运筹学——3.单纯形矩阵描述与改进单纯形法
运筹学第5章 单纯形法
0 0 1
在第一次找可行基时，所找到的基或为单位矩阵或为由单位矩阵的 各列向量所组成，称之为初始可行基，其相应的基本可行解叫初始基 本可行解。如果找不到单位矩阵或由单位矩阵的各列向量组成的基作 为初始可行基，我们将构造初始可行基，具体做法在以后详细讲述。
8Leabharlann §1 单纯形法的基本思路和原理
二、 最优性检验 所谓最优性检验就是判断已求得的基本可行解是否是最优解。
5
§1 单纯形法的基本思路和原理
线性规划解之间的关系：
1.可行解与最优解： 最优解一定是可行解，但可行解不一定是最优解。
2. 可行解与基本解： 基本解不一定是可行解，可行解也不一定是基本解。
3. 可行解与基本可行解： 基本可行解一定是可行解，但可行解不一定是基本可行解。
4. 基本解与基本可行解： 基本可行解一定是基本解， 但基本解不一定是基本可行解。
9
§1 单纯形法的基本思路和原理
2.最优解判别定理
对于求最大目标函数的问题中，对于某个基本可行解，如
果所有检验数 j≤0，则这个基本可行解是最优解。 下面我
们用通俗的说法来解释最优解判别定理。设用非基变量表示
的目标函数为: z z0 j xj jJ 由于所有的xj的取值范围为大于等于零，当所有的 j都小
由线性代数的知识知道，如果我们在约束方程组系数矩阵中找
到一个基，令这个基的非基变量为零，再求解这个m元线性方程组就
可得到唯一的解了，这个解我们称之为线性规划的基本解。
在此例中我们不妨找到
1 1 0 B3 1 0 0
为A的一个基，令这个基的非
1 0 1
基变量x１，s2为零。这时约束方程就变为基变量的约束方程：
第五章 单 纯 形 法
运筹学单纯形法
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
运筹学复习资料(1)
运筹学复习一、单纯形方法（表格、人工变量、基础知识）线性规划解的情况：唯一最优解、多重最优解、无界解、无解。
其中，可行域无界，并不意味着目标函数值无界。
无界可行域对应着解的情况有：唯一最优解、多重最优解、无界解。
有界可行域对应唯一最优解和多重最优解两种情况。
线性规划解得基本性质有：满足线性规划约束条件的可行解集（可行域）构成一个凸多边形；凸多边形的顶点（极点）与基本可行解一一对应（即一个基本可行解对应一个顶点）；线性规划问题若有最优解，则最优解一定在凸多边形的某个顶点上取得。
单纯形法解决线性规划问题时，在换基迭代过程中，进基的非基变量的选择要利用比值法，这个方法是保证进基后的单纯型依然在解上可行。
换基迭代要求除了进基的非基变量外，其余非基变量全为零。
检验最优性的一个方法是在目标函数中，用非基变量表示基变量。
要求检验数全部小于等于零。
“当x 1由0变到45/2时，x 3首先变为0，故x 3为退出基变量。
”这句话是最小比值法的一种通俗的说法，但是很有意义。
这里，x 1为进基变量，x 3为出基变量。
将约束方程化为每个方程只含一个基变量，目标函数表示成非基变量的函数。
单纯型原理的矩阵描述。
在单纯型原理的表格解法中，有一个有趣的现象就是，单纯型表中的某一列的组成的列向量等于它所在的单纯型矩阵的最初的基矩阵的m*m 矩阵与其最初的那一列向量的乘积。
最初基变量对应的基矩阵的逆矩阵。
这个样子：'1222 1 0 -32580 1 010 0 158P B P -⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦５１＝５所有的检验数均小于或等于零，有最优解。
但是如果出现非基变量的检验数为0，则有无穷多的最优解，这时应该继续迭代。
解的结果应该是：X *= a X 1*+(1-a)X 2* （0<=a<=1）说明：最优解有时不唯一，但最优值唯一；在实际应用中，有多种方案可供选择；当问题有两个不同的最优解时，问题有无穷多个最优解。
物流运筹学单纯形法
如何确定出基变量（可以按照下述方法来理解） 当x2定为入基变量后，必须从x3 、 x4 、 x5中换出来一个，并保 证其余的变量在新可行解中还都是非负，即： x3≥0 、 x4 ≥0 、 x5 ≥0
因为x1 仍为基变量， 所以将x1=0，带入约 束条件，得到：
4 x2 x3 360 5 x2 x4 200 s.t . 10x2 x5 300 x , x , x , x , x 0 1 2 3 4 5
需要解决的问题： (1)为了使目标函数逐步变优，怎么转移？ (2)目标函数何时达到最优？判断标准是什么？
1.5.1单纯形法原理
单纯形法步骤
确定初始基本可行解
检验其 是否为最优
是
停
主要工作： 最优性检验
否 寻找更好的 基本可行解
主要工作： 1、基变换（将原来的基换成新的基） 2、修正单纯形表，得到新的基本可行解
基变量的 价值系数 基变量
基本 可行解
CB
0 0 0
XB
X3 X4 X5 机会成本行 σj
7 B b 360 200 300
-1
12 X2 4 5 10 0 12
0 X3 1 0 0 0 0
0 X4 0 1 0 0 0
0 X5 0 0 1 0 0
X1 9 4 3 0 7
θ
90 40 30
因为基变量的检验数σ1和σ2都大于0，所以当前解不是最优。需要变换可行 基，寻找新的解。即原来的非基变量x1 、x2，要有一个被换为基变量，基变 量中也要有一个被换为非基变量，以确定新的基、新的解。
0
0
0
主元列 （确定入基变量）
主元行 （确定 出基变 量）
主元素
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
(运筹学大作业)单纯性法与对偶单纯性法的比较
对偶单纯形法与单纯形法对比分析1．教学目标：通过对偶单纯形法的学习，加深对对偶问题的理解2．教学内容：1）对偶单纯形法的思想来源 2）对偶单纯形法原理3．教学进程：1）讲述对偶单纯形法解法的来源：所谓对偶单纯形法，就是将单纯形法应用于对偶问题的计算，该方法是由美国数学家C.莱姆基于1954年提出的，它并不是求解对偶问题解的方法，而是利用对偶理论求解原问题的解的方法。
2）为什么要引入对偶单纯形法：单纯形法是解线性规划的主要方法，对偶单纯形法则提高了求解线性规划问题的效率，因为它具有以下优点： （1）初始基解可以是非可行解, 当检验数都为负值时, 就可以进行基的变换, 不需加入人工变量, 从而简化计算； （2）对于变量多于约束条件的线性规划问题,用对偶单纯形法可以减少计算量,在灵敏度分析及求解整数规划的割平面法中,有时适宜用对偶规划单纯形法。
由对偶问题的基本性质可以知道，线性规划的原问题及其对偶问题之间存在一组互补的基解，其中原问题的松弛变量对应对偶问题的变量，对偶问题的剩余变量对应原问题的变量；这些互相对应的变量如果在一个问题的解中是基变量，则在另一问题的解中是非基变量；将这对互补的基解分别代入原问题和对偶问题的目标函数有z=w 。
据此可知，用单纯形法求解线性规划问题时，在得到原问题的一个基可行解的同时，在检验数行得到对偶问题的一个基解，并且将两个解分别代入各自的目标函数时其值相等。
我们知道，单纯形法计算的基本思路是保持原问题为可行解（这时一般其对偶问题为非可行解）的基础上，通过迭代，增大目标函数，当其对偶问题的解也为可行解时，就达到了目标函数的最优值。
那么对偶单纯形法的基本思想可以理解为保持对偶问题为可行解（这时一般原问题为非可行解）的基础上，通过迭代，减小目标函数，当原问题也达到可行解时，即达到了目标函数的最优值。
其实对偶单纯形法本质上就是单纯形法, 只不过在运用时需要将单纯形表旋转一下而已。
运筹学——3.单纯形矩阵描述与改进单纯形法
32
计算B的逆矩阵
（6）计算RHS
1 / 2 8 2 1 1 B1 b 1 0 16 16 1 / 4 12 3
23
第2节 改进单纯形法
第1步计算结束后的结果
基 B1 P3 , P4 , P2 ; 基变量 X B1 x3 , x4 , x2 ;
22
（5）计算非基变量的系数矩阵
1 / 2 1 1 1 1 N1 4 B1 N1 1 0 4 1 1 / 4 1 1 1 / 2 4 0 1/ 4
B2 1b i 1 min 1 B2 P5 0 B P 2 5 i 2 8 3 min , , 4 对应x4 1/ 2 2 1/ 4
31
基变换：
新的基
B3 P , P5 , P2 ; 1 换入变量x5 的系数向量是 1 0 1 / 2 0 1 / 2 1 B2 P5 4 1 2 0 2 主元素 0 0 1 / 4 1 1 / 4
确定换出变量
B11b i 1 min 1 B1 P 0 1 B P 1 1 i 2 16 3 min , , 2 对应x3 1 4 0
26
由此得到新的基
B2 P , P4 , P2 1 1 1 B1 P 4 1 0 1 1 0 0 2 4 E2 4 1 0 0 0 0 1 1 0 0 1 0 1/ 2 1 1 B2 E2 B1 4 1 0 0 1 0 0 0 1 0 0 1/ 4 1 0 1/ 2 4 1 2 0 0 1/ 4
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。
运筹学单纯形法例题求解过程
运筹学单纯形法例题求解过程摘要：一、运筹学单纯形法概述二、单纯形法求解步骤1.确定基变量和初始基本可行解2.编制初始单纯形表3.判断基本可行解是否为最优解4.迭代求解最优解三、例题求解过程1.题目描述2.化为标准型3.建立初始单纯形表4.迭代计算四、总结正文：一、运筹学单纯形法概述运筹学单纯形法是一种求解线性规划问题的方法，它的主要思想是通过不断迭代，逐步优化基变量的值，从而求得问题的最优解。
单纯形法可以有效地解决具有如下特点的问题：目标函数线性，约束条件线性，变量非负。
二、单纯形法求解步骤1.确定基变量和初始基本可行解在求解线性规划问题时，首先需要确定基变量，即在约束条件方程组中，选择一部分变量作为基变量，用于表示其他变量。
通过寻找或构造单位矩阵的方法，可以确定基变量，从而求出初始基本可行解。
2.编制初始单纯形表基于初始基本可行解和线性规划模型提供的信息，可以编制初始单纯形表。
单纯形表包含了基变量、非基变量、目标函数系数、约束条件系数和检验数等信息，用于描述问题的基本情况。
3.判断基本可行解是否为最优解通过检验数cj-zj 来判断基本可行解是否为最优解。
如果所有非基变量的检验数cj-zj<0，说明已经达到最优解，计算停止。
如果存在cj-zj>0，但所有cj-zj>0 所在列对应的所有aij<0，说明无最优解，计算停止。
如果至少存在一个cj-zj>0，并且所对应的所有j 列中至少有一个aij>0，说明没有达到最优解，需要继续迭代求解。
4.迭代求解最优解在迭代过程中，首先需要确定换入变量，即选择最大检验数对应的非基变量。
然后，利用特定公式计算出换出变量，即在基变量中选择一个与换入变量对应的变量进行替换。
接着，生成新的单纯形表，将换入变量和换出变量进行置换后，调整新基变量对应的矩阵为单位矩阵。
最后，重新计算检验数和目标函数值，返回第二步，直至找到最优解。
三、例题求解过程假设有一个线性规划问题，目标函数为MINfx1x2Mx4Mx6，约束条件为：3x1 + 4x2 ≤ 122x1 + 3x2 ≤ 10x1, x2 ≥ 0首先，将约束条件化为标准型：3x1 + 4x2 + s1 = 122x1 + 3x2 + s2 = 10x1, x2 ≥ 0然后，建立初始单纯形表：| 基变量| 非基变量| 目标函数系数| 约束条件系数| 检验数| ---------------------------------------------------------------------行1 | x1 | s1 | -3 | -4 | -12 |行2 | x2 | s2 | -4 | -3 | -10 |行3 | x1 | x2 | 0 | 0 | 0 | 行4 | s1 | x2 | 0 | 3 | 0 | 行5 | s2 | x1 | 0 | 2 | 0 | 根据初始单纯形表，可以得到初始基本可行解为：x1 = 0, x2 = 0接下来，判断基本可行解是否为最优解：c1 = -12, c2 = -10, c3 = 0, c4 = 0, c5 = 0由于c3、c4 和c5 都小于等于0，所以基本可行解不是最优解，需要继续迭代求解。
运筹学03-单纯形法
C
m n
m个!n。n! m!
定义 在线性规划问题的一个基本可行解中，如果
所有的基变量都取正值，则称它为非退化解，如
果所有的基本可行解都是非退化解。称该问题为
非退化的线性规划问题；若基本可行解中，有基 变量为零，则称为退化解，该问题称为退化的线 性规划问题。
21
解的集合： 解空间
非
基
可 行 解
可本 行可 解行
16
解：① 令X3 =X4 - X5 ② 加松弛变量X6 ③加剩余变量X7 ④ 令Z'= -Z
Max Z'= X1 -2X2 +3X4 -3X5 X1 +X2 +X4 -X5 +X6=7
s.t X1 -X2 +X4 -X5 -X7 =2
X1 , X2 , X4 , … , X7 0
17
3.2 线性规划问题的解
5
向量形式
Max Z CX
s.t
n
Pj x j
b
C c1
c2
cn
j1
X 0
价值向量
x1
X
x2
xn
决策向量
a1 j
Pj
a2 j
anj
列向量
b1
b
b2
bm
右端向量
6
(4) 一般型向标准型的转化
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: 目标函数
x1
,
x2 ,
x3 ,
x4
0
(2) 求基本解
由上式得
A
3 6
5 2
1 0
10 b 1254
运筹学一般单纯形法
1
0 0 0 1
0
1 0 0 0
0
0 1 0 -2
3
6 2 →
Cj-Zj
0
2
0
4
x4
x2 →
8
15
3 P1
10 P2
0 P3
0 P4
θi
注
3
-1
4
5
1
0
0
1
段 1 cj-zj
cj ↓ 0 0
→
0
3
10
0
0
基
x3 x4 →
b
24 15
P1
3 -1 3
P2
4 5 10
P3
1 0 0
P4
0 1 0
θi
注
步骤4.2：判断
（１）若所有检验数均≤０时，即得到最优解和 最优值； （２）若检验数存在正值，继续下一步。
3
0 3 1 3
2
（1） 4 0 0
0
0 0 1 0
1
0 0 0 1
0
1 0 -2 -2
6
2 →
Cj-Zj
0 2 0
4
x2
→
2
0
1
0
0
1
Cj-Zj
Cj 段 ↓
→ 基
0 b
3 P1
4 P2
0 P3
0 P4
0 Qi P5 注
0
1 0 0
x3
x4 x5 → x3
6
12 2 0 2
1
3 0 3 1
2
2 （1） 4 0
用主元列对应的变量（入基变量/调入变量）代替之，进入 下一段。
单纯形法的矩阵描述及应用举例课案课件
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4单纯形法迭代原理
CB XB
b
xl x1 x2 … xm
xm+1
xm…t xn
c1 x1 b1' 1 0 .*.. 0 a1',m1 .0.. a1'n
c2 x2 b2' 0 1 ..*.. 0 a2',m1 .0... a2'n
: : : . cm+t xm+t b'm+t 0 .0 .*... 0. . a'l,m+1 ..1. .a'ln
0 0
0 ... 1
am,m1
... amn
bm
1 c1 c2 ... cm cm1 ... cn 0
第-Z一行x1 是x2价…值系xm数行，标xm+出1 了决策…变量xj的x价n 值系数右cj端
第0二行1 是0标.示.. 行0，标出a了1,m表1 中主体.各.. 行的含a1义n 。
xk1 i
bi'
a' i,mt
xmt
xik
a' i,mt
xmt
xk1 i
xik
a' i,mt
xmt
0
n
Z Z0 j x j
jm1
a' i ,mt < =
xmt
xik
a' i ,mt
xmt
若 mt 0 且pm' t 0
则该LP无最优解。
>
当
a' i,mt
0 时，为使
xik
a' i,mt
xmt
单纯形法
z z0 j x j
j m 1
n(1.2.21)称 j ( j m 1 ,, n ) 为检验数。
定理1.2.1 设（1.2.17）和（1.2.21）是最大
化线性规划问题关于当前基本可行解x*的两个典式。
若关于非基变量的所有检验数σ j≤0成立，则当前
基本可行解x*就是最优解。 将σ j≤0称为最大化问题的最优性准则。显然， 对于最小化问题最优性准则应是σ j≥0。
30x1 + x3 = 160 - 20x2 5x1 = 15 - x2 - x4 （1.2.6） x1 + x5 = 4 进一步分析，用消元法将（1.2.6）中x1的系数列向量 （30,5,1）T 化成(1.2.3)中x4的系数矩阵（0,1,0）T
的形式。得到：
x3 = 70 - 14x2 + 6x4 x1 = 3 - 1/5x2 - 1/5x4
(b'1, b'2, … , b'm ,0 , …, 0)T是当前基本可行解。若有一个非
基变量xm+t的检验数σ
m+t>0，且xm+t对应的系数列向量
P'm+t=(a'1,m+t,a'2,m+t,„，a'm,m+t)中，所有分量a'i,m+t≤0，则该 线性规划问题具有无界解（或称无最优解）。
1.2.2 单纯形表
x2= 5 - 1/14x3 + 3/7x4
x1 = 2 + 1/70x3 - 2/7x4
（1.2.11）
x5 = 2 - 1/70x3+ 2/7x4
将（1.2.11）代入目标函数式，得到用非基变 量x 3
运筹学
运筹学第2章单纯形法 2.1 单纯形法的基本思想该方法简捷、规范，是举世公认的解决LP问，题行之有效单纯形法（Simplex Method）是美国著名运筹学家丹捷格（Dantzig）1947年首先提出的通用方法。
单纯形法不仅是解决LP问题的最基本的算法之一，而且成为解决整数规划和非线性规划某些算法的基础。
2、单纯形法的3种形式——方程组形式（代数形式）、表格形式、矩阵形式3、单纯形法的基本思路——基于LP问题的标准形，先设法找到某个基本可行解（称为初始基本可行解）；开始实施从这个基本可行解向另一个基本可行解的转换，要求这种转换不仅容易实现，而且能改善（至少保持）目标函数值；继续寻找更优的基本可行解，进一步改进目标函数值。
当某一个基本可行解不能再改善时，该解就是最优解。
（或者是出现无可行解、无最优解、无穷多最优解的情况）2.1.1 方程组形式的单纯形法例1 一个企业需要同一种原材料生产甲、乙两种产品，它们的单位产品所需要的原材料的数量及所耗费的加工时间各不相同，获得的利润也不相同（如下表）。
请问，该企业应如何安排生产计划，才能使获得的利润达到最大？解：该问题的LP模型为：将该问题的LP模型化为标准形⎪⎩⎪⎨⎧≥≤+≤++=,1202410032..4621212121xxxxxxt sxxzm ax函数约束的增广矩阵为：很显然 R （A ） = R （A ，b ）= 2 < 5，即该方程组有无穷多组解。
系数矩阵为：决策变量向量为：选取 为基，则 为基变量， 为非基变量令非基变量 ，则可以得到一基本 可行解为： 下面的计算都是以它为初始点逐次实施转换，故将其称为初始基本可行解。
此时，Z=0，其经济含义为：该企业没 有安排甲、乙两种产品的生产，当然也就没有利润可言。
条典☐ 初始基本可行解所对应的可行基是一个m 阶的单位阵； ☐ 目标函数表达式中所有的基变量的系数全部为0。
☐ 这是单纯形法所必需的！！！ ☐ 分析目标函数表达式☐ 非基变量的系数都是正数，若将它们转换为基变量，目标函数值则就会可能增加。
第3章 线性规划的单纯形法《管理运筹学》PPT课件
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。
- 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)。
换入变量
25
.
第2节 改进单纯形法
确定换出变量
min
B11b B11P1
a( 2) 2m
am(2m)
17
.
重复以上的步骤，直到获得
1
Em
E2E1A
1
I
1
可见En…E2E1=A-1。用这方法可以求得单纯形法的基矩阵B的 逆矩阵B-1
18
.
第2节 改进单纯形法
以例1为例进行计算。
maxz 2x1 3x2 0x3 0x4 0x5
x1 2x2 x3
8
4x1
x4 16
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 a12
A
a21
a22
am1 am2
.
等式右边
RHS B1b CBB1b
8
单纯形表中的数据
基变量
非基变量 松弛变量 等式右边
XB 系数矩阵 B 1 B I
检验数
0
XN
Xs RHS
B1N
B1
B1b
CN CBB1N CBB1 CBB1b
9
.
（3）θ规则表示为：
RHS值
表示选用>0的分量
m (i(B B n 1 1 P bj))ii (B 1P j)i0 ((B B 1 1 P bj))ll
a(1) m2
/
a2(12)
16
.
然后构造含有（2）列，而其他列都是单位列的矩阵
可得到
1
a( 1 ) 12
/
a( 1 ) 22
0
E2
0 0
1
/
a( 1 ) 22
a( 1 ) m2
/
a( 1 ) 22
0 1
1
0
a( 2) 13
a( 2) 1m
E2E1A
0 0
1 0
a( 2) 23
a( 2) m3
（4）基变换计算 将新的基 P3,P4,P2单位矩阵。计算：
2
1/2
1 1/2
P 20
1 0 ；构 E 1 造1
0
4 主元素 1/4
1/4
1 1/21 1 1/2
B 1 1E 1B0 1
1
0
1
1
0
1/4 1
1/4
22
.
（5）计算非基变量的系数矩阵
1
1 1/ 21
N1 4
B11N1
1
0 4
1
1/ 4 1
1 1/ 2 4 0
1/ 4
（6）计算RHS
1 1/28 2
B11b 1
0 1616
1/4 12
3
23
.
第2节 改进单纯形法
第1步计算结束后的结果
基B1 P3,P4,P2; 基变量XB1 x3,x4,x2 T; 非基变量 XN1 x1,x5 T;
.
( 21) (22) (32)
4
令非基变量=0，由上式得到：
基可行解 X(1) B01b; 目标函数的值 z CBB1b
5
.
（1）非基变量的系数表示为： (CN CB B 1N ) 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 - CB B 1(B | N )
价值系数 C CB1,CN1 (0,0,3),(2,0)
24
.
第2节 改进单纯形法
第2步：计算非基变量的检验数，确定换入变量
N1 CN1 CB1 B11N1 ( 注意：N1 P1,P5 )
2,
0
(
1 0,0,3 ) 0
0 1
1/ 21 0 0 4 0
0 0 1/ 4 0 1
2, 3 / 4 对应 x1,x5
a1m a2m
amm
12
.
以a11为主元素, 进行变换
a11主元素
P1 aa m211
1/a11
1
a21/a11
am1 / a11
(1)
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 / a11
am1 / a11
1
1
14
.
可得到
2,
3
(
0,0,0
1 )0
0 1
01 2 04 0
0 0 10 4
2, 3 对应 x1,x2
换入变量
20
.
第2节 改进单纯形法
(3) 确定换出变量
表示选择>0的元素
min
B01b B01P2
i i
B01P2 0
m
in
8 2
,16,12 0 4
3对应x 5
21
.
第2节 改进单纯形法
第1节 单纯形法的矩阵描述
设线性规划问题可以用如下矩阵形式表示： 目标函数 max z=CX 约束条件 AX≤b 非负条件 X≥0
1
.
将该线性规划问题的约束条件加入松弛变量后，得到标 准型：
max z=CX+0Xs AX+IXs=b
X，X s≥0
其中I 是m×m单位矩阵。
2
.
若以Xs为基变量，并标记成XB，可将系数矩阵（A，I） 分为（B，N）两块。B是基变量的系数矩阵，N是非基 变量的系数矩阵。并同时将决策变量也分为两部分：
X
X 分：CB和CN，分别 对应于基变量XB和非基变量XN，并且记作
C=（CB, CN）
3
.
线性规划问题可表示为：
目标函 maz数 xCBXBCNXN 约束条 BB X 件 NN Xb 非负条 XB,X件 N0
将（2-2）式移项及整理后得到：
BXB b NXN ; XB B1b B1NXN ; 目标函数： z CBB1b (CN CBB1N)XN
a21a11a a1 21 1
a22a12a a1 21 1
1
1
a(1) 12
a(1) 1m
E1P1
00;E1A00
a(1) 22
a(1) m2
a(1) 2m
am(1m)
15
.
而后以第2列的
a(1) 22
为主元素，进行变换
a(1) 12
/
a2(12)
P2(1)
2
1/
a(1) 22
(2)
4x2
x5 12
19
.
第2节 改进单纯形法
第1步：确定初始基，初始基变量;确定换入、换出变量 （1）确定初始基和初始基变量：
1
B0P3, P4, P5 1
x3
; XB0 x4
1
x5
（2）计算非基变量的检验数，确定换入变量。 N0 CN0 CB0 B01N0 ( 注意：N0 P1,P2 )
6
.
（2）单纯形表与矩阵表示的关系
XB B1NXN B1b; 目标函数：
-z(CN CBB1N)XN -CBB1b
z
0 I
B1N
1 0 CNCBB1N
X XN BC BBB 1b1b
.
(27)
7
单纯形表中的数据
基变量
非基变量
XB 系数矩阵 B 1 B I
检验数
0
XN B1 N CN CBB1N