线性规划:单纯形算法

作者 dylanFrank(滔滔)

转载请联系作者 原文链接：http://blog.csdn.net/Dylan_Frank/article/details/77876006

这里简要总结一下线性规划的单纯形算法，做如下几个方面的总结，其余以后再来填坑.

• 几何表示
• 标准型的代数解法
• 其他情形与标准型的互换
• 退化情形

几何表示

先看这样一个问题

我们很容易用下面的数学语言来描述这个问题

$$\begin{align} max\ z &=5x_1 + 4x_2\\ s.t\ 6x_1+4x_2&\le24\\ x_1+2x_2&\le 6\\ -x_1+x_2&\le 1\\ x_2 &\le2\\ x_i&\ge 0 \end{align}$$

如果我们用几何来描述这个问题的话则是这样的

其中阴影部分表示可行域(feasible region)
黑色加粗的线条表示边界
两个边界的交点称为角点(corner-point CP)
在可行域上的角点称谓 角点可行解(CPF)
共享一边的角点称为角点邻接角点(adj CPF)
我们在这里不加证明的指出(以后有空再填坑),线性规划的最优解一定在 CPF ,并且有优性测试 (optimal test),若某一个CPF 的相邻角点的（目标函数）值都不比这个CPF优，则这个CPF 就是最优解.
由此我们不难得到一个简单的算法:

从一个初始CPF开始，沿着比它更优的
adj CPF 前行，若找到一个 CPF 这个CPF的所有 adj CPF不比 它优，则这就是最优解.比如上例中会在C点找到最优解

这就是单纯形算法，不过几何表示毕竟不能让计算机简单执行，因此我们需要将其转化为代数形式。

代数形式

线性规划的标准代数表达，(本文采用《introduction to operation research》清华大学影印版) 的表示.

max zs.t ∑i=1najixixi