运筹学第1章第3、4节.pptVIP

§3单纯形法原理 可行解： 变量满足所有约束条件的一组值 可行解集： 所有可行解构成的集合 可行域： 可行解集构成n维空间的区域 解的概念 最优解： 使得目标函数达到最优的可行解 最优值： 最优解对应的目标函数值 目的： 求最优解和最优值 求解方法： 单纯形法 解的概念 先研究AX=b 设 系数矩阵A是m×n矩阵，秩为m， B是A中m×m阶非奇异子矩阵（即|B|≠0），则称B是线性规划问题 的一个基。 B 是由m个线性独立的列向量组成 解的概念 AX=BXB+NXN=b 令 非基变量XN=0 得BXB=b 和特解XB =B-1b 结合XN=0 称为对应于B的基本解 基本解个数=基的个数≤Cnm 基本可行解 可行的基本解 XB≥0 XN=0 可行基：对应的基本解也是可行解 解的概念 基本可行解 可行的基本解 XB≥0 XN=0 可行基：对应的基本解也是可行解 最优基： 对应的基本可行解也是最优 基本可行解个数≤基的个数≤Cnm 基本可行解的非零分量均为正分量， 其正分量个数≤ m。 退化的基本可行解： 基本可行解的非零分量个数小于m时，也就是在基本可行解中一个或多于一个的基变量取零值时 凸集的概念 1、基本概念： 凸集——设K是n维欧氏空间的一个点集，若任意两点X（1）∈K，X（2）∈K的连线上的一切点： αX（1）+（1-α）X（2） ∈ K （0α1），则称K为凸集。 凸集的概念 凸组合——设X（1） ，X（2） ，…，X（k） 是n维欧氏空间中的K个点，若存在k个数μ1， μ2 ，…， μk ,满足 0≤μi≤1, i=1,2, …,k； 则称X=μ1X（1）+μ2X（2）+…+μkX(k) 为X（1）, ，X（2） ，…，X（k）的凸组合。 顶点——设K是凸集，X?K；若K中不存在两个不同的点X（1） ? K，X（2） ? K 使 X=αX（1）+（1-α）X（2） （0α1） 则称X为K的一个顶点（也称为极点或角点）。 凸集的概念 基本定理 解的几何意义 例1－10 线性规划问题基本可行解的意义： 解的几何意义 解的几何意义 解的几何意义 解的几何意义 解的几何意义 例1－11 解的几何意义 例1－11 解的几何意义 求解思路 单纯形法 单纯形方法引例 单纯形法的一般描述 表格单纯形法 一般问题的处理 单纯形法矩阵描述 几点注意事项 单纯形方法引例 例1－12 用单纯形法的思想求解线性规划问题： 单纯形方法引例 例1－12 单纯形方法引例 例1－12 单纯形方法引例 例1－12 单纯形方法引例 例1－12 单纯形方法引例 例1－12 单纯形方法引例 例1－12 单纯形方法引例 单纯形方法引例 例1－12 单纯形法一般描述 初始基本可行解的确定（观察法） 单纯形法一般描述 初始基本可行解的确定（观察法） 单纯形法一般描述 从约束中解出基变量 单纯形法一般描述 代入目标消去基变量，得到非基变量xj的检验数? j。 单纯形法一般描述 代入目标消去基变量，得到非基变量xj的检验数? j。 单纯形法一般描述 判断最优 最优性判别定理：若 是对应于B的基本可行解， ?j是用 非基变量表示目标函数的表达式 中非基变量xj的检验数，若对于一 切非基变量的角指数j均有?j ≤0 则当前基本可行解为最优解。 单纯形法一般描述 没有有限最优解的判断 无最优解判别定理：若 是对应于B的基本可行解， 非基变量x k的检验数?k 0 , 且对于i=1,2,……,m 均有aik ≤0, 则问题没有有限最优解。 单纯形法一般描述 改进目标 若?k 0，则选xk进基 用最小比值法确定xk的最大值θ， 使基变量xl取0值，其它基变量非负； 单纯形法一般描述 主元变换（枢变换或旋转变换） xk进基， xl出基，解出新的基变量 表格单纯形法 标准型： 表格单纯形法 标准型： 表格单纯形法 表格单纯形法 表格单纯形法 表格单纯形法 表格单纯形法 练习 对于任意可行解X， 对于基本可行解X0， 即xl出基，目标改善?kθ，换基过程 若θ不存在, 则Z→∞，没有有限最优解。 基变量 检验数 基变量系数 右端常数