最优化课程论文.docVIP

求解线性规划的单纯形法 摘 要：线性规划就是用数学为工具, 来研究一定限制条件下, 如何实现某一线性目标最优化 。单纯形法是求解线性规划的主要算法，文章从单纯形法的思想出发，详细论述了单纯形法 的主体步骤，并借助单纯形表通过例题加以说明。求解思路是： 通过添加人工变量使得标准化后的系数矩阵一定含有单位矩 阵, 从而得到一组基变量和初始基本可行解。由于人工变量是人为添加的, 为了不改变原问题, 在目标函数中 消去人工变量, 并将人工变量由初始的基变量化成非基变量, 使之取值为零, 然后用普通单纯形法求解。 关键词：线性规划；单纯形法；单纯形表；步骤 1.迭代原理 从一个初始的基本可行解出发，经过判断，如果是最优解，则结束；否则经过基变换得到另一个目标函数值改善的基本可行解，如此一直进行下去，直到找到最优解。 2．迭代步骤 第1步：求初始基可行解，列出初始单纯形表。 第2步：最优性检验。 第3步：从一个基本可行解转换到相邻的目标函数值更大的 基本可行解，列出新的单纯形表。 第4步：重复第2、3步，一直到计算结束为止。 2.1确定初始基本可行解 由于可行解是由一个可行基决定的，因此，确定初始基可行解X0 相当于确定一个初始可行基 B0。确定方法：若系数矩阵A中含单位矩阵I，则取B0＝I；若A中不含I，则可用人工变量法构 造一个I。 2.2 最优性检验 用目标来检验解的优劣。在A中取定一个基矩阵B，则决策向量X可分块为! ，相应的价 格向量C也分块为（CB CN），把这个分块矩阵的形式乘出来，就是 Z＝CX＝（CB CN） !＝CBXB＋CNXN， 不妨设B表示A中的前m列，则可记A＝（B N），其中N为非基矩阵，约束中的AX＝b 可 表示为（B N）)! ＝b，即XB＝B－1b－B－1NXN经整理得 Z＝CB（B－1b－B－1NXN） ＋CNXN， ＝CBB－1b＋（CN－CBB－1N） XN 在这个式子中不难分析出，后边一项XN的系数CN－CBB－1N，当这个向量均为≤0分量时，这 时只有当XN取0时，使Z值最大，也就是当XN统统取0时的这个基本可行解是最优的，而当这个系数向量其中有某分量是＞0的时候，我们可以分析得到，当前XN统统取0的这个基本可行解 不是最优，因此，我们可以用XN的系数向量CN－CBB－1N的符号来判断当前基可行解是不是最优， 把这个系数向量叫做检验数向量，记为δ，当δ≤0 时，当前解为最优解。最优性检验的方法： （1） 计算每个变量 xj 的检验数δj＝Cj－CBB－1Pj，其中Pj 为A中的第j列；（2） 若所有δj≤0，则 当前解为最优；否则，如果至少有一个 δj＞0，当前解不是最优，转入第三步。 2.3 寻找更好的基本可行解 由于基本可行解与基对应，即寻找一个新的基可行解，相当于从上一个基B0变换为下一个新 的基B1，因此，本步骤也可称为基变换。在基变换的过程中要遵循这样的原则：保证改善目标， 再者保证基变换后的解可行。具体变换的方法就是将系数矩阵A＝(P1，P2，……Pi……Pk……Pn） 中非基向量部分的某一列和基向量中的某一列互换，而且每次只换一列，在基向量的行列中出 去一个进一个，这个基变换的过程就是确定进基出基。具体方法：首先决定进基，令正检验数 中最大的那个所对应的 Pk 进基；然后决定出基，令检验比θ i中最小的对应的行 Ps出基，其中θ i＝ (B-1b)i /(B-1Pk)i，(B-1Pk)i＞0，也就是对应分量之比。 在用单纯形法求解线性规划问题之前，有一个预备步骤就是将模型变为标准型，虽然可以由 基本的计算求出线性规划问题的最优解，但是为了更加简单、清楚，这个算法的过程我们通过表 格的形式来实现，即所谓的单纯形表。 例: 用单纯形法求解下面线性规划问题（以max为例） maxZ＝7X1＋12x2 s.t.： 9x1＋4x2≤360 4x1＋5x2≤200 3x1＋10x2≤300 x1，x2≥0 解：化为标准型： maxZ＝7X1＋12X2＋0X3＋0X4＋0X5 s.t.： 9x1＋4x2＋x3＝360 4x1＋5x2＋x4＝200 3x1＋10x2＋x5＝300 x1，x2，x3，x4，x5≥ 0 单纯形表： 第一个基是 I，初始表填完后，第一个基本可行解 X＝(0， 0，360，200，300） T，这个解是否为 最优呢？要计算检验数进行检验。以第一个检验数δ 1为例来加以说明 δ 1＝C1－CBB－1P1＝7－（0，0，0） (9 4 3 )T ＝7 同理求出其余几个检验数分别为12、0、0、0。如果检验数的符号均≤0，则当前这个基本可 行解最优，否则不是最优。我们看到这张表不是最优，还需继续进行。那么继续进行就需转到第 三个步骤基变换