最优化理论复习--单纯形方法

上一篇

最优化理论复习–线性规划性质

单纯形方法原理

$c_B{B}^{-1}{P}_j-c_j$为正的的话目标函数值$f(x)$ 还可以再减小 $\Rightarrow$ 判别数
基变量的判别数等于0

$P_i为选择的基变量的系数$
为了方便起见，第一次找的基矩阵一般是单位矩阵




$B^{-1}b为解$
$c_B{B}^{-1}{P}_j-c_j为检验数$

---

找最大的检验数

$B^{-1}b为最右端的数$
用最右端的数比对应入基变量对应列的系数($\frac{b_i}{y_{ik}}$)找最小的一个，但是如果这一列上每一个数$y_{ik}$都是小于0的话那么原问题无界

如果右端有<0的则原问题无解

如果非基检验数有等于0的，则原问题有多个解

入基变量的那一列要变成基变量对应系数（初等行变换）

---

使用表格的单纯形方法

首先将标准形式中的系数定义相应的代数符号

$(1)\to (2)$是用B和N写成分块矩阵的形式
$(2)\to (3)$是将基本可行解带入，所有$x$ 表示成对应已知量的形式，非基变量$x_N$为0
$(3)\to (4)$是将目标函数化成约束条件的形式加入其中

将第$(4)$个方程组写成表格的形式

当满足最优解的条件的时候，基变量的值就是右端的值，非基变量的值都是0，最优解的值就是右下角的那个数

	$x_B$	$x_N$	右端
$x_B$	$I_m$	$B^{-1}N$	$B^{-1}b$
f	0	$c_B{B}^{-1}N-c_N$	$c_B{B}^{-1}b$

例题：

1. 最小值问题

2. 最大值问题

3. 不存在有限最优解情况(无界解)

例如这个可以图解法的无界解的情况

4. 无穷多解情况

两阶段法

当引入松弛变量之后，发现系数矩阵中无法找到单位矩阵，则可以通过引入人工变量构造系数矩阵

由于此时$x_a$为基变量，而其他变量为非基变量，有前面的性质可知非基变量为0，所以单位矩阵对应后面的b $\to$ 基本可行解

例：

但是由于改变了系数矩阵，所以改变后的问题可能与原问题不同，
要保证与原问题相同需要引入的人工变量为非基变量

又因为人工变量也要满足$>=0$的约束条件，要是非基变量，那么人工变量都为0, $min{x}_a$为0

所以第一个阶段就是求$min{x}_a$

第一个阶段的目的就是取找一个基矩阵，同时可以判断是否存在最优解。

第二个阶段就是换回原来的目标函数
由于此时，人工变量为非基变量所以为0，可以从单纯形表中删去，剩下的系数，相当于原来系数做初等行变换的到的，所以约束条件是不变的。

其他情况：

1. 添加的人工变量 $\ne 0$，则无可行解
2. 人工变量 $=0$，且人工变量都是非基变量，则存在可行解（如上例题）
3. 人工变量 $=0$，但是人工变量有些是基变量，此时需要设法将它从基变量中去掉

如果有主动选择人工变量为非基变量的意识的话就是一般流程

如果选择 $x_4$为出基变量时，在第二步就已经到了最优解，但是此时，人工变量 $x_5,x_6$仍为基变量，这时，仍进行进击出击活动，直到将人工变量变为非基变量，此时不必考虑检验数，相当于已经验证了最优解的存在性，只需要进行初等行变换找出第二阶段的基矩阵即可。


当非人工变量无法取代人工基变量时：

这种情况说明那个方程是多余的，可以直接删去

大M法

大M法，是在找不到基矩阵的情况下，对目标函数加上M参数的人工变量，这个M是个无穷大的数
这个M相当于一个惩罚项，当人工变量不为0时，目标函数将无穷大，不符合 $min$的需求
(*)问题是加了M之后的
(L)问题是原来的问题



相比上一条，有些人工变量不为0，某些人工变量在基变量里上条解无界，这条无可行解

总结：人工变量不等于0就无可行解，其他情况与一般情况类似，最后人工变量不能为基变量

无可行解情况：

其他情况

退化情况：当确定出基变量时存在两个或以上的最小比值，这时会出现退化解。
又是退化解会造成计算过程循环，永远达不到最优解

出现循环的特点：

1. 线性规划必然是退化的，即存在某个基变量取值为0
2. 在迭代过程中，即使基变量是在发生改变的，但是整个解仍对应这同一个极点

下一篇

最优化理论复习–对偶理论