一个新的最钝角单纯形算法.docxVIP

东南大学硕士学位论文 第一章 引言 2 值检验的主元规则120，21，22，231，其中基于最钝角规则的一阶段算法，可为对偶单纯形算 法或原始对偶单纯形算法提供较好的初始对偶可行基，相应的两阶段算法在数值实验中 表现出色【20，30，31】． 为了提高单纯形算法的效率，本文将对非基变量分组，基于最钝角原理给予不同的优 先{更，从而建立新的主元规则．从对偶问题的角度来看，该算法可以看成是按最钝角原理 进行某种松弛．本文还引入距离主元标，以更充分的利用信息，减少迭代次数． 我们对该算法用Fortran语言编写程序加以实现，进行了初步的数值试验．结果表明，与传统两阶段单纯形算法相比，新算法能够有效地减少迭代次数．新算法对于大规模问题的求解具有潜在优势，是个有希望的算法． 本文的框架如下：随后一节将介绍本文所用的～些记号并简述单纯形法的基本概念和定理；第二章，简要介绍主元标和最优基的启发式梅征刻划；第三章，给出了新的最钝角单纯形算法；最后一章报告的数值试验结果，将新算法和传统两阶段单纯形算法进行了比较和分析． §1．1基本概念定理和符号说明 §1．1．1基本符号说明 本文将引用以下的符号和记法，如不特别说明，则以下面为准： (1)矩阵，集合 用大写的英文字母A，B，M，Ⅳ等表示 在具体使用时将对它们详细区分； (2)列向量 用小写的英文字母表示； (3)rank(A) 矩阵A的秩； (4)叼 矩阵A的第j列； (5)～ 向量·的第J个元素； (6)I·l 向量·的2一范数； (7)丑(·) 矩阵·的域空间； (8)I 单位矩阵． 东南大学硕士学位论文—— 第一章 嬗 3 §1．1．2基本概念和定理 考虑如下标准形式的线性规划问题t rain c％ (1．1口) 8．t Az=b (1．1b) 。≥0 (1．1c) 其中c=(C1，c2， ，‰)T啦a=1，2 ．，m)为n维列向量，eTz称为目标函数，(1．1b)式和 (1．1c)式称为该线性规划问题的约束条件． 关于以上线性线性规划问题概念和定理很多，我们这里只介绍在本文中要用到的基 本理论． 定义1．1．1设B为矩阵A中的一个m阶满秩方阵，则称B为一个基；B中m个线 性无关的列向量称为基向量；z中与之对应的m个分量称为基变量，其余的变量称为非 基变量，令所有的非基变量取值为零，得到的解； z=(篡)=㈢0) 称为对应于B的基本解． 定义1．1．2一个基本解z满足z≥0，即也是一个可行解，则称z为一个基本可行 解，这时它所对应的基B称为基本可行基． 定义1．1．3一个基本可行解￡，如果所有的基变量都取正值，则称为非退化的；反之 一个或多个变量取值为零，则说其是退化的．一个线性规划问题，如果它的所有基本可行 解都是非退化的，就称之为非退化的；否则有一个基本可行解是退化的，就说它是退化 定义1．1．4一个基本可行解z如果满足式n．J砂，则称之为线性规划问题的最优解，相应的目标函数值eTx就称为线性规划问题的最优值． 定理1．1．1可行解是基本可行解$的充分必要条件是正分量所对应的列向量线性无 东南大学硕士学位论文 第一章 引言 4 定理1．1．2若一标准的线性规划问题有可行解，则其必有基本可行解． 定理I．I．3若一个标准的线性规划问题的目标函数有有限最优值，则必在某个基本 可行解达到． 根据定义(1．2．1)我们在本文中有下面定义： 定义1．1，5与最优解相关联的基变量称为最优基变量，与最优解相关联的非基变量称为最优非基变量． §1．2单纯形方法概述 将线性规划阿繇(I．I)以表格形式表示如下； ，l 0 —了} 我们仍用B表示基变量下标集合以及基本可行基，用N表示非基变量下标集合以及非基矩阵，不失一般性，设B={l，2， ，m)，N={m+1，m+2 ，，耐，则问题(I．I)对应的表格分块为； 西南1 0 1—：击 将其进行Gauss-Jordan消去得。 0西一ⅣTB—rCB l奄B-1b 了——手丽—_r—万 令，=(o，西一N丁B～cB)，5=B—b，这样线性规划问题(1．1)就转化为； rain西B一16+^ (1．2a) s·tXB+B～NxN=5 (1．26) z≥0 (1．2c) 定理1．2．1如果有一牙使得上式口．2一中(≥0，则孟为原问题的最优解． 定理1．2．2如果向量e有分量靠S O但然m+l≤≈≤n，，而其对应的向量(B—N)k一。≤ 0则原问题无界． 壅堕奎耋堡圭兰堡垒塞 堑三耋圭茎堡垒丝董丝窒垄茎丝堡型型 5 定理1．2．3如果以．1-)式中向量(有分量厶S 0，且至少有一个负分量，则能找到另 一基本可行解量，使，圣S，孟． 以上三个定理给出了单纯形算法的工作原理，即不断地从一个可行基迭代到与它相 临的另一个可行基，直至找到最优基(若最优基存在的话)，