最优化课程论文【范本模板】.pdf

求解线性规划的单纯形法

摘要：线性规划就是用数学为工具,来研究一定限制条件下,如何实现某一线性目标

最优化。单纯形法是求解线性规划的主要算法,文章从单纯形法的思想出发，详细论述

了单纯形法的主体步骤，并借助单纯形表通过例题加以说明。求解思路是：通过添加

人工变量使得标准化后的系数矩阵一定含有单位矩阵，从而得到一组基变量和初始基

本可行解。由于人工变量是人为添加的，为了不改变原问题，在目标函数中消去人

工变量，并将人工变量由初始的基变量化成非基变量,使之取值为零,然后用普通单

纯形法求解.

关键词：线性规划；单纯形法；单纯形表；步骤

1。迭代原理

从一个初始的基本可行解出发，经过判断,如果是最优解，则结束；否则经过基变

换得到另一个目标函数值改善的基本可行解，如此一直进行下去，直到找到最优解。

2．迭代步骤

第1步：求初始基可行解，列出初始单纯形表.

第2步：最优性检验。

第3步：从一个基本可行解转换到相邻的目标函数值更大的

基本可行解,列出新的单纯形表。

第4步:重复第2、3步，一直到计算结束为止.

2.1确定初始基本可行解

由于可行解是由一个可行基决定的，因此，确定初始基可行解X0相当于确定一个

初始可行基B0。确定方法：若系数矩阵A中含单位矩阵I，则取B0＝I；若A中不含I，

则可用人工变量法构造一个I.

2。2最优性检验

用目标来检验解的优劣.在A中取定一个基矩阵B，则决策向量X可分块为！”，

相应的价格向量C也分块为(CBCN），把这个分块矩阵的形式乘出来，就是Z＝CX＝

（＝CBXB＋CNXN，不妨设B表示A中的前m列，则可记A＝（BN），其中N

为非基矩阵，约束中的AX＝b可表示为（BN)）！”＝b,即XB＝B－1b－B－1NXN经整

理得Z＝CB(B－1b－B－1NXN）＋CNXN，＝CBB－1b＋（CN－CBB－1N）XN在这个式

子中不难分析出，后边一项XN的系数CN－CBB－1N,当这个向量均为≤0分量时,这时

只有当XN取0时,使Z值最大,也就是当XN统统取0时的这个基本可行解是最优的，

而当这个系数向量其中有某分量是＞0的时候，我们可以分析得到，当前XN统统取0

的这个基本可行解不是最优，因此，我们可以用XN的系数向量CN－CBB－1N的符号

来判断当前基可行解是不是最优,把这个系数向量叫做检验数向量，记为δ,当δ≤0

时，当前解为最优解.最优性检验的方法:（1）计算每个变量xj的检验数δj＝Cj

－CBB－1Pj,其中Pj为A中的第j列；(2）若所有δj≤0，则当前解为最优；否则，

如果至少有一个δj＞0，当前解不是最优，转入第三步。

2.3寻找更好的基本可行解

由于基本可行解与基对应，即寻找一个新的基可行解，相当于从上一个基B0变换

为下一个新的基B1，因此，本步骤也可称为基变换。在基变换的过程中要遵循这样的

原则：保证改善目标,再者保证基变换后的解可行。具体变换的方法就是将系数矩阵A

1

＝(P1,P2,……Pi……Pk……Pn）中非基向量部分的某一列和基向量中的某一列互换,

而且每次只换一列,在基向量的行列中出去一个进一个,这个基变换的过程就是确定

进基出基。具体方法：首先决定进基，令正检验数中最大的那个所对应的Pk进基;

然后决定出基，令检验比θi中最小的对应的行Ps出基，其中θi＝(B-1b)i/（B

—1Pk）i，（B—1Pk）i＞0，也就是对应分量之比。

在用单纯形法求解线性规划问题之前,有一个预备步骤就是将模型变为标准型,虽然可

以由基本的计算求出线性规划问题的最优解,但是为了更加简单、清楚，这个算法的

过程我们通过表格的形式来实现,即所谓的单纯形表。

例:用单纯形法求解下面线性规划问题(以max为例）

maxZ＝7X1＋12x2

s.t