第一章 线性规划与单纯形法（5-6）.pptVIP

清华大学出版社 第1章 线性规划与单纯形法 第1节 线性规划问题及其数学模型 第2节 线性规划问题的几何意义 第3节 单纯形法 第4节 单纯形法的计算步骤 第5节 单纯形法的进一步讨论 第6节 应用举例 第5节 单纯形法的进一步讨论 5.1 人工变量法 5.2 退化 5.3 检验数的几种表示形式 5.1 人工变量法 设线性规划问题的约束条件 ,其中没有可作为初始基的单位矩阵，则分别给每一个约束方程加入人工变量xn+1,…,xn+m，得 例8 现有线性规划问题，试用大M法求解。 加入人工变量x6,x7，得到 因本例的目标函数是要求min，所以用所有cj?zj≥0来判别目标函数是否实现了最小化.用单纯形法进行计算见表。 在表的最终计算结果可看出，已得到最优解：x1=4,x2=1,x3=9，x4=x5=x6=x7=0；目标函数z = ?2 以下介绍求解含有人工变量线性规划问题的两阶段法。 第一阶段：不考虑原问题是否存在基可行解；给原线性规划问题加入人工变量，并构造仅含人工变量的目标函数和要求实现最小化。 例9 试用两阶段法求解如下线性规划问题： 解: 先在上述线性规划问题的约束方程中加入人工变量，给出第一阶段的数学模型为： 第一阶段用单纯形法求解。求得的结果是w=0，最优解是 x1=0,x2=1,x3=1,x4=12,x5=x6=x7=0 因为人工变量x6=x7=0，所以原线性规划问题的基可行解是 (0，1，1，12，0)T。 于是可以进行第二阶段运算。将第一阶段的最终表中的人工变量取消，填入原问题的目标函数系数，进行第二阶段计算。 5.2 退化 在单纯形法计算中用θ规则确定换出变量时，有时存在两个以上相同的最小比值，这样在下一次迭代中就有一个或几个基变量等于零，这就出现了退化解。 这时换出变量xl=0，迭代后目标函数值不变。这时不同基表示为同一顶点。有人构造了一个特例，当出现退化时，进行多次迭代，而基从B1,B2，…又返回到B1，即出现计算过程的循环，便永远达不到最优解。 5.2 退化 尽管实际计算过程中循环现象极少出现，但还是有可能发生的。如何解决这问题? 先后有人提出了“摄动法”，“字典序法”。1974年由勃兰特(Bland)提出一种简便的规则，简称勃兰特规则： (1) 选取cj?zj＞0中下标最小的非基变量xk为换入变量，即 k=min(j｜ cj?zj＞0 ) (2) 当按θ规则计算存在两个和两个以上最小比值时，选取下标最小的基变量为换出变量。 按勃兰特规则计算时，一定能避免出现循环。 5.3 检验数的几种表示形式 本书以max z=CX；AX=b，X≥0为标准型，以cj?zj≤0，（j=1,2,…,n）作为最优解的判别准则。 由于还有其他形式的问题，为了避免混淆，将有关情况归纳如下： 设x1,x2,…,xm为约束方程的基变量，于是可得 5.3 检验数的几种表示形式 将它们代入目标函数后，可有两种表达形式 判别准则的选择 当要求目标函数实现最大化时，若用(1-37)式来分析，就需要用cj?zj≤0,（j=1,2，…,n）作为判别准则；若用(1-38)式来分析，就需要用zj?cj≥0,（j=1,2,…,n）作为判别准则。 当要求目标函数实现最小化时，可用(1-37)式或(1-38)式来分析，这时可分别用cj?zj≥0或zj?cj≤0，（j=1,2,…,n）来判别目标函数是否已达到最小。 几种判别准则的汇总 5.4 单纯形法小结 (1)?根据实际问题给出数学模型，列出初始单纯形表。进行标准化，见表1-10。分别以每个约束条件中的松弛变量或人工变量为基变量，列出初始单纯形表。 一、使用线性规划方法处理实际问题 必须具备的条件(建模条件)： 优化条件---问题的目标有极大化或极小化的要求,而且能用决策变量的线性函数来表示。 选择条件---有多种可供选择的可行方案，以便从中选取最优方案。 限制条件---达到目标的条件是有一定限制的（比如，资源的供应量有限度等），而且这些限制可以用决策变量的线性等式或线性不等式表示出来 此外，描述问题的决策变量相互之间应有一定的联系，有可能建立数学关系，即这些变量之间是内部相关的。 二、建模步骤： 第一步：设置要求解的决策变量。决策变量选取得当，不仅能顺利地建立模型而且能方便地求解，否则很可能事倍功半。 第二步：找出所有的限制，即约束条件，并用决策变量的线性方程或线性不等式来表示。当限制条件多，背景比较复杂时，