MBA数据模型与决策第四章线性规划进一步讨论.pptVIP

单纯形法 线性规划问题是求一个线性目标函数在一组线性约束条件下的极值问题。目标函数根据实际问题的要求可能求最大化也可能是求最小化；每一个函数约束分为等价约束即约束函数 = 右端项和不等式约束即约束函数右端项或约束函数右端项。因此，线性规划问题的形式有许多种，它们之间也可以相互转化. 单纯形法 为了方便讨论，我们将选择线性规划问题的如下形式为标准形式： Maximize Z = c1x1 + c2x2 + . . . + cnxn, a11x1 + a12x2 + . . . + a1nxn = b1 a21x1 + a22x2 + . . . + a2nxn = b2 . . . . . . . . . am1x1 + am2x2 + . . . + amnxn =bm x1 0, x2 0, . . . , xn 0. 单纯形法 1) 目标函数的转化 若原问题的目标函数是求最小化，即 : minimize Z = c1x1 + c2x2 + . . . + cnxn, 则可将目标函数乘以-1，等价转化为求如下最大化问题： Maximize -Z = -c1x1 - c2x2 - . . . –cnxn 转化后的问题与原问题有相同的最优解 单纯形法 2) 不等式约束转化为等式约束 (1) 如果约束条件是线性不等式: a11x1 + a12x2 + . . . + a1nxn ≤ b1 则通过引入松弛变量xn+1 ，将其转化为等价的等式约束条件: a11x1 + a12x2 + . . . + a1nxn + xn+1 = b1 单纯形法 (2) 如果约束条件是线性不等式: a11x1 + a12x2 + . . . + a1nxn ≥ b1 则通过引入剩余变量xn+1 ≥ 0 ， 将其转化为等价的等式约束条件: a11x1 + a12x2 + . . . + a1nxn - xn+1 = b1 单纯形法 3)变量约束的转换 在标准形式中，我们要求每个决策变量满足非负约束，如果原问题中某个变量是自由变量（即无非负限制）则可令 xi =x’i – x’’I, x’I ≥ 0, x’’i ≥ 0 . 代入原问题，即在原问题中将用两个非负变量之差代替 单纯形法 例： 将下列线性规划问题化为标准形式: 首先将最小化问题乘以-1，转化为最大化问题,在第一约束中引入松弛变量x4，第二个约束中引入剩余变量x5，再令自由变量x2=x’2– x”2 ，并将第三约束方程两边同乘以（-1), 得到与原问题等价的线性规划标准形式： 单纯形法 单纯形法 化为标准型后: Maximize Z = c1x1 + c2x2 + . . . + cnxn, a11x1 + a12x2 + . . . + a1nxn = b1 a21x1 + a22x2 + . . . + a2nxn = b2 . . . . . . . . . am1x1 + am2x2 + . . . + amnxn =bm x1 0, x2 0, . . . , xn 0. 一般来说, m.. n, 即: 约束个数小于变量个数 单纯形法 由上章讨论可知, 最优解里,x1, x2, x3,… xn