单纯形表法（基本原理+例题解析）

基本思想：从一个基本可行解出发，一步步的转到更优的基本可行解，直至最优解。

单纯形法总有两种形式，一是单纯形法，还有一种是单纯形表法。下面我们依次展开讨论。

单纯形法：

基本概念：

单纯形法其实是对消去法的一个总结，归纳和公式化。

标准线性规划问题：

，

，假设  是可行基 ，根据 B 矩阵，将 x 分为基变量  和非基变量  将 c 同样分为  和  。

约束条件  可以写成：

两边左乘 ，得到 

目标函数  可以写成：

将  代入目标函数表达式，得：

令 ，可得  ，从而得到基本解：

如果  ，则  是基本可行解，B 是可行基。

目标函数 .

如果  是基本可行解，并且 ，则可以断定   是最优解。

检验数向量：

定义：称  是标准线性规划的检验数向量，如果  则取到了最优解。

由此综合，可总结出定理：

1）对于标准线性规划问题，如果基矩阵为 B ，并且 （ B 是可行基），并且所有的检验数都非正（即  ），则对应于 B 的基本可行解  是最优解。

2）如果线性规划的某个检验数  ，而相对应的列向量 ，则这个线性规划无解。

下面给出运用两个定理的例题，用于加深理解。

1，判断  是否为线性规划问题的最优解？

解：

，，

由  知，， 是基变量，，是非基变量

,

下面计算检验数向量：

  是最优解。

2，对于下面的线性规划，讨论其有无最优解？

解：

，，

,

下面主要判断  是否大于0?

计算检验数向量：

  =1>0，由定理2可知 此线性规划无最优解。

算法步骤：

步骤1：找到初始可行基矩阵 B ，解  ，得到 ，令 ，确定初始基本可行解，计算目标函数 

步骤2：求单纯性乘子 w，解 ，得到 ，对于所有的非基变量，计算判别数，令 ，若，则对于所有非基变量 ，对于基变量的判别数总为零，该基本可行解是最优解；否则，转步骤3；

步骤3：解 ，得到 ，若 ，则停止运算，问题不存在有限最优解；否则，转步骤4；

步骤4：确定下标 r ，， 为离基变量，为进基变量，用  替换 ，得到新的矩阵 B，转步骤1。

例题分析：

例题：利用单纯形法求解下列问题：

解：将约束条件化为标准型：

，

第一次迭代：

，

，

计算检验数：

确定进基变量：又知道对应基变量的判别数均为零，因此最大判别数是 ,下标为1，为进基变量；

确定离基变量：

,

确定下标：

 中第三个分量  为离基变量，用  替换  ，得到新基，进行下一次迭代。

第二次迭代：

，

，

计算检验数：

确定进基变量：又知道对应基变量的判别数均为零，因此最大判别数是 ,下标为2，为进基变量；

确定离基变量：

,

确定下标：

 中第二个分量  为离基变量，用  替换  ，得到新基，进行下一次迭代。

第三次迭代：

，

，

计算检验数：

确定进基变量：又知道对应基变量的判别数均为零，且检验数小于零，故得到最优解。

单纯形表法：

单纯形表是通过表格的形式，按照行列式的变换规则，运算得到最优解，原理与单纯形法一致，但是书写起来更为便捷。并严格按照上文给出的定理1，判断是否为最优解。

下面依然以一道例题来解释单纯形表的运算过程：

例题分析：

可以对比得到，单纯形表法简洁不少！

Bland规则：

针对退化情况（基循环的处理），我们可以采取两个规则：

规则一：进基变量的选择

由  确定  为进基变量

规则二：离基变量的选择（和Dantzig离基规则相同）

由  确定  为进基变量

从理论上看，在单纯形算法步骤中采用 Bland 规则，可以使算法在有限步结束。

从计算实践来看，Dantzig 规则效果更好，迭代次数少。

对于线性规则问题，先按照 Dantzig 规则进行单纯形迭代，万一遇到基的循环，在采用 Bland 规则。

（行文中若有纰漏，希望大家指正）