线性规划讲义

合集下载
  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)。

关键的解原理

解原理6:z增长率为正,意味着相邻CPF 解优于当前CPF解;z增长率为负,意味 着相邻CPF解并不优于当前CPF解。因此, 最优性检验及时检查是否有边界线会带 给z正的增长率,如果没有,则证明当前 的CPF解是最优的。
构建单纯形法



单纯形法通常是在计算机上实施的,而计算 机只能执行代数运算,因此需要把上述几何 原理转化成可应用代数计算的步骤。 第一步:把不等式约束转化为等价的等式约 束,这个过程考引入松弛变量(slack variables)来完成 模型的扩展模式(augmented form):原线 性模型在引入松弛变量后形成的新的模式
a 11 x1 a 12 x 2 ... a 1 n x n ( , ) b a 21 x1 a 22 x 2 ... a 2 n x n ( , ) b 约束条件: ... a x a x ... a x ( , ) b m2 2 mn n m1 1 x1 , x 2 ,..., x n 0
单纯形法的实质


单纯形法是一个代数计算过程,但它本 质上是基于几何原理 了解这些几何原理能为我们理解单纯形 法的运算步骤提供非常直观的解释,同 时也有助于我们将解释为什么单纯形法 为什么会如此有效
单纯形法的几何原理



约束边界(constraint boundary):每个约束条件都 是一条直线,该直线就是满足对应约束的边界线 角点解(corner-point solutions):约束边界的交点 角点可行解(CPF solutions):在可行域上的角点 相邻(adjacent):两个CPF解位于同一条约束边界上, 它们是相邻的,两个相邻的CPF解连成的一条线段被称 为可行域的边 (edge) 最优性检验(optimality test):如果一个CPF解没有 比它更好(以z来衡量)的相邻CPF解,那么它就是最 优解
单纯形法的代数-求解新的BF解
( 0 ) z 3 x1 5 / 2 x 4 30
( 0 ) z 3 x1 5 x 2 0 (1) x1 x 3 4 ( 2 ) 2 x 2 x 4 12 ( 3 ) 3 x1 2 x 2 x 5 18
高斯-乔丹消去法
起始步骤(开始准备迭 最优性检验:(当前 不是 / 是 停止 迭代(进行一次迭代, 找出更好的 CPF 解) CPF 解是最优解吗?) 代,包括找出初始 CPF 解)
关键的解原理



解原理3: 只要有可能单纯形法的起始步骤就 选择原点作为初始CPF解 解原理4:已知一个CPF解,从计算上来说,获 取它的相邻CPF解的信息比获取其他CPF解的信 息更快 解原理5:得到当前的CPF解后,单纯形法考察 从这个解出发的可行域的每一条边(不是计算 相邻CPF解,而仅仅是判断沿这条边移动时z的 增长率)
单纯形法原理分析
单纯型法(simplex method)
1947年乔治.丹捷格(George Dantzig)提 出单纯形法,(乔治.丹捷格堪称运筹学最 重要的先驱,由于在单纯形法及其他方面的 很多重要贡献,他被称为线性规划之父)单 纯形法已经被证实是真正有效的方法,如今 通常用于在计算机上解决大型问题。(除了 一些小问题,这种方法总是在计算机上实现) 单纯形法的延伸和变化也被用来对模型进行 优化后分析(包括灵敏度分析)
单纯形法的代数-最优性检验
目标函数: 对于初始可行解, z 0 z 3 x1 5 x 2
x 1的( 3)与 x 2的贡献( 5)都是正 由解原理 6,可得( 0 ,0,4,12,18 )不是最优解
单纯形法的代数-确定移动方向
z 3 x1 5 x 2 增加 x1? z 的增长率 增加 x 2? z 的增长率 3 5 , 因此选择增加 3 5 x2
单纯形法的代数-2次迭代和最优解结果
选择出基变量 x 3 4 x1 0 x1 4 /1 4 x 2 6 0 对 x 1 无上限约束 x 5 6 3 x 1 0 x 1 6 / 3 2 最小比值 因此出基变量为 x5
纯形法的代数-2次迭代和最优解结果
几何原理示例
max z 3 x 1 5 x 2 s .t . x1 4 2 x 2 12 3 x 1 2 x 2 18 且 x1 , x 2 0
关键的解原理

解原理1:单纯形法只关注CPF解 解原理2:单纯形法是一个迭代算法(一个系统 化的求解过程,它重复着一系列固定的我们称 之为迭代的步骤,直到得到期望的结果),结 构如下
线性规划讲义(linear program)
组员: 林舒进 万军 曾跃文 李婷
线性规划(LP)
线性规划是使用数学模型描述相关问题 的一种工具 内涵 线性:模型中所有的数学函数都是线性 函数。 规划:等同与计划,既在模型中找找出 最优解。

线性规划解决什么类型的问题



狭义问题:给活动分配资源(竞争性活 动中以最佳的可能方式分配有限资源) 例如:生产设施的分配,国家资源和家 庭必须品的分配,部长职位的选举,海 运模式的选择,农业生产计划,放射性 治疗等 广义问题:数学模型符合线性规划一般 形式的任何问题都是线性规划问题
若增加 x 2的值超过 6 会使 x 4 变为负数,违背了可行 所以出基变量为 x4
单纯形法的代数-求解新的BF解
非基变量ቤተ መጻሕፍቲ ባይዱ 初始 BF 解 x 1 0, x 2 0 新 BF 解 x 1 0, x 4 0 基变量: 初始 BF 解 x 4 4, x 4 12 , x 5 18 新 BF 解 x 3 ?, x 2 6, x 5 ?
单纯形法的代数-初始化

选择 x 1 , x 2 为非基变量(这些变量设为0)
令 x1 0 , x 2 0 , 因此有 (1) x1 x 3 4 x 3 4 ( 2) x 2 x 4 12 x 4 12 2 ( 3) x1 2 x 2 x 5 18 x 5 18 3 因此,初始 BF 解是( 0,,, , ) 0 4 12 18
如: x1 4 x1 x 2 4
扩展模式的术语


扩展解(augmented solution):原始变量 (决策变量)取值再加入相应的松弛变量取值 后形成的解 基本解(basic solution):是一个扩展后的角 点解 基本可行解(BF解):是扩展的CPF解(非负) (非基变量,基变量,基) BF解相邻(adjacent):当非基变量只有一个 不同时,两个BF解相邻(因此,从当前BF解转 到另一个相邻的BF解时,围绕着把一个变量从 非基变量转变为基变量来进行)

(1) x1 x 3 4 (2) x2 1 / 2 x4 6 ( 3 ) 3 x1 x 4 x 5 6
单纯形法的代数-新BF解的最优性检验
z 30 3 x 1 5 / 2 x 4 x 1 有正数,增加 x 1导致 z 增加,所以当前解不是 最优
此时 x 1为入基变量
( 0 ) z 3 / 2 x 4 x 5 36 (1) x 3 1 / 3 x 4 1 / 36 x 5 4 (2) x2 1 / 2 x4 6 ( 3 ) x1 1 / 3 x 4 1 / 3 x 5 2 最后 BF 解( x 1, x 2, x 3, x 4, x 5) 2,,,,) ( 6 2 0 0 得 Z 36 进行最优性检验 : z 36 3 / 2 x 4 x 5
图解法

无穷多解 无界解 无可行解
模型解的术语



可行解(feasible solution)满足所以约 束条件的解(非可行解) 可行域(feasible region)所有可行解的 集合 最优解(optimal solution)目标函数取 得最有利的可行解
模型解的术语


基(the basis):约束方程构成矩阵中 的非奇异矩阵(基向量、基变量、基解) 基可行解:非负的基解 可行基:对应基可行解的基
线性模型的三个要素


决策变量:待求的未知数 约束条件:一组线性方程,该线性方程的 集合为决策变量的可行域 目标函数:用函数表示的追求的目标,通 常是最大或者最小
构建线性规划模型
线性规划的一般形式 目标函数: max(min) z c1 x1 c 2 x 2 ... c n x n
即把 x 2 称为迭代 1的入基变量
单纯形法的代数-确定在何处停下
x 2 增加, z 也会随之增加,因此在 令 x 1 0,有 (1) x 1 x 3 4 x 3 4 ( 2) x 2 x 4 12 x 4 12 2 x 2 2 ( 3) x 1 2 x 2 x 5 18 x 5 18 2 x 2 3 x 3 4 0 对 x 2 增加没有上限限制 x 4 12 2 x 2 0 x 2 12 / 2 6 最小值 x 5 18 2 x 2 0 x 2 18 / 2 6 x 2 只能增加至 6,此时 x 4 减少为 0 性要求 可行域内,应尽量增加 x2
增加 x 4 和 x 5 都会使 z 减少,因此此时最优
演示完毕
谢谢观看
相关文档
最新文档