第三章规划论.pptVIP

基本解——当取定一个基时，令非基变量为0，由克莱姆法则可得对应于该基的唯一解。此解的非零数目不超过个m个，非0分量的数目等于m的基本解称为非退化的，否则称为退化的。 a11x1 + a12x2 + … a1mx2 + … + a1nxn = b1 a21x1 + a22x2 + … a2mx2 + … + a2nxn = b2 …… am1x1 + am2x2 + … a2mx2 + … + amnxn = bm X=(x1 , x2 , … , xm , 0 , 0…0) 基本可行解——满足非负条件的基本解叫基本可行解，它是基本解又是可行解。基本可行解的数目（非零分量）不大于m，并且都是非负的。一般地说，基本可行解的数目小于基本解的数目，最多是相等。 a11x1 + a12x2 + … a1mx2 + … + a1nxn = b1 a21x1 + a22x2 + … a2mx2 + … + a2nxn = b2 …… am1x1 + am2x2 + … a2mx2 + … + amnxn = bm x1，x2，… xn ≥ 0 基本可行解 X=(x1 , x2 , … , xm , 0 , 0…0) 基本可行解——满足满足目标函数要求的可行解，称为线性规划问题的最优解。 a11x1 + a12x2 + … a1mx2 + … + a1nxn = b1 a21x1 + a22x2 + … a2mx2 + … + a2nxn = b2 …… am1x1 + am2x2 + … a2mx2 + … + amnxn = bm x1，x2，… xn ≥ 0 最优解 X=(x1 , x2 , … , xm , 0 , 0…0) max Z = c1x1 + c2x2 + … + cnxn 满足非负条件 可行解 基本 解 取定一个基 基本 可行解 最优解 满足目标函数要求 解 之 间 的 关 系 max z= x3 x1 + x2 + x3 + x4+ x5 = 4 x1 + x2 + x3 + x4- x5= 4 xi ≥ 0, i = 1,2,…,5 2 理论分支 例题1 ? 对于约束方程组 ? x1 - x2 + 2 x3 = 1 x1 + x2 + x3 =1 x1 , x2 , x3 ≥0 系数矩阵 基 退化解 非退化解 2 理论分支 例 题 2 ? 对于约束方程组 ? 系数矩阵 基 退化解 非退化解 x1 + x2 - x3 = 1 x1 - x2 - x3 = 2 x1 , x2 , x3 ≥0 6 线性规划解的性质 设 Ｄ 是 n 维欧氏空间的一个点集，连接Ｄ中任意两点 X、Y 的线段仍在Ｄ内，则称 Ｄ 为凸集。 1、凸集的概念 X Y X Y ● ● ● ● ● ● 图中每个点都是由n 维坐标表示的，这个n 维坐标与 向量是一致的，而向量是与线性规划问题的解是一致的。 =1 =u =1-u 1≥ u ≥0 x y z Z= x+ ( y- x) u = ( 1- u) x+ u y 任一点的表示方法 令X Y 之间的相对长度为1，X Z之间的长度站整个长度 的 比例为U， 6 线性规划问题解的性质 设 集合R是 n 维线性空间，如果其中任意两点 X 和 Y ，如果对于任意 1 ≥ u ≥ 0，都有 ( 1 - u ) x + u y 仍然属于 R ，则可说 R 为凸集。 （1）基本概念 凸集数学表述 顶点 设 集合 R 是一个凸集，Z 是这个集合中中的一点，如果在此集合中找不到两个不同的点 X 和 Y ，使 Z = ( 1- u ) x+ u y ，1 ≥ u ≥0 成立，则可说 Z 点为S凸集的顶点。 x1 x2 x1 x2 顶点的直观解释 （2）线性规划问题解的性质定理 定理 1 线性规划问题的可行解集 R 为凸集。 首先，线性规划问题的可行解 X=(x1 , x2 , … , xn)是一个 n 维向量，它可以看成是一个由 n 个坐标构成的点。线性规划问题可能有不止一个可行解,也就是说可能有很多个这样的点，这些点就构成了一个集合，很显然这个集合就是一个 n 维欧氏空间 ，我们要证明的结论，就是这个集合是一个凸集。 X Y 线性规划问题所有的解 所构成的集合 证明这个问题的基本思路 也就是，已知