运筹学与最优化MATLAB编程第5章.pptVIP

第5章　线性规划 5.1　线性规划的模型结构5.2　线性规划的单纯形法 5.3　linprog函数 5.1　线性规划的模型结构 max(min) f=c1x1+c2x2+…+cnxn　　 s.t.　a11x1+a12x2+…+a1nxn≤(=,≥)b1　　　　 a21x1+a22x2+…+a2nxn≤(=,≥)b2 线性规划的标准形式为： max f=c1x1+c2x2+…+cnxn　 s.t.　a11x1+a12x2+…+a1nxn=b1　　　 a21x1+a22x2+…+a2nxn=b2 5.1　线性规划的模型结构 am1x1+am2x2+…+amnxn=bm x1,x2,…,xn≥0 转化成矩阵的表示形式为： max f(x)=cTx s.t.　Ax=b　 x≥0 5.1　线性规划的模型结构 标准形式的可行域是凸集合(凸集合概念可以参看相关章节)。 各种形式的线性规划都可以化为标准形式。 (1)若给出的线性规划是极大化目标函数，则有 min f(x)=max[-f(x)] (2)若第i个约束为不等式，则可增加松弛变量，把原约束化为等式约束。 5.1　线性规划的模型结构 5.1　线性规划的模型结构 例如： minf=-x1-x2-x3　　 s.t.　7x1+3x2+9x3≤1 8x1+5x2+4x3≤1 6x1+9x2+5x3≤1 x1,x2,x3≥0 5.1　线性规划的模型结构 引入松弛变量x4,x5,x6≥0，原式变为线性规划的标准形式为： max f=x1+x2+x3+0x4+0x5+0x6　　 s.t.　7x1+3x2+9x3+x4+0x5+0x6=1 8x1+5x2+4x3+0x4+1x5+0x6=1 6x1+9x2+5x3+0x4+0x5+x6=1 x1,x2,x3,x4,x5,x6≥0 5.1　线性规划的模型结构 (1)若给出的线性规划是极大化目标函数，则有(2)若第i个约束为不等式，则可增加松弛变量，把原约束化为等式约束。(3)若第i个等式约束中bi0，则用-1乘该等式两端。(4)若第j个变量xj没有非负限制，此时称xj为自由变量，则引入两非负变量，即x′j,x″j≥0,令xj=x′j-x″j，将其代入目标函数以及约束中去。 5.2　线性规划的单纯形法 5.2.1　单纯形算法5.2.2　单纯形表格法的MATLAB程序：simplexTab 5.2.1　单纯形算法 单纯形法(Simplex Method)是求解线性规划问题的通用方法。单纯形是美国数学家G.B.丹齐克于1947年首先提出来的。它的理论根据是：线性规划问题的可行域是n维向量空间Rn中的多面凸集，其最优值如果存在，必在该凸集的某顶点处达到。顶点所对应的可行解称为基本可行解。单纯形法的基本思想是：先找出一个基本可行解，对它进行鉴别，看是否是最优解；若不是，则按照一定法则转换到另一改进的基本可行解,再鉴别；若仍不是，则再转换,按此重复进行。 max f(x)=cTx 　　　　　　s.t.　Ax=b　　? x≥0min g(x)=-cTx s.t　Ax=b x≥0　　设矩阵A的秩为m。 5.2.1　单纯形算法 算法说明： 本书以线性函数最大化(即max)给出，但是由于MATLAB的内置函数都是以最小化形式进行编程的，为了编写的程序与MATLAB的风格一致，本书程序是以最小化的标准形式进行编程实现的。两种形式在算法步骤上只有目标函数系数向量c的正负号相反。请读者在阅读时注意两者的区别。 5.2.1　单纯形算法 步骤1：取得一个初始可行基B,写出初始基可行解，以及当前的目标函数值，计算所有检验数。 步骤2：考察所有检验数，若所有检验数≥0，则当前基为最优解，停。否则转步骤3。 步骤3：若≤0，则无最优解，停。否则转步骤4。 5.2.1　单纯形算法 5.2.2　单纯形表格法的MATLAB程序：simplexTab 1.初始输入表2.迭代过程表 1.初始输入表 表格 2.迭代过程表 表格 MATLAB优化库函数都是以最小化为标准，所以simplexTab(mat,numFreeVar)程序也以最优化为标准。 simplexTab的使用方法为： 先将一般的线性规划变为线性规划的标准形式，再构建初始单纯形表格，输入程序。 5.2.2　单纯形表格法的MATLAB程序：simplexTab 在MATLAB的command window输出: 初始结果： the best Pivot is 2 row and 1 col the simplex table is 7.00003.00009.00001.0000001.00000.14298.00005.00004.000001.000001.00000.1250(6.0000)9.00005.0000001