本文详细介绍了线性规划问题与对偶问题之间的转换，包括如何将原问题的目标函数和约束条件转换成对偶问题的形式。通过具体的例子展示了转换过程，并强调了在处理不等式时的符号变化规则。
每一个线性规划问题都存在一个与其对偶的问题，两者的解一致。因此当原问题不好解就会转为求其对偶问题。
这种转换可以单纯依靠符号逻辑来做，建议参考
https://tv.sohu.com/v/cGwvNjU1NTg1NC82NTQ0NDY1MS5zaHRtbA==.html
https://wenku.baidu.com/view/fc5ac232a88271fe910ef12d2af90242a895abfa.html
https://blog.csdn.net/nciaebupt/article/details/8252056
简单来说，对于其中一种形式，有原问题如下：
min x A T X \min_{x} \quad A^TX xminATX s . t . B X < = C \qquad \qquad s.t. \ BX<=C s.t. BX<=C    X > = 0 \qquad \qquad \,\, X>=0 X>=0
其对偶问题为：
max y C T Y \max_{y} \quad C^TY ymaxCTY s . t . B T Y > = C \qquad \qquad s.t. \ B^TY>=C s.t. BTY>=C    Y > = 0 \qquad \qquad \,\, Y>=0 Y>=0
来讲讲具体转换方法。在下面的例子中我们需要将下列问题转为其对偶问题：
m a x W = 10 y 1 + 8 y 2 + 6 y 3 max \ \ \ \ \ W = 10y_1+\ \ \ 8y_2+6y_3 max W=10y1+ 8y2+6y3 ( 目 标 函 数 ) \qquad \qquad \ \ \ \ \ \ \ (目标函数) (目标函数)
s . t . { 1 y 1 + 2 y 2 + 0 y 3 > = 3 1 y 1 + 0 y 2 + 1 y 3 < = 2 − 3 y 1 + 2 y 2 + 1 y 3 < = − 4 1 y 1 + − 1 y 2 + 1 y 3 = 1 \qquad \quad s.t.\begin{cases} \ \ \ 1y_1 +\ \ \ 2y_2+0y_3>=\ \ \ 3 \\ \ \ \ 1y_1+\ \ \ 0y_2+1y_3<=\ \ \ 2\\ -3y_1+\ \ \ 2y_2+1y_3 <=-4\\ \ \ \ 1y_1+-1y_2+1y_3 \ \ \ = \ \ \ 1 \end{cases} s.t.⎩⎪⎪⎪⎨⎪⎪⎪⎧ 1y1+ 2y2+0y3>= 3 1y1+ 0y2+1y3<= 2−3y1+ 2y2+1y3<=−4 1y1+−1y2+1y3 = 1 ( 约 束 方 程 ) \qquad (约束方程) (约束方程)
s . t . { y 1 ≥ 0 , y 2 ≤ 0 , y 3 无 约 束 \qquad \quad s.t.\begin{cases} \ \ \ y_1\geq 0, y_2\leq 0, y_3无约束 \\ \end{cases} s.t.{ y1
最低0.47元/天 解锁文章
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
