浅谈线性规划:No.3 单纯形法中的大M法(人工变量法)

 

目录

0 介绍       

1 大M法

1.1 构造标准型规划模型

 1.2 求解

0 介绍       

        先前,我们讨论了线性规划中的单纯形法。在单纯形法的标准型转化过程中,我们需要构建一个单位矩阵以作为初始基。当约束条件都是 “≤” 时,加入松弛变量就形成了初始基。
        然而,在约束条件出现 ”=" 或 “≥” 时,则我们可能无法通过加入 剩余变量 构建单位矩阵了。详情见如下例子:

   maxZ = {x}_1 - 8{x}_2 + 3{x}_3

   \left\{\begin{matrix} x_1 + 2x_2 - x_3 \geq 2\\ x_1 - 2x_2 + x_3 \geq 2\\ x_1, x_2, x_3\geq 0\\ \end{matrix}\right.

        对于该线性规划,我们必须在左侧减去松弛变量来使其转化为标准型,而无法构建出单位矩阵。当初始基无法获得时,我们则可以采用大M法或者两阶段法。我们首先来谈谈大M法。

1 大M法

1.1 构造标准型规划模型

        为了获得单位矩阵,我们需要在第一个式子中加上一个人工变量x_5,第二个式子中加上一个人工变量x_6

        为使所加入的人工变量最终取值为0,我们需要令其人工变量的价值系数为-M(M为无限大的正数)。即如果人工变量不为零,目标函数不可能为最优(如果人工变量最终没有被置换出基矩阵,则代表着这个问题没有可行解,也没有最优解。)

        据此,我们对上式加入人工变量,获得的数学模型如下:

maxZ = x_1 - 8x_2 +3x_3 + 0x_4 -Mx_5 -Mx_6

\left\{\begin{matrix} x_1 + 2x_2 - x_3 -x_4 + x_5= 2\\ x_1 - 2x_2 + x_3 + x_6= 4\\ x_1,x_2,x_3,x_4,x_5,x_6\geq 0\\ \end{matrix}\right.

1.2 求解

        1)初始单纯形表:

c_j1-830-M-M\theta_i
C_BX_Bbx_1x_2x_3x_4x_5x_6
-Mx_5212-1-1102
-Mx_641-210014
\sigma _j1+2M-83    -M   00

                 初次迭代结果:x_1进基,x_5离基。

        2)第二次迭代单纯形表: 

c_j1-830-M-M\theta_i
C_BX_Bbx_1x_2x_3x_4x_5x_6
1x_1212-1-110
-Mx_620-421-111
\sigma _j0-10-4M4+2M1+M-1-2M0

                第二次迭代结果:x_3 进基,x_6离基。

           3)第三次迭代单纯形表: 

c_j1-830-M-M\theta_i
C_BX_Bbx_1x_2x_3x_4x_5x_6
1x_13100-1/21/21/2
3x_310-211/2-1/21/2
\sigma _j0-20-11-M-M-2

                第二次迭代后,全部检验数≤0,该线性规划达到最优值。最终结果为:X = (3,0,1,0,0)^TZ = 12

  • 4
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
人工智能的优化问题通常可以通过线性规划和非线性规划来求解。线性规划是一种优化问题的数学建模方,通过将目标函数和约束条件都表示为线性关系,求解可以使目标函数最大或最小的决策变量的取值。线性规划的一个经典求解方单纯形法单纯形法是一种逐步靠近最优解的迭代算。它从任意可行解开始,通过交替寻找非基变量和基变量,利用单纯形表格进行计算,在每一次迭代使目标函数达到更优解。这种方适用于线性规划问题,并且在数学理论上能够保证最优解的存在性。 大M法单纯形法的一种改进方,用于处理带有人工变量和松弛变量的问题。通过引入一个大的正数M,将目标函数人工变量转化为一个与目标函数无关的惩罚项,从而将问题转化为标准的线性规划问题。大M法可以解决含有无穷边界解或无可行解的线性规划问题。 非线性规划是指目标函数或约束条件存在非线性项的优化问题。对于非线性规划问题,可以使用拉格朗日乘子进行求解。拉格朗日乘子通过构建拉格朗日函数来将非线性约束转化为等式约束,从而将非线性规划问题转化为无约束问题。通过求解拉格朗日函数的稳定点,可以得到原始非线性规划问题的解。 总而言之,线性规划是一种用于求解目标函数和约束条件都具有线性关系的优化问题的方单纯形法大M法线性规划的两种常用解;非线性规划则用于处理目标函数或约束条件存在非线性项的优化问题,拉格朗日乘子是一种求解非线性规划问题的常用方

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值