高级算法设计与分析 学习笔记13 线性规划

注意是线性规划不是动态规划哦

好家伙，这不是凸优化吗？

画图当然好解决，但是高维怎么办？

凸优化标准形式：

先改成统一最大化（凸优化那边怎么是统一最小化？）

原来的x2正负无所谓，但我希望每个x都是有限制的，所以把它改成x2'-x2''

等式变成两个不等式。两个都要满足，相当于是等式（奇怪的仪式感）

改造之后就成了这样，全都是不等式约束，每个变量都有约束，目标函数要求最大化。

标准凸优化我有“四不要”：

除此之外还有松弛模式：

1. 将问题转换为标准形式和松弛形式

假设我们要解决一个最大化问题，如下：

• 目标函数：Z=3x1+x2+2x3Z = 3x_1 + x_2 + 2x_3Z=3x1​+x2​+2x3​
• 约束条件： {x1+x2+3x3≤302x1+2x2+5x3≤244x1+x2+2x3≤36x1,x2,x3≥0\begin{cases} x_1 + x_2 + 3x_3 \leq 30 \\ 2x_1 + 2x_2 + 5x_3 \leq 24 \\ 4x_1 + x_2 + 2x_3 \leq 36 \\ x_1, x_2, x_3 \geq 0 \end{cases}⎩⎨⎧​x1​+x2​+3x3​≤302x1​+2x2​+5x3​≤244x1​+x2​+2x3​≤36x1​,x2​,x3​≥0​

为了使用Simplex方法，我们首先将不等式转换为等式。为此，我们引入松弛变量 x4,x5,x6x_4, x_5, x_6x4​,x5​,x6​，使得每个不等式变成等式：

{x4=30−x1−x2−3x3x5=24−2x1−2x2−5x3x6=36−4x1−x2−2x3\begin{cases} x_4 = 30 - x_1 - x_2 - 3x_3 \\ x_5 = 24 - 2x_1 - 2x_2 - 5x_3 \\ x_6 = 36 - 4x_1 - x_2 - 2x_3 \end{cases}⎩⎨⎧​x4​=30−x1​−x2​−3x3​x5​=24−2x1​−2x2​−5x3​x6​=36−4x1​−x2​−2x3​​

此时，问题的松弛形式为：

• 最大化：Z=3x1+x2+2x3Z = 3x_1 + x_2 + 2x_3Z=3x1​+x2​+2x3​
• 约束条件：x1,x2,x3,x4,x5,x6≥0x_1, x_2, x_3, x_4, x_5, x_6 \geq 0x1​,x2​,x3​,x4​,x5​,x6​≥0

2. 寻找基本可行解

在初始解中，设 x1=x2=x3=0x_1 = x_2 = x_3 = 0x1​=x2​=x3​=0，则我们得到基本可行解：

(x1,x2,x3,x4,x5,x6)=(0,0,0,30,24,36)(x_1, x_2, x_3, x_4, x_5, x_6) = (0, 0, 0, 30, 24, 36)(x1​,x2​,x3​,x4​,x5​,x6​)=(0,0,0,30,24,36)

此时，目标函数值为 Z=0Z = 0Z=0。

3. 选择进入和退出基的变量

Simplex方法的核心在于“旋转”操作，即在非基变量中选择一个能提高目标函数值的变量进入基，同时让一个当前基变量退出基。通过这种方式，我们可以从一个顶点移动到另一个更优的顶点。

例如，我们可以选择 x1x_1x1​ 进入基，并选择 x6x_6x6​ 退出基。通过将 x6x_6x6​ 的值减少到0，我们可以得到新的基本解：

(x1,x2,x3,x4,x5,x6)=(9,0,0,21,6,0)(x_1, x_2, x_3, x_4, x_5, x_6) = (9, 0, 0, 21, 6, 0)(x1​,x2​,x3​,x4​,x5​,x6​)=(9,0,0,21,6,0)

此时，目标函数值更新为 Z=27Z = 27Z=27。

4. 重复迭代直至达到最优解

继续上述步骤，通过选择合适的进入和退出变量，不断更新解和目标函数值，最终可以达到最优解。当目标函数无法进一步提升时，当前解即为最优解。

根据PPT中的示例，最终可以得到最优解为：

(x1,x2,x3,x4,x5,x6)=(8,4,0,18,0,0)(x_1, x_2, x_3, x_4, x_5, x_6) = (8, 4, 0, 18, 0, 0)(x1​,x2​,x3​,x4​,x5​,x6​)=(8,4,0,18,0,0)

对应的最优目标函数值为 Z=28。

这种方法适用于所有的线性规划问题，尤其是在高维情况下，Simplex方法通过逐步调整变量，能够有效地在顶点之间移动，最终找到最优解。

注意：因为改变x1可以最大化增大目标，所以先改变x1。最大改变多少？注意第三条等式约束最紧，可以见x1最多加到8（多了就不平衡了）