运筹学-第二章-线性规划PPT课件.pptxVIP

;2;3;2.1 LP的数学模型 ;5;; 线性规划的数学模型的构成三要素;8;9;10;11;12;13;;1. 通过图解法了解线性规划有几种解的形式 2. 作图的关键有三点 (1) 可行解区域要画正确 (2) 目标函数增加的方向不能画错 (3) 目标函数的直线怎样平行移动;16;17;18;19;例2-5：将下列线性规划化为标准型 ; (3) 第二个约束条件是 ≥ 号，在 ≥ 号左端减去剩余变量(Surplus variable) x5，x5 ≥ 0。也称松驰变量；; 得到下列标准型 ;1. 如何化标准形式？; 设线性规划的标准型 max Z=CX （2.1） AX=b （2.2） X ≥0 （2.3） 式中：A是m×n矩阵，m≤n并且r（A）=m，显然A中至少有一个m×m阶子矩阵B，使得 r（B）=m。;例2-6：线性规划 ; 由线性代数知，基矩阵 B 必为非奇异矩阵并且|B|≠0。当矩阵B的行列式等式零即|B|=0时就不是基。 ;可行解 (feasible solution) 满足式（2.2）及（2.3）的解X=（x1,x2…，xn)T 称为可行解 。;在例2-6中，对Ｂ１来说，x1, x2是基变量，x3, x4，x5是非基变量，令x3=x4=x5=0，则式1.２ （约束条件）为：; 由于 是基本解，从而它是基本可行解，在 中 x10,因此不是可行解，也就不是基本可行解。 ; 可行基 基可行解对应的基称为可行基；最优基：基本最优解对应的基称为最优基。;基本最优解、最优解、基本可行解、基本解、可行解的关系如下所示：; 凸集(Convex set)：设K是n维空间的一个点集，对任意两点 时，则称K为凸集。; 极点(Extreme point) ： 设K是凸集， ，若X不能用K中两个不同的 点 的凸组合表示为;【定理1】若线性规划可行解K非空, 则K是凸集。 ; 定理3描述了最优解在可行解集中的位置，若最优解唯一，则最优解只能在某一极点上达到，若具有多重最优解，则最优解是某些极点的凸组合，从而最优解是可行解集的极点或界点，不可能是可行解集的内点 。;1. 线性规划常用的概念：可行解、基本解、基本 可行解、最优解??基本最优解、基、可行基、最优基、凸集、极点（凸点）、凸组合;2.5 单纯形法 Simplex Method; 单纯形计算方法(Simplex Method)是先求出一个初始基可行解并判断它是否最优，若不是最优，再换一个基可行解并判断，直到得出最优解或无最优解。它是一种逐步逼近最优解的迭代方法。;【解】化为标准型，加入松驰变量x3、x4 则标准型为;本例中 λ1=300, λ2=400, λ3=0, λ4=0。;进基列 ;最优解X=(15，10，0，0)T，最优值Z=8500;43; 单纯形法全过程的计算，可以用列表的方法计算更为简洁，这种表格称为单纯形表。;第Ｌ个比值最小 ，选最小比值对应行的基变量为出基变量，若有相同最小比值，则任选一个。aLk为主元素；; 例2-8：求解线性规划;初始单纯形表为;例2-9：求解线性规划;; 上表中λj 全部非正, 则最优解为:;唯一最优解的判断：最优表中所有非基变量的检验数非零（小于零）, 则线性规划具有唯一最优解 。 多重最优解的判断: 最优表中存在非基变量的检验数为零,则线则性规划具有多重最优解。 无界解的判断: 某个λk0且aik≤０（i=1，2,…,m）则线性规划具有无界解 退化基本可行解的判断: 存在某个基变量为零的基本可行解。;若模型不含单位矩阵，为了得到一组基向量和初基可行解，在约束条件的等式左端加一组虚拟变量，得到一组基变量。这种人为加的变量称为人工变量，构成的可行基称为人工基，用大M法或两阶段法求解，这种用人工变量作桥梁的求解方法称为人工变量法。; 解：首先