北邮最优化课件_5对偶理论与灵敏度分析.pptVIP

最优化理论 * b3由3变成11时， 单纯形表对应新问题的一个基本(不可行)解和 故可用对偶单纯形法继续求解。 对偶问题的一个可行解， z x 1 x 2 x 3 x 4 x 5 x 6 RHS z 0 0 0 - 5/6 - 1/3 - 1/2 - 18 x 2 0 1 0 1/4 0 - 1/4 -1 x 1 1 0 0 - 1/6 1/3 1/2 9 x 3 0 0 1 5/12 - 1/3 1/4 3 此时单纯形表 * 4 改变约束矩阵A 有如下两种情形 * 此时情况较复杂，若只有少数列发生变化可用如下方法 * * 5 加入新的约束 设原有约束为Ax=b，在此基础上，我们增加一个新的约束 (2)若原问题的最优解不满足新的约束，则需要把新的约束条件增加到原来的最优表中再解新问题。 设原来的最优基为B。最优解为 * * * * * * * * * 总结: 当原问题只有个别数据改变, 特别是变化幅度不大时, 用灵敏度分析比对新问题重新求解简单, 在现实中市场因素(价值系数) , 生产资料(右端向量), 生产技术(矩阵元素)随时在变化, 而参数的变化必然 引起模型的变化 这即相当于求一个x,使得满足 4.3 原始对偶算法8 称J为允许列集合.为找出这样的x,构造新的LP,称为限制的原始问题(RP): 利用单纯形法求解此RP:若最优值为0则已找到(6)的解,因此也是P的最优解.若最优值大于0,如何处理? 4.3 原始对偶算法9 为解决此问题,需要考察限制的原始问题RP的对偶DRP 4.3 原始对偶算法10 现在我们处于这样的情形:试图只应用允许列来找出 一个可行解x,但由于RP的最优值0,所以努力失败了 这就可能考察利用原来的?和新得到的 来校正? 4.3 原始对偶算法11 因为RP和DRP是一对相互对偶的规划,所以它们的 最优值相等.因此有 但是我们得到了RP的最优解及其对偶的最优解, 所以我们应该选取?0,从而改进D的费用 4.3 原始对偶算法12 为维持可行性,只需考察下述不等式 4.3 原始对偶算法13 此时,可行性准则变为 于是有 4.3 原始对偶算法14 当解限制的原始问题并达到了改进D的解的时候,我们 重新定义集合J,然后重复上述过程直到或者?opt=0并因 此得到P的最优解,或者由定理1知P无可行解. Procedure primal-dual 4.3 原始对偶算法15 begin infeasible:=‘no’, opt:= ‘no’ let ? be feasible in D(comment:possible by(3) ); while infeasible:=‘no’and opt:= ‘no’ do begin set solve RP by the simplex algorithm if ?opt=0 then opt:= ‘yes’ else if then infeasible:=‘yes’ else end end 4.3 原始对偶算法16 我们运用表格形式进行迭代。初始表结构如下： 此表中原来变量xj 中仍属于限定问题中.即 j?J,则用?在上方标注.解RP的进离基运算在标?的列和y的列进行 ? ? 限定原始问题达到最 优时,若要修改对偶问题的可行解，只需把第m+1行?倍加到第m+2行即可 4.3 原始对偶算法17 求解每一 限定原始问题的过程中 除第m+2行外，均作运算 但只能是属于限定原始问 题的变量才有资格作为进基 变量。 4.3 原始对偶算法18 “限定原始问题达到最优时,若要修改对偶问题的可行解，只需把第m+1行?倍加到第m+2行即可”的理由 下面求解上述LP。首先找出对偶问题的一个可行解。例4.3.1 的对偶是： 4.3 原始对偶算法19 于是得一阶段问题 显然w=(0,0)是一个可行解，此时有 4.3 原始对偶算法20 变量上方的标识符?表示该变量属于RP 4.3 原始对偶算法21 按照前述给定的格式，得初表如下 ? ? 4.3 原始对偶算法22 ? ? ? 4.3 原始对偶算法23 ? ? ? ? ? ? J={2},用单纯形法解 RP：x2进基,y1离基. 经主元消去得下表 (注：解RP时第4行 不变） RP的判别数均非正, 达到最优，Z0=20 修改对偶问题的可