[互联网]第8章线性规划与网络流.pptVIP

一般线性规划问题的2阶段单纯形算法 引入人工变量后的线性规划问题与原问题并不等价，除非所有zi都是0 。 为了解决这个问题，在求解时必须分2个阶段进行。 第一阶段用一个辅助目标函数 替代原来的目标函数。 这个线性规划问题称为原线性规划问题所相应的辅助线性规划问题。 对辅助线性规划问题用单纯形算法求解。 如果原线性规划问题有可行解，则辅助线性规划问题就有最优解，且其最优值为0，即所有zi都为0。 在辅助线性规划问题最后的单纯形表中，所有zi均为非基本变量。 划掉所有zi相应的列，剩下的就是只含xi和yi的约束标准型线性规划问题了。 单纯形算法第一阶段的任务就是构造一个初始基本可行解。 单纯形算法第二阶段的目标是求解由第一阶段导出的问题。 此时要用原来的目标函数进行求解。 如果在辅助线性规划问题最后的单纯形表中， zi不全为0，则原线性规划问题没有可行解，从而原线性规划问题无解。 退化情形的处理 用单纯形算法解一般的线性规划问题时，可能会遇到退化的情形，即在迭代计算的某一步中，常数列中的某个元素的值变成0，使得相应的基本变量取值为0。 如果选取退化的基本变量为离基变量，则作转轴变换前后的目标函数值不变。在这种情况下，算法不能保证目标函数值严格递增，因此，可能出现无限循环。 考察下面的由Beale在1955年提出的退化问题的例子。 按照2阶段单纯形算法求解该问题将出现无限循环。 Bland提出避免循环的一个简单易行的方法。 Bland提出在单纯形算法迭代中，按照下面的2个简单规则就可以避免循环。 规则1：设 ，取xe为入基变量。 规则2：设 取xk为离基变量。 算法leave(col)已经按照规则2选取离基变量。 选取入基变量的算法enter(objrow) 中只要加一个break语句即可。 仓库租赁问题 某企业计划为流通的货物租赁一批仓库。必须保证在时间段i=1,2,…,n，有bi的仓库容量可用。现有若干仓库源可供选择。设cij是从时间段i到时间段j租用1个单位仓库容量的价格，1?i?j?n。应如何安排仓库租赁计划才能满足各时间段的仓库需求，且使租赁费用最少。 设租用时间段i到时间段j的仓库容量为yij，1?i?j?n。则租用仓库的总费用为： 在时间段k可用的仓库容量为： 仓库租赁问题可表述为下面的线性规划问题： 设 m=n(n+1)/2； （ ）=（ ）； （ ）=（ ）； 上述线性规划问题可表述为n个约束和m个变量的标准线性规划问题如下。 * 最大流量问题(Maximum-flow) 流量网络 流量守恒 * 最大流量问题(Maximum-flow) 最大流量问题的最优问题定义 对于每一条边(i,j)∈E，有0≤xij≤uij； 约束∑xji- ∑xij = 0 ,其中i=2,3,...,n-1 使v= ∑x1j最大化 增益路径法(Ford-Fulkerson) 从流量0开始，迭代时试着找一条可以传输更多流量的路径(流量增益)；以此方法找一条更好的增益路径，直到找不到为止。 * 最大流量问题(Maximum-flow) * 最大流量问题(Maximum-flow) 为了得到流量增益路径，需要考虑两类边： 前向边：从i连向j，有正的为使用容量rij=uij-xij 后向边：从i连向j，具有正的流量xji 设r是流量增益路径中所有前向边的为使用容量rij和所有后向边的流量xji的最小值。 如果在每条前向边的当前流量上增加r，在每条后向边的流量上减去r，得到一个更大的可行流量。 * 最大流量问题(Maximum-flow) 增益路径法的性能退化 最短增益路径法可以解决 * 最大流量问题(Maximum-flow) 最短增益路径法(先标记先扫描算法) 用两个记号来标记一个新的顶点 第一个标记指出从源点到被标记顶点还能增加多少流量 第二个标记指出另一个顶点的名字，可加上+或-来表示顶点时通过前向边还是后向边访问到的 算法 * 最大流量问题(Maximum-flow) * 最大流量问题(Maximum-flow) * 最大流量问题(Maximum-flow) * 小结 迭代改进技术用来求最优问题的解，它生成一系列使问题目标函数值不断改进的可行解。 单纯形算法是求解一般线性规划问题的经典方法。思路是：生成问题可行区域的一系列邻接极点，使得目标函数值不断改进。 最大流量问题要求