用对偶单纯形法求解线性规划问题.doc

用对偶单纯形法求解线性规划问题. Min z =5x1+3x s.t. -2 x1 + 3x≥6 3 x1 - 6 x≥4 Xj≥0（j=1,2） 解： 将问题转化为 Max z = -5 x1 - 3 x s.t. 2 x1 - 3x+ x3 = -6 -3 x1 + 6 x+ x4≥-4 Xj≥0（j=1,2，3,4） 其中，x3 ，x4 为松弛变量，可以作为初始基变量，单纯形表见表4-17. 表4-17 例4-7单纯形表 Cj -6 -3 -4 0 CB XB b X1 X2 X3 X4 迭代0次 0 X4 -6 2 [-3] 1 0 0 X5 -4 -3 6 0 1 0 -5 -3 0 0 CB XB b X1 X2 X3 X4 迭代1次 -3 X4 2 -2/3 1 -1/3 0 0 X3 -16 1 0 2 1 6 -7 0 -1 0 在表4-17中,b=-160,而y≥0,故该问题无可行解. 注意: 对偶单纯形法仍是求解原问题,它是适用于当原问题无可行基,且所有检验数均为负的情况. 若原问题既无可行基,而检验数中又有小于0的情况.只能用人工变量法求解. 在计算机求解时,只有人工变量法,没有对偶单纯形法. 3.对偶问题的最优解 由对偶理论可知,在原问题和对偶问题的最优解之间存在着密切的关系,可以根据这些关系,从求解原问题的最优单纯形表中,得到对偶问题的最优解. 设原问题(p)为 Min z=CX s.t. 则标准型(LP)为 Max z=CX s.t. 其对偶线性规划（D）为 Max z=bTY s.t. 用对偶单纯形法求解（LP），得最优基B和最优单纯形表T（B）。对于（LP）来说，当j=n+i时，有Pj=-ei，cj=0 从而，在最优单纯形表T（B）中，对于检验数，有 （σn+1，σn+2…σn+m）=（cn+1，cn+2…，cn+m）-CBB-1（Pn +1,Pn+2…,Pn+m）=- CBB-1 (-I) 于是，Y*=（σn+1，σn+2…σn+m）T 。可见，在（LP）的最优单纯形表中，剩余变量对应的检验数就是对偶问题的最优解。 同时，在最优单纯形表T（B）中，由于剩余变量对应的系数 所以 B-1 =（-y n+1，-y n+2…-yn+m） 求下列线性规划问题的对偶问题的最优解。 Min z =6x1+8x s.t. x1 + 2x≥20 3 x1 + 2x≥50 Xj≥0（j=1,2） 解： 将问题转化为 Max z =-6x1-8x s.t. -x1 — 2x + x3=20 -3 x1 - 2x+ x4 =50 Xj≥0（j=1,2，3,4） 用对偶单纯形法求解如表 表4-18 例4-8单纯形表 Cj -6 -8 0 0 CB XB b X1 X2 X3 X4 迭代0次 -8 X4 5/2 0 1 -3/4 1/4 -6 X5 15 1 0 1/2 -1/2 -110 0 0 3 1 在引入松弛变量化为标准型之后，约束等式两侧同乘-1，能够立即得到检验数全部非正的原规划基本解，可以直接建立初始对偶单纯形表进行求解，非常方便。 对于有些线性规划模型，如果在开始求解时不能很快使所有检验数非正，最好还是采用单纯形法求解。因为，这样可以免去为使检验数全部非正而作的许多工作。从这个意义上看，可以说，对偶单纯形法是单纯形法的一个补充。除此之外，在对线性规划进行灵敏度分析中有时也要用到对偶单纯形方法，可以简化计算。 例4-9：求解线性规划问题： Min f = 2x1 + 3x2 + 4x3 S.t. x1