上一篇
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
- 可行域是凸集
- 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
=
∑
λ
i
x
i
+
∑
μ
j
d
j
x = \sum \lambda_i x^i + \sum \mu_j d^j
x=∑λixi+∑μjdj
带入目标函数中得
m
i
n
∑
(
c
x
i
)
λ
i
+
∑
(
c
d
j
)
μ
j
min \sum (cx^i) \lambda_i + \sum (cd^j)\mu_j
min∑(cxi)λi+∑(cdj)μj
存在最优解的条件是所有 c d j cd^j cdj非负,不然会无限小下去
最优化问题代数表示
m
i
n
c
x
min\ \ cx
min cx
而
相关定义
这样(2.10)称为一个基本解(
B
−
1
b
B^{-1}b
B−1b),B称为基矩阵(其中B要可逆),
x
b
x_b
xb称为基变量
所有基变量的全体称为一组基。
x
N
x_N
xN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
x_B
xB称为一组可行基。
如果
x
b
>
0
x_b > 0
xb>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
⇒
极
点
基本可行解 \Rightarrow 极点
基本可行解⇒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