运筹学与最优化方法 第3版 第3章 线性规划.pptxVIP

第 3 章 线性规划;3.1 线性规划模型;3.1 线性规划模型;3.1 线性规划模型;3.1 线性规划模型;一般形式 目标函数：;标准形式 目标函数： Max z = c1x1 + c2x2 + … + cnxn 约束条件：;可以看出，线性规划的标准形式有如下四个特点：目标最大化、约束为等式、决策变量均非负、右端项非负。 对于各种非标准形式的线性规划问题，我们总可以通过以下变换，将其转化为标准形式。;1.极小化目标函数的问题设目标函数为 Min f = c1x1 + c2x2 + … + cnxn 则可以令z ＝ -f ，该极小化问题与下面的极大化问题有相同的最优解，即 Max z = -c1x1 - c2x2 - … - cnxn 但必须注意，尽管以上两个问题的最优解相同，但它们最优解的目标函数值却相差一个符号，即 Min f ＝ - Max z;2.约束条件不是等式的问题设约束条件为 ai1 x1+ai2 x2+ … +ain xn ≤ bi 可以引进一个新的变量s ，使它等于约束右边与左边之差，即 s=bi–(ai1 x1 + ai2 x2 + … + ain xn )显然，s 也具有非负约束，即s≥0， 这时新的约束条件成为 ai1 x1+ai2 x2+ … +ain xn+s = bi;当约束条件为 ai1 x1+ai2 x2+ … +ain xn ≥ bi 时，类似地令 s=(ai1 x1+ai2 x2+ … +ain xn)- bi 显然，s 也具有非负约束，即s≥0，这时新的约束条件成为 ai1 x1+ai2 x2+ … +ain xn-s = bi;为了使约束由不等式成为等式 而引进的变量s称为“松弛变量”。如果原问题中有若干个非等式约束，则将其转化为标准形式时，必须对 各个约束引进不同的松弛变量。;例2 将以下线性规划问题转化为标准;其次考虑约束，有2个不等式约束，引进松弛变量x4，x5 ≥0。 于是，我们可以得到以下标准形式的线性规划问题： Max z = - 3.6 x1 + 5.2 x2 - 1.8 x3 s.t. 2.3x1+5.2x2-6.1x3+x4= 15.7 4.1x1+3.3x3-x5= 8.9 x1+x2+x3= 38 x1 ,x2 ,x3 ,x4 ,x5 ≥ 0;3. 变量无符号限制的问题 在标准形式中，必须每一个变量均有非负约束。当某一个变量xj没有非负约束时，可以令 xj = xj′- xj″ 其中 xj′≥0，xj″≥0 即用两个非负变量之差来表示一个无符号限制的变量，当然xj的符号取决于xj′和xj″的大小。;4.右端项有负值的问题 在标准形式中，要求右端项必须每一个分量非负。当某一个右端项系数为负时，如 bi0，则把该等式约束两端同时乘以-1，得到 -ai1 x1-ai2 x2- … -ain xn = -bi;例3 将以下线性规划问题转化为标准形式;解 首先，将目标函数转换成极大化：令 z = -f = 3x1–5x2–8x3+7x4 其次考虑约束，有3个不等式约束，引进松弛变量x5 ,x6 ,x7 ≥0 。 由于x2无非负限制，可令x2=x2′-x2″,其中 x2′≥0，x2″≥0 由于第3个约束右端项系数为-58，于是把该式两端乘以-1 。 于是，我们可以得到以下标准形式的线性规划问题：;Max z = 3x1–5x2′+5x2″–8x3 +7x4 s.t. 2x1–3x2′+3x2″+5x3+6x4+x5= 28 4x1+2x2′-2x2″+3x3-9x4-x6= 39 -6x2′+6x2″-2x3-3x4-x7 = 58 x1 ,x2′,x2″,x3 ,x4 ,x5 ,x6 ,x7 ≥ 0;3.1 线性规划模型;3.1 线性规划模型;3.2 线性规划的单纯形法;3.2 线性规划的单纯形法;3.2 线性规划的单纯形法;3.2 线性规划的单纯形法 Ⅰ.单纯形法原理及算法过程 算法过程(考虑一般步, k = 0,1,2,… )设 x(k) 为极点, 对应分解 A =（B , N ），使 xT = （xBT, xNT ）, 这里 xB = B-1b0, xN =0，相应 cT = （ cBT, cNT ） 。那么， 若 cNT- cBT B-1N≤0, 则 x(k)—opt，停； 否则，存在 cj- cBT B-1pj 0, 若 B-1pj≤0, 则(LP) 无有界解，停； 若存在(B-1pj)i 0, 取 α = min{(B-1b)i / (B-1pj)i | (B-1pj)i 0} = (B-1b)r /(B-1pj)r 0;线性规划的单纯形法;3.2 线性规划的单纯形法;3.2 线性规划的单纯形法;3.2 线性规划的单纯形;3.2 线性规划的单纯形法;建立实用