线性规划问题外的基本理论.pptVIP

（1）凸集 定义：设K是n维欧氏空间的一点集，若任意两 点X(1)∈K，X(2)∈K的连线上的所有点 αX(1)+(1?α)X(2)∈K，(0≤α≤1)，则称K为凸 集。（任何两个凸集的交集是凸集） （2）顶点 设K是凸集，X∈K；若X不能用不同的两点 X(1)∈K和X(2)∈K的线性组合表示为 X=αX(1)+(1?α)X(2)，(0＜α＜1)，则称X为K 的一个顶点(或极点)。 2、基本定理 定理1：若线性规划问题有可行域，则可行 域必为凸集。 定理2 ：线性规划问题的基可行解X对应于 可行域D的顶点。 定理 3 ：若可行域有界，则最优解一定在 顶点上达到。 定理的意义： 定理1：可行域是凸集。 定理2：基本可行解对应顶点。 定理3：最优解在顶点上找。 几何意义的作用 线性规划问题的所有可行解构成的集合是凸集，也可能为无界域，它们有有限个顶点，线性规划问题的每个基可行解对应可行域的一个顶点。 若线性规划问题有最优解，必在某顶点上得到。虽然顶点数目是有限的，若采用“枚举法”找所有基可行解，然后一一比较，最终必然能找到最优解。但当n,m较大时，这种办法是行不通的，所以要继续讨论如何有效寻找最优解的方法。本课程将主要介绍单纯形法。 单纯性法实质：从一个顶点向一个顶点迭代，保持最优性，一直到达到最优解。 第二章 第2节线性规划问题的基本理论 一、线性规划问题的标准化 二、线性规划问题的解 三、线性规划问题的几何意义 一、线性规划问题的标准化 一般形式 目标函数： Max （Min） z = c1 x1 + c2 x2 + … + cn xn 约束条件： a11 x1 + a12 x2 + … + a1n xn ≤ （ =, ≥ ）b1 a21 x1 + a22 x2 + … + a2n xn ≤ （ =, ≥ ）b2 …… …… am1 x1 + am2 x2 + … + amn xn ≤ （ =, ≥ ）bm 决策变量： x1 ，x2 ，… ，xn ≥(≤) 0 标准形式 目标函数： Max z = c1 x1 + c2 x2 + … + cn xn 约束条件： a11 x1 + a12 x2 + … + a1n xn = b1 a21 x1 + a22 x2 + … + a2n xn =b2 …… …… am1 x1 + am2 x2 + … + amn xn =bm 决策变量： bi ≥0 x1 ，x2 ，… ，xn ≥ 0 一般型和标准型的区别 可以看出，线性规划的标准形式有如下四个特点： 目标最大化； 约束为等式； 决策变量均非负； 右端项非负。 对于各种非标准形式的线性规划问题，我们总可 以通过以下变换，将其转化为标准形式: 1、极小化目标函数的问题： 设目标函数为 Min f = c1x1 + c2x2 + … + cnxn (可以)令 z ＝ -f ， 则该极小化问题与下面的极大化问题有相同的最优解， 即 Max z = - c1x1 - c2x2 - … - cnxn 但必须注意，尽管以上两个问题的最优解相同， 但它们最优解的目标函数值却相差一个符号，即 Min f ＝ - Max z 2、约束条件不是等式的问题： 设约束条件为 ai1 x1+ai2 x2+ … +ain xn ≤ bi 可以引进一个新的变量s ，使它等于约束右边与 左边之差（一般称S为松弛变量） s=bi–(ai1 x1 + ai2 x2 + … + ain xn ) 显然，s 也具有非负约束，即s≥0， 这时新的约束条件成为 ai1 x1+ai2 x2+ … +ain xn+s = bi 当约束条件为 ai1 x1+ai2 x2+ … +ain xn ≥ bi 时， 类似地令 s=(ai1 x1+ai2 x2+ … +ain xn)- bi 显然，s 也具有非负约束，即s≥0，这时新的约 束条件成为 ai1 x1+ai2 x2+ … +ain xn-s = bi 称S为剩余变量。 不等式情况下： 当≤，引入松弛变量s 当≥，引入剩余变量s 松弛变量：需要补充的资源 剩余变量：没有使用的资源 如果原问题中有若干个非等式约束，则将其 转化为标准形式时，必须对各个约束引进不 同的松弛变量。 3、右端项有负值的问