运筹学第2章（修改后）.pptVIP

１.单纯形算法 单纯形算法的计算步骤如下： 判断现有基础可行解是否是最优解。若是，则（LP）问题的所有可行解相应的目标值均满足z≥z０，计算结束；若不是最优解，则继续下一步。 通过旋转运算，使现有基础变量中的某一个化为非基础变量，同时使现有某个非基础变量化为基础变量。由此得到一个新的改善了目标值的基础可行解。记它的目标值为z１，且z１＜z０。再以新的基础可行解为起点，继续进行上一个步骤。 单纯形算法就是在以上两个步骤间反复迭代，直至求得最优解。 在迭代过程中必须解决以下几个问题： 判断一个基础可行解是否是最优解的条件是什么？ 如何使求得的新的基础可行解的目标值比原基础可行解的目标值小？ 如何保证在旋转运算的过程中常数项非负？ （１）单纯形法的最优解判别条件 把求解线性规划问题转换成寻求线性方程组的一个解 并使所有x满足非负条件和目标值z最小。 在单纯形算法中，上述最优解判别条件就是算法的停止条件之一。即只要单纯形表中存在 ＜０，就继续进行旋转运算寻求新的、目标有所改善的基础可行解。 （２）改善现有基础可行解的途径 如果最优解判别条件不能满足，即 中有负数，则应利用旋转变换运算求另一目标较小的基础可行解。 在迭代过程中，只要选负判别数列的非基础变量当进基变量，就可保证新基础可行解的目标值减小。 （３）出基变量的选择　 解决这一问题的唯一准则是：选择的出基变量xp经 旋转运算后得到的所有常数项必须保证非负性。 单纯形法有以下主要结论： 假定 是（LP）问题的一个已知的基础可行解，相应的目标值为 ，可能出现如下几种情况： 若判别数 ，（j＝r+1，２，…，n），则 是（LP）问题的最优解， 为最优值，算法结束。 若 中，对某个 所有的 （i＝１，２，…，r），则（LP）问题无最优解，目标函数值z→－∞，算法结束。 若 中，对某个 至少有一个 ， 则令 选定 作旋转项进行一次旋转运算，使xq变成基础变量，xp变成非基础变量。设旋转运算后得到的新基础可行解为x′，目标值为z′＜z０。再对x′、z′重复进行上述三种情况的分析，直至算法结束。 实际运算时若判别数中不止一个为负，则一般选择其中最小者所对应的非基变量进基。 由线性规划的基本性质可知，线性规划的基础可行解的个数不多于个 ，且其最优解一定会在基础可行解上达到。因此，只要（LP）问题有最优解，用单纯形法求解之，就一定可以经过有限次迭代求出它。 实际运算时若判别数中不止一个为负，则一般选择其中最小者所对应的非基变量进基。 由线性规划的基本性质可知，线性规划的基础可行解的个数不多于个，且其最优解一定会在基础可行解上达到。 因此，只要（LP）问题有最优解，用单纯形法求解之，就一定可以经过有限次迭代求出它。 例　求解下列（LP）问题 max p=3x1+x2+3x3 s.t. 2x1+x2+x3≤2 x1+2x2+3x3≤5 2x1+2x2+x3≤6 x1≥0，x2≥0，x3≥0 解　为应用单纯形法解此题，先将问题化成标准形式。因此，先用－１乘目标函数，使之化求最大为求最小。同时引入三个非负松弛变量x４、x５、x６，使不等式化成等式。得原（LP）问题的标准形式如下 max z=－3x1－x2－3x3 s.t. 2x1+x2+x3+x4≤2 x1+2x2+3x3+x5=5 2x1+2x2+x3+x6=6 xi≥0，(i=1，2，…，6) 不难发现，这个标准形式已是一个正规等价方程组了。它给出了一个初始基础可行解为 = 目标值为 z０＝０ 可用单纯形法求解。列出的单纯形初始表见下表 可用单纯形法求解。列出的单纯形初始表见下表2-10 从下表看出，c１′＝－３＜０，c２′＝－１＜０，c３′＝－３＜０，且负判别数列对应元素均有元素大于零者，故可以求下一个基础可行解。 选 作进基变量，计算 后得p＝１，故定 作旋转项（已在下表的初始表中用红色字体标出），出基变量为x３，作一次旋转运算后得下表的单纯形第二表。 第二表给出的新基础可行解为 ，目标值为－３（从该表的右下角看出）。 仍有一个负判别数c３′＝－３/２，且该列亦有正元素，故取x３作进基变量。又因