单纯形法的进一步讨论人工变量法9.pptVIP

1.5 单纯形法的进一步讨论 5-1 人工变量法 由于所添加的剩余变量的技术系数为?1，不能作为初始可行基变量，为此引入一个人为的变量（注意，此时约束条件已为“=”型），以便取得初始基变量，故称为人工变量 由于人工变量在原问题的解中是不能存在的，应尽快被迭代出去，因此人工变量在目标函数中对应的价值系数应具有惩罚性，称为罚系数。罚系数的取值视解法而定 两种方法 大M法 二阶段法 大M法的求解过程 例 p46-1.1(a) p46-1.1(a)的单纯形法迭代过程 大M法的一些说明 大M法实质上与原单纯型法一样，M 可看成一个很大的常数 人工变量被迭代出去后一般就不会再成为基变量 当检验数都满足最优条件，但基变量中仍有人工变量，说明原线性规划问题无可行解 大M法手算很不方便 因此提出了二阶段法 计算机中常用大M法 二阶段法手算可能容易 5-2 两阶段法 第一阶段的任务是将人工变量尽快迭代出去，从而找到一个没有人工变量的基础可行解 第二阶段以第一阶段得到的基础可行解为初始解，采用原单纯型法求解 若第一阶段结束时，人工变量仍在基变量中，则原问题无解 为了简化计算，在第一阶段重新定义价值系数如下： 用二阶段法求解p46-1.1(d) ,第一阶段 ◆ 单纯型法的一些具体问题 1. 关于无界解问题 可行区域不闭合(约束条件有问题) 单纯型表中入变量 xj* 对应的列中所有 2. 关于退化问题 退化问题的原因很复杂，当原问题存在平衡约束时 当单纯型表中同时有多个基变量可选作出变量时 退化的严重性在于可能导致死循环，克服死循环的方法有“字典序”法 3. 关于多重解问题 多个基础可行解都是最优解，这些解在同一个超平面上，且该平面与目标函数等值面平行 最优单纯型表中有非基变量的检验数为0 最优解的线性组合仍是最优解，即 X=aX1+bX2，（a+b=1） 例3 的单纯型表及其迭代过程 4. 关于无可行解问题 约束条件互相矛盾，无可行域 单纯型表达到最优解检验条件时，人工变量仍在基变量中 例4 第一阶段的单纯型表 ◆ 修正单纯型法（了解） 原单纯型法迭代所需存储量大 原单纯型法有不必要的计算量 1. 修正单纯型的原理 1. 修正单纯型的原理 关键是求新基的逆矩阵 B?1 仍然可以采用四角算法 混合算法 当前基的逆矩阵 B?1 在原单纯型表的什么位置上？ 在初始可行基向量位置上 ( AN | I ) ? ( I | AN?1 ) 应用举例1——配方问题 养海狸鼠 饲料中营养要求：VA每天至少700克，VB每天至少30克，VC每天刚好200克。现有五种饲料，搭配使用，饲料成分如下表： 配方问题建模 设抓取饲料I x1kg;饲料II x2kg;饲料III x3kg…… 目标函数：最省钱 minZ=2x1+7x2+4x3+9x4+5x5 约束条件 营养要求： 3x2+2x2+x3+6x4+18x5 ≥700 x1+0.5x2+0.2x3+2x4+0.5x5 ≥30 0.5x1+x2+0.2x3+2x4+0.8x5 =200 用量要求：x1 ≤50,x2 ≤60,x3 ≤50,x4 ≤70,x5 ≤40 非负性要求：x1 ≥0,x2 ≥0,x3 ≥0,x4 ≥0,x5 ≥0 应用举例2 ——人员安排问题 医院护士24小时值班，每次值班8小时。不同时段需要的护士人数不等。据统计： 人员安排问题建模 目标函数：min Z=x1+x2+x3+x4+x5+x6 约束条件： x1+x2 ≥70 x2+x3 ≥60 x3+x4 ≥ 50 x4+x5 ≥20 x5+x6 ≥30 X6+X1≥60 非负性约束：xj ≥0,j=1,2,…6 * hw * 解： [ ] x5 x6 x5 x1 [ ] 最优解为：x1=3/4，x2=1/2，x3=x4=x5=x6=0 最优值为 3 有无穷多最优解 x1 x5 x1 x2 x4 x5 [ ] x4 x5 [ ] x1 x4 x1 x2 x1 x4 [ ] 第二阶段 x1 x2 无最优解（无界解）。这是因为 200 30