挑战运筹学——单纯形法，大M法

目的

• 运筹学的难度真是比较大，纵使老师课件讲得已经很清楚，但是涉及的步骤繁琐程度还是大大超出想象。
• 主要做一个不针对理论，只针对操作的讲解。
• 面向的主要是考试和小测。

单纯形法

使用原因

• 结局线性规划的普通作图法无法解决高维问题。

步骤1

所有的线性规划问题，我们都需要将问题转化为标准形式

1. 使得不等式或等式的右边都是非负数，右边我们称之为RHS(right hand side)
2. 所有的变量都要求是非负数
   a. 案例：$2x_1-3x_2\le -8$应该改成$-2x_1+3x_2\ge 8$
   b. 当左边小于右边的时候，例：$2x_1+x_2\le 100$，应该引入一个**松弛(slack)**变量，将它变为$2x_1+x_2+s_1=100$
   c. 左边大于右边的时候同理，减去即可。

基变量和非基变量

• 假设我们把一个带m约束的LP转换成标准形式。假设标准形式包含n个变量(标记为$x_1,x_2,...{,}_n$)，LP的标准形式为$$\begin{gathered} max(ormin)z=c_1{x}_1+c_2{x}_2+...+c_n{x}_n \\ \mathrm{s}.\mathrm{t}.a_{11}{x}_1+a_{12}{x}_2+...+a_{1n}{x}_n=b_1 \\ .......... \\ {a}_{m1}{x}_1+a_{m2}{x}_2+...+a_{mn}{x}_n=b_m \end{gathered}$$
• 我们定义参数集为$$A=\left[\begin{array}{ccccc}{a}_{11}& ...& ...& ...& ...\\ ...& ...& ...& ...& ...\\ ...& ...& ...& ...& ...\\ ...& ...& ...& ...& a_{mn}\end{array}\right]$$
  $$X=\left[\begin{array}{c}{x}_1\\ x_2\\ ...\\ ...\\ x_n\end{array}\right]B=\left[\begin{array}{c}{b}_1\\ b_2\\ ...\\ ...\\ b_n\end{array}\right]$$
• 这个系统的约束可以被描述为$Ax=b$。在通过单纯形算法处理之前，我们必须定义线性系统的基础解决方案。考虑一个等式系统有n个变量和m条等式且$n\ge m$。一个系统的基础结局方案可以通过下列方法获得：
  a. 隔行消去$nm$变量，这些变量被称为 非基础变量(NBV)。
  b. 剩下解决系统的m个变量。这些变量即为 基础变量(BV)
  c. 得到的变量向量称为 基本解(包含基本变量和非基本变量)

重要案例

• Dakota家具公司生产书桌、餐桌和椅子。每种家居的生产都需要木材和两种熟练劳动：抛光和木工。制作每种家居所需资源如下表所示：

资源	书桌	餐桌	椅子
木材	8	6	1
抛光时间	4	2	1.5
木工时间	2	1.5	0.5

• 目前可用的木材为48立方英尺、抛光时间为20个小时、木工时间为8个小时。书桌的售价为60美元，餐桌为30美元，椅子为20美元。Dakota公司认为书桌和椅子的需求量非常大，而餐桌最多只能卖出5张。由于已经购买了可用的资源，所以Dakota公司希望使收入最大化。定义的决策变量是：$$\begin{gathered} x_1=书桌的产量 \\ {x}_2=餐桌的产量 \\ {x}_3=椅子的产量 \end{gathered}$$
• 则列方程的目标式子为$$\max z=60x_1+30x_2+20x_3$$

$x_1$	$x_2$	$x_3$	符号	RHS
8	6	1	$\le$	48
4	2	1.5	$\le$	20
2	1.5	0.5	$\le$	8
0	1	0	$\le$	5

• 他们都大于0我就省略了
• 这里当符号是 = 或者$\ge$的问题会在大M法中讨论

转化为单纯形法的标准形式

行号	Z	$x_1$	$x_2$	$x_3$	s_1	s_2	s_3	s_4	符号	RHS	基变量
0	1	-60	-30	-20	0	0	0	0	$\le$	0	$z=0$
1	0	8	6	1	1	0	0	0	$\le$	48	$s_1=48$
2	0	4	2	1.5	0	1	0	0	$\le$	20	$s_2=20$
3	0	2	1.5	0.5	0	0	1	0	$\le$	8	$s_3=8$
4	0	0	1	0	0	0	0	1	$\le$	5	$s_4=5$

开始迭代！！

第一步：看表格是否已经达到最优情况

• 判断是否达到最优情况的方法就是看Z所在行的所有非人工变量（$s_1$~$s_4$为人工变量）的参数是否都为非负。
• 我们判断参数为$-60,-30,-20$ ，未达到优化条件。

第二步: 找非负最小参数，遍历每行，找到$\frac{RHS}{x_1}$最小的

• 于是我们会形成一个这样的表格。
• 我们发现第三行符合要求。

第三步：开始换元，把其他行的$x_1$全部换成0，然后第三行的$x_1$消为1

第一步：表格是否达到最优情况

• $x_3$仍然为负数，不满足最优。

第二步: 找非负最小参数，遍历每行，找到$\frac{RHS}{x_3}$最小的

• 我们发现第二行符合要求

第三步：开始换元，把其他行的$x_3$全部换成0，然后第三行的$x_3$消为1

• 现在问题就解决而来，得出了结果

结果

• 结果要关注最后两列。
• 我们可以看到$s_1=24,x_3=8,x_1=2,s_4=5,Z=280$
• 当求最小的时候，我们就求最大的-Z就好了 。

可选最优解

• 当我们把上面餐桌的售价改为35时，会导致我们优化到中间，出现这样子的表格。
  
• 根据定义，所有基变量在第0行都必须有0系数（否则它们就不是基变量）。但是在我们的最优表中，有一个非基变量$x_2$在第0行的系数同样也是0。
• 这就说明我们可以把$x_2$代换到其他等式，我们会获得这样的表格。
  
• 根据定理，两个最优点的连线同样也是最优的，两点之间上的点可以用这个表达式。$$x_{\lambda }=\lambda x+(1-\lambda )x^{{}^{\prime }},\exists 0\le \lambda \le 1$$
  

无界解（没有界的解法）

• 基本判断条件是两个
  • 第0行还有负数的的非人工变量
  • 然而下面你已经找不到可以替换的ratio了

大M法

• 我们上面提到，我们只讨论了$\le$。
• 当遇到了$\ge$或者$=$的时候我们应该怎么操作呢？

第一步：先进行标准化

• 按照上面讲的进行标准化。
  

第二步：将约束条件转化为标准形式

• 小于等于则加入松弛变量$s_i$
• 大于等于则加入剩余变量$e_i$
  

第三步：如果是=或者$\ge$，则加入人工变量$a_i$

第四步：将$M{a}_i$放入目标函数

• 如果是最大化，则$-M{a}_i$
• 如果是最小化，则$+M{a}_i$
  

第五步：把目标函数里的人工变量全部消除

• 把下面加入的$a_i$反代回目标函数。
• 目标函数不能有$a_i$
• 要把目标函数的M全部移到RHS
  

第六步：开始按照单纯形算法的步骤进行迭代

例子