线性规划问题及单纯形法-单纯形法原理

4.单纯形法原理

第一步： 找到一个单位矩阵，其实是一个基矩阵。
基矩阵：系数矩阵A（m行n列）中，m阶非奇异方阵（m行m列）（|B|≠0）。
上图中，基变量为x3，x4，x5，x6，而非基变量是x1和x2。
基解：非基变量为零，功能约束方程所得到的解，基解只是基变量的解。
基可行解：基解且可行（满足非负约束），这样的解可以满足约束，但可能不是最小的。

所以单纯形法，首先求标准形和单位矩阵，保证了一定得到基可行解，基可行解其实就是可行域的顶点。
单纯形法第一步找到基可行解，下一步找到相邻的基可行解，直到在也找不到比当前函数值还小的解。
第二步：计算检验数，其实使用非基变量来表示目标函数时，各变量的系数。
Z = 2x1+3x2

个人理解：这里通过非基变量表示目标函数，那么肯定是要减去基变量的，所以2-02-01-04-00，得到2，这里x3 = 12 - 2x1 - 2x2，这是一个约束，能看出x3约等于2x1，所以计算x1的检验数的时候0 * 2，其他类似，每一个约束都可以得到关于xi和x1的关系，那么都减去之后，就可以得到x1的检验数，x2也类似。但是x3，x4，x5，x6检验数都为0，因为基变量检验数只能为0。
如下图首先计算检验数

之后得到Z=2x1+3x2+x3将x3=12-2x1-2x2带入，得到Z=12+x2。
那么可以得知x2越大，那么目标函数值越大，所以要将x2这一列作为基变量变形，之后替换出一个基变量。那么目标函数值就会得到一个增长。
第二步：选正的最大检验数，是为得到更好的相邻可行解。
目标函数该变量 = 检验数 * 比率值

【其实只要大约0的检验数都行，目标函数值取最小化也能求了。因为比率值都是正的。】

上图可以看出来，选择的是检验数是3，比率值也是3，所以增加量是9，而z=0，所以选择之后，目标函数值变成9了。
如果求最小值的话，每一轮选择的检验数都为负的，那么当迭代到检验数都为正的时候，就停止。变得到最优解。

第二步：单纯形法停止条件：最优或无界。
最优：所有检验数为非正，小于或等于零。

无界：某个检验数为正，且改了系数全为非正。如下

这里3x2可以选择正的检验数，但是改列都为负的，x1=0，那么x3 = 12+2x2，x4，x5，x6同理，那么x2 = ∞ 的时候。x3就是∞，所以可以得到maxZ是无界的。其比率值也是负的，而比率值要求是都为正，且不等于0。

第三步：最小比例原则选定行

例子如下

x3出的话，2x2 = 12，x2 = 6，x6 = -12，那么x6>=0，所以不可行
x4同理，而x5的话，第3个约束都为0，那么非基解，所以也不可行，只有x6出去才可以。而x6恰好是比值最小的。

当比值为负的话， 也是不行的，因为比值为负，那么x2<=0，不满足。所以正数里面选个最小的。
最小比例率为0可以选择，当前当前迭代目标函数值。如果两行 同时得到最小比值，那么可以随意选择一个，结果是一样。
第四步：初等行变换
因为初等行变换，不改变线性方程组的解集合/可行域不变！
单纯形法的步骤：
1.将LP数学模型化成标准形式
2.确定初始基可行解（单位矩阵1）
3.最有型检验，若得到最优解、无界解，计算结束。否则转4；
4.基变换（确定换入变量【检验数最大原则】和换出变量【比率值最小原则】）
5.用初等行变换进行迭代，得到新的基可行解（单位矩阵1），转3

不可行解：当没有找到基矩阵或单位矩阵的时候就有可能出现不可行解。
无穷多最优解：首先已经得到了最优解，有一个非基变量的检验数等于0，那么还可以继续迭代，那么在迭代一轮，那么还可以得到一组相同目标函数还在的解，那么都是最优解，这时候就是有无穷多个最优解。

本文所写内容参考链接：
1.https://www.bilibili.com/video/BV1jy4y1g77R?p=1&share_medium=android&share_plat=android&share_source=COPY&share_tag=s_i&timestamp=1625575455&unique_k=bvcAWM