第二章 线性规划
合集下载
第二章线性规划

线性规划要研究的两类问题中都包含有约束条件和目 标函数。用数学的方式描述,规划的目的就是在给定 的限制条件(或称约束条件)下,求目标函数的极值 问题(包括极小值和极大值)。
2
线性规划的数学模型
3
解: 设产品 的产量为:1 , 产品 的产量为:x2 x
4
5
6
7
配料问题:由若干种不同价格、不同成分含量的原料,用 不同的配比混合调配出一些不同规格的产品,在原料的供 应量限制和保证产品成分含量的前提下,如何进行配料来 获取最大利润或使总成本最低。
15
2.2.3 线性规划求解的可能结局
1、有唯一的最优解
2、有无穷多个最优解 (将目标函数改为 z=4x1+3x2 )
x2
max z 4 x1 3 x2 x1 2 x2 5 2 x x 4 1 2 s.t. 4 x1 3 x2 9 x1 , x2 0
3x1 2 x2 4 x3 3
3x1 2 x2 4 x3 xs 3
剩余变量
变量xs实际上是原式左端减去右端的差,即 :
xs 3x1 2 x2 4 x3 3
当约束条件是“ ”型的不等式时,只要将该约 束条件左端减去一个非负的剩余变量即可化为等式。 无论是松弛变量还是剩余变量在决策中都不产生实际价 值,因此它们在目标函数中的系数都应该为零。有时也将松 29 弛变量和剩余变量统称为松弛变量。
2x1+x2=4 D C
x1+2x2=5 B 4x1+3x2=9 O A x1
16
3、无界解
指线性规划问题有可行解,但是 在可行域,目标函数值是无界的, 因而达不到有限最优值。因此线 性规划问题不存在最优解。
第二章线性规划

解:设产品 A、B 的产量分别为x , y 。则,数学模型为:
m inZ 2 x 3 y x 125 x y 350 2 x y 600 x, y 0
例3 营养问题
某公司饲养试验用的动物以供出售。已知这些动物的生长 对饲料中的三种营养元素特别敏感,分别称为营养元素A 、B、C。已求出这些动物每天至少需要700克营养元素 A,30克营养元素B,而营养元素C每天恰好为200克。现有 五种饲料可供选择,各种饲料的营养元素及单价如下表22所示,为了避免过多使用某种饲料,规定混合饲料中各 种饲料的最高含量分别为:50、60、50、70、40克。求满 足动物需要且费用最低的饲料配方。
最优解必定可在可行域的某个顶点上 取得。
QM软件求解两个变量的LP问 题的方法。(演示)
Step1 Step2 Step3 Step4
1 A B C 价 格 3 1 0.5 2
2 2 0.5 1 7
3 1 0.2 0.2 4
4 6 2 2 9
5 18 0.5 0.8 5
需 求 700 30 200
解:设 x j
j 1,2 ,3,4 ,5 为每天混合饲料内包含的
第 j 种饲料的数量 (克) 则营养问题的数学模型为: 。
m inZ 2 x1 7 x 2 4 x3 9 x 4 5 x5 3x1 2 x 2 x3 6 x 4 18x5 700 x 0.5 x 0.2 x 2 x 0.5 x 30 2 3 4 5 1 0.5 x1 x 2 0.2 x3 2 x 4 0.8 x5 200 x 50, x 60, x 50, x 70, x 40 2 3 4 5 1 x j 0, j 1,2,3,4,5,
第二章 线性规划基本内容

x1 0, x2 0, x3符号无限制
,x3 x4 x5 , 解: 令 z z ,x1 x1 其中 x4 , x5 0 ,
则标准化后有
2 x2 3 x4 3 x5 max z x1 x2 s.t. x1 x4 x5 2 x2 x1 x4 x5 x2 3 x4 3 x5 3 x1 , x2 , x4 , x5 , x6 , x7 0 x1
40 3x1 10x 2 300 (0,30) A x1 , x 2 0 4 x1 5 x 2 200
B(20,24)
3 x1 10 x 2 300
C(1000/29,360/29) 0 D E (40,0) (50,0) 100 x1
在 B 点获得最大值,z=4280
x2
凸集
定义 2.2.1: 设 S R n 是 n 维欧氏空间的点集, 若对任意 x S , y S 的 和 任 意 [0,1] 都 有 x (1 ) y S 就称 S 是一个凸集。
定义 2.2.2:设 S 为凸集 x S ,如果对任意 y, z S 和 0 1 ,都 有 x y (1 ) z ,则称 x 为 S 的顶点。 定理 2.2.1 线性规划的可行域 D { x Ax b, x 0} 是凸集 定理 2.2.2 任意多个凸集的交还是凸集
(1)若 x k 0 ,令 x k x k
(2)若 中
xk
为符号无限制变量,则 。
xk xk xk
,其
, xk 0 xk
例1
max z 70x1 120x 2 s.t. 9 x1 4 x 2 360 4 x1 5 x 2 200 3 x1 10x 2 300 x1 , x 2 0
管理运筹学第二章线性规划的图解法

02
图解法的基本原理
图解法的概念
图解法是一种通过图形来直观展示线性规划问题解的方法。它通过在坐标系中绘 制可行域和目标函数,帮助我们理解问题的结构和最优解的位置。
图解法适用于线性规划问题中变量和约束条件较少的情况,能够直观地展示出最 优解的几何意义。
图解法的步骤
确定决策变量和目标函数
明确问题的决策变量和目标函数,以便在图 形中表示。
目标函数是要求最小化或最大化的函数,通常表示为 $f(x) = c_1x_1 + c_2x_2 + ldots + c_nx_n$。
04
约束条件是限制决策变量取值的条件,通常表示为 $a_1x_1 + a_2x_2 + ldots + a_nx_n leq b$或 $a_1x_1 + a_2x_2 + ldots + a_nx_n = b$。
LINDO是一款开源的线性规划求解器,用 户可以免费使用。
软件工具的使用方法
Excel
用户需要先在Excel中设置好线性规划模型,然后使 用“数据”菜单中的“规划求解”功能进行求解。
Gurobi/CPLEX/LINDO
这些软件通常需要用户先在软件界面中输入线性规划 模型,然后通过点击“求解”按钮进行求解。
实例三:分配问题
总结词
分配问题是指如何根据一定的分配原则 或目标,将有限的资源分配给不同的需 求方,以最大化整体效益。
VS
详细描述
分配问题在实际生活中广泛存在,如物资 分配、任务分配等。通过图解法,可以将 分配问题转化为线性规划模型,并利用图 形直观地展示最优解的资源分配方案。在 分配问题中,通常需要考虑不同需求方的 重要性和优先级,以及资源的有限性等因 素,以实现整体效益的最大化。
2 线性规划

第一节 线性规划问题及其数学模型
可加性假定:每个决策变量对目标函数和约
束方程的影响是独立于其他变量的,目标函 数值是每个决策变量对目标函数贡献的总和 连续性假定:线性规划问题中的决策变量应 取连续值。 确定性假定:线性规划问题中的所有参数都 是确定的参数。线性规划问题不包含随机因 素。
约 束 方 程
约束条件
变量约束
第一节 线性规划问题及其数学模型
线性规划问题隐含的假定: 比例性假定 可加性假定 连续性假定 确定性假定
比例性假定:决策变量变化引起的目标函数
的改变量和决策变量的改变量成比例,同样, 每个决策变量的变化引起约束方程左端值的 改变量和该变量的改变量成比例
≥0
=
≥0
第一节 线性规划问题及其数学模型
标准型的简缩形式
max Z
c x
j j 1
n
j
s .t
n aij x j bi , i 1,2 , , m j 1 x j 0 , i 1,2 , , m
第一节 线性规划问题及其数学模型
或
松弛变量
a i 1 x 1 a i 2 x 2 a in x n bi
a i 1 x1 a i 2 x 2 a in x n x p bi , x p 0
剩余变量
练习
例:将下列线性规划问题划为标准形式: min Z = x1+3x2
s.t.
6x1+7x28 -x1+3x2-6 x1-x2=3 x10
可行域无界
x1+2x2 10 x2 0 x1
可行域无界
x2
x1 0
第二章线性规划

线性规划研究的问题主要有以下两类。 (1) 给出一定量的人力、物力、财力等资源,如何统筹规划这些有限资源完成最大 任务。 (2) 给定一项任务,如何运筹规划,合理安排,以最少资源来完成它。 线性规划要研究的两类问题中都有一个限制条件:第一类问题是给出一定量的人力、 物力和财力等资源;第二类问题是给定一项任务。这种限制条件可以用一组线性方程组或 线性不等式组来描述。限制条件所要达到的结果称为“目标”,第一类问题的目标是利用有 限资源完成最大任务,第二类问题的目标是以最少资源完成给定任务。可以用一个线性函 数来描述这种目标,称这个线性函数为目标函数。 由此可见,各类问题尽管限制条件与目标不相同,但规划的目的就是使这些资源发挥 最大限度的作用,从而完成最多最大的任务。换句话说,也就是资源的最优利用问题。用 数学形式表示的话,规划的目的就是在给定的限制条件(或称约束条件)下,求目标函数的极 值问题(包括极小值和极大值)。 下面用一个例题来说明线性规划问题的特点。
0.1x1 0.17x2 0.14x3 0.22x4 0.07x5 ≥140 000 平均信用度不低于 6,即
非负约束,即
(11x1 8x2 10x3 4x4 10x5 ) /(5106 ) ≥6 xi ≥ 0 , i =1, 2, 3, 4, 5
综上所述,该问题的数学模型可以表示为
16
第二章 线性规划
三、人力资源问题的数学模型
例 2-4 某商场因为每天顾客的数量不同,所以每天需要的营业员人数也不同。经过统 计分析,商场对营业员的需求量如表 2-5 所示。按照规定,营业员每周工作五天后,连续 休息两天。问:应如何安排营业员的作息,既能满足工作需要,又使得雇佣的营业员人数 最少?
表 2-3 产品规格
产品名称 X
0.1x1 0.17x2 0.14x3 0.22x4 0.07x5 ≥140 000 平均信用度不低于 6,即
非负约束,即
(11x1 8x2 10x3 4x4 10x5 ) /(5106 ) ≥6 xi ≥ 0 , i =1, 2, 3, 4, 5
综上所述,该问题的数学模型可以表示为
16
第二章 线性规划
三、人力资源问题的数学模型
例 2-4 某商场因为每天顾客的数量不同,所以每天需要的营业员人数也不同。经过统 计分析,商场对营业员的需求量如表 2-5 所示。按照规定,营业员每周工作五天后,连续 休息两天。问:应如何安排营业员的作息,既能满足工作需要,又使得雇佣的营业员人数 最少?
表 2-3 产品规格
产品名称 X
最优化方法:第2章 线性规划

Z=CBB-1b+(σm+1,
σm+k ,
xm+1
σn
)
CB B-1b+σ m+k
xn
因为 m+k 0,故当λ→+∞时,Z→+∞。
用初等变换求改进了的基本可行解
假设B是线性规划 maxZ=CX,AX=b,X 0的可行基,则
AX=b
(BN)
XB XN
b
(I,B-1 N)
➢ 若在化标准形式前,m个约束方程都是“≤”的形式, 那么在化标准形时只需在一个约束不等式左端都加上一个松弛变 量xn+i (i=12…m)。
➢ 若在化标准形式前,约束方程中有“≥”不等式, 那么在化标准形时除了在方程式左端减去剩余变量使不等式变 成等式以外,还必须在左端再加上一个非负新变量,称为 人工变量.
单纯形法简介
考虑到如下线性规划问题 maxZ=CX AX=b X 0
其中A一个m×n矩阵,且秩为m,b总可以被调整为一 个m维非负列向量,C为n维行向量,X为n维列向量。
根据线性规划基本定理: 如果可行域D={ X∈Rn / AX=b,X≥0}非空有界, 则D上的最优目标函数值Z=CX一定可以在D的一个顶 点上达到。 这个重要的定理启发了Dantzig的单纯形法, 即将寻优的目标集中在D的各个顶点上。
非基变量所对应的价值系数子向量。
要判定 Z=CBB-1b 是否已经达到最大值,只需将
XB =B-1b-B-1NX N 代入目标函数,使目标函数用非基变量
表示,即:
Z=CX=(CBCN
)
XB XN
=CBXB +CNXN =CB (B-1b-B-1NXN )+CNXN
第二章线性规划的图解法

➢ 答案:
X2 ➢ 最优解为: x1 =15 ,x2=10 40 ➢ 最优值为:z*=2500×15+1500×10
➢
30
=52500
3x2=75
20
(15,10)
10
O
10
20
30
40
50 X1
3x1+2x2=65
2x1+x2=40
五、线性规划问题解的情况
➢ 例1.5的最优解只有一个,这是线性规划问题 最一般的解的情况,但线性规划问题解的情 况还存在其它特殊的可能:无穷多最优解、 无界解或无可行解。
... am1x1+am2x2 +…+amnxn≤( =, ≥ )bm x1 ,x2 ,… ,xn ≥ ( ≤) 0 或无约束
xj为待定的决策变量; cj为目标函数系数,或价值系数、费用系数; aij为技术系数; bj为资源常数,简称右端项; 其中i=1,2,…m; j=1,2,…n
可以看出,一般LP模型的特点: A、决策变量x1,x2,x3,……xn表示要寻求
O
100 200 300
X1
3、无界解的情况
➢若将例1.5的线性规划模型中约束条件1、2的 不等式符号改变,则线性规划模型变为:
➢ 目标函数:Max z= 50x1+100 x2 约束条件:x1+x2 ≥ 300 2x1+x2 ≥ 400 x2≤250 x1 ≥0, x2 ≥0
B、定义决策变量;
C、用决策变量的线性函数形式写出所要追求 的目标,即目标函数;
D、用一组决策变量的等式或不等式来表示在 解决问题过程中所必须遵循的约束条件。
三、线性规划的数学模型
1、LP模型的一般形式 目标函数:
第2章 线性规划(对偶问题)

对偶问题(或原问题)
目标函数为 Min W
n个
约束条件
=
m个
变量
0 0 无约束
约束条件右端项cj 价值系数bi 约束条件的系数矩阵AT
例:
• 写出下面线性规划问 题的对偶问题:
• 1.
max Z 2x1 x2 3x3 x4
x1 x2 x3 x4 5
s.t.
2x1 x2 3x3
原问题(对偶问题)
目标函数 限定向量 价值向量 技术系数 约束条件 变量数目 约束条件个数 变量正负
对偶问题(原问题)
目标函数 价值向量 限定向量 技术系数 对偶变量 约束条件个数 对偶变量数目 约束条件
非对称形式的对偶问题
• 在原线性规划问题为Max型,且变量非负 的前提下:
1. 原问题约束条件是“”型
x1
x3
x4
1
4
x1, x3 0, x2 , x4无约束
• 解:根据上述对偶关 系,可以写出原问题 的对偶问题:
min W 5 y1 4 y2 y3
y1 2 y2 y3 2
s.t.
y1 y1
y2 1 3y2 y3
3
y1
y3
1
y1 0, yLeabharlann 0, y2无约束例:y1
0,
y3
0,
y2无约束
对偶的基本性质
• 原问题: Max Z=CTX
• 对偶问题: Min W=bTY
s.t. AXb X0
s.t. ATY C Y0
• ①对称性:对偶问题的对偶是原问题; • ②弱对偶性:若X是原问题的可行解,Y是
对偶问题的可行解,则CTX bTY
• 弱对偶性的证明: AX’ b X’TAT bT X’TATY’ bTY’
第二章 线性规划的图解法

x2
AB
z
C
D
z=0=50x1+100x2
E
x1
图2-2
12
❖ 目标函数:Maxz = 50 x1 + 100 x2
❖ 约束条件:s.t. x1 + x2 ≤ 300
❖
2 x1 + x2 ≤ 400
❖
x2 ≤ 250
❖
x1 , x2 ≥ 0
❖最优解: x1 =50 x2 = 250
❖例2:某工厂在计划期内要安排生产Ⅰ、Ⅱ 两种产品,已知生产单位产品所需的设备台
- (c1 / c2 ) , 当 -1 - (c1 / c2 ) 0 (*) 时,原最优解仍是最优解。
❖假设产品Ⅱ的利润100元不变,即 c2 = 100,代到式(*)并整理得 0 c1 100
❖假设产品Ⅰ的利润 50 元不变,即 c1 = 50 ,代到式(*)并整理得 50 c2 +
▪ 4.无可行解。若在例1的数学模型中 再增加一个约束条件4x1+3x2≥1200, 则可行域为空域,不存在满足约束条 件的解,当然也就不存在最优解了。
例3.某公司由于生产需要,共需要A,B两种原料至 少350吨(A,B两种材料有一定替代性),其中A原 料至少购进125吨。但由于A,B两种原料的规格不同 ,各自所需的加工时间也是不同的,加工每吨A原料 需要2个小时,加工每吨B原料需要1小时,而公司总 共有600个加工小时。又知道每吨A原料的价格为2万 元,每吨B原料的价格为3万元,试问在满足生产需 要的前提下,在公司加工能力的范围内,如何购买A ,B两种原料,使得购进成本最低?
❖-ai1 x1-ai2 x2- … -ain xn = -bi。
AB
z
C
D
z=0=50x1+100x2
E
x1
图2-2
12
❖ 目标函数:Maxz = 50 x1 + 100 x2
❖ 约束条件:s.t. x1 + x2 ≤ 300
❖
2 x1 + x2 ≤ 400
❖
x2 ≤ 250
❖
x1 , x2 ≥ 0
❖最优解: x1 =50 x2 = 250
❖例2:某工厂在计划期内要安排生产Ⅰ、Ⅱ 两种产品,已知生产单位产品所需的设备台
- (c1 / c2 ) , 当 -1 - (c1 / c2 ) 0 (*) 时,原最优解仍是最优解。
❖假设产品Ⅱ的利润100元不变,即 c2 = 100,代到式(*)并整理得 0 c1 100
❖假设产品Ⅰ的利润 50 元不变,即 c1 = 50 ,代到式(*)并整理得 50 c2 +
▪ 4.无可行解。若在例1的数学模型中 再增加一个约束条件4x1+3x2≥1200, 则可行域为空域,不存在满足约束条 件的解,当然也就不存在最优解了。
例3.某公司由于生产需要,共需要A,B两种原料至 少350吨(A,B两种材料有一定替代性),其中A原 料至少购进125吨。但由于A,B两种原料的规格不同 ,各自所需的加工时间也是不同的,加工每吨A原料 需要2个小时,加工每吨B原料需要1小时,而公司总 共有600个加工小时。又知道每吨A原料的价格为2万 元,每吨B原料的价格为3万元,试问在满足生产需 要的前提下,在公司加工能力的范围内,如何购买A ,B两种原料,使得购进成本最低?
❖-ai1 x1-ai2 x2- … -ain xn = -bi。
2-1线性规划引论-(1) [运筹学]
![2-1线性规划引论-(1) [运筹学]](https://img.taocdn.com/s3/m/e8b076084431b90d6c85c7c1.png)
min Z cij xij ;
aij xij ai (i 1, 2, m, 对机床A i 加工机时的限制); j 1 m s.t. xij b j ( j 1, 2, n, 对零件B j的需要量必须保证); i 1 xij 0(i 1, 2, m; j 1, 2, n).
11
min Z x1 x2 xn ;
例4 运输问题
某航运局现有船只种类、数量以及计划期内各条航线的货运量、 货运成本如下表所示。
编队形式 航线号 船队 类型 1 1 2 3 2 4 1 — 4 27 20 1 2 — 2 4 4 36 72 20 40 拖轮 1 A型 驳船 2 B型 驳船 — 货运成本 (千元/队) 36 货运量 (千吨) 25
解:
当产销平衡(即 ai b j)时,设xij 表示由产地A i 运往销地B j (i 1,2, , m; j 1,2, , n)的运量,
i 1 j 1
m
n
则问题的数学模型为:求xij (i 1,2, , m; )
minZ cij x ij ;
i 1 j 1
编队形式
x1 + x2 + 2x3 + x4 ≤ 30 2x1 + 2x3 ≤34 4x2 + 4x3 + 4x4 ≤52 25x1 + 20x2 xj ≥ 0 j = 1,2,3,4 =200 40x3 + 20x4 =400
船队 用单纯形法可求得: A型 B型 类型 1 2 3 4 拖轮 1 1 2 1 2 — 4
a 1 1 x 1 a 1 2 x 2 a 1 n x n b1 a x a x a x b 22 2 2n n 2 21 1 s.t. a x a x a x b m 2 2 mn n m m1 1 x j 0 ( j 1, 2 , , n )
- 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)。
0
2
x1
x2
4
(4)无可行解(约束条件有矛盾) 如:
0 x1 x2
结论: ①约束集合一定是凸条边形(二维); ②若有最优解,则一定可在多边形顶点获得。
§3单纯形法
单纯形法的基本思路是:根据问题的标准,从可行域中某个基本可行 解(一个顶点)开始,转换到另一个基本可行解(顶点);并且使目标 函数达到最大值时,问题就得到了最优解。即 初始顶点(可行域一顶点)…
那么,约束方程 即 --------有无穷解
令则 那么,约束方程组的解 ,将其称为问题的基本解。 注意:基本解不一定是可行解,若,则称为问题的基本可行解,对应于 基本可行解的基矩阵,称为可行基。
4、最优解:对应于某一可行基,使目标函数获得最优值的基本可行 解,称为最优解。最优解所对应的基矩阵称为最优基。
最优解,最优值 2、两阶段法 前面介绍了大M法,但在电子计算机求解含有人工变量的线性规划 问题时,只能用很大的数代替M,这就可能造成计算上的错误。故再介 绍两阶段法。 第一阶段:不考虑原问题是否存在基可行解;给原问题加入人工变 量,并构成仅含人工变量的目标函数和要求实现最小化,然后用单纯形 法求解上述模型,若得到,这说明原问题存在基可行解,可以进行第二 阶段计算。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 函数行的系数换为原问题的目标函数系数,作为第二阶段计算的初始 表。 例6 试用两阶段法求解。
如果为最优解,则最优值为 判断定理:(对标准型maxZ来讲) (1)若所有,则为最优解。 (2)若所有,且有某个,则LP问题有无穷多个最优解。 (3)若有某个,则不是最优解。 (4)当时,若有一个,且对一切都有,则有无界解(或无最优解)。
3、基变换:确定新的基矩阵的过程
(1)换入变量的确定 选择中的最大者所对应的变量作为换入变量,即
为(-M)(M为任意大的正数),这样目标函数实现最大化时,必需把
人工变量换出。 例5 试用大M法求解 解:化为标准型
CB XB b
3 -1 -1 0 0 -M -M x1 x2 x3 x4 x5 x6 x7
0 x4 11
1 -2 1 1 0 0 0
11
-M x6 3
-4 1 2 0 -1 1 0
3/2
单纯形法计算中用规划确定换出变量时,有时存在两个以上相同的 最小比值,这样在下一次迭代中就有一个或几个基变量等于零,这就出 现了退化解,当出现退化时,进行多次迭代,而基从,又返回到,即出 现计算过程的循环,使永远达不到最优解。为解决这个问题我们介绍勃 兰特规则:
(1)当存在两个或两个以上最大检验数时,选取中下标最小的非基
0 x4 12
3 0 0 1 -2
4
-1 x2 1
0 1 0 0 -1
-
-1 x3 1
-2 0 1 0 0
-
1
-1
3 x1 4
1 0 0 1/3 -2/3
-
-1 x2 1
0 1 0 0 -1
1
-1 x3 1
0 0 1 2/3 -4/3
-
-1/3 -1/3 原问题的最优解为:,最优值为
二、退化(极少出现)
§1 线性规划的数学模型及解的性质
一、数学模型(一般形式)
例1 已知某市有三种不同体系的建筑应予修建,其耗用资源数量及 可用的资源限量如下表,问不同体系的面积应各建多少,才能使提供的 住宅面积总数达到最大?
造价
钢材
水源
砖(块/m2) 人工(工
(元/m2) (kg/m2) (kg/m2)
日/m2)
砖混结 构 大板结 构 大模结 构 资源限 量
解:第一阶段:
CB XB b
00 000 1 1 x1 x2 x3 x4 x5 x6 x7
0 x4 11
1 -2 1 1 0 0 0
11
1 x6 3
-4 1 2 0 -1 1 0
3/2
1 x7 1
-2 0 [1] 0 0 0 1
1
6 -1 -3 1
0 x4 10
3 -2 0 0 0 0 -1
-
1 x6 1
举例说明:
约束矩阵 若取基矩阵 则非基矩阵 基变量,非基变量
∴基本解为 是基本可行解 若取基矩阵 则
-----基本可行解 注意:基本可行解与可行域的顶点坐标是一一对应的。
§2 图解法---主要解决二维线性规划问题
一、按约束条件,绘出解的可行域图形
(20,24) 0
90
40 50
100 x1
40 x2
二、标准型
(一)问题的标准形式:
其中 注意:任何一个一般型都可转化为一个标准型。
(二)标准型的表示方法:
1、和式形式:
2、矩阵形式:
其中 -------价格系数向量 -------资源向量(限定系数向量) -----------约束条件系数矩阵 --------决策变量
3、向量形式:
其中 为约束条件系数矩阵A的第j列。
变量为换入变量,即; (2)当按规则计算时,存在两个或两个以上最小比值时,选取下标
最小的基变量为换出变量。
三、单纯形法小结
类型
Max
min
检验数
判别
一切,最优
一切,最优
确定进基变量
确定出基变量
有唯一最优解
一切
一切
则 注意:松驰变量、剩余变量的价值系数取为0,而人工变量的价值系数 取值为大M。
2、检验 基本可行解 对应的目标函数值
对任意可行解 变化为 即 将其代入目标函数得:
非基变量价值系数 基变量价值系数
当时,的最大值是 即为最优解。 这里,我们称每个为检验数。 当 检验数
第个基变量的价格系数 第个非基变量的价格系数
(三)一般型化为标准型的方法
1、 引进新的目标函数, 则可化为
2、不等式约束
① 引进新的非负决策变量, 使得
称为松弛变量,在目标函数中,其价格系数为0。 ② 引进新的非负决策变量,使得 称为剩余变量,在目标函数中,其价格系数为0。 3、若,即
可变为 4、若某个变量无非负限制,称为自由变量。 令
例3 将下列问题化为标准型 解:标准型为
3.4
–1.2
0 0 1 -3.12 1.16 1 0 0 0.4 -0.2 0 1 0 -0.12 0.16
-1.36 -0.52
90 40 30
30.77 20 100
§4单纯形法的进一步讨论
一、人工变量法
1、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
对结目标函数值不受影响,为此我们假定人工变量在目标函数中的系数
例:(按上例) 解:
7 12 0 0 0
0 360 0 200 0 300
0 240 0 50 12 30
0 84 7 20 12 24
最优解为 最优值为
9 4 10 0 4 5 01 0 3 [10] 0 0 1
7 12
7.8 0 1 0 -0.4 [2.5] 0 0 1 -0.5 0.3 1 0 0 0.1
②存在一定的约束条件,这些约束条件可以用一组线性等式或不等 式来表示。
③都有一个要求达到的目标,它可用决策变量的线性函数(称为目 标函数)来表示;按问题的不同,要求目标函数实现最大化或最小化。
满足以上三个条件的数学模型称为线性规划的数学模型。其一般形 式为:
目标函数 约束条件 可行解:满足约束条件的一组决策变量,称为可行解。 最优解:使目标函数取得最大(小)值的可行解,称为最优解。 最优值:目标函数的最大(小)值,称为最优值。
二、单纯形表:(将上述过程列成表格,便于理解)
对每一个可行基,作一个单纯形表,包括①基可行解②检验数③和 主元素。
…… …… 10 … 0 … 0 1 …0 …
0 0…0 …
列中填入基变量,这里是 列中填入基变量的价值系数,与基变量一一对应,这里是 列中填入约束方程组右端的常数; 行中填入各变量的价值系数 列的数字是在确定换入变量后,按规则计算出来的比值; 行为检验数行,对应各非基变量的检验数。
0 [1] 0 0 -1 1 -2
1
0 x3 1
-2 0 1 0 0 0 1
-
0 -1
13
0 x4 12 0 x2 1 0 x3 1
[3] 0 0 1 -2 2 -5 0 1 0 0 -1 1 -2 -2 0 1 0 0 0 1
0
01 1
最优解为 第二阶段:
CB XB b
3 -1 -1 0 0 x1 x2 x3 x4 x5
≤ ≤≤ ≤
一、单纯形法的求解步骤
(1)寻找初始可行基,并计算初始基本可行解; (2)检验基本可行解是否最优; (3)寻找更好的可得基; (4)重复(2),(3)。
1、初始可行基的确定 i)若A中含有阶单位矩阵,则取。此时, 是可行基
ii)若中不含有m阶单位矩阵,就采用人造基的方法。即增加人工变 量把原问题化为含有的等价问题。(下一节重点讲) 例: 因为系数数阵A中不含有单位矩阵,需增加人工变量化为
(2)换出变量的确定:用最小比值规则(θ规则)
设
则取为换出变量 当时, 则取为换出变量,称为主元素 (3)新基矩阵的确定
如: 解: 取初始基矩阵 那么 基可行解 检验数: 不是最优解,换入变量为
换出变量为(基变量中的第3个变量),主元素为 增广矩阵变换:
新的基矩阵 新基可行解 检验数:
不是最优解。
105
12
110
210
137
30
190
122
25
180
11000万元 2000万千克 15000万块 14700万块