《运筹学教资料》运筹学第1章1-2节2014].pptVIP

小结：基本定理 （1）线性规划的可行域是一个凸多面体。 （2）线性规划可行域的顶点与基本可行解一一对应。 （3）线性规划的最优解（若存在的话）必能在可行域的顶点获得。 2.2 基可行解的性质与几何特征 凸集中的“极点”，又称顶点或角点，是指它属于凸集，但不能表示成集中某二点连线的内点。如多边形的顶点。 由图解法得到线性规划解的一些特性 凸多面体是凸集的一种。所谓凸集是指：集中任两点的连线仍属此集。 （1）线性规划的约束集（即可行域）是一个凸边形（多面体）。 1.2 线性规划问题的图解法 （2）线性规划的最优解（若存在的话）必能在可行域的顶点获得 因为，由图解法可知，只有当目标直线平移到边界时，才能使目标z 达到最大限度的优化。 问题：本性质有何重要意义？ 1.2 线性规划问题的图解法 （3）线性规划解的几种情形 1）唯一解 2）多重最优解 注：出现3）、4）情况时，建模有问题 3）无可行解 4）无有限最优解 这也是一般线性规划问题的类似结论。 1.2 线性规划问题的图解法 线性规划问题的一般数学模型 1.3 线性规划的标准型 1.3 线性规划的标准型 方程组（1.2）中不含有多余的方程 （一般m≤n） bi≥0(i=1,…,m) 解决一般线性规划问题的第一步：标准形的转换 标准型的特征：Max型、等式约束、非负约束 1.3 线性规划的标准型 只需令 , 再求 的最大值 线性规划问题的一般型如何化为标准型？ （1）如果目标函数求极小，则 1.3 线性规划的标准型 （2）若约束关系是不等式，引入松弛变量(slack variables) , 把不等式改成等式。 （3）若变量不满足“≥0”，决策变量的标准化 （4）当bi≤0，约束常数的标准化 约束方程两边同乘 -1 将下列线性规划化成标准形。 解：先引入三个松弛变量x3、x4、x5 在每个约束不等式中分别加上 松弛变量使不等式化为等式， 3x1+2x2 ≤18 3x1+2x2+x3 =18 +x3 x1 ≤4 x1 +x4 =4 +x4 2x2 ≤12 2x2 +x5=12 +x5 1.3 线性规划的标准型 【例5】 得到标准形： 注：加入的松弛变量x3、x4、x5可以看成没有被利用的资源，当然不会产生利润，故在目标函数中的系数应为0。此时，z 仍可简写为 松弛变量在目标函数中的系数是什么？ 1.3 线性规划的标准型 从而，该问题的标准型为： 将下列线性规划化成标准形。 1.3 线性规划的标准型 【例6】 1.3 线性规划的标准型 线性规划问题标准形的矩阵表示： A为系数矩阵； b是资源向量， C是价值向量， X为决策变量向量. 记 则矩阵表示为： 1.3 线性规划的标准型 线性规划问题标准形的 向量表示: 目标函数 z = CX 可写成： 此时约束方程AX=b 可写成： 则向量表示为： 若令 z = c1 x1 + c2 x2 + …+ cn xn P1x1 + P2 x2 + …+ Pn xn = b max z = c1 x1 + c2 x2 + …+ cn xn s.t. P1x1 + P2x2 + … + Pn xn = b x j ≥0, j = 1 , 2 , … , n 1.3 线性规划的标准型 1.4 线性规划问题解的概念 给定一个线性规划问题LP： 1.4 线性规划问题解的概念 所有可行解的集合称为可行域 (feasible region),记为 使目标函数达到最大值的可行解称为最优解(an optimal solution)。 可行域 可行解 Q2(2,6) (1)可行解 (a feasible solution) 满足约束条件的 X 称为线性规划问题的可行解; 直观上，可行解是可行域中的点，是一个可行的方案； 最优解是可行域的顶点，是一个最优的方案。 1.4 线性规划问题解的概念 即 是 A 的任意 m 个列向量, r(A)=m 设 是线性无关的， 如果 构成线性规划问题的一个基(base)。 则称 对应的变量 称为基变量。 其余的变量称为非基变量(non-basic-variable)。 称为基阵。 矩阵 （2）基矩阵与基变量 记约束方程系数矩阵A的列向量是 1.4 线性规划问题解的概念 行列式≠0 基阵 = 目标函数 约束条件 右边常量 基矩阵所对应的