第7章线性规划.pptVIP

第7章 线形规划 线性规划是处理线性目标函数和线性约束的一种颇有成效的方法。苏联数学家康特罗维 奇等在1939年就提出了解决下料问题和运输问题的方法，但是，直到1947年美国数学家 G．B．Dantzig发表了求解一般线性规划问题的方法——单纯形法之后，其理论和算法才趋于成熟。 第7章 线形规划 目前线性规划的技术已广泛应用在军事、经济、工业、农业、教育、商业和社会科学等许多方面。能得到如此广泛应用的主要原因是：可以购买到能解大规模问题(变量可多至几万个)且高度可靠的商品程序，以及线性规划能容易地处理数据变动问题(灵敏度分析)。 第7章 线形规划 美国杂志Interfaces l976年11月的一份述评指出，线性规划已成为所有最优化方法中最常用的技术(占74％)，1979年10月出版的美国科学新闻曾报导：用于科学计算的计算机时间中，有关线性规划问题的计算约占四分之一左右。而且在运筹学其它分支中的许多问题也可以化为线性规划来求解。 第7章 线形规划 虽然大多数实际工程技术问题是非线性问题，但是，了解线性规划是十分有益的。其基本原因有四点：首先，通常可用线性化的办法将一个非线性问题简化为线性问题，并用线性规划技术解之；其次，线性规划常用作开发一些较复杂的非线性规划算法的基础，第三，线性规划的学习为引入更深的数学规划概念提供了合乎逻辑的进展， 7－1 基本概念 求设计变量X=[x1, x2,…, xn]T， 使目标函数 minf= c1x1+c2x2+…+cnxn 且满足约束条件 （Subected to）: n 线性规划维数 m 线性规划阶数 Pj=[a1j, a2j, … amj]T----系数列向量 可行解 满足式的X=[x1, x2,…, xn]T称为可行解，也可称为可行点。条件x1,x2,…, xn?0是不能忽略的； 有时，尽管式有解， a11x1+a12x2+…+a1nxn =b1 a21x1+a22x2+…+a2nxn =b2 … … am1x1+am2x2+…+amnxn =bm 但这些解如不满足x1,x2,…, xn?0，还是没有容许解。当然式(2)本身就没有解的情况也是有的，我们称这种约束条件是矛盾的,或不相容的。 可行集合 所有满足约束条件的解的集合称可行集合，也就是可行区。一个可行解可以看成为可行集合(或可行区)中的一个点。矛盾的约束条件所形成的可行集合为空集. 我们称这种约束条件是矛盾的，或是不相容的。没有一个可行的集合，称为空集。 凸集与凸集顶点 我们知道以设计变量为坐标，组成n维空间，在n维空间的一个点就代表一个设计方案。每一个不等式约束方程在n维空间就形成一个超曲(平)面。这些超曲平面合成一个所谓约束界面。通常约束界面把n维空间分为两大区域：一是可行的区域，另一是不可行的区域。在可行区域里，每一点都代表一个可以接受的设计方案，是一个可行点。 设?可行的区域内的一个集合，若其中任意两点x(1)和x(2) 的连线都在集合?中，则称这种集合是n维欧氏空间的一个凸集 。 有了凸集概念后，我们再引出一个凸集顶点(或叫极点)的概念。如上所述，在凸集内若有两点，则这两点连线上的点必在凸集内。现在再倒过来提一个问题：在凸集上有一点能否找到凸集中另外两点，使已给定的那一点成为这两点连线上的点。如根本找不到或根本不存在这两点，则那一点叫“顶点”。 凸集顶点的概念对于用线性规划寻找使目标函数为最小(或最大)的自变量x有什么好处呢?数学上证明结果表明，使f 的最小 (或最大) 值，一定在可行区凸集的某个顶点上。这就是说，只要从为数有限的顶点中去寻找就可以了。 7－2 两个重要性质 凸集与顶点和线性规划的两个重要性质有密切关系； (1)线性规划的可行域是一个凸集； (2)线性规划的基本定理 线性规划若存在可行点，则必存在可行域的顶点；若存在最优点，则至少有一个顶点是最优点。 上述基本定理的重要意义是： (1) 保证了顶点的存在性; (2)把一般要从无限个可行点中寻找最优点的问题简化为仅在有限个顶点中确定一个最优点的问题。 基本可行解 若一个m阶线性规划问题有一个可行解，而这个解中大于0的分量又不多于m个，并且对应于非0的分量的系数向量之间是线性无关的，则称这个可行解为基本可行解 当然，一般来说，一个问题的基本可行解不是唯一的，事实上这个问题的基本可行解也不只这一个。 基本变量 基本可行解中那些大于0的分量相对应的变量称为基本变量，而其余变量称为非基本变量。自然，基本变量的个数一定不大于m，非基本变量的个数不少于n-m个。 基本变量与非基本变量是相对于基本可行解来说的。脱离开基本可行解，这种提法是无意义的。 7－3 线性规划的标准形式