基础可行解求出最优解 基变量x1、x2、x3，非基变量x4、x5、x6 基础解为（x1，x2，x3，x4，x5，x6）=（5，3，1，0，0，0） 是基础可行解，表示可行域的一个极点。 目标函数值为：z=20 基变量x1、x2、x4，非基变量x3、x5、x6 基础解为 （x1，x2，x3，x4，x5，x6）=（27/5，12/5，0，2/5，0，0） 是基础可行解，表示可行域的一个极点。 目标函数值为：z=18 基变量x1、x2、x5，非基变量x3、x4、x6 基础解为（x1，x2，x3，x4，x5，x6）=（6，3，0，0，-3，0） 是基础解，但不是可行解，不是一个极点。 基变量x1、x2、x6，非基变量x3、x4、x5 基础解为（x1，x2，x3，x4，x5，x6）=（3，4，0，0，0，4） 是基础可行解，表示可行域的一个极点。 目标函数值为：z=18 基变量x2、x3、x4，非基变量x1、x5、x6 基础解为 （x1，x2，x3，x4，x5，x6）=（0，21/2，27/2，-30，0，0） 是基础解，但不是可行解。 基变量x1、x2、x3，非基变量x4、x5、x6 基础解为（x1，x2，x3，x4，x5，x6）=（0，3，6，0，15，0） 是基础可行解，表示可行域的一个极点。 目标函数值为：z=15 基变量x1、x2、x3，非基变量x4、x5、x6 基础解为 （x1，x2，x3，x4，x5，x6）=（0，11/2，-3/2，0，0，10） 是基础解但不是可行解。 可行域极点的数量 如果线性规划有50个变量，20个约束条件，全部是等号约束。按照以上的算法，每计算一个基础解，要从50个变量中选择30个非基变量等于0，剩下20个变量，如果相应的20×20行列式不等于0，则通过计算一个20× 20的线性方程组得到基变量。要穷尽所有的基础解，最多可能要计算的线性方程组的个数为 假设每计算一个20×20线性组需要1秒钟，计算以上所有方程组需要的时间为 由于极点的个数随着约束条件的增加而很快增加，用搜索所有极点来求出线性规划最优解，实际上并不是一个可行的方法。 单纯形法原理示意图 极点4，最优解 初始极点1 极点2 极点3 其实，不必搜索可行域的每一个极点，只要从一个极点出发，沿着使目标函数改善的方向，到达下一个相邻的极点。如果相邻的所有极点都不能改善目标函数，这个极点就是最优极点。用这样的搜索策略，可以大大减少搜索极点的个数。 按照这样的搜索策略建立的算法，叫做单纯形法。 单纯形法可以有效地减少搜索极点的个数。 目标函数改善 目标函数改善 目标函数改善 － ＋ ＋ － 单纯形法原理（1）—松弛变量的表示 max z=x1+2x2 s.t. x1+x2?3 x2 ?1 x1, x2?0 max z=x1+2x2 s.t. x1+x2+x3 =3 x2 +x4=1 x1, x2, x3, x4?0 x2=0 x1=0 x3=0 x4=0 O A B C D － ＋ ＋ － 引进松弛变量 x2=0 x1=0 x3=0 x4=0 O A B C x1,x2=0为非基变量 x3,x40为基变量 当前基础可行解： (x1,x2,x3,x4)=(0,0,3,1) z=0 x2进基,从0开始增加，x3,x4随之减少 第一次叠代： 目标函数和基变量分别用非基变量表示： z=x1+2x2 选择x2进基 x3 =3-x1-x2 x4=1 -x2 x2=1成为基变量， x4=0成为离基变量 当前基础可行