【运筹学】对偶理论 : 对称形式 ( 对称形式 | 对偶模型转化实例 | 对偶问题规律分析 )

一、对偶问题的对称形式

---

1 . 对称形式特点 :

• 目标函数求最大值时 , 所有约束条件都是 小于等于 $\le$ 符号 , 决策变量大于等于 $0$ ;
• 目标函数求最小值时 , 所有约束条件都是 大于等于 $\ge$ 符号, 决策变量大于等于 $0$ ;

2 . 原问题 $P$ 的线性规划模型是 :

$$\begin{array}{l}maxZ=CX\\ \\ s.t\{\begin{array}{l}AX\le b\\ \\ X\ge 0\end{array}\end{array}$$

对称形式 $P$ 要求 :

• 目标函数求最大值
• 约束方程是 小于等于 不等式

相关系数 :

• 目标函数系数是 $C$
• 约束方程系数是 $A$
• 约束方程常数是 $b$

3 . 对偶问题 $D$ 的线性规划模型是 :

$$\begin{array}{l}minW=b^{T}Y\\ \\ s.t\{\begin{array}{l}{A}^{T}Y\ge C^T\\ \\ Y\ge 0\end{array}\end{array}$$

对偶问题 $D$ 要求 :

• 求最小值
• 约束方程时 大于等于 不等式

相关系数 :

• 目标函数系数是 $b^T$
• 约束方程系数是 $A^T$
• 约束方程常数是 $C^T$

二、对偶问题实例

---

写出如下线性规划对偶问题 :

$$\begin{array}{l}maxZ=2x_1-3x_2+4x_3\\ \\ s.t\{\begin{array}{l}2x_1+3x_2-5x_3\ge 2\\ \\ 3x_1+x_2+7x_3\le 3\\ \\ -x_1+4x_2+6x_3\ge 5\\ \\ x_j\ge 0(j=1,2,3)\end{array}\end{array}$$

将上述线性规划转为 对称形式 :

• 目标函数最大值 : 对称形式目标函数求最大值 , 上述线性规划符合该条件 , 不用进行修改 ;

• 约束方程小于等于不等式 : 对称形式的约束方程都是小于等于不等式 , 方程 $1$ 和方程 $3$ 都是大于等于不等式 , 不符合要求 ; 将不等式左右两边都乘以 $-1$ , 可以将大于等于不等式转为小于等于不等式 ;

转换后的结果为 :

$$\begin{array}{l}maxZ=2x_1-3x_2+4x_3\\ \\ s.t\{\begin{array}{l}-2x_1-3x_2+5x_3\le -2\\ \\ 3x_1+x_2+7x_3\le 3\\ \\ x_1-4x_2-6x_3\le -5\\ \\ x_j\ge 0(j=1,2,3)\end{array}\end{array}$$

对称形式 的 目标函数的系数 为 $C=\left(\begin{array}{ccccc}& 2& -3& 4& \end{array}\right)$ , 约束方程的系数 为 $A=\left(\begin{array}{ccccc}& -2& -3& 5& \\ & 3& 1& 7& \\ & 1& -4& -6& \end{array}\right)$ , 约束方程常数 $b=\left(\begin{array}{ccc}& -2& \\ & 3& \\ & -5& \end{array}\right)$ ;

对偶问题 的 目标函数系数 为 $b^T=\left(\begin{array}{ccccc}& -2& 3& -5& \end{array}\right)$ , 约束方程的系数 为 $A^T=\left(\begin{array}{ccccc}& -2& 3& 1& \\ & -3& 1& -4& \\ & 5& 7& -6& \end{array}\right)$ , 约束方程常数 $C^T=\left(\begin{array}{ccc}& 2& \\ & -3& \\ & 4& \end{array}\right)$ ;

线性规划形式 :

• 对称形式 : 求目标函数最大值 , 约束方程是求小于等于不等式 ;

• 对偶问题 : 求目标函数求最小值 , 约束方程都是大于等于不等式 ;

根据上述分析 , 写出对偶形式 :

$$\begin{array}{l}minW=-2y_1+3y_2-5y_3\\ \\ s.t\{\begin{array}{l}-2y_1+3y_2+y_3\ge 2\\ \\ -3y_1+y_2-4y_3\ge -3\\ \\ 5y_1+7y_2-6y_3\ge 4\\ \\ y_j\ge 0(j=1,2,3)\end{array}\end{array}$$

原问题 与 对偶问题线性规划分析 :

上述对偶问题线性规划 , 与原问题线性规划 , 明显不互为转置矩阵 ;

原问题线性规划系数为 $\left(\begin{array}{ccccc}& 2& 3& -5& \\ & 3& 1& 7& \\ & -1& 4& 6& \end{array}\right)$ , 对偶问题线性规划系数为 $\left(\begin{array}{ccccc}& -2& 3& 1& \\ & -3& 1& -4& \\ & 5& 7& -6& \end{array}\right)$ , 原问题的转置矩阵应该是 $\left(\begin{array}{ccccc}& 2& 3& -1& \\ & 3& 1& 4& \\ & -5& 7& 6& \end{array}\right)$ , $y_1,y_3$ 系数的正负号与原问题的转置矩阵值的符号相反 ;

令 $y_1^{\prime }=-y_1$ , $y_3^{\prime }=-y_3$ , 则得到如下线性规划 :

$$\begin{array}{l}minW=2y_1^{\prime }+3y_2-5y_3^{\prime }\\ \\ s.t\{\begin{array}{l}2y_1^{\prime }+3y_2-y_3^{\prime }\ge 2\\ \\ 3y_1^{\prime }+y_2+4y_3^{\prime }\ge -3\\ \\ -5y_1^{\prime }+7y_2+6y_3^{\prime }\ge 4\\ \\ y_1^{\prime }\le 0,y_2\ge 0,y_3^{\prime }\le 0\end{array}\end{array}$$

三、对偶问题规律 ( 目标函数求最大值 )

---

对偶有以下规律 : 假设原问题 $LP$ 目标函数求最大值 $maxZ$ , 对偶问题 $DP$ 求最小值 $minW$ ;

• 原问题 $LP$ 有 $m$ 个约束条件 , 对应对偶问题 $DP$ 的 $m$ 个 约束变量 ;
• 原问题 $LP$ 有 $n$ 个约束变量 , 对应对偶问题 $DP$ 的 $n$ 个 约束条件 ;

约束条件与约束变量的对应关系 ( 目标函数求最大值 ) : 这里特别注意 , 约束条件与约束变量 大于小于符号是相反的 ;

• 如果原问题 $LP$ 中的约束条件是小于等于 $\le$ 不等式 , 那么对应的 对偶问题 $DP$ 的约束变量就是大于等于 $\ge 0$ 的 ;
• 如果原问题 $LP$ 中的约束条件是大于等于 $\ge$ 不等式 , 那么对应的 对偶问题 $DP$ 的约束变量就是小于等于 $\le 0$ 的 ;
• 如果原问题 $LP$ 中的约束条件是 $=$ 等式 , 那么对应的 对偶问题 $DP$ 的约束变量就是自由变量 , 即没有任何约束 ;

约束变量与约束条件的对应关系 ( 目标函数求最大值 ) : 这里特别注意 , 约束变量与约束条件 大于小于符号是相同的 ;

• 如果原问题 $LP$ 中的 约束变量就是大于等于 $\ge 0$ 的 , 那么对应的 对偶问题 $DP$ 的 约束条件是大于等于 $\ge$ 不等式 ;
• 如果原问题 $LP$ 中的 约束变量就是小于等于 $\le 0$ 的 , 那么对应的 对偶问题 $DP$ 的 约束条件是小于等于 $\le$ 不等式 ;
• 如果原问题 $LP$ 中的 约束变量就是自由变量 , 即没有任何约束 , 那么对应的 对偶问题 $DP$ 的 约束条件是 $=$ 等式 ;

原问题 $LP$	对偶问题 $DP$
–	–
目标函数求最大值 $maxZ$	目标函数求最小值 $minW$
–	–
约束条件常数项	目标函数系数
目标函数系数	约束条件常数项
–	–
$m$ 个约束条件	$n$ 个约束变量
$n$ 个约束变量	$m$ 个约束条件
–	–
约束条件是小于等于不等式 $\le$	约束变量是大于等于 $\ge 0$ 的
约束条件是大于等于不等式 $\ge$	约束变量是小于等于 $\le 0$ 的
约束条件是等式	约束变量是自由变量 ( 没有约束 )
–	–
约束变量是大于等于 $\ge 0$ 的	约束条件是大于等于不等式 $\ge$
约束变量是小于等于 $\le 0$ 的	约束条件是小于等于不等式 $\le$
约束变量是自由变量 ( 没有约束 )	约束条件是等式

记住一条 : 目标函数求最大值 , $LP$ 约束条件与 $DP$ 约束变量符号相反 , $LP$ 约束变量 与 $DP$ 约束条件符号相同 ;

补一张图 , 方便记忆 :