运筹学02对偶理论1线性规划的对偶模型,对偶性质
合集下载
线性规划的对偶理论(第一部分
对偶问题的约束条件 对应于原问题的目标 函数和约束条件的系 数。
对偶问题的可行解集 是原问题可行解集的 凸包。
原问题与对偶问题关系
弱对偶性
对于任意一对原问题和对偶问题 的可行解，原问题的目标函数值 总是大于或等于对偶问题的目标
函数值。
强对偶性
当原问题和对偶问题都存在可行 解时，它们的最优解对应的目标
强对偶性定理
若原问题和对偶问题都有可行解，则 它们分别存在最优解，且这两个最优 解的目标函数值相等。
在满足某些约束规格（如Slater条件） 的情况下，强对偶性成立。
互补松弛条件
在原问题和对偶问题的最优解中，如果某个约束条件的对偶变量值为正，则该约束 条件必须是紧的（即取等号）。
如果原问题（对偶问题）的某个变量在最优解中取正值，则其对应的对偶问题（原 问题）的约束条件必须是紧的。
标准形式
通常将线性规划问题转化为标准 形式，即求解目标函数的最小值 ，约束条件为一系列线性不等式 。
对偶问题定义与性质
对偶问题定义：对于 给定的线性规划问题， 可以构造一个与之对 应的对偶问题，该问 题的目标函数和约束 条件与原问题密切相 关。
对偶问题性质
对偶问题的目标函数 是原问题约束条件的 线性组合。
解决对偶间隙等关键问题
在实际应用中，由于原问题和对偶问题之间可能存在对偶间隙，导致对偶理论的实用性受到一定的限制。 未来可以研究如何缩小或消除对偶间隙，提高对偶理论的实用性和应用范围。
THANKS
感谢您的观看
简化了复杂问题的求解过程
对偶理论能够将一些复杂的线性规划问题转化为相对简单的对偶问题进行求解，从而降低了问题 的求解难度和计算量。
揭示了原问题和对偶问题之间的内在联系
运筹学课件 第2章：线性规划的对偶理论
min w 16y1 36y2 65y3
90 y1 3 y 2 y1 2 y 2 5 y 3 70 y , y , y 0 1 2 3
原问题 A b C 约束系数矩阵
对偶问题 约束系数矩阵的转臵
约束条件的右端项向量 目标函数中的价格系数向量 目标函数中的价格系数向量 约束条件的右端项向量 Max z=CX Min w=Y’b 目标函数 AX≤b A’Y≥C’ 约束条件 X≥0 Y≥0 决策变量
若原问题为求极小形式的对称形式线性规划问题， 对偶问题应该具有什么形式？
Min w Y 'b A'Y C Y 0
max w Y 'b A'Y C Y 0
min z CX
Max z CX
AX b X 0
AX b X 0
min w 5 y1 4 y2 6 y3 4 y1 3 y2 2 y3 2 y1 2 y2 3 y3 3 3 y1 4 y3 5 2 y 7 y y 1 2 3 1 y1 0, y2 0, y3无约束
对偶问题 约束系数矩阵的转臵
目标函数中的价格系数向量
目标函数 约束条件
变量
Max z=CX m个 ≤ ≥ = n个 ≥0 ≤0 无约束
约束条件的右端项向量 目标函数 Min w=Y’b m个 ≥0 变量 ≤0 无约束 n个 ≥ 约束条件 ≤ =
【例2-3】写出下列线性规划问题的对偶问题
min 2x1 3x2 5x3 x4
1.初始表中单位阵在迭代后单纯形表中对应的位臵就是B-1 2.对于原问题的最优解，各松弛变量检验数的相反数恰好 是其对偶问题的一个可行解，且两者具有相同的目标函数 值。根据下面介绍的对偶问题的基本性质还将看到，若原 问题取得最优解，则对偶问题的解也为最优解。
运筹学2对偶问题
运筹学2对偶问题运筹学教程运筹学Operations Research Chapter 2 对偶问题Dual Problem1. 线性规划的对偶模型Dual Model of LP2.对偶性质对偶性质3.对偶单纯形法对偶单纯形法4.灵敏度分析灵敏度分析Dual property Dual Simplex Method Sensitivity Analysis 运筹学教程§2.1线性规划的对偶模型线性规划的对偶模型Dual model of LPCh2 Dual Problem2022年11月26日星期五Page 2 of 19在线性规划问题中，存在一个有趣的问题，即每一个线性规划问题都伴随有另一个线性规划问题，称它为对偶线性规划问题。
【例2.1】某企业用四种资源生产三种产品，工艺系数、例资源限量及价值系数如下表：产品资源Ⅰ Ⅱ Ⅲ Ⅳ 每件产品利润9 5 8 7 100 8 4 3 6 80 6 7 2 4 70 500 450 300 550 A B C 资源限量建立总收益最大的数学模型。
运筹学教程§2.1线性规划的对偶模型线性规划的对偶模型Dualmodel of LPCh2 Dual Problem2022年11月26日星期五Page 3 of 19 设x1,x2,x3分别为产品A,B,C的产量，则线性规划数学模解型为：m Z = 100x + 80x + 70x ax1 2 39x1 + 8x2 + 6x3 ≤ 500 5x + 4x + 7x ≤ 450 2 3 1 8x1 + 3x2 + 2x3 ≤ 300 7x + 6x + 4x ≤ 550 2 3 1 x1, x2, x3 ≥ 0 现在从另一个角度来考虑企业的决策问题。
假如企业自己不生产产品，而将现有的资源转让或出租给其它企业，那么资源的转让价格是多少才合理？价格太高对方不愿意接受，价格太低本单位收益又太少。
运筹学02对偶理论1线性规划的对偶模型,对偶性质
min Z 4 y1 y2 4 y1 y2 5 y 7 y 2 1 2 y1 5 y2 3 y1 0, y2 0
3.1 线性规划的对偶模型 Dual model of LP
Chapter3 对偶理论 Dual Theory
【例3.3】 写出下列线性规划的对偶问题
3.1 线性规划的对偶模型 Dual model of LP
Chapter3 对偶理论 Dual Theory
价格不可能小于零，即有yi≥0(i=1, …,4), 从而企业的资源价格 模型为
min w 36 y1 40 y2 76 y3 3 y1 5 y2 9 y3 32 4 y1 4 y2 8 y3 30 y 0, i 1, ,3 i
(2)原问题的目标函数系数对应于对偶问题的右端项
(3)原问题的右端项对应于对偶问题的目标函数系数 (4)原问题的约束矩阵转置就是对偶问题系数矩阵
(5)原问题求最大，对偶问题是求最小
(6)原问题不等式约束符号为“≤”,对偶问题不等式约束符号为“≥”
3.1 线性规划的对偶模型 Dual model of LP
y1 y 2 1 1 y1 y 2 2 2 y , y 0 1 2
有可行解，由结论(3)知必有无界解。
3.2 对偶性质 Dual property
Chapter3 对偶理论 Dual Theory
【性质3】最优准则定理: 设X*与Y*分别是(LP)与(DP) 的可行解，则X*、Y*是(LP)与(DP)的最优解当且仅当 C X*= Y*b . 【性质4】对偶性：若互为对偶的两个问题其中一个有 最优解，则另一个也有最优解，且最优值相同。 另一结论：若 (LP) 与 (DP) 都有可行解，则两者都有最优 解，若一个问题无最优解，则另一问题也无最优解。 【性质5】互补松弛定理: 设X*、Y*分别为 (LP) 与 (DP) 的可行解，XS和YS分别是它们的松弛变量的可行解，则 X*和Y*是最优解当且仅当
运筹学 ( 对偶问题及性质)
（2）竞争性原则。即在上述不吃亏原则下，尽量降低机时 总收费，以便争取更多用户。
设A、B、C、D设备的机时价分别为y1、y2、y3、y4，则新的 线性规划数学模型为：
min 12 y1 8 y2 16 y3 12 y4
2 y1 y2 4 y3 0 y4 2
s.t 2 y1 2 y2 0 y3 4 y4 3
Y≤0
对偶性质
性质2 (弱对偶性) 设X 0 Y 0和
的可行解，则必有
分别是问题(LP)和(DP)
CX 0 Y 0b
n
m
即： c j x j yibi
j1
i1
推论1: 原问题任一可行解的目标函数值是其对偶问题目标函数 值的下界；反之，对偶问题任意可行解的目标函数值是其原问题 目标函数值的上界。
n
yˆi 0 aij xˆ j bi j 1 n
aij xˆ j bi yˆi 0
j 1
对偶性质
例2.4
已知线性规划
max z 3 x1 4 x2 x3
2xx1 122xx2
x3 2x
10 3 16
x
jபைடு நூலகம்
0,
j
1,2,3
3
x1 x1
x2 4x2
7x3 6x3
3 5
x1 , x2 , x3 0
解：首先将原问题变形为对称形式
max Z 2x1 3 x2 4 x3
2 x 3 x2 5 x3 2
3
x1
x2
7x3
3
x1 4 x2 6 x3
设A、B、C、D设备的机时价分别为y1、y2、y3、y4，则新的 线性规划数学模型为：
min 12 y1 8 y2 16 y3 12 y4
2 y1 y2 4 y3 0 y4 2
s.t 2 y1 2 y2 0 y3 4 y4 3
Y≤0
对偶性质
性质2 (弱对偶性) 设X 0 Y 0和
的可行解，则必有
分别是问题(LP)和(DP)
CX 0 Y 0b
n
m
即： c j x j yibi
j1
i1
推论1: 原问题任一可行解的目标函数值是其对偶问题目标函数 值的下界；反之，对偶问题任意可行解的目标函数值是其原问题 目标函数值的上界。
n
yˆi 0 aij xˆ j bi j 1 n
aij xˆ j bi yˆi 0
j 1
对偶性质
例2.4
已知线性规划
max z 3 x1 4 x2 x3
2xx1 122xx2
x3 2x
10 3 16
x
jபைடு நூலகம்
0,
j
1,2,3
3
x1 x1
x2 4x2
7x3 6x3
3 5
x1 , x2 , x3 0
解：首先将原问题变形为对称形式
max Z 2x1 3 x2 4 x3
2 x 3 x2 5 x3 2
3
x1
x2
7x3
3
x1 4 x2 6 x3
线性规划的对偶理论2-对偶问题的性质
算例三
含多个决策变量的线性规 划问题及其对偶问题的求 解
含不等式约束的线性规划 问题及其对偶问题的求解
经典案例分析：运输问题、生产计划等
通过对偶理论实现资源的最优分 配
对偶理论在生产计划优化中的应 用
如何通过对偶理论求解最小成本 运输问题
运输问题
资源分配问题 生产计划问题
实际应用案例分享
供应链管理
椭球法
通过构造一个包含原问题可行域的椭球，将原问题转化为 一个椭球约束的优化问题，然后利用椭球算法进行求解。
割平面法
通过在原问题的约束条件中不断添加割平面，将原问题转 化为一个更容易求解的问题，然后利用相关算法进行求解。
Part
04
对偶理论在经济学中应用
影子价格概念及计算
影子价格定义
影子价格反映资源在最优配置下 的边际价值，即资源每增加一单
选择一个满足所有约束条 件的初始内点。
迭代过程
通过不断迭代，沿着目标函数 的负梯度方向进行搜索，直到 达到最优解或满足停止准则。
求解最优解
当迭代过程结束时，从最 终迭代点中读取最优解。
其他方法简介
外点法
通过构造一个包含原问题可行域的外点，将原问题转化为 一个无约束优化问题，然后利用无约束优化方法进行求解。
简化问题求解从而降低了 计算复杂度和难度。
揭示问题内在联系
对偶理论揭示了原问题与其对偶问题之间的内在联系，有助于发现 问题的隐藏性质和潜在优化方向。
未来发展趋势预测及挑战分析
拓展应用领域
随着对偶理论的不断完善和发展， 其应用领域将进一步拓展，包括机 器学习、大数据分析等前沿领域。
强对偶性
强对偶性定义
01
存在一组可行解，使得原问题的目标函数值等于其对偶问题的
含多个决策变量的线性规 划问题及其对偶问题的求 解
含不等式约束的线性规划 问题及其对偶问题的求解
经典案例分析：运输问题、生产计划等
通过对偶理论实现资源的最优分 配
对偶理论在生产计划优化中的应 用
如何通过对偶理论求解最小成本 运输问题
运输问题
资源分配问题 生产计划问题
实际应用案例分享
供应链管理
椭球法
通过构造一个包含原问题可行域的椭球，将原问题转化为 一个椭球约束的优化问题，然后利用椭球算法进行求解。
割平面法
通过在原问题的约束条件中不断添加割平面，将原问题转 化为一个更容易求解的问题，然后利用相关算法进行求解。
Part
04
对偶理论在经济学中应用
影子价格概念及计算
影子价格定义
影子价格反映资源在最优配置下 的边际价值，即资源每增加一单
选择一个满足所有约束条 件的初始内点。
迭代过程
通过不断迭代，沿着目标函数 的负梯度方向进行搜索，直到 达到最优解或满足停止准则。
求解最优解
当迭代过程结束时，从最 终迭代点中读取最优解。
其他方法简介
外点法
通过构造一个包含原问题可行域的外点，将原问题转化为 一个无约束优化问题，然后利用无约束优化方法进行求解。
简化问题求解从而降低了 计算复杂度和难度。
揭示问题内在联系
对偶理论揭示了原问题与其对偶问题之间的内在联系，有助于发现 问题的隐藏性质和潜在优化方向。
未来发展趋势预测及挑战分析
拓展应用领域
随着对偶理论的不断完善和发展， 其应用领域将进一步拓展，包括机 器学习、大数据分析等前沿领域。
强对偶性
强对偶性定义
01
存在一组可行解，使得原问题的目标函数值等于其对偶问题的
运筹学第二章线性规划的对偶理论
(5.5) (5.6)
4.3 对偶问题的基本性质
证： 设B是一可行基，于是A=(B,N)
max z=CBXB+ CNXN BXB+BXN +Xξ=b X,XB,Xξ ≥0
其中Yξ=(Yξ1, Yξ2)
min ω =Yb YB－Yξ1=CB YN－Yξ2=CN Y, Yξ1 Yξ2 ≥0
(5.5) (5.6)
x1﹐x2 ≥0
关系？
对原模型设： 1 2
A= 4 0 b=(8,16,12)T C=(2，3) 04
X=（x1，x2）T Y=（y1，y2 ，y3 ） 则可得:
4.1 对偶问题的提出
min ω=8 y1+16y2 +12y3
y1+4y2
≥2
2 y1 +4y3≥3
与
y1 ， y2 ，y3≥0 12
max z＝2x1+3x2 x1＋ 2x2 ≤8
4x1
≤16
4x2 ≤12
x1﹐x2 ≥0
有何关 系？
对愿模型设： A= 4 0 04
b=(8,16,12)T C=(2，3)
X=（x1，x2）T
Y=（y1，y2 ，y3 ） 则可得:
max z=CX AX≤b （5.1） 和
min ω =Yb YA ≥ C （5.2）
120
A=
1 -3
0 2
1 1
1 -1 1
b=(2,3,-5,1)T C=(5,4, 6)
确定约束条件
YA
C
x1 ≥0 ﹐x2≤0, x3 无约束
解：因原问题有3个变 于是 量，4个约束条件， 所以对偶问题4个 变量，3个约束条
运筹学 线性规划的对偶理论
线性规划单纯形表
初始单纯形表
cs xs b x A c
max z=cx+ 0xs s.t. Ax+xs= b x0, xs0
xs I 0
j
迭代单纯形表
x
cB xB B-1b B-1A c - cBB-1A
xs
B-1 - cBB-1
j
从数学上提出对偶问题
当线性规划问题找到最优解z*时，有：
如果极大化原始问题中一个约束是“≥”约束，则对偶问 题中相应的变量≤0
其他对偶关系
max z=cx s.t. Ax ≤ b
x ≥0
Ax ≥ b Ax = b x≤0
min w=bTy s.t. ATy ≥ CT y≥0
y≤0 y
free
ATy ≤ cT
x
free
ATy = cT
原始问题的经济解释
1、原始问题是利润最大化的生产计划问题
总利润（元） 单位产品的利润（元/件）
产品产量（件）
max z = c1 x 1 + c 2 x 2 L + c n x n s.t. a11 x 1 + a12 x 2 L + a1n x n + x n +1 + x n+2 a 21 x 1 + a 22 x 2 L + a 2 n x n
c - cBB-1A 0 - cBB-1 0 取y = (cBB-1)T 可得： ATy cT y0
cB xB B b 当xB=B-1b为原问题的最优解时， y
-1
如何选取y，使 w = bTy 最小?
min w= bTy
s.t. ATy CT y0
运筹学第2章-线性规划的对偶理论
❖ 影子价格不是市场价格，而是在现有技术和管理条件下， 新增单位资源所能够创造的价值，是特定企业的一种边 际价格；不同企业或同一企业不同时期，同种资源的影 子价格可能不同；当市场价格高于影子价格，可以卖出； 相反，则应买进，以获取更大收益
Ma例x：Z （ 2第x一1 章3例x22）
2 x1 2 x2 12
当原问题和对偶问题都取得最优解时，这 一对线性规划对应的目标函数值是相等的：
Zmax=Wmin
二、原问题和对偶问题的关系
1、对称形式的对偶关系
（1）定义：若原问题是
MaxZ c1 x1 c2 x2 cn xn
a11x1 a12 x2 a1n xn b1
s.t.a21
x1
a22
二、 手工进行灵敏度分析的基本原则 1、在最优表格的基础上进行； 2、尽量减少附加计算工作量；
5y3 3
，y
2
3
0
（用于生产第i种产 品的资源转让收益不 小于生产该种产品时 获得的利润）
对偶变量的经济意义可以解释为对工时及原材 料的单位定价 ；
若工厂自己不生产产品A、B和C，将现 有的工时及原材料转而接受外来加工时， 那么上述的价格系统能保证不亏本又最富 有竞争力（包工及原材料的总价格最低）
内，使得产品的总利润最大 。
MaxZ 2x1 3x 2
2x1 2x2 12
s.t.54xx12
16 15
x1, x 2 0
它的对偶问题就是一个价格系统，使在平衡了 劳动力和原材料的直接成本后，所确定的价格系统 最具有竞争力：
MinW 12y1 16y2 15y3
2y1 4y2
2
s.t.2y1y，1y
y1, y2, , ym 0
Ma例x：Z （ 2第x一1 章3例x22）
2 x1 2 x2 12
当原问题和对偶问题都取得最优解时，这 一对线性规划对应的目标函数值是相等的：
Zmax=Wmin
二、原问题和对偶问题的关系
1、对称形式的对偶关系
（1）定义：若原问题是
MaxZ c1 x1 c2 x2 cn xn
a11x1 a12 x2 a1n xn b1
s.t.a21
x1
a22
二、 手工进行灵敏度分析的基本原则 1、在最优表格的基础上进行； 2、尽量减少附加计算工作量；
5y3 3
，y
2
3
0
（用于生产第i种产 品的资源转让收益不 小于生产该种产品时 获得的利润）
对偶变量的经济意义可以解释为对工时及原材 料的单位定价 ；
若工厂自己不生产产品A、B和C，将现 有的工时及原材料转而接受外来加工时， 那么上述的价格系统能保证不亏本又最富 有竞争力（包工及原材料的总价格最低）
内，使得产品的总利润最大 。
MaxZ 2x1 3x 2
2x1 2x2 12
s.t.54xx12
16 15
x1, x 2 0
它的对偶问题就是一个价格系统，使在平衡了 劳动力和原材料的直接成本后，所确定的价格系统 最具有竞争力：
MinW 12y1 16y2 15y3
2y1 4y2
2
s.t.2y1y，1y
y1, y2, , ym 0
运筹学第2章 对偶理论01-对偶问题及影子价格、对偶单纯形法
第2章对偶理论及灵敏度分析主要内容对偶理论⏹线性规划对偶问题⏹对偶问题的基本性质⏹影子价格⏹对偶单纯形法灵敏度分析⏹灵敏度问题及其图解法⏹灵敏度分析⏹参数线性规划线性规划的对偶问题⏹对偶问题的提出⏹原问题与对偶问题的数学模型⏹原问题与对偶问题的对应关系实例：某家电厂家利用现有资源生产两种产品，有关数据如下表：设备A设备B 调试工序利润（元）612521115时24时5时产品Ⅰ产品ⅡD一、对偶问题的提出如何安排生产，使获利最多？厂家设Ⅰ产量–––––Ⅱ产量–––––1x 2x ⎪⎪⎩⎪⎪⎨⎧≥≤+≤+≤+=052426155 2max 212121221x x x x x x x s.t.x x z ,设设备A ——元／时设备B ––––元／时调试工序––––元／时1y 2y 3y 收购付出的代价最小，且对方能接受。
出让代价应不低于用同等数量的资源自己生产的利润。
设备A 设备B 调试工序利润（元）0612521115时24时5时ⅠⅡD ⏹厂家能接受的条件：⏹收购方的意愿：32152415min yy y w ++=单位产品Ⅰ出租收入不低于2元单位产品Ⅱ出租收入不低于1元出让代价应不低于用同等数量的资源自己生产的利润。
1252632132≥++≥+y y y y y52426155 2212121221⎪⎪⎩⎪⎪⎨⎧≥≤+≤+≤+=x x x x x x x s.t.x x z ,max ⎪⎩⎪⎨⎧≥≥++≥+++=0y 125265241532132132321y y y y y y y t s y y y w ,,.min 对偶问题原问题收购厂家一对对偶问题⎩⎨⎧≥≥=⇒⎩⎨⎧≥≤=00bY C YA s.t.Yb w X AX t s CX z min ..max ),(21c c C =⎪⎪⎫ ⎛=1x x X )(ij a A =()321,y ,y y Y =⎪⎪⎪⎫ ⎛=321b b b b 3个约束2个变量2个约束3个变量原问题对偶问题其它形式的对偶问题?特点：1.原问题的约束个数（不包含非负约束）等于对偶问题变量的个数；2.原问题的价值系数对应于对偶问题右端项；3.原问题右端项对应于对偶问题的价值系数；4.原问题约束矩阵转置就是对偶问题约束矩阵；5.原问题为求最大，对偶问题是求最小问题；6.原问题不等约束符号为“≤”，对偶问题不等式约束符号为“≥”;二、原问题与对偶问题的数学模型1．对称形式的对偶当原问题对偶问题只含有不等式约束时，称为对称形式的对偶。
运筹学：第2章 线性规划的对偶理论
y1 y2
ym
2021/4/18
12
类似于前面的资源定价问题，每一个约束条件对 应一个“ 对偶变量”，它就相当于给各资源的单 位定价。于是我们有如下的对偶规划：
min W b1 y1 b2 y2 bm ym
a11 y1 a21 y2 am1 ym c1 a12y1 a22y2 am2ymc2 a1n y1 a2n y2 amn ym cn y1, y2 ,, ym 0
1/5
0
-4/5
1
1/5 -1/5
j
0
4
0
3
3
x3
x4
x5
x1
x2
2021/4/18
31
§4 影子价格
假设有原问题和对偶问题如下：
max Z CX
minW bTY
AX b
ATY CT
X 0
Y 0
1、 对偶变量 yi 可理解为对一个单位第 i 种资源
的估价，称为影子价格，但并非市场价格。
2、 对偶变量 yi 的值（即影子价格）表示第 i 种资
若
n
yˆi 0, 则 aij x j bi ;
j 1
n
若
aij x j bi , 则yˆi 0.
j 1
2021/4/18
25
证明 由弱对偶性知：
n
mn
m
c j xˆ j
aij xˆ j yˆi bi yˆi
j 1
i1 j1
i 1
又因在最优解中 应为等式，即有
n
m
c j xˆ j bi yˆi
可以先将原问题化成规范的原问题，再写出对偶 问题。
2021/4/18
运筹学第2章 对偶理论
写出对偶问题
2 y1 3 y2 y3 2 3 y1 y2 4 y3 3 5 y1 7 y2 6 y3 4 y , y , y 0 1 2 3
原—对偶问题的相互变换形式
原问题（或对偶问题） 目标函数 max 约 束 条 件 变 量 m个 ≤ ≥ = n个 ≥0 ≤0 无约束 约束条件右端项 目标函数变量的系数 对偶问题（或原问题） 目标函数 min m个 ≥0 ≤0 无约束 n个 ≥ ≤ = 目标函数变量的系数 约束条件右端项 变 量 约 束 条 件
设y1 , y2 , y3分别为三种资源的收费单价，所以 有下式： 5 y1 2 y2 y3 10 2 y1 3 y2 5 y3 18 y1 , y2 , y3 0 就目标而言，用下式可以表达： 170 y1 100 y2 150 y3 W
一般而言，W 越小越好，但因需双方满意，故
变为对称形式
m axZ 2 x1 3 x 2 4 x 3 2 x 3 x 2 5 x 3 2 3 x1 x 2 7 x 3 3 x1 4 x 2 6 x 3 5 x1 , x 2 , x 3 0
min W 2 y1 3 y2 5 y3
B
1 0
M-1
-2
最 终 表
cj cB 3 -1 -1 xB x1 x2 x3 检验数 b 4 1 9
3 x1 1 0 0 0
-1 x2
-1 x3 0 0 1 0
0 x4 1/3 0 2/3 -1/3
I
0 1 0 0
-1/3 1/3-M 2/3- M
所以， X*=（4 , 1 , 9），Z = 2
初 始 表
2 y1 3 y2 y3 2 3 y1 y2 4 y3 3 5 y1 7 y2 6 y3 4 y , y , y 0 1 2 3
原—对偶问题的相互变换形式
原问题（或对偶问题） 目标函数 max 约 束 条 件 变 量 m个 ≤ ≥ = n个 ≥0 ≤0 无约束 约束条件右端项 目标函数变量的系数 对偶问题（或原问题） 目标函数 min m个 ≥0 ≤0 无约束 n个 ≥ ≤ = 目标函数变量的系数 约束条件右端项 变 量 约 束 条 件
设y1 , y2 , y3分别为三种资源的收费单价，所以 有下式： 5 y1 2 y2 y3 10 2 y1 3 y2 5 y3 18 y1 , y2 , y3 0 就目标而言，用下式可以表达： 170 y1 100 y2 150 y3 W
一般而言，W 越小越好，但因需双方满意，故
变为对称形式
m axZ 2 x1 3 x 2 4 x 3 2 x 3 x 2 5 x 3 2 3 x1 x 2 7 x 3 3 x1 4 x 2 6 x 3 5 x1 , x 2 , x 3 0
min W 2 y1 3 y2 5 y3
B
1 0
M-1
-2
最 终 表
cj cB 3 -1 -1 xB x1 x2 x3 检验数 b 4 1 9
3 x1 1 0 0 0
-1 x2
-1 x3 0 0 1 0
0 x4 1/3 0 2/3 -1/3
I
0 1 0 0
-1/3 1/3-M 2/3- M
所以， X*=（4 , 1 , 9），Z = 2
初 始 表
《运筹学》第二章 对偶问题
3 x1 2 x2
7x4 4
2 x1 3 x2 4 x3 x4 6
x1 0, x2 , x3 0, x4无 约 束
解：原问题的对偶问题为
mi nW 5 y1 4 y2 6 y3
4 y1 3 y2 2 y3 2
20
一组互为对偶的线性规划问题的解之间只有 下列三种情况:
(1)两个规划问题都有可行解(此时,两个规划问题都有最优 解,且最优值相等);
(2)两个规划问题都不可行; (3) 一个规划问题不可行,另一个规划问题有可行解,且具有
无界解。
21
（4）互补松弛性： 在线性规划问题的最优解中，
则 aij xj * = bi ；
bi , 则 y i* = 0 (4)’ 互补松弛性：
在线性规划问题的最优解中， 则 aij yi * = cj ；
>cj , 则 xj* = 0
n
若 y i * >0,
j=1 n
若 a ij xj * <
j=1
m
若 x j * >0,
i=1 m
若 a ij yi*
i=1 22
m
= 证b：i y∵i*
y1 3 y1
2 y2
3 y3 4 y3
3 5
2 y1 7 y2 y3 1
y1
0,
y2
0,
y
无
3
约
束
对偶问题的对 偶还是原问题
14
• 练习 写出下列线性规划问题的对偶问题.
max Z 4x1 3x2 2x3
4x1
线性规划的对偶模型
对偶在物流优化中的应用
1 2 3
运输优化
对偶模型可以用于优化运输方案，通过合理安排 运输路线和车辆调度，降低运输成本和提高运输 效率。
仓储优化
在仓储优化方面，对偶模型可以帮助企业合理规 划仓库布局和库存管理，提高仓储效率和降低库 存成本。
配送优化
对偶模型可以用于优化配送方案，通过合理安排 配送路线和车辆调度，提高配送效率和降低配送 成本。
05
案例分析
案例一：生产计划优化问题
01
背景描述
某制造企业需要制定生产计划，以满足市场需求并最大化利润。生产计
划需要考虑原材料供应、生产能力、市场需求等多个因素。
02 03
对偶模型建立
通过对原问题建立线性规划模型，并引入对偶变量，可以构建一个与原 问题等价的对偶问题。对偶问题可以更好地描述企业决策者的目标，例 如最小化生产成本或最大化市场份额。
02
对偶问题是凸优化问题，其解是唯一的。
03 对偶问题具有封闭解，即存在一个封闭形式的解。
对偶问题的求解方法
直接法
通过求解对偶问题的约束条件和 目标函数，得到对偶问题的最优
解。
迭代法
通过迭代求解对偶问题，逐步逼近 最优解。
拉格朗日乘数法
利用拉格朗日乘数法求解对偶问题， 得到最优解。
03
对偶模型的应用
对偶解法
通过求解对偶问题，可以得到最优配送路径。对偶解法在处理大规模、多目标优化问题时具有较高的计 算效率，并且能够提供更好的优化效果。
感谢您的观看
THANKS
对偶在金融优化中的应用
投资组合优化
对偶模型可以用于优化投资组合， 帮助投资者确定最佳的投资组合 方案，以实现风险和收益的平衡。
运筹学 对偶理论
CB
0 2 0
XB
x3 x1 x5
b
15 4 1 σ
x1
0 1 0 0
x2
5 2/6 4/6 1/3
x3
1 0 0 0
x4
0 1/6 -1/6 -1/3
x5
0 0 1 0
39
cj-zj
单纯形法计算的矩阵描述
XB XN XS
x3 15 24
x1
x5
x4
x2
17
对偶问题与原问题的关系—非对称形式
2. 变量转换
（1）若存在取值无约束的变量xk，可令,
xk x x
' k
" k
其中，
x ,x 0
' k " k
（2）若
' k
x 0 ，可令 x x
'
k
k
k
,显然
x 0
18
对偶问题与原问题的关系—非对称形式
例1：写出下面问题的对偶问题
max z= 5x1 +6x2
30
单纯形法计算的矩阵描述
原问题的矩阵表达： maxz=CX 标准化
maxz=CX+0Fra bibliotekSAX+IXS =b
AX≤ b
X0
1 0 I 0 1
X, XS0
初始基 (m×m) 基变量
31
单纯形法计算的矩阵描述
1. 以Xs为基变量，并标记成XB ，决策变量分为： XB 基变量 X X 非基变量 N
16
max z
c j x j
n
对偶问题与原问题的关系—非对称形式
第三章 对偶理论 第一讲 线性规划的对偶模型,对偶性质
由这个性质可得到下面几个结论：
1) (DP) 的任一可行解的目标值是 (LP)的最优值下界； (LP)的任一可行解的 目标是 (DP)的最优值的上界；
2)在互为对偶的两个问题中，若一个问题可行且具有无界解，则另一个问 题无可行解；
3) 若原问题可行且另一个问题不可行，则原问题具 有无界解。
注意: 上述结论(2)及(3)的条件不能少。一个问题无可行解时，另一个问题可能有可 行解(此时具有无界解)也可能无可行解。
目标函数求极大值时，所有约束条件为≤号，变量非负； 目标函数求极小值时，所有约束条件为≥号，变量非负。
max Z CX
AX b
(2.1)
X
0
min Z CX
AX b
(2.2)
X
0
注： (1)线性规划规范形式与标准型是两种不同形式，但可以 相互转换。
(2)规范形式的线性规划问题的对偶仍然是规范形式．
3.1 对偶线性规划问题
对偶问题的提出
原问题
min CX
AX b
X
0
对偶问题
max ub uA C u 0
原问题
min CX
AX b
X
0
对偶问题
max ub uA C u 0
原问题与对偶问题关系
(1)原问题的约束个数(不含非负约束)等于对 偶变量的个数
对偶问题
【例】写出下列线性规划的对偶问题
min CX
max ub
max Z 5x1 2x2 3x3
AX b
X
0
uA C u 0
运筹学第二章——第八节—线性规划的对偶理论
四、对偶问题经济学含义——影子价格
因为Z*=Y*=Yb 所以：Δ Z/ Δ b=Y b——资源的量 Z——目标函数 经济学含义：资源每变动一个单位，目标函 数（利润、总产值等）变动的大小。 资源对生产做出的贡献。（影子价格） 是对现有资源实现最大效益的一个评价，叫 机会成本。
V*X=0， Y*U=0，其中V是对偶问题的剩余变量，U是 原问题的松弛变量。
（七）原问题在单纯性法迭代过程中的检验 数对应于对偶问题的一个基本解。（对应性 定理） 原问题 XB XN 对应基B检验数 0 CN-CBB-1BN 对偶问题的变量 -YS1 -YS2 XS –CBB-1 -Y
对偶问题性质的启示
原问题 有最优解 无可行解 有可行解无上界 无有限最优解 对偶问题 有最优解 无可行解 无有限最优解 有可行解但无下界
由互补松弛性定理可知： 当U>0，即AX <b时，资源未充分利用时，影 子价格为0。
二、原问题与对偶问题之间的转化
1、目标函数 MAX——Min 2、约束条件——变量 约束条件n个——变量n个 约束条件≥0 ——变量≤ 0 约束条件≤ 0 ——变量 ≥ 0 约束条件=0——变量无约束 要点：max为反向关系（约束条件——变量）
二、原问题与对偶问题之间的转化
3、变量——约束条件 变量m个——约束条件m个 变量≥0——约束条件≥ 0 变量≤ 0 ——约束条件≤ 0 变量无约束——约束条件=0 4、目标函数中变量的系数C为对偶问题中约 束条件的右端常数项b，个数对等变动。
（五）若原问题和对偶问题具有可行解，若 原问题或对偶问题之一有最优解，则另一个 对偶问题也必有最优解，且最优值相同。 （主对偶性定理） 证明 含义： 若原问题有一个对应于基B的最优解，则 CBB-1为对偶问题的最优解。
- 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)。
(x1, x2, x3)T 0
从而对偶问题为
4 min w Yb ( y1, y2 ) 1 4 y1 y2
4 1 －1
YA ( y1, y2 ) 1 －7
5
(4 y1 y2, y1 7 y2， y1 5y2 ) (5, 2, 3)
min Z 4 y1 y2
4 y1 y2 5
min
w
6 y1
8y2
10 y3
约束, 即
5yy1175yy22
y3 3 y3
4
3
yi 0, i 1,2,3
3.1 线性规划的对偶模型 Dual model of LP
线性规划问题的规范形式(Canonical Form 或叫对称形式) ： 定义：
目标函数求极大值时，所有约束条件为≤号，变量非负； 目标函数求极小值时，所有约束条件为≥号，变量非负。
【例3.2】写出下列线性规划的对偶问题
max Z (5, 2,3)(x1, x2, x3)T
max Z 5x1 2x2 3x3
4x1x1 7
x2 x2
x3 4 5x3 1
x1, x2, x3 0
【解】设Y=(y1，y2 )， 则有
4
1
1 7
1
5
x1 x2 x3
4 1
y1y1 7
y2 2 5 y2 3
y1 0, y2 0
3.1 线性规划的对偶模型 Dual model of LP
【例3.3】 写出下列线性规划的对偶问题
max Z 4x1 3x2
5x1 x2 6 7x1x1 35x2x2108 x1 0, x2 0
【解】该线性规划的对偶问题是求最 小值，有三个变量 且非负, 有两个“ ≥”
min w Yb
AX b
(3.1)
YA C
(3 .2)
X
0
Y 0
线性规划问题(3.2)就是原线性规划问题(3.1)的对偶线性规划问题，反之，(3.2)的对偶 问题就是(3.1)．
( 原问题与对偶问题有如下关系 假设原问题 (3.1))：
(1)原问题的约束个数(不含非负约束)等于对偶变量的个数
3.1 线性规划的对偶模型 Dual model of LP
设y1，y2，y3分别表示三种资源的单位增值价格(售价＝成本 ＋增值)，总增值最低可用
min w=36y1+40y2+76y3
表示。企业生产一件产品甲用了四种资源的数量分别是3，5和9个单位，利润是32, 企 业出售这些数量的资源所得的利润不能少于32，即
3.1 线性规划的对偶模型
Dual Model of LP
3.1 线性规划的对偶模型 Dual model of LP
例3.1 (原例1.1)某工厂生产甲、乙两种产品。这些产品分别要在A、B、C 三种不同的设备上加工。企业决策者应如何安排生产计划，使企业总的利 润最大？
3.1 线性规划的对偶模型 Dual model of LP
•解：设x1、x2分别为甲、乙两种产品的产量，Z为总利润，则数
学模型为：
max Z 32x1 30x2 3x1 4x2 36 5x1 4x2 40 9x1 8x2 76 x1, x2, x3 0
现在从另一个角度来考虑企业的决策问题。假如企业不考虑自己生产产品，而 将现有的资源标价出售， 问题：决策者应怎样给定资源一个合理的价格？
min w ( y1, y2, y3)(36, 40, 76)T
3 5 9
(
y1,
y2
,
y3
)
4
4
8 (32,30)
( y1, y2, y3) 0
max Z CX
AX b
X
0
min w Yb YA C Y 0
max Z CX
3.1 线性规划的对偶模型 Dual model of LP
min w 36y1 40y2 76y3
3 4
y1 y1
5 y2 4 y2
9 y3 8 y3
32 30
yi 0, i 1, ,3
max Z (32, 30)(x1, x2 )T
3 4 x1 36
5 9
4
x2
40
8 x3 76
(x1, x2 )T 0
3x1 4x2 36 5x1 4x2 40 9x1 8x2 76 x1, x2, x3 0
注：以上两问题是同一组数据参数，只是位 置有所不同，所描述的问题实际上是从两个 不同的角度去描述。原始线性规划问题考虑 的是充分利用现有资源，以产品数量和单位 产品的利润来决定企业的总利润，没有考虑 资源的价格，实际上在构成产品的利润中， 不同的资源对利润的贡献也不同，它是企业 生产过程中一种隐含的潜在价值，经济学中 称为影子价格。
9 8
y3 y3
32 30
yi 0, i 1, ,3
这是一个线性规划数学模型，称这一线性规划模型是前面生产计划模型的对偶线性规划 模型, 这一问题称为对偶问题。生产计划的线性规划问题称为原始线性规划问题或原问 题。
3.1 线性规划的对偶模型 Dual model of LP
max Z 32x1 30x2
同理，对产品 乙有
3y1 5y2 9y3 32
4 y1 4 y2 8y3 30
3.1 线性规划的对偶模型 Dual model of LP
价格不可能小于零，即有yi≥0(i=1, …,4), 从而企业的资源价格 模型为
min w 36y1 40y2 76y3
3 4
y1 y1
5 y2 4 y2
运筹学
Operations Research
Chapter 3 对偶理论
Dual Theory
3.1 线性规划的对偶模型 Dual Model of LP
3.2 对偶性质
Dual property
3.3 对偶单纯形法
Dual Simplex Method
3.4 灵敏度与参数分析 Sensitivity and Parametric Analysis
(2)原问题的目标函数系数对应于对偶问题的右端项
(3)原问题的右端项对应于对偶问题的目标函数系数 (4)原问题的约束矩阵转置就是对偶问题系数矩阵
(5)原问题求最大，对偶问题是求最小 (6)原问题不等式约束符号为“≤”,对偶问题不等式约束符号为“≥”
3.1 线性规划的对偶模型 Dual model of பைடு நூலகம்P
max Z CX