线性规划之单纯形小结

学了单纯形决定写个小结，方便以后复习。
这里只打算写结论和实现过程，证明什么的统统没有。

定义

标准型

最大化

$$\sum_{j=1}^n c_jx_j$$
满足
$$\sum_{j=1}^n a_{ij}x_j \le b_i，i=1,2,...,m\\ x_j \ge 0，j=1,2,...,n$$

松弛型

每个约束都引入一个松弛变量$x_{n+i}$，
最大化

$$\sum_{j=1}^n c_jx_j$$
满足
$$x_{n+i}=b_i-\sum_{j=1}^n a_{ij}x_j，i=1,2,...,m\\ x_j \ge 0，j=1,2,...,n+m$$

对偶性

给定上面的标准型线性规划，定义其对偶线性规划为

最小化

$$\sum_{i=1}^m b_iy_i$$
满足
$$\sum_{i=1}^m a_{ij}y_i \ge c_j，j=1,2,...,n\\ y_i \ge 0，i=1,2,...,m$$
此对偶线性规划的最优值等于原始线性规划的最优值。

转化到标准型

对于最小化目标函数，取反转化成最大化。
对于等式约束，拆成两个大于等于和小于等于的不等式约束。
符号与标准型相反的约束，取反。
对于取值范围无限制的变量$x_i$，用两个新变量$x_{i1}$和$x_{i2}$来表示，其中$x_i=x_{i1}-x_{i2}，x_{i1},x_{i2} \ge 0$。

更简洁的表示形式

称松弛型中左边的变量为基本变量，右边的变量为非基本变量。
用集合$N$表示非基本变量下标集合，$B$表示基本变量下标集合，总有$|N|=n$，$|B|=m$，$N \bigcup B=\{1,2,...,n+m\}$。

用$z$来表示目标函数值，并添加一个常数项$v$。

最大化

$$z=v+\sum_{j \in N} c_jx_j$$
满足
$$x_i=b_i-\sum_{j \in N} a_{ij}x_j，i \in B\\ x_j \ge 0，j \in N \bigcup B$$

其他

满足所有约束的一组$x$称为可行解。
将非基本变量（等式右边）取$0$得到的解称为基本解，可以知道此时$x_{n+i}=b_i$。
若基本解满足所有约束则称为基本可行解。

单纯形算法

方便起见先假设初始状态得到的基本解可行，即所有的$b_i$非负。

主要思想

每次选择一个非基本变量$x_i$（称为替入变量），满足对应的目标函数上的系数$c_i$为正，增大它的值直到某个基本变量（称为替出变量）变为$0$。然后重写松弛型，交换替入变量和替出变量，并更新目标函数和其他约束上的系数。
每一轮迭代后，目标函数的值将不变或增大。

转动

假设我们已经找到了替入变量$x_e$和替出变量$x_l$，接下来的操作是重写松弛型。
首先要先交换$x_e$和$x_l$的位置，变$x_e$为基本变量。
其次是把新式子带入其他约束和目标函数中，得到新的松弛型。

代码

void PIVOT(int l,int e){
    b[l]/=a[l][e];
    for (int i=1;i<=n;i++)
        if (i!=e) a[l][i]/=a[l][e];
    a[l][e]=1/a[l][e];
    for (int i=1;i<=m;i++)
    if (i!=l && fabs(a[i][e])>eps){
        b[i]-=a[i][e]*b[l];
        for (int j=1;j<=n;j++)
            if (j!=e) a[i][j]-=a[i][e]*a[l][j];
        a[i][e]*=-a[l][e];
    }
    v+=c[e]*b[l];
    for (int i=1;i<=n;i++)
        if (i!=e) c[i]-=a[l][i]*c[e];
    c[e]*=-a[l][e];
}

选择替入变量和替出变量

选择一个系数在目标函数中为正值的非基本变量$x_e$，若不存在（即目标函数所有系数均$\le 0$）说明目标函数已达到最优值。
检查每个约束，找出一个约束，使得该约束限制$x_e$可取的最大值尽量小，设这个约束的基本变量为$x_l$。若没有约束可以限制$x_e$的取值，说明该目标函数无界。
由于所有的非基本变量都为0，因此第$i$个约束可以写成$x_i=b_i-a_{ie}x_e$。当$a_{ie} \le 0$时，$x_e$无限制，否则$x_e$最多可增加到$b_i/a_{ie}$，此时$x_i=0$。
因此找到满足$a_{ie} >0$且$b_i/a_{ie}$最小的$i$即可。

代码

double SIMPLEX(){
    for (;1;){
        int e=-1,l=-1;
        for (int i=1;i<=n;i++)
            if (c[i]>eps){
                e=i;break;
            }
        if (e==-1) break;
        double tmp=inf;
        for (int i=1;i<=m;i++)
            if (a[i][e]>eps && b[i]/a[i][e]<tmp)
                l=i,tmp=b[i]/a[i][e];
        if (l==-1) return inf;
        PIVOT(l,e);
    }
    return v;
}

还存在的问题

在OI中遇到的许多问题（比如网络流）都可以直接使用单纯形。虽然单纯形算法不是多项式时间算法，但是实际运行效果往往较好。对于题目中的原始线性规划，当初始基本解不是可行解时，一般可以通过转化成对偶线性规划来得到基本可行解。

需要注意的是单纯形算法求出的解是在实数范围内，许多题目可能会要求整数解，但是一般可以转化成线性规划的问题（比如网络流）通常有些奇怪的性质（咦？）使得实数解和整数解的最优目标值一样。即使单纯形算法并不能得到正确的答案也能骗到十分可观的分数。

因此如果只是想大概地了解一下单纯形算法并使用，看到这里就可以辣。

初始基本可行解

前面说到初始基本解可能并不可行，因此我们需要找到一个基本可行解，或者判断该线性规划不存在可行解。

辅助线性规划

设$L$是原始线性规划，我们构造一个辅助线性规划$L_{aux}$，需要增加一个新变量$x_0$：

最大化

$$-x_0$$
满足
$$\sum_{j=1}^n a_{ij}x_j - x_0 \le b_i，i=1,2,...,m\\ x_j \ge 0，j=0,1,...,n$$

若$L_{aux}$的最优目标值为0，那么$L$是可行的，否则不可行。

判定可行性

当$L$初始基本解不可行（即存在$b_i$是负数）时，$L_{aux}$的初始基本解一定也不可行。

此时在$L_{aux}$中找到一个$l$使得$b_l$的值最小。然后以$x_0$为替入变量，$x_l$为替出变量，执行一个转动(PIVOT)操作，由此产生的$L_{aux}$基本解一定是可行的。然后对$L_{aux}$执行SIMPLEX操作，求出最优目标值。

若$L_{aux}$最优解目标值为0，说明$L$是可行的。

求出基本可行解

由于$x_0$可能仍是基本变量，因此选择任意一个满足$a_{0e} \ne 0$的 $e \in N$作为替入变量，执行一个转动操作把$x_0$从基本解中移除。然后从约束中删除所有$x_0$项，并恢复$L$的原始目标函数。原始目标函数可能包含了当前的基本变量和非基本变量，用等式右边来目标函数替换基本变量即可。

退化

单纯形算法每次迭代都会使目标函数不变或增大，这其中可能会出现一种退化情况，即循环现象，使得算法不会终止。

Bland规则：在选择替入变量和替出变量时，总是选择满足条件的下标中最小的，这样可以避免循环。算法最多在$C_{n+m}^m$次迭代内终止。