运筹学之线性规划（单纯性法）

最新推荐文章于 2025-03-12 10:55:12 发布

一木一疆

最新推荐文章于 2025-03-12 10:55:12 发布

阅读量2k

点赞数 37

分类专栏：运筹学线性规划单纯形法文章标签：算法数学建模矩阵线性代数

本文链接：https://blog.csdn.net/2301_79571587/article/details/145901046

版权

运筹学同时被 3 个专栏收录

6 篇文章

订阅专栏

单纯形法

5 篇文章

订阅专栏

线性规划

4 篇文章

订阅专栏

3.非退化线性问题中的基本可行解和极点问题

3.1 核心概念定义（其余定义参考第二节）

1.线性规划的基本概念

1.1 基础模型

1.2 模型术语

模型术语在上一篇文章中已经详细说明，本篇不再赘述，如有需要可前往

（运筹学之线性规划（2）-CSDN博客）中学习线性规划的基础知识。

1.2.1 可行域 (Feasible Region)

定义：线性规划中所有满足约束条件的决策变量取值构成的集合

1.2.2 有界可行域（Bounded feasible domain）

定义：所有可行解的取值均被限制在有限范围内，不存在无限延伸方向。

1.2.3 可行解（Feasible solution）

定义：满足所有约束条件的决策变量取值组合

1.2.4 基本可行解 (Basic Feasible Solution)

定义：既是基本解又满足非负性条件的解

1.2.5 最优解 (Optimal Solution)

定义：使目标函数达到极值（例如最大利润或最小成本）的可行解.

2.单纯形法的基本思想和步骤

2.1 基本思想

单纯形法是一种基于几何顶点遍历的线性规划求解算法，其核心逻辑可概括为：

顶点择优原理：
- 线性规划的可行域构成凸多面体，最优解必出现在顶点（基可行解）上。
- 通过有限步迭代，从一个顶点沿目标函数改进方向移动到相邻顶点。
方向选择机制：
- 利用**检验数（Reduced Cost）**判断当前解的改进潜力。
- 若存在正检验数（最大化问题）或负检验数（最小化问题），则目标函数可继续优化。
终止条件：
- 所有检验数均不满足优化方向时达到最优解。
- 若发现无界方向（存在无限改进空间），则问题无界。

现实案例：

假设你要把货物从3个仓库运到3个超市，想找到总运费最低的方案。单纯形法就像智能导航：

先随便选个运输方案（比如全走最近路线）
发现某条路线运费太贵，就改走便宜路线
不断调整直到找不到更省钱的方案

2.2 操作流程（以上述现实案例操作）

2.2.1 问题标准化改造（将现实问题转化为数学标准形式）

约束转化（库存限制 → 等式）：

原约束：（从产地i运出量不超过库存）
加松弛变量：，其中Si ≥ 0
几何意义：松弛变量Si表示产地i的剩余库存

目标函数统一：

最小化转最大化：若原问题求最小成本Z，则改写为最大化−Z
数学公式：

2.2.2 构建初始基可行解

操作：设置虚拟运输方案作为起点

基变量选择：

初始基：选择松弛变量Si和人工变量（如有）构成基
解值计算：

单纯形表初始化：

基变量	x11	x12	...	s1s	...	右端项
s1	1	1	...	1	...	56
...	...	...	...	...	...	...
检验数	−c11	−c12	...	0	...	0

2.2.3 检验数计算与突破口定位

核心公式：

符号说明：

操作示例：

发现败家路径：若X22检验数σ22=240>0（最大化问题）
止损潜力：每减少1吨X22运输量，可节省240−λ元（λ为新路径成本）

2.2.4 基变换与运量调整

进基变量选择：

规则：选σj>0中最大者（最大化问题）

出基变量确定（最小比值测试）：

主元消去运算：

枢轴行：为枢轴元素
行变换公式：

2.2.5 迭代终止与最优解验证

终止条件：

3.非退化线性问题中的基本可行解和极点问题

3.1 核心概念定义（其余定义参考第二节）

基变量是从决策变量和松弛变量中选出的一组变量，其对应的系数矩阵列向量线性无关，且数量等于约束方程个数（m个）
非基变量：未被选入基的变量，其值在基本可行解中恒为0
极点：凸集S中的点x若不能表示为其他两点的凸组合
非退化特性：xB>0（所有基变量严格为正），无零分量
双射关系：一个映射同时满足单射（一一映射）和满射（全覆盖）

3.2 非退化条件下的对应关系

一一对应定理：

核心结论：在非退化线性规划中，基本可行解与极点存在双射关系
证明思路：
- 正向：每个BFS对应唯一极点
  - 非退化BFS有m个正变量，对应n个有效约束（m等式约束+（n−m）非负约束）
  - 该点位于nn维空间中nn个超平面交点，即顶点
- 逆向：每个极点对应唯一BFS
  - 极点处至少n个约束生效，其中m个线性无关约束确定基变量

3.3 构造性证明示例

标准化：引入松弛变量s1,s2≥0，约束变为：x1+x2+s1=4；2x1+x2+s2=6
非退化BFS计算：
- 基变量选s1,s2：解为(0,0,4,6)，对应原点极点(0,0)
- 基变量选x1,s2：解为(4,0,0,−2)不可行（退化出现）
- 基变量选x2,s1：解为(0,4,0,2)，对应极点(0,4)
- 基变量选x1,x2：解为(2,2,0,0)，对应极点(2,2)

3.4 几何可视化验证

可行域：四边形顶点为(0,0),(0,4),(2,2),(3,0)
对应关系：
- (0,0)：退化BFS（s2=6>0但基变量s2被强制排除）
- (0,4)：非退化BFS（x2=4,s1=0，严格基变量x2,s1）
- (2,2)：非退化BFS（x1=2,x2=2）
- (3,0)：退化BFS（s1=1>0但未选入基）