单纯性法的矩阵描述.ppt
合集下载
1.2.4单纯形法的矩阵表达
这样，标准形式的LP问题便化成：
max z CB X B CN X N s.t. BX B NX N X s b X B 0, X N 0, X s 0
置入单纯形表，得：
B | N | I | 0 | b T CB | CN | 0 | z | 0
2
用B-1左乘上表中第一行各项，并B-用1 行初等变换方式Z0使基变
2.4 单纯形法的矩阵表达
前面讲解单纯形法都是用向量形式和分量形式表达的， 如果用矩阵表达就更加简单，在推导一些结论时也非 常有用。
设LP问题标准型为：
max z =CX AX +Xs= b
X 0
假设我们已经知道了其中一个基，不妨设前m列，则我 们就可以把各矩阵或向量改写成：
1
A (B, N, I ) X ( X B , X N , X s )T C (CB , CN , 0)
规则进行的初等变换，直到σ=CN-CBB-1N≤0得到最优解 为止。
这里需要特别指出的是如何在单纯形表中找到B-1，CBB-1， Z0等，进而可以矩阵运算。 Nhomakorabea3
量检验数为0
I | T CB |
B1N CN
Y=CBB-1单
纯形乘子
| B1 | 0 | B1b
|
0
| Z |
0
I | B1N | B1 | 0 | B1b 这就T是单纯0 形| C法N 的 C矩B阵B表1N达| ，C由BBTa1bIle| 可Z以| 看C出BB，单1b纯
形法的求解过程就是在上面表格的大矩阵中按照一定的
max z CB X B CN X N s.t. BX B NX N X s b X B 0, X N 0, X s 0
置入单纯形表，得：
B | N | I | 0 | b T CB | CN | 0 | z | 0
2
用B-1左乘上表中第一行各项，并B-用1 行初等变换方式Z0使基变
2.4 单纯形法的矩阵表达
前面讲解单纯形法都是用向量形式和分量形式表达的， 如果用矩阵表达就更加简单，在推导一些结论时也非 常有用。
设LP问题标准型为：
max z =CX AX +Xs= b
X 0
假设我们已经知道了其中一个基，不妨设前m列，则我 们就可以把各矩阵或向量改写成：
1
A (B, N, I ) X ( X B , X N , X s )T C (CB , CN , 0)
规则进行的初等变换，直到σ=CN-CBB-1N≤0得到最优解 为止。
这里需要特别指出的是如何在单纯形表中找到B-1，CBB-1， Z0等，进而可以矩阵运算。 Nhomakorabea3
量检验数为0
I | T CB |
B1N CN
Y=CBB-1单
纯形乘子
| B1 | 0 | B1b
|
0
| Z |
0
I | B1N | B1 | 0 | B1b 这就T是单纯0 形| C法N 的 C矩B阵B表1N达| ，C由BBTa1bIle| 可Z以| 看C出BB，单1b纯
形法的求解过程就是在上面表格的大矩阵中按照一定的
灵敏度分析(运筹学).ppt
0
0
1
0
0
0
x3
1 0
0 1 1
0 2 -1
-1
0
x4
0 1
0
0
-3/2 -1 1
-1
2.5.1 单纯形法的矩阵描述
1. 约束方程系数矩阵的变化
约束方程系数矩阵
，进行初等行
变换，相当于左乘一个相应的初等阵。
即
，在A中所包含的矩阵B，左
乘 后，则得到
。
2. 约束方程右端项的变化
3. 目标函数系数的变化
1. 灵敏度分析的概念：
当某一个参数发生变化后，引起最优解如何改变的 分析。 可以改变的参数有： bi——约束右端项的变化，通常称资源的改变； cj ——目标函数系数的变化，通常称市场条件的变 化； pj ——约束条件系数的变化，通常称工艺系数的变 化； 其他的变化有：增加一种新产品、增加一道新的工 序等。
2．分析原理及步骤：
（1）借助最终单纯形表将变化后的结果按下述基
本原则反映到最终表里去。
B①-1bi△变b化：=
（b+△b）´=B-1 b´+B-1 △b
（b+△b）=
B-1
b+
②pj变化：（pj+△ pj ）´= B-1 （pj+△ pj ）= B-1 pj+ B-1 △ pj = pj ´+ B-1 △ pj
围来确定最优解是否改变。 由于系数的改变，最优值z可能发生 变化而不再是原值了。
2、约束条件右端值的变化
约束条件右端值每增加一个单位 引起的最优值的改进量称为对偶 价格。
对偶价格只适用于在右端值仅发 生了很小变动的情况
2.5.3 单纯形法灵敏度分析
运筹学——单纯形矩阵描述与改进单纯形法
( B 1b)i (B1Pj )i
(B1Pj )i
0
( B 1b)l (B1Pj )l
换入变量的系数向量
10
小结
1）掌握矩阵的运算； 2）理解基矩阵的作用； 3）了解矩阵运算与单纯表的关系。
11
求解线性规划问题的关键是计算B-1 ，以下介绍一 种比较简便的计算B-1的方法。
设mn系数矩阵为A，求其逆矩阵时，可先从第1列开始。
a11
A
a21
a12
a22
a1m a2m
am1
am2
amm
12
以a11为主元素, 进行变换
a11
主元素
P1
a21
1/ a11
1
a21 /
a11
(1)
am1
am1
/
a11
13
然后构造含有（1）列，而其他列都是单位列的矩阵
1/ a11 0 0
E1
a21 /
BXB b NX N ; X B B1b B1NX N ; 目标函数：
z CB B1b (CN CB B1N ) X N
(2 1) (2 2) (3 2)
4
令非基变量=0，由上式得到：
基可行解
X
(1)
B 1b 0
;
目标函数的值 z CBB1b
5
（1）非基变量的系数表示为： (CN CB B1N ) 对应已用的检验数符号 c j z j ( j 1,2,, n) 所有检验数可表示为： C - CBB1(B | N )
6
（2）单纯形表与矩阵表示的关系
X B B1NX N B1b; 目标函数：
- z (CN CB B1N ) X N -CB B1b
单纯形表.ppt
Z c1x1 ... cm xm cm1xm1 ... cn xn 0
单纯形表
- Z x1基x变2量..X.Bxm
0 1
0
1E 单位...阵....
0
1
1 c1 c20... cm
xm非基1.变..量. XxNn
a1m1 ...a1n a 2 m 1N...a 2 n ......非基阵
15
0 0
x
x4 5
24 5
c z
j
j
2 1 000
xxxx x
1
2
3
4
5
0 5 100 6 2 010 1 1 001
2 1 000
正检验数对应 的列为主列
单纯形表复习小结
• 求解思想－－
•
顶点的逐步转移，
•
条件是
• 使目标函数值不断得到改善。
18
表格单纯形法求解步骤
第一步：将LP化为标准型，并加以整理。
进基变量对应的系数列称为主元列。
（2）出基变量的确定——按最小比值原则确定出基 变量，为的是保持解的可行性；
出基变量所在的行称为主元行。 主元行和主元列的交叉元素称为主元素。
练习:
一般主列选择正检验数中最大者对应的 列,也可选择其它正检验数的列.以第2列
为主列,用单纯形法求解。
c j
CX
B
B
b
0
x 3
a' imk
0
bl' a'
lmk
c j
2
CX
B
B
b
x1
c1 x1 b '1
cm xm bm'
1 C0
单纯形法的矩阵描述
σj
7 0 0 0 -15
45
0 x3 0 0 1 -1 1 1
B-1b
7 x1 1 0 0 1 -2 2
15 x2 0 1 0 0 1 3
σj
0 0 0 -7 -1
59
最优基矩阵旳逆矩阵B-1
Page 11
基矩阵：
1 1 1
B p3
p1
p2
0 0
1 0
2 1
基矩阵旳逆矩阵：
1 1 1
0 1 -1 00 1 10 0 0 0 -7
1 1 1 1 1 1 2 0 1 0 1 0 0
11 -2 2 13 -1
1 2
p3
p1
1
松弛变量旳价值系数为0 x1、x2旳价值系数设为c1、c2
p2
0 − c1 = −7
0 +2c1−c2 = −1
c1 = 7 c2 = 15
1 1 1 1 1 0 0
量旳系数矩阵,则
(
X
,
X
S
)
X X
B N
，(C
,
CS
)
(CB
,
CN
);
§3.1 单纯形法旳矩阵描述 Page 5
目标函数
约束条件 非负条件
max
z
CX
(CB ,CN
)
XB XN
CB XB CN XN
(3 2)
( B,
N
)
XB XN
BX B
NX N
b
(3 3)
X B，X N 0
Page 13
例3：试验证X=(0,2,0,0,2)T是否是下列线性规划问题旳最优解。
第一节单纯形法的矩阵描述及改进单纯形法介绍-精品文档
矩阵单纯形法计算的描述
当基变量为 X B 时，新的单纯形表
基变量 非基变量
C B
X Bb B cj zj
1
X B I 0
X X N s 1 BN B 1 1 C C B N C N B BB
当前基解
当前检验数
单 大 纯 规 形 对 模 法 偶 线 矩 问 性 题 阵 规 描 划 述
上页 下页 返回
修正单纯形法简介
原因：
单纯形法的目的是要求问题的最优解， 而在迭代过程中，单纯形表中的某些列与 求最优解关系不大。因此，对单纯形法进 行修正。
思路：
~ ~ , P b , P , , 每次迭代关键求出 B k k j i
1
需要换入的变量对应的列
单 大 纯 规 形 对 模 法 偶 线 矩 问 性 题 阵 规 描 划 述
特点：
1. 2.
具有一定的输入和输出 在将输入转换成输出的过程中，努力实现自身的决策 目标。
单 大 纯 规 形 对 模 法 偶 线 矩 问 性 题 阵 规 描 划 述
上页 下页 返回
重要概念
决策单元的相对有效性
评价的依据是决策单元的“输入”和“ 输出”数据，根据输入和输出数据来评价决 策单元的优劣。 决策单元的相对有效性（即决策单元的优劣 ）被称为DEA有效，它用数学规划模型计 算比较决策单元之间的相对效率，为评价对 象作出评价。
第一节 单纯形法的矩阵描述 及改进单纯形法介绍
单纯形法的矩阵描述
继续
改进单纯形法介绍
返回
单 大 纯 规 形 对 模 法 偶 线 矩 问 性 题 阵 规 描 划 述
上页 下页 返回
单纯形法的矩阵描述
设线性规划问题
单纯形法的矩阵描述及应用举例课案课件
或确定无界解。
03
单纯形法的应用举例
线性规划问题的实际应用
01
02
03
生产计划问题
在给定资源限制和市场需 求下，如何安排生产计划 以最大化利润。
运输问题
如何优化运输路线和车辆 配置，以最小化运输成本 。
投资组合优化
在给定风险和收益目标下 ，如何配置资产以最大化 收益。
求解线性方程组
线性方程组
Ax=b，其中A为系数矩阵，x为 未知数向量，b为常数向量。
THANKS
感谢观看
线性方程组的解法
通过单纯形法迭代求解线性方程 组，得到x的解。
最短路问题
最短路问题描述
给定一个有向图，求从起点到终点的最短路径。
最短路问题的解法
将最短路问题转化为线性规划问题，然后利用单纯形法求解。
04
单纯形法的优缺点
优点
高效性
单纯形法是一种求解线性 规划问题的有效方法，特 别是对于大规模问题，其 计算效率相对较高。
在某些情况下，单纯形法需要进行多次迭代才能 找到最优解，这会增加计算的复杂度和时间成本 。
对约束条件的处理可能较为复杂
对于具有非线性或非凸约束的问题，单纯形法可 能无法找到全局最优解，或者需要采用其他方法 进行优化。
05
单纯形法的改进与扩展
对偶问题与对偶单纯形法
对偶问题
在优化问题中，原问题与对偶问题是等价的，即它们的解是 相同的。对偶问题通常更容易求解，特别是在处理约束条件 较多或目标函数较复杂的问题时。
单纯形法与分解算法结合
单纯形法可以作为分解算法中的一个子步骤，用于解决每个小规模的子问题。通 过迭代的方式逐步求解子问题，最终得到原问题的最优解。
非线性规划问题的近似算法
03
单纯形法的应用举例
线性规划问题的实际应用
01
02
03
生产计划问题
在给定资源限制和市场需 求下，如何安排生产计划 以最大化利润。
运输问题
如何优化运输路线和车辆 配置，以最小化运输成本 。
投资组合优化
在给定风险和收益目标下 ，如何配置资产以最大化 收益。
求解线性方程组
线性方程组
Ax=b，其中A为系数矩阵，x为 未知数向量，b为常数向量。
THANKS
感谢观看
线性方程组的解法
通过单纯形法迭代求解线性方程 组，得到x的解。
最短路问题
最短路问题描述
给定一个有向图，求从起点到终点的最短路径。
最短路问题的解法
将最短路问题转化为线性规划问题，然后利用单纯形法求解。
04
单纯形法的优缺点
优点
高效性
单纯形法是一种求解线性 规划问题的有效方法，特 别是对于大规模问题，其 计算效率相对较高。
在某些情况下，单纯形法需要进行多次迭代才能 找到最优解，这会增加计算的复杂度和时间成本 。
对约束条件的处理可能较为复杂
对于具有非线性或非凸约束的问题，单纯形法可 能无法找到全局最优解，或者需要采用其他方法 进行优化。
05
单纯形法的改进与扩展
对偶问题与对偶单纯形法
对偶问题
在优化问题中，原问题与对偶问题是等价的，即它们的解是 相同的。对偶问题通常更容易求解，特别是在处理约束条件 较多或目标函数较复杂的问题时。
单纯形法与分解算法结合
单纯形法可以作为分解算法中的一个子步骤，用于解决每个小规模的子问题。通 过迭代的方式逐步求解子问题，最终得到原问题的最优解。
非线性规划问题的近似算法
运筹学单纯形法ppt课件
• 当第一阶段中目标函数的最优值＝0，即人工变量＝0， 则转入第二阶段；若第一阶段中目标函数的最优值不等于 0，即人工变量不等于0，则判断原问题为无解。
• 第二阶段：将第一阶段计算所得的单纯形表划去人工变量 所在的列，并将目标函数换为原问题的目标函数作为第二 阶段的初始单纯形表，进行进一步的求解。
14
s.t.
32x1x133xx2 22
x3 x3
100 120
x1, x2 , x3 0
cj
40 45 25 0 0
CB XB bi x1 x2 x3 x4 x5 θ
0 x4 100 2 [ 3 ] 1
1
0
100/3
0 x5 120 3 3 2 0 1
40
σj
40 45 25
两阶段法的算法流程图
MaxZ=-3x1+x3 x1+ x2+ x3≤4
-2x1+ x2- x3≥1 3x2+x3=9
xi ≥0,j=1,2,3
求解辅助问题，得到辅助 问题的最优解
引进人工变量x6，x7，构造辅助 问题，辅助问题的目标函数为
所有人工变量之和的极小化
Max W= -x6 - x7
x1+ x2+ x3+x4
取值
xj无约束 令xj = xj′- xj″
xj ≤ 0 令 xj′= - xj
xj′ ≥0 xj″ ≥0
右端项
bi < 0
约束条 件两端 同乘以
-1
等式或不等式
≤
=
≥
加松 弛变 量xs
加入 人工 变量
xa
减去 剩余 变量xs
加入 人工 变量xa
• 第二阶段：将第一阶段计算所得的单纯形表划去人工变量 所在的列，并将目标函数换为原问题的目标函数作为第二 阶段的初始单纯形表，进行进一步的求解。
14
s.t.
32x1x133xx2 22
x3 x3
100 120
x1, x2 , x3 0
cj
40 45 25 0 0
CB XB bi x1 x2 x3 x4 x5 θ
0 x4 100 2 [ 3 ] 1
1
0
100/3
0 x5 120 3 3 2 0 1
40
σj
40 45 25
两阶段法的算法流程图
MaxZ=-3x1+x3 x1+ x2+ x3≤4
-2x1+ x2- x3≥1 3x2+x3=9
xi ≥0,j=1,2,3
求解辅助问题，得到辅助 问题的最优解
引进人工变量x6，x7，构造辅助 问题，辅助问题的目标函数为
所有人工变量之和的极小化
Max W= -x6 - x7
x1+ x2+ x3+x4
取值
xj无约束 令xj = xj′- xj″
xj ≤ 0 令 xj′= - xj
xj′ ≥0 xj″ ≥0
右端项
bi < 0
约束条 件两端 同乘以
-1
等式或不等式
≤
=
≥
加松 弛变 量xs
加入 人工 变量
xa
减去 剩余 变量xs
加入 人工 变量xa
单纯形法基本原理及实例演示
②找出或构造一个m阶单位矩阵作为初始可行基，建立初始单纯形表。
③计算各非基变量xj的检验数j=Cj-CBPj ′，若所有j≤0，则问题已得
到最优解，停止计算，否则转入下步。
④在大于0的检验数中，若某个k所对应的系数列向量Pk≤0，则此问
题是无界解，停止计算，否则转入下步。
⑤根据max{j｜j＞0}=k原则，确定xk为换入变量(进基变量)，再按 规则计算：=min{bi/aik| aik＞0}=bl/ aik 确定xBl为换出变量。建 立新的单纯形表，此时基变量中xk取代了xBl的位置。
⑥以aik为主元素进行迭代，把xk所对应的列向量变为单位列向量，即 aik变为1，同列中其它元素为0，转第③ 步。
线性规划的例子
max z 4x1 3x2 2x1 2x2 1600 5x1 2.5x2 2500 x1 400 x1, x2 0
线性规划--标准化
● 引入变量：s1,s2,s3
检验系数区
Z=CBB-1b
初始单纯形表
迭代 基变 次数 量
CB
x1
x2
s1
s2
s3
50 100 0 0 0
比值
b bi ai 2
1 Zj=CBNj j cj zj
Z=CBB-1b
初始单纯形表
基
迭代 次数
变
CB
x1
X2
s1
s2 S3
量
50 100 0 0 0
比值
b bi ai 2
1 1 1 0 0 300
C向量
max z 50 100 0 0
CB
CN
x1
x2
0•
1 1 1
1 0 0
0 1 0
③计算各非基变量xj的检验数j=Cj-CBPj ′，若所有j≤0，则问题已得
到最优解，停止计算，否则转入下步。
④在大于0的检验数中，若某个k所对应的系数列向量Pk≤0，则此问
题是无界解，停止计算，否则转入下步。
⑤根据max{j｜j＞0}=k原则，确定xk为换入变量(进基变量)，再按 规则计算：=min{bi/aik| aik＞0}=bl/ aik 确定xBl为换出变量。建 立新的单纯形表，此时基变量中xk取代了xBl的位置。
⑥以aik为主元素进行迭代，把xk所对应的列向量变为单位列向量，即 aik变为1，同列中其它元素为0，转第③ 步。
线性规划的例子
max z 4x1 3x2 2x1 2x2 1600 5x1 2.5x2 2500 x1 400 x1, x2 0
线性规划--标准化
● 引入变量：s1,s2,s3
检验系数区
Z=CBB-1b
初始单纯形表
迭代 基变 次数 量
CB
x1
x2
s1
s2
s3
50 100 0 0 0
比值
b bi ai 2
1 Zj=CBNj j cj zj
Z=CBB-1b
初始单纯形表
基
迭代 次数
变
CB
x1
X2
s1
s2 S3
量
50 100 0 0 0
比值
b bi ai 2
1 1 1 0 0 300
C向量
max z 50 100 0 0
CB
CN
x1
x2
0•
1 1 1
1 0 0
0 1 0
11单纯形法(new)PPT精品文档151页
主要内容
1.1 线性规划概述 1.2 线性规划问题及其数学模型 1.3 线性规划的图解法及其几何意义 1.4 线性规划单纯形法与单纯形表 1.5 单纯形法的矩阵描述 1.6 人造基下的单纯形法 1.7 线性规划典型例题及应用
1
1.1 线性规划概述
线性规划是是运筹学中研究较早、发展较快、 应用广泛、方法较成熟的一个重要分支 。1947年丹 捷格提出了一般线性规划问题求解的方法——单纯 形法。
x1 2x2 30
st
3
x1
2x2 2x2
60 24
x1 , x2 0
17
▪ 在各不等式中分别加上一个松弛变量 x3, x4, x5，使不等式 变为等式，便得到标准型。
ma x 4x 1 0 5x2 0
▪ 线性规划定义：对于求取一组变量Xj（j＝1，2，3…n) 使得它满足线性约束条件的目标函数取得极值的一类 最优化问题。
8
▪ 特征
➢ 每个问题都用一组决策变量（x1， x2 ，…， xn ）表 示某一方案；这组决策变量的值就代表一个具体方案。 一般这些变量取值是非负的。
➢ 存在一定的约束条件，这些约束条件可以用一组线性 等式或线性不等式来表示。
2
1.2 线性规划问题及其数学模型
1.2.1 问题提出
例1【经典例题】:某企业在计划期内要安排生产甲、乙两种 产品，已知其生产利润及原材料的消耗量如表 1-1。问应如 何安排生产计划使该企业获得的利润最大？
表1-1
甲
乙 资源限量/吨
原材料A/吨
1
2
30
原材料B/吨
3
2
60
原材料C/吨
0
2
24
产品利润 千元/吨 40
1.1 线性规划概述 1.2 线性规划问题及其数学模型 1.3 线性规划的图解法及其几何意义 1.4 线性规划单纯形法与单纯形表 1.5 单纯形法的矩阵描述 1.6 人造基下的单纯形法 1.7 线性规划典型例题及应用
1
1.1 线性规划概述
线性规划是是运筹学中研究较早、发展较快、 应用广泛、方法较成熟的一个重要分支 。1947年丹 捷格提出了一般线性规划问题求解的方法——单纯 形法。
x1 2x2 30
st
3
x1
2x2 2x2
60 24
x1 , x2 0
17
▪ 在各不等式中分别加上一个松弛变量 x3, x4, x5，使不等式 变为等式，便得到标准型。
ma x 4x 1 0 5x2 0
▪ 线性规划定义：对于求取一组变量Xj（j＝1，2，3…n) 使得它满足线性约束条件的目标函数取得极值的一类 最优化问题。
8
▪ 特征
➢ 每个问题都用一组决策变量（x1， x2 ，…， xn ）表 示某一方案；这组决策变量的值就代表一个具体方案。 一般这些变量取值是非负的。
➢ 存在一定的约束条件，这些约束条件可以用一组线性 等式或线性不等式来表示。
2
1.2 线性规划问题及其数学模型
1.2.1 问题提出
例1【经典例题】:某企业在计划期内要安排生产甲、乙两种 产品，已知其生产利润及原材料的消耗量如表 1-1。问应如 何安排生产计划使该企业获得的利润最大？
表1-1
甲
乙 资源限量/吨
原材料A/吨
1
2
30
原材料B/吨
3
2
60
原材料C/吨
0
2
24
产品利润 千元/吨 40
单纯形法的矩阵描述课件PPT
单纯形法的基本概念
单纯形法是一种求解线性规划问题的 算法。
它通过迭代的方法，不断寻找最优解 ，直到找到最优解或确定无解为止。
单纯形法的步骤
01
初始化
设置初始单纯形表格，选择一个初始基可行解。
02 03
迭代
通过迭代的方式，不断寻找最优解。在每次迭代中，根据单纯形表格进 行相应的操作，包括进基、离基、换基等步骤，直到找到最优解或确定 无解。
初始解选择
选择合适的初始解，避免 陷入循环的可能性。
算法终止条件
设置合适的终止条件，在 循环发生之前提前结束算 法。
启发式搜索策略
引入启发式搜索策略，指 导算法跳过可能导致循环 的解。
处理特殊情况的方法
异常处理
针对特殊情况，如输入数据错误、 矩阵奇异等情况，设计异常处理 机制。
边界情况处理
对算法边界情况进行特殊处理，确 保算法的正确性和稳定性。
生产调度
通过单纯形法，企业可以优化生 产调度，合理安排生产任务，提
高生产线的协同作业能力。
在金融投资组合中的应用
投资组合优化
单纯形法可用于优化金融投资组合，帮助投资者 选择最佳的投资组合方案，降低投资风险。
风险控制
在金融投资中，单纯形法可以帮助投资者控制风 险，通过分散投资降低资产波动。
收益最大化
单纯形法的矩阵描述课件
目 录
• 单纯形法简介 • 单纯形法的矩阵描述 • 单纯形法的实现 • 单纯形法的改进与优化 • 单纯形法的应用 • 总结与展望
01 单纯形法简介
线性规划问题
01
线性规划问题是在一组线性不等 式约束下，最大化或最小化一个 线性目标函数的问题。
02
线性规划问题在运筹学、经济学 、管理学等领域有广泛的应用。
第3章 线性规划的单纯形法《管理运筹学》PPT课件
当第一阶段求解结果表明问题有可行解时，第二阶段 是在原问题中去除人工变量，并从此可行解（第一阶段的 最优解）出发，继续寻找问题的最优解。
3.3 关于单纯形法的进一步讨论
根据以上思路，我们用二阶段法来求解下面例题： max z=3x1-x2-x3
x1-2x2+x3≤11 s.t. -4x1+x2+2x3≥3
,
C
CB CN
线性规划问题成为 max z=CBTXB+CNTXN+ CIT XI s.t. BXB+NXN+IXI=b XB，XN，XI≥0
3.2 单纯形法原理
这个线性规划问题可以用表3-1来表示：
表3-1称为初始单纯形表。可以看出，单纯形表中 直接包含了单纯形迭代所需要的一切信息。
3.2 单纯形法原理
3.1 线性规划的基本理论
1.可行区域的几何机构 考虑标准的线性规划问题：
min cT x
Ax b
s.t.
x
0
用Rn表示n维的欧式空间，这里x Rn，c Rn ，b Rn
，A Rmn . 不妨设可行区域 D {x Rn | Ax b, x 0} ，因此线性方程组 Ax b 相容，总可以把多余方程去掉，
3.2 单纯形法原理
1. 单纯形表的结构 设线性规划问题为 max z=CTX+CIT XI s.t. AX+XI=b X，XI≥0 设B是线性规划的一个可行基，为了表达简便，不妨
设这个基B包含在矩阵A中，即 A=[B，N]
3.2 单纯形法原理
变量X和目标函数系数向量C也相应写成：
X
XB XN
3.2 单纯形法原理
第三步：在基变量用非基变量表出的表达式中，观 察进基变量增加时各基变量变化情况，在进基变量增加 过程中首先减少到0的基变量成为“离基变量”.当进基 变量的值增加到使离基变量的值降为0时，可行解移动到 相邻的极点。
3.3 关于单纯形法的进一步讨论
根据以上思路，我们用二阶段法来求解下面例题： max z=3x1-x2-x3
x1-2x2+x3≤11 s.t. -4x1+x2+2x3≥3
,
C
CB CN
线性规划问题成为 max z=CBTXB+CNTXN+ CIT XI s.t. BXB+NXN+IXI=b XB，XN，XI≥0
3.2 单纯形法原理
这个线性规划问题可以用表3-1来表示：
表3-1称为初始单纯形表。可以看出，单纯形表中 直接包含了单纯形迭代所需要的一切信息。
3.2 单纯形法原理
3.1 线性规划的基本理论
1.可行区域的几何机构 考虑标准的线性规划问题：
min cT x
Ax b
s.t.
x
0
用Rn表示n维的欧式空间，这里x Rn，c Rn ，b Rn
，A Rmn . 不妨设可行区域 D {x Rn | Ax b, x 0} ，因此线性方程组 Ax b 相容，总可以把多余方程去掉，
3.2 单纯形法原理
1. 单纯形表的结构 设线性规划问题为 max z=CTX+CIT XI s.t. AX+XI=b X，XI≥0 设B是线性规划的一个可行基，为了表达简便，不妨
设这个基B包含在矩阵A中，即 A=[B，N]
3.2 单纯形法原理
变量X和目标函数系数向量C也相应写成：
X
XB XN
3.2 单纯形法原理
第三步：在基变量用非基变量表出的表达式中，观 察进基变量增加时各基变量变化情况，在进基变量增加 过程中首先减少到0的基变量成为“离基变量”.当进基 变量的值增加到使离基变量的值降为0时，可行解移动到 相邻的极点。
单纯形法的矩阵描述
X=
X X
B N
X1=
B
1b 0
z1= CBB－1b
σN = CN－CBB－1N
σB=CB－CBB－1B=0
σA= C－CBB－1A σj= cj－CBB－1Pj
设初始基变量是松弛变量，占据A的后m列， 可行基B占据前m列，余下各列的子块仍用N表 示。即：A=（B N I），C=（CB CN 0）。把 上述各个公式运用于初始表和以B为基的单纯 形表中：
Cj
CB
CN
0
系数 基变量 解向量 XB
XN
XS
0
XS
b
B
N
I
σj
CB
CN
0
………..
………….
CB
XB
B－1b
I
B－1N
B－1
σj
0
CN－CBB－1N －CBB－1
例12 求下列LP问题
max z x2 3x3 2x5
x1 3x2 x3
2x5 7
2x2 4x3 x4
12
20
00
3 1 0
8 1 = 2 4 0
-2 0
4 3 1
0 x1 10 1 [5/2] 0 1/4 2 0
3 0
-1 3 0
x3 x6 σj x2 x3 x6 σj
3 0 -1/2 1 0 -5/2
0 1/2 4 2/5 1 5 1/5 0 11 1 0
-1/5 0
1 0 0 0 1 0 0
2 1/ 2 1/ 2
1 3
B P4
P1
P2
0
1
0 1
2 -1 1 0 0 0
x1 x2 x3 x4
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
记为：σN= CN-CBB-1N
基变量XB检验数为0,实质上是σB =CB-CBB-1B=0
XB=B-1b-B-1NXN
Z=CBB-1b+σNXN
令非基变量XN=0，得到如下公式（经过迭代后）：
由于B是可行基，则得到：
基变量的取值：XB =B -1b ≥0 ； 基可行解： X =（XB,XN)T = (B－1b，0)T ； 目标函数值： z =CB B -1b ；
XB 0
I
-Z 1 0
B-1N
B-1b
CN -CBB-1N
-CBB-1b
将增广矩阵左乘B-1并令非基变量XN=0后
得到下列计算公式：
-z XB
XN
RHS
1 CB
CN
0
0
I
B-1N
B-1b
0B
N
b
1
0
CN -CBB-1N
-CBB-1b
1.
X B B1b, XN = 0 , X =(XB ,XN)T = (B-1b ,0)T
=CBXB+CNXN
=CB (B-1b - B-1NXN) +CNXN
=CBB-1b +(CN - CBB-1N)XN =CBB-1b +σNXN 式中：CBB-1b是z的常数项，
σA= C-CBB-1A σj=cj-CBB-1Pj
（当非基变量XN=0时，Z=CBB-1b）
CN-CBB-1N是非基变量XN 的系数，也是XN的检验数.
x5
20
已知可行基
2
B1
此表达式是用非基变量来表达的
注意：两边左乘B-1 ，相当于对增广矩阵(A,b)进行了初等行 变换, 即相当于对原来的单纯形表进行了一次迭代，
则下面得到的是迭代后的各结论的矩阵表达式.
将XB=B-1b - B-1NXN代入目标函数的表达式中,可以得到
用非基变量表示目标函数的N)(XB,XN)T
下面考虑初始基变量是松弛变量的特殊情形：
max z CX
max z CX
加入松驰变量
AX b s.t.X 0
化为标准形
s.t
.
AX
XS
b
X 0
设松弛变量对应的系数列向量占据A 的后m列，可行基B占
据A的前m列，其余子块仍用N来表示。则有：
A=(A' , I) = (B ,N ,I) , C=(CB ,CN ,0)
第二章 对偶理论和灵敏度分析
第1节 单纯形法的矩阵描述 第2节 改进单纯形法 第3节 对偶问题的提出 第4节 线性规划的对偶理论 第5节 对偶问题的经济解释——影子价格 第6节 对偶单纯形法 第7节 灵敏度分析 第8节* 参数线性规划
单纯形的矩阵描述
本节讨论单纯形法的矩阵形式 一方面加深对单纯形法的理解； 另一方面为学习对偶理论和灵敏度分析打下基础。
到迭代后的表格：
系数 CB Cj-Zj
cj
CB
基变量 解向量 XB
XB
B-1b
I
-CBB-1b 0
CN XN B-1N CN -CBB-1N
0
XS B-1 -CBB-1
【例】线性规划
max Z x1 2x2 x3
2x1 3x2 2x3 x4 15
1 3 x1 xj
x2 5x3 0, j 1,,5
π=CBB-1 成为单纯形乘子 ；
N → B-1N ; B→ B-1 B=I
-z
X
-z
C
0
A
-z XB -z 1 CB
0B
-z XB -z 1 CB
XB 0 I
RHS 0
b
XN
RHS
CN
0
N
b
XN CN
B-1N
RHS 0
B-1b
-z XB -z 1 CB
XB 0 I
XN CN
B-1N
RHS 0
B-1b
则变量X 可表示成 分块矩阵
X
XB
X
N
XB , XN T
价值系数C 可表示成分块矩阵C=（CB，CN）
CB=(C1,C2,…,Cm), CN=(Cm+1Cm+2，…，cn)
线性规划的标准型：
max z = C X AX = b X≥0
C=(CB,CN),X=(XB,XN)T,
A=(B,N)
由约束条件 AX=(B,N)(XB,XN)T
XB
max
z
=
[CB,CN]
X
N
XB
s.t.
[B
,
N]
X
N
=
b
XB, XN ≥0
=BXB+NXN=b, 则BXB= b - NXN
因为r（B）=m（或|B|≠0） 所以B —1存在，则两边左乘B-1
得到基变量的表达式:
XB=B-1b - B-1NXN (1)
4. 目标函数 Z CBB1b
5. CBB1 称为单纯形算子
θ法则的矩阵表示：
RHS值
表示选用>0的分量
min
(B1b)i (B1Pj )i
(B1Pj )i
0
(B1b)i (B1Pj )i
换入变量的系数向量
单纯形表的 矩阵描述
max z = C X AX = b X≥0
XB=B-1b-B-1NXN
2.
N B1N, I = B-1 B, 某列Pj = B-1 Pj
B -1A= B -1(N,B )= (B -1N, B -1B)=(B -1N,I) ,
3. N CN CB B1N ,σB=CB-CBB-1B=0, A C CBB1A
单个变量的检验数：σj = Cj - CBB-1 Pj
AX=(B,N)(XB,XN)T=BXB+NXNB=-1bBXB+ B-1NXN= B-
c
CB 1b C
b xX
NX
θ
CB X B-
B
1b
B
B-1B
N
B-
( B 1b) l
1N
( B 1 P ) jl
σA=
-z=
0
CA-CBB- -CBB-1b
1A
CN-CBB-
1N
X(1) =（ B-1b ，0）
z=CBB-1b
将以上公式运用于初始单纯形表和迭代后以B为基的单纯
形表中得到如下表格：
cj
CB
CN
0
系数 基变量 解向量
XB
XN
XS
0
XS
b
B
N
I
Cj-Zj
CB
CN
0
初始矩阵单纯形表
cj
CB
CN
0
系数 基变量 解向量 XB
XN
XS
0
XS
b
B
N
I
Cj-Zj
CB
CN
0
将B化为I（I为m阶单位矩阵）,CB化为零,求基 本可行解和检验数。用B－1左乘表中第二行,得
max z = C X
首先考虑标准型的线性规划问题：
AX = b
X≥0
其中Am*n＝（P1，P2，…，Pn）, 设A中前m个列向量构成一个可行基B，记为B=(P1，P2，…，Pm) 则A中后n－m个列向量构成A的子矩阵N,记为N＝（Pm+1,…Pn）, 则A可以写成分块矩阵A=（B，N）。 对应基B，基变量为XB=（x1,x2，…，xm ）T ； 对应矩阵N，非基变量为XN=(xm+1,xm+2,…xn)T ；