运筹学第二章对偶问题

合集下载

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。

运筹学第2章

China University of Mining and Technology
-43-
运筹学
线性规划的对偶理论
性质3 最优性定理：如果 X 0 是原问题的可行解， 0 是其对偶 Y 问题的可行解，并且:
CX 0 BY 0
即: z w
则 X 0是原问题的最优解，Y 0是其对偶问题的最优解。
T
分别是原问题和对偶问题的可行解。且原问题的目标函数值为
min W 20 y1 20 y2 s.t. y1 2 y2 1 2 y1 y2 2 2y1 3 y2 3 3 y1 2 y2 4 y1 , y2 0
Z CX 10
min W 20 y1 20 y2 s.t. y1 2 y2 1 2 y1 y2 2 2y1 3 y2 3 3 y1 2 y2 4 y1 , y2 0
(DP)
-41China University of Mining and Technology
-44China University of Mining and Technology
运筹学
线性规划的对偶理论
性质4 强(主)对偶性：若原问题及其对偶问题均具有可行解，则两者均具有最优解，且它们最优解的目标函数值相等。
还可推出另一结论：若一对对偶问题中的任意一个有最优解，则另一个也有最优解，且目标函数最优值相等；若一个问题无最优解，则另一问题也无最优解。一对对偶问题的关系，有且仅有下列三种： 1. 都有最优解，且目标函数最优值相等； 2. 两个都无可行解； 3. 一个问题无界，则另一问题无可行解。
-1-
运筹学
学习要点： 1. 理解对偶理论，掌握描述一个线性规划问题的对偶问题。 2. 能够运用对偶单纯形法来求解线性规划问题。 3. 会用互补松弛条件来考虑一对对偶问题的界。

运筹学基础对偶线性规划(2)

y1 +2y2 +y3 ≤ 3
-3y1 +y3 ≤ -5
y1 -y2 +y3＝1
y1 ≥ 0, y2 , y3 ≤ 0
对偶问题（或原问题）目标函数最大化（ maxZ）
n 个约束 m 个变量目标函数价值向量（系数）约束条件限定向量
≤ 约束 ≥
＝
≥0 变量 ≤ 0
无限制
§2.2 线性规划的对偶理论
n 个变量 m 个约束约束条件限定向量（右边项）目标函数价值向量
≥0 变量 ≤ 0
无限制
对偶问题（或原问题）目标函数最大化（ maxZ）
n 个约束 m 个变量目标函数价值向量（系数）约束条件限定向量
≤ 约束 ≥
＝
-2 x1
x3 3
≥ 约束 ≤
≥0 变量 ≤ 0
x1,x2,x3
＝
无限制
原问题线性规划模型对偶线性规划模型
max f 2x1 3x2 min g 8y1 16 y2 12 y3
x1 2 x2 8 s.t.44x1xx,12x2 11620
s.t.
y1 4y2 2 2y1 4y3 3
yi 0,i 1,2,3
下列的表给出了原问题模型和模型的对应关系，这些也可以
≥ 约束 ≤
＝
≥ 约束 ≤
＝
反号
Hale Waihona Puke ≤0 变量 ≥ 0无限制
原问题(maxZ)与对偶之关系：
原问题目标函数max
对偶问题目标函数min
n个
变量
无 00约束
n个约
束
条
件
原问题(maxZ)口诀: 变量决定约束是同号
约 m个

运筹学课件第二章对偶问题

第二章线性规划的对偶理论与灵敏度分析一、学习目的与要求 1、掌握对偶理论及其性质 2、掌握对偶单纯形法3、熟悉灵敏度分析的概念和内容4、掌握限制常数与价值系数、约束条件系数的变化对原最优解的影响5、掌握增加新变量和增加新的约束条件对原最优解的影响，并求出相应因素的灵敏度范围6、了解参数线性规划的解法二、课时 6学时第一节线性规划的对偶问题一、对偶问题的提出定义：一个线性规划问题常伴随着与之配对的、两者有密切联系的另一个线性规划问题，我们将其中一个称为原问题，另一个就称为对偶问题，在求出一个问题的解时，也同时给出了另一问题的解。

应用：在某些情况下，解对偶问题比解原问题更加容易；对偶变量有重要的经济解释(影子价格)；作为灵敏度分析的工具；对偶单纯形法(从一个非可行基出发，得到线性规划问题的最优解)；避免使用人工变量(人工变量带来很多麻烦，两阶段法则增加一倍的计算量)。

例：某家具厂木器车间生产木门与木窗；两种产品。

加工木门收入为56元/扇，加工木窗收入为30元/扇。

生产一扇木门需要木工4小时，油漆工2小时；生产一扇木窗需要木工3小时，油漆工1小时；该车间每日可用木工总共时为120小时，油漆工总工时为50小时。

问：(1)该车间应如何安排生产才能使每日收入最大？(2)假若有一个个体经营者，手中有一批木器家具生产订单。

他想利用该木器车间的木工与油漆工来加工完成他的订单。

他就要考虑付给该车间每个工时的价格。

他可以构造一个数学模型来研究如何定价才能既使木器车间觉得有利可图而愿意为他加工这批订单、又使自己所付的工时费用最少。

解(1)：设该车间每日安排生产木门x1扇，木窗x2扇，则数学模型为⎪⎩⎪⎨⎧≥≤+≤++=-0502120343056max 21212121x x x x x x x zX*=(15,20)’ Z*=1440元解(2)：设y 1为付给木工每个工时的价格，y 2为付给油工每个工时的价格⎪⎩⎪⎨⎧≥≥+≥++=-0303562450120min 21212121y y y y y y y wY*=(2,24)’ W*=1440元将上述问题1与问题2称为一对对偶问题，两者之间存在着紧密的联系与区别：它们都使用了木器生产车间相同的数据，只是数据在模型中所处的位置不同，反映所要表达的含义也不同。

运筹学--第二章线性规划的对偶问题

习题二2.1 写出下列线性规划问题的对偶问题(1) max z ＝10x1＋x2＋2x3(2) max z ＝2x1＋x2＋3x3＋x4st. x1＋x2＋2 x3≤10 st. x1＋x2＋x3 ＋x4≤54x1＋x2＋x3≤20 2x1－x2＋3x3＝－4x j≥0 （j＝1,2,3）x1－x3＋x4≥1x1，x3≥0，x2，x4无约束(3) min z ＝3x1＋2 x2－3x3＋4x4(4) min z ＝－5 x1－6x2－7x3st. x1－2x2＋3x3＋4x4≤3 st. －x1＋5x2－3x3≥15x2＋3x3＋4x4≥－5 －5x1－6x2＋10x3≤202x1－3x2－7x3 －4x4＝2＝x1－x2－x3＝－5 x1≥0，x4≤0，x2，，x3无约束x1≤0，x2≥0，x3无约束2.2 已知线性规划问题max z＝CX，AX=b，X≥0。

分别说明发生下列情况时，其对偶问题的解的变化：（1）问题的第k个约束条件乘上常数λ（λ≠0）；（2）将第k个约束条件乘上常数λ（λ≠0）后加到第r个约束条件上；（3）目标函数改变为max z＝λCX（λ≠0）；'x代换。

（4）模型中全部x1用312.3 已知线性规划问题min z＝8x1＋6x2＋3x3＋6x4st. x1＋2x2＋x4≥33x1＋x2＋x3＋x4≥6x3 ＋x4＝2x1 ＋x3 ≥2x j≥0（j＝1,2,3,4）(1) 写出其对偶问题；(2) 已知原问题最优解为x*＝（1，1，2，0），试根据对偶理论，直接求出对偶问题的最优解。

2.4 已知线性规划问题min z＝2x1＋x2＋5x3＋6x4 对偶变量st. 2x1 ＋x3＋x4≤8 y12x1＋2x2＋x3＋2x4≤12 y2x j≥0（j＝1,2,3,4）对偶问题的最优解y1*=4；y2*=1，试对偶问题的性质，求出原问题的最优解。

2.5 考虑线性规划问题max z＝2x1＋4x2＋3x3st. 3x1＋4 x2＋2x3≤602x1＋x2＋2x3≤40x1＋3x2＋2x3≤80x j≥0 （j＝1,2,3）４７４８（1）写出其对偶问题（2）用单纯形法求解原问题，列出每步迭代计算得到的原问题的解与互补的对偶问题的解；（3）用对偶单纯形法求解其对偶问题，并列出每步迭代计算得到的对偶问题解及与其互补的对偶问题的解；（4）比较（2）和（3）计算结果。

运筹学第二章对偶问题

DUAL PRICES
1.500000 0.125000 0.000000
影子价格（对偶问题的解）
迭代（旋转）次数 NO. ITERATIONS= 2
用软件分析
目标不变下要素的变化范围 RANGES IN WHICH THE BASIS IS UNCHANGED:
目标系数的变化范围
VARIABLE
CB XB b y1 y2 y3 y4 y5 y6ቤተ መጻሕፍቲ ባይዱy7
i
M y5 2 1 4 0 1 1 0 0
M y7 3 2
0 [ 4] 0
0 1 1
3/4
83M 164M 124M M 0
M0
8 16 12 0 M 0 M
CB XB b y1 y2 y3 y4 y5 y6 y7
i
M y5 2 1
4 0 1 1 0 0
M0
3 M－3
8 16 12 0 M 0 M
CB XB b y1 y2 y3 y4 y5 y6 y7
i
M y5 2
1 [ 44 ] 0 1 1
0 0 1/2
12 y3 3/4 1/2 0 1
0 0 1/4 1/4 －
2-M 16-4M 0
M0
3 M－3
8 16 12 0 M 0 M
CB XB b y1 y2 y3 y4 y5 y6 y7
两边乘以“1”
5x1 3x2 + x3 200 5x1 3x2 + x3 200
Max z = 3x1 +4x2 +6x3 St. 2x1 +3x2 +6x3 440 6x1 +4x2 + x3 100 对偶 5x1 3x2 + x3 200 5x1 +3x2 x3 200 x1 ，x2 ，x3 0

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

运筹学第二章第6讲

12
例题4：写出以下模型的对偶问题
max z = 3 x1 − 2 x2 − 5 x3 + 7 x4 + 8 x5 x2 − x3 + 3 x4 − 4 x5 = −6 2 x1 + 3 x2 − 3 x3 − x4 ≥ 2 − x1 + 2 x3 − 2 x4 ≤ −5 s.t. − 2 ≤ x1 ≤ 10 5 ≤ ≤ 25 x2 , ≥ 0, 为自由变量 x5 x3 x4
OR1
对偶问题（或原问题）对偶问题（或原问题）目标函数 MinW
约束条件数：约束条件数：n 第i个约束条件类型为“≥” 个约束条件类型为“ ” 个约束条件类型为个约束条件类型为“ ” 第i个约束条件类型为“≤” 个约束条件类型为个约束条件类型为“ 第i个约束条件类型为“=” 个约束条件类型为对偶变量数：个对偶变量数：m个第i个变量个变量≥0 个变量个变量≤0 第i个变量个变量第i个变量是自由变量个变量是自由变量
OR1
15
2 弱对偶性：极大化原问题的任一可行解的目标弱对偶性：函数值不大于其对偶问题任意可行解的目标函数值。即： C X≤ Yb
证明：设原问题为maxZ=CX, AX ≤b ，X ≥0. ≥0. 证明：原问题为maxZ=CX,
为原问题的可行解， ≤b， X 为原问题的可行解，有AX ≤b，
二.对偶线性规划的定义对偶线性规划的定义
max Z = CX ( LP ) AX ≤ b S .T . X ≥ 0
称线性规划(DLP)为线性规划为线性规划(LP)的对偶线性规划称线性规划为线性规划的对偶线性规划
minω = yb ( DLP ) yA ≥ C S .T . y ≥ 0

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

运筹学对偶理论

max ω=7y1+4y2-2y3 2y1+ y2- y3 ≤3 y1 +3y3 ≤2 ≤ 4 -4y1+ 2y2 ≤-6 =-2 y1 -y2 -y3 ≥ 0 3y1 +y3=1 y1 ≥ 0y2 ≤ 0y3 无约束
11 12
13 14 15 16 17 18 19 20 21 22 23
例对偶问题的基本性质 • 对称性：对偶问题的对偶问题是原问题 • 弱对偶性：极大化原问题的任一可行解的目标函数值，不大于其对偶问题任意可行解的目标函数值 (鞍型图) • 无界性：原问题无界，对偶问题无可行解 • 对偶定理：若一个问题有最优解，则另一问题也有最优解，且目标函数值相等。若原问 -1 题最优基为B，则其对偶问题最优解Y*=CBB • 互补松弛性：对偶的对偶弱对偶定理强对偶定理对偶解定理最优解定理互补松弛定理互补松弛定理的应用
24
第二章对偶理论 • 这说明yi是右端项bi每增加一个单位对目标函数Z的贡献。 • 对偶变量 yi在经济上表示原问题第i种资源的边际价值。 • 对偶变量的值 yi*所表示的第i种资源的边际价值，称为影子价值。若原问题的价值系数Cj表示单位产值，则yi 称为影子价格。若原问题的价值系数Cj表示单位利润，则yi 称为影子利润。第二章对偶理论 • 影子价格不是资源的实际价格，而是资源配置结构的反映，是在其它数据相对稳定的条件下某种资源增加一个单位导致的目标函数值的增量变化。 • 对资源i总存量的评估：购进 or 出让 • 对资源i当前分配量的评估：增加 or 减少 ①它表明了当前的资源配置状况，告诉经营者应当优先增加何种资源，才能获利更多。 ②告诉经营者以怎样的代价去取得紧缺资源。
1
2
3

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

《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

运筹学-对偶问题

对偶问题的应用场景
资源分配问题
在资源有限的情况下，如何合理分配资源以达到最优目标。
运输问题
如何制定运输计划，使得运输成本最低且满足运输需求。
生产计划问题
如何制定生产计划，使得生产成本最低且满足市场需求。
投资组合优化问题
如何选择投资组合，使得投资收益最大且风险最小。
02
对偶问题在运筹学中的重要性
对偶问题的理论完善与深化
对偶理论的数学基础
进一步深入研究对偶理论的数学基础，包括对偶映射、对偶函数、对偶不等式等，为解决对偶问题提供更坚实的理论基础。
对偶问题的转化与求解
研究如何将复杂的对偶问题转化为更容易求解的形式，或者设计有效的求解方法，以提高对偶问题的求解效率。
对偶理论与实际应用的结合
在对偶理论不断完善的基础上，进一步探索如何将其应用于实际问题中，以解决实际问题的优化问题，提高决策的科学性和效率。
在整数规划中，对偶问题通常是指将原问题的约束条件或目标函数进行一些变换，使得原问题与对偶问题在结构上存在一定的对称性。
对偶问题的性质
02
01
03
对偶问题的最优解与原问题的最优解具有密切关系。
在线性规划中，如果原问题是最大化问题，则对偶问题是最小化问题，反之亦然。
在整数规划中，对偶问题的约束条件和目标函数通常与原问题存在一定的对称性。
02 求解步骤
03 1. 定义原问题和对偶问题。
04
2. 利用状态转移方程和最优子结构性质，求解对偶问题。
05 3. 利用对偶问题的解，求解原问题。
博弈论中的对偶策略
1. 定义博弈中的策略空间和支付函数。
求解步骤
2. 构造对偶问题。

运筹学第二章线性规划的对偶理论复习题

min w = 5 y１ + 12 y２ st. y１ + 2 y２ ≥ 2 y１ + 3 y２ ≥ 1 2y１ + 4 y２ ≥ 3 y１ ≥ 0，y２无符号限制
2， 0)T ；（2）由题知原问题的最优解为 x* = (3，
5
由互补松弛定理得：在对偶问题中对应第一，二个约束为紧，第三个约束条件为松，即，
max z = x1 + x2
s.t.
− x1 + x2 + x3 ≤ 2 − 2 x1 + x2 − x3 ≤ 1 x1 , x2 , x3 ≥ 0
有可行解，但无最优解.
⎛0⎞ ⎟ 证明： x = ⎜ ⎜0⎟ ⎜0⎟ ⎝ ⎠
是线性问题的可行解，即该问题存在可行解；
又∵其对偶问题为：
min w = 2 y１ + y２ st. -y１ − 2 y２ ≥ 1
x1 + x 2 − x3 ≤ 2 x1 − x 2 + x3 = 1 2 x1 + x2 + x3 ≥ 2
x1 ≥ 0, x 2 ≤ 0, x3无约束
的最大值不超过 1. 证明：该线性问题的对偶问题为：
min w = 2 y１ + y２ + 2 y３ st. y１ + y２ + 2 y３ ≥ 1 y１ − y２ + y３ ≤ 2 -y１ + y２ + y３ = 1 y１ ≥ 0，y２自由，y３ ≤ 0
7、考虑下列原始线性规划
max z = 2 x1 + x2 + 3x3
s.t.
x1 + x2 + 2 x3 ≤ 5 2 x1 + 3x 2 + 4 x3 = 12

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。

运筹学第2章线性规划的对偶问题

第2章线性规划的对偶理论与灵敏度分析
§2.1 线性规划的对偶问题
随着线性规划应用的逐步加深，人们发现每一个线性规划问题都存在一个与之对应的、具有密切关联的线性规划问题，其中一个称为原问题，另一个称为对偶问题（Dual linear programming，DLP）。对偶问题不仅具有优良的数理性质，而且还有着重要的实际意义，尤其在生产运营管理中有明显的经济含义。对偶理论充分显示出线性规划理论逻辑上的严谨性和结构上的对称性，使线性规划理论更加丰富，应用领域更为广泛。
yi 0 (i 1,2,3)
则得如下的线性规划模型：
min w 48 y1 20 y2 8 y3 8 y1 4 y2 2 y3 600 6 y 2 y2 1.5 y3 300 s.t. 1 y1 1.5 y2 0.5 y3 200 y , y , y 0 1 2 3
max z 2 y1 5 y2 9 y3 y1 3 y2 2 y3 3 2 y y 2 y 1 1 2 3 5 y1 y2 3 y3 1 y1无约束,y2 0, y3 0,
max z 600 x1 300 x2 200 x3 8 x1 6 x2 x3 48 4 x1 2 x2 1.5 x3 20 s.t 2 x1 1.5 x2 0.5 x3 8 x , x , x 0 1 2 3
x1 2, x2 0, x3 8
（2.1.6）
设 yi (i 1,2,, m) 表示第i种资源的定价，则其对偶问题的形式为：
min w b1 y1 b2 y2 ... bm ym a11 y1 a21 y2 ... am1 ym c1 a y a y ... a y c 12 1 22 2 m2 m 2 s.t. a y a y ... a y c mn m n 1n 1 2 n 2 y1 , y2 , , ym 0

运筹学第二章对偶问题

运筹学课件 第2章：线性规划的对偶理论

运筹学第2章

运筹学基础对偶线性规划(2)

运筹学课件第二章对偶问题

运筹学--第二章 线性规划的对偶问题

运筹学第二章对偶问题

运筹学第二章线性规划的对偶理论

运筹学第二章第6讲

运筹学第2章-线性规划的对偶理论

运筹学对偶理论

运筹学第2章 对偶理论

《运筹学》第二章 对偶问题

运筹学-对偶问题

运筹学第二章线性规划的对偶理论复习题

运筹学第二章——第八节—线性规划的对偶理论

运筹学第2章线性规划的对偶问题

运筹学课件第2章：线性规划的对偶理论

运筹学--第二章线性规划的对偶问题

运筹学第2章对偶理论

《运筹学》第二章对偶问题