单纯形法的来历

单纯形法的来历

在求解LP问题时，有人给出了图解法，但对多维变量时,却无能为力。于是，美国数学家G.B. Dantzig (丹捷格)发明了一种“单纯形法”的代数算法，尤其是方便于计算机运算。

与单纯形法有关的三条定理：

　　

翻译一下就是：

• 若某个基本可行解对应的检验向量<0，那么这个基本可行解就是最优的。

• 若某个基本可行解对应的检验向量=0，则有无穷多个最优解。

• 若某个基本可行解对应的检验向量>0，并且系数(约束条件)小于0，无解。

CNCN——非基变量系数

CBCB——基变量系数

B——基，即线性无关向量组R(A)=R(B)

N——非基向量组

单纯形法计算步骤： 

1. 将线性规划问题化成标准型 (引入松弛变量)

2. 找出或构造一个m阶单位矩阵作为初始可行基，建立初始单纯形表。

3. 计算各非基变量的检验数σj=cj−zjσj=cj−zj 若所有检验数≤0，则问题已得到最优解，停止计算。否则，转入下一步。(检验数)

4. 在大于0的检验数中，若某个检验数对应的系数列向量≤ 0，则此问题是无界解，停止计算，否则转入下步。

5. 根据maxmax（检验数jj | 检验数jj>0）=检验数k的原则，确定为换入变量(进基变量) 再按最小比值法则(biaikbiaik，&aikaik>0)确定换出变量，建立新的单纯形表，此时的基变量中xkxk代替的换出变量的位置。

6. 以aikaik为主元素进行迭代，把xkxk所对应的列向量变为单位列向量，即aikaik变为1 同列中其他元素变为0，继续计算各非基变量的检验数，进行第三步。

&Lingo里面的方法就属于单纯形法。

　　

例题：

　　

 

　　①先引入三个松弛变量，构造单位矩阵。

　　

 

　　②得到单位矩阵，构造出初始可行基B

　　

 

　　从中我们可以get信息：基向量组B和非基向量组N

　　还可以知道所有变量的系数所组成的向量C和基变量XBXB、非基变量XNXN：

　　

 　　我们需要的检验数就是系数减去ZjZj（σj=cj−zjσj=cj−zj，Zj=CBNjZj=CBNj）    

　　这是目标函数：Z=CBB−1b+(CN−CBB−1N)XNZ=CBB−1b+(CN−CBB−1N)XN      (b就是增广矩阵多出来的那些)

　　当基矩阵B化成单位矩阵时，令非基变量XNXN=0，得到 Z=CBB−1bZ=CBB−1b 

 

　　③进行步骤3--6

　　

　　填入信息

　　

 

　　刚开始，基变量的系数全为0，所以Z=0，ZjZj=0，可以写出对应的检验数：

x1	x2	s1	s2	s3
50	100	0	0	0

 

　　可以看出，x2x2对应的检验数最大，成为换入变量，而且根据最小值法则，知道s3s3是换出变量。于是将s3s3的位置换上x2x2，对应的系数也变成了100。

　　

 

　　我们再进行初等行变换，使x2x2，s1s1，s2s2对应的基矩阵变成单位矩阵。在此基础上进行计算ZjZj，就可以利用其算出新一轮的检验数：

　　

　　我们可以发现，仍然存在检验数大于0的情况，唉，只能进入新一轮的迭代，x1x1作为换入变量，而经过最小比值规则，可以判定出s1s1是换出变量

　　

　　然后，我们再根据新的数据，写出新一轮的ZjZj和 检验数 ，发现此时的检验数全部≤0，我们成功地找到了最优解！

　　

　　结束啦！

　　表格中，检验数全部≤0，根据判断规则，Z值为最优值（Z=27500），其解：

　　  X1X1 =50，s1s1=50，X2X2=250，s2s2=s3s3=0

　　为模型的最优解。

__EOF__

 

作　　者：Cruelty-Angel
出　　处：https://www.cnblogs.com/cruelty_angel
关于博主：热爱生活，爱读书/旅游，喜欢技术，乐于专研。评论和私信会在第一时间回复。或者直接私信我。
版权声明：署名 - 非商业性使用 - 禁止演绎，协议普通文本 | 协议法律文本。
声援博主：如果您觉得文章对您有帮助，可以点击文章右下角【推荐】一下。您的鼓励是博主的最大动力！