运筹学电子教案 LP单纯形法表.pptVIP

1 线性规划 Linear Programming （ LP ） 基本理论 线性规划的标准型 定义： max z = c 1 x 1 + c 2 x 2 + … + c n x n a 11 x 1 + a 12 x 2 + … + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + … + a 2n x n = b 2 s. t. … 其中 b j ≥ 0 ， j = （ 1 ， 2 ， … n ） a m1 x 1 + a m2 x 2 + … + a mn x n = b m x j ≥ 0 （ j=1 ， 2 … n ） 将一般线性规划问题化为标准型 1 、 max —— min 2 、不等式约束 —— 等式约束 3 、自由变量（无非负约束） —— x j ≥ 0 （非负约束） 注意：以上转化是等价的，即转化后的标准型与原线性规划问题同 解 2 线性规划 Linear Programming （ LP ） 基本理论 可行解 满足所有约束条件的向量 X = （ x 1 ， x 2 ， … ， x n ） T 可行域 全部可行解的集合 最优解 使目标函数达到极值的可行解 唯一最优解 有唯一可行解使目标函数达到极值 无穷多最优解 有无穷多可行解使目标函数达到极值 无界最优解 存在可行解使目标函数值 ∣ Z ∣ ≥ M （ M 是任意大 的正数 ） 有界最优解 存在可行解使目标函数值 ∣ Z ∣ ≥ M （ M 是任意大 的正数 ） 基矩阵 B 满秩系数矩阵 A （ n ? m ） 的任一个 m ? m 满秩子矩阵 即由矩阵 A 的任意 m 列线性无关的列向量构成的矩阵 非基矩阵 N 即由矩阵 A 去掉 B 的 m 列所余下的 n-m 列向量构成的 矩阵 3 线性规划 Linear Programming （ LP ） 基本理论 基向量 基矩阵 B 的向量 p i = （ a 1i ， a 2i ， … ， a mi ） T i = 1 ， 2 ， … ， m 非基向量 非基矩阵 N 的向量 p j = （ a 1j ， a 2j ， … ， a mj ） T j = m+1 ， … ， n-m 基变量 与基向量 p i 对应的变量 x i x B = （ x 1 ， x 2 ， … ， x m ） T 非基变量 与非基向量 p j 对应的变量 x j x N = （ x m+1 ， … ， x n-m ） T 基本解 在约束条件 AX = b 中不妨设基矩阵 B 是 A 的前 m 个列向 量。于是 AX = b 可改写为： B x B + N x N = b ，然后令 x N =0 ，即可解得 x B = B -1 b ， 则 X = （ x B ， x N ） T = （ B -1 b ， 0 ） T ，称为对应基矩 阵 B 的基本解 基本可行解 若基本解中 B -1 b ≥ 0 ，则称其为对应 B 的基本可行解 凸集 这样的点集合 ---- 其集合中任意两点的连线上的全部点 都在该点集合内 4 线性规划 Linear Programming （ LP ） 基本理论 极点（顶点） 凸集上不在两个不同点的连线上的点 线性规划基本定理 1 线性规划所有可行解组成的集合 S={ X| AX = b ， X ≥ 0 } 是凸集 线性规划基本定理 2 X 是线性规划问题的基本可行解的充要条件是 X 为凸集 S={ X| AX = b ， X ≥ 0 } 的极点 线性规划基本定理 3 给定线性规划问题， A 是秩为 m 的 m ? n 矩阵， （ i ） 若线性规划问题存在可行解，则必存在基本可行解 （ ii ） 若线性规划问题存在有界最优解，则必存在有界最 优基 本可行解 5 线性规划 Linear Programming （ LP ） 基本理论 线性规划的标准型的向量和矩阵表达形式 向量式： 矩阵式： max Z = c 1 x 1 +c 2 x 2 +…+c n x n max Z=CX s.t. p 1 x 1 +p 2 x 2 +…+p n x n =b s.t. AX = b x j ≥ 0 （ j=1 ， 2 ， …n ） X ≥ 0 式中： p j = （ a 1j ， a 2j ， … ， a mj ） T C = （ c 1 ， c 2 ， … ， c n ） a 11 a 12 … a 1n X = （ x 1 ， x 2 ，