线性规划问题的单纯形算法求解

        关于线性规划问题是什么已经有很多人早就说明过了，我也小抄一波给大家预热预热，线性规划问题是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支,它是辅助人们进行科学管理的一种数学方法。

        在一定条件下，合理安排人力物力等资源，使经济效果达到最好.一般地，求线性目标函数在线性约束条件下的最大值或最小值的问题，统称为线性规划问题。

        满足线性约束条件的解叫做可行解，由所有可行解组成的集合叫做可行域。决策变量、约束条件、目标函数是线性规划的三要素。

        OK，进入正题，什么是单纯形算法：

        单纯形算法的基本思想是从一个基本可行解出发，进行一系列的基本可行解的变换，其中基本可行解是指在任何约束标准型线性规划问题中，只要将所有非基本变量都置为0，从约束方程式中解出满足约束的基本变量的值，最后得到的解。

        单纯形算法的基本步骤是：

1. 选入基变量，即找到目标函数中的正系数。
2. 选离基变量，找到约束方程中可以替换的负系数。
3. 作转轴变换，即将入基变量和离基变量进行替换，然后重新构造单纯形表。
4. 循环上面三个步骤直到目标函数中所有变量的系数为负值，此时就得到了最优结果。

        举例说明：

        求解下面这个线性规划模型

         首先定义一组基本变量inx[k]，和一组非基本变量ninx[v]，基本变量就是在中间那三个约束条件里面找的变量，每个约束条件只找一个基本变量，这个基本变量要满足没有在目标函数里面出现并且系数为正，而且找的三个基本变量要不一样，在这个例子就是[x1,x4,x6]。非基本变量就是除了基本变量以外的变量，在这个例子里就是[x2,x3,x5]。

        然后定义一个单纯形表Chart[n*m]，它的每行基本变量，列是非基本变量，里面的值是目标函数或约束的各个变量的系数，按照本例，则结构如下所示：

/	/	x2	x3	x5
/	z=0	-1