管理运筹学课件-线性规划的对偶理论.pptVIP

* 例3-6的求解 ? * 例3-6的求解 ? * 例3-6的求解 ? * 例3-6的求解 * 价值系数变化的灵敏度分析 1.原理：cj 的变化只会影响?j 2.第38页例3-7 Max z = 2x1+ 3x2+ x3 x1 + x2 + x3 + x4 = 3 x1 + 4x2 + 7x3 + x5 = 9 x1，x2，x3，x4 ，x5 ? 0 ? * 第38页例3-7的求解 ? * 第38页例3-7的求解 ? * 第38页例3-7的求解 ? * 第39页例3-8的求解 ? * 第39页例3-8的求解 ? * 第39页例3-8的求解 * 技术系数变化的灵敏度分析 1.原理：同bi 的变化，B-1pj 反映进最终单纯形表。 2. Xj 为非基变量 3. Xj 为基变量 4. 练习第41页例3-11 5. 练习第41页例3-12 * Xj 为非基变量（例3-7） * Xj 为基变量（例3-7） ? * Xj 为基变量（例3-7） * 第41页例3-11 ? Max z = 5x1+ 12x2+ 4x3 x1 + 2x2 + x3 + x4 = 5 2x1 - x2 + 3x3 + x5 = 2 x1，x2，x3，x4 ，x5 ? 0 * 第41页例3-11 ? * 07/16/96 * ## * 07/16/96 * ## * 07/16/96 * ## * 07/16/96 * ## * 1.对偶问题的提出 2.对偶关系 3.对偶性质 4.对偶单纯形法 5.灵敏度分析 * 1. 对偶问题的提出 1.从数学角度提出对偶问题 (1) 正规化的线性规划数学模型 (2) 检验数与最优条件 (3) 对偶模型 2.从经济学角度提出对偶问题 (1) 例1 (2) 例1的数学模型 (3) 例1的对偶模型 * 正规化的线性规划数学模型 Max z = C X A X + E Xs = b X, Xs ? 0 * 检验数与最优条件 * 对偶模型 * 例1 * 例1的数学模型 Max z = 8x1 + 7x2 x1+ 2x2 ? 100 4x1+ 3x2 ? 200 5x1+ 6x2 ? 300 x1 ， x2 ? 0 * 例1的对偶模型 Min z = 100x1 + 200x2 + 300x3 x1+ 4x2 + 5x3 ? 8 2x1+ 3x2 + 6x3 ? 7 x1 ， x2 ? 0 * 2. 对偶关系 * 3. 对偶性质 1.对称性:对偶问题的对偶是原问题； 2.弱对偶性:CX ? Yb, X和Y是可行解； 3.无界性:原问题无界, 对偶问题无可行解； 4.最优性: CX = Yb, X和Y是最优解； 5.对偶性:原问题与对偶问题同时具有最优解且最优值相等； 6.互补松弛性； 7.对应性。 * 互补松弛性 对于线性规划的最优解，若某一约束条件的对偶变量值大于零，则该约束条件取严格等式；反之，若约束条件取严格不等式，则其对应的对偶变量一定为零。 * 对应性 1.原问题： Max z = CX AX +EXs = b，X，Xs ? 0 2.对偶问题： Min z = Yb YA - EYs = C，Y，Ys ? 0 3.对应关系 4.例2 * 4. 对偶单纯形法 1.对偶单纯形法的内涵 2.对偶单纯形法的优点和应用的 前提条件 3.对偶单纯形法的计算步骤 4.例3（例3-5） * 对偶单纯形法的内涵 对偶单纯形法：在对偶可行基的基础上进行的单纯形法即为对偶单纯形法。 单纯形法是在原问题可行的基础上，通过迭代使对偶问题达到可行，从而得到最优解。根据对偶问题的对称性，可这样考虑，若原问题不可行而对偶问题可行，那么在保持对偶问题可行的基础上，逐步迭代使原问题达到可行，也可得到最优解。 * 对偶单纯形法的优点和 应用的前提条件 对偶单纯形法的优点是原问题的初始解不要求是可行解，可以从非可行解开始迭代，从而省去了引入人工变量的麻烦。 当然对偶单纯形法的应用也是有前提条件的，这一前提条件就是对偶问题的解是基可行解。 * 对偶单纯形法的计算步骤 1.根据对偶基可行解列初始单纯形表； 2.最优性检验：若原问题也为基可行解，则已得到最优解，过程结束；否则，进入第3步。 3.选择出基变量：Min{bi | bi ? 0} 4.选择入基变量：Min{?j /aij | aij? 0} 若所有的aij均大于零，则无可