最优化 5 灵敏度分析
图论与网络最优化算法答案
图论与网络最优化算法答案【篇一：《运筹学》复习题】一、名词解释1松弛变量为将线性规划问题的数学模型化为标准型而加入的变量。
2可行域满足线性约束条件的解（x,y）叫做可行解，由所有可行解组成的集合叫做可行域。
3人工变量亦称人造变量.求解线性规划问题时人为加入的变量。
用单纯形法求解线性规划问题，都是在具有初始可行基的条件下进行的,但约束方程组的系数矩阵a中所含的单位向量常常不足m个，此时可加入若干(至多m)个新变量，称这些新变量为人工变量。
4对偶理论每一个线性规划问题都存在一个与其对偶的问题，在求出一个问题解的同时，也给出了另一个问题的解。
研究线性规划中原始问题与对偶问题之间关系的理论5灵敏度分析研究与分析一个系统（或模型）的状态或输出变化对系统参数或周围条件变化的敏感程度的方法。
在最优化方法中经常利用灵敏度分析来研究原始数据不准确或发生变化时最优解的稳定性。
通过灵敏度分析还可以决定哪些参数对系统或模型有较大的影响。
6影子价格反映资源配置状况的价格。
影子价格是指在其他资源投入不变的情况下,每增加一单位的某种资源的投入所带来的追加收益。
即影子价格等于资源投入的边际收益。
只有在资源短缺的情况下,每增加一单位的投入才能带来收益的增加7产销平衡运输一种特殊的线性规划问题。
产品的销售过程中，产销平衡是指工厂产品的产量等于市场上的销售量。
8西北角法是运筹学中制定运输问题的初始调运方案（即初始基可行解）的基本方法之一。
也就是从运价表的西北角位置开始，依次安排m个产地和n个销地之间的运输业务，从而得到一个初始调运方案的方法。
9最优性检验检验当前调运方案是不是最优方案的过程。
10动态规划解决多阶段决策过程优化问题的方法：把多阶段过程转化为一系列单阶段问题，利用各阶段之间的关系，逐个求解11状态转移方程从阶段k到k+1的状态转移规律的表达式12逆序求解法在求解时，首先逆序求出各阶段的条件最优目标函数和条件最优决策，然后反向追踪，顺序地求出改多阶段决策问题的最优策略和最优路线。
灵敏度分析5种实例
Maxz=2x1+3X2+4x3x1+2X2+x i+x4=3S.t2x l-x2+3x3-x5=4x1,∙∙∙,x5≥0基变量xl=2,x2=3；非基变量x3=x4=x5=O;由约束条件得基变量用非基变量表示为p=⅛-5⅞-⅛^4÷y⅞[j⅛=f+∣Λ⅛-⅜X4-⅜X5目标函数中基变量用非基变量代入后Z=14-fx3-fx4-fx5o（1）当目标函数中系数Ci变化时（只要考虑最优性条件）：设目标函数变为MaX z,=cx l+3X2+4x3目标函数中基变量用非基变量代入2=⅛c+f-（yC-^）x3-（y+fc）x4-（⅜-jc）%5所以如果“-等，∣+⅛C,∣-⅜C≥0,则符合最优解判别条件，所以目标函数最优性不变z=∙⅛c+/由“一等，f+⅛c,£一"之0解得最优性不变的C的范围。
否则，即如果超出该范围，则重新用单纯形法求解。
（2）当约束条件右边常数2变化时（先考虑可行性条件看最优基是否变化，再考虑）：x1+2X2+x3+x4=b设约束条件变为2X1-X2+3X3-X5=4X I,∙∙∙,Λ5≥0先假设基没有变，所以令非基变量x3=x4=x5=0代入约束条件解得为4,JX2=2^-4根据可行性条件，必须和％≥o,解得匕的范围，即在此范围内最优基不变（最优解可能变化，要另外去求）。
否则，即如果超出该范围，则重新用单纯形法求解。
（3）当约束条件中价值系数传变化时（先看可行性条件看最优基是否变化,再考虑最优值）：a ll x l+Ix1+x3+X4=3设约束条件变为，2X1-X2+3X3-X5=4x1,∙∙∙,x5≥0Ir=5先假设基没有变，所以令非基变量x3=x4=x5=0代入约束条件解得解得为｛,^v_2q∣-36(x21Il根据可行性条件，必须%,马≥0,解得。
”的范围，即在此范围内最优基不变(最优解可能变化，要另外去求)。
否则，即如果超出该范围，则重新用单纯形法求解。
最优化理论与算法：灵敏度分析概述
例：某工厂在计划期内要安排生产两种产品，已知生产 单位产品所需的设备台时及A、B两种原材料的消耗为： 产品1 产品2 8台时 1 2 设备 16kg 0 原材料A 4 12kg 4 原材料B 0 该工厂每生产一件产品1可获利2元，每生产一件产品2 可获利3元，问应如何安排计划，使该工厂获利最多？
j为非基变量下标
在原单纯形表中将zk-ck换成zk’-ck’, 然后在 原表中用单纯性法求新问题的解。
2、基变量xr的系数cr改变为c’r=cr+ห้องสมุดไป่ตู้cr
z 'j c 'j c 'B B 1 Pj c ' j cB cB B 1 Pj c ' j cB B 1 Pj c j cB B 1Pj c j c 'j z j c j cB y j c j c 'j 若j r , 有 z 'j c 'j z j c j 0 zr' cr' zr cr 0 cr cr 0 y j z j c j cr yrj ; 0 y j cr cr'
max 2 x1 3 x2 s.t x1 2 x2 8 4x1 16 4 x2 12 x j 0 j 1,2
min 2 x1 3 x2 s.t x1 2 x2 x3 4x1 4 x2 x4 8 16 x5 12
2(2)灵敏度分析
c j→ CB 0 2 1 0 2 基 x3 x1 x2 cj-zj x3 x1 15 5 b 35/2 11/2 -1/2
2 x1 0 1 0 0 0 1
1 x2 0 0 1 0 5 1
0 x3 1 0 0 0 1 0
0 x4 5/4 1/4 [-1/4] -1/4 0 0
0 x5 -15/2 -1/2 3/2 -1/2 0 1
-7
0 [2] 1 0 0 1 0
-1/2 0
最优生产计划应为每天生产7/2件家电Ⅰ， 51/4件家电Ⅲ。
分析参数aij的变化
灵 敏 度 分 析 举 例
例 在美佳公司的例子中，若家电Ⅱ每件需设备A,B和 调试工时变为8h、4h、1h，该产品的利润变为3元/件， 试重新确定该公司最优生产计划。
设生产工时变化后的新家电Ⅱ的生产量为x2′，其中：
（2）若家电Ⅰ的利润不变，则家电Ⅱ的利润在什 么范围内变化时，该公司的最优生产计划将不发 生变化？ 设家电Ⅱ的利润为（1+λ）元，如下
项目 CB 基 b 2 x1 1+λ x2 0 x3 0 x4 0 x5
0
2 1+λ
x3
x1 x2 cj-zj
15/2
7/2 3/2
0
1 0 0
0
0 1 0
1
0 0 0
15 / 2 1 / 2 3/2 3 7 4 0 2 2
1 P 6 0 0
5/4 1/ 4 1 / 4
cj→ CB 基 b
2 x1
1 x2
0 x3
0 x4
0 x5
3 x6
灵 敏 度 分 析 举 例
第3章 线性规划灵敏度分析与最优解的解释
使用Excel Excel进行灵敏度分析 3.4 使用Excel进行灵敏度分析 LINGO的灵敏度分析报告 3.5 LINGO的灵敏度分析报告
�
x2
5 4 Q4 3 2 5x1+2x2=20 (1.5, 3.25) 4x2=13 Q3 (2,3) Q2(3,2.5) x1+2x2=8 Q1 1 2 3 4 5
1.5 X = 3.25
*
ቤተ መጻሕፍቲ ባይዱz = 19.25
*
1 0
x1
对偶价格: 对偶价格:约束条件右端项每增加一个单位引起的最优 值的改进量称为对偶价格. 值的改进量称为对偶价格.
max
z = 2 x1 + 5 x2 x1 + 2 x2 ≤ 8 5 x + 2 x ≤ 20 1 2 4 x2 ≤ 12 x1 , x2 ≥ 0
x2
5 4 3 2 1 0 Q1 1 2 3 4 5 Q4 5x1+2x2=20 Q3 (2,3) 4x2=12 Q2 (3,2.5) x1+2x2=8
线性规划的灵敏度分析与最优解的解释31灵敏度分析简介32图解法与灵敏度分析321目标函数系数322约束条件右端值204x32523直线q204x3252315325对偶价格
第3章 线性规划的灵敏度分析 与最优解的解释 3.1 灵敏度分析简介 3.2 图解法与灵敏度分析 3.2.1 目标函数系数 3.2.2 约束条件右端值
灵敏度分析: 3.3 灵敏度分析:计算机求解 Scientist) (Management Scientist)
目标函数系数的100%法则: 法则: 目标函数系数的 法则 对所有变化的目标函数系数, 对所有变化的目标函数系数,计算其占允许增加量和 允许减少量的百分比之和.如果和没有达到100%,最优 允许减少量的百分比之和.如果和没有达到 , 解就不会改变. 解就不会改变. 约束条件右端值的100%法则: 法则: 约束条件右端值的 法则 对所有变化的右端值, 对所有变化的右端值,计算其占允许增加量和允许减 少量的百分比之和.如果和没有达到100%,对偶价格就 少量的百分比之和.如果和没有达到 , 不会改变. 不会改变.
北邮最优化课件 5对偶理论与灵敏度分析
极大化目标函数
x, y 0.
2013-8-6
可行解
最优化理论 4
4. 对偶问题（续二）
对比一下从消费者和供应商各自的利益导出的两个问题， 我们不难发现两个问题可以通过下述简单的变换，而相互转 化： 极小化费用 Min 大于等于约束 食品费用 极大化利润Max 小于等于约束 价格约束
当你把食谱问题的对偶问题解出以后（练习），你会发现 一个（重要的）事实：这两个问题的最优值是相等的！ 思考题：在数学上，是不是还有一些对偶的问题和概念？
因此, 对偶可行性和互补松弛条件在此情况下得以满足. 但除非xB B -1b 0, 原可行性才会被满足.换言之, 在达到 最优解前,至少存在一个p B (原问题基变量的下标集) 使得x p 0, 对偶单纯形法将重置xB 0(即是从基变量中 结束x p ),以及选择一个"适当"的非基变量xq B进基当然 . 在旋转运算中对偶可行性和互补松弛条件将被保持(关键)
2013-8-6 最优化理论 28
4. 对偶理论—对偶单纯形法2
注:对偶可行的基本解不一定是原问题的可行解.若还是原问 题的可行解,则此解即为最优解.
回忆(修正)单纯形法的基本思路是保持原问题的可行性 和互补松弛条件下,在它的最优解上寻求对偶问题的可行性. 类似的,对偶单纯形法的基本思路是:在保持对偶可行性和 互补松弛条件下,在它的最优解上寻求原问题的可行性.
2013-8-6
最优化理论
18
4. 对偶理论15 5. 对偶理论
P D 有限最优解 无界 不可行
有限最优解
无界
不可行
定理4.1.2 设(4.1.1)和(4.1.2)中有一个问题存在最优 解，则另一个问题也存在最优解，且这两个问题 的最优目标函数值相等。 证明：设(4.1.1)存在最优解。引进松弛变量，将 （4.1.1）写成等价形式：
灵敏度分析
≥0 <0
可行解 可行解 非可行解
单纯形法继续迭代求最优解 非可行解 用单纯形法继续迭代求最优解
非可行解 非可行解 引进人工变量，编制新的单纯形表重 引进人工变量， 新计算 第15页 页
灵敏度分析的主要内容
max z = ∑c j x j
s.t.
n
1. 分析 cj 的变化 2. 分析 bi 的变化
≥0 <0
可行解 可行解 非可行解
单纯形法继续迭代求最优解 非可行解 用单纯形法继续迭代求最优解 用对偶单纯形法继续迭代求最优解 对偶单纯形法继续迭代求最优解
非可行解 非可行解 引进人工变量，编制新的单纯形表重 引进人工变量， 新计算 第12页 页
分别在什么范围变化时，最优基不变？ 例1-2 分析λi分别在什么范围变化时，最优基不变？
max z = 2x1 + 3x2 max z = 2 x1 + 3 x2 变化
s.t. 2x + 2x ≤ 12 1 2
4x1 ≤ 16 5x2 ≤ 15 x1, x2 ≥ 0
s.t. 2x + 2x ≤ 12 +λ 1 2 1
4x1 ≤ 16 +λ2 5x2 ≤ 15 +λ3 x1, x2 ≥ 0
非基变量 XN B-1N CN－CBB-1N Xs B-1
－CBB-1
基变量 XB I 0
XB
B-1b
Y*T= CBB-1 Z*=CBB-1b
X B' = B (b + ∆b)
原问题
cj − zj
对偶问题 可行解 可行解
结论或继续计算的步骤 问题的最优解或最优基不变 用对偶单纯形法继续迭代求最优解 对偶单纯形法继续迭代求最优解
灵敏度分析图解法
若 c1增加16 —x2
（c2
不变）
14 —
=
-
c1x1 c2
+
Z c2
灵敏度分析 —图解法
12 —
2x1 + x2 16
10 — B
8—
C
6—
4—
2x1 + 2x2 18
新的最优解
D 4x1 + 6x2 48
2—
0
A
|| 24
|||| |||
6 E 8 10 12 14 16 18
x1
目标函数的系数
– 当这些系数在什么范围内变化时，原最优解 仍保持不变？
– 若最优解发生变化，如何用最简单的方法找 到现行的最优解？
• 研究内容：
研究线性规划中，aij , bi , c j 的变化对最
优解的影响。
研究方法：
➢ 图解法
仅适用于含2个变量 的线性规划问题
➢ 对偶理论分析
在单纯形表中 进行分析
灵敏度分析——图解法
最优解 (3,6)
4x1+ 6x2=48 2x1+ 2x2 =18
4—
4x1 + 6x2 48
2—
D
0
A
|| 24
| 6
||| ||| 8 10 12 14 16 18
x1
E (8,0)
目标函数的系数
34x1 + 40x2 = Z 18 —40x2 = - 34x1 + Z
16 —
x2
=
-
34x1 40
34x1 + 40x2 = Z 18 —40x2 = - 34x1 + Z
16 —
灵敏度分析
XB + B-1 N XN + B-1 IXS = B-1 b
XB ，XN ，XS ≥ 0
灵敏度分析的步骤可归纳如下： 1. 将参数的改变通过计算反映到最终单纯形表上来： 具体计算方法是，按下列公式计算出由参数 aij , bi 的变化而引起 的最终单纯行表上有关数字的变化。
Pj' B 1Pj ;（ Pj 为第j列）
对应I 式的单纯形表—— I 表
XB XN XS
解
B CB
N C’N
I 0
系数时，若要保持最优解
（或基）不变，则必须满足：
b 0
C’N – CB B -1N ≤0
XB
对应B 式的单纯形表—— B 表
XN XS
解
I
0
B -1N
C’N – CB B -1N
B -1
- CB B -1
B b
C B b
1 B
2. 检查原问题是否仍为可行解； 3. 检查对偶问题是否仍为可行解； 4. 按下表所列情况得出结论或决定继续计算步骤。
b ' B 1b;
线性规划原问题单纯形法对应的 I 表中参数的变化
将引起B 表中对应参数的变化情况表：
原问题
可行解 可行解 非可行解 非可行解
对偶问题
可行解 非可行解 可行解 非可行解
C = （c1 ，c2 ，…，cn ） 其中 X= b1 b2 . . . bm
x1 x2 . . . xn
XS =
xS1 xS2 . . . xSm
b=
对于前面给定符合典式的线性规划问题中，初始基矩 阵为 I ，基变量为 XS ，即松弛变量。其对应的初始 单纯形表如下： I 表（初始表）
最优化 5 灵敏度分析
T
引入松弛变量x4，得最优表 x1 x2 x3 x4 x2 1 1 1 0 4 x4 5 0 2 1 14 -3 0 -3 0 -8 增加新约束： x 2 1 x 2 2x 3
例：某工厂在计划期内要安排生产两种产品，已知生产 单位产品所需的设备台时及A、B两种原材料的消耗为： 产品1 产品2 8台时 1 2 设备 16kg 0 原材料A 4 12kg 4 原材料B 0 该工厂每生产一件产品1可获利2元，每生产一件产品2 可获利3元，问应如何安排计划，使该工厂获利最多？
m ax 2x x2 1 3 s.t x 1 2x 2 8 4x 1 16 4x2 12 xj 0 j 1,2
1
x1 x2 -2 x4 -3 3
x2 1 0 0
x3 1 2 -3
x4 0 4 1 14 0 -8
无界！
一般的，当非基列Pj→Pj’， 若zj’-cj≤0，则原最优解也是新问题的最优解。 若zj’-cj >0，则把yj→yj’, zj-cj → zj’-cj 迭代。
2. 基列Pj→Pj’ 重新计算
B1b 0 可 行 性
cBB1Ac 0 最 优 性 （ 对 偶 可 行 ）
一、价值系数向量c的变化来自 Lin cx m .. A x b st x 0
设(L)的最优解为xB=B-1b, xN=0, fmin=cBB-1b
1、非基变量xk的系数ck改变为 c’k
m in 2x x2 1 3 s.t x 1 2x 2 x 3 4x 1 4x2 8 x5 12 x4 16
xj 0 j 1,2,3,4,5
x1
x2 2 0 4 3
x3 1 0 0 0
第三章 线性规划的灵敏度分析和最优解的解释
3.1 灵敏度分析简介
灵敏度分析是研究线性规划的参数(非可控输入)发生 变化对最优解的影响程度
线性规划的参数包括：
• 目标函数系数 • 约束条件右侧值 • 约束条件系数矩阵
最优解中包含的信息：
• 目标函数值 • 决策变量值 • 递减成本(reduced cost) • 松弛/剩余变量
4
3.1 灵敏度分析简介
利用Lingo 软件做灵敏度分析
16
17
利用Excel做灵敏度分析
Microsoft Excel 16.0 敏感性报告 工作表: [数据模型与决策第3章例题.xlsx]第三章例题1 报告的建立: 2021/5/29 10:48:56
可变单元格
单元格 $B$15 $C$15
名称 决策变量值 x1 决策变量值 x2
作者
John Loucks
St. Edward’s University
1
第三章 线性规划的灵敏度分析和最优解的解释
3.1 灵敏度分析简介 3.2 目标函数系数变化的分析 3.3 约束条件右端值变化的分析 3.4 传统灵敏度分析的局限性
2
第三章 线性规划的灵敏度分析和最优解的解释
3.1 灵敏度分析简介 3.2 目标函数系数变化的分析 3.3 约束条件右端值变化的分析 3.4 传统灵敏度分析的局限性
6
x1 < 6
2x1 + 3x2 < 19 x1 + x2 < 8
x1, x2 > 0
固定x2的系数7，改变x1 的系数
5
最优解:
Max 14/3x1 + 7x2
4
x1 = 5, x2 = 3
3
Max 7x1 + 7x2
运筹学课程04-灵敏度分析资料
XS为松弛变量,XS=(xn+1,xn+2,…,xn+m), I为m×m 矩阵
A ( B, N )
XB X X N
C (CB , CN )
XB ( B, N ) X b BX B NX N b N
2019/4/12 4
NEUQ
B-1b
0
≤0
但B 1b 0不变
Z： CBB-1b
若C N C B B 1 N 0 此表仍为最优，
此时最优解不变但最优值改变
若C N C B B N 0 此表不是最优单纯形表
用单纯形法继续迭代
2019/4/12 9
1
NEUQ
1、非基变量对应的价值系数的灵敏度分析
设 ck 变化为
X B 检验数
CB CB I 0 CB CB B B 0
因此
1 C C B A0 B 1 C B 0 B
1
2019/4/12
7
NEUQ
一、目标函数系数C（价值系统）变化
cj 变动可能由于市场价格的波动，或生产成本的变动
cj 的灵敏度分析是在保证最优解的基变量不变的情况下，
NEUQ
灵敏度分析又称“后验分析”，它是对已经得到的最优
方案改变某些条件来检验最优解的“稳定性”以及目标 函数最优值随各种条件变化的“敏感性”；换言之，假 定对于已知线性规划问题已求得的最优解是获得的最大 利润的生产计划安排，现在如果在生产过程中成本系数 向量C，约束常数向量b,约束系数A以及其他条件发生变 化或波动，这些变化限制在什么范围内，在原来得到的 最优安排仍为最优，而不需要改变工作计划？
' k
第三章 第五节 灵敏度分析
5.1 目标函数中价值系数cj的变化分析
考虑检验数 σj
1. 若ck是非基变量的系数： 设ck变化为 ck + ∆ck， 则σk’= σk+ ∆ck 只要 σk’≤ 0 ,即 ∆ck ≤ - σk ，则 最优解不变；否则，将最优单纯形表 中的检验数 σk 用 σk’取代，继续用单 纯形法的表格计算。
由上式，可得 Δb2≥-4/0.25=-16 ， Δb2≥-4/0.5=-8 ， b2≤2/0.125=16。所以Δb2 的变化范围是［-8， 16］；显然原b2 =16，加它的变化范围后， b2的 变化范围是［8，32］。
2010-10-31 20
5.3
增加一个变量xj的分析
若增加一个新变量 xn+1 则有相应的 pn+1 ,cn+1发生变化。 那么计算出B-1pn+1 , σn+1=cn+1-∑cri ari n+1 填入最优单纯形表, 若 σn+1 ≤ 0 则最优解不变； 否则，进一步用单纯形法求解即可。
例子从略54分析参数aij的变化2707202024参数aij的变化若变量x在最终单纯形表中为基变量则aij的变化将使相应的b和b1发生变化因此有可能出现原问题和对偶问题均为非可行解的情况这时需要引进人工变量将原问题的解转化为可行解再用单纯形法求解例见课本例112707202025增加一个约束之后应把最优解代入新的约束若满足则最优解不变否则填入最优单纯形表作为新的一行引入一个新的非负变量原约束若是小于等于形式可引入非负松弛变量否则引入非负人工变量并通过矩阵行变换把对应基变量的元素变为0进一步用单纯形法或对偶单纯形法求解
b 2/5 11/5
从表中看到σ3= c3+Δc3-(c2×a13+c1×a23 ) 可得到Δc3 ≤ 9/5 时，原最优解不变。
第五章 灵敏度分析1
即c j ark ck zk c zk 0, c j min k 0, k S N 若ark ark ark c zk 若ark 0, c j max k ark 0, k S N ark
max z x1 5 x2 3 x3 4 x4
2 x1 3 x2 x3 2 x4 800(资源1) 5 x 4 x 3 x 4 x 1200(资源2) 1 2 3 4 s.t. 3 x1 4 x2 5 x3 3 x4 1000(资源3) x1 , x2 , x3 , x4 0 令x5,x6,x7分别为资源1，2，3的松弛变量，下表给出此问题的 最优解。
0 b1 b1 bk a1,n k b1 0 b b a b b2 2 k 2, n k 2 B 1 bk bk Pn k 0 bk am ,n k bm bm bm 0
第五章 线性规划问题的灵敏度分析
什么是灵敏度分析？ 研究线性规划模型某些参数或限制量的 变化对最优解的影响及其程度的分析过程称 为灵敏度分析（优化后分析）。 灵敏度分析研究内容： 目标函数系数的变化对最优解的影响； 约束方程右端系数的变化对最优解的影响； 约束方程组系数矩阵的变化对最优解的影 响。
a1k a 2k Pk ark amk
11
由上两式可知， cj 变动的上下限为：
ck zk ck zk max ark 0, k S N c j min ark 0, k S N ark ark
最优化方法——用Lingo对线性规划进行灵敏度分析
最优化方法——用Lingo对线性规划进行灵敏度分析lingo软件求解线性规划及灵敏度分析注:以目标函数最大化为例进行讨论，对求最小的问题，有类似的分析方法～所有程序运行环境为lingo10。
一、用lingo软件求解线性规划例1:max23zxy,，stxy..4310，, 3512xy，,xy,0,在模型窗口输入:model:max=2*x+3*y;4*x+3*y<=10;3*x+5*y<12;! the optimal value is :7.454545 ; End如图所示:运行结果如下(点击工具栏上的‘solve’或点击菜单‘lingo’下的‘solve’即可):Global optimal solution found.Objective value: 7.454545(最优解函数值)Total solver iterations: 2(迭代次数)road, are the structural road traffic within the city. In addition, suitable for high speed, and high-speed, S206, S307, also serve inner-city traffic. Outbound traffic: existing highways (suitable for high-speed, and high speed), darts (S206, S307) and Yi wei road, and so on. After years of constant development, road conditions have been greatly Variable (最优解) Value Reduced CostX 1.272727 0.000000Y 1.636364 0.000000Row Slack or Surplus Dual Price1 7.454545 1.0000002 0.000000 0.9090909E-013 0.000000 0.5454545 例2:max54zxx,，12stxxx..390，，,123280xxx，，,124xxx，，,45125x,0在模型窗口输入:model:max=5*x1+4*x2;x1+3*x2+x3=90;2*x1+x2+x4=80;x1+x2+x5=45;end运行(solve)结果如下:Global optimal solution found.Objective value: 215.0000Total solver iterations: 3Variable Value Reduced CostX1 35.00000 0.000000X2 10.00000 0.000000X3 25.00000 0.000000X4 0.000000 1.000000X5 0.000000 3.000000Row Slack or Surplus Dual Price1 215.0000 1.0000002 0.000000 0.0000003 0.000000 1.0000004 0.000000 3.000000例3conditions have been greatly speed, and high speed), darts (S206, S307) and Yi wei road, and so on. After years of constant development, road-city traffic. Outbound traffic: existing highways (suitable forhigh-speed, S206, S307, also serve inner-ion, suitable for high speed, and highroad, are the structural road traffic within the city. In addit2 min2zxx,,，23stxxx..22,，,123xxx,，,31234xxx,，,2235x,0在模型窗口输入:model:min=-x2+2*x3;x1-2*x2+x3=2;x2-3*x3+x4=1;x2-x3+x5=2;end运行结果如下:Global optimal solution found.Objective value: -1.500000Total solver iterations: 2Variable Value Reduced CostX2 2.500000 0.000000X3 0.5000000 0.000000X1 6.500000 0.000000X4 0.000000 0.5000000X5 0.000000 0.5000000Row Slack or Surplus Dual Price1 -1.500000 -1.0000002 0.000000 0.0000003 0.000000 0.50000004 0.000000 0.5000000 例4:minxyz，，stxy..1，,24xz，,在模型窗口输入:model:min=@abs(x)+@abs(y)+@abs(z);x+y<1;2*x+z=4;@free(x);@free(y);@free(z);greatly nd high speed), darts (S206, S307) and Yi wei road, and so on. After years of constant development, road conditions have beenspeed, a-city traffic. Outbound traffic: existing highways (suitable for high-speed, S206, S307, also serve inner-road, are the structural roadtraffic within the city. In addition, suitable for high speed, and high3 End求解器状态如下:(可看出是非线性模型～)运行结果为:Linearization components added: Constraints: 12Variables: 12Integers: 3Global optimal solution found. Objective value: 3.000000 Extended solver steps: 0Total solver iterations: 4 Variable Value Reduced CostX 2.000000 0.000000Y -1.000000 0.000000Z 0.000000 0.000000Row Slack or Surplus Dual Price1 3.000000 -1.0000002 0.000000 1.0000003 0.000000 -1.000000二、用lingo软件进行灵敏度分析实例例5:conditions have been greatly speed, and high speed), darts (S206,S307) and Yi wei road, and so on. After years of constant development, road-city traffic. Outbound traffic: existing highways (suitable forhigh-speed, S206, S307, also serve inner-ion, suitable for high speed, and highroad, are the structural road traffic within the city. In addit4 max603020Sxyz,，，8648xyz，，,421.520xyz，，, 21.50.58xyz，，,y,5xyz,,0,在模型窗口输入:Lingo模型:model:max=60*x+30*y+20*z;8*x+6*y+z<48;4*x+2*y+1.5*z<20;2*x+1.5*y+0.5*z<8;y<5;end(一)求解报告(solution report)通过菜单Lingo?Solve可以得到求解报告(solution report)如下:Global optimal solution found at iteration: 0Objective value: 280.0000Variable Value Reduced CostX 2.000000 0.000000Y 0.000000 5.000000Z 8.000000 0.000000Row Slack or Surplus Dual Price1 280.0000 1.0000002 24.00000 0.0000003 0.000000 10.000004 0.000000 10.000005 5.000000 0.000000分析Value,Reduced Cost，Slack or Surplus，Dual Price的意义如下: 1、最优解和基变量的确定Value所在列给出了问题的最优解。
运筹学课件 第五节 灵敏度分析
b ' B 1b Pj B 1 Pj
' m
(c j z j ) c j aij yi
' i 1
运筹学教程
（2）、检查原问题是否仍为可行解。
（3）、检查对偶问题是否仍为可行解。
原问题
可行解 可行解 非可行解 非可行解
0 0 x3 x4 4/5 1 -1/5 0 1/5 0 -1/10 0
0 x5 -6 1 0 -3/2
随利润的变化，调整如下：
生产产品1为2件，产品2为3件。
运筹学教程
解（2）设产品2的利润1+
Cj
CB 基 b 0 x3 15/2 2 x1 7/2 1+ x2 3/2 Cj-Zj
2 X1 0 1 0 0
运筹学教程
CB 0 2 3
2 x1 基 b x5 3/8 0 x1 11/4 1 x2’ 15/8 0 Cj-Zj 0
Cj
3 x2’ 0 0 1 0
0 0 0 x3 x4 x5 -1/24 -1/6 1 -1/12 1/6 0 1/8 0 0 -5/24 -1/3 0
-M x6 1/24 1/12 -1/8 -M+5/24
将其反映到单纯形表
Cj CB 基 b 0 x3 15/2 2 x1 7/2 1 x2 3/2 Cj-Zj Cj 基 b x3 -9 2 x1 x2’ 3 Cj-Zj
2 X1 0 1 0 0 2 X1 0 1 0 0
1 x2 0 0 1 0 1 x2 0 0 1 0
3 0 X2’ x3 11/2 1 ½ 0 ½ 0 3/2 0 3 x2’ 0 0 1 0 0 x3 1 0 0 0
数学建模五步法与灵敏度分析
灵敏度分析简介：研究与分析一个系统（或模型）的状态或输出变化对系统参数或周围条件变化的敏感程度的方法。
在最优化方法中经常利用灵敏度分析来研究原始数据不准确或发生变化时最优解的稳定性。
通过灵敏度分析还可以决定哪些参数对系统或模型有较大的影响。
因此，灵敏度分析几乎在所有的运筹学方法中以及在对各种方案进行评价时都是很重要的。
用途：主要用于模型检验和推广。
简单来说就是改变模型原有的假设条件之后，所得到的结果会发生多大的变化。
举例（建模五步法）：一头猪重200磅，每天增重5磅，饲养每天需花费45美分。
猪的市场价格为每磅65美分，但每天下降1美分，求出售猪的最佳时间。
建立数学模型的五个步骤：1.提出问题2.选择建模方法3.推到模型的数学表达式4.求解模型5.回答问题第一步：提出问题将问题用数学语言表达。
例子中包含以下变量：猪的重量w（磅），从现在到出售猪期间经历的时间t（天），t天内饲养猪的花费C（美元），猪的市场价格p（美元/磅），出售生猪所获得的收益R（美元），我们最终要获得的净收益P（美元）。
还有一些其他量，如猪的初始重量200磅。
（建议先写显而易见的部分）猪从200磅按每天5磅增加（w磅）=（200磅）+（5磅/天）*（t天）饲养每天花费45美分（C美元）=（0.45美元/天）*（t天）价格65美分按每天1美分下降（p美元/磅）=（0.65美元/磅）-（0.01美元/磅）*（t天）生猪收益（R美元）=（p美元/磅）*（w磅）净利润（P美元）=（R美元）-（C美元）用数学语言总结和表达如下：参数设定：t=时间（天）w=猪的重量（磅）p=猪的价格（美元/磅）C=饲养t天的花费（美元）R=出售猪的收益（美元）P=净收益（美元）假设：w=200+5tC=0.45tp=0.65-0.01tR=p*wP=R-Ct>=0目标：求P的最大值第二步：选择建模方法本例采用单变量最优化问题或极大—极小化问题第三步：推导模型的数学表达式子P=R-C （1）R=p*w （2）C=0.45t （3）得到R=p*w-0.45tp=0.65-0.01t （4）w=200+5t （5）得到P=（0.65-0.01t)(200+5t)-0.45t令y=P是需最大化的目标变量，x=t是自变量，现在我们将问题转化为集合S={x:x>=0}上求函数的最大值：y=f（x）=（0.65-0.01x)(200+5x)-0.45x （1-1）第四步：求解模型用第二步中确定的数学方法解出步骤三。
- 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)。
1 0 2 1 -3+5 0 1 0 0 1 0 0
x* 0, 0, 4, 6 fmin 4
T
问题：c2在什么范围变化时，最优解不变？
二、改变右端向量b 设b→b’,设改变前的最优基为B。
1. B1b' 0 此 时 ， 原 来 的 最 优 基 仍 为 最 优 基 ， 但 基 变 量 的 取 值 、 目 标 函 数 最 优 值 将 发 生 变 化 。 设 b' b b, 则 x B b' B b b B b B b
最优表为： x1 x2 1 x4 5 -3 x2 1 0 0 x3 1 2 -3 x4 0 4 1 14 0 -8
x1 x3 1 x4 3 0
x2 1 -2 3
x3 1 0 0
x4 0 1 0
4 6 4
x* 0, 4, 0,14 fmax 8
T
x1 x3 1 x4 3 0
x2 1 -2 3
x3 1 0 0
x4 0 1 0 4 3 1 2 -3
x4 0 4 1 14 0 -8
1 2 ' 若 P 1 P 1 , 则 3 1 1 02 cBB P c 2 0 1 150 2 11
' r
2. c2由-2变为3, 此时Δ c2 =3-(-2)=5
x1 x2 x4 1 5 -3 x1 x2 x4 x3 x4 x2 1 0 0 x2 x3 1 2 -3 x3 x4 0 1 0 x4 4 14 -8+20 4 6 4 4 14 -8
m in x 1 2x 2 x 3
1 1 5 0 -3+5 0 1 1 3 -2 0 -2
2. 若原最优解不满足新增加约束
设原问题最优基为B，则有
in cx m 1 1 st . . x B N x B b B N m 1 m 1 P x P B B N x N x n 1 b m 1 x, xn1 0
xB I xN B-1N xn+1 0 B-1b 1 bm+1
1 ' 1
所以，最优基、最优解保持不变。
x* 0, 4, 0,14 fmax 8
T
x1 x2 1 x4 5 -3
x2 1 0 0
x3 1 2 -3
x4 0 4 1 14 0 -8
1 2 若 P 1 P 1 , 则 3 1 1 02 1 2 0 cBB P 1 c 13 0 2 1 1 1 02 2 1 y 1 B P 1 2 1 1 3
x1 x1 1 x5 0 x2 0 0 x1 1 x3 0 x2 0 0
x2 0 0 1 0 0 0 1 0
x3
x4
x5
0 1/4 0 4 -4 -2 -2 1/2 1 4 1/2 -1/8 0 -3/2 -1/8 0 -20 0 1/4 0 4 1 -1/4 -1/2 2 3 0 0 1/4 -1/2 -3/4 0 -17
x* 0, 0, 4, 6 fmin 12
T
问题：c3在什么范围变化时，最优解不变？
一般情况：
令 c cr cr 则 cBB P r c 1 cBB P cr r cr r c r
' r
' r 1
' r
若要保持最优性不变
则 0 r cr 0cr r
x3 0 -2 1/2 -3/2
x3 1 x4 4 x5 0 2 x4 x5 1/4 1/2 -1/8 -1/8
0 4 4 1 2 0 0 -14
x* 4, 2 fmax 14
T
若该厂又从别处抽出4台时用于生产产品1和2， 求这时该厂生产产品1和2的最优方案。
1 0 0 4 4 0 1 8 1 B b 2 1 0 2 1 0 2 1 0 8 2 4 0 4 8 4 B1b' B1b B1 b 4 2 2 4 0 20 f cBB1bcBB1 b 14 2 0 3 8 2
B1b 0 可 行 性
cBB1Ac 0 最 优 性 （ 对 偶 可 行 ）
一、价值系数向量c的变化
L
in cx m .. A x b st x 0
设(L)的最优解为xB=B-1b, xN=0, fmin=cBB-1b
1、非基变量xk的系数ck改变为 c’k
1
x1 x2 -2 x4 -3 3
x2 1 0 0
x3 1 2 -3
x4 0 4 1 14 0 -8
无界！
一般的，当非基列Pj→Pj’， 若zj’-cj≤0，则原最优解也是新问题的最优解。 若zj’-cj >0，则把yj→yj’, zj-cj → zj’-cj 迭代。
2. 基列Pj→Pj’ 重新计算
在原单纯形表中将zk-ck换成zk’-ck’, 然后在 原表中用单纯性法求新问题的解。
2、基变量xr的系数cr改变为c’r=cr+Δcr
1 z'j c'j c'B B1P c ' c c B P j j B B j c' j 1 ' cBB1P c c B P c c j j B j j j
例 ： m in x 1 2x 2 x 3 s.t x 1 x 2 x 3 4 3x 1 2x 2 6 xj 0 j 1,2,3
引入松弛变量x4，得它的最优单纯形表为
x1 x2 x4 1 5 -3 x2 1 0 0 x3 1 2 -3 x4 0 1 0 4 14 -8
1. x2 x4
c3由1变为-3时 x1 x2 x3 1 5 -3 1 0 0 1 2 -3
x4 0 1 0
m in x 1 2x 2 x 3
4 14 -8
由于z3’-c3’=cBB-1P3- c3’ =z3-c3+(c3- c3’)=-3+(1+3)=1 x1 x2 x4 x3 x4 1 5 -3 1 3 -4 x2 1 0 0 1 -2 -1 x3 1 2 1 1 0 0 x4 0 1 0 0 1 0 4 14 -8 4 6 -12
-1b c B B 0
L'
P
m 1 B
P
m 1 N
0
cBB-1N-cN
1 B 0 B 0 1 B' m1 , B' m1 1 1 1 P B P B B 1 1 b B b B 0 xB 1 x B' b' m1 1 b m 1 1 1 n1 m 1 P B B b P B B m1 b ' f ' cB B'1 b' cB 0 B'1 b' cBB1b
m in 2x x2 1 3 s.t x 1 2x 2 x 3 4x 1 4x2 8 x5 12 x4 16
xj 0 j 1,2,3,4,5
x1
x2 2 0 4 3
x3 1 0 0 0
x4 0 1 0 0
x5 0 0 1 0 8 16 12 0
最优表为： x1 x2 x1 1 x5 0 x2 0 0 0 0 1 0
x* 0, 4, 0,14 fmax 8
T
引入松弛变量x4，得最优表 x1 x2 x3 x4 x2 1 1 1 0 4 x4 5 0 2 1 14 -3 0 -3 0 -8 增加新约束： x 2 1 x 2 2x 3
例：某工厂在计划期内要安排生产两种产品，已知生产 单位产品所需的设备台时及A、B两种原材料的消耗为： 产品1 产品2 8台时 1 2 设备 16kg 0 原材料A 4 12kg 4 原材料B 0 该工厂每生产一件产品1可获利2元，每生产一件产品2 可获利3元，问应如何安排计划，使该工厂获利最多？
m ax 2x x2 1 3 s.t x 1 2x 2 8 4x 1 16 4x2 12 xj 0 j 1,2
zj cj cB yj cj c'j 若 j r,有 z'j c'j zj cj 0 cr 0 yj zj cj cr yrj ;
' ' ' zr cr zr cr 0 cr 0 yr cr cr
0 cr cr 0 目 标 函 数 值 cB cB B1b cBB1b cBB1b cBB1b cr b r cr变为cr’ 后，只要把原单纯形表中xr所在的行乘以(cr’-cr)加到 判别数行，并使xr对应的判别数为0，既可用单纯形法继续做下去。
xB I
xN B-1N
m 1 m 1 1 P P N B B N
xn+1 0
B1b
m 1 1 b P m 1 B B b
0
0
1
0
cBB-1N-cN
cBB1b
in m st ..
x 1 2x 2 x 3 x 1 x 2 x 3 4 3x 1 2x 2 6 xi 0,i 1 ,2,3
考虑检验数：zj-cj=cBB-1Pj-cj
若 j k,有
j为非基变量下标
z'j c'j cBB1P j cj zj cj 0
' ' ' ' zk ck cBB1P c z c c c k k k k k k ' ' 若 zk ck 0 ， 则 B 仍 为 最 优 基 ； ' ' 若 zk ck 0 ， 改 变 后 xk为 进 基 变 量 。
四．增加新的约束