单纯形法的表格解法

0 0 1 1 0 0 0 1 0 那么显然所求得的基本解一定是基本可行解，这个单位矩阵或由单位矩阵各列向 量组成的基一定是可行基。实际上这个基本可行解中的各个变量或等于某个bj或等 于零。
.
§1 单纯形法的基本思路和原理
在本例题中我们就找到了一个基是单位矩阵。
1 0 0
B2 0 1 0
0 0 1
通过例1的求解来介绍单纯形法: 在加上松弛变量之后我们可得到标准型如下：
目标函数： max 50x1+100x2 约束条件：x1+x2+s1=300，
2x1+x2+s2=400， x2+s3=250.
xj≥0 （j=1，2）,sj≥0 （j=1，2,3）
.
§1 单纯形法的基本思路和原理
它的系数矩阵 , 1 1 1 0 0
.
§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，
都小
j
于等于零时，可知 j xj 是一个小于等于零的数，要使z
jJ
的值最大，显然 j xj 只有为零。我们把这些xj取为非基 jJ
变量(即令这些xj的值为零)，所求得的基本可行解就使目标 函数值最大为z0。
**对于求目标函数最小值的情况，只需把 j≤0改为 j≥0
.
§1 单纯形法的基本思路和原理
.
§1 单纯形法的基本思路和原理
我们把确定出基变量的方法概括如下：把已确定的入基变量在各约束方 程中的正的系数除以其所在约束方程中的常数项的值，把其中最小比值所 在的约束方程中的原基变量确定为出基变量。这样在下一步迭代的矩阵变 换中可以确保新得到的bj值都大于等于零。
在本例题中约束方程为
x1 x2 s1 300, 2x1 x2 s2 400, x2 s3 250.
B3 1 0 0
1 0 1
非基变量x１，s2为零。这时约束方程就变为基变量的约束方程：
.
§1 单纯形法的基本思路和原理
x2+s1=300， x2=400， x2+s3=250. 求解得到此线性规划的一个基本解： x1=0，x2=400，s1=－100，s2=0，s3=－150 由于在这个基本解中s1=－100，s3=－150，不满足该线性规划s1≥0， s3≥0的约束条件，显然不是此线性规划的可行解，一个基本解可以是 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。我们把满足非负条件的一个基本解叫做基本可行 解，并把这样的基叫做可行基。
§2 单纯形法的表格形式
迭代 基变
次数 量
cB
x1
x2
s1
50 100 0
ቤተ መጻሕፍቲ ባይዱs2
s3
0
0
比值
b
Bi/ai2
s1
0
s2
0
0
s3
0
1
1
1
2
1
0
0
1
0
0
0
1
0
0
1
zj
j cj zj
0
00
50 100 0
0
0
0
0
300
300/1
400
400/1
250
250/1
z=0
• 按照线性规划模型在表中填入相对应的值，如上表所示； • 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*1中+0填*1入+0第*1j列=0与，c所B列在中zi行对中应的的第元2素位相数乘填相入加0；所得的值，如 • 在 j c j z j 行中填入cj-zj所得的值，如 1 50 0 50 ； • 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*cB列； • 初始基本可行解为s1=300,s2=400,s3=250,x1=0,x2=0; • 由于250/1最小，因此确定s3为出基变量； • 由 在于列的2 交 汇1 处0，为因主此元确，定这x里2为是入a32基=1变，量在。表出中基画变圈量以所示在区行别，。入基变量所
而其计算的方法也大体上使用矩阵的行的初等变换。以下用单纯形表格来
求解第二章的例1。
max 50x1+100x2+0·s1+0·s2+0·s3. x1+x2+s1=300， 2x1+x2+s2=400， x2+s3=250，
x1, x2, s1, s2, s3≥0. 把上面的数据填入如下的单纯形表格
.
的基变量s3为出基变量，这样可知x2，s1，s2为基变量，x1，s3为非基变量。 令非基变量为零，得
x2+s1=300, x2+s2=400, x2=250. 求解得到新的基本可行解x1=0,x2=250,s1=50,s2=150. 这时目标函数值为
50x1+100x2=50×0+100×250=25000。 显然比初始基本可行解x1=0,x2=0,s1=300,s3=250时的目标函数值为0要好 得多。
n
bi aij xj. i 1, 2,L , m
j m1
把以上的表达式带入目标函数，就有
m
n
z c1x1 c2 x2 L cn xn ci xi c j x j
i 1
j m 1
其中：
n
n
z0
c j z j x j z0 j x j
j m 1
j m 1
m
z0 cibi , j c j z j ;
a1 j
i1 m
z j ciaij c1a1 j c2a2 j L
i 1
cmamj
c1, c2 ,L
, cm
a2
j
M
amj
c1, c2 ,L , cm p j .
§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 第i行约束方程中的基变量为xBi，与xBi相应的目标函数系数为cBi，系数列
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。
.
§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。
单纯形法
• §1 单纯形法的基本思路和原理 • §2 单纯形法的表格形式 • §3 求目标函数值最小的线性规划的问题的
单纯形表解法 • §4 几种特殊情况
主讲人：
.
§1 单纯形法的基本思路和原理
单纯形法的基本思路：从可行域中某一个顶点开始，判断此顶点是否是最优 解，如不是,则再找另一个使得其目标函数值更优的顶点，称之为迭代，再判断此 点是否是最优解。直到找到一个顶点为其最优解，就是使得其目标函数值最优的 解，或者能判断出线性规划问题无最优解为止。
.
§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
.
§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
表示的目标函数为如下形式
z z0 j xj
由于所有的xj的取值范围为大jJ 于等于零，当所有的
A ( p1, p2 , p3 , p4 , p5 ) 2 1 0 1 0 0 1 0 0 1
其中pj为系数矩阵A第j列的向量。A的秩为3,A的秩m小于此方程组的变 量的个数n，为了找到一个初始基本可行解，先介绍以下几个线性规划的 基本概念。 基： 已知A是约束条件的m×n系数矩阵，其秩为m。若B是A中m×m阶非 奇异子矩阵（即可逆矩阵），则称B是线性规划问题中的一个基。 基向量：基B中的一列即称为一个基向量。基B中共有m个基向量。 非基向量：在A中除了基B之外的一列则称之为基B的非基向量。 基变量：与基向量pi相应的变量xi叫基变量，基变量有m个。
向量为 pj j 1, 2,L ,n 则
z j cB1,L , cBm pj cB pj ,
其中，(cB)是由第1列第m行各约束方程中的基变量相应的目标函数依 次组成的有序行向量。
单纯形法的表格形式是把用单纯形法求出基本可行解、检验其最优性、
迭代某步骤都用表格的方式来计算求出，其表格的形式有些像增广矩阵，
xj 0. j 1, 2,L , n
以下用 xi i 1, 2,L , m 表示基变量，用 xj j m 1, m 2,L , n
表示非基变量。
.
§2 单纯形法的表格形式
把第i个约束方程移项，就可以用非基变量来表示基变量xi， xi bi a x i,m1 m1 a x i,m2 m2 L ai,n xn