图解法和单纯形法求解线性规划问题

合集下载
相关主题
  1. 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. 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. 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)。

图解法和单纯形法求解以下线性规划问题

1。1 图解法解线性规划问题

只含两个变量的线性规划问题,可以通过在平面上作图的方法求解,步骤如下:

(1)以变量x1为横坐标轴,x2为纵坐标轴,适当选取单位坐标长度建立平面坐标直

角坐标系。由变量的非负性约束性可知,满足该约束条件的解均在第一象限内.

(2)图示约束条件,找出可行域(所有约束条件共同构成的图形)。

(3)画出目标函数等值线,并确定函数增大(或减小)的方向。

(4)可行域中使目标函数达到最优的点即为最优解。

然而,由于图解法不适用于求解大规模的线性规划问题,其实用意义不大.

1。2 单纯形法解线性规划问题

它的理论根据是:线性规划问题的可行域是n维向量空间Rn中的多面凸集,其最优值如果存在必在该凸集的某顶点处达到。顶点所对应的可行解称为基本可行解。

单纯形法的基本思想是:先找出一个基本可行解,对它进行鉴别,看是否是最优解;若不是,则按照一定法则转换到另一改进的基本可行解,再鉴别;若仍不是,则再转换,按此重复进行。因基本可行解的个数有限,故经有限次转换必能得出问题的最优解。如果问题无最优解也可用此法判别。

单纯形法的一般解题步骤可归纳如下:①把线性规划问题的约束方程组表达成典范型方程组,找出基本可行解作为初始基本可行解.②若基本可行解不存在,即约束条件有矛盾,则问题无解。③若基本可行解存在,从初始基本可行解作为起点,根据最优性条件和可行性条件,引入非基变量取代某一基变量,找出目标函数值更优的另一基本可行解。④按步骤3进行迭代,直到对应检验数满足最优性条件(这时目标函数值不能再改善),即得到问题的最优解.⑤若迭代过程中发现问题的目标函数值无界,则终止迭代。

1.3 线性规划问题的标准化

使用单纯形法求解线性规划时,首先要化问题为标准形式

所谓标准形式是指下列形式:

∑==

n

j j j

x c

z 1

max

⎪⎩⎪⎨⎧=≥==⋅⋅∑=),,2,1(0),,1(1n j x m i b x a t s j

n

j i j ij

当实际模型非标准形式时,可以通过以下变换化为标准形式: ①当目标函数为∑==

n

j j j

x c

z 1

min 时,可令Z ′=-Z ,而将其写成为

∑=-='n

j j j x c z 1

min

求得最终解时,再求逆变换Z=—Z ′即可。

②当s ·t ·中存在i n in i i b x a x a x a ≤+++ 2211形式的约束条件时,可引进变量

⎩⎨

⎧≥+++-=++0)

(1

22111n n in i i i n x x a x a x a b x 便写原条件成为

⎩⎨

⎧≥=++++++01

12211n i

n n in i i x b x x a x a x a 其中的x n +1称为松驰变量,其作用是化不等式约束为等式约束。

同理,若该约束不是用“≤”号连接,而是用“≥”连接,则可引进松驰变量

⎩⎨

⎧≥-+++=++0)(1

22111n i

n in i i n x b x a x a x a x 使原条件写成

⎩⎨

⎧≥=-++++0

1111n i

n n in i x b x x a x a

2 单纯形法

2.1 单纯形法的基本原理

单纯形法迭代原理: (1) 确定初始可行解

① 当线性规划问题的所有约束条件均为≤号时,松弛变量对应的系数矩阵即

为单位矩阵,以松弛变量为基变量可确定基可行解。

② 对约束条件含≥号或=号时,可构造人工基,人为产生一个m ×m 单位矩阵

用大M 法或两阶段法获得初始基可行解。

(2) 最优性检验与解的判别(目标函数极大型)

① 当所有变量对应的检验数均非正时,现有的基可行解即为最优解。若存在

某个非基变量的检验数为零时,线性规划问题有无穷多最优解;当所有非基变量的检验数均严格小于零时,线性规划问题具有唯一最优解。 ② 若存在某个非基变量的检验数大于零,而该非基变量对应的系数均非正,

则该线性规划问题具有无界解(无最优解)。

③ 当存在某些非基变量的检验数大于零,需要找一个新的基可行解,基要进

行基变换。

2。1 确定初始可行解

确定初始的基本可行解等价于确定初始的可行基,一旦初始的可行基确定了,那么对应的初始基本可行解也就唯一确定,为了讨论方便,不妨假设在标准型线性规划中,系数矩阵A中前m 个系数列向量恰好构成一个可行基,即A=(BN),其中B=(P1,P2,…Pm )为基变量x1,x2,…xm 的系数列向量构成的可行基,N=(Pm+1,Pm+2, …Pn)为非基变量xm+1,xm+2, …xn 的系数列向量构成的矩阵。

所以约束方程AX=b 就可以表示为B B N N X AX=(BN)=BX +NX =b X ⎛⎫

⎪⎝⎭

用可行基B的逆阵B-1左乘等式两端,再通过移项可推得:-1-1

B N X =B b-B NX

若令所有非基变量N X =0,则基变量-1

B X =B b

由此可得初始的基本可行解1B b X=0-⎛⎫

⎪⎝⎭

2.2 最优性检验

假如已求得一个基本可行解1B b X=0-⎛⎫

⎪⎝⎭,将这一基本可行解代入目标函数,可求得相

应的目标函数值1-1

B N B B b Z=CX=(

C C )=C B b 0-⎛⎫ ⎪⎝⎭

其中B 12m N m+1m+2n C =(c ,c ,c ), C =(c ,c ,c )分别表示基变量和非基变量所对应的价

值系数子向量.

要判定-1B Z=C B b 是否已经达到最大值,只需将-1-1

B N X =B b-B NX 代入目标函数,使目

标函数用非基变量表示,即:

B B N N -1-1B B N N B N N N

X Z=CX=(C C )X =C X +C X =C (B b-B NX )+C X ⎛⎫

⎝⎭

m+1m+2-1-1B N N B m+1,m+1,

n n x x

C B b+σX C B b+(σσσ)x ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭

其中-1

N N B m+1m+1n =C -C B N=(,,)σσσσ称为非基变量XN 的检验向量,它的各个分量

称为检验数。若σN 的每一个检验数均小于等于0,即σN ≤0,那么现在的基本可行解就是最优解。

2.3 解的判别

定理1:最优解判别定理

对于线性规划问题{}

n maxZ=CX,D=X R /AX=b,X 0∈≥,若某个基本可行解所对应

的检验向量-1

N N B =C -C B N 0σ≤,则这个基本可行解就是最优解.

定理2:无穷多最优解判别定理

相关文档
最新文档