第五章线性规划方法 Linear Programming

最新推荐文章于 2024-07-21 00:04:38 发布

narina

最新推荐文章于 2024-07-21 00:04:38 发布

阅读量3.3k

点赞数 1

分类专栏：优化算法

本文链接：https://blog.csdn.net/narina/article/details/109633519

版权

本文详细介绍了线性规划问题的一般形式、解的概念，特别是基本解、基本可行解及其产生与转换。重点讲解了基本可行解的最优性和非负性条件，并概述了单纯形算法的计算步骤，包括判别数和主元选择策略。

摘要由CSDN通过智能技术生成

基本解： 只满足约束方程的解。
基本可行解： 同时满足约束方程和变量非负约束的解。
最优解： 使目标函数取得最小值的基本可行解。

线性规划问题的约束方程实际上是一个包括n个变量和m个方程（n>m）的线性方程组，由于变量个数多于方程数，故有多个满足方程的解。
若取n-m个变量并令其等于0，解出另外的m个不为0的变量，就可得到一个基本解。
在这样的基本解中，称n-m个为0的变量为非基本变量，另外的m个变量为基本变量。

根据线性规划问题的不同特征，一个初始基本可行解的获得可分为以下两种情况：

如果除变量非负约束之外的约束条件全是“ $\leq$ ”的不等式约束，而且对应的常数向量中的元素均为正数，此时只要引入松弛变量，并以松弛变量为基本变量，得到的解就是一个基本可行解。
如果除变量非负约束之外的约束条件中还包含等式约束，此时可以在各个等式约束中分别引进一个与松弛变量类似的变量，称为人工变量，然后建立一个辅助规划问题求解此辅助规划问题，就可以得到一个基本可行解。

SIMPLEX	TABLE	$x_1 \ \ x_2 \ \ \cdots \ \ x_n$	$x_{n+1}\ \ x_{n+2}\ \ \cdots\ \ x_{n+m}$	$b_i$
Basic Variable	Coefficients	$c_1\ \ \ \ c_2\ \ \cdots\ \ c_n$	$\ \ \ \ \ \ \ \ \ \ \ \ 0\ \ \ \ \cdots \ \ \ \ 0$	$c_0$
$x_{n+1}$	0	$a_{11} \ \ a_{12} \cdots a_{1n}$