第5章单纯形法

管理运筹学
8
§1 单纯形法的基本思路和原理
• 2.最优解判别定理
对于求最大目标函数的问题中，对于某个基本可行解，
如果所有检验数 ≤0，j 则这个基本可行解是最优解。下面
我们用通俗的说法来解释最优解判别定理。设用非基变量
表示的目标函数为如下形式
z z0 jxj
jJ
由于所有的xj的取值范围为大于等于零，当所有的
• 在 j cj zj 行中填入cj-zj所得的值，如 150050；
• z表示把初始基本可行解代入目标函数求得的目标函数值，即b列*cB列； • 初始基本可行解为s1=300,s2=400,s3=250,x1=0,x2=0; • 由于250/1最小，因此确定s3为出基变量；
• 由 在于列的2 交汇1 处0，为因主此元确，定这x里2为是入a32基=1变，量在。表出中基画变圈量以所示在区行别，。入基变量所
0 1 0 0 1
其中pj为系数矩阵A第j列的向量。A的秩为3,A的秩m小于此方程组的变
量的个数n，为了找到一个初始基本可行解，先介绍以下几个线性规划的
基本概念。
基： 已知A是约束条件的m×n系数矩阵，其秩为m。若B是A中m×m阶非
奇异子矩阵（即可逆矩阵），则称B是线性规划问题中的一个基。
基向量：基B中的一列即称为一个基向量。基B中共有m个基向量。
0 0 1 1 0 0 0 1 0 那么显然所求得的基本解一定是基本可行解，这个单位矩阵或由单位矩阵各列向 量组成的基一定是可行基。实际上这个基本可行解中的各个变量或等于某个bj或等 于零。
管理运筹学
6
§1 单纯形法的基本思路和原理
在本例题中我们就找到了一个基是单位矩阵。
1 0 0 B2 0 1 0
a 2 2 1
a 3 2 1
管理运筹学
12
§1 单纯形法的基本思路和原理
其中
b a
3 32
的值最小，所以可以知道在原基变量中系数向量为 e3
0,0,1T
的基变量s3为出基变量，这样可知x2，s1，s2为基变量，x1，s3为非基变量。 令非基变量为零，得
x2+s1=300, x2+s2=400, x2=250. 求解得到新的基本可行解x1=0,x2=250,s1=50,s2=150. 这时目标函数值为
都小
j
于等于零时，可知 j x j 是一个小于等于零的数，要使z
j J
的值最大，显然 j x j 只有为零。我们把这些xj取为非基 j J
变量(即令这些xj的值为零)，所求得的基本可行解就使目标 函数值最大为z0。
**对于求目标函数最小值的情况，只需把 j ≤0改为 ≥j0
管理运筹学
9
§1 单纯形法的基本思路和原理
n
bi aijxj. i1,2, ,m
jm1
把以上的表达式带入目标函数，就有
m
n
zc1x1c2x2 cnxn cixi cjxj
i1
jm1
其中：
n
n
z0
cj zj xj z0 jxj
jm1
jm1
m
z0 cibi, j cj zj;
i1
m
zj ciaij c1a1j c2a2j cmamj c1,c2,
0 0 1
在第一次找可行基时，所找到的基或为单位矩阵或为由单位矩阵的各 列向量所组成，称之为初始可行基，其相应的基本可行解叫初始基本可行 解。如果找不到单位矩阵或由单位矩阵的各列向量组成的基作为初始可行 基，我们将构造初始可行基，具体做法在以后详细讲述。
管理运筹学
7
§1 单纯形法的基本思路和原理
第五章 单 纯 形 法
• §1 单纯形法的基本思路和原理 • §2 单纯形法的表格形式 • §3 求目标函数值最小的线性规划的问题的
单纯形表解法 • §4 几种特殊情况
管理运筹学
1
§1 单纯形法的基本思路和原理
单纯形法的基本思路：从可行域中某一个顶点开始，判断此顶点是否是最优 解，如不是,则再找另一个使得其目标函数值更优的顶点，称之为迭代，再判断此 点是否是最优解。直到找到一个顶点为其最优解，就是使得其目标函数值最优的 解，或者能判断出线性规划问题无最优解为止。
非基向量：在A中除了基B之外的一列则称之为基B的非基向量。
基变量：与基向量pi相应的变量xi叫基变量，基变量有m个。
管理运筹学
3
§1 单纯形法的基本思路和原理
非基变量：与非基向量pj相应的变量xj叫非基变量，非基变量有n－m个。 由线性代数的知识知道，如果我们在约束方程组系数矩阵中找到一个
基，令这个基的非基变量为零，再求解这个m元线性方程组就可得到唯一
在讲解单纯形法的表格形式之前，先从一般数学模型里推导出检验
数 j 的表达式。
可行基为m阶单位矩阵的线性规划模型如下（假设其系数矩阵的前m 列是单位矩阵）：
m ax z c1 x1 c2 x2 cn xn . x1 a x 1,m 1 m 1 a1,n xn b1 , x2 a x 2,m 1 m 1 a 2,n xn b2 ,
的解了，这个解我们称之为线性规划的基本解。
在此例中我们不妨找到了 1 1 0 为A的一个基，令这个基的
B3 1 0 0
1 0 1
非基变量x１，s2为零。这时约束方程就变为基变量的约束方程：
管理运筹学
4
§1 单纯形法的基本思路和原理
x2+s1≤300， x2=400， x2+s3=250.
x1=0，x2=400，s1=－100，s2=0，s3=－150 由于在这个基本解中s1=－100，s3=－150，不满足该线性规划s1≥0，
数都为零了。此时目标函数中所有变量的系数即为各变量的检验数，把变
量xi的检验数记为σi。显然所有基变量的检验数必为零。在本例题中目标 函数为50x1+100x2。由于初始可行解中x1，x2为非基变量，所以此目标函 数已经用非基变量表示了，不需要再代换出基变量了。这样我们可知
σ1=50，σ2=100，σ3=0，σ4=0，σ5=0。
向量为 pjj1,2, ,n则
z j c B 1 , ,c B m p j c B p j,
其中，(cB)是由第1列第m行各约束方程中的基变量相应的目标函数依 次组成的有序行向量。
单纯形法的表格形式是把用单纯形法求出基本可行解、检验其最优性、
迭代某步骤都用表格的方式来计算求出，其表格的形式有些像增广矩阵，
通过第二章例1的求解来介绍单纯形法:
目标函数： max 50x1+100x2 约束条件：x1+x2+s1≤300，
2x1+x2+s2≤400， x2+s3≤250.
xj≥0 （j=1，2）,sj≥0 （j=1，2,3）
管理运筹学
2
§1 单纯形法的基本思路和原理
它的系数矩阵 ,
1 1 1 0 0
A(p1,p2,p3,p4,p5)2 1 0 1 0
s3≥0的约束条件，显然不是此线性规划的可行解，一个基本解可以是 可行解，也可以是非可行解，它们之间的主要区别在于其所有变量的解 是否满足非负的条件。我们把满足非负条件的一个基本解叫做基本可行 解，并把这样的基叫做可行基。
管理运筹学
5
§1 单纯形法的基本思路和原理
一般来说判断一个基是否是可行基，只有在求出其基本解以后，当其基本解
三、 基变换 通过检验，我们知道这个初始基本可行解不是最优解。下面介绍如何进
行基变换找到一个新的可行基，具体的做法是从可行基中换一个列向量，得 到一个新的可行基，使得求解得到的新的基本可行解，其目标函数值更优。 为了换基就要确定换入变量与换出变量。 1.
从最优解判别定理知道，当某个σj＞0时，非基变量xj变为基变量不取 零值可以使目标函数值增大，故我们要选基检验数大于0的非基变量换到基 变量中去（称之为入基变量）。若有两个以上的σj＞0，则为了使目标函数 增加得更大些，一般选其中的σj最大者的非基变量为入基变量，在本例题 中σ2=100是检验数中最大的正数，故选x2为入基变量。
二、 最优性检验
所谓最优性检验就是判断已求得的基本可行解是否是最优解。
1. 最优性检验的依据——检验数σj 一般来说目标函数中既包括基变量，又包括非基变量。现在我们要求
只用非基变量来表示目标函数，这只要在约束等式中通过移项等处理就可
以用非基变量来表示基变量，然后用非基变量的表示式代替目标函数中基
变量，这样目标函数中只含有非基变量了，或者说目标函数中基变量的系
而其计算的方法也大体上使用矩阵的行的初等变换。以下用单纯形表格来
求解第二章的例1。
max 50x1+100x2+0·s1+0·s2+0·s3. x1+x2+s1=300 2x1+x2+s2=400 x2+s3=250
x1, x2, s1, s2, s3≥0. 把上面的数据填入如下的单纯形表格
管理运筹学
x1 x2 s1 300, 2 x1 x2 s2 400, x2 s3 250.
在第二步中已经知道x2为入基变量，我们把各约束方程中x2的为正的系数除 对应的常量，得
b 1 3 0 0 3 0 0 , b 2 4 0 0 4 0 0 , b 3 2 5 0 2 5 0 .
a 1 2 1
i1
a1j
,cma2j
amj
c1,c2, ,cmpj
管理运筹学
15
§2 单纯形法的表格形式
上面假设x1,x2,…xm是基变量，即第i行约束方程的基变量正好是xi，而 经过迭代后，基将发生变化，计算zj的式子也会发生变化。如果迭代后的 第i行约束方程中的基变量为xBi，与xBi相应的目标函数系数为cBi，系数列