《高级算法设计》课件全套林海第1--7章线性规划---启发式算法.pptxVIP

0

高级算法设计与分析

线性规划

武类大学;

基本概念

例子37某公司生产的产品A和产品B需要使用α和β两种原料，α和β两种

原料最大日可用量分别为13吨和10吨，产品A每吨利润为8万，需要消耗5吨α原料和2吨的β原料。产品B每吨利润为5万，需要消耗4吨α原料和3吨的β原料。而市场对产品A的最大日需求量为5吨，同时产品A的日需求量小于等于产品B日需求量加2。该公司需确定产品A和产品B的日生产量，达到日总利润最大。;

定义变量：x?:产品A的日产量，x?:产品B的日产量。

则总利润为：

8x?+5x?

约束条件：

α原料的日量为：5x1+4x?≤13

β原料的日量为：2x1+3x?≤10

产品A的最大日需求量为：x?≤5

产品A和产品B的关系为：x?≤x?+2

隐含变量的非负限制：x1,x?≥0;

线性规划的形式：

max8x1+5x?

s.t.5x1+4x?≤13

2x?+3x?≤10

X1≤5

X1—C?≤2

X1,C?≥0;;

标准型和松弛型

定义11.2.1标准型在线性规划模型中，目标函数为最大化，所有的不等式约束为

小于等于约束，所有的变量为非负约束，这样的模型称之为标准型的线性规划，标准型的格式如下所示：;

标准型和松弛型

口非标准型

目标函数不是最大化，而是最小化

约束条件是大于等于约束

约束条件是等式约束；

存在一些变量没有非负约束;

口非标准型例子

min8x1+6x?

s.t.4x1+3x?≤13

2x?-3x?≥10

X1—X?=2

X1≥0;

-2x1+3x?≤-10

等于约束：先将=约束转化为≥和≤约束，之后将其中的≥约束按照第2条

规则转化为≤约束，如例子中x?-x?=2,先转化为

X1-x?≤2andX1-x?≥2

再将x1-x?≥2按照第2条规矩转化为-x1+x?≤-2;

变量无约束：用两个非负变量x′和x的差来替换无约束的变量x,两个非负

变量x和x”的差可以为任意一个值，例子中x2无约束，用x2=x2-x来替换例子中所有出现x2的地方

max8x?-6x2+6x

s.t.4x?+3x2-3x≤13

-2x1+3x2-3x≤-10

C1-x2+c≤2

—x1+x2-x≤-2

X1,x2,c≥0;

定义11.2.2(松弛型)对于线性规划问题，如果除了非负约束，其他约束都是等式

约束，则此线性规划为松弛型。

为了将标准型中的不等式约束变为等式约束，我们需要引入新的变量，使得不等

式约束通过此变量变为等式约束。如对第i个不等式约束∑;=1QijC;≤bi,即引入变量xn+i≥0,将此不等式约束改为：Cn+i=bi-∑;=1QijA;。;

s.t.4x1+3x?-3x?≤13

-2x1+3x2-3x3≤-10

X1-X?+X?≤2

X1,C2,X3≥0;

矩阵形式：maxcTX

s.t.X′=b-AX

X,X′≥0

其中c=(8-66)为目标函数的系数项，X=(x1x?x;

(x4C?x?)T为基变量，b=(13-102)T为约束条件中的常量，

为约束条件中的系数。再另v为目标函数的常量项，则我们就可以用一个6元组

(X,X′,A,b,c,v)来表示松弛型。;

×

7;

图解法 ;

其中v′是一个常数，C1,c2,··,,那么很容易得出这个目标函数的最优值是

v,此时所有的变量取0(依据变量的非负约束)。

那么关键的问题是如何能够让系数成为负的?单纯形法主要是通过依次对系数

为正的变量进行调整，即增大这些变量(因系数为正，增大变量肯定会增大目标函数),增大到什么时候为止?依据约束条件，增大到不能增大为止。之后将这些变量(增加到最大的变量成为基本变量)替换成其他变量(非基变量),重复此过程，直到目标函数所有变量的系数都为负为止。;

单纯形法步骤

max8x1+5x?