单纯形法及应用举例
单纯形法及应用举例
❖ 力求总运费最省
34
cij xij d13 d13 2950
i1 j1
❖ 目标函数为：
min z P1d 4 P2d 5 P3(d6 d 7 d 8 d 9)
P4d
10
P5
d
11
P6 (d
12
d
12)
P7d
13
17
第4节 应用举例
2x1 x2 xs
11
x1
x2 d1 d1 0
满足约束条件：
x1 2x2 d2 d2 10
8x1 10x2 d3 d3 56
x1, x2, xs , di, di 0, i 1,2,3
3
第3节 解目标规划的单纯形法
x12+x22+x32+d2− − d2+=100
x13+x23+x33+d3− − d3+=450
x14+x24+x34+d4− − d4+=250
❖ A3向B1提供的产品量不少于100
x31+d5−− d5+=100
15
第4节 应用举例
❖ 每个销地的供应量不小于其需要量的80%
x11+x21+x31+d6−−d6+=200×0.8 x12+x22+x32+d7− − d7+=100×0.8 x13+x23+x33+d8− − d8+=450×0.8 x14+x24+x34+d9− − d9+=250×0.8 ❖ 调运方案的总运费不超过最小运费调运方案的10%
二、两阶段单纯形法
（2）某个人工变量ys还是基变量。这时，显然有 表1-13中第s行等价于如下方程：
bs ys 0
表1-14中，
yi是人工变量 i 对应的检验数 dij是人工变量 i y , y
的系数
yi , j 都非正, 且由于- 显然，所有的检验数 是最优值，故必有 * 0 * (1)若 0 ，则可断言原问题（LP）1没有可行解
假设（LP）1有行解
*
X，则有
AX b, X 0
1．人工变量的引入 设原问题为
( LP)1 :
max Z CX s.t. AX b X 0
引入人工变量
y1 ,, ym
，构造新规划
( LP)II :
max W - y1 - y 2 - - y m s.t. IY+AX b Y 0, X 0
其中
，
Y ( y1 , y2 , ym )
0.25
-0.5 -0.375 -1.5
0
1 0 0
1
0 0 0
0.5
0 0.25 0
0
0 1 0
2
0 4 0
本节课结束! 谢谢!!
表1-15 cj 初 始 表 -1 0 0 0 0
y
0 1 0 0
x1
1 2 2 1
x2
（1） 3 3 1
x3
1 0 0 1
x4
0 -1 -1 0 1 6 6 1
第1章 线性规划与单纯形法 第6节举例应用
产品计划问题 某厂生产I，II，III三种产品，都分别经A，B 两道工序加工。设A工序可分别在设备A1或A2上 完成， B工序可在B1，B2，B3三种设备上完成。 已知产品I可在A，B任何一种设备上加工；产品 II可在任何规格的A设备上加工，但完成B工序 时，只能在B1设备上加工，产品III只能在A2与 B2设备上加工。加工单位产品所需工序时间及 其他各项数据如表格所示，试安排最优生产计 划，使该厂获利最大。
max z [ Si yij C i xij C x ] H i ij
i 1 j 1 / i / ij i 1 j 1
5
6
5
5
连续投资问题
某部门在今后五年内考虑给下列项目投资，已知： 项目A，从第一年到第四年每年年初需要投资，并 于次年末回收本利115%； 项目B，第三年初需要投资，到第五年末能回收本 利125%，但规定最大投资额不超过4万元； 项目C，第二年初需要投资，到第五年末能回收本 利140%，但规定最大投资额不超过3万元； 项目D，五年内每年初可购买公债，于当年末归还， 并加利息6%。 该部门现有资金 10 万元，问它应如何确定给这些 项目每年的投资额，使到第五年末拥有的资金的 本利总额为最大?
第6节
应 用 举 例
一般讲，一个经济、管理问题凡满足以下条件 时，才能建立线性规划的模型。 (1) 要求解问题的目标函数能用数值指标来表示， 且Z=f(x)为线性函数； (2) 存在着多种方案； (3) 要求达到的目标是在一定约束条件下实现的； 这些约束条件可用线性等式或不等式来描述。
合理利用线材问题
解 设xij, xij/分别为该工厂第i种产品在 第j个月在正常时间和加班时间内的生产量； yij为第i种产品在第j月的销售量， ωij为第i种产品第j月末的库存量。
单纯形法
(0)寻找初始的基本可行解 ①选取基变量: 选x3, x4为基变量 ②转换为典则形式
用非基变量表示基变量和目标函数的形式称为关于基的 典则形式 max z = 50x1 + 30x2 s.t. x3= 120 - 4x1 - 3x2 x4= 50 - 2x1 - x2 x1, x2, x3, x4 0 寻找初始基本可行解：令所有的非基变量都为零，得到
max z = 50x1 + 30x2 s.t. 4x1 + 3x2 120 2x1 + x2 50 x 1, x 2 0 将原问题先转化为标准型： max z = 50x1+ 30x2 s.t. 4x1 + 3x2 + x3 = 120 2x1 + x2 + x4 = 50 x 1, x 2, x 3, x 4 0
1.4 单纯形方法
1. 单纯形方法的推导及单纯形表 2. 如何寻找初始基本可行解
Hale Waihona Puke 1. 单纯形方法推导• 单纯形方法的基本思想 从可行域的一个基本可行解(极点)出发， 判别它是否已是最优解，如果不是，寻找 下一个基本可行解，并使目标函数得到改 进，如此迭代下去，直到找到最优解或判 定问题无界为止。
例1.1 生产计划问题
大 M 法的优缺点
• 优点：简单、直观，在单纯形表上的计算 步骤与普通单纯形方法相同； • 缺点：大 M 到底取多大值？M 取值太大将 增加数值计算的困难。
两阶段法
• 基本思想：将求解过程分为两个阶段：
– 第一阶段寻找初始可行解或判断问题无可行解； – 第二阶段寻找最优解或判断问题无界。
• (2)第二次换基迭代
选 x2进基。得到下列不等式关系: x1 = 25 - 0.5x2 - 0.5x4 0 x3 = 20 x2 + 2x4 0 简化为： 25 - 0.5x2 0 20 x2 0 X2越大Z就越大,能使上述不等式全成立的X2中, 最大的是 min(25/0.5, 20/1) = 20 ，于是迫使 x3为零； 令 x3出基。
对偶与对偶单纯形法的应用
第一种做法：按照定义来
max z 3x1 4 x2 6 x3
2 x1 3 x2 6 x3 4 4 0 , 6 x1 4 x2 x3 1 0 0 , 5 x1 3 x2 x3 2 0 0 5 x1 3 x2 x3 2 0 0 x1 , x2 , x3 0
对偶单纯性法的思想： 根据原问题对偶问题的特性（主对偶定理、 最优性定理、对应性定理），用单纯性法求 解线性规划问题（单纯性法的一种）。 解题思路： 每次迭代中，保持对偶问题的解是可行解， 不管原问题的基本解是否为基本可行解，当 原问题取得基本可行解时，则这个解是原问 题的最优解。
二、例题
例:用对偶单纯性法求解线性规划问题。 Minw=12y1+16y2+15y3 2y1+4y2 ≥2 2y1 +5y3≥3 y1，y2，y3≥0 在不用对偶单纯性法之前，用什么方法，请 写出初始单纯性表？
设备 A 设备 B 设备 C 1 2 0
1 1 1
资源限量 300 台时 400 台时 250 台时
解：设x1为产品I的计划产量，x2产品Ⅱ的计划产量， 则有 Max z=50x1 +100x2 x1 +x2 ≤300 2x1+x2 ≤400 x2 ≤250 x1，x2≥0
假如有另外一个工厂要求租用该厂的设备A、B、C， 那么该厂的厂长应该如何来确定合理的租金呢？ • 对原厂：租金收入≥自己组织生产的收入 对租借厂：总租金最低 • 变量改变——产品——设备 设备不再是约束条件，必须从产品入手 设y1，y2，y3是A、B、C每小时的出租价格 对于产品I：每件I自行生产的收入是50元， 租金收入是y1+2y2元。 对于产品Ⅱ来说，自行生产收入100元，租金收入是 y1+y2+y3元
单纯形法原理及例题
单纯形法原理及例题
单纯形法原理：
单纯形法是求解线性规划问题的一种数学方法，它是由美国数学家卢克·单纯形于1947年发明的。
用单纯形法求解线性规划的过程，往往利用线性规划的对偶形式，将原问题变换为无约束极大化问题，逐步把极大化问题转换为标准型问题，最后利用单纯形法的搜索方法求解满足所有约束条件的最优解。
例题：
问题：求解最小化目标函数z=2x1+x2的线性规划问题，约束条件如下：
x1+2x2≥3
3x1+x2≥6
x1,x2≥0
解：将上述线性规划问题转换为无约束极大化问题，可得：
极大化问题：
Max z=-2x1-x2
s.t. x1+2x2≤3
3x1+x2≤6
x1,x2≥0
将极大化问题转换为标准型问题，可得：
Max z=-2x1-x2
s.t. x1+2x2+s1=3
3x1+x2+s2=6
x1,x2,s1,s2≥0
运用单纯形法的搜索方法求解：
令x1=0,x2=0，则可得s1=3,s2=6，即(0,0,3,6)是单纯形的初始解；
令z=-2x1-x2=0，代入约束条件，可得x1=3,x2=3，则可得s1=0,s2=0，即(3,3,0,0)是新的单纯形解。
由于s1=s2=0，说明x1=3,x2=3是线性规划问题的最优解，且最小值为z=2*3+3=9。
第二章 单纯形法
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
单纯形法的计算步骤及应用
（4-16）
（4-17）
bi' bi
bl ai ,k ( i 1,2, , n; i l ) al ,k
这样经过变换以后就得到了新的增广矩阵 p1 … pl pm pm+1 pk pn b
a1,k 1 a l ,k 1 0 al ,k a m ,k 0 a l ,k 0 a
单纯形法介绍及相关问题
标准型线性规划问题 max s=c1x1+c2x2+…+cnxn s.t. a11x1+a12x2+…+a1nxn=b1 a21x1+a22x2+…+a2nxn=b2
an1x1+an2x2+…+annxn=bn xj≥0(j=1,2,…,n)
单纯形法介绍及相关问题
例1 已知约束如下
（4-11）
单纯形法介绍及相关问题
2、基本可行解之间的迭代
在讨论中我们假设对方程组（4-10）的系数增广矩阵 p1 … pl pm pm+1 pk pn b
a1,m1 1 1 al ,m1 1 am ,m1
a1,m1 a1,n al ,m1 al ,n am ,m1 am ,n
' a1 ,m 1 ' 0 a1 ,n
' l ,m 1
0
1 al' ,n
1 a'm ,m 1 0 a'm ,n
' b1 bl' ' bm
单纯形法的综述及其应用-文献综述
毕业论文文献综述数学与应用数学单纯形法的综述及其应用一、 前言部分（说明写作的目的，介绍有关概念、综述范围，扼要说明有关主题争论焦点）1.写作目的本文主要在于介绍单纯形法的历史背景，基本计算方法，改进的计算方法，以及单纯形法的应用．目的在于对单纯形法的历史背景，计算方法等进行综述，并总结单纯形法在生活各个领域的应用，单纯形法是求解线性规划问题很有效的方法，通过对单纯形法的进一步了解，最后提出一实际问题利用单纯法进行分析求解．2.有关概念LP 问题的一般形式[1]()1122. Max min n n ob Z c x c x c x =+++L()()()1111221121122222112212..: ,,,0 n n n n m m mn n m n a x a x a x b a x a x a x b s t a x a x a x b x x x +++≤≥⎧⎪+++≤≥⎪⎪⎨⎪+++≤≥⎪⎪≥⎩L L LL L 线性规划问题的标准型为[2]()()()11221111221121122222m112212min a a s.t.a 01,2,,,,,n n n n n n m mn n m j n S c x c x c x S x a x a x b x a x a x b x a x a x b x j n x x x =+++⎧+++=⎪+++=⎪⎪⎨⎪+++=⎪⎪≥=⎩L L L L L L 为目标函数（1）为决策变量 其矩阵形式为min s.t.0S CXAX b X ==⎧⎨≥⎩（2）其中，()12,,,n C c c c =L ，决策向量()()1212,,,,,,,T T n m X x x x b b b b ==L L ．A 为约束条件中的系数矩阵, 即111212122212n n m m mm a a a a a a A a a a ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦L L M M M M L 本文除了介绍线性规划问题的一般形式、标准形式和矩阵形式以外还列举了一些定义. 定义1[3]：设矩阵A 的秩为m ，矩阵B 是A 中的一个m 阶满秩子方阵，则B 为一个基矩阵．矩阵A 中剩余元素组成的子阵为N ,即[]A BN =.把x 的分量相应地分成两部分，记成B x 和N x ，B x 的分量与B 的列对应，称为基变量；N x 的分量与N 中的列对应，称为非基变量．在约束Ax b =中令所有的非基变量取值为零时，得到解10B N x B b x x -⎡⎤⎡⎤==⎢⎥⎢⎥⎣⎦⎣⎦，称为相应于B 的基本解．定义2[3]：基本解得基变量都取非负值时，即满足10B x B b -=≥的基本解为基本可行解．定义3[4]：满足式（1）各约束条件的解()12,,,T n X x x x =L 称为可行解.全部可行解的集合称为可行域.目标函数1min n j j j Z c x ==∑达到最大值的可行解称为最优解.定义4[4]：设A 为约束方程组1(1,...,)n ij j i j a x b i m ===∑的m n ⨯阶系数矩阵，设(n m >),其秩为m ，B 为矩阵A 中的一个m m ⨯阶的满秩子矩阵，称B 为线性规划问题的一个基.不失一般性，设11111...(,...,)...m m m mm a a B a a αα⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦M M B 中每一个向量(1,..,)j j m α=称为基向量；与基向量j α对应的变量j x 称为基变量.基变量以外的的变量称为非基变量.定义5[4]：在约束方程组1(1,...,)n ijj i j a x b i m ===∑中，令所有非基变量12...0m m n x x x ++====.此时约束方程组有唯一解()12,,,TB m X x x x =L .将此解加上非基变量取０的值，有()12,,,,0, 0m X x x x =L ，称X 为线性规划问题的基本解.基本解总数不超过m n C 个.3.综述范围通常，求解LP 模型时，常用基本单纯形方法、大M 法、两阶段法等，所以在文献[5-8]具体介绍了求解线性规划的单纯形法的一些计算方法．根据对模型中是否存在单位基矩阵、存在怎么样的基矩阵等特征的判断来选择方法或判断解的存在与否等情况．这就是说，在求解线性规划的单纯形法中，初始基(矩阵)的确定是一个基本问题．通常使用大M 法和两阶段法，通过人工构造，人为地在系数矩阵中形成一个单位矩阵作为初始基，再进行单纯形法的迭代[9]．由于越来越多的领域借助于线性规划来做出最优决策，完善线性规划理论及其有效解法已成为重要研究课题．单纯形法作为求解线性规划问题较实用而有效的算法已在实际中得到广泛应用．本文在文献[10-11]简述关于单纯形算法的讨论、优化设计与实现，分析了单纯形算法的主要特点．最后本文例举一些单纯形法在实际问题应用例子来说明单纯形法是处理运筹学模型的一种重要方法．4.主题的争论各种资源的最优配置已成为当今节约型社会的研究热点．它广泛应用于国防、科技、工业、农业、交通运输、环境工程、教育、经济及社会科学等领域，是指在一定的人力、物力、财力等资源条件下，如何合理利用这些资源完成最多任务或得到最大效益的方法．线性规划的资源最优配置是研究在一组线性约束之下，目标线性函数的最小值或最大值问题[3]．Dantzig 在1947年提出了求解线性规划问题的单纯形算法．单纯形算法是寻找最优基本可行解的一种行之有效的算法[12].二、主体部分（阐明有关主题的历史背景、现状和发展方向，以及对这些问题的评述）（一）历史背景单纯形法是求解线性规划问题的通用方法．它是是美国数学家G.B.丹齐克于1947年首先提出来的．它的理论根据是：线性规划问题的可行域是n维向量空间Rn中的多面凸集，其最优值如果存在必在该凸集的某顶点处达到．顶点所对应的可行解称为基本可行解．单纯形法的基本思想是：先找出一个基本可行解，对它进行鉴别，看是否是最优解；若不是，则按照一定法则转换到另一改进的基本可行解,再鉴别；若仍不是，则再转换,按此重复进行．因基本可行解的个数有限，故经有限次转换必能得出问题的最优解．如果问题无最优解也可用此法判别．（二）现状1.基本定理下面主要介绍一下在单纯形法的综述及其应用中所涉及的一些基本定理.定理1[3]：若式（1）存在有界最优解，则必从基本可行解中得到．定理2[9]:若矩阵A经过有限次初等行（列）变换变换成矩阵B则，A的行（列）向量组与B的行（列）向量组等价，而A的任意k个列（行）向量与B中对应的k个列（行）向量有相同的线性相关性．定理3[4]:若线性规划问题存在可行解，则问题的可行域为凸集.定理4[4]:线性规划问题的基本可行解X对应线性规划问题可行域的顶点.定理5[4]:若线性规划问题有最优解，一定存在一个基本可行解是最有解.2．单纯形法的计算（1）计算步骤单纯形表X列依次标明各方程的基变量；BB C 是基变量相应的价值系数，它们是与基变量相对应的；b 列是约束方程组右端的常数；j c 行是基变量的价值系数；i θ列的数字是在确定换入变量后，按θ规则计算后填入；最后一行称为检验数行，对应各非基变量i x 的检验数是,1,1,2,...,m j i i j i c c a j n =-=∑．现在把单纯性法的的计算步骤归纳如下： 第一步 对于一个已知的可行基12B ,,...,)j j jn p p p =（，写出B 对应的典式以及B 对应的基可行解(0)x ，(0)110200(,,...,)T B m x B b b b b -==第二步 检查检验数，如果所有检验数 0j λ≤ （j=1,2,…,n ）则(0)x 便是最优解，计算结束，否则转下一步．第三步 如果有检验数0r λ>，而112(,,...,)0T r r r mr B p b b b -=≤，则问题无最优解，计算结束，否则转下一步．第四步 如果有检验数0r λ>，且12(,,...,)T r r mr b b b 中有正数，则取r x 为进基变量（若有多个正检验数，可任选一个，一般来说选取最大的检验数有利于提高迭代效率），并求最小比值00min i s ir srb b b b ⎧⎫=⎨⎬⎩⎭ 由此来确定js x 为离基变量（若上述最小比值同时在几个比值上达到，则选取其中下标最小的变量为离基变量），然后用r P 代换js p 得新基B ，再接下一步．第五步 求出新基B 的典式（计算或直接通过初等行变换来实现）以及B 对应的基可行解，1(1B 10200B (,,...,)Tm x b b b b -==） 然后，以B 取代B ，(1)x 取代(0)x ，返回第二步[13]．（2）单纯形法的进一步讨论人工变量：大M 法和两阶段法为了解线性规划问题 min .0CX s t AX b X ⎧⎨=≥⎩ 需要一个初始基可行解，为此常常借助于大M 法或两阶段法． 大M 法：在一个线性规划问题的约束条件中加入人工变量后，要求人工变量对目标函数取值不受影响，为此假定人工变量在目标函数中的系数为（-M ）（M 为任意大的正数），这样目标函数要实现最大化时，必须把人工变量从基变量换出．否则目标函数不可能实现最大化．在许多线性规划问题中，引进松弛变量化成标准形式后，约束条件方程组的系数矩阵并不含m 阶单位矩阵，这样就给单纯形解法的换基迭代带来了困难，为了很快找到第一个可行基，在利用单纯形法求解时，首先要在线性规划问题中引入人工变量，把问题变为约束方程组的系数矩阵中含有单位阵，用以作为人造基，然后再按照单纯形法进行换基迭代，求得最优解或判定无最优解．这种方法就称为两阶段法．第一阶段：不考虑原问题是否存在基可行解；给原线性规划问题加入人工变量，并构造仅含人工变量的目标函数和要求实现最小化．如11111122111211222222m112212min 0...0a a s.t.a ,,...,0n n m nn n n n n n m mn n n m m n m x x x x x a x a x x b x a x a x x b x a x a x x b x x x ω++++++=+++++++++=⎧⎪++++=⎪⎪⎨⎪++++=⎪≥⎪⎩L L L LL 然后用单纯形法求解上述模型，若得到0ω=，这说明原问题存在基可行解，可以进行第二段计算．否则原问题无可行解，应停止计算．第二阶段：将第一阶段计算得到的最终表，除去人工变量．将目标函数行的系数，换原问题的目标函数系数，作为第二阶段计算的初始表．大M 法与两阶段法都是从寻求线性规划问题的一个初始可行基引入的．从形式上看，它们是两种不同的方法，但在本质上是一致．3．单纯形法的算法（1）改进单纯形算法通常使用大M 法和两阶段法，通过人工构造，人为地在系数矩阵中形成一个单位矩阵作为初始基，再进行单纯形法的迭代．这样，往往无意中扰乱了思想主线，增加了计算量．特别对于人工计算显得运算操作繁杂而偏离了主体，在理解和教学中常常带来不便．通过对单纯形法求解法的实质的分析和认识，提出了基于矩阵初等变换初始可行基的获得方法，进而得到基于单纯形法的求解线性规划模型的直接方法使单纯法的运用简单明白．利用这种确定初始可行基的方法求解线性规划问题时，首先，对线性规划模型()2的系数增广矩阵进行上述的初等行变换而得到r r ⨯阶的初始可行基()r m ≤，接着，将所得初始可行基安排入单纯形表，然后，进行单纯形表的表上作业程序．这样做的优点不仅在于可以给出初始可行基()r m =，而且可以方便地发现不独立的约束()r m <，并将其提前剔除，以减少单纯形法的计算量．具体步骤为:步骤 1 对增广矩阵B 施行一系列的初等行变换，并始终保持可行性(即：b 列非负)，直到B 中含有单位矩阵；这里需要注意的是当变换到可以使某一行元素全部为0时，说明约束方程组不独立，B 可以降维为()()11m n -⨯+，那么，所得到的单位矩阵也就是()()11m n -⨯+阶的，并非一定要得到B 的m m ⨯阶的单位矩阵作为基．步骤 2 将步骤1的结果安排到一个单纯形表中，并以B 中的单位矩阵的列所相应的变量为基变量而得到初始单纯形表；步骤 3 在步骤2的所得的单纯形表上按照通常的单纯形表上作用法进行求解．需要说明的是，在步骤1中完全可以不用第一类初等行变换(交换任两行的位置)，而只用第二、三类初等行变换就可以实现．该方法的优势在于思想清晰，方法简明，计算量减小．有了初始可行基，就可从这个可行基相应的基本可行解出发进行换基迭代，从而，求得目标函数的最优解或判断其无最优解[9]．（2）计算机算法利用数学计算工具来解决单纯形法中计算的难题，其应用价值和推广价值是可观的，不仅可以提高计算速度，而且可以大大提高计算的准确性．求解思路：首先把它变为如下(左式) 标准形式:11221111221121122222m112212max a a s.t.a ,,...,2n n n n n n m mn n m n Z c x c x c x x a x a x b x a x a x b x a x a x b x x x =++++++=⎧⎪+++=⎪⎪⎨⎪+++=⎪≥⎪⎩L L L L L 1231112131121222322123...0.........n n n m m m mn m c c c c a a a a b p a a a a b a a a a b ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦M M 然后对p 进行标准化, 记[]123...T i i i i mi a a a a a =,如果i a 是只有一个分量为1 的单位向量，那么把p 第一行中的i c 通过矩阵变换， 变成0， 标准化完成.．标准化的目的是将第一行中的系数12,,...,n c c c 变为检验数, 其中非基变量系数均为0，基变量的系数则未必为0．接着对p 进行变换, 首先在p 矩阵的第一行第1到第n 个分量中找出一个最大数，如果这个最大数不大于0 ，则不用进行再次迭代，直接得到最终变换矩阵g ．反之，用k 记下最大数所对应的列.．然后进行判断： 如果p 的第k 列的第2 至第m 个数全都小于或等于0 ，那么此线性规划问题无界，迭代结束．反之， 用p 的最后一列的第2 至第m 个分量分别除以第k 列对应的数，如果碰到除数小于或等于0 则跳过. 在所得结果中找出最小的那个数，用j 记下该数所对应的行．于是得到主元素(,)p j k 接下来是对第j 行进行行变换，将P( j , k) 变为1．然后对其他行进行行变换，使p 矩阵的第k 列的其他分量都变为0 ， 于是第一轮变换结束．接下来回到变换过程的开始，重复迭代过程至到跳出迭代过程为止，最后对结果矩阵进行智能分析． 其中需要人工进行的步聚是构造计算矩阵p 和分析迭代结果两步， 以使求解过程比较简便且可靠性高[14]．4．单纯形法的应用一个经济、管理问题凡满足一下条件时，才能建立线性规划的模型．（1）要求解问题的目标函数能用数值指标来反映，且为线性函数：（2）存在多种方案及有关数据：（3）要求达到的目的是在一定约束条件下实现的，这些约束条件可用线性等式或不等式来描述．一般满同时足上面几个条件的实际生活中的难解问题都可以用线性规划问题来解决．所以越来越多的领域借助于线性规划来做出最优的决策．单纯形法在实际中的应用最常使用于资源的配置．人力、时间和物质资源的优化配置问题是制定企业生产计划时考虑的重要问题，线性规划模型可以考虑各类资源的变动对其造成的影响并寻求最佳方案.在企业生产和经济管理等领域中，人们常会遇到这样的问题，如何从一切可能的方案中选择最好、最优的方案，在数学上把这类问题称为最优化问题．如何解决这类问题，在当今商品经济的环境下，是一个关系到国计民生的重要问题．线性规划是理论和方法都比较成熟，并具有广泛应用价值的一个运筹学分支．如果一个问题的限制条件可以写成某些决策变量的线性方程组或线性不等式组，目标可以写成决策变量的线性函数，那么这个问题的数学模型就是线性规划问题．线性规划法是研究如何将有限的人力、物力、设备、资金等资源进行最优计划和分配的理论方法．线性规划是企业生产过程中决策制定的理论依据，决策的合理与否直接影响到企业的经济效益，文献[15]介绍了线性规划理论，阐述了线性规划函数中各要素以及各变量的变化对分析造成的影响，通过单纯形法案例进行了计算，针对大型、复杂的模型，需要选择更为有效的手段来进行计算．能源紧缺是人类社会面临的重要问题．现代城市轨道交通系统通过轨道上方的直流接触网供电，因电动车组往往牵引功率巨大，需消耗大量电能，因此，有效利用牵引能源至关重要．单列车牵引策略优化对于节约牵引能耗具有极其重要意义.在文献[16-17]讨论了单纯形优化算法在城市轨道交通列车惰行点搜索方面的应用，列车运行因受多重因素影响，确定必要的惰行起点在实际情况的约束下并不容易．通过分析列车站内运行惰行点搜索特点、约束条件及寻解空间等．详细介绍了二维空间中单纯形法寻找合适列车惰行点的实现过程．借助于单列车仿真系统的帮助，通过问题的寻优结果分析，研究了这种启发式搜索方法在确定惰行点方面的可行性和性能表现．借助于单纯形法在城市勒道交通列车站问运行惰行点搜索方面的应用，在综合考虑运行时间和能量消耗不同要求的情况下，应用该搜索方法得到的惰行点可以为优化列车运行提供满意解．启发式的搜索方法，通过较低的迭代次数，为列车运行的惰行点搜索提供了解决方案．然而，在站间运行时，首先要关注两站之间的距离有没有足够的空间容纳多个惰行点，从而合理选择惰行点数量．从应用角度看，根据整条线路的总运行时间搜索多个站点间的惰行点，会使搜索更复杂．这将在今后进一步研究[16]．三、总结部分（将全文主题进行扼要总结，提出自己的见解并对进一步的发展方向做出预测）线性规划是运筹学的一个重要分支，早在20世纪30年代末，前苏联著名的数学家康托洛维奇就提出了线性规划的数学模型，越来越来受到人们的重视．而后于1947 年由美国数学家G. B. Duntzg提出一般线性规划问题的求解方法——单纯形法，它是线性规划问题的通用解法．从而使得线性规划的应用领域更加的广泛．线性规划这一学科也因此开始形成并迅速地发展起来．单纯形方法与经典分析的方法很不相同，它利用了矩阵的初等变换，通过部分枚举的方法来寻求线性规划问题的最优基可行解，从而求得值．由于这种方法运算简单又有规则，且适用性广泛．所以它的应用迅速得到发展，根据它而编制的程序已在一些计算机上开发实现．值得指出的是，尽管单纯形法避开了经典极值问题常用的微分法，但是单纯形法的最优性条件仍可用微分法导出[18]．四、参考文献（根据文中参阅和引用的先后次序按序编排）[1]田学民.利用单纯形法解线性规划问题的机理[J].中国科技论文在线,2010.[2]贺学海.单纯形法解决LP问题的研究[J].沈阳师范大学报(自然科学版).2010,28(1):14-16.[3]王东雷.基于单纯算法的优化设计与实现[J].安徽农业科学.2007,35(36):11727-11728.[4]蔡海涛等.运筹学[M].湖南长沙.国防科技大学出版社.2003.[5]张毅.谈两阶段法与大M法的统一处理方法[J].陕西理工学院学报(自然科学版).2009,25(2):85-86.[6]白岩.线性规划中两阶段法德简便计算法[J].长春师范学院学报自然科学版).2005,24(5):1-3.[7]Hamdy A.Taha.运筹学(英文版) [M].北京:人民邮电出版社.2007.[8]拉塞尔C.沃克.数学规划导论(英文版)[M].北京.机械工业出版社.2005.[9]申卯兴,许进.求解线性规划的单纯形法的直接方法[J].华东科技大学.2007,43(30):94-96.[10]高引民,杜晓马.关于单纯形算法的讨论[J].太原机械学院学报.1994,15(1):70-75.[11]陈英霞,朱维钧.关于单纯形算法的两点思考[J].怀化学院学报.2008,11(11):26-27.[12]王东雷,张耀中.一种改进的单纯算法实现及其应用[J].安徽农业科学.2007,35(35):11601-11602.[13]张干宗.线性规划[M].武汉.武汉大学出版社.2004.[14]毕春丽,曾强,王荣文.线性规划问题中单纯形法的计算机求解[J].焦作工学院学报(自然科学版).2002,21(6):472-474.[15]王树祥,武新霞,卜少利.线性规划在企业生产计划中的应用及模型的建立和求解[J].中国电力教育.2007,21:195-197.[16]赵亚辉,朱琴跃.基于单纯形法的城轨列车惰行点搜索[J].同济大学(自然科学版).2010,38(1):81-85.[17]赵亚辉,谢维达.单纯形法在城轨列车惰行点搜索中的应用[J].同济大学(自然科学版).2009,45(14):217-220.[18]毛东明,许风.单纯形法最优性条件的经典证明[J].辽东学刊(自然科学版).1994, 3:12-14.。
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
单纯形法定义及应用
§1 单纯形法的基本思路和原理
非基变量：与非基向量pj相应的变量xj叫非基变量，非基变量有n－m个。 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了
1 1 0为 A的一个基，令这个基的
5
§1 单纯形法的基本思路和原理
一般来说判断一个基是否是可行基，只有在求出其基本解以后，当其基本解 所有变量的解都是大于等于零，才能断定这个解是基本可行解，这个基是可行 基。那么我们能否在求解之前，就找到一个可行基呢？也就是说我们找到的一个 基能保证在求解之后得到的解一定是基本可行解呢？由于在线性规划的标准型中 要求bj都大于等于零，如果我们能找到一个基是单位矩阵，或者说一个基是由单位 矩阵的各列向量所组成（至于各列向量的前后顺序是无关紧要的事）例如，
在上表中有一个m×m的单位矩阵，对应的基变量为s1,s2,s3；
在 z2=z0j行×中1+填0×入1第+0j×列1与=0cB，列所中在对z应i行的中元的素第相2位乘数相填加入所0得；的值，如
在j cj zj 行中填入cj-zj所得的值，如
； 150050
z表示把初始基本可行解代入目标函数求得的目标函数值，即b列乘以cB列；
i1
cmamj c1,c2,
a1j
,cma2j
amj
c1,c2, ,cmpj
15
§2 单纯形法的表格形式
上面假设x1,x2,…xm是基变量，即第i行约束方程的基变量正好是xi，而
经过迭代后，基将发生变化，计算zj的式子也会发生变化。如果迭代后的
单纯形法基本原理及实例演示
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
03第三章 单纯形法
第三章 单纯形法在线性规划的计算求解中，应用最多且最著名的就是单纯形法。
这种方法是美国运筹学家G .B.Dantzig 丹捷格在1947年提出的。
后来经过人们多次改进，形成了许多变种。
实践证明单纯形法是一种使用方便、行之有效的算法。
§3.1 单纯形法的原理基本可行解的存在定理已经表明，若线性规划有最优解，则一定存在最优基本可行解，因此求线性规划问题就归结为寻找最优基本可行解。
单纯形法的基本思想就是从一个基本可行解出发，检查该基本可行解是否为最优解；若不是，则再设法求另一个未检查过的基本可行解，如此继续，直到查询到最优解为止。
按照以上的思路，需要解决三个难题： 1、 如何求出第一个基本可行解？2、 如何判断这个基本可行解就是最优解？3、 若不是最优解，如何从一个基本可行解过渡到另一个未检查过的基本可行解？ 第一个问题的彻底解决尚需留待今后，但是我们知道，求基本可行解就是解线性方程组=A x B ，由于且()r m =A ，故可以解出m 个变量，称之为基本变量，剩下的n-m 个变量称之为自由变量。
于是，最简单的方法就是令所有的自由变量的值为零相应得到的解就是基本解。
例3.1 考虑线性规划1234134123m in 324..246350,1,2,3,4j z x x x x s t x x x x x x x j =-++-+=-++=≥= （3.1）把约束方程写成表格的形式，如表3-1：20 -4 1 6 -1 1 3 0 5从上述表格的左端可以看出，由第二、四列构成一个单位子矩阵，或曰子块，即对角元为1，其余为0，因此把2x 和4x 解出，即把2x 和4x 作为基本变量，余下1x 和3x 作为自由变量。
41321362453x x x x x x =-+=+- （3.2）令所有的自由变量130x x ==，而426,5x x ==，从而得到一个基本解(0,5,0,6)T 。
若需要判断该基本解是否基本可行解？只需看左端有单位子矩阵时，右列的元素是否都是非负，若是，则为基本可行解。
二3 单纯形法
线性规划的单纯形法
经过整理后，不妨设线性规划模型为：
s.t.
max z c j x j
n
x1
j 1
a1,m1 xm 1 a1n xn b1 a2 ,m1 xm 1 a2 n xn b2
x2
含有正系数入基变量的 约束条件的右端项
入基变量的正系数
线性规划的单纯形法
基变量集={x4 , x5 ，x1，x7}
寻找新的基可行解 主元素
单纯形法 规范型
z 60x1 30x 2 20x 3 8 x 1 6 x 2 x 3 x 4 48 20 4 x1 2 x 2 1.5 x 3 x 5 2 x1 1.5 x 2 0.5 x 3 x6 8 x2 x7 5
线性规划的单纯形法
所以约束方程 AX=b 就可以表示为
XB AX=(BN) =BX B +NX N =b XN
用可行基Ｂ的逆阵Ｂ-1左乘等式两端，再通过移项可推得：
XB =B-1b-B-1NXN
-1 若令所有非基变量 X N =0 , 则基变量 XB =B b
B1b 由此可得初始的基本可行解 X= ，即 0 基可行解中基变量的值依次为B-1b中的分量。
15x 2 5 x 3 30x 6 z 240 x 3 x 4 4 x 6 16 x 2 0.5 x 3 x 5 2 x 6 4 x1 0.75x 2 0.25x 3 0.5 x 6 4 x2 x7 5
j j 0. 记 m t max j
xm+t 为入基变量
纯形法之单纯形表
对于大规模问题，单纯形法可能需要较长时间才能得 到结果。
未来研究方向
改进算法效率
01
研究更高效的单纯形算法，以处理大规模问题。
扩展应用领域
02
将单纯形法应用于更多类型的优化问题，如非线性规划、整数
规划等。
与其他算法结合
03
探索单纯形法与其他优化算法的结合，以获得更好的优化效果。
感谢您的观看
金融投资优化
金融投资是企业实现资产增值的重要手段，通 过单纯形表的应用，可以优化投资组合，降低 投资风险和提高投资回报。
单纯形表可以帮助企业确定最佳的投资组合方 案，包括股票、债券、基金等金融产品的配置 比例和投资时机，以实现最优的投资收益。
单纯形表还可以考虑投资过程中的约束条件， 如投资金额、风险承受能力等，以实现更稳健 和理性的金融投资决策。
单纯形表的概念
单纯形表是线性规划问题的一种表格形式表示，包含了决策变量、约束条件和目标函数的系数、常数项等信息 。
单纯形表由标准形式和松弛形式两种类型组成，标准形式包含了所有非负约束的限制条件，而松弛形式则去掉 了这些限制条件。
单纯形表的应用场景
单纯形表广泛应用于生产计划、资源分配、运输优化等领域，通过求解线性规划 问题来找到最优解决方案。
单纯形表在数学建模中的应用
线性规划问题
线性规划是一种数学优化技术，旨在找到一组变量的最优解 ，使得一组线性不等式约束下的线性函数达到最大或最小值 。在解决线性规划问题时，单纯形表可以用来表示和解决线 性规划模型，通过迭代算法找到最优解。
线性规划问题在现实生活中应用广泛，如资源分配、生产计 划、运输问题等。单纯形表的应用使得线性规划问题的求解 更加简便和高效。
02
CH3---单纯形法求运输问题
第三章
运输问题
例：
销地 产地 A1 A2 A3 销量
B1 3 3
B2
B3 4 1
B4 3 3 6
产量 7 4 9
6 6
5
销地 产地 A1 A2 A3 vi
B1 1 v1
B2
B3 3 2
B4 10 5 v4
ui u1 u2 u3
4 v2
v3
ui 和 v j 分别称为第 i 行和第 j 列的位势。 u2 + v1 = 1 u 2 + v3 = 2 u1 + v3 = 3 u1 + v 4 = 10 u3 + v4 = 5 u3 + v2 = 4
2-2
闭回路的性质
1．闭回路各顶点对应的列向量线性相关。
2．对任一空格，必有一组数格，形成一个以它们为顶点的闭回路，且该 闭回路是唯一的。
闭回路的找法：以某一空格为起点，用水平或垂直线向前划，每碰到一数 格后转 90°后，继续前进，直到回到起始空格为止。
2-3 最优性检验与方案调整 求检验数有两种方法：闭回路法，位势法。
令
v1 = 1 ，可解得其他位势的数值。
9
第三章
运输问题
销地 产地 A1 A2 A3 vi
B1 （2） 1 （-3） 1
B2 （9） （8） 4 8
B3 3 2 （-2 ） 2
B4 10 （9） 5 9
ui 1 0 -4
销地 产地 A1 A2 A3
B1 1 10
B2 2 1
B3
B4 -1
12
2-4 表上作业法与单纯形法 表上作业法计算步骤、过程与单纯形法相同，但具体计算时不必画出单纯 形表，而是是在产销平衡表上进行。
运筹学_单纯形法_应用举例
《运筹学》
4
用xj表示第j个计划阶段新购的工具数； yj表示第j阶段末送去慢修的工具数； zj表示第j阶段末送去快修的工具数； sj表示j阶段木工具的存储数。 则每个阶段需用的工具数rj有以下关系式 rj= yj+ zj + sj + sj-1 (j=1,…,n) rj= xj (j=1,…,q+1) rj= xj+ zj-q-1 (j=q+2,…,p+1) rj= xj+ zj-q-1 +yj-p-1 (j=p+2,…,n) 且yn-p= yn-p+1=…= yn=0 zn-q= zn-q+1=…= zn=0
2010年8月
管理工程学院
《运筹学》
18
解：设 xi ( i = 1,2,…,7)表示星期一至日开始 休息的人数,这样我们建立如下的数学模型。 目标函数： Min x1 + x2 + x3 + x4 + x5 + x6 +
x7
约束条件：s.t.
x1 x2 x3 x4 x5 x6 x7
+ + + + + + +
x11+ x12+ x13+
x21 + x22 + x23 +
x31 ≤ 100 x32 ≤ 100 x33 ≤ 60
(供应量限制） (供应量限制） (供应量限制）
xij ≥ 0 , i = 1,2,3; j = 1,2,3
2010年8月
管理工程学院
《运筹学》
12
例.汽油混合问题。一种汽油的特性可用两种指标描述，用“辛烷数”来定 量描述其点火特性，用“蒸汽压力”来定量描述其挥发性。某炼油厂有1、2、 3、4种标准汽油，其特性和库存量列于表4-6中，将这四种标准汽油混合， 可得到标号为1，2的两种飞机汽油，这两种汽油的性能指标及产量需求列于 表4-7中。问应如何根据库存情况适量混合各种标准汽油，既满足飞机汽油 的性能指标，又使2号汽油满足需求，并使得1号汽油产量最高？
单纯形法及应用举例PPT文档24页
16、自己选择的路、跪着也要把它走 完。 17、一般情况下)不想三年以后的事， 只想现 在的事 。现在 有成就 ，以后 才能更 辉煌。
18、敢于向黑暗宣战的人，心里必须 充满光 明。 19、裹足不前，莽撞的 人只能 引为烧 身，只 有真正 勇敢的 人才能 所向披 靡。
谢谢你的阅读
❖ 知识就是财富 ❖ 丰富你的人生
71、既然我已经踏上这条道路，那么，任何东西都不应妨碍我沿着这条路走下去。——康德 72、家庭成为快乐的种子在外也不致成为障碍物但在旅行之际却是夜间的伴侣。——西塞罗 73、坚持意志伟大的事业需要始终不渝的精神。——伏尔泰 74、路漫漫其修道远，吾将上下而求索。——屈原 75、内外相应，言行相称。——韩非
- 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)。
回到(2)。
2
第3节 解目标规划的单纯形法
❖ 例4 试用单纯形法来求解例2。 解：将例2的数学模型化为标准型：
目标函数： min z P1d1 P2 (d2 d2 ) P3d3
0.6 0.6 0
0
2.4 2.4 3
1
3
0
0.6 0
0
0
0
0.6
0
0
0
2
22
有关资料汇总于下表中，问该领导应如何拟订一个满意的方案。
等级 工资额(元/年) 现有人数 编制人数
Ⅰ
2000
10
12
Ⅱ
1500
12
15
Ⅲ
1000
15
15
19
合计
37
42
第4节 应用举例
❖ 解：设x1、x2、x3分别表示提升到Ⅰ、Ⅱ级和录用到Ⅲ级的新 职工人数。对各目标确定的优先因子为： P1——不超过年工资总额60000元； P2——每级的人数不超过定编规定的人数； P3——Ⅱ、Ⅲ级的升级面尽可能达到现有人数的20%。
x11+x21+x31+d6−−d6+=200×0.8 x12+x22+x32+d7− − d7+=100×0.8 x13+x23+x33+d8− − d8+=450×0.8 x14+x24+x34+d9− − d9+=250×0.8 ❖ 调运方案的总运费不超过最小运费调运方案的10%
34
cij xij d10 d10 2950(110%)
i1 j1
❖ 目标函数为：
min z P1d 4 P2d 5 P3(d6 d 7 d 8 d 9)
P4d
10
P5
d
11
P6 (d
12
d
12)
P7d
13
17
第4节 应用举例
❖ 计算结果，得到满意调运方案见表5-10。
销地 B1
产地
B2
B3
B4 产量
A1
100
200 300
A2
90
110
200
xs 1 d3+ 4
1 -1 1 -1 1 2 -2 6 -6 -1 1
x2 10/3
1
-1/3 1/3 1/3 -1/3
x1 10/3 1
2/3 -2/3 1/3 -1/3
P1
1
cj-zj
P2
11
P3
1
9
第3节 解目标规划的单纯形法
❖ 由表4-4得到解x1*=10/3，x2*=10/3，此解相当于图4-1 的D点，G、D两点的凸线性组合都是例1的满意解。
❖ 先分别建立各目标约束。 年工资总额不超过60000元 2000(10−10×0.1+x1)+1500(12−x1+x2)+1000(15−x2+x3)+ d1−d1+ =60000
20
第4节 应用举例
每级的人数不超过定编规定的人数： 对Ⅰ级有 10(1− 0.1)+x1+d2−−d2+=12 对Ⅱ级有 12 − x1+x2+d3−−d3+=15 对Ⅲ级有 15 − x2+x3+d4− −d4+=15 Ⅱ，Ⅲ级的升级面不大于现有人数的20%，但尽可能多提： 对Ⅱ级有 x1+d5− −d5+=12×0.2 对Ⅲ级有 x2+d6− −d6+=15×0.2 目标函数：min z=P1d1++P2(d2++d3++d4+)+P3(d5−+d6−) ❖ 以上目标规划可用单纯形法求解，得到多重解。将这些解汇 总于下表，单位领导再按具体情况，从表中选出执行方案。
1
2
1
4
第3节 解目标规划的单纯形法
② 取k=1，检查检验数的P1行，因该行无负检验数，故转(5)。 ③ 因k(=2)＜K(=3)，置k=k+1=3，返回到(2)。 ④ 查出检验数P2行中有−1、 − 2；取min(− 1, − 2)= − 2。它对应
的变量x2为换入变量，转入(3)。 ⑤ 在表4-1上计算最小比值
c j z j akj Pk j 1,2, ,n; k 1,2, , K
因为 P1>>P2>>…>>PK
故从每个检验数的整体来看，检验数的正、负首先决定于P1的系数 α1j的正、负；若α1j=0，则此检验数的正、负就决定于P2的系数α2j的 正、负；下面依此类推。
1
第3节 解目标规划的单纯形法
12
第4节 应用举例
销 地 B1
B2
B3
B4
产量
产地
A1
5
2
6
7
300ห้องสมุดไป่ตู้
A2
3
5
4
6
200
A3
4
5
2
3
400
销量
200 100 450 250 900/1000
13
第4节 应用举例
❖ 解 表上作业法求得最小运费的调运方案见表5-9。 这时得最小运费为2950元，再根据提出的各项目 标的要求建立目标规划的模型。
i1 j1
16
第4节 应用举例
❖ 因路段的问题，尽量避免安排将A2的产品运往B4
x24+d11−−d11+=0
❖ 给B1和B3的供应率要相同
(x11+x21+x31)−(200/450)(x13+x23+x33)+d12−− d12+=0
❖ 力求总运费最省
34
cij xij d13 d13 2950
P1——B4是重点保证单位，必须全部满足其需要；
P2——A3向B1提供的产量不少于100；
P3——每个销地的供应量不小于其需要量的80%；
P4——所定调运方案的总运费不超过最小运费调运方案的10%；
P5——因路段的问题，尽量避免安排将A2的产品往B4；
P6——给B1和B3的供应率要相同；
P7——力求总运费最省。试求满意的调运方案。
有关资料汇总于表5-6中，问该领导应如何拟订一个满意的方案。
等级 工资额(万元/年) 现有人数 编制人数
Ⅰ
10.0
100
120
Ⅱ
7.5
120
150
Ⅲ
5.0
合计
150
150
11
370
420
第4节 应用举例
例6 已知有三个产地给四个销地供应某种产品，产销地之间的 供需量和单位运价见表5-8。有关部门在研究调运方案时依次 考虑以下七项目标，并规定其相应的优先等级：
第3节 解目标规划的单纯形法
❖ 目标规划的数学模型结构与线性规划的数学模型结构形式上 没有本质的区别，所以可用单纯形法求解。但要根据目标规 划的特点，作以下规定：
(1) 因目标规划问题的目标函数都是求最小化，所以以cj−zj≥0， j=1,2,…，n作为最优性判别准则。
(2) 因非基变量的检验数中含有不同等级的优先因子，即
2x1 x2 xs
11
x1
x2 d1 d1 0
满足约束条件：
x1 2x2 d2 d2 10
8x1 10x2 d3 d3 56
x1, x2, xs , di, di 0, i 1,2,3
3
第3节 解目标规划的单纯形法
❖ ① 取xs，d1−，d2− ，d3−为初始基变量，列初始单纯形表，见 表4-1。
A3
100
250 50 400
虚设点 10
90
100
销量
200 100 450 250 1000
C 3 90 4 100 2 100 4 110 2 250 7 200 3 50
3360元
总运费为3360元
18
第4节 应用举例
练习:某单位领导在考虑本单位职工的升级调资方案时，依次遵守 以下规定： (1) 不超过年工资总额60000元； (2) 每级的人数不超过定编规定的人数； (3) Ⅱ，Ⅲ级的升级面尽可能达到现有人数的20%，且无越级提升； (4) Ⅲ级不足编制的人数可录用新职工，又Ⅰ级的职工中有10%要 退休。
xs 3
1
2 -2 -1/2 1/2 6
d1- 2
1 -1 3 -3 -1/2 1/2 4
x2- 4
1
4/3 -4/3 -1/6 1/6 24
x1- 2 1
-5/3 5/3 1/3 -1/3
P1
1
cj-zj
P2
11
P3
1
7
第3节 解目标规划的单纯形法
❖ 表4-3所示的解x1*=2，x2*=4为例1的满意解，此解相当 于图4-1的G点。
10
第4节 应用举例
例5 某研究所领导在考虑本单位职工的升级调资方案时，依次遵守 以下优先级顺序规定：
(1) 不超过年工资总额3000万元；
(2) 提级时，每级的人数不超过定编规定的人数；
(3) Ⅱ，Ⅲ级的升级面尽可能达到现有人数的20%，且无越级提升； 此外，Ⅲ级不足编制的人数可录用新职工，又Ⅰ级的职工中有10% 要退休。
θ=min(11/1，0，10/2，56/10)=10/2 它对应的变量d2-为换出变量，转入(4)。 ⑥ 进行基变换运算，计算结果见表4-2。返回到(2)。依此类推，