第二章单纯形法(1基本思路和原理)
合集下载
3.12 4单纯形法(人工变量法)3.12
一个x12方x程12把中x第去2x二2个x方5x程3直接x加4
4 6
x1 , x一2个, 变x3量,(人x4工, 变x量5 ) 0
规范化
考虑一般问题：
bi > 0 ， i = 1 , … , m
Max Z = c1 x1 + c2 x2 + … + cn xn a11 x1 + a12 x2 + …+ a1n xn = b1 a21 x1 + a22 x2 + …+ a2n xn = b2 … am1 x1+ am2 x2+…+ amn xn = bm
jm 1 j j
i1 i
i
j m 1 ij j
m
n
m
c b (c c a )x
i1 n i i
jm 1
j
i 1 i ij
j
n
Z (c z )x
0
j 1
j
j
j
n
Z C jx
0
j 1
j
其 Z m c 中 b ,C j c z ,z m c a
一、单纯形法的基本原理
（一）基本变量： 如果变量xj在某一方程中系数为1，而在其它一切方
程中的系数为零，则称xj为该方程中的基本变量。否则 为非基本变量。 （二）基本解：
在典型方程中，设非基本变量为零，求解基本变量 得到的解，称为基本解 。 （三）基本可行解：
基本变量为非负的一组基本解称为基本可行解 。
（２）最优解判别 如果任何一个非基变量的值增加都不能
使目标函数值增加，即所有检验数非正，则 当前的基本可行解就是最优解，计算结束。
第二章 单纯形法
最小比值规则
当确定进基变量后, 当确定进基变量后,以进基变量的系数列向量 中的正数为分母, 中的正数为分母,以相应的方程右端常数为分子求 最小比值,所得到的最小比值的分母就是主元 主元. 最小比值,所得到的最小比值的分母就是主元.主 元所在的方程中的基变量就是离基变量 离基变量. 元所在的方程中的基变量就是离基变量.即:
bi bl min α ik > 0 = a ik a lk
令新的非基变量 x3 = x 4 = 0 ,得到新的 基本可行解: 基本可行解: T 经济含义—— 经济含义—— 分别生产甲,乙产品20 20个 分别生产甲,乙产品20个,此时可获得 利润200百元. 200百元 利润200百元.
几个名词
进基, 进基,进基变量 离基, 离基,离基变量 最大检验数规则 最小比值规则 主元/ 主元/主方程 迭代(旋转运算) 迭代(旋转运算)
增加单位产品甲比乙对目标函数 的贡献值大(600>400),故先把非 的贡献值大(600>400),故先把非 ), 变成基变量, 基变量 x1 变成基变量,称为让 x1 进基, 进基变量. 进基,同时称 x1 为进基变量.
R( A) = R( A, b ) = 3 < 5
则该函数约束等式方程组有无穷多组解. 则该函数约束等式方程组有无穷多组解.
分析目标函数表达式
max z = 6 x1 + 4 x 2 + 0 x3 + 0 x 4
非基变量的系数都是正数,若将它们转换 非基变量的系数都是正数, 为基变量,目标函数值则就会可能增加. 为基变量,目标函数值则就会可能增加. 经济含义:每分别多生产一个单位产品甲, 经济含义:每分别多生产一个单位产品甲, 目标函数值分别增加6 乙,目标函数值分别增加6,4,即利润分 别增加600 600元 400元 别增加600元, 400元.
第二章 单纯形法(1基本思路和原理)
§5.1 单纯形法的基本思路和原理
线性规划问题
max z = n ∑ a ij x j=1 x ≥ 0 j
最优解： 最优解： 使目标函数（Ｅ）达到最大值的可行解称为最优解． 使目标函数（Ｅ）达到最大值的可行解称为最优解． （Ｅ）达到最大值的可行解称为最优解
∑
j
n
c
j=1
j
x
j
(i=1,…，m) (j=1,…，n)
1 1 0 B3 = 1 0 0 1 0 1
为零, 令这个基的非基变量 x1, x2 为零, 这时约束方程就变为基变量 即: 0 x2 + s1 = 300 1 1 1 0 0 x2 300 s1 = 400 2 1 0 1 0 ⋅ x2 = 400 0 1 0 0 1 0 x + s = 250 250 s 2 3 3 求解,即可得到基变量的唯一一组解: 求解,即可得到基变量的唯一一组解: x2= 400 , s1= -100 , s3= -150 加上非基变量: 得到此线性规划的一个基解. 加上非基变量: x1= 0, s2 = 0, 得到此线性规划的一个基解. 的约束方程: 的约束方程:
可行解： 可行解： 满足上述约束条件（Ｆ），（Ｇ）的解 满足上述约束条件（Ｆ），（Ｇ）的解 （Ｆ），（Ｇ）
∑
j
n
c
j=1
j
x
j
(i=1,…，m) (j=1,…，n)
(Ｅ) (Ｆ) (Ｇ)
= b
i
X = ( x1 ,L, xn )
T，Leabharlann 称为线性规划问题的可行解．全部可行解的集合称为可行域． 称为线性规划问题的可行解．全部可行解的集合称为可行域．
运筹学单纯形法
单纯形表
max z=x1+2x2 s.t. x1+x23 x2 1 x1, x2 0
Cj CB XB b 0 0 Z X3 3 X4 1 0 1 2 0 0
标准化
max z=x1+2x2 s.t. x1+x2+ x3 =3 x2 +x4=1 x1, x2 ,x3, x40
X1 X2 X3 X4 1 0 1 1 1 2 1 0 0 0 1 0
Z=x1+2x2 x1+x2+ x3 =3 x2 +x4=1 单纯形表
Cj
1
2
0
0
单纯形法原理 单纯形表 CB XB b
z=x1+2x2 x3 =3-x1-x2 x4=1 -x2
x2进基，x4离基
X1 X2 X3 X4
3/1 11
0
1 0
1 1
1 1
2 2 0 1 0 2 0 1 0 0 1 0 -1 0
max z=x1+2x2 s.t. x1+x2+x3 =3 x2 +x4=1 x1, x2, x3, x40
x1=0
(x1,x2,x3,x4)= (0,1,2,0), z=2 C (x1,x2,x3,x4)= (2,1,0,0), z=4,最优解
B
x4=0 x3=0
(x1,x2,x3,x4)= (0,0,3,1), z=0
1 0
0 0
0 1
0
CB XB b 0 2 Z Cj CB XB b 1 2 Z X1 2 X2 1 4 X3 2 X2 1 2 1 1 0 0
X1 X2 X3 X4 1 0 1 1 0 0 0 -1 1 -1
第二章 单纯形法
求解线性规划： 求解线性规划： max z = 3x1 + 5x2 s.t. x1 ≤ 8 2x2 ≤ 12 3x1 + 4x2 ≤36 x1, x2 ≥ 0
解：将原问题转化为标准 型模型： 型模型：
Max z = 3 x1 + 5 x2 s.t. x1 + x3 = 8 x2 + x4 = 12 3x1+ 4x2 + x5 = 36 x1 , x2 , x3 , x4 , x5 ≥ 0
=0 =8 =12 =36
z
-3x1 x1 x2 3x1
+5/2x4 +x3 +1/2x4 -2x4 +x5
=30 =8 =6 =12
z +x3 x2 x1
+1/2x4 +x5 =42 +2/3x4 -1/3x5 =4 +1/2x4 =6 -2/3 x4 +1/3x5 =4
方程组形式的求解过程
max z = 10 x1 + 5 x2 3x1 + 4 x2 + x3 = 9 s.t 5 x1 + 2 x2 + x4 = 8 x ,x ,x ,x ≥0 1 2 3 4
4 在所有σj<0中，只要有一个σr<0说对应 中 说对应 的系数列向量a 的系数列向量 r ≤0，即一切 ir ≤0（i=1， ，即一切a （ ， 2，m），则该 问题无最优解，停止计 ， ），则该LP问题无最优解 ），则该 问题无最优解， 算，否则转5。 否则转 。 5 按最小检验数规则
确定进基变量x 和主列a 确定进基变量 k和主列 k；再按最小比值规 则
•转换为典则形式 转换为典则形式
运筹学单纯形法
总结：①在迭代过程中要保持常数列向量非负，这能确保基 可行解旳非负性。最小比值能做到这一点。 ②主元素不能为0。因为行旳初等变换不能把0变成1。 ③主元素不能为负数。因为用行旳初等变换把负数变成1会 把常数列中相应旳常数变成负数。
16
三、其他解旳情况 1、无穷多种解 例2 解LP问题：
min Z x1 2 x2 x3 0 x4 0 x5
xx51
1 2c 5 3c
其中c是满足非负性旳任意常数。
21
再由
x1,
x5
旳非负性，知：
x1 x2
1 2c c
0 0
x5 5 3c 0
解出 0 c 5 3
最优解为：
(2c 1, c,0,0,5 3c)T （其中0 c 5 ）
3
最优值为：max S 1.
22
2、无最优解旳两种情况：
相应地，将 X 0代入目的函数得 Z ( X 0 ) 0
从数学角度看，若让非基变量 x1, x2 取值从零增长，
6
min Z 2x1 x2 0x3 0x4 0x5
相应旳目旳函数值Z也将随之降低。所以有可能找到一种 新旳基本可行解，使其目旳函数值有所改善。即进行基变
换，换一种与它相邻旳基。再注意到 x1 前旳系数－2比 x2
x3
6 x1 x1
2x2 x2
x4 x5
xi 0
i 1,,5
15 24 5
目前可行基{ x3, x4 , x5 }所相应旳基本可行解
X 0 (0,0,15,24,5)T
(相应可行域旳 o(0,0) )
显然不是最优。 因为从经济意义上讲， x1 0, x2 0
意味着该厂不安排生产，所以没有利润。
2
16
三、其他解旳情况 1、无穷多种解 例2 解LP问题：
min Z x1 2 x2 x3 0 x4 0 x5
xx51
1 2c 5 3c
其中c是满足非负性旳任意常数。
21
再由
x1,
x5
旳非负性，知：
x1 x2
1 2c c
0 0
x5 5 3c 0
解出 0 c 5 3
最优解为：
(2c 1, c,0,0,5 3c)T （其中0 c 5 ）
3
最优值为：max S 1.
22
2、无最优解旳两种情况：
相应地，将 X 0代入目的函数得 Z ( X 0 ) 0
从数学角度看，若让非基变量 x1, x2 取值从零增长，
6
min Z 2x1 x2 0x3 0x4 0x5
相应旳目旳函数值Z也将随之降低。所以有可能找到一种 新旳基本可行解，使其目旳函数值有所改善。即进行基变
换，换一种与它相邻旳基。再注意到 x1 前旳系数－2比 x2
x3
6 x1 x1
2x2 x2
x4 x5
xi 0
i 1,,5
15 24 5
目前可行基{ x3, x4 , x5 }所相应旳基本可行解
X 0 (0,0,15,24,5)T
(相应可行域旳 o(0,0) )
显然不是最优。 因为从经济意义上讲， x1 0, x2 0
意味着该厂不安排生产，所以没有利润。
2
运筹学02-单纯形法
反之，若经过迭代，不能把人工变量都变
为非基变量，则表明原LP问题无可行解。
19
第2章
单纯形法
2.3 人工变量法
2.3.1 大M法
在原问题的目标函数中添上全部人工变量，并令其系数 都为-M，
而M是一个充分大的正数。即
max z = c1x1 + c2x2 + c3x3 + … + cnxn – M( xn+1 + xn+2 +…+ xn+m )
思路：由一个基本可行解转化为另一个基本可行解。 等价改写为 目标方程 max z max z = 3x1+5x2 z -3x1 -5x2 = 0 z -3x1 -5x2 x1 +x3 x1 +x3 = 8 2x2 +x4 2x2 +x4 = 12 s.t. s.t. 3x1+4x2 +x5 3x1 + 4x2 +x5 = 36 x1 ， x2 ，x3，x4，x5 x1 ， x2 ，x3，x4，x5 ≥ 0
以主列中正值元素为分母，同行右端常数为分子，求比值；
6
第2章
单纯形法
2.1 单纯形法的基本思想
(Ⅰ)
用换基运算 将X0 转化为 另一个基本 可行解 X1。
z- 3x1 -5x2 = 0 0 换基运算—— x1 +x3 = 8 ① 方程组的初等变换 目的是把主列变为 22x2 +x4 = 12 ② 单位向量：主元变 3x1 + 4x2 +x5 = 36 ③ 为1，其余变为0。 X0 = ( 0, 0, 8, 12, 36 )T z0 = 0
⑴ 当前基：m阶排列阵
第二章 单纯形法
运筹学
15
华东交通大学工业工程与物流管理系
单纯形法的求解步骤
重复步骤2~5，直到终止。
判优换基迭代
判优换基迭代 判优换基迭代 判优 最优解
运筹学Leabharlann 16华东交通大学工业工程与物流管理系
基本可行解的改进
• 换入变量的确定——最大增加原则
假设检验向量σN＝(CN- CB B-1N )=(σm+1, σm+2, …,σn), 若其中有两个以上的检验数为正，选取最大正检验数所对应的 非基变量为换入变量。 若：max{σj| σj>0,m+1≤j≤n}= σm+K 则选取对应的xm+k为换入变量。
1 0 B 0 1
2 / 5 3 / 5 1 / 5 N 6 / 5 1 / 5 2 / 5
17 / 5 b 6/5
CB (3,5), CN (2,1,1)
再转向步骤（2） 运筹学
25
华东交通大学工业工程与物流管理系
（2）检验X’=(0,0,4,0,3)T是否最优：
检验向量 N CN CB B N
1
1 / 2 1 1 / 2 N (5,2,1) (3,1) (1,4,2) 5 / 2 3 1 / 2
华东交通大学工业工程与物流管理系
单纯形法
线性规划问题的几何意义： • 凸集：没有凹入部分，内部没有空洞。实习圆、实 心球体、实心立方体都是凸集；两个凸集的交集是 凸集。 • 若线性规划问题存在可行域，则可行域是凸集。 • 线性规划问题的基可行解对应可行域的顶点。 • 若可行域有界，线性规划问题的目标函数一定可以 在其可行域的顶点上达到最优。
由最优解判别定理，非基变量检验数σ1＝1>0， 所 以X‘=(0,0,4,0,3)T不是最优解
15
华东交通大学工业工程与物流管理系
单纯形法的求解步骤
重复步骤2~5，直到终止。
判优换基迭代
判优换基迭代 判优换基迭代 判优 最优解
运筹学Leabharlann 16华东交通大学工业工程与物流管理系
基本可行解的改进
• 换入变量的确定——最大增加原则
假设检验向量σN＝(CN- CB B-1N )=(σm+1, σm+2, …,σn), 若其中有两个以上的检验数为正，选取最大正检验数所对应的 非基变量为换入变量。 若：max{σj| σj>0,m+1≤j≤n}= σm+K 则选取对应的xm+k为换入变量。
1 0 B 0 1
2 / 5 3 / 5 1 / 5 N 6 / 5 1 / 5 2 / 5
17 / 5 b 6/5
CB (3,5), CN (2,1,1)
再转向步骤（2） 运筹学
25
华东交通大学工业工程与物流管理系
（2）检验X’=(0,0,4,0,3)T是否最优：
检验向量 N CN CB B N
1
1 / 2 1 1 / 2 N (5,2,1) (3,1) (1,4,2) 5 / 2 3 1 / 2
华东交通大学工业工程与物流管理系
单纯形法
线性规划问题的几何意义： • 凸集：没有凹入部分，内部没有空洞。实习圆、实 心球体、实心立方体都是凸集；两个凸集的交集是 凸集。 • 若线性规划问题存在可行域，则可行域是凸集。 • 线性规划问题的基可行解对应可行域的顶点。 • 若可行域有界，线性规划问题的目标函数一定可以 在其可行域的顶点上达到最优。
由最优解判别定理，非基变量检验数σ1＝1>0， 所 以X‘=(0,0,4,0,3)T不是最优解
- 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)。
§5.1 单纯形法的基本思路和原理
可以看到 s1, s2, s3的系数列向量
1 p3 0 0 .
0 p4 1 0
.
0 p5 0 1
.
是线性独立的,这些向量构成一个基
1 0 0 这是由三个五元线性方程组成的方程组，它的系数矩阵为 : B p3, p4, p5 0 1 0 11 100 0 0 1
§5.1 单纯形法的基本思路和原理
定理:
线性规划问题的基可行解 X 对应线性规划问题可行域
的顶点.
在这里，可行域的顶点已不再像图解法中那样直接可见
了。在单纯形法中的可行域的顶点叫做基可行解，第一 个找到的可行域的顶点叫做初始基可行解。
§5.1 单纯形法的基本思路和原理
例：找出下述线性规划问题的全部基解，指出其中 的基可行解，并确定最优解：
j
n
c
j1
j
x
j
(i=1,…，m)
(j=1,…，n)
(Ｅ) (Ｆ) (Ｇ)
b
i
， X x , , x 1 n
T
称为线性规划问题的可行解．全部可行解的集合称为可行域．
§5.1 单纯形法的基本思路和原理
线性规划问题
max z n a ij x j1 x j 0
应的变量s1, s2, s3是基变量。除了基变量以外的变量 x1, x2是非基变量。
A (p ,p ,p ,p ,p ) 2101 0 . 1 2 3 4 5 Ｂ中的每一个列向量p3, p4, p5 是基向量，与其对 0 1 0 0 1
§5.1 单纯形法的基本思路和原理
x1 1 1 1 0 0 x2 300 s 2 1 0 1 0 400 1 0 1 0 0 1 s2 250 s 3
1 1 B3 1 0 1 0
1 1 B3 1 0 1 0
0 0 1
令这个基的非基变量 x1, x2 为零, 这时约束方程就变为基变量 即: 0 x 2 s1 300 1 1 1 0 0 x2 300 2 1 0 1 0 s1 400 x 2 400 0 1 0 0 1 0 x s 250 250 s 2 3 3 求解,即可得到基变量的唯一一组解: x2= 400 , s1= -100 , s3= -150 加上非基变量: x1= 0, s2 = 0, 得到此线性规划的一个基解.
1 1 B3 1 0 1 0
0 0 1
均为基
可行基
不是可行基
§5.1 单纯形法的基本思路和原理
由于在这个基解中s1＝－100，s3＝－150，不满足该线 性规划最后一个变量非负的约束条件，显然不是此线性规划
的可行解，一个基解可以是可行解，也可以是非可行解，它
们之间的主要区别在于其所有变量的解是否满足非负的条件。
的约束方程:
x1= 0, x2= 400, s1= -100, s2= 0, s3= -150,
矩阵方程 AX = b
我们找到A 的一个基:
x1 1 1 1 0 0 x2 300 s 2 1 0 1 0 400 1 0 1 0 0 1 s2 250 s 3
a 11 a 1 m P B , , P 1 m a m 1 a mm
Ｂ中的每一个列向量Ｐj（j＝１，…，m）称为基向量，与基向 量Ｐj对应的变量xj称为基变量。线性规划中除了基变量以外的变 量称为非基变量。
§5.1 单纯形法的基本思路和原理
的约束方程:
x1=0, x2=0, s1=300
s2=400
s3=250
x1=0, x2=0, s1=300 s2=400 s3=250
x1= 0, x2= 400, s1= -100, s2= 0, s3= -150, 均为基解
基可行解
不是基可行解
1 B2 0 0
0 1 0
0 0 1
1 0 0
0 0 1
都是该线性规划的一个基。 这些基都是由3个线性无关的系数列向量组成的,对应的基变量
分别为 x1 , x2 , s1 ; s1, s2, s3; x2 ,s1,s3。
§5.1 单纯形法的基本思路和原理
基解： 在约束方程组（E）中，令所有的非基变量：
x x x 0 m 1 m 2 n
又因为有
B 0 ，根据克莱姆法则，由m个约束方程可以解
T 出m个基变量的唯一解 X 。将这个解加上非 x , , x b 1 m
T，称X为线性规划问 基变量取0的值有 X x , , x , 0 , , 0 b 1 m
题的基解。
矩阵方程 AX = b
我们找到A 的一个基:
(Ｅ) (Ｆ) (Ｇ)
b
i
基可行解：
满足变量非负约束条件 ( G ) 的基解称为基可行解。
可行基： 对应于基可行解的基称为可行基。
矩阵方程 AX = b
我们找到A 的一个基:
x1 1 1 1 0 0 x2 300 s 2 1 0 1 0 400 1 0 1 0 0 1 s2 250 s 3
基： 设Ａ为约束方程组（Ｆ）的m×n阶系数矩阵，（设n＞m）， 其秩为m，Ｂ是矩阵Ａ中的一个m×m的满秩子矩阵，称Ｂ 是线性规划问题的一个基．不失一般性，设
a 11 a 1 m P
Ｂ中的每一个列向量Ｐj（j＝１，…，m）称为基向量，与基向 量Ｐj对应的变量xj称为基变量。线性规划中除了基变量以外的变 量称为非基变量。
111 0 0 A (p ,p ,p ,p ,p ) 210 1 0 . 1 2 3 4 5 0 1 0 0 1
在此例题中：
1 2 0 1 1 1 1 0 0
1 0 0 0 1 0 0 0 1
1 1 1
第二章 单纯形法
Singlex Method
第二章 单纯形法
对于只有两个决策变量的线性规划问 题，可以在平面直角坐标系上作图表 我们在第三章所介绍的线性规划问题的计 示线性规划问题的有关概念，并求解 .
算机解法就是基于单纯形法编程来解决可 以含有上千个决策变量的及上千个约束条 由美国数学家丹捷格 件的复杂的线性规划问题。 (G.B.Dantzig)提出的，得到最
最优解： 使目标函数（Ｅ）达到最大值的可行解称为最优解．
j
n
c
j1
j
x
j
(i=1,…，m)
(j=1,…，n)
(Ｅ) (Ｆ) (Ｇ)
b
i
§5.1 单纯形法的基本思路和原理
基： 设Ａ为约束方程组（Ｆ）的m×n阶系数矩阵，（设n＞m）， 其秩为m，Ｂ是矩阵Ａ中的一个m×m的满秩子矩阵，称Ｂ 是线性规划问题的一个基．不失一般性，设
的约束方程:
s2=0
s3=-150
矩阵方程 AX = b
我们找到A 的一个基:
x1 1 1 1 0 0 x2 300 s 2 1 0 1 0 400 1 0 1 0 0 1 s2 250 s 3
广泛应用的线性规划的代数算法
－－单纯形法，这恐怕是在运筹
学发展史上最辉煌的一笔。
第五章 单纯形法
• 5.1 单纯形法的基本思路和原理
§5.1 单纯形法的基本思路和原理
线性规划问题
max z n a ij x j1 x j 0
可行解： 满足上述约束条件（Ｆ），（Ｇ）的解
标准形式为: 目标函数：max z = 50x1+100x2+0s1+0s2+0s3 约束条件： x1 + x2 +s1 = 300 2x1 + x2 +s 2 = 400 x2 +s3 = 250 x1, x2, s1, s2, s3≥0。 这是由三个五元线性方程组成的方程组，它的系数矩阵为:
11100 A (p ,p ,p ,p ,p ) 2101 0 . 1 2 3 4 5 0 1 0 0 1
1 B2 0 0 0 1 0 0 0 1
令这个基的非基变量 x1, s2 为零, 这时约束方程就变为基变量 即: 0 s 1 300 1 1 1 0 0 0 300 s 2 1 0 1 0 1 400 s 2 400 0 1 0 0 1 s2 250 s 250 s 3 3 求解,即可得到基变量的唯一一组解: s1=300 , s2=-400 , s3=250 加上非基变量: x1= 0, x2 = 0, 得到此线性规划的一个基解.
T，称X为线性规划问 基变量取0的值有 X x , , x , 0 , , 0 b 1 m
题的基解。
§5.1 单纯形法的基本思路和原理
线性规划问题
max z n a ij x j1 x j 0
j
n
c
j1
j
x
j
(i=1,…，m)
(j=1,…，n)
0 0 1
令这个基的非基变量 x1, s2 为零, 这时约束方程就变为基变量 即: 0 x 2 s1 300 1 1 1 0 0 x2 300 x1=0, 2 1 0 1 0 s1 400 x 2 400 0 1 0 0 1 0 x s 250 250 x2=400 s 2 3 3 求解,即可得到基变量的唯一一组解: x2= 400 , s1= -100 , s3= -150 s1=-100 加上非基变量: x1= 0, s2 = 0, 得到此线性规划的一个基解.