最优化理论复习--线性规划性质

上一篇

最优化理论复习–凸集与凸函数

线性规划

图解法
当自变量的个数小于3个时才可以用比较简单的方式求解。

线性规划的性质

1. 可行域是凸集
2. 最优解在极点处取到

由表示定理得可行域中的点可以表示为
$x=\sum {\lambda }_i{x}^i+\sum {\mu }_j{d}^j$
带入目标函数中得
$min\sum (c{x}^i){\lambda }_i+\sum (c{d}^j){\mu }_j$

存在最优解的条件是所有$c{d}^j$非负，不然会无限小下去

最优化问题代数表示

$mincx$
而




相关定义
这样（2.10）称为一个基本解（$B^{-1}b$），B称为基矩阵(其中B要可逆)， $x_b$称为基变量
所有基变量的全体称为一组基。$x_N$为非基变量
如果基变量非零，非基变量为零则称为基本可行解，对应的B称为可行基矩阵
所有$x_B$称为一组可行基。

如果$x_b>0$则称基本可行解,为非退化的，有一个0就是退化的。
$$基本可行解\Rightarrow 极点$$
由于这样的B矩阵的数量是有限的，所以解的个数也是有限的，所以能在有限步内求出最优解

下一篇

最优化理论复习–单纯形方法