运筹说第30期 | 算法介绍之单纯形法

最新推荐文章于 2023-12-16 10:29:14 发布

运筹说

最新推荐文章于 2023-12-16 10:29:14 发布

阅读量5.5k

点赞数 2

分类专栏：运筹学运筹说文章标签：算法 matlab python

本文链接：https://blog.csdn.net/YUNCHOUSHUO/article/details/120639922

版权

运筹学同时被 2 个专栏收录

66 篇文章 72 订阅

订阅专栏

运筹说

65 篇文章 43 订阅

订阅专栏

本期小编继续进行运筹学算法的讲解，我们将介绍对偶单纯形法的平台实现方法，可以快速帮助大家求解线性规划问题，做到事半功倍。话不多说，我们一起来看看吧！

一、原理及步骤

1、求解思想

单纯形法求解过程是在保持原始可行的前提下（b保持≥0），通过逐步迭代实现对偶可行（检验数行≤0）。

对偶单纯形法就是换个角度考虑线性规划（Linear programming，简称LP），求解过程：保持对偶可行的前提下（检验数行保持≤0），通过逐步迭代实现原始可行（b列≥0，从非可行解变成可行解）。

2、使用条件

检验数全部≤0

B列至少一个元素﹤0

3、求解步骤

① 列初始单纯形表，检查b列数字：若b列数字均为非负，而检验数行均为非正，则该对偶问题已得到最优解，停止计算；若b列至少还有一个负分量，检验数行保持非正，进行第②步；

② 确定出基变量：选择b列中负值最小者对应变量出基，即 $b_{r}=min\left \{ b_{i}|b_{i} <0\right \}$ 对应的为出基变量。

③ 确定进基变量：根据最小比值规则，即以对应的为进基变量，为主元素进行迭代。

④ 检查是否达到最优：b列非负时达到最优，否则继续②、③步。

4、单纯形法及对偶单纯形法对比

基于本次推文用到的知识点，将单纯形法及对偶单纯形法的区别简单总结如下表所示。

5、对偶单纯形法的优缺点

（1）对偶单纯形法的优点

①不需要人工变量；

②当变量多于约束时，采用对偶单纯形法可以减少迭代次数；

③在灵敏度分析中，某些情况可以用对偶单纯形法处理简化；

（2）对偶单纯形法的缺点

使用对偶单纯形法必须满足两个条件：

①单纯形表中的所有检验数全部≤0；②右端常数项列向量必须有负分量（至少有一个元素＜0）。而大多数线性规划问题的初始单纯形表很难满足所有检验数均≤0的要求，因此，对偶单纯形法一般不会单独使用。

二、算法实现

我们选取Matlab、Python以及Excel这三个软件对如何实现对偶单纯形法进行讲解，以29期的例题为例，题目如下：

1、Matlab求解

对偶单纯形法算法步骤与单纯形法除了进出基的判断规则不同，其他步骤基本类似，所以小编对第16期推文中介绍的SimplexMax函数稍作修改，得到本期推文中Matlab求解对偶单纯形法算法中的重要函数—DualSimplexMax。

①基本思想：在利用MATLAB平台进行算例测试之前，需要将对偶问题转化为标准形式（同时将y用x替代），具体公式如例题-对偶问题化标准型所示。

②DualSimplexMax函数：

参考哈尔滨商业大学张敬信老师在知乎平台分享的相关资源，在MATLAB编辑器窗口编写求解对偶问题的函数—DualSimplexMax（关注“运筹学”公众号→后台回复“DualSimplexMax”即可获取完整Matlab代码）。

③算例求解：在MATLAB平台命令行窗口输入参数完成算例求解

测试：

运行结果：X为最优解，Z为最优值，ST为求解过程产生的单纯形表。

运行结果写入EXCEL：

注意：我们采用Matlab求解时，将对偶问题min(W)化成了标准型max(-W)因此此时求得的是最优解的相反数，最终得到最优解为1350，最优值 $x_{1}$ =5， $x_{2}$ =15。

2、Python求解

除了使用Matlab语言实现对偶单纯形法的求解，我们也可以使用Python语言实现上述过程，此次小编基于上述例题以及CSDN中的文章《单纯形算法及对偶的python实现》为大家介绍求解对偶单纯形法的Python算法，部分代码展示如下（关注“运筹学”公众号→后台回复“Dual simplex”即可获取完整Python代码）。

求解结果

我们采用Python求解时，将对偶问题min(W)化成了标准型max(-W)因此此时求得的是最优解的相反数，最终得到最优解为1350，最优值 $x_{1}$ =5， $x_{2}$ =15。

3、Excel求解

首先我们需要用Excel来加载一个宏，步骤如下：打开Microsoft Excel→文件→选项→加载项→转到→规划求解加载项，在“数据”选项卡中就会出现“规划求解”这一功能，我们用此功能进行求解。

对偶问题：

①建立Excel工作表

将要求解模型中的每个组成部分放在Excel表格中。用一组单元格表示变量，作为可变单元格(空)；用几组单元格分别表示各约束条件和目标函数的系数；用一些单元格输入公式表示各组系数和变量的关系。例题的线性规划模型在表格中可表示为：用单元格B6:B7表示变量 $y_{1}$ 和 $y_{2}$ ，用单元格B1：C1表示变量 $y_{1}$ 和 $y_{2}$ 在目标函数中的系数，用单元格B3:C4表示变量 $y_{1}$ 和 $y_{2}$ 在约束条件中的系数，用单元格D3:D4分别表示两个约束条件的左端项，用单元格F3:F4分别表示两个约束条件的右端项，用单元格B8表示目标函数。

②用MMULT函数实现矩阵的相乘：

对于第一个约束条件的左端项 $4y_{1}+2y_{2}$ 其在单元格中的表示是：D3=MMULT(B4:C4，B7:B8)；

对于第二个约束条件的左端项 $3y_{1}+y_{2}$ 其在单元格中的表示是：D4=MMULT(B5:C5，B7:B8)；

对于目标函数的约束，其在单元格中的表示是：B8=MMULT(B1:C1，B6:B7)。

③用“规划求解”对话框进行求解

将存有目标函数的单元格指定为目标单元格，将表示变量的单元格指定为可变单元格，并建立约束条件。本题中我们在“规划求解参数”对话框中指定B8为目标单元格。由于目标函数是求极小值，因此选中“最小值”。接下来指定B6:B7为可变单元格，然后点击“添加”按钮，就会弹出“添加约束”对话框。在该对话框中，左端输入的是约束条件的左端项，即输入的范围是D3:D4所代表的单元格，右端输入的是约束条件的右端项，即F3:F4所代表的单元格，符号选择“≤”“=”“≥”使得约束条件具体化。如果还需要添加更多的约束条件，可点击“添加”按钮在弹出的新的约束对话框中添加约束；如果没有其他的约束条件需要添加，点击“确定”按钮返回到“规划求解参数”对话框。在“使无约束变量为非负数”前打对勾，并且在选择求解方法时选择“单纯线性规划”，选项选取默认值，然后点击“求解”按钮，就会返回该问题的结果。

可以看到，本题的结果为： $y_{1}$ =5， $y_{2}$ =15，W=1350。

④进行求解、生成报告

在“规划求解参数”对话框中按下“求解”按钮，即可求出最优解和最优值。在一般情况下，都会出现如图所示的“规划求解结果”对话框，它显示已经找到了最优解。如果模型无可行解或无最优解，对话框会显示“找不到可行解”或“设定的单元格值未收敛”。

对话框还会生成三个报告：运算结果报告、敏感性报告和极限值报告，选择“运算结果报告”，可以看到详细的结果分析如下：

☆参考资料1：

【运筹学】对偶单纯形法的Matlab实现 - 知乎

☆参考资料2：

单纯形算法及对偶的python实现_陈述c的博客-CSDN博客_python对偶单纯形法

本期的内容就介绍到这里，想要进一步了解运筹学，关注本公众号，快快学起来吧！

作者 | 曹贵玲尹萌娟

责编 | 何洋洋

审核 | 徐小峰

运筹说

关注

2
点赞
踩
29

收藏

觉得还不错? 一键收藏
0
评论
运筹说第30期 | 算法介绍之单纯形法

本期小编继续进行运筹学算法的讲解，我们将介绍对偶单纯形法的平台实现方法，可以快速帮助大家求解线性规划问题，做到事半功倍。话不多说，我们一起来看看吧！一、原理及步骤1、求解思想单纯形法求解过程是在保持原始可行的前提下（b保持≥0），通过逐步迭代实现对偶可行（检验数行≤0）。对偶单纯形法就是换个角度考虑线性规划（Linear programming，简称LP），求解过程：保持对偶可行的前提下（检验数行保持≤0），通过逐步迭代实现原始可行（b列≥0，从非可行解变成可行解）。2、使用条件.
复制链接

扫一扫