运筹学第2章 对偶规划.pptVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
0 £ - rj oj b b l ① 显然,如果 rj b > 0, ①等价于 rj oj b b ≥ l 如果 rj b < 0 ,①就等价于 rj oj b b ≤ l 令 ? t ? y ü ? ? ? í ì = 0 min rj rj oj r b b b c l ? t ? y ü ? ? ? í ì = 0 max rj rj oj r b b b c l 显然。要使①式成立,必须使 r r c c l l l £ £ 成立。以例 1.1 的灵敏 度分析为例(参表1.3) 10 2 3 15 1 - = - = c l 10 2 1 5 1 = - - = c l 注意:如果brj中无正数,则λ的下界为-∞;如果brj中无负数,则λ的上界为+∞。 * 本课件的所有权属于熊义杰 * 本课件的所有权属于熊义杰 附 练习答案:y1=4/5, y2=3/5, y3=1, y4=0 第二章 对偶规划与灵敏度分析 2.1 线性规划对偶问题的初步认识 2.2 线性规划的对偶理论 2.3 对偶单纯形方法 2.4 对偶解的经济解释 2.5 灵敏度分析 * 本课件的所有权属于熊义杰 * 第二章 对偶规划与灵敏度分析 2.1 线性规划对偶问题的初步认识 2.1.1 什么是对偶问题 以例1.1和例1.2的对偶问题为例进行说明。 把例1.1的问题重写如下: (P) s.t. 木工工时限制 油漆工工时限制 该问题的对偶问题可以表述为如下模型: (D) s.t. 什么是对偶问题 * 本课件的所有权属于熊义杰 * 原模型 P 和对偶模型 D 既有联系又有区别。联系在于,它们都是关 于家具厂生产经营的模型 , 并且使用相同的数据;区别在于 , 它们所反映 的实质内容是完全不同的: P 是站在家具厂经营者的立场上追求家具厂的 销售收入最大 , 而 D 则是站在家具厂谈判对手的立场上寻求应付家具厂租 金最少的策略。 任何线性规划问题都有对偶问题 , 而且都有相应的经济意义。 如例 1.2 的配合饲料问题,其原模型是: 粗玉粉 骨粉 ( P ) 2 1 5 3 min x x Z + = s.t. 8 2 4 2 1 3 + x x 96 60 30 2 1 3 + x x 0 , 2 1 3 x x 热值约束 蛋白含量约束 例1.2的对偶模型 其对偶问题是: 热量 蛋白 (D) 2 1 96 8 max y y S + = s.t. 3 30 4 2 1 £ + y y 5 60 2 2 1 £ + y y 0 , 2 1 3 y y 粗玉米粉 骨粉 * * 该对偶问题的经济意义可解释为:有一家厂商准备为饲料用户生产 两种可以代替饲料中热量和蛋白质的营养素 ( 或两种单一成份饲料 ), 无疑 厂商希望它的产品既有市场竞争力(价格能被用户接受,这是约束) , 又 能带来最大的利润(价格最大化,这是目标)。模型中的 1 y 和 2 y 即代表 这两种营养素的价格 , 约束方程分别表示 , 用户用于购买 两种单一营养素 相当于某一复合饲料一个单位时的总开支应不超过该复合饲料的售价。 例1.2的对偶模型 由以上不难得到,所谓对偶规划,就是与线性规划原问题相对应并使用同一组数据按照特定方法形成的另一种反映不同性质问题的线性规划模型。 * 本课件的所有权属于熊义杰 * 2. 1. 2 对偶规划的一般数学模型 原模型与对偶模型有很多的内在联系和相似之处。如原问题如求目 标函数最大化,对偶问题即求目标函数最小化;原问题目标函数的系数 变成为对偶问题的右边项,而原问题的约束的右边项则变成为对偶问题 目标函数的系数;对偶问题的系数矩

文档评论(0)

132****9295 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档