运筹学 --- 线性规划

运筹学 — 线性规划

概述

• 基本假设（线性）
  • 决策变量每增加一个单位，对目标函数的贡献是一样的
  • 可加性
  • 允许非整数
  • 所有参数均已知
• 标准形式
  • 形式
    • maxZ = CX
    • AX = b
    • X >= 0
  • 约束条件
    • 目标函数为求最大值（如果是最小值，可以转换成最大值）
    • 约束条件均为等式方程
    • 变量 X 为非负
    • 常数 b 都大于等于零
• 转化标准型
  • 注意点一：如果不等式为绝对值，需拆分成两个不等式
• 线性规划的解
  • 概念
    • 可行解：满足线性规划模型约束条件的解
    • 最优解：使目标函数达到最大值的可行解
  • 解的四种情况
    • 有唯一最优解
    • 有多重解：有多组最优解
    • 有无界解：满足约束条件，但是找不到最优解
    • 无可行解
• 可行角点（CPF）
  • 有可行解且有界
    • 必定会有CPF，且 至少一个最优解
    • 如果有一个最优解，必定是CPF
    • CPF中最好的，必定是最优解
    • 如果有多重最优解，至少有两个角点

单纯性法

• 步骤
  • 构建初始单纯性表
  • 求检验数并判断
    • 所有检验数都满足 Q <= 0，得到最优解
      • 若所有非基变量的检验数均小于零，则为唯一最优解
      • 若存在非基变量的检验数为零，则为多重解
    • 若存在检验数Q > 0，且其对应的变量x的系数列向量P <= 0，则为无界解
  • 基变换
  • 重复 步骤二 和 步骤三
• 大M法和两阶段法
  • 问题
    • 如果一开始的时候，无法找到初始基变量，可以人为的添加基变量
    • 但是加入约束变量之后，则认为的改变了约束条件
  • 算法
    • 大M法
      • 步骤
        • 构建初始单纯性表
        • 求检验数并判断
          • 所有检验数都满足 Q <= 0，且基变量中无人工变量，得到最优解
            • 若所有非基变量的检验数均小于零，则为唯一最优解
            • 若存在非基变量的检验数为零，则为多重解
          • 所有检验数都满足 Q <= 0，但基变量中含有非零的人工变量，则无可行解
          • 若存在检验数Q > 0，且其对应的变量x的系数列向量P <= 0，则为无界解
        • 基变换
        • 重复 步骤二 和 步骤三
    • 两阶段法
      • 步骤
        • 第一阶段：求人工变量之和的最小值
          • 如果第一阶段 目标函数最优解不等于零，说明原问题无可行解
        • 第二阶段
          • 步骤
            • 构建初始单纯性表
              • 初始解为第一阶段的解
            • 求检验数并判断
              • 所有检验数都满足 Q <= 0，得到最优解
                • 若所有非基变量的检验数均小于零，则为唯一最优解
                • 若存在非基变量的检验数为零，则为多重解
              • 若存在检验数Q > 0，且其对应的变量x的系数列向量P <= 0，则为无界解
            • 基变换
            • 重复 步骤二 和 步骤三

对偶理论

• 问题描述
  • 原问题
    • maxZ = CX
    • AX <= b
    • X >= 0
  • 对偶问题
    • minZ’ = Yb
    • YA <= C
    • Y >= 0
• 性质
  • 对称性
    • 对偶问题的对偶是原问题
  • 无界性
    • 若原问题（对偶问题）为无界解，则其对偶问题（原问题）无可行解
  • 弱对偶性
    • 若X是原问题（Max问题）的可行解，Y是对偶问题（Min问题）的可行解，则CX <= Yb
  • 最优性
    • 若X是原问题的可行解，Y是对偶问题的可行解，则CX = Yb，X、Y是最优解
  • 对偶定理
    • 若原问题有最优解，则对偶问题也有最优解，且目标函数值相等
  • 互补松弛性
    • 设X、Y分别是原问题和对偶问题的可行解，XS、YS分别是其松弛变量的可行解， - 则X、Y是最优解当且仅当X * YS = 0 和 Y * XS = 0
  • 求解问题
    • 原问题（Max）的检验数的相反数（乘负号）对应于对偶问题的一组基本解
    • 对偶问题的检验数对应于原问题的一组基本解
• 对偶单纯形法的优点
  • 初始解可以是非可行解，当检验数都非正时（目标函数为最小值则检验数都非负）， - 就可以进行基变换，不需要添加人工变量，可简化计算
  • 当变量多于约束条件时，用对偶单纯形法可减少计算工作量
  • 在灵敏度分析及求解整数规划的割平面法中，有时需要用对偶单纯形法
  • 一般很少单独使用

灵敏度分析

• 问题
  • aij、bi、cj系数中有一个或几个变化时，原线性规划最优解会有什么变化
• 思路
  • 把发生变化的系数经过一定的计算代入原最终表中，进行检查和分析
  • 四种情况
    • 第一种
      • 原问题：可行解
      • 对偶问题：可行解
      • 结论或继续计算的步骤：表中的解仍为最优解
    • 第二种
      • 原问题：可行解
      • 对偶问题：非可行解
      • 结论或继续计算的步骤：用单纯形法继续迭代求最优解
    • 第三种
      • 原问题：非可行解
      • 对偶问题：可行解
      • 结论或继续计算的步骤：用对偶单纯形法继续迭代求最优解
    • 第四种
      • 原问题：非可行解
      • 对偶问题：非可行解
      • 结论或继续计算的步骤：引入人工变量，编制新的单纯性表，求最优解
• 价值系数C的灵敏度分析
  • Cj 发生变化，检验数Qj发生变化
    • Cj 对应非基变量，重新计算Cj 对应的检验数
    • Cj 对应基变量，重新计算所有非基变量检验数
• 资源限量B的灵敏度分析
• 技术系数A的灵敏度分析

运输问题

• 产销平衡的运输问题
  • 表上作业法（本质上是单纯形法）
    • 步骤
      • 求初始基本可行解（最小元素法/伏格尔法）
      • 求检验数并判断（位势法）
      • 调整运量（闭回路法）
      • 重复步骤二、三，直到求得最优解
• 产销不平衡的运输问题
  • 产大于销
    • 增加虚拟销地，单位运价为0
  • 销大于产
    • 增加虚拟产地，单位运价为0
  • 销量不确定

整数规划问题

• 问题
  • 取数必须为整数
• 方法
  • 图解法
  • 分支定界法
    • 步骤
      • 不断将线性规划问题B的可行域分为子区域，逐步缩小Z的上界和增加Z的下界，最终求得Z*
      • 上下界更新：问题B（线性规划问题）各分支最优目标函数中的最大值作为新的上界； 在已求出整数条件的解中的最大值作为新的下界