35第六章单纯形法的灵敏度分析与对偶
合集下载
第6章单纯形法的灵敏度分析与对偶
这个约束条件的对偶价格就和这个剩余变量的
z
有关了。这将使得最优目
j
标值特别“恶化”而不是改进，故这时约束条件的对偶价格应取 z j 值的相反
数- z j。
对于含有等于号的约束条件，其约束条件的对偶价格就和该约束方
程的人工变量有关了。其约束条件的对偶价格就等于此约束方程的人工变
量的 z j值。
管理运筹学
XB
bb12
5
5
,
X
B
5
5
b3 15
15
对于b1：比值的分母取B－1的第一列，这里只有β11=1，而β21=β31=0，则
1
max
b1
11
5 1
5
Δb1无上界，即Δb1≥－5，因而b1在[35,+∞) 内变化时对偶价格不变。
管理运筹学
18
§1 单纯形表的灵敏度分析
对于b2：比值的分母取B－1的第二列，β12＜0，β22＞0，则
§1 单纯形表的灵敏度分析
一、目标函数中变量Ck系数灵敏度分析
1.在最终的单纯形表里，X k是非基变量 由于约束方程系数增广矩阵在迭代中只是其本身的行的初等变换与Ck没有任何关系， 所以当Ck变成Ck+ Ck时，在最终单纯形表中其系数的增广矩阵不变，又因为Xk是非 基变量，所以基变量的目标函数的系数不变，即CB不变，可知Zk也不变，只是Ck变
xBi di1
|
d 'i1
0
50
而Min
xBi di1
|
d 'i1
0
25,故有当 50
b1
25,即250
b
b
325第一个
约束条件的对偶价格不变。
第六章单纯形法的灵敏度分析
x1 50
x1 50 1
x4 C0B* 0
2 x2 100 0
zj
50
j=cj－zj 0
x2 x3 x4 x5 100 0 0 0
比值
b
bi/ai2
0 1 0 -1 50
B 0 -2 1 1 50
1 0 0 1 250
100 50 0 50 27500
0 -50 0 -50
对偶价格在单纯形表中的表示
相应增加一个技术列向量p6＝
(2,0.5,1.5)T
2 0.5
0.5 -2
则最优矩阵中p6’ ＝B× 1.5 ＝ 1.5
zj j=cj－zj
50 100 50 0 50 27500 0 0 -50 0 -50
一、问题的提出
事实上，系数的改变并未改变LP问题的解。
思考： 1、如果C2变为45，最优解会变吗？为保证最
优解不变， C2的取值范围？ 2、参数变化时，可否利用原问题的最优表求
解，而不必从头进行单纯形迭代，以简化计 算？
b
比值 bi/ai2
1 1 1 0 0 300 300/1
2 1 0 1 0 400 400/1
0 ① 0 0 1 250 20 0
① 0 1 0 -1 50 50/1
2 0 0 1 -1 150 150/2
0 1 0 0 1 250 _
0 100 0 0 -100 25000
中x2的目标函数系数由100变为75，求新问题 的解。
一、问题的提出
解：经过单纯形迭代得到最优表
迭代 基变 次数 量XB CB
x1 50
x2 75
x3 x4 x5 0 00
比值
第六章单纯形法灵敏度分析与对偶
X4 19 2 4/3 0 X3 50 -1/2 -1/3 1 σj= cj - zj -4 -2/3 0
X4 X5 X6 19 0 0 1 2/3 -10/3 0 -1/6 4/3 0 -13/3 -10/3
bθ
2 1 Z = 88
∴ 最优生产计划是：生产1个单位产品C，生产2个单位产 品D，不生产A、B产品。可得最大总利润 88 个单位。
可能改变 C – CBB-1A ≤ 0 变
求出使该表达式仍然成立的 C 的变化范围
若 C 的变化超出该范围，则原最优解将改变
例1：某工厂用甲、乙两种原料生产A、B、C、 D
四种产品，要求确定总利润最大的最优生产 计划。该问题的线性规划模型如下：
Max Z = 9 x1 +8x2 + 50x3 + 19x4
则：在原最终单纯形表上，新变量对应的系数列为Pj '= B-1Pj，
检验数为 σj= Cj – CBB-1 Pj
若 σj= Cj – CBB-1 Pj ≤ 0，则原最优解不变；
若 σj= Cj – CBB-1 Pj ≥ 0，则继续迭代以求出新的最优解。
例3： 沿用例1 ►
如果该工厂考虑引进新产品E ，已知生产 E 产品1 个单位要消耗甲材料3个单位和乙材料1个单位。
要求：⑶产品E 的利润达到多少时才值得投产？
解： 设生产 E 产品X7个单位，单位产品的利润为C7，
则模型变为：
Max Z = 9 x1 +8x2 + 50x3 + 19x4 + 0x5 + 0x6+ C7x7 3x1+ 2 x2 + 10 x3 + 4 x4 + x5 + 3 x7 = 18（甲材料） 2x3+ 1/2x4 + x6 + x7 = 3 （乙材料）
X4 X5 X6 19 0 0 1 2/3 -10/3 0 -1/6 4/3 0 -13/3 -10/3
bθ
2 1 Z = 88
∴ 最优生产计划是：生产1个单位产品C，生产2个单位产 品D，不生产A、B产品。可得最大总利润 88 个单位。
可能改变 C – CBB-1A ≤ 0 变
求出使该表达式仍然成立的 C 的变化范围
若 C 的变化超出该范围，则原最优解将改变
例1：某工厂用甲、乙两种原料生产A、B、C、 D
四种产品，要求确定总利润最大的最优生产 计划。该问题的线性规划模型如下：
Max Z = 9 x1 +8x2 + 50x3 + 19x4
则：在原最终单纯形表上，新变量对应的系数列为Pj '= B-1Pj，
检验数为 σj= Cj – CBB-1 Pj
若 σj= Cj – CBB-1 Pj ≤ 0，则原最优解不变；
若 σj= Cj – CBB-1 Pj ≥ 0，则继续迭代以求出新的最优解。
例3： 沿用例1 ►
如果该工厂考虑引进新产品E ，已知生产 E 产品1 个单位要消耗甲材料3个单位和乙材料1个单位。
要求：⑶产品E 的利润达到多少时才值得投产？
解： 设生产 E 产品X7个单位，单位产品的利润为C7，
则模型变为：
Max Z = 9 x1 +8x2 + 50x3 + 19x4 + 0x5 + 0x6+ C7x7 3x1+ 2 x2 + 10 x3 + 4 x4 + x5 + 3 x7 = 18（甲材料） 2x3+ 1/2x4 + x6 + x7 = 3 （乙材料）
韩伯棠管理运筹学(第三版)_第六章_单纯形法的灵敏度分析与对偶
x1 x2 s1 s2 s3 比值 基 ck 是系数 变 cB b bi/ai2 50 100 0 0 0 量 s1 0 1 1 c1 灵敏度分析 0 0 300 一、目标函数中变量系数 k s2 0 2 1 0 1 0 400 1．在最终的单纯形表里， xk 是非基变量。 0 s3 0 0 1 0 0 1 250
j , a2 j ,...,akj ,...,amj )T 变成了: z j (cB1 , cB 2 ,...,cK ,...,cBm )(a1 j , a2 j ,...,akj ,...,amj )T z j (cB1 , cB 2 ,...,(cK ck ),...,cBm )(a1 j c B 2 a2 j ... (cK ck )akj ... cBm amj cB1a1 j c B 2 a2 j ... cK akj ... cBm amj ck akj cB1a1 . z j ck akj (c j z j ) - ck akj 这样检验数 j c j z j c j z j - ck akj j - ck akj
首先知道在最优解中s2=50是基变量，也就是说， 原料A有50千克没用完，再增加原料 A是不会带来任何利 x x s s s3 迭代 基 1 2 1 2 润的，故原料 A 的对偶价格为零。在最终单纯形表上当 次数 变 cB b 50 100 0 0 0 松弛变量为基变量时，都有其检验数 σj 为零，又知道对 量 任何的松弛变量，它在目标函数中的系数 都为零，那 x1 50 1 0 1 0 -1 cj 50 么为基变量的松弛变量的 s2 0 0 0 zj也必然为零，因为 -2 1 1 50zj=cj-σ j=00=0 2 ，这正确地反映了对于任何为基变量的松弛变量所 x2 100 0 1 0 0 1 250 对应的约束条件的对偶价格为零。
《管理运筹学》第四版 第6章 单纯形法的灵敏度分析与对偶 课后习题解析
《管理运筹学》第四版课后习题解析第6章单纯形法的灵敏度分析与对偶1．解： （1）c 1≤24 （2）c 2≥6 （3）c s 2≤82．解：（1）c 1≥−0.5 （2）−2≤c 3≤0 （3）c s 2≤0.53．解：（1）b 1≥250 （2）0≤b 2≤50 （3）0≤b 3≤1504．解： （1）b 1≥−4 （2）0≤b 2≤10 （3）b 3≥45. 解：最优基矩阵和其逆矩阵分别为：⎪⎪⎭⎫ ⎝⎛=1401B ，⎪⎪⎭⎫ ⎝⎛-=-14011B ； 最优解变为130321===x x x ，，最小值变为-78； 最优解没有变化； 最优解变为2140321===x x x ，，，最小值变为-96；6．解：（1）利润变动范围c 1≤3，故当c 1=2时最优解不变。
（2）根据材料的对偶价格为1判断，此做法有利。
（3）0≤b 2≤45。
（4）最优解不变，故不需要修改生产计划。
（5）此时生产计划不需要修改，因为新的产品计算的检验数为−3小于零，对原生产计划没有影响。
7. 解：(1)设321,,x x x 为三种食品的实际产量，则该问题的线性规划模型为,, 4005132 4505510 35010168 325.2max 321321321321321≥≤++≤++≤++++=x x x x x x x x x x x x x x x z 约束条件：解得三种食品产量分别为0,75.43321===x x x ，这时厂家获利最大为109.375万元。
(2)如表中所示，工序1对于的对偶价格为0.313万元，由题意每增加10工时可以多获利3.13万元，但是消耗成本为10万元，所以厂家这样做不合算。
（3）B 食品的加工工序改良之后，仍不投产B ，最大利润不变；若是考虑生产甲产品，则厂家最大获利变为169.7519万元，其中667.31110,167.144321====x x x x ，，；（4）若是考虑生产乙产品，则厂家最大获利变为163.1万元，其中382.70,114321====x x x x ，，；所以建议生产乙产品。
灵敏度分析与对偶理论
min f 300 y 1 400 y 2 250 y 3 1 y 1 2 y 2 50 y 1 y 2 y 3 100 y1 , y 2 , y 2 0
原问题：求目标函数 值最大值问题
对偶问题：求目标函数 值最小值问题
互为对偶问题
m ax z C X
m in f b Y
min f 3 x 1 9 x 2 4 x 3 x 1 2 x 2 3 x 3 180 2 x 1 3 x 2 x 3 60 5 x 1 3 x 2 240 x 1 , x 2 0 , x 3 无约束变量
max z 180 y 1 60 y 2 240 y 3
'
xB
'
0
x Bi ' x Bi ' m a x ' d ik 0 b k m in ' d ik 0 d ik d ik
例：
X5
X1
X2
X3
X4
CB 50 0
XB X1 X4
b 50 50
50 1 0
资源限制
问题2（对偶问题） 现在假设工厂准备把设 备A,B,C用于出租，确定 合理的租金？
300 400 250
设y1, y2, y3 分别为三种 设备的租金。
max z 50 x 1 100 x 2 x 1 x 2 300 2 x 1 x 2 400 x 2 250 x1 , x 2 0
j
cj CBB
1
Pj c j C B Pj
'
c j ( C B 1 ,..., C BK C K ,..., C Bm ) P j
原问题：求目标函数 值最大值问题
对偶问题：求目标函数 值最小值问题
互为对偶问题
m ax z C X
m in f b Y
min f 3 x 1 9 x 2 4 x 3 x 1 2 x 2 3 x 3 180 2 x 1 3 x 2 x 3 60 5 x 1 3 x 2 240 x 1 , x 2 0 , x 3 无约束变量
max z 180 y 1 60 y 2 240 y 3
'
xB
'
0
x Bi ' x Bi ' m a x ' d ik 0 b k m in ' d ik 0 d ik d ik
例：
X5
X1
X2
X3
X4
CB 50 0
XB X1 X4
b 50 50
50 1 0
资源限制
问题2（对偶问题） 现在假设工厂准备把设 备A,B,C用于出租，确定 合理的租金？
300 400 250
设y1, y2, y3 分别为三种 设备的租金。
max z 50 x 1 100 x 2 x 1 x 2 300 2 x 1 x 2 400 x 2 250 x1 , x 2 0
j
cj CBB
1
Pj c j C B Pj
'
c j ( C B 1 ,..., C BK C K ,..., C Bm ) P j
管理运筹学单纯形法的灵敏度分析与对偶对偶问题课件
参数灵敏度分析关注的是模型中参数变化对最优解的影响 。通过分析参数变化对最优解的影响，可以了解参数变化 对模型最优解的影响程度和方向，从而为决策者提供有关 参数调整的建议。
参数灵敏度分析的方法包括局部灵敏度分析和全局灵敏度 分析。局部灵敏度分析关注单个参数的小幅度变化对最优 解的影响，而全局灵敏度分析则考虑多个参数同时变化对 最优解的影响。
结合的必要性
解决复杂优化问题
单纯形法在处理线性规划问题时具有高效性，而灵敏度分析和对偶问题则提供了分析和解决非线性规划问题的 工具。将两者结合，可以更好地解决复杂的优化问题。
提高决策准确性
通过灵敏度分析，可以对决策变量的微小变化对最优解的影响进行量化分析，从而更准确地预测和应对各种情 况。对偶问题则提供了从另一个角度审视问题的机会，有助于发现潜在的优化空间。
灵敏度分析与对偶对偶问题的概述
灵敏度分析是线性规划中研究最优解的敏感性的分析方法。它主要关注当模型参数发生变化时，最优 解和最优值的变化情况。通过灵敏度分析，可以了解模型参数对最优解的影响程度，从而更好地理解 和预测实际问题的变化趋势。
对偶对偶问题是线性规划中的一类重要问题。它主要研究原问题和对偶问题的关系，以及如何利用对 偶理论求解原问题。对偶对偶问题在理论研究和实际应用中都具有重要的意义，如资源分配、投资组 合优化等问题。
感谢您的观看
THANKS
通过建立线性规划模型，将物流配送 路径问题转化为求取最小成本的问题 。约束条件包括车辆路径限制、运输 成本限制等，目标函数为最小化总成 本。
灵敏度分析与对偶对 偶问题应用
在物流配送路径调整过程中，需要考 虑客户需求变化、运输成本变化等因 素对最优解的影响。通过灵敏度分析 ，可以确定最优解对不同因素变化的 敏感性，从而制定出更加合理的配送 路径。同时，通过对偶对偶问题的研 究，可以更好地理解配送路径的性质 和结构，进一步优化配送路径。
参数灵敏度分析的方法包括局部灵敏度分析和全局灵敏度 分析。局部灵敏度分析关注单个参数的小幅度变化对最优 解的影响，而全局灵敏度分析则考虑多个参数同时变化对 最优解的影响。
结合的必要性
解决复杂优化问题
单纯形法在处理线性规划问题时具有高效性，而灵敏度分析和对偶问题则提供了分析和解决非线性规划问题的 工具。将两者结合，可以更好地解决复杂的优化问题。
提高决策准确性
通过灵敏度分析，可以对决策变量的微小变化对最优解的影响进行量化分析，从而更准确地预测和应对各种情 况。对偶问题则提供了从另一个角度审视问题的机会，有助于发现潜在的优化空间。
灵敏度分析与对偶对偶问题的概述
灵敏度分析是线性规划中研究最优解的敏感性的分析方法。它主要关注当模型参数发生变化时，最优 解和最优值的变化情况。通过灵敏度分析，可以了解模型参数对最优解的影响程度，从而更好地理解 和预测实际问题的变化趋势。
对偶对偶问题是线性规划中的一类重要问题。它主要研究原问题和对偶问题的关系，以及如何利用对 偶理论求解原问题。对偶对偶问题在理论研究和实际应用中都具有重要的意义，如资源分配、投资组 合优化等问题。
感谢您的观看
THANKS
通过建立线性规划模型，将物流配送 路径问题转化为求取最小成本的问题 。约束条件包括车辆路径限制、运输 成本限制等，目标函数为最小化总成 本。
灵敏度分析与对偶对 偶问题应用
在物流配送路径调整过程中，需要考 虑客户需求变化、运输成本变化等因 素对最优解的影响。通过灵敏度分析 ，可以确定最优解对不同因素变化的 敏感性，从而制定出更加合理的配送 路径。同时，通过对偶对偶问题的研 究，可以更好地理解配送路径的性质 和结构，进一步优化配送路径。
单纯形法灵敏度分析线性规划对偶理论
单纯形法的灵敏度分析与 线性规划对偶理论
1 23 4 5
图解法的灵敏度分析
灵敏度分析： 建立数学模型和求得最优解后，研究线性规 划的一个或多个参数（系数）ci , aij , bj 变化 时，对最优解产生的影响。
• 参数多为估计值或预测值，常常不精确 • 参数常常随着其他条件变化而变化
图解法的灵敏度分析
线性规划的对偶问题
• 假设另外一工厂要租用该厂的设备A、B、C，那么 该厂的厂长应该如何来确定合理的租金呢？
• 从出租人的角度：
– 生产1个单位Ⅰ产品所需的各设备的台时的总租金不应少 于自己生产1个单位Ⅰ产品的利润50元。
– 生产1个单位Ⅱ产品所需的各设备的台时的总租金不应少 于自己生产1个单位Ⅱ产品的利润100元。
• 另外， y1 , y2 , y3 ≥ 0
线性规划的对偶问题
max z = 50 x1 + 100 x2 s.t. x1 + x2 ≤ 300 2 x1 + x2 ≤ 400 x2 ≤ 250 x1 , x2 ≥ 0
原问题
min f = 300 y1 + 400 y2 + 250 y3
图解法的灵敏度分析
• 在一定范围内，当约束条件右边常数增加1 个单位时
– 若约束条件的对偶价格大于0，则其最优目标函 数值得到改善（变好）；
– 若约束条件的对偶价格小于0，则其最优目标函 数值受到影响（变坏）；
– 若约束条件的对偶价格等于0，则最优目标函数 值不变。
线性规划的矩阵描述
max z = c1x1 + c2x2 + … + cnxn s.t. a11 x1 + a12 x2 + … + a1n xn = b1
1 23 4 5
图解法的灵敏度分析
灵敏度分析： 建立数学模型和求得最优解后，研究线性规 划的一个或多个参数（系数）ci , aij , bj 变化 时，对最优解产生的影响。
• 参数多为估计值或预测值，常常不精确 • 参数常常随着其他条件变化而变化
图解法的灵敏度分析
线性规划的对偶问题
• 假设另外一工厂要租用该厂的设备A、B、C，那么 该厂的厂长应该如何来确定合理的租金呢？
• 从出租人的角度：
– 生产1个单位Ⅰ产品所需的各设备的台时的总租金不应少 于自己生产1个单位Ⅰ产品的利润50元。
– 生产1个单位Ⅱ产品所需的各设备的台时的总租金不应少 于自己生产1个单位Ⅱ产品的利润100元。
• 另外， y1 , y2 , y3 ≥ 0
线性规划的对偶问题
max z = 50 x1 + 100 x2 s.t. x1 + x2 ≤ 300 2 x1 + x2 ≤ 400 x2 ≤ 250 x1 , x2 ≥ 0
原问题
min f = 300 y1 + 400 y2 + 250 y3
图解法的灵敏度分析
• 在一定范围内，当约束条件右边常数增加1 个单位时
– 若约束条件的对偶价格大于0，则其最优目标函 数值得到改善（变好）；
– 若约束条件的对偶价格小于0，则其最优目标函 数值受到影响（变坏）；
– 若约束条件的对偶价格等于0，则最优目标函数 值不变。
线性规划的矩阵描述
max z = c1x1 + c2x2 + … + cnxn s.t. a11 x1 + a12 x2 + … + a1n xn = b1
对偶单纯形法灵敏度分析
对偶单纯形法灵敏度分析
汇报人：XX
单击输入目录标题 对偶单纯形法概述 对偶单纯形法灵敏度分析的步骤 对偶单纯形法灵敏度分析的优点和局限性 对偶单纯形法灵敏度分析的改进方向 对偶单纯形法灵敏度分析的实际应用案例
添加章节标题
对偶单纯形法概述
对偶单纯形法的定义
对偶单纯形法是一种线性规划 算法
它基于对偶理论，通过迭代寻 找最优解
结论：对偶单纯形法灵敏度分析在资源分配问题中具有广泛的应用前景，能够为企业带来巨大 的经济效益。
THANK YOU
汇报人：XX
各变量对目标函数的影响程度。
求解最优解
确定初始对偶解
确定迭代步长
计算对偶方向 更新最优解
计算灵敏度
计算对偶问题的 最优解
确定最优解对应 的基变量和自由 变量
计算基变量的灵 敏度
计算自由变量的 灵敏度
对偶单纯形法灵敏度分析的优 点和局限性
优点
计算简单：对偶单 纯形法在计算上相 对简单，易于理解 和实现。
对偶单纯形法适用于求解标准 型线性规划问题
它具有简单、高效、可靠等优 点
对偶单纯形法的原理
对偶性：将原问题转化为对偶问题，通过对偶问题的最优解得到原问题 的近似最优解 单纯形法：利用线性规划的迭代方法，通过不断迭代寻找最优解
灵敏度分析：分析决策变量变化对最优解的影响，为决策提供参考
对偶单纯形法的应用场景
分析灵敏度结果：根据灵敏度系数的大 小和符号，分析各变量对目标函数的灵
敏度，为决策提供依据。
添加标题
添加标题
添加标题
添加标题
确定约束条件和目标函数：在分析过程 中，首先需要确定问题的约束条件和目 标函数，这是对偶单纯形法灵敏度分析
汇报人：XX
单击输入目录标题 对偶单纯形法概述 对偶单纯形法灵敏度分析的步骤 对偶单纯形法灵敏度分析的优点和局限性 对偶单纯形法灵敏度分析的改进方向 对偶单纯形法灵敏度分析的实际应用案例
添加章节标题
对偶单纯形法概述
对偶单纯形法的定义
对偶单纯形法是一种线性规划 算法
它基于对偶理论，通过迭代寻 找最优解
结论：对偶单纯形法灵敏度分析在资源分配问题中具有广泛的应用前景，能够为企业带来巨大 的经济效益。
THANK YOU
汇报人：XX
各变量对目标函数的影响程度。
求解最优解
确定初始对偶解
确定迭代步长
计算对偶方向 更新最优解
计算灵敏度
计算对偶问题的 最优解
确定最优解对应 的基变量和自由 变量
计算基变量的灵 敏度
计算自由变量的 灵敏度
对偶单纯形法灵敏度分析的优 点和局限性
优点
计算简单：对偶单 纯形法在计算上相 对简单，易于理解 和实现。
对偶单纯形法适用于求解标准 型线性规划问题
它具有简单、高效、可靠等优 点
对偶单纯形法的原理
对偶性：将原问题转化为对偶问题，通过对偶问题的最优解得到原问题 的近似最优解 单纯形法：利用线性规划的迭代方法，通过不断迭代寻找最优解
灵敏度分析：分析决策变量变化对最优解的影响，为决策提供参考
对偶单纯形法的应用场景
分析灵敏度结果：根据灵敏度系数的大 小和符号，分析各变量对目标函数的灵
敏度，为决策提供依据。
添加标题
添加标题
添加标题
添加标题
确定约束条件和目标函数：在分析过程 中，首先需要确定问题的约束条件和目 标函数，这是对偶单纯形法灵敏度分析
6第六章 单纯形法的灵敏度分析与对偶
以第二章例1在最终单纯形表上对进行b1灵敏度分析：
x1 x2 s1 s2 s3
50
1 0 0 50 0
100
0 0 1 100 0
0
1 -2 0 50 -50
0
0 1 0 0 0
0
-1 1 1 50 -50
b
50 50 250 27500
比值
bi/aij
x2 zj
σj=cj-zj
在第一个约束方程中含有松弛变量s1,其对应的列为(1,-2,0)T,
管理运筹学
第六章 单纯形法的灵敏度分析与对偶
本章内容
1
2
线性规划的对偶问题 对偶规划的基本性质
3
4
对偶单纯形法种特殊情况
本章内容
1
2
线性规划的对偶问题 对偶规划的基本性质
3
4
对偶单纯形法种特殊情况
§1
单纯形表的灵敏度分析
c c 一、目标函数中变量系数 ck 灵敏度分析 c k k k
1、在最终的单纯形表里，xk是非基变量
使得对应约束条件 的对偶价格不变
0
xBi xBi max dik 0 bk min dik 0 dik dik
§1
迭代 次数 基变 量
x1 s2
2
单纯形表的灵敏度分析
cB
50 0 100
b1 0 b 2 0 b b b b b k bk 0 b m 0
bk bk bk
原始的最终单纯形表中基变量xB变为x'B：
管理运筹学--单纯形法的灵敏度分析与对偶对偶问题讲课讲稿
2. 初始单纯表中的基变量Xs=b，迭代后的单 纯形表中为XB= B-1b
3. 初始单纯表中的约束系数矩阵为：
[A,I]=[B,N,I] 迭代后的单纯形表中约束系数矩阵为：
[B-1A, B-1I]=[B-1B, B-1N, B-1I]=[I , B-1N, B-1] 4. 若初始矩阵中变量xj的系数向量为Pj，迭代
x4
x5 值
0 x3
8
1
0
1
0
0
0 x4 12 0 2 0 1 0
0 x5 36 3 4 0 0 1
检验数j
3 50 0 0
• 最优基和最优基的逆
Cj
3 5 0 0 0比
CB XB
b
x1
x2 x3
x4
x5 值
0 x3 4 0 0 1 2/3 -1/3
5 x2 6 0 1 0 1/2 0
3 x1 4 1 0 0 -2/3 1/3
0
0
1
表
j
0
0 -50
0
-50
初始单纯形表为:
Cj
CB
CN
0
XB
XN
XS
0
X S
b
B
N
I
检验数j
CB
CN
0
当迭代若干步，基变量为X B时，新的单纯形表:
Cj
CB
CN
0
XB
XN
XS
CB
b X B
B-1
I
检验数j
0
B-1N CN- CB B-1N
B-1 - CB B-1
小结
1. 对应初始单纯表中的单位矩阵I，迭代后的 单纯形表中为B-1
3. 初始单纯表中的约束系数矩阵为：
[A,I]=[B,N,I] 迭代后的单纯形表中约束系数矩阵为：
[B-1A, B-1I]=[B-1B, B-1N, B-1I]=[I , B-1N, B-1] 4. 若初始矩阵中变量xj的系数向量为Pj，迭代
x4
x5 值
0 x3
8
1
0
1
0
0
0 x4 12 0 2 0 1 0
0 x5 36 3 4 0 0 1
检验数j
3 50 0 0
• 最优基和最优基的逆
Cj
3 5 0 0 0比
CB XB
b
x1
x2 x3
x4
x5 值
0 x3 4 0 0 1 2/3 -1/3
5 x2 6 0 1 0 1/2 0
3 x1 4 1 0 0 -2/3 1/3
0
0
1
表
j
0
0 -50
0
-50
初始单纯形表为:
Cj
CB
CN
0
XB
XN
XS
0
X S
b
B
N
I
检验数j
CB
CN
0
当迭代若干步，基变量为X B时，新的单纯形表:
Cj
CB
CN
0
XB
XN
XS
CB
b X B
B-1
I
检验数j
0
B-1N CN- CB B-1N
B-1 - CB B-1
小结
1. 对应初始单纯表中的单位矩阵I，迭代后的 单纯形表中为B-1