第2章 节 线性规划（第2节） 运筹学课件.ppt

节2.2 线性规划问题的解和单纯形法;一、线性规划的图解法; 例2.4 用图解法解以下线性规划。 约束条件： ;在以上的解题过程中可以看出z的最优解总是在可行域的顶点A,B,C,D,E中某一点处出现。至于到底在哪个顶点出现最优解这决定于目标函数的斜率。我们把目标函数改变时，最优解所对应的顶点和最优解也跟着变化的情况列表如F(见表2.1)：;表1.1;表2.2;一般地，对一个有 个变量、 个约束方程( )的线性规划问题 约束条件： ;对其约束条件方程组 有一组解 且 则称其为线性规划问题的可行解。如果可行解可使目标函数达到最大，则称其为最优解，其对应的目标函数最大值称为最优值。;如果令其中的 个变量等于零，再解剩下的 个变量那个方程的方程组而得到的一组解，称为线性规划问题的基本解。 这 个变量称为这个基本解的基变量，所有基变量的集合称为这个基本解的基，而令为零的 个变量称为非基变量。; 如果在这个基本解中，基变量取值均为非负，满足问题中的决策变量非负约束，则称这组解是基本可行解，否则称为不可行解。; 由此可见，一个线性规划问题解空间的极点完全是由其约束条件方程组的基本可行解来确定的。 这样我们就从理论上得到了解一般线性规划问题的代数方法，即对约束方程组，依次选取 个变量，令其为零，作为非基变量，求出基本解，如果基本解非负，即得一个基本可行解，否则舍去。 这样最多可得 个基本可行解。比较这有限个基本可行解的目标函数值，选取最大的，即可得线性规划问题的最优解了。 ;但是这样对有个 未知数 个方程( )的线性规划问题就要解 个方程组，而最优解要把这 个方程组的计算结果进行比较后才能得到。 如果 和 比较大，方程组的个数就很多。 例如当 ， 时有 个方程组。显然要解这么多的方程组是太麻烦了。;事实上，这其中有许多方程组的解是不可行的甚至不存在的。 例如在前面的例1.4中方程组有 ， 个，其中只有5个是可行的极点，还有10个是不可行或不存在的。因此根本用不着计算所有的方程组。 为了大大提高计算效率，避免计算那些不可行解，或虽是基本可行解，但目标函数值显然不好的解，人们就研究出了解线性规划问题的单纯形方法。;二、单纯形法;在具体计算上，它先要求用最简单的方法找到一个基本可行解，然后逐步改进，在找下一个基本解时，每次只改变一个基变量，同时要求新得的基本解一定是非负可行的，而其对应的目标函数值不会比原来的差。 ;这样就可大大提高计算的效率，同时它又采用了一种特殊的表格形式，使计算更清晰、简单。 在用单纯形法解线性规划时，除允许目标函数求最小值，其他条件必须都先化成标准形式。; 下面用例1.4的标准形式为例，来说明单纯形法的计算方法。 在其约束条件方程组中，因松弛变量的系数形成一个单位矩阵，因此可以看出，如果令 为非基变量，可立即得到一个基本可行解， 称为初始基本可行解。;将目标函数写成 后，就可以把它和约束条件一起写在下面的单纯形表格中，如表2.3所示。; 表中“基”栏写出目前所采用的基变量 和 。而“解”栏则是目前基变量的取值， 即 和 。 不出现在“基”栏的非基变量(在本例中现在是 和 )的值都是零。 这组解使目标函数 的值等于零，写在“解”栏的第一行。;显然目前的基本可行解， 和 不是最优的。;为了改进目标函数值我们要找一个较好的基本可行解。 怎样找呢? 方法是在目前的非基变量中挑选一个合适的变量，把它的值增加到大于零，成为一个新的基变量，这个新加入的基变量称为调入变量。这样就可以改进目标函数值。;但在本例中，一个极点要有两个数值为零的非基变量，现在有一个非基变量大于零了，那么就必须从原来的基变量中挑选出一个来令它等零，并且要保证新的解是可行的。 这个从基变量中挑选出来的变量称为调出变量。; 怎样桃选调入变量呢?对一个最大化问题而言，一般是挑选单纯形表格中目标方程这一行内有负系数的变量作为调入变量。 如果有几个变量的系数都是负的，通常就挑选负得最多的那个变量作为调入变量。 因为把这个变量放到目标方程右边的时候就是系数最大的，给这种变量一个大于零的值，很可能使目标函数值增加得最多。;在本例中，目标方程这一行中 和 的系数 都是负的，但 的系数“-4”比 的系数“-3”负得更多，因此选 作为