【运筹】0319_单纯形法&对偶理论

材料： Introduction to Operation Research 清华大学出版社

单纯形法的实质（几何）

如图的问题有六个角点可行解（CPF corner-point feasible solution)，也就是可行域的六个顶点。 对于含有n个决策变量的LP问题而言，当两个CPF解位于n-1条相同的约束边界上是，他们是相邻的（这里n=2)
最优性检验：对于一个CPF解，如果没有比他更好的相邻CPF解，那么它就是最优解
求解步骤：从原点开始Z=0, 两个相邻解都优于它 -> 移动至较优的CPF解(0,6) ，有相邻解优于它 -> 移动至较优的CPF(2,6) -> 通过最优性检验，结束。

构建单纯形法（代数）

1. 通过松弛变量(slack variables)把不等式约束化为等式约束
   

2. 基本解：是一个扩展后的角点解，即加入松弛变量取值后形成的解。解(3,2)的扩展解是 (3,2,1,8,5）

3. 自由度：变量个数 - 方程个数 = 5 - 3 = 2， 表示可任选2个变量来赋予任意数值，可根据此求解这3个方程得出其余3个变量的值。单纯形法把任意值设为0, 3个方程对其他3个变量的联力解就是基本解。
   如(0,6,4,0,6)这个解中，$x_1$、$x_4$就是非基变量，$x_2$、$x_3$、$x_5$就是基变量。对可行性的要求是所有变量必须为非负

单纯形法的代数解释如下图右栏：

第一次迭代前，如何判断应该增加$x_1$还是$x_2$？
是根据目标函数中的系数，$x_1$的增长率为3， $x_2$的增长率为5，所以把$x_2$作为迭代1的入基变量。
第一次迭代时，如何判断在何处停止？通过最小比值试算
$x_3=4\ge 0$ -> 对$x_2$没有上限限制
$x_4=12-2x_2\ge 0$ -> $x_2\le 6$
$x_5=18-2x_2\ge 0$ -> $x_2\le 9$
所以$x_2$只能增加到6，同时$x_4$降为零，$x_4$是当前迭代的出基变量

改造非标准模式的约束(等号或大于等于号) ： 大M法、两阶段法

转化为

对偶理论的实质

· 原问题目标函数的系数是对偶问题约束方程的右端项
· 原问题约束方程的右端项是对偶问题目标函数的系数

一个问题	另一个问题
约束$i$	变量$i$
目标函数	约束右端项

· 弱对偶性：如果$x$是原问题的一个可行解，$y$是对偶问题的一个可行解，则有$cx\le yb$
· 强对偶性：如果$x^{\ast }$是原问题的一个最优解，$y^{\ast }$是对偶问题的一个最优解，则有$c{x}^{\ast }=y^{\ast }b$
当两个问题中有一个不是最优解，或者两个都不是最优解，会有$cx<yb$，而当两个都是最优解是，则是等于的关系。在每一步的迭代中，单纯形法找到这个两个问题的一对特殊解，原问题的解是可行的，对偶问题的解是不可行的（最终迭代除外）
· 互补解特性：单纯形法迭代过程中，为原问题生成一个cpf解x, 同时得到对偶问题的互补解y, 并且满足$cx=yb$。如果x不是原问题的最优解，那么y不是对偶问题的可行解（连约束都不满足)
· 最优互补解特性：单纯形法迭代过程中，为原问题生成一个最优解$x^{\ast }$, 同时得到对偶问题的一个最优互补解$y^{\ast }$, 满足$c{x}^{\ast }=y^{\ast }b$。
· 对称性：原问题和对偶问题的一切关系必定是对称的，因为对偶问题的对偶问题是原问题
· 对偶定理：
1. 如果一个问题拥有可行解和有界的目标函数（有最优解），那么另一个问题也有可行解和有界的目标函数。弱对偶行和强对偶性都是可用的
2. 如果一个问题拥有可行解但是目标函数无界（没有最优解），那么另一个问题没有可行解
3. 如果一个问题没有可行解，那么另一个问题或者没有可行解，或者有可行解但是目标函数无界。

对偶性的应用

单纯形法可以通过解答对偶问题为原问题找到一个最优解。

约束方程对单纯形法的计算过程的影响要远远大于变量个数的影响，所以如果原问题的变量个数少，约束方程多的话就可以转化成对偶问题求解，可以极大减少计算量；

如果计算出来的$cx-by$足够小，也可以接受这个方案而不用再继续计算